Cálculo Numérico: Prof. Michele L Mourão Fernandes

1
CÁLCULO NUMÉRICO
Prof. Michele L Mourão Fernandes
2
CÁLCULO NUMÉRICO
PROF. MICHELE L MOURÃO FERNANDES
3
Diretor Geral: Prof. Esp. Valdir Henrique Valério
Diretor Executivo: Prof. Dr. William José Ferreira
Ger. do Núcleo de Educação a Distância: Profa Esp. Cristiane Lelis dos Santos
Coord. Pedag. da Equipe Multidisciplinar: Profa. Esp. Gilvânia Barcelos Dias Teixeira
Revisão Gramatical e Ortográfica: Profa. Izabel Cristina
Revisão Técnica: Profa. Me. Sarah Mazzini
Revisão/Diagramação/Estruturação: Clarice Virgilio Gomes

Prof. Esp. Guilherme Prado
Lorena Oliveira Silva Portu

Design: Bárbara Carla Amorim O. Silva
Daniel Guadalupe Reis
Élen Cristina Teixeira Oliveira
Maria Eliza P. Campos
Victor L. dos Reis Lopes
© 2022, Faculdade Única.
Este livro ou parte dele não podem ser reproduzidos por qualquer meio sem Autoriza-
ção escrita do Editor.
Ficha catalográfica elaborada pela bibliotecária Melina Lacerda Vaz CRB – 6/2920.
4
CÁLCULO NUMÉRICO
1° edição
Ipatinga, MG
Faculdade Única
2022
5
MICHELE LANA M. FERNANDES

Licenciada em Matemática, Mestre em Ensino
de Matemática pela PUC-MG, professora no
Ensino Fundamental, Médio e Superior.
6
LEGENDA DE
Ícones
Com o intuito de facilitar o seu estudo e uma melhor compreensão do
conteúdo aplicado ao longo do livro didático, você irá encontrar ícones
ao lado dos textos. Eles são para chamar a sua atenção para determinado
trecho do conteúdo, cada um com uma função específica, mostradas a
seguir:
FIQUE ATENTO
Trata-se dos conceitos, definições e informações importantes nas
quais você precisa ficar atento.
BUSQUE POR MAIS

São opções de links de vídeos, artigos, sites ou livros da biblioteca
virtual, relacionados ao conteúdo apresentado no livro.
VAMOS PENSAR?
Espaço para reflexão sobre questões citadas em cada unidade,
associando-os a suas ações.
FIXANDO O CONTEÚDO
Atividades de multipla escolha para ajudar na fixação dos
conteúdos abordados no livro.
GLOSSÁRIO
Apresentação dos significados de um determinado termo ou
palavras mostradas no decorrer do livro.
7
SUMÁRIO
UNIDADE 1
MODELAGEM E MÉTODOS NUMÉRICOS
1.1 Modelos Matemáticos ................................................................................................................................................................................................................................................................10

1.2 Métodos Numéricos ....................................................................................................................................................................................................................................................................12
1.3 Erros de truncamento ...............................................................................................................................................................................................................................................................12
1.3.1 Erros de truncamento ..........................................................................................................................................................................................................................................................................................................12
1.3.2 Erros de arredondamento ................................................................................................................................................................................................................................................................................................12
1.3.3 Erro absoluto e relativo .......................................................................................................................................................................................................................................................................................................13
1.4 Representação de números em pontos flutuantes .............................................................................................................................................................................................13
FIXANDO O CONTEÚDO .................................................................................................................................................................................................................................................................16
UNIDADE 2
RAÍZES DE FUNÇÃO
2.1 Método da Bissecção .................................................................................................................................................................................................................................................................19
2.2 Método da Falsa Posição ........................................................................................................................................................................................................................................................21
2.3 Método de Newton ....................................................................................................................................................................................................................................................................22
.FIXANDO O CONTEÚDO ...............................................................................................................................................................................................................................................................25
UNIDADE 3
RESOLUÇÃO DE SISTEMAS LINEARES E NÃO LINEARES
3.1 Sistemas Lineares direto .........................................................................................................................................................................................................................................................28
3.1.1 Eliminação de Gauss............................................................................................................................................................................................................................................................................................................28
3.1.2.Método de Fatoração LU....................................................................................................................................................................................................................................................................................................31
3.2 Sistemas não-lineares .............................................................................................................................................................................................................................................................34
3.2.1.Método Newton......................................................................................................................................................................................................................................................................................................................35
FIXANDO O CONTEÚDO ...............................................................................................................................................................................................................................................................37
UNIDADE 4
INTERPOLAÇÃO
4.1 .Interpolação Polinomial ..........................................................................................................................................................................................................................................................41
4.2 Resolução de sistemas lineares.........................................................................................................................................................................................................................................42
4.2 Forma de Lagrange ..................................................................................................................................................................................................................................................................43
4.3 Forma de Newton .....................................................................................................................................................................................................................................................................44
UNIDADE 5
INTERPOLAÇÃO NUMÉRICA
5.1 Revisão de conceitos e definições iniciais ...................................................................................................................................................................................................................51
5.2 Soma de Riemann ......................................................................................................................................................................................................................................................................51
5.3 A regra dos trapézios ................................................................................................................................................................................................................................................................52
5.4 A regra de Simpson ..................................................................................................................................................................................................................................................................53
UNIDADE 6
MÉTODO DOS QUADRADOS MÍNIMOS
6.1 O caso linear discreto ...............................................................................................................................................................................................................................................................58
6.1.1 O caso discreto geral.............................................................................................................................................................................................................................................................................................................61
6.2 O caso contínuo ..........................................................................................................................................................................................................................................................................62
RESPOSTAS DO FIXANDO O CONTEÚDO ......................................................................................................................................................................................................................66
REFERÊNCIAS ......................................................................................................................................................................................................................................................................................67
8
UNIDADE 1
Nesta unidade, vamos descrever como os modelos matemáticos podem ser
formulados, reconhecer o uso de métodos numéricos para problemas que não
podem ser resolvidos analiticamente, identificar e corrigir as principais formas de
C ONFIRA NO LI VRO
erros numéricos.
UNIDADE 2
Nesta unidade, vamos abordar a importância do uso dos métodos numéricos para o
cálculo de raízes de funções. Definir e diferenciar os métodos da bissecção, da falsa
posição e de Newton. Aplicar os métodos da bissecção, da falsa posição e de Newton
na solução de problemas.
UNIDADE 3
Nesta unidade, vamos abordar os métodos numéricos (direto ou interativo) para
resolução de sistemas lineares e não lineares. Abordaremos a eliminação de Gauus, a
fatoração LV, Gauus Jacobi, Gauss Sleide e Métodos de Newton.
UNIDADE 4
Nesta unidade, estudaremos métodos que permitem encontrar o valor aproximado
em um ponto de um intervalo determinado, através do conhecimento de uma
coleção de pares ordenados.
UNIDADE 5
Nesta unidade, aproximaremos os valores das integrais definidas, como visto no
Cálculo I. Vamos revisar alguns conceitos de integrais definidas e abordaremos a
regra dos trapézios simples e a de Simpson.
UNIDADE 6
Nesta unidade, prosseguiremos com o estudo de aproximar dados por funções
conhecidas minimizando as distâncias. Apresentaremos e discutiremos métodos e
casos do problema de mínimos quadrados.
9
MODELAGEM E
MÉTODOS NUMÉRICOS
10
Nesta unidade, vamos descrever como os modelos matemáticos podem ser
formulados, realçando a importância do cálculo numérico e sua utilidade como
ferramenta para resolução de problemas reais das ciências exatas, das engenharias e da
própria matemática. Trataremos das formas de representação dos números em sistemas
de numeração, dando ênfase a representação em ponto flutuante. Apresentaremos
também noção de erro e de aproximação numérica.
1.1 MODELOS MATEMÁTICOS
A Modelagem matemática é a área da matemática que transforma os fenômenos ou as

situações reais em linguagem numérica.
Para determinar a solução de um problema, podemos seguir as seguintes etapas:
• Definição do problema;
• Levantar efeitos dominantes;
• Criar o modelo matemático;
• Resolver o problema matemático.
A figura 1, representa um fluxograma com as etapas para solucionar um problema
através de um modelo matemático.
Figura 1 : Fluxograma
Fonte: Material do Saga
O Fluxograma nos apresenta duas etapas fundamentais para alcançarmos o resultado

desejado:
• Modelagem do problema, que consiste na representação do problema através
de um modelo matemático, tornando o modelo um problema matemático resolvível,
podemos observar que em um mesmo problema podemos ter vários tipos de modelos
distintos.
• Resolução do modelo, etapa que buscamos encontrar um método de resolução
para o modelo desenvolvido é nesta face que necessitamos de métodos numéricos para
resolver o modelo.
Nos vários ramos das ciências aplicadas, os métodos utilizados na resolução de problemas
matemáticos, baseiam-se em duas categorias: método numérico e método analítico.
FIQUE ATENTO
Entendemos por método analítico aquele que, a menos de erros de arredondamentos,
fornece as soluções exatas do problema real. Em geral, tais soluções são obtidas a
partir de fórmulas explícitas. Por outro lado, um método numérico é constituído por
uma sequência finita de operações aritméticas que, sob certas condições, levam a uma
solução ou a uma aproximação de uma solução do problema.
11
Quando desejamos a solução exata de um problema é preferível resolvermos pelo
método analítico, porém a resolução de alguns modelos de problemas reais é muitas das
vezes complexas e envolve fenômenos não-lineares, tornando impossível a resolução
pelo processo analítico, nesses casos podemos utilizar as soluções aproximadas dos
métodos numéricos, tornando-se estes uma importante ferramenta para resolver estes
problemas reais.
FIQUE ATENTO
Entendemos por método analítico aquele que, a menos de erros de arredondamentos,
fornece as soluções exatas do problema real. Em geral, tais soluções são obtidas a
partir de fórmulas explícitas. Por outro lado, um método numérico é constituído por
uma sequência finita de operações aritméticas que, sob certas condições, levam a uma
solução ou a uma aproximação de uma solução do problema.
Vamos abordar dois exemplos simples para melhor diferenciar os métodos

analíticos dos métodos numéricos.
Exemplo 1:
Um método analítico para determinar (quando existem) os zeros de uma função
quadrática f(x)=ax2+bx+c,com a≠0 é dado pela fórmula de Bhaskara, a saber:
− −8 − (−8)2 −4𝑥1𝑥15
Desse modo, os zeros reais de f(x)=x2-8x+15 são
𝑥1 =
2𝑥1
=3 e
− −8 + (−8)2 −4𝑥1𝑥15
𝑥2 = = 5.
2𝑥1
Exemplo 2: (Retirado do livro do MEC, cálculo numérico, Fortaleza, 2010)

Um método numérico para determinar uma aproximação para a raiz quadrada de um
número real p, maior que 1, é o algoritmo de Eudoxo:
do fato de p>1, temos que 1<√p<p. Escolhe-se, como uma primeira aproximação para ou
seja, a média aritmética entre 1 e p. Pode-se mostrar que 𝑝/𝑥0 < 𝑝<𝑥0 .
𝑥𝑖 = (𝑝⁄𝑥0 + 𝑥0 )⁄2 , isto é, a média aritmética
Escolhe-se como uma nova aproximação
𝑝
entre p/𝑥0 e 𝑥0. Novamente, pode-se mostrar que 𝑥𝑖 < 𝑝 < 𝑥𝑖 .
Continuando desse modo, podemos construir uma sequência de aproximações dada
por:
Logo, o cálculo numérico tem por objetivo estudar técnicas numéricas ou métodos
numéricos para obter solução de problemas que possam ser representados por modelos
matemáticos.
12
1.2 MÉTODOS NUMÉRICOS
Para resolvermos problemas que não apresenta uma solução exata, recorremos aos
métodos numéricos:
• Tecnologias Digitais.
• Números Primos e Casas Decimais.
• Truncamento: É uma pausa forçada nos casos de números com dízimas periódicas
ou irracionais, ou decimais que o processador não suporte.
1.3 FONTES DE ERROS
Os métodos numéricos fornecem soluções aproximadas para os problemas reais,

com as soluções aproximadas surgem os erros.
Os erros cometidos para encontrar a solução de um problema podem ocorrer
tanto na fase da modelagem como na de resolução. Vamos analisar as principais fontes
de erros que levam a diferença entre a solução exata e uma aproximada de um problema
real.
Na fase de modelagem, pode ocorrer o erro nos dados da simplificação na
construção do modelo matemático. Já na fase da resolução pode ocorrer o erro de
truncamento e de arredondamento.
1.3.1 Erros de truncamento
Quando os processos são infinitos ou muito grandes para a determinação de certo

valor são interrompidos em um determinado ponto, surgindo os erros de truncamento.
O erro de truncamento ocorre quando substituímos um processo matemático
por um processo aproximado que corresponde a uma parte deste processo exato.
Considerando um número finito de termos de uma série, estamos fazendo o truncamento
desta série.
Um exemplo desse tipo de erro ocorre quando calculamos ex para algum número
real x em um computador. O valor exato é dado pela série:
𝑥𝑘
𝑒 𝑥 =∑∞
𝑘=0 𝑘!
Por ser impossível somar valores infinitos termos da série, fazemos uma
aproximação.
𝑥2 𝑥3 𝑥𝑛
𝑒𝑥 ≅ 1 + 𝑥 + + + ⋯+ .
2! 3! 𝑛!
A solução é a de interromper o cálculo quando uma determinada precisão é
atingida.
1.3.2 Erros de arredondamento
No processo de cálculo de uma solução numérica ocorrem erros de arredondamento.

