APOSTILA

Cál cul o N uméri co
UniversidadeT ecnológica F ederal do Paraná
UTFPR
L auro César Gal vão, Dr. e L ui z Fernando Nunes, Dr.
ii
Índices
1 NOÇÕES BÁSICAS SOBRE ERROS ...................................................................................1-1
1.1 ERROS...............................................................................................................................................1-1
1.2 ERROS ABSOLUTOS E RELATIVOS................................................................................................1-1
1.2.1 Erro Absoluto..................................................................................................................................1-1
1.2.2 Erro Relativo ou Taxa de Erro ....................................................................................................1-2
1.3 ERROS DE ARREDONDAMENTO E TRUNCAMENTO.....................................................................1-2
1.3.1 Erro de Arredondamento..............................................................................................................1-2
1.3.2 Erro de Truncamento ....................................................................................................................1-2
1.4 ARITMÉTICA DE PONTO FLUTUANTE...........................................................................................1-3
1.5 CONVERSÃO DE BASES..................................................................................................................1-3
1.5.1 Conversão da Base β para a Decimal (β⇒10) ........................................................................1-3
1.5.2 Conversão da Base Decimal para a β (10⇒β) ........................................................................1-4
1.5.3 Exercícios: Conversão de Bases..................................................................................................1-5
1.6 OPERAÇÕES DE PONTOS FLUTUANTES........................................................................................1-7
1.6.1 Representações...............................................................................................................................1-7
1.6.2 Exercícios........................................................................................................................................1-7
1.6.3 Exercícios complementares..........................................................................................................1-8
2 ZEROS REAIS DE FUNÇÕES REAIS .............................................................................. 2-11
2.1 INTRODUÇÃO.................................................................................................................................2-11
2.2 FASE I: ISOLAMENTO DAS RAÍZES...............................................................................................2-11
2.3 FASE II: REFINAMENTO - CRITÉRIOS DE PARADA....................................................................2-15
2.3.1 Método da Bissecção (ou Método da Dicotomia) ................................................................. 2-15
2.3.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das Aproximações
sucessivas).................................................................................................................................... 2-19
2.3.3 Método de Newton, Newton-Raphson (ou Método das Tangentes).................................... 2-27
2.3.4 Comparação entre os métodos.................................................................................................. 2-30
3 RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES LINEARES .................................... 3-32
3.1 INTRODUÇÃO.................................................................................................................................3-32
3.1.1 Forma Algébrica de S
n
............................................................................................................... 3-32
3.1.2 Forma Matricial de Sn............................................................................................................... 3-32
3.1.3 Matriz Aumentada ou Matriz Completa do Sistema ............................................................. 3-32
3.1.4 Solução do Sistema ..................................................................................................................... 3-32
3.1.5 Classificação de um Sistema Linear........................................................................................ 3-33
3.1.6 Classificação quanto ao Determinante de A.......................................................................... 3-33
3.2 MÉTODOS DIRETOS.......................................................................................................................3-33
3.2.1 Método de Eliminação de Gauss.............................................................................................. 3-33
3.2.2 Estratégia de Pivoteamento Completo .................................................................................... 3-36
3.2.3 Refinamento de Soluções........................................................................................................... 3-37
3.3 MÉTODOS ITERATIVOS.................................................................................................................3-39
3.3.1 Testes de parada.......................................................................................................................... 3-39
3.3.2 Método de Gauss-Jacobi. .......................................................................................................... 3-39
3.3.3 Método de Gauss-Seidel. ........................................................................................................... 3-42
3.3.4 Comparação entre os métodos.................................................................................................. 3-43
3.3.5 Critério de Sassenfeld................................................................................................................ 3-44
4 INTERPOLAÇÃO.................................................................................................................... 4-47
4.1 INTERPOLAÇÃO POLINOMIAL......................................................................................................4-47
4.1.1 Existência e Unicidade do Polinômio Interpolador P
n
(x).................................................... 4-47
4.1.2 Forma de Lagrange.................................................................................................................... 4-48
4.1.3 Forma de Newton........................................................................................................................ 4-50
4.2 ESTUDO DE ERRO NA INTERPOLAÇÃO........................................................................................4-52
4.2.1 Estimativa para o Erro............................................................................................................... 4-52
4.3 INTERPOLAÇÃO INVERSA: CASOS EXISTENTES..........................................................................4-54
4.3.1 Encontrar x tal que
n
P ) ( x .................................................................................................. 4-54
4.3.2 Interpolação inversa................................................................................................................... 4-54
4.4 FUNÇÕES SPLINE EM INTERPOLAÇÃO.........................................................................................4-56
iii
4.4.1 Função Spline .............................................................................................................................. 4-56
4.4.2 Spline linear interpolante.......................................................................................................... 4-57
4.4.3 Spline cúbica interpolante......................................................................................................... 4-58
5 AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS ........... 5-64
5.1 INTRODUÇÃO.................................................................................................................................5-64
5.2 CASO DISCRETO............................................................................................................................5-65
5.3 CASO CONTÍNUO...........................................................................................................................5-70
5.4 FAMÍLIA DE FUNÇÕES NÃO LINEARES NOS PARÂMETROS.....................................................5-72
6 INTEGRAÇÃO NUMÉRICA............................................................................................... 6-74
6.1 FÓRMULAS DE NEWTON-COTES.................................................................................................6-74
6.1.1 Regra dos Trapézios................................................................................................................... 6-74
6.1.2 Regra dos Trapézios repetida ................................................................................................... 6-76
6.1.3 Regra 1/3 de Simpson................................................................................................................. 6-77
6.1.4 Regra 1/3 de Simpson repetida................................................................................................. 6-80
7 SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIAS ....... 7-83
7.1 INTRODUÇÃO.................................................................................................................................7-83
7.2 PROBLEMA DE VALOR INICIAL (PVI) .........................................................................................7-84
7.2.1 Solução numérica de um PVI de primeira ordem................................................................. 7-84
7.2.2 Método de Euler.......................................................................................................................... 7-84
7.2.3 Métodos de Runge-Kutta............................................................................................................ 7-87
7.2.4 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda Ordem) ................. 7-88
7.2.5 Fórmulas de Runge-Kutta de Quarta Ordem......................................................................... 7-89
iv
Índices de Figuras
[FIG. 1]: MODELAGEM E RESOLUÇÃO DE PROBLEMAS..............................................................................1-1
[FIG. 2]: O GRÁFICO DE UMA FUNÇÃO y · f ( x ) E SEUS ZEROS.........................................................2-11
[FIG. 3]: EXEMPLO DE UMA FUNÇÃO ESTRITAMENTE CRESCENTE NUM INTERVALO DE a ATÉ b ..2-12
[FIG. 4]: O GRÁFICO DE 3 9
3
+ − · x x x f ) ( .......................................................................................2-12
[FIG. 5]: OS GRÁFICOS DE
3
x x g · ) ( E 3 9 − · x x h ) ( . ....................................................................2-13
[FIG. 6]: O GRÁFICO DE 9 3
2
− · x x f ) ( ' . ...........................................................................................2-13
[FIG. 7]: GRÁFICO DA FUNÇÃO 2 3, ln ) ( − · x x x f ..........................................................................2-14
[FIG. 8]: GRÁFICO DA FUNÇÃO x x f ln ) ( ' + ·1 .................................................................................2-14
[FIG. 9]: OS GRÁFICOS DE x x g log ) ( 5 · E x x h 4 0 2 , ) ( − · . ......................................................2-15
[FIG. 10]: OS GRÁFICOS DE x x g · ) ( E
x
e x h

· 5 ) ( . ................................................................2-15
[FIG. 11]: O MÉTODO DA BISSECÇÃO OU DICOTOMIA................................................................................2-16
[FIG. 12]: O TANQUE DE COMPRIMENTO L . ..............................................................................................2-17
[FIG. 13]: UM EXEMPLO DE UMA FUNÇÃO DE PONTO FIXO.......................................................................2-19
[FIG. 14]: OS GRÁFICOS DAS FUNÇÕES y · x E x x − · φ 6
2
) ( ......................................................2-20
[FIG. 15]: OS GRÁFICOS DAS FUNÇÕES y · x E
2
1
6 x x − · φ ) ( . ........................................................2-21
[FIG. 16]: A SEQÜÊNCIA { ¦
k
x CONVERGE PARA O ZERO α (CONVERGÊNCIA DO TIPO ESCADA).......2-22
[FIG. 17]: A SEQÜÊNCIA { ¦
k
x CONVERGE PARA O ZERO α (CONVERGÊNCIA DO TIPO CARACOL)....2-22
[FIG. 18]: A SEQÜÊNCIA { ¦
k
x NÃO CONVERGE PARA O ZERO α.............................................................2-22
[FIG. 19]: A SEQÜÊNCIA { ¦
k
x NÃO CONVERGE PARA O ZERO α.............................................................2-23
[FIG. 20]: CASOS EM QUE B É O EXTREMO MAIS PRÓXIMO DE α..............................................................2-24
[FIG. 21]: OS GRÁFICOS DE
x
e x h · ) ( E 4
2
− · x x g ) ( . ...................................................................2-26
[FIG. 22]: INTERPRETAÇÃO GEOMÉTRICA DO MÉTODO DE NEWTON.....................................................2-28
[FIG. 23]: OS GRÁFICOS DAS FUNÇÕES ) (x g · X E ) (x h · x cos . .......................................................2-30
[FIG. 24]: INTERPOLAÇÃO DE f ( x ) PELO POLINÔMIO P ( x ). .............................................................4-47
[FIG. 25]: INTERPOLAÇÃO POR LAGRANGE.................................................................................................4-50
[FIG. 26]: GRÁFICO DO POLINÔMIO ) ( x P
10
INTERPOLANDO ) ( x f .....................................................4-56
[FIG. 27]: SPLINE LINEAR INTERPOLANDO 4 PONTOS. ...............................................................................4-57
[FIG. 28]: DOMÍNIO DISCRETO......................................................................................................................5-64
[FIG. 29]: DOMÍNIO CONTÍNUO.....................................................................................................................5-64
[FIG. 30]: O MÉTODO DO MÍNIMOS QUADRADOS........................................................................................5-65
[FIG. 31]: DIAGRAMA DE DISPERSÃO...........................................................................................................5-68
[FIG. 32]: REGRA DOS TRAPÉZIO..................................................................................................................6-74
[FIG. 33]: REGRA DOS TRAPÉZIOS REPETIDA..............................................................................................6-76
[FIG. 34]: REGRA 1/3 DE SIMPSON...............................................................................................................6-78
[FIG. 35]: REGRA 1/3 DE SIMPSON REPETIDA.............................................................................................6-80
[FIG. 36]: GRÁFICO DA SOLUÇÃO NUMÉRICA DE UM PVI.........................................................................7-84
[FIG. 37]: GRÁFICO DO MÉTODO DE EULER................................................................................................7-85

Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-1
1 Noções básicas sobre Erros
Fenômenos da natureza podem ser descritos através do uso de modelos matemáticos.
MODELAGEM
MODELO
MATEMÁTICO
RESOLUÇÃO
SOLUÇÃO PROBLEMA

[Fig. 1]: Modelagem e resolução de problemas.
• MODELAGEM: é a fase de obtenção de um modelo matemático que descreve o
comportamento do problema que se quer estudar.
• RESOLUÇÃO: é a fase de obtenção da solução do modelo matemático através da
aplicação de métodos numéricos.
1.1 Erros
Para se obter a solução do problema através do modelo matemático, erros são
cometidos nas fases: MODELAGEM e RESOLUÇÃO.
Exercício 1 Calcular a área da superfície terrestre usando a formulação A·4π
2
r .
Resolução: Aproximações (ERROS):
MODELAGEM:

RESOLUÇÃO:

OBS. 1: Características do planeta Terra.
• Características Físicas:
Diâmetro Equatorial: 12756Km;
Diâmetro Polar: 12713Km;
Massa: 5,98×
24
10 Kg;
Perímetro de Rotação Sideral: 23h 56min 04seg;
Inclinação do Equador Sobre a Órbita: 23
o
27’.
• Características Orbitais:
Raio da Órbita, isto é, 1U.A. (unidade astronômica): 149897570Km;
Distância Máxima do Sol: 152100000Km;
Distância Mínima do Sol: 147100000Km;
Período de Revolução Sideral: 365dias 6h 9min 9,5seg;
Velocidade Orbital Média: 29,79Km/seg.
1.2 Erros Absolutos e Relativos
1.2.1 Erro Absoluto
É o módulo da diferença entre um valor exato x de um número e seu valor
aproximado x .
(Eq.1)
x
EA · x − x ,
onde x é o valor exato e x é o valor aproximado.
Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-2
Geralmente não se conhece o valor exato x . Assim, o que se faz é obter um limitante
superior (
1
k majorante) ou uma estimativa para o módulo do erro absoluto.
(Eq.2)
x
EA ≤
1
k .
1.2.2 Erro Relativo ou Taxa de Erro
Erro relativo de x é o módulo do quociente entre o erro absoluto
x
EA e o valor exato
x ou o valor aproximado x , se x ou x ≠ 0.
(Eq.3)
x
ER ·
x
EA
x
·
x
x x −
ou
x
ER ·
x
EA
x
·
x
x x −
.
Exercício 2 Calcular os erros absoluto e relativo, nos itens a) e b).
a) x ·1,5 e x ·1,49; b) y ·5,4 e y ·5,39.
Resolução:



1.3 Erros de Arredondamento e Truncamento
1.3.1 Erro de Arredondamento
Arredondar um número na casa
i
d é desconsiderar as casas
j i
d
+
( j ·1,…,∞) de tal
forma que:
i
d seja a última casa se
1 + i
d <5;
i
d +1 seja a última casa se
1 + i
d ≥5.
Exercício 3 Arredondar π na quarta casa decimal, sendo que π·3,1415926535…
Resolução:
1.3.2 Erro de Truncamento
Truncar um número na casa
i
d é desconsiderar as casas
j i
d
+
( j ·1,…,∞).
Exercício 4 Aproximar π truncando na quarta casa decimal, sendo que π·3,1415926535…
Resolução:
Exercício 5 Sabendo-se que
x
e pode ser escrito como
x
e ·


·0 i
i
i
x
!
, faça a aproximação de
2
e através de um truncamento após quatro termos da somatória.
Resolução:



Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-3
1.4 Aritmética de Ponto Flutuante
Um número é representado, internamente, na máquina de calcular ou no computador
através de uma seqüência de impulsos elétricos que indicam dois estados: 0 ou 1, ou seja, os
números são representados na base 2 ou binária.
De maneira geral, um número x é representado na base β por:
(Eq.4) x ·t

β
1
d
+
2
2
β
d
+
3
3
β
d
+…+
]
]
]
β
t
t
d

exp
β .
Onde:

i
d ⇒ são números inteiros contidos no intervalo 0≤
i
d <β; i ·1, 2, …, t ;
• exp⇒ representa o expoente de β e assume valores entre I ≤exp≤ S ;
• I , S ⇒ limite inferior e limite superior, respectivamente, para a variação do expoente;

β
1
d
+
2
2
β
d
+
3
3
β
d
+…+
]
]
]
β
t
t
d
⇒ é chamada de mantissa e é a parte do número que representa
seus dígitos significativos;
• t ⇒ número de dígitos do sistema de representação.
Exercício 6 Considerando no sistema de base 10, β·10, represente os seguintes números,
em aritmética de ponto flutuante:
a) 0,345
10
; b) 31,415
10
.
Resolução:



OBS. 2: Os números assim representados estão NORMALIZADOS, isto é, a mantissa é
um número entre 0 e 1.
Exercício 7 Considerando no sistema binário, β·2, represente o número 101
2
em aritmética
de ponto flutuante.
Resolução:



1.5 Conversão de Bases
1.5.1 Conversão da Base β para a Decimal (β⇒10)
Um número na base β pode ser escrito, na base decimal, como:
(Eq.5)

·
β
m
n i
i
i
a ·
m
m
a β +
1
1


β
m
m
a +…+
2
2
β a +
1
a β+
0
a +
1
1


β a +
2
2


β a +…+
1
1
+
+
β
n
n
a +
n
n
a β .
Onde:

i
a ⇒ 0≤
i
a <β;
Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-4
• n , m⇒ números inteiros, com n ≤0 e m≥0.
Para a conversão, faz-se a operação entre a mantissa do número normalizado e a base
exp
β .
Nos exercícios a seguir, faça a conversão da base indicada para a decimal,
determinando o valor da variável x .
Exercício 8 1011
2
·
10
x .
Resolução:



Exercício 9 11,01
2
·
10
x .
Resolução:



Exercício 10 403,12
5
·
10
x .
Resolução:




1.5.2 Conversão da Base Decimal para a β (10⇒β)
Aplica-se um processo para a parte inteira e um outro para a parte fracionária.
• a) PARTE INTEIRA ( N ):
• a.1) N <β

10
N ·
β
N .
• a.2) N ≥β
N β
1
r
1
q β

2
r
2
q
O
O O

1 − n
q β

n
r
n
q Até que
n
q <β

10
N ·(
n
q
n
r
1 − n
r …
3
r
2
r
1
r )
β

Exercício 11 Converta 59
10
para a base 2.
Resolução:




Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-5



Exercício 12 Converta 59
10
para a base 3.
Resolução:




• b) PARTE FRACIONÁRIA ( F ):
Multiplica-se F por β e toma-se a parte inteira do produto como o primeiro dígito do
número na base β. Repete-se o processo com a parte fracionária do produto tomando sua parte
inteira. Continua-se até que a parte fracionária seja igual a zero.
Nos exercícios a seguir, determinar o valor de x :
Exercício 13 0,1875
10
·
2
x .
Resolução:




Exercício 14 0,6
10
·
2
x .
Resolução:





Exercício 15 13,25
10
·
2
x .
Resolução:














1.5.3 Exercícios: Conversão de Bases
Transforme para a base que se pede (determine o valor de x ).
Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-6
Exercício 16 100101,1001
2
·
10
x .
Resolução:






Exercício 17 19,38671875
10
·
4
x .
Resolução:













Exercício 18 Transforme a medida 35 h 48min 18 seg para minutos.
DICA: 35:48,18
60
·
10
x min .
Resolução:





Exercício 19 Transforme 35,805 horas para horas, minutos e segundos.
DICA: 35,805
10
·
60
x .
Resolução:












Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-7
1.6 Operações de Pontos Flutuantes
1.6.1 Representações
• Precisão dupla: “dobra” a mantissa (2∗ t );
• O zero em ponto flutuante é em geral representado com o menor expoente (exp·I )
possível na máquina;
• Ao converter um número para determinada aritmética de ponto flutuante, emprega-se
sempre o arredondamento;
• Não é possível representar todos os números reais em determinada aritmética de ponto
flutuante (reta furada).
OBS. 3: Um exemplo da reta furada é: Considere a aritmética de pontos flutuantes com
parâmetros β·10 e t ·3. Tome os números consecutivos 3,57 e 3,58. Existem infinitos
números reais entre 3,57 e 3,58 que não podem ser representados nesta aritmética de pontos
flutuantes. Por exemplo: 3,571 ou 3,57437.
1.6.2 Exercícios
Exercício 20 Preencher a tabela a seguir, com base nos parâmetros: t ·3, β·10, I ·−5, S ·5
e −5≤exp≤5.
Número Truncamento Arredondamento
−6,48
0,0002175
3498,3
−0,00000001452
2379441,5
OBS. 4: Deve-se converter os valores para a aritmética de ponto flutuante com 3
algarismos significativos.
Nos exercícios seguintes, calcular o valor das expressões utilizando aritmética de
ponto flutuante com 3 algarismos significativos.
Exercício 21 (4,26 + 9,24) + 5,04
Resolução:
Exercício 22 4,26 + (9,24 + 5,04)
Resolução:
Exercício 23 (4210 − 4,99) − 0,02
Resolução:
Exercício 24 4210 − (4,99 + 0,02)
Resolução:
Exercício 25
7
2
∗(4,0237 − 6,106)
Resolução:
Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-8
Exercício 26
7
106 6 0237 4 2 ) , , ( − ∗

Resolução:

OBS. 5: Em aritmética de ponto flutuante não valem as propriedades associativas nem
distributivas.
Exercício 27 Sendo β·10, t ·4 e exp∈[−5,5], calcule:
a) 42450 +

=
10
1
3
i
; b)

=
10
1
3
i
+ 42450.
Resolução:







1.6.3 Exercícios complementares
Nos exercícios seguintes, converter os números para a base decimal, determinando o
valor da variável x :
Exercício 28 1100011
2
·
10
x .
Resolução:



Exercício 29 1111111
2
·
10
x .
Resolução:




Exercício 30 1010101
2
·
10
x .
Resolução:



.
Exercício 31 101,0011
2
·
10
x .
Resolução:




Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-9

Exercício 32 0,0111111
2
·
10
x .
Resolução:






Exercício 33 1,010011
2
·
10
x .
Resolução:





Nos exercícios seguintes, converter os números para a base binária, determinando o
valor da variável x :
Exercício 34 37
10
·
2
x .
Resolução:







Exercício 35 2345
10
·
2
x .
Resolução:

















Cálculo Numérico Noções básicas sobre erros
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
1-10
Exercício 36 Determine x com 36 dígitos: 0,1217
10
·
2
x .
Resolução:


















Exercício 37 Determine x com 8 dígitos: 2,47
10
·
2
x .
Resolução:

• Logo: 2,47
10
· 2
10
+ 0, 47
10
· 10
2
+ 0,01111000
2
· 10, 01111000
2
.
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-11
2 Zeros reais de funções reais
2.1 Introdução
Dada uma função real f definida e contínua em um intervalo aberto I , chama-se de
zero desta função em I , a todo x ∈ I , tal que f( x ) · 0.
Neste capítulo são apresentados alguns processos iterativos para calcular de forma
aproximada os zeros reais de uma função real f dada. Por um processo iterativo entende-se
um processo que calcula uma seqüência de aproximações
1
x ,
2
x ,
3
x ,… da solução desejada. O
cálculo de uma nova aproximação é feito utilizando aproximações anteriores. Dizemos que a
seqüência
1
x ,
2
x ,
3
x ,… converge para x , se dado ε>0, ∃N ∈ ( números naturais), tal
que qualquer que seja n > N , x x
n
− <ε. Neste caso tem-se que
n
n
x
∞ →
lim · x , o que também
poderá ser indicado por
n
x →x . Nos processos iterativos que serão apresentados, a
determinação dos zeros de uma função real de variável real será feita em duas etapas:
• Fase I: Isolar cada zero que se deseja determinar da função f em um intervalo [a , b ],
sendo que cada intervalo deverá conter um e somente um zero da função f .
• Fase II: Cálculo dos zeros aproximados utilizando um método iterativo, com precisão
prefixada ou não.
2.2 Fase I: Isolamento das raízes
Teorema 1 Seja f ( x ) uma função contínua num intervalo [a , b ]. Se f ( a )⋅ f ( b )<0,
então existe pelo menos um zero de f ( x ) entre a e b .
y
x
y
=
f x ( )
a
b

[Fig. 2]: O gráfico de uma função y = f ( x ) e seus zeros.
OBS. 6: Sob as hipóteses do teorema 1, o zero x ·α será definido e único em [ a , b ] se
a derivada ' f ( x ) existir e preservar o sinal dentro do intervalo ]a , b [, isto é se ' f ( x )>0,
x ∀ ∈] a , b [ ou ' f ( x )<0, x ∀ ∈] a , b [. Isto significa dizer que a função f ( x ) é estritamente
crescente ou estritamente decrescente, respectivamente, no intervalo ] a , b [.
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-12
y
x
y
=
f x ( )
a
b

[Fig. 3]: Exemplo de uma função estritamente crescente num intervalo de a até b .
Na pesquisa dos zeros reais de funções reais é muito útil o uso do Teorema 1Erro! A
origem da referência não foi encontrada. (que fornece condições de existência de zeros em
um intervalo), bem como da OBS 6. (que garante a unicidade, isto é, garante que no intervalo
considerado existe um e somente um zero da função f ).
Outro recurso bastante empregado é: a partir da equação f ( x )·0, obter a equação
equivalente g ( x )·h ( x ) e esboçar os gráficos destas funções obtendo os pontos onde as
mesmas se intersectam, pois f (α)·0 ⇔ g (α)·h (α).
Exercício 38 Isolar os zeros da função f ( x )·
3
x −9x +3.
Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais:
x −4 −3 −2 −1 0 1 2 3
f ( x )



y
x
y =f x ( )
4 3 2 1 -1 -2 -3 -4
1
α
2
α
3
α

[Fig. 4]: O gráfico de 3 9
3
+ − · x x x f ) ( .

Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-13
y
x
4 3 2 1 -1 -2 -3 -4
1
α
2
α
3
α
g x ( )
h x ( )

[Fig. 5]: Os gráficos de
3
x x g · ) ( e 3 9 − · x x h ) ( .



y
x
y
=
f ’ x ( )
4 3 2 1 -1 -2 -3 -4
3 3
-

[Fig. 6]: O gráfico de 9 3
2
− · x x f ) ( ' .
Exercício 39 Isolar os zeros da função 2 3, ln ) ( − · x x x f .
Resolução: Pode-se construir uma tabela de valores para ) ( x f e analisar os sinais:
x 1 2 3 4
) ( x f
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-14


x
y
=
f x ( )
0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
-0,7
-0,8
-0,9
-1,0
-0,8
2,6 2,8 3,0 3,2 3,4
0,1
0,2
0,3
y

[Fig. 7]: Gráfico da função 2 3, ln ) ( − · x x x f .



y
x 1
1
x ( ) f’

[Fig. 8]: Gráfico da função x x f ln ) ( ' + ·1 .
Exercício 40 Isolar os zeros da função x x x f 4 0 2 5 , log ) ( + − · .
Resolução: Pode-se construir uma tabela de valores para ) ( x f e analisar os sinais:
x 1 2 3
) ( x f




Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-15



y
x
x ( )
α
2 1 3
2
1
h
x ( ) g

[Fig. 9]: Os gráficos de x x g log ) ( 5 · e x x h 4 0 2 , ) ( − · .
Exercício 41 Isolar os zeros da função
x
e x x f

− · 5 ) ( .
Resolução: Pode-se construir uma tabela de valores para ) ( x f e analisar os sinais:
x 0 1 2 3
) ( x f






y
x
x ( )
α
2 1 3
2
1
h
x ( ) g

[Fig. 10]: Os gráficos de x x g · ) ( e
x
e x h

· 5 ) ( .
2.3 Fase II: Refinamento - Critérios de Parada
2.3.1Método da Bissecção (ou Método da Dicotomia)
Este método é normalmente utilizado para diminuir o intervalo que contém o zero da
função, para a aplicação de outro método, pois o esforço computacional cresce
demasiadamente quando se aumenta a precisão exigida.
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-16
O processo consiste em dividir o intervalo que contém o zero ao meio e por aplicação
do Teorema 1, aplicado aos subintervalos resultantes, determinar qual deles contém o zero.
]
]
]

+
2
b a
a, ,
]
]
]

+
b
b a
,
2

O processo é repetido para o novo subintervalo até que se obtenha uma precisão
prefixada. Desta forma, em cada iteração o zero da função é aproximado pelo ponto médio de
cada subintervalo que a contém.
y
x
2 1
3
x ( ) f
a b
m m
m
α

[Fig. 11]: O método da bissecção ou dicotomia.
Assim, na figura anterior tem-se:
2
1
b a
m
+
· ,
2
1
2
m a
m
+
· ,
2
1 2
3
m m
m
+
· , …
Desta forma, o maior erro que se pode cometer na:
• 1
a
iteração ( n ·1): é
2
) ( a b −

• 2
a
iteração ( n ·2): é
2
2
) ( a b −

• 3
a
iteração ( n ·3): é
3
2
) ( a b −

M M
• n
a
iteração: é
n
a b
2
) ( −

Se o problema exige que o erro cometido seja inferior a um parâmetro ε, determina-se
a quantidade n de iterações encontrando o maior inteiro que satisfaz a inequação:
n
a b
2
) ( −
≤ε
que se resolve da seguinte maneira:
n
a b
2
) ( −
≤ε ⇒ log
n
a b
2
) ( −
≤ log ε ⇒ ) log( a b − −log
n
2 ≤ log ε ⇒ ) log( a b − −n log 2 ≤ log ε
⇒ n ≥
2 log
log ) log( ε − −a b

Exercício 42 Determinar um valor aproximado para 5 , com erro inferior a
2
10

.
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-17
Resolução: Determinar 5 é equivalente a obter o zero positivo da função ) ( x f =
2
x −5.






n a x b f ( a ) f ( x ) f ( b )
( b −a )/2
1
2
3
4
5
6
7
Portanto 5 ≅
Exercício 43 Um tanque de comprimento L tem uma secção transversal no formato de um
semicírculo com raio r (veja a figura). Quando cheio de água até uma distância h do topo, o
volume V da água é: V·
]
]
]

− −
,
`

.
|
− ⋅ π ⋅ ⋅ ) ( arcsen ,
2 2 2 2
5 0 h r h
r
h
r r L . Supondo que L ·10 ft ,
r·1 ft e V·12,4
3
ft , encontre a profundidade da água no tanque com precisão de 0,01 ft .
h h
r
θ

[Fig. 12]: O tanque de comprimento L .
Resolução:




Pode-se construir uma tabela de valores para ) ( x f e analisar os sinais:
h −1 0 1
) (h f





Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-18
Para se confirmar a unicidade deste zero neste intervalo, pode-se utilizar a OBS. 6: , isto
é, calcula-se a derivada ) (
,
h f de ) (h f para verificar que a mesma preserva o sinal no
intervalo ]0,1[.











n a h b ) (a f ) (h f ) (b f (b−a)/2
1
2
3
4
5
6
7
Assim, h ·

2.3.1.1 Algoritmo do Método da Bissecção
Seja ) (x f uma função contínua em um intervalo [a,b], com ) (a f . ) (b f <0 e a raiz de
) (x f isolada em [ a , b ].
• Dados de Entrada: Pontos extremos a e b do intervalo; precisão ou tolerância (ε) e o
número máximo de iterações (ITMAX).
• Saída: Solução aproximada x ou mensagem de "solução não encontrada" com a precisão
desejada no número máximo de iterações.
PASSO 1
Faça i ·1
FA= ) (a f
PASSO 2
Enquanto i ≤ ITMAX execute os passos de 3 a 6
PASSO 3
Faça x ·
2
) ( b a +
e FX · ) ( x f
PASSO 4
Se FX · 0 ou
2
) ( a b −
< ε, então
Saída ( x ) (Procedimento executado com sucesso)
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-19
FIM
PASSO 5
Faça i ·i +1
PASSO 6
Se FA·FX > 0 então faça a · x e FA · FX
Caso contrário faça b · x
PASSO 7
Saída (Solução não encontrada com a precisão exigida)
FIM
2.3.2Método do Ponto Fixo (ou Método da Iteração Linear
ou Método das Aproximações sucessivas)
Neste método a seqüência de aproximações do zero α de uma função ) (x f
( 0 ) ( · α f ) é obtida através de uma relação de recorrência da forma:
(Eq.6) ) (
1 n n
x x φ ·
+
, n·0, 1, 2, …
O ponto
0
x será considerado uma aproximação inicial do zero α da função ) (x f e
) ( x φ é uma função que tem α como ponto fixo, isto é, α· ) (α φ .
A primeira pergunta a ser respondida é: dada uma função ) (x f com zero α, como
encontrar uma função ) ( x φ que tenha α como ponto fixo ? Isto pode ser feito através de uma
série de manipulações algébricas sobre a equação ) (x f ·0, transformando-a em uma equação
equivalente da forma ) ( x x φ · . Nestas transformações deve-se tomar os devidos cuidados
para que ) ( x φ esteja definida em α e para que α pertença à imagem de φ . Como o zero α é
desconhecido, é necessário determinar um intervalo I que contenha α e que esteja contido
tanto no domínio quanto na imagem de φ . É necessário que o zero α de ) (x f seja único no
intervalo I, caso contrário não será possível discernir qual o zero determinado.
y
x
α
y x =
Ponto fixo de
(Zero de )
φ x ( )
φ x ( )
x ( ) f

[Fig. 13]: Um exemplo de uma função de ponto fixo.


Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-20
Exercício 44 Obter algumas funções de ponto fixo para a função ) (x f · 6
2
− + x x .
Resolução: Efetuando diferentes manipulações algébricas sobre a equação ) (x f ·0 ou
6
2
− + x x ·0, pode-se obter diferentes funções de ponto fixo, como por exemplo:











No próximo passo algumas destas funções serão utilizadas na tentativa de gerar
seqüências aproximadoras dos zeros α de ) (x f .
Exercício 45 Aproximar o maior zero da função ) (x f · 6
2
− + x x , utilizando a função
x x − · φ 6 ) (
2
, e
0
x ·1,5.
Resolução: Neste caso a fórmula de recorrência ) (
1 n n
x x φ ·
+
, n·0, 1, 2, … será:
n n n
x x x − · φ ·
+
6 ) (
2 1
, e pode-se construir a seguinte tabela:
n
n
x
n n n
x x x − · φ ·
+
6 ) (
2 1

0
1
2
3
4
M M M



y
x
x ( )
0
x
1
x
2
x
3
α
y x =
x
6
6
2 =
2
φ

[Fig. 14]: Os gráficos das funções y = x e x x − · φ 6
2
) ( .
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-21
Exercício 46 Aproximar o maior zero da função ) (x f · 6
2
− + x x , utilizando a função
2
1
6 ) ( x x − · φ , e
0
x ·1,5.
Resolução: Neste caso a fórmula de recorrência ) (
1 n n
x x φ ·
+
, n ·0, 1, 2, … será:
2
1 1
6
n n n
x x x − · φ ·
+
) ( , e pode-se construir a seguinte tabela:
n
n
x
2
1 1
6 ) ( x x x
n n
− · φ ·
+

0
1
2
3
M M M



y
x
x ( )
0 1
x
2
x
α
y x =
x
6
2 =
1
φ

[Fig. 15]: Os gráficos das funções y = x e
2
1
6 x x − · φ ) ( .
Assim, os dois exercícios anteriores mostram que dependendo da transformação
) ( x x φ · escolhida, a relação de recorrência ) (
1 n n
x x φ ·
+
pode ou não fornecer uma
seqüência } {
n
x convergente. Desta forma, como determinar a priori, quais transformações
fornecerão seqüências convergentes? As figuras que seguem ilustram alguns casos onde
ocorrem convergência e alguns casos onde não ocorrem convergência.
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-22
y
x x
0
x
1
x
2
x
3
α
y x =
φ x ( )

[Fig. 16]: A seqüência { ¦
k
x converge para o zero α (Convergência do tipo escada).
y
x x
0
x
1
x
2
x
3
α
y x =
x
4
φ x ( )

[Fig. 17]: A seqüência { ¦
k
x converge para o zero α (Convergência do tipo caracol).
y
x x
0
x
1
x
2
x
3
α
y x
=
φ x ( )

[Fig. 18]: A seqüência { ¦
k
x não converge para o zero α.
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-23
y
x
0
x
1
x
2
x
3
α
y x =
x
φ x ( )

[Fig. 19]: A seqüência { ¦
k
x não converge para o zero α.
O Teorema que segue estabelece condições suficientes para garantir a convergência do
processo iterativo.
OBS. 7: Como as condições que o teorema que segue são apenas suficientes, dada uma
função φ que não satisfaça estas condições, não se pode garantir que a seqüência gerada
, , ,
3 2 1
x x x … diverge.
2.3.2.1 Convergência do Método das Aproximações Sucessivas
Teorema 2 Seja α um zero de uma função f, isolada em um intervalo I·[a,b], e seja φ
uma função tal que ( ) α · α φ . Se:
i)
'
e φ φ são funções contínuas em I;
ii) ( ) 1 < φ ·

x k
I x
'
max
iii) I x ∈
0
e I x x
n n
∈ φ ·
+
) (
1
, para n = 0, 1, 2, …
Então a seqüência { ¦
n
x converge para o zero α .
OBS. 8: Para se resolver um problema com o método das aproximações sucessivas,
utiliza-se o teorema anterior da seguinte forma: inicialmente determina-se um intervalo I
onde o zero α de ) (x f esteja isolado, e uma função φ que tenha α como ponto fixo.
Analisando φ e ' φ , pode-se verificar se as condições i) e ii) do Teorema 2 estão satisfeitas.
Estas condições podem não estar satisfeitas pelo fato do intervalo I ter sido
superdimensionado. Neste caso procura-se por um intervalo I ’ satisfazendo as condições do
teorema. Na demonstração do Teorema 2 , que pode ser vista em HUMES, Ana Flora C., et
al. Noções de Cálculo Numérico. São Paulo: McGraw-Hill, p. 16, 1984, tem-se que as
condições i) e ii) garantem que se
1 − n
x ∈ I então
n
x − α <
1 −
− α
n
x . Entretanto, isto não
implica que
n
x ∈ I . Uma maneira simples para garantir que [ ] b a I x
n
, · ∈ 0 ≥ ∀n é tomar
como valor inicial
0
x o extremo de I mais próximo do zero α. Na seqüência, será mostrado
que neste caso I x x ∈ φ · ) (
0 1
: Supondo que a seja o extremo de I mais próximo de α, tem-
se: α −
1
x < α −
0
x · α − a ≤ α − b , logo
1
x ∈ I . A demonstração é análoga para o caso em
que b o extremo de I mais próximo de α.
OBS. 9: A condição iii) do Teorema 2 pode ser substituída por: iii’) o zero α é o ponto
médio do intervalo I . Na verdade, se para o intervalo I ·[ ] b a, , estão satisfeitas as condições
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-24
i) e ii) do Teorema 2, e se a estiver mais próximo de α do que de b então, denotando α − a
por r, tem-se que para qualquer
0
x ∈[ ] r a + α , a hipótese iii) do teorema é verificada. Mais
ainda, para todo I ·[ ] b a, nas condições do teorema 2, existe I ’⊂ I tal que qualquer que seja
0
x ∈ I ’ tem-se que
n
x ∈ I ’, n ≥1.
OBS. 10: A determinação do extremo de I ·[ ] b a, mais próximo do zero α pode ser feito
da seguinte maneira: Suponhamos satisfeitas as hipóteses i) e ii) do Teorema 2. Nestas
condições, seja xˆ ·
2
) ( b a +
(ponto médio do intervalo I ). Sabe-se que ) ˆ ( x φ está mais
próximo de α do que xˆ . Se xˆ < ) ˆ ( x φ , então α está entre xˆ e b , ou seja, b é o extremo de I
mais próximo de α. Analogamente, se xˆ > ) ˆ ( x φ , então a é o extremo de I mais próximo de
α. Se xˆ · ) ˆ ( x φ , então xˆ é o zero procurado.
x
x ( )
a b
α
x
x
x ( )
a b
α
x
φ
φ

[Fig. 20]: Casos em que b é o extremo mais próximo de α.
OBS. 11: Sejam dados φ( x ), α e k · ( ) x
I x
'
max φ

satisfazendo as hipóteses do teorema
anterior. Se
n
x ·φ(
1 − n
x ), então
n
x − α ≤
k
k
− 1
1 −

n n
x x . Desta forma, obtém-se um limitante
superior para o erro cometido na n -ésima iteração (
n
x ).
Exercício 47 Verificar as condições i) e ii) do teorema anterior quando do uso da função
x x − · φ 6 ) (
2
no exercício anterior.
Resolução:
Verificação da condição i):




Verificação da condição ii):


Logo,

Exercício 48 Verificar as condições i) e ii) do teorema anterior quando do uso da função
2
1
6 ) ( x x − · φ .
Resolução:
Verificação da condição i):

Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-25
Verificação da condição ii):


Logo,

2.3.2.2 Algoritmo do Método das aproximações sucessivas
Para encontrar uma solução para p · ) ( p φ dada um aproximação inicial
0
p .
• Dados de Entrada: Aproximação inicial
0
p , precisão ou tolerância (ε) e o número
máximo de iterações (ITMAX).
• Saída: Solução aproximada p ou mensagem de “solução não encontrada”.
PASSO 1
Faça i · 1
PASSO 2
Enquanto i ≤ ITMAX, execute os passos 3 – 6
PASSO 3
Faça · p ) ( p φ (calcular
i
p )
PASSO 4
Se
0
p p − < ε então
Saída ( p ) (procedimento efetuado com sucesso)
FIM
PASSO 5
Faça i · i + 1
PASSO 6
Faça
0
p · p (atualize
0
p )
PASSO 7
Saída (solução não encontrada após ITMAX iterações)
FIM
OBS. 12: Outros critérios de parada podem ser utilizados:
• ε < −
−1 n n
p p
• ε <


n
n n
p
p p
1

• ε < ) (
n
p f
Exercício 49 Encontrar o zero de ) (x f · 4
2
+ − x e
x
com precisão
6
10

· ε , utilizando o
método do ponto fixo.
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-26
Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais:
x −3 −2 −1
) (x f






y
x
x ( )
α
2 1 3
2
1
h
x ( ) g
-2
-1 -3
-2
-3
-4
-1
3
4
5
= e
x
=
x
2
- 4

[Fig. 21]: Os gráficos de
x
e x h · ) ( e 4
2
− · x x g ) ( .


