UNIVERSIDADE BRAZ CUBAS

Notas de Aula - CÁLCULO NUMÉRICO
Prof. Nicolau

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

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

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

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

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

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

2

14159265. no entanto.vz)   w=    2  2  w w ∂w ∂w ∂w u   v ⋯ z ∂u ∂v ∂z 3  2 . Este procedimento introduz no cálculo uma incerteza na “casa do milhar”. Erro absoluto:  u=∣u−u 0∣ onde u é o valor obtido por medição ou cálculo e u0 é o valor convencionado como correto para a variável u.v   w=   u 2  v 2 Multiplicação e divisão: w = u  v ou w = u/v   w=   u 2 v 2 = Caso geral: w = w(u. tais como soma.14 é preciso o suficiente. Este procedimento é chamado de truncamento. arredondamos para 3. Para amenizar o erro introduzido por truncamento.. u  u e v  v e efetuarmos operações com estes números. isto é. o erro irá se propagar. Por exemplo. Erro relativo: ∣ ∣  u= u−u 0  u = u0 u0 Notar que u é um número puro que pode freqüentemente ser apresentado na forma de porcentagem. neste curso tomaremos um processo simplificado que simplesmente arredonda “para baixo” se o dígito subseqüente for 4 ou menor e “ para cima” se o dígito subseqüente for 5 ou maior. o  pode ser representado com exatidão pela expressão  = P/D onde P e D são o perímetro e o diâmetro de um círculo. Há discussões quanto a como arredondar de maneira adequada um número. p é um número irracional e para ser representado no sistema decimal seria necessário um número infinito de dígitos. para a maior parte das aplicações o valor de 3. seno e cosseno. Tomando somente os primeiros 9 dígitos pode-se escrever  = 3.1415.. é procedimento normal arredondar o número. no resultado do cálculo haverá um erro que é conseqüência de u e v. o valor de  truncado na 4a. subtração. Por exemplo. multiplicação.1 é o mesmo que u = 10%. Soma e subtração: w = u + v ou w = u .1416 é mais próximo do valor de  que 3. No entanto. Ou.que se destina o cálculo efetuado.1416 pois o dígito imediatamente após o 5 é um 9 e certamente 3. cálculo de logaritmos. Propagação de erros: Se tomarmos 2 números com suas respectivas incertezas. No entanto. ou seja.1415. casa depois da vírgula fica como 3. u = 0. divisão. etc. o valor de  é truncado na “casa da centena” .

08 . como expressar w = u/v ? Quando o erro não é expresso de maneira explícita.001 (porque u vai até a casa do milésimo) e v ~ 0.001 0. calcular a + b . n = 4. a/b . Daí. u – v . calcular  a  .32 = 0. a – b . a – b .000526581⋯ . b = 16 . b = 7. w = ww = 0.32.21×10-6 .1 0.012±0.5±0.4472.Pergunta: Com quantas “casas” devo deixar o resultado? Resposta: Com tantas casas quanto sejam necessárias para expressar o erro! Exemplo 1: Dados a = 62. a2 . u ~ 0. então c=ab=104..6×104 . Exemplo 2: u = 2. isto é. m – n .00003 Exercício 2: Calcular as expressões abaixo com os respectivos erros e expressar os resultado de maneira adequada.05021266541  w=    2  2 0.4. u / v e u · v. d= 123.50.2 e b = 0.01  =0.000026443 2. Então c = 104. calcular u + v.125 e v = 42.13 ± 0.04 .42±0. a b .007 .2.05021 0.22×105 . 4  a b .125/42. b -) c = 321. a2 + b2 . a / b . v = 2.01 (porque v vai até a casa do centésimo). calcular ln(r) e cos(r) (Observação: o argumento do coseno é em radianos. g-) a = 3. e -) r = 0. d -) m = 1.6  c=  0. c -) u = 115.125 42. c · d e c/d . .6  0.5 .1± 0. a · b .5 .43 ± 0.4.22 0. calcular m + n . calcular c = a+b. calcular a + b . calcular c + d e c -d . estimamos como erro o valor de uma unidade da menor ordem de grandeza utilizada para expressar o número.32 O resultado da operação deve então ser expresso como w = 0. w = 2. a -) a = 12.68×10-7 .). a 2/3 .2 e b = 42.42 =0. Neste caso a = 0.08. m n e m/n. f -) a = 22..

com qual incerteza? 5 . onde D é a distância t percorrida e Dt é o intervalo de tempo em que D foi percorrida. c = 156.06) cm.: a expressão para velocidade escalar média é v e = D . Exercício 5: Um tambor de óleo de forma cilíndrica tem um diâmetro de 655±5 mm e uma altura de 1190±8 mm.27±0. qual a velocidade escalar média do veículo e qual sua incerteza? Obs. Qual a capacidade volumétrica do tambor.06 . calcular  ab2c Exercício 3: Um retângulo tem por lados A = (45. b = 0.08 ± 0. Se um veículo realiza uma viagem entre estas duas capitais em um intervalo de tempo de 4.0 horas com uma incerteza de 10 minutos.5) cm e B = (60.1±0. Calcular e expressar de maneira adequada o perímetro e a área do retângulo.004 .9 .0 ± 0.763±0. Exercício 4: A distância de São Paulo a Curitiba é de 400 km com uma incerteza de aproximadamente 10 km.h -) a = 2.

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

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

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

86 e-) 12.5 x1 -3 x2 + 4.21 x1 + 12.0137 2 x1 + x2 .11 x 3 0.04 0.0160 −0.6 x3 = 5.02 0.x2 + 3 x3 = 7 1.86 x 2 = −0.12 −1.0160 −0.5 x3 = 5  10 x2 .0  b-)  f-) x1 .21 0.21 0.53 = 5  10 x2 = 20  x2 = 2 4 x1 + 4 x2 .22 x2 + 10.3 x3 = 2.25 x 1 0.7 x3 = 27.24 4. 4 4 -3 | 3 0 10 -5 | 5 0 0 -10 | -30 Agora.15 x1 + 4. -10 x1 = -30  x1 = 3 10 x2 .x3 = 6 h-) x1 + 2 x2 .45 −0.8 x2 + x3 .04 0.5.01 x1 .65 x3 = 59.89 0.35 x2 + 5.3 x3 = -1 -8.4 x1 + x2 + x3 .89 0.86 x 2 = −0.02 0.1x2 + 2.3 x3 = 3  4 x1 + 42 .0137 .x4 = -6 4 x1 + x2 + x3 + x4 = 7 9      0. pelo método de pivotamento de Gauss.5 x3 + x4 = -1 2 x1 .0544 0.33 = 3  x1 = 1 Exercício 7: Resolver.11 x 3 0. os sistemas lineares de equações abaixo: a-) c-) 2.25 x2 = -8.25 x 1 0.4 x4 = -1 0.1 x2 + 4.0544 0.12 −1. por substituição retroativas resolvemos o sistema de equações.90 2 x1 + 6.15 x3 = 29. e teremos o sistema triangular.91 x3 = 157.9 x1 + 4.1 g-)         31 12 25 x 1 177 11 22 8 x 2 = 155 14 5 21 x 3 39 3 x1 + 2 x2 .40 -3.77 d-) 2.A 3ª linha agora é multiplicada por -5 4 4 -3 | 3 0 10 -5 | 0 10 5 5 | 35 Agora a 3ª linha é subtraída da 2ª.2 x2 + 1.25 x2 -5 x3 = -3.45 −0.5 x1 + 2.01 x3 = -31.6 4 x1 .

