Escolar Documentos
Profissional Documentos
Cultura Documentos
COMPUTACIONAL
UNIVERSIDADE FEDERAL DE SANTA CATARINA
Reitor
Ubaldo César Balthazar
Vice-Reitora
Alacoque Lorenzini Erdmann
EDITORA DA UFSC
Diretora Executiva
Gleisy R. B. Fachin
Conselho Editorial
Gleisy R. B. Fachin (Presidente)
Adriano Luiz Duarte
Aguinaldo Roberto Pinto
Carlos Luiz Cardoso
Eliete Cibele Cipriano Vaz
Ione Ribeiro Valle
Gestine Cássia Trindade
José Paulo Speck Pereira
Josimari Telino de Lacerda
Katia Jakovljevic Pudla Wagner
Luana Renostro Heinen
Luis Alberto Gómez
Mauri Furlan
Pedro Paulo de Andrade Júnior
Editora da UFSC
Campus Universitário – Trindade
Caixa Postal 476
88040-900 – Florianópolis-SC
Fone: (48) 3721-9408
editora@contato.ufsc.br
www.editora.ufsc.br
Sérgio Peters
Julio Felipe Szeremeta
CÁLCULO NUMÉRICO
COMPUTACIONAL
2018
© 2018 Editora da UFSC
Coordenação editorial:
Flavia Vicenzi
Capa:
Paulo Roberto da Silva
Editoração:
Laís Tomaselli Krause
Alicia da Costa Edwirges
Cristiano Tarouco
Revisão:
Heloisa Hübbe de Miranda
Ficha Catalográfica
(Catalogação na fonte pela Biblioteca Universitária da Universidade
Federal de Santa Catarina)
Este livro está sob a licença Creative Commons, que segue o princípio
do acesso público à informação. O livro pode ser compartilhado
desde que atribuídos os devidos créditos de autoria. Não é permitida
nenhuma forma de alteração ou a sua utilização para fins comerciais.
br.creativecommons.org
Aos meus filhos, Pedro, João, Bia, e à minha mulher, Silvia,
companheiros(as) e incentivadores(as) desta obra.
Sérgio Peters
PREFÁCIO................................................................................................13
APRESENTAÇÃO.....................................................................................15
CAPÍTULO 1
SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS..................... 19
1.10 CONCLUSÕES.............................................................................................. 79
COMPLEMENTANDO............................................................................................ 81
CAPÍTULO 2
SOLUÇÃO COMPUTACIONAL DE SISTEMAS
DE EQUAÇÕES LINEARES.............................................................89
CAPÍTULO 3
SOLUÇÃO DE EQUAÇÕES NÃO LINEARES
A UMA INCÓGNITA....................................................................... 187
3.1 ISOLAMENTO OU LOCALIZAÇÃO DE SOLUÇÕES DE f(x) = 0......................190
3.2 REFINAMENTO DA SOLUÇÃO ISOLADA.....................................................192
3.2.1 Métodos de quebra ................................................................................... 194
3.2.1.1 Método da bisseção (ou bipartição) para raízes reais.................... 194
3.2.1.2 Método da falsa posição................................................................. 200
3.2.1.3 Método da falsa posição modificado............................................... 204
3.2.2 Métodos de linearização............................................................................... 208
3.2.2.1 Método da iteração linear.............................................................. 210
3.2.2.1.1 Teorema de convergência......................................................213
3.2.2.2 Método de Newton.......................................................................... 216
3.2.2.3 Método da secante......................................................................... 223
3.2.2.4 Tratamento geral de funções com derivada nula em x = α ........... 227
3.2.2.5 Rotinas de funções predefinidas.................................................... 234
3.2.2.5.1 Recíproco de um número.......................................................234
3.2.2.5.2 Raiz quadrada de um número...............................................236
3.3 SOLUÇÃO DE EQUAÇÕES POLINOMIAIS....................................................238
3.3.1 Localização de raízes de equações polinomiais........................................ 239
3.3.2 Natureza de raízes de equações polinomiais............................................ 247
3.3.3 Cálculo eficiente de valores das funções polinomiais
e suas derivadas........................................................................................ 250
3.3.4 Método de Newton para Pn(x) = 0............................................................. 254
3.3.4.1 Determinação de raízes de equações polinomiais com
multiplicidade................................................................................ 258
3.3.4.2 Purificação de raízes obtidas com redução de grau...................... 274
3.3.5 Determinação de raízes de equações pelo método de Müller................... 276
3.4 CONCLUSÕES.............................................................................................281
CAPÍTULO 4
RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES NÃO LINEARES.......283
CAPÍTULO 5
APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO,
SPLINE E CURVAS DE BÉZIER..................................................... 307
5.1 APROXIMAÇÃO POR INTERPOLAÇÃO POLINOMIAL...................................312
5.1.1 Unicidade do interpolador......................................................................... 317
5.1.2 Determinação eficiente do interpolador ................................................... 318
5.1.2.1 Expressão do interpolador polinomial Pn(x)
na base dos polinômios de Lagrange............................................ 319
5.1.2.2 Interpolador de Gregory-Newton com diferenças......................... 323
5.1.3 Avaliação do erro de truncamento na interpolação................................... 332
5.2 INTERPOLAÇÃO DE FUNÇÕES COM VÁRIAS
VARIÁVEIS INDEPENDENTES.....................................................................338
5.3 APROXIMAÇÃO POR INTERPOLAÇÃO SPLINE.............................................. 342
5.4 TRATAMENTO DO FENÔMENO DE RUNGE.................................................358
5.5 APROXIMAÇÃO DE NÃO FUNÇÕES VIA PARAMETRIZAÇÃO.......................361
5.6 APROXIMAÇÃO POR CURVAS DE BÉZIER...................................................363
5.7 CONCLUSÕES.............................................................................................371
CAPÍTULO 6
APROXIMAÇÃO POR SÉRIES E POR FUNÇÕES RACIONAIS........ 373
6.1 APROXIMAÇÃO DE y = f(x) POR SÉRIES.....................................................376
6.1.1 Aproximação por séries de Taylor............................................................. 377
6.1.2 Aproximação por séries de Tchebychev..................................................... 386
6.2 APROXIMAÇÃO RACIONAL DE PADÉ..........................................................403
6.3 CONCLUSÕES.............................................................................................420
CAPÍTULO 7
APROXIMAÇÃO PELA TENDÊNCIA VIA AJUSTE DE CURVAS...... 421
CAPÍTULO 8
INTEGRAÇÃO NUMÉRICA............................................................453
REFERÊNCIAS.......................................................................................525
PREFÁCIO
SISTEMAS DE
NUMERAÇÃO
E ERROS
NUMÉRICOS
tacional
Denominamos “notação” a forma ou o tipo de palavra com que
representamos um número X na base b, Xb, usando um sistema posicional.
Neste livro, utilizaremos formato de notação científica com “ponto” em vez de “vírgula”, para facilitar o
Denominamos “notação” a forma ou o tipo de palavra com que
processo de copiar, colar e testar exemplos e algoritmos, uma vez que as linguagens de programação
representamos
usam notação um com o número X naa parte
base,
ponto “.” para separar
padrão em países de cultura inglesa.
β da, parte
inteira X β ,fracionária
usando dosum sistema
números, conforme
e livro,
posicional. Hoje, usamos quatro tipos de notação:
aremos
mato de Hoje, usamos quatro tipos de notação:
a) Notação convencional, ou de ponto fixo: nesse
otação
a) caso,
Notaçãorepresentamos
convencional ou ponto um fixo: X β nesse caso, representamos
pela “palavra”:
entífica
com
um X pela “palavra”:
X β = b(a1a2 ak* arial X = (a a ... a
. ak +1 bak + n ) β1 , 2 emk que. a k+n
... a )
β k+1 éb , em
a que béa
base,
base, ai∈{0, 1, 2, ..., b – 1}, k é o comprimento da parte inteira, en
vez de ai ∈ {0,1, 2, , β* times
− 1} , k é o comprimento da parte inteira, e
acilitar Varios
da parte fracionária pontos
* calibri (xi,yi),
do número, com aok,longo
n∈ ℕdo . livro, ficaram com a virgu
n da parte fracionária do número, com k , n ∈ �ℕ.
(xi,...). Se possível, dar um pequeno espaçamento, local em
copiar,
Pg. 15
emplos b) Notação fracionária:
b) Notação fracionária: nesse caso, representamos
representamos tipicamente
tipicamenteum
De uso corrente.... Refere-se a uma metodologia abstrativa, será que esta claro
X βXbpor
Xb por Pg.
= (a /β23=2)(ba, 1em
a16 ) β , aem
/ a2que ≠ que a2 ℤ.
0 e ai∈ ≠ 0Essa
e arepresentação
ℤ. Essa é
um X1Pg. i ∈�
ma vez 2
ens de limitada a números
x - Não x
racionais.
representação é limitada a números racionais.
o usam ( a1a2 ..... ak . ak +1 ..... ak + n ) β
X βPg.=17
ponto c) Notação fatorada:
c) Notação fatorada: nesse
Agradecemos
nesse caso,
o caso, representamos
incentivo um um
e contribuição
representamos de porpor
X βtodo
X os colegas do
Informática b professores d
e Estatística, especialmente aos colegas
n+k
24
(a1a2 ...... at )β
CÁLCULO NUMÉRICO COMPUTACIONAL
Pg. 24
Atualmente, para fins de eficiência computacional, representamos
um número na notação em ponto flutuante por: X (a11.. aa22 .........aat )t)βb β E
Xbβ==(a
tanto em calculadoras científicas quanto em computadores.
30
Solução:
MP = + ( 0.1111111111)2 * 215 = 2−1 (
Considerando a sua notação em ponto fixo: 39
X = (309.57)10 0 0 0 0 0 0
74
f ( x0 + h ) + f ( x0 − h ) = f ( x0 ) + f ′( x0
+ f ( x0 ) − f ′( x0
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS 25
٩, ٨, ٧, ٦, ٥, ٤, ٣, ٢, ١
Binário 0 1 10 11 100 101 110 111 1000 1001 1010 ... 10011 ...
0 + 0 = 00
0 + 9 = 09
1 + 0 = 01
1 + 9 = 10
9 + 0 = 09
9 + 9 = 18
0+0=0
0+1=1
1+0=1
1 + 1 = 10
Combinações de dígitos binários
Podemos obter os resultados dessas adições binárias usando expressões booleanas entre x e y:
XOR – também conhecida como disjunção binária exclusiva, devolve um bit 1 sempre que o número de
operandos iguais a 1 é ímpar, consequentemente devolve um bit 0 sempre que o número de bits 1 for
zero ou dois, e serve para definir o primeiro dígito (à direita); e
AND – também conhecida como conjunção binária, devolve um bit 1 somente quando ambos os operandos
sejam 1 e serve para definir o dígito extra, “vai-um” (à esquerda). Fonte: Patterson e Hennessy (2007).
Exemplo 1.7:
(FA9C)16 = 15 * 163 + 10 * 162 + 9 * 161 + 12 * 160 = (64156)10
(FA9C)16 = (1111 1010 1001 1100)2
Exemplo 1.8:
Solução:
X = (101.1)2 = 1 * 22 + 0 * 21 + 1 * 20 + 1 * 2–1 = (5.5)10
(19)10 = (?)2
(19)10 = (10011)2
Verificação: (10011)2 = 1 * 24 + 0 * 23 + 0 * 22 + 1 * 21 + 1 * 20 = (19)10
(0.03125)10 = (?)2
Verificação:
(0.00001)2 = 0 * 2–1 + 0 * 2–2 + 0 * 2–3 + 0 * 2–4 + 0 * 2–5 = (0.03125)10
pg.modo
( 0.1a)10gerar = 2-4 *(1.100110011 0011...)2 ≅ 2 * (1.100110011)2
t=10 -4
34 ( 0.1
34 ) ≅ 2 * (o menor
1.100110011 erro. Logo,
)2 ≅ ( 0.0999755859375 )10
pg.
( 0.110 ) ≅ ( 0.0001100110011
t=10
) ≅ ( 0.0999755859375 )10
( A1.B)16)16(0.1
( A1.B ==()1010 (1010
≅ 20001
10 -4
0001 . .1011
1011)2)2 )2 ≅ ( 0.0999755859375)10
* (1.100110011
2
pg.3535
pg.
( 0.1)333 +0
Pg. = 22-42*(1.1001100110 0 4 40011...)
33
323 ≅ 2 2 *2 (1.100110011
t =10 -4
) 22
((
== 11*2*2310+0 *2-4+0
*2
+0
*2
1
*2+0
+0 )()( ) ) ( (
1
*2*2 22 ++11
*2*2+0 )()( ) )
+0*2*-42+1 +1*2*21 +0
1
+0*2*20 0 224 24
(
0.1 )10 =
2 ( )10 (
t=10
*(1.100110011
0011...)
0.1 ≅ 0.0001100110011
2 ≅ 2)2 (
(1.100110011
* )
≅ 0.0999755859375
2 )10
( F)16 = (1111)2
88 t=10
11
1010
00
+( 0(34
+pg. 022+1
** ( F
+1 2)2+1
33
+1
** +0)22)()(22) )++(1(122+1
= (21111
2+0
22
**
11
**
00
+122+1
44
** +022)()(22) )
+122+0 33
**
22
**
11
**
00 44
16
2
( A1.B)16 = (1010 0001 . 1011)2
pg. 34
Pg.36
Pg. 36
66 1414
Daniel Santana de Freitas e Juliana Eyng, e os professores de estatística Pedro Albe
Barbetta, Andre Wust Zibetti e Andreia Zanela, pelas sugestões e apoio
desenvolvimento do tópico relativo a análise estatística dos resultados do ajustame
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS
de curvas. 33
Pg.23
X β = ( a1a2 … ak . a k +1 … ak + n ) β
Observe a1 uma
a a
X β = (0agora
. a1a2 …queat ) β(0.1)
β E =10( era
1
fração
+ 22 + … + tt ) βdecimal
E exata e a conver-
* arial
β β β
temos para uma representação binária ilimitada, também exata enquanto
Pg. 24 por um número * times
for representada de bits infinito. Ou seja, nesse exemplo,
* calibri
note que, Xna (a1 . a2 …at )de
β =conversão
E
β β base, descartamos parte dos bits da represen-
Pg. 24por limitação doPg.
tação binária, número
15 de bits representáveis, o que gerou
X = ( 3.0957 )
um erro de arredondamento.10
* 10
+2 De uso corrente.... Refere-se a uma metodologia abstrativa, será que e
Pg. 16
Pg. 32
Perceba nas conversões dos Exemplos
x - Não x 1.10 e 1.11 que:
( 0.1)10 = 2
-4
*(1.100110011
0011...
Pg. 17 ) 2
t=10 arredondamento
Agradecemos o incentivo e contribuição de todo os col
a) (0.03125)
( 0.110)10== (0.00001)
2-4 *(1.100110011
2 0011...)
Informática 2 ≅ 2 * (1.100110011
-4
)2 aos colegas professores
eEstatística, especialmente
t=10
Dabrowski de Araújo Mendonça, Clara Amélia de Oliveira, Ric
(0.03125)
( 0.110)10=≅ 3125 / 10000
2-4 * (1.100110011 = 1≅/(Freitas
Santana) 2de
32 = 1/2 5
0.0999755859375(o denominador é uma de estatíst
)10 e os professores
e Juliana Eyng,
potência da base 2) Andre Wust Zibetti e Andreia Zanela, pelas sugestões e ap
Pg. 33 tópico relativo a análise estatística dos resultados do ajustament
b) 0.1
( )10 = 2 -4
*(1.100110011
Pg.230011...)
2 ≅ 2 * (1.100110011)2
-4
t=10 X β = (a1a2 ak . ak +1 ak + n ) β
(0.1)10 =( F(1
)16 =/ (10)
1111) fração
(a
2 2 X β =não
(0 . apode
1a2 aser expressa
t )β β = ( 1 +
E a2 outraaequiva-
a1 por
+ + tt ) β E
lente
pg. 34 cujo denominador seja uma potência de 2) β β 2
β
Pg. 24
( A1.B)16 = (1010 0001 . 1011 )2
Issopg.se35deve ao fato de queXum )β β=E p / q será limitado nessa
a1 . a2 at X
β = (racional
b
base b se, =e(somente se, 1puder
Pg.
0 ser
3 24
4 expresso na forma 0de X
2
= v / bk.
1*23 +0*22 +0 *2 +0*2 )( 2 ) + (1*2 +0*2 +1+*22 +0*2 )( 2 )b
3 2 1 4
)( ) (
+1*21 +0*20 24de +base
1(*20.1
3
+1
) *2
binária
10
=2 2+1
-4 1
2 meio
**(1.100110011
por
4
)( )
+0*20de 2representações
0011... )2 em
base hexadecimal. 6 14
t=10 arredondamento
( A1.B)16 =os(1010
dígitos binários. Ou seja, agrupamos dígitos . 1011)2 em grupos de
0001 binários
quatro a partir da posição do ponto
pg. 35 (vírgula). Caso seja necessário, comple-
tamos o grupo de quatro bits com= (1zeros não
2 significativos.
*2 +0*2 +0*2 +0*2 )( 2 ) + (1*2 +0*2 +1*2 +0*2 )( 2 )
3 1 0 4
3
3 2 1 0 4
2
8 10
( )( 2 ) + (1 2 +1 2 +1 2 +0 2 )( 2 )
1 0
3 2 1 0 4 3 2 1 0 4
+ 0*2 +1*2 +1*2 +0*2 * * * *
6 14
Pg. 36
34 CÁLCULO NUMÉRICO COMPUTACIONAL
ExemploExemplo
1.13: 1.13: converta
converta diretamente ooregistro
diretamente registro bits16
de 16de (1000101001101110)
bits 2
para hexadecimal.
(1000101001101110)2 para hexadecimal.
Solução:Solução:
Agrupando os bitsosem
Agrupando bitsgrupos de quatro,
em grupos temos:
de quatro, temos:
10001010 { { = ( 8A6E )16
{ { 01101110
8 A 6 E 2
10
conforme segue:
*2 ( 2 ) bits,
2 fatorando 4 cada 3grupo
*2 +0*2 +1de
1 quatro
*2 +0*2 ( 2 ) *2 em
+1*2potências 20 ( 2de 161444
) +1 =3 +1
24*2, 2conforme 20 ( 2segue:
)
3 2 1 0
= 11444
3
*2 +0*2 +0
2444
1
3
0
+11444 2
*2 +0
2444 3
0 4 3
+ 01444 2
+1*21 +0*3
2444
4
*2 +1*21 +0*3
2444
4
8 10 6 14
( F)16 que
Observe = (1111)2
34
(1000101001101110 )2 =
CAPÍTULO
pg. 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS 35
((1A1.B
*
) = (1010 0001 . 1011)
15 16* 14
2 +0 2 +0 2 +0 2 +1 2 +0 2
pg. 35
*
13
*
12
*
112
*
10
+1*29 +0*28 +0*27 +1*26 +1*25 +0*24 +1*23 +1*22 +1*21 +0*20 )10
fatorando
= (1*2 +0*2 +0cada
3
*2 +0*2grupo
)( 2 ) + de
2
1*2 quatro
(1
+0*2 em
+0*2 +1*2bits, )( 2 )potências de 16 = 2 ,
0 4
3
3 2 1 0 4
2 4
8 6 10 14 6 14
Pg.
= 8*36
(16 ) +A* (16 ) +6* (16 ) +E* (16 ) = (8A6E )16
3 2 1 0
1.6 REPRESENTAÇÃO
Conforme
Conforme vimosnanaseção
vimos seção1.1,
1.1,nos
nosDIGITAL DE NÚMEROS
sistemascomputacionais,
sistemas computacionais,
representamos
representamos umum número
número nana forma
forma dede notação
notação em em ponto
ponto flutuante,
flutuante, dede
maneira
maneira
Conforme
a racionalizar
a racionalizar
vimos na
o armazenamento
o armazenamento
seção 1.1, nos
digital,
digital,
sistemas
pois,
pois, sese
computacionais,
utilizássemos
utilizássemos
um
representamos
armazenamento
um
em
número
ponto
na
fixo
forma
(ou
de
vírgula
notação
fixa),
em
seria
ponto flutuante, de
necessário
um armazenamento em ponto fixo (ou vírgula fixa), seria necessário
maneira a racionalizar o armazenamento digital, pois, se utilizássemos um
umumnúmero
númerodedeposições
posições(dígitos)
(dígitos)nonomínimo
mínimoigual igualà àvariação
variação dos
armazenamento em ponto fixo (ou vírgula fixa), seria necessáriodos
um número
limitesdos
limites dos expoentes.
expoentes.
de posições (dígitos) no mínimo igual à variação dos limites dos expoentes.
PorPor exemplo,
exemplo, para
para
Por exemplo, obter
obter aa
para representação
representação
obter dede
a representação umauma decalculadora
calculadora
uma calculadora
científi
científi caca comum,
científica
comum, com
comum,
com menor
menor positivo
compositivo
menor positivo
mp mp
= 1.0
mp= 1.0 = 1.0
* 10
* 10 e maior
−99−99 *
epositivo
10 positivo
e maior –99
maior positivo
MPMP= = MP = 9.999999999
9.999999999
9.999999999 * 10
10+99
+99+99 , *seriam, seriam necessárias:
necessárias:
* 10 , seriam necessárias:
−99 −99
a)a)
9999posições
a)posições
99 posiçõesparaapara
para aparte
parte fracionária,
a parte entre
fracionária,
fracionária, entre 1.0
entre
1.0 e e1,
* 10 * 10
1.0
* 10 –991,
e 1, pois
pois 1.0 *
−
1099−99
= 0.000
pois 1.0 * 10 = 0.000.....00001... 00001
0.000.....00001
14 4244 tem 99
tem dígitos
99 depois
dígitos do
depois
3 tem 99 dígitos depois do
14
4244
3 pontodo (vírgula).
99 99
ponto
ponto (vírgula).
b) (vírgula).
100 posições para a parte inteira, entre 1 e 9.99999999 * 10+99,
+99+99
b)b)
100100 posições
posições para
para a parte
a parte
pois 9.99999999
9.99999999 inteira,
inteira,
10
**10
99
++99 entre
entre 1 e1 e9.99999999
9.99999999
==9999999999000.....0000
9999999999000 ... 0000* 10
tem , , dígitos.
* 10 100
pois
pois 9.99999999
9.99999999 +99+99
= 9999999999000.....0000
* 10 = 9999999999000.....0000
* 10 1444424444
1444424444 100
3 tem
3 tem 100 100
dígitos.
dígitos.
c) Mais uma posição para o sinal 100100
(definido por s), totalizando 200
c)c) posições
Maisuma
Mais umaposição
posição display
no para desinal
parao osinal uma hipotética
(defi
(defi nidopor
nido calculadora
por científica “de
s),s),totalizando
totalizando
ponto fixo”, conforme
posiçõesnonodisplay
200posições
200 segue:
displaydedeuma umahipotética
hipotéticacalculadora
calculadora
científi
científi caca“de
“deponto
pontofixo”,
fixo”,conforme
conformesegue:
segue:
s
ss
100 posições para a 99 posições para a
100
100 posições
posições parainteira
parte
para 9999 posições para
parte
posições para aa
fracionária
a parte
a parte inteira
inteira parte
parte fracionária
fracionária
Normalmente
Normalmente
Por
Por isso,
isso, essas
essas representações
representações dede ponto
ponto fixo
fixo ficaram
ficaram limitadas
limitadas apresentam
apresentam
1010 dígitos
dígitos
àsàscalculadoras
calculadoraspara
paraoperações
operaçõesbásicas.
básicas.
decimais
36 CÁLCULO NUMÉRICO COMPUTACIONAL
Normalmente apresentam 10 dígitos decimais na tela e mais alguns dígitos internos extras, também
chamados dígitos de “guarda”, usados para ampliar a faixa de abrangência das operações aritméticas.
Solução:
a) (+0.0003501)10 = +3.501 * 10–4
= +(3 * 100 + 5 * 10–1 + 0 * 10–2 + 1 * 10–3) * 10–4
b) (+101.011)2 = (+1.01011)2 * 22
= +(1 * 20 + 0 * 2–1 + 1 * 2–2 + 0 * 2–3+ 1 * 2–4 + 1 * 2–5) * 22
para armazenar
1 bit para o sinal 1os
bitdígitos
do
paraexpoente, significativos
o sinal dosexpoente, dasmantissa, f
2 2
ara 4obitssinal do oexpoente,
para 4 bits parado
módulo s2o módulo
expoente, do exp expoente, exp
paraNessa o módulo do expoente,
representação, os dígitos exp significativos são armazenados
Nessa representação, os dígitos significativos são armazenados no
representação,
padrão os dígitoscom
de normalização significativos
d1 ≠ 0 com são armazenados
posicionado à direita do ponto. do ponto. Um
padrão de normalização d1 ≠ 0 posicionado à direita
mnormalização
número v armazenado
númerocom vd1armazenado 0 posicionado
≠ nesse registro
nessepoderia à direitapoderia
registro dointerpretado
ser ponto. por: por:
ser interpretado
v armazenado nesse registro v = (−1)poderia s1
(0. f ) βser 2± expinterpretado por:
± exp
v = (−1) (0. f ) β 2
s1
ou
ou ou
v = (−1) s1 (0 . d1d 2 d3d 4 d5 d 6 d 7 d8 d9 d10 ) β 2± exp
v = (−1) s1 (0 . d1d 2 d3d 4 d5 d 6 d 7 d8 d9 d10 ) β 2± exp
Exemplo 1.16: vamos
Exemplo representar
1.16: vamos representar − (101.011 )2 na variável
–(101.011) na variávelde de
1616 bits estabelecida
− (101.011)2 na variável de 16
2
1.16:estabelecida
bits vamosanteriormente.
representar
anteriormente.
lecida anteriormente.
Primeiramente, precisamos normalizar a posição do ponto
Primeiramente,
8.2.1 precisamos normalizar a posição do ponto (vírgula),
mente,
vírgula), precisamos
conforme normalizar
padrão adotado a posição para 16dobits:
ponto
conforme 0 16 bits: –(101.011)2 = –(0.1010110000)2 * 2
8.2.1 padrão adotado para +3
C(2,1) (t(2,1) )0 + C(2,2) ( t ) = 2
−conforme
(101.011)2padrão
=
(com 1oadotado
C(2,1) (t(2,1) )para
− ( 0.1010110000
significativo 0
)+ C* d2(2,2)116à(t(2,2)
+ 3 bits:
(2,2)
(com )10 = 21º
direita do significativo
ponto). Logo, dsinal 1
à s1 = 1, mantissa
C(2,1)+(3t(2,1) ) 1 + C(2,2) (t(2,2) ) 1 = 0
1 2
=
direita
2
− ( do ponto). Logo,
0.1010110000 )2C(2,1) (sinal
* 2 (com
t(2,1) ) +s1C=(2,2)1º significativo
1,(tmantissa
(2,2) ) = 0
ff = (1010110000
d 1
à )2 ,
C(2,1) (t(2,1) )2 + C(2,2) (t(2,2) )2 = 2 / 3
ponto). Logo,o sinal
convertendo expoente
C
s1 = 1,(tparamantissa
2 binário: ff = 2exp
(2,1) (2,1) )3 + C(2,2) (t(2,2) )3 = 2 / 3
(1010110000
= + ( 3)10 = )2 , + ( 0011)2 ,
C (t ) + C ( t ) = 0
t ( 3))310de + (bits:
0011)2 ,
do osinalexpoente
s2 = 0,para
binário: =
com temos C então (t )3 +o Cregistro (+ ==0 16
(2,1) (2,1) (2,2) (2,2)
exp
(2,1) (2,1) (2,2) (2,2)
bits estabelecida anteriormente.
Primeiramente, precisamos normalizar a posição do ponto
38 CÁLCULO NUMÉRICO COMPUTACIONAL
(vírgula), conforme padrão adotado para 16 bits:
− (101.011)2 = − ( 0.1010110000 )2 * 2+3 (com 1º significativo d1 à
acional
direita do ponto).
f = (1010110000) Logo,osinal
, convertendo s1 = 1,
expoente mantissa
para = =(1010110000
binário:ffexp )2 ,2,
+(3)10 = +(0011)
2
acional com convertendo o expoente
sinal s2 = 0, temos então opara binário:
registro exp =
de 16 bits: + ( 3)10 = + ( 0011)2 ,
com sinal s2 = 0, temos então o registro de 16 bits:
A
1 seguir,
1 apresentaremos
0 1 0 1 os 1limites
0 da0 representação
0 0 0 de números
0 0 Reais
1 1
A seguir,
em pontoapresentaremos os limites
flutuante no padrão daapresentado.
16 bits representação de números Reais
em pontoapresentaremos
A seguir, flutuante no os limites16
padrão dabits apresentado.
representação de números reais em ponto
flutuante no padrão 16 bits apresentado.
1.6.1.21.6.1.2
Maior Positivo
MaiorRepresentável (MP)
positivo representável (MP)
1.6.1.2 Maior Positivo Representável (MP)
0 1 ( +0.0003501
1 1 )101 = +13.5011*10−4 1 1 1 1 0 1 1 1 1
a)
( 0.1111111111)22**22 (= =2(2 + +222 ++22 ++ ... ... ++ 22 ) * *22) == (32736)
0 1 1 1 1 = + 13 *1010 + 51*10 −1 1+ 0 *10
1 −2 +1 1 *100−3 *101−4 1 1 1
MP == ++(0.1111111111)
MP 1515 −1–1
(−2–2 −–3
3 −10
–10 15
15
)
( 32736 )1010 ≅ 2115* 215 ( )
( +101.011)2 =)2 (*+21.01011
MP = + (b)0.1111111111 15
= 2 )2+* 22 + 2 + ... + 2
−1 −2
( −3 − 10 15
)
* 2 = ( 32736 ) ≅ 1 * 2
15
( )
(5 )2,10, +15 ):
10
Nareta
Na retareal,
Real,temos
temos
= +(1 *a2aseguinte
0
seguinte 2−2 + 0 * 2−3 + 1* 2para
*representação
+ 0 * 2−1 + 1representação −4
+ 1 *FF
2−(2, * 10, −15, +15):
22 –15,
Na reta Real, temos a seguinte representação para
Pg. 38 F ( 2,10, −15, +15 ):
mites de
−MP
MP −mp mp
mp 0 mp MP MP
entação
mites de MP mp 0 mp MP
números
entação
MP mp 0 mp MP
Pg. 39
ivos são
números 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1
métricos
ivos são Có
s limites
métricos ȱȱ¨ȱȱ ȱȱȱȱȱȱȱȱȱȱȱȱȱ¨ȱȱ ȱȱȱȱȱȱȱȱȱȱ¨ȱȱexp.ȱ mínimo I
entados.
ȱȱ¨ȱȱ ȱȱȱȱȱȱȱȱȱȱȱȱȱ¨ȱȱ ȱȱȱȱȱȱȱȱȱȱ¨ȱȱ ȱ
s limites Pg.ȱȱ¨ȱȱ
45 ȱȱȱȱȱȱȱȱȱȱȱȱȱ¨ȱȱ ȱȱȱȱȱȱȱȱȱȱ¨ȱȱ ȱ
entados. s d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 e1 e2 e3 e4 e5
a) Região
Os limites de dos underfl
de representação ow: são
números negativos ∈ℝ � / −aos
{xsimétricos mplimites mp} , que
< xdos<positivos. Có
a) compreende
Regiãot dígitos
de significativos
underfl ow:da ∈
mantissa
x ℝ
�f −
os números, em módulo, abaixo do mínimo
{ / mp < x <e ,
polarizado
mp } que Có
0 1 1 0 1 0 0 0 0 0 0 1 0 0 1 0
a) Região de underflow:
compreende
representável ose,números,
caso ℝ / em
{x ∈ surjam, – mp < xarredondados
módulo,
são < mp}, que do
abaixo compreende
mínimo
para o
s Có
osmais
números, em
representável módulo, abaixo do mínimo representável e, caso
t = 10 dígitose,
próximo caso−mp,
entre surjam,
significativos +são
mp .arredondados
da0,mantissa para
e polarizado o Có
surjam, são arredondados−para o mais próximo entre –mp, 0, +mp.
mais próximo
b) Região de overfl entreow: { mp,
{xx∈∈� �// +
0,
ℝ mp
xx < .MP ee xx >> MP
< −−MP MP}}, que
b) compreende
Região de overfl ow: {{xx∈
os números, ∈
emℝ / xx << −−MP
�/módulo,
� ee xx >>do
MPacima MP
MP }}, que
máximo
compreende ose números,
Pg. 46 armazenável não são em módulo, acima
armazenados do máximo
(normalmente
Colocar * com parentes quando envolver produto de números.
armazenável
travam
Se forem letras nãoousar e não
computador
* com são
comarmazenados
parênteses alguma mensagem(normalmente
de erro).
Capítulo 1 – Sistemas de Numeração e Erros Numéricos
como é opoderíamos
próprio mp. representá-lo em F(2, 10, –15, +15)10?
(a1a2 ...... at )β
Solução:
ão do Zero Como
Pg. 24
esse valor não tem representação binária exata, nós o representa-
ríamos
X β = (a1 . apelo valor
2 at )β β
E discreto mais próximo, no caso (0.0000152587890625)10,
......
que éé obtida
tação do zero o próprio mp. com mantissa nula
sempre
30
nte representável (I).
X = (101.1 ) = 1 2 +Representação
1.6.1.3 0 2 + 1 2 + 1 2 = ( 5.5do
2
* ) zero
2
*
1
*
0
*
−1
10
vamos representar
36 o zero em Fdo(2,10,–15,+15).
A representação zero é obtida sempre com mantissa nula e o menor
expoente
(15)10 = (1111)representável
2 (I).
0 0 038 0 0 0 0 1 1 1 1 1
Exemplo 1.18: vamos representar o zero em F(2, 10, –15, +15).
exp mínimo I
MP = + ( 0.1111111111)2 * 215 = ( 2−1 + 2−2 + 2−3 + ... + 2−10 ) * 215 = ( 32736 )10 ≅ 215
Solução:
embrar que39esse número é o único escrito na forma
a", pois sua mantissa
0 0 0é toda
0 zero.
0 0 0 0 0 0 0 1 1 1 1 1
expoente mínimo I
45
s
xemplos, veremos Devemos
do que lembrard que
d 2 poderia
esse número
d3 d 4 acontecer
d6 d7emd8uma
é o único escrito na forma “não
d9 d10 e1 e2 e3 e4 e5
1 5
normalizada”,
ção se o expoente do zeropois
sua diferente
fosse mantissa é toda
do zero.
limite
t dígitos significativos da mantissa f e polarizado
Nos próximos exemplos, veremos o que poderia acontecer em uma operação de
s d 2 sed3o expoente
d 4 d5 dodzero dfosse
d8diferente
d9 d10 d11 inferior
e1 e2 I. e3 e4 e5
adição 6 7 do limite
t = 10 dígitos significativos de f , depois do ponto e polarizado
Exemplo
simule a operação
Pg. 71 de 1.19:
adição: simule a operação
0.000135 + 0.0 emde adição: 0.000135 + 0.0 em
F(10, x x 2
x 3
x n
0 ) , considerando
e x ≅ 1 + 4,+a–10,
1! 2! 3!
+ +10),
+ ... + considerando
representação do zeroa com
representação do zero com expoente
0 n!
nulo (0.0000 10 ). *
(0.0000 * 100 ) .
74
Solução:
h h2 h3 hn
f ( x0 + h ) + f ( x0−−3 h ) = f ( x0 ) + f ′( x0 ) + f ′′( x0 ) + f ′′′( x0 ) + ... + f ( n ) ( x0 ) + ...
0.1350 * 10 1! 2! 3! n!
206
h h2 h3 hn
+0.0000 * 10 0 + f ( x0 ) − f ′( x0 ) + f ′′( x0 ) − f ′′′( x0 ) − ... + f ( x0 ) + ...
(n)
1! 2! 3! n!
e adição/subtração
40 de dois termos é efetuada com CÁLCULO NUMÉRICO COMPUTACIONAL
eoentes
adição/subtração
iguais ao dodemaior dois termos
termo é(alinhamento
efetuada com
ração
oentes deiguais
adição/subtração
ao do maior determo
dois termos é efetuada com
(alinhamento
Toda
ois expoentes iguais operação de adição/subtração
ao do maior termo (alinhamento de dois termos é efetuada com os seus
0
dois*expoentes
0.000135 10 iguais ao do maior valor (alinhamento de expoentes):
ntes): 0
0.000135
+0.0000 * 10 * 100
0
+0.0000 0.000135
* 10
0 * 10
−3
≅ 0.0001 * 10 = 0
0.1000 0 * 10
+0.0000 * 10
≅ 0.0001 * 10 = 0
0.1000 * 10−3
−3
plo, ocorre ≅ 0.0001 * 10 =
arredondamento
0
0.1000com * 10 perda dos 2
osplo, ocorre arredondamento
excedentes, 3 e 5, que não cabem com perda dentrodos dos2
eantissa.
exemplo,
os excedentes, Nesse
ocorre exemplo,
arredondamento
3 e 5, quecientíficas, ocorre
não cabem arredondamento
com
dentroperda
dos doscom 2 perda dos 2 dígitos
Em calculadoras esses dígitos
significativos excedentes, 3 e 5, que não cabem dentro dos t = 4 registros da
ificativos
antissa.ficam
mente Emexcedentes,
calculadoras
guardados 3 como
ecientíficas,
5, que nãoesses
dígitos cabem dentro dos
dígitos
internos
mantissa. Em calculadoras científicas, essesde
dígitos excedentes normalmente
s da mantissa.
mente ficam Em calculadoras
ficamguardados
guardados comodígitos
como científicas,
dígitos esses
internos
internos de dedígitos
“guarda”.
normalmente ficam guardados como dígitos internos de
mule esta Exemplo
operação 1.20: simule esta
de adição: 0.000135operação
+ 0.0de adição: 0.000135 + 0.0 em
F(10, 4, –10, de +10), considerando a representação do zero com expoente
imule esta operação
+10 ) , considerando adição:
a representação 0.000135 do +zero
0.0
mínimo esta*I(0.0000 10de).adição: 0.000135
–10
10 ) ,simule
1.20:
( operação
) do zero + 0.0
*
+ínimo considerando
I 0.0000 10 −10 a representação
.
( ) , considerando
, 4, −10, +I 100.0000
mínimo Solução: * 10 )
−10
. a representação do zero
oente mínimo I 0.0000 (
0.1350 * 10−3
)
* 10
−10
.
0.1350**10
+0.0000 10−−103
−3
+0.0000 *0.1350
10−10 * 10
e expoentes pelo maior
+0.0000
e alinhamento de* termo:
10 −10
expoentes pelo maior valor:
de expoentes pelo maior termo:
0.1350 * 10−3
mento de expoentes pelo maior termo:
10−−33
0.1350**10
+0.0000 −3
+0.0000 *0.1350
10−−33 * 10
= 0.1350 * 10
+0.0000 * 10−3
= 0.1350 * 10−3
1.20, temos um=resultado
0.1350 * 10exato,
−3 sem arredonda-
ozero
1.20,representado
temos um resultado
pelo menor exato, sem arredonda-
expoente possívelexato, sem arredondamentos,
No Exemplo 1.20, temos um resultado
xemplo
zero 1.20, temos
representado
te o elemento um
pelo resultado
damenor exato,
expoente sem arredonda-
possível
ou seja,neutro
o zero operação
representado de adição
pelo menor em
expoente possível retrata correta-
seja,
te o o zero
elemento representado
neutro
menteoutro
a, não altera o elemento da
número. pelo menor
operação de expoente
adição empossível
neutro da operação de adição em meio digital, ou seja,
etamente o elemento
ja, não altera
não outro
altera neutro
número.
outro número. da operação de adição em
, ou seja, não altera outro número.
A seguir, apresentaremos
remos a quantificação a quantificação
dos elementos dos elementos representáveis em notação
representáveis
aremos de ponto flutuante.
a quantificação dos elementos representáveis
nto flutuante.
presentaremos
nto flutuante. a quantificação dos elementos representáveis
o de ponto flutuante.
Capítulo
Capítulo 11 –– Sistemas
Sistemas de
de Numeraçã
Numeraçã
Exemplo
Exemplo 1.21:
1.21:represente
represente os os
dois primeiros
dois números
primeiros positivos
números do sistema
positivos
Exemplo
F(2, 1.21:
10, –15, +15)represente
de 16 bits. os dois primeiros números positivos
do
do sistema F(2, 10,
sistema F(2, 10, –15, +15) de
–15, +15) de 16
16 bits.
bits.
Solução:
Solução:
Solução:
11º
1ºpositivo
o
positivo
positivo- --
00 11 00 00 00 00 00 00 00 00 00 11 11 11 11 11
++ (( 0.1000000000
0.1000000000 )) 2 22 = =
+ (0.1000000000) = (( 0.0000152587890625
−15
−15
(0.0000152587890625)
* * –15
2 22 *0.0000152587890625 )10
10 )10
22º
o positivo -
2º positivo
positivo - -
00 11 00 00 00 00 00 00 00 00 11 11 11 11 11 11
+ (( 0.1000000001
0.1000000001))22***2–15
22−−15
15
= (( 0.0000152885913848876953125
0.0000152885913848876953125 ))10
++ (0.1000000001) 2
==(0.0000152885913848876953125) 10 10
Observe
Observeque
Observe que existe
que existe uma
existe uma distância
distância
um intervalo vazioentre
entre esses
esses
entre dois
dois
esses números
números
dois números
consecutivos
consecutivos discretos,
discretos, enquanto
enquanto na nareta reta Real
consecutivos discretos, enquanto na reta Real podem existir infinitos Real podem
podem existir infinitos
existir infinitos
números
números
números entredois
entre
entre doisnúmeros
dois númerosquaisquer.
números quaisquer. Além
quaisquer. Além disso,
Além disso,aaadistribuição
disso, distribuiçãode
distribuição
números representáveis de F(b, t, I, S) não é uniforme em ℝ, e o número
de
de números
números representáveis
representáveis de de F β ,, tt ,, II ,, SS )) não
F (( β não éé uniforme
uniforme em em ℝ,ℝ, ee
máximo de elementos representáveis é uma combinação das possibilidades
o
o número
número máximo
máximo de de elementos
elementos representáveis é uma combinação
de preenchimento de cada registro.representáveis é uma combinação
das
das possibilidades
possibilidades de
de preenchimento
Para cada expoente, preenchimento
existe uma quantidade de
de cadacadafixa registro.
registro.
de números represen-
táveisPara cada expoente,
na mantissa
Para cada expoente, existe auma
NM, conforme
existe uma
combinaçãoquantidade
quantidade fixa dede números
de possibilidades
fixa números
de seus
representáveis
representáveis na
na mantissa
dígitos, por exemplo,mantissaem umNM, conforme
NM,sistema
conforme genéricoaa combinação
de base βde
combinação possibilidades
, com
de normalização
possibilidades
de d ≠ 0 depois do ponto (vírgula):
de seus
seus
1 dígitos,
dígitos, porpor exemplo,
exemplo, em em um um sistema
sistema genérico genérico de de base
base ββ,, com
com
normalização
normalização od1 ≠ 0 depois do ponto (vírgula):
≠ 0 depois
a) no 1d1registro, não do pontoter
podemos (vírgula):
o número 0 (normalização com
d1 ≠ 0), logo d1 pode assumir valores a partir de 1, totalizando
a) no
no –1º
a) (b 1º1)registro,
registro, não
não podemos
podemos ter
ter o o número
número 00 (normalização
(normalização
possibilidades; e
como d1 ≠ 0 ), logo d1 pode assumir valores aa partir
com d 1 ≠ 0 ), logo d 1 pode assumir valores partir de
de 1,
1,
b) do 2 registro
totalizando ( até
β − o
1) valor da posição
possibilidades; t,
e podemos ter representados
totalizando ( β − 1) possibilidades; e
qualquer um dos β valores da base, para cada um dos t – 1 registros
restantes, ou seja, bt – 1 possibilidades; logo, NM = (b – 1) bt – 1.
42 CÁLCULO NUMÉRICO COMPUTACIONAL
NE = S – I + 1
Dessa forma, o número total de elementos positivos representáveis NP
em um sistema de numeração genérico F(b, t, I, S) é dado por:
s1 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 s2 e1 e2
Como d1 deve ser sempre diferente de zero, essa 1a posição da mantissa tem
nove possibilidades em vez de dez (d1 está entre 1 e 9), enquanto as demais
nove posições têm dez possibilidades de dígitos diferentes (di está entre
0 e 9), logo, o número de mantissas diferentes é:
NM = (9) * 10 * 10 * 10 * 10 * 10 * 10 * 10 * 10 * 10 = 9 * 109
NM = (b – 1) bt–1 = (10 – 1) * 1010 – 1
NE = S + I + 1 = +99 – (–99) +1
Observe
Observequeque
os expoentes da variável
os expoentes de 16 bits
da variável deocupam 5 bits (destacados
16 bits ocupam 5 bits
no(destacados
registro em cinza), uma posição para o sinal do expoente e
no registro em cinza), uma posição para o sinal quatro para
o seu módulo. Logo, os expoentes polarizados devem continuar cabendo
do expoente e quatro para o seu módulo. Logo, os expoentes
nos cinco registros binários disponíveis:
polarizados devem continuar cabendo nos cinco registros
I +binários
p = –(15)disponíveis:
10
+ p = –(1111)2 + p = –(1111)2 + (1111)2 = (00000)2
− (15+)10p += p+(1111)
S +Ip+=p+(15)
= = − (1111+)p2 += p+(1111)
= − (1111+ )(1111)
2
+ (1111= )(11110)
2
=( 00000 )2
10 2 2 2 2
I = (00000)2 = (0)10
S = (11110)2 = (30)10
38
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS 45
MP = + ( 0.1111111111)2 * 2 = 2 + 2 + 2 + ... + 2 15
( −1 −2 −3 −10
) * 2 = ( 32736 )10 ≅ 2
15 15
39
representado apenas pelo seu valor positivo, +0, que é representado sem a
posição
Pg. 23 do sinal +.
0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1
Na forma polarizada dessa
X β = (a1a2 … ak . ak +1 … ak + n ) β variável de 16 bits, qualquer número
v represen-
tado poderá ter esta forma: expoente mínimo I
45
Pg. 24
Xsβ = (ad11 . a2 …
d 2 at )βd3β d 4
E
d5 d6 d7 d8 d9 d10 e1 e2 e3 e4 e5
Varios pontos (xi,yi), ao longo do livro, ficaram com a virgula grudada no 1º índice i
X = 309.57
(xi,...). ( = 3dar
Se possível, *10um
2
0 *101 +
+ pequeno 9espaçamento,
*10 + 5 *10 local
) 0 −1
+ 7em
*10 vermelho:
−2
(xi , yi).
10 dígitos significativos
tt dígitos significativos da
damantissa
mantissaf ee polarizado
polarizado
Pg. 38
Pg. 23
s , 0, + mp
− mp
d d d d d d d d9 d10 d11 e1 e2 e3 e4 e5
2 3
X β = ( a1as2 éaúnico,
Pg. 45
Agora e4 v = 5(–1)s6 (0.f)72 2e – 815.
k . ak +1 ak + n ) β
s d1 d2
.....
d3 d4
d5 d6
.....
d7 d8 d9 d
e1 e2
e3 e4
e5
10
t = 10 dígitos significativos de f , depois do ponto e polarizado
Exemplo
X β 71
Pg. . a2 1.26:
at )β βno
= (a1 E registro binário,
......
a seguir, com exponte
polarizado
com
p x= +(15)
x 10x ,
2 qual
x 3 téd í
o gitos
n significativos
decimal
x da mantissa
representado? f e polarizado
e ≅ 1 + + + + ... +
(a1a2 ...... at 1!
)β 2! 3! n!
0 1 1 0 1 0 0 0 0 0 0 1 0 0 1 0
74 s24
Pg.
t = 10 d ígitos significativos da mantissa
t = 10 dígitos significativos da2 mantissa 3 e polarizado
ne polarizado
Xf β x= (+a1h. a+2 f atx)β−βhE = f ( x ) + f ′( x ) h + f ′′( x ) h + f ′′′( x ) h + ... + f ( n ) ( x ) h + ...
( ) ( ) ......
1! 2! 3! n!
0 0 0 0 0 0 0
Solução:
30 s d 2 d3 d4 d5 d6h d7 hd28 d9 h3d10 d11 e1 hn e2 e3 e4 e5
206
+ f s( x0 ) − f ′( xe0 )– 15+ f ′′( x0 ) − f ′′′( x0 ) − ... + f ( n ) ( x0 ) + ...
s
Temos que v =2 (–1)1 (0.f)0 2 2 1!−1 2! 3! n!
X = (101.1)2 = 1* 2 + 0 * 2 + 1 * 2 + 1* 2 = ( 5.5)10
ts==100,dífgitos significativose de
= 110100000 , depois do=ponto
e =f (10010) (18) e polarizado
2 10
36
Pg. 46
v = (–1) 0
(0.110100000) 2
2 18 – 15
= +(110.1) 2
= (6.5)10
(15)010 = (1111)
1 2 1 0 1 0 0 0 0 0 0 1 0 0 1 0
s 1.6.2.2 Não armazenamento do primeiro bit
não nulo
da
38 t = 10 mantissa
dígitos significativos de f , depois do ponto e polarizado
MP
Outra otimização (adotada pelo padrão ) IEEE 754 foi o não armazena-
= + ( 0.1111111111)2 * 215 = 2−1 + 2−2 + 2−3 + ... + 2−10 * 215 = ( 32736 )10 ≅ 215
Pg. 71
f ′( x0 = 0)
mento
39
e =1
0
do=primeiro bit da mantissa d1 ≠ 0, que é sempre unitário. Nessa
Pg. 143
otimização,
0 0 0
usamos 0
uma
0 0
representação
0 0 0
implícita
0 0
do1 primeiro
1 1
bit1 unitário
1
e
liberamos uma r1posição
d1 ⋮ b1
binária para armazenamento novo bitsignifi-
de um
t2
cativo. Logo, ot2 número r2 d 2 total de dígitos binários
b
⋮ 2 2 L ← L
significativos
expoente
2 − L
mínimo
1 é ampliado
I
45 r1
para 1 + t, a mantissa
t3 r3f representada
d3 passa⋮ a ⋮conter
os bits de d2 à dt + 1 e a
s
posição d1 normalizada
d 2 d3 d 4 ⋱ dodponto (vírgula)
5⋱ d6⋱ d7 d8 passa
d⋮9 ad10ser
à e1 direta
e2 e3 dee4 d1e5= 1, ou seja:
⋱
⋱ ⋱ ⋮
v = (–1)s (1.f)2t 2deígitos
– 15
significativos da mantissa f
e polarizado
tn −1 rn −1 d n −1 ⋮ bn −1
s d2 d3 d 4 d5 d6 d7 d8tn d9 rn d10⋮ bnd11 e1 e2 e3 e4 e5
t = 10 dígitos significativos de f , depois do ponto e polarizado
Pg. 71 t = 10 dígitos significativos de f, depois do ponto e polarizado
x x x x 2 3 n
ex ≅ 1 + + + + ... +
1! 2! 3! n!
74
46 CÁLCULO NUMÉRICO COMPUTACIONAL
Pg. 45
Observe que d1 = 1 está implícito antes do ponto e não aparece nesse
s d
registro. d2 d3 d4 d5 d6 d7 d8 d9 d10 e1 e2 e3 e4 e5
1
Exemplo 1.28: no t díregistro
gitos significativos
binário,daa seguir,
mantissa com
f e polarizado
polarização e com primeiro
bit
Pg. implícito,
46 qual é o decimal representado?
0 1 1 0 1 0 0 0 0 0 0 1 0 0 1 0
s
t = 10 dígitos significativos de f , depois do ponto e polarizado
t = 10 dígitos significativos de f, depois do ponto e polarizado
Pg. 71
Solução:
f ′( x0 = 0) = e0 = 1
Temos que v = (–1)s (1.f)2 2e – 15
254 s = 0, f = 110100000 e e = (10010)2 = (18)10 Capítulo 1 – Sistemas de Numeração
P′( x ) v = (–1)0
(1.110100000)2
* 218 – 15 = +(1110.1) = (14.5)
2 10
n 0
0
(MP
449 1
era 1 1
(32736) 1(conforme
1 1 1 1
vimos na 1 seção 1 1
1.6.1.2) 1 1 1 0
10
MP b()1.1111111111
∂D=(=a+,(1.1111111111)
MP m
= 2 ( a1 + a222 / Tk2 ) − Vk ( −1) ( a1 + a2 / Tk2 ) 1 = 0
( 65504 )1010≅≅((2
) **223030−15–−151= =(2(20 +0 +2−21 –1+ +22−2–2++22−3–3++−......2 ++ 22–10−10))**221515 == (65504) 21616))
∂a1
k =1
1.6.2.3
(MP
(MP era Flexibilidade
(32736) na
conformeNormalização vimos nada Mantissa
seção 1.6.1.2)
(a, b) eram (32736)10 2(conforme vimos 2na seção 1.6.1.2)
10
∂D
= 2 ( a1 + a2 / Tk ) − Vk ( −1) ( a1 + a2 / Tk ) (1/ T ) = 0
−1 −2 2
∂a2
k =1
k
1.6.2.3
O padrão Flexibilidade
IEEE 754na normalização
também adotou daamantissa
flexibilidade na
1.6.2.3 Flexibilidade
normalização
479 na Normalização
da mantissa para da Mantissa
ampliar a faixa de abrangência
O padrão IEEE 754 também adotou a flexibilidade na normalização
de
da números
mantissa para pequenos, ampliarcomo a faixapara o primeiro de
de abrangência número
númerospositivo mp,
pequenos,
Para
O m = 10 : IEEE 754 também adotou a flexibilidade na
padrão
como para oaprimeiro
reduzindo região de númerounderfl ow. mp, reduzindo a região de underflow.
positivo
normalização (2 m ) da mantissa para 20!
ampliar a faixa de abrangência
Como vimos
Max f vimos
Como f (1) = (−1)20 o mp
anteriormente,
( x) = anteriormente,
(20)
o+era
mp = 1.1601
era *10
12
x =1 (1 + 1)(20 1)
de números pequenos, como para o primeiro número positivo mp,
reduzindo
0 1 0a região 0 0de underfl
0 0 ow. 0 0 0 0 1 1 1 1 1
503
mp =mp Como vimos anteriormente,
= + (0.1000000000)
+(0.1000000000)
−15–16
2 *=2(2 =
* 2–15 = o(0.0000152587890625)
)(2
−16
mp era
) = (0.0000152587890625) 10
Excluir um parêntesis no final ).2 10
0Com1 a otimização,
a otimização, que que reposicionou 0 a normalização
do d1≠ 0do d1 1≠ 01
0 0 0 0 0 0 0 0 1 1 1
Com reposicionou a normalização colocando
colocando
o ponto
mp =à sua o ponto
direita, à sua
deixando
+ (0.1000000000) direita,
2 * 2d1 ==
−15 deixando
1(2implícito,
−16
o novo 1 implícito,
d1 =valor de mp 10
) = (0.0000152587890625) o
seria:
novo valor de mp seria:
Com a otimização, que reposicionou a normalização do d1≠ 0
0 0
colocando 0 o 0ponto0 à0 sua0 direita,
0 0 deixando
0 0 d01 = 10 implícito,
0 0 o0 206
novo valor de mp seria:
mp = + (1.0000000000) * 20−15 = (2−15 ) , que seria maior ainda do Isso ocorre
2 10
Pg. 39
mp = + (0.1000000000) 2 * 2 =
(2 ) = (0.0000152587890625)10
0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1
Com a otimização, que reposicionou a normalização do
d1 ≠0 Códi
0 1 1 0 1 0 0 0 0 0 0 1 0 0 1 0
mpmp
= +(1.0000000000)
=
+ (1.0000000000) * 20 – 15 =0 −(2
15–15) ,−que
= 15 seria maior ainda do que o anterior.
)10 , que seria maior aindado Isso oc
s 2 2 * 2(2
10
Códi
manter
queEssa t = 10 dígitos significativos da mantissa
o anterior. e polarizado Códi
normalização da mantissa foi flexibilizada especifica- continu
mente para o caso de representação de números com o menor expoente dade n
Essa normalização da mantissa foi flexibilizada especificamente
polarizado possível, ou seja, para e = (00000)2, a normalização com represe
para
dPg. 1oimplícito
= 46 caso defoirepresentação
eliminada. Nessede números
caso, a mantissacom o menor
f pode assumirexpoente
qualquer ção ent
Colocar
1 * com parentes quando envolver produto de números.
polarizado
valor, mas o possível,
valor mínimo ou seja,
do
Se forem letras não usar * com parênteses
para
expoente e=, (00000)
não ,
polarizado,
2
a normalização
deve ser e com
= –14 10
, - meno
com “e
de1MP
o 1novo
= mp se torna:
= implícito
(1.1111111111 foi
)2 *eliminada.
230 −15
= (2 + 2 Nesse
0 −1
+ 2 + 2caso,
−2 −3
+ ...a+mantissa
−10 15
pode
2 ) * 2 = ( f65504 (2 )
)10 ≅assumir
16
0<e<
qualquer
Pg. 47 valor, mas o valor mínimo do expoente, não polarizado, deve v = (–1)s
0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
ser e = −sem , e o novo mp
1410 normalização se torna:
(mantissa sem restrições) para e = 00000
usando
2 - maior
Pg. 50
Computacional 0 0 −1240 0 0 0 0 0 0 0 0 1 0 0 0 0 0 “e = 0”,
) 2 (1* 2 + 1* 2−1 + 0 * 2−2 + 0 * 2−3 + 1* 2−4 + 0 * 2−5 + ...)10
v = ( +Logo,
v = (–1)
Pg. 51sem normalização (mantissa sem restrições)
⇒ para e = 000002
sem no
( 0.11001100...
mp )2 > (0.5)10 2 * 2–14 = (2–24)10 = 5.960464478 * 10–8
= +(0.0000000001)
(mp
Pg. 58 eraLogo,
(2–16)10 = 1.52587890625 * 10–5, conforme vimos na seção 1.6.1.1)
s
mp =Se e = 0 e f ≠ 0 , então* 2v−14
+ (0.0000000001) = = 1) −224−16382
( −(2 )10 (=0.5.960464478
f )2 * 10
−8
2
Pg. 62
Isso ocorre para −manter uma continuidade na representação
−5 entre:
Colocar(*mp era (2 )10 = 1.52587890625 * 10 , conforme vimos em 1.6.1.1)
16
s (1 – 15)
(1 10Menor
) ≅ (1.1001100110
10
representável com *“e2=
usando
) −41”, na faixa 0 < e < 31, dado por v = (–1) 2 (1.0000000000)2
a normalização; e2
Pg. 64
1.6.2.4
MaiorIdentificação
representável comda Região
“e = 0”, dado de
por vOverflow
VA = 2 −4 * (1.1001100110) 2 = (0.099975585)10
= (–1)s 2(–14)(0.1111111111)2 sem normalização.
Pg. 70
=Por
( n +1último,
f ( x) 1.6.2.4 − 1 uma convenção
) * xIdentificação adicional
da região foi adotada no padrão
de overflow
IEEE 754 para identificar a região de overflow: a todo número
Por último, uma convenção adicional foi adotada no padrão IEEE 754
gerado dentro dessa região, atribuímos expoente igual ao seu limite
para identificar a região de overflow: a todo número gerado dentro dessa
superior:
região, S = ( 31)expoente
atribuímos 10
. igual ao seu limite superior: S = (31) . 10
OOnovo
novopadrão
padrão IEEE
IEEE 754754 otimizado
otimizado parapara 16(2
16 bits bits (2 bytes)
bytes) ficou ficou
nesta
forma final: final:
nesta forma
1 5 10
s e f
msb lsb msb lsb
Em que:
s 0 ⇒ v positivo e =
= s 1 ⇒ v negativo
e = expoente polarizado
48 CÁLCULO NUMÉRICO COMPUTACIONAL
Em que:
s = 0 ⇒ v positivo e s = 1 ⇒ v negativo
e = expoente polarizado
f = mantissa fracionária, a partir do segundo bit significativo (o primeiro bit
significativo será sempre unitário e não armazenado neste registro)
polarização = (15)10 = (01111)2
msb = bit mais significativo
lsb = bit menos significativo, de cada e e f
1.7.1 deVariável
1.7.1 Variável 32 Bits – de 32 bits
Binary32, binary32
Tipo–Float , tipo float
do C, Precisão do C,
Simples
precisão simples
No padrão de 4 bytes (1 byte = 8 bits ) ou 32 bits (precisão de 7 a
No padrão de 4 bytes (1 byte = 8 bits) ou 32 bits (precisão de 7 a 8
8 dígitos decimais significativos equivalentes), podemos representar
dígitos decimais significativos equivalentes), podemos representar um
um número
número Real vReal v por
por um um registro
registro de 32 bits:
de 32 bits:
1 8 23
s e f
msb lsb msb lsb
que
que éé análogo
análogoao padrãobinary16,
aopadrão Binary16, apenas
apenas comcomfaixa de valores
faixa maismais
de valores am-
pliada, como
ampliada, comopolarização
polarização(127)
(127)
10
= (01111111)
= (01111111) 2
, em, emque um
que númerov
umnúmero
armazenado em binary32 é interpretado conforme o valor de seu expoente
10 2
v armazenado em binary32 é interpretado conforme o valor de seu
polarizado e.
expoente polarizado e.
Dessa forma:
Computacional Dessa forma:
Se 0 < e < 255, então v = (–1)s 2e–127 (1.fs )2;e–127
Se 0 < e < 255, então v = (–1) 2 (1.f )2;
Se e = 0 e f ≠ 0, então v = (–1)s 2–126 (0.f )2;
Se e = 0Se e f ≠ 0,
e fe==0,0 então v =então = (–1)
(–1)s v2–126 (0.f )e2;
(0.0 2)2 = zero;
s –126
Se e==280–e1,f então
Se e = 255 = 0, então v = (–1)
v pertence 2 de
à região
s –126
)2 = zero; e
(0.0overflow.
A apresentação desses 8 registros binários em computadores digitais
Se e = 255 = 2 – 1, então v pertence à região de overflow.
normalmente é feita em bytes. Nesse padrão, temos 4 bytes, e
A apresentação desses registros binários em computadores digitais
cada byte é composto de 2 registros hexadecimais (8 bits para
normalmente é feita em bytes. Nesse padrão, temos 4 bytes, e cada byte é
cada byte).
composto de 2 registros hexadecimais (8 bits para cada byte).
Solução:
Solução:
Observe que que
Observe
s = 0 ⇒ v positivo
=s 0 ⇒ v positivo
e = (00000011)2 = 1 * 21 + 1 * 20 = 3110
e = ( 00000011)2 = 1 * 2 + 1 * 20 = 310
f = (10010000000000000000000) 2
= (10010000000000000000000
como e = 310,f logo 0 < e < 255, então v = (–1))s2 2e – 127 (1.f)2
( −1) 2e −127 (1. f )2
s
como e = 310 , logo 0 < e < 255 , então v =
Assim, o número v armazenado é:
50 CÁLCULO NUMÉRICO COMPUTACIONAL
Solução:
Para tal, temos duas formas de conversão possíveis.
Assim,
(0.10)10 = 2–4 (1.1001100110011001100110011001100110011...)2
Então, a parcela que temos de eliminar, (0.11001100...)2 * 2–23, deve ser ava-
liada segundo os critérios de arredondamento, ou seja, podemos aproximá-
la para (0.)2 * 2–23 ou para (1.)2 * 2–23. Como devemos escolher o valor
aproximado com menor erro e verificamos que (0.11001100...)2 > (0.5)10,
então fazemos o arredondamento (0.11001100...)2 ≅ (1.)2.
Observe que:
i) toda fração binária de mais de um bit significativo que comece por
1 é maior que (0.5)10 , e que comece por 0 é menor que (0.5)10 ; e
ii) se a fração binária for de um “único” bit significativo e “unitário”,
então a fração binária será equivalente a (0.5)10 e deve seguir o
critério do bit anterior “par ou ímpar”, conforme previsto no
processo de arredondamento (vide seção Complementando...).
número
número ficafica arredondado
arredondado para
para cima,
cima, somando
somando 1 no
1 no seuseu último
último bit:bit:
+1+1
0 (123−127)
+(0.1)≅10 (≅−1)
+(0.1) (−01) 2 −127) (1.10011001100110011001100)
2(123 (1.10011001100110011001100) 2
10 2
0 (123−127)
+(0.1)≅10 (≅−1)
+(0.1) (−01) 2 −127) (1.1001100110011001100110
2(123 (1.1001100110011001100110
1) 1) 2
10 2
Também
Também devemos
devemos converter
converter o valor
o valor dodo expoente
expoente e para
e para binário:
binário:
Também devemos converter o valor do expoente e para binário:
( e − 127) = −4 ⇒ e = (123) = (01111011) ( e deve ser completado
(e − 127) (e
= −–4127)
⇒ =e = ⇒ 10
–4(123)e == 2 (e deve ser
(123)10 = (01111011) (e completado
deve ser completado com
10(01111011) 2
2
com “zero(s)” à esquerda
“zero(s)”à àesquerda
com “zero(s)” esquerda para para
paraficar ficar
ficarcom
comcom
8 bits 8 bits
). ).
8 bits ).
EmEm resumo:
resumo:
Em resumo:
s =s0= 0
s = e0 =
=
= e (123
(123
= ) )10 ( 01111011
( 01111011
) )2
e = (123)10 10= (01111011)2 2
= (10011001100110011001101) 2
f (10011001100110011001101)
f f= =(10011001100110011001101) 2
2
0 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 1
0 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 1
ss s ee e ff f
Agora, determinamos
Agora, determinamosoo valorvalordede f, com
f, com os valores
os valores de s anteriormente:
de s e e obtidos e e
obtidos anteriormente:
+(0.1) = (–1)
(−1)20 2123−127(1.f)
0 123 – 127
+(0.1)
10 = 10 1. 2f ( )2
(1.f)(1.= (0.1)10 / 2 2
2 f ) 2 = (0.1)
123 –123
127−127
10
(1.f)(1.
2 2 = (1.6)
=f )(1.6) , em, que
10 10
em (1.f)
que 2 (1.
deve deve
f ) 2ser ser sempre
sempre um número
um número entre 1 e 2
entre 1 e 2
Por fiPor
m, convertendo
fim, convertendo 10 para
(1.6)
(1.6) 10
binário,
para binário,temos:
temos:
+(1.6)10 =
(1.10011001100110011001100 11001100...)
14243 2
Arredondamento
Com a parcela
Com aa parcela
ser arredondada ( 0.11001100...
a ser arredondada )2 > (0.5)
(0.11001100...) 2 10 , 10, aproximamos
> (0.5)
Com a para
parcela
aproximamos para eaa ser
(1.)2 (1.) e aarredondada
somamos
2somamos ( 0.11001100...
no último
no último bit: bit: )2 > (0.5)10 ,
aproximamos para (1.) 2 e a somamos no último +1 bit:
47
+(1.6)10 ≅ (1.10011001100110011001100) 2 +1
+(1.6)
+(1.6) ≅ 10 ≅ (1.10011001100110011001100)
(1.1001100110011001100110 1) 2
10 2
+(1.6)10 ≅ (1.1001100110011001100110 1) 2
Gerando os mesmos resultados do item (a) anterior:
Gerando os mesmos resultados da primeira forma de conversão:
Gerando
0 0 1os
1 mesmos
1 1 0 1 1 resultados
1 0 0 1 1 0 0do
1 1item
0 0 1(a)
1 anterior:
0 0 1 1 0 0 1 1 0 1
0 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 1 0 1
s e f
ss ee ff
Observe que esse número binário armazenado foi arredondado
a cima,Observe
ou seja,que esse número
o número binário binário
exatoarmazenado foi arredondado
(dízima periódica) foi
para cima,
oximado paraou Observe
umseja, que
o superior
valor númeroao esse número
binário binário armazenado
exato (dízima
exato, conforme foi arredondado
periódica) foi
arredondamento para
cima, ou seja, o número binário exato (dízima periódica) foi aproximado
aproximado
fração para um valor
(0.11001100...) superior ao exato, conforme arredondamento
2 ≅ (1.) 2 , que alterou o último bit para cima
para um valor superior ao exato, conforme arredondamento da fração
da fração
stacado com sublinhado).
(0.11001100...)
(0.11001100...) 2≅ (1.) 2, ,que
≅(1.) quealterou
alterou o último
o último bit para
bit para cima cima
(destacado com
2 2
(destacadosublinhado).
com sublinhado).
Exemplo 1.30: converta os 32 bits do Exemplo 1.29 do padrão
EEEExemplo 1.30: converta
para o número decimalosequivalente.
32 bits do Exemplo 1.29 do padrão
IEEE para o número decimal equivalente.
Solução:
Solução: os 32 bits, podemos converter o registro para
nterpretando
54 CÁLCULO NUMÉRICO COMPUTACIONAL
Solução:
Interpretando os 32 bits, podemos converter o registro para decimal,
conforme segue:
s=0
e = (123)10 = (01111011)2
f = (10011001100110011001101)2
Solução:
O erro é sempre calculado por meio de uma comparação entre o valor
aproximado obtido VA e o seu valor exato VE (quando disponível). Nesse
caso, queremos o erro de:
VA = 0.100000001490116 (valor armazenado em binário, com erro de
arredondamento) e temos VE = 0.100000000000000 (valor exato, disponível
na representação decimal).
O Erro é sempre calculado por meio de uma comparação entre
pre calculadoVAoO =por meio
Erro
valor é sempre
de uma
aproximado
0.100000001490116 calculado
comparação
obtido por
(valorVA e meio
oentre
seu de
armazenado uma
valor comparação
emexato
binário, entre
(quando
VE com erro
ximado obtidode oarredondamento)
valor
VA e oaproximado
disponível). seuNesse
valorcaso,
exato
eobtido
VE (quando
VA
queremos
temos e o 0.100000000000000
VE =o
seu valor
erro de: exato VE (quando
(valor 55
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS
Nesse caso, VA queremos
disponível). o erro
Nesse de: caso, queremos
(valor armazenado o erro de:
em binário, com erro
exato, disponível na representação
= 0.100000001490116 decimal).
001490116 (valorVA =armazenado em binário,
0.100000001490116
de arredondamento) (valor
e temos comarmazenado
VEerro em binário, com
= 0.100000000000000 erro
(valor
Logo,
Logo,
amento) e exato,
temos
de arredondamento)
VE = 0.100000000000000
disponível e temos(valor
na representação = 0.100000000000000 (valor
VEdecimal).
Erro= | VA − VE | (Erro absoluto)
nível na representação
exato,
Erro
Logo, disponível
VA
= | Erro –decimal).
VE | (Erro na absoluto)
representação decimal).
=| 0.100000001490116 − 0.100000000000000 |
Logo,
Erro = | Erro
0.100000001490116
== 0.000000001490116
Erro | VA − VE | (Erro– 0.100000000000000
absoluto) |
| VA − VE | (Erro absoluto)Erro
Erro = | VA − VE | (Erro absoluto)
=| 0.100000001490116 − 0.100000000000000 |
Erro = | 0.000000001490116
Podemos
=| 0.100000001490116Erro apresentar
−Erro esse erro de forma relativa ou percentual:
= 0.000000001490116 − 0.100000000000000 |
=
0.100000000000000
| 0.100000001490116|
Podemos apresentar
= 0.000000001490116 esse erro de forma relativa ou percentual:
Erro = 0.000000001490116
Podemos apresentar esse erro de forma relativa ou percentual:
esentar esse erro
Podemos
de forma
apresentar
relativaesse
ou percentual:
erro de forma relativa ou percentual:
Erro Relativo
Erro Relativo %
Note que esse erro pode ser calculado de forma exata em uma
calculadora
Note que científica decimal.
esse erro pode ser calculado de forma exata em uma calculadora científica
Note que
decimal. esse erro pode ser calculado de forma exata em uma
e erro pode calculadora
ser
Notecalculado
que científica
essede erro
formapodeexata
decimal. ser em
calculado
uma de forma exata em uma
Exemplo
ntífica decimal. 1.32:
calculadora
Exemplo represente
1.32:científica o zero
decimal.
represente e oselimites
o zero da variável
os limites padrão IEEE
da variável de 32 bits.
padrão
IEEE de 32 bits.
Solução:
Exemplo 1.32: represente o zero e os limites da variável padrão
acional Solução:
2: representeIEEE
oExemplo
zero
dee32 os1.32:
limites
represente
da variável o zero
padrão
s =e0os limites da variável padrão
utacional
bits.
utacional
ts. IEEE de 32 bits.
a)Representação
Solução:
a) Representação doZero:
do zero: e = 00000000
Solução: fs =
=
0
00000000000000000000000
=000 0 0 0 0 0 do
s0Representação
0 0 00e=
0 0Zero: =
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0s 00000000
a) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
esentação do Zero: a) e =Representação
00000000
0 0= 0( −
0 0 020 0 −126
0 −126 do Zero: e = 000000000
0 0 0 0 0 0 f 0 =000000000000000000000000
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
zero
f zero = (1)
−1) 2 (0.) (0.)
2
zero= 00000000000000000000000 2
f = 00000000000000000000000
zero== (–1) 2−126(0.)
(−1)020 –126 (0.)
2 2
49
s s= =0 0
b) Representação do mp:
b)b)Representação
Representaçãodo mp:ese= =
domp: =00000000
000000000
b) Representação do mp: f e==00000000000000000000001
f =00000000
00000000000000000000001
f = 00000000000000000000001
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
0 0 0−1) 0 00 0−126
0 (0.00000000000000000000001)
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
mp= == ((–1)
mp
mp (−1)02022–126
−126
(0.00000000000000000000001)
(0.00000000000000000000001) 2 (menor e e menor f)
2 2
−126
mp=
mp = ((+)2
−1)−–126
+()2
0
2(1 * 2(0.00000000000000000000001)
126 −23
)= −45
mp== (+ )2−126(1(1** 22−23))==1.4012985 10–45
mp –23 1.4012985 * 10
1.4012985** 10 −45 2
(menor e e menor f)
mp = −126
(+ )2 (1 * 2 ) = −23
1.4012985 * 10
−45 (menor e e menor f)
s = 0
c) Representação do= MP: es =
s = 0 (menor e e menor f)
c) Representação do= =
MP: e 11111110
0= (254)
11111110 (254)
10
c) Representação do= 10
MP: f e= 11111111111111111111111
= (254)10
11111110
f = 11111111111111111111111
0 0 0 0 00 0 0 0 0 00 00 00 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 01 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
0 −126
mp = (−mp
56 1)mp 1)1)0 20 2−126
2= = (−(−
(0.00000000000000000000001)
(0.00000000000000000000001)
−126 CÁLCULO NUMÉRICO
(0.00000000000000000000001)
2 2
COMPUTACIONAL
2
mp = )2−126
(+mp 2−23 )= −23 −45 −45
mp= ((1+(+ ) )=
*)2
126
1.4012985 * 10
= )2−126(1(1* 2
*2
−23 1.4012985
=1.4012985* 10
* 10
−45
(menor e e(menor
menor ef)e menor f)
(menor e e menor f)
s = 0 s s==00
c) Representação do=
MP: do
c)
c)c)Representação
Representação
Representação do=MP:
e=
do MP:=
11111110
MP: = (254)10 (254)
ee 11111110
=
11111110 (254)
10
f = 11111111111111111111111 10
f = 11111111111111111111111
f = 11111111111111111111111
0 1 1 1 01 1 1 1 10 11 11 11 01 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
0 254 −127 0 254 −127
MP = (−MP
1) 2= (−(−1)1)(1.11111111111111111111111)
20 254 (1.11111111111111111111111)
254 −127
MP == (–1)
MP 0 2 (1.11111111111111111111111) 2
2 – 127 (1.11111111111111111111111) 2
2(maior e e maior f)
10
(maior e e(maior
maior f)
(maiore ee emaior
maiorf)f)
Exemplo 1.33: defina
Exemplo
Exemplo
Exemplo 1.33:
1.33: asdefina
regiões
defina
1.33:defina asasas de underflow
regiões
regiões de de
regiões e overflow
deunderflow
underflow eeoverflow
e overflow
underflow da variável IEEE
overflow
da variável
de
da 32IEEE
bits. deIEEE
davariável
variável 32 bits.
IEEE dede3232bits.
bits.
Solução:Solução:
Solução:
Solução:
região de underflow:
região
região
região
de
de
{ x ∈ /{{x−{x1.4012985
deunderflow:
underflow:
underflow:
∈∈ / /−−
x∈ ℝ / – 1.4012985
* 10
1.4012985
−45
1.4012985 x10
<* 10
**10
<−–45
45< x < 1.4012985
−1.4012985
45
<<x x<<1.4012985
* 10
−45
1.4012985 } **10
10
* 10–45 }}
−45
−45
}
região de overflow:
região
região
regiãode
de { x ∈ /{{xx{x<x∈∈∈−ℝ3.4028235
deoverflow:
overflow:
overflow: ///xxx<<<−–3.4028235
− * 10
3.4028235
38
3.4028235 e *x*10
>
10+383.4028235
*10
3838
eeexx> * 10 } ** 10
>>+3.4028235
++
3.4028235
38
3.4028235 10
* 1038}} }
38
38
Solução:
Representando os 32 bits em grupos de 4 bits, temos:
Esta representação hexadecimal pode ser apresentada na forma de 4 bytes invertidos como CD CC CC 3D
(no caso de compiladores Pascal).
0011 1101 1100 1100 1100 1100 1100 1101 pode ser
apresen
3 D C C C C C D
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS 57 da na fo
de 4 byt
8 bytes (16 hexadecimais) equivalentes: 3D CC CC CD
como CD
caso de
1.7.2 Variável de 64 bits – binary64, tipo double Pascal).
64C,
1.7.2 Variável dedo Bits – Binary64,
precisão Tipo Double do C, Precisão Dupla
dupla
Nesse
Nesse padrão
padrão 8 bytes
8 bytes oubits
ou 64 bits (precisão
64(precisão de 16 ade
17 16 a 17decimais
dígitos dígitos
significativos equivalentes),
decimais signifi podemos representar
cativos equivalentes), um número
podemos Real v um
representar por
um registro
número bits:um registro de 64 bits:
de v64por
Real
1 11 52
s e f
msb lsb msb lsb
Emque
Em que a polarização
a polarização p = (1023)
p = (1023) = (011111111111)
= (011111111111)
10 . 2.
10 2
Um númerov varmazenado
Umnúmero armazenado nonoregistro
registro bitsbits
64 64 é interpretado da
é interpretado
seguinte forma:
da seguinte forma:
( −1) 2e−1023 (1. f )2
s
Se 0então
Se 0 < e < 2047, < e < 2047 , então
v = (–1) 2 v = (1.f)
s e – 1023
2 s
Se e = 0 e f ≠ 0, então v = ( −1) 2−1022 ( 0. f )2
Se e = 0 e f ≠ 0, então v = (–1) 2 s –1022
(0.f) 2
Se e = 0 e f = 0, então ( −1=) zero
2−1022 ( 0.0 )2 =
s
v = zero
Se e = 0 e f = 0, então v = (–1) 2 s –1022
2
(0.0)
11
Se e11 = 2047 = 2 – 1, então v pertence à região de overflow
Computacional Se e = 2047 = 2 – 1, então v pertence à região de overflow
Nopadrão
No padrão 16 bytes,
16 bytes, ou bits
ou 128 bits (precisão
128(precisão de 34 ade
35 34 a 35decimais
dígitos dígitos
significativos equivalentes),equivalentes),
decimais significativos podemos representar um número
podemos Real v um
representar por
um registro de 128 bits:
número Real v por um registro de 128 bits:
1 15 112
s e f
msb lsb msb lsb
Solução:
Observe que esse menor negativo não será armazenado com o sinal
“–” e sim por complemento de dois. Todos os inteiros negativos short int
são representados por complemento de dois, que é o seu complemento de
um (diferença de cada dígito do número negativo em relação a um) somado
à unidade. Então, o menor negativo será armazenado como:
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS 59
Observe que o 1o bit é “um”, o que indica um número negativo (representação sem sinal).
1.6.1
Logo, o menor negativo é representado por:
s1 d1 d2 d3 d4 d5 d6 d7 d8 d9 d10 s2 e1 e2 e3
–32768 = (1000 0000 0000
10
0000)2 = (8000)16 (sem sinal
“–”)
f exp
Agora observe o que acontece quando executamos a soma de uma
“unidade” com o “maior positivo” da variável short int, 3276710, ou seja,
Ex. 1.35 calculamos um número na sua região de overflow:
quando
Esse
Grafico 6.12resultado armazenado em short int é interpretado como um
complemento de dois (por iniciar com 1), portanto é um número negativo.
O complemento de dois
Na aritmética de ponto flutuante, um número iniciado pela unidade é um negativo armazenado como
complemento de dois, que precisa ser convertido de volta ao seu valor negativo original, fazendo
um complemento de dois. Então, vamos interpretar qual é o verdadeiro número armazenado por
110 + 3276710 = (1000 0000 0000 0000)2 = (8000)16:
69.348 69.35 → parcela descartada 0.8 é maior que 0.5 → +1 no dígito anterior.
69.34433 69.34 → parcela descartada 0.433 é menor que 0.500 → dígito anterior inalterado.
69.335 69.34 → parcela descartada é 0.5 e dígito anterior ímpar → +1 no dígito anterior.
69.345 69.34 → parcela descartada é 0.5 e dígito anterior par → dígito anterior inalterado.
(1 1010)10≅≅(1.1001100110)
(1.10011001102 )*22*–42−−44
t =10
Logo,
Logo,
Logo,(1/10)
( )10 (1.1001100110 )2 * 2
1 10 ≅
1.9.2.2.2 Armazenamento
1.9.2.2.2 de Irracionais
Armazenamento de Irracionais
O
O conjunto
conjuntodos
dosnúmeros
númerosIrracionais I compreende
Irracionais todas todas
I compreende as repre-
as
sentações por meio de dízimas não periódicas e infinitas, o
representações por meio de dízimas não periódicas e infinitas, oqual, unido
aos números
qual, Racionais
unido aos ℚ gera
números o conjunto
Racionais ℚ dos
geraReais ℝ (ℚ ∪ dos
o conjunto I), conforme
Reais ℝ
Figura 1.2.
(ℚ ∪ I) , conforme Figura 1.2.
_
\
^ , ]
`
Fonte: Elaboração
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO própria
E ERROS NUMÉRICOS 63
π = (3.141592654)10 10 00
* 0
π ≅ (3.141592654) * 10
10 *
10
b)
b) 2 = 1.414213562373...
2 = (1.414213562373...)10 * 100
2 ≅ (1.414213562)10 * 100
1.9.2.2.3 1.9.2.2.3
Armazenamento com Mudança
Armazenamento demudança
com Base de base
Conforme vimos,
Conforme vimos, a arepresentação
representaçãode números
de númerosna basenabinária
base é
amplamente
binária utilizadautilizada
é amplamente em computadores, devido às suas
em computadores, vantagens
devido às suasna
representação de dados e na implementação de operações aritméticas.
Assim, toda grandeza física, expressa inicialmente em base decimal,
é armazenada nos computadores e operada em base binária, por isso são
necessárias conversões entre as bases decimal-binária e vice-versa, podendo
a primeira ser fonte de erro de arredondamento.
Exemplo
Exemplo 1.40:
64 1.40: calcule
calcule oo erro erro de de arredondamento
arredondamento
CÁLCULO NUMÉRICO percentual
percentual
COMPUTACIONAL
Exemplo
Exemplo
Exemplo 1.40:
1.40:
1.40: calcule
calcule
calcule oo
o erro
erro
erro de
de
de arredondamento
arredondamento
arredondamento percentual
percentual
percentual
ocorrido
ocorrido no no armazenamento
armazenamento da da fração
fração decimal
decimal exata exata ((0.10.1))1010 na
0.1 na
ocorrido
ocorrido
ocorrido no no
no armazenamento
armazenamento
armazenamento da
da
da fração
fração
fração decimal
decimal
decimal exata
exata
exata ((( 0.1)10))10 na
na
na
variável
variável binária binária de de 16 bits ((2,10,
16 bits 2,10,−−15, 15)) IEEE
15,++15 IEEE 754.
754. 0.1
( ( ))
10
variável
variável
Solução: binária
binária de
de 1616 bits
bits 2,10,
2,10, −−15,
15, ++ 15
15 IEEE
IEEE 754.
754.
Solução:binária de 16 bits ( 2,10, −15, +15 ) IEEE 754.
variável
Solução:
Solução:
Solução:
Solução:
(0.1)1010 ==(0.00011001100110011....)
(0.1) (0.00011001100110011....)22 gerou
geroudízima → periódica
dízima
gerou dízima periódica
periódicabinária.
binária.
(0.1)
(0.1)
(0.1) == (0.00011001100110011....)
(0.00011001100110011....)
1010 = (0.00011001100110011....) gerou
gerou dízima
dízima periódicabinária.
periódica
binária. binária.
2 gerou dízima periódica binária.
2 2
(0.1)101010==22−−4−−444** (1.1001100110
(0.1) (1.1001100110 0110011....)
0110011....)
antes
antes do
do arredondamento.
arredondamento.
14243
142430110011....)
(0.1)1010==22−4* * (1.1001100110 14
1424 243 3 22
3 2 22 antes→ antes do
doarredondamento.
arredondamento.
(0.1)
(0.1)10 = 2 * (1.1001100110
(1.1001100110
14243
14243t t==10
14243 10
0110011....)
14
14
14
2424 3
0110011....)
arredondar
arredondar
24 3 antes do
antes do arredondamento.
arredondamento.
=10
t =t 10 arredondar
arredondar
(0.1)1010 ≅≅ 22−−4−−444**(1.1001100110)
(0.1)
≅≅
t =10
(1.1001100110) =
=
=
( (0.099975585
0.099975585
arredondar
(((0.099975585 ))
)10))101010
depois
depois do
do
(0.1)
(0.1) 222−4* **(1.1001100110)
(1.1001100110) 2 2= 0.099975585 depois
→depois dodo
22
≅ = depois do
arredondamento
arredondamento
(0.1)1010
10 (1.1001100110) 2 0.099975585 10
depois do
arredondamento
arredondamento
arredondamento.
arredondamento
Nesse
Nesse caso,caso, podemos
podemos calcular
calcular oo erro
erro de
de arredondamento
arredondamento em em
Nesse
Nesse
Nesse
Nesse caso,caso,
caso,
caso, podemos
podemos
podemos calcular
calcular
calcular
podemos o erro
calcular oo
de
o erro
erro de
de arredondamento
arredondamento
arredondamento
erro de em
em
em uma calculadora
arredondamento em
uma
umacalculadora
calculadoradecimal,
decimal,pois poistemos
temosooValor
ValorExato VEoriginal
ExatoVE original
uma
uma
decimal, calculadora
calculadora
pois temosdecimal,
decimal,
o Valor pois
pois
Exato temos
temos
VE oo Valor
Valor
original e o Exato
Exato
Valor VE
VE original
original
Aproximado VA
euma calculadora
eooValor
Valor Aproximadodecimal,
Aproximado
pós-arredondamento, VA
ambos
pois temos o Valor Exato
VApós-arredondamento,
pós-arredondamento,
na base decimal:
VE original
ambos
ambos na
nabase
base
eeeoo Valor
oValor Aproximado
ValorAproximado
AproximadoVA pós-arredondamento,
VApós-arredondamento,
VA pós-arredondamento,ambos ambos
ambosna na base
nabase
base
decimal:
decimal:
decimal:
decimal:
decimal:
VE===(0.1)
VE
VE (0.1)
(0.1)1010
VEVE ==
VE = (0.1)
(0.1)
(0.1) 1010
−−44 10
VA== 22–4
VA −−44 (1.1001100110)
** (1.1001100110)
10
22 =
=(0.099975585)
(0.099975585)1010
VAVA = 2 * (1.1001100110)222===
VA == 22 −4***(1.1001100110)
(1.1001100110)
(1.1001100110) =(0.099975585)
(0.099975585)
(0.099975585)
(0.099975585)
2
101010
10
Solução:
Representação em ponto flutuante:
a = 1.650 * 10–2
b = 1.051 * 101
ação em ponto flutuante:
b = (1.010)2 * 2–2
= (1.001)2 * 21
= (1.010 )2 * 2Vamos
−2
novamente implementar a adição de forma simplificada:
ovamente implementar a adição de forma simplificada:
a = (1.001)2 * 21
+b = ( 0.001010 )2 * 21
a+b =(1.010010 )2 * 21 59
a + b ≅ (1.010 )2 * 21
Solução:
+b* x+c =0 , temos que as suas raízes na forma
Para a * x2 + b * x + c = 0, temos que as suas raízes na forma convencional são:
al são:
−b ± b 2 − 4 * a * c
x1,2 =
2*a
vamente, por racionalização do numerador, obtemos:
−2 * c
x1,2 =
b m b2 − 4 * a * c
convencional são:
onal são: −b ± b 2 − 4 * a * c2 −2 * c −b ± b 2
x1,2 = −b ± b 2 − −−bb4±
± *ab *c
b 2 − 4*a*c
− 4x * a= *c x =
x = xx1,2 = 2*a
c 1,2 =2 * a E ERROS
1,2 1,2
CAPÍTULO −b 1±– SISTEMAS − 4 *DE
b 2 1,2 a *NUMERAÇÃO 22 ** aaNUMÉRICOS b m b2 − 4 * a * c 67 2
x1,2 =
Ou alternativamente, 2 *por
a racionalização do numerador, obtemos:
Ou alternativamente, por racionaliz
Ou
Ou alternativamente,
Ou alternativamente, alternativamente, por racionalização
Observe por
por racionalização quedoasnumerador,
racionalização duas do numerador,
do formas obtemos:
numerador, podem obtemos:
apresentar
obtemos: perda
ativamente, por racionalização − 2 *c
−2
Ou alternativamente, x1,2 = dopor
significação numerador,
racionalização
− 2*c −
diferentes obtemos:
cc do numerador,
−22 ** quando as parcelas obtemos:b e b 2 −x1,2 4 * =a * c forem
x1,2 = b m xx1,2b 2= =− 4 * a * c2
−2magnitudes b m 1,2bpróximas b msubtr
b2
m* a *bbc2 e− − estiverem sujeitas a uma operação de
*c
x1,2 =
2
−bb4m 44 ** aa ** cc
Observe que b m as b 2 −duas 4 * a *Assim, formas
c podem apresentar
recomendamos que perdas
sejam de
Observe utilizadas,
que as de duas emformas
conju
ObserveObserve que
Observeas as que
duas
que as
as formas duas
duas formas
podem podem
formas apresentar
podem apresentar
perdas de
apresentar perdas
perdas de
significação diferentes quando duas as expressões parcelas bpropostas eperdas − 4de *no
a * Exemplo
b 22 significação c2 forem de1.44, escolhendo o
ve que as
significação duas
significação
diferentes formas diferentes podem
quando quando
as apresentar
parcelas as parcelas
b e b − b 4e *ab c2 − forem
4
− 4 *de diferentes
a cb forem
cde quando
de as pa
magnitudes significação
próximas Observe diferentes
do queradicando
e estiverem as duas quando sujeitasformasde as a parcelas
acordo
podem
uma com b e ode
apresentar
operação
bsinal
* *
perdas a *de
subtração.
*
forem
(sign(b)),de de modo
significação
diferentes quando
magnitudes aspróximas
parcelas esujeitas
eebestiverem b 2 − 4asujeitas forema umamagnitudes
deoperação próximas
de e estiverem suje
magnitudes próximas
magnitudes
diferentes e estiverem
próximas
quando as parcelas
as parcelasestiverem b b e e b
* uma
a2 * c operação
sujeitas
− 4 * aa* umac fiquem
forem de
operação
de subtração.de subtração.
sujeitas
magnitudes subtração.
sempre
próximas à operaçã
Assim, recomendamos que sejam utilizadas, emAssim, conjunto, recomendamos que s
próximas Assim, e estiverem
Assim,
recomendamos
e estiverem
Assim, sujeitas
recomendamos
sujeitas
recomendamosa uma
a que
uma operaçãosejam
operação que de subtração.
sejam
utilizadas,
de subtração. utilizadas,
em em
conjunto, conjunto,
as duas expressões adição, nas
propostas no Exemplo duasque fórmulas, sejam
1.44, escolhendo utilizadas,
usando
as1.44,duasescolhendoumao em
expressões para
sinalconjunto,
obter x
propostas , e outra
no Ex
m,asrecomendamos
duas as duasdeAssim,
duas
expressões
as que
expressões
propostas
expressões sejam
recomendamos propostas
propostasutilizadas,
no Exemplo que
no
no em sejam
Exemplo
1.44,
Exemplo conjunto,
utilizadas,
escolhendo
1.44, em oconjunto,
escolhendo sinal o o as duas
sinal
sinal
1
− − bsign
sign −
x = x = 2*a (Fórmula(Fórmula (Fórmula
tradicional) tradicional)
−b − sign(b1 ) b 2 − x411*=a * c2 * a tradicional)1
22 ** aa 2*a
= *(Fórmula
−2Exemploc tradicional)
1.45: considere os seguintes sistemas lineares: −2 * c
x2 =*a −2 * c − (Fórmula racionalizada) x =
−22 ** cc (Fórmula
x22 = b + sign xx2 = (Fórmula
racionalizada) racionalizada)
2 =(b) b 2 − 4 * a * c2 (Fórmula racionalizada)
(Fórmula racionalizada)
2 2
−2 * cb + sign +
(bbb)(Fórmula − ((4bb*))aracionalizada) +443**xaa2 **=
*bbxc21 − cc4 b + sign(b) b 2 − 4 * a * c
= + bsign
sign a) − solução exata Sa = {1, 1}
b + sign(b) b 2 − 4 * a * c x1 + 3.00001x2 = 4.00001
Exemplo 1.45: considere os seguintes sistemas lineares: Exemplo 1.45: considere os segui
Exemplo Exemplo
Exemplo
1.45: considere
Exemplo 1.45:
1.45:considere
1.45: considere
os seguintes
considere os
x1os seguintes
os seguintes
x2sistemas
+ 3seguintes = 4sistemas sistemas lineares:
lineares:
sistemas lineares:
lineares:
1.45: considere b) lineares: solução exata = Sb {10, −2}
x1 +os 3 x2seguintes
= 4 sistemas x + 2.99999 = 4.00002 + =
x1 + 3a)
a) x2 = xx14+ + 33 xx2 = = 44 solução exata Sa = {1, 1a)
1 x 2 } = 11, 1 2
x 3 x 4
s
a) x1 + 3.00001
a)
a) 1
x2 = 2
4.00001 solução solução exata Sa
solução
solução = {1,Sa1Sa
exata
exata
exata }
Sa =x{{1,
= {1, 1} 1}}
x1 + 3 x2 = 4 x1 + 3.00001 x + x =
3.00001 4.00001 x = 4.00001 1 + 3.00001x2 = 4.00001
x11 +solução
3.00001
2 22 =
xexata Sa = {1, 1}
4.00001
x1 + 3.00001x2 xx= 1+ 3 x2 = 4
2} x1 + 3 x2 =
4.00001 4
1 + 3 x2 =
b) xx14+ 3x =
1 + 3 x22 =
44 solução exata = Sb {10, −b)
x1 + 3 x2 =
b) x + b)
b)
2.99999
b)
4 x11 + 2.99999 x2.99999 x = 4.00002 solução solução
exata
solução exata
solução =Sb {
exata 10,
exata Sb =
=−
Sb 2} {
{x10,
Sb= {10, 10, −
−2}
2
–2} }
1 + 2.99999 x2 = 4.00002
xx11 + 2 = xx2 =
2
+solução 4.00002 4.00002
2.99999 exata 2 = Sb {10, −2}
4.00002
=
x1 + 2.99999 x2 = 4.00002 61
Observe que o sistema de equações (b) pode ser derivado do sistema (a), 61
com uma pequena perturbação em dois de seus coeficientes, 61 devido
hipoteticamente a arredondamentos, e que provoque uma variação ao
coeficiente a22 de 3.00001 para 2.99999 e ao b2 de 4.00001 para 4.00002, da
ordem de 0.025%. Note, ainda, que essa pequena variação acarreta uma
variação enorme na solução do sistema (b) da ordem de até 900%.
68 CÁLCULO NUMÉRICO COMPUTACIONAL
Solução:
a / b = 1348.724179829890643...
Esse resultado está sujeito ao armazenamento em apenas 10 dígitos significa-
tivos e precisará ser arredondado:
a / b = 1348.724180
Dessa forma, o armazenamento limitado causará uma perda de dígitos
significativos e gerará um resultado aproximado.
Para:
Observe agora que, para x = 4.9990005, o valor parcial de (25 – x2) também
sofre perda de dígitos significativos, ficando com apenas 7 dígitos significa-
tivos devido ao arredondamento, enquanto o seu valor exato tem 16 dígitos.
No cálculo de f(x) em uma única instrução, utilizando os dígitos internos de
guarda para ampliar a representação (para isso use diretamente os resultados
gerados na tela, não os redigite), temos:
Por fim, observe que, para x = 4.9990005, o valor total de f(x) também sofre
perda de mais dígitos significativos, ficando com apenas 10 dígitos (limite
da calculadora), enquanto o valor exato tem mais de 16 dígitos exatos.
70 CÁLCULO NUMÉRICO COMPUTACIONAL
Pg.
CAPÍTULO 1 –23
SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS 71
X β = ( a1a2 ..... ak . ak +1 ..... ak + n ) β
Sabemos que não é possível usar os infinitos termos dessa série para obter
um X = (a .
valorβ de e1 , então
x a 2 a ) β E
t β precisamos estabelecer um limite para o número de
......
Pg. 45
f (1/ n ) = ( n +
termos utilizados. Essa1 ) * 1/ n − + 1/ n −1 = 1/no
1 = 1limitação n número de termos gera um erro de
s
truncamento( a
Pg. 70 1 d2 tnaa a ) βd séried aproximadad4 dque d6 d7 ao
corresponde d8somatório
d9 ddos e1 e2 e3 e4
10 termos
......
1 2 3 5
exp ( )
x
abandonados.= e x
Pg. 242
Podemos x representar
x x3 t díxde forma exata uma função f(x + x) por meio de
+ gitos+ ... significativos da mantissa f0 e polarizad
n
e x = 1 + + + + ...
expansão em série
X = (a . a a ) β
1! 2! 3! de Taylor
n ! E convergente, dada genericamente por:
β 1 2 ...... t β
Pg.
pg. 46
71
x x2 x3 xn
f (0x0 + 30
x) =1 f ( x0 ) 1+ f ′( x0 0
) + f ′′1( x0 ) 0+ f ′′′( x00 ) + ... + f (n)
x
0 0 n !0+ ... 0
( )
1! 2! 3! 0 1 0 0
f (sx0 = 0)
′ X = 101.1
=( e = 1)2
0
= 1 * 2
2
+ 0 * 21
+ 1 * 2 0
+ 1 * 2 −1
= 5.5
( )10
f ′′( x = 0) = e t
0
=
= 10
1 d í gitos significativos
Expandindo a função e em torno de x = 0, temos:
0
36
x de f , depois do ponto e polariz
0
x x x 2 x3 xn
e = 1 + + + + ... + + ...
Pg. 71
f(x = 0)(15)
1! =102! (1111)
e=0 = 13! 2 n!
0
Pg. 73
f ′′((xx)0 38
= 0) = e0 = 1
acional
f ′( x)
f254
''(x0 =MP
Pg. 74
0) == +e0(= 1
0.1111111111)2 * 215 = ( 2−1 + 2−2 + 2−3 + ... + 2−10 ) * 215 = ( 32736 )10 ≅ 215
2 3 n
f ( x0 + 39 h h h h
Pn′( x0 ) ) ( 0 )
h + f x − h = f ( x0 ) + f ′( x0 ) + f ′′( x0 ) + f ′′′( x0 ) + ... + f ( n ) ( x0 ) + ...
1! 2! 3! n! ~
f(n) (x0 = M0) 0 (n)= e 0
0 = 1 0 0 0 h
0) − f ′( x ) + f ′′( x )
0 0h 2
0 h
0
3
0 0 h n
1 1 1 1
M f ( x= +=f ( xe0=
0) 1 0 1! 0 − f ′′′( x0 ) − ... + f ( x0 ) + ...
( n )
0 2! 3! n !
f ( n ) ( x= 0)= 75
Pg.
334 e= 0
1 2 3 n expoente mínimo I
0
x x x x
Logo,
f ′′( x0 )45
Logo, f (0 + x)2=e0+3x =1 + n+ + + ... + + O( x ( n +1) )
x x x x 2! (3!
1! n!
M 83 ==1f +(4) (0.4) 234.375
0+ x
f (0 + x) =ePg. +
s d1! dd2!d dd3! = + + ... + + O( x n +1) )
v = ( d
Se aproximamos
1 . d 2 3 1 23e 24
22
x )
2 com2 d n
3 apenas d
! 4 d
n5termos, d 6 destamos
7 d8 desprezando
d9 d10 e1 e2 e3 e4 e5
Pg. 85 apenas n etermos,
roximamosuma Se
ex com aproximamos comtermos apenas
estamos anpartirtermos, doestamos
desprezando desprezando a parcela
x
série infinita de termo n+1,
série infinita449
(1234567890123456789012345
infinita de termos
de termos a partir do termo a partirt d í do)
gitos ≅ significativos
1.23456794679859
termo n
n+1, n + 2 + 1, da mantissa
e + 24 f e polarizado
1.234567890123456789012345e + 24 x n +1
x
Pg.91 s d Od( x d ) = d
( n + 1)
d6 + d7 d8 + ...d9 d10 d11 e1 e2 e3 e4
∂D((an +,1)b) xmn2⎧+1a x 3+ ax nx+42+ (2+n5 a−+1 1)!
O( x ) =
∂a1
=1⎪1)!
(nk +
(
= 2
11a +1 +12 a2 / T+ ... 1n −
t21=x1110+(nad22í+gitos
2
x32)!
k )
xnV= b1(n +
k ( ⎢ )( 1
− 1
⎡2)!
a11 a a12+ a / T
+ a2 nnxn = b2de ⎢fa,21depois
2 k )
a1n2 ⎤−2⎡x11 ⎤= 0⎡b1 ⎤
a2 n ⎥⎥ ⎢⎢x2 ⎥⎥ ⎢⎢b2 ⎥⎥e polarizado
⎪ a 2 + significativos a22 do ponto
A * X = B ⇒x⎨ x 2
x x ⇒ * = (1)
Logo, Pg.
e x 71
≅ 1 +m ⎪ n+ + + ... + ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
x ∂xD(a,xb)x = 2 x1!x⎪aax 2x2!++xaa3 3!
2 3
⎩+( n11 1+ n2+ k ) +−
e x ≅ 1 + +Logo, + + + 2x /...
2T+
2 xn− 1
aVnnnk!xn =(b−n1) (⎢⎣aa1n1 + aan22 / Tk2 ) ann(⎥⎦1/⎢⎣Txkn2⎥⎦) =⎢⎣0bn ⎥⎦
−2
a2 3! e ≅ 1...
+
+
2!∂92
1! Pg. k=1!1 n !2! 3!
( n +1)
n!
Assim, ⎡oa11termo a12 O ( xa1n ) caracteriza a1n +1 ⎤ o erro de truncamento da
( n +174
)
m, o termo aproximação
479(
OAssim,
x ⎢) caracteriza
oatermo a nesseO(x acaso,(n + o
1) erro aou de ⎥ truncamento da
2 n +1 ⎥ seja,
) caracteriza o erro
o erro da aproximação
de truncamento em
da aproximação
imação nesse
] = ⎢⎢ 21 ou22seja, o 2nerro da
[ A Bcaso, aproximação em
nesse caso,
relação ao valor ou seja, o erro da aproximação
exato. ⎥
h em relação
h 2 ao hvalor exato. h n
3
f⎢ (ax0 + ah ) + f ( x0 a − h ) = f a( x0 ) ⎥+ f ′( x0 ) + f ′′( x0 ) + f ′′′( x0 ) + ... + f ( n ) ( x0 ) + ...
o ao valor exato. ⎣Para n1 nm2 = 10 : nn nn +1 ⎦ 1! 2! 3! n!
Pg. 100 h h2 h3 hn
i=n + f ( x0 ) − f ′( x0 ) + f ′′( x0 ) 20!− f ′′′( x0 ) − ... + f ( n ) ( x0 ) + ...
Max xfi =(2ami ,)n(+1x/)aii = f (20) (1) = (1!
−1)20 2! 3!
= 1.1601 * 10
12 n!
Lembre-se de que xx=1 representa o incremento (1 + 1)(20+1)de x entre o
proximação nesse caso, ou seja, o erro da aproximação em
lação ao valor exato.
72 CÁLCULO NUMÉRICO COMPUTACIONAL
Observe naObserve
Tabelana1.1, a convergência
Tabela de de
1.1, a convergência e 1 pelo
e1 pelovalor
valor aproximado
1 1 1 1
ximado VA( n ) ≅ 1 + + + + ... + , em em função
função de n,comparado
de n, comparado comCapítulo
o valor
1 – Sistemas de Numeração
1! 2! 3! n!
exato ee==2.718281828459045...
o valor exato 2.718281828459045...
Tabela 1.1 – Convergência de e1 1.1 – Convergência de e1
Tabela
s aproximações
Exemplo
xemplo 1.50: d 2 1.50:
d3 aproximações
d5 d6numéricas
d 4numéricas para d8 para
d9 derivada
d7 derivada ded2ª d11de 2 eordem,
ordem, a
e2 aepartir e4 e5
10 1 3
de três pontos
partir de três pontos vizinhos de f(x),
com espaçamento h:
vizinhos de f ( x ) , com espaçamento h:
Capítulo 1 – Sistemas de Numeração e E
Capítulo 1 – Sistemas de Numeração e Er
t = 10 dígitos significativos de f , depois do ponto polarizado
eCapítulo
Capítulo 1 – Sistemas de Numeração 1e–Erros
Sistemas de Numeração e E
Numéricos
( x0 − h )
f 71
Pg. f ( x0 ) f ( x0 + h )
x −x h x 2
x 3
x0x n
x0 + h
e x ≅ 1 +0 + + + ... +
Podemos 1! 2!somar 3! a série n! de Taylor para f ( x0 + h ) com a de
Podemos
f ( xa0 série
Podemos − h )somar somar
: somar aa sériesérie de
de fTaylor
Taylor para ff (( xx0 ++ hh)) com a de
mos somar 74Podemos de Taylor a série deparaTaylor (para
x0 + f(x h )para com
+ h) com a de 0 a de f(x com – h):a de
ff (( xx0 −− hh)) :: 0 0
− h) : 0 h h2 h3 hn
f ( x0 + = h ) f ( x0 ) + f '( x0 ) h + f ''(h x0 ) h 22 + hf2 '''( x0 ) h33 h+3 ... + f ( n ) ( x0 ) hhnnn + ...
ff ( xx0 ++ h= )+=ffhf'('((2 xxx00)))+1!
hh)))+hf (ffx((0 xx−0 )h) + hf +′( xf0 )''(hx3+)f h′′2!( x0+) f( n'''(
+ f ′′′)( xh 3!n) ...+ +... +f ((fnn())n() x( x0)) hn ! ++...
0 ) h0 +
h ) f ( x0 +)f +( xf00 '(+x= + + ) x ++ ... ...
) + f ''(
0 x ) +0 f1!'''( x f ) 1!
''( x 0)
0 + ...
2! + f2!
f '''(
( x
x )
0 3!
0 3! ... + f ( x00 ) nn!! + ... 206
0
1!
0
2! 1! 0 2! 3! n !
++ h3! h 2 n !h 3
h n
+ f ( x0 ) −hf ′( x0 ) + f ′′h(2x0 ) − f ′′′( xh0 3) − ... + f ( n ) ( x0 ) h n + ...
f ( x0 − = h ) f ( x0 ) − f '( x0 ) h + f ''( 1!x ) 2 − 2! f '''( x0 ) h33 3! − ... + f ( n ) ( x0 ) hnnn! + ...
0 h2
f (x − = hh)) h ff ((xx0 )) −− ffh'('(xx0 )) ++ ff ''(
2 1!
h 3 2!
h −− ff( n'''( h3!
h −−...
n
++ ff ((nn))((xx0 )) hn ! ++...
h ) f ( x0 )f −( xf00 '(−x= ) + f ''(
0 x ) −0 f
1! '''( x ) ''(hxx00−)) ...
2! + f ) x
'''(
( xx00))) 3! + ...
... 0 n! ...
Resultando
Resultando em
0
1! em 0
2! 1! 0 3! 2! 0 3!
n ! n!
Resultando em
ando emResultando f ( x0 + h ) + f ( x0 − =
em h2
h ) 2 f ( x0 ) + 2 f ′′( x0 ) h 22 + 2 f (4) ( x0 ) h 44 + ...
h4
f ( xx0 ++ hh)) ++ ff ((xx0 −− = hh)) 22hff2 ((xx0 )) ++(4) 2 f ′′( x h)4 h2! ++ 22 ff (4) (4)( x ) h 4!
( x00 ) 4! ++...
h ) + f ( x0 f−(= h )0 2 f ( x0 ) + 02 f = ′′( x0 ) + 02 f 2 (fx′′0()x00 ) 2! + ... ...
Isolando a segunda derivada, 2! temos: 4! 2! 4!
Isolando aasegunda
Isolando derivada, temos:
do a segunda Isolando derivada,a segunda
segunda temos:
derivada,
derivada, temos: temos: h2
f ′′( x= 0 ) ( f ( x 0 + h ) + f ( x 0 − h ) − 2 f ( x 0 2) ) h 2
+ f (4)
( x 0 h 2 + ...
) 2
ff ′′′′((xx=
( f ( x0 + h) +0= (
0 )f ( x(0 f−(h
) f ( x + h ) + f ( x
x0)0 −+ 2h)f +( xf )()x00h− h+) − − 2 h ) − 2
(4) f ( x )h) h 2
2 + f (4) ( x ) h
(4)
f 2 (f x(0x)00 ) ) +h ...2+ f ( x200 ) 4! + ...
4! + ...
( 0 ) ) h + O(h ) 4!
0
f ′′( x= 0 ) f ( x + h ) + f ( x 0 − h ) − 2 f ( x04!
ff ′′′′((xx=0= )) (( ff ((xx0 ++ hh)) ++ ff ((xx0 −−2hh)) −− 22 ff2((xx0 )))) hh22 ++ O ((hh22))
( 0 O termo 0de segunda0 ordem
f ( x + h ) + 0 f ( x − h 0) − 2 f ( x ) ) 0 h + O ( h )
O(h2) representa o somatório dos
0 O
OO termo
termo
infinitos de
de segunda
termos segunda truncados ordem
ordem decorrentes representa
O(ho2))somatório
O(h 2
representa
da aproximação oo somatório
somatório em série dos
dos
mo de segunda ordem O(h 2
) representa dos
O
infinitostermo de segunda
termos ordem
truncados O(h 2
) representa
decorrentes dao somatório
aproximação dos infinitos
em série termos
os termosinfinitos
e truncados
podemos termosdefini-lo
decorrentes truncados como da decorrentes
erro de truncamento
aproximação daem aproximação
série da aproximação, em série
eetruncados
podemos
podemos
decorrentes
defini-lo
defini-lo como da aproximação
como erro
erro de
de
em série e podemos
truncamento
truncamento da
da aproximação,
aproximação,
defini-lo como
emos defini-lo como erro
erro de truncamento da aproximação, de truncamento da aproximação,
h2 h4
O(h ) = f ( x0 ) h 2 + f ( x0 ) h 44 + ...
2 (4)
2
(6)
Solução:
Se simularmos esse cálculo em linguagem C/C++, temos:
Solução:
O valor aproximado VA(n = 7) obtido com n = 7 é 2.718253968253970, e
sabemos que tem 5 dígitos exatos totais (4 decimais depois do ponto).
Podemos simular um valor exato VEe de referência operando com n maior.
Idealmente obtemos o valor exato com n → ∞, o que normalmente é inviável,
então precisamos estimar um número finito mínimo de parcelas, como
2n = 14 parcelas, gerando o seguinte resultado: 2.718281828458230.
Logo,
Assim, podemos estimar o erro exato usando simulações do valor exato VEe,
mas precisamos otimizar os recursos computacionais necessários para essa
simulação. Observe que, se o valor exato estimado VEe for calculado por
VA com menos parcelas (mas n > 7), também teremos resultados razoáveis:
Saiba mais sobre essa inovadora proposta no livro The End of Error: unum computing, de
John Gustafson, conhecido pela formulação da Lei de Gustafson.
1.10 CONCLUSÕES
O perfeito entendimento das causas dos erros numéricos, gerados
em calculadoras e computadores, é um fator decisivo para que você, como
analista numérico, possa fazer a escolha do método computacionalmente mais
eficiente e a validação dos resultados. Assim, para resolver um determinado
modelo matemático, o analista numérico deve se preocupar com:
COMPLEMENTANDO...
Nesta seção, detalharemos os conceitos de alguns termos utilizados no Capítulo 1.
Arredondamento decimal
O objetivo de um arredondamento é representar o número com menor
número de dígitos significativos totais e ainda minimizar os erros decorrentes
dessa redução de significativos, seja qual for a base. Vamos detalhar esse
conceito através do exemplo a seguir.
Exemplo 1.53: represente os seguintes números decimais com 4 dígitos
significativos totais:
Precisão
Precisão é um conceito objetivo que estabelece a quantidade de algarismos
significativos que representam um número. A precisão de uma representação
digital, de uma variável, por exemplo, é definida como o número de dígitos
significativos totais da mantissa na base β de armazenamento; e precisão
decimal equivalente d baseada nos d significativos decimais equivalentes.
Assim, para variáveis de 32 bits padrão IEEE 754, com v = (–1)s(1.f)22e – 127,
temos t = 23 bits depois do ponto (vírgula), uma precisão binária total de
24 bits (1 + t) e precisão decimal equivalente de 7 a 8 significativos.
CAPÍTULO 1 – SISTEMAS DE NUMERAÇÃO E ERROS NUMÉRICOS 83
a) (1/3) ≅ 0.333333343267441•
0.333333333333333...••
•
temos 7 decimais exatos
••
valor exato
c) (0.100000000)10 ≅ (0.100000001490116)10•
0.1000000000000000000000000••
•
temos 8 decimais exatos
••
valor exato
Assim, essa variável padrão IEEE 754 de 32 bits totais tem entre
7 e 8 dígitos decimais equivalentes. Isso significa que todos os números
armazenados neste padrão têm pelo menos 7 dígitos decimais significativos
“exatos”, e alguns têm até 8 dígitos “exatos”.
Exatidão
Exatidão é um conceito subjetivo e diz respeito à forma que melhor
representa uma grandeza numérica, ou seja, uma representação é mais exata
quando tem o menor erro em relação ao seu valor exato. Então, usamos o
termo exatidão para qualificar resultados aproximados quando a solução
exata está disponível.
Por exemplo, se o valor de π exato (3.1415926535...) é representado por:
SOLUÇÃO
COMPUTACIONAL
DE SISTEMAS
DE EQUAÇÕES
LINEARES
f ′′( x0 = 0) = e 0 = 1
x x 2 x3 xn
ex = 1+ + + + ... + + ...
1! 2! 3! n!
Pg. 73
f ′(x) Vamos estudar neste capítulo a implementação computacional de
f ′(x)métodos básicos para solver sistemas de equações lineares densos ou
Pg. 74 esparsos (com muitos coeficientes nulos), de acordo com métodos clássicos
h h2 h3 hn
f ( x0disponíveis
+ h ) + f ( x0 −na
h )literatura
= f ( x0 ) + f ,′(objetivando
x0 ) + f ′′( x0 ) resolver
+ f ′′′( x0os
) sistemas
+ ... + f ( n )que
( x0 ) surgem
+ ... nos
1!
modelos matemáticos abordados nos cursos de graduação. 2! 3! n ! ~
h h2 h3 hn
+ f ( x0 ) − f ′( x0 ) + f ′′( x0 ) − f ′′′( x0 ) − ... + f ( n) ( x0 ) + ...
Utilizamos a palavra "solver" em vez1! 2! o intuito de3!lembrá-lo de que devemos
de "resolver" com n ! escolher
o método mais adequado para obter a solução de determinado problema matemático, assegurar a sua
Pg. 75 qualidade e não apenas reproduzir resultados.
f ′′( x0 )
Pg. 83 As obras Análise numérica, de Burden e Faires, e Numerical Mathematics and Computing, de Cheney e
v = ( d1. d 2Kincaid, 22 d 23 d 24 ) 2
d 3 … dsão excelentes referências para estudo dirigido.
Pg. 85
Um sistema de n equações
(1234567890123456789012345 lineares a ne +incógnitas
) ≅ 1.23456794679859 24 é toda expressão
do tipo:
1.234567890123456789012345e + 24
Pg.91
a11 x1 + a12 x2 + ⋯ + a1n xn = b1 a11 a12 ⋯ a1n x1 b1
a x + a x + ⋯ + a x = b a a22 ⋯ a2 n x2 b2
A * X = B 21 1 22 2 2n n 2
21 (1)
=
⋯ ⋮ ⋮ ⋮ (1)
*
⋮ ⋮ ⋮
an1 x1 + an 2 x2 + ⋯ + ann xn = bn an1 an 2 ⋯ ann xn bn
Pg. 92
a11 a12 ⋯ a1n ⋮ a1n +1
emquea21 A
a22é a⋯ matriza2 n de
⋮ acoeficientes,
2 n +1
X é o vetor de incógnitas, B é o vetor
[ A Bde
] = termos independentes e n
é a ordem do sistema. Dessas três notações,
⋮ ⋮ ⋯ ⋮ ⋮
a primeira
apenas facilita o uso algébrico do sistema linear, a segunda é a
an1 an 2 ⋯ ann ⋮ ann +1
forma desenvolvida, e a terceira é a forma matricial que possibilita a sua
Pg. 100
i = n implementação computacional.
xi = ai ,n+1 / aii
Pg. 104
R = [ A * S − B]
que A é a matriz de coeficientes, X é o vetor de incógnitas e B é
etor de termos
VA( n=7) independentes. Dessas três notações, a primeira
92 o uso algébrico do sistema linear, eCÁLCULO
enas facilita a terceira possibilita
NUMÉRICO COMPUTACIONAL
VA 76
( n = 7)
ua implementação
Pg computacional.
A seguir,Aum exemplo
seguir, de sistema
um exemplo dede
de sistema equações lineares:
equações lineares com n = 3:
VA( n=7)
No capitulo 2 tentar manter uma alinhamento lateral esquerdo para as m
0.448 x1 + 0.832 x2 + 0.193 x3 =
mesma 1Pg 76
77 pagina, se possível.
