Escolar Documentos
Profissional Documentos
Cultura Documentos
Valen�n Mendoza
UNIFEI
Apresentação da primeira versão
Estas notas de aula de Cálculo Numérico foram inicialmente escritas no semestre
2013-II quando ministrei esta disciplina para os estudantes da Universidade Federal de
Viçosa. Em princı́pio foram apresentados em forma de 6 apostilas, cada uma corres-
pondendo a um capı́tulo do conteúdo. Agora serão apresentadas juntas acrescentando
os exercı́cios de cada tópico. Nesta ocasião o conteúdo sera adequado às exigências
da disciplina de Cálculo Numérico ministrada na Universidade Federal de Itajubá.
O objetivo ao escrevê-las é proporcionar ao aluno os principais conceitos da análise
numérica que lhe permitam resolver os problemas que se lhe apresentarão no decorrer
de sua atividade de trabalho. Tivemos especial interesse em apresentar a dedução dos
métodos, seguindo as ideias gerais nas quais está baseado cada uma das técnicas
aqui mostradas.
Não está demais dizer que toda a tecnologia de nosso tempo está muito ligada ao
Cálculo Numérico. Sem ele seria impossı́vel calcular as probabilidades da distribuição
normal, resolver equações de difusão, trabalhar com dinâmica de fluidos, governar o
movimento de robots, etc. Pois existem modelos de fenômenos fı́sicos, econômicos,
biológicos, etc, que são analı́ticamente insolúveis, ou cuja solução é tão complicada
como para utilizá-la para fins práticos. Nesses casos o Cálculo Numérico constitui-se a
única ferramenta para abordá-los e para obter soluções aceitáveis. Por isso, se o aluno
sente que a disciplina é um pouco entediante quando utiliza a calculadora para realizar
contas sobre contas num determinado exercı́cio, deve ser consciente que isso é um
pequeno preço a pagar pelo conhecimento e a práxis que adquirirá e que, na hora das
aplicações, serão inestimáveis.
Fico devendo a parte computacional sem a qual a potência do Cálculo Numérico
não é apreciada.
Acredito que este trabalho contenha alguns erros, mas estes seriam muitos mais
se não fosse pelas correições que alguns dos alunos da UFV fizeram ao texto inicial.
Gostaria de agradecer a Daniela Abrantes Leal, Beatryz Cardoso Mendes, Gabriel de
Rezende Coelho, Franco Luiz Alves e Marcus Vinicius Miranda, que me indicaram al-
guns erros tipográficos ou de conteúdo, e do monitor Michael Caneshe quem corrigiu
muitos dos exercı́cios propostos. Mas a pesar do dedicado esforço deles, escaparam-
se algumas coisas que podem ser melhoradas. Por isso, se o leitor tiver comentários,
crı́ticas e sugestões pode encaminhá-las ao email valentin@unifei.edu.br. Serei
grato a quem comunicar os erros de qualquer natureza encontrados no texto.
2
Sumário
1 Sequências e Séries 6
1.1 Seqûencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Teste de Comparação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4 Teste da série alternada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5 Teste da Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.6 Convergência absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7 Testes da raiz e da razão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.8 Séries de potências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.9 Representação de funções . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3 Interpolação Polinomial 54
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.3 A Fórmula de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4 A Fórmula de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5 O erro na interpolação polinômial . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Interpolação Spline cúbico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3
4.10 Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.11 O método de Newton para a resolução de sistemas não lineares . . . . . . 94
5 Integração Numérica 99
5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.2.1 Estudo do Erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.3 Regra dos Trapézios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.3.1 Limitante superior do erro na Regra do Trapézio . . . . . . . . . . . 103
5.3.2 Regra do Trapézio Generalizada . . . . . . . . . . . . . . . . . . . . 104
5.4 Regra 31 de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.4.1 Limitante superior para o Erro E2 na regra 1/3 de Simpson . . . . . 107
5.4.2 Regra 1/3 de Simpson Generalizada . . . . . . . . . . . . . . . . . . 109
5.5 Regra 38 de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.5.1 Limitante superior para o erro na regra 3/8 de Simpson . . . . . . . 112
5.5.2 Regra 3/8 de Simpson Generalizada . . . . . . . . . . . . . . . . . . 113
5.6 O método da quadratura gaussiana . . . . . . . . . . . . . . . . . . . . . . . 115
5.6.1 Mudança no intervalo . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.6.2 Fórmulas de quadratura . . . . . . . . . . . . . . . . . . . . . . . . . 117
4
8.3.6 Condições de Fronteira de Neumann ou com Derivadas . . . . . . 171
8.4 Equações Elı́pticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
8.4.1 O modelo de Equação Elı́ptica . . . . . . . . . . . . . . . . . . . . . 176
8.5 Equações não lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
5
1 Sequências e Séries
1.1 Seqûencias
DEFINIÇÃO 1.1. Uma sequência s é uma lista de números reais indexada pelos
números naturais, isto é,
n o∞
s = an = {a1 , a2 , · · · , an , · · · }.
n=1
n2 + n n n2 + n o∞ n o
(a) Se an = , para n ≥ 1, obtemos a sequência = 1, 3, 6, 10, · · · .
2 2 n=1
n2 + 1 n n2 + 1 o n 5 10 17 26 o
(b) Se an = , para n ≥ 1, a sequência é = 1, , , , , · · · .
2n 2n 4 8 16 32
Outras sequencias podem ser descritas usando uma fórmula recursiva para o termo
geral:
(d) Para cada r ∈ [0, 1], definindo a1 = 0.5 e o termo geral pela fórmula logı́stica
an+1 = ran (1 − an ), para n ≥ 1, obtemos uma sequência que pode ser utilizada no
estudo de dinâmica populacional. Por exemplo para r = 3.5 obtemos a sequencia
n o
0.5, 0.875, 0.3828125, 0.826934814, 0.500897694, · · · .
6
n o
Dada uma sequência an estamos interessados no comportamento dos termos an
quando n tende a +∞, isto é, em saber se existe o limite limn→+∞ an .
DEFINIÇÃO 1.2. Seja {an } uma sequência. Dizemos que {an } tem limite L, e escre-
vemos
lim an = L ou an → L quando n → ∞,
n→∞
Se limn→∞ an existir dizemos que {an } converge ou é convergente. Isto significa que dado
qualquer intervalo (L − , L + ), todos os termos an , com n ≥ N + 1, estão nesse intervalo.
Caso contrário dizemos que {an } diverge.
n o∞ 1
Exemplo 1.1. A sequência an em que an = 1 + (−1)n tem limite L = 1. De fato
n=1 n
dado > 0, para obter
1 1
|an − L| < ou 1 + (−1)n − 1 < , deve-se ter < .
n n
1 1
Isto é, basta tomar n > , ou seja, tomando N = b c segue que
Figura 1: .
Demonstração. Suponha que a sequência {an } tenha dois limites: lim an = L1 e lim an =
L2 . Pela definição dado > 0 existem N1 e N2 tal que se n > N1 , |an − L1 | < e se
n > N2 , |an − L2 | < . Logo se n > max{N1 , N2 } então
7
Como > 0 é arbitrário, |L1 − L2 | = 0. Assim L1 = L2 .
n o∞
DEFINIÇÃO 1.3. Dizemos que an é divergente para ∞, o qual é denotado
n≥1
limn→∞ an = ∞, se para cada número positivo M existe um inteiro positivo N tal
que:
se n > N então an > M.
n o n o
Dizemos que an diverge para −∞ se −an diverge para +∞. Neste caso denotamos
lim an = −∞.
(2) lim an · bn = L · M
(3) lim c · an = c · L
an L
(4) se M , 0 então lim =
bn M
Demonstração. Dado > 0 existem N1 e N2 tais que se n > N1 segue que |an − L| < ,
e se n > N2 segue que |cn − L| < . Logo se n > N := max{N1 , N2 } segue que
n!
Exemplo 1.2. Determine a convergência da sequência an = , para todo n ∈ N.
nn
Solução:
Note que
1 2 3 n 1
0 ≤ an = · · ··· ≤ , ∀n ≥ 1.
n n n n n
1 n!
Como lim = 0, o Teorema do Confronto 1.3 indica que lim n = 0.
n n
8
TEOREMA 1.4. lim |an | = 0 se, e somente se, lim an = 0.
Demonstração. Pela hipótese f (x) é contı́nua em x = L, então dado > 0 existe δ > 0
tal que se |x − L| < δ então | f (x) − f (L)| < . Além disso lim an = L implica que
para aquele δ > 0 existe N ∈ N tal que se n > N então |an − L| < δ. Juntado estas
conclusões, dado > 0 existe N tal que se n > N, então | f (an ) − f (L)| < .
DEFINIÇÃO 1.4. Uma sequência {an } é chamada crescente se an < an+1 para todo
n ≥ 1, isto é, se
a1 < a2 < · · · < an < · · · .
Uma sequência {an } é dita decrescente se an > an+1 para todo n ≥ 1. Se uma sequência
tiver uma destas propriedades é chamada monótona.
Note que uma sequência decrescente é limitada superiormente por a1 e uma sequência
crescente é limitada inferiormente também pelo termo a1 .
9
Demonstração. Suponha que {an } seja uma sequência crescente. Como {an } é limitada,
o conjunto S = {an : n ≥ 1} tem um limitante superior. Pelo Axioma de Completitude,
existe um menor limitante superior L. Dado > 0, L − não é limitante superior
de S. Portanto aN > L − para algum inteiro N. Como {an } é crescente segue que
an > L − para todo n ≥ N. Assim L − < an < L + para todo n ≥ N. Daı́ |an − L| < ,
∀n > N, o que implica que lim an = L.
Solução:
Note que a1 = 1, a2 = 4.1231, a3 = 4.8214, a4 = 4.9641, a5 = 4.9928. Vamos provar que
{an } é crescente e limitada por 5. De fato:
√
• Se n = 1, a1 = 1 < a2 = 17 < 5.
Assim para todo n ≥ N, an < an+1 < 5. Pelo Teorema 1.6, {an } é convergente. Se
√
L = lim an , então pelo Teorema 1.5 (com f (x) = 15 + 2x),
p √
lim an+1 = lim 15 + 2an =⇒ L = 15 + 2L =⇒ L2 = 15 + 2L. (1.1)
Fatorando
L2 − 2L − 15 = 0 =⇒ (L + 3)(L − 5) = 0 =⇒ L = −3 ou L = 5
TEOREMA 1.7. Seja N ∈ R e f : [N, +∞) → R uma função contı́nua com limx→+∞ f (x) =
L. Se an = f (n) então limn→+∞ an = L.
n ln n o+∞
Exemplo 1.4. Estude a convergência da sequência .
n n=1
10
Solução:
ln x
Pelo Teorema 1.7, podemos calcular o limite usando a função f (x) = , a qual é
x
contı́nua em [1, +∞). Logo
ln n ln x 1/x
lim = lim = lim = 0,
n→+∞ n x→+∞ x x→+∞ 1
Solução:
(1) Considere a função f : (0, +∞) → (0, +∞) dada por f (x) = x1/x . Note que
f (x) ≥ 0, isto é, é limitada inferiormente. Além disso a sua derivada é f 0 (x) =
1 − ln x
x1/x , a qual é negativa para x > e. Logo f (x) é decrescente. Portanto
x2
{n } é decrescente para n ≥ 3. Do Teorema 1.6 concluı́mos que lim n1/n existe
1/n
e é igual a L.
ln n
lim ln n1/n = ln lim n1/n =⇒ lim = ln L.
n
sin 5n en+4
(a) (b) √
n+3 n2 (c) n2 + n − n
2 n
n 2 1 n (f) 1 −
(d) ln (e) + n
n+3 3n + 1 3
n−1
Exercı́cio 1.2. Demonstre, usando a definição, que limn→+∞ = 0.
n2 + 1
Exercı́cio 1.3. Investigue a convergência da sequência {an } definida pela relação de
1
recorrência a1 = 2, an+1 = an + 6 para todo n = 2, 3, · · ·
2
Exercı́cio 1.4. Seja {an } a sequência dada pela fórmula recursiva
a2n + 2
an+1 = ,
2an
11
com a1 = 1. Escreva os 7 primeiros termos desta sequência. Assumindo que lim an existe,
encontre-o.
5an + 4
Exercı́cio 1.5. Considere a sequência dada pela recorrência an+1 = com a1 = 5.
an + 2
Demonstre que {an } é monótona decrescente e limitada inferiormente. Calcule o seu
limite. (Dica: Calcule an+1 − an ).
Exercı́cio 1.7. Defina a sequência {an } dada recursivamente por a1 = 0, 3 e an+1 = an (2−an )
para n ≥ 2. Comprove que {an } é uma sequência monótona e limitada. Encontre o limite.
12
1.2 Séries
a1 + a2 + · · · + an + · · ·
P∞ P
a qual é denotada por n=1 an ou, simplesmente, an .
P
DEFINIÇÃO 1.7. Seja an uma série. Chamamos de sequência de somas parciais
à sequência {sn } em que
n
X
sn = ak = a1 + · · · + an é a n-ésima soma parcial
k=1
∞
X
a1 + a2 + · · · + an + · · · = S ou an = S.
n=1
P
Se a sequência {sn } é divergente então diz-se que a série an é divergente.
P
TEOREMA 1.9. Se lim an , 0 ou lim an não existe então a série an é divergente.
∞
X
rn−1 = 1 + r + r2 + r3 + · · · + rn + · · ·
n=1
13
Observe que sn = 1 + r + r2 + · · · + rn−1 e, multiplicando por r:
1 − rn
rsn = r + r2 + · · · + rn−1 + rn = sn − 1 + rn =⇒ sn = .
1−r
Concluı́mos que
1
1 + r + r2 + r3 + · · · + rn + · · · = .
1−r
• Se r ≤ −1, o limite lim rn não existe e a série geométrica diverge pelo Teste da
Divergência.
∞
X 1 1 1 1
= + + + ···
n(n + 1) 1 · 2 2 · 3 3 · 4
n=1
1 1 1 1 1
Note que s1 = 1 − , s2 = 1 − + − = 1 − , continuando esse processo obtemos
2 2 2 3 3
1
sn = 1 − =⇒ lim sn = 1.
n+1
Note que
1 1 1 1 2 1
s1 = 1, s2 = 1 + , s22 = s2 + + > 1 + + = 1 + 2
2 3 4 2 4 2
1 1 1 1 1 1 1
s23 = s22 +
+ + + >1+2 +4 =1+3
5 6 7 8 2 8 2
n
Procedendo por indução, podemos demonstrar que s2n > 1 + . Logo lim sn = +∞
2
e a série harmônica é divergente.
14
P P
TEOREMA 1.10. Suponha que an e bn sejam séries convergentes e c ∈ R uma
constante. Então
P∞ P∞
TEOREMA 1.11 (Teste de Comparação). Sejam n=1 an e n=1 bn duas séries tais que
0 ≤ an ≤ bn para todo n = 1, 2, · · · . Então
P∞ P∞
(1) Se n=1 bn converge então n=1 an converge.
P∞ P∞
(2) Se n=1 an diverge então n=1 bn diverge.
n o n o P P
Demonstração. Sejam sn e tn as sequências de somas parciais de an e bn , isto
é,
n
X n
X
sn = ai e tn = bi .
i=1 i=1
logo {sn } e {tn } são sequências monótonas crescentes. Como an < bn segue que sn < tn
P
para todo n. Se bn é convergente,
n
X n
X +∞
X
sn = ai ≤ bi ≤ bi < +∞,
i=1 i=1 i=1
1 1 1
< para todo n ≥ 2. Como ∞
P
Note que 2 n=2 é uma série telescópica
n n(n − 1) n(n − 1)
15
convergente com soma 1 segue que
∞ ∞
X 1 X 1
2
<1+ = 2.
n n(n − 1)
n=1 n=2
√ 1 1 1
n< n2 + 3 ≤ 2n =⇒ ≤ √ < .
2n n +3
2 n
P∞
Como a série harmônica n=1 1/n é divergente, segue pelo teste de comparação que
a série diverge.
P∞ P∞
TEOREMA 1.12 (Teste de Comparação de Limite). Sejam n=1 an e n=1 bn duas séries
tais que an ≥ e bn ≥ 0 para todo n = 1, 2, · · · . Defina
an
c = lim .
n→+∞ bn
P∞ 2n + 1
Exemplo 1.11. Estude a convergência da série n=1 √
3
.
n9 + 3n − 1
16
Solução:
2n + 1 1
Considere an = √ e bn = . Note que
3
n9 + 3n − 1 n2
2n + 1 1
√ 2+
n2 (2n + 1)
3
an n9 + 3n − 1 n
lim = lim = lim √ = lim r = 2 < +∞.
bn 1 3
n9 + 3n − 1 3 3 1
n2 1+ 8 − 9
n n
P∞ 1 2n + 1
converge segue, pelo Teste de Comparação de Limites, que ∞
P
Como n=1 2 n=1 √
3
n n9 + 3n − 1
converge.
P+∞ 1
Exemplo 1.12. Estude a convergência da série n=0 .
5n −n
1 1
Demonstração. Considere an = e bn = n . Então
5n − n 5
1
bn n
lim = lim 5n = lim 5 − n = 1 − lim n = 1 − lim x = 1 − lim 1 = 1.
an 1 5n 5n 5x 5x ln 5
5n − n
P∞ 1 1
é convergente segue que ∞
P
Como n=0 n n=0 n é convergente.
5 5 −n
satisfaz a1 > a2 > a3 > · · · > an > · · · e lim an = 0, então a série converge e sua soma S é
positiva com S < a1 .
n o
Demonstração. As somas parciais de ı́ndice ı́mpar s2n+1 formam uma sequência
não-crescente pois, como a2n+2 ≥ a2n+3 , s2n+3 = s2n+1 − a2n+2 + a2n+3 ≤ s2n+1 . Note
que s1 = a1 > a1 = a2 > s2 , s3 = s2 + a3 > s2 , s5 = s2 + a3 − a4 + a5 > s2 e em
n o
geral s2n+1 > s2 . Assim s2n+1 é monótona limitada e, portanto, converge com
n o
lim s2n+1 = L. Da mesma forma a série de somas parciais de ı́ndice par s2n é uma
sequência não-decrescente e limitada, e portanto, existe limn→∞ s2n = M. Como
17
lim an = 0, segue
satisfaz
1 1
• an+1 < an uma vez que < e
n+1 n
1
• lim an = lim = 0.
n
Logo, pelo Teorema de Leibniz, a série harmônica alternada converge. No Exemplo
1.25 demonstraremos que
1 1 1 1
1− + − + · · · + (−1)n+1 + · · · = ln 2.
2 3 4 n
Demonstração. Seja an = f (n). Para todo n ≥ 1, vamos construir dois tipos retângulos:
18
A área dos retângulos definidos em I e II é an ; assim, utilizando os retângulos em I,
segue que
Z n Z n
a2 + a3 + · · · + an ≤ f (x)dx =⇒ a1 + a2 + a3 + · · · + an ≤ a1 + f (x)dx.
1 1
Fazendo n → ∞,
Z ∞ ∞
X Z ∞
f (x)dx ≤ an ≤ a1 + f (x)dx.
1 n=1 1
Assim
R∞ P∞ R∞
(1) Se 1
f (x)dx converge então n=1 an é limitada por a1 + 1
f (x)dx. Como
an > 0, as somas parciais formam uma sequência monótona e limitada e por
tanto convergente.
R∞ P
(2) Se 1 f (x)dx diverge então a primeira desigualdade prova que an diverge
também.
∞
X 1 1 1 1
p
= 1 + p + p + ··· + p + ···
n 2 3 n
n=1
Demonstre que (1) se p > 1, a série p converge e (2) se 0 < p ≤ 1, a série p diverge.
Solução:
1
Observe que a função f (x) = p , com x > 0, satisfaz as condições do Teste da Integral.
x
1 p
De fato, an = p = f (n) e f (x) é contı́nua e positiva. Como f 0 (x) = − p+1 < 0, para
n x
x > 0, a função é decrescente.
19
(1) Se p > 1,
∞ ∞
x−p+1
Z Z
1 M 1 1 1
dx = x−p dx = lim = lim − 1 = < ∞.
1 xp 0 M→∞ −p + 1 0 1 − p M→∞ Mp−1 p−1
∞
X n
X ∞
X
S= ai , Sn = ai e R n = ai ,
i=1 i=1 i=n+1
Z n+1 Z n
f (x)dx ≤ Sn ≤ a1 + f (x)dx, e
1 1
Z +∞ Z +∞
f (x)dx ≤ Rn ≤ f (x)dx.
n+1 n
P
DEFINIÇÃO 1.8. Dizemos que a série an é absolutamente convergente se a série
P P P
de valores absolutos |an | for convergente. Se an for convergente mas |an |
P
diverge então dizemos que an é condicionalmente convergente.
P P
TEOREMA 1.15. Se |an | converge então an converge.
Demonstração. Note que 0 ≤ an + |an | ≤ 2|an | e, pelo teste de comparação segue que
20
P
an + |an | converge. Agora
∞
X X∞ ∞
X X∞
an + |an | − |an | = an + |an | − |an | = an
n=0 n=0 n=0 n=0
gente pois a série de seus valores absolutos (−1)n−1 n1 = n1 é a série harmônica di-
P P
vergente. A série (−1)n−1 n13 é absolutamente convergente pois (−1)n−1 n13 = n13
P P P
n o
TEOREMA 1.16 (Critério de Cauchy). Seja an uma sequência tal que
n≥1
p
n
lim sup |an | = L < ∞.
P∞
(a) Se L < 1 então n=1 an é absolutamente convergente.
P∞
(b) Se L > 1 então n=1 an é divergente.
