____________________________________________________________________________________________________________________

Bacharelado em Sistemas de Informação

Bacharelado em Ciência da Computação
Métodos Numéricos Computacionais (4713, 4616)
Profa. Márcia A. Zanoli Meira e Silva

INTEGRAÇÃO NUMÉRICA

No cálculo, a integral de uma função foi criada originalmente para determinar a área sob
uma curva no plano cartesiano. Ela surge naturalmente em dezenas de problemas de Física, como
por exemplo, na determinação da posição em todos os instantes de um objeto, desde que seja
conhecida a sua velocidade instantânea em todos os instantes.

O processo de se calcular a integral de uma função é chamado de integração.

Seja uma função 𝑓 (𝑥 ) contínua em um intervalo [𝑎 𝑏] e sua primitiva 𝐹 (𝑥 ) conhecida. A

integral de 𝑓 (𝑥 ) de 𝑎 até 𝑏 pode ser calculada pela fórmula de Newton-Leibniz:
𝑏 𝑏
∫ 𝑓 (𝑥 )𝑑𝑥 = 𝐹(𝑥) | = 𝐹(𝑏) − 𝐹(𝑎)
𝑎 𝑎
Porém, essa técnica não pode ser aplicada quando se conhece apenas alguns pontos tabelados
da função 𝑓 (𝑥 ) ou, quando 𝑓 (𝑥 ) não pode ser integrada. Nestes casos utilizam-se os métodos de
integração numérica que permitem calcular o valor aproximado de uma integral definida sem
conhecer uma expressão analítica para a sua primitiva.

A ideia básica dos métodos de integração numérica é a substituição de 𝑓 (𝑥 ) por um

polinômio que a aproxime razoavelmente bem de 𝑓(𝑥) em [𝑎 𝑏]. Assim, o problema é resolvido
pela integração trivial de polinômios.

Os métodos mais utilizados se classificam em:

1 Fórmula de Newton Cotes: aplicado a funções com valores conhecidos em pontos
igualmente espaçados;
2 Fórmula de Quadratura Gaussiana: utilizam pontos não necessariamente
equidistantes.

No curso de BSI será apresentado apenas as Fórmulas de Newton Cotes.

______________________________________________________________________________________________________________ 1 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

1 FÓRMULAS DE NEWTON COTES

Para a determinação das fórmulas de Newton Cotes utiliza-se o polinômio interpolador de

Newton-Gregory para pontos equidistantes na forma simplificada:
Δ2 𝑦0 Δn 𝑦0
𝑝𝑛 (𝑥) = 𝑦0 + 𝑠Δ𝑦0 + 𝑠(𝑠 − 1) + ⋯ + 𝑠(𝑠 − 1) … (𝑠 − 𝑛 + 1) + ℜ𝑛
2! 𝑛!
𝑥−𝑥0
onde 𝑠 = e ℜ𝑛 é o resíduo da interpolação dado por
ℎ
𝑠(𝑠 − 1)(𝑠 − 2) ⋯ (𝑠 − 𝑛) (𝑛+1) (𝑛+1)
ℜ𝑛 = ℎ 𝑓 (𝜀) 𝑎≤𝜀≤𝑏
(𝑛 + 1)!
Integrando o polinômio de Newton-Gregory que se aproxima da função 𝑓 (𝑥 ) obtêm-se as
fórmulas de Newton Cotes. Assim,
𝑏 𝑏
∫ 𝑓(𝑥)dx ≅ ∫ 𝑝𝑛 (𝑥)dx
𝑎 𝑎

1.1 Regra dos Retângulos

Seja 𝑓(𝑥 ) uma função contínua no intervalo [𝑎 𝑏].

𝑓(𝑥) 𝑦 = 𝑓(𝑥)

𝐴1 𝐴2 𝐴𝑛

𝑎 = 𝑥0 𝑥1 𝑥2 𝑥𝑛−1 𝑏 = 𝑥𝑛 𝑥

Subdivide-se o intervalo [𝑎 𝑏] em 𝑛 subintervalos:

[𝑥0 𝑥1 ], [𝑥1 𝑥2 ], [𝑥2 𝑥3 ], … , [𝑥𝑛−1 𝑥𝑛 ]
𝑏−𝑎
com 𝑎 = 𝑥0 , 𝑏 = 𝑥𝑛 e amplitude ℎ = , consequentemente, 𝑥𝑖 = 𝑎 + 𝑖ℎ, 𝑖 = 0, 1, 2, … , 𝑛 − 1.
𝑛

Então, a área sob a curva de 𝑎 até 𝑏 é aproximadamente igual a soma das áreas desses
retângulos:
𝑏
∫ 𝑓(𝑥)𝑑𝑥 ≅ 𝐴1 + 𝐴2 +. . . +𝐴𝑛 = ℎ𝑓(𝑥0 ) + ℎ𝑓(𝑥1 ) + ℎ𝑓(𝑥2 ) + ⋯ + ℎ𝑓(𝑥𝑛−1 )
𝑎

______________________________________________________________________________________________________________ 2 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

𝑏
∴ ∫ 𝑓(𝑥)𝑑𝑥 ≅ ℎ [ 𝑓(𝑥0 ) + 𝑓 (𝑥1 ) + 𝑓 (𝑥2 ) + ⋯ + 𝑓 (𝑥𝑛−1 ) ] (𝟏)
𝑎

𝑓(𝑥)
𝑦 = 𝑓(𝑥)

𝐴1 𝐴2 𝐴𝑛

𝑎 = 𝑥0 𝑥1 𝑥2 𝑥𝑛−1 𝑏 = 𝑥𝑛 𝑥

𝑏
∫ 𝑓(𝑥)𝑑𝑥 ≅ 𝐴1 + 𝐴2 +. . . +𝐴𝑛 = ℎ𝑓(𝑥1 ) + ℎ𝑓(𝑥2 ) + ⋯ + ℎ𝑓(𝑥𝑛 )
𝑎

𝑏
∴ ∫ 𝑓(𝑥)𝑑𝑥 ≅ ℎ[ 𝑓(𝑥1 ) + 𝑓(𝑥2 ) + ⋯ + 𝑓(𝑥𝑛 ) ] (𝟐)
𝑎

Observação: Uma maneira de melhorar o resultado é calcular a média aritmética de (1) e (2), o que
resulta na Regra dos Trapézios.

______________________________________________________________________________________________________________ 3 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

Exercícios

1
1. Usando a Regra dos Retângulos determine o valor de ∫0 𝑥 2 𝑑𝑥 com 𝑛 = 5 (subintervalos).

Resolução (valor exato = 1⁄3 = 0.3333)

1−0
ℎ= = 0.2
5

𝒙 0 0.2 0.4 0.6 0.8 1.0

𝒚 0 0.04 0.16 0.36 0.64 1.0

a) Usando (1)
1
∫0 𝑥 2 𝑑𝑥 ≅ ℎ[ 𝑓(𝑥0 ) + 𝑓(𝑥1 ) + 𝑓(𝑥2 ) + 𝑓(𝑥3 ) + 𝑓(𝑥4 )] = 0.2[0 + 0.04 + 0.16 + 0.36 + 0.64] = 𝟎. 𝟐𝟒

b) Usando (2)
1
∫0 𝑥 2 𝑑𝑥 ≅ ℎ[ 𝑓(𝑥1 ) + 𝑓(𝑥2 ) + 𝑓(𝑥3 ) + 𝑓(𝑥4 ) + 𝑓(𝑥5 )] = 0.2[0.04 + 0.16 + 0.36 + 0.64 + 1] = 𝟎. 𝟒𝟒

4 dx
2. Usando a Regra dos Retângulos determine o valor de ∫1 𝑥
com 2 subintervalos.

Solução:
a) Usando (1)
4 dx
∫1 ≅ 2.1
𝑥

b) Usando (2)
4 dx
∫1 ≅ 0.975
𝑥

1
3. Calcule o valor de ∫−1 (𝑥 3 + 1) 𝑑𝑥 pela Regra dos Retângulos usando 5 divisões em [𝑎 𝑏].

