UNIVERSIDADE BRAZ CUBAS

Notas de Aula - CÁLCULO NUMÉRICO
Prof. Nicolau

Conteúdos
Introdução........................................................................................................................................1
Erros e incertezas.............................................................................................................................2
Sistemas Lineares de Equações.......................................................................................................6
Classificação de sistemas lineares ..............................................................................................6
Solução do Sistema de Equações Lineares.................................................................................8
Método de Eliminação de Gauss............................................................................................8
Métodos iterativos de resolução de sistema de equações lineares............................................10
Método de Jacobi:................................................................................................................10
Método de Gauss-Seidel.......................................................................................................13
Critério de convergência para métodos iterativos.....................................................................13
Equações algébricas e transcendentes ...........................................................................................15
Avaliação de polinômios: .........................................................................................................16
Método de Horner................................................................................................................16
Método de Briot-Ruffini.......................................................................................................16
Limites das raízes reais.............................................................................................................17
Determinação do intervalo onde há raízes................................................................................17
Determinação de raízes pelo método da bissecção...................................................................20
Aplicação do método da bissecção para funções transcendentais............................................21
Determinação de raízes pelo método de Newton-Raphson.......................................................23
Interpretação geométrica...........................................................................................................23
Interpolação...................................................................................................................................25
Interpolação linear.....................................................................................................................25
Interpolação linear por relação de proporcionalidade..........................................................26
Interpolação quadrática.............................................................................................................27
Interpolação de Newton............................................................................................................29
Definição..............................................................................................................................29
Diferenças divididas.............................................................................................................29
Interpolação de Lagrange..........................................................................................................31
O método dos Mínimos Quadrados...............................................................................................32
Regressão Linear.......................................................................................................................32
Coeficiente de determinação R2...............................................................................................34
Ajuste da curva exponencial.....................................................................................................35
Ajuste da curva potencial..........................................................................................................36
Integração Numérica......................................................................................................................38
Método dos trapézios................................................................................................................38
Estimativa de incertezas no método dos trapézios....................................................................40
Método de Simpson...................................................................................................................42
Estimativa de incertezas no método de Simpson......................................................................44

UNIVERSIDADE BRAZ CUBAS
Notas de Aula - CÁLCULO NUMÉRICO
Prof. Nicolau

Introdução
Quando o cálculo é aplicado na solução de problemas reais (Fisica, engenharia, economia,
etc...), em algum momento é necessário utilizar “números” para se obter a resposta desejada. Em
aplicações de matemática, o resultado final desejado, de um modo geral, tem que ser quantitativo. Em
algumas circunstâncias a substituição de variáveis por números ocorre somente no “final” do cálculo,
em algumas circunstâncias isto ocorre em uma fase bem preliminar.
Por cálculo numérico se compreende uma série de procedimentos que utilizam técnicas
numéricas para a realização de cálculos. Tomemos a derivação como exemplo: se f(x) = x2, para a
obtenção da derivada de f(x) no ponto x = 1 podemos utilizar o método analítico ou o método numérico.
Método analítico:
Aplicando a definição de derivada,
f  xh− f  x 
 xh2 − x 2
df
=lim
=lim
=2 x=2 para x = 1.
dx h  0
h
h
h0
Método numérico:
Escolhemos inicialmente um valor arbitrariamente pequeno de h (por exemplo, h = 0,01) e
substituímos tanto o valor de x = 1 quanto h = 0,01 na definição de derivada. Teremos então
10,012 −12
df

=2,01
dx x=1
0,01
Verifica-se um diferença de de 0,01 entre os valores calculados analítica e numericamente. Isto
se deve ao fato de termos utilizado um valor finito de h = 0,01 em vez de h  0.
Exercício 1: Verificar que a diferença entre os valores calculados analítica e numericamente diminui se
escolhermos valores menores de h.
Mesmo na resolução analítica da derivada acima, no final, foi substituído o valor 1 na variável
x. Assim, mesmo quando se utilizam analíticos, em algum momento é necessário substituir variáveis
1

por seus valores numéricos para a obtenção de soluções quantitativas de problemas.
O cálculo numérico é a disciplina que estuda métodos numéricos para a solução de problemas
matemáticos. Neste curso será apresentada uma introdução ao cálculo numérico, com especial atenção
à propagação de erros associada ao método em questão. Serão abordados os tópicos:
Erros e incertezas;
Solução de sistemas lineares de equações;
Solução de equações algébricas e transcendentes;
Interpolação
Método dos mínimos quadrados
Integração numérica.

Erros e incertezas.
Em um dado processo de obtenção de uma solução quantitativa para um dado problema1, surge
espontaneamente o conceito de Erro. Por erro é entendida a diferença entre o valor real de uma dada
grandeza e aquela que é obtida. Logo, erro é um conceito filosófico: se não conhecemos o valor real de
uma dada grandeza, como podemos saber a diferença entre este valor e o o obtido por algum método de
medição ou de cálculo? Daí que modernamente se prefere utilizar o conceito de incerteza. De qualquer
maneira, neste curso utilizaremos o termo erro para expressar indistintamente erro ou incerteza, como
utilizado pela maioria da bibliografia de uso didático no momento.
Erro de modelamento: a equação (expressão) matemática utilizada para expressar algum fenômeno ou
processo tem aproximações, não o descreve precisamente. Exemplo: a queda livre de um objeto
próximo ao solo é expressa pela conhecida equação de movimento S = S0 + v0t + gt2/2, onde S é a
posição do corpo no instante t, S0 é a posição do corpo no instante t = 0, v0 é a velocidade de corpo no
instante t0 e g é a aceleração da gravidade. Esta equação não leva em conta a resistência do ar, assim,
ela é precisa ou para pequenas velocidades (ou para um ambiente em vácuo). Conforme a velocidade
aumenta este equação passa a ser cada vez menos precisa.
Erro de truncamento e arredondamento: representamos números reais utilizando o sistema decimal
ou o binário (utilizado por computadores) de um modo geral. Ao executarmos algumas operações, o
resultado pode necessitar de um número muito grande de dígitos (até mesmo um número infinito de
dígitos, no caso de números irracionais) para ser representado com exatidão. O que ocorre na realidade
é que limitamos o número de dígitos de modo que o erro introduzido seja desprezível para o propósito a
1 Este processo pode ser de medição, cálculo, estimativa, etc...

2

Por exemplo. o  pode ser representado com exatidão pela expressão  = P/D onde P e D são o perímetro e o diâmetro de um círculo. ou seja. subtração. neste curso tomaremos um processo simplificado que simplesmente arredonda “para baixo” se o dígito subseqüente for 4 ou menor e “ para cima” se o dígito subseqüente for 5 ou maior. Propagação de erros: Se tomarmos 2 números com suas respectivas incertezas. divisão. Por exemplo. No entanto. isto é. seno e cosseno. o valor de  é truncado na “casa da centena” .14 é preciso o suficiente. Erro absoluto:  u=∣u−u 0∣ onde u é o valor obtido por medição ou cálculo e u0 é o valor convencionado como correto para a variável u. cálculo de logaritmos. p é um número irracional e para ser representado no sistema decimal seria necessário um número infinito de dígitos. é procedimento normal arredondar o número.1415. Este procedimento introduz no cálculo uma incerteza na “casa do milhar”. para a maior parte das aplicações o valor de 3. Ou. u  u e v  v e efetuarmos operações com estes números. tais como soma.. no resultado do cálculo haverá um erro que é conseqüência de u e v. multiplicação. casa depois da vírgula fica como 3. o erro irá se propagar.vz)   w=    2  2  w w ∂w ∂w ∂w u   v ⋯ z ∂u ∂v ∂z 3  2 . Este procedimento é chamado de truncamento.1 é o mesmo que u = 10%. Erro relativo: ∣ ∣  u= u−u 0  u = u0 u0 Notar que u é um número puro que pode freqüentemente ser apresentado na forma de porcentagem. Há discussões quanto a como arredondar de maneira adequada um número.1416 é mais próximo do valor de  que 3.14159265.. Para amenizar o erro introduzido por truncamento.v   w=   u 2  v 2 Multiplicação e divisão: w = u  v ou w = u/v   w=   u 2 v 2 = Caso geral: w = w(u.1416 pois o dígito imediatamente após o 5 é um 9 e certamente 3.1415. u = 0.que se destina o cálculo efetuado. arredondamos para 3. Soma e subtração: w = u + v ou w = u . etc. Tomando somente os primeiros 9 dígitos pode-se escrever  = 3. no entanto. o valor de  truncado na 4a. No entanto.

