You are on page 1of 117

1

APOSTILA DE CLCULO NUMRICO
































William Wagner Matos Lira



2

















Apostila de Clculo Numrico


















3

William Wagner Matos Lira














Apostila de Clculo Numrico
Reviso 1: Ricardo Albuquerque Fernandes
Reviso 2: Hlio Rocha Cabral de Vasconcellos Neto

















4

SUMRIO


7 Introduo

Captulo 1
9 Erros
9 1.1 Introduo
11 1.2 Representao numrica
13 1.3 Converso entre as bases
15 1.4 Arredondamento e aritmtica de ponto flutuante
17 1.5 Erros

Captulo 2
21 Zeros de Funo
21 2.1 Caracterizao matemtica
21 2.2 Ilustrao a partir de alguns problemas da engenharia
23 2.3 Algoritmos de soluo

Captulo 3
27 Soluo de sistemas de equaes lineares
27 3.1 Caracterizao matemtica
27 3.2 Notao matricial
27 3.3 Classificao quanto soluo
5

28 3.4 Ilustrao com problemas de engenharia
30 3.5 Classificao dos mtodos de soluo de sistemas de
equaes lineares
31 3.6 Mtodos diretos
38 3.7 Mtodos iterativos

Captulo 4
46 Sistema de equaes no lineares
46 4.1 Notao utilizada
47 4.2 Consideraes
47 4.3 Caractersticas dos Mtodos para Resoluo dos sistemas
de equaes no lineares
48 4.4 Mtodos numricos

Captulo 5
55 Interpolao
56 5.1 Mtodos numricos para interpolao

Captulo 6
62 Ajuste
63 6.1 Mtodo dos mnimos quadrados


6

Captulo 7
74 Integrao numrica
74 7.1 Caracterizao matemtica
75 7.2 Frmulas de Newton-Cotes

Captulo 8
87 Diferenciao numrica
87 8.1 Introduo
87 8.2 Objetivos
87 8.3 Aplicaes
88 8.4 Obteno das derivadas aproximadas usando o Mtodo das
diferenas finitas
95 8.5 Consideraes
98 8.6 Resumo das frmulas

Captulo 9
100 Autovalores e Autovetores
100 9.1 Caracterizao Matemtica
100 9.2 Determinao de autovalores e autovetores
101 9.3 Teoremas considerados
103 9.4 Aplicaes na Engenharia
106 9.5 Solues Numricas

7

Introduo


O clculo numrico corresponde a um conjunto de ferramentas ou mtodos
utilizados para se obter a soluo de problemas matemticos de forma aproximada. Esses
mtodos se aplicam principalmente a problemas que no apresentam uma soluo exata,
portando precisam se resolvidos numericamente.
Ficamos ento a nos perguntar: qual o intuito de se produzir resultado numricos?
A necessidade da resoluo numrica de problemas bem variada, um problema de
Matemtica, por exemplo, pode ser resolvido analiticamente, mas esse mtodo pode se
tornar impraticvel com o aumento do tamanho do problema, como no caso de um
sistema de equaes lineares.
Outra aplicao ainda na existncia de problemas para os quais no existem
mtodos matemticos para soluo, ou seja, no podem ser resolvidos analiticamente,
como no caso das equaes diferenciais parciais no lineares, que s podem se resolvidas
analiticamente s em casos particulares.
Um exemplo onde freqentemente faz-se necessrio a utilizao dos mtodos para
obteno dos zeros de funes, o caso da equao de Manning, que relaciona a vazo
em relao profundidade em um determinado rio, como veremos mais adiante. Outros
problemas comuns so os problemas de equilbrio mecnico, equilbrio de corpos
flutuantes, alm de muitos outros.
Os mtodos utilizados pelo clculo numrico para obteno das solues, se
dividem normalmente em dois: os diretos, quando a resposta obtida com a aplicao de
um determinado algoritmo; e indireta, quando necessrio a aplicao deste mtodo
repetidas vezes at se obter o valor desejado considerando um determinado erro aceitvel.
Algumas vezes torna-se invivel a utilizao dos mtodos diretos devido
complexidade do problema, o que torna interessante o uso dos mtodos indiretos mais
atraentes. No entanto, a utilizao dos mtodos indiretos torna-se caro em alguns casos.
Como forma de viabilizar a utilizao dos mtodos indiretos, comum a utilizao
de algumas linguagens computacionais para elaborao de algoritmos que uma vez
8

utilizados produzam as respostas desejadas. Essas linguagens podem ser: Matlab, Fortran,
C, Pascal, entre outras.
As aplicaes do clculo numrico so largamente utilizadas em diversos processos
da engenharia. Sua utilizao vai desde aplicaes para determinao de razes de
equaes, passando por interpolao de valores tabelados, at integrao numrica entre
outros. Desta forma, torna-se cada vez mais comum a necessidade de programar-se tais
aplicaes para a resoluo de problemas do cotidiano do profissional da rea de
engenharia.




























9

1 Erros

1.1 Introduo
1.1.1 Modelagem e Resoluo

A utilizao de simuladores numricos para determinao da soluo de um
problema requer a execuo da seguinte seqncia de etapas:

Etapa 1: Definir o problema real a ser resolvido.
Etapa 2: Observar fenmenos, levantar efeitos dominantes e fazer referncia a
conhecimentos prvios fsicos e matemticos.
Etapa 3: Criar modelo matemtico.
Etapa 4: Resolver o problema matemtico.

Modelagem: Fase de obteno de um modelo matemtico que descreve o problema fsico
em questo.

Resoluo: Fase de obteno da soluo do modelo matemtico atravs da obteno da
soluo analtica ou numrica.


10

1.1.2 Clculo Numrico

O clculo numrico compreende:

A anlise dos processos que resolvem problemas matemticos por meio de operaes
aritmticas;
O desenvolvimento de uma sequncia de operaes aritmticas que levem s
respostas numricas desejadas (Desenvolvimento de algoritmos);
O uso de computadores para obteno das respostas numricas, o que implica em
escrever o mtodo numrico como um programa de computador.

Espera-se, com isso, obter respostas confiveis para problemas matemticos. No entanto,
no raro acontecer que os resultados obtidos estejam distantes do que se esperava obter.
1.1.3 Fontes de erros

Suponha que voc est diante do seguinte problema: voc est em cima de um
edifcio que no sabe a altura, mas precisa determin-la. Tudo que tem em mos uma
bola de metal e um cronmetro. O que fazer?

Conhecemos tambm a equao:

onde:
s a posio final;
s
0
a posio inicial;
v
0
a velocidade inicial;
t o tempo percorrido;
g a acelerao gravitacional.

A bola solta do topo do edifcio e, com o cronmetro, marcou-se que ela levou 2
segundos para atingir o solo. Com isso podemos concluir, a partir da equao acima, que
a altura do edifcio de 19,6 metros.

Essa resposta confivel? Onde esto os erros?

Erros de modelagem do problema:

Resistncia do ar;
Velocidade do vento;
Forma do objeto, etc.

Estes erros esto associados, em geral, simplificao do modelo matemtico.

11

Erros de resoluo do problema:

Preciso dos dados de entrada
(Ex. Preciso na leitura do cronmetro. p/ t = 2,3 segundos, h = 25,92 metros, gravidade);
Forma como os dados so armazenados;
Operaes numricas efetuadas;
Erro de truncamento (troca de uma srie infinita por uma srie finita).

1.2 Representao numrica

Motivao:

Exemplo 1:

Calcular a rea de uma circunferncia de raio 100 metros.

a) 31140 m
2
b) 31416 m
2
c) 31415,92654 m
2

Exemplo 2:

Calcular

=
3000
1
i
x S para 5 . 0 =
i
x e para 11 . 0 =
i
x


S para 5 . 0 =
i
x S para 11 . 0 =
i
x
Na calculadora 15000 3300
No computador 15000 3299,99691


Por que das diferenas?

No caso do Exemplo 1, foram admitidos trs valores diferentes para o nmero :

a) =3,14
b) =3,1416
c) =3,141592654

Portanto, a dependncia da aproximao escolhida para , nos deu valores distintos
para a rea. Aumentando-se o nmero de dgitos aumentamos a preciso. Nunca
conseguiremos um valor exato.

J no caso do Exemplo 2, as diferenas podem ter ocorrido em funo da base
utilizada, da forma como os nmeros so armazenados, ou em virtude dos erros
cometidos nas operaes aritmticas.
12

O conjunto dos nmeros representveis em qualquer mquina finito e, portanto,
discreto. Ou seja, no possvel representar em uma mquina todos os nmeros de um
dado intervalo [a,b]. A representao de um nmero depende da BASE escolhida e do
nmero mximo de dgitos usados na sua representao.

Qual a base utilizada no nosso dia-a-dia?
A base decimal, onde se utiliza os algarismos: 0, 1, 2, 3, 4, 5, 6, 7, 8 e 9.

No entanto, existem outras bases: 8 (base octal), 12 (base duodecimal), 60 (base
sexagessimal). Porm, a base utilizada pela maioria dos computadores a base binria,
onde se utiliza os algarismos 0 e 1.

Os computadores recebem a informao numrica na base decimal, fazem a
converso para sua base (a base binria) e, em seguida, fazem nova converso para exibir
os resultados na base decimal para o usurio.

Exemplos: (100110)
2
= (38)
10
(11001)
2
= (25)
10
1.2.1 Representao de um nmero inteiro

Em princpio, a representao de um nmero inteiro no computador no apresenta
qualquer dificuldade. Qualquer computador trabalha internamente com uma base fixa ,
onde um inteiro 2 , escolhido como uma potncia de 2.

Dessa forma, dado um nmero inteiro 0 x , este possui uma nica representao,
dada, de forma genrica, por:

) ... ( ) ... (
0
0
1
1
1
1 0 1 2 1
d d d d d d d d d x
n
n
n
n n n
+ + + + = =




onde
i
d um dgito da base em questo, no caso de uma base binria 1 =
n
d e
0 1
,..., d d
n

so iguais a 1 ou 0 que so os dgitos da base binria.

Exemplos:

a) Como seria a representao do nmero 1100 numa base 2 =



0 1 2 3
2
2 0 2 0 2 1 2 1 ) 1100 ( + + + =

Portanto:
2 2
) 1100 ( ) 1100 ( = .

b) Como seria a representao do nmero 1997 em uma base 10 = ?
0 1 2 3
10 7 10 9 10 9 10 1 1997 + + + =

Logo, 1997 =
10
) 1997 ( .
13

1.2.2 Representao de um nmero real

Se o nmero real x tem parte inteira
i
x , sua parte fracionria x
f
= x - x
i
pode ser
escrita como uma soma de fraes binrias:

) ... ( ) ... (
) 1 (
1
2
2
1
1 0 1 2 1
n
n
n
n n n f
d d b b b b b b b x + + + + = =



Assim o nmero real ser representado juntando as partes inteiras e fracionrias, ou seja,



onde, x possui n+1 algarismos na parte inteira e m+1 algarismos na parte fracionria.

Exemplos:

a) Como seria a representao do nmero 39,28 em uma base decimal?

) 10 8 10 2 ( ) 10 9 10 3 ( ) 28 , 39 (
2 1 0 1
10

+ + + =
10 10
) 28 , 39 ( ) 28 , 39 ( =

b) Como seria a representao do nmero
2 10
(?) ) 375 , 14 ( = em uma base binria?

2 10
) 011 , 1110 ( ) 375 , 14 ( =

Precisamos saber fazer a converso de bases, mostrada a seguir.