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

9995 1 0.9976 1.0125 0.0048 0.6000 50 25. pelo método de Jacobi.4167 0. Exemplo 10: Resolver o sistema de equações lineares abaixo.0033 0.1667 4 3.50 6.1200 0.0213 0.9987 2.6000 3.9600 1.0032 11 .9983 1.0400 0.0092 9 2.0000 - - - 2 3.x2 + 4 x3 = 5 Acompanhe o desenvolvimento na tabela.9968 0.9955 0.0333 8 2.0000 0.33 4 0.01.0140 0.0048 0.1753 0.0048 0.0000 1.0041 0.0422 0.2396 0.0583 0.x3 = 10 x1 + 2 x2 + x3 = 8 x1 .9840 1.0208 0.3333 4.2500 3 2.0240 0.8455 0.3438 5 2.0833 1.0000 0 - - - - 1 0.6000 0.4000 0. n x1 (10-x2 +x3)/ 3 x2 (8-x1-x3)/2 x3 (5-x1+x2)/4 x1 x2 x 1 0.9984 1. e iniciar substituições sucessivas nas equações acima.9995 0.3750 0.2917 0. 3 x1 + x2 .0011 0.6000 0.0388 2.0800 2. x indica o erro absoluto e x indica o erro relativo (em porcentagem na tabela). conforme mostrado na tabela abaixo.44 5.20 8 0.25 5 0.0000 1.0240 0.48 1.9622 0.0014 10 3.88 6 1.1200 12.0004 7 2.1200 0.0000 0.2000 3.48 0.0017 1.0000 0.9965 1.8000 0.19 7 1.0120 1.4167 1.0137 0.0000 100 100.0080 2.2500 3.9200 0.0729 0.0000 0.6000 11.9805 1. com um erro absoluto menor que 0.2378 0.9618 0.24 onde n indica a ordem da iteração (0 é o 'chute' inicial).11 33.Vamos chutar valores iniciais (x1.9167 2.0013 0.00 2 1.1200 2.00 3 1.0182 0.3333 4.0240 0.7083 1.0032 2.0240 2. 0)T .0048 0. n x1 = (3 + x2) / 5 x2 = 3 . x2)T = (0.x1 x1 x2 x1 x2 0 0.38 1.2361 2.82 0.1111 6 3.

89 0.2 x2 – 7.0.24x2 .0.0137 3 x1 – 5 x2 + 12 x3 = 11.86 x 2 = −0.15x3 = 9.04x1 .3 x1 – 0.0.32 .5 x3 + x4 = -1 2 x1 .2 x3 = .21 0.02 0.x1 + 3 x2 + x3 = 14.08x3 = 8.09x1 + 3.25x4 = 0 -0.2 x1 – 5.25 5 x1 + x2 – 2 x3 = 2.2 0.1x2 + 0.2 x3 = 12.25x1 + x2 .3.00 d-) e-) 0.00x2 .6 x2 – 1. utilizando o método de Jacobi.45 12 .0.0.11 x 3 0. com um erro menor que 0.45 −0.12 −1.6.25 x 1 0.04 0.Exercício 8: Determinar a solução dos sistemas lineares abaixo.25 -0.0.8 x2 + x3 . a-) x1 + x2 + x3 .x4 = -6 4 x1 + x2 + x3 + x4 = 7 b-) c-) 0.25x2 + x4 =0.08x2 + 4.0544 0.5 x1 .25x4 = 0.0160 −0.4 x4 = -1 x1 + 2 x2 .25x3 = 0 -0.00 4.25x2 .25x1 + x3 -0.3 x3 = 1.00 0.2 x1 + 0.5 5 x1 – 2x2 + x3 = 1.2%.25      0.1 8.2 x1 + 7 x2 – x3 = .00x3 = 20.00x1 + 0.5 f-) g-) x1 + 2 x2 + 4 x3 = 18 .

pelo método de Gauss-Seidel foram necessárias apenas 6.0003 0.0017 n x1 (10-x2 +x3)/ 3 x2 (8-x1-x3)/2 x3 (5-x1+x2)/4 1 0.0008 1.0000 0. Exemplo 11: Resolver o sistema linear de equações do Exemplo 10 usando agora o método de GaussSeidel.Método de Gauss-Seidel O método de Gauss-Seidel é semelhante ao de Jacobi.0451 5 3. ou seja.9998 2.2%.9986 0.9815 0. x 02 . e não x 10 e x 03 . e assim sucessivamente. destes.0000 3. vamos tomar um sistema de 3 equações e três incógnitas.0052 0.0000 0.0096 0.0000 2. j≠i Exercício 10: Dos sistemas de equações lineares abaixo somente dois são determinados e. Identifiqueos. com erros relativos menores que 0.0741 0.0000 2 3.0050 1.3333 2.3333 2. – Chutamos valores para x 01 .4444 0.9992 0. somente um pode ser resolvido utilizando um método iterativo (Jacobi ou Gauss-Seidel).2778 0.8889 4 Observe que enquanto que pelo método de Jacobi foram necessárias 10 iterações para convergir dentro do erro especificado.9954 1. utilizamos sempre o valor mais atual. Critério de convergência para métodos iterativos O sistema tem que ser diagonal dominante.3333 3 2. x2 e x3 .0016 0.0417 0.0556 1. a-) x1 + 2 x2 – x3 = 1 x1 – x2 + 2 x3 = 0 b-) 3 x1 + x2 + 2 x3 = 12 x1 + 3 x2 – 2 x3 = 5 13 .0177 0.0417 2. x 03 e com eles calcularmos x 11 . a menos que ao substituirmos iterativamente valores de x. – para calcularmos x 13 usamos x 11 e x 12 . Acompanhe o desenvolvimento na tabela x1 x2 x 1. ∣a ii∣∑ ∣a ij∣ . Exercício 9: Resolver os sistemas de equações lineares do exercício 8 usando o método de GaussSeidel. Por exemplo.1065 0.3333 1.0020 6 2. – Isolamos as equaçoes de x1.9965 0. – para calcularmos x 12 usamos x 11 e x 03 .