Solução:
a) Usando (1)
1
∫−1 (𝑥 3 + 1) 𝑑𝑥 ≅ 1.6

b) Usando (2)
1
∫−1 (𝑥 3 + 1) 𝑑𝑥 ≅ 2.4

______________________________________________________________________________________________________________ 4 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

1.2 Regra dos Trapézios

Seja 𝑓(𝑥 ) uma função contínua no intervalo [𝑎 𝑏].

𝑓(𝑥) 𝑦 = 𝑓(𝑥)

𝑃1 (𝑥)

𝑎 = 𝑥0 𝑏 = 𝑥1
ℎ

Para a determinação da Regra dos Trapézios utiliza-se o polinômio de Newton-Gregory de

1º grau, ou seja, uma reta (dois pontos).

Faz-se 𝑛 = 1 e obtém-se
𝑏 𝑏 𝑏
∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ 𝑝1 (𝑥)𝑑𝑥 = ∫ (𝑦0 + 𝑠Δ𝑦0 )𝑑𝑥 (𝟑)
𝑎 𝑎 𝑎

𝑥 – 𝑥0
Como 𝑠 = , tem-se
ℎ

𝑑𝑥
𝑑𝑠 = ⇒ 𝑑𝑥 = ℎ𝑑𝑠
ℎ

Considerando 𝑎 = 𝑥0 e 𝑏 = 𝑥1 os novos intervalos de integração em 𝑠 são obtidos da

seguinte forma:
𝑎−𝑎
𝑥=𝑎⇒𝑠= ⇒𝑠=0
ℎ
𝑏−𝑎 ℎ
𝑥=𝑏⇒𝑠= = ⇒𝑠=1
ℎ ℎ
substituindo em (3) tem-se
𝑏 𝑏
∫ 𝑓 (𝑥 )𝑑𝑥 ≅ ∫ (𝑦0 + 𝑠Δ𝑦0)𝑑𝑥
𝑎 𝑎

1
𝑠2 1 Δ𝑦0
= ∫ (𝑦0 + 𝑠Δ𝑦0 )ℎ𝑑𝑠 = ℎ [𝑦0 𝑠 + Δ𝑦0 ] | = ℎ [𝑦0 + ]
0 2 2
0

Sabendo que Δ𝑦0 = 𝑦1 − 𝑦0 e substituindo na expressão anterior obtém-se:

______________________________________________________________________________________________________________ 5 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

𝑏
Δ𝑦0 (𝑦1 − 𝑦0 )
∫ 𝑓(𝑥)𝑑𝑥 ≅ ℎ [𝑦0 + ] = ℎ [𝑦0 + ]
𝑎 2 2

Logo,
𝑏
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≅ [ 𝑦 + 𝑦1 ]
𝑎 2 0
ou
𝑏
ℎ ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≅ [ 𝑓 (𝑥0 ) + 𝑓(𝑥1 ) ] = [ 𝑓 (𝑎) + 𝑓 (𝑏) ]
𝑎 2 2

Pode-se melhorar o resultado obtido através da Regra dos Trapézios subdividindo o intervalo
[𝑎 𝑏] em 𝑛 subintervalos de amplitude ℎ e, a cada intervalo (dois pontos), aplicar a Regra dos
Trapézios. Este processo é conhecido como a Regra dos Trapézios Generalizada.

𝑓(𝑥) 𝑦 = 𝑓(𝑥)

𝐴𝑛
𝐴1 𝐴2

𝑎 = 𝑥0 𝑥1 𝑥2 𝑥𝑛−1 𝑏 = 𝑥𝑛 𝑥

𝑏
∫ 𝑓(𝑥)𝑑𝑥 ≅ 𝐴1 + 𝐴2 +. . . +𝐴𝑛
𝑎
ℎ ℎ ℎ
= [ 𝑓(𝑥1 ) + 𝑓(𝑥0 )] + [ 𝑓(𝑥2 ) + 𝑓(𝑥1 )] + ⋯ + [ 𝑓(𝑥𝑛 ) + 𝑓(𝑥𝑛−1 )]
2 2 2

𝑏
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≅ [ 𝑓 (𝑥0 ) + 2( 𝑓(𝑥1 ) + 𝑓 (𝑥2 ) + ⋯ + 𝑓 (𝑥𝑛−1 ) ) + 𝑓(𝑥𝑛 ) ]
𝑎 2

______________________________________________________________________________________________________________ 6 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

Erro de Truncamento

A demonstração pode ser vista em RUGGIERO, M.A.G. & LOPES, V.L.R. Cálculo
Numérico - Aspectos Teóricos e Computacionais. 2. ed., São Paulo: Makron Books, 1996.

a) Trapézio (1 aplicação → 𝑛 = 1 subintervalo)

ℎ3
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 ″ (𝑥)|
12 𝑥∈[𝑎,𝑏]
ou
(𝑏 − 𝑎 ) 3
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 ″ (𝑥)|
12 𝑥∈[𝑎,𝑏]

b) Trapézio Generalizada (𝑚 aplicações → 𝑛 = 𝑚 ∗ 1 subintervalos)

𝐸 = ∑𝑛−1
𝑖=0 𝐸𝑖 , sendo 𝐸𝑖 o erro em cada subintervalo
𝑛−1
ℎ3 ″
𝐸 = ∑ (− 𝑓 (𝜉)) 𝜉 ∈ [𝑎, 𝑏]
12
𝑖=0

″ ″
Lembrando que ∑𝑛−1
𝑖=0 𝑓 (𝜉) = 𝑛 ∗ 𝑓 (𝜉) (teorema da continuidade).

Logo,
ℎ 2 (𝑏 − 𝑎 )
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 ″ (𝑥)|
12 𝑥∈[𝑎,𝑏]

ou
(𝑏 − 𝑎 ) 3
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 ″ (𝑥)|
12𝑛2 𝑥∈[𝑎,𝑏]

Observação:
𝑓 ″ > 0 ⇒ 𝑒𝑥𝑐𝑒𝑠𝑠𝑜
𝑓 ″ < 0 ⇒ 𝑓𝑎𝑙𝑡𝑎

______________________________________________________________________________________________________________ 7 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

Exercícios

1
1. Usando a Regra dos Trapézios determine o valor de ∫0 𝑥 2 𝑑𝑥 com 𝑛 = 5 (subintervalos).

Resolução (valor exato = 0.3333)

1−0
ℎ= = 0.2
5

𝒙 0 0.2 0.4 0.6 0.8 1.0

𝒚 0 0.04 0.16 0.36 0.64 1.0

1
ℎ
∫ 𝑥 2 𝑑𝑥 ≅ [ 𝑓 (𝑥0 ) + 2( 𝑓(𝑥1 ) + 𝑓 (𝑥2 ) + 𝑓 (𝑥3 ) + 𝑓(𝑥4 )) + 𝑓 (𝑥5 )]
0 2

0.2
= [ 0 + 2(0.04 + 0.16 + 0.36 + 0.64) + 1 ] = 𝟎. 𝟑𝟒
2

4 dx
2. Usando a Regra dos Trapézios determine o valor de ∫1 com
𝑥
a) 𝑛 = 2
b) ℎ = 0.5

Solução
4 dx
a) ∫1 ≅ 1.5375
𝑥

4 dx
b) ∫1 ≅ 1.4054
𝑥

1
3. Calcule o valor de ∫−1 (𝑥 3 + 1) 𝑑𝑥 pela Regra dos Trapézios usando 5 divisões em [𝑎 𝑏].

1
Solução: ∫−1 (𝑥 3 + 1) 𝑑𝑥 ≅ 2

______________________________________________________________________________________________________________ 8 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

4
4. Calcule o valor de ∫1 (𝑥 3 − 2𝑥 + 1) 𝑑𝑥 pela Regra dos Trapézios usando ℎ = 0.5.
Calcule o erro de truncamento.