1.3 Converso entre as bases

Conforme dito anteriormente, a maioria dos computadores trabalha na base , onde
um inteiro 2 ; normalmente escolhido como uma potncia de 2.
1.3.1 Binria para Decimal
Exemplos:
a)
10
0 1 2 3
2
) 13 ( 1 0 4 8 2 1 2 0 2 1 2 1 ) 1101 ( = + + + = + + + =
b)
10
0 1 2 3 4
2
) 25 ( 1 0 0 8 16 2 1 2 0 2 0 2 1 2 1 ) 11001 ( = + + + + = + + + + =
1.3.2 Decimal para Binria

Na converso de um nmero escrito na base decimal para a base binria, so
utilizados: o mtodo das divises sucessivas, para a parte inteira, e o mtodo das
multiplicaes sucessivas, para converso da parte fracionria do nmero em questo.
14

Mtodo das divises sucessivas (parte inteira do nmero).

a) Divide-se o nmero (parte inteira) por 2;
b) Em seguida, divide-se novamente por 2, o quociente da diviso anterior;
c) E se repete este processo at o ltimo quociente ser igual a 1.

Depois de feito isso, o nmero binrio ento formado pela concatenao do ltimo
quociente com os restos das divises, lidos em sentido inverso.

Mtodo das multiplicaes sucessivas (parte fracionria do nmero).

a) Multiplica-se o nmero (parte fracionria) por 2;
b) Do resultado, a parte inteira ser o primeiro dgito do nmero na base binria e a parte
fracionria novamente multiplicada por 2;
c) O processo repetido at que a parte fracionria do ltimo produto seja igual a zero.


Exemplos:
a)
2 10
(?) ) 13 ( =
Quociente Resto
13/2 6 1
6/2 3 0
3/2 1 1


Resultado:
2 10
) 1101 ( ) 13 ( =

b)
2 10
(?) ) 25 ( =
Quociente Resto
25/2 12 1
12/2 6 0
6/2 3 0
3/2 1 1

Resultado:
2 10
) 11001 ( ) 25 ( =

c)
2 10
(?) ) 375 , 0 ( =

0,375
x 2
0,750
0,750
x 2
1,500
0,500
x 2
1,000
(0,375)
10
=(0,011)
2


15

c)
2 10
(?) ) 25 , 13 ( =

Converte-se inicialmente a parte inteira do nmero:

Quociente Resto
13/2 6 1
7/2 3 0
3/2 1 1


... Em seguida, converte-se a parte fracionria:

2 10
) 01 , 0 ( ) 25 , 0 ( =






Resultado:
2 10
) 01 , 1101 ( ) 25 , 13 ( =

Ateno! Nem todo nmero real na base decimal possui uma representao finita na
base binria. Tente fazer a converso de
10
) 1 , 0 ( . Esta situao ilustra bem o caso de erro
de arredondamento nos dados.

1.3.3 Exerccios Propostos

Faa as converses indicadas abaixo:

a)
10 2
(?) ) 100110 ( =
b)
10 2
(?) ) 1100101 ( =
c)
2 10
(?) ) 28 , 40 ( =
d)
10 2
(?) ) 01 , 110 ( =
e)
2 10
(?) ) 8 , 3 ( =

1.4 Arredondamento e aritmtica de ponto flutuante

Aritmtica de ponto flutuante, trata-se de um formato de representao digital de
nmeros reais em computadores e/ou mquina de calcular, atravs de uma seqncia de
impulsos eltricos que indicam dois estados: 0 ou 1, ou seja, os nmeros so
representados na base binria.
0,25 0,50
x 2 x 2
0,50 1,0
16

De uma maneira geral, um nmero x representado na base por:

e
t
t
d d d d
x

. ...
3
3
2
2 1
(

+ + + + =
onde:
i
d - so nmeros inteiros contidos no intervalo t i d
i
,.., 2 , 1 ; 1 0 = ;
e - representa o expoente de e assume valores entre S e I onde
S I , - so, respectivamente, limite inferior e superior para a variao do expoente;
(

+ + + +
t
t
d d d d

...
3
3
2
2 1
a chamada mantissa e a parte do nmero que representa
seus dgitos significativos e t o nmero de dgitos significativos do sistema de
representao, comumente chamado de preciso da mquina.

Um nmero real x no sistema de aritmtica de ponto flutuante pode ser escrito
tambm na forma:
e
t
d d d d x ). ... , 0 (
3 2 1
=
com 0
1
d , pois o primeiro algarismo significativo de x.


Exemplos:

1) Escrever os nmeros reais a) 35 . 0
1
= x , b) 172 . 5
2
= x , c) 0123 . 0
2
= x , d)
0003 . 0
4
= x , e e) 3 . 5391
5
= x , que esto todos na base 10 = , em notao de um
sistema de aritmtica de ponto flutuante.

Soluo:

a)
0 0 2 1
10 35 . 0 10 ) 10 5 10 3 ( 35 . 0 = + =

x
b)
1 1 4 3 2 1
10 5172 . 0 10 ) 10 2 10 7 10 1 10 5 ( 172 . 5 = + + + =


c)
1 1 3 2 1
10 123 . 0 10 ) 10 3 10 2 10 1 ( 0123 . 0

= + + =
d)
4 4 5 4 3 2 1
10 53913 . 0 10 ) 10 3 10 1 10 9 10 3 10 5 ( 3 . 5391 = + + + + =


e)
3 3 1
10 3 . 0 10 ) 10 3 ( 0003 . 0

= =


2) Considerando agora que estamos diante de uma mquina que utilize apenas trs
dgitos significativos e que tenha como limite inferior e superior para o expoente,
respectivamente, -2 e 2, como seriam representados nesta mquina os nmeros da
primeira questo?

Soluo: Temos ento para esta mquina 3 = t , 2 = I e 2 = S . Desta forma
2 2 e . Sendo assim temos:
17

a)
0
10 350 . 0 35 . 0 =
b)
1
10 517 . 0 172 . 5 =
c)
1
10 123 . 0 0123 . 0

=
d)
4
10 53913 . 0 3 . 5391 = . No pode ser representado por esta mquina. Erro de
overflow.
e)
3
10 3 . 0 0003 . 0

== . No pode ser representado por esta mquina. Erro de
underflow.

Um erro de overflow ocorre quando o nmero muito grande para ser representado,
j um erro de underflow ocorre na condio contrria, ou seja, quando um nmero
pequeno demais para ser representado.


3) Numa mquina de calcular cujo sistema de representao utilizado de base binria,
considerando que a mquina tenha capacidade para armazenar um nmero com dez
dgitos significativos, com limites inferior e superior para o expoente de -15 e 15,
respectivamente. Como representado o nmero (25)
10
neste sistema?

1.5 Erros
1.5.1 Erros absoluto, relativo e percentual

Erro absoluto: Diferena entre o valor exato de um nmero x e seu valor aproximado x
obtido a partir de um procedimento numrico.

x x E
x
a
=

Em geral, apenas x conhecido, e o que se faz assumir um limitante superior ou
uma estimativa para o mdulo do erro absoluto.

Exemplos:

a) Sabendo-se que ) 15 , 3 ; 14 , 3 ( =

tomaremos para um valor dentro deste intervalo e
teremos, ento, 01 . 0 < =
x
a
E .

b) Seja x representado por 9 , 2112 = x de forma que 1 , 0 <
x
a
E podemos dizer que
) 0 , 2113 ; 8 , 2112 ( x .

c) Seja y representado por 3 , 5 = y de forma que 1 , 0 <
y
a
E , podemos dizer que
) 4 , 5 ; 2 , 5 ( y
18

Temos que os valores para os respectivos erros absolutos nas letras b) e c) foram
idnticos. Podemos afirmar que os valores de x e y foram representados com a mesma
preciso?

O erro absoluto no suficiente para descrever a preciso de um clculo. Da a
maior utilizao do conceito de erro relativo.

Erro relativo: Erro absoluto dividido pelo valor aproximado.


x
x x
x
E
E
x
x
a
r

= =

Erro percentual: o erro relativo em termos percentuais, ou seja:

% 100 =
x x
r p
E E

Exemplos:

a) Seja x representado por 9 , 2112 = x de forma que 1 , 0 <
x
a
E podemos dizer que
) 0 , 2113 ; 8 , 2112 ( x .

5
10 7 , 4
9 , 2112
1 , 0

< =
x
E
E
x
x
a
r


% 0047 , 0 % 100 . 10 7 , 4
5
= =

x
p
E

b) Seja y representado por 3 , 5 = y de forma que 1 , 0 <
y
a
E , podemos dizer que
) 4 , 5 ; 2 , 5 ( y

02 , 0
3 , 5
1 , 0
< =
y
E
E
y
y
a
r


% 2 % 100 . 02 , 0 = =
y
p
E
Para valores prximos de 1, os erros absoluto e relativo, tm valores muito
prximos. Entretanto, para valores afastados de 1, podem ocorrer grandes diferenas, e se
deve escolher um critrio adequado para podermos avaliar se o erro que est sendo
cometido grande ou pequeno.

19

1.5.2 Exerccios Propostos

1. Suponha que tenhamos um valor aproximado de 0.00004 para um valor exato de
0.00005. Calcular os erros absoluto, relativo e percentual para este caso.
2. Suponha que tenhamos um valor aproximado de 100000 para um valor exato de
101000. Calcular os erros absoluto, relativo e percentual para este caso.
3. Considerando os dois casos acima, onde se obteve uma aproximao com maior
preciso? Justifique sua resposta.
1.5.3 Erro de arredondamento e truncamento

Dar a representao dos nmeros a seguir num sistema de aritmtica de ponto
flutuante de trs dgitos para = 10, I=-4 e S=4

Quando se utiliza o arredondamento os erros cometidos so menores que no
truncamento, no entanto, o arredondamento requer um maior tempo de execuo, e por
esta razo o truncamento mais utilizado. A demonstrao de que no arredondamento
incorremos em erros menores que no truncamento pode ser encontrada no livro de
Clculo Numrico das autoras Mrcia Ruggiero e Vera Lopes.
1.5.4 Propagao de erros

Ser mostrado um exemplo que ilustra como os erros descritos anteriormente podem
influenciar no desenvolvimento de um clculo.

Suponhamos que as operaes indicadas nos itens a) e b) sejam processadas numa
mquina com 4 dgitos significativos.

a)
1 1 2
) ( x x x +
b) ) (
1 1 2
x x x +

Fazendo
4
1
10 3491 . 0 = x e
0
2
10 2345 , 0 = x temos:

x Representao por
arredondamento
Representao por
truncamento
1,25 0,125x10

0,125x10
10,053 0,101x10
2
0,100x10
2
-238,15 -0,238x10
3
-0,238x10
3
2,71828 0,272x10 0,271.10
0,000007 Exp< -4 (underflow) Exp < -4 (underflow)
718235,82 Exp > 4 (overflow) Exp > 4 (overflow)
20


0000 , 0
10 . 3491 , 0 10 . 3491 . 0
10 . 3491 , 0 ) 10 . 3491 , 0 10 . 2345 , 0 ( ) ( )
4 4
4 4 0
1 1 2
=
=
+ = + x x x a


2345 , 0
0000 , 0 10 . 2345 . 0
) 10 . 3491 , 0 10 . 3491 , 0 ( 10 . 2345 , 0 ) ( )
0
4 4 0
1 1 2
=
+ =
+ = + x x x b



A causa da diferena nas operaes anteriores foi um arredondamento que foi feito
na adio ) (
1 2
x x + do item a), cujo resultado tem oito dgitos. Como a mquina s
armazena 4 dgitos, os menos significativos foram desprezados.

Ao se utilizar uma mquina de calcular deve-se est atento a essas particularidades
causadas pelo erro de arredondamento, no s na adio, mas tambm nas demais
operaes.



