Procurando uma função de ponto fixo adequada pode-se fazer:


Verificando as hipóteses i) e ii) do Teorema 2:


















Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-27












n
n
x
1 + n
x
n n
x x −
+1

0
1
2
3
Portanto, x =
2.3.3Método de Newton, Newton-Raphson (ou Método das
Tangentes)
Este método é uma particularidade do método das aproximações sucessivas. A idéia é
construir uma função ) ( x φ para a qual exista um intervalo contendo o zero α, onde
1 ) ( ' < φ x . Esta construção é feita impondo 0 ) ( ' · α φ . Como ) ( ' x φ deve ser uma função
contínua, existe sempre uma vizinhança I de α onde ) ( ' max α φ
∈I x
<1.
Obtenção da função ) ( x φ : A forma mais geral de ) ( x x φ · equivalente a ) (x f ·0 é
dada por:
(Eq.7) x · x + · ) ( ) ( x f x A ) ( x φ
onde ) ( x A é uma função contínua tal que 0 ) ( ≠ α A . Escolhe-se ) ( x A de forma que
0 ) ( ' · α φ . Derivando-se a (Eq.7), obtém-se ) ( ' x φ ·1+ ) ( ) ( ' ) ( ' ) ( x f x A x f x A + . Calculando
esta derivada no ponto α, obtém-se: ) ( ' α φ ·1+ ) ( ' ) ( α α f A . Supondo que ' f (α)?0, para que
0 ) ( ' · α φ , deve-se ter ) (α A =
) ( '
1
α

f
. Assim, uma escolha satisfatória para ) ( x A será
portanto:
(Eq.8) ) ( x A =
) ( '
1
x f
− , uma vez que α ≅ x .
Substituindo (Eq.8) em (Eq.7), tem-se:
(Eq.9) ) ( x φ · x
) ( '
) (
x f
x f

Assim, o processo iterativo de Newton é definido por:
(Eq.10)
1 + n
x ·
n
x
) ( '
) (
n
n
x f
x f
− , · n 0, 1, 2, …
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-28
OBS. 13: A (Eq. 10) é válida mesmo que ) ( ' α f · 0, uma vez que α ≠
n
x .
2.3.3.1 Interpretação Geométrica do Método de Newton
O ponto
1 + n
x é obtido traçando-se a tangente ao gráfico da função ) (x f no ponto
)) ( , (
n n
x f x . A intersecção da reta tangente com o eixo das abscissas fornece a nova
aproximação
1 + n
x . Esta interpretação justifica o nome de método das tangentes.
y
x
x ( )
α 0
x
1
x
2
x
f
θ
n
x x
x ( ) f
n +1
n

[Fig. 22]: Interpretação Geométrica do Método de Newton.
1 +

· · θ
n n
n
n
x x
x f
x f
) (
) ( ' tg ⇒
) ( '
) (
n
n
n n
x f
x f
x x − ·
+1

2.3.3.2 Convergência do Método de Newton
Teorema 3 Seja [ ] ℜ → b a f , : , duas vezes diferenciável, com ( ) x f " contínua. Suponha
que:
i) ( ) ( ) 0 < ⋅ b f a f
ii) , ) ( ' 0 ≠ x f ] , [ b a x∈ ∀
iii) ) ( ' ' x f não troca de sinal em [ ] b a,
Então, a seqüência gerada pelas iterações do método de Newton-Raphson utilizando a
função ( )
( )
( ) x f
x f
x x
'
− · φ que equivale a
( )
( )
n
n
n n
x f
x f
x x
'
− ·
+1
converge para o único zero α de
f , isolado em [ ] b a, , se [ ] b a x , ∈
0
for escolhido convenientemente.
OBS. 14: Para se escolher o ponto inicial
0
x , pode-se, por exemplo, fazer
0
x ·a se
( ) [ ] b a a , ∈ φ ou
0
x ·b caso contrário.
2.3.3.3 Algoritmo do Método de Newton
Para encontrar uma solução para ) (x f =0, dada a derivada de ) (x f e uma
aproximação inicial
0
p .
• Dados de Entrada: Aproximação inicial
0
p , precisão ou tolerância (ε) e o número
máximo de iterações (ITMAX).
• Saída: Solução aproximada p ou mensagem de “solução não encontrada”.
PASSO 1
Faça i =1
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-29
PASSO 2:
Enquanto i ≤ ITMAX, execute os passos 3 – 6
PASSO 3
Faça ) ( ' / ) (
0 0 0
p f p f p p − · (calcular
i
p )
PASSO 4
Se
0
p p − < ε então
Saída (p) (procedimento efetuado com sucesso)
FIM
PASSO 5
Faça i = i + 1
PASSO 5
Faça
0
p =p (atualize
0
p )
Passo 7:
Saída (solução não encontrada após ITMAX iterações)
FIM
OBS. 15: Outros critérios de parada podem ser utilizados:
• ε < −
−1 n n
p p
• ε <


n
n n
p
p p
1

• ε < ) (
n
p f
OBS. 16: O Método de Newton irá falhar se para algum n, ) ( '
1 − n
p f · 0.
Exercício 50 Encontrar a solução para a equação x = x cos com precisão
6
10

· ε .
Resolução:

Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais:
x 0
2
π

) ( x f








Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-30



y
x ( )
α
h
π
2
π
π
2
π 2
3
=
cos x
x ( ) g
=x
-1
1
x

[Fig. 23]: Os gráficos das funções ) (x g = x e ) (x h = x cos .







n
n
x
1 + n
x
n n
x x −
+1

0
1
2
Portanto, x =

2.3.4 Comparação entre os métodos
Nos exercícios seguintes, considerando cada método especificado, determine uma
aproximação para o zero da função.
Exercício 51 Pelo método da Bissecção, determine uma aproximação para x ∈(1,2) da
função f ( x )·
2
x
e

− x cos com aproximação
1
ε ·
4
10

tal que ( b −a )/2<
1
ε .
Resolução:
n a x b f ( a ) f ( x ) f ( b )
( b −a )/2
1
2
3
4
5
6
7
8
9
Cálculo Numérico Zeros reais de funções reais
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
2-31
10
11
12
13
14
Logo, x ·

Exercício 52 Pelo método da Ponto Fixo ou Aproximações Sucessivas, determine uma
aproximação para x ∈(1,2) da função f ( x )·
2
x
e

− x cos com aproximação
1
ε ·
2
ε ·
4
10

tal
que | f (
n
x )|<
1
ε ou |
1 + n
x −
n
x |<
2
ε . Utilize
0
x ·1,5.
Resolução:





n
n
x
1 + n
x |
1 + n
x −
n
x | | f (
1 + n
x )| Parada
0
1
2
3
4
5
Logo, x ·

Exercício 53 Pelo método de Newton-Raphson, determine uma aproximação para x ∈(1,2)
da função f ( x )·
2
x
e

− x cos com aproximação
1
ε ·
2
ε ·
4
10

tal que | f (
n
x )|<
1
ε ou
|
1 + n
x −
n
x |<
2
ε . Utilize
0
x ·1,5.
Resolução:




n
n
x
1 + n
x |
1 + n
x −
n
x | | f (
n
x )| Parada
0
1
Logo, x ·
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-32
3 Resolução de sistemas de equações
lineares
3.1 Introdução
Vários problemas, como cálculo de estruturas de redes elétricas e solução de equações
diferenciais, recorrem a resolução numérica de um sistema linear
n
S de n equações com n
incógnitas.
3.1.1 Forma Algébrica de S
n

(Eq.11)
n
S ·
¹
¹
¹
¹
¹
'
¹
· + + +
· + + +
· + + +
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
L
M M M M
L
L
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11

ou
(Eq.12)
n
S ·

·
n
j
j ij
x a
1
·
i
b , i ·1, 2, …, n .
3.1.2 Forma Matricial de Sn
(Eq.13) A⋅ x ·b
]
]
]
]
]
]

nn n n
n
n
a a a
a a a
a a a
L
M M M
L
L
2 1
2 22 21
1 12 11

]
]
]
]
]
]

n
x
x
x
M
2
1
·
]
]
]
]
]
]

n
b
b
b
M
2
1
.
Onde:
• A ⇒ matriz dos coeficientes;
• x ⇒ vetor das incógnitas (ou vetor solução);
• b ⇒ vetor dos termos independentes.
3.1.3 Matriz Aumentada ou Matriz Completa do Sistema
B ·[ A: b ]·
]
]
]
]
]
]

n nn n n
n
n
b a a a
b a a a
b a a a
L
M M M M
L
L
2 1
2 2 22 21
1 1 12 11
.
3.1.4 Solução do Sistema
x ·(
1
x ,
2
x , …,
n
x )
T
.
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-33
3.1.5 Classificação de um Sistema Linear
• COMPATÍVEL: apresenta soluções;
• INCOMPATÍVEL: caso contrário.
3.1.6 Classificação quanto ao Determinante de A
• A det ≠0 (SPD) ⇒ sistema linear possível e determinado (SOLUÇÃO ÚNICA);
• A det ·0 (SPI) ou (SI): a matriz A é SINGULAR.
(SPI) ⇒ Sistema possível e indeterminado,
(SI) ⇒ Sistema impossível.
OBS. 17: Se
i
b ·0, i ·1, 2, …, n , isto é, se b ·0, o sistema é dito HOMOGÊNEO. Todo
sistema homogêneo é compatível, pois admite sempre a solução x ·0. A solução é chamada
TRIVIAL.
3.2 Métodos diretos
São métodos que determinam a solução de um sistema linear com um número finito de
operações.
Definição: Dois sistemas lineares são equivalentes quando possuem a mesma solução.
3.2.1 Método de Eliminação de Gauss
Com (n −1) passos, o sistema linear A⋅ x ·b é transformado num sistema triangular
superior equivalente. Tome A det ≠0 como hipótese.
A⋅ x ·b ≈ U ⋅ x ·c , o que se resolve por substituição.
[ A: b ] ≈ [U : c ]
]
]
]
]
]
]

n nn n n
n
n
b a a a
b a a a
b a a a
L
M M M M
L
L
2 1
2 2 22 21
1 1 12 11

]
]
]
]
]
]

n nn
n
n
c u
c u u
c u u u
L
M M M M
L
L
0 0
0
2 2 22
1 1 12 11
.
Exercício 54 Resolver o sistema
3
S , com
3
S ·
¹
¹
¹
'
¹
− · + −
· − +
· − +
1 3 2
3 3 4 4
5 3 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
.
Resolução:









Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-34
• Etapa 1: em
0
B , tome
) ( 0
i
L , com i ·1,2,3, como as linhas de
0
B e
) (0
11
a como pivô e
calculam-se os multiplicadores
) ( 0
1 i
m ( i ·2,3).















• Etapa 2: Repete-se o processo para o próximo pivô, situado na diagonal da matriz
1
B .
Em
1
B , tome
) (1
i
L , com i ·2,3 e
) (1
22
a como pivô.














• Método compacto para a TRIANGULAÇÃO U ⋅ x ·c :
Linha Multiplicador m Matriz Aumentada Transformação
(1)
0
B ⇒ 2 3 -1 5
(2)
) (0
21
m = 4 4 -3 3
(3)
) (0
31
m = 2 -3 1 -1
(2)
1
B ⇒
(3)
) (1
32
m =
(3)
2
B ⇒
As linhas contendo os pivôs formam o sistema U ⋅ x ·c .
Exercício 55 Resolver o sistema
4
S com arredondamento em duas casas decimais, na matriz
aumentada.
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-35
4
S ⇒ A⋅ x ·b ⇒
¹
¹
¹
¹
¹
'
¹
− · + − −
− · + − −
− · − + −
· + + +
3 106 5 21 2 13 0 81 0 21
8 80 4 11 5 23 0 84 3 52
7 49 1 45 5 11 8 8 5 24
4 16 0 11 3 9 0 3 7 8
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
, , , , ,
, , , , ,
, , , , ,
, , , , ,
x x x x
x x x x
x x x x
x x x x
.
Resolução:
Linha Multiplicador m Matriz Aumentada
(1)
0
B ⇒ 8,70 3,00 9,30 11,00 16,40
(2)
) (0
21
m = 24,50 -8,80 11,50 -45,10 -49,70
(3)
) (0
31
m = 52,30 -84,00 -23,50 11,40 -80,80
(4)
) (0
41
m = 21,00 -81,00 -13,20 21,50 -106,30
(2)
1
B ⇒
(3)
) (1
32
m =
(4)
) (1
42
m =
(3)
2
B ⇒
(4)
) (2
43
m =
(4)
3
B ⇒
Então A⋅ x ·b ≈ U ⋅ x ·c ⇒ [ A: b ] ≈ [ U : c ].


U ⋅ x ·c ⇒



Logo: x ·
3.2.1.1 Cálculo do Resíduo
Uma medida para avaliar a precisão dos cálculos é o resíduo, que é dado por:
(Eq.14) r ·b − x A .
Exercício 56 Com base no exercício anterior, calcular o resíduo r do sistema A⋅ x ·b .
Resolução: r ·b − x A .





r ·
3.2.1.2 Algoritmo de Eliminação de Gauss
Seja o sistema A⋅ x ·b , com
n n
A
×
,
1 × n
x e
1 × n
b .
Sempre supor que
kk
a ≠0 na etapa k .
TRIANGULARIZAÇÃO: A⋅ x ·b ≈ U ⋅ x ·c .
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-36
Para k ·1, 2, …, ( n −1)

Para i ·( k +1), …, n


kk
ik
a
a


ik
a ·0
Para j ·( k +1), …, n

ij
a ·
ij
a −m∗
kj
a

i
b ·
i
b −m∗
k
b
FIM
FIM
FIM
RESOLUÇÃO DO SISTEMA U ⋅ x ·c .
n
x ·
nn
n
a
b

Para k ·( n −1), …, 2, 1

s ·0
Para j ·( k +1), …, n

s · s +
kj
a ∗
j
x
FIM

k
x ·
kk
k
a
s b −

FIM
3.2.2 Estratégia de Pivoteamento Completo
No momento de se calcular o multiplicador
ik
m , se o pivô estiver próximo de zero, o
método pode ampliar os erros de arredondamento. Para se contornar estes problemas, escolhe-
se como pivô
ij
a MAX , com i , j ·1, 2, …, n .
Dado A⋅ x ·b , tome B ·[ A: b ].
B ·
]
]
]
]
]
]
]
]
]
]

n nn nq n n
p pn pq p p
n q
n q
b a a a a
b a a a a
b a a a a
b a a a a
L L
M M M M M
L L
M M M M M
L L
L L
2 1
2 1
2 2 2 22 21
1 1 1 12 11
.
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-37
Seja
pq
a ·
ij
a MAX , (i , j ·1, 2, …, n ) o pivô da linha p . Então, calcula-se o
multiplicador
) ( 0
iq
m · −
) (
) (
0
0
pq
iq
a
a
, em cada linha, i ∀ ≠ p com i ·1, 2, …, n . Assim, anulam-se os
elementos
ij
a da coluna q através da operação:
) (1
i
L ←
) ( 0
iq
m ∗
) ( 0
p
L +
) ( 0
i
L .
Eliminando-se a linha pivotal p , repete-se o processo até que se obtenha
) ( k
i
L com k
conjuntos de operações elementares aplicadas sobre B , onde k ·1, 2, …, ( n −1).
Exercício 57 Resolva
4
S com arredondamento em duas casas decimais, utilizando
eliminação de Gauss com pivoteamento completo.
4
S ⇒ A⋅ x ·b ⇒
¹
¹
¹
¹
¹
'
¹
− · + − −
− · + − −
− · − + −
· + + +
3 106 5 21 2 13 0 81 0 21
8 80 4 11 5 23 0 84 3 52
7 49 1 45 5 11 8 8 5 24
4 16 0 11 3 9 0 3 7 8
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
, , , , ,
, , , , ,
, , , , ,
, , , , ,
x x x x
x x x x
x x x x
x x x x
.
Resolução:
Linha Multiplicador m Matriz Aumentada
(1)
) (0
12
m = 8,70 3,00 9,30 11,00 16,40
(2)
) (0
22
m = 24,50 -8,80 11,50 -45,10 -49,70
(3)
0
B ⇒ 52,30 -84,00 -23,50 11,40 -80,80
(4)
) (0
42
m = 21,00 -81,00 -13,20 21,50 -106,30
(1)
) (1
14
m =
(2)
1
B ⇒
(4)
) (1
44
m =
(1)
) (2
11
m =
(4)
2
B ⇒
(1)
3
B ⇒
Então A⋅ x ·b ≈ U ⋅ x ·c ⇒ [ A: b ] ≈ [ U : c ].

U ⋅ x ·c ⇒







3.2.3 Refinamento de Soluções
Seja
) (0
x a solução aproximada para A⋅ x ·b . Obtém-se a solução melhorada
) (1
x
aplicando-se a correção
) ( 0
δ em
) (0
x .
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-38
) (1
x ·
) (0
x +
) ( 0
δ
Se A⋅
) (1
x ·b , então
A⋅(
) (0
x +
) ( 0
δ )·b
A⋅
) (0
x + A⋅
) ( 0
δ ·b
⇒ A⋅
) ( 0
δ ·b − A⋅
) (0
x
⇒ A⋅
) ( 0
δ ·
) (0
r . Assim,
) ( 0
δ vem de [ A:
) (0
r ].
Obtido o
) ( 0
δ , calcula-se
) (1
x ·
) (0
x +
) ( 0
δ .
Repete-se o processo para se obter
) (2
x ,
) (3
x , …,
) ( k
x , até que se tenha a precisão
desejada. Logo, obtém-se o refinamento de forma iterativa pela seguinte equação:
(Eq.15)
) (i
x ·
) ( 1 − i
x +
) ( 1 −
δ
i
, com i ·1, 2, …k .
Exercício 58 Considerando a resposta x do Exercício 55 , faça o refinamento de x até que
se obtenha o resíduo
) (k
r =0, considerando precisão dupla (
4
10

·0,0001), quatro casas
decimais.
A⋅ x ·b ⇒
¹
¹
¹
¹
¹
'
¹
− · + − −
− · + − −
− · − + −
· + + +
3 106 5 21 2 13 0 81 0 21
8 80 4 11 5 23 0 84 3 52
7 49 1 45 5 11 8 8 5 24
4 16 0 11 3 9 0 3 7 8
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
, , , , ,
, , , , ,
, , , , ,
, , , , ,
x x x x
x x x x
x x x x
x x x x

) (0
x ·[ ]
T
00 1 01 1 01 2 01 1 , , , , −
) (0
r ·b − A⋅
) (0
x ⇒
) (0
r ·[ ]
T
468 0 082 0 042 0 024 0 , , , , − −
REFINAMENTO:
) ( k
x ·
) ( 1 − k
x +
) ( 1 −
δ
k
A⋅
) ( 1 −
δ
k
·
) ( 1 − k
r ⇒ [ A:
) ( 1 − k
r ] ⇒
) ( 1 −
δ
k

Resolução:
• k ·1 [ A:
) (0
r ] ⇒
) ( 0
δ ⇒
) (1
x ·
) (0
x +
) ( 0
δ
Linha Multiplicador m Matriz Aumentada
(1)
0
B ⇒ 8,7000 3,0000 9,3000 11,0000 -0,0240
(2)
) (0
21
m = 24,5000 -8,8000 11,5000 -45,1000 -0,0420
(3)
) (0
31
m
= 52,3000 -84,0000 -23,5000 11,4000 0,0820
(4)
) (0
41
m
= 21,0000 -81,0000 -13,2000 21,5000 0,4680
(2)
1
B ⇒
(3)
) (1
32
m
=
(4)
) (1
42
m =
(3)
2
B ⇒
(4)
) (2
43
m =
(4)
3
B ⇒
Considerando 4 casas decimais:


Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-39


[ A:
) (0
r ] ≈


Então:
[ A:
) (0
r ] ⇒
) ( 0
δ ⇒

Como:
) (1
x ·
) (0
x +
) ( 0
δ ⇒

) (1
r ·b − A⋅
) (1
x ⇒
• Logo,

3.3 Métodos iterativos
A solução x de um sistema de equações lineares x A⋅ ·b pode ser obtido resolvendo,
de forma iterativa, o sistema equivalente da forma d x F x + ⋅ · , onde F é uma matriz n n× ,
x e d vetores 1 × n . Isto pode ser feito tomando d x F x + ⋅ · φ ) ( ,
d x F x x
k k k
+ ⋅ · φ ·
+ ) ( ) ( ) (
) (
1
, onde k ·0, 1, …, M , e M é o número máximo de iterações e
) ( 0
x é o vetor inicial.
3.3.1 Testes de parada
O processo iterativo
) ( 1 + k
x gera aproximações até que:
• ε ≤ −
+
≤ ≤
) ( ) ( k
i
k
i
n i
x x máx
1
1
, sendo ε a tolerância; ou
• k > M , sendo M o número máximo de iterações.
3.3.2 Método de Gauss-Jacobi.
Adaptação de x A⋅ ·b para d x F x + ⋅ · :
x A⋅ ·b ⇒
¹
¹
¹
¹
¹
'
¹
· + + +
· + + +
· + + +
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
L
M M M M
L
L
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11

d x F x + ⋅ · ⇒
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
+ + + + −
·
+ + + + −
·
+ + + + −
·
− −
nn
n n n n n n n
n
n n
n n
a
x a x a x a x a b
x
a
x a x a x a x a b
x
a
x a x a x a x a b
x
) (
) (
) (
) ( ) ( 1 1 3 3 2 2 1 1
22
2 4 24 3 23 1 21 2
2
11
1 4 14 3 13 2 12 1
1
L
M M
L
L

Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-40
OBS. 18: Para o sistema d x F x + ⋅ · , é necessário que ≠
ii
a 0, i ∀ . Caso isto não ocorra,
o sistema x A⋅ ·b deve ser reagrupado.
Assim, a fórmula recursiva d x F x + ⋅ · é dada na forma matricial por:
]
]
]
]
]
]
]
]

n
x
x
x
x
M
3
2
1
·
]
]
]
]
]
]
]
]
]
]
]
]
]

− − −
− − −
− − −
− − −
0
0
0
0
3 2 1
33
3
33
32
33
31
22
2
22
23
22
21
11
1
11
13
11
12
L
M M M M
L
L
L
nn
n
nn
n
nn
n
n
n
n
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a

]
]
]
]
]
]
]
]

n
x
x
x
x
M
3
2
1
+
]
]
]
]
]
]
]
]
]
]
]
]

nn
n
a
b
a
b
a
b
a
b
M
33
3
22
2
11
1

ou ainda
) ( 1 + k
x ·F ⋅
) ( k
x + d o que é equivalente a:
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
+ + + + −
·
+ + + + −
·
+ + + + −
·
− −
+
+
+
nn
k
n n n
k
n
k
n
k
n n
k
n
k
n n
k k k
k
k
n n
k k k
k
a
x a x a x a x a b
x
a
x a x a x a x a b
x
a
x a x a x a x a b
x
) (
) (
) (
) (
) ( ) (
) ( ) ( ) (
) (
) ( ) ( ) ( ) (
) (
) ( ) ( ) ( ) (
) (
1 1 3 3 2 2 1 1
1
22
2 4 24 3 23 1 21 2 1
2
11
1 4 14 3 13 2 12 1 1
1
L
M M
L
L

Exercício 59 Resolva o sistema a seguir, utilizando o método de Gauss-Jacobi, com
1
0
0
×
·
n
x
) (
e
2
10

· ε ·0,01.
x A⋅ ·b ⇒
¹
¹
¹
'
¹
· + +
− · + +
· + +
6 10 3 2
8 5
7 2 10
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x
⇒ x · F ⋅ x + d
Resolução:



F · e d ·




Neste caso a fórmula de recorrência fica:



) ( 1 + k
x · F ⋅
) ( k
x + d ⇒




Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-41
k
) ( k
x
1

) ( k
x
2

) ( k
x
3

) ( ) (
max
1
3 1

≤ ≤

k
i
k
i
i
x x
0 0 0 0 -
1
2
3
4
5
6
Com
) ( 0
x ·[ ]
T
0 0 0 e ε·0,01, o processo convergiu com ........... iterações para:

x ·
3.3.2.1 Critério das linhas
Uma condição suficiente (mas não necessária) para garantir a convergência do método
de Gauss-Jacobi aplicado ao sistema x A⋅ ·b , com ≠
ii
a 0, i ∀ , é
(Eq.16)
ii
n
i j
j
ij
a a <


·1
, · i 1, 2, 3, … , n .
Neste caso, a matriz dos coeficientes das incógnitas A é dita estritamente diagonal
dominante.
Exercício 60 Verificar se o critério das linhas é satisfeito no sistema de equações x A⋅ ·b ,
que segue: x A⋅ ·b ⇒
¹
¹
¹
'
¹
· + +
− · + +
· + +
6 10 3 2
8 5
7 2 10
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Resolução: · A
]
]
]
]
]

10 3 2
1 5 1
1 2 10

Logo, a matriz dos coeficientes A é estritamente diagonal dominante, o que garante a
convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de
equações e incógnitas.
Exercício 61 Verificar se o critério das linhas é satisfeito no sistema de equações x A⋅ ·b ,
que segue: x A⋅ ·b ⇒
¹
¹
¹
'
¹
− · +
· + +
− · + +
6 8 6
3 2 2 5
2 3
3 2
3 2 1
3 2 1
x x
x x x
x x x

Resolução: · A
]
]
]
]
]

8 6 0
2 2 5
1 3 1

Logo a matriz dos coeficientes A não é estritamente diagonal dominante. Isto significa
que não é garantida a convergência do método de Gauss-Jacobi aplicado a este sistema
com esta ordem de equações e incógnitas.
Mas permutando adequadamente as equações do sistema, obtém-se o sistema equivalente:
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-42





· A


Logo, esta nova matriz dos coeficientes A é estritamente diagonal dominante, o que
garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta nova
ordem de equações e incógnitas.
3.3.3 Método de Gauss-Seidel.
É semelhante ao método de Gauss-Jacobi, com a diferença de utilizar
) ( 1 + k
i
x , 1 i ≤ < p ,
para o cálculo de
) ( 1 + k
p
x . Desta forma, as equações recursivas ficam:
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
+ + + + −
·
+ + + + −
·
+ + + + −
·
+ + + + −
·
+
− −
+ + +
+
+ +
+
+
+
+
nn
k
n n n
k
n
k
n
k
n n
k
n
k
n n
k k k
k
k
n n
k k k
k
k
n n
k k k
k
a
x a x a x a x a b
x
a
x a x a x a x a b
x
a
x a x a x a x a b
x
a
x a x a x a x a b
x
) (
) (
) (
) (
) (
) ( ) (
) ( ) ( ) (
) (
) ( ) ( ) ( ) (
) (
) ( ) ( ) ( ) (
) (
) ( ) ( ) ( ) (
) (
1
1 1
1
3 3
1
2 2
1
1 1
1
33
3 4 34
1
2 32
1
1 31 3 1
3
22
2 4 24 3 23
1
1 21 2 1
2
11
1 4 14 3 13 2 12 1 1
1
L
M M
L
L
L

Exercício 62 Resolva o sistema a seguir, utilizando o método de Gauss-Seidel, com
1
0
0
×
·
n
x
) (
e
2
10

· ε ·0,01.
x A⋅ ·b ⇒
¹
¹
¹
'
¹
· + +
− · + +
· + +
6 10 3 2
8 5
7 2 10
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Resolução:
Neste caso a fórmula de recorrência fica:
¹
¹
¹
¹
¹
¹
¹
'
¹
·
·
·
+
+
+
) (
) (
) (
1
3
1
2
1
1
k
k
k
x
x
x







Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-43
k
) ( k
x
1

) ( k
x
2

) ( k
x
3

) ( ) (
max
1
3 1

≤ ≤

k
i
k
i
i
x x
0 0 0 0 -
1
2
3
4
Com
) ( 0
x ·[ ]
T
0 0 0 e ε·0,01, o processo convergiu com ......... iterações para:

x ·
3.3.4 Comparação entre os métodos
Exercício 63 Resolva o sistema x A⋅ ·b , utilizando o método de Gauss-Jacobi, com
1
0
0
×
·
n
x
) (
e ε·0,05.
x A⋅ ·b ⇒
¹
¹
¹
'
¹
· + +
· + +
· + +
0 6 3 3
6 4 3
5 5
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Resolução:


F · e d ·


Neste caso a fórmula de recorrência fica:
) ( 1 + k
x · F ⋅
) ( k
x + d ⇒
¹
¹
¹
¹
¹
¹
¹
'
¹
·
·
·
+
+
+
) (
) (
) (
1
3
1
2
1
1
k
k
k
x
x
x

k
) ( k
x
1

) ( k
x
2

) ( k
x
3

) ( ) (
max
1
3 1

≤ ≤

k
i
k
i
i
x x
0 0 0 0 -
1
2
3
4
5
6
7
8
9
10
11
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-44
Com
) ( 0
x ·[ ]
T
0 0 0 e ε·0,05, o processo convergiu com ......... iterações para:

x ·
Exercício 64 Resolva o sistema x A⋅ ·b , utilizando o método de Gauss-Seidel, com
1
0
0
×
·
n
x
) (
e ε·0,05.
x A⋅ ·b ⇒
¹
¹
¹
'
¹
· + +
· + +
· + +
0 6 3 3
6 4 3
5 5
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Resolução:
Neste caso a fórmula de recorrência fica:
¹
¹
¹
¹
¹
¹
¹
'
¹
·
·
·
+
+
+
) (
) (
) (
1
3
1
2
1
1
k
k
k
x
x
x

k
) ( k
x
1

) ( k
x
2

) ( k
x
3

) ( ) (
max
1
3 1

≤ ≤

k
i
k
i
i
x x
0 0 0 0 -
1
2
3
Com
) ( 0
x ·[ ]
T
0 0 0 e ε·0,05, o processo convergiu com ......... iterações para:
x ·
3.3.5 Critério de Sassenfeld
Uma condição suficiente para garantir a convergência do método de Gauss-Seidel
aplicado ao sistema x A⋅ ·b , com ≠
ii
a 0, i ∀ , é M <1, sendo
i
n i
M β ·
≤ ≤ 1
max , onde:

·
⋅ · β
n
j
j
a
a
2
1
11
1
1

]
]
]
]

+ β ⋅ ⋅ · β
∑ ∑
+ ·

·
n
i j
ij j
i
j
ij
ii
i
a a
a
1
1
1
1
, · i 2, 3, … , n .
OBS. 19: Se o critério das linhas é satisfeito, então o critério de Sassenfeld também será
satisfeito.
Exercício 65 Verificar se o critério de Sassenfeld é satisfeito no sistema de equações
x A⋅ ·b , que segue: x A⋅ ·b ⇒
¹
¹
¹
¹
¹
'
¹
− · + + +
· + + − −
− · − − +
· + − +
5 2 2 0 3 0 1 0
0 1 2 0 7 0 1 0
6 2 1 0 2 0 2 0
2 0 1 0 1 0 5 0
4 3 2 1
4 3 2 1
4 3 2 1
4 3 2 1
, , , ,
, , , ,
, , , ,
, , , ,
x x x x
x x x x
x x x x
x x x x

Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-45
Resolução: · A
]
]
]
]
]
]

− −
− −

1 2 0 3 0 1 0
2 0 1 7 0 1 0
1 0 2 0 1 2 0
1 0 1 0 5 0 1
, , ,
, , ,
, , ,
, , ,

· β
1
] [
14 13 12
11
1
a a a
a
+ + ⋅ ·
· β
2
] [
24 23 1 21
22
1
a a a
a
+ + β ⋅ ⋅ ·
· β
3
] [
34 2 32 1 31
33
1
a a a
a
+ β ⋅ + β ⋅ ⋅ ·
· β
4
] [
3 43 2 42 1 41
44
1
β ⋅ + β ⋅ + β ⋅ ⋅ a a a
a
·
Então,
i
i
M β ·
≤ ≤ 4 1
max ·max { ........ ; ........ ; ........ ; ........ } · .................... Logo o critério de
Sassenfeld está satisfeito, o que garante a convergência do método de Gauss-Seidel
aplicado a este sistema.
Exercício 66 Verificar se o critério de Sassenfeld é satisfeito no sistema de equações
x A⋅ ·b , que segue: x A⋅ ·b ⇒
¹
¹
¹
'
¹
· +
· + −
· + +
3 3
1
9 3 2
3 1
3 2
3 2 1
x x
x x
x x x

Resolução: Com esta disposição de linhas e colunas, tem-se que:
· β
1
] [
13 12
11
1
a a
a
+ ⋅ ·














· β
1
] [
13 12
11
1
a a
a
+ ⋅ ·
· β
2
] [
23 1 21
22
1
a a
a
+ β ⋅ ⋅ ·
· β
3
] [
2 32 1 31
33
1
β ⋅ + β ⋅ ⋅ a a
a
·
Cálculo Numérico Resolução de sistemas de equações lineares
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
3-46

Então,
i
i
M β ·
≤ ≤ 3 1
max ·

Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-47
4 Interpolação
4.1 Interpolação polinomial
Uma função f ( x ) pode ser conhecida por um conjunto finito e discreto de n +1
pontos.
y
x ( ) f
0
x
x ( ) P
x x x x x x
1 2 3 4 5
( , )
1
x y
1
( , )
0
x y
0
( , )
3
x y
3
( , )
2
x y
2
( , )
4
x y
4
( , )
5
x y
5

[Fig. 24]: Interpolação de f ( x ) pelo polinômio P ( x ).

i
x
i
y

0
x
0
y

1
x
1
y

2
x
2
y

3
x
3
y

4
x
4
y

5
x
5
y
Para se INTERPOLAR os n +1 pontos obtidos da tabela, é utilizado um polinômio
n
P ( x ) de tal forma que:
(Eq.17)
n
P (
i
x )· f (
i
x ) para i ·0, 1, …, n .
4.1.1 Existência e Unicidade do Polinômio Interpolador
P
n
(x)
Teorema 4 Existe um único polinômio
n
P ( x ), de grau ≤n , tal que:
n
P (
i
x )· f (
i
x ), com
i ·0,1,…, n , desde que
i
x ≠
j
x , i ≠ j .
Tome
n
P (
i
x )·

·
n
k
k
i k
x a
0
· f (
i
x ) para i ·0,1,…, n . Desenvolvendo o sistema
f (
i
x )·

·
n
k
k
i k
x a
0
( i ·0,1,…, n ), obtém-se:
¹
¹
¹
¹
¹
'
¹
· · + + + +
· · + + + +
· · + + + +
) ( ) (
) ( ) (
) ( ) (
n i x f x a x a x a a
i x f x a x a x a a
i x f x a x a x a a
n
n
n n n n
n
n
n
n
L
M M M M M
L
L
2
2 1 0
1 1
2
1 2 1 1 0
0 0
2
0 2 0 1 0
1
0

Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-48
Daí, retira-se a matriz dos coeficientes A para se calcular as incógnitas
0
a ,
1
a ,…,
n
a .