v = 2.2. a · b .2 e b = 0. u – v . Daí.001 0. .125 42. a / b . a – b .08 . a – b .5 .04 . f -) a = 22.22×105 . m n e m/n. Neste caso a = 0.32.22 0. c -) u = 115. w = ww = 0.6  0. b -) c = 321.5±0.).42±0. a2 .42 =0.08. g-) a = 3.000526581⋯ .000026443 2. Exemplo 2: u = 2. u ~ 0.4. c · d e c/d .. d= 123. b = 7.50. Então c = 104.00003 Exercício 2: Calcular as expressões abaixo com os respectivos erros e expressar os resultado de maneira adequada. calcular ln(r) e cos(r) (Observação: o argumento do coseno é em radianos.43 ± 0.01 (porque v vai até a casa do centésimo). u / v e u · v. a b . w = 2.4.. m – n . calcular c = a+b.6×104 .21×10-6 . 4  a b .125/42. calcular  a  . calcular u + v.05021 0.68×10-7 .Pergunta: Com quantas “casas” devo deixar o resultado? Resposta: Com tantas casas quanto sejam necessárias para expressar o erro! Exemplo 1: Dados a = 62.001 (porque u vai até a casa do milésimo) e v ~ 0. isto é. d -) m = 1. a -) a = 12.01  =0. então c=ab=104. estimamos como erro o valor de uma unidade da menor ordem de grandeza utilizada para expressar o número.6  c=  0. calcular c + d e c -d .007 . a/b . calcular a + b .5 .32 = 0.13 ± 0. calcular m + n . b = 16 .32 O resultado da operação deve então ser expresso como w = 0.05021266541  w=    2  2 0. a 2/3 . n = 4. calcular a + b . e -) r = 0. a2 + b2 .1± 0. como expressar w = u/v ? Quando o erro não é expresso de maneira explícita.1 0.2 e b = 42.125 e v = 42.012±0.4472.

004 . Exercício 5: Um tambor de óleo de forma cilíndrica tem um diâmetro de 655±5 mm e uma altura de 1190±8 mm.: a expressão para velocidade escalar média é v e = D . Se um veículo realiza uma viagem entre estas duas capitais em um intervalo de tempo de 4. Calcular e expressar de maneira adequada o perímetro e a área do retângulo.27±0. onde D é a distância t percorrida e Dt é o intervalo de tempo em que D foi percorrida. qual a velocidade escalar média do veículo e qual sua incerteza? Obs.1±0. calcular  ab2c Exercício 3: Um retângulo tem por lados A = (45.06 . c = 156. Qual a capacidade volumétrica do tambor. com qual incerteza? 5 .763±0.9 .h -) a = 2.06) cm. Exercício 4: A distância de São Paulo a Curitiba é de 400 km com uma incerteza de aproximadamente 10 km.08 ± 0.0 ± 0.0 horas com uma incerteza de 10 minutos. b = 0.5) cm e B = (60.

. por substituição........Sistemas Lineares de Equações Dado conjunto de equações lineares a11 x1 + a12 x2 + a13 x3 +    + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 +    + a2n xn = b2 ... x2    xn tal que a equação acima seja verdadeira..... Classificação de sistemas lineares .2 x2 + 4 x3 = 3 pode ser verificado........Quando o sistema não tem solução.x3 = 2 2 x1 .... dizemos que é incompatível.. dizemos que é compatível...... logo. que (1........x2 ......... 1.......x3 = 0 x1 ... Exemplo 4: O sistema x1 + x2 = 1 x1 + x2 = 2 não tem solução............ Exemplo 3: Dado o sistema linear de equações x1 + 2 x2 ........ é compatível.......... Logo......Quando o sistema tem solução. -Quando o sistema tem uma única solução. o sistema dado no exemplo 3 acima. é incompatível... dizemos que é determinado..... ............ na forma matricial  a 11 a 12 a 21 a 22 ⋯ ⋯ a n1 a n2 ⋯ ⋯ ⋯ ⋯ a1 n a2n ⋯ a nn     x1 b1 x 2 = b2 ⋯ ⋯ xn bn dizemos que o sistema tem solução se e somente se existe o conjunto (x1.. an1 x1 + an2 x2 + an3 x3 +    + annxn = bn ou.... 1)T é solução para o sistema.. 6 ...........

x3 = 2 b-) x1 + 2 x2 .x2.x3 = 2 2 x1 .x2 = 0 .2 x2 + x3 = 1 x1 -4 x2 + 2 x3 = -1 x1 + 4 x2 + 2 x3 = -1 Sistemas triangulares: (são resolvidos por substituições retroativas) Exemplo 7: x1 + 2 x2 .3 x3 = 4 x2 + 5 x3 = 7 2 x3 = 2 Então L3 : 2 x 3 =2  x 3 =1 L 2 : x 2 5⋅1=7  x 2=2 L3 : x 1 2⋅2−3⋅1=4  x 1 =3 Pode-se mostrar que todo sistema compatível e determinado pode ser reduzido a um sistema triangular usando transformações elementares. x1 + 2 x2 = 4 Exemplo 6: 2 x1 + 4 x2 = 8 é indeterminado pois a solução é qualquer x2. Exercício 6: Verificar se os sistemas de equações abaixo são compatíveis e determinados (possuem solução única): a-) x1 + 2 x2 . 1)T. Transformações Elementares: a-) Trocar a ordem de 2 linhas. tal que x1 = 4 .2 x2 + x3 = 1 2 x1 . 7 . x1 . c-) Adicionar 2 linhas. dizemos que é indeterminado.x1 + x2 = 2 Exemplo 5: é determinado pois a solução é (1. b-) Multiplicar uma linha por uma constante não nula. Um sistema é compatível e determinado se e somente se det |a|  0.Quando o sistema tem várias soluções possíveis.

x3 = 5 4 x1 + 4 x2 .Solução do Sistema de Equações Lineares Método de Eliminação de Gauss. o sistema linear de equações abaixo: 2 x1 + 3 x2 . Consiste em. usando transformações elementares. Exemplo 8: Resolver pelo método de pivotamento de Gauss. 4 4 -3 | 3 2 3 -1 | 5 2 -3 1 | -1 A 2ª e a 3ª linhas são multiplicadas por 2 4 4 -3 | 3 4 6 -2 | 10 4 -6 2 | -2 Agora subtrai-se a 2ª linha da 1ª.3 x3 = 3 2 x1 . 4 4 -3 | 3 0 -2 -1 | -7 0 10 -5 | 5 Agora a 2ª e a 3ª linha são trocadas de posição para que o valor do “pivô” seja o maior possível. o mesmo é feito com a 3ª linha. Técnica de pivotamento: Consiste em trocar a ordem das linhas de modo que na diagonal principal fiquem os maiores valores possível.3 x2 + x3 = -1 Inicialmente troca-se de posição a 1ª e a 2ª linhas. 4 4 0 10 0 -2 -3 | 3 -5 | 5 -1 | -7 8 . reduzir o sistema de equações a um sistema triangular.

90 2 x1 + 6.25 x2 = -8.2 x2 + 1.0544 0.77 d-) 2.45 −0. e teremos o sistema triangular.x2 + 3 x3 = 7 1.35 x2 + 5.40 -3.89 0.0544 0. por substituição retroativas resolvemos o sistema de equações.8 x2 + x3 . 4 4 -3 | 3 0 10 -5 | 5 0 0 -10 | -30 Agora.5 x3 = 5  10 x2 .25 x 1 0.25 x 1 0.3 x3 = -1 -8.0160 −0.33 = 3  x1 = 1 Exercício 7: Resolver. -10 x1 = -30  x1 = 3 10 x2 .3 x3 = 2.04 0.22 x2 + 10.9 x1 + 4.11 x 3 0.21 x1 + 12.6 x3 = 5.0137 2 x1 + x2 .86 x 2 = −0.15 x3 = 29.0  b-)  f-) x1 .15 x1 + 4.12 −1.01 x1 . pelo método de pivotamento de Gauss.5 x3 + x4 = -1 2 x1 .11 x 3 0.04 0.91 x3 = 157.25 x2 -5 x3 = -3.86 x 2 = −0.12 −1.1 g-)         31 12 25 x 1 177 11 22 8 x 2 = 155 14 5 21 x 3 39 3 x1 + 2 x2 .21 0.02 0.x3 = 6 h-) x1 + 2 x2 .86 e-) 12. os sistemas lineares de equações abaixo: a-) c-) 2.24 4.4 x1 + x2 + x3 .7 x3 = 27.4 x4 = -1 0.5 x1 -3 x2 + 4.53 = 5  10 x2 = 20  x2 = 2 4 x1 + 4 x2 .0137 .0160 −0.02 0.21 0.45 −0.A 3ª linha agora é multiplicada por -5 4 4 -3 | 3 0 10 -5 | 0 10 5 5 | 35 Agora a 3ª linha é subtraída da 2ª.01 x3 = -31.1x2 + 2.1 x2 + 4.5 x1 + 2.89 0.3 x3 = 3  4 x1 + 42 .x4 = -6 4 x1 + x2 + x3 + x4 = 7 9      0.5.65 x3 = 59.6 4 x1 .

