You are on page 1of 408

,

CALCULO NUMERICO
ASPECTOS TERICOS E COMPUTACIONAIS

2a edio

Mrcia A. Gomes Ruggiero


Vera Lcia da Rocha Lopes
Departamento de Matemtica Aplicada
IMECC - uNICAMP

-I'EAI~SON

\Ltkl'< 111

H111 d..;:~

So Paulo
Brasil Argentina Colmbia Costa Rica Chile Espanha
Guatemala Mxico Peru Porto Rico Venezuela

Dedicamos este livro a nossos pais:


Atayde Gomes (in memorian)
Benedita Germtzno Gomes
A aro Soares dtz Rocluz (in memorian)
Hulda Vilhentz dos R eis Rocluz (in memorian)

MAKRON
Books

PREFCIO SEGUNDA EDIO

Desde que foi publicada a 111 edio deste livro, recebemos inmeras sugestes atravs de
cartas e contatos nos Congressos anuais organizados pela Sociedade Brasileira de Matemtica Aplicada e Computacional (SBMAC). Atendendo s sugestes de correes, incluso
de tpicos, e sentindo a necessidade de modernizao e atualizao do texto, optamos por
elaborar esta 2 edio, motivadas pela grande aceitao deste livro como texto bsico para
cursos de Clculo Numrico em vrias universidades.
Em todos os captulos j existentes na edio anterior, foram feitas correes e
alteraes no texto: suprimimos e acrescentamos alguns exercicios e introduzimos uma
seo de projetos em quase todos os captulos; nos projetos o nvel de exigncia, tanto
terico quanto computacional, maior que nos exerccios; no Apndice desta nova edio
apresentamos as respostas de todos os exerccios.

Os Captulos 3, 5 e 8 foram os mais alterados. No Captulo 3, sobre Resoluo de


Sistemas Lineares, alm de ampliarmos a introduo sobre existncia e nmero de solues,
introduzimos uma seo sobre Fatorao de Cholesky. No Captulo 5, a seo sobre Splines
em Interpolao foi ampliada, acrescentando as Splines Cbicas em Interpolao. Finalmente, no Captulo 8, acrescentamos uma seo sobre Problemas de Valor de Contorno em
Equaes Diferenciais Ordinrias.
O atual Captulo 4 inteiramente novo, e trata da Soluo de Sistemas No
Lineares.
As listagens de programas computacionais foram eliminadas e sugerimos que

alunos e professores utilizem softwares matemticos que possibilitam que algoritmos de

VTI

VIl/

Clculo Numrico

mtodos numricos sejam facilmente adaptados para que possam ser implementados. Temos
usado na UNlCAMP o MATLAB 1 como material de apoio computacional no curso de
Clculo Numrico e temos obtido boa aceitao por parte dos alunos. Consideramos que
este software um material de fcil manuseio e eficiente para a resoluo dos exerccios e
projetos computacionais propostos.
Agradecemos aos professores., alunos e leitores que nos fizeram crticas e sugestes que muito contriburam na elaborao desta edio. Dedicamos um agradecimento
especial ao professor Lcio Tunes dos Santos que gentilmente escreveu o projeto Newton e
os Fractais para o Captulo 4 e aos auxiliares didticos Ricardo Caetano Azevedo Biloti,
Suzana Lima de Campos Castro e Lin Xu, que resolveram a maior parte dos exerccios, e
especialmente a Roberto Andreani e a Renato da Rocha Lopes, pela leitura do texto e
contribuies para as listas de exerccios e projetos.

1.

MATLAB ~uma marca registrada do MathWorks, Inc. Uma boa introduo verso 4.2 do MATLAB
a quarta edio do MATLAB Primer de K. Sigmon, editado em 1994 por CRC Press, Boca Raton. FL.

MAKRON
Books

SUMARIO

INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XIII
Captulo I

NOES BSICAS SOBRE ERROS . . . . . . . . . . . . . . . . . . . . .

1.1

Lntroduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Representao de Nmeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.1

Converso de Nmeros nos Sistemas Decimal e Binrio . . . .

1.2.2

Aritmtica de Ponto Flutuante . . . . . . . . . . . . . . . . . . . . . . . . . .

10
12

1.3

Erros

o.

o.

o.

o.

o.

o.

Erros Absolutos e Relativos ........................... .

12

Erros de Arredondamento e Truncamento em um


Sistema de Aritmtica de Ponto Flutuante . . . . . . . . . . . . . . . .

14

Anlise de Erros nas Operaes Aritmticas de


Ponto Flutuante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

1.3.1
1.3.2
1.3.3

IX

Clculo Numrico

ZEROS REAIS DE FUNES REAIS

27

2.1

Introduo....... ....... .... ...... .... .. .............. . . .. .

27

2.2

Fase 1: Isolamento das Razes... .. ........... ...... ....... ... .

29

2.3

Fase II: Refinamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

37

2.3.1

Critrios de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38

2.3.2

Mtodos lterativ.os_parase Obter..Zero&Reais de Funes . . .

41

I.

Mtodo d a Bisseco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

41

li. Mtodo da Posio Falsa . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

111 . Mtodo do Ponto Fixo . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


IV. Mtodo de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . .

53

66

V. Mtodo da Secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

74

Comparao entre os Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


Estudo Especial de Equaes Polinomiais . . . . . . . . . . . . . . . . . . . . . . .

77
82

2.5.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

82

2.5.2

Localizao de Razes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

83

2.5.3

Determinao das Razes Reais . . . . . . . . . . . . . . . . . . . . . . . . .

90

Mtodo de Newton para Zeros de Polinmios . . . . . . . . . . . . .

93

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

95

Captulo 2

2.4
2.5

Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

Captulo 3

RESOLUO DE SISTEMAS LINEARES

105

3.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

3.2

Mtodos Diretos.............. ... ........ ................... 118

3.2.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

3.2.2

Mtodo da Eliminao de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 119


Estratgias de Pivoteamento . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

3.3

3.2.3

Fatorao LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

3.2.4

Fatorao de Cho lesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

Mtodos Iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154


3.3.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154

3.3.2

Testes de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154

Sumrio

3.3.3
3.3.4
3.4
3.5

XI

Mtodo Iterativo de Gauss-Jacobi . . . . . . . . . . . . . . . . . . . . . . . 155


Mtodo Iterativo de Gauss-Seidel . . . . . . . . . . . . . . . . . . . . . . . 161

Comparao entre os Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177


Exemplos Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190

Captulo 4

INTRODUO RESOLUO DE SISTEMAS

NO-LIN"EA.RES ..................... ., . . . . . . . . . . . . . . . .

192

4.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192

4.2
4.3

Mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197


Mtodo de Newton Modificado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200

4.4 Mtodos Quase-Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202


Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206

Captulo 5

INTERPOLAO

211

5.1
5.2

Introduo....... . ....................... . . . . . . . . . . . . . . . . . . 211


Interpolao Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213

5.3

Formas de se Obter p 0 (x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215


5.3.1
5.3.2

Resoluo do Sistema Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . 215


Forma de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216

5.3.3

Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220

5.4
5.5
5.6

Estudo do Erro na Interpolao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228


Interpolao Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
Solbre o Grau do Polinmio Ioterpolar . . . . . . . . . . . . . . . . . . . . . . . . . . 240

5.7

5.6.1 Escolha do Grau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240


5.6.2 Fenmeno de Runge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
Funes Spline em Interpolao........ ... .. . . . ............... 243

5.7.1
5.7.2

Spline Linear Interpolante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246


Spline Cbica lnterpolante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248

XII

Clculo Numrico

5.8

Alguns Comentrios sobre Interpolao . . . . . . . . . . . . . . . . . . . . . . . . 255

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261

Captulo 6

6.1

6.2

AJUSTE DE CURVAS PELO MTODO DOS


QUADRADOS MNIMOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
6. 1.1

Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269

6. 1.2

Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271

Mtodo dos Quadrados Mnimos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272


6.2.1

6.3

268

Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272

6.2.2 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277


Caso No Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282

6.3-.1 Testes de Alinhamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286


Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291

Captulo 7

INTEGRAO NUMRICA . .. .. .. . .. .. . . .. .. .. .. .. .. ..

295

7.1

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295

7.2

Frmulas de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296


7 .2.1

Regra dos Trapzios .......... ........................ 296

7.2.2 Regra dos Trapzios Repetida .............. . ........... 299

7.3

7. 2.3

Regra 1/3 de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302

7.2.4

Regra 1/3 de Simpson Repetida ......................... 303

7.2.5

Teorema Geral do Erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307

Quadratura Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311

Sum6rio

Capftulo 8

8.1
8.2

SOLUESNU~CASDEEQUAESD~RENCUUS
ORDINRIAS: PROBLEMAS DE VALOR INICIAL E
DE CONTORN"O . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316

Introduo ........... . ..................................... 316


Problemas de Valor Inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
8.2.1

8.3

Xlll

Mtodos de Passo Um (ou Passo Simples) ................ 320

8.2.2 Mtodos de Passo Mltiplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340


8.2.3 Mtodos de Previso-Correo . . . . . . . . . . . . . . . . . . . . . . . . . 347
Equaes de Ordem Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352

8.4 Problemas de Valor de Contorno - O Mtodo das Diferenas Finitas . . . . 357


Exercrcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368

Apndice

RESPOSTAS DE EXERCCIOS . . . . . . . . . . . . . . . . . . . . . . . . .

376

Captulo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
Captulo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
Captulo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
Captulo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
Captulo 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
Captulo 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
Captulo 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
Captulo 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 390

REFERNCIAS BffiLIOGRFICAS E
BffiLIOGRAFlA COMPLEMENTAR .. . . . .. . . . .. .. . . . . . . . . . . . .. . . .. . .

397

NDICE ANALTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

401

MAKRON
&olu

INTRODUAO

Ao escrever este livro, nosso objetivo principal foi oferecer ao estudante de graduao na
rea de cincias exatas um texto que lhe apresentasse alguns mtodos numricos com sua
fundamentao terica, suas vantagens e dificuldades computacionais.
Apresentamos oito captulos e procuramos seguir em todos eles o mesmo desenvolvimento. Em todos os captulos, inclumos uma lista de exercfcios e a maioria deles
apresenta propostas de projetos. As respostas de todos os exerccios se encontram no
Apndice.
Supomos que o aluno tenha conhecimentos de Clculo e de lgebra Linear e
familiaridade com alguma linguagem de programao de computador.
O Captulo 1 trata de erros em processos numricos, sem a intenso de fazer um
estudo detalhado do assunto; o objetivo alertar o aluno sobre as dificuldades numricas
que podem ocorrer ao se trabalhar com um computador.
O Captulo 2 apresenta vrios mtodos para a resoluo de equaes no lineares
do tipo f(x) =O e um desenvolvimento especfico para o caso de razes reais de equaes
polinomiais.
No Captulo 3, abordamos a resoluo de sistemas de equaes lineares apresentando mtodos diretos e iterativos.

XV

XVI

Clculo Numrico

Inclumos nesta edio uma introduo sobre a resoluo de sistemas de equaes


no lineares, que o tema do Captulo 4.
O Captulo 5 apresenta a interpolao polinomial como forma de se obter uma
aproximao para uma funo f(x). Alm disto, introduz as funes spline interpolantes.
O mtodo dos quadrados mnimos, como outra forma de aproximao de funes,
apresentado no Captulo 6, onde desenvolvemos o mtodo dos quadrados mnimos lineares e damos sugestes de como contornar certos casos no lineares.
O tema do Captulo 7 a integrao numrica para/ f(x) dx, atravs das frmulas
a

fechadas de Newton-Cotes. Introduzimos ainda as frmulas de quadratura Gaussiana.


O Captulo 8 aborda mtodos numricos para resoluo de problemas de valor
inicial e de contorno em equaes diferenciais ordinrias.

CAPTULO

rn

NOES BSICAS SOBRE ERROS

1. 1 INTRODUO
Nos captulos seguintes, estudaremos mtodos numricos para a resoluo de problemas
que surgem nas mais diversas reas.
A resoluo de tais problemas envolve vrias fases que podem ser assim estruturadas:

Problema
Real

l.eYantamento de
Dados

!
Const1Uo
do

Modelo
Matemtico

--

Esoolhado

Mtodo Numrico
Adequado

r-

lmplementll6o
Computacional
deite Mtodo

1
Se Neoessrlo:
Anlise dos
Resultados
Obtidos

Refomlular o Modelo

Matemtico e/ou

E8cotler Novo Mtodo

Numrico

C61a~lo Numrico

Cap. 1

No raro acontecer que os resultados finais estejam distantes do que se esperaria


obter, ainda que todas as fases de resoluo tenham sido realizadas corretamente.
Os resultados obtidos dependem tambm:
da preciso dos dados de entrada;
da forma como estes dados so representados no computador;
das operaes numricas efetuadas.
Os dados de entrada contm uma impreciso inerente, isto , no h como evitar
que ocorram, uma vez que representam medidas obtidas usando equipamentos especficos,
como, por exemplo, no caso de medidas de corrente e tenso num circuito eltrico, ou ento
podem ser dados resultantes de pesquisas ou levantamentos, como no caso de dados populacionais obtidos num recenseamento.
Neste captulo, estudaremos os erros que surgem da representao de nmeros
num computador e os erros resultantes das operaes numricas efetuadas, (23], [26) e (31).

1.2 REPRESENTAAO DE NUMEROS


Exemplo 1
Calcular a rea de uma circunferncia de raio 100 m.
RESULTADOSO~S

a) A= 31400 m2

b) A= 31416 m2
c) A= 31415.92654 m2
Como justificar as diferenas entre os resultados? possvel obter "exatamente" esta rea?

Exemplo 2
Efetuar os somatrios seguintes em uma calculadora e em u.m computador:

Cap. 1

Noes bdsicas sobre erros

30000

s-

Xj

para xi = 0.5 e para xi = 0.11

i-1

RESULTADOS OBTIDOS
i)

para xi

= 0.5:

na calculadora:
no computador:

il)

para Xj

= 0.11:

na calculadora:
no computador:

s = 15000
s =15000
s =3300
s = 3299.99691

Como justificar a diferena entre os resultados obtidos pela calculadora e pelo


computador para xi = 0.11?
Os erros ocorridos nos dois problemas dependem da representao dos nmeros
na mquina utilizada.
A representao de um nmero depende da base escolhida ou disponvel na mquina em uso e do nmero mximo de dgitos usados na sua representao.
O nmero 1t, por exemplo, no pode ser representado atravs de um nmero
finito de dgitos decimais. No Exemplo 1, o nmero 1t foi escrito como 3.14, 3. 1416 e
3.141592654 respectivamente nos casos (a), (b) e, (c). Em cada um deles foi obtido um
resultado diferente, e o erro neste caso depende exclusivamente da aproximao escolhida
para n. Qualquer que seja a circunferncia, a sua rea nunca ser obtida exatamente, uma
vez que 1t um nmero irracional.
Como neste exemplo, qualquer clculo que envolva nmeros que no podem ser
representados atravs de um nmero finito de dgitos no fornecer como resultado um
valor exato. Quanto maior o nmero de dgitos utilizados, maior ser a preciso obtida. Por
isso, a melhor aproximao para o valor da rea da circunferncia aquela obtida no
caso (c).
Alm disto, um nmero pode ter re presentao finita em uma base e no-finita em
outras bases. A base decimal a que mais empregamos atualmente. Na Antiguidade, foram
utilizadas outras bases, como a base 12, a base 60. Um computador opera normalmente no
sistema binrio.
Observe o que acontece na interao entre o usurio e o computador: os dados de
entrada so enviados ao computador pelo usurio no sistema decimal; toda esta informao
convertida para o sistema binrio, e as operaes todas sero efetuadas neste sistema.

Clculo Numtrico

Cap. 1

Os resultados finais sero convertidos para o sistema decimal e, finalmente, sero transmitidos ao usurio. Todo este processo de converso uma fonte de erros que afetam o
resultado .final dos clculos.
Na prxima seo, estudaremos os processos para converso de nmeros do sistema binrio para o sistema decimal e vice-versa.

1.2. 1 CONVERSO DE NMEROS NOS SISTEMAS DECIMAL E BINRIO


Veremos inicialmente a converso de nmeros inteiros.
Considere os nmeros (347) 10 e (10111h. Estes nmeros podem ser assim
escritos:
(347)10 = 3

(10111)2 = 1

102 + 4

24 + 0

101 + 7 X 100
23 + 1 X 22 + 1

21 + 1 X 2

De um modo geral, um nmero na base~. (a a _1 ...


11
k = 1, ... , j , pode ser escrito na forma polinomial:

0 13

~a 1 a ) , O~

at

~ (~-

1),

Com esta representao, podemos facilmente converter um nmero representado


no sistema binrio para o sistema decimal.
Por exemplo:
(10111)2 = 1

24 + 0

23 + 1

22 + 1 X 21 + 1 X 20

Colocando agora o nmero 2 em evidncia teremos:


(10111)2 = 2

(1 + 2

(1 + 2

(0 + 2

1))) + 1 = (23)10

Deste exemplo, podemos obter um processo para converter um nmero representado no sistema binrio para o sistema decimal:
A representao do nmero (a aH .. . a2a1ao)2 na base 10, denotada por b0,
1
obtida atravs do processo:

Cap. 1

b.J-2

= a.j-2 + 2b.j -1

b1

= a 1 + 2b2
= a0 + 2b 1

b0

Noes bsicas sobre erros

Para (10111)2, a seqncia obtida ser:


b4 =a4 = 1
b 3 = a3 + 2b4 = O + 2 x 1 = 2
b2 = a2 + 2b3 = 1 + 2 x 2 = 5
b1 = a 1 + 2b2 = 1 + 2 x 5 = 11
b0 = a0 + 2b 1 = 1 + 2 x 11 = 23
Veremos agora um processo para converter um nmero inteiro representado no
sistema decimaJ para o sistema binrio. Considere o nmero N 0 = (347)10 e (~,_1 ... a 1<lo) 2
a sua representao na base 2.
Temos ento que:
347

=2 x ( aj x 21'-} + aH

-2

x 21

+ ... + a2 x 2 + a1) + a0

=2 x 173 + 1

e, portanto, o dgito 3o = 1 representa o resto da diviso de 347 por 2. Repetindo agora este
processo para o nmero N 1 = 173:
173 = aj

. 1

'2J + aj-1

. 2

'2J + ... + ~

2 +~

obteremos o dgito al' que ser o resto da diviso de N 1 por 2. Seguindo este raciocnio obtemos a seqncia de nmeros Nj e aj.

N 0 = 347 =
N1 = 173 =
N2 = 86 =

2
2

N3 = 43
N 4 = 21
N 5 = 10
N6 = 5

2
2

173 + 1 => a0 = 1
86 + 1 => a1 = 1
43 + 0 => ~ =0
21 + 1 => ~ = 1

=
=

10 + 1 => a4 = 1
2x5+0 => a5 =O

2x2+ 1

=> a 6 = 1

Cdlculo Numrico

=
=

Cap. 1

2x l+ 0
2 x O+ 1

==> ~=0
==> a8

=1

Portanto, a representao de (347)10 na base 2 ser 101011011.


No caso geral, considere um nmero inteiro N na base 10 e a sua representao
binria denotada por: (ajaj- l ... a2 a 1aoh O algoritmo a seguir obtm a cada k o dgito
binrio ak.
Passo 0:

k =O

Nk =N
Passo 1:

Obtenha qk e rk tais que:


Nk =2 x qk + rk
Faa ak = rk

Passo 2:

Se qk = O, pare.
Caso contrrio, faa Nk + 1 = qk.
Faa k = k + 1 e volte para o passo 1.

Consideremos agora a converso de um nmero fracionrio da base 10 para a base 2.


Sejam, por exemplo:
r= 0.125, s

= 0.66666 ... , t =0.414213562...

Dizemos que r tem representao finita e que s e t tm representao infinita.


Dado um nmero entre O e 1 no sistema decimal, como obter sua representao
binria?
Considerando o nmero r= 0.125, existem dgitos binrios: di'
(0. d 1 ~.. dy-h ser sua representao na base 2.

~ ... ,

df .. , tais que

Assim,
(0.125)10 = d 1

z-1 +~X 2-2 +

...

+ dj

2--J. + ...

Multiplicando cada termo da expresso acima por 2 teremos:


2

0.125

= 0.250 = 0 + 0.25 = d1 + ~ X z-l + ~ X z-2 + ... + dj X

z-j + I

+ ...

Cap. 1

Noes bsicas sobre erros

e, po rtanto , d 1 rep resenta a parte inteira de 2 x 0 .125 que igual a zero e d 2 x 2- 1 +


dJ X 2-2 + ... + dj X z-j + 1 + ... representa a parte fracionria de 2 X 0.125 que 0.250.
Aplicando agora o mesmo procedimento para 0.250, teremos:

= d2 X

01.250

z-1 + d3 X z-2 + ... + d. X z-j + l + ... => 2 X 0.250 : 0.5 =


d2 + d3 x z-1 + d 4 x 2- 2 + .~. + dJ x z-J + 2 + ... => d2 =o

e repetindo o processo para 0.5 :


0.5

= d3 X z-l + d4 X z-2 + ... + dj X Lj + 2 + ... =:


2

0.5 = 1.0 = d 3 + d 4

2- 1 + ... + dj

2-.1 + J + ... => d3 = 1

Como a parte fracionria de 2 x 0 .5 zero, o processo de converso termina, e teremos:


d1 =O, d 2 = O e d 3 = 1 e, portanto, o nm ero (0.125) 10 tem representao finita na base
2: (0 .001 h
Um nmero real entre O e 1 pode ter representao finita no sistema decimal, mas
representao infinita no sistema binrio .
No caso geral, seja r um n mero entre O e 1 no sistema decimal e (0. d1d2 ...d;-..)2 sua
representao no sistema binrio.
Os dgitos binrios dl' ~ ... , dj, ... so obtidos atravs do seguinte algori tmo:
P asso 0:

r1 = r; k = 1

Passo 1:

Calcule 2rk.
Se 2rlt ~ 1, faa: dk = 1,
caso contrrio, faa: dk

Passo 2:

Faa rk + 1 =2 rk - dk.
Se rk + 1 = O, pare.
Caso contrrio:

Passo 3:

k =k + 1.
Volte ao passo 1.

=O

Clculo Numrico

Cap. 1

Observar que o algoritmo pode ou no parar aps um nmero finito de pasSs.


Para r= (0.125h0 teremos r4 =O. J para r= (0.1) 10, teremos: r1 = 0.1
k=l

2r1 = 0.2

=:>

dl =

(2 = 0.2

r 10

k=2

2r2 = 0.4

=:>

d2 = o
r3 = 0.4

k=3

2r3 = 0.8

=:>

d3 = o
r4 = 0.8

k=4

2r4 =1..6

=:>

d4 = 1
rs = 0.6

k=5

2r5 = 1.2

=:>

ds = 1
r6 = 0.2 = r2

Como r6 = r2, teremos que os resultados para k de 2 a 5 se repetiro e ento:


= r6 = r2 = 0.2 e assim indefinidamente.
Conclumos que:
(0.1)10 = (0.00011001100110011 ... )2

e, portanto, o nmero (0.1) 10 no tem representao binria finjta.


O fato de um nmero no ter representao finita no sistema binrio pode acarretar a ocorrncia de erros aparentemente inexplicveis em clculos efetuados em sistemas
computacionais binrios.
Analisando o Exemplo 2 da Seo 1.2 e usando o processo de converso descrito
anteriormente, temos que o nmero (0.5) 10 tem representao finita no sistema binrio:
(0.1h; j o nmero (0.11) 10 ter representao infinita:
(0.00011100001010001111010111000010100011110L.h
Um computador que opera no sistema binrio ir armazenar uma aproximao
para (0.11)10, uma vez que possui uma quantidade fixa de posies para guardar os dgitos
da mantissa de um nmero, e esta aproximao ser usada para realizar os clculos. No se
pode, portanto, esperar um resultado exato.

Cap. 1

Noes bsicas sobre erros

Considere agora um nmero entre O e 1 representado no sistema binrio:

Como obter sua representao no sistema decimal?


Um processo para converso equivalente ao que descrevemos anteriormente.
Definindo r 1 = r, a cada iterao k, o processo de converso multiplica o nmero r k
por (10)10 = (1010h e obtm o dgito bk como sendo a parte inteira deste produto convertida para a base decimal. importante observar que as operaes devem ser efetuadas no
sistema binrio, [26). O algoritmo a seguir formaliza este processo.
Passo 0:

k1
r1 -r
- '
-

Passo 1:

Calcule wk = (1010)z x rk.


Seja~ a parte inteira de wk
bk a converso de ~ para a base 10.

Passo 2:

Faa rk + 1 = wk- zk
Se rk + 1 = O, pare.

Passo 3 :

k=k+l.
Volte ao passo 1.

Por exemplo, considere o nmero:

Seguindo o algoritmo, teremos:


r1 = (0.000111) 2;

=(1010)z x r1 = 1.00011 =
w2 =(1010)z x r 2 =0.1111
=
w1

= (1010)z x r3 = 1001.011 =
w4 = (1010)2 x r4 = 11.11
=
w 5 = (1010) 2 x r5 = 111.1
=
w 6 = (1010)2 x r6 = 101
=
w3

Portanto (0.000111)z

= (0.109375)10

b 1 = 1 e r2 = 0.00011;
b2 =O e r 3 =0.1111;
b 3 = 9 e r4 = 0.011;
b 4 = 3 e r5 =0.11;
b5 = 7 e r6 = 0.1 ;
b 6 = 5 e r7 =O;

1O

Clculo Numrico

Cap. 1

Podemos agora entender melhor por que o resultado da operao


30000

~ 0.11
i -1

no obtido exatamente num computador. J vimos que (0.11)10 no tem representao


finita no sistema binrio. Supondo um computador que trabalhe com apenas 6 dgitos na
mantissa, o nmero (0.11)10 seria armazenado como (0.000111)2 e este nmero representa
exatamente (0.109375)10. Portanto, todas as operaes que envolvem o nmero (0.11) 10
seriam realizadas com esta aproximao. Veremos na prxima seo a representao de
nmeros em aritmtica de ponto flutuante com o objetivo de se entender melhor a causa
de resultados imprecisos em operaes numricas .

..

1.2.2 ARITMETICA DE PONTO FLUTUANTE


Um computador ou calculadora representa um nmero real no sistema denominado aritmtica de ponto flutuante. Neste sistema, o nmero r ser representado na forma:

onde:
~

a base em que a mquina opera;


t o nmero de dgitos na mantissa; O :,;; di :,;;
e o expoente no intervalo [1, u] .

(~-

1), j = 1, ..., t, d1 ot O;

Em qualquer mquina, apenas um subconjunto dos nmeros reais representado


exatamente, e, portanto, a representao de um nmero real ser realizada atravs de truncamento ou de arredondamento.
Considere, por exemplo, uma mquina que opera no sistema:
~

= 10; t = 3; e E [-5, 5].

Os nmeros sero representados na seguinte forma nesse sistema:

Cap. 1

Noes bsicas sobre erros

11

O menor nmero, em valor absoluto, representado nesta mquina :


m = 0.100 x 10- 5 = 10-6

e o maior nmero, em valor absoluto, :


M

=0.999 x 105 = 99900

Considere o conjunto dos nmeros reais R e o seguinte conjunto:


G = {x E R

I m ~I x I

~ M}

Dado um nmero real x, vrias situaes podero ocorrer:

Caso I) x E

(j :

por exemplo: x = 235.89 = 0.23589 x 103 . Observe que este nmero possui 5
dgitos na mantissa. Esto representados exatamente nesta mquina os nmeros:
0.235 x 1cP e 0.236 x 103 . Se for usado o truncamento, x ser representado
por 0.235 x 103 e, se for usado o arredondamento, x ser representado por
0.236 x 1oJ (o truncamento e o arredondamento sero estudados na Seo 1.3.2.);
Caso 2) I x I < m:
por exemplo: x = 0.345 >< lQ-7. Este nmero no pode ser representado nesta
mquina porque o expoente e menor que -5. Esta uma situao em que
a mquina acusa a ocorrncia de underflow;

Caso 3) I x I > M :
por exemplo: x = 0.875 x 109 . Neste caso, o expoente e maior que 5 e a mquina
acusa a ocorrncia de overflow.
Algumas linguagens de programao permitem que as variveis sejam declaradas
em preciso dupla . Neste caso, esta varivel ser representada no sistema de aritmtica de
ponto flutuante da mquina, mas com aproximadamente o dobro de dgitos dispon veis na
mantissa. importante observar que, neste caso, o tempo de execuo e requerimentos de
memria aumentam de forma significativa.

12

Clculo Numrico

Cap. 1

O zero em ponto flutuante , em geral, representado com o menor expoente


possvel na mquina. Isto porque a representao do zero por uma mantissa nula e um

expoente qualquer para a base

pode acarretar perda de dgitos significativos no resultado

da adio deste zero a um outro nmero. Por exemplo, em uma mquina que opera na base
10 com 4 dgitos na mantissa, para x = 0.0000 x 104 e y = 0.3134 x 10- 2 o resultado de
x + y seria 0.3100 x w-2, isto , so perdidos dois dgitos do valor exato y. Este resultado
se deve forma como efetuada a adio em ponto flu tuante, que estudaremos na
Seo 1.3.3.

Exemplo 3
Dar a representao dos nmeros a seguir num sistema de aritmtica de ponto flutuante de
trs dgitos para~ = 10, m = -4 e M= 4.
Representao obtida
por arredondamento

Representao obtida
por truncamento

1.25

0.125

10

0.125

10

10.053

0.101

102

0.100

1()2

-0.238

1()3

-0.238

1()3

0.272

10

0.271

10

- 238.15
2.71828 ...
0.000007
718235.82

(expoente menor que -4)

(expoente maior que 4)

1.3 ERROS
1.3. 1 ERROS ABSOLUTOS E RELATIVOS
No Exemplo 1 da Seo 1.2, diferentes resultados para a rea da circunferncia foram
obtidos, dependendo da aproximao adotada para o valor de 1t.
Definimos como erro absoluto a diferena entre o valor exato de um nmero x e

de seu valor aproximado x:

= x - x.

Cop. 1

Noes btfsicas sobre erros

13

Em geral, apenas o valor x conhecido, e, neste caso, impossvel obter o valor


exato do erro absoluto. O que se faz obter um limitante superior ou uma estimativa para
o mdulo do erro absoluto.
Por exemplo, sabendo-se que :n: E (3.14, 3.15) tomaremos para :n: um valor dentro
deste intervalo e teremos, ento, I~ I = I :n:- :n: I < 0.01.

Seja agora o nmero x representado por x;::; 2112.9 de tal forma que IE"l < 0 .1,
ou s eja, x E (2112.8, 2113) e seja o nmero y representado por y = 5.3 de tal forma que

I EAyl < 0.1, ou seja, y E

(5.2, 5.4). Os limitantes superiores para os erros absolutos so os


mesmos. Podemos dizer que ambos os nmeros esto representados com a mesma preciso?

preciso comparar a ordem de grandeza de x e y. Feito isto, fcil concluir que


o primeiro resultado mais preciso que o segundo, pois a ordem de grandeza de x maior
que a ordem de grandeza de y. Ento, dependendo da ordem de grandeza dos nmeros
envolvidos, o erro absoluto no suficiente para descrever a preciso de um clculo. Por
esta razo, o erro relativo amplamente empregado.
O erro relativo definido como o erro absoluto dividido pelo valor aproximado:

El\

- ---=--=
X

x-i
X

No exemplo anterior, temos

I E}\ I - I ~I

<

210~.9 ... 4.7

10-S

I ERy 1-

1~1
Y

11

<

01
: ... o.o2,
53

confirmando, portanto, que o nmero x representado com maior preciso que o nmero y.

14

Cdlculo Nruntrico

Cap. 1

1.3.2 ERROS DE ARREDONDAMENTO


E TRUNCAMENTO EM UM
..
SISTEMA DE ARITMETICA DE PONTO FLUTUANTE
V unos na Seo 1.2 que a representao de um nmero depende fundamentalmente da
mquina utilizada, pois seu sistema estabelecer a base numrica adotada, o total de dgitos
na mantissa etc.

Seja um sistema que opera em aritmtica de ponto flutuante de t dgitos na base


10, e seja x, escrito na forma
x

=~ x l QI! + ~ x loe-'

onde 0.1 ::s:; fx < 1 e O ~ Sx < 1.

Por exemplo, se t = 4 ex = 234.57, ento


x = 0 .2345 x lcP + 0.7 x lQ-1, donde fx = 0.2345 e~= 0.7.

claro que na representao de x. neste sistema ~ x 10e-t no pode ser incorporado totalmente mantissa. Ento, surge a questo de como considerar esta parcela na
mantissa e definir o erro absoluto (ou relativo) mximo cometido.
Vunos na Seo 1.2.2 que podem ser adotados dois critrios: o do arredondamento
e o do truncamento (ou cancelamento).
No truncamento, Sx x loe-t desprezado e i= fx x l<Y. Neste caso, temos
I~~= Ix - i I= I~~ x 10e-t <

1~1

IE~ I- lxl

lOe-t, visto que I~~< 1


l()t'-1

<

0.1 x

toe

= 1()-1 + 1

visto que 0.1 o menor valor possvel para fx.


No arredondamento, fx modificado para levar em considerao ~ - A forma de
arredondamento mais utilizada o arredondamento simtrico:
se I~ I<

-X

Nou bsicas sobre erros

Cap. 1

I gxl

<

~ gx

Ento, se I gxl <

teremos

Portanto se
ltimo dgito

15

desprezado, caso contrrio, somamos o nmero 1 ao

de~

1E~ 1 E se

I~ I

I~ I x

I x I = 1~ 1 x

toe-'
toe

<

o.s x toH
o.t x toe -

2 x

w-t+

I gxl ;a. 1/2, teremos

I E"l =I x - x I =I (fx x toe + ~ x 10e-t) - (fx x toe + lOe-t)'l


1
=I~ X toe-t- lOe-1 I= I (8x- 1) I X 10M ~ 2 X 1<1-(
e
1
I ~ I _.::._
1 /'--..2:: :. . . c. . :.x--=1-=oe_-_
IE~I- lxl ~ I ~ X toe + toe-' I

<

t /2 X t(1-l l
o.1 x
2

1oe

<

t / 2 x 10e-t
I~ I

1<1

<

10-t + 1

Portanto, em qualquer caso teremos

I~ I ~

t
2

1<1 I

e I E~ I <

1
2

w-l + 1

Apesar de incorrer em erros menores, o uso do arredondamento acarreta um


tempo maior de execuo e por esta razo o truncamento mais utilizado.

16

C6lculo Numrico

Cap. 1

1.3.3 ANLISE DE ERROS NAS OPERAES


ARITMTICAS DE PONTO FLUTUANTE
Dada uma seqncia de operaes, como, por exemplo, u = [(x + y) - z - t] + w,
imponante a noo de como o erro em uma operao propaga-se ao longo das operaes
subseqentes.
O erro total em uma operao composto pelo erro das parcelas ou fatores e pelo
erro no resultado da operao.
Nos exemplos a seguir, vamos supor que as operaes so efetuadas num sistema
de aritmtica de ponto flutuante de quatro dgitos, na base 10, e com acumulador de preciso dupla.

Exemplo 4
Dados x

= 0.937 x 10" e y = 0.1272 x 102, obter x + y.

A adio em aritmtica de ponto flutuante requer o alinhamento dos pontos decimais dos dois nmeros. Para isto, a mantissa do nmero de menor expoente deve ser
deslocada para a direita. Este deslocamento deve ser de um nmero de casas decimais igual
diferena entre os dois expoentes.
Alinhando os pontos decimais dos valores acima, temos
X

=0.937 X

+y

104 e y

= 0.001272 X

104

Ento,

= (0.937 + 0.001272) X 10" = 0.938272 X !o4.

Este o resultado exato desta operao. Dado que em nosso sistema t igual a 4,
este resultado dever ser arredondado ou truncado.
Ento, x + y
truncamento.

= 0.9383

x 104 no arredondamento e x + y = 0.9382 x 104 no

Cap. 1

Noes bsicas sobre erros

17

Exemplo 5
Sejam x e y do Exemplo 4. Obter xy:

XJ

= (0.937 X 104) X (0.1272 X 102)


= (0.937 X 0.1272) X 106 :
= 0.1191864 X 106 .

Ento, xy =0.1192 x 1o6, se for efetuado o arredondamento, e xy


for efetuado o truncamento.

=0.1191 x 1o6, se

Os Exemplos 4 e 5 mostram que ainda que as parcelas ou fatores de uma operao


estejam representados exatamente no sistema, no se pode esperar que o resultado armazenado seja exato.
Na maioria dos sistemas, o resultado exato da operao que denotaremos por OP
normalizado e em seguida arredondado ou truncado para t dgitos, obtendo assim o
resultado aproximado P que armazenado na memria da mquina
Ento, conforme vimos na Seo 1.3.2, o erro relativo no resultado de uma operao (supondo que as parcelas ou fatores esto representados exatamente) ser:
no truncamento

IEROP I < -2 X

1~ ... 1

no arredondamento.

Veremos a seguir as frmulas para os erros absoluto e relativo nas operaes


aritmticas com erros nas parcelas ou fatores.
Vamos supor que o erro final arredondado.
Sejam x e y, tais que x = x + ~ e y = y +
Adio:

x +y
x + y =(X + ~) + (Y + ~)

=(X + Y) + <EAx + E~) .

Ento, o erro absoluto na soma, denotado por


das parcelas:
E~ ... y =E~ + E~.

E~ ... Y

a soma dos erros absolutos

18

Clculo Numrico

Cap. 1

O erro relativo ser:


E

~+ y

E~ +y =E~
X

+y

= E~
Subtrao:

(
X

x )+ ~
( y )=
y X+y

+ y

(x : y) + E!\ (x! y}

x- y

Analogamente temos :

~ -y

'"x
y - EA-EA
-

X -

- ~-)
y
.
~X -X-)
y
X - y

Multiplicao: xy
xy

= (x + EAx)(y + EAY) =
= X y + X EAY+ y EAX+ (EAX){EAY)

Considerando que (EAx)(EAY) um nmero pequeno, podemos desprezar este


termo na expresso acima.
Teremos ento EAxy .,.

Diviso:

xfy

xEAY + y EAx

Cap. 1

Noes bsicas sobre erros

19

1
Representando o fator - --'--sob a forma de uma srie infinita, teremos

+ E~

+ E~
y

2 3
l _B
r + (E;x) _(Er) +

e desprezando os termos com potncias maiores que 1, teremos


X

:::

i+ E~
y

Ento
x
y

~
y

- :::=+--=-y

x EAx.

_ E" _ i EAy _ y E" - x EAy

Assun, E" 1y -

ii2

-2
y

ER
:::
~'7. /y

y E~- i EAy) E~ EA
~
=
-=- ~
- ER
X
X
y = ER
"'7.
- -y

Escrevemos todas essas frmulas sem considerar o erro de arredondamento ou


truncamento no resultado final.
A anlise completa da propagao de erros se faz considerando os erros nas
parcelas ou fatores e no resultado de cada operao efetuada.

Exemplo 6
Supondo que x, y, z e t estejam representados exatamente, qual o erro total no clculo
de u = (x + y)z- t? (Calcularemos o erro relativo e denotaremos porRA o erro relativo de
arredondamento no resultado da operao.)

20

Clculo Numrico

Cap. 1

Seja s = x + y. O erro relativo nesta operao ser:

ERS - ERX (i )
X + y

+ ER- -y

y -) + RA - o+RA .

(X + y

Assim, I ER5 I = I RA I < ; x 1o-t + 1.


Calculando agora s x z, teremos m = s x z, e o erro relativo desta operao ser:

Ento,

I ERm I

1
IRAS I+ IRA I< 2
X

Calcularemos u
E~ ...

=m -

10-t +

1
+2
X

1o-t + 1 =

w-t + 1.

t e o erro relativo desta operao ser:

E<\n-~ + RA
m - t

.. ERm ( miii -)
+
t

E<\n + RA
m-t

'"'

~
---=-m

( m ) + RA
m - t

RA.

Ento,
m
m- t

Finalmente,

+ RA < 10-t+ 1

m
m -

+ -1 x w-t+ 1
2

No-es bsicas sobre erros

Cap. 1

21

Exemplo 7
Vimos que dados x, y e z

ERz

=x -

EAx-E'\
x-y

y, ento:

E"(

x) -

- -x- x-y

~( y)
y x-y

Se x e y so nmeros positivos arredondados, ento:


1 x to-t + 1 e

< -

-y

<

1
2

1o-t + I

claro que se x ... y, ento o erro relativo em z pode ser grande, como por
exemplo, se x =0.2357 x 103 e y =0.2353 x 1ol, ento z =x- y = 0.0004 x 1<P e isto
denominado cancelamento subtrativo.
O erro relativo em z limitado superiormente por:

I E(\ I <
~

(0.2357 )( 1ol + 0.2353 )( tol) )( !


0.0004 )( l <P
2

I E~ I <

)(

1o-3 (t - 4} ~

0.5888 - 59%.

Este erro relativo propagado nas prximas operaes (pois cada expresso para
o erro relativo depende do erro relativo em cada parcela ou fator).
Por exemplo, para w

I E~ I ~ I ER.zl

=zt, se i= 0.4537 x l <P teremos w =0.1815 x lol e

+I~ I < 0.59

+2

)( to-3 - 0.5905- 59%.

Desta forma, o cancelamento subtrativo pode dar origem a grandes erros nas
operaes seguintes.

22

Clculo Numrico

Cap. 1

EXERCCIOS
1.

Converta os seguintes nmeros decimais para sua forma binria:


X=

2.

37

= 0.1217

Converta os seguintes nmeros binrios para sua forma decimal:

= (101101)2
z = (0.1101h
X

3.

= 2345

y = (110101011h
w = (0.11111110lh

Seja um sistema de aritmtica de ponto flutuante de quatro dgitos, base decimal e com
acumulador de preciso dupla. Dados os nmeros:
X

= 0.7237

104

y : 0.2145

10-3

= 0.2585 x

101

efetue as seguintes operaes e obtenha o erro relativo no resultado, supondo que x, y


e z esto exatamente representados:

+y+z

(xy)/z

y- Z

e)

x(y/z)

a)

b)

X-

c)

x/y

4.

Supondo que x representado num computador por i, onde x obtido por arredondamento, obtenha os limites superiores para os erros relativos de u = 2i e w = x + x.

5.

Idem para u

6.

Sejam x e y as representaes de x e y obtidas por arredondamento em um computador.


Deduza expresses de limitante de erro para mostrar que o limitante do erro relativo de
u = 3 xy menor que o de v = (i + x + X) y.

7.

Verifique de alguma forma que, se rF tem representao finita na base 2 com k dgitos,
ou seja, rF = (0. d1 ~ ...dk) 2, ento sua representao na base 10 tambm finita com k
dgitos.

=3x e w =x + x + x.

Cap. 1

8.

Noes bsicas sobre erros

23

interessante observar que a adio em aritmtica de ponto flutuante nem sempre


associativa. Prova-se que dados n nmeros xl' x 2 , . , x0 representados exatamente, o
limite do erro total devido ao arredondamento na soma S = x 1 + x 2 + ... x 0 :

I EA I ~ [(n 8

9.

l)x 1 + (n- 1)x2 + (n- 2)x3 + ... 2xn-1 + x 0 ] x

1
x 10- t + 1.
2

a)

Faa n = 5 e prove que esta relao verdadeira.

b)

Analise cuidadosamente a expresso acima e verifique que, dados n nmeros, o


erro total ser menor se forem ordenados em ordem crescente antes de serem
somados.

Considere uma mquina cujo sistema de representao de nmeros definido por:


~ = 10, t = 4, l =- 5 e u = 5. Pede-se:

a)

qual o menor e o maior nmero em mdulo representados nesta mquina?

b)

como ser representado o nmero 73.758 nesta mquina, se for usado o arredondamento? E se for usado o truncamento?

c)

se a= 42450 e b = 3 qual o resultado de a+ b?

d)

qual o resultado da soma


10

s=

42450 + ~ 3
k-1

nesta mquina?
e)

idem para a soma:


10

s ..

~ 3 + 42450.
k-1

(Obviamente o resultado deveria ser o mesmo. Contudo, as operaes devem ser


realizadas na ordem em que aparecem as parcelas, o que conduzir a resultados
distintos).

24

Cdlculo Numrico

f>

Cap. 1

o resultado da operao: wz/t pode ser obtido de vrias maneiras, bastando modificar
a ordem em que os clculos so efetuados. Para determinados valores de w, z e t, uma
seqncia de clculos pode ser melhor q ue outra. Faa uma anlise para o caso em
que w = I 00. z = 3500 e t =7.

10. Escreva um programa em alguma linguagem para obter o resultado da seguinte operao:
n

s = 10000 - L

k=l

para: a) n = 100000 ex = 0.1 ;

b) o = 80000 ex= 0.125.

PROJETOS
1.

PRECISO DA MQUINA

A preciso da mquina definida como sendo o menor nmero positivo e m aritmtica de ponto

flutuante e, tal que (1 + e) > 1. Este nme ro depende totalmente do sjstema de representao da
mquina: base numrica, total de dgitos na mantissa, da forma com o so realizadas a s
operaes e do compilador utilizado. importante conhecermos a preciso da mquina porque
em vrios algoritmos precisamos fornecer como dado de entrada om valor positivo, prximo de
zero, para ser usado em testes de comparao com zero.
O algoritmo a seguir estima a preciso da mquina:
Passo I:

A = I;
s =2:

Passo 2:

Enquanto (s) > 1, faa:


A = A/2

s = I +A;
Passo 3:

F~a

Prec

=2A e imprima Prec.

Cap. 1

Noes bdsicas sobn erros

25

a)

Teste este algoritmo escrevendo um programa usando uma linguagem conhecida.


Declare as variveis do programa em preciso simples e execute o programa; em
seguida, declare as variveis em preciso dupla e execute novamente o programa.

b)

Interprete o passo 3 do algoritmo, isto , por que a aproximao para Prec


escolhida como sendo o dobro do ltimo valor de A obtido no passo 2?

c)

Na definio de preciso da mquina, usamos como referncia o n6mero 1. No


algoritmo a seguir, a varivel VAL um dado de entrada, escolhido pelo usurio:
Passo 1: A= 1;
s = VAL+ A;

2.

Passo 2:

Enquanto (s) > VAL. faa:


A=A/2
s =VAL+A

Passo 3:

Faa Prec

=2A e jmprima Prec.

c.l )

Teste seu programa atribuindo para VALos nmeros: 10. 17, 100, 184,
1000, 1575, 10000, 17893.

c. 2)

Para cada valor diferente para VAL, imprima o valor correspondente obtido para Prec. Justifique por que Prec se altera quando VAL modificado.

CLCULO DE ex

Escreva um programa em uma linguagem conhecida, para calcular ex pela srie de Taylor com
n termos. O valor de x e o nmero de termos da srie, n, so dados de entrada deste programa.
Para valores negativos de x, o programa deve calcular ex de duas formas: em uma delas o valor
de x usado diretamente na srie de Taylor ~e. na outra forma, o valor usado na srie y =-:x.
e. em seguida, c alcula-se o valor de ex atravs de l/ex.
a)

Teste seu programa com vrios valores de x (x prximo de zero e x distante de


z.ero) e, para cada valor de x, teste o clculo da srie com vrios valores de o.
Analise os resultados obtidos.

26

Clculo Numrico

Cap. I

b) Dificuldades com o clculo do fatorial:


O clculo de k! necessrio na srie de Taylor pode ser feito de modo a evitar
a ocorrncia de overflow. Os clculos podem ser organizados de modo a se
evitar o "estouro" no clculo de k! ; para isto preciso analisar cuidadosamente o k-simo termo xk/k! , tentar misturar o clculo do numerador e do denominador e realizar divises intermedirias. Estude uma maneira de realizar
esta operao de modo a evitar que k! estoure.
c) Com a modificao do item (b), a srie de Taylor pode ser calcul ada com
quantos termos se queira. Qual seria um critrio de parada para se interromper
o clculo da srie?

CAP~TULO

rn

MAKRON
Books

ZEROS REAIS DE FUNES REAIS

2. 1 INTRODUO
Nas mais diversas reas das cincias exatas ocorrem, freqentemente, situaes que envolvem a resoluo de uma equao do tipo f(x) = O.
Consideremos, por exemplo, o seguinte circuito:

+
v= g(i)

Figura 2.1
A figura acima representa um dispositivo no linear, isto , a funo g que d a
tenso em funo da corrente no linear. Dados E e R e supondo conhecida a caracterstica
do dispositivo v = g(i), se quisermos saber a corrente que vai fluir no circuito temos de
resolver a equao E- Ri - g(i) =O (pela lei de Kirchoft). Na prtica, g(i) tem o aspecto de
um polin.m io do terceiro grau.

27

28

Clculo Numrico

Cap. 2

Queremos ento resolver a equao f(i)

=E -

Ri - g()

=O.

O objetivo deste captulo o estudo de mtodos numricos para resoluo de

equaes no lineares como a acima.


se

f~)=

Um nmero real
O.

um zero da funo f(x) ou uma raiz da equao f(x)

=O

Em alguns casos, por exemplo, de equaes polinomiais, os valores de x que


anulam f(x) podem ser reais ou complexos. Neste captulo, estaremos interessados somente
nos zeros reai., de f(x) .

Graficamente, os zeros reais so representados pelas abcissas dos pontos onde


.
. ox.
uma curva mtercepta
o etxo

f(x)

f(x)

(a)

(b)

(c)

Figura 2.2

Cap. 2

Zeros reais tk funes reoi.s

29

Como obter razes reais de uma equao qualquer?


Sabemos que, para algumas equaes, como por exemplo as equaes polinomiais
de segundo grau, existem frmulas explcitas que do as razes em funo dos coeficientes.
No entanto, no caso de polinmios de grau mais alto e no caso de funes mais complicadas, praticamente impossvel se achar os zeros exatamente. Por isso, temos de nos
contentar em encontrar apenas aproximaes para esses zeros; mas isto no uma limitao
muito sria. pois, com os mtodos que apresentaremos, conseguimos, a menos de limitaes
de mquinas, encontrar os zeros de uma funo com qualquer preciso prefixada.
A idia central destes mtodos partir de uma aproximao inicial para a raiz e
em seguida refinar essa aproximao atravs de um processo iterativo.

Por isso, os mtodos constam de duas fases:

FASE I: Localizao ou isolamento das razes, que consiste em obter um intervalo que contm a raiz;

FASE ll: Refinamento, que consiste em, escolhidas aproximaes iniciais no


intervalo encontrado na Fase I, melhor-las sucessivamente at se obter uma
aproximao para a raiz dentro de uma preciso e prefixada.

2.2 FASE 1: ISOLAMENTO DAS RAZES


Nesta fase feita uma anlise terica e grfica da funo f(x). importante ressaltar que o
sucesso da Fase n depende fortemente da preciso desta anlise.
Na anlise terica usamos freqentemente o teorema:

TEOREMA 1
Seja f(x) uma funo contnua num intervalo [a, b].
Se f(a)f(b) < O ento existe pelo menos um ponto x =;entre a e b que zero
de f(x) .

30

Clculo Numrico

Cap. 2

GRAFICAMENTE

f(x)

f(x)

f(x)

Figura 2.3

Conforme vemos, a interpretao grfica deste teorema extremamente simples


(e uma demonstrao deste resultado pode ser encontrada em [11]).

OBSERVAO
Sob as hipteses do teorema .anterior, se f '(x) existir e preservar sinal em (a, b), ento este
intervalo contm um nico zero de f(x).

Zeros reais de funes reais

Cap. 2

31

GRAFICAMENTE

f(x)

f'(x) > O, Vx E [a, b)

f'(x) < O, Vx E [a , b)

Figura 2.4
Uma forma de se isolar as razes de f(x) usando os resultados anteriores tabelar
f(x) para vrios valores de x e anaJjsar as mudanas de sinal de f(x) e o sinal da derivada
nos intervalos em que f(x) mudou de sinal.

Exemplo 1
a) f(x)

=x l -

9x + 3

Construindo uma tabela de valores para f(x) e considerando apenas os sinais,


temos:

:) I

(X)

- 100 - 10

-5

-3

-1

Sabendo que f(x) contnua para qualquer x real e observando as variaes de


sinal, podemos concluir que cada um dos intervalos 11 = [- 5, - 3], 12 = (0, 1] e 13 = [2, 3]
contm pelo menos um zero de f(x).

32

Clculo Numrico

Cap. 2

Como f(x) polinmio de grau 3, podemos afirmar que cada intervalo contm um
nico zero de f(x); assim, localizamos todas as razes de f(x) = O.
b) f(X)

=Vx -

se-X

Temos que D(f) =R+ (D(f) domnio de f(x))


Construindo uma tabela de valores com o sinal de f(x) para determinados valores
de x temos:

f(x)

Analisando a tabela, vemos que f(x) admite pelo menos um zero no intervalo

(1, 2).
Para se saber se este zero nico neste intervalo, podemos usar a observao
anterior, isto , analisar o sinal de f' (x):

f '(x) -

1 +Se- x >O, \f x >O.


Vx

Assim, podemos concluir que f(x) admite um nico zero em todo seu domnio de
definio e este zero est no intervalo (1, 2).

OBSERVAO
Se f(a)f(b) >O ento podemos ter vrias situaes no intervalo [a, b], conforme mostram os
grficos:

Cap. 2

Zeros reLlis de funes reais

33

f(x)

f(x)

f(x)

Figura 2.5
A anlise grfica da funo f(x) ou da equao f(x) = O fundamental para se
obter boas aproximaes para a raiz.
Para tanto, suficiente utilizar um dos seguintes processos:

i)

esboar o grfico da funo f(x) e localizar as abcissas dos pontos onde a


.
. ox;
curva mtercepta
o euco

il)

a partir da equao f(x) = O, obter a equao equivalente g(x) = h(x),


esboar os grficos das funes g(x) e h(x) no mesmo eixo cartesiano e
localizar os pontos x onde as duas curvas se interceptam, pois neste caso
f(!;) = o ~ g(!;) = h(!;);

i ii)

usar os programas que traam grficos de funes, disponveis em algumas


calculadoras ou softwares matemticos.

34

Clculo Numrico

Cap. 2

O esboo do grfico de uma funo requer um estudo detalhado do comportamento


desta funo, que envolve basicamente os itens: domnio da funo; pontos de descontinuidade; intervalos de crescimento e decrescimento; pontos de mximo e mnimo; concavidade; ponto s de inflexo e assntotas da funo.
Este esquema geral de anlise de funes e construo de grficos encontrado
em [16] e [20].

Exemplo 2
a) f(x)

=x 3 -

9x + 3

Usando o processo (i), temos:

f(x) =x 3 - 9x + 3
f ' (x) =3x2 - 9
f' (x) = O~ x ..f3

f(x)

-..f3

f(x)
- 25
3
13.3923

-1

11

X
~

-3

o
1
-4 ~1 -3

-2

-1

2~3

..f3

2
3

t; 1 E(-4, -3)
t;2 E(O, 1)
t;3 E(2, 3)
Figura 2.6

3
-5
- 7.3923
-7
3

Cap. 2

Zeros reais de fun.es reais

35

E, usando o processo (ii): da equao x3 - 9x + 3 =O, podemos obter a equao


equivalente x3 = 9x - .3. Neste caso, temos g(x) =x3 e h{x) =9x- 3. Assim,

h(x)

;,
-4

-3

;, E(-4, -3)

2 E(O, 1)

!;3 E (2, 3)

Figura 2.7

36

Cdlculo Numrico

Cap. 2

b) f(X) : Vx- s e-X


Neste caso, mais conveniente usar o processo ():

Vx- se-x = o ~

rx = se- x ~ g(x) = Vx e h(x) = se-x

h(x)

1 ~ 2

Figura 2.8

c) f(x)

= xlog(x)- 1

Usando novamente o processo () temos que

xlog(x) - 1

=O

1
~ g(x) = log(x) e b(x)
X

log(x) = -

=-X1

E(1 , 2)

Cap. 2

Zeros reais de furu;es ~is

37

h(x)

g(x)

I; E(2, 3)

Figura 2.9

2.3 FASE 11: REFINAMENTO


Estudaremos neste item vrios mtodos numricos de refinamento de raiz. A forma como se
efetua o refinamento que diferencia os mtodos. Todos eles pertencem classe dos
mtodos iterativos.
Um mtodo iterativo consiste em uma seqncia de instrues que so executadas
passo a passo, algumas das quais so repetidas em ciclos.
A execuo de um ciclo recebe o nome de iterao. Cada iterao utiliza resultados das iteraes anteriores e efetua determinados testes que permitem verificar se foi
atingido um resultado prximo o suficiente do resultado esperado.
Observamos que os mtodos iterativos para obter zeros de funes fornecem
apenas uma aproximao para a soluo exata.
Os mtodos iterativos para refmamento da aproximao inicial para a raiz exata
podem ser colocados num diagrama de fluxo:

38

Clculo Numrico

Cap. 2

Dados inicias

Clculos iniciais

k=1

Calcular a nova
aproximao

..>--s_,

Clculos
finais

Clculos intermedirios

k = k+1

Figura 2.10

2.3. 1 CRITRIOS DE PARADA


Pelo diagrama de fluxo verifica-se que todos os mtodos iterativos para obter zeros de
funo efetuam um teste do tipo:
xk

est suficientemente prximo da raiz exata?