]
]
]
]
]
]
]

n
n n n
n
n
x x x
x x x
x x x
L
M M M M
L
L
2
1
2
1 1
0
2
0 0
1
1
1
.
A é uma matriz de VANDERMONDE e, sendo
i
x com i ·0,1,…, n , pontos distintos,
o A det ≠0. Assim o sistema admite solução única.
OBS. 20:
A det ·(
n
x −
1 − n
x )∗(
n
x −
2 − n
x )∗…∗(
n
x −
0
x )∗(
1 − n
x −
2 − n
x )∗(
1 − n
x −
3 − n
x )∗…∗(
1 − n
x −
0
x )
∗…∗
∗(
3
x −
2
x )∗(
3
x −
1
x )∗(
3
x −
0
x )∗(
2
x −
1
x )∗(
2
x −
0
x )∗(
1
x −
0
x ) ⇒ A det · ( )

>

j i
j i
x x .
ENTÃO: O polinômio
n
P ( x ) existe e é único.
4.1.2 Forma de Lagrange
Seja f uma função tabelada em (n +1) pontos distintos
0
x ,
1
x ,…,
n
x e seja
i
L ( x )
polinômios de Lagrange de grau n , onde
i
L é dado por:
i
L ( x )·


·


n
i j
j j i
j
x x
x x
0
) (
) (
de tal forma que
i
L (
k
x )·
¹
'
¹

·
k i
k i
se , 0
se , 1

Exercício 67 Determine
i
L (
k
x ) para i ·0,1,2, k ·0,1,2 e n ·2.
Resolução:
• i ·0 ⇒
0
L ( x )·
) )( (
) )( (
2 0 1 0
2 1
x x x x
x x x x
− −
− −

k ·0 ⇒
0
L (
0
x )·
..........
.
k ·1 ⇒
0
L (
1
x )·
..........
.
k ·2 ⇒
0
L (
2
x )·
..........
.
• i ·1 ⇒
1
L ( x )·
) )( (
) )( (
2 1 0 1
2 0
x x x x
x x x x
− −
− −

k ·0 ⇒
1
L (
0
x )·
..........
.
k ·1 ⇒
1
L (
1
x )·
..........
.
k ·2 ⇒
1
L (
2
x )·
..........
.
• i ·2 ⇒
2
L ( x )·
) )( (
) )( (
1 2 0 2
1 0
x x x x
x x x x
− −
− −

k ·0 ⇒
2
L (
0
x )·
..........
.
k ·1 ⇒
2
L (
1
x )·
..........
.
k ·2 ⇒
2
L (
2
x )·
..........
.
Para x ·
k
x , com k ·0,1,2,…, n , temos:
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-49
n
P (
k
x )·

·
n
i
k i i
x L y
0
) (
⇒ i ≠k ⇒
3 2 1
0 ·
) (
k i i
x L y ·0
⇒ i ·k ⇒
3 2 1
1 ·
) (
i i i
x L y ·
i
y
A forma de Lagrange para o polinômio interpolador é:
(Eq.18)
n
P ( x )·

·
n
i
i i
x L y
0
) ( ou
n
P ( x )·

·
n
i
i
y
0


·


n
i j
j j i
j
x x
x x
0
) (
) (

Exercício 68 Interpolar o ponto x ·1,5 na tabela abaixo, empregando o polinômio
interpolador de Lagrange.
i 0 1 2 3
i
x −1 0 1 2
i
y 1 3 1 1
Resolução: n ·3 é o grau máximo de
3
P ( x ).
3
P ( x )·

·
3
0 i
i i
x L y ) ( ⇒
3
P ( x )·
..........

0
L ( x )+
..........

1
L ( x )+
..........

2
L ( x )+
..........

3
L ( x )
i
L ( x )·


·


3
0
i j
j j i
j
x x
x x
) (
) (

0
L ( x )·
) )( )( (
) )( )( (
3 0 2 0 1 0
3 2 1
x x x x x x
x x x x x x
− − −
− − −
·
1
L ( x )·
) )( )( (
) )( )( (
3 1 2 1 0 1
3 2 0
x x x x x x
x x x x x x
− − −
− − −
·
2
L ( x )·
) )( )( (
) )( )( (
3 2 1 2 0 2
3 1 0
x x x x x x
x x x x x x
− − −
− − −
·
3
L ( x )·
) )( )( (
) )( )( (
2 3 1 3 0 3
2 1 0
x x x x x x
x x x x x x
− − −
− − −
·

Logo:
3
P ( x )·


3
P ( x )·

3
P (1,5)·
3
P (
2
3


3
P (1,5)·

3
P (1,5)·
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-50
y
x
x ( ) P
1
3
-1 2
2
1
3
3
2
3
8
0

[Fig. 25]: Interpolação por Lagrange.
4.1.3 Forma de Newton
A forma de Newton para o polinômio
n
P ( x ) que interpola f ( x ) em
0
x ,
1
x ,…,
n
x ,
( n +1) pontos distintos é a seguinte:
(Eq.19)
n
P ( x )· f [
0
x ]+( x −
0
x )⋅ f [
0
x ,
1
x ]+( x −
0
x )⋅( x −
1
x )⋅ f [
0
x ,
1
x ,
2
x ]+…
…+( x −
0
x )⋅( x −
1
x )⋅…⋅( x −
1 − n
x )⋅ f [
0
x ,
1
x ,…,
n
x ].
Onde
ORDEM

f [
0
x ]· f (
0
x )·
0
y 0

f [
0
x ,
1
x ]·
0 1
0 1
x x
x f x f

− ] [ ] [
·
0 1
0 1
x x
x f x f

− ) ( ) (
·
0 1
0 1
x x
y y



1

f [
0
x ,
1
x ,
2
x ]·
0 2
1 0 2 1
x x
x x f x x f

− ] , [ ] , [

2

f [
0
x ,
1
x ,
2
x ,
3
x ]·
0 3
2 1 0 3 2 1
x x
x x x f x x x f

− ] , , [ ] , , [

3

M M

f [
0
x ,
1
x ,…,
n
x ]·
0
1 1 0 2 1
x x
x x x f x x x f
n
n n



] , , , [ ] , , , [ L L

n
f [
0
x ,
1
x ,…,
n
x ] é a DIFERENÇA DIVIDIDA de ordem n da função f ( x ) sobre os n +1
pontos
0
x ,
1
x ,…,
n
x .
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-51
4.1.3.1 Tabela Prática (DIFERENÇAS DIVIDIDAS)
x ordem 0 ordem 1 ordem 2 ordem 3 … ordem n
0
x f [
0
x ]
f [
0
x ,
1
x ]
1
x f [
1
x ]
f [
0
x ,
1
x ,
2
x ]

f [
1
x ,
2
x ]
f [
0
x ,
1
x ,
2
x ,
3
x ]
2
x f [
2
x ]
f [
1
x ,
2
x ,
3
x ]
O
f [
2
x ,
3
x ] f [
1
x ,
2
x ,
3
x ,
4
x ]
3
x f [
3
x ] f [
2
x ,
3
x ,
4
x ]
O
f [
3
x ,
4
x ] M
f [
0
x ,…,
n
x ]
4
x f [
4
x ] M N
M f [
3 − n
x ,
2 − n
x ,
1 − n
x ,
n
x ]
M M f [
2 − n
x ,
1 − n
x ,
n
x ]
f [
1 − n
x ,
n
x ]
n
x f [
n
x ]
Exercício 69 Interpolar o ponto x ·1,5 na tabela abaixo, empregando a forma de Newton.
i 0 1 2 3
i
x −1 0 1 2
i
y 1 3 1 1
Resolução: n ·3 é o grau máximo de
3
P ( x ). Tabela de diferenças divididas:
x ordem 0 ordem 1 ordem 2 ordem 3
−1









0

















1

















2
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-52

3
P ( x )· f [
0
x ]+( x −
0
x )⋅ f [
0
x ,
1
x ]+( x −
0
x )⋅( x −
1
x )⋅ f [
0
x ,
1
x ,
2
x ]+
+( x −
0
x )⋅( x −
1
x )⋅( x −
2
x )⋅ f [
0
x ,
1
x ,
2
x ,
3
x ]
3
P ( x )·
3
P ( x )·
3
P ( x )·
4.2 Estudo de erro na interpolação
Sejam
0
x <
1
x <
2
x <…<
n
x , (n +1) pontos. Seja f ( x ) com derivadas até ordem ( n +1)
para x pertencente ao intervalo [
0
x ,
n
x ].
Seja
n
P ( x ) o polinômio interpolador de f ( x ) nos pontos
0
x ,
1
x ,
2
x ,…,
n
x .
Então, em qualquer ponto x pertencente ao intervalo [
0
x ,
n
x ], o erro é dado por:
n
E ( x )· f ( x )−
n
P ( x )
(Eq.20)
n
E ( x )·( x −
0
x )⋅( x −
1
x )⋅…⋅( x −
n
x )⋅
)! (
) (
) (
1
1
+
ξ
+
n
f
x
n

onde
x
ξ ∈(
0
x ,
n
x ).
Esta fórmula tem uso limitado, pois são raras as situações em que
) ( 1 + n
f ( x ) é
conhecida e o ponto
x
ξ nunca é conhecido.
4.2.1 Estimativa para o Erro
Utilizando a (Eq.20), sendo
) ( 1 + n
f ( x ) contínua em I ·[
0
x ,
n
x ], pode-se escrever:
|
n
E ( x )|·| f ( x )−
n
P ( x )|
|
n
E ( x )|≤

·

n
i
i
x x
0
) ( ⋅
)! ( 1
1
+
+
n
M
n
, onde
1 + n
M · ) ( max
) (
x f
n
I x
1 +

.
Ao se construir a tabela de diferenças divididas até ordem n +1, pode-se usar o maior
valor em módulo desta ordem como aproximação para
)! ( 1
1
+
+
n
M
n
no intervalo I ·[
0
x ,
n
x ].
Então:
(Eq.21) |
n
E ( x )|≈

·

n
i
i
x x
0
) ( ⋅ ( ) Dd max
sendo Dd os valores da tabela de diferenças divididas de ordem ( n +1).
Exercício 70 Seja f ( x ) dada em forma de tabela de valores, como segue:
x 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 polinômio de grau 2;
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-53
b) Dar uma estimativa para o erro.
Resolução: Tabela de diferenças divididas:
x ordem 0 ordem 1 ordem 2 ordem 3
0,2

0,34

0,4

0,52

0,6

0,72
Deve-se escolher 3 pontos próximos de 0,47 para a obtenção de
2
P ( x ).
2
P ( x )· f [
0
x ]+( x −
0
x )⋅ f [
0
x ,
1
x ]+( x −
0
x )⋅( x −
1
x )⋅ f [
0
x ,
1
x ,
2
x ]
2
P ( x )·
2
P ( x )·
a)
2
P (0,47)·
.......... ..........
≈ f (0,47)
b) |
n
E (0,47)|≈

|
n
E (0,47)|≈
..........

Exercício 71 Prove a igualdade seguinte.
1
P ( x )· f (
0
x )⋅
1 0
1
x x
x x


+ f (
1
x )⋅
0 1
0
x x
x x


· f [
0
x ]+( x −
0
x )⋅ f [
0
x ,
1
x ]
Resolução:
x ordem 0 ordem 1
0
x f [
0
x ]·
..........






f [
0
x ,
1
x ]·

..........


1
x f [
1
x ]·
..........



1
P ( x )· f [
0
x ]+( x −
0
x )⋅ f [
0
x ,
1
x ]
1
P ( x )·

1
P ( x )·


1
P ( x )·


1
P ( x )·
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-54


1
P ( x )·


1
P ( x )·


1
P ( x )·


1
P ( x )· f (
0
x )⋅
1 0
1
x x
x x


+ f (
1
x )⋅
0 1
0
x x
x x



4.3 Interpolação inversa: casos existentes
O problema da interpolação inversa consiste em: dado y ∈( f (
0
x ), f (
n
x )), obter x ,
tal que f ( x )· y .
São duas, as formas de se obter x . A primeira é encontrar x tal que
n
P ( x )· y ; A
segunda é fazer a própria interpolação inversa, utilizando para isso, os valores de y .
4.3.1 Encontrar x tal que
n
P ) ( x
Obter
n
P ( x ) que interpola f ( x ) em
0
x ,
1
x ,
2
x ,…,
n
x e em seguida encontrar x , tal
que f ( x )· y .
OBS. 21: x obtido desta forma não permite se estimar o erro.
Exercício 72 Encontre x tal que f ( x )·2 pela tabela abaixo:
x 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
Resolução:
Fazendo interpolação linear por
0
x ·0,6 e
1
x ·0,7:
1
P ( x )· f (
0
x )⋅
1 0
1
x x
x x


+ f (
1
x )⋅
0 1
0
x x
x x




1
P ( x )·
1
P ( x )·
1
P ( x )·
1
P ( x )·2

x ·
.......... .......... ..........
.
4.3.2 Interpolação inversa
Se f ( x ) for inversível num intervalo contendo y , então x ·
1 −
f ( y )· g ( y ).
Condição para a inversão de f ( x ): f é contínua e monótona crescente (decrescente)
num intervalo [ a , b ].
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-55
Dado f ( x ) contínua em (
0
x ,
n
x ), então f ( x ) será admitida monótona crescente se
f (
0
x ) < f (
1
x ) < … < f (
n
x ) e monótona decrescente se f (
0
x ) > f (
1
x ) > … > f (
n
x ).
Respeitadas as condições dadas acima, será obtido o polinômio
n
P ( y ) que interpola
g ( y )·
1 −
f ( y ) sobre [
0
y ,
n
y ].
Exercício 73 Considere a tabela a seguir:
x 0 0,1 0,2 0,3 0,4 0,5
y ·
x
e 1 1,1052 1,2214 1,3499 1,4918 1,6487
Obter x , tal que
x
e ·1,3165, usando um processo de interpolação quadrática. Usar a forma de
Newton para obter
2
P ( y ). Construir a tabela de diferenças divididas.
Resolução:
y
ordem 0 ordem 1 ordem 2 ordem 3
1

1,1052

1,2214

1,3499

1,4918

1,6487
2
P ( y )· g [
0
y ]+( y −
0
y )⋅ g [
0
y ,
1
y ]+( y −
0
y )⋅( y −
1
y )⋅ g [
0
y ,
1
y ,
2
y ]
2
P ( y )·
2
P (1,3165)·

Assim,
......... .......... ..........
e ≈1,3165 Na calculadora · 1,316359.
Erro cometido:
|
2
E ( y )| ≤ |( y −
0
y )⋅( y −
1
y )⋅( y −
2
y )|⋅
! 3
3
M

|
2
E (1,3165)| ≤
|
2
E (1,3165)| ≤ ⇒
3
M · ) ( ' ' ' max y g , y ∈[
0
y ,
2
y ].
1
o
Caso:
! 3
3
M
pode ser aproximado por
..........
(tabela de diferenças divididas de ordem 3).
|
2
E (1,3165)| ≈
.......... .......... .......... ..........
⇒ |
2
E ( y )| ≈
.......... .......... ..........
.
2
o
Caso: f ( x )·
x
e ⇒ g ( y )·
1 −
f ( y )· y ln

Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-56


Logo:
3
M ·

|
2
E (1,3165)| ≤
4.4 Funções spline em interpolação
Considere f ( x )·
2
25 1
1
x +
tabelada no intervalo [−1,1] nos pontos
i
x ·−1+
n
i 2
, com
i ·0,1,…, n .
No gráfico abaixo, pode ser observada a função f ( x ) e o polinômio
10
P ( x ) que
interpola o conjunto discreto de pontos para n ·10.
x −1,0 −0,8 −0,6 −0,4 −0,2 0 0,2 0,4 0,6 0,8 1,0
f ( x ) 0,038 0,059 0,1 0,2 0,5 1,0 0,5 0,2 0,1 0,059 0,038
y
x
x ( ) P
1
10
-1
1
0 1
2
-
1
2
1
2
3
2
x ( ) f

[Fig. 26]: Gráfico do polinômio ) ( x P
10
interpolando ) ( x f .
Em certos casos, a aproximação por
n
P ( x ) pode ser desastrosa. Uma alternativa é
interpolar f ( x ) em grupos de poucos pontos, obtendo-se polinômios de graus menores, e
impor condições para que a função de aproximação seja contínua e tenha derivadas contínuas
até uma certa ordem.
4.4.1 Função Spline
Considere a função f ( x ) tabelada nos pontos
0
x <
1
x <
2
x <…<
n
x .
Uma função
p
S ( x ) é denominada SPLINE DE GRAU p com nós nos pontos
i
x ,
com i ·0,1,…, n , se satisfaz as 3 seguintes condições:
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-57
1) Em cada subintervalo [
i
x ,
1 + i
x ], com i ·0,1,…,( n −1),
p
S ( x ) é um polinômio de grau p
representado por
i
s ( x ).
2)
p
S ( x ) é contínua e tem derivada contínua até ordem ( p −1) em [ a , b ].
3)
p
S (
i
x )· f (
i
x ), com i ·0,1,…, n .
Nestes termos,
p
S ( x ) é denominada SPLINE INTERPOLANTE.
4.4.2 Spline linear interpolante
É representada por
1
S ( x ) .
1
S ( x ) pode ser escrita em cada subintervalo [
1 − i
x ,
i
x ], com i ·1,2,…, n como:
(Eq.22)
i
s ( x )· f (
1 − i
x )
1 −


i i
i
x x
x x
+ f (
i
x )
1
1




i i
i
x x
x x
, x ∀ ∈[
1 − i
x ,
i
x ].
1
S ( x ) definida dessa forma satisfaz as condições 1) , 2) e 3) .
Exercício 74 Achar a função spline linear que interpola a função f ( x ) tabelada a seguir.

0
x
1
x
2
x
3
x
x 1 2 5 7
y · f ( x ) 1 2 3 2,5
y
x
x ( ) s
1
1
1
0
x ( ) f
2 3 4 5 6 7
3
2
2,5
x ( ) s
2
x ( ) s
3

[Fig. 27]: Spline linear interpolando 4 pontos.
Resolução: Pela definição, pode-se definir 3 splines lineares para os 4 pontos:
1
s ( x ),
2
s ( x ) e
3
s ( x ).
1
s ( x )·
0
y
0 1
1
x x
x x


+
1
y
0 1
0
x x
x x




1
s ( x )· ⇒
1
s ( x )·
..........
, x ∈[
..........
,
..........
].
2
s ( x )·
1
y
1 2
2
x x
x x


+
2
y
1 2
1
x x
x x




2
s ( x )· ⇒
2
s ( x )·
.......... .......... ..........
, x ∈[
..........
,
..........
].
3
s ( x )·
2
y
2 3
3
x x
x x


+
3
y
2 3
2
x x
x x



Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-58

3
s ( x )· ⇒
3
s ( x )·
.......... .......... ..........
, x ∈[
..........
,
..........
].
Então, no intervalo [ a , b ]·[1,7], a spline linear
1
S ( x ) é dada por:


1
S ( x )·


4.4.3 Spline cúbica interpolante
É representada por
3
S ( x ) .
A spline linear tem derivada primeira descontínua nos nós. A spline quadrática
2
S ( x )
tem derivadas contínuas até ordem 1, portanto, pode ter picos ou troca abrupta de curvatura
nos nós.
A spline cúbica
3
S ( x ) é mais utilizada por ter derivadas primeira e segunda contínuas,
que faz
3
S ( x ) ser mais suave nos nós.

Suponha f ( x ) dada por
i
x , com i ·0,1,…, n .
Tome
3
S ( x ) como spline cúbica de f ( x ) nos nós
i
x , caso existam n polinômios de
grau 3 definidos em cada subintervalo k por
k
s ( x ), com k ·1,2,…, n . Então a spline cúbica
3
S ( x ) deve satisfazer as 5 igualdades seguintes:
1)
3
S ( x )·
k
s ( x ) para x ∈[
1 − k
x ,
k
x ], k ·1,2,…, n .
2)
3
S (
i
x )· f (
i
x ), com i ·0,1,…, n .
3)
k
s (
k
x )·
1 + k
s (
k
x ), k ·1,2,…,( n −1).
4)
,
k
s (
k
x )·
,
1 + k
s (
k
x ), k ·1,2,…,( n −1).
5)
, ,
k
s (
k
x )·
, ,
1 + k
s (
k
x ), k ·1,2,…,( n −1).
Em cada intervalo [
1 − k
x ,
k
x ],
k
s ( x ) será dada por:
(Eq.23)
k
s ( x )·
k
a ( x −
k
x )
3
+
k
b ( x −
k
x )
2
+
k
c ( x −
k
x )+
k
d , com k ·1,2,…, n .
São 4 coeficientes para cada k à serem determinados.
Tome a notação
k
h ·
k
x −
1 − k
x , para x ·
1 − k
x .
Condição 1) : é satisfeita pela definição de
k
s ( x ).
Para a condição 2) , tem-se as equações:
(Eq.24)
k
d · f (
k
x )·
k
s (
k
x ), k ·1,2,…, n .
(Eq.25)
1
s (
0
x )· f (
0
x ) ⇒ −
1
a
3
1
h +
1
b
2
1
h −
1
c
1
h +
1
d · f (
0
x ), k ·1.
Condição 3) para k ·1,2,…,( n −1).
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-59
1 + k
s (
k
x )· f (
k
x )
(Eq.26) −
1 + k
a
3
1 + k
h +
1 + k
b
2
1 + k
h −
1 + k
c
1 + k
h +
1 + k
d · f (
k
x ).
Para as condições 4) e 5) , tome as derivadas:
(Eq.27)
,
k
s ( x )·3
k
a ( x −
k
x )
2
+2
k
b ( x −
k
x )+
k
c .
(Eq.28)
, ,
k
s ( x )·6
k
a ( x −
k
x )+2
k
b .
Para x ·
k
x ⇒
, ,
k
s (
k
x )·2
k
b . Assim, o coeficiente
k
b é dado por:
(Eq.29)
k
b ·
2
) (
, ,
k k
x s
.
Para x ·
1 − k
x ⇒
, ,
k
s (
1 − k
x )·−6
k
a
k
h +2
k
b .
k
a ·
k
k k k
h
x s b
6
2
1
) (
, ,


·
k
k k k k
h
x s x s
6
1
) ( ) (
, , , ,


.
Impondo a condição 5) ,
, ,
k
s (
1 − k
x )·
, ,
1 − k
s (
1 − k
x ), obtém-se:
(Eq.30)
k
a ·
k
k k k k
h
x s x s
6
1 1
) ( ) (
, , , ,
− −

, com
, ,
0
s (
0
x ) arbitrária.
Na obtenção de
k
c , utilizam- se as equações (Eq.25) e (Eq.26):
k
c ·
k
k k k k k k
h
d h b h a x f + + − −

2 3
1
) (
,
k
d · f (
k
x )
k
c ·
k
k k
h
x f x f ) ( ) (
1 −

−(
k
a
2
k
h −
k
b
k
h ), substituindo
k
a e
k
b obtém-se:
k
c ·
k
k k
h
x f x f ) ( ) (
1 −

.
|
6
1 1
) ( ) (
, , , ,
− −

k k k k
x s x s
k
h −
2
) (
, ,
k k
x s
k
h

,
`

Daí,
k
c pode ser dado por:
(Eq.31)
k
c ·
k
k k
h
x f x f ) ( ) (
1 −

+
6
2
1 1 k k k k k k
h x s h x s ⋅ + ⋅
− −
) ( ) (
, , , ,
.
Na obtenção dos coeficientes, tome
k
y · f (
k
x ) e
k
g ·
, ,
k
s (
k
x ).
(Eq.32)
k
a ·
k
k k
h
g g
6
1 −


(Eq.33)
k
b ·
2
k
g

(Eq.34)
k
c ·
k
k k
h
y y
1 −

+
6
2
1 k k k k
h g g h

+

(Eq.35)
k
d ·
k
y .
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-60
Impondo a última condição 4) ,
,
k
s (
k
x )·
,
1 + k
s (
k
x ), com k ·1,2,…,( n −1), conclui-se
que:
Para x ·
k
x ⇒
,
k
s (
k
x )·
k
c , então:
k
c ·3
1 + k
a
2
1 + k
h −2
1 + k
b
1 + k
h +
1 + k
c

1 + k
c ·
k
c −3
1 + k
a
2
1 + k
h +2
1 + k
b
1 + k
h .
Fazendo-se algumas substituições, através das equações (Eq.32), (Eq.33) e (Eq.34):
1
1
+
+

k
k k
h
y y
+
6
2
1 1 1 + + +
+
k k k k
h g g h
·
k
k k
h
y y
1 −

+
6
2
1 k k k k
h g g h

+
−3
6
1 k k
g g −
+
1 + k
h +2
2
1 1 + + k k
h g

Daí, chega-se a (Eq.36):
(Eq.36)
1 − k k
g h +2(
k
h +
1 + k
h )
k
g +
1 1 + + k k
g h ·6

.
|

+
+
1
1
k
k k
h
y y

,
`


k
k k
h
y y
1
, com k ·1,2,…,( n −1).
A equação (Eq.36) é um sistema de equações lineares A g ·b , onde k ·1,2,…,( n −1).
A ordem do sistema é:
) ( ) ( 1 1 + × − n n
A ,
1 1 × + ) (n
g e
1 1 × − ) ( n
b .
Pela variação de k , o sistema A g ·b é indeterminado. Para se resolver o sistema, de
forma única, é necessário impor mais duas condições, apresentadas nas três alternativas a
seguir.
(1
a
) Spline Natural ⇒ nos extremos,
3
S (
0
x ) é aproximadamente linear.
"
3
S (
0
x )·
0
g ·0
"
3
S (
n
x )·
n
g ·0
(2
a
) Nos extremos,
3
S ( x ) é aproximadamente parábola.
0
g ·
1
g
n
g ·
1 − n
g
(3
a
) Nos extremos, é dada uma inclinação
0
I e
n
I para
3
S ( x ).
'
3
S (
0
x )·
0
I ⇒
,
1
s (
0
x )·
0
I ⇒ 3
1
a
2
1
h −2
1
b
1
h +
1
c ·
0
I
'
3
S (
n
x )·
n
I ⇒
,
n
s (
n
x )·
n
I ⇒
n
c ·
n
I .
Nas alternativas (1
a
) e (2
a
), são eliminadas duas variáveis,
0
g e
n
g . Assim A g ·b é
SPD, sendo que, o sistema é dado na ordem:
) ( ) ( 1 1 − × − n n
A ,
1 1 × − ) (n
g e
1 1 × − ) ( n
b .
Na alternativa (3
a
), são acrescentadas duas equações. Assim A g ·b é SPD, sendo
que, o sistema é dado na ordem:
) ( ) ( 1 1 + × + n n
A ,
1 1 × + ) (n
g e
1 1 × + ) (n
b .
Exercício 75 Encontrar uma aproximação para f (0,25) por spline cúbica natural,
interpolando a tabela:

0
x
1
x
2
x
3
x
4
x
x 0 0,5 1,0 1,5 2,0
y · f ( x ) 3 1,8616 −0,5571 −4,1987 −9,0536
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-61
Resolução: n ·4, logo, procura-se
1
s ( x ),
2
s ( x ),
3
s ( x ) e
4
s ( x ).
Spline Natural ⇒ k ·1,2,…,( n −1) ⇒ k ·1,2,3 ⇒ Utilizando a (Eq.36), segue que:
(Eq.36) ⇒
1 − k k
g h +2(
k
h +
1 + k
h )
k
g +
1 1 + + k k
g h ·6

.
|

+
+
1
1
k
k k
h
y y

,
`


k
k k
h
y y
1





Desenvolvendo o sistema A g ·b :
¹
¹
¹
¹
¹
¹
¹
'
¹
· + +
· + +
· + +
..........
.......... .......... ..........
..........
.......... .......... ..........
..........
.......... .......... ..........
4 3 2
3 2 1
2 1 0
g g g
g g g
g g g

0
g ·
4
g ·
..........
(Spline Natural).
Então,
A g ·b ⇒
]
]
]
]
]

.......... .......... ..........
.......... .......... ..........
.......... .......... ..........

]
]
]
]
]

3
2
1
g
g
g
·
..........

]
]
]
]
]

..........
..........
..........
.
Substituindo os valores:
]
]
]
]
]

.......... .......... ..........
.......... .......... ..........
.......... .......... ..........

]
]
]
]
]

3
2
1
g
g
g
·
]
]
]
]
]

..........
..........
..........
⇒ g ·
]
]
]
]
]

..........
..........
..........
.
Forma geral de
i
s ( x ) ⇒
i
s ( x )·
i
a ( x −
i
x )
3
+
i
b ( x −
i
x )
2
+
i
c ( x −
i
x )+
i
d , com i ·1,2,3,4.
f (0,25) ≈
1
s (0,25)
1
a ·
h
g g
6
0 1

·
..........

1
a ·
..........

1
b ·
2
1
g
·
..........

1
b ·
..........

1
c ·
h
y y
0 1

+
6
2
0 1
h g hg +
·
..........

1
c ·
..........

1
d ·
1
y ·
..........

1
d ·
..........

Logo,
1
s (0,25)·
..........


1
s (0,25)·
.......... ..........
≈ f (0,25) .
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-62
Considerando os próximos 5 exercícios, encontrar uma aproximação para f ( x ) por
spline cúbica natural, interpolando a tabela:

0
x
1
x
2
x
3
x
4
x
x 0 0,5 1,0 1,5 2,0
y · f ( x ) 3 1,8616 −0,5571 −4,1987 −9,0536
n ·4, logo, procura-se
1
s ( x ),
2
s ( x ),
3
s ( x ) e
4
s ( x ).
Do exercício anterior, a forma geral de
i
s ( x ) é dada por:
i
s ( x )·
i
a ( x −
i
x )
3
+
i
b ( x −
i
x )
2
+
i
c ( x −
i
x )+
i
d , com i ·1,2,3,4.
Exercício 76 f (0,8).
Resolução:
f (0,8) ≈
2
s (0,8)
2
a ·
h
g g
6
1 2

·
..........

2
a ·
..........

2
b ·
2
2
g
·
..........

2
b ·
..........

2
c ·
h
y y
1 2

+
6
2
1 2
h g hg +
·
..........

2
c ·
..........

2
d ·
2
y ·
..........

2
d ·
..........


Logo,
2
s (0,8)·
..........


2
s (0,8)·
.......... ..........
≈ f (0,8) .
Exercício 77 f (1,1).
Resolução:
f (1,1) ≈
3
s (1,1)
3
a ·
h
g g
6
2 3

·
..........

3
a ·
..........

3
b ·
2
3
g
·
..........

3
b ·
..........

3
c ·
h
y y
2 3

+
6
2
2 3
h g hg +
·
..........

3
c ·
..........

3
d ·
3
y ·
..........

3
d ·
..........

Logo,
3
s (1,1)·−0,7137(−0,4)
3
−3,1260(−0,4)
2
−8,6678(−0,4)−4,1987

3
s (1,1)·
.......... ..........
≈ f (1,1) .
Cálculo Numérico Interpolação
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
4-63
Exercício 78 f (1,2).
Resolução:
f (1,2) ≈
3
s (1,2)
3
a ·
h
g g
6
2 3

·
..........

3
a ·
..........

3
b ·
2
3
g
·
..........

3
b ·
..........

3
c ·
h
y y
2 3

+
6
2
2 3
h g hg +
·
..........

3
c ·
..........

3
d ·
3
y ·
..........

3
d ·
..........

Logo,
3
s (1,2)·
..........


3
s (1,2)·
.......... ..........
≈ f (1,2) .
Exercício 79 f (1,3).
Resolução:
f (1,3) ≈
3
s (1,3)
3
a ·
h
g g
6
2 3

·
..........

3
a ·
..........

3
b ·
2
3
g
·
..........

3
b ·
..........

3
c ·
h
y y
2 3

+
6
2
2 3
h g hg +
·
..........

3
c ·
..........

3
d ·
3
y ·
..........

3
d ·
..........

Logo,
3
s (1,3)·
..........


3
s (1,3)·
.......... ..........
≈ f (1,3) .
Exercício 80 f (1,7).
Resolução:
f (1,7) ≈
4
s (1,7)
4
a ·
h
g g
6
3 4

·
..........

4
a ·
..........

4
b ·
2
4
g
·
..........

4
b ·
..........

4
c ·
h
y y
3 4

+
6
2
3 4
h g hg +
·
..........

4
c ·
..........

4
d ·
4
y ·
..........

4
d ·
..........

Logo,
4
s (1,7)·
..........


4
s (1,7)·
.......... ..........
≈ f (1,7) .
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-64
5 Ajuste de curvas pelo método dos
mínimos quadrados
5.1 Introdução
Uma forma de se trabalhar com uma função definida por uma tabela de valores é a
interpolacão. Contudo, a interpolação pode não ser aconselhável quando:
É preciso obter um valor aproximado da função em algum ponto fora do intervalo de
tabelamento (extrapolação).
Os valores tabelados são resultado de experimentos físicos, pois estes valores poderão conter
erros inerentes que, em geral, não são previsíveis.
Surge então a necessidade de se ajustar a estas funções tabeladas uma função que seja
uma “boa aproximação” para as mesmas e que nos permita “extrapolar” com certa margem de
segurança.
Assim, o objetivo deste processo é aproximar uma função f por outra função g ,
escolhida de uma família de funções em duas situações distintas:
Domínio discreto: quando a função f é dada por uma tabela de valores.
y
x

[Fig. 28]: Domínio discreto
Domínio contínuo: quando a função f é dada por sua forma analítica.
y
x
y
=
f x ( )
a
b

[Fig. 29]: Domínio contínuo
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-65
5.2 Caso Discreto
O problema do ajuste de curvas no caso em que se tem uma tabela de pontos:
1
x
2
x
3
x …
m
x
f (
1
x ) f (
2
x ) f (
3
x ) … f (
m
x )
com
1
x ,
2
x ,
3
x , … ,
m
x ∈[ a , b ], consiste em: “escolhidas” n funções contínuas
1
g ( x ),
2
g ( x ),
3
g ( x ), … ,
n
g ( x ), contínuas em [a , b ], obter n constantes
1
α ,
2
α ,
3
α , … ,
n
α
tais que a função g ( x )·
1
α
1
g ( x )+
2
α
2
g ( x )+
3
α
3
g ( x )+ … +
n
α
n
g ( x ) se aproxime ao
máximo de f ( x ).
Este modelo matemático é linear pois os coeficientes que devem ser determinados
1
α ,
2
α ,
3
α , … ,
n
α aparecem linearmente, embora as funções
1
g ( x ),
2
g ( x ),
3
g ( x ), …
,
n
g ( x ) possam ser não lineares.
Surge então a primeira pergunta: Como escolher as funções contínuas
1
g ( x ),
2
g ( x ),
3
g ( x ), … ,
n
g ( x ) ?
Esta escolha pode ser feita observando o gráfico dos pontos tabelados (diagrama de
dispersão) ou baseando-se em fundamentos teóricos do experimento que forneceu a tabela.
Seja
k
d · f (
k
x )− g (
k
x ) o desvio em
k
x .
O método dos mínimos quadrados consiste em escolher os coeficientes
1
α ,
2
α ,
3
α ,
… ,
n
α de tal forma que a soma dos quadrados dos desvios seja mínima, isto é:

·
m
k
k
d
1
2
·

·

m
k
k k
x g x f
1
2
)] ( ) ( [ deve ser mínimo.
Assim, os coeficientes
1
α ,
2
α ,
3
α , … ,
n
α que fazem com que g ( x ) se aproxime ao
máximo de f ( x ), são os que minimizam a função:
F (
1
α ,
2
α ,
3
α ,…,
n
α )·

·

m
k
k k
x g x f
1
2
)] ( ) ( [ =

·
α − − α − α − α −
m
k
k n n k k k k
x g x g x g x g x f
1
2
3 3 2 2 1 1
)] ( ) ( ) ( ) ( ) ( [ L .
f
y
x
x g( )
x
k
k
d
k
x
( )
k
g

[Fig. 30]: O método do mínimos quadrados
Para isto é necessário que:
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-66
) , , , , (
n
j
F
α α α α
α ∂

L
3 2 1
·0, j ·1, 2, 3, …, n , isto é:
) , , , , (
n
j
F
α α α α
α ∂

L
3 2 1
·


·
− ⋅ α − − α − α −
m
k
k j k n n k k k
x g x g x g x g x f
1
2 2 1 1
)] ( [ )] ( ) ( ) ( ) ( [ L ·0, j ·1, 2, 3, …, n
ou

·
⋅ α − − α − α −
m
k
k j k n n k k k
x g x g x g x g x f
1
2 2 1 1
)] ( [ )] ( ) ( ) ( ) ( [ L ·0,
j ·1, 2, 3, …, n
Assim, tem-se o seguinte sistema de n equações lineares com n incógnitas
1
α ,
2
α ,
3
α , … ,
n
α :
(Eq.37)
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
· ⋅ α − − α − α −
· ⋅ α − − α − α −
· ⋅ α − − α − α −



·
·
·
0

0
0
1
2 2 1 1
1
2 2 2 1 1
1
1 2 2 1 1
m
k
k n k n n k k k
m
k
k k n n k k k
m
k
k k n n k k k
x g x g x g x g x f
x g x g x g x g x f
x g x g x g x g x f
)] ( [ )] ( ) ( ) ( ) ( [
)] ( [ )] ( ) ( ) ( ) ( [
)] ( [ )] ( ) ( ) ( ) ( [
L
M M
L
L

Que é equivalente a:
(Eq.38)
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
¹
'
¹
⋅ · α ⋅
]
]
]

⋅ + + α ⋅
]
]
]


⋅ · α ⋅
]
]
]

⋅ + + α ⋅
]
]
]


⋅ · α ⋅
]
]
]

⋅ + + α ⋅
]
]
]


∑ ∑ ∑
∑ ∑ ∑
∑ ∑ ∑
· · ·
· · ·
· · ·
) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) (
k
m
k
k n n
m
k
k n k n
m
k
k k n
k
m
k
k n
m
k
k n k
m
k
k k
k
m
k
k n
m
k
k n k
m
k
k k
x f x g x g x g x g x g
x f x g x g x g x g x g
x f x g x g x g x g x g
1 1
1
1
1
1
2
1
2 1
1
1 2
1
1
1
1 1
1
1 1

L
M M
L
L

As equações deste sistema linear são chamadas de equações normais.
Este sistema pode ser escrito na forma matricial b A · α ⋅ :
¹
¹
¹
¹
¹
'
¹
· α + + +
· α + + +
· α + + +
α α
α α
α α
n n nn n n
n n
n n
b a a a
b a a a
b a a a
L
M M M M
L
L
2 1
2 1
2 1
2 1
2 2 22 21
1 1 12 11

Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-67
onde · A (
ij
a ) tal que
ij
a

·
⋅ ·
m
k
k j k i
x g x g
1
) ( ) (

·
· ⋅ ·
m
k
ji k i k j
a x g x g
1
) ( ) ( , ou seja, A é
uma matriz simétrica;
T
n
] , , , [ α α α · α L
2 1
e
T
n
b b b b ] , , , [ L
2 1
· é tal que

·
⋅ ·
m
k
k k i i
x f x g b
1
) ( ) ( .
Lembrando que, dados os vetores x e y
m
ℜ ∈ o número real

·
⋅ · 〉 〈
m
k
k k
y x y x
1
, é
chamado de produto escalar de x por y , e usando esta notação no sistema normal b A · α ⋅ ,
tem-se: 〉 〈 ·
j i ij
g g a , e 〉 〈 · f g b
i i
, onde:

l
g é o vetor
T
m l l l l
x g x g x g x g )] ( ) ( ) ( ) ( [
3 2 1
L e
f é o vetor
T
m
x f x f x f x f )] ( ) ( ) ( ) ( [
3 2 1
L .
Desta forma o sistema na forma matricial fica:
(Eq.39)
]
]
]
]
]
]
]

〉 〈
〉 〈
〉 〈
·
]
]
]
]
]
]

α
α
α

]
]
]
]
]
]

〉 〈 〉 〈 〉 〈
〉 〈 〉 〈 〉 〈
〉 〈 〉 〈 〉 〈
f g
f g
f g
g g g g g g
g g g g g g
g g g g g g
n n n n n n
n
n
,
,
,
, , ,
, , ,
, , ,
M M
L
M M M
L
L
2
1
2
1
2 1
2 2 2 1 2
1 2 1 1 1

Demonstra-se que, se as funções
1
g ( x ),
2
g ( x ),
3
g ( x ), … ,
n
g ( x ) forem tais que os
vetores , , , , ,
n
g g g g L
3 2 1
sejam linearmente independentes (LI), então 0 ≠ A det e o sistema
de equações é possível e determinado (SPD). Demonstra-se ainda que a solução única deste
sistema,
1
α ,
2
α ,
3
α , … ,
n
α é o ponto em que a função F (
1
α ,
2
α ,
3
α ,…,
n
α ) atinge seu
valor mínimo.
OBS. 22: Se os vetores , , , , ,
n
g g g g L
3 2 1
forem ortogonais entre si, isto é, se
0 · 〉 〈
j i
g g , se j i ≠ e 0 ≠ 〉 〈
j i
g g , se j i · , a matriz dos coeficientes A será uma matriz
diagonal, o que facilita a resolução do sistema b A · α ⋅ .
Exercício 81 (Regressão Linear) Ajustar os dados da tabela abaixo através de uma reta.
i 1 2 3 4 5
i
x
1,3 3,4 5,1 6,8 8,0
) (
i
x f
2,0 5,2 3,8 6,1 5,8
Resolução: Fazendo ) ( ) ( ) ( x g x g x g
2 2 1 1
⋅ α + ⋅ α · e considerando · ) (x g
1 ..........
e
· ) (x g
2 ..........
, tem-se: ) ( x g ·
......... .......... .......... .......... ..........
.
Assim, a reta que melhor se ajusta aos valores da tabela terá coeficientes
1
α e
2
α , que
são solução do seguinte sistema na forma matricial:
]
]
]

〉 〈
〉 〈
·
]
]
]

α
α

]
]
]

〉 〈 〉 〈
〉 〈 〉 〈
f g
f g
g g g g
g g g g
,
,
, ,
, ,
2
1
2
1
2 2 1 2
2 1 1 1

1
g ·[
..........

