Escolar Documentos
Profissional Documentos
Cultura Documentos
MÉTODOS NUMÉRICOS
Prof.: Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto.
Fevereiro de 2020.
Curitiba – Paraná.
1
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto.
INTRODUÇÃO
Esta Apostila de Notas de Aula da Disciplina de Métodos Numéricos tem por objetivo apresentar as
formulações dos Métodos Numéricos de uso mais frequente nos Problemas de Engenharia.
Os assuntos são organizados e apresentados de forma lógica sendo distribuídos em sete capítulos:
No Capítulo 1 são abordados os Erros Numéricos.
No Capítulo 2 são apresentados os Métodos para a Determinação dos Zeros de Funções
Transcendentes.
No Capítulo 3 são apresentados os Métodos de Solução dos Sistemas de Equações Lineares, sendo
este dividido entre Métodos Diretos e Métodos Indiretos.
No Capítulo 4 são apresentados os Métodos de Solução dos Sistemas de Equações Não Lineares.
No Capítulo 5 são apresentados os Métodos para o Ajuste de Curvas.
No Capítulo 6 são apresentados os Métodos de Interpolação Numérica.
Finalmente, no Capítulo 7 são apresentados os Métodos de Integração Numérica.
Ao longo desta Apostila são apresentados exercícios resolvidos, exercícios para atividade dos alunos em
sala de aula e exercícios propostos ao final de cada capítulo.
As demonstrações matemáticas abstratas não fazem parte do escopo deste trabalho, sendo substituídas
por exercícios resolvidos e interpretações gráficas, os quais apresentam os métodos de maneira mais direta e
objetiva. Ocasionalmente, recorre-se a algumas definições e argumentos matemáticos, os quais são
imprescindíveis para qualquer formulação analítica ou numérica.
No início desta apostila é apresentado um formulário de Derivadas e Integrais, para eventual consulta
dos alunos, caso haja alguma dúvida a respeito deste tema já abordado em disciplinas anteriores.
Recomenda-se ao aluno que realize os exercícios propostos em sala de aula, tendo a orientação do
professor. Os exercícios propostos ao final de cada capítulo, bem como as listas de exercícios servirão de
reforço ao aprendizado e de preparação para os testes.
Nesta disciplina, é imprescindível o uso de calculadoras. Em alguns exercícios, especialmente os
propostos, os alunos devem utilizar um computador para confeccionar os gráficos, montar as planilhas e
facilitar os cálculos.
Desejo a todos meus alunos um excelente curso e sucesso na futura carreira profissional!
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 2
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 3
SUMÁRIO
Introdução..............................................................................................................................................................5
1-Erros Numéricos................................................................................................................................................7
1.1-Erros de processamento numérico.....................................................................................................7
2-Zeros ou Raízes de Equações Transcendentes................................................................................................8
2.1-Teorema de Bolzano ou Teorema do Valor Intermediário.............................................................8
2.2-Técnica do Desdobramento................................................................................................................8
2.3-Método da Bissecção ou Dicotomia....................................................................................................9
2.4-Método da Regula Falsi (Falsa Regra ou Falsa Posição)...............................................................10
2.5-Método de Newton-Raphson............................................................................................................11
2.6-Método das Secantes.........................................................................................................................12
2.7-Método de Halley...............................................................................................................................12
Exercícios Propostos................................................................................................................................13
3-Solução de Sistemas de Equações Lineares...................................................................................................14
3.1-Métodos Diretos de Solução de Sistemas de Equações Lineares..................................................14
3.1.1-Método da Eliminação de Gauss.......................................................................................14
3.1.2-Método da Matriz Inversa de [A]......................................................................................15
3.1.3-Método da Decomposição [L][U].......................................................................................17
3.2-Métodos Indiretos de Solução de Sistemas de Equações Lineares...............................................18
3.2.1-Método de Gauss-Jacobi....................................................................................................18
3.2.2-Método de Gauss-Seidel.....................................................................................................20
3.2.3-Convergência dos Métodos de Gauss-Jacobi e Gauss-Seidel.........................................22
3.2.4-Método S.O.R. (Sucessive Over Relaxation).....................................................................23
Exercícios Resolvidos...................................................................................................................24
Exercícios Propostos....................................................................................................................27
4-Solução de Sistemas de Equações Não Lineares...........................................................................................28
4.1-Conceito de Não Linearidade...........................................................................................................28
4.2-Método de Newton.............................................................................................................................29
4.3-Método de Newton Modificado........................................................................................................30
Exercícios Propostos....................................................................................................................31
5-Ajuste de Curvas..............................................................................................................................................32
5.1-Método dos Mínimos Quadrados.....................................................................................................32
5.1.1-Cálculo do Coeficiente de Determinação R².....................................................................35
Exercícios Propostos....................................................................................................................37
6-Interpolação......................................................................................................................................................39
6.1-Interpolação por Sistemas (Vandermonde)....................................................................................39
6.2-Interpolação de Lagrange.................................................................................................................41
6.3-Interpolação usando Diferenças Divididas Finitas.........................................................................43
6.3.1-Polinômios Interpoladores de Gregory-Newton..............................................................44
6.3.2-Polinômios Interpoladores de Gauss................................................................................44
6.3.3-Polinômios Interpoladores de Stirling..............................................................................44
6.3.4-Polinômios Interpoladores da Diferença Central (Bessel e Everett).............................44
Exercícios Propostos....................................................................................................................46
7-Integração Numérica.......................................................................................................................................48
7.1-Fórmulas de Newton-Cotes..............................................................................................................48
7.1.1-Regra dos Trapézios...........................................................................................................48
7.1.2-Regra dos Trapézios Composta.........................................................................................51
7.1.3-Regra de Simpson de (1/3).................................................................................................53
7.1.4-Regra de Simpson de (1/3) Composta...............................................................................54
7.1.5-Regra de Simpson de (3/8).................................................................................................54
7.1.6-Regra de Simpson de (3/8) Composta...............................................................................56
Exercícios Propostos....................................................................................................................57
Referências Bibliográficas..................................................................................................................................59
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 4
Introdução.
Matemática Analítica:
y f ( x) u v
dy y f ( x x) f ( x)
solução : y lim x 0 lim x 0 .
dx x x
y f ( x) u v aplicando (ln) na igualdade.
ln( y ) ln(u v ) ln( y ) v. ln(u ) y ev. ln( u ) u v
d (u v ) d (ev. ln( u ) ) u
ev. ln( u ) .v. ln u v. .
dx dx u
Matemática Numérica:
A Matemática Numérica é construtiva, do ponto de vista iterativo, a solução é aproximada e possui erros
os quais devem ser minimizados em uma rotina ou algoritmo numérico.
y f ( x) x 5 6.x 3 0 Solução : Serão 5 raízes ? Quais são reais ? Que Método utilizar ?
A lg orítmo de Briot Ruffini ? Re lações de Girard ?
ou Métodos para o Cálculo de raízes de uma função ?
Observação: Para uma função linear, basta igualar a zero e isolar a variável. Para uma função do segundo grau,
recorre-se a Fórmula de Bhaskara e obtêm-se duas raízes, também é possível utilizar as Relações de Girard.
Para funções do terceiro grau e ordens superiores pode-se empregar o Algoritmo de Briot-Ruffini ou as
Relações de Girard. Bhaskara Akaria, astrônomo e astrólogo indiano, (1114-1185). Charles Auguste Briot,
matemático francês, (1817-1882). Paolo Ruffini, médico e matemático italiano, (1765-1822). Albert Girard,
matemático Francês, (1595-1632).
Relações de Girard:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 5
Exercício em sala de aula: Dada a função abaixo, desenvolva as Relações de Girard e encontre analiticamente
4 3 2
suas raízes. y f ( x) x 7.x 12.x 4.x 16 0 .
sin( x); cos( x); tan( x); sec( x); csc( x); cot( x);
arcsin( x); arccos( x); arctan( x ); arc sec( x); arc csc( x); arc cot( x);
sinh( x); cosh( x); tanh( x); sec h( x); csc h( x); coth( x);
arcsin h( x); arccos h( x); arctan h( x); arc sec h( x); arc csc h( x); arc coth( x);
e x ; log( x); ln( x); a x ; a1 / x ; etc.
Como extrair uma raiz da função com várias parcelas de funções transcendentes:
3 2
y f i x 5. ln( x) cos( x) e 2. x 8 x ?
i
Para isso, recorre-se aos Métodos Numéricos.
A solução numérica de um problema (físico, químico, biológico ou um fenômeno natural o qual possa ser
quantificado e modelado matemáticamente), pode ser representado pelo seguinte fluxograma na Figura abaixo:
Algoritmo: É uma seqüência de instruções ordenadas de maneira lógica a qual produz a solução para um
problema específico. O algoritmo numérico deve ter os seguintes passos:
Observação: A palavra algarismo é atribuída ao matemático árabe Buchafar Mohamed Abenmusa Al-
Kuarizmi, que designa os símbolos introduzidos pelos árabes para representar os números.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 6
1-Erros Numéricos.
A-) Erros Inerentes: Fora de controle, implementação utilizando-se dados incorretos do problema.
B-) Erros de Arredondamento: Está ligado à precisão da máquina utilizada (número de dígitos limitados).
overflow|------------------------------------|underflow 0 underflow|--------------------------------|overflow
Mn mn mp Mp
Onde:
Mn = Máximo negativo.
mn = Mínimo negativo.
mp = Mínimo positivo.
Mp = Máximo positivo.
Observação:
Número pequeno + Número grande – Número pequeno ≠ Número grande.
Número grande + Número pequeno – Número grande ≠ Número pequeno.
Desde que qualquer um deles esteja na região de underflow ou de overflow, conforme cada caso.
Prática em sala de aula: Testar a precisão das máquinas* para os números abaixo:
e 2,718281828459045235360287... Número de Euler , (base dos log aritmos neperianos) obtido por :
1
x k
x 2 x3 x k 1
e lim h0 (1 h ) ; ou e x
h
1 x ... ... x .
k 0 k! 2! 3! (k 1)!
