Professional Documents
Culture Documents
Onde:
Xn: Nova raiz para o intervalo (a, b).
Xa: Início do intervalo.
Xb: Final do intervalo.
f(Xa): Função para Xa.
f(Xn): Função para Xn.
f(Xb): Função para Xb.
Onde:
Xn: Nova raiz para o intervalo (a, b).
X(n-1): Raiz anterior / Raiz inicial.
Xa: Início do intervalo.
Xb: Final do intervalo.
f(Xfixo): Função para Xfixo.
f(X(n-1)): Função para X(n-1).
Método de Newton (Newton-Raphson):
𝑓(𝑋(𝑛−1) )
𝑋𝑛 = 𝑋(𝑛−1) −
𝑓′(𝑋(𝑛−1) )
Tabela:
It X(n-1) Xn f(X(n-1)) f’(X(n-1)) EA ou ER
1 -/-
2
3
OBS: Selecionar para raiz inicial Xa ou Xb , escolhendo a raiz com valor de f(X) mais próximo de zero.
Onde:
Xn: Nova raiz para o intervalo (a, b).
X(n-1): Raiz anterior / Raiz inicial.
f(X(n-1)): Função para X(n-1).
f’(X(n-1)):Função derivada para X(n-1).
Método da Secante:
𝑓(𝑋𝑛 ) ∙ (𝑋(𝑛−1) − 𝑋𝑛 )
𝑋(𝑛+1) = 𝑋𝑛 −
𝑓(𝑋(𝑛−1) ) − 𝑓(𝑋𝑛 )
Tabela:
It X(n-1) Xn X(n+1) f(X(n-1)) f(Xn) EA ou ER
1 -/-
2
3
Onde:
X(n+1): Nova raiz para o intervalo (a, b).
Xn: Nova anterior / 2ª Raiz inicial.
X(n-1): Raiz penúltima / 1ª Raiz inicial.
Eliminação de Gauss:
A partir de uma matriz inicial (quadrada, desconsiderando a coluna dos resultados), no método de Eliminação de
Gauss, em que cada coluna equivale a uma incógnita, busca-se a triangulação da matriz. Isto pode ser feito a partir
das seguintes operações:
Troca de linhas.
Troca de colunas, com exceção da coluna dos resultados.
Somar a uma linha, outra linha multiplicada por um número qualquer não nulo.
Exemplo:
𝑥 𝑦 𝑧 𝑅 𝑥 𝑦 𝑧 𝑅
𝐴 4 3 2 960 𝐵 1 3 1 510
→ →
𝐵 [1 3 1 510] 𝐿1 ↔ 𝐿2 𝐴 [4 3 2 960] −4 ∙ 𝐿1 + 𝐿2
𝐶 2 1 3 610 𝐶 2 1 3 610 −2 ∙ 𝐿1 + 𝐿3
𝑥 𝑦 𝑧 𝑅 𝑥 𝑧 𝑦 𝑅
𝐵 1 3 1 510 𝑦↔𝑧 𝐵 1 1 3 510
→ →
𝐴 [0 −9 −2 −1080] 𝐶 [0 1 −5 −410 ]
𝐿2 ↔ 𝐿3
𝐶 0 −5 1 −410 𝐴 0 −2 −9 −1080 2 ∙ 𝐿2 + 𝐿3
𝑥 𝑧 𝑦 𝑅
𝑧 − 5 ∙ 𝑦 = −410 𝑥 + 𝑧 + 3 ∙ 𝑦 = 510
𝐵 1 1 3 510 −19 ∙ 𝑦 = −1900
→ 𝑧 − 5 ∙ (100) = −410 𝑥 + 90 + 3 ∙ 100 = 510
𝐶 [0 1 −5 −410 ] 𝑦 = 100
𝐴 0 0 −19 −1900 𝑧 = 90 𝑥 = 120
Método de Gauss-Jacobi:
Critérios de convergência:
A matriz deve ser diagonal dominante. Ccaso não seja, trocar linhas e colunas até atingir, ou chegar mais
próximo dessa condição (dando preferência em ordem, do primeiro para o último termo da diagonal
dominante).
Encontrar um fator α, somando os coeficientes de cada linha não pertencentes à diagonal principal
(desconsidera-se a coluna dos resultados) e dividir pelo coeficiente da diagonal principal da mesma linha. O
valor de α deve ser menor que 1.
OBS: Nem sempre será possível cumprir todos os critérios, mas quanto mais próximo disto, maiores as chances de
convergência.