: Convenciona-se aqui erro inferido (x) como o módulo da diferença entre um valor calculado de x e o seu valor calculado na iteração anterior..5%: 5 x1 . tem-se x1 = (3 + x2) / 5 x2 = 3 ..... onde o superescrito '0' indica a primeira aproximação...... (1). – os valores de – os valores de x 0i são substituídos no lado direito da Eq...... e assim sucessivamente até que os valores de xi convirja para os valores procurados.x2| ..... an1 x1 + an2 x2 + an3 x3 +    + annxn = bn De cada linha é separado o termo da diagonal...... gerando valores x i2 . x 0n T ....... x1= b1−a 12 x 2 −a 13 x 3 ⋯a 1 n x n a 11 x 2= b 2 −a 21 x 1−a 23 x 3⋯a 2 n x n a 22 xi = – Inicialmente “chutam-se” valores iniciais bi −∑ a i j x j i≠ j ai i  x 10 .....Métodos iterativos de resolução de sistema de equações lineares... Exemplo 9: Resolver o sistema abaixo utilizando o método iterativo de Jacobi.x2 = 3 x1 + x2 = 3 Isolando os termos da diagonal............. Método de Jacobi: Seja o sistema linear a11 x1 + a12 x2 + a13 x3 +    + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 +    + a2n xn = b2 .. ou seja....... com um erro relativo menor que 0................. Obs...... x 1i são substituídos no lado direito da Eq..... com erros previamente estabelecidos....x1 10 ....... (1)............ Assim. x3 = |x3 ... x 0. gerando valores x 1i ........ x 02 ........3 ⋯..

0400 0.9995 1 0.9955 0.0388 2. n x1 = (3 + x2) / 5 x2 = 3 .x3 = 10 x1 + 2 x2 + x3 = 8 x1 .0583 0.1200 12.0032 11 . 3 x1 + x2 .0833 1.9600 1. com um erro absoluto menor que 0.0041 0. Exemplo 10: Resolver o sistema de equações lineares abaixo.0213 0.0333 8 2.x2 + 4 x3 = 5 Acompanhe o desenvolvimento na tabela.2917 0.82 0.0048 0.0032 2.0208 0.0033 0.9167 2.0000 1. 0)T .6000 3.2361 2.11 33.0422 0.9622 0.4167 1.9618 0.2378 0.9840 1.0137 0.0125 0.0048 0.0013 0.1111 6 3.00 3 1.48 0.0080 2.9976 1.7083 1.0014 10 3.0017 1.1753 0.1667 4 3.38 1.8000 0. e iniciar substituições sucessivas nas equações acima.01.2500 3.0004 7 2.8455 0.0048 0.0000 0.Vamos chutar valores iniciais (x1.2500 3 2.2000 3.0000 - - - 2 3.9200 0.1200 0.0182 0.88 6 1. conforme mostrado na tabela abaixo.4167 0.0000 100 100.6000 0.3750 0.0120 1.1200 2.0729 0. x indica o erro absoluto e x indica o erro relativo (em porcentagem na tabela).0800 2.0140 0.0092 9 2.0240 2.0048 0.9968 0.0240 0.3333 4.9983 1. n x1 (10-x2 +x3)/ 3 x2 (8-x1-x3)/2 x3 (5-x1+x2)/4 x1 x2 x 1 0.19 7 1.9965 1.0000 0.50 6.33 4 0.6000 50 25.0000 0.0000 0 - - - - 1 0.0000 0.3333 4.6000 0.1200 0.48 1.0011 0.0240 0.20 8 0.9987 2.2396 0.9995 0.24 onde n indica a ordem da iteração (0 é o 'chute' inicial).0000 1.x1 x1 x2 x1 x2 0 0.4000 0.9805 1.6000 11.25 5 0. pelo método de Jacobi. x2)T = (0.0240 0.3438 5 2.00 2 1.44 5.9984 1.

0.08x2 + 4.2 x3 = 12.25 5 x1 + x2 – 2 x3 = 2.00 0.2 x1 + 7 x2 – x3 = .2 x1 – 5.Exercício 8: Determinar a solução dos sistemas lineares abaixo.15x3 = 9.12 −1.x1 + 3 x2 + x3 = 14.0.1 8.3.25 -0.1x2 + 0.0.0.86 x 2 = −0.25x2 + x4 =0.5 x3 + x4 = -1 2 x1 .04x1 .89 0.00x1 + 0.09x1 + 3.02 0.2 x3 = .00x2 .2%.24x2 .00x3 = 20.00 d-) e-) 0.2 x1 + 0.0.5 x1 .3 x3 = 1.25 x 1 0. com um erro menor que 0.32 .00 4.3 x1 – 0.6.5 f-) g-) x1 + 2 x2 + 4 x3 = 18 .25x1 + x3 -0.0160 −0.x4 = -6 4 x1 + x2 + x3 + x4 = 7 b-) c-) 0.25x3 = 0 -0.0137 3 x1 – 5 x2 + 12 x3 = 11.04 0.08x3 = 8. utilizando o método de Jacobi.2 x2 – 7.25x2 .25x4 = 0.25x1 + x2 .25x4 = 0 -0.11 x 3 0.4 x4 = -1 x1 + 2 x2 .45 −0.0.45 12 .6 x2 – 1. a-) x1 + x2 + x3 .21 0.25      0.5 5 x1 – 2x2 + x3 = 1.8 x2 + x3 .2 0.0544 0.

x2 e x3 . x 03 e com eles calcularmos x 11 . a-) x1 + 2 x2 – x3 = 1 x1 – x2 + 2 x3 = 0 b-) 3 x1 + x2 + 2 x3 = 12 x1 + 3 x2 – 2 x3 = 5 13 . Identifiqueos. pelo método de Gauss-Seidel foram necessárias apenas 6. Exercício 9: Resolver os sistemas de equações lineares do exercício 8 usando o método de GaussSeidel.3333 2. x 02 .2778 0.0020 6 2.0016 0.0000 3.9998 2. – Chutamos valores para x 01 . ou seja.0417 2. ∣a ii∣∑ ∣a ij∣ .3333 1. e não x 10 e x 03 . vamos tomar um sistema de 3 equações e três incógnitas.0741 0. – para calcularmos x 13 usamos x 11 e x 12 .0000 0.0003 0. Por exemplo. com erros relativos menores que 0.4444 0.8889 4 Observe que enquanto que pelo método de Jacobi foram necessárias 10 iterações para convergir dentro do erro especificado.1065 0.9986 0. – Isolamos as equaçoes de x1.3333 3 2.0000 2 3.0008 1.9815 0.0000 0.0052 0.2%. – para calcularmos x 12 usamos x 11 e x 03 . utilizamos sempre o valor mais atual.9954 1.0451 5 3. Acompanhe o desenvolvimento na tabela x1 x2 x 1. e assim sucessivamente.0177 0.0096 0.9965 0. somente um pode ser resolvido utilizando um método iterativo (Jacobi ou Gauss-Seidel).0050 1.0000 2. a menos que ao substituirmos iterativamente valores de x.9992 0.0017 n x1 (10-x2 +x3)/ 3 x2 (8-x1-x3)/2 x3 (5-x1+x2)/4 1 0. Critério de convergência para métodos iterativos O sistema tem que ser diagonal dominante.Método de Gauss-Seidel O método de Gauss-Seidel é semelhante ao de Jacobi. j≠i Exercício 10: Dos sistemas de equações lineares abaixo somente dois são determinados e.3333 2.0556 1.0417 0. Exemplo 11: Resolver o sistema linear de equações do Exemplo 10 usando agora o método de GaussSeidel. destes.