Que tipo de teste efetuar para se verificar se xk est suficientemente prximo da


raiz exata? Para isto preciso entender o significado de raiz aproximada.

Cap. 2

Zeros reais de funes reais

39

Existem duas interpretaes para raiz aproximada que nem sempre levam ao
mesmo resultado:

x raiz aproximada com preciso E se:


i) I i - ; I < E
ou
) I f(i) I < E.
Como efetuar o teste (1) se no conhecemos ;?
Uma forma reduzir o intervalo que contm a raiz a cada iterao. Ao se conseguir um intervalo [a, b] tal que:
ento "'' x E [a, b ], I x - ;
tomado como x

I < E. Portanto, "'' x E

[a, b] pode ser

f(x}

Figura 2.11

Nem sempre possvel ter as exigncias () e (il) satisfeitas simultaneamente. Os


grficos a seguir ilustram algumas possibilidades:

40

Clculo Numrico

f(x}

em

Cap. 2

x tem-se ~(X)I
mas

f(x)

<E

IX"- ;1

lx- !;I < E mas lf{X)I

(b)

(a)

f(x)

lx- !;I< e
jf(X)j < e

(c}
Figura 2.12

Os mtodos numricos so desenvolvidos de forma a satisfazer pelo menos um


dos critrios.
Observamos que, dependendo da ordem de grandeza dos nmeros envolvidos,
aconselhvel usar teste do erro relativo, como por exemplo, considerar x como aproximao
de; se

l f<[? l

< E onde L= f(x) para algum x escolhido numa vizinhana de;.

Em programas computacionais, alm do teste de parada usado para cada mtodo,


deve-se ter o cuidado de estipular um nmero mximo de iteraes para se evitar que o
programa entre em "looping" devido a erros no prprio programa ou inadequao do
mtodo usado para o problema em questo.

Cap. 2

Zeros reais de funes reais

41

2.3.2 MTODOS ITERATIVOS PARA SE OBTER


ZEROS REAIS DE FUNES
I. MTODO DA BISSECO
Seja a funo f(x) contnua no intervalo [a, b) e tal que f(a)f(b) <O.
Vamos supor, para simplificar, que o intervalo (a, b) contenha uma nica raiz da
equao f(x) = O.
O objetivo deste mtodo reduzir a amplitude do intervalo que contm a raiz at
se atingir a preciso requerida: (b - a) < E, usando para isto a sucessiva diviso de [a, b]
ao meio.

GRAFICAMENTE

f(X)

a =:ao
"

b = b0

:a,

Figura 2.13

42

Clculo Numrico

Cap. 2

r)< o} r c..,.
r)< o

As iteraes so realizadas da seguinte forma:

~ + bo
xo2

al + bl
XI
2

~ + bz

xz -

f(b0) >

al-

f(x0 ) > O

f(bl) >

bt - xo

; E (x1, b1)

~- xl

f(x 1 ) < O

r~<
oo}
f(b
2) >

f(x 2) < O

o>

b2- bl

(x,. h,)

~-Xz

b3 - b2

Exemplo 3
J vimos que a funo f(x)

=xlog(x) -

1 tem um zero em (2, 3).

O mtodo da bisseco aplicado a esta funo com (2, 3] como intervalo inicial
fornece:
2 + 3
- 2.5
x0 2

f(2) - - 0.3979 < o


)
f(3) - 0.4314 > o
~
f(2.5) -5.15 X 10-3 < 0

2.5 + 3
2 75
xl 2
- .

f(2.5) < O
)
f(3) > O
f(2.75) - 0.2082 > O

;
l

E (2.5, 3)
a 1 - x0 - 2.5
b 1 - b0 = 3

{; E {2.5, 2.75)
~ - al - 2.5
b2 - x 1 = 2.75

Cap. 2

Zeros reais de funes reais

43

ALGORITMO 1
Seja f(x) contnua em [a, b] e tal que f(a)f(b) <O.
1) Dados iniciais:

a)

intervalo inicial [a, b]

b)

preciso e

2) Se (b - a) <E, ento escolha para x qualquer x E (a, b]. FIM.

4)

=1
M =f(a)

5)

X = .::........c.._:_

3) k

a + b
2

6) Se Mf(x) > O, faa a


7) b

= x. V para o passo 8.

=X

8) Se (b - a) <e, escolha para


9) k

x qualquer x E [a, b]. FIM.

=k + 1. Volte para o passo 5.

Terminado o processo, teremos um intervalo [a, b] que contm a raiz (e tal que
(b - a) < E) e uma aproximao x para a raiz exata.

Clculo Numrico

44

Cap. 2

Exemplo 4
f(x)

=x3 -

I = [0, 1]

9x + 3

Iterao

= J0- 3
f(x)

-1.375

b- a

.5

.25

.375

.3125

.218017578

.0625

.34375

-.0531311035

.03125

.328125

.0822029114

.015625

.3359375

.0144743919

7.8125 x

.33984375

.337890625

- 2.43862718 )( 10- 3

1.953125

10-J

10

.336914063

6.01691846 X J0-3

9.765625

10-4

.765625
-.322265625

- .0193439126

.5
.25
.125

3.90625

w-3
X

J0- 3

Ento i = .337402344 em dez iteraes. Observe que neste exemplo escolhemos


X

a + b
2

ESTUDO DA CONVERGNCIA
bastante intuitivo perceber que se f(x) contnua no intervalo (a, b] e f(a)f(b) < O, o
mtodo da bisseco vai gerar uma seqncia {x1J que converge para a raiz.
No entanto, a prova analtica da convergncia requer algumas consideraes. Suponhamos que [3-o, b0] seja o intervalo inicial e que a raiz l; seja nica no interior desse
intervalo. O mtodo da bisseco gera trs seqncias:
{ak}:

no-decrescente e limitada superiormente por b0 ; ento existe r E R tal


que
lim ak - r

k- oo

Cap. 2

Zeros reais de funfes reais

45

no-crescente e limitada inferiormente por li(). ento existes e R tal que

{l>Jc}:

limbk =s
k ~oo

A amplitude de cada intervalo gerado a metade da amplitude do intervalo anterior.

Como {ag} e

'1c -

lim
k~oo

{~}

lim ak

so convergentes,

=O

k~.,.,

lim

'1c =

k~oo

lim

Ento r = s.

k~ oo

Seja ~ = r = s o limite das duas seqncias. Dado que para todo k o ponto xk
pertence ao intervalo (ak' bk), o CJculo Diferencial e Integral nos garante que

Resta provar que ~ o zero da funo, ou seja, f( R)

=O.

Em cada iterao k temos f(ak) f(bk) < O. Ento

O ~ lim f (atJf(bk) = lim f(ak) lim f~)= f(lim ak) f(lim bk) =
k~oo

k ~oo

k~ .,.,

= f(r) f(s) = f ( f) f(f) =[f()f

k ~oo

k ~oo

46

Clculo Numrico

Portanto lim xk

Cap. 2

=~ e ~ zero da funo. Das hipteses iniciais temos que ~ =;.

k--+00

Conclumos, pois, que o mtodo da bisseco gera uma seqncia convergente


sempre que f for contnua em [a, b] com f(a)f(b) <O.
Ao leitor interessado nos resultados sobre convergncia de seqncias de reais
utilizados nesta demonstrao recomendamos a referncia [11].

ESTIMATIVA DO NMERO DE ITERAES


Dada uma preciso E e um intervalo inicial [a, b ], possvel saber, a priori, quantas
iteraes sero efetuadas pelo mtodo da bisseco at que se obtenha b - a < t:, usando o
Algoritmo 1.
Vimos que

Deve-se obter o valor de k tal que bk - ak <

k >

E,

ou seja,

log(b0 - a0) - log(t)


1og(2)

Portanto se k satisfaz a relao acima, ao final da iterao k teremos o intervalo


[a, b] que contm a raiz ;, tal que 'V x E [a, b] => I x - !; I ~ b - a <

E.

Por exemplo, se desejarmos encontrar !;, o zero da funo f(x) = x log(x) - 1 que
est no intervalo [2, 3] com preciso E = 10-2, quantas iteraes, no mnimo, devemos
efetuar?
2
k > ~3 - 2) - log(lo-2) = log(l) + 2 log(lO)
log(2)
~
0.3010
.. 6 64 => k = 7
log(2)

Cap. 2

Zeros reais'de funes reais

47

OBSERVAES FINAIS
conforme demonstramos, satisfeitas as hipteses de continuidade de f(x) em
[a, b] e de troca de sinal em a e b, o mtodo da bisseco gera uma seqncia
convergente, ou seja, sempre possvel obter um intervalo que contm a raiz
da equao em estudo, sendo que o comprimento deste intervalo final satisfaz
a preciso requerida;
-

as iteraes no envolvem clculos laboriosos;

a convergncia muito lenta, pois se o intervalo inicial tal que b0 - a0 >> 6


e se 6 for muito pequeno, o nmero de iteraes tende a ser muito grande,
como por exemplo:
bo -

ao -

E =

3 } =>

24.8 => k

= 25.

10-?

O Algoritmo 1 pode incluir tambm o teste de parada com o mdulo da funo e


o do nmero mximo de iteraes.

11. MTODO DA POSiO FALSA


Seja f(x) contnua no intervalo [a, b] e tal que f(a)f(b) <O.
Supor que o intervalo (a, b) contenha uma nica raiz da equao f(x) =O.
Podemos esperar conseguir a raiz aproximada
valores de f(x) disponveis a cada iterao.

x usando as informaes sobre os

No caso do mtodo da bisseco, x simplesmente. a mdia aritmtica entre a e b :


X=

a+ b
2

48

Clculo Numrico

Cap. 2

No Exemplo 4, temos f(x) = x3 - 9x + 3, [a, b] [0, 1] e f(l) = -5 <O< 3 = f(O).


Como I f(O) I est mais prximo de zero que I f(l) 1
. provvel que a raiz esteja mais
prxima de O que d:e 1 (pelo menos isto ocorre quando f(x) linear em [a, b]).
Assim, em vez de tomar a mdia aritmtica entre a e b, o mtodo da posio
falsa toma a mdia aritmtica ponderada entre a e b com pesos I f(b) I e I f(a) 1. respectivamente:

a I f(b) I + b I f(a)l
af(b) - bf(a)
x- l f(b) j + lf(a)l - f(b) - f(a)

visto que f(a) e f(b) tm sinais opostos.

Graficamente, este ponto x a inters,eco entre o eixo ox e a reta r(x) que passa
por (a, f(a)) e (b, f(b)):

f(x)
r(x)

a
b

{a)

Figura 2.14

E as iteraes so feitas assim:

Cap. 2

Zeros reais de funes reais

Figura 2.14

Exemplo 5
O mtodo da posio falsa aplicado a xlog(x)- 1 em [a0, b0]
f(a0)

=- 0.3979 < O

f(b0)

= 0.4314 > o

"o

af(b) - bf(a) '"' 2


f(b) - f( a)

= [2, 3], fica:

0.4314 - 3 X (-0".3979) ~ 2.0565


0.4314 - (- 0.3979)
0.8293

f(x0) =- 0.0219 < O. Como f(o) e f(x0) tm o mesmo sinal,

xl

2.4798

0.4314 - 3 X ( -0.0219)
0.4314 - (-0.0219)
X

= 2 5049

2 4798

49

50

Clculo Numrico

f(x 1)

Cap. 2

= -0.0011. Analogamente,
ll:z = x 1 = 2.5049
b2 = b 1 = 3

ALGORITMO 2
Seja f(x) contnua em [a, b] e tal que f(a)f(b) <O.
1) Dados iniciais

a) intervalo inicial [a, b]


b) precises e 1 e e 2

2) Se (b- a)< e1, ento escolha para


se I f( a) I < e2
ou se I f(b) I < e2

x qualquer x E

escolha a ou b como

[a, b]. FIM.

x. FIM.

3) k = 1
4) M =f(a)

) x _ af(b) - bf(a)
5
f(b) - f(a)

6) Se I f(x) I < e2 , escolha x = x. FIM.


7) Se Mf(x) > O, faa a

8) b
9)

= x. V para o passo 9.

=X

Se b- a. < e1, ento escolha para x qualquer x E (a, b). FIM.

10) k

= k + 1. Volte ao passo 5.

Cap. 2

Zeros reais de funes reais

51

Exemplo 6
f(x)

=x3 -

I= [0, 1]

9x + 3

El

Ez ..

10-4

Aplicando o mtodo da posio falsa, temos:

Iterao

b-a

f(x)

.375

.338624339

-8.79019964

1Q-J

.375

.337635046

-2.25883909

10-4

.338624339

-.322265625

E portanto x = 0.337635046 e f(X) = - 2.25 x 1o--4.

CONVERGNCIA
Na referncia [30] encontramos demonstrado o seguinte resultado:

"Se f(x) contnua no intervalo [a, b] com f(a)f(b) < Oento o mtodo da posio
falsa gera uma seqncia convergente".
Embora no faamos aqui a demonstrao, observamos que a idia usada a
mesma aplicada na demonstrao da convergncia do mtodo da bisseco, ou seja, usando
as seqncias {ak}, {xk} e {bk}. Observamos, ainda, que quando f derivvel duas vezes
em [a, b] e f"(x) no muda de sinal nesse intervalo, bastante intuitivo verificar a convergncia graficamente:

Cap.2

Clculo Numrico

52

f(x)

ol
t(b) >oJ

f "(x) >

b ponto fixo

>o]
t(a) >o

f"(x)

f(x)

~a

pont0 fixo

f(x)

f"(x)
f(a)

<o]
<o

a ponto fixo

f(x)

f"(x)
f(b)

<o]
<o

b ponto fixo

Figura 2.15

Em todos os casos da figura anterior os elementos da seqncia {xk} se encontram na


parte do intervalo que fica entre a raiz e o extremo no-fixo do intervalo e lim xk = ;.
k~oo

Analisando ainda estes grficos, podemos concluir que em geral o mtodo da posio
falsa obtm como raiz aproximada um ponto X:, no qual I f(X) I <e, sem que o intervalo I = [a,
b] seja pequeno o suficiente. Portanto, se for exigido que os dois critrios de parada sejam
satisfeitos simultaneamente, o processo pode exceder um nmero mximo de iteraes.

Cap. 2

Zeros reais de funes reais

53

111. MTODO DO PONTO FIXO (MPF)


A importncia deste mtodo est mais nos conceitos que so introduzidos em seu estudo
que em sua eficincia computacional.
Seja f(x) uma funo contnua em [a, b], intervalo que contm uma raiz da equao f(x) =O.
O MPF consiste em transformar esta equao em uma equao equivalen te
x = cp(x) e a partir de uma aproximao inicial Xo gerar a seqncia {xk} de aproximaes
para !; pela relao xk+l = cp(xt), pois a fu no cp(x) tal que f(!;) = O se e somente
se cp(!;) =!;.Transformamos assim o problema de encontrar um zero de f(x) no problema de
encontrar um ponto fixo de cp(x).
Uma funo cp(x) que satisfaz a condio acima chamada de funo de iterao
para a equao f(x) = O.

Exemplo 7
Para a equao x2 + x - 6 = O temos vrias funes de iterao, entre as quais:

a) cp 1(x) = 6- x2;
b) cp 2(x) =:!: -/6 - x ;

6
c) cp3(x) =- - 1;
X

6
d) cpix) = x + 1
A forma geral das funes de iterao cp(x) cp(x) = x + A(x)f(x), com a condio
que em !;, ponto fixo de cp(x), se tenha A(!;) ;;ot O.
Mostremos que f(!;) = O ~ cp(!;) = !;.
( ~) seja !; tal que f(!;) = O.
cp(!;) = !; + A(!;)f(!;) ~ cp(!;) = !; (porque f(!;) = 0).
(<=)se cp(!;) =!;

~!;

+ A(!;)f(!;) =!; ~ A(!;)f(!;) =O~ f(!;)= O (porque A(!;) ;;ot 0).

54

Clculo Numrico

Cap. 2

Com isto vemos que, dada uma equao f(x)


iterao <p(x) para a equao f(x) = O.
Graficamente, uma raiz da equao x
da reta y =x e da curva y =<p(x):

= O,

existem infinitas funes de

= <p(x) a abcissa do ponto de interseco

q>(X)

(a)

q>(X)

Y=X

(b)

Figura 2.16

Cap. 2

Zeros reais de /un{es reais

y=x

(c)

Y=X

(d)

Figura 2.16

55

56

Clculo Numrico

Cap. 2

Portanto, para certas q>(x), o processo pode gerar uma seqncia que diverge de ; .

ESTUDO DA CONVERGNCIA DO MPF


Vimos que, dada uma equao f(x) = O, existe mais de uma funo q>(x), tal que f(x) =O .;:;.
x = q>(x).

De acordo com os grficos da Figura 2.16, no para qualquer escolha de q>(x)


que o processo recursivo definido por xk+t

=q>(xk) gera uma seqncia que converge para!;.

Exemplo 8
Embora no seja preciso usar mtodo numrico para se encontrar as duas razes reais
!; 1 = -3 e !;2 = 2 da equao x2 + x - 6 = O, vamos trabalhar com duas das funes de
iterao dadas no Exemplo 7 para demonstrar numrica e graficamente a convergncia ou

no do processo iterativo.
Consideremos primeiramente a raiz !;2 = 2 e q>1(x) = 6 - x2. Tomando x0 = 1.5
temos q>(x) = q>1(x) e

x1 = q>(Xo) = 6 - 1.5 2 = 3.75


x2

= q>(x 1) =6 -

(3.75? = - 8.0625
x 3 = q>(y = 6- (-8.0625) 2 = -59.003906

x4

=q>(x~ =-{-59.003906)2 + 6 =-3475.4609

e podemos ver que {xk} no est convergindo para !;2

= 2.

Cap. 2

Zeros reais de funes reais

57

GRAFICAMENTE
y=x

x1

cp(X)

Figura 2.17

Seja agora ;2 = 2, ~PiX) =


q>(x) = q>2(x) e
x 1 =<p(xo) =v6 - 1.5
x2 = q>(x 1) = 1.96944
x3 = <p(~ = 2.00763
x 4 = q>(x 3) =1.99809
x5 = q>(x4) =2.00048

v6 - X e

nov amente Xo = 1.5 . Temos, assim,

=2.12132

e podemos ver que {xk} est convergindo para 2 = 2.

58

Clculo Numrico

Cap. 2

GRAFICAMENTE

Y=X

Figura 2.18

O teorema a seguir nos fornece condies suficientes para que o processo seja
convergente.

TEOREMA 2
Seja !; uma raiz da equao f(x) = O, isolada num intervalo I centrado em !;.
Seja cp(x) uma funo de iterao para a equao f(x) =O.

Cap. 2

Zeros reais de funes reais

59

Se
i)

q>(x) e q>' (x) so contnuas em I,

ii)

I q>'(x) I

iii)

x0 E I,

M < 1, V x

I e

ento a seqncia {xk} gerada pelo processo iterativo xtc+J = q>(xk) converge para .

DEMONSTRAO
A demonstrao deste teorema feita em duas partes:
1) prova-se que se "o E I, ento xk E I, V k;
2)

prova-se que lim xk = .


k~oo

1)

uma raiz exata da equao f(x)

=O.

Assim, f() = O <=> = q>() e,


para qualquer k, temos: xk+l = q>(xk)
( 1)

xk

Agora, q>(x) continua e diferencivel em I, ento, pelo Teorema do Valor Mdio, se


I, existe ck entre xk e taJ que

Portanto, temos

(2)

60

Clculo Numrico

Cap. 2

Ento, V" k,

< 1

ou seja, a distncia entre xk+l e; estritamente menor que a distncia entre xk e; e, como

I est centrado em ;, temos que se xk E I, ento xk+l E I.


Por hiptese, x0 E I, ento xk E I, V" k.
2) Provar que lim xk

=; .

k-+oo

De (1}, segue que:

I xl - ; I = I <p(xo) -

(J)(;) I = I <p ' (co) I I Xo -

;1 :::;

M I x0 - ;

( c0 est entre x e ;)
0

s M

sM

(c1 est entre x 1 e;)

sM
Ento, O ::;;; lim

I xk - ; I ::;;;

k-+ oo

Assim, lim I xk- ;


k-+00

lim Mk I x 0 - ;

I = O pois O < M < 1.

k-+oo

I =O =>

lim xk

=;.

k-+00

Exemplo 9

No Exemplo 8, verificamos que <p1(x) gera uma seqncia divergente de 2


<p2 (x) gera uma seqncia convergente para esta raiz.

= 2 enquanto

Cap. 2

Zeros reais de funes reais

61

A seguir, analisaremos as condies do Teorema 2 para estas funes:

a) <p 1(x) = 6 - x2 e <JJ(x) = -2x


<p 1(x) e <P(x) so contnuas em R .

I <p}(x) I< 1 -12x I< 1 - - ; <x < ; . Ento, no existe um intervalo I centrado
em ; 2 = 2, tal que I <JJ(x) I < 1, "' x E I. Portanto, <p1(x) no satisfaz a condio (ii) do
Teorema 2 com relao a ; 2 = 2. Esta a justificativa terica da divergncia da seqncia
{xk} gerada por <p1(x) para x0 = 1.5.
b) <p2(x)

=Y6

I
-1
e <p2(x) - ~-,;~=

2 v6 -

1R

I x ~ 6}

(3)

<p(x) contnua em S = {x E R

I x < 6}

(4)

<p 2(x) contnua em S

= {x E
1

I <Jl (x) I < 1

12 ..j6

- X

I <1

< 5.75

De (3) e (4) temos que possvel obter um intervalo I centrado em l;2


as condies do Teorema 2 sejam satisfeitas.

= 2 tal que

Exemplo 10
6

Analisaremos aqui a funo <p3(x) = - 1 e a convergncia da seqncia {xk} para l;1 =-3;
X
usando

Xo =- 2.5:
-6

<p (x) .. 2
1

<

O, "' x E R , x ~ O

"'x E JR ,

-6

I<JJ (x)l < 1 - - < 1 x2

> 6 -

x ~ o

< -

..f6

OU X

> ..{6

62

Clculo Numrco

Cap. 2

Assi.m, como o objetivo obter a raiz negativa, temos que

11 tal que I q>'(x) I < 1, 'ti x E 11' ser: 11

= (- oo; ../6).

(../6 - 2.4494897)
Podemos, pois, trabalhar no intervalo I
visto que I C 11 est centrado na raiz l;1 = -3.
Tomando

= (- 3.5, -2.5] que o processo convergir,

=-2.5, temos:
x 1 =-3.4

x0

x 2 = -2.764706

= -3.170213
x4 =-2.892617
x3

Como a raiz ; 1 = -3 conhecida, possvel escolher um intervalo I centrado em


;1' tal que em I as condies do teorema so satisfeitas. Contudo, ao se aplicar o MPF na
resoluo de uma equao f(x) =O, escolhe-se I " aproximadamente" centrado em l;. Quanto
mais preciso for o processo de isolamento de l;, maior exatido ser obtida na escolha de I.

CRITRIOS DE PARADA
No algoritmo do mtodo do ponto fixo, escolhe-se xk como raiz aproximada de ; se
I xk- xk- l I = I q>(xk_1) - xk- t I < E ou se I f(xJc) I < E.

I xk - sI

Devemos observar que I xk - xk-l I <


< E conforme mostra a Figura 2.19:

no implica necessariamente que

Zeros reais de funes reais

Cap. 2

63

q>(X)

Y=X

ll<t< - l<t<-1l < E


e
l <t< - l E

Figura 2.19
Contudo, se <p'(x) < O em I (intervalo centrado em ;), a seqncia {xk} ser
oscilante em tomo de !; e, neste caso, se I xk - xk- l I < E ::::. I xk - !; I < e, pois I xk - !; I <
I xk - xk-tl

Y=X
ll<t< - xk-1l < E
e
lxk - ;1 <e

q>(X)

Figura 2.20

64

Clculo Numrico

Cap. 2

ALGORITM03
Considere a equao f(x)

= O e a equao equivalente x = cp(x).

Supor que as hipteses do Teorema 2 esto satisfeitas.


1) Dados iniciais:
a)

"o: aproximao inicial;

b)

e1 e e2 : precises.

2) Se I f(xo) I < e1, faa

x = x0 . FIM.

3) k=1

4)

xl

5)

= cp(xo)

Se I f(x 1) I < <1

ento faa

ou se lx1 - x0 1 < e2

6)

x = x 1. FIM.

Xo = xl

7) k=k+l
Volte ao passo 4.

Exemplo 11
f(x)

=x3 -

x3

9x + 3; cp(x) = 9 + 3; x0 = 0.5; e 1 = e2 = 5 x

Hr4;

E (0,1)
f(x)

Iterao

.3472222

-0.8313799

10-l

.3379847

-0.3253222

1(}2

.3376233

-0.1239777

1()3

assim,

x = 0.3376233 e f(X) =- 0.12 x 1{}3.

Cap. 2

Zeros reais de funes reais

65

1
f az as hlp6tesat:J.s
3
ses do Teorema 2 considerando a raiz de f(x) = O que se encontra no intervalo (0,1).
' a verficao de que (j)(x ) - 9
x +
Deixamos como exerc1c1o

ORDEM DE CONVERGENCIA DO METODO DO PONTO FIXO


Definio: "Seja { xk} uma seqncia que converge para um nmero e seja ek = xk- o erro
na iterao k.
Se existir um nmero p > 1 e uma constante C > O, tais que

=c

(5)

ento p chamada de ordem de convergncia da seqncia {xk} e C a constante assinttica de erro.


Se lim ek +
k-oo ek

= C,

~ IC I <

1, ento a convergncia pelo menos linear."

Uma vez obtida a ordem de convergncia p de um mtodo iterativo, ela nos d


uma informao sobre a rapidez de convergncia do processo, pois de (5) podemos escrever
a seguinte relao:

Considerando que a seqncia {xk} convergente, temos que ek- O quando


k - co, portanto quanto maior for p, mais prximo de zero estar o valor C I ek IP (independentemente do valor de q , o que implica uma convergncia mais rpida da seqncia {xk}.
Assim, se dois processos iterativos geram seqncias {xi} e {x~}, ambas convergentes para

, com ordem de convergncia p 1 e p2, respectivamente, e se p 1 > p2


gera a seqncia

;;i!:

1, o processo que

{xn converge mais rapidamente que o outro.

A seguir, provaremos que o MPF, em geral, tem convergncia apenas linear. Da


demonstrao do Teorema 2 temos a relao:

66

Cdlcuw Numirico

Cap. 2

Tomando o Limite quando k -

Portanto, lim ek+


k- co

~p '(s) =

oo

C e I C I < 1 pois

~p '(x)

satisfaz as hipteses do

ek

Teorema 2.
A relao acima afirma que para grandes valores de k o erro em qualquer iterao
proporcional ao erro na iterao anterior, sendo que o fator de proporcionalidade ~p '(s) .
Observamos que a convergncia ser mais rpida quanto menor for I'P' (s) I .

IV. MTODO DE NEWTON-RAPHSON


No estudo do mtodo do ponto fixo, vimos que:
i)

uma das condies de convergncia que l~p '(x) I ~ M < 1, ~ x E I, onde


1 um intervalo centrado na raiz;

it) a convergncia do mtodo ser mais rpida quanto menor for

I'P '(s) 1.

O que o mtodo de Newton faz, na tentativa de garantir e acelerar a convergncia


do MPF, escolher para funo de iterao a funo lp(x) tal que ~p '(s) - O.
Ento, dada a equao f(x) = O e partindo da forma geral para
obter a funo A(x) tal que ~p'(s) - O.
~p(x)

= x + A(x)f(x) ::;.

::;. ~p'(x) = 1 + A'(x)f(x) + A(x)f'(x)


::;.~p'(s)

=1 + A'Cs>rcs> + A(s)f'CS) ::;.~p'(s) =1 + A(S)f'Cs).

~p(x),

queremos

Cap. 2

Assim, <p (s) =O $> 1 + A(S)f1{S) =O ~ A(S)


I

Ento, dada f(x) , a funo de iterao <p(x)

Zeros reais de funes reas

=f~~) , donde tomamos A(x) =f~~) .

=x-f(~) ser tal que <p

(s) =O, pois

como podemos verificar:


1

<p (x) ..

[f'(x) ]2 - f(x) f "(x)


[f1(x) f
-

f(x) f "(x)
[f'(x) ]2

e, como f(S) =O, <p'(s) =O (desde que f '(S)- O).


Assim, escolhido x0, a seqncia { xk} ser determinada por xk+ 1

= O,

1, 2, ....

MOTIVAO GEOMTRICA
O mtodo de Newton obtido geometricamente da seguinte forma:

dado o ponto (xk, f(xk)) traamos a reta ~(x) tangente curva neste ponto:

~(x)

um modelo linear que aproxima a funo f(x) numa vizinhana de xk.

Encontrando o zero deste modelo, obtemos:

Fazemos ento xk+l

= x.

67

68

Clculo Numrico

Cap. 2

GRAFICAMENTE

Figura 2.21

Exemplo 12
Consideremos f(x)

= x2

+ x- 6, ~2

Ji!L

cp(x) '"" x - f '(x) .. x Temos, pois,

"'o=1.5

x1 = <p(x0 ) = 2.0625
"'2 =<p(x 1) = 2.00076
x 3 =cp(x 2) =2.00000.

= 2 e x0 = 1.5
x2 + x - 6
2x + 1

Cap. 2

Zeros reais de funes reais

69

Assim, trabalhando com cinco casas decimais, x = "3 = ;. Observamos que no


x (Exemplo 8) obtivemos x5 2.00048 com cinco casas decimais.
MPF com <p(x)

=v6 -

ESTUDO DA CONVERGNCIA DO MTODO DE NEWTON


TEOREMA 3
Sejam f(x), f'(x) e f" (x) contnuas num intervalo I que contm a raiz x = 1; de f(x) = O.
Supor que f'(!;) .- O.
Ento, existe um intervalo I C I, contendo a raiz !;, tal que se x0 E I, a seqncia
&'
ula
.
f(xk)
. ,
.
{ xk } gera da pe1a 1.0rm
recurs1va xk+l = xk- f '(xk) convergua para a raJ.Z.

DEMONSTRAO
Vimos que o mtodo de Newton-Raphson um MPF com funo de iterao <p(x) dada por
<p(x)

=x - fi(~)

Portanto, para provar a convergncia do mtodo, basta verificar que, sob as hipteses acima, as hipteses do Teorema 2 esto satisfeitas para <p(x).
Ou seja, preciso provar que existe I C I centrado em!;, tal que:

'J

cp(x) e q>' (x) so contnuas em I;

iz)

I <p'(x) I ~ M < 1, ~ x E I.

Temos que

J1&

<p(x ) = x - f'{x)

Por hiptese, f'{!;)


que f '(x)

"if!

O,"' x E

e
"if!

<p

'(x) _ f(x) f"(x)


[f'(x) ]2

O e, como f'{x) contnua em I, possvel obter 11 C I tal

11.

Assim, no intervalo 11 C I, tem-se que f(x), f'(x) e f "(x) so contnuas e f'(x)

94

O.

70

Clculo Numrico

Cap. 2

Portanto, <p(x) e <p'(x) so contnuas em 11.


Agora, cp'(x) = f(x) f"~2. Como <p'(x) contnua em 11 e <p'() =O, possvel
[f '(x) ]
escolher 12 c 11 tal que I <p'{x) I< 1, V x
que seja seu centro.

12 e, ainda mais, 12 pode ser escolhido de forma

Concluindo, conseguimos obter um intervalo 12 c I, centrado em , tal que <p(x) e


<p'(x) sejam contnuas em 12 e I <p'(x) I< 1, V x

12 . Assim, i= 12.

Portanto, se x0 E Y, a seqncia {xd gerada pelo processo iterativo xk+ 1 =


f(xk)
.
xk- f'(xk) converge para a nuz .
Em geral, afirma-se que o mtodo de Newton converge desde que x0 seja escolhido "suficientemente prximo" da raiz .
A razo desta afirmao est na demonstrao acima, onde se verificou que, para
pontos suficientemente prximos de , as hipteses do teorema da convergncia do MPF
esto satisfeitas.

Exemplo 13
Comprovaremos neste exemplo que uma escolha cuidadosa da aproximao inicial , em
geral, essencial para o bom desempenho do mtodo de Newton.
2 E

Consideremos a funo f(x) = x3 - 9x + 3 que possui trs zeros: 1 E 11 = (-4, -3)


Iz = (0, 1) e 3 E 13 = (2, 3) e seja Xo = 1.5. A seqncia gerada pelo mtodo
Iterao
1
2
3
4
5
6
7
8
9
10

-1.6666667
18.3888889
12.3660104
8.4023067
5.83533816
4.23387355
3.32291096
2.91733893
2.82219167
2.81692988

f(x)
0.1337037 X 102
0.6055725 X 104
0.1782694 X }()4
0.5205716 X 103
0.1491821 X 103
0.4079022 X 102
0.9784511 X 10
0.1573032 X 10
0.7837065 X lo- 1
0.2342695 X 1o-3

Cap. 2

Zeros reais de funes reais

71

Podemos observar que de incio h uma divergncia da regio onde esto as


razes, mas, a partir de x7, os valores aproximam-se cada vez mais de !;3 A causa da
divergncia inicial que x0 est prximo de 13 que um zero de f'(x) e esta aproximao inicial gera x 1 = -1.66667 -13 que o outro zero de f'(x) pois

f'(x) = 3x2 - 9 => f'(x) - O ~ x ...

13.

ALGORITM04
Seja a equao f(x)

= O.

Supor que esto satisfeitas as hipteses do Teorema 3.


1) Dados iniciais:

a)

:xo: aproximao inicial;

b)

e1 e e2 : precises

2) Se I f(xo) I < Ep faa i = x0 . FIM.


3) k=l
f(x0)
4) xl = xo - f '(Xo)
5)

Se l f(x1)1 <

E1

ou se I x 1 - x0 I
6) "o= xl

7) k=k+l
Volte ao passo 4 .

<Ez]

faa i = x 1. FIM.

72

Clculo Numrico

Cap. 2

Exemplo 14
f(x) = x 3 - 9x + 3;
Os resultados obtidos ao aplicar o mtodo de Newton so:
Iterao

f(x)

-{).1375

0.5

lQ

.333333333

0.3703703

lQ-1

.337606838

0.1834054

lQ--4

Assim,

x = 0.337606838 e f(X) = 1.8 x

10-s.

ORDEM DE CONVERG@NCIA
Inic ialmente supomos que o mtodo de N ewton gera uma seqncia {xk} que converge
para;.
Ao observ-lo como um MPF, diramos que ele tem ordem de convergncia linear.
Contudo, o fato de sua funo de iterao ser tal que cp ' (s) = O nos levar a demonstrar q11e
a ordem de convergncia quadrtica, ou seja, p = 2.
Vamos supor que esto satisfeitas aqui todas as hipteses do Teorema 3.

O desenvolvimento de Taylor de f(x) em tomo de xk nos d

Cap. 2

.
.
t\+1
1
Assim, hm - 2- - 2
k - oo ek

Zeros reais de funes reais

73

.
f"(~)
hm f'( ) =

k - oo

xk

f" [ Lim (~)]

1
k-+oo
1 f"(!;)
1
- 2 f'[ lim (xk) ] - 2 f'(s) - 2 cp (s) =
11

k-+00

Portanto, o mtodo de Newton tem convergncia quadrtica.

Exemplo 15
Seja obter a raiz quadrada de um nmero positivo A, usando o mtodo de Newton. Temos
de resolver a equao f(x) = x2 - A= O. Tomando A= 7 e x0 = 2, a seqncia gerada :
x0

=2

= 2.75
x2 = 2.647727273
x1

'S = 2.645752048
x4 = 2.645751311
x5 =2.645751311.
Portanto, trabalhando com nove casas decimais, x = 2.645751311.
Os dgitos sublinhados so os dgitos decimais corretos de cada valor

xk

obtido.

74

Clculo Numrico

Cap. 2

Podemos observar que estes dgitos corretos comeam a surgir aps x2 e, a partir
dele, a quantidade de dgitos corretos praticamente duplica. A duplicao de dgitos corretos
ocorre medida que os valores xk se aproximam da raiz exata, e isto se deve ao fato do
mtodo de Newton ter convergncia quadrtica; como esta uma propriedade assinttica,
no se deve esperar a duplicao de dgitos corretos nas iteraes iniciais.

V. MTODO DA SECANTE
Uma grande desvantagem do mtodo de Newton a necessidade de se obter f '(x) e calcular
seu valor numrico a cada iterao .
Uma forma de se contornar este problema substituir a derivada f '(xk) pelo
quociente das diferenas:

onde xk e xk-l so duas aproximaes para a raiz.


Neste caso, a funo de iterao fica

Q)(xk) = xk - f(xk) - f(xk- 1) =


xk - xk -1

xk- 1 f(xk) - xk f(xk- 1)


f(xk) - f(xk- 1)
Observamos que so necessrias duas aprox imaes para se iniciar o mtodo.

INTERPRETAO GEOMTRICA

A partir de duas aproximaes


ponto de interseco do eixo

xk-t

e xk, o ponto

xk+ l

obtido como sendo a abcissa do

o; e da reta secante que passa por (xk-1' f(xk_1)) e (xk, f(xk)):

Cap. 2

Zeros reais de funes reais

f(x)

Figura 2.22

Exemplo 16
Consideremos f(x) = x 2 + x - 6; ; 2

= 2; Xo =15 e x 1 = 1.7. Ento,

x - xJ(xl ) - xlf(xo) - 1.5(-1.41) - 1.7(-2.25) - 2 03571


2
f(~) - f(x 1)
- 1.41 + 2.25

x _ xlf(~) - ~f(xl) _ 1.7(0.17983) - (2.03571)(- l.ffi ,.


1 99774
3
f(~) - f(x 1)
0.17983 + 1.41

X4

=-

x;(~) - x3f(y
f(x 3) - f(x2)

(2.03571)(-0.01131) - (1.99774)(0.17983)

-0.01131 - 0.17983
= 1.99999

75

76

Clculo Numrico

Cap. 2

ALGORITMO 5
Seja a equao f(x)

= O.

1) Dados iniciais:
a)

x0 e x 1: aproximaes iniciais;

b)

E1

e E2 : precises.

2) Se I f(xo)
3)

I< E1, faa x = Xo FIM.

Se I f(x 1)

I<

E1

faa

ou se I x1 -

4) k

< e2

=1

Se I f(x2)

6)

Xo I

I<

E1

ou se Ix 2 - x1 I < E2

8) k

x = x 1. FIM.

ento faa

x = x 2 . FIM.

=k + 1

Volte ao passo 5.

Exemplo 17
f(x)

x3 - 9x + 3,

x0 = O,

x1 = 1,

e1 = e2 = 5 x 10-4

Cap. 2

Zeros reais de funes reais

77

Os resultados obtidos ao aplicarmos o mtodo da secante so:


Iterao

.375

.331941545

.337634621

Assim, x

f(x)
-.322265625
.0491011376
-0.2222052

10-3

=0.337634621 e f(x) =-2.2 x lo--4

..

COMENTARJOS FINAIS
Visto que o mtodo da secante uma aproximao para o mtodo de Newton, as condies
para a convergncia do mtodo so praticamente as mesmas; acrescente-se ainda que o
mtodo pode divergir se f(xk) .. f(xk_1).
A ordem de convergncia do mtodo da secante no quadrtica como a do
mtodo de Newton, mas tambm no apenas linear. Na referncia [5] Captulo 3, 5, est
provado que para o mtodo da secante p = 1.618...

2.4 COMPARAO ENTRE OS MTODOS


Finalizando este captulo realizaremos alguns testes com o objetivo de comparar os vrios
mtodos.
Esta comparao deve levar em conta vrios critrios entre os quais: garantias de
convergncia, rapidez de convergncia, esforo computacional.
Observamos que o nico dado que os exemplos fornecem para se medir a rapidez
de convergncia o nmero de iteraes efetuadas, o que no nos permite tirar concluses
sobre o tempo de execuo do programa, pois o tempo gasto na execuo de uma iterao
varia de mtodo para mtodo.

78

Clculo Numrico

Cap. 2

Conforme constatamos no estudo terico, os mtodos da bisseco e da posio


falsa tm convergncia garantida desde que a funo seja contnua num intervalo [a, b] tal
que f(a)f(b) <O. J o MPF e os mtodos de Newton e secante tm condies mais restritivas
de convergncia. Porm, uma vez que as condies de convergncia sejam satisfeitas, os
dois ltimos so mais rpidos que os trs primeiros.
O esforo computacional medido atravs do nmero de operaes efetuadas a
cada iterao, da complexidade destas operaes, do nmero de decises lgicas, do nmero de avaliaes de funo a cada iterao e do nmero total de iteraes.
Tendo isto em mente, percebe-se que difcil tirar concluses gerais sobre a
eficincia computacional de um mtodo, pois, por exemplo, o mtodo da bisseco o que
efetua clculos mais simples por iterao enquanto que o de Newton requer clculos mais
elaborados, porque requer o clculo da funo e de sua derivada a cada iterao. No
entanto, o nmero de iteraes efetuadas pela bisseco pode ser muito maior que o nmero
de iteraes efetuadas por Newton.
Considerando que o mtodo ideal seria aquele em que a convergncia .estivesse
assegurada, a ordem de convergncia fosse alta e os clculos por iterao fossem simples, o
mtodo de Newton o mais indicado sempre que for fcil verificar as condies de convergncia e que o clculo de f '(x) no seja muito elaborado. Nos casos em que trabalhoso
obter e/ou avaliar f '(x), aconselhvel usar o mtodo da secante, uma vez que este o
mtodo que converge mais rapidamente entre as outras opes.
Outro detalhe importante na escolha o critrio de parada, pois, por exemplo, se
o objetivo for reduzir o intervalo que contm a raiz, no se deve usar mtodos como o da
posio falsa que, apesar de trabalhar com intervalo, pode no atingir a preciso requerida,
nem secante, MPF ou Newton que trabalham exclusivamente com aproximaes xk para a
raiz exata.
Aps estas consideraes, podemos concluir que a escolha do mtodo est diretamente relacionada com a equao que se quer resolver, no que diz respeito ao comportamento da funo na regio da raiz exata, s dificuldades com o clculo de f'(x), ao critrio
de parada etc.

Cap. 2

Zeros reais de funes reais

79

Exemplo 18
2

f(x) = e-x - cos(x);

Bisseco

MPF

Posio
Falsa

cp(x) - cos(x) - e-x?- + x

Newton

Secante

Dados
Iniciais

[1, 2]

[1, 2]

"o= 1.5

"o= 1.5

"o= 1; x1 = 2

1.44741821

1.44735707

1.44752471

1.44741635

1.44741345

f(i)

2.1921

10-5

-3.6387

10-5

Erro em x

6.1035 x to-s

.552885221

Nmero de
Iteraes

14

7.0258

10- 5

1.3205

10-6

-5.2395

1.9319

1o-4

1.7072

10-3

1.8553

to-7

X
X

10-4

Exemplo 19
f(x) = x 3 - x - 1;

; E (1, 2);

Bisseco
Dados lnici.a is
X

[1, 2]
0.1324718

Posio Falsa

l:oi

0.1324718

10 1

f(x)

-{).1847744 x urs

Erro em x

0.9536743 x 10-6

0.6752825

20

17

Nmero de

Iteraes

cp(x)

(x + 1)113

x0 =1

[1, 2]
X

MPF

"o=

0.1324717 X 101

-{).7897615 x 10-6 -{)52154406


0.3599538

Newton

10-6

0.6299186
21

"o =O; x1 = 0.5

0.1324718

1o- 0.1821000

Secante

101

0.1324718

1oi

10-6 -{).8940697

1o-7

10-6

0.8998843

10- 5

27

No mtodo de Newton, o valor inicial x0 = O, alm de estar muito distante da raiz


s(-1.3). gera para x1 o valor xl == 0.5 que est prximo de um zero da derivada de f(x);
f'(x) = 3x2 - 1 => f ' (x) = O > x = VJ/3 - 0.5773502. Isto uma justificativa para o
mtodo ter efetuado 21 iteraes.
Argumentos semelhantes podem ser usados para justificar as 27 iteraes do
mtodo da secante.

80

C4lculo Numrico

Cap. 2

Exemplo 20
f(x) = 4sen(x) - eX;

sE (O, l);
MPF

Bisseco

Poslio Falsa

q\J) =x - 2 seo(x) + O.SeX

Newton

Secante

Dados Iniciais

[0, 1]

(O. I I

Xo =0.5

Xo"' 0.5

Xo =O; xl = I

0.3'10555878

0.370558828

370556114

.370558084

.370558098

f(i)

-1.3755

Erro em x

7.6294 )(

N6mero de
Iteraes

17

10-S

1.6695 )( lo-6

to-6

.370562817

1.1528 X 1<1"

-4.5191

to-6

-2.7632 X 10-8

+1.3863 X

to-4

5.8100 X

to-9

5.7404 )( t o-6

Exemplo 21

s E (2, 3);

f(x) = xlog(x) - 1;

Bisseco

Posllo Falsa

Dados Iniciais

[2, 3]

(2, 3]

lt

2.506184413

f(x)

1.2513 X 10-8

Erro em x
Nmero de
Iteraes

5.9605

HT~

24

MPF

Newton

Secante

Xo = 2.5

x0 = z.s

Jto = 23; x 1 "' 2.7

2.50618403

2.50618417

2.50618415

2.50618418

- 9.9419 )( lo-8

2.0489 )( 10-8

4.6566 x

ur-10

29337

lo-8

.49381442

3.8426 )( to-6

3.9879 )(

to-6

8.0561 x

ur5

q\x)= x-L3(x log x - 1)

Exemplo 22
Mtodos mais simples como o da bisseco podem ser usados para fornecer uma aproximao inicial par a mtodos mais elaborados como o de Newton que exigem um bom "chute
inicial".
Consideremos f(x)

= x3 -

3.5x2 + 4x- 1.5

= (x -1? (x -

Como vemos, 1; 1 = 1 raiz dupla de f(x) =O.

1.5).

Cap. 2

Nos testes a seguir, s


de Newton.

Zeros reais de funes reais

81

= w-2 para o mtodo da bisseco e E= 10- 7 para o mtodo

Nos testes 1, 2 e 3, executamos apenas o mtodo de Newton . No teste 4, usamos


o mtodo conjugado bisseco-Newton no qual o valor que o mtodo da bisseco encontra
para x tomado como Xo para o mtodo de Newton.
Teste 1

Teste 2

Teste 3

xo

0.5

1.33333

1.33334

.999778284

.999708915

1.50000001

- 2.4214

f(i)
erro em x

2.2491 x

n11 de iteraes

10-8

-4.1910

w-4

2.9079

12

10-8

1.3970

10-8

10-4

3.5082

10-5

27

35

Observamos que nos testes 1 e 2 a raiz encontrada foi a raiz dupla ; 1 = 1. Era de
se esperar que o nmero de iteraes fosse grande, pois 1 = 1 zero de f'(x). No entanto,
o mtodo conseguiu encontrar a raiz (pois, para as seqncias {xk} geradas, o valor de f(xk)
tendeu a zero mais rapidamente que o valor de f '(xk)).

Temos que f ' (x) 3x2 - 7x t 4 =* f'(x) O ~ x1 1 e x 2 4/3 1.33333 ...


Observe que nos testes 2 e 3 tomamos propositadamente x 0 bem prximo de 4/3; no teste
2, x 0 < 4/3 e o mtodo encontrou ; 1 = 1 e, no teste 3 , x 0 > 4/3 e a raiz encontrada
foi ; 2 = 1.5. Uma anlise do grfico de f(x) (Figura 2.23) nos ajuda a entender este fato .
No teste 4, aplicamos o mtodo da bisseco at reduzir o intervalo {0.5, 2) a um
intervalo de amplitude 0.01 e tomamos como aproximao inicial para o mtodo de Newton
o ponto mdio desse intervalo: Xo = 1.50194313. A partir desse ponto inicial foram executadas duas iteraes do mtodo de Newton e obtivemos os seguintes resultados:

x =1.5 e f(X) = 2.3 x t o-to.


Devemos observar que no intervalo inicial para o mtodo da bisseco existem
duas razes distintas ; 1 = 1 e Sz = 1.5 e a raiz obtida foi x = 1.5; isto ocorreu porque o
mtodo da bisseco ignora razes com multiplicidade par, que o caso de 1 1.

s=

82

Clculo Numrico

Cap. 2

f(x)

Figura 2.23

2.5 ESTUDO ESPECIAL DE EQUAES POLINOMIAIS


2.5.1 INTRODUO
Embora possamos usar qualquer um dos mtod?s vistos anteriormente para encontrar um
zero de um polinmio, o fato de os polinmios aparecerem com tanta freqncia em aplicaes faz com que lhes dediquemos especial ateno.
Normalmente, um polinmio de grau n escrito na forma
(6)

Cap. 2

Zeros reais de funes reais

83

Se n = 2, sabemos da lgebra elementar como achar os zeros de plx). Existem


frmulas fechadas, semelhantes frmula para polinmios de grau 2, mas bem mais
compUcadas, para zeros de polinmios de grau 3 .e 4. Agora, para n ~ 5, em geral, no
existem frmulas explcitas e somos forados a usar mtodos iterativos para encontrar zeros
de polinmios.
Vrios teoremas da lgebra so teis na localizao e classificao dos tipos de
zeros de um polinmio.
Faremos nosso estudo dividido em duas partes:
1) localizao de razes,
2) determinao das razes reais.

2.5.2 LOCALIZAO DE RAZES


Alguns teoremas so teis ao nosso estudo:

TEOREMA 4 (Teorema Fundamental da lgebra) (4)


"Se p0 (x) um polinmio de grau n ~ 1, ou seja, p 0 (x) = a0 + a1x + a2x 2 + ... + a0 X0 ,
a0, a1, ... , a 0 reais ou complexos, com a0 ;oo O, ento p0 (x) tem pelo menos um zero, ou seja,
existe um nmerG complexo !; tal que p0 {f;) O. "

Para determinarmos o nmero de zeros reais de um poUnmio com coeficientes


reais, podemos fazer uso da regra de sinal de Descartes:
"Dado um polinmio com coeficientes reais, o nmero de zeros reais positivos, p,
desse polinmio no excede o nmero v de variaes de sinal dos coeficientes. Ainda mais,
v - p inteiro, par, no negativo".

Exemplo 23

+
\___)
1

84

Cdlculo Numico

Cap. 2

se v - p O, p - 2

"'* v = 2 "'* p:

ou

sev-p2,pO

vvv1

se v - p O, p

"'*v= 3 e p:

ou

se v - p - 2, p - 1

c) p7(x)

= x7 + 1

+J
o
"'* v = O e p: (v - p

O) "'* p = O.

Para determinar o nmero de razes reais negativas, neg, tomamos p0 (-x) e usamos a regra para razes positivas:

Exemplo 24
a)

p5(x) = 2x-S - 3x4

4:x3 + x + 1

p5(-x)= -2x5 - 3x4 + 4x:3 - x + 1

-u+00
1

se v - neg O, neg - 3

"'* v = 3 e neg:

se v - neg - 2, neg - 1

ou

Cap. 2

b) p5(x)

= 4x5 -

Zeros reais de funes reais

85

x3 + 4x2 - x- 1

p5( -x) =- 4x5 + x3 + 4x2 + x - 1

::;. v

= 2 e neg:

se v - neg - O, neg - 2
ou

se v - neg - 2, neg - O

c) No caso do exemplo p/x) = x7 + 1, vimos que no existe zero positivo.


Temos ainda p7(0) = 1 ~ O. Como

Pi-x)

=-x7 + 1

-v
1
::;. v = 1 e neg: {v- neg = O::;. neg = 1}, ou seja, p 0 (x) =O, no tem raiz real
positiva, o zero no raiz e tem apenas uma raiz real negativa donde tem trs
razes complexas conjugadas.

TEOREMA 5
Dado o polinmio p 0 (x) de grau n, se o desenvolvermos por Taylor em torno do ponto
x =a., temos
Pn(x) ... Pn(a.) + p~ (a.)(x- a.) +

p ~ ( 0.)

2!

(x-a.? + ... +

p~D)( 0.)
n!
(x - a.)n.

Se chamarmos x - a. = y, ao acharmos o nmero de raizes reais de p 0 (y) = O que


so maiores que zero estaremos encontrando o nmero de raizes de p0 (x) = O que so
maiores que a..
Podemos usar este resultado j untamente com a regra de sinal de Descartes para
analisar as raizes de um determinado polinmio.

86

Clculo Numrico

Cap. 2

Se estamos interessados em estimar o nmero de zeros que um polinmio possui


num intervalo [a, ~] podemos tambm usar as seqncias de Sturm, que so construdas da
seguinte maneira:
Dado o polinmio p0 (x) e um nmero real a, vamos definir v(a) como sendo o
nmero de variaes de sinal em {~(a)} onde construmos a seqncia ~(a), g 1(a), ...
g 0 (a), ignorando os zeros, assim:

e, para k ~ 2, gk(x) o resto da diviso de ~-2 por gk-1' com sinal trocado.

Exemplo 25

So(x) ... p 3(x) - x3 + x2 - x + 1

g1(x) - P3(x) 3x2 + 2x- 1

x3 +

x2

x + 1

-x3 - -2 x2 + -1 x
3
3

.!.
3

x2 -

1
- - x2
3

~
3

3x2 + 2x - 1
1
1
- x + -

x + 1

2
1
x+9
9

- -

10

- - x + -

Cap. 2

Zeros

~ais d~ fun~s

reais

87

g3(x) =?

8
x -10
-

3x 2 + 2x - 1

27

207

8x

+ 32

99
16

Assim, se

= 2, por exemplo, temos

8Q(<X)

= 11 >o

g 1(a)

= 15 >O

2
11-(<X) -- -3 >

CYJ.

~ v(a) = V(2)

= 1.

TEOREMA 6 (de Sturm) (17,30)


Se p0(<X) *O e Pil3) '*O, entAo o ntmero de razes distintas p0(x) =O no intervalo a~ x ~ 13
exatamente v(a) - v(j3).
Tomando

13 = 3, por exemplo. no polinmio do exemplo anterior:

&o(l3) = 34 > o
gl(j3)

=32 >o

88

Clculo Numrico

Cap. 2

v<J3) = V(3) = 1.

Ento x 3 + x 2 - x + 1 = O no possui razes reais no intervalo (2, 3] pois v(2) v(3) = 1 - 1 = o.


Os teoremas a seguir fornecem regies do plano que contm zeros de polinmios.

TEOREMA 7 (30)
Se p 0 (x) um polinmio com coeficientes ak, k

=0,1,..., n como em (6), ento p

(x) tem pelo

menos um zero no interior do crculo centrado na origem e de raio iguaJ a min {p 1, Pn} onde

Pt

=n

llio I
-1a I
1

Exemplo 26
Se p 5(x) = x 5 - 3.7x4 + 7.4x 3 - 10.8x2 + l0.8x - 6.8; n = 5, a 5 = I , a 1 = 10.8, a0 = -6.8
Assim,

p1 =

s( 1~88 ) = 3.14 . . .

p5 =

= 1.46 . . . .

Ento p 5(x) tem pelo menos um zero (reaJ ou complexo) no crculo de raio 1.46 ... ou
seja, I x I ~ 1.46... .

Cap. 2

Zeros reJJis de funes reais

89

TEOREMA 8
Se p0 (x) o polinmio (6) e se

I akl
O~ k "' n-1 I ao I

r-1+

max

ento cada zero de p0 (x) se encontra na regio circular definida por I x I ~ r.

Exemplo 27
Seja plx) = :x3 - x 2 + x - 1.
Ento n = 3, 3o = - 1, a1 = + 1, a2 = - 1, ~ = 1

ao

I 1 1
- - - - -1
1~1
1
mx
o.;;Jt .;;2

I alt I
I~ I -

I atl

- - - - -1
1~1
1

1~1
1
-- ---1
1~1

mx {1,1,1} - 1.

Assim, r = 1 + 1 = 2. Ento, todos os zeros de p3 (x) se encontram num disco


centrado na origem e com raio 2.

(1 ,0)

(0,--i)

Figura 2.24

90

Clculo Numrico

Cap. 2

De fato, os zeros de p3(x) so:


x1

=1

x2 =i
x 3 =-i.

2.5.3 DETERMINAO DAS RAZES REAIS


Para se obter razes reais de equaes polinomiais, pode-se aplicar qualquer um dos mtodos numricos estudados anteriormente.
Contudo, estas equaes surgem to freqentemente que merecem um estudo
especial, conforme comentamos no incio desta seo.
Conforme vimos, um polinmio de grau n com coeficientes reais ser representado na forma (6) onde ai E R , i = O, 1, 2, ..., n, ou seja:

Estudaremos um processo para se calcular o valor numrico de um polinmio, isto


porque em qualquer dos mtodos este clculo deve ser feito uma ou mais vezes por iterao.
Por exemplo, no mtodo de Newton, a cada iterao deve-se fazer uma avaliao
do polinmio e uma de sua derivada.

