Está en la página 1de 91

NOTAS DE AULA

Cálculo Numérico

Universidade Tecnológica Federal
do Paraná

- UTFPR -

Professores: Lauro César Galvão
Luiz Fernando Nunes

Cálculo Numérico – (Lauro / Nunes) ii

Índice
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 ...................................................................1-2
1.5 Conversão de Bases ...................................................................................1-3
1.5.1 Conversão da Base  para a Decimal (10) ..........................................1-3
1.5.2 Conversão da Base Decimal para a  (10) ..........................................1-4
1.5.3 Exercícios: Conversão de Bases ................................................................1-6
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 .......................................................................2-1
2.1 Introdução ..................................................................................................2-1
2.2 Fase I: Isolamento das raízes .....................................................................2-1
2.3 Fase II: Refinamento - Critérios de Parada ...............................................2-5
2.3.1 Método da Bissecção (ou Método da Dicotomia) .....................................2-5
2.3.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das
Aproximações sucessivas) .........................................................................2-8
2.3.3 Método de Newton, Newton-Raphson (ou Método das Tangentes) .......2-15
2.3.4 Comparação entre os métodos .................................................................2-19
3 Resolução de sistemas de equações lineares .............................................3-1
3.1 Introdução ..................................................................................................3-1
3.1.1 Forma Algébrica de Sn...............................................................................3-1
3.1.2 Forma Matricial de Sn ...............................................................................3-1
3.1.3 Matriz Aumentada ou Matriz Completa do Sistema .................................3-1
3.1.4 Solução do Sistema....................................................................................3-1
3.1.5 Classificação de um Sistema Linear ..........................................................3-1
3.1.6 Classificação quanto ao Determinante de A ..............................................3-2
3.2 Métodos diretos .........................................................................................3-2
3.2.1 Método de Eliminação de Gauss ...............................................................3-2
3.2.2 Estratégia de Pivoteamento Completo .......................................................3-5
3.2.3 Refinamento de Soluções ..........................................................................3-6
3.3 Métodos iterativos .....................................................................................3-7
3.3.1 Testes de parada.........................................................................................3-8
3.3.2 Método de Gauss-Jacobi ............................................................................3-8
3.3.3 Método de Gauss-Seidel ..........................................................................3-10
3.3.4 Comparação entre os métodos .................................................................3-11
3.3.5 Critério de Sassenfeld ..............................................................................3-13
4 Interpolação ...............................................................................................4-1
4.1 Interpolação polinomial .............................................................................4-1
4.1.1 Existência e Unicidade do Polinômio Interpolador Pn(x)..........................4-1
4.1.2 Forma de Lagrange ....................................................................................4-2
4.1.3 Forma de Newton ......................................................................................4-4
4.2 Estudo de erro na interpolação ..................................................................4-5

Cálculo Numérico – (Lauro / Nunes) iii
4.2.1 Estimativa para o Erro ...............................................................................4-6
4.3 Interpolação inversa: casos existentes .......................................................4-7
4.3.1 Encontrar x tal que Pn (x ) .......................................................................4-7
4.3.2 Interpolação inversa ...................................................................................4-8
4.4 Funções spline em interpolação .................................................................4-9
4.4.1 Função Spline ..........................................................................................4-10
4.4.2 Spline linear interpolante .........................................................................4-10
4.4.3 Spline cúbica interpolante .......................................................................4-11
5 Ajuste de curvas pelo método dos mínimos quadrados.............................5-1
5.1 Introdução ..................................................................................................5-1
5.2 Caso Discreto .............................................................................................5-2
5.3 Caso Contínuo ...........................................................................................5-6
5.4 Família de Funções Não Lineares nos Parâmetros ....................................5-9
6 Integração Numérica..................................................................................6-1
6.1 Fórmulas de Newton-Cotes .......................................................................6-1
6.1.1 Regra dos Trapézios ..................................................................................6-1
6.1.2 Regra dos Trapézios repetida ....................................................................6-3
6.1.3 Regra 1/3 de Simpson ................................................................................6-4
6.1.4 Regra 1/3 de Simpson repetida ..................................................................6-7
7 Solução numérica de equações diferenciais ordinárias .............................7-1
7.1 Introdução ..................................................................................................7-1
7.2 Problema de valor inicial (PVI) .................................................................7-2
7.2.1 Solução numérica de um PVI de primeira ordem......................................7-2
7.2.2 Método de Euler ........................................................................................7-2
7.2.3 Métodos de Runge-Kutta ...........................................................................7-5
7.2.4 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda
Ordem) .......................................................................................................7-7
7.2.5 Fórmulas de Runge-Kutta de Quarta Ordem .............................................7-7
8 Referências Bibliográficas .........................................................................8-1

98 1024 Kg.A.5seg.  Características Orbitais: Raio da Órbita.  Características Físicas: Diâmetro Equatorial: 12756Km. Diâmetro Polar: 12713Km. Geralmente não se conhece o valor exato x .2. Lauro / Nunes .2 Erros Absolutos e Relativos 1. Resolução: Aproximações (ERROS): MODELAGEM: RESOLUÇÃO: OBS. 1: Características do planeta Terra.  RESOLUÇÃO: é a fase de obtenção da solução do modelo matemático através da aplicação de métodos numéricos. Velocidade Orbital Média: 29.1 Erro Absoluto É o módulo da diferença entre um valor exato x de um número e seu valor aproximado x . Assim. Massa: 5. o que se faz é obter um limitante superior ( k1 majorante) ou uma estimativa para o módulo do erro absoluto. MODELAGEM RESOLUÇÃO MODELO PROBLEMA SOLUÇÃO MATEMÁTICO  MODELAGEM: é a fase de obtenção de um modelo matemático que descreve o comportamento do problema que se quer estudar. Perímetro de Rotação Sideral: 23h 56min 04seg. EAx  k1 . Calcular a área da superfície terrestre usando a formulação A 4 r 2 . 1. EAx  x  x . 1U.79Km/seg. 1. onde x é o valor exato e x é o valor aproximado. Distância Máxima do Sol: 152100000Km. Período de Revolução Sideral: 365dias 6h 9min 9.1 Erros Para se obter a solução do problema através do modelo matemático. Inclinação do Equador Sobre a Órbita: 23o 27’. isto é. erros são cometidos nas fases: MODELAGEM e RESOLUÇÃO. 1. Distância Mínima do Sol: 147100000Km.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. (unidade astronômica): 149897570Km.

3. De maneira geral. os números são representados na base 2 ou binária. Resolução: 1. d i 1 seja a última casa se di 1 5.39.1415926535 Resolução:  xi 5. 4. um número x é representado na base  por: Lauro / Nunes .1415926535 Resolução: 1. Arredondar  na quarta casa decimal. internamente. 3.Cálculo Numérico Noções básicas sobre Erros 1-2 1. sendo que 3. na máquina de calcular ou no computador através de uma seqüência de impulsos elétricos que indicam dois estados: 0 ou 1.). EAx x  x EAx x  x ERx   ou ERx   .) de tal forma que: d i seja a última casa se di 1 5. sendo que 3. a) x 1.4 Aritmética de Ponto Flutuante Um número é representado. nos itens a) e b).2 Erro de Truncamento Truncar um número na casa d i é desconsiderar as casas di  j ( j 1..4 e y 5.49. x x x x 2.3 Erros de Arredondamento e Truncamento 1. b) y 5.3.. Calcular os erros absoluto e relativo. ou seja. se x ou x  0. Aproximar  truncando na quarta casa decimal. Sabendo-se que e x pode ser escrito como e x  .5 e x 1. Resolução: 1.2.1 Erro de Arredondamento Arredondar um número na casa d i é desconsiderar as casas di  j ( j 1.2 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 . faça a aproximação de e 2 através i 0 i! de um truncamento após quatro termos da somatória.

     Onde:  d i  são números inteiros contidos no intervalo 0 d i .5 Conversão de Bases 1. com n 0 e m 0. in Onde:  ai  0 ai .  I . exp Nos exercícios a seguir. como: m  aii  amm  am1m1  a22  a1  a0  a11  a22  an1n1  ann . represente os seguintes números.1 Conversão da Base  para a Decimal (10) Um número na base  pode ser escrito. faça a conversão da base indicada para a decimal. para a variação do expoente.34510. 2.5. 6.41510. t .Cálculo Numérico Noções básicas sobre Erros 1-3 d d d d  x   1  22  33  tt   exp . isto é. represente o número 1012 em aritmética de ponto flutuante. faz-se a operação entre a mantissa do número normalizado e a base  .  t  número de dígitos do sistema de representação. a mantissa é um número entre 0 e 1. 2. m  números inteiros. determinando o valor da variável x . Considerando no sistema de base 10.  n . Lauro / Nunes . i 1. na base decimal. 10. S  limite inferior e limite superior. Para a conversão. respectivamente. Resolução: OBS. Considerando no sistema binário. Resolução: 1.  exp  representa o expoente de  e assume valores entre I  exp  S . . 2: Os números assim representados estão NORMALIZADOS. d d d d    1  22  33  tt   é chamada de mantissa e é a parte do número que representa      seus dígitos significativos. 7. em aritmética de ponto flutuante: a) 0. b) 31.

012  x10 . 11.  a) PARTE INTEIRA ( N ):  a. Converta 5910 para a base 2.1) N   N10  N .125  x10 .5. Resolução: Lauro / Nunes .  a.2 Conversão da Base Decimal para a  (10) Aplica-se um processo para a parte inteira e um outro para a parte fracionária.Cálculo Numérico Noções básicas sobre Erros 1-4 8. Resolução: 1. Resolução: 9. 10112  x10 .2) N  N  r1 q1  r2 q2    qn 1  rn qn Até que qn   N10 ( qn rn rn 1  r3 r2 r1 )  11. Resolução: 10. 403.

187510  x2 . Resolução: 15. 0. 13. Resolução:  b) PARTE FRACIONÁRIA ( F ): Multiplica-se F por  e toma-se a parte inteira do produto como o primeiro dígito do número na base .Cálculo Numérico Noções básicas sobre Erros 1-5 12.610  x2 . Resolução: Lauro / Nunes .2510  x2 . Converta 5910 para a base 3. Resolução: 14. determinar o valor de x : 13. Repete-se o processo com a parte fracionária do produto tomando sua parte inteira. 0. Nos exercícios a seguir. Continua-se até que a parte fracionária seja igual a zero.

3 Exercícios: Conversão de Bases Transforme para a base que se pede (determine o valor de x ). Resolução: 19. minutos e segundos. 19.5.805 horas para horas.3867187510  x4 . Transforme 35. DICA: 35. Resolução: 17.Cálculo Numérico Noções básicas sobre Erros 1-6 1. Transforme a medida 35 h 48 min 18 seg para minutos.1860  x10 min . 100101. Resolução: Lauro / Nunes . Resolução: 18. 16. DICA: 35:48.10012  x10 .80510  x60 .