3,141592653589793... Obtido pela divisão do perímetro de uma circunferência pelo seu diâmetro.
* A precisão está associada ao número de casas decimais das máquinas utilizadas:
1 10 NÚMERO DE CASAS .
Observação: Leonhard Paul Euler, matemático e físico suíço (1707-1783). A palavra logaritmo deriva do
grego de logos (lugar), e arithmós (número). A origem dos logaritmos é atribuída ao matemático, físico,
astrônomo, astrólogo e teólogo escocês John Napier (1550-1617), em sua obra intitulada Mirifici
Logarithmorum Canonis Descriptio, publicado em 1614.
Ocorre pela interrupção de um processo infinito, por exemplo, o número e. Também ocorre em uma
discretização de um domínio infinito, pois limita-se o domínio a uma região ou a um subconjunto para tratar o
problema e posteriormente generalizar o modelo de representação através de uma integração, por exemplo, seja
ela temporal e/ou espacial.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 7
2-Zeros ou Raízes de Equações Transcendentes.
Determinar um zero, ou uma raiz de uma função, consiste em satisfazer a seguinte igualdade:
Seja uma função y = f(x) contínua e diferenciável no intervalo I = [a,b], se f(a).f(b)<0, então existe ao
menos uma raiz pertencente ao intervalo I = [a,b], matematicamente:
Observação: Bernard Placidus Johann Nepomuk Bolzano (1781-1848), matemático, teólogo e filósofo da
antiga Boemia, atual República Checa.
2.2-Técnica do Desdobramento.
Seja o problema de determinar uma raiz da função y = f(x) = cos(x) – x. Como o objetivo é de
determinar uma raiz, então deve-se fazer, y = f(x) = 0, o que gera, y = cos(x) – x = 0, o que implica em cos(x) =
x, desta forma, houve um desdobramento em duas funções, g(x) = cos(x) e h(x) = x. Na intersecção de g(x) com
h(x), tem-se a raiz procurada.
Observação: No caso de uma função com várias parcelas de funções transcendentes, pode-se desdobrar da
maneira mais conveniente possível a função, associando-a sempre em duas partes, como por exemplo:
3 2 3 2
y f i x 5. ln( x) cos( x) e 2. x 8 x , g ( x) cos( x), h( x) 5. ln( x) e 2. x 8 x .
i
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 8
2.3-Método da Bissecção ou Dicotomia.
b1 a1 a1 b1
p1 a1 .
2 2
ab
xk , para k 1,2,3,..., n iterações.
2
Observação: Para cada nova escolha dos valores do novo intervalo a ser dividido, deve-se
OBRIGATÓRIAMENTE testar os extremos do intervalo através do Teorema de Bolzano. O não cumprimento
deste teste resulta em divergência numérica.
Repete-se o algoritmo até que a precisão desejada seja satisfeita pelo critério de parada apropriado. Este
método possui uma taxa de convergência linear.
Critérios de Parada.
Em um algoritmo deve ser imposto um critério de parada para que o processo numérico seja
interrompido. Dentre os critérios de parada mais utilizados destacam-se o número de iterações e os cálculos dos
erros numéricos abaixo:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 9
Erro absoluto, ou diferença entre passos de iteração: Este é acompanhado da unidade do problema.
xk xk 1 .
Erro relativo a cada iteração: Este é um valor absoluto em porcentagem (sem unidade).
xk xk 1
.
xk
f ( xk ) .
Exercício em sala de aula: Determine a raiz da função f(x) = 5.ln(x) – sin(x), pertencente ao intervalo I = [1,2],
utilizando o Método da Bissecção para 5 iterações. Compute os erros numéricos a cada iteração, considere
como critério a precisão a ser assumida f ( x k ) .
O Método da Falsa Posição é um método iterativo que gera aproximações com retas secantes e conta
com um teste para assegurar que a raiz esteja no intervalo. Inicialmente escolhe-se (p 0) e (p 1), sendo
f(p0).f(p1)<0, de acordo com o Teorema de Bolzano. Liga-se o ponto ((p 0),f(p 0)) a ((p1),f(p1)), formando-se uma
reta secante à função. Esta reta intercepta o eixo (x) em uma nova aproximação da raiz, ou seja, (p2). Testa-se
agora o novo ponto ((p2),f(p2)) com ((p 0),f(p 0)) e ((p1),f(p1)), através do Teorema de Bolzano. Assim, escolhe-se
dois pontos que satisfaçam o Teorema de Bolzano. Ou seja, a pergunta a ser respondida é: a raiz está entre (p0)
e (p2)? Ou entre (p 2) e (p1)? Uma vez escolhido o novo intervalo repete-se o procedimento até que seja satisfeito
o critério de parada.
b. f (a) a. f (b)
xk , para k 1,2,3,..., n iterações.
f (a) f (b)
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 10
Exercício em sala de aula: Determine a raiz da função f(x) = 5.ln(x) – sin(x), pertencente ao intervalo I = [1,2],
utilizando o Método da Regula Falsi para 5 iterações. Compute os erros numéricos a cada iteração, considere
como critério a precisão a ser assumida f ( x k ) .
2.5-Método de Newton-Raphson:
Esse método é bastante utilizado, podendo ser derivado formalmente a partir da expansão de uma função
em uma Série de Taylor, retendo os termos de primeira ordem. Porém, a justificativa geométrica é bem mais
fácil de entender e pode ser vista na figura abaixo, onde, por aproximações sucessivas, chega-se ao zero da
função.
f ( xk )
xk 1 xk , para k 0,1,2,3,..., n iterações.
f ( xk )
Observação: Brook Taylor, matemático britânico, foi membro da Royal Society, (1685-1731). Sir. Isaac
Newton, astrônomo, alquimista, filósofo natural, teólogo e cientista inglês, foi membro da Royal Society,
(1643-1727). Joseph Raphson, matemático inglês (~1648-~1715).
Exercício em sala de aula: Determine a raiz da função f(x) = 5.ln(x) – sin(x), pertencente ao intervalo I = [1,2],
utilizando o Método de Newton-Raphson para 5 iterações. Compute os erros numéricos a cada iteração,
considere como critério a precisão a ser assumida f ( x k ) .
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 11
2.6-Método das Secantes:
Para evitar o cálculo da derivada no Método de Newton-Raphson, introduz-se uma pequena variação.
Por definição:
f ( x) f ( pn1 )
f ( pn1 ) lim x pn1 , fazendo x pn2 , tem se :
x pn1
f ( pn2 ) f ( pn1 ) f ( pn1 ) f ( pn2 )
f ( pn1 ) lim pn2 pn1 ,
pn2 pn1 pn1 pn2
f ( pn1 )
seja pn pn1 de Newton Raphson, substituíndo se, obtêm se :
f ( pn1 )
f ( pn1 ).( pn1 pn2 )
pn pn1 , para n 1,2,3,..., n iterações.
f ( pn1 ) f ( pn2 )
f ( a ).(a b)
xk a , para k 1,2,3,..., n iterações.
f ( a) f (b)
Observação: O Método das Secantes e o Método da Regula Falsi produzem a mesma taxa de convergência
superlinear. Também produzem os mesmos resultados numéricos a cada iteração, por utilizarem retas secantes
de aproximação. São variantes de um mesmo dispositivo numérico de aproximação através de retas secantes,
porém suas fórmulas de recorrência são diferentes.
Exercício em sala de aula: Determine a raiz da função f(x) = 5.ln(x) – sin(x), pertencente ao intervalo I = [1,2],
utilizando o Método das Secantes para 5 iterações. Compute os erros numéricos a cada iteração, considere
como critério a precisão a ser assumida f ( x k ) .
2.7-Método de Halley:
Desde que a função seja contínua e possua derivadas ordinárias até a terceira ordem, a fórmula de
recorrência deste método pode ser escrita tendo como base o Método de Newton-Raphson considerando-se a
Série de Taylor com seus termos de ordem superior até a segunda derivada ordinária.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 12
Formula de Recorrência do Método de Halley:
2. f ( xk ). f ( xk )
xk 1 xk , para k 1,2,3,..., n iterações.
2. f ( xk ) f ( xk ). f ( xk )
2
Este método possui taxa de convergência cúbica, sendo mais eficiente do que o Método de Newton-Raphson, o
qual possui taxa de convergência geométrica.
Observação: Edmond Halley, matemático, geofísico, astrônomo real, meteorologista, cartógrafo, filósofo,
demógrafo e físico britânico. Foi membro da Royal Society, amigo de Sir Isaac Newton o qual ajudou a
publicar suas três leis da mecânica. Estudou a periodicidade das órbitas dos cometas, atribui-se o nome do
cometa Halley às suas descobertas, (1656-1742).
Exercício em sala de aula: Determine a raiz da função f(x) = 5.ln(x) – sin(x), pertencente ao intervalo I = [1,2],
utilizando o Método de Halley para 5 iterações. Compute os erros numéricos a cada iteração, considere como
critério a precisão a ser assumida f ( x k ) .
Exercícios Propostos:
Utilizando os Métodos: Bissecção, Regula Falsi, Secantes, Newton-Raphson e Halley, determine as raízes das
funções elencadas abaixo dados seus respectivos intervalos. Utilize a Técnica do Desdobramento para ilustrar
as funções. Verifique a Pertinência das raízes em seus respectivos intervalos utilizando o Teorema de Bolzano.
Para todos os métodos empregados utilize todas as casas decimais da calculadora. Como critério de parada
utilize 5 iterações para o Método de Newton-Raphson e Halley (se possível), e para os demais métodos utilize 8
iterações. Compute o erro de cada iteração como sendo o módulo da função para a raiz aproximada (|f(xk)| =
Utilize uma Tabela para organizar cada método empregado e seus respectivos valores computados. Observe que
cada exercício deve ser feito pelos cinco métodos distintos. Apresente as respostas finais aproximadas
acompanhadas do respectivo erro numérico. Finalmente, em cada função analisada pelos diferentes métodos,
apresente uma conclusão baseando-se no que foi possível observar, como por exemplo: tipo de convergência,
acurácia entre os métodos, etc.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 13
3-Solução de Sistemas de Equações Lineares:
Dado um sistema de equações lineares de ordem (n x n), ou seja, de (n) equações por (n) variáveis:
A solução deste sistema virá com o vetor solução {x} que satisfaça simultaneamente a todas as
equações. Os métodos de solução do sistema de equações lineares podem ser divididos em Métodos Diretos e
Métodos Indiretos. Nos métodos diretos a solução do sistema de equações lineares virá de forma analítica,
enquanto que nos métodos indiretos a solução virá através de algoritmo ou rotina numérica.