MTODO PARA SE CALCULAR O VALOR NUMRICO DE UM POLINMIO


Para simplificar, estudaremos o processo analisando um polinmio de grau 4:
(7)

Este polinmio pode ser escrito na forma:


(8)

conhecida como forma dos parnteses encaixados.


Deve-se observar que, se o valor numrico de plx) for calculado pelo processo
(8), o nmero de operaes ser bem menor que pelo processo (7).

Cap. 2

Zeros reais lk fun es reais

91

Para um polinmio genrico de grau n, vemos que, pelo processo (8), teremos de
efetuar n multiplicaes e n adies.
No entanto, pelo processo (7), o nmero de adies tambm n mas o nmero
de multiplicaes n + (n - 1) + ... + 2 + 1 = (l + n)n desde que x j seja calculado por
2
x x x... x, j vezes, pois a potenciao calculada desta forma introduz erros menores de
arredondamento .
Agora,
n +
2

o2

.
n
n2
+ 2 > n ~ n ;;e: 2, ou seJa,
2

o processo (8) efetua realmente um nmero menor de operaes que o processo (7).
Temos ento, no caso de o

=4, que

Para se calcular o valor numrico de pix) em x

b4

=a4

b3 = ~ + b 4c
b 2 = ~ + b 3c

b 1 = ~ + b 2c
bo = Bo + blc

=c, basta fazer sucessivamente :

92

Clculo Numrico

Cap. 2

Portanto, para p0 (X) de grau n qualquer, calculamos p 0 (c) calculando as constantes


bj, j = n, n - 1, ... , 1, O sucessivamente, sendo:

b.J =a.J + b.J+ 1 c

j = n - 1, n - 2, ..., 2, 1, O

e b0 ser o valor de p0 (x) para x = c.


Como calcular o valor de p~(x) em x = c usando os coeficientes bj obtidos
anteriormente? Tomando como exemplo o polinmio de grau 4, temos

Para x

= c, temos que
b4 = a4
b 3 = ~ + b 4c
b2 = ~ + b 3c
b 1 = a 1 + b2c
bo =

P4(c)

aa + b , c

:=)
:=)
:=)
:=)
:=)

a4 = b4
a 3 = b 3 - b4c

=b 2 a 1 = b1 ~

a 0 = b0

b3c
b2c
b 1c

= 4a4c 3 + 3a3c 2 + 2ac + a 1


= 4b4c 3 + 3(b3 - b4c)c2 + 2(b2 - b3c)c + (b l = 4b4c3 - 3b4c3 + 3b3c2 - 2b3c 2 + 2b2c + b 1 -

Aplicando o mesmo esquema anterior, teremos

c4 = b4
c3 =b 3 + c 4c
c 2 = b2 + c 3c
c 1 = b 1 + c2c.

b2c)
b2c.

Calculamos, pois, os coeficientes cj, j

bn
c.=
b.J +c.J+1 c
J

Cap. 2

Zeros reois de funes reais

= n, n -

1, ... , 1 da seguinte forma:

93

Co=

j = n - 1, ... , 1.

Teremos ento p '(c) -

<1.

MTODO DE NEWTON PARA ZEROS DE POUNMIOS


Seja p0 (x) = a 0 x 0 + an-1xn-1 + ... +
procurada.

ar2 + a1x + 3o

e Xo uma aproximao inicial para a raiz

Conforme vimos, o mtodo de Newton consiste em desenvolver aproximaes


sucessivas para ; a partir da iterao:

Usando as observaes anteriores sobre o clculo de p(xk) e p ' (xk), construmos


o seguinte:

ALGORITMO 6
Dados a 0 , a 1, ... , a 0 , coeficientes de p0 (x), x a aproximao inicial, t 1 e t 2 precises desejadas e fixado itmax, o nmero mximo de iteraes que sero permitidas,

1)
2)

deltax = x
Para k - 1, ... , itmax, faa:
b- 3a
c =b
Para i (n - 1), ... , 1, faa:
b ... a; + bx
c= b+ cx
[
-ao+bx
Se I b I ~ t 1 v para o passo 4
deltax - b I c
x - x - deltax
Se I deltax I ~ t 2 v para o passo 4

94

Clculo Numrico

Cap. 2

3)

Imprimir mensagem de que no houve convergncia com " itmax" iteraes.

4)

FIM.

Exemplo 28
Dada a equao polinomial

x5- 3.7x4 + 7.4x3- 10.8x2 + 10.8x -

6.8 =O, temos que

p5( 1) = -2.1

p5(2) = 3.6.

Ento, existe uma raiz no intervalo (1,2).


Partindo de x0 = 1.5 e considerando
polinmios fornece:

x = x 5 = 1.7,

E
1

f(X) = 1.91 x lo-6 e I x5

E
2

= lo-6, o mtodo de Newton para

x4 1 = 2.62 x 1<J7 .

Exemplo 29
Consideremos agora p3(x) = x3 - 3x + 3 = O e E 1 = E2 = 1<J6 . A Figura 2.25 mostra o grfico
cartesiano de p3(x).
Vemos assim que x3

3x + 3 =O tem uma nica raiz no intervalo (-3, - 1.5).

Executamos o mtodo de Newton para polinmios, para este polinmio, duas


vezes:
i)

com

Xo = -0.8,

ii) com x0 = -2,

E
1

E
1

E
2

= 10--6, itmax = 30

= 1o-6, itmax = 10

Veja o efeito de pegarmos x0 prximo a um zero da derivada e depois x0 prximo

raiz:
No caso (i) foi encontrada

= -2.103801 com

I f(X) I =

2.4 x 10- 7 em 17

iteraes.
No caso () foi obtido exatamente o mesmo resultado em 3 iteraes.

Cap. 2

Zeros reais de funes reais

0 1

Figura 2.25

EXERCCIOS
1.

Localize graficamente as razes das equaes a seguir:

a)

4 cos(x)- e2x = O

b)

c)

- - tg(x) = O
2
1 - xln(x) =O

d)

2x - 3x =O

e)

x3 + x - 1000 = O

"

95

96

Clculo.Numrco

Cap. 2

2.

O mto<io d~ bis~co pode ser ~plic4ldo sempre que f(a)f(b) < O, mesmo que f(x)
tenha mais que um zero em (a, b). Nos casos em que isto ocorre, verifique, com o
auxlio de grficOeS, se possvel determinar qual zero ser obtido por este mtodo.

3.

Se no mtodo da bisseco tomarmos sistematicamente x


I ~ I ::::; (bk - ak)/2.

x-

=(ak + bk)/2, teremos que

Considerando este fato:

4.

a)

estime o nmero de iteraes que o mtodo efetuar;

b)

escreva um oovo algoritmo.

Seja f(x)

= x + ln(x) que possui um zero no intervalo 1 = [0.2, 2].

Se o objetivo for obter uma aproximao xk para esta raiz de tal forma que
I x'k - I < I0-5 , aconselhvel usar o mtodo da posio falsa tomando I como
intervalo inicial? Justifique grfica e analiticamente sem efetuar iteraes numricas.

Cite outros mtodos nos quais este objetivo possa ser atingido.
5.

Ao se aplicar o mtodo do ponto fixo (MPF) resoluo de uma equao, obtivemos


os seguintes resultados nas iteraes indicadas:
x 10 = 1.5
x11 =2.24702
x12 = 2.14120
x13 2.14159

x 14

=2.14128

x15 = 2.14151
x16 = 2.14133
x17 =2.14147

Escreva o que puder a respeito da raiz procurada.


6.

7.

a)

Calcule b/a em uma calculadora que s soma, subtrai e multiplica.

b)

Calcule 3/13 nessa calculadora.

A equao x 2

= O tem como raiz

s = v'b. Considere o MPF com <p(x) =b/x:

a)

comprove que <p'(s) - - 1;

b)

o que acontece com a seqncia {xk} tal que xk+l

= <p(xk)?

Cap. 2

c)

Zeros reais de funes reais

sua concluso do item (b) pode ser generalizada para qualquer equao f(x)
que tenha I q>'(s) I - 1?

97

=O

8. Verifique analiticamente que no MPF, se q>'(x) < O em I, intervalo centrado em ; ,


ento, dado Xo E I, a seqncia {xkJ, onde xt+t = q>(xk), oscilante em torno de;.
9. Se a funo de iterao do MPF for tal que as condies do Teorema 2 esto satisfeitas:
M
a) mostre que I
xk: I ,s;;
_ M I xk - xk _ 1 I ;

s-

b)

para que valores de M teremos ento que


I xk I < e se I xk - xlt-1 I < e?

s-

10. Considere a fu no f(x) = x3 - x- 1 (do Exemplo 19). Resolva-a pelo MPF com funo
1
de iterao q>(x) - .! + 2 e Xo 1. Justifique seus resultados.
X

11. Use o mtodo de Newton-Rapbson para obter a menOI raiz positiva das equaes a
seguir com preciso e = lo-4
a)

x/2- tg(x)

b)

2 cos(x)

c)

x5 - 6 =O.

=O

=eX/2

12. Aplique o mtodo de Newton-Rapbson equao:


x3 - 2x2 - 3x + 10 =O com x0

= 1.9.

Justifique o que acontece.


13. Deduza o mtodo de Newton a partir de sua interpretao geomtrica.

98

Clculo Numrico

Cap. 2

14. Mtodo de Newton Modificado:


Existe uma modificao no mtodo de Newton na qual a funo de iterao cp(x) dada
por cp(x)

=x -/f~)

onde Xo a aproximao inicial e tal que f'(:xo) O.

a)

Com o auxlio de um grfico, escreva a interpretao geomtrica deste mtodo.

b)

Cite algumas situaes em que conveniente usar este mtodo em vez do mtodo
de Newton.

15. Seja f(x) =ex- 4x2 e; sua raiz no intervalo (0, 1). Tomando x0 = 0.5, encontre; com
t = lo--", usando:

a)

o MPF com cp(x) = ; exl2;

b)

o mtodo de Newton.
Compare a rapidez de convergncia.

16. O valor de

1t

pode ser obtido atravs da resoluo das seguintes equaes:

a)

sen(x) =O

b)

cos(x) + 1 =O

Aplique o mtodo de Newton com x 0 = 3 e preciso 1o-7 em cada caso e compare os


resultados obtidos. Justifique.
17. Seja f(x) = sen(x)- kx.

a)

Encontre os valores positivos de k para que f tenha apenas uma raiz estritamente
positiva.

b)

Encontre os valores positivos de k para que f tenha trs razes estritamente


positivas.
2

18. Seja f(x) = x + x(ln(x) - 1). Obtenha seus pontos crticos com o auxlio de um mtodo
2
numrico.

Cap. 2

19. O polinmio p(x)

= x5 -

Zeros reais de funes reais

99

1 3
x +
x tem seus cinco zeros reais, todos no intervalo
1
9

(-1, 1).

a)

Verifique que x1 E (-1, -0.75), x2 E {-0.75, -0.25), x4 E (0.3, 0.8) e x5 E {0.8, 1).

b)

Encontre, pelo respectivo mtodo, usando


x 1 : Newton (Xo

=10- 5

=-0.8)

x2 : bisseco ([a, b] = [-0.75,- 0.25])

= [-0.25, 0.25])
x4 : MPF (I = [0.2, 0.6], x0 =0.4)

x 3: posio falsa ([a, b]

x5 : secante (Xo = 0.8; x1


20. Seja a equao f{x)

=x -

=1).

x ln(x)

=O.

Construa tabelas como as dos exemplos do final do captulo para a raiz positiva desta
5
equao. Use E =

w-

Compare os diversos mtodos considerando a garantia e rapidez de convergncia e


eficincia computacional em cada caso.
21. Seja f(x)

= xe- x- e-3

a)

verifique grfica e analiticamente que f{x) possui um zero no intervalo (0, 1);

b)

justifique teoricamente o comportamento da seqncia {x.J colocada a seguir,


gerada pelo mtodo de Newton para o clculo do zero de f(x) em {0, 1), com Xo =0.9
e preciso t = 5 x 1-6.
x0 = +0.9
x1 = -6.8754
~ = -6.0024
x3 = -5.1452
x4 =-4.3079

x 5 = -3.4962

x6 = -2.7182
x 7 = - 1.9863

= - 1.3189
x9 = -0.7444
Xg

= -0.3041
x11 = 0.0427
x12 = 0.0440
x 13 = 0.0480
x 10

100

Clculo Numrico

Cap. 2

22. Uma das dificuldades do mtodo de Newton o fato de uma aproximao xk ser tal que
f '(xk) - O. Uma modificao do algoritmo original para prever estes casos consiste
em: dado f... um nmero positivo prximo de zero e supondo I f'(x0 ) I ~ f..., a seqncia
xk gerada atravs de:
xk+l

=xk -

f(xk)/FL, k

=O, 1, 2 ...

onde

FL -

!f'(~),

f ' (~).

se I f '(xk) I >
caso contrrio

onde xw a ltima aproximao obtida tal que I f ' (xw) I ~ .


Pede-se:
a)

baseado no algoritmo de Newton, escreva um algoritmo para este mtodo;

b)

aplique este mtodo resoluo da equao x3


= 0.05 e E= 0.05.

9x + 3 =O, com-"()= -1.275,

23. Usando a regra de sinal de Descartes e o Teorema 5, verifique que a equao


p(x) = 3x5 - x4 - x 3 + x + 1 =O pode ter duas razes reajs no intervalo [0, 1).
24. Resolva o Exerccio 23 usando agora a seqncia de Sturm.
25. Encontre uma raiz da equao:
p(x) = x4- 6x3 + 10x2 - 6x + 9 = O, aplicando o mtodo de Newton para polinmios.

Cap. 2

Zeros reais de funes reais

101

PROJETOS
1. O PROBLEMA DE RAZES MLTIPLAS:
Se f'(!;) - O, o mtodo de Newton perde suas caractersticas de convergncia quadrtica. O
caso de f ' (!;) - O um caso de raiz mltipla de f(x) = O.

Defmio: Dizemos que l; raiz mltipla de f(x)


quando f{!;) = f '(!;) = ... = j(p-1)(!;) =O e t>>(l;) .. O.

= O com

multiplicidade p,

O mtodo de Newton para razes mltiplas deduzido da seguinte forma: seja f(x)
uma funo tal que l; seja raiz de f(x) = O com multiplicidade p. A frmula de Taylor para
f(x) numa vizinhana de ; at o termo de ordem (Jr-1), que :

f(x) = f(l;) +f'(;) (x- !;) + ... +


onde RP(l;)

= f(P>(l;p) (x -

&-1>(;) (x -

l;)P"-1 I (Jr-1)1 + Rp(;x)

l;)P/p! com Sp entre x e;, fica:

f(x) = f(P)~) (x - l;)P /p !.


A deduo do mtodo de Newton baseada no modelo em que esta funo f(x)
tal que f(P>(x) constante (t<P>(x) b), para x prximo a ; . Para esta f,

f(x)

= b(x -

l;)P/p!

= c(x -

l;)P, f '(x)

=cp(x -

!;) p-1

e ento
f(x)/f '(x)

= (x- l;)/p, donde l; = x -

pf(x)/f ' (x).

O MTODO
Se ; uma raiz de f(x) = O com multiplicidade p, dados x0 uma aproximao inicial para ;
e El' e2 precises desejadas, para k 1, 2,..., faa:

x 1 = x0 - pf("o)/f'(xo)

Caso contrrio, x0 = x 1 e recomece o processo.

102

Clculo Numrico

Cap. 2

De uma forma anloga, podemos introduzir um fator p no mtodo da secante para


trabalhar com razes mltiplas, obtendo, dado x0

Temos os problemas de conseguir detectar computacionalmente a "proximidade"


de uma raiz mltipla e tambm o de saber qual essa multiplicidade, p.
Na referncia [27] podem ser encontradas sugestes de como lidar com ambos.

1) Prove que, se; raiz de multiplicidade p de f(x) =O, a seqncia gerada pelo
mtodo de Newton converge quadraticamente, sob hipteses adequadas de
continuidade. Estabelea essas hipteses.
2) So dadas a seguir trs funes com razes mltiplas, a multiplicidade p das
razes, uma aproximao inicial Xo e uma preciso t.

=I x- 9145/(1 + sen2(x)); p = 4.5; x0 = 6; t

= 1~.

i)

f(x)

ii)

f(x) =(81 - y(108 - y(54 - y(12- y))))sign((y - 3)/(1 + xZ)),


y =X+ 1.11111; p = 3; Xo = 1; E= 1 ~.

iii)

f(x)

a)

Tente encontrar as razes usando o mtodo de Newton simples.

b)

Idem com o mtodo da secante.

c)

Refaa agora os itens (a) e (b) com os dois mtodos adaptados para
raizes mltiplas.

Refaa o item (c) usando


para a funo (i), p = 1
para a funo (iz), p = 1
para a funo (iii), p = 1

=I x -

8.341714/(1 + x2) ; p

=0.4; Xo =

8.45;

E=

1o-6.

para p os valores:
e p = 4.05;
e p = 3.3;
e p = 0.36.

Em todos os casos imprima os valores :


NAF

= nmero de avaliaes de funo que foram efetuadas

SOL = valor da "soluo" encontrada


VAF

= valor de I f I na "soluo" encontrada.

Cap. 2

Zeros reais de funes reais

103

3) Use o mtodo de Newton simples e o descrito anteriormente para encontrar os


zeros de f(x) = x3 - 3.5x2 + 4x - 1.5. Localize-os, descubra p, escolha x0
adequadamente e considere E= lo--6.

2. PROBLEMA DAS VIGAS


Duas vigas de madeira de 20 e 30 metros respectivamente se apiam nas paredes de um
galpo como mostra a figura. Se o ponto em que se cruzam est a 8 metros do solo, qual a
largura deste galpo?

3. MTODO DE NEWfON GERANDO UMA SEQNCIA OSCILANTE


Analise algbrica e geometricamente e encontre justificativas para o comportamento do
mtodo de Newton quando aplicado equao p3(x) = -0.5x3 + 2.5x = O nos seguintes
casos:
a) x0

= 1 e x0 =-1

104

Clculo Numrico

Cap. 2

b} x0 nos intervalos:
(- 1, 1)

(1, 1.290994449)
{- 1.290994449, - 1)
(1.290994449, 2.236067977)
(- 2.236067977' - 1.290994449)
x0 > 2.236067977
x 0 < -2.236067977.

CAPTULO

[!)

RESOLUO DE SISTEMAS LINEARES

3. 1 INTRODUO
A resoluo de sistemas neares um problema que surge nas tnais diversas reas.

Exemplo 1
Considere o problema de determ.i:nar as componentes horizontal e vertical das foras que
atuam nas junes da trelia abaixo:

10 t

15t

10 t

Figura 3.1

105

106

Clculo Numrico

Cap. 3

Para isto, temos de determinar as 17 foras desconhecidas que atuam nesta trelia.
As componentes da trelia so supostamente presas nas junes por pinos, sem frico.
Um teorema da mecnica elementar nos diz que, como o nmero de junes j est
relacionado ao nmero de componentes m por 2j- 3 = m, a trelia estaticamente determinante; isto significa que as foras componentes so determinadas completamente pelas
condies de equilbrio esttico nos ns.
Sejam Fx e F~ as componentes horizontal e vertical, respectivamente. Fazendo
a = sen(45) = cos(45 ) e supondo pequenos deslocamentos, as condies de equilbrio

so:

l:Fx - - afs - f6 + ~ + fto

=O

Juno 5
{l:F Y - af +
5

fg -

IFX

{ l:F y

- afg -

t,

+ ~ - 15 -

afg

f12

a.f13 -

Juno 6
fll - af13 =

Cap. 3

Resoluo de sistemas lineares

107

l:Fx -fiO+ f14 O

Juno 7

l:FY -

f 11 - O

Portanto, para obter as componentes pedidas preciso resolver esse sistema linear, que tem 17 variveis: fl' f 2 , ..., f 17 e 17 equaes.
Um sistema linear com m equaes e n variveis escrito usualmente na forma:

onde

aij : coeficientes
x. : variveis

j = 1, ..., o

b.I : constantes

= 1,... , m

108

C4lculo Numrico

Cap. 3

A resoluo de um sistema linear consiste em calcular os valores de ~ (j = 1,... , n),


caso eles existam, que satisfaam as m equaes simultaneamente.
Usando notao matricial, o sistema linear pode ser assim representado:

Ax

=b

onde

a matriz dos coeficientes,

o vetor das variveis

x -

e
bl
bz

b =

o vetor constante.

Chamaremos de x* o vetor soluo e de


linear Ax =b.

A formulao matricial do sistema Ax


final deste captulo, dada por:

x, uma soluo aproximada do

sistema

=b do Exemplo 1, que ser resolvido no

Cap. 3

-a
-a

o
o
o
o
o
o
o
o
o
o
o
o
o
o
o

o o 1 a o
o -1 o -a o
-l o o o 1
o 1 o o o
o o -1 o o
o o o o o
o o o -a -1
o o o a o
o o o o o
o o o o o
o o o o o
o o o o o
o o o o o
o o o o o
o o o o o
o o o o o
o o o o o

o
o
o
o
1 o
-1 o o
o o a
1 o a
o -1 -a
o o -a
o o o
o o o
o o o
o o o
o o o
o o o
o o o
o
o
o
o
o

o
o
o
o

Resoluo de sistemas lineares

o
o
o
o
o
o

o
o
o
o
o
o
1 o
o o
o o
o -1
-1 o
o 1
o o
o o
o o
o o
o o

o
o
o
o
o
o
o
o
1

o
o
o
-1

o
o
o
o

o
o
o
o
o
o
o
o

o
o
o
o
o
o
o
o
o
o

o
o
o
o
o
o
o
o
a
o
-a
o
o 1 o
o o o
o o o
o o -1
-a -1 o
a o 1
o o o

109

o
o
o
o
o
o
o
o
o
o
o
o
a
-a

o
o
o
o
o
o
o
o
o
o
o
o
o
o

o 1
o o

-a -1

b = (O O O 10 O O O 15 O O O O O O O 10 OJT

Analisaremos a seguir, atravs de exemplos com duas equaes e duas variveis,


as situaes que podem ocorrer com relao ao nmero de solues de um sistema linear.

i)

Soluo 6nica:

2xl + ~ - 3

l
l

x1 - 3x2 = -2

com x

= ( ~)

(1)

Infinitas solues:

2xl + Xz .. 3
4x 1 + 2x2 = 6

para o qual, qualquer x* =(a, 3- 2a)l com a E JR, soluo.

(2)

110

Clculo Numrico

iii)

Cap. 3

Nenhuma soluo:

(3)

Graficamente, cada um desses casos representado respectivamente por:


(1) retas concorrentes
(2) retas coincidentes
(3) retas paralelas

x,

x,
(2) retas coincidentes

(1) retas concorFentes

x,

(3) retas paralelas

Figura 3.2

Cap. 3

Resoluo de sistemas lineares

111

Mesmo no caso geral eo;J. que o sistema linear envolve m equaes e n variveis,
apenas uma entre as situaes abaixo ir ocorrer:

i)

o sistema linear tem soluo nica;

o sistema linear admite infinitas solues;

iii)

o sistema linear no admite soluo.

No caso em que m = n = 2 este fato foi facilmente verificado atravs dos grficos
das retas envolvidas no sistema, conforme mostra a Figura 3.2. Para analisar o caso geral,
m equaes e n variveis, usaremos conceitos de lgebra Linear.
Consideremos a matriz A: m x n como uma funo que a cada vetor x E R 0
associa um vetor b E Rm, b = Ax:
A : Rn -

Rm

x-b=Ax
Ento, resolver o sistema linear Ax = b consiste em:
"dado b E Rm obter, caso exista, x E R 0 , tal que Ax

=b".

A resoluo de Ax = b nos leva a encontrar respostas para as seguintes perguntas:

existe x* E R " tal que Ax* = b?

se existir, x* nico?

como obter x*?

Consideremos a matriz A : 2 x 2,

A"" (21

1)
-3

Esta matriz associa a um vetor pertencente ao R 2 um outro vetor do R 2 .


Por exemplo:
se v= (11)T
se w

= (2 -t)T

ento: u =Av = (3 - 2)T;


ento: t

=Aw = (3

S)T;

112

Clculo Nlll~Wrico

Cap. 3

e, dado b
(3 -2)T~ existe um nico x
(1 1)T tal que Ax*
comprovar graficamente atravs da Figura 3.2 (1).

= b,

conforme podemos

Graficamente:

Ax.

x,
1

x1
1

Figura 3.3

Dada uma matriz A: m x n, definimos o conjunto Imagem de A (denotado por


Im(A)) por:

Im(A) = {y E Rm

I 3 X E R I Y =Ax}
0

O conjunto lm(A) um subespao vetorial do 1Rm.


Sob o ponto de vista das colunas de A, resolver o sistema linear Ax = b, A: m x n
implica em se obter os escalares xl' x2 , ... , x0 que permitem escrever o vetor b de R 01 como
combinao linear das n colunas de A.

Cap. 3

all

a12

~1

~2

= x1

113

aln
a2n
+ ... + xn

+ x2

am2

aml

Resoluo de sistemas lineares

amn

No sistema (1) as colunas da matriz A - (;

-~)so linearmente independentes

e portanto formam uma base para o .R2 . Ento, dado qualquer u E .R 2, existem e so nicos
os escalares x1 E R e ~ E R tais que
u - x1

(i)

( _;). Para este caso, temos Im(A)

=.R2.

Na Figur a 3.4 representamos os vetores coluna de A: a1


e o vetoru-

(-i) -

2a1 + a2:

2a

Figura 3.4

114

Clculo Numrico

Cap. 3

Definimos:
Posto(A) = dimenso(lm(A)) = dim(lm(A)).

Retomando os sistemas lineares (1), (2) e (3) do incio desta seco:

xz =

2xl +

caso t): soluo nica


{x

1 -

3Xz = - 2

neste caso, j vimos anteriormente que Im(A)


tal que b = 1a1 + 1a2 . Graficamente:

= R 2, portanto existe um nico x* =(1

1)T

Figura 3.5
Assim, o sistema (1) compativel determinado.
Nos casos (ii) e (iii) a matriz A dos coeficientes A = (
al _ 2a2.

; ) na qual:

Cap. 3

Resoluo de sistemas lineares

115

Estas colunas so pois linearmente dependentes e conseqentemente no formam


uma base para o R 2; para esta matriz, posto(A) = dim(lm(A)) = 1. Dado um vetor b E R 2,
se b E lm(A) o sistema linear Ax = b admitir infinitas solues e ser compatvel indeter
minado. Se b ~ lm(A), o sistema linear no admitir soluo e ser incompatvel.
No caso (ii) b - ( ~ ) pertence a Im(A):

Figura 3.6

b .. a (

!)

+ (3 - 2a) ( ; ) para qualquer a E R.

No caso (iil), b

= (~) no pertence a Im(A):

116

Clculo Numrico

Cap. 3

Figura 3.7

Nos casos em que m


observar que:

n, embora tenhamos situaes semelhantes, gostaramos de

i)

posto(A)

ii)

se m < n o sistema linear Ax = b nunca poder ter soluo nica pois


posto(A) < n, sempre. Uustrando,

:5;;

min{ m,n}

Figura 3.8

Cap. 3

Resoluo de sistemas lineares

117

Por exemplo, consideremos o sistema linear:


-x1 + 2~ + 3X:3 - 6

~ +

x3 9

Eliminando ~ da 21 equao e substituindo na 11 equao obtemos x 1 = 12 + x 3


e teremos o conjunto das infinitas solues dado por:

Neste exemplo, posto(A) = m = 2 < o = 3 e o sistema compatvel indeterminado.


i)

se m > n, mesmo que posto(A) = o o sistema pode no ter soluo pois a


situao b ~ Im(A) ocorre com freqncia:

n=2

m=3
A

b ~ lm(A)

-------....

,,,,,,,,,,,,,,,,,,,, ,
,,
,.

,, ,,, ,,, ,,,.,,, ,,,,,, ,,, ,,, ,,, ,,, ,, ,


,
,
,,,,,,,,,
, ,, ,, ,, ,,..,,,,
,,,
~-;-;-;~-;'
,
,,

lm(A)

Figura 3.9
A tabela a seguir apresenta um resumo de todas as possibilidades para sistemas
lineares:
Dada A, matriz m x n usaremos na tabela a seguinte definio:
Se posto(A)

=min{m, n}, ento A posto-completo.

Se posto(A) < min{m, n}, ento A posto-deficiente.

118

Clculo Numrico

Cap. 3

Matriz A

m= n

m<n

m> n

Posto Completo

(posto(A) = n)
Compatvel determinado

(posto(A) = m)
Infinitas solues

(posto(A) = n)
b E Im(A), soluo nica
b fi Im(A), incompatfvel

Infinitas solues

Infinitas solues

Infinitas solues

Incompatvel

Incompatvel

Incompatvel

bE Im(A)

Posto
Deficiente

fi lm(A)

Neste captulo apresentaremos mtodos numricos para a resoluo de sistemas


lineares n x n .
Os mtodos numricos para resoluo de um sistema linear podem ser divididos
em dois grupos: mtodos diretos e mtodos iterativos.

Mtodos diretos so aqueles que, a menos de erros de arredondamento, fornecem


a soluo exata do sistema linear, caso ela exista, aps um nmero finito de operaes.
Os mtodos iterativos geram uma seqncia de vetores {x(k)}, a partir de uma
aproximao inicial x<0). Sob certas condies esta seqncia converge para a soluo x*,
caso ela exista.

3.2 METODOS DIRETOS


3.2. 1 INTRODUO
Pertencem a esta classe todos os mtodos estudados nos cursos de 112 e 211 graus, destacando-se a regra de Cramer. Este mtodo, aplicado resoluo de um si.stem n x o envolve o
clculo de (n + 1) determinantes de ordem n. Se n for igual a 20 podemos mostrar que o
nmero total de operaes efetuadas ser 21 x 20! x 19 multiplicaes mais um nmero
semelhante de adies. Assim, um computador que efetue cerca de cem milhes de multiplicaes por segundo levaria 3 x lOS anos para efetuar as operaes necessrias.
Desta forma, o estudo de mtodos mais eficientes necessrio, pois, em geral, os
problemas prticos exigem a resoluo de sistemas lineares de grande porte, isto , sistemas
que envolvem um grande nmero de equaes e variveis.

Cap. 3

Resoluo de sistemas lineares

119

Devemos observar que no caso de sistemas lineares n x n, com soluo nica, o


vetor x* dado por: x* = A-1 b. No entanto, calcular explicitamente a matriz A-1 e em
seguida efetuar o produto A- l b desaconselhvel, uma vez que o nmero de operaes
envolvidas grande, o que torna este processo no competitivo com os mtodos que estudaremos a seguir.

3.2.2 MTODO DA ELIMINAO DE GAUSS


Entre os mtodos diretos, destacam-se os mtodos de eliminao que evitam o clculo
direto da matriz inversa de A e alm disto no apresentam problemas com tempo de execuo como a regra de Cramer.
O mtodo da Eliminao de Gauss consiste em transformar o sistema near original num sistema linear equivalente com matriz dos coeficientes triangular superior, pois
estes so de resoluo imediata. Dizemos que dois sistemas lineares so equivalentes
quando possuem a mesma soluo.
Veremos a seguir um algoritmo para resoluo de sistemas triangulares e estudaremos como o mtodo da Eliminao de Gauss efetua a transformao do sistema linear
original no sistema triangular equivalente.

RESOLUO DE SISTEMAS TRIANGULARES


Seja o sistema Hnear Ax = b, onde A: matriz n x n, triangular superior, com elementos da
diagonal diferentes de zero. Escrevendo as equaes deste sistema, temos:
3 ux1 +

~~

~3x3

~+lln~+

l:33X3 +

+ aloxo - bl
+ ~XD- b2
+ 3:3oXo b3

120

CdlcuJo Nwnrico

Cap. 3

Da ltima equao, temos

x0 _ 1 pode ento ser obtido da penltima equao:


b n-1 -

an - l. nxn

~ - l,n- I

e assim sucessivamente obtm-se x0 _:z. .... x 2 e finalmente x 1:


bl - 3 12~ - 3 13~ - 3 tnxn
ali

ALGORITMO 1: Resoluo de um Sistema Triangular SUperior


Dado um sistema triangular superior n x n com elementos da diagonal da matriz A no nulo . as
variveis X0 , x0 _ 1, ~-2' ... x2, x 1 so assim obtidas:

=bn 13nn
Para k =(n Xo

1), ... , 1

=o

Paraj = (k + 1), .. .. o
s = s + aJcfj
xk

= <1\, -

s) I akk

DESCRIO DO M~TODO DA ELIMINAO DE GAUSS


Conforme dissemos anteriormente, o mtodo consiste em transformar convenientemente o sistema linear original para obter um sistema linear equivalente com matriz dos coeficientes
triangular superior.
Para modificar convenientemente o sistema Linear dado de forma a obter um sistema
equivalente, faremos uso do teorema, cuja demonstrao pode ser encontrada em [2].

Cap. 3

Resoluo de sistemas lineares

121

TEOREMA 1
Seja Ax = b um sistema linear. Aplicando sobre as equaes deste sistema uma seqncia
de operaes elementares escolhidas entre:

i)

trocar duas equaes;

ii)

multiplicar uma equao por uma constante no nula;

iii)

adicionar um mltiplo de uma equao a uma outra equao;

- -

- -

obtemos um novo sistema Ax - b e os sistemas Ax = b e Ax= b so equivalentes.


Descreveremos a seguir como o mtodo da Eliminao de Gauss usa este teorema
para triangularizar a matriz A. Vamos supor que det(A) O.
A eliminao efetuada por colunas e chamaremos de etapa k do processo a fase
em que se elimina a varivel xlc das equaes k + 1, k + 2, ... , o.
Usaremos a notao a~) para denotar o coeficiente da linha i e coluna j no final
da k-sima etapa, bem como b~k) ser o i-simo elemento do vetor constante no final da
etapa k.
Considerando que det(A) ,. O, sempre possvel reescrever o sistema linear de
forma que o elemento da posio a 11 seja diferente de zero, usando apenas a operao
elementar (i):

a(O)
21

Seja A(O) I b (O)

a<O>
22

a(O)
2o

=A I b =

a(O)
DO

onde a{9)
- a.. b{O) - b. e aC0 )
<j
<J' I
I
11

122

Clculo Numrico

Cap. 3

Etapa 1:
A eliminao da varivel x 1 das equaes i = 2, ... , n feita da seguinte forma: da equao
i subtramos a 11 equao multiplicada por mil. Observamos que para que esta eliminao
seja efetuada, a nica escolha possvel

~~)

Os elementos Illtt ={o),

au

~1

a(O)

~~) , i - 2, . . . , n.

all

2, . . . , n so os multiplicadores e o elemento

a~<p denominado piv da 11 etapa.

Ao final desta etapa teremos a matriz:

o a(,{j

o
onde

aw = aw)

para j = 1 ' . . . , n

am - a(~) -

-1j

e
m.la<lq)

i-2, .. . ,n

b{l) - b(O) - m . b(O)

i=2 , ... ,n

lJ

IJ

--,}

e j=l, .. . ,n

Cap. 3

Resoluo de sistemas lineares

123

Etapa 2:
Deve-se ter pelo menos um elemento ag> ::~; O, para i= 2,... , n, caso contrrio, det( A<1>) =O,
o que implica que det(A) =O; mas det(A)

::~;O,

por hiptese.

Ento, sempre possvel reescrever a matriz AO>, sem alterar a posio da linha 1,

de forma que o piv, aw. seja no nulo.


a(i2l )
Os mmltiplicadores desta etapa sero os elementos IDu = (15 para i= 3, ... , n.
a22

A varivel x 2 eliminada das equaes i= 3,... , n da seguinte forma: da equao


i subtramos a segunda equao multiplicada por lllu.

Ao final, teremos a matriz A<2> b(2>:

o
A<2 > I b(2) =

2>
O a<
o3

a(2)
nn

onde afJ> = afJ) para i= 1, 2 e j = i, i + 1, ... n


b(2) = b( 1) para i
I

= 1, 2

e
af[>

= afJ>

- mi2~}> para i = 3, ... , n e j

bf2> = bfl> - ~Dab~1 ) para i

= 3, ..., n

= 2,..., n

124

Clculo Numrico

Cap. 3

Seguindo raciocnio anlogo, procede-se at a etapa (n - 1) e a matriz, ao final


desta etapa, ser:
a\~ -1)

~~-1)

<43 -1) . .....

a~~ -1)

b~n-1)

4~-1)

~-1)

4~-1)

b}D- l)

~~-1)

b1n- 1)

a(n-1)

b(D- 1)

A (n- 1) 1 b(n- 1)

e o sistema linear A(n-l)x


original.

a~j -1)

= b(n- 1)

......
o

o.

nn

triangular superior e equivalente ao sistema linear

Exemplo 2
Seja o sistema linear:

3x.1 +
x1 +

{ 4x +
1

2~. + 4x3 = 1
x 2 + 2~ - 2

3~ - 2x3

=3

Etapa 1:
Eliminar x1 das equaes 2 e 3:
Para facilitar o entendimento do processo, de agora em diante usaremos a notao
Li para indicar o vetor linha formado pelos elementos da linha i da matriz A{k) I b(k). Assim,
nesta etapa, L 1 =(3 2 4 1) .

Cap. 3

A (O)

b(O) =

a~~ a~~ a~Oj

3 2

~oi

4 3 -2

~~

~~ ~~ ~o;
Piv:

Resoluo de sistemas lineares

a~~> = 3
~1

=1/3

~1 = 4/3

~-~-~tLt

"L:3 - ~- m 31 Ll

~ A (l)

I b(l) "' o

1/3

2/3

513

1/3

-22/3

5/3

Etapa 2:
Eliminar x2 da equao 3:

Piv:

aCi1

1!3

1/3
m32 - 1/3 - 1

~-~-~~

:::::;. A (2)

aW

I b(2) = o

1/3

2/3

5/3

o o

-8

aW

b~l)

o ~ a{])

b~l )

o ~~ ~~

b~l )

a~Y

125

126

Cap. 3

Clculo Numrico

Assim, resolver Ax = b equivalente a resolver A <2>x

=b(2):

-n

~[

A soluo deste sistema o vetor x

ALGORITMO 2: Resoluo de Ax = b atravs da Eliminao de Gauss.


Seja o sistema linear Ax = b, A: n x n, x: n x 1, b: n x 1.
Supor que o elemento que est na posio ak:k diferente de zero no incio da etapa k.
Para k = 1, . . . , n - l
Parai

=k

+ 1, ... , n
aik

m= -

akk

Eliminao

=O
Para j = k + 1, . . . n
aik

aij = aij -

bi

xn
Resoluo do sistema:

makj

= bi- mbk

= bn/ann

Para k = (n - 1), ... 2,1


s =o
Paraj = (k + 1), ... , n
[s = s + akj xj
xk

= (bk -

s) I akk

O algoritmo acima efetua, na fase da eliminao, (4n3 + 3n 2 - 7n) /6 operaes e, para


resolver o sistema triangular superior, o nmero de operaes efetuadas n 2.

Cap. 3

Resoluo de sistemas lineares

127

Assim, o total de operaes para se resolver um sistema linear pelo mtodo da


Eliminao de Gauss (4n 3 + 9n 2 - 7n)/6.

ESTRATGIAS DE PIVOTEAMENTO
Vimos que o algoritmo para o mtodo da Eliminao de Gauss requer o clculo dos multipUcadores:
a~-1 )

mt.k

afl-1 )

tk+l, ... , n

em cada etapa k do processo.


O que acontece se o piv for nulo? E se o piv estiver prximo de zero?
Estes dois casos merecem ateno especial pois impossvel trabalhar com um
p iv nulo. E trabalhar com um piv prximo de zero pode conduzir a resultados totalmente
imprecisos. Isto porque em qualquer calculadora ou computador os clculos so efetuados
com aritmtica de preciso finita, e pivs prximos de zero do origem a multiplicadores
bem maiores que a unidade que, por sua vez, origina uma ampUao dos erros de arredondamento.
Para se contornar estes problemas deve-se adotar uma estratgia de pivoteamento,
ou seja, adotar um processo de escolha da linha e/ou coluna pivotal.

ESTRATGIA DE PIVOTEAMENTO PARCIAL


Esta estratgia consiste em:
i)

no incio da etapa k da fase de eliminao, escolher para piv o elemento de


maior mdulo entre os coeficientes: a~ -t), i = k, k +1, ..., n;

iz) trocar as linhas k e i se for necessrio.

Cap. 3

Resoluo de sste~TULS lineares

129

ESTRATGIA DE PiVOTEAMENTO COMPLETO


Nesta estratgia, no incio da etapa k escolhido para piv o elemento de maior mdulo,
entre todos os elementos que ainda atuam no processo de eliminao:

mx I a~f - l) I - I a~- l) I
"ff i, P k

=>

piv a~ - l)

Observamos que, no Exemplo 3, se fosse adotada esta estratgia, o piv da etapa


2 seria a~ = 7, o que acarretaria a troca das colunas 2 e 4 e, em seguida, das linhas 2 e 3,
donde:
3

A(l)

I b(l) =

-1

7 -5

-3

15

o o

Esta estratgia no muit{) empregada, pois envolve uma comparao extensa


entre os elementos ~t - l ), i. j ~ k e troca de linhas e colunas, conforme vimos no exemplo
anterior; evidente que todo este processo acarreta um esforo computacional maior que a
estratgia de pivoteamento parcial.

Exemplo 4
Consideremos o sistema linear
0.0002x1 + 2~ - 5
{

2x 1 +

2~-

130

Clculo Numrico

Cap. 3

Inicialmente vamos resolv-lo sem a estratgia de pivoteamento pa:Feial e vamos


supor que temos de trabalhar com aritmtica de trs dgitos. Nosso sistema :
0.2 x 10-3x 1 + 0.2 x tolx2 - 0.5 x 101

0.2

101x 1 + 0.2

101"2

0.6

loJ

Ento,

A (O)

I b(O)

0.2 x 10- 3

0.2

101

0.2

101

( 0.2

10 1

0.5

10

0.6

101

Etapa 1:
Piv: 0.2

w-3

m21 = (0.2 x 101)/(0.2 x 10-3) = 1 x 104 = 0.1 x 105 e a~V =O

4~

4~ - a~~

b~) = b&O) - b~O)

A (l)

I b(l)

Ulzt .. 0.2

0.2

0.6
- 0.6

m21

w-3

0 .2 x

101 - (0.2 X 101} X (0.1


101 - 0.2 X lcP - 0.2

101 - (0.5 X 101) X (0.1


101 - 0.5 X lOS - - 0.5

lcP) "'

loS

0.2

101

0.5

101

-0.2

tOS

-0.5

lOS

10S)
1cP

E a soluo do sistema A(l)x= b(l) resultante

-0.2 x 10Sx2

=-0.5 x 105 = x2 =(0.5) I (0.2) =2.5 = 0.25 x 10

0.2

w-3x 1 + 0.2 X 101 X 0.25 )( 101 = 0.5 X 101

=;>

0.2

10-3x 1

e, portanto, x - (O 2.5)T.

=0.5 X

101 - 0.05

lo2

= 0.5 X

101 - 0.5

101

Cap. 3

Resoluo de sistemas lineares

131

fcil verificar que i no satisfaz a segunda equao, pois


2

+2

2.5 = 5

;od

6.

Usando agora a estratgia de pivoteamento parcial (e ainda aritmtica de trs


dgitos), temos

A(O)

I b(O)

0.2

101

0.2

101

( 0.2

10-3

0.2

101

0.6

10

0.5

101

Assim o piv 0.2 x 101 e ~ 1 = (0.2 x 1o-3)/(0.2 x 101) = 0.1 x 1o-3 . De forma
anloga ao que fizemos acima, obtemos o novo sistema

A (l)

0.2
b (l ) -

10 1

. so1uao
- CUJa
x ( 0.

0.2

101

0.6

0.2

101

0.5

0.5
x 101 )
25

E o vetor x realmente a soluo do nosso sistema, pois

02

0.2

1o-3

0.5 + 0.2

101

0.25

1oi = 0.1

Io-3 + 0.05

1o2 = 0.5

101 X 0.5 + 0.2 X 101 X 0 .25 X 101 = 0.1 X 101 + 0.05 X 102 =
= 0.01 X 1()2 + 0.05 X }()2 = 0.06 X }()2 = 0.6 X 101 = 6.

3.2.3 FATORAO LU
Seja o sistema linear Ax = b.

101 = 5

132

Cdlculo Numlrico

Cap. 3

O processo de fatorao para resoluo deste sistema consiste em decompor a


matriz A dos coeficientes em um produto de dois ou mais fatores e, em seguida, resolver
uma seqncia de sistemas lineares que nos conduzir soluo do sistema linear original.
Por exemplo, se pudermos realizar a fatorao: A
pode ser escrito:

= CD, o sistema linear Ax =b

(CD)x = b
Se y = Dx, ento resolver o sistema linear Ax = b equivalente a resolver o
sistema linear Cy =b e, em seguida, o sistema linear Dx = y.
A vantagem dos processos de fatorao que podemos resolver qualquer sistema
linear que tenha A como matriz dos coeficientes. Se o vetor b for alterado, a resoluo do
novo sistema linear ser quase que imediata.
A fatorao LU um dos processos de fatorao mais empregados. Nesta fatorao a matriz L triangular infe.rior com diagonal unitria e a matriz U triangular superior.

CLCULO DOS FATORES L e U


Os fatores L e U podem ser obtidos atravs de frmulas para os elementos l!i e uij ou ento,
podem ser construdos usando a idia bsica do mtodo da Eliminao de Gauss.
A obteno dos fatores L e U pelas frmulas dificulta o uso de estratgias de
pivoteamento e, por esta razo, veremos como obter L e U atravs do processo de Gauss.
Usaremos um exemplo terico de dimenso 3:

Cap. 3

Resoluo de sistemas lineares

133

Trabalharemos somente com a matriz dos coeficientes. Seja ento:

A (O) ..

a\~

a\~

a\~

4~

4~

~~

~~

a~~

-A

Os multiplicadores da etapa 1 do processo de Gauss so:

e m 31

~T

(supondo que a~~) ,. O)

(0)

ail

Para eliminar x1 da linha i, i


o resultado da linha i.

=2, 3, multiplicamos a linha l

por IT\t e subtramos

Os coeficientes a~0) sero alterados para a~1 >, onde:


para j

=1, 2, 3

para i

=2, 3 e j

= 1, 2, 3

Estas operaes correspondem a se pr-multiplicar a matriz A (O) pela matriz


onde

o o
1

, pois:

M (0),

134

Clculo Numrico

Cap. 3

a~<p

a~~

aiW

-~1

o o
1 o

a&~

a&~

-m31

a&o; a&~

a~~

1
M(O)A (O)

- 4{ - ~~a~~
a&~

- m31a\~)

a~~ - m21a~~

a~

rnzla~~ -

- ~1 a\~

a&~

~ 1 a}~

<4~

aW aW aW
-

aJ}d

a&~

. A (l)

Portanto, M(0)A(O) = A(l) onde A <1 > a mesma matriz obtida no final da etapa 1 do
processo de Gauss.
Supondo agora que

~~

(1)

"' O, o multiplicador da etapa 2 ser: m32 -

it
ll22

Para eliminar "2 da linha 3, multiplicamos a Unha 2 por m32 e subtramos o


resultado da linha 3.

Cap. 3

Resoluo de ssremas.lineares

135

Os coeficientes afl> sero aHerados para:

a\}) = aw

para j

=1, 2, 3

a&}> = ~v

para j

=2, 3

~) = ~~) -

m32

~p

para j = 2, 3

As operaes efetuadas em A<1> so equivalentes a pr-multiplicar A< 1> por M(l),


onde

M(l) -

M(l)A(l) -

-~2

, pois:

-~2

aW aW

a&Y

aW

aW

o
o

aW.
~Y

- ~2~Y

aW
ai_N - ~2aW

136

Clculo Numrico

Cap.3

a\~

a\~

aW

a~i

a&2)
3

~~

Portanto, M(1)A(1) =A(2) onde A<2> a mesma matriz obtida no final da etapa 2 do
mtodo da Eliminao de Gauss.
Temos ento. que:
A= A(O)

onde A (Z) triangular superior.

fcil verificar que:


1
(wo))-1

o o

~1

m31

e (M(l))-1 -

Assim,
1

m32

Cap. 3

Resoluo de sistemas lineares

137

Ento, A= (M(l) M (0))-1A (2) ... (M{O)tl (M(l)tl A(2)

A-

~1>

a~~

~~

~1

a~~

a~

m31

m32

~~

=LU

Isto , fatoramos a matriz A em duas matrizes triangulares L e U, sendo que o


fator L triangular inferior com diagonal unitria e seus elementos lij para i > j so os
multiplicadores ~j obtidos no processo da Eliminao de Gauss; o fator U triangular
superior e a matriz triangular superior obtida no final da fase da triangularizao do
mtodo da Eliminao de Gauss.

TEOREMA 2: (fatorao LU)


Dada uma matriz quadrada A de ordem n, seja Ak a matriz constituda das primeiras k linhas
e colunas de A Suponha que det(A.x) .,. O para k = 1, 2, ..., (n - 1). Ento, existe uma nica
matriz triangular inferior L= mj), com~ = 1, 1 ~ i ~ n e uma nica matriz triangular
superior U =(jj) tais que LU= A Ainda mais, det() = ~ 1~ ... unn.
Demonstrao: ver (13]

RESOLUO DO SISTEMA LINEAR Ax


Dados o sistema linear Ax

= b USANDO A FATORAO LU DE A

= b e a fatorao LU da matriz A, temos:

= b ~ (LU)x = b
Seja y = Ux. A soluo do sistema linear pode
Ax

ser obtida da resoluo dos sis-

temas lineares triangulares:

i)

Ly = b

it) Ux = y
Verifiquemos teoricamente que o vetor y o vetor constante do lado direito obtido
ao final do processo da Eliminao de Gauss.

138

Clculo Numrico

Cap. 3

=b , temos que y = L-l b.


Mas, L= (M(O)tl(M(l)tl = L- 1 = M(l )M(O).

Considerando o sistema linear Ly

Ento, y

=M(1)M(O)b(O), onde b(O) =b

Temos que

1
M(O) b(O)

o o

b~O)

-~1

b~O)

-~1

b~O)

b~O)

..

b~O) - ~1 b~O)

b~O) - ~1 b~O)

b\1)
b&l)

... b(1).

b~l)

Isto , o vetor obtido aps o produto de M(0) por b(0) o mesm.o vetor do lado
direito obtido aps a etapa 1 do processo da Eliminao de Gauss.
Obtido b(l), temos que y

= M ( 1)b(1) =

b~l)

b~1)

b~l )

-m32

b~l)

b&1)

b~l) - m32b&l)

Exemplo 5
Resolver o sistema linear a seguir usando a fatorao LU:

b~2)

b&2)
b~2)

b(2).

Resoluo de sistemas lin~ates

Cap. 3

139

3x1 + 2"2 + 4x3 .. 1


xl + ~ + 2":3

4x1 + 3"2 + 2JC:3

A=

Usando o processo de Gauss, sem estratgia de pivoteamento parcial, para triangularizar A, temos:

Etapa 1:
Piv= a~~

=3

. .
a~q>
1
Multtphcadores: m 21 a~<p 3 e m31

a~o;

a~q> =

Ento,

Ll -

Ll

~ - Lz - IDz1 Ll
L3 - L3- ~1 LI

A{l) -

1/3

2/3

1/3

-10/3

Uma vez que os elementos ~V e ~V so nulos, podemos guardar os multiplica-

dores nestas posies, ento;

A(l)

1/3

1/3

2/3

4/3

1/3

-10/3

140

Clculo Numrico

Cap. 3

Etapa 2:
Piv:

a$}) ..

1/3

. 1'1cadores : m Mu 1tip
32

a&Y. a$})

113
113

=1

Teremos:

A (2)

1/3

1/3

2/3

4/3

-4

Os fatores L e U so

L-

1/3

4/3

Resolvendo L(Ux)

l)

=b:

Ly = b

y = (1

5/3 O)T

eU-

1/3

2/3

-4

Cap. 3

Resoluo de sistemas lineares

141

=y:

ii) Ux

3x1 +
Ux = y =>

2Xz +

4x3

1/3x2 + 2/3x3 ... 5/3


{

X=

=1

4x3 - O

(-3 5 O)T.

FATORAO LU COM ESTRATGIA DE PIVOTEAMENTO PARCIAL


Estudaremos a aplicao da estratgia de pivoteamento parcial fatorao LU. Esta estratgia requer permutao de linhas na matriz A (k), quando necessrio. Por este motivo,
veremos inicialmente o que uma matriz de permutao e, em seguida, como se usa a
estratgia de pivoteamento parcial no clculo dos fatores L e U e quais os efeitos das
permutaes realizadas na resoluo dos sistemas lineares Ly b 'e Ux y.

Uma matriz quadrada de ordem n uma matriz de permutao se pode ser obtida
da matriz identidade de ordem n permutando-se suas linhas (ou colunas).
Pr-multiplicando-se uma matriz A por uma matriz de permutao P obtm-se a
matriz PA com as linhas permutadas e esta permutao de linhas a mesma efetuada na
matriz identidade para se obter P.

Exemplo 6
Sejam

p-

PA

e A...

'

142

Clculo Numrico

Cap. 3

Seja o sistema linear A:x b e sejam os fatores L e U obtidos pelo processo da


Eliminao de Gauss com estratgia de pivoteamento parcial.
L e U so fatores da matriz A ', o nde A' a matriz A com as linhas permutadas,
isto , A ' = PA
Mas as mesmas permutaes efetuadas nas linhas de A deve m ser efetuadas sobre
o vetor b, uma vez que permutar a s linhas de A implica p ermutar as equaes de
A:x b.

Seja ento b '

= Pb

O sistema linear A 'x = b ' equivalente ao original e, se A ' =LU, teremos


A ' x = b ' ~ PAx = Pb => LUx =Pb

Resolvemos ento os sistemas triangulares:

l)

Ly =Pb

iL) Ux

= y e obtemos a soluo do sistema linear original.

Exemplo 7
Seja o sistema linear:

-4

-3

Cap. 3

Resoluo de sistemas lineares

143

Etapa 1:
Piv: 4

= ~T; ento devemos permutar as linhas 1 e 3:

A'(O) =

-3

-4

p(O) -

o o

e A'(O) - p (O)A (O)

Eferuando a eliminao em A'(O):

A(l) =

-3

1/4

11/4

3/4

-4

13/4

Etapa 2:
Piv:- 4 =

a!JJ., ento devemos permutar as linhas 2 e 3:

A'(l) -

-3

3/4

-4

13/4

1/4

11/4

-p(l) -

e A'(1)

- p(l)A (l)

144

C6kulo Numrico

Cap. 3

Efetuando a eliminao temos:

A(2)

-3

3/4

-4

13/4

1/4

-1/2

35/8

Os fatores L e U so

L-

3/4

o
o

1/4

-1/2

eU-

-4

13/4

35/8

~ estes so os fatores da matriz A' - PA onde P

A' PA

= p(l) p(0>, isto :

-4

-3

Resoluo dos sistemas lineares triangulares:

i)

Ly

Pb-

= Pb onde

-2

-2

-3

9
3

-3

-4

Cap. 3

Resoluo de sistemas lineares

145

-2

y -

21!2
35/4

iz) Ux

=y

+o~-4~

3~ = -2

+ 13/4x3 21/2
35/8~

-1

- 35/4
2

Con siderando uma matriz geral, A : n x n. Se A no singular, ento no incio da


etapa k da fase de eliminao existe pelo menos um elemento no nulo entre os elementos
a~- l) , . . . , ~- l) de modo que atravs de uma troca de linhas sobre A~ - 1) sempre
possvel obter a matriz A'(k - 1) com elemento no nulo na posio (k, k). Desta forma, os
clculos necessrios em cada etapa da eliminao podem ser realizados e os fatores L e U
da matriz PA sero unicamente determinados, onde P = p {n - 1) p(n - 2) . p {O) e p (k)
representa a troca de linhas efetuada na etapa k .
As permutaes de linha realizadas durante a fatorao podem ser representadas
atravs de um vetor n x 1, que denotaremos por p, definido por p(k) = i se na etapa k a linha
i da matriz original A{0) for a linha pivotal.

Considerando o Exemplo 7, teramos inicialmente: p = (1 2 3). No incio da etapa


1, a linha 3 a pivotal, ento p = (3 2 1). No incio da etapa 2, a linha 3 da matriz A(1) a
linha pivotal, ento p = (3 1 2).

ALGORITMO 3: Resoluo de Ax = b atravs da fatorao LU com


plvoteamento parcial
Considere o sistema linear Ax
zadas durante a fatorao.