..........

..........

..........

..........
]
T
2
g ·[
..........

..........

..........

..........

..........
]
T

f ·[
..........

..........

..........

..........

..........
]
T

Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-68
· 〉 〈
1 1
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
2 1
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
1 2
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
2 2
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈 f g ,
1 .... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈 f g ,
2 .... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

Assim,



Logo a equação da reta procurada é:
) ( x g ·
......... .......... .......... .......... ..........

Exercício 82 Ajustar os dados da tabela através da parábola ) ( x g ·
2
x :
i 1 2 3 4 5 6 7 8 9 10 11
i
x −1 −0,75 −0,6 −0,5 −0,3 0 0,2 0,4 0,5 0,7 1
) (
i
x f
2,05 1,153 0,45 0,4 0,5 0 0,2 0,6 0,512 1,2 2,05
y
x
2
1 -1
1

[Fig. 31]: Diagrama de dispersão.
Resolução: Fazendo ) ( ) ( x g x g
1 1
⋅ α · e considerando ) (x g
1
·
2
x , obtém-se
) ( x g ·
.......... ..........
. Assim, para se obter a parábola que melhor se ajusta aos pontos da
tabela, será necessário encontrar
1
α do sistema:
[ ] [ ] [ ] 〉 〈 · ⋅ 〉 〈
1 1 1 1
g f g g , , α
1
g ·[
.......... ..........

.......... ..........

.......... ..........

.......... ..........

.......... ..........
]
T
f ·[
.......... ..........

.......... ..........

.......... ..........

.......... ..........

.......... ..........
]
T

· 〉 〈
1 1
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈 f g ,
1 .... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

Assim,
1
α ·
.......... ..........
.
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-69
Logo a equação da parábola procurada é: ) ( x g ·
......... .......... .......... .......... ..........

Exercício 83 Ajustar os dados da tabela abaixo por um polinômio do segundo grau
2
3 2 1
x x x g ⋅ α + ⋅ α + α · ) ( .
i 1 2 3 4
i
x −2 −1 1 2
) (
i
x f
1 −3 1 9

Resolução: Neste caso tem-se que: ) (x g
1
·
..........
, ) (x g
2
·
..........
e ) ( x g
3
·
..........

]
]
]
]
]

〉 〈
〉 〈
〉 〈
·
]
]
]
]
]

α
α
α

]
]
]
]
]

〉 〈 〉 〈 〉 〈
〉 〈 〉 〈 〉 〈
〉 〈 〉 〈 〉 〈
f g
f g
f g
g g g g g g
g g g g g g
g g g g g g
,
,
,
, , ,
, , ,
, , ,
3
2
1
3
2
1
3 3 2 3 1 3
3 2 2 2 1 2
3 1 2 1 1 1

1
g ·[
..........

..........

..........

..........
]
T
2
g ·[
..........

..........

..........

..........
]
T

3
g ·[
..........

..........

..........

..........
]
T

f ·[
..........

..........

..........

..........
]
T

· 〉 〈
1 1
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
2 1
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
1 2
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
3 1
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
1 3
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
2 2
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
3 2
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
2 3
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈
3 3
g g ,
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈 f g ,
1 .... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈 f g ,
2 .... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

· 〉 〈 f g ,
3 .... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

Assim,



Logo a equação da parábola procurada é:

) ( x g ·
......... .......... .......... .......... ..........

Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-70
5.3 Caso Contínuo
No caso contínuo, o problema de ajuste de curvas consiste em: dada uma função
) ( x f , contínua em [a , b ] e escolhidas as funções
1
g ( x ),
2
g ( x ),
3
g ( x ),…,
n
g ( x ), todas
contínuas em [ a , b ], determinar constantes
1
α ,
2
α ,
3
α ,…,
n
α de modo que a função
g ( x )·
1
α
1
g ( x )+
2
α
2
g ( x )+
3
α
3
g ( x )+…+
n
α
n
g ( x ) se aproxime ao máximo de f ( x ) no
intervalo [ a , b ].
Seguindo o critério dos mínimos quadrados para o conceito de proximidade entre
f ( x ) e g ( x ), os coeficientes
1
α ,
2
α ,
3
α ,…,
n
α a serem obtidos são tais que
dx x g x f
b
a


2
)] ( ) ( [ seja o menor possível.
Para achar α tal que g ( x )≈ f ( x ), tome:
dx x g x f
b
a


2
)] ( ) ( [ · F (α)·F (
1
α ,
2
α ,
3
α ,…,
n
α ).
Encontram-se os pontos críticos de F (α):
j
F
α ∂

(α)·0, j ·1,2,…, n .
Mas, F (α)· dx x g x f
b
a


2
)] ( ) ( [ · dx x g x g x f x f
b
a

+ − ] ) ( ) ( ) ( ) ( [
2 2
2
⇒ F (α)· dx x f
b
a

2
) ( −2 dx x g x f
b
a

) ( ) ( + dx x g
b
a

2
) ( .
Ao desenvolver
j
F
α ∂

(α)·0, j ·1,2,…, n , obtém-se:
¹
¹
¹
¹
¹
¹
¹
'
¹
· α
]
]
]

+ + α
]
]
]

· α
]
]
]

+ + α
]
]
]

· α
]
]
]

+ + α
]
]
]

∫ ∫ ∫
∫ ∫ ∫
∫ ∫ ∫
b
a
n n
b
a
n
b
a
n
b
a
n
b
a
n
b
a
b
a
n
b
a
n
b
a
dx x g x f dx x g dx x g x g
dx x g x f dx x g x g dx x g x g
dx x g x f dx x g x g dx x g
) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) (
2
1 1
2 2 1 1 2
1 1 1
2
1
L
M M O M
L
L
.
Este é um sistema linear Aα·b de ordem n .
A·(
ij
a ) tal que
ij
a ·

b
a
j i
dx x g x g ) ( ) ( ·
ji
a ⇒
ij
a ·
ji
a .
A é SIMÉTRICA. α·(
1
α ,
2
α ,
3
α ,…,
n
α ) e b ·(
1
b ,
2
b ,
3
b ,…,
n
b ), tal que
i
b ·

b
a
i
dx x g x f ) ( ) ( .
Usando a definição de produto escalar de duas funções p ( x ) e q ( x ) no intervalo
[ a , b ] por

⋅ · 〉 〈
b
a
dx x q x p q p ) ( ) ( , , o sistema Aα·b fica:
(Eq.40) A·(
ij
a )·
j i
g g , e b ·(
i
b )·
i
g f , .
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-71
Exercício 84 Aproximar a função f ( x )·4
3
x por um polinômio do primeiro grau, uma reta,
no intervalo [0,1].
Resolução:
g ( x )·
1
α
1
g ( x )+
2
α
2
g ( x )=
......... .......... .......... .......... ..........
, isto é,
1
g ( x )·
..........
e
2
g ( x )·
..........
.
Aα·b ⇒
]
]
]

22 21
12 11
a a
a a

]
]
]

α
α
2
1
·
]
]
]

2
1
b
b

]
]
]

〉 〈 〉 〈
〉 〈 〉 〈
2 2 1 2
2 1 1 1
g g g g
g g g g
, ,
, ,

]
]
]

α
α
2
1
·
]
]
]

〉 〈
〉 〈
2
1
g f
g f
,
,


11
a · 〉 〈
1 1
g g , ·
..........


12
a · 〉 〈
2 1
g g , · 〉 〈
1 2
g g , ·
21
a ·
..........


22
a · 〉 〈
2 2
g g , ·
..........


1
b · 〉 〈
1
g f , ·
..........


2
b · 〉 〈
2
g f , ·
..........



Aα·b ⇒


Logo:
g ( x )·
......... .......... .......... .......... ..........
≈ f ( x )·4
3
x em [0,1].
Exercício 85 Aproximar a função f ( x )·
x
e no intervalo [0,1] por uma reta.
Resolução:
g ( x )·
1
α
1
g ( x )+
2
α
2
g ( x )=
......... .......... .......... .......... ..........
, isto é,
1
g ( x )·
..........
e
2
g ( x )·
..........
.

Aα·b ⇒
]
]
]

22 21
12 11
a a
a a

]
]
]

α
α
2
1
·
]
]
]

2
1
b
b

]
]
]

〉 〈 〉 〈
〉 〈 〉 〈
2 2 1 2
2 1 1 1
g g g g
g g g g
, ,
, ,

]
]
]

α
α
2
1
·
]
]
]

〉 〈
〉 〈
2
1
g f
g f
,
,


11
a · 〉 〈
1 1
g g , ·
..........



12
a · 〉 〈
2 1
g g , · 〉 〈
1 2
g g , ·
21
a ·
..........



22
a · 〉 〈
2 2
g g , ·
..........



1
b · 〉 〈
1
g f , ·
..........


2
b · 〉 〈
2
g f , ·
..........


Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-72
Usando o método de integração por partes em
2
b :

⋅ dv u ·

⋅ − ⋅ du v v u












g ( x )·
......... .......... .......... .......... ..........
≈ f ( x )·
x
e em [0,1].
5.4 Família de Funções Não Lineares nos
Parâmetros
Em alguns casos, a família de funções escolhidas pode ser não linear nos parâmetros,
isto é, g ( x ) não é da forma ) (x g
k
m
k
k
⋅ α

·1
. Nestes casos é preciso efetuar uma “linearização”,
através de transformações convenientes.
Exemplos:
1
o
) f ( x )≈
x
e
2
1
α
⋅ α · g ( x )
f ln ( x )≈ln
x
e
2
1
α
⋅ α ·
1
α ln + x ⋅ α
2
·G( x ).
Fazendo
1 1
a · α ln e
2 2
a · α , tem-se: G( x )·
1
a + x a ⋅
2
,
Desta forma G( x )≈ f ln ( x ), sendo que G( x ) é linear nos parâmetros
1
a e
2
a .
2
o
) f ( x )≈
x ⋅ α + α
2 1
1
· g ( x )
) ( x f
1
≈ x ⋅ α + α
2 1
·G( x ).
Fazendo
1 1
a · α e
2 2
a · α , tem-se: G( x )·
1
a + x a ⋅
2
,
Desta forma G( x )≈
) ( x f
1
, sendo que G( x ) é linear nos parâmetros
1
a e
2
a .
3
o
) f ( x )≈ x ⋅ α + α
2 1
· g ( x )
2
f ( x )≈ x ⋅ α + α
2 1
·G( x ).
Fazendo
1 1
a · α e
2 2
a · α , tem-se: G( x )·
1
a + x a ⋅
2
,
Desta forma G( x )≈
2
f ( x ), sendo que G( x ) é linear nos parâmetros
1
a e
2
a .
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
5-73
Exercício 86 Ajustar os dados da tabela que segue por uma função da forma
g ( x )·
1
α ⋅
x
e
2
α
.
x 0 1 2
f ( x ) 1 0,5 0,7
Resolução: Desta forma, “linearizando” a função g ( x )·
1
α ⋅
x
e
2
α
, como no primeiro
exemplo anterior, tem-se:






]
]
]

〉 〈 〉 〈
〉 〈 〉 〈
2 2 1 2
2 1 1 1
g g g g
g g g g
, ,
, ,

]
]
]

2
1
a
a
·
]
]
]

〉 〈
〉 〈
2
1
g
g
,
,

1
g ·[
..........

..........

..........
]
T

2
g ·[
..........

..........

..........
]
T

.......... ..........
·[
.......... ..........

.......... ..........

.......... ..........
]
T

〉 〈
1 1
g g , ·
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

〉 〈
2 1
g g , ·
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

〉 〈
1 2
g g , · 〉 〈
2 1
g g , ·
..........

〉 〈
2 2
g g , ·
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

〉 〈
1
g ,
.... ..........
·
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........

〉 〈
2
g ,
... ..........
·
.... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ..........








⇒ g ( x )·
......... .......... .......... .......... ..........
≈ f ( x ).
Os parâmetros assim obtidos não são ótimos dentro do critério dos mínimos
quadrados, isto porque estamos ajustando o problema linearizado por mínimos quadrados e
não o problema original. Portanto, os parâmetros
1
a e
2
a do exemplo, são os que ajustam a
função G( x ) à função ln f ( x ), no sentido dos mínimos quadrados. Não se pode afirmar
que os parâmetros
1
α e
2
α (obtidos de
1
a e
2
a ) são os que ajustam g ( x )·
1
α ⋅
x
e
2
α
à f ( x ),
dentro do critério dos mínimos quadrados.
Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-74
6 Integração Numérica
Se uma função f ( x ) é contínua em um intervalo [a , b ] e sua primitiva F ( x ) é
conhecida, então
(Eq.41)

b
a
dx x f ) ( · F ( b )− F ( a )
onde ' F ( x )· f ( x ).
Por outro lado, nem sempre se tem F ( x ) e em alguns casos, a função a ser integrada
é dada por meio de tabela de pontos. Neste caso, torna-se necessária a utilização de métodos
numéricos.
A idéia básica da integração numérica é a substituição da função f ( x ) por um
polinômio que a aproxime no intervalo [ a , b ]. Assim o problema fica resolvido pela
integração de polinômios, o que é trivial de se fazer.
6.1 Fórmulas de Newton-Cotes
Neste caso, o polinômio que interpola f ( x ) o faz em pontos igualmente espaçados de
[ a , b ].
Fórmulas fechadas:
0
x ·a ,
n
x ·b e

b
a
dx x f ) ( ·

·
n
i
i i
x f A
0
) ( , sendo
i
A coeficientes
determinados de acordo com o grau do polinômio aproximador.
6.1.1 Regra dos Trapézios
y
x
0
0
x ( ) f
x a=
1
x b=
( ) f
x ( ) f
0
1
p x ( )
b h= a - h= -
1
x
0
x ,
x
1

[Fig. 32]: Regra dos trapézio.
A integral de f ( x ) no intervalo [ a , b ] é aproximada pela área de um trapézio.
(Eq.42)

b
a
dx x f ) ( ≈
2
h
[ f (
0
x )+ f (
1
x )] ·
T
I
A aproximação de f ( x ) pela fórmula de Lagrange é
1
p ( x )·
0
y
0
L ( x )+
1
y
1
L ( x )
com
0
L ( x )·
1 0
1
x x
x x


e
1
L ( x )·
0 1
0
x x
x x


, logo:
(Eq.43)
1
p ( x )·
h
x x


1
f (
0
x )+
h
x x
0

f (
1
x )
Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-75
6.1.1.1 Estimativa para o Erro
f ( x )·
1
p ( x )+ E ( x )
n
E ( x )·( x −
0
x )⋅…⋅( x −
n
x )⋅
)! (
) (
) (
1
1
+
ξ
+
n
f
x
n

E ( x )·( x −
0
x )⋅( x −
1
x )⋅
2
) (
"
x
f ξ
,
x
ξ ∈(
0
x ,
1
x )
f ( x )·
1
p ( x )+( x −
0
x )⋅( x −
1
x )⋅
2
) (
"
x
f ξ
.
Integrando f ( x ):

1
0
x
x
f ( x ) dx ·

1
0
1
x
x
p ( x ) dx +

1
0
x
x
( x −
0
x )( x −
1
x )
2
) (
"
x
f ξ
dx , com
¹
'
¹
·
·
b x
a x
1
0

T
I ·

b
a
p
1
( x ) dx
T
E ·

b
a
( x −a )( x −b )
2
) (
"
x
f ξ
dx
T
E ·
2
1
"
f ( c )

b
a
( x −a )( x −b ) dx
T
E ·
2
1
"
f ( c )
6
3
) ( a b −

(Eq.44)
T
E ·
12
3
h
"
f ( c ) com c ∈( a , b )
ou
(Eq.45) |
T
E |≤
12
3
h
] , [
max
b a x∈
|
"
f ( x )|
OBS. 23:

b
a
(
2
x −a x −b x +a b ) dx ·
b
a
bx ax x
]
]
]

− −
2 2 3
2 2 3
·
6
3 3
3 2 2 3
a b a ab b − + −
·
6
3
) ( a b −
.
Exercício 87 Calcular


9
1
5 6x dx , usando a regra dos trapézios.
Resolução:









9
1
5 6x dx ≈
T
I ·
.......... ..........
.
O erro cometido será, no máximo:



Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-76







Logo, |
T
E |≤
.......... ..........
.
6.1.2 Regra dos Trapézios repetida
y
x
0
0
x ( ) f
x a=
n
x b=
1
x
1
x
2
x
3
x
- n

[Fig. 33]: Regra dos trapézios repetida
h ·
1
x −
0
x ·
2
x −
1
x ·
3
x −
2
x · … ·
n
x −
1 − n
x
h ·
n
a b −
, com n sendo o número de subdivisões do intervalo [ a , b ].

b
a
dx x f ) ( ≈
1
A +
2
A +
3
A +…+
n
A tal que
i
A ·área do trapézio i , com i ·1,2,…, n .
i
A ·
2
h
[ f (
1 − i
x )+ f (
i
x )]
(Eq.46)

b
a
dx x f ) ( ≈
2
h
[ f (
0
x )+ f (
n
x )+2⋅


·
1
1
n
i
i
x f ) ( ]
6.1.2.1 Estimativa para o Erro
(Eq.47) |
TR
E |≤
2
3
12n
a b ) ( −
] , [
max
b a x∈
|
"
f ( x )|
Exercício 88 Calcular


9
1
5 6x dx empregando o método dos trapézios com 8 repetições.
Determine uma aproximação para o erro cometido.
Resolução:







Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-77
x
0
x ·
.......

1
x ·
.......

2
x ·
.......

3
x ·
.......

4
x ·
.......

5
x ·
.......

6
x ·
.......

7
x ·
.......

8
x ·
.......

f ( x )




9
1
5 6x dx ≈
.......... ..........
.
Erro cometido será, no máximo:

|
TR
E | ≤
.......... ..........
.
Neste caso em particular, f ( x ) pode ser integrada de forma exata:



9
1
5 6x dx ·
.......... ..........
.
Exercício 89 Seja I ·

1
0
dx e
x
. Calcule uma aproximação para I usando 10 subintervalos e a
regra dos trapézios repetida. Estimar o erro cometido.
Resolução:







1
0
dx e
x

.......... ..........
.
Erro cometido será, no máximo:


|
TR
E | ≤
.......... ..........
.
Exercício 90 Seja I ·

1
0
dx e
x
. Qual o número mínimo de subdivisões, para a regra dos
trapézios repetida aplicada em I , de modo que o erro seja inferior a 10
−3
?
Resolução:




n ·
.......... ..........
.
6.1.3 Regra 1/3 de Simpson
É obtida aproximando-se a função f ( x ) da (Eq.41) por um por um polinômio
interpolador de 2
o
grau,
2
p ( x ), que é dado pela fórmula de Lagrange:
2
p ( x )·
0
L ( x ) f (
0
x )+
1
L ( x ) f (
1
x )+
2
L ( x ) f (
2
x )
Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-78
tal que
i
L ( x )·


·


2
0
i j
j j i
j
x x
x x
) (
) (
, com i ·0,1,2.
y
x
0
0
x a= b=
1
x
2
x
x ( ) f
h
m=
h
( ) f
0
x
( ) f
2
x
( ) f
1
x
x ( ) p
2

[Fig. 34]: Regra 1/3 de Simpson.
0
x ·a ,
1
x ·m e
2
x ·b

1
x ·
2
b a +

h ·
2
a b −

0
x −
1
x ·−h ,
0
x −
2
x ·−2h ,
1
x −
0
x ·h ,
1
x −
2
x ·−h ,
2
x −
0
x ·2h ,
2
x −
1
x ·h .
2
p ( x )·
) )( (
) )( (
h h
x x x x
2
2 1
− −
− −
f (
0
x )+
) )( (
) )( (
h h
x x x x

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

b
a
dx x f ) ( ·

2
0
x
x
dx x f ) ( ≈

2
0
2
x
x
dx x p ) (
·
2
0
2h
x f ) (

− −
2
0
2 1
x
x
dx x x x x ) )( ( −
2
1
h
x f ) (

− −
2
0
2 0
x
x
dx x x x x ) )( ( +
2
2
2h
x f ) (

− −
2
0
1 0
x
x
dx x x x x ) )( (
·
3
h
[ f (
0
x )+4 f (
1
x )+ f (
2
x )]. Logo:
(Eq.48)

b
a
dx x f ) ( ·

2
0
x
x
dx x f ) ( ≈
3
h
[ f (
0
x )+4 f (
1
x )+ f (
2
x )].
6.1.3.1 Estimativa para o Erro

2
0
x
x
dx x f ) ( ·

2
0
2
x
x
dx x p ) ( +

2
0
2
x
x
dx x R ) (
(Eq.49)
S
E ·

b
a
dx x R ) (
2
·

− − −
b
a
x x x x x x ) )( )( (
2 1 0
!
) (
' ' '
3
x
f ξ
dx
Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-79
6.1.3.2 Mudança de Variável
z ·
h
x x
0

⇒ x ·hz +
0
x x ·
0
x ·a ⇒ z ·
h
x x
0 0

⇒ z ·0
x ·
2
x ·b ⇒ z ·
h
x x
0 2

·
h
h 2
⇒ z ·2
dz ·
h
dx
⇒ dx ·h dz
S
E ·
6
) (
' ' '
z
f h ξ ⋅

2
0
hz ( hz −h )( hz −2h ) dz
S
E ·
6
4
) (
' ' '
z
f h ξ ⋅

2
0
z ( z −1)( z −2) dz ·
6
4
h
) (
' ' '
z
f ξ

+ −
2
0
2 3
2 3 ) ( z z z dz
S
E ·
6
4
h
) (
' ' '
z
f ξ ⋅
4 4 3 4 4 2 1
0
2
0
2 3
4
4
·
]
]
]

+ − z z
z
·
6
4
h
) (
' ' '
z
f ξ ⋅0 · 0.
Logo,
S
E ·0. Isso quer dizer que
S
E não depende de
2
R (resíduo de 2
o
grau).
Então:
S
E ·

b
a
dx x R ) (
3
·

− − − −
b
a
x x x x x x x x ) )( )( )( (
3 2 1 0
!
) (
4
4
x
f ξ
dx
S
E ·
24
4 5
) (
z
f h ξ ⋅

2
0
z ( z −1)( z −2)( z −3) dz ·
24
5
h
) (
z
f ξ
4
4 4 4 4 3 4 4 4 4 2 1
15
4
2
0
2 3 4
6 11 6
− ·

− + − dz z z z z ) (

S
E · −
90
5
h
) (ξ
4
f com ( a ≤ξ≤b ).
(Eq.50) |
S
E | ·
90
5
h

] , [
max
b a x∈
| ) ( x f
4
|
Considerando h ·
2
a b −

5
h ·
32
5
) ( a b −
, tem-se:
(Eq.51) |
S
E | ≤
2880
5
) ( a b −

] , [
max
b a x∈
| ) ( x f
4
|.
Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-80
6.1.4 Regra 1/3 de Simpson repetida
y
x
0
0
x a
=
x b
=
1
x
1
x
2
x
3
x
- m
x ( ) f
m 2
x
- m 4
x
5
x
6
x
h

[Fig. 35]: Regra 1/3 de Simpson repetida
Na figura, tome h ·
n
a b
2

⇒ h ·
i
x −
1 − i
x ( i ·1,2,…m), para m·2n ⇒ m é par.
Aplica-se a regra de Simpson repetidas vezes no intervalo [ a , b ]·[
0
x ,
m
x ].
0
x ,
1
x ,…,
m
x são pontos igualmente espaçados.
Então:

b
a
dx x f ) ( ·

m
x
x
dx x f
0
) (

3
h
[
0
y +4
1
y +
2
y ]+
3
h
[
2
y +4
3
y +
4
y ]+…+
3
h
[
2 − m
y +4
1 − m
y +
m
y ]

b
a
dx x f ) ( ≈
3
h
[
0
y +
m
y +2(
2
y +
4
y +…+
2 − m
y )+4(
1
y +
3
y +…+
1 − m
y )]
(Eq.52)

b
a
dx x f ) ( ≈
3
h

0
y +
m
y +2


·
1
1
2
2
m
i
i
y +4

·

2
1
1 2
m
i
i
y
]
]
]
.
6.1.4.1 Estimativa para o erro:
SR
E
SR
E ≤n ⋅
90
5
h

] , [
max
b a x∈
| ) ( x f
4
|
(Eq.53)
SR
E ≤n ⋅
90
5
h

] , [
max
b a x∈
| ) ( x f
4
|
Considerando h ·
n
a b
2


5
h ·
5
5
32n
a b ) ( −
, tem-se:
(Eq.54)
SR
E ≤
4
5
2880n
a b ) ( −

] , [
max
b a x∈
| ) ( x f
4
|
Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-81
Exercício 91 Seja I ·

1
0
dx e
x
. Calcule uma aproximação para I usando a regra 1/3 de
Simpson com m·10. Estime o erro cometido.
Resolução:







1
0
dx e
x

......... .......... .......... .......... ..........
.
Estimativa do erro:


SR
E ≤
......... .......... .......... .......... ..........
.
Observe que
SR
E ≤
......... .......... .......... .......... ..........
e
TR
E ≤
......... .......... .......... .......... ..........
.
Exercício 92 Seja I ·

1
0
dx e
x
. Para que valor de m teríamos erro inferior a 10
−3
?
Resolução:












.......... ..........
⇒ Para um erro inferior a 10
−3
seriam necessários
..........
subintervalos.
Obs: na regra dos trapézios com repetição são necessários
..........
intervalos.
Exercício 93 Seja I ·

10
6
xdx log . Aproxime I com a regra dos trapézios com 8 repetições.
Estime o erro cometido.
Resolução:


h ·
......... .......... .......... .......... ..........
⇒ h ·
.......... ..........
.
i 0 1 2 3 4 5 6 7 8
i
x



) (
i
x f





Cálculo Numérico Integração Numérica
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
6-82










10
6
xdx log ≈
......... .......... .......... .......... ..........
.
Estimativa do erro:





TR
E ≤
......... .......... .......... .......... ..........
.
Exercício 94 Seja I ·

10
6
xdx log . Aproxime I com a regra de Simpson com 8
subintervalos. Estime o erro cometido.
Resolução:


h ·
......... .......... .......... .......... ..........
⇒ h ·
.......... ..........
. m·
..........
e n ·
..........
.
i 0 1 2 3 4 5 6 7 8
i
x



) (
i
x f














10
6
xdx log ≈
......... .......... .......... .......... ..........
.
Estimativa do erro:






SR
E ≤
......... .......... .......... .......... ..........
.
Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-83
7 Solução numérica de equações
diferenciais ordinárias
7.1 Introdução
Se uma equação diferencial tem apenas uma variável independente, então ela é uma
equação diferencial ordinária.
EXEMPLOS:
dx
dy
· x + y ;
,
y ·
2
x +
2
y ;
, ,
y +(1−
2
y )
,
y + y ·0.
Se uma equação diferencial envolve mais que uma variável independente, então ela é
equação diferencial parcial.
EXEMPLO:
2
2
x
u


+
2
2
y
u


·0, com u ≡u ( x , y ).
A ordem de uma equação diferencial é a mais alta ordem de derivação que aparece na
equação.
Se, dada uma equação diferencial de ordem n , a função, assim como suas derivadas
até ordem n −1, são especificadas em um mesmo ponto, então temos um problema de valor
inicial (PVI).
Se, em problemas envolvendo equações diferenciais ordinárias de ordem n , n ≥2, as
n condições fornecidas não são dadas todas num mesmo ponto, então temos um problema de
valor de contorno (PVC).
Exercício 95 Resolver a seguinte EDO:
dx
dy
·−xy.
Resolução:







⇒ y ·
.......... ..........
, para k ∈ℜ. Que representa uma família de curvas em ℜ
2
.
Exercício 96 Para a mesma EDO anterior,
,
y ·−xy, resolva considerando uma condição
inicial y (
0
x )·
0
y , com
0
x ·0 e
0
y ·1.
Resolução:



y ·
.......... ..........
.
Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-84
7.2 Problema de valor inicial (PVI)
Uma equação diferencial de ordem n se apresenta da seguinte forma:
(Eq.55)
) (n
y · f ( x , y ,
,
y ,
, ,
y ,
) (3
y ,
) (4
y ,…,
) ( 1 − n
y )
onde
) (l
y ·
l
l
dx
y d
, l =1,2,…, n , x ∈[ a , b ] e y :[ a , b ]→ℜ.
Associadas a (Eq.55), podem existir condições cujo número coincide com a ordem da
EDO. Se tais condições se referem a um único valor x , tem-se um PROBLEMA DE VALOR
INICIAL – PVI. Caso contrário, tem-se um problema de valores de conterno.
7.2.1 Solução numérica de um PVI de primeira ordem
Toma-se m subintervalos de [a , b ], (m≥1), e faz-se
j
x ·
0
x + j h onde h ·
m
a b −
,
j ·0,1,2,…, m,
j
x ∈[ a , b ].
h
I ·{
0
x ,
1
x ,…,
m
x } é denominado REDE ou MALHA de [a , b ]. A solução numérica
m
y ( x ) é a função linear por partes.
x ( ) y
2
y
2
y
0
y
1
y
3
m
x ( ) y
0
x ( ) y
1
x ( ) y
3
x ( ) y
m
x
m
x
m-1
x
0
x
1
x
2
x
3
x ( ) y
0
y
0
=
y
Solução
Exata
Solução
Numérica

[Fig. 36]: Gráfico da solução numérica de um PVI.
NOTAÇÃO: y (
j
x )≈
j
y significa que
j
y é aproximação para y (
j
x ),
j
x ∈
h
I .
NO GRÁFICO: y (
j
x ) ⇒ valor exato;

j
y ⇒ valor aproximado; j ·1,2,…, m.
7.2.2 Método de Euler
Seja o PVI de primeira ordem definido por:
(Eq.56)
¹
¹
¹
'
¹
η η · ·
·
dado. número um sendo ,
0 0
y x y
y x f y
) (
) , (
,

Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-85
Para se aproximar
j
y para as soluções exatas y (
j
x ), com j ·1,2,…, m, procura-se
inicialmente
1
y .
y
1
x ( ) y
1
x ( ) y
x
0
x
1
x ( ) y
0
y
0
=
T
e
1

[Fig. 37]: Gráfico do método de Euler.
Traça-se a tangente T à curva y ( x ) no ponto (
0
x , y (
0
x )), cuja equação é:
(Eq.57) y ( x )· y (
0
x )+( x −
0
x )
,
y (
0
x ).
Fazendo x ·
1
x e lembrando que y (
0
x )·
0
y ,
1
x −
0
x ·h ,
,
y (
0
x )· f (
0
x , y (
0
x )) e
1
y ≈ y (
1
x ), tem-se:
(Eq.58)
1
y ·
0
y +h ⋅ f (
0
x , y (
0
x )).
7.2.2.1 Erro cometido
1
e ·
1
y − y (
1
x ).
7.2.2.2 Aproximação e erro de
j
y de forma geral
(Eq.59)
¹
¹
¹
'
¹
− ·
⋅ + ·
+ + +
+
) (
) , (
1 1 1
1
j j j
j j j j
x y y e
y x f h y y
, com j ·0,1,2,…, m−1.
O método de Euler consiste em calcular RECURSIVAMENTE a seqüência {
j
y }
através das fórmulas:
(Eq.60)
¹
'
¹
⋅ + ·
η · ·
+
) , (
) (
) (
) (
j j j j
y x f h y y
a y y
B
A
1
0
, com j ·0,1,2,…, m−1.
Exercício 97 Achar aproximações para a solução do PVI
¹
'
¹
·
+ − ·
2 0
2
) (
,
y
y x y
na malha de [0,1]
com h ·0,1.
Resolução:
0
x ·0,
0
y ·2, a ·0, b ·1, m·
1 0
0 1
,

→ m·10.
Usar (Eq.59) para j ·0,1,2,…,9.
j ·0:


Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-86




j ·1:





TABELA:
j
j
x
j
y y (
j
x )
j
y − y (
j
x )·
j
e
0 0 2 2
1 2,004837
2 2,018731
3 2,040818
4 2,07032
5 2,106531
6 2,148812
7 2,196585
8 2,249329
9 2,30657
10 2,367879
Na pratica, não se dispõe da solução exata y (
j
x ) do PVI. Daí a necessidade de se
determinar uma expressão matemática para o erro. Usa-se a fórmula de Taylor para
desenvolver y ( x ), solução teórica do PVI, em torno de
0
x :
(Eq.61) y ( x )· y (
0
x )+
! 1
0
x x −
,
y (
0
x )+
!
) (
2
2
0
x x −
, ,
y (
0
x )+
!
) (
3
3
0
x x −
, , ,
y (
0
x )+…
Fazendo x ·
1
x e lembrando que y (
0
x )·
0
y ,
1
x −
0
x ·h ,
,
y (
0
x )· f (
0
x , y (
0
x )) e
1
y · y (
1
x ), toma-se os dois primeiros termos da (Eq.61):
1
y ·
0
y +h ⋅ f (
0
x ,
0
y ). Generalizando-se, tem-se (Eq.59).
7.2.2.3 Erro local de truncamento - ELT
O erro no método de Euler quando se calcula
1
y é obtido a partir do resto da fórmula
de Taylor, que é:
!
) (
2
2
0
x x −
, ,
y (ξ),
0
x <ξ<
1
x , ou
1
e ·
! 2
2
h
, ,
y (ξ), para h ·
1
x −
0
x .
Numa etapa j dos cálculos, tem-se:
(Eq.62)
j
e ·
! 2
2
h
, ,
y (ξ),
1 − j
x <ξ<
j
x ,
que é o ERRO LOCAL DE TRUNCAMENTO – ELT.
Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-87
Na prática, procura-se estabelecer COTAS ou ESTIMATIVAS para que se possa
conduzir o cálculo do erro com segurança.
Toma-se k ·
, ,
y (ξ), constante, e h suficientemente pequeno para ser tomado como
parâmetro do ELT. Diz-se que ELT é da ordem de
2
h e se escreve (
2
h ).
7.2.3 Métodos de Runge-Kutta
7.2.3.1 Métodos de passo simples
Um método para resolver o PVI (Eq.56) é de passo simples se a aproximação
1 + j
y
depende apenas do resultado
j
y da etapa anterior.
Forma geral para métodos de passo simples:
(Eq.63)
1 + j
y ·
j
y +h φ(
j
x ,
j
y ; h ), para j ·0,1,2,…, m−1.
Onde φ é a função incremento e h o comprimento do passo.
OBS. 24: Para o método de Euler, a função incremento é φ(
j
x ,
j
y ; h )· f (
j
x ,
j
y ). Um
caso especial de Runge-Kutta.
7.2.3.2 Métodos com Derivadas
O método de Euler possui ordem um pois, foi obtido da fórmula de Taylor com
desenvolvimento até o termo em h .
Ao fazer o mesmo desenvolvimento até o termo em
2
h , obtém-se o método de passo
simples e ordem dois.
(Eq.64)
1 + j
y ·
j
y +h
,
y (
j
x )+
! 2
2
h
, ,
y (
j
x ), para j ·0,1,2,…, m−1.
7.2.3.3 ELT – Erro local de truncamento
(Eq.65)
1 + j
e ·
! 3
3
h
, , ,
y (ξ),
j
x <ξ<
1 + j
x .
OBS. 25: Em (Eq.64),
,
y (
j
x )· f (
j
x ,
j
y ).
, ,
y (
j
x )·? Regra da cadeia de f em relação a
j
x :
43 42 1
) (
, ,
) , (
j
x y
j j
y x
x
f
·


·
x
f


(
j
x ,
j
y )
43 42 1
1 ·


) , (
j j
y x
x
x
+
y
f


(
j
x ,
j
y )
43 42 1
) , (
) , (
j j
y x f
j j
y x
x
y
·



, ,
y (
j
x )·
x
f


(
j
x ,
j
y )+
y
f


(
j
x ,
j
y ) f (
j
x ,
j
y )
Exercício 98 Achar aproximações para a solução do PVI
¹
'
¹
·
+ − ·
2 0
2
) (
,
y
y x y
na malha [0,1] com
h =0,1 usando o método da (Eq.64).
Resolução:
Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-88
0
x ·0,
0
y ·2, a ·0, b ·1, m·
1 0
0 1
,

→ m·10.
Usar (Eq.64) para j ·0,1,…,9.
j ·0:














j ·1:









TABELA:
j
j
x
j
y y (
j
x )
j
y − y (
j
x )·
j
e
0 0 2 2
1 2,004837
2 2,018731
3 2,040818
4 2,07032
5 2,106531
6 2,148812
7 2,196585
8 2,249329
9 2,30657
10 2,367879
7.2.4 Método de Euler Aprimorado (Método de Runge-
Kutta de Segunda Ordem)
Retomando a (Eq.62):
1 + j
y ·
j
y +h φ(
j
x ,
j
y ; h ), para j ·0,1,2,…, m−1.
Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-89
Fazendo-se φ(
j
x ,
j
y ; h )·
2
1
(
1
k +
2
k ) e substituindo na equação, tem-se:
(Eq.66)
1 + j
y ·
j
y +
2
h
(
1
k +
2
k ), para j ·0,1,2,…, m−1
onde
1
k · f (
j
x ,
j
y ) e
2
k · f (
j
x +h ,
j
y +h
1
k ).
Exercício 99 Achar aproximações para a solução do PVI
¹
¹
¹
'
¹
·
− ·
1 0) ( y
xy
dx
dy
na malha [0,1] com
h =0,5 usando o método de Euler Aprimorado.
Resolução:
j
j
x
j
y
1
k
2
k
y (
j
x )·
2
2
/ x
e


|
j
y − y (
j
x )|
0 0 1
1
2
7.2.5 Fórmulas de Runge-Kutta de Quarta Ordem
Estas fórmulas são normalmente as mais utilizadas.
(Eq.67)
1 + j
y ·
j
y +
6
h
(
1
k +2
2
k +2
3
k +
4
k ), para j ·0,1,2,…, m−1
onde
1
k · f (
j
x ,
j
y ),
2
k · f (
j
x +
2
h
,
j
y +
2
h
1
k ),
3
k · f (
j
x +
2
h
,
j
y +
2
h
2
k ) e
4
k · f (
j
x +h ,
j
y +h
3
k ).
7.2.5.1 Erro local de truncamento: ETL
(Eq.68)
j
e ·
! 5
5
h
) (5
y (ξ),
1 − j
x <ξ<
j
x .
Exercício 100 Calcular a solução do PVI
¹
¹
¹
'
¹
·
− ·
1 0) ( y
xy
dx
dy
com h =0,1, no interior do intervalo
[0,1], pelo método de Runge-Kutta de quarta ordem.
Resolução:
1 + j
y ·
j
y +
6
h
(
1
k +2
2
k +2
3
k +
4
k ), para j ·0,1,2,…,9.
1
k ·
......... .......... .......... .......... .......... .......... .......... .......... ..........