Estas operações visam o escalonamento do sistema de equações lineares. Uma vez com o sistema de
equações lineares já escalonado, (Matriz Triangular Superior), a solução é obtida através da substituição
retroativa das variáveis, ou Retrosubstituição.
Exemplo 1: Resolver o seguinte sistema de equações lineares pelo Método da Eliminação de Gauss.
x1 2.x2 3.x3 9 1 2 3 9 L1 L1 1 2 3 9 L1 L1
2.x1 x2 x3 8 2 1 1 8 L2 L2 (2).L1 0 5 5 10 L2 L2
3.x x 3 3 0 1 3 L3 L3 (3).L1 0 6 10 24 L3 L3 (6 / 5).L2
1 3
1 2 3 9 x1 2.x2 3.x3 9 x1 2
0 5 5 10 5.x 5.x 10 Re trosubstituição x 1 Re sposta : S .P.D. x 2 1 3T .
2 3 2
0 0 4 12 4.x3 12
x3 3
Observação: Carl Friedrich Gauss, matemático, físico e astrônomo alemão, considerado como Arquimedes e
Newton, um dos maiores expoentes matemáticos de toda história, (1777-1885).
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 14
Exemplo 2: Resolver o seguinte sistema de equações lineares pelo Método da Eliminação de Gauss.
x3 1
Exercício em sala de aula: Resolver os seguintes sistemas de equações lineares pelo Método da Eliminação de
Gauss.
x1 x 2 x3 4
2.x1 x 2 2.x3 5 Re sposta : S .P.D. x 3 1 0 .
T
x x 3. x 2
1 2 3
x1 2.x 2 3. x3 10
3. x1 4. x2 6.x3 23 Re sposta : S .I .
3. x 2. x 3.x 10
1 2 3
x1 3. x2 2.x3 x4 2
T
x1 2.x 2 x3 2.x4 1 Re sposta : S .P.I . x 1 7.x3 4.x4 1 3.x3 x4 x3 x4 .
x 7.x 4.x 1
1 3 4
Dado um sistema de equações lineares de ordem (n x n), ou seja, de (n) equações por (n) variáveis,
escrito na forma matricial [A]{x}={b}. Para que haja a solução deste sistema através da Álgebra Linear, tem-se:
x1
x2
A1 Ax A1b I x A1 b A1 A I A b.
1
xn
Desde que exista a matriz inversa de [A], a solução do sistema de equações lineares torna-se possível.
Para sua existência é necessário que a mesma seja quadrada, e que det([A])≠0, assim, será chamada de matriz
não-singular.
Exemplo de Cálculo da Matriz Inversa: Cargas horizontal e vertical (Px) e (Py) e um momento (M)
são aplicados a uma viga em balaço de comprimento (L), como mostrado na figura.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 15
Na extremidade livre, o alongamento (x), a deflexão (flecha) (y) e o ângulo de giro (), são
relacionados da seguinte maneira:
0 L2 / 2.E.I L / E.I M
Onde (E), (A) e (I) são respectivamente o módulo de elasticidade do material (módulo de Young), a área
de secção transversal da viga, e o momento de inércia de área de secção transversal da viga. A matriz linear
anterior é positiva definida e é chamada de matriz de flexibilidade da estrutura.
A-) Obter a inversa da matriz de flexibilidade, (matriz de rigidez), [K]. Considere os seguintes dados:
E=200tf/cm²; A=400cm²; L=3,0m e I=50.000cm4.
B-) Usando o resultado do item anterior, calcular as cargas (Px), (Py) e o momento (M) correspondentes
aos deslocamentos x=0,0035cm; y=3,0cm e =0,018rad.
K 1 K I
L / E. A 0 0 k11 k12
k13 1 0 0
0 3
L / 3 .E.I L / 2.E.I . k 21
2
k 22 k 23 0 1 0; Operacionando,
0 L2 / 2.E.I L / E.I k31k32 k33 0 0 1
k11 k12 k13 E. A / L 0 0
K k 21 k 22
k 23 0 12.EI / L 3 2
6.E.I / L Matriz de Rigidez.
2
k 31 k 32 k33 0 6 .E.I / L 4.E.I / L
Px E. A / L 0 0 x
F K x Lei de Hooke. Py 0 12.EI / L3 6.E.I / L y Usando o S .I .
2
M 0 6.E.I / L2 4.E.I / L
Px 266,67 0 0 0,000035
6
Py 0 4,44 6,67.10 0,03
M 0 6,67 13,33 0,018
Px 9,33kN ; Py 13,33kN ; M 40kN .m.
Observação: Thomas Young, físico, médico e egiptólogo britânico, (1773-1829). Robert Hooke, cientista
experimental inglês, (1635-1703).
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 16
Exercício em sala de aula: Considerando-se o problema anterior, determine o alongamento (x), a deflexão
(flecha) (y) e o ângulo de giro (), produzidos respectivamente pelas cargas horizontal e vertical (Px=10kN) e
(Py=15kN) e um momento (M=50kN.m).
Uma matriz quadrada pode ser escrita como o produto de duas matrizes:
4 3 1 0 4 3
8 5 2 1 0 1 A LU .
Onde [L], (lower), é a matriz triangular inferior com (1) na diagonal principal, e [U], (upper), é matriz
triangular superior obtida através da eliminação de Gauss. Definições das matrizes:
L lii 1, i. e l ji m ji , j i.
U Obtida por triangularização (escalonamento),
A LU ,
1 0 0 a11 a12 a13
A m21 1 0 0 a22 a23 .
m31 m32 1 0 0 a33
Ax b,
LU x b,
1º ) L y b, Substituição Sucessiva ( Ativa ),
2º ) U x y, Substituição Re troativa (Re trosubstituição).
Exemplo de Cálculo da Decomposição [L][U]: Dado o sistema de equações lineares abaixo, resolva-o
utilizando a Decomposição [L][U].
3.x1 4.x2 x3 9 3 4 1
0
x1 2.x2 2.x3 3 A 1 2 2 ;
4.x 3.x 2 4 0 3
1 3
Etapa 1 Zerar termos abaixo do pivô a11 :
(0 ) (0 )
L1 L1 3 4 1
a21 1 a31 4
A 0 10 / 3 5 / 3 ;
(1)
m21 ( 0 ) ; m31 (0 ) ; L2 L2 (m21 ).L1
a11 3 a11 3
L3 L3 ( m31 ).L1 0 16 / 3 13 / 3
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 17
Resolução do Sistema de Equações Lineares por Decomposição [L][U]:
1º ) L y b, Substituição Sucessiva ( Ativa),
y1 9
(1 / 3). y1 y2 3 y 9 0 14 ;
T
7.x3 14
Exercício em sala de aula: Em uma empresa são produzidos quatro tipos de computadores, os quais requerem
de quatro espécies de recursos à produção: mão de obra, metais, plásticos e componentes eletrônicos. Estas
quantidades de recursos necessárias para a produção de cada tipo de computador são:
Considere um consumo diário de 504 horas de mão de obra, 1970 kg de metais, 970 kg de plásticos e 601
componentes. Use a decomposição [L][U] para calcular o número de computadores (número inteiro) de cada
tipo produzidos por dia.
3.2.1-Método de Gauss-Jacobi:
Dado um sistema de equações lineares de ordem (n x n), ou seja, de (n) equações por (n) variáveis:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 18
Considerando a seguinte decomposição aditiva da matriz [A]:
A D L U .
Onde [D] é uma matriz diagonal, [L] e [U] são matrizes triangulares (inferior e superior) com diagonal
nula. O sistema de equações lineares [A]{x}={b}, pode então ser escrito da seguinte forma:
Generalizando-se para um sistema de equações lineares de ordem (n x n), tem-se a seguinte fórmula de
recorrência:
Para dar início ao procedimento numérico iterativo é necessário atribuir um vetor de aproximação inicial, (chute
inicial), {x}(0).
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 19
Exemplo de Cálculo do Método de Gauss-Jacobi: Dado o sistema de equações lineares abaixo, resolva-o
aplicando o Método de Gauss-Jacobi para cinco iterações. Atribua o vetor de aproximação inicial como sendo o
vetor nulo e considere quatro casas de precisão após a vírgula.
10.x1 x2 2.x3 6
x 11.x x 3.x 25
1 2 3 4
12. x x 2 10. x 3 x 4 11
3.x2 x3 8.x4 15
k 1 k k
x1 (1 / 10).x2 (1 / 5).x3 (3 / 5);
k 1 k k k
x2 (1 / 11).x1 (1 / 11).x3 (3 / 11).x4 (25 / 11);
k 1 k k k
x3 (1 / 5).x1 (1 / 10).x2 (1 / 10).x4 (11 / 10);
k 1 k k
x4 (3 / 8).x2 (1 / 8).x3 (15 / 8).
Os resultados apresentados na tabela abaixo são relativos ao Método de Gauss-Seidel, fazer utilizando o
Método de Gauss-Jacobi e comparar.
k 0 1 2 3 4 5
k 0,0000 0,6000 1,030 1,0065 1,0009 1,0001
x1
k 0,0000 2,3272 2,037 2,0036 2,0003 2,0000
x2
k 0,0000 -0,9873 -1,014 -1,0025 -1,0003 -1,0000
x3
k 0,0000 0,8789 0,9844 0,9983 0,9999 1,0000
x4
A solução exata deste problema é o vetor {x}={1, 2, -1, 1}T. Obviamente, a precisão neste exercício está
associada ao número de casas fixadas na máquina. Porém, torna-se necessário apresentar o cálculo dos erros
numéricos para a solução do sistema de equações lineares.