= b, A: n

x n; o vetor p representar as permutaes reali-

146

Clculo Numrico

Cap. 3

(Clculo dos fatores:)


Para i - 1 , ... , n
[ p(i) - i
Para k - 1 , ... , (n - 1)
pv - I a(k, k)l
r- k
Para i = {k + 1) , ... , n
se (I a(i, k)l > pv), faa:
pv -. I a(i, k)l
[ r - t

se pv - O, parar; a matriz A singular


se r .- k, faa:
aux - p(k)
p(k) - p(r)
p{r) = aux

Para j - 1 , . . . , o
aux - a(k, j)
a{k, j) - a(r, j)
[ a.(r, j) - aux

Para i - (k + 1), ... , n


m - a(i, k)/a(k, k)
a(i, k) = m
para j - (k + 1), ... , n
a(i, j) - a(i, j) - ma(k, j)

(Resoluo dos sistemas triangulares)


Para i .. 1, . . . , o
c - Pb [ r - p(i)
c(i) .. b(r)

Cap. 3

Resoluo de sistemas lineares

147

Para i = 1, . .. , n
soma= O
Ly = c Paraj = 1, ... , (i - l )
soma = soma + a(i, j)y(j)
y(i) = c(i) - soma

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


soma= O
Ux = y Para j = (i + 1), . .. , n
[ soma = soma + a(i, j)x(j)
x(i) = (y(i) - soma)/a(i, i)

3.2.4 FATORAO DE CHOLESKV


Uma matriz A: o x o definida positiva se xTAx > O para todo x

R 0, x *O.

A resoluo de sistemas lineares em que a matriz A simtrica, definida positiva,


freqUente em problemas prticos e tais matrizes podem ser fatoradas na forma:
A=GGT

onde G: n x n uma matriz triangular inferior com elementos da diagonal estritamente positivos. Esta fatorao conhecida como fatorao de Cholesky.
Seja A: n x n e vamos supor que A satisfaa as hipteses do Teorema 2. Ento, A pode
ser fatorada, de forma nica, como LDU (ver Exerccio 12) com:
L: n x n, triangular inferior com diagonal unitria;
0 : n x n, diagonal e
U: n x n, triangular superior com diagonal unitria.
Se, alm das hipteses do Teorema 2, a matriz for simtrica, demons tra-se [14]
que U = LT, e, ento, a fatorao fica: A = LDLT.

148

Clculo Numrico

Cap.3

Exemplo 8
Considere a matriz

16

-4

12

-4

-4

-1

12

-1

14

-2

-4

-2

83

A=

Calculando os fatores L e V de A e, em seguida, os fatores L, DeU, teremos:

16

-4

12

-4

-4

-1

-1/4

o
o

12

-1

14

-2

3/4

-4

-2

83

-1/4

-1/4

3/4

o
o
o

-1/4

16

-4

12

-4

o
o

o
o
o

81

16

1 -1/4 3/4 -1/4

o
o

81

Observamos que:

i)

uIJ..

= u.. I u .. ;
IJ

11

h) como a matriz A simtrica, U = LT.

Cop. 3

Resoluo de sistemas lineares

149

Se A for definida positiva, os elementos da matriz D so estritamente positivos,


conforme demonstramos a seguir: como A definida positiva, temos que para qualquer
x E R 0 , x "'O, xTAx >O. Usando a fatorao LDLT de A, temos :

Agora, y = LTx e L tem posto completo. Ento, y "' O pois x no nulo e, para
cada y E R 0 , existe x E R 0 , tal que y = LTx.

= ei, i = 1,... , n, teremos: er Dei = d> e, como yTDy > O, qual quer
y .. O, obtemos: ~i > O, i = l ,...,n.
Fazendo y

Concluindo, se A for simtrica definida po~iliva, ento A pode ser fatorada na


forma LDLT com L triangular inferior com diagonal unitria e D matriz diagonal com
elementos na diagonal estritamente positivos.
Podemos escrever ento:

onde (iu.. YcC


u
e, se G = LD, obtemos A = GGT com G triangular inferior com diagonal estritamente
positiva.
Formalizamos este resultado no Teorema 3.

TEOREMA 3: (Fatorao de Cholesky)


Se A: n x n simtrica e definida positiva, ento existe uma nica matriz triangular inferior
G: n x n com diagonal positiva, tal que A = GGT.

Exemplo 9
Retomando a matriz A do Exemplo 8 e sua fatorao LDLT, observamos que o fator D tal
que d > O, i = 1,..., 4.
Fazendo D = o 112, teremos:

Claulo Numric.o.

150

onde D -

Cap. 3

-1

-1

G-

A matriz G, triangular inferior com diagonal positiva, o fator de Cholesky da


matriz A.
Neste exemplo, o fator de Cholesky foi obtido a partir da fatorao LDLT, que por
sua vez foi obtida a partir da fatorao LU. No entanto, o fator de Cholesky deve ser
calculado atravs da equao matricial A= GGT, uma vez que, assim, os clculos envolvidos sero reduzidos pela metade.

Clculo do fator de Cholesky:


dada A: n x n, matriz simtrica e definida positiva:

A=

au

<lz1

anl

<lz1

!l.z2

an2

Cap. 3

Resoluo de sistemas lineares

151

O fator G: n x n triangular inferior com diagonal positiva ser obtido a partir da


equao matricial:

anl

Sn2 . . . 8rm

Snt

an2

O clculo ser realizado por colunas:


coluna 1:

- G

o
ento: gll = vau
e

&;t -

i;l/ g11'

j - 2, ... , n;

coluna 2:
gll~l

~1

lin
~2

~1

g3 1~ 1

g32~2

Snn

152

ento:

Clculo Numrico

~ 1 + ~2

Cap. 3

~2 ~ g 22
j

V~ - ~ 1

= 3, ... , n.

Os elementos gj1 j esto calculados; assim,

= 3,... , n.

Coluna k:
Para obter os elementos da coluna k de G: (O ...
usamos a equao matricial:

gkk gk+l k ...

&n~~Y k = 3,... , n,

anlt

e teremos:
alck -

g~ + g2k2 + .. . + ~ e da

e 3jk = ~Jgkl + ~ 2gk2 + + &jx&k:k j = (k + 1), ... , n

Como todos os elementos

&ut i

= 1,... , (k -

1) j esto calculados, teremos:

J - (k + 1), ... , n.

Cap. 3

Resoluo de sistemas lineares

153

ALGORITMO 4: Fatorao de Cholesky


Seja A: n x n, simtrica definida positiva:
Para k - 1, . . . , n
soma ,.. O
Para j = 1, .. . , (k - 1)
[ soma "" soma + g~j
r .. a.k.k - soma
gldc "' (r)l/2

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


soma= O
Para j - 1, ... , (k- 1)
[ soma - soma + ~jgkj
~ = (aik - soma) I gkk

Na prtica, aplicamos a fatorao de Cbolesky para verificar se uma determinada


matriz A simtrica definida positiva. Se o algoritmo falhar, isto , se em alguma etapa
tivermos r ,;; O, o processo ser interrompido e, conseqentemente, a matriz original no
definida positiva; caso contrrio, ao final teremos A = GGT com o fator conforme descrito
no Teorema 3. Demonstra-se (Exerccio 21) que uma matriz na forma BBT definida
positiva, se B tem posto completo.
A fatorao de Cholesky requer cerca de n3/3 operaes de multiplicao e adio
no clculo dos fatores, aproximadamente a metade do nmero de operaes necessrias na
fase da eliminao da fatorao LU.
Observamos que aJguns autores contam uma adio e uma multiplicao como
uma operao apenas; assim, para esses autores, a fatorao LU realiza cerca de n3/3
operaes e a fatorao de Cbolesky, n~/6.
Obtido o fator G, a resoluo do sistema linear Ax
dos sistemas triangulares:

Ax = b

<:>

(GG'I)x = b ~

i) Gy = b
ii) GTx

=b prossegue com a resoluo

154

Clculo Numrico

Cap.

3.3 METODOS ITERATIVOS


3.3. 1 INTRODUO
A idia central dos mtodos iterativos generalizar o mtodo do ponto fixo utilizado na
busca de razes de uma equao que foi visto no Captulo 2.
Seja o sistema linear Ax

=b, onde:

A; matriz dos coeficientes, n

x o;

x: vetor das variveis, n x 1;


b: vetor dos termos constantes, n x 1.
Este sistema convertido, de alguma forma, num sistema do tipo x = Cx + g onde
C matriz n x n e g vetor n x 1. Observamos que q>(x) Cx + g uma funo de iterao
dada na forma matricial.

ento proposto o esquema iterativo:


Partimos de x<0) (vetor aproximao inicial) e ento construmos consecutivamente os vetores:
xCl) = Cx(O) + g = q>(x(O)),
x(2)

= Cx(l) + g

(primeira aproximao),

=q>(x(1)),

(segunda aproximao) etc.

De um modo geral, a aproximao x(k+l) calculada pela frmula x(k+l) = Cx(k) + g,


ou seja, x(k+l) = q>(x(k>), k = O, 1,....
importante observar que se a seqncia de aproximaes x (O), x(l>, ..., x<k>, ... tal
que, lim x(k) =a, ento a= Ca + g, ou seja, a soluo do sistema linear Ax =b .
k-+oo

3.3.2 TESTES DE PARADA


O processo iterativo repetido at que o vetor x(k) esteja suficientemente prximo do vetor
x<k- 1).
Medimos a distncia entre x(k) e

x<k- l)

por d(k) = mx

I xi(k) - xi (k - 1) I .

I=s;;i=s;;o

Cap. 3

R.esoludo de sistemas lineares

Assim, dada uma preciso t, o vetor x(k) ser escolhido como


mada da soluo exata, se d(k) < t.

x,

155

soluo aproxi-

Da mesma maneira que no teste de parada dos mtodos iterativos para zeros de
funes , podemos efetuar aqui o teste do erro relativo:

Computacionalmente usamos tambm como teste de parada um nmero mximo


de iteraes.

3.3.3 MTODO nERATIVO DE GAUSS-JACOBI


A forma como o mtodo de Gauss-Jacobi transforma o sistema linear Ax = b em x = Cx + g
a seguinte:
Tomamos o sistema original:
allxl +

8 12~

+ + alnxn - bl

~lxl + ~ + + ~~ - b2

e supondo a .,. O, i = 1,... , n, isolamos o vetor x mediante a separao pela diagonal,


assim:

156

Clculo Numrico

Cap. 3

Desta forma, temos x

=Cx + g, onde

c-

g-

O mtodo de Gauss-Jacobi consiste em, dado x <0), aproximao inicial, obter


x< 1>... , x(k>... atravs da relao recursiva x(k+l) =Cx(k) + g:

Cap. 3

.,(k + I> = _1 (b - a :&:> - a xfkl -

"I

x<k + 1>
n

12 -1

13 J

" '.

Resoluo de sistemas lineares

- a x<kh
In n 1

11

= -a 1-

(b - a x<k> - a
n

nn

oi

~)

nT "'l

- ... - a

x(lc> ) .

n.n - 1 n - 1

Exemplo 10
Resolva o sistema linet:

0.7 )

pelo mtodo de Gauss-Jacobi com x<0> =

- 1.6
(

= 0.05.

0.6

O processo iterativo
x(k + 1) = - 1 (7 - 2~) - x(k)) = Ox(k) - - 2 ~(k) - - I x (k)
I
10
~
I
lO "1
lO 3

~ + I) = ~
x<k + I)

(-8 -

= _!_
10

x?->- xr>) = -; x~) + 0xr >- ; x~k)

(6 - 2x (k) - 3~(k))
I
"'2

= _l_
10

x fkl

_.1..
10

x fk>

+ -7

10

n,..(k)

v"3

+~

10 .

157

158

Clculo Numrico

Cap. 3

Na forma matricial x<k+l) = Cx(k) + g temos

c-

-2/10

-1/ 10

-115

-1/5

-115

-3/10

Assim (k

7/10
e g -

-8/5
6/10

= O) temos

X~l) = -0.2x&O)- 0.1~0) + 0.7--0.2 (-1.6)- 0.1 x 0.6 + 0.7 = 0.96

x~1 )

0.2x~0>

o.2~o) - 1.6 = - 0.2 x

o. 7

- 0.2 x 0.6 - 1.6 = -1.86

x~l) = - 0.2x~O) - 0.3x&0) + 0.6 ... - 0.2 x O.7 - 0.3 ( -1.6) + 0.6 ... 0.94

ou

x<1) = Cx(0) + g =

0.96]
-1.86 .
( 0.94

Calculando dp>, temos:

I x~l)

- x~0) I = 0.26

I ~l)

I ~l)

x~0) I

..

0.26

x~0) I = 0.34

d( l} r

0.34
.. 0.34 = 0.1828 >
mx I xfl) I
1.86
l~i~3

Cap. 3

Resoluo de sistem/lS lineares

159

Prosseguindo .as iteraes, temos:


para k

= 1:
x<2)

0.978 ]
o 12
-1.98 => d~2) - - - - 0.0606 > e
( 0.966
1. 98

e para k = 2:

.<,l _ (

-HE)

= dpl _ ~::;: _ 0.0163

<

Ento, a soluo x do sistema linear acima, com erro menor que 0.05, obtida pelo
mtodo de Gauss-Jacobi,

i - x<3) .

0.9994] .

-1.9888
0.9984

Neste exemplo tomamos

x(O) -

0.7 )
( bl/au
-1.6 ~/a22
( 0.6
b3/ a33

. No entanto, o valor de

x<0) arbitrrio, pois veremos mais adiante que a convergncia ou no de um mtodo


iterativo para a soluo de um sistema linear de equaes independente da aproximao
inicial escolhida.

UM CRITRIO DE CONVERG~NCIA
Daremos aqui um teorema que estabelece uma condio suficiente para a convergncia do
mtodo iterativo de Gauss-Jacobi.

I 60

Clculo Numrico

Cap. 3

TEOREMA 4: (Critrio das Unhas)


n

Seja o sistema linear Ax = b e seja~

= (L

I akj I )11 ~I. Se a

j=l
i ... k

mx

~ < 1, eo.to o

l < k .;; n

mtodo de Gauss-Jacobi gera uma seqllncia {x<k>} convergente para a soluo do sistema
dado, independentemente da escolha da aproximao inicial, x<0>.
A demonstrao deste teorema pode ser encontrada na referncia [30], Captulo 9.

Exemplo 11
Analisando a matriz A do sistema linear do Exemplo 10,

A =

<X 1

ento mx

lO
~

2
5
3

~ ) temos

10

3
= 2+1
=
= 0.3 < 1;
10
10
~

CX:z

= 1 +1
= 0.4 < 1;
5

= 0.5 < I donde, pelo critrio das linhas,

temo~

<X:3

= 2+3
= 0.5 < 1
10

garantia de convergncia

l ~ k ~3

para o mtodo de Gauss-Jacobi.

Exemplo 12
Para o sistema linear

x 1 + x2

3
o mtodo de Gauss-Jacobi gera uma seqncia
XI - 3 ~--3
_

convergente para a soluo exata x

= ( ~~ ) . (Verifique!) No

linhas no satisfeito, visto que cx 1 =

T = 1. Isto mostra que a condio do Teorema 4

apenas suficiente.

entanto, o critrio das

Cap. 3

Resol~o

de sistemas lineares

161

Exemplo 13
x1 + 3"2 + x3 = - 2
A matriz A do sistema linear 5x 1 + 2x2 + 2x3 = 3 no satisfaz o critrio das linhas
{
6"2 + 8x3 .. -6
3 + 1
pois a 1 ...
- 4 > 1. Contudo, se permutarmos a primeira equao com a segunda,
1
5x1 + 2x2 + 2x3 - 3

I
i i i)

temos o sistema linear

matriz (

x1 + 3~ +
6~

-2 que equivalente ao sistema original e a


+ 8x3 -6
x3

deste novo sistema satisfaz o critliiO das linhas.

Assim, conveniente aplicarmos o mtodo de Gauss-Jacobi a esta nova disposio do sistema, pois desta forma a convergncia est assegurada.
Concluindo, sempre que o critrio das linhas Do for satisfeito, devemos tentar
uma permutao de linhas e/ou colunas de forma a obtermos uma disposio para a qual a
matriz dos coeficientes satisfaa o critrio das linhas. No entanto, nem sempre possvel
obter tal disposio, como facilmente verificamos com o sistema linear do Exemplo 12.

3.3.4 MTODO ITERATIVO DE GAUSS-SEIDEL


Da mesma forma que no mtodo de Gauss-Jacobi, no mtodo de Gauss-Seidel o sistema
linear Ax = b escrito na forma equivalente x = Cx + g por separao da diagonal.
O processo iterativo consiste em, sendo x< 0> uma aproximao inicial, calcular
x(l), x(2>, ... , x(k>, .. . por:

162

Clculo Numrico

Cap. 3

x(k+ 1) - _l (b - a .,.(k+ 1) - a vk+ 1) a


x(k+ 1))
n
a
n
nl"'i
n2"'1
- n.n - 1 n - 1
nn

Portanto, no processo iterativo de Gauss-Seidel, no momento de se calcular


~k + l) usamos todos os valores x~k+ 1), . .. , ~~i 1 ) que j foram calculados e os valores

Xj{k)
+ 1 . . .,

(k)

restantes.

Exemplo 14
Resolva o sistema linear:

pelo mtodo de Gauss-Seidel com x<OJ - (

~)

O processo iterativo :
x~ + 1) = 1 -

o.zx&k>-

o.z~k)

x&k+ 1) - 1.5 - 0.75Xk+ 1) - 0.25~k)


x~k + 1) = O - O.Sx~k + 1) - 0.54< + 1) .

E -

5 x l(t-2

Cap. 3

Como x(OJ
(k

Resoluo de sistemas lineares

~[

= 0):
x\1) = 1 - O - O = 1
x~l ) = 1.5 - 0.75

x 1 - O = 0.75

=>

x <l )

=[

0.~5

) donde

--o.875
x~J)

1 ~1) -

I ~1)

= --o.5

x 1 - 0.5 x 0.75

40>I =

- x~O)

= --o.875

=> d(l) =

0.75

1
= 1 >
mx I x (l) I

1 ~i~ 3

I = 0.875 .

Assim, (k = 1) e

x\2)

=1-

42) =

0.2 X 0.75 + 0.2

1.5 - 0.75

0.875

1.025 - 0.25

= 1.025

(--Q.875) = 0.95

X~2) = - 0.5 X 1.025 - 0.5 X 0.95 = -0.9875

=> x< 2> =

x12) - x11>I =

I ~2)

1.025
0.95
[ -0.9875

0.20

x~l) I = 0.1125

J, donde

0 2
<2 > - -.:L ~ dr - mx I ~2) I - 1.025 1 ~i~3

o.1951

> e

163

164

Clculo Numrco

Cap. 3

Continuando as iteraes obtemos:

~:~~i~

l -0.9993

x (3) .. (

=> dp> ... 0.0409 < E.

Assim, a soluo x do sistema linear dado com erro menor que


Gauss~Seidel,

i =

x<3)

..

E,

pelo mtodo de

1.0075] .

0.9912
-0.9993

O esquema iterativo do mtodo de


cial da seguinte maneira:

Gauss~Seidel

pode ser escrito na forma matri-

Inicialmente escrevemos a matriz A, dos coeficientes, como A = L + D + R, onde:


L : matriz triangular inferior com diagonal nula;
D : matriz diagonal com dii

O, i = 1,..., n;

R : matriz triangular superior com diagonal nula.


O modo mais simples de se escrever A nesta forma

~1

o
o

an2

Cap. 3

R-

3z3

~n

o o o

Portanto, Ax
~

Resoluo de sistemas lineares

=b ~ (L + D + R)x =b ~ Dx =b -

x = n-1 b - o-1Lx -

Lx - Rx

165

o-1Rx.

No mtodo de Gauss-Seidel o vetor x(k+l) calculado por:


x(k+l)

o-1 b - n-1Lx(k+l) - o-1Rx<t>.

Agora, podemos ainda escrever


A = D(~ + I + R1) onde:

o
o

o
o

o
o

~1

~2

~3

a33

~1

an3

ann

ann

ann

a12

a13

alo

au

au

au

~n

~2

~1
~2

Ll

Rl -

x(k+l )

Cx(k)

+ g, considerando que

166

Clculo Numrico

ento A:x

=b .;;.
D(Ll + I + Rl)

Cap. 3

=b ~

(L1 + I + R1) x = n- 1 b
X=-

c;;.

Llx- Rlx + n-1 b e o mtodo de Gauss-Seidel

donde (I + L1) x<k+l) =- R1 x(k) + o-1b


ou x(k+l)

= -(I + L1)-1 R 1 x(k)


c

+ (I + L 1)-1

o-1b =Cx(lt) + g

INTERPRETAO GEOMTRICA NO CASO 2 x 2


Consideremos a aplicao geomtrica dos mtodos de Gauss-Jacobi e Gauss-Seidel ao
sistema linear:

Preparao:

Cap. 3

Resoluo de sistemas lineares

167

O esquema iterativo para Gauss-Jacobi :


x~k +l)

=3 _

~k)

Teremos:
x <O)

=(

O ) . x <t) - ( 3 ) . x <Z) ( 2 ) x (3} - ( 1 ) . x (4) = ( 4/3 )


o '
1 '
2 '
5/3 '
4/3

Figura 3.10

O esquema iterativo para Gauss-Seidel :

168

Clculo Numrico

Cap. 3

Para melhor visualizao grfica, marcaremos no grfico os pontos (x\k), x&k>);


(x\k + 1), x~k)); (x~k + 1), x~k + 1)), ... para k = O, 1, 2,...
0

x~ )
[

x~>
1

x )
[ ~1)

x~ )
2

[ x&2)

l l ~1) l x~1) l
l [3] [x~ ) l [1l [ l (1l
l[ l [ l[ l[
=[

= (

=:> [ x.

x~>

3]

=(

=:> [

~l)

=:>

4/3

=:>

~2)

4x& )

2>

=:>

..

4/3

513] [ x~3)

x\3)

x&1)

3]

4/3

=:>

~)

5/3]

'"'

14/9

' . ..

Observamos que os pontos (x~ + 1>, ~k)) satisfazem a primeira equao e os


pontos (x~k + 1), x~k + 1)) satisfazem a segunda equao.

Figura 3.11

Cap. 3

Resoluo de sistemas lineares

169

Embora a ordem das equaes num sistema linear no mude a soluo exata, as
seqncias geradas pelos mtodos de Gauss-Seidel e de Gauss-Jacobi dependem fundamen talmente da disposio das equaes.

fcil verificar que a seqncia x<0>, x<1), .. . , x(k), ... est convergindo para a soluo exata do sistema linear que x* = (1.5, 1.5), tanto no mtodo de Gauss-Jacobi quanto
no de Gauss-Seidel.
No entanto, o mtodo de Gauss-Seidel gera uma seqncia divergente para este
mesmo sistema escrito da seguinte forma:

para a qual o esquema iterativo ser:


x~k+ 1) - - 3 + 34k)
{ x~k + 1) -

Para x(O)

x~ )

=(0, O)T teremos:

] - [

( x~0)

41)
[

41)

3 - x~ + 1).

=(

=> [

-3]
6

x~l)

] - (

-3 ]

x&1>
=> [

x\2) ] - [

41)

=> [

x~l)

]- (

~1 )

15]
6

=> [

x\2) ]- [
x~)

-3]
6

15] '...
-12

170

Clculo Numrico

Cap. 3

Graficamente, comprovamos a divergncia de x*

= (1.5, l.S)T:

Figura 3.12

ESTUDO DA CONVERGNCIA DO MTODO DE GAUSS-SEIDEL


Como em todo processo iterativo, precisamos de critrios que nos forneam garantia de
convergncia.
Para o mtodo de Gauss-Seidel analisaremos os seguintes critrios, que estabelecem condies suficientes de convergncia: o critrio de Sassenfeld e o critrio das linhas.

CRITRIO DE SASSENFELD

Seja x -

a soluo exata do sistema Ax = b e seja:

Cap. 3

Resoluo de sistemas lineares

171

xr-)
x (k) =

a k-sima aproximao de x*.

xJ:>
Queremos uma condio que nos garanta que x<k) ~ x* quando k ~
que lim efk> = O para i = 1, ... , n onde efk) = xfk) -

x;.

k --.oo

oo,

ou seja,

Agora,

(4)

Chamemos de E(k) = mx {I efk> I } e sejam


l li! i .,; n

~1

=L

I a 1j I I I a 11 I e para i

= 2, 3, ... , n

j=2

i- 1
A.
....1

= [~

""

j =l

~- I a.. I + ~ I a.. I] I I a .. I
j

lj

""

j = + l

lj

u .

172

Clculo Numrico

Cap. 3

Note que a condio x(k) ... x* equivale a E(k)- O quando k - oo.


Mostremos por induo que E(k+l) ~ ~E(k) onde~

= mx

~~

t.,.i.,.n

Para i

= 1, temos

=~,

Ento, I elk+ ll) I ~ ~ 1 mx

{I efk) I}

~ ~ mx
l.,.j.,.n

l.,.j~n

Suponhamos por induo que:

I ef~~ l) I ~ 13i _1

mx { I eJk) I}

i ~n

l~j.,.n

e mostraremos que I efk + l) I ~ ~~ mx { I eJk) I } .


1 ~j ~ n

Mas,

{I eJk) I} .

Cap. 3

Resoluo de sistemas lineares

173

e usando a hiptese de induo:

ou seja,

I efk + l) I ~

~i mx { I eJk) ll

1,

t..::j..::n

Portanto,
mx {lefk+l) l} E(k+l) ~ ~ mx {le?)ll
t..::i..::n

~E(k).

(5)

l..::j..::n

Assim, basta que~< 1 para que tenhamos E(k+l) < E(k)_Alm disso, de (5) temos
E(k) ~ ~E(k-1) ~ ~(~E(k-2)) ~ ... ~ ~kE(O) e desde que ~ seja menor que 1, ento,
E(k) -+ O quando k -+ oo e, o que importante, independentemente da aproximao inicial
escolhida.
Com isto estabelecemos o critrio de Sassenfeld:

SeJam ~1 ...

Seja~=
l

I a12l

mx
.

~J ~ n

+ I at3 I + + I atn I

I au I

{~-}.
J

Se ~ < 1, ento o mtodo de Gauss-Seidel gera uma seqncia convergente


qualquer que seja x(O).
Alm disto, quanto menor for

~.

mais rpida ser a convergncia.

174

Clculo Numrico

Cap. 3

Exemplo 15
a) Seja o sistema linear

x1 + 0.5"2 - 0.1~ + 0.1x 4 ... 0.2


x2 - 0.2x3 - 0.1x4 = -2.6
0.2x1 +
-0.1x1 - 0.2"2 +
x3 + 0.2x4 - 1.0
0.1x1 + 0.3"2 + 0.2~ +
x 4 = -2.5

Para este sistema linear com esta disposio de linhas e colunas, temos
~1 =

[0.5 + 0.1 + 0.1]/1 = 0.7

=[(0.2)(0.7) + 0.2 + 0.1]/1 =0.44


~3 = [(0.1)(0.7) + (0.2)(0.44) + 0.2]/1 =0.358
~2

~4

= [(0.1)(0.7) + (0.3)(0.44) + (0.2)(0.358)]/1= 0.2736.

Portanto, ~ = mx {~i} = 0.7 < 1 e ento temos a garantia de que o mtodo de


l=s;j=s;n

Gauss-Seidel vai gerar uma seqncia convergente.


b) Seja agora o sistema linear

com esta disposio de linhas e colunas, temos


~1

=(1 + 3)/2 =2 > 1!!

Trocando a 1!l equao pela 3il, temos

Cap. 3

donde

13 1 =(O+ 3)!1

Resoluo de sistmas lineares

175

= 3 >> 1!!

A partir desta disposio, trocando a 111 coluna pela 311, temos

Desta forma,

131 = 1/3
132 = [(1)(1/3) + 0]/1 = 1/3
133 =[(3)(1!3) + (1)(113)]/2 = 2/3.
Portanto,

13

= mx

{l3i}

= 2/3

< 1; ento vale o critrio de Sassenfeld e temos

l ,;;; j E;3

garantia de convergncia.
c)

Considerando agora o exemplo usado na interpretao geomtrica do mtodo


de Gauss-Seidel, verificamos que o critrio de Sassenfeld apenas suficiente,
pois para

vimos que o mtodo de Gauss-Seidel gera uma seqncia convergente e, no


entanto,

131 1/1 1 e
132 (1 X 1]/3 1J3
e, portanto, o critrio de Sassenfeld no satisfeito.

176

Clculo Numrico

Cap. 3

CRITERIO DAS LINHAS


O critrio das linhas estudado no mtodo de Gauss-Jacobi pode ser aplicado no estudo da
convergncia do mtodo de Gauss-Seidel.
O critrio das linhas diz que se a .. mx {ak} < 1, onde
l~k~n

ak -

<~ I ~j I) t i akk I
j -1
j .. k

ento o mtodo de Gauss-Seidel gera uma seqncia convergente.


A prova da convergncia consiste em verificar que se o critrio das linhas for
satisfeito, automaticamente o critrio de Sassenfeld satisfeito:

131 =(I a12l + I a131 +... + lllw I ) /I alll = ai < 1


e, para i = 2, ... , k-1, supor por induo que

~i ~ ai

< 1.

Ento,

+ I ak:,k-11 + I ak, k+ll + ... + I aknl )lauJ

=ak.

.
A,:::
Asstm,
Pi
-- ai, 1-1
, ... , n.

Ento, ai < 1 implica que

~i

< 1, i

=1,..., n, ou seja, o critrio de Sassenfeld

satisfeito.
Observamos, no entanto, que o critrio de Sassenfeld pode ser satisfeito mesmo
que o critrio das linhas no o seja.

Exemplo 16
Seja o sistema linear:

Cap. 3

Resoluo de sistemas lineares

177

Temos

al - ~1 - 3 < 1

~ = ~ =1; ento o critrio das linhas no . satisfeito.


No entanto,
1

~- -1---'- - 3 <

e
1
1
3
3
= --=2--=-

f33

- + -

=3

< 1.

Portanto, o critrio de Sassenfeld satisfeito.

3.4 COMPARAO ENTRE OS MTODOS


a) Convergncia
Conforme vimos, os mtodos diretos so processos. finitos e, portanto, teoricamente, obtm a soluo de qualquer sistema no singular de equaes. J os mtodos
iterativos tm convergncia assegurada apenas sob determinadas condies.
b) Esparsidade da matriz A
lt;lmeros sistemas lineares, que surgem de problemas prticos como discretizao
de equaes diferenciais por mtodo dos elementos finitos ou mtodo de diferenas finitas
e descrio de redes de potncia, so de grande porte com matriz dos coeficientes esparsa.
Para estes casos, so adotados esquemas especiais para armazenamento da matriz A, que
tiram proveito de sua esparsidade.

178

Clculo Numrico

Cap. 3

Os mtodos diretos quando aplicados a sistemas esparsos provocam preenchimentos na matriz A, isto , durante o processo de eliminao podero surgir elementos no
nulos em posies aij que originalmente eram nulas. Para exemplificar, considere a matriz
A representada simbolicamente, sendo x a representao de um elemento no nulo:
X

o
o X
o o
X

o o X
X
o o

o o

o o o

o o
o
X

o o o

o
o

o o
X
o
X

Aps a 11 etapa do processo de eliminao teremos:


X
X

X
X

o o

o
X

o X
o o o

o
o

onde representa o elemento


no nulo que preencheu uma
posio originalmente nula.

Portanto, se a matriz A for esparsa e de grande porte, uma desvantagem dos


mtodos diretos para a resoluo do sistema linear Ax = b o preenchimento na matriz,
exigindo tcnicas especiais para escolha do piv para reduzir este preenchimento. Pode-se
conseguir boas implementaes para a fatorao LU, empregando-se t&_'nicas de esparsidade, contudo existem situaes nas quais pode ser impossvel aplicar um mtodo direto, da
a alternativa so os mtodos iterativos que tm como principal vantagem no alterar a
estrutura da matriz A dos coeficientes.

c) Erros de arredondamento
Vimos que os mtodo diretos apresentam srios problemas com erros de arredondamento. Uma forma de amenizar esses problemas adotar tcnicas de pivoteamento. Os
mtodos iterativos tm menos erros de arredondamento, visto que a convergncia, uma vez

Cap. 3

Resoluo de sistemas lineares

179

assegurada, independe da aproximao inicial. Desta forma, somente os erros cometidos na


ltima iterao afetam a soluo, pois os erros cometidos nas iteraes anteriores no
levaro divergncia do processo nem convergncia a um outro vetor que no a soluo.

3.5 EXEMPLOS FINAIS


Exemplo 17
Retomando o Exemplo 1 da Introduo, com a = sen(45) = Vf/ 2, resolvemos o sistema
linear resultante pelo mtodo da Eliminao de Gauss com pivoteamento parcial. Obtivemos o vetor soluo:
(-29.247105, 19, 10, - 28, 13.853892, 19, o, -28, 9.235928, 22,
- 9.235928, 22, 16, -24.629141, 16)T.

o, - 16,

Permutando algumas linhas de forma que os elementos da diagonal principal


fossem no nulos, conseguimos o esquema iterativo do mtodo de Gauss-Seidel. No entanto, a seqncia gerada divergiu da soluo.

Exemplo 18
Seja o sistema linear
2
4
3
9
2
1
4

1
2
4
3

6
6
1

3
5
6

o
9
1

7
2
4
5
7
8
9

3
2
1

o
o

-7

-3
-2
1

o
-5
3
4
6
7
8

-1

o
-2
5
7
9
3
8
-7
3

7
4

1
3 3
2 1 9 -3
6 -5 -3 4
1 o 1 6
9 o o 5
7 -4
1 3
3 3 o 2
6 2 --6 1
-5 o -6 o

xl
x2
x3

x4
xs
x6
x7

Xg

x9

xlO

86
45
52.5
108
66.5
90.5
139
61
-43.5
31

180

Clculo Numrieo

Cap. 3

A soluo obtida pelo mtodo da Eliminao de Gauss com pivoteamento parcial


foi:

x = (3, -4.5, 7, 8, 3.5, 2, 4, -3.5, 2, 1.5)T.


Tambm para este exemplo, trocando apenas a nona equao com a dcima, no
conseguimos uma seqncia convergente para o mtodo de Gauss-Seidel.

Exemplo 19
Seja o sis_tema linear

4
-1

o
-1

o
o
o
o
o
o

-1

4 -1
-1 4

o o
-1 o
o -1
o o
o o
o o
o o

o o
o -1 o
o o -1
4 -1
o

-1

-1

o
o
o
o

o
o
o
o
o

4 -1 -1
-1 4 o -1
-1 o 4 -1
o -1 -1 4
o o o -1

o
o
o
o
o o o o o

o
o
o
o
o
o
o

o
o
o
o
o
o
o
o

-1
4 -1
-1 4

x3
x4

- 110
-30
-40
-110

xs

x6

-15
-90
-25
-55

xlO

-65

xl
x2

x7
Xg

Resolvendo pelo mtodo da Eliminao de Gauss, com estratgia de pivoteamento


parcial, obtivemos o seguinte vetor soluo:

x= (-48.646412, -35.4947917, -25.6157408, -49.0908565, -37.7170139,


-26.9681713, -39.3142361, -29.5399306. -26.8773148, -22.9693287?.
Aplicando o mtodo de Gauss-Seidel com o esquema iterativo montado a partir da
disposio original das equaes, com x<0) =(20, ..., 20)T e e - 10- 7, obtivemos o mesmo
vetor x aps 2~ iteraes.

Cap. 3

Resoluo de sistemas lineares

181

EXERCiCIOS
1.

Escreva um algoritmo para a resoluo de um sistema linear triangular inferior.

2.

Verifique que o "custo" nmero de operaes efetuadas para resolver um sistema


linear triangular inferior o mesmo que para multiplicar uma matriz triangular por um
vetor.

3.

Verifique que o nmero de operaes necessrias no mtodo da Eliminao de Gauss,


2n3 + 2
n2
.
sem p1voteameoto
parc1'al, 3

. gu1 anzaao
. - d a matriZ
. ~
- 67n na f ase de tnan
A

e n2 , na fase da resoluo do sistema triangular superior. Esto sendo contadas as


operaes de diviso, multiplicao e soma.
n-1

(Lembramos que

0 20
k2 - (o - 1) ~ - 1) )

k- 1
4.

Seja Ax

= b um sistema o x o com matriz tridiagonal (aij =O se li- j l > 1).

a) Escreva um algoritmo para resolver Ax = b atravs da Eliminao de Gauss com


estratgia de pivoteameoto parcial de modo que a estrutura especial da matriz A
seja explorada.
b) Compare o "custo" de resolv-lo por Eliminao de Gauss via algoritmo tradicional, com o de resolv-lo pelo algoritmo do item (a).
c) Teste seus resultados com o sistema:
- 1
2x1 - x2
-xi-1 + 2Xj - "i+l - O,
{
- Xn-1 + 2xu O

2~

(o - 1)

para o= 10.

5.

Resolva o sistema linear abaixo utilizando o mtodo da Eliminao de Gauss:


2x1 + 2~ +

x1

x3 +

~ + 2~

x4 -

- x4 - 1
3x1 + 2~ - 3~ - 2x4 - 4
4x1 + 3~ + 2x3 + x4 12
-

182

6.

Clculo Numrico

Cap. 3

Analise os sistemas lineares abaixo com relao ao nmero de solues, usando o


mtodo da Eliminao de Gauss (trabalhe com trs casas decimais):

a)

3x1
-6x1
9x1
6x1

- 2x2 + 5x3 + x4 = 7
+ 4x 2 - 8x3 + x4 - -9
- 6x 2 + 19x3 +
x4 = 23
- 4x 2 - 6x3 + 15x4 = 11

b) { 0.252x.1 + 0.36x2 + 0.12x.3 = 7


0.112x1 + 0.16x2 + 0.24x3 = 8
0.147x1 + 0.2lx2 + 0.25x3 = 9

7.

O clculo do determinante de matrizes quadradas pode ser feito usando o mtodo da


Eliminao de Gauss.

a) Deduza o mtodo.
b) Aplique-o no clculo do determinante das matrizes dos sistemas dos Exerccios

5 e 6.

c) Inclua o clculo do determinante da matriz A do sistema linear Ax =b no algoritmo


do mtodo da Eliminao de Gauss.
8.

Demonstre que, se no incio da etapa k do mtodo da Eliminao de Gauss tivermos


a~-l) - a~~~ik - .. . - ~tt) - O, ento det(A) = O e conseqentemente A no
inversvel. (af[-1) o elemento da posio ij no incio da etapa k.)

9.

Podemos encontrar a fatorao LU de A diretamente, usando simplesmente a definio


de produto de matrizes. Esquemas deste tipo so conhecidos como esquemas compactos, e o equivalente fatorao A = LU com L triangular inferior com diagonal unitria
e U triangular superior chamado de reduo de Doolittle.
Supondo que a fatorao LU de A seja possvel, de uma forma nica,

a) multiplique a primeira linha de L pela j-sima coluna de U e iguale a a 1j. Verifique


que desta forma obtm-se o elemento u1j;
b) repita o item (a), multiplicando agora a i-sima linha de L pela primeira coluna

de U, e igualando a ai 1 ser possvel obter lil;

Cap. 3

Resoluo de sistemas lineares

183

c) use o mesmo raciocnio de (a) e (b) para deduzir que, se as (k- 1) primeiras linhas
de U e colunas de L j foram determinadas, ento
k-1
ukj

= akj-

lkm umj ,

j - k, (k + 1), ... , o

m- 1

= (k + 1),... , n;

) explique por que, se A no singular, ento U tambm o ser, donde ukk - O,


k = 1, ..., n;
e) escreva um algoritmo para a fatorao LU de A usando a reduo de Doolittle;
f)

teste seu algoritmo, fatorando A e ento resolvendo o sistema abaixo, sendo

A-

1
1.4
-2

3.5
2. 7
1

7.5
12
28

5.5
3

11

e b-

13
21.6
30

10. Calcule a fatorao LU de A, se possvel:

A (

i -1 ]

11. a) Mostre que resolver AX = B, onde A matriz n x n, X e B so matrizes n x m,


o mesmo que resolver m sistemas do tipo Ax = b, onde A matriz n x n, x e b,
vetores o x 1.
b) Usando o item (a), verifique que A-1 pode ser obtida atravs de resoluo de n
sistemas lineares.

c) Entre o mtodo da Eliminao de Gauss e a fatorao LU, qual o mais indicado


para o clculo de A - 1?

184

Clculo Numrico

Cap, 3

) Aplique o mtodo escolhido no item (c) para obter a inversa da matriz

o o
o -1 o
o -1
A -1o o o o
4 -1
o
o -1 o -1 4 -1
o o -1 o -1 4
4

-1

-1
4
-1

-1

-1
4

12. Mostre que, se A matriz no singular e A= LU , ento A= LDU, onde D matriz


diagonal e U matriz triangular superior com diagonal unitria.
13. Se A= LDU, como fica a resoluo de Ax = b?
14. Escreva um algoritmo para o mtodo da Eliminao de Gauss, usando estratgia de
pivoteamento parcial.

15. Seja resolver o sistema linear Ax = b pelo mtodo da Eliminao de Gauss, com
estratgia de pivoteamento parcial:
se M = ~~

{I aijl } 1 ~ i, j

~ n, prove que, aps o primeiro estgio, I

afl>I ~

2M.

l,j

16. a) Resolva os itens (b) e (c) do Exerccio 11, considerando a estratgia de pivoteamento parcial.
b) Use os resultados de (a) para encontrar a inversa da matriz

17. Trabalhando com arredondamento para dois dgitos significativos em todas as operaes,
resolva o sistema linear abaixo pelo mtodo da Eliminao de Gauss, sem e com
pivoteamento parcial. Discuta seus resultados:

16x1 + 5x2 = 21
3x1 + 2.5x2 - 5.5

Refaa o exerccio usando truncamento para dois dgitos significativos.


18. Trabalhando com quatro dgitos signifu:ativos, resolva os sistemas lineares a seguir (ou
detecte que no h soluo). Use pivoteamento parcial. Estabelea um critrio para
decidir se nmeros pequenos em lugares importantes so considerados como zero ou
no. Confira a soluo obtida:

Cap. 3

a)

1.12a +

j 1.12a +

185

6b - 1.3

2.21a + 12b

b)

Resoluo de sistef1Uls lineares

= 2.6

6b - 1.3

2.24a + 12b

=3.

19. Justifique se for verdadeira ou d contra-exemplo se for falsa a afirmao:


"Dada uma matriz A, n x n, sua fatorao LU, obtida com estratgia de pivoteamento
parcial, tal que todos os elementos da matriz L tm mdulo menor ou igual a 1".
20. O vetor p que armazena a informao sobre as permutaes realizadas durante a fatorao LU pode ser construdo como p(k) =i, se na etapa k a linha i da matriz A(k-l) for
escolhida como a linha pivotal. Desta forma, o vetor ter dimenso (n - 1) x 1. Para o
Exemplo 7, teramos p = (3, 3)T; a dimenso de p (n 7' 1) x 1, uma vez que so
realizados (n - 1) etapas. Esta forma para o vetor p mais eficiente em implementaes
computacionais porque na fase da resoluo dos sistemas triangulares o vetor Pb pode
ser armazenado sobre o vetor b original.
Reescreva o algoritmo para a resoluo de Ax = b atravs da fatorao LU com
estratgia de pivoteamento parcial, usando o vetor p conforme descrito acima.
21. Prove que se a matriz m x n, m ;;;. n com posto completo, ento a matriz C=
simtrica, definida positiva.

22. Em cada caso:

a) verifique se o critrio de Sassenfeld satisfeito;

b) resolva por Gauss-Seidel, se possvel:

A [

A=

10

10

~n u~ 1
b-

-1

-1

4
-1

-1
4
-1

o
o

-1

b-

1
1
1

aTa

186

Clculo Numrico

Cap. 3

23. a) Usando o critrio de Sassenfeld, verifique para que valores positivos de k se tem
garantia de que o mtodo de Gauss-Seidel vai gerar uma seqncia convergente para a
soluo do sistema:

b) Escolha o menor valor inteiro e positivo para lc e faa duas iteraes do mtodo de
Gauss- Seidel para o sistema obtido.
c)

Comente o erro cometido no item (b).

24. a) Considere o sistema linear

Verifique, usando eliminao gaussiana, que este sistema no tem soluo. Qual ser o
comportamento do mtodo de Gauss-Seidel?
b)

Atravs de um sistema 2 x 2, d uma interpretao geomtrica do que ocorre com


Gauss-Seidel quando o sistema no tem soluo e quando existem infinitas solues.

25. a) Aplique analtica e graficamente os mtodos de Gauss-Jacobi e Gauss-Seidel no sistema:

b) Repita o item (a) para o sistema obtido permutando as equaes.


c)

Analise seus resultados.

Cap. 3

Resoluo de sistemas lineares

187

26. Verifique que, se lim x(k.) a , onde xG+l) =Cx) + g, ento a soluo de x = Cx + g.
k --. oo

27. Prove que, no mtodo de Gauss-Seidel, vale a relao:

e{nk+l) ...

:1 (lll
-un

-n

e(k + 1) + an2 efk+l) + ... + a


1

e(k+l))

n(n-1) n-1

28. a) Um possvel teste de parada para um mtodo iterativo testar seAx(k)- b est prximo
de zero, quando ento x(k) ser escolhido como aproximao da soluo x do
sistema. Como realizar computacionalmente este teste?
b) Compare o "custo" computacional de usar o teste acima com o "custo" do teste
(x(k+l) - x(k)) estar prximo de zero.

29. Considere o sistema linear cuja matriz dos coeficientes a matriz esparsa
1
2

o
o 2
4 o
o o

-1

o
o
o

o
o
16
o

-1

o
o
o
o

e b-

2
2
2
20
4

a). Ache a soluo por inspeo.


b) Faa mudanas de linhas na matriz original para facilitar a aplicao do mtodo da

Eliminao de Gauss. O que voc pode concluir, de uma maneira geral?


c) Aplique o mtodo de Gauss-Seidel ao sistema. Comente seu desempenho.

d) Faa uma comparao da utilizao de mtodos diretos e iterativos na resoluo de


sistemas lineares esparsos.

188

Clculo Numrico

Cap. 3

30. Ao resolver um sistema linear Ax = b por um mtodo direto, vrios problemas podem
implicar a obteno de uma soluo, x0, apenas aproximada, p ara x. Chamamos
r0 = Axo - b o resduo associado a x0. Note que r0 =Axo - b = Axo - AX =A(Xo -i) = Az.
Se Az = r0 fosse resolvido sem erro, ento x = Xo - z seria a soluo do sistema: este
no o caso, mas esta observao pode ser usada como base para um esquema iterativo
para "refinamento" de solues aproximadas.

razovel supormos que x 1 = x0 (Z, soluo aproximada de Az = ro) seja uma


"soluo" de Ax =b, melhor do que Xo Com x1 construmos um novo resduo r1 = Ax1 - b
e continuamos o processo. Na realidade, podemos continu-lo tantas vezes quanto
quisermos, o que nos fornece o seguinte
Algoritmo: (Refinamento Iterativo)
Seja r uma soluo (aproximada) para Ax = b, obtida por algum mtodo direto, E> Oe
itmax o nmero mximo de iteraes permitido.
Para i

= 1, 2, ..., itmax

r=Ax-b
z : soluo de Az = r
X=X-Z

se mx I zi I / mx I xi I <
l~i~n

E,

fim. A soluo x. Se i > itmax, envie mensagem de

l~i~n

no convergncia em itrnax iteraes.

a) Justifique por que devemos usar fatorao LU neste caso para resolver os sistemas
envolvidos.
b) Neste caso, no devemos sobrepor L e U em A. Justifique.

31. Para cada um dos sistemas lineares a seguir, analise a existncia ou no de soluo,
bem como unicidade de soluo, no caso de haver existncia.
a) 3x + 2y

=7

b) { 4m - 2k
Sm + k

= 8
= 20

Cap. 3

Resoluo de sistemas lineares

189

d) 6x + 4y - 3z + w = 10

fl

2xg)

y + 3z -

5y + Z
4x - 11y + 5z

X -

3x - 2y + z - 8
X - 3y + 4z - 6
9x + 4y - 5z = 11

8
h)

-1

3y + Z - 1
6x - 18y + 4z - 2
-X + 3y - Z 4

X-

i)

k)

j)

4a +
-a3a +
-a+
2a +

5b +
b4b +
b +
5b +

3y + Z = 1
6x - 18y + 4z = 2
7x - 21y + 5z - 3
X -

6u - 3v = 6
3u - 1.5v = 3
v ... 8
2u8u - 4v - 1.7

1
2
6c= 3
7c - -11
13c - -8
7c c -

32. Invente um sistema linear com 6 equaes e 4 variveis sem soluo, outro com
soluo nica e outro com infinitas solues. Justifique cada caso.
33. Resolva os sistemas lineares abaixo usando a fatorao de Cholesky:

a)

16x1
4x1
8x1
4x1

4x2
+ 10x2
+ 8x2
+ 4x2
+

+
+
+
+

8x3
8x3
12x3
10x3

+
+
+
+

4x4
4x4
10x4
12x4

- 32

26
- 38
- 30
-

b)

20x1 + 7-xz + 9x3 - 16


7x1 + 30x2 + 8x3 - 38
9x1 + 8x2 + 3X3 38

190

Clculo Numrico

34. Seja A

=( ~

Cap. 3

1~ )

a) obtenha o fator de Cholesky de A;


b)

encontre 3 outras matrizes triangulares inferiores R, tais que A =RRT.

35. Prove que se A: n x n simtrica definida positiva ento A-l existe e simtrica definida
positiva.
36. Dizemos que A: n
I i - j I> q .

n uma matriz banda com amplitude q se aij = O quando

Escreva um algoritmo para obter a fatorao de Cholesky de uma matriz banda q,


simtrica, defmida positiva, tirando proveito de sua estrutura.

PROJETO
a)

Compare as solues dos sistemas lineares


y

X{

X -

=1

1.00001 y = 0

X-

X -

y=l
0.99999 y = 0

Fatos como este ocorrem quando a matriz A do sistema est prxima de uma matriz
singular e ento o sistema mal condicionado.
Dizemos que um sistema linear bem condicionado se pequenas mudanas nos coeficientes e/ou nos termos independentes acarretarem pequenas mudanas na soluo do
sistema. Caso contrrio, o sistema dito mal condicionado.
Embora saibamos que uma matriz A pertence ao conjunto das matrizes no inversveis
se, e somente se, det(A) = O, o fato de uma matriz A ter det(A) "" O no implica
necessariamente que o sistema linear que tem A por matriz de coeficientes seja malcondicionado.
O nmero de condio de A, cond(A) = 11 A 11 11 A - 111, onde 11 . li uma norma
de matrizes [14], uma medida precisa do bom ou mau condic ionamento do

sistema que
1
coneXA)

.
= mm

tem

A por matriz

{li A11 A- 11B 11

tais que

de
B

coeficientes,

pois demonstra-se

_ .
I}
nao mvers ve .

que

Cap. 3

b)

Resoluo de sistemas lineares

191

As matrizes de Hilbert, H 0 , onde


~ .j -

1
i +j - 1 '

1 :s; i j :s; n so exemplos clssicos de matrizes mal condi-

'

cionadas.
(b.l)- Use pacotes computacionais, que estimam ou calculam cond(A), para verificar
que quanto maior for n. mais mal condicionada H 0 .
(b.2)- Resolva os sistemas~= b 0 , n = 3, 4, 5, ... , 10, onde b 0 o vetor cuja i-sirna
componente
o

.2,
J=l
(b.3) -

1
i

+j -

Desta forma a soluo exata ser: x* = (l l ... 1)T.

Analise seus resultados.

CAPTULO
MAJOlON
Books

rn

INTRODUO RESOLUO DE
SlSTEMAS NO LINEARES

4. 1 INTRODUO
No processo de resoluo de um problema prtico, freqente a necessidade de se obter a
soluo de um sistema de equaes no lineares.
Dada uma funo no linear F: D C R 0
encontrar as solues para:

Rn, F

= (fp

..., fn?' o objetivo

F(x) =O
ou, equivalentemente:
f 1 (x1 , x2 , . . . , xn) ... O
f 2 (x1 , ~ , . . . , ~)

=O
(1)

192

Cap. 4

l11troduo d resoluo de sistemas no lineares

193

Exemplo 1

Figura 4.1

Este sistema no linear admite 4 solues, que so os pontos onde as curvas


X~
x! + x~ - 2 e xf - 9 - 1 se interceptam.

Exemplo 2
! 1 (x 1 , "2) - x~ - x2 - 0.2 - O
{ f (x , "2) - ~ - x + 1 - O
2 1
1

194

Clculo Numrico

Cap. 4

Figura 4.2

xr -

Este sistema no tem soluo, ou seja, no existem pontos onde as curvas


~ = 0.2 e
x l = - 1 se interceptem.

xi -

Usamos a seguinte notao:


xl

f 1(x)

x.z

f 2(x)
e

X=

xn

F(x) =

(2)

f 0 (x)

Cada funo fi(x) uma funo no linear em x, fi: R 0 -+


F(x) uma funo no linear em x, F: R " ----? R 0
No caso de sistemas lineares, F(x)

= Ax -

R. i= 1,... , n, e portanto

b, onde A E R 0 x 0

Estamos supondo que F (x) est definida num conjunto aberto O c R n e que tem
derivadas contnuas nesse conjunto. Ainda mais, supomos que existe pelo menos um ponto
x* E O, tal que F(x*) = O.

Cop. 4

Introduo re.solu4o de sistemas no lineares

195

O vetor das derivadas parciais da funo fi (xp x2 , ... , x0 ) denominado vetor


gradiente de fi(x) e ser denotado por Vfi(x), i = 1, ... , n:
afi(x)

Vf.(x) (

J~(x)

c)xl

~(x)
___;;__
cJx 0

l
T

(3)

A matriz das derivadas parciais de F(x) chamada matriz Jacobiana e ser denotada por J(x):

Vf (x)T
1

v;(x)T

J(x) Vf0 (x)T

Jf1(x)

af1 (x)

Jf1(x)

axl
a;(x)

~
a;(x)

Jxo
a;(x)

Jxt

a~

axn

(4)

au(x)

au(x)

au(x)

ax.

axo

Exemplo 3
Para o sistema no linear

F(x) -

xi 2..- 3x1 ~ + 1 -

3x 1 ~ -

3
X2O

a matriz Jacobiana correspondente ser:

J(x) -

3xf- 3~
(

6x 1 ~

196

C/c,ulo Numrico

Cap. 4

Exemplo 4 (Tridlagonal de Broyden (24))

F(x)

f 1(x) = -2xr + 3x 1 - 2~ + 1
fi(x)
-2xf + 3xi - xi-l - 2~+l

f0

=
(x) = -2~

+ 3~ -

+ I,

i -Et (n - 1)

x_o- 1

e a matriz Jacobiana correspondente :

J(x)

-4x 1 + 3

-2

- l

-4x2 + 3

-2

o
o

o
o

-1

-4x0 + 3

Os mtodos para resoluo de sistemas no lineares so iterativos, isto , a partir de


um ponto inicial x<O>, geram uma seqUocia {x(k)} de vetores e, na situao de convergncia:

onde x * uma das solues do sistema no linear.


Em qualquer mtodo iterativo, preciso estabelecer critrios de parada para se aceitar

um ponto x<k) como aproximao para a soluo exata x* ou para se detectar a divergncia do
processo.

Uma vez que na soluo exata x* temos F(x*) =O, um critrio de parada consiste em
verificar se todas as componentes de F(x<k~ tem mdulo pequeno.
Como F(x(k~ um vetor do R 0 , verificamos se 11 F (xk) 11 <E onde 11 . 11 uma norma
de vetores [ 14].

Cap. 4

lntroduiio resoluo de sistemas no lineares

197

Em testes computacionais, comum usarmos a norma infinito:


para v E IR 0 ,
11 v lloo -

mx I vd

1,.; i

:5 D

Outro critrio de parada verificar se 11 x(k+l)- x(k) 11 est prximo de zero, isto
, x(k+l) escolhido como aproximao para x se, por exemplo:
11 x<k + 1) -

xOc) lloo <

E.

Para se detectar a divergncia e interromper o processo de clculos, usamos o


teste com um nmero mximo de iteraes. Pode-se tambm interromper o processo se,
para algum k, 11 F(x<i~ 11 for maior que uma tolerncia, por exemplo, se 11 F("(k)) llco > 1020.

4.2. METODO DE NEWTON


O mtodo mais amplamente estudado e conhecido para resolver sistemas de equao no
lineares o mtodo de Newton.
No caso de uma equao no linear a uma varivel, vimos no Captulo 2 que,
geometricamente, o mtodo de Newton consiste em se tomar um m.o delo local linear da
funo f(x) em tomo xk, e este modelo a reta tangente funo em xk.
Ampliando a motivao de se construir um modelo local linear para o caso de um
sistema de equaes no lineares, teremos: conhecida a aproximao x(lc) E D, para
qualquer x E D, existe ci E D, tal que:

(5)
Aproximando V~(<i) por V~(xOc~, i= 1, ..., n temos um modelo local linear para
fi(x) em tomo de ~):

(6)
E , portanto, o modelo local linear para F(x) em torno de x(k) fica:
(7)

198

Clculo Nwnrico

Cap. 4

A nova aproximao x(k+l) ser o zero do modelo local linear ~(x).