2
k ·
......... .......... .......... .......... .......... .......... .......... .......... ..........

3
k ·
......... .......... .......... .......... .......... .......... .......... .......... ..........

Cálculo Numérico Solução numérica de equações diferenciais ordinárias
Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES
7-90
4
k ·
......... .......... .......... .......... .......... .......... .......... .......... ..........

j
j
x
j
y
1
k
2
k
3
k
4
k
0 0 1
1
2
3
4
5
6
7
8
9
10
Exercício 101 Achar aproximação para a solução do PVI
¹
'
¹
·
+ − ·
2 0
2
) (
,
y
y x y
na malha [0,1] com
h =0,1 usando o método de Runge-Kutta de segunda ordem (Euler aprimorado).
Resolução:
0
x ·0,
0
y ·2, a ·0, b ·1, m·
1 0
0 1
,

→ m·10.
1 + j
y ·
j
y +
2
1 0,
(
1
k +
2
k ), para j ·0,1,2,…,9.

1
k ·
......... .......... .......... .......... .......... .......... .......... .......... ..........
e
2
k ·
......... .......... .......... .......... .......... .......... .......... .......... ..........


j
j
x
j
y
1
k
2
k
0 0 2
1
2
3
4
5
6
7
8
9
10

ii

Índices
1 1.1 1.2 1.2.1 1.2.2 1.3 1.3.1 1.3.2 1.4 1.5 1.5.1 1.5.2 1.5.3 1.6 1.6.1 1.6.2 1.6.3 2 2.1 2.2 2.3 2.3.1 2.3.2 2.3.3 2.3.4 3 3.1 3.1.1 3.1.2 3.1.3 3.1.4 3.1.5 3.1.6 3.2 3.2.1 3.2.2 3.2.3 3.3 3.3.1 3.3.2 3.3.3 3.3.4 3.3.5 4 4.1 4.1.1 4.1.2 4.1.3 4.2 4.2.1 4.3 4.3.1 4.3.2 4.4 NOÇÕES BÁSICAS SOBRE ERROS ...................................................................................1-1 ERROS...............................................................................................................................................1-1 ERROS A BSOLUTOS E RELATIVOS ................................................................................................1-1 Erro Absoluto..................................................................................................................................1-1 Erro Relativo ou Taxa de Erro ....................................................................................................1-2 ERROS DE A RREDONDAMENTO E TRUNCAMENTO.....................................................................1-2 Erro de Arredondamento..............................................................................................................1-2 Erro de Truncamento ....................................................................................................................1-2 A RITMÉTICA DE PONTO FLUTUANTE ...........................................................................................1-3 CONVERSÃO DE BASES ..................................................................................................................1-3 Conversão da Base β para a Decimal (β⇒10) ........................................................................1-3 Conversão da Base Decimal para a β (10⇒β) ........................................................................1-4 Exercícios: Conversão de Bases..................................................................................................1-5 OPERAÇÕES DE PONTOS FLUTUANTES ........................................................................................1-7 Representações...............................................................................................................................1-7 Exercícios........................................................................................................................................1-7 Exercícios complementares..........................................................................................................1-8 ZEROS REAIS DE FUNÇÕES REAIS .............................................................................. 2-11 INTRODUÇÃO .................................................................................................................................2-11 FASE I: ISOLAMENTO DAS RAÍZES...............................................................................................2-11 FASE II: REFINAMENTO - CRITÉRIOS DE PARADA ....................................................................2-15 Método da Bissecção (ou Método da Dicotomia) ................................................................. 2-15 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das Aproximações sucessivas).................................................................................................................................... 2-19 Método de Newton, Newton-Raphson (ou Método das Tangentes).................................... 2-27 Comparação entre os métodos.................................................................................................. 2-30 RESOLUÇÃO DE SISTEMAS DE EQUAÇÕES LINEARES .................................... 3-32 INTRODUÇÃO .................................................................................................................................3-32 Forma Algébrica de S n ............................................................................................................... 3-32 Forma Matricial de Sn............................................................................................................... 3-32 Matriz Aumentada ou Matriz Completa do Sistema ............................................................. 3-32 Solução do Sistema ..................................................................................................................... 3-32 Classificação de um Sistema Linear........................................................................................ 3-33 Classificação quanto ao Determinante de A.......................................................................... 3-33 M ÉTODOS DIRETOS.......................................................................................................................3-33 Método de Eliminação de Gauss.............................................................................................. 3-33 Estratégia de Pivoteamento Completo .................................................................................... 3-36 Refinamento de Soluções........................................................................................................... 3-37 M ÉTODOS ITERATIVOS .................................................................................................................3-39 Testes de parada.......................................................................................................................... 3-39 Método de Gauss-Jacobi........................................................................................................... 3-39 Método de Gauss-Seidel............................................................................................................ 3-42 Comparação entre os métodos.................................................................................................. 3-43 Critério de Sassenfeld................................................................................................................ 3-44 INTERPOLAÇÃO.................................................................................................................... 4-47 INTERPOLAÇÃO POLINOMIAL ......................................................................................................4-47 Existência e Unicidade do Polinômio Interpolador Pn(x).................................................... 4-47 Forma de Lagrange.................................................................................................................... 4-48 Forma de Newton........................................................................................................................ 4-50 ESTUDO DE ERRO NA INTERPOLAÇÃO ........................................................................................4-52 Estimativa para o Erro............................................................................................................... 4-52 INTERPOLAÇÃO INVERSA : CASOS EXISTENTES..........................................................................4-54 Encontrar

x tal que Pn ( x ) .................................................................................................. 4-54

Interpolação inversa................................................................................................................... 4-54 FUNÇÕES SPLINE EM INTERPOLAÇÃO.........................................................................................4-56

iii
4.4.1 4.4.2 4.4.3 5 5.1 5.2 5.3 5.4 6 6.1 6.1.1 6.1.2 6.1.3 6.1.4 7 7.1 7.2 7.2.1 7.2.2 7.2.3 7.2.4 7.2.5 Função Spline .............................................................................................................................. 4-56 Spline linear interpolante.......................................................................................................... 4-57 Spline cúbica interpolante......................................................................................................... 4-58 AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS ........... 5-64 INTRODUÇÃO .................................................................................................................................5-64 CASO DISCRETO............................................................................................................................5-65 CASO CONTÍNUO ...........................................................................................................................5-70 FAMÍLIA DE FUNÇÕES NÃO LINEARES NOS PARÂMETROS .....................................................5-72 INTEGRAÇÃO NUMÉRICA ............................................................................................... 6-74 FÓRMULAS DE NEWTON -COTES .................................................................................................6-74 Regra dos Trapézios................................................................................................................... 6-74 Regra dos Trapézios repetida ................................................................................................... 6-76 Regra 1/3 de Simpson................................................................................................................. 6-77 Regra 1/3 de Simpson repetida................................................................................................. 6-80 SOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS ORDINÁRIAS ....... 7-83 INTRODUÇÃO .................................................................................................................................7-83 PROBLEMA DE VALOR INICIAL (PVI) .........................................................................................7-84 Solução numérica de um PVI de primeira ordem ................................................................. 7-84 Método de Euler.......................................................................................................................... 7-84 Métodos de Runge-Kutta............................................................................................................ 7-87 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda Ordem) ................. 7-88 Fórmulas de Runge-Kutta de Quarta Ordem......................................................................... 7-89

............................................................. 12]: [FIG.................................. 8]: [FIG.........2-30 INTERPOLAÇÃO DE f ( x ) PELO POLINÔMIO P ( x )................. 36]: [FIG........................ ..2-23 CASOS EM QUE B É O EXTREMO MAIS PRÓXIMO DE α........................................................................... 31]: [FIG......................2-14 O S GRÁFICOS DE g ( x ) = 5 log x E h( x ) = 2 − 0........4-50 GRÁFICO DO POLINÔMIO P ( x ) INTERPOLANDO f ( x ) ..............................4-57 DOMÍNIO DISCRETO..................... 11]: [FIG................... ............ 6]: [FIG.......... 5]: [FIG........................................7-84 GRÁFICO DO MÉTODO DE EULER...................................................... 23]: [FIG........2-16 O TANQUE DE COMPRIMENTO L .............................. ... .............................................................................................. 14]: [FIG.....................................................................................................................................................................6-78 REGRA 1/3 DE SIMPSON REPETIDA .........4-56 10 SPLINE LINEAR INTERPOLANDO 4 PONTOS.............. 27]: [FIG................................................. 33]: [FIG........................7-85 .......................................................................................................................................... 34]: [FIG................................... 4]: [FIG.................................................................................... .... 3]: [FIG........................ 9]: [FIG..iv Índices de Figuras [FIG..............2-22 A SEQÜÊNCIA {x k } NÃO CONVERGE PARA O ZERO α............................................... 30]: [FIG.... 26]: [FIG...........................2-22 A SEQÜÊNCIA {x k } CONVERGE PARA O ZERO α (CONVERGÊNCIA DO TIPO CARACOL)..2-21 {x k } CONVERGE PARA O ZERO α (CONVERGÊNCIA DO TIPO ESCADA)................2-15 O S GRÁFICOS DE g ( x ) = x E h( x ) = 5e .................................2-15 O MÉTODO DA BISSECÇÃO OU DICOTOMIA .... 35]: [FIG.....2-19 O S GRÁFICOS DAS FUNÇÕES O S GRÁFICOS DAS FUNÇÕES A SEQÜÊNCIA −x y =x y =x E E φ 2 ( x ) = 6 − x ...................... 28]: [FIG..................... 1]: [FIG...........................................2-24 O S GRÁFICOS DE h (x ) = e x E g ( x ) = x 2 − 4 .........................................................................5-64 O MÉTODO DO MÍNIMOS QUADRADOS....6-76 REGRA 1/3 DE SIMPSON...... .....................................................2-17 UM EXEMPLO DE UMA FUNÇÃO DE PONTO FIXO....................... 25]: [FIG.......4-47 INTERPOLAÇÃO POR LAGRANGE ................................................5-65 DIAGRAMA DE DISPERSÃO............. ............................................................................... 29]: [FIG. 15]: [FIG........1-1 O GRÁFICO DE UMA FUNÇÃO y = f ( x ) E SEUS ZEROS. 21]: [FIG................................... 20]: [FIG....2-20 φ1 ( x ) = 6 − x 2 ........................... .........................................2-11 EXEMPLO DE UMA FUNÇÃO ESTRITAMENTE CRESCENTE NUM INTERVALO DE a ATÉ b ...... 7]: [FIG...................... 18]: [FIG.............................. 37]: M ODELAGEM E RESOLUÇÃO DE PROBLEMAS...................................................................................................5-64 DOMÍNIO CONTÍNUO................4 x .........................................2-14 GRÁFICO DA FUNÇÃO f ' ( x ) = 1 + ln x ...........................................................2 ...........2-28 O S GRÁFICOS DAS FUNÇÕES g (x ) = X E h (x) = cos x ............................................2-22 A SEQÜÊNCIA {x k } NÃO CONVERGE PARA O ZERO α.............6-80 GRÁFICO DA SOLUÇÃO NUMÉRICA DE UM PVI............................ 10]: [FIG............. 2]: [FIG...............................5-68 REGRA DOS TRAPÉZIO ................................ 17]: [FIG.........2-12 O GRÁFICO DE f ( x ) = x 3 − 9 x + 3 ................................................................ 32]: [FIG......................................................................................................... 13]: [FIG.................................................................................. 16]: [FIG.........6-74 REGRA DOS TRAPÉZIOS REPETIDA ................................2-13 O S GRÁFICOS DE O GRÁFICO DE f ' ( x ) = 3 x 2 − 9 ............ ...2-13 GRÁFICO DA FUNÇÃO f ( x ) = x ln x − 3................ 22]: [FIG.................. .....2-12 g ( x ) = x 3 E h( x ) = 9 x − 3 ...................................................................2-26 INTERPRETAÇÃO GEOMÉTRICA DO MÉTODO DE NEWTON...................... 24]: [FIG.......................................................... 19]: [FIG...

2.Cálculo Numérico Noções básicas sobre erros 1-1 1 Noções básicas sobre Erros Fenômenos da natureza podem ser descritos através do uso de modelos matemáticos. Diâmetro Polar: 12713Km.1) EAx = x − x . Aproximações (ERROS): MODELAGEM: RESOLUÇÃO: Características do planeta Terra.79Km/seg.5seg. OBS. onde x é o valor exato e x é o valor aproximado.1 Erro Absoluto É o módulo da diferença entre um valor exato x de um número e seu valor aproximado x . (unidade astronômica): 149897570Km. LAURO / NUNES Universidade Tecnológica Federal do Paraná (UTFPR) . Exercício 1 Resolução: Calcular a área da superfície terrestre usando a formulação A =4π r 2 . Distância Máxima do Sol: 152100000Km. 1]: Modelagem e resolução de problemas. Inclinação do Equador Sobre a Órbita: 23o 27’. (Eq. 1: • Características Físicas: Diâmetro Eq uatorial: 12756Km. • RESOLUÇÃO: é a fase de obtenção da solução do modelo matemático através da aplicação de métodos numéricos.A.2 Erros Absolutos e Relativos 1. Perímetro de Rotação Sideral: 23h 56min 04seg. Velocidade Orbital Média: 29. 1. • Características Orbitais: Raio da Órbita. 1U. Massa: 5. isto é.98× 1024 Kg. MODELAGEM PROBLEMA MODELO MATEMÁTICO RESOLUÇÃO SOLUÇÃO [Fig.1 Erros Para se obter a solução do problema através do modelo matemático. 1. • MODELAGEM: é a fase de obtenção de um modelo matemático que descreve o comportamento do problema que se quer estudar. Distância Mínima do Sol: 147100000Km. Período de Revolução Sideral: 365dias 6h 9min 9. erros são cometidos nas fases: MODELAGEM e RESOLUÇÃO.

…. (Eq.1415926535… 1.….1-2 Cálculo Numérico Noções básicas sobre erros Geralmente não se conhece o valor exato x .3) ERx = EAx x−x EAx x − x = ou ERx = = .5 e x =1. a) x =1. d i +1 seja a última casa se d i +1 ≥5.3.1415926535… xi Sabendo-se que e pode ser escrito como e = ∑ .3 Erros de Arredondamento e Truncamento 1.49. x x x x Exercício 2 Calcular os erros absoluto e relativo. (Eq.∞). Exercício 3 Resolução: Arredondar π na quarta casa decimal.3. nos itens a) e b).2 Erro de Truncamento Truncar um número na casa d i é desconsiderar as casas d i + j ( j =1.1 Erro de Arredondamento Arredondar um número na casa d i é desconsiderar as casas d i + j ( j =1. Exercício 4 Resolução: Exercício 5 Aproximar π truncando na quarta casa decimal. o que se faz é obter um limitante superior ( k1 majorante) ou uma estimativa para o módulo do erro absoluto. Resolução: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .39. 1. b) y =5. Assim.2. Resolução: 1.4 e y =5.2 Erro Relativo ou Taxa de Erro Erro relativo de x é o módulo do quociente entre o erro absoluto EAx e o valor exato x ou o valor aproximado x . sendo que π=3.2) EAx ≤ k1 . faça a aproximação de i =0 i! x x ∞ e 2 através de um truncamento após quatro termos da somatória.∞) de tal forma que: d i seja a última casa se d i +1 <5. se x ou x ≠ 0. sendo que π=3.

represente os seguintes números. • exp ⇒ representa o expoente de β e assume valores entre I ≤ exp ≤ S . 2: Considerando no sistema binário.4 Aritmética de Ponto Flutuante Um número é representado. na base decimal. 2 3 β  β β β Onde: • d i ⇒ são números inteiros contidos no intervalo 0≤ d i <β. em aritmética de ponto flutuante: a) 0.Cálculo Numérico Noções básicas sobre erros 1-3 1. 2.5) ∑ aiβi = am βm + am −1β m−1 +…+ a2β2 + a1 β+ a0 + a−1β−1 + a− 2β−2 +…+ an +1βn +1 + anβn . para a variação do expoente. como: (Eq.4) d d d d  x =±  1 + 2 + 3 +…+ tt  ∗ βexp . ….5 Conversão de Bases 1. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . i=n m Onde: • ai ⇒ 0≤ ai <β. t . i =1. • I . os números são representados na base 2 ou binária. internamente.41510 . na máquina de calcular ou no computador através de uma seqüência de impulsos elétricos que indicam dois estados: 0 ou 1. S ⇒ limite inferior e limite superior.1 Conversão da Base β para a Decimal (β⇒10) Um número na base β pode ser escrito. Considerando no sistema de base 10. • t ⇒ número de dígitos do sistema de representação. OBS. um número x é representado na base β por: (Eq. represente o número 1012 em aritmética de ponto flutuante.34510 . Exercício 6 Resolução: Os números assim representados estão NORMALIZADOS. isto é. Exercício 7 Resolução: 1. b) 31. β=2. De maneira geral. ou seja. a mantissa é um número entre 0 e 1. β=10. respectivamente. d d d d  •  1 + 2 + 3 +…+ tt  ⇒ é chamada de mantissa e é a parte do número que representa 2 3 β  β β β seus dígitos significativos.5.

• a) PARTE INTEIRA ( N ): • a.012 = x10 .1) N <β ⇒ N10 = Nβ . determinando o valor da variável x . Exercício 9 Resolução: 11.Cálculo Numérico • n .125 = x10 . Nos exercícios a seguir. Exercício 8 Resolução: 10112 = x10 . faz-se a operação entre a mantissa do número normalizado e a base . Exercício 10 Resolução: 403. 1.5.2) N ≥β N r1 β q1 r2 β q2 O O O qn −1 rn β qn ⇒ Até que q n <β N10 =( q n rn rn −1 … r3 r2 r1 ) β Exercício 11 Resolução: Converta 5910 para a base 2. m ⇒ números inteiros. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . β exp Noções básicas sobre erros 1-4 Para a conversão. faça a conversão da base indicada para a decimal. com n ≤0 e m ≥0.2 Conversão da Base Decimal para a β (10⇒β) Aplica-se um processo para a parte inteira e um outro para a parte fracionária. • a.

Continua-se até que a parte fracionária seja igual a zero. • b) PARTE FRACIONÁRIA ( F ): Multiplica-se F por β e toma-se a parte inteira do produto como o primeiro dígito do número na base β.Cálculo Numérico Noções básicas sobre erros 1-5 Exercício 12 Resolução: Converta 5910 para a base 3. 1. Repete-se o processo com a parte fracionária do produto tomando sua parte inteira. Exercício 14 Resolução: 0.187510 = x2 . Exercício 15 Resolução: 13.3 Exercícios: Conversão de Bases Transforme para a base que se pede (determine o valor de x ).610 = x2 . Nos exercícios a seguir.5. determinar o valor de x : Exercício 13 Resolução: 0. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .2510 = x2 .

10012 = x10 .Cálculo Numérico Exercício 16 100101. Resolução: Noções básicas sobre erros 1-6 Exercício 17 Resolução: 19.1860 = x10 min .80510 = x60 .3867187510 = x4 . minutos e segundos. DICA: 35.805 horas para horas. Resolução: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . DICA: 35:48. Resolução: Exercício 19 Transforme 35. Exercício 18 Transforme a medida 35 h 48 min 18 seg para minutos.

emprega-se sempre o arredondamento.6 Operações de Pontos Flutuantes 1. Nos exercícios seguintes.02 4210 − (4.5 OBS. 4: Preencher a tabela a seguir.24 + 5.571 ou 3.58 que não podem ser representados nesta aritmética de pontos flutuantes.1 Representações • Precisão dupla: “dobra” a mantissa (2∗ t ). Um exemplo da reta furada é: Considere a aritmética de pontos flutuantes com parâme tros β=10 e t =3.6.3 −0. • Ao converter um número para determinada aritmética de ponto flutuante.2 Exercícios Exercício 20 e −5≤ exp ≤5. Exercício 21 Resolução: Exercício 22 Resolução: Exercício 23 Resolução: Exercício 24 Resolução: Exercício 25 Resolução: (4.0002175 3498. β=10. OBS. 3: 1.26 + 9.99) − 0.6.58. Número −6.24) + 5.99 + 0. com base nos parâmetros: t =3.57 e 3.57 e 3. Tome os números consecutivos 3.57437. • Não é possível representar todos os números reais em determinada aritmética de ponto flutuante (reta furada).26 + (9.0237 − 6.02) 2 ∗(4. • O zero em ponto flutuante é em geral representado com o menor expoente (exp = I ) possível na máquina. I =−5.00000001452 2379441. Por exemplo: 3.Cálculo Numérico Noções básicas sobre erros 1-7 1.48 0.04) (4210 − 4.04 4. calcular o valor das expressões utilizando aritmética de ponto flutuante com 3 algarismos significativos.106) 7 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . Existem infinitos números reais entre 3. S =5 Truncamento Arredondamento Deve-se converter os valores para a aritmética de ponto flutuante com 3 algarismos significativos.

Exercício 31 Resolução: 101. Exercício 29 Resolução: 11111112 = x10 . Exercício 27 10 10 a) 42450 + Resolução: ∑3.00112 = x10 .3 Exercícios complementares Nos exercícios seguintes.6.0237 − 6. t =4 e exp ∈[−5.Cálculo Numérico 2 ∗ ( 4. i =1 1. 5: Em aritmética de ponto flutuante não valem as propriedades associativas nem Sendo β=10. determinando o valor da variável x : Exercício 28 Resolução: 11000112 = x10 . calcule: distributivas. i =1 b) ∑ 3 + 42450. converter os números para a base decimal. Exercício 30 Resolução: 10101012 = x10 . Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .5]. .106) Exercício 26 7 Resolução: Noções básicas sobre erros 1-8 OBS.

Exercício 33 Resolução: 1.01111112 = x10 . Nos exercícios seguintes. converter os números para a base binária. determinando o valor da variável x : Exercício 34 Resolução: 3710 = x2 . Exercício 35 Resolução: 234510 = x2 .Cálculo Numérico Exercício 32 Resolução: Noções básicas sobre erros 1-9 0.0100112 = x10 . Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .

Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . • Logo: 2.Cálculo Numérico Noções básicas sobre erros Exercício 36 Determine x com 36 dígitos: 0. 011110002 .011110002 = 10.121710 = x2 . 4710 = 102 + 0. Resolução: 1-10 Exercício 37 Resolução: Determine x com 8 dígitos: 2.4710 = x2 .4710 = 210 + 0.

y y = f (x) Teorema 1 a b x [Fig. b [. Dizemos que a seqüência x1 .… da solução desejada. b ]. x3 . respectivamente. b [ ou f ' ( x )<0. xn − x <ε. Neste caso tem-se que lim xn = x .… converge para x .1 Introdução Dada uma função real f definida e contínua em um intervalo aberto I . chama-se de zero desta função em I . sendo que cada intervalo deverá conter um e somente um zero da função f . Nos processos iterativos que serão apresentados. 2.2 Fase I: Isolamento das raízes Seja f ( x ) uma função contínua num intervalo [a . x3 . o zero x =α será definido e único em [ a . Neste capítulo são apresentados alguns processos iterativos para calcular de forma aproximada os zeros reais de uma função real f dada. Isto significa dizer que a função f ( x ) é estritamente crescente ou estritamente decrescente. b [. a todo x ∈ I . • Fase II: Cálculo dos zeros aproximados utilizando um método iterativo. 6: y = f ( x ) e seus zeros. x 2 . b ]. tal que qualquer que seja n > N . se dado ε>0. no intervalo ] a . então existe pelo menos um zero de f ( x ) entre a e b . Sob as hipóteses do teorema 1. tal que f( x ) = 0. O cálculo de uma nova aproximação é feito utilizando aproximações anteriores. Se f ( a )⋅ f ( b )<0. a determinação dos zeros de uma função real de variável real será feita em duas etapas: • Fase I: Isolar cada zero que se deseja determinar da função f em um intervalo [ a . Por um processo iterativo entende-se um processo que calcula uma seqüência de aproximações x1 . isto é se f ' ( x )>0. ∀x ∈] a . b ] se a derivada f ' ( x ) existir e preservar o sinal dentro do intervalo ] a . x 2 . Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . 2]: O gráfico de uma função OBS. ∃ N ∈ ( números naturais). o que também n →∞ poderá ser indicado por xn → x . com precisão prefixada ou não. b [. ∀x ∈] a .Cálculo Numérico Zeros reais de funções reais 2-11 2 Zeros reais de funções reais 2.

Exercício 38 Resolução: Isolar os zeros da função f ( x )= x 3 −9 x +3.Cálculo Numérico y Zeros reais de funções reais y = f (x) 2-12 a b x [Fig. 3]: Exemplo de uma função estritamente crescente num intervalo de a até b. (que fornece condições de existência de zeros em um intervalo). Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: 0 1 2 −4 −3 −2 −1 3 x f (x) y y = f (x) α1 -4 -3 -2 -1 α2 1 2 α3 3 4 x [Fig. obter a equação equivalente g ( x )= h ( x ) e esboçar os gráficos destas funções obtendo os pontos onde as mesmas se intersectam. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . Outro recurso bastante empregado é: a partir da equação f ( x )=0. bem como da OBS 6. (que garante a unicidade. 4]: O gráfico de f ( x) = x3 − 9x + 3 . garante que no intervalo considerado existe um e somente um zero da função f ). isto é. Na pesquisa dos zeros reais de funções reais é muito útil o uso do Teorema 1Erro! A origem da referência não foi encontrada. pois f (α)=0 ⇔ g (α)= h (α).

Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x 1 2 3 4 f ( x) LAURO / NUNES Universidade Tecnológica Federal do Paraná (UTFPR) .2 . y y = f ’( x) - 3 1 3 2 3 4 x -4 -3 -2 -1 [Fig. 5]: Os gráficos de g ( x ) = x 3 e h( x ) = 9 x − 3 . 6]: O gráfico de Exercício 39 Resolução: f '( x ) = 3 x 2 − 9 .Cálculo Numérico Zeros reais de funções reais 2-13 y g(x) h(x ) α1 -4 -3 -2 -1 x α2 1 2 α3 3 4 [Fig. Isolar os zeros da função f ( x ) = x ln x − 3.

8 -0.0 3.7 -0.9 -1.4 x f ( x ) = x ln x − 3.2 -0.2 3. Isolar os zeros da função f ( x ) = 5 log x − 2 + 0.3 -0.6 2.5 -0.0 [Fig.2 0. 7]: Gráfico da função y = f(x) 2.4 x .6 -0.3 0.Cálculo Numérico Zeros reais de funções reais 2-14 y 0. 8]: Gráfico da função Exercício 40 Resolução: f ' ( x ) = 1 + ln x .1 0 -0.2 .8 3.4 -0. y f’ (x ) 1 1 x [Fig.1 -0. Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x 1 2 3 f ( x) Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .

para a aplicação de outro método.3. pois o esforço computacional cresce demasiadame nte quando se aumenta a precisão exigida. 10]: Os gráficos de α 2 .Cálculo Numérico Zeros reais de funções reais 2-15 y 2 1 g (x) h(x) 1 [Fig. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .Critérios de Parada 2. Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x 0 1 2 3 f ( x) y 2 g (x) 1 h(x) 1 [Fig. Isolar os zeros da função f ( x ) = x − 5e − x .1Método da Bissecção (ou Método da Dicotomia) Este método é normalmente utilizado para diminuir o intervalo que contém o zero da função. 9]: Os gráficos de Exercício 41 Resolução: α2 3 x g ( x ) = 5 log x e h( x ) = 2 − 0.3 Fase II: Refinamento . 3 x g ( x ) = x e h( x ) = 5e− x 2.4 x .

… 2 2 2 Desta forma. 2  . na figura anterior tem-se: m1 = a +b a + m1 m + m1 . o maior erro que se pode cometer na: • 1a iteração ( n =1): é • 2a iteração ( n =2): é • 3a iteração ( n =3): é M • n a iteração: M é (b − a ) 2 (b − a ) 22 (b − a ) 23 (b − a ) 2n Se o problema exige que o erro cometido seja inferior a um parâmetro ε.  a + b  a + b  a. m1 b x Assim. b      O processo é repetido para o novo subintervalo até que se obtenha uma precisão prefixada. m3 = 2 . 11]: O método da bissecção ou dicotomia. com erro inferior a 10−2 . Desta forma. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .  2 .Cálculo Numérico Zeros reais de funções reais 2-16 O processo consiste em dividir o intervalo que contém o zero ao meio e por aplicação do Teorema 1. m2 = . em cada iteração o zero da função é aproximado pelo ponto médio de cada subintervalo que a contém. determinar qual deles contém o zero. determina-se (b − a ) a quantidade n de iterações encontrando o maior inteiro que satisfaz a inequação: ≤ε 2n que se resolve da seguinte maneira: (b − a ) (b − a ) ≤ε ⇒ log ≤ log ε ⇒ log( b − a ) − log 2 n ≤ log ε ⇒ log( b − a ) − n log 2 ≤ log ε n n 2 2 log( b − a ) − log ε ⇒n ≥ log 2 Exercício 42 Determinar um valor aproximado para 5 . y f (x) m3 a m2 α [Fig. aplicado aos subintervalos resultantes.

4 ft .5 ⋅ π ⋅ r 2 − r 2arcsen  − h ( r 2 − h 2 )  . o   h volume V da água é: V= L ⋅ 0. encontre a profundidade da água no tanque com precisão de 0. r   3 r=1 ft e V=12.Cálculo Numérico Resolução: Zeros reais de funções reais 2-17 Determinar 5 é equivalente a obter o zero positivo da função f ( x ) = x 2 −5. r h θ h [Fig. Supondo que L =10 ft . 12]: O tanque de comprimento Resolução: L. Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: h 0 1 −1 f (h ) Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . Quando cheio de água até uma distância h do topo.01 ft . n 1 2 3 4 5 6 7 Portanto Exercício 43 a x b f (a ) f (x) f (b ) ( b − a )/2 5≅ Um tanque de comprimento L tem uma secção transversal no formato de um semicírculo com raio r (veja a figura).

3. então 2 Saída ( x ) (Procedimento executado com sucesso) Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .b]. com f (a ) . n a 1 2 3 4 5 6 7 Assim. f (b) <0 e a raiz de f (x ) isolada em [ a . calcula-se a derivada f . • Saída: Solução aproximada x ou mensagem de "solução não encontrada" com a precisão desejada no número máximo de iterações.1 Algoritmo do Método da Bissecção Seja f (x ) uma função contínua em um intervalo [a. PASSO 1 Faça i =1 FA= f (a ) PASSO 2 Enquanto i ≤ ITMAX execute os passos de 3 a 6 PASSO 3 Faça x = PASSO 4 Se FX = 0 ou ( a + b) e FX = f ( x ) 2 (b − a ) < ε. b ]. h = h b f (a ) f (h ) f (b) (b−a)/2 2. pode-se utilizar a OBS. isto é.1. 6: . • Dados de Entrada : Pontos extremos a e b do intervalo. precisão ou tolerância (ε) e o número máximo de iterações (ITMAX).Cálculo Numérico Zeros reais de funções reais 2-18 Para se confirmar a unicidade deste zero neste intervalo. ( h) de f (h ) para verificar que a mesma preserva o sinal no intervalo ]0.1[.

como encontrar uma função φ( x) que tenha α como ponto fixo ? Isto pode ser feito através de uma série de manipulações algébricas sobre a equação f (x ) =0. y y= x φ (x) Ponto fixo de φ (x) (Zero de f (x) ) α [Fig. transformando-a em uma equação equivalente da forma x = φ( x) .3. 1. … O ponto x 0 será considerado uma aproximação inicial do zero α da função f (x ) e φ( x) é uma função que tem α como ponto fixo. é necessário determinar um intervalo I que contenha α e que esteja contido tanto no domínio quanto na imagem de φ . Nestas transformações deve-se tomar os devidos cuidados para que φ( x) esteja definida em α e para que α pertença à imagem de φ . α= φ (α ) . isto é. n = 0.Cálculo Numérico FIM PASSO 5 Faça i = i +1 PASSO 6 Se FA·FX > 0 então faça a = x e FA = FX Caso contrário faça b = x PASSO 7 Zeros reais de funções reais 2-19 Saída (Solução não encontrada com a precisão exigida) FIM 2. Como o zero α é desconhecido. A primeira pergunta a ser respondida é: dada uma função f (x ) com zero α.6) x n+1 = φ ( x n ) . 13]: Um exemplo de uma função de ponto fixo. x Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . caso contrário não será possível discernir qual o zero determinado.2Método do Ponto Fixo (ou Método da Iteração Linear ou Método das Aproximações sucessivas) Neste método a seqüência de aproximações do zero α de uma função f (x ) ( f (α) = 0 ) é obtida através de uma relação de recorrência da forma: (Eq. É necessário que o zero α de f (x ) seja único no intervalo I. 2.

2.5. Efetuando diferentes manipulações algébricas sobre a equação f (x ) =0 ou x 2 + x − 6 =0. e x 0 =1. Exercício 45 Aproximar o maior zero da função f (x ) = x 2 + x − 6 . Resolução: x n+1 = φ 2 ( x n ) = 6 − x n . utilizando a função Neste caso a fórmula de recorrência x n+1 = φ ( x n ) . … será: = φ 2 (x n ) = 6 − x n φ 2 ( x ) = 6 − x . 1. como por exemplo: No próximo passo algumas destas funções serão utilizadas na tentativa de gerar seqüências aproximadoras dos zeros α de f (x ) . e pode-se construir a seguinte tabela: n xn x 0 1 2 3 4 M n +1 M M y 6 y= x φ 2 (x) x0 [Fig. 14]: Os gráficos das funções x2 x3 x1 α =2 6 x y = x e φ2 ( x) = 6 − x . Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .Cálculo Numérico Exercício 44 Resolução: Zeros reais de funções reais 2-20 Obter algumas funções de ponto fixo para a função f (x ) = x 2 + x − 6 . pode-se obter diferentes funções de ponto fixo. n = 0.

e x 0 =1. utilizando a função Neste caso a fórmula de recorrência x n+1 = φ ( x n ) . como determinar a priori. os dois exercícios anteriores mostram que dependendo da transformação x = φ( x) escolhida. n =0. 1. Desta forma. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . 15]: Os gráficos das funções y = x e φ1 ( x ) = 6 − x 2 . 2.5. quais transformações fornecerão seqüências convergentes? As figuras que seguem ilustram alguns casos onde ocorrem convergência e alguns casos onde não ocorrem convergência. … será: φ1 ( x) = 6 − x 2 . a relação de recorrência x n+1 = φ ( x n ) pode ou não fornecer uma seqüência {x n } convergente.Cálculo Numérico Exercício 46 Zeros reais de funções reais 2-21 Aproximar o maior zero da função f (x ) = x 2 + x − 6 . e pode-se construir a seguinte tabela: n xn x n+1 = φ1 ( x n ) = 6 − x 2 0 1 2 3 M M M y 6 y= x x2 x0 α =2 x1 x φ1 (x ) [Fig. Resolução: 2 x n+1 = φ1( x n ) = 6 − xn . Assim.

y= x y φ(x) x1 [Fig. 18]: A seqüência x1 x2 x3 x {x k } não converge para o zero α. 16]: A seqüência x1 x0 x {x k } converge para o zero α (Convergência do tipo escada). Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .Cálculo Numérico Zeros reais de funções reais 2-22 y y= x φ (x) α x3 x2 [Fig. φ (x) y= x y α x0 [Fig. 17]: A seqüência x3 α x 4 x 2 x0 x {x k } converge para o zero α (Convergência do tipo caracol).

para n = 0. 1984. Ana Flora C. tem-se que as condições i) e ii) garantem que se x n−1 ∈ I então α − x n < α − xn −1 . se para o intervalo I = [a. dada uma função φ que não satisfaça estas condições. 8: implica que x n ∈ I . … diverge. Neste caso procura-se por um intervalo I ’ satisfazendo as condições do teorema. Como as condições que o teorema que segue são apenas suficientes. et al. Na seqüência. será mostrado que neste caso x1 = φ( x 0 ) ∈ I : Supondo que a seja o extremo de I mais próximo de α. 9: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . b ] .. não se pode garantir que a seqüência gerada x1 . 19]: A seqüência x1 α x0 x2 x {x k } não converge para o zero α. Para se resolver um problema com o método das aproximações sucessivas. OBS. Se: Teorema 2 i) ii) iii) φ e φ ' são funções contínuas em I. Na demonstração do Teorema 2 . utiliza-se o teorema anterior da seguinte forma: inicialmente determina-se um intervalo I onde o zero α de f (x ) esteja isolado.Cálculo Numérico y φ (x) Zeros reais de funções reais y= x 2-23 x3 [Fig. São Paulo: McGraw-Hill. isolada em um intervalo I=[a. O Teorema que segue estabelece condições suficientes para garantir a convergência do processo iterativo. isto não OBS. estão satisfeitas as condições OBS. 16.2. pode-se verificar se as condições i) e ii) do Teorema 2 estão satisfeitas. logo x1 ∈ I . x3 . Na verdade. Entretanto. 7: 2. k = max φ' (x ) < 1 x∈I x 0 ∈ I e x n+1 = φ ( x n ) ∈ I . 2. 1. e uma função φ que tenha α como ponto fixo.3. p. Uma maneira simples para garantir que x n ∈ I = [a. A condição iii) do Teorema 2 pode ser substituída por: iii’) o zero α é o ponto médio do intervalo I . que pode ser vista em HUMES. Analisando φ e φ' . b] ∀n ≥ 0 é tomar como valor inicial x0 o extremo de I mais próximo do zero α. x 2 . … Então a seqüência {x n } converge para o zero α . Noções de Cálculo Numérico. A demonstração é análoga para o caso em que b o extremo de I mais próximo de α.b]. e seja φ uma função tal que φ(α ) = α . temse: x1 − α < x0 − α = a − α ≤ b − α .1 Convergência do Método das Aproximações Sucessivas Seja α um zero de uma função f. Estas condições podem não estar satisfeitas pelo fato do intervalo I ter sido superdimensionado.