Resolução (valor exato = 51.7500)

4−1
𝑛= =6
0.5
𝒙 1 1.5 2.0 2.5 3 3.5 4.0
𝒚 0 1.3750 5.0000 11.6250 22.000 36.8750 57.000
4
ℎ
∫ (𝑥 3 − 2𝑥 + 1) 𝑑𝑥 ≅ [ 𝑓(𝑥0 ) + 2( 𝑓(𝑥1 ) + 𝑓(𝑥2 ) + 𝑓(𝑥3 ) + 𝑓(𝑥4 ) + 𝑓(𝑥5 ) ) + 𝑓(𝑥6 ) ]
1 2

4
0.5
∫ (𝑥 3 − 2𝑥 + 1) 𝑑𝑥 ≅ [ 0 + 2(76.8750) + 57 ] = 𝟓𝟐. 𝟔𝟖𝟕𝟓
1 2

Erro de Truncamento
𝑓 ′ (𝑥) = 3𝑥 2 − 2 → 𝑓 ″ (𝑥) = 6𝑥 → 𝑚𝑎𝑥 |𝑓 ″ (𝑥)| = 24
𝑥 ∈ [1, 4]

ℎ 2 (𝑏 − 𝑎 ) (0.5)2 (4 − 1)
|𝐸| ≤ ∗ 𝑚𝑎𝑥 |𝑓 ″ (𝑥)| = ∗ 24 = 1.5000
12 𝑥∈[𝑎,𝑏] 12

𝜋/3
5. Usando a Regra dos Trapézios determine o valor de ∫0 𝑠𝑒𝑛(𝑥)𝑑𝑥 com 𝑛 = 6.

𝜋/3
Solução: ∫0 𝑠𝑒𝑛(𝑥)𝑑𝑥 ≅ 0.4987

______________________________________________________________________________________________________________ 9 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

1.3 Regra 1/3 de Simpson

Seja 𝑓(𝑥 ) uma função contínua no intervalo [𝑎 𝑏].

𝑓(𝑥) 𝑃2 (𝑥)

𝑦 = 𝑓(𝑥)

𝑎 = 𝑥0 ℎ ℎ 𝑏 = 𝑥2 𝑥

Para a determinação da função do 2º grau que passa pelos pontos (𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ) e (𝑥2 , 𝑦2 )
utiliza-se o polinômio de Newton-Gregory de 2º grau (uma parábola).

Considerando 𝑛 = 2 e obtém-se
𝑏 𝑏 𝑏
𝑠(𝑠 − 1) 2
∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ 𝑝2 (𝑥)𝑑𝑥 = ∫ (𝑦0 + 𝑠𝛥𝑦0 + Δ 𝑦0 ) 𝑑𝑥
𝑎 𝑎 𝑎 2!

𝑥 – 𝑥0
Como 𝑠 = , tem-se
ℎ

𝑑𝑥
𝑑𝑠 = ⇒ 𝑑𝑥 = ℎ𝑑𝑠
ℎ

Considerando 𝑎 = 𝑥0 e 𝑏 = 𝑥2 o novo intervalo de integração é obtido fazendo

𝑎−𝑎
𝑥=𝑎⇒𝑠= ⇒𝑠=0
ℎ
𝑏 − 𝑎 2ℎ
𝑥=𝑏⇒𝑠= = ⇒𝑠=2
ℎ ℎ

Então,
𝑏 𝑏
𝑠(𝑠 − 1) 2
∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ (𝑦0 + 𝑠Δ𝑦0 + Δ 𝑦0 ) 𝑑𝑥
𝑎 𝑎 2!
2 (𝑠 2 − 𝑠 ) 2
= ∫ (𝑦0 + 𝑠Δ𝑦0 + Δ 𝑦0 ) ℎ𝑑𝑠
0 2

𝑠 2 Δ2 𝑦0 𝑠 3 𝑠 2 2
= ℎ [𝑦0 𝑠 + Δ𝑦0 + ( − )] |
2 2 3 2
0
4 1
= ℎ [2𝑦0 + 2Δ𝑦0 + ( − 1) Δ2 𝑦0 ] = ℎ [2𝑦0 + 2Δ𝑦0 + Δ2 𝑦0 ]
3 3

______________________________________________________________________________________________________________ 10 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

Sabendo que
Δ𝑦0 = 𝑦1 − 𝑦0
Δ2 𝑦0 = Δ𝑦1 − Δ𝑦0 = (𝑦2 − 𝑦1 ) − (𝑦1 − 𝑦0 ) = 𝑦2 − 2𝑦1 + 𝑦0
tem-se
𝑏
1
∫ 𝑓(𝑥)𝑑𝑥 ≅ ℎ [2𝑦0 + 2Δ𝑦0 + Δ2 𝑦0 ]
𝑎 3

1
= ℎ [2𝑦0 + 2(𝑦1 − 𝑦0 ) + (𝑦2 − 2𝑦1 + 𝑦0 )]
3
1 4 1
= ℎ [ 𝑦0 + 𝑦1 + 𝑦2 ]
3 3 3
𝑏
ℎ
∴ ∫ 𝑓(𝑥)𝑑𝑥 ≅ [ 𝑦 + 4𝑦1 + 𝑦2 ]
𝑎 3 0

A fim de melhorar o resultado obtido através da Regra 1/3 de Simpson deve-se subdividir o
intervalo [𝑎 𝑏] em 𝑛 subintervalos, [𝑥0 𝑥1 ], [𝑥1 𝑥2 ], [𝑥2 𝑥3 ], … , [𝑥𝑛−1 𝑥𝑛 ], de amplitude
𝑏−𝑎
ℎ= e, a cada dois intervalos (3 pontos) aplicar a Regra 1/3 de Simpson:
𝑛

𝐴𝑛
𝐴1 𝐴2
⋯ 2

𝑎 = 𝑥0 𝑥1 𝑥2 𝑥3 𝑥4 𝑥𝑛−2 𝑥𝑛−1 𝑏 = 𝑥𝑛

𝑏
∫ 𝑓(𝑥)𝑑𝑥 ≅ 𝐴1 + 𝐴2 +. . . +𝐴𝑛
𝑎 2

ℎ ℎ ℎ
= [𝑦0 + 4𝑦1 + 𝑦2 ] + [𝑦2 + 4𝑦3 + 𝑦4 ] + ⋯ + [𝑦𝑛−2 + 4𝑦𝑛−1 + 𝑦𝑛 ]
3 3 3
Logo,
𝑏
ℎ
∫ 𝑓(𝑥)𝑑𝑥 ≅ [ 𝑦 + 4( 𝑦1 + 𝑦3 + ⋯ + 𝑦𝑛−1 ) + 2( 𝑦2 + 𝑦4 + ⋯ + 𝑦𝑛−2 ) + 𝑦𝑛 ]
𝑎 3 0
Índices Ímpares Índices Pares

______________________________________________________________________________________________________________ 11 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

Observação.: 𝑛 deve ser PAR.