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

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

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

5 x3 . não haverão raízes reais positivas. 3 Exercício 16: Aplicar o teorema de Lagrange para as funções algébricas abaixo. Determinação do intervalo onde há raízes Para se determinar o intervalo que há raízes de uma função algébrica utiliza-se o Teorema de Lagrange em 4 situações distintas: i-) Para P(x) ==> 1 = L ii-) Para P'(x) = xnP(1/x) ==> 2 = 1/L iii-) Para P''(x) = P(-x) ==>  = -L iv-) Para P'''(x) = xnP(-1/x) ==>  = -1/L 17 .Limites das raízes reais Considerar P(x) = anxn + an-1 xn-1 +     a1 x + a0 com an 0 e ai ∈ ℝ. a-) P(x) = x4 . k é o maior índice dos coeficientes negativos do polinômio.7 x2 + 29 x + 30 b-) P(x) = x3 .8 x2 + 2 x + 1 a n =3 n=5 B=8 k =3 }  L=1  5−3 8 =2. a0  0 e k (0  k  n-1).63. Teorema (de Lagrange) : Sejam an > 0.9 x + 9 c-) P(x) = 3 x5 -25 x3 + 9 x +9 d-) P(x) = 3 x4 -5 x3 .63 Logo. têm-se que L=1  n−k  B .2 x3 . não há raiz real para x > 2. Exemplo 14: P(x) = 3 x5 + 2 x4 .x2 .12x + 8 Se não houverem coeficientes negativos. onde an B é o máximo do módulo dos coeficientes negativos.

117 x2 +324 a n =9 n=4 B=117 k =2 4-) L=1 xn P(1/x) = x4 (9 /x4 . usando o Teorema de Lagrange.117 /x2 +324) = 324 x2 . se houverem raízes reais.625 P(-x) = 9 x4 .117 x2 +324 a n =9 n=4 B=117 k =2 2-) }  4−2 117 =4.6 ==> 9 3 = -L = -4. se houverem raízes para o polinômio acima.625 < x < 4.117 x2 +9 a n =324 n=4 B=117 k =2 3-)  }  L=1  4−2 117 =4. os intervalos onde há raízes da função algébrica P(x) = 9 x4 .6 }  L=1  4−2 117 =1.625 e 0.Assim.117 x2 +9 a n =324 n=4 B=117 k =2 }  L=1  4−2 117 =1.6 xn P(-1/x) = x4 (9 /x4 .6 ==> 324 4 = -1/L = . elas estarão no intervalo dado por 2 < x < 1 para as raízes positivas  < x <  para as raízes negativas Exemplo 15: Determinar. elas estarão no intervalo 2 < x < 1 para as raízes positivas  < x <  para as raízes negativas.117 /x2 +324) = 324 x2 .625 Então.0.6 < x < -0.6 18 . ou -4.6 ==> 9 1 = L = 4.6 ==> 324 2 = 1/L = 0.117 x2 +324. 1-) P(x) = 9 x4 .

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

calcula-se c = (a + b)/2 e verifique se f(c) é maior ou menor que zero.Determinação de raízes pelo método da bissecção O Método da bissecção consiste em: 1. 2 = 1/L = 0. Repete-se sucessivamente até que a diferença entre dois valores de x seja menor que o valor préestabelecido de erro. P'(x) = 3 x2 -1 e a n =3 2 1 n=2  L=1 =1. 5. isto é P(x) = x2 -3 e a n =1 n=2 B=3 k =0 } }  L=1  2 3 =2.7 . 1 = 2. se f(c) > 0. a raiz estará sempre entre um valor positivo e um negativo da função. c]. c]. Exemplo 16: Determinar pelo método da bissecção a raiz positiva da função f(x) = x2 -3. 3. Supor que a raiz esteja no intervalo [a. 2. determinar o intervalo em que há raízes positivas. 6. então. então a raiz estará no intervalo [a. Usando o teorema de Lagrange. Para cada intervalo [a. 4. f(b) >0). supor que f(a) < 0 (logicamente. b].7 1 x2 P(1/x) = -3 x2 + 1. f(x) d a c b e Figura 1: Diagrama explicativo do método da bissecção. Se f(c) <0. então a raiz estará no intervalo [c.6 3 B=1 k =0  20 .6 . verificar se f(a)f(b) <0. divide-se o intervalo em 2 novamente com e = (a + c)/2 e testa-se f(e) e verifique se é maior ou menor que zero. Determinar o intervalo onde há raízes. b]. então. Caso afirmativo.

0036 f(1.00018 f(1.727) = -0. ou seja f (1.65) = -0. então.7) < 0.6) = -2.069 f(1.135 f(1. 2. não é possível aplicar o teorema de Lagrange para a determinação do intervalo onde há raízes.65) = -0.65) = -0.0175 f(1. Testa-se então o valor médio entre os extremos (1.6 + 2.6.65) = -0.0033 0.186 0.65.64 f(1.752) = 0. Exercício 18: Usando o método da bissecção.731) = -0.733) = 0.53 f(1.017 f(1.001 x .731) = -0. é necessário 'explorar' a região (ou as regiões) onde estão as raízes.7].727) = -0.2775 f(2.718) = -0.2775 f(1.65) = -0.26 f(1.0485 f(1.18) <0.75 f(2.29 e a raiz estará no intervalo [1.7)/2 = 2.010 0. ou seja f(0.008 f(1.718) = -0.2775 f(2.7) = 4. elas estarão no intervalo [0.785) = 0. 2.65.733) = 0.7) = 4.069 0.6) = -2.7) = 4.65)f(2.0036 f(1.29 a raiz estará então no intervalo [1.2775 f(2.92) = 0.0175 f(1.010 0.010 0.186 f(1.18 f(1.65) = -0.186 0.18]. 21 .067 f(1. Testa-se a função nos pontos extremos e no valor médio (0.7)/2 = 1.0033 f(1.0036 f(1.735) = 0.752 f(2.0485 f(1.732) = -0.65)f(2.2775 f(1.29 0.29 f(1.034 f(1. 2.65.735) = 0.0485 f(1.Se houverem raízes positivas.732  0.004 f(1.64 f(1.735) = 0. Veja a tabela abaixo f(xmenor) f(xmédio) f(xmaior) f(0.2775 f(1. Quando a função que se pretende determinar a raiz não é uma função algébrica (chamadas de equações transcedentais).18) = 1.686 0. Aplicação do método da bissecção para funções transcendentais.2775 f(2.0485 f(1.65 + 2.010 f(1.785) = 0. pois f(1.752) = 0.686 f(2.65) = -0.735) = 0.18) = 1.75 0.718) = -0. e assim sucessivamente.731) = -0.002 f(1. calcular 5 8 com um erro menor que 1%.718) = -0.92) = 0.7] pois as funções nestes pontos tem sinais opostos.001 A raiz de f(x) = x2 -3 é x = 1.7) = 4.785) = 0.18) = 1.