α + r ] a hipótese iii) do teorema é verificada. ˆ OBS. A determinação do extremo de I = [a. então α − xn ≤ xn − xn−1 . OBS. b ] nas condições do teorema 2. 11: Sejam dados φ( x ). ou seja. n ≥1. b] mais próximo do zero α pode ser feito da seguinte maneira: Suponhamos satisfeitas as hipóteses i) e ii) do Teorema 2 Nestas . Analogamente. então x é o zero procurado. b é o extremo de I ˆ ˆ mais próximo de α .Cálculo Numérico Zeros reais de funções reais 2-24 i) e ii) do Teorema 2. então α está entre x e b . e se a estiver mais próximo de α do que de b então. para todo I = [a. então a é o extremo de I mais próximo de ˆ ˆ ˆ α. (a + b ) ˆ condições. 2 Exercício 48 Resolução: Verificação da condição i): Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . 20]: Casos em que b é o extremo mais próximo de α. Mais ainda. obtém-se um limitante 1− k superior para o erro cometido na n -ésima iteração ( xn ). α e k = max φ' ( x ) satisfazendo as hipóteses do teorema x∈I k anterior. Se xn =φ( xn−1 ). Se x < φ( x) . Verificação da condição i): Resolução: Verificação da condição ii): Logo. 10: a x φ (x) α b x a x α b φ (x) x [Fig. existe I ’⊂ I tal que qualquer que seja x0 ∈ I ’ tem-se que x n ∈ I ’. Se x = φ( x) . denotando a − α por r. seja x = (ponto médio do intervalo I ). Exercício 47 Verificar as condições i) e ii) do teorema anterior quando do uso da função φ 2 ( x ) = 6 − x no exercício anterior. Sabe-se que φ( x) está mais ˆ 2 ˆ ˆ ˆ próximo de α do que x . se x > φ( x) . Verificar as condições i) e ii) do teorema anterior quando do uso da função φ1 ( x) = 6 − x . Desta forma. tem-se que para qualquer x0 ∈ [a.

2. • Dados de Entrada : Aproximação inicial p 0 . precisão ou tolerância (ε) e o número máximo de iterações (ITMAX). utilizando o método do ponto fixo. execute os passos 3 – 6 PASSO 3 Faça p = φ( p ) (calcular pi ) PASSO 4 Se p − p 0 < ε então Saída ( p ) (procedimento efetuado com sucesso) FIM PASSO 5 Faça i = i + 1 PASSO 6 Faça p 0 = p (atualize p 0 ) PASSO 7 Saída (solução não encontrada após ITMAX iterações) FIM OBS. • Saída: Solução aproximada p ou mensagem de “solução não encontrada”.2 Algoritmo do Método das aproximações sucessivas Para encontrar uma solução para p = φ( p ) dada um aproximação inicial p 0 .Cálculo Numérico Verificação da condição ii): Zeros reais de funções reais 2-25 Logo. 12: Outros critérios de parada podem ser utilizados: • • • pn − pn −1 < ε pn − p n−1 <ε pn f ( pn ) < ε Encontrar o zero de f (x ) = e x − x 2 + 4 com precisão ε = 10 −6 . PASSO 1 Faça i = 1 PASSO 2 Enquanto i ≤ ITMAX.2.3. Exercício 49 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .

21]: Os gráficos de h (x ) = e x e g ( x ) = x 2 − 4 . Procurando uma função de ponto fixo adequada pode-se fazer: Verificando as hipóteses i) e ii) do Teorema 2: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .4 -1 -2 -3 -4 1 2 3 x [Fig.Cálculo Numérico Zeros reais de funções reais Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x −3 −2 −1 f (x ) 2-26 5 4 3 2 1 -3 α -2 -1 y h(x ) = e x g (x) = x 2 .

Supondo que f ' (α)?0. x = xn x n+1 xn+1 − x n 2. x∈I Obtenção da função φ( x) : A forma mais geral de x = φ( x) equivalente a f (x ) =0 é dada por: (Eq. n = 0. tem-se: (Eq. A idéia é construir uma função φ( x) para a qual exista um intervalo contendo o zero α . uma escolha satisfatória para A( x) será f ' ( α) portanto: (Eq. o processo iterativo de Newton é definido por: (Eq. existe sempre uma vizinhança I de α onde max φ' ( α) <1. Escolhe-se A( x) de forma que φ' (α ) = 0 . Calculando esta derivada no ponto α .9) φ( x ) = x − f ( x) f '( x ) Assim.7).3Método de Newton.3.Cálculo Numérico Zeros reais de funções reais 2-27 n 0 1 2 3 Portanto. Como φ' ( x) deve ser uma função contínua. Assim.7).7) x = x + A( x) f ( x) = φ( x) onde A( x) é uma função contínua tal que A( α) ≠ 0 . 1. deve-se ter A(α) = − .8) em (Eq. uma vez que x ≅ α . obtém-se φ' ( x) =1+ A( x) f ' ( x ) + A' ( x) f ( x) . onde φ ' ( x) < 1 .10) xn+1 = x n − f ( xn ) . para que 1 φ' (α ) = 0 . Esta construção é feita impondo φ' (α ) = 0 .8) A( x) = − 1 . obtém-se: φ ' (α ) =1+ A( α) f ' (α ) . 2. … f '( x n ) LAURO / NUNES Universidade Tecnológica Federal do Paraná (UTFPR) . f '( x) Substituindo (Eq. Newton-Raphson (ou Método das Tangentes) Este método é uma particularidade do método das aproximações sucessivas. Derivando-se a (Eq.

por exemplo.1 Interpretação Geométrica do Método de Newton O ponto xn+1 é obtido traçando-se a tangente ao gráfico da função f (x ) no ponto ( xn . PASSO 1 Faça i =1 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . uma vez que x n ≠ α . Para se escolher o ponto inicial x 0 . 22]: Interpretação Geométrica do Método de Newton. a seqüência gerada pelas iterações do método de Newton-Raphson utilizando a f ( xn ) f (x ) função φ( x ) = x − que equivale a x n+1 = xn − converge para o único zero α de f ' ( xn ) f '( x ) f . dada a derivada de f (x ) e uma • Dados de Entrada : Aproximação inicial p 0 . b] for escolhido convenientemente. b] . y f (xn) θ xn +1 f (x) α x2 x1 x0 x xn [Fig.2 Convergência do Método de Newton Teorema 3 Seja f : [a . f ( x n )) . b] f ' ' ( x) não troca de sinal em [a. isolado em [a. b] ou x0 = b caso contrário. se x0 ∈ [a . b] → ℜ . OBS. pode-se. • Saída: Solução aproximada p ou mensagem de “solução não encontrada”.3. duas vezes diferenciável. A intersecção da reta tangente com o eixo das abscissas fornece a nova aproximação xn+1 . precisão ou tolerância (ε) e o número máximo de iterações (ITMAX). b] Então.3.3. f (x ) =0. com f " (x ) contínua. tgθ = f ' ( xn ) = f (x n ) f ( xn ) ⇒ x n+1 = x n − x n − x n+1 f ' (x n ) 2.Cálculo Numérico Zeros reais de funções reais OBS. 14: φ(a ) ∈ [a . fazer x 0 = a se 2.3. Suponha que: i) ii) iii) f (a ) ⋅ f (b ) < 0 f ' ( x ) ≠ 0. 13: A (Eq. ∀x ∈ [ a. 10) é válida mesmo que f ' ( α ) = 0.3. Esta interpretação justifica o nome de método das tangentes.3. 2-28 2.3 Algoritmo do Método de Newton Para encontrar uma solução para aproximação inicial p 0 .

Cálculo Numérico PASSO 2: Enquanto i ≤ ITMAX. 16: Exercício 50 Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: π x 0 2 f ( x) Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . Encontrar a solução para a equação x = cos x com precisão ε = 10 −6 . execute os passos 3 – 6 PASSO 3 Faça p = p0 − f ( p 0 ) / f ' ( p0 ) (calcular pi ) PASSO 4 Se p − p 0 < ε então Zeros reais de funções reais 2-29 Saída (p) (procedimento efetuado com sucesso) FIM PASSO 5 Faça i = i + 1 PASSO 5 Faça p 0 =p (atualize p 0 ) Passo 7: Saída (solução não encontrada após ITMAX iterações) FIM OBS. 15: Outros critérios de parada podem ser utilizados: • • • pn − pn −1 < ε p n − p n−1 pn <ε f ( pn ) < ε O Método de Newton irá falhar se para algum n. OBS. f ' ( p n−1 ) = 0.

x = xn xn +1 xn+1 − xn 2. determine uma aproximação para o zero da função. considerando cada método especificado. n 0 1 2 Portanto.3. Exercício 51 Pelo método da Bissecção.Cálculo Numérico Zeros reais de funções reais 2-30 y 1 g (x) = x π α -1 [Fig. Resolução: n 1 2 3 4 5 6 7 8 9 a x b f (a ) f ( x ) f (b ) ( b − a )/2 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .2) da 2 função f ( x )= e − x − cos x com aproximação ε1 = 10 −4 tal que ( b − a )/2< ε1 . determine uma aproximação para x ∈(1. 23]: Os gráficos das funções 3π 2 2π h(x )= cos x x π 2 g (x ) = x e h (x) = cos x .4 Comparação entre os métodos Nos exercícios seguintes.

x = Exercício 52 Zeros reais de funções reais 2-31 Pelo método da Ponto Fixo ou Aproximações Sucessivas.5. determine uma aproximação para x ∈(1.2) da função f ( x )= e − x − cos x com aproximação ε1 = ε 2 =10 −4 tal que | f ( x n )|< ε1 ou | xn+1 − x n |< ε 2 . Utilize x 0 =1. determine uma 2 aproximação para x ∈(1. Resolução: n 0 1 xn xn+1 | xn+1 − x n | | f ( x n )| Parada Logo.5.Cálculo Numérico 10 11 12 13 14 Logo. x = Pelo método de Newton-Raphson. x = Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . Utilize x 0 =1.2) 2 Exercício 53 da função f ( x )= e − x − cos x com aproximação ε1 = ε 2 = 10 −4 tal que | f ( x n )|< ε1 ou | xn+1 − x n |< ε 2 . Resolução: n 0 1 2 3 4 5 xn xn+1 | xn+1 − x n | | f ( xn+1 )| Parada Logo.

1 Forma Algébrica de Sn (Eq. 2. 3. • b ⇒ vetor dos termos independentes. j =1 n 3. recorrem a resolução numérica de um sistema linear S n de n equações com n incógnitas.3 Matriz Aumentada ou Matriz Completa do Sistema  a11 a12 L a1n b1  a   21 a22 L a2n b2  . • x ⇒ vetor das incógnitas (ou vetor solução). i =1. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . 3. n .13) A⋅ x=b  a11 a12 L a1n   x1   b1  a       21 a22 L a2n  ⋅  x2  = b2  . xn ) T . x2 . ….Cálculo Numérico Resolução de sistemas de equações lineares 3-32 3 Resolução de sistemas de equações lineares 3.2 Forma Matricial de Sn (Eq.12) S n = ∑ aij x j = bi .11)  a11x1 a x  S n =  21 1  M  an1 x1  ou + a12 x2 + a 22 x2 M + an 2 x2 + L + + L + + L + a1n xn a2n xn M ann x n = b1 = b2 M = bn (Eq. como cálculo de estruturas de redes elétricas e solução de equações diferenciais.  M M M  M M       an1 an2 L ann   xn  bn  Onde: • A ⇒ matriz dos coeficientes.1.4 Solução do Sistema x =( x1 .1.1 Introdução Vários problemas.1. B =[ A : b ]=  M M M M   an1 an2 L ann bn  3.1. ….

[ A : b ] ≈ [U : c ]  a11 a12 L a1n b1  u11 u12 L u1n a    21 a22 L a2n b2  ≈  0 u22 L u 2n  M M M M  M M M    0 L unn an1 an2 L ann bn   0 c1  c2  . A solução é chamada TRIVIAL. A ⋅ x = b ≈ U ⋅ x = c .2 Métodos diretos São métodos que determinam a solução de um sistema linear com um número finito de operações. 17: 3. n . OBS.Cálculo Numérico • COMPATÍVEL: apresenta soluções. o sistema linear A ⋅ x = b é transformado num sistema triangular superior equivalente. M  cn  Exercício 54 2 x1 + 3x2  Resolver o sistema S3 .1 Método de Eliminação de Gauss Com ( n −1) passos.5 Classificação de um Sistema Linear 3.6 Classificação quanto ao Determinante de A • det A ≠0 (SPD) ⇒ sistema linear possível e determinado (SOLUÇÃO ÚNICA). isto é.1. Tome det A ≠0 como hipótese. • det A =0 (SPI) ou (SI): a matriz A é SINGULAR. (SI) ⇒ Sistema impossível. + x3 = − 1 Resolução: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . pois admite sempre a solução x =0. com S3 = 4 x1 + 4 x2 2 x − 3x  1 2 − x3 = 5 − 3 x3 = 3 . Todo sistema homogêneo é compatível. Definição: Dois sistemas lineares são equivalentes quando possuem a mesma solução. (SPI) ⇒ Sistema possível e indeterminado. 3. 2. i =1.1. o sistema é dito HOMOGÊNEO. • INCOMPATÍVEL: caso contrário.2. Se bi =0. …. o que se resolve por substituição. se b =0. Resolução de sistemas de equações lineares 3-33 3.

tome L(i 0) . i • Etapa 2: Repete-se o processo para o próximo pivô.3 e a (1) como pivô.3. na matriz aumentada. Exercício 55 Resolver o sistema S4 com arredondamento em duas casas decimais. com i =2. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . situado na diagonal da matriz B1 . i 22 • Método compacto para a TRIANGULAÇÃO U ⋅ x = c : Linha Multiplicador m Matriz Aumentada B0 ⇒ (1) 2 3 -1 5 (0 ) (2) m21 = 4 4 -3 3 (3) (2) (3) (0 m31) (1 m32) Transformação = 2 -3 1 -1 B1 ⇒ = (3) B2 ⇒ As linhas contendo os pivôs formam o sistema U ⋅ x = c . como as linhas de B0 e a11) como pivô e calculam-se os multiplicadores m(10) ( i =2.2.3). Em B1 . com i =1. tome L(1) .Cálculo Numérico Resolução de sistemas de equações lineares 3-34 (0 • Etapa 1: em B0 .

2.8 x 2 − 84.80 -106.40 -49.00 -45.40 21.0 x 2 m + + − − Resolução de sistemas de equações lineares 9. com An×n . r = b − Ax .00 3.3x 3 + 11.0 x4 = 16. r= 3. 4 x 4 = − 80.30 11.80 -84.1x4 = − 49.50 52.70 24.50 -13.00 -8.30 3-35 Linha (1) (2) (3) (4) (2) (3) (4) (3) (4) (1 m32) = (1 m42) = (0 m21) (0 m31) (0 m41) Multiplicador B0 ⇒ = = = B1 ⇒ B2 ⇒ (2 m43) = B3 ⇒ (4) Então A ⋅ x = b ≈ U ⋅ x = c ⇒ [ A : b ] ≈ [ U : c ]. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . xn×1 e bn×1 . que é dado por: (Eq.3 x1   21.4 11.0 x1  Resolução: + 3.2 Algoritmo de Eliminação de Gauss Seja o sistema A ⋅ x = b .1 Cálculo do Resíduo Uma medida para avaliar a precisão dos cálculos é o resíduo.5 x  1 S4 ⇒ A ⋅ x = b ⇒  52. 23. U ⋅ x=c ⇒ Logo: x = 3.00 9.10 11.50 -23.30 21.7 x1 24.00 -81.Cálculo Numérico  8.1. Exercício 56 Resolução: Com base no exercício anterior.20 11. calcular o resíduo r do sistema A ⋅ x = b .0 x 2 − 81. TRIANGULARIZAÇÃO: A ⋅ x = b ≈ U ⋅ x = c .8 13.70 -80.0 x 2 − 8.7 .1.5x 3 + 11.50 16.3 Matriz Aumentada 8. Sempre supor que akk ≠0 na etapa k .2 x3 + 21.5 x 4 = − 106.14) r = b − Ax .5 x 3 − 45.2.

com i . 2. xn = bn ann Para k =( n −1). …. ….2 Estratégia de Pivoteamento Completo No momento de se calcular o multiplicador mik . …. n s = s + akj ∗ x j FIM xk = FIM bk − s akk 3. escolhese como pivô MAX aij . Para se contornar estes problemas.2. 2. 1 s =0 Para j =( k +1).  a11 a12   a21 a22  M M B= a p1 a p 2  M M   an1 an2  L L L L a1q a2 q M a pq M anq L a1n M L a pn M L ann L a2 n b1   b2  M . …. 2. se o pivô estiver próximo de zero. Dado A ⋅ x = b . …. n . ( n −1) Para i =( k +1). bp  M  bn   Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . n aij = aij − m ∗ akj bi = bi − m ∗ bk FIM FIM FIM RESOLUÇÃO DO SISTEMA U ⋅ x = c . o método pode ampliar os erros de arredondamento. j =1. …. tome B =[ A : b ].Cálculo Numérico Para k =1. n aik akk Resolução de sistemas de equações lineares 3-36 m= aik =0 Para j =( k +1).

Então. Exercício 57  8. i iq Eliminando-se a linha pivotal p .4 = − 49. calcula-se o multiplicador m( 0) = − iq .Cálculo Numérico ( aiq0) 0 a(pq) Resolução de sistemas de equações lineares 3-37 Seja a pq = MAX aij . utilizando eliminação de Gauss com pivoteamento completo. ….7 x1 24.5 x 4 = 16.50 16. 2.0 x1  Resolução: + 3.00 9.5x 3 − 13. j =1.0 x 2 − 81.00 -8. Assim. ….70 -80. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .0 x 2 m + 9. Resolva S4 com arredondamento em duas casas decimais.80 -84.0 x 2 − 8.8 x 2 − 84.00 -81.30 = = B1 ⇒ (1 m44) = (2 m11) = B2 ⇒ B3 ⇒ (1) Então A ⋅ x = b ≈ U ⋅ x = c ⇒ [ A : b ] ≈ [ U : c ].20 -45.00 Matriz Aumentada 3.50 -13.40 21. ….5 x  1 S4 ⇒ A ⋅ x = b ⇒  52.80 -106. repete-se o processo até que se obtenha L(i k ) com k conjuntos de operações elementares aplicadas sobre B . = − 80.1x4 + 11.40 -49.50 B0 ⇒ 52. em cada linha.3x 3 + 11.30 21. 4 x 4 + 21.0 x4 − 45.70 24.2. onde k =1.7 . ∀i ≠ p com i =1.3 Refinamento de Soluções Seja x (0) a solução aproximada para A ⋅ x = b .50 -23. U ⋅ x=c ⇒ 3.8 = − 106. 2. n . anulam-se os elementos aij da coluna q através da operação: 0 L(1) ← m( 0) ∗ L(p ) + L(i 0) . (i . Obtém-se a solução melhorada x (1) aplicando-se a correção δ( 0) em x (0) . ( n −1).3 x1  21.3 Linha (0 (1) m12) = (2) (3) (4) (1) (2) (4) (1) (4) (0 m42) (1 m14) (0 m22) = Multiplicador 8.00 11.5 x 3 − 23.10 11.2 x3 + 11. 2. n ) o pivô da linha p .30 11.

Cálculo Numérico Resolução de sistemas de equações lineares 3-38 x (1) = x (0) + δ( 0) Se A ⋅ x (1) = b .3000 11.5 x  1 A⋅ x=b⇒ 52. calcula-se x (1) = x (0) + δ( 0) .01 − 1.3000 21. até que se tenha a precisão desejada. Obtido o δ( 0) . obtém-se o refinamento de forma iterativa pela seguinte equação: (Eq.5 x 4 = 16. faça o refinamento de x até que se obtenha o resíduo r (k ) =0.0240 -0. 2. x ( k ) .4000 21.0000 -8.5000 -23.0420 0.7 x1 24.0 x1  + 3. Repete-se o processo para se obter x (2) .2 x3 + 11. … k .7000 24. 4 x 4 + 21.0001). Considerando a resposta x do Exercício 55 .468] REFINAMENTO: x ( k ) = x (k −1) + δ( k −1) A ⋅ δ( k −1) = r (k −1) ⇒ [ A : r (k −1) ] ⇒ δ( k −1) T Resolução: • k =1 Linha (1) (2) (3) (4) (2) (3) (4) (3) (4) (4) (2 m43) [ A : r (0 ) ] ⇒ δ( 0) ⇒ x (1) = x (0) + δ( 0) Multiplicador m 8. Logo. x (3) .0000 9.0 x 2 − 81.3 x1  21.082 0.7 = − 80.01 2.8 = − 106.4680 B0 ⇒ (0 m21) = (0 m31) = (0 m41) = B1 ⇒ m(1) 32 m(1) 42 = = B2 ⇒ = B3 ⇒ Considerando 4 casas decimais: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .01 1.042 0.5x 3 − 13.0000 -81.00 ]T 1 r (0 ) = b − A ⋅ x (0) ⇒ r (0 ) = [− 0.0 x 2 − 8. δ( 0) vem de [ A : r (0 ) ].8 x 2 − 84.0000 -45. Assim.5000 -0.0 x 2 + 9.1000 11.5000 52.3x 3 + 11.5000 -13.2000 11. quatro casas decimais. com i =1. Exercício 58  8.5 x 3 − 23.0820 0.15) x (i ) = x ( i −1) + δ(i −1) .0000 Matriz Aumentada 3.3 x (0) = [ .4 = − 49. então A ⋅( x (0) + δ( 0) )= b A ⋅ x (0) + A ⋅ δ( 0) = b ⇒ A ⋅ δ( 0) = b − A ⋅ x (0) ⇒ A ⋅ δ( 0) = r (0 ) .0 x4 − 45. considerando precisão dupla ( 10−4 =0. ….1x4 + 11.024 − 0.8000 -84.

1. 3. o sistema equivalente da forma x = F ⋅ x + d . sendo ε a tolerância. x e d vetores n × 1 . onde k =0. Adaptação de A⋅ x = b para x = F ⋅ x + d :  a11x1 a x  A⋅ x = b ⇒  21 1  M  an1 x1    x1  x  x = F ⋅ x +d ⇒ 2 M  xn   + a12 x2 + a 22 x2 M + an 2 x2 = = + L + + L + + L + a1n xn a2n xn M ann x n = b1 = b2 M = bn = b1 − ( a12 x 2 + a13x3 + a14 x4 + L + a1n xn ) a11 b2 − ( a21x1 + a 23x3 + a24 x 4 + L + a 2n x n ) a22 M bn − ( an1x1 + an 2 x2 + a n3 x3 + L + an( n−1) x(n−1) ) ann Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . 3. ou i 1≤i≤ n • k > M . 3.3 Métodos iterativos A solução x de um sistema de equações lineares A⋅ x = b pode ser obtido resolvendo. onde F é uma matriz n × n . Isto pode ser feito tomando φ( x ) = F ⋅ x + d . e M é o número máximo de iterações e x ( 0) é o vetor inicial. sendo M o número máximo de iterações.2 Método de Gauss-Jacobi.1 Testes de parada O processo iterativo x ( k +1) gera aproximações até que: • máx x ( k +1) − xi( k ) ≤ ε .Cálculo Numérico Resolução de sistemas de equações lineares 3-39 [ A : r (0 ) ] ≈ Então: [ A : r (0 ) ] ⇒ δ( 0) ⇒ Como: x (1) = x (0) + δ( 0) ⇒ r (1 ) = b − A ⋅ x (1) ⇒ • Logo. …. M .3. de forma iterativa. x ( k +1) = φ( x ( k ) ) = F ⋅ x ( k ) + d .3.

Caso isto não ocorra. utilizando o método de Gauss-Jacobi. 18: Para o sistema x = F ⋅ x + d .Cálculo Numérico Resolução de sistemas de equações lineares 3-40 OBS. é necessário que a ii ≠ 0. = 7 10 x1 + 2 x2 + x3  A⋅ x = b ⇒  x1 + 5 x2 + x3 = − 8 ⇒ x = F ⋅ x + d  2 x + 3x + 10 x = 6  1 2 3 Resolução: F= e d= Neste caso a fórmula de recorrência fica: x ( k +1) = F ⋅ x ( k ) + d ⇒ Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .01. Assim. o sistema A⋅ x = b deve ser reagrupado. a fórmula recursiva x = F ⋅ x + d é dada na forma matricial por:   0  x1   a  x  − 21  2   a22  x 3  =  a31   −  M   a33  xn   M    a − n1   ann  ( k +1) x1   ( k +1) x2   M   ( k +1) xn  Exercício 59 − a12 a11 0 a13 a11 a − 23 a 22 − 0 M a n3 − a nn a32 a 33 M an 2 − a nn − a1n   b1   a  a11  11 a2n   x1   b2      L − a22   x 2   a22  a  ∗ x  +  b  L − 3n   3   3  a33   M   a33  M  x   M    n   bn  L 0      ann   L − ou ainda x ( k +1) = F ⋅ x ( k ) + d o que é equivalente a: = = b1 − ( a12 x 2 + a13 x3 + a14 x4 + L + a1n x ( k ) ) n a11 ( ( ( b2 − ( a21x1k ) + a 23x3k ) + a24 x ( k ) + L + a2n xnk ) ) 4 (k) (k) (k ) = a22 M (k ) (k ) (k ) (k) bn − ( an1 x1 + an2 x2 + a n3 x3 + L + a n(n−1) x( n−1) ) ann x (0 ) Resolva o sistema a seguir. ∀i . com = 0n×1 e ε = 10− 2 =0.

Verificar se o 10 x1  que segue: A⋅ x = b ⇒  x1  2x  1 Exercício 60 critério das linhas é satisfeito no sistema de equações A⋅ x = b ..01. … . n . + 2 x2 + x3 = 7 + 5 x2 + 3x 2 + x3 + 10 x3 = −8 = 6 10 2 1    Resolução: A= 1 5 1 ⇒  2 3 10    Logo..2. a matriz dos coeficientes das incógnitas A é dita estritamente diagonal dominante... Verificar se o critério  x1 + 3x 2  que segue: A⋅ x = b ⇒ 5 x1 + 2 x2  6 x2  Exercício 61 das linhas é satisfeito no sistema de equações A⋅ x = b .1 Critério das linhas Uma condição suficiente (mas não necessária) para garantir a convergência do método de Gauss-Jacobi aplicado ao sistema A⋅ x = b . a matriz dos coeficientes A é estritamente diagonal dominante. + x3 = − 2 + 2 x3 + 8 x3 = 3 = −6 1 3 1   Resolução: A = 5 2 2 ⇒ 0 6 8   Logo a matriz dos coeficientes A não é estritamente diagonal dominante.. Mas permutando adequadamente as equações do sistema. 3.. o processo convergiu com .16) ∑ aij j =1 j ≠i n < aii . com a ii ≠ 0.. o que garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de equações e incógnitas... é (Eq. Neste caso. i = 1.3. iterações para: x= 3. Isto significa que não é garantida a convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de equações e incógnitas.Cálculo Numérico k 0 1 2 3 4 5 6 ( x1 k ) Resolução de sistemas de equações lineares 3-41 x( k) 2 0 ( x3k ) max xi(k ) − xi(k −1) 1≤i ≤3 0 0 - Com x ( 0) = [0 0 0]T e ε=0. ∀i . 2.. obtém-se o sistema equivalente: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .

esta nova matriz dos coeficientes A é estritamente diagonal dominante. 10 x1  A⋅ x = b ⇒  x1  2x  1 Resolução: + 2 x2 + 5 x2 + 3x 2 + x3 = 7 + x3 + 10 x3 = −8 = 6 Neste caso a fórmula de recorrência fica:  ( k +1) =  x1   ( k +1) = x2   ( k +1) =  x3  Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .Cálculo Numérico Resolução de sistemas de equações lineares 3-42 A= Logo.01. o que garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta nova ordem de equações e incógnitas.3.3 Método de Gauss-Seidel. as equações recursivas ficam:  ( k +1)  x1   ( k +1) x2    ( k +1)  x3   M   x ( k +1)  n  Exercício 62 = = = = ( ( b1 − ( a12 x ( k ) + a13 x3k ) + a14 x4k ) + L + a1n x ( k ) ) 2 n a11 ( ( ( b2 − ( a21x1 k +1) + a 23x3k ) + a 24x ( k ) + L + a2 n xnk ) ) 4 a22 ( k +1) ( k +1) b3 − ( a31x1 + a32 x 2 + a34 x ( k ) + L + a3n x ( k ) ) n 4 a33 M (k +1) (k +1) ( +1 bn − ( an1 x1 + an 2 x2 + an3 x3k +1) + L + a n(n−1) x((k−1)) ) n ann x (0 ) = 0n×1 Resolva o sistema a seguir. para o cálculo de x (pk +1) . 1 ≤ i < p . É semelhante ao método de Gauss-Jacobi. com e ε = 10− 2 =0. Desta forma. utilizando o método de Gauss-Seidel. 3. com a diferença de utilizar xi( k +1) .

. iterações para: x= 3.4 Comparação entre os métodos Exercício 63 x (0 ) = 0n×1 Resolva o sistema A⋅ x = b .Cálculo Numérico k 0 1 2 3 4 ( x1 k ) Resolução de sistemas de equações lineares 3-43 x( k) 2 0 ( x3k ) max xi(k ) − xi(k −1) 1≤i ≤3 0 0 - Com x ( 0) = [0 0 0]T e ε=0. o processo convergiu com ... com e ε=0.... utilizando o método de Gauss-Jacobi. 5 x1  A⋅ x = b ⇒ 3 x1 3 x  1 Resolução: + x2 + x3 = 5 = 6 = 0 + 4 x2 + 3x 2 + x3 + 6 x3 F= e d= Neste caso a fórmula de recorrência fica:  ( k +1)  x1   ( k +1) (k) x = F ⋅ x + d ⇒  x ( k +1) 2   ( k +1)  x3  = = = ( x3k ) k 0 1 2 3 4 5 6 7 8 9 10 11 ( x1 k ) x( k) 2 0 max xi(k ) − xi(k −1) 1≤i ≤3 0 0 - Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .05.01..3..

5 x1 + x2 +  A⋅ x = b ⇒ 3 x1 + 4 x2 + 3 x + 3x +  1 2 A⋅ x = b ... Exercício 65 Verificar se o critério de Sassenfeld é + 0.1x4 = 0.2 x4 = x4 = de equações 0.. n . é M <1. utilizando o método de Gauss-Seidel.Cálculo Numérico Com x ( 0) = [0 0 0]T e ε=0.2 x 3 − x3 + 0. então o critério de Sassenfeld também será satisfeito 0..05... 2 x + x2 −  1 A⋅ x = b ..1x1 + 0.05..5 satisfeito.1x3 + 0. o processo convergiu com . onde: 1≤i≤ n β1 = n 1 ⋅ ∑ a1 j a11 j= 2 βi = OBS.   n  Se o critério das linhas é satisfeito.5 Critério de Sassenfeld Uma condição suficiente para garantir a convergência do método de Gauss-Seidel aplicado ao sistema A⋅ x = b . que segue: A⋅ x = b ⇒  − 0..05. sendo M = max βi .6 1. i = 2..0 − 2.5 x2 −  x1  0.... ∀i .3.2 x 3 + no sistema 0. com a ii ≠ 0. 3. com x3 x3 6 x3 = 5 = 6 = 0 Resolução: Neste caso a fórmula de recorrência fica:  ( k +1) =  x1   ( k +1) = x2   ( k +1) =  x3  k 0 1 2 3 ( x1 k ) x( k) 2 0 ( x3k ) max xi(k ) − xi(k −1) 1≤i ≤3 0 0 - Com x ( 0) = [0 0 0]T e ε=0..7 x 2 +  0.1x4 = 0.. … . iterações para: x= 3. iterações para: x= Resolução de sistemas de equações lineares 3-44 Exercício 64 x (0 ) Resolva o sistema = 0n×1 e ε=0.3 x2 +  Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .1x1 − 0.. 19: 1 aii  i −1 ⋅ ∑ aij ⋅ β j +  j =1  j =i +1 ∑ aij  . o processo convergiu com . 2 − 2.

. o que garante a convergência do método de Gauss-Seidel aplicado a este sistema... M = max βi = max { .2    0...3 0.... ...1 3-45 β1 = β2 = β3 = 1 ⋅ [ a12 + a13 + a14 ] = a11 1 ⋅ [ a 21 ⋅ β1 + a23 + a 24 ] = a 22 1 ⋅ [ a 31 ⋅ β1 + a 32 ⋅ β 2 + a 34 ] = a33 1 ⋅ [ a 41 ⋅ β1 + a42 ⋅ β2 + a 43 ⋅ β3 ] = a44 1≤i ≤4 β4 = Então... Exercício 66 Verificar se o critério de Sassenfeld é satisfeito no sistema de equações 2 x1 + x2 + 3 x3 = 9  A⋅ x = b .1 0. .. } = ..Cálculo Numérico Resolução: Resolução de sistemas de equações lineares  1 0......1 − 0.. Logo o critério de Sassenfeld está satisfeito... tem-se que: Resolução: β1 = 1 ⋅ [ a12 + a13 ] = a11 β1 = β2 = β3 = 1 ⋅ [ a12 + a13 ] = a11 1 ⋅ [ a 21 ⋅ β1 + a 23 ] = a 22 1 ⋅ [ a31 ⋅ β1 + a32 ⋅ β 2 ] = a33 LAURO / NUNES Universidade Tecnológica Federal do Paraná (UTFPR) ... .... ..1   0...... ..7 1 0.. que segue: A⋅ x = b ⇒  − x2 + x3 = 1 x + 3 x3 = 3  1 Com esta disposição de linhas e colunas.2 1   0. 2 1 − 0.....2 − 0. .5 − 0........1   A= − 0..

M = max βi = 1≤i ≤3 Resolução de sistemas de equações lineares 3-46 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .Cálculo Numérico Então.

y1 ) ( x2 .1 Existência e Unicidade do Polinômio Interpolador Pn(x) Teorema 4 Existe um único polinômio Pn ( x ). n . n . Desenvolvendo o sistema f ( xi )= ∑ ak xik ( i =0.1 Interpolação polinomial Uma função f ( x ) pode ser conhecida por um conjunto finito e discreto de n +1 pontos. n ). y5 ) P(x ) x0 [Fig. 24]: Interpolação de x1 x2 x3 x4 x5 x f ( x ) pelo polinômio P ( x ). y2 ) ( x3 .….….1. Tome n Pn ( xi )= ∑ ak xik = f ( xi ) para k =0 n i =0. xi x0 yi y0 x1 x2 x3 x4 x5 y1 y2 y3 y4 y5 Para se INTERPOLAR os n +1 pontos obtidos da tabela. i ≠ j . y ( x0 . de grau ≤ n . tal que: Pn ( xi )= f ( xi ).1. …. 1.1. y4 ) f (x) ( x5 . obtém-se: k =0  a0   a0  M a  0 + + + a1x0 a1x1 M a1xn + a2 x0 + a2 x12 2 + L + + L + + L + an x0 n an x1 M an xn n n = = = f ( x0 ) f ( x1 ) M f ( xn ) (i = 0 ) ( i = 1) (i = n ) M + 2 a2 xn Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . é utilizado um polinômio Pn ( x ) de tal forma que: (Eq. y0 ) ( x1 . com i =0. 4. n .17) Pn ( xi )= f ( xi ) para i =0.1. desde que xi ≠ x j . y3 ) ( x4 .….Cálculo Numérico Interpolação 4-47 4 Interpolação 4.