Agora,
~(x)

=O =

J(x(k)) (x - x(k>)

= - F(x<k)).

(8)

Se denotamos (x - x(k)) por s(k) temos que x(k+l)


do sistema linear:
J(x<Jt>) s

=x(k) + s(k), onde s(k) soluo

= - F(x(k>).

(9)

Observe que dado o ponto :x(k), a matriz J(x(k)) obtida avaliando-se J(x) em x(k)
e, em seguida, o passo de Newton, s(k>, obtido a partir da resoluo do sistema linear (9).
Portanto, uma iterao de Newton requer basicamente:

i)

a avaliao da matriz Jacobiana em x<t>;

iz) a resoluo do sistema linear J(x<t>)s = - F (x(k)) e, por este motivo, cada
iterao considerada computacionalmente cara.
Em relao ao item (ii) pode-se empregar mtodos baseados em fatorao da
matriz Jacobiana. Mtodos iterativos podem ser tambm aplicados; por serem iterativos,
obtm uma aproximao para a soluo exata do sistema linear e, conseqentemente, o
passo de Newton, s(k:), no calculado exatamente. Por esta razo, o mtodo de Newton
com a resoluo do sistema linear atravs de um mtodo iterativo denominado mtodo
de Newton inexato.

ALGORITMO:
Dados x0 , t 1 > O e e2 > O, faa:
Passo 1:

calcule F(x(k>) e J(x(k:));

Passo 2:

se 11 F(x(k)) 11 < e1, faa i


caso contrrio:

Passo 3:

obtenha s(k:), soluo do sistema linear: J(x(k:>) s

Passo 4:

faa: x(k+l)

=x(k) + s(k>;

=x(k) e

pare;

=- F(x(k>);

Cap. 4

Introduo resoluo de sistemas no lineares

Passo 5:

se 11 x(k+l)- x<k) 11 < e 2, faa


caso contrrio:

Passo 6:

k k + 1;
volte ao passo 1.

199

x = x(k+l) e pare;

Exemplo 5
Aplicar o mtodo de Newton resoluo do sistema no linear F(x) =O onde F(x) dada
por:

F(x)

usando

E -

:? : ~ =!),

=(

E1 ...

cujas solues so x'

=( ~ )

e x"

=( ~ ) ,

e2 = lo-4,

Comecemos com x<0>

=( ; ) .

k = 0:
F(x(O)) = (

;7 );

J(x<O)) = (

11 F(x(0)) llc"' = 17 >>

110 )

(~
~

(1)

11 x(l) -

(O)

= (

= (

-13/8 ) - ( -1.625 )
-11/8
-1.375

1 ) _ ( 13/8 ) ( -0.625 ) ( -5/8 )


5
11/8
3.625
29/8

x<0>lloo = mx { 1.625, 1.375} = 1.625 >> E

200

Clculo Num.riaJ

Cap. 4

k = 1:

F(x(l))

=( 14~/32 )

J(x(l)) ... (

(2) X

4.5~125 ) ; 11 F(x(l)) 11.., =4.53125 >> El

1
- 5/4

-~/4 2~/4 ) s

(1)
X

=(
-

-4~31 ) ~ s - ( :~:;;; )
-0.625 )
( +0.533 ) - ( -0.092 )
3.625
+ -0.533
3.0917

11 x<2>- x:(l) 11.., = 0.533 >> e2

Prosseguir as iteraes at que 11 F(x(k)) 11.., < 10-4 ou 11 x(k + l) - x(k) llco < 10-4.
A caracterstica mais atraente do mtodo de Newton que sob condies adequadas envolvendo o ponto inicial x<0>, a funo F(x) e a matriz Jacobiana J(x), a seqncia
gerada {x{k)} converge a x* com taxa quadrtica. importante observar que os resultados
de convergncia obtidos so locais no sentido de que a aproximao inicial x<O) deve estar
suficientemente prxima de x*.
Ao leitor interessado em mais detalhes sobre o teorema de convergncia e o
resultado de taxa quadrtica, indicamos a referncia [8].

4.3 METODO DE NEWTON MODIFICADO


De maneira anloga ao caso de uma equao no linear (Exerccio 14, Captulo 2), a
modificao sobre o mtodo de Newton consiste em se tomar a cada iterao k a matriz
J(x<0>), em vez de J(x(k)): a partir de uma aproximao inicial x<0>, a seqncia {x(k)}
gerada atravs de x(k+l) = x(k) + s(k), onde s(k) soluo do sistema linear:
J(x<0)) s = - F(x(k))

(10)

Introduo resoluc de sistemas no lineares

Cap. 4

201

Desta forma, a matriz Jacobiana avaliada apenas uma vez e, para todo k, o
sistema linear a ser resolvido a cada iterao ter a mesma matriz de coeficientes: J(x<0)).
Se usarmos a fatorao LU para resolv-lo, os fatores L e U sero calculados
apenas uma vez e, a partir da 21l iterao, ser necessrio resolver apenas dois sistemas
triangulares para obter o vetor s(k>.

Exemplo 6
Vamos usar aqui o mtodo de Newton Modificado para o sistema no linear do Exemplo 5:
x 1 + x2 - 3 "" O
{

xi + xi- 9 =

Temos J(x)

comeando com

x<<n =( ~

).

=( ~1

2~.2 ) .

Assim,

Ento:
J(x(O))s = ( -3 )

-17

:::;>

:::;. X

(1)

= X(O) + S = (

1 )

-13/8 ) - ( -1.625 )
- 1.375
( - 11/8

( -13/8 ) = ( -0.625 )

-11/8

3.625

202

Clculo Numrico

Cap. 4

Agora, para calcular x<2>, resolvemos

J(x(O~ s =- P(x<I~ =- ( 4.5~125


s2
10s2

=o
= -4.53125

(2)- ( 1)
- (
.
A SStm,
X
-X
+S-

_. X

(2)

5)

- (+0.5664062.
~ s - -0.56640625

-0.625 )
( 056640625 )
3.625 + -0.56640625

= ( -0.05859375
)
3.05859375 ,

Prosseguir as iteraes at obter convergncia.


Deixamos, cqmo exerccio, escrever formalmente um algoritmo para este mtodo.

4.4 MTODOS QUASE-NEWTON


A motivao central dos mtodos quase-Newton gerar uma seqncia {x<10} com boas pfQpriedades de convergncia, sem no entanto avaliar a matriz Jacobiana a cada iterao, como
necessrio no mtodo de Newton.
Um exemplo o mtodo de Newton Modificado que requer o clculo da matriz
Jacobiana ape;nas na iterao inicial, porm a propriedade de taxa quadrtica perdida e em seu
lugar consegue-se apenas taxa linear.
A seqncia {x(k)}, nos mtodos quase-Newton, gerada atravs da frmula:
(11)

onde s(.k) a soluo do sistema linear:


(12)

Cap. 4

Introduo resoluo de sistemas no lineares

203

Nos mtodos quase-Newton que estudaremos nesta seo, as matrizes B(k) so


atualizadas a cada iterao e imposta a condio de que tais matrizes satisfaam a seguinte
equao:
(13)
devido seguinte motivao:
conhecidos x(k), F(x<"k)), x(k+l}, F(x(k+l)), o modelo linear:
(14)
pode ser considerado uma aproximao para F(x) em tomo de x<k+l), e a igualdade
~+ (x(k+ 1 )) = F(x(k+l)) satisfeita para qualquer escolha para B(k+l).
1
Colocando ainda a condio:
(15)
teremos:
(16)
e, portanto,

{17)
Se s(k)

=x(k+l)- x(k) e y(k) =F(x(k+l))- F(x(k)), a equao (11) fica:

B(k+l) 8(k)

= y(k)

(18)

que conhecida como equao secante e, por esta razo tais mtodos so tambm chamados de mtodos secantes.

importante observar que o mtodo da secante estudado no Captulo 2 consiste


em se tomar como aproximao da funo f(x), na iterao k, a reta r(x) que passa pelos
pontos (xk, f(xk)) e (xk+l' f(xk+l)):
(19)

204

Clculo Numrico

Cap. 4

e, impendo as condies:
(20)
obtemos:
(21)

e b satisfaz a equao secante.


Neste caso, existe uma nica escolha para b ch! forma que as condies (20) sejam
satisfeitas.
Mas, para n > 1, a equao secante no suficiente para determinar UJlld nica
matriz, uma vez que so n equaes e n2 variveis (os elementos da matriz B(k+l)).
Os mtodos quase-Newton diferem entre si pelas condies adicionais impostas
sobre B(k+l), tais como:
-

obedecer a algum princpio de variao mnima em relao a B (k);


preservar alguma estrutura especial da matriz Jacobiana, como simetria e esparsidade.

A frmula para B(k+l), proposta por Broyden [8] em 1965, a seguinte:


(22)
onde
(23)
Existem vrios outros mtodos quase-Newton (ver [8], (15D; e importante ressaltar que em vrios deles, lm de se evit-ar o clculo da matriz Jacobiana, o esforo
computacional necessrio para a resoluo do sistema linear reduzido em relao ao
esforo realizado no mtodo de Newton [22].

Cp. 4

Introduo resoluo de sistemas no lineares

205

EXERCfCIOS
I.

Usando alguma linguagem de programao, escreva um programa para o mtodo de Newton e para o mtodo de Newton Modificado.

2.

Resolva os sistemas no lineares abaixo usando seus programas pata os mtodos de Newton e Newton Modificado com e = 1o-4:

a)

X~+~- 2 = 0
trJ - 1 + ,q - 2 ::: o

4x1
b)

-x~

{ +
9

c) { 2xt

8x 1 d)

xj + x2

(1.5, 2.0l

=O

4~- x~
4

=- 1

x(O)

(-1, - l)T

4x1 + x~ + 1 = O

(Funo de Rosenbrock) f241

10(x2 - xy)
{ 1 - x1 = 0
e)

x<0> =

=O

x<O)

= (-1.2, l )T

(Broyden Tridiagonal) [24]

= (3- 2x1)x 1 - 2x2 + 1 = O


fi(x) = (3- 2Xj)Xi - xi-l - 2Xj+l + 1 =
f 10(x) = (3- 2x 10)x 10 - ~ + 1 = O

f 1(x)
{

O,
x(O)

i=2, ... , 9

= (-1, - 1, .. . '

- l)T

206

Clculo Numrico

fJ

Cap. 4

(Funo Trigexp de Toint) [29)


f 1(x) - 3xj + 2xz - 5 + sen(x1 - Xz) sen(x1 + x2) - O
~(x) = -"i-I e<xi-1- x) + xi(4 + 3xf) + 2Xj+l +

+ sen(x - xi+l) sen(xt + Xj+1 ) - 8 = O,


f 10(x) ... - ~ e<~- xtO) + 4x10 - 3 = O
x<0>
3.

i - 2, ... , 9
...

(0, O, ... , O)T

O mtodo de Newton pode ser aplicado para a resoluo de um sistema linear Ax


Neste caso, quantas iteraes sero realizadas? Por qu?

= b.

PROJETOS
1.

MTODO DE NEWTON DISCRETO

Uma das dificuldades do mtodo de Newton est na necessidade de se obter as derivadas


. .

fi(x)

parCJ.alS:

:.

O:K_j

Ainda que se tenha um programa disponvel para o mtodo de Newton, cabe ao


usurio programar as rotinas de avaliao da funo F(x) e da matriz Jacobiana. A funo
F(x) pode ser difcil de ser derivada e, nestes casos, uma alternativa usar aproximaes
por diferenas para as derivadas parciais.
Para uma funo f(x) de uma varivel, temos que:

f' (x) ... f(x + h) - f(x) ,


h

h ... O.

Para o caso de uma funo de R 0 em R 0 : F(x) (f1(x), ... , f 0 (x))T, fi(x 1, ... , x0 ),
fi: R 0

R, cada derivada parcial ser aproximada por:

fi(x)
x.

f.(x + ___.jJ:....___:~
he.) - ~(x)

... _:l:....__

sendo ej = (0, 0, ... 1, O, ...o)T onde o elemento igual a 1 ocupa a posio j.

Cap. 4

Introduo resoluo de sistemas no lineares

207

Com esta aproximao, a matriz J(x(k)) ser trocada por J(x(k)), onde cada
elemento (i, j) de J(x(k)) obtido por:
f.(x(k.) + he.) - f (x(k))
I

h-O

ou seja, a coluna j de J(x(k)) ser aproximada por:


F(x + hej) - F(x)
h

e, desta relao, conclumos que a aproximao para J(x(k)) evita o clculo das derivadas,
mas requer n avaliaes adicionais para a funo F(x).
A escolha do passo h deve ser bastante cuidadosa. Em [8] h uma boa orientao

sobre este assunto.


Escreva um programa para o mtodo de Newton trocando as derivadas parciais
pela aproximao por diferenas, usando b = 10-2 . Resolva os sistemas no lineares propostos no Exerccio 2 e compare os resultados.

2.

NEWTON E OS FRACTAIS

Todos os que trabalham com mtodos iterativos para resolver sistemas de equaes no
lineares deparam-se, em algum momento, com teoremas de convergncia local do tipo: "Se
o ponto inicial tomado suficientemente prximo de uma soluo, ento o mtodo converge
para essa soluo". Assim, pensando em duas dimenses, ao redor de cada soluo do
sistema existe uma regio que "atrai" a seqncia gerada pelo mtodo iterativo se o ponto
inicial estiver nessa regio.
Porm, o que acontece se o ponto inicial no for tomado em nenhuma dessas
regies? O teorema de convergncia local no garante nada e, portanto, o mtodo pode

convergir ou no. Se houver convergncia, para qual soluo a seqncia gerada ser atrada? Mais ainda, como geralmente (e por que no dizer, nunca) no temos nenhum conhecimento a priori das solues, e muito menos de quo prximo estamos de uma, no podemos
sequer afirmar se o ponto inicial est ou no em uma dessas regies. Claramente, se algum
termo da seqncia gerada pertencer a uma dessas regies, a soluo correspondente ir

208

Clc~o

Numrico

Cap. 4

atrair o resto da seq~ncia, fazendo com que o mtodo convirja. A partir desta ob serva.o,
podemos afirmar que a "regio de convergncia" do mtodo iterativo maior do que a
prevista pelo teorema de convergncia local.
No incio deste sculo, Gaston Julia [ 19} e Pierre Fatou [1 O,J publicaram uma srie
de artigos sobre o estudo de propriedades iterativas, tendo como um dos objetivos. o mtodo
de Newton para o clculo de zeros de funes complexas (equivalente a encentrar a soluo
de um sistema de equaes'reais de dimenso dois). Eles provaram que, aplicando o mtodo
a uma dada funo, possvel que haja seqncias que convirjam, que sejam peridicas ou
ainda que divirjam. Observaram ainda que as fronteiras entre as regies de convergncia
eram curvas extremamente complicadas.
Na dcada de 1960, Benoit Mandelbrot [21] comeou a estudar alguns conjuntos
irregulares da natureza, altamente interessantes, tais com o as galxias e os flocos de neve.
Ele conseguiu perceber certos padres nas irregularidades apresentadas por ess.as fo:nnas e
assim definiu a noo de conj unto f ractal. Essencialmente, um conj unto fractal um conjunto que possui a propriedade de auto-similaridade, isto , um nmero finito de translaes
de qualquer subconjunto, no importa o quo pequeno, recria o conj unto inteiro. Posteriormente, Mandelbrot retomou os trabalhos de Fatou e Julia, utilizanc,io cQtnpl,ltadores_para
desenhar as regies estudadas por eles, de maneira observar o compo.(tamem o catico que
produz a estrutura fractal.
Seja F : R 2 ~ R 2 e F(x, y) = O o sistema no linear a ser analisado. Para cada
soluo (x; , y; ), r = 1, .. . L , desse sistema, associamos uma cor diferente Cr e sej a C 0 unta
cor distinta de todas as outras. Seja K o nmero mximo de iteraes permitidas do mtodo
de Newton e e > O a preciso desejada.
Considere agora que-a tela do computador represen ta uma regio discretizada
do plano euclidiano, T = {(xi, Yj)
i = O, ... , N , j = 0 , ... , M }. Para cada (~, y.) e T
L,
aplicamos o mtodo de Newto n a parti r desse ponto. Se para algum k ..;; K e
11 (xk, yk) y~) 11 < E, associamos a cor C r ao ponto (xi, Yj), isto , fazemos

<X: ,

i .;

COR(i, j) = C r; caso contrrio, COR (i, j) = C0. O resultado, devido computao numrica
e a erros de arredondamento, uma aproximao da regio de convergncia em T.
Podemos tambm construir uma cpia dessas J."egies, onde a cor associada a cada
ponto (xi, Y) est relacionada ao nmero de iteraes. Para isto, escolhemos as cores Ck,
k = 1, .. . , K e associamos COR(i, j) = Ck, se k ,;;; K e COR(i, j) = C0, caso contrrio.

Cap. 4

Introduo resoluo de sistemas no lineares

209

Temos, assim, dois mapas para cada sistema: "Para onde convergiu" e "Como convergiu".
Utilizando E= 10-6 e K

20, construa os mapas descritos para os sistemas:

Sistema I

x2 - y2 - 1 = O

2xy

=O

Solues: (xr , Yt)

T =

{( 2~'
-1+

=(1, 0), (xr ,

-1 +

2'}

y;)

=(-1, 0)

com M, N ;;;;.: 100,

o~

N,

O ~

Sistema II

x3 - 3xy2 - 1 = O

3x2y - y3 = O

_ (xr , y~) = (1, 0), (x; , y;)


Soluoes:

T = { ( -1.5 +

Sistema ill

~,-

1.5 +

= ( 21 --:{[)
2- ),

com M, N ;;;;.: 100,

(x; , Y;) = ( 21 .

2 j

O~ i ~ N, O ~ j ~ M

210

Clculo Numrico

Solues:

ex; , y;) = (1,0)

(x;,

(x; , y;) = (-1.58,- 1.22) ,

(x;,

(x;, y;) =(1.58, - 1.22),

(x: , y:) =(1.58, 1.22)

{( + 4i
-2

Cap. 4

N , -2 +

it4.) com M, N ~ 100,

=(-1,0),
Y!) =(-1.58, 1.22),
~)

N, O

Para maiores detalhes sobre este assunto, sugerimos a referncia [28].

C APTULO ( ] ]
MA.KRON
Books

INTERPOLAO

5. 1 INTRODUO
A seguinte tabela relaciona calor especfico da gua e temperatura:

temperatura
(liC)
calor
especfico

temperatura

20

25

30

35

40

0.99907

0.99852

0.99826

0.99818

0.99828

45

50

0.99849

0.99878

(OC)
calor
especfico

212

Clculo Numrico

Cap. 5

Suponhamos que se queira calcular:

i)

o calor especfico da gua a 32.5C;

iz) a temperatura para a qual o calor especfico 0.99837.


A interpolao nos ajuda a resolver este tipo de problema.
Interpolar uma funo f(x) consiste em aproximar essa funo por uma outra
funo g(x), escolhida entre uma classe de funes definida a priori e que satisfaa algumas
propriedades. A funo g(x) ento usada em substituio funo f(x).

A necessidade de se efetuar esta substituio surge em vrias situaes, como por


exemplo:

a) quando so conhecidos somente os valores numricos da funo para um


conjunto de pontos e necessrio calcular o valor da funo em um ponto no
tabelado (como o caso do exemplo anterior);
b) quando a funo em estudo tem uma expresso tal que operaes como a
diferenciao e a integrao so difceis (ou mesmo impossveis) de serem
realizadas.

5.1.1 UM CONCEITO DE INTERPOLAO


Consideremos (n + 1) pontos distintos: x 0, x1' ... , x 0 , chamados ns da interpolao, e os
valores de f(x) nesses pontos: f(xo), f(x 1),... , f(xJ.

A forma de interpolao de f(x) que veremos a seguir consiste em se obter uma


determinada funo g(x) tal que:
g(xo) .,. f(Xo)
g(x 1)

= f(x1)

g(x2 ) - f(x2 )

(1)

Cap. 5

Interpolao

213

GRAFICAMENTE
Se n

=5

x,

Figura 5.1

Neste texto consideraremos que g(x) pertence classe das funes polinomiais.
Observamos que:
i)

existem outras formas de interpolao polinomial como, por exemplo, a frmula de Taylor e a interpolao por polinmios de Hermite, para as quais as
condies de interpolao (1) so outras.

it) assim como g(x) foi escolhida entre as funes polinomiais, poderamos ter
escolhido g(x) como funo racional, funo trigonomtrica etc.

5.2 INTERPOLAO POLINOMIAL


Dados os pontos (x 0, f(xo)), (x1, f(x 1)), ..., (xn, f(xJ), portanto (n+l) pontos, queremos
aproximar f(x) por um polinmio Pn(x), de grau menor ou igual a n, tal que:

214

Clculo Numrico

Cap. 5

Surgem aqui as perguntas: existe sempre um polinmio po<x) que satisfaa estas
condies? Caso exista, ele nico?
Representaremos p0 (x) por:

p0 (X)

= 3o + a1x + a2x2 + ... + a x

Portanto, obter p 0 (x) significa obter os coeficientes


Da condio p0 (xk)

= f(xk), \f

lo a1, ..., a 0

k = O, 1, 2, ..., n, mo ntamos o seguinte sistema

linear:

3o + a1Xo + ~x +
3o + al xl + ~xi +

+ anx8 - f(Xo)
+ a0x~

= f(x1)

com n + 1 equaes e n + 1 variveis: a 0, a1, ... , a 0 .


A matriz A dos coeficientes

A=

que uma matriz de Vandermonde e, portanto, desde que x0 , x1' ... , ~sejam pontos distintos, temos det(A) ~ O e, ento, o sistema linear admite soluo nica.
Demonstramos, assim, o seguinte teorema:

TEOREMA 1
Existe um nico polinmio p 0 (x), de grau .,;;;; n, tal que: p0 (xk)
desde que xk ;oe xi, j ~ k.

= f(xk) , k

= O, 1, 2, ..., n

Cap. 5

Interpolao

215

5.3 FORMAS DE SE OBTER Pn (x)


Conforme acabamos de ver, o polinmio p0 (x) que interpola f(x) em Xo Xp X0 nico.
No entanto, existem vrias formas para se obter tal polinmio. Uma das formas a resoluo do sistema linear obtido anteriormente. Estudaremos ainda as formas de Lagrange e de
Newton.
Teoricamente as trs formas conduzem ao mesmo polinmio. A escolha entre elas
depende de condies como estabilidade do sistema linear, tempo computacional etc.

5.3.1 RESOLUO DO SISTEMA LINEAR


Exemplo 1
Vamos encontrar o polinmio de grau s 2 que interpola os pontos da tabela:

-1

-1

f(x)

p2(xo)

= f(xo) .;:. llo -

~ +~

=4

3o = 1
p2(x2) = f(~ .;:. llo + 2al + 4~ = -1.

p2(x 1) = f(x 1)

.;:.

Resolvendo o sistema linear, obtemos:

ao - 1,

al - - 7/3

Assim , p2(x)

x1 =O e x2

=1

~ - 2/3.

~x

~ x2 o polinmio que

interpola f(x) em x 0 = - 1 ,

= 2.

Embora a resoluo do sistema linear neste exemplo tenha sido um processo


simples exato na obteno de p2(x), no podemos esperar que isto ocorra para qualquer

216

CAlculo Numrico

Cap. 5

problema de interpolao, uma vez que, como vimos, a matriz A dos coeficientes do sistema
linear uma matriz de Vandermonde, podendo ser mal condicionada (ver Projeto 1, item (a)
do Captulo 3).
Por exemplo, seja obter p 3(x) que interpola f(x) nos pontos x0, xl'
acordo com a tabela abaixo:

0.1

0.2

0.3

f(x)

13

-4

x3, de

0.4

Impondo a condio p3(xk) = f(xk) para k = O, 1, 2, 3, temos o sistema linear:

ao
ao

+ o.1~ + o.o1~ + o.oota3 -

+ o.~ + o.o4~ + o.oo~ - 13

ao + o3~
ao + o.4~

+ o.o9~ + o.o21~ - -4
+ o. 16~ + o.064a3 - -8

Usando aritmtica de ponto flutuante com trs dgitos e o mtodo da eliminao


de Gauss, temos como resultado:

p3(x)
e, para x

= -().66 X

102 + (0.115

104)X - (0.505

104)x2 + (0.633

lif)x3

=0.4, obtemos:
p3(0.4) = -10 - -8 = f(0.4).

5.3.2 FORMA DE LAGRANGE


Sejam x0 , x1, ... ,

(n+1) pontos distintos e Yi = f(xi), i = O, ..., n.

Seja p0 (x) o polinmio de grau ~ n que interpola f em x0, ... , x0 Podemos representar p0 (x) na forma p0 (x) = yoLc,(x) + y 1 ~ (x) + ... + y0 L0 (x), onde os polinmios ~(x)
so de grau n. Para cada i, queremos que a condio p 0 (~) = yi seja satisfeita, ou seja:
(2)

Cap. 5

lnterpolaiio

217

A forma mais simples de se satisfazer esta condio impor:

~(~)

-{~ =~ : !

e, para isso, definimos

~(x) por

fcil verificar que realmente


~(xk)

=1 e

~(x)

= O se i .. k.

Como o numerador de
i

(x - xi),

~(x)

um produto de n fatores da forma:

=O, ... , n, i .. k,

ento ~(x) um polinmio de grau n e, assim, p0 (x) um polinmio de grau menor ou


igual a n.
Alm disso, para x = ~ i = O, ... , n temos:
o

Pn(xi) = }: Yt4(xi) YiLi(xi) Yi


k-0

Ento, a forma de Lagrange para o polinmio interpolador :


o

Pn(x) }: Yt4(x)
k:-0

218

C4lculo Numrico

Cap. 5

onde
n

~(x)

.
J- o
j .. k

(x - x.)
J

... - n - --

n
j

(xk - xj)

-o

j .. k

Exemplo 2 (Interpolao Unear)


Faremos aqui um exemplo terico para interpolao em dois pontos distintos: (x 0, f(xo))
e (xp f(x 1)).
Assim, n igual a 1 e, por isto, a interpolao por dois pontos chamada interpolao linear.
Usando a forma de Lagrange, teremos:
p1(x)

= YoLo(x) + y1L 1(x},

(x - x 1)
Lo(x) - (xo- xl) '

onde

(x-x0 )
Ll(x) - (xl- xo) .

que exatamente a equao da reta que passa por (x0 , f(Jto)) e (x1 , f(x 1)).

Cap. 5

Interpolao

219

Exemplo 3
Seja a tabela:

f(x)

-1

-1

Pela forma de Lagrange, temos que:

(x - xo) (x-~)
Ll(x) "' (x - x ) (x - ~)
1
1
0

(x + 1) (x-2)
x2 - x- 2
(O + 1) (O- 2) - .:..::....____:.:_
2 ---=.

Assim, na forma de Lagrange,

Agrupando os termos semelhantes, obtemos que p2 (x) - 1 mesma expresso obtida no Exemplo 1.

37 x

2
3

x2, que a

220

Clculo Numrico

Cap. 5

5.3.3 FORMA DE NEWTON


A forma de Newton para o polinmio p0 (x) que interpola f(x) em Xo> x1'...,
distintos a seguinte:

(n + 1) pontos

No que segue, estudaremos:


i)

o operador diferenas divididas, uma vez que os coeficientes dk' k =O, 1, ... , n
acima so diferenas divididas de ordem k entre os pontos (xj, f(xj)), j = O,

1, ... , k.
it) a deduo da expresso de p0 (x) dada por (3).

OPERADOR DIFERENAS DIVIDIDAS


Seja f(x) uma funo tabelada em n + 1 pontos distintos : Xo> x1' ... , x0

Definimos o operador diferenas divididas por:

f[.xo]

(Ordem Zero)

f(x0)

f[Xo xl]

f[x1] - f[Xo]

xl - Xo

'"'

f(x1) - f(xo)

------==-----~

xl - Xo

(Ordem 1)

Cap. 5

Interpolao

221

Dizemos que f{x0, xl' ... , xk] a diferena dividida de ordem k da fu no f(x)
sobre os k + 1 pontos: Jto. xl' ..., xk.
tos

Jro,

Dada uma funo f(x) e conhecidos os valores que f(x) assume nos pontos distinxl' ... , x0 , podemos construir a tabela:

Ordem O

Xo

f{Jto]

Ordem 1

Ordem 2

Ordem n

Ordem 3

f{:xo, xl]
xl

f{x0, x 1,

f{xtJ

f[x 1,
x2

x~

x~

f[~]

f{Xo, xl, Xz, x3]


f{xt, x2, x3]

f{xz, x3]
x3

f[x1, x2, x3, x4]


f[x2> x3, x4]

f{x3]

f{Jto, xl, x2, ..., xn]

f{x3, x4]
x4

f[~3 xo-2 xo-1 ~]

f{x4]
f{xo-2 Xn-t xJ
f[Xa-1 Xo]

Xn

f[Xu]

Exemplo 4
Seja f(x) tabelada abaixo
X

f(x)

1-:

-1

-2

222

Clculo Numrico

Cap. 5

Sua tabela de diferenas divididas :

Ordem 1

Ordem O

Ordem 2

Ordem 3

Ordem 4

-1

o
o

2
1
6

-1

o
o

-1

-1

-1

-2

Onde

f{x

] -

1'

f{~

- f{xl] - O - 1 - - 1
1 - O
2
1

x - x

- -241

Cap. 5

Interpolao

223

Prova-se que as diferenas divididas satisfazem a propriedade a seguir:

fiXo, xl' ..., xk] simtrica nos argumentos, ou seja, fiXo, x1' ... , x,J =f[~ 0, xh, ... , xh)

onde j 0, j 1, ... j" qualquer permutao de O, 1, ... , k.


Por exemplo,

Para k = 2 teremos

FORMA DE NEWTON PARA O POLINMIO INTERPOLADOR


Seja f(x) contnua e com tantas derivadas contnuas quantas necessrias num intervalo
[a, b] .
Sejam a=

Xo < x 1 < ~ < ...

< X 0 = b, (n + 1) pontos.

Construiremos o polinmio p 0 (x) que interpola f(x) em Xo x 1, ..., X 0 Iniciaremos


a construo obtendo p 0(x) que interpola f(x) em x = x 0 E assim, sucessivamente, construiremos P~r;(x) que interpola f(x) em Xo> x 1, ... , xk, k = O, 1, ... , n .
Seja p 0 (x) o polinmio de grau O que interpo la f(x) em x = x 0 . Ento,
p0 (x) = f(xo) =f[Xol

224

Clculo Numrico

Cap. 5

Temos que, para todo x E [a, b), x .. Xo

f[x0 , x] -

f(x] - f[x0]
X -

XQ

f(x) - f(Xo)

X -

=f(x) -

(x- Xo)flx0, x]

f(x) - f(xo) + (x - xo)

f(Xo) ~

p0(x)

XQ

fiXo , x]

E0(x)

E0(x) = f(x) - p0(x) = (x - Xo)flxO' x).

Note que E0(x) = f(x) - p0(x) o erro cometido ao se aproximar f(x) por p0(x). Na
Seo 5.4, o erro na interpolao ser estudado com detalhes.
Seja agora construir p1(x), o polinmio de grau

1 que interpola f(x) em

Temos que

f(x) - f(xo)
- ----';;_ - f{xl , Xo]

f(x) - f(xo) - (x - Xo)tlx 1 , xoJ


X - Xo
- - ----=-(x - x 1)
(x - x 1) (x - Xo)

Xo e x1.

Cap. 5

lmerpolaifu

225

Assim,

p1(x) f(x0) + (x - xo) f[ XO , xtJ e


'-----'

p0(x)

= (x- xo) (x -

E1(x)

q1(x)

x 1)

fl"o, xl' x].

Verificao:
p 1(x) interpola f(x) em

p1(xo)

XO e em x 1?

= f(xo)

Seja agora construir p2(x), o polinmio de grau ~ 2 que interpola f(x) em


Temos que:

f(x) - f(Xo)
(x - xo) - f[xl ' xoJ

(x - xl)

- f[~, xl ' xoJ

- ------=-------...
(x- ~)

f(x)

= f(xo) + (x- xo)f[x0, x1] + (x- xo) (x- x1) f{x0, xl' x~ +

+ (x - "o) (x- xl) (x-

xvflxo. Xi, ~ x].

"o x 1, ~

226

ClcUJ Nu~rico

Cap. 5

Ento,

Pt(x)

Ez(x) = (x - xo) (x - x1) (x - xJ

q:to> xl' ~ x].

Observamos que, assim como para p 1(x) e p2(x), pk(x) = pk_1(x) + qk(x), onde
qk(x) um polinmio de grau k.
Aplicando sucessivamente o mesmo raciocnio para
x0, xl'

Xo>

XI '

"2 ~;
"2 ~ X4;

"o> xl' "2 x0 ,


teremos a forma de Newton para o polinmio de grau

n que interpola f(x) em x0, ... , x0 :

p0 (x) = f(xo) + (x - xo)f[x0 ,xd +(x - xo) (x - x 1)f[x0, xl' ~] + ...


+ ... + (x - xo) (x - x1) .. . (x - x 0 _ 1)f[x0, x 1, ... , X0 ]

e o erro dado por

De fato, p0 (x) interpola f(x) em xO> x., ... , X 0 , pois sendo

f(x) = p 0 (x) + E0 (x), ento, para todo n xk, k = 0,... , n, temos


f(xk) Po(xk) + En(xk) Pn(xk).
=0

Cap. 5

Interpolao

227

Exemplo 5
Usando a forma de Newton , o polinmio p 2(x), q ue interpola f(x) nos pontos dados
abaixo

-1
2
o
------~-----------------,:
f(x)
4
-1
X

Ordem O

-1

Ordem 1

Ordem 2

-3

-23

1
-1

-l

Pix) = 4 + (x + l X- 3) + (x + IXx - O)

2
3.

2 2
7
Observamos que, agrupando os termos semelhantes, obtemos p 2(x) =3 x - 3 x + 1, que

a mesma expresso obtida nos Exemplos 1 e 3.


Observamos ainda que conveniente deixar o polinmio na forma de Newton, sem
agrupar os termos semelhantes, pois, quando calcularmos o valor numrico de p 0 (x), para x = a ,
evitaremos o clculo de potncias. O nmero de operaes pode ainda ser reduzido se usarmos
a forma dos parnteses encaixaCJs descrita a seguir:
dado

p0 (x) = f(Xo) + (x- xo) f{x()t x 1] + (x- xo) (x- x 1) fiXo x 1,


+ (x - xo> (x - x 1) (x - ~) f{x.O> x 1, x 2, x 3] + ... +
+ (x- xo) (x- x1 ) ... (x- x0 _ 1) f[x0, x1, x2 ,... , ~]

~]

228

C4lculo Numrico

Cap. 5

temos
p0 (x) = f(x 0) + (x- x0) {fix0, x1] + (x- x 1) {fix0, xl' ~] +
+ (x - x~ {fiXo> xl'
~] +... + (x- xo-1) fiXo> xl' ..., x0 ]. } } } .

x.z,

Um algoritmo para se calcular p0 (a) usando esta forma de parnteses encaixados


ser visto na lista de exerccios, no final deste captulo.

5.4 ESTUDO DO ERRO NA INTERPOLAO


Como j observamos, ao se aproximar uma funo f(x) por um polinmio interpolador de
grau ~ o, comete-se um erro, ou seja
E11(x) = f(x) - p0 (x) para todo x no intervalo [xO'

X ].
0

O estudo do erro importante para sabermos quo prximo f(x) est de pnCx).

Exempto 6
Este exemplo ilustra este fato no caso da interpolao linear.

y
f 1 (x1) = f 2 (x1) = p1 (x1 )

f,(Xo) = f2(Xo) = p, (Xo) --- --

p
I

I
I
I
I

x,
Figura 5.2
O mesmo polinmio p1(x) interpola f 1(x) e f 2(x) em x:0 e x 1.

Cap. 5

Interpolao

229

Observamos ainda que o erro, neste caso, depende da concavidade das curvas, ou
seja, de f;(x) e t;:(x).
Veremos no Teorema 2 a expresso exata do erro quando aproximamos f(x) por
p0 (x), para n qualquer.

TEOREMA 2
Sejam x0 < x 1 < x2 < ... < x 0 , (n + 1) pontos.

Seja f(x) com derivadas at ordem (n+ 1) para todo x pertencente ao intervalo
Seja p 0 (x) o polinmio interpolador de f(x) nos pontos

Xo x 1,

... , X

Ento, em qualquer ponto x pertencente ao intervalo [x0, x0 ] , o erro dado por

DEMONSTRAO
Seja G(x)=(x-Xo)(x-x1) ... (x-x 0 ), V' x E [Xo, ~]. Ento, para x = xi temos f(~) = p0 (x),
pois G(xi) = O ~ E 0 (xi) = O, donde a frmula do erro est correta para x = xi, i = O, ... n.
Para cada x E (x0, x.J, x

;oo

~ i = 0 ,... , n, seja H(t) uma funo auxiliar, definida por

H(t) = E 0 (x)G(t)- EnCt) G(x), tE [x0,

X ].
0

H(t) possui derivadas at ordem n + 1, pois:


f(t) possui derivada at ordem n+1, por hiptese e
p 0 (t) possui derivadas at ordem n + 1; ento
E n.(t)

= f(t) -

p n(t) possui derivadas at ordem n +1.

230

C.lculo Numrico

Cap. 5

G(t) possui derivadas at ordem n + 1, pois polinmio de grau n + 1.

Assim, E 0(x)G(t)- E0 (t)G(x)

= H(t) possui derivadas at ordem n + 1.

Verificaremos, a seguir, que H(t) possui pelo menos (n + 2) zeros no intervalo


Para t =~ i = 0, ..., n temos que E0 (t) =O e G(t) =O, donde H(xJ = E0 (x)G(xJ E0 (xi)G(x) = O, i = O, 1,..., n e, para t = x, H(x) =E0 (x)G(x) - E0 (x)G(x) =O
Assim, :xa, x 1 , . .., x 0 , x so zeros de H(t).
Concluindo, temos que a funo H(t):
i)

est definida no intervalo [xO>

X.

];

iz) possui derivadas at ordem n + 1 nesse intervalo;

iii) possui pelo menos n + 2 zeros nesse intervalo.


Portanto, podemos aplicar sucessivamente o Teorema de Rolle a H(t), H'(t),...,
H(n)(t), a saber:
H '(t) possui pelo menos n + 1 zeros em (xO> x 0 );
H"(t) possui pelo menos n zeros em (x 0, x 0 ) ;

H (n+l)(t) possui pelo menos um zero em (x , x ).


0 0

Mas, H (t) = E0 (x.)G(t) - E(t)G(x) =*


=*

Agora,

H(n+l)(t) = E (x)G(n+l)(t) - E~n+l)(t)G(x).


0

E~+l)(t) = f(n+l)(t)- p~" + l)(t) - f(n+l)(t)

G(t) = (t- xo) (t - x 1) ... (t - "-u)


=*

G(n+l)(t)

= (n + 1)!

(p0 (t) tem grau n)

Cap. 5

/nterpolo

231

Assim, H(n+l)(t) = E8 (x) (n+1)! - f(n+l)(t)G(x). Sendo~ um zero de H(n+l)(t),


H(n+l)(;x) = (n + 1)! E0 (x)- f(n+l)(;x) G(x)

=O

Observamos que, ao aproximarmos f(x) por um polinmio de interpolao de


grau .:::; n, o erro cometido est relacionado com a derivada de ordem (n + 1) de f(x), o que
confirma a observao feita no Exemplo 6.

Exemplo 7
Seja o problema de se obter ln(3.7) por interpolao linear, onde ln(x) est tabelada abaixo :

ln(x)

0.6931

1.0986

1.3863

Como x

= 3.7 E (3, 4), escolheremos x0 = 3 e x1 = 4.

Pela forma de Newton, temos


{1.3863 - 1.0986)
_
4 3
p1(3.7) = 1.300.

p1(x) = f(Xo) + (x- xo)f{x0 , x1] = 1.0986 + (x- 3)


p1(x) = 1.0986 + (x- 3)(0.2877)

:::::>

Dado que, com quatro casas decimais ln(3. 7) = 1.3083, o erro cometido
E 1(3.7) = In(3.7) - p 1(3.7) = 1.3083- 1.3 =o.0083 = 8.3 x w-3

232

Clculo Numrico

Cap. 5

Queremos, neste eX'emplo, mostrar que ;x que aparece na expresso do erro do


Teorema 2 realmente uma funo de x.

Para x

B1(3.7)

= 3.7,

=(3.7 -

Agora, f'(x) -

f" (~)

3) (3.7 - 4)

=8.3 X

10-3.

- 1

2 .
X

Ento, (0.7} (-0.3) (teremos ;x

2~) -

8.3 x 10-3 e,

como~

E (3, 4),

Xp X0

Do Teorema 2, temos que

=3.5578.

natural que, se x "' 3.7, ;x "' 3.5578.


TEOREMA 3

DEMONSTRAO

Seja p 0(x) o nico polinmio que interpola f(x) em x0,

Da deduo da forma de Newton para p 0 (x),

BISUOTE~ SETORIAL DEARMJFSC

Cap. 5

Interpolac

233

Assim, (4) = (5) implica que


f(D + 1) (;X)
(n

)
+ 1.

f[ "o , x1 , ... , xn , x] .

Este teorema mostra claramente a relao entre a diferena dividida de ordem


(n+l) e a derivada de ordem (n+l) da funo f(x) .

LIMITANTE PARA O ERRO


A frmula para o erro

tem uso limitado na prtica, dado que sero raras as situaes em que conheceremos
f(n+ 1>(x), e o ponto~ nunca conhecido.
A importncia da frmula exata para E 0 (x) terica, uma vez que usada na
obteno das estimativas de erro para as frmulas de interpolao, diferenciao e integrao numrica.
Estudaremos a seguir dois corolrios do Teorema 2, que relacionam o erro com
um limitante de f(n+I)(x).

COROLRIO 1
Sob as hipteses do Teorema 2, se f(o+l)(x) for contnua em 1 = [x0,
a seguinte relao:

onde M0 + 1 mx I f(n + 1>(x) I .


xEl

X0 ],

podemos escrever

234

Clculo Numrico

Cap. 5

DEMONSTRAO

Mn+ l existe pois, por hiptese, f(n+l)(x) contnua em [x0, xn] e ento,

COROLRIO 2
Se alm das hipteses anteriores os pontos forem igualmente espaados, ou seja,

ento
bo+ 1M

I f(x)

- Po(x) I <

n+l
4(n + 1) .

Observe que o majoraote acima independe do ponto x considerado, x E [ x0, x 0 ].

Exemplo 8
Seja f(x) = ex + x - 1 tabelada abaixo. Obter f(0.7) por interpolao linear e fazer uma
anlise do erro cometido.

0.5

1.5

2.0

f(x)

0.0

1.1487

2.7183

4.9811

8.3890

x = 0.7 E (0.5, 1), ento x0 = 0.5 e x 1 = 1

Cap. 5

p 1(x)

= 1.1487 + (x- 0.5)

lnterpoklo

235

2.7183 _- O.S
1.1487) = 1.1487 + (x--0.5)3. 1392
1
(

p 1(0.7) = 1.7765.

Neste caso, temos condio de calcular o verdadeiro erro, dado por


I E 1(0.7) I =I f(0.7)- p 1(0.7) I = 11.7137- 1.7765 I = 1--0.0628 I = 0.0628.
Os Corolrios 1 e 2 nos fornecem as seguintes majoraes para o erro:
a)

Corolrio 1 (em x = 0 .7)


~

I E 1(0.7) I
onde M2 =

I (0.7 - 0.5) (0.7 - 1) I


mx
I f"(x) I
10.5, I]

2~

= el = 2.7183.

l(E

Ento, I E 1(0.7) I
b)

0.0815 (realmente, I E 1(0.7) I= 0.0628 < 0.0815).

Corolrio 2: para todo x e (0.5, 1), temos:


I E 1(x) I <

Sh2

M2 =

(0.5i
8

(2.7183)

= 0.0850

que tambm confi.I1Da o resultado obtido para o erro exato.

ESTIMATIVA PARA O ERRO


Se a funo f(x) dada na forma de tabela, o valor absoluto do erro I E0 (x) I s pode ser
estimado. Isto porque, neste caso, no possvel calcular M0 + 1; mas, se construirmos a tabela
de diferenas divididas at ordem o + I, podemos usar o maior valor (em mdulo) destas
.
d .fi
1 erenas como uma aproJUmaao para

~ +l no .mterv

a1 o [x , ~J.
0

(n + 1)!

Neste caso. dizemos que


I E0 (x) I= I (x - xc}> (x- x1)

...

(x-"o) I (mx I diferenas divididas de ordem n + li).

236

C4lculo Numrico

Cap. 5

Exemplo 9
Seja f(x) dada na forma:

0.2

0.34

0.4

0.52

0.6

0.72

f(x)

0.16

0.22

0.27

0.29

0.32

0.37

a) Obter f(0.47) usando um polinmio de grau 2.


b) Dar uma estimativa para o erro.

TABELA DE DIFERENAS

0.2

Ordem O

Ordem 1

Ordem 2

Ordem3

0.16
0.4286

0.34

0.22

2.0235
0.8333

"o= 0.4

x 1 = 0.52

0.29

s
0.375

x2 = 0.6

0.37

-3.7033

~
0.2085

0.32
0.4167

0.72

-17.8963

~
-2.6031

Cap. 5

Interpolao

237

Deve-se escolher trs pontos de interpolao. Como 0.47 E (0.4, 0 .52), dois
pontos devero ser 0.4 e 0.52. O outro tanto pode ser 0.34 como 0.6. Escolheremos Xo = 0.4,
x1 = 0.52 e ~ = 0.6.
p2(x) = f(Xo) + (x- xo)f[:Jeo. x1] +(x - xo)(x- x1) f{x0, xl' Xz]
=0.27 + (x- 0.4)0.1667 + (x-<>.4) (x- 0.52) (1.0415).

= 0.2780 f(0.47)
I E(0.47) I - I{0.47 - 0.4)(0.47

a) p2(0.47)
b)

8.303

- o.52)(0.47 - o.6) 1 118.24921

10- 3.

5.5 INTERPOLAO INVERSA


Dada a tabela

f(x~

f(x)

f(xJ

O problema da interpolao inversa consiste em: dado


tal que f(X) =y.

y E (f(Xn), f(x0 )), obter x,

Formas de se resolver este problema:

i)

obter p0 (x) que interpola f(x) em x0 , xl' ... , X 0 e em seguida encontrar X: tal
que poCx) = y (como mostra o exemplo que segue).

Exemplo 10
Dada a tabela abaixo, encontrar i tal que f(X)

= 2:

0.5

0.6

0.7

0.8

0.9

1.0

f(x)

1.65

1.82

2.01

2.23

2.46

2.72

238

Cdlado Numrico

Cap. 5

Como 2 E (1.82, 2.01), usaremos interpolao linear sobre

Xo =0.6 e

x1

=0.7.

Assim,
X-Xo

p1(x) f(x \

01

- 1 82
.

xo - xt

X-X

+ f(x 1) - - = -

0.7
2 01
-0.1 + .

X -

xl -

Xo

0.6
0.1

X -

=- 18.2x + 12.74 + 20.1x - 12.06

= 1.9x + 0.68.
Ento p 1(i)

=2 -=> 1.9i + 0.68 =2 -=>i

- ~1.

68

= 0.6947368.

Neste caso, no conseguimos nem mesmo fazer uma estimativa do erro cometido,
pois o que sabemos medir o erro em se aproximar f(x) por p0 (x), e aqui queremos medir
o erro cometido sobre x e no sobre f(x).
it) interpolao inversa:

Se f(x) for inversvel num intervalo contendo

de x

=f""1(y) =g(y).

y, ento faremos a interpolao

Uma condio para que uma funo contnua num intervalo [a, b] seja inversvel
que seja montona crescente (ou decrescente) neste intervalo.
Se f(x) for dada na forma de tabela, supondo que f(x) contnua em (Xo, x0 ) , ento
f(x) ser admitida como montona crescente se f(xo) < f(x 1) < ... < f(x0 ) e decrescente se
f(x0) > f(x 1) > ... > f(x 0 ).
Conforme dissemos acima, se a condio anterior for satisfeita, o problema de se
obter x tal que f(i) = y ser facilmente resolvido, se for obtido o polinmio p0 (y) que
interpola g(y) = f""1(x) sobre [y01 Y0 ).
Para isto, basta considerar x como funo de y e aplicar um mtodo de interpolao: x = f"" 1(y) = g(y) P0 (y).

Cap. 5

Interpolao

Exemplo 11
Dada a tabela

0.1

0.2

0.3

0.4

0.5

1.1052

1.2214

1.3499

1.4918

1.6487

Obter x, tal que ex

= 1.3165, usando um processo de interpolao quadrtica.

Usaremos a forma de Newton para obter p2(y) que interpola f"1(y).


Assim, vamos construir a tabela de diferenas divididas

Ordem O

Ordem 1

Ordem 2

Ordem 3

o
0.9506

1.1052

0.1

-0.4065
0.8606

0.1994
-.3367

0.3

0.1679

0.7047

-.2256

0.4
0.6373

1.6487

0.5

0.1081

239

240

Clculo Numrico

Cap. 5

P2(y) = g(yo) + (y - yo)g[yO' Y1J + (y- Yo)(y - Yt) g[yo, Y1 Y2J


p 2(y) = 0.2 + (y- 1.2214) 0.7782 + (y- 1.2214)(y- 1.3499) (-0.2718)

p2(1 .3165)

=0.27487.

Assim, e027487 r= 1.3165 (na calculadora. e0. 27487 = 1.31659).


Neste caso, podemos medir o erro seguindo os teoremas dados anteriormente. O erro
cometido definido por

No exemplo, temos que n = 2, ento,

~ = mxl g'"(y)l, y E [y 0, y2]. Como f(x) =ex~ g(y) = r-l(y) = ln(y) ~

g'()
y = -1

M3 =

g"()
y

= 2-1
y

g "'(y) = 32 =*

2
2
=>
(M
=
3
(1.2214)3
(1.2214)3

= 1.0976.)

I E(l.3 165) I :;;;; 1.0186 x 10-4, que um limitante superior para o erro.
Da mesma forma, uma estimativa para o erro dada por
I E(y) I "' I (y- Yo) (y- y 1) (y - y 2) (I mx.l diferenas divididas de ordem 3 I)
I E(y) I"" 1.11028 X 10-4.

5.6 SOBRE O GRAU DO POLINOMIO INTERPOLADOR


5.6. 1 ESCOLHA DO GRAU
A tabela de diferenas divididas junto com a relao entre diferena dividida de ordem k e
derivada de ordem lc podem nos auxiliar qa escolha do grau do polinmio que usaremos para
interpolar uma funo f(x) dada.

Cap. 5

Interpolao

241

Deve-se, em primeiro lugar, construir a tabela de diferenas divididas. Em seguida, examinar as diferenas divididas da funo na vizinhana do ponto de interesse. Se
nesta vizinhana as diferenas divididas de ordem k so praticamente constantes (ou se as
diferenas de ordem (k + 1) variarem em tomo de zero), poderemos concluir que um polinmio interpolador de grau k ser o que melhor aproximar a funo na regio considerada
na tabela.
Por exemplo, consideremos f(x) - Vi tabelada abaixo com quatro casas decimais:
X

1.01

1.02

1.03

1.04

1.05

1.005

1.01

1.0149

1.0198

1.0247

Ordem O

Ordem 1

Ordem 2

1
0.5

1.01

1.005
0.5

1.02

-0.5

1.01
0.49

1.03

1.0149
0.49

1.04

1.0198
0.49

1.05

1.0247

f
constantes
Assim, no intervalo [1, 1.05] dizemos que um polinmio de grau 1 uma boa

aproximao para f(x) - Vx.

242

Clculo Numrico

Cap. 5

5.6.2 FENOMENO DE RUNGE


Uma pergunta que surge se a seqncia de polinl11ios de interpolao {p0 (x)} converge para
f(x) em [x0 , x 1) se {(Xo, ... , x0 )} cobre o intervalo [a, b) (ou seja, se n -4 oo).
No caso em que xi+l - xi = h, i = O, 1, ..., n - 1, ou seja, em que os pontos x 1 so
igualmente espaados, o exemplo abaixo, conhecido como "fenmeno de Runge", ilustra o fato
de que de se esperar divergncias neste caso.

Exemplo 12
Considere f(x)

=l

1
.t tabelada no intervalo [-1, I] nos pontos xi
25

= -1

0,

i = O, 1 , .. . , n.
O grfico a seguir apresenta a curva f(x), o polinmio de grau n = 1O que
interpola f(x) em xi, i = O, ..., 10 e o polinmio de Chebyshev que a interpola em

-xi =cos (2in+1


+ 12
1tl .
,....

II
I
I
I
I
I
I

I
I
I
I
I
I

I
I

I
I
I
I
I
I

1,5

"

I I
I I
I I

I I
I I
I I
I I
I I
I I

I
I
I
I
I
I
I
I .. .

I
I
I
I
I

I
I
I
I
I
I

1
- - - : f(x)

= 1/{1 + 25x2)

- - - : polinmio que interpola f nos pontos xi, i= O, ... 10


: polinmio interpolador de Chebyshev nos pontos X, acima

Figura 5.3

Cap. 5

Interpolao

243

Mostra-se que I f(x) - Pn(x) I se toma arbitrariamente grande em pontos do intervalo


(-5, 5], se o suficientemente grande.
No CaptuJo 6 de Isaacson & Keller [17], est demonstrado que, sendo
f(x) =

x =

x2 xj = - 5 + jx, j =O, 1,... , n

10
n'
para I x I > 3.63 ...(x

[-5, 5]), quando n

~ oo,

p0 (x) diverge de f(x).

Existem virias alternativas, entre as quais:


i)

1
No aproximar f(x) por polinmios; no caso, como f(x) = - - , seriam indip2(x)

cadas funes racionais, o que est fora do esprito deste captuJo.


ii) Trocar aproximao em pontos igualmente espaados por aproximao em ns de

Chebyshev : xi =
~=cos

2i + 1
( 2n + 2

~+~
2

xn-~
.
~, 1
2

= O,

1 , ... , n, onde

1t

a qual distribui mais homogeneamente o erro.


iil) Usar funes spline (onde temos convergncia garantida).

5.7 FUNOES SPLINE EM INTERPOLAO


Se a funo f(x) est tabelada em (n+l ) pontos e a aproximarmos por um polinmio de grau n
que a interpola sobre os pontos tabelados, o resultado dessa aproximao pode ser desastroso,
conforme vimos no Exemplo 12.

244

Clculo Numrico

Cap. 5

Uma alternativa interpolar f(x) em grupos de poucos pontos, obtendo-se polinmio de grau menor, e impor condies para que a funo de aproximao seja contnua e
tenha derivadas contnuas at uma certa ordem.
A Figura 5.4 mostra o caso em que aproximamos a funo por uma funo linear
por partes, que denotaremos S1(x).

f(x)

Figura 5.4

Observamos que a funo S 1(x) contnua, mas no derivvel em todo o intervalo (x 0, x,J, uma vez que S' 1 (x) no existe pra x =~ 1 ,;; i ,;; 3.
Podemos optar tambm por, a cada 3pontos: x1, xi+ l ' xi+l' passar um polinmio
de grau 2 e, neste caso, teremos tambm garantia s de continuidade da funo que vai
aproximar f(x).

Cap. 5

Interpolao

245

1.5
1

0.5

-0.5
- 1

Figura 5.5

No caso das funes spline, a opo feita aproximar a funo tbelada, em cada
subintervalo[~, ~+ 1 ], por um polinmio de grau p, com algumas imposies sobre a funo
conforme a definio a seguir.

DEFINIO:
Considere a funo f(x) tabelada nos pontos "o < x 1 < ... < "n
Uma funo Sp{x) denominada spline de grau p com ns nos pontos
i = O, 1, ..., n, se satisfaz a'> seguintes condies:

a) em cada subintervalo [xi, xi+1], i = O, 1, ..., (n - 1), Sp(:x) um polinmio de


grau p: sp(x).
b) SP(x) contnua e tem derivada contnua at ordem (p- 1) em [a, b].

Se, alm disto, Sp(x) tambm satisfaz a condio:


c) Sp(xi) = f(xi), i = O,l, ...,n, ento ser denominada spline interpolante.

