Escolar Documentos
Profissional Documentos
Cultura Documentos
Limites e Continuidade
se, dado qualquer número real > 0, existe um número real δ>0 tal que
1
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 2
Denição 3. {xn }∞
Sejan=1 uma sequência innita de números reais. Esta
sequência tem um limite x (converge para x) se, para todo > 0 existe
um inteiro N () tal que |xn − x| < sempre que n > N (). A notação
lim xn = x, ou xn → x quando n → ∞,
n→∞
a. f é contínua em x0 ;
b. Se {xn }∞
n=1 é qualquer sequência em X convergindo para x0 , então
Diferenciabilidade
f (x) − f (x0 )
f 0 (x0 ) = lim
x→x0 x − x0
existe. O número f 0 (x0 ) é chamado a derivada de f em x0 . Uma função
que tem derivada em todos os números do conjunto X é diferenciável em X .
A derivada de f em x0 é o declive da reta tangente ao gráco de f no
ponto (x0 , f (x0 )), como se pode ver na gura 1.2.
Integração
Zb n
X
f (x)dx = lim f (zi )∆xi ,
max ∆xi →0
a i=1
Zb n
b−aX
f (x)dx = lim f (xi ),
n→∞ n
a n=1
Zb Zb
f (x)g(x)dx = f (c) g(x)dx.
a a
Zb
1
f (c) = f (x)dx.
b−a
a
Polinómios de Taylor
onde
e
f (n+1) (ξ)
Rn (x) = (x − x0 )n+1 .
(n + 1)!
Pn é chamado o polinómio de Taylor de ordem n para f em
Aqui
torno de x0 e Rn é chamado o resto (ou erro de truncatura) associado a
Pn . Uma vez que o número ξ no erro de truncatura Rn depende do valor de
x onde Pn está a ser calculado, é uma função da variável x. Contudo, não
devemos esperar que seja possível determinar esta função ξ(x). O Teorema
de Taylor apenas garante que esta função existe e que o seu valor estará
entre x e x0 . De facto, um dos problemas em métodos numéricos é tentar
determinar um valor majorante realista para o valor de f (n+1) (ξ) quando x
pertence a um intervalo especíco.
As séries innitas obtidas tomando o limite de Pn quando n→∞ são
chamadas séries de Taylor de f em torno de x0 . No caso particular em
que x0 = 0, os polinómios de Taylor são chamados de polinómios de Ma-
claurin e as séries de Taylor são chamadas de séries de Maclaurin.
O termo relativo ao erro de truncatura no polinómio de Taylor refere-se
ao erro envolvido em usar a truncatura, ou soma, nita, para aproximar a
soma de uma série innita.
Solução: Uma vez que f ∈ C ∞ (R), o Teorema de Taylor pode ser aplicado
para qualquer valor n ≥ 0. Além disso,
f 0 (x) = − sin x, f 00 (x) = − cos x, f 000 (x) = sin x e f (4) (x) = cos x,
logo,
f (0) = 1, f 0 (0) = 0, f 00 (0) = −1 e f 000 (0) = 0.
a. Para n=2 e x0 = 0, temos
Exercícios 1.1
1. Mostre que as seguintes equações têm pelo menos uma solução nos
intervalos dados.
a. x − 3−x = 0
b. 4x2 − ex = 0
c. x3 − 2x2 − 4x + 2 = 0
d. x3 + 4.001x2 + 4.002x + 1.101 = 0
3. Mostre que f 0 (x) é igual a zero pelo menos uma vez no intervalo indi-
cado.
±0.d1 d2 . . . dk × 10n , 1 ≤ d1 ≤ 9, e 0 ≤ di ≤ 9,
π = 0.31415265 . . . × 101 .
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 12
|p| ,
desde que p 6= 0.
Vamos determinar o erro absoluto e o erro relativo em representar p por
p∗ no próximo exemplo.
Solução:
(a) Para p = 0.3000 × 101 e p∗ = 0.3100 × 101 o erro absoluto é Ea (p) = 0.1
e o
−1
erro relativo é Er (p) = 0.3333 × 10 .