Demonstração. (a) Se L = lim sup |an |1/n = infn≥1 supm≥n |am |1/m < 1, então dado > 0
existe N ∈ N tal que |an |1/n ≤ 1 − para todo n ≥ N. Por tanto
Como a última série é geométrica de razão 1 − < 1 segue que |aN | + |aN+1 | + · · ·
P
converge e por tanto an é absolutamente convergente.
n o
(b) Se L > 1 então existe uma subsequência de |an |1/n que converge a L > 1,
portanto os termos destas subsequência satisfazem lim |an | = ∞. Pelo teste da
P
divergência a série an diverge.
n o
TEOREMA 1.17 (Critério de d’Alembert). Seja an uma sequência tal que
n≥1
an+1
lim = L < ∞.
an
P∞
(a) Se L < 1 então n=1 an é absolutamente convergente.
21
P∞
(b) Se L > 1 então n=1 an é divergente.
P+∞ (−1)n n3
Exemplo 1.16. Teste a convergência da série n=1 .
3n
Solução:
Note que
(−1)n+1 (n + 1)3
an+1 3n+1 n + 1 3 1 1
lim = lim = lim = < 1,
an (−1)n n3 n 3 3
3n
n+1
pois lim = 1. Do Teste da Razão concluı́mos que a série é convergente.
n
P+∞ nn
Exemplo 1.17. Analise a convergência da série n=1 .
n!
Solução:
Como
(n + 1)n+1
an+1 (n + 1)! (n + 1)n 1 n
lim = lim n = lim n
= lim 1 + = e > 1.
an n n n
n!
P+∞ 3n + 1 n
Exemplo 1.18. Estude a convergência da série .
n=1
4n + 6
Solução:
Note que, usando o Teste da Raiz,
√ 3n + 1 n 1/n 3n + 1 3
= lim = lim = < 1.
n
lim |an |
4n + 6 4n + 6 4
Logo a série é convergente.
2 1 2 2 1 2 3 1 2 n 1 1 (−1)n
(a) + + + ··· + ··· (b) √ − √ 3
+ · · · + √
n
+ ···
7 2 7 3 7 n 7 10 √ 10 10
3 √
3
1 1 1 1 2 n
(c) √ + √ + ··· + p + ··· (d) + √ + ··· + √ + ···
1·2 2·3 n · (n + 1) 2 3 2 (n + 1) n
22
Exercı́cio 1.9. Determine se as séries convergem ou divergem.
1 3 5 2n − 1 1 2 3 3 5 n 2n−1
(a) √ + + √ + · · · + √ n (b) + + + ··· + + ···
2 2 2 2 2 2 5 8 3n − 1
2 3 2 4 3 n + 1 n 2 2·5 2 · 5 · 8 · · · (3n − 1) · · ·
(c) + + + ··· + + ··· (d) + + ··· + +
1 3 5 2n − 1 1 1·5 1 · 5 · 9 · · · (4n − 3) . . .
1 1 1
(e) 1 + 2 + 3 + ··· + n + ···
2 3 n
1 1 1 1 1 1 1
(a) + + ··· + (b) + + + ··· + + ···
3 8 (n + 1)2 − 1 1 · 4 4 · 7 7 · 10 (3n − 2)(3n + 1)
1 2 n 2 2·5·8 2 · 5 · 8 · · · (6n − 7)(6n − 4)
(c) + + ··· + 2 + ··· (d) + + ··· + + ···
2 5 n +1 1 1·5·9 1 · 5 · 9 · · · (8n − 11)(8n − 7)
3 1 · 5 · · · (4n − 3)
1 8 n 1 1·5
(e) + 2 + ··· + n + ··· (f) + + ··· + + ···
e e e 2 2·4·6 2 · 4 · 6 · · · (4n − 4)(4n − 2)
2 2n−1 1 1 · 11 1 · 11 · 21 · · · (10n − 9)
(g) 1 + + ··· + + ··· (h) + + ··· + + ···
1! (n − 1)! 1! 3! (2n − 1)!
1 1 1
(i) + + ··· + + ···
53/2 63/2 (4 + n)3/2
23
1.8 Séries de potências
Solução:
(x + 1)n
Denotando por un = o termo geral da série, temos
n · 3n
|un+1 | |x + 1| n |x + 1|
lim = lim = .
|un | 3 n+1 3
24
DEFINIÇÃO 1.10. Seja {cn } uma sequência de números reais e a ∈ R. A série de
potências centrada em x = a com coeficientes {cn } é a série:
∞
X n
cn x − a = c0 + c1 (x − a) + c2 (x − a)2 + · · · cn (x − a)n + · · ·
n=0
∞
X X 1
cn (x − a)n = xn = 1 + x + x2 + · · · xn + · · · = , se |x| < 1,
1−x
n=0
P∞
Exemplo 1.21. Para que valores de x a série n
n=1 n (x + 5)n é convergente?
Solução:
Usando o teste da razão com an = nn (x + 5)n :
P∞
TEOREMA 1.18. Seja n=0 cn (x − a)n uma série de potências, então existe um número
0 ≤ R ≤ ∞ tal que
(b) se R > 0, a série converge absolutamente para 0 ≤ |x−a| < R e diverge para |x−a| > R;
25
• se R > 0 a série converge em (a − R, a + R); neste caso os valores x = a − R e x = a + R
devem ser analisados separadamente para verificar se eles pertencem à região de
convergência. Assim a região de convergência é um intervalo da forma
• Se R = ∞ a região de convergência é R.
∞
X 5n + 1 n
x+2 .
n=0
3n+1
Solução:
5n + 1 n
Usando o teste da razão com an = x + 2 ,
3n+1
|x + 2|
(a) a série converge se < 1, isto é, se −5 < x < 1;
3
|x + 2|
(b) a série diverge se > 1, isto é, se x < −5 e x > 1;
3
(c) se x = 1, a série fica
∞
X 5n + 1
=∞
3
n=0
cn
R = lim
n→∞ cn+1
26
cn (x − a)n tem raio de convergência
P
existe ou diverge ao infinito. Então a série de potências
R.
P∞ (−1)n
n=1 2 n (x + 1) .
Exemplo 1.23. Teste a convergência da série de potências n
n 4
Solução:
(−1)n
Observe que cn = e
n2 4n
cn 1/(n2 4n ) n + 1 2
lim = lim = lim 4 = 4.
n→∞ cn+1 1/((n + 1)2 4n+1 ) n
Assim a série converge se |x + 1| < 4, isto é, se −5 < x < 3; e a série diverge se x < −5
e x > 3. Se x = −5, a série fica
∞ ∞
X (−1)n X 1
(−4)n = a qual é convergente.
n=1
n2 4n n=1
n2
Se x = 3 a série fica
∞ ∞
X (−1)n X (−1)n
4n = a qual é absolutamente convergente.
n=1
n2 4n n=1
n2
1
R= √
n
lim sup |cn |
4 2 2 4 3 2 4
1+ x+ x2 + x3 + x4 + · · ·?
3 3 3 3
Solução:
2 n 4 n
Observe que cn = se n é par e cn = se n é ı́mpar. Se tentamos aplicar o teste
3 3
27
da razão
3
cn se n é par cn cn
= =⇒ lim sup = ∞ , 0 = lim inf .
2 n+2
cn+1 3 · 2n−1
se n é ı́mpar cn+1 cn+1
cn
Assim lim não existe e não podemos concluir nada pelo teste da razão. Porém,
cn+1
pelo teste da raiz vemos que
2
p
n
3 se n é par 1 1
|cn | = =⇒ R = = = 3/4.
4 lim sup |cn | 1/n 4/3
se n é ı́mpar
3
3 3 3
Como a série diverge para x = ± segue que o intervalo de convergência é (− , ).
4 4 4
∞ Z ∞
X X cn
f (x) =
0 n−1
ncn (x − a) e f (x)dx = (x − a)n+1 + C
n+1
n=0 n=0
∞
X f (n) (a) n
f (x) = x−a . (1.3)
n!
n=0
∞
X
f (x) = cn (x − a)n ,
n=0
para certas constantes cn . Observe que f (a) = c0 + c1 (0) + c2 (0)2 + · · · o que implica
28
c0 = f (a). Pelo Teorema 1.21, se |x − a| < R,
∞
X
f (x) =
0
cn n(x − a)n−1 e assim f 0 (a) = c1 + 2c2 (0) + 3c2 (0) + · · · .
n=1
∞
X
f 00 (x) = n(n − 1)cn (x − a)n−2 e f 00 (a) = 2c2 + 3.2(0) + · · · .
n=2
1 00
Logo c2 = f (a). Continuando dessa forma
2
∞
X
f (n) (x) = n(n − 1) · · · (n − N + 1)cn (x − a)n−N e f N (a) = N!cN .
n=N
1 (N)
Logo cN = f (a).
N!
∞
X f (n) (0) n
f (x) = x .
n!
n=0
Solução:
1
Observe que f (0) = ln 1 = 0 e f 0 (x) = do qual f 0 (a) = f 0 (0) = 1. Continuando
x+1
com as derivadas obtemos
Segue que
(n − 1)!
f (n) (0) = (−1)n−1 = (−1)n−1 (n − 1)!.
1n
Substituindo na Série de Taylor
∞ +∞ ∞
X f n (0) X
n−1 (n − 1)!
X xn
(x − 0) = f (0) +
n
(−1) (x − 0) =
n
(−1)n−1 .
n! n! n
n=0 n=1 n=1
29
Para determinar o raio de convergência da série anterior aplicamos o Teorema 1.19:
cn 1/n n+1
R = lim = lim = lim = 1.
n→+∞ cn+1 n→+∞ 1/(n + 1) n→+∞ n
Assim
x2 x3 xn
ln(1 + x) = x − + − · · · + (−1)n−1 + · · · para valores de |x| < 1. (1.4)
2 3 n
1 1 1
ln 2 = ln(1 + 1) = 1 − + − · · · + (−1)n−1 + · · · ,
2 3 n
√
3
Exemplo 1.26. Calcule o valor de 3.
Solução:
√
Vamos utilizar a série de Taylor da função f (x) = 3 x ao redor de um certo ponto a, e
√3
determinar f (3) = 3 por meio desta série. O valor de a será escolhido de forma tal
√ 27
que f (a) = 3 a seja conhecida e |a − 3| seja pequena. Por exemplo, a = . Observe
r 8
3 27
que f 27/8 = = 3/2. A derivada de f (x) é:
8
1 27 1 27 −2/3 1 4 4
f 0 (x) = x−2/3 =⇒ f 0 ( ) = · = · =
3 8 3 8 3 9 27
Além disso:
30
E então:
27 27 27 27
f 00 ( ) f 000 ( ) f (4) ( ) ··· f (n) ( )
8 8 8 8
A série de Taylor é
∞
X f (n) (27/8) 27 n 3 4 27 26 27 2 2 · 5 · 28 27 3
x− = + x− − x − + x − + ···
n=0
n! 8 2 27 8 2!37 8 3!311 8
27 27
Logo se |x − |< segue que
8 8
√ 3 4 27 26 27 2 2 · 5 · 28 27 3
x= + + + ··· .
3
x− − x − x −
2 27 8 2!37 8 3!311 8
27 3 27
Para x = 3 temos |3 − |= < e substituindo na série:
8 8 8
√
3 3 4 27 26 27 2 2 · 5 · 28 27 3
3= + 3− − 3 − + 3 − + · · · ≈ 1, 442266.
2 27 8 2!37 8 3!311 8
1 P∞
n=0 x
n |x| < 1
1−x
p P∞ p(p − 1) · · · (p − n + 1) n
1+x n=0 x |x| < 1
n! n
P∞ x
ex n=0 x∈R
n!
P∞ n x2n+1
sin x (−1) x∈R
n=0
(2n + 1)!
2n
n x
P∞
cos x n=0 (−1) x∈R
(2n)!
31
Seja f (x) uma função de Classe Cn+1 num intervalo aberto (a−, a+). Então definimos
o polinômio de Taylor de ordem n de f (x) como sendo o polinômio:
n
f 00 (a) f (n) (a) X f (k) (a)
Tn (x) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)n = (x − a)k .
2! n! k!
k=0
De modo geral
x
f (n+1) (t)
Z
f (x) = Tn (x) + (−1) n
(t − x)n dt.
a n!
Logo
x
f (n+1) (t)
Z
Rn (x) = (−1) n
(t − x)n dt (1.5)
a n!
Se m = min{ f (n+1) (t) : t ∈ I} e M = max{ f (n+1) (t) : t ∈ I} então
x x
(t − x)n (t − x)n
Z Z
n
m(−1) dt ≤ Rn (x) ≤ (−1)n M dt,
a n! a n!
32
que
x
(t − x)n (x − a)n+1
Z
Rn (x) = (−1) f
n (n+1)
(ξ) dt = f (n+1) (ξ) .
a n! (n + 1)!
M
|Rn (x)| ≤ |x − a|n+1 .
(n + 1)!
∞ ∞ ∞
X
n 2 n
X n 2n−1 n X (x − 2)n
(a) (−1) (2n+1) x (b) x (c)
2n + 1 (2n − 1)2n
n=0 n=0 n=1
∞ ∞ ∞
X (x − 3)n X (3n − 2) X (x + 3)n
(d) (e) (x−3)n (f)
n=1
n · 5n
n=0
(n + 1)2 2n+1 n=1
n2
∞
∞ ∞
X
X 2n−1 x2n−1 X 2 2 (i) xn!
(g) (h) 3n xn
n=1
(4n − 3)2 n=0
n=1
∞ ∞ ∞
X 1 3n−1 X (x − 1)2n X (x − 2)2n
(j) n
x+5 (k) (l) (−1)n−1
2n · 4 n · 9n 2n
n=1 n=1 n=1
x x3 xn x2 x3 xn
(a) x+ + + ··· + + ··· (b) x− + − · · · + (−1)n−1 + · · ·
2 3 n 2 3 n
x 3 x 5 x2n−1
(c) x+ + + ··· + + ··· (d) 1 + 2x + 3x2 + · · · + (n + 1)xn + · · ·
3 5 2n − 1
(e) 1 · 2 + 2 · 3x + · · · + n(n + 1)xn−1 + · · ·
33
1
(2) f (x) = ao redor de a = −1.
x2
1
(3) f (x) = ao redor de a = −4.
x2 + 3x + 2
1
(4) f (x) = ao redor de a = −2.
x2 + 4x + 7
√
(5) f (x) = x ao redor de a = 4.
4 + 2(−1)n n
Exercı́cio 1.16. Para cada n ∈ N seja cn = .
5
cn+1 cn+1
(a) Encontre lim sup |cn |1/n , lim inf |cn |1/n , lim sup e lim inf .
cn cn
(−1)n cn convergem?
P P
(b) As séries cn e
cn xn .
P
(c) Encontre o intervalo de convergência da série de potências
34
2 Métodos numéricos para a solução de equações
2.1 Introdução
Muitos problemas em diferentes áreas de conhecimento reduzem-se à solução da equação:
f (x) = 0 (2.1)
em que f : [a, b] → R é uma função contı́nua. Um valor x̄ que satisfaz f (x̄) = 0 é chamado
uma raiz ou um zero de f (x).
É conhecido que se f (x) for um polinômio de grau menor ou igual a 4 existe uma
fórmula algébrica para determinar todas as suas raizes; mas se f (x) for um polinômio de
grau maior ou igual a 5 ou uma função envolvendo funções transcendentais, não existe
um método geral que permita encontrar exatamente as raizes da equação f (x) = 0.
Exemplo 2.1. A figura 2 mostra o sol na origem e a terra no ponto (1, 0). Existem 5
pontos de equilibrio, no plano determinado pela órbita da terra ao redor do sol, nos
quais um satélite permanece imóvil em relação à terra. Estes pontos são chamados
pontos de Lagrange em honor ao matemático francês Joseph Louis Lagrange quem
os descobriu estudando o problema restrito dos três corpos. Estes pontos são
obtidos quando as forças (gravitacionais, centrı́petas ) que agem no satélite se
contrabalancearem. Em dezembro de 2005 o satélite de pesquisa solar SOHO (Solar
and Heliospheric Observatory) foi colocado no ponto L1 . Este ponto L1 é uma boa
posição para monitorar o sol desde que as correntes de partı́culas do sol, como o
vento solar, atingem L1 aproximadamente uma hora antes de atingir a terra.
m2
Se m1 é a massa do sol, m2 é a massa da terra e r = m1 +m2 , então a coordenada x
de L1 é a única raiz da equação de grau 5:
35
Sol Terra
2.2 Preliminares
Um teorema que utilizaremos é o seguinte.
TEOREMA 2.1 (Teorema do Valor Intermediário (TVI)). Seja f (x) é uma função
contı́nua num intervalo [a, b]. Se f (a) f (b) < 0 então existe pelo menos uma raiz x̄ de
f (x) = 0 entre a e b.
Em palavras, podemos garantir ao menos uma solução da equação f (x) = 0, desde que
as imagens dos extremos do intervalo [a, b] sejam de signais diferentes. Isto é, se f (a) > 0
e f (b) < 0, ou se f (a) < 0 e f (b) > 0.
Observe que f (0) = r − 1 < 0 e f (1) = r > 0 então, pelo TVI, existe uma raiz x̄ no
intervalo [0, 1].
TEOREMA 2.2 (Teorema do Valor Médio (TVM)). Seja f (x) uma função contı́nua em
[a, b] e diferenciável no intervalo (a, b). Então existe um ponto c ∈ (a, b) tal que
36
informação sobre o valor da raiz. A ideia do método de Bisseção é diminuir o tamanho
do intervalo [a, b] com o intuito de conseguir um intervalo menor no qual podemos
encontrar a raiz.
a+b
x1 =
2
Se por acaso obtemos que f (x1 ) = 0, então o problema ficaria resolvido pois neste caso
x̄ = x1 . Se f (x1 ) , 0 então x̄ encontra-se no interior de [a, x1 ] ou no interior de [x1 , b].
Para determinar em qual destes intervalos está a raiz, utilizamos o TVI:
bn−1 − an−1 b0 − a 0
bn − an = = ... = . (2.2)
2 2n
e
an + bn
xn+1 = .
2
O seguinte Teorema mostra a convergência das aproximações xn à raiz x̄.
37
TEOREMA 2.3. A sequência de aproximações xn obtidas pelo Método da Bisseção converge
para a raiz x̄.
b0 − a0
lim |bn − an | = lim = 0.
n→∞ n→∞ 2n
Por tanto limn→∞ bn = limn→∞ an = L onde L é um número real. Como an < xn+1 <
bn temos que limn→∞ xn = L. Provaremos que L = x̄. Observe que f (an ) f (bn ) < 0
então
lim f (an ) f (bn ) = f (L) f (L) ≤ 0,
n→∞
o que implica que ( f (L))2 ≤ 0. Mas ( f (L))2 ≥ 0. Assim a única possibilidade é que
f (L)2 = 0, ou f (L) = 0. Dessa forma L = x̄.
Desejamos determinar quantas iterações são necessárias como mı́nimo, para encontrar
um intervalo [an , bn ], que contenha a aproximação xn+1 , tal que
bn − a n b0 − a 0
|xn+1 − x̄| ≤ xn+1 − an = = n+1
2 2
Logo para obter a precisão desejada, é suficiente considerar um n tal que
b0 − a0
<
2n+1
Assim,
Log(b0 − a0 ) − Log()
n> − 1.
Log(2)
38
Solução:
A função a avaliar é f (x) = x3 + cos(x). Note que f (−1) = −0.45969 e f (0) = 1, assim
podemos considerar a = −1 e b = 0. Observe que precisaremos de
Log(0 + 1) − Log(0.01)
n> − 1 = 5.64
Log2
39
A equação da reta L é:
y − f (a) f (b) − f (a)
= .
x−a b−a
Se y = 0, então x = x1 . Logo
0 − f (a) f (b) − f (a)
= .
x1 − a b−a
Assim
a f (b) − b f (a)
x1 =
f (b) − f (a)
Tendo x1 , podemos usar o mesmo critério da Bisseção para escolher o novo intervalo
[a, b], isto é:
an f (bn ) − bn f (an )
xn+1 = . (2.3)
f (bn ) − f (an )
O Método da Bisseção utiliza só a informação dos valores a e b para encontrar xn+1 ,
entanto que a Falsa Posição utiliza a informação de a, b, f (a) e f (b).
Em alguns exemplos, o critério de parada será estabelecido pelo erro relativo. Se desejar-
mos um erro relativo menor que , o método para uma vez que atingimos a desigualdade
xn+1 − xn
< . (2.4)
xn+1
Exemplo 2.4. Aplique o método da Falsa Posição para resolver a equação x3 +cos(x) =
0 com a = −1 e b = 0. Encontre um resultado xn+1 tal que |xn+1 − xn | < 0.01.
40
Solução:
Em cada passo, uma vez calculado xn+1 , utilizamos o TVI para escolher o intervalo
[a, b]. Note que
|x4 − x3 | ≤ 0.00262 < 0.01.
Observação 2.2. Em todos os métodos que seguem aplicamos um dos dois critérios
de parada:
x = φ(x) (2.5)
em que φ(x) é uma função contı́nua. Desse modo, achar uma raiz x̄ que satisfaça f (x̄) = 0
é equivalente a achar um x̄ tal que x̄ = φ(x̄).
Exemplo 2.5. Encontre uma função φ(x) tal que a equação x = φ(x) seja equivalente
à equação x3 − 13 = 0.
Solução:
41
r
13 13
(i) Escreva − 13 = 0 na forma
x3 x2 = e então isole x na esquerda x = .
r x x
13
Por tanto φ(x) = .
x
(ii) Escreva x3 − 13 = 0 na forma 3x3 = 2x3 + 13. Divida entre 3x2 para obter
2x3 + 13 2x3 + 13
x= . Neste caso φ(x) = .