 Ao converter um número para determinada aritmética de ponto flutuante. Preencher a tabela a seguir. 4: Deve-se converter os valores para a aritmética de ponto flutuante com 3 algarismos significativos. I 5. OBS.58 que não podem ser representados nesta aritmética de pontos flutuantes.3 0.5 OBS. calcular o valor das expressões utilizando aritmética de ponto flutuante com 3 algarismos significativos.1 Representações  Precisão dupla: “dobra” a mantissa (2 t ). 3: Um exemplo da reta furada é: Considere a aritmética de pontos flutuantes com parâmetros 10 e t 3. 1. Número Truncamento Arredondamento 6.57 e 3. Nos exercícios seguintes.04 Resolução: Lauro / Nunes .6 Operações de Pontos Flutuantes 1.57 e 3. S 5 e 5 exp 5.Cálculo Numérico Noções básicas sobre Erros 1-7 1.48 0. Por exemplo: 3. 10. emprega-se sempre o arredondamento.  O zero em ponto flutuante é em geral representado com o menor expoente ( exp  I ) possível na máquina. (4.2 Exercícios 20.26  9.00000001452 2379441.  Não é possível representar todos os números reais em determinada aritmética de ponto flutuante (reta furada).57437.6. Existem infinitos números reais entre 3.24)  5.6. Tome os números consecutivos 3.571 ou 3.58. 21.0002175 3498. com base nos parâmetros: t 3.

04) Resolução: 23. 7 Resolução: OBS.106) 26. i 1 i 1 Resolução: 1.106) 7 Resolução: 2  ( 4. 5: Em aritmética de ponto flutuante não valem as propriedades associativas nem distributivas. Resolução: Lauro / Nunes . 27. Sendo 10.26  (9. b)  3  42450.Cálculo Numérico Noções básicas sobre Erros 1-8 22.02 Resolução: 24. (4. 4210  (4. 11000112  x10 .0237  6. determinando o valor da variável x : 28. 4.0237  6. 11111112  x10 . Resolução: 29. converter os números para a base decimal.24  5.99)  0.3 Exercícios complementares Nos exercícios seguintes.02) Resolução: 2 25.6. (4210  4. t 4 e exp [5. calcule: 10 10 a) 42450  3.5].99  0.

Resolução: Lauro / Nunes . 101. determinando o valor da variável x : 34.01111112  x10 . 1.00112  x10 . Resolução: Nos exercícios seguintes. Resolução: 31.Cálculo Numérico Noções básicas sobre Erros 1-9 30. converter os números para a base binária. 3710  x2 . 0. Resolução: 33. 10101012  x10 . Resolução: 32.0100112  x10 .

Resolução: 37. Determine x com 36 dígitos: 0.Cálculo Numérico Noções básicas sobre Erros 1-10 35.4710  x2 . Resolução: Lauro / Nunes . Resolução: 36. Determine x com 8 dígitos: 2.121710  x2 . 234510  x2 .

O cálculo de uma nova aproximação é feito utilizando aproximações anteriores. 2. se dado 0. y y = f(x) a x b OBS. 1: Sob as hipóteses do teorema 1.  N  ( números naturais).Cálculo Numérico Zeros reais de funções reais 2-1 2 Zeros reais de funções reais 2. a todo x  I . x2 .1 Introdução Dada uma função real f definida e contínua em um intervalo aberto I . Nos processos iterativos que serão apresentados. y y = f(x) a x b Lauro / Nunes .2 Fase I: Isolamento das raízes Teorema 1 Seja f (x) uma função contínua num intervalo [a. x ] a . então existe pelo menos um zero de f (x) entre a e b. 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 . sendo que cada intervalo deverá conter um e somente um zero da função f . b [ ou f ' ( x )0. b ]. isto é se f ' ( x )0. Se f (a)f (b)0. tal que f( x )  0. b [. Fase II: Cálculo dos zeros aproximados utilizando um método iterativo. da solução desejada. x3 . o zero x  será definido e único em [ a . converge para x . b [. no intervalo ] a . b]. Neste capítulo são apresentados alguns processos iterativos para calcular de forma aproximada os zeros reais de uma função real f dada. b [. x2 . Neste caso tem-se que lim xn  x . xn  x . o que também n  poderá ser indicado por xn  x . respectivamente. x ] a . b ] se a derivada f ' ( x ) existir e preservar o sinal dentro do intervalo ] a . tal que qualquer que seja n  N . chama-se de zero desta função em I . Isto significa dizer que a função f ( x ) é estritamente crescente ou estritamente decrescente. Por um processo iterativo entende-se um processo que calcula uma seqüência de aproximações x1 . com precisão prefixada ou não. x3 . Dizemos que a seqüência x1 .

bem como da OBS 1. 1.Cálculo Numérico Zeros reais de funções reais 2-2 Na pesquisa dos zeros reais de funções reais é muito útil o uso do Teorema 1 (que fornece condições de existência de zeros em um intervalo). Outro recurso bastante empregado é: a partir da equação f ( x )0. pois f ()0  g () h (). garante que no intervalo considerado existe um e somente um zero da função f ). 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 y = f(x) 1 2 3 x -4 -3 -2 -1 1 2 3 4 y g( x) h(x) 1 x -4 -3 -2 -1 2 1 2 3 3 4 Lauro / Nunes . Isolar os zeros da função f ( x ) x 3 9 x 3. (que garante a unicidade. isto é. obter a equação equivalente g ( x ) h ( x ) e esboçar os gráficos destas funções obtendo os pontos onde as mesmas se intersectam.

4 -0.6 2. Resolução: Pode-se construir uma tabela de valores para f (x) e analisar os sinais: x 1 2 3 4 f (x) y y = f(x) 0. Isolar os zeros da função f ( x)  x ln x  3.8 3.2 .2 -0.4 0 -0.9 -1.1 3.5 -0.0 Lauro / Nunes .3 0.7 -0.0 3.3 -0.8 -0.2 x 2.6 -0.Cálculo Numérico Zeros reais de funções reais 2-3 y y = f’(x) -3 3 x -4 -3 -2 -1 1 2 3 4 2.2 0.1 -0.

Cálculo Numérico Zeros reais de funções reais 2-4 y f’ (x ) 1 1 x 3. Isolar os zeros da função f ( x)  x  5e x .4 x . Resolução: Pode-se construir uma tabela de valores para f (x) e analisar os sinais: x 1 2 3 f (x) y g (x ) 2 1 h(x ) 1 2 3 x 4. Isolar os zeros da função f ( x)  5 log x  2  0. Resolução: Pode-se construir uma tabela de valores para f (x) e analisar os sinais: x 0 1 2 3 f (x) Lauro / Nunes .

 a  b a  b  a. aplicado aos subintervalos resultantes. determinar qual deles contém o zero. para a aplicação de outro método. m3  2 .3 Fase II: Refinamento .3. na figura anterior tem-se: ab a  m1 m  m1 m1  .  2 .Cálculo Numérico Zeros reais de funções reais 2-5 y 2 g (x ) 1 h(x ) 1  2 3 x 2. O processo consiste em dividir o intervalo que contém o zero ao meio e por aplicação do Teorema 1. em cada iteração o zero da função é aproximado pelo ponto médio de cada subintervalo que a contém. m2  . b     O processo é repetido para o novo subintervalo até que se obtenha uma precisão prefixada. pois o esforço computacional cresce demasiadamente quando se aumenta a precisão exigida. 2 2 2 Desta forma. 2  . y f (x ) m3 a m2 m1 b x  Assim.1 Método da Bissecção (ou Método da Dicotomia) Este método é normalmente utilizado para diminuir o intervalo que contém o zero da função. o maior erro que se pode cometer na: (b  a )  1a iteração ( n 1): é 2 (b  a )  2a iteração ( n 2): é 22 (b  a )  3a iteração ( n 3): é 23 Lauro / Nunes .Critérios de Parada 2. Desta forma.

n a x b f (a) f (x) f (b ) ( b  a )/2 1 2 3 4 5 6 7 Portanto 5 6. com erro inferior a 102 . o volume V da água é: V L  0. r1 ft e V12. r  h h Lauro / Nunes .5    r 2  r 2arcsen   h ( r 2  h 2 )  . Quando cheio de água até uma distância h do  h  topo.01 ft . Um tanque de comprimento L tem uma secção transversal no formato de um semicírculo com raio r (veja a figura). determina-se (b  a ) a quantidade n de iterações encontrando o maior inteiro que satisfaz a inequação:  2n que se resolve da seguinte maneira: (b  a ) (b  a ) n   log n  log   log(b  a)  log 2n  log   log(b  a)  n log 2  2 2 log(b  a )  log  log   n  log 2 5.Cálculo Numérico Zeros reais de funções reais 2-6   (b  a )  n a iteração: é 2n Se o problema exige que o erro cometido seja inferior a um parâmetro . Supondo  r  que L 10 ft . Determinar um valor aproximado para 5 . Resolução: Determinar 5 é equivalente a obter o zero positivo da função f (x) = x 2 5. encontre a profundidade da água no tanque com precisão de 0.4 ft 3 .

1. h  Algoritmo do Método da Bissecção Seja f (x) uma função contínua em um intervalo [a. pode-se utilizar a OBS. PASSO 1 Faça i 1 FA= f (a ) PASSO 2 Enquanto i  ITMAX execute os passos de 3 a 6 Lauro / Nunes . com f (a) . f (b) <0 e a raiz de f (x) isolada em [ a . ( h) de f (h) para verificar que a mesma preserva o sinal no intervalo ]0. precisão ou tolerância () e o número máximo de iterações (ITMAX).1[. n a h b f (a) f (h) f (b) (ba)/2 1 2 3 4 5 6 7 Assim. isto é. calcula-se a derivada f .Cálculo Numérico Zeros reais de funções reais 2-7 Resolução: Pode-se construir uma tabela de valores para f (x) e analisar os sinais: h 1 0 1 f (h) Para se confirmar a unicidade deste zero neste intervalo.  Dados de Entrada: Pontos extremos a e b do intervalo.  Saída: Solução aproximada x ou mensagem de "solução não encontrada" com a precisão desejada no número máximo de iterações.b]. b ].

 O ponto x 0 será considerado uma aproximação inicial do zero  da função f (x) e (x) é uma função que tem  como ponto fixo. então 2 Saída ( x ) (Procedimento executado com sucesso) 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. Como o zero  é desconhecido. 1.3. 2. é necessário determinar um intervalo I que contenha  e que esteja contido tanto no domínio quanto na imagem de  . isto é. É necessário que o zero  de f (x) seja único no intervalo I. y y =x  (x ) Ponto fixo de  (x ) (Zero de f (x ) )  x Lauro / Nunes . caso contrário não será possível discernir qual o zero determinado. n  0. transformando-a em uma equação equivalente da forma x  (x) . como encontrar uma função (x) que tenha  como ponto fixo? Isto pode ser feito através de uma série de manipulações algébricas sobre a equação f (x) 0.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das Aproximações sucessivas) Neste método a seqüência de aproximações do zero  de uma função f (x) ( f ()  0 ) é obtida através de uma relação de recorrência da forma: xn1  ( xn ) .Cálculo Numérico Zeros reais de funções reais 2-8 PASSO 3 ( a  b) Faça x  e FX  f (x) 2 PASSO 4 (b  a ) Se FX  0 ou < . Nestas transformações devem-se tomar os devidos cuidados para que (x) esteja definida em  e para que  pertença à imagem de  . A primeira pergunta a ser respondida é: dada uma função f (x) com zero .  () .