Critérios de Parada.
Pode-se empregar o cálculo do erro relativo durante o procedimento numérico. Este é apresentado na
forma da Norma Infinito.
x k 1 x k
.
x k 1
x 5 x 4 0,0008
5
0,0004.
x 2,0000
Observação: Karl Gustav Jacob Jacobi, matemático alemão, estudou as funções elípticas, a mecânica celeste, a
mecânica analítica e a teoria dos números, (1804-1851).
3.2.2-Método de Gauss-Seidel:
Dado um sistema de equações lineares de ordem (n x n), ou seja, de (n) equações por (n) variáveis:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 20
a11 .x1 a12 .x2 ... a1n .xn b1
a .x a 22 .x2 ... a 2 n .xn b2
21 1
a n1.x1 a n 2 .x 2 ... a nn .xn bn
A D L U .
Onde [D] é uma matriz diagonal, [L] e [U] são matrizes triangulares (inferior e superior) com diagonal
nula. O sistema de equações lineares [A]{x}={b}, pode então ser escrito da seguinte forma:
Observa-se no Método de Gauss-Seidel uma pequena variante do Método de Gauss-Jacobi, a qual estão sendo
atualizadas as raízes a cada fórmula de recorrência, e não sendo atualizadas ao final de cada iteração. Esta
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 21
atualização torna o método mais eficaz, do ponto de vista de convergência quando comparado ao método
anterior.
Para dar início ao procedimento numérico iterativo é necessário atribuir um vetor de aproximação inicial, (chute
inicial), {x}(0).
Exemplo de Cálculo do Método de Gauss-Seidel: Seja o seguinte sistema de equações lineares abaixo, cuja
solução exata é dada por {x}={3, 4, -5}T. Utilizando o Método de Gauss-Seidel com uma aproximação inicial
{x}(0) = {1, 1, 1}T, tem-se:
4.x1 3.x2 24
3.x1 4.x2 x3 30, Isolando se xi em cada linha Li ,
x 4.x 24
2 3
Comparando-se as soluções numéricas com a solução exata dada por {x}={3, 4, -5}T, observa-se que:
Método de Gauss-Seidel:
Em relação às raízes:
Em (x1) ocorre uma série convergente da direita para a esquerda, ou seja, (3←5,25);
Em (x2) ocorre uma série convergente da esquerda para a direita, ou seja, (3,8125→4);
Em (x3), ocorre uma série convergente da esquerda para a direita, ou seja, (-5,046875→-5).
De maneira geral, a convergência do método é monotônica.
n
aii aij .
j i
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 22
3.2.4-Método S.O.R. (Sucessive Over Relaxation):
Este método está associado a uma aceleração na convergência dos demais métodos indiretos de solução
dos sistemas de equações lineares. Sua fórmula de recorrência pode ser apresentada por:
i-) Assumindo > 1, pode-se acelerar a convergência dos resultados, chamada de (sobre-relaxação);
ii-) Assumindo < 1, pode-se tornar o método mais estável, para 0 < < 1 chamada de (sub-relaxação);
iii-) Se [A] é simétrica e positiva definida, o método converge para qualquer 0 < < 2.
Teorema (Kahan):
Se a ii ≠ 0, para cada i = 1,2,3,...,n, então o método S.O.R. pode convergir somente se 0 < < 2.
Teorema (Ostrowski-Reich):
Se [A] é uma matriz positiva definida e 0 < < 2, então o método S.O.R. convergirá para qualquer
escolha de aproximação inicial x (0).
Exemplo de Cálculo do Método S.O.R.: Considere o seguinte sistema de equações lineares do exemplo
anterior:
4.x1 3.x2 24
3.x1 4.x2 x3 30.
x 4.x 24
2 3
k 1 k
x1 0,75.x2 6;
k 1 k 1 k
x2 0,75.x1 0,25.x3 7,5;
k 1 k 1
x3 0,25.x2 6.
k 1 k k
x1 0,25.x1 0,9375.x2 7,5;
k 1 k 1 k k
x2 0,9375.x1 0,25.x2 0,3125.x3 9,375;
k 1 k 1 k
x3 0,3125.x2 0,25.x3 7,5.
Utilizando uma aproximação inicial {x}(0) = {1, 1, 1}T, e considerando-se sete casas decimais, cuja solução
exata é dada por {x}={3, 4, -5}T, os resultados são apresentados na tabela abaixo:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 23
Método de Gauss-Seidel utilizando-se do S.O.R. com = 1,25:
A idéia geral do método é que soma-se um erro na presente iteração (as variáveis vem acompanhadas de
25% de erro na presente iteração, desde que se desconte o mesmo erro na iteração anterior, ou seja, -0,25.x1, -
0,25.x2 e -0,25.x3). Com este dispositivo matemático (sem sentido físico), acelera-se a convergência.
De maneira geral, a convergência do método é oscilatória (não necessariamente alternada entre esquerda
e direita, nem obrigatoriamente nesta ordem e tampouco sempre oscilatória, pois há períodos monotônicos
dentro das oscilações). Finalmente, as respostas tendem a convergir mais rapidamente para a solução exata, o
que requer um número menor de iterações. Isto pode ser verificado a cada iteração computando-se os erros
(absolutos e relativos) e comparando-se entre os métodos empregados.
Considerando-se o seguinte sistema de equações lineares abaixo, e utilizando-se sete casas decimais:
4.x1 3.x2 24
3.x1 4.x2 x3 30.
x 4.x 24
2 3
Exercícios Resolvidos:
Exercício 1: Seja o sistema linear com a matriz dos coeficientes proposta por Collatz.
1 2 2 x 1
1 1 1 y 6
2 2 1 z 9
Gauss-Jacobi Gauss-Seidel
x0 = 0; y0 = 0; z0 = 0 (Solução inicial) x0 = 0; y0 = 0; z0 = 0 (Solução inicial)
Tolerância: 1 x 10-5 Tolerância: 1 x 10 -5
Número de iterações = 4 Número de iterações = 490
x = -7,0375 x 10 150; y = 7,0423 x 10150;
x = 1; y = 2; z = 3 (Solução)
z = -0,0096 x 10150 (Solução)
232 Número de operações 18.439 Número de operações
Tabela: Resultados obtidos.
Observa-se que com o Método de Gauss-Jacobi a convergência foi atingida com apenas (4) iterações. O
Método de Gauss-Seidel não convergiu, pois a matriz [A] do sistema, [A]{x}={b}, não é uma matriz
diagonalmente dominante.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 24
É condição suficiente para os Métodos de Gauss-Jacobi e Gauss-Seidel que a matriz [A] seja
diagonalmente dominante estrita, isto é:
n
aii aij i 1, 2 , 3,..., n
j 1
j i
9 6 3 x 3
6 29 7 y 8
3 7 18 z 33
Resposta: Seja o sistema de equações algébricas lineares dadas por [A]{x}={b}, onde [A] é uma matriz
simétrica e positiva definida. A decomposição de Cholesky consiste em decompor a matriz [A] como sendo
[L][L]T = [A] onde [L] é uma matriz triangular inferior e, conseqüentemente [L]T é uma matriz triangular
superior. Desta forma os coeficientes da matriz [L] são dados em função dos coeficientes da matriz [A] da
seguinte maneira:
i 1
1/ 2 1
i 1
lij aij lik l jk
lii aii lik2 lii
j i 1, i 2 ,..., n
k 1 e k 1
Após construir a matriz [L], resolve-se o sistema [L]{y} = {b}, e, finalmente resolve-se [L]T{x} = {y}. Para
o presente exercício, tem-se:
Montando-se a matriz [L] com os coeficientes calculados, faz-se o procedimento [L]{y} = {b}:
3 0 0 y1 3 y1 1
2 y 8 ,
5 0
2 assim, tem-se y 2 2 .
1 1 4 y3 33 y 8
3
3 2 1 x1 1 x1 1
0
5 1 x2 2 , assim, tem-se x2 0 .
0 0 4 x3 8 x 2
3
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 25
Decomposição de Cholesky
x = -1
y=0
z=2
34.354 Número de operações
Tabela: Resultados obtidos.
Exercício 3: Considere uma seção transversal de uma barra de metal, com fluxo de calor desprezível na direção
perpendicular à placa. Sejam T1....T6 as temperaturas em graus Celsius nos seis vértices interiores do reticulado
conforme mostra a Figura abaixo. A temperatura num vértice é aproximadamente igual à média aritmética dos
quatro vértices vizinhos mais próximos: à esquerda; à direita; acima e abaixo. Escreva um sistema de equações
cuja solução fornece as estimativas para as temperaturas T1....T6. Resolva usando o método TDMA.
100ºC
T1 T2 T3
20ºC 50ºC
T4 T5 T6
70ºC
Figura: Barra de metal e suas temperaturas.
Resposta: Conforme o exposto acima e com os dados da Figura, tem-se a média aritmética para cada
temperatura:
4 1 0 1 0 0 T1 120º
1 4 1 0 1 0 T 100º
2
0 1 4 0 0 1 T3 150º
1 0 0 4 1 0 T4 90º
0 1 0 1 4 1 T5 70º
0 0 1 0 1 4 T6 120º
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 26
Método TDMA
T1 = 62,48447204968944ºC
T2 = 75,27950310559005ºC
T3 = 72,48447204968943ºC
T4 = 54,65838509316770ºC
T5 = 66,14906832298136ºC
T6 = 64,65838509316771ºC
504 Número de operações
Tabela: Resultados obtidos.
Exercícios Propostos:
Exercício 1: Resolva os seguintes sistemas de equações lineares utilizando o Método da Eliminação de Gauss.
Exercício 2: Resolva o sistema de equações lineares utilizando o Método de Gauss-Seidel, para quatro
iterações. Inicie o método com a aproximação inicial: Compute também os erros
numéricos a cada iteração.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 27
4-Solução de Sistemas de Equações Não Lineares.