Tais erros estão associados ao fato de os computadores ou sistemas eletrônicos utilizam
um número fixo de dígitos para representar os números. Portanto, toda vez que o
resultado de uma operação for um número que não pode ser representado exatamente
13
no sistema usado, necessitamos desprezar dígitos e arredondar o número.
Ao registrar um valor aproximado, costuma-se usar a seguinte regra:
• somar meia unidade após a última casa decimal a conservar;
• desprezar as demais casas.
2 ≈ 1,414 ≈ 1,41
1.3.3 Erro Absoluto e relativo
Ao resolvermos modelos matemáticos, muitas vezes utilizamos instrumentos de

cálculo que necessitam que sejam feitas certas aproximações, tais aproximações podem
gerar erros, tais como de arredondamento e truncamento que foi explicada acima.
O erro absoluto apresenta a seguinte definição:
Seja x um número e 𝑥̅ sua aproximação, chama-se erro absoluto, EAX, a diferença entre x
𝑥̅ . 𝐸𝐴𝑋 = 𝑥 − 𝑥̅ , no caso de 𝑥 > 𝑥̅ ou seja, quando EAX>0, dizemos que 𝑥̅ é uma aproximação

por falta e, no caso de 𝑥 < 𝑥̅ , ou seja quando EAX<0,dizemos que 𝑥̅ é uma aproximação
por excesso.
Exemplo 03:
Como 1,41<√2<1,42, temos que 1,41 é uma aproximação de √2 por falta e 1,42 uma
aproximação por excesso. Logo, temos:
EAX=|1,42-1,41|=0,01
EAX<0,01 , que significa que o erro absoluto cometido é inferior a um centésimo.
Chamamos erro relativo o valor do quociente entre o erro absoluto e o valor da
grandeza, podemos defini-lo como:
Seja x um número e 𝑥̅ ≠ 0 uma de sua aproximação, e designamos por ERX, a razão entre
EAX e 𝑥̅
𝐸𝐴𝑋 𝑥 − 𝑥̅
𝐸𝑅𝑋 = = .
𝑥̅ 𝑥
Ao produto 100 ×ERX, chamamos erro percentual ou percentagem de erro.
Exemplo 04:
Seja um número x com uma aproximação 𝑥̅ = 2112,9 tal que |EAX |<0,1, calcular os erros
relativos cometidos nas aproximações.
𝐸𝐴𝑋 0,1
𝐸𝑅𝑋 = < ≅ 4,73. 10−5
𝑥̅ 2112,9
1.4 REPRESENTAÇÃO DO NÚMERO EM PONTOS FLUTUANTES
A necessidade de contar e registrar os objetos contados vem desde os tempos

primórdios e o homem desenvolveu várias técnicas para fazê-lo, até chegar ao conceito
de número que temos hoje.
Precisamos diferenciar o conceito de número e numeral.
• Número serve para descrever a quantidade.
• Numeral é o símbolo ou conjunto de símbolos para representá-lo.
O nosso sistema de numeração é o decimal, utilizamos 10 dígitos para representá-lo:
0,1,2,3,4,5,6,7,8,9. Este sistema é posicional, ou seja, o valor de cada símbolo é relativo à
sua posição.
14
Exemplo 05:
No número 56.045 temos:
1. o algarismo 5 ocupa a posição das dezenas de milhar, podemos representá-lo
5×10.000 ou 5×104 unidades;
2. o algarismo 6 ocupa a posição das unidades de milhar, podemos representá-lo
6×1000 ou 6×103 unidades;
3. o algarismo 0, ocupa a posição das centenas, podemos representá-lo 0x100 ou
0×102.
4. o algarismo 4 ocupa a posição das dezenas, podemos representá-la 4×10 unidades;
5. e o algarismo 5 ocupa a posição das unidades.
Logo, 56045 significa 5×104+6×103+0×102+4×101+5×100
Qualquer número natural pode ser representado de modo único em uma base qualquer.
Seja B um inteiro maior que 1, então cada N∈ ao conjunto dos naturais, admite uma
representação única da forma:
𝑁 = 𝑎𝑚 × 𝐵 𝑚 + 𝑎𝑚−1 × 𝐵 𝑚−1 + ⋯ + 𝑎2 × 𝐵 2 + 𝑎1 × 𝐵1 +
𝑎0 , em que 𝑎𝑚 ≠ 0 e 0 ≤ 𝑎𝑖 < 𝐵
Exemplo 06:
Representar o número 69 nas bases 2 (binária), 8 (octal), 10 (decimal) e 16 (hexadecimal).
69 = 1x26 + 0𝑥25 + 0𝑥24 + 0𝑥23 + 1𝑥22 + 0𝑥21 + 1𝑥20 = (1000101)2
69 =1𝑥82 + 0𝑥81 +5𝑥80 = (105)8
69 = 6𝑥101 + 9𝑥100 = 69
69 = 4𝑥161 + 5𝑥160=(45)16
VAMOS PENSAR?
Você sabia que qualquer número inteiro ou fracionário, pode ser exposto no formato
xbaseexpoente,em que variam a posição da vírgula e o expoente ao qual elevamos a base.
Exemplo 07:
Transformar as bases abaixo para números decimais

(1101.101)2=1×23+1×22+0×21+1×20+1×2-1+0×2-2+1×2-3=13,625
(470,75)8=4×82+7×81+0×80+7×8-1+5×8-2=312,953125
A representação em ponto fixo, não é adequada para processarmos nos
computadores ou calculadoras. Usamos uma representação denominada representação
em pontos flutuantes, o número é representado na forma:
𝑥 = ±0, 𝑑1 𝑑2 … 𝑑𝑝 𝛽𝑐 , 𝑐𝑜𝑚 𝑥 ≠ 0; 𝑑1 ≠ 0; 𝑑1, 𝑑2 , … 𝑑𝑝 ∈ {0, … , 𝛽 − 1} é um inteiro com
0 ≤ 𝑑𝑑𝑖 < 𝐵 e 𝑑𝑖 ≠ 0 e é um inteiro tal que 𝑙 ≤ 𝑒 ≤ 𝑢 o número 0,d_1 d_2…d_t é chamado de
mantissa, β é a base do sistema, t é um número de algarismos na mantissa e l e u são,
respectivamente, os limites inferiores e superior para o expoente e.
Para fixar melhor a representação em ponto flutuante normalizada, vejamos o

seguinte exemplo retirado do livro do MEC, cálculo numérico, Fortaleza, 2010.
15
Considere uma máquina S com representação em ponto flutuante normalizada
na base binária, com t =8 e ∈[-5,5]. Temos então:
O número n1=0,10100110×23 representado em S corresponde, na base 10, a 5,1875 e o
número n2 10100111×23 presentado em S, corresponde, na base 10, a 5,21875, podemos
perceber que n1 e n2 são dois números consecutivos. Portanto não é possível representar
em S qualquer número compreendido entre 5,1875 e 5,21875. Assim 5,2, por exemplo,
não tem representação exata em S. Esta perda se da porque o número de dígitos na
mantissa não é suficiente.
BUSQUE POR MAIS

Você pode aprofundar seus conhecimentos consultando as referências que
citamos e/ou visitando páginas da internet. Abaixo, listamos uma página
interessante que pode ajudá-lo nessa pesquisa. Bons estudos! Disponível em:
https://bit.ly/3BmJhiN Acesso em: 12 out. 2022. Disponível em: https://bit.
ly/3UOZ0OC. Acesso em: 12 out. 2022. Disponível em: https://bit.ly/3Hk4NZu.
Acesso em: 12 out. 2022.
16
FIXANDO O CONTEÚDO
1. (https://bit.ly/3ULW05J) Marque a opção que apresenta o valor absoluto e relativo que

utiliza um sistema aritmético de ponto flutuante de 4 dígitos ao registrar o número X =
0.654987 x105, se o processo usado for o de truncamento.
a)EA = 0,000087 e ER = 0,0133%.

b)EA = 0,087 e ER = 0,12%.
c)EA = 0,00016 e ER = 0,0013%.
d)EA = 0,0014 e ER = 0,012%.
e)EA = 0,00015 e ER = 12%.
2. Mudar a representação do número (1101) base 2 para base 10.
a)26.
b)20.
c)13.
d)15.
e)12.
3. Considere o valor exato x= 3247,512 e o valor aproximado 𝑥̅ = 3247,000. O erro relativo

corresponde a:
a)0,0122568%.
b)0,124567%.
c)0,00123456%.
d)0,00134567%.
d)0,0157659%.
4. Considere agora o valor exato x=1,512 e o valor aproximado 𝑥̅ = 1,000. Para essa
aproximação o erro absoluto é igual a:
a)41,3.
b)51,2.
c)46,7.
d)54,2.
e)23,5.
5. Considere x=100; 𝑥̅ =100,1, y=0,0006 e 𝑦� =0,0004. Assim, EAX=0,1 e EAy=0,0002. Marque

a opção que representa o |ERX |, aproximadamente.
a) 4,73×10-5
b)4,73×10-3
c)1,73×10-5
d)2,65×10-5
e)2,76×10-5
6. A forma binária do número 37 é:

17
a)(111001)2
b)(101010)2
c)(100101)2
d)(100010)2
e)(11111)2
7. A representação em ponto flutuante normalizada na base indicada do número (5987)10

é:
a)0,05987× 10-2
b)0,004567
c)0,004578
d)0,5987×104
e)1,2345
8. Um administrador de sistemas, ao analisar o conteúdo de um arquivo binário, percebeu

que o primeiro byte desse arquivo é, em hexadecimal, igual a 9F, que corresponde, em
decimal ao valor:
a)99.
b)234.
c)105.
d)16.
e)159.
18
RAÍZES DE FUNÇÕES
19
Nesta unidade, vamos abordar a importância do uso dos métodos numéricos para
o cálculo de raízes de funções. Definir e diferenciar os métodos da bissecção, da falsa
posição e de Newton. Aplicar os métodos da bissecção, da falsa posição e de Newton na
solução de problemas.
Para obtermos as raízes de funções, utilizando métodos numéricos, podemos
utilizar, métodos diretos que é utilizado quando for possível obter a raiz por meio de
teorema, fórmula ou expressão fechada. Métodos indiretos que é um recurso de cálculo
infinito, no qual o valor obtido depende do valor anterior.
Para encontrar as raízes de forma analítica, basta considerar um intervalo [a,b] em
que a função seja definida. Se a função for contínua nesse intervalo e existirem dois
pontos do domínio que assumem valores com sinais distintos na imagem, então a
função corta o eixo OX em pelo menos um ponto no intervalo [a,b].
Quando precisamos determinar o número de raízes em um determinado intervalo [a,b],
podemos recorrer ao teorema de Bolzano.
FIQUE ATENTO
Teorema de Bolzano: Considerando f(x)=0, uma equação algébrica com coeficientes reais
e x ∈[a, b]:
Se f(a) × f(b)<0, então existe um número ímpar de raízes reais no intervalor [a, b].
Se f(a) × f(b)>0, então existe um número par de raízes reais no intervalor [a, b].
2.1 MÉTODO DA BISSECÇÃO
Consiste em um dos métodos para se determinar as possíveis raízes de uma

equação, o Método da Bissecção consiste em dividir o intervalo que contém a raiz da
função ao meio e por aplicação do Teorema de Bolzano, aplicado aos subintervalos
resultantes, determinar qual deles contém o zero ou a raiz da função.
Seja f(x) uma função contínua no intervalo [a,b] e seja ε uma raiz desta função,
sendo ε ∈ (a,b), tal que f(ε)=0.
Figura 2 : representa a interpretação geométrica do método da bissecção.