teremos e xmenor sen(xmenor) xmedio sen(xmedio) xmaior sen(xmaior) 5.5000 0.0068 0.1875 3.0000 -0.3125 0.0019 6.0156 1.Exemplo 17: Determinar a raíz da função f(x) = sen(x) usando o método da bissecção.1563 -0.0166 3.39 x x (%) xmenor sen(xmenor) xmedio sen(xmedio) xmaior sen(xmaior) 3.1406 0.0068 3. Assim.0078 0.0000 -0.2500 -0.2813 -0.25 6.0019 6.1875 -0.0459 3.0010 3.2500 -0. pois sen(x) = 0 sempre que x = n.0313 3.0147 0.x + 30 22 .2794 7. é possível que pelo método da bissecção.0010 3.1250 0.0000 0.0313 3.1563 -0. x x (%) -0.2794 6.7568 3.0000 -0. 7].6570 6.78 3.1484 -0.9589 6.1250 12. as raízes das funçôes abaixo: a-) f(x) = x3 .3750 0.56 6.2151 0.2813 -0.0156 1.0332 6.0166 3.2500 -0.0000 0.2852 0.0625 6.00 6.1250 E então x = 3.3125 0. tomemos o intervalo [3.1250 0. se iniciarmos com o intervalo [5.3125 0.0000 -0.0010 3.00 6.5%.1411 3.0625 6.50 6. pelo método da bissecção.50 -0.004 .2500 -0.2794 6.0029 3.004 .0332 6.6 x2 .0147 3.0332 6.1411 3. A título de exemplo.13 0.5000 0.5000 -0.3750 0.2813 -0.0293 6.1445 -0.56 3.3508 0.0000 0.2969 0.0000 0. No entanto.2500 -0.0059 6.2969 0.1082 3.0332 6.1406 0.0078 0.1250 0.1450.2500 25.6570 0.25 3.0019 6.0039 0.1411 3.2500 25.5000 3.1484 -0. 4] e observe a tabela a seguir.00 3.0147 0.2850.0020 6.0459 0.1082 0.0039 0.0917 0.0293 0.5000 50.0019 6.2500 -0.3508 4.0166 3.2151 7.1250 12.2813 -0.78 6. com n inteiro. Exercício 19 : Determinar. com um erro menor que 0.2151 0. obtenhamos somente uma raiz local.39 x = 6.0293 0.13 6.0000 0.0000 -0.0166 3.0137 0.0137 6.2500 -0.2891 0.1563 -0.0917 6.1406 0.0059 0.5000 0. A função seno tem várias raízes.2891 0.1082 0.

23 x (%) . Obs. Exemplo 18: Determinar. pelo método de Newton-Raphson. f(xn) xn+2 xn+1 xn Na figura acima. a tangente de f(x) no ponto x = xn é dada por f(x)/(xn . ln  x x x n1= x n − f(x) = ln(x) + x e f'(x) = 1/x + 1. x n1= x n − f  xn onde f '(x) f '  xn  indica a derivada de f(x) com relação a x. com um erro menor que 0. 1 1 x n x xn 2 Este método é às vezes chamado somente de Método de Newton. se aproximando do valor onde f(x) = 0. A tangente da função f(x) no ponto xn é a própria derivada f'(xn). x n1=x n − f  xn f '  xn  da tangente de f(x) no ponto x=xn+1 obtém-se xn+2. e assim sucessivamente.xn+1). . neste caso.5%.: Iniciar com x0 = 1. xn+1 = xn .cos(x) d-) x + 2 cos(x) e-) 3 x2 .b-) f(x) = x + ln(x) c-) f(x) = 3 x . daí. Interpretação geométrica. isolando xn+1.ex f-) e-x -x Determinação de raízes pelo método de Newton-Raphson2 É um método iterativo onde a relação de recorrência é dada por . a raiz da função f(x) = ln(x)+x. Observar que quando f(x) = 0. então.

x Exercício 21: Obter. Exercício 24: Usando o método de Newton-Raphson.5000 100.5000 0.0644 11. com um erro menor que 0.e 1 1.0000 2 0.408 4 0. usando o método de Newton-Raphson. com um erro menor que 0.486 x = 0. 24 . a-) f(x) = x3 . Exercício 22: Usando o resultado da questão anterior. usando o método de NewtonRaphson.6 x2 .003 .0028 0.5670.000 3 0.5671 0.cos(x) c-) x + 2 cos(x) d-) 3 x2 . calcule 110. Exercício 20: Determinar pelo menos uma raiz das funções abaixo. a relação de recorrência para solução de n x=  A .1%.1%.ex e-) e-x .5644 0.1%.25 com um erro menor que 0.2%. calcule 5 13 2 13 com um erro menor que 0. calcule Exercício 23: Usando o resultado da questão 21.x + 30 b-) f(x) = 3 x .

2 0. x2]. a + b 30 = 0.0138 x e y(35) = 0. então.Interpolação Quando valores discretos de uma determinada função y(x) são conhecidos.1 0.500 45 0.7 0.8 0.866 90 1. Por exemplo. valores intermediários podem ser obtidos utilizando técnicas de interpolação.569. 25 .500 a + b 45 = 0.707 60 0. obtém-se os valores de a e b e a equação da reta que fornecerá a estimativa de y(x) no intervalo [x1. a + b x1 = y1 a + b x2 = y2 Resolvendo este sistema de equações lineares.6 0.000 Quanto vale y(35)? Interpolação linear São traçadas retas que unem os pontos dois a dois. para os dados tabelados acima. Exemplo 19: x y(x) 0 0.5 0.4 0.0 0.000 30 0.3 0.707 Resolvendo este sistema tem-se y(x) = 0.086 + 0.9 0.0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 A equação de uma reta é dada por y = a + b x. tomando o problema proposto no exemplo acima. 1.

usando interpolação linear.00 e y(2.609 7 1.7−2 y 2.386 5 1.693 3 1.946 Interpolação linear por relação de proporcionalidade y2 y y1 x1 x x2 Dados os valores y(x1) = y1 e y(x2) = y2.7).099 4 1. calcular y(50). tem-se que x− x 1 y− y 1 = x 2 − x 1 y 2− y 1 Exemplo 20: Sabendo-se que y(2) = 2. usando interpolação linear. estimar. 2. 26 . por semelhança de triângulos. Exercício 26: Dada a função tabelada abaixo.7−2 = 3−2 3.7)  2. Dica: Usar os valores conhecidos de cos(45o) e cos(60o).Exercício 25: Ainda com relação ao 1º exemplo.5) e y(6). y(2. Exercício 27: Estimar. x y(x) 1 0 2 0. o valor aproximado de cos(55o). Substituindo na relação acima.5).00 e y(3) = 3. calcular y(1.15−2. y(3.81.15 . usando interpolação linear.

