INTRODUÇÃO AOS MÉTODOS

NUMÉRICOS
Integração Numérica
 Introdução

➢ Seja f uma função contínua no intervalo [a,b] da qual se conhece uma

primitiva F. Então o valor da integral definida de f pode ser calculada
usando a fórmula de Newton-Leibnitz:
b

 f ( x )dx = F ( b ) − F ( a )
a
onde F ’(x)=f(x).

Mas quando a forma analítica de F(x) for de difícil obtenção, ou

quando conhecermos somente valores discretos de f(x) (como uma
tabela de dados), precisamos recorrer a métodos numéricos para a sua
resolução

3
Introdução aos Métodos Numéricos
 Introdução

➢ Os métodos mais utilizados são classificados em dois grupos:

1) Fórmulas de Newton-Cotes – empregam valores de f(x), onde os

valores de x são igualmente espaçados.
2) Fórmulas de Quadratura Gaussiana – utilizam pontos diferentemente
espaçados, onde este espaçamento é determinado por certas
propriedades de polinômios ortogonais.

4
Introdução aos Métodos Numéricos
 Introdução – Interpretação Geométrica da Integral
y
f ( x)

a x
b

 f ( x )dx
a
O valor numérico da integral
é igual à área entre a função e
o eixo x no intervalo [a, b].

5
Introdução aos Métodos Numéricos
 Introdução – Interpretação Geométrica da Integral
y
f ( x)

a x
b

➢ Para calcular a integral divide-se o intervalo [a,b] em N sub-intervalos

iguais x=(b-a)/N, e escreve-se
b N −1

 f ( x )dx = lim  f ( x )x

a
x →0 n = 0 n
N →

6
Introdução aos Métodos Numéricos
 Introdução – Interpretação Geométrica da Integral
y
f ( x)

a x
b

➢ Numericamente, toma-se x pequeno o suficiente para que o erro do

cálculo seja inferior a um certo valor pré-determinado.
b N −1

 f ( x )dx =  f ( x )x   = ( f + f + f +  + f )x  

a n =0
n 0 1 2 N −1

7
Introdução aos Métodos Numéricos
 Introdução – Interpretação Geométrica da Integral

➢ É evidente na figura que, a não ser que tomemos x muito pequeno, os

erros serão grandes:
“as áreas que faltam do retângulo”
➢ O erro pode ser minimizado, sem diminuir o tamanho de x:
“escolhendo uma figura geométrica mais adequada para calcular
a área sob a função, como um trapézio, por exemplo”
➢ É interessante observar que aproximar a área sob a função pela soma de
áreas de trapézios é o equivalente a:
“realizar interpolação linear de f(x), ou seja,
ligar os pontos {xn, yn} com retas”
8
Introdução aos Métodos Numéricos
Fórmulas de Newton-Cotes
 Fórmulas de Newton-Cotes

As fórmulas de Newton-Cotes podem ser:

➢ Comentário 1: do tipo fechado: tais fórmulas são aquelas em que

todos os pontos estão no intervalo de integração [a, b], e x0 = a e
xm = b são os extremos.

➢ Comentário 2: do tipo aberto: nestas fórmulas todos os pontos estão

no intervalo, [a, b], de integração, porém a função integrada, y = f(x),
não é avaliada em ambas as extremidades do intervalo, mas em
pontos próximos. São utilizadas quando a função integrada apresenta
descontinuidades nos extremos do intervalo de integração, ou seja,
têm utilidade na análise de integrais impróprias.

10
Introdução aos Métodos Numéricos
 Newton-Cotes

➢ Neste caso, o polinômio que interpola f(x) o faz em pontos igualmente

espaçados de [a,b]. Se os subintervalos têm comprimento h, então as
fórmulas fechadas de Newton-Cotes para integração têm a forma:

b xn

 f ( x )dx =  f ( x )dx  A f ( x ) + A f ( x ) +  + A f ( x )
a x0
0 0 1 1 n n

n
  Ai f ( xi )
i =0

onde xi+1-xi = h = (b-a)/n.