Caso 𝑛 seja ímpar integra-se 𝑥0 a 𝑥𝑛−1 utilizando 1⁄3 de Simpson e integra-se de 𝑥𝑛−1 a 𝑥𝑛
utilizando a Regra dos Trapézios.
𝑏 𝑥𝑛−1 𝑥𝑛
∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥
𝑎 ⏟𝑎=𝑥0 ⏟𝑥𝑛−1
1⁄ 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛 𝑇𝑟𝑎𝑝é𝑧𝑖𝑜𝑠
3

Por exemplo, se 𝑛 = 7
𝑏 𝑥6 𝑥7 =𝑏
∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ 𝑓(𝑥)𝑑𝑥 + ∫ 𝑓(𝑥)𝑑𝑥
𝑎 ⏟𝑎=𝑥0 ⏟𝑥6
𝟏⁄ 𝒅𝒆 𝑺𝒊𝒎𝒑𝒔𝒐𝒏 𝑻𝒓𝒂𝒑é𝒛𝒊𝒐𝒔
𝟑

Erro de Truncamento

A demonstração pode ser vista em RUGGIERO, M.A.G. & LOPES, V.L.R. Cálculo
Numérico - Aspectos Teóricos e Computacionais. 2. ed., São Paulo: Makron Books, 1996.

a) 1/3 de Simpson (1 aplicação → 𝑛 = 2 subintervalos)

ℎ5
|𝐸 | ≤ ∗ max | 𝑓 𝑖𝑣 (𝑥)|
90 𝑥∈[𝑎,𝑏]
ou
(𝑏 − 𝑎 ) 5
|𝐸 | ≤ ∗ max | 𝑓 𝑖𝑣 (𝑥)|
2880 𝑥∈[𝑎,𝑏]

b) 1/3 de Simpson Generalizada (𝑚 aplicações → 𝑛 = 𝑚 ∗ 2 subintervalos)

ℎ 4 (𝑏 − 𝑎 )
|𝐸 | ≤ ∗ max | 𝑓 𝑖𝑣 (𝑥)|
180 𝑥∈[𝑎,𝑏]
ou
(𝑏 − 𝑎 ) 5
|𝐸 | ≤ ∗ max | 𝑓 𝑖𝑣 (𝑥)|
180𝑛4 𝑥∈[𝑎,𝑏]

______________________________________________________________________________________________________________ 12 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

Exercícios

1
1. Usando a Regra 1/3 de Simpson determine o valor de ∫0 𝑥 2 𝑑𝑥 com 𝑛 = 6.

1 1
Solução: ∫0 𝑥 2 𝑑𝑥 ≅ 3

4 dx
2. Usando a Regra 1/3 de Simpson determine o valor de ∫1 com
𝑥
a) 𝑛 = 2
b) ℎ = 0.5
c) Calcule o erro nos dois casos.

Resolução (valor exato = 1.3863)

4−1
a) ℎ = = 1.5
2

𝒙 1 2.5 4
𝒚 1 0.4 0.25
4
dx ℎ 1.5 1
∫ ≅ [ 𝑦0 + 4𝑦1 + 𝑦2 ] = [ 1 + 4(0.4) + 0.25 ] = [ 2.85 ] = 𝟏. 𝟒𝟐𝟓𝟎
1 𝑥 3 3 2

c) Erro:
ℎ5
𝑛 = 2 → 1 aplicação → |𝐸| ≤ 90 ∗ max | 𝑓 𝑖𝑣 (𝑥)|
𝑥∈[𝑎,𝑏]

𝑓 𝑖𝑣 (𝑥 ) = 24𝑥 −5 → max | 𝑓 𝑖𝑣 (𝑥 )| = max{ | 𝑓 𝑖𝑣 (1)|, | 𝑓 𝑖𝑣 (2.5)|, | 𝑓 𝑖𝑣 (4)| }

𝑥∈[𝑎,𝑏]

= 𝑚𝑎𝑥 | 24, 0.2458, 0.0234 | = 24

5 5
ℎ (1.5)
|𝐸𝑎 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥) | = ∗ 24 = 0.0844 ∗ 24 = 𝟐. 𝟎𝟐𝟓𝟎
90 90

b) ℎ = 0.5 ⇒ 3 aplicações
𝒙 1 1.5 2 2.5 3.0 3.5 4.0
𝒚 1 0.6667 0.5 0.4 0.3333 0.2857 0.25
4
dx ℎ ℎ
∫ ≅ [ 𝑦0 + 4(𝑦1 + 𝑦3 + 𝑦5 ) + 2(𝑦2 + 𝑦4 ) + 𝑦6 ] = ∗ [8.3262] = 𝟏. 𝟑𝟖𝟕𝟕
1 𝑥 3 3

c) Erro:
ℎ 4 (𝑏−𝑎)
𝑛 = 6 → 3 aplicações → |𝐸| ≤ ∗ max | 𝑓 𝑖𝑣 (𝑥)|
180 𝑥∈[𝑎,𝑏]
𝐸𝑎 4(
ℎ 𝑏 − 𝑎) (0.5)4 (4 − 1)
max | 𝑓 𝑖𝑣 (𝑥)| =
⏞ 24 ⟹ |𝐸𝑏 | ≤ ∗ max | 𝑓 𝑖𝑣 (𝑥)| = ∗ 24 = 0.0010 ∗ 24
𝑥∈[𝑎,𝑏] 180 𝑥∈[𝑎,𝑏] 180

|𝐸𝑏 | ≤ 𝟎. 𝟎𝟐𝟓𝟎

______________________________________________________________________________________________________________ 13 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

1
3. Calcule o valor de ∫−1 (𝑥 3 + 1) 𝑑𝑥 pela Regra 1/3 de Simpson usando 4 divisões em [𝑎 𝑏].

1
Solução: ∫−1 (𝑥 3 + 1) 𝑑𝑥 ≅ 2.000

4.2
4. Calcule o valor de ∫1 (𝑥 3 − 2𝑥 + 1) 𝑑𝑥 pela Regra 1/3 de Simpson usando ℎ = 0.4.

4.2
Solução: ∫1 (𝑥 3 − 2𝑥 + 1) 𝑑𝑥 ≅ 64.102

𝜋/3
5. Usando a Regra 1/3 de Simpson determine o valor de ∫0 𝑠𝑒𝑛(𝑥)𝑑𝑥 com 𝑛 = 5.

Resolução (valor exato = 0.5000)

𝜋⁄ − 0 𝜋
ℎ= 3 = = 0.2094
5 15
𝜋⁄15 2 𝜋⁄15 𝜋 ⁄5 4𝜋⁄15 𝜋 ⁄3
𝒙 0
= 0.2094 = 0.4189 = 0.6283 = 0.8378 = 1.0472
𝒚 0 0.2079 0.4067 0.5878 0.7431 0.8660

𝑺𝒐𝒍𝒖çã𝒐
[𝑥0 𝑥4 ] usar 1/3 de Simpson
𝒏 = 𝟓 → 1/3 de Simpson pede n par ⇒ {
[𝑥4 𝑥5 ] usar Trapézio

𝜋
3 ℎ ℎ ℎ ℎ
∫ 𝑠𝑒𝑛(𝑥 )𝑑𝑥 ≅ [ 𝑦0 + 4(𝑦1 + 𝑦3 ) + 2𝑦2 + 𝑦4 ] + [ 𝑦4 + 𝑦5 ] = [ 4.7393] + [ 1.6091 ]
0
⏟
3 ⏟
2 3 2
1 𝑇𝑟𝑎𝑝é𝑧𝑖𝑜
𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛
3

= 0.3309 + 0.1685
𝜋/3
∫ 𝑠𝑒𝑛(𝑥)𝑑𝑥 ≅ 𝟎. 𝟒𝟗𝟗𝟒
0

______________________________________________________________________________________________________________ 14 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

1.4 Regra 3/8 de Simpson

Seja 𝑓(𝑥 ) uma função contínua no intervalo [𝑎 𝑏].

𝑃3 (𝑥)

𝑎 = 𝑥0 𝑥1 𝑥2 𝑥3 = 𝑏 = 𝑥 𝑛
h h h

Para a determinação da função do 3º grau que passa pelos pontos

(𝑥0 , 𝑦0 ), (𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ) 𝑒 (𝑥3 , 𝑦3 ) utiliza-se o polinômio de Newton-Gregory de grau 3.

Considerando 𝑛 = 3 tem-se
𝑏 𝑏
∫ 𝑓 (𝑥 )𝑑𝑥 ≅ ∫ 𝑝3 (𝑥 )𝑑𝑥
𝑎 𝑎
𝑏
Δ2 𝑦0 Δ3 𝑦0
= ∫ (𝑦0 + 𝑠Δ𝑦0 + 𝑠(𝑠 − 1) + 𝑠(𝑠 − 1)(𝑠 − 2) ) 𝑑𝑥
𝑎 2! 3!