Tabela:
It x EA(x) ou y EA(y) ou z EA(z) ou ... n EA(n) ou
ER(x) ER(y) ER(z) ER(n)
1 -/- -/- -/- ... -/-
2
3
Método de Gauss-Seidel:
Critérios de convergência:
A matriz deve ser diagonal dominante. Ccaso não seja, trocar linhas e colunas até atingir, ou chegar mais
próximo dessa condição (dando preferência em ordem, do primeiro para o último termo da diagonal
dominante).
Encontrar um fator α, somando os coeficientes de cada linha não pertencentes à diagonal principal
(desconsidera-se a coluna dos resultados) e dividir pelo coeficiente da diagonal principal da mesma linha. O
valor de α deve ser menor que 1.
OBS: Nem sempre será possível cumprir todos os critérios, mas quanto mais próximo disto, maiores as chances de
convergência.
Tabela:
It x EA(x) ou y EA(y) ou z EA(z) ou ... n EA(n) ou
ER(x) ER(y) ER(z) ER(n)
1 -/- -/- -/- ... -/-
2
3
Regressão por Mínimos Quadrados
Dados “n” pontos, pode-se determinar a função da reta através dos seguintes procedimentos:
𝑦𝑐𝑖 = 𝑏0 + 𝑏1 ∙ 𝑥
∑ 𝑥𝑖 ∙ ∑ 𝑦𝑖 − 𝑛 ∙ ∑(𝑥𝑖 ∙ 𝑦𝑖 )
𝑏1 =
(∑ 𝑥𝑖 )2 − 𝑛 ∙ ∑(𝑥𝑖 2 )
∑ 𝑦𝑖 − 𝑏1 ∙ ∑ 𝑥𝑖
𝑏0 =
𝑛
A qualidade do ajuste linear é medida através do coeficiente de determinação 𝑅 2 e do erro padrão da estimativa 𝜎 2 ,
calculados como segue:
∑[(𝑦𝑖 − 𝑦𝑐𝑖 )2 ]
𝑅2 = 1 −
1
∑(𝑦𝑖 2 ) − ∙ (∑ 𝑦𝑖 )2
𝑛
∑[(𝑦𝑖 − 𝑦𝑐𝑖 )2 ]
𝜎2 =
𝑛−2
Tabela:
𝑛= 𝑏1 = 𝑏0 = 𝑅2 = 𝜎2 =
∑= -/-
Dica: No Excel pode-se encontrar a mesma reta através de:
1. Insere-se o gráfico de dispersão com os pontos originais.
2. Clica-se com o botão direito do mouse sobre a curva gerada pelo gráfico através dos pontos, e após em
adicionar linha de tendência. Após, deve ser selecionada a opção linear.
Observa-se que o processo consiste na construção de um sistema linear para cada conjunto de pontos. Sua resolução
permite determinar os coeficientes “an”.
x f(x)
{
𝑥0 → 1 2 ← 𝑓(𝑥0 ) 𝑎0 + 𝑎1 ∙ 𝑥0 + 𝑎2 ∙ 𝑥0 2 = 𝑓(𝑥0 )
𝑥1 → 2 2 ← 𝑓(𝑥1 ) 𝑎0 + 𝑎1 ∙ 𝑥1 + 𝑎2 ∙ 𝑥1 2 = 𝑓(𝑥1 )
𝑥2 → 3 4 ← 𝑓(𝑥2 ) 𝑎0 + 𝑎1 ∙ 𝑥2 + 𝑎2 ∙ 𝑥2 2 = 𝑓(𝑥2 )
𝑎0 𝑎1 𝑎2 𝑓(𝑥) 𝑎0 𝑎1 𝑎2 𝑓(𝑥)
2 2 𝑅𝑒𝑠𝑜𝑙𝑣𝑒𝑟 𝑝𝑜𝑟
𝑥0 𝑎0 𝑎1 ∙ 𝑥0 𝑎2 ∙ 𝑥0 𝑓(𝑥0 ) 𝑥0 𝑎0 𝑎1 ∙ 1 𝑎2 ∙ 1 2 𝑎0 = 4
𝑥1 [ 𝑎0 → 𝑥1 [ 𝑎0 → 𝑒𝑙𝑖𝑚𝑖𝑛𝑎çã𝑜 →
𝑎1 ∙ 𝑥1 𝑎2 ∙ 𝑥1 2 𝑓(𝑥1 )] 𝑎1 ∙ 2 𝑎2 ∙ 22 2] 𝑎1 = −3
𝑥2 𝑎 𝑥2 𝑎 𝑑𝑒 𝐺𝑎𝑢𝑠𝑠
0 𝑎1 ∙ 𝑥2 𝑎2 ∙ 𝑥1 2 𝑓(𝑥2 ) 0 𝑎1 ∙ 3 𝑎2 ∙ 32 4 𝑎2 = 1
OBS: a curva da função encontrada deve obrigatoriamente passar por todos os pontos.