Fonte: Material do Saga
20
O método consiste em dividir o intervalo [a,b] de forma interativa, ao meio. Para
verificar se a raiz está contida na primeira ou na segunda metade do intervalo inicial, é
utilizado o teorema de Bolzano. Em seguida, o processo é repetido para aquela metade
que contém a raiz de f(x)=0, ou seja, aquela que a função, y=f(x), tem valores numéricos
com sinais opostos aos seus extremos.
Algoritmo:
𝑎+𝑏
𝑥𝑛 = , para 𝑛 = 1,2,3, …
2
Se f(a).f(xn)<0, então teremos b=xn, senão a=xn.
Critério de parada, é definido por uma inequação que vamos testar em cada iteração.
|f(xn)|≤ erro
Ou
|b-a|≤ erro
O processo desta divisão em subintervalos, pode ser repetido até que se obtenha
uma precisão. Em cada iteração o zero da função é aproximado pelo ponto médio que
cada subintervalo que o contém.
Exemplo 01.
Encontrar a raiz da função f(x)=x.ln(x)-3.2 contida no intervalo [2,3], com erro≤10-2.
• Algoritmo do método
𝑎+𝑏
𝑥𝑛 =
2
• Verificar se no intervalo dado se encontra uma de suas raízes:
𝑓 2 = 2. 𝑙𝑛2 − 3.2 = −1,8137
𝑓 3 = 3. 𝑙𝑛3 − 3.2 = 0,09584

Como, f(2).f(3)<0, podemos concluir que existe uma raiz neste intervalo.
• Interações
a xn b f(a) f(xn) |xn- a| ε=|f(xn)|

2 2.5 3 -1.81371 -0.90927 0.5 0.90927
2.5 2.75 3 -0.90927 -0.41810 0.25 0.41810
2.75 2.875 3 -0.41810 -0.16385 0.125 0.16385
2.875 2.9375 3 -0.16385 -0.03467 0.0625 0.03467
2.9375 2.96875 3 -0.03467 0.03042 0.03125 0.03042
2.9375 2.953125 2.96875 -0.03467 -0.00217 0.015625 0.00217
A raiz desejada é ε=2,953125

Representaremos o cálculo da primeira iteração passo a passo, que representa a
primeira linha da tabela, as demais linhas seguem o mesmo raciocínio.
I. Algoritmo do método
𝑎+𝑏 2+3 5
𝑥𝑛 = , o intervalo que se encontra uma de suas raízes é 2,3 ,𝑎 = 2 𝑒 𝑏 = 3, logo 𝑥𝑛 = 2
= 2 = 2,5.
2
II. Redefinir o intervalo
𝑓 2,5 . 𝑓 3 < 0, o novo intervalo será: 2,5 ; 3

21
III. Cálculo do critério de parada
Como,|f(xn)|<erro, precisamos fazer a segunda iteração.

O processo é repetido até que |f(xn)|<erro.
2.2 MÉTODO DA FALSA POSIÇÃO
Consideremos uma função f(x) contínua no intervalo [a,b] e ε uma raiz desta função.
No método da Bissecção, o xn é obtido através da média aritmética entre os
extremos do intervalo a,b:
𝑎+𝑏
𝑥𝑛 =
2
A raiz, na maioria das vezes está mais próxima de um dos extremos do intervalo. O
método da falsa posição toma a média aritmética ponderada entre a e b com pesos |f(b)|
e |f(a)|, respectivamente, temos:
𝑎 𝑓(𝑏) +b 𝑓(𝑎) 𝑎𝑓 𝑏 − 𝑏𝑓 𝑎
𝑥𝑛 = , visto que |f(b)| e |f(a)| têm sinais opostos 𝑥𝑛 =
𝑓(𝑏) + 𝑓(𝑎) 𝑓 𝑏 −𝑓 𝑎
FIQUE ATENTO
Seja f contínua em [a,b] tal que f(a)×f(b) < 0 e seja ε o único zero de f neste intervalo. Então
o método da falsa posição gera uma sucessão xk que converge para ε . Ou seja 𝑘→∞ lim 𝑥𝑘 = 𝜀.
Para determinar o critério de parada, que determina quando não precisamos

prosseguir com as iterações, seguiremos os seguintes critérios:
I. f(xk )<erro
II. |xk-xk-1 |<erro
III. Número limite de iterações.
Exemplo 02:
Encontrar a raiz da função f(x) = x3-9x+3, utilizando o método da falsa posição
usando como condições iniciais o intervalo I = [0,1] e ε = 2 x 10-3.
• Iniciamos pelo cálculo dos valores de f(a)e f(b)
• Vamos calcular o valor da primeira interação:

𝑎𝑓 𝑏 −𝑏𝑓 𝑎 0. −5 −1.(3) 3
𝑥1 = 𝑓 𝑏 −𝑓 𝑎
= −5 −3
=8 = 0,375
Calculando f(x), temos:
𝐹 0,375 = 0,375 3 − 9. 0,375 − 3 = −0,322

22
• Vamos calcular a segunda iteração. Como o f(x) deu negativo, precisamos trocar
este valor, ou seja, vamos trocar o valor de b. O novo intervalo será [0;0,375].
Logo, temos que:
Atualizando o x, temos:
𝑎𝑓 𝑏 − 𝑏𝑓 𝑎 0. −0,322 − 0,375(3)
𝑥1 = = = 0,338624
𝑓 𝑏 −𝑓 𝑎 −0,322 − 3
Calculando f(x), temos:

3
𝐹 0,3386224 = 0,338624 − 9. 0,336224 − 3 = −0,00879
I. Estamos nos aproximando do critério de parada, ou seja, |xk-xk-1 |<erro.
• Para redefinir o intervalo, utilizamos novamente o teorema de Bolzano, como o

valor de f(x) é negativo, iremos substituir o negativo, que no caso é o valor de b, logo
nosso novo intervalo será : [0; 0.338624]
𝐹 0 = 03 − 9.0 + 3 = 3
𝐹 0,3386224 = (0,338624)3 −9. 0,336224 − 3 = −0,00879
Atualizando F(x)
3
𝐹 0,337635 = 0,337635 − 9. 0,337635 − 3 = −0,00023
De acordo com o nosso critério de parada, queríamos que na nossa terceira casa
fosse menor que 2, como o zero é menor, podemos parar, podemos concluir que a raiz
aproximada desta função é 0,337635.
VAMOS PENSAR?
Desvantagens do Método da Falsa Posição:
Lentidão do processo de convergência (requer o cálculo de f(x) em um elevado número de
iterações);
Necessidade de conhecimento prévio da região na qual se encontra a raiz de interesse (o
que nem sempre é possível).
2.3 MÉTODO DE NEWTON

23
Para determinarmos a raiz ou as raízes aproximadas de uma função podemos
recorrer ao método de Newton que consiste em considerar uma reta tangente a função
dada e determinar a equação desta reta tangente. Para encontrarmos a equação da reta
tangente podemos utilizar a equação fundamental da reta.
Seja f(x) uma função contínua no intervalo [a,b] e seja ε uma raiz desta função,
sendo ε ∈ (a,b), tal que f(ε)=0 e f'(x)≠0.
Figura 3: Forma Gomética do método de Newton

Fonte: Acervo pessoal do autor
Em geral, utilizando várias retas tangentes a função dada até se aproximar da raiz
e encontrando sua equação da reta temos a seguinte fórmula do método de Newton:
𝐹(𝑥 )
𝑥𝑛 = 𝑥𝑛+1 − 𝐹′(𝑥𝑛 ), para 𝑛 = 1,2,3 …
𝑛
Critério de parada, que determina quando não precisamos prosseguir com as

iterações é:
𝑥𝑛 − 𝑥𝑛−1 ≤ 𝑒𝑟𝑟𝑜.
Exemplo 03:
Considere x1=1, encontre a terceira aproximação x_3 para a raiz da equação
x3+2x-4=0, utilizando o método de Newton.
I.F(x)= x3+2x-4, como vamos utilizar o método de Newton, precisamos derivar a
função dada, temos:
𝐹′ 𝑥 = 3𝑥 2 + 2
Se x1=1, podemos substituir na fórmula de Newton, logo:
Se x2= 1,2, temos que
Logo a raiz aproximada da nossa equação será 1,1797.

24
BUSQUE POR MAIS
https://bit.ly/3iZ1Xz3. Acesso em: 12 out. 2022 Dispoinível em: https://bit.
ly/3Hz3uG6. Acesso em: 12 out. 2022.
25
FIXANDO O CONTEÚDO
1. Considere a funçãof(x)=x.ln(x)-3, calcule os valores de f(x) para os seguintes valores

arbitrários:
x 1 2 3 4
f(x)
Utilizando o Método da Bisseção, podemos concluir que uma das possíveis raízes,
encontra-se no intervalo:
a)[1,2]
b)[2,4]
c)[3,4]
d)[1,4]
e)[2,3]
2. A função f(x)=2x-3x, possui dois zeros, um no intervalo de [0,1] e outro no intervalo