3x2 3x2
Do exemplo anterior é claro que existem muitas, na verdade infinitas, maneiras de definir
uma função φ(x). Se temos escolhido uma destas funções φ e um ponto x0 ∈ [a, b],
construa a sequência
xn+1 = φ(xn ) (2.6)
Se por acaso a sequência {xn } convergir para um número x∗ , isto é, limn→∞ xn = x∗ , então
temos que
lim xn+1 = lim φ(xn ).
n→∞ n→∞
Como φ é contı́nua,
lim xn+1 = φ( lim xn ),
n→∞ n→∞
TEOREMA 2.4. Seja φ(x) uma função contı́nua e diferenciável num intervalo [a, b] no
qual vale
|φ0 (x)| < 1, (2.7)
e suponha que a equação f (x) = 0 seja equivalente à equação x = φ(x). Então, dado
x0 ∈ [a, b], a sequência de iterações xn+1 = φ(xn ) converge para a raiz x̄ de f (x) = 0.
Como |φ0 (x)| < 1 para todo x ∈ [a, b] temos que |φ0 (cn )| ≤ λ, para um certo 0 < λ < 1.
42
Pela definição xn+1 = φ(xn ), isto implica que
Por tanto
lim |xn+1 − x̄| ≤ lim λn+2 |x0 − x̄| = 0
n→∞ n→∞
Observação 2.3. Pelo Teorema 2.4 devemos escolher uma φ que satisfaça:
Exemplo 2.6. A função f (x) = xe−x − e−3 possui exatamente uma raiz x̄ em [0.01, 1].
Encontre esta raiz pelo método de Aproximações Sucessivas, utilizando um erro
absoluto menor que 0.01.
Solução:
Escreva a equação xe−x − e−3 = 0 na forma xe−x = e−3 , então divida entre e−x para
obter x = ex−3 . Assim φ(x) = ex−3 e φ0 (x) = ex−3 . Como 0.01 ≤ x ≤ 1 temos
−2.99 ≤ x − 3 ≤ −2 e então
e−2.99 ≤ ex−3 ≤ e−2 ,
pois ex−3 é uma função crescente. Logo, |φ0 (x)| ≤ e−2 ≈ 0.1353 < 1. Então φ(x)
satizfaz as condições do Teorema 2.4. Considere o ponto x0 = 0.5, então
n 0 1 2 3
xn 0.5 φ(0.5) = 0.08208 φ(0.08208) = 0.05404 φ(0.05404) = 0.052551
43
2.6 O Método de Newton
A ideia para encontrar uma raiz da equação f (x) = 0 em todos os métodos numéricos
é começar com uma (ou mais) aproximação inicial x0 e então determinar a seguinte
aproximação seguindo uma regra dada. No método de Newton usa-se a reta tangente
para achar a segunda aproximação. Isto é feito da seguinte maneira.
Seja f : [a, b] → R uma função contı́nua em [a, b] e diferenciável em (a, b), e seja
x0 ∈ (a, b) uma aproximação inicial da raiz x̄. A reta tangente no ponto (x0 , f (x0 )) usa-se
para determinar a seguinte aproximação. Assim a nova aproximação será então o valor
de x1 no qual a ordenada da reta tangente é zero.
Reta tangente
y − f (x0 )
= f 0 (x0 ).
x − x0
0 − f (x0 )
= f 0 (x0 ).
x1 − x0
f (x0 )
x1 = x0 − .
f 0 (x0 )
Uma vez calculado x1 podemos fazer o mesmo processo para achar outra aproximação
x2 a partir de x1 . É claro que a fórmula para x2 é:
f (x1 )
x2 = x1 − .
f 0 (x1 )
f (xn )
xn+1 = xn − . (2.9)
f 0 (xn )
44
2.6.1 Convergência do Método de Newton
TEOREMA 2.5. Sejam f (x), f 0 (x) e f 00 (x) contı́nuas num intervalo I = [a, b] que contém
a raiz x̄ e suponha que f 0 (x̄) , 0. Então existe um intervalo I∗ ⊂ I, contendo a raiz x̄ tal que
se x0 ∈ I∗ , então a sequência {xn } gerada pela fórmula
f (xn )
xn+1 = xn −
f 0 (xn )
f (x) f 00 (x)
φ0 (x) =
[ f 0 (x)]2
Observação 2.4. O Teorema anterior diz que se começarmos com um ponto x0 próximo
da raiz x̄, então o Método de Newton convergirá para x̄.
Solução:
f (xn )
xn+1 = xn − ,
f 0 (xn )
45
n xn f (xn ) f 0 (xn )
0 -2 3.86466 -4.13533
1 -1.06545 0.79061 -2.47547
2 -0.74607 0.08239 -1.96636
3 -0.70417 0.00133 -1.90285
4 -0.70347 0.000004 -1.90180
Repare que |x4 − x3 | = 0.0007 < 0.001. Assim um valor aproximado da raiz é
x4 = −0.70347.
TEOREMA 2.6. Seja f uma função duas vezes diferenciável em um intervalo aberto I =
(a, b) tal que f 0 (x) , 0 em I. Se a sequência dada pelo método de Newton
f (xk )
xk+1 = xk − , k = 1, 2, · · ·
f 0 (xk )
| f 00 (x)|
|xk+1 − x| ≤ M|xk − x|2 , se M > .
2| f 0 (x)|
2k
f (xk − k ) = f (xk ) − k f (xk ) +
0
f 00 (ξk )
2
2k
0 = f (xk ) − (xk − x) f 0 (xk ) + f 00 (ξk ).
2
Como f 0 (xk ) , 0,
f (xk ) 2k f 00 (ξk )
0= − (x k − x) +
f 0 (xk ) 2 f 0 (ξk )
o qual
2k f 00 (ξk )
xk+1 − x = .
2 f 0 (ξk )
Assim
| f 00 (ξk )|
|xk+1 − x| ≤ |xk − x|2 .
2| f 0 (xk )|
Pela continuidade, f 0 (xk ) → f 0 (x) e, como ξk está entre xk e x, ξk → x e portanto
46
f 00 (ξk ) → f 00 (x). Logo, para k suficientemente grande
| f 00 (x)|
|xk+1 − x| ≤ M|xk − x|2 , se M > .
2| f 0 (x)|
f (x1 ) − f (x0 )
f 0 (x1 ) ≈ .
x1 − x0
Dessa forma:
f (x1 )
x2 = x1 − h f (x )− f (x ) i
1 0
x1 −x0
Simplificando
x0 f (x1 ) − x1 f (x0 )
x2 = .
f (x1 ) − f (x0 )
x1 f (x2 ) − x2 f (x1 )
x3 = .
f (x2 ) − f (x1 )
47
Em geral, a aproximação xn+1 depende de xn−1 e xn :
Exemplo 2.8. Utilize o Método da Secante para determinar uma raiz da equação
x3 − 9x + 3 = 0, em [0, 1] com erro relativo menor que 10−3 .
Solução:
x5 −x4
O erro relativo para x5 = 0.00088 é menor que o erro procurado e assim uma
aproximação da raiz é x5 = 0.33760.
TEOREMA 2.7. Seja f uma função duas vezes diferenciável em um intervalo aberto I =
(a, b). Se a sequência dada pelo método da secante
48
Demonstração. Seja k = xk − x. Observe que no método da Secante
xk − xk−1
xk+1 = xk − f (xk ) ·
f (xk ) − f (xk−1 )
o que implica
k − k−1
k+1 = k − f (xk ) · . (2.11)
f (xk ) − f (xk−1 )
Pelo Teorema de Taylor
f 00 (ξk ) 2 f 00 (ξk ) 2
f (xk ) = f (x) + k f 0 (x) + k = k f 0 (x) + k ,
2 2
em que ξk está entre x e xk . Assim como na prova do Teorema 2.6 temos que ξk → x
e logo
f 00 (x) 2 f 00 (x) 2
f (xk ) ≈ k f 0 (x) + k =⇒ f (xk ) − f (xk−1 ) ≈ f 0 (x)(k − k−1 ) + k − 2k−1 .
2 2
e simplificando:
f 00 (x)
com M = . Se existe p > 0 tal que para k grande |k | ≈ C|k−1 |p , então da
2 f (x)
aproximação 2.12,
1
|M| |M| p−1 1
C|k |p ≈ |M||k ||k−1 | =⇒ |k |p−1 ≈ |k−1 | =⇒ |k | ≈ |k−1 | p−1 .
C C
Comparando obtemos
√
1
|M| p−1 1 1 1 + 5
C= ep= =⇒ C = |M| p e p = .
C p−1 2
49
Exercı́cio 2.1. Localize graficamente as raizes da equação ln(x) + 5x − 6 − x2 = 0. Separe
cada uma delas em intervalos de comprimento máximo unitário.
x
(a) 4 cos(x) − e2x = 0; (b) − tan(x) = 0;
2
(a) Mostre que a equação possui uma raiz no intervalo [0.5, 1].
(b) Qual é o número mı́nimos de iterações necessárias para se obter uma aproximação
da raiz com duas casas decimais corretas, usando o Método da Bisseção?
Exercı́cio 2.4. Aplique o Método de Bisseção e da Falsa Posição para calcular a raiz positiva
de x3 − 15 = 0 com erro absoluto < 0, 01, partindo do intervalo [2.00, 3.00].
Exercı́cio 2.6. Calcular a raiz de 2x3 − cos(x + 1) − 3 = 0, pertencente ao intervalo [−1, 2],
com precisão de 0.01 usando o Método de Bisseção com no máximo 10 passos. Verifique
quantos passos no mı́nimo são necessários para ter uma precisão de 10−8 .
(b) Encontre uma aproximação para uma das raı́zes de p(x) = 0, com precisão de sete
casas decimais, usando o Método de Newton com no máximo 10 passos e x0 = 1.
50
Exercı́cio 2.11. A função f (x) = xe−x − e−3 , x ∈ R, possui exatamente duas raı́zes reais:
α1 ∈ [0.01, 1] e α2 ∈ [4, 5]. Considere as funções φ1 (x) = ex−3 e φ2 (x) = ln x + 3.
(a) φ1 pode ser usada para aproximar α1 pelo método das aproximações sucessivas
com garantia de convergência? E φ2 ?. Justifique.
(b) φ1 pode ser usada para aproximar α2 pelo método das aproximações sucessivas
com garantia de convergência? E φ2 ?. Justifique.
Exercı́cio 2.12. Mostre que x3 − 2x2 − 5 − sin(x) = 0 tem apenas uma raiz real e determine
seu valor correto até 5 casas decimais usando o Método de Newton, com no máximo 6
iterações. Considere x0 = 2.1.
1 Q
xn+1 = 2xn + 2 , n = 0, 1, ....
3 xn
é um caso especial do Método de Newton. Aplique o método para calcular a raiz cúbica
de 2 com precisão de 10−2 usando o erro relativo. Considere x0 = 1.
x sin(x) + 3x cos(x) − 2x = 0
tem duas soluções no intervalo [−1, 2], sendo uma positiva e a outra negativa. Sejam
(Sk ) e (Pk ), k = 1, 2, ... as sequências de aproximações para as raı́zes de f (x) obtidas pelo
Método da Secante e da Falsa Posição, respectivamente. Considerando S1 = P1 = −1 e
S2 = P2 = 1.5, encontre o valor aproximado de |S5 − P5 | × 100.
51
Exercı́cio 2.20. Utilize o Método da falsa posição para determinar a raiz da equação
x log(x) − 1 = 0, em [2, 3] com = 10−4 .
Exercı́cio 2.21. Utilize o Método da falsa posição para determinar a raiz da equação x3 −
9x + 3 = 0, em [0, 1] com = 10−4 .
Figura 7: Pórtico em L.
Exercı́cio 2.24. Use o Método de Newton para determinar o ponto de mı́nimo global do
polinômio abaixo, se existir tal ponto.
Atenção: Primeiro verifique se existe ou não um ponto de mı́nimo global (isto é, um
ponto α ∈ R tal que p(α) ≤ p(x), ∀x ∈ R). Depois isole os possı́veis candidatos (se
existirem) e só então calcule, pelo método pedido, o ponto de mı́nimo global.
p − 1 A
xn+1 = xn + p−1 (2.14)
p pxn
√
p √
4
pode ser utilizada para calcular A. Depois determine 9 com erro menor a 10−6 .
52
Exercı́cio 2.26. Na figura, o comprimento da corda
AB é de 4 cm e o comprimento do arco AB é de 5 cm.
Encontre o ângulo central θ, em radianos, correto
até a quarta casa decimal.
53
3 Interpolação Polinomial
3.1 Introdução
Num sentido amplo, interpolar significa obter informação sobre um evento ou fenômeno
a partir de dados conhecidos. Em nosso caso, queremos obter informação sobre uma
certa função f (x) para a qual só conhecemos o seu valor yi = f (xi ), i = 0, ..., n em n + 1
pontos denotados
x0 < x1 < .... < xn .
Como não conhecemos a expressão da f , podemos tentar encontrar uma função g(x) que
satisfaça as mesmas condições da f (x), ou seja,
Isto é, desejamos encontrar uma função g(x) que coincida com f (x) pelo menos nos
pontos xi . A ideia é que g(x) possa substituir à f (x).
Existem várias justificativas para procurar uma função g(x) que substitua à função
f (x):
(a) Pode ser que não conhecemos f (x) exceto nos pontos xi , então se encontrar-
mos uma função g(x) que coincide com ela nestes pontos, podemos supor g
aproxima f , ou que g comporta-se como f .
(b) Outra razão é quando conhecemos f (x), mas a sua expressão é difı́cil de
trabalhar, por exemplo, de derivar ou integrar. Então se g coincide com f pelo
menos nos pontos xi , podemos fazer as contas com g ao invés de com f .
54
Exemplo 3.1. A tabela abaixo mostra a população (em milhões) do Brasil de 1960
a 2010. Seja f (x) a população do Brasil no ano x. O problema a ser resolvido é o
seguinte: Estime a população nos anos 1955, 1975 e 2012.
Note que um polinômio está definido em toda a reta real R e, além disso, é fácil de
derivar e integrar. No que segue, a interpolação será sempre polinomial.
3.2 Preliminares
A pergunta natural então é: É possı́vel encontrar um polinômio que interpola f (x) nos
pontos x0 , x1 , ..., xn ? Ou seja, dados (n + 1)-pontos distintos x0 , x1 , ..., xn e suas respectivas
imagens yi = f (xi ), i = 0, 1, ..., n, existirá um polinômio g(x) = P(x) tal que P(xi ) = yi ?
O Teorema abaixo fornece uma resposta à pergunta anterior.
P(x) = a0 + a1 x + a2 x2 + ... + an xn .
a0 + a1 x0 + ... + an xn0 = y0
a0 + a1 x1 + ... + an xn1 = y1
.. (3.1)
.
a0 + a1 xn + ... + an xnn = yn
Isto é, se o sistema linear anterior tem solução então podemos encontrar um P(x) que
interpola f (x) tal que os coeficientes de P(x) são precisamente os valores da solução
do sistema. Logo, é suficiente provar que o sistema tem solução única.
55
De fato, a matriz do sistema é:
...
1 x0 xn0
... xn1
1 x1
A = .. .. .. ..
.
. . .
1 xn ... xnn
n
Y
Det(A) = (xi − x j ) (3.2)
i>j
DEFINIÇÃO 3.3. Sejam x0 , x1 , ..., xn , (n + 1) pontos distintos. Seja k ∈ {0, .., n}. O
k-ésimo polinômio de Lagrange Lk (x) é definido por:
Y x − x
i (x − x0 )(x − x1 ) · · · (x − xk−1 )(x − xk+1 ) · · · (x − xn )
Lk (x) = =
xk − xi (xk − x0 )(xk − x1 ) · · · (xk − xk−1 )(xk − xk+1 ) · · · (xk − xn )
i,k
56
DEFINIÇÃO 3.4. Sejam yi = f (xi ). Então o polinômio de Lagrange de f (x) é dado
por
P(x) = y0 L0 (x) + y1 L1 (x) + · · · + yn Ln (x). (3.3)
para todo i ∈ {0, 1, ..., n}. Então P(x) interpola f (x), e pela unicidade do Teorema 3.1,
P(x) é o polinômio interpolante de f (x) nos pontos x0 , x1 , · · · , xn Por tanto, a fórmula de
Lagrange (3.3) fornece uma maneira direta de calcular o polinômio interpolante.
Exemplo 3.2. A seguinte tabela mostra a população (em milhões) mundial de 1970
a 2000.
Solução:
Dos dados, x0 = 1970, x1 = 1980, x2 = 1990 e x3 = 2000; y0 = 3710, y1 = 4450,
y2 = 5280 e y3 = 6080. Definimos os polinômios de Lagrange:
57
P(1985) = 3710(−0.0625) + 4450(0.5625) + 5280(0.5625) + 6080(−0.0625) = 4861.25.
as de ordem 1:
f [x1 ] − f [x0 ] f [x2 ] − f [x1 ] f [x3 ] − f [x2 ]
f [x0 , x1 ] = , f [x1 , x2 ] = , f [x2 , x3 ] = ,
x1 − x0 x2 − x1 x3 − x2
as de ordem 2:
f [x1 , x2 ] − f [x0 , x1 ] f [x2 , x3 ] − f [x1 , x2 ]
f [x0 , x1 , x2 ] = , f [x1 , x2 , x3 ] = ,
x2 − x0 x3 − x1
e as de ordem 3:
f [x1 , x2 , x3 ] − f [x0 , x1 , x2 ]
f [x0 , x1 , x2 , x3 ] = .
x3 − x0
Podemos organizar as diferenças divididas numa tabela, de modo que as diferenças
divididas de ordem 1 são calculadas a partir das diferenças de ordem 0, as de ordem 2 a
partir das de ordem 1, e assim sucessivamente.
58
xi yi ordem 0 ordem 1 ordem 2 ordem 3
x0 y0 f [x0 ]
f [x0 , x1 ]
x1 y1 f [x1 ] f [x0 , x1 , x2 ]
f [x1 , x2 ] f [x0 , x1 , x2 , x3 ]
x2 y2 f [x2 ] f [x1 , x2 , x3 ]
f [x2 , x3 ]
x3 y3 f [x3 ]
Observação 3.1. Uma propriedade fácil de verificar das diferenças divididas é que
estas não se alteram se permutamos dois valores xi e x j , por exemplo:
f [x1 , x2 ] = f [x2 , x1 ],
Assim foi provado que o coeficiente b0 deve ser igual à diferença dividida f [x0 ]. Da
mesma forma, da igualdade (3.4), P(x1 ) = b0 + b1 (x1 − x0 ), ou, equivalentemente,
Isto é, b1 é a primeira diferença de ordem 1. Continuando com a mesma ideia, como
f (x0 ) = P(x2 ) = b0 + b1 (x2 − x0 ) + b2 (x2 − x0 )(x2 − x1 ), temos que
f [x2 ] − f [x0 ]
= f [x0 , x1 ] + b2 (x2 − x1 )
x2 − x0
Ou
f [x0 , x2 ] − f [x0 , x1 ]
b2 =
x2 − x1
59
Pela Observação (3.1), temos
f [x0 , x2 ] − f [x1 , x0 ]
b2 = = f [x1 , x0 , x2 ] = f [x0 , x1 , x2 ]
x2 − x1
Note que para formar o polinômio devemos tomar as diferenças divididas da parte
superior da tabela.
Exemplo 3.3. Um cabo sob ação do seu próprio peso está suspenso entre dois pontos
distantes 24 metros como na figura 9. A parte mais baixa do cabo ficou a 12 metros de
altura. Foram medidas diferentes alturas em vários pontos as quais estão mostradas
na tabela abaixo. Estime a altura a uma distância de 5 metros do centro.
xi -12 -9 -7 -2 0
yi 18.51 15.53 14.10 12.16 12
12 metros
Solução:
Pela simetria do problema em relação ao eixo y, é suficiente considerar os dados
x0 = 0, x1 = 2, x2 = 7, x3 = 9 e x4 = 12.
60
xi yi ordem 0 ordem 1 ordem 2 ordem 3 ordem 4
0 12.00 12.00
0.08
2 12.16 12.16 0.044
0.388 0.0003
7 14.10 14.10 0.0467 0.000049
0.715 0.00089
9 15.53 15.53 0.0556
0.993
12 18.51 18.51
P(x) = 12.00 + 0.08(x − 0) + 0.044(x − 0)(x − 2) + 0.0003(x − 0)(x − 2)(x − 7)+ (3.5)
TEOREMA 3.2. Seja f uma função de classe Cn+1 no intervalo [a, b]. Se P(x) é o polinômio
interpolante de f sobre n + 1 pontos distintos x0 , x1 , · · · , xn em [a, b], então para cada
x ∈ [a, b] existe um ponto ξx tal que
n
1 Y
Rn (x) := f (x) − P(x) = f (n+1) (ξx ) (x − xi ).
(n + 1)!
i=0
1
Demonstração. Se x = xi então f (xi ) − P(xi ) = 0 = f (n+1) (ηx ) · 0, e a igualdade
(n + 1)!
é válida. Suponha que fixamos x , xi , i = 0, 1, · · · , n e defina
Qn
w(t) = i=0 (t − xi )
f (x) − P(x)
φx (t) = f (t) − P(t) − w(t).
w(x)
61
(n+1)
φx (t) tem pelo menos um zero ξx em [a, b]. Note que
Portanto
n
1 Y
f (x) − P(x) = f (n+1) (ξx ) (x − xi ).
(n + 1)!
i=0
|x − x0 ||x − x1 | · · · |x − xn |
|Rn (x)| ≤ max | f (n+1) (x)|.
(n + 1)! a≤x≤b
Exemplo 3.4. Seja f (x) = cos x. Utilize interpolação polinomial para calcular f (0.4),
usando o polinômio interpolante sobre os pontos x0 = 0, x1 = 0, 5 e x2 = 0, 8.
Encontre um limitante superior do erro cometido.
Solução:
O polinômio interpolante é:
Então P(0, 4) = 0, 919970269. Para encontrar o erro cometido calculamos f (3) (x) =
sin x então
max | f (n+1) (x)| = max {| sin x|} = sin 0, 8 = 0, 717356.
a≤x≤b 0≤x≤0,8
Então
De fato o valor real é cos 0.4 = 0, 9210609 e | cos 0.4 − P(0, 4)| = 0, 001090725.