21

2 ZEROS DE FUNES

2.1 Caracterizao Matemtica
Conhecida uma funo f(x), determinar o valor de x, tal que f(x)=0. Ou seja,
determinar x, de forma que este seja zero ou raiz da funo f(x).
Soluo analtica:
o Equaes algbricas (polinomiais) do 1
o
e 2
o
graus;
o Certos formatos de equaes algbricas do 3
o
e 4
o
graus;
o Algumas equaes transcendentais (no polinomiais).
2.2 Ilustrao Atravs de Alguns Problemas de Engenharia
2.2.1 Equilbrio de Mecanismos.


Exemplo:
Mecnica Vetorial para Engenheiros Esttica
F. P. Beer & E. R. Johnston, Jr.
5
a
Edio Revisada 1994
MAKRON Books do Brasil Editora Ltda
Problema 4.60 (Pgina 254) Uma haste delgada de comprimento 2R e
peso P est presa a um cursor em B e apoiada em um cilindro de raio R.
Sabendo que o cursor pode se deslocar livremente ao longo de sua guia
vertical, determine o valor de correspondente ao equilbrio. Despreze o
atrito.
2R

B
R
Incgnita: ngulo correspondente ao equilbrio.
Equao resultante durante o desenvolvimento da
soluo:
cos
3
=sen
Reformatao do problema:
cos
3
-sen=0
Considerando f()=cos
3
-sen, a soluo da
equao corresponde ao zero da funo f().
22

2.2.2 Equilbrio de Corpos Rgidos com Apoio Deformvel.


2.2.3 Equao de Manning.


Exemplo: Prtico em L invertido com um apoio flexvel de rotao.
Incgnita: ngulo correspondente ao equilbrio.
Equao resultante durante o desenvolvimento da soluo:
(K/PL).=0,5.cos+sen
Reformatao do problema:
(K/PL).-0,5.cos-sen=0
Considerando f()=(K/PL)-0,5.cos-sen, a soluo da
equao corresponde ao zero da funo f().
L
L/2
K
P

23

2.2.4 Equilbrio de Corpos Flutuantes.


2.3 Algoritmos de Soluo
2.3.1 Mtodo Grfico


Utilizar alguma sistemtica para o traado do grfico da funo estudada.
O intervalo inicial de observao pode ser criteriosamente definido em
funo do entendimento fsico do problema envolvido.
O zero da funo corresponde ao ponto de contato do grfico da funo
com o eixo das abscissas.
O intervalo de observao pode ser refinado at se atingir a preciso
desejada.

0 0. 1 1.
-
-
0
0.
1
0. 0.5 0. 0.6 0. 0.7 0. 0.8 0. 0.9 1
-
-
-
-
-
-
-
0
0.
0.
> ezplot(cos(x)^3-sin(x),[0 pi/2]), grid > ezplot(cos(x)^3-sin(x),[0.5 1]), grid
Exemplo: Aplicao do Princpio de Arquimedes para a determinao do
calado de embarcaes.
Incgnita: Profundidade h correspondente ao equilbrio.
Equao resultante durante o desenvolvimento da soluo:

Slido
.V
Slido
=
Lquido
.V
Lquido deslocado
(h)
Reformatao do problema:

Slido
.V
Slido
-
Lquido
.V
Lquido deslocado
(h)=0
Considerando f(h)=
Slido
.V
Slido
-
Lquido
.V
Lquido deslocado
(h),
a soluo da equao corresponde ao zero da funo f(h).
E(h): empuxo
W: peso do corpo
Lquido
Corpo
flutuante
h (calado)
24

2.3.2 Mtodos a Partir de um Intervalo (Bisseo e Cordas)

Pr-requisitos:

o Considere uma funo f(x) contnua dentro de um intervalo [a, b];
o Considere ainda que nos extremos do intervalo [a, b] a funo estudada
apresente sinais contrrios. Ou seja, f(a)*f(b)<0.
Resultado:

o Garante-se a existncia de pelo menos um zero dessa funo dentro do
intervalo [a, b].
Idia:

o Encontrar um intervalo menor que o intervalo original e que atenda aos pr-
requisitos acima mencionados;
o Repetir o procedimento anterior at que se atinja o critrio de tolerncia de
determinao do zero da funo.
Estratgia de diminuio do intervalo:

o Nenhum cuidado especial necessrio para garantir o primeiro pr-requisito
uma vez que toda funo contnua em um intervalo, tambm ser contnua em
qualquer subintervalo menor;
o Para garantir que nesse novo intervalo a funo continue a apresentar sinais
contrrios, deve-se:
- Escolher um ponto c dentro do intervalo original [a, b];
- Redefinir o novo intervalo substituindo o extremo cujo sinal da funo o
mesmo que no ponto escolhido.










Zero
Ponto
interior
f(b)
b z
c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(a) apresenta o
mesmo sinal de f(c)
Novo intervalo: [c, b]
Zero
Ponto
interior
f(b)
b z c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(b) apresenta o
mesmo sinal de f(c)
Novo intervalo: [a, c]
Zero
Ponto
interior
f(b)
b z
c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(a) apresenta o
mesmo sinal de f(c)
Novo intervalo: [c, b]
Zero
Ponto
interior
f(b)
b z
c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(a) apresenta o
mesmo sinal de f(c)
Novo intervalo: [c, b]
Zero
Ponto
interior
f(b)
b z c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(b) apresenta o
mesmo sinal de f(c)
Novo intervalo: [a, c]
Zero
Ponto
interior
f(b)
b z c
Y
X
Y=f(X)
f(c)
a
f(a)
Como f(b) apresenta o
mesmo sinal de f(c)
Novo intervalo: [a, c]
25

2.3.3 Mtodo da Bisseo

















2.3.4 Mtodo das Cordas
























A estimativa do zero da funo Y=f(X) feita a partir do ponto mdio do
intervalo analisado.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
2
b a
ze
+
=
Equao de recorrncia:
Zero
Zero
estimado
f(b)
b
z ze
Y
X
Y=f(X)
f(ze)
a
f(a)
A estimativa do zero da funo Y=f(X) feita a partir do ponto mdio do
intervalo analisado.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
2
b a
ze
+
=
Equao de recorrncia:
Zero
Zero
estimado
f(b)
b
z ze
Y
X
Y=f(X)
f(ze)
a
f(a)
2
b a
ze
+
=
2
b a
ze
+
=
Equao de recorrncia:
Zero
Zero
estimado
f(b)
b
z ze
Y
X
Y=f(X)
f(ze)
a
f(a)
O mtodo das cordas fundamenta-se no fato de que, geralmente, o zero da
funo vai estar localizado o mais prximo do extremo do intervalo onde a funo
apresenta o menor valor em mdulo.
A estimativa do zero da funo Y=f(X) feita a partir da reta secante que une
os pares extremos (a,f(a)) e (b,f(b)) do intervalo analisado.
O ponto em que essa reta secante intercepta o eixo das abscissas corresponde
estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
Zero
Zero
estimado
f(b)
b z
ze
Y
X
Y=f(X)
Reta
secante
Pela semelhana dos tringulos
retngulos destacados na figura:
) a ( f ) b ( f
) a ( f b ) b ( f a
ze
ze b
) b ( f
a ze
) a ( f


=

=

Equao de recorrncia:
f(ze)
a
f(a)
O mtodo das cordas fundamenta-se no fato de que, geralmente, o zero da
funo vai estar localizado o mais prximo do extremo do intervalo onde a funo
apresenta o menor valor em mdulo.
A estimativa do zero da funo Y=f(X) feita a partir da reta secante que une
os pares extremos (a,f(a)) e (b,f(b)) do intervalo analisado.
O ponto em que essa reta secante intercepta o eixo das abscissas corresponde
estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o problema, ou
seja, |f(ze)|>tol, redefine-se o intervalo de estudo, repetindo-se a estratgia at
que a tolerncia seja verificada.
Zero
Zero
estimado
f(b)
b z
ze
Y
X
Y=f(X)
Reta
secante
Pela semelhana dos tringulos
retngulos destacados na figura:
) a ( f ) b ( f
) a ( f b ) b ( f a
ze
ze b
) b ( f
a ze
) a ( f


=

=

Equao de recorrncia:
f(ze)
a
f(a)
26

2.3.5 Mtodo de Newton











































f(a)
f(ze)
Zero
Zero
estimado
( ) ) a ( f arctan =
a z ze
Ponto de
partida
Y
X
Y=f(X)
A estimativa do zero da funo Y=f(X) feita a partir da reta tangente
funo em um ponto de partida.
O ponto em que essa reta tangente intercepta o eixo das abscissas
corresponde estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o
problema, ou seja, |f(ze)|>tol, repete-se o esquema at que a mesma
seja verificada.

Reta
tangente
Para o tringulo retngulo
destacado na figura:
) a ( f
) a ( f
a ze
ze a
) a ( f
) a ( f ) tan(

=

= =
Equao de recorrncia:
f(a)
f(ze)
Zero
Zero
estimado
( ) ) a ( f arctan =
a z ze
Ponto de
partida
Y
X
Y=f(X)
A estimativa do zero da funo Y=f(X) feita a partir da reta tangente
funo em um ponto de partida.
O ponto em que essa reta tangente intercepta o eixo das abscissas
corresponde estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o
problema, ou seja, |f(ze)|>tol, repete-se o esquema at que a mesma
seja verificada.

Reta
tangente
Para o tringulo retngulo
destacado na figura:
) a ( f
) a ( f
a ze
ze a
) a ( f
) a ( f ) tan(

=

= =
Equao de recorrncia:
Zero
Zero
estimado
( ) ) a ( f arctan =
a z ze
Ponto de
partida
Y
X
Y=f(X)
A estimativa do zero da funo Y=f(X) feita a partir da reta tangente
funo em um ponto de partida.
O ponto em que essa reta tangente intercepta o eixo das abscissas
corresponde estimativa do zero da funo.
Se o valor estimado no atender tolerncia estabelecida para o
problema, ou seja, |f(ze)|>tol, repete-se o esquema at que a mesma
seja verificada.

Reta
tangente
Para o tringulo retngulo
destacado na figura:
) a ( f
) a ( f
a ze
ze a
) a ( f
) a ( f ) tan(

=

= =
Equao de recorrncia:
27

3 SOLUO DE SISTEMAS DE EQUAES LINEARES

3.1 Caracterizao Matemtica



Onde:
a
ij
so os coeficientes;
x
j
so as variveis;
b
i
so as constantes, tal que e .

3.2 Notao Matricial





Onde:
A a matriz dos coeficientes;
x o vetor de incgnitas;
b o vetor de constantes.

3.3 Classificao quanto soluo


28

3.3.1 Sistema Possvel ou Compatvel
Admite soluo.

3.3.1.1 Sistema Possvel e Determinado
Possui uma nica soluo;
O determinante de A deve ser diferente de zero;
Se b for um vetor nulo (constantes nulas), a soluo do sistema ser a soluo
trivial, ou seja, o vetor x tambm ser nulo.

3.3.1.2 Sistema Possvel e Indeterminado
Possui infinitas solues;
O determinante de A deve ser nulo;
O vetor de constantes B deve ser nulo ou mltiplo de uma coluna de A.

3.3.2 Sistema Impossvel ou Incompatvel
No possui soluo;
O determinante de A deve ser nulo;
O vetor B no pode ser nulo ou mltiplo de alguma coluna de A.

3.4 Ilustrao com Problemas de Engenharia

3.4.1 Mtodo da Rigidez



29



3.4.2 Circuitos Eltricos






























30

3.4.3 Interpolao



3.5 Classificao dos Mtodos de Soluo de Sistemas de
Equaes Lineares

3.5.1 Mtodos Diretos

So aqueles que conduzem soluo, a menos de erros de arredondamento
introduzidos pela mquina aps um nmero finito de passos.



Pertencem a esta classe todos os mtodos estudados no 1 e 2 graus. No entanto,
esses mtodos no so usados em problemas prticos quando o nmero de
equaes elevado, pois apresentam problemas de desempenho;
Surge ento, a necessidade de utilizar tcnicas mais avanadas e eficientes, como:
Mtodo de Eliminao de Gauss e Mtodo de Gauss-Jordan.