𝑥 – 𝑥0
Como 𝑠 = , tem-se
ℎ

𝑑𝑥
𝑑𝑠 = ⇒ 𝑑𝑥 = ℎ𝑑𝑠
ℎ

Considerando 𝑎 = 𝑥0 e 𝑏 = 𝑥3 os novos intervalos de integração são:

𝑎−𝑎
𝑥=𝑎⇒𝑠= ⇒𝑠=0
ℎ
𝑏 − 𝑎 3ℎ
𝑥=𝑏⇒𝑠= = ⇒𝑠=3
ℎ ℎ

Então,
𝑏 𝑏
𝑠(𝑠 − 1) 2 𝑠(𝑠 − 1)(𝑠 − 2) 3
∫ 𝑓(𝑥)𝑑𝑥 ≅ ∫ (𝑦0 + 𝑠Δ𝑦0 + Δ 𝑦0 + Δ 𝑦0 ) 𝑑𝑥
𝑎 𝑎 2! 3!

3 (𝑠 2 − 𝑠 ) 2 (𝑠 3 − 3𝑠 2 − 2𝑠) 3
= ∫ (𝑦0 + 𝑠Δ𝑦0 + Δ 𝑦0 + Δ 𝑦0 ) ℎ𝑑𝑠
0 2 6

______________________________________________________________________________________________________________ 15 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

𝑏
𝑠 2 Δ2 𝑦0 𝑠 3 𝑠 2 Δ3 𝑦0 𝑠 4 3
∫ 𝑓(𝑥)𝑑𝑥 ≅ ℎ [𝑦0 𝑠 + Δ𝑦0 + ( − )+ ( − 𝑠 3 + 𝑠 2 )] |
𝑎 2 2 3 2 6 4
0
𝑏
9 9 3
∫ 𝑓(𝑥)𝑑𝑥 ≅ ℎ [3𝑦0 + Δ𝑦0 + Δ2 𝑦0 + Δ3 𝑦0 ]
𝑎 2 4 8

Considerando
Δ𝑦0 = 𝑦1 − 𝑦0
Δ2 𝑦0 = 𝑦2 − 2𝑦1 + 𝑦0
Δ3 𝑦0 = Δ2 𝑦1 − Δ2 𝑦0 = (𝑦3 − 2𝑦2 + 𝑦1 ) − (𝑦2 − 2𝑦1 + 𝑦0 ) = 𝑦3 − 3𝑦2 + 3𝑦1 − 𝑦0
tem-se
𝑏
3 3 1
∫ 𝑓(𝑥)𝑑𝑥 ≅ 3ℎ [𝑦0 + Δ𝑦0 + Δ2 𝑦0 + Δ3 𝑦0 ]
𝑎 2 4 8

3 3 1
= 3ℎ [𝑦0 + (𝑦1 − 𝑦0 ) + (𝑦2 − 2𝑦1 + 𝑦0 ) + (𝑦3 − 3𝑦2 + 3𝑦1 − 𝑦0 )]
2 4 8
𝑏
3
∫ 𝑓(𝑥)𝑑𝑥 ≅ ℎ[ 𝑦0 + 3𝑦1 + 3𝑦2 + 𝑦3 ]
𝑎 8

Para melhorar o resultado obtido através da Regra 3/8 de Simpson subdivide-se o intervalo
𝑏−𝑎
[𝑎 𝑏] em 𝑛 subintervalos (𝑛 deve ser múltiplo de três) de amplitude ℎ, ℎ = , e a cada 3 intervalos
𝑛
aplica-se a Regra 3/8 de Simpson.

𝑓(𝑥)

𝐴1
𝐴2
A𝑛
⋯ 3

𝑎 = 𝑥0 𝑥3 𝑥6 𝑥𝑛−3 𝑏
=𝑥
Procedendo como nos casos anteriores tem-se:
𝑏
∫ 𝑓(𝑥)𝑑𝑥 ≅ 𝐴1 + 𝐴2 +. . . +𝐴𝑛
𝑎 3
3 3
= ℎ[ 𝑦0 + 3𝑦1 + 3𝑦2 + 𝑦3 ] + ℎ[ 𝑦3 + 3𝑦4 + 3𝑦5 + 𝑦6 ]
8 8
3
+ ⋯ + ℎ[ 𝑦𝑛−3 + 3𝑦𝑛−2 + 3𝑦𝑛−1 + 𝑦𝑛 ]
8

______________________________________________________________________________________________________________ 16 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

𝑏 𝑦0 + 3𝑦1 + 3𝑦2 + 2𝑦3 + 3𝑦4 + 3𝑦5 + 2𝑦6

3
∫ 𝑓(𝑥)𝑑𝑥 = ℎ [ ]
𝑎 8
+ ⋯ + 2𝑦𝑛−3 + 3𝑦𝑛−2 + 3𝑦𝑛−1 + 𝑦𝑛

Portanto, a Regra de 3/8 de Simpson Generalizada é dada por:

𝐼𝑛𝑑𝑖𝑐𝑒𝑠 𝑁Ã𝑂 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑜𝑠 𝑑𝑒 3

𝑏
3
∫ 𝑓(𝑥)𝑑𝑥 = ℎ [ 𝑦0 + 3 ⏞
(𝑦1 + 𝑦2 + 𝑦4 + 𝑦5 + ⋯ + 𝑦𝑛−2 + 𝑦𝑛−1 )
𝑎 8

+ 2 (⏟𝑦3 + 𝑦6 + 𝑦9 + ⋯ + y𝑛−3 ) + 𝑦𝑛 ]
𝐼𝑛𝑑𝑖𝑐𝑒𝑠 𝑀𝑈𝐿𝑇𝐼𝑃𝐿𝑂𝑆 𝑑𝑒 3

Erro de Truncamento

A demonstração pode ser vista em RUGGIERO, M.A.G. & LOPES, V.L.R. Cálculo
Numérico - Aspectos Teóricos e Computacionais. 2. ed., São Paulo: Makron Books, 1996.

a) 3/8 de Simpson (1 aplicação → 𝑛 = 3 subintervalos)

3ℎ5
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)|
80
𝑥∈[𝑎,𝑏]

ou
(𝑏 − 𝑎 ) 5
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)|
6480
𝑥∈[𝑎,𝑏 ]

b) 3/8 de Simpson Generalizada (m aplicações → 𝑛 = 𝑚 ∗ 3 subintervalos)

ℎ4 ( 𝑏 − 𝑎 )
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)|
80
𝑥∈[𝑎,𝑏 ]

ou
(𝑏 − 𝑎 ) 5
|𝐸 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)|
80𝑛4
𝑥∈[𝑎,𝑏 ]

______________________________________________________________________________________________________________ 17 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

Exercícios

1
1. Usando a Regra 3/8 de Simpson determine o valor de ∫0 𝑥 2 𝑑𝑥 com 𝑛 = 6.

1
Solução: ∫0 𝑥 2 𝑑𝑥 ≅ 0.333

4 dx
2. Usando a Regra 3/8 de Simpson determine o valor de ∫1 com
𝑥
a) 𝑛=3
b) ℎ = 0.5
c) 3 aplicações
d) Calcule o erro nos três casos.