Primeiramente deve ser compreendido claramente o conceito de uma não linearidade. Do ponto de vista
matemático, a não linearidade será qualquer valor do expoente da variável que seja diferente da unidade. Por
exemplo:
x 2 , x3 ,..., x n1 ;
x1 / 2 2 x , x1 / 3 3 x ,..., x1 / n n x ;
x 0, 2 , x 1 , x 0, 25 4 x ;
A não linearidade pode também aparecer na forma de produto ou divisão entre as variáveis, como por
exemplo:
x1.x2 , x. y, x. y.z, . ;
x1 x1.x2
, ;
x2 x3
Também pode-se encontrar qualquer uma das funções transcendentes vistas anteriormente, por
exemplo:
sin( x); cos( x); tan( x ); sec( x); csc( x); cot( x);
arcsin( x); arccos( x); arctan( x); arc sec( x); arc csc( x); arc cot( x);
sinh( x); cosh( x); tanh( x); sec h( x); csc h( x); coth( x);
arcsin h( x); arccos h( x); arctan h( x); arc sec h( x); arc csc h( x ); arc coth( x);
e x ; log( x ); ln( x); a x ; a1 / x ; etc.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 28
Exercício Prático: Destaque as não linearidades presentes nas equações mencionadas acima.
4.2-Método de Newton.
f ( xk )
xk 1 xk , para k 0,1,2,3,..., n iterações, ou
f ( xk )
xk 1 xk f ( xk ) . f ( xk ).
1
Esta é utilizada para a determinação do zero ou raiz de uma função transcendente. Se agora,
considerarmos um conjunto de funções e suas respectivas variáveis:
f1 x1 , x2 , x3 ; f 2 x1 , x2 , x3 ; f 3 x1 , x2 , x3 .
f1 k f1
k k
f1
1 x1 k x2 x3
f k f
k
f f 2
k k
f 2
k 1
xj xjk
i . fi ( x jk ) i J k 2
x3
JACOBIANO.
x j x j x1 k x2
k k
f 3 f3 f 3
x x2 x3
1
1
k 1 k f k
xj xj i . f i ( x jk )
x j
1
k f k
x j i . f i ( x jk )
x j
1
f i k k f i k f i k k
.
j x . . fi ( x j )
x j x j x j
f i k k
x
k
.x j ij . f i ( x j )
j
f i k k k
.x j f i ( x j ).
x j
f i k k k
.x j f i ( x j ) para x jk x jk 1 x jk x jk 1 x jk x jk .
x
j
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 29
Exemplo de Cálculo do Método de Newton: Considere o seguinte sistema de equações não lineares abaixo:
1
f1 x1 , x2 , x3 3.x1 cos x2 .x3 0;
2
f 2 x1, x2 , x3 x1 81. x2 0,1 sin x3 1,06 0;
2 2
10. 3
f3 x1, x2 , x3 e x1 .x 2 20.x3 0.
3
Determine a solução deste problema utilizando o Método de Newton com a aproximação inicial de
0
x 0,1; 0,1; 0,1 .
T
f i k k k
.x j f i ( x j ) para x jk x jk 1 x jk x jk 1 x jk x jk .
x j
1
3 x . sin x . x x . sin x . x
2 3 x k
3 . x 1 cos x 2 . x3
3 2 3 2 1 2
k 2
162. x2 0,1 cos x3 .x2 x1 81. x2 0,1 sin x3 1,06;
2
2.x1
x2 .e x1. x2 x1.e x1. x2 20 x3k
e x1. x2 20.x3
10. 3
3
0
Aplicando-se a aproximação inicial x 0,1; 0,1; 0,1 e resolvendo o sistema de equações
T
Naturalmente existem outros métodos numéricos de solução de sistemas de equações não lineares, tais
como: Método de Newton Modificado, Método Quase-Newton, Método de Sherman-Morrison, Método de
Broyden, entre outros.
O Método de Newton Modificado é uma variante do Método de Newton, o qual emprega o vetor de
aproximação inicial na matriz jacobiana e não a atualiza nas demais iterações, ou seja:
f i 0 k k
.x j f i ( x j ) para x jk x jk 1 x jk x jk 1 x jk x jk .
x j
Exercício em sala de aula: Resolver o sistema de equações não lineares anterior utilizando-se o Método de
Newton Modificado comparando-se os resultados obtidos a cada iteração.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 30
Exercícios Propostos: Utilizando-se o Método de Newton resolva os seguintes sistemas de equações não
lineares abaixo. Compute apenas duas iterações e utilize para a aproximação inicial o vetor nulo.
Respostas:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 31
5-Ajuste de Curvas.
x f(x)
0,00 1,0000
0,25 1,2840
0,50 1,6487
0,75 2,1170
1,00 2,7183
Tabela: Dados Experimentais.
Os quais representam dados de um experimento (caso discreto), que são ilustrados graficamente através
do Gráfico de dispersão na Figura abaixo:
3,00
2,50
2,00
f(x)
1,50
1,00
0,50
0,00
0,00 0,20 0,40 0,60 0,80 1,00
x
Deseja-se determinar a melhor curva de ajuste (com menor erro numérico) para os dados apresentados.
Para este problema pode ser empregado o Método dos Mínimos Quadrados (Least Square Method).
O objetivo deste método é encontrar uma curva que melhor ajuste um conjunto de pontos dados. Esta
curva irá minimizar a soma dos quadrados das diferenças entre os valores dados e os valores encontrados.
Exemplo: Seja o evento representado pelos dados da Tabela e Figura acima, ao considerar um polinômio
quadrático de ajuste via Método dos Mínimos Quadrados, tem-se o seguinte procedimento:
Polinômio Quadrático
n 2
f ( x) ai .x i a0 .x 0 a1 .x1 a 2 .x 2
i 0
Observam-se neste sistema cinco equações e três incógnitas. Para que sua solução seja possível sem desprezar
nenhuma equação para que não se percam dados do experimento, procede-se com a Ortogonalização do
sistema, isto é:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 33
5 2,5 1,875 a0 8,768 a2 0,843657142
0 0,625
0,625 . a1 1,0674 Re trosubstituição a1 0,864182858
0 0 0,0546875 a 2 0,0461375 a0 1,005137143
Polinômio Quadrático
n2
f ( x) ai .xi a0 .x 0 a1.x1 a2 .x 2
i 0
n2
f ( x) ai .xi 1,005137143.x 0 0,864182858.x1 0,843657142.x 2
i 0
3,00
y = 0,843657143x 2 + 0,864182857x + 1,005137143
2,50 R2 = 0,999852787
2,00
f(x)
1,50
1,00
0,50
0,00
0,00 0,20 0,40 0,60 0,80 1,00
x
O Ajuste através do Método dos Mínimos Quadrados pode utilizar um polinômio de grau (n), curvas
hiperbólicas, logarítmicas, exponenciais, ou até mesmo a combinação destas parcelas de funções
transcendentes.
Os dados do experimento acima também poderiam ser ajustados através da função f ( x) e x , como
mostra na Figura abaixo:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 34
3,00
2,50 y = ex
R2 = 1
2,00
f(x)
1,50
1,00
0,50
0,00
0,00 0,20 0,40 0,60 0,80 1,00
x
O coeficiente de determinação, (R²) é uma medida descritiva da proporção da variação de (y) que pode
ser explicada por variações de (x), via Regressão Linear do Método dos Mínimos Quadrados. A parte não
explicada está associada aos resíduos, ou erros, entre os valores de ajuste ( yi ) e os valores ( yi ) tabulados.
Quanto mais próximo de (1) estiver o coeficiente de determinação, melhor será o grau de explicação da
variável (y) em termos da variável (x).
Para o cálculo do coeficiente de determinação (R²), seguem-se as seguintes descrições:
n 2
SQTOTAL yi y .
i 1
Considerando-se ( yi ) os valores tabulados e ( y ) a média destes valores, assim, a soma total dos
quadrados é a soma dos quadrados das diferenças entre a média e cada valor tabulado.
Seja a Soma dos Quadrados dos Resíduos dada pela relação abaixo:
n 2
SQRES. yi yi .
i 1
Considerando-se ( yi ) os valores ajustados de ( yi ), esta equação é a soma dos quadrados dos resíduos
obtidos entre os valores de ( yi ) e ( yi ), a qual calcula a parte não explicada do método, ou seja, a parte que
compõe os resíduos.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 35
Seja a Soma dos Quadrados da parte Explicada dada pela relação abaixo:
n 2
SQEXP. yi y .
i 1
Esta equação soma os quadrados das diferenças entre a média e os valores ajustados.
Normalizando-se, tem-se:
n 2 n 2
SQEXP. yi y SQRES. yi yi
R 2 i 1
2
ou 1 1 i 1
2
.
SQTOTAL n SQTOTAL n
y
i 1
i y y
i 1
i y
n 2
SQRES . yi yi 0,000274133.
i 1
n 2
n 2
SQTOTAL yi y 1,86214680.
i 1
n 2
SQRES . yi yi 0,000274133
R 2 1 1 i 1
2
1 0,999852787.
SQTOTAL n 1,86214680
y y
i 1
i
A interpretação deste coeficiente de determinação significa, em termos percentuais, que 99,9852787% das
amostras foram efetivamente ajustadas pela curva determinada.
Observação: O Coeficiente de Determinação está associado à Regressão Linear via Método dos Mínimos
Quadrados, enquanto que o coeficiente de Correlação está associado à Correlação Linear de Pearson. Karl
Pearson foi o londrino que desenvolveu a Análise de Regressão Linear e a Análise de Correlação Linear, (1857-
1936).
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 36
Resumo geral do Método dos Mínimos Quadrados:
x .a y
x T .x .a xT .y ORTOGONALIZAÇÃO.
a x T .x xT .y S .E.L.
1
Cálculo de R 2 .
Exercício em sala de aula: O alongamento de uma mola foi medido em função da carga aplicada segundo os
dados da Tabela abaixo. Calcule a curva de ajuste cúbica utilizando o Método dos Mínimos Quadrados,
determine também o coeficiente de determinação R².