11
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS

➢ Se usarmos a fórmula de Lagrange para expressar o polinômio p1(x) que

interpola f(x) em x0 e x1 temos:

b x1 = b

 f ( x )dx   p ( x )
a x0 = a
1

 ( x − x1 )
x1
( x − x0 ) 
  f ( x0 ) + f ( x1 ) dx = I T
x 
0 −h h 

 I T =  f ( x0 ) + f ( x1 )
h
2

12
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS

➢ Note que IT é a área do trapézio de altura h=x1-x0 e de base f(x0) e f(x1).

y
f ( x)

f ( x1 )

f ( x0 )

x
a = x0 b = x1
13
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS

➢ Ao substituir a área delimitada pelas curvas y=f(x), x=x0, x=x1 e y=0 pela
área do trapézio estamos realizando uma aproximação e cometendo um
erro. Verifica-se que este erro é dado por,
x1 =b

f ( x ) =  f ( x0 ) + f ( x1 ) + ET
h

x =a
0 2

ℎ3
𝐸𝑇 ≤ max 𝑓 ″ (𝑥)
12 𝑥∈[𝑎,𝑏]
14
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS REPETIDA

➢ Quando o intervalo [a,b] é grande, devemos fazer várias subdivisões e

aplicar a regra do trapézio repetidas vezes. Sendo

xi +1 − xi = h com i = 0 ,1,2 , , m
b m xi +1

 f ( x )dx    f ( x )dx
a i = 0 xi


3
f ( ci ) 
    f ( xi ) + f ( xi +1 ) −
m h h

i =0
2 12 
onde ci ( xi , xi+1 )
15
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS REPETIDA

Graficamente,

h
O erro cometido em aplicar m vezes a regra do trapézio é:

𝑚ℎ3
𝐸𝑇𝑅 ≤ max 𝑓 ″ (𝑥)
12 𝑥∈[𝑎,𝑏]
b−a
m=
h
16
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS REPETIDA

➢ Em resumo:

b xm

 f ( x )dx =  f ( x )dx
a x0


3 f ( )
=  f ( x0 ) + 2 f ( x1 ) + 2 f ( x2 ) +  + 2 f ( xm−1 ) + f ( xm ) − mh
h
2 12

I TR ETR

( b − a )h 2
ETR  max
x[ a ,b ]
f ( x )
12
17
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS REPETIDA (Exemplo)

Exemplo 1: Exemplo: Calcular a integral definida abaixo, utilizando a regra

dos trapézios com:
n = 5 intervalos.
n= 10 intervalos. 4
1
1 x dx
Resolução:

a) Fazendo 5 subintervalo no intervalo [0,1] temos,

18
Introdução aos Métodos Numéricos
 Aplicando a regra do trapézio repetida,

h
 f ( x0 ) + 2 f ( x1 ) + 2 f ( x2 ) +  + 2 f ( xm−1 ) + f ( xm )
xn

 f ( x )dx =
x0 2

𝟒
𝟏
න 𝒅𝒙 = 𝟏, 𝟒𝟏𝟑 ∓ 𝟎, 𝟏𝟖
𝒙
𝟏
Estimativa do erro:
𝑏 − 𝑎 . ℎ2 4 − 1 . 0,6 2
𝐸 ≤ 𝑚𝑎𝑥 𝑓"(𝑥) = . 2 = 0,18
12 12
19
Introdução aos Métodos Numéricos
Utilizando uma tabela com os valores de x e f(x)

i x f(x) c
0 1,0 1,000 1
1 1,6 0,625 2
2 2,2 0,454 2
3 2,8 0,357 2
4 3,4 0,294 2
5 4,0 0,250 1

20
Introdução aos Métodos Numéricos
Resolução: Fazendo 10 subintervalo no intervalo [0,1] temos,

i x f(x) c
0 1,0 1,000 1
1 1,3 0,769 2
2 1,6 0,625 2
3 1,9 0,526 2
4 2,2 0,454 2
5 2,5 0,400 2
6 2,8 0,357 2
7 3,1 0,322 2
8 3,4 0,294 2
9 3,7 0,270 2
10 4,0 0,250 1
21
Introdução aos Métodos Numéricos
 4
1 0,3 1.1 + 2.0,769 + 2.0,625 + 2.0,526 + 2.0,454 + 2.0,4 +
න 𝑑𝑥 =
𝑥 2 2.0,357 + 2.0,322 + 2.0,294 + 2.0,27 + 1.0,25
1

4
1 0,3
න 𝑑𝑥 = 9,288 = 1,393
𝑥 2
1

Como pode-se notar, um maior número de pontos torna o

resultado mais próximo do valor real.