[3,4], aplicando o teorema da Bissecção, podemos determinar na primeira iteração que
o intervalo que contém a raiz é:
a)[0;0,25]
b)[0,25;1]
c)[0;0,75]
d)[0; 0,5]
e)[0,5;1]
3. Seja f(x)=(x+2)(x+1)x(x-1)3 (x-2). Para qual raiz de f o método da bisseção converge quando
aplicado no intervalo [-3; 2,5].
a)1
b)0,25
c)0,35
d)2
e)3
𝜋
4. Considere a função f(x)=x-0,8-0,2sen(x) com raiz no intervalo 0, 2 , usando o método
da falsa posição encontre uma aproximação para a raiz de f com precisão de 10-4.
a)0,97564
b)0,98765
c)0,96432
d)0,8765
e)0,7565
26
5. Dada a função, F(x)=ex+2-x+2
cos(x)-6 com zero no intervalo [1,2]. Use o método da falsa
posição para encontrar uma aproximação para a raiz de f com precisão de 10-4.
a)1,4356
b)1,3456
c)1,82938
d)1,74567
e)1,45677
6. A função F(x)=x2-4x+4-ln(x) com zero no intervalo [1,2]. Calcule a raiz de f(x)com precisão
de10-4. Utilizando o método da falsa posição.
a)1,41242
b)1,34231
c)1,23456
d)1,12345
e)1,45678
𝜋
7. A função F(x)=2x-cos(x) possui uma raiz x no intervalo de 0, 4 . Calcule o valor de x com
quatro casas decimais através do Método de Newton.
a)0,4502
b)0,3456
c)0,4567
d)0,4587
e)0,7654
8. Encontre a raiz aproximada, utilizando o método de Newton de F(x)=5x4-sen(x), com

quatro casas decimais. Use x0=0,5.
a)0,5741
b)0,2452
c)0,4356
d)0,5678e)0,5678
27
RESOLUÇÃO DE SISTEMAS
LINEARES
E NÃO LINEARES
28
Para determinarmos alguns fenomenos como, previsão do tempo, linhas de
metrô, sinais de trânsito e etc., utilizamos a resolução de sistemas lineares.Veremos nesta
unidade alguns métodos numéricos (direto ou interativo) para resolução de sistemas de
equações lineares e não lineares.
3.1 SISTEMAS LINEARES DIRETO
'
Apresentaremos nesta unidade métodos numéricos para resolvermos sitemas do
tipo:
FIQUE ATENTO
A determinação do conjunto solução dos sistemas lineares é um tema de estudo relevante
dentro da Matemática Aplicada e, particularmente, em muitos tópicos de Engenharia. A
complexidade de muitos sistemas, com elevado número de equações e de incógnitas,
requer, muitas vezes, o auxílio de um computador para resolvê-los. Existem diversos
algoritmos que permitem encontrar, caso existam, soluções de um sistema, recorrendo
eventualmente a métodos numéricos de aproximação.
3.1.1 Eliminação de Gauss
Consiste em transformar um sistema Ax = b em um sistema equivalente com

matriz dos coeficientes triangular superior , por meio de transformações lineares.
Ax = b →A ̃x=b ̃ ( transformação equivalente)
FIQUE ATENTO
Teorema: Seja Ax =b, um sistema linear. Se:
I) trocarmos duas equações;
II) multiplicarmos uma equação por uma constante não nula;
III) adicionarmos um múltiplo de uma equação a outra equação.
Obteremos um sistema equivalente A ̃x=b ̃
O método de Gauss é composto por dua fases:

29
• fase de eliminação;
• fase de substituição.
Na fase de eliminação vamos escalonar a matriz transformando ela em uma matriz
triangular superior, na fase de eliminação vamos trabalhar com a matriz aumentada
[A|B]e para uma matriz n×n este processo tera (n-1) etapas.
O procedimento da fase de eliminação consite:

I. montar a matriz aumentada [A|B], que consite em representar o sistema em forma
de matriz.
II. determinação do pivô :akk
𝑎𝑖𝑘
III. definir os múltiplos de linha mik= 𝑎𝑘𝑘
IV. atualização das linhas Li←Li-mik xLpivô
Podemos destacar as seguintes vantagens do método:
possui solução exata;
é o método com o menor número de operações, diminuindo custo computacional;
consiste em multiplicar casa equação por um número real (pivô) para obter o
sistema na forma de escada:
Exemplo 01:
Vamos aplicar o método da eliminação de Gauss, para resolver o sistema.
I. Montar a matriz aumentada [A|B]
3 2 4 1 
 
A(0)/b(0) = 1 1 2 2
4 3 − 2 3
II. Para eliminar o primeiro coeficiente da segunda equação devemos encontrar um

“pivô” que possa eliminá-lo, neste caso, o pivô será o 3.
3 2 4 1 
1 1 2 2 
  ,elemento pivô é o 3.
4 3 − 2 3
𝑎𝑖𝑘
III. Definir os múltiplos de linha mik= 𝑎
𝑘𝑘
1
𝑚𝐿2 = 3 , 𝐿2 ← 𝐿2 − 𝑚𝐿2 × 𝐿1
30
A linha 02 recebendo ela mesma, menos o multiplicador, que são múltiplos
convenientes da primeira equação a cada uma das equações seguintes de modo a ter
todos os coeficientes da incógnita xk abaixo da primeira equação iguais a zero, vezes o
elemento da linha pivô.
4
𝑚𝐿3 = , 𝐿3 ← 𝐿3 − 𝑚𝐿3 × 𝐿1
3
Precisamos zerar os elmentos a21 e a31.
3 2 4 1 
1 1 2 2 
 
4 3 − 2 3
Para zeramos os elementos a21 e a31 da linha 02, que são 1,1,2 e 2, subtrair pelo elemento
multiplicador que é 1/3 e multiplicar pelos elementos da linha 1 que são 3,2,4 e 1.
3 2 4 1
 1 2 5
A(1)/b(1)= 0
 3 3 3 
 
Precisamos pegar os elementos da linha 03, que são 4,3, -2 e 3, subtrarir pelo
elemntos multiplicador que é 4/3 e multiplicar pelos elementos da linha 01.
3 2 4 1 
0 1 / 3 2 / 3 5 / 3
A(1)/b(1)= 
0 1 / 3 − 22 / 3 5 / 3
Para zerar o elemento da terceira linha e segunda coluna, o novo elemento pivô é o
1
𝑎22 = 3, o elemento multiplicador = .
31
3 2 4 1 
 
Logo, A(2)/b(2)= 0 1 / 3 2 / 3 5 / 3 temos uma matriz triângular superior trivial.
0 0 −8 0 
V. Reescrevendo o sistema temos:
Logo 𝑥3 = 0
1 2 5
𝑥 + 3 . 0 = → 𝑥2 = 5
3 2 3
3𝑥1 + 2.5 + 4.0⇒𝑥1 = −3
, x=
x representa a solução do sistema que foi proposto inicialmente.
3.1.2 Método de Fatoração LU
A fatoração L U ou decomposição LU é uma das técnicas mais usadas para resolver

sistemas de equações lineares. Ela consiste em decompor a matriz A dos coeficientes do
sistema em produto de duas matrizes L e U, em que L é uma matriz triangular inferior
com a diagonal unitária e U uma matriz triangular superior.
Este método consiste em fatorar a matriz A dos coeficientes na forma A=LU, logo a matriz
A.x=b, devemos substituir a matriz A pela matriz LU, o novo sistema vai ficar na forma
(LU).x=b.
FIQUE ATENTO
Teorema: Se o determinante de todos os menores principais da matriz A forem não-nulo,
então a fatoração A=LU é única.
Exemplo 02:
Resolver o sistema
32
Pelo método da fatoração LU.
A matriz L é uma matriz triangular inferior com a diagonal unitária.
L=
A matriz U é uma matriz triangular superior resultante do escalonamento.
u=
V. Vamos trabalhar com a matriz a
Primeira Etapa- Escalonamento, zerar os elementos a21 e a31.
Elemento pivô é a11=3
1
𝑚𝐿2 = 3 , 𝐿2 ← 𝐿2 − 𝑚𝐿2 × 𝐿1
4
𝑚𝐿3 = , 𝐿3 ← 𝐿3 − 𝑚𝐿3 × 𝐿1
3
Precisamos utilizer os elementos da linha 02, que são 1,1 e 2 , subtrair pelo elemento
multiplicador que é 1/3 e multiplicar pelos elementos da linha 1 que são 3,2 e 4.
Vamos utilizar os elementos da linha 03, que são 4,3 e -2 , subtrarir pelo elementos
multiplicador que é 4/3 e multiplicar pelos elementos da linha 01.
33
Segunda etapa, o objetivo é zerar o elemento da terceira linha e segunda coluna, o novo
elemento pivô é o 𝑎22 = 3, o elemento multiplicador mL3 =
1
.
Calculando os novos elementos da terceira linha temos:
Podemos montar agora as matrizes L e U.

A matriz L será:
L= ,
onde o elemento a_21, a_3,1 e a_32 são os multiplicadores das
respectivas linhas para zerar os elementos no escalonamento.

A Matriz U e a mesma matriz resultante do escalonamento.
u=
Vamos resolver dois sistemas
Primeiro vamos resolver L.y=b
, temos que:
34
Sistema triangular superior, resolvendo pelo método da substituição:
Logo o vetor y = .
Resolvendo o segundo sistema, u.x=y
, reescrevendo o sistema:
Resolvendo o sistema pelo método da substituição temos:
x= representa a solução do sistema proposto inicialmente.
3.2 SISTEMAS NÃO LINEARES
São sistemas em que pelo menos uma de suas equações não são lineares.
35
As equações não lineares são equações que não podem ser representadas por retas,
planos ou hiperplanos.
Resolver um sistema não linear é encontrar a seguinte solução:
3.2.1 Método de Newton
É um dos principais métodos usados na resolução de sistemas não lineares.

Dada uma aproximação x^((0)), o método de Newton define a sequência {x^((k))}
através dos seguintes passos:
VII. Resolver J(x(k))(s(k))=F(x(k)).
VIII. Define xk+1= x(k)+s(k).
Espera-se que a sequência convirja para solução ε do sistema não linear
𝑓(𝑥) = 0, ou seja lim 𝑥 (𝑘) = 𝜀.
𝑘→∞
VAMOS PENSAR?
A cada interação o Método de Newton requer:
-Avaliação da Matriz Jacobiana;
-Resolução de um sistema linear.
Exemplo 04:
Resolver o sistema não linear com critério de parada de 0,01 e
𝑥0 1,5
𝑦0
= 1,5
.
IX. Montar a matriz jacobiana, que consiste em derivar as equações dadas inicialmente.
𝑓′(𝑥)= ?
𝐹1 : 𝑥 2 + 𝑦 2 − 4
𝐹2 : 𝑥 2 − 𝑦 2 − 1
36
2𝑥 2𝑦
F'(x)= , Portanto,, 𝐹′ 𝑥 = , que são as derivadas parciais
2𝑥 −2𝑦
das funções F_1 e F_2.que são as derivadas parciais das funções F_1 e F_2.
X. Aplicação do Método de Newton: A.Z = b, onde:

A-Matriz Jacobiana
Z-O resultado que precisamos encontrar (termo desconhecido)
b- matriz em que substitui o x nas funções F1 e F2.
XI. Primeira interação 1
2𝑥 2𝑦 2.1,5 2.1,5
A = 𝐹′ 𝑥0 = = = 3 3
2𝑥 −2𝑦 2.1,5 2.1,5 3 −3
𝑥 2 + 𝑦2 − 4 1,52 + 1,52 − 4 0,5 −0,5
A = 𝐹′ 𝑥0 = − 2 2 =− =− =
𝑥 −𝑦 −1 1,52 − 1,52 − 1 −1 1
A.Z=b
3 3 𝑧1 −0,5
𝑧2 = , resolvendo a multiplicação, chegamos no seguinte sistema:
3 −3 1
, resolvendo pelo processo da adição temos:
𝑧1 = 0,0833 𝑒 𝑧2 = −0,25
0,0833
Z=
−0,25
, como z1>0,01 e z2> 0,01, precisamos fazer a segunda interação.
Para determinarmos os valores de x1 e y1,vamos resolver a seguinte soma de matrizes.
BUSQUE POR MAIS

Disponível em: https://bit.ly/3Fs225D. Acesso em: 12 out. 2022. Disponível em:
https://bit.ly/3PqGxqL. Acesso em: 12 out. 2022. Disponível em: https://bit.
ly/3iQMIIa. Acesso em: 12 out. 2022. Disponível em: https://bit.ly/3FtXvQc. Acesso
em: 12 out. 2022.
37
FIXANDO O CONTEÚDO
1. Resolvendo o sistema abaixo, utilizando a eliminação de Gauss, o valor de x_1 é:
a)-138
b)120
c)123
d)125
e)156
2. Considere o sistema linear , resolvendo pelo processo da eliminação

de Gauss, chegamos a 𝑥2 igual a:
a)2
b)-1
c)-3
d)-5
e)3
3. Considere o sistema Linear o resultado de x3, utilizando a fatoração