62
3.6 Interpolação Spline cúbico
Dados (n + 1) pontos no plano (xi , yi ) com i = 0, · · · , n, desejamos encontrar uma função
interpolante S(x), denominada Spline Cúbico, que satisfaça as seguintes condições:
(iv) s00
k k
(x ) = s00 (x ) para k, 1, · · · , n − 1;
k+1 k
• Da continuidade das derivadas S0 (x) e S00 (x) nos pontos xk temos para k = 1, n − 1,
2bk+1 + bk 2
yk = yk+1 + ( )hk+1 − ck+1 hk+1 (3.9)
3
63
ck = −(bk + bk+1 )hk+1 + ck+1 (3.10)
yk+1 − yk 2bk+1 + bk
ck+1 = + hk+1 (3.11)
hk+1 3
yk+1 − yk yk − yk−1
hk bk−1 + 2(hk + hk+1 )bk + hk+1 bk+1 = 3 −3 (3.12)
hk+1 hk
gk
bk = . (3.13)
2
(I) Supor que g0 = gn = 0, o qual equivale a supor que as cúbicas são aproximada-
mente polinômios lineares nos extremos. Nestes caso o spline é chamado spline
natural;
(II) Supor que g0 = g1 e gn = gn−1 , o que é equivalente a supor que as cúbicas são
aproximadamente parábolas nos extremos.
xi 0 1 2 3 4
f (xi ) 3 2 2,5 3,1 2,7
64
Solução:
Note que neste caso hk = h = 1 para todo k = 1, · · · , n. Assim o sistema a resolver é:
Substituindo os valores de h, yk e g0 = g4 = 0,
0 + 4g1 + g2 = 9
g1 + 4g2 + g3 = 0, 6
g + 4g + 0 = −6
2 3
4.5
4.0
3.5
3.0
2.5
2.0
1 2 3 4
Exercı́cio 3.1. Use uma cúbica para determinar uma aproximação para a única raiz
positiva da equação 4 cos(x) − ex = 0.
Exercı́cio 3.2. Considere a função f (x) definida nos pontos, conforme tabela. Determine
o polinômio interpolador, usando a Fórmula de Lagrange, e estime f (0.8).
xi 0 0.5 1.0
f (xi ) 1.3 2.5 0.9
65
Exercı́cio 3.3. Considere a função f (x) = 3+x
1+x definida nos pontos conforme tabela.
Determine o polinômio interpolador, usando a Fórmula de Lagrange, e estime f (0.25).
xi 1 3 4 5
f (xi ) 0 6 24 60
Exercı́cio 3.8. Seja f (x) uma função definida pelos pontos f (−1) = 0, f (0) = 1 e f (2) = −1.
Usando a forma de Newton, encontre o polinômio p(x) que interpola a função f .
66
Exercı́cio 3.10. Seja f (x) dadas pelos seguintes valores
f (0.2) = 0.16, f (0.34) = 0.22, f (0.4) = 0.27, f (0.52) = 0.29, f (0.6) = 0.32, f (0.72) = 0.37.
Exercı́cio 3.12. Sabendo-se que a equação x4 + 6x2 − 1 = 0 tem uma raiz em [0, 1],
determinar o valor aproximado dessa raiz usando polinômio de Interpolação de Newton
sobre três pontos.
R∞
e−t
Exercı́cio 3.13. A função y = f (x) = x t dt é dada pela tabela:
Através da Fórmula de Newton, calcule y para x = 0.0378 usando parábola e uma cúbica.
Exercı́cio 3.14. Dada a tabela abaixo, calcule e3.1 usando um polinômio de interpolação
sobre três pontos:
Exercı́cio 3.15. Construa a tabela de diferenças divididas para a função f (x) com os
dados:
f (0) = 0, f (0.5) = −2.241, f (1.0) = −1.65, f (1.5) = −0.594, f (2) = 1.34, f (2.5) = 4.564
Exercı́cio 3.16. A raiz de uma função contı́nua pode ser aproximada pela raiz de seu
polinômio. Usando um polinômio de grau dois, encontre x̄ tal que f (x̄) = 0. Use 5 casas
decimais. Os valores exatos de f , para os valores dados de x, são:
67
em x = x0 . Dados os pontos abaixo, calcule f 0 (0.50) usando um polinômio interpolador de
grau 2:
f (0.40) = 1.51, f (0.45) = 1.49, f (0.50) = 1.47, f (0.55) = 1.44, f (0.60) = 1.42.
xi 0 0, 5 0, 9 1, 6 2, 4
f (xi ) 2, 3 2 2, 5 3, 1 2, 7
68
4 Resolução Numérica de Sistemas Lineares
Ax = b (4.2)
em que
a11 a12 · · · a1n
a
21 a22 · · · a2n
A = . .. .. ..
.. . . .
am1 am2 · · · amn
é uma matriz m × n chamada matriz dos coeficientes, e
x1 b1
x2 b2
x = =
..
e b ..
. .
xn bm
são o vetor coluna das variáveis ou vetor solução e o vetor coluna dos termos independentes ou
vetor constante, respectivamente.
Ao adjuntar o vetor constante à matriz A obtemos uma matriz m × (n + 1)
a11 a12 · · · a1n b1
a
21 a22 · · · a2n b2
A = .
∗
.. .. .. .. = [A | b]
.. . . . .
am1 am2 · · · amn bm
69
4.2 Classificação de um sistema linear
Um sistema linear pode ser classificado de acordo com o número de soluções que ele
possui:
(a) Sistema possı́vel ou compatı́vel: Quando possui pelo menos uma solução. Neste
casso pode acontecer que ele seja
A seguinte proposição mostra que, no caso (a.2), a existência de mais de uma solução
implica que o número de soluções não pode ser finito ou enumerável.
PROPOSIÇÃO 4.1. Se o sistema linear (4.1) tem duas soluções distintas x = (x1 , · · · , xn )
e y = (y1 , · · · , yn ), então ele tem infinitas soluções.
vemos que o sistema (1) tem solução única dada por x1 , x2 = 19/5, 2/5 ; já o
sistema (2) tem infinitas soluções pois todos os pares da forma (x1 , x2 ) = (3 + 2t, t),
com t ∈ R, são soluções. Finalmente, o sistema
x1 − 2x2 = 3
x1 − 2x2 = 5
70
4.3 Operações elementares
DEFINIÇÃO 4.1. Seja A uma matriz m×n cujas linhas são L1 , L2 , · · · , Lm . Chamamos
operação elementar sobre as linhas a uma das seguintes operações:
Chamamos de pivô de uma linha ao primeiro elemento não nulo que ela tem.
71
DEFINIÇÃO 4.2. Dizemos que uma matriz A de ordem m × n está na forma esca-
lonada se
(1) Se existem linhas nulas, estas encontram-se na parte inferior da matriz, depois
das linhas não nulas;
(2) O pivô de cada linha não nula está situado à direita do pivô da linha anterior.
(4) Se uma coluna contém um pivô, então todos seus outros elementos são nulos.
Vemos que A está na forma escalonada mas não reduzida e, por outro lado, B está
na forma escalonada reduzida.
TEOREMA 4.1. Seja A uma matriz m × n. Existe uma única matriz escalonada reduzida
R equivalente por linhas à matriz A.
DEFINIÇÃO 4.3. Seja A uma matriz m × n e seja R a sua matriz equivalente por
linhas dada pelo Teorema 4.1. Então o posto de A, denotado por posto(A), é igual
ao número de linhas não nulas de R. A nulidade de A é igual a n − posto(A).
72
4.4 Método de Gauss e de Gauss-Jordan
O Teorema 4.2 indica que, ao aplicar operações elementares à matriz aumentada, não
alteramos o conjunto solução de um sistema. Assim podemos resolver um sistema
usando os seguintes métodos:
seguimos os passos:
Passo 1. Trocando as linhas da matriz aumentada [A | b], podemos supor a11 , 0 o qual
será considerado o pivô. Nas linhas restantes Li aplicaremos uma operação ele-
ai1
mentar: Li → Li − L1 , para todo i = 2, · · · , m. Dessa forma obtemos um sistema
a11
equivalente
a11 a12 ··· a1n b1
a122 a12n b12 a11 ∗ b1
0 ···
.. =
∗
A ∼ .. .. .. ..
. . . . . 0 A1 b1
a1m2 · · · a1mn b1m
0
Passo 2. Se algum a1i2 , 0 então, trocando as linhas em [A1 | b1 ], podemos supor que a122 , 0.
Nesse caso repetimos o Passo 1 no subsistema [A1 | b1 ]. Se todos os a1i2 = 0,
i = 2, · · · , m, efetuamos o Passo 1 no menor subsistema distinto de zero definido a
partir da segunda linha.
73
Vejamos alguns exemplos:
Solução:
(1) Operação L1 ↔ L2 na matriz aumentada:
3 2 4 1 1 1 2 2
A∗ = 1 1 2 2 ∼ 3 2 4 1
5 4 8 5 5 4 8 5
(3) Operações L1 → L1 + L2 e L3 → L3 − L2 :
1 0 0 −3
A∗ ∼ 0 −1 −2 −5
0 0 0 0
74
Solução:
2 5
(1) Operação L2 → L2 − L1 e L3 → L3 − L3 na matriz aumentada:
3 3
3 −4 6 2 3 −4 6 2
A∗ = 2 1 −2 −1 ∼ 0 11/3 −6 −7/3
5 −3 4 2 0 11/3 −6 −4/3
(2) Operações L3 → L3 − L2 :
3 −4 6 2
A∗ = 0 11/3 −6 −7/3
0 0 0 1
Observe que no Exemplo 4.4 temos posto(A∗ ) = posto(A), e nesse caso o sistema é
compatı́vel, e no Exemplo 4.5 temos posto(A∗ ) > posto(a) e nesse caso o sistema é
incompatı́vel. De fato o seguinte teorema caracteriza os sistemas lineares de acordo aos
postos de A e de A∗ .
75
Exemplo 4.6. Use eliminação Gaussiana para resolver o sistema:
1, 45 · 10−4 x + 1, 45y = 7, 25
14, 5x + 14, 5y = 87.
Solução:
1
(1) Operação L1 → L1 :
1.45 · 10−4
1, 45 · 10−4 1, 45 7, 25 1 10000 50000
A =
∗
∼
14, 5 14, 5 87 14, 5 14, 5 87
1
(3) Operação L2 → L2 :
−144 · 103
1 10000 50000
A∗ ∼
0 1 5, 02
(2) Permute as linhas do sistema de modo que o pivô está na primeira linha do
subsistema.
76
No Exemplo a seguir mostramos como utilizar este método no sistema do Exemplo
4.6.
Exemplo 4.7. Use eliminação Gaussiana com pivotamento parcial para resolver o
sistema:
1, 45 · 10−4 x + 1, 45y = 7, 25
14, 5x + 14, 5y = 87.
Suponha que a mantisa do sistema de ponto flutuante utilizado possui 3 dı́gitos
significativos.
Solução:
(1) Vemos que o pivô na coluna 1 é 14, 5. Então fazemos a operação L1 ↔ L2 .
1, 45 · 10−4 1, 45 7, 25 14, 5 14, 5 87
A =
∗
∼
14,5 14, 5 87 1, 45 · 10−4 1, 45 7, 25
1
(2) Operação L1 → L1 e depois L2 → L2 − 1, 45 · 10−4 L1
14, 5
∗
1 1 6 1 1 6
A ∼ −4
∼
1, 45 · 10 1, 45 7, 25 0 1, 44 7, 24
1
(3) Operação L2 → L2 :
1, 44
1 1 6
A∗ ∼
0 1 5, 02
Assim y = 5, 02 e x = 0, 98. Observe que esse valores estão próximos dos valores
da solução x = 1, 0001, y = 4, 9999.
77
4.6 Sistemas triangulares
Existem dois tipos de sistemas lineares que são fáceis de resolver: Os sistemas triangu-
lares Inferiores e os sistemas triangulares Superiores.
Usaremos a letra L (de lower=inferior em inglês) para uma matriz triangular inferior
e U (de upper=superior em inglês) para uma matriz triangular superior.
São aqueles sistemas Lx = b na qual todos os termos que estão acima da diagonal de
L = (li j ) são 0:
l11 x1 = b1
l21 x1 +l22 x2 = b2
.. .. .. . (4.3)
. . . = ..
ln1 x1 +ln2 x2 · · · +lnn xn = bn
3x1 = 1
x1 +5x2 = 1 (4.4)
2x1 −x2 +2x3 = 3
Solução:
1 2
x2 = (1 − x1 )/5 = (1 − )/5 = .
3 15
2 2 37
x3 = (3 − 2x1 + x2 )/2 = (3 − + )/2 = .
3 15 30
Observação 4.1. A solução geral de um sistema triangular inferior como (4.3), é dada
78
pelas fórmulas:
bi − i−1
P
b1 j=1 li j x j
x1 = , e xi = , para todo i = 2, ..., n
l11 lii
São aqueles sistemas Ux = b na qual todos os termos que estão abaixo da diagonal de
U = (ui j ) são 0:
Solução:
3 3
x2 = (−3 + x3 )/4 = (−3 + )/4 = − .
2 8
9 9 77
x1 = (4 + 3x3 − 3x2 )/2 = (4 + + )/2 = .
2 8 16
Observação 4.2. A solução geral de um sistema triangular superior como (4.5), é dada
pelas fórmulas:
Pn
bn bi − j=i+1 ui j x j
xn = , e xi = , para todo i = 1, ..., n − 1. (4.7)
unn uii
Aqui estudaremos dois métodos com os quais podemos resolver um ou mais sistemas
de equações lineares: O Método da Decomposição LU e o Método de Gauss-Seidel.
79
4.7 Método Direto: Decomposição LU
Quando resolvemos vários sistemas lineares
Ax = b1 , Ax = b2 , ..., Ax = bp ,
por eliminação Gaussiana, em que todos os sistemas tem a mesma matriz A, teremos que
repetir o método da eliminação para cada vetor coluna b. Isto traz como consequência o
uso de uma grande quantidade de memória para armazenar os dados de cada sistema.
Uma maneira de evitar esse consumo de memória é utilizando o Método da De-
composição LU, que é mais eficiente pois permite calcular a decomposição sem usar os
vetores coluna b.
Antes de descrever o método, apresentaremos um exemplo.
Solução:
Repare que o sistema pode-se escrever na forma Ax = b, em que A = LU, sendo L
uma matriz triangular inferior e U uma matriz triangular superior.
, U = 3 −4
2 0 5
L = , b =
−3 3 0 −6 −3
y1
Fazendo := Ux, concluimos que encontraremos a solução do sistema se
y2
resolvemos os dois sistemas:
2 0 y1 5 3 −4 x1 y1
= , e
0 −6 x = y
−3 3 y2 −3 2 2
Observação 4.3. O Exemplo 4.10 mostra que se por acaso podemos decompor a matriz
A como produto de duas matrizes triangulares A = LU (em que L triangular inferior
e U triangular superior), então a resolução do sistema Ax = b se reduz a resolução
80
de dois sistemas:
Ly = b que é triangular inferior, e
Ux = y
que é triangular superior.
Assim, a pergunta natural é: Quando uma matriz A pode ser decomposta como produto
de duas matrizes LU, em que L é triangular inferior e U é triangular superior? ou, toda
matriz A tem decomposição LU?
Para responder estas questões, precisamos da seguinte definição.
Solução:
1 −2
Pela definição ∆1 = Det(a11 ) = 1, ∆2 = Det = −1.
−2 3
81
em que Lk−1 é triangular inferior e Uk−1 é triangular superior.
Devemos provar que existe uma decomposição para matrizes de ordem k. Seja
A de ordem k, então escrevemos
Ak−1 s
A =
r akk
em que r é um vetor linha e s é um vetor coluna. Dado que Ak−1 é uma matriz de
ordem k − 1 que, pela hipótese, pode ser decomposta na forma Ak−1 = Lk−1 Uk−1 .
Defina as matrizes
Lk−1 0
, e U = Uk−1 L−1 s
L =
k−1
−1
(4.9)
rUk−1 1 0 akk − rUk−1 L−1
−1
k−1
s
82
Exemplo 4.12. Resolva o sistema linear
1 −3 1 x1 4
2 −8 8 x = −2
2
−6 3 −15 x3 9
Solução:
Os menores principais são ∆1 = 1 e ∆2 = −2. Como ambos são distintos do 0, existe
a decomposição LU.
Sejam
1 0 0 u11 u12 u13
L = l21 1 0 , U = 0 u22 u23
l31 l32 1 0 0 u33
Da equação A = LU, obtemos
1 −3 1 1 0 0 u11 u12 u13
= l
21 1 0 0 u22 u23
2 −8 8
−6 3 −15 l31 l32 1 0 0 u33
l21 u12 + u22 = −8, l21 u13 + u23 = 8, então u22 = −2, u23 = 6.
15
l31 u12 + l32 u22 = 3, então l32 =
2
83
y1
Fazendo y = y2 := Ux, obtemos dois sistemas lineares que devem ser resolvidos:
y3
Ly = b, e Ux = y, ou
1 0 0 y1 4 1 −3 1 x1 y1
2
1 0 y2 = −2 e 0 −2 6
x = y
2 2
15
−6 2 1 y3 9 0 0 −54 x3 y3
15y2
Do primeiro sistema y1 = 4, y2 = (−2 − 2y1 ) = −10, e y3 = (9 + 6y1 − 2 ) = 108. Por
fim, com os valores dos yi , encontramos a solução:
108
x3 = − = −2, x2 = (y2 − 6x3 )/(−2) = −1, e x1 = (y1 + 3x2 − x3 ) = 3.
54
i−1
X
ui j = ai j − lik uk j , para i, j = 1, ..., n, i ≤ j.
k=1
começando com i = 1, e
P j−1
ai j − l u
k=1 ik k j
li j = , para i, j = 1, ..., n, i ≥ j.
ujj
começando com j = 1.
x = φ(x),
84
Considere um sistema de equações lineares:
que pode ser escrito na forma Ax = b, em que A = (ai j ), b = (bi ). Suponha aii , 0 para
todo i = 1, ..., n, então podemos dividir cada equação pelo correspondente elemento da
diagonal. Então o sistema converte-se a:
aij bi
em que a∗i j = aii para todo i, j = 1, ..., n e b∗i = aii , para todo i = 1, ..., n. O sistema
anterior pode-se escrever na forma A∗ x = b∗ , em que A∗ = (a∗i j ). Esta matriz A∗ pode ser
decomposta na forma
A∗ = L∗ + I + R∗ (4.12)
em que L∗ = (l∗i j ) é uma matriz triangular inferior com os elementos da diagonal iguais a
0, I é a matriz identidade e R∗ = (r∗i j ) é uma matriz triangular superior com os elementos
da diagonal iguais a 0. Ou seja,
a a
sei > j sei < j
ij ij
li j =
∗
e ri j =
∗
aii
aii
0
se i ≤ j 0
se i ≥ j
(L∗ + I + R∗ )x = b∗ . (4.13)
85
(a) O critério das linhas for satisfeito, isto é, se
n
X
max |a∗i j | < 1.
1≤i≤n
j=1,j,i
Exemplo 4.13. Encontre uma solução aproximada do sistema abaixo pelo método
de Jacobi-Richardson:
10x1 +2x2 +x3 = 7
x1 +5x2 +x3 = −8
2x1 +3x2 +10x3 = 6
Solução:
Escrevemos o sistema
Como 0.2 + 0.1 = 0.3 < 1, 0.2 + 0.2 < 1 e 0.2 + 0.3 < 1 o critério das linhas é satisfeito.
(0) (0) (0)
Considere x(0) = x1 , x2 , x3 = 0, 0, 0 e defina o processo iterativo
(k+1) (k) (k)
x1 = −0.2x2 − 0.3x3 + 0.7
(k+1) (k) (k)
= −0.2x1 − 0.2x3 − 1.6
x2 (4.14)
x(k+1) = −0.2x(k) − 0.3x(k) + 0.6
3 1 2
x(1) = (0.7, −1.6, 0.6), x(2) = (0.96, −1.86, 0.94), x(3) = (0.978, −1.98, 0.966) (4.15)
86
4.8.2 O método de Gauss-Seidel
Agora devemos fornecer condições sobre as quais a sequência x(k) converge para a
solução do sistema linear Ax = b. Dois critérios são os mais utilizados.
max{βi } < 1
1≤i≤n
em que
X i−1
X n
X
βi = |a∗i j | = |a∗i j | + |a∗i j |, ∀i = 1, ..., n
j,i j=1 j=i+1
max{βi } < 1
1≤i≤n
em que
i−1
X n
X
βi = |a∗i j |β j + |a∗i j |, ∀i = 1, ..., n.
j=1 j=i+1
87
O método de Gauss-Seidel para se atingimos os seguintes erros
• Erro Absoluto. Se
(k+1) (k)
max |xi − xi | < . (4.16)
1≤i≤n
• Erro Relativo. Se
(k+1) (k)
|xi − xi |
max (k+1)
< . (4.17)
1≤i≤n |xi |
ou seja, se cada componente atinge um erro relativo menor que .
Solução:
x1 − x62 − x63 = 1
2
2x1
3 +x2 + x93 = 40
9
− x41 x2
+ 12 +x3 = 25
6
Repare que este sistema tem a forma x = φ(x). Assim, podemos utilizar o método
iterativo de Gauss-Richardson
(k) (k)
(k+1) x2 x3
x = 1
+ +
1 2 6 6
(k) (k)
2x1 x3
(k+1)
x2
= − 3 + 40
9 − 9
(4.18)
(k) (k)
x(k+1) =
x1 x2
4 − 12 + 6
25
3
88
coluna. Da primeira equação:
(0) (0)
(1) 1 x2 x 1 0 0 1
x1 = + + 3 = + + = .