5 vezes a altura do prédio e o comprimento era 1. Exercício 12: Do exercício 10. responda as questões a seguir.x1 + 3 x2 + x3 = 14.2 x2 + 4 x3 = . a-) b-) c-) d-) e-) f-) i-) Verificar quais dos sistemas acima possuem solução única.c-) 2 x1 + x2 + x3 = 5 x1 + x2 + x3 = 5 x1 – x2 + x3 = 0 x1 + x2 – x3 = 3 d-) 2 x1 . iii-) Dos sistemas acima. com um erro menor que 1%. Resolva-os usando o método de pivotamento de Gauss. apesar de terem solução única.5 5 x1 – 2x2 + x3 = 1. ii-) Dos sistemas acima. Exercício 14: Resolva o sistema de equações abaixo usando o método iterativo de Gauss-Seidel. apenas 2 podem ser resolvidos usando métodos iterativos. Resolva o primeiro pelo método de Jacobi e o segundo pelo método de Gauss-Seidel.2 x1 + 2 x2 + 4 x3 = 18 .5x3 = 12 2 x1 .5 Exercício 11: Do exercício acima. a frente e o comprimento do templo. pelo método de Gauss (Escalonamento). De acordo com este documento. Baseado nestas informações. Outro dado importante encontrado no documento era que o perímetro do templo era de 100 m.8 x2 + x3 = -10 Exercício 15: Com relação aos sistemas de equações lineares abaixo. Exercício 13: Em uma escavação de ruínas antigas foi encontrado um documento que dizia que no local havia um templo. resolva o sistema determinado que não pode ser resolvido por métodos iterativos. 6 x1 . 14 . há 2 que. da seguinte maneira: a frente era 1. resolva o único sistema que pode ser resolvido por métodos iterativos pelo método de Gauss-Seidel. não podem ser resolvidos por método iterativos. determinando qual a altura.5 vezes a frente.x2 + x3 = 22 x1 + 2 x2 . monte um sistema de equações lineares e resolva-a. o templo tinha razões constantes entre a frente e altura e entre a altura e o comprimento do prédio.

desde que cada raiz seja contada de acordo com sua multiplicidade. Para isto é necessário: a-) Isolar a raiz. b]. Uma equação algébrica de grau n tem exatamente n raízes. Teorema: Se uma função f(x) assume valores de sinal oposto nos pontos extremos do intervalo [a.Equações algébricas e transcendentes Há um sem número de aplicações em que é necessário determinar um certo número  tal que f () = 0. mas para equações de maior grau e equações transcendentais. uma raiz da equação f(x) = 0. b]. b-) Refinar o valor aproximado. então o intervalo conterá. ou seja. se f(a)f(b) <0. no mínimo. y = f(x)    x A raiz será definida e única se a derivada f '(x) existir e preservar o sinal dentro do intervalo [a. a determinação das raízes é feita numericamente. Para equações do 1°. reais ou complexas. Definição: Uma raiz  tem multiplicidade m se dP  d 2 P  d m−1 P  P = = =⋯= =0 dx dx 2 dx m−1 d m P  dx m 15 . as raízes podem ser obtidas por métodos analíticos. Teorema: (Teorema fundamental da álgebra). Equações algébricas Seja uma equação algébrica de grau n (n  1) n n−1 n−2 P  x =a n x a n−1 x a n−2 x ⋯a 0 =0 onde os coeficientes ai são reais e an  0. Este número é chamado de raiz da função f(x). 2° e algumas do 3° e 4° graus.

se 1 = a + i b. a4 x0 P4 = a4 a3 a2 a1 a0 P4 x0 P3 x0 P2 x0 P1 x0 P3 = a3 + P4 x0 P2 = a2 + P3 x0 P1 = a1 + P2 x0 P0 = a0 + P1 x0 P  x 0 =P 0 16 . isto é.a3) = x3 -1 então P x 2 = x−a 2  x−a 3 =x  x1 x−1 { −1  3 i 2 2 −1  3 3 = −i 2 2 2 = Usando Bascara. P(x) = (x .15 x2 + 12 x +4  P'(2) = 0 P''(x) = 12 x2 . então 2 = a – i b. então as raízes complexas desta equação são complexos conjugados em pares.a1)(x .5 x3 + 6 x2 + 4 x -8  P(2) = 0 Exemplo 12: P'(x) = 4 x3 .30  P'''(2) = 18 Então as raízes são 1 = 2 (multiplicidade 3) e 2 = 1 . De acordo com o teorema fundamental da álgebra deve haver mais duas raízes! Ou seja. Uma raiz é óbvia: 1 = 1.P(x) = (x -2)3 (x + 1) = x4 . Avaliação de polinômios: Supor o polinômio: 4 3 2 P  x =a 4 x a 3 x a 2 x a 1 xa 0 Método de Horner. Teorema : Se os coeficientes de uma equação algébrica são reais.a2)(x . Exemplo 13: P(x) = x3 -1.30 x + 12  P''(2) = 0 P'''(x) = 24 x . P  x 0 =a 4 x 0 a 3  x 0 a 2  x 0 a 1  x 0 a 0 Método de Briot-Ruffini.

63 Logo. Determinação do intervalo onde há raízes Para se determinar o intervalo que há raízes de uma função algébrica utiliza-se o Teorema de Lagrange em 4 situações distintas: i-) Para P(x) ==> 1 = L ii-) Para P'(x) = xnP(1/x) ==> 2 = 1/L iii-) Para P''(x) = P(-x) ==>  = -L iv-) Para P'''(x) = xnP(-1/x) ==>  = -1/L 17 . k é o maior índice dos coeficientes negativos do polinômio. Teorema (de Lagrange) : Sejam an > 0.x2 . têm-se que L=1  n−k  B . onde an B é o máximo do módulo dos coeficientes negativos.7 x2 + 29 x + 30 b-) P(x) = x3 .12x + 8 Se não houverem coeficientes negativos.5 x3 .63.9 x + 9 c-) P(x) = 3 x5 -25 x3 + 9 x +9 d-) P(x) = 3 x4 -5 x3 . 3 Exercício 16: Aplicar o teorema de Lagrange para as funções algébricas abaixo.8 x2 + 2 x + 1 a n =3 n=5 B=8 k =3 }  L=1  5−3 8 =2.Limites das raízes reais Considerar P(x) = anxn + an-1 xn-1 +     a1 x + a0 com an 0 e ai ∈ ℝ. a0  0 e k (0  k  n-1). não haverão raízes reais positivas. a-) P(x) = x4 . não há raiz real para x > 2.2 x3 . Exemplo 14: P(x) = 3 x5 + 2 x4 .

117 x2 +9 a n =324 n=4 B=117 k =2 3-)  }  L=1  4−2 117 =4.0.6 ==> 324 2 = 1/L = 0.625 Então.6 xn P(-1/x) = x4 (9 /x4 .625 e 0.6 ==> 324 4 = -1/L = .625 P(-x) = 9 x4 .6 ==> 9 3 = -L = -4.6 }  L=1  4−2 117 =1. elas estarão no intervalo dado por 2 < x < 1 para as raízes positivas  < x <  para as raízes negativas Exemplo 15: Determinar.6 < x < -0.117 x2 +9 a n =324 n=4 B=117 k =2 }  L=1  4−2 117 =1. se houverem raízes reais. usando o Teorema de Lagrange.6 ==> 9 1 = L = 4.117 /x2 +324) = 324 x2 . se houverem raízes para o polinômio acima.117 x2 +324 a n =9 n=4 B=117 k =2 4-) L=1 xn P(1/x) = x4 (9 /x4 .117 /x2 +324) = 324 x2 . elas estarão no intervalo 2 < x < 1 para as raízes positivas  < x <  para as raízes negativas. ou -4.6 18 . os intervalos onde há raízes da função algébrica P(x) = 9 x4 .625 < x < 4.117 x2 +324.Assim.117 x2 +324 a n =9 n=4 B=117 k =2 2-) }  4−2 117 =4. 1-) P(x) = 9 x4 .

45 b-) 4x4 .Exercício 17: Determinar.5 x2 + 9 x . usando o Teorema de Lagrange.7 x2 + 29 x + 30 c-) 3x5 .4 x3 + 27 x2 + 108 d-) 2x6 .25 x4 + 32 x2 +451 19 .5 x3 . os intervalos onde há raízes das função algébricas: a-) x3 .

Para cada intervalo [a. Determinar o intervalo onde há raízes. Caso afirmativo. 4.7 . 3.7 1 x2 P(1/x) = -3 x2 + 1. 2. Repete-se sucessivamente até que a diferença entre dois valores de x seja menor que o valor préestabelecido de erro. f(b) >0). Supor que a raiz esteja no intervalo [a. isto é P(x) = x2 -3 e a n =1 n=2 B=3 k =0 } }  L=1  2 3 =2. P'(x) = 3 x2 -1 e a n =3 2 1 n=2  L=1 =1.Determinação de raízes pelo método da bissecção O Método da bissecção consiste em: 1. Exemplo 16: Determinar pelo método da bissecção a raiz positiva da função f(x) = x2 -3. 1 = 2. b]. então a raiz estará no intervalo [a. então. então. se f(c) > 0. b]. 2 = 1/L = 0. f(x) d a c b e Figura 1: Diagrama explicativo do método da bissecção. calcula-se c = (a + b)/2 e verifique se f(c) é maior ou menor que zero. Se f(c) <0. 5.6 . a raiz estará sempre entre um valor positivo e um negativo da função. Usando o teorema de Lagrange. c]. verificar se f(a)f(b) <0. 6. determinar o intervalo em que há raízes positivas. c]. divide-se o intervalo em 2 novamente com e = (a + c)/2 e testa-se f(e) e verifique se é maior ou menor que zero. supor que f(a) < 0 (logicamente. então a raiz estará no intervalo [c.6 3 B=1 k =0  20 .