Interpolação por Lagrange
O polinômio interpolador de Lagrange é dado por:
𝑔𝑛 (𝑥) = 𝑓(𝑥0 ) ∙ 𝐿0 (𝑥) + 𝑓(𝑥1 ) ∙ 𝐿1 (𝑥) + 𝑓(𝑥2 ) ∙ 𝐿2 (𝑥) + 𝑓(𝑥3 ) ∙ 𝐿3 (𝑥) + ⋯ + 𝑓(𝑥𝑛 ) ∙ 𝐿𝑛 (𝑥)
(𝑥 − 𝑥0 ) ∙ (𝑥 − 𝑥1 ) ∙ (𝑥 − 𝑥2 ) ∙ … ∙ (𝑥 − 𝑥𝑛 )
𝐿𝑘 (𝑥) = 𝑘 = 0,1,2,3, … , 𝑛
(𝑥𝑘 − 𝑥0 ) ∙ (𝑥𝑘 − 𝑥0 ) ∙ (𝑥𝑘 − 𝑥0 ) ∙ … ∙ (𝑥𝑘 − 𝑥𝑛 )
x f(x)
𝑥0 → 1 2 ← 𝑓(𝑥0 )
𝑥1 → 2 2 ← 𝑓(𝑥1 )
𝑥2 → 3 4 ← 𝑓(𝑥2 )
(𝑥 − 𝑥0 ) ∙ (𝑥 − 𝑥1 ) ∙ (𝑥 − 𝑥2 ) (𝑥 − 2) ∙ (𝑥 − 3) 𝑥 2 − 5 ∙ 𝑥 + 6
𝐿0 (𝑥) = 𝑝𝑎𝑟𝑎 𝑘 = 0 → 𝐿0 (𝑥) = =
(𝑥𝑘 − 𝑥0 ) ∙ (𝑥𝑘 − 𝑥1 ) ∙ (𝑥𝑘 − 𝑥2 ) (1 − 2) ∙ (1 − 3) 2
(𝑥 − 𝑥0 ) ∙ (𝑥 − 𝑥1 ) ∙ (𝑥 − 𝑥2 ) (𝑥 − 1) ∙ (𝑥 − 3) 𝑥 2 − 4 ∙ 𝑥 + 3
𝐿1 (𝑥) = 𝑝𝑎𝑟𝑎 𝑘 = 1 → 𝐿1 (𝑥) = =
(𝑥𝑘 − 𝑥0 ) ∙ (𝑥𝑘 − 𝑥1 ) ∙ (𝑥𝑘 − 𝑥2 ) (2 − 1) ∙ (2 − 3) −1
(𝑥 − 𝑥0 ) ∙ (𝑥 − 𝑥1 ) ∙ (𝑥 − 𝑥2 ) (𝑥 − 2) ∙ (𝑥 − 3) 𝑥 2 − 3 ∙ 𝑥 + 2
𝐿2 (𝑥) = 𝑝𝑎𝑟𝑎 𝑘 = 2 → 𝐿2 (𝑥) = =
(𝑥𝑘 − 𝑥0 ) ∙ (𝑥𝑘 − 𝑥1 ) ∙ (𝑥𝑘 − 𝑥2 ) (1 − 2) ∙ (1 − 3) 2
𝑥2 − 5 ∙ 𝑥 + 6 𝑥2 − 4 ∙ 𝑥 + 3 𝑥2 − 3 ∙ 𝑥 + 2
𝑔2 (𝑥) = 2 ∙ +2∙ +4∙
2 −1 2
𝑔2 (𝑥) = 𝑥 2 − 3 ∙ 𝑥 + 4
OBS: a curva da função encontrada deve obrigatoriamente passar por todos os pontos.
Polinômio Interpolador de Newton
Define-se o polinômio interpolador de Newton como:
𝑔𝑛 (𝑥) = 𝐷0 + 𝐷1 ∙ (𝑥 − 𝑥0 ) + 𝐷2 ∙ (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝐷3 ∙ (𝑥 − 𝑥0 ) ∙ (𝑥 − 𝑥1 ) ∙ (𝑥 − 𝑥2 ) + ⋯
Sendo 𝐷0, 𝐷1, 𝐷2, 𝐷3, ..., 𝐷𝑛 conhecidos como operadores diferenças divididas.