2. Resolução: Efetuando diferentes manipulações algébricas sobre a equação f (x) 0 ou x 2  x  6 0.5.  será: xn1   2 ( xn )  6  xn . 1. Resolução: Neste caso a fórmula de recorrência xn1  ( xn ) . utilizando a função  2 ( x)  6  x . Obter algumas funções de ponto fixo para a função f (x)  x 2  x  6 . podem-se obter diferentes funções de ponto fixo. e x 0 1. e pode-se construir a seguinte tabela: n xn xn1   2 ( xn )  6  xn 0 1 2 3 4    y y =x 6  2 (x ) x0 x2 x3 x1 6 x =2 Lauro / Nunes .Cálculo Numérico Zeros reais de funções reais 2-9 7. n  0. como por exemplo: No próximo passo algumas destas funções serão utilizadas na tentativa de gerar seqüências aproximadoras dos zeros  de f (x) . 8. Aproximar o maior zero da função f (x)  x 2  x  6 .

e pode-se construir a seguinte tabela: n xn xn1  1 ( xn )  6  x 2 0 1 2 3    y 6 y =x x2 x0 x1 x =2 1 (x ) Assim. Desta forma. quais transformações fornecerão seqüências convergentes? As figuras que seguem ilustram alguns casos onde ocorrem convergência e alguns casos onde não ocorre convergência. Aproximar o maior zero da função f (x)  x 2  x  6 . e x 0 1. os dois exercícios anteriores mostram que dependendo da transformação x  (x) escolhida. a relação de recorrência xn1  ( xn ) pode ou não fornecer uma seqüência {x n } convergente.Cálculo Numérico Zeros reais de funções reais 2-10 9. Resolução: Neste caso a fórmula de recorrência xn1  ( xn ) . y y =x  (x )  x3 x2 x1 x0 x Lauro / Nunes . utilizando a função 1 ( x)  6  x 2 .  será: xn1  1 ( xn )  6  xn2 . como determinar a priori.5. 1. A seqüência xk  converge para o zero  (Convergência do tipo escada). n 0. 2.

b]. x 2 . dada uma função  que não satisfaça estas condições. e seja  uma função tal que     . OBS. y  (x ) y =x x3 x1  x0 x2 x O Teorema que segue estabelece condições suficientes para garantir a convergência do processo iterativo. não se pode garantir que a seqüência gerada x1 . y y =x  (x )  x0 x1 x2 x3 x A seqüência xk  não converge para o zero . 2: Como as condições que o teorema que segue são apenas suficientes. Se: Lauro / Nunes .Cálculo Numérico Zeros reais de funções reais 2-11 A seqüência xk  converge para o zero  (Convergência do tipo caracol). x3 . Convergência do Método das Aproximações Sucessivas Teorema 2 Seja  um zero de uma função f. y y =x (x ) x1 x3  x4 x2 x0 x A seqüência xk  não converge para o zero . isolada em um intervalo I[a.  diverge.

Noções de Cálculo Numérico. estão satisfeitas as condições i) e ii) do Teorema 2.. Na demonstração do Teorema 2 . será mostrado que neste caso x1  ( x0 )  I : Supondo que a seja o extremo de I mais próximo de . existe I ’ I tal que qualquer que seja x0  I ’ tem-se que x n  I ’. Neste caso procura-se por um intervalo I ’ satisfazendo as condições do teorema.Cálculo Numérico Zeros reais de funções reais 2-12 i)  e  ' são funções contínuas em I. Ana Flora C. 3: Para se resolver um problema com o método das aproximações sucessivas.  Então a seqüência x n  converge para o zero  . et al. ii) k  max ' x   1 xI iii) x0  I e xn1  ( xn )  I . Sabe-se que (xˆ ) está mais 2 próximo de  do que x̂ . Se x̂ < (xˆ ) . para todo I  a. Estas condições podem não estar satisfeitas pelo fato do intervalo I ter sido superdimensionado. denotando a   por r. A demonstração é análoga para o caso em que b o extremo de I mais próximo de . se para o intervalo I  a. Na seqüência. então  está entre x̂ e b . 16. ou seja. e se a estiver mais próximo de  do que de b então. então a é o extremo de I mais próximo de . se x̂ > (xˆ ) . b nas condições do teorema 2. Mais ainda. b . Uma maneira simples para garantir que xn  I  a. 2. Na verdade. OBS. Analogamente. Nestas ( a  b) condições. b n  0 é tomar como valor inicial x0 o extremo de I mais próximo do zero . e uma função  que tenha  como ponto fixo. tem-se que as condições i) e ii) garantem que se x n 1  I então   x n <   x n1 .   r  a hipótese iii) do teorema é verificada. pode-se verificar se as condições i) e ii) do Teorema 2 estão satisfeitas. então x̂ é o zero procurado. b mais próximo do zero  pode ser feito da seguinte maneira: Suponhamos satisfeitas as hipóteses i) e ii) do Teorema 2. 1984. b é o extremo de I mais próximo de  . tem- se: x1   < x0    a    b   . 1. Se x̂  (xˆ ) . utiliza-se o teorema anterior da seguinte forma: inicialmente determina-se um intervalo I onde o zero  de f (x) esteja isolado. a x b  (x ) x  a x b  (x ) x  Este é o caso em que b é o extremo mais próximo de . para n = 0. n 1. São Paulo: McGraw-Hill. Entretanto. isto não implica que x n  I . p. 5: A determinação do extremo de I  a. seja x̂  (ponto médio do intervalo I ). que pode ser vista em HUMES. logo x1  I . OBS. OBS. Analisando  e ' . tem-se que para qualquer x0  a. Lauro / Nunes . 4: A condição iii) do Teorema 2 pode ser substituída por: iii’) o zero  é o ponto médio do intervalo I .

6: Sejam dados ( x ). precisão ou tolerância () e o número máximo de iterações (ITMAX).  e k  max ' x  satisfazendo as hipóteses do teorema xI k anterior. 10. Algoritmo do Método das aproximações sucessivas Para encontrar uma solução para p  ( p ) dada uma aproximação inicial p 0 .  Saída: Solução aproximada p ou mensagem de “solução não encontrada”. Resolução: Verificação da condição i): Verificação da condição ii): Logo. Verificar as condições i) e ii) do teorema anterior quando do uso da função 1 ( x)  6  x 2 . execute os passos 3 – 6 PASSO 3 Faça p  ( p ) (calcular p i ) PASSO 4 Se p  p0 <  então Saída ( p ) (procedimento efetuado com sucesso) Lauro / Nunes . PASSO 1 Faça i  1 PASSO 2 Enquanto i  ITMAX. Resolução: Verificação da condição i): Verificação da condição ii): Logo.Cálculo Numérico Zeros reais de funções reais 2-13 OBS.  Dados de Entrada: Aproximação inicial p 0 . 11. Se xn ( xn 1 ). obtém-se um limitante 1 k superior para o erro cometido na n -ésima iteração ( xn ). Desta forma. então   xn  xn  xn 1 . Verificar as condições i) e ii) do teorema anterior quando do uso da função  2 ( x)  6  x no exercício anterior.

7: Outros critérios de parada podem ser utilizados:  pn  pn 1   pn  pn 1   pn  f ( pn )   12. Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x 3 2 1 f (x) y h(x ) = e x 5 g (x ) = x 2 . utilizando o método do ponto fixo.4 4 3 2 1 -3  -2 -1 1 2 3 x -1 -2 -3 -4 Lauro / Nunes .Cálculo Numérico Zeros reais de funções reais 2-14 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. Encontrar o zero de f (x)  e x  x 2  4 com precisão   10 6 .

onde ' ( x)  1 .3 Método de Newton. x = 2. Newton-Raphson (ou Método das Tangentes) Este método é uma particularidade do método das aproximações sucessivas. Esta construção é feita impondo ' ()  0 .Cálculo Numérico Zeros reais de funções reais 2-15 Procurando uma função de ponto fixo adequada pode-se fazer: Verificando as hipóteses i) e ii) do Teorema 2: n xn x n 1 x n1  x n 0 1 2 3 Portanto. xI Obtenção da função (x) : A forma mais geral de x  (x) equivalente a f (x) 0 é dada por: x  x + A( x) f ( x)  (x) Lauro / Nunes . existe sempre uma vizinhança I de  onde max ' ( x) <1. A idéia é construir uma função (x) para a qual exista um intervalo contendo o zero  .3. Como ' ( x) deve ser uma função contínua.

n  0. 1. uma vez que xn   . uma vez que x   . com f "x  contínua. b Lauro / Nunes . 2. b] iii) f '' ( x) não troca de sinal em a. obtém-se: ' () 1 A() f ' () . y f (xn)  xn+1 xn f (x )  x2 x1 x0 x f ( xn ) f ( xn ) tg  f ' ( xn )   xn1  xn  xn  xn1 f ' ( xn ) Convergência do Método de Newton Teorema 3 Seja f : a. duas vezes diferenciável. f ' ( x) Substituindo A(x) na equação inicial. f ( xn )) . Derivando-se a equação anterior. 8: A (x ) é válida mesmo que f ' ()  0. deve-se ter A() =  . uma escolha satisfatória f ' ( ) para A(x) será portanto: 1 A(x) =  . Escolhe-se A(x) de forma que ' ()  0 . Calculando esta derivada no ponto  .  f ' ( xn ) OBS. x [a. Suponha que: i) f a   f b  0 ii) f ' ( x)  0. Assim. Supondo que 1 f ' ()≠0. para que ' ()  0 . tem-se: f ( x) (x )  x  f '( x) Assim.Cálculo Numérico Zeros reais de funções reais 2-16 onde A(x) é uma função contínua tal que A()  0 . 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 . Esta interpretação justifica o nome de método das tangentes. b   . o processo iterativo de Newton é definido por: f ( xn ) xn1  xn  . A intersecção da reta tangente com o eixo das abscissas fornece a nova aproximação xn1 . obtém-se ' ( x) 1 A( x) f ' ( x)  A' ( x) f ( x) .

precisão ou tolerância () e o número máximo de iterações (ITMAX). 9: Para se escolher o ponto inicial x0 . isolado em a. dada a derivada de f (x) e uma aproximação inicial p 0 . b ou x0  b caso contrário. f ' ( pn1 )  0. Lauro / Nunes .  Dados de Entrada: Aproximação inicial p 0 . a seqüência gerada pelas iterações do método de Newton-Raphson utilizando a f x  f  xn  função x   x  que equivale a xn1  xn  converge para o único zero  de f ' x  f ' xn  f . b for escolhido convenientemente. 10: Outros critérios de parada podem ser utilizados:  p n  pn1   p n  p n 1   pn  f ( pn )   OBS.  Saída: Solução aproximada p ou mensagem de “solução não encontrada”.Cálculo Numérico Zeros reais de funções reais 2-17 Então. b. execute os passos 3 – 6 PASSO 3 Faça p  p0  f ( p0 ) / f ' ( p0 ) (calcular p i ) PASSO 4 Se p  p0 <  então 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. PASSO 1 Faça i =1 PASSO 2: Enquanto i  ITMAX. pode-se. OBS. por exemplo. 11: O Método de Newton irá falhar se para algum n. se x0  a. fazer x0  a se a  a. Algoritmo do Método de Newton Para encontrar uma solução para f (x) =0.

Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais:  x 0 2 f (x) y g (x )= x 1 3 h (x )= cos x  2   2 x 2 -1 n xn xn 1 xn 1  xn 0 1 2 Portanto. x = Lauro / Nunes . Encontrar a solução para a equação x = cos x com precisão   10 6 .Cálculo Numérico Zeros reais de funções reais 2-18 13.

Cálculo Numérico Zeros reais de funções reais 2-19 2.2) da função f ( x ) e  x  cos x com aproximação 1  10 4 tal que ( b  a )/2 1 . 14. Pelo método do Ponto Fixo ou Aproximações Sucessivas. Resolução: n xn xn1 | xn1  xn | | f ( xn1 )| Parada 0 1 2 3 4 5 Logo.5.4 Comparação entre os métodos Nos exercícios seguintes.2) da função f ( x ) e  x  cos x com aproximação 1   2  10 4 tal que 2 | f ( xn )| 1 ou | xn1  xn |  2 . x  15. x  Lauro / Nunes . determine uma aproximação para x (1. 2 Resolução: n a x b f ( a ) f ( x ) f (b ) ( b  a )/2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Logo. considerando cada método especificado. Pelo método da Bissecção. Utilize x0 1.3. determine uma aproximação para o zero da função. determine uma aproximação para x (1.

5. x  Lauro / Nunes . determine uma aproximação para x (1. Utilize x0 1.2) da função f ( x ) e  x  cos x com aproximação 1   2  10 4 tal que | f ( xn )| 1 ou 2 | xn1  xn |  2 .Cálculo Numérico Zeros reais de funções reais 2-20 16. Resolução: n xn xn1 | xn1  xn | | f ( xn )| Parada 0 1 Logo. Pelo método de Newton-Raphson.

como cálculo de estruturas de redes elétricas e solução de equações diferenciais.1. .1.4 Solução do Sistema x ( x1 .1 Introdução Vários problemas.3 Matriz Aumentada ou Matriz Completa do Sistema  a11 a12  a1n b1  a b2  21 a22  a2 n B [ A  b ]  .Cálculo Numérico Resolução de sistemas de equações lineares 3-1 3 Resolução de sistemas de equações lineares 3.5 Classificação de um Sistema Linear  COMPATÍVEL: apresenta soluções.1.1 Forma Algébrica de Sn  a11 x1  a12 x2    a1n xn  b1 a x  a22 x2    a 2 n xn  b2  S n   21 1      an1 x1  a n 2 x2    ann xn  bn ou n S n   aij x j  bi . . i 1.  INCOMPATÍVEL: caso contrário. Lauro / Nunes . 3.         an1 an 2  ann bn  3.1.2 Forma Matricial de Sn A x b  a11 a12  a1n   x1   b1  a a22  a2 n   x2  b2   21   . 3. 3.  x  vetor das incógnitas (ou vetor solução).  b  vetor dos termos independentes. n .1.               an1 an 2  ann   xn  bn  Onde:  A  matriz dos coeficientes. 2. x2 . xn ) T . recorrem a resolução numérica de um sistema linear S n de n equações com n incógnitas. j 1 3.

pois admite sempre a solução x 0.2 Métodos diretos São métodos que determinam a solução de um sistema linear com um número finito de operações. Resolver o sistema S3 . 3. i 1. 2. Todo sistema homogêneo é compatível. com i 1. Definição: Dois sistemas lineares são equivalentes quando possuem a mesma solução. o sistema é dito HOMOGÊNEO. 2 x  3 x  x3  1  1 2 Resolução:  Etapa 1: em B0 .                an1 an 2  ann bn   0 0  unn cn  2 x1  3x2  x3  5  1. como as linhas de B0 e a11 como pivô e ) (0 ) 1 ( i 2. calculam-se os multiplicadores mi(0 ) Lauro / Nunes . se b 0.Cálculo Numérico Resolução de sistemas de equações lineares 3-2 3. isto é. A solução é chamada TRIVIAL.2.3. OBS. o que se resolve por substituição. (SI)  Sistema impossível.1 Método de Eliminação de Gauss Com ( n 1) passos. .3). Tome det A 0 como hipótese. n . [ A  b ]  [U  c ]  a11 a12  a1n b1  u11 u12  u1n c1  a     21 a22  a2 n b2    0 u22  u2 n c2  . com S3  4 x1  4 x2  3x3  3 .1. tome L(0 i .2. A  x  b  U  x  c . 12: Se bi 0. 3. (SPI)  Sistema possível e indeterminado. o sistema linear A  x  b é transformado num sistema triangular superior equivalente.6 Classificação quanto ao Determinante de A  det A 0 (SPD)  sistema linear possível e determinado (SOLUÇÃO ÚNICA).  det A 0 (SPI) ou (SI): a matriz A é SINGULAR.

8 21. Resolver o sistema S 4 com arredondamento em duas casas decimais.4 x 4   80.2 x3  21.3 e a22 como pivô.3x1  84.5 x  8. Em B1 .8 x 2  11.0 x 2  13.4 24.1x 4 S4  A  x  b   1 52.7  45.5 x 4   106. 2.3x3  11. tome L(1) (1)  Método compacto para a TRIANGULAÇÃO U  x  c : Linha Multiplicador m Matriz Aumentada Transformação (1) B0  2 3 -1 5 (0 ) (2) m21 = 4 4 -3 3 (0 ) (3) m31 = 2 -3 1 -1 (2) B1  (1) (3) m32 = (3) B2  As linhas contendo os pivôs formam o sistema U  x  c .0 x 4  16. com i 2.0 x 2  23. i .3 Lauro / Nunes .5 x3  11. na matriz aumentada.0 x1  81.Cálculo Numérico Resolução de sistemas de equações lineares 3-3  Etapa 2: Repete-se o processo para o próximo pivô.  8. situado na diagonal da matriz B1 .7 x1  3.5 x3    49.0 x 2  9.

. . n Lauro / Nunes . Com base no exercício anterior.80 11. TRIANGULARIZAÇÃO: A  x  b  U  x  c . que é dado por: r  b  Ax . r Algoritmo de Eliminação de Gauss Seja o sistema A  x  b .00 9.00 -23.30 -84.30 11. Resolução: r  b  Ax . com Ann .70 (0 ) (3) m31 = 52.20 21. .50 -106.50 11.00 -81. n a m  ik akk aik 0 Para j ( k 1).Cálculo Numérico Resolução de sistemas de equações lineares 3-4 Resolução: Linha Multiplicador m Matriz Aumentada (1) B0  8.40 -80.30 (2) B1  (1) (3) m32 = (1) (4) m42 = (3) B2  (2 ) (4) m43 = (4) B3  Então A  x  b  U  x  c  [ A  b ]  [ U  c ].80 (0 ) (4) m41 = 21.70 3.40 (0 ) (2) m21 = 24. 3.10 -49. U  x c  Logo: x  Cálculo do Resíduo Uma medida para avaliar a precisão dos cálculos é o resíduo. 2. Sempre supor que akk 0 na etapa k .00 -13.50 -8. calcular o resíduo r do sistema A  x  b . ( n 1) Para i ( k 1).50 -45.00 16. Para k 1. xn1 e bn1 .

escolhe- se como pivô MAX aij .4 24. 52.7  45. (0 ) (0 ) L(1) (0 ) Eliminando-se a linha pivotal p . . repete-se o processo até que se obtenha L(k i ) com k conjuntos de operações elementares aplicadas sobre B .5 x3    49. . 1 s 0 Para j ( k 1).8 21. anulam-se os a (pq0 ) elementos aij da coluna q através da operação: i  miq  L p  Li . 2. 2.0 x1  81.5 x  8. n s  s  akj  x j FIM b s xk  k akk FIM 3. n . . calcula-se o aiq( 0 ) multiplicador miq(0 )   . o método pode ampliar os erros de arredondamento.8 x 2  11. com i .  8.  a11 a12  a1q  a1n b1  a b2   21 a22  a2 q  a2 n       B . a p1 a p 2  a pq  a pn bp           an1 an 2  anq  ann bn  Seja a pq  MAX aij . j 1. .5 x3  11.2 x3  21. 4. 2. n ) o pivô da linha p . se o pivô estiver próximo de zero. . .Cálculo Numérico Resolução de sistemas de equações lineares 3-5 aij  aij  m  akj bi  bi  m  bk FIM FIM FIM RESOLUÇÃO DO SISTEMA U  x  c . em cada linha.7 x1  3. Dado A  x  b .2.5 x 4   106. onde k 1.3x3  11. 2. bn xn  ann Para k ( n 1). tome B [ A  b ]. 2. utilizando eliminação de Gauss com pivoteamento completo.0 x 2  23. ( n 1).4 x 4   80. j 1.3 Lauro / Nunes . i  p com i 1.0 x 4  16. Assim.3x1  84. n .0 x 2  13.2 Estratégia de Pivoteamento Completo No momento de se calcular o multiplicador mik . Então.1x 4 S4  A  x  b   1 . ( i . Para se contornar estes problemas.0 x 2  9. Resolva S 4 com arredondamento em duas casas decimais.

80 (0 ) (4) m42 = 21.30 (1) (1) m14 = (2) B1  (1) (4) m44 = (2 ) (1) m11 = (4) B2  (1) B3  Então A  x  b  U  x  c  [ A  b ]  [ U  c ].40 (0 ) (2) m22 = 24.00 16.30 11.  k .00 9. x (1)  x (0 )  (0 ) Se A  x (1)  b . x (3) .40 -80.70 (3) B0  52. até que se tenha a precisão desejada. Lauro / Nunes .50 -8. Assim. Logo. então A ( x (0 )  (0 ) ) b A  x (0 )  A  (0 )  b  A  (0 )  b  A  x (0 )  A  (0 )  r (0 ) . com i 1. .70 3.20 21.00 -13.2. Obtido o (0 ) . calcula-se x (1)  x (0 )  (0 ) . Obtém-se a solução melhorada x (1) aplicando-se a correção (0 ) em x (0 ) . Repete-se o processo para se obter x (2 ) .10 -49.80 11. U  x c  3. (0 ) vem de [ A  r (0 ) ].50 11.Cálculo Numérico Resolução de sistemas de equações lineares 3-6 Resolução: Linha Multiplicador m Matriz Aumentada (0 ) (1) m12 = 8. obtém-se o refinamento de forma iterativa pela seguinte equação: x (i )  x (i 1)  (i 1) .3 Refinamento de Soluções Seja x (0 ) a solução aproximada para A  x  b .00 -23.30 -84.50 -45.50 -106.00 -81. x (k ) . 2.