Exercícios Propostos:
h(m) V(m³)
0,5 1,341
1,0 4,253
1,5 8,357
2,0 13,571
Exercício 2: A resistência à tração do aço varia em função da temperatura conforme os dados da Tabela abaixo.
Calcule a curva de ajuste quadrática utilizando o Método dos Mínimos Quadrados, determine também o
coeficiente de determinação R².
Exercício 3: A velocidade do som na água varia com a temperatura conforme a Tabela abaixo. Calcule a curva
de ajuste (do quarto grau) utilizando o Método dos Mínimos Quadrados, determine também o coeficiente de
determinação R².
Temperatura (ºC) Velocidade (m/s)
86 1552
93,3 1548
98,9 1544
104,4 1538
110 1532
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 37
Exercício 4: A Lei de Abrams estabelece que a resistência à compressão do concreto é função do fator
água/cimento da mistura. Determine uma curva de melhor ajuste possível utilizando-se um polinômio de
Mínimos Quadrados. Calcule também o coeficiente R². Ilustre graficamente com os pontos da tabela e com a
curva de ajuste encontrada. Calcule as respectivas resistências do concreto para os fatores água/cimento iguais a
0,45; 0,55; 0,65 e 0,75.
a/c fck28(MPa)
0,40 35,20
0,50 26,69
0,60 20,24
0,70 15,35
0,80 11,64
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 38
6-Interpolação.
A interpolação pode ser interpretada como parte do ajuste, onde interpolar significa que a curva
obrigatoriamente deve passar por um conjunto de pontos dados. Diferentemente do ajuste, que a curva não tem
a obrigatoriedade de passar por todos os pontos.
A interpolação por sistemas, também chamada de interpolação de Vandermonde, pode ser definida por:
n
P x ai . x i .
i 0
O problema consiste em definir o número de pontos que querem participar da interpolação, tendo-se em
vista o número total de pontos do evento. A ordem, ou o grau do polinômio interpolador está associada à
escolha do número de pontos. Ou seja, para (n) pontos escolhidos, tem-se o grau do polinômio (n-1).
Se a Matriz de Vandermonde tiver o seu determinante diferente de zero, o problema tem solução.
Solução: Observa-se na Tabela que o valor da carga de (7kg) está entre os valores de cargas de (6kg) e (8kg),
assim deve-se escolher mais um ponto devido a ordem quadrática do polinômio. Para (3 pontos), polinômio do
2º grau (quadrático). Naturalmente o próximo ponto escolhido será o de (4kg), pois deve-se respeitar as
vizinhanças dos dados anteriores. Assim, tem-se os seguintes pontos escolhidos (4kg), (6kg) e (8kg), os quais
correspondem respectivamente aos alongamentos de (2,5cm), (5,0cm) e (6,3cm).
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 39
x0 4kg y0 2,5cm
x1 6kg y1 5,0cm
x2 8kg y2 6,3cm
n
Px ai .xi a0 .x 0 a1.x1 a2 .x 2 .
i 0
1 x0 x02 a0 y0
1 x1 x12 . a1 y1
1 x2 x22 a2 y2
1 4 16 a0 2,5
1 6 36. a 5,0 Sistema de Equações Lineares.
1
1 8 64 a2 6,3
Agora resolve-se o sistema de equações lineares para determinar os coeficientes incógnitos ( ai ) os quais
compõe o polinômio interpolador. Por eliminação de Gauss, tem-se:
1 4 16 a0 2,5 L1 L1
1 6 36. a 5,0 L L 1.L
1 2 2 1
1 4 16 a0 2,5 L1 L1
0 2 20. a 2,5 L L
1 2 2
1 4 16 a0 2,5 a2 0,15
0 2 20. a 2,5 Re trosubstituição a 2,75
1 1
n
P x ai .x i a0 .x 0 a1.x1 a2 .x 2
i 0
Observa-se que o valor pertence ao intervalo de (5,0cm a 6,3cm), sendo esta verificação sempre
importante. Também, outra forma mais completa de verificar é obedecendo-se literalmente o conceito de
interpolação, ou seja, aplicar os valores que foram utilizados para satisfazer ao polinômio interpolador, ou seja:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 40
Ainda, podem ser interpolados quaisquer valores dentro do intervalo de cargas de (4kg a 8kg).
Exercício em sala de aula: Considerando-se o problema anterior, determine dois polinômios interpoladores
quadráticos para o cálculo de (5kg), para isso utilize outros valores da Tabela. Compare os resultados.
6.2-Interpolação de Lagrange.
Outra forma de interpolação sem resolver o sistema de equações lineares, pode ser obtida utilizando-se o
polinômio interpolador de Lagrange, que pode ser escrito como:
n
Pn x f xk .Lk x .
k 0
Por exemplo:
P1 x f x0 .L0 x f x1 .L1 x .
P2 x f x0 .L0 x f x1 .L1 x f x2 .L2 x .
Pn x f x0 .L0 x f x1 .L1 x f x2 .L2 x ... f xn .Ln x .
Onde:
Pk x f x .
E, também:
Lk x
n x x .
j
j 0 x x
k j
jk
P1 x L0 x
1 x x x x
j 1
e L1 x
1 x x x x
j 0
assim,
j 0 x x x x
k j 0 1 j 0 x x x x
k j 1 0
j0 j 1
P1 x f x0 .L0 x f x1 .L1 x
x x1 x x0
P1 x f x0 . f x1 . .
x0 x1 x1 x0
P2 x L0 x
2
x x1 . x x2 ; L1 x
2
x x0 . x x2 ; 2
L2 x
x x0 . x x1 ; assim,
j 0 x 0 x1
. x0 x2 j 0 x1 x0
. x1 x2 j0 x 2 x0
. x2 x1
j0 j 1 j2
Observação: Note que, por exemplo, L0 x aplicado no polinômio P1 x será uma função do primeiro grau,
enquanto que para P2 x será uma função do segundo grau, e assim sucessivamente.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 41
Exemplo: A Tabela abaixo apresenta dados do calor específico da água em função da temperatura. A-)
Determine o valor do calor específico da água para a temperatura de (32,5ºC) utilizando um polinômio
interpolador lagrangeano quadrático. B-) Determine o valor do calor específico da água para a temperatura de
(37ºC). C-) Determine a temperatura correspondente ao calor específico de (0,9982cal./g.ºC).
Solução: Para (3 pontos), polinômio do 2º grau (quadrático). Analisando-se os itens A-) e B-), pode-se escolher
os três pontos que satisfaçam simultaneamente estes itens, ou seja, as temperaturas a serem escolhidas são
(30ºC), (35ºC) e (40ºC), aos quais correspondem respectivamente ao calor específico de (0,99826 cal./g.ºC),
(0,99818 cal./g.ºC) e (0,99828 cal./g.ºC). Desta forma, não haverá a necessidade de calcular dois polinômios de
interpolação. Também o item C-), será satisfeito pelo mesmo polinômio interpolador, pois o valor de
(0,9982cal./g.ºC) está compreendido entre os valores selecionados.
x0 30º C y0 0,99826cal. / g .º C
x1 35º C y1 0,99818cal. / g .º C
x2 40º C y2 0,99828cal. / g .º C
Desenvolvendo-se:
Observação: Joseph Louis Lagrange, (1736-1813), matemático franco-italiano, produziu a sua principal obra
Mecânica Analítica, publicada em 1788. Desenvolveu uma formulação energética para o tratamento de
problemas dinâmicos. No método dos elementos finitos, embora tenha surgido posteriormente no século XX,
há uma família de elementos finitos lagrangeanos, as quais suas funções de forma são produzidas pelos
polinômios interpoladores lagrangeanos, vistos acima.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 42
Exercício em sala de aula: Considerando-se o problema anterior, resolva-o utilizando-se de outros pontos da
Tabela. Compare os resultados.
f x1 f x0
f x0 x1 Diferença Dividida Finita de Pr imeira Ordem.
x1 x0
f x2 f x1
f x1x2 Diferença Dividida Finita de Pr imeira Ordem.
x2 x1
f x3 f x2
f x2 x3 Diferença Dividida Finita de Pr imeira Ordem.
x3 x2
f x1x2 f x0 x1
f x0 x1x2 Diferença Dividida Finita de Segunda Ordem.
x2 x0
f x2 x3 f x1 x2
f x1x2 x3 Diferença Dividida Finita de Segunda Ordem.
x3 x1
f x1x2 x3 f x0 x1x2
f x0 x1x2 x3 Diferença Dividida Finita de Terceira Ordem.
x3 x0
Genericamente têm-se os possíveis polinômios interpoladores de Newton do terceiro grau, via os caminhos no
Diagrama de Fraser:
Seja agora outro evento com um número de amostras ímpar via Diagrama de Fraser, como mostra a Figura
abaixo:
Se forem escolhidos como referência o termo central (C) e escolher os polinômios (CGKMO) e
(CHKNO), serão então empregados os Polinômios Interpoladores da Diferença Central.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 44
Demais polinômios interpoladores como o de Bessel e o de Everett, são composições dos termos,
(médias) entre os polinômios formados pelas diferenças divididas finitas pares e ímpares.
Logicamente as ordens inferiores dos polinômios interpoladores tais como, quadrático e linear, podem
ser obtidas truncando-se as ordens mais elevadas dos polinômios interpoladores anteriores.
Observação: James Gregory, matemático e astrônomo escocês, (1638-1675). Friedrich Wilhelm Bessel,
matemático e físico alemão, (1784-1846). James Stirling, matemático escocês, (1692-1770).
Exemplo: No problema visto anteriormente: A velocidade do som na água varia com a temperatura conforme a
Tabela abaixo. Calcule um polinômio interpolador utilizando-se de todos os valores da Tabela. Estime a
velocidade do som quando a temperatura da água atinge os 100ºC.
Solução: Como o problema requer a utilização de todos os pontos da tabela, deve-se construir uma tabela de
diferenças divididas finitas utilizando-se de todos os dados do problema.