Testa-se então o valor médio entre os extremos (1.731) = -0.001 x .008 f(1.6. não é possível aplicar o teorema de Lagrange para a determinação do intervalo onde há raízes.731) = -0.7].735) = 0.2775 f(2.135 f(1.65 + 2.75 0.18 f(1.0485 f(1.752 f(2.718) = -0.186 0.65)f(2. pois f(1.2775 f(1.7)/2 = 2.2775 f(2. 2.0033 f(1.6) = -2.7) < 0. Aplicação do método da bissecção para funções transcendentais.010 0.0036 f(1.733) = 0.65) = -0.18) = 1.64 f(1.735) = 0.92) = 0. então. é necessário 'explorar' a região (ou as regiões) onde estão as raízes.65) = -0. e assim sucessivamente.2775 f(1.26 f(1.7)/2 = 1.0033 0.004 f(1. 2.29 0.735) = 0. ou seja f (1.7) = 4.017 f(1.718) = -0.53 f(1.Se houverem raízes positivas.034 f(1.718) = -0.067 f(1.718) = -0. elas estarão no intervalo [0.686 f(2.65) = -0.752) = 0.18].0485 f(1.0485 f(1.7) = 4.186 f(1.7] pois as funções nestes pontos tem sinais opostos.65) = -0.7) = 4.65)f(2.00018 f(1. Veja a tabela abaixo f(xmenor) f(xmédio) f(xmaior) f(0. 2.0036 f(1.2775 f(1.6 + 2.785) = 0.65.752) = 0.29 e a raiz estará no intervalo [1.18) <0.29 a raiz estará então no intervalo [1.2775 f(2.65) = -0.001 A raiz de f(x) = x2 -3 é x = 1.686 0.010 0.64 f(1. ou seja f(0.65.002 f(1.733) = 0.785) = 0.727) = -0.0175 f(1.732) = -0.732  0.010 0.29 f(1.735) = 0.18) = 1.0175 f(1.75 f(2.069 0.18) = 1.65) = -0.727) = -0.010 f(1. Testa-se a função nos pontos extremos e no valor médio (0.785) = 0.7) = 4.92) = 0.6) = -2.0485 f(1. calcular 5 8 com um erro menor que 1%.2775 f(2. 21 .186 0.0036 f(1.65. Quando a função que se pretende determinar a raiz não é uma função algébrica (chamadas de equações transcedentais).65) = -0.731) = -0. Exercício 18: Usando o método da bissecção.069 f(1.

se iniciarmos com o intervalo [5.2813 -0.1563 -0.1082 3.0059 0.3508 4.1406 0.0917 0.1250 0.1406 0.56 6.2151 7.0156 1.2151 0.2891 0. x x (%) -0.13 0.7568 3.1450.0068 0.0000 -0.0625 6.0293 6.3125 0. obtenhamos somente uma raiz local. teremos e xmenor sen(xmenor) xmedio sen(xmedio) xmaior sen(xmaior) 5.2500 25.0166 3. tomemos o intervalo [3. No entanto.0166 3.1875 3. A título de exemplo. Assim.2500 25.1411 3.x + 30 22 .2500 -0. pelo método da bissecção.2891 0.1250 E então x = 3.1563 -0.0039 0.0000 -0.0000 -0.39 x = 6.004 .0000 -0.0059 6.6570 6.1563 -0.0137 0.13 6.25 3.0000 0.0293 0.1484 -0.0019 6.1250 0.0332 6.0156 1.9589 6.5000 -0.0293 0.5000 0.2969 0.0010 3.0020 6.0000 -0.1484 -0.1250 0.50 6. as raízes das funçôes abaixo: a-) f(x) = x3 .3125 0.0039 0.5%.00 3.1250 12.0332 6.0019 6.2500 -0.0078 0.2794 6.2500 -0. A função seno tem várias raízes. 7].6570 0.6 x2 .2500 -0.0313 3. com um erro menor que 0.1411 3.0313 3.0332 6.0166 3.25 6.0010 3.3750 0.1875 -0.0019 6.0068 3.3750 0. é possível que pelo método da bissecção.50 -0. com n inteiro.0137 6.2500 -0.5000 0.2500 -0.0332 6.1082 0.2969 0.5000 3.1406 0.5000 0.Exemplo 17: Determinar a raíz da função f(x) = sen(x) usando o método da bissecção.2852 0.0459 3.00 6.0147 0.2850. 4] e observe a tabela a seguir.78 6.0000 0.0147 3.0000 0.0459 0.2813 -0.1411 3.0625 6.3125 0. Exercício 19 : Determinar.78 3.3508 0.0147 0.39 x x (%) xmenor sen(xmenor) xmedio sen(xmedio) xmaior sen(xmaior) 3.0000 0.2794 7.0917 6.5000 50.0000 0.1250 12.1445 -0.004 .2813 -0.2794 6.1082 0.0010 3.56 3.2151 0.0078 0.2500 -0.0019 6.00 6. pois sen(x) = 0 sempre que x = n.0166 3.2813 -0.0029 3.

f(xn) xn+2 xn+1 xn Na figura acima. com um erro menor que 0. Interpretação geométrica. neste caso. xn+1 = xn .b-) f(x) = x + ln(x) c-) f(x) = 3 x .cos(x) d-) x + 2 cos(x) e-) 3 x2 . x n1= x n − f  xn onde f '(x) f '  xn  indica a derivada de f(x) com relação a x. x n1=x n − f  xn f '  xn  da tangente de f(x) no ponto x=xn+1 obtém-se xn+2.5%. 23 x (%) . então. . e assim sucessivamente. se aproximando do valor onde f(x) = 0. a tangente de f(x) no ponto x = xn é dada por f(x)/(xn . daí.ex f-) e-x -x Determinação de raízes pelo método de Newton-Raphson2 É um método iterativo onde a relação de recorrência é dada por . isolando xn+1.: Iniciar com x0 = 1.xn+1). Observar que quando f(x) = 0. pelo método de Newton-Raphson. A tangente da função f(x) no ponto xn é a própria derivada f'(xn). a raiz da função f(x) = ln(x)+x. Exemplo 18: Determinar. 1 1 x n x xn 2 Este método é às vezes chamado somente de Método de Newton. Obs. ln  x x x n1= x n − f(x) = ln(x) + x e f'(x) = 1/x + 1.

003 . Exercício 24: Usando o método de Newton-Raphson.000 3 0. a-) f(x) = x3 . Exercício 20: Determinar pelo menos uma raiz das funções abaixo. calcule 110.5670.0000 2 0.x Exercício 21: Obter.2%. usando o método de NewtonRaphson. 24 .5671 0. com um erro menor que 0.0644 11. a relação de recorrência para solução de n x=  A . calcule 5 13 2 13 com um erro menor que 0.25 com um erro menor que 0.e 1 1.1%. Exercício 22: Usando o resultado da questão anterior.5000 100.x + 30 b-) f(x) = 3 x .cos(x) c-) x + 2 cos(x) d-) 3 x2 .486 x = 0. calcule Exercício 23: Usando o resultado da questão 21. usando o método de Newton-Raphson. com um erro menor que 0.5644 0.1%.ex e-) e-x .1%.0028 0.6 x2 .5000 0.408 4 0.

0 0. obtém-se os valores de a e b e a equação da reta que fornecerá a estimativa de y(x) no intervalo [x1. Por exemplo. Exemplo 19: x y(x) 0 0.3 0. valores intermediários podem ser obtidos utilizando técnicas de interpolação.0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 A equação de uma reta é dada por y = a + b x.569.1 0. então.9 0. 25 .5 0.000 Quanto vale y(35)? Interpolação linear São traçadas retas que unem os pontos dois a dois.000 30 0.2 0.6 0.086 + 0.707 60 0. 1.0138 x e y(35) = 0.707 Resolvendo este sistema tem-se y(x) = 0.7 0. tomando o problema proposto no exemplo acima.4 0.500 a + b 45 = 0. x2].866 90 1.Interpolação Quando valores discretos de uma determinada função y(x) são conhecidos. a + b x1 = y1 a + b x2 = y2 Resolvendo este sistema de equações lineares. a + b 30 = 0. para os dados tabelados acima.500 45 0.8 0.

099 4 1.00 e y(2. Exercício 27: Estimar. usando interpolação linear. Dica: Usar os valores conhecidos de cos(45o) e cos(60o).386 5 1. 2. estimar.81.946 Interpolação linear por relação de proporcionalidade y2 y y1 x1 x x2 Dados os valores y(x1) = y1 e y(x2) = y2. por semelhança de triângulos.7−2 y 2.00 e y(3) = 3.7)  2. 26 . y(2. Exercício 26: Dada a função tabelada abaixo. o valor aproximado de cos(55o).5) e y(6).5). calcular y(50). usando interpolação linear.693 3 1.15−2. x y(x) 1 0 2 0. usando interpolação linear. calcular y(1.7−2 = 3−2 3.15 .Exercício 25: Ainda com relação ao 1º exemplo. tem-se que x− x 1 y− y 1 = x 2 − x 1 y 2− y 1 Exemplo 20: Sabendo-se que y(2) = 2.7). y(3. Substituindo na relação acima.609 7 1.

calcular. y(4. y(35). usar a interpolação linear para estimar y(2.3 1ª parábola 0.707 27 .9 2ª parábola 0.000 30 0.1 0. tem-se a + b x1 + c x12= y1 a + b x2 + c x22= y2 a + b x3 + c x32= y3 resolvendo o sistema de equações acima.7 0.49 5 3. x y(x) 1 8.18) e y(5.Exercício 28: Dada a função tabelada abaixo. 1.5 0. usando interpolação quadrática.0 0.8 0.0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 Substituindo os valores de x e y na equação de uma parábola.4 0. determinam-se os valores de a.35). x y(x) 0 0.500 45 0.19 3 5.47 Interpolação quadrática São traçadas parábolas que unem os pontos conhecidos 3 a 3.2 0.72). b e c .6 0.68 7 2. Exemplo 21: Dada a tabela abaixo.