A denição seguinte utiliza o erro relativo para dar uma medida dos
algarismos signicativos corretos para uma aproximação.
y − f l(y)
.
y
então
y − f l(y) 1
≤ × 10−k = 101−k .
y 0.1
5 1
x= = 0.714285 e y= = 0.3
7 3
implica que os valores de xey na notação em vírgula utuante com 5 dígitos
e por truncatura são
Assim,
5 1 22
O valor exato é x+y = 7 + 3 = 21 , e por isso temos
22
Ea (x + y) = − 0.10476 × 101 = 0.190 × 10−4
21
e
0.190 × 10−4
Er (x + y) = = 0.182 × 10−4 .
22/21
A tabela seguinte lista os valores deste cálculo e dos restantes.
Solução: Estes números foram escolhidos para ilustrar alguns problemas que
podem ocorrer na aritmética das operações-máquina em vírgula utuante.
Como x e u são praticamente iguais, a sua diferença é pequena. O erro
absoluto para x u é
Esta aproximação tem um erro absoluto pequeno, mas um erro relativo grande
0.47143 × 10−5
≤ 0.136.
0.347143 × 10−4
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 16
A perda de precisão devido a aproximações às vezes pode ser evitada
através de uma reformulação dos cálculos como será ilustrado na próxima
observação.
x1 = −0.01610723 e x2 = −62.08390.
Logo,
−62.10 + 62.06 −0.04000
f l(x1 ) = = = −0.02000,
2.000 2.000
que é uma aproximação pobre para x1 = −0.01611, pois tem um grande erro
relativo,
−0.01611 + 0.02000
≈ 2.4 × 10−1 .
−0.01611
Por outro lado, o cálculo de x2 envolve a adição de dois números pra-
√
ticamente iguais, −b e b2 − 4ac. Isto não representa qualquer problema,
pois
−62.10 − 62.06 −124.2
f l(x2 ) = = = −62.10
2.000 2.000
que tem um erro relativo pequeno
−62.08 + 62.10
≈ 3.2 × 10−4 .
−62.08
Podemos obter uma aproximação mais precisa utilizando os mesmo 4
dígitos e o arredondamento, se mudarmos a forma da fórmula resolvente
através da racionalização:
√ √ !
−b + b2 − 4ac −b − b2 − 4ac b2 − (b2 − 4ac)
x1 = √ = √ ,
2a −b − b2 − 4ac 2a(−b − b2 − 4ac)
−2c
x1 = √ . (1.2)
b + b2 − 4ac
Usando (1.2) obtemos
−2.00 −2.000
f l(x1 ) = = = −0.01610,
62.10 + 62.06 124.2
que tem o pequeno erro relativo 6.2 × 10−4 .
A técnica de racionalização também pode ser utilizada para o cálculo de
x2 ,
−2c
x2 = √ . (1.3)
b − b2 − 4ac
Esta fórmula é a que devemos utilizar se b for um número negativo. A
utilização incorreta desta fórmula resultaria não apenas na subtração de dois
números muito próximos, mas também na divisão por essa pequena diferença.
A imprecisão que esta combinação produz,
−2.000 −2.000
f l(x2 ) = = = −50.00,
62.10 − 62.06 0.04000
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 19
Aritmética Aninhada
x x2 x3 6.1x2 3.2x
Exato 4.71 22.1841 104.487111 135.32301 15.072
Truncatura (3 dígitos) 4.71 22.1 104. 134. 15.0
Arredondamento (3 dígitos) 4.71 22.2 105. 135. 15.1
Do mesmo modo,
e
3.2x = 3.2 · 4.71 = 15.072 que se arredonda para 15.1.
O valor exato é
(Devem vericar com cuidado estas contas para ter certeza que a vossa
notação de aritmética com número nito de dígitos está correta.)
Os erros relativos para estes dois métodos são
−14.263899 + 13.5
Truncatura: ≈ 0.5,
−14.263899
e
−14.263899 + 13.4
Arredondamento: ≈ 0.6.