0.421x1 + 0.784 x2 − 0.207 x3 = 0 (2) (2)
92 VA( n=7)
−0.319
VA ( n = 7) x1 + 0.884 x2 + 0.279 x3 =0
77
0.448 0.832 0.193 x1 1
VA ( n = 7)
0.421 0.784 − 0.207 * x = 0
2 VA ( n=7)
− 0.319 0.884 0.279 x3 0
No capitulo 2 tentar manter uma VAalinhamento
( n = 7) lateral esquerdo para as mat
mesma pagina, se possível.
a11 a12 ⋯ a1n ⋮ a1, n +1
n equações de um sistema de
Podemos
a21 também a2 n ⋮ a2, nas
a22 ⋯ armazenar +1
[ A ⋮ B ] =lineares
92
equações através No capitulo
de dados2 matricial
tentar manter umatalalinhament
⋮ ⋮ ⋯de uma ⋮ estrutura
⋮ única. Para
representação matricial do sistema (1), mesma
vamos pagina,
adotar se possível.
a estrutura em forma de
0.448 0.832 ⋯ ann x1 ⋮ an,1n +1
an1 an 2 0.193
matriz
0.421 expandida, que consiste noarmazenamento da matriz de coeficientes
A[ A ⋮ B ] 0.784
concatenada 0.207 de
com a− coluna * x2 =
termos
0
92 independentes B, de forma que cada
−
linha 0.319 0.884 0.279
dessa matriz expandida
armazene 0
x3 uma
equação, conforme sistema (3):
95 0.448 0.832 0.193 x1 1
aij a11 a12 ⋯ a1n
⋮ a1,n +10.421
0.784 − 0.207 * x 2 = 0
⋮ a2, n−+10.319 0.884 0.279 x3 0
a a ⋯ a2 n
[ A ⋮ B ] = 21 22
100
(3)
⋮ ⋮ ⋯ ⋮ ⋮
xi = ai , n +1 / aaii a11 a12 ⋯ a1n ⋮ a1, n +1
n1 an 2 ⋯ ann ⋮ an , n +1
a21 a22 ⋯ a2 n ⋮ a2, n +1
[ A
101
⋮ B ] [ A ⋮ B ]
=
⋮ ⋮ ⋯ ⋮ ⋮
95
a) an1,
Note na matriz expandida que ai, n + 1 = bi , i = 1 2,a...,
n 2 n.⋯ ann ⋮ an , n +1
Nos algoritmos,
anormalmente
ij j = 1expandida [ A ⋮ B ] será denotada e armazenada
a matriz
como única matriz − 0.319
A. 0.884 0.279 ⋮ 0 (maior módulo está na linha i
100 0.421
0.784 95− 0.207 ⋮ 0
xi = ai , n +1 / aii i = 3 (0.448) 0.832 aij 0.193 ⋮ 1
A solução de um sistema de equações lineares A * X = B é toda matriz
coluna 100 A * S = B. Quanto à sua solução S,
S que o satisfaça, isto é, tal que
101
b)
um sistema de equações lineares pode ser possível e determinado, quando S
xi = ai , n +1 / aii
a) único; possível e indeterminado, quando
for − 0.319 0.884 0.279 existirem infinitas
⋮ 0 L1 ← L3 soluções S; e
j =1
impossível, quando
não existir − 0.207S.⋮ 0
uma solução (troca da linha L1 com
−0.421 0.784 101
0.319 0.884 0.279 ⋮ 0 (maior módulo está na linha i=
(0.448) 0.832 0.193 ⋮ 1 L ← L
0.421
0.784 a)− 0.207 ⋮ 0 3 1
O método de Cramer é um teorema da álgebra linear que fornece a solução de um sistema de equações
lineares em termos de n + 1 determinantes. Para saber mais, consulte: <https://pt.wikipedia.org/wiki/
Regra_de_Cramer>. Acesso em: 26 set. 2016.
E, naE,forma de matriz
na forma expandida,
de matriz temos: temos:
expandida,
Processo de Triangularização
Processo de triangularização
O processo de triangularização deve seguir uma sequência
otimizada
O processo de passos deve
de triangularização k (que definem
seguir um algoritmo).
uma sequência Nessek
otimizada de passos
(quecaso,
definem
cada algoritmo).
umpasso Nesse caso, cada
k corresponderá passo k corresponderá
à utilização da linha i = kà
utilização da linha i =osk coeficientes
para eliminar para eliminarda
os coluna
coeficientes coluna joperações
j = kdausando = k usando
operações elementares sobre linhas.
elementares sobre linhas.
Observações:
no elemento i=3 e j=1, teremos a seguinte operação de
b) tiverem
As linhasarredondamentos, serão levados
2 e 3 sofrem alterações atravéspara as linhas
da adição dos2 etermos
3
resultantes.
–0.9397 * L1 e 0.7121 * L1, ou seja, se esses termos adicionais tiverem
arredondamentos,
c) Como esses mesmosserãofatores
levados multiplicativos
para as linhas 2 edevem
3 resultantes.
ser
c) aplicados
Como essespara todasfatores
mesmos as colunas j das linhas
multiplicativos devemi=2sereaplicados
i=3,
épara
importante que sejam
todas as colunas determinados
j das linhas i = 2 e i =uma única vez, que
3, é importante
sejam determinados
armazenados e usadosumaem única vez,
todas as armazenados
colunas de cada elinha
usados
i. em
todas fatores
d) Esses as colunas de cada linhaaplicados
multiplicativos, i. previamente na linha
fatorese multiplicativos,
Esses–0.9397
d) i=1, 0.7121, sofreram–0.937
arredondamentos no quarto
e 0.7121, aplicados sobre a
dígito decimal
linha i = (quarto
1, sofreram dígito significativo),
arredondamentos no quartologo levarão
dígito decimal
(quarto
esse errodígito significativo),
no quarto logo levarão
dígito decimal esse
para as erro no
novas quarto
linhas 2 e dígito
3
decimal para as
geradas a seguir. novas linhas 2 e 3 geradas a seguir.
Aplicandoessas
Aplicando essas operações
operações elementares
elementares sobre
sobre as linhasailinhas i=2
= 2 e i = 3, e
zeraremos
ai=3,
coluna j = 1, conforme
zeraremos segue:
a coluna j=1, conforme segue:
0.448
0.448 0.832
0.448 0.832 0.193MM M 11 1
0.193
0.832 0.193
00 0.002170
0.002170 −−0.3884 0.9397
0.3884 MM −−0.9397
0.002170 −0.3884 M −0.9397
0 L − (1.476 / 0.002170) L2
00 1.476 0.4604 MM 0.9397
0.9397LL3←←
0
1.476
1.476 0.4604
0.4604 M 0.9397 3 LL333−←
(1.476 0.002170
L3 −/ (1.476 ) L2
/ 0.002170) L2
←LL3−−680.2
LL3← 680.2LL2
3
L33 ← L3 −2680.2 L2
Observe que
Observe que oo fator
fator multiplicativo
multiplicativo na na linha
linha 22 éé muito
muito maior
maior
Observe
Observe
do que que
que o
que aa unidade,o fator
fator multiplicativo
multiplicativo
unidade, 680.2,
680.2, então na linha
então sofreu na
2 é linha
muito
sofreu arredondamentos 2 é
maior
arredondamentos muitoque maior
do no a
do no
unidade,
do que680.2,
primeiro entãodecimal
adígito
unidade,
dígito sofreu680.2,
arredondamentos
então
(quarto no primeiro
sofreu
dígito dígito fracionário
arredondamentos
significativo), logo no
primeiro decimal (quarto dígito significativo), logo
(quarto dígito significativo), logo levará esse erro para a nova linha 3, gerada
levará esse
primeiro esse erro
erro no
dígitono primeiro
primeirodígito
decimal dígito
(quartodecimal
dígito para aanova
novalinha
linha logo
significativo),
alevará
seguir: decimal para
3,gerada
gerada
levará
3, aaseguir:
esse seguir:
erro no primeiro dígito decimal para a nova linha
3, gerada
0.448
0.448 a seguir:
0.832
0.832 0.193 MM
0.193 11
00 0.002170
0.002170 −−0.3884
0.3884 MM 0.9397
−−0.9397
0.448 0.832 0.193 M 1
00 00 264.6 MM 639.9
−−639.9
0.002170 −0.3884 M −0.9397
264.6
0
Observe
Observe tambémque
também queaalinha
linha 3 sofreueliminações
eliminaçõesduas
duasvezes,
vezes,
0 0 264.6 M3 sofreu
−639.9
nos passos
Observe k=1 eque
também k=2, e isso3 carateriza
a linha um processo
sofreu eliminações cumulativo
duas vezes,
nos passos k=1 e k=2, e isso carateriza um processo cumulativonos passos
kObserve
de 1 e k =também
= operações 2, earitméticas
isso carateriza
que com
acom um
linha processo
erros3 de
sofreu cumulativo
eliminações
dearredondamento.
arredondamento. de operações
duas vezes,
Nessa
de operações aritméticas erros Nessa
aritméticas
fase,passos com
osistema
sistema erros de arredondamento.
simplificado jáestá
está naformaNessa
formade fase,
dematriz o
matriz sistema simpli-
triangular
nos
fase, o k=1 e k=2,
simplificado e isso
já carateriza
na um processo cumulativo
triangular
ficado já está na forma de matriz triangular superior, que deve ser equivalente
superior,
de
superior, quedeve
operações
que deve serequivalente
equivalente
aritméticas
ser com ao
ao sistema
erros
sistema original
deoriginal apresentado Nessa
arredondamento.
apresentado
ao sistema original apresentado nesse exemplo, pois as operações elementares
nesse
sobre exemplo, pois as operações elementares sobre linhas
fase,linhas
nesse aplicadas
oexemplo,
sistema poisnãoaspodem
simplificado alterar
operações
já está asna
equações.
elementares
forma de sobre
matrizlinhas
triangular
aplicadas
aplicadas não
não podem alterar as equações.
superior,
Então, quepodem
deve alterar
ser as equações.
equivalente ao sistema original apresentado
Então,a solução
a soluçãodo sistema original:
do sistema original:
Então,
nesse aexemplo,
solução dopois sistema
as original:
operações elementares sobre linhas
0.448 x + 0.832 x + 0.193 x =
1
aplicadas
0.448 x11+não
0.832podem
x22+ 0.193alterar
1 as equações.
x33 =
0.421x1 + 0.784 x2 − 0.207 x3 =
0
Então, x1 + 0.784 x2 −
0.421a 0.207 x3 =
0 original:
−0.319 x solução
+ 0.884 x +do sistema
0.279 x =0
−0.319 x 1+ 0.884 x 2+ 0.279 x 3 =
1 2 3 0
0.448ser
deveria x1 +a0.832
mesmax2 +do
0.193 x3 =
sistema 1de equações simplificado a
deveria
ser a mesma do sistema de equações simplificado a
0.421x1 + 0.784 x2 − 0.207 x3 =
seguir: 0
seguir:
−0.319 x + 0.884 x + 0.279 x =
1 2 3 0
Capítulo 2 – Solução Computacional de Sistemas de Equaçõe
Segundo 0 x1 +passo:
Segundo 0passo: posteriormente,
posteriormente,
x2 + 264.6 x3 = xpodemos
639.9 podemos obter
obter
3 = 639.9 / 264.6
os os valores
valores de xde
x3 = 2.418 2
e x1 das
x2 eequações 2 e 1, respectivamente:
x1 das equações 2 e 1, respectivamente:
Segundo passo: posteriormente, podemos obter os valores de
x =
e (–0.9397
x2 = (x−220.9397 – (–3884x
− (−equações
x1 das 0.3884 x3 ))23/e))0.002170
/ 0.002170
1, xx2 2==–0.2529
respectivamente: (com xx3 == 2.418)
–0.2529 (com 2.418)
3
x1 = (1 – 0.832x2 – 0.193x3) / 0.448 x1 = 1.660 (x3 =2.418 e x2 = –0.2529)
x1 =
x2(1=−(0.832 x2 −−0.193
−0.9397 (−0.3884
x3 ) / x0.448 x1 = 1.660
3 )) / 0.002170 x2 =(x–0.2529
3
=2.418(com
e x2 = x–0.2529)
3
= 2.418)
Portanto, a solução obtida para o sistema do Exemplo 2.1, com precisão de
Portanto,
apenas 4adígitos
solução obtida paraé:o sistema do Exemplo 2.1, com
significativos,
x1 = (1 − 0.832 x2 − 0.193x3 ) / 0.448 x1 = 1.660 (x3 =2.418 e x2 = –0.2529)
precisão de apenas 4 dígitos significativos, é:
SPortanto,
= { 1.660,a–0.2529, 2.418 }
solução obtida para o sistema do Exemplo 2.1, com
S = { 1.660, –0.2529, 2.418 }
precisão de apenas 4 dígitos significativos, é:
Lembre-se deS que
= { essa solução
1.660, S foi 2.418
–0.2529, obtida}de um sistema simplifi-
Lembre-se que essa solução S foi obtidadedearredondamentos,
cado, cujos coeficientes já sofreram acúmulo um sistema e não
do sistema original.
simplificado, cujos coeficientes já sofreram acúmulo de
arredondamentos,
Lembre-se que eessa não do sistema
solução S foi
original.
obtida de um sistema
Se a matriz dos resíduos R = [A * S – B] de cada uma das equações do
simplificado, cujos coeficientes já sofreram acúmulo de
sistema linear proposto fosse obtida para aferição da solução, deveríamos
arredondamentos, e não do sistema original.
ter valores nulos, mas normalmente obtemos valores residuais, não nulos,
decorrentes dos arredondamentos acumulados. Por exemplo, se substituirmos
Se os resíduos= ( R A * S − B ) de cada uma das equações do
sistema linear proposto fossem obtidos para aferição da solução,
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 99
deveríamos ter valores nulos, mas normalmente obtemos valores
residuais, não nulos, decorrentes dos arredondamentos acumulados.
Por exemplo,
a soluçãose substituirmos
S em cada equaçãoa original
soluçãodo S em cada equação
Exemplo original
2.1, teremos os seguin-
tes resíduos
do Exemplo 2.1, em módulo:
teremos os seguintes resíduos:
=
R1 | 0.448 x1 + 0.832 x2 + 0.193 x3 −=
1 | 0.0000588 ≅ 0.00006
=
R2 | 0.421x1 + 0.784 x2 − 0.207 x3 − 0=
| 0.0000604 ≅ 0.00006
R3 =| −0.319 x1 + 0.884 x2 + 0.279 x3 − 0 | =0.07848 ≅ 0.08
O resíduo
O resíduo dadaequação
equação 33ficou
ficoualto, equivalente
alto, ao primeiro
equivalente dígito decimal
ao primeiro
(0.08 ≅ 0.1). Seria esperado um resíduo no quarto dígito decimal, pois temos
dígito decimal (0.08 ≅ 0.1). Seria esperado um resíduo no quarto
uma precisão de 4 dígitos significativos. Esse erro decorre principalmente
dígitodos
decimal, pois temos
arredondamentos uma
dos precisão
fatores de 4 dígitos
multiplicativos significativos.
de cada linha. No próximo
Esse erro decorre principalmente dos arredondamentos
exemplo, vamos aplicar uma metodologia para reduzir esse dosresíduo.
fatores
Para comparação,
multiplicativos de cada linha.tambémNo podemos
próximocalcular
exemplo,o erro de arredondamento
vamos aplicar
estimado
uma forma de sobre
reduzircada xi da
esse solução usando uma estimativa do valor exato
resíduo.
da solução Sexato. Nesse método, temos somente erros de arredondamento
Para comparação, também podemos calcular o erro de
associados à solução, então o seu valor exato estimado pode ser obtido
arredondamento estimado
usando variáveis com mais sobre cadacom
precisão, xi da solução
mais usando
de 4 dígitos uma
significativos,
estimativa domenos
para ter valorarredondamentos.
exato da solução NaSsolução,
exato
. Nesse método,
a seguir, usamostemos
o mesmo
algoritmo
somente erros aplicado no Exemplo 2.1,associados
de arredondamento mas operamos com as variáveis
à solução, então o double
de 16 dígitos significativos, gerando os seguintes
seu valor exato estimado pode ser obtido usando variáveis com resultados:
mais precisão, com mais de 4 dígitos
Sexato = {1.561414494051542, significativos,2.418590333334499}
–0.199881764024819, para ter menos
arredondamentos. Na solução, a seguir, usamos o mesmo algoritmo
aplicado noOs resíduos2.1,
Exemplo dessa
massolução exatacom
operamos estimada, obtidadouble
as variáveis com precisão
de
double, são:
16 dígitos significativos, gerando os seguintes resultados: Capítulo 2 – Solução Computacional de Sistemas
Rexato = {00000000000e+00, 1.11022302462e–16, 5.68434188608e–14}
Sexato = (em
{1.561414494051542,
notação científica) –0.199881764024819, 2.418590333334499}
Os resíduos dessa
EEososerros solução
estimados,
erros estimados, exata
Erro = | estimada,
Erro S=–| SSexato obtida
– S|,exato
são:|, são:com precisão
double, são:
Erro x1 =| 1.660 − 1.561414494051542 | = 0.098585505948458 ≅ 0.1
Rexato =Erro x2 =| −0.2529 − (−0.199881764024819)
{00000000000e+00, 1.11022302462e–16, | = −5.68434188608e–14}
0.053018235975181 ≅ 0.05
Erro x3 =| 2.418 (em − 2.418590333334499
notação científica) | = 0.000590333334499 ≅ 0.0006
Perceba
Perceba quequeos erros de arredondamento
os erros acumulados
de arredondamento no processo no
acumulados de
eliminação foram propagados também para o primeiro dígito
processo de eliminação foram propagados também para o primeiro decimal, nos
valores de x1 e x2 , e, para o quarto dígito, no valor do x3. Observe que os
dígito decimal, nos valores de x1 e x2 , e, para o quarto dígito, no valor
do x3. Observe que os arredondamentos afetam toda a solução, pois
em um sistema de equações não temos como dizer que um valor
em3 um sistema de equações não temos como dizer que um
m
emsistema
um sistema de equações
de equações nãonãotemostemos como como dizer
dizer quequeum umvalor
valor
de x é mais exato do que outro. Assim, a solução está afetad
édemais exatoexato
x é 100
mais do que outro.
do que Assim,
outro. Assim, aCÁLCULO
solução
a solução está
NUMÉRICO afetada
está afetadanono
COMPUTACIONAL
primeiro dígito.
primeiro
eiro dígito. dígito.
Podemos afetam
arredondamentos resumir
toda aosolução,
algoritmo
pois desistema
eliminação
emeliminação
um de equações gaussian
PodemosPodemos resumirresumir
o o algoritmo
algoritmo de de
eliminação gaussiananono
gaussiana
seguinte
não temosformulário:
como dizer que um valor de x é mais exato do que outro. Assim,
seguinte formulário:
inte formulário:
a solução está afetada no primeiro dígito.
Podemos resumir o algoritmo de eliminação gaussiana no seguinte
Triangularização:
formulário:
Triangularização:
iangularização:
k=1,...,n–1
k=1,...,n–1
Triangularização: (define(define
o passo o passo
k) k)
1,...,n–1 (define o passo k)
i=k+1,...,n
k =i=k+1,...,n
1, ..., n–1 (define(define
linhas
(define linhas
o passo i a zeradas)
i ak) serem serem zeradas)
i=k+1,...,n (define linhas i a serem zeradas)
= k +j=k+1,...,n+1
i j=k+1,...,n+1
1, ..., n (define linhas i)
(define(define
colunas colunas
j operadasj operadas
em cadaem cada
linha i) linha
j=k+1,...,n+1 (define
j = k + 1, ..., n + 1 colunas
(define j operadas
colunas j) em cada linha i)
a a a a
a= aaij=
ij a − ik akj ik (corresponde
ij aij − akj (correspondeaa Li ←aLiL−ai ←ikLi −Lk)) ik
(corresponde Lk )
a= aij − ik akjakk (corresponde
akk a Li ← Li − ik akkLk ) akk
Retrosubstituição:
Retrosubstituição:
ij
akk akk
etrosubstituição:
i=ni=n
Retrossubstituição:
i=n x =a
i=n i xii,n +=1 /aai ,nii+1 / aii(corresponde à resolução
(corresponde da última
à resolução daequação)
última equa
x
i=n–1,= a
...,
i , n +1 / a (corresponde à resolução da última equação)
i=n–1,
i
xi = a...,
i, n+1 1 ii
1
/a ii (corresponde à resolução da última equação)
i=n–1, ..., 1
i = n – 1, ..., 1 n
=xi ai ,n +1− ∑ aij * nx j / aii (corresponde à resolução
= xi n aij,=ni++11 − ∑ a / aii (corresponde à resolução
ij * x j da i-ésima equação)
=xi ai ,n +1 − ∑ aij * x j j/= ia+1ii (corresponde
(corresponde
à da
à resolução resolução
da i-ésima i-ésimaequação)
equação)
j = i +1 da i-ésima equação)
No próximo exemplo,
No próximo vamos
exemplo, vamos implementar
implementar o processo deopivotação
processoparcialde pivotação
visando
No evitar linhas com
próximo possíveis zeros
exemplo, na diagonal
vamos principal de cada linha
implementar i = k e ainda de pivotaç
o processo
parcialminimizar
próximo visando
exemplo, errosevitar
de linhas com
arredondamento
vamos possíveis
acumulados.
implementar zeros na diagonal
o processo principal
de pivotação
parcial
de visando
cada linhavisando
i=k evitar
e aindalinhas com possíveis
minimizar erros zeros na diagonal princip
de arredondamento
rcial evitarPivotação
2.1.1.1 linhas com possíveis
parcial zeros na diagonal principal
de cada
acumulados. linha i=k e ainda minimizar erros de arredondamen
cada i=k e parcial
linhaA pivotação aindaconsiste
minimizar
em: erros de arredondamento
acumulados.
umulados. a) no início de cada passo k das eliminações, escolher para a o ele-
kk
mento de maior módulo entre os coeficientes aik, i = k, k + 1, ..., n; e
b) trocar as linhas k e i, se necessário.
kk a
kk
o elemento de maior módulo entre os coeficientes
ik aik ,
77 i = k, ik+1,...,n; e
= k, k+1,...,n; e
CAPÍTULO b)2trocar as linhas
b) trocar
– SOLUÇÃO k e i,kse
as linhas
COMPUTACIONAL i,necessário.
eDE se necessário.
SISTEMAS DE EQUAÇÕES LINEARES 101
VA( n=7)
Exemplo Exemplo 2.2: 2.2:
resolva o sistema
resolva o sistema de equações
de equações lineares, a seguir,
lineares, a seguir,
VApelo
( n = 7)
Exemplo método
pelo de eliminação
2.2: resolva
método sistemade
deoeliminação deGauss com
equações
de Gauss pivotamento
lineares,
com a seguir, parcial
pivotamento peloparcial
método
utilizando
de eliminação
utilizandooperações
Gaussaritméticas
deoperações comaritméticas comcom
pivotamento 4parcial
dígitos significativos
utilizando
4 dígitos operações
significativos
earitméticas
arredondamentocom 4 dígitos
e arredondamento
significativos
ponderado.
ponderado.
e arredondamento
Esse sistema
Esse
ponderado.
é o mesmo
sistema do Esse
Nosistema
capituloé o 2 tentar
mesmo do manter
Exemplo uma
2.1, alinhamento
apenas com as lateraléem
equações
o mesmo
esquerdo
outra
do as mat
para
ordem.
Exemplo
mesma 2.1, apenas
pagina, 2.1,
Exemplo com
se possível. as equações em outra
apenas com as equações em outra ordem. ordem.
−0.319 x1 + 0.884
−0.319
x2 + 0.279
x1 + 0.884 x3 =
x2 + 0.279 x03 = 0
92
0.421
0.421 x1 + 0.784 x
x1 + 0.784
2 − 0.207 x
x2 − 0.2073 = 0
x3 = 0
0.448
x + 0.832 x + 0.193 x = 1
0.448
0.448 0.832
1 0.193
x1 + 0.832
2 x1 3 x31 =
x2 +0.193 1
0.421 0.784 − 0.207 * x = 0
Solução:
Solução: 2
−Solução:
0.319 0.884 0.279 x3 0
Na forma
Na forma dedematriz
Na forma matriz expandida,
expandida,
de matriz temos:
temos:
expandida, temos:
−0.319 a110.884
a12 ⋯ 0.279 a1n M ⋮0 a1, n +1
−0.319
0.884 0.279 M 0
A = A0.421 a 0.784a −⋯ a
0.207 M ⋮
0 a
=B] =0.421
[ A ⋮0.448 21 0.784 22 −0.207
2n M 2,0n +1
0.448 0.832 0.193 M 1
⋮0.832 ⋮ ⋯
0.193 ⋮ M ⋮
1
ande1 an 2 ⋯ ann ⋮ an , n +1
ProcessoProcesso
Processo de Triangularização
de Triangularização
triangularização
[ AAntes
⋮ B]
de promover o processo de triangularização, devemos
Antes de promover o processo de triangularização, devemos
Antes de promover o processo de triangularização, devemos escolher e
95 escolherescolher e reposicionar a melhor linha i=k possível.
reposicionar aemelhor
reposicionar
linha i =akmelhor
possível.linha i=k possível.
aij
PrimeiroPrimeiro passo: definido pelopelo
índice a pivotação
k=1,k=1, parcial
Primeiro passo:passo:
definidodefinido
pelo índice k índice a pivotação
= 1, a pivotação
100deve redefinir a melhor linha i=1, correspondente ao primeiro
parcial
parcial deve rede-
finirdeve
a melhor linha i a= melhor
redefinir linha i=1,ao
1, correspondente correspondente
primeiro pivô (kao primeiro
= 1). Para tal:
pivô (k=1). Para tal:
+1 / aii (k=1). Para tal:
xi = ai , npivô
101
a) Localizamos oo maior
a) Localizamos
a) Localizamosmaior módulo
módulo
o maior
da coluna,jj=1
da coluna, = 1nesse
nessecaso,
caso, entre
entre os
coeficientes destacados emmódulo
negrito:da coluna, j=1 nesse caso, entre
os coeficientes destacados
os coeficientes em negrito:
destacados em negrito:
a)
j =1 j =1
j =1
−0.319 0.884 0.2790.279 0 0
−− 0.319 0.884
0.319 0.884 0.279 ⋮ 0
(maior i=
0.421 − (maior módulo está namódulo
linha i=3) está na linha
0.784
0.421
0.421 0.7840.207
0.784 −0.207
−
0 0 ⋮(maior
0.207 0 (maior
módulo está na linha i=3)
módulo está na linha i = 3)
i = 3 i =(0.448) 0.8320.832
0.1930.1931 1
3 (0.448)
i = 3 (0.448) 0.832 0.193 ⋮ 1
b)
− 0.319 0.884 0.279 ⋮ 0 L1 ← L3
0.421 0.784 − 0.207 ⋮ 0 (troca da linha L1 com L
(0.448) 0.832 0.193 ⋮ 1 L3 ← L1
versa)
a)
j =1
102 − 0.319 0.884 0.279 ⋮ 0 (maiorCÁLCULO NUMÉRICO Capítulo 2 – Solução Computacional de Sistemas de Equ
COMPUTACIONAL
Capítulo 2 – Solução Computacional de Sistemas de Equa
módulo está na linha i = 3 )
0.421 0.784
− 0.207 ⋮ 0 Capítulo 2 – Solução Computacional de Sistemas de Equ
i = 3 (0.448) 0.832 0.193 ⋮ 1
b) Trocamos
b) Trocamos
Trocamoslinhas,linhas, entre
entreaaalinha
linhas,entre linha ii=3,
= 3,com
linhai=3, com omelhor
melhorcoeficiente,
coeficiente, e
b) com oomelhor coeficiente,
b) b)eeaTrocamos
linha i =i=1:
1:linhas, entre a linha i=3, com o melhor coeficiente,
aalinha
linhai=1:
0.319
e −a0.319 0.884 0.279 ⋮ 0 L1 ← L3
linha i=1:
−−0.319
0.421
0.884 0.279 00LL1←
0.884
0.784 −0.279
0.207 ⋮ 0 1
←LL3
3 (troca
(troca da
(trocada linha
dalinha L1 com
L1 Lcom
linha com L
e 3 e vice-
L3 eLvice-versa)
− 0.421 0.784 0.207 000 L1 ← L3 (troca da linha L1 1com L3 3e
−0.207
0.319 0.884 − 0.279
(0.448)
0.421 0.784
0.832 0.193 ⋮ 1 L3 ← L1 vice-versa)
vice-versa)
(troca da linha L1 com L3 e
(0.448)
0.421
(0.448) 0.832
0.784
0.832 0.207 110LL3←
−0.193
0.193 ←LL1
versa)
3 1 vice-versa)
(0.448) 0.832 0.193 1 L3 ← L1
c) Geramos
Geramosaaamatriz
c) Geramos
c) matrizpivotada:
matriz pivotada:
pivotada:
c) Geramos a matriz pivotada:
207
(0.448)
(0.448) 0.832 0.193 MM 11
0.832 0.193
(0.448)
0.421 0.784 0.207 MM 01
0.832 −0.193
0.421 0.784 −0.207 M 0
−−0.319
0.421 −0.279
0.784 0.279
0.319 0.884
0.884 0.207 MMM 000
−0.319 0.884 0.279 M 0
Observe que,
Observe que, na
na pivotação
pivotação parcial, apenas
apenastrocamos
parcial,apenas trocamosaaaordemordemdas
Observe que, na pivotação parcial, trocamos ordem
equações
Observe mudando-as
que, mudando-as de
na pivotação de linhas.
parcial, apenas trocamos a ordem
dasdas equações
equações mudando-as de linhas.
linhas.
das equações mudando-as de linhas.
d) Depois
d)
d) Depois da
Depois da pivotação,
da pivotação, procedemos
pivotação,procedemosprocedemos àà eliminação
àeliminação
eliminação gaussiana
gaussiana
gaussiana
d)correspondente
Depois
correspondente da
correspondente ao pivotação,
ao primeiro
ao primeiro procedemos
primeiro passo passo
passo (k à eliminação
(k=1):
= 1):
(k=1): gaussiana
correspondente ao primeiro passo (k=1):
(0.448)
(0.448) 0.832 0.193 MM 11
0.832 0.193
0.421(0.448)
0.421 0.784
0.784 0.207 MMM 001 LL2←
0.832 −0.193 ←LL2−−(0.421/
(0.421/0.448)
0.448)LL1⇒ ⇒LL2← ←LL2−−0.9397
0.9397LL1
−0.207
0.421 0.784 −0.207 M 0 L2 ← L2 − (0.421/ 0.448) 1L ⇒ L2 ← L2 − 0.9397 1L
−−0.319
0.319 0.884 0.279 MM 00 LL3←
0.884 0.279 ← L − (−0.319 / 0.448) L ⇒ L ← L + 0.7121
3 2 L3 3−2 (−0.319 / 0.448) L111⇒ L323← L323+ 0.7121L111
−0.319 0.884
e)Geramos
Geramos novamatriz
matriz 0 L3 ← L3 − (−0.319 / 0.448) L1 ⇒ L3 ← L3 + 0.7121L1
0.279 M escalonada:
e) nova escalonada:
e)
e) Geramos
Geramos nova
(0.448) nova
(0.448)
matriz0.193
0.832matriz
escalonada:
escalonada:
0.832 0.193 MM 11
(0.448)
0 0.002170 −0.3884 M −0.9397
0.002170
0.832 − 0.3884
0.193 MM −0.9397
1
0
000 1.476
0.002170
1.476 −0.4164 0.9397
−0.7121
0.3884 MMM 0.7121
0.4164
0 1.476 0.4164 M 0.7121
Segundopasso:
Segundo passo:definido
definidopelo
peloíndice
índicek=2,k=2,aapivotação
pivotaçãoparcial
parcial
Segundo
deve
deve passo:
redefinir
redefinir definido
aamelhor
melhor pelo
linha
linha índice
i=2,
i=2, k=2, a pivotação
correspondente
correspondente parcial
aosegundo
ao segundo
deve
pivô
pivô redefinir
Segundo passo:
(k=2).
(k=2). atal:
melhor
Paradefinido
Para tal: linha
pelo índice k =correspondente
i=2, ao segundo
2, a pivotação parcial deve redefinir
a melhor
pivô linha
(k=2). i = tal:
Para 2, correspondente ao segundo pivô (k = 2). Para tal:
a)Realizamos
a) Realizamos aa buscabusca parcial
parcial dodo maior
maior módulo
módulo dada coluna
coluna j=2j=2
a) Realizamos
a)(busca
Realizamos
(busca
a
a partir
busca
a busca parcial do maior
parciallinha,
dasegunda
segunda do maior
linha,
módulo da
módulo
emnegrito,
negrito,
coluna j
da acoluna
pois
= 2
aprimeira
(busca
j=2
primeira
a partira partir da
da segunda linha, em em
negrito, pois
pois a primeira linha já foi
(buscajáafoi
linha
linha partir
foi da segunda
usada para anularlinha,
anular aa em negrito,
primeira pois ano
coluna primeira
no passo
usadajápara usada
anular apara
primeira coluna primeira
no passocoluna
anterior e passo
não pode
linha já foinão
anterior usada paraseranular
usadaaanovamente
primeira coluna no passo
ser usadaeenovamente
anterior não pode
pode ser
para usada
anular novamente para anular
para
segunda coluna, anular
uma vezaaque
anterior coluna,
segunda
alteraria
segunda ecoluna
não uma
acoluna, pode
uma serzerada):
vez
j = 1vez
já usada
que
que novamente
alteraria
alteraria colunapara
aacoluna anular
zerada):a
j=1jájázerada):
j=1
segunda coluna,
j = 2 uma vez que alteraria a coluna j=1 já zerada):
j=2
(0.448)
(0.448) j=2
0.832
0.832 0.193 MM
0.193 11 (maior módulo em i=3)
(0.448) (maior módulo em i=3)
00 0.832 −−0.3884
0.002170
0.002170 0.3884 1
0.193 MMM −−0.9397
0.9397
(maior módulo em i=3)
ii==33 000 −0.4164
(1.476) 0.4164
0.002170
(1.476) 0.9397
−0.7121
0.3884 MMM 0.7121
i = 3 0 (1.476) 0.4164 M 0.7121
(busca a partir da segunda linha, em negrito, pois a primeira
linha já foi usada para anular a primeira coluna no passo
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 103
anterior e não pode ser usada novamente para anular a
segunda coluna, uma vez que alteraria a coluna j=1 já zerada):
j=2
tacional
(0.448) 0.832 0.193 M 1 (maior módulo em i=3)
0 0.002170 −0.3884 M −0.9397
utacional
utacional
i = 3 0 (1.476) 0.4164 M 0.7121
utacional
b) Trocamos linhas, entre a linha i=3 e a linha i=2:
b) (0.448) linhas,
b) Trocamos 0.832
linhas, entre linhai i=3
entreaa0.193
linha linha ii=2:
=M 3 ee aa1linha = 2:
b) Trocamos linhas, entre a linha Mi=3
−0.3884 e a linha
−0.9397 Li=2:
b) Trocamos
0 0.002170 2 ← L3
(0.448) linhas, 0.832entre 0.193
a linha Mi=3 e a1 linha i=2:
(0.448) 0 (1.476)
0.832 0.4164
0.193 MM 0.7121
−0.193
0.3884 M −0.9397
1 L3 ← L2
(0.448) 0
0
0.002170
0.832
0.002170 − 0.3884 M −
1
0.9397 L2L←←L3L
0
c) Geramos a0.002170
matriz escalonada:
(1.476) −0.4164 0.9397 L32 ← L23
0.3884 M −0.7121
2 3
0 (1.476) 0.4164 M 0.7121 L3 ← L2
(0.448)
c) Geramos 0 a
0.832
(1.476)
matriz
0.193 M M 0.7121
0.4164
escalonada:
1 L3 ← L2
c)Geramos
Geramos 0.4164 M 0.7121
c) 0 aamatriz
(0.448) a matriz
c) Geramos
matrizescalonada:
(1.476) escalonada:
0.832 escalonada:
0.193 M 1
(0.448)
0
0 0.002170
0.832
(1.476)
−0.3884
0.193 MM −0.9397
0.4164
1
(0.448) 0.832 0.193 MM 0.7121 1
0 0 (1.476) 0.4164 M 0.7121
0 0.002170 − 0.3884 M − 0.9397
0 que,
Observe (1.476) 0.4164 0.7121
no Exemplo 2.1, o pivô antigo,
0.002170 −0.3884 M −0.9397
M a22 = 0.002170,
0 0.002170 − 0.3884 M − 0.9397 multiplicativo
era um valor pequeno e gerava um fator
Observe que, no Exemplo 2.1, o pivô antigo, a22 = 0.002170,
Observe que,
elevado,
Observe que, no
680.2, no Exemplo
que 2.1, um
carregava
Exemplo 2.1, o pivôerro antigo, aa22 ==0.002170
de arredondamento ,
era
Observe um que,
valor nopequeno
Exemplo e 2.1, o opivô
gerava pivô
um antigo,
fator
antigo, 0.002170,
amultiplicativo
= 0.002170
22 22 ,
era eraprimeiro
um 680.2,
um valor pequeno e gerava um fator multiplicativo
no
elevado,
era um valor
valor pequeno
dígito e gerava
quefracionário
carregava
pequeno e gerava um erro
(quarto
um fator
um demultiplicativo
significativo).
fator arredondamento elevado,
multiplicativo
680.2,elevado, que680.2,
carregava um erro deum
que carregava arredondamento
erro de arredondamento no primeiro
d)noelevado,
Procedemos
dígito
primeiro680.2,dígito
fracionário
quefracionário
carregava (quarto
a triangularização,
(quarto
um
significativo).
errosignificativo).
de arredondamento
correspondente ao segundo
no primeiro dígito fracionário (quarto significativo).
no
passo primeiro
(k=2): dígito fracionário (quarto significativo).
d) Procedemos a triangularização, correspondente ao segundo
d)d)passo
d) Procedemos
Procedemos
(0.448)(k=2):
Procedemos 0.832aaatriangularização,
triangularização,
triangularização,
0.1930 M correspondente
1correspondente
correspondente
aoao aosegundo
segundo
segundo passo
(k =0 2):(k=2):
passo (k=2):
passo
(0.448)
(1.476)
0.832 0.1930 M
0.4164 M 0.7121
1
(0.448)
00 0.002170 − −0.9397
0.3884 MMM 0.7121 L3 ← L3 − (0.002170 /1.476) L2
(0.448)
0.832
(1.476)
0.832 0.1930
0.4164
0.1930 M 1 1
0 0 (1.476) −0.4164
0.002170 0.7121 LL3 3←
0.4164 MM M −0.7121
0.3884 0.9397 − 0.001470 L2 /1.476) L
L3 − (0.002170
0 (1.476) 2
00
Agora 0.002170 − 0.3884 M −0.9397
0.9397, éL
−0.3884a M =−1.476 L −
← ← L −
3 0.001470 (0.002170
L2
−3 (0.002170 /1.476)
L2 L2
o0.002170
novo pivô, 22
L33um L3valor /1.476)
maior e gera
L L−3 − 0.001470
0.001470 L L2
um fator
Agora multiplicativo
o novo pivô, a22 =menor,
1.476 , é0.001470,
um
3
valorque,
maior
2
nesse caso,
e gera
Agora
Agora
sofreu
o novo
o pivô,
novo a
pivô,
arredondamentos
= 1.476, é
=1.476
no
um
sexto, é valor
um maior
valor e gera
maior um
e fator
gera
um fator
Agora o novo 22 1.476
pivô, aa22=menor,
multiplicativo é dígito
, 0.001470, fracionário
um valor que, nessee(quarto
maior caso,
gera
multiplicativo menor, 0.001470,
22
que, nesse caso, sofreu arredon-
um fator
sofreu
um fator multiplicativo
significativo), logo levará
arredondamentos
multiplicativo menor,
no apenas 0.001470,
sexto0.001470,
menor, dígito que,para
essesfracionário
erros
que, nesse
nesse caso,
acaso,
nova
(quarto
damentos no sexto dígito fracionário (quarto significativo), logo
sofreu3apenas
linha
sofreu
levará arredondamentos
gerada,
significativo), conforme
logo levará
arredondamentos
esses erros no
no
para sexto
segue:
apenas
a sexto
nova dígito
esses
dígito
linha fracionário
erros
3 gerada, para
fracionário a (quarto
conforme nova
(quarto
segue:
linha significativo), logo levará
3 gerada,logo
significativo), levará
conforme apenasesses
segue:
apenas esseserroserrospara
paraa anova
nova
(0.448) 0.832 0.1930 M 1
linhalinha 33gerada,
gerada,conforme
conformesegue:
segue:
(0.448) 0 (1.476)
0.832 0.4164 MM 0.7121
0.1930 1
00
(0.448) 0
(0.448) (1.476)
0.832
0.832 −
0.4164
0.1930
0.1930 1 1
−0.9412
0.3893 MMMM 0.7121
0 −0.4164 0.7121
0.4164 MM M −0.7121
00 0
(1.476)
(1.476) 0.3893 0.9412
Agora a nova linha i=3 ficou com valores próximos aos
00 00 −−0.3893
0.3893 M M −− 0.9412
0.9412
Agora
anteriores à eliminação deste passo, ou seja, a linha i=3aos
a nova linha i=3 ficou com valores próximos foi
104 CÁLCULO NUMÉRICO COMPUTACIONAL
No pivotamento
No pivotamento total,
total, ou completo,
ou completo, procuramos
procuramos o elemento
o elemento de maior
de maior
No pivotamento total, ou completo, procuramos o elemento de maior
módulo
introduzidas
módulo entre entre
portodos
todos os elementos
arredondamentos.
os elementos disponíveis
No pivotamento
disponíveis na matriz
na matriz total, decompleto,
ou coeficientes
de coeficientes
módulo
procuramos entre todos
o elemento os
de elementos disponíveis na matriz de coeficientes
promovendo
promovendo trocastrocas demaior
de linhas linhasmódulo
e colunas.
entre todos
e colunas. Para
ParaPara
os elementos
avaliar
avaliar
disponíveis
as consequências
as consequências
promovendo
nadessas
matriz de trocas
coeficientes de linhas
promovendo e colunas.
trocas avaliar
de linhas as consequências
e colunas. Para avaliar
dessas trocas
trocas de de linhas
linhas e e colunas,
colunas, devemos
devemos interpretar
interpretar os os elementos
elementos
asdessas
consequências dessas trocas de linhas e colunas, devemos
trocas de linhas e colunas, devemos interpretar os elementos interpretar os
da matriz
daelementos
matriz expandida
expandida como como
termostermos
das das equações
equações do do sistema,
sistema, assim:
assim:
da matrizdaexpandida
matriz expandida
comocomo termostermos
dasdas equaçõesdo
equações dosistema,
sistema, assim:
assim:
a) a de
a)a) aa troca
trocatroca
de de significa
linhas linhas
linhas significa
apenas
significa apenas
trocar
apenas trocar
atrocar
ordem a ordem
anaordem na na
apresentação
a) aapresentação
troca de linhas significa
das equações; e apenas trocar a ordem na
das equações; edas equações;
apresentação e
apresentação das equações; e
b) a troca de colunas significa trocar a ordem de apresentação
b)b)aa troca
troca
b) adas
de colunas
de
troca
colunas
de
significa
significa
colunas
trocar
trocar
significa aaordem
trocar
ordem
a
deapresentação
de
ordem
apresentação
de das
apresentação
incógnitas incógnitas
do do
sistema.
das incógnitas do sistema.sistema.
das incógnitas do sistema.
Exemplo
Exemplo 2.3: resolva
2.3:resolva
resolva o sistema
o sistema de equações
de equações lineares,
lineares, a seguir,
ausando
seguir,
Exemplo 2.3:
Exemplo 2.3: o sistema
resolva de equações
o sistema lineares,
de equações a seguir,
lineares, pivo-
a seguir,
taçãousando
usandototal, pivotação
pivotação
operações total,
total,
aritméticasoperações
operações
com aritméticas
aritméticas
4 dígitos com com
4
significativos 4arredon-
dígitos
dígitos
e
usando pivotação total, operações aritméticas com 4 dígitos
significativos
damento ponderado.
significativos e arredondamento
e arredondamento ponderado.
ponderado.
significativos e arredondamento ponderado.
0.448 x1 + 0.832
x1 + 0.832 x2 + 0.193
x2 + 0.193 x3 =1x3 =1
0.448
+ + =
0.448 x 0.832
x1 + 0.784
x 0.193
x2 − 0.207
x 1
x3 =
0.421 0
1 2 3
0.421 x1 + 0.784 x2 − 0.207 x3 =0
0.421 x1 + 0.784 x2 − 0.207 x3 =0
−0.319 x1 + 0.884 x2 + 0.279 x3 =0
−0.319
−0.319 x1 + 0.884 x2 + 0.279
x1 + 0.884
x3 =
x2 + 0.279
0
x3 = 0
Solução:
Solução:
Solução:
Solução:
Na forma
Naforma
forma de matriz expandida, temos:
Na Na dede
forma matriz
matriz expandida,
expandida,
de matriz temos:
temos:
expandida, temos:
0.448
0.448 0.8320.832
0.1930.193
M 1 M 1
0.448
= 0.421 0.832 0.193
−0.207 M 10
A = A0.421
0.7840.784
−0.207 M 0 M
A = − 0.421 0.784 −0.279
0.207 MM 00
0.319
−0.319 0.8840.884
0.279 M 0
−0.319 0.884 0.279 M 0
Primeiro
Primeiro passo:
passo: na pivotação
na pivotação total,
total, correspondente
correspondente ao primeiro
ao primeiro
Primeiro passo: na pivotação total, correspondente ao primeiro
pivô
Primeiro
pivôpivô
(k=1): (k=1):na pivotação total, correspondente ao primeiro pivô (k = 1):
passo:
(k=1):
a) Buscamos
a)a) Buscamos
Buscamos oomaioro maior
módulo
maior módulo
móduloentre entre
todos
entre todos os da
os elementos
todos elementos
da deda
matriz
os elementos
a) Buscamos
coeficientes:
matriz o maior módulo
de coeficientes: entre todos os elementos da
matriz de coeficientes:
matriz de coeficientes:
j =2j =2
j=2
0.448 0.4480.8320.832 M 1M 1
0.1930.193
0.421 0.448
0.421 0.832
0.784 0.193
−0.207 M 0
M 1
−
0.207 MM 00
0.784 0.207 M 0
0.421
3 − 0.784 −0.279
i 3=
= i−0.319 0.319
0.8840.884
0.279 M 0
i 3 −0.319 0.884 0.279 M 0
=
x1 x1 x x2 x3 x 3
x1 2 x2 x3
(o coeficiente
(o coeficiente de maior
de maior módulo móduloestá está na coluna
na coluna 2 elinha
j = 2 ej =na na linha
(o coeficiente de maior módulo está na coluna j = 2 e na linha
i = 3, iem em negrito).
= 3,negrito).
utacional
utacional CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 107
b) Efetuamos
b) Efetuamos aa troca
trocade
delinhas
linhaseecolunas:
colunas:
0.448 0.832 0.193 M 1 L11 ← L33
0.421 0.784 −0.207 M 0
−0.319 0.884 0.279 M 0 L33 ← L11
x11 x22 x33
C11 C22
↑ ↑
C22 C11
com LL333eevice-versa,
Trocamos aa linha L11 com
1
colunaCC11 1com
vice-versa, eeaacoluna comCC22 2 e
evice-versa.
vice-versa.
c) Geramos
c) Geramos aa matriz
matrizpivotada:
pivotada:
Note que,nono
Note que, processo
processo de pivotamento
de pivotamento total, adeordem
total, a ordem de
apresentação
das incógnitas x
apresentação dasi
envolvidas foi alterada para
incógnitas xi envolvidas foi x , x e x
2 alterada
1 3
. para
i
x2 , x1 e x3 .
2 1 3
0.884 −
0.884 −0.319
0.319 0.279
0.279 0
MM 0
0
0 0.7039
0.7039 −
−0.4544 M 0
0.4544 M 0
x2 x1 x3
Note que, no processo de pivotamento total, a ordem de
108 Note que, no das
apresentação processo de pivotamento
incógnitas xi envolvidastotal, a COMPUTACIONAL
ordem para
foi alterada
CÁLCULO NUMÉRICO
de
xapresentação
2
, x1 e x3 . das incógnitas xi envolvidas foi alterada para
x2 , x1 e x3 .
Segundopasso:
Segundo passo:nono processo
processo de triangularização,
de triangularização, correspondente
correspondente ao primeiro
Segundo
passo
ao passo:
(k = 1),
primeiro no processo
temos:
passo de triangularização, correspondente
(k=1), temos:
ao primeiro passo (k=1), temos:
0.884 −0.319 0.279 M 0
0.784
0.884 −0.319 0.279 M 0
0.421 −0.207 M 0 L2 ← L2 − (0.784 / 0.884) L1 ⇒ L2 ← L2 − 0.8869 L1
0.784 0.421 −0.207 M 0 L2 ← L2 − (0.784 / 0.884) L1 ⇒ L2 ← L2 − 0.8869 L1
0.832 0.448 0.193 M 1 L3 ← L3 − (0.832 / 0.884) L1 ⇒ L3 ← L3 − 0.9412 L1
0.832 0.448 0.193 M 1
x2 x1 x3
L3 ← L3 − (0.832 / 0.884) L1 ⇒ L3 ← L3 − 0.9412 L1
x2 x1 x3
0.884 −0.319 0.279 M 0
Capítulo 2 – Solução Computacional de Sistemas de Equ
0.884 −0.319 0.279 M 0
0 0 0.7039 − 0.4544 M 0
0.7039 −0.4544 M 0 Capítulo 2 – Solução Computacional de Sistemas
0 0.7482 −0.06959 M 1
0 0.7482 −0.06959 M 1
x2 x1 x3
Terceiro
x2 passo:
x1 na
x3 pivotação total, correspondente ao segundo
pivô Terceiro
(k=2): passo: na pivotação total, correspondente ao segundo
pivôpasso:
Terceiro (k=2):na pivotação total, correspondente ao segundo pivô (k = 2):
a) Buscamos o maior módulo entre os elementos da matriz, a
a) Buscamos
partir
a) Buscamos da segunda
o maioro maior
linha
módulo emódulo
segunda
entre osentre os elementos
coluna:
elementos da amatriz,
da matriz, partir a
partir da
da segunda 2 segunda
j =linha e segundalinha e segunda coluna:
coluna:
0.884 −0.319j = 2 0.279 M 0
0 0.884 0.7039 −0.319−0.4544 0.279M 0 M 0
i = 3 0 00.7482 0.7039
−0.06959−0.4544M 1 M 0
i = x3 0 x 0.7482 x −0.06959 M 1
2 1 3
x2 x1 x3
(elemento de maior módulo localizado na coluna j=2 e linha
(elemento de maior módulo localizado na coluna j = 2 e linha i = 3).
i=3). (elemento de maior módulo localizado na coluna j=2 e linha
i=3).
b)
b) Efetuamos
Efetuamos somente
somente troca de
de linhas,
linhas, uma
uma vez
vez que,
que,na
nacoluna,
coluna, a
matriz
a matrizjá já
está
b) Efetuamos naturalmente
está pivotada:
somente troca
naturalmente de linhas, uma vez que, na coluna,
pivotada:
a matriz já está naturalmente pivotada:
0.884 −0.319 0.279 M 0
0 0.884 −0.319
0.7039 −0.4544 M 0 M L20 ← L3
0.279
L ←L
0 00.74820.7039 −0.4544
−0.06959 M 1 M L30← 22 3
c) 0.884 −a0.319
c) Geramos
Geramos amatriz 0.279
matrizpivotada:M 0
pivotada:
0 0.7482 −0.06959 M 1
0.884
0.884 −−0.319 0.279 M M0 0
0.319 0.279
00 0.7039 −0.4544 M 0
0x 0.74820.7482 −0.06959
−0.06959M M1 1
x1 x3
00 2 0.7039 −
0.7039 0.4544
−0.4544 M M0 0
Quarto passo: xx2 no xprocesso
2 1x1 x3xde triangularização, correspondente
3
Quarto passo:
ao segundo
Quarto passo: no processo
passo
no (k=2),de
processo detriangularização,
temos:
triangularização, correspondente
correspondente ao segundo
Quarto passo: no
passo (k = 2), temos: processo de triangularização, correspondente
ao
ao segundo
segundo
0.884 passo
−0.319passo(k=2),
(k=2),temos:
0.279 temos:
M 0
0
0.884 0.319 −0.279
−0.7482 0.06959 M M 01
0.884 −0.319 0.279 M 0
0
0 −0.4544 M M 1 0 L3 ← L3 − (0.7039 / 0.7482) L2
0.7039 −0.06959
0.7482
0.7482 −0.06959 M 1
0x −0.4544 M 0 L3L← ←L L− −
0 2 0.7039x1
0.7039 −
x3
0.4544
(0.7039
0.9408/ L0.7482) L2
M 0 L33 ←3 L33 − (0.70392/ 0.7482) L2
x2
0.884 x1
−0.319 x3
0.279 M 0L3 ← L3 − 0.9408L2
x2
0.884 x1 x3 L3 ← L3 − 0.9408L2
0 −0.7482
0.319 0.06959 M M 0 1
−0.279
0.884 −0.319 0.279 M
−0.06959 1
0
00 0.7482
0 −0.3889 M M −0.9408
00x 0.7482
0x −−0.3889 1
0.06959 M M −0.9408
x3
0 2 01 −0.3889 M −0.9408
utacional x2 x1 x3
mputacional x2 x1 x3
3
Quinto passo:
Quinto passo: nono processo
processo de retrosubstituição,
de retrossubstituição, temos:temos:
Quinto passo: no processo de retrosubstituição, temos:
0.884 −0.319 0.279 M 0
−0.319
0.884 0.279 M
−
0
00 0.7482 0.06959
0.7482 −0.06959 M M 1 1
00 00 −0.3889M −M0.9408
−0.3889
−0.9408
xx22 x1x1 x3 x3
Retornando à àforma
Retornando formadede
equações
equações(note a nova
(note ordem
a nova das das
ordem
incógnitas): à forma de equações (note a nova ordem das incógnitas):
incógnitas):
Retornando
0.884 x − 0.319 x + 0.279 x =
0
0.884 x22 − 0.3191 x1 + 0.279 3
x3 = 0
0 x2 + 0.7482 x1 − 0.06959 x3 = 1
0 x + 0.7482 x1 − 0.06959 x3 = 1
0 x22 + 0 x1 − 0.3889 x3 = − 0.9408
0
x2 + 0 x1 − 0.3889 x3 = − 0.9408
x3 = – 0.9408/(–0.3889) x3 = 2.419
xx3 == (1
– 0.9408/(–0.3889)
+ 0.06959 x ) / 0.7482 x3 = 2.419
x1 = 1.561
1 3
xx1 == (0
(1 ++0.319
0.06959 ) / 0.7482
x – x0.279
3 x ) / 0.884 x1 = 1.561
x2 = –0.2002
2 1 3
x2 = (0 + 0.319 x1 – 0.279 x3) / 0.884 2
x = –0.2002
Neste ponto, precisamos reordenar a solução sabendo que a
incógnitas):
incógnitas):
incógnitas):
incógnitas):
0.884 x2 − 0.319 x1 + 0.279 x3 = 0
1100.884 −−0.319 + + 0.279 =
= CÁLCULO NUMÉRICO COMPUTACIONAL
0 x2 0.884
0.884 xxx − 0.319
0.319
+ 0.748222x21 − 0.06959 xxx +
111 x3 = 1 xx3x33=
0.279
0.279 000
0 x + 0000xxx2x212
+++0.7482
0.7482
0.7482
− xx1x11−x−−30.06959
0.3889 0.06959
0.06959
= =
=
xx3x33=
− 0.9408 111
2
000xx2x22+++ 000xx1x11 −−−0.3889
0.3889
0.3889xx3x33==
= −−−0.9408
0.9408
0.9408
x = – 0.9408/(–0.3889) x = 2.419
3 x3 = – 0.9408/(–0.3889) x3 3= 2.419
x1 = (1 +x xx ===––– 0.9408/(–0.3889)
0.9408/(–0.3889)
0.9408/(–0.3889) 1.561xx3x33===2.419 2.419
2.419
x10.06959
3= x3) / 0.7482
33 (1 + 0.06959 x3) / 0.7482 x1x1= =1.561
x2 = (0 + x11==(0
xx2x0.319
1=
(1
=(1(1 ++0.06959
–0.06959
0.06959
+x+0.319
0.279 xx3)x)33)/)/0.884
x1 –x0.279 //0.7482
0.7482
x0.7482
) / 0.884 x2x2= =–0.2002 –0.2002 xx1x11===1.561
1.561
1.561
1 3 3
xx2x22===(0
(0
(0+++0.319
0.319
0.319xx1x11–––0.279 0.279
0.279xx3x)33))///0.884
0.884
0.884 xx2x22===–0.2002
–0.2002
–0.2002
Neste ponto, precisamos reordenar a solução sabendo que a
Neste
Neste ponto, precisamos
ponto, precisamos reordenar a solução
reordenar sabendosabendo que a ordem queaadas
ordem das Neste
Neste ponto,
ponto,
incógnitas precisamos
precisamos
obtidas reordenar
reordenar
na retrosubstituição aaasolução
solução
soluçãoé {x2 , xsabendo sabendo
, x3}, queque a
incógnitas obtidas na retrossubstituição é {x2, x1, x3}, enquanto
1 a solução
ordem
ordem
ordem das
das incógnitas
das incógnitas obtidas obtidas xna
na xretrosubstituição
retrosubstituição ééé{x{x },
{x22,2,x, x1x1,1,x, x3x},
33},
enquanto
ordenada é S =incógnitas
a solução {x1, x2, x3} =éobtidas
ordenada na
S = {x1,–0.2002,
{1.561, 2
, retrosubstituição
3
} = 2.419}.
{1.561, –0.2002,
enquanto
enquantoaaasolução
2.419}. enquanto solução
soluçãoordenada ordenada
ordenadaéééSSS==={x {x1,11,x, x2x,22,x, x3x}33}}==={1.561,
{x {1.561, –0.2002,
{1.561,–0.2002, –0.2002,
resíduos R = [A S – B] dessa solução são:
Os2.419}.
2.419}.
2.419}. *
Os resíduos =( R A * S − B ) dessa solução são:
OsOs resíduos
Osresíduos
resíduos ==(=((RRR AAA**S*SS−−−BBB)))dessa dessa solução
dessasoluçãosoluçãosão: são:
são:
=
R1 | 0.448 x1 + 0.832 x2 + 0.193x3 − 1= | 0.0005
=
R2 =
|==
RRR
0.421
111 x1| |+|0.448
0.448
0.448xx1x1x1+2++−0.832
0.784 0.832xxx2x232++−+0.193
0.832
0.207 | xx3x33−
0.193
00.193
= −−1=
1=
1=
0.0003 | || 0.0005
0.0005
0.0005
−=
R3 =| =R=
RR222 x|1||+0.421
0.319 0.421xx1xx11+2+++0.784
0.421
0.884 0.784xxx2x322−−−−0.207
0.784
0.279 00.207 −=
3−− 0=
xx3x30.0003
0.207
| = 0=
0| || 0.0003
0.0003
0.0003
R333 =| −Erro RR =
=||−−0.319
0.319xx ++0.884
0.884xx ++0.279
0.279xx −−00 || =
=
= x| 1S11+–0.884 22+ 0.279 x 333− 0 | =
0.319 0.0003
0.0003 0.0003
E os erros estimados, Sexato x|,2obtidos foram:
E os erros estimados, Erro =Erro [ S –==S||exato ], obtidos foram: foram:
EEEos
os erros
oserros
erros estimados,
estimados,
estimados, Erro
Erro = | SSS–––SSSexato |,|, obtidos
obtidos foram:
exato|, obtidos foram:
exato
Erro x1 =| 1.561 − 1.561414494051471 | =0.000414494051471 ≅ 0.0004
Erro x2 =Erro
−Erro
| Erro xx1x11==|=−|| (1.561
0.2002 −
1.561
1.561 | = −0.000318235975219
−−−1.561414494051471
0.199881764024781)
1.561414494051471
1.561414494051471 | || === ≅ 0.0003 ≅≅≅0.0004
0.000414494051471
0.000414494051471
0.000414494051471 0.0004
0.0004
Erro x3 =Erro
| Erro
2.419
Erroxxx22== −
|=|−|−− 2.418590333334500 | = 0.000590333334500
0.2002−−−((−(−0.199881764024781)
0.2002
0.2002 ≅ 0. 0006
0.199881764024781)| || ===−−0.000318235975219
−0.199881764024781) 0.000318235975219≅≅≅0.0003
−0.000318235975219 0.0003
0.0003
2
Erroxx3x33==|=|| 2.419
Erro
Erro 2.419 −−−2.418590333334500
2.419 2.418590333334500
2.418590333334500| || = =
= 0.000590333334500≅≅≅0.0.
0.000590333334500
0.000590333334500 0.0006
0006
0006
Os resultados obtidos com pivotação total no Exemplo 2.3
são equivalentes Os aos resultados
obtidosobtidos
com com pivotação
pivotação parcial total
no no Exemplo
Exemplo 2.2, 2.3 são
OsOs resultados
Osresultados
resultados obtidos
obtidos
obtidos com pivotação
compivotação
com pivotação total no
totalno
total Exemplo
noExemplo
Exemplo2.3 2.3
2.3
equivalentes
considerando os aos obtidos
resíduos e os comestimados.
erros pivotação parcial no Exemplo 2.2,
Estatisticamente, considerando
temos
são
são
os equivalentes
sãoresíduos
equivalentes
equivalentes aos
aos
e os erros obtidos
aosobtidos
obtidoscom
estimados. com
com pivotação
pivotação
Estatisticamente,parcial
pivotaçãoparcial
parcial
temos no
no
no Exemplo
Exemplo
Exemplo
poucos 2.2,
2.2,
tipos2.2,
de
poucos considerando
tipos de
considerando
considerando sistemas
os
os que
resíduos
resíduos
os resíduos tême
e solução
os
os erros
erros melhor
estimados.
estimados.
e os erros estimados. com pivotação
Estatisticamente,
Estatisticamente,
Estatisticamente, temos
temos
temos
sistemas que têm solução significativamente melhor com pivotação total em
total empoucos
relação
poucosà tipos
relação à sua
tipos solução
de
de sistemas
sua solução com
sistemas pivotação
que têm
que têm
com pivotação parcial.
solução melhor com pivotação
solução melhor com pivotação
parcial.
poucos tipos de sistemas que têm solução melhor com pivotação
total em
totalem
total relação
relaçãoàààsua
emrelação sua solução
suasolução com
soluçãocom pivotação
compivotação parcial.
pivotaçãoparcial.
parcial.
2.1.1.3 Quantitativo de soluções de A * X = B
tornar Já
nulo
umantes, ainda
sistema dentro do
impossível dealgoritmo
resolver sedecomporta
eliminação.
conforme
o exemplo
Já umaJásistema
seguir: impossível de resolver se comporta conforme
um sistema impossível de resolver se comporta conforme o exemplo
o exemplo a seguir:
a seguir:
0.448 x1 + 0.832 x2 + 0.193 x3 = 1
0.448xx11 +
0.421 0.832xx22 −
+ 0.784 0.193xx33 =
+ 0.207 10
=
0.421x + 0.784 x − 0.207 x = 50
0.421x11 + 0.784 x22 − 0.207 x33 =
0
0.421x + 0.784 x − 0.207 x = 50
difere
(L3 1
de L2 somente
2
pelo
3
termo independente)
(L3 difere
(L3 diferededeL2L2
somente
somente pelopelo
termo independente)
termo independente)
Se aplicarmos a eliminação gaussiana, chegaremos à seguinte
matrizSe
expandida:
Se aplicarmos
aplicarmos a eliminação
a eliminação gaussiana,chegaremos
gaussiana, chegaremos à seguinte
seguinte matriz
matrizexpandida:
expandida:
0.448 0.832 0.193 M 1
0 −0.193
0.3884 M −0.9397
0.448 0.002170
0.832 1
0
0
0.002170 −0.3884
0 0.9397
M −49.0603
0 0 0 M 49.0603
(usando aritmética exata em i=3)
(usando aritmética exata
(usando i = 3)
emem
Observearitmética exata
que a terceira i=3) ou equação, foi parcialmente
linha,
eliminada no
Observepasso
que que
Observe amas
k=2,
a terceiraficou com
linha,
terceira linha, ouum
ou valor foi
equação,
equação, não
foinulo no termo
parcialmente
parcialmente eliminada
independente:
eliminada no passo
no passo k = 2, k=2, mas ficou
mas ficou com um com umnão
valor valor não
nulo nonulo
termonoindependente:
termo
independente:
0.448 x1 + 0.832 x2 + 0.193 x3 = 1
0
x1 + 0.002170
0.448 x1 + 0.832xx22 −+0.3884 =
1−0.9397
0.193 xx33 =
0 x + 0 x + 0 x =
0 x11+ 0.002170
2 x3 2 −49.0603
0.3884 x3 = −0.9397
0 x + 0 x + 0 x = 49.0603
1
Lembre-se que o algoritmo da função retrosubstituição também
2 3
Lembre-se de que o algoritmo da função retrossubstituição também deve
deve levar
levar emconta
em
Lembre-se queessa
conta possibilidade
o algoritmo
essa da de
possibilidade de
ter ter
função o coeficiente da diagonal
retrosubstituição
o coeficiente também
da diagonal principal da
principal
deve levar da
em
última última
conta
linha linha numericamente
essa possibilidade
numericamente nulo,
de ter
nulo, enquanto oenquanto
o coeficiente o seu
da termo é não
diagonal
seu termo independente
nulo.
independente
principal daPortanto,
última anulo.
última
é nãolinha equação desse
Portanto,
numericamente sistema
a última é impossível
nulo,equação
enquanto desse de
o seu ser satisfeita,
sistema
termo
pois nãode
éindependente
impossível possui
ser solução,
é não ou seja,
satisfeita, poisuma
nulo. Portanto, não das equações
possui
a última do sistema
solução,
equação é “inconsistente”.
ou seja,
desse uma
sistema
Nesse caso, o algoritmo não tem como tratar um sistema inconsistente. Como
é impossível de ser satisfeita, pois não possui solução, ou seja, uma
alternativa, podemos apenas interromper o algoritmo, ou atribuir um valor NaN 3
(Not a Number) para o vetor solução, indicando solução como conjunto vazio.
3
O símbolo IEEE NaN é um resultado para operações indefinidas como (Inf - Inf), (0/0) e para quaisquer
operações envolvendo NaN.
114 CÁLCULO NUMÉRICO COMPUTACIONAL
Nos algoritmos exemplos deste livro, usamos principalmente o software livre GNU Octave,
compatível com MathLab®, disponível em: <https://www.gnu.org/software/octave/>.
( A I * XA)=X−1A= A* B * B
( I ()IX)( X=) =A−A1 * B* −B1
nto, podemos ( IX)−X1=−obter
1=
A−A 1
* Bo vetor de incógnitas X apenas
*B
X X= = A A* B* B–1
do a matriz inversa X = AA −1 pelo vetor de termos independentes
*B
de podemos
odemos
um obter
método obter o o
vetor
eficiente vetor de incógnitas
deincógnitas
quando incógnitas
dispomos Xdaapenas
apenas
inversa da
demos obter o –1vetor de Portanto, podemos obter X Xapenas
o vetor de incógnitas X apenas multiplicando
matriz
podemos
triz
so inversa
inversa
contrário, aA A A
obter
matriz pelo
teremos
–1 pelo
ovetor
inversa vetor
vetor
odeA –1
de
custo de
de
pelo termos
incógnitas
termosvetor
adicional independentes
de termos X apenas
independentes independentes B. Trata-se de um
da determinação
iz inversa –1
pelo vetor termos independentes
m método
matriz
método método
inversa eficiente
eficiente eficiente
Aquando
–1 quando
pelo
quando quando
vetor dispomos
dispomos
de termos
dispomos da da inversa
inversa
independentes dada matriz A; caso contrário,
étodo eficiente dispomos dada inversa
inversa dada
ontrário,
m método teremos
teremos oocusto
custo adicional
adicional da da
determinação
determinação dadainversa.
rário,
mos
ário, teremos
obter
teremos aeficiente
matrizo custo
oPodemos
custo quando
inversa adicional
adicional de dispomos
A de
da davárias damaneiras.
determinação inversa
determinação
obter a matriz inversa de A de várias Aqui,maneiras. Aqui, vamos
ontrário,
o próprio teremos o custo adicional da determinação
usarmétodo
o própriodemétodo escalonamento
de escalonamento de Gauss-Jordan
de Gauss-Jordan aplicado à matriz
obter aaumentada
matriz inversa AAde A],,de várias maneiras. Aqui,
rter
matriz a matriz
a matriz inversa
aumentada
inversa de[de MA Ide
de várias
conforme
conforme
várias maneiras.
o oExemplo
maneiras. ExemploAqui,
Aqui, 2.4.2.4.
róprio
obter
prio a método
matriz
métododedeescalonamento de
inversa escalonamento
de A de várias
escalonamentodedeGauss-Jordan de Gauss-Jordan
maneiras.
Gauss-Jordan Aqui,
io método
z aumentada
róprio método [ A I ] , conforme o Exemplo 2.4.2.4.
IMde escalonamento de Gauss-Jordan
2.4: resolva M
aumentada
mentada [ A[oAM sistema de equações
, conforme
]I, ]conforme lineares,
o Exemplo
o Exemplo 2.4. a seguir,
izmétodo
aumentada [ A M I ] ,de
da inversão conforme
matrizes. o Exemplo 2.4.
Utilize o processo
resolva
solva
amento o
o sistemasistema
parcialdepara de de equações
equações lineares,
lineares,
evitarlineares,
pivôs nulos a seguir,
a seguir,
e diminuir o
lva o sistema equações a seguir,
doodo
resolva
deda da inversão
o sistema de de matrizes.
equações
inversão de matrizes. Utilize o processo
arredondamentos. Utilize
lineares, o processo
a seguir,
vamos usar o próprio método de escalonamento de Gauss-Jordan
aplicado à matrizde
No método aumentada
inversão de M I ] , conforme
[ Amatrizes, o Exemplo
multiplicamos 2.4.
o sistema
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL
A * X = B pela matriz inversa A de A: –1 DE SISTEMAS DE EQUAÇÕES LINEARES 117
Exemplo 2.4: resolva o sistema de equações lineares, a seguir,
usando A−1 ( A * X ) de −1
( B)
= Amatrizes.
Exemploo2.4: método
resolvadao inversão
sistema de equações Utilize
lineares, o processo
a seguir, usando o
de pivotamento parcial para evitar pivôs nulos e diminuir
método da inversão de matrizes. Utilize o processo de pivotamento parcial o
Utilizando a associatividade do produto matricial, o sistema
acúmulo
para evitarde arredondamentos.
pivôs nulos e diminuir o acúmulo de arredondamentos.
resulta em:
3 x1 + 1.5 x2 + 4.75 x3 = 8
7 ( A * A) X = A * B
−1 −1
4 x1 + 2 x2 + 3 x3 =
2 x + 5 x + 3x = −12 ( I ) X = A * B
−1
1 2 3
Solução: X = A−1 * B
utacional Solução:
utacional Agora,
Agora, adotamosoperações
adotamos operaçõesaritméticas
aritméticascom com4 4dígitos
dígitossignificativos
significativos e arre-
Portanto, podemos obter o vetor de incógnitas X apenas
edondamento
arredondamento ponderado. ponderado.
Assim, na Assim,
formana forma matricial,
matricial, temos: temos:
multiplicando a matriz inversa A–1 pelo vetor de termos independentes
B. Trata-se
3 1.5 de4.75 um método
x1 eficiente
8 quando dispomos da inversa da
3 1.5 4.75 x1 8
= teremos
matriz4 A;2caso 3contrário,
** xx2 = 7 o custo adicional da determinação
4 2 3 2 7
da inversa.
2 5 3 x3 −12
2 5 3 x3 −12
Podemos
Para a geração obter da amatriz
matrizinversa
inversa de de A,
A de várias maneiras.
adotamos um método Aqui,
vamosPara a
usargeração
o próprio da matriz
método inversa
de de A, adotamos
escalonamento um método
Para
prático a geração da matriz
clássico: geramos inversa de A,
a matriz adotamos
aumentada AdeM IGauss-Jordan
um[método ] prático clássico:
composta
prático
aplicado
geramos clássico:
à matriz
a matriz geramos
aumentada
aumentadacoma matriz aumentada
] ,composta
conforme
[ A aM Imatriz [oAmatriz
da Exemplo composta
M II] da 2.4.
A mesma
concatenada
da matriz A concatenada identidade
com a matriz
da matriz identidade I dacom
A concatenada mesma de A:
ordemidentidade
a matriz I da mesma
ordem de A:
ordem de2.4:
Exemplo A: resolva o sistema de equações lineares, a seguir,
3 15 . 4.75 M 1 0 0
usando
3 15 . o4método
.75 M 1 da 0 inversão
0 de matrizes. Utilize o processo
4 2 3 M 0 1 0
pivotamento parcial para evitar pivôs nulos e diminuir o
de
42 5
2 3 M 0 1 0
3 M 0 0 1
acúmulo
2 5 de 3 arredondamentos.
M 0 0 1
Através
Através
Através
de
3 x1 + 1.5de
de
+operações
x2 operações
4.75 x3 =
operações
8elementares
elementares
elementares
sobre
sobre linhas,
linhas,
sobre
transformamos
transformamos
linhas, transformamos
a matriz
A
a4matriz
na A
matriz na matriz
identidade identidade
I, e I, e consequentemente
consequentemente a matriz a matriz
identidade inicial
x1 + 2 xA2 na
a matriz + 3matriz
x3 = 7 identidade I, e consequentemente a matriz
transforma-se
identidade inicial na inversa A . Trata-se
–1
transforma-se de um procedimento
na inversa A . Trata-se de
–1 análogo
um ao
2 x1 é+ utilizado
que
identidade5 x2 +inicial=
3 x3no −12
transforma-se
método de na inversamas,
Gauss-Jordan, A–1. nesse
Trata-se deestendido
caso, um
procedimento análogo ao que utilizamos no método de Gauss-
para 2n colunas.análogo ao que utilizamos no método de Gauss-
procedimento
Solução:
Jordan, mas, nesse caso, estendido para 2n colunas.
Jordan,
Agora, mas, nesse
adotamos caso, estendido
operações aritméticaspara colunas.
com 42ndígitos–1 significativos
A seguir, vamos apresentar os passos para a obtenção de A .
e arredondamento ponderado. Assim, na forma matricial, temos:
A seguir, vamos apresentar os passos para a obtenção de A–1.
A seguir, vamos apresentar os passos para a obtenção de A–1.
Primeiro
Primeiro passo: utilizando
passo: utilizando o método deopivotação
métodoparcial,
de pivotação parcial,
correspondente
aoPrimeiro passo:
correspondente
primeiro pivô utilizando
(k = 1): o método
ao primeiro de pivotação parcial,
pivô (k=1):
correspondente ao primeiro pivô (k=1):
a) Buscamos
a) Buscamos o maioromódulo
maior módulo daj coluna
da coluna = 1: j=1:
a) Buscamos
j = 1 o maior módulo da coluna j=1:
j = 1 3 1.5 4.75 M 1 0 0
i =3 2 (4)
1.5 4.75
2 M 31 M0 0 0 1 0
i = 2 (4) 22
53 M 30 M1 0 0 0 1
2
(elemento M 0 0 1 da coluna j=1 está na segunda linha i=2)
5 de3maior
(elemento de maior módulo
módulo da coluna j = 1 está na linha i = 2)
(elemento de maior módulo da coluna j=1 está na segunda linha i=2)
b) Trocamos linhas:
b) b)
Trocamos
Trocamos linhas:
linhas:
4.75 M 1 0 0 L1 ← L2
3 1.5
3 (4)1.5 4.75
2 LL ← L
M 31 M0 0 0 1 L1 0←
(4) 2 22 1
2 53 M 30 M1 0 0 0 L2 1← L1
2 (troca
5 da3linha 0 1L 2 e vice-versa) Capítulo
M 0L1 com 2 – Solução
Capítulo Computacional
2 – Solução de Sistemas
Computacional de de
de Sistemas Equ
Capítulo 2 – Solução Computacional de Sistemas de Equ
(troca da linha L com L e vice-versa)
(troca da linha L 1 com L 2 e vice-versa)
1 2
c)
c) Geramos
c)
c) Geramos
Geramos aaa matriz
Geramos matriz pivotada:
a matriz
matriz pivotada:
pivotada:
pivotada:
4 4 2 2 3 3M 0M 01 10
4 2 3 M 0 1 0 0
3 15
.
3
3 15 . 4.75
15
. 4. MM 1
4.75
75 1M 10
0 00
0 0
2 2 5 5 3 3M 0M 00 01
2 5 3 M 0 0 1 1
Segundo
Segundo
Segundo passo:
passo: no
passo: processo
nono processo
processo de normalização
dede normalização
normalização do primeiro
dodo primeiro
primeiro pivô
pivô
pivô
Segundo
(k=1), passo:
temos:no processo de normalização do primeiro pivô (k = 1), temos:
temos:
(k=1),
(k=1), temos:
4 4 4 2
2 2 3 3 3 MM 0 0M 01
1 100 0L ←
L11 L
←1 ←
L // 14
L11 L 4/ 4
3 31.51.54.75
3 1.5 4.75 4.75 MM 11M 10
0 000 0
2 2 5 5 3 3 M 0M
2 5 3 M 0 00
0 011 1
1 10.50.50.75 M 0M 00
1 0.5 0.75 M 0
0.75 0..25
0.250
25 0 0
3 315.. 15
. 4
3 15 4..75
4.75
75 MM 11M 1 0 0 0 0 0 0
2
2 2 5
5 5 3 3 3 MM 0 0M 0 0 0 0 1 1 1
Terceiro
Terceiro passo:
Terceiro
passo: no
passo: processo
nono processo
processo de diagonalização,
dede correspondente
diagonalização,
diagonalização, correspondente
correspondente
ao primeiro
aoao
primeiro passo
primeiro passo
passo (k=1), temos:
(k=1),
(k=1), temos:
temos:
1
1 10.5
0.50.50.75 MM 0
0.75
0.75 0M 00.25 0 0
0.250
0.25
2 5 3 M 0 0 1
1 0.5 0.75 M 0 0.25 0
1 0.5 30.7515
1 0.5 0.75. MM 0 0.25
04.75
0.25M 10
0 0 0
CAPÍTULO
3 15 . 2–24SOLUÇÃO
.755M 1COMPUTACIONAL
0 DE SISTEMAS DE EQUAÇÕES LINEARES 119
3 15
. 4 .75 M 1 3 00 M 00
0 1
2 5
2 5 Terceiro
3 M 0
3 M 0passo:
0 1
0 no1processo de diagonalização, correspondente
Terceiroao
Terceiro passo:
passo: nono
primeiro processo
processo de diagonalização,
passode(k=1),
diagonalização, correspondente
temos: correspondente ao primeiro
Terceiro passo: no processo de diagonalização, correspondente
passo (k = 1), passo
ao primeiro temos: (k=1), temos:
ao primeiro
1 0.5passo (k=1),
0.75 M 0 temos:
0.25 0
1 0.5 30.75 0 L2 ← L2 − 3 L1
1.5MM 0 0 0
0.25
M 10
1 0.5 0.75 04.75
0.25
3 1.5 24.755 M 1 3 0M 0 0 L02 ← 1L2 L− 3← L
3 1.5 4.75 M 1 0 0 L2 ← L2 −33 L11 L3 − 2 L1
2 5 3 M 0 0 1 L3 ← L3 − 2 L1
2 5 1 3 0.5M 00.750M 0 1 0.25
L3 ← L30− 2 L1
1
0−0.75 0
0.5 00.750 M 0 2.50.25 M 1 0
1 0.5 0.75 M 0 0.25
0 0 0 2.54 M 11.5−0.75
0 0 2.5 M 1 −0.75 M 0 0 0−0.5 1
0 4 1.5 M 0 −0.5 1
0 4 Quarto 0 −0.5
1.5 Mpasso: 1
na pivotação parcial, correspondente ao segundo
Quarto pivô
passo: na pivotação parcial, correspondente ao segundo
(k=2):
Quarto passo: na pivotação parcial, correspondente ao segundo
Quarto
pivô passo: na pivotação parcial, correspondente ao segundo pivô (k = 2):
(k=2):
pivô (k=2): a) Buscamos o maior módulo da coluna k=2 (a partir da segunda
a)
a) Buscamos
Buscamos oomaior
maior
linha, módulo
poismódulo dada
a primeiracoluna k =k=2
coluna
linha 2 (a
já partir
(a
foi dada
partir segunda
utilizada linha, de
segunda
no processo
a) pois
Buscamos o maior módulo da coluna k=2 (a partir da segunda
linha,a primeira linha já foi
pois a primeira
eliminação):
utilizada
linha já foi no processo
utilizada node eliminação):
processo de
linha, pois a primeira linha já foi utilizada no processo de
eliminação): =
eliminação): 2
j
j = 21 0.5 0.75 M 0 0.25 0
j=2
1 0.5 0.75 M 0 0.25
1 0.5 00.750 M 0 2.50.25 M 1 00−0.75 0
0 2.5 M 1 −0.75
0−0.5 1
0 M 0 0
mputacional
0 i =03 02.5(4)M 1 1.5−0.75
i = 3 0 (o(4) 1.5 de
elemento M 0maior 1 da coluna j=2 está na linha i=3).
−0.5módulo
i = 3 0 (o(4) 1.5 de
elemento −0.5
M 0maior 1 da coluna j = 2 está na linha i = 3).
módulo
omputacional (o elemento de maior módulo da coluna j=2 está na linha i=3).
(o elemento de maior módulo da coluna j=2 está na linha i=3).
b) b) Trocamos
Trocamos linhas:
linhas:
b)
1Trocamos
0.5 0.75 linhas:
M 0 0.25 0 (troca da linha
0 0 2.5 M 1 −0.75 0 L2 ← L3 L2 com L3 e vice-
1 0.5 0.75 (troca da linha
0 (4) 1.5 M 0 −0.5 1 L3 ← L2
M 0 0.25 0
versa)
2.5 M 1 −0.75 0 L2 ← L3 L2 com L3 e vice-
0 0
(troca
c) da linha
0Geramos
(4) LM2 com
a matriz
1.5 −L0.5
e vice-versa)
0 pivotada:
3 1 L3 ← L2 versa)
1Geramos
c)
0.5 0.75 M 0 0.25 0
c) Geramos a matriz pivotada:
a matriz pivotada:
1.5 M 0 −0.5 1
0 4
1
0 0 0 .5 02..75 75 00
5 MM10 −00..25
0 4 1.5 M 0 −0.5 1
0Note
0
que2a.5pivotação parcial eliminou um pivô nulo.
M 1 −0.75 0
11 0
0..5
5 0
0..75
75 MM 0 0.25 0
1 0.5 00.75 M 0
0 0.25
0.25 0
0
0 0 11 0..375
375 MM 00 −
−0 125 0
0..125 25
0..25
0 1 0.375 M 0 − 0.125 0.25
0 0 00 2
2..5
1 − 0.75
5 MM 1
1 − 0.75 0
0
Sexto
Sexto passo:
passo:nono processo
noprocesso
processo de diagonalização, correspondente
Sexto passo: de de diagonalização,
diagonalização, correspondente
correspondente ao segundo
ao
ao segundo
segundo
passo passo
(k = 2),passo (k=2), temos:
temos:(k=2), temos:
1 1 0.5
0.5 0.75
0.75 MM 0
0 0.25
0.25 0 L
0 L1 ← ←LL11 −
− 0.5
0.5 L
L22
0 1 0.375 M 0 −0.125
1
0.25
0
0 0
0 2.5
2.5 MM 1
1 −
−0.75
0.75 0 L
0 L333 ←
←LL333 −
−00L
L222
1 1
1 0
0 0.5625
0.5625 MM 0
0 0.3125
0.3125 −0.125
−0.125
0.125 Capítulo 2 – Solução Computacional de Sistemas de Equ
Capítulo 2 – Solução Computacional de Sistemas de Equ
0 Capítulo 2 – Solução Computacional de Sistemas de Equ
0 0 1
1
1 0.375
0.375
0.375 MMM 0
0
0 −
−0.125
−0.125
0.125 0.25
0.25
0.25
0 0 2.5 1 −
0 0 2.5 MM 1 −0.75
0.75
−0.75
0
0
0
0 0 2.5 M 1
Sétimo
Sétimo passo: no processo de normalização do terceiro pivô
Sétimo passo:
passo: nono processo
processo de
de normalização
normalização do do terceiro
terceiro pivô
pivô
(k=3),
Sétimo
(k=3), temos:
passo:
temos: no processo de normalização do terceiro pivô (k = 3), temos:
(k=3), temos:
1 0
0 0.5625
0.5625 MM 0
0 0.3125
0.3125 − −0.125
0.125
0 0.5625 M 0 0.3125 −0.125
1
1
0 0 1
1 0.375
0.375 MM 0
0 − −0.125
0.125 0.25
0.25
0 1 0.375 M 0 −0.125 0.25
0 0 2.5
2.5 MM 11 − −0.75 0
0 L ←L
L3 ← L3 // 2.5
0
0
0
0 2.5 M 1 −0.75
0.75
0 L33 ← L33 / 2.5
2.5
1 0 0.5625 MM 0 0.3125 −−0.125
1
1 0
0 0.5625
0.5625 M 0 0 0.3125
0.3125 − 0.125
0.125
0 0 1 0.375 M 0 −
1 0.375 0.125
−0.125 0.25
0 1 0.375 MM 0 0 − 0.125 0.25
0.25
0 0 1 0.4
MM 0.4 −
− 0.3 0
0 0 0
0 1
1 M 0.4 0.3
−0.3 0
0
Oitavo
Oitavo passo:
passo: no processo de diagonalização, correspondente
Oitavo passo:nono
Oitavopasso: processo
noprocesso
processo de
de
de diagonalização,
diagonalização,
diagonalização,
correspondente
correspondente
correspondente ao terceiro
ao
ao terceiro
terceiro passo
passo (k=3),
(k=3), temos:
temos:
ao terceiro
passo (k = 3),passo
temos:(k=3), temos:
1 0 0.5625 M 0 0.3125 −0.125 L 1 ← L 1 − 0.5625 L3
1
1 0
0 0.5625
0.5625 MM 0 0.3125 −
0 0.3125 0.125
−0.125 L11 ←
L ←LL11 −
− 0.5625
0.5625 L
L33
0 1 0.375 M 0 − 0.125 0.25 L 2 ← L 2 − 0.375 L
0 1 0.375
0.375 MM 0 0 − −0.125 0.25
0.25 L ← L − 0.375 L3
0 1 0.125 L22 ← L22 − 0.375 L33
0 0 1 MM 0.4 −
−0.3 0
0
0 0
0 1
1 M 0.4
0.4 −0.3
0.3 0
0
1 0 0 MM −
0 −0.225 0.4812 −
0.225 0.4812 0.125
−0.125
0 M −0.225 0.4812 −0.125
1 0
1 0
0 0 1
1 0 MM −
0 0.15 −
−0.15 −0.0125
0.0125 0.25
0.25
0 1 0 M −0.15 −0.0125 0.25
0
0 0
0 1
1 MM 0.4
0.4 −
−0.3
0.3 0
0
ao terceiro passo (k=3), temos:
1 01 0.5625
0 0.5625 M 0 M 0.3125
0 0.3125 −0.125 L1 ←
−0.125 − 0.5625
LL11 ← L3 L
L1 − 0.5625
CAPÍTULO
0 1 0.375 M 0 0.125 0.25 DE EQUAÇÕES LINEARES
2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS
− L ← L − 0.375 L
3
121
0 1 0.375 M 0 −0.125 2 L22← L2 − 0.375
0.25 L3
3
APg. 141
vantagem desse método de inversão de matriz sobre a eliminação gaussiana
vez que U = LT .
éuma
a possibilidade S = {S3.069,
de reuso da –4.288,
= {matriz
3.069, 1.100
inversa A–1
–4.288, }para}outros sistemas com
1.100
Pg. 143
a mesma matriz A de coeficientes e com diferentes vetores B de termos
t
r2 = r2 − 2 d1
independentes.
r1
t
0 = 0− 2 0
Or1algoritmo do método de inversão de matrizes necessita de quase
Pg. 144 de operações aritméticas que o método de eliminação gaussiana,
o triplo
⎡por
r1 conseguinte
d1 acumula mais barredondamentos.
1 ⎤
Por isso, só vale o
⎢esforço
0 r2 d 2
computacional se a matriz inversa
b2 ⎥⎥
resultante puder ser reutilizada
⎢muitas vezes.
⎢ ⎥
⎢ ⎥
⎢ 0 ri −1 di −1 bi −1 ⎥
⎢ A seguir, vamos0 apresentar
ri dmétodos
i
que
bi ⎥fazem uso de decomposição de matrizes
⎢ em vez de eliminação. ⎥
⎢ ⎥
⎢ 0 rn bn ⎥⎦
⎣
t
ri = ri − i di −1
ri −1
2.1.4
122Método de Decomposição LU (de Crout) CÁLCULO NUMÉRICO COMPUTACIONAL
* X ) = B.
eU=
M M L M M M L M
Considerando Ul * X = C (vetor auxiliar C desconhecido),
ln1 ln 2 nn 0 0 1
resolvemos primeiro L * C = B determinando C e, depois, U * X = C
tal que L *X.
determinando U = A. Então, o sistema A * X = B torna-se (L * U ) X = B.
Também podemos associar o produto das matrizes L e U, (L * U ) X = B,
como L (U * X ) = B.
Considerando U * X = C (vetor auxiliar C desconhecido), resolvemos
A vantagem do método de decomposição LU sobre o método de
primeiro L * C = B determinando C e, depois, U * X = C determinando X.
eliminação gaussiana é a possibilidade de reuso das matrizes
L e U decompostas para outros sistemas que usem a mesma
matriz A A devantagem
coeficientesdo emétodo vetores B LU
de decomposição
com diferentes sobre o método
de termos
de eliminação gaussiana é a possibilidade de reuso das matrizes L e U
independentes.
decompostas para outros sistemas que usem a mesma matriz A de
coeficientes e com diferentes vetores B de termos independentes.
Então,Então,
nessenesse exemplo,
exemplo, o produto L * UL gera
o produto * U gera 9 equações
9 equações lineares com
lineares
com 9 9incógnitas,
incógnitas, uma
uma para
paracada
cadaelemento dada
elemento matriz:
matriz:
l11 * 1 + 0 * 0 + 0 * 0 l11 * u12 + 0 * 1 + 0 * 0 l11 * u13 + 0 * u23 + 0 * 1 a11 a12 a13
l *1 + l * 0 + 0 * 0 l * u + l *1 + 0 * 0 l * u + l * u + 0 *1 = a23
21 22 21 12 22 21 13 22 23 a21 a22
l31 * 1 + l32 * 0 + l33 * 0 l31 * u12 + l32 * 1 + l33 * 0 l31 * u13 + l32 * u23 + l33 * 1 a31 a32 a33
al Podemos obterobter
Podemos de forma direta
de forma diretaa asolução
solução desse sistemadede
desse sistema equações
al
al equações usando
usando os seguintes
os seguintes passos:passos:
al
Passo k=1: resolvemos as equações correspondentes à primeira
Passo
coluna j=1k da = 1:matriz
resolvemos
*1 + 0 * 0 + 0 * 0 =
La * U =asA:equações
ll11 =
correspondentes à primeira coluna
j ll= 11 1
11 * 1 da
+ 0 matriz
* 0 + 0 L
* 0*= U a=
11 A:
11 11 = aa11
11
ll11 **11++ 0l * 0* 0++00* 0* 0= =a11a ⇒ ll11 == aa11
l1121 **1 + 0l22* 0* 0++00* 0* 0=
21 22 =a11a21 ⇒ l1121 = a1121
21 21
ll21 **11 ++ ll22 ** 00 ++ l0 * *00== aa21 ⇒ ll21 = = aa21
21 45
l31
31 * 1 + l32 * 0 + l033* *00=
32 33 = aa2131 ⇒ l31
31 31 = a31
31
l31 * 1 + l32 * 0 + l33 * 0 =
21 22
a31 21
l31 = a31
21
l 1
Para 31a primeira
* + l32 * 0 + l
linha
33 * 0 = a
i=1 (à 31 direita l31 =da a31diagonal principal), temos:
Para a primeira linha i=1 (à direita da diagonal principal), temos:
ParaPara a primeira
a primeira linhalinha i=1i =(à1direita
(à direitada dadiagonal
diagonal principal),
principal),temos:
temos:
Para l11a*primeira
u12 + 0*1 +linha 0*0 = a12 (à direita
i=1 u12 =da a12diagonal
/ l11 principal), temos:
l11 *u12 + 0*1 + 0*0 = a12 ⇒ u12 = a12 / l11
ll11 u12 + 00**1u+ 0*00*= a12a13 ⇒ uu12 = aa12 // ll11
13 + 23 + 1= 13 =
*u
l11
*
*u + 0 *1u + 0+*0 *=
1 =
a a ⇒ u13 = a13
13 / l11
11 13
l11 *u1312 23
+ 0*u23 + 0*1 = 12 13
a13 ⇒ u12 13 = a12
13 / 11
l11
Passo u13 +resolvemos
l11 *k=2: 0*u23 + 0*1 = aas
13 equações
u13 = a13 / l11
correspondentes à segunda
Passo k=2: resolvemos as equações correspondentes à segunda
Passo
coluna
Passo k=2:
j=2k resolvemos
(a2:partir
= da as
resolvemos equações
diagonal
as equações correspondentes
principal): correspondentesà àsegunda segunda coluna
coluna
Passo k=2: j=2 (a partir
resolvemos da as diagonal
equações principal):
correspondentes à segunda
coluna
j = 2 j=2 (a partir
(a partir da diagonal
da diagonal principal):
principal):
coluna l21 * uj=2 +(al22partir
* 1 + 0 *da 0= diagonal
a22 l= a22 − l21 * u12
principal):
l21 * u1212 + l22 * 1 + 0 * 0 = a22 ⇒ l= a22 − l21 * u12
22
ll31 u
21 * u12
* + l
12 + l32 1 + 0
22 * 1 + l33 * 0 =
* * 0 = a ⇒
a2232 ⇒ l= l=
22
a32
a 22 −− ll31 u12
21 ** u
* u12 + l32 * 1 + l0 = −
22
l31 33* *00= a a 32 l=
32
32 a 32 l31 * u12
12
* u12 + l32 * 1 + l33 * 0 = a2232 ⇒ l= − l31
21 22 22 22 21
l31 32 a32 * u12
* u12 + l32 * 1
Paral31a segunda + l33 *i=2
linha 0= (àa direital= a32 − l31 * u12
da diagonal principal), temos:
Para a segunda linha i=2 (à32direita32da diagonal principal), temos:
ParaPara a segunda
a segunda linha
linha i=2i =(à2direita
(à direita dada diagonalprincipal),
diagonal principal),temos:
temos:
Paral a segunda linha
* u13 + l22 * u23 + 0 * 1 =
i=2 (à direita
aa23 ⇒ uu= da diagonal
((aa23 − principal),
l21 * u13 ) / l22 temos:
l21 * u13 + l22 * u23 + 0 * 1 = 23 ⇒
= 23
23 − l21 * u13 ) / l22
l2121 * u 13 + l 22 * u 23 + 0 * 1 = a 23 ⇒ =
u 23
23 ( a 23 − l21 * u13 ) / l22
Passo l u + l
13 resolvemos u + 0 1 = a 23 ⇒
=
u ( a − l21 * u13 ) / l22 à terceira
3: resolvemosaaasequações equações correspondentes
21 k=3:
* 22 * 23 * 23 23
Passo
Passo k=3: k =resolvemos equações correspondentes
correspondentes à terceira à terceiracoluna j = 3
Passo
coluna
(a partirk=3:
j=3 resolvemos
(a
da partir
diagonal da a equações
diagonal correspondentes
principal): à terceira
coluna
Passo j=3 (a
k=3: partir
resolvemos daprincipal):
diagonal
a equações principal):
correspondentes à terceira
coluna j=3 (a partir da diagonal principal):
coluna j=3 (a partir da diagonal
13 + l32 * u23 + l33 * 1 = aa33 ⇒ principal):
l33 = ((aa33 − (l31 * u13 + l32 * u23 ))
ll31 *u
31 * u13 + l32 * u23 + l33 * 1 = ⇒ l33 = 33 − (l31 * u13 + l32 * u23 ))
l31 * u13 + l32 * u23 + l33 * 1 = a33
33 ⇒ 33 l = ( a33 − (l31 * u13 + l32 * u23 ))
E não l u
temos
* + l u
32linhas
* + l 1 =
à33à direita
* a ⇒ l
dadiagonal =
diagonal ( a − (l31 * u13 + l32da
33 principal * u23 ))
última
E 31não
E não
13
temostemos linhas
23
linhas direita33 da
à direita
33
da diagonal principal
principal da última linha.
da última
E não
linha. temos linhas à direita da diagonal principal da última
linha.
E não temos linhas à direita da diagonal principal da última
linha.
Resumindo:
Resumindo:
linha.
luna j=3 (a partir da diagonal principal):
l31 * u13 + l32 * u23 + l33 * 1 =
a33 ⇒ l33 =
(a33 − (l31 * u13 + l32 * u23 ))
l31 * u13 + l32 * u23 + l33 * 1 =
a33 ⇒ l33 =
(a33 − (l31 * u13 + l32 * u23 ))
124 CÁLCULO NUMÉRICO COMPUTACIONAL
não temos linhas à direita da diagonal principal da última
não temos linhas à direita da diagonal principal da última
ha.
ha. Resumindo:
sumindo:
sumindo:
k=1 k=1
k=1 l11 = a11
l = a11
21 = a21
l11 u12 = a12 / l11
l21 = a21 u12 = a12 / l11
l31 = a31 u13 = a13 / l11
l31 = a31 u13 = a13 / l11
k=2 k=2
k=2 l=
l2222 =aaa2222−
l= −l21
l21**uu1212
22 − l21 * u12
22
l=
l3232 =aaa3232−−−ll31
l31**uu1312 =
u (a − l * u ) / l Capítulo 22 –– Solução
Capítulo Solução Computacional
Computacional de
de Sistemas
Sistemas de
de
l= u2323 =((aa2323−−ll2121**uu1313))/ /l22
l22
32 32 31 * u13 =
u 23 23 21 13 22
k =3
k=3
k=3 kll33= =
3 aa33 −−ll31 **uu13 −−ll32 **uu23
=
l3333 = a3333 − l3131* uo1313algoritmo
Então, − l3232 * u2323 de decomposição segue esta sequência de
cálculos:
= C1 , Então, o algoritmo de decomposição segue esta sequência de cálculos:
⎡a)
1 determinamos
4 ⎤ ⎡ x1 ⎤a) determinamos ⎤ os elementos
os⎡ xelementos
1⎤ ⎡ −0.1516 ⎤ da primeira
da primeira colunacoluna
de L e dadeprimeira
L e da
⎢ ⎥ ⎢ primeira ⎥ elinha ⎢ x de
⎥ U;⎢ e
7 0.5 ⎥⎥ ⎢ x2 ⎥ linha −0.1667 de U;
⎢ 2⎥ 0.3248 ⎥⎥
* ⎢ ⎥ ⇒ ⎢
= b) determinamos os=elementos da segunda coluna de L e da
1.333⎥ ⎢ x3 ⎥b) determinamos
⎢0.1667 ⎥ os ⎢ xelementos
3
⎥ ⎢ −1.898 ⎥
da segunda coluna de L e da segunda
⎥ ⎢ ⎥ ⎢ segunda ⎥ linha ⎢ de ⎥ U⎢e assim sucessivamente.
⎥
1 ⎦ ⎣ x4 ⎦ linha ⎣1.549de U; ⎦ e assim ⎣ x4 ⎦sucessivamente.
⎣1.549 ⎦
Obtidos L e U, devemos resolver L* C = B determinando C por
Obtidos L e U, devemos resolver L * *C = B determinando C por
substituições
substituições sucessivas sucessiva à frente:
à frente:
Note
Note queque o cálculo
o cálculo de C,de , do sistema
doCsistema L * C = B, , segue
C = Bo
L** segue mesmoaformato
mesmo
sistemaformato
do⎧⎨cálculo = 3cálculo dos elementos de U. Uma vez obtidos L, U e C,
x1 + 2 x2do
dos , do Exemplo
elementos 2.11,
de U. Uma vezque nãoL, tem
obtidos U e C,diagonal
devemos resolver
x
devemos − 3 x resolver
= −2
U ⎩* X1 = C2determinando U X = C determinando X por retrosubstituições
* X por retrossubstituições sucessivas:
*
sucessivas:
ante e mesmo assim converge, as equações iterativas são:
− 2x2 1 u12
12 13 x11
u13 c11
Note β 1 2B, segue k k +1 k +n β
Note que
que o o cálculo
cálculo de C,, do
de C do sistema
sistema L C=
L** C = B, segue a a mesmo
mesmo
formato do
formato do cálculo
cálculo dosdos elementos X
Pg. 23
de U=
deβ U
elementosFigura (a1 . vez
.. Uma
Uma
estilizada
ados
vez at )βmatemáticos
obtidos
obtidos
2 ...... dois
E
βLL,, UU ee CC,, que mais influe
devemos
devemos resolver X β = (aXX1por
C determinando . a2retrosubstituições
...... a )
t β β
E 125
resolver U X=
U** X =C
X = (a a a .a a )
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES
determinando por retrosubstituições
Pg. β23 ..... .....
sucessivas:
sucessivas: 1 2
(a1a2 ...... at )β
k k +1 k +n β
+ 11 ** 22 23 + uu xx == cc ⇒ ⇒36 xx=
* 23 ** 33
(axx1a==2 ......
cc at ) β
23 * 33 22 22 22
0 * x + 0 * Pg. 24 23
xx ++ 11 xx =cc
0 * x11 + 0 * 22 ** 33 33 = 36
(15) (1111)
al 33 33
=
( . )βLsobrepostas
s operações de pivotação, uma vez que a diagonal de U2 é unitária
X a 1 acolunas Léaeetunitária
10
s operaçõesSugerimosde
Sugerimos
não precisa ser armazenada:
pivotação,
Sugerimos usar
usar ousar uma
o vez
armazenamento
armazenamento que
o armazenamento a
(15)
Pg. diagonal =
das
β 10 = (1111)
24das de U
colunas
colunas
das L
2 ......
U
U βe UE sobrepostas
sobrepostas
2
não precisa
na
na mesma naser
mesma armazenada:
área
mesma
área de
de área memória
memória de memória de
de A, o
A,de
o83 que
A, ootimiza
que que otimiza
otimiza o
o armazenamento
o armazenamento
armazenamento ee e as
as operações de pivotação, uma vez que a diagonal de U é unitária
( . ...... a )
aoperações de pivotação, uuma vez36que a diagonal de U é unitária E e não precisa
e anão
a11
precisa
a13 l11
13 ser armazenada:
u12 X
83 = a a β
a11 aser 13
12 armazenada: ⇒ l11 l 12 u13 v =β ( d1. 1d 2 d23 .....t dβ22 d 23 d 24 ) 2
12 13
11 a 12 a l 11 u 12 u 13
a21 a23
a21 aa22a aa23a ⇒ all21 ll22 l ul 23u u36
(15)10 = (1111)2
v= ( d1. d 2 d 3 ..... d 22 d 23 d 24 ) 2
21 22
22 23 21
21 22
22 23
23
a31
31 a32a a33a al31 ⇒l32l l33l u115
31 32
32 11 33
33 12 13 31
31 32
32 11 33
33 12 13
83
21 22 (15) = (1111)
23 21 22 23 4
4
De uma a31forma a geral,
a
33 para
para
l sistemas
l
31 sistemas l 115 de 10 ordem
33 de ordem n, teremos o
n, 2 teremos o
De uma forma 32 geral, 32
Por exemplo, se a linha L3 sofre a seguinte op
v =exemplo, o( dpivô
1 . dda dse d 22 linha ao11)seguinte
dL23 dsofre
eguinte formulário:
eguinte formulário: 3 ..... 1
passo k =op
De uma De uma forma forma geral, geral, para paracom
83
Porsistemas
sistemas de2ordem
de
primeiraa linha
ordemn,n,teremos teremos
3
24
o
2a seguinte
no
seguinte
formulário: com o pivô da primeira linha a11 no passo k = 1
Primeiroformulário:
Primeiro passo: k =1
passo: k =1
v = ( d1. d 2 d 3 ..... d 22 d 23 d 24 ) 2
115
125
Primeiro passo: k = 1
lii11 = aii11 Ɐ125
Por 1,2,3,...,n se a linha L sofre a seguinte op
i =exemplo,
li1 = ai1 passo: k =1
Primeiro Ɐ∀ i(trocar 1, 2,por
= 1,2,3,...,n esse)
3, ..., n 3
115 = 2,3,...,n
n primeira linha a11 no passo k = 1
u11 jj = a11 jj / l11 Ɐcomj
u1 j = a1 j / l11 Ɐ = o2,3,...,n
∀ j(trocar 2,pivô
3,por...,da
esse)
li1 =11ai1 141 Ɐ i = 1,2,3,...,n
Segundo passo: passo: =2,3,...,n–1 Por exemplo, se a linha L3 sofre a seguinte op
Segundo Segundo j =
u1 passo: kk =2,3,...,n–1
a1 j /kl11= 2, 3, ..., n –125 141
1 Ɐ j = 2,3,...,n
jj − −11
com
U =o LTpivô da primeira linha a11 no passo k = 1
aijij − ∑ U ii(trocar k por
+ 1,esse)
...,eenjj =
j −1
Segundo
l=
l=
ij
a − ∑
passo:
lirir ** urjrj k =2,3,...,n–1
l * urj
Ɐ
Ɐ
∀ ==
= Lk,
k,
k,T k+1,...,n
k+1,...,n
k
=e k j = k
154
ij
ij ij rr =
r =1
=11 ir 125
141 Ɐ i = k, k+1,...,n e j = k
j −1
1 l= ij aij iii−−−−111∑ lir * urj 154
= uijij 1 aijij − ∑rl=irir1 ** urjrj ⱯA
∀ seguir,
j(trocar k +vamos
= k+1,...,n por enapresentar
i = k = k métodos alternativos para
1, ...,esse)
= uij lii aij − ∑ lir * urj Ɐ j = k+1,...,n
equações com e i =e k inúmero
grande de incógnitas, mas con
A
U seguir,
= LT vamos apresentar métodos alternativos para
r =
=1
liiii r 1
r =1 i −1
1 141
equações Ɐ jcom grande enúmero i = k de incógnitas, mas con
Terceiro e
Terceiro
Terceiro e último passo:
=
último uije último passo:
lii aijpasso:∑
−k=n
k=n
r =1
lirk *=unrj
154
= k+1,...,n
U = LT
−11
jj −
l=
Terceiro aijij − ∑ j −1
e último lirir ** urjrj passo: k=n i=j=n
l=ij
ij
ij aij − ∑ rr = =11
l ir * urj iA=seguir,
j = n vamos apresentar métodos alternativos para
r =1 j −1 154
equações com grande número de incógnitas, mas con
l=
ij aij − ∑ lir * urj i=j=n
O método de Crout com pivotação gera vamos
erros menores métodos
do
O método de Crout com pivotação gera erros apresentar
A seguir, alternativos para
r =1
menores do
ue sem pivotação. O efeito da pivotação equações
sobre ocom grande
método denúmero
Crout de incógnitas, mas con
ue sem pivotação. O efeito da pivotação sobre o método de Crout
126 CÁLCULO NUMÉRICO COMPUTACIONAL
Exemplo 2.5: resolva o sistema, a seguir, pelo método de Crout com pivo-
as as
equações),
equações),
tamento usando
parcialusando4 dígitos significativos
4 dígitos
(é imprescindível incluir o(s)e arredondamento
significativos e arredondamento
vetor(es) B do sistema na
ponderado.
ponderado.
troca de linhas usando
da pivotação para não alterar as equações), usando 4 dígitos
as equações), 4 dígitos significativos e arredondamento
significativos
ponderado.
0.448
0.448 e
x1 +x10.832arredondamento
x2 +
+ 0.832 x20.193 x3 =
+ 0.193 x31=ponderado.
1
0.421 x1 +x10.784
0.421 x2 −
+ 0.784 x20.207 x3 =
− 0.207 x32=
2
0.448 x1 + 0.832 x2 + 0.193 x3 =
−0.319
1
x1 +x10.884
−0.319 x2 +
+ 0.884 x20.279 x3 =
+ 0.279 x30=
0
0.421x1 + 0.784 x2 − 0.207 x3 = 2
Observações:
−0.319 x + 0.884 x + 0.279 x =
Observações:
1 2 3 0
Observações:
a) o(s) vetor(es)
a) o(s)
Observações: de de
vetor(es) termos independentes
termos B será(ão)
independentes colocado(s)
B será(ão) colocado(s)
à direita da da
à direita matriz para
matriz queque
para seja(m) pivotado(s)
seja(m) juntamente
pivotado(s) juntamente
a) o(s)
a) o(s) vetor(es) de termos independentes
independentes BBserá(ão)
será(ão)colocado(s)
com comas vetor(es)
linhas
as dede
linhas A; termos
de eA; e colocado(s) à
direita
à direitadada
matriz
matrizpara queque
para seja(m) pivotado(s)
seja(m) juntamente
pivotado(s) com as
juntamente
b) no
b) noalgoritmo,
algoritmo,
linhas de A; os
e valores
os da da
valores matriz
matrizdecomposta
decompostaL eLUe serão
U serão
com as linhas de A; e
armazenados na na
armazenados própria área
própria de de
área memória de de
memória A. A.
b) no
b) no algoritmo,
algoritmo, ososvalores
valoresda damatriz
matrizdecomposta
decompostaL eL Ue serão
U serão
NaNa sequência
sequência do Exemplo
armazenados
do Exemplo
armazenados na 2.5, os
naprópria
própriavalores
área
2.5, osárea da matriz
dedememória
valores memória
da matriz decomposta
dededecomposta
A.A. L L
e Uetambém
U também são escritos nana
mesma matriz A, sendo diferenciados
Na
Na sequênciasão
sequência doescritos
Exemplo
do Exemplo
mesma
2.5, matriz
os valores
os valores A, sendo
da
da matriz diferenciados
matriz decomposta LL e U
decomposta
dada matriz
matriz A original
A da
original seguinte
da seguinte forma:
forma:
A, sendo da matriz A
etambém
U também são escritos na mesma
são escritos matrizmatriz
na mesma diferenciados
A, sendo diferenciados
original da seguinte forma:
da matriz A original
a) representação
a) representação emda
em seguinte
negrito:
negrito: forma:
valores
valoresnovos
novosjá decompostos
já decompostosemem
a)
L eLrepresentação
U; e e
e U; em negrito: valores novos já decompostos em L e U; e
a) representação em negrito: valores novos já decompostos em
b) b)
representação normal:
b) representação
representação valores
normal:
normal: originais
valores
valores da
originais
originais matriz
dada A.
matriz
matriz A.A.
L e U; e
b)a11
a11a12 a12 a13 a13 normal: valores originais da lmatriz
representação 11 l11u12 u A. u
12 13 u13
a a
21aa21 22a22a23a
depois da
dadecomposição
depois
23 depois da
decomposição LU
decomposição →→→
LULU l21 l21l22 l22 u23u23
11 a12 a 13 l11 u12 u13
a31 a31a32a32a33a33 l31 l31 l32 l32 l33 l33
a21 a22 a23 depois da decomposição LU → l21 l22 u23
Solução:
Solução: a31 a32 a33 l31 l32 l33
Solução:
Primeiro
Primeiro passo:passo: nana decomposição
decomposição LULU (método
(método dede Crout),
Crout),
Solução:
Primeiro passo: na decomposição LU (método de Crout), correspondente
correspondente
correspondente
ao primeiropasso: aoao
passo primeiro
(k =primeiro
1): passo (k=1):
passo (k=1):
Primeiro na decomposição LU (método de Crout),
correspondente
a) Definimos
a) Definimos aao a primeiro
primeira
primeira passo
coluna (k=1):
da da
j=1j=1
coluna matriz
matriz li1 lpara
L, L, i=1,2,3:
i1 para i=1,2,3:
→ l→
i1 =
a) Definimos
2, 3,
li1a=i1 ai1 i=1,i=1, 2, ...,
a primeira
n coluna
3, ...,(Ln equivale à coluna
(L equivale original
j=1 daà matriz
coluna de A)
original de A)
L, l para i=1,2,3:
i1
Solução:
Primeiro passo:COMPUTACIONAL
CAPÍTULO 2 – SOLUÇÃO na decomposição LU
DE SISTEMAS (método
DE EQUAÇÕES de Crout), 127
LINEARES
correspondente ao primeiro passo (k=1):
a) Definimos
a) Definimos aa primeira coluna jj=1
primeira coluna = 1dadamatriz
matrizL,L,lil1i1 para
para i=1,2,3:
i = 1, 2, 3:
→→ li1 =li1a=i1 ai1, i=1,
i = 1,2,2,3,3,...,
..., nn (L
(Lequivale
equivale à coluna
à coluna original
original de A) de A)
→ l=
ij aij − ∑j −1lir * urj (i = k,(ik=+k,1,k+1,
..., n...,
e j n= ek)Capítulo
j = k)2 – Solução Computacional de Sistemas de E
→ l= ij aij − ∑ lir * urj
r =1 (i = k, k+1, ..., n e j = k)
r =1
0.448 1.857 0.4308 1
0.448 1.857 − 0.207
0.4308 1
0.421 0.784 2
−0.421
0.319 0.784
0.884 0.207
−0.279 2
3
−0.319 0.884
C2 0.279 3
C↑2
C2 − ↑
li1 * u12
C2 − li1 * u12
resultando em
resultando em
resultando1.857
em
0.448 0.4308 1
0.448 0.4308 1
0.421 0.002203 −0.207 2
1.857
−0.421 0.207 2
−0.279
0.319 0.002203
1.476 3
−0.319 1.476 0.279 3
Observe que a pivotação parcial, correspondente ao segundo
Observe que
pivô (k=2), a pivotação
deve parcial,do
ocorrer depois correspondente ao segundo
cálculo dos valores de lij
Observe que a pivotação parcial, correspondente ao segundo pivô
pivô (k=2), j=k
deve ocorrer
do depois do
doscálculo dos
uij valores lij
dei=k,
(kna coluna
= 2), e antes
deve ocorrer depois cálculo
do cálculo valores
dos valores dal linha
de ij
na coluna
j=nakcoluna
conforme doecálculo
j=k antes do
e antesmencionado nocálculo
dos item dos
(b)
valores uij valores
do primeiro
da =dak,linha
linhauiijpasso. i=k,
conforme
conforme mencionado no Primeiro
item (b) do primeiro passo.
mencionado
b) Procedemos nocom
itema busca
(b) do parcial dopasso.
maior módulo da coluna
b) Procedemos com a da
j=2 (busca a partir busca parcial
segunda do maior módulo da coluna
linha):
b) Procedemos com a busca parcial do maior módulo da coluna
j=2 (busca a partir da segunda linha):
j=0.448
2 (busca a1.857
partir da0.4308
segunda linha):
1
0.448 − 0.207 1
0.421 0.002203
1.857 0.4308 2
−0.421
0.207 2
−0.279
0.319 0.002203
(1.476) 3
−0.319 (1.476) 0.279 3
Maior coeficiente em módulo encontrado na linha i=3.
Maior coeficiente em módulo encontrado na linha i=3.
c) Trocamos linhas:
na coluna j=k e antes do cálculo dos valores ij da linha i=k,
pivô (k=2), j=k
deve ocorrer depois do cálculo dos valores lij
dei=k,
na coluna
conforme e antes
mencionado donocálculo
item (b) dosdovalores
primeiro da linha
uijpasso.
na coluna mencionado
conforme j=k e antes do nocálculo
item (b) dosdovalores
primeiro da linha i=k,
uijpasso.
CAPÍTULO 2b) – Procedemos com
SOLUÇÃO COMPUTACIONAL a busca parcial
DE SISTEMAS DEdo maior
EQUAÇÕES módulo
LINEARES da coluna 129
conforme mencionado no item (b) do primeiro passo.
b) Procedemos com a da
j=2 (busca a partir busca parcial
segunda do maior módulo da coluna
linha):
b) Procedemos com a busca parcial
j=2 (busca a partir da segunda linha): do maior módulo da coluna
j=2 (busca 1.857
0.448 a partir da segunda
0.4308 1 linha):
0.448 0.421 0.002203 −0.207 1
1.857 0.4308 2
0.448 0.421 1.857
0.002203 0.4308
− 1
0.319
−0.421 (1.476) 0.279 2
0.207 3
−0.319 0.002203
(1.476) − 0.207 2
0.279
104 3
Maior
Maior − coeficiente
0.319 coeficiente
(1.476) ememmódulo
módulo
0.279 encontrado
encontrado
3 nanalinha
linhai =i=3.
3.
Maior coeficiente em módulo encontrado na linha i=3.