31

3.5.2 Mtodos Indiretos ou Iterativos

So aqueles que se baseiam na construo de seqncias de aproximaes. A cada
passo, os valores calculados anteriormente so utilizados para reforar a
aproximao.



O resultado obtido aproximado;
Geralmente so utilizados os seguintes critrios de parada para as iteraes:
Limitao no nmero de iteraes e Determinao de uma tolerncia para a
exatido da soluo;
Podem no convergir para a soluo exata;
Podem ser inviveis quando o sistema muito grande ou mal-condicionado;
Exemplos de Mtodos Iterativos: Mtodos de Gauss-Jacobi e de Gauss-Seidel.

3.6 Mtodos Diretos

Sabemos que, para um sistema possvel e determinado de dimenso n x n, devemos
ter a relao abaixo como verdade:


A partir das operaes com matrizes sabemos que, o vetor soluo, x, dado por:



No entanto, calcular explicitamente a inversa de uma matriz no aconselhvel
devido quantidade de operaes envolvidas. Como forma de evitar esse problema,
utilizamos os seguintes mtodos.

3.6.1 Mtodo da Eliminao de Gauss

Evita o clculo da inversa de A;
A soluo usando o Mtodo da Eliminao de Gauss consiste em duas etapas:

a) Transformao do sistema original num sistema equivalente
usando uma matriz triangular superior (Escalonamento);
b) Resoluo deste sistema equivalente.

Por questes didticas, a resoluo do sistema equivalente ser mostrada antes do
escalonamento do sistema.
32

3.6.1.1 Resoluo do Sistema Equivalente

Exemplo:




Tendo o sistema escalonado n x n, torna-se simples a obteno da soluo;
Calcula-se inicialmente o x
3
pela ltima equao;
Depois, utiliza-se o valor de x
3
na 2 equao para obter o valor de x
2
;
Em seguida, faz-se uso dos valores j conhecidos de x
2
e x
3
na 1 equao para
computar x
1
.


De forma geral, temos:









Algoritmo para resoluo do sistema equivalente no Matlab.



Para i = (n-1),...,1

Para j = (i+1),...,n


Fim
Fim

33

3.6.1.1 Escalonamento



Percorre-se os elementos abaixo da diagonal principal, transformando-os, atravs de
operaes elementares, em termos nulos, e garantindo que os elementos que j foram
transformados anteriormente no mais sejam modificados.





Operaes Elementares

a) Permutar duas equaes do sistema;
b) Multiplicar uma das equaes do sistema por um nmero real no nulo;
c) Somar a uma das equaes do sistema uma segunda equao desse mesmo
sistema multiplicada por um nmero real;

A aplicao de operaes elementares ao sistema em questo garante que o novo
sistema ser equivalente ao original.


3.6.1.2 Escalonamento sem pivoteamento

Exemplo:

34







35













































36

Algoritmo para escalonamento do sistema.








3.6.1.3 Escalonamento com pivoteamento

Evitar que os pivs usados no escalonamento sejam nulos.

Exemplo:

















Para j = 1,...,(n-1)
Para i = (j+1),...,n

Para k = 1,...,n

Fim

Fim
Fim
37



Critrio: buscar linha com maior coeficiente em mdulo.

Trocar a segunda pela terceira linha:


Continuar escalonando ...


Observao:

O pivoteamento pode ser empregado com o objetivo de minimizar os erros de
arredondamento e truncamento quando a matriz dos coeficientes A no for
diagonalmente predominante. Antes do escalonamento de uma dada coluna, procura-se
colocar como piv o maior elemento em mdulo de todos aqueles da diagonal principal
para baixo.
38

Resumindo:

Escalonamento sem pivoteamento:

Repetir da primeira at a penltima coluna;
Repetir para as linhas abaixo da diagonal principal;
Aplicar operao elementar com o objetivo de zerar o elemento
da linha corrente abaixo da diagonal principal;
Alterar linha da matriz dos coeficientes;
Alterar linha do vetor das constantes.


Escalonamento com pivoteamento:

Repetir da primeira at a penltima coluna;
Verificar a necessidade de se fazer o pivoteamento;
Procurar uma linha adequada;
No caso de encontrar, fazer a permuta das linhas;
Verificar a necessidade de se fazer o escalonamento da coluna corrente;
Repetir para as linhas abaixo da diagonal principal;
Aplicar operao elementar com o objetivo de zerar o elemento
da linha corrente abaixo da diagonal principal;
Alterar linha da matriz dos coeficientes;
Alterar linha do vetor das constantes.

3.7 Mtodos Iterativos

Geram uma seqncia de vetores {x}
k
, a partir de uma aproximao inicial {x}
0
. Sob
certas condies essa seqncia converge para a soluo, caso ela exista.

Seja o sistema linear Ax=b, onde:

A: matriz dos coeficientes, nxn;
b: vetor de termos constantes, nx1;
x: vetor de incgnitas, nx1.

Esse sistema convertido, de alguma forma, em um sistema do tipo x = Cx + g, onde:

C uma matriz nxn;
g um vetor nx1.

Partindo de uma aproximao inicial x
0
, construmos consecutivamente os vetores:

x
1
= Cx
0
+ g x
2
= Cx
1
+ g x
3
= Cx
2
+ g
...
x
k+1
= Cx
k
+ g
39


Costuma-se adotar como critrio de parada para os mtodos iterativos os seguintes testes:

x
k
seja suficiente prximo de x
k-1
(ou seja, distncia entre x
k
e x
k-1
seja menor que
uma dada tolerncia);
Nmero mximo de iteraes.

3.7.1 Mtodo de Gauss-Jacobi

Idia principal:

Cada coordenada do vetor correspondente nova aproximao calculada a partir
da respectiva equao do sistema, utilizando-se as demais coordenadas do vetor
aproximao da iterao anterior.

De forma genrica tem-se o sistema n x n abaixo:








onde .

Pode-se ento, isolar os termos do vetor de incgnitas x, da seguinte forma:







Desta forma, podemos montar a matriz C e o vetor g:






= +
= + +
= + + +
= + + +
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
L
M M O M M M
L
L
L
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
(
(
(
(
(
(
(
(




=
0
0
0
2 1
22
2
22
21
11
1
11
12
L
M O M M
L
L
nn
n
nn
n
n
n
a
a
a
a
a
a
a
a
a
a
a
a
C

=
nn
n
a
b
a
b
a
b
g
M
22
2
11
1
40

Ento, pode-se calcular o vetor soluo para cada iterao k, como sendo:



Ou generalizando para os termos x
i
do vetor soluo de uma iterao k:






Exemplo:


Calculando a matriz C e o vetor g, obtm-se:








Pode-se ento calcular o vetor x para as iteraes:



n i para
a
x a b
x
ii
n
i j
j
k
j ij i
k
i
, , 1 ,
1
) 1 (
) (
K =

(
(
(
(
(
(



=
0
5
2
0
4
2
0
4
1
3
1
3
1
0
C

=
1
1
3
7
g
41

Os resultados obtidos para as iteraes esto dispostos na tabela a seguir:

Iterao
{x}
(k)

1 2.3333 1.0000 1.0000
2 1.6667 -0.0833 0.6000
3 2.1611 0.2833 1.0333
4 1.8944 -0.0569 0.8867
5 2.0568 0.0831 1.0228
6 1.9647 -0.0256 0.9668
7 2.0196 0.0254 1.0102
8 1.9881 -0.0100 0.9898
... ...
Soluo exata 2.0000 0.0000 1.0000


Observa-se que quanto mais iteraes forem realizadas, mais prximo estar o vetor
x da soluo exata do sistema linear.



Algoritmo























Enquanto
dist > tolerncia
nite < nmero mximo de iteraes.
ento:
nite = nite + 1
Para i = 1,...,n
s = b
i

Para j = 1,...,n
Se i for diferente de j
s = s a
ij
* x0
j

Fim
Fim
x
i
= s/a
ii

Fim
dist = norma(x-x0)
x0=x
Fim
42

3.7.2 Mtodo de Gauss-Seidel

Idia principal:

Cada coordenada do vetor correspondente nova aproximao calculada a partir
da respectiva equao do sistema, utilizando-se as coordenadas do vetor aproximao da
iterao anterior, quando essas ainda no foram calculadas na iterao corrente, e as
coordenadas do vetor aproximao da iterao corrente, no caso contrrio.

De forma genrica tem-se o sistema n x n abaixo:







onde .

Isolando x, atravs da separao pela diagonal, conforme foi feito no mtodo anterior:


Numa dada iterao (k), ao calcular-se x
1
, ainda no se tem posse dos demais
valores do vetor soluo do sistema (x
2
, x
3
, .., x
n
). Por esse motivo, utiliza-se valores do
vetor soluo da iterao (k-1). J para os outros elementos de x
(k)
, pode-se fazer uso de
valores j calculados na iterao corrente, por exemplo, ao calcular-se x
2
j se conhece
previamente o valor de x
1
, e ao calcular-se x
3
, j se conhece os valores de x
1
e x
2
.

Este fato constitui a principal diferena entre os mtodos de Gauss-Jacobi e Gauss-
Seidel.

Generalizando, para uma iterao (k) qualquer, um elemento i do vetor soluo pode
ser representado da seguinte forma:






= +
= + +
= + + +
= + + +
n n nn n n n
n n
n n
n n
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
b x a x a x a x a
L
M M O M M M
L
L
L
3 3 2 2 1 1
3 3 3 33 2 32 1 31
2 2 3 23 2 22 1 21
1 1 3 13 2 12 1 11
n i para
a
x a x a b
x
ii
n
i j
k
j ij
i
j
k
j ij i
k
i
, , 1 ,
1
) 1 (
1
1
) (
) (
K =

=

+ =

=
43

Exemplo:


Estimativas para a primeira iterao:









Os resultados obtidos para as iteraes esto dispostos na tabela a seguir.

Note que, para o mesmo sistema linear e para um mesmo chute inicial, o mtodo de
Gauss-Seidel tende a convergir para a resposta exata do sistema, numa quantidade menor
de iteraes que o mtodo de Gauss-Jacobi. Isto ocorre porque como vimos, o mtodo de
Gauss-Seidel faz uso de elementos do prprio vetor soluo da iterao corrente para
atualizar sua estimativa.

Iterao
{x}
(k)

1 2.3333 0.4167 0.8333
2 1.9167 0.1042 0.9583
3 1.9792 0.0260 0.9896
4 1.9948 0.0065 0.9974
5 1.9987 0.0016 0.9993
6 1.9997 0.0004 0.9998
7 1.9999 0.0001 1.0000
... ...
Soluo exata 2.0000 0.0000 1.0000

Observa-se tambm, que quanto mais iteraes forem realizadas, mais prximo
estar o vetor x da soluo exata do sistema linear em questo.




( )
( )
( )

= =
= =
= =
6
5
2 0 5
5
1
12
5
2 1 4
4
1
3
7
1 1 7
3
1
1
2
1
1
) 1 (
3
0
3
1
1
) 1 (
2
0
3
0
2
) 1 (
1
x x x
x x x
x x x
44

Algoritmo




















3.7.3 Condio de suficincia
para a convergncia dos mtodos
iterativos

Ao se utilizar um mtodo iterativo para solucionar um sistema de equaes
lineares, deve-se tomar cuidado, pois dependendo do sistema em questo, e da estimativa
inicial escolhida, o mtodo pode no convergir para a soluo do sistema.

Existem, porm, alguns critrios para verificar a convergncia de um mtodo
iterativo. Basta atender a pelo menos um deles para que a convergncia ocorra
independentemente da aproximao inicial escolhida.