47 Interpolação quadrática São traçadas parábolas que unem os pontos conhecidos 3 a 3. y(35).6 0. y(4.68 7 2. b e c .0 0.18) e y(5.4 0. calcular.0 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 Substituindo os valores de x e y na equação de uma parábola.3 1ª parábola 0.5 0.1 0.Exercício 28: Dada a função tabelada abaixo.500 45 0. usar a interpolação linear para estimar y(2.72).49 5 3. Exemplo 21: Dada a tabela abaixo. tem-se a + b x1 + c x12= y1 a + b x2 + c x22= y2 a + b x3 + c x32= y3 resolvendo o sistema de equações acima. determinam-se os valores de a.000 30 0. x y(x) 0 0.8 0.19 3 5.9 2ª parábola 0.707 27 . x y(x) 1 8. 1.35).7 0. usando interpolação quadrática.2 0.

o valor aproximado de cos(55o).85780-2 . Logo.60 0.10 0.5) e ln(2.∣ ∣ ∣ 1 0 02 0 2 1 30 30 0. Então. os valores de y(0.5 0 45 2025 0. estimar. ln(2) = 0. Dica: Usar os valores conhecidos de cos(30).3662 1. ln(1. Compare com o resultado do exercício27.5). c = -6. a função pode ser representada aproximadamente por y(x) = 1.60 0.1397 3. usando interpolação quadrática.370410-5 x2.857810-2 x .2177 3.693 e ln(3) = 1.8).5 2 1 45 45 0.1947 0.099. y (1.0789 4. y(2.0430 Da 3ª linha. y(35)  0.750   ∣ 1 0 0 0 0 45 2025 0.5) e y(4. usando interpolação quadrática.707 0 30 900 0. b = 1.707  ∣ ∣ ∣ ∣ ∣ 1 0 0 0 0 30 900 0. no intervalo 0  x  45.370410-5.0) x y(x) 0. Exercício 30: Dada a tabela abaixo. Da 2ª linha.3293 1.707 0 0 675 −0.572.0462 Exercício 31: Estimar.75). Qual dos dois valores se aproxima mais do valor exato? 28 . Exercício 29: Dados os valores ln(1) = 0. estimar. Da 1ª linha a = 0.707 1 0 0 0  0 45 2025 0. usando interpolação quadrática.40 0.6.90 0.80 0.2975 2.707 0 45 1350 0. cos(45o) e cos(60o).25 0.5  ∣ 1 0 0 0 0 45 2025 0.10 0.

6 – 1.6 2. Então.85165.3 5. Substituindo agora x = 2.5. yi que correspondentes a uma função y(x).7 22. de quarta ordem  y i = . determinar os valores dos coeficientes ai.5) = a0.6) = 7. yi). por substituições sucessivas.3).5 1 15 1. o método de interpolação de Newton consiste em adotar um polinômio interpolador como P(x) = a0 + a1 (x – x1) + a2 (x – x1) (x – x2) + a3 ( x – x1)(x – x2)(x – x3) + a4 (x – x1)(x – x2)(x – x3)(x – x4) + ··· e. Substituindo x = 1. temos a1 = 3. Definição Dado um conjunto de pares ordenados xi.2 66. P(1.5) + a2 (x – 1.6 7. interpolar um polinômio do 2o grau aos dados da tabela: x y 1.1 O polinômio interpolador de 2o grau será então P(x) = a0 + a1 (x – 1.5) e isolando a1.2 1.5) = 2.85165 (x – 1.3: P(2.7 3 12 3 42 6.2 = 2. x y x y x y x y 3.6 .25 (3.25.5 21 2 22 4. Ao mesmo tempo.1 = 2.3) . interpolar polinômios que “passem” por todos os pontos dos dados tabelados abaixo. x i3 −x i x i4 −x i 29 .5) + a2 (3.5 1 46 4. Exercício 32: Usando o método de Newton.25 (x – 1. define-se como diferença dividida de primeira ordem y − yi  y i1− y i  y i = i1 .3) e a2 = -0. a0 = 2.6 – 2.0 7 11 Diferenças divididas Dada uma função tabelada (xi.6 + 3. visto que o polinômio interpolador deve reproduzir os valores de y da tabela. e assim por diante.5) – 0.6. diferença dividida de segunda ordem  y i2= . O mesmo com x = 3.6 – 1. Exemplo 22: Usando o método de Newton.6 + 3.6: P(3.5)(3. diferença dividida de x i1− x i x i2− x i 2 3  y i1 − y i2  y i1 − y i3 3 4 terceira ordem  y i = . temos P(1.5)(x – 2.2 3.6 + a1 (2. O polinômio interpolador será então P(x) = 2.5)(x – 2.5 2.Interpolação de Newton.3) = 5.4 12.5 5 25 11.2 8.3 – 1. pois os outros termos do polinômio se anulam.

1905 0.3 1 5. x y y  y2  y3  y4 1. Exercício 34: Resolver.1655 4.1 12 2.3)(x – 2.8333 -1. Dica. usar os valores conhecidos das funções seno e coseno para os ângulos 0. o polinômio de 4a ordem para interpolar as funções sen(x) e cos(x).Dada uma função tabelada.1667 7.1905 (x – 1.2293 -0.1128 0.1053 0. Exercício 35: Determinar.1)(x – 6) Exercício 33: Determinar os polinômios interpoladores do exercício 32 usando o método das diferenças divididas. 45o.3)(x – 2.5 8 2.5) + + 0. usando diferenças divididas. usando diferenças divididas os problemas 29 e 30.5000 -0.2293 (x – 1.2 21 Então o polinômio interpolador será P(x) = 1 + 5.1) – 0. 30 .0108 2. como abaixo: x y y y x1 y1 y1 y12 y13 y14 x2 y2 y2 y22 y23 y24 x3 y3 y3 y32 y33 x4 y4 y4 y42 x5 y5 y5 2 y 3 y 4 n Pode-se demonstrar que os coeficiente do polinômio interpolador são a n = y 1 .3) – 1.6650 6 16 4.5)(x – 4. é possível calcular a tabela de diferenças divididas.0108 (x – 1. Exemplo 23: Determinar o polinômio interpolador para para a função tabelada abaixo. 30o. 60o e 90o.8333 (x – 1.5)(x – 4.3)(x – 2.