Substituindo-se os valores:
Desenvolvendo-se:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 45
Resposta: 1543m/s.
Observação: A curva de ajuste para este problema (com um polinômio do quarto grau) é apresentada abaixo:
1555 4 3 2
y = 0,000137x - 0,053433x + 7,794706x - 503,637103x +
13725,499237
2
1550 R = 1,000000
1545
v(m/s)
1540
1535
1530
85 90 95 100 105 110 115
T(ºC)
Figura: Curva de Ajuste do problema.
Exercício em Sala de Aula: Tendo como base a tabela das diferenças divididas finitas do exercício anterior,
desenvolva os outros polinômios possíveis, calcule a velocidade do som quando a temperatura da água atinge
os 100ºC e compare os resultados. Compare também os polinômios de interpolação com a curva de ajuste
apresentada acima.
Exercícios Propostos.
Exercício 1: A tabela seguinte apresenta a população do Brasil (em milhões). Construa um polinômio
interpolador de Vandermonde de grau 4 para estimar a população no ano de 1965. Construa um gráfico
apresentando o polinômio interpolador comparando-se com os dados da tabela.
Exercício 2: Os resultados da densidade da água em várias temperaturas são apresentados na tabela a seguir.
T (ºC) 0 5 10 15 20 25 30 35 40
(g/cm³) 0,9999 0,9998 0,9997 0,9991 0,9982 0,9971 0,9957 0,9941 0,9902
Utilizando a interpolação de Lagrange para polinômios de 2º e de 3º graus, calcule a densidade da água para as
temperaturas de 13ºC e 17ºC. Construa um gráfico apresentando os respectivos dados da tabela comparando-se
com os polinômios encontrados, compare e discuta os resultados.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 46
Utilizando a interpolação de Newton para polinômios de 2º e de 3º graus, determine as prováveis resistências
para fios de comprimentos iguais a 1730m e 3200m. Construa um gráfico apresentando os respectivos dados da
tabela comparando-se com os polinômios encontrados, compare e discuta os resultados.
Exercício 4: Sendo 200 candelas a intensidade luminosa de uma lâmpada, foi calculada a iluminação em casos
de incidência normal sobre a superfície situada a distâncias conhecidas, quando para cada distância foi
calculada a iluminação, conforme a tabela a seguir:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 47
7-Integração Numérica.
b
O objetivo de determinar f ( x)dx na forma numérica surge quando a f ( x) dx não possui forma
a
analítica de integração, (não consta nos formulários), ou quando a solução de f ( x) dx é difícil, ou ainda,
quando não se tem f ( x) dx e o evento é representado na forma de pontos x, f ( x) .
7.1-Fórmulas de Newton-Cotes.
b
Seja o problema de calcular a integral definida de Riemann dada por f ( x)dx . Pode-se utilizar uma
a
aproximação numérica de f (x) por uma função de aproximação P1(x), neste caso, uma reta que liga os pontos
f(a) e f(b) da função f (x) como mostra a Figura abaixo:
b
Do ponto de vista geométrico, o objetivo do cálculo da integral definida de Riemann dada por f ( x)dx ,
a
é o determinar a área abaixo da curva da função f (x) , limitada pelo intervalo fechado [a, b].
Observa-se na Figura que a área total será formada pela área do trapézio acrescida de um erro. Este erro
numérico é formado pela área entre o trapézio e a função f (x) . Desta forma, pode-se definir a regra do
trapézio:
b b ba h h
f ( x)dx P1 ( x)dx . f ( a ) f (b) ou . f ( a ) f (b ) ou . f ( x0 ) f ( x1 ) .
a a 2 2 2
Exemplo para Um Trapézio: Calcular a integral definida abaixo pelo método analítico e pela regra do
trapézio. Compute também os erros numéricos.
3
x 2 dx
1
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 48
Cálculo analítico:
3
3 x3 33 13 27 1 26
x 2dx 8,666... u.a. Solução Exata.
1
3 1 3 3 3 3 3
3 3 ba 3 1 2
1
x 2 dx P1 x dx
1 2
. f ( a ) f (b )
2
. (3) 2 (1) 2 . (3) 2 (1) 2 10u.a.
2
Erro Absoluto:
26 26 30 4
10 1,333... u.a.
3 3 3
Erro Relativo:
4
3 15,38461538 %.
26
3
Observa-se que o erro numérico ainda está alto, não sendo esta uma solução satisfatória. Desta forma,
empregar-se-á o cálculo para dois trapézios, conforme ilustra a Figura abaixo:
x2 x0
h ;
2
x2 x2 x0 x x0 h
f ( x)dx . f ( x0 ) f ( x1 ) 2 . f ( x1 ) f ( x2 ) . f ( x0 ) 2. f ( x1 ) f ( x2 ) .
x0 2 2 2
3 h 1
1 2 2
. f ( x0 ) 2. f ( x1 ) f ( x2 ) . (1) 2 2.(2) 2 (3) 2 9 u.a.
x 2 dx
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 49
Cálculo dos Erros Numéricos:
Erro Absoluto:
26 26 27 1
9 0,333... u.a.
3 3 3
Erro Relativo:
1/ 3
3,846153846%.
26
3
Observa-se que o erro numérico reduziu, mas pode-se melhorar a solução numérica com o emprego da fórmula
para três trapézios. Desta forma, empregar-se-á o cálculo para três trapézios, conforme ilustra a Figura abaixo:
x3 x0
h ;
3
x3 x1 x2 x3
f ( x)dx f ( x)dx f ( x)dx f ( x )dx
x0 x0 x1 x2
h h h h
. f ( x0 ) f ( x1 ) . f ( x1 ) f ( x2 ) . f ( x2 ) f ( x3 ) . f ( x0 ) 2. f ( x1 ) 2. f ( x2 ) f ( x3 ).
2 2 2 2
x3 x0 3 1 2
h ;
3 3 3
3 h 2 1
2 2 2 2
1 x dx 2 . f ( x0 ) 2. f ( x1 ) 2. f ( x2 ) f ( x3 ) 3 . 2 . (1) 2.(5 / 3) 2.(7 / 3) (3) 8,814814814...u.a.
2
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 50
Erro Absoluto:
26
8,814814814 0,148148148...u.a.
3
Erro Relativo:
0,148148148
1,709401708%.
26
3
x4 x0
h ;
4
x4 x1 x2 x3 x4
f ( x)dx f ( x)dx f ( x)dx f ( x)dx f ( x)dx
x0 x0 x1 x2 x3
h h h h
. f ( x0 ) f ( x1 ) . f ( x1 ) f ( x2 ) . f ( x2 ) f ( x3 ) . f ( x3 ) f ( x4 )
2 2 2 2
h
. f ( x0 ) 2. f ( x1 ) 2. f ( x2 ) 2. f ( x3 ) f ( x4 ).
2
Exercício em sala de aula: Calcular o exercício anterior usando-se a regra para quatro trapézios, computar
também os erros numéricos.
Observação: Roger Cotes, matemático inglês, foi membro da Royal Society e trabalhou ao lado de Newton,
(1682-1716). George Friedrich Bernhard Riemann, (1826-1866), matemático alemão, grande desenvolvedor da
geometria a qual é chamada riemanniana a qual foi estudada mais tarde por Einstein no desenvolvimento de sua
teoria da relatividade.
xn x0
h ;
n
xn x1 x2 x3 xn
f ( x)dx f ( x)dx f ( x)dx f ( x )dx ... f ( x)dx
x0 x0 x1 x2 x n 1
h h h h
. f ( x0 ) f ( x1 ) . f ( x1 ) f ( x2 ) . f ( x2 ) f ( x3 ) ... . f ( xn 1 ) f ( xn )
2 2 2 2
h
. f ( x0 ) 2. f ( x1 ) 2. f ( x2 ) 2. f ( x3 ) ... 2. f ( xn 1 ) f ( xn ) ou
2
h
. f ( x0 ) f ( xn ) 2. f ( x1 ) f ( x2 ) f ( x3 ) ... f ( xn 1 ).
2
Exemplo da Regra dos Trapézios Composta: Calcular a integral definida abaixo pela regra dos trapézios
composta para seis subintervalos, calcule também os erros numéricos.
5
x 2 dx
1
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 51
Solução Numérica:
x6 x0 5 1 4 2
h ;
6 6 6 3
x0 1;
2 3 2 5
x1 1 h 1 ;
3 3 3 3
5 5 2 7
x2 h ;
3 3 3 3
7 7 2 9
x3 h ;
3 3 3 3
9 9 2 11
x4 h ;
3 3 3 3
11 11 2 13
x5 h ;
3 3 3 3
13 13 2 15
x6 h 5;
3 3 3 3
x6 h
x0 f ( x)dx 2 . f ( x0 ) f ( x6 ) 2. f ( x1 ) f ( x2 ) f ( x3 ) f ( x4 ) f ( x5 );
2 1
5
2
2 2 2
1 x dx 3 . 2 (1) (5) 2. (5 / 3) (7 / 3) (9 / 3) (11/ 3) (13 / 3) 41,629629629...u.a.
2 2 2 2
Solução Analítica:
5
5
2 x3 53 13 125 1 124
x dx u.a.
1
3 1 3 3 3
Erro Absoluto:
124
41,629629629 0,296296296...u.a.
3
Erro Relativo:
0,296296296
0,716845854 %.
124
3
Outra fórmula para o cálculo do erro de truncamento, caso não exista a solução analítica da integral, é
dado da seguinte maneira:
ET
xn x0 3 .Máx. f x x I x0 , xn .
12.n2
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 52
Para o problema anterior, tem-se:
ET
5 1
3
.2 0,296296296...u.a. C.Q.D.
2
12.6
Ou seja, a fórmula do erro de truncamento fornece o erro absoluto entre a integral resolvida pela solução
analítica e a integral resolvida pela solução numérica.