A origem do nome spline vem de uma rgua elstica, usada em desenhos de


engenharia, que pode ser curvada de forma a passar por um dado conjunto de pontos (xi, yi),
que tem o nome de spline. Sob certas hipteses (de acordo com a teoria da elasticidade) a
curva definida pela rgua pode ser desrita aproximadamente como sendo uma funo por
partes, cada qual um polinmio cbico, de tal forma que ela e suas duas primeiras derivadas

246

Clculo Numrico

Cap. 5

so continuas sempre. A terceira derivada, entretanto, pode ter descontinuidades nos pontos
x1 Tal funo uma spline cbica interpolante com ns nos pontos x' segundo a definio
anterior.

5.7.1 SPUNE UNEAR INTERPOLANTE


A funo spline linear interpolante de f(x), S 1(x), nos ns
cada subintervalo [xi-l' ~] , i = 1, 2, ... , n como

x. -

~(
)

si(x) - 1.' xi - 1 x. - x.
I

I -

f( )
X
l

X -

x.

1-1

"i -

Xj -

'

lo> x1' ..., x0 pode ser escrita em

...,
v

x E [xi - 1'

~ .

Verificao:

a) S1(x) polinmio de grau 1 em cada subintervalo [x,_1, xi), por definio;


b) S1(x) contnua em
bem definida. pois:

si(x1) si+l (x1)


linear;

c) S1(xi)

Cxt-1' xi), por definio, e, nos ns x1, realmente S 1 est

=f(x1) ~ S 1(x) contnua em [a, b] e, portanto, S 1(x) spline

=si(x 1) =~x1) ~ S 1(x) spline linear interpolante de f(x) nos ns

Xo xl' ...,

~ .

Exemplo 13
Achar a funo spl ine linear que interpola a funo tabelada:

f(x)

2.5

Cap. 5

/nterpolaiio

247

3 .0

2.5
2.0
1.0
1

Figura 5.6
De acordo com a definio,

2-x
x-1
_
+
2 _
22
1
2
1

5 - X
5

+ 3

X- 2

2
3

+ 2x - 2

=X, X E

(5 - x) + x - 2 -

(1, 2}

1
3

(x + 4), x E (2, 5]

7- x
x-5
1
_
+ 2.5
_

(-0.5x + 8.5), x E (5,7).


7
7
2
5
5

248

Clculo Numrico

Cap. 5

5.7.2 SPLINE CUBICA INTERPOLANTE


A spline linear apresenta a desvantagem de ter derivada primeira descontnua nos ns.
Se usarmos splines quadrticas, teremos que S2 (x) tem derivadas contnuas at
ordem 1 apenas e, portanto, a cuJVatura de S2(x) pode trocar nos ns. Por esta razo, as
splines cbicas so mais usadas.
Uma spline cbica, S 3(x), uma funo polinomial por partes, contnua, onde
cada parte, ~(x), um polinmio de grau 3 no inteJValo [xk-l xk], k = 1, 2, ... , n.
S 3(x) tem a primeira e segunda derivadas contnuas, o que faz com que a curva
S 3(x) no tenha picos e nem troque abruptamente de curvatura nos ns.
Vamos reescrever a definio de :spline cbica interpolante:
Supondo que f(x) esteja tabelada nos pontos xi, i = O, 1, 2,..., n a funo S3(x)
chamada spline cbica interpolante de f(x) nos ns ~ i = 0, ... , o se existem n polinmios
de grau 3, sk(x), k = 1, ... , n tais que:

i)

S3(x)

=sk(x) para x E [xk-1' xk], k =1, ... , o

iz) Si xi)

= f(xi), i = O, 1, ..., n

iii) sk(xk) = ~+ 1 (xk), k = 1, 2, ... , (n - 1)


iv) sk:Cxk) - sk+ 1(xk), k = 1, 2, ..., (n - 1)

v) sk'Cxk)

= sk'+ 1 (xk),

k = 1, 2, ..., (n- 1)

Para simplicidade de notao, escreveremos sk(x)


~(x - xJ + dk, k = 1, 2, ... , n.

=ak(x -

xk) 3 + bk(x - xk)Z +

Assim, o clculo de S 3(x) exige a determinao de 4 coeficientes para cada k, num


total de 4n coeficientes: al' b l' cl' dl' ~ b 2, ..., an, bn, cn, d0
Impondo as condies para que S3(x) seja spline interpolante de f em Jto.... , x 0
teremos:
(n + 1) condies para que Six) interpole f(x) nos ns;
(n - 1) condies para que S3(x) esteja bem definida nos ns (continuidade de
S3(x) em [x0 , xn]);

Cap. 5

Interpolao

249

(n- 1) condies para que S~(x) seja contnua em [x0, x0 ]; e

(n- 1) condies para que S~(x) seja contnua em [x0, x0 ], num total de (n+1 +
3(n - 1)) = 4n - 2 condies. Portanto temos duas condies em aberto. Essas condies
podem ser impostas de acordo com informaes fsicas que tenhamos sobre o problema etc;
citaremos mais adiante algumas opes, dentre as mais usadas.
de

~(x)

De acordo com a definio que demos para cada sk(x), a condio (i) da definio
est automaticamente satisfeita.
Para impor a condio (it) montamos, para k = 1, ... , n, as equaes:
(1) sk(xJ

=dk =f(xk), s quais devemos acrescentar mais a equao:

(2) s 1(XQ) = f(x0) ~ -a1hy + b1hr - c1h 1 + d 1 - f(x0 ) onde usamos a notao
hk xk - xk-l com k
1.

A condio (t) satisfeita atravs das (n- 1) equaes: para k = 1, ..., (n- 1),

sk+ 1(xk) = f(xt), ou seja:


(3) - ak + 1

hL 1 + bk + 1 h'+ 1 -

~ + 1 hk + 1 + dk + 1 - f(xk).

Para impor as condies (iv) e (v), precisaremos das derivadas das sk(x):
(4) s.:(x) = 3ak(x - xJ 2 + 2bk(x- xJ + ct;
(5) s;(x) = 6aJ.(x - xJ + 2bk.
Observamos que ( (xk) - 2bk. Assim, cada coeficiente bit pode ser escrito em

funo de

S:: (~):

250

Clculo Numrico

Cap. 5

Analogamente, como ~ (xk_ 1) - - 6yk + 2htr, podemos tambm escrever ak


em funo das derivadas segundas nos ns pois

... sk (xk)

sk (xk- 1)

6~

e, impondo agora a condio (v), (\: (xk _ 1) = \: _ 1 (xk _ 1)}, obtemos:

(7)

ak

S:' (x ) - s."

lC

lC-1

(x

k-1

6h

Observamos que, no caso k =1, estamos intro-

duzindo uma varivel, s0(x0), arbitrria.


Uma vez que dk = f(xk) e j expressamos ak e bk, podemos usar (2) e (3) para
termos ck tambm em funo das derivadas segundas nos ns. Observamos que tirar c 1 da
equao (2) e, para k = 1, ... , (n - 1) usar (3) o mesmo que, para k =1, 2, ... , n,
termos:

ou seja:

-2sk' (xk)hk

Se usarmos mais as notaes

- sk-1 (xk -l)hk


6

Cap. 5

Interpolao

251

f(xJ = Yk teremos:

(1O)

btr. -

glt
2

Assim, para k = 1, 2, ..., n, podemos calcular todos os coeficientes de sk(x) em


funo de gj = ~ ~ (~), j = O, 1, ... , n.
Impondo agora a condio (iv) que ainda no foi utilizada, sic(xk) -

k = 1, 2, ..., (n- 1) teremos:

sk (xk)

ck - 3ak + 1 hL 1 - 2~ + 1 hk + 1 + ck + 1

e, usando (9), (1 0) e (11)


Yk+ 1 - Yk

2hk + 1 gk + 1 + gkhk +1
6

Agrupando os termos semelhantes, para k = 1, ..., n-1,

sk. + 1 (xk),

252

Clculo Numrico

Yk + 1 -

Yk

Cap. 5

Yk -

bk+ 1

Yk- 1

hk

ou seJa:

que um sistema de equaes lineares com (n - 1) equaes (k = 1, ..., (n - 1)) e (n+l)


incgnitas: So 8p 8n-1' 8n e, portanto, indeterminado, Ax = b
onde x - (So, g 1, ... 8n)T

A
~-1

hu

Y2- Yt

Y1 - Yo

hz
Y3 - Y2
b3

hl

Yz - Y1
hz

Yn- Yn-1

Yn-1 -

Yn-2

~-1

(n- 1) x 1

(n 1) x (n + 1)

Cap. 5

Interpolao

253

Para podermos resolver esse sistema, de forma nica, teremos de impor mais duas
condies conforme j comentamos.
De posse da soluo, a ento poderemos determinar l\: bk, '1t e dk, para cada

ALGUMAS ALTERNATIVAS:
1) S3(x0 ) =

= O e S3<Xn) = g0 = O, que chamada spline natural.

Esta escolha equivalente a supor que os polinmios cbicos nos intervalos


extremos ou so lineares ou prximos de funes lineares.
2) &o = gl' g 0 = &n-t que equivalente a supor que as cbicas so aproXImadamente parbolas, nos extremos.
3) Impor valores para as inclinaes em cada extremo, por exemplo

S3(x

S3(x0)

= A

= B, o que nos fornecer as duas equaes adicionais:


s (Xo)

= 3a1h2

S:, (xn)

= c0

2b 1h + c 1

=A

= B.

Exemplo 14
Vamos encontrar uma aproximao para f(0.25) por spline cbica natural, interpolante da
tabela:

0.5

f(x)

1.8616

1.0

-0.5571

1.5
-4. 1987

2.0
- 9.0536

Temos 4 subdivises do intervalo [0, 2.0], donde n = 4, e portanto temos de


determinar s 1(x), slx), s3(x) e s4(x) resolvendo, para 1 ::s::; k ::s::; 3 (n- 1 = 3), o sistema:

254

Clculo Numrico

Cap. 5

6 (Yk + 1 - Yk _ Yt - Yt
hk+ l
hx
No nosso exemplo,

h~r;

-t).

=h =0.5. Assim, (14) fica:

6
h&o + 4hg1 + hg2 h(y2 - 2y 1 + Yo)
6
bgl + 4hS2 + hg3 h (y3 - 2y2 + Yt)
6

hg2 + 4hg3 + hS4 b(y4 - 2y3 + Y2)


Como queremos a spline cbica natural, &o = S4 = O, e ento o sistema a ser
resolvido ser:
- (6/ h) (y2 - 2y1 + y0)
4hg1 + hg2
hg 1 + 4h8.2 + h83 (6/h} (y3 - 2y2 + Yt)
{
h82 + 4h83 (6/h)(y4- 2y3 + Y2)
4h h
h 4h
(

e, substituindo os valores de h e de Yi O

2
0.5

0.5

0.5

o
0.5
2

l( l (
8t
82
83

nao de Gauss nos fornece

4,

-15.3636]
-14.6748 , cuja soluo pelo mtodo da Elimi-14.5598

Cap. 5

Interpolao

255

g3 =-6.252
g2 =-4.111
g 1 =-6.6541, com 4 casas decimais.
Levando estes valores em ak, bk, ck e dk encontramos s 1(x), s2(x), s 3(x) e six).
Como queremos uma aproximao para f(0.25), f(0.25) s 1(0.25) e s1(x) = a1(x - x 1? +
b 1(x - x 1) 2 + c 1(x- x 1) + d 1 onde, por (9), (10), (11) e (12),
al -

gl - &l
6h

gl

-6.6541
a

bl ...

cl

Yt - Yo
2hgl +
h
+
6

st<0.25)

- -

22180

-3.3270

&>Jl

3 3858
--.

=- 2.2180 (-0.25)3- 3.3270 (0.25)2 -

3.3858 (-0.25) + 1.8616 =2.5348.

Assim, por spline cbica natural interpolante,


f(0.25) .. s 1(0.25) - 2.5348.

5.8 ALGUNS COMENTARIOS SOBRE INTERPOLAAO


1. Sob o conceito de interpolao desenvolvido neste captulo, ao interpolarmos
um polinmio de grau n por um polinmio de grau ;;a: n obteremos o polinmio original .
Verifique!
2. Seja interpolar f(x) sobre x0 , Xp X0 , n + 1 pontos distintos igualmente espaados. Mostra-se que G(x) = (x - x0) (x - x1) ... (x- ~)assume seu mdulo mximo num

dos intervalos (x0, x1) ou (xo-t X0 ), conforme a referncia [17]. Assim, se formos usar

(k + 1) pontos de interpolao, k ~ n, (polinmio de grau ~ k) e se tivermos possibilidade


de escolha destes pontos, dado x, devemos escolher x0, x1' ..., ~ de tal forma que x fique o
mais central possvel no intervalo [Xo, xk].

256

Clculo Numrico

Cap. 5

Por exemplo, seja aproximar f(0 .37) por polinmio de interpolao de grau

0.1

0.2

0.3

0.4

0.5

0.6

0.7

4:

0 .8

f(x)

Devemos escolher {x0 , x l' x2 , x 3, x4 } = {0.2, 0 .3, 0.4 , 0.5, 0 .6}, pois 0.37 est
mais prximo de 0.6 que de 0.1.
3. O matemtico russo P. L. Chebyshev provou que, entre todos os polinmios do
tipo G(x) = (x - Xo) (x - x 1) ... (x - "o), o que apresenta menor valor para mx I G(x) I ,
x e Lx0 ,

~.1

conhecida como propriedade MIN MX, o polinmio no qual os xi' i= O, 1, ..., n so os


ns de Chebyshev.
Tendo a liberdade de tabelar f(x) no intervalo [x0 ,"n], devemos escolher para
x 1, ... , X0 os ns de Chebysbev.

Xo

EXERCCIOS
l.

2.

Dada a tabela abaixo,


a)

Calcule e 3 1 usando um POlinmio de interPOlao sobre trs pontos.

b)

D um limitante para o erro cometido.


X

2.4

2.6

2.8

3.0

3.2

3.4

3.6

3.8

ex

11.02

13.46

16.44

20.08

24.53

29.96

36.59

44.70

Verifique que na interpolao linear

h~2
I E(x) I ~ - - onde h = x 1 - Xo .
8

Cap. 5

Interpolao

257

3.

Resolva o exercicio proposto na introduo deste capitulo. Verifique que um polinmio


de grau 2 uma boa escolha para obter f(32.5}; use um processo de interpolao linear
para obter o ponto x para o qual f(x) =0.99837.

4.

Dados:
w

0.1

0.2

0.4

0.6

0.8

0.9

f(w)

0 .905

0.819

0.67

0.549

0.449

0.407

1.2

1.4

1.7

1.8

g(x)

0.210

0.320

0.480

0.560

0.780

Calcule o valor aproximado de x tal que f(g(x)) = 0.6, usando polinmios interpolantes
de grau 2.
5.

Queremos construir uma tabela que contenha valores de cos(x) para pontos igualmente
espaados no intervalo I = [1, 2].
Qual deve ser o menor nmero de pontos desta tabela para se obter, a partir dela, o
cos(x}, usando interpolao linear com erro menor que 10--6 para qualquer x no intervalo [1, 2]?

6.

Consideremos o problema de interpolao para sen(x), numa tabela de pontos igualmente espaados com intervalo h, usando um polinmio de 211 grau. Fazendo x 0 =-h,
x 1 = O, ~ = h mostre que:

I E(x) I :$;

-;;

h3 .

7.

Sabendo-se que a equao x - e- x= O admite uma raiz no intervalo (0, 1}, determine o
valor desta raiz usando interpolao quadrtica. Estime o erro cometido, se possvel.
Justifique!

8.

Com que grau de preciso podemos calcular v115 usando interpolao sobre os pontos:
x 0 = 100, x 1 = 121 e ~ = 144?

258

Clculo Numrico

Cap. 5

9. Construa a tabela de diferenas divididas com os dados

f(x)

0.0

0.5

1.0

1.5

2.0

2.5

- 2.78

- 2 .241

-1.65

-0.594

1.34

4.564

a)

Estime o valor de f(1.23) da melhor maneira possvel, de forma que se possa


estimar o erro cometido.

b)

Justifique o grau do polinmio que voc escolheu para resolver o item (a).

10. Seja a tabela:

0.15

0.20

0.25

0.30

0.35

0.40

f(x)

0.12

0.16

0.19

0.22

0.25

0.27

Usando um polinmio interpolador de grau 2, trabalhe de dois modos diferentes para


obter o valor estimado de x para o qual f(x) = 0.23. D uma estimativa do erro
cometido em cada caso, se possvel.
11. Construa uma tabela para a funo f(x) = cos(x) usando os pontos: 0.8, 0.9, 1.0, 1.1,
1.2 e 1.3. Obtenha um polinmio de grau 3 para estimar cos(1.07) e fornea um
limitante superiior para o erro.
12. Seja a tabela

f(x)

-1

e seja Pn(x) o polinmio que interpola f(x) em - 1, O, 1 e 3. Imponha condies sobre


a, b, c, d para que se tenha n = 2.

Cap. 5

Interpolao

259

13. Sendo p0 (x) - }: ~(x)f(xk) o polinmio que interpola f(x) em x0, x1 , ... , x0 na forma
k-0
de Lagrange, mostre que
n

}': ~(x) - 1 , ltl x.


k-0

(Sugesto: interpele a funo f(x) 1.)


14. Seja p0 (x) o polinmio de grau ~ n que interpola f(x) em Xo x l' ... , ~ escrito na forma
de Newton.

a)

Escreva um algoritmo para avaliar p0 (i), xE [ Xo> x 0 ] semelhante ao algoritmo dos


parnteses encaixados descrito na Seo 2.5.3.

b)

Dada a tabela
X

0.2618

0.5234

0.7854

1.0472

1.309

f(x)

1.0353

2.8284

3.4641

3.8637

Obtenha uma aproximao para f(0.6) usando polinmio de grau 4, avaliando pi0.6)
atravs do algoritmo obtido no item (a).
15. Um outro conceito de interpolao o de aproximar uma funo f(x) , numa vizinhana
de um ponto a , por um polinmio p(x) que interpole em a : f(x), f (x), ..., f(n)(x), ou
seja, p(a) = f(a); p'(a ) - f (a); ... p<0 >(a) = f(n>(a); (estamos supondo que nesta
vizinhana a funo f possua derivada at ordem n, pelo menos.).
a)

Verifique que existe um nico polinmio p0 (x), de grau ~ n, que satisfaz as


condies acima .

(Sugesto: p0 (x) = C0 + C1(x - a) + ... + C 0 (x- a)0 .)


(Observao: o polinmio p0 (x) acima conhecido como a frmula de Taylor da funo
f(x) em tomo de a .)

260

Clculo Numrico

Cap. 5

b)

Seja f(x) = sen(x) e (-3, 4) uma vizinhana de a= O. Encontre p1, p2, p3, p4 e Ps
que interpolam f em x =O, no sentido acima.

c)

Faa uma comparao grfica da funo sen(x) com p1 (x), p 3(x) e p5(x) desenhando as quatro funes num mesmo grfico cartesiano.

16. Dados a
por

=x0 < x1 ... < x = b e f(xo), ... , f(x


0

'Po(x) =

X- Xa-1
---,

xn- ~-1

e, para i

E [~-1, Xa)

= 1, 2, ..., n-1,
,

~ "i-l

X - ~- 1
---'--.;;;..'

E (xi - 1 , "i)

xi - xi-1

),

sejam <p0(x), <p1(x), ... , <p0 (x) definidas

Cap. 5

a)

Interpowo

261

Faa o grfico de <p0 (x), <p0 (x) e <pi(x) genrica.


n

Verifique que S 1(x) .. ~ f(xi)<pi(x) a spline linear que interpola f{x) em

b)

XQ, ..., X0

i- O

17. Considere a tabela abaixo. Usando um polinmio interpolador de grau 3 determine x tal
que f(x)

=2.3. Justifique a escolha do processo.

0.0

0.2

0.4

0.6

0.8

1.0

f(x)

1.0

1.2408

1.5735

2.0333

2.6965

3.7183

18. Considere a tabela:


X

1.2

2.3

3.1

f(x)

1.5

5.3

9.5

3.9
10

D uma aproximao para a raiz da equao f(x) = 21ltilizando interpolao quadrtica.


Tente encontrar mais de uma maneira de resolver este problema.

PROJETOS
1.

FORMA DE NEWTON-GRBGORY PARA O POLINMIO INTERPOLADOR

No caso em que os ns da interpolao x0, x1' ... , ~ so igualmente espaados, podemos


usar a forma de Newton-Gregory para obter Pn(x). Estudaremos inicialmente o operador de
diferenas ordinrias:

262

Cdlculo Numrico

Cap. 5

Sejam Xo xl' x2, ... pontos que se sucedem com passo h, isto , xj = x0 + jb.
Chamamos operador de diferenas ordinrias:
M(x) =f(x + h) - f(x)
2f(x) = M(x + h) - M(x)

e naturalmente 0f(x)

= f(x).

Da mesma maneira que com as diferenas divididas, conhecida f(x) ou conhecidos


seus valores em Xo x1, ... , ~' podemos construir uma tabela de diferenas ordinrias:
X

f(x)

M(x)

f(XQ)
M(x0 )
f(x 1)
M(x 1)
etc.

f(xz)
M(xz)

f(x3)

Cap. 5

Interpolao

Por exemplo:
Seja f(x) tabelada abaixo:
X

f(x)

-1

10

A tabela de diferenas ordinrias ser:


X

-1

f(x)

M(x)

2f(x)

3f(x)

0)

8
o

0)

Q)

5
5

10

263

264

Clculo Numrico

Cap. 5

TEOREMA
Se~

=Xo + Jh, J = O, 1, 2,..., n entao qx0, Xp

..., Xa]

~Df(Xo)

bllo!

DEMONSTRAO (por induo)

n=1

Supondo que

qL.
, x1 , ... , :x:-"li- 1]
-\.1

~n - lf(Jto)
l)

hn-

h0 - 1(n - 1)!

(o - 1)!

h" - 1(n - 1)!


nh

~n - l f(xo + h) - ~o- lf(xo)

h0

1(n

- 1)! nh

temos

~nf(xo)

b0 n!

Cap. 5

Interpolao

265

Pede-se:

i)

Considere a tabela:
X

f(x)

f(xo)

onde os ns de interpolao so tais que: xj+l - xj = h, j = 0,. 1,... , (n-1).


Partindo da forma de Newton para p0 (x) e usando o teorema anterior, verifique
que:

Pn(x) - f(xo) + (x - xo>

M(Xo)
~ 2f(Xo)
h
+ (x - Xo) (x - xl) 2h2 + ... +
~Df(Xo)

+ (x - xo) (x - x l) ... (x - xn -1)

hilnl

que a forma de Newton-Gregory para o polinmio interpolador.

iz) Usando a forma de Newton-Gregory para p 3(x) obtenha uma aproximao


para f(2.7), onde f(x) a funo tabelada a seguir:
X

f(x)

1.3863

2.1972

2.7726

3.2189

266

Clculo Numrico

Cap. 5

iii) A forma de Newton-Gregory para Pn(x) pode ser simplificada, se usarmos


uma mudana de variveis:
Xg ...

J!o

~x-sh -Xo

da,

Usando esta troca de variveis, escreva a forma geral para Pn(x).

2. FENMENO DE RUNGE
Considere a funo f(x) -

1
do Exemplo 12 e o intervalo [a, b]
1 + 25x2

= [- 5, 5].

objetivo deste projeto constatar o fenmeno de Runge e usar as alternativas: spline linear
e spline cbica interpolantes.
Considere:
Pn(x): polinmio de grau k que interpola f(x) em "o> Xp xk
S 1(x): spline linear interpolante em

x , x l' ..., xk
0

Six): spline cbica interpolante em x0 ,

Xp .. .,

xk

onde x0, x1, ..., xn so (k+1) pontos igualmente espaados no intervalo [-5, 5].

Cap. 5

Interpolao

267

Realize 3 conjuntos de testes, fazendo k assumir os valores 5, 10 e 20, e em cada


teste, calcule:

mx

I f(~)

- Pk(zi)l

1 .;; i .;; 50

mx 1 t(xi) 1 ,. i .;; 50

mx

I f(zi)

1 ,. i .;; 50

onde zi

s1 (zi) I e

- S 3(zi) I

=-5 + 0.2i, i =O, 1, 2, ... , 50.


Compare os resultados obtidos.

CAPTULO

[!]

MAKRON

Boob

AJUSTE DE CURVAS PELO, MTODO


DOS QUADRADOS MINIMOS

6. 1 INTRODUO
Vimos, no Captulo 5, que uma forma de se trabalhar com uma funo definida por uma
tabela de valores a interpolao polinomial.
Contudo a interpolao no aconselhvel quando:
a) preciso obter um valor aproximado da funo em algum ponto fora do

intervalo de tabelamento, ou seja, quando se quer extrapolar;

b) os valores tablados so resultados de algum experimento fsico ou de alguma


pesquisa, porque, nestes casos, estes valores podero conter erros inerentes
que, em geral, no so previsveis.
Surge ento a necessidade de se ajustar a estas funes tabeladas uma funo que
seja uma ''boa aproximao" para os valores tabelados e que nos permita "extrapolar" com
certa margem de segurana.

268

Cap. 6

Ajuste de curvas pelo mtodo- dos quadrados mfninws

269

6.1 . 1 CASO DISCRETO


O problema do ajuste de curvas no caso em que temos uma tabela de pontos (xl' f(x 1)),
f(x 2)),

.. . ,

(xm, f(xm)) com xl' x2 ,

... ,

(Xz.

xm, pertencentes a um intervalo [a, b], consiste em: "esco-

lhidas" n funes g 1(x), g 2 (x), ... , g0 (x), contnuas em [a, b], obter n constantes a.1, a.z, ... , 0.0
tais que a funo cp(x)

a 1g 1(x) + a.zg2 (x) + ... <X0 g0 (x) se aproxime ao mximo de f(x).

Dizemos que este um modelo matemtico linear porque os coeficientes a determinar, ai' a 2, .. . , a.0 , aparecem linearmente, embora as funes g 1(x), g2(x), ... , g 0 (x) possam ser
funes no lineares de x, como por exemplo, g 1(x) = ex, g2(x) = (1 + x2) etc.
Surge aqui a primeira pergunta: como escolher as funes contnuas g1(x), .. ., g0 (x)?
A escolha das funes pode ser feita observando o grfico dos pontos tabelados ou
baseando-se em fundamentos tericos do experimento que nos forneceu a tabela.

Portanto, dada uma tabela de pontos (x1, f(x 1)),

... ,

(xm

f(~)),

deve-se, em primeiro

lugar, colocar estes pontos num grfico cartesiano. O grfico resultante chamado diagrama de
disperso. Atravs deste diagrama pode-se visualizar a curva que melhor se ajusta aos dados.

Exemplo 1
a)

Seja a tabela

f(x)

- 1.0
2.05

- 0.75
1.153

- 0.6
0.45

- 0.5

- 0.3

0.2

OA

0.5

0.7

1.0

0.4

0.5

0.2

0.6

0.512

1.2

2.05

O diagrama de disperso apresentado na. Figura 6.1.


Portanto, natural escolhermos apenas uma funo g 1(x)
cp(x) = ax2 (equao geral de uma parbola passando pela origem).

= x2 e procurarmos ento

270

Cdlculo Numrico

Cap. 6

f(x)

-1

Figura 6.1

b) Se considerarmos uma experincia onde foram medidos vrios valores de cor-

rente eltrica que passa por uma resistncia submetida a vrias tenses, colocando os valores correspondentes de corrente e tenso em um grfico, pod.eremos
ter

Vq

Vo

io

Figura 6.2

iq

Cap. 6

Ajuste de curvas pelo mtodo dos quadrados mlnimos

271

Neste caso, existe uma fundamentao terica relacionando a corrente com a


tenso V - Ri, isto , V uma funo linear de i.

Surge agora a segunda pergunta: qual parbola com equao ax2 se ajusta melhor
ao diagrama do Exemplo la) e qual reta, passando pela origem, melhor se ajusta ao diagrama do Exemplo lb)?
No caso geral, escolhida-s as funes g1(x), gix), .. ., 8n(x} temos de estabelecer o conceito de proximidade entre as funes q>(x) e f(x) para obter as constantes
al' ~ ... , ~

Uma idia impor que o desvio

(f(~)

- q>(~)) seja mnimo para i

= 1, 2, ... , m.

Existem vrias formas de impor que os desvios sejam mnimos; o desenvolvimento que
faremos, tanto no caso discreto como no caso contnuo, conhecido como o mtodo dos
quadrados m(nimos.
~

6.l.2 CASO CONTINUO


No caso contnuo, o problema de ajuste de curvas consiste em: dada uma funo f(x)
contnua num intervalo [a, b) e escolhidas as funes g1 (x), ~(x), ... , gn(x) todas contnuas em [a, b), determinar n constantes a 1, a 2 , ... , ~ de modo que a funo
q>(x) - a 1 g1(x) +
[a, b).

~g2(x) + ... +

angn(x) se aproxime "ao mximo" de f(x) no intervalo

Supondo, por exemplo, que se quer obter entre todas as retas aquela que fica
"mais prxima'' de f(x) - 4x3, num intervalo [a, b) teremos, neste caso, g1(x) 1 e
g2(x) = x; assim, preciso encontrar os coeficientes a 1 e
q>(x) - a 1 g1(x} + ~gz(x) se "aproxime ao mximo" de f(x).

tais que a funo

Novamente o problema : o que significa ''ficar mais prxima"?


Uma idia escolher a funo q>(x) de tal forma que o mdulo da rea sob a curva
q>(x) - f(x) seja mnimo.

272

Clculo..Numrico

Cap. 6

6.2 MTODO DOS QUADRAD-OS MNIMOS


6.2.1 CASO DISCRETO
Sejam das os~ (xp f{x 1)), (x2, f(Xz)), ... , ("uJ. f (y) e as n funrtles g 1(x), g2(x), .. , ~(x)
escolhidas de alguma forma.
Consideraremos que o nmero dle pontos m, tabelados, sempre maior ou igual a
n o nl;Dero de funes escolhidas ou o nmero de. coeficientes ai a se determinar.
Nosso objetivo encontrar os coeficientes

az, ..., 0n tais que a funo

q>(x) - a 1g1(x) + Uz82(x) + .. . + an~(x) se aproJllime ao mximo de f(x).


Seja dk f(xk) - q>(xk) o desvio em x1c Na Seo 6.1.1 observamos que um
conceito de proximidade que dk seja mnimo para todo k = 1, 2, ... , m.
O mtodo dos quadrados mnimos consiste em escolher os <)'s de tal
forma que a soma dos quadrados dos desvios seja mnima. claro que se a soma
m
m
.I: df' = .I: (f(xk) - <p(xk))2 mnima, teremos que cada p~cela [f(xk) - q>(xk)f pek- 1

k-1

quena, donde cada desvio [f(xk) - q>(xk)J pequeno.


Portanto, dentro do critrio dos quadrad0S mnimos, os coeficientes ak, que fazem
com que <p(x) se aproxime ao mximo de f(x), so os que minimizam a funo

Observamos que, se o modelo ajustar exatamente os d'ados, o mnimo da funo


acima ser zero e, portanto, a interpolao um caso especial dentro do mtodo dos
quadrados mnimos.

Cap. 6

F(a 1 ,

Ajuste de curvas pelo mtodo dos quadrados maimos

273

Usando o Clculo Diferencial, sabemos que, para obter um ponto de mnimo de


~ ... , ~), temos de, inicialmente, encontrar seus pontos crticos, ou seja, os

(~ , ~

... , a 0 ) tais que


F
a.

(al, a2, ... , ao)

- o,

j - 1, 2, ... , o.

Calculando estas derivadas parciais para cada j - 1, 2, ... , o, temos

Impondo a condio

aF
aj (~ ,

nz, ..., ao) - o,

j - 1, 2, ... o

temos
m

l: (f(xk) - a 1g1(xk) - ... - a 0 &n(xk)] [&j(xk)] - O, J - 1, 2, ... , n.

k-1

Assim,
m

[f(xk) - algt(xk) -

k-1
m

.I (f(xk) - algl(xk) k-1

I [f(xk) - a 1g1(xk) - .. . a 0 &o(xk)] &n(xk) - O

k-1

274

Clculo Numrico

Cap. 6

+ [ l: ~(xk)gl(xk)] ~

[ l: gl(xk)gl(xk)] a l +
k-1
m

= l: f(xk)gl(xk)

k-1

kl

k-1

k-1

+ [ l: gn(xk)gz(xk) Jan l: f(~)gz(xk)

[ l: gl(xk)g2(xk)] al +
kl

(1)

[ !

gn(xk)gl(xk)] ~ +

+ [ ! ~(xk)~(xk) ] an ! f(xk)~(xk)
k~

k -1

kl

que um sistema linear com n equaes e n incgnitas: a 1,

~' ... , a

As equaes deste sistema linear so as chamadas equaes normais.

O sistema linear (1) pode ser escrito na forma matricial Aa = b:


all al + a12 Uz + + aln an - bl
a21 a1 +

!Lzz a2 + .. +

ll:2n an -

b2

onde A .. (~j) tal que ~j l: g;(xk)~(xk) - ~i (ou seja, A simtrica)


k-1

b - :! f(xk)g(xk).
k-1
m

Lembramos que, dados os vetores x e y E Rm, o nmero real (x, y)

= l: x Yi
i -1

chamado de produto escalar de x por y.

Cap. 6

Ajuste de curvas pelo mtodo dos quadrados m(nimos

Usando esta notao, o sistema normal Aa

-gR

275

= b ficar expresso por

o vetor (gj(x 1) gR(x2) ... gR(~))T e f, o vetor (f(x1)f(x2) ... f(xm))T.


Demonstra-se que, se as funles g1(x), ... , gn(x) forem tais que os vetores g1, g2, ..., S'n

sejam linearmente independentes, ento o determinante da matriz A diferente de zero e,


portanto, o sistema linear (1) admite soluo nica: a 1, ... , a 0 . Ainda mais, demonstra-se
tambm que esta soluo a 1, ... , ~ o ponto em que a funo F(a 1, ... , a 0 ) atinge seu
valor mnimo.
Observamos que, se os vetores g1,

... , ~tiverem

uma propriedade suplementar de

serem tais que ( ~. 2. ): {vetores g1,

... ,

0
~ .,. ~ , o qwe, em linguagem de lgebra linear se diz "se os
"'.!
.. 0, l ""'J
forem ortogonais entre si", ento a matriz A do sistema normal (1) ser

matriz diagonal, com llti

O e, portanto, o sistema (1), ter soluo nica, a qual ser

facilmente determinada.
Felizmente, dado um conjunto de pontos {x1,

~ .. , ~ }

fcil construir poli-

nmios de grau O, 1, ... , n que so ortogonais, no sentido acima, em relao ao produto


escalar
(2)

Polinmios ortogonais constituem uma classe particular de funes ortogonais.


Tais funes possuem vrias propriedades muito interessantes e teis. O leitor interessado
em aprender sobre o assunto pode pesquisar, por exemplo, nos livros [5] e [27]. O estudo
de funes ortogonais, em particular de polinmios ortogonais, merece um captulo especial, o
que no ser feito neste livro.

Exemplo 2
Seja o conjunto de pontos

Xs ..

{-1, -1/2, O, 1/2, 1} e os polinmios

~(x) 1; g1(x) = x, ~(x) = x2

276

Clculo Numrico

Cap. 6

Ento, os polinmios ~(x), g 1(x) e g2(x) so funes ortogonais em


ao produto escalar (2) pois os vetores

(
g2 = (g2 ~))

= (2l

Xs com relao

! -~ -i ;

)T so ortogonais entre si, o que se verifica

facilmente:

( -~ -gl )

= 1(-1) +

1
1
l(-2) + 1(0) + 1(2) + 1(1)

=o

Fica a cargo do leitor fazer as demais verificaes.


Os polinmios citados so conhecidos como polinmios de Oram,
gonais em conjuntos de pontos eql.iidistantes, xi

=- 1 +

(Pl, m )m
i =O

orto-

. ( Pi m P . m) {=Osei*j
Assrm,
.
.
1,

-:;:. 0 sei;i:J

Exemplo 3
Resolvemos aqui o exemplo da introduo, onde vimos que a funo tabelada

f(x)

- 1.0

2.05

- 0.75

1.153

- 0.6
0.45

- 0.5

- 0.3

0.2

0.4

0.5

0.4

0.5

0.2

0.6

0.512 1.2

0.7

2.05

Cap. 6

Ajuste de curvas pelo mwdo dos quadrados mfnimos

277

feito o diagrama de disperso, deve ser ajustada por uma parbola passando pela origem, ou
seja, f(x) ... q>(x) - a.x2 (neste caso temos apenas uma funo g(x) = x2).
Temos, pois, de resolver apenas a equao
11

[ I

11

g(xk)g(xk)] a - I f(xk)g(xk)

k-1

k- 1

SOMAS
X

(x2).( x2)

f(x)xl

-1.0

-{).75

-{).6

-{).5

-{1.3

0.2

0. 4

0.5

0.7

0.3164 0.1296 0.0625 0.0081

0.0016 0.0256 0.0625 0.2401

2.8464

2.05

0.6486 0.162

0.008

2.05

5.8756

0.1

0.045

Assim, nossa equao 2.8464a - 5.8756

0.096

0.128

0.588

~::~~~

..

2.0642

Ento <p(x) - 2.0642x2 a parbola que melhor se aproxima, no sentido dos


quadrados mnimos, da funo tabelada.

6.2.2 CASO CONTNUO


Para simplificar a notao, desenvolveremos aqui o caso em que "escolhemos" apenas duas
funes.
Sejam ento f(x) contnua em um intervalo [a, b] e g 1 (x) e g2 (x) duas funes
contnuas em [a, b] que foram escolhidas de alguma forma. preciso encontrar duas

278

Clculo Numrico

constantes reais a 1 e
svel" de f(x).

Cap. 6

tais. que cp(x) =

1g 1(x )

~g2 (x)

esteja o "mais prximo pos-

Seguindo o critrio dos quadrados mnimos para o conceito de proximidade entre


<p(x) e f(x), os coeficientes a 1, ~ a serem obtidos devero ser tais que o valor de
b

fa

[f(x) - <p(x)f dx seja o menor possvel.

Geometricamente, isto significa que a rea entre as curvas f(x) e <p(x) seja mnima.
Portanto, o problema consiste em obter o mnimo para

fa

b [f(x) - cp(x)] 2 dx

= fb
a

[f(xf - 2f(x) <p(x) + cp(x)2] dx =

=>

da ~(x) dx] a~ = F(ap ~)

fa [f(x) -

<p(x)] 2 dx = F(a1 ,

~)

Com o mesmo argumento do caso discreto, temos de achar os P<?ntos crticos de


F, ou ~ej a, achar (a 1, ~)tal que

Cap. 6

Ajuste de curvas pelo mtodo dos quadrados mIIii1Ws

+ [2 / g1(x) g2(x) dx]


a

a~ (a, . ~)

Assim.

aF
(a,. ~)

ac;

r/ g1 (x)~(x)
a

a22 .. /

b1 - /

279

nz

- -2/ f(x)gz(x) dx + [2 /
a

~(x) dx]

Clz +

dx] a 1 +

r/ g~(x)
a

(3)

dx]

nz '"' / a f(x)g2(x) dx

~(x) dx

f(x)g1(x) dx e b2 = /

f(x)g2 (x) dx,

280

C4lculo Numrico

Cap. 6

podemos escrever o sistema linear (3) como

Demonstra-se que, se as funes escolhidas g1(x) e g2(x) forem linearmente independentes, o determinante da matriz A diferente de zero, o que implica que o sistema
linear (3) admite nica soluo (a1, ~). Ainda mais, demonstra-se tambm que esta soluo o ponto em que a funo F(a 1,

~)

atinge seu valor mnimo.

Usando aqui a definio de produto escalar de duas funes p(x) e q(x) no


intervalo [a, b] por
b

( p, q) =

Ja p(x) q(x) dx,

(4)

teremos que, no caso em que queremos aproximar


f(x) "" a 1g 1(x) + . .. +

b = (bi) = (f, gi ) =

a~n(x)

o sistema normal Aa = b fica

Jab f(x) gi(x) dx.

Da mesma forma que no caso discreto, temos funes ortogonais com relao ao
produto escalar (4), como mostra o Exemplo 4.

Exemplo 4
Os polinmios de Legendre, definidos por
1

P 0(x)

d(k)

= 1, Pk(x) = zkk! dx(k) [(x2 - 1)] k, k = 1, 2, ...

Ajuste de curvas pelo mtodo dos quadratkJs mnimos

Cap. 6

281

so ortogonais em [-1 , 1] com relao ao produto escalar (4).


Fica como exerccio a verificao de que os trs primeiros polinmios de Legen-

~ (3x2

dre P0(x) s 1, P 1(x) = x e P2 (x) =

l) so ortogonais entre si.

Uma observao interessante que, em geral, polinmios ortogonais satisfazem


uma frmula de recorrncia de 3 termos , ou seja, dados P 0 (x) e P 1(x), conseguimos
construir Pk(x), k = 2, 3, ...
No caso
Pj+l (x) =

dos

polinmios de Legendre, a

(~j: 11 ) xPj(x)-

(j J

frmula

de

recorrncia

) Pj_ 1(x), j = 1, 2, ...

Exemplo 5
Resolvemos o exemplo da introduo, ou seja, vamos aproximar f(x)
mio do primeiro grau, uma reta, no intervalo [a, b] = [0, 1].

(g 1(x)

=1

Pelo que vimos,

al2

= fa

~2 =

fa

(a i' ~)

gl(x) g2(x)dx

~(x)dx

a nica soluo de Aa =bonde

f I xdx = -2x2 I I = 21 = ~~
O

f I x2dx = -x 3 I 1 = -l
O

3 o

= 4x3 por um polin-

282

Clculo Numrico

b =
1

Ja f(x) g (x)dx = J 4x3dx = - 4


b

= Ja

b2

Cap. 6

4x4

f(x) g2 (x)dx =

4x3xdx

IOI =

4x5

1
4

= - 5 IO = -5

Temos ento o sistema


la.l +

2~ =
1

2 a.l + 3- <Xz =

Logo, a aproximao por quadrados mnimos de f(x) = 4x3 no intervalo [0, 1), por
18
um polinmio de grau 1, a reta q>(x) =
x - ~.
5

6.3 CASO NO LINEAR


Em alguns casos, a fam.Oia de funes escolhidas pode ser no linear nos parmetros, como,
por exemplo, se ao diagrama de disperso de uma determinada funo se ajustar uma
exponencial do tipo f(x) "" <p(x)

= a 1 e~. a 1 e az positivos.

Para se aplicar o mtodo dos quadrados mnimos, com o que j estudamos neste
captulo, necessrio que se efetue uma linearizao do problema atravs de alguma transformao conveniente.
Por exemplo:

Se a 1

= ln(a 1) e az = - Clz

near nos parmetros

al

az.

===>

ln(y) "" a 1

azx = $(x) que um problema li-

O mtodo dos quadrados mnimos pode ento ser aplicado na resoluo do problema linearizado. Obtidos os parmetros deste problema, usaremos estes valores para
calcular os parmetros originais.

Cap. 6

A.j usk de curvas pelo mtodo dos qutUlrados mfnimos

283

importante observar que os parmetros assim obtidos no so timos dentro do


critrio dos quadrados mnimos, isto porque estamos ajustando o problema linearizado por
quadrados mnimos e no o problema original.
Portanto, no exemplo, os parmetros a 1 e a 2 so os que ajustam a funo j)(x)
funo z(x) no sentido dos quadrados mnimos; no se pode afirmar que os parmetros a 1
e

(obtidos atravs de a 1 e
quadrados mnimos.

3:0 so os que

ajustam q:>(x) f(x) dentro do critrio dos

Exemplo 6
Suponhamos que num laboratrio obtivemos experimentalmente os seguintes valores para
f(x) sobre os pontos x 1, i = 1, 2, ... , 8:
X

f(x)

- 1.0

-fJ.7

-fJ.4

36.547 17.264

-fJ.l

8.155

3.852

0.2

0.5

0.8

1.0

1.820

0.860

0.406

0.246

Fazendo o diagrama de disperso dos dados acima, obtemos

Figura 6.3

que nos sugere um ajuste y - q:>(x) - a 1 e--o.zx.

284

Clculo Numrico

Cap. 6

Conforme vimos anteriormente, a "linearizao" a ser feita z


ln(a1e-azX) = ln(a1) - ~x = q,(x).

= ln(y) -

Assim, em vez de ajustarmos y por quadrados mnimos, ajustaremos z = ln(y)


por quadrados mnimos, encontrando $(x) .. a1 + ~ onde a1 = ln(a1 ) e ~. .. - ~(Aqui g1(x) = 1 e gz(x) =x.)
Temos pois:

-1

z = ln(y)

-0.7

3.599

-0.4

2.849

-0.1

2.099

0.2

1.349

(').599

0.5

0.8

-0.151

-0.901

e a 1 e a2 sero a soluo do sistema:


8

p:

kl

gl(xk)gl(xk)]al + [I g2(xk)gl(xk)]~ = I z(xk)gl(xk)


k-1
k-1

g 1(x) - 1 ~ I

k-1

g 1(xk)g1(xk) = I

~1 -

1-

k-1

b1 - I z(xk)g1(xk) I z(xk) ... 8.041

b2

kl

k-1

= I z(xk)~(xk) = I z(xk) xk - k-1


k-1

8.646

1
-1.402

Cap. 6

Ajuste de curvas pelo mtodo dos quadrados minimos

285

donde
8

0.3

0.041

b-

0.3

3.59

-8.646

e o sistema fica
8.0a1 + 0.~ -

8.041

0.3al + 3.5~ - - 8.646

~ ~ - 1.099 e ~ - - 2.5

Agora, a 1 - e~ ~ a 1 - el.099 - 3.001


~ - - ~ ~ ~ - 2.5.

Assim, a funo cp(x) - O-te- <y - 3.001e- 2.5x.


Assim como no exemplo anterior, onde ajustamos aos dados a curva
y - a 1e-a:z", comum encontrarmos casos em que os dados tabelados, feito o diagrama de
disperso, devem ser ajustados por

1) Uma hiprbole: y -

1
- cp(x)
a 1 + ~x

(z - - - a 1 + ~x) .
y

2) Uma curva exponencial: y - a 1a!

q>(x)

(se y > O, z = ln(y) - ln(a1) + xln(~ = a1 + y

..

.,

= ~x)).

286

Clculo Numrico

Cap. 6

3) Uma curva geomtrica: y a1 x~

= (j)(x)

(se x >O e y > O, z = ln(y) ln(a1) + a}n(x)

= a1

+ a2 ln(x)

.__.
t

~ z ... ln(y) - a1

+ azt - <j>(t)). (Aqui minimizamos a soma dos quadrados


dos desvios nos logaritmos de y, para os logaritmos de x.)
4) Uma curva trigonomtrica: y - a 1 + ~ cos(wx) ... (j)(x). (t - cos(wx) ~
(j)(t) - a 1 + ~t e, neste caso, estamos minimizando a soma dos quadrados
dos desvios em y.)

6.3.1 TESTE DE ALINHAMENTO


Uma vez escolhida uma funo no linear em a 1, ~' ... , <Xn para ajustar uma funo dada,
uma forma de verificarmos se a escolha feita foi razovel aplicarmos o teste de alinhamento, que consiste em:

i)

fazer a "linearizao" da funo no linear escolhida;

ii) fazer o diagrama de disperso dos novos dados;

iii) se os pontos do diagrama (ii) estiverem alinhados, isto significar que a funo no linear escolhida foi uma "boa escolha".
Observamos que, devido aos erros de observao, e clculos aproximados, consideramos satisfatrio o diagrama de disperso onde os pontos se distribuem aleatoriamente
em torno de uma reta mdia.
No Exemplo 6, temos

-1

-0.7

36.547

17.264

8.155

3.599

2.849

2.099

= ln(y)

-0.4

-0.1

0.2

0.5

0.8

3.852

1.820

0.860

0.406

0.246

1.349

0.599

-0.151

-0.901

- 1.402

Cap. 6

Ajuste de curvas pelo mtodo dos quadrados mnimos

287

Figura 6.4

EXERCiCIOS
1.

Dado um conjunto de valores (xk, f(xk)), k - O, 1, 2, ... , m, descreva situaes em que


voc usaria um polinmio interpolador por estes pontos e situaes em que voc
ajustaria uma curva a estes dados pelo mtodo dos quadrados mnimos.

2.

Ajuste os dados abaixo pelo mtodo dos quadrados mnimos utilizando:

a) uma reta
b) uma parbola do tipo ax2 + bx + c.
Trace as duas curvas no grfico de disperso dos dados. Como voc compararia as duas
curvas com relao aos dados?

0.5

0.6

0.9

0.8

1.2

1.5

1.7

2.0

288

3.

Clculo Numrico

Dada a tabela abaixo, faa o grfico de disperso dos dados e ajuste uma curva da
melhor maneira possvel:

0.75

4.

Cap. 6

-2.8

--0.6

1.5

2.0

2.5

3.0

3.2

4.8

6.0

7.0

A tabela abaixo mostra as alturas e pesos de uma amostra de nove homens entre as
idades de 25 a 29 anos, extrada ao acaso entre funcionrios de uma grande indstria:
Altura

183

173

168

188

158

163

193

163

178

em

Peso

79

69

70

81

61

63

79

71

73

kg

a) Faa o diagrama de disperso dos dados e observe que parece existir uma relao
linear entre a altura e o peso.
b) Ajuste uma reta que descreva o comportamento do peso em funo da altura, isto
, peso= f(altura).
c) Estime o peso de um funcionrio com 175 em de altura; e estime a altura de um
funcionrio com 80 kg.

) Ajuste agora a reta que descreve o comportamento da altura em funo do peso,


isto , altura = g(peso).
e) Resolva o item (c) com essa nova funo e compare os resultados obtidos. Tente
encontrar uma explicao.
f)
5.

Coloque num grfico as equaes (b) e () e compare-as.

A tabela abaixo fornece o nmero de habitantes do Brasil (em milhes) desde 1872:
Ano

Habitantes

1872 1890 1900 1920 1940 1950 1960 1970 1980 1991
9.9

14.3

17.4

30.6

41.2

51.9

70.2

93.1 119.0 146.2

Ajuste de curvas peJo mtodo dos quadrados mfnimos

Cap. 6

289

a) Obtenha uma estimativa para a populao brasileira no ano 2000. Analise seu resultado.

b) Em que ano a populao brasileira ultrapassou o ndice de 100 milhes?


6.

Ajuste os dados:

30

-6

-4

-2

10

a) usando a aproximao y 1/(ao + a1x). Faa o grfico para 1/y e verifique que
esta aproximao vivel;

b) idem para y - abX;


c) compare os resultados (a) e (b).
7.

O nmero de bactrias, por unidade de volume, existente em uma cultura aps x horas
apresentado na tabela:
n de horas (x)
n de bactrias por
volume unitrio (y)

32

47

65

92

132

190

275

a) verifique que uma curva para se ajustar ao diagrama de disperso do tipo exponencial;

b) ajuste aos dados as curvas y - abX e y - axb; compare os valores obtidos por
meio destas equaes com os dados experimentais;

c) avalie da melhor forma o valor de y(x) para x = 7.


8.

Considere:
X

f(x)

f(xJ

290

ClcullJ Numrico

Cap. 6

Deseja-se estimar f(a), a e

(Jto.

~).

Compare os resultados que seriam obtidos

quando aproximamos f(x) por


a) um polinmio que interpola f(x) nos n + 1 pontos.

b) +(x)

9.

= <l() + alx

+ "2X2 + ... + <loX0 , pelo mtodo dos quadrados mnimos.

a) Considere:
X

10

14

17

27

31

35

44

94.8

98.7

81.3

74.9

68.7

64.0

49.3

44.0

39.1

31.6

Atravs do teste de alinhamento, escolha uma das famlias de funes abaixo que
melhor ajusta estes dados: aebx, 1/(a + bx), xl(a + bx).
b) Ajuste os dados do item acima fam11ia de funes escolhida. Qual o resduo

minimizado?
10. Aproxime a tabela abaixo por uma funo do tipo g(x) = l + aebll usando quadrados
mnimos. Discuta seus resultados.
X

0.5

1.0

2.5

3.0

2.0

2.6

3.7

13.2

21.0

-9

-6

-4

-2

30

10

l l. Considere a tabela

Por qual das funes x(t)


Justifique a sua resposta.

= t/(at +

b) ou y(t)

= ab1 voc aproximaria a

funo u(t)?

Cap. 6

Ajuste de curvas pelo mtodo dos quadrados mlnimos

291

12. Considere a tabela


X

-2

-1

-1

Deseja-se aproximar a funo y(x) tabelada nos pontos distintos(~. y) para i 1, ... , m.
Podemos fazer a regresso linear de y por x obtendo y = ax + b. Podemos tambm
fazer a regresso linear de x por y obtendo x = cy + d. Voc espera que as retas
coincidam ou no? Justifique.
13. Seja f(x) uma funo real, de varivel real, definida e contnua no intervalo [0, 2:rc) e
seja tambm n um nmero fixado.
Ache os valores das constantes reais, lia ap a0 , bl' b2, ..., b0 , tais que f(x) = a0 +
a1cos(x) + b1sen(x) + ~cos(2x) + b2 sen(2x) + ... + 3.acos(nx) + b 0 sen(nx), seja a
melhor aproximao para f(x) em [0, 21c), no sentido de quadrados mnimos.

PROJETO
SOLUO DE SISTEMAS LINEARES SOBREDETERMINADOS
Os sistemas lineares sobredeterminados Ax = b, A: matriz m x n, x vetor o x 1 e b vetor
m x 1, com m > n, ou seja, com mais equaes que incgnitas, muito raramente possuem
soluo. Conforme observamos no Captulo 3, mesmo se A for posto completo, as chances
de b pertencer imagem de A so muito pequenas. Assim, estaremos, na maioria dos casos,
querendo resolver Ax = b, A matrix m x n, posto(A) = n e b f/. Im(A) e sabemos que este
sistema no tem soluo.
Nestes casos, o que fazemos calcular 6 como sendo a projeo de b sobre Im(A)
na norma 2 e ai ento tomamos como soluo do nosso sistema Ax = b, a soluo nica do
sistema Ax = b.
O vetor b projeo de b sobre Im(A) na norma 2 o vetor b = Ai onde
min 11 Ax - b Ih - 11 Ai - b lhxER11

292

Clculo Numrico

Cap. 6

Chamando t'(x) = Ax - b de resduo em x, queremos ento achar a soluo x de


resduo mnimo. Note que achar esta soluo o mesmo que encontrar x que minimize
f(x) =

21 11 r(x) 11~

21 11 Ax

- b 11~ =

21 ( Ax

- b, Ax - b ).

Do Clculo Diferencial e Integral, sabemos que, se min f(x) = f (i ), ento


x e l!:n

df-

~ (x) =

O, 1 ~

Assim, aps calcular a derivada do produto escalar e igualar o resultado a zero, x


ser soluo do sistema ATAx = ATb, a qual ser nica, pois A posto completo. Alm
disso, ATA ma.triz simtrica, definida positiva e, portanto, ATAx = ATb pode ser resolvido
pelo mtodo de Cholesk:y.
Considere a tabela

Se quisermos encontrar uma reta <P(x)


1

~ 1 ~

= a 1 + ~x

tal que f(xi)

= cp{xJ.

m, estaremos tentando resolver o sistema linear sobredetenninado Aa. = b:


a.I + OZ't = f(xl)
a.l + ~ = f(x2)

Cap. 6

Ajuste de curvas pelo mtodo dos quadrados minimos

que tem m equaes e 2 incgnitas, a 1 e

az. Neste caso, temos:

X]

f(x 1)

"2

<Xz

f(x2 )

xm

a-

293

e b

f(~)

f(xm)

am

Observe que neste caso escolhemos q>1(x) ... a 1g 1(x) + ~~(x), com g1(x) 1 e
~(x) .. x que so tais que os vetores g1 e g2 so linearmente independentes pois:
gl(xl)

-g1

g1("2)
gl(xm)

...

gz(xl)
gz(xz)

1
1

e
1

g2-

xl

xz
a

Sz(~)

Observe que poderamos ter escolhido q>(x)

x.n
=

a 1g1 (x) + azg2 (x) + ... + angn(x)

onde g 1(x), g2(x), . .. , StJ(x) fossem quaisquer funes tais que os vetores g1 , ~... , ~.
definidos por (gjl - gj(~) fossem linearmente independentes.
i)

Em primeiro lugar, queremos que voc verifique que o sistema linear


ATAx = A Tb exatamente o sistema normal que temos de resolver para
encontrar a reta a 1 + azx que melhor aproxima a tabela no sentido de qua-

drados mnimos, como foi desenvolvido no texto, ou seja: verifique que os


elementos cij da matriz ATA e di do vetor ATb valem exatamente:
cij

= (Si Sj ) e ~ - (f, 8a ), com


m

g1(x) 1, g2(x) - x e ( p, q) = I: p(xk) q(xk).


k-1

294

Clculo Numrico

Cap. 6

iz) Trabalhando agora com os valores numricos

~:) I

11

14

= b (A: 8 x 2, a: 2 x 1 e b: 8 x 1);

a)

monte a matriz A e o vetor b do sistema Aa

b)

verifique que A tem posto completo;

c)

verifique que b $. Im(A);

d)

comprove, desta vez numericamente, que o sistema linear AT A:x = A1b que d a
soluo de resduo mnimo de Aa = b o sistema normal da soluo de quadrados mnimos, descrita no texto.
i) aplicando os itens anteriores, (t) e (ii), ache as solues de quadrados mnimos quando

a)

X -

b)

2x +
-X +
3x X

3y
5y
2y
y
2y

l (

e b

0.9
= 1.9
= - 0.9
3.0

1.1

O.ll
:

CAPTULO

rn

MAKRON

Boolts

INTEGRAO NUMRICA

7. 1 INTRODUO
Sabemos do Clculo Diferencial e Integral que se f(x) funo contnua em [a, b ], ento
esta funo tem uma primitiva neste intervalo, ou seja, existe F(x) tal que F' (x) = f(x).
b

Assim

f a f(x) dx- F(b)- F(a), no entanto, pode no ser fcil expressar esta funo primiti-

va por meio de combinaes finitas de funes elementares, como, por exemplo, a funo
2

f(x) = e-x , cuja primitiva F(x) que se anula para x = O chamada funo de Gauss.
Existe ainda o caso em que o valor de f(x) conhecido apenas em alguns pontos,
num intervalo [a, b]. Como no conhecemos a expresso analtica de f(x), no temos
condio de calcular

f b f(x) dx.
8

Uma forma de se obter uma aproximao para a integral de f(x) num intervalo
[a, b], como nos casos acima, atravs dos mtodos numricos que estudaremos neste
captulo.