LU é:
a) 2
b) 4
c) -1
d) -2
e) -3
4. Sabe-se que uma alimentação diária equilibrada em vitaminas deve constar de 170
unidades de vitamina A, 180 unidades de vitamina B, 150 unidades de vitamina C, 180
unidades de vitamina D e 350 unidades de vitamina E.
Com o objetivo de descobrir como deverá ser uma refeição equilibrada, foram estudados
cinco alimentos. Fixada a mesma quantidade (1grama) de cada alimento, determinou-se
que:
• O alimento I tem 1 unidade de vitamina A, 10 unidades de vitamina B, 1 unidade de
vitamina C, 2 unidades de vitamina D e 2 unidades de vitamina E;
• O alimento II tem 9 unidades de vitamina A, 1 unidade de vitamina B, 0 unidades de
vitamina C, 1 unidade de vitamina D e 1 unidade de vitamina E;
• O alimento III tem 2 unidades de vitamina A, 2 unidades de vitamina B, 5 unidades de
vitamina C, 1 unidade de vitamina D e 2 unidades de vitamina E;
• O alimento IV tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1 unidade de
vitamina C, 2 unidades de vitamina D e 13 unidades de vitamina E;
• O alimento V tem 1 unidade de vitamina A, 1 unidade de vitamina B, 1 unidade de
38
vitamina C, 9 unidades de vitamina D, e 2 unidades de vitamina E.
Quantos gramas do alimento I, deve-se ingerir diariamente para que se possa ter uma
alimentação equilibrada?
a) 9,4532
b) 8,7654
c) 7,6754
d) 9,6441
e) 7,6743
5. Resolvendo o sistema a seguir pela eliminação de Gauss, o valor de x2 é:
a) -0,876
b) -0,098
c) -0,007
d) -0,876
e) -0,664
6. Utilizando o processo da eliminação de Gauss, marque a opção que determina o valor

de x1.
a) 2
b) 0
c) 1
d) 4
e) -1
7. Considere o sistema linear:
Aplicando o método da eliminação de Gauss, o valor de x4 é:
a)3
b)5
c)-14
d)2
39
e)6
8. Resolvendo o sistema a seguir pela eliminação de Gauss, o valor de x1 é:
a)1,345
b)1,123
c)1,175
d)1,234
e)1,347
40
INTERPOLAÇÃO
41
Nesta unidade estudaremos métodos que nos permitem encontrar um valor
aproximado para uma função f, calculado em um ponto de um intervalo determinado,
através do conhecimento de uma coleção de pares ordenados.
FIQUE ATENTO
Interpolar uma função f(x) consiste em aproximar essa função por uma função g(x),
escolhida dentro de uma classe de função definida a priori que satisfaça algumas
propriedades.
Ao interpolarmos, vamos construir um novo conjunto de dados a partir de um

conjunto discreto de dados pontuais previamente conhecidos.
Utilizamos a interpolação quando temos valores numéricos de uma função não
conhecida para um conjunto de pontos e queremos o valor desta função em um ponto
não tabulado, ou, quando temos uma função complicada demais para que seja possível
avaliá-la de forma eficiente, podemos então, escolher alguns dados pontuais da função
cuja lei de formação seja complicada e tentar interpolá-los com mais sinais.Segue abaixo
a definição de interpolação:
Sejam (n+1) pontos distintos x0,x1,x2,…,xn chamados “nós” da interpolação e seus
respectivos valores na função f(x):f(x0),f(x1),…,f(x\Xn).
A interpolação de f(x) consiste em obter uma função g(x) tal que:
Figura 4 : Método geométrico de uma interpolação.

4.1 INTERPOLAÇÃO POLINOMIAL

Aproximar funções por polinômios é uma das técnicas mais utilizadas na análise
numérica, isto acontece porque os polinômios são facilmente computáveis, suas
integrais e derivadas são novamente polinômios, suas raízes podem ser encontradas
com facilidade.
42
Dados os pontos (x0,f(x0)),(x1,f(x1)),…,(xn,f(xn)), queremos aproximar f(x) por um
polinômio Pn (x), de grau menor ou igual a n, tal que f(xi )=Pn (xi ), i=0,…,n. A representação
de Pn (x), é dada por:
Pn (x)= a0+a1 x+a2 x2+⋯+anxn, obter Pn (x) consiste em encontrar os coeficientes a0,a1, a2…,an,
da condição Pn(kx)=f(kx),∀k=0,1,2,…,n.
Colocando o polinômio na forma matricial, as linhas da matriz são formadas por
todas as potências dos coeficientes do polinômio até o grau do mesmo, temos:
é chamada matriz de Vandermonde.
Se os pontos x0,x1,…,xn forem distintos, temos det(v)≠0,logo o sistema va=y adimite uma
solução única.
FIQUE ATENTO
Chama-se matriz de Vandermonde toda matriz quadrada de ordem n×n, ou seja,com n
linhas e n colunas, da forma geral:
Nesse tipo de matriz, cada coluna(ou linha) é uma PG com o primeiro termo igual a 1, os
elementos que surgem após 1 são chamados de “elementos característicos” da matriz.
Há várias maneiras para obter pN(x), nesta unidade vamos abordar três possibilidades:
Resolução de sistemas lineares;

Forma de Lagrange;
Forma de Newton.
4.2 RESOLUÇÃO DE SISTEMAS LINEARES
Para abordar este tópico vamos recorrer ao exemplo abaixo:
Exemplo 01.
Vamos determinar um polinômio que interpola uma função y=f(x), dadas nos pontos a
seguir.
i 0 1 2
xi -1 0 2
yi 4 1 -1
Como foi dado três pontos distintos, o polinômio considerado será do segundo
43
grau.
Temos: P2 (x)=a2 x2+a1 x+a0
𝑃2 −1 = 𝑓 −1 = 4 ⇒ 𝑎2 (−1)2 +𝑎1 −1 + 𝑎0 = 4 ⇒ 𝑎2 − 𝑎1 + 𝑎0 = 4
𝑃2 0 = 𝑓 0 = 1 ⇒ 𝑎2 (0)2 +𝑎1 0 + 𝑎0 = 1 ⇒ 𝑎0 = 1
𝑃2 2 = 𝑓 2 = −1 ⇒ 𝑎2 2 2 + 𝑎1 2 + 𝑎0 = −1 ⇒ 4𝑎2 + 2𝑎1 + 𝑎0 = −1
Resolvendo o sistema pelo método da substituição , temos:
I. 𝑎2 − 𝑎1 + 1 = 4 ⇒ 𝑎2 − 𝑎1 = 3 ⇒ 𝑎2 = 3 + 𝑎1
II. 4(3 + 𝑎1 ) + 2𝑎1 + 1 = −1, aplicando a propriedade distributiva,
III. 12 + 4𝑎1 + 2𝑎1 + 1 = −1 ⇒ 5𝑎1 = −1 − 13 ⇒ 𝑎1 = −2,333
IV. 𝑎2 = 3 − 2,333 = 0,667
4.3 FORMA DE LAGRANGE
A ideia da forma de Lagrange consiste basicamente em escrever um polinômio

como soma de polinômios ditos elementares, que se anulem em todos os valores dos
conjuntos de dados.
A interpolação f(x) pela forma de Lagrange consiste em obter uma função Pn (x)
tal que:
Pn (x)=f(x0) L0 (x)+f(x1) L1 (x)+⋯+f(xn)Ln (x), onde os polinômios Ln (x), são de grau n.
Exemplo 02. Usando o método de Lagrange, encontrar o polinômio de grau menor ou

igual a 2 que interpola os dados da tabela abaixo.
x -1 0 2
f(x) 4 1 -1
I. O conjunto de dados contém três pontos,logo o polinômio interpolador será de grau

2 e será da forma:
𝑃2 𝑥 = 𝑓 𝑥0 𝐿0 𝑥 + 𝑓 𝑥1 𝐿1 𝑥 + 𝑓(𝑥2 )𝐿2 (𝑥), sendo 𝑥0 , 𝑦0 = (−1,4); 𝑥1 , 𝑦1 = (0,1); 𝑥2 , 𝑦2 = (2, −1).
II. Comecemos a encontrar os polinômios L0(x);L1(x);L2(x). Temos
Dessa maneira encontraremos P2 (x)= f(x0 )L0(x)+f(x1)L1(x)+f(x2)L2(x)

44
𝑥 2 −2𝑥 𝑥 2 −𝑥−2 𝑥 2 +𝑥 7 7
𝑃2 𝑥 = 4. + 1. + (−1) = 1 − 𝑥 + 𝑥 2.
3 −2 6 3 3
Os polinômios elementares são dados por:
,o polinômio interpolador fica 𝑝 𝑥 = ∑𝑛𝑖=0 𝑦𝑖 𝐿𝑖 (𝑥).
Exemplo 03.
Usando o método de Lagrange, encontre o polinômio interpolador para o conjunto de
dados {(1, 3), (4, 18)}.
I. O conjunto de dados contém dois pontos,logo o polinômio interpolador será de grau
1 e será da forma:
𝑃1 𝑥 = 𝑓 𝑥0 𝐿0 𝑥 + 𝑓 𝑥1 𝐿1 𝑥 , sendo 𝑥0 , 𝑦0 = (1,3); 𝑥1 , 𝑦1 = (4,18);
II. Comecemos encontrando os polinômios L0(x);L1(x). Temos
III. Dessa maneira encontraremos P2(x)= f(x0)L0(x)+f(x1)L1(x)
VAMOS PENSAR?
As formas polinomiais que utilizam a resolução de sistemas e as de Lagrange são muito
utilizadas nos problemas reais onde temos m pontos observados. A forma de Lagrange
tem desvantagem de ter um custo computacional alto se quisermos aumentar pontos de
interpolação.
4.4 FORMA DE NEWTON
A forma de, Newton também é utilizada para encontramos o polinômio interpolador

P_n (x), que interpola em (n+1) pontos distintos x_0,x_1,…,x_n é o seguinte:
𝑷𝒏 𝒙 = 𝒅𝟎 + 𝒅𝟏 𝒙 − 𝒙𝟎 + 𝒅𝟐 𝒙 − 𝒙𝟎 𝒙 − 𝒙𝟏 + ⋯ + 𝒅𝒏 𝒙 − 𝒙𝟎 𝒙 − 𝒙𝟏 … (𝒙 − 𝒙𝒏−𝟏).
No método de Newton, os valores de dk, são dados por diferenças divididas de ordem k.
Seja f(x) definida em (n+1) pontos distintos x0,x1,…,xn.
Para o conjunto de dados {(x0,y0)(x1,y1),…,(xn,yn}, a diferença dividida de ordem 0 em
relação a xi será dada por ∇0𝑖 = 𝑦𝑖 e a diferença dividida de ordem 1 em relação xi será dada
45
∇0𝑖+1 −∇0𝑖
por ∇1𝑖 = 𝑥𝑖+1 −𝑥𝑖
.
VAMOS PENSAR?
Na definição geral podemos usar ∇1𝑖 apenas para i=0,1,…,n-1?
Exemplo 04.
I. Usando o método de Newton, encontrar o polinômio interpolador para os dados {(-
1,4);(0,1);(2,-1)}.
II. De ordem 0
∇00 = 𝑦0 = 4, ∇10 = 𝑦1 = 1, ∇02 = 𝑦2 = −1
III. De ordem 1
IV. De ordem 2
1 0
Assim, o polinômio interpolador será: 𝑝 𝑥 = 𝑦0 + ∇0 𝑥 − 𝑥0 + ∇2 𝑥 − 𝑥0 𝑥 − 𝑥1 =
Exemplo 05.
Usando o método de Newton, encontrar o polinômio interpolador para os dados
{(1,4);(3,8);(6,29)}.
I. Fazendo
𝑥0 , 𝑦0 = (1,4), 𝑥1 , 𝑦1 = 3,8 𝑒 𝑥2 , 𝑦2 = (6,29), podemos encontrar as diferenças
divididas.
II. De ordem 0
∇00 = 𝑦0 = 4, ∇10 = 𝑦1 = 8, ∇02 = 𝑦2 = 29
III. De ordem 1
IV. De ordem 2
46
Assim, o polinômio interpolador será:
BUSQUE POR MAIS