Observação: C.Q.D, vem da expressão “como se queria demonstrar”, em latim quod erat demonstrandum,
antigamente representado por Q.E.D.
b
Seja o problema de calcular a integral definida de Riemann dada por f ( x)dx . Pode-se utilizar uma
a
aproximação numérica de f (x) por uma função de aproximação P2(x), neste caso, uma função quadrática, a
qual ligará três pontos da função f (x) como mostra a Figura abaixo:
A formulação da Regra de Simpson de (1/3), também chamada de Primeira Regra de Simpson, pode ser escrita
da seguinte maneira:
x2 x0
h ;
2
x2 x2 h
f ( x)dx P2 x dx . f x0 4. f x1 f x2 .
x0 x0 3
A qual irá produzir um erro de truncamento que pode ser calculado a partir de:
h5
ET .Máx. f IV x x I x0 , x2 .
90
Exemplo da Regra de Simpson de (1/3): Considerando-se o problema anterior. Calcular a integral definida
abaixo pelo método analítico e pela regra de Simpson de (1/3). Compute também os erros numéricos.
5
x 2 dx
1
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 53
Solução Numérica:
x2 x0 5 1 4
h 2;
2 2 2
5 x2 h
1 x dx x0 P2 x dx 3 . f x0 4. f x1 f x2 ;
2
2 2 124
5
1 x dx 3 . 1 4.3 5 3 u.a. Igual a solução exata.
2 2 2
Observa-se também que pela fórmula do erro de truncamento não existirá erro, pois a derivada ordinária de
quarta ordem da função a ser integrada não existe assim o erro torna-se zero.
De maneira análoga à Regra dos Trapézios, a generalização da Regra de Simpson de (1/3) para
integração ao longo de um intervalo [a, b] é feita dividindo-se [a, b] num número par (2.n) de subintervalos de
ba
amplitude h , de tal forma que x0 a, e x2.n b . Nota-se que o número de subdivisões deve ser
2.n
múltiplo de 2, pois precisa-se de dois subintervalos (e, portanto, três pontos). Para aplicar uma vez a regra, tem-
se então:
x2. n x2 x4 x2. n
f x dx f x dx f x dx ... f x dx.
x0 x0 x2 x2. n 2
Usando-se a Regra de Simpson de (1/3) para cada subintervalo, x j , x j 2 , j=0,2,4,...,2.n-2, obtêm-se:
x 2. n h h h
f x dx . f x0 4. f x1 f x2 . f x2 4. f x3 f x4 ... . f x2.n 2 4. f x2.n 1 f x2.n .
x0 3 3 3
Então:
x 2. n h
f x dx . f x0 4. f x1 2. f x2 4. f x3 2. f x4 ... 2. f x2.n 2 4. f x2.n 1 f x2.n .
x0 3
ET
b a 5 .Máx. f IV x x I a , b.
180.n 4
b
Seja o problema de calcular a integral definida de Riemann dada por f ( x)dx . Pode-se utilizar uma
a
aproximação numérica de f (x) por uma função de aproximação P3(x), neste caso, uma função cúbica, a qual
ligará quatro pontos da função f (x) como mostra a Figura abaixo:
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 54
Figura: Integração numérica pela Regra de Simpson de (3/8).
A formulação da Regra de Simpson de (3/8), também chamada de Segunda Regra de Simpson pode ser escrita
da seguinte maneira:
x3 x0
h ;
3
x3 x3 3.h
f ( x)dx P3 x dx . f x0 3. f x1 3. f x2 f x3 .
x0 x0 8
A qual irá produzir um erro de truncamento que pode ser calculado a partir de:
3.h 5
ET .Máx. f IV x x I x0 , x3 .
80
Exemplo da Regra de Simpson de (3/8): Calcular a integral definida abaixo pela regra de Simpson de (3/8).
Compute também os erros numéricos.
2 dx
1 5 3 .x
Solução Numérica:
x3 x0 2 1 1
h ;
3 3 3
x0 1; f x0 0,125;
1 3 1 4
x1 1 h 1 ; f x1 0,11111...;
3 3 3 3
4 4 1 5
x2 h ; f x2 0,10000;
3 3 3 3
5 5 1 6
x3 h 2; f x3 0,090909...;
3 3 3 3
2 dx x3 1 3
1 5 3.x x0 P3 x dx 3 . 8 .0,125 3.0,11111... 3.0,10000 0,090909... 0,106155303 u.a.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 55
Solução Analítica:
2 dx 1
.ln 11 ln 8 0,106151243u.a.
1 5 3 .x 3
Erro Absoluto:
Erro Relativo:
0,000004059
0,003823789 %.
0,106151243
Para generalizar a Regra de Simpson de (3/8), deve-se dividir o intervalo [a, b] em um número de
ba
subintervalos de amplitude h , de tal forma que x0 a, e x3.n b . Nota-se que o número de subdivisões
3.n
deve ser múltiplo de 3, pois precisa-se de três subintervalos (e, portanto, quatro pontos). Para aplicar uma vez a
regra, tem-se então:
x3. n x3 x6 x3. n
f x dx f x dx f x dx ... f x dx.
x0 x0 x3 x3. n 3
Usando-se a Regra de Simpson de (3/8) para cada subintervalo, x j , x j 3 , j=0,3,6,...,3.n-3, obtêm-se:
x 3. n 3.h 3.h
f x dx . f x0 3. f x1 3. f x2 f x3 . f x3 3. f x4 3. f x5 f x6 ...
x0 8 8
3.h
. f x3.n 3 3. f x3.n 2 3. f x3.n 1 f x3.n .
8
Então:
ET
b a
5
.Máx. f IV x x I a, b.
80.n 4
Exercício Resolvido: Calcular a integral definida abaixo com um erro de E=1.10-2, usando as Regras de
Newton-Cotes.
x4
0 4 x sin x dx.
2
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 56
Solução: Para resolver este problema deve-se identificar qual das fórmulas exige o menor valor de parcelas (n)
de subintervalos. Este pode ser determinado a partir das fórmulas do erro de truncamento das integrações.
Sendo estas avaliadas considerando-se um erro de E=1.10-2.
Assim, tem-se para cada regra:
1/ 4
b a 5 .Máx. f IV x 2
0 5
1.10 n
.6 sin / 2 5,87 n 6 sub int ervalos.
2
180.n 4 180.1.10
1/ 4
b a 5 .Máx. f IV x 2
0 5
1.10 n
.6 sin / 2 7,19 n 9 sub int ervalos.
2
80.n 4 80.1.10
Desta forma, observa-se que a Regra de Simpson de (1/3) Composta é a que exige o menor esforço. Assim,
tem-se:
ba 0
h ;
n 6 6
x0 0; f x0 0,0000;
x1 0 h 0 ; f x1 0,7929;
6 6
x2 h 2. ; f x2 2,2633;
6 6 6 6 3
2. 3.
x3 h ; f x3 4,9894;
3 3 6 6 6 2
3. 4. 2.
x4 h ; f x4 10,0628;
2 2 6 6 6 3
2. 2. 4. 5.
x5 h ; f x5 19,0979;
3 3 6 6 6
5. 5. 6.
x6 h ; f x6 34,2219;
6 6 6 6
x
4
1 0,0000 4.0,7929 2.2,2633 4.4,9894
0 4 x sin x dx. 6 . 3 . 2.10,0628 4.19,0979 34,2219
2
27,6451u.a.
Exercícios Propostos.
Exercício 1: Calcular as integrais definidas abaixo pelas Regras dos Trapézios, compute também os erros
numéricos.
3.x 2dx (1 Trapézio). C-) 0 cosx dx (4 Trapézios).
4,5 1 6 1
A-) 2
dx ( 2 Trapézios ). B-)
4 x 3 1 x
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 57
Exercício 2: Calcule o trabalho realizado por um gás, utilizando a Regra dos Trapézios Composta,
V
considerando-se os dados da Tabela abaixo: Sugestão W P.dV . Resposta: 157,5J.
V0
V(m³) P(N/m²)
1,5 80
2,0 72
2,5 64
3,0 53
3,5 44
4,0 31
4,5 22
/2
Exercício 3: Calcule 2 sin x dx usando a Regra dos Trapézios Composta para seis subintervalos e usando
0
0, 6
0, 6 e 3. x
2 3. x
Exercício 4: Calcule x .e dx cuja solução analítica é
9.x 2 6.x 2 0,293386...u.a.
0
27 0
-2
Considerando-se um erro de E=1.10 e utilizando uma das Três Regras de Newton-Cotes, determine a solução
numérica com o menor esforço computacional.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 58
Referências Bibliográficas:
Beghetto, F.L.M., Métodos Numéricos Aplicados à Engenharia Civil – Notas de Aula. Curso de Engenharia
Civil. Departamento Acadêmico de Construção Civil, DACOC, Universidade Tecnológica Federal do Paraná,
UTFPR, 2012, 2013, 2014, 2015, 2016, 2017, 2018 e 2019.
Beghetto, F.L.M., Cálculo Numérico I e II – Notas de Aula. Curso de Engenharia Mecânica. Pontifícia
Universidade Católica do Paraná, PUCPR, 2011 e 2012.
Burden, R.L., Faires, J.D. Análise numérica, 8ª edição, Cengage Learning, 2008.
Franco, N. B. Cálculo Numérico, São Paulo: Pearson Prentice Hall, 2007, 6º Reimpressão, Abril 2013.
Iyengar, S. R. K., Jain, R. K., Numerical Methods. New Age International Publishers. New Delhi. 2009.
Monteiro, M. T. T., Métodos Numéricos: Exercícios resolvidos aplicados à engenharia e outras ciências.
Universidade do Minho. Portugal. 2012.
Ruggiero, M.A.G., Lopes, V.L.R. Cálculo Numérico: Aspectos Teóricos e Computacionais, 2ª edição, Makron,
1997.
Wolupeck, A., Cálculo Numérico e Aplicações, Departamento Acadêmico de Informática, Centro Federal de
Educação Tecnológica do Paraná – CEFET-PR, 1999.
Métodos Numéricos – Prof. Dr. Eng. Mec., M. Eng. Mec., Eng. Civ. Fernando Luiz Martinechen Beghetto. 59