2). determinar y(1.535 −59 3 437 2 6017 451 x x− x 300 200 600 25 P(2.879 . usando a interpolação de Lagrange. existe P(xi) = yi.Interpolação de Lagrange Se existem n pares (x. para todo xi. é possível ajustar somente um polinômio de grau (n -1) tal que. m=0 Os coeficientes am podem ser determinados montando um sistema de equações lineares com n equações e n incógnitas.3  x−2  x−3  x−4  x−1  x−3  x−4 10 5. Pode-se.15 2.31 0.25) = 8.25). x 1 2 3 4 P  x =  y(x) 10 5.15 1−2 1−3 1−4 2−1 2−3 2−4  x−1  x−2  x−4  x−1  x−2  x−3 2. mostrar que o polinômio acima pode ser escrito como  x− x 1  x−x 2  x− x 3 ⋯ x− x n−1   x−x 0  x− x 2  x−x 3 ⋯ x− x n−1  P  x = y  x 0  y  x 1   x 0 − x 1  x 0 −x 2  x 0 − x 3 ⋯ x 0 −x n−1   x 1 −x 0  x 1 − x 2  x 1−x 3 ⋯ x 1− x n−1   x−x 0  x− x 1  x− x 2 ⋯ x− x n−2  ⋯ y  x n−1   x n−1− x 1  x n−1 − x 2  x n−1− x 3 ⋯ x n−1 −x n−2  n−1 n−1 P  x =∑ ∏ i=0 j≠i  x− x j  y  xi   xi − x j  Exemplo 24: Determinar o polinômio que ajusta aos pontos dados na tabela abaixo. y(2.31 0.3 3−1 3−2 3−4 4−1 4−2 4−3 P  x = P(1. Usando este polinômio.5) e y(3. n−1 Podemos então escrever P  x = ∑ a m x m≈ y  x  .2) = 1.5) = 3. y) tabelados. entretanto.553 31 P(3.

25 1.5 0. i=1 Regressão Linear.5 4 3. N Supor um conjunto {xi.5 2 1.O método dos Mínimos Quadrados. ∂b ∑ 2 ab x i − yi  x i =0 i=1 n ∑ ab ∑ xi =∑ yi n n a ∑ x i b ∑ x =∑ y i x i i=1 32 i=1 2 i i=1 . Exemplo 25: O gráfico abaixo ilustra um conjunto de pontos em que os quadrados negros indicam os valores experimentais e a curva contínua indica a função f(x) = x2.75 1 1. é de se pressupor que os valores de yi não correspondam exatamente a f(xi). tal que y = f(x). S =∑  ab x i − y i  2 . yi} e que estes pontos devam descrever uma reta f(xi) = a + b xi. Supor que um conjunto de pares de dados (xi. Deve determinar quais valores de a e b para os quais S é mínima.5 3 2. ∂a n ∑ 2 ab xi − y i =0 i=1 n n n i=1 i=1 i=1 ∂S =0 .5 1.75 2 O método dos mínimos quadrados é uma maneira de determinar a curva f(x) que melhor se ajusta ao conjunto {xi. i=1 n ∂S =0 . yi}.25 0. Como a toda medição há incertezas associadas.5 1 0. yi) tenha sido obtido experimentalmente e que se pressuponha que haja uma relação funcional entre eles. pela minimização do quadrado da soma dos resíduos N S =∑  2 . 5 4. Define-se como resíduo a diferença = f  x i − y i . Então.5 0 0 0.

xi 2. então.3 12.12 + 2. tem-se n n i=0 n i=0 n a nb ∑ x i =∑ y i n Tem-se então um sistema linear de equações que. a ∑ x i b ∑ x i2 =∑ y i x i i=0 i=0 i=0 Exemplo 26: Ajustar aos dados apresentados na tabela abaixo. 40 35 30 25 20 15 10 2 4 6 8 10 12 14 A figura acima mostra os pontos da tabela (losangos) e a reta ajustada.2 3.12 e b = 2.46 b=1200. Exercício 36: Determinar a reta que melhor se ajusta aos conjuntos de pontos indicados abaixo: 33 . tem-se a = 7.636 .2 8 9.4 a346. uma reta.636 x .9 yi 11 14 24 27 33 40 6 a40. usando o método dos mínimos quadrados. fornece os valores de a e b para os quais S é mínima.5 5.4 b=149 =========> 40. uma vez resolvido.9 Resolvendo este sistema.Rearranjando.2 ∑ xi =40. f(x) = 7.4 ∑ y i =149 ∑ xi2=346.46 ∑ y i xi =1200.

17 4 7. e é dado por: R2= [ n n n ∑ x i y i − 1n ∑ x i ∑ yi i=1 i=1 i=1 [∑ ∑  ] [∑ n x i2− i=1 1 n n 2 n xi ⋅ i=1 y i2− i=1 1 n ] ∑  ] 2 2 n .000 335.79 2.96 1.2 6.815 1.26 68.6 25.980 206.a-) b-) c-) x y x y x y 12.767 0.9 3 4.0 5.03 20 16.2 17.6 2 2.4 28.95 0. 40.62 1.6 9. melhor é o ajuste da curva. 34   .74 1.29 18.43 34.40 75. O coeficiente de determinação é um número que determina quão bom é o ajuste.24 5.61 1.10 1.06 4.4 2 1492 346.98 0.193 0.90 1.41 41.8 5.859 .57 0.4 4.244 1.05 42.970 141.8 1 -1. yi i=1 Quanto mais próximo de 1 estiver R2.38 1.4⋅149 1200.59 6 14.2 7.2 3.68 1.960 75.00 6.7 28.29 Coeficiente de determinação R2.4 7.4 10.19 60.0 7.8 8.39 8.52 0.9− 6 R2= =0.74 5 11.46− ⋅ 4311− 6 6    Exercício 37: Calcular R2 para o exercício 36.2 11.990 271.4 5.1 22.48 2.6 5.073 0. Exemplo 27: A curva ajustada no exemplo anterior tem um 2coeficiente de determinação dado por 40.44 d-) e-) f-) x y x y x y 0.