2 6 6 2 6 6 2
(1) (0)
(1)
2x1 40 x3 2(1/2) 40 0 37
x2 =− + − =− + − = = 4.11111
3 9 9 3 9 9 9
(0) (1) (0) (1)
Seguindo esta ideia, podemos substituir x1 por x1 e x2 por x2 na terceira equação
de (4.19):
(1) (1)
(1)
x1 x2 25 (1/2) (37/9) 25
x3 = − + = − + = 3.94907.
4 12 6 4 12 6
Logo, o processo iterativo, na iteração k, pode ser modificado ao seguinte:
(k) (k)
(k+1) x x
x1 = 21 + 62 + 63
(k+1) (k)
2x1 x3
(k+1)
x 2
= − 3 + 40
9 − 9
(4.19)
(k+1) (k+1)
x(k+1) = x1 − x2 + 25
3 4 12 6
Se k = 1 então
(1) (1)
(2) 1 x x 1 4.11111 3.94907
x1 = + 2 + 3 = + + = 1.84336
2 6 6 2 6 6
(2) (1)
(2)
2x1 40 x3 2(1.84336) 40 3.94907
x2 = − + − =− + − = 2.77675
3 9 9 3 9 9
(2) (2)
(2)
x1 x2 25 1.84336 2.77675 25
x3 = − + = − + = 4.39611.
4 12 6 4 12 6
(3) (3) (3)
Para k = 2 obtemos x1 = 1.69547, x2 = 2.82567 e x3 = 4.35506.
89
Solução:
Dividindo entre os coeficientes da diagonal obtemos:
x1 − 13 x2 + 19 x3 = 2
9
− 25 x1 +x2 + 35 x3 = − 51
1
7 x1 − 72 x2 +x3 = − 73
Repare que o método das linhas não é satisfeito, pois os coeficientes são:
1 1 4 2 3 1 2 3
β1 = + = , β2 = + = 1 e β3 = + =
3 9 9 5 5 7 7 7
e então max1≤i≤n βi = 1. Assim, o critério das linhas não fornece informação sob a
convergência.
Mas, o critério de Sassenfeld é satisfeito pois:
1 1 4
β1 = + = < 1,
3 9 9
2 4 3 7
β2 = ( )( ) + = < 1,
5 9 5 9
1 4 2 7 2
β3 = ( )( ) + ( )( ) = < 1.
7 9 7 9 7
Dessa forma, o método de Gauss-Seidel, dado pelo processo iterativo:
(k) (k)
(k+1) 2 x x
x1 = + 2 − 3
9 3 9
(k+1) (k)
(k+1)
2x1 1 3x3
x2 =+ − −
5 5 5
(k+1) (k+1)
(k+1)
x1 2x2 3
x3 =− + −
7 7 7
com condição inicial x(0) = (0, 0, 0), é convergente. As aproximações estão tabeladas
abaixo.
(k) (k) (k)
k x1 x2 x3 erro 1 erro 2 erro 3
0 0 0 0
1 0.22222 -0.11111 -0.49206
2 0.23985 0.19117 -0.40821
3 0.33130 0.17744 -0.35760 0.09145 0.01373 0.05061
4 0.32110 0.143 -0.37910 0.0102 0.03444 0.0215
90
4.9 Regra de Cramer
A regra de Cramer é um método para resolver sistemas lineares n × n usando determi-
nantes. Esse método foi introduzido em 1750 pelo matemático suizo Gabriel Cramer
(1704-1752).
Lembre que se A = (ai,j ) é uma matriz 2 × 2, o determinante de A é dado por
a11 a12
D = det(A) = = a11 a22 − a12 a21 .
a21 a22
TEOREMA 4.5. Um sistema Ax = b em que A é uma matriz n × n tem solução única se,
e somente se, det(A) , 0. Nesse caso a solução é dada por
em que B j é a matriz obtida a partir de A substituindo a sua coluna j pelo vetor constante b.
Solução:
Observe que
2 3 −1
det(A) = −2 5 4 = 2(−5 − 8) − 3(2 − 12) − 1(−4 − 15) = 23 , 0,
3 2 −1
91
então pela regra de Cramer:
2 3 −1
1 1 78
x1 = −1 5 4 = 2(−5 − 8) − 3(1 + 12) − 1(−2 + 15) = −
23 23 23
−3 2 −1
2 2 −1
1 1 37
x2 = −2 −1 4 = 2(1 + 12) − 2(2 − 12) − (6 + 3) =
23 23 23
3 −3 −1
2 3 2
1 1 91
x3 = −2 5 −1 = 2(−15 + 2) − 3(6 + 3) + 2(−4 − 15) = − .
23 23 23
3 2 −3
A · A−1 = A−1 · A = I
Se uma matriz não tem inversa então dizemos que é singular. Se A e B são de ordem
n × n e λ ∈ R distinto de zero, então valem as seguintes propriedades:
92
TEOREMA 4.6. Se A ∈ Mn×n é invertı́vel então A é equivalente por linhas à matriz
identidade In .
Isto significa que podemos calcular a inversa de uma matriz não singular A usando
operações elementares a partir da identidade. Do ponto de vista prático, o método de
Gauss considera a matriz
a11 a12 · · · a1n 1 0 · · · 0
a21 a22 · · · a2n 0 1 · · · 0
[ A| In ] =
.. .. .. .. .. .. . . ..
. . . . . . . .
an1 an2 · · · ann 0 0 · · · 1
Solução:
1 3 2 1 0 0 1 3 2 1 0 0
[ A| In ] = 0 5 1 0 1 0 ∼
0 5 1 0
1 0
L3 + L1
−1 3 0 0 0 1 0 6 2 1 0 1
1 3 2 1 0 0
[ A| In ] ∼ L2 /5 0 1 1/5 0 1/5 0
L3 /6
0 1 1/3 1/6 0 1/6
L1 − 3L2 1 0 7/5 1 −3/5 0
[ A| In ] ∼ 0 1 1/5
0 1/5 0
L3 − L2 0 0 2/15 1/6 −1/5 1/6
1 0 7/5 1 −3/5
0
[ A| In ] ∼ 0 1
1/5 0 1/5 0
15L3 /2
0 0 1 5/4 −6/4 5/4
L1 − 7L3 /5 1 0
0 −3/4 −7/4
3/2
[ A| In ] ∼ L2 − L3 /5 0 1 0 −1/4 1/2 −1/4
0 0 1 5/4 −3/2 5/4
93
Portanto
−3/4 3/2 −7/4
A−1 = −1/4 1/2 −1/4 .
5/4 −3/2 5/4
F(X) = ~0
em que ~0 = (0, 0, · · · , 0). A partir de uma aproximação inicial X0 = (x01 , x02 , · · · , x0n ),
podemos nos aproximar da solução usando a sequência de vetores {Xk }, em que Xk =
(xk1 , xk2 , · · · , xkn ), dada pela fórmula de Newton seguinte:
max{|xk+1
i − xki |, 1 ≤ i ≤ n} < . (4.23)
Exemplo 4.18. Três antenas situadas nos pontos A = (0, 0), B = (10, 2) e C = (5, 9)
são utilizadas para encontrar a posição de um pessoa no GPS. Se (x1 , x2 ) é a posição
94
desejada, podemos encontrar os valores de x1 e x2 resolvendo o sistema:
Solução:
Neste caso, podemos escrever o sistema (4.18) na forma F(x1 , x2 , x3 ) = (0, 0, 0) em
que
F(x1 , x2 , x3 ) = (x21 +x22 −(6+x3 )2 , (x1 −10)2 +(x2 −2)2 −(5+x3 )2 , (x1 −5)2 +(x2 −9)2 −(6+x3 )2 )
com a aproximação inicial X0 = (5, 2, 0). Considere um erro = 0.01. Note que
−2(6 + x3 )
2x1 2x2
DF(X) = 2(x1 − 10) 2(x2 − 2) −2(5 + x3 )
−2(6 + x3 )
2(x1 − 5) 2(x2 − 9)
Note que F(5, 2, 0) = (−7, 0, 13). Pela fórmula (8.25), a aproximação X1 é dada por
95
5.1402
X2 = 3.0331
−0.0309
Exercı́cio 4.1. Para cada um dos sistemas lineares seguintes, obtenha uma solução por
meio de um gráfico, se possı́vel for. Explique os resultados do ponto de vista geométrico.
96
Gauss:
2x1 + 2x2 + x3 + x4 =7
x1 − x2 + 2x3 − x4 =1
3x1 + 2x2 − 3x3 − 2x4 =4
4x1 + 3x2 + 2x3 + x4 = 12
2x1 + 3x2 + x3 − x4 = 6, 9 x + y + 2z + 4t = 7, 12
x1 + x2 + x3 = −1
−x1 + x2 − 4x3 + x4 = −6, 6 2x + 5y + z + 2t = 14, 90
(a) 3x1 + 2x2 − 2x3 = 2 (b) (c)
x1 + x2 + x3 + x4 = 10, 2 x + y + 5z + 6t = 12, 02
4x1 + 3x2 − 4x3 = 7
4x1 − 5x2 + x3 − 2x4 = −12, 3 4x + 6y + 2z + t = 20, 72
x1 + x2 + 2x3 + 4x4 = 7, 12
2x1 + 5x2 + x3 + 2x4 = 14, 90
x1 + x2 + 5x3 + 6x4 = 12, 02
4x1 + 6x2 + 2x3 + x4 = 20, 72
5x1 + 2x2 + x3 = 7
−x1 + 4x2 + 2x3 = 3
2x1 − 3x2 + 10x3 = −1
(b) Se possı́vel, resolvê-lo pelo método do item (a), obtendo o resultado com erro
absoluto < 10−2 .
(b) Caso haja convergência garantida, resolva os sistemas dados pelo Método Iterativo
(0) (0) (0)
de Gauss-Siedel com (x1 , x2 , x3 ) = (0.1, 0.2, 0.5) e = 0.01.
Exercı́cio 4.11. Use eliminação Gaussiana sem pivotamento parcial e com pivotamento
parcial para resolver os sistemas abaixo. Considere um sistema de ponto flutuante com
3 dı́gitos significativos. Compare as soluções obtidas com a solução exata.
97
x + 2, 07y + 0, 0045z = 0, 511
x1 + 1, 74x2 = 2, 74 0, 51x + 87, 1y = 92, 2
(a) (b) (c) −x − 2, 00y + 0, 0051z = −0, 298
5x1 + 6, 2x2 = 11, 2 44x − 104y = 336
2x − 2, 5y + 0, 03z = −0, 55
mostrar que, reordenando as equações e incógnitas, podemos fazer com que o critério
de Sassenfeld seja satisfeito, mas não o critério das linhas. Resolva-os.
y3 − x − 1 = 0
Exercı́cio 4.14. Resolva os seguintes sistemas não lineares escolhendo chutes iniciais
convenientes e = 0.01.
x1 + x2 − 2 = 0 2x1 x2 − 3 = 0 x21 + 4x22 − 4 = 0
2 2
(a) (b) (c)
x1 x2 − 1 = 0
x2 − x2 − 2 = 0
x2 − 2x1 − 2x2 + 1 = 0
1 1
Exercı́cio 4.15. Encontre as soluções dos sistemas não lineares, através do método de
Newton.
x21 + x2 − 37 = 0 x1 + 2x22 − x2 − 2x3 = 0
2
x1 − x22 − 5 = 0 x21 − 8x22 + 10x3 = 0
(a) (b)
x +x +x −3=0
x21 − 7x2 x3 = 0
1 2 3
98
5 Integração Numérica
5.1 Introdução
Cada vez que descrevemos um problema utilizando derivadas podemos inferir que a
solução do mesmo envolve integrais do tipo
Z b
I( f ) = f (x)dx (5.1)
a
em que f : [a, b] → R é uma função contı́nua no intervalo [a, b] com valores nos números
reais. Estudando as técnicas de integração do Cálculo, sabemos que existem funções f (x)
para as quais não existe uma integral em termos de funções elementares. Por exemplo,
as seguintes integrais são difı́ceis de calcular
Z Z
sin(x) 2
dx, e−x dx.
x
Exemplo 5.1. Um radar foi usado para medir a velocidade de um corredor durante
os primeiros 5 segundos de uma corrida (Veja a tabela ). Estime a distância que o
corredor cobriu durante aqueles 5 segundos.
Note que só conhecemos a função v(t) em 10 pontos, mas mesmo assim, desejamos
determinar o valor aproximado da integral
Z 5
v(t)dt,
0
99
5.2 Preliminares
Considere uma função contı́nua f : [a, b] → R definida num intervalo [a, b].
A ideia básica da integração numérica é obter I( f ) via interpolação. Isto é, primeiro
aproximar f (x) por um polinômio interpolante Pn (x) de grau n em [a, b], um polinômio
sobre n + 1 pontos x0 = a, x1 , ..., xn−1 , xn = b tais que a separação entre eles é dada por
b−a
h= ,
n
Uma vez feita a aproximação, fica ainda o estudo do erro cometido no processo de
aproximar. Este erro pode ser estudado com a equação:
100
a partir do qual deduzimos que o erro cometido En é dado por
Z b
En = Rn (x).
a
xn
f (n+1) (ξx )
Z
En = ψ(x)dx. (5.3)
x0 (n + 1)!
em que
n o
K = max f (n+1) (x) : x0 ≤ x ≤ xn .
n f (n+1) (ξ) o Z xn K
Z xn
|En | ≤ max , ξ ∈ [x0 , xn ] |ψ(x)|dx ≤ |ψ(x)|dx.
(n + 1)! x0 (n + 1)! x0
pela definição de K.
para determinar um limitante superior do erro En . Aqui vamos trabalhar dois casos:
(a) Caso 1: Se ψ(x) ≥ 0 para todo x ∈ [x0 , xn ], ou se ψ(x) ≤ 0 para todo x ∈ [x0 , xn ].
R xn
(b) Caso 2: Se ψ(x) satisfaz x ψ(x)dx = 0.
0
101
5.3 Regra dos Trapézios.
A regra dos trapézios é a mais simple das regras de integração, ou seja, quando con-
sideramos n = 1. Isto é a interpolação será dada sobre dois pontos x0 = a e x1 = b
e o polinômio interpolante P1 (x) é uma reta. Definamos h = b − a e seja y0 = f (x0 ) e
y1 = f (x1 ). O polinômio P1 (x) pode ser encontrado usando as diferenças divididas:
xi yi ordem 0 ordem 1
x0 y0 y0
y1 −y0
h
x1 y1 y1
y1 − y0
P1 (x) = y0 + (x − x0 )
h
h
I( f ) ≈ [ f (x0 ) + f (x1 )].
2
102
ponde à área de um trapézio.
Note que ψ(x) = (x − x0 )(x − x1 ), então ψ(x) ≤ 0 para todo x ∈ [x0 , x1 ]. Isto implica que
|ψ(x)| = −ψ(x) = (x − x0 )(x1 − x) para todo x ∈ [x0 , x1 ]. Pela fórmula (5.4) para o erro E1
obtemos Z x1
K
|E1 | ≤ (x − x0 )(x1 − x)dx,
(1 + 1)! x0
em que
K = max{ f (2) (x) : x0 ≤ x ≤ x1 }.
h
h3
Z
K
|E1 | ≤ u(h − u)du = max{ f (2) (x) : x0 ≤ x ≤ x1 }.
(2)! 0 12
Resumindo:
A aproximação de I( f ) dada pela Regra do Trapézio é
h
I( f ) ≈ [ f (x0 ) + f (x1 )]. (5.6)
2
h3
|E1 | ≤ max{ f (2) (x) : x0 ≤ x ≤ x1 }. (5.7)
12
Exemplo 5.2. Usando a Regra dos Trapézios, encontre uma aproximação da integral
Z 2
1
dx
1 x
Solução:
Definimos x0 = a = 1 e x1 = b = 2 e então h = x1 − x0 = 1. Assim, f (x0 ) = f (1) = 1 e
f (x1 ) = f (2) = 0, 5. Por tanto, a aproximação da integral dada pela fórmula (5.6) é:
1
I( f ) ≈ [1 + 0, 5] = 0, 75.
2
103
Assim
2 2
max{ f (2) (x) : x0 ≤ x ≤ x1 } = max{ 3
: 1 ≤ x ≤ 2} = = 2.
x 1
Por tanto, pela inequação (5.7),
13 2
|E1 | ≤ (2) = = 0, 16666.
12 12
para logo aplicar a regra dos trapézios em cada sub-intervalo Ii para i = 1, ..., n. Desse
modo, a integral I( f ) será aproximada pela soma das integrais em cada sub-intervalo
calculadas utilizando a regra do trapézio. A figura abaixo apresenta o caso de 5 sub-
intervalos.
h
Ai = [ f (xi−1 ) + f (xi )].
2
I( f ) ≈ A1 + A2 + .... + An
Substituindo os valores:
h h h
I( f ) ≈ [ f (x0 ) + f (x1 )] + [ f (x1 ) + f (x2 )] + .... + [ f (xn−1 ) + f (xn )]
2 2 2
104
Simplificando
n−1
h X
I( f ) ≈ [ f (x0 ) + 2 f (xi ) + f (xn )] (5.8)
2
i=1
O erro na Regra do Trapézios Generalizada é limitado pela soma dos erros em cada
subintervalo Ii . Denotemos por E(i) o erro no intervalo Ii , e então, pela inequação 5.7,
h3
|E(i)| ≤ max{ f (2) (x) : xi−1 ≤ x ≤ xi }, ∀i = 1, ..., n.
12
h3
|E| ≤ E(1) + E(2) + ... + E(n) ≤ n max{| f (2) (x)| : x0 ≤ x ≤ xn }.
12
h2
|E| ≤ (xn − x0 ) max{ f (2) (x) : x0 ≤ x ≤ xn }. (5.9)
12
Solução:
√
Dos dados f (x) = 1 + x2 , h = 2−0
4 = 0, 5 e x0 = 0, x1 = 0, 5, x2 = 1, x3 = 1, 5, x4 = 2.
Pela fórmula
Z 2 √ 3
h X
I( f ) = 1 + x2 dx ≈ [ f (x0 ) + 2 f (xi ) + f (x4 )]
0 2
i=1
deduzimos
0, 5
I( f ) ≈ [ f (x0 ) + 2( f (x1 ) + f (x2 ) + f (x3 )) + f (x4 )].
2
Substituindo os valores dos f (xi ) obtemos:
0, 5
I( f ) ≈ [1 + 2(1, 1180 + 1, 4142 + 1, 8027) + 2, 2360] = 2, 9763
2
105
Observe que f (2) (x) = 1
(1+x2 )3/2
e
1
max{| f (2) (x)| : 0 ≤ x ≤ 2} = max{ : 0 ≤ x ≤ 2} = 1
(1 + x2 )3/2
Dessa forma
(0.5)2
|E| ≤ (2 − 0)(1) = 0, 0416.
12
1
5.4 Regra 3
de Simpson
A Regra 1/3 de Simpson ocorre quando o polinômio interpolante Pn (x) tem grau n = 2.
Ou seja, f (x) é aproximada por uma parábola. Definamos
b−a
h= , e , x0 = a, x1 = a + h, x2 = b.
2
e
y0 = f (x0 ), y1 = f (x1 ), y2 = f (x2 ).
y0 − y1 y2 − 2y1 + y0
P2 (x) = y0 + (x − x0 ) + (x − x0 )(x − x1 ).
h 2h2
106
Integrando entre x0 e x1 e fazendo a mudança de variável x = x0 + u obtemos
x2 2h
y2 − 2y1 + y0
Z Z
y0 − y1
P2 (x)dx = [y0 + u+ u(u − h)]du.
x0 0 h 2h2
Desenvolvendo as contas:
Z x1
h
P2 (x)dx = [y0 + 4y1 + y2 ].
x0 3
Logo,
h
I( f ) ≈ [ f (x0 ) + 4 f (x1 ) + f (x2 )].
3
x0 , x1 , x2 , x3 .
107
Pela fórmula interpolátoria de Newton,
Inferimos que aproximar I( f ) pela integral de P2 (x) é igual a aproximá-la pela integral
de P∗ (x). Por tanto, o erro cometido usando P2 (x) é igual ao erro cometido usando P∗ (x).
Assim, é suficiente determinar o erro para P∗ (x) que é um polinômio de grau 3 = 2 + 1.
Isto é, devemos realizar a mesma análise da seção (5.2.1) para P∗ (x). Então definindo a
função
ψ∗ (x) = (x − x0 )(x − x1 )(x − x2 )(x − x1 ) = (x − x0 )(x − x1 )2 (x − x2 )
f (4) (ξ) ∗
f (x) = P∗ (x) + ψ (x)
4!
Desse modo,
x2 x2 x2
f (4) (ξ) ∗
Z Z Z
K
|E| = ∗
( f (x) − P (x))dx ≤ |ψ (x)|dx ≤ |ψ∗ (x)|dx (5.12)
x0 x0 4! 4! x0
n o
em que K = max | f (4) (x)| : x0 ≤ x ≤ x2 . Como ψ∗ (x) ≤ 0 para todo x ∈ [x0 , x2 ],
|ψ∗ (x)| = −ψ∗ (x) em [x0 , x2 ]. Fazendo a mudança x = u + x0 e integrando
x2 2h
4h5
Z Z
|ψ (x)|dx = −
∗
u(u − h)2 (u − 2h)du =
x0 0 15
h5 n o
|E| ≤ max | f (4) (x)| : a ≤ x ≤ b
90
108
Exemplo 5.4. Encontre uma aproximação da integral
Z 2
x2 ln(x)dx
1
pela regra 1/3 de Simpson e determine um limitante superior para o erro cometido
ao realizar a aproximação.
Solução:
n o n2 o
max | f (4) (x)| : 1 ≤ x ≤ 2 = max 2 : 1 ≤ x ≤ 2 = 2.
x
Por tanto, um limitante superior para o erro é dado por
(0, 5)5
|E| ≤ (2) = 0, 00069.
90
x0 = a, x1 = a + h, x2 = a + 2h, ..., xn = b.