0000 -81.5 x  8. 3.3000 -84.4 24.5000 11.0000 9.0 x 2  13.5 x 4   106.5000 -8.3 Métodos iterativos A solução x de um sistema de equações lineares A x  b pode ser obtido resolvendo.024  0.5 x3  11.0000 -13.2000 21.00 T r (0)  b  A  x (0 )  r (0 )   0.0000 -0.0 x 2  23.0 x 4  16.1x 4 A x b  1 52.0000 -23.3x1  84.4 x 4   80.7000 3.01 1.0240 (0 ) (2) m21 = 24.01 2. Considerando a resposta x do exercício 2.082 0.4680 (2) B1  (1) (3) m32 = (1) (4) m42 = (3) B2  (2 ) (4) m43 = (4) B3  Considerando 4 casas decimais: [ A  r (0 ) ]  Então: [ A  r (0 ) ]  (0 )  Como: x (1)  x (0 )  (0 )  r (1)  b  A  x (1)   Logo.7 x1  3. onde F é uma matriz n n .4000 0.8000 11.0 x1  81.7  45.5000 -45.0820 (0 ) (4) m41 = 21. de forma iterativa.  8.2 x3  21. o sistema equivalente da forma x  F  x  d .3000 11. faça o refinamento de x até que se obtenha o resíduo r (k ) =0. quatro casas decimais.5 x3    49.01  1.0 x 2  9.5000 0.468 T REFINAMENTO: x (k )  x ( k 1)  ( k 1) A  ( k 1)  r ( k 1)  [ A  r ( k 1) ]  ( k 1) Resolução:  k 1 [ A  r (0 ) ]  (0 )  x (1)  x (0 )  (0 ) Linha Multiplicador m Matriz Aumentada (1) B0  8.3x3  11.042 0.3 x (0 )  1.0420 (0 ) (3) m31 = 52.Cálculo Numérico Resolução de sistemas de equações lineares 3-7 5.8 x 2  11.8 21.0001). considerando precisão dupla ( 104 0.1000 -0. Lauro / Nunes .

3. 3. i . 13: Para o sistema x  F  x  d . sendo  a tolerância. Isto pode ser feito tomando ( x)  F  x  d . sendo M o número máximo de iterações. . x ( k 1)  ( x ( k ) )  F  x ( k )  d . onde k 0. Assim. Caso isto não ocorra. a fórmula recursiva x  F  x  d é dada na forma matricial por:  a a a   b1   0  12  13   1n  a  a11 a11 a11  x1     x1   b11   x   21  23   2 n   x   2  a a a 0   2  a 22 a22 a22   2   a 22   x3    a31 a a   x    b      32 0   3n   3   3      a33 a33 a33      a33   xn        x      a an 2 an3   n   bn   n1    0     ann ann ann   a nn  ou ainda x ( k 1)  F  x (k )  d o que é equivalente a:  ( k 1) b1  (a12 x2( k )  a13 x3( k )  a14 x4( k )    a1n xn( k ) )  x1   a11  ( k 1) b2  (a21x1  a23 x3  a24 x4( k )    a2 n xn( k ) ) (k ) (k )  x2   a22      x ( k 1)  nb  ( a x n1 1 (k )  a x n2 2 (k )  a n 3 x3    a n ( n 1) x( n 1) ) (k ) (k )  n ann Lauro / Nunes . o sistema A x  b deve ser reagrupado. ou 1in  k > M .1 Testes de parada O processo iterativo x ( k 1) gera aproximações até que:  máx xi( k 1)  xi( k )   .3. é necessário que aii  0.2 Método de Gauss-Jacobi Adaptação de A x  b para x  F  x  d :  a11 x1  a12 x2    a1n xn  b1 a x  a22 x2    a2 n xn  b2  21 1 A x  b        an1 x1  a n 2 x2    ann xn  bn  b1  ( a12 x2  a13 x3  a14 x4    a1n xn )  x1  a11   x b2  ( a21 x1  a23 x3  a24 x4    a2 n xn )  x  Fxd  2 a22    bn  ( an1 x1  an 2 x2  an3 x3    an( n1) x( n1) )  xn   ann OBS. e M é o número máximo de iterações e x (0 ) é o vetor inicial. 1.Cálculo Numérico Resolução de sistemas de equações lineares 3-8 x e d vetores n 1 . M . 3.

. Resolva o sistema a seguir. é n  aij  aii . i ... com aii  0. que segue: 10 x1  2 x2  x3  7  A x  b   x1  5 x2  x3   8  2 x  3x  10 x  6  1 2 3 Lauro / Nunes .Cálculo Numérico Resolução de sistemas de equações lineares 3-9 6... 2. j 1 j i Neste caso. i  1..01. 10 x1  2 x2  x3  7  A x  b   x1  5 x2  x3  8  x  F  x  d  2x  3 x2  10 x3  6  1 Resolução: F e d Neste caso a fórmula de recorrência fica: x ( k 1)  F  x (k )  d  k x1(k ) x2(k ) x3(k ) max xi( k )  xi( k 1) 1i3 0 0 0 0 - 1 2 3 4 5 6 Com x (0 )  0 0 0 e 0.. utilizando o método de Gauss-Jacobi. o processo convergiu com . Verificar se o critério das linhas é satisfeito no sistema de equações A x  b .  .. a matriz dos coeficientes das incógnitas A é dita estritamente diagonal dominante. 7. com x ( 0)  0 n1 e   10 2 0. n .01. iterações para: T x Critério das linhas Uma condição suficiente (mas não necessária) para garantir a convergência do método de Gauss-Jacobi aplicado ao sistema A x  b .. 3..

Cálculo Numérico Resolução de sistemas de equações lineares 3-10 10 2 1  Resolução: A   1 5 1    2 3 10 Logo. o que garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de equações e incógnitas. Desta forma. que segue:  x1  3x2  x3   2  A x  b  5 x1  2 x2  2 x3  3  6 x2  8 x3   6  1 3 1  Resolução: A  5 2 2  0 6 8  Logo a matriz dos coeficientes A não é estritamente diagonal dominante.3 Método de Gauss-Seidel É semelhante ao método de Gauss-Jacobi. 3. 1  i < p . para o cálculo de x (pk 1) . o que garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta nova ordem de equações e incógnitas. obtém-se o sistema equivalente: A Logo. 8. Mas permutando adequadamente as equações do sistema. esta nova matriz dos coeficientes A é estritamente diagonal dominante. Verificar se o critério das linhas é satisfeito no sistema de equações A x  b . as equações recursivas ficam:  ( k 1) b1  ( a12 x2( k )  a13 x3( k )  a14 x4( k )    a1n xn( k ) )  x1   a11  ( k 1) b2  ( a21 x1 ( k 1)  a23 x3  a24 x4( k )    a2 n xn( k ) ) (k )  x2   a22 ( k 1) ( k 1)  ( k 1) b3  ( a31 x1  a32 x2  a34 x4( k )    a3n xn( k ) )  x3   a33     ( k 1) bn  ( an1 x1  a n 2 x2( k 1)  an3 x3( k 1)    an( n1) x((nk11)) )  xn( k 1)   ann Lauro / Nunes . Isto significa que não é garantida a convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de equações e incógnitas.3. a matriz dos coeficientes A é estritamente diagonal dominante. com a diferença de utilizar xi( k 1) .

05.. Resolva o sistema a seguir. o processo convergiu com . utilizando o método de Gauss-Jacobi.01. iterações para: T x 3.Cálculo Numérico Resolução de sistemas de equações lineares 3-11 9.... 5 x1  x2  x3  5  A x  b  3x1  4 x2  x3  6 3x  3 x2  6 x3  0  1 Resolução: F e d Neste caso a fórmula de recorrência fica:  ( k 1)  x1   ( k 1)  x  F  x  d   x2( k 1) (k )    ( k 1)  x3   Lauro / Nunes . com x ( 0)  0 n1 e 0.4 Comparação entre os métodos 10.01. utilizando o método de Gauss-Seidel.. 10 x1  2 x2  x3  7  A x  b   x1  5 x2  x3   8  2 x  3x  10 x  6  1 2 3 Resolução: Neste caso a fórmula de recorrência fica:  ( k 1)  x1    ( k 1)  x2    ( k 1)  x3   k x1(k ) x2(k ) x3(k ) max xi( k )  xi( k 1) 1i3 0 0 0 0 - 1 2 3 4 Com x (0 )  0 0 0 e 0..3... Resolva o sistema A x  b . com x ( 0)  0 n1 e   10 2 0.

.. o processo convergiu com . iterações para: T x Lauro / Nunes ....... utilizando o método de Gauss-Seidel....Cálculo Numérico Resolução de sistemas de equações lineares 3-12 k x1(k ) x2(k ) x3(k ) max xi( k )  xi( k 1) 1i3 0 0 0 0 - 1 2 3 4 5 6 7 8 9 10 11 Com x (0 )  0 0 0 e 0.05.05.05.. 5 x1  x2  x3  5  A x  b  3x1  4 x2  x3  6 3x  3x  6 x  0  1 2 3 Resolução: Neste caso a fórmula de recorrência fica:  ( k 1)  x1    ( k 1)  x2    ( k 1)  x3   k x1(k ) x2(k ) x3(k ) max xi( k )  xi( k 1) 1i3 0 0 0 0 - 1 2 3 Com x (0 )  0 0 0 e 0. Resolva o sistema A x  b ... iterações para: T x 11. com x ( 0)  0 n1 e 0.. o processo convergiu com ..

1 Resolução: A   0..2 1  1 1   [ a12  a13  a14 ]  a11 1 2   [ a 21  1  a 23  a 24 ]  a 22 1 3   [ a31  1  a32   2  a34 ]  a33 1 4   [ a41  1  a42   2  a43  3 ]  a44 Então..2 x3  x4   2. sendo M  max i . .2 x   0... então o critério de Sassenfeld também será satisfeito.1x4  0. }  .6  x2 segue: A x  b   1  0.7 1 0. Lauro / Nunes . o que garante a convergência do método de Gauss-Seidel aplicado a este sistema.. aii  j 1 j i 1  OBS. .5 x2  0..1  0.. i . com aii  0.3 0.1x4   2.. que  x1  0... 12....2 x4  1.1x1  0..1 0...5  1 0...3. é M 1..5 Critério de Sassenfeld Uma condição suficiente para garantir a convergência do método de Gauss-Seidel aplicado ao sistema A x  b .. Logo o critério de 1i 4 Sassenfeld está satisfeito......2  0. . 3.3x2  0.1 0..Cálculo Numérico Resolução de sistemas de equações lineares 3-13 3.2     0. .2 1  0......7 x2  x3  0.. 14: Se o critério das linhas é satisfeito.1x3  0..  .2 x3  0.. .5  0.1   0. i  2.. onde: 1in n 1 1    a1 j a11 j 2 1  i 1 n  i    aij   j   aij  ...1x1  0...... M  max  i  max { ..0  0. n ..2  0. .. Verificar se o critério de Sassenfeld é satisfeito no sistema de equações A x  b ...