2 = ( 0.7121 – 0.4164 x3 ) / 1.476 = − 0.1997
c)xMaior Trocamos linhas:
coeficiente em módulo encontrado na x2linha i=3.
c) Trocamos linhas:
c) Trocamos linhas:
c)xTrocamos 0.448
= (1 – 0.832
1.857
x
linhas: –
0.4308 1
0.193 x3 ) /0.448 x1 = 1.561
10.448
0.421 1.857
0.002203 2 0.4308
− 0.207 1 2 L ← L
0.448 2 3
105 −0.421
0.319 0.002203
1.857
(1.476) 0.207 1
0.4308
−0.279 2
3 L ←L
L32 ← L23
0.421 0.002203 − 0.207 2 L ← L
−0.319 (1.476) 0.279 3 L3 ← L23 2
Erro = [ S −(1.476)
−resultando
0.319 exato ]
Sem 0.279 3 L3 ← L2
resultando em
resultando
resultando 0.448 em em
1.857 0.4308 1
110 −0.448
0.448 0.319 1.857
(1.476) 0.279 1
0.4308 3
−0.421 1.857
0.319 0.002203
(1.476) 0.4308
1
−0.279
0.207 2 3
mputacional
Erro
− =
0.319[ S − S
(1.476)
exato
0.421 0.002203 −0.207 2 ] 0.279 3
0.421 0.002203 −0.207 2
mputacional
113
a)li 3Definimos
j −1
→al=coluna
a − j=3l da* umatriz(iL,=lij=n)
ij ij ∑ ir
3 para i=3:
rj
0.448 resultando
1.857 em 1
0.4308
−0.319 0.448 1.857 0.4308 1
−(1.476)
0.448
0.319
0.2821
resultando 0.2821 1
3
1.857em 0.4308
(1.476) 3
130
0.421 0.002203
−0.207 0.2821
2
− 0.319 (1.476)
1.857 −0.207
0.4480.002203
0.421 3 CÁLCULO
2
0.4308 1 NUMÉRICO COMPUTACIONAL
−0.319
0.421 0.002203
(1.476)− 0.207
0.2821 2
Terceiro passo: na decomposição 3 ao terceiro
LU correspondente
Terceiro passo: na decomposição LU
0.421 0.002203 −0.207 2 correspondente ao terceiro
passo (k=3):
Terceiro
Terceiro passo:
passo: na decomposição
na decomposição LU correspondente
LU correspondente aopasso
ao terceiro terceiro
(k = 3):
passo (k=3):
passoa) (k=3):
Terceiro passo:
Definimos nada
aj=3 decomposição
coluna j = 3 daL,matrizLUL,correspondente
li=3:para i = 3: ao terceiro
a) Definimos a coluna matriz li 3 para
a) Definimos a coluna j=3 da matriz L, i3li 3 para i=3:
passo (k=3):
a) Definimosj −a1 coluna j=3 da matriz L, l i3 para i=3:
aij − ∑
j −1
→ l= rj j −(i
lir a*aucoluna (i= =
j =j=n)
n) (i = j=n)
ij − ∑ lir * urj
a)
ij Definimos
→r =l= 1 j=3 da matriz L, li 3 para i=3:
aij − ∑
1ij
→ l= ij r =1 lir * urj (i = j=n)
0.448 1.857 0.4308 r =11 j −1
−0.319 0.448
−(1.476)
0.448
→ l=
1.857
0.2821
1.857
ij aij − ∑
0.4308lir * u1rj
3 r =1 1
0.4308
(i = j=n)
0.319 (1.476) 0.2821 3
0.421 0.002203 −0.207 0.2821
2 0.4308 3
−0.421
0.319 (1.476)
0.4480.002203 1.857 −0.207 2 1
−0.319
0.421 C(1.476)
0.002203 − 0.207 2 3
3
C30.2821
↑
0.421 0.002203 C↑3−0.207 2
C3 − l31 * u13 − l32 * u23↑ C
C3 − l31 * u13 − l323 * u23
resultando em C3 − l31 * u13 − ↑
l32 * u23
resultando em
resultando
resultando emem C − l * u − l * u
0.448 1.857 0.4308 3 1 31 13 32 23
−0.319 0.448 1.857 0.4308 1
(1.476)
0.448 resultando em 0.4308
0.2821
1.857 3 1
−0.319 (1.476) 0.2821
0.421 0.002203 −0.3890 0.2821
2 3
−0.421
0.319
0.448 (1.476)
0.002203
1.857 −0.3890
0.4308 3
2 1
Logo,
0.421 0.002203 −0.3890 2 3
−0.319 (1.476)
Logo, 0.2821
0.448 Logo,
0 0.421 0.002203
0 −0.3890
1 2
1.857 0.4308
Logo, 0.448 0 0 1 1.857 0.4308
L = −0.319 0.4481.476
L = −0.319 Logo, 1.476
00 e 0 0 0 e 1 1 0.2821 0.4308
0 1.8571 0.2821
0.421
L = 0.002203
−0.421
0.319 −1.476
0.3890
0.002203 − 0 00 e 0 0 1 1 0.2821
0.3890
0.448 0 0 1 0 1.857 1 0.4308
L =0.421
−0.319
0.002203
1.476 −0.38900 e 0 Capítulo 0 2 – Solução
1 de Sistemas de
Computacional Equ
0 1 0.2821
0.421 0.002203 −0.3890 0 0 1
Decomposta
Decomposta aamatriz
matriz vamos
A,A,vamos agora
agora obter
obter a solução
a solução do sistema
do sistema através da
através da solução de dois sistemas
solução de dois sistemas triangulares: triangulares:
0.448c1 + 0 c2 + 0 c3 =1
L * C = B ⇒ −0.319c1 + 1.476c2 + 0 c3 =
0
0.421c + 0.002203c − 0.3890c =2
1 2 3
Observe queoovetor
Observe que vetorBBdo
dosistema
sistema também
também trocou
trocou de linhas
de linhas em da
em razão
pivotação:
razão da pivotação:
b1 1 b1 1
b = 2 L ← L
2 2 3 ⇒ b3 = 0
L*C = B ⇒
0.421
−0.319 11 + 1.476
c1 + cc0.002203 cc222−+0.3890c3 0=
c332 =
0
0.421 1 + 0.002203c2 − 0.3890c3 = 2
0.421cc11 ++ 0.002203
0.421 0.002203cc22 −− 0.3890
0.3890cc33 =
22
=
Observe
Observe
CAPÍTULO que que o vetor
2 – SOLUÇÃO B do
o vetor B sistema
do sistema
COMPUTACIONAL DEtambém
também trocou
SISTEMAS DE deLINEARES
trocou
EQUAÇÕES linhas
de linhas em em 131
Observe que o vetor B do sistema também trocou de linhas em
razão razão da pivotação:
da pivotação:
razão da pivotação:
b1 b 1 1 b1 b 1 1
b b=111 2 1L ← L b = b111 1
⇒ bb3 0=
bb2 = 22 L 2 ← L3 ⇒ 00
2 2 3 3
= L ← L ⇒ =
b3 b220 0L3 ← 22
L← b2 b22 2
33 33
b3 0 L 2 L
33 L33 ← L22 b22 2
3 2
Aplicando substituições
Aplicando substituições sucessivas sucessivas à frente, a partir
à frente, de cde
a partir , temos:
1 c , temos:
Aplicando substituições sucessivas
Aplicando substituições sucessivas à frente, a partir de c1, temos: à frente, a partir de c111, temos:
c1 =c(1)/0.448
= (1)/0.448 c1 =c2.232= 2.232
c111 = (1)/0.448 c111 = 2.232
c2 =c(0–(–0.319
= (0–(–0.319 c )/1.476
1 c )/1.476
c = 0.4824
⇒ ⇒ 2 c = 0.4824
c222 = (0–(–0.319 c111)/1.476 ⇒ c222 = 0.4824
c3 =c(2–(0.421
= (2–(0.421 c +0.002203
1 c +0.002203
c ))/(–0.3890)
2 c ))/(–0.3890)
c = –2.723
3 c = –2.723
c333 = (2–(0.421 c111 +0.002203 c222))/(–0.3890) c333 = –2.723
Resolvendo
Resolvendo
Resolvendo
Resolvendo
1x1+ 1x1.857 x2 +0.4308
+ 1.857 x2 +0.4308 x3 =x32=.232
2.232
11xx111 ++ 1.857
1.857 x
x +0.4308
+0.4308 x
x =
= 22..232
232
X *=XC= ⇒
U *U
C ⇒ 0 x + 1 x + 0.282122
0 x1 + 1x2 + 0.2821x3
1 2 x3 =330.4824
= 0.4824
⇒
U ** X = C 0 x+0 x011x+ 1+x22 +10.2821
0 x + 1x + 0.2821 x
x33 = =
=
−2.723 0.4824
0.4824
1 0x + 2 0 x + x3 1x = −2.723
00xx1 + + = −
11 + 0 x22 +
0 x 1 x = −2.723
2 3
1x33 2.723
E aplicando
E aplicando o processo de retrosubstituições
o processo sucessivas
de retrosubstituições sucessivas a partir
a partir
E aplicando o processo de retrosubstituições sucessivas a partir
de xde:
E3 aplicando
x: o processo de retrossubstituições sucessivas a partir de x3:
de x333:
x3 =x–2.723
= –2.723 x3 =x–2.723
= –2.723
x333 = –2.723 x333 = –2.723
x2 =x(0.4824 –0.2821
= (0.4824 –0.2821x )
3 x )
⇒ x = 1.251
⇒ 2 x2 = 1.251
x222 = (0.4824 –0.2821 x333) ⇒ x22 = 1.251
x1 =x(2.232
= –(1.857
(2.232 x2 +x0.4308
–(1.857 + x3))x ))
0.4308 x1 =x1.082= 1.082
x111 = (2.232 –(1.857 x222 + 0.4308 x333)) x111 = 1.082
Então, a solução
Então,
Então, aasoluçãoobtida
solução obtida é:
é: é:
obtida
Então, a solução obtida é:
S = {1.082, 1.251,S–2.723}
=S{=1.082, 1.251, –2.723 } }
{ 1.082, 1.251, –2.723
S = { 1.082, 1.251, –2.723 }
Para determinar o erro da solução anterior, obtemos a solução exata calculada
com 16 dígitos significativos e pivotação parcial, resultando em:
5
Sexato = {1.08321566094182, 1.25034738133745, –2.72315874287407}
exata
exatacalculada
calculadacom com16 16dígitos
dígitossignificativos
significativosee pivotação pivotaçãoparcial,
parcial,
129
Erro=
resultando
resultando em:S − S exato :
em:
0.448
132 1.857 0.4308 1 CÁLCULO NUMÉRICO COMPUTACIONAL
=
Erro − x1 | 1.082
0.319 (1.476)− 1.08321566094182 L2 ← ( |L2 − l21 ≅
0.279 3 1.25034738133745, 1.22e − 03
* u13 ) / l 22
=
SSexato = { 1.08321566094182, 1.25034738133745, –2.72315874287407
{ 1.08321566094182, –2.72315874287407 }}
exato
=
Erro 0.421
x2 | 0.002203 − 0.207 2
1.251 − 1.25034738133745 | ≅ 6.53e − 04
Daí
Daío
Daí
Erro
132 xoo erro
erro
3 erro
= dede
de
| −2.723 −arredondamento
arredondamento
arredondamento da
da| solução
da solução
(−2.72315874287407) solução
≅ 1.59S será:
e − 04SS será:
será:
==
=
Erro
Erro
Erro
Erro = [ S −SSS− S − Sexato
− SS] ::
Podemos ver que os erros da solução S obtida com pivotação
exato exato
==
Erro
Erro 1.082−−1.08321566094182
xx11 || 1.082 1.08321566094182 || ≅≅1.22
1.22ee−−03
03
parcial
134
=
=
Erro
Erro
são compatíveis
1.251−−1.25034738133745
xx22 || 1.251 com
1.25034738133745 ||
a precisão
≅≅ 6.53
de 4 dígitos significativos
6.53ee−−04
04
adotados,
lErro
Erro
i2 xx33 =
=||−−2.723
2.723embora na primeira
−−((−−2.72315874287407)
2.72315874287407) || ≅≅1.59equação
1.59ee−−04
04 ainda ocorra uma
propagação
135
Podemos
Podemosver
Podemos ver
ver de
que
que
que erros
osos
os para
erros o solução
da da
erros
erros terceiro
solução
da solução SSdígito
S obtida com fracionário.
obtida
obtida pivotação
com parcial são
com pivotação
pivotação
compatíveis
parcial
lparcial são com a precisão
sãocompatíveis
compatíveis de 4aadígitos
com
com significativos
precisão
precisão de
de44dígitos
dígitosadotados, embora na
significativos
significativos
i3
primeira
Exemplo equação ainda ocorra uma propagação de erros para o terceiro
adotados,2.6:
adotados,
136
resolva
embora
embora naos
na três sistemas,
primeira
primeira equação
equação a seguir,
ainda pelo método
ainda ocorra
ocorra uma de
uma
dígito fracionário.
Crout com pivotamento
propagação
propagação
li 4
de
de erros
erros para parcial
para oo terceiro(édígito
terceiro imprescindível
dígito fracionário. incluir o(s)
fracionário.
vetor(es)
Exemplo 2.6:
Exemplo
B do sistema
resolva os trêsna troca
sistemas, de linhas
a seguir, peloda pivotação)
método de Croute com com
pivotamento parcial (é imprescindível incluir o(s) vetor(es) B do de
Exemplo
150 2.6:
2.6: resolva
resolva os
os três
três sistemas,
sistemas, aa seguir,
seguir, pelo
pelo método
método de
sistema
4Crout
dígitos significativos:
Crout
na ( Acom
troca
Cond )com pivotamento
pivotamento
de1linhas
>> da pivotação)parcial
parcial
e com(é
(é4imprescindível
imprescindível incluir
incluir o(s)
dígitos significativos: o(s)
vetor(es)
vetor(es) BB do do sistema
sistema na na troca
troca dede linhas
linhas dada pivotação)
pivotação) ee com com
173x + 2 x + 3 x + 4 x = x + 2 x + 3 x + 4 x =1 x + 2 x + 3 x + 4 x4 =−1
4Erro
4 dígitos
1 (6) 2 significativos:
dígitos 1
X = X significativos:
(6) 3 4 1 2 3 4 1 2 3
− S = {6.588168e − 03, 8.453478e − 04, 2.489952e − 02}
x + 2 x − 3x − 4 x = x + 2 x − 3x − 4 x = x + 2 x − 3x − 4 x =
1 2 3 4 0 1 2 3 4 0 1 2 3 4 0
174
11 1 xx−
− xxx111 ++022xxx222+++332xx3x3 +3++44x3x44x=4 =
=
11 +x+122+xx202 ++x332xx+33 +2+4x43xx4+4 =
31x14 =
= 1xx11 ++2−2xxx221+++330xx33x++2 4+4xx244 x=
3 + 3 x4 =
=−−11 1
X(12)
xx + + 22xx −− 33x
x 1−= 4{0.999754544313626,x − − 44 xx == 00 xx ++ 22 xx
2 0.999648218060907,
1x − 42x − 3 − − 33 xx − − 44 xx ==0 0
x3 + x0.999924062782415 xx +
+
22 xx −
− 33 xx
−2 1 x1 2− }4 x23 − x3 4+ x4 = −− 44x x =
= 00
x22 − x3 3+ x4 4 = 1 4 = 2
1 2 3 4 1 2 3 44 1 2 3 4
1 2
−−xx11 ++00 xx22 ++22xx33 ++33xx44 =
= 11 −−xx11 ++00 xx22 ++22xx33 ++33xx44 ==11 −−xx11 ++00 xx22 ++22xx33 ++33xx44 =
= 11 208
xx11 −−44xx22 −− xx33 ++ xx44 = = 22 xx11 −−44xx22 −− xx33 ++ xx44 =
= −−22 xx11 −−44xx22 −− xx33 ++ xx44 = = 22
A : B 1, B 2, B 3 A : B
Agora,
Agora,
1 2 vamos
vamos
3 4 gerar
gerar
: 1 1 uma
uma
− 1 matriz
matriz
1 2com
com
3 os
os
4 coeficientes
coeficientes
: 1 1 −1 das
das
Agora,
1 2 −vamos
incógnitas gerar
A−concatenada uma
4 : 0 0 0 com matriz
com os coeficientes das
incógnitas
3A concatenada ouos
com 1três
os três2vetores
vetores
−3 −4 BB: ,,BB0 ,, BB0 dede0termos
termos
11 22 3
3
incógnitas
− 1 0 2 A3concatenada
: 1 1 1 com −os
1 três
0 2vetores 1 ,B
3 : B 1 ,B
1 de termos
1 2 3
1 − 4 −1 1 : 2 − 2 2 1 −4 −1 1 : 2 −2 2
Solução:
Primeiro passo: k=1
11 22 A 33 44 ::: B 11 , B 11 ,− B 11 22 A 33 44 ::: 11 11B −
1 2 3
− 11 −11
1 2 −33 −44 : 10 10 −01 11 22 −33 −44 :: 10 10 −01
1 2 − 3 − 4 : 0 0 0 ou 1 2 −3 −4 : 0 0 0
CAPÍTULO −23 −34 :COMPUTACIONAL
−11 022 – SOLUÇÃO 10 10 10 DE ouSISTEMAS
−11 02 DE−2EQUAÇÕES
3 −34 :: LINEARES
10 10 10 133
− 1 0 2 3 : 1
− 1 0 2 3 : 1 1 1 1 1 ou −
−1 0 2 33 :: 11 11 11
1 0 2
11 −− 44 −
− 11 11 : 22 −
− 22 22 11 −−44 −
−11 11 :: 22 −
−22 22
1 − 4 − 1 1 : 2
− 2 2 1 −4 −1 1 : 2 −2 2
Solução:
Solução:
Solução:
Solução:
Primeiro passo:
Primeiro
Primeiro passo: k = 1k=1
passo: k=1
Primeiro passo: k=1
a) a)
a) Definimos
Definimos
Definimos aa primeira
a primeira coluna
coluna
primeira coluna 1 dada
j = j=1
j=1 matriz
damatriz
matriz li1 ll(ii1 =(i=1,2,3,4),
L, L,
L, 1, 2, 3, 4),
(i=1,2,3,4),
a) Definimos
que é
que igual à a primeira
matriz A coluna
original: j=1 da matriz L, l i1
(i=1,2,3,4),
que éé igual
igual àà matriz A original:
matriz A original: i1
que é igual à matriz A original:
11 22 33 44 :: 11 11 − −11
11 22 −333 −444 ::: 10 10 −01
11 2 − − 00 00 00
− 002 −23 −34 ::
−11 2 3 : 11 11 11
−1 0 2 12 −12 12
11 −
−44 −
−11 113 :::
2 −2 2
1 −4 −1 1 : 2 −2 2
b) Lembramos que a pivotação parcial, correspondente ao
b) b) Lembramos
Lembramos queque a pivotação
a pivotação parcial,
parcial, correspondente
correspondente ao primeiroao
b) Lembramos
primeiro pivô que a pivotação
(k=1), deve parcial,
ocorrer correspondente
depois do cálculo ao
dos
primeiro
pivô pivô ocorrer
(k = 1), deve (k=1), deve
depoisocorrer depois
do cálculo do cálculo
dos valores dos
de lik. Nesse
primeiro
valores de pivô (k=1),caso,
.. Nesse deve matriz
ocorrer depois do cálculo dos
caso, de llikikjá
a matriz
valores caso, aapivotada:
se encontra
Nesse matriz jájá se
se encontra
encontra pivotada:
pivotada:
valores de lik. Nesse caso, a matriz já se encontra pivotada:
((11)) 22 33 44 :: 11 11 − − 11
(11) 22 −33 −44 :: 10 10 −01
11 22 − − 3 − 4 : 0 0 0
3 −4 : 0 0 0
−− 1 0 22 33 :: 11 11 11
1 0
−11 −04 −21 13 :: 12 −12 12
1 − 4 − 1 1 : 2 − 2 2
1 − 4 − 1 1 : 2 − 2 2
c)
c) Definimos
Definimos aa primeira
primeira linha i=1 da
linha i=1 da matriz U, uu1j (j=2,3,4),
matriz U, (j=2,3,4), que
que
c) c)
Definimos Definimos
éé igual à amatriz
primeira
a primeira
A linha
linha
dividida i =pelo
i=11 dada matriz
pivômatriz
l U,
= u1ju(j1j1j =(j=2,3,4),
U,
1: 2, 3, 4), que
queé
igual igual à
à matriz matriz A
A divididadividida pelo pelopelo
pivô lpivô pivô l
= 1:
11 = 1:
é igual à matriz A dividida 11
11
l11 = 1:
((11)) 22 33 44 :: 11 11 − 1
− 1
(11) 22 −33 −44 :: 10 10 −01
1 2 − 3 − 4 : 0 0 0
− 1 2 −3 −4 : 0 0 0
− 11 00 22 33 :: 11 11 11
− 1 0 2 3 : 1 1 1
11 − − 44 − − 11 11 :: 22 −
− 22 22
1 − 4 − 1 1 − 2 2
: 2
Segundo passo: k = 2
a) Definimos a segunda coluna j = 2 da matriz L, li2 (i = 2, 3, 4), que
é igual à matriz A menos um somatório de produtos cruzados da
sua linha e coluna, conforme demonstramos ao lado das matrizes:
i2
a) que que
Definimoséé igual
igual a segunda à matriz
matriz
àsegunda AAmenos
coluna menos j=2 da
um um somatório
matriz
somatório L, l (i=2, dede
(i=2, produtos
3, 4),
4),
a)a) Definimos
Definimos a asegunda coluna
coluna j=2 j=2da da matriz
matriz L,L,li2li2i2(i=2, 3,produtos
3, 4),
que
queéé éigual
cruzados igual da ààsuamatriz linha A menos ecoluna,
coluna, um somatório
conforme de produtos
produtos
demonstramos
134 cruzados
que igualda à sua matriz
matriz linha emenos
AAmenos umum
CÁLCULO
somatório
conforme
somatório de produtos ao ao
demonstramos
de
NUMÉRICO COMPUTACIONAL
cruzados
lado
cruzados dasda da sua
matrizes:
dasua linha
linhaeeecoluna,
sualinha coluna,
coluna,conforme conforme demonstramosao
conformedemonstramos
demonstramos ao
cruzados
lado das matrizes: ao
lado
ladodasdas matrizes:
dasmatrizes:
matrizes:
lado
1 22 33 44 : : 11 1 1 −1−1
1 2 3 44 : : 1111−−11
11 1 2002 3−−333 4−− : 1 1 −1 0= 0=2 −2(1−*(21)* 2 )
1 1 00 0 −−33 −−4444: :::00000000000 0 00== 222−−−(1((11* *2*2)2))
=
1 − 3 − 4 : 0 0 0 , que
, emem 0
queque2 = 20= −0(−1(*−21)* 2 )
−1 22 22 33 :: 1111 1 ,1,em em que
−−11−1 22 2 222 333 :: : 111111111, ,em
em que 2 2= = 00−−−(−((−1−11* *2*2)2))
1 ( −−66)) −−11 11 :: 22 −2−2 2 −6−44=− 11* *2−
6−−(=−(4 42())1−*(21)* 2 )
11 1 ((−−(66−))6 )−−1−11 111 :: : 222−−2−22222 2 − −66=− =−4 − ( 1 *2
)
b)
b)
b)b)
b)
Observamos
Observamos
Observamos
Observamosque
Observamos queque
que
que aapivotação
pivotação
pivotação
aaapivotação
pivotação parcial,
parcial,
parcial,
parcial,
parcial,
correspondente
correspondente
correspondente
correspondente
correspondente ao ao ao ao
ao
b) Observamos
segundo
segundopivô
segundo
segundo que
pivô
pivô
pivô
pivô a (k=2),
pivotação
(k=2),
(k=2),
(k=2), parcial,
deve
deve
deve deve ocorrer
ocorrer correspondente
ocorrer
ocorrer depois
depoisdepois doao do segundo
cálculo
cálculo
do cálculo dos dosdos
dos
cálculo
segundo (k=2), deve ocorrer depois do cálculo dos
pivô (k = 2), deve ocorrer
.Nesse
Nessecaso,depois
caso, do
aalinhacálculo
linha dos valores
44éé4trocada de
com l . Nesse
caso,
valoresde
valores
valores
valores
a linhade
valores dedellikll..ikNesse
de .Nesse
Nesse
4 éik liktrocada
ik
caso,
caso,
comcaso, a alinha
alinha
alinha
2,linha
4em é trocada
trocada
A 4e B:
é trocada comcom
com aikaalinha
linha
com a2,2,linha
a linha
linha 2, 2, 2,
em
em AA
em A
AeeeB: eB:B:
B:
em A e B:
111 1 1 2222 3333 4444 :: :: 11111111−−1−11−1
1 (2−6 ) −31 14 : :21−21 2−1
1 (((−−−666))) −−−111 111 :: : 22 2−−22−222 2
111
1−1 (2222 ) 2222 3333 :: ::111111111111
−11
−6 −1 1 : 2 −2 2
−−
−111 020 −− 23 −−443 0 1
: :0101
11 00 −−33 −4−4 : :000 0000
3 : 0
0
0 −3a segunda
1 Definimos −4 : 0linha 0i=2 0da matriz U, u (j=3, 4), que é
c)c)
c) Definimos
Definimos aasegunda
segunda linha
linha
i=2
i=2 da
da matrizU,U,u2ju2j2j(j=3,
matriz (j=3,4), queé é
4),que
c) Definimosigual à matriza segundaA menos linha
um i=2 da matriz
somatório de U, u2j (j=3,
produtos 4), que é
cruzados
c) c) Definimos
igual àà matriz
Definimos
igual matriz a Asegunda
a segunda menos
Amenos linha um linha
ium somatório
da i=2
= 2somatório matrizdadematriz
U,de produtos
uprodutos
(j = U,
3, u
4), (j=3,
que
cruzadosé 4), que é
cruzados
igual igual
daa sua
da à matriz
matriz
linha eA,A menos
coluna,
menos um
respectivamente,
um somatório
somatório de ede
2j
produtos
dividido
produtos
2j
pelo
cruzados cruzados
pivô
dada sua
igual suaàlinhalinha
matriz ee coluna,
coluna,
A menos respectivamente,
respectivamente,
um somatório eedividido
dividido pelopivô
pelo
de produtos pivô
cruzados
dalda lda
l22sua
sua
==
=linha
–6,
–6,
–6, linha
conforme
e
conforme
conforme
e
coluna,coluna, demonstramos
dividido
demonstramos
demonstramos
respectivamente,pelo ao
ao lado
pivô
ao l
lado
lado
= e
das
das
22das
dividido
–6,matrizes:
conforme
matrizes:
matrizes:
pelo pivô
22 sua linha e coluna, respectivamente, e dividido pelo pivô
demonstramos
22
abaixo: demonstramos ao lado das matrizes:
l = –6, conforme
221 2 3 4 : 1 1 −1
11l22 =22 –6, conforme33 44 : : demonstramos
1111−−11 ao lado das matrizes:
1 ( −6
11 −−626 0.6667 ) 0.6667 0.5 : 2 −2 2
4 : : : 221−−22122 −
−1 2 (( )) 0.66673 0.5
2
0.5
3 : 1 1 1
1
−−1111 − 1 12 −1
( 2226 ) 0.6667 22 3 330.54: : :1:12111−21
1 0 −3 −4 : 0 0 0
−111 (0− 026 ) 0.6667 0.5
−−332 −−443 : : :0:012001−
0201 2
em que
−11que
em
em que 02 −32 −43 : : 01 0 1 0 1
0.6667 = [−1 − (1 * 3)] / (−6)
em 1 que
0.6667
0.6667 0[[−−11−−((1−1*3*33)])]//(−
== −4
6) : 0 0 0
0.5 = [1 − (1 * 4)] / (−6)(−6)
em
em
0.5 que
0.5 =
=que
[1−−=((1[1−**1
[1 44)])]//((−−66))
0.6667 − (1 * 3)] / (−6)
Terceiro passo: k=3
Terceiro
Terceiro
0.5 passo:
0.6667= [1 −=([1−*k=3
passo: 4−)](/1(*−36)]
1k=3 ) / (−6)
a) Definimos a terceira coluna j=3 da matriz L, li3 (i=3,4):
a)
0.5
a) = [1 − (1 * 4a)]
Definimos
Definimos (−6) coluna
a terceira
/terceira colunaj=3 j=3da damatriz
matrizL,L,li3li3(i=3,4):
(i=3,4):
Terceiro passo:
1 2 3 k=34 : 1 1 −1
11 1 22−6 0.6667
33 : : : 11211−2−−121
440.5
Terceiro passo: k=3
a) Definimos a terceira
: 2coluna j=3 da matriz L, li3 (i=3,4):
11 −−66 0.6667 0.5 −−222 2
0.6667 0.5 :
−1 2 3.667 3 : 1 1 1
2
a)−−1Definimos 3 a terceira
4 : 1 coluna 1 −1j=3 da matriz L,
1 2 3.667 33 : : 111111
1 22 3.667 li3 (i=3,4):
1 0 ( −6) −4 : 0 0 0
−6 0.6667 0.5 : 2 −2 2
11 11 002 ((−−6)3 −−444 :: :00100100 −1
6)
−1 3.667 3 : 1 1 1
0.6667 0.5 : 2 −2 2
2
1 −6
−11 0 ( −6) −4 : 0 0 0
2 3.667 3 : 1 1 1
em que
CAPÍTULO 2 0.6667 = [COMPUTACIONAL
– SOLUÇÃO −1 − (1 * 3)] / (DE
−6SISTEMAS
) DE EQUAÇÕES LINEARES 135
0.5 =
[1 − (1 * 4)] / (−6)
Terceiro
Terceiro passo:
passo: k = 3 k=3
a) a) Definimos
Definimos a terceira
a terceira colunacoluna j=3 daL,matriz
j = 3 da matriz 4):li3 (i=3,4):
li3 (i = 3,L,
1 2 3 4 : 1 1 −1
1 −6 0.6667 0.5 : 2 −2 2 Capítulo
Capítulo 2 2– –Solução
Capítulo 2Solução C
Com
– Soluçã
Capítulo 2 – Solução Com
−1 2 3.667 3 : 1 1 1
1 0 ( −6) −4 : 0 0 0
em que
em que
m que
eem que
3.667 = 2 − ((−−11** 33++ 22**0.6667
0.6667))
3.667 == 22−−((−−11* *33++2 2* 0.6667
3.667
* 0.6667)
)
−6 =−3 − (1 ** 33++ 00** 0.6667
0.6667))
−6 =− 3 − (1 * 3 + 0 * 0.6667)
−6 =−3 − (1 * 3 + 0 * 0.6667)
b) Observamos que a pivotação parcial, correspondente
b) Observamos que
b) b)
Observamos
Observamos
b) Observamos queaaapivotação
que a pivotação
que
pivotação
parcial,
pivotação parcial,
correspondente
parcial,
parcial,
correspondente
ao terceiro
corresponde
correspondente
terceiro
terceiro
pivô pivô (k=3),
pivô depois
(k = 3), ocorre ocorre
(k=3),doocorre depois
depois
cálculo dos do
do
valores cálculo
lik. Nessedos
decálculo dosvalores
caso, valore
terceiro
terceiro
a linha 4 é pivô
pivô
trocada (k=3),
(k=3),
com a ocorre
ocorre
linha 3, em A depois
depois
e B: do do cálculo
cálculo dos dos valo
valores
l . Nesse caso, a linha 4 é trocada com a linha 3, em A e B
lik . Nesse caso, a linha 4 é trocada com a linha 3, em A e B
llikikik.. Nesse
Nessecaso,
caso,aalinha
linha4 4é trocada
é trocada com
com a linha
a linha 3, em
3, em A
A e B:
11 22 33 44 :: 11 11 −−11
11 −226 0.6667
33 4 4 : : 11 1 1 −1 − 1
1 −6 0.6667 0.5 0.5:: 22−−2222
−6 0.6667
111 −006 0.6667
((−−66)) 0.5 44::: : 2002−020−22002
−−0.5
((−−66) ) −−4 4: : 000 00 0
11 020 3.667
−−1 2 3.667 33 :: 11 1111
−11 22 3.667 3.667 3 3 : : 11 1 11 1
c) Definimos aa terceira linha i=3da
i=3 matriz U,uu3j3j(j=4):
U,
c) c)
Definimos
c)
Definimos
Definimosa terceira
a
terceira
linha i =linha
terceira
linha
3 da matriz da
da umatriz
U, matriz
(j = 4):U, (j=4):
(j=4):
Definimos a terceira linha i=3 da matriz uU, i=3 3j
3j u3j (j=4):
11 22 3 4 : 1 1 −1
3 4 : 1 1 −1
11 −226 0.6667
33 0.54 :: :121−121−
4 1
21−
11 −−66 0.6667
0.6667 0.5 0.5 :: 22−−2222
1 −06 0.6667( −6 ) 1.333 0.5 : : 02 0 − 2 0 2
111 000 ((−−−666)) 1.333 1.333:: 000000
− 1 2 3.667( ) 1.333
−11 22 3.667
3.667
3 : :101 010
3 :: 11 11 11
−
−1 2 3.667 3
em que 3 : 1 1 1
em que
emque
que
em
1.333que
em =[−4 − (1 * 4 + 0 * 0.5)] / (−6)
=[[−−44 −−((11**44++00**0.5
1.333 =
1.333 0.5)])]//((−−66))
1.333 =[−4 − (1 * 4 + 0 * 0.5)] / (−6)
Quarto passo: k=4
Quarto passo: k=4
Quarto passo: k=4
Quarto passo: k=4
a) Definimos a quarta coluna j=4 da matriz L, li4 (i=4):
a) Definimos
Definimos aa quarta
quartacoluna
colunaj=4 j=4da damatriz
matrizL,L,li4li4(i=4):
(i=4):
a) 1Definimos
2 3 a quarta coluna j=4
4 : 1 1 −1 da matriz L, l i4
(i=4):
1 2 33 44 :: 1111−−11
que
em
−1 2 3.667 3 : 1 1 1
136 1.333
em =[−4 − (1 * 4 + 0 * 0.5)] / (CÁLCULO
que −6) NUMÉRICO COMPUTACIONAL
1.333 =[−4 − (1 * 4 + 0 * 0.5)] / (−6)
Quarto passo:
Quarto passo: k = 4 k=4
Quarto passo: k=4
a) a) Definimos
Definimos a quartaa coluna
quartaj = 4coluna L, li4da
da matrizj=4 (i = matriz
4): L, li4 (i=4):
a) Definimos
1 2 3a quarta
4 coluna j=4 da matriz L, li4 (i=4):
: 1 1 −1
11 (2−6 ) 0.6667
3 : 1: 12 −−12 2
4 0.5
1 −6 0.6667 0.5 : 2 −2 2
1 ( 0) ( −6 ) 1.333
: 0 0 0
1 0 : 0: 01 01 1
−1 2 ( −3.667
6 ) 1.333
1.112
−1 2 3.667 1.112 : 1 1 1
emque
em que
em que
1.112 = 3 − (−1 * 4 + 2 * 0.5 + 3.667 * 1.333)
1.112 = 3 − (−1 * 4 + 2 * 0.5 + 3.667 * 1.333)
Observe que a decomposição LU é feita uma única vez e a
Observe
Observe queque a decomposição
a decomposição umaéúnica
LU é feitaLU feitavez,
uma única
e agora vez e agora
podemos
podemos aplicá-la
aplicá-la aos três aos três
sistemas, fazendo sistemas,
as substituições fazendo
para cada B: as substitu
podemos aplicá-la aos três sistemas, fazendo as substituições
para
Apara cada
cada B:
* X = B1
B:
nal
A * X = B2
A *A * X 1= B 1
A * X = B3 X= B
A *A * X
B2= B
2
Primeiro sistema – A * X =1 B : 1 X=
Primeiro sistema – A * X = B :
1* A XB3pivotado),
= Btemos
3
ResolvendoL L* C* C
Resolvendo =B=1 (observe que A
B1 (observe foiXBpivotado),
que
B 1=
*foi temos
Ex. 2.6
ResolvendoUU* X* X
Resolvendo == , temos
C1,Ctemos
1
Resolvendo U * X = C1 ,
⎡11 22 33 44 ⎤ ⎡xx11 ⎤ ⎡11 ⎤ ⎡xx11 ⎤ ⎡−−0.1516
0.1516⎤
⎢0 1 0.6667 0.5 ⎥ ⎢x ⎥ ⎢-0.1667 ⎥
⎢ xx2 ⎥ ⎢0.3248 ⎥
⎢0 1 0.6667 0.5 ⎥* ⎢ x22⎥ = ⎢ −0.1667 ⎥ ⇒⇒ ⎢ 2 ⎥ = = ⎢0.3248 ⎥
=
⎢00 00 1.333⎥ ⎢xx33⎥ ⎢0.1667 ⎢x33 ⎥ ⎢−−1.898
*
11 1.333 0.1667 ⎥ x
1.898 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ x4 ⎥ ⎢1.549 ⎥
⎣00 00 00 11 xx4 1.549
⎦ ⎣ 4 ⎦ ⎣1.549 ⎦ ⎣ x4 ⎦ ⎣1.549 ⎦
Segundo sistema – A * X = B2:
Pg. 86Resolvendo L * C = B2, temos
11 1
0 1 0.6667 0.5 x -0.1667 x 0.3248
1 2 3 4 ** x122 = 1 ⇒ x122 = −0.1516
0 x3 0.1667 x3 −1.898
DE EQUAÇÕES
0 2 –1SOLUÇÃO
CAPÍTULO 1.333 x3 0.3248 137
0 1 0.6667 0.5 * x32 = -0.1667 ⇒ 2 =
COMPUTACIONAL DE SISTEMAS LINEARES
0
0 00 0
1 1
1.333
x
x344
1.549
0.1667
x
x4
4
1.549
−1.898
3
0 0
Segundo
Segundo 0sistema
sistema –1 A–*AX**x=X4 B=2: B1.549
22
: x4 1.549
Resolvendo
Segundo L L* C** C
Resolvendosistema =B =– ,B
Atemos
2 22
,* temos
X = B 2:
Resolvendo
1 0 0 L * C 0= B , temos
2
c11 1 c11 1
1 −6
1 0
0
0 0 ** cc122 = −12 ⇒ cc122 = 10.5
0
1 0 −6 0 c3 0 c 0.1667
1 −6 0 0 c32 −2 ⇒ c32 = 0.5
3
=
−11 0
2 3.667
−6 1.1120 cc344 1
*
0 cc344 0.3495
0.1667
−1 2 3.667* *1.1122 22 c4 1 c4 0.3495
Resolvendo UU X* X
Resolvendo == C ,Ctemos
, temos
Resolvendo
1 2 3 U*X 4 =C2,x11temos 1 x11 −0.5498
0 1 0.6667 0.5 x 0.5 x 0.5247
1 2 3 4 ** x122 = 1 ⇒ x12 = −0.5498
2
x −0.2992
0 0 0.6667
0 1 1 0.5 xx332 0.1667
1.333 0.5 x332 0.5247
0 0 0 1 * x = 0.3495 ⇒ x = 0.3495
0 0 1 1.333 x344 0.1667 x344 −0.2992
0 0 0 1 – A * xX4 = B330.3495 x4 0.3495
Terceiro sistema * :
Terceiro
Resolvendosistema – A * X33 = B3:
L ** C –= AB*, Xtemos
Terceiro sistema = B 3:
Resolvendo
Resolvendo L * C = B3, temos
0 L * C 0= B , temos
3
1 0 c11 −1 c11 −1
1 −6 2
0 0 ** cc122 =
0 c −0.5
1 0 0 −1 ⇒ c122 = −1
1 0 −06 0 cc33 0 c3 −0.1667
c3 −0.5
1 −6 0 * 2 = 2 ⇒ c2 = 1.449
−11 0
2 3.667
−6 1.112 0 cc344 1
0
c34 −Capítulo
4 0.1667
2 – Solução Computacional de Sistemas de
−1 2 3.667 1.112 c4 1 c4 1.449
Resolvendo UU* X* X
Resolvendo ==C3,Ctemos
3
, temos
1 2 3 4 x1 −1 x1 −0.8504
x x
0 1 0.6667
0.5 2 −0.5
2 0.1742
* = ⇒ =
0 0 1 1.333 x3 −0.1667 x3 −2.098
0 0 0 1 x4 1.449 x4 1.449
Confiraoo algoritmo
Confira algoritmode decomposição LU, de Crout,
de decomposição LU, aplicado ao Exemplo
de Crout, 2.6 deao
aplicado três
sistemas lineares com opção de pivotação parcial, no link <http://sergiopeters.prof.
Exemplo 2.6 de três sob
ufsc.br/algoritmoslivro/> sistemas lineares com opção de pivotação
o título Cap2LUCrout.m.
parcial, no link http://sergiopeters.prof.ufsc.br/algoritmoslivro/ sob o
título Cap2LUCrout.m.
138 CÁLCULO NUMÉRICO COMPUTACIONAL
Gauss O(2n3 / 3)
Gauss-Jordan O(4n3 / 3)
Inversão O(8n3 / 3)
Crout O(2n3 / 3)
Fonte: Elaboração própria.
Assim, quando temos que resolver vários sistemas com a mesma matriz
de coeficientes A e com m diferentes vetores de termos independentes do
tipo A * Xm = Bm, podemos:
b) Obter a matriz inversa A–1 uma única vez e aplicar apenas o produto
final Xm = A–1 * Bm para cada sistema m. O custo dessa etapa de
operações do produto da inversa é igual ao das duas substituições
sucessivas com as matrizes L e U, e custo de armazenamento de
uma única matriz.
obtera)a)aoperações
matriz Uno
operações primeiro
primeiropasso:
diretamente
no kk=transposta
pela
passo: =11 de L, ou seja, U = LT ,
( A =a)a) operações
* L ), segundo
T
Loperações no primeiro passo: kequações:
as seguintes k == 11
l11 = a11 no primeiro passo:
= aa11
lll1111 =
i1 = a 11
i1 /l11 ∀i= 2,3,..., n
= aai1 // ll11
llii11 = ∀i= 2,3,..., n
b) operações i1 =
11 nos passos: k 2,3,...,∀n i−=
1 2,3,..., n
b) operações
operações nos
b) operações
b) nospassos
nos passos:
=
passos: =
1/2
2,3,..., nn −−11k = 2, 3, ..., n – 1
intermediários:
kk 2,3,...,
k −1
1/2
= lkk akk − ∑ l 2 1/2
kk−−11 kr
r =1 l22
=
=llkkkk aakkkk −− ∑ lkrkr
rr==11 k −1
1
= lik 1 aik − ∑ l * lkr
kk−−11 ir
l1 r =1 l * l
=
= llikik kk aaikik −− ∑ lirir * lkrkr ∀ i = k + 1,..., n
ll kk ∀ i = k + 1,..., n
k = n∀ i = k + 1,..., n
r==11
c) operações kk no rúltimo passo:
mo
c) operações
c) operações no
no último
último passo: k = n
1/2 passo: k = n
de
mo
mo n −1
2 1/2
ky,
de lnn ann − ∑
= n−11 lnr 1/2
de n−
lkk akk − ∑ lkr2
=
r =1
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 141
1 k −1
= lik
lkk
aik − ∑
r =1
lir * lkr
∀ i = k + 1,..., n
c)
c) operações
operações nono último
últimopasso:passo:kk==nn
goritmo
1/2
de
n −1
holesky, lnn ann − ∑ lnr2
=
por r =1
motivos
O método de Cholesky também é utilizado para verificar
amente O método de Cholesky também é utilizado para verificar eficientemente
eficientemente se uma dada matriz simétrica A é positiva definida ou
imimos se uma dada matriz simétrica A é positiva definida ou não; pois, na
U para não; pois, na decomposição
decomposição anterior, se nãoanterior, se não
aparecerem aparecerem
radicandos radicandos
negativos, então a
as essa negativos, então aématriz
matriz simétrica positivasimétrica
definida. é positiva definida.
cisa ser
enada.
No algoritmodedeCholesky
Noalgoritmo Cholesky, o, processo
o processo
dede pivotaçãonão
pivotação nãopode
podeserser
aplicado, para não alterar a simetria da matriz, conforme podemos
aplicado, para não alterar a simetria da matriz, conforme podemos conferir
no arquivo Cap2LUCholesky.m do Caderno de Algoritmos.
conferir no arquivo Cap2LUCholesky.m do Caderno de Algoritmos.
No algoritmo de Cholesky, por motivos estritamente didáticos, temos a opção de imprimir a matriz U
para visualização, mas essa matriz U nem precisa ser armazenada uma vez que U = LT.
2.1.6de Sistemas
2.1.6 Solução Soluçãocomde sistemas
a Matriz com a matriz
de Coeficientes de
do Tipo Banda
coeficientes do tipo banda
Alguns modelos matemáticos envolvem sistemas deComputacional
Capítulo 2 – Solução equações de Sistemas de Equaç
Alguns modelos matemáticos envolvem sistemas de equações lineares
lineares especias
especias deste tipo:
deste tipo:
a11 a12 0 0 L 0 0 x1 b1
a a22 a23 0 L 0 0 x2 b2
21
0 a32 a33 a34 L 0 0 x3 b3
M M O O M M * M = M (4a) (4a)
M M O O M M M
0 0 L L a( n −1,n − 2) a( n −1,n −1) a( n −1,n ) xn −1 bn −1
0 0 L L 0 a( n ,n −1) a( n ,n ) xn bn
NesseNesse
sistema, a matriz
sistema, dos coeficientes
a matriz AéA
dos coeficientes constituída de de
é constituída apenas
apenas três
três faixas dedeelementos
faixas nãonulos:
elementos não nulos:a afaixa
faixa
dada diagonal
diagonal principal
principal e as supra
e as faixas
faixas supra e infradiagonal. Esse tipo de sistema é denominado de
tridiagonal e, para solvê-lo, é natural considerarmos que:
Nesse sistema, a matriz dos coeficientes A é constituída de apenas
três142
faixas de elementos não nulos: a faixa da diagonal
CÁLCULO principal
NUMÉRICO e as
COMPUTACIONAL
r1 d1 x1 b1
t r2 d2 x b
2 2 2
t3 r3 d3 x3 b3
O O O * M = M (4b)
(4b)
O O O M M
tn −1 rn −1 d n −1 xn −1 bn −1
tn rn xn bn
Observe que no sistema (4b) não existem os elementos t1 e
Observe que no sistemacomputacional
dn. Na implementação (4b) não existem os elementos
desse t1 e dn. Na
tipo de sistema,
implementação computacional
podemos atribuir quaisquer desse tipopara
valores de sistema,
t1 e dn , podemos
uma vez atribuir
que
quaisquer valores para t1 e dn, uma vez que não serão utilizados.
não serão utilizados.
t2 t2 0 r t td r2 =⋮r2⋮ b−2bd2= 2
d1 d − t2 0t2 r1
−r2 − d1 ed1be= 2 b=
2b2 − b22 2−b12,22bpois
1,, pois
pois d 2ddnão não é
não alterado,
é é alterado,
alterado, r d = d − , e
0 , e
nenhuma outra coluna
r1 r1 ⋱ t3r1 r⋱r13 d⋱
2 2
⋮ ⋮ ⋮ ⋮1
2 2 2 2
r1 r1 t
3
t 0 = 0− 2 0
linha i = 2 é alterada, pois 0 = 0 − 2 0.
da r1
0 ⋱ ri −1 ⋱
i =di2i −=1é2alterada, ⋮ ⋮bi −1 t2 t2
uma outra
nhuma outra coluna
coluna da⋱ linha
da linha é alterada, poisr1pois 0= 0=0 −0 − ti0 . 0 . Pg. 144
⋱ ti ⋱ri ⋱ di Pg. ⋮144 ⋮ bi Li ← Li −r1 r1 Li −1
ri −1 ⎡ r1 d1
ndo passo:
gundo passo: generalizando
generalizando t
para
n
⋱ para
1 r⋱
um
n 1um ⋱
⎡d
passon
⋮ d⋮1k⋮bnqualquer
Segundo passo: generalizando para um passo k qualquer que⎢b0altera
r passo
1 k1
qualquer que que 1 ⎤ r apenas
− − 1 − −
⎢ d2
tt ⎢r0r ⋮ ⋮
r b b
d b ⎥2
aera apenas a a linha
linha =i =
apenas a linha i= k + 1, temos: ⎢
i k k ++1 ,1, temos:
temos: nn n n 2 n
n 2 ⎢2 ⎥
g. 191 ⎢ ⎢ ⎥
r1 d1 b1 b1 ⎢ ⋮ b1 ⎢ ⎥ 0 ri −1 di −1
1 d1
(α ) = 0 0 r d ⎢ ⋮ b 0 ri −1 d i −1 b
⎢ i −1 ⎥ 0 ri
r2d 2 d 2
2. 216 2 2 b2 b2 2 ⎢b ⎥
⎢ 0 ri di
g(O ) =O − fO( x) f ′⋱ ( x)) ⋱ M⋱M ⎢ ⋮ ⋮ ⎢ ⎥ i
O xO xO ⎢ ⎥
⎢
g. 220 0 0ri −1 ri −1di −1di −1
0 bir−i1−b1i −1 di −1 ⎢ ⋮ bi −1 ⎣
ti ⎣ ti ti 0 rn bn ⎥⎦ t
′( x0 ) = ln( ti xti) +
0 i1 i i
←
biti bi i rii i d ii − L ← Li − Li −1
ri −1 ri −1 ⋮ i −1bi t i
r r d di L L ←
L L − L L
i −1
r ri = ri − i di −1
32 O OO OO O M M ⋱ ⋱ r⋱ i 1 ri −1
i = ⋮ri −⋮ d i −1
i −
r
′( x) = e x − 1 tn tnrn rn bn bn tn rn ⋮ bn
i −1
aux = i
t
t
′′( x) = e x aux = i ri −1
g. 191 ri −1 Pg. 149
36(α ) = 0
′( x ) = 2 x
Pg. 149 | det( A) |
. 216 | det( A) | || det( A) ||= n << 1
Capítulo 2 uma vez que U =deLSistemas . de Equações Lineares
uma vez que U = LT . Capítulo 2––Solução
SoluçãoComputacional
Computacional de Sistemas
Capítulo de Equações
2 – Solução Linearesde Sistemas de Equ
Computacional
Pg. 140 Pg. 143
Pg. 143
1 t⎛2 k −1
⎞ t2
Capítulo 2 – Solução Computacional de Sistemas de Equações Lineares
144
l
r2ik ==r
matriz triangularizada
2 − ⎜
lkk r⎝1
a
d 1
ik − ∑
r =1
lir * alrkseguir:
⎟
⎠
r2 = r2 − CÁLCULO
d1 NUMÉRICO COMPUTACIONAL
r1
oss aa matriz
matriz Pg. triangularizada
Então, 141t2geramos a matriz aa seguir: triangularizada t a seguir:
0 = 0triangularizada
− b0 seguir: 0 = 0− 2 0
uma vez r1 1que U = L . T
r1
mos a matriz Então, triangularizada
geramos a matrizatriangularizada seguir: a seguir:
Pg.
Pg. r1 144 d1b bb1
143 b1Pg. 144
r1 d1 2t2b1 ⋮ b1 b
r020 = rrr22−Md db d221b1 2 ⎡r1 d1 b1 ⎤
r21 2 ⋮ b2 ⎢
O 2
O OMb2O
M ⎢ 0 r2 (5) d2 b2 ⎥⎥
Odi −1 ⋱ bit⋱ −21
M⋱ ⋮ ⋮
di −1 0 = 0 − 0 0b0i −ri1M−1ri −d1 i −1 di −1
⋮ bi −1 bi −1
⎢ (5) (5)(5)⎥
−O1
−1ri d i −d1i b r 1 bi −1 ⎢ (5) ⎥
0ri −1 rdi i −1 Pg. bbi 0i −1 0 ri rdi i di⋮ bi bi ⎢ 0(5)ri −1 di −1 bi −1 ⎥
i
d
0O rO dO 144
i
M bi ⋱ ⋱ ⋱ ⋮ ⋮
0 O
i
Ori O
i
⎡ r1di dO M b O O O b1 M⎤⎢ 0 ri di bi ⎥
1 ⎢ ⎥
0 O ⎢ 0rn O r bn d M i
0 rn ⋮ bn
0 r b b ⎥⎢ ⎥
O ⎢0O r2nO ti bn M
b2 n 2 ⎥n
⎢
0 r
r⎢i = ri − n di −1n ⎥⎣ 0 rn bn ⎥⎦
⎢ 0 r r b n ti ⎥ t
i −n1
tti i t
oeficientes
os coeficientes Em
Em ⎢ são
que
que ti os r
os 0i= novos
novosrii −− i −1di i −1 e b=
t
dcoeficientes
coeficientes são
são −b1 , , ddi −i 1−1 e
bii−1−⎥ri==i tribii i−− e b= bi − i bi −1,, para
aux = são ri= rir− ti d i −1 e b= −
1 i b t i
os coeficientes i⎢= 2, 3,
para são
rii −1=..., n. ri=0 nr.i i−
2,3,..., −r1 r t dd
i i −1i i i −1
e bi= ⎥i ri −1 i ir−rii−1−11
i bi bi −ri −t1i bi −1 ,
ri −1
nvos. coeficientes
Pg. ⎢ 149 são ri= ri −ri −1 di −1 e b= ⎥bi − ri −1 tbi i −1 ,
n. ⎢ algoritmo
Assim, podemos gerarri −1 um
i
algoritmo ⎥aux r=i −1 simples para efetuar a
gerar
mos., n .gerar um um A) ||algoritmo
| det( A ) | simples
1simples
para para efetuar ri −apara
Assim,
||⎢det( podemos
= n gerar
<< um 0 algoritmo
r b ⎥efetuar
simples 1a efetuar a triangularização
mos
amos gerar
matriz ⎣ um algoritmodasimples
triangularização
dematriz
coeficientes. matriz
Genericamente, ndepara efetuar
coeficientes.
n ⎦Pg. a
149paraGenericamente,
para para
ão da gerar da
matriz umde coeficientes. ∏
de
algoritmo
t
coeficientes.
α i Genericamente,
Genericamente,
simples para efetuar paraai = 2, 3, ..., n. (equivalente a
ão da matriz | det( A) |
akαrik==a=1ride coeficientes.
ni n–id=1i(equivalentetemos: Genericamente, a k = 1 até n −Apara1) ),
||=temos:
i = 2,3,..., até
alente
uivalente
ção da matriz i
− até
k1de atén1),
−1 − 1 ), temos:
=ri1−1coeficientes. n − 1 ), temos: Genericamente, || det( para n
<< 1
uivalente Pg. 154 a k = 1 até n − 1 ), temos: ∏ αi
equivalente a kti = 1 até n − 1 ), temos: t
X
aux (0)
= ti ti aux = i i =1
Pg. aux157 =ri −1 = ti
aux riα−1 i
aux ri −=1 ri −1ti
Pg. 149 aux =r
−1 A) |
ri= ri − aux * di154 Pg.
−1
ri= ||rri=det( rAi )−||=aux | det(
ir
i − aux * d ii*− −1d
− << 1 X (0)
ri=r= ri r−−aux n 1 i
* d i −1
1
b= bi − aux Pg. * b157
aux ∏ *αd i −1
i i −1
b= bi − aux
b = i b i− aux
i *b * b i
i −1
i
b=i b − auxi =i1−*1b
i = rib, d− eaux
αb
Com *b
b1 inalterados na primeira linha.
i −1
i
i 1 i 1 i −1
nalterados
erados Então,
na na
Pg. primeira primeira linha.
linha.
154por retrosubstituições sucessivas aplicadas sobre as
nalterados
Com
inalterados (0)na
rna ,primeira
dprimeira linha.
e b1 inalterados
linha. na primeira linha.
trosubstituições
X
equações sucessivas aplicadas sobre as obtemos:
porsimplificadas, dadassucessivas
pela eq.as(5),
1 1
ubstituições
1
Então, sucessivas aplicadas
retrossubstituições sobre aplicadas sobre as equações
trosubstituições
plificadas,
Pg. 157
etrosubstituições
dadas sucessivas
sucessivas
pela eq. (5), aplicadas sobre
aplicadas sobre as
obtemos: as
simplificadas,
cadas, dadas pela dadas
eq. (5),(5), pela eq.
obtemos:(5), obtemos:
xn = bn / rn
plificadas, dadas
mplificadas, dadaspela pelaeq. eq. (5),obtemos:
obtemos:
xn = bn / rn
xn =xibxn=/nr−n 1, n − 2,..., 2,1 , temos:
n n==bnbn/ /rnrn
Para
− 2,..., 2,1 , temos:
...,
−n − 2,1
2,...,,2,1
temos:
2,..., Para i = n – 1, n – 2, ..., 2,x=
, temos:
2,1 , temos:
(bi − di * xi +1 ) / ri
i1, temos:
x= (b − d * x ) / r
x=i x= bii −(Dessa
(iix= i i
b(dibi−i *−dxdiiforma,)ixi+/+i11+r1)i )/obtemos
+i*1*x
i
/riri a solução do sistema tridiagonal com o
mínimoa de
ma, obtemos operações
solução possíveis
do sistema manipulando
tridiagonal com oapenas os elementos
obtemos
ma,obtemos
ma,
ações não anulos.
obtemossolução
possíveis do do
aasolução
solução sistema
dosistema
manipulando tridiagonal
sistema tridiagonal
tridiagonal
apenas com
com
com
os elementoso oo
rações
ações possíveis
s possíveis Nesses
possíveis manipulando
manipulando apenas
apenas
casos, o pivotamento
manipulando apenas os
os os elementos
elementos
de linhas ou colunas não deve ser
elementos
aplicado, pois isso alteraria a estrutura em forma de banda da matriz.
os, o pivotamento de linhas ou colunas não deve ser
asos, o pivotamento de linhas ou colunas não deve ser
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 145
utacional
mputacional
Solução:
Solução:
Solução:
a) a)
a) Triangularização
Triangularização baseada
Triangularização nopivô
baseada
baseada no pivô
no k k==k1 1=
pivô opera a linha
1 opera
opera a linha
a linha 2:i 2:
i =i = = 2:
11 −1−1 0 0 0 0 0 0M M0 0
1 1 −1 0 0 1 1
1 1 −1 0 0M M1 1L2 L← L − L
2 ←2 L2 − 1 L1
1 1
00 1 1 −1−1 1 1 0 0M M2 2
00 0 0 −1−1 1 1 1 1M M−1−1
00 0 0 0 0 −1−12 2M M−2−2
11 − 1− 1 0 0 0 0 0 0M M 0 0
0 2 − 1 0 0
0 2 − 1 0 0M M 1 1
00 1 1 − 1− 1 1 1 0 0M M 2 2
00 0 0 − 1− 1 1 1 1 1M M− 1−1
00 0 0 0 0 − 1− 12
2M M− 2−2
2 2
1
1
0 1 −1 0 M 2
1
146 0 0 −1 1 1 M −1 CÁLCULO NUMÉRICO COMPUTACIONAL
0 0 0 −1 2 M −2
1 − 1 0 0 0 M 0
0 2 − 1 0 0 M 1
0 1 − 1 1 0 M 2
0 0 − 1 1 1 M − 1 Capítulo
Capítulo 22 –– Solução
Solução Computacional
Computacional de
de Sistemas
Sistemas de
de
Capítulo 2 – Solução Computacional de Sistemas de
0 0 0 −1 2 M − 2
1 −1 0 0 0 M 0
10 −21 0 0 0
−1 0 0
M 0
M 1
0 2 −1 0 0 M 1
0 1 1
−1 1 0 M 2 L33 ← L33 − 1 L22
0 1 −1 1 0 M 2 L ← L3 − 2 L2
0 0 −1 1 1 M −1 3 2
0 0 −1 1 1 M −1
0 0 0 −1 2
M −2
0 0 0 −1 2 M −2
1 − 1 0 0 0 M 0
1 − 1 0 0 0 M 0
0 2 −1 0 0 M 1
0 2 −1 0 0 M 1
0 0 − 0.5 1 0 M 15 .
0 0 − 0.5 1 0 M 15 .
0 0 −1 1 1 M − 1
0 0 −1 1 1 M −1
0 0 0 −1 2 M − 2
0 0 0 −1 2 M − 2
c) Triangularização baseada no pivô k = 3 opera a linha i = 4:
c) c) Triangularização
Triangularização baseada
baseada no pivô
no pivô k = k3 = 3 opera
opera a linha
a linha i = 4:i = 4:
1 −1 0 0 0 M 0
1 −1 0 0 0 0
0 2 −1 0 0 MM 1
2 −
0 0 −0.5 10
0 1 0 MM 1
0 1.5
0 0 −0.5 1 0 MM 1.5 (−1)
0 0 −1 1 1 −1 L44 ← L44 − (−1) L33
0
0 0 0 −1 1 1 MM −1 L ← L4 − (−0.5) L3
0 0 0 −1 2 −2 4 (−0.5)
0 −1 2 M −2
1 −
1 −11 0
0 0
0 00 MM 0 0
0 1 −1 0 0 0 M 0
0 2
2 −
−11 0
0 00 MM 1 1
0 2 −1 0 0 M 1
0 − 0 .
0 0 − 0.5 1 0
0 5 1 0 MM 15 ..
15
0 0 − 0.5 1 0 M 15 .
0
0 0 0 0
0 − 1
−1 11 MM − −4 4
00 0 0 −1 1 M − 4
0 00 0
0 −
−11 2
2 MM −−2 2
0 0 0 −1 2 M − 2
d) Triangularização baseada no pivô k=4 opera a linha i=5:
d) Triangularização baseada no pivô k=4 opera a linha i=5:
1 −1 0 0 0 M 0
0 0 − 0.5 1 0 M 15 .
0 0 0 − 1 1 M − 4
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 147
0 0 0 − 1 2 M − 2
d) d) Triangularização
Triangularização baseada
baseada no pivô
no pivô k = k=4 opera
4 opera a linha
a linha i =i=5:
5:
1 −1 0 0 0 M 0
0 2 −1 0 0 M 1
0 0 −0.5 1 0 M 1.5
omputacional 0 0 0 −1 1 M −4
(−1)
omputacional 0 0 0 −1 2 M −2 L5 ← L5 − L4
(−1)
1 − 1 0 0 0 M 0
1 −1 0 0 0 M 0
0 2 −1 0 0 M 1
0 2 −1 0 0 M 1
0 0 − 0.5 1 0 M .
15
0 0 − 0.5 1 0 M .
15
0 0 0 −1 1 M − 4
0 0
0 0 0 −1 1 M − 4
0 0 1 M 2
0 0 0 0 1 M 2
e) Retrosubstituições:
e) Retrossubstituições:
e) Retrosubstituições:
1 x5 = 2
−1 x5 =+2 =
−11 xx4 + 11 xx5 = −4
−4
−0.5 x3 + 1 x4 =
4 5
1.5
−0.5 x3 + 1 x4 =
2 x − 1x = 1
1.5
2 x2 − 1 x3 = 1
1 x1 − 1 x2 =
2 3
0
1 x1 − 1 x2 = 0
CapítuloCapítulo
2 – Solução Computacional
2 – Solução de Sistemas
Computacional de
de Sistem
Capítulo 2 – Solução Computacional de Sistemas de
2.1.7 Sistemas
2.1.7
2.1.72.1.7 Lineares
Sistemas
Sistemas
Sistemas Mal
Lineares
Lineares Condicionados
lineares
Mal Mal mal condicionados
Condicionados
Condicionados
Consideremos
Consideremos o seguinte
o sistema linear:
Consideremos
Consideremos o seguinte
seguinte sistema
o seguinte linear:
sistema
sistema linear:
linear:
+ 33x1xx+2 =
xx11 + =
3x442 = 4
2
x + 3.00001
x1 + 3.00001 =
xx22 = 2 =
x4.00001
4.00001
x11 + 3.00001 4.00001
cuja solução
cujacuja cuja
solução exata
solução
solução éé SS =
exata
exata exata éé S{{ =1,
= {11 1,
1,{1, }.
1}.1 }.
}.
Tomemos
Tomemos
Tomemos agora
agora um
agora
um um sistema
sistemasistemade
de equações,
de equações,
equações, derivado
derivado
derivado do
do sistema
do sistema
sistema
dado, Tomemos
que
dado, sofreu
que agora
uma
sofreu um
pequena
uma sistema
pequena de equações,
perturbação
perturbaçãoemderivado
dois de
em dois do
seus sistema
coefi
de seus dado,
cientes,
coeficientes,
dado, que sofreu uma pequena perturbação em dois de
que sofreu uma pequena perturbação em dois de seus coeficientes, impondo seus coefi cientes,
impondo
impondo uma variação
uma variação ao
aoacoefiao ciente aa22 de 3.00001 para 2.99999 ee e
impondo
uma umaao
variação variação
coeficiente coefidecoefi
cienteciente
3.00001 para
22
de de 3.00001
a222.99999
3.00001 b2para
para
e ao 2.99999
2.99999
de 4.00001
ao
ao bbao
para de
b2 4.00001
de 4.00001
2 4.00002,
para
de 4.00001
parapara
conforme 4.00002,
4.00002,
segue:
22
4.00002, conforme
conforme
conforme segue:
segue:
segue:
2
i =1
i aij2 Em quePg.
Emα154
(0)
i i= ∑ aaij2ij2 ∀ i ∈ {1, 2,..., n},, e αii mede
mede aa magnitude
magnitude de cada
i 1 X n =j 1
i∑
i 1
Em que α i =157
linha aij2 ∀ser
e deve i ∈ {1, 2,..., n}sobre
, e α iamede
matriza magnitude
original.
Pg.
de cada linha i =1
i e deve calculado ser calculado sobre a matriz original.
Então,
Então,
de cada linha sei se |||| det
e deve det((A)serA) ||||calculado
<<1,
<< 1 , o sistema
o sobre éaconsiderado
sistemamatriz mal condicionado.
é original.
considerado
Na prática, adotamos um limite conservativo, por exemplo, se
Então,mal se condicionado.
|| det( ||<< 1Na , oprática,
sistema adotamos um limite
é considerado
|| det (A) || <A)0.01, consideramos conservativamente que o sistema
Na página 166,malconservativo,
A * X = B6,épor
nacondicionado.
Tabela leia-se:
mal exemplo,
Na prática,
condicionado se ||edet( A) ||< 0.01
adotamos
podemos ,um
adotar consideramos
limite precauções.
as devidas
conservativamente
conservativo, por exemplo, quese ||odet( sistema *X = B
A) ||< 0.01A, consideramos é mal
k e podemos
condicionado
conservativamente
Os símbolos << e x
>> representam,
que1 o adotar sistema x
respectivamente,
as devidas
2 A* X =
muito
B é malmaior.
menor
precauções. e muito
b) Se o número
condicionado de condicionamento
0e podemos 0 adotar as devidas ( A) for considerado
0 precauções.
Cond
b) Se ogrande,
númerooude 1seja: 3
condicionamento 1.666667
Cond ( A) for considerado
bolo >> 2 -0.33333 0.555556
grande,
Condou
enta
>>
( Aseja:
) =3 A ∞ 1.888889
* A
−1
∞
>> 1
1.296296
(6b)
maior. Cond ( A ) = A4 ∞ * A0.407407
−1
>> 1 0.802469é considerado (6b)
Então, se Cond ( A∞) >> 1 , o sistema mal
or. 5 1.395062 1.131687
condicionado.
Então, se Cond A >> 1 , o sistema é considerado mal
mal condicionado. Na prática, adotamos um limite
conservativo, por exemplo, se || det( A) ||< 0.01, consideramos
150 CÁLCULO NUMÉRICO COMPUTACIONAL
conservativamente que o sistema * A X =B é mal
condicionado e podemos adotar as devidas precauções. Capítulo 2 – Solução Computacional de S
b) oSenúmero
b) Se o número de condicionamento
de condicionamento Cond
Cond ( A) (A)
for for considerado
considerado
grande, ou
grande, ou seja:
seja:
mbolo >> Capítulo 2 – Solução Computacional de Sistemas de Equações Lineares
esenta Cond ( A )A= norma
A ∞ * infinita
A−1 >>de 1 A, denotada por , é(6b)
definida
(6b)A da
∞
∞
seguinte forma: A norma infinita de A, denotada por A
to maior.
Então, seseCond (A)(>>
Cond A )1,>> 1 , o sistema
o sistema éforma:
éseguinte considerado
considerado mal
mal condicionado.
condicionado. || A || , édefinida
n
A norma infinita de A,infinita
A norma denotada
de A,por A ,por
denotada é definida da da seguinte
A ∞ =∞Max ∑ a∞ij n
forma:
seguinte forma: 1≤i ≤ n
j =1 A ∞ = Max ∑ aij
1≤i ≤ n
j =1
n
e corresponde ao maior valor entre as somas dos módulos dos
A ∞ = Max ∑ aij e corresponde ao maior valor entre as somas
1≤elementos
i≤n
j =1 de cada linha da matriz A. Também, para efeitos
práticos, podemos estabelecer elementos que,de secada ( A) >da100matriz
Condlinha , então A. Tam
e correspondeeaocorresponde
maiorovalor sistema entre
ao Aas
maior*X = B édos
somas
valor práticos,
módulos
conservativamente
entre as somas podemos estabelecer
dosdos módulos
mal dosque, se Cond
condicionado.
elementos de elementos
cada linhadeda cada
matriz matriz A.
linhaA.daTambém, o sistema
Também,
para efeitos *X =
Apara B é conservativamente
efeitos práticos, m
A dificuldade de aplicação
se (Cond(A)desse último critério está na obtenção
práticos, podemos podemos estabelecer
estabelecer que, se que,
Cond −A
A ) > 100 >, então 100, então o sistema
1 dificuldade de aplicação desse último critéri
do Avalor
* X =da B ématriz inversa
conservativamente
o sistema A * X = B é conservativamente mal condicionado. A , cujo
mal custo
condicionado. é aproximadamente o triplo
do valor
do custo do método de eliminação gaussiana, enquanto da matriz inversa A−1 , cujo custo é aproxim
o primeiro
A aplicação
dificuldadedesse de aplicação desse
docritério
custo último
do
estámétodo critério deestáeliminação
na obtençãogaussiana,do
A dificuldade de critério precisa último
apenas do determinante na obtenção de A, que podemos obter enq
valor da matriz −1inversa A , cujo custo é aproximadamente o triplo do custo do
–1
r da matriz inversa através A do , cujo custo éda
produto critério precisa
aproximadamente apenas
o triplo do determinante de A, qu
método de eliminação gaussiana,diagonal
enquanto noprincipal primeiro critério da matriz triangularizada
precisa apenas
o do método de eliminação gaussiana, através
enquantodo produto o primeiro da diagonal principal da matri
do determinante
(no método de de A, que
Gauss, podemos
det( Aobter
) = ∏através aii , emdo que produto da diagonal
os aii são n elementos da
precisa apenas do determinante de A, que podemos obter
principal da matriz triangularizada (no (no
métodométodoi =1 dede Gauss, det( A) = ∏ aii ,,em
Gauss, em que os aii
do produto dadiagonal diagonalda principal
matriz da
A matriz triangularizada
triangularizada) ou através do
i =1 produto da
que os aii são elementos da diagonal da matriz A triangularizada) ou através
diagonal
n
principal da diagonal
matriz da matriz A de
L decomposta triangularizada) ou atravé
do produto
todo de Gauss, det(da = ∏ aii ,principal
A)diagonal em que da
os matriz
a são Lelementos
decomposta da deAA(no
(nométodo
método LU, de
n diagonal ii
principal da matriz L decomposta de A (n
Crout, det( A) = ∏ lii * 1,,em
i =1
LU, deCrout, emque queososlii lsão são elementos
nelementos da diagonal
da diagonal de de L
al da matriz A triangularizada) ouCrout,
através do produto
ii
da
L e ada
al principal diagonal
matriz deL U
i =1
é composta de
decomposta de valores
A (no
det( A ) = ∏
unitários).
método
lii
LU,
* 1 ,
de
em que os l ii
são elementos
e a diagonal
Uma desvantagem de U desseé composta
cálculo de do valores
i =
determinante
1 unitários).
sobre a matriz
e a diagonal de U é composta de valores unitários
n
det( A) = ∏
simplificada Umaos
lii * 1 , em pelas
que desvantagem
lii são elementos
operações elementares desse da cálculo do
dediagonal
eliminação, deoudeterminante
Ldecomposição, ésobre a
que
i =1 essa forma final simplificada já sofreu
matriz simplificada pelas operações Uma desvantagem
o acúmulo de erros de
elementares desse de cálculo
arredonda-
eliminação, do deter
gonal demento
U é composta
sucessivos,
ou de
nãovalores
decomposição, é exataéeunitários).
matriz
pode
que essasimplificada
gerar alguma final pelas
forma inconsistência operações
em sistemas
simplificada elementare
já sofreu o
muito mal condicionados
Uma desvantagem desse cálculo ou singulares.
doou Por exemplo,
decomposição,
determinante em
é
sobre matrizes
que a essa singulares,
forma final simplifi
acúmulo de erros de arredondamento sucessivos, não é exata e pode
podemos
simplificada gerar pelasavaliar um determinante
operações acúmulo
elementares residual, de diferente
erros
desistemas
eliminação, de zero, gerando um
de muito
arredondamento sucessivos, n
alguma inconsistência em
determinante não nulo inconsistente para a matriz original singular. mal condicionados
Logo,
omposição, é ou que essa forma Por gerar
finalexemplo, alguma
simplificada inconsistência
já sofreu osingulares, em sistemas muito m
precisamossingulares.
considerar determinantes em matrizes
residuais como nulos, como fizemos podemos
lo de errosnode arredondamento
avaliardeum
algoritmo determinante
retrossubstituições ou singulares.
sucessivos, não é exata
residual,
anterior, que Por
diferente
leva exemplo,
e pode de zero,
em conta emgerando
a possibili- matrizes umsingu
lguma inconsistência
dade de uma das
determinanteemlinhassistemas
nãoda nulo avaliar
muito
matriz sermal umcondicionados
dependente
inconsistente determinante
para dasademais.
matriz residual,
originaldiferente
singular.de z
gulares. Por exemplo,Logo, precisamosem matrizes determinante
singulares,
considerar determinantesnão
podemosnulo inconsistente
residuais como para a matriz
nulos,
um determinante comoresidual,
fizemos no diferente Logo,
algoritmo dede precisamos
zero, gerando
retrosubtituições considerar
um anterior, determinantes
que leva emresid
tacional
tacional
utacional
tacional
utacional
tacional
tacional
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 151
Exemplo
Exemplo 2.8:
Exemplo 2.8:avalie
avalie o condicionamento
o condicionamento do sistema
do sistema
Exemplo 2.8:
Exemplo 2.8: avalie
2.8: avalie o
avalie o condicionamento
o condicionamento do
condicionamento do sistema
do sistema
sistema
xx1 ++ 3x =
+ 333xxx2222 ==
44
xx11111 + 22 = 44
xxx111 ++ 3.00001
+ 3.00001xx222 =
3.00001 x =
=
4.00001
4.00001
4.00001
x111 + 3.00001x222 = 4.00001
Solução:
Solução:
Solução:
Solução:
Solução:
Solução:
Para
Para
Para tal, tal,
tal, temos
temos
temos: de:
de:
Para
Para
Para tal, tal,
tal, temos temos
temos de: de:
de:
a) Verificar
Verificar se se |||||| det( A)) ||||<< 1 :::
a)
a) Verificar
a) Verificar se
se det(
det( A A) ||<< << 1
11::::
a) Verificar se 1
a)
a) Verificar
Verificar se |||||| det
se det((A)
det( A)) ||||||<<
A <<
<< 1
|| det( A ) | = 0.00001
|| det(
det (A)
det(
det( A))) |||| ==
A
A =
0.00001
= 0.00001
0.00001
0.00001
αα = 12222 +
2
3 2222 == 10
2
α1111 ==== 1
α 12 +
1
12 + 3
+3
+ 32 == 10
3 = 10
10
102
1
1
αα 2 = = 112222 +
+ (3.00001) 22 ≅ 10
α 222 =
α = 12 +
1 (3.00001) 222 ≅
(3.00001)
+ (3.00001) ≅ 10
≅ 10
2
2 = 1 + (3.00001) ≅ 10 10
00..00001
00001
||det( A )|| = 0 0..00001
00001 =10 =10
-6
=10-6-6-6-6
||det(
||det(A
||det( A )|| =
A )||
)|| = 010
=
.00001
10 =10
=10
||det(A )|| = 10 10 10 10 =10
-6
10
10 −−10
10
Se ||det(
Se A )|| = 10 −66 << 1 → mal condicionado
6
Se
Se
Se
Se
||det(
||det(A
||det(
Se ||det(A )|| = 10 A )|| =
A )||
)|| = 10
= 10−−−666 <<
10 << 111 →
<<
<< 1 → mal condicionado
→
→mal
→
→
mal
mal
mal
condicionado
malcondicionado
condicionado
condicionado
condicionado
(conservativamente,
(conservativamente, consideraremos
(conservativamente, consideraremos
consideraremos <<1
<<1 como
<<1 como
como <0.01)
<0.01)
<0.01) < 0.01)
(conservativamente,
(conservativamente, consideraremos
consideraremos <<1 <<1 como
como <0.01)
(conservativamente,
(conservativamente, consideraremos <<1 como <0.01)
consideraremos <<1 como <0.01)
b)
b)Ou
b) Ou verificar
Ou verificar se
verificar se Cond
se Cond ((( AAA))) >>
>> 1:
>>1:111::::
b)
b)
b) Ou
Ou verificar
verificar
verificar
b) Ou verificar
se
se
se Cond
33se
(
Cond(A)
Cond A )>>>> :
111
A = 3
A=
A
A = 111 3.00001
=
3
11 3.00001
3.00001
3.00001
|| A || = 1| + | 3.00001 = 4.0001 ≅ 4
|| A A ||||||∞∞∞∞ =
|||| A 1| +
1|
=
=
1| + 3.00001 =
+ ||| 3.00001
3.00001 4.0001 ≅
4.0001
=
=
4.0001 ≅ 444
≅
∞
∞
A
A norma
A norma infinita || A ||||∞ ééé ooo valor máximo entre as
as somas dos
A
A
A norma infinita
norma
norma
norma
norma
infinita
infinita ||||||||A
infinita
infinita
infinita A é é valor
AA||||∞∞∞||∞éé o
o
o ovalor
valor máximo
máximo
máximo
valor
valor
valor máximo
máximo
máximo
entre
entre
entre as
as
entre
entre
entre as
as
somas
somas
somas
as dos
dos
dos
somas
somas
somas dosdos
dos
módulos
módulos dos
dos
módulos dos
módulos coeficientes
coeficientes
doscoeficientes
coeficientesde
∞∞ de
de cada
cada
decada linha
linha
cadalinha da
da
linhada matriz.
matriz.
damatriz.
matriz.
módulos
módulos dos coeficientes de cada linha da matriz.
módulos dos
dos coeficientes
coeficientes de de cada
cada linha
linha da
da matriz.
matriz.
300000.9999980346 −299999.9999980346
A
A
−1
−−1111 =
−
= 300000.9999980346 −
300000.9999980346
300000.9999980346 −
−299999.9999980346
299999.9999980346
299999.9999980346
A − =
A−1 = −− −99999.9999993449
99999.9999993449 99999.9999993449
99999.9999993449 99999.9999993449
99999.9999993449
−99999.9999993449 99999.9999993449
(obtida em computador com 16 dígitos significativos)
(obtida
(obtida em
(obtida
(obtida
(obtida emcomputador
em
em
em
computador
computador
computador
com
com
computador
com
com
16
16 dígitos
com
16
16
dígitos
dígitos
dígitos
significativos)
significativos)
16 dígitos significativos)
significativos)
significativos)
(obtida
−1 em computador com 16 dígitos significativos)
|||| A −−11 || ≅ 300001| + | 300000 ≅ 600001
A−−−111 ||||||∞∞∞∞ ≅
A
|||| A ≅ 300001| +
≅ 300001|
300001| + 300000 ≅
+ ||| 300000
300000 ≅ 600001
≅ 600001
600001
Cond (((( A
A )) == 4.00001
∞
* 600001 ≅ 2.4 * 10 6
∞ 6
Cond
A )) = 600001 ≅
66
Cond
Cond A = 4.00001
4.00001 ***** 600001
4.00001 600001 ≅ 2.4
≅ 2.4 *****10
2.4 1066
10
Se
Se Cond
Se Cond ((( AAA))) ≅≅≅ 2.4
2.4 * 10 666 >> 1 ⇒ confirma o mal condicionamento
***10
6
>> ⇒ confirma
>> 111 ⇒ confirmao oomal
malcondicionamento
condicionamento
Se
Se
Se Cond ( A ) ≅ 2.4 ** 1066 >>
Cond 2.4 10 ⇒
⇒
confirma
confirma
confirma o
o
mal
mal
mal
condicionamento
condicionamento
condicionamento
(conservativamente, consideraremos >>1 como >100)
(conservativamente,
(conservativamente, consideraremos
consideraremos >>1
>>1 como
como >100)
>100)
(conservativamente,
(conservativamente, consideraremos >>1 como >100)
(conservativamente, consideraremos
consideraremos >>1
>>1 como
como >100)
>100)
−1 300000.9999980346 −299999.9999980346
AA−1 ==
−−99999.9999993449 99999.9999993449
99999.9999993449 99999.9999993449
152 (obtida em
(obtida em computador
computador com
com 16
16 dígitos CÁLCULO NUMÉRICO COMPUTACIONAL
dígitos significativos)
significativos)
−1
|||| AA−1 ||||∞∞ ≅≅ 300001|
300001| ++ || 300000
300000 ≅≅ 600001
600001
Cond ( AA ) == 4.00001
Cond 600001 ≅≅ 2.4
4.00001**600001 1066
2.4**10
a de equações
Solução seguir,lineares
de ASistemas vamos A *por
apresentar
Lineares = B tiver
Xmétodos algumas
alternativos
Métodos para obter soluções aproximadas
Iterativos
de sistemas de equações com grande número de incógnitas, mas controlando o
s, como: aerroordem n elevada (n é o número de
de truncamento.
Quando o sistema
os coeficientes A possuir de equações
grandelineares A * X = B tiver algumas
quantidade
acterísticas especiais, como: a ordem n elevada (n é o número de
atriz esparsa); e os coeficientes puderem ser
uações); 2.2
a matrizSOLUÇÃO DE SISTEMAS
dos coeficientes A possuir LINEARES
grande quantidade POR
ma lei de formação;MÉTODOS em geral, será
ITERATIVOSmais eficiente
elementos nulos (matriz esparsa); e os coeficientes puderem ser
ados através de alguma lei de formação;sem
m método iterativo (repetitivo), operar
em geral, será mais eficiente
ulos, desde Quando
que a o sistema de equações
convergência seja lineares A * X = B tiver algumas
possível.
olvê-lo através de um método iterativo (repetitivo), sem operar
características especiais, como: a ordem n elevada (n é o número de equa-
m os coeficientes nulos,
ções); a matriz desde queAapossuir
dos coeficientes convergência seja possível.
grande quantidade de elementos
nulos (matriz esparsa); e os coeficientes puderem ser gerados através de
alguma lei de formação; em geral, será mais eficiente resolvê-lo através de
e um método
um métododireto, como
iterativo o do método
(repetitivo), de com os coeficientes nulos,
sem operar
aSeum
umsistema
algoritmo
desde a de
que com um método
matriz
convergência sejadireto,
de possível.como o do método de
coeficientes
Gauss, for aplicado a um sistema com matriz de coeficientes
erações aritméticas desnecessárias serão
esparsa, muitas operações aritméticas desnecessárias serão
emplo, na manipulação de zeros com outros
empregadas, Se
porumexemplo,
algoritmona
demanipulação de zeros
um método direto, comocom outros de Gauss,
o do método
e sejamforevitadas pelo próprio algoritmo,
aplicado a um sistema com matriz de coeficientes esparsa, muitas
zeros, a menos que sejam evitadas pelo próprio algoritmo,
operações aritméticas desnecessárias serão empregadas, por exemplo, na
como em 2.1.6.
manipulação de zeros com outros zeros, a menos que sejam evitadas pelo
próprio algoritmo, como na seção 2.1.6.
erativa
Umade solução = B consiste
A * X iterativa de A *em
X = tomar
B consisteumaem tomar uma
Uma (0) solução iterativa de A * X = B consiste em tomar uma solução
ução inicial
stimada de XXalguma (estimada
forma)de alguma
para forma)
a para
solução para a solução
inicial (0)
(estimada de alguma forma) a solução S (= {x1, x( k2), x∞ 3, ..., xn}
{ x ,
curada x
1 2 e, x ,..., x }
3 construir
procuradan procurada
uma uma
e construir e construir uma sequência
sequência X = { xi } de soluções
sequência (k ) (k )
∞
X k)
= { xaproximadas
i }k = 0
k =0
soluçõestalaproximadas
que, no limite: tal que, no limite:
das tal que, no limite:
lim X ( k ) = S ,, se
seessa
essa sequência
sequência for convergente.
for convergente.
e essa sequência for convergente.
k →∞
{
X
nonolado lado direito
direito da da eq.
eq.uma (7), temos:
temos:
(0) (0) (0)
,,lado
x,x,nxx(0) direito Então,
Então, da eq. aplicando
aplicando(7), temos: uma solução
solução inicial
inicial estimada
estimada
(1)
X,(0) (0)(0)L L (0)(0)
Então, aplicando uma solução inicial estimada
, x, nx(0)n } }no =
L L X (0)
x , x (0)
, x (0)
, ,
n0) 333 (0) nnn(0)
nolado ladodireito direito da daeq. eq.em (7),
(7),uma
temos:
temos: L
), x , 3x(0)3 ,L ,L
} no lado (0) direito da eq. (7), temos:
1 2 3 n
m assim , sucessivamente, sucessivamente,
, xn de soluções resultando resultando
aproximadas: em (0)uma sequência sequência (k +1) x(k +1)
XX(1)(1)=={ x{1−x11−1, x, 2x2 , x,3x3 ,L
S , x, xn} }no lado direito da eq. (7), temos: x
x3 ,L no lado (0)direito da (0)eq. (7), temos:
(0)(0) (0)(0) (0)
,L (0)
no lado direito da eq. (7), temos:
−1(−(1(BB ))
( ( B−−EE* X* X(0))) ) (2) −1
es = XS(1)aproximadas:C= −1=
= X
= XX (1)(1) CC−1−1(0)
− BB)−−−−EEEE***X*XXX(0) (0)
(0)(0) n
aproximadas: XX(1) CC−1( B = X (1) C −1
X B (1)EC *CX
= =
C (B − E * X ) = X (1) C −1* ( B − E * X(0)(0) )
(1) (0)(0)
=
(1)
XX(1) CC−1 ( B( B−−EE* X *X ) )
X
= =
XXX eeeereaplicando-o
reaplicando-o
=Xplicando-o
(1)(1)
(1)(1)
= X no =
reaplicando-o
reaplicando-o
(2)
=XX eereaplicando-o
C * (no
(2)
Xlado
−
reaplicando-o(0)
(1)(1)
1
Bno
no
C no −lado
−1
direito
no nolado
(
Elado
*lado
lado
B
*X
lado
−da
E
(1)
)
direito
direito
direito
*X
eq.
direito
(1)
direito
direito
=
) da
da
(7),
X da
da
da eq.
eq.
eq.
eq.−(7),
obtemos
daeq.
(3) (7),
1(7),
(7),
Ceq.(7),(
obtemos
* (7),
B−
obtemos
obtemos
obtemos
obtemos
obtemos
E * X(k(k(2) )fazendo X (0) = X (1) e reaplicando-o
m
= m e
(1)
reaplicando-o
sucessivamente,
sucessivamente,
fazendo no
resultando
resultando
Xresultando
1=
lado
X(1)(1)uma direito
em
em
(2) uma
ereaplicando-o da
uma eq.
umasequência
reaplicando-o (7),
sequência obtemos
xdireito
xxdireito (8)
xno +1)lado +1) da eq.
e(7), obtemos um
X (1) +1)+1)
E(XB )uma
m
im sucessivamente,
sucessivamente, resultando
Xfazendo ) emem
reaplicando-o sequência
sequência x(k(k+1)
(kno lado
ivamente, resultando
fazendo −em
* (resultando
= −e(2) sequência no lado x(kx(kdireito
um dadaeq.
x(2) eq. (7),
assim
(7), obtemos
sucessivamente,
obtemos
(0)
−=
=
(0)
XC(3)−1 X X
C *X E *X
mimsucessivamente,
sucessivamente,
= (3)
Bresultando *X em
em uma
umasequência
sequência (k
+1)
+1)
SSm sucessivamente,
X(2)xe(2) resultando em uma sequência x sequência
(8)uma +1)
aproximadas:
aproximadas:
aproximadas:
aproximadas:
madas: um
um assim
x(2)e eassim sucessivamente,
assim sucessivamente,
sucessivamente, resultandoM em uma
(8)
resultando
resultando em em
de de vetores:
umasequência
sequência
soluções S aproximadas:
x(kx(k+1)+1)
SSSaproximadas:
aproximadas:
aproximadas: M = X ( k +1)
C *(B − E * X )
−1 (k )
de
de soluções
soluções M S Saproximadas:
aproximadas:
1*−*(1(*C
(B)B−B−−−*E−EEEB*E**X*X−X*XXE(1)(1))(1))*)X
( )
X(XB
−−1−
=−=
(2)
(2) 1−11 BB−−
1− (1)(1)
1X
( kX
( )
(C
k +C EE*X
* X((1)
(2)
=
X=
(2) 1)
= −C
(1) (k ) (2)
= C −1
−1* (* B ( ))) (2)(2) −1−1
(2) −1 * *(1)
X +1) C= X*X X ECCC*C−X k)
B X
= =
*(B − E * X
(2)(2)
= (2)
XX CC * (*B( B− −EE* X *X ) )
X(3)(3) C
=
= em
−1X
C=
= X((3)(3)que
− C C−−1−
1−*(1(*(BB
1−X
= C=
X−=
= =X*((k (+Bk+1)+1)−
1X( k(+k1)
( k +1) CCC −*11 *(M
C*−−1X B
k )B
) =X ( k +1) C −1
−1 * (* B (B − E * X ))dada ) ( k +( k1)+1)na −eq.
X X 1) E M M
= X= X C a* (sequência
CC
Se B − − E E X X
−1 (8) for convergente, então existe:
( k +1) * *
= ( k )
CC1 * (*B( B− −EE* X
*X ) )
X
= X=
X ( k )( k )
a sequência
quência dada dadaeq.
na(8)
eq.for
(8)convergente,
for convergente, então existe:
Se na
a sequência dada na eq. (8)
limfor
então existe:
X ( kconvergente,
+1)
= lim X ( k ) então existe:
em que (9)
} {{{{{ }}}
∞∞
{
k →∞ k →∞
{
∞∞
( k=+=
em que
∞
(9) (9)
((k(kk(+)(k)1)
k))
S =emlimque
SSSS=1)=X=XXXlim
lim(k ) =∞0=∞lim
(k ) X (k ) S=
X X = 0S=k=→∞
kS
Aplicando
k →∞ XX((kk()k)kk→∞
S = X o limite { }}}
)X
k=k=
k0=00 k →∞
∞
a ambos os lados
( k )( k ) da eq. (8), temos:
(9)
{{ }}
k =k0= 0 ∞∞
k =0 S S= = XX
o o limite
imite a ambos a ambos os lados os lados da eq. da(8),
k =0
eq.temos: (8), temos: k =0
equência
quência
equência
quência
dada dada
na dada dada
dada
dada
eq. (8)na
Aplicando na na na
na eq.
eq.
foreq. eq.
eq. (8)
(8)
(8)
(8)
convergente,
o(8) forfor
for
limite for convergente,
convergente,
convergente,
convergente,
aconvergente,
ambos então os lados então
então
então
existe: então
da eq.existe:
existe:
existe:
existe:
(8), temos: Se a sequência dada na eq
quência
equência
equência dada
dada na na
((k(kSe
Se
eq. eq. (8)
(8)
a1)=asequência
for
sequência
forconvergente,
for convergente,(
lim X
dada dada
= ( k +1)
k →∞ na naeq. )
Centão
−então
1
eq.(8)
B −existe:
então
(8)for
Eexiste:
existe:
* lim X
forconvergente,
(k )
convergente, (10)
entãoexiste:
então existe:
( ( ) )
k →∞
k(+(1)
(9) (9)
k1)++
X ( k +X
=
1) (lim
lim +lim
=klim 1) X
lim =XXX X
+ (+−kk1)
1)1) = ==
lim
C −1 XX
lim
lim
−lim XBX
( (kk()(k)k))
− E (k ) X (k )
* lim (9) (9)(9) (10) (10) lim X ( k +1
lim lim
k →∞ k →∞ lim lim
kk→∞k→∞ →∞
kkX
k→∞
C
→∞
k +
X( k +1) ==lim
( ( k1)+ B
1) E
klim
k→∞k→∞
k→∞X*
→∞
lim
( k (
) k )
X( k )k →∞ k →∞X (10) (9)(9) k →∞
limXX( k )( k ) (9)
→∞
limk →∞ Xk →∞ = lim k →∞kX
→∞
imite
limite Aplicando
k →∞
a(8),
k →∞
eq. (9) na eq.
limlimXX( k +( k1)+1)= =lim
(10),k →∞ temos: Aplicando o limite a(9) (9)
limiteaaaos
limite aambos
ambos
ambos
ambos os
osos
oslados lados
lados
lados dadada
da eq. eq.
eq.eq. (8),
(8),
(8),
(8), temos:
temos:
temos:
temos: ambos os la
oambos lados da eq. temos: k →∞ k →∞
k →∞
limite
limite a aambos
ambosAplicando os os lados a eq.
lados da(9)
da eq.na
eq. eq.
(8),(8), (10),
temos:
temos: temos:
o limite
a eq.
q. (9) na eq. a(9) ambos
na (10),
Aplicando eq. os (10),
temos: lados temos: da eq. (8), temos:
Aplicando oolimite
limitea aambos ambos( kos oslados ladosda daeq. eq.(8), (8),temos:
temos:−1
(11)
m =
−X
( k +1) lim
lim
lim
lim
1 X
−C =
X
−1X
=
lim
==
X(
((kk(+(k+k1)1)
(*B
→∞
+−
(((( ( )
+1) CC−1−1BB
+1)1)E C*(C klim 1−1B X − (−
kE
B−−E−(1 )))) )
X1) ( k +1) −1−1C −1 * B − C −1 * E( k(*)klim
+=
)E
E
* lim
* lim
* lim
* lim X
−X X ( k()k)) k →∞
X +1) ⇒ (1 + C −1 * E ) * lim X ( k +1) =
1 X( k ()k )( k +1) 1 (10)
(10)(10)
(10)
(10) (11)
k →∞
C *B (11)
lim X =( k +1)
C−
( ) (11)
+−1) ( k +−1) −1
1 −1
− = = (+ 1 +C
B+B−C−EE** lim =
C ⇒
k(limkk1) ) lim
C
B −k →∞ B
C * E lim C* lim
→∞ E
kX
→∞ X X CC−1k(1→∞ * lim→∞ E
XX( kX)
→∞ X
= C B (10)(10) k →∞
(( ))
k k k k
X ⇒ B − E *Elim )k *→∞
klim C *B
* * * * *
limkk→∞ →∞
→∞
k=
kX
( k +1)
→∞ k →∞
→∞
kX
k →∞ →∞k →∞( k + ( k1)k+→∞ −1−1 (10)
k →∞
→∞
k lim
→∞ limX = X= 1)
CC BB− −EE* lim* lim
(k )
XX( k ) (10)
(10)
k →∞k →∞ k →∞
k →∞
eq.
eq.(9)(9)na naeq. eq.(10), (10),temos: temos: Aplicando a eq. (9) na eq. (10), t
ultiplicando
ltiplicando aaeq.
eq.(11)
(11)pela
pelamatriz
matrizC,C,temos:
Capítulo 2 temos:
Capítulo 2 – Solução Computacional de Sistemas de
– Solução Computacional de Sistemas de Equações Lineares
Equações Lineares
Capítulo 2 – Solução Computacional de Sistemas de Equações Lineares
156 CÁLCULO NUMÉRICO COMPUTACIONAL
(C++EE) *) lim
(C * limXX( k(+k1)+1)=
k →∞
k →∞
=
BB (12)
(12)
q.icando
(11) pela a eq. (11) pela
matriz matriz C, temos:
C, temos:
as
s (C
ultiplicando AA,a,então:
(C++EE)Multiplicando
)== então:
eq. (11)apela matriz
eq. (11) pela C, temos:
matriz C, temos:
(12)
( k +1)
(C( k ++
1) E ) * lim X =B
lim X = B k →∞ (12)
(12)
( k +1)
k →∞ (C + E ) * lim X A= *Blim
A* lim ( k(+k1)+1)
XX ==BB (12)
k →∞ k →∞
k →∞
+ E) =
ntão: A , então:
go,
go,(C + EMas
as )= , então:
A(C + E) = A, então:
( k +1)
A * lim X ( k +(1)k(+k1)=A * lim X
B =B
k →∞ ( k +1)
lim →∞XX +1)==SSA * lim X
klim
ééaasolução
solução =de
BdeAA* *XX==BB
k →∞
k →∞ k →∞
go,OOproblema
problema
Logo, agora agoraééque, que,para
paragerar
geraraasequência
sequência(8),
(8),necessitamos
necessitamos
matriz
matriz inversa
inversa ( CC .=Portanto,
k +
−1−1
1) . SPortanto, essa
essa
ééaasolução
solução inversa,
de inversa,
deA *AX* =Xpor
Bpor
= Bquestão
questãode deeficiência,
eficiência,
X ( k +1) = Slim
é kaX
→∞ solução ( k +1) de A * X = B
mmque
k →∞
queser serobtida
obtidalimfacilmente. = S é a solução de A * X = B
Xfacilmente.
k →∞
O problema
agora é que, para agora gerar apara
é
O problemaque, gerar
sequência
agora a(8),
é que, sequência (8),
necessitamos
para gerar necessitamos
a eq. (8), necessitamos da matriz
iz O problema
−1 inversa C . Portanto,
agora é que,
essa para gerar a sequência (8), necessitamos
por questão de eficiência, eficiência,
inversa, por questão de
−1
inversa
C . Portanto, essa inversa, C –1
. Portanto, essa inversa, por questão de eficiência, tem que ser
matriz
AeA ser
seguir,
seguir, inversa
obtida
obtida
vamos
vamos C . Portanto,
−1
facilmente.
facilmente.
abordar
abordar duas essa inversa,
duasmaneiras,
maneiras, não por questão
nãoexclusivas,
exclusivas, de eficiência,
dedeparticionar
particionar
facilmente.
mamatriz
que ser
matriz obtida
AAde
demodomodofacilmente.
que
queaamatrizmatrizCCseja
sejatrivialmente
trivialmenteinvertida.
invertida.
A seguir, vamos abordar duas maneiras, não exclusivas, de particionar a matriz A de
modo que a matriz C seja trivialmente invertida.
uir, vamos
bordar duasabordar duas
maneiras, nãomaneiras, nãode
exclusivas, exclusivas,
particionarde particionar
A seguir,
A de vamosque abordar duasC maneiras, não exclusivas,
invertida. de particionar
1ariz
do.1Método
que modo
Método
a matriz C
Iterativo
Iterativo a matriz
de
de
seja
2.2.1 Jacobi
Jacobi seja invertida.
trivialmente
Método
trivialmente
iterativo
matriz A de modo que a matriz C seja trivialmente de Jacobi
invertida.
NoNosistema
sistema NoAAsistema
* *XX==BB A * X = B, tomamos a matriz A e a particionamos na forma
, ,tomamos
tomamosaamatriz matrizAAeeaaparticionamos
particionamos
A = L + D + U, em que:
otodo
forma
formaIterativo
AA==LL++
de Jacobi de
DD+Jacobi
+UU, ,ememque:
que:
.1 Método Iterativo de Jacobi
a) D = diagonal principal de A;
No a)a)DD==diagonal
sistema diagonal
A principal
principalde deA;A;
* X = B , tomamos a matriz A e a particionamos
A * X = B , tomamos a matriz A e a particionamos
No b) L = matriz triangular inferior estrita,
e aobtida apenas dos elementos
ma+ UA, =
emLb)L+sistema
b) ==+matriz
LD
que:
matriz
U , em X
que:= B , tomamos
A * triangular
triangular inferior
inferiora estrita,
matriz
estrita, obtidaparticionamos
Aobtida apenas
apenas dos
dos
= L + D +infradiagonais
forma elementos
Aelementos , em que: dede
Uinfradiagonais A; e
infradiagonais deA;A;e e
a) Dprincipal
onal = diagonal c) principal
de detriangular
U =triangular
A; matriz A; superior estrita, obtida apenas dos elementos
c)a)
c)UD
U===matriz matriz
diagonal triangular
principal superior
superior
de A; estrita,
estrita,obtida
obtida apenas
apenas dos
dos
b) L = matriz
elementos
elementos
riz triangular triangular inferior
supradiagonais
supradiagonais
supradiagonais
inferior de de
estrita, obtida A.estrita, obtida
deA.A.apenas dos apenas dos
b) L = matriz
elementos triangular
infradiagonais de inferior
A; e estrita, obtida apenas dos
os infradiagonais de A; e
elementos infradiagonais
queCC=de DA;⇒eC E =DL⇒
L++UE Laplicando-as
U e aplicando-as na
c) Então,
Então, considerando
considerando que e=eaplicando-as
U = matriz
Então, considerando
triangular superior =Dque ⇒
estrita,
==Eobtida Uapenas + dos
riz triangular
eq.=(8), superior
temos: estrita, obtida apenas dos
eq.
eq.(8),
(8),
c)temos:
temos:
U
elementos matriz triangulardesuperior
supradiagonais A. estrita, obtida apenas dos
os supradiagonais de A.
elementos
( k(+k1)+1) −1−1supradiagonais ( k()de
k ) A.
Então, XX= = DD * (*B( B−−( L( L+C+UU
considerando ) *) *XX ) ) = L + U e aplicando-as (13)
(13) (13)
derando que C = D que ⇒ E= =LD+ U⇒e Eaplicando-as
Então, considerando que C = D ⇒ E= L + U e aplicando-as
8), temos:
eq. (8), temos:
( k +1) −1
D −1 * (XB= * ( B( k−) ( L + U ) * X (13)
(k )
− ( L +(D ) (13)
+1)) * X −1 )
kU
X = D * (B − (L + U ) * X (k ) ) (13)
77
77
Obtemos trivialmente os elementos de D −1 tomando os recíprocos
dos coefi Obtemoscientestrivialmenteda diagonal osprincipal
elementosD dede D −A.1 Assim, expressando
tomando os recíprocos
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 157
adoseq.coefi (13)cientes na forma da desenvolvida
diagonal principal para cada D de equação
A. Assim, i, expressando
resulta que:
Obtemos trivialmente os elementos de D −1 tomando os recíprocos
a eq. (13) na forma desenvolvida j −i para n cada equação i, resulta que:
dos coeficientes da
( k +1)diagonal 1 principal ( k ) D de A.–1( kAssim, expressando
Obtemos xi = (bi − ∑ aij x j − ∑ aD
trivialmente os elementos de
ij x j )
tomando
) os recíprocos dos
(14)
a eq. (13) na forma
coeficientes dadesenvolvidaa1ii principal
diagonal j =1 para
j − i D decadajA. 1 equação
= i +Assim,
n
i, resulta
expressando a eq.que:
(13) na
forma desenvolvida xi( k +1)
=para (bi − ∑ j <i a x
ij j − ∑
( k ) j >i a x
i, resulta
( k )
) (14)
aii j −i cada equação ij j que:
j =1 n j = i +1
1
i (k ∑ anij x (jk )( k−)A *∑
j <i j >(i k )
xEntão,
( k +1)
( k +1) i 1
=para i −1(b −resolver X a=ij B x j pelo ) método Jacobi, tomamos (14)
xi = (bi −aii∑ aij x j j−=(0) )
1 ∑ aij(0) x j )(0)j = i +1 (0) (14)
uma solução a
Então, ii inicial
para
j =1
resolver
X j <i j = =
i +1{ x 1 , x
A2 j*>X , , } , isolamos
i =n B pelo método Jacobi, tomamos
L x diretamente a (14)
i-ésima
j <i j >i
Pg. incógnita
uma
168 solução xi na i-ésima
inicial X (0)equação
= { x1(0) , x2(0) ,i, Le, xaplicamos a eq. (14) somente com
n } , isolamos diretamente a i-ésima
(0)
Então,
os coefi para
cientes
Então, resolver não equação A
nulos X =
* X
Afornece B pelo
Be aplicamos
necessários método o(os Jacobi,
valorcoefi
novo cientes tomamos
xi( k tomamos
+1)
nulos não
xi napara aij resolver =i,diretamente
pelo método Jacobi, uma
No caso do método de Gauss-Seidel, que* , podemos
incógnita i-ésima a eq. (14) somente com
uma solução
infl
reescrever solução
uenciam
o valor inicial
inicial
do incremento
(0)
noXaresultado = { x1Δx,i x2 ,e=
(0) ( k +(0)
1)
Lnãox,i xn }−devem
( k +(0)
1)
,,isolamos
xisolamos
(k )
dentro diretamente
diretamente
ser daconsiderados a i-ésima
equação anterior, agerando
i-ésima
incógnita
nos cálculos
uma
osxcoefi na
cientes
i-ésima equação
não nulos
i, e aplicamos
necessários i
a eq. (14)asomente
(os coeficom
cientes nulos
os coeficientes
não
incógnita
equação ialternativa:
para na
xfii ns i-ésima
de otimização). equação
ij
i, e aplicamos
Esses algoritmos eq. são (14) somente
específi cos com cada
para
infla uenciam
não nulosno resultado
necessários (os ecoeficientes
não devem nulos sernão considerados
influenciam nonos cálculos
resultado
os Pg.
coefi cientes
ij
sistema,
192 pois aij nãousam nulos
apenas necessários
os coefi (os coefi
cientes não cientes
nulos, nulos
que não ser
devem
parae xnão fins devem de otimização).
ser considerados Esses nos algoritmos
cálculos para são fins específi
de otimização).cos para cada
Esses
inflfuenciam e sen(no
( x) =algoritmos
identifi x) −resultado
1 são específicos e não devem ser considerados nos cálculos
ra esse
Pg. 193sistema,cados pois usam por algum apenas paramapeamento
cada
os coeficientessistema, prévio.
pois usam apenas os
não nulos, que devem ser coeficientes
ema para
de fi nsnão de otimização).
nulos, que devemEsses algoritmos
ser identificados porsão algum específi cos para
mapeamento cada
prévio.
ra esse x = identifi
g ( x) cados por algum mapeamento prévio.
equeno
ema sistema,
de x = g ( x pois usam
Exemplo
0) 2.9: apenas
resolva osocoefi sistema cientes , a seguir, não nulos, que devem
pelo método ser
de Jacobi:
e, com 1 Exemplo 2.9: resolva o sistema, a seguir, pelo método de Jacobi:
equenoidentifi
x2 = g cados
( x1 ) por algum mapeamento prévio.
cientes
e, com
Exemplo 2.9: resolva o sistema, a seguir, pelo método de Jacobi:
nulos, xk +1 = g(3 xkx)1 − x2 − x3 = 1
cientes
do usar Pg.
Exemplo194 2.9:
b]3 x11 − + 3x2resolva + x33 =
2 −
o15sistema, a seguir, pelo método de Jacobi:
o, mas α ∈ [a,
nulos,
do usar + b − x + 2 x =
método x = a x11 + 32x2 + 1 3x3 = 25
o, mas 13 x1 −2 x2 − x3 =
mitir a x − x + 2x =
método 196 3 x 1Para 2
nual do Pg. + 2 + esse =
2
x 1 Solução: 53 de pequeno porte, com coeficientes não nulos, seria recomendado usar um método
x3 sistema
mitir a α ∈ [ak , bk ] direto, mas aplicaremos um método iterativo para permitir a reprodução manual do processo envolvido,
o, com
nual do f ( xx)1 =−Solução:
exx sen
Iniciamos+( x2)objetivos
2 com x−31= 2didáticos.
montando as equações evolutivas para cada incógnita
áticos.
o, com Pg. 197
do sistemamontando
Iniciamos e isolandoasxequações
i
da sua respectiva
evolutivasequação i. Na
para cada forma
incógnita
Solução:
áticos. Digito decimal ou fracionário ?? -> fracionário
Solução:
matricial,
do sistemaé equivalente e isolando xiada isolar
sua os valores de
respectiva xi de cada
equação diagonal
i. Na forma
Iniciamos
OrdemIniciamosprincipal:
de Grandeza montando montando as
dos Números asequações
equações evolutivas
evolutivas para
para cada
cada incógnita
incógnita do sistema,
matricial, é nequivalente a isolar os valores de xi de cada diagonal
do número
Um sistema
isolando x =e m xisolando
da sua respectiva
i* 10 em ponto xi da sua equação
flutuante i. Na forma
respectiva
é de ordem equação i. Na éforma
matricial,
de grandeza: equivalente
naprincipal:
xisolar
( k +1)
=+as (1 incógnitas
x (k )
+ xx (k )
de
) / 0cada1 2diagonal
3 12 principal:
O(10 ) se
-matricial, 1 oémultiplicador
equivalente 2 m∈ 3a i [10
isolar, 10 os
] (valores
10 = 10de ≅ 3.1622...
xi de cada), e diagonal
n +
1 ( k +1) 1/2( k ) 1 ( k )
O(10
-principal: k +1) m∈
)xx12(se =(1
=+ (5[10− xx1 ,2( k10 + ] 3.x3()k )/)3/ 3
)− x
(( kk ++1)1)
+1)
Pg.( k198 xx32 = =((5 (2 − x (( kk )) + x ((kk)) ) / 2
k ) − x11 ( k )− x23 ) / 3
nx1 =+ (1 x2 + (xk3) ) / (3k )
( k +1) x3( k +1) = ) − x(1k ) + x2 ) / 2
( k(2
Pg.
x2 200=(5 − x1 − x3 ) / 3(0) (0) (0)
[a,(bk +]1) Valor inicial: ( k ) ( x1 , x2 , x3 ) = (0, 0, 0)
x3 205=(2 − x1 + x2 ) / 2(0) (0) (0)
(k )
Pg.
pa = f (Valor
b) / ( f (binicial:
) + f ( xk )) ( x1 , x2 , x3 ) = (0, 0, 0)
Pg. 206
Valor inicial:devemos
Paralelamente, , x3(0) ) = (0,atualizando
( x1(0) , x2(0)continuar 0, 0) o ponto não fixo, no outro extremo do
intervalo. No caso do Gráfico 3.5, atualizamos a = x e f (a) = f ( x ) , mantendo
x1 =+ (1 x2 + x3 ) / 3
Consideremos
+ k ) como passo iterativo, no qual uma nova
(k
x2 =(5 − x1 − x3 ) / 3
( k 1) (k )
solução
(158
x k +1)
=(2x−i( kx) ( k )é+ calculada.
(k ) Assim, usando
CÁLCULOaNUMÉRICO
solução
2 ) / 2 passo iterativo, no qual uma nova
inicial em
COMPUTACIONAL
Consideremos
3 1 k xcomo Capítulo 2 – Solução Computacional de Sistemas de Equações L
k = 0, podemos calcular a solução em k + 1 =
a1seguir:
solução i é calculada. Assim, usando a solução inicial em
x(k )
k=Valor
0Valor
(1) inicial:
, podemos
inicial: (calcular
= (1 + 0 + 0) / 3k=como
x1 Consideremos 0.333passo
= (0, 0, 0) em k + 1 =
x1(0) , x2(0) , x3(0)a) solução a1seguir:
iterativo, no qual uma nova
(1)
x1(1)x2 =Consideremos
solução
= +(50−+00) / 3é =kcalculada.
x− 0) / como passo
= 1.667
30.333 iterativo.
Assim, Assim,
usando a usando
soluçãoainicial
soluçãoem
inicial em
(k )
(1 i
2 22 1.2221.222
1.222 1.222 1.222 1.667
1.222 1.667 1.667
3 33 1.296
1.296
1.296 0.704 0.704
0.704 1 1 1
4 0.901 0.901 0.704
4 4 0.9010.901 0.9010.901 0.704 0.704
5 0.868 1.132 1
5 5 0.8680.868 1.1321.132 1 1
6 1.044 1.044 1.132
6 6 1.044
1.044
Fonte: 1.044própria
Elaboração 1.044 1.132 1.132
Fonte: Elaboração
Fonte: Elaboração própria
Fonte:Note
Elaboração
queprópria.
a aproximação ( x1(6) , x2(6) , xprópria
3 ) = (1.044, 1.044, 1.132) ,
(6)
obtida
Note emque
Note 6 iterações,
que está convergindo
a aproximação
a aproximação para
( x1(6) ,(xx2(6) uma solução
),=x=(6)
,,xx3(6)(6) (1.011,
(1.044, S (nesse
1.044,
1.044, ,
1.132),1.132)
1.132)
Note
caso, que
=
a aproximação
). 1
(6)
2 3 ) = (1.044, 1.044, ,
S
obtida {1, 1, 1}
em 6 iterações, está convergindo para uma solução S (nesse caso,
obtida em 6 iterações, está convergindo para uma solução S (nesse
exato
obtidaSexato
emNeste
= 6{1,iterações,
1,ponto, está convergindo
1}). precisamos para
estabelecer um uma
critério de solução
parada S (nesse
caso, Sexato = {1, 1, 1}).
Neste ponto, precisamos estabelecer um critério de parada que
caso,que determine
Sexato 1}).
= {1, 1, quão próxima da solução exata está a sequência
Neste ponto,
determine
convergente quão precisamos
próxima
xi( k ) , sem estabelecer
da solução
conhecermos a exata
solução aum
estáexata. critério
sequência
Entre de parada
convergente
os critérios xi(k),
Neste
sem ponto, aprecisamos
conhecermos solução exata. estabelecer
Entre os critérios um critério de parada
que determine
mais comuns, quão estão:próxima da solução exata mais
estácomuns, estão:
a sequência
que determine
convergente x ( k ) , sem quão próxima ada
conhecermos solução
solução exata
exata. Entreestá a sequência
os critérios
a)i Max ( k ){ x − x } ≤ ε ⇒ i = 1, 2,3,..., n
( k +1) (k )
convergente
mais comuns, estão:xi , sem conhecermos a solução exata. Entre os critérios
i i
x
( k +1) Corresponde à máxima diferença absoluta entre os valores da iteração
− x(k )
≤ε ⇒
Max i ( k +1) i Corresponde
nova i e=da 1, 2,3,..., nanterior, à máximaentre diferença absoluta
i. entre os valo
xi ( k +1) iteração todas as incógnitas xi
( k +1)
− xi( k )
xi (−k +1)xi ( k )
(k )
b) Maxiteração
b) b)
Corresponde à máximaMax
x( ki +(1)k +nova
diferença
− xi( k ≤ εe da
relativa
≤ ε ⇒
i = 1, 2,3,...,
⇒ entre
iteração
i =
os anterior,
valores
1,
n
2,3,..., da
n entre b) Max
todas as incóg
xi( k +1)
x
Max xi i( ki+x1)( k(−
x 1)
− x
+1)
)
i( k )
b) k +1)xi
Max anterior,
≤ ε ⇒ i = 1, 2,3,..., n
≤ ε todas ⇒ ⇒i =ias 1,=2,1,3,2,3,...,
..., n i.n Corresponde à
teração nova e daCorresponde iteração x( ik +1) entre incógnitas
i
de soluções de métodos
Corresponde = bi n− ∑mas
i, r ( kdiretos,
+1)
aon maior resíduo entre todas as equações
ao kmaior
pode
+1)
aij( kx+(j1) , que
resíduo
gerar
já foi valores
entre todas as equaçõe
aplicado para aferição
ri i,
( k +1)
= bi − ∑
Corresponde ao maior resíduo entre todas as equaçõe
j=
i, ri =( k +1)bi − ∑ aj =ij1 x j (,k,que
( k +1) i n
+1)que já foijáaplicado
foi aplicado
para aferição para
de aferição
solu-
nconsistentes para sistemas i, de = mal
ri soluções ∑
bi j =−condicionados.
1 de n aij x j
métodos , diretos,
que jámas foi pode
aplicado de
para
gerar valores
soluções aferiçã d
i,ções ( k +1)
ri de=métodos bi − ∑ j =diretos,
1a x ( k +
, diretos,
mas
1)
que
pode já gerarfoi aplicado
valores paravalores
inconsistentes
inconsistentes aferiçã
aso do Exemplo de soluções
inconsistentes
2.9, quando de métodos
para ij j
aplicamossistemas mal mas
condicionados.
o critério pode gerar
de
para soluções
sistemas maldej = 1 métodos diretos,
condicionados. mas pode gerar valore
k) inconsistentes
} ≤ ε , das diferenças
Node soluções
de
caso valores para
de sistemas
métodos
sucessivos,
do Exemplo mal
temos:
2.9, quando condicionados.
diretos, mas pode No gerardovalore
caso Exe
inconsistentes para sistemas mal aplicamos
condicionados.o critério
Max { xtemos:
− x } ≤ ε , das dif
No { caso do } ≤Exemplo
Max xNoinconsistentes
caso
− x do para
2.9, sistemas
quando aplicamosmal condicionados.
o critério Max ( k +1)
ε , das diferenças de valores sucessivos,
( k +1) (k ) (k )
| | x2 − 0.667 x2 | | x3 3 − x3( k )
(k )
|
k 2 x1((kk1.222 0.889 − x1 0.555
1 ) (k )
96 0.704 1 x0.074
2
3
x3( k )
0.518 | 0.667
x1
2 ( k +1) 1.222 1.222
k 3 0 x10.704
0 0.901 1.296
)
0x 0.704
(k ) 1x ( k )
00.197 0.074 | | x-2 − 0.667
| x1-( k +1) − x1( k )0.518 x2( k ) | | x-3( k +1) − x3( k )
01 0.395 3 0.296
- 1.296 0.704
2 3
0 4 00.901 0
0.901 0.7040 0.395 - 0.197 0.296 -
68 1 1.132
01 0.333 1
00.868 1.667 0.033
0 1 0.197 0.333
0.296 41.667 - 0.901 1 0.901
5 0.333 1.667
1.132 1 0 1 -
0.033 0.333 0.197 1.667 0.296 1-
44 2 1.044
12 1.222
6 0.333
1.132 1.2220.176
1.667 1.667 0.088
1 0.889
0.132
0.176 0.333 50.555 0.868 0.667 1.132
1.044
1.222 1.044
1.222 1.1321.667 0.889 0.088 1.667
0.5550.132 1
0.667
3 2 Fonte:1.296 0.704
Elaboração
1.222
própriaFonte: 1
Elaboração 0.074
própria 60.518 1.044 0.6671.044
1.296 própria. 1.222
3 Fonte: Elaboração 0.704 1.667
1 0.889
0.074 0.555
0.518 0.667
0.667
4 3 0.9011.296 0.901 0.704 0.704 1 0.3950.074 0.197
0.518 0.296
0.667 F
anto, no Exemplo
4 0.9012.9, o critério
Portanto, no0.901
Exemploalcançado 0.704
2.9, depois0.395
o critério de 6
alcançado 0.197 de 6 0.296
depois
5 4 0.868
Portanto,
0.901 1.132
no Exemplo
0.901 2.9, o1critério
0.704 0.033
alcançado depois0.197
0.395 6 iterações0.296
de 0.197 é: 0.296
5 iterações0.868é: 1.132 1 0.033 Portanto,
0.197 no Exem
0.296
6 5 1.0440.868 1.044 1.132 1.132 1 0.1760.033 0.088
0.197 0.132
0.296
6 1.044
( k +1)
Max | xi ( k ) 1.044 +1.132
− xi |=
( k 1)
0.176
( k
Max | xi ) 0.176 iterações
− xi |=0.1760.088 é: 0.132
6 1.044 Fonte: Elaboração
1.044 1.132 própria
0.176 0.088 0.132
Fonte: Elaboração própria Ma
Fonte: Elaboração própria
Portanto, no Exemplo 2.9, o critério alcançado depois de 6
Portanto,
Note que, no Exemplo
nesse exemplo, 2.9, o critério
o processo alcançado
iterativo é do tipodepois de
160 CÁLCULO NUMÉRICO COMPUTACIONAL
x1( k )
k
Fonte: Elaboração própria.
a) X ( k +1) =+
Multiplicando ( D aLeq. ) −1 (15) ( B − Upela )
* X matriz ( D + L ) , temos:
(k )
(15)(15)
Multiplicando
Multiplicando aa( keq. eq. (15)
(15) pelapela pela matriz
matriz +LL) ), ,temos:
((DD+temos: temos:
( D + Multiplicando
Multiplicando ) X ( k +1) =
LMultiplicando B −aUeq. a* eq.