Nesses critrios so calculados valores
s
, onde . A condio de
convergncia que o valor mximo de todos os
s
deve ser inferior a 1.
3.7.3.1 Critrio das linhas
Os valores de
s
so calculados conforme a equao abaixo:





ss
n
s j
j
sj
s
a
a
|
|
|
.
|

\
|
=

=1

Enquanto
dist > tolerncia
nite < nmero mximo de iteraes.
ento:
nite = nite + 1
Para i = 1,...,n
s
0
= b
i

s
1
= 0;

Para j = 1,...,(i-1)
s
0
= s
0
a
ij
*x
j

Fim
Para j = (i+1),...,n
s
1
= s
1
a
ij
*x0
j

Fim
x
i
= (s
0
+s
1
)/a
ii

Fim
dist = norma(x-x0)
x0=x
Fim
45

3.7.3.2 Critrio das colunas
Os valores de
s
so calculados conforme a equao abaixo:






3.7.3.3 Critrio de Sassenfeld
Onde o valor de
1
calculado da mesma forma que o
1
do critrio das linhas:




E os demais
s
so calculados utilizando os valores j calculados de
s
:




Exemplo:

Utilizando o critrio das linhas, verificar se o sistema com matriz dos coeficientes A
abaixo, garante condio de convergncia para os mtodos iterativos.








Verifica-se ento, que independentemente do chute inicial para o vetor soluo x
0
,
ao utilizar um mtodo iterativo para resolver um sistema linear com matriz dos
coeficientes igual a A, apresentada acima, iremos convergir para a soluo exata do
sistema.
ss
n
s j
j
js
s
a
a
|
|
|
.
|

\
|
=

=1

11
1 12
1
a
a a
n
+ +
=
K

ss
n ss s ss s
s
a
a a a a
1 1 1 1 1 1
+ + + +
=
+
K K

(
(
(

=
10 3 2
1 5 1
1 2 10
A
46

4 SISTEMA DE EQUAES NO LINEARES

Dada uma funo no linear



o objetivo encontrar as solues para



ou seja,



Por exemplo:





Este sistema no linear admite quatro solues, representadas pelos pontos onde as
curvas se interceptam.


4.1 Notao Utilizada




Cada funo f
i
(X) uma funo no linear em X e, portanto, F(X) tambm uma
funo no linear em X.

Para sistemas lineares, tnhamos:



47

4.2 Consideraes

F(X) tem derivadas contnuas no domnio;
Existe pelo menos um ponto X
*
D, tal que F(X
*
) = 0.


O vetor das derivadas parciais da funo f
i
(X) denominado vetor gradiente de
f
i
(X) e denotado por:



A matriz das derivadas parciais de F(X) chamada matriz Jacobiana J(X):



Exemplo:
Determinar a matriz Jacobiana do sistema no linear abaixo:







4.3 Caractersticas dos Mtodos para Resoluo
dos Sistemas de Equaes no Lineares


Iteratividade:

A partir de um ponto inicial , geram sequncias . Na situao de
convergncia, uma das solues do sistema quando:


48

Existncia de critrios de convergncia

Verificar se F( ) tem mdulo pequeno. Ou seja:



Verificar se est prximo de zero. Ou seja:



Limitar o nmero de iteraes K por um nmero mximo de iteraes.


4.4 Mtodos Numricos

Veremos aqui basicamente trs tipos de mtodos numricos para a resoluo de
sistemas de equaes no lineares. Os mtodos sero descritos e caracterizados a seguir.


4.4.1 Mtodo de Newton-Raphson

Este o mtodo mais amplamente utilizado para resolver sistemas de equaes
lineares. O mtodo combina duas idias bsicas comuns nas aproximaes numricas:


Linearizao

Procura-se substituir, numa certa vizinhana, um problema complicado
por sua aproximao linear. Essa aproximao pode ser obtida, por
exemplo, tomando-se os primeiros termos de uma expanso usando Srie
de Taylor.


Iterao

Devido repetio do procedimento, at que se garanta a convergncia
para a soluo do sistema ou o fim desejado.





49

4.4.1.1 Caso Escalar

Para ilustrar mais facilmente o uso do mtodo de Newton para a soluo de
sistemas de equaes no lineares, considere um sistema com uma incgnita e uma nica
equao:



Expandindo essa equao usando srie de Taylor prximo a um ponto inicial
(x1,f(x1)) e tomando-se apenas os primeiros termos desta expanso (linearizao), tem-
se:



onde a primeira derivada de f em x1.

Igualando a equao anterior a zero e desenvolvendo-a, tem-se:






Pensando no processo iterativo:



Graficamente, temos:











Tomando a tangente curva em x1, tem-se que:


50

E para uma iterao k qualquer:

4.4.1.2 Caso Vetorial

Considere agora o sistema mostrado inicialmente.




Usando o mesmo raciocnio que no caso escalar, tem-se que:



onde o ndice superior 1 no vetor X indica a iterao:



Rearranjando o sistema, colocando-o na forma matricial, tem-se:





Reescrevendo,



Multiplicando a equao acima pelo inverso da matriz Jacobiana, tem-se:


51

Generalizando para uma iterao k qualquer, temos:



Porm, como o processo de inverso muito caro computacionalmente, opta-se por
resolver o sistema de equaes lineares abaixo para obter a sua soluo.




Exemplo:

Aplicar o mtodo de Newton resoluo do sistema no linear F(X) = 0, onde:



Considere tolerncia ; Nmero mximo de iteraes k(max) = 2 e chute
inicial .


Soluo:

Para k = 1 (Primeira iterao)







Para k = 2 (Segunda iterao)








Soluo exata:
52

Algoritmo








4.4.2 Mtodos Quasi-Newton


O mtodo de Newton apresenta trs caractersticas importantes que influenciam na
velocidade de convergncia:

Escolha do ponto inicial (chute inicial);
Clculo do Jacobiano (derivadas);
Soluo do Sistema Linear.

Vrios mtodos encontrados na literatura apresentam alternativas para o clculo do
Jacobiano, tornando-os teis para a soluo dos sistemas de equaes no lineares. Esses
mtodos so conhecidos como Mtodos Quasi-Newton.

Entre esses mtodos esto o Mtodo de Newton-Raphson modificado e o Mtodo da
Secante, que sero descritos a seguir.


4.4.2.1 Mtodo de Newton-Raphson Modificado

Este mtodo consiste em tomar, em cada iterao k, a mesma matriz Jacobiana
computada no passo inicial. Desse modo,





Apesar da reduo do custo computacional, este mtodo pode ser mais sensvel
convergncia, ou seja, o nmero de iteraes necessrias geralmente maior que quando
se usa o mtodo de Newton-Raphson.


Enquanto (||F( ||< ) e (k<k(max))

k = k + 1
Calcular e
Dx =
X
K+1
=

Fim
53

Exemplo:


Aplicar o mtodo de Newton Modificado resoluo do sistema no linear F(X) = 0,
onde:



considerando tolerncia , nmero mximo de iteraes k(max) = 2 e chute
inicial .




Para k = 1 (Primeira iterao)







Para k = 2 (Segunda iterao)








4.4.2.2 Mtodo Secante

Este mtodo consiste em calcular as derivadas da matriz Jacobiana de forma
aproximada:



54

Para o caso escalar, tem-se graficamente:













Por semelhana de tringulos:




Estendendo para uma iterao qualquer k:





ou ainda, utilizando expanso por srie de Taylor:



Note que a equao acima bastante semelhante de Newton Raphson:



se fizermos a aproximao da secante para a matriz Jacobiana.

4.4.3 Outros Mtodos

Outros mtodos bastante conhecidos para soluo numrica de sistemas de equaes
no lineares so: BFGS, DFT, Gradiente Conjudado, Mximo Declive e Flecher-Rivers.
55

5 INTERPOLAO

Interpolar uma funo f(x) consiste em aproximar essa funo por uma outra funo
p(x) que satisfaa algumas propriedades. Em geral, a interpolao de funes usada nas
seguintes situaes:

So conhecidos valores numricos da funo f(x) em alguns pontos discretos de x
e deseja-se obter valores de f(x) em pontos desconhecidos, mas dentro do limite
avaliado;
Quando uma determinada funo f(x) possui os operadores de diferenciao e
integrao muito complexos;
Na soluo numrica de equaes diferenciais usando o mtodo das diferenas
finitas e o mtodo dos elementos finitos.

Considere n pontos distintos (x1,f(x1)), (x2,f(x2)), ..., (xn,f(xn)).

O objetivo encontrar uma funo interpolante p(x), tal que:








As principais tcnicas de interpolao utilizadas atualmente so baseadas em
polinmios (ou seja, p(x) uma funo polinomial).

O grfico abaixo representa uma funo interpoladora para os pontos (1,1), (2,3),
(3,5) e (4,3). Note que a curva intercepta todos os pontos fornecidos.















56

5.1 Mtodos Numricos para Interpolao

Dados n pontos distintos (x1,f(x1)), (x2,f(x2)), ..., (xn,f(xn)), deseja-se aproximar
f(x) por um polinmio p(x) de grau menor ou igual a (n-1).

Suponha que voc tenha dois pontos distintos (n=2), ento, o melhor polinmio que
interpola esses dois pontos ser uma reta, ou seja, um polinmio de grau 1. Da mesma
forma, dados 3 pontos distintos, o melhor polinmio ser uma parbola. Caso voc
fornea, por exemplo, 3 pontos (n=3) que pertenam a uma reta, o polinmio interpolador
ainda assim poder ter grau 1, ou seja, grau menor que (n-1).
5.1.1 Mtodo de Vandermonde

Considerando a condio bsica para a interpolao:



e o fato de que o polinmio interpolador ter, no mximo, grau (n-1), temos que o
polinmio interpolador assumir a seguinte forma:



Ento, obter o polinmio p(x), significa encontrar os coeficientes de
forma que p(xk) = f(xk), para k=1,...,n.

Desse modo:



Obtm um sistema de equaes lineares, com n equaes e n incgnitas.

Escrevendo o sistema acima na notao matricial, tem-se:




57

A matriz A a chamada matriz de Vandermonde e desde que os valores de x1, x2,
..., xn sejam distintos, o determinante de A diferente de zero, e ento, o sistema
apresenta soluo nica. Ento, para encontrar o polinmio interpolador de uma srie de
n pontos distintos conhecidos, basta encontrar a soluo do sistema linear acima, assunto
tratado no captulo anterior.


Exemplo:

Encontrar o polinmio de grau 2 que interpola os pontos da tabela abaixo:

x f(x)
-1 4
0 1
2 -1

Soluo:








Resolvendo o sistema:



** Obs: A matriz dos coeficientes A (Matriz de Vandermonde) pode estar mal
condicionada, neste caso, tal mtodo no recomendado.

Algoritmo





Para i = 1,...,n
Para j = 1,...,n
Aij = xi^(j-1)
Fim
Fim
a = A
-1
. {y}
58

5.1.2 Mtodo de Lagrange

Seja p(x) um polinmio com grau (n-1) que interpola f em x1, x2, ..., xn. Ento,
podemos representar p(x) na forma:


ou


A equao mostrada acima o chamado Polinmio de Lagrange, onde:



Vamos tomar como exemplo um polinmio quadrtico (n=3), ento:







E desse modo:





Exemplo:

Encontre o polinmio de grau 2 que interpole o seguinte conjunto de pontos:

x f(x)
-1 4
0 1
2 -1

59

Soluo:

Polinmio adotado de grau 2, ento precisamos de n=3 pontos, logo:










Ento, o polinmio interpolador de Lagrange :










Algoritmo












p = 0
Para i = 1,...,n
s = 1
Para k = 1,...,n
Se k for diferente de i
s = s * (x-xk)/(xi-xk)
Fim
Fim
p = p + f(xi)*s
Fim
60

5.1.3 Mtodo de Newton

A frmula de Newton dada por:




onde d
k
so os operadores diferenas divididas entre os pontos (x1,f(x1)),...,(xn,f(xn)).