( x − x1 )( x − x2 ) ( x0 − x1 )( x0 − x2 ) • i =0 ⇒ L0 ( x )= k =0 ⇒ L0 ( x0 )= . n .. x1 ...…. • i =1 ⇒ L1 ( x )= ( x − x0 )( x − x2 ) ( x1 − x0 )( x1 − x2 ) k =0 ⇒ L1 ( x0 )= .. com k =0.2. ... temos: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ......... . k =0... retira-se a matriz dos coeficientes A para se calcular as incógnitas a0 . o det A ≠0. pontos distintos. OBS.. . .. k =1 ⇒ L2 ( x1 )= . k =2 ⇒ L2 ( x2 )= .. M M  2 n xn L xn   A é uma matriz de VANDERMONDE e. i> j ENTÃO: O polinômio Pn ( x ) existe e é único...... sendo xi com i =0..1..... Assim o sistema admite solução única.1... • i =2 ⇒ L2 ( x )= ( x − x0 )( x − x1) ( x2 − x0 )( x2 − x1 ) k =0 ⇒ L2 ( x0 )= ..1... . Para x = xk . se i = k de tal forma que Li ( xk )=  0 . a1 . se i ≠ k j = 0 ( xi − x j ) n (x − xj) Exercício 67 Resolução: Determine Li ( xk ) para i =0..2 e n =2.......... .. n .... 4... k =2 ⇒ L1 ( x2 )= . ..2 Forma de Lagrange Seja f uma função tabelada em ( n +1) pontos distintos x0 . 1 x0  1 x1 A=  M M  1 xn  2 n x0 L x0  2 n x1 L x1  .….. 20: det A =( xn − xn−1 )∗( xn − xn −2 )∗…∗( xn − x0 )∗( xn−1 − xn −2 )∗( xn−1 − xn −3 )∗…∗( xn−1 − x0 ) ∗…∗ ∗( x3 − x2 )∗( x3 − x1 )∗( x3 − x0 )∗( x2 − x1 )∗( x2 − x0 )∗( x1 − x0 ) ⇒ det A = ∏ (xi − x j ) ..1..... k =1 ⇒ L1 ( x1 )= . k =1 ⇒ L0 ( x1 )= ....…..... xn e seja Li ( x ) polinômios de Lagrange de grau n .. ...2. a n .Cálculo Numérico Interpolação 4-48 Daí.…...1...... k =2 ⇒ L0 ( x2 )= . ........ onde Li é dado por: Li ( x )= ∏ j≠i 1 .

.18) Pn ( x )= ∑ yi Li ( x ) ou i =0 n Pn ( x )= ∑ yi i =0 n ∏ (x j=0 j≠i n (x − xj) i − xj) Interpolar o ponto x =1. ⋅ L3 ( x ) Li ( x )= ∏ L0 ( x )= (x − x j ) − xj) j = 0 ( xi j≠i ( x − x1)( x − x2 )( x − x3 ) = ( x0 − x1 )( x0 − x2 )( x0 − x3 ) ( x − x0 )( x − x2 )( x − x3 ) = ( x1 − x0 )( x1 − x2 )( x1 − x3 ) ( x − x0 )( x − x1 )( x − x3 ) L2 ( x )= = ( x2 − x0 )( x2 − x1 )( x2 − x3 ) ( x − x0 )( x − x1 )( x − x2 ) L3 ( x )= = ( x3 − x0 )( x3 − x1 )( x3 − x2 ) L1 ( x )= Logo: P3 ( x )= ⇒ P3 ( x )= P3 (1.. empregando o polinômio interpolador de Lagrange..5)= P3 (1........Cálculo Numérico Pn ( xk )= ∑ yi Li ( xk ) ⇒ i ≠ k ⇒ yi Li ( xk ) =0 1 3 2 ⇒ i = k ⇒ yi Li ( xi ) = yi 13 2 =1 =0 Interpolação 4-49 n i =0 A forma de Lagrange para o polinômio interpolador é: (Eq.5 na tabela abaixo......... ⋅ L2 ( x )+ ..... i 0 1 2 3 xi −1 0 1 2 Exercício 68 yi 1 3 1 1 Resolução: 3 n =3 é o grau máximo de P3 ( x ). i =0 3 P3 ( x )= ∑ yi Li ( x ) ⇒ P3 ( x )= . ⋅ L0 ( x )+ .............5)= P3 ( 3 )= 2 P3 (1.5)= Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .. ⋅ L1 ( x )+ ..

x1 . x1 ]= 0 1 2 3 M f [ x1 ] − f [ x0 ] f ( x1 ) − f ( x0 ) y1 − y0 = = x1 − x0 x1 − x0 x1 − x0 f [ x1.…. x1 .L. x1 . x2 .1. Onde ORDEM f [ x0 ]= f ( x0 )= y0 f [ x0 . x1. xn ]= f [ x1.…. x2 . x2 ] − f [ x0 . x1 ]+( x − x0 )⋅( x − x1 )⋅ f [ x0 . x2 ] x3 − x0 f [ x0 . 4. xn ] é a DIFERENÇA DIVIDIDA de ordem n da função f ( x ) sobre os n +1 pontos x0 . x1 .…. xn . x2 . 25]: Interpolação por Lagrange.Cálculo Numérico y 3 2 1 3 8 Interpolação 4-50 P (x ) 3 -1 0 1 3 2 2 x [Fig. xn . ( n +1) pontos distintos é a seguinte: (Eq. x2 ]+… …+( x − x0 )⋅( x − x1 )⋅…⋅( x − xn−1 )⋅ f [ x0 .L . x2 ]= f [ x0 . xn−1] xn − x0 n f [ x0 . x1 . x1 . x1 . x1] x2 − x0 f [ x1 . x3 ] − f [ x0 . x1 . Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .3 Forma de Newton A forma de Newton para o polinômio Pn ( x ) que interpola f ( x ) em x0 . xn ]. x3 ]= M f [ x0 . xn ] − f [ x0 .….…. x1.19) Pn ( x )= f [ x0 ]+( x − x0 )⋅ f [ x0 .

xn ] M M f [ xn−1 . x2 . x4 ] f [ x2 . x3 ] f [ x2 . xn−1 .Cálculo Numérico Interpolação 4-51 4.1 Tabela Prática (DIFERENÇAS DIVIDIDAS) x x0 ordem 0 f [ x0 ] f [ x0 . xn−1 . x1 . x2 ] f [ x0 . x3 . x2 .3. x3 . xn −2 .5 na tabela abaixo.1. x4 ] f [ x3 . x3 ] f [ x1 . xn ] f [ xn −2 . x4 ] x2 f [ x2 ] O x3 f [ x3 ] O M f [ x0 . empregando a forma de Newton. x2 ] f [ x0 . x1 . xn ] xn i f [ xn ] Exercício 69 0 −1 1 Interpolar o ponto x =1. x1 ] ordem 1 ordem 2 ordem 3 … ordem n x1 f [ x1 ] f [ x1 . x2 . x3 ] f [ x1 . xn ] x4 f [ x4 ] M M N f [ xn −3 . Tabela de diferenças divididas: ordem 0 ordem 1 ordem 2 ordem 3 x −1 0 1 2 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . 1 2 3 0 3 1 1 2 1 xi yi Resolução: n =3 é o grau máximo de P3 ( x ).….

x n ]. sendo f ( n+1) ( x ) contínua em I =[ x 0 .32 0. 4. Então.22 0. x n ].21) | En ( x )|≈ ∏ ( x − xi ) ⋅ max ( Dd ) n i =0 sendo Dd os valores da tabela de diferenças divididas de ordem ( n +1). pois são raras as situações em que conhecida e o ponto ξ x nunca é conhecido. pode-se usar o maior M n+1 valor em módulo desta ordem como aproximação para no intervalo I =[ x 0 . x n ]. x2 ]+ +( x − x0 )⋅( x − x1 )⋅( x − x 2 )⋅ f [ x0 .4 0.Cálculo Numérico Interpolação 4-52 P3 ( x )= f [ x0 ]+( x − x0 )⋅ f [ x0 .16 0. Seja Pn ( x ) o polinômio interpolador de f ( x ) nos pontos x 0 . ( n +1) pontos. como segue: 0. o erro é dado por: En ( x )= f ( x )− Pn ( x ) (Eq.2 Estudo de erro na interpolação Sejam x 0 < x1 < x 2 <…< x n .72 0.27 0. pode-se escrever: | En ( x )|=| f ( x )− Pn ( x )| | En ( x )|≤ ∏ ( x − xi ) ⋅ i =0 n M n+1 . em qualquer ponto x pertencente ao intervalo [ x 0 . x1 .6 0. x n ). ( n + 1)! Então: (Eq. x2 . x n .52 0.20). x 2 . x∈I ( n + 1)! Ao se construir a tabela de diferenças divididas até ordem n +1. Esta fórmula tem uso limitado.2 0.29 0.2. x1 ]+( x − x0 )⋅( x − x1 )⋅ f [ x0 . x1 . Exercício 70 Seja f ( x ) dada em forma de tabela de valores.20) En ( x )=( x − x0 )⋅( x − x1 )⋅…⋅( x − x n )⋅ f ( n+1) ( ξ x ) ( n + 1)! f ( n+1) ( x ) é onde ξ x ∈( x 0 . Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .1 Estimativa para o Erro Utilizando a (Eq. Seja f ( x ) com derivadas até ordem ( n +1) para x pertencente ao intervalo [ x 0 .34 0.47) usando um polinômio de grau 2. x3 ] P3 ( x )= P3 ( x )= P3 ( x )= 4.37 x f (x) a) Obter f (0. onde M n+1 = max f (n+1) ( x ) .…. x1 . x n ].

. .....47 para a obtenção de P2 ( x )....Cálculo Numérico b) Dar uma estimativa para o erro....... f [ x0 ..47)= ..47) b) | En (0.. P2 ( x )= f [ x0 ]+( x − x0 )⋅ f [ x0 .... x1 f [ x1 ]= .......4 0. ⇒ P ( x )= f [ x0 ]+( x − x0 )⋅ f [ x0 . x − x1 x − x0 P ( x )= f ( x 0 )⋅ + f ( x1 )⋅ = f [ x0 ]+( x − x0 )⋅ f [ x0 .34 0. x1 ] 1 x0 − x1 x1 − x0 ordem 0 f [ x0 ]= .. x1 ..........6 0...... Resolução: Interpolação 4-53 Tabela de diferenças divididas: ordem 0 ordem 1 ordem 2 ordem 3 x 0.72 Deve-se escolher 3 pontos próximos de 0..47)|≈ . Exercício 71 Prove a igualdade seguinte.. ≈ f (0..52 0... x1 ]= Resolução: x x0 ordem 1 .47)|≈ | En (0..... x1 ] 1 P ( x )= 1 ⇔ P ( x )= 1 ⇔ P ( x )= 1 ⇔ P ( x )= 1 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ... x1 ]+( x − x0 )⋅( x − x1 )⋅ f [ x0 .. x2 ] P2 ( x )= P2 ( x )= a) P2 (0..2 0.

72 x f (x) Resolução: Fazendo interpolação linear por x 0 =0.3.23 0.... tal que f ( x )= y . então x = f −1 ( y )= g ( y ).. b ].. Encontre x tal que f ( x )=2 pela tabela abaixo: 0.7 2..7: x − x1 x − x0 P ( x )= f ( x 0 )⋅ + f ( x1 )⋅ 1 x0 − x1 x1 − x0 P ( x )= 1 P ( x )= 1 P ( x )= 1 P ( x )=2 1 x = . obter x .0 2.. .01 0. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . Condição para a inversão de f ( x ): f é contínua e monótona crescente (decrescente) num intervalo [ a . x n e em seguida encontrar x . A primeira é encontrar x tal que Pn ( x )= y . os valores de y . 21: Exercício 72 x obtido desta forma não permite se estimar o erro....1 Encontrar x tal que Pn ( x ) Obter Pn ( x ) que interpola f ( x ) em x 0 .. tal que f ( x )= y ..3 Interpolação inversa: casos existentes O problema da interpolação inversa consiste em: dado y ∈( f ( x0 ).Cálculo Numérico ⇔ P ( x )= 1 ⇔ P ( x )= 1 ⇔ P ( x )= 1 ⇔ Interpolação 4-54 P ( x )= f ( x 0 )⋅ 1 x − x1 x − x0 + f ( x1 )⋅ x0 − x1 x1 − x0 4.. f ( xn )).. x 2 .46 1. as formas de se obter x ..8 2.6 e x1 =0.. utilizando para isso.….82 0.65 0.. .2 Interpolação inversa Se f ( x ) for inversível num intervalo contendo y .. 4. x1 . 4..3.6 1. OBS.9 2...5 1...... .. A segunda é fazer a própria interpolação inversa. São duas.

3165)| ≈ . yn ].3165)| ≤ | E2 (1.. ....... Resolução: y ordem 0 ordem 1 ordem 2 ordem 3 1 1. 3! | E2 (1....3165)= Assim...4 1.. M3 pode ser aproximado por ....316359........≈1.. y2 ] P2 ( y )= P2 (1.... x n )..... ... Usar a forma de Newton para obter P2 ( y ).1052 0.1052 1..2 1. . y1 .. M3 3! Na calculadora = 1..3 1. ...Cálculo Numérico Interpolação 4-55 Dado f ( x ) contínua em ( x 0 ... y ∈[ y0 .6487 x y =ex Obter x ....3499 0... será obtido o polinômio Pn ( y ) que interpola g ( y )= f −1 ( y ) sobre [ y0 .1 1..... y1 ]+( y − y0 )⋅( y − y1 )⋅ g [ y0 ... tal que e x =1. . ⇒ | E2 ( y )| ≈ ... Exercício 73 Considere a tabela a seguir: 0 1 0... então f ( x ) será admitida monótona crescente se f ( x 0 ) < f ( x1 ) < … < f ( x n ) e monótona decrescente se f ( x 0 ) > f ( x1 ) > … > f ( x n ). Respeitadas as condições dadas acima.... e .6487 P2 ( y )= g [ y0 ]+( y − y0 )⋅ g [ y0 .4918 1.2214 1.3499 1..4918 0........5 1.... (tabela de diferenças divididas de ordem 3)......3165 Erro cometido: | E2 ( y )| ≤ |( y − y0 )⋅( y − y1 )⋅( y − y2 )|⋅ | E2 (1.. .. y2 ]... Construir a tabela de diferenças divididas....... 2o Caso: f ( x )= e x ⇒ g ( y )= f −1 ( y )= ln y Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ...... usando um processo de interpolação quadrática..........3165.3165)| ≤ 1o Caso: ⇒ M 3 = max g' ' ' ( y ) ...2214 0.

0 y 0. pode s observada a função f ( x ) e o polinômio P ( x ) que er 10 interpola o conjunto discreto de pontos para n =10. com 2 n 1 + 25 x No gráfico abaixo.2 0. 10 Em certos casos.1.….1 Função Spline Considere a função f ( x ) tabelada nos pontos x 0 < x1 < x 2 <…< x n .2 0. x −1.Cálculo Numérico ⇒ Logo: M 3 = | E2 (1.6 0.2 −0. obtendo-se polinômios de graus menores. a aproximação por Pn ( x ) pode ser desastrosa.1 0.1. com i =0. 26]: Gráfico do polinômio P ( x ) interpolando f ( x ) .2 0. 4.3165)| ≤ Interpolação 4-56 4.0 −0. 1 2i tabelada no intervalo [−1.4 Funções spline em interpolação Considere f ( x )= i =0.1] nos pontos xi =−1+ . n . Uma função S p ( x ) é denominada SPLINE DE GRAU p com nós nos pontos xi .0 0.….059 −0. e impor condições para que a função de aproximação seja contínua e tenha derivadas contínuas até uma certa ordem.5 3 2 0 1.4 0.038 1 1 2 P (x ) 10 f (x ) -1 .6 0.5 0.4 0. n . se satisfaz as 3 seguintes condições: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .8 0.1 −0. Uma alternativa é interpolar f ( x ) em grupos de poucos pontos.8 0.12 0 1 2 1 x [Fig.038 f ( x ) 0.059 1.4.

.. b ]. . n . com i =1. x1 − x x − x0 + y1 x1 − x0 x1 − x0 s1 ( x )= y0 s1 ( x )= s2 ( x )= y1 x2 − x x − x1 + y2 x2 − x1 x2 − x1 ⇒ s1 ( x )= . 27]: Spline linear interpolando 4 pontos......22) si ( x )= f ( xi −1 ) xi − x x − xi −1 + f ( xi ) ..... ...….....1..….4. x0 x1 2 2 x2 5 3 x3 7 2....... com i =0...Cálculo Numérico Interpolação 4-57 1) Em cada subintervalo [ xi .......5 x y = f (x) 1 1 3 2.. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ..( n −1). s2 ( x )= s3 ( x )= y2 x3 − x x − x2 + y3 x3 − x2 x3 − x2 ⇒ s2 ( x )= . . xi ]........... pode-se definir 3 splines lineares para os 4 pontos: s1 ( x )... 3) S p ( xi )= f ( xi ).2.1. S p ( x ) é um polinômio de grau p representado por si ( x ).. Exercício 74 Achar a função spline linear que interpola a função f ( x ) tabelada a seguir. xi +1 ].. Resolução: Pela definição..... xi − xi −1 xi − xi −1 S1 ( x ) definida dessa forma satisfaz as condições 1) .. . 2) e 3) . n como: (Eq. 2) S p ( x ) é contínua e tem derivada contínua até ordem ( p −1) em [ a ..2 Spline linear interpolante É representada por S1 ( x ) .... ∀x ∈[ xi −1 .... Nestes termos. xi ]..….... ]... S1 ( x ) pode ser escrita em cada subintervalo [ xi −1 .. com i =0..5 2 1 0 y s2 (x) s1(x) s3 (x) f (x ) 1 2 3 4 5 6 7 x [Fig. s2 ( x ) e s3 ( x ). x ∈[ . S p ( x ) é denominada SPLINE INTERPOLANTE.. . ]. x ∈[ .. ... . . 4.

para x = xk −1 .24) (Eq. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . Para a condição 2) .…. Então.2.…. com k =1. n . x ∈[ . Tome S3 ( x ) como spline cúbica de f ( x ) nos nós xi . ...Cálculo Numérico s3 ( x )= Interpolação 4-58 ⇒ s3 ( x )= . . n ..…...23) sk ( x )= a k ( x − xk )3 + bk ( x − xk )2 + ck ( x − xk )+ d k . n .. ( xk )= sk..1. ].. .. 4) sk ( xk )= sk +1 ( xk ).25) Condição 3) para k =1. sk ( x ) será dada por: (Eq.2...…. Tome a notação h k = xk − xk −1 . Condição 1) : é satisfeita pela definição de sk ( x ). k =1.... .7].2.3 Spline cúbica interpolante É representada por S3 ( x ) . xk ]. 3) sk ( xk )= sk +1 ( xk ).....…. .…..…. a spline linear S1 ( x ) é dada por: S1 ( x )= 4.( n −1).2. com i =0. b ]=[1.. .. . Então a spline cúbica S3 ( x ) deve satisfazer as 5 igualdades seguintes: 1) S3 ( x )= sk ( x ) para x ∈[ xk −1 ... . 3 2 s1 ( x0 )= f ( x0 ) ⇒ − a1 h1 + b1 h1 − c1 h1 + d 1 = f ( x0 ).1. xk ]..…. com i =0.. k =1.4. 5) sk. . k =1. com k =1. n .2. no intervalo [ a . n . k =1. A spline quadrática S2 ( x ) tem derivadas contínuas até ordem 1... tem-se as equações: d k = f ( xk )= sk ( xk ).. k =1.( n −1). 2) S3 ( xi )= f ( xi ). (Eq.….. Em cada intervalo [ xk −1 . pode ter picos ou troca abrupta de curvatura nos nós.( n −1)..... São 4 coeficientes para cada k à serem determinados... caso existam n polinômios de grau 3 definidos em cada subintervalo k por sk ( x ).2.. Suponha f ( x ) dada por xi ... n . que faz S3 ( x ) ser mais suave nos nós.2. portanto.2.….( n −1).. k =1..+1 ( xk ).. A spline linear tem derivada primeira descontínua nos nós. A spline cúbica S3 ( x ) é mais utilizada por ter derivadas primeira e segunda contínuas.....

Cálculo Numérico sk +1 ( xk )= f ( xk )
(Eq.26)

Interpolação

4-59

− a k +1 h 3 +1 + bk +1 h 2 +1 − ck +1 h k +1 + d k +1 = f ( xk ). k k Para as condições 4) e 5) , tome as derivadas:
, sk ( x )=3 a k ( x − xk )2 +2 b k ( x − xk )+ c k . , sk, ( x )=6 a k ( x − xk )+2 b k . , Para x = xk ⇒ sk, ( xk )=2 b k . Assim, o coeficiente b k é dado por:

(Eq.27) (Eq.28)

(Eq.29)

bk =

, sk, ( xk ) . 2

, Para x = xk −1 ⇒ sk, ( xk −1 )=−6 a k h k +2 b k .

ak =

, 2bk − sk, ( xk −1 )

6h k

=

, sk, ( xk ) − s ,k, ( xk −1 ) . 6 hk

, , Impondo a condição 5) , sk, ( xk −1 )= sk,−1 ( xk −1 ), obtém-se:
, sk, ( xk ) − s ,k,−1( xk −1 ) , ak = , com s0, ( x0 ) arbitrária. 6h k

(Eq.30)

Na obtenção de c k , utilizam- se as equações (Eq.25) e (Eq.26):
ck = ck =

− f ( xk −1) − ak h3 + bk h2 + d k k k hk

, d k = f ( xk )

f ( xk ) − f ( xk −1 ) −( a k h 2 − b k h k ), substituindo a k e b k obtém-se: k hk    

, , , f ( xk ) − f ( xk −1 )  sk, ( xk ) − sk,−1( xk −1) sk, ( xk ) ck = − hk − hk  2 hk 6 

Daí, c k pode ser dado por:
(Eq.31)

ck =

,, ,, f ( xk ) − f ( xk −1 ) 2s k ( xk ) ⋅ h k + sk −1( xk −1) ⋅ h k + . 6 hk

, Na obtenção dos coeficientes, tome yk = f ( xk ) e g k = sk, ( xk ).

(Eq.32)

ak = bk = ck =

gk − g k −1 6h k
gk 2

(Eq.33)

(Eq.34)

y k − yk −1 2hk gk + g k −1hk + hk 6

(Eq.35)

d k = yk .

Universidade Tecnológica Federal do Paraná (UTFPR)

LAURO / NUNES

Cálculo Numérico que:
, Para x = xk ⇒ sk ( xk )= c k , então:

Interpolação

4-60

, , Impondo a última condição 4) , sk ( xk )= sk +1 ( xk ), com k =1,2,…,( n −1), conclui-se

c k =3 a k +1 h 2 +1 −2 b k +1 h k +1 + c k +1 k

⇒ c k +1 = c k −3 a k +1 h 2 +1 +2 b k +1 h k +1 . k Fazendo-se algumas substituições, através das equações (Eq.32), (Eq.33) e (Eq.34): gk +1h k +1 y k +1 − yk 2h k +1g k +1 + g k hk +1 y k − yk −1 2hk gk + g k −1hk g − gk + = + −3 k +1 h k +1 +2 6 6 2 hk +1 hk 6 Daí, chega-se a (Eq.36):
(Eq.36)

 y − yk yk − yk −1   , com k =1,2,…,( n −1). h k g k −1 +2( h k + h k +1 ) g k + h k +1 gk +1 =6  k +1 −  hk +1  hk   A equação (Eq.36) é um sistema de equações lineares A g = b , onde k =1,2,…,( n −1). A ordem do sistema é: A(n −1 )× (n +1 ) , g (n +1)×1 e b( n −1)×1 .

Pela variação de k , o sistema A g = b é indeterminado. Para se resolver o sistema, de forma única, é necessário impor mais duas condições, apresentadas nas três alternativas a seguir. (1a) Spline Natural ⇒ nos extremos, S3 ( x0 ) é aproximadamente linear.
" S3 ( x0 " S3 ( xn

)= g 0 =0 )= g n =0

(2a)

Nos extremos, S3 ( x ) é aproximadamente parábola. g 0 = g1 g n = g n−1 Nos extremos, é dada uma inclinação I 0 e I n para S3 ( x ).
' S3 ( x0
, )= I 0 ⇒ s1 ( x0 )= I 0 ⇒ 2 3 a1 h1 −2 b1 h1 + c1 = I 0

(3a)

' S3 ( xn )= I n ⇒ s ,n ( xn )= I n ⇒

c n = In .

Nas alternativas (1a) e (2a), são eliminadas duas variáveis, g 0 e g n . Assim A g = b é SPD, sendo que, o sistema é dado na ordem: A(n −1 )× (n −1) , g (n −1)×1 e b( n −1)×1 . Na alternativa (3a), são acrescentadas duas equações. Assim A g = b é SPD, sendo que, o sistema é dado na ordem: A(n +1)×(n +1) , g (n +1)×1 e b(n +1)×1 . Encontrar uma aproximação para interpolando a tabela:
Exercício 75

f (0,25) por spline cúbica natural,

x0

x1
0,5 1,8616

x2
1,0 −0,5571

x3 1,5 −4,1987

x4
2,0 −9,0536 LAURO / NUNES

x
y = f (x)

0 3

Universidade Tecnológica Federal do Paraná (UTFPR)

Cálculo Numérico Resolução: n =4, logo, procura-se s1 ( x ), s 2 ( x ), s 3 ( x ) e s 4 ( x ).

Interpolação

4-61

Spline Natural ⇒ k =1,2,…,( n −1) ⇒ k =1,2,3 ⇒ Utilizando a (Eq.36), segue que:  y − yk yk − yk −1   (Eq.36) ⇒ h k g k −1 +2( h k + h k +1 ) g k + h k +1 gk +1 =6  k +1 −  hk +1  hk  

Desenvolvendo o sistema A g = b :   .......... g 0 + .......... g1 + ..........g 2 = ..........    .......... g1 + .......... g 2 + .......... g3 = ..........    .......... g 2 + ..........g 3 + ..........g 4 = ..........  g 0 = g 4 = .......... (Spline Natural). Então,  .......... .......... ..........  g1   ..........    ⋅ g  =  . A g = b ⇒  .......... .......... ..........  2  .......... ∗  ..........   .......... .......... ..........  g 3   ..........        Substituindo os valores:  .......... .......... ..........  g1   ..........   ..........   ⋅ g  =   ⇒ g =  .......... .......... ..........  2   ..........   ..........  .......... .......... ..........  g 3   ..........   ..........        3 2 Forma geral de s i ( x ) ⇒ s i ( x )= ai ( x − xi ) + bi ( x − xi ) + ci ( x − xi )+ d i , com
f (0,25) ≈ s1 (0,25)

 .    i =1,2,3,4.

g1 − g0 = .......... 6h g b1 = 1 = .......... 2 y − y0 2hg1 + g0h c1 = 1 + = .......... h 6 d 1 = y1 = ..........
a1 =

⇒ a1 = .......... ⇒ b1 = .......... ⇒ c1 = .......... ⇒ d 1 = ..........

Logo, s1 (0,25)= ⇒ s1 (0,25)=

..........

.......... ..........

≈ f (0,25) .

Universidade Tecnológica Federal do Paraná (UTFPR)

LAURO / NUNES

.. 2 y − y1 2hg 2 + g1h c2= 2 + = ................... procura-se s1 ( x )...3... s 2 ( x ).... Logo... logo..6678(−0...4)2 −8...... 6h g b3 = 3 = ........ f (1.0 x3 1.8) ≈ s 2 (0.... h 6 d 2 = y2 = ...2.... f (0.......... h 6 d 3 = y3 = ...Cálculo Numérico Interpolação 4-62 Considerando os próximos 5 exercícios. s 2 (0..8) .1). Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .........4...4)−4.....5571 −4. f (1. ⇒ c 3 = ...0536 n =4.... s 3 ( x ) e s 4 ( x ).....5 x2 1... Logo.....4) −3... s 3 (1.8)= Exercício 77 Resolução: ......... ≈ f (1..7137(−0......... Do exercício anterior.. s i ( x )= ai ( x − xi )3 + bi ( x − xi )2 + ci ( x − xi )+ d i . .. com i =1.......5 x4 2..........8)= ⇒ s 2 (0.... ⇒ b3 = .. ⇒ b 2 = . a3 = 3 ⇒ a 3 = ... ⇒ c 2 = ..1987 −9...... ..8) g2 − g1 = . interpolando a tabela: x0 x1 0....1) g3 − g 2 = ..1260(−0.....1)= ..... 2 y − y2 2hg 3 + g 2h c3 = 3 + = .. .....1)=−0.1987 ⇒ s 3 (1.. a forma geral de s i ( x ) é dada por: Exercício 76 Resolução: f (0... ⇒ d 2 = ....1) ≈ s 3 (1.. a2= ⇒ a 2 = ..8)....0 x y = f (x) 0 3 1.....1) ... encontrar uma aproximação para f ( x ) por spline cúbica natural.......... ≈ f (0. ⇒ d 3 = .8616 −0.. 6h g b 2 = 2 = ....

.. h 6 d 3 = y3 = . ......... ................. 2 y − y3 2hg4 + g3h c4= 4 + = ... ⇒ c 4 = ........ Logo.7)= ........... ⇒ b3 = ....... ⇒ b3 = ...2) ≈ s 3 (1. 2 y3 − y2 2hg 3 + g 2h c3 = + = ... a3 = ⇒ a 3 = ............. ≈ f (1.. ⇒ b 4 = ............ ........7) ...........7) g4 − g3 = . 6h g b3 = 3 = ..2)= Exercício 79 Resolução: ....... ⇒ d 3 = ..7)= ⇒ s 4 (1....... ≈ f (1....... h 6 d 3 = y3 = ..... ...... h 6 d 4 = y4 = ..3)= ⇒ s 3 (1.................. Logo..2) g3 − g 2 = .... ........... ⇒ d 4 = ... 6h g b3 = 3 = ......7)...3) ≈ s 3 (1. f (1..........2) ..... ⇒ c 3 = ..3)= Exercício 80 Resolução: ..... s 3 (1....... a4= ⇒ a 4 = ....... Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ... 2 y − y2 2hg 3 + g 2h c3 = 3 + = ....... f (1.....2)= ⇒ s 3 (1........... ⇒ d 3 = .... f (1........... .......7) ≈ s 4 (1. Logo......... s 4 (1.3)....... f (1.... ≈ f (1. a3 = ⇒ a 3 = .. f (1.... 6h g b 4 = 4 = ........3) ........ s 3 (1..............3) g3 − g 2 = .. ⇒ c 3 = .Cálculo Numérico Exercício 78 Resolução: Interpolação 4-63 f (1.........2)....

28]: Domínio discreto Domínio contínuo: quando a função f é dada por sua forma analítica. y y = f (x) a b x [Fig. escolhida de uma família de funções em duas situações distintas: Domínio discreto: quando a função f é dada por uma tabela de valores. Surge então a necessidade de se ajustar a estas funções tabeladas uma função que seja uma “boa aproximação” para as mesmas e que nos permita “extrapolar” com certa margem de segurança. Os valores tabelados são resultado de experimentos físicos.1 Introdução Uma forma de se trabalhar com uma função definida por uma tabela de valores é a interpolacão. Contudo. Assim. não são previsíveis. 29]: Domínio contínuo Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . a interpolação pode não ser aconselhável quando: É preciso obter um valor aproximado da função em algum ponto fora do intervalo de tabelamento (extrapolação). y x [Fig. pois estes valores poderão conter erros inerentes que.Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-64 5 Ajuste de curvas pelo método dos mínimos quadrados 5. em geral. o objetivo deste processo é aproximar uma função f por outra função g .

α 2 . α n )= ∑ [ f ( xk ) − g ( x k )] 2 = k =1 m ∑ [ f ( xk ) − α1 g1 ( xk ) − α 2 g 2 (x k ) − α 3 g 3 ( x k ) − L − α n g n ( xk )]2 . … . α 2 . g n ( x ). … . α 3 . α 3 .Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-65 5. 30]: O método do mínimos quadrados x Para isto é necessário que: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . k =1 m y g f ( x k) dk g( xk) xk [Fig. g n ( x ) ? Esta escolha pode ser feita observando o gráfico dos pontos tabelados (diagrama de dispersão) ou baseando-se em fundamentos teóricos do experimento que forneceu a tabela.…. α n aparecem linearmente. b ]. O método dos mínimos quadrados consiste em escolher os coeficientes α 1 . … . α 3 . … . obter n constantes α 1 . g 2 ( x ). b ]. g n ( x ) possam ser não lineares. x 3 . α n de tal forma que a soma dos quadrados dos desvio s seja mínima. contínuas em [a . α 2 . … . isto é: ∑ d k2 = ∑ [ f ( xk ) − g (x k )]2 k =1 k =1 m m deve ser mínimo. Este modelo matemático é linear pois os coeficientes que devem ser determinados α 1 . α 3 . α 2 . g 3 ( x ). os coeficientes α 1 . g 3 ( x ). Surge então a primeira pergunta: Como escolher as funções contínuas g 1 ( x ). Seja d k = f ( x k )− g ( x k ) o desvio em x k . consiste em: “escolhidas” n funções contínuas g 1 ( x ).2 Caso Discreto O problema do ajuste de curvas no caso em que se tem uma tabela de pontos: x1 f ( x1 ) x2 f ( x2 ) x3 f ( x3 ) … … xm f ( xm ) com x1 . x 2 . embora as funções g 1 ( x ). Assim. g 2 ( x ). g 2 ( x ). x m ∈[ a . α n que fazem com que g ( x ) se aproxime ao máximo de f ( x ). α 3 . α n tais que a função g ( x )= α 1 g 1 ( x )+ α 2 g 2 ( x )+ α 3 g 3 ( x )+ … + α n g n ( x ) se aproxime ao máximo de f ( x ). α 2 . g 3 ( x ). são os que minimizam a função: F ( α 1 . … . … . … .

k =1 m j =1. L. …. 2. α 3 .Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados ∂F (α 1 . α3 . … .37) m ∑ [ f ( x k ) − α1g1 ( x k ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅[ g1( xk )] = 0  k =1 m ∑ [ f ( x k ) − α1g1 ( x k ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅[ g 2 ( x k )] = 0   k =1 M M  m ∑ [ f ( x k ) − α1g1 ( x k ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅[ g n ( x k )] = 0  k =1  Que é equivalente a: m  m  m  g1( xk ) ⋅ g1( x k ) ⋅ α 1 + L +  ∑ g1 ( x k ) ⋅ g n ( xk ) ⋅ α n = ∑ g1( xk ) ⋅ f ( xk )  ∑   k =1   k =1  k =1  m m  m   g 2 ( xk ) ⋅ g1( x k ) ⋅ α 1 + L +  ∑ g 2 ( xk ) ⋅ g n ( x k ) ⋅ α n = ∑ g 2 ( xk ) ⋅ f ( x k )  ∑   k =1   k =1  k =1  M M  m m  m   ∑ g n ( xk ) ⋅ g1 ( x k ) ⋅ α1 + L + ∑ g n ( xk ) ⋅ g n ( xk )  ⋅ α n = ∑ g n ( x k ) ⋅ f ( xk )   k =1 k =1   k =1   (Eq. α n ) = ∂α j 5-66 2· ∑ [ f ( x k ) − α1 g1 ( xk ) − α 2 g 2 ( xk ) − L − α n g n ( x k )] ⋅ [− g j ( x k )] =0. n . j =1. 2. α 2 . αn : (Eq. isto é: ∂α j ∂F (α 1 . …. α n ) =0. tem-se o seguinte sistema de n equações lineares com n incógnitas α 1 . 3. 2. n Assim. j =1. 3. n k =1 m ou ∑ [ f (x k ) − α1g1 ( xk ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅ [g j ( xk )] =0. α 3 . 3. α 2 . …. α 2 .38) As equações deste sistema linear são chamadas de equações normais. Este sistema pode ser escrito na forma matricial A ⋅ α = b :  a11α1 a  21α1  M   an1α  1 + + + a12α 2 a 22α 2 M an 2 α 2 + L + + L + a1n α n + L + a 2n α n M ann α n = b1 = b2 M = bn Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .L .

... .. f 〉 onde: g l é o vetor [ g l ( x1 ) g l ( x2 ) g l ( x3 ) L g l ( x m )]T e f é o vetor [ f ( x1 ) f ( x 2 ) f ( x 3 ) L f ( x m )]T .. g1〉 〈 g1 .L ... o que facilita a resolução do sistema A ⋅ α = b ...... g n ( x ) forem tais que os vetores g1 .. tem-se: a ij = 〈 gi ..1 5 8...... .. g 2 .. Assim... g 〉 〈 g ............ a matriz dos coeficientes A será uma matriz diagonal. ]T f =[ . g 3 ( x )..... se as funções g 1 ( x ).. A é uma matriz simétrica...…...0 5. g n .. a reta que melhor se ajusta aos valores da tabela terá coeficientes α1 e α 2 ....... α n ]T e b = [b1 . tem-se: g ( x ) = .. g 2 . Se os vetores g1 ...... Desta forma o sistema na forma matricial fica: k =1 m (Eq.. f 〉   〈 g ....... g 3 .0 2 3. f 〉  g1 =[ .. se 〈 g i . g j 〉 e bi = 〈 g i ..... α 1 ...... g1〉 〈 g1 ....... ou seja.8 4 6. g n 〉   α1   〈 g1 . g 〉 〈 g . . … ...... T . .. α = [α1 . então det A ≠ 0 e o sistema de equações é possível e determinado (SPD)... ...... f 〉  2 1 ⋅ =  M M M   M   M        〈 g n ... α n é o ponto em que a função F ( α 1 ....2 3 5.... α n ) atinge seu valor mínimo. . g 2 〉 L 〈 g1 .. OBS. que são solução do seguinte sistema na forma matricial:  〈 g1. k =1 m Lembrando que......... forem ortogonais entre si..... ] Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ... g j 〉 = 0 se i ≠ j e 〈 g i . e usando esta notação no sistema normal A ⋅ α = b .....8 6.. . g 2 〉 L 〈 g n .L . α 3 ..L ... ..L ... b2 . α 2 ...... f 〉   〈 g . g 2 ( x ).... sejam linearmente independentes (LI). g 〉  α   2 2 2 n   2 〈g 2 . e g 2 (x ) = .. g 〉  ⋅ α  =   2 1 2 2   2 〈 g 2 ... α 2 .... y〉 = ∑ xk ⋅ y k é chamado de produto escalar de x por y .... 22: Exercício 81 (Regressão Linear) Ajustar os dados da tabela abaixo através de uma reta... g j 〉 ≠ 0 se i = j . ....... g n 〉  α n  〈 g n . isto é..1 3...... dados os vetores x e y ∈ ℜm o número real 〈 x. g1 〉 〈 g n .3 2..... ........ ...... α 3 .. bn ]T é tal que bi = ∑ gi ( x k ) ⋅ f ( x k ) ....Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados m m k =1 k =1 5-67 onde A = ( aij ) tal que aij = ∑ g i ( xk ) ⋅ g j ( xk ) = ∑ g j ( xk ) ⋅ g i ( xk ) = a ji . f 〉    Demonstra-se que.. g 2 〉   α1   〈 g1. … .4 5.8 xi f ( xi ) Resolução: Fazendo g ( x ) = α1 ⋅ g1( x ) + α 2 ⋅ g 2 ( x) e considerando g1 (x ) = .. g n .... .... i 1 1.39)  〈 g1 . ]T g 2 =[ .. g 3 ..... α 2 ... Demonstra-se ainda que a solução única deste sistema....... g 〉 L 〈 g .....