Xa(15) )(15)
eq. pela
(15) matriz
matriz
pela matriz ( D ++ (L),
(D LD) ,+temos:
L) , temos:
( k +1)
+1)+ L ) X ( k +1) = +1)− U * X ((kk))
(k )
D *X (
( D + L( D
( kD
( D + ( kL
=
) X+ L) X= +B )
1) X− (Lk +*1)X=
B −=
( kB
B
U B* X − − (U
kU ) **X X
− U( k*+1)X (k )
−1((kk++1) = − +1)*−X ( k*) X ( k( k) )
X ( k +1) (D
D* XD
= *D
Dk +1)** XX
X= (
( kB B
+1)− =
1) −
LB
L B
*BX
*
−(LkL+1)** X
X L( k*+1)
X−−(U( kU
k +1) *X −U (Uk ) *)X( k ) (16)
= − X − U *X
( k +1)
X 1)−1= −1
D −−11( B −(Lk +1)* X ((kk++1)1) − U ( k +1)
* X ( k ))
(k )
(16)
que, naXforma ( k +1) (( kk ++1)
X=
X =
Ddesenvolvida,
( BD
= D− L((B*BX−− LL** XX− U torna-se:
*X −−UU*)*XX( k ) ))
(k )
(16) (16) (16)
(16)
que,
que, na forma desenvolvida, torna-se:
que, nana
que, formaforma
na desenvolvida,
+1) desenvolvida,
( kforma desenvolvida, se torna:
( k +1) torna-se: torna-se:
(bi − ∑ aij x j − ∑ atorna-se:
desenvolvida,
i −1 n
xi =
i −1
ij x j ) / aii ⇒ i = 1, 2,..., n
n
(k )
(17)
( k +1) j =
∑ +1) a ∑
1 jk= +i1)
+1
xi( k +1) = j i(<
−b1i − i −1 a x j >n i − n a x ( ( k )
) / aii ⇒ i = 1, 2,..., n (17)
xi( k +1) = xi((kb+1)i −= ∑ (bi a−ij ∑
i
xj =i (−1jk1+a1)ijij −x (jj(k∑
j < i ij jj = i +1 j ∑
k +1) − ijj∑
x= i(nj+k1)a) ijij/xa(jjiik( k) ⇒
))⇒ / aiiii=⇒ ...,1,n2,..., n (17)
=1,1,2,i2,...,
= (17)(17)
j∑ (17)
xi = ( b − a x − >i a x ) / a ⇒ i = 1, 2,..., n
Essa operacionalização j =1 i
j <i
=1
jj =<1i é jsemelhante
>i
j = i +1 ij j
j j >= ii+1 à doii método de Jacobi,
j <i >i
exceto que,Essa na eq. (16), utilizamos
operacionalização sempre
é jsemelhante os valores
à do método de xj de mais Jacobi,
EssaEssa operacionalização
operacionalização é semelhante é semelhante à do àmétodo do método de Jacobi,de Jacobi,
atualizados
exceto Essaque, possíveis na eq.
operacionalização no(16), ladoéutilizamos direito
semelhante da equação sempre
à do método iterativa,
àos dovalores
de oudeseja,
Jacobi, exceto mais
xj Jacobi,
excetoexcetoque,Essa na eq.
que, operacionalização
(16),
nautilizamos
eq. (16), utilizamos utilizamos é sempre semelhante sempre os valores os método
valores de ( kx+j1)dede
mais xj mais
que,
já são na eq.
usados ospossíveis
atualizados (16), valores anteriormente sempre
no lado direito calculados os valores da equação de x mais
de atualizados
iterativa,
xj das
ou seja,
exceto
atualizados
atualizados
possíveis no que,
possíveis
lado na
possíveis
direito eq.noda (16),
lado no utilizamos
equação direito
lado direito
iterativa, da equação sempre
ou daseja, equação já os j
são valores
iterativa,iterativa,
usados ou
os de
seja,
(ou
x mais
k +1)j seja,
valores
equações
já sãocom usados j < i dentro os valores da (kprópria anteriormente iteração em andamento
calculados de e,
x em das
atualizados
já anteriormente
sãojá usados os possíveis
valores noxj lado
deanteriormente dasdireito da
calculados equação deiterativa,+
xdas ou seja,
( k 1) j
são usados calculados os valores + 1)
anteriormente equações com j < i dentro
calculados xde
jda própria
( k + 1)
das
(14), equações
utilizamos com apenas j < i os dentro valores da de própria x j da
(k )
iteração
iteração emanterior,
andamento ∀ j .e,(k)em
j
iteração
equações
equações
já em
com
sãoutilizamosusados andamento
com j < i dentro jos < ivalores e,
dentro na eq.
da própria da (14), própria
anteriormente utilizamos
iteração iteração apenas
em andamento os
em andamentovaloresdee, xemde xe,j em
x ((jkk )) dacalculados j ∀ das
( k +1)
da (14),
iteração anterior, apenas
∀ j. os valores (de iteração anterior, j .
(14),(14),
utilizamos utilizamos apenas apenas os valores os valores de x de k)
da xiteraçãoiteração
da iteração anterior, anterior, ∀ j .∀ j .
equações com j <
Exemplo 2.10: resolva o sistema, a seguir, pelo método de i dentro da própria j j em andamento e, em
(14),
Gauss-Seidel:
Exemplo Exemploutilizamos
2.10: 2.10:apenas
resolva resolva
o sistema, os ovalores asistema,
seguir, de pelo ax (jmétodo da iteração
seguir,
k)
pelo anterior,de∀ j .
método
Exemplo Exemplo 2.10: resolva
2.10: resolva o sistema, o sistema, a seguir, a seguir, pelode pelo
Gauss-Seidel:
método método de de
Gauss-Seidel:
− x2 − x3 =
Gauss-Seidel:
3 x1 Gauss-Seidel: 1
Exemplo
3xx1 +−33xx12 −+ xx23 −2.10: = 5x = resolva
1 o sistema, a seguir, pelo método de
1 3 xx12−− xx23−= 1x33 = 1
Gauss-Seidel:
x3x2x1+++23xx3x2 = + 2 x3 =
xx1 −+ x + 3 x + = 5x =
5
5
1 x − x + 2x =
1 2 2 3 3
x − 3xxx11 +− 2x − 3x = 2
1 21 −2xx2 32+=
Solução: 22x3 3= 21
Solução:
Iniciamos
Iniciamos
Solução:
x1 +montando
Solução: 3x2 + x3as=
montando as 5equações
equações evolutivas
evolutivas parapara cadacada incógnita incógnita
do sistema
Solução:
do sistema
Iniciamos e isolando
montando x da
as respectiva
equações equação
evolutivas para
i, mas cadausando
incógnita
x1 −montando
e isolando
Iniciamos
Iniciamos
xxi2 da + 2respectiva
x3 =
montando
2 equações
as i equação i, mas usando as incógnitas
as equações evolutivas evolutivas parapara cadacada incógnita
incógnita
mais
as incógnitas
do sistemamais e isolando atualizadas xi da respectiva disponíveis no lado
equação direito
i, mas usando
do sistema
do sistema e isolando e isolando xi daxrespectiva da respectiva equação equação i, mas usando
i, mas usando
Solução:
das equações,
as incógnitas que mais correspodem atualizadasi àquelas disponíveis multiplicadas no lado pelos direito
as incógnitas
as incógnitas maismais atualizadas atualizadas disponíveis disponíveis no lado no lado direito direito
coeficientes
das equações, de L daque eq. (16): correspodem àquelas multiplicadas pelos
Solução:
Iniciamos montando as equações evolutivas para cada incógnita
162 CÁLCULO NUMÉRICO COMPUTACIONAL
do sistema e isolando xi da respectiva equação i, mas usando
as incógnitas mais atualizadas disponíveis no lado direito
atualizadas
das disponíveis
equações, no lado direito
que correspodem das equações,
àquelas que correspodem
multiplicadas pelos
àquelas multiplicadas pelos coeficientes
coeficientes de L da eq. (16): de L da eq. (16):
x1( k +1) =+
(1 x2( k ) + x3( k ) ) / 3
( k +1)
x2 =− (5 x1( k +1) − x3( k ) ) / 3
( k +1)
x3 = (2 − x1( k +1) + x2( k +1) ) / 2
CapítuloCapítulo 2 – Solução
2 – Solução Computacional
Computacional de Sistemas
de Sistemas de
de Equaç
Note
Note que
que as
as equações
equações evolutivas
evolutivas utilizam os valores
utilizam os valores disponíveis
disponíveis
Capítulo mais de Sistemas de
2 – Solução Computacional Equ
mais atualizados
atualizados possíveis.
possíveis.
Valor
Valor
Valor inicial:
inicial:
inicial: ( x1(0)(0)
(0)
,(xx2(0)
1 ,, x
(0)
2 ), x
x(0) (0)
=3 (0,) =0,(0,
0) 0, 0)
Valor inicial: ( x1 , x2 , x3 ) = (0, 0, 0)
(0) 3 (0)
Assim,
Assim, usando
usando a soluçãoa solução inicial inicial
em em 0 , podemos
k = 0k ,=podemos calcular
calcular a a
Assim,
Assim, usando
usando
solução a a solução
solução inicial
inicial em em
k = k
0, = 0 ,
podemospodemos calcular
calcular a a em
solução
solução em emk + 1k= a+1seguir:
1= a1seguir:
solução em k + 1 =
k + 1 a seguir: a1seguir:
x1(1)(1)= (1 +=(10++ 00)+ / 30)=/0.333
x1(1) 3 =0.333
(1)x1 x= (1) (1 + 0 + 0) / 3 =0.333
x2x(1)=− 2(5 =− (5
0.333 − 0) −/ 30)=
0.333 3=
/1.555 1.555
=− (5 0.333 − 0) / 3 = 1.555
(1) x3 =−
2 (1)
+ 1.555) 2=
x3x3(1)=− (2 (2 0.3330.333
+ 1.555) /2= /1.611 1.611
=− (2 0.333 + 1.555) / 2 = 1.611
ObserveObserve queque
(1)
x1(1) (1)=x10.333= 0.333 , calculado
, calculado na primeira
na primeira equação
equação i = 1,i =já1, já
Observe
Observe
foi utilizadoque
que x x
(1)
= =0.333,
0.333
na equação , calculado
calculado (1) na primeira equação i = 1, já
na i
x2 e assim por diante,jáconforme
primeira equação = 1, foi utilizado
foi utilizado na1 equação
1
de xde 2 (1)e assim por diante, conforme
(1)
foi utilizado
naaequação
Tabela de nax equação
(1)
e assim por dediante,
x e assim pora diante,
conforme conforme
Tabela 2.5.
2.5. 2.5.2
2
a Tabela
a Tabela 2.5.
Tabela 2.5
2.5––2.5
Tabela
Tabela Valores dada
solução
– Valores
Valores aproximada
da solução
solução pelopelo
método
aproximada
aproximada pelodemétodo
método Gauss-Seidel
de Gauss-Seidel
de Gauss-Seidel
Tabela 2.5 – Valores da solução aproximada pelo método de Gauss-Seidel
k kx1( k )( k x
(k )
1
(k )
x2( k )( k )x2
(k ) ( k +1)
x3( k )( k )x3 | x1( k +1)( k|+−1)x1x1( k ) (−
( k +1)
|k ) x1| x2(|k +1)| −x2x2( k ) −
(k ) (k )
x3(xk +( k1)) −
| x2| x3(|k +1)( k|+−1) 3 (|k )
x3( k ) |
k x1 )
x2 x3 | x1 − x1 | | x2 − x2 | | x3( k +1) (k )
− x3 |
0 0 0 0 0 0 0 0 - - - - - -
0 1 00.333 01.555 01.611 -0.333 -1.555 -1.611
1 0.333 1.555 1.611 0.333 1.555 1.611
1 2 0.333 1.388 1.555 0.666 1.611 0.638 0.333 1.055 1.555 0.888 1.611
2 1.388 0.666 0.638 1.055 0.888 0.9720.972
2 3 1.388 0.666 0.638 1.055 0.888 0.972
3 0.7680.768 1.1971.197 1.2141.214 0.6200.620 0.5310.531 0.5750.575
3 4 0.768 1.197 1.214 0.620 0.531 0.575
4 1.1371.137 0.8820.882 0.8720.872 0.3680.368 0.3140.314 0.3410.341
4 5 1.137 0.882 0.872 0.368 0.314 0.341
5 0.9180.918 1.0691.069 1.0751.075 0.2180.218 0.1860.186 0.2020.202
5 6 0.918 1.069 1.075 0.218 0.186 0.202
6 1.0481.048 0.9580.958 0.9550.955 0.1290.129 0.1100.110 0.1200.120
6 1.048 0.958 0.955 0.129 0.110 0.120
Fonte: Elaboração própria
Fonte: Elaboração própria. Fonte: Elaboração própria
Fonte: Elaboração própria
TemosTemos a solução
a solução aproximada
aproximada (, xx1(6)
( x1(6)(6)
(6)
(6) , x (6) , x
(6)
) = (1.048,
) =3 (1.048,
, x23 (6) 0.958,
0.958, 0.955)
0.955)
Temos a solução aproximada ( k +1)( x1 ( k, )x2 , x3 ) = (1.048, 0.958, 0.955)
2 (6)
comcom critério
critério de parada
de parada | x ( k +|1)x−i x ( k−
MaxMax ) x
|= |=
i 0.129
atingido
atingido
0.129 em 6em 6 iterações.
iterações.
com critério de parada Max |i xi( k +1) −i xi( k ) |= 0.129 atingido em 6 iterações.
1.069 44441.075
1.137
1.137
1.137
1.137 0.218
0.882
0.882
0.882
0.882 0.872
0.872
0.872
0.872
0.186
0.368
0.368
0.368
0.368
0.202
0.314
0.314
0.314
0.314 0.341
0.341
0.341
0.341
0.958 55550.955
0.918
0.918
0.918
0.918 0.129
1.069
1.069
1.069
1.069 1.075
1.075
1.075
1.075
0.110
0.218
0.218
0.218
0.218
0.120
0.186
0.186
0.186
0.186 0.202
0.202
0.202
0.202
6
666 1.048
1.048
1.048
1.048 0.958
0.958
0.958
0.958 0.955
0.955
0.955
0.955 0.129
0.129
0.129
0.129 0.110
0.110
0.110
0.110 0.120
LINEARES 0.120
0.120
0.120
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL
Fonte: Elaboração própria DE SISTEMAS DE EQUAÇÕES 163
Fonte:Elaboração
Fonte:
Fonte:
Fonte: Elaboraçãoprópria
Elaboração
Elaboração própria
própria
própria
nados),
nados),
nados),mas
Gauss-Seidelmas
mas agora
sãoagora
agora
tomados temos
temos
temos
os um
um
umprocesso
processo
processo
valores disponíveis de
de
deconvergência
convergência
convergência
mais atualizados. um
um
um
ais rápido porque no método de Gauss-Seidel são
poucomais
pouco
pouco maisrápido
mais rápidoporque
rápido porqueno
porque nométodo
no métodode
método deGauss-Seidel
de Gauss-Seidelsão
Gauss-Seidel são
são
os valores disponíveis mais atualizados.
tomadosos
tomados
tomados osvalores
valoresdisponíveisdisponíveismaismaisatualizados. atualizados.
Veja, noosGráfico
valores 2.2,disponíveis mais
a evolução também atualizados.
oscilatória de x1(k) (no eixo
vertical) com o nível iterativo k (no eixo horizontal) usando o método de
Gauss-Seidel.
163
Gráfico 2.2 – Evolução de x1 ....
(k ) 83
Gráfico 2.2 – Evolução de x1(k) com o nível iterativo k aplicando o método de Gauss-
Seidel
x1( k )
k
Fonte: Elaboração própria.
e
e
b) | aii |> Z i , para pelo menos uma linha i de A.
b) | aii 2:
Definição | > se
Zi, para
| aii |>pelo
Z i , menos
∀i= uma
1,..., n , linha i de A. A * X = B terá
o sistema
diagonal estritamente dominante.
Definição 2: se | aii | > Zi, ∀ i = 1, ..., n, o sistema A * X = B terá diagonal
estritamente dominante.
2.2.3.1 Teorema Convergência – Critério de Scarborough
2.2.3.1 Teorema de convergência – critério de Scarborough
Segundo o teorema de convergência de Scarborough: se o
Segundo o teorema de convergência de Scarborough: se o sistema
sistema tiver diagonal
X = Bdiagonal
A * X =AB* tiver dominante,
dominante, ou diagonal
ou diagonal estritamenteestritamente
dominante,
dominante, tantoconstruída
tanto a sequência a sequência construída
pelo método pelo
de Jacobi método
quanto de Jacobi
a de Gauss-Seidel
quanto a pelopara
convergirão a solução S. convergirão para a solução S.
de Gauss-Seidel
Veja aa aplicação
Veja aplicaçãoda da
Definição 1 aos 1Exemplos
Definição 2.9 e 2.10,
aos Exemplos conforme
2.9 e 2.10, a
análise a seguir:
conforme a análise a seguir:
Se| |aaiiii||≥
a)a)Se ≥ ZZii,para
i= todas
1,..., as linhas
n para i =as1,linhas
todas ..., n: i:
3 x1 − x2 − x3 =1 3 ≥ −1 + −1 V
x1 + 3 x2 +=
x3 5 3 ≥ +1 + +1 V
2 2 ≥ +1 + −1 V
x1 − x2 + 2 x3 =
temosuma
temos umacondição
condição verdadeira,
verdadeira, poispois o módulo
o módulo de cadadeelemento
cada
da diagonaldaprincipal
elemento diagonalé principal
maior ouéigual
maiorà soma dosamódulos
ou igual soma dosdos
demais
móduloselementos da respectiva
dos demais elementoslinha.
da respectiva linha.
b) Se | aii |> Z i , i =
1,..., n para alguma linha i:
3 x1 − x2 − x3 =
1 3 > −1 + −1 V
2 2 ≥ +1 + −1 V
x1 − x2 + 2 x3 =
temos uma condição verdadeira, pois o módulo de cada
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 165
elemento da diagonal principal é maior ou igual a soma dos
módulos dos demais elementos da respectiva linha.
b)b)Se i=
Se| |aaiiii| |> Zii ,para alguma
1,..., n para alguma
linha linha
i = 1, ..., n: i:
nal
3 x1 − x2 − x3 = 1 3 > −1 + −1 V
x1 + 3 x2 +=x3 5 3 > +1 + +1 V
Comrelação
x1 − x2 + à2 xconvergência
2 2 ≥ +1 +dos−1 métodos iterativos, algumas
3 =
características importantesé verdadeira
AAcondição
devem ser salientadas, entre as quais
tacional condição também verdadeira para
para asas duas
duas primeiras
primeiras equações.
equações.
destacamos:
Logo,esse
esse sistema, resolvido nos Exemplos 2.9 esatisfaz
2.10, satisfaz
ComLogo,
relaçãosistema, resolvido
à convergência dosExemplos
nos métodos2.9 e 2.10,
iterativos, algumas o critério de
o critério
Scarborough
características
dedaScarborough
a)importantes
A convergência
diagonal da diagonal
para portantodominante
ser asalientadas,
dominante
devem esolução tem {
S =entre
lim as
convergência}
(k ) ∞
X e quais
portanto
k =0
não depende
garantida.
Com relação à convergência
tem convergência garantida. dos métodos iterativos, algumas
destacamos: dorelação
valor àinicial . Portanto, a iterativos,
escolha do asX quais adequado
(0) (0)
características
Com importantes devem
convergência dosser salientadas,
métodos entre
algumas carac-
terísticas
destacamos:
a) afeta apenas
importantes
A convergência para aa solução
devem quantidade { X (entre
S = limde
ser salientadas, } asnãoquais
kiterações
) ∞
k =0
necessárias.
destacamos: Quanto
depende
mais próxima a solução estimada X (0) estiver da solução
solução S = lim { X }adequado
(k ) ∞
do valor inicial . Portanto, a escolha do
(0) (0)
a) convergência para
a) A convergência para a solução X depende do
não depende
exata
afeta apenas S,
a mais
quantidade rápida
de será a convergência
iterações necessárias.
k =0
(se convergir).
Quanto
valor inicial X . Portanto, a escolha do X adequado afeta apenas
(0) (0)
do valor inicial (0) . Portanto, a(0) escolha do X adequado
(0)
mais a quantidade
próxima
b) O de da
a solução
teorema iterações
estimada necessárias.
convergência
X Quanto
estiver maisuma
da solução
contém próxima a
condição
afeta apenas
solução a
estimada quantidade de
X a convergência
(0) iterações
estiver da solução necessárias. Quanto
exata S, mais rápida será a
exata S, mais rápida
suficiente, será
porém não estimada
necessária.(se convergir).
mais próxima
convergência (sea convergir).
solução X (0)Portanto,
estiver da se esse teorema
solução
b) O teorema
for da convergência contém uma condição
exataverdadeiro,
S, mais rápida a será
sequência S convergirá;
a convergência se não for, nada
(se convergir).
b) O teorema
suficiente, porém nãode convergência contém uma
necessária. Portanto, se esse condição
teoremasuficiente,
b) podemos
O teoremaafirmar.da convergência contém uma condição
porém nãoa necessária.
for verdadeiro, sequência Portanto, se esse
S convergirá; seteorema
não for,for verdadeiro, a
nada
suficiente,
sequência Sporém não necessária.
convergirá; se não for, Portanto,
nada podemos se esse teorema
afirmar.
podemos afirmar. x1 + 2 x2 = 3
for verdadeiro,
Exemplo 2.11: a sequência
verifiqueS convergirá;
que, em se não for, nada , Gauss-
podemos afirmar. x1 + 2 x2 = 3 x1 − 3 x2 = −2
Exemplo Exemplo2.11:2.11:
verifique que,
verifique que,em
em x − 3 x = , Gauss-
-Seidel fornece uma sequência
1 2 2, Gauss-Seidel fornece
−convergente, mesmo
uma sequência convergente, mesmo x1 +satisfazendo
não 2 x2 = 3 o teorema
-SeidelExemplo
fornece 2.11:
uma verifique
sequênciaque, em
convergente, mesmo, Gauss-
de convergência: x1 − 3 x2 =−2
não satisfazendo o teorema da convergência:
-Seidel fornece
não satisfazendo uma sequência
o teorema convergente, mesmo
da convergência:
x1= 3 − 2 x2
x1= 3 −não
2 x2 satisfazendo o teorema da convergência:
x= (2 + x1 ) / 3
x=
2 (2 + x21 ) / 3
x1= 3 − 2 x2
Na 2 Tabela
Na Tabela
x= 2.6,
(2 / 3 2.6,a temos
+ x1 )temos a evolução
evolução iterativa daiterativa
solução da solução
Na Tabela 2.6, temos a evolução iterativa da solução aproximada
aproximada
aproximada
por Tabela
Na 2.6, por
por Gauss-Seidel:
Gauss-Seidel: temos Gauss-Seidel:
a evolução iterativa da solução
aproximada
Tabela 2.6 – Evolução iterativapor Gauss-Seidel:
da solução aproximada por Gauss-Seidel
Tabela 2.6 – Evolução iterativa da solução aproximada por Gauss-Seidel
k
Tabela 2.6 – Evolução x1 da solução
iterativa x2 aproximada por Gauss-Seidel
k x1 x2
0 k 0 x1 0 x2
1 03 0
0.666667 0
166 CÁLCULO NUMÉRICO COMPUTACIONAL
k x1 x2
0 0 0
1 3 1.666667
2 -0.33333 0.555556
3 1.888889 1.296296
Capítulo 2 – Solução Computacional de Sistemas de Eq
4 0.407407 0.802469
5 1.395062 1.131687
6 0.736626 0.912209
30 1.002284 1.002284
7 1.175583 1.058528
40 0.999699 0.999699
850 0.882945
1.000040 1.000040
0.960982
960 1.078037
0.999995 0.999995
1.026012
1070
0.947975
1.000001 1.000001
0.982658
2076 1 0.999098 1 0.999699
30 0.999984 0.999995
Fonte: Elaboração própria
39 1 1
c) Um sistema que não tenha diagonal dominante pode, em
Fonte: Elaboração própria.
alguns casos, ser transformado para ter diagonal dominante
através
c) Um de troca
sistema que não de linhas
tenha e/ou colunas
diagonal (pivotamento
dominante pode, em parcial
alguns
ou total).
casos, ser transformado para ter diagonal dominante através de
d)troca de linhas
O critério dee/ou colunas (pivotamento
convergência parcial ouenunciado
de Scarborough total).
anteriormente
d) O não é o único.
critério de convergência dePodemos verificar
Scarborough na literatura
enunciado anterior-
outrosnão
mente critérios de convergência.
é o único. Podemos verificar na literatura outros critérios
e) de
O convergência.
teorema de convergência, baseado na dominância da
e) Odiagonal
teoremaprincipal da matriz
de convergência, de coeficientes
baseado na dominânciado da
sistema,
diagonal
indica uma
principal redução
da matriz dos erros da
de coeficientes do solução aproximada
sistema, indica em
uma redução
cadaerros
dos iteração. Por exemplo,
da solução no sistema
aproximada em cadados Exemplos
iteração. 2.9 e
Por exemplo,
no sistema dos Exemplos 2.9 e 2.10:
2.10:
3 x1 − x2 − x3 = 1
x1 + 3 x2 + x3 =5
x − x + 2x = 2
1 2 3
x1( k +1) =
(1 + 1 x2( k ) + 1 x3( k ) ) / 3
( k +1) ( k +1) (k )
3 x1 − x2 − x3 = 1
167
x1 + 3 x2COMPUTACIONAL
CAPÍTULO 2 – SOLUÇÃO + x3 = 5 DE SISTEMAS DE EQUAÇÕES LINEARES
x − x + 2x = 2
1 2 3
temos
temos as
asseguintes
seguintesequações
equaçõesiterativas:
iterativas:
x1( k +1) =
(1 + 1 x2( k ) + 1 x3( k ) ) / 3
( k +1)
x2 = (5 − 1 x1( k +1) − 1 x3( k ) ) / 3
( k +1)
x3 = (2 − 1 x1( k +1) + 1 x2( k +1) ) / 2
cional
(0)
Naequação
Na equaçãodede x1 do
x1 do sistema
sistema anterior,
anterior, a solução
a solução inicial inicial
(0)
X é nula, é
X logo
redução de erros promovida
(0) pela
(0) própria equação iterativa
Xnula,temlogo
um erroX tem unitário
um em erro todas as incógnitas
unitário em todas (pois
asaincógnitas
solução exata
de x1 , na qual osredução
dois
é(pois
1 para valores
cada
de de xpromovida
e x3 , Observe
incógnita).
erros cadapela umquecoma seuequação
solução
própria para x na primeira
iterativa
a solução exata é 1 para cada incógnita). Observe
2
1 que
erro interno 1.0, são multiplicados
iteração
dea xsolução é
, na qual0.333, por
logo
osxdois coeficientes
tem um
valores de erro unitários
menor do
x2 e x3 ,é cadaque 1.0, ou seja, erro
1 para na primeira iteração 0.333,um com
logo temseu
um
e divididos pelaerro de 0.667.
diagonal Isso decorre
principal
1
da redução
3.0, logo ocorre de erros
uma promovida pela própria
errointerno
menor1.0, do são
quemultiplicados
1.0, ou seja, erro pordecoeficientes
0.667. Isso unitários
decorre da
equação
redução de erro aplicado naiterativa
equação de x
de , na qual os dois
1 x , passando do erro
valores de x2 e x3, cada um
e com
divididos
seu erropelainternodiagonal
1.0, são principal
1
multiplicados3.0,porlogo ocorre uma
coeficientes unitários
inicial que era 1.0redução
para o de novo erro 2/3 em x =0.333. Assim,
e divididoserro pelaaplicado
diagonalnaprincipal
1equação de x , passando do erro
3.0, logo
1 ocorre uma redução
quanto maior forinicial
adediagonal
erro que principal,
aplicado
era 1.0na mais
equação
para o novo dominante
de erro 2/3 esta
x1, passando
em xdo erro inicial
=0.333. que era
Assim,
1
será e maior também 1.0 será
para o a redução
novo erro de
2/3
quanto maior for a diagonal principal, erro
em xda= solução
0.333. de
mais dominante estafor a
Assim, quanto maior
1
uma iteração para diagonal
outra.
será e maior principal,
também mais
serádominante
a reduçãoesta erroe maior
deserá também
da solução de será
a redução
x + 2 x = 3 de erro da solução de uma iteração para outra.
f) No sistema uma2 iteração para outra.
1
do Exemplo 2.11, que não tem
x1 − 3 x2 =
−2
x + 2 x =
3
f)f)No
diagonal dominante Nosistema
esistema
1
mesmo assim
2
doExemplo
do
converge,Exemplo2.11, queque
2.11,
as equações nãonão
tem tem
diagonal
x
1 − 3 x2 = −2
iterativas são: dominante e mesmo assim converge, as equações iterativas são:
diagonal dominante e mesmo assim converge, as equações
x1= 3 − 2são:
iterativas x2
x= (2 + x1 ) / 3
x1= 3 − 2 x2
2
Observe que na equação
x= x1 ) /x31 ocorre uma amplificação do erro
(2 + de
Observe que na equação de x1 ocorre2
uma amplificação do
inicial de x , que é multiplicado por 2 e propagado para x , mas na
erro inicial de x2 ,Observe
que é multiplicado
quede
2
por 2 edepropagado
nax2equação para amplificação1 do
ocorre do
uma
2a equação, , ocorrre umax1redução erro existente em x1, que
x1 , mas na 2ª equação,
é de x
multiplicado
erro inicial de
2
, ocorrre
por uma
1/3 e redução
depois do erro
x , que é multiplicado por 2aexpropagado
atribuído . Assim, ocorre
para uma
2 2
existente em x1 , que , émas
multiplicado
x redução naglobal depor 1/3de
erros
2ª equação, e depois
promovida atribuído
mais
x , ocorrre fortemente
uma redução pela equação
do erro
1 2
a x2. Assim, ocorrede
umax2. Note
reduçãoque global
a segunda equação
de erros tem diagonal bem dominante
promovida
existente em x1 , que é multiplicado por 1/3 e depois atribuído
|–3|>|1|
mais fortemente apela e
equaçãoacaba compensando
de xuma. Note a não dominância da diagonal da
que aglobal
segunda
x . Assim, ocorre
primeira
2
2 redução
equação |1|<|2|. de erros promovida
equação tem diagonal bem dominante
mais fortemente −3 > de
pela equação 1 xe .acaba
Note que a segunda
2
compensando a equação
nãovamos
A seguir, dominância
apresentar da diagonal da primeira
tem diagonal bem dominante tentar
um artifício matemático para −3 >otimizar
1 eumacaba
proces-
equação 1 so
< iterativo.
.
2compensando a não dominância da diagonal da primeira
equação 1 < 2 .
mbém = xdentro
xi( k +equação
ro da
1)
na
da( k +equação
i + anterior,
(k )
eq. * ∆xi
1(18). 1)
,gerandoanterior,
com 100% dagerando
umaequação
uma equação
alternativa:
atualização calculada alternativa:
pelo método
ue,original.
se λ = 1Alternativamente,
, temos a equação podemosevolutiva
Pg. 192
reescrever
original o valor da atualização
total100%
com (incremento
da atualização iterativocalculada
original dopelo método) ∆xi( k +1) = xi( k +1) − xi( k ) dentro
f ( x) = e x sen( xmétodo
) −1
da equação
vamente, podemos anterior, que gera
reescrever oPg. uma
valor193 da forma alternativa:
atualização
terativo original do método) ∆xi(xk +1)= =g x(i(xk )+1) − xi( k ) dentro
altacional
tacional
alcional
ional CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 169
Lembramos
Lembramos
Lembramos que que a eq.
a aeq.
que (20)(20) somente
somente devedeve ser
serser aplicada
aplicada com com
Lembramos
Lembramos
Lembramos que que
quea aaeq.
eq. eq.
eq. (20)
(20)
(20)
(20) somente
somente
somente
somente deve
deve
deve
deve ser ser
ser aplicada
aplicada
aplicada
aplicada com
com
com
com
os
osos Lembramos
coeficientes
coeficientes a
aijaanão que
não a eq. (20)
nulos,
nulos, para somente
para deve
evitar
evitar ser aplicada
operações
operações com os coefi-
aritméticas
aritméticas
oscoeficientes
osos coeficientes
coeficientes
coeficientes aijnão
não
aij nulos, não
não nulos,
nulos,
nulos,
nulos, para
para
para
para evitar
evitar
evitar
evitar operações
operações
operações
operações aritméticas
aritméticas
aritméticas
aritméticas
cientes a
desnecessárias.não ijij ij para evitar operações aritméticas desnecessárias.
desnecessárias.ij
desnecessárias.
desnecessárias.
desnecessárias.
desnecessárias.
xx1 x− xxx12−
1−−
x2 x+
xx+x2+ 2++
2= x3 =
xx33x2
223 2 = =222
2
1 −x11x− 2 +22 2 x3 = 23=
Solução: Solução:
Solução:
Solução:
Solução:
Solução:
Solução:
Montando Montando
Montando
Montando asas as
equações
asequações equações
equações evolutivas
evolutivas evolutivas
evolutivas parapara cada para
cada
incógnita
para cada
cada incógnita
incógnita
do
incógnita do
doconforme
sistema, do
Montando
Montando
Montando asasas equações equações
equações evolutivas
evolutivas
evolutivas para
para
para cada cada
cada incógnita
incógnita
incógnita do
dodo
sistema, sistema,
a
sistema, eq. (20), conforme
conformetemos:
conforme a eq. a eq.
(20), (20), temos: temos:
sistema,
sistema,
sistema, conforme
conforme
conforme a eq. aaaeq. eq.
eq.(20), (20),
(20),(20), temos:
temos:
temos: temos:
x1(( kk++1)1)(xx(kk1+(+= xλ (1λ
+
(1= λ−−)− (kk1))λ + x2(( kk+ (kk2))x3( k+
( k 1) ( k ) ) ( k ) ( k ) (( kk ))
( k )
+1) − (1
= − λ )) (xx+
(k ) (k )
+ λ + (1 + ) (x
x+ )x/ 3 ) / 3
++3+xx) 3)(3x(kk/33)))3) /)/ 33/ 3
k1)
x1xx11 1= =
= (1
λ λλ 1)( k) ++ λ λ (1
++
11+ λ (1 + x2 22+2 x
1)
(1 − (1
(1 ) x ) xx 1 (1
(1 x x
x2((kk++1)1)(xx(kk2+((+=−
1
λ )λλxλ (5λ
k +1) k +1) (( kk +
(1=− (kk2))λ +
( k ) (( kk ))
x1(( − 1) − )
1)( k ) ( k )
+1)
=− (1 λ )) (xx+ + λ −(5 − (x (kk1+− +x x/( k3) ) / 3
−−3( k−xx) (x(kk33)))) /)/ 33/ 3
k1)
x x =−
1)
=−
=− (1
λ
(1
(1 ) 2( k)
) xx + λ ++ λ λ −
(5
(5 (5 −− k +1)
x x x +1)
−
1)
2(k+21)2 ( k +1)
x 2 (1 ) x 2 22 ( k )
2 (5 x 1 11 ( k +1)3 3)3 /( k3+1)
1 x
x3(kxx+1)(xx(kk33+(+=− (1=− λ )λλxλ (kk3))λ + λ x1(( kk− 1)x2( k+
+1) k +1) ( k +1) ( k +1)
+1)
=− (1 λ )) (xx+
(k ) (k )
+λ(2 λ −(2 −xx+1)(xx(kk11+(+ x) / 2) / 2
+++xx+1)(x(kk22++1)1))) /)/ 2/22
k1)
=−
1)
=−
=− (1
λ 3)( k)
+ λ ++ λ − (2 −− +1)
1 11 + x2 22 ) / 2
x
3 33 (1 (1
(1 ) x )3 33
xx 3 (2 (2
(2 x
Valor Valor inicial: inicial:( x1(0) ( (0)
(0)(,(0)
xxx1(0)
(0) (0)
,,,(0) (0) (0)
xxx2(0) ,)(0)
x=3(0)(0, ) =0,(0, 0)0, e0) λee=λλλ =
0.5 .0.5 .
Valor inicial: =)==(0, ==λ0.5
=0.5 .. .
(0)
Valor inicial: 1 11 2 22 3,,xx,)33x=3))(0,
Valor
Valor Valor inicial:
inicial:
inicial: 0,(0, 0,0, e0)eeλeλ .0.5
==0.5
(0) (0)
( x ((xx , x 1 ,,
2(0)x
x , x23(0) (0, 0,
0) 0) 0) 0.5
NaNa Na
Na Tabela Tabela
Tabela 2.7, 2.7,
2.7,temos temos
temos osos os
valores
osvalores valores
valores dede de 6 iterações
6 6iterações
de dadada solução
solução
NaNa Tabela Tabela
Tabela 2.7,2.7,
2.7, temos temos
temos osos valores valores dede 66iterações
iterações
iterações
6 iterações dadada solução
solução
solução
solução
aproximada aproximada com com fator fator de de
sub-relaxação sub-relaxação λ = λ0.5= .0.5 .
aproximada
aproximada
aproximada
aproximada com com
com com fator fator
fator
fator dede de desub-relaxação sub-relaxação
sub-relaxação
sub-relaxação λ =λλλ0.5
===0.5
0.5 .. .
.0.5
170 CÁLCULO NUMÉRICO COMPUTACIONAL
Capítulo 2 – 2Solução
Capítulo Computacional
– Solução de Sistemas
Computacional de de
de Sistemas Equ
Na Tabela 2.7, temos os valores de 6 iterações da soluçãoCapítulo 2 – Solução Computacional de Sistemas de
aproximada com
fator de sub-relaxação λ = 0.5.
Tabela 2.7 –Tabela
Valores
Tabela da
2.72.7 solução
– Valores aproximada
da da
––Valores solução pelo
solução método de
aproximada
aproximada Gauss-Seidel
pelo método
pelo decom
método de fator de
Tabela 2.7 Valores da solução aproximada pelo método de
sub-relaxação Gauss-Seidel com
Gauss-Seidel fator de sub-relaxação
Gauss-Seidel com
com fator
fator de
de sub-relaxação
sub-relaxação
0 00 0 00 0 00 0 00 - -- - - - -
1 11 0.166
0.166
0.166 0.805
0.805
0.805 0.659
0.659
0.659 0.166
0.166
0.166 0.805
0.805 0.659
0.659
0.659
2 22 0.494
0.494
0.494 1.043
1.043
1.043 0.967
0.967
0.967 0.327
0.327
0.327 0.238
0.238 0.307
0.307
0.307
3 33 0.748
0.748
0.748 1.069
1.069
1.069 1.063
1.063
1.063 0.254
0.254
0.254 0.025
0.025 0.096
0.096
0.096
4 44 0.896
0.896
0.896 1.041
1.041
1.041 1.067
1.067
1.067 0.147
0.147
0.147 0.027
0.027 0.004
0.004
0.004
5 55 0.966
0.966
0.966 1.014
1.014
1.014 1.046
1.046
1.046 0.069
0.069
0.069 0.026
0.026 0.021
0.021
0.021
6 66 0.993
0.993
0.993 1.000
1.000
1.000 1.024
1.024
1.024 0.026
0.026
0.026 0.014
0.014 0.021
0.021
0.021
AAsolução
Asolução
A aproximada
solução
solução aproximada
aproximada
aproximada( x1(6) 1x2,,xx,22x3,,xx3)3 =))(0.993,
(6)(6) (6)
((xx1,(6)
(6)(6) (6) (6)
== (0.993,
(0.993, 1.000, 1.024)
1.000, 1.024)foifoi
atingida
foi atingida
atingida
atingida
comcom
com
com critério
critério
critério
critério de
dede
de parada
parada
parada
parada Max Max
Max
( k +1)
( (
k k++
| xi||xxi − x−−i xxi|=
1)
1) ( k
(k ) (k ) )
=
||= emem
em
0.026
0.026
0.026 66iterações.
iterações.
6 iterações.
i i
OO processoO processo
Oprocesso
processo iterativo
iterativo
iterativo
iterativo com com
com
com oofator
o fator
o fator
fatordededesub-relaxação
sub-relaxação
sub-relaxação
de sub-relaxação ficou
ficou mais
ficou estável,
mais
mais
ficou mais
gerando
estável,estável,um processo
gerando
gerando um umde convergência
processo
processo dedede monotônicomonotônico
convergência
convergência (diferenças
monotônico entre
estável, gerando (kum
+ 1) processo convergência monotônico
iterações sucessivas xi – xi mantêm os mesmos
(k)
( k +1)sinais para cada passo
(diferenças
(diferenças
(diferenças entre
entre
entre iterações
iterações
iterações sucessivas
sucessivas
sucessivas k ) x((kk )) mantém os
(−
xi( k +xx1)i(i k−+1)xi− xiimantém mantém osos
iterativo), e consequentemente temos um processo iterativo mais rápido.
mesmos mesmos
mesmos sinais
sinais
sinaisparapara
paracada cada
cada passo
passo
passo iterativo
iterativo
iterativo k), e consequentemente
e consequentemente
k),k), e consequentemente
temos temos
temos um um
um processo
processo
processo iterativo
iterativo
iterativo maismais
mais rápido.
rápido.
rápido.
Note que, com as mesmas 6 iterações do método de Gauss-Seidel,
atingimos um critério de parada máximo de 0.026 com sub-relaxação, contra
0.129 sem sub-relaxação.
Note que, com O Gráfico
asmesmas
mesmas 2.3 demonstra a evolução de x1(k) (no
Note Noteque,
que,comcom asasmesmas 66iterações
iterações
6 iterações do
dodométodo método
método dede de Gauss-Seidel,
Gauss-Seidel,
Gauss-Seidel,
eixo
atingimos vertical) um e nível iterativo
critério de k (nomáximo
parada eixo horizontal)
de 0.026 usando
com o método de
sub-relaxação,
atingimos
atingimos umum critério dede
critério parada
parada máximo
máximo dede0.0260.026 com com sub-relaxação,
sub-relaxação,
Gauss-Seidel
contra 0.129 e sub-relaxação
sem sub-relaxação. λ = 0.5.
O Gráfico 2.3 demonstra a evolução
contra
contra 0.129 sem
0.129 sem sub-relaxação.
sub-relaxação. OO Gráfico
Gráfico 2.32.3 demonstra demonstra a evolução
a evolução
de
dede (k ) x
x1 x1 (no
(k )
(no
eixoeixo vertical)
vertical) e
e nível nível iterativo
iterativo k
k (no(no
eixo eixo horizontal)
horizontal) usando
usando
( k
1 )
(no eixo vertical) e nível iterativo k (no eixo horizontal) usando
o método
o método de de Gauss-Seidel
Gauss-Seidel e e sub-relaxação
sub-relaxação λ =λ 0.5 = 0.5 . .
o método de Gauss-Seidel e sub-relaxação λ = 0.5.
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 171
x1( k )
k
Fonte: Elaboração própria.
174
Ficou claro até este momento que as soluções obtidas para os sistemas de equações
lineares são aproximadas e precisam ter um grau de confiabilidade definido. Então,
quais são os erros associados a essa solução aproximada S?
Observe
Fonte: Elaboração que
própria. as soluções de sistemas
Fonte: Elaboração própria de equações lineares
obtidas por métodos iterativos são soluções aproximadas a cada
iteração, Observe
Observe que
portanto que
astêmas soluções
soluções
erros de de sistemas
desistemas dealém
equações
de equações
truncamento, lineares lineares
obtidas
dos erros de
por métodos
obtidas poriterativos
métodossão soluções aproximadas
iterativos são soluçõesa cada iteração, portanto
aproximadas a cada
arredondamento presentes no último dígito significativo, logo devemos
têm erros de
iteração, truncamento,
portanto além de
têm erros dostruncamento,
erros de arredondamento
além dos presentes
erros de
ter
no uma
último forma
dígito de avaliar
significativo,esses
logo erros
devemos de truncamento
ter uma forma associados
de avaliar essesa
arredondamento presentes no último dígito significativo, logo devemos
cada
errossolução aproximada
de truncamento obtida.
associados a cada solução aproximada obtida.
ter uma forma de avaliar esses erros de truncamento associados a
Por
Porexemplo,
exemplo, qual é oéerro
qual de truncamento
o erro de truncamentomáximo da solução
máximo obtida
da solução
cada solução
anteriormente aproximada
em 6 iterações? obtida.
obtida anteriormente em 6 iterações?
Por exemplo, qual é o erro de truncamento máximo da solução
X (6) = {0.9934118315605686,
obtida anteriormente em 61.0008453478432351,
iterações? 1.0248995222682158}
li 3
Note que,Note Note
na que, que,
iteração na55,
iteração
na iteração o55, o 55,
critério o de
critério
critério de parada
deparada
parada − xi( k |) x| atingiu
Max | xi( k +1)Max
( k +1)
−x |
i
(k )
i
valor
136
atingiu valor nulo,
atingiu
nulo, portanto
valor nulo,ooalgoritmo
portanto portanto
algoritmo chegou ao limite
o algoritmo
chegou da precisão
chegou
ao limite ao digital
dalimite
precisão dadisponível,
precisão
de mododisponível,
digital
digital disponível,
que a solução
de modo que deobtida
modo não
quevai
a solução
mais variar
aobtida
solução usando
obtida
não
precisão
não vai
vai mais maisdouble:
variar variar
li 4 esta precisão double:
para
para esta precisão double:
S = {1, 1, 1}
150 caso é uma solução exata mesmo, pois os seus valores são inteiros)
(nesse
S = { 1, 1, 1 }
S = { 1, 1, 1 }
Cond
(nesse caso é umaA
Agora, >> 1
( )solução exata mesmo,
(nesse caso é uma solução exata mesmo, pois os seus valores são inteiros)
podemos calcularpois
os oserros
seus de truncamento
valores Capítuloda
são inteiros) 2 – solução X (6) de Sistemas
Solução Computacional
obtida com
Agora, 6 iterações
podemos emcalcular
relação àos solução
erros exata S:Capítulo 2 – Soluçãoda
de truncamento
Computacional de Sistemas de Equ
solução
Agora, 173podemos
(6) calcular os erros de truncamento da solução
X obtida com 6 iterações em relação à solução exata S:
(6) Erro X (6)
=
X obtida com 6 iterações em X (6)
− {6.588168àesolução
S = relação − 03, 8.453478
exatae −S:04, 2.489952e − 02}
Erro X (6)= X (6) − S= {6.58816843943144e − 03, 8.45347843235089e − 04, 2.48995222682158e − 02}
− S= {6.58816843943144e − 03, 8.45347843235089e − 04, 2.48995222682158e − 02}
rro X (6)= X (6)174
Erro de truncamento máximo(6) X (6) − S = { 0.0248995222682158}
ErroXde
Erro truncamento
(12)de
= truncamentomáximo
{0.999754544313626, { 0.0248995222682158
máximo X0.999648218060907,
−S = }
0.999924062782415 }
O
O Erro
Erro de
detruncamento
truncamento máximo
máximo 0.0248995222682158
0.0248995222682158 ééda
damesma
mesma
O Erro de truncamento máximo 0.0248995222682158 é da mesma
ordem
ordemdedegrandeza
grandezaquequeoocritério
critériode
deparada
paradabaseado
baseadona namáxima
máximadiferença
diferença
ordem de grandeza que o critério de parada( kbaseado
+1) ( k ) na máxima diferença
entreduas
entre duasiterações
iteraçõessucessivas
sucessivas Max | xi − xi |= 0.0269007311283617
entre duas iterações sucessivas Max | xi( k +1) − xi( k ) |= 0.0269007311283617
e então esse critério de parada poderá ser usado como estimativa
e então esse critério de parada poderá ser usado como estimativa
de erro de truncamento.
de erro de truncamento.
Alternativamente, podemos estimar uma solução mais próxima
134 deordem
ordem grandeza de grandeza
que o critério que ode critério
parada debaseado
parada baseado na máxima na máxima
diferença diferença
ordem de grandeza que o critério de parada baseado na máxima diferença
entreda exata através de soluções|( kx+i1)Max−aproximadas pelo próprio mé
+
duas entre duas
iterações iterações
sucessivas sucessivas
Max ( k + 1) ( k
|) xi i |=
( kx
( k ) 1)
− xi |=
( k )
0.0269007311283617
0.0269007311283617
l174
entre duas iterações sucessivas Max | x − x |= 0.0269007311283617
i2
e então iterativo
e então
esse com
critérioessealgumas
critério
de parada iterações
de parada poderá
i
poderá a mais, por
ser
CÁLCULO NUMÉRICO COMPUTACIONAL
i
ser usado como exemplo,
usado usando o d
como estimativa
estimativa
e então esse critério de parada poderá ser usado como estimativa
de 135de de detruncamento.
erro de truncamento.
iterações ou o dobro de precisão no critério de parada. A
de erro
erro de truncamento.
para
el então calcular Alternativamente,
Alternativamente,
esse critério odeerro podemos
parada podemos
depoderá
truncamento
estimar
ser usado estimar
uma dauma
solução
como solução
soluçãomais próxima
estimativa de mais
erro próxima c
aproximada
i 3 Alternativamente, podemos estimar uma solução mais próxima
da da
de truncamento. exata (6) através de soluções aproximadas pelo próprio métodométodoco
da exata
exata através
iterações,
através
Alternativamente,X de, soluções
de soluções
podemos
podemos
aproximadas
compará-la
aproximadas
estimar uma pelo pelo
solução à próprio
solução
próprio
mais próxima aproximada
método da o dobro
136 iterativo com algumas iterações a mais, por exemplo, usando
iterativo
iterativo comalgumas
com algumas iterações
iterações a a mais,
mais, por por exemplo,
exemplo, usando usando o o dobro
dobro
exataiterações,
através
de iterações
de ou com
soluções
ou oo critério
aproximadas
dobro de de
pelo
precisão parada
próprio
no inicial
método
critério
iterativo
de parada.
com
0.02690073112836 Assim,
de literações
de algumas
iterações
i4 ou oodobro
ou
iterações dobro
a mais,de de precisão
precisão
por exemplo, no
nousando critério
critério de de
o dobro parada.parada.
de Assim,
Assim,
iterações ou
quadrado,
para parano
calcular tererro
o dobro de precisão (dobro de dígitos conside
parao dobro
para calcular
calcular de o precisão
o erro
errode deotruncamentode truncamento
critério
truncamento de parada.
dada solução
solução Assim, daaproximada
solução
aproximada
para aproximada
calcular com o com
6 6
erro com 6
150
deexatos),
iterações,
iterações, X ,,que
iterações,
truncamento
X (6)
(6) daXambas
podemos
podemos
(6)
, podemos
solução estarão
aproximada
compará-la
compará-la àmais
compará-la à comsolução
solução próximas
6 àiterações,
solução
aproximada
aproximada Xda exata
aproximada
(6)
, com
podemos12 do
com que12X (
12com
compará-la
Cond ( iterações, à1 solução aproximada mais precisa, ou com 12 iterações, ou
iterações,
iterações, )ou
A(6)
ou >>com
com oou com
critério odecritério
deparada
de parada
inicial inicial 0.0269007311283617
ao ao ao
deoparada
critério parada inicial 0.0269007311283617
0.0269007311283617
com oXquadrado,
critério= {0.9934118315605686,inicial 0.0269007311283617
1.0008453478432351, ao quadrado, para
1.02489952226821
quadrado, para para terdeo precisão
dobro de(dobro precisão (dobro considerados
de dígitos considerados
quadrado,
ter o dobro
173
para deter teroodobro
dobro
precisão (dobrode precisão
de dígitos (dobro consideradosdede dígitos
dígitos
exatos), considerados
que ambas (6)
exatos),
X
que
(12)
exatos),=
ambas que ambas
{0.999754544313626,
estarão estarão
mais mais
0.999648218060907,
próximas próximas
da exata do da exata (6)do(6)que X : }
0.999924062782415
que } X :X :
(6)
estarão
exatos), (6)mais
Erro X que = Xambaspróximas
(6) da
− S = {estarão exata
6.588168emais do que X
próximas
− 03, 8.453478 : e − 04,da exataedo
2.489952 − 02que
X (6) = {0.9934118315605686, 1.0008453478432351,
(12) 1.0008453478432351, 1.0248995222682158}
(6)
Veja que X tem
= {0.9934118315605686,
um erro menor do que X , comparado
(6)
X (6) 1.0248995222682158}
174
X = {0.9934118315605686, 1.0008453478432351, 1.0248995222682158}
(12)
X (12) X = {0.999754544313626,
(12)
= {0.999754544313626, 0.999648218060907,
0.999648218060907, 0.999924062782415
0.999924062782415 } }
XS exato:
= {0.999754544313626, 0.999648218060907, 0.999924062782415 }
X (12) = {0.999754544313626, 0.999648218060907, 0.999924062782415 }
(12) (6)
Veja que Veja
X (12) queum
(12)tem temmenor
X erro um erro
domenor
que X (6)do
, (6)que X , comparado
comparado com com 2
(12)Veja (12)
que X tem um erro menor do que X , comparado com
Erro X = X que X {tem um erro menor do que X , comparado com S exato:
−
S exato:
S exato: Veja S =
(12) 2.45455686373797 e − 04, 3.51781939092577
(6) e − 04, 7.59372175
S exato:
(ou seja, tem 4 dígitos significativos exatos)
Erro X (12) Erro
=Erro XX−(12)S ===
X (12) (12) (12)
(12)
−− SS =
= { 2.454557
{XX2.45455686373797 − 04,
e −e04,
2.45455686373797 3.517819 − 04,e 7.593722
e − 04, e3.51781939092577
3.51781939092577 e −e05
− 04,
− 04, 7.59372175846984 e − 05}
} 7.59372175846984 e
Erro X (12)
= X (12)
{ 2.45455686373797e − 04, 3.51781939092577e − 04, 7.59372175846984e − 05}
−S =
(6)
Assim, os erros de truncamento de X estimados em re
(ou seja, tem 4 dígitos(ou
Erro X (6) = X (6) − (ou
seja, tem(ou
significativos
= {tem
X (12)seja,
4 dígitos
exatos)
0.00634271,
significativos
seja, tem exatos)
4 dígitos significativos
0.00119713, exatos)
0.0249755 }
exatos)
4 dígitos significativos
(12)
aX
Erro (12) são:
Assim,
XAssim,= Xos erros
Assim,
os(12) de
{os
− S =de
erros truncamento
errosede
2.454557 − 04,
truncamento (6) X (6) estimados
Xde
truncamento
3.517819
de e − 04,de
estimados X (6)
7.593722
em em relação
estimados
e − 05
relação em relação
a }X(12) são:
(6)
(12) Assim,
a X176 são: a X os erros de truncamento de X estimados em relação
(12)
são:
(12)
a X Erro são: = {0.00634271275305764,
0.00634271, 0.00119713, 0.0249755 }
| Erro X x(6)( k = X{7.08210504629
X (12) =
(6)
X (6)
=
) X
(6)
−X (12)
0.00119712978232767, 0.02497545948
xi(6)
( k + 1)
− |(6)
=(12) e − 07, 9.67433540499 e - 07 ,
Erro X = X (6)i
− X
Erro X = X − X = { ={0.00634271275305764, 0.00119712978232767, 0.02497545948580049
0.00634271275305764,
(6) (12) 0.00119712978232767, 0.02497545948580049 } }
(12)8.37822022592 e − 07, 8.37822022647 07}
e −(12)
Erro X176 = Erro
(6)
X − Xde truncamento
Erro de truncamento
(6)
truncamento
={0.00634271275305764,
máximo Xmáximo
máximo máximo { − X−(12)
(6)
X(6) 0.02497545948580049
0.00119712978232767,
− X (12) X=
X = { 0.0249754594858004
0.02497545948580049
}
}
{ 0.02497545948580049 }
(6)
177 Erro de truncamento =
| xi de
Erro ( k + 1)
xi |= {7.08210504629
− truncamento
(k )
máximo X (9.67433540499
e − 07,
(6)
−X (12)
= { m0.02497545948580049
( me) - 07 , }
| xi( k +1)Então, xi( k ) Então,
|= o erromáximoo oerro
máximo máximo
de de
estimado, X (X comestimado,
m poriterações, com m itera
m)
−Então, o{7.69513875675
erro
Então,
8.37822022592 e −eX
de
erro 07, 9.26761935082
(m) X
estimado,
máximo
− 07, de
8.37822022647 com m e07
e) −iterações,
− ,07}
estimado, compara-
com m iterações,
por ção por comparação
ao
Então,valor
por comparação
exato erro aomáximo
o7.46579149946
estimado
comparação valor
Xe −ao
(2m)
ao exato
,07,
no valor
decaso,
valor X | estimado
6.62960115027
( m ) (6)
–exato
X estimado,
exato X e|−=estimado
(12)
07}Xestimado
(2 m )
, no
0.02497545948580049,
com Xcaso,
m iterações,
(2 m )
,Xno ,caso,
(2 m )
no c
177
178
é da
por comparação mesma ordem de grandeza do erro
ao valor exato estimado X , no caso, calculado por comparação
(2 m ) com
S| xexato,
( k +1) | (X
(6)
– S | =
−( kx+i 1) |= {7.69513875675
k) 0.0248995222682158.
e − 07, 9.26761935082e − 07,
max | xEssas xi( k ) | = 0.926761935082 06 cuidado, pois
e −todo
i
−
estimativas de erros de truncamento merecem
i
7.46579149946e − 07, 6.62960115027 e − 07}
o178
Erro critério max das X diferenças
(21)
= | X −pode
(21)
X ter
(61)
| =atingido valor suficientemente
1.08789550551380 e − 06 pequeno
em alguns casos, entretanto a solução ainda pode estar longe do valor exato,
como
max | nos x ( k +1)processos
− x ( k ) | de convergência = lenta.
0.926761935082e − 06
189 i i
= (1/ 2 ) * i ( 2π * n + π − i * ln ( 3) ) , n ∈ Z
α189
pequeno em alguns casos e a solução ainda pode estar longe do valor
cuidado, pois o critério das diferençasExemplo pode ser2.13: calcule a solução do
suficientemente
exato, como nos processos de convergência lenta.
pequeno em alguns casos e a solução ainda
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS máximo pode estar
DE EQUAÇÕES deLINEARES
truncamento
longe do valor da ordem
175
exato,
Exemplo como 2.13: nos processoscalcule a solução de convergência
do sistema, e fator lenta. ade relaxação
seguir, com erro otimizado pa
máximo de truncamento da ordem de 10-6, com n1 = 3 e n2 = 4
Exemplo
Exemplo 2.13: 2.13:calcule calculea asolução solução dodo =
sistema,
sistema, 2xai −seguir, axi +seguir,0.1
comcom =
erroerro→i 1
máximo
e fator de relaxação otimizado para esse sistema:
1
de truncamento
máximo de truncamentoda ordem deda 10ordem
–6
, com de n1 −=10 x3i −-61e,+ncom22 x=i −4=nxe1i +fator ede 2relaxação
1= 30.1 n =→
= 4 i 2,..., n1 − 1
otimizado
= 2 x − x para 0.1 esse
=
e fator de relaxação otimizado para esse sistema:
→ i 1 sistema:
− xi − 2 − xi −1 + = 2 xi 0.2 = → i n1 ,..., n2 − 1
i i +1
−
i −1 x + 2 x i −= x i +1 0.1 =→ i 2,..., n 1 − 1
= 2xi − xi +1 0.1 = → i 1i = 1 − xi −1 + xi = 0.3 → i= n2
− xi − 2 − xi −1 + = 2 xi 0.2 =→ i n1 ,..., n2 − 1
− − xi −1 + 2 xi −= xi +1 0.1 = i = 2,n1...,
→ i 2,..., − 1n2 – 1
xi −1 + xi = 0.3 → i= n2 Solução:
− xi − 2 − xi −1 + = 2 xi 0.2 =→ i ni1= n1n,2...,
,..., − 1n2 – 1
− x + x =
Solução:
i −1 i 0.3 → i= in2= n2 Observe que esse sistema não te
Observe que esse sistema não tem diagonais diagonal dominante de cada linha (as são igua
Solução:
diagonais de cada linha são iguais seus à soma coeficientes
dos módulos vizinhos,
de nenhu
Solução: que esse sistema não tem diagonal
Observe dominante (as
seus coeficientes vizinhos, nenhumatem é maior), convergência portanto não
Observe quede
diagonais essecadasistema linhanãosãotem diagonal
iguais àdominante soma dos(asmódulos diagonaisgarantida,
de cada
de
log
tem
linha convergência
são iguais à somagarantida, dos móduloslogo vamos implementar um
seus coeficientes vizinhos, nenhumaalgoritmo é maior), de Gauss-Seidel com u
de seus coeficientes vizinhos, nenhuma
portanto não
algoritmo
é maior), portanto de Gauss-Seidel
não tem convergência com uso de fatores
garantida, logode vamos relaxação,
implementar
tem convergência garantida, partindo da soluçãoum inicial nula e
um algoritmo
partindo da solução de Gauss-Seidel
inicial nula comlogo uso
e fazendo
vamos
de fatores implementar
de relaxação,
iterações até que partindo
o
algoritmo
da solução de Gauss-Seidel
inicial nula com
e fazendo iterações uso critério
de fatores
até que osucessivas máximode das
relaxação,
critério máximo diferenças en
critério máximo das diferenças entre iterações seja das
partindo
diferenças da
entre solução
iterações inicial nula seja
sucessivas
Max | xi( k +1) − xi( k ) |< 10−6 . Vamos usar precisão double,
e fazendo Max | xi iterações
( k +1)
− xi |< 10até
(k ) −6
. .Vamos
Vamos
que o usarusar pre
para minimizar
precisão máximo
critério double, para dasminimizar
diferenças a influência
entreaiterações de arredondamentos.
influência sucessivas seja
de arredondamentos.
a influência de arredondamentos.
Max | xi( k +1) −as
Obtemos |< 10−6 . Vamos usar
xi( k )equações precisão double, para minimizarxi emiterativas
Obtemos as equaçõesiterativas iterativas por isolamento
por Obtemos
isolamento dasdas incógnitas
as equações
incógnitas xi cada por
aequação
influência i, oude arredondamentos.
seja, isolamos as incógnitas multiplicadas pelas diagonais
em cada equação i, ou seja, isolamos asem cada equação
incógnitas multiplicadas i, ou seja, isolamo
principais as
Obtemos (sistemaequações na forma matricial):
iterativas por isolamento das incógnitas xi
pelas diagonais principais (sistema na pelasforma matricial):
diagonais principais (sistem
em cada equação i, ou seja, isolamos as incógnitas multiplicadas
pelas
=
xi (0.1 + xi +1 ) / 2 principais
diagonais 1i = 1
→ i=(sistema na = xforma + xi +1 ) / 2
(0.1matricial): → i= 1
i
= x
i (0.1 + x + x ) / 2 =→ i i = 2,
2,..., n...,−n 1 – 1
=
xi (0.1 + xi +1 ) / 2
i −1 i +1
→ i= 1
1
= 2
xi (0.1 + xi −1 + xi +1 ) / 2 =→ i 2,..., n
= xi (0.2 + xi − 2 + xi −1 ) / 2 = → i in1=,..., n1n, 2...,− 1n2 – 1
= xi (0.1 + xi −1 + xi +1 ) / 2 =→ i 2,..., n1 −= 1 xi (0.2 + xi − 2 + xi −1 ) / 2 = → i n1 ,..., n
=xi 0.3 + xi −1 → i= in= 2 n2
= xi (0.2 + xi − 2 + xi −1 ) / 2 = → i n1 ,..., n2 − 1 =
xi 0.3 + xi −1 → i= n2
= 0.3 + no xi −1lado direito
Note
xi que, das→equações
i= n2 iterativas, temos as mesmas incógni-
tas x calculadas no lado esquerdo das equações, portanto serão sempre as
incógnitas mais atualizadas 96 disponíveis.
Sem fator de relaxação, λ = 1.0, conforme a Tabela 2.10, temos:
portanto
lado são Note
Notedireito
que,
Note sempre
no
que,lado
das as
equações
no
que, incógnitas
direito
lado dasdas mais
equações
iterativas,
nodireito
lado atualizadas
temos
equações
direito as disponíveis.
das iterativas,
iterativas,
equações temos
temos as as temos a
iterativas,
Sem xfator
mesmas mesmas
demesmasincógnitas
relaxação,
incógnitas calculadas
x=
λesquerdo no
1.0 , conforme
calculadas lado aesquerdo
Tabela das
2.10,equações,
temos:das equaçõe
nitas
erativas,calculadas
temos no lado
as xincógnitas x nodas lado
calculadas esquerdo
equações, no lado das equações,
esquerdo
176
portanto são sempre as incógnitas maisCÁLCULO atualizadas disponíveis.
NUMÉRICO COMPUTACIONAL
portanto
empre
erdo são
as equações,
das sempre
incógnitas
portanto mais as atualizadas
são incógnitas
sempre as mais atualizadas
disponíveis.
incógnitas disponíveis.disponívei
mais atualizadas
abela 2.10 Sem fatorde
– Valores desolução
relaxação, λ = 1.0 , conforme
aproximada pelo método a Tabela 2.10, temos:
de Gauss-Seidel com
elaxação,
zadas λ =de
Sem disponíveis.
fator Sem ,critério
conforme
1.0relaxação,
fatordede λ a= Tabela
1.0 ,
relaxação,
parada Max | x ( k2.10,
conforme λ
+1) = ( ktemos:
1.0 ) ,aconforme
− x |< 10 Tabela
−6 2.10,
a temos:
Tabela 2.10, temo
Tabela 2.10 – Valores de solução aproximadai pelo método i de Gauss-Seidel com critério
Tabela 2.10,
Tabela
de temos:i x ( k )critério
parada2.10
Max–|xValores
(k + 1)
– xde
i
(k) solução
| < 10 –6 aproximada pelo método de Gauss-Seidel com
k de solução
es
Tabela x1( k ) aproximada
2.10 – Valores de
Tabela 2.10 –Tabela
Valores pelo método
2 solução
de solução deaproximada
parada
x3( kde
aproximada
)
| xi( k +1) − xi(4(kk) )|< 10
Gauss-Seidel
Max
pelo método com
−6
deMax | xi( k +1) − xi( k ) com
Gauss-Seidel |
2.10 – Valores de soluçãopelo método de
aproximada pelo Gauss-Seidel
método de Gauss-Seidel com
critério de paradax Max | xi( k +1)de
critério − xxparada
(k )
< 10−6Max
|critério
Max |
de
| x
x
(( kk +
parada 1) − x (( kk )) |< 10 −
+1)
− x Max|< (10
−6
k )| x
6( k +1)
− x (k )
|< (10
−6
0 de Gauss-Seidel
0k com 0 0 x 0 x4 i
k +1)
(k )
i i
i
(k ) i
i
(k )
Max | xi − xi |
(k )
do 1 2 3 i
0e-01
) Fonte:
X
9.6743e-07 Fonte:
Elaboração própria
(32)
= { 0.233331807351778, Elaboração
0.366664582137096,
Fonte:própria
0.399998194744437, 0.699998194744437}
Elaboração própria
= { 0.233331807351778,
( k(32) 0.366664582137096, 0.399998194744437, 0.699998194744437}
|X
+1)
xi (k )
−=xi {0.233331807351778, 0.366664582137096, 0.399998194744437,}
| ={ 7.08210504629e-07,9.67433540499e-07,8.37822022592e-07,8.37822022647e-07
ões,
− xatingimos
+1)
Com
(k )
i Com | xatingimos
Max32 i iterações,
| 0.699998194744437}
={
( k +1)
e temos:
327.08210504629e-07,9.67433540499e-07,8.37822022592e-07,8.37822022647e-07
iterações, − xi( k ) |< 10−6atingimos
Max
Max
( k +1)
− xxii(( kkMax
|| xxii( k +1) − |< 10| x6 ( ke+1) temos:
−6
)) |< 10 −
i − x ( k ) |< 10−6 e temos:
i i
}i
Com fator de relaxação λ = 1.1 , Max | xi( k +1) − xi( k ) |< 10−6 em 27 iterações.
0 e temos:
(32)
1778,
(32)
−6 = { 0.233331807351778,
0.366664582137096, (32)
(k +X1) =x (k) 0.366664582137096,
0.399998194744437,
{ |0.233331807351778, 0.399998194744437,
0.699998194744437}
0.366664582137096, 0.699998194744437}
) −6 0.399998194744437, 0.699998194744
Com +1)
fator |xiCom de relaxação
–fator i
=de λ = 1.1
{7.08210504629e
relaxação λ, = 1.2
Max –, |07
xi( k +,1)9.67433540499e
Max |−
xi( kx+i1) −|<
(k )
xi( k10 |< 10em
−6 27
em –21iterações.
07 ,
iterações.
(( kk +1) (( kk ))
1.3–, Max } – 07}
xii
44437, −0.699998194744437} ( k +1)
− xi |8.37822022592e
0504629e-07,9.67433540499e-07,8.37822022592e-07,8.37822022647e-07 07( k +,1)|8.37822022647e
xii | ={| x7.08210504629e-07,9.67433540499e-07,8.37822022592e-07,8.37822022647e-07
(k )
}
de ={ 7.08210504629e-07,9.67433540499e-07,8.37822022592e-07,8.37822022647
Com fator de relaxação λ = 1.2 , Max | xi − xi |< 10 em 21 iterações.
Comi fator relaxação x ( k +1)( k−) x ( k ) |<−10
i i
6 −6
em 24 iterações.
Então, ,vemos
2592e-07,8.37822022647e-07
elaxação λ de | }xque
( k +1) o fator
,de
−6 relaxação
em| xi(||k27 1) ( k ) ótimo 6está em ) torno de
Com
Com fator
fator
Com =fator
derelaxação
1.1
Com relaxação
de
Maxfator
relaxação
i de 1.3
k)
,10Max
− xλi(relaxação
=|<1.1
1.1, Max
Max λxx+1)ii(( kk=−++iterações.
−i xx,ii((|<
1.1
1)x− kk )) 10
Max < −10
||< |em
6 −
10 k +1)24
em−27
xi(em
−6
xi(iterações.
27 |iterações.
< 10−6 em 27 iteraçõe
kiterações.
λ−6Com
1.2 ,21
mas qual éo erro máximo de truncamento dessa |solução
i i
10 =em
elaxação fator
Com de
1.3
fator
Para ,relaxação
iterações.
Com fator
Max
de | xi( k +1)de
relaxação
k)
10,−6Max
=|<1.3
− xλi(relaxação
1.3, em
Max ||24
xxii(( kk ++iterações.
1)
− x,ii Max
1) − x (( kk )) |< 10 −
1.3 em
6 k +1)
|< 10|−x6 i(em 24
−24 ) iterações.
< 10−6 em 24 iteraçõe
xi( kiterações.
obtida
que
0−6Então,
em com
o fator
24 de
vemos
iterações.queiterações
=relaxação
21
nEntão, o fator
vemos ótimo que e Max
de está| xi(em
relaxação
o fator
k +1)
− torno
de xi( k ) |< 10−de
ótimo
relaxação
6
?está ótimo em torno estáde
em torno d
X (21) Então, vemos que o fator
= { 0.233332454256926, de relaxação ótimo
0.366665578771161, está em torno de
0.399999140943902, λ = 1.2, mas }
0.699999251437254
oPara
al éλ o= 1.2
está erro
emqualmáximo
, mas oλqual
torno = de
erro éde
, omas
1.2máximo
é {7.69513875675 truncamento
erro máximo
qual
de é o erro
truncamento dessa
de truncamento
máximo dessa solução de truncamento
solução dessa
obtida comsolução
n =dessa
21 soluçã
( k +1)
|x − x |= (k )
e − 07, 9.26761935082e − 07, 7.46579149946e − 07, 6.62960115027e − 07}
=ento
21 iterações
obtida com
iterações ene =Max
obtida 21com| iterações
xi( k +1) −nxi( k=) |<21 ?? || xxii(( kk ++1)1) −−exxii(( kkMax
e iterações |< 10| x6 i(?k +1) − xi( k ) |< 10−6 ?
i i −6 −6
)) |< 10 −
dessa solução 10 Max
Max
{ 0.233332454256926, 0.366665578771161, 0.399999140943902, 0.699999251437254}
10−Para
6
? Para
Observe
Para que o processo de convergência do sistema do Exemplo
xi |=
(k )
{7.69513875675e − 07, 9.26761935082e − 07, 7.46579149946e − 07, 6.62960115027e − 07}
2.13, com fator de relaxação λ = 1.2 , é monotônico, conforme o
= { 0.233332454256926,
926, = { 0.233332454256926,
0.366665578771161,
X Gráfico
(21) 0.366665578771161,
0.399999140943902,
2.4, mostrando a evolução0.399999140943902,
0.699999251437254 }0.699999251437254
de x1 em 210.399999140943902,
0.366665578771161, iterações. }
0.69999925
Observe que o processo de convergência do sistema do Exemplo
−exx−ii( k 07,
75 (k )
0943902,
− ) |=
|={7.69513875675
9.26761935082
|0.699999251437254 eee − 07
xi( k +1) − xi( k ) |=
{7.69513875675 07, }
9.26761935082
07,, 7.46579149946 − 07,
−− 07,, 6.62960115027
7.46579149946
e − 07, e9.26761935082
9.26761935082
{7.69513875675 07 − 07}
07, 6.62960115027
6.62960115027
e − 07, e7.46579149946
7.46579149946 07, − 07}
07}
e − 07, ee6.62960115
−
2.13, com fator de relaxação λ = 1.2 , é monotônico, conforme o
9946e − 07, 6.62960115027e − 07}
Gráfico
processo
Observe 2.4, mostrando
deque
convergência
o processo
Observe que a de
oevolução
do sistemade
processo de em 21 iterações.
doxconvergência
Exemplo
convergência1 do sistema do Exemplo
sistema do Exempl
rstema
de relaxação
2.13, com
do λ =de
fator
2.13,
Exemplo 1.2
com , é fator
monotônico,
relaxação = 1.2 ,conforme
de λrelaxação λ = 1.2o, é monotônico,
é monotônico, conforme oconforme
mérico Computacional
| xi( k +1) − xi( k ) |= {7.08210504629 e − 07, 9.67433540499 e - 07 ,
CAPÍTULO 2 – SOLUÇÃO 8.37822022592
COMPUTACIONAL DE 07, 8.37822022647
e −SISTEMAS e − 07}
DE EQUAÇÕES LINEARES 177
Cálculo Numérico Computacional
177
Gráfico 2.4 – Evolução de x1 no eixo vertical e iterações k no eixo horizonta
ções k no eixo horizontal usando Gauss-Seidel com fator de relaxação λ = 1.2
xação λ = 1.2|x| ixi –−xxi i | |== {7.69513875675e − 07, 9.26761935082e − 07,
( k +
(k + 1)1) (k )
(k)
α = (1/ 2 ) * i ( 2π * n + π − i * ln ( 3) ) , n ∈ Z
194
Logo, se α ≠ a ou α ≠ b ,
200
2
Erro truncamento estimado de x ε = x ε − x ε (3b) (3)
Fonte: Elaboração própria
Fonte: Elaboração própria
205
Fonte: Elaboração própria
Paraprópria.
Fonte: Elaboração calcular Para
os erros estimados,
calcular os erros precisaremos de uma solução
estimados, precisaremos de um
emos de uma f (solução
b) = mais f (b) *próxima
pb da Fonte: Elaboração própria
exata,
ular os errosPara
estimados, calcular osprecisaremos
mais
erros estimados, de uma então
próxima
precisaremos
da exata,
solução podemos entãofazer podemos
de uma solução mais próxima
iterações a mais
fazer iteraçõ
azer
xima iterações
da exata,
da exata, a mais
então (com
Para
então o dobro
calcular
podemos
podemososfazer deestimados,
(com
erros
fazer iterações,
o dobro
iterações
iterações aade por
precisaremos
mais
mais exemplo)
iterações,
(com de o
uma por
dobro ou
solução tentar ou
exemplo)
de iterações, atingir
tentara
)obro
ou tentar 223 atingir mais próxima
a exemplo) da exata, então podemos fazer iterações a mais
por
de iterações, exemplo) solução
por exatasolução
ou tentar Sounotentar
atingir aexata
limitesolução daS no
atingir limite
a S da
variável
exata no variável
double.
limiteNessedadouble. Nesse
caso,
variável comcas
61
(com o dobro de iterações, por exemplo) ou tentar atingir a
e. Nesse double.
S no caso, daNesse
com 61 caso, com iterações,
61 iterações, ( ko+o
1)critério
critério ( k +1)
ii atinge− xi | valor
( k )
atingevalor
∀ i atinge valor zero n
iterações, oS no
critério −com |61∀| xNesse caso, com 61 zero numérico
(k )
xata limite variável double. Nesse
limite da|caso,xvariável xdouble.
zero numérico, f (
solução
x exata
+ Δ x )
a solução − f ( x
aaproximada) i
fica
i
estacionária ficaenumérico,
é adotada como e aé como
valor
, o critério xif( k ′+(1)x−0 x)i( k≅
zero | numérico, ∀ i 0atinge
a)iterações,
| solução solução
| x 0 zero
aproximada
valor
o critério ( k +1)
| aproximada
∀fica
− x numérico,
(k )
i atingeestacionária
valor zero estacionária
e é adotada adotada
solução exata estimada:
Δ x
i i
oe aproximada
é adotada como fica solução a solução aproximada
estacionária
a exata esolução
é adotada
estimada:
ficaexata estimada:
estacionária
como ae é adotada como a
solução exata
(61) estimada:
xata estimada: X = { 0.233333333333333, 0.366666666666667, 0.400000000000000, 0
= {= {0.233333333333333,
(61)
X X (61) 0.366666666666667, 0.400000000000000,
0.700000000000000 } 0.700000000
234
0.233333333333333, 0.366666666666667, 0.400000000000000,
33333333, 0.366666666666667, 0.400000000000000,
000000000, 0.700000000000000 }
0.700000000000000
| xi( k +1) − xi( k )( k| ={ ( k )0 }
(
| xi k +1)
−}xi( k ) | =
{0, 0, 0, 0 }
|x +1)0, 0, 0,
− x |= {
0, 0, 0, 0 }
| 1/
xi( k +c1) − xi( kEntão,
i i
)
|={0,o0,Erro }
0, 0máximo (21)
Então, o Erro máximo estimado
estimado de X é de X
(21)
é
} (21)
Então,
Erro maxoX (21)
Erro =| X máximo estimado
− X |= 1.08789550551 de(61)X
e − 06 é
235
(21) (21) (61)
Enquanto oocritério
Enquanto
176 critériodede
parada é
parada é
Enquanto ( k(+k 1) o (critério de parada é
xi | −xixi |=−{7.08210504629
xi( k ) | = e − 07
k)
|max( k + 1) )
e − 07, 9.67433540499
9.26761935082 e - 07 ,
max | xi( k +1) − x8.37822022592
i | =9.26761935082 e − 07
e − 07, 8.37822022647 e − 07}
Novamente
177 verificamos que o critério de parada baseado nas
Novamente verificamos
Novamente verificamos queque o critério de parada
o critério de paradabaseado nas diferenças
baseado nas
diferenças
das( k +1)soluções
dasentre soluções
iteraçõesentre iterações
sucessivas tem sucessivas
a mesma tem a mesma
ordem de grandeza
| xi
diferenças − xi |= {7.69513875675
(k )
das soluções 07, 9.26761935082
e − entre − 07,
iteraçõese sucessivas tem a mesma
ordem
dos erros deestimados:
grandeza dos erros estimados:
7.46579149946e − 07, 6.62960115027 e − 07}
ordem( kde
178 +1)
grandeza dos erros estimados:
max | xi( k +1) − xi( k ) | (k )
= 0.926761935082787e − 06
max | x(ik +1) − (21) = 0.926761935082787
x( ki ) | = 0.926761935082e – 06 e − 06
max
Erro| xmax −Xx(21) |= | X (21) − X (61)
= |0.926761935082 e − 06 e − 06
= 1.08789550551380
(21) (61)
i i
Erro max X = | X − X | = 1.08789550551380e − 06
Erro max X (21) = | X (21) − X (61) | == 1.08789550551380e
1.08789550551380e − 06– 06
f (Quando
b) = f (b) * umpb sistema esparso é gerado na forma de matriz
Quando um sistema queesparso édegerado na forma deeficiente
matriz do que
completa, até
Vimos com agora
todos o método
os Gauss-Seidel
seus coeficientes é mais
nulos incluídos, é
o de Jacobi,
completa, mas
comisso não
todos é uma
os regra
seus geral. O método
coeficientes
223imprescindível primeiro gerar uma lista de coeficientes não
de
nulos Jacobi se
incluídos,torna
é mais
imprescindível primeiro gerar uma lista de coeficientes não 2.14,
rápido no caso de processamento paralelo e/ou vetorial. No Exemplo
nulos
vamos fe( xaplicar os
f ( xmétodos
0 + Δx) −um 0)
iterativos operando apenas esses
( x0 ) ≅apresentar
f ′nulos e aplicar caso
os métodos particular em que
iterativos o método
operando de Jacobi
apenas também é
esses
o coeficientes
mais rápido, Δmesmo x
não nulos.
em processamento sequencial normal.
coeficientes não nulos.
234
x1 + 2 x2 − 2 x3 = 1
x1 + 2 x2 − 2 x3 =
Exemplo 2.14: determine a solução do sistema x1 + 2 x2 −2x1x3+= x12 + x3 = 1 1
Exemplo 2.14: determine ado solução do sistema x x+1+x22 + +3 x=1 1
xa2 xpartir
Exemplo
Exemplo 2.14: determine
2.14: determinea solução sistema x1 + x2 + x321=
a solução dosistema 1 3 =
2xx1 +
a partir da solução inicial nula usando 2 xJacobi, 12 x2 + x3 =
1 + 2 x2 +Gauss-Seidel
3 =
1e
3 –343 –3
3 13 1
4 –3 3 1
4
Fonte: Elaboração –3 Fonte: 3Elaboração1própria
própria.
Fonte: Elaboração própria
queFonte:
VemosVemos queElaboração
o sistema
o sistema própria
converge
converge com trêscom três iterações.
iterações.
Vemos que Vemos
b) Solução que o sistema com
determinada
o sistema converge converge
pelotrês comde
método três
iterações. iterações.
Gauss-Seidel:
b) Soluçãob) Solução determinada
determinada pelo pelodemétodo
método de Gauss-Seidel:
Gauss-Seidel:
b) Solução determinada pelo método de Gauss-Seidel:
Tabela 2.12 – Valores da solução aproximada pelo método de Gauss-Seidel
Tabela2.12
Tabela 2.12 –– Valores
Valores da solução aproximada pelopelo
método de Gauss-Seidel
Tabela 2.12 – Valores da solução k da solução
x1 aproximada
aproximada x2
pelo método
método
x3 de Gauss-Seidel
de Gauss-Seidel
k x0k1 xx021 xx032 x03
0 0 0 0
0 01 01 0 –1
1 1 30 –1
1 12 –1
0 –1 –3
2 –132 –1
–11
3 15
–3
3 –3
–7
3 –1143 –11
–43
15
15
51
–7
–7
–15
4 –4354 –43
–131
51
51
147
–15
–15
–31
5 –131 147 –31
5 –131 Fonte:147 –31
Elaboração própria
Fonte: Elaboração própria. Fonte: Elaboração própria
Fonte:
Vemos queElaboração
o sistemaprópria
diverge, sempre ampliando os valores.
Vemos que
Vemoso sistema
que diverge, sempre
o sistemasempre
diverge, ampliando os valores.com
sempreGauss-Seidel
ampliando
c) Solução
Vemos que o sistemadeterminada
diverge, pelo método
ampliando os valores.os valores.
fator
c) Soluçãoc)determinada
Solução
de determinada
sub-relaxação 0.3 pelo
pelo método método Gauss-Seidel
(a sub-relaxação
Gauss-Seidel fatorcom
é indicada
com fator
porque
de sub-relaxação
Gauss-Seidel
de sub-relaxação 0.3 (auma
produziu
0.3 (a sub-relaxação
sub-relaxação sequência é porque
indicada porque
divergente):
é indicada
Gauss-Seidel
Gauss-Seidel produziu produziu uma sequência
uma sequência divergente):
divergente):
180 CÁLCULO NUMÉRICO COMPUTACIONAL
Vemos que o sistema converge para o valor exato, mas com 190
Vemos que o sistema converge para o valor exato, mas com 190
iterações. Logo, nesse sistema sem convergência garantida,
iterações. Logo, nesse sistema sem convergência garantida, o método
o método
de Gauss-Seidel defator
com Gauss-Seidel com fator
de sub-relaxação de sub-relaxação
0.3 amortece as grandes 0.3
amortece
variações as de
da solução grandes variações
uma iteração para da solução
outra, de uma
e também iteração
consegue
obter uma sequência convergente, mas bem mais lenta
para outra, e também consegue obter uma sequência do que a
conseguida com o método
convergente, de Jacobi
mas bem (Tabela
mais lenta do 2.11).
que a conseguida com o
método de Jacobi (Tabela 2.11).
Considerações:
Considerações:
a) Se o sistema satisfizer os critérios de convergência, mesmo que não
tenhaa)uma
Se odiagonal
sistemamuito dominante,
satisfizer não é obrigatória
os critérios a aplicação
de convergência, mesmo
de fatores de sobre ou sub-relaxação, pois o processo iterativo
que não tenha uma diagonal muito dominante, não é
já tem
convergência garantida, mas é recomendável aplicá-lo para tentar
obrigatória a aplicação de fatores de sobre ou sub-relaxação,
acelerar o processo iterativo, conforme cada caso. Lembremos que,
pois o processo iterativo já tem convergência garantida, mas
é recomendável aplicá-lo para tentar acelerar o processo
iterativo, conforme cada caso. Lembremos que, quanto maior
for a diagonal principal, maior será a redução de erros de
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 181
(2 m )
i) ou
i) com o
ou com o dobro
dobro de
de iterações
iterações 2m
2m :: xi(2 m ) ;;
i) ou com o dobro de iterações i
2m: xi(2m);
ii) ou com
ii) ou com limite
limite para o critério de parada com o
o dobro de
ii) ou compara o critério
limite de 2parada
para22 o critério
( εε 2 )) de com
parada dobro
com odedobro de precisão
precisão (dobro
(dobro de
precisão (dobro de dígitos) εε ::2 xi (ε2..)
(
dedígitos)
dígitos) ε : xi . i
Os
Os valores
valores exatos
exatos estimados
estimados nos
nos itens
itens (i)
(i) ee (ii)
(ii) têm
têm
Os valores exatos
aproximadamente estimados nos itens (i) e (ii) têm
aproximadamente a mesma grandeza. Logo, os erros de
a mesma grandeza. Logo, os praticamente
erros de o mesmo
valor. Logo, ospodem
truncamentos erros de
truncamentos podem ser truncamentos
ser estimados
estimados por:
por:
podem ser estimados por:
Erro( xii((=
m ))
m ) xii(( mm )) − xii(2
(2 m
m ))
ou
ou
ou
2
( ε )) (ε ) (ε )
para iii == 2, ...,nn n.
2
Erro( xii(ε= ) xii(ε ) − xii(ε ) ,,, para
para = 1,
1,2,...,
1, 2,..., ..
Esses cálculos
EssesEsses
cálculos de
de erros
cálculos erros estimados
estimados
de erros precisam
precisamser
precisam
estimados serconfirmados
ser confirmados
confirmados para cada tipo
ara cada tipo de sistema
de sistema
ara cada tipo de sistema de equações.
de equações.
de equações.
3 Conclusões
2.3 CONCLUSÕES
Existem
Existem outras
outras metodologias
metodologias dede resolução
resolução de de sistemas
sistemas lineares,
lineares,
as Existem outros métodos de resolução
as nos propomos a apresentar, neste Capítulo, uma família de
nos propomos a apresentar, neste Capítulo, uma de sistemas
família de
lineares, mas
étodos nos propomos a apresentar, neste capítulo, uma família de métodos que
étodos que
que permitisse
permitisse aa solução
solução de
de sistemas
sistemas de de equações
equações lineares
lineares
permitisse a solução de sistemas de equações lineares de médio porte com
m
m poucos
poucos coeficientes
coeficientes nulos de
de médio
nulosnulos,
médio porte,
porte, como aa dos métodos
poucos coeficientes como a doscomo
métodos dos métodos embora estes
eliminativos,
iminativos,
iminativos, embora
embora estes tenham
estes tenham problemas
problemas de acúmulo
dedeacúmulo de
de erros
erros especialmente
tenham problemas de acúmulo de erros arredondamento,
ee arredondamento,
arredondamento, especialmente
os sistemasespecialmente os sistemas
os sistemas
mal condicionados. mal condicionados.
mal condicionados.
Além disso, apresentamos uma família que
uma família
uma família que permitisse
que permitisse
permitisse a solução dea solução
a solução
sistemas de de sistemas
sistemas
de grande com
comcom
porte muitos
muitos
muitos coeficientes
alores nulos,
nulos,
alores nulos, como a dos
comoa ados
como métodos
dosmétodos iterativos
métodositerativos clássicos,
iterativos clássicos, além
clássicos, além
além de de
de apresentarmos
presentarmos os algoritmos específicos para cada sistema, justamente
presentarmos os algoritmos específicos para cada sistema, justamentenão operarmos
algoritmos específicos para cada sistema, justamente para
ara
ara não esses coeficientes
não operarmos
operarmos esses nulos desnecessariamente.
esses coeficientes
coeficientes nulos
nulos desnecessariamente.
desnecessariamente.
103
103
CAPÍTULO 2 – SOLUÇÃO COMPUTACIONAL DE SISTEMAS DE EQUAÇÕES LINEARES 183
COMPLEMENTANDO...
Nesta seção, vamos discutir uma proposta de generalização do método de
eliminação gaussiana otimizada para sistemas esparsos através de mapeamento
duplo dos índices de coeficientes não nulos.
Primeira etapa
Na etapa de pré-processamento da matriz expandida represen-
tativa do sistema podem ser geradas e armazenadas duas listas duplas
encadeadas, do tipo árvores binárias de busca (FEOFILOFF, 2008-2009):
a primeira lista com o mapeamento inicial para os índices das linhas não
nulas de cada coluna; e outra para os índices das colunas não nulas de cada
linha, obtidas por varredura simples de cada elemento não nulo da matriz.
Esses índices das duas listas são armazenados em árvores binárias de busca e
não em vetores comuns para ter maior velocidade de acesso aos coeficientes.
Essas árvores contêm o valor inteiro da posição de cada coeficiente, na linha
ou na coluna, conforme o caso, e os endereços dos índices vizinhos à esquerda
(anterior) e à direita (posterior). Na sequência, geramos uma segunda lista
aplicando todos os passos k da eliminação gaussiana clássica, a cada linha i
não nula abaixo de k, mas operando apenas as alterações nos índices iniciais
dos coeficientes não nulos das linhas e das colunas já armazenados na
primeira lista, sem ainda aplicar as respectivas operações em ponto flutuante
aos coeficientes reais não nulos. Nesta fase, são geradas e armazenadas as
alterações no mapeamento inicial dos índices dos coeficientes não nulos,
de acordo com o processo clássico de escalonamento de Gauss, ou seja,
184 CÁLCULO NUMÉRICO COMPUTACIONAL
Segunda etapa
Nesta etapa, as eliminações são operadas em ponto flutuante somente
com os coeficientes não nulos, usando os índices de linhas e colunas não
nulas. Portanto, a segunda etapa é independente da primeira e podemos
aplicá-la quantas vezes forem necessárias, conforme a função fGaussEsparsa
do mesmo algoritmo, usando os índices do mapeamento instantâneo de
coeficientes não nulos prefixados na primeira etapa.
Na Tabela 2.14, apresentamos testes de performance no tratamento de
um sistema de n = 2000 equações, conforme o algoritmo GaussEsparsa.c,
Comna
pré-fixados fator de relaxação
primeira λ = 1.2 ,
etapa. Max | xi( k +1) − xi( k ) |< 10−6 em 21 iterações.
Em propomos
seguida, a apresentar,
computamos nesteoCapítulo,
tempo para uma família
definiçãode métodos que permitisse a
da indexação
Em seguida, computamos o tempo para definição da indexação inicial
inicial ee solução
da
de sistemas
daindexação
indexação de equações de
instantânea
bidimensional
lineares
cadadepasso
instantânea
médio porte
de cada
com poucos coeficientes
k imediatamente
passo k imediatamente
nulos,dacomo a dos métodos
antes da antes eliminação
eliminação Gaussiana, o eliminativos,
gaussiana,
tempo o tempo
paraembora
para aestes tenhamotimizada
resolução
a resolução problemasdo
otimizada de
sistema
do sistema
acúmulopré-mapeado
pré-mapeado eeoo tempo
de erros de tempo para
paraa aresolução
arredondamento, pelopelo
especialmente
resolução método clássico mal
os sistemas
método de
Gauss-Seidel
condicionados. iterativo, otimizado
Além disso, por fator
apresentamos umaλfamília
de relaxação (no caso
que permitisse λ = 1.9),
a solução de
clássicocom
de Gauss-Seidel
critério de iterativo,
parada max otimizado
(|∆x |) < 10 por
–4
. fator f que
Observe de relaxação
esse exemplo de
sistemas de grande porte com muitosi valores nulos, como a −dos métodos iterativos
(no caso sistema nãocom
f = 1.9), tem critério de parada
convergência garantida i |) < 10de. convergência
pelo∆xcritério
max(| 4
Observe de
clássicos, além de apresentarmos algoritmos específicos para cada sistema,
que esse Scarborough.
exemplo de sistema não tem convergência garantida pelo
justamente para não operarmos esses coeficientes nulos desnecessariamente.
critério de convergência de Scarborough.
Tabela 2.14 – Tempos de processamento para o mapeamento da matriz esparsa, para a
Complementando...
solução com o método Tabela 2.4 e para a solução com Gauss-Seidel
otimizado
Largura L da Indexação Método otimizado, Gauss-Seidel
faixadadispersão
faixa dispersão completa (ms) operando não nulos (ms) otimizado (ms)
L = 0.5% de n 58 1 020
L = 5% de n 388 12 156
L = 10% de n 3509 67 337
L = 15% de n 17155 213 714
L = 20% de n 50507 486 1224
L = 30% de n 253422 1573 2634
L = 40% de n 699212 3808 4532
L = 50% de n (max) 1310824 6911 7741
(ms*ms
Nota: = mili segundo = 10
= milissegundo −3
segundos)
10 segundos.
–3
SOLUÇÃO DE
EQUAÇÕES NÃO
LINEARES A UMA
INCÓGNITA
Solução:
Observe, no Gráfico 3.2, que a raiz está localizada no intervalo [0, 1] ou
[0.5, 1], pois f(x) = ex sen(x) –1 corta o eixo da abcissa x (com y = 0) nesses
intervalos:
192
Gráfico 3.2
f ( x)
x
α
α
intervalo
209
[0, 1] verificamos que f(0) = –1 e f(1) = +1.287, ou seja, f(0) * f(1) < 0,
Grafico 3.6 de Bolzano, temos assegurado que existe raiz α ∈ [0, 1].
pelo teorema
f (axquestão
Tratada ) da localização de uma solução de f(x) = 0, vamos partir para o
processo de refinamento da solução isolada.
x
3.2 REFINAMENTO DA SOLUÇÃO ISOLADA
α xk +1 xk
Depois de isolar uma raiz α em um intervalo [a, b] do domínio de
f(x), devemos refiná-la por meio de técnicas específicas, para melhorar a
5
nal CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA 193
sua precisão. Essas técnicas podem ser agrupadas em três grandes famílias
a) Métodos de quebra: para os quais inicialmente temos de
de métodos:
obter um intervalo [a,b], tal que α ∈ [a, b] , e o particionar
de quebra: paraem a)osMétodos
quaissequência
uma inicialmente
de quebra: deparatemos de inicialmente
subintervalos
os quais [ak,bk],demas
menores temos obter um
intervalo [a,b], tal que α
queintervalo ∈
continuem[ a , b
[a, b], ] , e o particionar
tal que αα,∈ tal
contendo [a, b],
quee olim(|
particionar
bk − ak |)em
= uma sequência
0 . Esses
k →∞
sequência de subintervalos menores
de subintervalos
métodos têm convergência [a
menores ,b ], mas
[ak, bk], masmas
k k garantida, quenormalmente
continuem contendo
são α,
nuem contendo α, tal
tal
lentos. que
que lim(| b k − a k |) = 0 . Esses
Esses métodos têm convergência garan-
k →∞
tida, masmas
têm convergência garantida, normalmente
normalmente são lentos.
são
b) Métodos de linearização: para os quais obtemos uma
aproximação
b) Métodos deinicial x0 parapara
linearização: a raiz α (x0obtemos
os quais valor estimado na
uma aproximação
de linearização: para
etapa os quais
de xisolamento)
inicial obtemos
para a raiz αe (x uma
valor estimadoconstruímos
posteriormente na etapa de isolamento)
uma
0 0
ção inicial x0 para a
e raiz α (x
posteriormente
sequência iterativa0
valor estimado
construímos
de valores: nauma sequência iterativa de valores:
isolamento) e posteriormente construímos uma
a iterativa de valores: k k =0 k →∞ ( xk ) = α ,, se
{ }
∞
x / lim seaasequência
sequênciafor
forconvergente.
convergente.
0
/ lim ( xk ) = α , se a Para
Para gerar
gerar
sequência essa
essa sequência
forsequência iterativa, linearizamos
iterativa,
convergente. linearizamosa equação não linear
a equação
k →∞
f(x) em x = g(x),
não linear f (x) = 0, resultando em x = F (x), conforme 3.2.2;
= 0, resultando conforme veremos na seção
r essa sequência veremos obtemos
iterativa, o valor x1 = ag(x
linearizamos ); repetimos o processo com o x2 = g(x1);
equação
na seção 3.2.2; obtemos
0
o valor x = F (x ); repetimos
r f (x) = 0, resultando
e assim sucessivamente:
emcomx =o xF (x)
1 0
o processo 2
= F, (x conforme
1
); e assim sucessivamente:
na seção 3.2.2; obtemos o valor
x = g(x 1)x = F (x 0
); repetimos
k+1 k
x = F (xk)
o com o x2 = F (x1); e assim sucessivamente:k+1
Esses métodos não têm convergência garantida, mas podem ter
ua Esses
xk+1 F métodos
(xk) não
= convergência têm convergência
rápida, garantida,
dependendo da mas podem
forma iterativa estabelecida.
xi-
ter convergência rápida, dependendo da forma iterativa
odos
os não têm convergência
c) Métodosgarantida,
estabelecida.híbridos: mas podemna mescla de métodos das duas
consistem
os
ergência
os
rápida, metodologias
dependendo
c) Métodos dacitadas
híbridos:forma anteriormente,
iterativa
consistem tentando
na mescla associar a das
de métodos vantagem
da.
m duasdametodologias
convergência citadas
garantida na primeira com
anteriormente, a altaassociar
tentando velocidade de
stehíbridos: consistemconvergência
na mescla da
desegunda.
métodos das
a vantagem da convergência garantida na primeira com a
ro.
odologias citadasalta
anteriormente,
velocidade tentando associar
Devido à suade convergência
maior complexidade, osda segunda.
métodos híbridos não fazem parte do escopo
deste livro. na primeira com a
em da convergência garantida
idade de convergência da segunda.
A seguir,
A seguir, vamos vamos apresentar
apresentar trêstipos
três tiposde
de métodos
métodos dadaprimeira família.
primeira família.
Capitulo 3
iii) com esses novos a, b e x2, voltamos ao passo (ii), considerando
x = x2, enquanto
Assim,1 depois
algum critério de parada não for satisfeito.
do cálculo inicial de f (a ) , f (b) e de x = a − f (a)(b − a) / ( f (b) − f (a)) ,
1
análogo ao método da falsa posição, precisamos:
No final, o último x médio, calculado sobre o último subintervalo [a, b],
é a melhor aproximação
Grafico 3.2 para a raiz, α ≅ (a + b) / 2, sendo o comprimento
desse subintervalo uma medida da precisão da raiz desejada.
Fonte: Elaboração
Graficoprópria.
3.6
211
Neste ponto, podemos le
Neste ponto, podemos levantar uma questão fundamental: será
que a sequência de valores
196 CÁLCULO NUMÉRICO COMPUTACIONAL
que a sequência de valores médios xk converge para a raiz α, isto é,?
?
Neste ponto, podemos levantar uma questão fundamental: será que a sequência de
valores médios xk converge para a raiz α, isto é, ? Note que o compri
Note que o comprimento de cada novo subintervalo | b − a é|
Note que o comprimento de cada novo subintervalo é bk − ak = k ,, em que a
|b−a | 2
− aque
bkem k = a e bk são,os
em que aextremos
valores e b são os
do valores
intervaloextremos quedo
inicialinicial intervalo
contém
que a raiz a raiz α
contém
2
inicial que contém
α e k indica o número a raiz α e k indica o número de partições.
de partições.
Como α ∈ [ak , bk ] e l
b−a k
Como α ∈
Como ∈[a[ak k,,bbk k]] e lim =bk − ak lim = k é
0 ⇒⇒ o processo é
processo
convergente.
convergente.
é convergente.
k →∞ k →∞
2
55 0.5625
0.5625 0.578125
0.578125 0.59375
0.59375 –0.064
–0.064 –0.02584
–0.02584 +0.013
+0.013 0.03125
0.03125 32
32
Ao Ao finalfi
Ao fide nal
naln de = 55 partições,
=
= 5nnpartições,
de a raiz αaaestá
partições, raiz α está
α
raizcontidaestáno contida
contida no
no intervalo
subintervalo intervalo
final [a, b]
fi nal
= [0.5625, [
final [0.59375],
a , b ] = [0.5625,
a, b] = [0.5625, 0.59375]
também0.59375] grifado ,em , também grifado
negrito,grifado
também em
de comprimento negrito,
(1 – 0)de
em negrito, de/ 32.
Normalmente,
comprimento
comprimento (1 a melhor
(1 –– 0) raiz aproximada
32. Normalmente,
0) // 32. Normalmente, a melhor é a média
melhor raiz entre a b
aproximada da
e
raiz aproximadafinais
última partição, nestea caso
éé aa média seria xda = 0.578125. No algoritmocaso apresentado,
média entre entre a ee bb fi finais
nais da 5 última
última partição,
partição, neste neste caso seria
seria
consideramos
xx5 = 0.578125 uma . No partição
algoritmo k completa quando consideramos
apresentado, os valores extremos uma do
5 = 0.578125
subintervalo final. [a, Nob]algoritmo
e o seu valor apresentado,
xk médio estão consideramos
definidos. uma
partição
partição k completa
completa quando quando os
os valores
valores
O critério de parada baseado no kcomprimento do subintervalo final da
Ordem de Grandeza dos Números
Ordem departição
Grandeza |bn–dosa| éNúmeros
o mais utilizado extremos
extremos nesse métododo intervalo
do intervalo particionado
caso, depois de[a,
e, nesteparticionado [a, b]
b]
5 parti-
– Um número x = m * 10 n em ponto flutu- e o seu valor x médio estão defi nidos.
– Um número ções,x=m temos
* 10 em – a| =flutu-
|bponto 0.03125, e oou seu seja,valora raizxkk αmédio
é aproximada dentro
estão defi nidos.de um
ante é de ordem de grandeza O (10 nn ) se o
subintervalo
ante é de ordem de grandeza de0Ocomprimento
(10 ) se o máximo 0.03125, que é de ordem O(10–2),
ador m ∈ [0, 1] estiver entre 10 0 e 10 1/2, ou 1/2 O critério de parada baseado no
ador m ∈ [0, 1]logoestiver entre dígitos
x5 tem 10 e 10convergidos
, ou O critério
somente de parada
até o primeiro baseado
dígito fracionário,no
3.1622... , e x = m * 10 n será
estiver entre 1 e x 10≅≅ 0.578125 n
comprimento do intervalo fi nal da partição
entre 1 e 510 ≅ 3.1622... , e x =(sublinhados).
estivern+1 m * 10 será comprimento do intervalo final da partição
O(10 n+1) se m ∈ [101/2 , 1011 ] . | b − a | é o mais utilizado nesse método e,
O(10 ) se m ∈ [10 , 10 ] .
1/2
| b − a | é o mais utilizado nesse método e,
Ordem de grandeza dos números neste caso, depois de 5 partições, temos
plo:
plo: –6 Um número x = m * 10 em ponto neste
n
flutuante écaso,
de ordemdepois
de grandeza:de 5 partições, temos
5 * 10–6 é da ordem O (10 –6 ) | b − a |= 0.03125 , ou seja, a raiz α é aproximada
5 * 10–6 é da ordem O–(10 O(10) ) se o multiplicador m ∈ [10
–6
n
| b, −10a ]|=
0
(100.03125
1/2
, ou seja,e a raiz α é aproximada
= √10 ≅ 3.1622...),
1/2
O Oerro
erro de
detruncamento mais exato
truncamento maispossível
exato de x5 é 0.010407743981861,
possível de x 5 é
obtido por comparação com x , e o erro estimado por comparação
0.0104077439818611, obtido por comparação com x51, e o erro estimado
51
com x10
–2
é 0.01025390625 e ambos são da mesma ordem de grandeza O(10 ).
por comparação com x10 é 0.01025390625 e ambos são da mesma Vimos no
ordem de grandeza O(10–2). Capítulo 2
que a esti-
Assim, a solução aproximada x 5 = 0.578125 tem erro de
O erro de truncamento mais exato possível de x 5 é
max | xi( k +1) − xi( k ) | obtido por comparação
0.0104077439818611, = 0.926761935082
com x51e,−e06
o erro estimado
por Erro
200 max X =com
comparação (21)
| X x10−éX 0.01025390625
(21) (61)
| = 1.08789550551380
e ambose − 06
CÁLCULO são da mesma
NUMÉRICO Vimos no
COMPUTACIONAL
–2
ordem de grandeza O(10 ). Capítulo 2
α = 1
truncamento
2 − i ,
Assim, α = a1 +solução
≈3 0.01 ,ienquanto 1 ) o critérioxde
( i = −aproximada = 0.578125 tem erro de trunca-
5 parada é maior, mas da um valor
mesmamento
ordem ≈ 0.01, O(10enquanto
–2
), b − o critério
a = 0.03125 de.parada é maior, mas da mesma ordem “exato” de
= (1/–2),
αO(10 * i ( 2π * n + π − i * ln ( 3 ) ) , n ∈ Z
2 )|b – a| = 0.03125. uma solução também
Portanto, é razoável estimar o valor “exato” de uma raiz com pode ser obtida adotand
Portanto, é razoável estimar o valor “exato” de uma raiz com o mesmo
194
o mesmo método aproximador
método aproximador fazendo ofazendo
dobro deopartições
dobro de oupartições,
com limite para
ao quadrado
critério de parada com
entãodocalcular
critério
Logo, se α ≠ oaparada,
de erro
ou α de btruncamento
≠ para
, então calcular exato estimado:
o erro dobro de precisão (crité
de truncamento exato estimado:
de parada ε2).
Erro
Errotruncamento
200 truncamentoestimado
estimado de
de x=
n xn − x2 n (3) (3a)
2
ErroObserve que no estimado
truncamento Exemplo 3.2 de osx ε critérios
= x ε − x ε de parada (3b)alternativos
(3) (3b )
f ( x5 ) = Vimos
0.0258393 ou x − x4 < 0.015625
no Capítulo 2 que5 a estimativa
também são de ordem de
de um valor “exato” de uma solução também pode ser obtida
205
adotando
grandeza semelhante à ordem
critério de parada com o dobrodo critério
de precisão ( limitede parada
do critério utilizado,
de parada ε2).
b − af (=
b)0.03125
= f (b) * ,peb todos são superiores ao erro de truncamento real
estimado.Observe que no Exemplo 3.2 os critérios de parada alternativos
|f(x )| = 0.0258393 ou | x5 – x4) |usar
< 0.015625 também são de ordemcomo
de grandeza
223Normalmente,
5 podemos esses critérios de parada
semelhante
limite superiorà do ordem
errodode critério de parada utilizado,
truncamento, pois, uma a| =que
|b –vez 0.03125,
eles e todos
f ( x0 + Δao
são superiores x) −erro
f ( x0de
) truncamento real estimado.
tenhamf ′( x0atingido
)≅ valores aceitáveis, os erros de truncamento devem
Normalmente, Δx podemos usar esses critérios de parada como limite
ser ainda
superior menores.
do erro de truncamento, pois, uma vez que eles tenham atingido
valores
234 aceitáveis, os erros de truncamento devem ser ainda menores.
1/ cComo
Como mencionamos
mencionamosnonoCapítulo
Capítulo 2,2, para
para cadacada método
método discutido
discutido ao longo ao
desta obra,
longovamos
desta apresentar todos
obra, vamos os algoritmos
apresentar compactados
todos os algoritmosno Caderno de Algoritmos
compactados
235 disponível para download no link <http://sergiopeters.prof.ufsc.br/algoritmos-livro/>,
no Caderno de Algoritmos disponível para download no link <http://
indicando o arquivo extensão .m do algoritmo correspondente ao método ou exemplo
1/ capresentado, como no arquivo Cap3MetodosParticao.m,
sergiopeters.prof.ufsc.br/algoritmos-livro/>, indicandoque ocontémarquivo
o método da
extensão .m do algoritmo correspondente ao método ou exemplode testá-
bisseção e demais métodos de partição deste capítulo. Lembre-se sempre 209
los no momento em que o indicamos para depois continuar a sua leitura.
apresentado, como no arquivo Cap3MetodosParticao.m, que contém
o método da bisseção e demais métodos de partição deste Capítulo.
3.2.1.2
Lembre-se sempreMétodo da falsa
de testá-los posição
no momento em que o indicamos para
depois continuar a sua leitura. percebemos que o método da bisseção é lento,
Mesmo intuitivamente,
25
pois reduz o intervalo de busca da raiz α em apenas 50% a cada partição.
Então, como particionar o intervalo [a, b] para obter uma convergência mais rápida
para a raiz α?
No método da falsa posição, particionamos cada intervalo por meio
de um novo valor de xk, que é a interseção entre uma reta r(x) e o eixo das
abcissas x, conforme o Gráfico 3.4.
por meio de um novo valor de xk, que é a interseção entre uma reta
e o eixo
r (x)CAPÍTULO No
dasmétodo
abcissasda x,
falsa posição,o particionamos
conforme Gráfico 3.4. cada intervalo 201
3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA
por meio de um novo valor de xk, que é a interseção entre uma reta
Gráfico
r (x) e o eixo das 3.4 –x,Método
abcissas da falsa
conforme posição3.4.
o Gráfico
Gráfico
Gráfico 3.4 – Método da falsa 3.4 – Método da falsa posição
posição
O método da falsa
O método posição
da falsa consiste
posição nas nas
consiste seguintes etapas:
seguintes etapas:
O método da falsa posição consiste nas seguintes etapas:
a) Tomar um intervalo inicial [a,b], com α ∈ [a,b], na etapa de
a) Tomar um
a) Tomar um intervalo
intervalo inicial
inicial [a,b], comα α∈ ∈[a,b],
[a, b],com [a, b], na etapa
na etapa de de
localização.
localização.
localização.
b) Obter os pontos extremos do intervalo (a, f (a)) e (b, f (b)).
b) Obter
b) Obter a retaextremos
os pontos
c) Definir extremos do
dointervalo
intervalo
r (x) que passa (a,f(a))
por esses(a, (b,f(b)).
ee(b,
f (a))extremos:
pontos f (b)).
Capítulo 3 – Solução de Equações não Linea
c) Definir
c) Definir aa reta que
r (x)que
reta r(x) passa
f (b)passa )por
− f (apor essespontos
esses pontosextremos:
extremos:
r ( x) = f (a) + ( x − a) (4)
f (b ) − bf −(aa)
r ( x) = f (a) + x( xque− a) (4)(4)
26 d) Calcular o valor do b −novo
a k, particiona o intervalo, de
modo que r (xk) = 0, ou seja, xk é a interseção entre a reta r (x) e
d) Calcular o valor do novo x que particiona o intervalo, de modo
o eixo das abscissas x e nãok, é uma média aritmética simples
que r(xk) = 0, ou seja, xk é a interseção entre a reta r(x) e o eixo das
do intervalo,
abscissas como
x e não no método
é uma da bisseção.
média aritmética Esse do
simples valor de
intervalo,
xcomo
k
é equivalente
no métodoadauma médiaEsse
bisseção. ponderada
valor de xpelos valores das
é equivalente a uma
k
funções nas extremidades
média ponderada a e b:
pelos valores das funções nas extremidades a e b:
f (a ) * (b − a )
r ( xk ) = 0 ⇒ xk= a − (5)(5)
( f (b) − f (a ))
Alternativamente, também
Alternativamente, usamos a usamos
também forma a forma
a * f (b) − b * f (a )
xk = (com uma
(com uma multiplicação
multiplicação aamais).
mais).
f (b) − f (a )
Então, partirdedea,a,
Então, aapartir b ebxek, xprocedemos
k
comocomo
, procedemos no método da bisseção.
no método da
bisseção.
e) Se f (xk) = 0 ⇒ α = xk .
xxk =
a b)) −
a ** ff ((b −bb ** ff ((a
a )) (com uma multiplicação a mais).
= (com uma multiplicação a mais).
b)) −
ff ((b − ff ((a
a ))
k
xxk== a −
ff ((a b−
a )) ** ((b −aa ))
a −
b)) −
(( ff ((b − ff ((a
a ))
k
))
Com
Com a,bbbeeexxxkk k,,,retornamos
Com a,
a, retornamos ao
retornamos aoitem
ao item(e),
item (e),enquanto
(e), enquantoalgum
enquanto algum critério
algum critério de
critério
de
de parada
parada nãonão
parada nãofor for satisfeito,
satisfeito,
for análogo
análogo
satisfeito, ao
ao método
ao método
análogo da
da bisseção.
da bisseção.
método bisseção.
g)
g) No
No final,
final, o
o valor do xxnn calculado
valor do calculado sobre
sobre o o último
último intervalo,
intervalo,
g) depois
No final, on valor do xkn do
calculado sobre o último subintervalo,
depois de n partições k do intervalo inicial, é considerado aa
de partições intervalo inicial, é considerado
depois de n partições do
melhor intervalo inicial, é considerado a melhor
melhor aproximação
aproximação para
para aa raiz.
raiz.
aproximação para a raiz.
O
O critério
critério de
de parada
parada baseado
baseado nono valor
valor dodo intervalo
intervalo final
|b−a|
final | b − a |
não O critério deuma
parada baseado no valor do subintervalo – a| não
final |b como
não éé indicado
indicado se se uma das
das extremidades
extremidades a a ou
ou bb ficar
ficar fixa,
fixa, como
é indicado se uma das extremidades a ou b ficar fixa, como apresentamos
no Gráfico 3.4, no qual o ponto x = b inicial fica fixo ao longo das iterações.
k = 5 partições em a, ponderadas
xk e b. Em kdo partiçõesinicial,
= 5intervalo ponderadas
atingimos do intervalo inicial,
o subintervalo
atingimos o intervalo final [0.5882617, 1.0],
final [0.5882617, 1.0], e a raiz aproximada dentro desse subintervalo deve ser e a raiz aproximada
dentro desse
x5 ≅ 0.5884781340, intervalodedeve
com critério ser | xx5 ≅–0.5884781340
parada xk – 1 | <uma , com critério
0.0002163821, ambos de
No algoritmo
No algoritmo apresentado,
apresentado,
parada | x − x também
também
|< consideramos
consideramos
0.0002163821 ,
k
ambos uma
destacados partição
partição
em negrito.
destacados em negrito. k No
k −1 algoritmo apresentado, também consideramos
completa quando
kk completa quando os os valores
valores extremosextremos do intervalointervalo particionado
particionado
uma partição k completa quando osdo valores extremos do subintervalo
são redefinidos
são redefinidos
28 particionado ee oo respectivo
respectivo valor
valor do
do
são redefinidos e o respectivo xx do
do intervalo
intervalo éé calculado.
calculado.
valor do xk é calculado.
kk
O último xkk é considerado
O último xk é consideradoa raizaaproximada
raiz aproximada e o eseu
o seu erro
erro dede trunca-
truncamento
mento pode
mento podeser
pode serestimado
ser estimado
estimado comocomo
como fizemos
fizemos
fizemos no método
no método
no da bisseção,
método da bisseção,
da comparando
bisseção,
x
comparando = 0.5884781340 com
= 0.5884781340
0.5884781340 x = 0.5885327258:
com xx10 0.5885327258::
= 0.5885327258
comparando5 xx55 = 10 com 10 =
Erro
Erro de
Erro de
de xx55 =
= xx55 −− xx10 = 0.5884781340
10 = 0.5884781340 −− 0.5885327258 =0.0000545918
0.5885327258 = 0.0000545918
Observe que
Observe que oo erro
erro de
de truncamento
truncamento estimado
estimado com
com oo dobro
dobro
204 CÁLCULO NUMÉRICO COMPUTACIONAL
Na Tabela 3.2, o ponto b = 1.0 ficou fixo ao longo das partições, pois
a ∈ [xk, b], conforme esboçado no Gráfico 3.4. Esse ponto que ficou fixo, sem
atualização ao longo das partições, pode atrasar o processo de convergência.
Para corrigir esse tipo de convergência unilateral, podemos destravar o
ponto que ficou fixo usando o método da falsa posição modificado, por
exemplo, ou adotar os métodos de linearização, que veremos na sequência.
=
pb f (a) / ( f (a) + f ( x=
k )) 0.7438021478 –1.0000 –0.344443 +0.957537
=
pb f (a) / ( f (a) + f ( x=
k )) 0.9825494019 –0.34444 –0.006117 +0.940828
=
pa f (b) / ( f (b) + f ( x=
k )) 0.9994114861 –0.00614 +0.00055 +0.940828
=
pb f (a) / ( f (a) + f ( x=
k )) 0.9998176448 –0.00614 –1.12e–06 +5.539e–4
=
pa f (b) / ( f (b) + f ( x=
k )) 0.9999999013 –1.115e–6 –1.12e–06 +5.539e–4
a) 0.5885327439818611(bissecção);
b) 0.5885327439818610 (falsa posição);
c) 0.5885327439818612 (falsa posição modificado).