109
Figura 15: Regra 1/3 de Simpson Generalizada.
Assim a integral I( f ) será aproximada pela soma das aproximaçãos sobre estes intervalos:
Z xn
f (x)dx ≈ A1 + A2 + ... + An/2
x0
ou
Z xn
h h h
f (x)dx ≈ [ f (x0 )+4 f (x1 )+ f (x2 )]+ [ f (x2 )+4 f (x3 )+ f (x4 )]+...+ [ f (xn−2 )+4 f (xn−1 )+ f (xn )].
x0 3 3 3
Como o erro total é menor que a soma dos n/2 erros individuais, segue que
n h5 n o
|E| ≤ . max | f (4) (x)| : a ≤ x ≤ b
2 90
h4 n o
|E| ≤ (xn − x0 ) max | f (4) (x)| : a ≤ x ≤ b . (5.14)
180
110
Solução:
Repare que para satisfazer a condição desejada, é suficiente que:
h4 n o
(xn − x0 ) max | f (4) (x)| : a ≤ x ≤ b < 10−6 (5.15)
180
π/6 π
Note que h = n = 6n e f (4) (x) = −2(3sec4 (x) − 2sec2 (x)). Então:
n o n o
max | f (4) (x)| : 0 ≤ x ≤ π/6 = max | − 2(3sec4 (x) − 2sec2 (x))| : 0 ≤ x ≤ π/6 = 2
Substituindo em (5.15),
h4 π
(π/6 − 0).2 < 10−6 =⇒ h < 0, 11450 =⇒ < 0, 11450
180 6n
i 0 1 2 3 4 5 6
π π π π 5π π
xi 0 36 18 12 9 36 6
f (xi ) 0 -0.003812 -0.015308 -0,034668 -0,062202 -0,098376 -0,143841
Então Z π
6
ln(cos x)dx ≈ −0, 024617.
0
3
5.5 Regra 8
de Simpson
3
Como era de esperarse, a regra 8 de Simpson é obtida aproximando f (x) por um po-
linômio P3 (x) de grau n = 3. Supondo que desejamos aproximar
Z b
I( f ) = f (x)dx,
a
definimos h = b−a
3 , os pontos
x0 = a, x1 = a + h, x2 = a + 2h, x3 = b,
111
e suas imagens
y0 = f (x0 ), y1 = f (x1 ), y2 = f (x2 ), y3 = f (x3 ).
Fazendo uma análise similar à aquela feita nos casos anteriores, deduzimos que a
aproximação de I( f ) é dada por
Z b
3h
I( f ) = f (x)dx ≈ [ f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 )] (5.16)
a 8
Como nos casos anteriores podemos provar que o erro E na regra 3/8 de Simpson é
limitado por
3h5 n o
|E| ≤ max | f (4) (x)| : a ≤ x ≤ b (5.17)
80
112
Solução:
i 0 1 2 3
46 68
xi 8 3 3 30
f (xi ) 177,2667 372,4629 608,8976 901,6740
Então Z 30 1400
[2000 ln − 9, 8x]dx ≈ 11063, 3104.
8 1400 − 21x
Para determinar o limitante superior do erro, precisamos de
2.3.214 .2000
f (4) (x) = .
(1400 − 21x)4
Assim
n o n 2.3.214 .2000 o
max | f (4) (x)| : 8 ≤ x ≤ 30 = max 4
: 8 ≤ x ≤ 30 = f (4) (30) = 0, 0063889
(1400 − 21x)
3 22 5
|E| ≤ .( ) .(0, 0063889) = 5, 081178. (5.18)
80 3
Para utilizarmos a Regra 3/8 de Simpson Generalizada precisamos que n seja múltiplo
de 3. Com isto podemos agrupar cada três intervalos e aplicar a regra 3/8 de Simpson a
cada grupo. Definindo
b−a
h= , x0 = a, ..., xi = a + ih, ..., xn = b
n
então I( f ) é aproximada pela soma dos n/3 grupos e pode-se mostrar que
Z b
3h X X
f (x)dx ≈ [ f (x0 ) + 3 f (xi ) + 2 f (xi ) + f (xn )]. (5.19)
a 8
i,3k i=3k
113
Já o cálculo do erro da Regra 3/8 de Simpson Generalizada segue considerando que
o erro total é menor que a soma dos erros individuais dos n/3 grupos:
n 3h5 n o
|E| ≤ . max | f (4) (x)| : a ≤ x ≤ b ,
3 80
h4 n o
|E| ≤ (xn − x0 ) max | f (4) (x)| : a ≤ x ≤ b , (5.20)
80
Exemplo 5.7. Um fluido atravessa a secção de um tubo com uma velocidade v(r),
sendo r a distância radial ao centro da seção. Determine a quantidade Q do fluido
que atravessa esta seção por unidade de tempo, dada por
Z r0
Q = 2π rv(r)dr
0
Solução:
Dos dados h = 0.5 e n = 9. Repare que a função a integrar é f (r) := rv(r); a tabela
abaixo corresponde aos valores de f (r):
i 0 1 2 3 4
ri 0 0.5 1 1.5 2
f (ri ) 0 1,47495 2,8942 4,2468 5,5168
i 5 6 7 8 9
ri 2.5 3 3.5 4 4.5
f (ri ) 6,4105 7,2597 7,6947 8.4004 0
3(0, 5)
Q ≈ 2π. [0 + 3(1, 47495 + 2, 8942 + 5, 5168 + 6, 4105 + 7, 6947 + 8, 4004)+
8
114
5.6 O método da quadratura gaussiana
Suponha que desejamos calcular a integral de uma função polinomial de grau 5 da forma
f (x) = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 + a5 x5 (5.21)
2 2
I( f ) = 2.a0 + 0.a1 (0) + a2 + 0a3 + a4 + 0.a5 . (5.23)
3 5
Figura 17: A soma das áreas dos retângulos é igual à área abaixo da curva.
Note que
f (p1 ) = a0 + a1 p1 + a2 p21 + a3 p21 + a4 p41 + a5 p51
f (p2 ) = a0 + a1 p2 + a2 p22 + a3 p22 + a4 p42 + a5 p52
(5.25)
f (p ) = a + a p + a p2 + a p2 + a p4 + a p5 .
3 0 1 3 2 3 3 3 4 3 5 3
115
Comparando com equação 5.23, obtemos o sistema
W1 + W2 + W3 = 2
W1 p1 + W2 p2 + W3 p3 = 0
W1 p21 + W2 p22 + W3 p23 = 2/3
(5.27)
W1 p31 + W2 p32 + W3 p33 = 0
W1 p41 + W2 p42 + W3 p43 = 2/5
W1 p51 + W2 p52 + W3 p53 = 0
R1
Exemplo 5.8. Calcule a integral −1
(x2 + 1
4 sin x)dx pelo método da quadratura de
Gauss.
Solução:
5 8 5
I( f ) ≈ f (−0, 77459) + f (0) + f (0, 77459) (5.32)
9 9 9
ou seja,
5 8 5
I( f ) ≈ (0, 42513) + (0) + (0, 77484) = 0, 66665. (5.33)
9 9 9
116
R1
x3
Observe-se que o valor exato é −1
(x2 + 14 sin x)dx = 3 − 14 cos x|1−1 = 2
3 = 0, 66666.
b
8 a+b
Z
b − ah5 5 i
f (x)dx ≈ f (x∗ ) + f ( ) + f (y∗ ) (5.34)
a 2 9 9 2 9
√ √
em que x∗ = a+b
− √3 ( b−a ) e x∗ = a+b
+ √3 ( b−a ).
2 5 2 2 5 2
Solução:
√
1,2+0,6 1,2−0,6
Note que f (x) = x2 + 14 sin x. Pela fórmula 5.39 temos que x∗ = − √3 =
2 5 2
√
1,2+0,6 1,2−0,6
0, 66762 e y∗ = + √3 = 1, 13237.
2 5 2
1, 2 − 0, 6 h 5 8 5 i
I( f ) ≈ f (0, 66762) + f (0, 9) + f (1, 13237) (5.36)
2 9 9 9
ou seja,
h5 8 5 i
I( f ) ≈ 0, 3 (0, 60049) + (1, 00583) + (1, 50861) = 0, 61973. (5.37)
9 9 9
R 1,2
x3
Observe-se que o valor exato é 0,6
(x2 + 41 sin x)dx = 3 − 41 cos x|1,2
0,6
= 0, 61974.
117
A seguinte tabela mostra os pontos e os pesos para diferentes valores do polinômio
utilizado:
b n
a+b
Z
b − ah X b−a i
f (x)dx ≈ Wi f ( + pi ) (5.39)
a 2 2 2
i=1
118
Exercı́cio 5.1. Aproxime as seguintes integrais usando:
(b) a regra 1
3 de Simpson com n = 6;
(c) a regra 3
8 de Simpson com n = 9.
R2
Exercı́cio 5.3. Determine o mı́nimo n de subintervalos para aproximar I = 1
0 x+4
dx com
precisão de 10−5 e calcule a aproximação. Use (a) a regra dos trapézios, (b) a regra 31 de
3
Simpson, e (c) a regra 8 de Simpson.
R1
Exercı́cio 5.4. Calcule o valor aproximado da 0
3e−x dx usando:
(b) Regra 1
3 de Simpson generalizada, com h = 1/6.
(c) Regra 3
8de Simpson generalizada, com h = 1/6.
R 2 cos(x)
Exercı́cio 5.5. Calcule 1 x+2 dx usando 6 subintervalos:
119
R2 2
Exercı́cio 5.9. Calcule o valor aproximado de 0
e−x dx usando n = 6 e (a) a regra dos
trapézios generalizada, (b) a regra 1/3 de Simpson e (c) a regra 3/8 de Simpson. Em cada caso
determine um limitante superior para o erro.
Exercı́cio 5.10. Um radar foi usado para medir a velocidade de um corredor durante os
primeiros 5 segundos de uma corrida (Veja a tabela ). Use a regra 1/3 de Simpson para
estimar a distância que o corredor cobriu durante aqueles 5 segundos.
Exercı́cio 5.11. A figura mostra um pêndulo com comprimento L que forma um ângulo
máximo de θ0 com a vertical. Usando a Segunda Lei de Newton, pode ser mostrado que
o perı́odo T (o tempo para um ciclo completo) é dado por
s Z π
L 2 dx
T=4 (5.40)
g 0
q
1 − k2 sin2 (x)
R1
Exercı́cio 5.12. Seja a integral I = x
0 1+x2
dx.
120
Encontre um valor aproximado do perı́metro de uma elipse com semi-eixos a = 2 e b = 1
usando as Regras de Simpson com n = 6.
t − π3 − π6 0 π
6
π
3
1 3 3 1
f (t) e4 e4 e e 4 e4
(b) Delimite o erro cometido na integração numérica efetuada na parte (a), sabendo
que no intervalo − π3 ≤ t ≤ π
3 temos | f (4) (t)| ≤ 20e.
121
6 O método dos mı́nimos quadrados
Dados n pontos no plano (xi , yi ) com i = 1, · · · , n, desejamos encontrar entre os elementos
de uma famı́lia de funções, uma certa função S(x) que melhor ajuste estes pontos. O termo
melhor ajuste quer dizer que a função S(x) minimiza o error quadrático, isto é, que S(x) é,
entre todas as funções da famı́lia, a que realiza o mı́nimo da expressão
n
X 2
E := S(xi ) − yi .
i=1
n
X 2 n
X 2
E = E(a0 , a1 ) := S(xi ) − yi = a0 + a1 xi − yi .
i=1 i=1
∂E ∂E
= = 0.
∂a0 ∂a1
n n n
∂E X X X
= 2(a0 + a1 xi − yi ) = 2 na0 + a1 xi − yi = 0
∂a0
i=1 i=1 i=1
e
n n n n
∂E X X X X
= 2xi (a0 + a1 xi − yi ) = 2 a0 xi + a1 2
(xi ) − yi xi = 0
∂a1
i=1 i=1 i=1 i=1
Exemplo 6.1. Considere os seguintes pontos em R2 : (0, 1), (1, 2), (1.5, 1.5), (2, 2.5) e
(2.3, 2.7). Encontre a reta que melhor ajusta estes pontos.
122
Solução:
Note que n = 5. Organizaremos os pontos numa tabela:
i xi yi x2i xi yi
1 0 1 0 0
2 1 2 1 2
3 1.5 1.5 2.25 2.25
4 2 2.5 4 6.25
5 2.3 2.7 5.29 6.21
soma 6.8 9.7 12.54 15.46
3.0
2.5
2.0
1.5
1.0
123
para medir relacionamentos não lineares.
5(15.46) − (6.8)(9.7)
r= p p = 0, 89016.
5(12.54) − (6.8)2 . 5(20.79) − (9.7)2
n
X 2
E= P(xi ) − yi
i=1
124
Podemos verificar que os coeficientes {ai }, com i = 0, · · · , p, satisfazem o sistema de
equações:
p
P P P
a0 n + a1 ni=1 xi + · · · + ap ni=1 xi = ni=1 yi
p+1
P P P P
n n n
+ 2 + ··· + a = ni=1 yi xi
a 0 i=1 x i a 1 x
i=1 i p i=1 ix
p+2
n 2 +a n n Pn
3
+ + = 2
a P P P
0 i=1 x i 1 i=1 x i
· · · ap i=1 x i i=1 yi xi (6.3)
..
.
Pn p Pn p+1 2p p
P P
+ · · · + ap ni=1 xi = ni=1 yi xi
a0 i=1 xi + a1 i=1 xi
Exemplo 6.3. Considere os pontos do exemplo anterior: (0, 1), (1, 2), (1.5, 1.5), (2, 2.5)
e (2.3, 2.7). Encontre o polinômio de grau 3 que melhor ajusta estes pontos.
Solução:
125
3.0
2.5
2.0
1.5
1.0
a = ea0 e b = a1 . (6.7)
Observe que a mudança sugerida só pode ser realizada se yi > 0 e xi > 0 para i =
1, · · · , n.
Exemplo 6.4. Ajuste os pontos (0.5, 1), (1, 2), (1.5, 1.5), (2, 2.5) e (2.3, 2.7) a uma curva
da forma y = axb .
Solução:
Organizaremos os pontos numa tabela realizando a mudança Yi = ln yi e Xi = ln xi :
i xi yi Xi = ln xi Yi = ln yi Xi2 Xi Yi
1 0.5 1 -0,6931 0 0,4803 0
2 1 2 0 0,6931 0 0
3 1.5 1.5 0,4054 0,4054 0,1643 0,1643
4 2 2.5 0,6931 0,9162 0,4803 0,6350
5 2.3 2.7 0,8329 0,9932 0,6937 0,8272
soma 1,2383 3,0079 1,8186 1,6265
126
2.5
2.0
1.5
1.0
0.5
ln y = ln a + x ln b (6.8)
Exemplo 6.5. Ajuste os pontos (0.5, 1), (1, 2), (1.5, 1.5), (2, 2.5) e (2.3, 2.7) a uma curva
da forma y = abx .
Solução:
Organizaremos os pontos numa tabela realizando a mudança Yi = ln yi e Xi = xi :
i xi yi X i = xi Yi = ln yi Xi2 Xi Yi
1 0.5 1 0,5 0 0,25 0
2 1 2 1 0,6931 1 0,6931
3 1.5 1.5 1,5 0,4054 2,25 0,6081
4 2 2.5 2 0,9162 4 1,8324
5 2.3 2.7 2,3 0,9932 5,29 2,28436
soma 7,3 3,0079 12,79 5,4179
127
b = ea1 = 1, 6183 e a curva procurada é y = 0, 9036(1, 6183)x . Veja a figura 22.
3.0
2.5
2.0
1.5
1.0
Figura 22: Os pontos dados e a curva y = 0, 9036(1, 6183)x que melhor os ajusta.
e derivando
b n b
∂E
Z X Z
= −2 x f (x) + 2
i
aj xi+j dx, com i = 0, · · · , n.
∂ai a a
j=0
n
X Z b Z b
aj i+j
x dx = xi f (x)dx,
j=0 a a
128
isto é, devemos resolver o sistema:
Rb Rb Rb Rb
a0 a dx + a1 a xdx + · · · + an a xn dx = f (x)dx
R ab
Rb Rb Rb
a0 a xdx + a1 a x dx + · · · + an a x dx =
2 n+1 x f (x)dx
a
.. .. (6.9)
. = .
a b xn dx + a b xn+1 dx + · · · + a b x2n dx
R R R Rb
= xn f (x)dx
0 a 1 a n a a
Solução:
Assim
π2 π3
πa0 + a1 + a2 =
2
2 3
π2 π3 π4
a0 + a1 + a2 = π
2 3 4
π π π
3 4 5
a0 + a1 + a2 = −4 + π2
3 4 5
Resolvendo:
12(−10 + π2 ) 60(−12 + π2 ) 60(−12 + π2 )
a1 = = −0.050465, a1 = − = 1.31224, a2 = = −0.417698.
π3 π4 π5
1.0
0.8
0.6
0.4
0.2
Figura 23: A função y = sin(x) e o polinômio P2 (x) aproximante pelo método do erro
quadrático mı́nimo.
Exercı́cio 6.1. Os seguintes dados mostram a relação entre o peso e a altura de homens
e mulheres. Encontre a reta de ajuste linear em cada caso.
129
Homens
peso 80 85 77 93 65
altura 1.80 1.83 1.80 1.86 1.70
Mulheres
peso 50 70 55 85 60
altura 1.65 1.90 1.60 1.78 1.65
aditivo 1% 2% 3% 4% 5% 6%
octanagem 80.5 81.6 82.1 83.7 83.9 85.0
Exercı́cio 6.3. Encontre um polinômio de grau 2 que se ajusta melhor aos seguintes
dados:
xi -2 -1 0 1 2 3
yi -0.01 0.51 0.82 0.88 0.81 0.49
Exercı́cio 6.4. O número de bactérias, por unidade de volume, existente em uma cultura
depois de x horas é apresentado pela tabela. Ajuste os dados tabulados a uma curva
exponencial da forma y = abx e avaliar y para x = 4, 7.
xi 0 1 2 3 4 5 6
yi 32 47 65 92 132 190 275
Exercı́cio 6.5. A tabela abaixo fornece uma relaçãoo entre a temperatura da água e a
pressão barométrica. Ajustar os dados a uma função potência y = axb .
Exercı́cio 6.6. A tabela abaixo fornece uma relação entre resistência à tração do aço em
função da temperatura. Ajustar os dados a um polinômio de grau 4.
Exercı́cio 6.7. Os dados abaixo referem-se a variação do coeficiente de atrito (µ), entre
a roda e o trilho seco, com a velocidade. Ajustar os dados a um polinômio de grau 5.
V(km/h) 0 10 20 30 40 60 70
µ 0.450 0.313 0.250 0.215 0.192 0.164 0.154
130
T(o C) 7.5 10.9 14 15 16 18 21
ν 1.409 1.276 1.175 1.148 1.121 1.069 0.990
Exercı́cio 6.9. A relação entre consumo e renda é uma das mais importantes para cons-
truir modelos de previsão em macroeconomia. O seguinte modelo foi proposto para
relacionar o consumo privado neto y (em milhões de reais) de um certo pais e a renda
per cápita x (em reais) do mesmo:
y = axb .
psi 26 28 31 35 38 42 45
milhas 50 66 78 81 74 70 59
Encontre um modelo que aproxima estes dados usando um polinômio de grau 2. Grafi-
que a curva com uma calculadora e compare com os valores da tabela. Como encontrar
o valor da pressão para o qual a vida útil do pneu é a maior possı́vel?
x cm 20 24 30 36 39 45 47 49 56
y gramas 350 400 650 1050 1450 2100 2200 2400 3200
131
7 Resolução Numérica de Equações Diferenciais Ordinárias
7.1 Introdução
Muitas leis na ciência são baseados em modelos que explicam variações de propriedades
e estados de sistemas descritos por equações diferenciais. Estas equações aparecem em
ciência e engenharia, mas também em economia, ciências sociais, biologia, negocios,
etc. Por isso, estudar as técnicas para resolvê-las tem-se convertido em uma matéria
fundamental, senão obrigatória, para quem deseja abordar, fórmular ou resolver os
problemas que estas áreas apresentam.
7.2 Preliminares
Uma equação diferencial ordinária (edo) de primeira ordem é uma equação da forma
y0 = f (x, y)
dy
em que f : R2 → R é uma função contı́nua, e y0 = dx é a derivada de y em relação a x.
Resolver esta equação consiste em determinar uma solução y = φ(x), ou seja, encontrar
uma função φ que satisfaz
φ0 (x) = f (x, φ(x)).
φ(xn ) ≈ yn
e supor, então que os pontos (xn , yn ) definem aproximadamente φ. Desse modo uma
boa aproximação de φ é a função que interpola estes pontos.
Seja N + 1 o número de pontos. Suponha que os pontos xn , n = 0, 1, ..., N são igual-
mente espaçados, isto é
xN − x0
xn = x0 + nh, ∀n = 0, 1, ..., N, e h = .
N
Cada método numérico para resolver o problema de valor inicial depende da forma
132
Figura 24: Interpretação geométrica da solução numérica.
K = φ0 (x0 ).
Mas φ(x) é solução do PVI, então φ0 (x0 ) = f (x0 , y0 ). Como no Método de Euler a reta
133
tangente L aproxima φ temos que:
y1 = y0 + h f (x0 , y0 ).
Tendo determinado a aproximação (x1 , y1 ), podemos supor que o PVI possui agora
a condição inicial (x1 , y1 ). Com ela podemos determinar a seguinte aproximação y2 .
Fazendo a mesma análise, obtem-se
y2 = y1 + h f (x1 , y1 ).
Use N = 4.
Solução:
1−0
h= = 0, 25; x0 = 0; x1 = 0, 25; x2 = 0, 5; x3 = 0, 75 e x4 = 1.
4
y1 = 2 + 0, 25(03 − 2) = 1, 5.