Verificar se o critério de Sassenfeld é satisfeito no sistema de equações A x  b . M  max  i  1i 3 Lauro / Nunes . tem-se que: 1 1   [ a12  a13 ]  a11 1 1   [ a12  a13 ]  a11 1 2   [ a 21  1  a 23 ]  a 22 1 3   [ a31  1  a32   2 ]  a33 Então.Cálculo Numérico Resolução de sistemas de equações lineares 3-14 13. que 2 x1  x 2  3x3  9  segue: A x  b    x 2  x3  1 x  3 x3  3  1 Resolução: Com esta disposição de linhas e colunas.

de grau  n . retira-se a matriz dos coeficientes A para se calcular as incógnitas a0 .. a1 . com i 0. y3 ) ( x5 . Desenvolvendo o sistema k 0 n f ( xi )  ak xik ( i 0.       1 xn xn2  xnn  Lauro / Nunes .. 1. i  j ..1.1.1 Interpolação polinomial Uma função f ( x ) pode ser conhecida por um conjunto finito e discreto de n 1 pontos. n ).1. desde que xi  x j . n . y0 ) ( x1 . é utilizado um polinômio Pn ( x ) de tal forma que: Pn ( xi ) f ( xi ) para i 0.Cálculo Numérico Interpolação 4-1 4 Interpolação 4. . y5 ) ( x2 . an . y ( x4 . y2 ) P(x ) x0 x1 x2 x3 x4 x5 x xi yi x0 y0 x1 y1 x2 y2 x3 y3 x4 y4 x5 y5 Para se INTERPOLAR os n 1 pontos obtidos da tabela. obtém-se: k 0 a0  a1x0  a2 x02    an x0n  f ( x0 ) (i  0 )  a0  a1x1  a2 x1     (i  1) 2 an x1n f ( x1 )       a  a x  a x 2    an xnn  (i  n )  0 1 n 2 n f ( xn ) Daí. y1 ) (x3 . n . tal que: Pn ( xi ) f ( xi ).1 Existência e Unicidade do Polinômio Interpolador Pn(x) Teorema 1 Existe um único polinômio Pn ( x ). y4 ) f (x ) ( x0 . n Tome Pn ( xi )  ak xik  f ( xi ) para i 0. 1 x0 x02  x0n    x12  x1n  A 1 x1 . n .. 4.1.

..... Assim o sistema admite solução única... OBS..1.... k 2  L0 ( x2 ) .2... k 1  L2 ( x1 ) .1.. onde Li é dado por: n (x  x j ) 1 . com k 0.... ( x  x0 )( x  x1 )  i 2  L2 ( x ) ( x2  x0 )( x2  x1 ) k 0  L2 ( x0 ) ... 15: 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 .... Para x  xk . temos: n Pn ( xk )  yi Li ( xk ) i 0  i  k  yi Li ( xk ) 0  0  i  k  yi Li ( xi )  yi  1 Lauro / Nunes . k 1  L1 ( x1 ) .. .1....2.. .... Determine Li ( xk ) para i 0. se i  k j i 1..... sendo xi com i 0....1.  i j ENTÃO: O polinômio Pn ( x ) existe e é único.... . k 0. k 2  L2 ( x2 ) .... ...... xn e seja Li ( x ) polinômios de Lagrange de grau n ... ( x  x0 )( x  x2 ) i 1  L1 ( x ) ( x1  x0 )( x1  x2 ) k 0  L1 ( x0 ) ... Resolução: ( x  x1 )( x  x2 ) i 0  L0 ( x ) ( x0  x1 )( x0  x2 ) k 0  L0 ( x0 ) ....1. k 2  L1 ( x2 ) ......... se i  k Li ( x )  de tal forma que Li ( xk )  j  0 ( xi  x j ) 0 . . pontos distintos..2 e n 2... .... k 1  L0 ( x1 ) .. . .... 4. o det A 0.... n .2 Forma de Lagrange Seja f uma função tabelada em ( n 1) pontos distintos x0 .. .. x1 ......Cálculo Numérico Interpolação 4-2 A é uma matriz de VANDERMONDE e.. n .

Cálculo Numérico Interpolação 4-3
A forma de Lagrange para o polinômio interpolador é:
n n n (x  x j )
Pn ( x )  yi Li ( x ) ou Pn ( x )  yi  (x
i 0 i 0 j 0 i  xj)
j i

2. Interpolar o ponto x 1,5 na tabela abaixo, empregando o polinômio interpolador de
Lagrange.
i 0 1 2 3
xi 1 0 1 2
yi 1 3 1 1
Resolução: n 3 é o grau máximo de P3 ( x ).
3
P3 ( x )  yi Li ( x )  P3 ( x ) ..........  L0 ( x ) ..........  L1 ( x ) ..........  L2 ( x ) ..........  L3 ( x )
i 0
3 (x  x j )
Li ( x ) 
j  0 ( xi  xj)
j i
( x  x1 )( x  x2 )( x  x3 )
L0 ( x ) 
( x0  x1 )( x0  x2 )( x0  x3 )
( x  x0 )( x  x2 )( x  x3 )
L1 ( x ) 
( 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 )

Logo:
P3 ( x )

 P3 ( x )

P3 (1,5) P3 ( 32 )

P3 (1,5)

P3 (1,5)

y
3

P3(x )
2

1

3
8

-1 0 1 3
2 2 x

Lauro / Nunes

Cálculo Numérico Interpolação 4-4
4.1.3 Forma de Newton
A forma de Newton para o polinômio Pn ( x ) que interpola f ( x ) em x0 , x1 ,, xn ,
( n 1) pontos distintos é a seguinte:
Pn ( x ) f [ x0 ]( x  x0 ) f [ x0 , x1 ]( x  x0 )( x  x1 ) f [ x0 , x1 , x2 ]
( x  x0 )( x  x1 )( x  xn 1 ) f [ x0 , x1 ,, xn ].
Onde
ORDEM
f [ x0 ] f ( x0 ) y0 0
f [ x1 ]  f [ x0 ] f ( x1 )  f ( x0 ) y1  y0
f [ x0 , x1 ]   1
x1  x0 x1  x0 x1  x0
f [ x1 , x2 ]  f [ x0 , x1 ]
f [ x0 , x1 , x2 ] 2
x2  x0
f [ x1 , x2 , x3 ]  f [ x0 , x1 , x2 ]
f [ x0 , x1 , x2 , x3 ] 3
x3  x0
 
f [ x1 , x2 ,, xn ]  f [ x0 , x1 ,, xn 1 ]
f [ x0 , x1 ,, xn ] n
xn  x0
f [ x0 , x1 ,, xn ] é a DIFERENÇA DIVIDIDA de ordem n da função f ( x ) sobre os
n 1 pontos x0 , x1 ,, xn .

Tabela Prática (DIFERENÇAS DIVIDIDAS)
x ordem 0 ordem 1 ordem 2 ordem 3  ordem n
x0 f [ x0 ]
f [ x0 , x1 ]

x1 f [ x1 ] f [ x0 , x1 , x2 ]

f [ x1 , x2 ] f [ x0 , x1 , x2 , x3 ]

x2 f [ x2 ] f [ x1 , x2 , x3 ] 
f [ x2 , x3 ] f [ x1 , x2 , x3 , x4 ]
x3 f [ x3 ] f [ x2 , x3 , x4 ] 
f [ x3 , x4 ]  f [ x0 ,, xn ]
x4 f [ x4 ]  
 f [ xn 3 , xn  2 , xn 1 , xn ]

  f [ xn  2 , xn 1 , xn ]
f [ xn 1 , xn ]
xn f [ xn ]

Lauro / Nunes

Cálculo Numérico Interpolação 4-5
3. Interpolar o ponto x 1,5 na tabela abaixo, empregando a forma de Newton.
i 0 1 2 3
xi 1 0 1 2
yi 1 3 1 1
Resolução: n 3 é o grau máximo de P3 ( x ). Tabela de diferenças divididas:
x ordem 0 ordem 1 ordem 2 ordem 3

1

0

1

2

P3 ( x ) f [ x0 ]( x  x0 ) f [ x0 , x1 ]( x  x0 )( x  x1 ) f [ x0 , x1 , x2 ]
( x  x0 )( x  x1 )( x  x2 ) f [ x0 , x1 , x2 , x3 ]
P3 ( x )
P3 ( x )
P3 ( x )

4.2 Estudo de erro na interpolação
Sejam x0  x1  x2  xn , ( n 1) pontos. Seja f ( x ) com derivadas até ordem ( n 1)
para x pertencente ao intervalo [ x0 , xn ].
Seja Pn ( x ) o polinômio interpolador de f ( x ) nos pontos x0 , x1 , x2 ,, xn .
Então, em qualquer ponto x pertencente ao intervalo [ x0 , xn ], o erro é dado por:
E n ( x ) f ( x ) Pn ( x )

f ( n1) ( x )
E n ( x )( x  x0 )( x  x1 )( x  xn )
( n  1)!
onde  x ( x0 , xn ).
Esta fórmula tem uso limitado, pois são raras as situações em que f ( n1) ( x ) é
conhecida e o ponto  x nunca é conhecido.

Lauro / Nunes

47 para a obtenção de P2 ( x ). onde M n1  max f ( n1) ( x ) . Resolução: Tabela de diferenças divididas: x ordem 0 ordem 1 ordem 2 ordem 3 0.47) ..4 0. Seja f ( x ) dada em forma de tabela de valores.. xn ]. i 0 ( n  1)! xI Ao se construir a tabela de diferenças divididas até ordem n 1..6 0.34 0. sendo f ( n1) ( x ) contínua em I [ x0 .. .72 Deve-se escolher 3 pontos próximos de 0.. xn ]. x1 ]( x  x0 )( x  x1 ) f [ x0 . P2 ( x ) f [ x0 ]( x  x0 ) f [ x0 .1 Estimativa para o Erro Utilizando a equação anterior.47)| Lauro / Nunes .2 0.22 0..6 0. x2 ] P2 ( x ) P2 ( x )  a) P2 (0..52 0..47)  b) | E n (0...  f (0. como segue: x 0. 4.. pode-se usar o maior M n1 valor em módulo desta ordem como aproximação para no intervalo I [ x0 .72 f (x) 0..  b) Dar uma estimativa para o erro.2 0..32 0. pode-se escrever: | E n ( x )|| f ( x ) Pn ( x )| n M n1 | E n ( x )|  ( x  xi )  ..27 0..Cálculo Numérico Interpolação 4-6 4.47) usando um polinômio de grau 2.29 0.52 0..16 0.4 0..37  a) Obter f (0. ( n  1)! Então: | E n ( x )|  ( x  xi )  max Dd  n i 0 sendo Dd os valores da tabela de diferenças divididas de ordem ( n 1).2..34 0. x1 .

Cálculo Numérico Interpolação 4-7

| E n (0,47)| ..........

5. Prove a igualdade seguinte.
x  x1 x  x0
P1 ( x ) f ( x0 )  f ( x1 )  f [ x0 ]( x  x0 ) f [ x0 , x1 ]
x0  x1 x1  x0
Resolução:
x ordem 0 ordem 1
x0 f [ x0 ] y0
y1  y0
f [ x0 , x1 ]
x1  x0

x1 f [ x1 ] y1  P1 ( x ) f [ x0 ]( x  x0 ) f [ x0 , x1 ]
P1 ( x )
 P1 ( x )

4.3 Interpolação inversa: casos existentes
O problema da interpolação inversa consiste em: dado y ( f ( x0 ), f ( xn )), obter x ,
tal que f ( x ) y .
São duas, as formas de se obter x . A primeira é encontrar x tal que Pn ( x ) y ; A
segunda é fazer a própria interpolação inversa, utilizando para isso, os valores de y .