192 a) xxk +1 −
a) − xxk < < εε –– esse
esse critério
critério falha
falha quando
quando xxkk converge
converge
a) | xkk++1 1 – xk k | < ε – esse critério falha quando xk converge lentamente;
lentamente;
lentamente;
Gráfico 3.2
xxk +1 − x
b) k +1 − xkk < ε
b)
b) < ε – ––o valor
o
o valor
relativorelativo
valor relativo éé mais realístico,
mais principalmente
é mais realístico, realístico,
xxk +1
k +1
quando xk + 1 é muito
principalmente
principalmente ( x ) pequeno
f quando
quando xxk +1 éé(mas
k +1
muito
muitodeve ser diferente
pequeno
pequeno (mas de zero)
(mas deve
deve ser ou
ser
muito grande;
diferente de zero) ou muito grande;
diferente de zero) ou muito grande;
c) ff (( xxk +)|)<<εε– esse
– esse critério
falhafalha quando tem valores
f (x)valores
1 ) < ε – esse critério falha quando f (x) tem valores
c)
c) |f(x k +1
k +1
critério quando f(x) tem pequenos,
conforme o Gráfico 3.6;
pequenos,
pequenos, conforme
conforme o
o Gráfico
Gráfico 3.6
3.6 (( ff (x)
(x) calculado
calculado no
no novo
novo xxkk +1);
);
+1
xxk +1 −
− xxk ε – éé um
d)
d) ff (( xxkk ++11 )) +
d) + k +1 k < <ε um critério
critério composto,
critério composto, conservativo.
composto, que abrange os
conservativo.
dois anteriores.
xxk +1
k +1 x
No α x ainda estar longe
No Gráfico
Gráfico 3.6, 3.6, observe
observe que, que, apesar
apesar de de xkk ainda estar longe
da raiz α, o critério de parada
da raiz α, o critério de parada ff (( xxkk ++11 )) < α
εε já pode
já pode terter sido
sido satisfeito
satisfeito
No Gráfico 3.6, observe que, apesar<de xk+1 ainda estar longe da raiz α,
(quando ff (x)
(quando tem valores
tem valores pequenos).
pequenos). Por outro outro lado,
lado, o o critério
critério
o critério (x) de parada |f(xk + 1)| < ε já pode terPor sido satisfeito (quando f(x) tem
−
xxk valores
x
k − xkk −
< ε também
ε também
−11 <pequenos). pode
Porpode ser
outroserlado,satisfeito
satisfeito rapidamente
o critério rapidamente quando
quandopode
| xk – xk – 1 | < ε também xxk
k
converge
ser satisfeito
converge lentamente.
rapidamente
lentamente. Portanto,
quando algum
Portanto, algum critério
xk converge de
de parada
lentamente.
critério sempre
Portanto,
parada algum
sempre
critério
precisa
precisa serde
ser parada sempre
estabelecido,
estabelecido, mas
mas precisa
não ser estabelecido,
não deve
deve ser
ser usado mas não deve ser
usado isoladamente,
isoladamente, usado
sendo
sendo
197
isoladamente,
necessário fazersendo uma necessário
validaçãofazer uma validação
do resultado
resultado do resultado
aproximado aproximado
obtido com
necessário fazer uma validação do aproximado obtido com
obtido
m ∈ [101/2com
, 101 ] algum cálculo do erro de truncamento.
algum
algum cálculo
cálculo do do erro erro de de truncamento.
truncamento.
209
Grafico 3.6
Gráfico 3.6 – Processo iterativo de convergência, quando f(x) tem valores pequenos
f ( x)
x
α xk +1 xk
5
210 CÁLCULO NUMÉRICO COMPUTACIONAL
x1 = g(x0)
x2 = g(x1)
x3 = g(x2)
⋮
xk + 1 = g(xk) (7)
Solução: 210
Grafico 3.7
Gráfico 3.7 – Raiz de f(x) = x * ln(x) – 3.2 = 0
f ( x)
α x
Grafico 3.9
f ( x)
CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA 211
O Gráfico 3.7 mostra que a raiz está entre a = 2 e b = 3, logo podemos adotar
qualquer valor inicial x0 desse intervalo.
A seguir, vamos definir a função de iteração g(x) isolando o x de duas formas
possíveis:
a) x0 * ln(x) – 3.2 = 0: isolamos como incógnita o x que aparece em
ln (x), logo:
ln(x) = 3.2 / x0 ⇒ x = e3.2/x 0
⋮ ⋮ ⋮ ⋮ ⋮
999 1.34504630366580 10.79518554638936 9.45013924272355 22.48282865377773
1000 10.79518554638936 1.34504630366580 9.45013924272355 2.80129002385048
1001 1.34504630366580
5 3.334037325418966
⋮ ⋮ ⋮ ⋮ ⋮
406 2.95416552327889
Para obter uma raiz com precisão máxima, é necessário que, a cada
umiteração, ointervalo
dado e os métodos
valor calculado se aproximededaquebra
solução,aou
mantém
seja, quedentro
o métodode
um subintervalo
convirja desse
para o valor intervalo
exato da raiz. inicial. Já nos métodos iterativos
de linearização, a convergência não é garantida. A cada iteração,
podemos nos aproximar ou nos afastar da solução. Portanto, antes
No caso dos métodos de bisseção, falsa posição e falsa posição modificado,
de resolver um problema por meio desse método, recomendamos
não precisamos nos preocupar com a convergência, que está sempre garantida,
tentar verificar
uma vez se haverá
que isolamos a raizou não adeconvergência.
dentro um dado intervalo e os métodos de
quebra a mantém dentro de um subintervalo desse intervalo inicial. Já nos
métodos iterativos de linearização, a convergência não é garantida. A cada
iteração, podemos
A seguir, vamos nos aproximar
apresentar ou nos afastar
o teorema da solução. Portanto,
de convergência, antes
que coloca
decondições
resolver um problema
suficientes, por meio
porém desse método,
não necessárias, pararecomendamos
que o método tentar
de
verificar se haverá ou não a convergência.
iteração linear seja convergente.
Então,
Então, lim xk = α ,,isto
istoé, aé,sequência
a sequência xk converge
xk converge para aαsolução
para a solução α
de f(x) = 0.
k →∞
de f (x) = 0.
Porém, na maioria das vezes fica mais difícil obter e testar as
F' (xk) do que aplicar diretamente o método e avaliar se os resultados
estão convergindo ou não. No Exemplo 3.6 (a), é fácil perceber que
214 CÁLCULO NUMÉRICO COMPUTACIONAL
Porém, na maioria das vezes fica mais difícil obter e testar as g'(xk)
do que aplicar diretamente o método e avaliar se os resultados estão
convergindo ou não. No Exemplo 3.6 (a), é fácil perceber que xk aumenta
e diminui alternadamente e, portanto, o método não converge. No Exem-
plo 3.6 (b), também percebemos que xk oscila, aumenta e diminui alter-
nadamente, mas acaba convergindo. Para minimizar essas oscilações,
podemos aplicar o fator de sub-relaxação, conforme o Exemplo 3.7.
Solução:
A forma iterativa que adotamos no Exemplo 3.6 (b), x = 3.2 / ln(x0), foi
oscilatória mas convergente. Então, recomendamos usar um fator de
amortecimento ou sub-relaxação 0 < λ < 1, como adotado no método de
Gauss-Seidel aplicado no Capítulo 2 para determinação iterativa de solu-
ções x oscilatórias de sistemas de equações lineares:
x = x0 + λ * ∆x (8a)
k xk (1 λ ) xk + λ (3.2 / xk )
xk +1 =− | xk+1 – xk | | f (xk+1) |
⋮ ⋮ ⋮ ⋮ ⋮
12 2.954165523278883
Vamos apresentar agora o método de Newton, que é mais rápido e estável do que o
método da iteração linear.
Fonte:
Fonte:Elaboração própriaFonte:Fonte:
Elaboração própria.
Elaboração
Elaboração própria
própria
Fonte: Elaboração própria
ue a eq. (10)Note gera Note
que que a eq.a (10) eq. (10) geragera uma uma xsequência
sequência de valores
de valores xk , xk ,
Noteuma que asequênciaeq. (10) gerade uma valores
sequência ,
k de valores x , k = 0, 1, 2, ...,
nformeNote kque aconforme
= 0,1,2,..., eq. (10)
conforme seogera uma sequência
o Gráfico 3.8, existirá
que, sede forvalores
convergente, x , existirá
k
k o= Gráfico
0,1,2,...,
conforme 3.8, oque,Gráfico forGráfico
3.8, que, 3.8,
convergente, se for que, se for
convergente, convergente,
existirá umk existirá
valor final α
kα =qualquer
0,1,2,...,
um valor conforme
um valor
para
para final
lim= αk +o1qualquer
xfinal Gráfico
α=
lim xk 3.8,
qualquer α . que,
para para
Por
Porlim= se
xlim for
=
consequência,
consequência, convergente,
1 xlim
xklim
+= = αxk . Por
aplicando α . existirá
Por consequência,
consequência,
esses limites na eq.
+1
k →∞ kk→∞
k →∞ k →∞ k →∞ k →∞
um valor final α qualquer para lim = x =
lim x α . Por consequência,
s limites na(10),
aplicando eq. temos:
aplicando essestemos:
(10), esses
limites limites
kna
kna
+1 eq. (10),
→∞ eq. (10), k →∞temos:
k temos:
aplicando esses limites na eq. (10), temos:
f ( xk )lim= ( xk ) f ( xk ))
( xk )f lim(
flim lim( lim( ( xk f))( xk ))
kf→∞
lim xk − lim lim= x +1 = lim− limx − → = lim = x lim
1 x f−( x k ))x −
→∞
1→ lim k −f ′(→
xkk+→∞ klim xxkkk →∞ )lim
k
kx
k →∞
xk )lim xk →∞ klim
+lim( k
→∞ f ( xk k→∞ lim( lim(′( xkf))′( xk ))
→∞ +1 kk→∞ k
k →∞
lim= k →∞ fk →∞′
xk +1 lim( x )
k xk − lim
kk→∞ +1
k →∞ f ′( x
lim=) lim(
x ′(
kf →∞ x
lim ))
k xk −
k →∞
k →∞ kf→∞
k →∞ f ′( x )
→ k
+ →∞
k →∞k →∞ lim( f ′( xk ))
k 1 k
k →∞ k →∞ k →∞
Devido à continuidade
k
de f (x)' e f 'k(x),
→∞ temos:
à continuidade Devido de f (x) à continuidade '
e f (x), temos:de f (x) e f (x), temos:
Devido Devido à continuidade
à continuidade dede f (x) '(x),temos:
f(x)e ef 'f(x), temos:
lim f ( xk ) = f (limexk ) e lim f ′( x ) = f ′(lim, xk ) ,
m f ( xk ) = f (lim xk ) elim limf k(→∞ fx′k()x= k ) f=(lim f ′(lim ) xk )lim
xkk →∞ , fk′→∞ ( xk ) = kf ′(lim xkk→∞ )
k →∞ k →∞k →∞ k →∞ k →∞
∞ k →∞
lim
então k f ( x )
k →∞
= f (lim xk ) e lim f ′( x k ) = f ′(lim x k ,) ,
entãok →∞ k →∞ k →∞ k →∞
então f (lim xk )
f (lim xk )lim= x lim xf (lim
− xkk→∞ )
lim= xk +1 lim xk − k →∞ lim= xkk+→∞ k +1
limf x
(limk →∞− x k k →∞
) f ′ (lim xk )
k →∞ k →∞ fk ′(lim xk →∞
1 k
k →∞ k →∞
lim= fx′(lim k →∞x )
lim k x − k)
k +k1→∞ k →∞
f ′(lim xk )
k
k →∞ k →∞
k →∞
Como lim= xk +1 lim = x α , temos que:
m= xk +1 lim = xkComo lim=
α , temos xkk+que:
→∞ lim
1 = xkk →∞αk, temos que:
→∞ k →∞ k →∞ k →∞
→ →∞k →∞
f k′+(1xfk′)(kx→∞ f ′( xfk′))
k →∞ k →∞kk→∞ f ′(k →∞
xk )k →∞ kk→∞ k)
k →∞k →∞
xk k))→∞ lim(
lim( f ′k(→∞ lim( ( xk ))
k
→∞
k →∞ k →∞k →∞
Devido à continuidade
218Devido
do à continuidade f (x) e f '(x),de
à continuidade
de de
temos: e f 'e(x),
f (x)f (x) f '(x),
temos:
temos:NUMÉRICO COMPUTACIONAL
CÁLCULO
limlim
lim f ( xk ) = f (lim f ()xfke)( x=lim
k →∞k xk
→∞
k ) =fk →∞
f (lim )k )=xekf)′lim
xkkx→∞
f′((lim e lim
k(lim
f x′( x)fk,′)( x=k )f=′(lim
→∞k →∞ k
xk ) x, ) ,
f ′(lim
k →∞k →∞ k
k →∞ k →∞ k →∞ k →∞
então então
então
f (lim xk ) f (lim xk ) x )
f (lim
k →∞k →∞ k
lim= lim= x
lim
−k →∞
xk +1 lim xkk→∞ = kx→∞limlim
k +1 k +1 x −
x −
xk )k →∞ f ′(lim
k
f ′(lim
k
k →∞ k →∞ f ′(limk →∞ xk ) x )
k →∞ k →∞k →∞ k
xk +1Como
Como
Comoxlim= xk=
lim =
xk +1lim x=
limk xkα ,, temos
temos
α que:
que:
, temos que:
o lim= =
lim kk→∞kα
→∞
,+1temos que:
k →∞k →∞
k →∞ k →∞
∆x1 ∆x 2 ∆x1
f ( xk ) + f ′( xk ) + f ′′( xk ) + ... = 0 ⇒ f ( xk ) + f ′( xk ) = 0
14444444 1! 24444444 2! 3 1444 424444 1! 3
eq. original, representada em série de Taylor com infinitas parcelas eq. simplificada, representada com 2 parcelas
ermine a raiz
termine de xx**ln( xx)r)1−−3.2d1 =
= 00 com αα ∈ [2, 3] ⋮ b1
termine aaExemplo raiz
raiz de de x3.8: * ln( x0) − 3.2
ln(determine 3.2 = 0a com
com α∈
raiz de ∈x [2, 3]
3] – 3.2 = 0 com a ∈ [2, 3] por
* ln(x)
[2,
mpare sua eficiência em
relação r2 d 2 ao método de ⋮ b2
ompare
ompare sua Newton
sua eficiência
eficiência e compare em
em relação
sua
relação ao
ao método
eficiência em relação
método de
de ao método de iteração linear.
⋱ ⋱ ⋱ ⋮ ⋮
Solução: 0 ri −1 di −1 ⋮ bi −1
t
os Dado x∆x
determinar , podemos
e um determinar
novo x, ti ∆x rei um
conforme a dnovo
eq. x, bi Li ← Lai eq.
⋮ conforme − i(10) Li −1ou as
mos determinar
mos determinar
0
∆x e
∆xee(11b): um novo
um novo x, conforme x, conforme a
i
eq. r
⋱ a⋱ eq. ⋱ ⋮ ⋮ 1
eqs. (11a) i −
11a)
11a) ee (11b):
(11b):
11a) e (11b): tn rn ⋮ bn
ff ((xx0 ))
∆∆ x= −− f ( x00 )
∆xx =
Pg. 191
= − f ′( x )
f (α ) = 0ff ′′(( xx000 ))
=
xPg. xx0 ++∆∆xx
xx== 216 x00 + ∆x
==
= (
f ff (( xx0)))) = xxxx0−
g
( (
x x
0 f ( xxx)0 ))f−−′(3.2
* ln(
00 ** ln(
ln( x00 ) − 3.2
x)
3.2)
0
ff=
Pg. '('(x220
= x0 )) ln( ln(xxx00)))+++111
ff =
′'(( xx000)) = ln(ln( x0 ) + 1
0
inicial
inicial x == 2.5, como no
2.5, como no Exemplo
Exemplo 3.6, 3.6, temos:
temos:
inicial xx232
0
0 = 2.5, como no Exemplo 3.6, temos:
0
f ′(de
a 3.7 – Tabela x) resultados
= e − 1 do Exemplo 3.8
x
a 3.7
a 3.7 –– Tabela
Tabela de
de resultados
resultados do Exemplo
do Exemplo 3.8
3.8
x
f ′′( x) = e f (x )
= '( xk ) ln( xk )236 +1 ∆x =− ff (( xxkk )) xk +1= xk + ∆x | ∆x |
ff =
= ln( xxkk )) ++ 11
'('( xxk )) ln( ∆xx =
∆ =−
− f ′( xkk) xxk +1= xk + ∆x || ∆
∆xx ||
ff ′′(( xxk )) k +1= xk + ∆x
f ′( x ) 4.74496460892097e-01
= 2x
k
k
1.91629073187416 2.97449646089210 4.74e-01
1.91629073187416 4.74496460892097e-01 2.97449646089210 4.74e-01
1.91629073187416
2.09007476782904
2.09007476782904
244 -2.02976178978191e-02
4.74496460892097e-01
-2.02976178978191e-02
2.97449646089210
2.95419884299428
2.95419884299428
4.74e-01
2.03e-02
2.03e-02
P ( x )-3.33196251968217e-05
= x n Pn (1 x )
2.09007476782904**
2.08322749497656 -2.02976178978191e-02
-3.33196251968217e-05 2.95419884299428
2.95416552336908 2.03e-02
3.33e-05
2.08322749497656
n 2.95416552336908 3.33e-05
0
x= x0 + ∆x
=
CAPÍTULO 3 – SOLUÇÃO f ( EQUAÇÕES
DE x0 ) x0 *NÃO 0 ) − 3.2 A UMA INCÓGNITA
ln( xLINEARES 221
f=
'( x0 ) ln( x0 ) + 1
Adotando valor inicial
Adotando x0 =como
x0 = 2.5,
valor inicial no Exemplo
2.5, como 3.6,3.6,
no Exemplo temos:
temos:
Tabela 3.7 –3.7
Tabela Resultados
– TabeladodeExemplo 3.8 do Exemplo 3.8
resultados
f ( xk )
=
f ( xk ) xk * ln( xkk) − 3.2 f=
'( xkx)k ln( xk ) + 1 ∆x =− xk +1=xk +x1 k=+xk∆+x∆x | ∆x | |∆x|
f ′( xk )
-9.09273170314612e-01 1.91629073187416 4.74496460892097e-01 2.97449646089210 4.74e-01
0
4.24235390152670e-02 2.50000000000000
2.09007476782904 4.74496460892097e –01
-2.02976178978191e-02 2.974496460892102.03e-02
2.95419884299428 4.74e–01
6.94123593323326e-05 2.08322749497656 -3.33196251968217e-05 2.95416552336908 3.33e-05
1
1.87902582382549e-10 2.97449646089210
2.08321621617818 –2.02976178978191e –02
-9.01983101529758e-11 2.954198842994289.02e-11
2.95416552327888 2.03e–02
0.00000000000000e+00 2.08321621614765 0.00000000000000e+00 2.95416552327888 0.00e00
a) digitamos
a) digitamos o valor o valor
inicial, por inicial,
exemplo 2.5,por exemplo 2.5, ea pressionamos a tecla
e pressionamos
“=” para armazená-lo
tecla "=" para armazená-lo em Ans; em Ans;
b) digitamos a equação iterativa
b) digitamos a equação representado
com x0 iterativa com xpelo Ans
representado pelo Ans (valor
0
(valor da respostadaanterior), no caso:
resposta anterior), no caso:
f ( x0 )
=
x x0 −
f ′( x0 )
Ans – (Ans * ln (Ans) – 3.2) / (ln (Ans) + 1), no caso do Exemplo 3.8; e
Ans − ( Ans*ln ( Ans ) − 3.2 ) ÷ ( ln ( Ans ) + 1), no caso do Exemplo 3.8; e
c) presssionando a tecla "=", sucessivamente, o valor gerado
será um novo x, que já fica armazenado em Ans e atualiza x0.
Desse modo, a cada "=" pressionado, teremos uma iteração
gerada no display da calculadora.
222 CÁLCULO NUMÉRICO COMPUTACIONAL
a) Note que210
o método
Grafico 3.7 de Newton tem convergência rápida, e pudemos
comprovar que, normalmente, a convergência ou divergência
desse método é do tipo quadrática, isto é, o incremento |∆x| da
f ( x+) 1) é aproximadamente o quadrado do incremento
iteração (k
da iteração anterior (k), conforme vemos no quadro de resultados
do Exemplo 3.8, onde o expoente de ∆x dobra a cada iteração.
α x
b) O novo valor para xk + 1 é o ponto de corte da reta tangente r(x) com
o eixo das abscissas, pois xk + 1 é o zero dessa reta r(x) aproximadora
de f(x).
c) Pode ocorrer, durante a determinação dos xk + 1, que a reta tangente
à f(x) em (xk, f(xk)) seja paralela ao eixo da abcissa x, ou seja,
f '(xk) = 0, como no Gráfico 3.9 em k = 0.
222
Gráfico 3.9Grafico
− Método
3.9 de Newton quando o valor inicial da raiz gera derivada nula
f ( x)
x
x0 α
223
Erro
Gráfico 3.10 Grafico 3.10 X (12)
− Exemplo X (12) − dos
de=looping { 2.454557
S = valores e − 04, 3.517819
na sequência 04, 7.593722
geradae −pelos xk e − 05}
f ( x)
Erro X (6) = X (6) − X (12) = {0.00634271, 0.00119713, 0.0249755 }
176 xk +1 x
| xi( k +1) − xi( k ) x|=k {7.08210504629 e − 07, 9.67433540499 e - 07 ,
α
189
246oαdenominador
2 = 1está α 3 = 1em
− i , disponível ( i = −x
+ i algum 10), com de f '(x0) ≠ 0, desde que seja
ritmo do método de Newton no Caderno
nosuficientemente
lado positivo entre [ + r ,próximo
+ r ] ,... da raiz.
min max
ou
ou ou
f ( x + ∆x) − f ( x )
f ′′( x0 ) ≅ f ( x00 + ∆x) − f ( x00 ) (13) (13)
f ( x0 ) ≅ ∆x (13)
∆x
Logo, aplicamos a derivada numérica dada pelas eqs. (12) ou
Logo, aplicamos Logo, aplicamos a derivada numérica
a derivada numérica dadadada pelaspelas eqs.eqs.
(12)(12)
ou ou (13) na
3) na eq. eq. (10)(10) e obtemos:
e obtemos:
3) na eq. (10) e obtemos:
f (x ) − f (x )
x= x0 − f ( x0 ) f ( x11 ) − f ( x00 ) (14)
(14) (14)
x=2
2 x0 − f ( x0 ) ( x1 − x0 )
( x1 − x0 )
CalculadoCalculado o novo valor o novo valor x2, atualizamos
x2 , atualizamos os valores os mais
valores mais antigos x0 e
antigos
Calculado x1 pelosovalores novo valor x2 , atualizamos
mais atualizados disponíveisos valores x0 = xmais e x antigos
= x e voltamos ao
e x1 pelos valores mais atualizados disponíveis x0 = x11 e x1 1 = 2x2 e
e x1 peloscálculo valores mais atualizados disponíveis x0 = x1 e x1 = x2 e
da derivada.
ltamos ao cálculo Observamos da derivada. que o valor x0 mais antigo de todos é descartado e os
ltamos ao cálculo da derivada.
Observamos valores mais
Cálculo Numérico Computacional
o valor x xmais
queatualizados e x2 antigo
são mantidos. de todos é descartado
Observamos que o valor x00 mais 1
antigo de todos é descartado
os valores mais atualizados x1 e x2 são mantidos.no método de Newton, como
Se usarmos o próprio ∆x, calculado
os valoresincremento mais atualizados paraSecálculo x1 edax2derivada,
são mantidos. este assumirá naturalmente o último
usarmos o ∆x como incremento para cálculo da derivada,
valor ∆x calculado. este assumirá naturalmente o último valor ∆x calculado no método
49
Repare deque o x2 é a interseção entre a reta secante, gerada pelos dois
Newton. 49
pontos anteriores (x0, f(x Repare 2
é a, f(x
que))o ex (x interseção
)), com entre a retadas
o eixo secante, geradax, conforme
abcissas
pelos dois pontos0 anteriores 1 ( x1, f ( x )) e ( x , f ( x )) , com o eixo das
o Gráfico 3.11. 0
Para algoritmização
Para algoritmização desse método,
desse método, podemos:podemos:
a) utilizar a)
x0 eutilizar x0 e ∆x,
∆x, ambos ambos estimados
estimados inicialmente;
inicialmente;
b) aproximar
b) aproximar a derivadaa por
derivada
meio por meio
da eq. da eq. (13)
(13)
f ( x0 + ∆x) − f ( x0 )
f ′( x0 ) ≅ ;;
∆x
c) calcularc)um novo incremento
calcular ∆x e solução
um novo incremento de cada xiteração
∆x xe solução de cada iteração pelo
pelo métodométodo de Newton
de Newton original,
original, eqs. eqs.
(11a)(11a) e (11b);
e (11b);
d) atualizar = x ex o= incremento
d) xatualizar
0
∆x (usando
x e o incremento o próprio
∆x (usando o próprio incremento
0
incrementododométodo
método dede Newton);
Newton); e e
e) voltar ao passo (b), da mesma forma que no método de
e) voltar ao passo (b), da mesma forma que no método de Newton
Newton original.
original.
a) estimar x0 e x1 iniciais;
b) calcular o novo valor x2, pela eq. (14);
c) calcular f(x2) ;
d) atualizar os valores mais antigos:
x0 = x1 e f(x0) = f(x1) bem como x1 = x2 e f(x1) = f(x2);
e) voltar ao passo (b).
4818 1.44371181676206e–10
2 2.38123534090917e–06
2.95490946085841 2.08321640956046 –7.45080498042262e–04
2.08014636987656 –6.93020566723873e–11 2.95416552327888
2.95416438036037
7888 0.00000000000000e+00 –1.44370293497786e–10 2.08320359351340 0.00000000000000e+00 2.95416552327888
s de parada
5
numericamente
2.95416552327888
nulos para | ∆x | e0.00000000000000e+00
2.08320359351340
| f ( xk ) | , 2.95416552327888
rações, enquanto o método de Newton obteve a mesma
em 5 iterações,
6 portanto o método da secante, no
2.95416552327888
Solução: 52
f(x) = ex – x – 1
f '(x) = ex – 1
00 1.000000e+00 7.182818e–01
1.000000e+00 7.182818e–01 1.718282e+00
1.718282e+00 –4.180233e–01
–4.180233e–01 5.819767e–01
5.819767e–01 6.256190e–01
6.256190e–01
1 5.819767e–01 2.075957e–01 7.895724e–01 –2.629217e–01 3.190550e–01 3.196937e–01
1 5.819767e–01 2.075957e–01 7.895724e–01 –2.629217e–01 3.190550e–01 3.196937e–01
2 3.190550e–01 5.677201e–02 3.758270e–01 –1.510589e–01 1.679962e–01 1.659948e–01
23 3.190550e–01
1.679962e–01 5.677201e–02
1.493591e–02 3.758270e–01
1.829321e–01 –1.510589e–01
–8.164730e–02 1.679962e–01
8.634887e–02 1.659948e–01
8.548502e–02
34 8.634887e–02 1.493591e–02
1.679962e–01 3.837726e–03 1.829321e–01
9.018660e–02 –4.255317e–02
–8.164730e–02 4.379570e–02
8.634887e–02 4.352636e–02
8.548502e–02
⋮
4 8.634887e–02 3.837726e–03 9.018660e–02 –4.255317e–02 4.379570e–02 4.352636e–02
22 3.389852e–07 5.750955e–14 3.389853e–07 –1.696521e–07 1.693332e–07 1.696521e–07
⋮
23 1.693332e–07 1.443290e–14 1.693332e–07 –8.523373e–08 8.409945e–08 8.523373e–08
22
24 3.389852e–07
8.409945e–08 5.750955e–14
3.552714e–15 3.389853e–07
8.409945e–08 –1.696521e–07
–4.224420e–08 1.693332e–07
4.185525e–08 1.696521e–07
4.224420e–08
25
23 4.185525e–08
1.693332e–07 0.000000e+0
1.443290e–14 4.185525e–08
1.693332e–07 0.000000e+00
–8.523373e–08 4.185525e–08
8.409945e–08 0.000000e+00
8.523373e–08
26 4.185525e–08
24 8.409945e–08 3.552714e–15 8.409945e–08 –4.224420e–08 4.185525e–08 4.224420e–08
Fonte: Elaboração própria
25 4.185525e–08 0.000000e+0 4.185525e–08 0.000000e+00 4.185525e–08 0.000000e+00
26 Em 26 iterações, geramos
4.185525e–08 = x26 4.185525e − 08, destacada em negrito,
com
Fonte: critérios
Elaboração de parada numericamente nulos para | ∆x | e | f ( xk ) | .
própria.
Como o ∆x se tornou nulo, a partir de x26 = 0.00000004185525,
Emos 26demais
iterações, geramos
valores dexx26k ficam
= 4.185525e – 08, destacada
constantes em negrito,
e com apenas com
8 dígitos
critérios
exatos de(sublinhados).
parada numericamente nulos para |∆x| e |f(xk)|. Como o ∆x se
tornou nulo, a partir de x26 = 0.00000004185525, os demais valores de xk
ficariamObserve,
constantes nae planilha
com apenas de8resultados do(sublinhados).
dígitos exatos Exemplo 3.10, que:
Observe, na Tabela
a) Os 3.9, que:
critérios de parada foram reduzidos a zero, mas a raiz
convergida ainda não é a exata, pois deveria ser zero em
a) Os critérios
todos osdeseus
parada foram significativos.
dígitos reduzidos a zero,Com
mas avariável
raiz convergida
double,
ainda não é a exata, pois deveria ser zero em todos os seus
seriam 16 dígitos exatos, mas a raiz aproximada x26 atingiu dígitos
significativos. Com variável double, seriam 16 dígitos exatos, mas
apenas 8 dígitos exatos.
a raiz aproximada x26 atingiu apenas 8 dígitos exatos.
b) Ocorreu a perda da convergência quadrática, uma vez que o ∆x
novo foi reduzido apenas pela metade do anterior a cada iteração.
A convergência quadrática, normal no método de Newton, reduz
o ∆x novo para o quadrado do ∆x da iteração anterior.
s como
comocomo
sremos essa correção
correção
essaessa
correção
correçãoapresenta
apresenta
apresenta melhores
melhores
apresentamelhores resultados
resultados
melhores parapara
resultados
resultados para casos
casos
para como
casoso
casos
lcular
cular aa
calcular a do
como
comoExemplo
como oo dodo 3.10
o do (resultados
Exemplo
Exemplo
Exemplo3.10
3.10 não apresentados
(resultados
(resultados
3.10 não
(resultadosnão
nãoneste livro),
apresentados
apresentados
apresentadosmas
multipli-
multipli-
multipli- é necessário
neste
neste livro),
livro),
conhecer
mas previamente
éé necessário
masmas necessário
essa multiplicidade
conhecer
conhecer previamente
previamente
M.
essaNesse
essa
neste livro), é necessário conhecer previamente essa
cidade
cidadecidade exemplo, como f(x) → 0 e f '(x) → 0, no limite da precisão digital das
stimada
timada multiplicidade
multiplicidade
multiplicidadeM.Nesse
M. Nesse
M. exemplo,
exemplo,
Nesse como
exemplo,como f (x)
como f (x)→→0→
(x) 0e ef0'f(x)
fadotar f '→
e' (x) →0→
(x) ,0,0,
estimada
variáveis utilizadas (no caso double), podemos multiplicidade
aãoseção
ão 3.3, 3.3,
3.3, no
no limite
limite da
da precisão
no limite precisão
da digital
digital
precisão das variáveis
dasdas
digital variáveis utilizadas
variáveis utilizadas
utilizadas (no(no caso
(nocaso
caso
quações equivalente M = 2, conforme Propriedade 13 de polinômios, que
uações
de equações double),
double), podemos
podemos
double),
veremos podemos
mais adotar
adotar multiplicidade
multiplicidade
adotar
adiante. equivalente
equivalente
multiplicidade MM=M=2,=2, 2,
equivalente
omiais.
omiais.
polinomiais.
conforme
conforme
conformePropriedade
Propriedade 13
Propriedade13de
depolinômios,
13 polinômios,
de que
que
polinômios, veremos
veremos
que mais
veremosmais
mais
Veremos como calcular a multiplicidade estimada na seção 3.3, sobre raízes de equações
adiante.
adiante.
adiante.polinomiais.
b)
b) Outra possibilidade
Outra
b) Outra possibilidade
possibilidade utiliza
utiliza
utiliza uma
uma uma correção
correção
correção nanana fórmula
fórmula
fórmula
de cálculo
de cálculo do
do do incremento
incremento da
dada raiz quando
raiz quando f (x) →
f (x)→de
f (x) 0 0ef ef f
→0ecálculo
b) de
Outra cálculo
possibilidade incremento utiliza uma raiz
correçãoquando na fórmula
'' (x)' (x)→ 00,, 0determinando alternativamente a raiz de de
do →→
(x)incremento ,dadeterminando
determinando
raiz quando f(x) → 0 e f '(x) → 0,adeterminando
alternativamente
alternativamente araiz
raiz de
g ( x)g=( x)f (=x)f /( xf )′′(/xf)a′=( xraiz
0) ,=pois toda raizraizαf que anula f (x) = 0raiz
g ( x) = f ( x) / f ( x) = 0 , pois toda raiz α que anula f (x) = =0 0α
alternativamente 0de, pois
g(x) =toda
f(x) / α
'(x)que
= 0,anula
pois f (x)
toda
também anulaanula g (x)g (x) = 0=, então, aplicamos o método de dede
quetambém
também f(x)
anula anulatambém
g (x) =anula 0, 0então,
,g(x),
então,então, aplicamos
aplicamos
aplicamos ométodo
o ométodo método de
Newton
NewtonNewton àà função
função
à função modifi
modificada cada
modifi g (x)g==
g(x)
cada (x) 0=
0: : 0:
Newton à função modificada g (x) = 0:
f ( xkf) ( x )
f (x ) k
g ( xkg) ( x ) f ′( xkfk)′( x ) f ( xkf) (fx′()xkf )′( x )
∆x =− g (−xk )
∆−x g=
∆x =
=k
′( xkg)′( x=−
− =
[ f −′( x )]2 −f ′f(2 x( xk ) ) kf ′′( x ) = =−−[= f −′( x )]f2 (−xkf2)(fkx′()xfk ′′)(kx ) (16) (16)
(16)
(16)
g ′( xk ) k ) [ f ′([xfk ′)] 2k )] − k f ( xk ) fk ′′( xk )
′[(kfxk′()]xk2 )]− f−(kxf k()xkf )′′(fkx′′k()xk )
k (x
− f ( x2k ) f ′′( xk ) [ f
[ f ′([xkf )] ′( x2k )]2
[ f ′( xk )]
ou
ou ou
ou Capítulo 3 – Solução de Equações n
xemplo Exemplo
3.11: reaplique Com xk +1= xkde
o método x , dado pela
+ ∆Newton, eq. (11b).
modificando
3.11: reaplique o método de Newton, modificando f(x) = 0
f ( x )
para =
(x) = 0 para g ( x) Exemplo
= 0 ,3.11: reaplique
, conforme
conforme asaseqs. o (17)
eqs. método
(17) dee Newton,
e (18),
e (18), e
obtenha modificando
uma raiz
f ′( x) f ( x )
de: e – x –1
x
= x0=com x0 = =
para 1.0. =
btenha uma raiz de: f (x)
e – x0 –1 g ( x) x =
= 0 com 1.0. 0 , conforme as eqs. (17) e (18), e
0 f ′( x )
Tabela
'' (x ) 3.10 ˆ f ( xk ) xdo
– Tabela de resultados Exemplo |3.11
xk Tabela f' (xk)
f (xk)3.10 – Resultados dofExemplo
k
3.11
M̂ eq. (18) ∆x =− M ′ k +1= xk + ∆x
f ( xk )
f ( x) | + | ∆x |
f (x )
000000e+00 xkk 1.718282e+00
7.182818e–01 xk f (xk2.718282e+00 (xk) f' (xk)
) f (xk) f'2.952492e+00 f'' (xf'') (x )
–1.234211e+00 =− Mˆ
(18) ∆x 1.259616e+00
–2.342106e–01 xk +1= xk + ∆x
k
k k k M̂eq.eq.
(18) f ′( x )
k
.342106e–01 2.540578e–02 –2.088048e–01 7.911952e–01 1.855412e+00 2.257523e–01 –8.458280e–03 2.257880e–01
0 1.000000e+00 7.182818e–01 1.718282e+00 2.718282e+00 2.952492e+00 –1.234211e+00 –2.342106e–01
0 1.000000e+00
.458280e–03 3.567061e–05 7.182818e–01
–8.422609e–03 1.718282e+00
9.915774e–01 1.994377e+002.718282e+00
8.446390e–03 2.952492e+00
–1.189018e–05–1.234211e+00
8.446390e–03
1 –2.342106e–01 2.540578e–02 –2.088048e–01 7.911952e–01 1.855412e+00 2.257523e–01 –8.458280e–03
.189018e–05 7.068790e–11 –1.189011e–05 9.999881e–01 1.999991e+00 1.189014e–05 –4.176666e–11 1.189014e–05
2 –8.458280e–03
1 –2.342106e–01 3.567061e–05
2.540578e–02 –8.422609e–03
–2.088048e–01 9.915774e–011.855412e+00
7.911952e–01 1.994377e+00 2.257523e–01
8.446390e–03 –1.189018e–05
.176666e–11 0.000000e+00 –4.176670e–11 1.000000e+00 1.000000e+00 0.000000e+00 –4.176666e–11 0.000000e+00
3 –1.189018e–05 7.068790e–11 –1.189011e–05 9.999881e–01 1.999991e+00 1.189014e–05 –4.176666e–11
.176666e–11
2 –8.458280e–03 3.567061e–05
4 –4.176666e–11 –8.422609e–03
0.000000e+00 9.915774e–01
–4.176670e–11 1.000000e+001.994377e+00
1.000000e+00 8.446390e–03
0.000000e+00 –4.176666e–11
5
Fonte: Elaboração própria
–4.176666e–11
Observe que:
3 –1.189018e–05 7.068790e–11 –1.189011e–05 9.999881e–01
Fonte: Elaboração própria
1.999991e+00 1.189014e–05
= 3, oObserve
a) em4 k–4.176666e–11 valor deque:
0.000000e+00 M̂ tende a 2, com
–4.176670e–11 f (x → α)
1.000000e+00 → 0 e 0.000000e+00
1.000000e+00
No artigo, os autores apresentam uma abrangente revisão bibliográfica sobre aceleradores de con-
vergência do método de Newton e formas de aproximação da estimativa do valor da multiplicidade.
7 7.783746e–17
Assim, emem
Assim, k =k =7 7iterações, calculamosxx7 7==7.78374589094591e–17,
iterações,calculamos 7.78374589094591e − 17,com
∆x = 0 e f(x) = 0, logo x7 = 0.0000000000000000778374589094591 é a raiz
com ∆x = 0 e f (x) = 0, logo x7 = 0.0000000000000000778374589094591
encontrada com 16 dígitos significativos (sublinhados).
é a raiz encontrada com 16 dígitos significativos (sublinhados).
Considerações sobre o método de Newton modificado pela Regra de
Considerações sobre o método de Newton modificado pela
L’Hospital:
Regra de L'Hospital:
a) esse processo iterativo corrigido recupera a convergência quadrá-
a) esse
tica, em processo
que ∆x naiterativo
iteraçãocorrigido recupera adoconvergência
k + 1 é o quadrado ∆x da iteração
k anterior, conforme
quadrática, em que os∆x valores de ∆x
na iteração k + na
1 é tabela de resultados
o quadrado do ∆x
do daExemplo 3.12 (observe que o expoente negativo da notação
iteração k anterior, conforme os valores de ∆x na tabela
científica de cada do
de resultados ∆x Exemplo
dobra de valor a cada iteração);
3.12 (observe e
que o expoente
negativo
b) nesse processodaénotação científica
necessário conhecer cada ∆x dobra
depreviamente de valor a
o comportamento
da cada
funçãoiteração); e derivadas ao longo da convergência, no caso,
e das suas
ab)eq. (19) éprocesso
nesse válida somente
é necessário → 0 e f '(x)previamente
para f(x) conhecer → 0. Se as demais
o
derivadas também da
comportamento tenderem
função ae zero, será derivadas
das suas necessário ao
reaplicar
longo a
Regra de L’Hospital. no caso, a eq. (19) é válida somente para
da convergência,
f (x) → 0 e f ' (x) → 0. Se as demais derivadas também tenderem
a zero, será necessário reaplicar a Regra de L'Hospital.
ao longo do processo d
polinomiais.
234Vamos
Vamos aprofundar a questão
aprofundar de "derivadas
a questão também
de "derivadas tenderem
também
CÁLCULO a zero"
tenderem
NUMÉRICO aCOMPUTACIONAL
zero"
s aprofundar a questão
ao longo de "derivadas
do processo também na
de convergência tenderem
seção a zero"
3.3.6 sobresobre
equações
ao longo do processo de convergência na seção 3.3.6 equações
ngo do processo de
polinomiais.convergência na seção 3.3.6 sobre equações 3.2.2.5 Rotinas de Funçõe
polinomiais.
omiais. Vamos aprofundar a questão de “derivada e função tenderem a zero simulta-
neamente” ao longo do processo de convergência na seção 3.3.6 sobre equações O método de New
3.2.2.5 polinomiais.
Rotinas de Funções Predefinidas
3.2.2.5 Rotinas de Funções Predefinidas rotinas de cálculo de va
otinas de Funções Predefinidas
digitais, conforme os e
O método
3.2.2.5deRotinas
O método Newton
de Newtontambém
de também
funções pode ser utilizado
pode parapara
ser utilizado
predefinidas elaborar
elaborar
O método de Newton
rotinas
rotinas também
de cálculo
de cálculo depode
de valores serfunções
de
valores utilizado
de para elaborar
predefinidas
funções predefinidasparapara
máquinas
máquinas
O método de Newton também pode ser 3.2.2.5.1
utilizado para elaborar Recíproco de um
rotinas
de cálculo de
digitais, valores
conforme
digitais, de funções predefinidas
os exemplos
conforme os exemplos a seguir. para
a seguir. máquinas
, conformedeos
cálculo de valores
exemplos de funções predefinidas para máquinas digitais, conforme
a seguir. Fazemos uso do
os exemplos a seguir. dedicada a obter o recípr
3.2.2.5.1 Recíproco
3.2.2.5.1 de um
Recíproco deNúmero
um Número
Recíproco de um Número Com essa rotina
Fazemos3.2.2.5.1
Fazemos uso uso Recíproco
do método
do método de
de um de número
Newton Newton parapara elaborarelaborar umauma rotinarotina
azemos uso
dedicada doamétodo
dedicada obter
a obter deo Newton
o recíproco
recíproco 1 para 1 com
com elaborar uma rotina
(complexos
(complexos não nulos).
Fazemos
a a obter o recíproco 1 com
uso do método c cde Newton para elaborar umanão nulos).
rotina dedicada
(complexos não nulos). x= 1
ComCom
a obter oessa crotina,
essa
recíproco 1desejamos
rotina,/c com c ∈ determinar
desejamos ℂ – determinar
{0} (complexos um um x talnão
xquetalnulos).
que c
Com essa rotina, desejamos determinar um x tal que
Com essa rotina, desejamos determinar um x tal que
1 1 Determinando
x = 1x = ou 1 1ou=1c ⇒ f⇒( x ) = −= c = − 0 =
x = 1 ou 1 x = c ⇒ c c x 1 x=c f ( x )
x x
c 0 teremos o recíproco de
f ( x) = − c = 0
c x e (11b), com
Determinando
Determinando a raiz a raizdessa dessaequação,equação, semsem usarusar a divisão,
a divisão,
Determinando
teremos
teremos o arecíproco
Determinando raiz dessa
o recíproco raizc.equação,
a de dedessa
Aplicando equação,
c. Aplicando sem usar
sem
Newton, Newton, aconforme
usar divisão,
a conforme
divisão, asteremos
eqs. (11a)
as eqs. o(11a)
recíproco
s o recíproco
e (11b), de
c.com
ede(11b), c. Aplicando
Aplicando
com Newton, conforme
Newton, conforme as eqs. (11a) e (11b), com as eqs. (11a) 1
com f ( x) = − c = 0 e f ′
x
1 1
−c −c
1 1 11 −1c xk xk 1 1
1 f ( x) f= ( x)−= c = −01c e= 0f ′e( x)f =′( x−) =x2 −⇒2 ∆⇒ x= ∆−x 2= −1 = ) 2( xk ) 2 − c − c
( xk=
xk +1= xk + ∆x ⇒
) = − c = 0 e f ′(xx) = x− 2 ⇒ ∆x =− x k x =( xk ) − 1−− c1 xk xk teremos
x x 1 ( xxkk ) ( xk)
2 2
−
( xk ) 2
teremos xk +1= xk x+1=k + x∆kx+⇒∆x= xk x+1k ( 2x−k (c2* −xkc)*. xk ) . Qual deverá ser o val
teremos
teremos x⇒ k +1 =
s xk +1= xk + ∆x ⇒ = xk +1 xk ( 2 − c * xk ) . convirja?
Qual
QualQual deverá
deverá serser ovalor
oser inicial xx0 para
valor inicial paraqueque
essaessa
expressão sempre
expressão convirja?
sempre
deverá o valor inicial 0 x0 para que essa expressão sempre
deverá ser o valor inicial x para que essa expressão sempre No Gráfico 3.12,
convirja?
convirja? 0
1
ja? No Gráfico 3.12, temos a representação da função geradora f ( x)= x − c para c > 1.
para c > 1.
No No Gráfico 3.12,3.12,
Gráfico temos a representação
temos da função
a representação geradora
da função geradora
No Gráfico 3.12, 1 1temos a representação da função geradora
f ( x)=f ( x)=− c para c > 1.
− c para c > 1.
− c para c >x 1. x
59 59
59
mputacional Gráfico 3.12 – Representação de f (x) = 1 ̸x – c para c > 1
CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA 235
Exemplo
Exemplo 3.13:
3.13: obtenha
obtenha o recíproco
o recíproco de
de c =de c = sem
425.32 425.32 sem
utilizar utilizar a
a operação
Exemplo 3.13: obtenha o recíproco c = 425.32 sem utilizar a
de divisão.de divisão.
operação
operação de divisão.
Solução:
Solução:
Solução:
3 3
Considerando
Considerando
Considerando que
que
–3
c écdacé ordem
que éda
daordem
ordem de),O(10
de O(10
de c =),
pois3 ),
O(10 pois
0.42532
pois *=10
c =c0.42532e 0.42532e
3
+3, +3,
, tomamos
a equaçãoa⇒
x0 tomamos
= 0.001 = x10= 0.001=10 x x
x1 k +1xk k( 2xk−(c2* −xkc):* xk ):
c
e aplicamos = (2 – * x ):
tomamos x0 = 0.001=10
0
–3
–3 e aplicamos
e aplicamos aequação
equação
k+1 ⇒k⇒ =
xk +=
Tabela 3.12
Tabela 3.12Tabela
– Resultados – Tabela3.13
de resultados do Exemplo 3.13
3.12do–Exemplo
Tabela de resultados do Exemplo 3.13
k xk | ∆x |
k x k
| ∆x |
0 0.00100000000000000
0 1 0.00100000000000000
0.00157468000000000 5.74680000000000e–04
1 2 0.00157468000000000
0.00209472925400723 5.74680000000000e–04
5.20049254007232e–04
2 3 0.00232320085777991
0.00209472925400723 2.28471603772682e–04
5.20049254007232e–04
4 0.00235083814577217 2.76372879922607e–05
3 0.00232320085777991 2.28471603772682e–04
5 0.00235117083601085 3.32690238675701e–07
4 0.00235083814577217 2.76372879922607e–05
6 0.00235117088309978 4.70889325795976e–11
5 0.00235117083601085 3.32690238675701e–07
7 0.00235117088309978 8.67361737988404e–19
6 0.00235117088309978 4.70889325795976e–11
Fonte: Elaboração própria
7 0.00235117088309978 8.67361737988404e–19
Então,
Fonte: temos
Elaboração própria.o
valor
Fonte:equivalente ao exato 1 / 425.32 =
Elaboração própria
0.00235117088309978 em 7 iterações, com critério de parada
Então,
| ∆x |<temos o valor no
10−16, convergido equivalente ao da
limite da precisão exato 1 / double.
variável 425.32 =
r1 d1 ⋮ b1
0 r d ⋮ b2
2 2
236 CÁLCULO
⋱ ⋱
Capítulo
Capítulo
Capítulo
NUMÉRICO ⋱ dededeCOMPUTACIONAL
333–––Solução
Solução
Solução Equações
Equaçõesnão
Equações não Lineares⋮aaauma
nãoLineares
Lineares uma
uma
⋮ Incógnita
Incógnita
Incógnita
Capítulo
0 r −1 Lineares
3 – Solução de Equações inão
di −1 a uma Incógnita ⋮ bi −1
Capítulo
i ri a umadiIncógnita ⋮ bi Li ← L
3 – Solução de Equações tnão Lineares
No Então,
Caderno de
No Caderno temos o valor
de Algoritmos, equivalente
Algoritmos, confira ao exato
confira oo algoritmo
algoritmo de 1 /425.32
de Newton
Newton = para oo ⋱ ⋱ ⋱ ⋮ ⋮
0.00235117088309978
para
em 7 no
iterações, com –16
critério de parada |∆x| < 10 , convergido no limite da
de cc no
recíproco de
recíproco arquivo Cap3reciproco.m.
arquivo Cap3reciproco.m. t r b
no de Algoritmos, variávelo double.
precisão daconfira algoritmo de Newton para o n n ⋮ n
no de Algoritmos, confira o algoritmo de Newton para o
de c no arquivo Cap3reciproco.m. Pg. 191
de c noRaiz
2.2.5.2
.2.5.2 Raiz No Cap3reciproco.m.
arquivo Cadernode
Quadrada
Quadrada dedeum Númeroconfira o algoritmo de Newton para o recíproco de c no
Algoritmos,
um Número f (α ) = 0
arquivo Cap3reciproco.m.
Pg. 216
Quadrada de um Número
Fazemos
Fazemos
Quadrada uso
uso
de um do método
do método de
Número ( g( x) = xpara
de Newton
Newton − f ( xcriar
para )criar
f ′( xuma
)) rotina
uma rotina
3.2.2.5.2 Raiz quadrada de um número
+
+
ue possa obter
e possa obter cc,, cc∈ ∈ℝ ℝ��++++.. Com
Com essa essaPg. rotina,
rotina, desejamos um
220 desejamos um xx tal tal que
que
mos uso do método de Newton para criar uma rotina
mos
== ccuso ,, oo quedo equivale
que método
equivale
+Fazemos ade
a obter
obter
uso Newton
doaamétodo raizpara
raiz f ′(de
positiva
positiva )Newton
= ln(
x0criar dauma
da 0 ) para
+ 1rotina
xequação
equação polinomial
polinomial
criar uma rotina que possa
bter c , c22∈ ℝ� +
. Com essa rotina, desejamos um x tal que
bter
uadrática
adráticaobter
c , c 2 ℝ
∈ �
++
. Com sem
== 00csem
xx –– cc√c, essa
∈ ℝusar +
usar rotina,
. Com aa radiciação. 232
desejamos
radiciação. um x tal que
essa rotina, desejamos um x tal que x = √c, o que
ue equivale a obter a raiz positiva da ′equação polinomial
ue equivale
Desse
Desse equivale
a obter
modo,
modo, a obter
a raiz
aplicamos
aplicamos a raiz
positiva positiva
o
o da
método
método (da
x) =
f equaçãoequação
de
de 1 polinomial
e x Newton,
− polinomial
Newton, conforme
conforme as x – c = 0
quadrática
as
2
x2 – c = 0 sem
2
semusar usara aradiciação.
radiciação.
)) xx222 −− cc eef ′′f(f x′′(()xx=)) =e= 22xx,,
x
qs. c = 0eesem
s. –(11a)
xs. (11a) (11b),
(11b),usar com:
com: a radiciação.
ff ((xx==
e modo, aplicamos Desse omodo, método aplicamos de Newton,
236 o método conforme
de Newton, as conforme as eqs. (11a)
e modo, aplicamos o2 método de Newton, conforme as
(11b), com: f ( x=
e (11b), )com:x2 − f(x)c (e(=xx xf))2′22(–−x−)ccc=e 2fx′,( x ) = 2 x ,
2
(11b), com: f ( x= ) ∆ ∆xxx −==c−− e kkkf ′( x) = 2244 x,
22 xx
( x )2 − c kkk
P ** ( x ) = x n Pn (1 x )
∆x =− ( xkk ) 2 − c 222 n
((xx )) −− cc
∆x =− 2 xxxkkk++11 = = xx −− kkk 249 ⇒ ⇒ xx ++ cc 0.5 0.5
2 xkk+1 2 kkk 22 xxkkk 5 4 3kkk 2 xxkkk
(x ) − c x + x − x − x = 0
xk +1 = xk − ( xkk ) 2 − c ⇒ x252 c 0.5
k + cx
xk +1 = xk − 2 xk ⇒ xk + k 0.5
P4 (2) ,xcrescente
kP4 (2) , P4 (2) , P4 (2) e Pn (2)
(4)
′ ′′ ′′′
Como aa ff ((xx=
Como )) xx2222−− xcck éé estritamente
=
estritamente crescente ee convexa
convexa para para
254
do xx positivo,
do positivo, então aa expressão
então expressão anterior anterior do do xxk+1 gera uma
gera uma sequência
sequência
o a f ( x= ) x 22 − cComo é estritamente
a f(x) = x 2 crescente e convexa para
– c é estritamente
k+1
k+1
crescente e>convexa para todo x
ompre
a f ( x =
mpre convergente
) x −
convergente para
c é estritamente
para raiz raiz quadrada crescente
quadrada P ( x
′gera)de
de=e 8 convexa
c, 3para
c,x para+ 3 todo
, todo
P para
′′( x)xx=000 >240.
0.
x 2
, P4′′′ ( x) = 48 x
vo, entãopositivo, a expressão anterior do x uma
então a expressão anterior do xk + 1 gera uma sequência sempre
4 sequência4
vo, então a expressão anterior do xk+1 gera uma sequência
n ( xde
vergenteconvergentepara raiz quadrada para raiz quadrada de c,k+1 P ′ 0 )todo
para c, para x >todo0. x > 0.
vergente para raiz quadrada de c, para todo x00 > 0. 0
AA questão
questão é:
é:Acomo
como tomar um xxtomar
paraum
que ( x0 ) convergência
Pn′essa = R2
tomar
questão um
é: como 000
para x0essa
que para convergência seja aa mais
seja
que essa convergência mais
seja a mais rápida
rápida possível?
possível? 259
rápida possível?
x 4 − 5 x3 + seja
é: como tomar um x0 para que essa convergência 6 x 2 +a 4mais
é: como tomar um x0 para que essa convergência seja a mais
x −8 = 0
sível? 318
sível? Uma boa alternativa é tomar
Uma boa
Uma boa alternativa
alternativa éé tomar
tomar
3.3 Solução244
de Equações Polinomiais
O algoritmo de Newton para determinar a raiz quadrada de c está dispo-
P6 ( x )
**
Vamos
nível abordar a solução
no** Caderno de equações da
de Algoritmos noclasse das Polinomiais
arquivo Cap3raizquadrada.m.
P6 ( importância
devido à sua x) histórica, à frequência com que aparecem
238 CÁLCULO NUMÉRICO COMPUTACIONAL
n3=
n =n = 33⇒
⇒
⇒PP ( xx))=== aaa1x1 xx+
3 +aax2 x+
+ a2 x 2 + 1+
+a3aax3 xx++a4aa4=== 0 00 (Cardano/Tartaglia,
(Cardano/Tartaglia, 1535)
33 2 2 1 1
P3(x)
3( (Cardano/Tartaglia, 1535)
1535)
3 1 2 3 4
Para
Para resolvê-la
resolvê-la por
por radiciação,
por radiciação, subtituímos subtituímos xx== ) em
x = y – a2 / (3a y−P / ( 3=a10)
a (x)
Para resolvê-la radiciação, subtituímos 1 y − a2 23 / ( 3a1 )
⇒ yem+ pP3y(+
3
q =0 0,⇒ em que pp y=+aq3 –= a02 ,/ em
2
(3a ) e q = p=
a +a (2a − a – 9a
3 2
(3aa)) /
em P3 ( xx)) = = 0 ⇒ yy 3 + 0 , em1 queque p=4 a33 − a2 22 2 (3a2 11 3) ee
3
+ p y+q =
(27a1) gera as soluções:
qq ==aa4 ++ (2 aa233 − 9a2 a3 ) (27 a1 ) gera
gera as as soluções:
soluções:
4 (2 2 − 9a2 a3 ) (27 a1 )
−q p3 q 2 −q p3 q 2
⇒ α1 = 33 −q + p3 + q 2 + 33 −q − 3 p3 + q 2 2
= 2 + 27 +3 − 3 −q
3 2
⇒ α1
2⇒ α == 3 −44 qq+2 +2 −p 3 27 + 4q 2
2 p 27 +
+4q2 4 + 3 −q − p
p 3
+ q
q 2
⇒ α1127 2 2
+ 27
27
+ 2 − 27 + 4
−q 3
p3 q 2 −q p3 q 2 4
3 2 27 4
⇒ α 2 = 33 −q + p + q + 33 −q + p + q
⇒ α2 = 2 + 27 + 4q + 2 +p 33 27 + 4q 22
3 − 3 −q
3 2
2 α 27 −4q +2 p 27 + 4q p q
= + 3 −q + +
3 2
⇒ p q
⇒ α 22 = + + + + + 4
3
2
2 27
27 4
4 2
2 27
27 4 213
213
Em deco
α =3 − 3 −q
3 2 3 2
−q p q p q Em deco
⇒ q − p3 + q 2
+ − q − p 3
+ q 2
⇒ α 33 = 3
da impo
2 − 27 + 4 +3 2 − 27 + 4 da impo
2 27 4 2 27 4 bilidade
CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA 239
−q p 3 q 2 3 −q p3 q 2
⇒ α3 =3 − + + − +
2 27 4 2 27 4
Exemplo 3.31:
x = 1.00000266769999 + (5.0057518865228e − 06)i
s no início deste Capítulo, uma raiz real de
izada via teorema de Bolzano. Nesta seção,
240
mas propriedades algébricas dos polinômios CÁLCULO NUMÉRICO COMPUTACIONAL
Cota doPropriedade
Módulo 2Máximo:
– Cota do módulo
em uma máximo: em uma Pn(x) = a1xn + a2xn – 1
+ ... + anx + an + 1 = 0, com a1 ≠ 0, para toda raiz a ∈ ℂ ⇒ |a| < rmax, em que
... + an x + an +1= 0 , com a1 ≠ 0 , para toda
max { a2 , a3 , ..., | an +1 |}
, em que rmax = 1 + .. Capítulo 3 – Solução de Equações n
a1
mo rmax de todas as raízes de Pn(x) = 0 também Capítulo 3 – Solução de Equações não Lineares a
A origem desse limite máximo rmax de todas as raízes Capítulode Pn(x)de =
3 – Solução 0 não Lineares a u
Equações
mbora seja normalmente
Dessa menos
forma, exato do que
também é atribuído a Cauchy, embora seja normalmente menos exato do
uchy", que
queveremos
a chamada na“cota
Propriedade
de Cauchy”,3.que veremos na Propriedade 3.
Dessa forma, a) se α for Real, ela estará sempre contida no intervalo (–rmax,+ rmax),
Dessa forma,
Dessa forma,
que poderá ser rastreado por um processo de varredura
a) se α for Real, ela estará sempre decontida no intervalo (–rmax,+ rmax),
a)a)sese αusando
α for Real,
for elaoela
Real, teorema
estará sempre
estará Bolzano
contida
sempre nopara
contida localizar
intervalo (–rmax
no intervalo ,+subintervalos
(–r rmax ), ),
, +r
que poderá menores ser que rastreado por um
contenha(m) processo
raiz(es) de varredura
Real(is); e
max max
que
quepoderá
poderá ser rastreado por
ser rastreado porum umprocesso
processo de de varredura
varredura usando
usandoob) o teorema
teorema
usando defor dedeBolzano
Bolzano para
para localizar localizar subintervalos
subintervalos menores que C
se ao raiz
teorema um Bolzano
Complexo, para localizar
então estarásubintervalos
contida no círculo
menores que
contenha(m) contenha(m)
raiz(es) raiz(es)
Real(is); Real(is); e
menores que contenha(m)
de centro rmaxe. Real(is); e
(0, 0) e raioraiz(es)
b) se ase
b)b)se raiz
a araizforfor
raiz um
for umumComplexo,
Complexo,
Complexo, então
então
então estará
estarácontida
estará contida no
contidano círculo
círculoCCC de
nocírculo
dede centro
centro
centro (0, 0)0)ee eraio
(0,(0,0) raio
raiorrmax...
rmax
max
Lembre-se que o módulo de um número complexo a + b * i é
dado por a 2 + b 2 em que ( i= −1 ).
Lembre-se
Lembre-se quequeo omódulo
Lembre-se de que ode
módulo deum umnúmero
módulo complexo
de um número
número complexo a + bb ** aii é+
complexo éb*ié
dadodado
dado por a a+ b+ b em
porpor 2 2 2 2
, em
emque que
que( i(=i= −−11).).).
PP ( (
x )
x**)==aa++aaxx++.... .... + +aa xx 0n1−1<
n−
++xan0−1<xxn2qn=/==c01,
a 0 pois 2 p + q = (21) 3(21)
n n P ( x )1 1= a2 2+ a x + .... n n + a xn +n1+1+ a x =0
n
(21) n
Pn** ( xn ) = a1 +Pa1**2(xx+)2 =....0+ an x n −n1 + an +1 xnn+1= 0 P(21)
n
**
( x ) =(21)
x Pn (1 / x )
Então,
Então,podemos
podemosaplicar
n
aplicaraamesma c = 0.42532
mesma cota
cota239 * 10
máxima
máxima
3
ààPP****( x( x) )==00**ee
Então, podemos aplicar a mesma cota máxima nn
à** Pn ( x)**= 0 e
Então,
determinar
determinarum podemos
umraio aplicar
raiomáximo
máximo
Podemos a mesma
( x ) auxiliar
Pn aplicar,
**
auxiliar
dessa r2r,2 ,limite
236forma, cota
limite máxima
superior
a mesmasuperior
cotadas ( x)à=P0n (ex ) = 0 e
àdasPraízes
n raízes
máxima
determinar um raio máximo auxiliar xr02 , limite superior das raízes
determinar
de
dePP ****
n n(x ( x) )==determinar
,viaraio um
00um
,via raio máximo
máximo auxiliar
auxiliar r2 , limiter2 , limite superiordas
superior das suas
raízesraízes, via
de** Pn** ( x) = 0 ,via (0 . d1 ...... d241
t) Pn ( x )
**
de Pn ( x) = 0 ,via Pn** ( x ) = 0
max{{a1a1, ,aa2 2, , aa3 3, ,...,
max ..., | a| an n|}|}
{ { } }
r2r2= = 11++ max a1 , a2 , 237 a3 , ..., |**an | (22)
(22) (22)
+ 242
r2 = 1max a1 , aa2an +n,1+1 a3 , ..., | aP n n|
( x ) = x n Pn (1 / x ) Pn** ( (22)
x) = 0
r2 = 1 + an +1 (22)
a c = (0 . d1 **adt )10 2 p+q
P6 o( xde
que se tornou
ao denominador. ) =maior
3 x 6 + grau
4 x 3 −em
1** t
2 x 2P−
n 6 ( x ) passa ao denominador. Pn ( x) = 0 65
65
m = 0.68572 ( mantissa ) 65
244 P **
( x ) = 0 P6 ( x ) = 3 x 6 + 4 x 3 − 2 x
O recíproco desse limite p r=2 1corresponde ao raio mínimo das raízes de
n
O recíproco desse limite r corresponde
q = 1, pois 2ao raio mínimo das
Pn(x) = 0, ou seja, 2 p+q=3
P6 ( x )
**
raízes de Pn(x) = 0, ou seja,
242 244
rmin = 1/r2 P6** ( x ) (23a)
rmin = 1 r2 239
Pn ( x) = 0 P6** ( x )
(23a)
245
Neste caso, x0 P6** ( x )
Neste caso, P6 ( x ) = 3 x 6 + 4 x 3 − 2 x 2 − 6
maxP6** ( x{)a1 , a2 , 241
a3 , ..., | an |} 245
=rmin 1 1 + 244 (23b) (23b)
an +1**
254 Pn ( x ) = x n Pn (1/ x ) P6 ( x )
**
P6
**
( x )
Logo, a maior raiz de Pn** ( x) = **0 está dentro do limite r2 , mas
Logo, a maior raiz de Pn ( x ) =P0**está ( x ) dentro do limite r2 , 254
mas essa sua
6
essa sua maior raiz corresponde à menor raiz
maior raiz corresponde à menor raiz de Pn(x) = 0. de P n
(x) = 0.
Lembramos que a Propriedade
Lembramos Pn** ( x )2 245
que a Propriedade vale
2 vale parapararaízes Reaise eComplexas,
raízes Reais
Complexas,ouou seja, esses
seja, limites
esses do módulo
limites do módulo das raízes podempodem
das raízes ser interpretados
ser em
um gráfico cartesiano
interpretados em um gráfico cartesiano com eixo Real
Pn ( x )com
** **e Imaginário (Im = eixo puramente
=P0 eixo
( x ) Real e Imaginário
Complexo), onde toda raiz α de Pn(x) = 06 está contida no intervalo rmin < |a| < rmax,
(eixo puramente Complexo), onde toda raiz α de Pn(x) = 0 está contida
ou seja, α está dentro do anel destacado 254
em cinza do Gráfico 3.13.
no intervalo rmin <| α |< rmax , ou seja,242 α está dentro do anel destacado
em cinza da Figura 3.13.
Pn ( x) = 0
242 CÁLCULO NUMÉRICO COMPUTACIONAL
Exemplo
ExemploExemplo 3.15:localize
3.15: localize
3.15: as as as
6 raízes
localize raízes de
3 raízes
de +364xx+3+4x
x 6 3x
3de
6 3
− 622 =
−423 xx–2 2x
− = 0 porpor
x–206−por
6= 0 meio das
localize as raízes de 3 x + 4 x − 2 x − 6 = 2
0 por
meio
meio das cotas-limite
dascotas-limite
cotas-limite dede
de módulo módulo
módulo máximo máximo
máximo e mínimo.
e mínimo.
e mínimo.
-limite de módulo máximo e mínimo.
Solução:
Solução:
Solução: 6 6
Como
Como 3 P6 ( xx)2)== 33xx ++4 x43x−3 2−x22 − x 26=− 60=, aplicando
0, aplicando a Propriedade
a Propriedade 2, 2,
x + 4 x −Como
6
2 x − 6P= (x) 0, =
aplicando
3x 6
+ 4x 3 a Propriedade
– 2x 2
– 6, aplicando 2, a Propriedade 2, com a1 = 3
om aa = 33 ee max{|
com max{|
6 00|,||,| 0 4|,||,|4−|,|
0 |,| −20 |,| −
2 |,| 06|,||}−= = 6 , temos:
66|}, temos:
4 |,| −{|0|,
ax{| 0 |,|11 0 e|,|max 2 |,||0|, −6 |–2|,
0 |,||4|, |} = 6|0|, |–6|} = 6, temos pela eq. (22):
, temos:
6 6
6 =
rmaxrmax 1=+ 1+ = 3 = 3 2
rmax = 1+ = 3 |3| | 3|
|3|
Para calcular
Para calcular um umraio raiomínimomínimo para paraessasessas raízes, podemos
raízes, podemos
um raio mínimo para essas raízes, podemos
aplicar
plicar aPara eq. (23b):
eq.calcular
(23b):um raio mínimo para essas raízes, podemos aplicar a eq. (23b):
3b):
max{|| max{|| 3,| 3,|
0 |,|00|,|
|,| 04 |,|
|,| -2 |,| 0-2|}|,| 0 |}
4 |,|
max{||
=
= +
rrmin3,| 011|,|01 1
|,|
+ 4 |,| -2 |,| 0 |}
1 +
−6 −6 −6
min
rrmin ==0.60.6
6 min
Assim, as
Assim, as raízes
as de P6P(x) =estão
=P 0(x) entre 0.6 < α<|<<
|0.6 | α<.|<
3.0
s de P6 (x) =raízes
Assim,
0 estão de
raízes
entre (x)
de
6 0.6
0=estão
0 estão
6 <| α |< 3.0 .
entre
entre 0.6 |α| 3.0 .
3.0.
Esse
Esse resultado pode ser comprovado quando determinamos as
poderesultado
ser Esse podepode
resultado
comprovado ser comprovado
quando comprovadoquando
ser determinamos quando determinamos
as determinamos as de
as 6 raízes
6 raízes Pde(x)P6=(x) = 0 (via função roots() do Octave), conforme
x)raízes
= 0 (viade 0 (via
P6 (x)
6 função = função
0 (via
roots() doroots( ) do roots()
função
Octave), Octave),
conforme conforme
do Octave),segue:conforme
segue:
egue:
x1 = −1.373431183527068 + 0.000000000000000i
x1 = −1.373431183527068
373431183527068 + 0.000000000000000i
+ 0.000000000000000i
Assim, as
Assim, as raízes
raízes de de P (x) =
P6 (x) estão entre
= 00 estão entre 0.6 α ||<
<|| α
0.6 < 3.0 ..
< 3.0
6
Esse
Esse resultado
resultado pode
pode ser
ser comprovado
comprovado quando
quando determinamos
determinamos as as
6 raízes
raízes de
de P (x) = (via função
= 00 (via roots() do
função roots() do Octave),
Octave), conforme
conforme
CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA
P6 (x) 243
6 6
segue:
xx6 =
=− 0.411221178461147 −
−0.411221178461147 − 0.834073854054218
0.834073854054218ii
6
método método
de iteração do termo
linear,de maior
considerando considerando
fosse coeficientes
isolado,
coeficientes análogo a um método de iteração
a
duloum método de
linear,
e com valores iteração
considerando linear,
de xk tomados considerando
coeficientes emcoeficientes
em umiterativo módulo e com valores de xk tomados
passo iterativo
om valores de xk tomados em um passo
ulo e com valores em um de passo xk tomados em um logo:
iterativo anterior, passo iterativo
, logo:
, logo:
((( 4 x ) ) ))
xk +1 = (x4kx+1k3=+ 2(x4k2 x3+k 6+)2/ x32 k + 6 ) / 31/6
(x
1/6
3 2 1/6
k +1 = k + 2 xk + 6 / 3
aso, para
ra uma uma
cota cota
com 16 com 16 dígitos
dígitos significativos,
significativos, então então
aso, para
−15 uma cota com 16 dígitos significativos, então
:< 10−15 :
anterior, logo: r1 d1 ⋮ cb1=(0 . d1 ...... dt )102 p + q
0 r d b2(0
⋮c = . d ...... d )102 p + q
(( ) )
1/6
2 23 1
COMPUTACIONAL t
244 x = 4 x + 2 x 2
+ 6 / 3
CÁLCULO NUMÉRICO m = (0 . d ...... d )
k +1 ⋱ ⋱k ⋱ k ⋮ ⋮ 1 t
⋮mbi=−1 (0 . d1 ...... dt )
Nesse caso, para uma cota 0comri −16 1 di −1
dígitos significativos,
m= 0.68572 então(t mantissa )
Nesse caso, para uma
−15 cota
xk +1 − xk < 10 : com 16 t
dígitos r d
significativos, ⋮
então b |x L ←
–
i =k0.68572 x L| <−10–15 i
L
: i −1
+ 1i k i (r )
m 1 mantissa
i i i
p = i −1
⋱ ⋱ ⋱ ⋮ ⋮
pq==11, pois 2 p + q = 3
Tabela 3.13 – Resultados doExemplo
Tabela 3.13 – Tabela de resultados dotnExemplo
3.16 rn ⋮ b3.16
q n=1, pois 2 p + q = 3
k xk x −x
Pg. 191 k +1 k
239
f (α ) = 0 0 0 –
239
Pg. 216 1 1.12246204830937 1.12246204830937 x0
( g( x) = x 2− f (1.29541512584639
x) f ′( x)) 0.172953077537016
x0
Pg. 220
3 1.34864877400131 0.0532336481549256 241
f ′( x0 ) = ln( x0 ) + 1
⋮
241
31 1.37343118352707 6.66133814775094e–16 Pn** ( x ) = x n Pn (1 / x )
232
f ′( x) = e x − 1
Fonte: Elaboração própria. Fonte: Elaboração própria Pn** ( x ) = x n Pn (1 / x )
P ** (não
Capítulo 3 – Solução de Equações x )Lineares
= 0 a uma Incógnita
O valor f ′′(
de x )
x = e
com
x
16 dígitos Capítulo 3 – Solução de Equações nnão Lineares a uma Incógnita
convergidos é o r = 1.37343118352707
O valor de xk com k 16 dígitos convergidos é o rCapítulo Pn de( xEquações
= 31.37343118352707
max **
) = 0 não Lineares
com
236 max – Solução a uma Incógnita
|xkcom
+1
– x x|k
≅+1
0.
− x
kf ′( x ) = 2 x
k ≅ 0. P n
**
( x )
Pn ( xx )−o2polinômio
6 ** 3
Para
Para calcular o raio mínimo
244 a cota-limite mínima de Cauchy,
calcular das raízes de P ( x )= 3 x
tomamos+ 4 x 2 − 6= 0
), definido peladeeq. n (21), que contém os oinversos
n 6
Pn x(1), xdefinido
Pxn (1 Pn**de( x )um
= 0inversos
pela pela
auxiliar Pn** ( xeq.
cota ) = (21),Pn (1que
xCauchy, x ) , contém os
calculamos
definido inversos
pela eq. raio
(21),interno
que contém os anel
x) = x Pn (1
cativos
n
das x),raízes
definido de pela
P (x) eq.
= 0:(21), que contém os inversos
tivos dasmultiplicativos
raízes
que “não”de P6 (x)
249 6 =raízes
contenha
das 0: de raízes
P6(x) =por
0: meio do polinômio Pn ( x ) =auxiliar
**
0
ltiplicativos dasxraízes 4 de
−34xx343−P− (x)
2 = 0:
x)x3=+ x6x32−x=24 0x−46−x66 x= 242
5
x)x= x) +=+ 0=
** 6 6 6
P6**P(6x)( = P6 (1
Px6 (1 0
P6 ( x) =
** 252
x P6 (1 x) =+
6
3 4x − 2x − 6x =
3 4 6
0 242
P4 (2) , P4′(2) , P4′′(2) , P4′′′(2) e Pn( 4 ) (2) Pn ( x) = 0
a partir
partir dede x0 x=0 0= (valor0 (valor inicial),
inicial), geramos
geramos a
a equaçãoequação
ão, a partir Então, dea254 x0 = 0de(valor
partir x0 = 0 (valorinicial), geramos
inicial), geramos a aequação
equação ( x) = 0 a seguir:
Pn iterativa
aseguir:
a seguir: P6 ( x ) = 3 x 6 + 4 x 3 − 2 x 2 − 6
ativa a seguir: P′( x) = 8x3 + 3 P′′( x) = 24 x2 P′′′ ( x) = 48 x
, 1/6 , 4 P6 ( x ) = 3 x 6 + 4 x 3 − 2 x 2 − 6
( ((
xk x= = ( 2 xk24 x+44+xk4
4 3 3
+ )) )
3+) /36 / 6
4 1/6
1
1
a i
ai +1 i
qi = i +1 comii==q1,1,
com =...,
n.n.
i ..., com i = 1, ..., n.
a1 a1
plo 3.17: calcule
Exemploas cotas-limite
Exemplo 3.17:
3.17: calcule
calcule de raízes
as cotas-limite de Kojima
as cotas-limite para
de
de raízes raízes
de depara
Kojima Kojima para
o polinômio
nômio P6 ( x)P
= 6o x =+3x
(x) 4 x+−4x2 xP
3polinômio
6 6 3 3 2
( x6=)=– 063. x= 0.
–6−2x 2 6
+ 4 x − 2 x − 6= 0.
3 2
ão: Solução:
Solução:
os coeficientes
Comosão os
a1 =coeficientes
3, a2 = 0, asão = 0,a a= =3, 4,a2a=5 =0, –2,
a = 0, a4 = 4, a5 = –2,
Como os coeficientes são a1 3= 3, a21 =4 0, a3 = 0, a4 =34, a5 = –2, a6 = 0 e a7 = –6,
e a7 = –6, então
a6 a=asequência
então 0sequência de
e a7 = –6,de fatores
então qi é:
a qsequência
fatores é: de fatores qi é:
i
0 2 4 3 −2 4 0 5 0 −1 6 06 2 4 3 −2 4 0 5 −6 6
1 1 1 1 1 1 1 1 1 1 1
,
omputacional , q, = , , =, {0, , 0, 1.100642,
, , 0.903602, 1.122462}0.903602, 0, 1.122462}
= {0, 0,0, 1.100642,
3 3 3 i 3 3 3 3 3 3 3 3
omando
mputacional
os dois maiores valores: max 1 = 1.122462 e
69
ax2 = 1.100642, temos
Tomando os doisos
Tomando maiores
dois valores:
maiores max1valores:
= 1.122462max
e max== 1.100642, temos
2 1.122462 e 1
max2 = 1.100642, temos
= rmax
rmaxTomando max 1
=+max maxos 12
+=max 2.223104
dois = 2.223104
2 maiores valores: max 1 = 1.122462 e
71
3.3.2 Natureza de raízes de equações polinomiais 71
71
71
71
71
Nesta seção, vamos apresentar algumas propriedades que qualificam as
raízes quanto à sua natureza, embora as cotas que apresentamos anteriormente
já permitam uma boa localização de raízes iniciais.
se α = a + de
b * coeficientes
i for raiz, α =Reais
a – b *sempre
i também ocorrem aos pares conjugados,
será raiz.
isto é, se αas= raízes
plo 3.18: Exemplo
determine i for
a + b *de x2 raiz, 2 – b * i também será raiz.
x + α2de== xa0.
–raízes
3.18: determine as – x + 2 = 0.
ão: Exemplo 3.18: determine as raízes de x2 – x + 2 = 0.
Solução:
Solução:
lução de equações de 2º grau, temos: 1± 1− 8 1 ± −7
= α =⇒α
2 temos: 12± 1 − 8 1 ± −7
Pelasolução
Pela soluçãodedeequações
equaçõesde de22º
o grau,
grau, temos:
= α =⇒α
2 2
α1 = 0.5 + 7 4 i e α 2 =0.5 − 7 4 i
α1 = 0.5 + 7 4 i e α 2 = 0.5 − 7 4 i
quência:
Consequência:
Pn (x) = 0 de Consequência:
coeficientes reais com grau ímpar possui ao
Toda
Toda
uma raiz Real. Pn (x) = 0=de
Pn (x) 0 decoeficientes
coeficientes reaisreais
com graucomímpargrau possui
ímparao menosaouma
possui
raiz Real. uma raiz Real.
menos
edade 6: em Pn (x) = 0, com an+1 ≠ 0, se n for par e a1 * an+1 < 0
tirão ao Propriedade duas6:raízes
Propriedade
menos em
6: em Pn(x) = 0,=uma
Pn (x)
Reais, com
0, com apositiva≠ 0, se outra
n +a1n+1 ≠ 0,ese forpar
n nfor pare ea1a*1 a* an n+1
+1
<0 ⇒
existirão ao menos duas raízes Reais, uma
⇒ existirão ao menos duas raízes Reais, uma positiva e outra positiva e outra negativa.
va.
negativa.
Por exemplo, em 1x12 – 5x2 + 3x – 2 = 0, temos que a1 * an + 1 = (1) * (–2) < 0,
mplo, emlogo 12
− 5 x + 3pelo
1x possui 2
x − 2menos
= 0, temosuma que 1 * an +1=
raizaReal positiva < 0, negativa.
(1) * (−e2)uma
ossui peloPor exemplo,
menos uma em raiz1xReal − 5positiva
x + 3 x − 2 e= 0, temos
uma que a1 * an +1= (1) * (−2) < 0,
negativa.
12 2
logo possui pelo menos uma raiz Real positiva e uma negativa.
edade 7:Propriedade
em Pn (x) = 7:0,em com Pn (x)
an+1= ≠0,0,comse aexistirão
n+1
≠ 0, sealgum
existir algum k = 2, 3, ..., n,
queaa2 k2≤≤aak + *1 a7:
talPropriedade *a
kem
⇒ existem
– 1 P (x) = 0,
raízes Complexas.
com complexas.
an+1 ≠ 0, se existirão algum
... ,n, tal que k k +1 k -1 ⇒ existemn raízes
k ≤ akcondição
2
k = 2,3, ,n, tal que éauma
Essa...propriedade +1 * ak -1 ⇒suficiente,
existem raízes
mas não complexas.
necessária, ou
seja, se não for satisfeita, nada poderemos afirmar sobre a existência de
raízes Complexas.
P5* (esse
x) =Ppolinômio
5 ( − x ) =( − x )auxiliar
5
+ (− x) 4 −P(−( x)3 −tem
*
5* (− x)“duas”
2
=−1x524
4 +permutações
3x4 +
14x324−3 x 2 =0de
esse polinômio auxiliar P5 (x) tem “duas” permutações 1 trocade sinal (até duas
sinal (até duas raízes positivas), logo o polinômio 1 troca
original P (x)
raízes positivas), logo o polinômio original P5(x) possui até5 duas raízes
possui até duas
negativas, masraízes
se tivernegativas,
menos, serámas por se fordiferença
uma menor, “par”,
por uma
podendo não
diferença
ter raízes“par”, podemos
negativas, não ater
conforme raízes
Tabela negativas, conforme
3.14:
a Tabela 3.14: 73
Tabela 3.14 – Número de possibilidades de raízes Reais e Complexas
Tabela 3.14 – Possibilidades de raízes reais e complexas
Positivas Negativas Nulas Complexas (complemento para n)
Nº positivas Nº negativas Nº Nulas Nº Complexas (complemento para n )
1 1 2 2 2 2 0 0
1 1 0 0 2 2 2 2
Fonte: Elaboração própria
Fonte: Elaboração própria.
ParaPara
confirmar
confirmaro oresultado, observe
resultado, observe a fatoração
a fatoração em binômios
em binômios deste polinômio
deste Exemplo 3.19:
dopolinômio do Exemplo 3.19:
P5 ( x) =+ x5 + x 4 − x3 − x 2 =( x − (−1)) 2 ( x − (+1))( x − 0) 2 =0
Então, temos três raízes Reais distintas: –1 (aparece duas vezes, multiplicidade
M = 2), +1 (aparece uma vez) e 0 (aparece duas vezes).
.3 Cálculo
3.3 Cálculo Eficiente
Eficiente de
de Valores
Valores das
das Funções
Funções Polinomiais
Polinomiais ee suas
suas Derivadas
Derivadas
3.3.3
3.3 Cálculo Eficiente Cálculo
de Valores eficiente
das Funções de valores
Polinomiais e suasdas funções
Derivadas
de Valores
3.3.3 das
Cálculo FunçõesdePolinomiais
Eficiente Valores daseFunções
suas Derivadas
Polinomiais e suas Derivadas
Para polinomiais e suas derivadas
Para obterobter valores valores numéricos numéricos de de P (x) ee de
Pnn (x) de suas suas derivadas,
derivadas,
mos Para
mostrar obter qual valoresé a formanuméricos mais de
eficiente P (x) de e de suas derivadas,
representar P (x).
ores numéricos
mos mostrar
Para obter qual de
Paravalores P
obter (x)
é anforma e de
numéricos
valores mais suas
numéricos derivadas,
eficiente
n
de Pn (x) dede representar
Pen(x)
de esuas de suas n (x).
Pderivadas,
derivadas, vamos
mos mostrar
é a forma qual
mais eficiente é a forma de na mais
representar eficiente Pn de de representar
(x).representar P n (x).
vamos Se expressarmos
mostrar
Se mostrar qual é
qual é aPnforma P
a (x)
forma
(x) namais maisforma eficiente padrão,
eficiente considerando
de considerando
representar P (x). n que
expressarmos forma padrão, n Pn (x). que
mos PSe(x)
potências expressarmos
nainteirasforma
Se expressarmos Pxnn (x)
padrão,
de são na P forma
considerando
calculadas
(x) na formapadrão,
por que
padrão, considerando
produtos
considerando e não que
por
que as potências
potências
n
inteiras de xPnsão
Se expressarmos (x) na calculadas
n forma padrão, por produtos considerando e não por
que
potências
stenciações,
de x são inteiras
calculadas
inteiras de x de
são x
por são
calculadas calculadas
produtos por e não
produtos por por
eprodutos
não por e não
i +1potenciações,
xxii ++11 == e não ipor reaprovei-
as potências reaproveitando
tenciações, inteiras de x sãoprodutos
reaproveitando produtos
calculadas efetuados,
efetuados,
por produtos xx ** xxii por,,
{{
tenciações,
oveitando
emos que:tando reaproveitando
produtos produtos efetuados,
efetuados, produtosx i +1
= efetuados,
x
{ * x i
,, teremos x =
que:
1 x*x i ,
{
multiplicação
i +1 1 multiplicação
potenciações,
remos que: reaproveitando produtos efetuados, x =1 multiplicação {x*x ,
remos que:
1 multiplicação
nn adições
adições e e
Então,
Então, (xn (x
Pn P
Então, =P=
u)
n
necessitará
=necessitará
(xu) apenas
apenas
u) necessitará dede
apenas de
nn multiplica
multiplica
ções
ções
Peloalgoritmo
Pelo Pelo algoritmo
algoritmo da dadivisão
divisãoda divisão
dede de polinômios,
polinômios,
polinômios, temos
temos
temos que
queque
Pelo algoritmo
Propriedade
Propriedade 9: 9:
o valor
o valordanuméricodivisão
numérico de
dedepolinômios,
(x)
Pn Pn
em
(x) em
x =
x =utemos
éu oé que
resto
o resto
R1R1
dada
primeira
primeira
PPn (divisão
(xx)divisão
)==( x( x−de
−u )ude
P)PnP (x)(x)
P por
)por
n−1 (nx()x+ +1(x
R R (x
– u).
– u). (24) (24) (24)
Pnn( x) = ( x − u ) Pnn−1−1( x) + R11 (24)
Então,
Então,fazendo
fazendo x==u,u, x = u,
Então, xfazendo
Então, fazendo x = u,
PPn ((xx==uu) )==(u(u− −u )uP)nP
−1 (u()u+) R
+1 R=1 R=1 R→ =
Pn (P
x (= u=
) u=)R1 R1
1 → n x
Pn ( x = u ) = (u − u ) Pn −1 (u ) + R1 = R1 → n
n n −1
P (=x u=) R1 7575
Considerando o polinômio quociente dessa primeira divisão
Considerando o npolinômio quociente dessa primeira divisão
como Considerando x n −n1−1+ bo2 xpolinômio
Pn −1 ( x)= b1 Considerando −2
n −+2 ... + bn ,quociente
o polinômioem que os dessa
quociente primeira
dessa
coeficientes divisão
primeira divisão como
bi podem
como Pn −1 (Px)= (x) −1 b+xbn2–xn1− 2+ b
b1 xn = + x...
n – 2+ bn , em que os coeficientes b podem
+ ... + b , em que os coeficientes bi podem ser
como =n – 1beq.
Pn −1 ( x)da
ser obtidos 1 x (24), +1b2 pela
x +igualdade
2... + bn , em que
termo
n aostermo,
coeficientes
temos:bi podem
i
ser obtidosobtidosda eq.da(24), pelapela
eq. (24), igualdade
igualdadetermo
termo aatermo,
termo, temos:
temos:
ser obtidosbda
= aeq. (24), pela igualdade termo a termo, temos:
1 1
b1 = a1
bb1= a
1i = a1i + u * bi −1 ∀ i = 2 até n + 1
b= ai + u * bi −1 ∀ i = 2 até n + 1
b= i
ai + u * bi −1 ∀ i = aténn++11
2 até
em que i
resto R1 = bn+1.
em que resto R = bbn+1. .
em que
em que resto R11R=1 =bn+1
resto n .+ 1
Então, se usarmos a divisão sintética de polinômios, o
cálculoEntão,
de Pn (xse se usarmos
=Então,
u) = Rse1 também a divisão
usarmos sintética
anecessitará
divisão apenas
sintética dede
de polinômios, o de
n adiçõesoe cálculo
polinômios,
Então, usarmos a divisão sintética de polinômios, o
cálculo dePP n n (x = u) =1 R1 também necessitará apenas de n adições e
(x = u) = R também necessitará apenas de n adições e n multiplicações.
n multiplicações.
cálculo de Pn (x = u) = R1 também necessitará apenas de n adições e
n multiplicações.
n multiplicações.
Propriedade 10: se α é10:
Propriedade um sezero de Pzero
α é um n
(x), então Pn (x)
de Pn(x), seráPdivisível
então n
(x) será divisível por
por α) –e α)
(x – (x
Propriedade pore por
10: se consequência
consequência
α é um zeroRde R= 0.= 0.
1 1 Pn (x), então Pn (x) será divisível
Propriedade 10: se α é um zero de Pn (x), então Pn (x) será divisível
por (x – α) e por consequência R1 = 0.
por (x – α) e por
Propriedade 11: consequência R1 =
o valor numérico de0.P ′ ( x) em x = u é o resto n
R da segunda11:
Propriedade
2
divisão sucessiva
o valor de Pde
numérico n
(x) Ppor
′ ( x(x – u).x = u é o resto
) em
e 10:
de 10:se
iedade seααééum
umzero
zerode de PPn (x),
(x), então
então (x)será
P2Pn (x) será divisível
divisível
iedade 10:
10: se α éé um
se α um − qzero
zero
−−qq n de
p 3 P3 3(x),
de P
p p
qn (x),
2
qq2então
então
−n
q −P
P
−qq p 3 será
(x)
n (x) ppq3 32 divisível
será divisível
qq2 2
e–por
poreconsequência
252⇒ α⇒
3⇒ =ααTabela
consequência 3
3==RR
3 3−==3.14
0.
−0.
− +–= n
+++ ++ − −− de
3 3 3 n
+ raízes
++ reais
α) e por
– α) por consequência 27R 0.
3Tabela CÁLCULO NUMÉRICO COMPUTACIONAL
consequência 2 1 1223.14 –4
=27
R1127 Possibilidades
Possibilidades
0. 44 2 22 27de 2727raízes
4 44 reais eecomplexas
complexas
e 11:
de 11:oovalor
valor numérico
numérico de
de PP ′ (′ (xx)) em =uuéxéo=oresto
′′ ( xx)x=em
em resto
iedade 11: o
Nº
Nº valor
Propriedade
Positivasnumérico
11:
iedade 11: o valor Tabela
numérico
Positivas Nºo
Nºvalor
Negativas
Negativas
n nde
de
numérico P
P Nº
nNº ( x de
)
NulasP'
em
Nulas (x)
xNº=
Nº emu
u xé o
Complexas
Complexas resto
=raízes
oureais
éraízesresto
é oreais
resto para nn))
R2complexas
da segunda
(complemento
(complemento para
da
nda divisão
divisão sucessiva
sucessiva Tabela
deTabela
de 3.14
PP (x) 3.14
3.14
(x)– Possibilidades
por
por– –Possibilidades
n
(xPossibilidades
(x – – u).
u).n de raízes
de
de reais
e complexas
eecomplexas
segunda divisão
segundadivisão sucessiva
1sucessiva
divisão1 sucessiva
de
de Pn2nn2(x)
depor P (x –por
Pnn (x)
(x) 2u).
por (x – u).
2 (x r– u). 00
d ⋮ b 1 1 1
0 NºrComplexas
NºdComplexas
do
doaaprimeira
omando primeira
Nº1divisão,
1Nº
divisão,
Tomando
Positivas
NºPositivas
Positivas 0Nº
atemos:0NºNegativas
temos:
primeira Nº22
divisão,
Nº Negativas
Negativas temos:
Nulas
Nº Nulas2 Nº
NºNulas 22(complemento
2Complexas
(complemento
(complemento nb)2 nn) )
para⋮para
para
omando aa primeira primeira divisão, divisão, temos: temos:
1 11 2 22 2 22 t 3 r 3 d 3 0 00 ⋮ ⋮
PP ( x
( )
x )= = ( (x x − − u u ) P
) P ( (x )
x )+ + R R
Pnn ((1xx)) =
P ( xn −n−1−1u ) P (1xx1 )) + R ⋱ ⋱ ⋱2 22 ⋮
nn
=11( x − u ) P0nn −−11 ( 0 0 + R11 2 22
⋱ ⋱ ⋱ ⋮
do
ndo uma
umasegunda
Propriedade
Propriedade
etuando segunda
uma 11:11:
segunda
Efetuando divisão
divisão
oo valor valor
divisão
uma sintética,
sintética,
numérico
numérico
segunda sintética, via via de
divisão de divisão
divisão x))de
′n′((xdivisão
PPnsintética,
via de
em
em PPn–1 via (x)
x(x)
xde =uPu é(x)
=divisão é ooderesto resto
P (x) RR por da
da segunda
segund
etuando uma segunda divisão sintética, via divisão n–1
de P t
n–1 (x) r n–1
d
22
⋮ b
mos:
mos:
divisão(x
divisão – u), temos:
sucessiva
sucessiva dede PPnn((xx)) por por ((xx−−uu)).. n–1 n −1 n −1 n −1 n −1
u), temos:
u), temos:
′ ′′ t n rn ⋮ b n
Propriedade
Propriedade
PPropriedade )==
(aa(xxprimeira
)primeira (((x11:
x−)−u= 11:)11:
uodivisão,
valor
)PxP oo(valor
x)valor
x)P)numérico
+temos:
+temos:
RR numérico
numérico de de Pde n (x P)P
n n( (
em
xx) ) em em
x = uxx=é =uuoééresto oo resto
restoR2 da RR2 2 da
segunda
da segun
segu
Tomando
Tomando P
n−n1−1 P x ( n− n−
divisão, − 2u( (2x2) + R
)x+−(Ru(x2x)−.−uu)). r.1 d1 ⋮ b1
2
divisão divisão
divisão sucessiva −1 ( x ) =
Psucessiva
nsucessiva de ( x de P−de u ))P
n ( xP P n(porx2x)()por
−( x(por
n − 1 n − 2 2
nn
PPnn((xx))==((xx−−uu0))PPnn−r−11((xx))d++RR11 ⋮ b2
uindo
uindo
bstituindo (x)Pem
PPn–1n–1(x) em (x) PPn n(x),
Substituindo em(x),P temos:
temos:
(x),
P temos:
(x) em P (x), temos: 2 2
bstituindo
Efetuando
Efetuando
Tomando Tomando
Tomando uma
Puma
a (x)
n–1
n–1 primeira aem
segunda
asegunda
primeira
primeira (x),
Pnndivisão,divisão
n temos:
divisão
divisão,
–
divisão,
1
temos:sintética,
sintética,
temos: via
temos:
n viadivisãodivisãode
⋱ ⋱ ⋱ PPnn−−11((xx))
de por
por ((xx−−uu)),,temos:
⋮ ⋮
temos:
xx))=
n n( (
PP = ((xxx−)−u= u)((
(()((xxx− x−u−u)(( u))PxP n −n−2− 2(u(x)x)P)++P RPR2n−xP))n)+(x(+
121(
+xx)RP P
n1=
))R
R
= n(
1( x(x)+x)−=−=u(u(x))xP
−P−nu−u1)(P
)(xP
nx)
−n0)1−+(1+(xRx)R12)r+2+RR1 1d
P
P n(( x ) = − u )(( x − u ) P n − 2 n( ( x−
) + R 2) ) + R
R 1 nn−−22 i −1 i −1 ⋮ bi −1
Efetuando
SubstituindoEfetuando
Substituindo Efetuando uma(uma (xuma
segunda
x)) em segunda
em segundaPP(divisão
(xx)),,)divisãodivisão
temos: sintética, sintética,
sintética, via via divisão
via divisão
divisão3 –de de
de por )porpor ,−utemos:
x −(u(xa)x−
(Lineares ) ), ,temos:
temos
uIncógnita
)Rtemos: ti Pn −1ri(PxP xx)não
−
=(((xxx−)−u=PuP)nn(−)2−1x2P n)
−n1−(
1d(
n n 2 2 1 Capítulo Solução de Equações uma
PP ))=P
n n( (xx
1P 2) )++(n(xnx−−uu
n−−n 2−u2()(x2x P ( x ) + ( R2 2−++uR)R1R1 + R
x i ⋮ bi Li ← Li −
PPPnn(((xxx)))===((x(xx−−−uuu)(( )(() xxP−nn−−−u22u)()PxP) +(((xxxP ))n+−−+1R n) (122+(x(+
)−n)R1)−=+
u(PRxP −=11(u(x)x−P−nu−u2)(P
x)xR)=R
R ) xP
n −n)2−+ ( (xRx)2)++RR2 2
nn nn−−22 22 11 ⋱ 2 ⋱ ⋱ ⋮ ⋮
Substituindo
Substituindo
Substituindo Pn −1 (Px2P n2)
em
−n1−(
1(xx) )emPem
n ( xP )P , temos:
xx) ), ,temos:
n n( (
temos:
PPnn((xx))==((xx−−uu)) PPnn−−22((xx))++((xx−−uu))RR22++RR11 tn rn ⋮ bn
Derivando (x),
P Derivando reescrito x−P na
−uxnu(x), −Pforma
)xreescrito (2anterior,
na +RR2R)21)++Rtemos:
)2)+)+forma anterior, temos:
DerivandoPnP(nPx(P)(P
Derivando xnx=n())(x,(x,)xreescrito
=−=(u(x)((
)reescrito una
xna
−)((
)(( −nuforma
u2)(P
) xP
−forma n2−+
n −) (xanterior,
Rxanterior, R1temos:
temos:
1
nn
2 22 Pg. 191
Pn′ (PP x′)′(P=(xnx)(2( )
xP)xP
= =
n=
2(
n(−(
2(
x(xu)x))=−2=(P
x x − − u
u(x)x2−2−P(unxu)−)2) (P
u n)− 2P
) P ( +(xxP
x
−)
n(
) )
−+
n2x
+
2( (x(x)xu)+)−
f+−(((α x x )−+−2(u( x)x−R−2u′ u(+)xR
=uPu)0n)−222P P
)R ++RR1 1+ 0
′n−′−2)22(1(+2xx)R)+2+R R22++ 00
Derivando
Derivando
Derivando
nn Pn ( xP)P , reescrito
xx) )
n n( (
, ,reescrito
nreescrito
n− −
2 2 na
Pg. 216 forma
na na forma
forma anterior,
n anterior,
anterior, temos:temos:
temos:
Então,
Então,fazendo fazendo xx==uu,,
Então, fazendo P ′ ( x
P P
) ′x=(′ (x=2( u,2(2(
x) )=x2=− ux)x− 2
−Puu)x22)2(P xP()u,g2−+(2((x(xx)x)2)2+−=+(ux(x)x−−2 f′ (2x
Puu) )2(P)xP′)′f+(2′x((Rxx)2))++
− ) R0R2 2+→
+00 ′′
PPn′n′((xx==uu))==n2( 2( Então,
uun−n−uu))2fazendo PPnn−−22((uu))n+−+ ((=
unu−n− −uu)) PPn′n−′−22((uun))−+2+RnR−n222−+ +00==RR →PPnn((xx==uu))==RR22
Então, Então,
Então, fazendo fazendo
fazendo x = uxPg. ,
x==u220 u , , 22
x = u ) = 2(u − u ) Pn − 2 (u ) + (2u − u2)2 Pn − 2′ (fu′() x+ R ′
) )+−+(u0u())u− 22= ln(
2 2
+ 0 = x R)2+→1 Pn (= x u= ) R2
Pn′ ( xPP ′n(′u(xx)==u2(
n= u) )= u=− 2(2( uu)u−−Punu)−)2 (PuP n −)n2−+(2u((uu −Punu′)−2)2 2(PuP0′ ′ +
n −)
n2−( 2u(R u)2)++R0R2 2=++R 002=→ →
=RR2P ′ PP
→
2n ( x
′n(′u(xx)==uR
n= u) 2)==RR2 2
Exemplo
Exemplo3.23 3.23 232
A Propriedade 11 pode ser generalizada f ′( x) = e x − 1 para o cálculo dos
PP
s de ( (xx) ) =
Exemplo = x x
Exemplo
44
Exemplo − −
44 todas as n derivadas de ordem5 5 A
xx 33
3.23 Propriedade
+ + 6
3.23 6
3.23x x 22
+ + 4 4x x − − 8 811 pode⇒ ⇒ serx P P44(2) (2)==00 uma
generalizada parafunção
o cálculo dos valores
de todas as n derivadas de ( x) = superior
f ′′ordem e superiorde de uma função Pn(x), conforme
PP4′4′((P
conforme xx4)()=x=
P)P4 44(ax(xx3x)Propriedade
=
34
−)=−−=1515 22 3 3 2
x5x4x4x−3−5++5 +x612 x+x+x6++6+
x12 x4
x412.
22
4
x+− +484x236 x−−88 ⇒ ⇒ ⇒P P4P
⇒ ⇒′4′(2)
(2) P P=== (2) 000 ==00
(2)
a Propriedade 12.
4 4 4 4
4xx++4f 4( x ) ⇒ 2x ⇒
′′′′ ′ =⇒
′
PP44 ((x4x))==)P
P ( x
P ′412
412 =(′ (xx4x)x2x)=23
−=−4 4x30
−30 x3 x3−x−
15 +215 +12
+15
12 x12x2 2+x+12 +12 ⇒ PP4′′ P′′4(2)
4 (2)
⇒ ′ (2) P=P4=
′4=(2)
′00 0 ==00
(2)
priedadePropriedade 12: o 2valor da derivada 244 k-ésima de P (x)deem x =em
u x = u é dado por
′′ ′′ ′′ 2 2 12: o valor da derivada k-ésima
′′ ′′ ′′ n Pn(x)
PP4′′′
′′′P
( (x x)(P
)x
=P=) 24=
k (
24 x
(12x) x)=
−x=
− 12
30 12
30− x x
30 −x − +
30 30 x
12 x + + 12 12 Pn ( x ) = x 44P4n (1 4x4)
** ⇒ ⇒ ⇒ P nP
P ⇒′′′′′′
⇒ (2)(2)
(2)P P = = (2)
= (2)
0
1818 ==0 0
4 4 d Pn
44
ado por = ( u ) P = (k )
( u ) k ! R 249 +1,, em em⇒ queque R ′′′kR+(2) ′′′é′′′ oé resto
o resto da (kda+ 1)-ésima divisão
P4′′′ P (Px4′′′
dx4) =
′′′(k(x24 x) )=x=24 −24 30xx−−30
n 30 k ⇒
P ⇒
4 P
kP
44 =
1+ 1(2) 18==18
(2) 18
Exemplo
Exemplo sucessiva 3.31: de
3.31: Pn(x) por de (x x–Pu).
5
+x −x −x =0 4 3 2
1)-ésima divisão sucessiva 252n
(x) por (x – u).
Exemplo
Exemplo
Exemplo
3.31:
Exemplo 3.31:xobtenha
3.31:
3.20: x==1.00000266769999
P4 (2) , P4′(2) , +P
1.00000266769999 +(5.0057518865228
′′(5.0057518865228
4 (2) , P4 (2) e Pn
′′′ ( 4 )ee−
emii P4(x) =
(2)−06)
06)
mplo 3.20:
2x4 obtenha x =P1.00000266769999
P4 (2),
+ 3x – 2 aplicando x′x=
a=254
1.00000266769999
1.00000266769999 + (5.0057518865228
, P4′′ (2) , P4′′′12.
Propriedade + em e − 06)
e+(5.0057518865228
P(5.0057518865228
′′′′ ee−−i06)
06)i i
4 (2) (2) 4 (2)
ExemploCAPÍTULO
3.20: obtenha
3 – SOLUÇÃO P4′ (2) , NÃO
(2),EQUAÇÕES
P4 DE P4′′ (2) , P4′′′ (2)
LINEARES P4′′′′ (2) em
e INCÓGNITA
A UMA 253
P4 ( x) = 2 x + 3 x − 2 aplicando a Propriedade 12.
4
Solução:
Solução:
Primeira divisão: de P4 ( x) = 2 x 4 + 3 x − 2 por (x – 2)
a1 = 2, a2Primeira
= 0, a3 =divisão: 3, aP54(x)
0, a4 = de = 2x + 3x – 2 por – 2)
do(xpolinômio
4
= –2 (coeficientes
a
original):1 = 2, a2
= 0, a3
= 0, a 4
= 3, a5
= –2 (coeficientes do polinômio original):
bb11 ==22
bb22 ==00++22* *22==4 4
bb33 ==00++44* *22==8 8
bb44 ==33++88* *22==1919
–2++1919* 2* 2= =3636⇒⇒
bb55 ==–2 R1 R=1 36
= 36
P4 (=
x 2)= P4(0) (=
x 2)= 0!* R0+=
1 1 * R=
1 = 36
1 * 36
(também(também
podemospodemos
obter o valor
obterdoopolinômio pela Propriedade
valor do polinômio 9)
pela Propriedade 9)
TerceiraTerceira
divisão:divisão:
de P2 (x) =P 2x 2
+ 2x
8x2 +
+ 24 por
24 (x
por–– (x
2) – 2)
Terceira divisão: de P2 (x) = 22x2 =
de (x) + 8x + 8x +
24 por (x 2)
a1 = 2, a2a=1 =8,2,a3a2==24:
8, a3 = 24:
a1 = 2, a2 = 8, a3 = 24:
bb1 ==22
b11 = 2
bb2 ==88++22**22==12
12
b22 = 8 + 2 * 2 = 12
bb33 ==24
24++12
12* 22==48
* ⇒RR3 3==4848
48⇒
b3 = 24 + 12 *(2)2 = 48 ⇒ R3 = 48
P4′′(=
x 2)= P4(2) (=x 2)= 2!* R2+=1 2!* R=
3 = 96
2 * 48
P4′′(=
x 2)= P4 (= x 2)= 2!* R2+=1 2!* R=
3 = 96
2 * 48
Quarta divisão: de P1 (x) = 2x + 12 por (x – 2)
Quarta divisão: de P1 (x)
Quarta divisão: de=P12x 2xpor
(x)+=12 + 12(xpor
– 2)
(x – 2)
a1 = 2, a2 = 12:
a1 = 2, a2a=1 =12:
2, a2 = 12:
b1 = 2
b1 = 2
b2 = 12 + 2 * 2 = 16 ⇒ R4 = 16
b2 = 12 + 2 * 2 =(3)16 ⇒ R4 = 16
P4′′′(=
x 2)= P4(3) (=
x 2)= 3!* R3+=
1 3!* R=
4 = 96
3 * 2 * 1 * 16
P4′′′(=
x 2)= P4 (= x 2)= 3!* R3+=
1 3!* R=
4 3 * 2 * 1 * = 96
16
* R= 2 * 48 ⋱ ⋱ ⋱ ⋮ ⋮
P′′(= x 2)=t3 2!*r3R2+=
x 2)= P4(2) (= d3 2! = 96⋮ ⋮
Quarta 4divisão: de P1 (x) = 2x + 112 por
3 (x – 2) tn rn ⋮ bn
⋱ ⋱ ⋱ ⋮
Quarta a2254
a1 = 2, divisão:
= 12: de P1 (x)
Pg. + 12 por
= 2x191 ⋱ (x ⋱– 2)⋱
CÁLCULO NUMÉRICO COMPUTACIONAL
⋮
= 2, a2 =b112: f (α ) = 0
1 =2 t r d ⋮ b n −1 n −1 n −1 n −1
Pg. 216
b1 b= 2= 2
12 + 2 * 2 = 16 ⇒ R4 = 16 t rn ⋮ bn
12 ( g( x) = x − f ( x) f ′( x)n)
b2 bP=2 ′′′ =x12
12
4 (=
+ 2+2)
*22*=2 16
= P=4(3) ⇒
16(=xd⇒
R4 = R=
2202)
= 16
416 3!* R = 3!* R= 3 * 2 * 1 * 16 = 96
(3) r1
Pg. 3+1 4 ⋮ b
1 1
P4P′′′(4= =2) P4 (=
'x''(x =2) x f ′(2)= * Rx3+=
x0 ) =3!ln( 0 )1 + 1
3!* R= 3 * 2 * 1 * 16 = 96
0 r2 d 2 de grau n = 0, P0 (x) ⋮ b=2 2
4
Quinta divisão: do polinômio por (x – 2)
Quinta divisão: do polinômio 232 ⋱ de ⋱x grau
⋱ n = 0, P0 (x) = 2 ⋮ por⋮ (x – 2)
a1 = 2. Quinta divisão: do f ′(polinômio
x) = e − 1 de grau n = 0, P0(x) = 2 por (x – 2)
= 2. 0 x ri −1 di −1 ⋮ bi −1
Como não
1 a1 =temos 2. como f ′′( x) =aedivisão
fazer de um polinômio de grauti
omo não temos como fazer a divisão ti de rum di
polinômio ⋮ bi de Lgrau
i ← Li − Li −1
n = 0 porComo um não binômio 236
(x – 2) dea grau
i
n = um podemos
1, ⋱ r
tomarno= 0 por um
i −1
= 0 por um binômio temos (x como =fazer
–f ′(2)x )de x divisão
2grau n⋱ = 1,de⋱ polinômio
podemos ⋮ ⋮tomar de grau o
quociente binômio dessa(xquinta
– 2)de244 divisão
grau n = 1, como 0tomar
podemos (zero),
t ro e bo resto
quociente
⋮ como
dessa quinta divisão
uociente dessa quinta divisão como 0 (zero), n e no resto n como
o próprio P0 (x) = 2, pois
como 0 (zero), e o resto como
P (x) = (x o próprio
–2) P (x)
x ) * 0 + 02: = 2, pois P (x) = (x – 2) * 0 + 2:
próprio P (x) = 2, pois PPn(x)(0x=) =(xx–2) Pn (1
** n
* 0 + 2:
0
Pg.
0 191 0
f ( α ) = 0 249
bb=11 2= 22 ⇒
=216 ⇒ R5 == 22 x5 + x4 − x3 − x2 = 0 Pg. 45
b1Pg. ⇒ R5 R
=52
252
(Pg4((4)(=xx()=x=2)=x2)=−P4f(4)(P(x4=(4)x) (Pf=x2)′=(2)
( x)2)=
) * R′4! * R4 += 4!* R4= 4 * 13**(2) (2) = s48
2 * 1 * 48 d1 d2 d3 d4 d
P4(4) 4 +=
(2) R=
P1 ′′*(2) P ( 4 )=(2)
,4!P 1 , 4!
5 (2)
5 , P*′′′3 * 2 *e
4 4 4 4 n
Pg. 220
254
Podemos,
odemos,Podemos, ′( xainda,
f ainda, 0 ) = ln( validar0 ) +1
xvalidar
ainda, a aPropriedade
a Propriedade
validar 12 comparando
Propriedade1212comparando
comparando osos os com ast dígitos signif
resultados
xP)′ (=
3P ′ (=
′′′) =′′ (24
+2 ′′3(,xP =, 24
3 2 (4)
resultados 232 com as as derivadas ′ analíticas ′′x8)x +8 3x, P x)x48 x eexP4, (x) = 48..
4 ( x) = 8 x 4+ 3 ,4 P4 ( x) = 24 x 4, P4 4( x ) = Pg.
3 2
esultados com
derivadas derivadas
analíticas P
analíticas 46
x′( xxe) =P
′′′4(′′′x()x=) =48f48 x1)(=x)48=P
e4e(4)P(4−(4)
x
P4P
n 0
′( x. )
.48
0 1 1 0 1
f ′′( x) Observamos
= ex que, dispondo das formas específicas de Pn′( x0 )
determinação
236
de valores iniciais, Pn (do
′ x0 )valor
= R2 numérico do polinômio e de ssuas
derivadas,
f ′( x ) = 2 xaplicar métodos de refinamento para as raízes de PnP
259 10 dígitos signific
= 0.t =Aqui
n ( x0 ) = R1
podemos (x)
244
vamos aplicar o método x − 5 x de
4 3
+ 6Newton,
x + 4 x − como
2
8 = 0 mostraremos a seguir.
318 Pg. 71
Pn ( x ) = x Pn (1 x )
** n
Pn′( x0 ) = R2
249 f ′( x0 = 0) = e0 = 1
x5 +(4)x43.3.4
− x3 − x2Método
=0 de Newton para Pn(x) = 0 260
252P4 ( x) = 48 .
e 254
P4 (2) ,APpartir
′4 (2) , de
P4′′um
(2) ,valor
P4′′′(2) e Pxn0( 4,)localizado
inicial (2) previamente como apresentado
+1.36284988456718 − 1.5
nas seções 3.3.1 e 3.3.2, calculamos os valores de P (x ) e de P ′( x ) na primeira
Pn′( x0 )
254 n 0 n 0
iteração k = 0 pelas Propriedades 9 e 11: 263
P4′((xx) )==8xR + 3 , P4′′( x) = 24 x , P4′′′ ( x) = 48 x
P
3 2
334
n 0 1 P ′′ ( x ) 2! R3
Pn′( x0 ) Δx(4)= − n k = −
M = f (0.4) Pn′′′=(234.375
xk ) 3! R4
Pn′( x00)) ==RR22
259
269
x 4 − 5 x3 + 6 x 2 + 4 x − 8 = 0
260 449
318 P ( x) = 1xm8 − 3.4 x7 + 2.35 x 6 +
+1.36284988456718 − 1.59235983373818i ∂D(a,8b) ( a + a / T 2 ) −1
= −2
2.480058
∂a1 1 x +20.53144
k =1
k
263
∂D(a270
, b) m
= 2 ( a1 + a2 / Tk2 ) − V
−1
∂a
n
A partir de um
A partir devalor inicial
um valor x0 , localizado
inicial previamente
x0 , localizado comocomo
previamente
apresentado CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES
apresentado nas seções 3.3.1 3.3.1
nas seções e 3.3.2, calculamos
e 3.3.2,
A UMA INCÓGNITA
os valores
calculamos (x0)P (x ) 255
de Pn de
os valores
′ ( x0 ) ′na primeira iteração k = 0 pelas Propriedades 9 e 11: n 0
e de ePnde P ( x ) na primeira iteração k = 0 pelas Propriedades 9 e 11:
n 0
Pn (xk)PDepois,
=(x R1) = R calculamos o incremento de x dado pela eq. (11a) do método
n k 1
de
Pn′ Newton
( xkP) =′ ( xR2,) conforme segue: Para polino-
Para polino-
n k = R 2 miais, o
miais, o
Depois, calculamos
Depois,
Para calculamos
polinomiais, o incremento
o método o Newton
de de éx chamado
incremento
também dado pela
de x dado
de eq.
pela(11a)
Birge-Vieta. do do
eq. (11a)
método de
método de
Newton
método de Newton
método , conforme
de Newton , conformesegue: segue:
Newton
também é
também é
chamado de
P ( x ) ( x )R1 R chamado de
∆x =−∆x n=−k Pn= −k =− 1 (25) Birge-Vieta.
(25) (25)Birge-Vieta.
Pn′ ( xk P) ′ ( x )R2 R2
n k
e calculamos o valor
e calculamos
e calculamos novo
o valor
o valor novo = xxk x+=∆x
xk+1novo x =dado
+x∆x pela
+ dado
∆x eq.
dado (11b).
pela
pela eq.(11b).
eq. (11b).
k+1 k + 1 k k
Usando a divisão
Usando sintética
a divisão de Briot-Rufi
sintética ni para
de Briot-Rufi determinar
ni para os os
determinar
valores de (x)aP
P3 de ′
edivisão , sintética
P3 (ex)P temos:
′ ( x), temos:
valores
Usando (x) 3
de Briot-Ruffini para determinar os valores de
3
P3(x) e P3'(x), temos:
Primeira iteração:
Primeira a partir
iteração: de x0 de
a partir = 1.x = 1.
0
bb31 =
= aa1+=b+2* x = –1 + 2 * 1 = 1
2 2 1 0
3b = 2a +0 b * x = –1 + 2 * 1 = 1
b2 = a2 3+ b1 3* x0 2= 0 0+ 2 * 1 = 2
b4 = a4b+ =b3a* +
x = –2x +=1–2 * 1 = –1 = R = P (x = 1)
+ 1 * 1 = –1
1 = R
3 =0 P (x = 1)
b3 = a3 4+ b2 4* x00b3=* –1
0 + 2 * 1 = 1 1 3 0
79
b4 = a4 + b3 * x0 = –2 + 1 * 1 = –1 = R1 = P3 (x0 = 1)
bSegunda
= 2 c
= 1b1 = 2 1 = b
divisão:
1
= 2 P 2 ( x ) = 2 x 2
+ 2 x + 1 por (x – x0).
Segunda=b=divisão: = + +
22 b2+++=c212* **1x1=0=24=4 2 + 2 * 1 = 4 por (x – x0). CÁLCULO NUMÉRICO COMPUTACIONAL
2
=bb++c cc*2*x=xc256
P ( x ) 2 x 2 x 1
22 11 0 01 1
x=0xc02c=b1=13=b1++2b+1c1=2c1P*12**4*(x4xx=00)==5==52=21=x+R2+
22+2=*12=1Px*P'4(x
4' 1=0 0=por
5=1)=1)(x
R2–=x P '
+ c c* divisão:
=bgunda
3b3 + 2c23* 2
R =
3 3+ (x 0
).3 (x0 = 1)
c2==bb+2 +c c*1 x* x=0 =1 2+ 2 + 24 * 1 = 4
= P–3'x(x).0 = 1)
=cLogo,
egundac1divisão: 3b1 = 32 RP22= ( x–1 )0= 2 e xR +1=2*x5: = 15 por
+ = R2 (x
= 12+ 1 * 4 = 5 = R2 = P3' (x0 = 1)
0
o, eR1R2c2= c3 +=ecb3R
–1 +1 c =* 2x5:
1 eR
–1
gunda =5:
= b5: = 2 1 * x2P02=
21 divisão:
12 ( x) +
0 2 * 21 = 4
= 2 x + 2 x + 1 por (x – x ).