5). Dica: Usar os valores conhecidos de cos(30). usando interpolação quadrática.85780-2 . Compare com o resultado do exercício27.707 1 0 0 0  0 45 2025 0.60 0.25 0. ln(2) = 0. ln(1. no intervalo 0  x  45. o valor aproximado de cos(55o).857810-2 x .6. Da 2ª linha.707 0 45 1350 0.2975 2.10 0. c = -6.707 0 0 675 −0.60 0. estimar.40 0.1397 3. os valores de y(0. a função pode ser representada aproximadamente por y(x) = 1.3662 1.5 0 45 2025 0.8).370410-5. Da 1ª linha a = 0.707 0 30 900 0.707  ∣ ∣ ∣ ∣ ∣ 1 0 0 0 0 30 900 0. usando interpolação quadrática.3293 1.5 2 1 45 45 0.10 0.90 0.0462 Exercício 31: Estimar.80 0. cos(45o) e cos(60o).572. Então.0789 4. y(35)  0.0430 Da 3ª linha.750   ∣ 1 0 0 0 0 45 2025 0.∣ ∣ ∣ 1 0 02 0 2 1 30 30 0. Exercício 30: Dada a tabela abaixo.1947 0. estimar.5  ∣ 1 0 0 0 0 45 2025 0.75). y (1. Exercício 29: Dados os valores ln(1) = 0. usando interpolação quadrática.2177 3. Logo.370410-5 x2.693 e ln(3) = 1.0) x y(x) 0.5) e y(4. Qual dos dois valores se aproxima mais do valor exato? 28 . y(2. b = 1.5) e ln(2.099.

Definição Dado um conjunto de pares ordenados xi.5)(3.1 O polinômio interpolador de 2o grau será então P(x) = a0 + a1 (x – 1.2 66.3 5. P(1. temos P(1.85165.5)(x – 2.5) = a0. Substituindo x = 1. visto que o polinômio interpolador deve reproduzir os valores de y da tabela. determinar os valores dos coeficientes ai. diferença dividida de segunda ordem  y i2= .6.7 22.5 21 2 22 4.25 (x – 1.2 8. o método de interpolação de Newton consiste em adotar um polinômio interpolador como P(x) = a0 + a1 (x – x1) + a2 (x – x1) (x – x2) + a3 ( x – x1)(x – x2)(x – x3) + a4 (x – x1)(x – x2)(x – x3)(x – x4) + ··· e.3) e a2 = -0.Interpolação de Newton.3). Ao mesmo tempo.5 1 46 4.6 – 1. diferença dividida de x i1− x i x i2− x i 2 3  y i1 − y i2  y i1 − y i3 3 4 terceira ordem  y i = . e assim por diante. de quarta ordem  y i = .4 12. O mesmo com x = 3.5. Substituindo agora x = 2.3) = 5.2 1.5 1 15 1.6 7. O polinômio interpolador será então P(x) = 2.2 3.5) + a2 (3.25 (3. x y x y x y x y 3.3) . x i3 −x i x i4 −x i 29 . a0 = 2.6) = 7.6 – 1.6 + 3.5) = 2.7 3 12 3 42 6.6 .5 5 25 11.25.85165 (x – 1.5 2.6 + a1 (2. yi que correspondentes a uma função y(x).2 = 2.5) e isolando a1. por substituições sucessivas.5) + a2 (x – 1.5)(x – 2. interpolar polinômios que “passem” por todos os pontos dos dados tabelados abaixo.6 – 2. Exemplo 22: Usando o método de Newton. pois os outros termos do polinômio se anulam. yi). Então. temos a1 = 3.0 7 11 Diferenças divididas Dada uma função tabelada (xi.3: P(2.6 2.1 = 2.5) – 0. Exercício 32: Usando o método de Newton.3 – 1. interpolar um polinômio do 2o grau aos dados da tabela: x y 1.6 + 3.6: P(3. define-se como diferença dividida de primeira ordem y − yi  y i1− y i  y i = i1 .

3)(x – 2. usar os valores conhecidos das funções seno e coseno para os ângulos 0.1 12 2.5 8 2. como abaixo: x y y y x1 y1 y1 y12 y13 y14 x2 y2 y2 y22 y23 y24 x3 y3 y3 y32 y33 x4 y4 y4 y42 x5 y5 y5 2 y 3 y 4 n Pode-se demonstrar que os coeficiente do polinômio interpolador são a n = y 1 .1667 7.5)(x – 4.8333 -1.5)(x – 4.5) + + 0.1) – 0. é possível calcular a tabela de diferenças divididas. Exercício 34: Resolver. Exercício 35: Determinar.5000 -0. usando diferenças divididas os problemas 29 e 30.2293 -0.Dada uma função tabelada.1053 0.3)(x – 2. o polinômio de 4a ordem para interpolar as funções sen(x) e cos(x). 30 .3)(x – 2.1905 0.3 1 5.1655 4.1128 0. usando diferenças divididas.1)(x – 6) Exercício 33: Determinar os polinômios interpoladores do exercício 32 usando o método das diferenças divididas. Exemplo 23: Determinar o polinômio interpolador para para a função tabelada abaixo. Dica.6650 6 16 4.8333 (x – 1.2 21 Então o polinômio interpolador será P(x) = 1 + 5.3) – 1.1905 (x – 1.0108 2. 60o e 90o.2293 (x – 1. 45o. x y y  y2  y3  y4 1. 30o.0108 (x – 1.

n−1 Podemos então escrever P  x = ∑ a m x m≈ y  x  . entretanto.553 31 P(3.879 .Interpolação de Lagrange Se existem n pares (x.15 1−2 1−3 1−4 2−1 2−3 2−4  x−1  x−2  x−4  x−1  x−2  x−3 2. y) tabelados.31 0. x 1 2 3 4 P  x =  y(x) 10 5.5) e y(3.535 −59 3 437 2 6017 451 x x− x 300 200 600 25 P(2. para todo xi. mostrar que o polinômio acima pode ser escrito como  x− x 1  x−x 2  x− x 3 ⋯ x− x n−1   x−x 0  x− x 2  x−x 3 ⋯ x− x n−1  P  x = y  x 0  y  x 1   x 0 − x 1  x 0 −x 2  x 0 − x 3 ⋯ x 0 −x n−1   x 1 −x 0  x 1 − x 2  x 1−x 3 ⋯ x 1− x n−1   x−x 0  x− x 1  x− x 2 ⋯ x− x n−2  ⋯ y  x n−1   x n−1− x 1  x n−1 − x 2  x n−1− x 3 ⋯ x n−1 −x n−2  n−1 n−1 P  x =∑ ∏ i=0 j≠i  x− x j  y  xi   xi − x j  Exemplo 24: Determinar o polinômio que ajusta aos pontos dados na tabela abaixo. determinar y(1.25). é possível ajustar somente um polinômio de grau (n -1) tal que. Usando este polinômio.31 0. m=0 Os coeficientes am podem ser determinados montando um sistema de equações lineares com n equações e n incógnitas. Pode-se. y(2.2).3  x−2  x−3  x−4  x−1  x−3  x−4 10 5.2) = 1.15 2.3 3−1 3−2 3−4 4−1 4−2 4−3 P  x = P(1.5) = 3. usando a interpolação de Lagrange. existe P(xi) = yi.25) = 8.

yi) tenha sido obtido experimentalmente e que se pressuponha que haja uma relação funcional entre eles.5 0 0 0.O método dos Mínimos Quadrados.5 3 2.5 1 0. 5 4. S =∑  ab x i − y i  2 . é de se pressupor que os valores de yi não correspondam exatamente a f(xi). N Supor um conjunto {xi. Como a toda medição há incertezas associadas. tal que y = f(x). Exemplo 25: O gráfico abaixo ilustra um conjunto de pontos em que os quadrados negros indicam os valores experimentais e a curva contínua indica a função f(x) = x2.5 2 1.25 1.75 1 1. Então. i=1 n ∂S =0 . yi}. Deve determinar quais valores de a e b para os quais S é mínima.5 1. Define-se como resíduo a diferença = f  x i − y i . yi} e que estes pontos devam descrever uma reta f(xi) = a + b xi. ∂a n ∑ 2 ab xi − y i =0 i=1 n n n i=1 i=1 i=1 ∂S =0 .75 2 O método dos mínimos quadrados é uma maneira de determinar a curva f(x) que melhor se ajusta ao conjunto {xi. pela minimização do quadrado da soma dos resíduos N S =∑  2 .25 0.5 0. ∂b ∑ 2 ab x i − yi  x i =0 i=1 n ∑ ab ∑ xi =∑ yi n n a ∑ x i b ∑ x =∑ y i x i i=1 32 i=1 2 i i=1 .5 4 3. Supor que um conjunto de pares de dados (xi. i=1 Regressão Linear.