Resolução (valor exato = 1.3863)

4−1
a) ℎ = = 1 ⇒ 1 aplicação
3

𝒙 1 2 3 4
𝒚 1 1⁄ 1⁄ 1⁄
2 3 4
4
dx 3
∫ ≅ ℎ[ 𝑦0 + 3(𝑦1 + 𝑦2 ) + 𝑦3 ] = 𝟏. 𝟒𝟎𝟔𝟑
1 𝑥 8

d) Erro:
3ℎ5
𝑛 = 3 → 1 aplicação (𝑛/3) → |𝐸𝑎 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)|
80
𝑥∈[𝑎,𝑏]

𝐸𝑥2
1/3 𝑆
3ℎ5 3(1)5
max | 𝑓 𝑖𝑣 (𝑥)| =
⏞ 24 ⟹ |𝐸𝑎 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)| = (24) = 𝟎. 𝟗𝟎𝟎𝟎
𝑥∈[𝑎,𝑏] 80 80
𝑥∈[𝑎,𝑏]

b) ℎ = 0.5 ⇒ 2 aplicações

𝒙 1 1.5 2 2.5 3.0 3.5 4.0

𝒚 1 2⁄ 1⁄ 2⁄ 1⁄ 2⁄ 1⁄
3 2 5 3 7 4

4
dx 3
∫ ≅ ℎ[ 𝑦0 + 3(𝑦1 + 𝑦2 + 𝑦4 + 𝑦5 ) + 2𝑦3 + 𝑦6 ] = 𝟏. 𝟑𝟖𝟖𝟖
1 𝑥 8

d) Erro:
ℎ4 (𝑏 − 𝑎)
𝑛 = 6 → 2 aplicações (𝑛/3) → |𝐸𝑏 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)|
80
𝑥∈[𝑎,𝑏]
𝐸𝑥2
1/3 𝑆
ℎ4 (𝑏 − 𝑎) (0.5)4 (4 − 1)
max | 𝑓 𝑖𝑣 (𝑥)| =
⏞ 24 ⟹ |𝐸𝑏 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)| = (24) = 𝟎. 𝟎𝟓𝟔𝟑
𝑥∈[𝑎,𝑏] 80 80
𝑥∈[𝑎,𝑏]

______________________________________________________________________________________________________________ 18 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

c) 3 aplicações
1 aplicação precisa de 3 subintervalos → 𝑛 = 3
3 aplicações → 𝑛 = 3 subintervalos ∗ 3 aplicações = 9 subintervalos → 𝑛 = 9 subintervalos
4−1 1
ℎ= =
9 3
0 1 2 3 4 5 6 7 8 9
𝒙 1 4/3 5/3 2 7/3 8/3 3 10/3 11/3 4
3⁄4 3/5 1⁄ 3/7 3/8 1/3 3/10 3/11 1⁄
𝒚 1 2 4
= 0.75 = 0.6 = 0.4286 = 0.3750 = 0.3333 = 0.3 = 0.2727
4
dx 3
∫ ≅ ℎ[ 𝑦0 + 3(𝑦1 + 𝑦2 + 𝑦4 + 𝑦5 + 𝑦7 + 𝑦8 ) + 2(𝑦3 + 𝑦6 ) + 𝑦9 ]
1 𝑥 8
3 1
= ∗ [ 1 + 3(3/4 + 3/5 + 3/7 + 3/8 + 3/10 + 3/11) + 2(0.5 + 1/3) + 0.25 ]
8 3
1 1
= [ 1 + 3(2.7263) + 2(5/6) + 0.25 ] = [ 1 + 8.1789 + 1.6667 + 0.25 ] = 1.3869
8 8

d) Erro:
ℎ 4 (𝑏 − 𝑎 )
𝑛 = 9 → 3 aplicações (𝑛/3) → |𝐸𝑐 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)|
80
𝑥∈[𝑎,𝑏]
𝐸𝑥2
1/3 𝑆
ℎ 4 (𝑏 − 𝑎 ) (1/3)4 (4 − 1)
max | 𝑓 𝑖𝑣 (𝑥)| =
⏞ 24 ⟹ |𝐸𝑐 | ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)| = (24) = 𝟎. 𝟎𝟏𝟏𝟏
𝑥∈[𝑎,𝑏] 80 80
𝑥∈[𝑎,𝑏]

1
3. Calcule o valor de ∫−1 (𝑥 3 + 1) 𝑑𝑥 pela Regra 3/8 de Simpson usando 7 divisões em [𝑎 𝑏].
1
Solução: ∫−1 (𝑥 3 + 1) 𝑑𝑥 ≅ 2.0099

4.2
4. Calcule o valor de ∫1 (𝑥 3 − 2𝑥 + 1) 𝑑𝑥 pela Regra 3/8 de Simpson usando 𝑛 = 9.

4.2
Solução: ∫1 (𝑥 3 − 2𝑥 + 1) 𝑑𝑥 ≅ 64.102

______________________________________________________________________________________________________________ 19 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
 ____________________________________________________________________________________________________________________

𝜋/3
5. Usando a Regra 3/8 de Simpson determine o valor de ∫0 𝑠𝑒𝑛(𝑥)𝑑𝑥 com 𝑛 = 5.

Resolução (valor exato = 0.5000)

𝜋⁄ − 0 𝜋
ℎ= 3 = = 0.2094
5 15

𝜋⁄15 2 𝜋⁄15 𝜋 ⁄5 4𝜋⁄15 𝜋 ⁄3

𝒙 0
= 0.2094 = 0.4189 = 0.6283 = 0.8378 = 1.0472
𝒚 0 0.2079 0.4067 0.5878 0.7431 0.8660

𝑺𝒐𝒍𝒖çã𝒐
[𝑥0 𝑥3 ] usar 3/8 de Simpson
𝒏 = 𝟓 → 3/8 de Simpson pede 𝒏 múltiplo de 3 ⇒ {
[𝑥3 𝑥5 ] usar 1/3 de Simpson

3⁄ 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛 1⁄ 𝑑𝑒 𝑆𝑖𝑚𝑝𝑠𝑜𝑛
8 3
𝜋/3 ⏞
3ℎ ⏞
ℎ
∫ 𝑠𝑒𝑛(𝑥)𝑑𝑥 ≅ [ 𝑦0 + 3(𝑦1 + 𝑦2 ) + 𝑦3 ] + [ 𝑦3 + 4𝑦4 + 𝑦5 ]
0 8 3

𝜋 𝜋
= [ 2.4316 ] + [ 4.4262 ] = 0.1910 + 0.3090
40 45

𝜋/3
∫ 𝑠𝑒𝑛(𝑥)𝑑𝑥 ≅ 𝟎. 𝟓𝟎𝟎𝟎
0

𝜋
𝑥4
6. Quantos subintervalos (𝑛) são necessários para calcular ∫ ( 4 + 𝑥 2 + 𝑠𝑒𝑛(𝑥)) 𝑑𝑥 pela regra
0
de 3/8 de Simpson com precisão 𝜀 < 10−2 ?
Após determinar 𝑛 utilize-o para calcular a integral solicitada.

Resolução (valor exato = 27.6364)

(𝑏−𝑎)5
a) Determinar 𝑛 tal que |𝐸| ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)| < 10−2
80𝑛 4
𝑥∈[𝑎,𝑏]
i) Calcular 𝑓 𝑖𝑣 (𝑥)
𝑥4
𝑓(𝑥) = + 𝑥 2 + 𝑠𝑒𝑛(𝑥) 𝑓 ′′′ (𝑥) = 6𝑥 − 𝑐𝑜𝑠(𝑥)
4
𝑓 ′ (𝑥) = 𝑥 3 + 2𝑥 + 𝑐𝑜𝑠(𝑥) 𝑓 𝑖𝑣 (𝑥) = 6 + 𝑠𝑒𝑛(𝑥)
𝑓 " (𝑥) = 3𝑥 2 + 2 − 𝑠𝑒𝑛(𝑥)

ii) max | 𝑓 𝑖𝑣 (𝑥)| = max | 6 + 𝑠𝑒𝑛(𝑥) | → 𝑥 ∈ [ 0, 𝜋 ] o maior valor de 𝑠𝑒𝑛(𝑥) é 1 (𝑥 = 𝜋/2)

𝑥∈[𝑎,𝑏] 𝑥∈[0, 𝜋]

Assim,
max | 𝑓 𝑖𝑣 (𝑥)| = max | 6 + 𝑠𝑒𝑛(𝑥) | =
⏟ |6+1|=7
𝑥∈[𝑎,𝑏] 𝑥∈[0, 𝜋]
𝑥 = 𝜋/2

______________________________________________________________________________________________________________ 20 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

(𝑏−𝑎)5
iii) |𝐸| ≤ ∗ 𝑚𝑎𝑥 | 𝑓 𝑖𝑣 (𝑥)| < 10−2
80𝑛 4
𝑥∈[𝑎,𝑏]