2 0
Logo,cc32R==1 b=b23 +–1+ cc12e**xRx020==
=2 R
=215: ++21* *1 4= =4 5 = R2 = P3' (x0 = 1)
Logo, 1R =
c3 =∆ 1bx
1 –1 e
+ c2 * xR R
10 1=2 1 +( = 5:− 1)
1( − * 1)4= = 0.2 5R=1 R2 = P(3'−(x1) = 1)
c2 = b∆ 3 =−
x+ =c −* x = = = −2∆− x
+ 2= *− 1= =0.2 4 ee = e− 0
=0.2 e
ogo, R1 = –12 e R12R=R 5:
0
5 5 1R2 R ( − 1) 50.2
∆ = − = − (−1) 3 e0 = 1)
= '
22
ogo, R1 =c = b +
3 –1 3e R 2 = 5:
c * x = 1 x + 1 * 4R = 5 = R = P (x
x1x1= = x0x20++∆∆xxx= = 1∆= 1+
0
x += 0.2 −R2 = 1= 1.2 = − 52 = 0.2 e
1 0 + R−2(∆ x ==50.2 1 +e0.2 = 1.2
1 − Rx
0.2 1.2
−1)
∆x = =
ogo, R1 = –1 e R2 =∆5: x= x 1− = RR 1 + ∆
x 02=−
(− x 1)= 5 1 + 0.2 = 1.2
e = 1.2
eração:
teração: aapartir partirde 1=R
x1xxpartir ==21.2. 0 +∆
x1.2. x= = 0.2
1 + 0.2
unda iteração: xde a 5de x = 1.2.
= x1 + ∆ x = 1 + 0.2 =
1 1.2
Segunda x31iteração: +3(x−0.2 x(x−–=
Rx1 a= de partir 1)= de
Segunda iteração: = xa0x= partir 1.2. e–x1.2.
1 0
2+2∆ =
visão: por (x
1x1x):1−): 2 por (x – x1):
= + − − 1−2 1.2
ivisão:
meira
Segunda P ( x
3P3 ( x
divisão: ) ) = 2 x P+ a(0xxpartir
iteração:2 x 3∆
x
0 −
) =− 12x xde
1 x= − 251+xpor 0=
= x0.2
1.2.
2 1
egunda iteração: a partir 3 R de 3x1 = 1.2. 1
Primeira
egunda
= divisão:
iteração: a partir P3P( x()x=de 2x21x=+3 2+1.2.
2
0 x0 x−23 1−x1−x 2−2 2por
2
(x (x
– x–1):x ):
.2)
1.2) = R=
Primeira
imeira P1=
R 0.256
divisão:
1(1.2) divisão:
0.256
Primeira = R
P = xdivisão:
( 1 x x02)+x3 = 3P
= ) =30.256 ∆+3x(x) 0 = 2x1=+ − 2x
0.2
1 x +
− = 20x1.2por – por
1x
(x –
– 2
x por 1(x – x1):
):
rimeira 3divisão:P3P(1.2) ==P3R(=
31x ) = 2 x + 0 x − 1x − 2 por (x – x ): 1
0.256 1
visão:
ivisão:P
egunda P3(1.2)
(1.2)
3iteração: = (1.2) R== aR0.256R
1 = 1 = 0.256
0.256
1partir
0.256 de x1 = 1.2.
unda Pdivisão: 3
3 (1.2) = R=1
1
Segunda
imeira
Segunda
gunda divisão:
divisão: divisão:
divisão: ( x) = 2 x 3 + 0 x 2 − 1x − 2 por (x – x1):
== R=
egunda
1.2)
(1.2) 2divisão:
R =′ 7.64
2Segunda 7.64 P3divisão:
P3′(1.2) (1.2) =R=R= 7.64
P P3P′=
(1.2)
P333′ (1.2)
=
= ′ =
(1.2) R
=
==12 R =20.256
7.64
2= 7.64
3 (1.2) R 7.64
P ' (1.2) R 2= R 7.64 2= 7.64
∆∆xx= =−−0.256
0.256 3 7.647.64 = = 2−− 0.0335078534031414
0.0335078534031414 ee
gunda divisão: ∆∆xxx∆
∆ == =
− − −
0.256 0.256 7.64 = 7.64
= − − = − 0.0335078534031414
0.0335078534031414 ee e e e
x2x= 1.2P++′∆(1.2)
1.2 =
∆x= x x=−
0.256
=−0.256
x1.16649214659686
∆1.16649214659686 7.64
0.2567.64 7.64=−
0.0335078534031414
=0.0335078534031414
−0.0335078534031414 e
=22= 1.2
+2∆∆= x=
+ ∆1.16649214659686
x=
2
3 xx = =1.2 +=
R
1.2 x7.64 1.16649214659686
x= 1.16649214659686
2 x= 1.2 ++∆ = x 1.16649214659686
2x= 2 1.2 ∆ 1.16649214659686
ração:
erceira
erceira a
eração:iteração: partir
∆
a partiraade
iteração: x = − de
0.256
partir
partirx =
2x2 =de
7.64 1.16649214659686.
x= =−0.0335078534031414
1.16649214659686.
de 1.16649214659686.
2x2 = 1.16649214659686.
e
ceira
Terceiraiteração:
Terceira Terceira
xiteração:
= 1.2 +3iteração:
iteração: ∆a=a partir
xapartir partir ade
1.16649214659686 de
partir x = 1.16649214659686.
x2 = 1.16649214659686.
de1.16649214659686.
dex x=2 =1.16649214659686.
2
rimeira divisão: x02x2−22 1− 2por
visão: = =x222x2−x +x+0− x1−x 2−(x
por –x(x2x):2(x
– x–2):x ):
33
imeira P divisão: = (3(+
xx)0
(x–por
2 P
ivisão: P
33( x( )
x ) = 2 2xP3x3 + ) 0 x − 1 1 x − 2 por ): 2
meira
Primeira
Primeira
erceira divisão:
P33iteração:
P divisão:
divisão:
(1.16649214659686)
Primeira
(1.16649214659686) P P
a divisão:
partir P(( x
(
x x
)=)= ) =
de
= = 2 x2
P3(x)
R 2
= 3 33 2 2 2
x1R= x x+ +
0 +
x0 x0− x−
1 x
2x + 0x – 1x
= 1.16649214659686. 1
0.00800874528246043
21 =0.00800874528246043
3 −−
x 2−
12 por
x
2 −
por2(x por
– 2(x x–2):x2(x
–por ): ––xx):2):
(x
16649214659686)
1.16649214659686) = =R 11=
33 3
R= 0.00800874528246043
0.00800874528246043 2
egunda divisão:
3 (1.16649214659686)
PP(1.16649214659686)
P3 (1.16649214659686)
imeira
gunda divisão:
divisão: 3 +=
P ( x) = 2 x3 =0= −=
xR2=R 1=
1R 0.00800874528246043
x1 − 20.00800874528246043
0.00800874528246043
por (x – x ): 1
visão:
3 2
ivisão:P ′ (1.16649214659686) = R=
Segunda
PP divisão:
3 3(1.16649214659686)
′ divisão: == R=
7.16422356843290
0.00800874528246043
Segunda
unda divisão:
3 (1.16649214659686) R=
21
7.16422356843290
Segunda
1.16649214659686) divisão:
0.00800874528246043
== R=
2
7.16422356843290
2=
∆
(1.16649214659686)
x = − R = −
7.16422356843290
0.00800874528246043 0.00111788042430008 e
gunda divisão:∆P x= ′ − 7.16422356843290
2
(1.16649214659686) = = −R0.00111788042430008
= e
7.16422356843290
P ′ Px ′3(1.16649214659686)
= 1.16649214659686
0.00800874528246043 =
7.16422356843290
(1.16649214659686) + = ∆R=
x 2 7.16422356843290
R
== 7.16422356843290
1.16537426617256
∆∆x x== 0.00800874528246043
3
− − P ′ (1.16649214659686)
3 = =−=
2 2
ee
x3 = 1.16649214659686 + ∆7.16422356843290
x = 1.16537426617256
3
0.00111788042430008
−0.00111788042430008
0.00800874528246043
R=
∆x =
7.16422356843290
7.16422356843290
3 −0.00800874528246043
0.00800874528246043 2 = −0.00111788042430008 e
x∆=x =− = −0.00111788042430008 e e
xté
é3xa
a terceira
3 terceira
∆iteração,
==1.16649214659686
1.16649214659686
∆xiteração,
=−
temos
++α∆1∆x≅x1.16537426617256
−0.00800874528246043
7.16422356843290
7.16422356843290
7.16422356843290
= −0.00111788042430008
==1.16537426617256
= 1.16537426617256
−3temos α1 ≅ 1.16537426617256
, com critério
−0.00111788042430008
, com ecritério
e parada ∆x ≅x3O=(10 1.16649214659686
).
7.16422356843290 + ∆x = 1.16537426617256
x= =O 1.16649214659686
1.16649214659686 + ∆x+=∆1.16537426617256
= 1.16537426617256
esse
parada
processo xx33x=
∆ ≅ (10−3deve).
31.16649214659686
iterativo prosseguir+ ∆xaté = que x algum
1.16537426617256
critério
araiteração,
iteração, temos
temos αα1 1≅deve
≅1.16537426617256
1.16537426617256
αos até, que
com
, com critério
critério
eseAté a terceira iteração, temos 1 ≅16 , critério
com critério
processo
parada sejaiterativo
satisfeito quando prosseguir 1.16537426617256
dígitos algum
significativos
∆ Até
é a a terceira
terceira
≅ −3−3 iteração, temos
.
iteração, temos α α
≅ ≅ 1.16537426617256 , ,
comcom critério
critério
a∆parada
xterceira
x
estiverem ≅O O
de parada(10
(10
seja )
convergidos,.
iteração,
) satisfeito
Até a∆terceira o
x ≅ O−(10 temos
que− quando
3
iteração,).
ocorre
1 1 α
1.16537426617256
os≅
quando
temos
1 1.16537426617256
16
a dígitos
o
≅ critério significativos
de
1.16537426617256,parada ,com
com critério
critério de parada
de
etiverem
so parada
parada ∆x∆≅x O
convergidos,
iterativo deve ≅ O
(10(103
o)
−
.
3
que
prosseguir ) . ocorre até quando
que
1
o
algum critério de
critério parada
parada
sso iterativo
Esse processo∆ deve
|∆x| ≅ O(10
x ≅ O prosseguir
(10–3
iterativo
− 3
. até que algum
). deve prosseguir até que algum critério
) critério
sseEsseprocesso
processo iterativo
iterativo deve deve prosseguir
prosseguir até
até que
quealgum
algumcritério
critério
seja
eseja satisfeito
satisfeito
de parada
processo seja quando
quando
satisfeito
iterativo os os16
deve 16
quandodígitos
dígitos significativos
significativos
os dígitos
prosseguir 16 dígitos
até significativos
que algum critério
e deparada
parada seja seja satisfeito
satisfeito quando
quando osos16 16 dígitos significativos
significativos
onvergidos,
convergidos,
estiverem Esse o processo
que
o que
convergidos, ocorre
ocorre iterativo
quando
o quando
que deve
o
ocorre prosseguir
critério
o critério
quando dede até
parada
paradaque
o critério algum critério de parada
designificativos
parada
parada
tiverem seja
convergidos, satisfeitoo que quando
ocorre quando ososignificativos
16 dígitos
critério de parada
estiverem convergidos, o que ocorre quando o critério de parada convergidos, o
seja satisfeito quando os 16 dígitos estiverem
verem convergidos, o que ocorre quando o critério de parada
∆x < 10 é atingido, depois de 6 iterações. Então, a primeira
Então, a primeira
raiz convergida é α1 ≅ 1.165373043062415 .
∆x < 10 −15
é atingido,
CAPÍTULO 3 – SOLUÇÃO depois
DE EQUAÇÕESde NÃO
6 iterações. Então,
LINEARES A UMA a primeira
INCÓGNITA 257 S
Para determinar
raiz convergida é α1 Se não fizer-a segunda e. a terceira raízes, e evitar obter
≅ 1.165373043062415 m
aízes, enovamente
evitar obtera primeira
mos as raiz α , não basta partir de uma estimativaSe não fizer-
r
que ocorre quando o critério de1 parada |∆x| < 10–15 é atingido, depois de d
r de uma Para determinar
estimativa
inicial diferente, a segunda
reduções
precisamos e a terceira raízes, e evitar obter
primeira raizefetuar ou deflações do grau
mos as
6 iterações. Então, agrau reduções
convergida é a1 ≅ 1.165373043062415. p
novamente a primeira
do grauforma: raiz
do α , não basta partir de uma estimativa reduções
da seguinte
ou deflações para
1
do grau s
inicial diferente,
Paraprecisamos
determinar a efetuar
segunda reduções
e a terceiraou evitardo
defleações
raízes, grau
obter novamente
para r
separar as
da seguinte forma:
a primeira
a) Tomamos α1, não
raiz raízes P basta
(x) e opartir
dividimos
já ndeterminadas,
de uma porestimativa
(x – α 1
), inicial
ou diferente,
seja, obtemos
separar as f
precisamos
α1), ou seja, obtemos efetuar reduções ou deflações do grau da seguinte forma: raízes já determinao
nesse caso,
Pn–1(x); fatorando com resto R numericamente nulo (residual),
o polinômio,
a) Tomamos Pn (x) e o dividimos por (x –1 α1), ou seja, obtemos fatorando o polinômin
o(s) novo(s) valor(es)
mente nulo (residual), pois nas Pdivisões
a) Tomamos (x) e o exatas
dividimos os
por restos
(x – α seriam
), ou seja, exatamente
obtemos P nulos.
(x);
o(s) novo(s) valor(e
Pn–1(x); nesse caso, compoderão
n
inicial(is) resto R1 numericamente nulo (residual),
1 n– 1 c
m exatamentepois nulos. nesse
Esse caso, com resto
polinômio de Rgrau
1
numericamente
reduzido P nulo(x) (residual),
não contémpoisinicial(is)
nas opoderão
mais
nas divisões exatas os restosjá seriam exatamente
nulos.nulos.
n–1 o
divisõesconvergir
exatas para raiz(es)
os restos seriam exatamente Esse polinômio
convergir para raiz(
) não contémEssemaispolinômio
o
zero . de grauP reduzido
αobtida(s). Pn–1 (x) não
de grau 1reduzido
n–1
(x) não contém maiscontém
o zero α mais
1
. o obtida(s).
zero b)α .Reaplicamos uma nova estimativa inicial para esse novo
b) 1Reaplicamos uma nova estimativa inicial para esse novo zero do
cial para esse novo zero do
b) Reaplicamos
polinômio umapolinômio
de nova de grau
estimativa
grau reduzido com reduzido
inicial
o mesmoparacom esseo novo
método mesmo método
de Newton.
om o mesmo zero método dode Newton.de grau reduzido com o mesmo método
polinômio
c) Calculado
de Newton. o novo zero, retornamos ao item (a) até completar a
c)redução
Calculado de grauo novo zero,que
desejada, retornamos
pode ser atéaograus itemn(a) = 2,até completar
1 ou 0, pois
c) Calculado
em (a) até completar esses opolinômios
novo zero,
a redução de grau retornamos
têm desejada,
raízes deao item (a)
que pode
solução atéser
algébrica completar
até graus n = 2, 1
simples.
ser até graus an redução
= 2, ou1 0, depois
grau esses
desejada, que podetêm
polinômios ser raízes
até graus = 2, 1 algébrica
de nsolução
ou 0, pois Se esses polinômios
não fizermos as reduçõestêm raízes
do grau de solução
para separar algébrica fatorando o
as raízes já determinadas,
de solução algébrica simples.
polinômio, o(s) novo(s) valor(es) inicial(is) poderão convergir para raiz(es) já obtida(s).
simples.
Exemplo 3.22: calcule a segunda e a terceira raiz de 2x3 – x – 2 = 0,
Exemplo 3.22: calcule
Exemplo 3.22: a segunda
calcule a e a terceira
segunda e a raiz
terceira dede
raiz 2x2x
3
–3x––x2–=20,
= 0, sabendo
iz de 2x – xsabendo
3
– 2 = 0, que a primeira raiz é α1 ≅ 1.165373043062415 , com 16
sabendo que a primeira raiz é α 1 ≅ 1.165373043062415
que a primeira raiz é a1 ≅ 1.165373043062415, , com 16
com 16 dígitos significativos
43062415 , dígitos
dígitoscom 16cativos
signifi significativos
convergidos. convergidos.
convergidos.
Solução: Solução:
Solução:
Primeiramente,
Primeiramente, devemos reduzir o grau do polinômio P3 (x),
Inicialmente,devemos reduzir
devemos reduzir o grau
o grau do polinômio
do polinômio P3 (x), a primeira
P3(x), extraindo
o polinômio
extraindo raizPa a(x),
extraindo 1ª raiza α1ª1 raiz
3 1 ≅ 1.165373043062415 já encontrada,
já encontrada,
α1 ≅ 1.165373043062415
≅ 1.165373043062415
já encontrada, fazendo / (x – a1),fazendo
fazendo
P3(x) gerando
contrada,
P3 ( x ) fazendo
÷um − α
P3 ( xpolinômio
( x ) , gerando um
) ÷1 ( x − α1quociente polinomio
) , gerando quociente
um npolinomio
de grau = 2: de grau n = 2:
quociente de grau n = 2:
ente de grau n = 2: 2
P2 ( x) =P2 x( x)+ =2.33074608612483 x + 1.71618865899311
2 x 2 + 2.33074608612483 x + 1.71618865899311
2
8865899311
com resto residual
com resto R1 =R4.44089209850063
residual = 4.44089209850063e e − 16–.16.
com resto residual 1 R1 = 4.44089209850063 e − 16 .
Logo, Logo, o polinômio
o polinômio original P3(x)Pfi3(x)
original fica fatorado
ca fatorado da seguinte
da seguinte forma:
forma:
6. Logo, o polinômio original P (x) fica fatorado da seguinte forma:
3
P=
( x) (2 x 2 + 2.33074608612483 x + 1.71618865899311) * ( x − α ) + 4.44089209850063e − 16
da seguinte
3
Pforma:
1
( x) (2 x 2 + 2.33074608612483 x + 1.71618865899311) * ( x − α1 ) + 4.4408920985006
3=
1) * ( x − α1 ) + 4.44089209850063e − 16
81
l
258 CÁLCULO NUMÉRICO COMPUTACIONAL
Observe que essa divisão pode ser considerada numericamente
exata, uma vez que o seu resto é apenas residual e pode ser
Observe
Observe que
que essa divisãopode
essafatorado
divisão pode ser considerada
ser numericamente
descartado,
Observe então
que (x)
Pessa
3 divisão pode serconsiderada
se torna: consideradanumericamente
numericamente exata, uma
exata,
vez que uma vezresto
o seu queéoapenas
seu resto é apenas
residual e poderesidual e podeentão
ser descartado, ser P3(x)
exata, 2 uma vez que o seu resto é apenas residual e pode ser
P3 ( x) =descartado,
+ + − α
fatorado se torna:
(2 x 2.33074608612483 x 1.71618865899311)
então P3(x) fatorado se torna: * ( x 1 )
descartado, então P3(x) fatorado se torna:
( x) =raízes
(2 x +restantes de P3(x) =x0+estão * (x −α )
2
Logo, asPduas 2.33074608612483 em:
1.71618865899311)
P3 (3x) = (2 x 2 + 2.33074608612483 x + 1.71618865899311) * ( x − α1 )1
P2 ( x) = (2 x 2 + 2.33074608612483 x + 1.71618865899311) = 0
Logo,
Logo, as
as duasraízes
duas raízes restantes
restantes de de
P (x)P3=(x)
0 = 0 estão
estão em: em:
Logo, as duas raízes restantes de3 P3(x) = 0 estão em:
Esse polinômio P ( x) = de(2 x2º
2
+ grau resultante pode
2.33074608612483 ser resolvido =
x + 1.71618865899311) 0
P2 (2x) = (2 x 2 + 2.33074608612483 x + 1.71618865899311) = 0
diretamente pela sua fórmula, determinando a segunda e a
terceiraEsse
raiz.polinômio de o2º grau resultante pode ser resolvido
Esse Essepolinômio
polinômio de de 22º grau
grauresultante
resultante podepode ser resolvido
ser resolvido diretamente,
diretamente pela sua fórmula, determinando a segunda e a
determinando
diretamente pela a segunda e a terceira
sua fórmula, raiz.
determinando a segunda e a
terceira raiz.
terceira
Podemos raiz. reaplicar o método de Newton a esse
também
polinômio de Podemos 2º grau também
para determinar
reaplicar todas
o método as raízes pelo a esse polinômio
de Newton
de
mesmoPodemos 2 grau para
o
algoritmo. também determinar todaso asmétodo
reaplicar raízes pelo
de mesmo
Newton algoritmo.
a esse
Podemos também reaplicar o método de Newton a esse
polinômio de 2º grau para determinar todas as raízes pelo
polinômio de 2º grau para determinar todas as raízes pelo
mesmo algoritmo.
Logo, mesmo
as três algoritmo.
Logo, as três
raízes raízes convergidas
convergidas com 16 com 16 dígitos
dígitos significativos da variável
significativos
a variáveldouble
doublesão: são:
α1 Logo, as três raízes convergidas
= +1.165373043062415 + 0.000000000000000icom 16 dígitos significativos
Logo, as três raízes convergidas com 16 dígitos significativos
da variável double são:
α 2 = −0.582686521531207 − 0.720118564628364i
da variável double são:
α 3 = −0.582686521531207
α = +1.165373043062415 + 0.720118564628364i
+ 0.000000000000000i
α1 =1 +1.165373043062415 + 0.000000000000000i
α = −0.582686521531207 − 0.720118564628364i
o polinômio α 2 =2 fatorado
final
E o polinômio −0.582686521531207 ( x −=αa0.720118564628364i
é P3 ( x) é=Pa1(x)
final fatorado α 2)(x
(xx–−a
11)( )( x–−aα 3)(x
) (com
– a3) (com a1 = 2).
= 2). α = −0.582686521531207 3
+ 1 2
0.720118564628364i
α 3 = −0.582686521531207 + 0.720118564628364i
3
Primeira etapa: vamos tentar determinar uma raiz múltipla como se fosse
8
simples, de multiplicidade M = 1, usando a eq. (25) do método de Newton 8
88
tradicional, em um polinômio exemplo cuja raiz é de multiplicidade M = 3.
83
Exemplo 3.24: determine as três raízes de P3(x) = x – 3x2 + 3x – 1 = 0 com 3
Solução:
Pelos cálculos de cotas-limite, temos que todas as raízes iniciais estão entre
Rmin= 0.259921049896187 e Rmax= 3.84732210184363, e que:
a) uma raiz inicial Real, localizada por varredura, pode ser: x0 = 1.1;
b) duas possíveis raízes iniciais Complexas, randômicas, localizadas
dentro do limite das cotas, podem ser:
+1.36284988456718 – 1.59235983373818i
+0.91142849471678 + 1.75484834399166i
Capítulo3 3– –Solução
Aplicando o método de Newton através das eqs. (25) e (11b), a partir
Capítulo
de SoluçãodedeEquações
Equaçõe
Tabela
Tabela
Tabela 3.15 – Resultados 3.15–3.24
3.15
do Exemplo –Tabela
Tabelade
deresultados
resultadosdo
doExemplo
Exemplo3.24
3.24
(1)
RR(1)
k kPk3(xk) = R(1)
PP3(x(x) )
3 kk
′ x( kx)k )
P3'(xk) P=3P′3(R(2) ∆∆
x x==
−− xkx+k1=+1= xkxk++∆∆xx P3P(3 x( kx)k )++∆∆xx
(2)
RR(2)
0 0 9.999999999998900e–04
9.999999999998900e–04 3.000000000000020e–02
3.000000000000020e–02 –3.333333333332940e–02
–3.333333333332940e–02 1.066666666666670
1.066666666666670 3.433333333332930e
3.433333333332930
0 9.999999999998900e–04 3.000000000000020e–02 –3.333333333332940e–02 1.066666666666670
1 1 2.962962962960170e–04
2.962962962960170e–04 1.333333333333540e–02
1.333333333333540e–02 –2.222222222219780e–02
–2.222222222219780e–02 1.044444444444470
1.044444444444470 2.251851851849380e
2.251851851849380
2 2 8.779149519977380e–05
8.779149519977380e–05 5.925925925932770e–03
5.925925925932770e–03 –1.481481481494470e–02
–1.481481481494470e–02 1.029629629629530
1.029629629629530 1.490260631014450e
1.490260631014450
1 2.962962962960170e–04 1.333333333333540e–02 –2.222222222219780e–02 1.044444444444470
3 3 2.601229487364520e–05
2.601229487364520e–05 2.633744855948810e–03
2.633744855948810e–03 –9.876543209905690e–03
–9.876543209905690e–03 1.019753086419620
1.019753086419620 9.902555504779330e
9.902555504779330
4 4 7.707346629359790e–06
7.707346629359790e–06 1.170553269302930e–03
1.170553269302930e–03 –6.584362140092560e–03
–6.584362140092560e–03 1.013168724279530
1.013168724279530 6.592069486721920e
6.592069486721920
2 8.779149519977380e–05 5.925925925932770e–03 –1.481481481494470e–02 1.029629629629530
5 5 2.283658260271440e–06
2.283658260271440e–06 5.202458974511440e–04
5.202458974511440e–04 –4.389574759666210e–03
–4.389574759666210e–03 1.008779149519860
1.008779149519860 4.391858417926480e
4.391858417926480
⋮⋮
3 2.601229487364520e–05 2.633744855948810e–03 –9.876543209905690e–03 1.019753086419620
2121 7.993605777301130e–15
7.993605777301130e–15 1.198849464145720e–09
1.198849464145720e–09 –6.667731034102110e–06
–6.667731034102110e–06 1.000013322676890
1.000013322676890 6.667731042095720e
6.667731042095720
2222 2.220446049250310e–15
2.220446049250310e–15 5.324816143570390e–10
5.324816143570390e–10 –4.169995713244410e–06
–4.169995713244410e–06 1.000009152681170 4.169995715464850e
4.169995715464850
4 7.707346629359790e–06 1.170553269302930e–03 –6.584362140092560e–03 1.000009152681170
1.013168724279530
2323 0.000000000000000e+00
0.000000000000000e+00 2.513149688354590e–10
2.513149688354590e–10 0.000000000000000e+00
0.000000000000000e+00 1.000009152681170
1.000009152681170 0.000000000000000e
0.000000000000000
5 2.283658260271440e–06 Fonte:Elaboração
Fonte:
5.202458974511440e–04Elaboração própria
própria
–4.389574759666210e–03 1.008779149519860
⋮ Emkk==23,
Em observeque
23,observe queoocritério
critériode deparada
paradacomposto
composto| |PP ) )| |++| |∆∆xx| |
3 3( (xx
éézerado,
zerado,mas masaaraizraizaproximada
aproximadaxx2323==1.000009152681170
1.000009152681170ainda ainda
21 7.993605777301130e–15 1.198849464145720e–09 –6.667731034102110e–06 1.000013322676890
nãoatingiu
não atingiuseu seuvalor
valorexato.
exato.Sabemos
Sabemosque queaaraizraizexata
exataéé1.0, 1.0,
masaaraiz
mas raizconvergida
22 2.220446049250310e–15 convergida tem
xx2323tem
5.324816143570390e–10 apenas66dígitos
apenas dígitos
–4.169995713244410e–06 significativos
significativos
1.000009152681170
exatoseeooprocesso
exatos processoiterativo
iterativoestagnou,
estagnou,pois pois∆x ∆xjájáéénulo
nuloeenão não
23 0.000000000000000e+00 2.513149688354590e–10 0.000000000000000e+00 1.000009152681170
vai mais
vai mais alterar
alterar xx nosnos próximos
próximos passos passos iterativos.
iterativos. Então, Então, aa
primeira
primeira
Fonte: Elaboração raizatingida
raiz
própria. atingidaééαα1 1==1.000009152681170,
1.000009152681170,considerandoconsiderando
multiplicidadeMM==1.1.
multiplicidade
Fazendoaaredução
Fazendo reduçãode
degrau
graucom
comessa
essaprimeira
primeiraraiz
raizaproximada,
aproximada,
temos:
temos:
Fonte: Elaboração própria
Em k = 23, observe que o critério de parada composto | P3 ( x) | + | ∆x |
Em k = 23, observe que oacritério de parada composto | P33 ( x) | + | ∆x |
é zerado,
CAPÍTULO mas
3 – SOLUÇÃO raiz aproximada
DE EQUAÇÕES x23 = 1.000009152681170
NÃO LINEARES A UMA INCÓGNITA ainda 261
é zerado, mas a raiz aproximada
não atingiu seu valor exato. x 23
23
= 1.000009152681170
Sabemos que a raiz exata é 1.0,ainda
não atingiu seu valor exato. Sabemos
mas a raiz convergida x23 tem apenas que a raiz exata significativos
6 dígitos é 1.0,
Em
mas a raiz k = 23, podemos
convergida x23 observar
tem que
apenas o critério de parada
6 dígitospois composto
significativos |P3(x)| + |∆x |
exatos e o processo iterativo estagnou,
é zerado, mas a raiz aproximada x23 = 1.000009152681170 ainda não
23 ∆x já é nulo e não
atingiu
exatos eseuo processo
vai valor
maisexato. iterativo
alterar x nosestagnou,
próximos pois ∆x
passosjá é nulo
iterativos. e não
Sabemos que a raiz exata é 1.0, mas a raiz convergida xa23 tem Então,
vai maisapenas
alterar
primeira x nos próximos
raiz atingida
6 dígitos significativos passos
é α1exatos
= iterativos.
1.000009152681170,
e o processo Então,
iterativo a
considerando
estagnou, pois ∆x já
primeiraémultiplicidade
raiz atingida
nulo e não vai mais é α = 1.000009152681170, considerando
= 1. x nos próximos passos iterativos. Então, a primeira
M 11alterar
multiplicidade
raiz atingidaM =é1.α1 = 1.000009152681170, considerando multiplicidade M = 1.
Fazendo a redução de grau com essa primeira raiz aproximada,
FazendoFazendo
a redução
temos: de grau
a redução decomgrauessa
comprimeira raiz raiz
essa primeira aproximada,
aproximada, temos:
temos:
n = 2 ⇒ P2 ( 2x ) = 1.0 x 2 − 1.99999084731883 x + 0.999990847402598
n = 2 ⇒ P22 ( x ) = 1.0 x 2 − 1.99999084731883 x + 0.999990847402598
E as demais raízes são:
E as demais
E as demais raízes raízes
são: são:
α 2 = 0.999995424 + 0.000007926i
α 22 = 0.999995424 + 0.000007926i
α 3 = 0.999995424 − 0.000007926i
α 33 = 0.999995424 − 0.000007926i
Assim, as três raízes convergidas são diferentes entre si e com
Assim, as três raízes
apenas
Assim, as6 três convergidas
dígitos
raízessignificativossão diferentes
convergidas sãoexatos, entre
ou entre
diferentes si e si
seja, com
deveríamos
e com apenas 6
apenas dígitos
6 dígitos significativos exatos, ou seja,
ter obtido três raízes α1 = 1.0 com 16 dígitos exatos, raízes
significativos exatos, ou seja, deveríamos deveríamos
ter obtido três α1 = 1.0
ou seja,
ter obtido
com três raízes exatos,
16 dígitos
multiplicidade α11M= =1.0 3. com
ou 16 dígitos exatos,
seja, multiplicidade M = 3.ou seja,
multiplicidade M = 3.
Segundaetapa:
Segunda etapa:vamosvamos agora agora
avaliaravaliar os de
os efeitos efeitos
uma raiz de uma raizsobre
múltipla
Segunda
Computacional os etapa:
restos das
múltipla vamos
divisões
sobre agora avaliar
sucessivas
os restos dasde os efeitos
divisões de
Pn(x) = 0sucessivas uma raiz
por (x – α). de Pn (x) = 0
múltiplapor sobre os
(x – α). restos das divisões sucessivas de Pnn (x) = 0
Exemplo
por (x – α). 3.25: determine a multiplicidade M da raiz α = 1.0 de
PExemplo
3
(x) = x 3.25:
3
– 3xdetermine
2
+ 3x – 1 a=multiplicidade
0. M da raiz α = 1.0 de
P3 ( x) = x 3 − 3 x 2. + 3 x − 1 = 0. 85
Solução:
Solução:
Pela divisãosintética
Pela divisão sintéticadedeBriot-Ruffini,
Briot-Ruffini, temos:
temos:
α a1 a2 a3 a4
1ª Divisão 1 1 -3 3 -1
1 -2 1
2ª Divisão 1 1 -2 1 0 ⇒ R1
1 -1
3ª Divisão 1 1 -1 0 ⇒ R2
1
4ª Divisão 1 1 0 ⇒ R3
x 3 – 3x2 + 3x – 1 x–1
2ª Divisão 3ª Divisão
1 -2
1
11 1 1 -1
-1 0 0 ⇒⇒ R1 R
2ª Divisão 1 -2
1 1 1
-1 0 ⇒ R11 2
1 -1 1
3ª Divisão 1 1 -1
1 0
-1 ⇒ R2
0 ⇒ R2R
3ª Divisão 1 1 -1 0
3ª Divisão 262
4ª Divisão
1 1 1 -1
1
1 0 ⇒⇒R CÁLCULO NUMÉRICO COMPUTACIONAL
3ª Divisão 1 1 -1
1 0 ⇒ R22 3
10
4ª Divisão 1 1 10 ⇒ R3
4ª Divisão 1 1 ⇒ R3R (não podemos efetuar a divisão de 1 por (x – 1))
0 1 ⇒⇒
4ª Divisão 1 1 R3 4
4ª Divisão ou usando
1 1as divisões
0 ⇒ R
tradicionais, temos: 3
ou usando11 as divisões
⇒ R4 (nãotradicionais,
podemos efetuar temos:
a divisão de 1 por (x – 1))
⇒ R4 (não podemos efetuar a divisão de 1 por (x – 1))
1 ⇒ R (não podemos efetuar a divisão de 1 por (x – 1))
ou usando x 3 – as
3x2 divisões
+ 3x –11 ⇒ x –R14 (não podemos
tradicionais,
4
temos:
efetuar a divisão de 1 por (x – 1))
ou usando as divisões tradicionais, temos:
ou usando as divisões tradicionais, temos:
ou
x 3 – usando
3x22 + 3x – 1asR =divisões
0x – 1 1x2tradicionais,
– 2x + 1 x – 1 temos:
x 33 – 3x2 + 3x – 1
x–1 1
x 3 – 3x2 + 3x – 1
x–1
x – 3x R1 =+ 03x – 1
1x x– –2x1 + 1 xR2–=1 0
2
x–1 x–1
R1 = 01x – 2x + 1 x – 1
2
R1 = 01x – 2x + 1 x – 1
2
= 0+ 1 xx –– 11 x –R13 = 0
2
R1 = 01x R– 2x x–1
R22 = 0 x–1 x–1 1
R2 = 0 x–1 x–1
R2 = 0 Rx3 –=10 x –1 1 x –R14 = 1
R3 = 0 x–1 0
1
R3 = 0 1 x–1
Na quarta divisão, R3 = 0P (x)R 1==1 1 deve
0 R4 = 1
x – 1 ser dividido por (x – 1), gerando
0
0
Na quarta
quociente divisão, P (x)
R 4
==11 deve ser dividido( x–−por (x
( )1 . – 1), gerando quociente
divisão, Pnulo (x) =e1resto
0 R =1, 1 pois 0 x=por0 *(x 1) +gerando
0 P
Na quarta deve ser dividido 1),
4
0
Na quartanulo divisão,e resto P001, = 1 deve
(x)pois
4
ser
= 0dividido
P0(x)três * (x – 1) + por1. (x – 1), gerando
Na quarta
quociente Então, divisão,
nulo determinamos
e P0(x) =
resto 1, deve
1pois Pser
( x=)restos
dividido
0 ( x nulos,
− por
1) + 1 (x
. = R3 = 0 e um
= Rgerando
R–1 1),
Na quarta divisão,
quociente nulo e resto P0(x) = 1, 1pois devePser0( )
0 x= dividido
0 * ( x − 1)por
*
+ 1(x . – 1), gerando
2
quociente não nulonulo eR resto 1,o pois
= 1,três que P0 ( nulos,
indica x=)) multiplicidade
0 * (Rx −= 1) +R1 .= RM==03 e(três divisões
Então, determinamos
quocienteEntão,
Então, determinamos nulodeterminamos
e resto4 1, pois
três
restosP0 (restos
três
restos x=
nulos, 0 nulos,
R = +R112=.=RR2 3==R30=e0um
* ( x 1− 1) R e um não nulo R4 = 1,
um
Então, oexatas).
determinamos três restos nulos, 1 = R2 = R3 = 0 e um
não nulo
Então,
não
Rque
determinamos
nulo
= 1, o quemultiplicidade
indica
o que indica
indica
três restos M = 3R
multiplicidade
nulos,
multiplicidade R(três
1 = =(três
MR=divisões
23 R33 =divisões
exatas).
0 e um
R44 = 1, 1 M =2 3 (três divisões
não nulo
exatas). Pela
R = Propriedade12,
1, o que indica teremos
multiplicidade as seguintes
M = 3 derivadas:
(três divisões
não nulo R4 = 1, o que indica multiplicidade M = 3 (três divisões
exatas). 4
exatas).
Pela Pela Propriedade
Propriedade12, 12, teremos as seguintes derivadas:
exatas).
Pela Propriedade12, P3= (1) teremos0!*=
teremos R1 as 1=
as*0seguintes
0
seguintes
derivadas:
derivadas:
Pela Propriedade12, teremos as seguintes derivadas:
Pela Propriedade12, ′= (1)teremos 0* = R02 as * seguintes
1= derivadas:
P33= 0!**3=
R11 11= *1!
(1) PR 0 0
P = (1) 0! = =
*0 0
P3=′(1)(1) 0!P*= R
′′= 1=*0 0 2=
P33=
P ′= =
(1) 0!
(1)
1!*3=
1! *=
=
R
R
(1)
12 1
1 1=
1 *=
=000 *=
*2! R0
03
0
*0 0
′
P3′′′= (1) 1!P* = 2(1) 12
*
=
*0
R
′′′= R00 6=
2
== = *=3! *= *1 6
(1) 2!*3*= R233 12=
(1) 1!
(1) 2!*R R 0** 0
P
P33′′′′= = = 0 040
P= (1) 2!*= R3 2= *0 0
P33′′′′′′′′=
= 3! = 6= Capítulo 3 – Solução de Equações não Lineares a uma Incógnita
(1) 3!**= R344 26=
(1) 2!
(1) *10 6
P3′′′= R
= = *1 60
P = (1) 3!* = R 6= *1 6
P33′′′= (1) 3!* = R44 6= *1 6
Propriedade
E pela 13, a multiplicidade
Propriedade também é M
13, a multiplicidade = 3, pois
também é M = 3, pois temos até
até 2ª derivada nula e derivada 3ªa não nula, resultando
2 derivada nula e derivada 3 não nula, resultando no polinômio fatorado
a
P3 ( x) = x 3 − 3 x 2. + 3 x − 1 = ( x − 1)3 = 0
xk263+1 x
de M de uma raiz α3 seja ′( xkEQUAÇÕES
)
Pn′(cx30 )==cb33R=+2 bc32 *+Pxcn0DE
CAPÍTULO 3 – SOLUÇÃO
2=*x
R NÃO LINEARES A UMA
10+=11* 4+ 12=* 45 == 5R2==RP23′(=x0P3=
′( x1)
0 = 1)
INCÓGNITA
255
256256 P (x ) R
Δ x = − Pn3′′( xk) = − 1
P3′(1.2)
etapa: vamos assumir PP3′((1.2)
Terceira etapa: x= R
cn3 =kb3vamos
7.64
= R2Ra=multiplicidade
2 = 7.64
)que x
+ c2 * 2xassumir
M é
0 =1 k+ 1 * que
α
= R2 = P3′( x0 = M
4 =a5multiplicidade 1) é conhecida antes de
255
antes de conhecer
conhecer ′ P
aa3raiz (1.16649214659686)
P3 (1.16649214659686)
′ correspondente.
raiz correspondente. R
= R2 = 7.16422356843290
= 2 = 7.16422356843290 ~ ~
P3′(259x) 259 256
P3′(1.2)3 = R32 =2 7.64
odo de Newton c3 =PO x+P
b4′(3para ′(2 x4* )xraízes
) c4=
método =
0 de=−415 +x−115
1xNewton *+
não 412 x 2=+ 512
+=4xR
xpara
repetidas, +2 4= P3′não
raízes ( xou
0 1)P4′(2)P4=
=repetidas,
seja ′(2) 0 multiplicidade
0ou=seja
P ′3 (1.16649214659686) = R = 7.16422356843290 ~
de M = 1, dado M256= pela
1,P′′dado
( x P
)eq.
4
′′( x12
= pela
) x
=
(25),
212 eq.
− x
30
2
prevê(25),
x
− +30 12 xprevê
+
que: 12 que: 2
P
′′(2)P =
4
′′ (2)
0 = 0
P3′(1.2)
4 259 =) =7.64
4
236
P4′′′P( xPP
=
) ′′′R(2x24 24 3x − 30 2
30 P4′′′′=(2)18==018
x 4′′′ (2)
P
4′= −
n ( 4xk )
( x ) = 4 xR1− 15 x + 12 x + 4 P4 (2)
∆xP3= ′(1.16649214659686)
−
260 260 = − = R = 7.16422356843290 ~
P′′( x) = 12 Rx22 − 30 x +1.29 2
12 10 p (3.16 q ) P4′′(2) = 0
259 Pn′P(4x(kx)x)0 == R1.68 (1) − (20
P3 ( xkP)3′′′=3(kR x)15(1)
= x24 P
2 x3 − 30
′ ( x P ′
) (
0.84
= x R ) (2)
+= m R (2)
P′(2) = 0P4′′′ (2) = 18
P4′( x ) = 44x − + 12 xk3+ 4 k
o método de Newton 262
260
clássico, mas observe que, no 4caso
Pn′( P x ) 1! R
Pn′( x P =n u(Δx)P x)==′(2(−P)ulim
x (
′− x u) 0)Pnk′n(−x20=)(u−) + (u2 − upara ) 2 Pn′− 2M(u = ) +2 R2 = R2
lim
c) x lim n = Pn
′′ ( x ) , 2!
?entãoR
c) Δxx→=α lim ?
n
Δ = = =
x →Pαn (xx→ )α ( x)
′ = P ′′ 3
Pn′′( xP)n′′( x)0n 0
x → α k
Pn ′( xk ) 1! R2
263 Δx = − P′(xP ) ′n(′x=()x−) P0′′(xpara P′′( x ) M =2
b) c) Δ lim x =Pn limlim n′′( x )
P
k = lim
n
2!
= = R3n = )?n
lim
x →α x →
xP→n′′α(xP
α
)Pn′′n(′′x()xx→) α x → P0nα′′′( xP)n′′′( x)
Pn′( xPkn′′)( xP ′′( x1!)R R32! R3
Δx = −PΔ′ − (xx= ) −Pn′=(k0xn)−) =k − 22! = para Pn′′(M x )==para
M 22M =M 3 =3
c) Δx = limΔx =nP
−para para
lim ′′( x
P )
′′′ (= xP )
′′′ (= 2!
x ?= )
R lim
3! R 3! R
Pn′′ ( x )Pn (0x) Pn′′′ ( x)
x →α x n α nk ′′ kn
→ k x3→α 4 4
∆Δxx = = −− Pn Pn ′( x )
Pn′′′′(((xxxkkk))) ==−− 1!
1! R 2
1!RRR222 para para MM==2 2
Pn 2!
∆xx ==−− Pn = − 03 para M = 2
Δ ′′(xP k) = − 3 para M = 2
k ′ ( x) 2! R
c) Δx =Pn
c) Se lim′′′′((xxkk)n)
Pn 2!2!=RR3 3= ? à medida que xk tende à raiz α, então
P ′ ( x )PPnn′′′0((xx)) 00
x →α
x =Se
c) Δc) lim∆x= ′limreaplicar
n
=Pn ( x=)?a= regra
′ 0= ? à L’Hospital,medida que xk tende à raiz α,
c) deveremos
Se x →α∆x=Pn′′ (→xα)
(x →xα)PP
xlim ′ 00()x) = 0= Pn?de
n=(′′x
′′( xà) medida
que xk tende à raiz α,
c) Δx = lim Pnlim n ′′ == ?lim0
Pn ( x) Pn′′(nx0) reaplicar
x →α x′′→α P ( x ) x → α P′′′ ( x)
então Pdeveremos
′( x) Pn′′( x ) na regra de L'Hospital,
lim deveremos
então n
= lim P ′′( x
reaplicar
) 2!
aR regra de L'Hospital,
, então
P ′ ( x )
( xx) ==− lim P ′′( x ) para M = 3
x →α Pn′′
nPn(′′′′x(−)x)
x →α Pn′′′ =
n k 3
lim P ′Δ
nn ′( x ) =xPlim ′′′ ( x ) 3! R
x →α P
lim P ′′( x
( x) ) P P
′′′ ( x() x ) , então
n ( x
nn′′P ′′ k )= xlim 2!
nRn′′′3 , então 4
→n α k
→α
xlim →α
xΔ→xα= P−n ′′( x ) =
Pn PP(n′′′′′x(()xxk )) x→ − α Pn ′′′( x )para
2! Rn3 ( x) M =3
Δx = − n k =− 3!
PR 4 parapara MM = 3= 3
Pn′′′′′ (( xxk ))
P 3!
2!RR4 3
n ′′ k
∆x =− Pn ( xk ) =− 2! R3 para M = 3
∆x =− P ′′′ ( x ) =−3! R4 para M = 3
Pnn′′′ ( xkk ) 3! R4
d) Para M genérico, temos:
d) Para M genérico, temos:
d) Para M genérico, temos:
P ( M −1) ( x ) ( M − 1)! R ( M − 1)! R
∆x =− Pnn ((MM −)1) ( xkk ) =− ( M − 1)! RMM =− ( M − 1)! RMM
∆x =− Pn ( M )( xk ) =− M ! RM +1 =− M ( M − 1)! RM +1
Pn ( xk ) M ! RM +1 M ( M − 1)! RM +1
RM
∆x =− R para M qualquer (26)
∆x =− M * RMM +1 para MM
para qualquer
qualquer (26)
(26)
M * RM +1
Com xk +1= xk + ∆x dado pela mesma eq. (11b).
Com xk +1= xk + ∆x dado pela mesma eq. (11b).
Com xk + 1 = xk + ∆x dado pela mesma eq. (11b).
Exemplo 3.26: determine a raiz de P3 ( x) = x 33 − 3 x 2.2. + 3 x − 1 = 0
Exemplo 3.26: determine a raiz de P3 ( x) = x − 3 x + 3 x − 1 = 0
com 16 dígitos
Exemplo exatos,a sabendo que= x3aa– multiplicidade
+ 3x – 1 = 0 comdessa
com 16 3.26: determine
exatos, raiz de P3(x) 3x 16 dígitos
2
dígitos sabendo que multiplicidade dessa
raiz é Msabendo
exatos, = 3. que a multiplicidade dessa raiz é M = 3.
raiz é M = 3.
Solução:
Solução:
Solução: Capítulo 3 – Solução de Equações não Lineares a uma Incógnita
Vamos partir do mesmo valor inicial x0 = 1.1, imprimir os 4
Vamos
Vamospartir
partirdo mesmo
do mesmo valor xinicial
valor inicial 0
= 1.1, imprimir
x0 = 1.1,osimprimir 4 restos dasosdivisões
4
restos das
sucessivas divisões sucessivas
P3(x) porsucessivas de P
(x – x0), usardeMP3=(x) (x) por (x – x ), usar M = 3 e
restos dasdedivisões 3
3 epor
aplicar(x –a xeq.
0
0
), (26):
usar M = 3 e
aplicar a eq. (26):
aplicar aReq. (26):
∆x =− 3
3 * R3+1
da raiz xk com
da araiz
raizx exata
com αa eraiz
do número
exata α ededo raízes
número múltiplasde raízes presentes
múltiplas presentes
Mas essak estimativa depende de vários fatores, como da proximidade
no polinômio.no
da polinômio.
raiz xk com a raiz exata α e do número de raízes múltiplas presentes
Para no Para polinômios
polinômios com única comraiz únicamúltipla,
raiz múltipla, a eq.a eq. (27)(27) geraa a multiplici-
gera
polinômio.
dade correta,
multiplicidade correta, independentemente
independentemente dodo valorvalorinicial inicial da raiz, por exemplo:
da raiz,
Para polinômios com única raiz múltipla, a eq. (27) gera a
por exemplo:
multiplicidade
a) para P3(x)correta, = (x – 1)independentemente
3
, em x0 = +1.1, teremos do=valor inicial da raiz,e
3.000000000001910;
por exemplo:
a) para 3 ( xpara
) ( xP−(x) 1)3 ,=em
Pb) =
3
em x0teremos
(x –x01)=3,+1.1, = –110, teremos = 3.000000000000000.
ˆ
M = 3.000000000001910 ; e 3
3 ( x=
) ( x − 1) , em x0 = +1.1, teremos
a) para P
3 ( x=
b) para PPara ) polinômios
( xˆ − 1)3 , emcom
x0 = duas
–110,ou mais
teremos
;e
raízes múltiplas, a estimativa dada
M = 3.000000000001910
pela
M = eq.
ˆ (27) é boa somente. para
3.000000000000000 valores de raízes nas proximidades da raiz
exata, como:b) para P3 ( x= ) ( x − 1)3 , em x0 = –110, teremos 89
Mˆ = 3.000000000000000.
266 CÁLCULO NUMÉRICO COMPUTACIONAL
Solução:
Tomamos x0 = 1.1, conforme o Exemplo 3.24, calculamos o limite para os
restos pela eq. (28), com:
Aplicando
Aplicando
Aplicando a eq.
a eq. a(28),
eq. (28),
teremos
(28), teremos o seguinte
o seguinte
teremos resto
o seguinte resto limite:
restolimite:
limite:
Aplicando o método
Aplicando
Aplicando de Newton
o ométodo
método modificado
de Newton
de Newton com
comaaeq.
modificado
modificado (26)
(26) eae estimando
eq.com eq. (26) e
estimando a multiplicidade
a multiplicidade
estimando a cada
a multiplicidadea cadaM̂iteração
M̂ iteração pelo pelo
número
a cada número
de restos
iteração peloM̂próximos
número de M̂
zero,próximos
de restos temos: de zero, temos:
de restos próximos de zero, temos:
Tabela 3.17 – Tabela de resultados do Exemplo 3.27
Tabela 3.17 –Tabela
Resultados
3.17do –Exemplo
Tabela3.27
de resultados do Exemplo 3.27
k xk R1 R2 R3 R4 M̂ ∆x (eq.26) xk +1 P3 ( xk ) + ∆x
k xk R1 R2 R3 R4 M̂ ∆x (eq.26) xk +1 P3 ( xk ) + ∆x
0 1.100 0.0010000 0.0300000 0.3000000 1.0 2 –0.05 1.050 0.0510
1 1.050 01.2500e–04
1.100 0.0010000
7.5000e–03 0.0300000
1.5000e–01 0.3000000
1.0 2 1.0 2
–2.5e–02 1.025–0.05 2.5125e–02
1.050 0.0510
2 1.025 11.5625e–05 1.8750e–03 7.5000e–03
1.050 1.2500e–04 7.5000e–02 1.0 3
1.5000e–01–2.5e–02
1.0 2 1.000
–2.5e–022.5016e–02
1.025 2.5125e–02
3 1.000 2 0
1.025 0
1.5625e–05 0
1.8750e–03 1.0 3
7.5000e–02 0.0
1.0 3 1.000
–2.5e–02 01.000 2.5016e–02
4 1.000
3 1.000 0 0 0 1.0 3 0.0 1.000 0
4 1.000 Fonte: Elaboração própria
) = R2 Pn′( x0 ) = R2
CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA Pn′( x0 ) = R2 269
0
260
260
+1.36284988456718 − 1.59
6284988456718 − 1.59235983373818i
+1.36284988456718
Então, os resultados− 1.59235983373818i
desse algoritmo de Newton modificado para
raízes múltiplas são exatos, x1 = 1.0, e M1 = 3, conforme o 263Exemplo 3.27,
263
enquanto os resultados obtidos com multiplicidade M = 1 geram resul-
P ′′ ( x )
tados com apenas 6 dígitos significativos exatos (análogos aos resultados 2! R3
Pn′′ ( xk ) da2!função
R3 Pn′′ ( xroots(
) 2! R Δx = − n k = −
− =Δ−x = − k
= −) do Octave),
3 conforme o Exemplo 3.24. Pn′′′ ( xk ) 3! R4
Pn ( xk )
′′′ 3! R4Pn ( xk )
′′′ 3! R4
269
Exemplo 3.28: determine as raízes de
269
P8 ( x) = 1x8 − 3.4 x7 + 2.35 x 6 +
( x) =x16 x+8 4.32
= 1x8 − 3.4 x7 +P82.35 − 3.4xx5 7−+7.1685
2.35 x 6x+4 +4.32 x5 − 7.1685
1.56006 x 4 + 1.56006
x3 +3.287061 x 2 x3 +3.287061x 2− 2.480058 x + 0.531441
− 2.480058 x + 0.531441 − 2.480058
= 0 x + 0.531441 = 0
270
270
com 16 dígitos exatos e suas respectivas multiplicidades (polinômio fatorado
| −3.4 |
equivalente: P8(x) = (x + 1)2 (x – 0.9)6 = 0).
4| | −3.4 | 286
Solução: T
α = [α1 , α2 , ..., αn ] , onde
286
Nenhuma raiz Real foi localizada pelo teorema de Bolzano, pois ambas
T
, [onde
α1 , αsão
2 ,α..., ]/ ,Fonde / Fe (Pα8)(x)= não
0 produz trocas de sinais,
T
α1 , α2 , ..., αα ] =raízes
nas i∈de (α ) =αi0∈ ℂ
αℂnmultiplicidade par
288
conforme o Gráfico 269
3.14.
288 Grafico 3.14 .., i = 1,..., n , ...
Gráfico 3.14 – Representação da função P8(x)
1,..., n , ... .., i = 1,..., n , ... 297
P8 ( x ) f1 ( x1 + Δx1 , x2 , ..., xn ) −
297 Δx1
f1 ( x1 + Δx1 , x2 , ..., xn ) −f1 (f1x(1 x+1 ,Δxx21,,...x, 2x,n...), xn ) f−1 (fx11(,xx12, ,x...2,, x...n, x+n Δ ) xn ) f−1 (fx11(,xx12, ,x...2,,x...n, x+nΔ
....
) xn) − f1 ( x1 , x2 ,...f,2x(nx)1 +Δx1 , x2 , ..., xn ) −
Δxn J ( X ) ≅
....
Δx1 Δ x 1 Δxn Δx1
f 2 ( x1 + Δx1 , x2 , ..., xn ) −f 2 (f 2x1( x+1 ,Δxx21,,...x,2x,n...), xn ) −f 2 (f x2 1(,xx1 ,2 x, ...2 ,, ...x,n x+n )Δx....n )f−2 (fx21(, xx12,,x...2, ,x...n, +xnΔ) xn )(7)
− f 2 ( x1 , x2 , ..., xn ) (7)
⋮
( , , , n) −
....
≅ J (X )Δ ≅x1 Δ x 1 Δxn Δ x f x
n 1 1 2 + Δx x ... x
n Δ x1
⋮ ⋮ ⋮ ⋮
f ( x + Δx , x , ..., x ) − f ( x , x , ..., x ) f ( x , x , ..., x + Δx ) − f n ( x1 , x2 , ..., xn )
f n ( x1 + Δx1 , x2 , ..., xn ) −n f n 1( x1 , x21, ...,2xn ) ....n f n ( nx1 , x1 2 , ...2 , xn +n Δx....n ) −n f n1( x12, x2 , ...n, xn ) n
Δx1 Δx1 Δxn Δxn 305
a)
x
305 X = [0.7851969330
Fonte: Elaboração297
própria.
a) a) f1 ( x1 + Δx1 , x2 , ..., xn ) − f1 ( x1 , x2 , ..., xn )
....
f1 ( x1 , x2 , ..., xn + Δxn ) − f1 ( x1 , x2 , ..., xn )
Δx1 Δxn
As raízes [0.785196933062355,
X =iniciais
X = [0.785196933062355, 0.496611392944656,
0.496611392944656,
(7)
0.369922830745872]
0.369922830745872]
complexas são geradas randomicamente
J (X ) ≅ pela
T
b)
função T
f 2 ( x1 + Δx1 , x2 , ..., xn ) − f 2 ( x1 , x2 , ..., xn )
Δx1
....
f 2 ( x1 , x2 , ..., xn + Δxn ) − f 2 ( x1 , x2 , ..., xn )
Δxn
fLocaliza(n, a) apresentada no Caderno de Algoritmos.
f
n 1 ( x + Δ x1 , x2 , ..., xn
⋮
) − f n ( x1 , x2 , ..., x )
n
....
Δx1 Δxn
b) b) 302
(8a) e (8b), ou (8c),
As
As
As raízes
raízes
raízes iniciais
iniciais
iniciais complexas
complexas
complexas sãosão
sãogeradas
geradas
geradas randomicamente
randomicamente
randomicamente pela
pela
pela
As raízes270
iniciais complexas são geradas randomicamente CÁLCULO NUMÉRICO pela COMPUTACIONAL
funçãofLocaliza(n,a)
função
função fLocaliza(n,a)
fLocaliza(n,a)apresentada apresentada
apresentadano no
noCaderno
Caderno
Cadernode dedeAlgoritmos.
Algoritmos.
Algoritmos.
função fLocaliza(n,a) apresentada no Caderno de Algoritmos.
OOOlimite
limite
limitepara para
paraos os
osrestos
restos
restosééédeterminado
determinado
determinadopor: por:
por:
O limiteOpara
limite ospara restos é determinado
os restos é determinado por:por:
a)a)a)RRlim1
Rlim1 ===0.00157548999093255
0.00157548999093255
0.00157548999093255 , ,pois
,pois
poisaamínima
amínima
mínima diferença
diferença
diferença entre
entre
entre
a) Rlim1 = 0.00157548999093255
lim1 , pois a mínima diferença entre
lim1 a) R =os0.00157548999093255, pois a mínima
todos
todos
todos os
oscoeficientes
coeficientes
coeficientesocorre ocorre
ocorre entre
entre
entre |−
| |−3.4
−3.4|diferença
3.4 | |eee| + entre todos
| |+3.287061|
+3.287061|
3.287061|, ,,
todos os lim1 coeficientes ocorre entre | −3.4 | e | +3.287061| ,
que os
que
que coeficientes
foi
foi
foinormalizada
normalizada
normalizadaocorre entre
pelo |–3.4|
pelo e |+3.287061|,
pelocoeficiente
maior
maior
maiorcoeficiente
coeficiente
coeficienteque foi
emem normalizada
emmódulo
módulo
módulo
que foi pelo normalizada maior pelo maior
coeficiente em módulo em módulo
|–7.1685|; e
|−| |−7.1685
−7.1685
7.1685 | ;| ;|e;ee
| −7.1685 | ; e
b)b)
b) R 6 =
2 62,= =1/10
=1/10 666, 6pois o número máximo de dígitos “fracionários” dos
, pois
, ,pois
poisoonúmero
omáximo
número
número máximo
máximo
máximo
b) Rlim = RR
1/10 Rlim
lim lim2
lim 1/10
2pois1/10o número de dígitosde de
dígitos
dígitos
dígitos
“fracionários”“fracionários”
“fracionários”
“fracionários”
lim 2
2
dos coeficientes
dos
dos coeficientes
coeficientes
coeficientes de Pde(x)
8de
dePP é 6
P(x)
(x)(são
(x) coeficientes
éé6é6(são
6(são
(são com
coeficientes
coeficientes
coeficientes nocom máximo
com
com no no
no 6 dígitos
máximo
máximo
máximo
dos coeficientes depois do ponto de P 8
(x) é 6 (são
8 8 8 coeficientes com no máximo
(vírgula)).
8
66dígitos
6 dígitos 6depois
dígitos
dígitos
depois
depois
dodepois
do
pontodo
do
ponto
ponto
ponto(vírgula)).
(vírgula)).
(vírgula)).
(vírgula)).
Aplicando aaaeq.
Aplicando
Aplicando
Aplicando aeq.(28),
eq.
eq.
(28),teremos
(28),
(28),teremoso seguinte
teremos
teremos restoresto
oooseguinte
seguinte
seguinte limite:
resto
restolimite:
limite:
limite:
Aplicando a eq. (28), teremos o seguinte resto limite:
−8−8−8 −6−6−6 −8 −8−8−8 −8−8−8
Rlim
Rlim =
RRlim
= max(
max( R=lim1
Rlimlim
R =max(
=max(
*max(
lim1 *
RR
Rlim
R Rlim1
2lim1
lim 2
* *R*−
,,lim1
10
10
−R8R , ,10
8
limlim2= ,10
10 ) )=)=max(0.00157548999093255
=max(0.00157548999093255
max(0.00157548999093255
=2 2max(0.00157548999093255
))lim max(0.00157548999093255 * 10
* 10*−−10
10−−66 ,, 10 8* 10
8
))* 10
= 10
= 10, ,−10 10) )=)=10
,810 =10
10
Note
Note
Note que,Note que,
que,
que,nesse
nesse nesse
nesseexemplo,
exemplo, exemplo,
exemplo,
os restosos
os
ossó
restos
restos
restos
serão só
só
sóserão
serão
serãoconsiderados
consideradosconsiderados
considerados
Note que, neste exemplo, os restos só serão considerados suficientemente –8–8–8
suficientemente
suficientemente
suficientemente
suficientemente pequenos pequenos
pequenos
pequenos
quandoquando
quando
quando
ficarem ficarem
ficarem
ficarem
abaixo abaixo
deabaixo
–8abaixo
Rlim = de
de
10de
–8
R,Rlim
–8
===
Rlimlim 10
10
10 , ,,
pequenos quando ficarem abaixo de Rlim = 10 , ou lim seja, quando a raiz
ou
ou seja,ou
ouseja,
seja,
seja,quando
quando
aproximadaquando
quando
raiz aaproximada
a estiver abem
araiz
raiz
raizaproximada
aproximada
aproximada
próxima estiver estiver
estiver
estiverpróxima
próxima
da raiz convergida. próxima
próxima
da raiz da da daraiz
raiz
raiz
convergida.
convergida.
convergida.
convergida.
Assim,
Assim,Assim,
os os
os resultados
resultados
Assim,
Assim, os obtidos
osresultados
resultados
resultados obtidos
são
obtidos
obtidossãosão
duas
obtidos duas
raízes
são
são raízes
duas
duas
duas exatas
exatas
raízes
raízes
raízescom com
exatas
exatas suas
suas
exatas com
com
com respectivas
suas
suas
suas
multiplicidades:
respectivas multiplicidades:
respectivas
respectivas
respectivasmultiplicidades:
multiplicidades:
multiplicidades:
enquanto os resultados
enquanto
enquanto
enquanto os
os
os obtidosobtidos
resultados
resultados
resultados com multiplicidade
obtidos
obtidos com
com M = 1 MMM===111
commultiplicidade
multiplicidade
multiplicidade
enquanto os resultados obtidos com multiplicidade M = 1 (análogo à função
(análogo
(análogo
(análogo
(análogo roots(
à funçãoàfunção )roots(
do Octave)
roots(
roots(
) )do
) do geram resultados com
roots( ) doààOctave)
função
funçãogeram doOctave)
resultados Octave)
Octave) geram
geram
geram
com apenas 3 a resultados
6resultados
resultados com
com
com
dígitos significativos
apenasapenas
3 a 6
apenas
apenasdígitos significativos
exatos.333aaa666dígitos
dígitos exatos.
dígitossignificativos
significativos
significativosexatos.
exatos.
exatos.
Nos exemplos testados, se a soma dos módulos dos restos, R1, R2, R3,..., R,
Nos exemplos
for menor testados,
do que Rse ,aconsideraremos
soma dos módulos dos restos, estimada da
que a multiplicidade
Nos
Nos
Nos exemplos
exemplos
exemplos . Dessetestados,
testados,
testados,
lim
se
se
seaaasoma
soma
soma dos
dos
dos módulos
módulos
módulos dos
dos
dosrestos,
restos,
restos,
R1, R2, Rraiz
3
,...,xkRserá , for menormodo, podemos
do que acelerar o processoque
Rlim, consideraremos de convergência,
1 2
RR1R,31,1R
, R2R,2,2R
, RM̂3R,...,
M̂
33
,...,
,...,RRM̂RM̂,M̂,for
, for
formenor
menor
menordo do
do que
lim
que
queRRlim , ,consideraremos
Rlimlim , consideraremos
consideraremosqueque
que
CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA 271
usando a eq. (26), por meio de sucessivas estimativas de , que devem ser
confirmadas no final, na última iteração, quando todos os restos até RM
tornam-se valores residuais. Consequentemente, RM + 1 será naturalmente
diferente de zero, e a eq. (26) será aplicável até o limite da precisão digital
das variáveis envolvidas, obtendo raízes com a precisão máxima possível
para a variável utilizada, no caso double.
1.322055777843924 + 0.055758394623173i
0.754913929640771 + 0.000000000000000i
Por
Porfim,
fim,obtivemos
alertamos que osobtivemos
parâmetros limite da eq. (28)
os parâmetros-limite dapor meio
eq. (28) por
de meio de diversos
diversos testes numéricos
testes numéricos com diferentes
com diferentes polinômios,
polinômios, queque devem
devem
ser novamente experimentados para especificidades de novas famíliasde
ser novamente experimentados para especificidades de novas famílias
de polinômios.
polinômios.Há Hátambém
também uma dependência
uma dependêncianatural das raízes
natural em relação
das raízes em
ao seu valor inicial, que foi minimizada por um algoritmo de localização
relação ao seu valor inicial, que foi minimizada por um algoritmo de
precisa de raízes iniciais, conforme fLocaliza(n, a).
localização precisa de raízes iniciais, conforme fLocaliza(n,a).
Note que essas raízes aproximadas através do polinômio de grau reduzido já são
próximas das raízes exatas, então podem ser usadas como valores iniciais no polinômio
original diminuindo o risco de ocorrer convergência para uma raiz já obtida.
xk 2 xk 1 xk x
Fonte: Elaboração própria
No método da secante,
Fonte:calculamos
Elaboração oprópria
zero da função aproximadora
Fonte: Elaboração própria.
linear que passa por dois pontos da curva de f (x) = 0, conforme o
Gráfico No3.14.
método damétodo
Já no secante, de
calculamos o zero da função
Müller, calculamos o zeroaproximadora
da função
aproximadora
linear que passaquadrática que passa
por dois pontos da por três
curva depontos
f (x) = 0,daconforme
curva de o
f (x) = 0 a ser resolvida, conforme o Gráfico 3.15. Seria
Gráfico 3.14. Já no método de Müller, calculamos o zero da função equivalente
a estendermosquadrática
aproximadora a aproximação
quede 1ª ordem
passa da série
por três pontos de Taylor parade
da curva
CAPÍTULO 3 – SOLUÇÃO DE EQUAÇÕES NÃO LINEARES A UMA INCÓGNITA 277
00 2.450
2.450 2.475
2.475 2.500
2.500 2.95286713407486
2.95286713407486 0.45557167
0.45557167
1 2.475 2.500 2.95286713407486 2.95416246266100 0.0013017
12 2.475
2.500
2.500
2.95286713407486
2.95286713407486
2.95416246266100
2.95416246266100
2.95416552326093
0.0013017
3.0606e–06
23 2.95286713407486
2.500 2.95416246266100 2.95416246266100
2.95286713407486 2.95416552326093 2.95416552327888
2.95416552326093 1.7952e–11
3.0606e–06
4 2.95416246266100 2.95416552326093 2.95416552327888 2.95416552327888 8.8818e–16
3 5 2.95286713407486
2.95416552326093
2.95416246266100
2.95416552327888
2.95416552326093
2.95416552327888
2.95416552327888
2.95416552327888
1.7952e–11
4.4409e–16
Solução:
Vamos escolher o primeiro valor inicial xk = 2.0 para k = 0, dentro das cotas-
limite, e gerar os outros dois valores, xk – 2 e xk – 1, nessa região de proximidade
da raiz. Desse modo, temos:
xk = 2.0
xk – 1 = xk * 0.99 = 1.98
xk – 2 = xk * 0.98 = 1.96
xk = 2.0
280 =
xk −1 x=
k * 0.99 1.98 CÁLCULO NUMÉRICO COMPUTACIONAL
=
xk − 2 x=
k * 0.98 1.96
Tabela 3.19 – Resultados do Exemplo
Tabela 3.19 – Tabela3.30
de resultados do Exemplo 3.30
k xk–2 xk–1 xk xk+1 | xk +1 − xk |
0 1.96000 + 0.00000i 1.98000 + 0.00000i 2.00000 + 0.00000i 1.31997 + 0.66667i 0.95231
1 1.98000 + 0.00000i 2.00000 + 0.00000i 1.31997 + 0.66667i 1.13016 + 0.84954i 0.26357
2 2.00000 + 0.00000i 1.31997 + 0.66667i 1.13016 + 0.84954i 1.11082 + 1.04137i 0.19281
3 1.31997 + 0.66667i 1.13016 + 0.84954i 1.11082 + 1.04137i 0.99908 + 1.01479i 0.11485
⋮
24 1.00000 + 1.00000i 1.00000 + 1.00000i 1.00000 + 1.00000i 1.00000 + 1.00000i 0.00000
= x 1.00000 +1.00000i
x25 = 1.0000025+ 1.00000i
Observe que na 1ª iteração, efetuada em k = 0, já geramos uma
Observe que na 1a iteração,
1ª aproximação xk+1 Complexa em ka=raiz
efetuadapara 0, jáe geramos uma 1aaaproxi-
encontramos raiz
mação xk + 1 Complexa para a raiz e encontramos a raiz convergida em 25
convergida em 25 iterações com 16 dígitos significativos de
iterações
os determinar com 16raízes
as demais dígitospelo
significativos
processo de
de precisão.
redução de
precisão.
omo no próximo exemplo.
Podemos determinar as demais raízes pelo processo de redução de grau.
xk − 2 xx= = xk *1.96
kk *– 0.98
2
0.98 = 1.96
| xk +1 − xk |=
3.57470423575603e − 16
z:
x =1.00000266769999 + 5.00575188652281e − 06i
x3 −15x2 + 12 x + 4 ⇒ P4′ (2) = 0
24 x − 30 ⇒ P4′′′ (2) = 18
e a raiz:
3.31:
x = 1.00000266769999 + (5.0057518865228e − 06)i
3.4 CONCLUSÕES
Neste capítulo, cumprindo seu objetivo principal, tratamos da solução
numérica de equações a uma variável f(x) = 0 quaisquer. Conforme alertamos
no início da abordagem desse problema, esta não é uma tarefa simples,
especialmente devido à inexistência de um método ou mesmo de uma
metodologia geral que seja efetiva em todas as equações.
Apresentamos três metodologias, que não são as únicas existentes, e
analisamos detalhadamente o comportamento algébrico, gráfico, numérico
e computacional de pelo menos dois métodos típicos de cada uma.
Também tratamos minuciosamente da questão da influência da
multiplicidade nas soluções de equações polinomiais Pn(x) = 0, disponibili-
zando uma alternativa para obter todas as raízes de equações polinomiais
com a máxima precisão possível.
CAPÍTULO 4
RESOLUÇÃO DE
SISTEMAS DE
EQUAÇÕES NÃO
LINEARES
No
No
NoNo
NoCapítulo
Capítulo
Capítulo
Capítulo
Capítulo
NoNoCapítulo 2,
2,
2,2,
2,abordamos
abordamos
Capítuloabordamos
abordamos
abordamos
No 2,2,abordamosaaaaasolução
abordamos
Capítulo solução
2,solução
solução
solução
abordamos de
de
dede
desistemas
aasolução sistemas
sistemas
soluçãosistemas
sistemas
ade
de de
de
de
deequações
de
sistemas
sistemas
solução equações
equações
equações
equações
de dedeequações
equações
sistemas de equ
lineares
lineares
lineares
lineares
lineares AAAAA****XX
lineares
lineares *X
XX=
===
=BB
ABBB
A*e,
e,e,
e,
e,no
Xno
*no
X no
=no
lineares=BCapítulo
Capítulo
Capítulo
Capítulo
Capítulo
Be,e,
Anono = 3,
3,
3,3,
3,
* XCapítulo
B tratamos
tratamos
tratamos
tratamos
tratamos
Capítulo
e, no 3, da
da
dada
dasolução
3,tratamos
tratamos
Capítulo solução
solução
solução
solução
3, da de
de
dede
deequações
dasolução equações
equações
solução
tratamos equações
equações
dadede não
não
não
não
não
equações
equações
solução não
não
de equaçõ
lineares
lineares
lineares
lineares
lineares No com
com
comcom
lineares com
linearescomCapítulo
uma
uma
uma
umauma
comuma 2, abordamos
única
única
única
única
única
uma incógnita
incógnita
incógnita
incógnita
incógnita
única
única a solução
incógnitaff
incógnitaf(x)
ff(x)
(x)
(x)(x)==
==
=de
0.
0.
0.
0.0.sistemas
Neste
Neste
Neste
Neste
Neste de equações
Capítulo,
Capítulo,
Capítulo,
Capítulo,
Capítulo,
f (x)==0.0.Neste
Neste lineares
veremos
veremos
veremos
veremos
veremos
lineares com uma f (x)
única incógnita f (x) =Capítulo,
Capítulo,
0. veremos
veremosve
Neste Capítulo,
que,
que,
que, A *na
que,
que, X
na
na
na=modelagem
na Bmodelagem
modelageme, no Capítulo
modelagem
modelagem 3, tratamos
matemática
matemática
matemática
matemática
matemática dos
dos
dosdos
dos da solução de
fenômenos
fenômenos
fenômenos
fenômenos
fenômenos equações
físicos,
físicos,
físicos,
físicos,
físicos, não lineares
normalmente
normalmente
normalmente
normalmente
normalmente
que,
que,na namodelagem
modelagem matemática
matemática dos
dosfenômenos
fenômenos físicos,
físicos,normalmente
normalmente
com uma únicaque, na modelagem
incógnita f(x) = 0. Como matemáticana modelagemdos fenômenos
matemática físicos,
dos normal
estão
estão
estão
estão envolvidas
envolvidas
envolvidas
envolvidas
estão envolvidas
estão
estãoenvolvidas envolvidasrelações
relações
relações
relações
relações não
não
não
não lineares
lineares
lineares
lineares
não lineares
relações
relações entre
entre
entre
entre
entre várias
várias
várias
várias
não várias incógnitas,
incógnitas,
incógnitas,
incógnitas,
incógnitas, as
as
as
asas incógni
fenômenos estão
físicos, envolvidas
também podemnão não
estarlineares
relações lineares
envolvidas entre
entre
lineares várias
várias
relações nãoincógnitas,
entre incógnitas,
várias
lineares asas
quais
quais
quais
quais
quais geram
geram
geram
geram
entregeram
quais
quaisgeram
várias um
um
umum
um
geram sistema
sistema
sistema
sistema
sistema
quais
incógnitas, umumgeram
as de
de
de
dedeequações
sistema
sistema
quais equações
equações
equações
equações
um de
geramde equações
sistema um não
não
não
não
equaçõesnão lineares.
lineares.
lineares.
lineares.
delineares.
sistema não
não
de lineares.
equações lineares.
equaçõesnãonão lineares.
lineares,
Vamos
Vamos
Vamos
Vamos
Vamos
os mesmos iniciar
iniciar
iniciar
iniciar
iniciar
devem
Vamos
Vamos oooiniciar
ser ooestudo
estudo
estudo
estudo
estudo
Vamos das
das
das
dasequações
das
solvidos.
iniciar ooestudoequações
equações
estudoequações
equações
iniciardas
odas não
não
não
não
não
equaçõeslineares
lineares
lineares
lineares
lineares
equações
estudo das não apresentando
apresentando
apresentando
apresentando
apresentando
nãolineares
lineares
equações nãoapresentando
apresentando
lineares apresen
duas
duas
duas
duas Vamos
duasdefi
defi
defi
defi
defi iniciar
nições
nições
nições
nições
nições
duas
duas defi o estudo
importantes:
importantes:
importantes:
importantes:
importantes:
defiduas
nições
nições das
importantes:equações
importantes: não lineares apresentando duas
defi nições importantes:
definições importantes.
Defi
Defi
Defi
DefiDefinição
nição
nição
nição
nição
Definição Defi 1:
1:
1:
1:1:
Defi 1:
sistema
sistema
sistema
sistema
sistema
sistema
nição
niçãoDefi de
de
de
de
de de
1:1:sistema
sistema
nição equações
equações
equações
equações
nnequações
nnnnequações
1:de
de não
não
não
não
não
não
nnequações
equações
sistema de lineares
nlineares
lineares
lineares
lineares
lineares
não com
com
com
com
com
nãolineares
lineares
com
equações incógnitas
incógnitas
incógnitas
incógnitas
nnnnincógnitas
nincógnitas
nnão com
comnnincógnitas
incógnitas
é com
lineares toda n incógn
ééééétoda
toda
toda
toda
todaéexpressão
expressão expressão
expressão
éexpressão
expressão
do
toda
toda tipo: do
é dodo
do
dotipo:
expressão
expressão
toda tipo:
tipo:
tipo:
tipo:
dodotipo:
expressão tipo: do tipo:
ff1f1f1f(1(1(x(x(x1x1x1,1,1,x,x,x2x2x2f,2,12,fx,(x,1x3xx3x(3,...,
31,...,
x3,...,
,...,
,1,...,
x, 2xxx,x2nxnxx,n)n)n3x))f=
)===(00x0001x,nxx)n2)=, =
=
,...,
31,..., x03 0,..., xn ) = 0
ffff(((x(xxx,,,x,xxx,,,x,xxx,...,
f 222(22x111,11x22f2,222fx(23x3(3,..., 31=x3,...,
=,...,
,...,
,==
1x, 2xxx,x2nxnxx,n)n)n3x))f,...,
= )= 00x000x,xx) ), x00,...,
32,...,
(= 3 =
⇒
xn )⇒⇒
⇒⇒ =
F
0==FF(((X
F=
F
= (X
(⇒ )))))=
XXX⇒ 00
F=F0(00X
( X) )⇒00=
F(X ) 0
1 n n2
fffnfnfn(n(n(x(x(x1x1x1,1,1,x,x,x2x2xf2,2,2f,x,(x,x3xx3x(3,...,
,...,
,...,
,...,
,...,xxxxx))))= )===
n n 31x3,1x, 2x,2nnx,nnn3xf,..., (00x0001x,nxx)n2)=, =
=
3n,..., x03 0,..., xn ) = 0
EmEm
Em Em
EmEm queque
que
que
queque Em Emque que Em que
ff1f1f1f11 f1fff11f1f1f11xxx1x1x111fff1 x1xxx1x1x1x111f xxx1 x1
fffff xxxxx11 1 1 1
f2X f
fXf fff eeee2e222f2X xxx x x
f22 x2x222222f 2 x2xx22
fXX
FF
FFF(2(2(2X XX=== e X = x2
22
FFFFF(((X
(X
(XXX))))= ==F
)==F ( (
X X(X
()XXX
)
= e=
)))e)= e==F
)e=e=F X
F
(
X2X
X(
2222
( =X
=
X
2
===
) e)
=)e = = X X 2X
F =X(==
=X===
e)e e= X
fffnfnfnnn fnfffnfnfnfnnnexxxnxnxnnfnnffnn xnxxxxnnxnxnnnf n xnxxnn xn
270
3 1 3 2 1 3 1
2 3 2 3 3 1 1 1 3 1 3 333 11
1 22
2 33
3 3
22 11 22 33 22
b)f ( x f,2x( x,1x, x)2 ,=x3 )x1 x= 2 x13 − x12x2 x3 − 5 = 0
e − ln( x + x x ) = 0 ⇒ F ff=((xxf,2, x(xx,1,,xxx)2),x3 ) e Xxx= x2
Definição
Definição 2:
| −3.4
Definição | solução
2:2:
Definição
Definição
solução11 2 de
2:33 solução
solução f 3 ( x1 , de
2: solução
3
xde , xde
2de
F) (X)
F3F
F(X)= (X) x1 x=
Fe(X)
(X) =2=
1
é0éxétodo
=0−0=00ln( 2 todovetor
é étodo
todo
2 3
1todo
vetor
2 x3 )vetor
+ xvetor. =0 ... 33 11f3 (2x21 , x332 ,x3 ) 33 x3
αα==={{αDefinição
α α{α1=286
α ,{α2α,,211,,...,
,,1α
α
Definição
α...,
...,
,2:
22α
α α...,
n}
solução
α∈
n}}2: nn∈
∈ /
TTsolução
de
}∈//FF
F
/((α
(
F )())α(X)
F
αde
α
)=
==
F
=0=000 =é 0todo
(X) é
vetor ..
todo vetor .
αα1 = [α, α
= [α 2 , α, ,...,...,αα ]] , ,onde
n
1 1 22 ondeαα∈∈ ℂ / F(α)
nn F (α ) ==00 i i
Por Por
α = exemplo:
exemplo: {α11, α 2 , ..., α n } ∈ / F (α ) = 0
Por exemplo:
Por exemplo: α = { α , α , ..., α } / (α )
xx288
Por xx ==11 ∈
f (
x
f ( x , x22= , x =)F
) x x −−=
x x = 1 000
1=
=1111 22exemplo:
1 2 n
xx1xx12x2=
=
⇒
⇒f f1((xx1111,,xx1212=
)=) xx11xx12122 −2−2 =12 0
1 2 Por
1xx22 ++exemplo:
xx22 −− 44xx ++ 22xx = =⇒44 f1 ( xff1(,(xxx2,,=
1
22 ⇒
)xx )) ==x1xxx22 ++−x=
x12 −− 0
44xx ++ 22xx −− 44 == 00
x122x1+2 +x222xx2x..,12−1x−Por exemplo:
1 i =221,..., n211,x ...= 22 11 22 22 11 22 22
4 4
x=x +
1 +2 x = 4 4 ⇒ f f 2( xx,
1 x
fx (
2)x = =, x
xx=1)
2 ++ x
xx 2 x
2 − − 1
=x 1
11
f2 ( x1 , x112 )11= 2x21 + x211 22− 4 x1 + 2 x2 − 4 = 000
( , ) 4 + 02 x2
22
− 4 ==
x1 + x20.604068 −1 422xx11 x+ 2=x122 =
0.604068
1 2
4 ⇒ 2 1 2 f ( x1, x =
2 ) 22 x1 x222 −=
2 1 1 02
α
0.604068 == xx297
0.604068 22
+ x
122 2
−
4 x + 2 x = 4 ⇒ f (x
1 1
, x ) = x + x − 42x11 ++ 22xx22 −− 44 = = 00
11 222 f( x2 +
1.655442
1.655442 2 1 2 1 2
α= = 0.604068
1 2
1.655442 x1 +x2 1−Δ4xx,1x+2, 2, xx2) −=
1 1 1 f 4( x , x 2, , x1f ) ( x
2 ... n
2 1 f, x( x2 ), x= , x,1x ++ Δxx2 −
2
1 1
1
2 ...
22
n ) −4f x( x+, x2,x, x−) 4 = 0
1 1 2 ... n n 1 1 2 ... n
= 1.655442
0.604068
0.604068 Δx Δx
.... 1 2
1.655442
1 n
α
α = Note = 0.604068
fa(dificuldade
x + Δx , x , , x ) − de f ( xisolar,
2 ... , x , , x ) viaf métodos ( x , x , , x + Δabstrativos,
2 ... x ) − f (x , x , , x a ) solução
2 ... 2 ...
α 1.655442
a1.655442 =( X) ≅ 2 1 1 n 2 1 n
....
2 1 (7) n n 2 1 n
métodos αα já Δ x 1 Δ x
consequência,
uso de
de n
étodos já a partir
aαiterativos.
partir de n = de n = 2 equações,
2 equações, restando, restando, por consequência, por consequência,
o uso de métodos o uso de
métodos iterativos.
métodos iterativos.
iterativos.
métodos
Aqui
Aqui 305vamos vamos iterativos.
apresentar três
apresentar três métodos
métodos iterativos iterativos da da família
família newtoniana,
newtoniana,
que podem serapresentar
considerados a) extensões adaptadas daqueles que vimos
Aqui que
vamospodem ser
apresentar
Aqui vamos
considerados
três extensões
trêsmétodos
adaptadas
iterativos
métodos iterativos
daqueles
da família
da família
que vimos
newtoniana,
newtoniana, que podem
Aqui vamos
no
apresentar
no Capítulo
CapítuloX =3,
ser considerados
para
três
paraextensões
resolver
resolver
métodos
3,[0.785196933062355, adaptadas
uma
iterativos
uma0.496611392944656,
única
única equação
daqueles
equação
da
que
família
aavimos
uma
uma
newtoniana,
0.369922830745872]
variável.
no Capítulo
variável.
T
3, para
Aqui vamos
Aqui
que podem
Aqui apresentar
vamos
seruma
vamos considerados três
apresentar
apresentar métodos
três métodos
extensões iterativos
iterativos
adaptadas da família
da
da família
daqueles newtoniana,
quenewtoniana,
vimos
que podem resolver
ser vamos
Aqui única
consideradosequaçãotrês
apresentar a umamétodos
trêsvariável.
extensões iterativos
adaptadas
métodos
família
daqueles
iterativos que
da família
newtoniana,
vimos
newtoniana,
que
no podem
que podem
Capítulo
que ser
3, considerados
podem ser resolver
para
ser considerados
considerados extensões
uma extensões
única
extensões adaptadas
adaptadas
equação a uma
adaptadas daqueles
daqueles que
variável.
daqueles que
quevimos
vimos
vimos
no Capítulo que3,podem
b)para resolver uma única
ser considerados equaçãoadaptadas
extensões a uma variável.
daqueles que vimos
no Capítulo A
no Capítulo
Capítulosolução
3, para de um
3, resolver
paraum sistema
uma uma
resolver não
única linear consiste
equação
única equação em
a uma determinar
aa umavariável.
variável. pontos
no A solução 3, de
para sistema
resolver umanão linear
única consiste
equação em
uma determinar
variável.
no no Capítulon3,
subespaço para resolver
dimensional do uma
domínio únicadoequação
problema a uma variável.
que satisfaçam
pontos 211
o conjunto de equações. Para os sistemas lineares, temos apenasque
no subespaço n dimensional do domínio do problema três
A solução
satisfaçam de
o conjuntoum sistema
de equações. não linear
Para consiste
os consiste
não sistemas em
existência,lineares,
determinar
solução temos
única
A possibilidades
solução de de um quantidade
sistema denão
soluções:
linear em determinar ou
pontos no
apenas AA
A infinitas
solução solução
subespaçode um
solução
três soluções. de
n
de
possibilidades um
um
paraum sistema
dimensional
Jásistema sistema
os
de nãonão
sistemas
quantidade não
do
linearlinear
domínio
linear consiste
consiste
não lineares,
de soluções: do
consiste
podemos em
problema
emter
não em determinar
determinar que
determinar
nenhuma,
existência,
ontos no A
subespaço solução de
dimensional
nfinito sistema donão linear
domínio consiste
do problemaem determinar
queque
pontos
satisfaçamuma,
pontos
ontos no
solução o no
um
no
subespaço
única subespaço
número
conjunto
subespaço
ou de n
noudimensional
até
equações. um
dimensional
n dimensional
infinitas soluções. número
Para do
os
do
do domínio
Já para domínio
infinito
sistemas
domínio
os de
sistemas do
soluções problema
e
lineares,
do inexistem
problema
do problema
não temos
lineares, queque
atisfaçam pontos
o
formas deno
conjunto subespaço
de
determinar equações.n dimensional
algebricamente Para a os do
sistemas
quantidade domíniode do
lineares,
soluções problema
temos
de um que
apenassatisfaçam
três o conjunto de equações. Para os sistemas lineares, temos
podemos
atisfaçam opossibilidades
satisfaçam teronenhuma,
conjunto
satisfaçam
sistema conjunto
genérico
de
=de
uma,
de equações.
o conjunto
F(X)
quantidade
equações.
deum ParaPara
número
equações.
0.quantidade
de soluções:
osParaos sistemas
finito osou
sistemas não
até
sistemasum existência,
lineares,
número
lineares, temos
temos
lineares, temos
penas três
apenas possibilidades
três possibilidades de de quantidade de soluções:
de soluções: não existência,
não existência,
solução
penas trêsúnica
infinito
apenasapenasde ou
trêstrês infinitas
soluções e
possibilidades
possibilidades soluções.
inexistem
de
possibilidades formas Já
de quantidade
quantidade para
de
de quantidade deosos sistemas
determinar
de desoluções:
soluções: não
não
soluções: não lineares,
algebricamente existência,
existência,
não existência,
oluçãoa únicaúnica
solução
quantidade ou infinitas
de ousoluções soluções.
infinitas de soluções.
um Já para
sistema Já para
F (X)sistemas
=os0. sistemasnãonão lineares,
lineares,
podemos
olução únicater nenhuma,
ou infinitas
infinitas uma,
soluções.
soluções. um
Jáos
para
Já parafinito número
os sistemas
sistemas finito
solução única ou infinitas soluções. Já para os sistemas não lineares,
solução
ouúnica não lineares,
nãonúmero
lineares, ou até um número
odemos ter
podemos nenhuma,
ter uma,
nenhuma, um
uma, número
um número ou
finito até
ou um
infinito de soluções
podemos e inexistem
ter nenhuma, formas
uma, de determinar
um número ou até um número
até um
finito algebricamente
número
utacional CAPÍTULO 4 – RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES NÃO LINEARES 287
x1 + x2 − 9 =
2 2
0
x1 x2 − 1 =0
Solução:
Solução:
Como este exemplo envolve apenas duas equações simples
Como
com duaseste incógnitas,
exemplo envolve
bastaapenas duas
gerar os equações
gráficos de simples com duas
x em função
incógnitas, basta gerar os gráficos de x2 em função de x12, correspondendo
ade x1, circunferência
uma correspondendo a uma circunferência
na primeira e uma hipérbolena
naprimeira e uma
segunda, resultando:
hipérbole na segunda, resultando:
Gráfico 4.1 – Interseção
Gráfico dos gráficos
4.1 – Intersecção dosdas funçõesdas
gráficos Exemplodo
do funções 4.1Exemplo 4.1
x2
x2
x1
x1
4.14.1
4.1 4.1
Método
Método
Métododede MÉTODO
Newton
de Newton
Newton DE NEWTON
4.1
4.1Método
4.1 Método
Métodode
deNewton
de Newton
Newton
No sistema não linear F(X) = 0,
No
No
No
Nosistema
sistema
sistema
sistema
No não
nãonão
não
Nosistema
No linear
linear
sistema
sistema linear
linear
não
não F
F (X)
(X)
(X)
F(X)
F
nãolinear
linear
linear==F0,
0,
=(X)
=
F
F 0,
0,
(X)===0,
(X) 0,
0,
ff11((ff1xx1(11(,x,x1xx1,2,2x,.......,
fx,.......,(,......., )x)nn==)) =
(xxx11,1,,xxxx2x22n,.......,
f12f211(,......., x,.......,
n,......., 00=x00xxn )))===000
nn
ff22(f(f2x2x(11(,x,x1xx1,2,2xf,.......,
x,.......,(,.......,
f2f2222(,.......,
xx , , xx xx n x )x)
,.......,
n ==
,.......,
nn )) 0
=0=
( x111 , x222 ,......., xnnn)))===0000
x 0
x (1)
(1)(1)
(1) (1)
(1)
(1)
(1)
ffnn(f(fnxnx(11(,x,x1xx1,2,2xf,.......,
x,......., (,......., )x)nn==)) =
(xxx11,1,,xxxx2x22n,.......,
fnf2n2n(,......., x,.......,
n,......., 00=x00xxnnn)))===000
(0)
(0)(0)
Tomando
Tomando
Tomando
Tomando um
Tomandoum
Tomando
Tomando
Tomando um
um vetor
vetor
umvetor
vetor
umumumvetor solução
solução
solução
solução
vetor
vetor
solução
vetor inicial
inicial
soluçãoinicial
inicial
solução
inicial
solução XX
X(0)X ,,(0)calculamos
calculamos
,,Xcalculamos
calculamos
(0)
X, calculamos
inicial
inicial
inicial X (0)
um
umum
um
X (0),,,calculamos
calculamos
um vetor
calculamos vetor
vetor
umvetor
vetor
umvetor
um vetor
incremento
vetor
(0) (0)
incremento
incrementoDX
incremento
incremento = X –
incremento
incremento
incremento
∆X
∆ X X
∆∆XX
== =X e
=X∆Xobtemos
X
−−XX
∆
∆ X
X (0)
(0)(0)
−===XXXX
X−
(0) o vetor
Xee−−−obtemos
eobtemos
eXXXobtemos
obtemos
(0)
(0)
(0) solução
obtemos
obtemos aproximada
oo ovetor
eeeobtemos vetor
o vetor
vetor
ooosolução
solução
vetorsolução
solução
vetor
vetor de incógnitas
aproximada
soluçãoaproximada
solução
solução X
aproximada= X
aproximada
aproximada de
aproximada
aproximada deDX,
dede + de
de
de
em que:
incógnitas
incógnitas
incógnitas
incógnitas
incógnitas
incógnitas
incógnitas ,X, em
em
,+,++em
em X,que:
∆Xque:
que:,em
emque:
,que:
em que:
que:
(0)
=
=X
X=
=XX X (0)
X XX==XX
(0)(0)
=
(0)
++ ∆
X +X
∆
+ X
X
∆∆
XX
(0)
(0)
∆∆ X
f 2 ( X ) = f 2 ( X ∂ )
x 1
+ ∆ ∂x x
12 + ∆ x 2 + ....
∂ x+
n
∆ xn + O x j ) 2 (2)
(∆(2)
∂ x 1 ∂ x 2 ∂ x n (2)
∂f n ( X (0) ) (0)
∂f n ( X (0) ) (0)
(0)∂f n ( X )
f n ( X ) =f f n((XX) =)f+( X (0) ) + ∂f n∆(xX1 + ) ∆x + ∂f n∆( xX2 + )....∆+
(0) (0)
( Xxn +)O(∆x j ) 2
∂f n ∆
n n ∂ x ∂ x
12 x 2 + ....
∂ x+ ∆xn + O(∆x j ) 2
1
∂ x 1 ∂ x 2
n
∂ x n
Em cada Em
Emcada i
(X)fi=
f cada (X)0,=i =
0,=1,
f i (X) =...,n,
i0, 1,
i =...,
desprezando
1,n,...,n,
desprezando os termos
os termos
desprezando dede ordem
ordem
os termos desuperior
ordem
O(Dx
superior O )
( ∆
2
e
x ) 2
e reescrevendo
reescrevendo a eq. (2) a eq.
para (2)
a para
forma a forma
matricial, matricial,
resulta o seguinte
superior
j j O ( ∆x ) e reescrevendo a eq. (2) para a forma matricial,
j
2
sistema
resultaresulta linear:sistema
o seguinte linear:linear:
o seguinte sistema
∆x1 ∆x f1 ( X )f ( X (0) )
(0)
∂f1 ( X (0)) f1 () X (0) ∂) f ( X (0) ∂) f1 ( X (0)∂)f ( X(0)
∂(0)
∂ f ( X .... )
1
1 1
∂....
1 1
∂x1 ∂x1 ∂x2 ∂x2 xn ∂xn
∂f ( X (0) ) f 2 )( X (0)∂)f ( X (0) ∂) f n ( X (0)∂)f ( X ∆(0)x2) ∆x f2 ( X )f ( X (0) )
(0)
∂ f ( X∂(0)
2 ....
2
2 .... n 2 2
∂x1 ∂x1 ∂x2 ∂xn ∂*x *= − = − (3) (3)
(3)
∂x2
n
∂f n ( X (0) ∂) f ( X∂(0)f n )( X (0)∂)f ( X (0) ∂) f n ( X (0)∂)f ( X (0) )
n ....
n
.... ∆x (0) (0)
n
∂ x ∂ x ∂ x ∂xn n ∆xnfn ( X )f n( X )
1
∂x1 2 ∂x2 n
Resolvendo
Resolvendo
Resolvendo por eliminação
por
poreliminação
eliminação gaussiana
gaussiana
gaussianao sistema
o sistema linear
o sistemalinear dado
dadodado
linear pela
pela eq. eq.(3),
pela (3), determinamos
determinamos
eq. (3), determinamos ososvalores
valores de uma
de
os valores cada Dxj e aproximação
posteriormente
deaproximação
uma para cada paraobtemos
cada
∆x j e posteriormente obtemos os novos valores das incógnitas Dx
os novos valores das incógnitas do sistema não linear via x = x + doj,
(0)
∆x j e posteriormente obtemos os novos valores das incógnitasj do
j
j = 1, ..., n. Esse processo 0precisa
∆xxj0j, +jser repetido para melhorar a precisão da
sistema não linear
sistema via x =
não linear j viax j x+
= =∆1, j = 1,Esse
x j , ...,n. ...,n. processo
Esse processo precisa precisa
solução, atualizando o conjunto de valores iniciais X(0) pelos novos valores X
j
ser repetido
ser
calculados.para
repetido Commelhorar
para
o novo X(0)a, (0)
melhorar precisão
geramos a precisão da solução,
e resolvemos da solução,atualizando
o sistema atualizando
linear o
novamente o
conjunto de valores
conjunto
e o atualizamos iniciais
de valores
até X pelos
queiniciais
algum
(0)
X pelos
critério novos valores
novos
de parada X calculados.
valores
seja X calculados.
satisfeito. Tal critério
(0) (0)
Com oCom novoser
pode o ,mesmo
oXnovo geramos
X , geramos
entree resolvemos
aqueles e resolvemos o sistema
utilizados lineariterativa
o sistema
na solução novamente
linear novamente
de sistemas
elineares.
e o atualizamos
o atualizamos até que atéalgum
que algum critério de parada
critério de paradaseja satisfeito.
seja satisfeito.
Tal critério Observe
Tal critério
pode ser que,
pode considerando
ser o mesmo
o mesmo entre entreum contador
aqueles aqueles de na k,solução
iteração
utilizados
utilizados onamétodo
solução de
Newton para sistemas de equações não lineares torna-se:
iterativa
iterativa de sistemas
de sistemas lineares.lineares.
(k) *Observe
Observe que,
(k) considerando um contador de iteração o
k, o k,(4)
J(X ) DXque, = – F(X considerando
) um contador de iteração
método
método de Newton de Newton para sistemas
para sistemas de equações
de equações não lineares
não lineares torna-se:
torna-se:
X(k + 1) = X(k) + DX (5)
( k ) ( k )
J ( X ( k ) )J*(∆XX = ) *−∆FX( X
= − F) ( X )
(k )
(4) (4)
+1) X ( k=
+1)
XX( k ) + ∆X (5)
X ( k= X (k ) + ∆ (5)
Em que
Em que
Capítulo
Capítulo 4 – Resolução de 4 – de
Sistemas Resolução
Equaçõesdenão
Sistemas de Equaçõe
Lineares
290 ∂f ( X )
1 ()X ) ∂f ( X
∂f1∂(fX ∂f ( X ) ∂CÁLCULO NUMÉRICO COMPUTACIONAL
....1 )1 f1 ( X )
1 Capítulo 4 – Resolução de Sistemas de Equações nã
∂x ....
∂x∂1 x2 ∂x2 ∂xn ∂xn
Capítulo 4 – Resolução de Sistemas de Equações n
1
∂f1 ( X ) Em ∂que ( X) ) ∂∂∂fff1∂1((fXX
f1f(2)X
f1∂(∂X 2 ())
)X) ∂f∂(f1X (∂X)f n)( X ) ∂f ( X )
....2
∂x J ( X )=∂f∂1x( X .... .... ∂f1 ( X
....
2 n
∂ ∂ x)x
2( X1 ) =
∂ f ( X
∂
∂ x
x )∂ x
∂x1n2 .... ∂x2 n ∂xn
∂ x ) ∂ x (6)
1
J 1
1 2 n (6
∂f1 ( X ) ∂x ∂f1 ( X ) ∂f ( X)
∂f 2 ( X ) ∂f∂2∂(xf1X2 ()X ) ∂f22n ( X ) .... ∂∂xnf n1( X )
∂x J ( X ) =∂f∂x(X ∂x1 .... ∂x2 .... ∂xn
∂
2 ∂2f ( x) ∂f ( X
1 X ) 2 ∂f 2n( X
∂ x ) ∂f ( X
∂ x ) (6) (6)
1
∂x ∂n f 2 ( X ) ∂∂fxn∂(fX )) ∂
n ()X.... f nn (∂Xf∂n ()fn nX
....
(X )
) ∂f n ( X )
J ( X ) = )=1 ∂x∂1x ∂2x∂
2
.... n ∂x....
∂ x (6) (6)
J(X 1 ∂xx22 ∂ x ∂xn n ∂xn (6)
∂f ( X ) 1
∂f ( X ) ∂f ( X )
2
∂f n ( X )
∂f ( X )
n n ....
∂fn ( X )
.... n
∂x1 ∂
f
A ( X )
∂x1
∂n x2matriz
∂f ( X )
(X∂∂fx)2ncontém ∂ f (
)J (X )ntodasX )
∂x derivadas parciais de 1ª ordem
∂f n ( X )AJnmatriz n(X .... ∂f n (n X )as
contém todas as derivadas parciais de 1ª ordem
∂x1 ∂ x .... ∂xn
possíveis da∂função
possíveis x1 da) F
2 ∂(Xx2 ) e éF
função denominada
(X∂)xas de jacobiana
denominada
en éderivadas dessa função.
de jacobiana dessa função
A matriz J (XA matriz
) contém (X
Jtodas contém
as derivadastodas parciais de 1ªparciais
ordem de 1ª ordem
AF matriz Jcontém ) e étodas
eis da possíveis
função da
(XA função
A)matriz
matriz (X )J(X)
e éJ denominada
F (X
(X )contém
contém xas
denominada
e de
x1todas
todas
2
as
=derivadas
+jacobiana de
asderivadas
e 1x1derivadas
+ x =
parciais
jacobiana
dessa função.
parciais
1
de
de
parciais 1a1ªordem
dessa
de 1ªordem
função.
possí-
ordem
Exemplo
possíveis
veis da
da função 4.2:
função resolva
F (X
F(X) eF4.2:) e
é(X é denominada
e é 2denominada
denominada por
de Newton,
jacobiana
de jacobiana2 dessa com
dessa
função. 3 iterações
função.
possíveis Exemplo
da função )resolva 2 por Newton,
de jacobiana com 3 iterações
dessa função.
e x1 + x2 = 1 e 1x+1 x+2 x=
x
=
2 1 42 + x 2 =
xpor 4 com 3 iterações
Exemplo
mplo 4.2: resolva 2 4.2: resolva Newton,
epor1 +2e xNewton,
x 1com 23 iterações
x + =
x 1 = 1
1x1 +2 x2 2=
2
4 + 4 por
1
2
Exemplo xresolva
4.2: + xresolva
2 = +1por
por Newton, com 3 iterações
aExemplo
Exemplo
partir 4.2:
de resolva
14.2:
X (0)
=
a partir de+x1−1X1+x1x2+==
2 (0) ,
2 2 e calcule
x 2
4 = 4 ,
Newton,
e
Newton,
o erro
calcule
com
de
o
3 iterações
com a partir de
3 iterações
truncamento
erro de da
truncamento da
+1 2
− 1
artir de aX partir
(0)
= de ,, e(0)
(0)
eXcalcule= o erro
calcule o, erroede
calcule o errodade
de truncamento
truncamento truncamento
da atingida. da
solução
solução −1atingida.
+1−1+1
(0)
a partir desolução
a partir de X
X = atingida. = , e calcule o erro
−, 1e calcule o erro de truncamento da de truncamento da
solução
ção atingida.
Solução: atingida. − 1
Solução:
Solução:
solução atingida.
ução: solução Solução:
Temos Temos
atingida.
Temos
Solução: Solução:
os Temos
f1Temos( x1 , x2) =f (exx1,+x x)2= −e1x=1 +0x − 1= 0
Temos
( X ) = x1 f1((xXx1),−x=12=)= 01e x1 12+ x22 −2 1= 0 2
xF
1 , x2 ) = e F+
F ( X ) = 2(=fx2,(fx2x1 1(),x=1x,2xe)2 xf)=12= +(x2xe1x1 ,+x+−22x1x)2=2 = −−01x4=12= +
0 0x 2 − 4 = 0
2 1 x
F ( X f)
) = x1 f+2(xx21 ,−x42 )= = 0x1 +22 x2 −2 4 = 0 2
, x)2 =
x(1X 1 1 2
f ( x , x ) = x12 + x2 − 4 = 0
( x1 , x2 2 ) 1= x2a12 jacobiana
f 2Obtendo + x2 − 4 = 0 e o sistema de equações lineares para essas
endo a jacobiana Obtendo
Obtendo e
a
Obtendo
ajacobiana
o jacobiana
sistema a jacobiana
e ode esistema
oequações
sistema edeo sistema
equações
lineares
de equações para
lineares
de equações
lineares
essas para
para essas
lineares
essas
duas
para essas
equações,
Obtendo
duas equações, a jacobiana conforme e o sistema de
asdeeqs. equações
(4) lineares para essas
Obtendo
duas a duas
equações, jacobiana equações,
conforme ee o(5), e conforme
sistema asaseqs. as eeqs.
equações
(4)
(5), temos:
(4)
linearese para
(5), temos:
essas
(4) ee (5),
(5), temos:
s equações, conforme conforme as eqs. as (4)
eqs. (4) temos:
(5), temos:
duas equações, conforme eqs. temos:
duas equações, conforme as eqs. (4) e (5), temos:
∂f ( X ) x ∂∂∂fff(1(X(XX)f))( X) ∆ ∆x ∆ f1x)( X ) f ( X )
X) ∂f1 ( X∂)f11(∂Xf )( ∆ ∂fx (X1 ) f (X
∂x 1 X )1 11∂∂fx1( X1 ) ∆11 x1 1f1 ( X 1) 1
∂∂xf21 ( X∂x)11∂x1 ∂f1( X∂∂x)x2∂12x2 ∆x1*∂x2 f=1(−X )
1
(X = − * * ==− −* = −
X)
∂f 2 (X ∂ f *
) ∂ f (
∂∂x)f 2( X ) ∂x∂f (2X ) X )
12 ∂f 2( X ) ∂2f22∂(f 2X(X)* ) ∂f=2 (−X)
∂∂x x ∂ ∂
x x ∆ x f ( X )
x1 x∆∂2 xx222 f 2f(2∆
∂∂xf22 ( X )11∂x∆1 x∂2f2( X∂)x2∂1x2f22 (X)∆ (2Xx) )
X
f2 ( X )
∂x 2
1 ∂ x 2 ∆x2 f2 ( X )
1 ∆ eexxx111ex 111eex1x1 ∆ +∆x∆1xx1x211 −1e∆xex1ex +x1+x+x2 2x−−211−
x11
) 1
1 1
e x1 1 ∆x1 e x1 + x2 − 1
291
onal * =− 2
CAPÍTULO 4 – RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES NÃO LINEARES
(*)
2 x1 2 x2 ∆x2
2
x1 + x2 − 4
onal
l
cional
tacional
acional
tacional
cional (0) +1
al Primeira Primeira iteração:
iteração:aplicamos aplicamos X = em em((*) *)
onal − 1
1 e
1
1 ∆ x e − 2 ∆ x = + 0.075766
x1 (1)
x (1)
= +1.0
ee1e11 1 111* ∆x∆
1
1*x 1 e −=2e−− 2 ∆x1
1 = ∆ ⇒+0.075766
x = + 0.075766
1
(1)
= +1.0758
x (1)
⇒ = + 1.0758
1
11=∆x=1−x=−−e−e2−e⇒ 1= xx11 == ++1.0758
(1)
∆xx1∆ 2−⇒ ∆x11 ∆ = x+1x0.075766 0.075766
0.075766 ⇒ (1)xx11 ⇒ == + 1.0758
+(1)1.0758(1)
(1)
1.0758 1
nal
e12e2e11 - 21-11***2*∆x∆ 2−∆⇒ 2 = ∆ 1
∆ = +x+ = − ⇒ 0.924234
1
x (1)
= −1.9
∆
xx∆∆ x
=
=
− − − 2 e −
2 2 ⇒ ⇒x ⇒ ∆−
= x
x
0.924234= + 0.075766
0.924234
⇒ x
=⇒ ⇒−
x
1.9242 1.9242= +
1.0758
e2212e2 1---222-12 ∆x1∆ − ∆ = −
x 2 xx= +==1.0758 (1)
onal *
*∆
2
222 x1
2
e = − −
2 − 2
x12=e −−2−⇒2− 2∆1x⇒= e −
2 ∆ x
⇒∆ 2
= x + ∆ x
−
0.0757661
∆x1 2= 0.924234
= = + 2
− 0.075766
0.924234
(1)
⇒
(1)
(1)
−
−1 x
x (1)
1.9242 == +− 1.9242
2
1.0758
x*∆1x∆ −⇒2 1 ∆
+0.075766
22
∆xx22 =
2
0.924234
−−0.924234 1x1 =⇒+1.0758
(1)
x1x2=2 −==1.9242
(1)
2 1.9242
−−1.9242
e 2 1 * -* 2
(1) 2
2
∆ =2x− 2−
⇒ x 2(1)
= ⇒
2 2 2 - -22 -2∆ xx2 2∆x2 n −−nn22 −n 2∆∆xx2 2= −−0.924234 x2 =
∆0.924234 −0.924234 x2 (1)= −1.9242
(1) (1)
∆
= x(1)2 = −1.9242 x2 = −1.9242
∑
Critério de parada: ∆ x = 1.000000 .
Critério 1 de parada:
∑ x1 = +1.0758
∆xparada: n 0.075766
1
eCritério de 1 e − 2n∆ ∆∆x1x=+=
1∑
jnx = 1.000000
jj x 1.000000
eCritério de ∑parada: .
Critério de parada: = − n∆ = 1.000000 ..
Critério de parada: ⇒ . ⇒
* ∆
∑
∑∑ − ∆ j= + 0.075766 x(1)1(1) = +1.0758
1
Critério 1 de x 1 parada:
j =e 2 ∆ jx = x 1 1.000000.
∆⇒ x1xj∆j j= 21.000000
n
dd 19
Critério
2 Critério - 2 de *∆de xparada:
2 = −∑
parada: n −∆2jx=1=
j
j ==11 n ∆
j= x= =
1.000000 −0.924234 .. ⇒x2 (1)= −1.9242
Critério de parada: j j =1 1.000000 1.0758
.−+0.924234
Critério
Segunda 2 Critério - 2de de
∆
iteração: x parada:
parada:aplicamos
2 ∑ j∑
=1
− ∆j 2=xj1=j1 = ∆ x
1.000000 ∆
Xj (1) =
x
(1)2 1.000000
=
= .
X (1) = −1.9242
+ 1.0758 . em(*)
+ 1.0758
x2 = −1.9242
(*)
Segunda
Segunda iteração: iteração:njaplicamos aplicamos
=1 j =1 + 1.0758
(1)++1.0758
+
=1.0758 em
em (*)
em (*)
Segunda Segunda iteração: iteração: aplicamos aplicamos X +X
(1)(1)−
1.0758
X
=1.9242
=
1.0758 −((*)
(*) em (*)
Critério
Segunda Segunda Segunda
SegundaSegunda de parada:
iteração:
iteração: iteração:
iteração:
iteração: ∑
aplicamos
aplicamos xaplicamos
n ∆aplicamos
aplicamos = 1.000000
X (1)
= X
(1) (1) . (1)
+ =
=
1.0758
−+ 1.0758
1.9242
em
em
−∆1∆1.9242 1.9242
) em
em em (*)
(*)
= em (*)
2.9322372 1 ∆x1 0.0080029 *
j∑
j ∆ x = − 0.066295
Segunda
Critério Segunda
2.9322372
2.1515314 2.9322372 deiteração: iteração:
parada:
11
− 3.8484686 j =1∆
aplicamos
=1* ∆ x∆∆jxx11==
aplicamos −1.000000 X0.0080029 =X
0.0080029
== −− −1.9242
−.1.9242⇒ ⇒
−1.9242
− 1.9242 xxem
11 == −−(*)0.066295
0.066295
2.1515314 ** x
2 0.8599495 ⇒ ∆−
∆
x1.9242 = + 0.186389
2.9322372
2.1515314 −− 3.8484686
3.84846861 ∆∆ xx ∆ x
0.8599495
0.8599495 + 1.0758 0.0080029 x=
2
2.9322372 2.9322372
2.9322372
2.9322372 1 1 11 aplicamos
∆x1 ∆
∆
22 x
∆x∆ 1x
1X
x1(1)
0.0080029
0.0080029
1=0.0080029
0.0080029
0.0080029
∆x1= ∆
xx ==
−0.066295
22
+
+
∆∆ x
0.186389
0.186389
∆ 1x1= −
= x0.066295
−∆−0.066295
0.066295 1 = −0.066295
Segunda
2.1515314 2.9322372
x1 (2)
2.9322372
(2)
=(2) +1.00951 iteração: 1 * ∆
x
* *=* − *
= −=
0.0080029
= − −
= + − 1.0758
⇒ ∆
x em
⇒ ⇒
= ⇒− (*)
∆
0.066295 1
⇒
x = − 0.066295
* ∆x * =∆−x0.8599495
1 ∆=(1) 0.0080029
x−=0.8599495
1.9242
⇒∆x21= ⇒
2.1515314 3.8484686 −0.8599495
0.8599495 ⇒
1
2.1515314 xx2.9322372 −−1−
− 3.8484686 2 *∆ ∆xx∆2x 2x1X 0.8599495 +0.186389
1
Segunda 2.1515314
112.1515314
== ++1.0095 − 3.8484686
iteração:
1.0095 3.8484686
3.8484686 aplicamos 2 = 2 −
0.8599495 0.8599495 em ∆(*)
+0.186389
0.186389 ∆x2∆ x= x= =
+=−+ x0.186389
∆0.066295
0.186389 2 =
+0.186389
2.1515314
2.1515314
x2(2) 2.1515314
=(2) − 1.7378 − 3.8484686
− 3.8484686
− 3.8484686
∆x2 ∆ 2
−
1.9242 ∆
x
⇒
= + ∆ x122 2= +0.186389
∆x2 0.8599495
2
xx=22 +
(2)
== −−1.7378
1.7378 ∆x1 0.0080029 ∆x2 = +0.186389
2.9322372 xx1(2)(2) xx==1(2)
(2)1.0095
(2)
+ =1.0095 1
1.0095
== ++1.0095
1.0095 ∆x1 =−0.066295
x (2)
(2) 1+ 1.0095 n = − ⇒
2.9322372
x11 = =(2) +1.0095 − 13.8484686 *∆n∆ 0.8599495
0.0080029 ∆∆xx1=
1 *
2.1515314 nxx1
1 =−0.066295
Critériox2(2)(2) xx1−(2)
1.7378
(2) +−−1.0095
de
==1.7378 parada:
1.7378 ∑ ∆2xj == −0.2527 . ⇒ 2 +0.186389
=
parada:j =1∑
x x = (2)− 1.7378 0.2527 .. ∆x2 =+0.186389
2.1515314 x22 −1.7378 = −de 1.7378 ∆x2∆x jj =
(2)
xCritério
2Critério = − 1.7378 de parada:
− 3.8484686
x1x(2)2=x=(2) 0.8599495
2
2(2)
= −1.7378
+1.0095 n jj==11
∑
2 n
∆xnnj n=
∆0.2527
n
Critério x(2)1(2) = +1.0095 dede parada: n (2) . +1.0095
CritérioCritério
Terceira
x Critério
Critério
Critério= − 1.7378 de deparada:
parada:
de
iteração:
de parada: ∑∑
∑∑
parada:
parada: ∑
aplicamos ∆xnj ∆= xXxj =
x∆0.2527 =
j x = 0.2527
0.2527
= . +1.0095
0.2527 0.2527
.. . em (*)
2Critério de ∑∑
parada: j =1∆x j ∆ = .. . em
2 j 1
= (2)
(2)
xTerceira
Critério Terceira
(2)
= −1.7378 de iteração:
iteração:
parada: aplicamos
aplicamos
j =1j =1 ∆x
X= 0.2527 =
0.2527 −
−1.7378 1.7378 em (*) (*)
j =
j
Critério de parada: n
j =1
j
+ 1.0095
Critério de
Terceira parada:aplicamos
iteração: ∑ j∑
n ∆x j =1=j =
j
1 j = 1
0.2527
X (2)= .(2)
(2)
X0.0080029 =X
+1.0095
= +
+1.0095
+ em (*)
x11.0095
1.0095 (*)
Terceira
Critério 2.7441484 Terceira
Terceira deiteração:
1iteração:
parada:
iteração:
aplicamos
=1 aplicamos
∆∆xx1 j =
aplicamos
0.2527 . −
X 1.7378
(2)
= +
∆ 1.0095
=em
−0.0052822
+ (*)
1.0095
em em(*) (*)
Terceira 2.7441484
2.7441484 iteração: 11
japlicamos
* ∆∆xx11=− 0.0080029 X
0.0080029 (2)
− 1.7378
=
⇒ +
−∆1.7378
1.0095
∆
∆ x
x =
= − − 0.0052822
0.0052822
em em
Terceira iteração:
x2aplicamos XX+(2)1.0095
X ==
(2)
x21.7378
= em (*)
1
1
Terceira 2.0189416
Terceira
2.0189416 iteração:
− 3.4756897
iteração: aplicamos
=1 ∆
aplicamos
**
xx == −−0.0391360 0.0391360 (2)
⇒
⇒
−
−1.7378
=
+0.0081916
em (*)
(*)
Terceira
2.7441484 Terceira
2.0189416 −−
iteração:
iteração:
1
3.4756897
3.4756897 aplicamos
aplicamos
∆∆
∆ x 22 X0.0080029 (2) 0.0391360
=
+ −
−∆x1.7378
∆ x
∆
∆
1.7378
= em
em
x
x
−
=
=
( +
(*)
−0.0052822
22
− 0.0052822
+
*1.7378
)
0.0081916
0.0081916
(2) −1.7378 1.0095
⇒ ∆
1 1
Terceira 2.7441484
x1(3) (3) = +1.0042 1 1 aplicamos
iteração: * * ∆ ∆x1 = ∆ − X 0.0080029 =0.0080029 =
em ∆(*)
2.0189416
2.7441484
(3)xx2.7441484
(3)
11 == + − 3.4756897
+1.0042
1.0042 x2 * = −x10.0391360 ⇒ x21= +0.0081916 x1 =−0.0052822
1 − 13.4756897 ∆x∆ x10.0391360 = − 0.0080029 −1.7378
0.0080029 ∆x2⇒ ∆ x1= = 0.0052822
−−0.0052822
2.7441484 x2(3)
2.0189416
2.7441484
= −1.7297
2.0189416
2.7441484
− 3.4756897
1 1
∆ x2∆ *∆
x
∆ 1xx2 = −
0.0391360
0.0080029
0.0080029
=+0.0081916
⇒ ∆∆ ∆
x∆2xx1= =+0.0081916
− 0.0052822
2.7441484
(3) xx2.7441484
x1 (3)=2.0189416
(3)
==
22 +1.00421 −− 1.7297
1.7297
− 3.4756897
1 ∆x1* ∆1x0.0080029
1 = − ∆ x
1 0.0391360 0.0080029 ∆x1= ⇒
∆11x2 =
−0.0052822 ∆0.0052822
x 1 =
+0.0081916 −0.0052822
* *=∆ 2==−− = − ⇒ ⇒ x 0.0081916
2.0189416 x = + 1.0042 − 3.4756897
∆x ∆2x0.0391360−x 0.0391360
⇒ ∆ ⇒ = +
∆ x2 0.0391360
1 ∆∆xx1= ∆∆x22 =
* * 0.0081916
+0.0081916
x2.0189416
1− 3.4756897 =−0.0052822
=2.0189416 −− 3.4756897 *∆x2 1 ∆=x 0.0391360
2.7441484
20.0080029
2
2.0189416
(3) x−1(3)1.7297
2.0189416 = +−1.0042 3.4756897 3.4756897 0.0391360 2 +0.0081916 ∆x2 = +0.0081916
Critério 2 (3)
x
2.0189416 (3)
2 x1(3) = +1.0042
= − 1.7297de − parada:
parada: ∑ ∆ =
3.4756897 ∑ ∆ ∆x = −20.013474
0.013474 ..