4.3.1 Encontrar x tal que Pn (x )
Obter Pn ( x ) que interpola f ( x ) em x0 , x1 , x2 ,, xn e em seguida encontrar x , tal
que f ( x ) y .
OBS. 16: x obtido desta forma não permite se estimar o erro.

Lauro / Nunes

Cálculo Numérico Interpolação 4-8
6. 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 x0 0,6 e x1 0,7:
x  x1 x  x0
P1 ( x ) f ( x0 )  f ( x1 )
x0  x1 x1  x0

P1 ( x )

x  .......... .......... .......... .

4.3.2 Interpolação inversa
Se f ( x ) for inversível num intervalo contendo y , então x  f 1 ( y ) g ( y ).
Condição para a inversão de f ( x ): f é contínua e monótona crescente (decrescente)
num intervalo [ a , b ].
Dado f ( x ) contínua em ( x0 , xn ), então f ( x ) será admitida monótona crescente se
f ( x0 )  f ( x1 )    f ( xn ) e monótona decrescente se f ( x0 )  f ( x1 )    f ( xn ).
Respeitadas as condições dadas acima, será obtido o polinômio Pn ( y ) que interpola
g ( y ) f 1 ( y ) sobre [ y0 , yn ].

7. Considere a tabela a seguir:
x 0 0,1 0,2 0,3 0,4 0,5
y e x
1 1,1052 1,2214 1,3499 1,4918 1,6487
Obter x , tal que e x 1,3165, usando um processo de interpolação quadrática. Usar a
forma de Newton para obter P2 ( 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

Lauro / Nunes

Cálculo Numérico Interpolação 4-9
P2 ( y ) g [ y0 ]( y  y0 ) g [ y0 , y1 ]( y  y0 )( y  y1 ) g [ y0 , y1 , y2 ]
P2 ( y )
P2 (1,3165)

Assim, e .......... .......... ......... 1,3165 Na calculadora  1,316359.
Erro cometido:
M3
| E2 ( y )|  |( y  y0 )( y  y1 )( y  y2 )|
3!

| E2 (1,3165)|   M 3  max g ''' ( y ) , y [ y0 , y2 ].

M3
 1o Caso: pode ser aproximado por .......... (tabela de diferenças divididas de ordem 3).
3!
| E2 (1,3165)|  .......... .......... .......... ..........  | E2 ( y )|  .......... .......... .......... .

 2o Caso: f ( x ) e x  g ( y ) f 1 ( y ) ln y

Logo: M 3 

| E2 (1,3165)| 

4.4 Funções spline em interpolação
1 2i
Considere f ( x ) tabelada no intervalo [1,1] nos pontos xi 1 , com
1  25 x 2
n
i 0,1,, n .
No gráfico abaixo, pode ser observada a função f ( x ) e o polinômio P10 ( 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

3
y
2

1

1
2

P10(x )
f (x )

-1 - 12 0 1 1 x
2

Lauro / Nunes

. Uma função S p ( x ) é denominada SPLINE DE GRAU p com nós nos pontos xi .Cálculo Numérico Interpolação 4-10 Em certos casos. x [ xi 1 . b ]. e impor condições para que a função de aproximação seja contínua e tenha derivadas contínuas até uma certa ordem... Achar a função spline linear que interpola a função f ( x ) tabelada a seguir. n . xi ] (01) xi  xi 1 xi  xi 1 S1 ( x ) definida dessa forma satisfaz as condições 1) . 3) S p ( xi ) f ( xi ).. S p ( x ) é denominada SPLINE INTERPOLANTE..... s2 ( x ) e s3 ( x ).2 Spline linear interpolante É representada por S1 ( x ) .1 Função Spline Considere a função f ( x ) tabelada nos pontos x0  x1  x2  xn .( n 1). 2) S p ( x ) é contínua e tem derivada contínua até ordem ( p 1) em [ a .. 4. xi ]. com i 0. S p ( x ) é um polinômio de grau p representado por si ( x )...1. x [ .1.. S1 ( x ) pode ser escrita em cada subintervalo [ xi 1 . Lauro / Nunes ...4.1. pode-se definir 3 splines lineares para os 4 pontos: s1 ( x ). x1  x x  x0  s1 ( x ) y0  y1 x1  x0 x1  x0 s1 ( x )  s1 ( x ) . 4. n .4. se satisfaz as 3 seguintes condições: 1) Em cada subintervalo [ xi ..2...5 y 3 s3(x ) f (x ) 2.... com i 1... 2) e 3) .. ]. .. a aproximação por Pn ( x ) pode ser desastrosa.. com i 0. Nestes termos. obtendo-se polinômios de graus menores.. n como: xi  x x  xi 1 si ( x ) f ( xi 1 )  f ( xi ) ..5 s2(x ) 2 s1(x ) 1 1 20 3 4 5 6 7 x Resolução: Pela definição. ... xi 1 ]. x0 x1 x2 x3 x 1 2 5 7 y f (x) 1 2 3 2. 8. . Uma alternativa é interpolar f ( x ) em grupos de poucos pontos... com i 0.

para x  xk 1 ..( n 1)... n .. A spline cúbica S3 ( x ) é mais utilizada por ter derivadas primeira e segunda contínuas...( n 1).. . x [ . 2) S3 ( xi ) f ( xi )... com i 0...... n (02) São 4 coeficientes para cada k à serem determinados. Definição: Suponha f ( x ) dada por xi .. n ... x [ . k 1. ]... Então.. 5) sk.1.1 ( xk ). k 1.. que faz S3 ( x ) ser mais suave nos nós... no intervalo [ a . .. Tome a notação h k  xk  xk 1 ... 1 ( xk ). a spline linear S1 ( x ) é dada por: S1 ( x ) 4.... n (03) Lauro / Nunes ..... tem-se as equações: d k  f ( xk ) sk ( xk )..Cálculo Numérico Interpolação 4-11 x2  x x  x1  s2 ( x ) y1  y2 x2  x1 x2  x1 s2 ( x )  s2 ( x ) . k 1.. .. . xk ]..2.2.2.3 Spline cúbica interpolante É representada por S3 ( x ) ..( n 1)......... n .. pode ter picos ou troca abrupta de curvatura nos nós. k 1........ ....2...... A spline quadrática S 2 ( x ) tem derivadas contínuas até ordem 1... portanto... sk ( x ) será dada por: sk ( x ) ak ( x  xk )3 bk ( x  xk )2 ck ( x  xk ) d k . com k 1.4... 3) sk ( xk ) sk 1 ( xk ).. .1.7]. n . ].. . com i 0. x3  x x  x2  s3 ( x ) y2  y3 x3  x2 x3  x2 s3 ( x )  s3 ( x ) .2..2... ( xk ) sk..... . k 1.2.. ( xk ) sk.. .. . Tome S3 ( x ) como spline cúbica de f ( x ) nos nós xi .. xk ]. Para a condição 2) . ....... Condição 1) : é satisfeita pela definição de sk ( x ). 4) sk... com k 1... Em cada intervalo [ xk 1 . A spline linear tem derivada primeira descontínua nos nós.. Então a spline cúbica S3 ( x ) deve satisfazer as 5 igualdades seguintes: 1) S3 ( x ) sk ( x ) para x [ xk 1 ... b ][1. caso existam n polinômios de grau 3 definidos em cada subintervalo k por sk ( x ).......

( xk ). sk 1 ( xk ) f ( xk )  ak 1 h3k 1  bk 1 h k2 1  ck 1 h k 1  d k 1  f ( xk ) (05) Para as condições 4) e 5) . tome as derivadas: sk. 6h k 6h k Impondo a condição 5) . ( xk )  sk..1( xk 1 ) ak  . ( xk ) bk  (08) 2 Para x  xk 1  sk. ( xk )2 b k ..( n 1). Assim. ( x )6 a k ( x  xk )2 b k (07) Para x  xk  sk.1 ( xk 1 ). . ( xk 1 ) sk.. 2b k  sk.... d k  f ( xk ) hk f ( xk )  f ( xk 1 ) ck  ( a k h k2  b k h k ).. c k pode ser dado por: f ( xk )  f ( xk 1 ) 2sk ( xk )  hk  sk 1( xk 1 )  hk . ( xk 1 )6 a k h k 2 b k . ( xk 1 ) ak   . ( x )  ck    hk  k k hk  hk  6 2  Daí.. .1( xk 1 ) s . . com s0. . ( x )3 a k ( x  xk )22 b k ( x  xk ) c k (06) sk.Cálculo Numérico Interpolação 4-12 s1 ( x0 ) f ( x0 )   a1 h13  b1 h12  c1 h1  d 1  f ( x0 ). g k  g k 1 ak  (11) 6h k gk bk  (12) 2 yk  yk 1 2hk g k  g k 1hk ck   (13) hk 6 d k  yk (14) Lauro / Nunes . . ( xk 1 ) sk. obtém-se: sk. substituindo a k e b k obtém-se: hk f ( xk )  f ( xk 1 )  sk. ck   (10) hk 6 Na obtenção dos coeficientes. o coeficiente b k é dado por: sk. sk. ( xk )  sk... .. ( x0 ) arbitrária (09) 6h k Na obtenção de c k .. tome yk  f ( xk ) e g k  sk.. . ( xk )  sk. utilizam-se as equações (04) e (05):  f ( xk 1 )  ak h3k  bk hk2  d k ck  . k 1 (04) Condição 3) para k 1.2.

Para se resolver o sistema. ( xk ) c k . então: c k 3 a k 1 xk  xk 1  +2 bk 1 xk  xk 1   c k 1 2 c k 3 a k 1 h k2 1 2 bk 1 h k 1  c k 1  c k 1  c k 3 a k 1 h k2 1 2 bk 1 h k 1 . sk.( n 1). Assim A g  b é SPD. 1 ( xk ). A ordem do sistema é: A( n 1)( n 1) .n ( xn ) I n  cn  In .  (1a) Spline Natural  nos extremos. S3 ( x ) é aproximadamente parábola.. g 0 e g n . é necessário impor mais duas condições. g(n 1)1 e b(n 1)1 .. ( xk ) sk. S3 ( x0 ) é aproximadamente linear. o sistema é dado na ordem: A( n 1)( n 1) . g(n 1)1 e b(n 1)1 . Na alternativa (3a).. S3" ( x0 ) g 0 0 S3" ( xn ) g n 0  (2a) Nos extremos. são acrescentadas duas equações. g(n 1)1 e b(n 1)1 . (12) e (13): yk 1  yk 2hk 1g k 1  g k hk 1 yk  yk 1 2hk g k  g k 1hk g  gk g k 1h k 1    3 k 1 hk 1 2 h k 1 6 hk 6 6 2 Daí. Fazendo-se algumas substituições. sendo que. através das equações (11).( n 1). onde k 1. Nas alternativas (1a) e (2a). apresentadas nas três alternativas a seguir. é dada uma inclinação I 0 e I n para S3 ( x ). de forma única. o sistema é dado na ordem: A( n 1)( n 1) . chega-se a equação (15):  y  yk yk  yk 1  hk g k 1 2( h k  h k 1 ) g k  hk 1g k 1 6  k 1   . Lauro / Nunes .( n 1) (15)  h k 1 h   k  A equação (15) é um sistema de equações lineares A g  b . sendo que.2. com k 1.Cálculo Numérico Interpolação 4-13 Impondo a última condição 4) .2. são eliminadas duas variáveis. conclui-se que: Para x  xk  sk.2. Pela variação de k . g 0  g1 g n  g n 1  (3a) Nos extremos. o sistema A g  b é indeterminado. ( x0 ) I 0  3 a1 h12 2 b1 h1  c1  I 0 S3' ( xn ) I n  s . com k 1. Assim A g  b é SPD. S3' ( x0 ) I 0  s1.