interessante que pode ajudá-lo nessa pesquisa. Bons estudos! Disponível
em: https://bit.ly/3WcudfC. Acesso em: 12 out. 2022. Disponível em: https://bit.
ly/3uQR70M. Acesso em: 12 out. 2022. Disponível em: https://bit.ly/3Ptl2Wa.
47
FIXANDO O CONTEÚDO
1. (CCSE/Adaptada) Na tabela a seguir, está representada a produção e o número de

habitantes de uma cidade A em quatro censos.
Ano 1950 1960

N0 de Habitan- 352.724 683.905
tes
Utilize o polinômio interpolador do primeiro grau P1 (x)=a1 x+a0 e determine o

número aproximado de habitantes na cidade A em 1955.
a)518.316
b)33.118,40
c)601.316
d)642.281,56
e)300.000
2.(UEPA/Adaptada) Determine a partir das informações existentes na tabela, determine

o polinômio interpolador de Lagrange.
i xi yi
0 0.0 0.000
1 0.2 2.008
2 0.4 4.064
3 0.5 5.125
a)P3 (x)=x3+12x
b)P3 (x)=x3+10x
c)P3 (x)=x3+4x
d)P3 (x)=x3+8x
e)P3 (x)=x3-10x
3. Usando a forma de Newton, marque a opção que determina o polinômio P2 (x) que
interpola f(x) nos pontos dados.
{(-1,4);(0,1);(2,-1)}
2 7
a) 3 𝑥 2 − 3 𝑥 + 1
b) 1 𝑥 2 − 1 𝑥 + 1
3 3
c) 2 𝑥 2 − 1 𝑥 − 1
3 3
d) 2 𝑥 2 − 2 𝑥 + 1
3 3
12 2 7
e) 3
𝑥 − 𝑥+1
3
48
4. Calcular L1 (0,2) a partir da tabela. Utilize o método de Lagrange para n=1.
i 0 1
x_i 0,1 0,6
y_i 1,221 3,320
a)1,341
b)0,6
c)1,5
d)0,2
e)1,312
5. Determinar P2 (1,2) usando a tabela de diferenças divididas para n=2.
i xi yi ∇yi ∇2yi
0 0,9 3,211 -2,90 0,602
1 1,1 2,809 -1,328
2 2,0 1,614
a)2,630
b)1,630
c)1,412
d)1,364
e)2,627
6. Calcular L2 (0,2) a partir da tabela para n=2.
i 0 1 2
x_i 0,1 0,6 0,8
y_i 1,221 3,320 4,953
a)0,2857
b)0,3122
c)0,512
d)2,373
e)1,3154
7. O polinômio de grau ≤2 que interpola os pontos que seguem.
x -1 0 1
f(x) 0,54 1 0,54
a)P2 (x)=1+0,46x2
b)P2 (x)=1-0,46x2
c)P2 (x)=1+0,36x2
d)P2 (x)=1+0,26x2
e)P2 (x)=1+0,6x2
49
8. O volume de água em um reservatório foi medido em tempos regulares. Os resultados
das medições aparecem na tabela abaixo. Usando interpolação polinimial, estime o
volume de água no reservatório para t=2,5h.
t(em h) 0 1 2 3 4
V(em m3) 0 3 7 15 30
A) 10,3125
B) 11,2345
C) 12,3456
D) 11,3456
E) 12,1224
50
INTEGRAÇÃO NUMÉRICA
51
Nesta unidade, aproximaremos os valores das integrais definidas, como visto no Cálculo
I. Vamos revisar alguns conceitos de integrais definidas e abordaremos a regra dos
trapézios simples e a de Simpson.
5.1 REVISÃO DE CONCEITOS E DEFINIÇÕES INICIAIS
No cálculo diferencial, precisamos frequentemente encontrar a área da região do

plano cartesiano limitado pelo gráfico da função contínua f:[a,b]→R+, pelo eixo x e pelas
retas x=a e x=b.
Na figura 05, representamos a área da região limitada pelas retas x=a e x=b e
também pela função f(x).
Figura 5 : Area da região limitada pelas retas x=a e x=b e também pela função f(x).
O problema proposto no gráfico, pode ser resolvido a partir da determinação da integral

definida ∫abf(x)dx.
FIQUE ATENTO
Teorema fundamental do cálculo: Se : 𝑎, 𝑏 → 𝑅 é uma função contínua, e f é uma primitiva
𝑑𝐹(𝑥) 𝑏
de f em (a,b), ou seja, vale
𝑑𝑥
= 𝑓 𝑥 , ∀𝑥𝜖(𝑎, 𝑏), então ∫𝑎 𝑓 𝑥 𝑑𝑥 = 𝐹 𝑏 − 𝐹(𝑎).
5.2 SOMA DE RIEMANN
Para definirmos a fórmula da soma de Riemann, vamos começar recordando a

definição de Integral de Riemann.
Dada a função contínua f:[a,b]→R+, dividimos o intervalo [a,b] em n subintervalos de igual
𝑏−𝑎
comprimento ∆𝑥 = (ou seja, fazemos uma partição uniforme de [a,b]) e escolhemos
𝑛
em cada subintervalo [xi-1 ,xi] um valor xi*. Dessa forma, temos, por definição:
52
Figura 6 : interpretação geométrica da fórmula citada acima, considerando xi* como mínimo em cada subintervalo.
Exemplo 01. Usando a soma de Riemann, quatro subintervalos e escolhendo xi* como o
extremo superior de cada subintervalo, aproxime
I. Temos o intervalo [0;2], precisamos dividir em quatro subintervalos, cada um deles

2−1
com comprimento ∆𝑥 = = 0,5. 4
2
II. No primeiro subintervalo [0;0,5], obtemos x1=0,5 e assim f(xi*)∆x=e0,5 )×0,5=e0,25×0,5.
III. No segundo subintervalo [0,5;1], temos x2=1, portanto encontraremos

2
𝑓 𝑥𝑖∗ ∆𝑥 = 𝑒 1 × 0,5 = 𝑒 × 0,5.
IV. No terceiro subintervalo [1;1,5], encontramos x3=1,5 e, por conseguinte

2
𝑓 𝑥𝑖∗ ∆𝑥 = 𝑒 1,5 × 0,5 = 𝑒 2,25 × 0,5.
V. No quarto subintervalo [1,5;2] encontramos x4=2 e, por conseguinte

2
𝑓 𝑥𝑖∗ ∆𝑥 = 𝑒 2 × 0,5 = 𝑒 4 × 0,5.
Assim, podemos aproximar:

2 2
∫0 𝑒 𝑥 𝑑𝑥 ≈ ∑4𝑖=1 𝑓( 𝑥𝑖∗ ) ∆𝑥 = 𝑓 𝑥1∗ ∆𝑥 + 𝑓 𝑥2∗ ∆𝑥 + 𝑓 𝑥3∗ ∆𝑥 + 𝑓 𝑥4∗ ∆𝑥=
=𝑒 0,25 × 0,5 + 𝑒 × 0,5 + 𝑒 2,25 × 0,5 + 𝑒 4 × 0,5 = 0,5. 𝑒 0,25 + 𝑒 + 𝑒 2,25 + 𝑒 4 ≅ 0,5 × 68,08 =
= 34,04
5.3 REGRA DOS TRAPÉZIOS
Vimos anteriormente que a integral por soma de Riemann, consiste em somar

área de retângulos faremos agora uma aproximação por trapézios.
Figura 7: Representa a área pretendida (à esquerda) e aproximação por trapézio (à direita).

53
Comecemos recordando que a fórmula da área de um trapézio de bases maior B
ℎ
e b e altura h é: 𝐴 = 2 𝐵 + 𝑏 .
Observamos no gráfico, que a altura do trapézio é o comprimento do intervalo e
as bases medem f(b) e f(a). Assim, podemos aproximar.
Exemplo 02.
3,6 𝑑𝑥
Use a regra do trapézio para estimar o valor da integral ∫ . 3 𝑥
1
I. 𝑓 𝑥 = , podemos fazer
Para a função 𝑥
3,6 𝑑𝑥 3,6−3 0,6 1 1
∫3 ≈ 𝑓 3,6 + 𝑓 3 = . +3 = 0,18333
𝑥 2 2 3,6
II. Podemos dividir o intervalo considerado e aplicar a regra do trapézio em cada um

dos subintervalos,no qual ℎ = ∆𝑥 = 𝑏−𝑎:
𝑛
ℎ ℎ ℎ
≈ 2 𝑓 𝑥0 + 𝑓 𝑥1 + 2 𝑓 𝑥1 + 𝑓 𝑥2 + ⋯ + 2 (𝑓(𝑥𝑛−1 )+𝑓 𝑥𝑛 =
ℎ
2
(𝑓 𝑥0 + 2. 𝑓 𝑥1 + ⋯ + 2. 𝑓(𝑥𝑛−1 )+𝑓 𝑥𝑛 ).
Exemplo 03.
2
Use a regra do trapézio para estimar o valor da integral ∫0 1 + 𝑥 3 𝑑𝑥.
Aplicando a regra dos trapézios, temos:

2 2−0
∫0 1 + 𝑥 3 𝑑𝑥 ≈ 2
. 𝑓 2 +𝑓 0 = 1. 1 + 23 + 1 + 03 = 9 + 1=4
5.4 A REGRA DE SIMPSON
Primeiro vimos como aproximar o gráfico de uma função por segmento de reta,
horizontais ou não, tinhamos o objetivo de encontrar o valor aproximado da integral
da função. A regra de Simpson tem por objetivo aproximar as funções por arco de
parábola. Um polinômio do segundo grau fica bem determinado por três pontos, com
isso precisaremos de três pontos do intervalo e não simplesmente dos extremos.
Vamos enunciar a regra de Simpson:
Se f(x) é uma função contínua, e os pontos (x0,y0 ),(x1,y1 )e (x2,y2) do gráfico de f(x) estão
igualmente espaçados horizontalmente, ou seja, se x2-x1=x1-x0=h, então podemos
aproximar:
54
VAMOS PENSAR?
O resultado enunciado na proposição(Regra de Simposon) já era conhecimento por
matemáticos do século XVIII, mas foi popularizado nos textos do britânico Thomas Simpson
(1710-1761),reconhecido por muitos como um dos melhores matemáticos ingleses do século
XVIII. Em sua homenagem, damos ao método o nome de Regra de Simpson.
Exemplo 04.
3
Use a regra de Simpson para estimar o valor da integral ∫2 1 + 𝑥 3 𝑑𝑥.
Precisamos de três pontos igualmente espaçados, vamos tomar o ponto médio do

intervalo [2,3].
𝑥0 = 2, logo , 𝑦0 = 1 + 23 = 3
𝑥1 = 2,5, logo, 𝑦 1 = 1 + 2,53 ≅ 4,0774
𝑥2 = 3,logo, 𝑦2 = 1 + 33 = 5,2915
2+3
𝑥1 = = 2,5
2
Assim podemos aproximar para:
3−2
ℎ= = 0,5
2
Portanto:
55
FIXANDO O CONTEÚDO
1. Usando a soma de Riemann, cinco subintervalos e escolhendo x_i como ponto médio
21
de casa subintervalo, marque a opção que aproxima a ∫1 𝑥 𝑑𝑥.
a) 0,594
b) 0,324
c) 0,263
d) 0,692
e) 0,134
2. O valor de , usando a regra dos trapézios é:
a) 32
b) 30
c) 20
d) 10
e) 40
1,2
2 1
3. Utilize a regra dos trapézios e determine o valor aproximado de∫1,0 𝑥 + 𝑥 𝑑𝑥 .
a) 0,4370
b) 0,4273
c) 0,3672
d) 0,4406
e) 0,3604
1,5
∫1,2 𝑥. 𝑙𝑛𝑥 𝑑𝑥 , utilize a regra dos trapézios.
4. O valor de
a) 1,2631
b) 1,3672
c) 1,3994
d) 1,3474
e) 1,4735
1,4
∫1,2 (𝑥 2 . 𝑙𝑛𝑥 + 1)𝑑𝑥 é: (Utilize a regra dos trapézios)
5. O valor aproximado de
a) 0,3642
b) 0,2736
c) 0,4721
d) 0,3127
e) 0,2904
2,0
∫1,6 𝑥. 𝑒 𝑥 𝑑𝑥 .
6. Utilize a primeira regra de Simpson,determine o valor aproximado de
a) 8,8346
b) 3,2137
c) 4,3214
d) 3,2143
e) 3,2731
56
7. Determine o valor aproximado de utilizando a regra de Simpson.
a) 1,4472
b) 0,6436
c) 0,2432
d) 0,4231
e) 0,4127
8. Usando a regra de Simpson, marque a opção que representa a aproximação da integral