..............................2 8 0................... .............. g1 〉 = .............................................................................................. .............. ..................................... g1 〉 ] ⋅ [α 1 ] = 〈 f ......................................... ..................................... 〈 g 2 ......................4 5 −0................ f 〉 = ....2 11 1 2....................... … .... 〈 g1 ............7 1.... Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .5 y 2 6 0 0 7 0....................................... ......................................................................................................................... ....................................................................................................512 10 0.......5 0.................. ]T [ ] f =[ .............................................................. ] 〈 g1 ....... f 〉 = Assim................... 〈 g 2 ........ 〈 g1 .............................................................. ............................................ g1 〉 = ..............................................4 0.................. .......................Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-68 〈 g1 ....................... será necessário encontrar α1 do sistema: [〈 g1 ... f 〉 = ........ g1 〉 g1 =[ ..... ........153 3 −0........................................................................ Logo a equação da reta procurada é: g ( x ) = ........................... para se obter a parábola que melhor se ajusta aos pontos da tabela.............................45 4 −0............ 〈 g1 ...................3 0.................................................................................................................................................. .................05 i 1 −1 2..................................... α1 = ................................................................................6 0......................... Exercício 82 Ajustar os dados da tabela através da parábola g ( x ) = x 2 : 2 −0..................................5 0...... g 2 〉 = ................. Resolução: 1 x Fazendo g ( x ) = α1 ⋅ g1 ( x) e considerando g1 (x ) = x 2 ....... Assim......... 〈 g2 .......................................................................................................................6 9 0..................... … T ............................... ............................ .................. g1 〉 = .......... 31]: Diagrama de dispersão........................................................... obtém-se g ( x ) = ...........2 0..................................... ......................................05 xi f ( xi ) 1 -1 [Fig.................................................. g 2 〉 = ........................... .................................75 1.................. Assim.....................................

........................ g 2 〉 = ......................................................................... 〈 g 3 ...... ] g 2 =[ ..................................................................... ........................................................................ 〈 g1 .............................................................................. 〈 g2 .............................................................................................. 〈 g1 ....... ................................ g1 〉 = ............................................. Exercício 83 5-69 Ajustar os dados da tabela abaixo por um polinômio do segundo grau g ( x ) = α1 + α2 ⋅ x + α 3 ⋅ x 2 ................ g 3 〉 = ................................................................................................................................................. g1〉 = ............................................................................................. ................. 〈 g1 ................. Logo a equação da parábola procurada é: g ( x ) = ....................................... ............................................................................................................................................................ ]T 〈 g 3 ................................................. ......................................................... g 3 〉 = ................................. ............ g 3 =[ .Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados Logo a equação da parábola procurada é: g ( x ) = ............. g 3 〉   α1   〈 g1 ... g 2 〉 = ........... Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .... g 2 〉 〈 g 2 .......................... 〈 g 3 ........................................................................ g1〉 〈 g 2 ............................................. g 2 (x ) = . g 3 〉 = ................................................................................................  〈 g1 ................................................................................................... g 3 〉  ⋅ α 2  = 〈 g 2 ................................................................ 〈 g 2 ............... ......................................................... e g 3 ( x) = ................................ f 〉        〈 g 2 ........................................ g 2 〉 〈 g1 ....... T . 〈 g 3 ..................... g1〉 〈 g1 ...................................... g 2 〉 〈 g 3 ..................................... f 〉 = ............................... 〈 g 2 ................................................................................ f 〉  〈 g 3 ........................................................................................... 〈 g 2 ...................................... g 3 〉   α 3   〈 g 3 ................. i 1 −2 1 2 −1 −3 3 1 1 4 2 9 xi f ( xi ) Resolução: Neste caso tem-se que: g1 (x ) = ............... f 〉        T g1 =[ .............................................................................................. g 2 〉 = ................. ] T ........... ] =[ ................. .... ............ f 〈 g1 ... . Assim............................................................................. g1 〉 = .................................. ....... f 〉 = .. ................................. f 〉 = . g1 〉 〈 g 3 ..

b ]. α 2 .2. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . obtém-se: ∂α j b   bg 2 ( x) dx α + L +  ∫ g1( x ) g n ( x )dx  α n 1   ∫a 1   a       b b  ∫ g2 ( x ) g1 ( x )dx  α1 + L +  ∫ g 2 ( x ) g n ( x )dx  α n    a   a     M O M  b  b g 2( x )dx  α  ∫a gn ( x ) g1( x ) dx α1 + L +   ∫a n  n     = = = ∫a f (x )g1( x)dx ∫a f (x )g 2 ( x)dx . os coeficientes α 1 . g 3 ( x ). a b A b a é SIMÉTRICA. A =( aij ) tal que aij = ∫ gi ( x) g j ( x )dx = a ji ⇒ aij = a ji .…. F (α)= ∫ [ f ( x ) − g ( x )]2dx = ∫ [ f ( x )2 − 2 f ( x ) g ( x ) + g ( x )2 ]dx a a b b ⇒ F (α)= ∫ f ( x) 2dx −2 ∫ f ( x ) g ( x)dx + ∫ g ( x) 2dx . a a a b b b Ao desenvolver ∂F (α)=0. b2 . contínua em [a . Seguindo o critério dos mínimos quadrados para o conceito de proximidade entre f ( x ) e g ( x ). b ] por 〈 p .…. α 2 . ∂α j Mas. n . j =1. o problema de ajuste de curvas consiste em: dada uma função f ( x ) . n . tome: ∫a [ f (x ) − g (x )] dx = F (α)= F ( α 1 . j =1. α n de modo que a função g ( x )= α 1 g 1 ( x )+ α 2 g 2 ( x )+ α 3 g 3 ( x )+…+ α n g n ( x ) se aproxime ao máximo de f ( x ) no intervalo [ a . α=( α 1 . α n a serem obtidos são tais que ∫a [ f (x ) − g (x )] dx seja o menor possível.…. tal que bi = ∫ f ( x) gi ( x) dx . gi . 2 b Para achar α tal que g ( x )≈ f ( x ). Usando a definição de produto escalar de duas funções p ( x ) e q ( x ) no intervalo [ a . 2 b Encontram-se os pontos críticos de F (α): ∂F (α)=0. determinar constantes α 1 .…. α 3 . q 〉 = ∫ p( x) ⋅ q ( x) dx . g 2 ( x ).2. g n ( x ). b ]. todas contínuas em [ a .3 Caso Contínuo No caso contínuo. α n ). α 3 . bn ). α 2 . M b b ∫a f (x )g n ( x )dx b Este é um sistema linear A α= b de ordem n .….…. g j e b =( bi )= f .Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-70 5.…. o sistema A α= b fica: a b (Eq.40) A =( aij )= gi . α 2 . α 3 . b ] e escolhidas as funções g1 ( x ). b3 . α 3 .…. α n ) e b =( b1 .

a22 = 〈 g 2 ....... no intervalo [0............ g 2 〉   α1   〈 f . g1〉 = ..... A α= b ⇒ Logo: g ( x )= Exercício 85 Resolução: ........ g 〉 a21 a22   2   2   2 1 〈 g1 ............. Resolução: g ( x )= α 1 g 1 ( x )+ α 2 g 2 ( x )= ......... b2 = 〈 f .. g 2 〉 = ........... g 2 〉 = ...... g1〉  ⋅ = 〈 g 2 .... g1〉 A α= b ⇒   ⋅ α  = b  ⇒ 〈 g .1].  a11 a12   α1   b1   〈 g1........ g 2 〉  α 2  〈 f ... g1〉  ⋅ = 〈 g 2 . a12 = 〈 g1 .....Cálculo Numérico Exercício 84 Ajuste de curvas pelo método dos mínimos quadrados 5-71 Aproximar a função f ( x )=4 x 3 por um polinômio do primeiro grau...... g 2 〉 = 〈 g 2 ............... g1 〉 = a21 = .. b1 = 〈 f .... Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ......... ≈ f ( x )=4 x 3 em [0.. g1〉 = .. ....... g2 〉       a11 = 〈 g1. g2 〉       a11 = 〈 g1.... g 2 〉 = . g1〉 = ........ g 2 〉  α 2  〈 f ........  a11 a12   α1   b1   〈 g1. g 2 〉 = ... isto é. isto é........ g 〉 a21 a22   2   2   2 1 〈 g1 . e g 2 ( x )= ................... b2 = 〈 f .......... b1 = 〈 f ..... a12 = 〈 g1 ... Aproximar a função f ( x )= e x no intervalo [0....... uma reta.. g1〉 A α= b ⇒   ⋅ α  = b  ⇒ 〈 g ..........1]...... ...........1] por uma reta........ e g 2 ( x )= .. g 2 〉   α1   〈 f .......................... g1 ( x )= . g1 ( x )= .. g1〉 = ... g1 〉 = a21 = ............ g ( x )= α 1 g 1 ( x )+ α 2 g 2 ( x )= ........ a22 = 〈 g 2 . g 2 〉 = 〈 g 2 ..........

... g ( x ) não é da forma ∑ α k ⋅ gk (x ) ... 2o ) f ( x )≈ 1 =g (x) α1 + α 2 ⋅ x 1 ≈ α1 + α 2 ⋅ x = G ( x ).. tem-se: G ( x )= a1 + a 2 ⋅ x . tem-se: G ( x )= a1 + a 2 ⋅ x ....4 Família de Parâmetros m Funções Não Lineares nos Em alguns casos.. f ( x) 3o ) f ( x )≈ α1 + α 2 ⋅ x = g ( x ) f 2 ( x )≈ α1 + α 2 ⋅ x = G ( x )... isto é. Fazendo α1 = a1 e α 2 = a2 . k =1 através de transformações convenientes. Desta forma G ( x )≈ f 2 ( x )...... sendo que G ( x ) é linear nos parâmetros a1 e a 2 .... Desta forma G ( x )≈ 1 . a família de funções escolhidas pode ser não linear nos parâmetros. ≈ f ( x )= e x em [0...... Fazendo ln α1 = a1 e α 2 = a2 ......... Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . f ( x) Fazendo α1 = a1 e α 2 = a2 ..Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-72 Usando o método de integração por partes em b2 : ∫ u ⋅ dv = u ⋅ v − ∫ v ⋅ du g ( x )= .... sendo que G ( x ) é linear nos parâmetros a1 e a 2 . Exemplos: 1o ) f ( x )≈ α1 ⋅ e α2 x = g ( x ) ln f ( x )≈ ln α1 ⋅ e α2 x = ln α1 + α 2 ⋅ x = G ( x ).. 5.... Desta forma G ( x )≈ ln f ( x )...1]. sendo que G ( x ) é linear nos parâmetros a1 e a 2 .... Nestes casos é preciso efetuar uma “linearização”.. tem-se: G ( x )= a1 + a 2 ⋅ x ..

..... “linearizando” a função g ( x )= α1 ⋅ e α 2 x ........................... Os parâmetros assim obtidos não são ótimos dentro do critério dos mínimos quadrados............ Portanto........ g1〉 = 〈 g1 ...................... ...................................................... ]T g 2 =[ ............... Não se pode afirmar que os parâmetros α1 e α 2 (obtidos de a1 e a 2 ) são os que ajustam g ( x )= α1 ⋅ e α 2 x à f ( x )................... x f (x) Resolução: 0 1 1 0............. g1 〉 = ................................................. ... ......................................................................... g1〉 〈 g1................................ os parâmetros a1 e a 2 do exemplo........................ dentro do critério dos mínimos quadrados...... como no primeiro exemplo anterior................. isto porque estamos ajustando o problema linearizado por mínimos quadrados e não o problema original......... g 〉 〈 g ..................5 2 0......Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-73 Exercício 86 Ajustar os dados da tabela que segue por uma função da forma α2x g ( x )= α1 ⋅ e ....... tem-se:  〈 g1................................................ no sentido dos mínimos quadrados....... ] 〈 g1 .................... ⇒ g ( x )= ........................... ....... ............................................................. g 2〉 = .............. g 2 〉 = ...... g 2 〉 = ......... g 2 〉  g1 =[ ......... ]T T ........................ 〈 ................... são os que ajustam a função G ( x ) à função ln f ( x )............................................................................................ Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ........ ................. g 〉  ⋅ a  = 〈  2 1 2 2   2  ...... g 2 〉 = ............................... 〈 g1 ......................................................... ... 〈 g 2 ............................................... g 2 〉   a1   〈 〈 g ........ ≈ f ( x ).................... 〈 ........ 〈 g 2 ...........7 Desta forma........................... g1〉 = ............................................................................. =[ ................ ..................... g1 〉  ......

Cálculo Numérico Integração Numérica 6-74 6 Integração Numérica Se uma função f ( x ) é contínua em um intervalo [a . (Eq. Fórmulas f chadas: x 0 = a . o que é trivial de se fazer.41) ∫a f (x )dx = F ( b )− F ( a ) b onde F ' ( x )= f ( x ). h= x1.a . b ] é aproximada pela área de um trapézio.43) p 1 ( x )= x − x1 x − x0 f ( x 0 )+ f ( x1 ) −h h LAURO / NUNES Universidade Tecnológica Federal do Paraná (UTFPR) . Por outro lado. Assim o problema fica resolvido pela integração de polinômios. a= x 0 h= b . nem sempre se tem F ( x ) e em alguns casos. b ]. 32]: Regra dos trapézio.1. A idéia básica da integração numérica é a substituição da função f ( x ) por um polinômio que a aproxime no intervalo [ a . a função a ser integrada é dada por meio de tabela de pontos. 6. sendo Ai coeficientes i =0 determinados de acordo com o grau do polinômio aproximador. o polinômio que interpola f ( x ) o faz em pontos igualmente espaçados de [ a . 6. b ]. logo: (Eq. torna-se necessária a utilização de métodos numéricos. então (Eq. x n = b e e n ∫a b f ( x ) dx = ∑ Ai f ( x i ) .x 0 b = x1 x A integral de f ( x ) no intervalo [ a . Neste caso.1 Regra dos Trapézios f ( x1) f ( x0) y f (x ) p 1(x ) 0 [Fig.1 Fórmulas de Newton-Cotes Neste caso.42) ∫a f (x )dx ≈ x − x1 x 0 − x1 b h [ f ( x 0 )+ f ( x1 )] = I T 2 A aproximação de f ( x ) pela fórmula de Lagrange é p 1 ( x )= y 0 L0 ( x )+ y1 L1 ( x ) com L0 ( x )= e L1 ( x )= x − x0 x1 − x 0 . b ] e sua primitiva F ( x ) é conhecida.

45) OBS. b ) 12 ou (Eq. ∫1 9 6x − 5 dx ≈ I T = ... x1 ) 2 f " (ξ x ) f ( x )= p 1 ( x )+( x − x 0 )⋅( x − x1 )⋅ ... usando a regra dos trapézios. ξ x ∈( x 0 .... com  0 2  x1 = b I T = ∫ p1 ( x ) dx a b ET = ∫ ( x − a )( x − b ) a b f " (ξ x ) dx 2 b 1 " f ( c ) ∫ ( x − a )( x − b ) dx a 2 1 ( b − a )3 ET = f " ( c ) 2 6 ET = (Eq. ...1. 23: | ET |≤ h3 max | f " ( x )| 12 x∈[ a. 2 Integrando f ( x ): ∫x x1 0 f ( x ) dx = ∫ p1 ( x ) dx + ∫ x0 x1 x1 x0 ( x − x 0 )( x − x1 ) x = a f " (ξ x ) dx .. O erro cometido será.... −  = 6 2 2  6 3 a 2 Exercício 87 Resolução: Calcular ∫1 9 6x − 5 dx .44) ET = h3 " f ( c ) com c ∈( a ..1 Estimativa para o Erro f ( x )= p 1 ( x )+ E ( x ) E n ( x )=( x − x 0 )⋅…⋅( x − x n )⋅ E ( x )=( x − x 0 )⋅( x − x1 )⋅ f " (ξ x ) ...b] b ∫a b  x 3 ax 2 bx 2  b 3 − 3ab 2 + 3a 2 b − a 3 ( b − a )3 ( x − a x − b x + a b ) dx =  − = .1. no máximo: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ..Cálculo Numérico Integração Numérica f ( n+1) ( ξx ) ( n + 1)! 6-75 6...

..46) h [ f ( x i −1 )+ f ( x i )] 2 ∫a b f ( x ) dx ≈ n −1 h [ f ( x 0 )+ f ( x n )+2⋅ ∑ f ( x i ) ] 2 i =1 6.2 Regra dos Trapézios repetida y f (x ) 0 a = x0 x1 x2 x3 x n-1 b = xn x [Fig.. Determine uma aproximação para o erro cometido....47) | ETR |≤ (b − a ) 3 max | f " ( x )| 2 x∈[ a .. 33]: Regra dos trapézios repetida h = x1 − x 0 = x 2 − x1 = x 3 − x 2 = … = x n − x n −1 h= b b−a .. 6..Cálculo Numérico Integração Numérica 6-76 Logo. Resolução: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES ..2...1. . n A1 + A2 + A3 +…+ An tal que Ai =área do trapézio i ...b ] 12n Exercício 88 Calcular ∫1 9 6x − 5 dx empregando o método dos trapézios com 8 repetições..…. n .2.1. | ET |≤ . ∫a f (x )dx ≈ Ai = (Eq. com n sendo o número de subdivisões do intervalo [ a ...1 Estimativa para o Erro (Eq.. b ].. com i =1.

.............3 Regra 1/3 de Simpson É obtida aproximando-se a função f ( x ) da (Eq... x 2 = .. ...... ...... Neste caso em particular... para a regra dos 0 1 n = .............. trapézios repetida aplicada em I . x 5 = .... de modo que o erro seja inferior a 10−3 ? Resolução: Seja I = ∫ e x dx ..... Exercício 89 Seja I = ∫ e x dx ......41) por um por um polinômio interpolador de 2o grau................. x 4 = .. .. x 3 = ............... Resolução: ∫0 e dx ≈ ........ x1 = .... Erro cometido será..1...... x 6 = ...... x 8 = ... no máximo: | ETR | ≤ Exercício 90 1 x .... p2 ( x ). que é dado pela fórmula de Lagrange: p2 ( x )= L0 ( x ) f ( x0 )+ L1 ( x ) f ( x1 )+ L2 ( x ) f ( x2 ) Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .... Calcule uma aproximação para I usando 10 subintervalos e a 0 1 regra dos trapézios repetida.. Estimar o erro cometido..... .....Cálculo Numérico Integração Numérica 6-77 x f (x) x 0 = .. ∫1 9 6x − 5 dx ≈ .. 6....... . Erro cometido será.. .............. Qual o número mínimo de subdivisões.... no máximo: | ETR | ≤ ............ x 7 = ...... f ( x ) pode ser integrada de forma exata: ∫1 9 6x − 5 dx = .....

x0 − x2 =−2 h . x2 − x1 = h .1.1 Estimativa para o Erro ∫x x2 0 f ( x )dx = ∫ p2 ( x) dx + ∫ R2 ( x )dx x0 x0 x2 x2 (Eq. x2 − x0 =2 h . p 2 ( x )= x1 − x2 =− h .Cálculo Numérico tal que Li ( x )= ∏ 2 Integração Numérica (x − x j ) − xj) .49) ES = ∫ R2 ( x) dx = ∫ ( x − x0 )( x − x1 )( x − x2 ) a a b b f ''' ( ξx ) dx 3! Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . x1 − x0 = h . 34]: Regra 1/3 de Simpson. x0 = a . Logo: 3 = (Eq. x1 = m e x2 = b m = x1 = h= a+b 2 b−a 2 x0 − x1 =− h .2. 3 6.48) ∫x (x − x0 )( x − x1)dx 0 x2 ∫a b f ( x ) dx = ∫ f ( x )dx ≈ x0 x2 h [ f ( x 0 )+4 f ( x1 )+ f ( x2 )].1. 6-78 j = 0 ( xi j≠i y f ( x0) f ( x2) f ( x1) f (x) p2 (x ) 0 a= x 0 h m= x 1 h b = x2 x [Fig. f ( x 0 )+ x2 ( x − x1 )( x − x 2 ) ( − h)( −2h ) x2 x0 ( x − x 0 )( x − x 2 ) ( h )( −h ) f ( x1 )+ ( x − x 0 )( x − x1 ) ( 2 h)( h ) f ( x2 ) ∫a b f ( x ) dx = ∫ f ( x )dx ≈ ∫ p2 ( x) dx x0 f ( x0 ) x2 f ( x ) x2 f ( x2 ) ( x − x1 )( x − x2 ) dx − 21 ∫ ( x − x0 )( x − x2 )dx + 2 ∫x x0 0 2h h 2h2 h = [ f ( x 0 )+4 f ( x1 )+ f ( x2 )].3. com i =0.

Então: f 4 (ξ x ) ES = ∫ R3 ( x ) dx = ∫ ( x − x0 )( x − x1)( x − x2 )( x − x3 ) dx a a 4! 2 h5 ⋅ f 4 ( ξ z ) 2 h5 4 ES = z ( z −1)( z −2)( z −3) dz = f ( ξ z ) ∫ ( z 4 − 6 z 3 + 11z 2 − 6 z ) dz ∫0 0 24 24 14444244443 b b =− 4 15 ES = − (Eq. Isso quer dizer que ES não depende de R2 (resíduo de 2o grau).50) h5 4 f (ξ) com ( a ≤ξ≤ b ).Cálculo Numérico Integração Numérica x0 − x 0 ⇒ z =0 h x − x 0 2h x = x2 = b ⇒ z = 2 = ⇒ z =2 h h 6-79 6.2 Mudança de Variável z= x − x0 ⇒ x = hz + x 0 h x = x0 = a ⇒ z = dz = dx ⇒ dx = h dz h h ⋅ f ''' (ξ z ) 2 ES = ∫0 hz ( hz − h )( hz −2 h ) dz 6 2 h4 ⋅ f ''' ( ξ z ) 2 h4 ''' ES = z ( z −1)( z −2) dz = f ( ξ z ) ∫ ( z 3 − 3z 2 + 2 z ) dz ∫0 0 6 6 z4  h4 ''' h4 ''' ES = f (ξ z ) ⋅  − z3 + z2  = f ( ξ z ) ⋅0 = 0.3.1. tem-se: 2 32 | ES | = Considerando h = | ES | ≤ (Eq.51) ( b − a) 5 ⋅ max | f 4 ( x ) |. 90 h5 ⋅ max | f 4 ( x ) | 90 x∈[ a. 2880 x∈[ a. ES =0.b] Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . 6 4 0 6 144 44 2 3 =0 2 Logo.b] b−a ( b − a) 5 ⇒ h5 = .

4. xm ].b] b−a ( b − a) ⇒ h5 = . tome h = b−a ⇒ h = xi − xi −1 ( i =1. 3  i =1 i =1  m m 6. para m =2 n ⇒ m é par. tem-se: 2n 32n 5 5 Considerando h = (Eq.54) ESR ≤ ( b − a) 5 ⋅ max | f 4 ( x ) | 4 x∈[ a . b ]=[ x0 .… m ).2. xm são pontos igualmente espaçados. Então: xm x0 ∫a ≈ b f ( x ) dx = ∫ f ( x ) dx h h h [ y 0 +4 y1 + y2 ]+ [ y2 +4 y 3 + y4 ]+…+ [ ym − 2 +4 y m −1 + ym ] 3 3 3 b h ∫a f (x )dx ≈ 3 [ y 0 + ym +2( y2 + y4 +…+ ym − 2 )+4( y1 + y 3 +…+ y m −1 )] (Eq. x0 .1.b] (Eq.b ] 2880n Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .53) ESR ≤ n ⋅ h5 ⋅ max | f 4 ( x ) | 90 x∈[ a. x1 .52) ∫a b −1 2 2  h  f ( x ) dx ≈  y 0 + ym +2 ∑ y2i +4 ∑ y2i −1  .Cálculo Numérico Integração Numérica 6-80 6.….1 Estimativa para o erro: ESR ESR h5 ≤ n ⋅ ⋅ max | f 4 ( x ) | 90 x∈[ a.4 Regra 1/3 de Simpson repetida y f (x) 0 a = x0 x1 h x2 x3 x4 x5 x6 xm -2 xm -1 b = x m x [Fig.1. 2n Aplica-se a regra de Simpson repetidas vezes no intervalo [ a . 35]: Regra 1/3 de Simpson repetida Na figura.

..... Estimativa do erro: ESR ≤ ................. ⇒ Para um erro inferior a 10−3 seriam necessários Obs: na regra dos trapézios com repetição são necessários Exercício 93 10 6 ....................... Observe que ESR ≤ ............. Estime o erro cometido.. ..... Aproxime I com a regra dos trapézios com 8 repetições................. ⇒ h = .......................... Resolução: ∫0 e dx ≈ .............................. Estime o erro cometido.......... Exercício 92 Resolução: 1 x Seja I = ∫ e xdx . intervalos....................... Resolução: h = ................ Para que valor de m teríamos erro inferior a 10−3 ? 0 1 m = . ................. ............... subintervalos.................... Seja I = ∫ log xdx ........................... e ETR ≤ ...Cálculo Numérico Exercício 91 1 0 Integração Numérica 6-81 Seja I = ∫ e xdx .......................................... Calcule uma aproximação para I usando a regra 1/3 de Simpson com m =10.. i 0 1 2 3 xi f ( xi ) 4 5 6 7 8 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . ...

Cálculo Numérico

Integração Numérica

6-82

∫6

10

log xdx ≈ ................................................. .

Estimativa do erro:

⇒ ETR ≤ ................................................. .
Exercício 94

Seja

I = ∫ log xdx . Aproxime
6

10

I

com a regra de Simpson com 8

subintervalos. Estime o erro cometido.
Resolução:

h = ................................................. ⇒ h = .................... . m = .......... e n = .......... . i 0 1 2 3 4 5 6 xi
f ( xi )

7

8

∫6

10

log xdx ≈ ................................................. .

Estimativa do erro:

⇒ E SR ≤ ................................................. .

Universidade Tecnológica Federal do Paraná (UTFPR)

LAURO / NUNES

Cálculo Numérico

Solução numérica de equações diferenciais ordinárias

7-83

7 Solução numérica de equações diferenciais ordinárias
7.1 Introdução
Se uma equação diferencial tem apenas uma variável independente, então ela é uma equação diferencial ordinária. EXEMPLOS:
dy = x + y ; y , = x 2 + y 2 ; y ,, +(1− y 2 ) y , + y =0. dx

Se uma equação diferencial envolve mais que uma variável independente, então ela é equação diferencial parcial. EXEMPLO:

∂ 2u ∂ 2u + =0, com u ≡ u ( x , y ). ∂x 2 ∂y 2
A ordem de uma equação diferencial é a mais alta ordem de derivação que aparece na equação. Se, dada uma equação diferencial de ordem n , a função, assim como suas derivadas até ordem n −1, são especificadas em um mesmo ponto, então temos um problema de valor inicial (PVI). Se, em problemas envolvendo equações diferenciais ordinárias de ordem n , n ≥2, as n condições fornecidas não são dadas todas num mesmo ponto, então temos um problema de valor de contorno (PVC).
Exercício 95 Resolução:

Resolver a seguinte EDO:

dy =− xy . dx

⇒ y = .................... , para k ∈ℜ. Que representa uma família de curvas em ℜ2 . Para a mesma EDO anterior, y , =− xy , resolva considerando uma condição inicial y ( x0 )= y0 , com x0 =0 e y0 =1.
Exercício 96 Resolução:

y = .................... .

Universidade Tecnológica Federal do Paraná (UTFPR)

LAURO / NUNES

Cálculo Numérico

Solução numérica de equações diferenciais ordinárias

7-84

7.2 Problema de valor inicial (PVI)
Uma equação diferencial de ordem n se apresenta da seguinte forma:
(Eq.55)

y (n ) = f ( x , y , y , , y ,, , y (3 ) , y (4 ) ,…, y (n −1 ) )

onde
y (l ) =

dl y , l =1,2,…, n , x ∈[ a , b ] e y :[ a , b ]→ℜ. dx l

Associadas a (Eq.55), podem existir condições cujo número coincide com a ordem da EDO. Se tais condições se referem a um único valor x , tem-se um PROBLEMA DE VALOR INICIAL – PVI. Caso contrário, tem-se um problema de valores de conterno.

7.2.1 Solução numérica de um PVI de primeira ordem
Toma-se m subintervalos de [a , b ], (m ≥1), e faz-se x j = x0 + j h onde h = j =0,1,2,…, m , x j ∈[ a , b ]. I h ={ x0 , x1 ,…, xm } é denominado REDE ou MALHA de [ a , b ]. A solução numérica ym ( x ) é a função linear por partes.
b−a , m

y (xm ) Solução Exata y (x3 ) y (x0 ) = y0 y (x0) y0 x0 y (x2) y (x1 ) y1 x1 y2 x2 y3 Solução Numérica ym

x3

xm -1

xm

[Fig. 36]: Gráfico da solução numérica de um PVI.

NOTAÇÃO: y ( x j )≈ y j significa que y j é aproximação para y ( x j ), x j ∈ I h . NO GRÁFICO:
y ( x j ) ⇒ valor exato;

y j ⇒ valor aproximado;

j =1,2,…, m .

7.2.2 Método de Euler
Seja o PVI de primeira ordem definido por:
(Eq.56)

 ,  y = f ( x, y)   y( x0 ) = y0 = η, sendo η um número dado. 

Universidade Tecnológica Federal do Paraná (UTFPR)

LAURO / NUNES

1] y( 0) = 2  com h =0. m −1. a =0.1 Erro cometido e1 = y1 − y ( x1 ). 7.2. tem-se: (Eq. Exercício 97  y.…. 0. b =1. Resolução: 1− 0 → m =10. y ( x0 )). x1 − x0 = h . com j =0.1 Usar (Eq.2.2.2.  e j +1 = y j +1 − y ( x j +1)  O método de Euler consiste em calcular RECURSIVAMENTE a seqüência { y j } através das fórmulas: (Eq.58) y1 = y0 + h ⋅ f ( x0 . com j =1. procura-se inicialmente y1 . com j =0. m = j =0: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . = x − y + 2 Achar aproximações para a solução do PVI  na malha de [0.2. m −1.1. x0 =0. y0 =2. y j ) .….….59)  y j +1 = y j + h ⋅ f ( x j . T y1 y (x1 ) y (x0 ) = y0 e1 y (x ) x0 [Fig. ( x0 )= f ( x0 .1.60) ( A )  ( B ) y0 = y( a ) = η y j +1 = y j + h ⋅ f ( x j . Fazendo x = x1 e lembrando que y ( x0 )= y0 .…. y ( x0 )) e y1 ≈ y ( x1 ).2.2 Aproximação e erro de y j de forma geral (Eq.2. x1 Traça-se a tangente T à curva y ( x ) no ponto ( x0 . cuja equação é: (Eq.9. 37]: Gráfico do método de Euler. y ( x0 )). 7.59) para j =0.57) y ( x )= y ( x0 )+( x − x0 ) y .1. y j )  . m . y . ( x0 ).1.2.Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-85 Para se aproximar y j para as soluções exatas y ( x j ).

toma-se os dois primeiros termos da (Eq..106531 2.367879 Na pratica.30657 2. h2 . de Taylor.2.. y (ξ).040818 2.07032 2.2.61) x − x0 . y ( x )= y ( x0 )+ y ( x0 )+ y ( x0 )+ y ( x0 )+… 2! 3! 1! Fazendo x = x1 e lembrando que y ( x0 )= y0 .. y0 ). x0 <ξ< x1 . Usa-se a fórmula de Taylor para desenvolver y ( x ). em torno de x0 : (Eq. Daí a necessidade de se determinar uma expressão matemática para o erro. não se dispõe da solução exata y ( x j ) do PVI. para h = x1 − x0 . ( x0 )= f ( x0 .61): y1 = y0 + h ⋅ f ( x0 . y .249329 2.62) ej = h2 . 2! que é o ERRO LOCAL DE TRUNCAMENTO – ELT. ( x − x0 ) 2 . ou e1 = y (ξ). ( x − x0 ) 3 . x j −1 <ξ< x j .148812 2. Generalizando-se.Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-86 j =1: TABELA: j xj 0 1 2 3 4 5 6 7 8 9 10 0 yj y (xj) y j − y ( x j )= e j 2 2 2. 2! 2! Numa etapa j dos cálculos.. que é: y (ξ).59). . solução teórica do PVI. 7. y ( x0 )) e y1 = y ( x1 ). tem-se: (Eq.018731 2. tem-se (Eq. .ELT O erro no método de Euler quando se calcula y1 é obtido a partir do resto da fórmula ( x − x0 ) 2 . x1 − x0 = h .196585 2.004837 2. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .3 Erro local de truncamento .

2..Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-87 Na prática. ( x j )= f ( x j .3 ELT – Erro local de truncamento (Eq. Ao fazer o mesmo desenvolvimento até o termo em h 2 . yj ) (xj. para j =0. yj )= ( x j . y j ) ∂x ∂y Exercício 98  y. 24: 7. ( x j ) =1 = f (x j .64). Um caso especial de Runge-Kutta.2.y j ) y . Forma geral para métodos de passo simples: (Eq. y j ).65) OBS. y j +1 = y j + h y ( x j )+ y ( x j ). Resolução: Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . y .3. Diz-se que ELT é da ordem de h 2 e se escreve ( h 2 ). (ξ). . constante.. (Eq. x j <ξ< x j +1 .1 usando o método da (Eq.2.3 Métodos de Runge-Kutta 7.2 Métodos com Derivadas O método de Euler possui ordem um pois. procura-se estabelecer COTAS ou ESTIMATIVAS para que se possa conduzir o cálculo do erro com segurança. h )= f ( x j . para j =0. ( x j )= ∂f ∂f ( x j .64) h2 .63) y j +1 = y j + h φ( x j . Toma-se k = y .….1. . y j . 7.. 25: h3 . obtém-se o método de passo simples e ordem dois. ( x j )=? Regra da cadeia de f em relação a x j : ∂f ∂f ∂x ∂f ∂y (xj. e j +1 = y (ξ). yj ) (xj. y j )+ ( x j . m −1. a função incremento é φ( x j .2. Para o método de Euler. Onde φ é a função incremento e h o comprimento do passo. 3! Em (Eq.3. m −1.2. y j . y .64). 7. y j ) f ( x j . OBS. y j ).56) é de passo simples se a aproximação y j +1 depende apenas do resultado y j da etapa anterior. yj) ∂x 2 3 ∂ x ∂x42 3 ∂y ∂x42 3 14 4 1 4 1 4 = y .1 Métodos de passo simples Um método para resolver o PVI (Eq.2. y j) + ( x j .…. h ).3. foi obtido da fórmula de Taylor com desenvolvimento até o termo em h .1] com  y( 0) = 2 h =0. 2! . .1.. = x − y + 2 Achar aproximações para a solução do PVI  na malha [0. e h suficientemente pequeno para ser tomado como parâmetro do ELT.

64) para j =0. y0 =2.07032 2.106531 2.1 Usar (Eq. 7-88 j =0: j =1: TABELA: j xj 0 1 2 3 4 5 6 7 8 9 10 0 yj y (xj) y j − y ( x j )= e j 2 2 2.249329 2.…. b =1. m −1. a =0. Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .9.….148812 2.367879 7.2. h ).Cálculo Numérico Solução numérica de equações diferenciais ordinárias 1− 0 x0 =0.040818 2.018731 2.1.004837 2. m = → m =10.62): y j +1 = y j + h φ( x j .196585 2. y j . 0. para j =0.2.4 Método de Euler Aprimorado (Método de RungeKutta de Segunda Ordem) Retomando a (Eq.1.30657 2.

.... para j =0........... 5!  dy  = − xy Exercício 100 Calcular a solução do PVI  dx com h =0.5. k 2 = ... y j + k2 ) e 2 2 k 4 = f ( x j + h .......  dy  = − xy Exercício 99 Achar aproximações para a solução do PVI  dx na malha [0.............66) h ( k1 + k 2 )............ para j =0.........2... m −1 2 onde k1 = f ( x j .2.1....68) ej = h5 (5 ) y (ξ).......Cálculo Numérico Solução numérica de equações diferenciais ordinárias 1 Fazendo-se φ( x j .. m −1 6 onde k1 = f ( x j .....….. no interior do intervalo  y( 0) = 1  [0... tem-se: 2 y j +1 = y j + 7-89 (Eq.... x j −1 <ξ< x j ......1....... para j =0............2............ h )= ( k1 + k 2 ) e substituindo na equação...…............. k3 = ... y j + h k1 ).2.67) y j +1 = y j + h ( k1 +2 k 2 +2 k3 + k 4 )...... y j ) e k 2 = f ( x j + h ..... Resolução: j 0 1 2 xj yj k1 k2 y ( x j )= e − x 2 /2 | y j − y ( x j )| 0 1 7........................1.....1]........…....1 Erro local de truncamento: ETL (Eq..2...................1] com  y( 0) = 1  h =0..... y j + k1 )..5 usando o método de Euler Aprimorado..........1... 2 2 k3 = f ( x j + h h . y j + h k3 ).... y j )..... 6 k1 = ........ y j ..... (Eq.............9..... Resolução: y j +1 = y j + h ( k1 +2 k 2 +2 k3 + k 4 ).......5 Fórmulas de Runge-Kutta de Quarta Ordem Estas fórmulas são normalmente as mais utilizadas... 7.... h h k 2 = f ( x j + ......... Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES . pelo método de Runge-Kutta de quarta ordem.......

..... j 0 1 2 3 4 5 6 7 8 9 10 xj yj k1 k2 0 2 Universidade Tecnológica Federal do Paraná (UTFPR) LAURO / NUNES .........Cálculo Numérico Solução numérica de equações diferenciais ordinárias k 4 = ...................................... j xj yj k1 k2 k3 k4 0 0 1 2 3 4 5 6 7 8 9 10 Exercício 101 7-90 1  y.............1.........2... = x − y + 2 Achar aproximação para a solução do PVI  na malha [0....................... para j =0................. m = y j +1 = y j + 1− 0 → m =10.1 usando o método de Runge-Kutta de segunda ordem (Euler aprimorado)........1 0.. 2 k1 = .. b =1.......................... e k 2 = .... a =0......... Resolução: x0 =0.....................9..............................1] com y( 0) = 2  h =0............................1 ( k1 + k 2 ).......... y0 =2................... 0......…..