134
Se n = 1, teremos y2 = y1 + 0, 25(x31 − y1 ). Substituindo
Continuando
y3 = y2 + 0, 25(x32 − y2 ) = 0, 8779
e
y4 = y3 + 0, 25(x33 − y3 ) = 0, 7638.
Repare que o PVI do Exemplo 7.1 pode-se resolver analı́ticamente. A sua solução é
y2 −x
y0 = 5
(7.5)
y(0) = 1
Use N = 6.
135
Solução:
y2 −x
Observe que N = 6, f (x, y) = 5 , x0 = 0 e y0 = 1. Então
3−0
h= = 0, 5, e x0 = 0; x1 = 0, 5; x2 = 1; x3 = 1, 5; x4 = 2; x5 = 2, 5; x6 = 3.
6
y2 −x
Substituindo na equação yn+1 = yn + h f (xn , yn ) = yn + 0, 5 n 5 n . Se n = 0 então
y20 − x0 12 − 0
y1 = y0 + 0, 5 = 1 + 0, 5 = 1, 1.
5 5
y21 − x1 1, 12 − 0, 5
y2 = y1 + 0, 5( ) = 1, 1 + 0, 5 = 1, 171.
5 5
y22 − x2 1, 1712 − 1
y3 = y2 + 0, 5 = 1, 171 + 0, 5 = 1, 2081
5 5
y2 − x3 1, 20812 − 1, 5
y4 = y3 + 0, 5 3 = 1, 2081 + 0, 5 = 1, 3040
5 5
y2 − x4 1, 30402 − 2
y5 = y4 + 0, 5 4 = 1, 3040 + 0, 5 = 1, 2740
5 5
y25 − x5 1, 27402 − 2, 5
y6 = y5 + 0, 5 = 1, 2740 + 0, 5 = 1, 1863
5 5
136
7.4 Métodos de Runge-Kutta
Como no Método de Euler, sejam (x0 , y0 ) as condições iniciais e φ(x) a solução do PVI:
y = f (x, y)
0
(7.6)
y(x0 ) = y0
Repare que a aproximação dada pelo Método de Euler possui um erro pois utilizamos
a reta tangente L1 = L para aproximar o valor de φ(x1 ), o que nos da somente uma
aproximação linear. Seja K1 a inclinação de L1 , ou seja,
K1 = f (x0 , y0 ).
O problema de determinar φ(x1 ) estaria resolvido se, por acaso, conseguirmos en-
contrar a inclinação K∗ da reta secante L∗ que passa pelos pontos (x0 , y0 ) e (x1 , φ(x1 )).
Pois
φ(x1 ) = y0 + hK∗ . (7.7)
A ideia genial do Carl Runge e o Martin Wilhelm Kutta foi escolher uma aproximação
de K∗ utilizando a função f (x, y) e compará-la com a série de Taylor de φ(x). Explica-
remos esta ideia no método de Runge-Kutta de Ordem 2 a seguir.
P1 = (x0 + a2 h, yn + a2 hK1 )
137
que está sobre a reta tangente L1 e cuja abscissa é x0 + a2 h. Como f (x, y) é a inclinação
da reta tangente da solução do PVI, que passa pelo ponto (x, y), podemos definir uma
reta que passa por P1 com inclinação
Esta reta pode ser transladada ao ponto (x0 , y0 ) para obter uma reta L2 com inclinação
K2 .
K∗ ≈ c1 K1 + c2 K2 .
1
c1 + c2 = 1, e a2 c2 = .
2
Como este sistema de equações tem infinitas soluções, podemos definir infinitos
métodos de Runge-Kutta de ordem 2, um para cada solução. Nestes métodos precisamos
de duas inclinações para encontrar y1 :
y1 = y0 + h(c1 K1 + c2 K2 )
K1 = f (x0 , y0 )
(7.9)
K = f (x + a h, y + a hK )
2 0 2 0 2 1
138
Generalizando para os pontos xn , obtemos para todo n = 0, 1, ..., N − 1:
yn+1 = yn + h(c1 K1 + c2 K2 )
K1 = f (xn , yn )
(7.10)
K = f (x + a h, y + a hK )
2 n 2 n 2 1
yn+1 = yn + hK2
K1 = f (xn , yn )
(7.11)
K = f (x + h , y + hK1 )
2 n 2 n 2
yn+1 = yn + 2h (K1 + K2 )
K1 = f (xn , yn )
(7.12)
K = f (x + h, y + hK )
2 n n 1
Use N = 4.
Solução:
1−0
h= = 0, 25; x0 = 0; x1 = 0, 25; x2 = 0, 5; x3 = 0, 75; x4 = 1.
4
139
Se n = 0, teremos
K1 = f (x0 , y0 ) = x30 − y0 = 03 − 2 = −2
Por tanto
h 0.25
y1 = y0 + (K1 + K2 ) = 2 + (−2 − 1, 4843) = 1, 5644
2 2
Se n = 1, teremos
Por tanto
h 0.25
y2 = y1 + (K1 + K2 ) = 1, 5644 + (−1, 5487 − 1, 0555) = 1.2388.
2 2
Se n = 2, teremos
Por tanto
h 0.25
y3 = y2 + (K1 + K2 ) = 1, 2388 + (−1, 1138 − 0, 5384) = 1.0322.
2 2
Se n = 3, teremos
Por tanto
h 0.25
y4 = y3 + (K1 + K2 ) = 1, 0322 + (−0.6103 + 0, 1204) = 0.9709
2 2
concluı́mos que, como visto na figura abaixo, a solução pelo Método Aperfeiçoado é
melhor que à obtida pelo Método de Euler.
140
Figura 30: Solução real e solução aproximada do PVI do Exemplo 7.3.
P1 = (x0 + a2 h, y0 + a2 hK1 )
Para determinar uma terceira inclinação, repetimos o processo anterior para K2 , ou seja,
escolhemos a3 ∈ [0, 1] e um ponto P2 dado por
P2 = (x0 + a3 h, y0 + a3 hK2 )
K∗ = c1 K1 + c2 K2 + c3 K3 ,
y1 = y0 + h(c1 K1 + c2 K2 + c3 K3 ).
141
Generalizando para o ponto (xn , yn ):
yn+1 = yn + h(c1 K1 + c2 K2 + c3 K3 )
K1 = f (xn , yn )
K2 = f (xn + a2 h, yn + a2 hK1 )
K3 = f (xn + a3 h, yn + a3 hK2 )
Comparando com a série de Taylor de φ(x) (e depois de muitas contas), segue que
a2 , a3 , c1 , c2 e c3 estão relacionados pelas equações:
1 1 1
c1 + c2 + c3 = 1, c2 a2 + c3 a3 = , a3 c3 a2 = , e c2 a22 + c3 a23 = .
2 2 3
Como o sistema anterior tem infinitas soluções, existirão infinitos Métodos de Runge-
Kutta de ordem 3 (um para cada solução).
Use N = 4.
142
Solução:
Do enunciado f (x, y) = x3 − y, x0 = 0, y0 = 2, e
1−0
h= = 0, 25; x0 = 0; x1 = 0, 25; x2 = 0, 5; x3 = 0, 75; x4 = 1.
4
Se n = 0, obteremos
K1 = f (x0 , y0 ) = f (0, 2) = −2
2h 2hK1
K2 = f (x0 + , y0 + ) = f (0.16666, 1.66666) = −1.6620.
3 3
2h 2hK2
K3 = f (x0 + , y0 + ) = f (0.16666, 1.723) = −1.7183
3 3
Por tanto
h
y1 = y0 + (2K1 + 3K2 + 3K3 ) = 1.5424.
8
Continuando este processo, encontramos que
Da figura abaixo podemos verificar que método de Nystrom fornece uma melhor
aproximação que o método de Euler Aperfeiçoado.
143
7.4.3 O Método de Runge-Kutta de Ordem 4
K1 = f (xn , yn )
K2 = f (xn + a2 h, yn + a2 hK1 )
K3 = f (xn + a3 h, yn + a3 hK2 )
K4 = f (xn + a4 h, yn + a4 hK3 )
K∗ ≈ c1 K1 + c2 K2 + c3 K3 + c4 K4 ,
yn+1 = yn + h(c1 K1 + c2 K2 + c3 K3 + c4 K4 )
onde a2 , a3 , a4 ∈ [0, 1] e c1 + c2 + c3 + c4 = 1.
Como nos métodos anteriores existem relações entre os coeficientes a1 , a2 , a3 e c1 , c2 , c2 , c4 .
Para nossos propósitos, só precisamos do método de ordem 4 no qual a2 = 12 , a2 = 12 , a3 =
1 e c1 = 16 , c2 = 13 , c3 = 13 , c4 = 61 .
y0 = f (x, y, z)
z0 = g(x, y, z)
(7.18)
y(x ) = y , z(x ) = z
0 0 0 0
144
z(x0 ) = z0 são chamadas condições iniciais. Resolver este sistema significa encontrar
duas funções y(x) e z(x) que verificam as equações (7.18):
U = (y, z),
Un+1 = Un + hF(xn , Un )
ou, equivalentemente
145
Para todo n = 0, 1, ..., N − 1,
yn+1 = yn + h f (xn , yn , zn )
(7.21)
zn+1 = zn + hg(xn , yn , zn )
y = x2 − y2 + 2z
0
z0 = xy − z2
(7.22)
y(0) = 1, z(0) = 2
Solução:
Se n = 1,
y2 = y1 + h(x1 − y1 + 2z1 ) = 2 + (1/3)((0.3333) − (2) + 2(0.6666)) = 1, 1480
2 2 2 2
146
Se n = 2,
y3 = y2 + h(x2 − y2 + 2z2 ) = 1, 1480 + (1/3)(0.6666 − 1, 1480 + 2(0.7406)) = 1, 3505
2 2 2 2
z = y0
e então
z0 = y00 = g(x, y, y0 ) = g(x, y, z).
Assim, o sistema (7.23) transforma-se no PVI de primeira ordem com duas equações:
y0 = z
z0 = g(x, y, z)
(7.24)
y(x ) = y , z(x ) = y0
0 0 0 0
que tem a forma do sistema (7.18) em que f (x, y, z) = z. Por tanto pode ser resolvido
numericamente pelo método de Euler dado pelas equações (7.21).
147
mente u(1) com N = 3.
Solução:
Substituindo os dados a equação fica:
Se n = 0,
y1 = y0 + hz0 = 1 + 0.3333(−.5) = 0.8333
z1 = z0 + h(−y0 + 2z0 − 3z3 ) = −0.5 + 0.3333(−1 + 2(−0.5) − 3(−0.5)3 ) = −1.0416
0
Se n = 1,
Se n = 2,
148
7.6 Resolução numérica de um problema de valores de contorno
Sejam p(x), q(x) and r(x) funções contı́nuas no intervalo [a, b].
Suponha que y = φ(x) é a solução do PVC anterior. Então das condições de contorno
temos que φ(a) = α e φ(b) = β. Para determinar aproximadamente os valores de φ(x) no
interior do intervalo [a, b], vamos discretizar o intervalo, ou seja, dado N ∈ N, dividimos
[a, b] em N + 1 pontos uniformemente espaçados. Se h = (b − a)/N então:
O valor φ(xi ) será denotado yi . Então, o nosso objetivo será determinar aproximações
dos yi , para i = 1, · · · , N − 1.
149
Substituindo na equação anterior as aproximações dadas, obtemos para cada i = 1, · · · , N−
1 a seguinte equação linear:
Agrupando convenientemente,
hp(xi ) hp(xi )
(1 − )yi−1 − (2 − h2 q(xi ))yi + (1 + )yi+1 = h2 r(xi ). (7.26)
2 2
hp(xi ) hp(xi )
(1− )yi−1 −(2−h2 q(xi ))yi +(1+ )yi+1 = h2 r(xi ), com i = 1, · · · , N −1, (7.27)
2 2
Solução:
Note que p(x) = −2x, q(x) = 3 e r(x) = e−x (2 − 2x). Como h = 1/3, obtemos que
N = 3 e x0 = 0, x1 = 1/3, x2 = 2/3 e x3 = 1. Das condições y0 = φ(x0 ) = 0 e
y3 = φ(x3 ) = −0, 3678.
Substituindo na equação 7.26 com i = 1, obtemos
hp(x1 ) hp(x1 )
1− y0 − (2 − h2 q(x1 ))y1 + 1 + y2 = h2 r(x1 ),
2 2
ou
(1/3)(−2/3) (1/3)(−2/3)
1− 0 − (2 − (1/3)2 (3))y1 + 1 + y2 = (1/3)2 (0, 9553),
2 2
hp(x2 ) hp(x2 )
1− y1 − (2 − h2 q(x2 ))y2 + 1 + y3 = h2 r(x2 ),
2 2
150
do qual segue simplificando
0.4
0.3
0.2
0.1
• Observe que se h for pequeno e q(x) for negativa, então, o sistema linear 7.27
satisfaz o critério das linhas e, por tanto, podemos resolvê-lo utilizando o
método de Gauss-Seidel.
Determine y(1).
Exercı́cio 7.3. Aplique o Método de Euler para aproximar as soluções dos seguintes
problemas de valor inicial:
151
(a) y0 (x) = 1 + (x − y)2 , com 2 ≤ x ≤ 3, y(2) = 1 e h = 0, 5.
y
(b) y0 (x) = 1 + x , com 1 ≤ x ≤ 2, y(1) = 2 e h = 0, 5.
Sabendo-se que as soluções exatas dos problemas anteriores são dadas abaixo respecti-
vamente. Compare o erro cometido ao encontrar a solução numérica:
(a) y(x) = x + 1
1−x
(c) y(x) = 1
2 sin(2x) − 13 cos(3x) + 4
3
Exercı́cio 7.4. Aplique o Método de Euler para aproximar as soluções dos seguintes
problemas de valor inicial:
(b) Sabendo-se que a solução analı́tica é dada por y(x) = − x1 , construa para cada
caso uma tabela com os valores exatos e aproximados e também o erro absoluto.
Observe e faça comentários.
(a) Considerando n1 = 3.
(b) Considerando n2 = 6.
3/2
x2 +3
(c) Sabendo-se que a solução exata é dada por y(x) = 3 , construa para cada
caso uma tabela com os valores exatos e aproximados e também o erro absoluto.
Observe e faça comentários.
152
Exercı́cio 7.7. Usando o Método de Runge-Kutta de ordem 3 e o Método de Runge-Kutta de
ordem 4, calcule a solução aproximada do seguinte problema de valor inicial:
y0 (x) = −xy2
(7.34)
y(1) = 2, x ∈ [1, 2]
Exercı́cio 7.8. Aplique o Método de Runge-Kutta de quarta ordem para aproximar a solução
do problema de valor inicial y0 (x) = x − y2 , com 0 ≤ x ≤ 1, y(0) = 1 nos pontos da malha
de pontos igualmente espaçados dentro do intervalo dado, cujo comprimento de um
subintervalo é 0, 5.
(a) Considerando n = 4.
(b) Considerando n = 8.
(a) Calcule aproximações para y(1), usando o Método de Euler com h = 0, 2 e h = 0, 25.
153
(b) idem, usando o Método de Euler aperfeiçoado e o Método de Euler modificado;
Exercı́cio 7.14. Determine y(0.3) para y00 − 3y0 + 2y = 0, com y(0) = −1 e y0 (0) = 0.
Considere h = 0.1. Utilizando o Método de Euler modificado e o Método de Euler aperfeiçoado.
Exercı́cio 7.15. Determine y(0.4) para y00 + 3y0 + 2y = ex , com y(0) = 1 e y0 (0) = 2.
Considere h = 0.1. Utilizando o Método de Runge Kutta de ordem 3.
Exercı́cio 7.16. Um projétil de massa m = 0.11 kg, lançado verticalmente para acima com
velocidade inicial v(0) = 8 m/s, é detido pela força gravitacional F g = mg e a resistência
do ar Fr = −kv|v| onde g = −9.8 m/s2 and k = 0.002 kg/m. A equação diferencial para a
velocidade é dada por
mv0 = mg − kv|v|. (7.40)
(b) Numericamente, encontre o tempo no qual o projetil começa a cair (Dica: Use
interpolação).
Exercı́cio 7.17. Seja P(t) o número de individuos de uma certa população medido em
anos. Se a taxa de nascimentos é constante b e a taxa de mortalidade d é proporcional ao
tamanho da população, então o crescimento da população é dado pela equação logı́stica
dP(t)
= bP(t) − k(P(t))2 (7.41)
dt
onde d = kP(t). Suponha que P(0) = 50976, b = 2.9 × 10−2 e k = 1.4 × 10−7 . Encontre a
população estimada depois de 5 anos.
y00 + 2y0 + y = x
154
Exercı́cio 7.19. Resolva o seguinte problema de contorno
2
y00 + (e−x )y0 − (ex )y = x4
155
8 Resolução Numérica de Equações Diferenciais Parciais
8.1 Introdução
As Equações Diferenciais Parciais (edp’s) frequentemente aparecem em fenômenos
fı́sicos, como transferencia de calor, vibrações de cordas, dinâmica de fluidos, e em
problemas de economia, quı́mica e biologia. Em geral é difı́cil resolver uma edp por
técnicas analı́ticas, mas em alguns casos podemos determinar uma solução envolvendo
séries de potências. Nesta seção apresentaremos métodos numéricos para resolver edp’s
parabólicas e elı́pticas.
8.2 Preliminares
que governa o movimento de uma onda sobre uma corda de comprimento L. u(x, t)
é a altura da onda no ponto x e no tempo t, α é uma constante e F(x, t) uma função
de duas variáveis. Como a = 1, b = 0 e c = −α2 , obtemos que b2 − 4ac = 4α2 > 0 e
assim esta equação é hiperbólica.
ut = αuxx
156
de metal no ponto x e no tempo t.
uxx + u yy = F(x, y)
f (x + h) − f (x)
f 0 (x) = lim
x→∞ h
f (x) − f (x − h)
f 0 (x) ≈
h
f 0 (x + h) − f 0 (x)
f 00 (x) ≈
h
157
(i) Diferenças Progressivas:
u(x, t + h) − u(x, t)
ut (x, t) ≈ . (8.2)
h
u(x, t) − u(x, t − h)
ut (x, t) ≈ . (8.3)
h
u(x, t + h) − u(x, t − h)
ut (x, t) ≈ . (8.4)
2h
ut = αuxx
Para resolver está edp precisamos de certas condições. Com o intuito de saber
como evolui a temperatura da barra, devemos conhecer a temperatura inicial, ou seja, a
temperatura no tempo t = 0, isto é u(x, 0). Assim, suponhamos que a temperatura inicial
é dada por uma função contı́nua ψ(x):
u(x, 0) = ψ(x), se 0 ≤ x ≤ L.
A condição anterior é conhecida como Condição Inicial. Alem disso, para resolver a
158
equação precisamos especificar a temperatura nos extremos da barra em cada tempo t,
ou seja, devemos conhecer u(0, t) e u(L, t). Assim, suponhamos que
em que f (t) e g(t) são funções contı́nuas. Estas condições são conhecidas como Condições
de Fronteira. Desejamos conhecer o valor de u(x, t) num certo tempo t = T dado.
Dessa forma, resolver a equação significa encontrar uma função u(x, t) que satisfaz:
ut = αuxx (8.6)
sujeita à
u(x, 0) = ψ(x), 0 ≤ x ≤ L
(Condição Inicial)
u(0, t) = f (t), 0 ≤ t ≤ T
(Condição de Fronteira) (8.7)
u(L, t) = g(t), 0 ≤ t ≤ T
(Condição de Fronteira)
Este problema é chamado Problema de Dirichlet.
8.3.2 Discretização
Definindo
L T
h= ek= , (8.8)
N M
o intervalo espacial [0, L] fica dividido em N + 1 pontos
159
xi = ih, para todo i = 0, ..., N; (8.9)
Em outras palavras conhecemos os valores de u(x, t) nos pontos que estão no bordo do
domı́nio R, ou seja, os pontos em azul na Fig. 45.
Nosso objetivo será determinar os valores da aproximação da temperatura Ui, j nos
pontos internos da discretização (os pontos em vermelho na Fig. 45).
No Método explı́cito aproximamos a derivada ut usando diferenças progressivas e
as fórmulas da observação 8.1. Assim a discretização da equação
ut = αuxx
160
Se
kα
σ= ,
h2
segue então que
Para j = 0, · · · , N − 1 e i = 1, · · · , N − 1
Da fórmula anterior, os valores Ui, j+1 nos pontos da linha j + 1 são uma combinação de
três valores Ui+1,j , Ui, j e Ui−1, j em pontos da linha j. A Fig. 36 mostra uma molécula
computacional do método explı́cito.
161
O Método Explı́cito é estável só quando
1
σ≤ .
2
ut = uxx
sujeita à
u(x, 0) = x + 12 sin(2πx), 0 ≤ x ≤ 1
(Condição Inicial)
u(0, t) = 0, 0 ≤ t ≤ T
(Condição de Fronteira)
u(1, t) = 1, 0 ≤ t ≤ T (Condição de Fronteira)
Considere N = 5 e k = 1
60 . Determine as duas linhas correspondentes a j = 1 e j = 2.
Solução:
αk
Observe que α = 1, h = 1
5 eσ= h2
= 5
12 e as funções
1
ψ(x) = x + sin(2πx), f (t) = 0, g(t) = 1.
2
1 2 3 4
x0 = 0, x1 = , x2 = , x3 = , x4 = , x5 = 1.
5 5 5 5
Se j = 1, t1 = 1
60 e se j = 2, t2 = 2
60 = 1
30 .
Da condição C1 obtemos Ui,0 = u(xi , 0) = ψ(xi ). Assim
U0,0 = 0, U1,0 = 0, 67552, U2,0 = 0, 69389, U3,0 = 0, 30610, U4,0 = 0, 32447, U5,0 = 1.