Esses operadores so dados por:











Desse modo:









Exemplo:

Encontrar o polinmio de grau 2 que interpole o seguinte conjunto de pontos:


x f(x)
-1 4
0 1
2 -1
61

Soluo:

Grau do polinmio = 2, logo, precisamos de n=3 pontos.
Polinmio adotado:



Calculando os operadores diferenas dividas:









Ento, tem-se o Polinmio de Newton:





Algoritmo















D = matriz nula nxn
1 coluna de D = {y}
Para j = 2,...,n
Para i = j,...,n
di,j = (di,j-1 di-1,j-1)/(xi xi-j+1)
Fim
Fim
p=0
Para i = 1,...,n
s = 1
Para j = 1,...,(i-1)
s = s * (x-xj)
Fim
p = p + s*di,i
Fim
62

** Obs: Note que para cada mtodo numrico de interpolao apresentado utilizou-se o
mesmo exemplo e como resposta para todos os casos foi obtido o mesmo polinmio
interpolador.


6 AJUSTE

Dado um conjunto de pontos, no ajuste ou aproximao, tenta-se encontrar uma
funo p(x) que melhor aproxime esses pontos. Aqui, no existe a necessidade de a
funo passar por todos os pontos conhecidos.

Em geral, usa-se aproximao de funes nas seguintes situaes:

Quando se desejar extrapolar ou fazer previses em regies fora do intervalo
considerado;
Quando os dados tabelados so resultados de experimentos, onde erros na
obteno destes resultados podem influenciar a sua qualidade.

Considere uma tabela de m pontos (x1, f(x1)), (x2, f(x2)), ..., (xm, f(xn)) com x1, x2,
..., xm pertencentes a um intervalo [a,b]. Deseja-se encontrar uma funo q(x) = a1g1(x)
+ a2g2(x) + ... + angn(x) que melhor ajuste esses pontos. Ou seja, determinar a funo
q(x) que mais se aproxime de f(x).

Diz-se que este um modelo matemtico linear porque os coeficientes a determinar
aparecem linearmente, embora as funes g1(x), g2(x), ..., gn(x) possam ser funes no
lineares de x como, por exemplo, g1(x) = ex, g2(x) = 1+x2, etc.

Problema: Como escolher as funes g1(x), g2(x), ..., gn(x)?

A escolha das funes pode ser feita observando o grfico dos pontos tabelados ou
baseando-se em fundamentos tericos dos experimentos que forneceu a tabela.



63

Exemplo:

Experincia onde foram medidos valores de corrente eltrica que passa por uma
resistncia submetida a vrias tenses.



6.1 Mtodo dos Mnimos Quadrados

O Mtodo dos Mnimos Quadrados um mtodo bastante utilizado para ajustar
uma determinada quantidade de pontos. Sua deduo ser mostrada a seguir.

Considere dados m pontos (x1, f(x1)), (x2, f(x2)), ..., (xm, f(xm)) e as n funes g1(x),
g2(x), ..., gn(x) escolhidas de alguma forma. Considere que o nmero de pontos tabelados
m sempre maior ou igual ao nmero de funes escolhidas n (ou ao nmero de
coeficientes a determinar ai).

O objetivo encontrar os coeficientes a1, a2, ..., an tais que a funo q(x) =
a1g1(x) + a2g2(x) + ... + angn(x) se aproxime ao mximo de f(x). Seja dk = f(xk) q(xk)
o desvio em xk. Um conceito de proximidade que dk seja mnimo para todo k = 1, 2, ...,
m.

O Mtodo dos Mnimos Quadrados consiste em escolher os ais de tal forma que a
soma dos quadrados dos desvios seja mnima.



Usando clculo diferencial, sabe-se que para encontrar um ponto de mnimo de
F(a1, a2, ..., an), necessrio achar inicialmente os pontos crticos (ou seja, todos os
ais).

64


6.1.1 Ajuste Linear

Considere a funo de ajuste dada por:



onde a
1
e a
2
so os coeficientes a serem determinados pelo mtodo dos mnimos
quadrados.








A condio de minimizao satisfeita se:















65

Com isso, obtm-se um sistema de equaes lineares:





Tambm podendo ser representado na forma matricial:



Exemplo:

Encontrar a melhor reta que ajusta os valores da tabela abaixo:

x 0,00 0,25 0,5 0,75 1,00
f(x) 1,0000 1,2840 1,6487 2,1170 2,7183











66

Logo, a funo de ajuste dada por:



E seu grfico mostrado abaixo.


6.1.2 Ajuste Polinomial

O processo usado acima para clculo da funo para ajuste linear pode ser estendido
para ajuste polinomial. Assim, uma funo polinomial de grau (n-1) dada por:



onde os coeficientes a
i
podem ser obtidos atravs da expanso do sistema utilizado no
ajuste linear atravs do clculo de

, agora para i = 1, ..., n.




67

Essa expanso ir resultar no seguinte sistema de equaes (n equaes, n incgnitas):



ou em notao matricial:




Note que a matriz A simtrica, ou seja, A = A
T
.


Exemplo:

Encontrar a melhor parbola que ajusta os valores da tabela abaixo:

x 0,00 0,25 0,5 0,75 1,00
f(x) 1,0000 1,2840 1,6487 2,1170 2,7183


Polinmio adotado: (n=3)


68

Calculando os termos da matriz A e do vetor b:
















Montando o sistema linear, encontra-se o seguinte sistema matricial:





Resolvendo o sistema acima, encontra-se a seguinte soluo para o problema:




69

Ou seja, a parbola que melhor ajusta os pontos fornecidos tem equao:





6.1.3 Linearizao

Algumas funes de duas constantes podem ser linearizadas antes da aplicao do
mtodo dos mnimos quadrados, com o objetivo de obter o sistema de equaes visto
anteriormente. O procedimento varia de acordo com o tipo de funo:

6.1.3.1 Funo Exponencial



Aplicando logaritmo em ambos os lados, tem-se:



Ento, se fizermos:

70

Encontra-se a seguinte expresso:



que nada mais seno uma reta. Da o nome linearizao.


6.1.3.2 Funo Logartmica



A funo pode ser expandida para:



Logo, se fizermos:



encontramos a linearizao:




6.1.3.3 Funo Potencial



Aplicando logaritmo em ambos os lados:



Com as seguintes hipteses:



encontra-se a expresso:







71

6.1.3.4 Funo Hiperblica



Fazendo:



Tem-se tambm:





Exemplo:

Encontrar a melhor funo que ajusta os valores da tabela abaixo:

x -1 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0
y 36,547 17,264 8,155 3,852 1,82 0,86 0,406 0,246

Sugesto: Utilizar uma funo exponencial.


Soluo:

Como vamos ajustar os pontos por uma funo exponencial precisamos fazer a
seguinte adaptao:



Ou seja, a coordenada y de cada ponto dever ser substituda por seu logaritmo, logo:

y' 3,5986 2,8486 2,0986 1,3486 0,5988 -0,1508 -0,9014 -1,4024

Ento faz-se um ajuste linear dos pontos de abscissa x e ordenada y, obtendo-se os
seguintes valores para os coeficientes da reta:



Para adaptar esses valores, coeficientes da reta, para a funo exponencial, ainda
basta fazer as seguintes adaptaes:
72



Logo,



E ento, calcula-se os valores de a e b:





Ento, a funo exponencial que melhor ajusta os pontos fornecidos no exemplo :




6.1.4 Qualidade do Ajuste

Uma forma de avaliar a qualidade do ajuste atravs do coeficiente de correlao
de Pearson r. Este coeficiente pode ser calculado pela seguinte expresso:



onde,



Este coeficiente, assume apenas valores entre -1 e 1.
r= 1, significa uma correlao perfeita positiva entre as duas variveis;
r= -1, significa uma correlao negativa perfeita entre as duas variveis, isto , se
uma aumenta, a outra sempre diminui;
r= 0, significa que as duas variveis no dependem linearmente uma da outra. No
entanto, pode existir uma outra dependncia que seja "no linear". Assim, o
resultado r=0 deve ser investigado por outros meios.




73

Algoritmo

Verifica o tipo_de_ajuste:
Caso tipo_de_ajuste seja Exponencial:
Para i = 1,...,m
yi = ln Yi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = e
s1

b = s2
Caso tipo_de_ajuste seja Logartmico:
Para i = 1,...,m
xi = ln xi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = s2
b = e
s1
/ a
Caso tipo_de_ajuste seja Potencial:
Para i = 1,...,m
yi = ln yi
xi = ln xi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = e
s1
b= s2
Caso tipo_de_ajuste seja Hiperblico:
Para i = 1,...,m
xi = 1/xi
Fim
Fazer Ajuste Linear com x,y retornando coeficientes s1

e s2
a = s1
b = s2
Caso tipo_de_ajuste seja Polinomial (polinmio de grau n-1):
Para i = 1,...,n
Para j = i,...,n
Aij = 0
Para k = 1,...,m
Aij = Aij + xk^(i+j-2)
Fim
Aji = Aij
Fim
bi = 0
Para k = 1,...,m
bi = bi + yk*xk^(i-1)
Fim
Fim
s = (A^-1) . b
Fim
74

7 Integrao Numrica
7.1 Caracterizao Matemtica

Sabe-se do clculo diferencial e integral que se f(x) uma funo contnua em
[a,b], ento existe F(x) tal que F(x) = f(x). Assim




No entanto, pode no ser fcil expressar essa funo por meio de combinaes
finitas de funes elementares. Existem ainda, casos em que o valor de f(x) conhecido
apenas em alguns pontos, e como no conhecemos a expresso analtica de f(x), no
temos condies de calcular a sua integral.

Uma forma de se obter uma aproximao para a integral de f(x) em um intervalo
[a,b] atravs dos Mtodos Numricos.

Assim, trs aspectos resumem a importncia do estudo de tcnicas para integrao
numrica:

A dificuldade na obteno da integral analtica de funes f(x) complexas;
A funo a ser integrada dada por um conjunto de pontos, sendo a funo f(x)
desconhecida;
A implementao computacional do clculo de integrais.

Idia Bsica

Consiste na substituio da funo f(x) por um polinmio que a aproxime
razoavelmente no intervalo [a,b]. Assim, o problema fica resolvido pela integrao de
polinmios, o que trivial de fazer.

A escolha desses polinmios e dos pontos utilizados na sua determinao, definem
o mtodo de integrao utilizado.

Uma vez estabelecida a aproximao polinomial convenientemente, sua integrao
pode ser realizada a partir de frmulas de integrao do tipo:
onde



Pontos de integrao
Pesos associados a esses pontos
) ( ) ( ) ( a F b F dx x f
b
a
=

n
i
i i
b
a
x f w dx x f
0
) ( ) (
b x x a
n
< < ...
0
i
w
75

7.2 Frmulas de Newton-Cotes

As frmulas de Newton-Cotes para integrao numrica so caracterizadas por
pontos de integrao igualmente espaados no intervalo [a,b]. Dessa forma, subdividindo
o intervalo [a,b] em n subintervalos de comprimento h=(b-a)/n, os pontos de integrao
de Newton-Cotes so definidos por:







Alm disso, usando o polinmio interpolador de Lagrange de grau n para aproximar
a integral, obtm-se a frmula geral de Newton-Cotes, dada por:







A partir desta equao, possvel descrever as diversas regras de integrao usando
apropriadamente o grau do polinmio e o nmero de pontos de integrao usados para
definir esses polinmios.