Exercício 36: Determinar a reta que melhor se ajusta aos conjuntos de pontos indicados abaixo: 33 .12 e b = 2. uma vez resolvido.9 Resolvendo este sistema.5 5.636 .4 ∑ y i =149 ∑ xi2=346. f(x) = 7.46 b=1200.636 x .2 ∑ xi =40. tem-se a = 7. fornece os valores de a e b para os quais S é mínima.12 + 2. xi 2.46 ∑ y i xi =1200.4 b=149 =========> 40. 40 35 30 25 20 15 10 2 4 6 8 10 12 14 A figura acima mostra os pontos da tabela (losangos) e a reta ajustada.2 8 9. uma reta.4 a346. a ∑ x i b ∑ x i2 =∑ y i x i i=0 i=0 i=0 Exemplo 26: Ajustar aos dados apresentados na tabela abaixo.2 3.Rearranjando. então.9 yi 11 14 24 27 33 40 6 a40.3 12. tem-se n n i=0 n i=0 n a nb ∑ x i =∑ y i n Tem-se então um sistema linear de equações que. usando o método dos mínimos quadrados.

6 9.0 7.61 1.40 75.46− ⋅ 4311− 6 6    Exercício 37: Calcular R2 para o exercício 36. Exemplo 27: A curva ajustada no exemplo anterior tem um 2coeficiente de determinação dado por 40. melhor é o ajuste da curva.2 17.8 8.9− 6 R2= =0.62 1.29 18.4⋅149 1200.7 28.43 34.859 .8 1 -1.970 141.193 0.38 1.79 2.26 68.2 6. O coeficiente de determinação é um número que determina quão bom é o ajuste.59 6 14.6 5.4 10.96 1.8 5.98 0.19 60.2 11.52 0.44 d-) e-) f-) x y x y x y 0.29 Coeficiente de determinação R2.980 206.10 1.68 1.4 2 1492 346.4 28.74 5 11.1 22.48 2.00 6.767 0.95 0.90 1.4 4.990 271.000 335.03 20 16.073 0.2 3.6 25.17 4 7.815 1.4 5.39 8.05 42.41 41.960 75.6 2 2.57 0.244 1.9 3 4.74 1. e é dado por: R2= [ n n n ∑ x i y i − 1n ∑ x i ∑ yi i=1 i=1 i=1 [∑ ∑  ] [∑ n x i2− i=1 1 n n 2 n xi ⋅ i=1 y i2− i=1 1 n ] ∑  ] 2 2 n .0 5. yi i=1 Quanto mais próximo de 1 estiver R2.4 7.2 7.a-) b-) c-) x y x y x y 12. 34   .24 5.06 4. 40.

x f(x) y(x) = ln(f) 0. Então. do tipo f  x=a eb x . para ajustar uma exponencial a um conjunto de dados fornecidos na forma de uma tabela {xn. Uma curva exponencial.2 7.943 1.157 2. criamos uma segunda tabela com {xn.4 8.309 1. F(x) = A + b x.033 1.4 5.16 S yi = 17.5751 A 7.634 2. desde que seja aplicado o logaritmo em ambos os lados da expressão. 35 .215 Desta tabela cria-se a tabela à direita da original. e a = eA. ln [ f  x ]=ln a e b x =ln a b x Se for feita a substituição F(x) = ln[f(x)] e A = ln(a) reduzimos a expressão da exponencial a uma função do 2º grau. Então f(x) = 5.897 1. Exercício 38: Ajustar curvas exponenciais aos dados tabelados abaixo.3275 x .3659 .5751 S xi yi = 14.2=17. Exemplo 28: Dada a tabela abaixo.750 0.16=14.774 0. pode ser ajustada usando regressão linear. A = 1.192 1.0 5.2 S xi2 = 8.956 0.977 1. ln(fn)} e ajustamos uma reta a estes dados.6 7.0 7.068 1.669 0. obtendo A e b.8 6.6578 A 9b 7.948 1. ajustar uma exponencial a estes valores. Assim.6801 b = 0.753 1.3659 e0.3275 e a = eA = 5. onde y = ln(f) e dela tiramos os parâmetros n=9 S xi = 7.949 2.014 1.6 9.2 5.6578 Resolvendo agora este sistema. fn}.Ajuste da curva exponencial.2b 8.

511 1.4 1. A = ln(a) e X = ln(x) Então.974 4.3 19. obtendo A e b.601 2.006 1.5 34.2 41.2 61.3 1. Exemplo 29: Dada a tabela abaixo.882 2. ln(fn)} e ajustamos uma reta a estes dados.0 1.965 0.2 10.8 15.788 1.474 1. para ajustar uma potencial a um conjunto de dados fornecidos na forma de uma tabela {xn.1 15.123 0.2 103.215 0.669 0.886 1.104 4.552 6. do tipo f  x =a x b .5 25.387 4.421 9.163 2.2 35.5 15. fn}.267 0.0 51.825 3.7 15.575 1.5 2.514 2.0 14.5 15.0 21.5 59.082 1.640 Da tabela à direita tem-se 36 .6 17.724 1.512 2. criamos uma segunda tabela com {ln(xn).182 0.920 Ajuste da curva potencial. ajustar uma potencial a estes valores.731 7.2 1.2 82.916 5.786 3.693 1. Uma curva exponencial.982 4.122 8. ln [ f  x]=ln a b ln  x  ou y= Ab X onde y = ln[f(x)].435 2.418 9.343 2. x f(x) X = ln(x) y = ln(f) 1.2 1.2 14.006 0.219 4. também aplicando o logaritmo em ambos os lados da expressão.287 0. pode ser ajustada usando regressão linear.6 1.888 7.4 15. e a = eA.003 0.927 0.0 16.649 3.047 0.936 2. Assim.957 0.252 0.626 10.a-) b-) c-) x f(x) x f(x) x f(x) 0.2 18.2 5.047 1.0 26.557 6.1 1.796 3.

616 1.9 4.0 16.5 3. Então a = eA = 1.563 0.4 48.865 e Resolvendo este sistema.1303.364=48.5 14.34b 23.307 2.5 18.7 55.768 1. Exercício 39: Ajustar curvas potenciais aos dados tabelados abaixo.1225. a-) b-) c-) x f(x) x f(x) x f(x) 0. b = 2.2 7.092 3.0 13.958 2.5 10.277 1.200 4.1 36.5 14.973 2.524 3.0 1. A 13.070 S xi yi = 48.022.619 3.0 3.102 0.5 0.384 2.022 .34 n=9 S xi2 = 23.5 1.1303 x2.357 1.8 24. tem-se A = 0.0 2.070 .S xi = 13.34=28.865 A 9b 13.571 1.5 0.837 2.0 16.922 1.081 37 .364 S yi = 28.867 2.3 0.6 1.811 0. f(x) = 1.593 0.346 1.597 2.0 0.

Então. como um trapézio. como diagramado na figura abaixo.Integração Numérica Interpretação geométrica da integral: o valor f(x) b numérico da integral ∫ f  x dx é igual à área a entre a função e o eixo x no intervalo [a. por exemplo. 38 . ou seja. Numericamente. O erro pode ser minimizado. os erros serão grandes (as “quinas” que sobram do retângulo). toma-se x pequeno o suficiente para que o erro do cálculo seja inferior a um certo valor pré-determinado. para intervalos x iguais. yn) com retas. escolhendo uma figura geométrica mais adequada para calcular a área sob a função. a não ser que tomemos x muito pequeno. Para calcular a integral divide-se o intervalo [a. 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). Este método de integração numérica consiste em dividir a área sob a função em trapézios e somar a área dos trapézios individuais. sem diminuir o tamanho de x. b]. f(x) a b Método dos trapézios. ligar os pontos {xn. b] em N sub-intervalos iguais b−a   x= N e escreve-se b ∫ a a b N f  x  dx= lim ∑ f  x n  x  x  0 n=1 N ∞ . É evidente na figura que. então b ∫ a N f  x  dx=∑ f  x n  x= x  f 0  f 1 f 2⋯ f n−1  n=1 o que é equivalente à soma de áreas de retângulos.