1 2
∫0 𝑒 −𝑥 𝑑𝑥.
a) 0,7155
b) 0,6236
c) 0,4732
d) 0,3724
e) 0,6427
57
O MÉTODO DOS
QUADRADOS
MÍNIMOS
58
Nesta unidade, daremos prosseguimento ao estudo de aproximar dados por
funções conhecidas minimizando as distâncias. Apresentaremos e discutiremos
métodos e casos do problema de mínimos quadrados
6.1 O CASO LINEAR DISCRETO
Consideremos um conjunto de dados isolados que vamos aproximar por uma

função do primeiro grau.
Exemplo 01.
Encontrar a equação da reta que passa pelos pontos (1,6), (2,13) e (4,45).
I. Uma reta tem equação do tipo y=ax+b, temos:
II. Temos o seguinte sistema: possui três equações e duas
incógnitas, podemos trabalhar com as duas primeiras e substituir a solução na terceira

para verificar a igualdade.
Substituindo na primeira a+b=6 ⇒7+b=6 ⇒b=-1

III. Sustituir os valores de a e b na terceira equação 4a+b=45 ⇒4.7-1≠45, ou seja, o
sistema é impossível.
Como o sistema não tem solução podemos concluir que os pontos citados acima
não estão alinhados , nenhuma reta passará pelos três pontos, poderíamos escolher dois
dos pontos e encontrar a reta que passa por eles, usando-a como função de aproximação.
Surgem as seguintes indagações:
• Quais pontos devem ser escolhidos?
• Como dizer se uma aproximação é melhor do que a outra?
• Uma reta que não passa pelos pontos pode ter uma aproximação melhor?
Usamos o cálculo da distância vertical entre (xi,yi) e seu correspondente (xi,axi+b)
para medir o quanto uma reta y=ax+b se distancia de um conjunto de dados {(x0,y0
),…,(xn,yn)}, logo, temos o cálculo do módulo |yi-(axi+b)|,que diretamente divide os casos
em pontos que estão acima ou abaixo da reta, para simplificar o processo, calculamos
diretamente o quadrado desse valor.
dqi=(y_i-(axi+b))2
Esses elementos são chamados desvios quadrados.
Exemplo 02.
Para o conjunto de dados {(1,6),(2,13),(4,45)} e para a reta y=8x+2, calcule todos os desvios
quadrados.
59
I. Temos que substituir x por 1,2 e 4 na equação da reta
𝑦 = 8.1 + 2 = 8 + 2 = 10
𝑦 = 8.2 + 2 = 16 + 2 = 18
𝑦 = 8.4 + 2 = 32 + 2 = 34
II. Calculando os desvios quadrados, para y0=6,y1=13 e y2=45
FIQUE ATENTO
Para o conjunto de dados {(x0,y0),…,(xn,yn)},devemos encontrar a reta y=ax+b que minimiza
a soma dos desvios quadrados, ou seja, tal que o valor de:
Seja menor possível.
O nome método dos quadrados mínimos, consiste em encontrar os valores de a

e b que minimizem a expressão Q. Do cálculo sabemos que os pontos de mínimo de
uma funçao possuem derivadas nulas em relação às variáveis a e b. A derivada de Qem
relação a a é representada por 𝛿𝑄 e por ser igual a zero, devemos ter:
𝛿𝑎
𝛿𝑄
= 0 ⇔ − 2 ∑𝑛𝑖=0 𝑥𝑖 𝑦𝑖 − 𝑎𝑥𝑖 + 𝑏 = 0⇔
𝛿𝑎
60
Analogamente, a derivada de Q em relação a b é representada por
Juntando as equações resultantes, obtemos o sistema nas incógnitas a e b.
Essas equações são chamadas de equações normais do problema.
Exemplo 03.
Usando o método dos mínimos quadrados, encontre a reta que melhor se ajusta
ao conjunto de dados {(1,6),(2,13),(4,45)}.
Temos que x0=1,x1=2,x2=4 e y0=6,y1=13,y2=45
Assim, vamos calcular:
∑2𝑖=0 𝑥𝑖 2 = 𝑥02 + 𝑥12 + 𝑥22 = 12 + 22 + 42 = 1 + 4 + 16 =

21
∑2𝑖=0 𝑥𝑖 = 𝑥0 + 𝑥1 + 𝑥2 = 1 + 2 + 4 = 7
∑2𝑖=0 𝑥𝑖 𝑦𝑖 = 𝑥0 𝑦0 + 𝑥1 𝑦1 + 𝑥2 𝑦2 = 1 × 6 + 2 × 13 + 4 ×
45 = 6 + 26 + 180 = 212
∑2𝑖=0 𝑦𝑖 = 𝑦0 + 𝑦1 + 𝑦2 = 6 + 13 + 45 = 64
III. Colocando os valores encontrados no passo II no sistema de equações normais:
fica , resolvendo o sistema pelo processo
da substituição, encontramos resolvendo o sistema pelo processo da substituição,

61
94
encontramos 𝑎 = 7
e 𝑏 = −10.
94
IV. Dessa forma, a reta procurada tem equação 𝑎 = 7 e 𝑏 = −10.
FIQUE ATENTO
Ao processo descrito no exemplo 03, damos o nome de regressão linear dos dados e os
coeficientes procurados podem ser encontrados diretamente em algumas calculadoras
científica.
6.1.1 Caso discreto geral
No tópico anterior desta unidade, aproximamos um conjunto de dados por

uma função do primeiro grau, obtemos os coeficientes da equação da reta através da
resolução dessas equações.
O Método dos mínimos quadrados consiste em encontrar a função, dentro de um
modelo pré estabelecido, que minimize a soma dos desvios quadrados.
Dado o conjuto de pontos {(x0,y0 ),(x1,y1 ),…,(xn,yn)}, os desvios de uma função δ(x) são
definidos por di=|δ(xi )-yi |, e os desvios quadrados por dqi=(δ(xi)-yi)2, o modelo do método
dos mínimos quadrados é , a escolha da função depende dos fenômenos
descritos pelos dados ou da análise gráfica.
Assim como desenvolvido no caso linear, no processo da função quadrática
𝛿𝑄 𝛿𝑄 𝛿𝑄
faremos = = = 0 que irá gerar três equações normais.
𝛿𝑎 𝛿𝑏 𝛿𝑐
𝑛 4 𝑛 3 𝑛 2 𝑛 𝑛 2 𝑛 𝑛
𝑖=0 𝑥𝑖 , ∑𝑖=0 𝑥𝑖 ,∑𝑖=𝑜 𝑥𝑖 ,∑𝑖=0 𝑥𝑖 ,∑𝑖=0 𝑥𝑖 𝑦𝑖 , ∑𝑖=0 𝑥𝑖 𝑦𝑖 𝑒 ∑𝑖=0 𝑦𝑖
Os valores∑de sãofacilmente
determinados, porém para uma grande quantidade de pontos encontrá-los
manualmente se torna demorado, para encontrarmos uma equação do segundo grau
por exemplo são necessários cinco pontos. Após determinar os valores citados, basta
resolver o sistema de equações normais para determinar os coeficientes da função
δ(x)=ax2+bx+c.
Exemplo 04.
Usando o método dos mínimos quadrados, encontrar a equação da parábola que
melhor se ajusta ao conjuto de dado {(-2;14,5),(-1;7,5),(0;4,5),(1;2,5),(2;2),(3;4,5)}.
I. 𝛿 𝑥 = 𝑎𝑥 2 + 𝑏𝑥 + 𝑐,
Precisamos determinar os coeficientes da equação
temos: 𝑥0 = −2; 𝑥1 = −1; 𝑥2 = 0; 𝑥3 = 1; 𝑥4 = 2 ; 𝑥5 = 3 e 𝑦0 = 14,5; 𝑦1 =
7,5; 𝑦2 = 4,5; 𝑦3 = 2,5; 𝑦4 = 2 ; 𝑦5 = 4,5

62
II. Encontrando os valores de:
∑5𝑖=0 𝑥𝑖4 = 𝑥04 + 𝑥14 + 𝑥24 + 𝑥34 + 𝑥44 + 𝑥54 = (−2)4 +(−1)4 +04 + 14+24 +34 = 115;
∑5𝑖=0 𝑥𝑖3 = 𝑥03 + 𝑥13 + 𝑥23 + 𝑥33 + 𝑥43 + 𝑥53 = (−2)3 +(−1)3 +03 + 13+23 + 33 = 27
∑5𝑖=0 𝑥𝑖2 = 𝑥02 + 𝑥12 + 𝑥22 + 𝑥32 + 𝑥42 + 𝑥52 = (−2)2 +(−1)2 +02 + 12+22 +32 = 19;
∑5𝑖=0 𝑥𝑖 = 𝑥0 + 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 = −2 + −1 + 0 + 1 + 2 + 3 = 3;
∑5𝑖=0 𝑥𝑖2 𝑦𝑖 = 𝑥02 𝑦0 + 𝑥12 𝑦1 + 𝑥22 𝑦2 + 𝑥32 𝑦3 + 𝑥42 𝑦4 + 𝑥52 𝑦5 = (−2)2 ×14,5+(−1)2 × 7,5 +
02 × 4,5 + 12 × 2,5 + 22 × 2 + 32 × 4,5 = 58 + 7,5 + 0 + 2,5 + 8 + 40,5 = 116,5;
∑5𝑖=0 𝑥𝑖 𝑦𝑖 = 𝑥0 𝑦0 + 𝑥1 𝑦1 + 𝑥2 𝑦2 + 𝑥3 𝑦3 + 𝑥4 𝑦4 + 𝑥5 𝑦5 = −2 × 14,5 + −1 × 7,5 +
0 × 4,5 + 1 × 2,5 + 2 × 2 + 3 × 4,5 = −29 − 7,5 + 0 + 2,5 + 4 + 13,5 = −16,5;
∑5𝑖=0 𝑦𝑖 = 𝑦0 + 𝑦1 +𝑦2 + 𝑦3 + 𝑦4 + 𝑦5 = 14,5 + 7,5 + 4,5 + 2,5 + 2 + 4,5 = 35,5;
III. O sistema de equações normais descrito acima fica:
, cuja solução pode ser encontrada (ou
aproximada) por algum método conhecido para resolver sistema. Temos:

𝑎 ≅ 1,0269, 𝑏 ≅ −2,9839 𝑒 𝑐 ≅ 4,1571.
IV. Assim a parábola procurada tem equação y=1,0269x2-2,9839x+4,1571
VAMOS PENSAR?
O método empregado no exemplo 04 pode ser estendido para encontrar polinômio de
qualquer grau cujo gráfico aproxime um conjunto de pontos. Porém o processo ganha
complexidade à medida que o grau do polinômio aumenta.
6.2 O CASO CONTÍNUO
No caso contínuo não trabalhamos com um conjunto de dados , teremos uma

função f:[a,b]→R a qual aproximaremos por outra função ∂:[a,b]→R Não podemos definir
o desvio total pela soma dos desvios de cada ponto já que o conjunto base não é mais
formado por pontos isolados.Segue a definição:
Dada a função f:[a,b]→R , o desvio quadrado total de ∂:[a,b]→R em relação a f é dado
por
Exemplo 05.
Encontre uma função do primeiro grau que minimiza o desvio quadrado total em
relação à função f(x)=x3+6 no intervalo [0,1].
63
I. Sabemos que uma função do primeiro grau é do tipo ∂(x)=ax+b.
II. Calculando o desvio total no intervalo dado temos:
1
𝑄 = ∫0 ( 𝑥 3 + 6 − 𝑎𝑥 + 𝑏 )2 𝑑𝑥 =
274 32𝑎 25𝑏 𝑎2
III. Como o objetivo é minimizar o valor de de𝑄 = 7 − 5 − 2 + 3 + 𝑎𝑏 + 𝑏2 ,
devemos anular suas derivadas parciais em relação a a eb. Assim calculamos:
∂𝑄 −32 2𝑎 ∂𝑄 −25
= + +𝑏𝑒 = + 𝑎 + 2𝑏
∂𝑎 5 3 ∂𝑏 2
IV. Vamos igualar as duas equações a zero, teremos:

2𝑎 32 25
3
+𝑏 = 5
e 𝑎 + 2𝑏 = 2
. Multiplicando a primeira por 15 e a segunda por 2, obtemos
o sistema:Multiplicando a primeira por 15 e a segunda por 2, obtemos o sistema:
, resolvendo pelo processo da soma encontramos: a=0,9 e b=5,8.
Assim, a função procurada é da equação δ(x)=0,9x+5,8.