−14.263899
−14.263899+14.2
Três dígitos (truncatura):
−14.263899 ≈ 0.0045;
−14.263899+14.3
Três dígitos (arredondamento):
−14.263899 ≈ 0.0025.
Exercícios 1.2
a. p = π , p∗ = 22/7 b. p = π , p∗ = 3.1416
√
c. p = e, p∗ = 2.718 d. p = 2, p∗ = 1.414
e. p = e10 , p∗ = 22000 f. p = 10π , p∗ = 1400
√
g. p = 8!, p∗ = 39900 h. p = 9!, p∗ = 18π(9/e)9
de p.
a. p=π b. p=e
√ √
c. p= 2 d. p= 37
a. p = 150 b. p = 900
c. p = 1500 d. p = 90
a. 4
5 + 1
3 b. 4
5 · 1
3
c. 1 3 3
d. 1 3 3
3 − 11 + 20 3 + 11 − 20
11. Seja
x cos x − sin x
f (x) = .
x − sin x
a. Calcule limx→0 f (x).
b. Aproxime por arredondamento com quatro dígitos o valor de f (0.1).
c. Substitua cada função trigonométrica pelo correspondente polinó-
mio de Maclaurin de ordem 3 e repita a alínea (b).
12. Seja
ex − e−x
f (x) = .
x
a. Calcule limx→0 f (x).
b. Aproxime por arredondamento com três dígitos o valor de f (0.1).
c. Substitua cada função trigonométrica pelo correspondente polinó-
mio de Maclaurin de ordem 3 e repita a alínea (b).
a. 1 2
3x
123
− 1
4 x+ 6 =0
b. 1 2
3x + 123 1
4 x− 6 =0
c. 1.002x2 − 11.01x + 0.01265 =0
d. 1.002x2 + 11.01x + 0.01265 = 0
For i = 1, 2, . . . , n
Set xi = a + i · h
ou controladas por uma condição, tais como,
else.
N
Ilustração 2.
P
O algoritmo seguinte calcula x1 +x2 +· · ·+xN = xi , dados
i=1
N e os números x1 , x2 , . . . , xN .
INPUT N, x1 , x2 , . . . , xN .
SU M = N
P
OUTPUT i=1 xi .
Passo 1 Set SU M = 0. (Iniciar o acumulador )
Passo 2 For i = 1, 2, . . . , N do
Passo 3 OUTPUT(SU M ).
STOP.
N
X (−1)i+1
PN (x) = (x − 1)i ,
i
i=1
Solução:
P∞
Do Cálculo sabemos que se n=1 an é uma série alternante com
limiteA cujos termos decrescem em magnitude, então A e a soma parcial
= N
P
AN n=1 an diferem por menos do que a magnitude do termo N + 1, isto
é,
|A − AN | ≤ |aN +1 |.
O próximo algoritmo utiliza este majorante.
Passo 1 Set N = 1;
y = x − 1;
SU M = 0;
P OW ER = y ;
T ERM = y ;
SIGN = −1. (alternância de sinal )
Passo 2 While N ≤ M do Passos 3-5.
P OW ER = P OW ER · y ;
T ERM = P OW ER/(N + 1). (calcula próximo termo.)
OUTPUT (N );
STOP. (procedimento ok )
STOP.
O input para o nosso problema é x = 1.5, tol = 10−5 e talvez M = 15.
Esta escolha de M fornece um limite superior para o número de cálculos
que estamos dispostos a realizar, reconhecendo que o algoritmo é susceptível
de falhar se este limite for excedido. Se o output é um valor para N ou a
mensagem de erro depende da precisão do dispositivo computacional.
Implementando, por exemplo, no Python, temos
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 26
Caracterizando Algoritmos
10
pn = pn−1 − pn−2 , para n = 2, 3, . . . .
3
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 28
cada passo), de modo que, no nal, obtém-se um intervalo que contém o va-
lor verdadeiro. Infelizmente, um intervalo muito pequeno pode ser necessário
para uma implementação razoável.