2 S xi2 = 8.6578 Resolvendo agora este sistema.0 7.0 5.2b 8.5751 A 7. Assim.6 9. F(x) = A + b x. fn}.6 7.157 2. A = 1. ln [ f  x ]=ln a e b x =ln a b x Se for feita a substituição F(x) = ln[f(x)] e A = ln(a) reduzimos a expressão da exponencial a uma função do 2º grau.3659 e0.943 1. do tipo f  x=a eb x .2 7.033 1.3275 e a = eA = 5.956 0.753 1. ajustar uma exponencial a estes valores. para ajustar uma exponencial a um conjunto de dados fornecidos na forma de uma tabela {xn.014 1.8 6. obtendo A e b.977 1.192 1.3659 .897 1. Então.669 0.16 S yi = 17. Exercício 38: Ajustar curvas exponenciais aos dados tabelados abaixo.215 Desta tabela cria-se a tabela à direita da original. Exemplo 28: Dada a tabela abaixo. x f(x) y(x) = ln(f) 0.4 8. criamos uma segunda tabela com {xn. 35 . pode ser ajustada usando regressão linear. ln(fn)} e ajustamos uma reta a estes dados.309 1. Uma curva exponencial.2 5.774 0.6578 A 9b 7.948 1.Ajuste da curva exponencial. Então f(x) = 5.16=14. onde y = ln(f) e dela tiramos os parâmetros n=9 S xi = 7.3275 x .750 0. e a = eA.4 5.6801 b = 0.949 2.5751 S xi yi = 14.634 2. desde que seja aplicado o logaritmo em ambos os lados da expressão.2=17.068 1.

552 6.920 Ajuste da curva potencial.575 1.974 4.626 10.8 15. Exemplo 29: Dada a tabela abaixo. x f(x) X = ln(x) y = ln(f) 1.047 1. A = ln(a) e X = ln(x) Então.003 0.512 2.6 1. para ajustar uma potencial a um conjunto de dados fornecidos na forma de uma tabela {xn.888 7.163 2.5 15.182 0.2 35.3 19.1 15. pode ser ajustada usando regressão linear.219 4.886 1.2 103. do tipo f  x =a x b .640 Da tabela à direita tem-se 36 .927 0.0 21.5 2.421 9.2 61.047 0.786 3.982 4.2 1.418 9.3 1.5 34.387 4.0 51.2 1.123 0.435 2.965 0.511 1.916 5. e a = eA. ln [ f  x]=ln a b ln  x  ou y= Ab X onde y = ln[f(x)].104 4. obtendo A e b.514 2.343 2.006 0. criamos uma segunda tabela com {ln(xn).825 3.5 25.2 14.2 41.252 0.693 1.474 1.082 1.215 0.4 1. Assim.287 0.731 7.0 14.724 1.2 18. Uma curva exponencial.788 1.7 15.2 10.4 15.5 15. também aplicando o logaritmo em ambos os lados da expressão.649 3. ln(fn)} e ajustamos uma reta a estes dados.669 0.5 59.957 0.a-) b-) c-) x f(x) x f(x) x f(x) 0.557 6.2 5.0 26.0 16.936 2.006 1.796 3.6 17.2 82.122 8. ajustar uma potencial a estes valores.882 2.267 0.0 1. fn}.601 2.1 1.

5 0.4 48.837 2.811 0.768 1.571 1.865 e Resolvendo este sistema.200 4.5 1.3 0.092 3.346 1.5 14.1303.081 37 .070 S xi yi = 48.277 1.0 13. tem-se A = 0.34 n=9 S xi2 = 23.34b 23.2 7. b = 2.0 3.0 0.384 2.34=28.364=48.5 10. f(x) = 1.5 18.563 0.9 4.597 2.524 3.S xi = 13.0 1.5 14.307 2.102 0.593 0.6 1.867 2.0 16.7 55. A 13.357 1. Então a = eA = 1.5 3.0 16.022.1 36.616 1.0 2.022 .973 2.364 S yi = 28.070 .1303 x2.8 24.619 3.958 2. Exercício 39: Ajustar curvas potenciais aos dados tabelados abaixo.1225. a-) b-) c-) x f(x) x f(x) x f(x) 0.865 A 9b 13.5 0.922 1.

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

usando o método dos trapézios.8 2.6 1.3333 5.1111 1.3333 1 Σ p f(x) = 0.44 2. x f(x) p p f(x) 0.60 0. na mesma expressão.1103 . 3].4 1.4 2.  x= 5 =0. no intervalo [1.5513 2−0 Nesta tabela.0000 0.4545 2 0.8 0.4 .80 0.4286 0.04 2. usando o método dos trapézios. Um possível procedimento é o indicado na tabela 1x abaixo. 2 2 Exercício 40: Calcular a integral da função tabelada abaixo. x f(x) 1. usando 5 sub-intervalos.0000 1 1.24 1.6 2.3846 2 0.5513⋅ =1.16 2. f  x = 1 .76 2.2 1. p é o número pelo qual f(xn) é multiplicada na expressão da integral e Σ p f(x) indica a soma dos termos entre colchetes.0 2.00 1.4 I =∑ p f  x  =5.00 0.24 1.56 3.16 1. x 0. então..b f 0 f 1 f f2 f f3 f fn  x 1  x 2  x⋯ n−1 x 2 2 2 2 x f  x dx= [ f 0 2 f 1 2 f 22 f 3⋯2 f n−1 f n ] 2 ∫ f  x  dx= a b ∫ a 2 Exemplo 30: Calcular I =∫ 0 dx 1 x A função a ser integrada é.40 0. Logo.7143 2 1.5556 2 1.9091 1.00 2.7692 2.0 0.00 1.0 2.20 0.00 39 .2 2.

0 0.4 0.0186 2 f 0. π/4].0513 0.5 Exercício 41: Calcular a integral ∫ x e−2 x dx com 10 sub-intervalos.01. ∣ f ∣= 2.3846 -0. Estimativa de incertezas no método dos trapézios.4545 -0.0312 2.0 1.0 12 12 Daí que a maneira correta de expressar o resultado da integração numércia do exemplo 30 é I = 1.5556 -0. a-) quando se conhece f(x): = b-) quando não se conhece f(x) (mas pode ser aplicado também quando f(x) é conhecida): b−a 2 = ∣ f ∣ 12 onde ∣2 f ∣ 2 é o módulo do valor médio de  f n e  f n = f n − f n−1 2 e  f n = f n − f n−1 .01 . 40 .2857 0. Então = ∆f ∆2f x f(x) 0.8 0.1270 1.0586 b−a 2 0.1011 0.6 0.1587 0.3333 -0.0576 1.11  0.0−0.2 0.0000 0. Há duas maneiras de estimar incertezas no uso do método dos trapézios: b−a 2  x  f ' '  . 12 onde  é o valor para o qual a derivada segunda de f(x) é máxima no intervalo a≤≤b .7143 -0. 2 Exercício 42: Calcular a integral de f(x) = sen2(x) no intervalo [0.0586≈0. com 5 intervalos. Exemplo 31: Tomando o exemplo anterior.0699 0.