Podemos perceber que ajustar curvas pelo processo dos mínimos quadrados pode ser
bem trabalhoso, como por exemplo, fazer o exemplo anterior ajustando por função do
segundo grau.
FIQUE ATENTO
O ajuste pelos mínimos quadrados permite, também, obter aproximações para valores
fora do intervalo considerado com certa segurança.
BUSQUE POR MAIS

https://bit.ly/3V06JcD Acesso em 12 out. 2022.
64
FIXANDO O CONTEÚDO
1.Para o conjuntos de dados {(1,2),(3,9),(5,16),(7,20)} e para a reta y=3x-1, marque a opção

que representa todos os desvios quadrados.
a)0,1,4 e 0
b)3,4,4 e 6
c)2,3,4 e 1
d)3,4,5 e 6
e)2,7,9 e 11
2. Usando o método dos mínimos quadrados, encontre a equação da reta que melhor
ajusta ao conjunto de dados {(1,2),(3,9),(5,16),(7,20)}.
12 1
a) 𝑦 = 5
𝑥−
5
61 9
b) 𝑦 = 𝑥−
20 20
c) 𝑦 = 61𝑥 − 9
21 3
d) 𝑦 = 5
𝑥−
5
e) 𝑦 = 12𝑥 − 4
3. Aproximando a função f(x)=4x3por um por um polinômio do primeiro grau, uma reta,

no intervalo [a,b]=[0,1].
18𝑥 4
a) ∂𝑥 = −
5 5
8𝑥 4
b) ∂ 𝑥 = −
5 5
18𝑥 4
c) ∂𝑥 =
5
+
5
28𝑥 4
d) ∂𝑥 =
5
−
5
e) ∂𝑥 =
18𝑥 14
5
−
5
4. Usando o método dos mínimos quadrados, encontre a reta que melhor se ajusta ao
conjunto de dados {(1,3),(3,7),(4,9)}.
a)y=4x-1
b)y=2x+12
c)y=2x+1
d)y=x-1
e)y=4x-12
65
5. Ache a aproximação linear através dos mínimos quadrados para os pontos:
{(1,1),(2,4),(3,8)}.
a) 𝑦 = 1 𝑥 − 2
3
4 1
b) 𝑦 = 𝑥 −
5 3
2 2
c) 𝑦 = 7 𝑥 − 3
d) 𝑦 = 7 𝑥 − 8
2 3
e) 𝑦 = 3𝑥 − 6
6. Ache a aproximação linear através dos mínimos quadrados para os pontos:

{(2,2),(4,11),(6,28),(8,40)}.
a)y=6x-12
b)y=7,6x-12,5
c)y=6,55x-12,5
d)y=2,7x-11,5
e)y=3,2x-11,2
7.Considere a seguinte tabela da função y=f(x). Encontre a aproximação linear através

dos mínimos quadrados para os pontos da tabela.
i 0 1 2 3 4
xi 0.00 0.25 0.50 0.75 1.00
yi 1.000 1.2840 1.6487 2.1170 2.7183
a)P2 (x)=0.8437x2+0.8641x+1.0052
b)P2 (x)=0.7437x2+0.6641x+1.0052
c)P2 (x)=0.8437x2+0.4641x+2.0052
d)P2 (x)=0.5437x2+0.2641x+1.0052
e)P2 (x)=0.8437x2+0.8831x+3.0052
8. Sejam os pontos {(1,5);(2,7);(0,3)}. A reta que melhor se ajusta aos pontos é:
a)y=12x-4
b)y=2x+3
c)y=0,7x-1,2
d)y=0,4x+1,5
e)y=2,2x+1,3
66
RESPOSTAS DO FIXANDO O CONTEÚDO
UNIDADE 1 UNIDADE 2
QUESTÃO 1 A QUESTÃO 1 E
QUESTÃO 2 C QUESTÃO 2 D
QUESTÃO 3 E QUESTÃO 3 D
QUESTÃO 4 B QUESTÃO 4 C
QUESTÃO 5 A QUESTÃO 5 C
QUESTÃO 6 C QUESTÃO 6 A
QUESTÃO 7 D QUESTÃO 7 A
QUESTÃO 8 E QUESTÃO 8 A
UNIDADE 3 UNIDADE 4
QUESTÃO 1 A QUESTÃO 1 A
QUESTÃO 2 B QUESTÃO 2 B
QUESTÃO 4 D QUESTÃO 4 D
QUESTÃO 5 E QUESTÃO 5 E
QUESTÃO 6 E QUESTÃO 6 A
QUESTÃO 7 D QUESTÃO 7 B
UNIDADE 5 UNIDADE 6
QUESTÃO 1 D QUESTÃO 1 A
QUESTÃO 2 A QUESTÃO 2 B
QUESTÃO 3 B QUESTÃO 3 A
QUESTÃO 4 C QUESTÃO 4 C
QUESTÃO 5 E QUESTÃO 5 E
QUESTÃO 6 A QUESTÃO 6 C
QUESTÃO 7 A QUESTÃO 7 A
QUESTÃO 8 A QUESTÃO 8 B
67
REFERÊNCIAS BIBLIOGRÁFICAS
M. A. G. Ruggiero, V. L. da R. L. Cálculo Numérico - Aspectos Teóricos e Computacionais,

2ª edição, Editora Pearson, 1997.
M.C. Cunha. Métodos Numéricos. 2a edição, Editora da Unicamp, 2000.
N.B. Franco. Cálculo Numérico. Pearson Prentice Hall, 2007.
Richard L. Burden e J. Douglas Faires, Análise Numérica, Cengage Learning, Tradução da

8. Ed. Americana, 2008
A. Quarteroni, F. Saleri. Cálculo Científico - Com MATLAB e Octave. (Online grátis para
internet da Unicamp)
D. S. Watkins, Fundamentals of Matrix Computations, New Jersey: John Wiley & Sons, 3.
Ed, 2010
ANTON,Howard e BUSBY, Robert C. Álgebra linear contemporânea. Tradução Claus Ivo

Doering. Porto Alegre: Bookman, 2006.
ASANO, Claudio Hirofume e COLLI, Eduardo. Cálculo numérico: fundamentos e

aplicações.2007.Disponível em:https://bit.ly/3WrWW0p.
68
graduacaoead.faculdadeunica.com.br

Cálculo Numérico: Prof. Michele L Mourão Fernandes

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cálculo Numérico: Prof. Michele L Mourão Fernandes

Enviado por

Direitos autorais:

Formatos disponíveis

1

Diretor Geral: Prof. Esp. Valdir Henrique Valério

Diretor Executivo: Prof. Dr. William José Ferreira

Revisão Gramatical e Ortográfica: Profa. Izabel Cristina

Revisão Técnica: Profa. Me. Sarah Mazzini

Revisão/Diagramação/Estruturação: Clarice Virgilio Gomes

MICHELE LANA M. FERNANDES

BUSQUE POR MAIS

1.1 Modelos Matemáticos ................................................................................................................................................................................................................................................................10

1.1 MODELOS MATEMÁTICOS

A Modelagem matemática é a área da matemática que transforma os fenômenos ou as

O Fluxograma nos apresenta duas etapas fundamentais para alcançarmos o resultado

Vamos abordar dois exemplos simples para melhor diferenciar os métodos

Exemplo 2: (Retirado do livro do MEC, cálculo numérico, Fortaleza, 2010)

1.3 FONTES DE ERROS

Os métodos numéricos fornecem soluções aproximadas para os problemas reais,

1.3.1 Erros de truncamento

Quando os processos são infinitos ou muito grandes para a determinação de certo

1.3.2 Erros de arredondamento

No processo de cálculo de uma solução numérica ocorrem erros de arredondamento.

Ao resolvermos modelos matemáticos, muitas vezes utilizamos instrumentos de

1.4 REPRESENTAÇÃO DO NÚMERO EM PONTOS FLUTUANTES

A necessidade de contar e registrar os objetos contados vem desde os tempos

69 = 1x26 + 0𝑥25 + 0𝑥24 + 0𝑥23 + 1𝑥22 + 0𝑥21 + 1𝑥20 = (1000101)2

69 =1𝑥82 + 0𝑥81 +5𝑥80 = (105)8

Transformar as bases abaixo para números decimais

Para fixar melhor a representação em ponto flutuante normalizada, vejamos o

BUSQUE POR MAIS

1. (https://bit.ly/3ULW05J) Marque a opção que apresenta o valor absoluto e relativo que

a)EA = 0,000087 e ER = 0,0133%.

2. Mudar a representação do número (1101) base 2 para base 10.

3. Considere o valor exato x= 3247,512 e o valor aproximado 𝑥̅ = 3247,000. O erro relativo

5. Considere x=100; 𝑥̅ =100,1, y=0,0006 e 𝑦� =0,0004. Assim, EAX=0,1 e EAy=0,0002. Marque

6. A forma binária do número 37 é:

7. A representação em ponto flutuante normalizada na base indicada do número (5987)10

8. Um administrador de sistemas, ao analisar o conteúdo de um arquivo binário, percebeu

2.1 MÉTODO DA BISSECÇÃO

Consiste em um dos métodos para se determinar as possíveis raízes de uma

Figura 2 : representa a interpretação geométrica do método da bissecção.

𝑓 2 = 2. 𝑙𝑛2 − 3.2 = −1,8137

𝑓 3 = 3. 𝑙𝑛3 − 3.2 = 0,09584

a xn b f(a) f(xn) |xn- a| ε=|f(xn)|

A raiz desejada é ε=2,953125

II. Redefinir o intervalo

𝑓 2,5 . 𝑓 3 < 0, o novo intervalo será: 2,5 ; 3

Como,|f(xn)|<erro, precisamos fazer a segunda iteração.

2.2 MÉTODO DA FALSA POSIÇÃO

Para determinar o critério de parada, que determina quando não precisamos

• Vamos calcular o valor da primeira interação:

Calculando f(x), temos:

𝐹 0,375 = 0,375 3 − 9. 0,375 − 3 = −0,322

Calculando f(x), temos:

I. Estamos nos aproximando do critério de parada, ou seja, |xk-xk-1 |<erro.

• Para redefinir o intervalo, utilizamos novamente o teorema de Bolzano, como o

2.3 MÉTODO DE NEWTON

Figura 3: Forma Gomética do método de Newton

Critério de parada, que determina quando não precisamos prosseguir com as

Se x1=1, podemos substituir na fórmula de Newton, logo:

Se x2= 1,2, temos que

Logo a raiz aproximada da nossa equação será 1,1797.

1. Considere a funçãof(x)=x.ln(x)-3, calcule os valores de f(x) para os seguintes valores

2. A função f(x)=2x-3x, possui dois zeros, um no intervalo de [0,1] e outro no intervalo

8. Encontre a raiz aproximada, utilizando o método de Newton de F(x)=5x4-sen(x), com