22
Introdução aos Métodos Numéricos 22
 Regra dos TRAPÉZIOS REPETIDA (Exemplo)

Exemplo 1: Considere a integral,

1

 dx
x
e
0

a) Calcule uma aproximação para a integral utilizando 10 subintervalos e a

regra do trapézio repetida. Estime o erro cometido.
b) Qual é o número mínimo de subdivisões, de modo que o erro seja inferior
a 10-3 ?
Resolução:

a) Fazendo 10 subintervalo no intervalo [0,1] temos,

b − a 1− 0
h= = = 0 ,1
10 10
23
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS REPETIDA (Exemplo)

Aplicando a regra do trapézio repetida,

x f ( x )dx =  f ( x0 ) + 2 f ( x1 ) + 2 f ( x2 ) +  + 2 f ( xm−1 ) + f ( xm )
xn
h
0 2
0 ,1 0
  = 1,719713
1

0 e x
dx = e + 2 e 0 ,1
+ 2 e 0 ,2
+ 2 e 0 ,3
+  + 2 e 0 ,9
+ e 1 ,0

2
Estimativa do erro:
( b − a )h 2 (1 − 0 )0 ,12 1
ETR  max
x[ a ,b ]
f ( x ) = e = 0 ,003
12 12
1

 = 1,720  0,003
x
e
0

24
Introdução aos Métodos Numéricos
 Regra dos TRAPÉZIOS REPETIDA (Exemplo)

b) Para obter o erro de 10-3 temos que:

( b − a )h 2
ETR  max f ( x )  10 −3
x[ a ,b ]
12

(1 − 0 ) h 2 1 12  10 −3

ou seja e  10 −3  h2   h  0,0665
12 e
assim,
1
m = = 15.03759  m  16
h
Portanto, para obter um erro de 10-3 temos que dividir o intervalo [0,1]
em 16 subintervalos.

25
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON

➢ Novamente, podemos usar a fórmula de Lagrange para estabelecer a

fórmula de integração resultante da aproximação de f(x) por um
polinômio interpolador de grau 2.

➢ Seja p2(x) que interpola f(x) nos pontos x0=a, x1=x0+h e x2=x0+2h=b :

( x − x )( x − x ) ( x − x )( x − x ) ( x − x )( x − x )
p2 ( x ) = 1
f (x )+
2
f (x )+
0 2
f(x ) 0 1

( x − x )( x − x )
0 1 0 2
( x − x )( x − x )
0
1 0
( x − x )( x − x )
1 2
1
2 0 2 1
2

( x − x )( x − x ) (x − x )( x − x ) (x − x )( x − x )
p2 ( x ) = 1 2
f (x )+ f (x )+
0 2
f(x ) 0 1

(− h)(− 2h) 0
(h)(− h) (2h)(h) 1 2

26
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON

( x − x )( x − x ) (x − x )( x − x ) (x − x )( x − x )
p2 ( x ) = 1 2
f (x )+ 0
f (x )+ 2 0 1
f(x )
(− h)(− 2h) 0
(h)(− h) (2h)(h)
1 2

27
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON

( x − x )( x − x ) (x − x )( x − x ) (x − x )( x − x )
p2 ( x ) = 1 2
f (x )+ f (x )+
0 2
f(x ) 0 1

(− h)(− 2h) (h)(− h )

0
(2h)(h) 1 2

x2 = b

 a f ( x ) dx   p2 ( x ) dx = I S
b

x0 = a

f ( x0 ) x f ( x1 ) x
x ( x − x1 )( x − x2 ) dx − 2 x ( x − x0 )( x − x2 ) dx +
2 2