295

296

Cap. 7

Clculo Numrico

A idia bsica da integrao numrica a 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 se fazer. Com este raciocnio podemos
deduzir frmulas para aproximar

f ba f(x) dx.

Neste captulo, as frmulas que deduziremos tero a expresso abaixo:

7.2 FRMULAS DE NEWTON-COTES


Nas frmulas de Newton-Cotes a idia de polinmio que aproxime f(x) razoavelmente
que este polinmio interpole f(x) em pontos de [a, b] igualmente espaados. Consideremos a partio do intervalo [a, b] em subintervalos, de comprimento h, [xi, xi+d'
i= O, 1, .. ., n - 1. Assim xi+l - xi =h= (b- a)/n.
As frmulas fechadas de Newton-Cotes so frmulas de integrao do tipo

X
o f(x)

f a f(x) dx = f x

dx "" AJ(Xo) + A1f(x 1) + .. . + Anf(x0 )

...

~ Aif(xi),

iO

sendo os coefidentes ~ determinados de acordo com o grau do polinmio aproximador.


Desenvolveremos a seguir algumas das frmulas fechadas de Newton-Cotes, a
saber, a regra dos Trapzios e a regra 1/3 de Simpson.
Existem ainda as frmulas abertas de Newton-Cotes, construdas de maneira anloga s fechadas, com x0 e x0 E (a, b ).

7.2.1 REGRA DOS TRAPEZIOS


Se usarmos a frmula de Lagrange para expressar o polinmio p 1(x) que interpola f(x) em
x0 e x 1 temos

Cap. 7

Assim, IT -

Integrao 1Ul111rka

~ [f(Xo) + f(x 1}), que a rea do trapzio de altura h =x1 -

297

x 0 e bases

f(xo) e f(x 1).

GRAFICAMENTE

f(x)

f(Xo)

Figura 7.1
Observando a Figura 7.1 vemos que ao substituir a rea delimitada pelas curvas y = f(x), x = x0, x

xt

=xl' y =O (o valor de J

f(x) dx exatamente esta rea!) pela rea

xo

do trapzio, de altura h e bases f(xo) e f(x1) , cometemos um erro. Vejamos como a


expresso deste erro.
Da interpolao polinomial sabemos que

298

Clculo Numrico

Cap . 7

Integrando esta expresso de Xo a x 1 teremos:

Portanto, o erro na integrao pela regra dos Trapzios,

Rr - f

x1

xo

&r. dado por

f '(~)

(x - Xo)(x - x1)

dx.

Para calcular esta integral lembramos inicialmente que f '(!;x) funo de x.


Seja g(x)

=(x -

xo) (x - x 1). Ento,

Observe que "f x E (Xo> x 1), g(x) <O e que, se f '(x) for contnua em [xO> x 1],
existem nmeros reais p e P, tais que p ~ f'(x) ~ P.
Assim, p ~ f '(;x) ~ P e, como g(x) ~ O, ento
pg(x) ~ g(x) f'(;x) ~ Pg(x)

<0

f
p

<0

xo

g(x) f'(~) dx

=A

Cap. 7

Integrao numrica

Da hiptese de f'(x) ser contnua em [Xo, x 1] e do fato de p


existe c E (x0, x1 ) tal que f'(c) =A, ou seja

f x1 g(x) f'(~) dx -

f'( c)

f xl

xo

299

A :s::; P, temos que

g(x) dx,

xo

que o Teorema do Valor Mdio para Integrais.

Assim,

Como

-b3
f ~ g(x) dx "" 6

Xa

h
ET .. - 12
f

(c), c E (Xo, x1). Em resumo,

7.2.2 REGRA DOS TRAPZIOS REPETIDA


Como podemos ver, tanto graficamente quanto pela expresso do erro, se o intervalo de
integrao grande, a frmula dos Trapzios nos fornece resultados que pouco tm a ver
com o valor da integral exata. O que podemos fazer neste caso uma subdiviso do
intervalo de integrao e aplicar a regra dos Trapzios repetidas vezes. Chamando xi os
pontos de subdiviso de [a, b], xi tais que xi+l- xi =h, i= O, 1, ... , m -1 teremos

300

Clculo Numrico

Cap. 7

Como estamos supondo f'(x) contnua em [a, b], uma generalizao do Teorema
do Valor Intermedirio nos garante que existe l; E (a, b) tal que:
m-1

l:

f'(ci) - mf'(l;).

i- 0

Assim,

Em- -

mh3 f '(s)

12

GRAFICAMENTE
f(x)

: h
X

Figura 7.2

Cap. 7

Integrao numrica

301

Da mesma forma que na interpolao polinomial, no podemos calcular exatamente f'(;), visto que no conhecemos o ponto;. Quando possvel calculamos um limitante
superior para o erro.
Temos que:

h3

Em = - m 12 f'(~).
Sendo f'(x) contnua em [a, b) ento existe M2 -

mx lf'(x)l. Assim
xE[a,b]

b-a

ou, lembrando que m - - h- ,

Exemplo 1
1

Seja I -

f o ex d:x
a) Calcule uma aproximao para I usando 10 subintervalos e a regra dos Trapzios repetida. Estime o erro cometido.
b) Qual o nmero mnimo de subdivises de modo que o erro seja inferior a
10- 3?

(a) Os pontos xi - O. li, i - O, 1, ..., 10 dividiro o intervalo [0, 1] em subintervalos com h

=0.1. Aplicando a regra dos Trapzios repetida, teremos

f O1 eX dx .. oi1 (e0 + 2e0 1 + 2e02 + ... + 2e0.? + 2e08 + 2e09 +e)- 1.719713

302

Cap. 7

Ckulo Numrico

e o erro exato desta aproximao ser

IBrnl-

10(0.1? ;
e , ~ E (O. 1).
12

Portanto:

If.:rR I ~ 0 ~ 1

mx

Iex I ..

0.00227

xE[O,l]

mh3

(b)

IEm I - U If"(~) I, ; E (0, 1) com mh ="m- Xo =1 e


X

mx I f'(x) I =e
E (0, 1)

IErR I ~ ~; e. A condio IEm I < w-3 ser satisfeita se ~ e


se h2 <
m

12

!~

<

w-3' isto ,

10 3
- - 0.00441. Portanto, deveremos tomar h < 0.0665, ou
e

16, para obtermos uma aproximao com erro menor que 10-3

(m inteiro e m > 15.03759).

7.2.3 REGRA 1/3 DE SIMPSON


Novamente podemos usar a frmula de Lagrange para estabelecer a frmula de integrao
resultante da aproximao de f(x) por um polinmio de grau 2. Seja p2(x) o polinmio que

nterpola f(x) nos pontos x0

=a,

x1 =x0 + h e x2 =x0 + 2h =b:

Assim,

f b f(x) dx - f .x f(x) dx ... f ~ p2(x) dx =


2

xo

Xo

f(x 0) X:z

2h2

xo

(x - x1)(x - x2 ) dx -

Cap. 7

Integrao numrica

303

As integrais podem ser resolvidas, por exemplo, usando a mudana das variveis
x - x0 = zh. Assim dx = hdz, x = Xo + zh; ento
x- x 1 = Xo + zh- (x0 + h)= (z- l)h e

x- x2 = (z- 2)h
e, para
x = x 0, z =O;

x = xl' z = 1

X= X 2, Z =

Com esta mudana,


f(XfJ)h 2
ls ...

f o(z- l)(z- 2) dz -

f(x1)h

f o z(z- 2) dz +

f(x2 )h 2
2

f o z(z- 1) dz.

Resolvendo as integrais obtemos a regra 1/3 de Simpson:

Podemos mostrar, embora a demonstrao seja um pouco mais elaborada que a


f~ita na regra dos Trapzios, que a expresso do erro na frmula de Simpson, supondo que
f(Iv)(x) contnua em [x0 , x2],

Desta expresso para o erro observamos que o ganho na potncia de h, ao passar


da aproximao linear para a quadrtica, foi substancial. No prximo exemplo este ganho
ficar evidenciado.

7.2.4 REGRA 1/ 3 DE SIMPSON REPETIDA


Antes de apresentarmos o exemplo, apliquemos a regra de Simpson repetidas vezes no
intervalo [a, b] = [Xo xm]. Vamos supor que x0, Xp ... , xm so pontos igualmente espaados,
h = xi+l - xi, e m par (isto condio necessria pois cada parbola utilizar trs pontos
consecutivos).

304

Clculo Numrico

Cap. 7

Em cada par de subintervalos, temos

'1c

E (~_2, ~) e k- 1, ... , m .
2

Ento,

f Xo f(x) dx m

m/2

l:
k 1

2k
x2k-2

h
f(x) dx - 3 {[f(xo) + 4f(xl) + f(~)] + [f(~) +

Assim,

Novamente, supondo que rv(x) contnua em [x0 , x:mJ, usamos uma generalizao
do Teorema do Valor Intermedirio e obtemos:

Cap. 7

Temos ainda que existe M4 - mx

Integrao numrica

305

I :fiv(x) 1. Assim

XE (Xo,Xm)

b-a
ou, lembrando quem"" - h- '
p_R I ~
I---s

(b - a)h4 M
4"
180

Exemplo 2
Seja I =

Jo1 ex dx.
a) Calcule uma aproximao para I usando a regra 1/3 de Simpson com m = 10.
Estime o erro cometido.
b) Para que valor de m teramos erro inferior a 10- 3?

(a) Sendo m = 10, h = (1/10) = 0.1. Assim,

Jo) ex dx

- 0.1 (eo.o + 4e0.1 + 2e0.2 + 4e0.3 + ... + 2e0.8 + 4e0.9 + eLO)


3

= 1.71828278.
Temos

Portanto,

I f:sR I ~

5.555 x 10-7 x mx
X

E [0, 1)

I eX I ""

1.51016 x 10-6 .

306

Clculo Numrico

Observe que

A condio
b4

180

Cap. 7

IEsR I

IEsR I <

0.00000151 < 0.00227 = IErR I, encontrado no Exemplo la.

10- 3 ser obedecida se h for tal que

e < 10-3 , isto , h4 < 0.06622 ::::. h < 0.50728.

.
Ass1m, m

b- a

= - h-

Trapzios precisamos de m

~
~

1
- 1.9713 ==- m ~ 2. Observe que na regra dos
.
0 50728
16, como vimos no Exemplo lb.

OBSERVAES
i)

Das expresses obtidas para o erro na regra dos Trapzios e na de Simpson,


conclumos que a regra dos Trapzios integra sem erro polinmios de grau
n ~ 1 e a de Simpson polinmios de grau n ~ 3.

ii) As demais frmulas de integrao numrica, do tipo frmulas fechadas de


Newton-Cotes, so deduzidas de maneira anloga trabalhando com polinmios de grau n = 3, n = 4 etc.

iii) Para um n qualquer, uma frmula de Newton-Cotes dada por

X
n

xo

f(x) dx ...

X
n

xo

p 0 (x) dx - (usando a frmula de Lagrange para p0 (x))

Cap. 7

Integrao numrica

307

Assi.J:n, nas frmulas de Newton-Cotes,

7.2.5 TEOREMA GERAL DO ERRO


Sendo no grau do polinmio que interpola f(x) (n = 1 na regra dos Trapzios) e lembrando
que f E ck [a, b] significa que f e suas derivadas at or dem k so contnuas no intervalo
[a, b] , enunciaremos, sem demonstrao, o Teorema Geral do Erro nas frmulas de NewtonCotes.

TEOREMA 1
Seja f E cn+2 [a, b]. Ento o erro na integrao numrica, E 0 , usando as frmulas de
Newton-Cotes :
i) se n mpar,

E0

= b n+2 f(n+l) ()
(n

+ 1)!

Jn

o u(u- 1) ... (u- n)du, E

[a, h];

it) se n par,
E

bn+3 f(n+2) ()

(n + 2)!

Jn
o

(u -

) u(u - 1) ... (u - n)du,

E [a, b].

308

Clculo Numrico

Cap. 7

7.3 QUADRATURA GAUSSIANA


Fizemos algumas observaes sobre as frmulas de Newton-Cotes, no que diz respeito ao erro.
De maneira geraL uma frmula de Newton-Cotes (que aproxima f(x) por um
polinmio que interpola f(x) em x 0, x 1, ... , x 0 ) exata para polinmios de grau ::;;;; n. A regra
1/3 de Simpson uma exceo, pois para ela n =2 e, no entanto,

f ~ p3(x) dx = 18 ,
xo

pois E =- h p(iv)(c) =O
5
90 3
.

Vamos mostrar aqui que conseguimos deduzir outras frmulas do mesmo tipo que as
de Newton-Cotes, ou seja:
b

f f(x) dx

Aof(x0)+ ... + Al(x0 )

onde x0, x 1, ... , X 0 so n + 1 pontos distintos. Tais frmulas so exatas para polinmios de
grau ~ 2n + 1 e so conhecidas como Quadratura Gaussiana. Mais referncias sobre este
assunto podem ser encontradas em [3].e (27].
Das frmulas que vimos temos:

f(x) dx =

{[f

L 0(x) dx] f(x0) + ... +

[f

L0 (x) dx] f(x 0 )} + E0 = 10

+ E0

ou seja,

b
a

Ak

f(x) dx = Aof(Xo) + ... +Ai(~), onde

=f

Lk(X) dx

e, da expresso de

de grau ::;;;; n.

k =O, 1, ..., n

E0 , temos que, de um modo geral, estas frmulas so exatas para polinmios

Cap. 7

Integrao numrica

309

Nas frmulas de Newton-Cotes, os pontos x0, .... Xn sobre os quais so construdos os


polinmios Lk(x) so pontos igualmente espaados, prefixados em [a, b] . Na Quadratura Gaussiana deixamos x0, x 1, ... , Xn indeterminados e assim conseguimos frmulas do mesmo po:

f(x) dx ""' AJ(Xo) + ... + Al(xn) onde


a

Ale=

~(x} dx e que so exatas para polinmios de grau .;;;

2n + 1.

Veremos a seguir a construo da frmula da Quadratura Gaussiana para n


seja, queremos determinar Xo x 1, Ao e A 1, tais que

f(x) dx "" Aof(x0) + A 1f(x 1) seja exata para polinmios de grau

= 1, ou

~ 3.

Para simplicidade de clculos, determinaremos esta frmula considerando (a. b]


= [-1, 1].

Dizer que a frmula exata para polinmios de grau


frmula exata para

O=

-I

t3 dt

= Ag3(lo)

+ Alg3(t l)

= Aot + AI~ .

3 equivale a dizer que a

310

Clculo Numrico

Cap. 7

Temos ento o sistema no linear com quatro equaes e quatro incgnitas:


Ao

+ A1

... 2

=o

Aoto + A:ttl

tr - 2/ 3

Ao~ + A1
Ao + Al

tt - O

Resolvendo, temos

Observe que
1

f_1 L0(t}dt- f_1

(t- v'3/ 3)
(-v'3/ 3 -v'313) dt-Ao-1

e
(t + v'3/ 3)
J_l1 L1(t}dt- Jl_1 (v'3/
3 +v'3/ 3) dt = A1 = 1

No caso de um intervalo [a, b] genrico, efetuamos a mudana de variveis:


para t E [-1, 1] corresponde x E [a, b) onde
x ...

[a + b + t(b - a)]

b-a
e dx ... - - dt.
2

Exemplo 3
Seja calcular

J10o e-x dx.

Neste caso, [a, b] = [0,10], x = 5 + 5t, dx = 5dt, f(x) =e-x e

g(l) = e-5 - 51. Usando a frmula da Quadratura Gaussiana com dois pontos temos

Cap. 7

lo =

- 13

= -0.577350

e t1

Integrao numrica

311

= .ff/3 = 0.577350

Ento,

=5 [e-2.ll3249 + e-7.886751) = 0.606102.

Sabemos que com seis casas decimais,


lO

e-x dx = 0.999955.

Assim, o verdadeiro erro, com seis casas decimais,


lerrol = 10 .999955 - 0.6061021 = 0.393853
Para que IErR I

0.393853, na regra dos Trapzios, seria necessrio tabelar f(x) em,

no mnimo, 16 pontos (m ;a. 15).


E, para a regra 113 de Simpson, I EsR I

0.393853, implica m ;;a. 8 e seria ne-

cessrio portanto, tabelar a funo em 9 pontos.

EXERC(CIOS
1.

Ca.lcule as integrais a seguir pela regra dos Trapzios e pela de Simpson, usando quatro e
seis divises de [a, b).
Compare os resultados:
2

a)

JI eX dx

312

Cdlculo Numrico

Cap. 7

b)

2.

f 1 Yx dx

Usando as integrais do exerccio anterior com quantas divises do intervalo, no mnimo, podemos esperar obter erros menores que lo-5 ?

3.

Calcule o valor aproximado de

f 00"6 1dx+X com trs casas decimais de preciso usando

a) Simpson
b) Trapzios.

4.

Em que sentido a regra de Simpson melhor do que a regra dos Trapzios?

5.

Qual o erro mximo cometido na aproximao de


Simpson com quatro subintervalos?

f 0 {3:x3- 3x + l)dx pela regra de

Calcule por Trapzios e compare os resultados.

n/2

6.

Determinar b, a distncia entre xi e xi+l' para que se possa avaliar


cos(x)dx com
0
3
erro inferior a E - 10- pela regra de Simpson.

7.

Use a regra 1/3 de Simpson para integrar a funo abaixo entre O e 2 com o menor
esforo computacional possvel (menor nmero de divises e maior preciso). Justifique. Trabalhe com trs casas decimais.
x2

seO~x~l

f(x) ...
{ (x + 2)3

8.

sel<

x~2

A regra dos Retngulos repetida obtida quando aproximamos f(x), em cada subintervalo, por um polinmio de interpolao de grau zero. Encontre a regra dos Retngulos
bem como a expresso do erro, fazendo:

Cap. 7

Jntegro !Witlrica

313

j - 1, 2, ..., m
j - 1, 2, ... , m.
Esta a regra do Ponto Mdio e uma frmula aberta de Newton-Cotes.
9.

Obtenha a frmula do Erro para a regra dos Trapzios e para a regra 1/3 de Simpson a
partir do Teorema 1.

10. Seja o problema:


Interpolar a funo sen(x) sobre [0, n/4] usando um polinmio de grau 2 e integrar esta
funo , neste intervalo, usando a regra 1/3 de Simpson.
Qual deve ser o menor nmero m de subintervalos em (0, : ] para se garantir um erro

menor que 1~ tanto na integrao quanto na interpolao?


11. a) Comprove grfica e analiticamente que se:

i) f '(x) contnua em [a, b], e


il) f '(x) >O, 'V x E [a, b],
b

ento, a aproximao obtida para

f a f(x) dx: pela regra dos Trapzios maior do

que o valor exato da

b) Sabendo que f(x)

f a f(x) dx. Considere n = 1.

= ex

x2

satisfaz as condies acima em [0 , 1), e que

= J (eX+ x2)dx = 2.051, comp rove que a concluso do item


o

(a) vlida

tambm para a regra dos Trapzios repetida, calculando I com erro inferior a
5 x 10-2. Use trs casas decimais.

314

Clculo Numrico

Cap. 7

12. Deduza a frmula de integrao da forma

f1

-1

f(x) dx .. w0f(-0.5) + w1f(O) + w:zf(0.5)

que integre exatamente polinmios de grau ,;;; 2.

13. Dada a tabela:

0.0

0.2

0.4

0.6

0.8

1.0

f(x)

1.0

1.2408

1.5735

2.0333

2.6965

3.7183

e sabendo que a regra 1/3 de Simpson , em geral, mais precisa que a regra dos
Trapzios, qual seria o modo mais adequado de calcular I =

f o1 f(x) dx, usando a tabela

acima? Aplique este processo para determinar I.

14. Calcule, pela regra dos Trapzios e de Simpson, cada uma das integrais abaixo, com
erro menor do que E dado:

a)

f o esen(x) dx;

b)

f1

lt

E-

2 x 10-2.

n/2

(sen(x))112 dx;

E=

10-4.

J2 d.x com preciso de 4 casas deci-

15. Usando a regra de Simpson, calcule o valor de


mais. Compare o resultado com o valor de ln(2).
1

16. Calcule

Jt

da relao n / 4 =

Jodx/ (1 + x

2)

com erro de 10- 3 por Simpson.

Cap. 7

Integrao numrica

315

17. Considere a integral:

1-/.oe-r

dx.

a)

Estime I pela regra de Simpson usando h= 0.25.

b)

Estime I por Quadratura Gaussiana com 2 pontos.

c)

Sabendo que o valor exato de I (usando 5 casas decimais) 0.74682, pede-se:

cl)

compare as estimativas obtidas em (a) e (b) ;

c2)

quantos pontos seriam necessrios para que a regra dos Trapzios obtivesse
a mesma preciso que a estimativa obtida para I em (b)?

CAPITULO

00

MAKRON
Boolc:s

SOLUES NUMRICAS DE
EQUAES DIFERENCIAIS
ORDINRIAS: PROBLEMAS DE VALOR
INICIAL E DE CONTORNO

8. 1 INTRODUO
Equaes diferenciais aparecem com grande freqncia em modelos que descrevem quantitativamente fenmenos em diversas reas, como por exemplo mecnica de fluidos, fluxo de
calor, vibraes, reaes qumicas e nucleares, economia, biologia etc.
Considere, por exemplo, o circuito mostrado na Figura 8.1. A caixa quadrada
representa um diodo de Esald com a funo caracterstica f(v) representando a corrente
como funo da tenso, v. As leis de Kirchoff aplicadas a este circuito nos fornecem a
seguinte relao entre a corrente i e a tenso v;

i = f(v)

Figura 8.1

316

Cap. 8

L di
dt

-C

=E

- Ri - v

~~ = f(v)

Solues numricas de equaes diferenciais ordinrias:...

317

= I(' v)

- i = V(i, v)

onde E, R, C e L so constantes positivas e vf(v)

O, V v. Temos assim um sistema de duas

equaes para ser resolvido.


As equaes do problema anterior so chamadas equaes diferenciais, uma vez que
envolvem derivada das funes .
Se uma equao diferencial tem apenas uma varivel independente, como o caso das
duas equaes do nosso exemplo, ento ela uma equao diferencial ordinria, que o
assunto do nosso estudo neste captulo. So exemplos de equaes diferenciais ordinrias:

Se a equao diferencial envolve mais que uma varivel independente ento ela uma
equao diferencial parcial, como a equao

a2u

2 u

)x2

()y2

- + - - = 0 com u

=u(x, y) e -02u
. 2

indicando a derivada parcial segunda de

u(x, y), em relao varivel (.).


Uma soluo de uma equao diferencial ordinria uma funo da varivel independente que satisfaa a equao. Assim,

i)

~
= y=y
dx

tem

y(x) = ae'l, a E R como soluo;

ii) u"' =O satisfeita para u(x) = p2(x) onde P2(x) qualquer polinmio de grau 2.
Isto ilustra um fato bem geral: uma equao diferencial possui uma famlia de
solues e no apenas uma. A Figura 8.2 mostra uma famlia de solues de y =y e de y= -y.

318

Clculo Numrico

Cap. 8

y(x)

y(x)

v=-v

y =y ~ y(x) = ae

Figura 8.2
A equao do exemplo (i) de primeira ordem ao passo que a do exemplo (ii)
de
ordem. Assim, ordem de uma equao diferencial a mais alta ordem de derivao
que aparece na equao.
31

Uma equao diferencial ordinria dita linear se a funo e suas derivadas


aparecem linearmente na equao. Assim, xy ' - x- y linear e
y" + (1- y2 )y' + y =O

e u " +e-u- f(x) so no lin.eares.

J que, como ilustram os exemplos (i) e (ii), uma equao diferencial no possui

soluo nica, vemos que para individualizar uma soluo temos de impor condies suplementares. Em geral, uma equao de ordem m requer m condies adicionais a fim de ter
uma nica soluo. Em princpio, estas condies podem ser de qualquer tipo, por exemplo,

y(O) - 1
y'(4) - -5
y(2) + 5y '(3) - 6

~ sen xy(x) dx ..
o

lim y(x)
x--+oo

=k

Cap. 8

Solues numricas de equaes diferenciais ordinrias:...

319

Se, dada uma equao de ordem m, a funo, assim como suas derivadas at
ordem m - 1, so especificadas em um mesmo ponto, ento temos um problema de valor
inicial, PVI, como so os casos:

l
l

y '(x) = y
y(O) - 1

a)

y " ' + (x + l)y:' + cos xy' -,(x2- l )y - x2 + y2 sen(x + y)

b)

y(O)- l.ll y (O)= 2.2, y (O)= 3.3

Se, em problemas envolvendo equaes diferenciais ordinrias de ordem m,


m ;a. 2, as m condies fornecidas para busca de soluo nica no so todas dadas num
mesmo ponto, ento temos um problema de valor de contorno, PVC.
Um exemplo de problema de contorno o de uma barra de comprimento L sujeita
a uma carga uniforme q. Se, no ponto Xu = O esta barra est presa e em xL - L ela est s
apoiada, este problema descrito pelo seguinte problema de contorno:

yCiv)(x) + ky{x)

=q

y(O) = y '(O) ... O


{ y(L) - y "(L) - O

onde k uma constante que depende do material da barra.


Ao contrrio do que ocorre com os PVI, comum que poblemas de contorno no
tenham unicidade de soluo. Por exemplo, para todo a E JR, y(x) = a( l + x) soluo do
PVC:

y" - o

y(-1) = o
y(l) - 2y'(l) = o

8.2 PROBLEMAS DE VALOR INICIAL


A razo mais forte de introduzirmos mtodos numricos para aproximar solues de problemas de valor inicial (PVI) a dificuldade de se encontrar, analiticamente, as solues da

320

Clculo Numrico

Cap. 8

equao. Em muitos casos, a teoria nos garante existncia e unicidade de soluo, mas no
sabemos qual a expresso analtica desta soluo.
Os mtodos que estudaremos aqui se baseiam em:

dado o PVI:

construmos x1, x2 ,

y ' - f(x, y)
( )
Y xo = Yo

que, embora no necessariamente, para ns sero igualmente


espaados, ou seja: ~+l- ~-h, i- O, 1, ... , e calculamos as aproximaes Yi = y(xi) nestes
..., X

pontos, usando informaes anteriores.


Se, para calcular Yj usamos apenas Yj-l teremos um mtodo de passo simples ou

passo um. Porm, se usarmos mais valores, teremos um mtodo de passo mltiplo.
Como estamos trabalhando com PVI de primeira ordem, temos uma aproximao
inicial y(x0) para a soluo. Assim, os mtodos de passo um so classificados como autoiniciantes. J para os mtodos de passo mltiplo temos de lanar mo de alguma estratgia
(como usar mtodos de passo simples) para obtermos as aproximaes iniciais necessrias.
Outras caractersticas dos mtodos de passo simples so: t) em geral temos de
calcular o valor de f(x, y) e suas derivadas em muitos pontos; iz) temos dificuldades em
estimar o erro.

8.2.1 METODOS DE PASSO UM (ou passo simples)


MTODO DE EULER
Um mtodo numrico que podemos aplicar soluo aproximada de um PVI: y' .. f(x, y),
Y(Xo) y0 o mtodo de Euler, o qual consiste em: como conhecemos x0 e y0 y(x0),
ento sabemos calcular y'(x0)- f(Xo> y0). Assim, a reta que passa por (Xo, y0) com coeficiente angular y'(Xo), r0(x) conhecida:

Cap. 8

Solues IIUIJfricas tk equaes diferenciais ordinrias:...

321

O raciocnio repetido com (xp y 1) e y2 - y 1 + hf(x1, y 1) e assim, sucessivamente, o mtodo de Euler nos fornece

GRAFICAMENTE
I

I
I
I
I
I
I
I
/

y(x1):::: Y1

- - - - -,1'

:p1

Xo = o x1 =><o+h

Figura 8.3

MTODOS DE SRIE DE TAYLOR


Os mtodos que usam o desenvolvimento em srie de Taylor de y(x) teoricamente fornecem
soluo para qualquer equao diferencial. No entanto, do ponto de vista computacional, os
mtodos de srie de Taylor de ordem mais elevada so considerados inaceitveis pois, a
menos de uma classe restrita de funes f(x, y) (f(x, y) = x2 + y2, por exemplo), o clculo
das derivadas totais envolvidas extremamente complicado.
Suponhamos que, de alguma forma, tenhamos as aproximaes y 1, y 2 ,
y(x), em xl' x2 , ..., X0

..., y 0

para

322

Clculo Numrico

Cap. 8

Se y for suficientemente "suave", a srie de Taylor de y(x) em tomo de x = x0

y(k+ l)(~)

+ (k+l)! (x- x n.l


'k+l

J:x entre x

..,

-n

e x.

Assim,

fr!>

Se

representa a aproximao para a j-sima derivada da funo y(x) em ~:

yG>(x 0 ) e h= xn+l - x0 , teremos:

Y Xn+l
(

Yn+l - Yn + Yn

11

b2

(k) hk

+ Yn 2 + + Yn k!

e o erro de truncamento dado por


y<k+l )(~)

e(x ) =
n

" hk+l
(k+ 1)!

Observamos que, se y(x) tem derivada de ordem (k + 1) contnua num intervalo


fechado I que contm os pontos sobre os quais estamos fazendo a discretizao, ento existe
Mk:+l = mx I y(k+l)(x) I; assim teremos um majorante para o erro de truncamento pois
X E

I y(k+l) (~) I :s;:; ~+I V

Sx

E I

=> I e(x0 ) I

:s;:;

mx .I e(x) I
X E

:s;:;

hk+l
k:+l

(k + 1)!

= Chk+l

D:Jp. 8

Solu6es numricas tk equaes diferenciais ordinrias:...

323

Um mtodo numrico dito de ordem p se existe uma constante C tal que

onde C pode depender das derivadas da funo que define a equao diferencial .
Portanto, os mtodos de srie de Taylor so de ordem k.
Para aplicar o mtodo de Taylor de ordem k:
,
-

Yn+-t - Y0 + y0 h +

, h2

Yn

y(k)
o
k temos de calcular y, , "", .1k)
+ ... + k!h
Yn
10
0

Agora,
y'(x);::: f(x, y(x)). Ento
y"(x) ;:::

f~ (x,

y(x)) + fy(x. y(x))y'(x) ;::: f,. +

f/ em uma notao simplificada.

Assim, por exemplo, o mtodo de srie de Taylor de 2a ordem

Analogamente,
y"'(x) ;::: fxx(x, y(x)) + fxy<x. y(x))y'(x) +

+ [fyx(x, y(x)) + fyyCx. y(x))y'(x)]y'(x) + fy<x. y(x)) y"(x) ;:::

em notao simplificada.

324

Clculo NwnLrico

Cap. 8

A terceira derivada total j nos mostra a dificuldade nos clculos. Observe aioda
que, para cada n, n = O, 1, ... temos de calcular todos esses valores.
Consideremos o mtodo de srie de Taylor de ordem k = 1, ou seja,

y"(
Yn+t = Yn + hfo onde e(x.n+1)

xn+l

Conforme vemos, este o mtodo de Euler; conclumos portanto que o mtodo de


Euler um mtodo de srie de Taylor de ordem 1.

Exempto 1

Seja o PVI: y' y, y(O) 1. Trabalhando com quatro casas decimais, usaremos o mtodo de
Euler para aproximar y(0.04) com e ~ 5 x 10-4 .

Do que vimos anteriormente,

y"(x )
e(x. ) =
n

h2

Neste caso, conhecemos a soluo analtica do PVI: y(x) =eX; temos eoto que
~=

mx

ly"(x) I

= e004 = 1.0408

~ ly"(~) I ~ ~

x e [0,0.04]

donde
Ie(x.) I ~ 1.0408 h2
2

"rf

X E

(0, 0.04)

w-4 = l.040
w-3

1.0408 h2 ,.:::.: 5 1o- 4.


- h2,.:::.: 2 x 5 x
-- x
, ento
-l.040
2
8

e portanto

o 0310

~ .

Tomemos pois o maior h, de forma a trabalhar com pontos igualmente espaados,


ou seja, h = 0.02 pois queremos y(x) para x = 0.04.

Cap. 8

Assim, x.0 =O

Solues numricas de equaes diferenciais ordindrias:...

325

y(Xo) = y(O) =Yo =L

= y0(l +h)= 1(1 + 0.02) = 1.02

Dado que e004, com quatro casas decimais, vale 1.0408, temos que o erro cometido
foi 1.0408- 1.0404 =4 X 10- 4 < 5 X 1()- 4.

Exemplo 2
Calcular y(2.1) usando a srie de Taylor de 2 ordem para o PVI: { xy '
y(2)
Temos y' = (x- y)/ x

= 1 - y/ x => y'(2) = 1-

= x- y

= 2.

2/ 2 = O.

BotAo,

y" =- y'/ x + y/ x2 => y"(2) =O+ 2/ 4 = 112

y(x)

= y(2) + (x- 2)y'(2) +


=2

(x- 2)2 +

(x- 2)2

y"(2) +

(x- 2t

y"'()

.!6 (x- 2)3 y"'()

=> y(2.1) = 2 + 0.25(0.1)2 + ... ... 2.00238


Agora, y"'

= -y"/ x + 2y'/x2 -

2y/1.3 . Assim, a menos que tenhamos alguma infor-

mao sobre a soluo do nosso problema, por exemplo, y"'(x) =K, o que acontece muitas
vezes, ficamos impossibilitados de medir o erro cometido.

326

Clculo Numrico

Cap. 8

MTODOS DE RUNGE-KUTTA
A idia bsica destes mtodos aproveitar as qualidades dos mtodos de srie de Taylor e
ao mesmo tempo eliminar seu maior defeito que o clculo de derivadas de f(x, y) que,
conforme vimos, toma os mtodos de srie de Taylor computacionalmente inaceitveis.
Podemos dizer que os mtodos de Runge-Kutta de ordem p se caracterizam pelas
trs propriedades:
i)

so de passo um;

ii)

no exigem o clculo de qualquer derivada de f(x, y); pagam, por isso, o


preo de calcular f(x, y) em vrios pontos;

iii)

aps expandir f(x,y) por Taylor para funo de duas variveis em tomo de
(~, Yn) e agrupar os termos semelhantes, sua expresso coincide com a do
mtodo de srie de Taylor de mesma ordem.

Mtodos de Runge-Kutta de 11 ordem - mtodo de Euler


J vimos que o mtodo de Euler um mtodo de srie de Taylor de 11 ordem:

Yn+l- Yn + hy~, n O, 1, 2, ... . Ento


Yn+l ... Yn + hf(~, y0 ), n O, 1, 2 , ... e o mtodo de Euler satisfaz as trs propriedades acima que o caracterizam como um mtodo de Runge-Kutta de ordem p = 1.

Mtodos de Runge-Kutta de 2 ordem


Exporemos inicialmente um mtodo particular que o mtodo de Heun, ou mtodo de Euler
Aperfeioado, pois ele tem uma interpretao geomtrica bastante simples.
Conforme o prprio nome indica, este mtodo consiste em fazer mudanas no
mtodo de Euler para assim conseguir um mtodo de ordem mais elevada.

Cap. 8

Solues numricas de equaes diferenciais ordinrias:...

327

Mtodo de Euler Aperfeioado


GRAFICAMENTE

Figura 8.4

Dada a aproximao (x 0 , y n), supomos a situao ideal em que a curva desenhada com linha
cheia seja a soluo y(x) da nossa equao (isto s acontece mesmo em (Jto. yo)).
Por

(~, y 0 )

traamos a reta L 1 cujo coeficiente angular

y~

f(~, y 0 ),

ou seja,

Assim, dado o passo h, z 1 (~+ 1) = z 1(x 0 + h) = Yn+l do mtodo de Euler, que


chamamos aqui de y0 + 1. Seja P (x0 +h, y0 + hy~) = (xn+l' Yn + 1 ). Por P agora, traamos a reta~. cujo coeficiente angular f(Xa +h, y0 + hy~) - f(~+l'

y0 + 1 ):

L 2 : z2(x)- (y0 + hy~ ) + [x- (~+h)) f(x0 +h, y0 + hy~)


A reta pontilhada Lo passa por P e tem por inclinao a mdia das inclinaes das
retas L1 e Lz, ou seja, sua inclinao [f(~, y0 ) + f(Xa + h, y0 + hy~ )]12.
A reta L passa por (x0 , y0 ) e paralela reta L0 donde

328

Clculo Numrico

Cap. 8

z(~ + 1) ,

O valor fornecido para yn+ 1 pelo mtodo de Euler Aperfeioado z(x 0 + h)


ou seja

Observamos que este mtodo de passo um e s trabalha com clculos de f(x, y),
no envolvendo suas derivadas. Assim, para verificarmos que ele realmente um mtodo de
Runge-Kutta de 28 ordem, falta verificar se sua frmula concorda com a do mtodo de srie
de Taylor at os termos de 2" ordem em h:

No mtodo de Euler aperfeioado temos de trabalhar com


Desenvolvendo f(x, y) por Taylor em tomo de

com a entre x e X 0 e~ entre y e Yn


Assim,

(~.

y0 ) , temos:

f(~+ h, y0

+ hfo ).

Cap. 8

Solues numricas de equaes diferenciais ordinrias:...

329

Ento o mtodo de Euler Aperfeioado fica:

ordem

Esta frmula concorda com a do mtodo de srie de Taylor at os termos de


provando assim ser um mtodo de Runge-Kutta de 2a ordem.

h 2,

Forma geral dos mtodos de Runge-Kutta de 2 ordem


O mtodo de Euler Aperfeioado um mtodo de Runge-Kutta de 2a ordem e podemos
pensar que ele pertence a uma classe mais geral de mtodos do tipo

Para o mtodo de Euler Aperfeioado,

= 112

A pergunta natural que surge neste momento se este tipo de mtodo no poder
ser um mtodo de Runge-Kutta de ordem maior que dois.
Temos quatro parmetros livres: al' a2 , b 1 e b2 . Para que haja concordncia com a
srie de Taylor at os termos de ordem h 1 necessrio um parmetro. Considerando agora
f(~+ b 1h, Yn + b2hy~ ) calculado pela srie de Taylor de f(x, y) em tomo de (x0 , y0 ) vemos
de maneira completamente anloga ao que foi visto para o mtodo de Euler Aperfeioado
que, para haver concordncia desta frmula com a do mtodo de srie de Taylor at os
termos de ordem h2 so necessrios mais dois parmetros, visto que h a considerar os

330

Clculo Numrico

Cap. 8

termos h~ e h2ffy. O ltimo parmetro que resta obviamente no suficiente para que se
exija concordncia at os termos de ordem de b 3 .
Porm, com quatro parmetros disponveis e apenas trs exigncias, teremos uma
infmidade de mtodos de Runge-Kutta de 2!! ordem.
Realmente, como

+ termos em b2,

+ termos em h3 Ento,

+termos em h3 .

em

b2

Assim, para haver concordncia com o mtodo de srie de Taylor at os termos


preciso que:

conforme j foi observado, um sistema de trs equaes e quatro variveis.


Escolhendo um dos parmetros arbitrariamente, por exemplo

e a forma geral dos mtodos de Runge-Kutta de 2A ordem dada por

az - w .. o, temos

Cap. 8

Solues numricas de equafes diferenciais ordinrias:...

331

Mtodos de Runge-Kotta de ordens superiores

De forma anloga pode~se construir mtodos de 31 ordem, 41 ordem, etc.


41

A seguir sero fornecidas apenas frmulas para mtodos de Runge-Kutta de 3 e


ordens:

3 1 ordem:

4 8 ordem:

k:3 -

hf(x0 + h/ 2, y0 + ~/2)

Chamamos a ateno novamente para o fato de os mtodos de Runge-Kutta,


apesar de serem auto-iniciveis (pois so de passo um) e no trabalharem com derivadas de
f(x, y), apresentarem a desvan tagem de no haver para eles uma estimativa simples para o
erro, o que inclusive poderia ajudar na escolha do passo h.

332

Clculo Numrico

Cap. 8

Existem ainda adaptaes dos mtodos de Runge-Kutta que so simples operacionalmente e que so usadas tambm para estimativas de erro e controle do tamanho do
passo h. Na referncia [12] o leitor encontra a explicao, bem como uma listagem de uma
rotina baseada em mtodos de Runge-Kutta para resoluo de problemas de valor inicial.
Basicamente esta rotina exige seis clculos de f por passo, quatro dos quais so combinados
com um conjunto de coeficientes para produzir um mtodo de 41 ordem e todos os seis
valores so combinados com um outro conjunto de coeficientes para produzir um mtodo
de 51 ordem; a comparao dos dois valores fornece uma estimativa do erro e tambm
usada para controle do tamanho do passo.

Exemplo 3
Seja o PVI do Exemplo 2:
I

xy

y ' .. 1- y/ x ~ f(x, y) = 1- Y

-y

y(2) - 2

y(x)- 2

Encontrar y(2.1) pelo mtodo de Euler com:

a)

h- 0.1

b)

h- 0.05

c)

h- 0.025

h
-h+ (1--) y

"o

Cap. 8

a)

h- 0.1

~x0 =

Solues numricas de equaes diferenczis ordinrias:...

2.0 e x1 -2.1

~ y(2.1}- y1 ... b + (1 _1!..) Yo- 0.1 + (1- 021 ) 2


xo

~y

b)

= 0.1 + 2- 0.1 2 ~ y(2.1} ... 2.0

h ... 0.05 ~ x0 = 2.0; x1 - 2.05; ~ .. 2.1


~

y(2. 1) -y2

Yt- h+ (1-

Xo) Yo ... 0.05 + (1 -

z0.05 )2- 0.05 + 2- 0.05 = 2

h
0.05
y2 =h+ (1- x ) y1 - 0.05 + (1- . )2- 0.05 + 1.9512195-2.0012195
2 05
1

c)

y(2.1) ... 2.0012195

h= 0.025 ~ Xo"' 2.0; x1 2.025; x2 - 2.05; x3 - 2.075; x4 - 2.1


~

y(2.1) ... y4

y1 - h+ (1-

Xo )y0 = 0.025 + (1-

0.025
) 2-0.025 + 2-0.025-2
2

h
0.025
y2 - h+ (1- x ) y1 ... 0.025 + (1- .
) 2 = 2.0003085
2 025
1

h
0.025
y3 - h+ (1- X:z) y2 .. 0.025 + (1- 2.0S ) 2.0003085 = 2.0009145
0.025
y4- 0.025 + (1 - 2.075 ) 2.0009145- 2.0018071
~

y(2.1)- 2.0018071

333

334

Clculo Numrico

Cap. 8

Exemplo4
Dado o PVI abaixo, estimar y(l) por vrios mtodos e vrios tamanhos de passo h.
y' 0.04y ~ f(x, y) - 0.04y

y(O) .. 1000

Sabemos que a soluo exata y(x) ... 1000 e0.04 donde y(l)
1040.8108

a)

= 1000

Mtodo de Euler

~ Yn+l Yn +h x 0.04 x Yn (1 + 0 .04h)Yn

Assim, y1 (1 + 0.04h) x 1000


Y2 (1 + 0.04b)y 1 (1 + 0.04h)(1 + 0.04h)1000 = (1 + 0.04)2 X 1000

Yk- (1 + 0.04h)k X 1000, k- 1, 2, 3, ...

Para h

= 1, temos

y(1) .. Yt- (1 + 0.04) X 1000-1040.

e0.04

Cap. 8

Solues numricas de equaes diferencUJis ordinrias:...

Para h = 0.5, temos

y2 = (1 + 0.04 X 0.5)2 X 1000= (1 + 0.02)2 X 1000 = 1040.4.

Para h= 0.25, temos

y4 = (1 + 0.04 X 0.25)4 X 1000= ... = 1040.604.

Para h = 0.1, temos

y lO= (1 + 0.04 X 0.1 ) 10 X 1000 = 1040.7277.

b)

Mtodo de Euler Apedeioado (Runge-Kutta de 2 ordem):

= Y0 +

h
[0.04yn + 0 .04(yn +h X 0 .04y0 }]
2

= Y0 +

h
[0.04y0 +0.04y0 + h X 0.042y0 ]
2

- (1 + 0.04h +

h2

X 0.04 )y0

335

336

Clculo Numrioo

Cap. 8

Analogamente ao que vimos no mtodo de Euler,


h2
yk- (1 + 0.04h + 2 O.O~)k X 1000

Para h

= 1, temos

y(1) Y1 (1 + 0.04 +

1
2

0.042) X 1000= 1040.8.

Para h = 0.5, temos


y(1)- y2 - (1 + 0.04 x 0.5 +

(O 5)2

x 0.042)2 x 1000 = 1040.808.

Para h = 0.25, temos


y(1) Y4- (1 + 0.04 X 0.25 +

(O 25)2

0.042) 4 X 1{)()() 1040.8101.

Para h = 0.1, temos


y(1) .. YlO- (1 + 0.04 X 0.1 +

(O 1)2

0.042) 10 X 1000 .. 1040.8107

Comentrios:

Dada a resposta exata y(1) = 1040.8108 com quatro casas decimais, vemos que, medida
que h diminui, cada mtodo obtm uma melhor aproximao e que entre os dois, como era
de se esperar, o mtodo de Euler Aperfeioado fornece melhores resultados; veja que
para h = 0.1, y(l) - 1040.8107, por Euler Aperfeioado!
Observamos que sendo x0

=O, ento xk

Xo

+ k x h = k x h.

Cap. 8

Solues nutrlricas de equaes diferenciais ordinrias:...

337

Agora. a srie de Taylor de e 004x, em tomo de x =O :


x2

x3

e0.04x = 1 + 0.04x + 0.042 2 + (0.04)3 31 + ....

h2
Vemos que tanto (1 + 0.04hf do mtodo de Euler como (1 + 0 .04h+ 0 .042 2 )k
do mtodo de Euler Aperfeioado so aproximaes para e0.04blc = e0.04\:.
E, logicamente, a segunda aproximao est mais prxima mesmo do valor exato.
Observamos ainda que, como estamos interessados em y(l), ou seja, x = 1,
ento k =~- Assim, tambm natural que, no mtodo de Euler, medida que h diminui,
chegamos mais prximos da soluo pois
e004 = lim (1 + 0.04Wih.
b-+0

De maneira anloga, com um pouco mais de elaborao nos clculos, verificamos


este resultado para o mtodo de Euler Aperfeioado.

c)

Mtodo de Runge-Kutta de 3 ordem: h= 1

Ir .

""2

= hf(xn

kl
h
+ - y + - )
2
n
2

= h x 0 .04(y n +

k,
- )
2

338

C4lculo Numrico

Cap. 8

k:J - hf(x0 + 43 h, yn + 34 ~ ) -h x 0.04(yn + 43 ~)

kl - 0.04 X 1000- 40
~ = 0.04(1000 + 20) - 40.8

~- 0.04(1000 +

Y1"" 1()()0 +

2
9

43 X 40.8) X

40 +

1
3

41.224

40.8 +

4
9

41.224- 1040.8107.

Exemplo 5
Dado o PVI:

y(O) - 3

obtenha y(l) e y(2).


A soluo exata desta equao : y(x) =

~ [(x + 1)4 + 5(x + 1)2], portanto, y(1) =18

e y(2) = 63.
Aplicando o mtodo de Runge-Kutta de 4 1 ordem, obtivemos os seguintes resultados:

Cap.8

Solues numricas de equaes diferenciais ordmrias:...

Para h = 0.125:

x(k)

1
2
3
4

.125
.25
.375

.625
.75
.875

6
7
8
9

10
11
12
13

14
15
16

.5

1
1.125
1.25
1.375
1.5
1.625
1.75
1.875
2

y(k)
3.964938
5.126896
6.513706
8.156128
10.08786
12.34551
14.96864
17.99972
21.48418
25.47034
30.00947
35.15578
40.96639
47.50137
54.8237
62.99929

Para h= 0.2:

k
1
2
3
4
5
6

7
8
9
10

x(k)
.2
.4
.6
.8
1
1.2
1.4
1.6
1.8
2

y(k)
4.636539
6.820251
9.67593
13.34757
17.99838
23.81075
30.98627
39.74576
50.32921
62.99581

339

34()

C4lculo Numrico

Cop . 8

8.2.2 MTODOS DE PASSO MLTIPLO


Conforme vimos, os mtodos de passo simples precisam de informao sobre a soluo
apenas em x - x 0 para achar uma aproximao para y(x0 + h); no entanto, eles exigem ou
clculos de derivadas ou o clculo de f(x, y) em vrios outros pontos.
A caracterstica dos mtodos de passo mltiplo que eles usam informaes sobre
a soluo em mais de um ponto. Inicialmente vamos supor que conhecemos aproximaes
para y(x) em x0, xl' ... ,~e que xi+l- ~=h, i =O, 1, ... , n. Exporemos aqui uma classe
de mtodos de passo mltiplo que baseada no princpio de integrao numrica conhecido
como mtodos de Adams-Bashforth; a idia integrar a equao diferencial y' - f(x, y) de
x0 at xn+l:
X

fX

o+l

y '(x) dx

-f X

Y(Ku+l) - y(~)

n+l

f(x, y(x)) dx

... f(x, y(x)) dx

Dessa forma,

f ...,f(x, y(x)) dx por uma frmula de quadratura numrica por


X

e devemos ento aproximar

XD

ns escolhida.
a) Mtodos explfcitos: os mtodos explcitos desta classe so obtidos quando
trabalhamos com x0 , X 0 _p ... , Xa-mpara aproximar a integral acima.
X0 , ~-l'

Aproximamos f(x, y(x)) pelo polinmio de grau m, Pm(x) que interpola f(x, y) em
. , X0 _m e ento

Cap. 8

Solues numriCJJS de equoes diferenciJJis ordinrUis:...

341

Se, por exemplo, escolhermos m = 3, a funo f(x, y(x)) ser aproximada pelo
polinmio p3(x) que a interpola nos pontos (~, Y0 ), (xn-1' y 0 _ 1 ),(~_2, Y0 2), (x0 _3, Y0 3),
chamando f 0 _j = f(xn-j' yn-j), j = O, 1, 2, 3, teremos:

onde, para

'1 + 1

- ~ ..

[(x-~_2 )(x- ~- 1 )(x- ~)]/(-h)(-2h)(-3b) -

L_3(x) -

L _ix)

h:

[(x-~_3 )(x-

x0 _ 1)(x- ~)] /(h)(-h)(-2h) -

-1
- 2h3 [(x- ~-3)(x - ~-2)(x - ~)]

Lu(x) - [(x-~_3)(x - ~-2)(x- ~ 1)]/(3h)(2h)(h)

Fazendo a mudana de variveis x ~ ~ - s, temos dx = bds e x


x-

~-3

= bs + x

Ento,

= (s + 3)h; x- X0 _2 = (s + 2)h; x- X0 _1 = (s + 1)h; x- x 0 = sh donde teremos:


L_3(s) -

6-1 (s + 2)(s + l )s - 6-1 (s3 + 3s-.? + 2s)

L_2(s) -

1
1
_?
(s + 3)(s + l)s- (s3 + 4s- + 3s)
2
2

342

Clculo Numrico

Cap. 8

-1
-1 3
2
L_1(s)- 2 (s + 3)(s + 2)s- 2 (s + 5s + 6s)

~(s)-

(s + 3)(s + 2)(s + 1) -

(s3 + 6s2 + lls + 6)

Assim,

f X...,f(x, y(x)) dx f X
X

o+l

h
2

~2 f (s3 + 4s2 + 3s) ds-

h
+ 6f 0

f1

p3(x) dx - fn-3
(s3 + 3s2 + 2s)ds +
6
0

f0 _ 1

f 01(s3 + 5s2 + 6s) ds +

f 01 (s3 + 6s2 + lls + 6)ds

Assim, o mtodo de passo mltiplo por ns escolhido,

(1)
que um mtodo de passo mltiplo explcito pois, para o clcuJo de Yo+ l usaremos y0 , Yo- 1'
Y0 _2 e y0 _3. (Yo+l tem forma explcita em funo dos outros yk, k =o - 1, n- 2, n - 3.)
Observamos que, neste caso, precisamos de quatro vaJores para iniciar o mtodo.

Cap. 8

Solues numricas de equaes diferenciais ordinrias:...

343

b) Mtodos implfcitos: os mtodos implcitos, da classe de mtodos de passo


mltiplo, so obtidos quando trabalhamos com xn+l> x 0 , , xn-m

O mtodo anlogo ao que vimos no item (a) quando trabalhamos com quatro
pontos; portanto, m = 2 e vamos usar (xn+l, yn+l), (x 0 , y0 ) , (x 0 _ 1, y0 _ 1), (X0 _ 2, yn-0 da
mesma forma como fizemos anteriormente:

onde

1
L_1(x)- (x- ~-2 )(x- Xn)(x- "n + 1)/h(-h)(-2h) h3 (x- x0 _ 2)(x- Xu)(x- "n+t)
2
1

Lo(x) (x- "n-2)(x- Xo- 1)(x - "n + 1)/ (2h)h(-h)-- h3 (x- xn-2)(x- Xn-1)(x- "n+l)
2
1
Lt(x)- (x - Xn-2 )(x- Xn- 1Xx- Xo)/ (3h)(2h)(h) h3 (x- x0 _ 2)(x- Xu-1Xx- ~)
6

Fazendo a mudana

L0(s) .. -

x-~

~ (s3 + 2s2 -

s- 2)

s, obtemos, de maneira anloga,

344

Clculo Numhico

Cap. 8

~(s) -! {s3 + 3s2 + 2s)


Assim.

Donde:
(2)

que um mtodo de passo mltiplo implcito pois, no clculo de Yo+l aparece fa+l =
f(xn+ l' y0 +1), ou seja, a frmula no explcita para Yn+l; ele aparece em f(xo+l' Yn+l) no
segundo membro.
Esta a grande dificuldade dos mtodos implcitos. Veremos como eles so utili-

zados nos mtodos de previso-correo, assunto do prximo item.

Sobre os erros:
Mtodo explcito
A frmula que estabelecemos y o+l - y 0 +

quando aproximamos
pola f(x, y(x)) em

X
o+t

f(x, y(x)) dx

xo

, X _ , X _ .
1 0 2 0 3

! {55~ - 59~1

+ 37~2 - 9~_3) foi obtida

X
o+J

XD

p3(x)dx onde p3(x) o polinmio que inter-

Cap. 8

Solues IIUIPIicas de equaes diferenelis ordinrias:...

345

Sabemos, da teoria da interpolao, que:

~ f.MI f(x , y(x)) dx - Jxll+l 1>3(x)dx +


XD

XD

411 Jx.,..l
x (x- ~~(x -

LI" )

~-2)(x - ~-l)(x- ~) I'av ~ ~)) dx.