7.2.1 Frmulas de Newton-Cotes Regra do trapzio

Esta regra corresponde interpolao da funo a ser integrada por um polinmio
de grau n = 1. Como este tipo de interpolao linear requer 2 pontos, usa-se os extremos
do intervalo como pontos de integrao. Assim,



A partir da frmula de Newton-Cotes, pode-se encontrar os pesos usados no
polinmio.










n j h j a x
j
, , 0 , L = + =
a x =
0
h a x + =
1
h a x 2
2
+ =
b nh a x
n
= + =
( )
( )

=
n
i
b
a
n
k i k k i
k
i
b
a
dx
x x
x x
x f dx x f
0 , 0
) ( ) (
i
n
i
i
b
a
w x f dx x f =

0
) ( ) (
( )
( )

=
b
a
n
k i k k i
k
i
dx
x x
x x
w
, 0
a x =
0
b x =
1
( )
( )
( )
( )


=
=
1
0
1
0
1
0
2
) ( 1
2
1
1 0 1 0
1
, 0
0
x
x
x
x
x
x
n
k i k k i
k
x x
x x
dx
x x
x x
dx
x x
x x
w
( )
2 2
0 1
0
h x x
w =

=
( )
( )
( )
( )


=
=
1
0
1
0
1
0
2
) ( 1
2
0
0 1 0 1
0
, 0
1
x
x
x
x
x
x
n
k i k k i
k
x x
x x
dx
x x
x x
dx
x x
x x
w
( )
2 2
0 1
1
h x x
w =

=
76

Assim, a integrao usando a regra do trapzio dada por:




Graficamente,












Importante: A regra do trapzio integra exatamente funes polinomiais com grau igual
ou menor que 1. Para funes que no atendem essa restrio, um erro numrico
introduzido. Este erro pode ser avaliado pela expresso:
Obtido usando o teorema do valor
mdio.
onde um valor contido no intervalo [a,b].


7.2.1.1 Aplicao

Considere a seguinte funo
) sin( 1 ) ( x e x f
x
+ =


Soluo analtica:



Calcule agora, a sua integral definida no intervalo [a,b]= [0,1] usando a regra do trapzio.

( ) ( ) ( )
1 0
2
) ( x f x f
h
dx x f
b
a
+ =


77







7.2.2 Frmulas de Newton-Cotes Regra de Simpson

Esta regra corresponde a interpolao da funo a ser integrada por um polinmio
de grau n = 2. Este tipo de interpolao requer 3 pontos para definio do polinmio.
Usa-se, nesta regra, os pontos extremos e tambm o ponto central. Assim,

A partir da frmula de Newton-Cotes, pode-se encontrar os pesos associados a cada
um desses pontos do polinmio.




78

Assim, a integrao numrica usando a regra do Simpson dada por:


Graficamente,


Importante: A regra de Simpson integra exatamente funes polinomiais com grau igual
ou menor que 2. Caso a funo integrante no atenda esta restrio, um erro numrico
introduzido. Este erro pode ser avaliado pela expresso:
Obtido usando o teorema do
valor mdio.
onde um valor contido no intervalo [a,b].



7.2.2 Frmulas de Newton-Cotes Regra de Simpson

Esta regra corresponde a interpolao da funo a ser integrada por um polinmio
de grau n = 2. Este tipo de interpolao requer 3 pontos para definio do polinmio.
Usa-se, nesta regra, os pontos extremos e tambm o ponto central. Assim,


A partir da frmula de Newton-Cotes, pode-se encontrar os pesos associados a cada
um desses pontos do polinmio.
79



Assim, a integrao numrica usando a regra do Simpson dada por:




Graficamente,


Importante: A regra de Simpson integra exatamente funes polinomiais com grau igual
ou menor que 2. Caso a funo integrante no atenda esta restrio, um erro numrico
introduzido. Este erro pode ser avaliado pela expresso:
80


onde um valor contido no intervalo [a,b].


7.2.2.1 Aplicao

Considere a seguinte funo:


Calcule a sua integral definida no intervalo [a,b]= [0,1] usando a regra de Simpson.








81

7.2.3 Frmulas de Newton-Cotes Outros Casos

Da mesma forma como mostrado anteriormente, pode-se descrever regras de
integrao, a partir da frmula de Newton-Cotes, utilizando polinmios com grau n = 3,
4, 5, etc.

Tcnica Grau do polinmio
Regra do trapzio 1
Regra de Simpson 2
Regra 3/8 de Simpson 3
Regra de Boole 4


7.2.4 Frmulas de Newton-Cotes Frmulas Repetidas

Quando o intervalo de integrao grande, no muito prtico aumentar o grau do
polinmio interpolador para estabelecer as frmulas de integrao. A alternativa mais
utilizada subdividir o intervalo de integrao e aplicar as regras mais simples repetidas
vezes.
Dividindo o intervalo de integrao [a,b] em n subintervalos de igual comprimento
h = (b-a)/n, tem-se:












82

Utilizando a regra do trapzio em cada subintervalo,




Graficamente,




Na frmula repetida usando a regra do trapzio, o erro numrico introduzido :









83

Algoritmo:



7.2.4.1 Aplicao - Regra do Trapzio Repetida

Considere a seguinte funo:


Calcule a sua integral definida no intervalo [a,b]= [0,1] usando a regra do trapzio
repetida (n = 4).


84

Utilizando a regra de Simpson em cada subintervalo,


Importante: Aqui, o nmero de subdivises deve ser par, pois cada parbola requer 3
pontos de interpolao.

O erro numrico introduzido :



Algoritmo:



7.2.4.2 Aplicao Regra de Simpson Repetida

Considere a seguinte funo:


Calcule a sua integral definida no intervalo [a,b]= [0,1] usando a regra de Simpson
repetida (n = 2).
85



78.2.5 Frmulas de Newton-Cotes Integrais Mltiplas

As frmulas de integrao descritas anteriormente podem ser usadas tambm para a
integrao de funes com 2 ou mais variveis.



Nestes casos, pode-se, por exemplo, integrar primeiro na varivel y, obtendo uma
funo de x. Em seguida, pode-se aplicar novamente a regra de integrao, agora na
varivel x.

As frmulas repetidas seguem as mesmas idias descritas anteriormente.

Considere o problema mostrado na figura abaixo. Calcular a sua integral usando a
frmula de Simpson.
86





87

8 Diferenciao Numrica
8.1 Introduo

Aplicaes de Engenharia freqentemente necessita da determinao da derivada
de funes. Algumas vezes fcil encontrar o valor analtico das derivadas, mas na
prtica ocorrem os seguintes problemas:

a) No possvel encontrar a forma fechada da derivada;
b) A soluo fechada existe, no entanto seu clculo muito difcil;
c) A soluo fechada tem pouco valor prtico;
d) Necessidade de implementao computacional.

8.2 Objetivos

Calcular em um ponto x conhecendo alguns valores discretos da funo f(x) nos
pontos x
0
, x
1
, ..., x
n
.

8.3 Aplicaes

Na soluo de equaes diferenciais que regem problemas de valores de contorno
e inicial usando o mtodo das diferenas finitas;
Na integrao de equaes diferenciais ordinrias;
No clculo da derivada numrica de funes definidas a partir de um conjunto de
pontos.
Exemplo:
t(s) v(m/s)
0.1 3.5
0.2 5.2
1.0 3.4
5.0 10.5
? ) ( ? = = = t v
dt
dv
a a
88

Idia Bsica:

Dado um conjunto de pontos discretos que definem uma funo f(x), encontrar o
polinmio que interpola esse conjunto de pontos.





P
n
(x) polinmio de grau n que passa pelos pontos (x
0
,f
0
), (x
1
,f
1
), ..., (x
n
,f
n
).

Se f(x) for m vezes diferencivel, as derivadas de ordem mais altas podem ser
obtidas atravs das derivadas de p
n
, n m.

8.4 Obteno das derivadas aproximadas usando o Mtodo das
Diferenas Finitas

A formulao para obteno das derivadas aproximadas pode ser realizada a partir
da utilizao de qualquer uma das tcnicas de interpolao (Vandermonde, Lagrange,
Newton).
Ento, considere o polinmio interpolador p
n
obtido pelo mtodo de Newton:












x
p
x
f
x p x f
n
n

) ( ) (
K + + + =
2 1 0 1 0 0
) )( ( ) ( ) ( d x x x x d x x d x p
n
89

Para n = 1:



Para n = 2:

90

8.4.1 Mtodo das Diferenas Finitas Avanadas

Neste caso, o valor de x avaliado no ponto inicial x
0
.













91

Considerando que os pontos esto igualmente espaados, tem-se:




















92

8.4.2 Mtodo das Diferenas Finitas Centradas

Neste caso, o valor de x avaliado no ponto central x
1
.













93

Considerando que os pontos esto igualmente espaados, tem-se:




8.4.3 Mtodo das Diferenas Finitas Atrasadas

Neste caso, o valor de x avaliado no ponto final x
2
.


94

Para pontos igualmente espaados, tem-se:




Dvida: Qual a melhor aproximao para o Mtodo das Diferenas Finitas?

Avanada
Central
Atrasada

Exemplo:


t(s) v(m/s)
0.5 1.00
1.0 1.25
1.5 2.30
2.0 4.52
2.5 3.41
3.0 8.35

Calcular a acelerao no tempo t = 1.5s.






95

Com n = 1:



Com n = 2:

MDF Centrais:



MDF Avanada:



MDF Atrasada:



8.5 Consideraes

Em geral, a preciso do processo de diferenciao depende:

a) Do ponto escolhido no intervalo;
b) Da ordem da derivada a ser aproximada. Considerando o mesmo polinmio
interpolador, quanto maior o grau da derivada, maior o erro;
c) Do tamanho do intervalo h adotado. Quanto menor o valor de h, menor o erro.

96




Exemplo:



Ordem do
polinmio
dt/dx em
x=x
0

h=0.1
1 4.12 O(h)
2 4.71
O(h
2
)
3 4.25
O(h
3
)
4 3.47
O(h
4
)













97

Exemplo:


Ordem do
polinmio
df/dx em
x=x
0

Erro
1 2.8588 5.17%
2 2.7085 -0.359%
3 2.7190 0.028%
4 2.7182 -0.0024%








98

8.6 Resumos das frmulas







Aplicao na soluo de equaes diferenciais ordinrias Mtodo de Euler:

Considere o seguinte problema de valor inicial:

Mas, o mtodo das diferenas finitas avanada fornece:
99



Assim,

Exemplo:



Soluo exata:



x Soluo analtica Euler (h=0.1) Erro
0.2 0.192308 0.193203 0.0047
0.4 0.344828 0.348289 0.0100
0.6 0.441176 0.444909 0.0085
0.8 0.487805 0.488771 0.0020


100

9 Autovalores e Autovetores
9.1 Caracterizao Matemtica

Considere A = [a
jk
] uma matriz nxn. Considere tambm a seguinte equao
vetorial:


Onde um nmero.

Um valor de tal que x 0 seja uma soluo do sistema chamado de autovalor
ou valor caracterstico da matriz A.

As correspondentes solues x 0 so chamadas de autovetores ou vetores
caractersticos associados ao autovalor .

Problemas como este para determinao dos autovalores de uma matriz A so
conhecidos como problemas de autovalores.

9.2 Determinao de autovalores e autovetores

Considere o seguinte problema de autovalor:



Transferindo os termos do lado direito para o lado esquerdo, temos:



Em notao matricial:





101

Esse sistema linear homogneo de equaes tem uma soluo no trivial se e
somente se o determinante da matriz dos coeficientes zero. Assim:



D() chamado de determinante caracterstico e a equao acima de equao
caracterstica da matriz A.

Desenvolvendo D() ns obtemos o polinmio de grau n em funo de . Esse
polinmio conhecido como polinmio caracterstico de A.