162
obtemos
5 1 5
U1,1 = σU2,0 + (1 − 2σ)U1,0 + σU0,0 = ( )(0, 69389) + ( )(0, 67552) + ( )(0) = 0, 40170
12 6 12
5 1 5
U2,1 = σU3,0 + (1 − 2σ)U2,0 + σU1,0 = ( )(0, 30610) + ( )(0, 69389) + ( )(0, 67552) = 0, 52465
12 6 12
5 1 5
U3,1 = σU4,0 + (1 − 2σ)U3,0 + σU2,0 = ( )(0, 32447) + ( )(0, 30610) + ( )(0, 69389) = 0, 47533
12 6 12
5 1 5
U4,1 = σU5,0 + (1 − 2σ)U4,0 + σU3,0 = ( )(1) + ( )(0, 32447) + ( )(0, 30610) = 0, 59828.
12 6 12
5 1 5
U1,2 = σU2,1 + (1 − 2σ)U1,1 + σU0,1 = ( )(0, 52465) + ( )(0, 40170) + ( )(0) = 0, 28555
12 6 12
5 1 5
U2,2 = σU3,1 + (1 − 2σ)U2,1 + σU1,1 = ( )(0, 47533) + ( )(0, 52465) + ( )(0, 40170) = 0, 45287
12 6 12
5 1 5
U3,2 = σU4,1 + (1 − 2σ)U3,1 + σU2,1 = ( )(0, 59828) + ( )(0, 47533) + ( )(0, 52465) = 0, 54710
12 6 12
5 1 5
U4,2 = σU5,1 + (1 − 2σ)U4,1 + σU3,1 = ( )(1) + ( )(0, 59828) + ( )(0, 47533) = 0, 71443.
12 6 12
Condição Inicial
Figura 37: Condição inicial e soluções numéricas para a equação do Exemplo 8.4.
163
8.3.4 O Método Implı́cito
ut = αuxx (8.14)
sujeita à
u(x, 0) = ψ(x), 0 ≤ x ≤ L
(Condição Inicial)
u(0, t) = f (t), 0 ≤ t ≤ T
(Condição de Fronteira) (8.15)
u(L, t) = g(t), 0 ≤ t ≤ T
(Condição de Fronteira)
e utilizaremos a mesma discretização do método explı́cito da seção (8.3.2).
O Método Implicı́to é obtido substituindo as diferenças regressivas, da Observação
8.1, para aproximar ut na equação (8.14). Assim, a discretização da equação no ponto
(xi , t j ) é:
u(xi , t j ) − u(xi , t j − k) h u(xi + h, t j ) − 2u(xi , t j ) + u(xi − h, t j ) i
≈α
k h2
Assim
u(xi , t j ) − u(xi , t j−1 ) h u(xi+1 , t j ) − 2u(xi , t j ) + u(xi−1 , t j ) i
≈α
k h2
Substituindo a aproximação Ui,j ≈ u(xi , t j ) obtemos:
Para j = 1, · · · , M e i = 1, · · · , N − 1
Neste caso Ui, j−1 é uma combinação linear de três aproximações Ui+1,j , Ui, j e Ui−1,j .
Isto é, a linha j − 1 depende da linha j. A molécula computacional é:
Repare que não podemos calcular diretamente os valores Ui,j da linha j pois a equação
(8.16) envolve dois ou três valores desconhecidos. Porém, fixando j, podemos considerar
164
as equações para i = 1, · · · , N − 1,
U1, j−1 = −σU2, j + (1 + 2σ)U1, j − σU0,j
U2,j−1 = −σU3,j + (1 + 2σ)U2,j − σU1, j .
.. (8.17)
.
UN−1,j−1 = −σUN, j + (1 + 2σ)UN−1,j − σUN−2, j .
Lembrando que U0,j = f (t j ) e UN,j = g(t j ), o sistema linear (8.18) pode-se escrever
em forma matricial na forma:
1 + 2σ U1, j−1 + σ f (t j )
−σ 0 ··· 0 U1, j
1 + 2σ
−σ −σ ··· 0 U2, j U2, j−1
1 + 2σ
0 −σ ··· 0 U3, j U3, j−1
.. .. .. .. .. .. = .. (8.19)
.
. . . .
.
.
1 + 2σ
0 0 ··· −σ UN−2,j UN−2, j−1
1 + 2σ UN−1, j−1 + σg(t j )
0 0 ··· −σ UN−1, j
Observação 8.2. O método Implı́cito é estável para todo valor de σ, ou seja, é incon-
dicionalmente estável.
ut = uxx (8.20)
165
sujeita à
u(x, 0) = x + 12 sin(2πx), 0 ≤ x ≤ 1
(Condição Inicial)
u(0, t) = 0, 0 ≤ t ≤ T
(Condição de Fronteira) (8.21)
u(1, t) = 1, 0 ≤ t ≤ T (Condição de Fronteira)
Considere N = 5 e k = 1
60 . Determine as duas linhas correspondentes a j = 1 e j = 2.
Solução:
Os dados são os mesmos que no Exemplo 8.4. Mudará a forma como calculamos os
valores Ui,j para j = 1 e j = 2.
αk
Assim α = 1, h = 15 , σ = h2
= 5
12 e ψ(x) = x + sin(2πx), f (t) = 0, g(t) = 1. Também
1 2 3 4
x0 = 0, x1 = , x2 = , x3 = , x4 = , x5 = 1.
5 5 5 5
e t1 = 60 , t2
1
= 2
60 = 1
30 .
Os valores na fronteira são
U0,0 = 0, U1,0 = 0, 67552, U2,0 = 0, 69389, U3,0 = 0, 30610, U4,0 = 0, 32447, U5,0 = 1.
Simplificando
11 5
6
− 12 0 0
U1,1 0, 67552
− 5 11 5
− 12 0
U2,1
0, 69389
=
12 6
5 11 5
0
− 12 6 − 12
U3,1 0, 30610
5 11
0 0 − 12 6
U
4,1 0, 74113
166
Substituindo j = 2 no sistema matricial (8.19) obtemos
11
U1,2 U1,1 + 12
5
5
6
− 12 0 0
f (t2 )
0, 50176
− 5 11 5
− 12 0
U2,2 U2,1
0, 58649
= =
12 6
5 11 5
0
− 12 6 − 12
U3,2
U3,1
0, 41349
5 11
U4,1 + 12
5
0 0 − 12 6 U4,2 g(t2 ) 0, 91488
Então
U1,2 = 0, 39149, U2,2 = 0, 51834, U3,2 = 0, 48163, U4,3 = 0, 60848.
Condição Inicial
Figura 39: Condição inicial e soluções numéricas para a equação do Exemplo 8.6.
sujeita à
u(x, 0) = 2x2 , 0 ≤ x ≤ 1
(Condição Inicial)
u(0, t) = 0, 0 ≤ t ≤ T
(Condição de Fronteira) (8.23)
u(1, t) = 2e−2t , 0 ≤ t ≤ T
(Condição de Fronteira)
167
Solução:
αk
(a). Note que σ = h2
= 9
25 < 21 . Então o método é estável. Observe que
2 8
U0,0 = 0; U1,0 = ; U2,0 = ; U3,0 = 2.
9 9
Além disso
U0,1 = 0; U3,1 = 1, 92157; U0,2 = 0; U3,2 = 1, 84623
Desse modo:
U1,1 = σU0,0 + (1 − 2σ)U1,0 + σU2,0 = 0, 3822
9
− 25 U1,2 + 25
43
U2,2 = 1, 71352
168
Para j = 1, · · · , M e i = 1, · · · , N − 1,
Cada equação deste método relaciona três variáveis desconhecidas Ui+1, j , Ui,j e Ui−1, j
com três variáveis conhecidas Ui+1,j−1 , Ui, j−1 e Ui−1, j−1 . Uma molécula computacional é
dada na figura abaixo.
Lembrando que U0,j = f (t j ) e UN,j = g(t j ), o sistema linear (8.27) pode-se escrever
em forma matricial na forma:
2 + 2σ
−σ 0 ··· 0 U1, j
2 + 2σ
−σ −σ ··· 0 U2, j
2 + 2σ
0 −σ ··· 0 U3, j
.. .. .. .. .. .. =
.
. . . .
.
2 + 2σ
0 0 ··· −σ UN−2,j
0 0 ··· −σ 2 + 2σ UN−1, j
169
σ σ(U0,j−1 + U0, j )
2 − 2σ 0 ··· 0 U1, j−1
σ σ
2 − 2σ ··· 0 U2, j−1
0
σ
0 2 − 2σ ··· 0 U3, j−1 0
.. .. .. .. .. .. + .. (8.28)
.
. . . .
.
.
σ
0 0 ··· 2 − 2σ UN−2,j−1
0
0 0 ··· σ 2 − 2σ UN−1,j−1 σ(UN, j−1 + UN, j )
sujeita à
2
u(x, 0) = 1 − x3 + 3x2 − 2x 3 ,0 ≤ x ≤ 1
(Condição Inicial)
u(0, t) = 1, 0 ≤ t ≤ T
(Condição de Fronteira) (8.30)
u(1, t) = 56 + te−t , 0 ≤ t ≤ T (Condição de Fronteira)
Considere N = 4 e k = 1
40 . Determine as duas linhas correspondentes a j = 1 e j = 2.
Solução:
Dos dados h = 1
4 = 0, 25 e σ = kα
h2
= 54 , e as funções
3x2 2x 5
ψ(x) = 1 − x3 + − , f (t) = 1, g(t) = + te−t .
2 3 6
Os valores xi e t j são:
x0 = 0, x1 = 0, 25, x2 = 0, 5, x3 = 0, 75, x4 = 1, 0,
1 2
t0 = 0, t1 = , t2 = .
40 40
Como Ui,0 = u(xi , 0) = ψ(xi ) segue que:
170
U4,1 = g(t1 ) = 0, 85771, U4,2 = g(t2 ) = 0, 88089.
+ U0,1 )
18
− 54 2 4 4
5 0 U1,1 5 5 0 U1,0 5 (U0,0
− 4 18
− 54 U2,1 = 4 2 4 U + 0
5 5 5 5 5 2,0
− 45 18 4 2 4
+
0 5 U3,1 0 5 5 U3,0 5 (U 4,0 U4,1 )
+ U0,2 ) 2, 71577
18
− 54 2 4 4
5 0 U1,2 5 5 0 U1,1 5 (U0,1
− 4 18
− 45 U2,2 = 4 2 4 U + 0 = 1, 83865
5 5 5 5 5 2,1
− 54 5 (U4,1 + U4,2 )
18 4 2 4
0 5 U3,2 0 5 5 U3,1 2, 49818
Condição Inicial
171
fronteira do intervalo. Ou seja, precisamos das condições:
∂u(0, t) ∂u(L, t)
= f (t), = g(t).
∂x ∂x
ut = αuxx (8.31)
sujeita à
u(x, 0) = ψ(x), 0 ≤ x ≤ L
(Condição Inicial)
∂u(0,t)
= f (t), 0 ≤ t ≤ T
∂x
(Condição de Fronteira de Neumann) (8.32)
∂u(L,t)
= g(t), 0 ≤ t ≤ T (Condição de Fronteira de Neumann)
∂x
que são as equações contendo U−1,j = u(x−1 , t j ), os valores da função nos pontos (x−1 , t j ) =
(−h, k j), para j = 0, · · · , N − 1. Estes pontos estão fora da malha, e por tanto serão
chamados pontos fantasmas. Similarmente, se i = N, o método explı́cito fornece a
equações
UN, j+1 = σUN+1, j + (1 − 2σ)UN, j + σUN−1,j (8.35)
as quais contém os pontos fantasmas UN+1,j = u(xN+1 , t j ), o valor de da função nos pontos
(xN+1 , t j ) = ((N + 1)h, jk), que não está na malha. Na Fig. 42 temos apresentado a malha
e os pontos fantasmas quando N = 4 e M = 3.
172
Figura 42: Discretização do Domı́nio e os pontos fantasmas.
u(x1 , t j ) − u(x−1 , t j )
f (t j ) ≈ .
2h
Por tanto
U1,j − U−1,j
f (t j ) =
2h
o equivalentemente
que expressa o fato que o valor nos pontos fantasma depende do valor nos pontos
interiores da malha.
UN+1,j − UN−1,j
g(t j ) =
2h
Implicando que
173
Então as equações (8.33) convertem-se no sistema
com o qual podemos calcular diretamente as incógnitas {U0, j+1 , U1, j+1 , · · · , UN, j+1 } a partir
dos valores {U0,j , U1,j , · · · , UN,j }. Em forma matricial
U0,j+1 1 − 2σ 2σ 0 ··· 0 U0, j −2hσ f (t j )
σ σ
U1,j+1 1 − 2σ ··· 0 U1, j 0
σ
U2,j+1 0 1 − 2σ ··· 0 U2, j 0
.. = .. .. .. .. .. .. + .
. ..
.
. . . .
.
σ
UN−1, j+1 0 0 ··· 1 − 2σ UN−1, j 0
UN, j+1 0 0 ··· 2σ 1 − 2σ UN, j 2hσg(t j )
(8.39)
ut = uxx
sujeita à
u(x, 0) = − sin(πx), 1 ≤ x ≤ 2
(Condição Inicial)
∂u(0,t)
= −e−2t , 0 ≤ t ≤ T
(Condição de Neumann)
∂x
∂u(L,t)
= e−t /2, 0 ≤ t ≤ T (Condição de Neumann)
∂x
Solução:
3 1 2
x0 = 1, x1 = , x2 = 1, t0 = 2, t1 = , t2 = .
2 20 20
174
Na equação dos pontos fantasmas:
U1,0 − U−1,0
= −1, então U−1,0 = 2
2h
U3,0 − U1,0 1 3
= , então U3,0 = .
2h 2 2
Pelo método explı́cito:
sujeita à
u(x, 0) = 1 − x2 , 0 ≤ x ≤ 1
(Condição Inicial)
∂u(0,t)
= 0, 0 ≤ t ≤ T
(Condição de Neumann)
∂x
∂u(L,t) = −2e−t , 0 ≤ t ≤ T
(Condição de Neumann)
∂x
Considere N = 2 e k = 1
40 . Determine a linha correspondente a j = 1.
Solução:
1 1 2
x0 = 0, x1 = , x2 = 1, t0 = 0, t1 = , t2 = .
2 40 40
175
Desse modo
3 2
U0,1 5 5 0 1 0 0, 90
U = 1 3 1 0, 75 + 0 = 0, 65
1,1 5 5 5
2 3
2
U2,1 0 5 5 0 −5 −0, 1
∂2 u ∂2 u
+ = f (x, y) (8.40)
∂x2 ∂x2
em que f (x, y) é uma função de duas variavéis. Esta edp é chamada Equação de Poisson
e está definida no retângulo
R = {(x, y) : 0 ≤ x ≤ a, 0 ≤ y ≤ b}.
e no eixo y é:
y0 = 0, y1 = k, · · · , yi = ik, · · · , yM = b.
na qual g(x, y) é uma função contı́nua em ∂R. Esta última condição é conhecida como
condição de Dirichlet.
Discretizando a equação (8.40) no ponto genérico (xi , y j ) e usando as equações da
Observação 8.1:
uxx (xi , y j ) + u yy (xi , y j ) = f (xi , yi )
176
Figura 43: Discretização do Domı́nio para uma equação elı́ptica.
Seguindo a notação já utilizada, seja Ui, j a aproximação de u(xi , yi ) e fi,j o valor
f (xi , y j ), então:
Ui, j = g(xi , y j ), se i = 0 e N, j = 0, · · · M.
Ui, j = g(xi , y j ), se j = 0 e M, i = 0, · · · N.
Logo, os valores desconhecidos são os valores de Ui,j nos pontos internos da malha
(pontos em vermelho na Fig. 43):
177
Figura 44: Valores de u(x, y) na fronteira ∂R.
Solução:
Discretizando o domı́nio:
1 2
x0 = 0, x1 = , x2 = , x3 = 1,
3 3
y0 = 0, y1 = 0, 5, y2 = 1.
178
Subtituindo i = 1, j = 1 obtemos:
Simplificando
9U21 − 26U11 = −26.98148. (8.44)
Substituindo i = 2, j = 1
Simplificando
− 26U21 + 9U11 = −66.51848 (8.45)
(a) Deduza uma fórmula para encontrar os pontos internos substituindo diferenças
progressivas para ut e diferenças centrais para ux .
Solução:
Os dados da malha são
1 2
x0 = 0, x1 = , x2 = , x3 = 1
3 3
1
t0 = 0, t1 = .
20
179
Das condições iniciais:
1 2 2 4
U00 = 0, U10 = 2( ) = , U20 = 2( ) = , U30 = 2,
3 3 3 3
Discretizando a equação
Se i = 1 e j = 0, obtemos
1 h 2 i
U1,1 − U1,0 = ( ) U1,0 + 81 U2,0 − 2U1,0 + U0,0 + 3 U2,0 − U0,0
20
1 h 2 i
U2,1 − U2,0 = ( ) U2,0 + 81 U3,0 − 2U2,0 + U1,0 + 3 U3,0 − U1,0
20
180
Exercı́cio 8.3. Nos domı́nios especificados, determine o tipo de cada uma das equações
diferenciais abaixo:
(c) uxx − 2u yy = 0, D = R2
(f) uxy − ux = 0, D = R2
(b) Mostre que, discretizando esta equação pelo Método explı́cito e diferenças centrais
para aproximar ux , obtém-se:
ka bk 2ka ka kb
Ui, j+1 = + Ui+1, j + 1 − 2 Ui,j + 2 − Ui−1,j
h2 2h h h 2h
(c) Para a = 2, b = 1, L = 0.5, ψ(x) = 5x, f (t) = 0, g(t) = 2.5, h = 1/10, k = 1/20, calcule
o valor aproximado de u(0.3, 0.05).
Exercı́cio 8.6. Considere a equação da onda utt − 4uxx = 0 para 0 < x < 1, t > 0,
h = 0.5, k = 0.05, com condições de fronteira u(0, t) = u(1, t) = 0 e condições iniciais
u(x, 0) = sin(πx) e ut (x, 0) = 0.
181
(b) Faça o esboço da malha até o tempo t = 0.25;
(c) Usando aproximações obtidas pelo Método das Diferenças finitas, trace o esboço de
um gráfico para a função u(0.5, t) onde 0 ≤ t ≤ 0.25.
Exercı́cio 8.8. Considere a equação uxx + u yy = xe y para 0 < x < 1.5, 0 < y < 1.5,
h = k = 0.5 e condições de fronteira:
u(0, y) = 0, u(1.5, y) = 1.5e
y
(8.49)
u(x, 0) = x, u(x, 1.5) = xe1.5
(b) Encontre o erro relativo para cada uma das aproximações obtidas pelo Método das
diferenças finitas nos pontos interiores da malha.
Exercı́cio 8.9. Uma placa de 12 cm de lado tem suas bordas mantidas á temperatura de
100 graus. Sabendo que a temperatura é dada pela função u(x, y), faça o que se pede:
(a) Utilize o valor de ux (1, t) para calcular uma aproximação para u(0.5, 0) quando
h = 0.5.
(c) Considerando h = 1/2 e k = 1/8 no Método das diferenças finitas, determine o valor
aproximado para u(1, 1/8).
182
Exercı́cio 8.12. Calcule a solução aproximada de uxx + u yy + cos(y)ux − sin(x)u y = 0 no
retângulo unitário com condição de Dirichlet na fronteira. Resolva o problema através
de uma aproximação em Diferenças Finitas, utilizando diferenças progressivas para as
derivadas de primeira ordem.
Exercı́cio 8.13. Resolva o problema anterior utilizando diferenças centrais para as deri-
vadas de primeira ordem. Explique o que ocorre.
(b) Se h = 1/4 e k = 1/50, encontre as duas primeiras linhas de soluções pelo Método
Explı́cito.
(c) Se h = 1/3 e k = 1/50, encontre as duas primeiras linhas de soluções pelo Método
Implı́cito.
(d) Se h = 1/3 e k = 1/50, encontre as duas primeiras linhas de soluções pelo Método
de Crank-Nicolson.
Exercı́cio 8.15. Considere o problema quase-linear ut = (ux )2 + u.uxx , com x ∈ [0, 1], t > 0
com condição inicial e de fronteira:
2
u(x, 0) = −( x6 + x − 32 ), para todo x ∈ [0, 1]
u(0, t) = 2(1+t)
3
, para todo t > 0
(8.52)
u(1, t) = 3(1+t) , para todo t > 0.
1
(a) Obtenha uma fórmula para as soluções utilizando o Método Explı́cito e diferenças
centrais para a primeira derivada em relação a x.
sujeita à:
183
(a) Obtenha o método resultante de aproximação das condições de fronteira por
diferenças centrais e da equação pelo Método Explı́cito.
(a) Considerando h = 1/3 e k = 1/40, encontre os valores de Ui,j para j = 1 pelo método
explı́cito.
(b) Usando o método implı́cito e os valores do item (a), encontre os valores de Ui, j
para j = 2.
184
Exercı́cio 8.19. Considere a equação diferencial parcial:
ut = u + (uxx ) + 2ux , com 0 < x < 1
3
(8.55)
u(x, 0) = 2x3 , u(0, t) = t2 , u(1, t) = 2 − t2
(a) Deduza uma fórmula para encontrar os pontos internos substituindo diferenças
progressivas para ut e diferenças centrais para ux .
Referências
[1] Arenales, Selma e Darezzo, Arthur: Cálculo Numérico: aprendizagem com apoio de
software. São Paulo, Thomson Learning, 2008.
[2] Bertoldi, Neide: Cálculo Numérico. São Paulo, Pearson Prentice Hall, 2006.
[3] Ruggeiro, Márcia e Lopes, Vera Lúcia: Cálculo Numérico: Aspectos Teóricos e Computa-
cionais . 2a Edição, São Paulo, Pearson Makron Books, 1996.
[4] Steward, James: Cálculo . Vol. 1, Cengage Learning, São Paulo, 2013.
185