9091 1. no intervalo [1. 2 2 Exercício 40: Calcular a integral da função tabelada abaixo.0000 0.3846 2 0.24 1.4 1.00 2. p é o número pelo qual f(xn) é multiplicada na expressão da integral e Σ p f(x) indica a soma dos termos entre colchetes.3333 1 Σ p f(x) = 0.2 2.7143 2 1.24 1.16 2.44 2.0 2. x f(x) p p f(x) 0.5556 2 1.1103 .60 0.6 1.4 . usando o método dos trapézios.4 2.1111 1.00 0.76 2.4 I =∑ p f  x  =5. na mesma expressão.  x= 5 =0.16 1.4286 0.56 3.b f 0 f 1 f f2 f f3 f fn  x 1  x 2  x⋯ n−1 x 2 2 2 2 x f  x dx= [ f 0 2 f 1 2 f 22 f 3⋯2 f n−1 f n ] 2 ∫ f  x  dx= a b ∫ a 2 Exemplo 30: Calcular I =∫ 0 dx 1 x A função a ser integrada é.00 39 .5513 2−0 Nesta tabela.7692 2.40 0.5513⋅ =1.2 1.8 2. usando 5 sub-intervalos.00 1.0000 1 1. Logo. 3].04 2.8 0.20 0.00 1. x f(x) 1. f  x = 1 .0 2. usando o método dos trapézios.0 0.. x 0.6 2. Um possível procedimento é o indicado na tabela 1x abaixo.4545 2 0. então.3333 5.80 0.

5 Exercício 41: Calcular a integral ∫ x e−2 x dx com 10 sub-intervalos.6 0.2857 0.0186 2 f 0.1270 1.11  0. a-) quando se conhece f(x): = b-) quando não se conhece f(x) (mas pode ser aplicado também quando f(x) é conhecida): b−a 2 = ∣ f ∣ 12 onde ∣2 f ∣ 2 é o módulo do valor médio de  f n e  f n = f n − f n−1 2 e  f n = f n − f n−1 . ∣ f ∣= 2. Exemplo 31: Tomando o exemplo anterior.0513 0.4545 -0.0576 1. 40 .8 0.3846 -0.0586≈0. Então = ∆f ∆2f x f(x) 0.0 1.2 0.0699 0.4 0.0586 b−a 2 0.0−0.0 12 12 Daí que a maneira correta de expressar o resultado da integração numércia do exemplo 30 é I = 1. com 5 intervalos.01.7143 -0.0 0. 12 onde  é o valor para o qual a derivada segunda de f(x) é máxima no intervalo a≤≤b . 2 Exercício 42: Calcular a integral de f(x) = sen2(x) no intervalo [0.0000 0.1587 0. Estimativa de incertezas no método dos trapézios.1011 0.0312 2. Há duas maneiras de estimar incertezas no uso do método dos trapézios: b−a 2  x  f ' '  .3333 -0. π/4].5556 -0.01 .

30 0.3306 1.6024 1. 41 .0672 2 0.4066 2 0.3012 2 0.05 0.1653 2 0.4463 1.9447 0.0498 2 0.3499 2 0.4816 0.2449 2.1225 2 0.10 0.9557 I = 0.1423 2 0.15 0.002 .0000 1 1.2231 2 0.40 0.1054 2 0.0996 S p f(x)= 12.0578 2 0.8607 2 1.956  0.50 0.5488 2 1.7430 I= 0.7214 0.1920 2 0.0000 0.01 12  x 20.7408 2 1.65 0.1344 2. e o maior valor de f '' no intervalo é f '' (0) = 1.00 1. b−a  x 2 f ' ' 0.85 0.90 0. com uma incerteza estimada menor que 0. Daí.3 Exemplo 32: Calcular ∫ e−x dx .20 0.6999 1.3841 1.25 0.8131 1.70 0.01 12 3−0  x 2 10.35 0.2 Tomando então x = 0. f ''(x) = e . 0 -x Como f(x) = e-x .15 .1814 2. tem-se = e x f(x) p p f(x) 0.04 e  x0.1157 3.2592 2 0.95 0.2108 2.75 0.55 0.4724 2 0.2753 0.1562 2.60 0.2845 2.80 0.45 0.6376 2 1.0907 2 0.00 0.01.5185 1.0781 2 0.0976 0.

monta-se a tabela dos dados correspondentes aos 3 primeiros pontos. O método de Simpson consiste em interpolar uma equação do 2º grau separando sub-intervalos de 2 em 2.368 Método de Simpson. Tomando a tabela ao lado.f0 0 0 x f1 – f0 2 x f2 – f0 Com esta tabela monta-se um sistema linear para resolver a equação g(x) = a + b x + c x2. e estimar a incerteza. 3º grau) e tomar esta integral como a integral correspondente a estes 2 subintervalos.6 0.329 0. porém subtraindo deles o valor de f(x0) = f0.0 0.0 0.164 0.Exercício 43: Calcular a integral da função tabelada abaixo.000 0. x f(x) 0.359 1. usando o método dos trapézios. integrar (eq. x0 x1 x2 x g(x) = f(x) .268 0. 3 .8 0. Então ab 0c 0=0 ab  xc  x 2 = f 1 − f 0 ab 2  xc 4  x 2= f 2 − f 0 Resolvendo este sistema de equações tem-se a=0 f 1 3 b= 2 f 1− f 0− 2 2 2 x 1 c=  f 2−2 f 1 f 0  2  x2  Fazendo agora  x2 x2 x0 x0 ∫ f  x = f 0∫ g  x dx= 42 x  f 0 4 f 1 f 2  .4 0.2 0.

4 0. 1 x f(x) = ln(x) p p f(x) 1.7885 4 3.1042 5.0 1.3944 3.3350 4 5.0 0. como indicado na figura abaixo.9555 2 1.0 1.4 1. b] em um número N par de sub-intervalos iguais e usar a relação b ∫ f  x  dx= a x  f 0 4 f 1 2 f 2 4 f 32 f 4⋯4 f N −1  f N  3 5 Exemplo 33: Calcular ∫ ln  x  dx com 10 sub-intervalos.3365 4 1.2 0.0986 4 4.2238 2 2.3459 1.6 0.2 1.3400 4.6094 43 .6 1. usando o método de Simpson.8 1.0000 1 0.8 0. e somamos todas as integrais parciais.1538 2.Ser dividirmos a função em um número de 6 sub-intervalos. o método de Simpson consiste em dividir o intervalo de integração [a.9110 3.8702 4.5878 2 1.6094 1 1.0000 1.1756 2. f(x) x0 x6 ∫ f  x dx= x0 = x1 x2 x3 x4 x5 x6 x x x  f 0 4 f 1  f 2   f 24 f 3  f 4   f 4 4 f 5 f 6 = 3 3 3 x  f 0 4 f 1 2 f 2 4 f 3 2 f 4 4 f 5  f 6  3 Generalizando.4351 2 2.4476 3. repetimos o procedimento indicado acima agrupando os pontos 3 a 3.5261 4 6.

 f n = f n − f n−1 = . Exemplo 34: Calcular a integral de sen(x) de 0 a /2. 0 1 Exercício 45: Como  ∫ 1dxx 2 = 4 .0470 Estimativa de incertezas no método de Simpson. Como no caso do método dos trapézios. e o maior no intervalo de integração é sen(/2) = 1. 2 Estimativa de erro: a derivada de 4ª ordem de sen(x) é o próprio sen(x) .002±0. x f(x)  2 0 0 /4  2/ 2 /2 1  ∫ sen  x  dx≈ 13 4 0  04   2 1 =1. / 2−0 4 = 1 ≈0. há duas maneiras de estimar incertezas no uso do método de Simpson: b−a 4 iv  x  f  .3522 I= 4. usando o método de Simpson. calcular o valor de  usando a integração de Simpson com 10 0 44 .Σ p f(x) = 30. = a-) quando se conhece f(x): b-) quando não se conhece f(x) (mas pode ser aplicado também quando f(x) é conhecida): b−a 4 = ∣ f ∣ 180 agora com 4 3 3 3 2 2 2  f n = f n − f n−1 . 180 onde  é o valor para o qual a derivada de quarta ordem de f(x) é máxima no intervalo a≤≤b .  f n = f n − f n−1 . e 180  2 ∫ sen  x  dx=1.0023 .009 . com somente 2 intervalos e estimar a incerteza. Então.009 . 0 6 dx ∫ 1 x Exercício 44: Calcular com 10 sub-intervalos usando o método de Simpson.

4 3.394 45 .346 3. x f(x) 2.8 2.957 4.0 2.356 3.2 0.sub-intervalos.0 2.6 1.273 3.0 0.847 3.8 2.151 2. Exercício 46: Calcular a integral da função tabelada abaixo usando o método de Simpson.6 3.000 2.544 2.2 3.192 3.772 2.4 1.

Sign up to vote on this title
UsefulNot useful