0.0391360 . ⇒ ∆ x = + 0.0081916
xx1x(3)1Critério
Critério de
de parada:
(3)
=x=x1=(3)
(3) + ++=1.0042
2 1.0042
1.0042 1.7297
= +−1.0042 2 2
1(3)
x
x
(3)
(3)
== −+ 1.0042
1.7297
Critério
Podemos
x(3)(3)
xxx2Podemos
Critério
= ==(3)
2Podemos
1(3)
12 +1.0042
x=2−(3)1.7297 de
−−=1.7297 obter
parada:
−1.7297
1.7297
de obter
obter
parada:
o erro
oo erro ∑∑de∆de
erro de∆
truncamento =
truncamento
truncamento
=
0.013474dessa
0.013474
. dessa
.
solução aproximada
dessa solução solução aproximada aproximada
x= 2−1.7297 = −1.7297
x2
∑
2
(3)
Critério deterceira parada: ∆ =
x (3)
=
1 0.013474 . 1.0042
(3)xx11 dessa
(3)
(3)
Podemos alcançada obter na o terceira
erro deiteração truncamento == 1.0042 1.0042
solução , com aproximada critério de
Critério
Critério
Podemos alcançada
Critério
alcançada de obter na
dena
parada:
nde parada:
o
∑∑
parada:
terceira
erro
∑ ∑ de
n ∆ iteração
iteração
truncamento =
∆
∆
0.013474
x= x
= 0.013474
=
0.013474
0.013474
dessa
.− 1.7297 solução
.
. ,, com
com aproximada critério
critério de de
Critério de
∑
parada: ∆ = .
(3)
(3)
o∑
2
(3)
xx= == −
1.0042− 1.7297
1.7297
Critério Podemos de obter
parada: erro ∆xde ∆= truncamento =x1 0.013474 dessa .com solução aproximada
Critério de
Critério de ∆parada:
nnparada: . 1.0042
∑ ∑ 0.013474 22
∆
1 (3)
alcançada parada Critério na xde j =
terceira 0.013474
parada: iteração j, por comparação == 0.013474 , comuma . critério solução de
Podemos alcançada parada
parada
Podemos ∑
jobter
=1 na ∆
obter
ox
terceira
jerro
j = 0.013474
o dej erro
=1 iteração
truncamento de ,, por
por
truncamento
x comparação
(3)comparação
x2 = −11.7297= dessa
− x1.7297
(3)
=solução dessa ,com
1.0042com
com aproximadauma
uma
solução
critério solução
solução aproximada
de
Podemos Podemos Podemosalcançada obter
n jj==11
obter obter o o
erro erro
o erro
de de de
truncamento truncamento
truncamento
(3)
dessa dessa
dessa
solução solução
aproximada aproximada
aproximada
parada Podemos
estimada ∑ ∆x j ona
n obter
com = dobro oterceira
0.013474 erro dede iteração
iterações,
, por truncamento x (3)2 conforme
comparação
1 (3)=conforme
1.0042
x(3)(3) dessa
1= =
comvimos 1.0042umasolução
no , comCapítulo
solução critério
aproximada de
alcançada parada Podemos
estimada
estimada j∑ na com
com
∆ x obter
terceira = oo dobro
dobro
0.013474 o erro
iteração de
de , de
iterações,
iterações,
por truncamento
comparação
x
conforme (3)
− 1.7297
com, vimos
vimos
com dessauma no
no
critério solução
Capítulo
Capítulo
solução de aproximad
alcançada n j na terceira iteração
xx1.7297
= x1(3) ==métodos 1.0042iterativos. , com critério de
(3)
2 para soluções
=1
de sistemas x(3)
lineares
2
por1 (3)=
1.0042 1.0042
1.0042
2 (3)= −
alcançada alcançada ∑ j =1 na terceira na terceira iteração iteração xlineares , com ,
critériocomumade critério
soluçãode
1
alcançada 22 para
para
parada n soluções na
soluções ∆ terceira
x de
de= 0.013474
sistemas
sistemas iteração ,lineares
por em 1xpor
comparação
(3) por = métodos
métodos
− 1.7297 com com
iterativos.
iterativos. critério de
2
(3)
estimada alcançada
Nesse comna
exemplo, no dobro terceira
a j
solução de iterações, iteração
calculada conforme
= − x (3)
=x
variável vimos
− =
1.7297 no
double1.0042 , com
Capítuloatinge critério de
parada estimada Nessealcançada
Nesse ∑exemplo,
ncom∆ x
n nj naa
exemplo, j = 1 o = dobro
0.013474aterceira
soluçãode
solução calculadaiterações,
, por iteração
calculada
x 2 conforme
comparação x2em
x 1.7297
(3) =
em=variável
2
1−
com 1.7297
vimos
−1.7297double
variável uma no Capítulo
solução
double atinge atinge, com critério d
.0042
.7297
292
Critério de parada:
CÁLCULO NUMÉRICO COMPUTACIONAL
∑∆ 0.013474
=
então,
∑j =1∆xtambém
de parada
exemplo,
nesse
porte, em oque j atingido
critério
exemplo, pode ser
ode
j =1esse critério
métododeseja
usado
parada como
também
parada
limite
também
superior
pode ser usado
pode
do erro
ser como
de
usadolimite
truncamento.
como superior
limite do erro do erro
superior
em 3convergente,
iteraçõesNos é podemos
0.013474,
sistemas de então,
rapidamente
pequeno nesse
porte, em exemplo,
chegar
que à solução
esse método o seja
critério
com de
precisão
convergente,
de truncamento.
de truncamento.
nopodemos
parada limite
também das variáveis
rapidamente
pode adotadas,
chegar
ser ou com
à solução
usado como seja, atingir
precisão
limite a limite
no solução
superior dascom
do erro16
variáveis
dígitos
Nos significativos
adotadas, ou seja,
sistemas para variável
atingir
de pequeno a porte,
soluçãodouble,
em quee16
com obter errosignificativos
dígitos
esse de truncamento
método seja para
de truncamento.
variávelNos sistemas
double, e obterdeerro
pequeno porte,
de truncamento em naque esseordem
mesma métododos seja
erros
na mesmapodemos
convergente, ordem dos erros de chegar
rapidamente arredondamento.
à solução com precisão
convergente, podemos rapidamente chegar à solução com precisão
de arredondamento.
no limite das variáveis adotadas, ou seja, atingir a solução com 16
Nos no sistemas
limite das variáveis adotadas, ou seja, atingiresse
a solução com seja
16
dígitosExemplo 4.3:de
significativos parapequeno
resolva
variável porte,
o sistema
double, ede emerroque
equações
obter método
não lineares
de truncamento
Exemplo
dígitos 4.3: resolva opara
significativos sistema de equações
variável double, enão lineares
obter erro de truncamento
onvergente, podemos
na mesma ordem rapidamente
dos erros chegar à solução com precisão
de arredondamento.
na
x1mesma
2
+ x22 + xordem3 −1 =
2
0dos erros de arredondamento.
o limite das2 variáveis adotadas, ou seja, atingir a solução com 16
Exemplo
2 x1 +4.3: x22 −resolva
4 x3 = 0o sistema de equações não lineares
gitos significativos
Exemplo para
4.3: variável
resolva double,
o sistema de eequações
obter erro
nãode truncamento
lineares
x12+3 xx122 +−x432 x−21+= x032 =
2
0
a mesma 2 ordem
x 22 + x 2 +dos x032 −erros
1= 0 de arredondamento. 0.5
2 x1 + x12 − 4 x23 =
Utilizando
2 2 x + x
2 2 o método de Newton. Tome o vetor inicial X
2 − 4x = 0
(0)
= 0.5
3 x − 4
1e critério x 1 + x 2= 0 3
Exemplo 4.3:
3 x
2
2 resolva
−
3
4
de parada
x2 + x32 =
max ∆xi de
o0 sistema < 0.005
equações
. não lineares
0.5 0.5
1
Solução:
Utilizando o método de Newton. Tome o vetor inicial X = 0.5 (0)
0.5
x1 +e xcritério
2
2 +Utilizando
2 2
x3 de − 1parada
= 0 o método
max ∆xdei <Newton. 0.5X = 0.5
0.005 . Tome o vetor inicial (0)
2Solução:
2 e critério de parada max ∆x < 0.005 .
Exemplo 4.3: resolva 4.3:
Exemplo o sistema
resolvadeo equações não
sistema de linearesnão lineares
equações
de parada
e critério max
deeparada|Dximax
critério |de
< 0.005.
∆xi < 0.005
parada max. ∆xi < 0.005 . 0.5 0.5
Solução: Solução:
Solução:
A partir de de
A partir A partir de
Cujaésolução é
cuja solução
Cuja solução é
Cuja solução é
0.375
0.375
∆X = (0)
.0 0.375
∆X (0) =.0
−0.125
∆X (0)=.0
−0.125
−0.125
Então, os novos valores do vetor X são dados por:
Então, os novos valores do vetor X são dados por:
Então, os novos valoresEntão, os novos
do vetor X sãovalores do vetor X são dados por:
dados por:
0.5 0.375 0.875
0.5 0.375 0.5
0.875
0.375
(1)
X + ∆=
(0)
X 0.5 + 0 = com
0.875
max ∆x j = 0.875 .
0)
+ ∆=
X 0.5 + (0) 0 = 0.500 0.500
commax ∆x j = 0.875 .
com max ∆x = 0.875 .
X= X0.5+∆=
(1)
X−0.125
0.5 + 0.375
0 = 0.500 com max |Dxj| =j 0.375.
0.5 −0.125 0.375
0.5 −0.125 0.375
Capítulo
Capítulo 4 – Resolução 4 – Resolução
de Sistemas de Sistemas
de Equações não
(3) 0.3699228
0.4966114 com max
X =0.3699228 ∆x =
j 0.0046062 .
(3)
O 0.3699228
processo O processo
convergiu convergiu
para X (3) para com Xcritério com de critérioparadade parada
∆x j <max ∆xem
j <3 0.005 em 3 iterações.
iterações. Mantendo o mesmo procedimento,
max
O processo 0.005convergiu paraMantendo
X (3) com o mesmo
critério procedimento,
de parada
podemos podemos
chegar a chegar
uma a uma
solução solução convergida
convergida no limite noprecisão
da limite da precisão
max ∆x < 0.005 em 3 iterações. Mantendo o mesmo procedimento,
j
Terceira 0.3699324
X (2) =iteração: apartir
0.4966216 com max
de k∆=x j2= X (2) = 0.4966216
e0.0851834 . , temos:
0.3699324 0.7898166
0.3699324
295
Terceira iteração: a partir de k = 2 e X (2) =0.7898166
0.4966216 , temos:
CAPÍTULO 4 – RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES NÃO LINEARES
0.7852104
Terceira iteração: a partir de k = 2 e (2)
= 0.4966216 , temos:
X 0.3699324
X (3) = 0.4966114 com max ∆x j = 0.0046062 . 0.3699324
0.7852104
0.3699228 0.7852104 com
X (3) = 0.4966114 commax
max|Dx∆jx| =j 0.0046062.
= 0.0046062 .
X (3) =0.3699228
0.4966114 com max ∆x j (3) = 0.0046062 .
O processo convergiu para X com critério de parada
0.3699228
max ∆x j <O0.005 em 3 iterações.
processo convergiu Mantendo o mesmo
para X (3) procedimento,
com critério de parada
(3)
O processo convergiu
em X
(3) para
3 iterações. X com
Mantendo critério
o mesmo |Dxj|parada
de
podemos chegar
O processo
max ∆ xa uma
convergiu
j < 0.005solução
para convergida
com critério noparada
de limite daprocedimento,
max precisão
< 0.005
max
em 3 iterações. ∆ x < 0.005
Mantendo em
j chegar a o 3 iterações.
mesmo Mantendo
procedimento, o mesmo procedimento,
podemos
das variáveis double, em 6 uma solução
iterações max ∆x j podemos
e convergida = no
0.0limitechegar
, dada
a uma
da por:
precisão
podemos
soluçãodas convergida chegar
no a uma
limite da solução
precisão convergida
das variáveis
variáveis double, em 6 iterações e max ∆x j = no limite
double, em da
6 precisão
iterações
0.0 , dada por:
e max |Dxdasj| =variáveis
0.0, dadadouble,
por: em 6 iterações e max ∆x j = 0.0 , dada por:
− 0.785196933062355
− 0.785196933062355
X (6)
= − 0.496611392944656
− 0.785196933062355
X (6)= − 0.496611392944656
(6)
X = − 0.496611392944656
− 0.369922830745872
− 0.369922830745872
− 0.369922830745872
Então, os Então,
Então, erros
os errosde
Então,
truncamento
os erros
deerros
os de de
cadacada
de truncamento
truncamento
de truncamento
deincógnita
, x2 e (x
cada incógnita
incógnita
de cada(xincógnita x3)1,obtida
x(xe, x2e3)ex 3x) 3)
(x21,1x2 em
1 3
obtida emobtida
iterações em 3 iterações
3 seriam:
iterações
obtida
seriam:
seriam:seriam:
em 3 iterações
| 0.7852104 −0.785196933062355 | 1.306694e − 05
| 0.7852104 −0.785196933062355
| 0.7852104 | 1.306694
−0.785196933062355 | 1.306694e − 05
e − 05
1.392945
Erro Truncamento
Erro Truncamento
(3)
X (3) = 0.4966114 −0.496611392944656
|| 0.4966114 |==1.392945
e − 06
ErroErro
Truncamento
de truncamento X =
(3) X
| 0.4966114
= −0.496611392944656
−0.496611392944656 | =
| 0.3699228
|
1.392945
e − 06
e − 06
−0.369922830745872 | 2.830746e − 06
| 0.3699228 −0.369922830745872 | 2.830746 e − 06
| 0.3699228 −0.369922830745872 | 2.830746 e − 06
OO erro
erro máximo
máximo de truncamento da
de truncamento da solução
soluçãoobtida
obtidacom com3 3
O erro máximo
máximode
iterações truncamento
ééde1.306694e–05, da da
enquantosolução obtida com 3 é
O erro iterações truncamento enquanto
1.306694e–05, solução oocritério
critério
obtida deconvergência
com
de 3convergência
iterações
iterações émax
max atingidoenquanto
1.306694e–05,
1.306694e–05, ∆∆xxj enquanto oem
critério deo convergência
3 iteraçõescritério de convergência
é 4.6e–03; max |Dxj| atingido
portanto,
j atingido em 3 iterações é 4.6e–03; portanto, também
também
em 3 iterações
max ∆x j nesse
atingido é 4.6e–03; portanto,
em 3ooiterações também nesse
deéconvergência exemplo,
4.6e–03; portanto, o critério
sertambém de
nesseexemplo,
exemplo, critério
critério de convergência podeser
pode usadocomo
usado como
convergência pode ser usado como limite superior do erro de truncamento.
limite o
nesseE exemplo, superior
critério do
deerro de truncamento.
truncamento.
convergência Eooerro
podeestimada
Eser erromáximo
usado máximodede
o errolimite
máximosuperior
de truncamento de
da solução exata, em 6como iterações
(6)
truncamento
truncamento da solução exata,
exata, estimada
estimada em
em 66 iterações
iterações XX(6)de , está
, está
limite
X superior do erro de truncamento. E o pois
erroatingiu
máximo
(6)
, está na ordem dos erros de arredondamento, critério de
na
na ordem
convergência ordem dos
dos erros de
numericamente arredondamento,pois
arredondamento,
nulo. poisatingiu
atingiu critério
(6) critério
truncamento da solução exata, estimada em 6 iterações X , está
de
deconvergência
convergência numericamente
numericamente nulo, max∆∆xxj j =
nulo, max = 0.0. .
0.0
na ordem dos erros de arredondamento, pois atingiu critério
de convergência numericamente nulo, max ∆x j = 0.0 .
utacional
acional
utacional
cional
putacional
utacional
acional
tacional
cional
ional
nal
onal
acional
cional
nal
al
ionalCálculo Numérico
al CálculoComputacional
Numérico Computacional
296 CÁLCULO NUMÉRICO COMPUTACIONAL
∂∂∂x∂x∂x∂jxj∂jxjxjxjj j ∂x j ∂x j ∆∆∆ j
∆
xx∆x∆jx∆ jjx jx
jjjjjjjjjj
jxjj j ∆x j ∆x j
, geramos uma aproximação numérica da matriz jacobiana
Então, Então, Então,
Então,
geramos Então,
Então,
Então,
Então,Então,
Então, geramos
Então, geramos
geramos
geramos
geramos geramos
uma geramos
geramos
geramos
geramos uma aproximação umaumaumaumaaproximação
uma umauma uma uma aproximação
aproximação
aproximação
aproximação aproximação
aproximação
aproximação
aproximação
aproximação numérica numérica numérica
numérica
numérica
numérica numérica numérica
numérica
numérica
numérica
da matriz da matriz da da da dada dada da da matriz
matriz
matriz
jacobianamatriz
matriz
matriz matriz
matrizmatrizjacobiana jacobiana
jacobiana jacobiana
jacobiana
jacobiana
jacobiana jacobiana
jacobiana
jacobiana
Então,
Então, Então,Então, Então,
Então, Então, geramos
geramos geramos
geramos
geramos
geramos
geramos uma uma uma uma uma uma
Então,
uma aproximação
aproximação
aproximação aproximação
aproximação
aproximação
aproximação
Então, geramos geramos uma
numérica
numérica
numérica numérica
numérica
numérica
numérica aproximação
umada da aproximação
da da da da da matriz
matriz matriz
matrizmatriz
matriz
matriz numérica jacobiana
jacobiana
jacobiana jacobiana
jacobiana
jacobiana
jacobiananumérica da matriz da matriz
jacob
através
através através
através
através
através
de: através
através
através
através
através de:Então, de:de:de:de:
de:de:de: de:de:geramos uma aproximação numérica da matriz jacobiana por
através
através
através
atravésatravés
através
através
meiode: de: de:de: de: de: de: de: através através de: de:
x1 , x2 ,..., xn ) − f1 ( x1 , x2 ,..., xn ) f1 ( x1 , x2 ,..., xn + ∆xn ) − f1 ( x1 , x2 ,..., xn )
∆fx1 ( x1 +f1∆ ( xx11,+ fxf1f1f∆ x(fx1f(f1x1xf1((x1,(1+(x+
2(1f1(f,...,
1( 1x(x+1x+1x+ 121∆
∆ + ∆
++x+∆
∆
n1 )1−
,..., x+∆xx∆1∆,x1∆ x,1x,x1x,f1x21x,....
1,∆ n12,x 2,2(,x,...,
1,..., x2−
),x2,...,
x,...,
,...,
x221,...,
2,...,,...,
2,,...,fx1xnx2nx(n)nx,...,
x,..., )xn)x− )xn1−xn)n−n)− ,)n− ))fx−)fx−1−f12−
f(1− f(,...,
f(x(fxf(fxxf(,(x(,(x,x(,xx,xx,,x,...,
n11)11111111121n12122222222 ∆
,,x,...,
),x,...,
x,...,
x,...,
x,..., ,...,
,...,
,..., xxnxnxn)fnx)1xn)x)xn(xn)nn)x)n))1), fx12(,...,
x,..., x1 , fxfx1f12f(1nf1(,..., f1(x(fx+
1f(f1x1xf1(,(x1(1,∆ (x,1x(,x1x,1x21x,n12,x1,...,
2,n2,x x,2+
,..., ,...,
x),..., x22−
x2,..., 2∆
,..., ,...,
,...,
2,..., xfxnx1nxnnx(+)xn+xx+
x,..., n+x−
nn+ ∆ ∆+∆+∆+x+f∆ +∆
1nn, x1n2nnn,...,
xx∆∆ x(∆)∆ x)xn)x− )xn1− xn)n−n)− ,)n− ))fx−)fx−
1− f12−
f(1−
n11)11111111121n1212222222
f(,...,
f(x(fxf(fxxf(,(x(,(x,x(,xx,xx,,x,..., ,,x,...,
)x,,...,
x,...,
x,...,
x,..., ,...,
,...,
2,..., xxnxnxn)nx)xn)x)xnxn)nn))n)))
x,...,
(+ x1+(x+1∆ +
x1∆∆ + .... x))n),...,
xxnxnxnf)1n1)x)n,n)x(n)xnx.... ....
....
........
....
....
........
....
f....
1 ff1f1f(1f1((x11(fxxf1(x1f1(x+ 1 1 1∆ x+∆ x+ xx∆,∆ x,∆,x,xx,x,x,...,
∆111x11111212212∆
,,...,
x,...,
2,2,...,
x2,...,xx2,..., 2,...,
x,...,
xxnxnxn)∆ n)∆
x)nn∆− )x∆ −x−
n)
x∆x n−∆
x)x∆n− )fx∆f∆
∆ −
)fx−
x
1 1fx (1x−f1(x(x11(fxxf1(x1f,1(fx1,(1,x11,(x(x,12x1x2,x2,..., 1,21,..., x+
x,...,
2,2,...,
2,...,
x2,..., ∆x,...,
2,..., n21 + ∆x1n,)fx f1− 1f1(,...,
12f( (x11(fxxf1(x1f,1(x1,(,x11,(xx,12x12n,x2,..., 1,2,...,
)x,...,x−
,2,...,
2∆ 2,...,
x2,...,
x 2,..., xxn1xnxn(n+
xf,..., ∆ xn+n+
x+ x∆
1nx +n,∆ )∆
n+ ∆
x+∆x+ xn2x∆ n∆ ∆
xn,...,
)n∆
∆ )x∆ −
)nn∆)xx∆ −nx)x−∆xn− x∆)∆ n−
x ∆)fx∆x f1−)xfx− n1fx(1x− f1()(x11(fxxf1(x1f,1(x1,(,x11,(xx,12x12,x2,..., 1,2,...,x,...,
2,2,...,
x2,...,
x2,..., 2,...,x,...,xxnxnfxn)1n)x)n(n)xn)xn)1n),)+x2∆ xn )x−n +f1 ∆
,..., ( xx1n, )x− f1 ( x1n,)x2,
2 ,...,
....
........
....
....
....
....
.... .... .... ∆ x
x1 , x2 ,...,xn ) − f 2(x1,x2,..., xn ) 1
∆ ∆ ∆ ∆x ∆x x ∆
x ∆
x ∆ x fx121x11(11x11111, x2 ,..., xn + ∆xn ) −∆fx2 ( x1 , x2 ,..., ∆ x xnn) ∆ n
∆∆ ∆x ∆x x ∆
x ∆x ∆ x x
nnnnnnnnnn
x ∆ x
f 2 ( x1 +f 2∆ (xx11,+ffx2ff2∆ 2(f2(f2,...,
(xf(f2xf(21xf21x1(2(x21,(1+(x+ (x+1x+1x+121∆
∆ +1∆
+ +x+
∆ )∆ x+∆ x∆
1∆
− ,x1∆ x,1x,x1x,f1x2....
1,∆ x2− xn)x1− )xn− xn)1n−n)−,)n− ))f−x)f−2x−f−f2−2(fn2(,..., )x,2,..., f2(xf(f2x+ f(21xf2x1(2,(x211(1,∆ x,2+ 2∆
x22− xfxnxn2xnnx+)(xn+xx+ +− nnnn+
nn+ n1∆
∆ +
n∆ +,∆+xf∆ x+∆ xn2x∆ n∆ x∆ (n∆ xn)x− )xn− xn)1n−n)−,)n− f−
))f−x)f−2x− f2−2(fn2(,...,
f2(xf)(f2xf(21xf2x1(2,x(21(1,x(,1x(,x1x,1x21x,n12,x12,..., x2,..., xxnxnxn)nx)xn)x)xnxn)nn))n)))n
,..., ,2,x,...,
)(x,2,..., x2,...,
(7)
11,..., f1xx1n21xn2x1n)(nx1),...,
1x 1x 1x ,n12,x12,..., x,...,
,...,
x22,...,
21,...,
2,...,
,1x,..., f2(xf)(f2xf(21xf2x1(2,(x21(1,(x,1x(,x1x,1x21x,n12,x12,...,
,2,x,...,x,...,
x2,...,
x22,...,
2,...,,...,
2,..., xxnxnxn)fnx)xn2)x)xnxn)(nn))nx))1),fx212(,...,
x,..., x1 , fxf2xff22(fn2(,..., (x,1x(,x1x,1x21x,n12,x12,...,
,n2,x,...,,...,
x),..., ,..., ,...,
,...,
2,...,
x,..., nx
nnnnn
n) x),..., ,2,x,...,
)x,2,...,
x,...,
x22,...,
2,...,,...,
2,...,
x,..., n
JJJJ(J(M(X
1
∆J∆∆∆ x∆(xxx∆ X∆ x∆ xx)x≅ J ( X ) ≅
1111111111
M .... ∆x1 ∆x1 ∆∆∆∆
n
x∆ xxx∆∆ x∆
nnnnnnnnnn (7) (7)
(7) (7)
(7) (7)
(7) ∆xn
(JX(X
JXJ()X())X X)≅X
()≅ ≅≅)≅))≅
≅≅ M M 1111M11MM1M1M1MMMMM M M nnnnMnnMMnMnMnMMMMM
xxx
∆ xn
x1 , x2 ,...,xn ) − f n(x1,x2,..., xn ) .... MMMMM MfMnM( x1, x2 ,..., xn + ∆xn ) − f nM ( x1 , x2 ,..., M xn ) MMMMM MMM M M
f ( x +f ∆ ( xx ,+f f x f f ∆ f
( (f (f
x (
f
,..., xf ( xf x ( (
x ,(
∆xn1 1 1nn2nnnnn1n1n111111n1 1111111212122222212 n2nnnnnnn nnnnnnnn1n1n111112....+ (
x + x( +
x +
x x+
∆ ∆
+ ∆
+ ∆
+ +
,...,
x) ∆ +
x∆x ∆
−
x ∆x
, ∆ ,∆
x ,
x ,x x ,
f x ,
x ,
x , ,
x
,...,)
,...,
(,
x ,...,
x x −
,...,,...,
x ,..., ,,...,
,...,
,...,
x ,...,
f x x x x (
) x) x )
,...,x −
)x −x) −) − ,
) −
) )−
f )
x −
f −
f
x− f − f
( (,...,
f (
f
x) (
f xf ( x
f x ( ,(x (, (
x ,(
x,
x x ,
x x,
12122,
x , ,
x)
,...,
,..., ,
x,...,
x,...,
x ,...,
x ,...,
,...,,...,
,...,x ,...,
x x x x x
)
f )x )
x )x x)
( ) )
x)) ), fx ( x
,..., , f x
f x f f f( (,...,
f (
f
x (
f x+
f ( xf x ( ,(
x ( , ∆
(
x ,(
x ,
x x , x
nnnnnnnn1n1n1111121212n222222 n nnnnnn1n n2nnnnnnn nnnnnnnn1n x, ,x , ,,...,
x
,..., ,
x +,...,
x
),...,
x x −∆
,...,
,...,
,...,,...,
,...,
x ,...,
x x
f x x +
x)(x+x +
x +
x− +
∆ ∆+ ∆
+ ∆
,+ x+∆
f x+ x∆ ∆
x ∆ x∆ (
) ∆
x ) x )
x
,..., −
)x −
x) −)− ,
)−
) )
f − )
x
f− −
x f−f − f
( (,...,
f (f
x) (
f f
x ( xf x ( (
x
, (, (
x ,
x(
1n1111121212222,
x x, x x, ,x , ,
)
,...,
x
,..., ,
x ,...,
,...,
xx ,...,
x ,...,
222 n ,...,
,...,
,...,
x,...,
x x x x
n ) x) x
nnnn)
x )
x )
x
n ) ) ))
nn )
n
f ff
1
f (
f ((f
x( x
f x( f
x (
x + ( +x +( x+
1
∆
n
+
x ∆ ∆+ ∆ x+ ∆x +x
2
∆
x
1
,∆
x , ∆
,x , x ,
x x , ,
,...,
x ,...,
,...,
x, ,...,
x x
n1
,..., ,...,
,...,
x ,...,
x x x
2
x) ) x ) −)
x
n
−)
x− − ) − )
f −
)
f f
1
− f
n
−
(
f ( (
f
x ( x
f (
x
2
f
x ,(
x ,
( , x ,( x ,
x
n
x ,x,...,, ,...,
,...,
x, x+
,..., x
1
n
,..., ∆
,...,,...,
x ,...,
x xx f
2
22222 nnnnnnnnn 1
x) ) x,
)()
x∆
....)
xx ) x),..., )n+ ∆
n
....
....
x
n
....
.... ....
,)....
....
....
2
....
....
x
f −f f
1
f ( ,...,
f (f( f
x( x
f (
x
2
f
x ( , (x ,(x, x ,( x x,
n
x , ,x ) ,
,..., ,...,
x x −
,...,
,,...,
x x
1
n
,..., ,...,
,...,,...,
fx
,...,
x x
2
x( x +
x x + +
x +
n
∆
x +
,)∆∆+ ∆
x x+ ∆
x +
x x
n
∆ ∆
,...,
)
x ∆
) x) − )
x
n
− )x− − ) − x )
f −
f) f
1
− f
n
(−
)
f ( (xf ( xf x(
f
2
f
x , (x ,
( ,x( ,
( x ,
x
n
x ,x ,
,...,,...,
,
,...,
x, ,...,
x x
1
n
,...,
x ,..., ,...,
x ,...,
,...,
x xfx
2
)
x ) x(
) )
x x )x ) )
, )+ x
n
∆ ,...,
x )x − +f ∆( x ,)x− ,...,
f ( x ,)x
112121212222222 nnnnnn
nnnnnnn1n11n111111 ∆111x11111212212∆ 222x 22 nnn∆
1
n∆ nn∆ ∆xn∆ xn∆1x x∆
n∆
1x 1∆ 1∆ xn1xxn1xn1xn11nn1n1n11n111121221222222 nnn1nnnnnn21n.... ....
....
........
....
....1n n2nnnnnnn1n11n111112
.... n122122∆ 2222x2 nnnnn∆
n
nn1nnxnn 2nnn∆
n
n∆ ∆
nn∆
.... x∆ nx∆ xnnx∆ n∆
nx ∆nn∆ xxnnxxnnnxnnnnnnnn1n11nn11.... nn1nn2n n n 1n 2 n 1n 2
∆∆∆∆ x∆ xx1x∆11∆ x1∆ x1x1x11
1
∆x1 ∆x1 ∆∆∆∆ x∆ xxnx∆ n∆ xnn∆ xnnxnxnn ∆xn ∆xn
T
α = [α1 , α2 , ..., αn ] , onde αi ∈ ℂ / F (α ) = 0
288
297
f1 ( x1 + Δx1 , x2 , ..., xn ) − f1 ( x1 , x2 , ..., xn ) f1 ( x1 , x2 , ..., xn + Δxn ) − f1 ( x1 , x2 , ..., xn )
....
Δx1 Δxn
f 2 ( x1 + Δx1 , x2 , ..., xn ) − f 2 ( x1 , x2 , ..., xn ) Δxn
....
f 2 ( x1 , x2 , ..., xn + Δxn ) − f 2 ( x1 , x2 , ..., xn ) (7) ....
J ( X ) ≅ Δx1 Δxn (7)
f n ( x1 , x2 , ..., xn + Δxn ) − f n ( x1 , x2 , ..., xn ) x1 , x2 , ..., xn )
⋮
⋮ ⋮
Δxn
f n ( x1 + Δx1 , x2 , ..., xn ) − f n ( x1 , x2 , ..., xn ) .... f n ( x1 , x2 , ..., xn + Δxn ) − f n ( x1 , x2 , ..., xn )
2 1 2 n n 2 1 2 n
....
Δx1 Δxn
f ( x , x , ..., x + Δx ) − f ( x , x , ..., x ) (7) x1 , x2 , ..., xn )
CAPÍTULO 4 – RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES NÃO LINEARES
Δxn ....
1 1 2 n n 1 1 2
f ( x , x , ..., x + Δx ) − f ( x , x , ..., x ) n , x2 , ..., xn ) 1
305
a)
X = [0.785196933062355, 0.496611392944656, 0.369922830745872]T
297
b) i
OO
+ n) cálculos
e n no(nponto custo
inicial). decomputacional
custo computacional
valores
Precisamos das funções
estabelecer, i parapara aproximar
(são
fainda,
i
aproximar
n funções uma uma J (X
nos (X) é) de
Jpontos é de
incrementados 2
(n (n 2 e n no ponto inicial). Precisamos estabelecer,
+ cálculos
+incógnita
n) exnj.de
n) cálculos valores
de valores dasdas funções
funções (são
fipor 2 2
funçõesainda,
nestabelecer,
fi (são n funções nos pontos
nos pontos
l para incrementados
cada no ponto
Neste inicial).
livro, optamos Precisamos ainda,
um ∆xum inicial
incrementados para cada incógnita
e neno ponto x . Neste livro, optamos por
jacobianaj 298o∆incrementados
x j inicial
mesmo ∆xpara
j
n no
cada
calculado no inicial).
ponto
incógnita
incremento xjPrecisamos
j inicial). Precisamos
. Neste do livro,
CÁLCULO estabelecer,
NUMÉRICO estabelecer,
optamos ainda,
porainda,
COMPUTACIONAL
usar nausarmatriz
umna um jacobiana
xinicial o mesmo
para cada ∆ x calculado
incógnita no
xj. xNeste incremento
livro, do
optamos doporpor
wton. No caso ∆matriz
dex∆ j inicial
jacobiana
jocorrer para cada
o mesmo
convergência, incógnita
∆x aj calculado . Neste no livro, optamos
incremento
j tanto matriz j
método de
usar Newton. No caso de ocorrer convergência, tanto a matriz
método
érica quanto ana
usar de matriz
na matriz
Newton.
solução jacobiana
No
convergem casoode
jacobiana mesmo
oocorrer
mesmo
simultaneamente calculado
calculado
∆xconvergência,
∆
j xj
no incremento
no
tanto a matrizdodo
incremento
jacobiana O custo
numérica computacional
quanto a solução para aproximar
convergem uma J(X (k) ) é de
simultaneamente
método
jacobiana
precisão. método de de
Newton.
numéricaNewton. NoNo
quanto caso
acaso de de
solução ocorrer
ocorrer convergência,
convergem convergência, tanto
tanto
simultaneamente a matriz
a matriz
com a com (n2 + n)precisão.
mesma cálculos de valores das funções fi (são n2 funções nos pontos
jacobiana
ajacobiana
ernativa incrementados
para mesma
o métodonumérica
numérica
precisão. quanto
e ndenoNewton, quanto
ponto acom solução
inicial). a solução convergem
derivadas
Precisamos convergem simultaneamente
estabelecer,simultaneamente
ainda, um
Essa com
Dx alternativa
com a
Essa
inicialmesma
a mesma para
precisão.
alternativa
para cada o método
precisão.
para
incógnita ox método
. de
Neste Newton,
de
livro, com
Newton,
optamos derivadas
com
por derivadas
usar na matriz
ricas, é indicada
j para a resolução de j sistemas em
parciais numéricas,
jacobiana é indicada
Dx para a resolução de sistemas em
fim deparciais
facilitar a oentrada
Essa mesmo
Essa
numéricas, deéj calculado
alternativa
alternativa para
indicada
dados, oo
para noque oincremento
método
para método de de
a resolução
permite do método
aNewton,
Newton, de
comNewton.
com
de sistemas No
derivadas
derivadas
em
computador caso
parciais a
de fim
parciais de
ocorrer facilitar
convergência,
numéricas,
anuméricas, a entrada
tanto
é indicada
é indicada ade dados,
matriz
parapara o
jacobiana
a resolução
adados,que
resoluçãopermite
numérica
de de aquanto
sistemas
sistemas a em
aem
do seu computador
algoritmo. fim de facilitar a entrada de o que permite
soluçãodo
generalização convergem
seudo simultaneamente com a mesma precisão.
algoritmo.
computador
computador
generalização a fim de
a fim
seu facilitar
de facilitar
algoritmo. a entrada
a entrada de de dados,
dados, o que
o quepermite
permitea a
Essa alternativa para o método de Newton, com derivadas parciais
generalização
generalização
numéricas, dodo
é indicada seu algoritmo.
seu
para aalgoritmo.
resolução de sistemas em computador a fim de
xemplo, vamos utilizar
facilitar essa alternativa
a entrada de dados, omanualmente
que permite acom generalização do seu algoritmo.
No próximo exemplo, vamos utilizar
No próximo exemplo, vamos utilizar essa alternativa manualmente
essa alternativa com com
manualmente
amente didáticos.
objetivos unicamente
Nopróximo
próximo
No
objetivos didáticos.
próximoexemplo,
unicamenteexemplo,vamos
vamos
didáticos. utilizar essa
utilizar alternativa
essa manualmente
alternativa manualmente comcom
No exemplo, vamos utilizar essa alternativa manualmente com objetivos
unicamente
objetivos
objetivos didáticos.
unicamente
unicamente didáticos.
didáticos.
x1 * x2 = 1
4: resolva o sistema não linear pelo x1 * x2 =x1 * x = 1
Exemplo Exemplo 4.4: resolva
4.4: resolva o sistema
o sistema
x não
− não
e x2
linear
=linear
0 1 pelo 2pelométodo de
Exemplo 4.4: resolva o sistema 1 não linear x1 − e x2 x= 0 pelo
x *xx2x * =x021= 1
ewton utilizando
Newton derivadas
utilizando parciais
derivadas numéricas para − e
1aproximar =
oparciais numéricas para a matriz
1 2
Exemplo 4.4:4.4: resolva sistema não linear pelo
1
métodométodo de Exemplo
Newton utilizando resolvaderivadaso sistemaparciais não linear
numéricas para pelo
de Newton utilizando
1 derivadas parciais
x 1
−
numéricas x 1e − e=
x2 x2
para
0= 0
matriz jacobiana.
jacobiana.
método Tome
Tome de X (0) = , incremento
Newton incremento inicial
1 Dx1parciais
inicial = 0.1, para jnuméricas
= 1, 2 e critério
aproximar a método
matriz de Newton
jacobiana. 1utilizando
Tome X (0)derivadas
utilizando = derivadas
, j parciais
incremento numéricas
inicial para
para
aproximar a matriz jacobiana. Tome1X = , incremento inicial (0)
ra j = 1, 2deeparada critério
aproximar
max de|Dx aparada
| < 0.00001.
matriz max ∆x j <Tome
jacobiana. 0.00001 1= ,1incremento
. X1=(0)
aproximar . inicial
j
∆x j = 0.1 , para j = 1, 2 ae matriz
critério jacobiana.
de parada TomemaxX (0)
∆ x , incremento
j1<10.00001 inicial
∆x j = 0.1 , para j = 1, 2 e critério de parada max ∆x j < 0.00001 .
Solução: ∆x j∆=
Solução: x j0.1 = , para
0.1 , para j = j1,=21,e2critério
e critério de de paradaparada max max ∆x ∆ <j 0.00001 . .
< 0.00001
dado, temos: Solução: j x
Do sistema Do Solução:
Dosistema dado,
Solução:
sistema dado, temos:
dado, temos: temos:
x1 x2 −= 1 0
f ( x , x2= DoDo sistema 1x x0dado,
sistema dado, temos:temos:
x1 −e x 1 =10
2 f)1 ( x1x,1xx22= )−= 1 2 −= 1 0
f 2 ( x1 ,
x )(=
2f 2
x − e x= =)0
12 ,)x12= −x1exx2x1−x==
10−=
2
fx11
(,1xxf12,()x= 2
2 10 0
ração:
12 ,)x=2 )x=1 −x1e − e=0=0
x x
Primeira ( xf 21 ,( xiteração:
iteração:
f 2 2 2
Primeira
∆x1 0.1
x1(0) Primeira
e incremento inicial
Primeira
Primeira iteração: iteração:
∆ = ∆x=
Xiteração: 0.1 ∆x1 ∆ 0.1
)
= = (0)
x1.0
(0)
e 1.0
incremento inicial
∆=
X = x1 0.1
1
(0) (0) e incremento inicial ∆ ∆= = x ∆x0.1
Xx2 = xX2 ∆
2
(0)
1.0
0.1
∆ 0.1
0.1
x x 1.0 1.0
1.0 x
(0)
x
(0) (0)
2 1 e incremento
ee incremento
incremento inicial
inicial
inicial ∆= = 2 1 1
=
∆ =
1
=X
ndo numericamente=X = =
(0) (0) as derivadas
da jacobiana, X X
Determinando 1.01.0
x2 x2 numericamente as derivadas da∆x2∆jacobiana,
x2 0.10.1
q. (7), resulta: Determinando numericamente as derivadas da jacobiana,
conforme conformeeq.
Determinando (7),eq.
Determinando resulta: numericamente
(7), resulta: numericamente as as derivadas
derivadas dada jacobiana,
jacobiana,
Determinando numericamente as derivadas da jacobiana, conforme eq. (7),
conforme
resulta: conforme eq.eq. (7),(7), resulta:
resulta: 25
25
co Computacional
utacional
utacional
tacional
tacional
CAPÍTULO 4 – RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES NÃO LINEARES 299
o Computacional
tacional
utacional
rico Computacional
utacional
(2)
x2 = 0.569994120607396
300 CÁLCULO NUMÉRICO COMPUTACIONAL
x1(5) = 1.763222834351872
(5)
x2 = 0.567143290409792
P ( x)
8 apresentar um método que reduz o custo do processamento de
A seguir, vamos
cada iteração em relação ao método de Newton.
302 ( ΔX − J −1 ( X k −1 ) * ΔF ) ΔX T J −1 ( X k −1 )
J (X ) = J (X ) +
(8a)
−1
e (8b), ou
k
(8c), −1 k −1
(9)
ΔX J ( X ) * ΔF
T −1 k −1
311
Xk +1Superíndice −1
( X na
= X k −, Jpresente k
T)equação
* (X )
k
(9), indica matriz transposta.
( ΔX − J −1 ( X k −1 ) * ΔF ) ΔX T J −1 ( X k −1 )
J (X ) = J (X ) +
−1 k −1 k −1 (
X T Jtemos:
d) Substituindo a eq. (9) na eq.Δ(8c), −1
( X k −1 ) * ΔF
X k +1 = X k − J −1 ( X k ) * ( X k )
310 (10) (10)
302 CÁLCULO NUMÉRICO COMPUTACIONAL
e) Repetimos os passos (c) e (d) até que algum critério de parada seja
satisfeito. Note que, nesse método, a partir da segunda iteração,
executamos O(n2) operações em cada iteração, pois efetuamos
Capítulo 4 – Resolução
Capítulo 4de–Sistemas
ResoluçãodedeEquações não
de Lineares
SistemasCapítulo
Equações
apenas adições e multiplicações de matrizes. 4 – Rn
1
a x
solução+ +1x 2x22=
=4
com máxima.
X = 4.5:
Exemplo xresolva e2 calcule
12 2por Broyden, com 3 iterações a
partir x1 , xde
f1 (Solução: )f=1−X
( ex11, x+=2 x)=2 −e1x=,++ 04a solução com precisão máxima.
(0)
2
x 01x+
1
−x12 = = 1
Solução:
FSolução:
( X ) = F ( X ) =
Temos Temos − 1 1 2
2+1 2 , e calcule a solução com precisão máxima.
x1partir (de
(0)
Solução: x1 ,X+xX2(0)x)+22= 1=−=x41
x=+−f110x(,2xe1−,calcule
2
f 2 (partir
, x2 )f 2=de 4x2= ) =0 eax1 solução
+ x2 − 1=com 0 precisão máxima.
partirTemos de
Solução:
Xf (F
(0)x (
=, x
X )
) = = e, − e 1 +
calcule
x − 1 = a 0
solução
1
com precisão máxima.
1 1
2
( XSolução: 2 x
−f11 ( x1 , x2de ) = eNewton, + x2 −21= obtendo 02
Temos
Temos Fiteração a) 1ª = iteração 1
Aplicando Aplicando a 1ªTemos do) =método do método( , ) de Newton, a
obtendo a
F ( X
f x x = x + x 2 −4= 0
2 2
Solução: f ( x , x )
2 1 2 f ( x1,f1x( x)12,= x2x)2= +xe1x 21 += x +2 x 1 − 4 2 = 0x 1
x − 1 = 0
acobiana inicial einicial sua inversa, − 4 = 0
jacobiana
Temos Temos e sua
FF( X Xaplicando
) 2= f11 ( xaplicando
(inversa,
)f()a =−(1)x1ª
21 , x2as ) =1eqs. e 2+(8a), asx2 eqs. − 1(8b)
2 = (8a),0 e (8c) (8b) e (8c)
Aplicando Aplicando a 1ª iteração
do, x f iteração
) =
método
( x e
,
x1
x +) =x x−
de2do
1 += 2métodoobtendo
0
Newton,
x − 4 = 0 de Newton,
a obtendo
calculando )F,f 2(temos:
( )
e Aplicando
calculando= ∆F Aplicando
Temos Fa= (1X ∆a F F
k
()X−F)Fa
iteração (=X (X (
1ª
k k
do)iteração
1
−método
1 2 ( k
(X2x1 ,1xde
− 1)
))2, =Newton,
2do
temos: 2 2
xmétodo1+ x 2− 2
4de
obtendo = 0Newton, obtendo
a jacobiana inicial a
21 2
∂f1 ( X ) ∂∂ef1f(1sua
jacobiana
(XX) ) inversa, jacobiana
jacobiana
inicial
∂)f1 (Aplicando ) aplicando
XAplicando
e suainicial
inicial inversa,
f 2as ( x1 eqs.
a)e1ª1ª sua , x2e) sua
inversa,
iteração
x1 +inversa,
aplicando
= (8a) 2
ex(8b), − 4as
aplicando
2do = ou
método aplicando
0eqs. (8c) (8a),
as
(8b)as
eeqs.
de (8a),eqs.
e (8c) DF(8a),
calculando
Newton, (8b) = (8b)
e (8c)
obtendo a e (8
∂ f ( X
1 eFcalculando ) ∂ f( ( X a iteração do método de Newton, obtendo a
∂ f 1 X ) ∂ f ( X ) , temos:
( k ( k 1)
aFx (1ªX )∆ F ( X( kF ) ) (−
−
∂(X x ) e– calculando
(k)
F(X x=
ee2calculando (k ∆F1), temos:
– 1) −F ) (X
( k ) (
(, Xtemos: k − 1)
) , temos:
= ( X k −1)F
1 1
∂x1 ∂x1 2 ∂∂x1xAplicando F1iteração )do Fmétodo de Newton, obtendo a e (8c)
∂x1 jacobiana ∆inicial F1e( eX
2 =∂xjacobiana ∂xe2x= e1= sua −inversa, )aplicando asaseqs.
eqs. (8a),(8b)
(8b)
1 1
J ( X ) =
1 1
inicial e x
sua inversa, aplicando (8a), e (8c)
∂)f=2 ( X J) ( X ∂)∂f=2f(12(X (XX) )) jacobiana
∂∂f 2f1(2(X X = )
)calculando 2(XxXinicial =
2(exX2= sua
inversa, ( k ) )aplicando ( k −1) ) as eqs. (8a), (8b) e (8c)
fexcalculando 2)f) 22(Xxx∂ , temos:
( k ) ( k 1)
∂f 2 ( X ) ∂∂f 2f(12(X (XX∂) f))1(e ∂ X ∂ 1∂
) (f X
f (2 )x ∂
) f
∆
) F F ( X
F) ( X ) − F ( X
− F ( X −
) , temos:
∂1f 2(1X)1 1e)x∂2 f112(= x1∆∂)F f2(xX
1
∂∂xx 2
∂∂x1x22∂∂x1f∂∂x(∂x2X2f1)=(∂X
X
∂x1
J (X )∂=x1 1 ∂∂xe
12 x calculando ∆∂F∂f x(eX1x F)1(eXx1 ( k ) )1x−exF ( X 1( k −1)) , temos:
1
1 12 ∂x
1
=
x
J ( X ) = ()X)=)= ∂f2∂(fX1 ∂(1)1X ∂1x2 (xX ) e 1 x
1 1
x1)∂∂fx1 ( X
(2)∂Xxf)=11)(X222∂)xxf=∂12(f∂
2
e1 (0) 1 1e1∂Jf(2J(Xe1X 1X )2x==2xexx = 1e 1
1
1
∂Jf1(2(X
J1X
∂∂(f)f)X=
( X)eX)=
( 1 )∂
∂ f21x∂(∂fX1∂(f()X
f
1
X ) ∂ x 2 2 x
((0)X ) = (0)e = 1∂
x e
1=12e
( X ) = 2 21 −
∂ ∂∂ f
x∂f ∂f (
( x X X( X 1)
) ) e∂ 2
x ∂ 1∂
f∂ ∂
1
f
f
(xX (( X
)2X)) 1 22x
1
∂ x 2
e
1 x
2 x
= )2x1e12xex22 x12 12 x
∂xf∂2x(∂1Xx1)1 22 ∂∂exfx22=(2X
1
2 * 1) =2( 1 −J−∂1) 2 1∂2=
J1)( Xx2=1)=
1
2* 1) =22(
2 2 1
J − (X 1) ∂2xX1(x−1X)-2 ) =
2*1 J∂(J2( x=(22X)∂)f2 (Xe)21xx2=1x1 21x222xx2 12 x 2
=
∂∂∂=2xf∂(21xX(1X)∂2∂)f2x2 2(-2
1
2 ∂f 2
2 * 1 J1(2(X− 1)
1
) = ∂ f X1
∂ ∂f)2x∂(2 xX
e 1
J ( X1∂)f1=2 (1X ) 0.13447071068499 e ∂ 1 f ∂
(x X ) ∂ f
( ∂ X x
) 1 2
0.268941421369995
J ((0) X (0) ) =0.268941421369995
(0) (0) e e
0.268941421369995 = ∂
0.268941421369995
1f 2∂(x∂1Xx1)∂2f2∂(e1xXe∂)f12∂0.13447071068499
0.13447071068499
( x2 2 x1 2 x2
x∂X1x)222∂x=x1 2 220.13447071068499
XX (0)))J==−1(JX
J ( X 2( X )
1 2( =
) =−1)(0) ∂x)e2(
1
21e−12∂∂=x11x21 = 1
=e∂x2 1 1 2
2 e 2
1 x 2 x
(0.268941421369995 J
*(0)
( X )(0)
J=(2)X
0.268941421369995 *= 1
2 * 11 = −
2(−
∂ 1) 0.365529289315002
−
x 1) e
1 2 2-2−
− ∂= 1
x
2
0.365529289315002
e 1 e 1
0.268941421369995 (0) e 1
e1)−1)
1e22 21−
e)0.268941421369995
2(0) )2=1)*2( 11 − 12( −=0.365529289315002 -22=−e0.365529289315002
1
J ( X(0)J 1( )X=
e* 1(0) 1
e 1
0.268941421369995
J ( X = J ( X
1 = e e = 1 10.13447071068499
2 − =
2 1
2 -2 -2
( X0.718281828459045
(0)
) = J ( 0.718281828459045
X (0)
) = ( X 2*2e1)*1 1=2(
J0.268941421369995
0.268941421369995 (0)
2(
= −211)
2
−* 11) 2(
1
2−
2(
− e1)
−
1) 2 20.13447071068499
=1 0.13447071068499
X 0 ) J=
(0) J (0.718281828459045
− −
1 1
(X (0)
X )J)=
(0)
(=
0.268941421369995
X120.718281828459045
(0)
* 1) = 2( − 1)
0.268941421369995
2
* 12 −2(
*
− 2
=−1)
0.365529289315002 2 -2
0.13447071068499
) =F(−X−1 2.000000000000000
X−2.000000000000000 0
) = J (0)− (0.268941421369995
X 0.268941421369995
(0)
0.268941421369995
)0.268941421369995
2=
* 1 2( −1)
0.268941421369995
2 -2−−0.365529289315002 0.13447071068499
0.13447071068499
0.365529289315002
0.13447071068499
(J−X (0)
)−J)2.000000000000000
=−)=1=(−0.268941421369995 0.268941421369995 0.268941421369995 0.13447071068499 0.13447071068499
J−1−2.000000000000000 −0.365529289315002
1
1 (X
−
J ( X (0)
0.718281828459045 −1 X
0.268941421369995
J 1 (0)(0)
( X (0) ) )== 0.268941421369995 0.13447071068499 0.13447071068499
0.268941421369995
( 0.268941421369995
(0)0.268941421369995
0.268941421369995
) − − 0.365529289315002
0.365529289315002
0.13447071068499
(0) J ( X (0)
0(0) J −1
J
) = ( X0.718281828459045 X =
(−X0.9242343145200196
− ) = − 0.9242343145200196
0.9242343145200196
F F ( X )− =
0.718281828459045
0.268941421369995
0.9242343145200196
) = ) = 0.718281828459045 −0.365529289315002
0.268941421369995
0.268941421369995
0.268941421369995
−0.365529289315002
− −0.365529289315002
−0.365529289315002
0.365529289315002
== ∆X ∆= − 2.000000000000000
= F((0) X−2.000000000000000
0
) = 0.268941421369995
0.718281828459045
−0.365529289315002
X
0.0757656854799806
0.0757656854799806 − 2.000000000000000
X(0)))=)=0.718281828459045
0.0757656854799806
F (0) 0.718281828459045
= 0.718281828459045 0.718281828459045
0.718281828459045
F − ( )X(0.0757656854799806
(F(0)
X
0.9242343145200196 F ( X0− 02.000000000000000
) = 0.718281828459045
0−2.000000000000000
0.718281828459045
F
1.07576568547998 ( X =
(F F0(0.9242343145200196
−F0.9242343145200196
−− )(X −X=− )) = −2.000000000000000
2.000000000000000
2.000000000000000
∆(1)X1.07576568547998
∆ =
X 1.07576568547998
= X
2.000000000000000− 0.9242343145200196
−− 2.000000000000000
2.000000000000000
X = 1 ∆ 1.07576568547998
X ∆=
0.0757656854799806
X = − 2.000000000000000
= X =
−1.92423431452002
−1.92423431452002−1.92423431452002 0.0757656854799806
−1.92423431452002
−−0.9242343145200196
0.0757656854799806 − 0.9242343145200196
0.9242343145200196
− 0.9242343145200196
∆X=∆ X−= X
=
0.9242343145200196 0.0757656854799806 0.9242343145200196
−0.9242343145200196
0.0757656854799806
0.00800289814302335
∆1.07576568547998
X
∆ X
=
1.07576568547998
∆ ∆X
−=
1.07576568547998
= −
0.9242343145200196 0.0757656854799806
0.0757656854799806
X (1)
(1) X = 0.00800289814302335
0.00800289814302335∆ X
∆X
1= (1) 0.00800289814302335 = =
0.0757656854799806
0.0757656854799806
1.07576568547998 0.0757656854799806
X 1 )= X =
−1 )1.92423431452002
=−1.92423431452002
) =F(X0.85994950723254249
X0.85994950723254249 X (1)=
1 1.07576568547998
0.0757656854799806
0.0757656854799806
− 1.92423431452002
1.07576568547998
1.07576568547998
0.85994950723254249
X (1) X (1)X
0.00800289814302335
=
0.85994950723254249
=
(1)
X
= 1.92423431452002
1.07576568547998
1−1=1.07576568547998
=
−
1.07576568547998
1.92423431452002
1.07576568547998
( X ) = 1(1)X −1.92423431452002
(1)
X = X
10.00800289814302335
0.00800289814302335
1 −
1.92423431452002
− 1.07576568547998
1.92423431452002
FF((XX ) =) = X
0.85994950723254249 1− =
− −0.00800289814302335
1.92423431452002
1.92423431452002 1.92423431452002
F)= ( k −1)
X ( k−1)iniciar
∆FF(0.85994950723254249 0.00800289814302335
Calculamos X0.85994950723254249 (=∆ F−( k1.92423431452002 ( X( X( k ) ) − )F (para ) para oiniciar método de
)
Calculamos = (1) X
0.00800289814302335 ) −F0.00800289814302335
F o método de
0.718281828459045
0.718281828459045
F ( X (0) ) = (0)0 0.718281828459045
FF( (XX−2.000000000000000
)= 0.718281828459045
0.718281828459045
F ( XF(0)()X−=2.000000000000000
0
) =0 0.718281828459045
F2.000000000000000
(X−2.000000000000000
) −=2.000000000000000
−0.9242343145200196
CAPÍTULO 4 – RESOLUÇÃO −2.000000000000000
DE EQUAÇÕES
DE SISTEMAS NÃO LINEARES 303
∆X ∆= −0.9242343145200196
−0.9242343145200196
X ∆= −0.9242343145200196
−0.9242343145200196
X ∆=
0.0757656854799806
X
=
0.0757656854799806
∆0.0757656854799806
X =
1.07576568547998 0.0757656854799806
0.0757656854799806
1.07576568547998
1.07576568547998
X = 1 (1) 1.07576568547998
(1)
X X= − =(1)
−1.92423431452002
1 1.07576568547998
1.07576568547998
XX ==
1.92423431452002
−X1.92423431452002
−=
1
−1.92423431452002
0.00800289814302335
1.92423431452002
−1.92423431452002
F ( X (1) ) = (1)1 0.00800289814302335
0.00800289814302335
FF((X X )) =
=
0.85994950723254249
0.00800289814302335
0.00800289814302335
F ( XF ()X 0.00800289814302335
1
(1)
= ) =
0.85994950723254249
0.85994950723254249
1
F ( X0.85994950723254249
) 0.85994950723254249
=
0.85994950723254249
Calculamos= ∆F F ( X ( k ) ) − F (( kX) ( k −1) ) para iniciar o método de
Calculamos= ∆(k)F F ( X(k – 1)) −( k )F ( X ( k −1) )( k −para iniciar o método de
Calculamos
Broyden: Calculamos
DF = F(X =
) ∆
– F
F(X F ( X ) para ) − F ( X
iniciar 1)
para iniciar
o)método o método de
de Broyden:
Broyden:
Broyden:
−0.710278930316022
= ∆F F ( X (1) ) − F ((1)X= (0)
) (0) −0.710278930316022
= ∆F F ( X ) −(1)F ( X= ) (0) −0.710278930316022
2.859949507232542
= ∆F F ( X ) − F ( X= ) 2.859949507232542
2.859949507232542
culo Numérico Computacional
mérico Computacional
utacional E, aplicandoiterativamente
E, aplicando iterativamente as eqs.as eqs.
(9) eas(9)(10), e (10), temos:
E, aplicando iterativamente eqs.temos: (9) e (10), temos:
E, aplicando iterativamente as eqs. (9) e (10), temos:
mérico Computacional
utacional Primeira iteração: a partir de k = 1, por Broyden, via eqs. (9)
Primeira
Primeira Primeira
iteração:
iteração: iteração:
a partir dea kpartir
= 1, pordeBroyden,
k = 1, porviaBroyden, via eqs. (9)
eqs. (9) e (10),
e (10), a partir de k = 1, por Broyden, via eqs. (9)
e (10), e (10),
Primeira 0.2921643816775817
iteração: a partir 0.0990520599255256
k =de eqs.
por Broyden, via eq. (9)(9)
Primeira ) =iteração:
(1) ( X 0.2921643816775817
a partir de k = 1,Broyden,
1, por
0.0990520599255256 via eq.via
(9)eqs.
−1 (1)
−1 J 0.2921643816775817 0.0990520599255256 (9)via
via eq.
(9)(9)
−1 (1)J ( X ) =
J ( X ) = e (10),e 0.2073926822465813 0.2073926822465813 − via
0.2716578247461259 eq.
o 04.indd 29
Capitulo 04.indd 29
(10),
0.2073926822465813 −0.2716578247461259
−0.2716578247461259
Capitulo 04.indd 29 0.988247753569072
(1) −1 X (2)0.2921643816775817
0.29216438167758170.988247753569072
=
0.988247753569072
(1) 0.0990520599255256
0.0990520599255256
via via
eq.eq.
(10)
via eq.via
eq. (10) (9)eq. (9)
−1
J ( XX ) = J
(2) (
= X X (2)
) = − 1.692282044505352 via
(10)
via eq. (10)
0.2073926822465813
0.2073926822465813
−1.692282044505352
−1.692282044505352
−0.2716578247461259
−0.2716578247461259
n
n (2)
X (2) = X ∆=x ∑ ∆∑
n 0.988247753569072
0.988247753569072
x
∆x j =
=
0.319470201925577
0.319470201925577
via eq.via
(10)eq. (10)
∑ j −=
−1.6922820445053520.319470201925577
1.692282044505352
j
j =1
j =1
j =1
Segunda iteração: k = 2
n
Segunda Segunda
n
iteração: iteração:
k=2 k=2
∑ ∑
∆x j(3) = ∆ = 0.319470201925577
x j1.00301691571886
0.319470201925577
(3) X j =11.00301691571886
=
j =11.00301691571886
X (3) = Segunda X = iteração: −1.72788110366784
k = 2
−1.72788110366784
− 1.72788110366784
iteração:
Segunda Segunda k = 2 k = 2
iteração:
n
n(3) n1.00301691571886
1.00301691571886
0.0503682213122766
X = X = ∆∑ ∆x j =
∆x j ∑
(3)
x = 0.0503682213122766
∑ −=
−1.72788110366784
j =1
0.0503682213122766
1.72788110366784
j =j1
j =1
n Terceira iteração: k = 3
n
Terceira iteração:
k=3 k=3
∑
Terceira∆x j∑ = iteração: 0.0503682213122766
∆x j 1.00417409441167
=
0.0503682213122766
(4) X j =11.00417409441167
(4)
=
Xj =11.00417409441167
X (4) = = −1.72962989476839
Terceira − 1.72962989476839
Terceira
iteração:
iteração:
k= 3 k = 3
−1.72962989476839
n
n (4) n1.00417409441167
1.00417409441167
0.00290596979335936
X (4) =X = ∑ ∑ ∆x j =
∆xj =j1 =
0.00290596979335936
∑ ∆x j −= 1.72962989476839
−1.72962989476839
j =1
0.00290596979335936
j =1
n Seguindo os passos iterativos, chegamos à solução:
X (3) = X (3) = 1.00301691571886
Segunda
(3)
1.00301691571886 iteração:
−1.00301691571886 k = 2
1.00301691571886
1.72788110366784
= −1.72788110366784
(3)
= X =X 1.00301691571886
− 304
−
1.72788110366784 −
1.72788110366784
1.72788110366784
X =n n
(3)
CÁLCULO NUMÉRICO COMPUTACIONAL
n ∑ ∑ ∆x =
−n1.72788110366784
∆x j =0.0503682213122766
n
0.0503682213122766
j
∑ ∆x j ∑
=n ∆
j =1
x∑= = 0.0503682213122766
0.0503682213122766
∆x = 0.0503682213122766
j j
=1
∑ ∆x Terceira
j
j =1 Terceira
Terceira
j =1 iteração: k =k 3= 3
0.0503682213122766
iteração:
jj=1
j =1
iteração: k=3
Terceira Terceira
iteração: Terceira
1.00417409441167 iteração: 3 k= 3 k =3
k = iteração:
X (4) = Terceira 1.00417409441167
iteração: k = 3
X
(4)
= 1.00417409441167
−1.00417409441167
1.00417409441167
(4) 1.72962989476839
−1.72962989476839
= X (4) =X 1.00417409441167
(4)
=
= −1.72962989476839
−X1.72962989476839 −1.72962989476839
−1.72962989476839
n
∑
n
∆xnj = 0.00290596979335936
n n ∑ ∆x j = 0.00290596979335936
∑ ∆x j ∑ ∆x∑
x 0.00290596979335936
jn=1
= ∆
0.00290596979335936 =
j ∆x j =
j 1 0.00290596979335936
∑
=
= 0.00290596979335936
j =1 Seguindo
j =1
j =1
jj=1 os
Seguindo os passos passos iterativos, chegamos
iterativos, à solução:
chegamos à solução:
Seguindo Seguindo
Seguindo osSeguindopassos os ospassospassos
iterativos,
os passos iterativos,
iterativos, chegamos
iterativos,chegamos
chegamos à à solução:
solução:
à chegamos
solução: à solução:
Seguindo 1.00416873847466 os passos iterativos, chegamos à solução:
X = X = 1.00416873847466
em k = em 8 iterações
1.00416873847466
1.00416873847466
1.72963728702587
X−1.00416873847466
1.00416873847466 −
1.72963728702587 k = 8 iterações
X
X =
=
−1.72963728702587 = −1.72963728702587 em k = 8 em k =
em
iterações 8 k = 88 iterações
iterações
iterações
− −1.72963728702587 em k= 8 iterações
n1.72963728702587 n
saber ∑ ∆xnj =
∑ 2.62331707805421 e − 16 e − 16
ber
Para
n nn ∆x j = 2.62331707805421
∑ xj ∑ ∆xx∑ 2.62331707805421 e − 16 ee−−16 16e − 16
j =1
j ==
mais
ber
Para
aber ∆mais
saber = 2.62331707805421
∆ jj = ∆ xj =
1 2.623317078054212.62331707805421
re o
mais mais Exemplo
mais j = 1 sobre o j
j =
=11 j =1 4.6: elabore um algoritmo que resolva o sistema não não
oede
re ométodo
Exemplo 4.6: elabore um algoritmo que resolva o sistema
sobre ode
Exemplo
den,
de Broyden,
ométodo
Exemplo
linear
Exemplo 4.6:Exemplo elabore
linear 4.6: elabore
4.6: elabore
um
4.6: algoritmo
elabore umalgoritmo
um algoritmo
umque queresolva
que
resolva
algoritmo resolva o osistema
o sistema
que resolvasistema
não não não
não
o sistema
de
Exemplo
linear 4.6: elabore um algoritmo que resolva o sistema não linear
linearconsultelinear
x12 +linear
ulte
den,
en,
11)
Broyden, x22x+2 x+32 x−21+= x032 − 1 = 0
ulte
Faires (2011) 22
ulteconsulte 1 2 2
2 x 2+ x 2 2 2+ x 2 2− 1 = 20
(2011)2
x1 +em: +
x2 +211x13 −+x1221x2=
2 x +
2 x −
+023x42x+3x 2= 1 = 0
x3 0− 1 = 00
2 22 x−1 3+
em:
11)
2 − 4 x3 =
11)
isponível
res
222 4x 2 = 0
org/
3−xxx11142 x+−
+32x4x=x322x1x−
em: 2 2
2 4xx323 −
02−+ = 400+x3x 2=
2 2 2 2
2 xem: 1 + x 00
em:
wikipedia.org/
−234 x=
ponível
3 =
de_
org/
org/
%A9todo_de_
ipedia.org/ 3 x1 2 − 2
2 4 x22 + x32 =
1 2
0
2
x32 x+1 x−334=
3 x1em:−34utilizando
x + 4xx3 2= +0x3 = 2
x1 02 −os 0
m:
de_3
de_
Acesso
m:
9todo_de_
16.3 utilizando métodos os de Newton
métodos e de Broyden
de Newton , com critério
e de Broyden de
, com critério de
m: 3
nov.
esso em: 3 utilizando os métodos de Newton e de Broyden, com critério de
2016.
utilizando
16. utilizando osutilizando
métodosnde n os métodos de Newton e de Broyden, com critério de
os Newton
métodos ededeNewton
Broydene, com ,critério
de Broyden de critério de
, com
16.
nov. 2016. utilizando
parada
parada ∑
nn ∑
parada n os
n
j =1 ∆−x
∆xmétodos
jn < 10
∑< 10
∆ −x
−14 de Newton
14
,<e10
Newton
−14 de Broyden
eeBroyden com com critério
derivadas
j, e Newton e Broyden com derivadas parciais parciais
, e Newton e Broyden com derivadas
de parada
parciais
parada parada ∑ ∆∆xparada xjj <
j =1
∑j< =11010∆x∑ −14
14
j
j,,ee∆
j= 10
<1Newton
Newton
−14
x j <,10 e Newton
−14
eeBroyden
Broyden e Broyden
, e Newtoncomcom com derivadas
derivadas
e Broyden
derivadas comparciais
parciais
parciais
derivadas
numéricas eparciais
critério
jj==11 j =1
de parada min |D xi| < 10–14 partindo de um vetor inicial X(0) = [0.5, 0.5, 0.5]T.
Calcule o resíduo máximo das equações e compare os resultados entre 20/12/2017 os 20/12/2017 09:11:43
20/12/201
09:11:43
métodos aplicados. 20/12/201720/12/2017
20/12/2017 09:11:43 09:11:43 0
Para saber mais sobre o método de Broyden, consulte Burden e Faires (2011) e o artigo disponível em:
<https://es.wikipedia.org/wiki/M%C3%A9todo_de_Broyden>. Acesso em: 3 nov. 2016.
Esse critério de parada com mínimo desvio é necessário para que, na simulação das derivadas não
sejam geradas derivadas nulas por perda de significação.
vetor inicial X (0) = [ 0.5 0.5 0.5] . Calcule o resíduo máximo das para que,
Comparação entre os métodos: mínimo
equações e compare os resultados entre os métodos aplicados. simulação
desvio é
Solução:
CAPÍTULO 4 – RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES NÃO LINEARES 305 não sejam
necessário
a) Método de Newton com derivadas parciais exatas: vadas nula
para que, n
Comparação entre os métodos:
Solução significaçã
simulação d
Solução: X = [0.785196933062355, 0.496611392944656, 0.369922830745872]
não sejam
a) Método de Newton com derivadas parciais exatas: vadas nulas
Resíduo
Comparação entremáximo
Solução F = 2.22044604925031e − 16
os métodos: significação
Número
X de iterações k = 6 0.496611392944656, 0.369922830745872]
= [0.785196933062355,
a) Método de Newton com derivadas n parciais exatas:
Critério máximo
Resíduo de paradaF atingido: ∑ | ∆x j | =
= 2.22044604925031
X = [0.785196933062355, 0.496611392944656,
j =1
7.14758491003723
e − 16 e − 17
0.369922830745872]T
b)Número
Resíduo de
Método iterações
máximo
de NewtonF =com= 6derivadas parciais numéricas:
k2.22044604925031e–16
n
Critério
Critériode
Solução deparada
parada atingido:
atingido: ∑ | ∆x
j =1
j |=
7.14758491003723e − 17
Número de iterações k = 6 0.496611392944656, 0.369922830745872]
X = [0.785196933062355,
b) Método de Newton com derivadas parciais numéricas:
Resíduo máximo F = 3.13082892944294e − 14
Solução
b) Método de Newton com derivadas parciais numéricas:
X = [0.785196933062355,
Critério 0.496611392944656, 0.369922830745872]
de parada atingido:
X = [0.785196933062355, 0.496611392944656, 0.369922830745872]T
min | ∆x jmáximo
Resíduo |=2.40985795343054e − 17
Resíduo máximo F == 3.13082892944294e–14
3.13082892944294e − 14
Critério de
Número deparada k = 6 min |Dxj| = 2.40985795343054e–17
atingido:
iterações
Critério de parada atingido:
Número de iterações k = 6
c) min | ∆x jde
Método |=2.40985795343054e
Broyden − 17parciais exatas:
com derivadas
Solução iterações k = 6
c) Número
Método dede Broyden com derivadas parciais exatas:
X = [0.785196933062355, 0.496611392944656, 0.369922830745872]
c) Método de Broyden com0.496611392944656,
X = [0.785196933062355, derivadas parciais 0.369922830745872]
exatas: T
Resíduo máximo F = 2.77555756156289
Resíduo máximo F = 2.77555756156289e–16 e − 16
Solução n
X = [0.785196933062355,
Critério
Critério de
de parada atingido:
parada atingido: ∑
0.496611392944656, 0.369922830745872]
2.67455660204432
∆x j = e − 15
Númeromáximo F =k2.77555756156289
de iterações =8 j =1
Resíduo e − 16
Número de iterações k = 8 n
Critério de parada atingido: ∑ ∆x j =
2.67455660204432e − 15
d) Método
d) Método de Broydencom
de Broyden comderivadas
derivadas
j =1
parciaisnuméricas:
parciais numéricas:
Solução
X = [0.785196933062355,
Número 0.496611392944656, 0.369922830745872]T
de iterações k = 8
X = [0.785196933062355,
Resíduo 0.496611392944656, 0.369922830745872]
máximo F = 2.77555756156289e–16
d) Método de Broyden com derivadas parciais numéricas:
Critério de
Resíduo paradaFatingido:
máximo min |Dxj| = 4.03368022884459e–16
= 2.77555756156289 e − 16
Solução
Número de iterações k = 8
Critério
X de parada atingido:0.496611392944656,
= [0.785196933062355, min ∆x j = 4.03368022884459 e − 16
0.369922830745872]
Os algoritmos
Número de Newton e Broyden
de iterações =aplicados
8 ao Exemplo 4.6 estão no Caderno de
Resíduo
Algoritmos máximo
no arquivo F = k2.77555756156289
Cap4SistemasNaolineares.m. e − 16
Critério de parada atingido: min ∆x j =
4.03368022884459e − 16
Número de iterações k = 8
o 04.indd 31
04.indd 31
306 CÁLCULO NUMÉRICO COMPUTACIONAL
4.4 CONCLUSÕES
Tomando como referência apenas resultados típicos, como os colhidos
no Exemplo 4.6, com a aplicação dos quatro métodos abordados neste
capítulo, podemos concluir que:
a) Os métodos de Newton são os mais recomendados para sistemas
não lineares de ordem baixa ou moderada. O Newton geral, quando
for possível a determinação direta da jacobiana; o Newton com
derivadas numéricas, quando não. Já para sistemas de ordem mais
elevada, sugerimos o método de Broyden, o qual normalmente
necessita de mais iterações para a mesma precisão, porém o custo
de cada iteração é compensadoramente menor.
b) A recomendação anterior é válida para os casos em que ocorre a
convergência, pois, se os métodos em questão continuarem divergindo
depois de várias tentativas de tomada de novas soluções iniciais
X(0), indicamos a utilização de outros métodos matematicamente
mais robustos e que façam uso das derivadas direcionais, como o
método das estimativas descendentes, que encontram um mínimo
local da função somatório dos quadrados das funções não lineares
de modo que esse mínimo local corresponde à solução do sistema
não linear, independentemente do valor inicial adotado (BURDEN;
FAIRES, 2011).
APROXIMAÇÃO
POLINOMIAL POR
INTERPOLAÇÃO, SPLINE
E CURVAS DE BÉZIER
xi x1 x2 .... xn + 1
yi = f(xi) y1 y2 .... yn + 1
f ( x) = sen exp
( 3
)
coth( x)
316
Nesses casos, o tempo de processamento acumulado de cada uma
das subfunções pode ser inviável, sendo obrigatória a aproximação
Grafico 5.3
da f(x) por uma função g(x) única com tempo de resposta factível.
| Pn ( x ) − f ( x ) |< ε
315
312 CÁLCULO NUMÉRICO COMPUTACIONAL
“Se y = f(x) for contínua em [a, b], então ∀ε > 0 sempre existe Pn(x) e
n dependente da precisão ε, tal que |Pn(x) – f(x)| < ε, ∀x∈[a,b].”
xi ∈ [a, b] , conforme:
xi x1 x2 .... xn + 1
xi x1 x2 ....... xn +1
yI = f(xi) yi =y1f ( xi )y2 y1 .... y2 yn .......
+1 yn +1
Quando reescrevemos esse sistema na forma matricial, temos:
1 xn +1 xnn+−11 xnn+1 an +1 yn +1
h =−
i (b a ) / n =
(2.0
1 − 1.0) / 2 =
0.5 2 2+1=3
Aplicando Aplicando
o sistema odado
sistema
na dado na eq.temos:
eq. (3b), (3b), temos:
E resolvendo esse sistema por eliminação de Gauss, com variáveis double, temos:
E resolvendo esse sistema por eliminação de Gauss, com variáveis
double, temos:
a1 = −1.164279323185479
a2 = 1.399845394498246
a3 = −0.235566071312767
Assim,
P2 ( x) = −1.164279323185479+1.399845394498246 x − 0.235566071312767 x 2 ≅ ln( x)
a3 = −0.235566071312767
Assim,
Assim,
P2 ( x) = −1.164279323185479+1.399845394498246 x − 0.235566071312767 x 2 ≅ ln( x)
f=
Valor exato local: ⇒ avaliação(1.14)porln(1.14)
= 0.131028262406404
) = 0.125402760264449
Valor aproximado local: P2(1.14) =Horner.
0.125402760264449 ⇒ avaliação por
= Horner.
) ln(1.14) ⇒
0.131028262406404 Erro local = | P2 (1.14) − f (1.14) | = 0.00562550214195459
Grafico 5.3
Erro = | Pn ( x) − f ( x ) |
Veremos, nas seções 5.1.2.1 e 5.1.2.2, que existem algoritmos alternativos para determinar
o polinômio interpolador.
9
Fazendo
CAPÍTULO uma análise
5 – APROXIMAÇÃO da técnica
POLINOMIAL de aproximação
POR INTERPOLAÇÃO, por interpolação
SPLINE E CURVAS... 317 polino
devemos considerar pelo menos três questões fundamentais:
a)Fazendo
Será que
umaoanálise
sistema
da U * A = Y , dado pela eq. (3b), sempre tem solu
técnica de aproximação por interpolação
polinomial,
Casodevemos
exista considerar pelo será
solução, esta menosúnica?
três questões fundamentais:
b)a) Será possível
Será que o sistemamelhorar a eficiência
U * A = Y, dado computacional
pela eq. (3b), (menor temp
sempre tem solução?
Caso exista
resposta solução, esta
e demanda deserá única? para a obtenção e o uso do Pn ( x)
memória)
Será possível
c)b) Qual é o erromelhorar a eficiência computacional
de truncamento (menor tempo
máximo associado ao de
se tomar
resposta e demanda de memória) para a obtenção e o uso do Pn(x)?
como aproximador de f ( x) , ∀ x ∈ [a, b] com x ≠ xi ?
c) Qual é o erro de truncamento máximo associado ao se tomar Pn(x)
como aproximador de f(x), ∀x∈[a,b] com x ≠ xi?
Vamos Vamos
tratartratar
de responder
de responder aa cada
cada uma
uma dessas
dessas questões
questões nas atrês
nas três seções seções a seg
seguir.
1 x1 x1n −1 x1n
1 x2 x2n −1 x2n
Det (U ) = Det = ∏ ( xi − x j ) (5a)
i= n +1,2
j = i −1,1
1 xn +1 xnn+−11 xnn+1 (i ≠ j )
ou
ou
318 CÁLCULO NUMÉRICO COMPUTACIONAL
4( n + 1)
413 Na sequência, vamos mostrar formas mais eficientes de determinar o polinômio
x ∈ [0.1, interpolador
1] de grau n.
441
5.1.2
(a10 , a20 ) = (1., 1.) Determinação eficiente do interpolador
a1 = 367.001181444968 e ada
A consequência 1.00152293682138
2 =unicidade do interpolador é que podemos tentar
449 determiná-lo sem a geração do sistema linear (3b), que demanda a ordem
de O(n2) multiplicações para gerar a matriz U e cuja solução por elimi-
∂D(a,nação
b) dem Gauss
( ) ( )
−1 −2
= 2 a +ouaCrout
/ T 2 exige
− V número
( −1) de
a operações
+ a / T 2 aritméticas
1 = 0 na ordem
1
∂ade O(2nk =1/ 3).
3 2 k
1 2
456 Para a função discretizada
b
I = f ( x) dxi = F (b) − F1(a ) = A2 ..... n+1
a
463
xi x1 x2 ..... xn + 1
f ′( x) = − (1 + x)−2
464 yi = f(xi) y1 y2 ..... yn + 1
| Tn − I e |
Tn* propomos representações de polinômios interpoladores em bases alter-
nativas, pois a eq. (1) é escrita como uma combinação linear direta da base
| Tn* − Ie |
canônica dos polinômios: {x0, x1, ..., xn–1, xn}, com coeficientes ai, ou seja,
465
b
lim T( i , k ) = f ( x ) dx
k →∞
a
470
(4) −5
propomos representações de polinômios interpoladores em bases alternativas,
a eq. CAPÍTULO
(1) é escrita comoPOLINOMIAL
5 – APROXIMAÇÃO uma combinação linear
POR INTERPOLAÇÃO, direta
SPLINE da base319
E CURVAS... canônica
{ }
polinômios: x 0 , x1 , , x n −1 , x n , com coeficientes ai , ou seja,
n +1
Pn ( x)= ∑a x
i =1
i
i −1
= a1 x 0 + a2 x1 + + an x n −1 + an +1 x n
5.1.2.1 Expressão
5.1.2.1 do interpolador
Expressão polinomial
do interpolador na(x)base
Pn ( x) P
polinomial dosdos
na base polinômios
n
polinômios de Lagrange
Lagrange
Nesse caso, o interpolador Pn(x) é expresso na forma de uma
Nesse caso,
combinação o interpolador
linear é expresso
Pn ( x) por
da base definida nade
polinômios forma de uma
Lagrange de combin
grau n, Li(x), i = 1, ..., n + 1,
linear da base definida por polinômios de Lagrange de grau n , Li ( x= ) , i 1,...,
Li ( x) = ∏
n +1
(x − x ) j
(6a)
j =1
j ≠i
(x − x )
i j
com as propriedades:
com as propriedades:
Li(xLii)(=xi 1) =para qualquer
1 para i e Li(xi j)e= L0i (para
qualquer j ≠0i para j ≠ i
xj ) = (6b)
Por exemplo,
i
para o conjunto
1 2
de 5 pontos:
3 4 5
xi i1 1
3
2 3
4
4
6
5
8
xi 1 3 4 6 8
O polinômio O de Lagrange
polinômio de graude4 grau
de Lagrange definido em torno
4 definido em torno 3 =x34 =
de xde L3 ( x) resu
, 4,
L (x) resulta no Gráfico 5.4.
Gráfico3 5.4.
ou
CAPÍTULO 5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS... 321
Pg. 321
( x − x )( x − x ) ... ( x − x )
Pn ( x) = y1 ( x − x 2)( x − x 3) ... ( x − x n +1) +
Pn ( x) = y1 ( x1 − x22 )( x1 − x33 ) ... ( x1 −nx+1n +1 )
( x1 − x2 )( x1 − x3 ) ... ( x1 − xn +1 )
( x − x )( x − x ) ... ( x − x )
+ y2 ( x − x1)( x − x 3) ... ( x − x n +1) +
+ y2 ( x2 − x11)( x2 − x3 3 ) ... ( x2 −n+x1n +1 ) (8b)
( x − x )( x − x ) ... ( x2 − xn +1 ) (8
+ 2 1 2 3
+ ⋯
( x − x1 )( x − x2 ) ... ( x − xn )
+ yn +1 ( x − x1 )( x − x2 ) ... ( x − xn )
+ yn +1 ( xn +1 − x1 )( xn +1 − x2 ) ... ( xn +1 − xn )
( xn +1 − x1 )( xn +1 − x2 ) ... ( xn +1 − xn )
Pn ( x1 ) = y1
P ( x ) = y2
Pg. 322 ComoComo Li ( xi )L= (x ) = 1 e L (xj) =
i 1i e Li ( x ij ) =
então n 2
0 ,0,então
Pn ( xn +1 ) = yn +1
( x − x2 )( x − x3 )( x − x4 )
P3 ( x ) = y1
Ou seja, Pn ( x) (passa x1 − x2 )(por x3 )( x1 os
x1 −todos )
− x4pontos ( xi , yi ) .
Ou seja,( xP−n(x) x1 )(passa
x − x3por x4 ) os pontos (xi , yi).
)( x −todos
ComoComo o yinterpolador
+ Pn (Px)(x) dado pela eq. (8a) passa por todos os n + 1 po
x4 ) pela eq. (8a) passa por todos os n + 1
2 o interpolador
( x2 − x1 )( x2 − x3 )(nx2 − dado
pontos (xi , yi), ele será o mesmo que o obtido anteriormente pelo sistema
( xi , yi ) , *ele será ( x mesmo
o − x1 )( x − xque
2 )( xem 4)
−o xobtido anteriormente pelo sistema U * A = Y
U A =+Yydado pela eq. (3b), consequência da unicidade do polinômio
( xNa x1 )( x3 − 2 )( x3 − x4 )não temos a necessidade de gerar e nem
3
interpolador. 3 − forma dexLagrange
pela eq. (3b), em consequência da unicidade do polinômio interpolador. Na form
de resolver um (x − x )( x −linear,
sistema x2 )( x −basta
x3 ) substituir diretamente os valores dos
Lagrange + y4temos a1 necessidade
não de gerar e nem de resolver um sistema li
pontos (xi , y(ix) 4e−oxx1 )(desejado
x4 − x2 )( x4 − x3 (8a).
na eq. )
basta substituir diretamente os valores dos pontos ( xi , yi ) e o x desejado na
Exemplo (5.2: x − 1)( x − 3)( x − 4)
determine ( x − 0)( x − de
o interpolador 3)( xLagrange
− 4) para a função dis-
P3 ( x ) = 2 +4
(8a). cretizada:(0 − 1)(0 − 3)(0 − 4) (1 − 0)(1 − 3)(1 − 4)
( x − 0)( x − 1)( x − 3) ( x − 0)( x − 1)( x − 3)
+0 +1
(3 − 0)(30− 1)(3 − 14)
xi determine (43− 0)(4 −41)(4 − 3)
Exemplo 5.2: o interpolador de Lagrange para a função discretizada:
yi = f(xi) xi 2 04 1 0 3 1 4
Pg. 333
yi = f ( xi ) 2 4 0 1
do Teorema 1, se M = max f ( x) , en
( n +1)
Corolário 1: sob
Aproxime ase f(x
f(x = 2) hipóteses
= 5). x∈[ x1 , xn+1 ]
Aproxime f ( xM = 2) en +1 f ( x = 5) .
Pn ( x ) ≤
Erro Solução: ∏ ( x − xi ) em um ponto específico x = x .
( n + 1)!
Temos n + 1 = 4 pontos de f(x) e n = 3.
1
Solução: i =
( x − x2 )( x − x3 )( x − x4 )
P3 ( x) = y1 +
( x1 − x2 )( x1 − x3 )( x1 − x4 )
( x − x1 )( x − x3 )( x − x4 )
322 CÁLCULO NUMÉRICO COMPUTACIONAL
Pg. 322
( x − x2 )( x − x3 )( x − x4 )
P3 ( x ) = y1
( x1 − x2 )( x1 − x3 )( x1 − x4 )
( x − x1 )( x − x3 )( x − x4 )
+ y2
( x2 − x1 )( x2 − x3 )( x2 − x4 )
( x − x1 )( x − x2 )( x − x4 )
+ y3
( x3 − x1 )( x3 − x2 )( x3 − x4 )
( x − x1 )( x − x2 )( x − x3 )
+ y4
( x4 − x1 )( x4 − x2 )( x4 − x3 )
( x − 1)( x − 3)( x − 4) ( x − 0)( x − 3)( x − 4)
P3 ( x) = 2 +4 +
( x − 1)( x − 3)( x 4) ( x − 0)( x − 3)( x 4)
P3 ( x ) = 2 (0 − 1)(0 − 3)(0 − 4) + 4 (1 − 0)(1 − 3)(1 − 4)
P3 ( x) =+20 (0 1)(0 3)(0 −−4)
4)3) (((1
++41 x−−0)(10)(xx−−−3)(1
1)(xx−−−4)4)
( x( x−−−1)( x x−−−3)(
0)( 1)(x x− x − 0)( 3)( 3) +
(0(3( x − 0)( x − 1)( x − 3)
− 1)(0 − 3)(0 − 4) ( x − 0)( x − 1)( x − 3)
(1 − 0)(1 − 3)(1 − 4)
+ 0 − 0)(3 − 1)(3 − 4) + 1 (4 − 0)(4 − 1)(4 − 3)
((3 0)(3 1)(3 − 4)
x −−0)( x − 1)( x − 3) (4
( x −− 0)(4
0)( x−−1)(4
1)( x−−3) 3)
+0 +1
Resultando nas(3estimativas: − 0)(3 − 1)(3 − 4) (4 − 0)(4 − 1)(4 − 3)
Resultando nas
2) estimativas:
Pg. 333f ( x =
Resultando
2) ≅ P3 ( x =
nas estimativas:
= 2.167
do Teorema 1, se M = max f ( x) , então
( n +1)
Corolário 1:5) ≅sob
ff (( xx =
= P ( xas
= hipóteses
5) = 8.667
2) ≅ P33 ( x = 2) = 2.167 x∈[ x1 , xn+1 ]
M n +1
≤ 5) ≅ P3 ( ∏
Erro Pnf((xx) = x= (5)
x −= i ) em um ponto específico x = x .
x8.667
(n + 1)! i =1
Também poderíamos expandir algebricamente a expressão de Pn ( x) dada pe
P ( x) =∏ (yx − x j ) Num
Num
= (8c)
n +1
(8
n ∑
j =1 i n +1
, ∀ x ≠ xi
P ( x) =
i =1
n +1
∏
( x − xi )Num ( xi − x j ) (8
206
n ∑ yi j =1
nj+≠1i
, ∀ x ≠ xi
i =1
( x − xi )∏ ( xi − x j )
j =1
j ≠i
Antes de continuar a sua leitura, teste os algoritmos na forma da eq. (8a) e na form
otimizada da eq. (8c) disponíveis no Caderno de Algoritmos no arquiv
Antes de continuar a sua leitura, teste os algoritmos na forma da eq. (8a) e na form
6071312767 x x≅ ln(
566071312767 x) x)
≅ ln(
r ≠r i≠. i .
mom
Antes de continuar a sua leitura, teste os algoritmos na forma da eq. (8a) e na
forma otimizada da eq. (8c) disponíveis no Caderno de Algoritmos no arquivo
Cap5exem5.2PnLagrange1D.m.
definimos
definimos
definimos
definimos asdiferenças
as
as as diferenças
diferenças
diferenças divididas ∆∆
divididas
divididas
divididas ∆∆kkkkkykyyyiii,iiii,,no
kkkk
,no
nosentido
nosentidoascendente,
sentido
sentido por: por:
ascendente,
ascendente,
ascendente, por:
por:
definimos
definimos
definimosas asdiferenças
as diferenças
diferençasdivididas divididas
divididas∆∆∆ yyyi i,i,,no no
nosentido
sentido
sentidoascendente,
ascendente,
ascendente,por:por: 212212
por:
yyyiiii++ii+++11+1111−−−yyyiiiiii
=
==∆∆∆ yyy yyy −−−yy=
111111
y=
i= ∀iii 1,...,
i i,,, ∀
∀ 1,...,nnn
1,..., ⇒⇒⇒ diferença
diferença
diferençade
de
de1ª1ª
1ªordem.
ordem.
ordem.
=
==∆∆∆11y1yyiiiiiiiii xxxii+ii+ii++11++1111−−−x=xx = = ∀iii 1,...,
,,,∀∀ 1,...,nnn ⇒ diferença de 1⇒
1,..., a
⇒ordem.
⇒ diferença
diferença
diferençade
de
de1ª1ª
1ªordem.
ordem.
ordem.
xxxii+ii+ii++1+1+1111−−−xxxiiiiii
ii i
∆∆∆yyy −−−∆∆∆yyy
∆∆∆222222222yyyiiiiii =∆
=∆ =∆∆∆yyyiii+iii++iii+++1+11++111111−−−∆∆∆yyyiiiiiiiii,,, ∀
=∆(((∆∆∆yyyiiiii)i))=
= ∀iii=
∀ = 1,...,nnn−−−111 ⇒⇒
=1,...,
1,..., ⇒
⇒ diferença
diferença
diferença
diferença de
de
de2ª
2ª
de 2a ordem.2ªordem.
ordem.
ordem.
∆∆∆ yyyi ii=∆ =∆ (∆∆yyyi i)i))==
=∆((∆ = xxxii+i++222−−−xxxiii ,,,∀∀ ∀iii== 1,...,nnn−−−111 ⇒
=1,...,
1,..., ⇒
⇒ diferença
diferença
diferençadede
de2ª
2ª
2ªordem.
ordem.
ordem.
xxxii+ii+ii+++2+22222−−−xxxiiiiii
k−−1−111
∆∆kkk−
y −−∆∆∆kkkkk−−kk−−1−1−−11111yyyiiii
∆∆
∆kkkkkkkyyyiiii=
∆
= ∆kk−k−1−1y1yyyyii+ii+iii++1+1++11111−−−
−∆∆∆ yyy , ∀∀
= i 1,...,
1,...,nnn+++111−−−kkk ⇒⇒
⇒ diferença de -ésimaorde
ord
∆∆ = xxxii+i++kkk−−−xxxiii i ii,,,,,∀
= =
∀
= iiiii 1,...,
1,..., diferença
⇒ de k-ésima
diferença
diferença de
deordem.k-ésima
-ésima ord
∆∆∆ yyyi ii= = =
∀
=
∀
= 1,...,nnn+++111−−−kkk ⇒
1,..., ⇒
⇒ diferença
diferença
diferençade de kkkkk-ésima
de -ésima
-ésimaorde
ord
ord
xxxi +iii++k+kkk−−−xxxi iii
Note
Note
Note aaa semelhança
semelhança
semelhança entreentre
entre as
as
asdefinições
definições
definiçõesdas das
dasdiferenças
diferenças
diferenças divididas
divididas
divididas eeedas
das
das derivada
derivad
derivad
Note
Note
Noteaaasemelhança
semelhança
semelhança
Note a semelhançaentre
entre
entre
entreas
as
asdefinições
as definições
definições
definições das
das
dasdiferenças
diferenças
diferenças
das diferenças divididas edivididas
divididas
divididas
das eeede
derivadas das
das
dasderivada
derivad
derivad
várias
várias várias
váriasordens
ordensde
ordens ordens
de de
deuma
uma uma função
umafunção com
funçãocom
função expressão
comexpressão
com conhecida.
expressãoconhecida.
expressão conhecida.
conhecida.
várias
várias
váriasordens
ordens
ordensde de
deuma
uma
umafunção
função
funçãocom
com
comexpressão
expressão
expressãoconhecida.
conhecida.
conhecida.
Exemplo5.3:
Exemplo
Exemplo 5.3:determine
5.3: determinetodas
determine todasas
todas asdiferenças
as diferençasdivididas
diferenças divididasda
divididas dafunção
da funçãodiscretizada
função discretizada
discretizada
Exemplo
Exemplo
Exemplo5.3:
5.3:
5.3:determine
determine
determinetodas
todas
todasasas
asdiferenças
diferenças
diferençasdivididas
divididas
divididasdada
dafunção
função
funçãodiscretizada
discretizada
discretizada
iii 111 222 333 444
iii 111 222 333 444
xxxiiiiii 1 11 3 33 4 44 777
xxxi ii 111 333 444 777
∆ k yi = ∆ yi +1 − ∆x yii ,, ∀ = ii 1,..., nn + 11 − kk ⇒ diferença de k -ésima orde
∆ k yyii =
∆ = xxii++1k − , ∀
=
∀
= i 1,...,
1,..., n +
+ 1 −
− k ⇒
⇒ diferença
diferença dede kk -ésima
-ésima orde
orde
− xxii
xii ++ kk −
i
Observe
Observeque
queas diferenças
a diferença divididas
dividida ∆3 yi no
, em1º
i ponto, em i = 1em(destacados
= 1 (destacada negrito), em neg
Observe
Observe que
que as
as diferenças
diferenças divididas
divididas no
no 1º
1º ponto,
ponto, em
em ii =
= 1
1
(destacados
(destacados em
em neg
neg
depende de todos os pontos e de todas as diferenças anteriores.
calculadas ao lado da tabela de resultados, dependem de todos os pontos.
calculadas
calculadas ao lado
lado ada tabela de
de resultados,
resultados, dependem
dependem de de todos
todos os
os pontos.
Definiçãoao
2: para da tabela
função discretizada pontos.
Definição 2: para a função discretizada
Definição
Definição 2:
2: para
para a a função
função discretizada
discretizada
i 1 2 ..... n+1
ii 1 2 ....... n +1
ix
1 2
xi 1x 2x 1 .......
....... n
nx + +1 1 ..... xn + 1
....... 3
xxii xx1 xx2 .......
1 2
....... xxn ++11
n
325
Estime ff ((xx == 5)
5) ee ff((xx==7.5)
7.5). .
Estime
Solução:
Solução:
Solução:
Temos n + 1 n= 41= ⇒ n=3
TemosTemos
n +1 = +4 ⇒4 ⇒nn==33
P3 ( x)= y1 + ∆y1 ( x − x1 ) + ∆ 2 2y1 ( x − x1 )( x − x2 ) + ∆ 3 y31 ( x − x1 )( x − x2 )( x − x3 )
P3 ( x)= y1 + ∆y1 ( x − x1 ) + ∆ y1 ( x − x1 )( x − x2 ) + ∆ y1 ( x − x1 )( x − x2 )( x − x3 )
Usando as diferenças divididas obtidas no Exemplo 5.3, temos:
Usando as diferenças
Usando as diferenças divididas
divididasobtidasobtidas no Exemplo
no Exemplo 5.3,
5.3, temos:
temos:
P3 ( x=
) 2(1) + (−1)( x − 1) + (2 / 3)( x − 1)( x − 3) + (−1 / 8)( x − 1)( x − 3)( x − 4)
P3 ( x=
) 2(1) + (−1)( x − 1) + (2 / 3)( x − 1)( x − 3) + (−1 / 8)( x − 1)( x − 3)( x − 4)
E efetuando as estimativas, resultam:
E efetuando as estimativas, resultam:
Ef (5.0)
efetuando as estimativas,
≅ P3 (5.0) = 2.233 resultam:
f (5.0) ≅ P3 (5.0) = 2.233
f(5.0) ≅ P3(5.0) = 2.233 2
i xi yi ∆1 yi ∆2 yi ∆3 yi ∆4 yi
2 3 0 1 –1/12 1/40 –
n
ii xxii yyii
1 2 3 4
∆∆1 yyii { x 0 ∆2 yi
∆, (yxi − x1 ) , ( x∆∆−3 yyxii1 )( x − x2 )∆∆ 4 y
yii ∏ ( x − x j ) }
,...,
3 4 1 2/3 1/15 – –
11 11 22 −1
−1 2/3
2/3 −1/8
−1/8 3/160
3/160 j =1
4
22
7
333 00 1 11 – 325 −1/12
−1/12
– –
1/40
1/40 --
33 44 11 2/3
2/3 1/15
1/15 -- --
... diferenças divididas, Δ k
y , conforme seg
5 494 775 33 – 11 – – -
-
– -- 1-
-
55 99 55 -- 327 -
- -- --
Assim,
Assim, acrescentamos
acrescentamos
Assim, acrescentamosapenas o termo Δooy1termo
apenas ( x − x1)(x∆−y1x1(2x)(−x x−11)(x3x)(−xx−22)(x4x) −aox33)( x − x44)
4 termo ∆44 y ( x − x )( x − x )( x − x )( x − x )
Solução:
Neste exemplo, temos um problema de extrapolação (para fora dos limites
de dados disponíveis).
Como os dados são de uma função injetora, se invertermos as variáveis, ela
resultará na função:
t4 (C ) = 85 +Logo,
(5.7143)( C − 5)C+=(1.9048)(
se Consumo C − 5)(
7.50MW, então C −t 5.7)
tempo + (−
= 101.37 3.4734)(
anos 5)(algoritmo
C − via
(calculado C − 5.7)(C − 6.2)
+de(2.9546)( C − 5)(C − 5.7)(C − 6.2)(C − 6.7)
Gregory-Newton). Então, depois do quarto mês de 2001, o consumo deverá
331
atingir 7.5MW.
C4 (t ) = −3.00325e − 04 * t + 1.11426e − 01 * t −1.54789e + 01 *t
4 3 2
Logo, se + 9.54391
Consumo e + 02 * C
Alternativamente, 2.20353
t −podemos
= 7.50MW, + 04 então
etambém tempo tuma
obter diretamente = 101.37
expressão(calculado
para o via
333
algoritmo de Gregory-Newton). Então depois do quarto mês de 2001, o
consumo C em função do tempo t:
f (x)
Alternativamente,
(4)
podemos também obter diretamente uma expressão para
Com n + 1 = 5 pontos, obtemos o interpolador de grau n = 4 expresso na forma geral:
oMConsumo C em
= f (0.4) = 234.375
(4) função do tempo t:
C4 (t ) = −3.00325e − 04 * t 4 + 1.11426e − 01 * t 3 −1.54789e + 01 *t 2 + 9.54391e + 02 * t − 2.20353e + 04
335
(t) = 7.5, t4 = ?
P4(4) 219
f (x) = −6/ x
M = max | f ( 4) ( x ) |= max | − 6 / x 4 |= 6 (0.4) = 234.375
4
x∈[0.4, 0.7 ]
Tempo t (ano) 85 89 93 95 96 ... ?
336
( x) = exC(MW)
fConsumo
(4)
f (5) ( x) = e5x 5.7 6.2 6.7 7.0 ... 7.5
f ( n +1)
( x)
337
f (4) ( x) = −3!/ x4
339
x
Alternativamente, podemos também obter diretamente uma expressão para o
consumo Cuma
m obter diretamente em função do tempo
expressão para t:o
CAPÍTULO 5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS... 331
Tempo t (ano) 85 89 93 95 96 ... ?
Consumo C (MW) 5 5.7 6.2 6.7 7.0 ... 7.5
85 89 93 95 96 ... n
Como ? + 1 = 5 pontos, obtemos o interpolador de grau n = 4 aqui
5 5.7 6.2 6.7 7.0 ... 7.5
expresso na forma geral:
Com n + 1 = 5 pontos, obtemos o interpolador de grau n = 4 expresso na forma geral:
rpolador de grau n = 4 expresso na 4forma geral:
C4 (t ) = −3.00325e − 04 * t + 1.11426e − 01 * t 3 −1.54789e + 01 *t 2 + 9.54391e + 02 * t − 2.20353e + 04
1 * t 3 −1.54789e + 01 *t 2 + 9.54391e + 02 * t − 2.20353e + 04
219
Fazendo C4(t) = 7.5 , obtemos t219 = 97.64 via Método de Newton, excluindo
soluções Fazendo
expúrias. Assim, depois dovia7Método
C (t ) = 7.5 , obtemos t = 97.64
4
o
mêsdedeNewton,
1997, o consumo
excluindo soluções deverá
atingir 7.5MW.
expúrias. Assim, depois do 7º mês de 1997, o consumo deverá atingir 7.5MW.
resultado aproximanda,
mais confiável deve ser o mais
conforme a matriz a seguir:
conservador, com o tempo de 97.64
anos para atingir o consumo 7.5MW. Esse é um exemplo típico de aplicação
em um problema de previsão por extrapolação.
xi
x1 x=u
No Capítulo 7, abordaremos
yj uma xmetodologia
2 x3
mais adequada para esse tipo dexnproblema.
+1
220
332 CÁLCULO NUMÉRICO COMPUTACIONAL
ser observada
observada no exemplo no exemplo
interpolador Pn ( x) e xdo
do Gráfico
∈[ xGráfico
5.2, 5.2,
1 , xn +1 ] enquanto
, cometemos
enquanto
um errooderespectivo
truncamentoerro
o respectivo erro
em cada pode x ≠ xi
pode ser visto n
ser visto no Gráfico 5.3.
a ser estimado definido por:
Gráfico 5.3.A delimitação do erro de truncamento
Erro Pn ( x) = Pn ( x) − f ( x) , ∀ x ∈ [ x1 , xn+1Erro ] e xP ≠ nx(x = x), para qualquer (11)
i
x ∈[x , xn + 1], indicará do oerro grau de confiança dos resultadosPfornecidos pela
A delimitação
1 A relação entre a de aproximandatruncamento f ( x) e suaErro n ( x = Px
interpoladora ) , pode
n ( x)
para ser qualqu
aproximação Pn(x) ≅ f(x).
] , observada
x ∈ [ x1 , xn +1Podemos indicará obter oo erro
no exemplo grau de confiança
do Gráfico
de truncamento 5.2, enquanto odos resultados
respectivo
do interpolador erro pode serfornecidos
polinomial visto no pe
aproximação
Pn(x) antes Pn de
( x )determiná-lo
Gráfico ≅ f (x ) .
5.3.
via:
A delimitação do erro de truncamento Erro Pn ( x = x ) , para qualquer
Podemos obter o erro de truncamento do interpolador polinomial Pn ( x) antes d
Teoremavia: 1:x ∈se[ xP1 ,nx(x) , indicará o grau de confiança dos resultados fornecidos pela
n +1 ] é o interpolador de
determiná-lo aproximação P ( x ) ≅ f ( x ) .
n
Podemos obter o erro de truncamento do interpolador polinomial Pn ( x) antes de
Teorema 1:
i se Pn ( x1) évia:
determiná-lo o interpolador
2 ... de n + 1
Teorema 1: se Pn ( x) é o interpolador de
xi x1 i x2 1 2... ....... xn +n1 + 1
ix 2 .......
xi 1 x1 2 x
....... n + 1
....... n +1
yi = f(xi) y1 y2 x i ...x1 x2 y xn +1
....... n + 1
yi = f ( xi )yi = fy(1xi ) yy21 y2 ....... yynn++11
∃ ξ ∈ [ x1 , xn +1 ] /∃ Erro
ξ ∈[ x1 ,P
xnn+(1 ]x/) = Pn ( x ) − f ( x ) =
i =1
. .
(n + 1)!
f(n + 1)(x)LINK
( n +1)
( x) refere-se
f à derivada
refere-se à derivada
de ordem (n + 1) de de
f(x)ordem ( n + 1) dedaf expressão
. A demonstração ( x) . Essadodemonstração
erro contida da
no Teorema 1 e das demais fórmulas simplificadas na sequência podem ser encontradas na obra Cálculo
expressão do erro contida no Teorema 1 e das demais fórmulas simplificadas na
LINK f ( n +numérico: aspectos teóricos e computacionais, de Ruggiero e Lopes, 2 edição, 1997.
na obra (“Cálculo
n + 1) de
a
1)
( x) sequência
refere-se à derivada
podem de ordem
ser encontradas
f ( x) Essa demonstração
Numérico: .aspectos teóricos e d
computacionais”, de Ruggiero e Lopes, 2ª edição. FIM DO LINK
expressão do erro contida no Teorema 1 e das demais fórmulas simplificadas n
g. 322
( x − x2 )( x − x3 )( x − x4 )
P3 ( x ) = y1
( xx1 −− xxPOLINOMIAL
( x − x )( x − x )(
CAPÍTULO 5 – APROXIMAÇÃO 2))( x1 − x3 )(
POR − x4 )
x1 INTERPOLAÇÃO, SPLINE E CURVAS... 333
P3 ( x ) = y1 2 3 4
( x1 − x2 )( x1 −+ xy3 )( x1( x− −x4x)1 )( x − x3 )( x − x4 )
( xx2 −−xqual
x1))( x2é− ox3valor
)( x2 − dex4 ) ξ , apenas conhecemos a sua regiã
2
b)( x −não sabemos
x1 )( x − x3 )(
+ y2 A determinação do
4 erro de truncamento usando a expressão do
(
Teoremax − x )( x
localização;−
11 é muito x )(( x
x e−
− x x )() x − x )( x − x )
2
+ y3 3 difícil,
2 2 14 pois: 2 4
( x − x1 )( x − x2 )( ( xx3 −−xx41))( x3 − x2 )( x3 − x4 )
+ y3 c) a)para cada valor x a ser estimado, temos que reavaliar o Erro Pn ( x )
( x3 − xpode ser complicado, ) x − xou impossível, obter f (n + 1)(x) (derivada
1 )( x3 − x2 )((xx 3 − x14 )( 2 )( x − x3 )
+y
n + 1-ésima de f(x)); de difícil aplicação, tem grande valia devido aos
Embora ( x − xo1 )(Teorema ( xx4 −−1xx31seja
x − x42 )( ))( x4 − x2 )( x4 − x3 )
+ y4
próximos( xcorolários.
1 )( x4sabemos
− xnão
4b) − x2 )( x4 qual
− x3 ) é o valor de ξ, apenas conhecemos a sua região
( x − 1)( x − 3)( x − 4) , apenas ( x − 0)( x − 3)( x −a4)sua região de
b) não P (de ) localização;
= 2 qual é eo valor de ξ +
xsabemos 4 conhecemos
( x − 1)(3x − 3)( x −(0
4)− 1)(0( x−−3)(00)( x−−4)3)( x − 4)(1 − 0)(1 − 3)(1 − 4)
P3 ( x ) = 2 localização; e + 4
c) para cada
(0 − 1)(0 − 3)(0 − 4)
Corolário 1: sob as
( x
valor
− (1x
hipóteses
0)( x − −
a ser
0)(1
1)( x− estimado,
−3)(1
do
3) − 4)( x
temos
Teorema
− 0)( x
que
− 1)( se
− 3)
M =o Erro
1, xreavaliar maxPn(x). f ( n +1) ( x) , e
c) para cada 0− 3) x a(ser
+xvalor
( x − 0)( x − 1)( x−
estimado, +
0)( x −− 1)(
− 1)(3 x −1 3)
x∈[ x ,
temos que reavaliar o Erro Pn ( x ) . 1 n+1 x ]
+0 (3
M o Teorema
n +1 −+ 1 de difícil aplicação,(4tem
0)(3 4) − 0)(4 − 1)(4 − 3)
Pn (3
Erro Embora 0)(3
( x −) ≤ − 1)(3 − 4)
Embora
o Teorema
∏
x −(4
1 (seja xi −)1 0)(4
n + 1)! i =1 corolários.
seja
emde 1)(4
−um − 3)aplicação,
difícil
ponto específico x = x aos
tem grande
grande valia devido .valia
dois devido
dois(próximos
aos corolários.
próximos
Pg. 333
g. 333 Corolário 1: sob as hipóteses do Teorema 1, se M = max f ( n+1) ( x) , então
Corolário 1: sob as hipóteses do Teorema x∈[ x , x ] 1, se( n +1) M = max f ( n+1) (
orolário 1:Corolário
DESTAQUE Trata-se
sob as 1:hipóteses do do Teorema
majorante do erro
1, 1,sese M
local,
= max
em f
um (
pontox ) específico
,, então
então
1 n +1
er não
apenas Corolário
xi +1 >apenas
emxi um em2:um
ponto
(pontos seordenados)
na
pontoforma
específico discretizada
específico xxi =
x e=xix+1.−Assim,hx .aproximanda
=da Assim,
(igualmente
temos otemosocorrer
limite o xi + superior
limite
espaçados)
superior > xi do
1 global ∀global
i, e
(pontos ordenados) e xi + 1 – xi = h (igualmente espaçados) ∀i, então
erro no intervalo
no intervalo [a, bpelo
[a, b] dado ] ndado pelo Corolário
+1 Corolário 2. 2.
então Erro Pn ( x) < M h com
com M = max f
( n +1)
( x) em todox intervalo
em todo do intervalo x ∈ [ x1
4(n + 1) x∈[ x1 , xn+1 ]
[x1, xn + 1].
lário
1 , xCorolário
n +1 ] 2:
. se na 2: função
se na função
discretizada ocorrer ocorrer
discretizada xi +1 > xi x(pontos
i +1 > xi (pontos ordenados)
ordenados) e
DESTAQUE Trata-se do majoranten +1doMerro h n +1 globa
h (igualmente
xhi +1 − x(igualmente espaçados) ∀ i , então M h co
xi = i = espaçados) ∀ i , então Erro Pn ( xErro
) ≤ Pn ( x) ≤ com
DESTAQUE 4(n + 1) 4(n + 1)
M = max 2:
Corolário
Corolário
Corolário f se
2:
2: sese( xna
)naem
na todo xdiscretizada
função
função
função do intervalo ocorrer
discretizada
discretizada ocorrer
ocorrer .>xxixi i (pontos
x ∈ [ x1 , xxnxi+xi+1+i1+1]1>> (pontos
(pontos ordenados
ordenado
ordenado
x∈[ x1 , xn+1 ] ( n +1)
M = max f ( x) em todo x do intervalo x ∈ [ x1 , xn +1 ] .
x∈[ x1 , xn+1 ]
MMhhhnn+n+1+11
M
i i=
=
= hhh (igualmente
xxixi++i1+11−−−xxixCAPÍTULO 5(igualmente
(igualmente espaçados)
espaçados)
espaçados)
– APROXIMAÇÃO POLINOMIAL ∀∀iii,,, então
∀
POR INTERPOLAÇÃO, então
entãoE CURVAS...
SPLINE Erro
Erro 335
ErroPPnPn(n(x(xx)))≤≤≤
4(nnn+++1)
4(
4( 1)
1)
DESTAQUE Trata-se do majorante do erro global, em todo x do intervalo. FIM
DESTAQUE
M
M max fff((nn(Trata-se
M=== max
max +n+1)
+1)1)
((x(xx))) em
emdo
emtodomajorante
todo
todo xxxdo
do do erroxxxglobal,
dointervalo
intervalo
intervalo ∈∈[[[xx1x1,1,,xxxnn+em
∈ todo x do intervalo. FIM
1]]...