Assim, o erro cometido


e(xn+l) - : , J:n+l (x- ~-3)(x-

~-2)(x- xn-l)(x- ~) f(iv)<;x> y~)) dx-

b5

J1

'"' - ,
(s + 3)(s + 2)(s + 1)~iv)~, y(;5)) ds.
4. o
Como g(s) = s(s + 1)(s + 2)(s + 3) no muda de sinal em [0, 1], o Teorema do
Valor Mdio para integrais nos garante que existe 11 E (0, 1) tal que:
t
.
-bs
J
g(s)f(av>re
4! 0

hs .
I
hs .
251
y(f; )) ds- - f(lV>(Tt Y(Tt))/ g(s) ds - f(1V)(11 Y(11)) S' '~
41
'
0
24
'
30

portanto:

Mtodo implcito
De forma completamente anloga obtemos uma expresso para o erro cometido no mtodo
visto aqui:

346

Clculo Numrico

e(~+

I)=;, ( n+l

Cap. 8

(x- ~-2)(x- xn-l)(x- xn)(x- xn+l )f(iv)(x,

y(~)) dx

h5 I
=g(s) y<v>c) ds onde
4! o
s

g(s)=(s+2)(s+ l )s(s-1)=(s+2)s(s2 -t) que sempre menor ou igual a zero


em [0, 1]. Assim, existe 11 e (0, 1) tal que:

Exemplo 6
Seja o PVI do Exemplo 4

y' = 0.04y

y(O)

f(x, y) = 0.04y

= 1000

para o qual queremos usar o mtodo de Adams-Bashforth, (1), para aproximar y(2), com
h= 0.2.
J observamos que, para iniciar este mtodo precisamos de quatro valores. Como
conhecemos a soluo exata y(x) = 1000e004 x, vamos ento usar esta soluo para encontrar y0 , Yp y2 , y 3 e, a partir de y 4 , usar a frmula (1 ). Temos a tabela:
~

= 0.0

Yn

fn = f(xn, Yn)

y(~)

(sol.exata)

1000

40

1000

x 1 = 0.2

1008.0321

40.321284

1008.0321

x2 = 0.4

1016.1287

40.645148

1016.1287

x3 = 0.6

1024.2903

40.971612

1024.2903

x4 = 0.8

1032.517487

41.30069948

1032.5175

= LO

1040.810756

Xo

x5

1040.810774

Cap. 8

Solues numricas de equaes diferenciais ordinrias:...

347

Podemos deduzir inmeros mtodos de passo mltiplo baseados em integrao


numrica, conforme fizemos aqui. Se, por exemplo, em vez de integrar f(x, y) de x0 at
xn+l' integrarmos de xn-p at xn+l para algum inteiro p ;!: O, e novamente aproximarmos
f(x, y) - y'(x) ,.. Pm(x) que interpola f em x0 , X0 _1, , xo-m obteremos os mtodos explcitos:
1

Yn+l "" Yn-p

+h

J- p Pm(s) ds

(3)

Note que se p =O e m= 3 teremos o mtodo de Adams-Bashforth que deduzimos


no texto.
Uma das principais desvantagens de frmulas de passo mltiplo que, como
dissemos, elas no se auto-iniciam. No Exemplo 6, como conhecamos a soluo exata,
usamos os valores dados por ela para iniciar nosso mtodo; em geral o s valores iniciais so
obtidos por algum outro mtodo do tipo srie de Taylor ou Runge-Kutta; devemos, no
entanto, tomar o cuidado de usar mtodos que nos forneam valores iniciais, pelo menos to
precisos quanto os que o mtodo de passo mltiplo que vamos usar vai nos fornecer.

8.2.3 MTODOS DE PREVISO-CORREO


Anteriormente falamos sobre mtodos deduzidos por integrao numrica. Tratamos com
mais detalhes de uma classe particular de mtodos explcitos de passo mltiplo. Em geral,
frmulas deduzidas por interpolao de f(x, y(x)) em X 0 e pontos anteriores so conhecidos
como frmulas do tipo abertas.
Deduzimos tambm um mtodo implcito; mtodos desse tipo, onde usamos
tambm ~+l para construir o polinmio de interpolao de f(x, y(x)) so conhecidos como
frmulas fechadas.
A frmula implcita que deduzimos

Yo+l ... Y0 + ~

(9~+l + 19u - 5~_ 1 + f 0 _ 2) e, a menos que f(x, y) seja uma funo

linear, em geral no seremos capazes de resolver a expresso acima para Yn+l"

O que fazemos ento tentar obter Yo+l da seguinte forma iterativa:

i)

por meio de um mtodo explcito (corretamente escolhido) encontramos uma


primeira aproximao y~~~ para Yo+l;

348

Clculo Numrico

Cap. 8

ii) calculamos ento, para fn+l' o valor f(~+l' y~~1 );


iii) com o valor de fn+l obtido em (ir) encontramos uma prxima aproximao
para Yn+l' y~~1 , usando agora o mtodo implcito que escolhemos;

iv) voltamos para (ii), onde agora calculamos, para fn+l f(Xn+l

YhV1)

e assim
vamos repetindo o processo at que duas aproximaes sucessivas sejam tais
que

I Y~~l

- Y~~ll) I I Iy~~l I <

onde E a preciso desejada.

Observamos que, ao escolher E temos de considerar o erro da frmula usada para


calcular y~1 bem como o tamanho do passo h.
Suponhamos que para achar fo~1 para a frmula implcita (2) que deduzimos,
desejemos usar o mtodo de Adams-Bashfiorth (1):

Quando usamos um par de frmulas como o par acima, a frmula explcita, tipo
aberta, chamada um previsor e a frmula implcita, tipo fechada, chamada um corretor.
A frmula implcita que descrevemos conhecida como a frmula de AdamsMoulton de 41 ordem.

O par previsor-corretor, dado por Adams-Bashforth e Adams-Moulton, pode ser


sintetizado no algoritmo abaixo:

ALGORITMO:

o mtodo prevlsor-corretor de Adams-Moulton

Seja o PVI:
y'

f(x, y)

{ y(xo) - Yo xn.- Xo + nh,

dado

=o, 1, ... ;

> O, e, determinados, de alguma forma, y1' y2 e y3,

Cap. 8

Solues numricDs de el[IUleS diferenciais ordinrias:...

349

para n = 3, 4, 5, .. . , N, faa:

a) calcule y~~~, por

c) para k

=1, 2, ... , calcule

d) Continue as iteraes at atingir um nmero mximo de iteraes ou at que


(k)
IYo+l

.lk-1)
- Yn+l

I I IYn+l
(k) I
<

E.

Observamos que N o nmero de ns que precisamos; por exemplo, se num PVI


temos y(O) e queremos y(1), com b 0.1, ento N =10.

natural questionarmos: t) Sob que condies temos garantia que {y~~~} converge para Yo+l? iz) Quantas iteraes do corretor sero necessrias para atingir a convergncia
na preciso

E desejada?

A experincia responde o item () dizendo que, se o par previsor-corretor da


mesma ordem, apenas uma ou duas iteraes do corretor sero necessrias para atingirmos
a convergncia, desde que h seja convenientemente escolhido.

A resposta questo (z) se encontra no teorema abaixo, cuja demonstrao pode


ser encontrada no Captulo 8 da referncia [5].

TEOREMA 1
Se f( x, y) e f/ y so contnuas em x e y em todo o intervalo [a, b], as iteraes do mtodo
corretor vo convergir, desde que h seja escolhido de tal forma que, para x = x, e todo y

<o> Yn+l I h I y
af I < 2.
com IY- Yn+l I ,::::
....., IYn+l-

350

Clculo Numrico

Cap. 8

Exemplo 7
Seja o PVI:

y' ,.,

-y2 ~ f(x,y)- -y2 Seja ainda E -1o- 4

y(1) - 1

Sabendo que a soluo y(x) = 1/x vamos us-la para calcular Yp y 2, y3 para usar
o previsor-corretor do algoritmo.
M

Observe que iJy '"'-2y. Ento, segundo o Teorema 1, qualquer h tal que

21 y Ih < 2, ou seja, h <

I; I ' garante a convergncia.

Tomemos h = 0.1.
Assim,

1
1
1
y0 ... 1, y1 = 1.1 = 0.9090909, y2 - 1. -0.8333333, y3 - 1. -0.7692307.
2
3

fo ..

~
-1
Yo-1
y1 = 0.9090909 ~ fl - -0.8264462

y2- 0.8333333 ~ f2 = -0.6944443


y3 ~ 0.7692307 ~ f3 - -0.5917158 .

Ento, temos

0.7692307 +

~: [55(~.5917158)

59(~.6944443)

Cap. 8

Solues numricas de eqMes diferenciais ordinrias:...

351

+ 37(-0.8264462)- 9(-1)]
-0.7144362

Com estes dados usamos o corretor para obter

y~l) = y3 +

h
[9~0) + 19~- 5f2 + f 1] = 0.7692307 +
24

+ ~ [9(-0.510419) + 19(-0.5917158)- 5(-0.6944443)- 0.8264462]

Assim,

Temos que:

=> Y4

ta2>- 0.7142787.

Para continuar o processo, calculamos f(x 4 , yJ e voltamos ao uso do previsor

para y~0>, etc.

Os resultados computacionais obtidos para h

= 0.1 e

e - 10- 4 so os seguintes:

Usando o mtodo de Runge-Kutta de 411 ordem, obtivemos:

y(1.1) - yl- 0.9090912


y(1.2) - y2 = 0.8333338
y{l.3) - y3 = 0.7692312.

352

Clculo Numrico

Cap. 8

Em seguida, aplicando o previsor-corretor de Ada.ms-Moulton:


valor previsto para y(1.4): 0.7144367 e, aps duas iteraes do corretor:

y(l.4)- 0.7142793.
E, para x -1.5 os resultados so:
valor previsto : 0.6667548
valor corrigido, aps duas iteraes: 0.6666568.
Os valores que obtivemos para y, neste exemplo, so todos menores que 1. Agora,
de acordo com o Teorema 1 teremos de ter h <

I; I Como Iy I <

1 .0, ento

I; I >

1.0 e,

portanto, h ... 0.1 satisfaz realmente esta exigncia, ou seja, a convergncia est garantida.

8.3 EQUAES DE ORDEM SUPERIOR


comum encontrarmos equaes diferenciais de ordem m escritas na forma:
u<m) - f(x, u, u ', u ", ... , u<m-l)), como por exemplo:

u"' - f(x, y, y ', y") - x2 + y2 sen (x + y)- (x + l)y " - cos (xy') + (x2 -l)y.

fcil transformar uma equao de ordem m deste tipo num sistema de m equaes de ordem 1, assim:
z1 - u
,
,
z 1 = u ... z2

z2 - u" - ~

u"'

' Z3
-

'"'

z4

z'.m-1 - u<m - 1)
z' m

ll1

u<m) ... f(x, u, u', ..., u<m- 1))

Cap. 8

Solues numricas di! equlles diferenciJJis ordin4rias:...

353

No exemplo anterior, fazemos

y' -

z ' - w(- y ")


[ w ' - f(x, y, y ', y "). Para esta equao j vimos que:

y(O)- 1.1, y '(O) - z(O) - 2.2, y " (O) - w(O)- 3.3.

Equaes de ordem m, deste tipo, podem pois ser vistas como uma equao
vetorial de ordem 1. No exemplo anterior, chamando:

Y- (

l,
l(

a equao transformada :

~f(x,y, y', y" ) )- ( ~f{x, y,z, w) )

1.1 ) , ou seja, temos de resolver a equao vetorial:


2.2
3.3

y{O) com Y (O)- z(O)


( w(O)

Y- F(x, Y)-

Y {O)

Y- (

zw
[ x2 + y2 sen(x + y)- (x + l)w- cos (xz) + (x2 - l )y

1.1)
2.2
( 3.3

Vamos aplicar o mtodo de Euler Aperfeioado, visto na Seo 8.2.1, para uma
equao diferencial de 2 1 ordem, como:

y " - f(x, y, y')


y{O)- Yo
{ y '(O)- Yo

354

Clculo Numrico

Cap. 8

Inicialmente transformamos esta equao num sistema de duas equaes de 111


ordem. Assim, fazendo:
y ' ... z

y" - z ' = f(x, y, y')- f(x, y, z), e

chamando Y ... ( Y ), ento o PVI inicial se transforma em


z

y(O)) ... ( Y
Yo
Y(O)- ( z(O)

= Yo

O mtodo de Euler Aperfeioado, para uma equao

Assim, no nosso caso:

Agora,

Cap. 8

Sol~es

numricas de equaes diferenciais ordin4rias:...

Temos, pois,

h
Yn + 2 [~ + hf(xn, Yn ~)]
h
Zn + 2 f(xn' Yn zn) + f(xn +h, Yn + ~. Zn + hf(xn, Yn' zo))

Ento

D+1-

Chamando

Assim, dado o PVI:

y" -4y ' -3y-x


y(O)- 4/ 9
{ y'(O) -7/ 3

355

356

Clculo Numrico

Cap. 8

e, tomando h = 0.25, teremos:

y' = z

z' =f(x, y, z) =4z- 3y- x

4
Y = ( Y ) , F(x, Y) = (
z
) e y0 = ( / 9 ) .
z
4z- 3y- x
7/3

O mtodo de Euler Aperfeioado aplicado a este PVl fornecer para y 1 = y(0.25):

k 1 = hf(x0, y 0, z0) =h(4Zo- 3y0 - Jlo) = 0.25(4 x 3-3 x

4
9

- O)

=0.25 X 324 = 0.25 X 8 = 2.0

=0.25f(0.25, 1.028, 4.333) = 0.25(4 X 4.333 -3 X 1.028 -

0.25)

=0.25 X 13.998 = 3.4995.


Assim:

"" ( 1.278 )
5.083

4
+ 0.25
9

37 +

37 + 20.25

2 (2 + 3.4995)

Cap. 8

Solues numricas de equtJes diferenciais ordinrias:...

357

Temos pois

y(0.25) - 1.278
y '(0.25) .. 5.083.

8.4 PROBLEMAS DE VALOR DE CONTORNO O METODO DAS DIFERENAS FINITAS


;

A forma mais geral dos problemas de contorno aos quais nos referiremos :

y " - f( x, y, y ')
a1y(a) + b1 y '(a) - y1
~y{b)

+ b2y '(b) - y2

onde a1 , ~ bl' b2, y1 e y2 so constantes reais conhecidas, tais que nem a1 e bl' nem ~e
b2 sejam nulas ao mesmo tempo.
Se f(x, y, y') O, y1 - y2 O o problema acima dito problema homogneo e
bvio que y(x) O soluo, neste caso.
Para as aproximaes desta seo, precisamos do conceito a seguir:

Definio: Dizemos que g(h) O(hP), se existe uma constante C> O tal que

Ig(h) I :::; c IbP I


A idia bsica do mtodo das diferenas finitas transformar o problema de
resolver uma equao diferencial num problema de resolver um sistema de equaes algbricas, usando para isto aproximaes das derivadas que aparecem na equao, por diferenas finitas.
Faremos Xo .. a, x0
b-a
comprimento h - - - cada.
n

b e dividiremos o intervalo [a, b] em n partes iguais de

358

Clculo Numrico

Cap. 8

Assim,
xk- x0 + kh, k- O, 1, ... , (n- 1) e yk

===

y(~) =

y(Xo +kh), k =O, 1, 2, ... , n.

Se f(x, y, y') for linear (em y e y') o sistema a ser resolvido ser linear e poderemos utilizar os mtodos do Captulo 3 para resolv-lo. Se f(x, y, y') for no linear, teremos
um sistema no linear de equaes algbricas e, para resolv-lo, podemos utilizar os mtodos vistos no Captulo 4.
As aproximaes mais usadas para a primeira derivada no ponto xi so:

a)

y '(xi) ""

b)

y'(x) ""

c)

y'(xi) ""

Yi+l- Yi

h
Yi- Yi-1

diferena avanada

diferena atrasada

Yi+l- Yi-1

2h

diferena centrada

A figura a seguir mostra estas aproximaes, do ponto de vista geomtrico:

~+1

~+1

(a)

(b)

Figura 8.5

(c)

Cap. 8

Soluins numiricas th tquayins dift rtndais ordin.rias:...

359

Obviamente estaremos cometendo um erro quando usannos (a ), (b) ou (c) para


aproximar y'(xi). Supondo y(x) com tantas derivadas quanto necessrias, a frmula de Taylor de
y(x) em tomo de xi o ferramental matemtico que utilizamos para medir o erro local cometido.

Sabemos que existe x entre x e xi tal que

y(k>(x.)
y(k + I) (~)
1
+
k'
(x -x.f +
(x- x.f+l .
.
I
(k+ l)!
I

Assim, para k

= 1,

e, n o pon to x = xi+l = xi + h.

Y(x.t+ 1)

Assim,

Ento

= y(x.)I + y ' (x.xx.


I
t+ 1

x.)
+
I

y''(~+l)
2

2
(x.I+ 1 - x.)
.
I

(1)

36()

Clculo Numrico

Cap. 8

Aproximando os valores exatos y(xi+l) e y(~) por estimativas


obtidas, temos:

Yi+l

Yi

a serem

Se y "(x) f oi limitada em [a, b], ou seja, se existe M > O tal que Iy"(x) I ~ M para
todo x em [a, b], ento a expresso anterior para aproximar y'("i) O{h) pois

y " ft. .

'"'i+l

Tomando agora k = 2, a expresso (1) fica:

y(x) y(~) + y '(~)(x- ~) +

y "(~
2

(x - xl +

y "'(~)
3

(x- xl.

(2)

Se x

=x i-l
(3)

Fazendo (2) - (3), teremos:

Cap. 8

SolUfes numricas de equaes diferenciais ordinrias:...

'( ) = y(~ + 1)- y(~ - t> 2h

y Xj

donde y, (xi)

e~

361

h [ "'('" ) + "'('". ) ]
12 y ~ y "i:-1

Yi+t -h Yi-1 e esta aproxunaao


.
- O(h2) , supondo y '"(x) limi"tada em [ a, b] .

De maneira anloga se prova que a frmula (b) O(h), o que deixado como
execccio.
Desta anlise conclumos que o erro na frmula centrada da ordem de h 2 e,
oom.o h< 1, esta frmula mais precisa que as outtas duas. Por esta razo ela mais
empcegada
Utilizando novamente a srie de Taylor. deduziremos a aproximao mais tpica
pao. a clerivada segunda, bem como a expresso do erro para ela Para tal, usaremos (1) com
k =3 DOS pontos ~ e ~-t respectivamente:

(4)

(5)

E, agora, (4) + (5) nos fornece:

Assim temos a expresso (d), ou seja, y"(Xj) ""

Yi+l - 2yi + Yi-!


2
b
com erro da ordem de h ,
2

se y(iv)(x) for limitada em [a, b].


Uma outra forma de encontrar a expresso acima para aproximar y"(x-j) encoptrar a parbola p 2(x) que interpola y(x) em xi-1' xi e x i+l e ento aproximar y"(xi) por
pZ' (~). O leitor interessado deve verificar os clculos.

362

Clculo Numrico

Cap. 8

Mostraremos o mtodo das diferenas finitas atravs de exemplos numricos:

Exemplo 8

(PVC linear)

y"(x) + 2y'(x) + y(x)

=:x

y(O) = 0

{ y(l) =-1

Fixado n, o espaamento b ser

e o intervalo [a, b] ser dividido em

Xo = O,

x1 = h, ... , xj = jh, ... , ~-I= (n - l)h e ~ = 1. Como conhecemos y(O) = y(Xo) e y(n) = y(~).
teremos como incgnitas yi' y2 , ... , y 0 _ 1 e assim. para cada i = 1, ... , (n - 1) usaremos as
aproximaes:

pois ambas so aproximaes de 0(b2).


Para cada i, a equao discretizada fica:
Yi+l - 2yi + Yi-1

h2

Agora, para i= 1, usando a condio inicial Xo =O e y(Xo) = O, a primeira equao :

Cap. 8

Solues numricos de equaes diferencio.is ordinrias:...

363

Analogamente para i - n - 1, a ltima equao :


(1- h)y0 _ 2 + (h2 - 2)y0 _ 1 - (n- 1)h3 + (b + 1).

Assim, para determinar Yp y 2, ... ,


algbricas lineares:

Yn-1'

teremos de resolver o sistema de equaes

(h2 - 2)yl + (1 + h)y2

- h3

(1 - h)yi-1 + (h2- 2)yi + (1 + b)yi+l

- ib3,

(1- h)Yn-2 + (h2- 2)Yn-l

.. (n- 1)h3 +h + 1

2 ~i~ (n- 2)

(6)

que um sistema de ordem (n -1) com matriz A tridiagonal, dada por:

dl

cl

~ ~
~ ~

C:3
an-2

dn-2
3n-l

cn-2
dn-1

onde
di .. (b2 - 2),

~ i~

(n -1)

ci- (1 +h) ,

~i ~

(n- 2)

ai = (1 -h) ,

(n -1).

A Tabela 8.1 a seguir mostra os resultados obtidos quando resolvemos o


anterior com h- 0.05 e h .. 0.1.

sistem~

Os valores na coluna sol mostram a soluo exata., 2e-x(l - x) + x - 2, tabelada


nos mesmos pontos. A ltima coluna, erro, mostra o valor absoluto da diferena entre ~
soluo exata e a que encontramos, componente a componente. Conforme podemos obser
var, o erro cometido menor que h2 em todos os casos.

364

C4lculo Numrico

Cap. 8

Tabela 8.1

h= 0.05
X

sol.

erro

0.0500
0.1000
0.1500
0.2000
0.2500
0.3000
0.3500
0.4000
0.4500
0.5000
0.5500
0.6000
0.6500
0.7000
0.7500
0.8000
0.8500
0.9000
0.9500

-0.1428
-0.2715
-0.3870
-0.4903
-0.5821
-0.6632
-0.7342
-0.7959
-0.8489
-0.8938
-0.9310
-0.9612
-0.9848
-1.0023
- 1.0140
- 1.0204
- 1.0219
- 1.0188
-1.0114

-0.1427
-0.2713
-0.3868
-0.4900
-0.5818
-0.6629
-0.7339
-0.7956
-0.8486
-0.8935
-0.9307
-0.9610
-0.9846
-1.0020
-1.0138
- 1.0203
- 1.0218
-1.0187
- 1.0113

0.0001
0.0002
0.0002
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0003
0.0002
0.0002
0.0002
0.0001
0.0001
0.0001
0.0000

sol.

erro

0.1000
0.2000
0.3000
0.4000
0.5000
0.6000
0.7000
0.8000
0.9000

-0.2720
-0.4911
-0.6641
-0.7969
-0.8947
-0.9620
- 1.0029
- 1.0208
- 1.0190

-0.2713
-0.4900
-0.6629
-0.7956
-0.8935
-0.9610
- 1.0020
-1.0203
- 1.0187

0.0007
0.0011
0.0013
0.0013
0.0012
0.0010
0.0008

h= O.l

0.0006
0.0003

Cap. 8

Solues numricas de equaes dife~nciois ordinrias:...

Exemplo 9 (PVC no linear)


y" =y sen y + xy

y(O) = 1
y(l)= 5

Neste exemplo, as incgnitas so: y" y2 . . . , y n- l e usaremos

y (x.) I

Yi+l - 2yi + Yi-1


para 1
h2

~ 1 ~ (rn-

1).

Assim, para cada i a equao discretizada fica:


Yi+l - 2yi + Yi- 1
h2

= y1 sen(yi) + X,Yi e, usando o fato que xi = ih, teremos:

O sistema (n - I ) x (n- 1) de equaes no lineares a ser resolvido ser:

1 -y 1[2+ h2(sen(y1)+ h)] +y 2 = O

yi-1 + yi[2 + h2(sen (yi) +ih)]+ Yi+l = O,

(n -2)

Os resultados obtidos para h = 0 .1 e h= 0.05 esto na Tabela 8.2 a seguir:

365

366

Clculo Numrico

Cap.8

Tabela 8.2

Para h= 0.1
Y(i)

Resultado

Y1
Y2

1.3186
1.6513
2.0037
2.3803
2.7829
3.2091
3.6525
4.1035
4.5538

Y.3
Y4

Ys
Y6
Y7
Ys
Y9
Para h= 0.05

Y(i)
Yt
Y2
Y3
Y4
Ys
Y6
Y7
Ys
Y9
Yw
Yn

Y12
Yt3
Y14
Y1s
Y16
Yt7
Yts
Yt9

Resultado
1.1581
1.3190
1.4834
1.6521
1.8257
2.0049
2.1901
2.3817
2.5798
2.7842
2.9945
3.2101
3.4299
3.6528
3.8777
4.1034
4.3288
4.5534
4.7770

Cap. 8

Solues numricas de equaes diferenciais ordinrias:...

367

As condies de contorno poderiam ter sido dadas de forma diferente da que

fizemos nos Exemplos 8 e 9. No Exemplo 8, se em vez de y(O) = O tivssemos


y(O) + y'(O) + 3 e, ento teramos como incgnitas y0, yl> ... , Yn-t n incgnitas, portanto.
Uma idia para resolver este problema usar a aproximao por diferena avanada para y '(Xo), ou seja, y '(Xo)
y0 +

= Yt-h Yo

e assim a condio inicial dada fica

Yt- Yo
h
+ 3 = e, donde

(h- 1)y0 + y1 - h(e - 3)

h(e-3) -y 1
e Yo h_
1

Substituindo este valor na primeira equao, continuamos com o sistema


(n - 1) x (n -1) anterior, s que com a seguinte equao como primeira equao:
(7)
Neste caso fizemos uma opo por uma frmula que O(h) para aproximar
y'(x0), o que faz com que a preciso da soluo seja tambm O(h}.
Podemos obter uma aproximao da ordem de h2 , se usarmos diferena centrada
tambm em y '(x0), o que exige que incluamos mais um ponto (x_1, y_1) na nossa tabela.
Com isto y(O) + y'(O) + 3 - e nos fornece a condio para determinar as n incgnitas:
Yt- Y-1
YoYp Yn-1: Yo+ Zh +3-e, donde
y_1

= 2hy0 +

y 1 - 2h(e - 3).

(7)

Assim, usando i =O como ponto de discretizao para o problema do Exemplo 8,


teremos a equao adicional:
(1- h)y _1 + (b2 - 2)y0 + (1 + h)y1 - h2x_1 - -h3 donde, por (7),
(1 - h)[2h.y0 + y1 - 2b(e- 3)] + (h2 - 2)y0 + (1 + h)y 1 - -h3, ou seja:
(-h2 +2h- 2)y0 + 2y1 - 2h(1- h)(e- 3)- h3.

3:68

Clculo Numrico

Cap. 8

Ento o sistema de equaes lineares a ser resolvido o sistema o x o:

(-h 2 + 2h -l)y0 +y 1 =2h(l - h)(e - 3)- b3


(I- h)yi- l + (h2 - 2)yi + (1 + h)yi+ 1 = ib3,

1 ~ i ~ (o - 2)

(1 - h)y0 _ 2 + (h2 - 2)yo-I = (n - I )h3 + h + 1

EXERCfCIOS
1.

O mtodo de Euler Modificado deduzido a partir da figura abaixo:

'

h/2-,

xn+1 = x,+h

y(x): soluo exata da equao diferencial y' = f(x, y).


L 1: z 1(x); reta que passa por (x 0 , y0 ) e tangente a y(x) em (x0 , y0 ) .
L2: z2(x); reta que tem inclinao f(P).
L3 : z(x); reta que passa por (x0 , Yo> e paralela a
Yn+ l = z(x 0 +h).

Deduza a expresso de y n+ 1.

Lz

Cap. 8

2.

Solues numricas de equaes diferenciais ordin4rins:...

369

O problema de valor inicial:


y'--20y

y(O) - 1, tem por nica soluo exata y(x) - e-20x.

a) Verifique a afirmao acima.


b) Verifique que qualquer mtodo de Runge-Kutta de 21 ordem, quando aplicado a
este problema, nos fornece
Yn+l = (1- 20h + 200h2)ll+l, n O, 1, 2, ... .

3.

Dado o PVI abaixo, considere h

=0.5, 0.25, 0.125 e 0.1.

y ' -4-2x
{ y(O) - 2.

a) Encontre uma aproximao para y(5) usando o mtodo de Euler Aperfeioado, para
cada h.
b) Compare seus resultados com a soluo exata dada por y(x)
Justifique.

= - x2

+ 4x + 2.

c) Voc espera o mesmo resultado do item (b) usando o mtodo de Euler? Justifique.
4.

a) Verifique que fazendo m - 1 e p- 1, nos mtodos (3) do texto, obtemos o mtodo


Yn+l Yn-1 + 2hfu com erro

~ y'"(;).

b) Em termos de esforo computacional, como voc o compara com o mtodo de


Euler?
c) E quanto preciso?

5.

Considere os mtodos (3) do texto. Faa m - 3 e p - 3 e deduza o mtodo bem como


a expresso do erro.

370

6.

Clculo Numrico

Cap. 8

a) Deduza o mtodo implcito para resolver o PVI:


y ' ... f(x, y)
X

Y(Xo) YQ>

do tipo Yn+l - Yn +

Jxn

nl

f(x, y(x)) dx

onde

usamos a regra dos Trapzios para calcular a integral acima.


b) Encontre a expresso do erro cometido.
c) Compare com o mtodo de Euler, em termos de erros.

7.

a) Considerando o seguinte PVl:

y' = 0 .04y

y(O) -1000

e supondo conhecidos y1 e y2 , verifique que o mtodo (2) do texto nos fornece Yn+l
explicitamente para n ;;:. 2.
b) Como voc explica o resultado acima sendo (2) um mtodo impleito?
8.

Use vrios mtodos e vrios valores de h para encontrar y(2) sendo dado o PVI:
y'- cosx + 1
{ y(O} = -1.

9.

Dado o PVI y' = - x , y(O) = 20, deseja-se encontrar aproximao para y(16). Resolva
y

por

a) Runge-Kutta de 2 11 ordem, h= 2.
b) Runge-Kutta de 411 ordem, h= 4.

c) O par previsor-corretor do texto.

) Comente seus resultados.

Cap. 8

Solues numricas de equaes diferenciais ordindrias:...

371

10. Substitua y'(x) no PVI abaixo por [y(x + h) - y(x)]/ b e obtenha uma equao de diferenas para aproximar a soluo da equao diferencial.
Faa h= 0.2 e h = 0 .1 e encontre, em cada caso, uma aproximao para y(1.6). Analise os
resultados.
y'

= -X1 (2y + X + 1)

y(l)

= 0.5.

Soluo exata: y(x) = 2x2

- X -

1/2.

(O mtodo de diferenas finitas descto aqui uma outra maneira de aproximarmos

solues de problemas de valor inicial.)


11. Use a aproximao do Exerccio 10 para o problema do Exerccio 3. Analise os resultados.
12. a) Reduza y"' + g 1(x, y)y" + g2(x, y)y' = g3(x, y) a um sistema de trs equaes de 1
ordem.
b)

Como fica o mtodo de Euler para esta equao?

13. Reescreva as seguintes equaes como um sistema de equaes diferenciais ordinrias de


li ordem:

a)

[ y(4) + cos(x)y"' +e-x y"- (x2 + l)y' + xy

y(O) =O, y'(O) = 1, y"(O) = 2, y"'(O) = 3

h)

[ y"' + (xy")2/(1

+ y')2 + log(l + y) =O

y(O) = y'(O) =O, y"(O) = 1.

=2x sen(xy)

372

Clculo Numrico

Cap. 8

14. Resolva o PVI do Exerccio 10 por outros mtodos e vrios valores de h.


15. Calcule y(1) para y ' - y- x; y(O) 2, utilizando Euler e Runge-Kutta de 41 ordem com
h- 0.2. Comparar seus resultados com os valores exatos de y(x) nos pontos xi, sabendo
que y(x) = exp(x) + x + 1.
16. Considere o PVI

y' -

(y2 - 1)/ (x2 + 1)

y(O) .. 1.

a) Calcule aproximaes para y(l), usando o mtodo de Euler com h 0.2 e h ... 0.25;
b) Repita o item (a), usando agora o mtodo de Euler Aperfeioado.

17. Considere o PVI

y' -

yx2 -y

y(O) - 1.

a) Encontre a soluo aproximada usando o mtodo de Euler com h= 0.5 e h 0.25,


considerando x E [0, 2];
b) idem, usando Euler Aperfeioado;
c)

idem, usando Runge-Kutta de 41 ordem;

d) sabendo que a soluo analtica do problema y - exp(-x + x3/ 3), coloque num
mesmo grfico a soluo analtica e as solues numricas encontradas nos itens
anteriores. Compare seus resultados.

18. Determine y(1) para y " - 3y' + 2y- O, y(O)- -1, y '(O) =O utilizando o mtodo de
Euler com h= 0.1.

Cap. 8

Solues numricas de equaes diferenciais ordinrias:...

373

19. Considere o problema:


y " + 7y ... o
y(O) - 2
y '(O) = O

com x E (0, 1).

a) reescreva os mtodos de Euler e Euler Aperfeioado para resolver este problema


como um sistema de equaes de 11 ordem;
b) resolva o problema usando Euler Aperfeioado e h- 0.25.
20. Escreva a equao de 21 ordem:
y"(x) - 2(exp(2x)- y2) 112

y(O)

y'(O) .. 1.

como um sistema de equaes de 11 ordem e resolva-o, para x E [0, 0.6], usando


h-0.2:

a) pelo mtodo de Euler;


b) pelo mtodo de Euler Aperfeioado.

21 . Considere o PVI

y' - y
y(O) - 1 .

a) Mostre que o mtodo de Euler Aperfeioado, quando aplicado a esta equao,


fornece:

b) Comparando com a soluo exata do problema, voc esperaria que o erro tivesse
sempre o mesmo sinal? Justifique!

374

Clculo NJmtrico

Cop. 8

22. a) apresente a frmula de iterao para o mtodo de Taylor de ordem 2 aplicado ao


PVI abaixo:
Jy'+y-x

y(O) -

O,

sendo h= 0.1;
b) verifique que y(x) = exp(-x) + x- 1 soluo do PVl;

c) calcule um limitante superior para o erro do mtodo obtido em (a).


23. Considere a equao diferencial y' - y seo y + x com a condio inicial y(O) -1. Calcule y '(O), y"(O) e y"'(O). Utilizando esta informao, calcule aproximadamente y(0.2).
24. Resolva pelo mtodo de diferenas finitas, o PVC:

y"+2y ' +y
y(O) - 2
y(1) - o ,

usando h

=X

=0.25.

25. Formule, por diferenas finitas, sistemas de equaes cuja soluo aproxime a soluo
dos seguintes problemas de contorno:

a)

y " ... y sen(y) + ty


y(O) - 1
y(l) .. 5

b)

y"- 2y+y3- t
y(O) - 4
y(6) - 2

Cap. 8

Solues numricas de equaes difereneJis ordinrias:...

375

26. Mostre que a aproximao (b) O(h).


27. Deduza a aproximao (2) para y "(Xj) usando a aproximao de y(x) por p2(x), conforme sugerido no texto.
28. Resolva o Exemplo 8 com os mesmos valores de h mas com condio inicial
y(O) + y '(O) + 3 - e, das duas maneiras propostas no texto.

APNDICE

.;

RESPOSTAS DE EXERCICIOS

CAPTULO 1
1.

= (37) 10 = {100101)2

= (2345)10 = {100100101001)2
z =(0.1217)10 = (0.000111110010...h
y

2.

X=

{101101)z = (45)10

={110101011)z = (427)10
z ={0.1101)2 =(0.8125)10
y

3.

=(0.111111101)2 =(0.994140625)10
+y+

a)

b)

X-

y-

= 0.7240 X 1Q4
Z =. 7234 X 1Q4
Z

= 0.3374 X 1Q8
(xy) I z = 0.6{)04

c) x/y
d)

e) x{y/z)

376

=0.6005

I ERx+y+z I < lQ-3


I ERx- y- z I < 1.0002 X
I ERvy I < ~ X lQ-3
I E~xy)/z I < 10-3
I E~(y/z) I < t o-3

10- 3

Apndice

4.

I ERuI < 10-t+l

5.

I ERuI < 10- t+l

6.
9.

a)

I ERJ <

1()-HI

I ERJ <

~ x

Respostas de Exercfcibs

10-t+l

m = 0.1000 X 1()-5 = 10-6


M= 0.9999

toS= 99990

b)

no arredondamento: 0.7376 x 102


no truncameoto: 0.7375 x 102

C)

a+ b = 0.4245 X t oS+ 0.00003 X loS= 0.42453 X toS.


Mas o resultado ser armazenado com 4 dgitos na mantissa, portanto:

a+

h = 0.4245

x 1o5

d)

S = 0.4245

e)

S = 0.4248 x t oS

f>

Observar que a opo (wz)/t conduz a um overflow nesta mquina.

toS

CAPfTULO 2
l.

a) 4cos(x)- e2x = O

Uma raiz positiva no intervalo (0, 1].


Infinitas razes negativas k: nos intervalos [k: (- 1t ), (k:- 1) (-1t)),
k = 1, 2, ....
b)

- tg(x) =O

= O uma raiz.
As outras razes esto nos intervalos:
1t
1t
(k1t, k1t + 2) para k: = 1. 2, 3, ... e (k:1t- , k1t) para k
2

=- 1, -2, -3, ...

377

Clculo Numrico

378

c)

Apindice

1- xln(x) =O
~E [1, 2].

d) 2x- 3x =O
~ E [0, 1].
e)

x3 + x- 1000 = O
~ E [9, 10].
log (bo- ao> - log (e)
log(2)
- 1.

3.

a) k >

4.

No. Verifique que neste exemplo o mtodo da posio falsa vai manter o extremo
inferior do intervalo fixo e a seqncia gerada no oscila em tomo da raiz. Assim, a
nica possibilidade seria testar se (b- a) < 10-5 , o que no vivel neste caso. Redija
agora uma resposta explicando os detalhes.

5.

Observe que a seqncia est oscilando e convergindo para a raiz exata. Neste caso,
obtenha o menor intervalo que contm a raiz.

6.

a) Observe que 1/a a soluo da equao ax = 1 que o mesmo que f(x) = a- 1/x = O.
Aplicando o mtodo de Newton, conclua que 1/a pode ser obtido iterativamente
e esta expresso no requer nenhuma diviso. Complete a
por xk+l = 2xk -

axt

resoluo do exerccio.
b)

0.230769219 com E< 6.7 x I0-7.

(Observao: A aproximao inicial para o mtodo de Newton tem de ser cuidadosamente

7.

b)

es~.:ulhida.)

Para qualquer ~ :f:. O, ela ser oscilante.

c) No. Analise outros exemplos.


8.

Pelo Teorema do Valor Mdio temos que xk+ 1 - ~ = <p'(~)(xlc- ~)com ck entre
Analise os sinais de xj - ~. j = O, 1, ....

xk

e~

Apbuiice

9.

Respostas de Exercidos

a) Observe que I t;- xkl = I t;- xk+l- xk + xk+ll que t; = cp(t;) e que xj+l
todo j.

379

=<p(xj) para

b) M < 1/2.
10. cp(x)

x0

=-X1 + -X12

=1

=2
x2 =0 .75
x 3 =3.111...
x1

x4 = 0.424744898
x5 =7 .897338779
x6

= 0.142658807

x7 = 56.14607424
Calcule cp'(x) e verifique que I cp'(x) I > 1 para I x I < 1.
11. a)

x =4.2747827467

b)

i= 0.9047940617

c)

x= 1.4309690826

12. Obtm a raiz aproximada x = -2.00000007 aps 9 iteraes. Para justificar, observe
que f(Xo) 3.939 e f(x0) = 0.23.

14. a) O ponto xk+l ser a interseco, com o eixo ox, da reta que passa por (xk, f(xk)) e
paralela reta tangente curva f(x) no ponto (x0 , f(x0)).
15. a) MPF obtm i= 0.714753186 aps 8 iteraes.

b) O mtodo de Newton obtm i= 0.71481186 aps 3 iteraes.

380

C4lculo Numrico

Aplndice

x= 3.1415926533 com f(i) 2.9 x to-10 em 2 iteraes.

16. a)

x = 3.14131672164 com f(X)

b)

3.8 x 1o-8 em 9 iteraes.

Encontre uma explicao terica para estas respostas.

17. a) 0.128373 < k < 1


b) 0.070913 < k < 0.128373

18. Esta funo tem apenas um ponto crtico. Justifique isto.


Usando o mtodo de Newton com x 0 =0.5,

x =0.567138988 com E = 1o-4.

19. x1 = ~.906179
~

= ~.538452

~= 0

x4 = 0.538452
x5 = 0.906179
20. ; =e E [2, 3],
E= 10-5

MPF

Disseco

Posio falsa

Dados
iniciais

(2, 3]

(2, 3]

Xo = 2.5

x.o =2.5

2.718276

2.718277

2.718283

2.718282

2. 718283

-0.64214411 )( 10"'10

0.6621836 )( lo-8

f(x)

0.4850915

erro em x

0.15258789

n iterao

16

<p(x) xlln(x)

w-10

10- 5

0.479651 4 )( 10-5

l<r'

0.2818186

0.1868436 )( t <r'

-0.6421441 x

Secante

Newton

0.1868436
3

Xo = 2

x, "'3

t o-4

-0.17101306 x Io-4
5

Apndice

21. a)

b)

Respostas de Eurclcios

381

f(x) = xe-x - e- 3 contnua em [0, 1], f(O) <O e f( l ) >O.

I f(x ~~I :: 4.037 x 10- 3; x 0 =0.9 est prximo de um zero de f(x); verifique isto.

ou , entao
- { p = 2 ou
23. v -- 2 { v - p =
v - p = 2
p = 0
portanto, pela regra de sinal de Descartes, esta equao ou tem 2 razes ou no tem raiz no
intervalo (0, l].

24. Usando o teorema de Stmm com a = O e ~ = l verifica-se que p(x) = 3x 5 - x4 - x3 + x + 1 = O


no tem raiz no intervalo [0, 1].
25 Para x0 =l .5,

x=3.00072 e

f(x) =0.525664 2 x 1o-5 .

CAPITULO 3
2.

O nmero de operaes da ordem de n 2.

4.

c) x

=(0.8

5.

x*

= (1

6.

a)

Infinitas solues.

b)

No admite soluo.

7.

0.6

0.4

0.2)T

Na fase da eliminao pode-se efetuar sobre a matriz dos coeficientes as operaes (i), (ii)
e (iil) enunc iadas no Teorema 1. Das pro priedades de determinantes temos que:
i)

trocar duas linhas resulta numa troca do sinal do determinante .

ii)

multiplicar uma linha da matriz por uma constante no nula resulta que o determinante
fica muJtiplic ado por esta constante;

382

Clculo Numrico

Aphldice

iii) adicionar um mltiplo de uma linha a uma outra linha no altera o valor do
determinante.
Destas propriedades e do fato que o determinante de uma matriz triangular o
produto dos elementos da diagonal, sai facilmente o mtodo pedido pelo exerccio.

9.

/)

= (1

1)T

o ~l
o

lOL

-1

u-

(~

1
-1

-n

Observar que a matriz A singular.


11. b) Constate que a matriz A-1 pode ser obtida atravs da resoluo de n sistemas
lineares:
Ax =e-t

= 1, ... ,

onde ei a coluna i da matriz identidade de ordem n.

c) A fatorao LU o mtodo mais indicado Gustifique por qu!).

d) A-1 -

0.2948
0.0932
0.0282
0.0861
0.0497
0.0195

0.0932
0.3230
0.0932
0.0497
0.1056
0.0497

0.0282
0.0932
0.2948
0.0195
0.0497
0.0861

0.0861
0.0497
0.0195
0.2948
0.0932
0.0282

13. Se A= LDU, o vetor x ser obtido resolvendo:


Ly =b, Dz = y e Ux = z.
-0.848
0.136
( 0.072

16.

A-1

17.

x = (1
x = (0.93

-0.156
-0.008
0.084

0.720)
-0.040 .
-0.080

0.94l usando o arredondamento.


1.1l usando o truncamento.

0.0497
0.1056
0.0497
0.0932
0.3230
0.0932

0.0195
0.0497
0.0861
0.0282
0.0932
0.2948

Apndice

Respostas de Exercfcios

383

0.2206)T.

18. a) i= (-0.02127

b) No tem soluo.
21. Demonstre que xTcx >O, x E Rn, x "'O, e observe a necessidade da matriz A ter posto
completo.

22. 13

mx 13i - 0.2

< 1

e x

(1

1)T;

l,.;i,.;3

13

mx 13i = 0.3281 < 1 e


t,.;j,.;4

x* = (0.36364
23. a)

0.45455

0.45455

0.36364?.

I k I > 4.

b) k = 5 e, usando x(O) = (O O O)T, obtemos x<2 ) = (0.04857 0.25 0.20734)T.


25. a) As seqncias geradas por Gauss-Jacobi e Gauss-Seidel no convergem para a
soluo.
b) Permutando as equaes, os mtodos geram seqncias convergentes para
x* = (1 - 1)T.
28. a) Calculando o vetor r(k) = A.x(k)- b e verificando se
mx

I ri I <

E onde E ...

O (E -

w-4, por exemplo).

t,.;i~n

29. A soluo x* = (1 1 1 1 l)T pode ser obtida facilmente, bastando observar que as
equaes 2, 3 e 5 envolvem apenas uma varivel.

31. a) infinitas solues.


b) soluo nica.

c) infinitas solues.

d) infinitas solues.

e) infinitas solues.

f)

soluo nica.

g) infinitas solues.
h) infinitas solues.
i)

no tem soluo.

J)

no tem soluo.

k) soluo nica.

33. a) x

={1

1 1 1)T.

b) x ={O 1 1)T.

34. a) G- ( 7

Zs- 41~) .

b) Observar que sobre a matriz R no imposta a condio da diagonal ser positiva;


desta forma, uma das trs possibilidades :

_..g
R-

( 7/ V)

4/~ )

CAPTULO 4
2.

=(1 1)T.
x = (1.93177 -0.51822)T.

a) x
b)

= (-0.17425
x ={1 1)T.

c) x
d)

e) x
f)

-0.71794)T.

(-0.57072 -0.68181
-0.70221 -0.70551
-0.69189 -0.66580 -0.59604 -0.41642) T.

={1

1 1 1 1 1 1 1 1 1)T.

-0.70491

-0.7015

Apindice

Respostas de Exerccios

385

CAPfTULO 5
1.

a) &colhendo os pontos x0 = 2.8, x1 = 3.0 e x2

b)

I E(3 .l) I

:!S;

= 3.2, obteremos: f(3 .1)-= 22.20375.

1.23 x 10- 2.

2.

Sugesto: Verifique que o mximo da funo g(x) =I (x- xo)(x- x 1) I ocorre para x =
(x 1 + xr)/2 e obtenha g(X).

3.

Escolhendo x0 = 25, x 1 = 30 e x2 = 35 obtemos f(32.5) = 0.99820 e f(x)


""27.88.

4.

Usando o processo de interpolao inversa para f(x), sobre os pontos: y 0 = 0.67, y 1


= 0.549 e y2 = 0.449 obtemos: f(0.5101) = 0.6 e aplicando o processo de interpolao
inversa pata g(x) sobre os pontos Yo = 0.32, y 1 = 0.48 e y 2 = 0.56 obtemos g(l.4972) ""'
0.5101 , portanto, para x"' 1.4972: f(g(l.4972)) "" f(0.5101) = 0.6.

5.

A funo cos(x) dever ser tabelada em, no mnimo, 260 pontos.

7.

Usando um processo de interpolao inversa e escolhendo y0 = f(O) = -1 , y 1 = f(0.5) =


-0.1065 e y2 = f(1) = 0.6321 obtemos f(0.5673 ) =O. E, usando a tabela de diferenas
divididas e os pontos y(O), y(0.5), y(1) e y(1.5) a estimativa do erro ser: I E(O) I=
0.17851 X 10-4.

8.

I E( 115) I

9.

Polinmio de grau 3 porque as diferenas divididas de grau 3 so aproximadamente constantes. Escolhendo x0 = 0.5, x 1 = 1.0, x 2 = 1.5 e x3 = 2.0 obtemos f(1.23) = -1.247 com I
E(1.23) I = 2.327 x 10-5.

:!S;

1.631

= 0.99837 para x

10-3.

10. Processo 1: construindo p2(x) que interpola f(x) em x0 = 0.25, x 1 = 0.30, x2 = 0.35 e
calculando x tal que pz{x) = 0.23 obtemos x ""0.3166667.

386

Clculo Numrico

Apndice

Processo 2: interpolao inversa, escolhendo y 0 - 0.19, y 1 - 0.22 e y 2 - 0.25 obtemos: p2 (0.23) = 0.3166667, e portanto, f(0.3166667) 0.23. Neste caso, possvel
estimar o erro cometido I E(0.23) I 1.666 x 10-3.
11. cos(1.07) 0.4801242

I E(1.07) I - 1.202 X

l<J.

12. d = 3a - 8b + 6c.

17. Usando o processo de interpolao inversa e os pontos: y0


y2 = 2.6965 obtemos f(0.623) .. 2.3.

1.5735, y 1 - 2.0333 e

18. Usando o processo de interpolao inversa e escolhendo os pontos: y0 - O, y 1 - 1.5 e


y2 - 5.3 obtemos: f(1.5037)- 2.
#

CAPITULO 6
2.

a) 0.21667x + 0.175.

b) 0.01548x2 + 0.07738x + 0.40714.


8

~ ~:

A comparao pode ser feita atravs do clculo de

para a reta,

k- 1
8

~ ~ 0.08833 e, para a parbola, ~ d~ ... 0.04809.


k-1

k-1

Como o menor valor para a soma dos quadrados dos desvios foi para a parbola, o
melhor ajuste para os dados, entre as duas possibilidades, a parbola.
3.

Curva de ajuste escolhida: <p(x) - a 1 ln(x) + a 2 . Obteve-se:


<p(x) = 5.47411ln(x) + 0.98935.

4.

b) 52.7570x- 20.0780, trabalhando com as alturas em metros.

Apndice

c)

Respostas de Exercfcios

387

peso de um funcionrio com 1.75 m de altura""' 72.2467 kg; altura de um funcionrio


com 80 kg "" 1.897 m.

d)

O.Ol59x + 0.6029.

e)

peso de um funcionrio com 1.75 m de altura ""'72.14 kg; altura de um funcionrio


com 80 kg -1.871 m.

5.

a) Mud amos a escala dos anos por t


<p(x)
b)

6.

. fiz
.
e a seguu
emos o aJuste por

=cx 1ear cuja soluo foi <p(x) = 1.8245e0.228~ donde pop (2000)""' cp(20) = 177.56.

Em 1974.
1

a) y _, 0.1958

b)

7.

= ano -101800

+ 0.0185x

Y ""' 5.5199(0.8597)X.

b) <p(x)

=abX,

onde

a= 32.14685
b = 1.42696.

<p(.x)

=a.x. b,

onde

a= 38.83871
b = 0.9630.

Observao: neste ltimo caso, para se efetuar o ajuste desprezamos o primeiro dado:
0.32 para que fosse possvel a linearizao ln(y) - ln(a) + b ln(x).

9.

a)

<p(x) = aebx.

b)

a = 95.9474.

b =~.0249.
O resduo que foi minimizado foi de 1/y como funo de x.

10. g(x) = 1 + 0.9871e l.0036x.

388

Clculo Numrico

Apnd;e

11. y(t) abt. Alm do teste de alinhamento ser razovel para esta funo, a outra possibilidade apresenta problemas. Verifique.

13. Para j

=O,

llo ... :23t

Para j ~ 1, ~ ...

1
3t

f 0:t f(x) dx.


f :t0 f(x) cos(jx) dx.

:t
f
f(x) sen(jx) dx.
3t
o

Para j ~ 1, bi "" -

CAPiTULO 7
1.

a)

b)

c)

Trapzios

4 .6950759

4.6815792

Simpson

4 .670873

4 .6707894

Trapzios

4.6550925

4.6614884

Simpson

4.6662207

4.6665612

Trapzios

4 .7683868

4.7077771

Simpson

4.6763744

4.6614894

Apndice

2.

3.

(a)

(b)

(c)

Trapzios

249

238

1382

Simpson

10

20

80

a)

Respostas tk Exen:cios

~ 5 x 1o-4.

a) 0.4700171.
b) 0.4702288.

5. Erro por Simpson: Zero


15 = 172
Por Trapzios, com 5 pontos,
6.

h < 0.580819.

7.

15 = 44.0833 ... com erro zero.

In= 184 (I Bn I ~

24)

10. m ;a. 8.

11. b) ITR = 2.086.


12. w0 = w2 = 4/3
w 1 = - 2/3.

13. 4.227527 (Trapzios no primeiro intervalo e o restante por 1/3 Simpson).


14 a) Trapzios: 6.203.
Simpson: 6.208.
b) Trapzios: 0.55509.

Simpson: 0.55515.

389

390

Clculo Numrico

15. 15

=0.69315.

ln(2)

16. 18

= 0.693147.

=0.785392.

1t /4

== 0.785398.

17. a) Is
b)

Apndice

=0.746855

~ = 0.746594

c2) m = 27 (se usarmos M 2

2)

CAPfTULO 8
1.

h
h I
Yn+l=Yn+hf(xn+ 2 , yn+z Yo)

3.

a) e c)

6.

8.

Euler Aperfeioado

Euler

0.5

-3

-5

0.25

-3

-1.75

0.125

-3

-2.375

0.1

-2.999995

-2.499994

h
Yn+l = Yo + z (fo + fo+l).

Euler

Euler Aperfeioado

R. Kutta 41 ordem

0.2

2.047879

1.906264

1.909298

0.1

1.979347

1.90854

1.909297

0.05

1.944512

1.909108

1.909298

0.025

1.926953

1.909251

1.909298

Apndice

9.

Respostas de Exerccios

a) (Euler Aperfeioado) h = 2 => y(16) - 12.00999.

b) h = 4 => y(16)- 11.998.

c) { h ... 2 => y(16) - 11.99199.


h .. 4 => y(16) - 11.94514.
10. h= 0.2
b = 0.1
11. b = 0.1,

14.

y(l.6) .. 2.7 .
y(l.6) - 2.8242597.
y(S) = -2.5

h = 0.125,

y(5) = - 2.3750

h= 0.25,

y(5) = - 1.75

b = 0.5,

y(S) = -0.5

Euler

Euler Aperfeioado

R. Kutta 4' ordem

0 .2

2.7

2.971514

3.019671

0.1

2.85455

3.006242

3.019977

0.05

2.928572

3.016337

3.019999

0.025

2.973171

3.019055

3.020001

15. Euler: y(1) = 4.488320.


Runge-Kutta de 4 11 ordem: y(1)

= 4.718251

y(l) ;: 4.718282.
16. a) e b) y(0.2)

=y(0 .25) = ... =1.00

391

392

Clculo Numrico

Apndice

17. a)eb)ec)
h= 0.25
X

Euler

Euler Aperfeioado

Runge-Kutta

Valor Exato

0.25

0.75000

0.78711

0.78287

0.78287

0.5

0.57422

0.63838

0.63234

0.63234

0.75

0.46655

0.55016

0.54369

0.54369

1.00

0.41552

0.52007

0.51342

0.51342

1.25

0.41552

0.55664

0.54938

0.54938

1.50

0.47396

0.69499

0.68728

0.68729

1.75

0.62207

1.03875

1.03700

1.03713

2.00

0.94282

1.89693

1.94632

1.94773

Euler

Euler Aperfeioado

Runge-Kutta

Valor Exato

0.5

0.50000

0.65625

0.63234

0.63234

1.0

0.31250

0.53320

0.51335

0.51342

1.5

0.31250

0.69983

- 0.68700

0.68729

2.0

0.50781

1.77144

1.93321

1.94773

h= 0.5

18. y(l)

y'(l)

::<

0:

0.87997.
6.47989.

Apndice

y(x)

y'(x)

0.25

1.56250

-3.50000

0.5

0.34570

-5.46875

0.75

- 1.09711

-4.87744

1.00

- 2.07648

- 1.89056

19. b)

Euler

20. a) e b)

22. c)

I erro!

y(x)

y'(x)

y(x)

y'(x)

0.2

0.20000

1.39192

0.24000

1.44098

0.4

0.47838

1.84145

0.57610

1.95954

0.6

0.84667

1.33276

1.02305

2.54350

hl ,

23. y'(O) - 0.841471


y"(O) - 2.162722
y"'(O) = 1.748426
c:

Euler Aperfeioado

x>O
6
3
e-x lx 1
~
6
, x<O
I erro! ,.:::

y(0.2}

ResposUJS deExerdcios

1.213880.

24. y(0.25) "" 1.107487


y(0.5) "" 0.529106
y(0.75) "" 0.180622

393

394

Clculo Numrico

28. Para h = 0.1

Para h= 0.05

Apndice

Diferenas Avanadas

Diferenas Centradas

2.8354

2.7050

2.5800

2.4739

2.3467

2.2614

2.1327

2.0652

1.9354

1.8831

1.7528

1.7134

1.5829

1.5544

1.4241

1.4047

1.2748

1.2632

1.1338

1.1286

Diferenas Avanadas

Diferenas Centradas

2.7743618

2.7150249

2.6497296

2.5961115

2.5305392

2.4822230

2.4164371

2.3730328

2.3070913

2.2682345

2.2021902

2.1675402

2.1014410

2.0706798

2.0045693

1.9773998

1.9113174

1.8874621

Apndice

Respostas de Exercidos

1.8214434

1.8006436

1.7347207

1.7167348

1.6509366

1.6355394

1.5698915

1.5568732

1.4913986

1.4805637

1.4152827

1.4064489

1.3413795

1.3343774

1.2695352

1.2642070

1.1996058

1.1958047

1.1314563

1.1290459

1.0649604

1.0638141

395