9.3 Teoremas considerados

Teorema 1:
Os autovalores de uma matriz quadrada A so as razes da correspondente
equao caracterstica.
A matriz A tem pelo menos um autovalor e no mximo n autovalores
numericamente diferentes.
Os autovalores devem ser determinados primeiro. Com os autovalores
determinados, os correspondentes autovetores so obtidos resolvendo o sistema de
equaes lineares.

Teorema 2:
Se x um autovetor da matriz A correspondente a um autovalor , kx, com k 0,
tambm .

Exemplo:
Determinar os autovalores e autovetores da seguinte matriz:



a) Determinao dos autovalores.


102


b) Determinao dos autovetores.
Fazendo:

Soluo: Para x
1
qualquer, x
2
= 2x
1
. Por exemplo, x
1
= 1, ento x
2
= 2. Um
autovetor de A correspondente a
1
= -1 :

Fazendo agora:

Soluo: Para x
1
qualquer, x
2
= -0.5 * x
1
. Por exemplo, x
1
= 2, ento x
2
= -1. Um
autovetor de A correspondente a
1
= -6 :

103

9.4 Aplicaes na Engenharia

a) Considere o movimento horizontal do conjunto massa mola mostrado na Figura
abaixo:

As deflexes horizontais x
1
e x
2
so medidas relativamente posio de equilbrio
esttico. As molas possuem rigidez k
1
, k
2
e k
3
, que so as foras requeridas para estender
ou comprimir cada mola de uma unidade de comprimento.

As equaes de movimento so:

Se x = (x
1
,x
2
)
t
o vetor deflexo, ento podemos reescrever as equaes acima na
forma:

Uma soluo desta equao diferencial dada por:


Onde:


Aqui, temos um problema de autovalor do tipo Ax = x, onde = -
2
. Os possveis
valores de so as freqncias naturais que o sistema pode assumir.

b) A curvatura de uma coluna delgada sujeita a uma carga P pode ser modelada
por:
104



Onde:



Considerando o corpo livre na Figura abaixo, o momento de curvatura em x M = -
Py. Ento:

Onde:


105

Para esse sistema, sujeita s condies de contorno y(0) = y(L) = 0, a soluo geral
dada por:



onde A e B so constantes arbitrrias que devem ser obtidas usando-se as condies
de contorno.

Assim, se y(0) = 0 obtm-se B = 0 e se y(L) = 0 obtm-se A sin(pL) = 0.

Mas desde que A = 0 representa a soluo trivial, conclumos que sin(pL) = 0.
Assim, para que esta ltima igualdade seja vlida devemos ter:



Portanto, existe um nmero infinito de valores que satisfazem as condies de
contorno. A equao anterior pode ser resolvida para:


os quais so os autovalores para a coluna. Cada autovalor corresponde ao modo
nos quais a coluna curva-se.

Combinando as equaes anteriores, segue que:



Isto pode ser entendido como uma deformao da carga porque elas representam os
nveis nos quais as colunas movimentam-se em cada deformao sucessiva. Na prtica,
em geral, o autovalor correspondente a n = 1 o de interesse porque a quebra usualmente
ocorre quando a primeira coluna se deforma. Assim, a carga crtica pode ser definida
como:






106

9.5 Solues Numricas

Nosso objetivo apresentar mtodos numricos para a determinao dos
autovalores e correspondentes autovetores de uma matriz A de ordem n.

A menos que a matriz seja de ordem baixa ou que tenha muitos elementos iguais a
zero, a expanso direta do determinante para a determinao do polinmio caracterstico
ineficiente.

Assim os mtodos numricos que estudaremos so obtidos sem fazer uso do clculo
do determinante. Tais mtodos podem ser divididos em trs grupos:

a) Mtodos que determinam o polinmio caracterstico;
b) Mtodos que determinam alguns autovalores;
c) Mtodos que determinam todos os autovalores.

Nos dois ltimos casos determinamos os autovalores sem conhecer a expresso do
polinmio caracterstico.

Observaes:

1) Em relao aos mtodos do grupo a), uma vez determinado o polinmio
caracterstico de A, para calcular os autovalores devemos utilizar mtodos numricos
para determinao de zeros de funo. Nessa classe encontram-se, entre outros, os
mtodos de Leverrier e Leverrier-Faddeev.

2) Os mtodos do grupo b), chamados iterativos, so usados se no estamos
interessados em todos os autovalores de A.

9.5.1 Mtodos que determinam o polinmio caracterstico

Teorema de Newton: Seja o polinmio:



cujas razes so: x
1
, x
2
, ..., x
n
. Seja ainda:


Ento:

107

Atravs desse teorema vemos que existe uma relao entre os coeficientes de um
polinmio e as somas das potncias das suas razes.

Assim, conhecidas as somas das potncias das razes do polinmio podemos
determinar os coeficientes do mesmo.

Exemplo: Sejam s
1
= 6, s
2
= 14, s
3
= 36 as somas das potncias das razes de um
polinmio P(x). Determinar P(x).



Tomando o coeficiente do termo de maior grau do polinmio igual a 1, isto ,
fazendo a
0
= 1, obtemos por substituio nas expresses anteriores que:



O polinmio procurado :





Para os mtodos numricos descritos a seguir usaremos a seguinte notao para o
polinmio caracterstico de uma matriz A, de ordem n:



9.5.1.1 Mtodo de Leverrier

Esse mtodo fornece o polinmio caracterstico de uma matriz A de ordem n.
Seja A uma matriz quadrada de ordem n. Se
1
,
2
, ...,
n
so os autovalores da
matriz A, isto , se
1
,
2
, ....
n
so os zeros do polinmio e se

ento, pelo Teorema de Newton, temos que:

108

Portanto, se conhecermos os s
k
, poderemos determinar os coeficientes p
1
, p
2
, ..., p
n

de P().
Fazendo expanso direta do determinante de A I e usando o Teorema de
Newton, tem-se que



Ou seja:


A soma dos autovalores de A igual ao trao de A.

Ento, desde que os autovalores de A
k
so a k
a
potncia dos autovalores de A,
temos:


Assim os nmeros s
1
, s
2
, ..., s
n
so obtidos atravs do clculo das potncias de A.
Essas potncias podem ser usadas para determinar os coeficientes do polinmio
caracterstico.

Determina-se as razes desse polinmio por qualquer dos mtodos numricos
estudados em zero de funes, obtendo-se os autovalores de A.

Exemplo: Seja a matriz A dada por:




Determinar seus autovalores usando o Mtodo de Leverrier.
109


Assim:



9.5.2 Mtodos que determinam alguns autovalores

9.5.2.1 Mtodo das Potncias

Consiste em determinar o autovalor de maior valor absoluto de uma matriz A, e seu
correspondente autovetor, sem determinar o polinmio caracterstico.

110

O mtodo til na prtica, desde que se tenha interesse em determinar apenas
alguns autovalores, de mdulo grande, e, que estes estejam bem separados, em mdulo,
dos demais.

Podem surgir complicaes caso a matriz A no possua autovetores linearmente
independentes.

O mtodo das potncias baseia-se no teorema a seguir.

Teorema

Seja A uma matriz real de ordem n e sejam
1
,
2
,...,
n
seus autovalores e u
1
, u
2
, ...,
u
m
seus correspondentes autovetores. Suponha que os autovetores so linearmente
independentes, e que:



Seja ainda a seqncia y
k
definida por:



onde y
0
um vetor arbitrrio, que permite a expanso:

com c
j
escalares quaisquer e c
1
0, ento:



onde o ndice r indica a r-sima componente. Alm disso, quando k , y
k
tende
ao autovetor correspondente a
1
.

Observaes:

a) No limite, todas as componentes de (z
k+1
)
r
/(y
k
)
r
tendem a 1. Entretanto, na prtica,
uma das componentes converge mais rapidamente do que as outras. Assim,
quando uma das componentes satisfizer a preciso desejada teremos o autovalor
procurado. Alm disso, a velocidade de convergncia depende de
2
/
1
. Portanto,
quanto maior for |
1
| quando comparado com |
2
|, mais rpida ser a
convergncia;
111

b) Para obtermos
1
com uma preciso , em cada passo calculamos aproximaes
para
1
usando a equao anterior. O teste do erro relativo usado como critrio de
parada para cada componente de
1
:

c) Quando todas as componentes da equao anterior forem iguais, ento o vetor y
k

dessa iterao o autovetor correspondente ao autovalor
1
;
d) Se algum vetor resultar no vetor nulo, o mtodo falha. Tal acontecimento deve
ocorrer se as hipteses no foram satisfeitas;
e) No Teorema feita a hiptese de c
1
0. Se c
1
= 0, ento a prova do Teorema
indica que, teoricamente, o vetor y
k
converge. Entretanto, na prtica, para
matrizes de ordem n 3, que satisfaam as demais condies do citado teorema, o
mtodo funciona sempre.
Consequncias do Teorema:

A partir de um vetor y
k
, arbitrrio, no nulo, construmos dois outros vetores y
k+1
e
z
k+1
, do seguinte modo:


Onde:

Exemplo:

Usando o mtodo das potncias, determinar o autovalor de maior valor absoluto da
seguinte matriz com preciso de 10
-2
:

112

Soluo:
Tomemos o seguinte valor para y
0
:

Assim:


Podemos, ento, calcular a primeira aproximao para
1
.

Podemos, ento, calcular a primeira aproximao para
1
.

113

Calculando-se o valor de
2
, temos:

Assim:


Novamente obtemos uma aproximao para
1
.



Calculando-se o erro relativo, temos:



O qual possui todas as componentes maiores que 10
-2
. Assim, devemos fazer uma
nova iterao.

Observaes:
a) claro que se desejamos
1
com preciso maior basta continuar fazendo
iteraes;
b) O mtodo das potncias deve ser aplicado se o objetivo determinar o autovalor
de maior valor absoluto de uma matriz. A desvantagem desse mtodo que ele
fornece apenas um autovalor de cada vez. Se todos os autovalores so procurados
devemos aplicar outros mtodos que so muito mais eficientes;
114

c) Algumas vezes o maior autovalor, em mdulo, o mais importante. No entanto,
em alguns problemas, o mais importante a determinao do autovalor de menor
valor absoluto.

9.5.2.2 Mtodo da Potncia Inversa

usado para determinar o autovalor de menor valor absoluto e seu correspondente
autovetor de uma matriz A.

O mtodo til na prtica, desde que se tenha interesse em determinar apenas o
autovalor, de menor mdulo, e, que este esteja bem separado dos demais.

Novamente, o mtodo pode no funcionar caso a matriz A no possua autovetores
linearmente independentes.

O mtodo da potncia inversa semelhante ao mtodo das potncias, com a
diferena que agora assumimos:



E desejamos calcular
n
.

Sabemos que se autovalor de A, ento
-1
autovalor de A
-1
. Alm disso, se |
n
|
o menor autovalor de A, ento |
n
| o maior autovalor de A
-1
.

Assim, o mtodo da potncia inversa consiste em calcular pelo mtodo das
potncias o autovalor de maior valor absoluto de A
-1
, pois assim teremos o menor
autovalor, em mdulo, de A.

Portanto, dado y
k
, construmos dois outros vetores y
k+1
e z
k+1
da seguinte forma:


Onde:

E, portanto:
115


Note que na prtica no necessrio calcular A
-1
, pois de:



Exemplo:

Usando o Mtodo da Potncia Inversa, determinar o menor autovalor, em mdulo,
da matriz:

Soluo:
Tomemos o seguinte valor para y
0
:

Assim:
116



Podemos, ento, calcular a primeira aproximao para a inversa de .



Calculando-se o valor de
2
, temos:



Assim:
117



Novamente obtemos uma aproximao para a inversa de .



Prosseguindo, encontra-se que a
-1
= 0.7471. Logo, o valor = 1.3385 o
autovalor de menor valor absoluto de A.