1]
DESTAQUE xx∈∈
x[∈
[xx[11x, 1,xx,nnx++1n1+]1] ]
n+1+
Exemplo
DESTAQUE
DESTAQUE
DESTAQUE 5.7:
Trata-sedelimite
Trata-se
Trata-se doomajorante
do
do erro de truncamento
majorante
majorante doerro
do
do erro
erroglobal, máximo
global,
global, em
em
emtodo no
todointervalo
todo xxx do
do x ∈ [0.4,FIM
dointervalo.
intervalo.
intervalo. FIM0.7
FIM
Exemplo
Exemplo 5.7: delimite o erro de truncamento máximo no intervalo x ∈ [0.4, 0.7
aproximar
DESTAQUE
DESTAQUE
DESTAQUE f (5.7:
x) =delimite
ln( x) por o erroum de interpolador
truncamento máximo polinomial e comx ∈n [0.4,
no intervalo = 3 subdivis
aproximar f ( x) = ln( xf(x)
0.7] ao aproximar ) por = ln(x)
um por um interpolador
interpolador polinomial
polinomial e come comnn==33 subdivis
Considere
subdivisões.os+ (5.7143)(
t4 (C ) = 85 ordenados
xiConsidere xi eordenados
C − 5) +os(1.9048)( igualmente
C − 5)(C −e5.7) +espaçados.
igualmente
(−3.4734)( C − 5)(Avalie
espaçados. o − erro
Avalie
C − 5.7)( C o exato
6.2)
4 (C )exato
terro
Considere 85 + em
= os (5.7143)(
x ordenadosC − 5) + (1.9048)(
e C −
igualmente5)( C − 5.7) + ( −3.4734)(
espaçados. C − 5)(
Avalie C − 5.7)(
o C
erro − 6.2)
exato
Exemplo
Exemplo
Exemplo5.7: 5.7:
5.7:+delimite i x =Co
(2.9546)(
delimite
delimite 0.65 5)(
o−oerro Ce −compare
erro
erro 5.7)(
de
de se C
− 6.2)(
detruncamento
truncamento
Ctruncamentoele− 6.7)
fica máximo
abaixo
máximo
máximo dono
no erro
no máximoxxxdo
intervalo
intervalo
intervalo ∈∈∈[0.4,
[0.4,
[0.4, 0.7]
0.7
0.7
x = 0.65 e compare
intervalo [a, + (2.9546)(
b]. se ele fica abaixo do
C − 5)(C − 5.7)(C − 6.2)(C − 6.7) erro máximo do intervalo [ a , b ] . 331
331
C4 (t )e=compare
−3.00325e −se 04 *ele
t +4 1.11426
4
e − 01 * tdo
3
−1.54789 e + 01 *t do
2
a=,33b3] subdivisõ
x = 0.65
C4 (t ) =ff−f((3.00325
aproximar
aproximar
aproximar x(xx)))===ln(
ln(exx−x))04
ln( ) por
por
*por
fica
t + um
umumabaixo
1.11426 interpolador
interpolador
interpolador erro polinomial
máximo
polinomial
polinomial
e − 01 * t 3 −1.54789 e + 01 *t 2 eee comcom nnn[==
intervalo
com .subdivis
subdivis
+ 9.54391e + 02 * t − 2.20353e + 04
Solução: + 9.54391e + 02 * t − 2.20353e + 04
Considere
Considere
Considere
Solução: 333 os osos xxixi i ordenados
ordenados
ordenados eee igualmente igualmente
igualmente espaçados. espaçados.
espaçados. Avalie Avalie
Avalie ooo erro erro
erro exato exato
exato
333
f (4)
( x ) = − 6/ x 4
Solução:
nf =ee(3 )compare
excompare 6/ x4 hse se0.7 ele−fica 0.4 abaixo
(4)
xxx===0.65
0.65
0.65
334 ==
compare−⇒ se ele
ele
= fica
fica abaixo
abaixo
0.1 do dodoerroerro
erromáximo
máximo
máximodo do intervalo[[a[aa,,b,bb]].]..
dointervalo
intervalo
334 0.7 −
3 0.4
nf =(3x) =
(4)
⇒ h = 0.1
( x()x)=(4)ln( x) ⇒ f ′( x3) = 1/ x ⇒ f ′′( x) = −1/ x 2 ⇒ f ′′′( x) = 2 / x3 ⇒ f iv ( x) = −6 / x
ff (4)
M = f (0.4) = 234.375
Solução:
Solução:
Solução: f ( x=) f=(4)ln(
M
x) =⇒234.375
(0.4)
f ′( x) = 1/ x ⇒ f ′′4( x) = −1/ x42 ⇒ f ′′′( x) = 2 / x3 ⇒ f iv ( x) = −6 / x
335 ( iv )
M = max | f ( x) |= max | −6 / x |= 6 (0.4) = 234.375
Mf (4) =(x)x∈=max
335 −⇒6/
⇒⇒ x | f ( iv )0.7
[0.4, 0.7]4
0.7
0.7
(=x= )−− |=−0.4
0.4
0.4
max 0.1 −6 / x 4 |= 6 (0.4) = 234.375
|0.1
4
nnn =333 x∈[0.4,
==(4) == = 0.7] 4(h h h = 0.1
Então,M f o=(erro xx∈)max 6/| xf 4) ( x ) |=de
= −máximo
[0.4, 0.7 ]
max 3 | − 6 /ox 4intervalor
33todo |= 6 (0.4) =é:
4
234.375
fff (( x
( x x
) ))= = = ln(
ln(
ln(xx x
))) ( 4) fff′′(( ′x
( x x
) ) )=== 1/
1/
1/ xx x ′′
′′′′
Então,336 Mo=erro maxmáximo |⇒ f⇒ ⇒( x )de |= max todo | − 6o ⇒ ⇒ fff ((x(xx)))===−é:
intervalor
⇒
4 / x |= 6 (0.4) = 234.375
4 4
1/ ⇒ fff′′′′′′′′′((x(xx)))===222///xxx333⇒
1/xxx222⇒
−−1/ ⇒ ⇒ fffiviviv((x(xx)))===−−−666///xxx4
⇒
x∈[0.4, 0.7 ] 234.375(0.1)
f (4) ( x)P=n (exx )≤ f (5)
Erro
336 ())x) ) = ex 4 ≤ 0.00146484375
MMM =n=+=1) (max max
max
|| |fff234.375(0.1)
((iviv
( iv
((x(xx))4)||==|*=4max
max
max||− 666///xxx444||==|=666(0.4)
|−− (0.4)
444
(0.4) ===234.375
234.375
234.375
ff ((4)
Erro x
P )
(xxx∈∈x[0.4, (
)∈[0.4, x )
n= e0.7]
[0.4, x
0.7] ≤
f ( x) = e
0.7] (5) x
≤ 0.00146484375
337 ( n +1) Então, o erro máximo 4*4 todo o intervalo é:
Então,foooerro
Então,
Então, erro
erro( x) máximo
máximo
f (4) ( x) = −3!/ x4máximo de
dedetodo todoooode
todo intervalor
intervalor
intervalor é:
é:
é:
337
339 x234.375(0.1)
f (4)
( x ) = − 3!/ 234.375(0.1)444
4234.375(0.1)
Erro
Erro
ErroPPP (xx)))≤≤<≤
n(x
nn( ≤=
≤≤0.00146484375
0.00146484375
0.00146484375
339 xi 444**4
*44
x1 x2 x3 … x =u ⋯ xn+1
yj
x
O erro y1 ide truncamento
zx z 21x2 máximoz 31 x3 de…todo
… o intervalo,
↓ x = u dado
… ⋯ peloz( nCoro-
+1)1 xn +1
lário 2, Erro y j P (x)11<1 0.00146484375, é sempre maior do que o erro máximo
y2 3 z12 z 22 z 32 … ↓ … z( n+1) 2
em algumyponto 1 doz11intervalo,
⋮ ⋮
z 21 como z 31em x =
⋮
…0.65, Erro
⋮↓
↓P3(0.65) <
…9.15 * 10 z(–4 ,
n +1)1 ⋮
do Exemplo
y =y2v 5.6. →z →z 22 →z 32 … … f ( u,v ) =↓? … … ⋮ z( n+1) 2
12
⋮⋮ ⋮ ⋮ ⋮⋮ ⋮ ⋮ ↓ ⋮ ⋮
Exemployy5.8:
= v obtenha
z1( m→ o erro
z 2( m→ de truncamento
z 3( m +→ … … máximo
f ( )cometido
u,v = ? … …ao
z( naproxi-
m+1 +1) +1) 1) +1) ( m +1) ⋮
marmos f(x) ⋮
= ex e⋮x ∈ [2, ⋮2.4] via ⋮Pn(x) com os xi ordenados e igualmente ⋮
340
espaçados em n z= 4 intervalos. Avalie o erro exato em x = 2.33…e compare
z
ym+1= 5.5 1( m +1)
e yt
z z …
se = 8.7fica
xt ele abaixo do erro 2(máximo
m +1) 3( m +1)
do intervalo. ( n +1) ( m +1)
alie do
o Exemplo
erro
n336
Exemplo
Exemplo
intervalo,
(4)
()x=
ff=( 4xexato )intervalos.
=e5.8:
− 6/e
em
x5.8:
5.8:
como x4xobtenha
=Avalie
x[2,
obtenha
obtenha
∈em x2.33
2.4]
= 0.65 eo
ooovia , compare
erro
erroerro
erro Pnde
Erro x)exato
(de
de seem
≤ ele
Pntruncamento
truncamentoxxi fica
truncamento
com
(0.65) os9.15
CÁLCULO
= −4abaixo
máximo
máximo
2.33
* 10máximo
ordenados
, do
NUMÉRICO
do
e Exemplo
compare
cometido
cometido
cometido seao
eCOMPUTACIONAL
igualmente
5.6. eleaproximar
ao
ao fica aba
aproxima
aproxima
espaçado
Exemplo 334 x5.8: obtenha o erro de truncamento máximo cometido ao aproximarm
valo. ffferro )===(4máximo
((x(nxfx))(4) x
eee xxx∈
eeexintervalos.∈∈ do[2,intervalo.
[2,
[2, 2.4]
2.4] viao PPerro
2.4] via
via n(n(x
nP (x)x)) com
com
comos os
emxxixi xi ordenados
os ordenados
=ordenados eeeigualmente
igualmente
se eleespaçados
igualmente espaçado
espaçado
x x)
= Avalie exato 2.33 e compare fica abaix
f ( x) = e e x ∈ [2, 2.4] via Pn ( x) com os xi ordenados e igualmente espaçados e
nnnSolução:
Exemplo M
Solução:
==erro
= f5.8:
444 =intervalos.(4)
intervalos.(0.4)
intervalos.
máximo obtenha
=do234.375
Avalieo erro
Avalie
Avalie
intervalo. de truncamento
oooerro
erro
erro exato
exato
exatoem em xxxmáximo
em 2.33 eee
===2.33
2.33 cometido
compare
compare
compare aose
seaproximarmos
se ele
ele
elefica
fica
ficaabaix
abaix
abai
erro
erro =intervalos.
nf=( x4) 335 x
emáximoe x ∈ [2, Avalie
2.4] 2.4viao− erro
2Pn ( x) exatocom os emx xordenados
⇒
= 2.332.4e−compare e2 igualmente se ele
espaçadosfica abaixo em
erro nmáximo
Solução:
=máximo
4 ⇒
= do
do
do4h
intervalo.
intervalo.
intervalo.
= 0.1 n = 4 =
i
h = 0.1
erro f (x) = −do
(4)
6/ x 4
4máximo
n Solução:
=Solução:
Solução:intervalos. intervalo. Avalie o4 erro exato em x = 2.33 2.4 e compare
−2 se ele fica abaixo do
M = max | f ( x ) |= max | − 6 / x |= 6 (0.4)
( 4) 4n = 4 ⇒= 4
= 234.375
h = 0.1
Solução: ⇒−−4−ff22v2′′′((xx)) == eexx ⇒ f iv ( x) = e x ⇒ f v ( x)
f ′( xerro emáximo⇒ f ′′f(do
x∈[0.4, 0.7 ] intervalo.
) =Temosx (xx))==eexx ⇒ ⇒ f ′′′f (′(xx) )==eex x⇒ ⇒ fiv′′((xx)) == eexx2.4
Temos
336 nnn===444 f ⇒ =⇒= ⇒
= hhh =
⇒
2.4
2.4
= = 0.1 0.1
0.1
Solução: ⇒ 2.4 − 4244
f ( x) = ef ( x)(5)
Temos
(4) x
= f e ( x⇒
(5)x
) = ef(5)′( x) = e ⇒=
x n = 4 x
2.4 f ′′ ( h
x ) = e= x
⇒ f ′′′ 0.1
( x ) = e x ⇒ f iv ( x) = e x ⇒ f v ( x) =
(5) M =
f (2.4) f ( ne+1)x∈([2, max
2.4 = f ( x ) f
= (2.4) e 2.4 − 4
2
x) 2.4] xxx n=4 ⇒
Temos fff((x(xx)))===ee(5)
Temos
Temos e ⇒ ⇒ ⇒ fff′′(′(x((5) xx)))===eeexxx⇒ ⇒ ⇒= ff′′′′(′′(xh(xx)))====
f2.4 eeex4xx⇒⇒⇒ fff′′′0.1
′′′′′′((x(xx)))===eeexxx⇒⇒ iviv xx
⇒ fff iv((x(xx)))===eee x⇒
vv
⇒ fff (v(x(xx)))===
⇒
Temos 337
M= f ( xmax ) = e= x f ⇒( x)f ′( x= )f = (2.4)
e ⇒ f ′′e( x) =2.4e ⇒ 5f ′′′( x) = e ⇒ f ( x) = e ⇒ f ( x) = e x
x x x iv x v
f f((xx))==2.4
(4) x∈[2, 2.4]x
−e3!/ x 5 f′( x(5)
4
e x ⇒ f e′′ee2.4 x2.4) = eex ⇒ (0.1) f ′′′( x) = e x ⇒ f iv ( x) −=6 e x ⇒ f v ( x) = e x
Temos
M
M M === max
Então max
max, oe ===
erro (0.1)
fff(5)
(5)
(5)
(⇒x(xx))) =
(máximo f=f)(5)
f= =(2.4)
(5)
(2.4)
(2.4)
Erro P ( (2.4
x )
−6≤ ≤ 5.51159 * 10
o Erro P
M = n339 (
maxxx)
x
∈∈ ≤
x∈[2, 2.4]
[2,
[2,
= 2.4]
2.4]
(5)
f (5) (4x*)5 = f(5)≤ 5.51159
(5) (2.4) e 2.4 n
* 10 2.4 4 * 5 5
, fo erro
e (0.1)
M = xEntão
∈max
[2, 2.4]= ( x) máximo =f (2.4)Erroe 2.4 Pn ( x) ≤ ≤ 5.51159 * 10−6
x∈[2, 2.4] xi eee2.4 2.4 4 * 5555
x = u
x2.4
2.4
Verificação: x1 Erro x2PPP((x(xx)))≤≤<≤ (0.1)
(0.1)
(0.1) xn+1
Então
Então
EntãoEntão, ,,,oooerroerro
oerro
erro
yj máximo
máximo
máximo
máximo Erro
Erro nnn 2.4
e 3
(0.1)
…5
≤=≤≤5.51159
5.51159
5.51159**10 10−−⋯
*10
6−66
M == max f=3628800
f= (11)
((xx)) (0.1) 11−11 ≤3628800
11−11
Pn (xxmax 10!
= 3628800 -07
(11)
M 10!
= −6
Então, Erro x ) ≤2]
[1, 2]
∈[1,
∈ 8.2473 * 10 é menor do que 10 .
4 * 11
3628800
3628800 (0.1) (0.1)1111
Então,
Então, Erro
ErroPP
Então, Erro P10
nn((x)
(xx )
) <
≤
≤ =
≤ 8.2473**10
≤ 8.2473 -07
10-07 ééémenor
menor
menordodo
que
do que . −−66..
10–610
que 10
4
4 11
Logo, podemos usar grau n *=11 calcular o polinômio interpolador Pn ( x)
*
10 para
representativo
Logo, de f ( xusar
Logo, podemos
podemos usar x) emnn =x=∈
) = ln(grau
grau 10[1, para
10 2] , e calcular
para o erro máximo
calcular de truncamento
oo polinômio
polinômio não
interpolador
interpolador
Logo, podemos usar grau n = 10 para calcular o polinômio interpolador
Pn(x) representativo
10−6 . Com
representativo
ultrapassará
representativo de fde
de fn((xx=f(x) =esse
))9==,ln(
ln( ln(x)
xx)) emem emxxx∈
erro ∈∈[1,
[1,[1,2]
máximo 2]2],
,, eee
deoooerro
erro máximo
truncamento
erro máximo
máximo deserá
trun- 2.6018 * 10−06
de truncamento
de truncamento
camento não ultrapassará
−6 −−66
10–6. Com n = 9, esse erro máximo de truncamento
maior do que 1
ultrapassará
ultrapassará * 10
será 2.6018 * 1010 ,
–06 mas
10 ., maior
. Com
Com doainda 9é
9 ,,da
nn ==que ordem
1esse
esse erro
erro
* 10–6, masde O (10é−6da
máximo
máximo
ainda )de
. ordem
de truncamento
truncamento será
de O (10–6será
). 2.6018**1
2.6018
Outra
maior do
maior do quepossibilidade
que 11**10 maséainda
10−−66 ,, mas calcular
ainda o valor
éé da
da ordem
ordem dode erroO
de Oexato
(10−−66))de
(10 .. truncamento
em um número grande de pontos do intervalo
Outra possibilidade é calcular o valor do erro exato de truncamento em um número
e tomar o seu valor máximo,
uma vez que a função exata f(x) = ln(x) está disponível para comparação
grande de possibilidade
atravéspontos
de váriasdo intervalo
bibliotecas deefunções
tomar eoemseu valorexato
docalculadoras. máximo, uma vez que a um
função
Outra
Outra possibilidade éé calcular
calcular oo valor
valor do erro
erro exatoTambém de podemos
de truncamento
truncamento em
em um nú nú
23
estabelecer
grande de um algoritmo
pontos
grande de pontos do intervalodo de
intervalobusca do
e menor
tomar grau
o seu n enquanto
valor o
máximo,
e tomar o seu valor máximo, uma vez que a fu
erro máximo
uma vez que a fu
exato estiver acima de 1 * 10–6, calculando o erro para graus n crescentes
do polinômio interpolador. Nesse caso, concluímos que com n = 7 os erros
em todo o intervalo x ∈ [1, 2] são menores do que 8.7302 * 10–07, conforme
o arquivo Cap5exem5.9_busca_menor_n.m do Caderno de Algoritmos.
339
xi
x1 x2 x3 … x =u ⋯ xn+1
yj
y1 z11 z 21 z 31 … ↓ … z( n +1)1
y2 z12 z 22 z 32 … ↓ … z( n+1) 2
⋮ ⋮ ⋮ ⋮ ↓ ⋮
y =v → → → … f ( u,v ) = ? … ⋮
⋮ ⋮ ⋮ ⋮ ⋮
ym+1 z1( m +1) z 2( m +1) z 3( m +1) … … z( n +1) ( m +1)
340
xtTerceiro
= 8.7 e ytpasso:
= 5.5 fixamos uma das variáveis (por convenção será fixada o x).
xi 8.5 8.9 9.3 9.5 9.6
y
Quarto passo:
j
para cada coluna de xi fixada, i = 1 a n + 1, separamos os pontos:
5.0
5.7
yj 6.2 y1 y2 y3 ... v ... ym + 1
6.7
zij 7.0 zi1 zi2 zi3 ti = PYm (y = v) z1(m + 1)
7.5
341
Interpolando em y = v, geramos um t = PYm (y = v) através de seu interpolador
( xsimples
i, yj)
i
de grau m, PYm (y).
+ 9.54391e + 02 * t − 2.20353e + 04
333
340 CÁLCULO NUMÉRICO COMPUTACIONAL
f (4) (x) = −6/ x4
334
(x) do passo anterior resulta o conjunto ti em função de xi:
f (4)passo:
Quinto
M = f (4) (0.4) = 234.375
xi x1 x2 x3 ... x=u ... xn + 1
335
fti(4) (x) = −t6/
1 x
4 t
2
t3 PXn (x = u) t(n + 1)
M = max | f ( x ) |= max | − 6 / x |= 6 (0.4) = 234.375
( 4) 4 4
x∈[0.4, 0.7 ]
Agora, obtemos o seu interpolador de grau n, PXn(x) e estimamos
336
f(u, v) ≅ PXn (x = u).
f (4) ( x) = ex f (5) ( x) = ex
fObserve
( n +1)
( x) que a estimativa via interpolação de um único f(u, v) envolve
(n + 337
1) + 1 = (n + 2) interpolações simples. Podemos estender esse mesmo
raciocínio
f (4) ( xpara
) = −3!/ três, x4 quatro, ..., k variáveis independentes. Por exemplo, a
339 de f(u, v, w), em três dimensões, envolve (n + 1) interpolações
estimativa
duplas e uma simples no final ⇒ (n + 1) (n + 2) + 1 = n2 + 3n +3 interpolações
simples. Logo, a interpolação xi múltipla provoca um crescimento exponencial
no volume de operações a1 serem xexecutadas.
x 2 x3 Por isso,
… é muitox =importante
u ⋯ xn+
yj
usar um interpolador simples envolvendo o menor número de operações
aritméticas possível. y1 z11 z 21 z 31 … ↓ … z( n +1
y2 z12 z 22 z 32 … ↓ … z( n+1
Com o Exemplo 5.10, vamos apresentar um caso de interpolação bidimensional via
⋮ ⋮ ⋮ ⋮ ↓ ⋮
Gregory-Newton.
y =v → → → … f ( u,v ) = ? … ⋮
Exemplo 5.10: ⋮monte um ⋮ algoritmo
⋮ ⋮
que aproxime a f(x, y) = x4 + y4 em ⋮
u = 8.7 e v = y5.5
m+1
via zinterpolação
1( m +1) z 2( m +1)dupla
z 3( mcom
+1) Gregory-Newton,
… dados… z( n +1) (
5 valores de x ∈ [8.5, 9.6] e 6 valores de y ∈ [5.0, 7.5] (na forma de vetor
340
do Octave):
xt = 8.7 e yt = 5.5
xi 8.5 8.9 9.3 9.5 9.6
yj
5.0
5.7
6.2
6.7
7.0
7.5
341
( xi , y j )
j=1
325
O algoritmo do Exemplo 5.10 está disponível no arquivo Cap5interpolacao2D
CAPÍTULO 5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS... 341
... diferenças
Caderno divididas, Δk y1 , conforme segue:
de Algoritmos.
327
O algoritmo solicitado no Exemplo 5.10 está disponível no arquivo Cap5interpolacao
Essa
2D.m forma
do Cadernomultidimensional
de Algoritmos. de interpolação pode ser estendida atrav
Δ y1( x − x1)(x − x2 )(x − x3 )(x − x4 )
4
outras bases dos polinômios interpoladores, como de Lagrange, em cada d
Essa forma multidimensional de interpolação pode ser estendida
(RICE, 1983).
P4 ( x) de
através + (Por
= 2outras xLagrange,
−1)(bases
− 1) dos / 3)(devemos
+ (2polinômios − 3)aplicar
x − 1)( x interpoladores,
+ (−1/ 8)( o xprimeiro ex − segundo
1)( x −de3)(Lagrange,
−como 4) + pass
formaemde cada direção (RICE,
+ (3 /160)(
interpolação 1983).
− 1)( Por
x − 3)(
xanterior, x −Lagrange,
4)( xos− 7)
definir devemos
valores de definir
zij = f os
( xi ,valores
y j ) e obter o
de zij = f(xi, yj) e obter o valor interpolado em qualquer x e y diretamente
por
328meioem
interpolado de polinômio
qualquer duplox e yPnmdiretamente n emmeio
(x, y), de grau por x e mde y, conformeduplo Pnm
empolinômio
a equação a seguir,
de grau n Assim,
em x enas m em y , conforme
estimativas a equação
de valores f ( β ) a≅ seguir,
Pn ( β ) :
a)n +Se
1 m +1
β ∈ [ a , b ] , temos uma interpolação.
b)=∑∑
Pnm ( x, y ) = Se βzij∉
i 1 =j 1
Li ( x) L j ( ,y )temos uma extrapolação.
[a, b]
Em que,
341que,
Em
Li ( x) = ∏
n +1
( x − xk ) , ∀=i 1,..., n + 1
n +1
Li ( x ) = ∏
( x − xxkk ) , i = 1,..., n + 1
k =1 ( xi
k =1 ( xi − xk )
i≠k
km≠+i1 ( y − y )
L j ( y) = ∏ k
j 1,..., m + 1
L j ( y) = ∏
m +1
( y − y
( ), ∀ =
)
k =1 y j − ykk , j = 1,..., m + 1
k =1 ( y j − yk )
j≠k
k≠ j
Os polinômios de Lagrange Li ( x) e L j ( y ) geram fatores peso fixos pa
342
conjunto bidimensional fixo de pontos, ou seja, para uma mesma malha de p
valores Os polinômios de Lagrange
discretizados Li(x) e ...
conhecidos, Lj(y) geram fatores peso fixos para
discretos
um conjuntox i , y mesma posição ( x, y ) parainterpolação,
jbidimensional fixo de pontos, ou seja,de
e uma o que torna
uma mesma malha
pontos discretos (xi, yj) e uma mesma posição (x, y) de interpolação, o que
de345
forma
tornadeessa interpolação mais eficiente
forma de interpolação para conjuntos
mais eficiente de de
para conjuntos pontos
pontosfixos em
( xi , em
fixos yi ) que tenhamos apenas diferentes valores de zij.
( xi , yi )
( xi , yi )
365
(1 − t )k
(1 − t )k −1 t1
Bk ( t ) = Ck0 p1 Ck1 p2 … Ckk pk +1 *
⋮
342 CÁLCULO NUMÉRICO COMPUTACIONAL
Fonte:
Fonte: Instituto de Computação UFFInstituto
(2016). de Computação UFF (2016)
236
344 CÁLCULO NUMÉRICO COMPUTACIONAL
344
Gráfico 5.7 – Contorno superior do pato voando representado por 21 pontos, conectados e
Grafico 5.7
destacados com marcador *, e interpolador polinomial de grau n = 20, em linha contínua
f(x) --- f ( x) contorno superior pato
Pn ( x) interpolador polinomial
351
Nas aplicações em que a aproximanda muda de comportamento no
h −( h + h ) h S 0
domínio
2
de interesse, como a do Gráfico
1 2 1
5.6,
a aproximadora deve também
1
(y − y ) − (y − y ) 3 2 2 1
acompanhar
h 2 ( h + h ) essas
1 1 h2 mudanças e efetuar
2
S as
junções
h deh modo
mais suave
2 2 1
(y − y ) − (y − y )
possível,
evitando
h
as sinuosidades
2(h + h )
2 2 h 3
como
S as
3
da
interpoladora
h h do Gráfico 5.7.
3
4
3
3 3
2
2
(28)
Uma técnica de aproximação possível ⋮ consiste
⋮ em dividir
o intervalo
⋱
de interesse
em vários subintervalos e ⋮aproximá-los
= 6
⋮
separadamente
* com
⋱
polinômio
de grau pequeno, efetuando
as
junções
destes
polinômios da
h 2(h + h ) h S (y − y ) (y − y )
forma
mais suave possível.
m −2 m −2
m −1
h
m −1
−
h
m −1 m m −1
m −1
m −1
m− 2
m −2
hm −1 2(hm−1 + hm ) hm S ( ym +1 − ym ) ( ym − ym −1 )
m −
hm ym − ym −1 )
Definição 3: interpolação
h
spline é uma técnica de aproximação que consiste
m
−(hm −1 + hm ) hm−1
S
m +1
0
em dividir o domínio [a, b] de interesse e interpolar separadamente cada
subintervalo, efetuando as junções entre os interpoladores da forma mais
suave possível, conforme o Gráfico 5.8.
10
CAPÍTULO 5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS... 345
PorPara aproximar
Por um teórica
conveniência
conveniência teóricacaminho funcional
e eprática,
prática, eepor
por yquestões
= f ( xde
questões xde
∈ [aotimização,
, b] são
) , otimização, por splin
são
utilizados interpoladores polinomiais cúbicos Spi(x), com grau 3 fixo (splines
cúbicas,interpoladores
utilizados procedemos dapolinomiais
seguinte maneira:
cúbicos ) , com grau 3 fixo
cúbicas). Essa técnica e suas variantes Spi ( xum
constituem dos fundamentos da (spline
cúbicas). computação
Essa técnica gráfica.
e suas variantes constituem um dos fundamentos da
Para aproximar um caminho funcional y = f(x), x ∈ [a, b] por splines
Primeiro passo:
computação gráfica.dividimos [a, b] em m subintervalos convenientes [ xi , xi +1 ] tal q
cúbicas, procedemos da seguinte maneira:
xi e aproximar
xi +1 >Para comprimentos um = , para i =y1,=2,...
hi xi +1 − xifuncional
caminho f (mx),, e x ∈ [a, b] por
geramos 1 pont
m + splines
Primeiro passo: dividimos [a, b] em m subintervalos convenientes [xi , xi + 1]
cúbicas,
amostrais procedemos
tal ( xi ,xyi ) >doxda
que seguinte maneira:
caminho.
e comprimentos hi = xi + 1 – xi, para i = 1, 2, ... m, e geramos
i+1 i
m + 1 pontos amostrais (xi , yi) do caminho.
Primeiro
Segundopasso:
passo:dividimos
obtemos[a,um b] em polinômiom subintervalos
aproximador convenientes [ xi , x3
Spi ( x) de grau tal que
i +1 ]para ca
Segundo passo: obtemos um polinômio aproximador Spi(x) de grau 3 para
xi +1um i ecada
> xdos mcomprimentos
subintervalos [hxi i , xxii++11]−,[x
=
um dos m subintervalos ii , xpara
xcom i = 1, 2,...
], expresso
i +a1 expressão:
namforma:
, e geramos m + 1 ponto
amostraisSp
( x(i ,xy) i=) ado caminho.
3 2
i = 1,i =2,1,...2,...
para mm (1
i i ( x − xi ) + bi ( x − xi ) + ci ( x − xi ) + d i para (12)
satisfazendo as seguintes
satisfazendo as seguintes condições
condiçõesde deaproximação:
aproximação:
Segundo passo: obtemos um polinômio aproximador Spi ( x) de grau 3 para cada
a) Spi ( xi ) = yi , para todo ponto i = 1, 2,...m e Spm ( xm +1 ) = ym +1 .
a) Spi(xi) = yi, para todo ponto i = 1, 2, ... m e Spm(xm + 1) = ym + 1.
um dos m subintervalos [ xi , xi +1 ] , com a expressão:
b) b)Sp= 1 ( xi ) (xSp
i −Sp )= i (x
= i ) (x y
Sp , para
)i = todo
yi, para ponto
todo internoi i==2,...
pontointerno 2, m... ⇒
m⇒Condição
− xi ) + ci ( x − xi ) + di para i = 1, 2,...m
i – 13 i i i 2
Spi ( x) = ai (Condição
x − xi ) + bde i ( xcontinuidade. (12
continuidade.
satisfazendo as seguintes
Note condições
que cada de aproximação:
polinômio Spi ( x) , relativo ao intervalo [ xi , xi +1 ] , de
a) Sppassar , paraseus
i ( xi ) = yipelos todo dois i = 1, 2,...
pontopontos m e Spm ((xxm,+1y) )= eym +(1x. , y ) . Logo, e
extremos i i i +1 i +1
346 CÁLCULO NUMÉRICO COMPUTACIONAL
c) Spi′i−−11((xxi )i )==SpSp
c) ′
i ( i′x(i )x,i ) ,para
paratodotodo
ponto xi , ix=i ,2,...im= 2,...
ponto ⇒ mCondição de
⇒ Condição de
suavidade.
suavidade. Note que cada polinômio Spi(x), relativo ao intervalo [xi, xi + 1],
Ou seja, seja,em emcada
deve passar
cada ponto xi ,seus
pelos
ponto axi ,inclinação
dois
a pontosdosextremos
inclinação dois
dospolinômios
dois yi) eque
(xi ,polinômios 1
, yique
(xi +nele +1
). nele
Logo, em cada ponto xi, os valores dos dois polinômios que nele
incidem são
incidem são iguais.
incidem iguais. são iguais.
d) Spi′′i′′−−11((xxi )ic)
d) ′′ x(i )x,i(x
)==SpSp'
i ( i′′
Sp ) ,paraSp'todo
) =para (x todo ponto
), para ix=i ,2,...
xi ,ponto
ponto
todo x i,m=i =2,...
2, m
⇒ ...Velocidade
m⇒ de de de
Velocidade
⇒ Condição
i–1 i i i i
suavidade.
encurvamento.
encurvamento.
Ou seja, em cada ponto xi, a inclinação dos dois polinômios que
Ou seja,
seja,em
emcada
nele cada ponto
incidempontointerno,
são a velocidade
interno,
iguais. de encurvamento
a velocidade dos dois dos dois
de encurvamento
polinômios
polinômios que
quenele
d) Sp'' (x ) incidem
nele (xsão
incidem
= Sp'' iguais.
são
), para iguais.
todo ponto x , i = 2, ... m ⇒ Velocidade
i–1 i i i i
de encurvamento.
Ou seja, em cada ponto interno, a velocidade de encurvamento dos
STAQUE
TAQUE Num dois mecânico,
Num spline
spline mecânico,
polinômios conforme a Figura
queconforme a são
nele incidem 5.1,
Figura essas propriedades
5.1, essas
iguais. propriedades
espondem
spondem a:
a:
a) o spline
a) splinedeve
devepassar
passar sobre os “nós”
sobre os ( xi , yi()x;i , yi ) ;
“nós”
Num spline mecânico, conforme a Figura 5.1, essas propriedades
b) correspondem
b) o spline
spline não
nãoquebraa: ouou
quebra nãonão
forma ângulos
forma ângulos agudos; e
agudos; e
c) o spline
c) splineassume
a)assume a forma
a splineadeve queque
forma minimiza
passar osa “nós”
minimiza
sobre energia
(xipotencial.
a energia
, yi); potencial.
DESTAQUE
DESTAQUE
b) a spline não quebra ou não forma ângulos agudos; e
c) a spline assume a forma que minimiza a energia potencial.
eiro passo: estimamosf (uf )(uprimeiro
ceiro passo: estimamos ) primeiro
localizando o subintervalo
localizando que contenha
o subintervalo que contenha
. Definido Terceiro
Definido que
que uu∈∈[ x[passo:
ix ⇒] ⇒ f (uf) (≅u Sp
, i x, i +x1i]+1estimamos u ) ,iprimeiro
i (Sp
) ≅f(u) (conforme o Gráfico
u ) , conforme
localizando o Gráfico5.8. 5.8.
o subintervalo que
contenha o u. Definido que u ∈ [xi, xi + 1] ⇒ f(u) ≅ Spi(u), conforme o
Gráfico 5.8.
Para definir
Para definir osos SpSp i ( xi )( x )de de cada cada subintervalo xi +1 ] , i =com
[ xi , xi +[1 ]x,i , com
subintervalo 1,2,...mi =, 1, 2,...m ,
Para definir os Spi(x) de cada subintervalo [xi, xi + 1], com i = 1, 2, ... m,
ressos conforme
essos conforme
expressosaaconforme
eq. eq.(12), (12),acalculamos
eq.calculamos a primeira
(12), calculamos e segunda
a primeira
a primeira e esegunda derivadas
segunda de
derivadas
derivadas de
)x): : de Spi(x):
Spi′′i′′((xx)=)= 66
Sp aia(ix(−x x−i )x+i )2+
bi 2bi (14)(14) (14)
omeamos as
as derivadas
derivadasde
meamos renomeamos segunda
asde segunda
derivadasordem da eq.
de ordem
segundada (14):
eq. (14):
ordem da eq. (14):
Sii ==SpSpi′′i′′( x(ix)i )e e
=
=Sii++11 Sp =
Sp = ′′ ′′( xi′′+(1 x) i.+1 ) .
i +i1′′+(1x(i +x1i)+1 ) SpiSp
Sp
Spii′(( xx))== Sp
33aai′(i x(()=xx −−3axxii())x2−++xi22) bb+i ((2xxbi−−
( xxx−i )x)i++
) +ccci i (13) (13)
(13)
i i i i i
Sp ′′
Sp′′(( xx)=
i
CAPÍTULO
i 6′′(a
)= Sp6
i i ax)=((xx6−
i i
5 – APROXIMAÇÃO
i
ax
−i(xx ))−+
i i )2+bb2b
+x 2
i POR INTERPOLAÇÃO, SPLINE E CURVAS...
POLINOMIAL
i
(14) (14)
(14)
347
nomeamos
nomeamos as
as derivadas
renomeamos de
de segunda
as derivadas
derivadas ordem
de segunda
segunda ordemdadaeq.
ordem (14):
eq. (14):
da eq. (14):
SSi = Spi′′′′ (Sxi i=) Sp eei′ ( xi ) e
i = Spi ( xi ) e
= S′′ xi +Sp = ′′ ( xi +1 )i′′( xSp ′′( x ) .
=
= S
Si +1 Sp
Sp=
= i +1 ( x 1 ))i +1 Sp
i′′+i1+1(
i +1 Sp′′( xi +i1 )) .i.+1
i +1 i i +1
aplicamose aplicamos
e aplicamos as as condições
condições estabelecidasestabelecidas nos itens nos itens (a), (b),
(a),(c) (d) edo(d)segundo
(b),e (c) do segundo
aplicamos as
as condições
condições estabelecidas estabelecidas nos nos itens itens (a), (a), (b),
(b), (c)
(c) ee (d) (d) do segundo
segundo
passo:
passo:
asso:
asso: 3 23
Spi (a) xi +1Condição= i (aaplicada
)Condição
Sp xi h (a)+
i +i13 )+
bai hi hna
= aplicada 2i3 + cna
+eq.biih heq. +nacd
2 +(12):
ih=i + ydi +i1= yi +1 (16)
a) Spi ( xa)
a) Condição
Condição )(a)
=
(a)
i +1 Spi ( x a h
aplicada
i i +i1 )3= a
(a)
b h
i ih
iaplicada
+ c h ii(12):
i i 2 + bii ii (12):
na eq. 2 +
cdiieq. (12):
ih=i +yd i +i1= yi +1
(16)
(16)
(16)
SpSp i (x( x i +1Sp ))= = (axa i=h)hi +
3+ b h 2+ c h + d =
d = b i h iy + c i h i + di = y y (16)
(16)
Sp
i +1 (15) (15)
Spii (( xxii= )) d d= yyi (15)
i i + 1 i i i i i i i i i i i i +1
= = i
i i 3 2
(15)
Spi ( xi +1 )= ai hi + bi hi + ci hi + di = yi +1 (16) (16
b) Condição b) Condição(d) aplicada (d) aplicada na eq.na (14):eq. (14): 239
239
b) Condição b) Condição (d) aplicada (d) aplicada na eq.na (14):eq. (14): 239
b)
b) Condição
Condição b) Condição (d)
(d)aplicada aplicada (d) aplicada nanaeq. eq.na (14): eq. (14):
(14):
Spi′′ ( x= i ) Sp2 ′′= b(ix= S b ⇒ Sbi =⇒Si b/ 2= S / 2 (17)
(17)
Spi′′ ( x= i ) Si2= i⇒ b (17)
i ) Sp2 ′′i b(ix=
i=
) 2 =b S i = S / i2
⇒ b = S i
/ 2 (17) (17)
Sp ′′
b) (
Spi i′′ ( xi=Condição
x= ) 2=b i (d) Si
aplicada
i ⇒ i b =na
bi i Si i ⇒ bi i = Si i / 2
i i
S i/eq.
2 (14):
i (17)
(17)
i) 2=
Spi′′( xi +1 ) Sp = ′′6(axi hi)+ = 2 b = Si2+b1 = S (18) (18)(18)
Spi′′( xi +1 ) Sp = ii′′6(axiii++h11i)+ = 266baaiiii =hhii + +Si2+b1 ii = Sii ++11 (18)
(18)
Sp ′′ ( x= ) 2=b S ⇒ b = S / 2 (17
SpSpi′′i(′′(xxi +i +11))= = i 66aai hi hi i++22bibi i= = SS i i +1
i +1
i i (18)
(18)
Substituindo Substituindo a eq. (17) a eq. na(17) eq.na (18), eq. temos:
(18), temos:
Substituindo
Substituindo Substituindo aa
Spi′′( xai +1eq.eq.
eq. (17)
(17)
) = 6(17) a na
eq.
ai hi +na na eq.
(17)eq.
2beq. (18),
= na(18),
S temos:
eq. temos:
(18), temos: (18
Substituindo ( Si +1 − Si()Sa eq.
Substituindo (17) na i
eq. (18),
(18),
i +1 temos:
temos:
ai = ( Si +1a− =Si()Si +1 − Si ) − S ) (19)
ai = ((SS6i +ah1iii−=−SSi )) 6h
i + 1 i
(19)
(19)
aai == Substituindo (19) (19)
6i h+1i i 6hi a eq. (17) na eq. (18), temos:
i (19)
(19)
i 66hhi
E substituindo E substituindo as −eqs. Si )as (19),eqs.(17) (19),e (15)ena eq.na(16), temos:
e(17) (15) eq. (16), temos:
i (S
E substituindo E asubstituindo
= as i +1 eqs. as (19),eqs. (17)(19), (15)ena
(17) (15)eq.na (16),
eq. temos:
(16), temos: (19
E E substituindo
substituindo
( SEi +1substituindo
i
− Si )( S 3 − SSi )6as asas h eqs.
eqs. eqs. (19), (19),
(19), (17) (17)
e
(17) (15)e e (15)
na
(15) eq.na
na eq.
(16),
eq. (16),
temos:
(16), temos:
temos:
23i S 2
( Si +1 − Si )( Shiii3++11+− Siii )hhi2i3++cSi hii ih+i2 +yici= hi yy+i +y1i = yi +1
((SS6i +h1 i−−SE )h + 2S h h + c h h+ y c = h
6hii +1 S
i
i )i 6 h
substituindo
3
3 S i
i
i i 2
2
+ 2
i as
hh6i h+i+2 hhi ++2cci hhi ++yyi =
i i +
eqs.
i i i
=
+yyi +1 yi +1 e (15) na eq. (16), temos:
i +y
(19), 1i = (17)
66hhi i i 2
2)
i i i i i +1
Então, ( S
i Então, − S S
Então, Então, hi + hi + ci hi + yi =
i +1 i 3 i 2
yi +1
Então,
Então, y − 6y hi S h +22 S h
= ci = yii ++11 −ci yii −yyii ++S11 ii−−++11hyyiiii +− 2SSSii ++11ii hhiiii ++ 22SSii hhii (20) (20)(20)
= ci = h1ic−i−yyi− hSSi +1hhi6−++22SSi hh6i
yyEntão, (20)(20)
== cci i+
hi +i1 i −−hi i +1 6i i i 6i (20)
(20)
Agrupando i hhi os coeficientes,
Agrupando os 6coeficientes,
6 temos:temos:
Agrupando Agrupando i osy coeficientes,
− yos coeficientes,
S h + temos:
Si hi temos:
2temos:
Agrupando
Agrupando
Agrupando= ci os os i +coeficientes,
1
oscoeficientes,
i
coeficientes,− i +1 itemos: temos: (20
ai ( Si +=
= 1 a− Si()S/ (6 h1i −hiS)i ) / (6hi ) 6
ai ( Si +=
= 1 a− Si()S/ (6−hhios
i i +
S)i )) / (6hi )
= b=
ia /Si2+b1 i−=−SSi ))i/+/12/(6
ai= S(i (SAgrupando (6 hi )coeficientes, temos:i = 1, 2,...m
bbi =i=SSi / /2ib+2ii1 = Siii / 2 i ∀ ∀ i = 1, 2,...m (21)(21)
ci bi=i =( ySii+i1 /c−i2=yi ()y/i +h1i −−y(iS) i/+1hi+−2(SSii +)1h+i /26Si )hi /∀6 ii i= 1, 2,...
∀ i = m2,...m
1,
...mm
(21)(21)
cdic ===(y(yyi += 1 ca−ii =yi ()(yS/ii+h+11i −− yS(iSi))i/+/1h(6+−h2i()Sii +)1h+i /26Si )hi / 6∀∀ =i==1,1,1,2, 2,...
2,... m (21) (21)
(21)
dici =i =yi( yi+ibd+11i−−==ySyyi i)i )///2hhi i−−((SSi +i +11++22SSi i))hhi i//66
i
ulamos aplicada
′ em xxi: ) através da de
′ (extremidade em xi : função
uras
ulamos SSp
Assim,i e
Sp ′i (( xxSii ))i +ee1 nas
itemos Sp
os
Sp ′ii−−11coeficientes
( xii ) através dadas
eq. cada
(13) aplicada
eq.splines
(13) aplicada cúbicas
subintervalo. em em xi : Para obter dos valores das
esses valores,
turas SSp e′( x′S(i)x+1 )enas
i Sp = ci i′extremidade de cada subintervalo. Para obter esses valores,
amos Spi i′(i xi ) =Sp
i i ci −1 ( xi ) através da eq. (13) aplicada em xi :
′ ′′−i1)(( xei )) ==Sp33i′aa−1i −(1hxhii2−)1 ++através
2
amos SpSpSpi ( ix
2bi −1hi −1 da + ci eq. (13) aplicada em xi :
Sp i −i′1( xii ) = cii−1 i −1 2bi −1hi −1 + ci −1
−1
izamos Sp ′ ( x ) = (c)
ii−1 ( ixi ) =
c3i ado i −1h
2
i −1 + 2bi −1passo,
segundo hi −1 + ci −Sp ′ = Sp′i′−1 ( xi ) , resultando em:
izamos aaecondição
condição
utilizamos a condição (c) do segundo (c) do passo,
segundo i((xxi)) =
Sp1 i′passo, Sp ( xii))=, resultando
Sp'i −i1(x em:
Sp'i – 1(xi), resultando
Sp ′ ( x ) 2
2= 3ai −1hi −1 + 2bi −1hi −1 + ci −1
i
ci == 33aai −1hhi2−1 ++ 22bbi −1hhi −1 ++ cci −1
em: i − 1 i (22)
zamos accondição
i i −1 i −1 (c) i −do 1 i −1segundoi −1 passo, Spi′( xi ) = Spi′−1 ( xi ) , resultando (22) em:
zamos accondição hi2−(c) do segundo passo, Spi′( xi ) = Spi′−1 ( xi ) , resultando em:
Substituindoi = 3a as 1 + 2bi −1hi −
i −1expressões 1 +eq.
da ci −1(21) na eq.eq. (22), (22), temos:
temos: (22) (22)
Substituindo as expressões
2 da eq. (21) na
ci = 3ai −1hi −1 + 2bi −1hi −1 + ci −1 (22)
h
h S +as
Substituindoi − 1 S i −1 + 2( h
2(hexpressões
i −1 + h i ) S
+ h ) S + h Sda
i + h i S i =
= eq.
+1 6[( y
6[( y(21)
i +1 −
− yna y i ) / h
) / heq.
i − ( y − y
y − y temos:
− ( (22),i i −1 ) /
)/h ]hi −1 ] (23)
(23)
i −1 i −1 i −1 i i i i +1 i +1 i
Substituindo Substituindo as expressões
as expressões da da eq.eq.(21)
(21) nana eq.i (22),
eq.
i
(22),temos:
i −1
temos:
i −1
ii == 2,...
2,...m
mhi −((1m
m equações),
Si−−−111+ equações), resultando
2(hi −1 + hi ) Sresultando
i + hi Si +
= 1
noyseguinte
6[(
no seguinte sistema
i +1 − yi ) / h
sistema
i − ( yi − de yde )equações
/ hi −1 ]
i −1 equações (23)
hi −1Si −1 + 2(hi −1 + hi ) Si + hi Si +=1 6[( yi +1 − yi ) / hi − ( y i − yi −1 ) / h i −1 ] (23) (23)
res não
nãomquadrado:
i = 2,...
res ( m − 1 equações), resultando no seguinte sistema de equações
quadrado:
i = 2,...m ( m − 1 equações), resultando no seguinte sistema de equações
para i = 2, ... m (m – 1 equações), resultando no seguinte sistema de equações
es não quadrado:
es não quadrado:lineares não quadrado:
240
240
S1
240
y3 − y2 y2 − y1
h1 2 ( h1 + h2 ) h2
−
240
S2
h2 h1
h2 2 ( h2 + h3 ) h3
y4 − y3 y3 − y2
−
S3 h3 h2
=6 (24)
(24)
*
ym +1 − ym ym − ym −1
hm −1 2(hm −1 + hm ) hm S −
h hm −1
m
m
S
m +1
S
CAPÍTULO 5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS...
m +1 349
( 3h1 + 2h2 ) h2 S2 y3 − y2 y2 − y1
−
h2 h1
h2 2 ( h2 + h3 ) h3 y − y3 y3 − y2 241
S 4
−
3
h3 h2
(26)
* = 6 (26)
hm −1 (2hm −1 + 3hm ) ym +1 − ym −
ym − ym −1
S m hm
hm −1
c) Quando os valores das curvaturas nos extremos são conhecidos
previamente, isto é, S1 = u e S m +1 = v , basta substituí-los na eq. (24),
c) gerando
Quando oossistema
previamente, valores Sdas curvaturas
1 = u e Sa
isto é,tridiagonal bastaextremos
= v , nos
m +1seguir:
sãonaconhecidos
substituí-los eq. (24),
gerando o sistema tridiagonal a seguir:
previamente,
gerando
2 h o+ sistema
é, S1 = u ea seguir:
isto htridiagonal SSm +1 = v , basta substituí-los na eq. (24),
2 ( h1 + h2 )
h h(2 1 2 ) S
2 y −y y −y
y23 − y2 y2 − y1 3 2
−h1u + h − h−h1u + h − h
2 2 1
h2
gerando
2 ( + h )
2 ( h +1 ho)2sistema
h h tridiagonal a seguir: 2 −h u + 3 2 − 2 1
h3 2 ( h22 + h3 ) h3
S 2 y1 − y y 2 − y 1
2 23
S3
y4 S−3y3 y3 − y2 h2y4 − y3 h1 y3 − y2
1
2 ( hh + h ) 2 ( h h+ h ) h −
S 2 h hy − yy3 −yhy2−(27) −
y2 − y1 (27)
12 2 2 3 3
y h
3 3 214 3 −h 33 2 (27)
S u
2
− + −
* h
2
(27)
2 ( h2 + h3 )
= 6 * = 6 h3 h2
2 1
h2 h3
* S3= 6 y4 − y3 y3 − y2
h − h (27)
* 3 2
= 6
y −y y − y
y1m+1 − ym
hm −1 2(hm −1 + hhmm)−1 2(hmS−m1 + hm )−hm v + S m − −yh v−+y y − y− m m −1
m +1 m m y − y
m−
hm
2(hm −1 + hm ) S m hm−hm v + mh+1m −1 m −hmm m −1 hm −1
m
hm hm −1
−1
hm −1 2(hm −1 + hm ) S m −h v + m +1 m − m − ym −1
y − y y
d) Se
assumirmos valores de curvatura para os extremos em S
S1extremos obtidos
d)
d) Se
Se assumirmos valores de curvatura para os
assumirmos valores de curvatura para os extremosm +S1 1hm e S S1m +1ehmobtidos
obtidos
−1S m +
1
d) Se assumirmos valores de curvatura para os extremos S e S
por extrapolação linear de Slinear
Sde
2 e de 3 ,de
eS deS eSm −S1para
e3 e,de S mde
Sem,−extremos
respectivamente, 1 m+1
d) por
por extrapolação
extrapolação
Se assumirmos
obtidos linear
valores
por extrapolação 2 e2 S3 , de
curvatura
linear Se os S1 Se,m−e1Smde SSSm1, erespectivamente,
e, respectivamente,
2
Sem +S1 obtidos
3
, m – 1 m
respectivamente,
teremos também
teremos
teremosduas
também
por extrapolação teremos
equações
também duas
duas detambém
adicionais:
equações
equações
linear duas equações
S e Sadicionais:
e Sadicionais:
S adicionais:
, e de , respectivamente,
2 3 m −1 m
S 2 − S1 S3 teremos
S S− S também
− S −S duas
S −equaçõesS S S −−adicionais:
SSmm −S1 S m −SS m−
= S 22 −2 S11 == S3e3 − S2 2 e m +e1 m = m +Sm1 m +1 − =m = m −1 S m −1
h1 h2 hh1 hh2 hme hhmmh−1 hm −1
S 2 −1 S1 S3 −2S 2 S m +1 − Smm S m − Shmm−−11
= e =
Que também Que hdevem
1 também hser
2 devem
adicionadas aohmsistema
ser adicionadas ao hsistema
geral geralpela
dado dadoeq.pela eq.
Que também
Que também devem devemser seradicionadas
adicionadas ao sistema
ao
m −1
geralgeral
sistema dado dado
pela pela eq.
(24),(24),
(24), mas agora
eq. mas agoraagora
gerando umgerando
sistema umcom sistema leisistemacom
de leicom
formaçãode formação diferenciada
diferenciada
(24), masmas
Que também agora devemgerandogerando umum
ser adicionadas sistema ao com lei lei
sistema de
degeral formação
dado pela
formação eq.
diferenciada
para as duas diferenciada
para as
equaçõesduas para
equaçõesas
adicionais: duas equações
adicionais: adicionais:
(24),
para mas
as duasagora gerandoadicionais:
equações um sistema com lei de formação diferenciada
Para
i 1 para =i 1
⇒ ash2duas ⇒ h
S1 − (hequações S − ( hh1Sh3=2 ) S02 + h1S3= 0
+
Para = 1 + h2 ) S 2 + adicionais:
2 1 1
242
242
242 242
350
Se possível alinhar o numero da eq. (27)
351 trocar eq., mas pode manter na vertical para manter a diagramação
h2 −(h1 + h2 ) h1 S1 0
(y − y ) (y − y )
3 2
− 2 1
h1 2 ( h1 + h2 ) h2 S2 h2 h1
( y4 − y3 ) − ( y3 − y2 )
h2 2 ( h2 + h3 ) h3 S3 h3 h2
(28)
⋮ ⋮
⋱
* = 6 (28)
⋮ ⋮
⋱
hm −2 2(hm −2 + hm−1 ) hm−1 Sm −1 ( ym − ym−1 ) ( ym −1 − ym −2 )
h −
m −1 hm− 2
hm −1 2(hm−1 + hm ) hm Sm ( ym +1 − ym ) ( ym − ym −1 )
−
h m ym − ym −1 )
0
hm −(hm −1 + hm ) hm−1 Sm +1
CAPÍTULO 5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS...
386
351
a1 =
Assim, ( S 2 − S1 ) / (6h1 ) = 1.07143
b S= para o primeiro intervalo, x ∈ [0, 1] , i = 1 , temos:
=1 1 / 2 0
a1 =
c1 = ( y22 −− yS11)) // h(6
( S h1 ) = 1.07143
1 − ( S 2 + 2 S1 ) h1 / 6 = −0.071429
= bd1 = Sy=
Assim, /
para2
1 = −3 o 0 primeiro intervalo, x ∈ [0, 1] , i = 1 , temos:
1 1
ac11 =
= ((Sy2 2−−S1 y) 1/ )(6/ hh11) −
= ( S 2 + 23S1 )h1 / 6 =
1.07143 −2 0.071429
2 0 ) − 0.071429( x − 0) − 3 para x ∈ [0,
Sp Sp
=(x) (=x)1.07143
1.07143 (x (
– 0 )0 (x
x0)−3 + + 0–(0)
x− – 0.071429 (x – 0) – 3, x ∈ [0, 1]
= bd11 = S=
1
1 y/1 2= −03
1
As
c1 =demais h1 − ( S2 + são
( y2 − y1 ) /splines 2 S1 )h13as
/ 6 seguintes:
= −0.071429
x ∈ [0,
As demais splines são( as )
seguintes:( x − 0 ) − 0.071429( x − 0) − 3 para
2
=Sp ( x
d1 = y1 = −3
1 ) 1.07143 x − 0 + 0
=Sp2 ( x) 0.64286 ( x − 13) + 3.21429( x − 1)22 + 3.142857( x − 0) − 2 ,
3
x ∈[
SpAs (x) = 0.64286
2 demais splines são
(x – 1) +as 3.21429 (x – 1) + 3.142857 (x – 0) – 2,
seguintes:
1.07143 ( x − 0 ) + 0 ( x − 0 ) − 0.071429( x − 0) − 3 para x ∈ [0, 1] .
3 2
Sp
= 1 ( x)
x= ∈ [1,
( x)2] 2.35714 ( x − 2 )3 + 5.14286( x − 2)2 2 + 11.50000( x − 2) + 5 , xx ∈
∈[[
3
Sp
=Sp32demais
As ( x) 0.64286splines são( x −as13) seguintes:
+ 3.21429( x − 1)2 + 3.142857( x − 0) − 2 ,
Sp3(x) = 2.35714 (x – 2) +3 5.14286 (x – 2) + 11.50000 (x – 2) + 5,
( x −((1x)x−−+233.21429( 24 , xx ∈∈[[
Sp
x= (xx)) 3]
∈243([2, = −4.07143
)) ++5.14286(
12.21429( x − 3)2 2 + 28.857143( x x−∈3)[1,+2]
3 3
Sp
=
Sp ( x) 0.64286
2.35714 x − 1) 2 +x3.142857( x − 0) − 2 , x −
− 2) + 11.50000( 2) + 5 ,
Sp
Sp43(x)
( x) = 2.35714
Podemos
= – 4.07143
obter (x
( x −uma2 ) –+3)
3
3 + 12.21429
x − 2) 2 +(x
aproximação
3
5.14286( f (2 x+=x28.857143
de– 3)
11.50000( −2.5)
2) + 5via
, (xx ∈
Sp –([2,
= x3) 3]2.5)
= 1
Sp4 ( x) = −4.07143 ( x − 3) + 12.21429( x − 3) 2 + 28.857143( x − 33) + 24 , x ∈ [
+ 24, x ∈ [3, 4]
−4.07143 ( x − 3) + 12.21429( x − 3) 2 + 28.857143( x − 3) + 24 , x ∈ [3, 4]
3
Sp4 ( x) =
Podemos obter uma
Podemos obter uma aproximação aproximação de f(xde =f (2.5)
x = 2.5)
via Spvia (x Sp
== ( x 2.5)
32.5) = 1
b) Com
Podemos obterde
splines uma extremos quadráticos,
aproximação de f ( x = conforme
2.5) via Sp=3 ( xa eq.
3
= (26):
2.5) 12.330 .
= 12.330.
b) (3h1 +
Com 2h1 ) de hextremos 0
quadráticos, S 2 conforme ( y3 − ay2eq. ) / h2 − ( y2 − y1 ) / h
splines (26): (26):
2
b) Com
splines
b) Com splines de extremos
de extremosquadráticos, quadráticos, conforme
conforme a eq.a eq. (26):
h2 2(h2 + h3 ) h3 * S3 = 6 ( y4 − y3 ) / h3 − ( y3 − y2 ) / h
(3 h + 2 h ) h 0 h3 + 3hS42) S
0 S (24 y3 − y2)((/ yyh523 −−−(yyy422 ))−//yhh1 )42 /−−h1((yy42 −− yy31 )) // hh
(3h11+02h1 )1 h2 h23 (2
hh2 2 2(h2( h + h ) h3 h3 * S3 = * 6S(3y=4 − 6y3) (/ yh34 −−( y33 )− /yh2 )3 /−h2(y3 − y2 ) / h
2 + 2h3 ) 3
Sp33( (x=
Sp x)= ) 1.21.2( x (−x2− ) 2+)36( +x −6(2)x − 2) +x11.8(
+ 11.8( − 2) + x5 − para 2) + 5x ∈para [2, 3] x ∈ [2, 3]
( ) 3+ 9.6( 3) [3, 4] xx∈∈[1,
para 2]
2
Sp ( x=) 1.2 x − 1 + 2.4( x − 1) + 3.4( x − 0) − 2 x ∈para
Sp424( (x)x=)= 0 (0x(−x3− [3, 4]
3
Sp ) +3 9.6(
x − 3)x2 − 3) 2 +x27.4(
+ 27.4( − 3) + x 24− 3) para
+ 24
Sp ( x= ) 1.2 x − 2 + 6( x − 2) 2 + 11.8( x − 2) + 5 para x ∈ [2, 3]
354 CÁLCULO NUMÉRICO COMPUTACIONAL
Assim,
Sp1(x) = 0(x – 0)3 + 2.4(x – 0)2 – 1.4(x – 0) – 3 para x ∈ [0, 1]
Sp2(x) = 1.2(x – 1)3 + 2.4(x – 1)2 + 3.4(x – 0) – 2, para x ∈ [1, 2]
Sp3(x) = 1.2(x – 2)3 + 6(x – 2)2 + 11.8(x – 2) + 5, para x ∈ [2, 3]
Sp4(x) = 0(x – 3)3 + 9.6(x – 3)2 + 27.4(x – 3) + 24, para x ∈ [3, 4]
Calculando
0 os valores,
h3 obtemos
2( h3 + h4 ) o sistema:
S 4 −hm v + ( y5 − y4 ) / h4 − ( y4 − y3 ) / h3
Calculando
Calculando os valores,
4 1 0 Sos 36 obtemos
valores, obtemosoosistema:
sistema:
2
1 41 10* S S = 72
4 2 36
3
0
1 14 41 * S 4S =84
72
3
0 1a solução
Sendo 4 S 4 S = {84
S1 ,S 2 , S3 , S 4 , S5 } = {0, 6.0, 12.0, 18.0, 24.0}
h2 2 ( h2 + h3 ) h3 * S3 = 6 ( y4 − y3 ) / h3 − ( y3 − y2 ) / h2
Sp44 ( x) = 1( x − 3) + 9( x − 3) + 27( x − 3) + 24
Sendo a solução:
Sendo a solução:
S = {S , S , S , S , S } = {−4.6957, 3.9130, 12.5217, 18.0000, 23.4783} . 23.4783} .
SS == {S
{S11,, SS,22 ,S S, 33S, ,SS44 ,} S=55}{–4.6957,
1 2 3 4 5
= {−4.6957, 3.9130,
3.9130, 12.5217,
12.5217, 18.0000,
18.0000, 23.4783}.
Assim,
Assim,
1.43478 ( xx − 0 )3 − 2.3478 ( xx − 0 )2 +
3 2
Sp11 (( xx)) 1.43478
=
Sp
= −0 − 2.3478 −0 x ∈ [0, 1]
1.9130( xx −
+ 1.9130( 0) −
− 0) −33 para
Sp1(x) = 1.43478(x – 0) – 2.3478(x – 0) + 1.9130(x – 0) – 3 para
3 2
x ∈ [0, 1] 245
245
Sp2(x) = 1.43478(x – 1)3 + 1.9565(x – 1)2 + 3.6087(x – 0) – 2, para
x ∈ [1, 2]
Sp3(x) = 0.91304(x – 2)3 + 6.2609(x – 2)2 + 11.8261(x – 2) + 5, para
x ∈ [2, 3]
Sp4(x) = 0.91304(x – 3)3 + 9.0000(x – 3)2 + 27.0870(x – 3) + 24,
para x ∈ [3, 4]
Podemos obter uma aproximação de f(x = 2.5) via Sp3(x = 2.5)
= 12.592.
356 CÁLCULO NUMÉRICO COMPUTACIONAL
Logo, para esse exemplo com curvatura conhecida e exata nos extre-
mos, a spline aproximadora e a função aproximanda f(x) são iguais. Generi-
camente, sempre que temos disponíveis os extremos S, é recomendável que
eles sejam usados, conforme a eq. (27).
357
Gráfico Grafico Curva do Gráfico 5.7 representado por meio de m = 20 splines cúbicas com
5.9 – 5.9
extremos quadráticos, em linha contínua, e interpolador P20(x), em linha tracejada
11
Fonte: Elaboração própria.
Observe
Na páginaque384, as splines
1ª linha, cúbicas formaram representações suaves nos
leia-se:
suaves (linha tracejada, não visível), mas, no Gráfico 5.9, a interpolação gerou
sinuosidades muito acentuadas, enquanto as splines geraram curvas suaves.
No Capítulo 6, apresentaremos as propriedades dos polinômios Tchebychev e seus “nós” (raízes dos
polinômios de Tchebychev), que, mostraremos, estão mais concentrados nas extremidades do intervalo,
de modo que o polinômio interpolador fica mais “amarrado” à f(x), gerando menos sinuosidades.
x
Fonte: Elaboração própria.
360 CÁLCULO NUMÉRICO COMPUTACIONAL
Grafico 5.13
Nesses casos, as curvas propostas por Pierre Bézier são mais ade-
quadas, porque uma função y = f(x), ou mesmo uma relação não funcional,
é separada em duas funções, de modo parametrizado, com x = x(t) e y = y(t),
em que t é um parâmetro independente. Assim, x = x(t) e y = y(t) sempre
serão funções bem comportadas.
xi x1 x2 ... xm + 1
yi y1 y2 ... ym + 1
ti t1 t2 ... tm + 1
xi x1 x2 ... xm + 1
ti t1 t2 ... tm + 1
yi y1 y2 ... ym + 1
xi 0 1 0 –1
yi 1 1/2 0 –1/2
x(ti) 0 1 0 –1
yy((tt)) ≅≅ PY
PY33 ((tt )) =
11 −
= 2)(tt −− 0)
(3 // 2)(
− (3 0)
arto passo:
uarto passo: plotamos
plotamos os pontos
pontos de interesse
interesse ppk == ((PX PYn((ttk)))),, ∀∀t tk∈∈[0,
PX (ttk),), PY [0,1]1]
Quarto passo:osplotamos osdepontos de interesse
k pk =nn((PX
k
n
(tkn), PY
k
n
(tk)),k ∀
a gerar tk ∈ [0, 1]desejado.
para gerar No
o caminho
Gráficodesejado. Para a função do Gráfico 5.14,
ra gerar oo caminho
caminho desejado. No Gráfico 5.14, usando
5.14, usando os interpoladores
os interpoladores dopasso
do passo
usando os interpoladores do passo anterior, temos, por exemplo, para tk = 1/2,
erior, temos,
terior, temos, por
por exemplo,
o ponto exemplo, para
pk = (0.625,para 1/ 22 ,, oo ponto
ttkk == 1/
0.25). ponto ppk == (0.625, 0.25)..
(0.625, 0.25)
k
STAQUE Todos
ESTAQUE os
os algoritmos
TodosTodos algoritmos das
das
os algoritmos técnicas
dastécnicas deaproximação
de
técnicas de aproximação
aproximação de funções
de funções
de funções por por
por
erpolação interpolação polinomial e por splines cúbicaspodem
podem serser
estendidos para para
erpolação polinomial e por splines cúbicas cúbicas podem ser estendidos
estendidos para
aproximação de não funções via parametrização.
253
253
Para traçar um caminho definido a partir dos pontos do Gráfico 5.15, por
exemplo, usando a aproximação de Bézier, devemos efetuar os passos a seguir.
Primeiro passo: tomamos m + 1 pontos referenciais do desenho desejado
⇒ pi = (xi, yi), i = 1, ..., m + 1 e os expressamos na forma parametrizada
⇒ pi = (xi(t),
361 y (t)), em que t ∈ [0, 1], conforme o Gráfico 5.15:
i
Grafico 5.15
y p3 = ( x3 (t ), y3 (t ))
p2 = ( x2 (t ), y2 (t ))
p1 = ( x1 (t ), y1 (t ))
p4 = ( x4 (t ), y4 (t ))
k
k BX
= k (t ) ∑C (1 − t ) i
k
k −i i
t xi +1
Bk ( t ) ∑C (1 − t )
i k −i i i =0
= k t pi +1 ⇒ k
17
(29a) (29a)
BY
i =0
=
k
(t ) ∑C (1 − t )
i =0
i
k
k −i i
t yi +1
i k!
Em que Ck = são combinações e a eq. (29a) são os polinômios resultantes.
(k − i )!i !
Expressando a eq. (29a) na sua forma matricial equivalente, temos:
( xi , yi ) k
k k
BX
= ( t ) ∑ Cki (1 − t ) k −i t i xi +1
365
( ) ∑
CAPÍTULO 5 – APROXIMAÇÃOi POLINOMIAL
k −i i POR INTERPOLAÇÃO, SPLINE i = 0E CURVAS...
346 B
= k t C k (1 − t ) t pi +1 ⇒ k
BY
i =0
=k (t ) ∑ Cki (1 − t ) k −i t i yi +1
( xi , yi )
i =0
k!
Em( xique
Em , yi )Ck =
que
i
sãocombinações
são combinaçõese ase eqs.
a eq. (29a)
(29a) sãosão os polinômios resu
os polinômios
(k − i )!i !
de grau k resultantes.
Expressando
365 a eq. (29a) na sua forma matricial equivalente, temos:
Expressando as eqs. (29a) na sua forma matricial equivalente, temos:
(1 − t )k
(1 − t )k −1 t1
Bk ( t ) = Ck0 p1 Ck p2 … Ck pk +1 *
1 k
⋮
t k
(1 − t ) k
k −1 1 (1 − t ) k
(1 − t ) t
BX k ( t ) = Ck x1 Ck x2 … Ck xk +1 * ⋮ BX ( t ) = C 0 x C1 x … C k x (1
0 1 k
(29b)
− t ) k −1 t1
k 1 k k +1
(1 − t ) k k (2
k k 2
t (29b
k (1 − t ) t
k
−1 1
(1 − t ) t
k
B ( t ) = Ck0 p1 Ck1 p2 … Ckk pk +1 = k −1 1
k (1 BX − t )k( t ) = C 0 x C1 x … C k x (1 − t ) t(1 − t )k
k k 1 k k +1
(1 −t )kk k −1 1
k 2
k −1 1
BYk ( t ) = Ck0 y1 Ck1 y2 … C
k t (1
− t ) t (1 (29b)
− t ) t
(1 −yt ) k −1t1 * BYk ( t ) = Ck0 y1 Ck1 y2 … Ct kk yk +1
k
k ay
= 3k⇒ ay
= y= − y 2
⇒1 Bézier
= 31Bézier − y 2 +y
2 cúbica y + y
2 3 cúbica3 (4 pontos
(4 pontos
referenciais):
referenciais):
B3 ( t )kB=3=1(1
( t3) −=⇒
⇒)(3Bézier
t1(1− 0) 0(3− 0) 0
− tt) p1 +cúbica
Bézier t 3(1
cúbica )(3(4
p1 −+ t3(1 −1) 1 (3−1) 1
t ) ppontos
−(4 2 +t 3(1
pontos
(3− 2) 2(3− 2) 2
p2referenciais
−+ t3(1 − tt) p3 +tcomo
)referenciais): (3−3) 3(3−3) 3
p3 −+t1(1
1(1 )no t ) p4 t p45.15):(32) (32)
− Gráfico
= 3é ⇒
k equivalenteBézier cúbica (4 pontos referenciais):
k =( t3
que éque
B ) =equivalente
3 ⇒ t )a(3−0) t 0apcúbica
1(1 −Bézier + 3(1 − t(4
)(3−1)pontos
t1 p + 3(1referenciais):
1 − t )(3− 2) t 2 p + 1(1 − t )(3−3) t 3 p
2 3 4 (32) (32)
k =kB3=(⇒ t3) = ⇒ Bézier
1(1 Bézier
− (3cúbica
− 0) cúbica
0 (4 (4pontos pontos
(3−1) 1 referenciais):
(3t−)0) 0(3−t0) p0 + 3(1(3−−1)t )1 (3−1)t 1p + 3(1
referenciais):
(3−−
(3− 2) 2
2) t2)(3− 2) t2 p +(3 1(1
−3) −3(3t ) (3−3) 3
−3) 3 t p (32)
BX queB(3BX
t ) =té ( tequivalente
1(1=) −1(1
=t1(1
) −−t t)t)(3x−10)+tta3(1
01x1 −
p1++t3(1
)3(1 − t−)xt2)+(3t3(1 −x +1 t3(1
1)22 − ) − 3(1tt) x3−+tt1(1 x(33 −−+32)t1(1
)t 2 −p t )+x41(1t −x4t )(34 −3) t 3 p
3
B3 (B 3 ( 3)
t3) (=t )1(1
= 1(1 (3− 0)(3−00) 0
− t )−(3−t0)) t0(3p−t0)1a+p0 13(1 (3−1) (3− 11) 1 t p2 +(3
− t(3)−−1)t )1 (3t −1)pt21+p23(1
+ 3(1 − 2)(3−22) )2
− t )− t ) t p2t3 +p31(1
+ 3(1 (3−3)(3−33) 3
− t )− t ) t pt p
+(31(1 3 4
(32)
(32)
(tBX
que
BY3que
) =3éé1(1
BY ( tequivalente
)t −==t1(1
equivalente
) − tt) y1(3+−t0)a 3(1y10 −+ t3(1
) − t ) y2 +(3t−3(1 )(3−−2)tt)2(3y−32)+t(31(1
y2 1−+ t3(1 −y2)3 − ) −−3)t )3(3y−43) t 3(3y−443) 43
+2t1(1
que
que
que 3é(equivalente
é equivalente
é
) 1(1 − t )a(3−0)at 0ax1 + 3(1 − t )(3−1) t1 x2 + 3(1 − t )(3−2) t 2 x3 + 1(1 − t )(3−3) t 3 x4
equivalente
1)
BX 3 ( t ) = 1(1
Desenvolvendo
Desenvolvendo para − tpara − 0) t0aplicação
)(3aplicação x1 + 3(1 − tcomputacional,
)(3−1) t1 x2 + 3(1
computacional, temos: − ttemos:
)(3− 2) t2 x3 + 1(1 − t )(3−3) t 3 x4
BY 3 ( t()t = −(3t−−)0)(3t )−0(30)t−0)0yt1 0+x3(1 (3t−)1)−(3−1t1))t 1y2 +
(3−1) 13(1 − t )
22)t 2 y3 +t1(1
(3− 2) 2 − t )
) 1(1 −3(1 (3−33) t 3ty)4
(3−3) 3
BX BX
BX ( t ) ( = t )1(1= = 1(1
− 1(1t )− t (3−t 0)xt0 +x3(1
) + +
3(1
− t )
− t ) (3t−1) x t1+ x t
3(1+ x
3(1
− t+)
− (33(1
t )(3t− 2)xtt)2+
− 2)(3−−
x 1(1
+ 1(1
− x
t )−(3+
−3)
t )1(1
(3t−3)x−t 3x t x4
xx ( t)BY xx
3= (x33t1()+t=
3
)t=(
xcx11(1
++t − (t cx(tbx)++t (tbx t*1axy+11)t+)* 3(1
ax ) −
1
) t ) t2 y22 + 3(1 − t ) t3 y33 + 1(1 − t ) t4 y44
2 3
Desenvolvendo
para 0 aplicação ⇒ ∀computacional,
⇒t ∈(3∀ [−0,1)tt∈11]y[0,+1(3]3(1 temos: (3− 2) 2 (3−3)(3−33) 3 (33) (3−3)(33)
yy
BY
(
Desenvolvendo
t
)
3
BY
BY
yy=( t(3y)3t1(=
)(t+= t)
t)1(1
=(y=
cy
1
−+1(1
1(1 −t−by
t+t)−(t(3cy
(
(3− 0)
)0)(3t+t)−+0t0)y(ttby
*+ay
0
yt+13(1
+ty)*13(1
) −ay )−)(3t−)1)−(3t−1t1)y)2t1+y23(1
+t 3(1
para aplicação computacional, temos:
1 + 3(1−2 t )− t−)2)(3t−−22)ytt3)2+y31(1
+t1(1
− yt )3−+t )1(1t y−t4 ty)4 t y4
3
xx ( t ) = x1 + t ( cx + t ( bx + t * ax ) )
Desenvolvendo
Desenvolvendo para aplicação computacional, ∀ t ∈ [ 0, temos: temos:
1] temos:
x1 + t ( cx + para t ( bx +aplicação computacional, temos:
Desenvolvendo
Desenvolvendo para para aplicação
aplicação computacional,
computacional,
xx ( t ) = t * ax ) ) ⇒ 256 256 (33)
yy ( t ) = y1 + t ( cy + t ( by + t * ay ) ) ⇒ ∀ t ∈ [ ]
0, 1 (33)
xx(xx t ) ((=( ttt))x)= +xy1tx(++cx tt (t+cx ( tcx (
++bx t+ ( bx (tbx * ax tt+*)ax) *)ax) ) )
xx
yy 1== 1 1
+ ( cy t (+
tby ++ * t
ay ) ) ⇒⇒ ∀ t∀∈ ⇒t[ 0,∈∀[10,t] ∈1][ 0, 1] (33) (33)(33)
yy (
yy ( t )1=
yyt ) (= t ) y = + y (
+
1
( cy
+ t (
1y + t ( cy + t ( by + t * ay ) )
t cyt + by t ( by
+ t +
* ayt * )
ay) ) ) 256
256
256256
Em
Em que
que5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS...
CAPÍTULO 367
cx
= = cx 3 (3x(2x− 2 − x1x)1 )
Em
bx
Em = 3 (3x(3x−
bx= que 3 −x2x)2 −) −cxcx
que
que
Em
ax ax= =( x(4x− 4 − x1x)1−) −( cx
( cx++bxbx) )
=
= cx
cx 3 3 ( xx22 − − xx11 )
= cy
= cy == 3 (33y((2yxx−
bx
bx 23 −y1xy)1 )) − cx
3 − x2 2 − cx
by= = 3 (3y( y− −y y ) −cycy
by ax == ( xx344 3− xx112 )2−
ax − ( cx bx )
+ bx
cx +
ay
= cyay= =( y( 4y− 4 − y1y)1−) −( cy
( cy++byby) )
= cy 33 ( yy22 − − yy1 )
1
by = 3 y33 − y22 ) −
by = 3 ( y − y − cy
cy
AA plotagem
plotagem de de uma
uma polinomial comt ∈
polinomialBkB(kt()t,) ,com t ∈[0,[0,1]1], ,gera
gerauma
umacurva
curvacom
com
ay == ( yy44 −
ay − yy11 ) −− ( cy by )
+ by
cy +
seguintescondições
seguintes condiçõesde deaproximação:
aproximação:
A plotagem
plotagemdedeuma polinomial Bk(t), com, tcom ∈ [0, 1],[0,
gera ,uma curva com
A
A
as plotagem de uma
uma de
seguintes condições
polinomial
polinomial Bkk ((tt )) , com tt ∈
B
aproximação:
∈ [0, 1]
1] , gera
gera uma
uma curva
curva com
com
seguintes condições
seguintes
Propriedadecondições
Propriedade 1:1: de
de aproximação:
aproximação:
Propriedade 1:
BX
BXk (0) = =x1x1 BX
k (0) BX(1)(1)==xkx+k1+1
eee k k isto
istoisto
é,é,Bé,k(t) t()t )inicia
BkB(kinicia inicia
em em
pem p1p1eetermina
e termina termina
em pk em
em. pkp+1k +.1 .
BYBY
Propriedade (0)
(0)
k k 1: = =y y
1: 1 1 BYBY
k k (1)
(1) = =y y 1 +1
Propriedade k +k1+1
BXBX k (0)
(0) = BX
= xx12: a reta = xxpelos
(1) =
Propriedade 1 e BX k (1)
definida kk +
+1 pontosBp1(et )p2inicia
1 isto é tangente apBke(t)termina
em p1, e aem p .
k e k isto é,
é, Bkk (t ) inicia em em p11 e termina em pkk ++11 .
reta BY (0) =
definida
BYkk (0) y por p e BY
p (1)
é = y
tangente a B (t) em p . Portanto, a curva de Bézier
Propriedade
Propriedade 2:2:=aya11reta k BY
retadefinidak +kk1(1) =
definida ykk ++11 pontos
pelos
pelos pontos
k e
p1pk+1 e p p é é tangente
tangente a aBk k )em
B (t()t emp1p,1 ,e
passa somente sobre os pontos p1 e pk+1 e usa o(s) 1
ponto(s)
2 2
intermediário(s)
reta como por
retadefinida
definida controle
por pkpkeparae pkp+definir as inclinaçõesaaBkB(ktno início
em pkpe+1k +no final do segmento.
1k +1é étangente
tangente ()t )em .1 .Portanto,
Portanto, aacurva
curvade deBéziBé
Propriedade
passa
passa somente
somente
Propriedade 2:sobre
2: a 3:
sobre
a reta
os
a os
reta definida
pontos
pontos
definida pelos
p1p1epela
pelos pontos
eppontos
1k +1e eusa
kp+sequênciausa ede
pp11o(s)
eo(s) é tangente
ponto(s)
ponto(s)
ppontos a
{BXintermediário(s)
intermediário(s)
B(t)}, em com
(tt )) em ,,
pp11co
Propriedade curva gerada p 2 é tangente
2
k
(t), a
BYBk(
kk
t ∈ [0, 1], está contida sempre no menor polígono convexo que contém os
controle
controle
reta para
paradefinir
reta definida
definida definir
por
por p asas
einclinações
e inclinações
ppk +1 é nonoinício
tangente início
a Bee(no t )noemfinal
finalpdodo.segmento.
segmento.a curva de Bé
Portanto,
k + 1 pontos pde k +1 é tangente
kk referência da Bk(t). a Bkk (t ) em pkk ++11 . Portanto, a curva de Bé
passa
passa somente
somente sobre
sobre os os pontos
pontos pp1 e e ppk +1 e e usa
usa o(s) o(s) ponto(s)
ponto(s) intermediário(s)
intermediário(s) co co
1 k +1
No Gráfico 5.16, apresentamos 4 curvas de Bézier, sendo que em (a), (b) e (c) temos
controle
controle
Propriedade para
curvasdefinir
para
Propriedade3:3:aacurvadefinir
curvagerada as
B3(t) e em
geradapela inclinações
as (d)
inclinações
pelasequência
sequênciade no
no início
temos uma composição
depontos
pontos{BX e
início de no
no final
e curvas
final
{BXk (kt(),t ),BY
BY do
doe Bsegmento.
B2(t) (t).
segmento.
t )}, ,t ∈
t ∈[0,[0,1
k (kt()}
3
está
estácontida
contidasempre
sempreno
nomenor
menorpolígono
polígonoconvexo
convexoque
quecontém
contémosos k k+ +
1 1pontos
pontosd
referência
referênciada
daBkB(kt()a
t.) .
Propriedade
Propriedade 3:3: a curva curva gerada
gerada pela
pela sequência
sequência de
de pontos
pontos {{BX
BX kk ((tt ),
), BY )} ,, tt ∈
BYkk ((tt )} [0,
∈ [0,
está
está contida
contida sempre
sempre no
no menor
menor polígono
polígono convexo
convexo que
que contém
contém os
os kk +
+11 pontos
pontos
referência
referência da B tt )) ..
Bkk ((apresentamos
No Gráficoda
NoGráfico 5.16,
5.16, apresentamos33curvas
curvasde
deBézier
BézierB3B(3t()t ) em
em(a),
(a),(b)
(b) ee(c)
(c) e,e,n
quarto
quartográfico
gráfico(d),
(d),uma
umacomposição
composiçãode
decurvas
curvasBB(t()t )eeBB(t()t.) .
368 CÁLCULO NUMÉRICO COMPUTACIONAL
224
CAPÍTULO 5 – APROXIMAÇÃO POLINOMIAL POR INTERPOLAÇÃO, SPLINE E CURVAS... 369
y p4 p1
p3 p2
x
Fonte: Elaboração própria.
% parte 1: segmento AB
x(1) = 0; y(1) = 0;
x(2) = 1; y(2) = 1; %inclinação início = 45º entre 1 e 2
x(3) = 1.9; y(3) = 1; %inclinação final = 0º entre 3 e 4
x(4) = 2; y(4) = 1;
% parte 2: segmento BC
x(1) = 2; y(1) = 1;
x(2) = 3; y(2) = 1; %inclinação início = 0º
x(3) = 8 – 1; y(3) = 0.2 + 1 * tan(10 * pi/180); % inclinação final = 10º
x(4) = 8; y(4) = 0.2;
% parte 3: segmento CD
Grafico 5.18
x
Fonte: Elaboração própria.
380
Podemos x 2
x 3
x4
x5
(−1) x práticos
n n
( −1) x de aplicação das curvas de
n +1 n +1
e = 1 − x + encontrar
−x
− + − +exemplos
⋯ + + +…
2! 3! 4! 5! n! ( n + 1)!
Bézier no CorelDRAW®, na ferramenta que converte uma forma qualquer
386
em curvas, permitindo a manipulação de “nós”.
(( incluir Referencia (marcador), se possível ))
Definição1:
Lembre-se de umquepolinômio de Tchebyshev
está disponível no de
linkgrau n de primeira ordem Referencia
<http://sergiopeters.prof.ufsc.br/
exercicios-e-respostas/>
é toda expressão do tipo: o Caderno de Exercícios e Respostas para o aprofun-
damento
Tn ( x ) =dos
cos(estudos
n arcos( xde
)) cada
comcapítulo
x ∈ [ −1, 1]deste livro. (5)
5.7 T CONCLUSÕES
( x ) = cos( nθ ) com θ ∈ [0, π ] .
n (6)
APROXIMAÇÕES
POR SÉRIES
E POR FUNÇÕES
RACIONAIS
Solução:
Para a função dada, temos que f(x = 5) = sen(13). Já no domínio [–1, 1],
aplicando a eq. (1), temos x(t) = 7t + 8 e a composta f(t(x)) = sen (14t +19).
Da eq. (2), para x = 5 ⇒ t(x) = –3/7. Assim, t(x) = –3/7, substituído em
f(t(x)) = sen (14t +19), resulta em f(t(x)) = sen (13), que é o mesmo valor.
Chamamos atenção para o baixo custo dessas transformações que, nas formas
otimizadas, não excedem a 8 operações elementares.
4( n + 1)
413
x ∈ [0.1, 1]
f (x) refere-se à derivada de ordem (n + 1) de f(x).
(n + 1)
441
(a10 , a20 ) = (1., 1.)
Entretanto, o tempo de resposta e a demanda de memória requerida
a1 = 367.001181444968 e a2 = 1.00152293682138
são grandes, pois normalmente precisamos usar um interpolador de grau
449
n elevado para ter um erro de truncamento pequeno. Logo, o interpolador,
apesar de ser tentadoramente simples de obter, não satisfaz aos requisitos (c)
D(ade
e∂(d) , b)uma boa
m
( ) ( )
−1 2 −2
= 2 a1 + a2 / T 2 de função com expressão
k ( −1) a1 + a2 / T
− Vuma 1 conhecida.
=0
aproximadora
∂ a
Também as splines k =1 cúbicas e as curvas de Bézier não foram desenvolvidas
para
456 o propósito deste capítulo. Assim, abordaremos outras técnicas de
aproximação
b de funções com expressão conhecida que forneçam aproximadoras
f ( x) dx =da
I = próximas
mais F (ideal.
b) − F (a ) = A
a
463
f ′( x)6.1.1
= − (1 Aproximação
+ x)−2 por séries de Taylor
464
Segundo o teorema de Taylor: toda função y = f(x) que seja continua-
| Tn − I e em
diferenciável | um domínio [a, b] (ou o equivalente [1, 1] ) pode ser expressa
mente em
diferenciável diferenciável em um
um domínio [a, bdomínio
] (ou o [a, b] (ou o equivalente
equivalente [–1, ser
[1, 1] ) pode 1]) pode
expressa
Tn* expressa exatamente pela série:
ser
exatamente pela série:
exatamente pela série:
*
| Tn − Ie |
f f(( )()(
x x) ) f f(( )()(
x x) 2) f (fn ) ( ( )()(
x x) n)
2 (n) n
(f x()x
f 465 f (f ( ) )
) + + (3a)
(3a) (3a)
b 1!1! 2!2! n !n !
lim T(i ,k ) = f ( x ) dx
k →∞que β ∈ [a, b].
em
a
emque
em que[ a[,ab, ]b.] .
470
Reescrevendo a(3a)
eq. com
(3a) com
f (4) ( xa)a=eq.
Reescrevendo
Reescrevendo (−(3a)
eq.1)( −2)(
com−3)( −4)(1número
número
número x)−5 de
finito
+finito finito de parcelas,
deparcelas,
parcelas, temos:
temos:
temos:
f((4!(1 f (fn ) ( (f)((4))(x(xx) ) n) =f (fn 24
)()(x x+x))−)5 Max 1) ( )( x n)1
(n) n ( n 1) n 1
f ( x
f ( x) ) f
f
(4)
(
f ( ) (
) x
)
f =
+ + 0.75
( )(=x )
x =1 (1 + 1) 5 (3b)
(3b)
1!1! n !n ! (n(n1)!
1)!
479 P ( x)
Pn ( nx ) R ( x)
(3b)
Rn ( nx )
emque
em queootermo
termo
Para m = 6 :
f (fn 1) (()()(x x)n)n11
( n 1)
R ( x ) 12! (3c)
Rn (nx) Max f(n m)1)! (2
( x) = f (12) (1) = (−1)12 = 58472 (3c)
(n 1)! x =1 (1 + 1)(12+1)
éé denominado
denominado de resto da
de resto série ee
da série [ [ , x, )x) éé um
um número
número com
com localização
localização
conhecida,mas
conhecida, masvalor
valordesconhecido.
desconhecido.
1!
1! P ( x) nn !! ((nnR 1)! (3b
(3b
1! n P ( x ) n! (n n (1)!
x)
1)!
Reescrevendo a eq. (3a) com número n
Pn (( xx ))
P
finito de parcelas, temos: Rn ( x
R ( x)
)
em que o termo n R ( x) n
n
em
378
em que
que o
o )termo
termo
f ( )( x ) f ( )( x CÁLCULO
(n)
) n ( n 1)
f NUMÉRICO ( )( x COMPUTACIONAL
) n 1
fem( x)que
f (o termo
n 1 + (3b)
f ( n 1) (( n)( x )
1! x )nn 11 n! (n 1)!
Rn ( x) R ( x) ff (( nn1)1)1) (( )(
)( x ) (
R n ( x) f( n 1)! ( )( x P (x )) n 1
R ( x) (3c
(3c
Rn ( x)
n
((nn 1)! n
(3c
em que ontermo (n 1)!
1)!
em que o termo
é denominado de resto da da série e e [ , x) é um número com comlocalização
localizaç
é
é denominado
é denominado
denominado de nresto
de
de resto
resto da série
da série e
série e [[[ ,,, xxx))) é
é
é
um
um
um
número
número
número com
com localização
localização
f ( n 1)
( )( x ) 1
Rconhecida,
n ( x) mas mas
conhecida, valorvalor desconhecido.
desconhecido. (3c) (3c)
conhecida,
conhecida, mas mas
(n 1)! valor
valor desconhecido.
desconhecido.
Conforme Conforme destacamos
destacamos na naeq.eq. (3b),(3b), a aaprimeira
primeira parte
parte será um
umpolinômio (Px )( xde
é denominado Conforme
Conforme de resto destacamos
da sériena
destacamos na e eq. (3b),
eq. [ , x)a
(3b), primeira
primeira
é um número parte será
parte será
será com um
um polinômioP
polinômio
polinômio
localização Pnnn (( xxn)) de
P )
de
é denominado de resto da série e ξ ∈ (β, x) é um número com locali-
grau grau
n , nn ,, denominado
denominado de aproximador
aproximadordede Taylor da
da yyy ffff((((xxxx)))),,, , se
se aaa asérie
sériefo
grau
zação
grau
conhecida, mas conhecida, denominado
n , valor
denominado masde
desconhecido.valor de
deaproximador
desconhecido.
aproximador de Taylor
de Taylor da
Taylor da se
se série
série fo
fo
convergente,
convergente,Conformesendo destacamos
sendo Rn (( xx)) na
umaeq.estimativa
(3b), a primeira do erro parte de será um polinômio
truncamento.
convergente,
Conforme
convergente, sendo
destacamos sendo xR
Rn (na x) uma
uma
R)nn (eq. (3b),
uma estimativa
a primeiradodo
estimativa
estimativa erro
parte
do erro
erro de
seráde truncamento.
de truncamento.
um polinômio Pn ( x ) de
truncamento.
Pn(x) de grau n, denominado de aproximador de Taylor da y = f(x), se a
Como
Como vamos
vamos padronizar
padronizar o
o domínio [[aa,, bb]] da aproximanda para [1, 1]
grau nsérie
Como for
, denominadoComo convergente,
vamos vamos de sendo Rn(x)
aproximador
padronizar
padronizar o uma dedomínio
odomínio estimativa
Taylor
domínio [ada[,a,bdo b]y] erro
da da
da )aproximanda
f ( xde se a sériepara
, truncamento.
aproximanda
aproximanda parafor [[
para 1, [1]
1, 1]
1,
podemos Como fixarvamoso padronizar
da série emo domínio 0 [a, b] da
(ponto médio aproximandado intervalo para[[–1, 1, 1],
1] ):
convergente,
podemos sendo fixarRo on (x) da
uma
da série em
estimativa do erro demédio
00 (ponto truncamento. do intervalo [[[
1,1, 1] 1] ):
podemos
podemos
podemos fixarfixar fixar
o oda β da série série
série emem
em β = 0(ponto
(ponto (ponto médio
médio
médio dodo do intervalo
intervalo
intervalo [–1, 1]):1, 1]):):
Como vamos padronizar ff (0) ff (0)
x domínio 2
xx 22 [a, b] da (n)
ff (( nn )) (0) n
xx nn
ff (( xx)) ff (0) (0)oxx
f (0) f (0) 2 x
(0) aproximanda
(0)
(fn ) (0) xn Rn (( xx)) para [1, 1] ,
f ( x) f (0) (0)
f (0)
x1! f (0) x2!
f (0) n ! x R
Rnn ( x)
fixar
podemos f ( x)o f da em 1!
(0)série 1! 0 (ponto 2!
2! médio do intervalo n
n !! R[n(1,x)1] ): (4a)
Essa série é 1!
denominada de 2! série de n !
Taylor/Maclaurin e será denotada po
Essa
Essa série série é é denominada
denominada de
de sériesérie de
den Taylor/Maclaurin
Taylor/Maclaurin e e será será denotada
denotada po po
f denominada
(0) x f (0) x de série 2 (n)
f (0) x Taylor/Maclaurin e será denotada
Essa
M f ( x( x
) )
série
.
Essa f série
(0) é é denominada
de
série de de
Taylor e Maclaurin
R ( x ) e será denotada
M nnn (( xx)) ..
M 1! 2! n!
n
) . Mn(x).
M n ( xpor
Essa série é denominada de série de Taylor/Maclaurin e será denotada por
Exemplo
Exemplo6.2:6.2:
Exemplo 6.2:confira confira
confira a relaçãoa de algumas
a relação
relação defunções
de algumas
algumas comfunções
suas sériescom
funções de Taylor
com suas
suas séries
séries de
de
M n ( x) . Exemplo 6.2: confira a relação de algumas funções com suas séries de
eTaylor/Maclaurin:
Maclaurin:
Exemplo 6.2: confira a relação de algumas funções com suas séries
Taylor/Maclaurin:
Taylor/Maclaurin:
xx 222 xx333 xx nnn
Taylor/Maclaurin:
Exemplo 6.2: a)
a) e x
1
confira
x x x
a2! relação x
de
xnalgumas funções com suas séries de
a) ee x
11 xx 3!
!
2!
2! 3!
3! n
n !
!
Taylor/Maclaurin: x 2 x3 xn
a) e x 1 x 2 3 xx 222 xx 444 n xx666 ((1) 1)
n 2n
nn x
xx 22 nn
b) cos( x )
2!
cos(x xx))
1
x1
1 2! x
3! x
4!x x
6!
n
! (
(2n)!1)
b) cos(
a) e 1 x 2!
x
4! 6!
2! 4! 6! (2
(2 nn)!)!
2! 3! n !
x 2 x 4x 22 xx633 x 44 (1)(nx1)2 nnn 11 x nn
b) cos(c)x )
ln(11x2 x)
x x
4
xxx
6 2 3
xx xx(1)
4
x2n
n
((
1)1) n 1 xx n
c)
b) cos( xc)
) ln(1
1
ln(1 xx))2!
xx
4!2 6!3 4 n)! n
(2
2! 4! 6! 2
2 3
3 4
4 (2n)! n
n
x 2 x3 x 4 (1) n 1 x n
c) ln(1 x) xx 2 x3 xx343 x5 5 7x(7 1)n1 x n x 2 n-1
c) ln(1 d)
x) x ( x) 2 x x3 x4 x
arctg n(n1) n 12 n -1
1 x
d) arctg2( x) 3x 4 n (1) ... ... 21n 1
33 55 77 2n
x 3 5 7 n 2 n 1
xx3 xx5 x 7x x 2 n x1
(n 1)
x
(1)
e)
zz2
e)
e) ee dz
dz
2
x
x
00
1!3 2!5 3!7 1!3 2!5 3!7 n !(2
n !(2 n n 1) 1)
x x
x2 2 x3 3 x 4 4 (1) n 1 x n 1 n
f) cos( xx x x x (1) x z 0z 0
f)
0
0
cos( zz )) dz
dz
22* *2!2! 3 *34!
* 4! 4 *4
6!* 6! n(2n
n(2 2)!
n 2)!
polinômio aproximando
polinômio uma composição
aproximando de trêsde
uma composição funções (raiz quadrada,
três funções cosseno
(raiz quadrada, cos
Note
Note que,
a integral).
que, depois
depois
a integral).
CAPÍTULO 6 – de
de truncar aa série
truncar POR
APROXIMAÇÕES série Edo
SÉRIES do Exemplo
376
POR Exemplo 6.2,
6.2, item
FUNÇÕES RACIONAIS item (f),
(f), temos379um
temos um único
únic
polinômio
polinômio aproximando
aproximando uma
uma composição
composição de= 5três
xde t (funções
três x ) = −3 / 7 (raiz
funções (raiz quadrada,
quadrada, cosseno
cosseno e
aa integral).
UmaNote
integral). das
Umagrandes
das
que, dificuldades
grandes
depois na do
dificuldades
de truncar a série aproximação
6.2,de
na aproximação
Exemplo funções
item porum
detemos
(f), séries
funções de Taylo
por séries
único de
é apolinômio
é a determinação aproximando
do
determinação valordo de valor uma
de[ composição
, x) que de três
[ , x)gere
que ogere funções
resto oR resto
n
((raiz Rquadrada,
x) correto, pois ele
n ( x ) correto, poi
cosseno e a integral).
Uma
Uma das
das grandes
desconhecido. grandes dificuldades
dificuldades
A alternativa é estimá-lo nana aproximação
aproximação
pelo seu de
de funções
majorante, funções por
por séries
resultando emde
séries umTaylo
de Taylo
limit
desconhecido. A alternativa é estimá-lo pelo seu majorante, resultando em u
éé aa determinação 379
determinação
máximo máximo errodo
para oUma
para
das
do
de valor
grandes
valor de
truncamento
o erro
[[,R,xx))( xque
dedificuldades
de truncamento n )navia
que gere
gere oo resto
aproximação
R ( x) via
restode funções correto,
RRnn((xx)) por pois
pois ele
séries de
correto, ele é
Taylor é a determinação do valor de ξ ∈ (nβ , x) que gere o resto Rn(x) correto,
desconhecido.
desconhecido. AA alternativa
pois ele éalternativa éé estimá-lo
desconhecido. estimá-lo pelo
n 1 pelo380seu seu majorante,
majorante, peloresultando
resultando
seu majorante, em
em um
um limite
limit
x xAM alternativa é estimá-lo
n 1
nn11
(n + 1)!
xx M M 382
Erro
Erro Taylor
Taylor((xx)) ,, onde
ondeM
onde
( n 1)
max ff ( n1)((xx))
M max n +1 (4b) (4)
(4)
A seguir, vamos exemplificar ((nn
o1)!
1)!
uso do majorante no
xx[[aa,b,b]]
erro de x−β M
truncamento.
A seguir, vamos exemplificar o uso Erro do majorante
Maclaurin Max no erro
= de truncamento.
M = max f
( n + 1)! x∈[ a ,b ]
384
A seguir, vamos exemplificar o uso do majorante no erro de truncamento.
AA seguir, vamos exemplificar oo uso do
do majorante no
noxerro xde dextruncamento.
x5 ) +ef(x(−,x1))xxe[+x,(1,−x1)1
2 3 4 n n
seguir, vamos exemplificar uso majorante erro truncamento.
Exemplo 6.3a: delimite
Exemplo 6.3a: delimite o erro omáximo
erro cometido − x +ao aproximar
e− x = 1cometido
máximo − ao − f+( x⋯
+ aproximar
Exemplo 6.3a: delimite o erro máximo cometido 2! ao 3! aproximar
4! 5! f(x) = exn, ! (n
por Maclaurin com .
porxMaclaurin
∈ [–1, 1] por n
com 5 n 5 . com n = 5.
Maclaurin
x
Exemplo
Exemplo
Solução: 6.3a:
6.3a: delimite
delimite oo erro
erro máximo
máximo cometido cometido
385 ao aproximar ff ((xx)) ee x,, xx
ao aproximar [[1,1, 1] 1
Solução: x
Solução: 5−z1 dz = 05
x 3
x 5
x7
1 0 0 0
2
por
por Maclaurin
Maclaurin com com nn55.. f (5 1) e
( ) (5x1)(0 ) x 0 x1
0
+ x 1
+ x 2
− + x 4
+ + x 6
−
1!3 2!5 3!
Pelo resto
Pelo da
Pelo série
resto
resto da da R5 ( x⇒
série
série ) R ( x) f 0
Solução:
Solução: 5 (5 1)! (5 1)! = c x + c x + c x + c x + c x + c x + c x 6
0 1 2 3 4 5
1 2 3 4 5 6 7
tomamos tomamos
o seu valor o seu valor
máximo, máximo,
(5
(51) na
(())naxx
ffna ausência
1) 388
ausência
5511
00 do valor do valor de
, em ξ, em que
Pelo tomamos
Pelo resto
resto da
da série
série o seu R
valor
R55((xx)) máximo,
ausência dode valor de que , em que
2k − 1 2k
(5
(5 1)!1)! xTn (α k)1 = cos n * arcos cos π = cos n
emxex=1em 11 . x 1 . 2n
(6)
M max M f max (x) f(6)M ( x) max
M e max e e xem
x[ 1, 1] x[ 1, 1]
tomamos
tomamos oo seuseu valorvalor máximo, máximo, na
x[ 1, 1]
na ausência
ausência do
do valor
x[ 1, 1]
390 valor de de ,, em em que que
e x 0e1 x x0xb = 211 f ( x) * Ti ( x)dx = 2 π m f ( x )T ( x )
1 5 1
5 1 +1
MM max
Erro Maclaurin
max ff
(6)
(6)
(
(x
(
x)
x))
MM( x) max max
ee i eeπ em em xx121.. j
xx[[Erro Maclaurin j i
1,1,1]
1] (5 xx1)!
[[1,1,1] −1 1− x π m j =1
(51] 1)!
2 j −1
Esse éEsseo limite 5511 x j = cos do intervalo.
x específico π , ∀ j = 1, 2,..., m
é odo errodo local,
erroepara xxum
11
limite elocal, 00para um x específico
2 m do intervalo.
Erro
ErroéMaclaurin
Maclaurin ((xx))
Na expressão Esse o limite do
do errododeerro erro local,
(5
Maclaurin, para
1)!
(5Maclaurin,
1)! como um x específico
391como do intervalo.
NaNa expressão de x [ 1,x1] ,[ o1,erro
1] , omáximo
erro máximoglobal globa
ocorr
expressão do erro de Maclaurin, como f ( x) =x a∈0 *[–1,
T0 + 1], o1 erro
a1 * T + a2 *máximo
(T2 + T0 ) global
2 + a3 * (T3 + 3T1 ) /
Esse
com |ééxcom
Esse o
o 0limite
limite do
do5xerro 1 –local,
erro 5 + 1 para
local, para um
=um
1x,xentão xx específico
específico do
do intervalo.
intervalo.
ocorre 0com
|5| 1x em | 1|x
em ou x0|x1 em
ou 1ou 1 , xentão
= –1, então
+ a4 * (T4 + 4T2 + 3T0 ) 8 + ... + ET1
Na
Na expressão
expressão do do erroerro de de Maclaurin,
Maclaurin, como
como f (Txx)[b[1, 1],, oo erro
1, 1] erro máximo
máximo globalglobal ocorre
ocorr
51 = 0 + b1T1 + b2T2 + ⋯ + bnTn + ET1
1 0 e1
com || xx00Erro
com |5|511 emMaclaurin
em xx11 ouou xx (5
1 ,, então
11)! então 0.003775
394
x
e
Esse é o limite
Esse é do erro do
o limite global, para opara
erro global, intervalo padrão
o intervalo padrão 1] . 1].
[ 1, [–1,
x x 2 x3 x 4 x5 (1)n x n (1)n 1 x n 1
e 1 x
CAPÍTULO 6 – APROXIMAÇÕES POR SÉRIES E POR FUNÇÕES RACIONAIS
381
2! 3! 4! 5! n! (n 1)!
Rn ( x )
51
f (51) ( ) x 0
a) a) Peloresto
Pelo restoda série ⇒
da série R5 ( x) ,,
(5 1)!
tomamos o seu valor máximo, com
tomamos
tomamos
tomamos o oseuoseu
seu valor máximo,
valor
valor máximo,
máximo, com
com com
1) em x 1 .
(6) x ( 1)
M max (6)f (6) (6) ))
((xx M max
xe xx (e
em
MM max
x[ 1, f1] f
max ( x )
M M max
max
x e
[ 1, 1] e e e((em
1) 1)
em . 1.
x xx=–1.
1
x[ 1, 1]
x[ x1,[
1]1, 1] x[ 1, 1]
x[ x1,1]1, 1]
[
51
e x 501 555111
1
1
11
Erro Maclaurin( x)e ex x0 0 x [1, 1]
Erro Maclaurin
Erro Maclaurin ( x)(
x) (5 1)! xx[ 1,
[1, 1] 1]
(5 (51)!
1)!
Esse é o limite do erro local válido, para um x específico do inte
Esse
Esse
Esse éé ooélimite
limitedodo
o limite do
erroerro
erro
local local
local
válido, válido,
válido,
para umpara
xparaumumx específico
específico xdoespecífico
intervalo.dodointerv
inte
Tomandoo oerro
Tomando erro global
global máximo máximo nasnasnas extermidades
extermidades do interval
do intervalo,
Tomando
Tomandoo oerro erro global
global máximo
máximo nasextermidades
extermidades dodointervalo,
interval
em x = :–1:
x : 11 :
x x1
51 1
1 501 55111 e11
Erro Maclaurin Max 1 1 0 0 e e 0.003775
Erro Maclaurin
Erro
Maclaurin Max Max (5 1)! 0.003775 0.003775
(5 (51)!
1)!
b) Como essa série de Maclaurin é de termos com sinais altern alter
b) b)Como
Comoessa essasérie
sériededeMaclaurin
Maclauriné édedetermos termoscom comsinais
sinaisalterna
altern
b) Como
podemos essa série
aplicarde Maclaurin
o Teorema é convergente
1 tomando e de otermos com sinais
primeiro termo aband
podemos
podemos
alternados, aplicar
aplicar
podemos o Teorema
Teorema
o aplicar o 1Teorematomando
1 tomando o primeiro
o primeiro
1 tomando termo
termo
o primeiro abandon
aband
termo de n 5 , em
depoisabandonado x 1n, logo:
depois = 5, em x = +1, logo:
depois
depois dede n n5, 5em, emx x1de, 1logo:
, logo:
5 1 51
(51) (1)
1 5511 5 1 5511
Erro Maclaurin Max (1) (1) (1)(1) 0.001388889
Erro
Erro Maclaurin
Maclaurin
Max Max (5 1)! 0.001388889 0.001388889
(5 (51)! 1)!
Então,
Então, considerando
considerando que
que os dois teoremas de cálculo de erros má
Então, considerando que osos dois dois teoremas
teoremas dede cálculo
cálculo dede erros
erros máximá
Então,
são considerando
válidos, podemosque as duas
tomar formas o menorde cálculo de erros
limite do máximos
erro, 0.0013888
são
são
são válidos,
válidos,
válidos, podemos
podemos
podemos tomar
tomar
tomar o menor o o menormenor
limite dolimite
limite do erro,
erro,do0.001388889
erro, 0.0013888
0.001388889
ordem
de ordem dede10 310
3
, ,para
para oo aproximadordede Maclaurin de grau n 5:
n =n 5:
o aproximador Maclaurin de
degrau
33–3
ordem
ordem dede 10 10 ,para
, parao aproximador
aproximador dede Maclaurin
Maclaurin grau
de grau n5: 5 :
2 3 4 5
x 2 x 22 3 x 33 4 x 44 5 x 55
e x M ( x ) 1 xx x x x x x x x
e xex
M ( x555)(
5M x)1 1x x 2!
3! 4! 5!
2! 2! 3! 3! 4! 4! 5! 5!
Como
Como
Como
x( a ,b ]
388 n nnão n é
388énulosempre sempre
xx[[aa,b,b]]
é sempreímpar, ímpar,
ímpar, então então
entãon + n1será 1 n será
1
sempre serápar,
sempre sempre par,
Como
M = n
|sen(1)| é = sempre
sempre
0.841470984807897, ímpar,
ímpar, então
então e esse n n 1 1
erro será
será
é máximo sempre
sempre em par,
par,
2k − 1 , eesse ,2kecos 1erro
−esse é2kmáximo
− 1 máximo
2k − 1 em
k1 −,=1) xπ1(2
M
T=
M
xM n (α
sen
sen
1,sen
k )então
=(1) (1)T (n0.841470984807897
cos 0.841470984807897
α*k arcos
) = cos cos n *arcos,,eπ cos =erro
esse π n erro
= coséπ n =em cos xπ(2 cos
então , en
= 0k −
(1) n0.841470984807897
0.841470984807897 2 n e
esse 2 n
erro éé máximo2
máximo
n emem
x 2x
n
1 ,
1 então
,
então 2
n 1 n 1
390 390 1 1 n1
n0 1 00.84147098 0.841470986 6
Erro
Erro Maclaurin
Maclaurin Max +Max 11 00 0.84147098
0.84147098 10 10
2Maclaurinf ( x ) * TMax ( ) 2
+1
2 ( ) ( ) 21)!
1
Erro
Maclaurin Max x f x
* T π x m
n =
(dx ( 1)!
n π m10 1066
bi = bi = i dx = i ((nn 1)! f ( x ) T ( x )
1)! j i j x j )Ti ( x j )
f (
π −1 1 − xπ −1 1 − 2 π x m j =1 π m j =1
2
Para
Para
Para nn
n 777( (nn(n11par),par),
1 par),
Para n =72(n j −+ 111par), 2 j −1
par),
x j = cos x j = πcos ,∀ j 1=1,π 2,...,
n ,1 ∀ mj = 1, 2,..., m
2m 211m 00
n0
n11
0.84147098
0.84147098
n 1
0.84147098
Erro Maclaurin
Erro
Erro Maclaurin
Maclaurin
MaxMax
Max 1 0 0.84147098 2.0869816
2.0869816
2.0869816 ee05e05( 05
O( O(10(O
(10
5(10
)5).) ).
5
) ). 5
391
Erro Maclaurin 391 Max ((nn( n1)! 1)!
1)! 2.0869816e 05 ( O(10 )
f ( x) = a0 * Tf0 (+x)a1=* T
a10 +* Ta02+* (aT12* +
T1T+0 )a22*+(Ta23+* T (n 1)!
(T03) +23+T1a)3/ *4(T3 + 3T1 ) / 4
Para
Para nn999,,,
Para nn
Para
* (T
= 9,
+ a4 9
Para n , 4 + 4+T2a4+*3(T04)+n841n+T21...++3TE0T1) 8 + ... + ET1
f (T )Maclaurin
= b0 fb1(TT1Max
)+Max
=b2bT02++11b11T00+0+
2b n2T
b0.84147098
T ET1+ bnT2.318868
0.84147098 ET1 e 07
n 1
+ ⋯ +n+⋯
0.84147098 n +2.318868 O 7
Erro
Erro Maclaurin
Erro Maclaurin
Max 1
1 (
n 0 n
1)!
1
0.841470982.318868 ( O(10
e e07(07 (O
(13)
(10 )7 )).).7 ) ). (13)
(10
b)
b) Como essa
alternados, essa série
série
podemos de Maclaurin
de Maclaurin
aplicar oéTeorema é convergente
convergente 1: e de termose com
de termos
sinais com si
b) Como
alternados, essa série de
podemos Maclaurin
aplicar o Teorema é convergente
1: 1: e de termos com
alternados, x3 podemos
x5 x7 aplicar(o 1)Teorema
i 2 i 1
x
sen ( x) x podemos
alternados, aplicar o Teorema 1:
3! x3 5! x5 7! x 7 (2i(1)
1)!i x 2i 1
sen( x) x x3 x5 x 7 (1)i x 2i 1
sen ( x )
Para a aproximação x 3! 5! 7! (2i7, 1)!
3! 5! de 7! grau n (2 i por
1)! exemplo, o primeiro termo
Para a aproximação
abandonado é de grau de grau n 74, , por exemplo, o primeiro te
Para a aproximação
Para a aproximação de9,grauobtido
den = com
grau
7, porni exemplo,
7 , poro primeiro
exemplo, o primeiro
termo
abandonado
abandonado
i 2 4 1 ééé de
dede grau
grau 9, obtido
9, obtido com
comcom i 4
i = 4,i 4 ,,
(abandonado
1) (1) *
grau 9, obtido
2.755732 e 06
(2(* 1)
4 i (1)
1)!2*41
( 1)i (1) 2 41
2.755732ee06
2.755732
*
(2 * 4 1)!
06
Logo, (2 *pelo
4 1)! Teorema 1, ao abandonar o termo de grau n 2i 1 9 , já
Logo, pelo
Logo,
teremos erro Teorema
pelo Teorema
de truncamento1,1,ao
aoabandonar
máximo dao otermo
abandonar termode
ordem dede grau (10n6 )n.2 iEntão,
Ograu 21i 19
Logo, pelo Teorema 1, ao abandonar o termo de grau n = 2i + 1 = 9, 6
teremos
já teremos erro
teremos erro dede
de truncamento máximo dada ordem –6 dedeO (10O(10) .6são )En
considerando erro
que os truncamento
truncamento
dois teoremasmáximo máximo
da ordem
de cálculo de ordem
O(10
de erros). Então,
máximos .
considerando que
considerando
considerando que
queas duas
os
osadoisformas
dois de cálculo
teoremas
teoremas decálculo
dede erros máximos
cálculode de erros sãomáximos
erros máxim
válidos,
válidos, podemos tomar a aproximação de grau n = 7, garantindo o erro
podemos tomar aproximação de grau n 7 , garantindo
válidos,
válidos,
o erro máximo podemos
podemostomar tomar aaaproximação
6 O(10–6): de
aproximação degrau
graun n 7,7garantindo
, garantindo o
máximo global daglobal ordem dade ordem
O(10de ):
máximo
máximo global globalda daordem
ordemde deOO (10
(10 66 :
) :)
3 5 7
x x x
sen( x) M 7 ( x) x x3 3 x5 5 7x 7
x x 7!x
sen((xx)) M
sen M 7((xx))
xx3!
3!5!
3! 5!5! 7!7!
7
Exemplo 6.6: determine o grau n mínimo para aproximar f(x) = ln(1 + x),
Exemplo 6.6:1]determine
x ∈ (–1, o grau
por Maclaurin comn mínimo para da
erro máximo aproximar
ordem defO(10 ). x) , x (1, 1]
x) –6ln(1
(
Exemplo 6.6: determine o grau n mínimo para aproximar f ( x ) ln(1 x) , x
Exemplo 6.6: determine o grau n mínimo para6aproximar f ( x) ln(1 x) , x (
por Maclaurin
Solução: com erro máximo da ordem de O(10 ) . 6
por Maclaurin com erro máximo da ordem de O(10 ).
por Maclaurin
Nesse com aerro
exemplo, máximo
aplicação do da ordem de
majorante do O (106 ) . do resto da série de
teorema
Solução:
Solução:
Taylor e Maclaurin, dada pela eq. (4), gera erro máximo tendendo ao infinito
Solução:
Nesse exemplo,
quando
Nesse exemplo, a aaplicação
x tende a –1. Então,do
aplicação majorante
a aplicação
do do do
majorante teorema
majorante doteorema
nesse
do teorema resto da
não série
do resto da desé
Nesse exemplo, a aplicação do majorante do teorema do
tem valia prática, pois de nada adianta saber que o erro máximo é inferior resto da série
a infinito. Como essa série de Maclaurin é de sinais alternados, podemos
aplicar o Teorema 1:
aylor/Maclaurin,
pois de nada dadaadiantapela eq. (4),
saber quegerao erroerro máximo
máximo tendendo
é inferior ao infinito
a infinito. essaxsé
quando
Como
aylor/Maclaurin, dada pela eq. (4), gera erro máximo tendendo ao infinito quando x
ende 1 . Então,
deaMaclaurin a aplicação
é de do majorante
sinais alternados, podemos nesse teorema
aplicar não tem
o Teorema 1: valia prática,
ende 384
1 . Então,
ois dea nada adiantaa saber
aplicaçãoque do majorante
máximonesse teorema não tem valia prática,
CÁLCULO NUMÉRICO COMPUTACIONAL
o erro é inferior a infinito. Como essa série
Na página 384, 1ª linha, leia-se:
ois de nada éadianta saberx que
2
x o erro
3
x máximo
4
(1)é inferior
n 1 n
x (1) a infinito.
n 2 n 1
x Como essa série
e Maclaurin desinais
ln(1 x) x alternados,
podemos aplicar o Teorema 1:
e Maclaurin é de sinais x32 x 43
x 2 alternados, 4podemos n(1)no2 xTeorema
(1)n 1 x naplicar n 1 n 1
1:
ln(1 x) x Rn ( x )
em que
2x 2 3x3 4x 4 (n1)n 1 x n (n1)1n 2 x n 1
ln(1 x) x 2 3 4 Rn ( x ) 2 n 1
x x x (1)nn 1 x n (1)nn 1x
ln(1 x) x (21)n 32 xn 1 4 6
Rn ( x) 2 3 4 10 n n 1)
Rn ( x
em que n 1
m que Rn ( x )
Então, podemos
m que Na página navaliar
2 n
(1) xlinha 3: 61 o limite do erro de truncamento pelo 1º termo abandona
Rn ( x) 429, n 2 n 1 10
com x 1 : (1)n 1x
Rn ( x) 106
Então, podemos n 1
(1)avaliar
n2 o limite do erro de truncamento pelo 1º termo abandonado
Então, 10 Onde
6
seonlê 1000000
limite Leia-se
om x podemos
1Então,
avaliar
npodemos oavaliar
limite do errododeerro truncamento
de truncamento pelo 1º termo
D pelo 1D termo D
abandonado
o
: D 1 D D
0com x = 1: 0 0 0 0 0
om x 1abandonado
: n 2que
Note a1 a ,série a2 do Exemplo a 6.6 possui
velocidadea
de a convergência a mu
(1) , ... , 1 1 , 2 , ... , n 1
n 2 10
6
n 1000000
lenta,(nimplicando
1) 1
106 a necessidade
nn ≥ 1000000 de uma grande quantidade de termos pa
1000000
Note nque
assegurar
1
umaa sérieprecisãodo Exemplo 6.6 possui baixa.
ainda relativamente velocidade de convergência muito
enta,Note que a série
implicando do Exemplode6.6uma
aquenecessidade possui velocidade
grande quantidade de convergência
de muito
OutraNote característicaa série do daExemplo
aproximação 6.6 possui por velocidade
Taylor/Maclaurin é atermos
de convergência para
não distribuiç
enta, implicando
muito lenta, aimplicando
necessidade de uma
a necessidade grande quantidade de termos para
ssegurar
uniforme umados precisão
erros ainda
no o quedeexige
relativamente
domínio, uma
baixa. grande
grande quantidade
número de determos
termos nas séri
ssegurar para
uma assegurar
precisão umaainda precisão ainda relativamente
relativamente baixa. baixa.
Outra
com característica
convergência lenta
Outra característica da para aproximação
daassegurar
aproximação por
erros Taylor/Maclaurin
pormínimos (comé picos
Taylor e Maclaurin a não distribuição
é a máximos
não semp
Outra característica
distribuição uniforme da aproximação
dosAssim,
oerros
queno por
domínio, Taylor/Maclaurin é a não distribuição
niforme dos erros
localizados nos no domínio,
extremos). oexige
tempo deo resposta
grande que exige pode
número grande
de termos número
ficar nas alto
muito séries ou a
niforme de termos
dos erroslenta nas séries
no domínio, com convergência
o que erros lenta
exige mínimos para assegurar
grande número erros mínimos
de termos nassempre
séries
om convergência
proibitivo. para assegurar (com picos máximos
(com picos máximos sempre localizados nos extremos). Assim, o tempo de
om convergência
ocalizados nos extremos).lenta paraAssim, assegurar errosdemínimosresposta(com podepicosficar máximos
muito altosempre
resposta pode ficar muito altooou tempo
até proibitivo. ou até
ocalizados
roibitivo. nos extremos). Assim, o tempo de resposta pode ficar muito alto ou até
Exemplo 6.7: calcule o erro máximo exato ao aproximar f ( x) e x , x [ 1, 1] p
roibitivo.Exemplo 6.7: calcule o erro máximo exato ao aproximar f(x) = ex, x ∈ [–1, 1]
Maclaurin com grau
por Maclaurin comngrau 5 .nLembre-se
= 5. Lembre-se que, no no
de que, Exemplo
Exemplo6.3a, 6.3a, oolimite
limite do erro
Exemplo do6.7:
truncamento errocalcule
de o erro em
foitruncamento
estimado máximo
foi 0.003775
estimado exato .emao aproximar f ( x) e , x [ 1, 1] por
0.003775.
x
uncamento e x foi
Mestimado
5 ( x ) 1 xem 0.003775 (M( 5M(x) x ) obtido
5 (obtido porde
por série série de Maclaurin)
Maclaurin)
Solução: 2! 3! 4!. 5!
Solução:
x 2 xErro 3 4
xexato x 5Maclaurin ( x) M ( x) e x
e x M 5 ( x) 1 x 2 3 4 5 ( M 5 ( x ) obtido 5por série de Maclaurin)
x2! x3! x4! x5!
e x M 5 ( x) 1 x ( M 5 ( x ) obtido por série de Maclaurin)
2! 3! 4! 5!
x
Erro exato Maclaurin ( x) M 5 ( x) e x
1.0 0.5 0 0.5 1.0
Erro exato Maclaurin Erro ( x ) exato Maclaurin ( x) M 5 ( x) e x
0.0012128 0.000020243 0 0.000023354 0.00161516
x os erros exatos
Observe que 1.0 ficaram0.5
todos abaixo
0 do limite
0.5 do erro 1.0
de truncamen
CAPÍTULO 6 – APROXIMAÇÕES POR SÉRIES E POR FUNÇÕES RACIONAIS 385