(𝜋 − 0 )5 −2
7𝜋 5 7𝜋 5
∗ 7 < 10 ⟹ < 10−2 ⟹ < 𝑛4
80𝑛4 80𝑛4 80 ∗ 10−2
7𝜋 5
⟹ 𝑛4 > ⟹ 𝒏 > 𝟕. 𝟏𝟗𝟑𝟓
80 ∗ 10−2
Como 3/8 de Simpson pede 𝒏 múltiplo de 3, neste caso temos 𝒏 = 𝟗

𝜋
𝑥4
b) Calcular ∫ ( 4 + 𝑥 2 + 𝑠𝑒𝑛(𝑥)) 𝑑𝑥 com 𝑛 = 9
0

𝜋−0 𝜋
ℎ= =
9 9
0 1 2 3 4 5 6 7 8 9
𝒙 0 𝜋/9 2𝜋/9 𝜋/3 4𝜋/9 5𝜋/9 2𝜋/3 7𝜋/9 8𝜋/9 𝜋
𝒚 0 0.4676 1.1896 2.2633 3.8845 6.3508 10.0628 15.5250 23.3432 34.2219
𝜋
𝑥4 3
∫ ( + 𝑥 2 + 𝑠𝑒𝑛(𝑥)) 𝑑𝑥 ≅ ℎ[ 𝑦0 + 3(𝑦1 + 𝑦2 + 𝑦4 + 𝑦5 + 𝑦7 + 𝑦8 ) + 2(𝑦3 + 𝑦6 ) + 𝑦9 ]
0 4 8

( )
3 𝜋 0 + 3 0.4676 + 1.1896 + 3.8845 + 6.3508 + 15.5250 + 23.3432
= ∗ [ ]
8 9
+ 2(2.2633 + 10.0628) + 34.2219
𝜋
= [ 0 + 3(50.7607) + 2(12.3261) + 34.2219 ]
24
𝜋 𝜋
= [ 0 + 152.2821 + 24.6522 + 34.2219 ] = [ 211.1562 ]
24 24
𝜋
𝑥4
∫ ( + 𝑥 2 + 𝑠𝑒𝑛(𝑥)) 𝑑𝑥 ≅ 𝟐𝟕. 𝟔𝟒𝟎𝟑
4
0

______________________________________________________________________________________________________________ 21 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

2 FÓRMULA DE QUADRATURA GAUSSIANA

A Fórmula de Gauss para o cálculo de integral numérica, ou como é mais conhecida

Fórmula de Quadratura Gaussiana, fornece um resultado mais preciso do que as fórmulas de
Newton Cotes, para um número de pontos semelhantes.

Na aplicação da Quadratura Gaussiana os pontos não são mais escolhidos pelo usuário do
método, mas seguem um critério bem definido.

O problema continua sendo calcular

𝑏
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥
𝑎

A Fórmula de Gauss fornece valores exatos para a integração de polinômios de grau

2𝑛 − 1, sendo 𝑛 o número de pontos.

A Quadratura Gaussiana normalmente é usada para calcular

𝑏
𝐼 = ∫ 𝑤(𝑥)𝑓(𝑥)𝑑𝑥
𝑎

valendo-se dos Polinômios Ortogonais, onde 𝑤(𝑥) é chamada função peso.

Os principais polinômios ortogonais são:

• Legendre com 𝑤(𝑥) = 1
1
• Tchebyshev com 𝑤(𝑥) =
√1 − 𝑥 2
• Laguerre 𝑤(𝑥) = 𝑒 −𝑥
2
• Hermite com 𝑤(𝑥) = 𝑒 −𝑥 .

Os limites de integração são diferentes para cada um desses polinômios, a saber,

• 𝑎 = −1 e 𝑏 = 1 para Legendre e Tchebyshev;
• 𝑎 = 0 e 𝑏 = ∞ para Laguerre e
• 𝑎 = −∞ e 𝑏 = ∞ para Hermite.

A Quadratura Gaussiana aqui apresentada considera o Polinômio Ortogonal de Legendre,

isto é, 𝑤(𝑥) = 1, 𝑎 = −1 e 𝑏 = 1.

A seguir será feita a dedução do Método de Gauss para dois pontos, pois para mais pontos
o procedimento é análogo.

Inicialmente o intervalo de integração deve ser mudado de [𝑎 𝑏] para [−1 1]. Isto pode
ser conseguido mediante uma troca de variável.

______________________________________________________________________________________________________________ 22 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

1
𝑑𝑥 = (𝑏 − 𝑎)𝑑𝑡
2
1
𝑥= [ (𝑏 − 𝑎)𝑡 + (𝑏 + 𝑎)] ⇒
2 𝑥 = 𝑎 ⇒ 𝑡 = −1

{ 𝑥=𝑏⇒𝑡=1
Então,
𝑏 1
1 1
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝑓 ( [(𝑏 − 𝑎)𝑡 + (𝑏 + 𝑎)]) (𝑏 − 𝑎)𝑑𝑡
𝑎 −1 2 2

1
∴ 𝐼 = ∫ 𝐹(𝑡)𝑑𝑡
−1

1 1 1
com 𝐹(𝑡) = 2 (𝑏 − 𝑎)𝑓 (2 (𝑏 − 𝑎)𝑡 + 2 (𝑏 + 𝑎)).

Para dois pontos de Gauss tem-se:

1
𝐼 = ∫−1 𝐹(𝑡)𝑑𝑡 = 𝐴𝑜 𝐹(𝑡0 ) + 𝐴1 𝐹(𝑡1 )

Pesos de Gauss Pontos de Gauss

onde 𝐴𝑜 , 𝐴1 , 𝑡𝑜 e 𝑡1 são incógnitas a serem determinadas e independem da função 𝐹 escolhida.

Para a determinação destas quatro incógnitas são necessárias quatro equações, obtidas
facilmente considerando 𝐹(𝑡) = 𝑡 𝑘 , 𝑘 = 0, 1, 2, 3, pois, conforme mencionado anteriormente, 𝐴𝑜 ,
𝐴1 , 𝑡𝑜 e 𝑡1 independem da função 𝐹.

Então,
1 1
∫ 𝐹(𝑡)𝑑𝑡 = ∫ 𝑡 𝑘 𝑑𝑡 = 𝐴𝑜 𝐹(𝑡0 ) + 𝐴1 𝐹(𝑡1 ) = 𝐴𝑜 𝑡𝑜𝑘 + 𝐴1 𝑡1𝑘 , k = 0, 1, 2, 3
−1 −1

𝒌=𝟎
1 1
∫ 𝑡 0 𝑑𝑡 = ∫ 𝑑𝑡 = 𝑡|1−1 = 2 ⇒ 𝐴𝑜 𝑡𝑜0 + 𝐴1 𝑡10 = 2
−1 −1

𝒌=𝟏
1 1
𝑡2
1
∫ 𝑡 𝑑𝑡 = | = 0 ⇒ 𝐴𝑜 𝑡𝑜1 + 𝐴1 𝑡11 = 0
−1 2 −1

______________________________________________________________________________________________________________ 23 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

𝒌=𝟐
1 1
𝑡3 2 2
2
∫ 𝑡 𝑑𝑡 = | = ⇒ 𝐴𝑜 𝑡𝑜2 + 𝐴1 𝑡12 =
−1 3 −1 3 3

𝒌=𝟑
1 1
𝑡4
3
∫ 𝑡 𝑑𝑡 = | = 0 ⇒ 𝐴𝑜 𝑡𝑜3 + 𝐴1 𝑡13 = 0
−1 4 −1

Assim, obtém-se o sistema:

𝐴0 + 𝐴1 = 2
𝐴0 𝑡0 + 𝐴1 𝑡1 = 0
𝐴0 𝑡02 + 𝐴1 𝑡12 2
= ⁄3
3
{ 𝐴0 𝑡0 + 𝐴1 𝑡13 = 0
cuja solução é
𝐴0 = 𝐴1 = 1
−√3
𝑡0 =
3
√3
{ 𝑡1 =
3

Então,
𝑏 1
−√3 √3
𝐼 = ∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝐹(𝑡)𝑑𝑡 = 𝐴0 𝐹(𝑡0 ) + 𝐴1 𝐹(𝑡1 ) = 1𝐹 ( ) + 1𝐹 ( )
𝑎 −1 3 3

1 1 1
com 𝐹(𝑡) = 2 (𝑏 − 𝑎)𝑓 (2 (𝑏 − 𝑎)𝑡 + 2 (𝑏 + 𝑎)).