𝐷0 = 𝑓(𝑥0 )
𝑓(𝑥1 ) − 𝑓(𝑥0 )
𝐷1 =
𝑥1 − 𝑥0
x f(x)
𝑥0 → 1 2 ← 𝑓(𝑥0 )
𝑥1 → 2 2 ← 𝑓(𝑥1 )
𝑥2 → 3 4 ← 𝑓(𝑥2 )
𝐷0 = 𝑓(𝑥0 ) → 𝐷0 = 2
𝑔𝑛 (𝑥) = 𝐷0 + 𝐷1 ∙ (𝑥 − 𝑥0 ) + 𝐷2 ∙ (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑔2 (𝑥) = 𝑥 2 − 3 ∙ 𝑥 + 4
Segundo método para encontrar os operadores diferença dividida (MÉTODO NINJA):
Onde:
Célula B2= operador diferença dividida D0
Célula C3= operador diferença dividida D1
Célula D4= operador diferença dividida D2
Célula E5= operador diferença dividida E5
Integração Numérica
A principal ideia na utilização da integração numérica reside na aproximação da função integrando por um polinômio.
As equações de integração são somatórios cujas parcelas são valores da função f(x) calculadas em pontos e
multiplicados por pesos escolhidos.
𝑏−𝑎
∆𝑥 =
𝑛
n: Número de subintervalos.
∆𝑥
𝑥𝑚é𝑑𝑖𝑜,𝑖 = 𝑎 + ∙ (2 ∙ 𝑖 − 1)
2
𝑏
∫ 𝑓(𝑥) ∙ 𝑑𝑥 ≅ ∆𝑥 ∙ [𝑓(𝑥𝑚é𝑑𝑖𝑜,1 ) + 𝑓(𝑥𝑚é𝑑𝑖𝑜,2 ) + 𝑓(𝑥𝑚é𝑑𝑖𝑜,3 ) + ⋯ + 𝑓(𝑥𝑚é𝑑𝑖𝑜,𝑛 )]
𝑎
OBS: para o caso de intervalos ∆x variados, multiplicar cada ponto médio pelo seu ∆x correspondente.
3
Ex: Determinar a integral aproximada com 5 subintervalos de ∫1 𝑥 2 ∙ 𝑑𝑥 .
𝑏−𝑎 3−1
∆𝑥 = = = 0,4
𝑛 5
i 1 2 3 4 5
Xmédio,i 1,2 1,6 2,0 2,4 2,6
f(Xmédio,i) 1,44 2,56 4,0 5,76 7,84
3
∫ 𝑥 2 ∙ 𝑑𝑥 ≅ 0,4 ∙ [1,44 + 2,56 + 4 + 5,76 + 7,84] = 8,64 𝑢. 𝑎.
1
A regra do trapézio busca aproximar as áreas dos subintervalos a áreas de trapézios. Portanto, os trapézios terão suas
áreas definidas por:
1
𝐴𝑖 = ∙ [𝑓(𝑥𝑖 + 𝑥𝑖+1 )] ∙ ∆𝑥
2
Portanto:
𝑏
∫ 𝑓(𝑥) ∙ 𝑑𝑥 ≅ 𝐴1 + 𝐴2 + 𝐴3 + ⋯ + 𝐴𝑛
𝑎
A1 A2 A3 An
𝑏
∆𝑥
∫ 𝑓(𝑥) ∙ 𝑑𝑥 ≅ ∙ [𝑓(𝑥0 ) + 𝑓(𝑥1 ) + 𝑓(𝑥1 ) + 𝑓(𝑥2 ) + 𝑓(𝑥2 ) + 𝑓(𝑥3 ) + ⋯ + 𝑓(𝑥𝑛−1 ) + 𝑓(𝑥𝑛 )]
𝑎 2
3
Ex: Determinar a integral aproximada com 5 subintervalos de ∫1 𝑥 2 ∙ 𝑑𝑥 .
𝑏−𝑎 3−1
∆𝑥 = = = 0,4
𝑛 5
𝑏
∆𝑥 0,4
∫ 𝑓(𝑥) ∙ 𝑑𝑥 ≅ ∙ ∑[𝑓(𝑥𝑖 ) ∙ 𝐶𝑜𝑒𝑓] = ∙ 43,6 = 8,72 𝑢. 𝑎.
𝑎 2 2