IS = 2
2h 0 h 0

f ( x2 ) x
x ( x − x0 )( x − x1 ) dx
2

+ 2
2h 0
Regra 1/3 de Simpson
I S =  f ( x0 ) + 4 f ( x1 ) + f ( x2 )
h
3
28
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON

➢ De modo análogo à Regra do Trapézio, na Regra 1/3 de Simpson estamos

realizando uma aproximação e cometendo um erro. Verifica-se que este
erro é dado por:

x2 = b

f ( x ) dx =  f ( x0 ) + 4 f ( x1 ) + f ( x2 ) + ES
h

x =a
0 3
h 5 ( iv )
com ES = − f ( c ) onde c  ( x0 , x2 )
90

29
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON REPETIDA

➢ Novamente, quando o intervalo [a,b] é grande, a solução é fazer várias

subdivisões e aplicar a regra 1/3 de Simpson repetidas vezes. Sendo

xi +1 − xi = h com i = 0 ,1,2 , , m

aplicando Simpson 1/3 em um subintervalo :


5 ( iv )
(ci ) 
x f ( x ) dx =   f ( xi −2 ) + 4 f ( xi −1 ) + f ( xi ) −
xi
h h f

i −2 3 90 

onde ci ( xi−2 , xi )

30
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON REPETIDA

➢ Considerando todos os subintervalos temos:

a f ( x ) dx  {  f ( x0 ) + 4 f ( x1 ) + f ( x2 ) +  f ( x2 ) + 4 f ( x3 ) + f ( x4 ) +
b
h
3
5 ( iv )
(ci )
.....+  f ( xm−2 ) + 4 f ( xm−1 ) + f ( xm ) } − 
m/ 2 h f
= I SR + ESR
i =1 90
h
I SR =  f ( x0 ) + 4 f ( x1 ) + 2 f ( x2 ) + 4 f ( x3 ) + 2 f ( x4 ) +
3
... + 2 f ( xm−2 ) + 4 f ( xm−1 ) + f ( xm )
m  h 5 f ( iv ) (ci )  ( b − a )h 4
ESR = −   ESR  max f iv
( x)
2 90  180 x[ x ,x ]
0 m

31
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON REPETIDA (Exemplo)

Exemplo 1: Considere a integral,

1

 dx
x
e
0

a) Calcule uma aproximação para a integral utilizando 10 subintervalos e a

regra 1/3 de Simpson repetida. Estime o erro cometido.
b) Qual é o número mínimo de subdivisões, de modo que o erro seja inferior
a 10-3 ?
Resolução:

a) Fazendo 10 subintervalo no intervalo [0,1] temos,

b − a 1− 0
h= = = 0 ,1
10 10
32
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON REPETIDA (Exemplo)

Aplicando a regra 1/3 de Simpson repetida,

x f ( x )dx =  f ( x0 ) + 4 f ( x1 ) + 2 f ( x2 ) +  + 4 f ( xm−1 ) + f ( xm )
xm
h
0 3
0 ,1 0
  = 1,718283
1

0 e x
dx = e + 4 e 0 ,1
+ 2 e 0 ,2
+ 4 e 0 ,3
+  + 4 e 0 ,9
+ e 1 ,0

3
Estimativa do erro:
( b − a )h 4 (1 − 0 )0 ,14 1
ETR  max f iv
( x ) = e = 2  10 −6

180 x[ x ,x ]0 m
180
1

 = 1.718283  0.000002
x
e
0

33
Introdução aos Métodos Numéricos
 Regra 1/3 de SIMPSON REPETIDA (Exemplo)

b) Para obter o erro de 10-3 temos que:

( b − a )h 4
ETR  max f iv
( x )  10 −3

180 x[ x ,x ]
0 m

(1 − 0 ) h 4 1 180  10 −3

ou seja e  10 −3  h 4   h  0,50728
180 e
assim, 1
m= = 1,9713  m2
h
Portanto, para obter um erro de 10-3 temos que dividir o intervalo [0,1]
em 2 subintervalos.
Note a convergência rápida da
regra 1/3 de Simpson
34
Introdução aos Métodos Numéricos