8131 1.8607 2 1.45 0.25 0.1653 2 0.6999 1. 41 .3306 1.0578 2 0.2753 0.6376 2 1.35 0.60 0.3012 2 0.05 0.1562 2.2449 2.4816 0.0907 2 0. Daí.2592 2 0.1423 2 0.00 1.002 .5185 1.50 0.7214 0. e o maior valor de f '' no intervalo é f '' (0) = 1.01 12  x 20.0996 S p f(x)= 12.0000 0.95 0.70 0.5488 2 1.90 0.3499 2 0.2845 2. com uma incerteza estimada menor que 0.4463 1.15 0. b−a  x 2 f ' ' 0.00 0.1157 3.75 0.1920 2 0.2108 2.7408 2 1.3841 1.3 Exemplo 32: Calcular ∫ e−x dx .30 0.0498 2 0. 0 -x Como f(x) = e-x .4066 2 0.1225 2 0.01 12 3−0  x 2 10.04 e  x0.0781 2 0.40 0.0000 1 1.0976 0.01.1054 2 0.15 .20 0.65 0.7430 I= 0.4724 2 0.1814 2.85 0.6024 1. tem-se = e x f(x) p p f(x) 0.10 0.9447 0.80 0.0672 2 0.956  0.2231 2 0.2 Tomando então x = 0.55 0.1344 2.9557 I = 0. f ''(x) = e .

000 0.164 0.2 0. integrar (eq. Tomando a tabela ao lado. e estimar a incerteza.0 0.268 0.0 0.368 Método de Simpson.Exercício 43: Calcular a integral da função tabelada abaixo.f0 0 0 x f1 – f0 2 x f2 – f0 Com esta tabela monta-se um sistema linear para resolver a equação g(x) = a + b x + c x2.4 0. usando o método dos trapézios.8 0. Então ab 0c 0=0 ab  xc  x 2 = f 1 − f 0 ab 2  xc 4  x 2= f 2 − f 0 Resolvendo este sistema de equações tem-se a=0 f 1 3 b= 2 f 1− f 0− 2 2 2 x 1 c=  f 2−2 f 1 f 0  2  x2  Fazendo agora  x2 x2 x0 x0 ∫ f  x = f 0∫ g  x dx= 42 x  f 0 4 f 1 f 2  .329 0. porém subtraindo deles o valor de f(x0) = f0. O método de Simpson consiste em interpolar uma equação do 2º grau separando sub-intervalos de 2 em 2. 3º grau) e tomar esta integral como a integral correspondente a estes 2 subintervalos.359 1.6 0. 3 . x f(x) 0. x0 x1 x2 x g(x) = f(x) . monta-se a tabela dos dados correspondentes aos 3 primeiros pontos.

2 0.3400 4.0 1.4351 2 2.0 1.3459 1.1756 2.8702 4.2 1.6 0.2238 2 2. e somamos todas as integrais parciais.1538 2. usando o método de Simpson. 1 x f(x) = ln(x) p p f(x) 1. o método de Simpson consiste em dividir o intervalo de integração [a.6094 43 .0000 1.0 0.6094 1 1. f(x) x0 x6 ∫ f  x dx= x0 = x1 x2 x3 x4 x5 x6 x x x  f 0 4 f 1  f 2   f 24 f 3  f 4   f 4 4 f 5 f 6 = 3 3 3 x  f 0 4 f 1 2 f 2 4 f 3 2 f 4 4 f 5  f 6  3 Generalizando.1042 5.8 0.5878 2 1. como indicado na figura abaixo. b] em um número N par de sub-intervalos iguais e usar a relação b ∫ f  x  dx= a x  f 0 4 f 1 2 f 2 4 f 32 f 4⋯4 f N −1  f N  3 5 Exemplo 33: Calcular ∫ ln  x  dx com 10 sub-intervalos.0000 1 0.6 1.5261 4 6.4 1.3365 4 1.7885 4 3.9555 2 1.4 0.Ser dividirmos a função em um número de 6 sub-intervalos.3350 4 5.9110 3.8 1.0986 4 4.4476 3.3944 3. repetimos o procedimento indicado acima agrupando os pontos 3 a 3.

há duas maneiras de estimar incertezas no uso do método de Simpson: b−a 4 iv  x  f  . usando o método de Simpson. 2 Estimativa de erro: a derivada de 4ª ordem de sen(x) é o próprio sen(x) .  f n = f n − f n−1 = . e 180  2 ∫ sen  x  dx=1. = a-) quando se conhece f(x): b-) quando não se conhece f(x) (mas pode ser aplicado também quando f(x) é conhecida): b−a 4 = ∣ f ∣ 180 agora com 4 3 3 3 2 2 2  f n = f n − f n−1 . e o maior no intervalo de integração é sen(/2) = 1. 0 1 Exercício 45: Como  ∫ 1dxx 2 = 4 . / 2−0 4 = 1 ≈0. 180 onde  é o valor para o qual a derivada de quarta ordem de f(x) é máxima no intervalo a≤≤b .Σ p f(x) = 30.  f n = f n − f n−1 . 0 6 dx ∫ 1 x Exercício 44: Calcular com 10 sub-intervalos usando o método de Simpson. Como no caso do método dos trapézios. Exemplo 34: Calcular a integral de sen(x) de 0 a /2.0023 . x f(x)  2 0 0 /4  2/ 2 /2 1  ∫ sen  x  dx≈ 13 4 0  04   2 1 =1.0470 Estimativa de incertezas no método de Simpson. calcular o valor de  usando a integração de Simpson com 10 0 44 .002±0. com somente 2 intervalos e estimar a incerteza.3522 I= 4.009 . Então.009 .

2 3.6 1. Exercício 46: Calcular a integral da função tabelada abaixo usando o método de Simpson.192 3.4 3.2 0.957 4.4 1.0 2.544 2.0 2.772 2.151 2.000 2.273 3.8 2.0 0.394 45 .847 3. x f(x) 2.sub-intervalos.346 3.356 3.6 3.8 2.

Sign up to vote on this title
UsefulNot useful