Taxas de Convergência
Uma vez que as técnicas iterativas envolvendo sequências são usadas com
frequência, esta seção conclui com uma breve discussão de algumas termi-
nologias usadas para descrever a taxa a que ocorre a convergência. De um
modo geral, gostaríamos que a técnica convergisse o mais rapidamente possí-
vel. A seguinte denição é utilizada para comparar as taxas de convergência
de sequências.
Denição 10. ∞
Suponhamos que {βn }n=0 é uma sequência que sabemos que
∞
converge para zero e {αn }n=0 converge para um número α. Se existir uma
constante positiva K tal que
1
βn = ,
np
para algum número p > 0. Geralmente estamos interessados no maior p com
αn = α + O(1/np ).
Exemplo 10. Suponhamos que, para n ≥ 1,
n+1 n+3
αn = e α
bn = .
n2 n3
Ambos limn→∞ αn = 0 e limn→∞ α
bn = 0, mas a sequência {b
αn } converge
para este limite muito mais rapidamente do que a sequência {αn }. Utilizando
a aproximação por arredondamento com cinco dígitos, temos os valores con-
forme podemos ver na tabela abaixo. Determine a taxa de convergência destas
duas sequências.
n 1 2 3 4 5 6 7
n+1 n+n 1
|αn − 0| = 2
≤ 2
= 2 · = 2βn
n n n
e
n+3 n + 3n 1
|b
αn − 0| = 3
≤ 3
= 4 · 2 = 4βbn .
n n n
Logo, a taxa de convergência de {αn } para zero é similar à taxa de con-
1
vergência de { n } para zero, enquanto que {bαn } converge para zero a uma
1
taxa similar à sequência de maior taxa de convergência { 2 }. Expressamos
n
isto escrevendo
1 1
αn = 0 + O e α
bn = 0 + O ,
n n2
ou simplesmente,
1 1
αn = O e α
bn = O .
n n2
1 1
cos h = 1 − h2 + h4 cos ξ,
2 24
para algum número ξ entre 0 e h. Isto implica que
1 1
cos h + h2 = 1 + h4 cos ξ.
2 24
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 32
Assim,
1 1 1
cosh + h2 −1 = cos ξ h4 ≤ h4 ,
2 24 24
1 2
logo, quando h → 0, cos h + 2 h converge para o seu limite, tão rapidamente
4
quanto h converge para 0. Isto é,
1
cos h + h2 = 1 + O(h4 ).
2
cuja resposta é
1
cos x = 1 − x2 + O(x4 ).
2
para indicar que o termo de menor grau no erro de truncatura é x4 .
Exercícios 1.3
P∞
1. O número de Neper, e, é denido por e = n=0 (1/n!), onde n! =
n(n−1)(n−2) . . . 2 · · · 1 para n 6= 0 e 0! = 1. Utiliza a aproximação por
truncatura com quatro dígitos para calcular as seguintes aproximações
para e, determinando também os erros absolutos e relativos.
5 5
a. 1
b. 1
P P
e≈ n! e≈ (5−j)!
n=0 j=0
10 10
c. 1
d. 1
P P
e≈ n! e≈ (10−j)!
n=0 j=0
CAPÍTULO 1. INTRODUÇÃO À ANÁLISE NUMÉRICA 33
n
X x2i−1
arctan x = lim Pn (x) = lim (−1)i+1 .
n→∞ n→∞ 2i − 1
i=1
precisão?
a. lim sin n1 = 0
n→∞
b. lim sin n12 = 0
n→∞
c. d.
2
lim sin n1 = 0 lim [ln(n + 1) − ln(n)] = 0
n→∞ n→∞
8. As fórmulas (1.2) e (1.3) na Seção 1.2 dão uma forma alternativa para
as raízes x1 e x2 ax2 + bx + c = 0. Construa um
da equação quadrática
algoritmo com input a, b, c e output x1 , x2 que calcule as raízes x1 e x2
(que podem ser iguais ou complexos conjugados) recorrendo à melhor
fórmula para cada raiz.