Observação: Essa fórmula é exata para o cálculo com polinômios até grau 3.

______________________________________________________________________________________________________________ 24 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

Exercícios: Resolva utilizando Quadratura Gaussiana:

2
1. ∫−2 (2𝑥 3 − 3𝑥 2 + 2𝑥 − 1)𝑑𝑥 com 𝑛 = 2

Resolução
Para 𝑛 = 2
𝑏 −√3 √3
∫𝑎 𝑓(𝑥)𝑑𝑥 = 𝐹 ( 3
)+𝐹(3)

𝑓(𝑥) = 2𝑥 3 − 3𝑥 2 + 2𝑥 − 1
𝑎 = −2
𝑏=2
1 1 1
𝐹(𝑡) = 2 (𝑏 − 𝑎)𝑓 (2 (𝑏 − 𝑎)𝑡 + 2 (𝑏 + 𝑎)) = 2𝑓(2𝑡)

Logo,
𝑏 −√3 √3 √3 √3 √3 √3
∫𝑎 𝑓(𝑥)𝑑𝑥 = 𝐹 ( ) + 𝐹 ( 3 ) = 2𝑓 (−2 ) + 2𝑓 (2 ) = 2 [𝑓 (−2 ) + 𝑓 (2 )] = −20
3 3 3 3 3

Portanto,
2
∫ (2𝑥 3 − 3𝑥 2 + 2𝑥 − 1)𝑑𝑥 = −𝟐𝟎
−2

3 1
2. ∫1 𝑑𝑥 com 𝑛 = 2
𝑥

3 1 12
Solução: ∫1 𝑑𝑥 = 11 = 1.0909
𝑥

1
3. ∫0 𝑥 3 𝑑𝑥 com 𝑛 = 2

1 1
Solução: ∫0 𝑥 3 𝑑𝑥 = 4 = 0.25

______________________________________________________________________________________________________________ 25 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

Generalização

A Fórmula de Quadratura Gaussiana para 𝑛 pontos é dado por:

1 𝑛−1
𝐼 = ∫ 𝐹(𝑡)𝑑𝑡 = ∑ 𝐴𝑖 𝐹(𝑡𝑖 )
−1 𝑖=0

sendo 𝐴𝑖 e 𝑡𝑖 , pesos e pontos de Gauss respectivamente, que variam dependendo do número de

pontos 𝑛.

A tabela de pontos de Gauss, com seus respectivos pesos para 1 ≤ 𝑛 ≤ 8, é dada a seguir:

𝒏 𝒊 𝒕𝒊 𝑨𝒊
1 0 0 2

2 0;1 ∓ 0.57735027 = ∓ √3⁄3 1

0;2 ∓ 0.77459667 0.55555556 = 5/9

3
1 0 0.88888889 = 8/9
0;3 ∓ 0.86113631 0.34785484
4
1;2 ∓ 0.33998104 0.65214516
0;4 ∓ 0.90617985 0.23692688
5 1;3 ∓ 0.53846931 0.47862868
2 0 0.56888889
0;5 ∓ 0.93246951 0.17132450
6 1;4 ∓ 0.66120939 0.36076158
2;3 ∓ 0.23861919 0.46791394
0;6 ∓ 0.94910791 0.12948496
1;5 ∓ 0.74153119 0.27970540
7
2;4 ∓ 0.40584515 0.38183006
3 0 0.41795918
0;7 ∓ 0.96028986 0.10122854
1;6 ∓ 0.79666648 0.22238104
8
2;5 ∓ 0.52553242 0.31370664
3;4 ∓ 0.18343464 0.36268378

Observe que, considerando os pontos do intervalo [−1 1] os valores de 𝑡𝑖 são simétricos

ao centro deste intervalo. Os pesos 𝐴𝑖 , correspondentes aos pontos 𝑡𝑖 simétricos em relação ao
ponto zero, são iguais e sempre positivos.

A Fórmula de Quadratura Gaussiana oferece, com vantagem de 𝑛 não muito grande, boa
precisão. Sempre que possível, é aconselhável a sua utilização. Entretanto, em situações práticas
em que a forma analítica da função não é conhecida ela não pode ser utilizada.

A Fórmula da Quadratura Gaussiana Generalizada é dada por:

𝑏 1 𝑛−1
∫ 𝑓(𝑥)𝑑𝑥 = ∫ 𝐹(𝑡)𝑑𝑡 = ∑ 𝐴𝑖 𝐹(𝑡𝑖 )
𝑎 −1 𝑖=0
1 1 1
com 𝐹(𝑡) = 2 (𝑏 − 𝑎)𝑓 (2 (𝑏 − 𝑎)𝑡 + 2 (𝑏 + 𝑎)).

______________________________________________________________________________________________________________ 26 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli
____________________________________________________________________________________________________________________

Exemplos: Resolva utilizando Quadratura Gaussiana:

1
1. ∫0 𝑥 5 𝑑𝑥 com 𝑛 = 3
Resolução: (valor exato = 1⁄6 = 0.166667)
Para 𝑛 = 3
𝑏
5 8 5
∫ 𝑓(𝑥)𝑑𝑥 = 𝐹 (−0.77459667) + 𝐹(0) + 𝐹 (0.77459667)
𝑎 9 9 9

𝑓(𝑥) = 𝑥 5
𝑎=0
𝑏=1
1 1 1 1 1 1
𝐹(𝑡) = (𝑏 − 𝑎)𝑓 ( (𝑏 − 𝑎)𝑡 + (𝑏 + 𝑎)) = 𝑓 ( 𝑡 + )
2 2 2 2 2 2

Logo,
𝑏
5 8 5
∫ 𝑓(𝑥)𝑑𝑥 = 𝐹 (−0.77459667) + 𝐹(0) + 𝐹 (0.77459667)
𝑎 9 9 9
5 1 1 1 8 1 1 1 5 1 1 1
= [ 𝑓 ( (−0.77459667) + )] + [ 𝑓 ( (0) + )] + [ 𝑓 ( (0.77459667) + )]
9 2 2 2 9 2 2 2 9 2 2 2

5 0.22540333 8 1 5 1.77459667
= [𝑓 ( )] + [𝑓 ( )] + [𝑓 ( )]
18 2 18 2 18 2

= 0.00000505 + 0.01388889 + 0.15277273 = 0.16666667

Portanto,
1
∫ 𝑥 5 𝑑𝑥 = 𝟎. 𝟏𝟔𝟔𝟔𝟔𝟔𝟔𝟕
0

𝜋⁄
2. ∫𝜋⁄ 2 𝑠𝑒𝑛(𝑥)𝑑𝑥 com 𝑛 = 3
3
𝜋
Solução: ∫𝜋2 𝑠𝑒𝑛(𝑥)𝑑𝑥 = 0.50000001
3

0
3. ∫−2 (𝑥 9 − 2)𝑑𝑥 com 𝑛 = 5
0
Solução: ∫−2 (𝑥 9 − 2)𝑑𝑥 = 106.4011

Exercícios

1
1. Calcule o valor de ∫−1 (𝑥 3 + 1) 𝑑𝑥 pela Quadratura Gaussiana usando 4 pontos.
3 dx
2. Usando a Quadratura Gaussiana, determine o valor de ∫1 𝑥
com 3 pontos. Compare o
resultado com o valor de 𝑙𝑛(3).

______________________________________________________________________________________________________________ 27 / 27
Métodos Numéricos Computacionais
Profa. Márcia Zanoli