. Encontrar uma aproximação para f (0. 2 y1  y0 2hg1  g0h c1    c1  ... Lauro / Nunes . com i 1. interpolando a tabela: x0 x1 x2 x3 x4 x 0 0. s1 (0.....2.8616 0.. 6h g b1  1  b1  . s 2 ( x )... Então. h 6 d 1  y1  d 1  ..5571 4.......4.5 1.....25) por spline cúbica natural.0 y f (x) 3 1.5 2...  f (0........ (Spline Natural). .25) .2.2.....  s1 (0.. segue que:  y  yk yk  yk 1   hk g k 1 2( h k  h k 1 ) g k  hk 1g k 1 6  k 1    h k 1 h   k  Desenvolvendo o sistema A g  b : g 0  g 4  . s 3 ( x ) e s 4 ( x )...1987 9.Cálculo Numérico Interpolação 4-14 9. logo.3..........25) ...0536 Resolução: n 4. f (0..0 1...25)  s1 (0.. procura-se s1 ( x ).... A g b  g Forma geral de s i ( x )  s i ( x ) ai ( x  xi )3 bi ( x  xi )2 ci ( x  xi ) d i ..( n 1)  k 1........25) g1  g 0 a1   a1  .....25) ...3  Utilizando a (15).. Logo. Spline Natural  k 1....

 s 2 (0.......0 y f (x) 3 1... f (0.........8) . Do exercício anterior...  b 2  . 6h g b 2  2  ...5 2.... interpolando a tabela: x0 x1 x2 x3 x4 x 0 0...... f (1.........Cálculo Numérico Interpolação 4-15 Considerando os próximos 5 exercícios.... . s 2 (0.  a 2  .. Logo......  c 2  . 2 y  y2 2hg3  g 2h c3  3   .. Logo.5571 4.  f (1.  c 3  ..1)  s 3 (1.8) g 2  g1 a2   .......2............ h 6 d 3  y3  ... a forma geral de s i ( x ) é dada por: s i ( x ) ai ( x  xi )3 bi ( x  xi )2 ci ( x  xi ) d i ...... s 3 (1............ logo.... procura-se s1 ( x ).1) g3  g 2 a3   ....0536 n 4........ 10..  s 3 (1.....8) .5 1...8).........1) ....  a 3  .. 2 y2  y1 2hg 2  g1h c2    ..............1987 9. .. encontrar uma aproximação para f ( x ) por spline cúbica natural..1) .3..1).. com i 1.. Resolução: f (1... Lauro / Nunes . 6h g b3  3  .4................  d 2  ...... h 6 d 2  y2  ......... 11..... s 2 ( x ).......... s 3 ( x ) e s 4 ( x ).  f (0..  b3  ....8)  s 2 (0.......8616 0... Resolução: f (0.......  d 3  .1) ...0 1.8) ....

 s 3 (1..2) .....  d 4  ..3) ....... f (1.... 13...... h 6 d 4  y4  .3) g3  g 2 a3   ...... 14......... f (1.. s 3 (1...  f (1. Logo.  d 3  ...... Resolução: f (1.. 6h g b3  3  .....3).... 6h g b3  3  ..  a 4  ....  f (1........ ...........3) . Logo......7) ........7) .. s 3 (1.2)  s 3 (1.....................2)........  c 3  ... Resolução: f (1........... Lauro / Nunes .7) .  a 3  .  b 4  .......... ..... s 4 (1. 2 y3  y2 2hg3  g 2h c3    ..  f (1......  b3  ..........  d 3  ..7) g 4  g3 a4   .. Logo................. Resolução: f (1.........3)  s 3 (1.. h 6 d 3  y3  ......  a 3  ..  c 4  .7).....2) ................................2) g3  g 2 a3   ...... f (1....... ......  b3  ................2) ....3) ...... h 6 d 3  y3  .....  s 3 (1.  c 3  .... 2 y  y3 2hg 4  g3h c4  4   ......................Cálculo Numérico Interpolação 4-16 12.  s 4 (1.7)  s 4 (1.... 2 y3  y2 2hg3  g 2h c3    ... 6h g b 4  4  ........

y x  Domínio contínuo: quando a função f é dada por sua forma analítica. y y = f(x) a x b Lauro / Nunes . não são previsíveis. em geral. escolhida de uma família de funções em duas situações distintas:  Domínio discreto: quando a função f é dada por uma tabela de valores. o objetivo deste processo é aproximar uma função f por outra função g .1 Introdução Uma forma de se trabalhar com uma função definida por uma tabela de valores é a interpolação. pois estes valores poderão conter erros inerentes que. Assim. a interpolação pode não ser aconselhável quando:  É preciso obter um valor aproximado da função em algum ponto fora do intervalo de tabelamento (extrapolação). Contudo.  Os valores tabelados são resultado de experimentos físicos.Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-1 5 Ajuste de curvas pelo método dos mínimos quadrados 5. 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.

 n ) 0. k 1 k 1 Assim.  2 . g 3 ( x ). . contínuas em [ a .2 Caso Discreto O problema do ajuste de curvas no caso em que se tem uma tabela de pontos: x1 x2 x3  xm f ( x1 ) f ( x2 ) f ( x3 )  f ( xm ) com x1 .  2 .  3 . k 1 g y f ( xk) dk g( xk ) x xk Para isto é necessário que: F (1 . g 2 ( x ). embora as funções g1 ( x ). g n ( x ) possam ser não lineares. 2.Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-2 5. . obter n constantes 1 .. g 2 ( x ).  n que fazem com que g ( x ) se aproxime ao máximo de f ( x ).  3 . isto é: m m  dk2  [ f ( xk )  g ( xk )]2 deve ser mínimo. b ]. Seja d k  f ( x k ) g ( x k ) o desvio em x k . g 3 ( x ).  2 .  . x3 .  2 . x 2 .  3 . .  3 .  .  .  . são os que minimizam a função: m F ( 1 .  .  3 . consiste em: “escolhidas” n funções contínuas g1 ( x ). x m [ a . Este modelo matemático é linear pois os coeficientes que devem ser determinados 1 .  3 .  . 3.  2 . os coeficientes 1 . j 1. Surge então a primeira pergunta: Como escolher as funções contínuas g1 ( x ).  n )   j m 2·  [ f ( xk )  1 g1 ( xk )   2 g 2 ( xk )     n g n ( xk )]  [ g j ( xk )] 0.  2 . g 3 ( x ). n .  2 .  3 .  . 2. n k 1 Lauro / Nunes .  n )  [ f ( xk )  g ( xk )]2 = k 1 m [ f ( xk )  1 g1 ( xk )   2 g 2 ( xk )   3 g 3 ( xk )     n g n ( xk )]2 . isto é:  j F ( 1 .  n de tal forma que a soma dos quadrados dos desvios seja mínima. 3. g 2 ( x ).  . g n ( x ).  n tais que a função g ( x ) 1 g1 ( x )  2 g 2 ( x )  3 g 3 ( x )    n g n ( x ) se aproxime ao máximo de f ( x ). b ].  n aparecem linearmente. 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. O método dos mínimos quadrados consiste em escolher os coeficientes 1 . j 1.  .

.  . f  onde: g l é o vetor [ g l ( x1 ) g l ( x2 ) g l ( x3 )  g l ( xm )]T e f é o vetor [ f ( x1 ) f ( x2 ) f ( x3 )  f ( xm )]T .  n ] e b  [b1 .. y   xk  yk é k 1 chamado de produto escalar de x por y .  2 . Desta forma o sistema na forma matricial fica: Lauro / Nunes . 3 . T T k 1 m Lembrando que.  2 .. tem-se o seguinte sistema de n equações lineares com n incógnitas 1 . b2 . 3. g j  e bi   g i . Este sistema pode ser escrito na forma matricial A    b :  a111  a12  2    a1n  n  b1 a  211  a 22  2    a 2 n  n  b2       a n1  a n 2    a nn  n  bn  1 2 m m onde A  ( aij ) tal que aij   g i ( xk )  g j ( xk )   g j ( xk )  g i ( xk )  a ji . 2. k 1 j 1. n Assim. e usando esta notação no sistema normal A    b . dados os vetores x e y   m o número real  x. bn ] é tal que bi   g i ( xk )  f ( xk ) .Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-3 ou m [ f ( xk )  1g1( xk )   2 g 2 ( xk )     n g n ( xk )][ g j ( xk )] 0. A é k 1 k 1 uma matriz simétrica. m   [1 . tem-se: aij   g i . ou seja. n : m [ f ( xk )  1 g1 ( xk )   2 g 2 ( xk )     n g n ( xk )]  [ g1 ( xk )]  0  k 1 m [ f ( xk )  1 g1 ( xk )   2 g 2 ( xk )     n g n ( xk )]  [ g 2 ( xk )]  0  k 1    m [ f ( xk )  1 g1 ( xk )   2 g 2 ( xk )     n g n ( xk )]  [ g n ( xk )]  0  k 1 Que é equivalente a:  m  m  m   1 k g ( x )  g1 k  ( x )   1     1 k g ( x )  g n k  ( x )   n   g1 ( xk )  f ( xk )  k 1   k 1  k 1  m   g ( x )  g ( x )       g ( x )  g ( x )    g ( x )  f ( x ) m m   2 k 1 k  1  2 k n k  n  2 k k  k 1   k 1  k 1     m  m  m  g n ( xk )  g1 ( xk )  1     g n ( xk )  g n ( xk )   n   g n ( xk )  f ( xk )  k 1   k 1  k 1 As equações deste sistema linear são chamadas de equações normais.

.. .......... ... ..... ........ ....  2 .. g n    n   g n ............. ]T f [ ..... ....... . . .................... ......... .... i 1 2 3 4 5 xi 1... ............. .. . . a matriz dos coeficientes A será uma matriz diagonal.. g1   ....... g 2    1    g1 . ...... ..................... ............. ]T  g1 ....... .......... ............ .. .. g 3 . . .... .. ... ........05 1.... o que facilita a resolução do sistema A    b .... ... .............. ...... 2.. 17: Se os vetores g1 ........... ...........  ................ .......... ................ .45 0.3 0 0...... ... ....8 6..........3 3.. .... se as funções g1 ( x ).512 1........ 1....... g 3 ( x )... g 2    g n ........ a reta que melhor se ajusta aos valores da tabela terá coeficientes 1 e  2 ............2 2.... ........ ...........2 3.......153 0... ..........  g1 ...... g1   .. ........... ..... . ... ........75 0...............  g2 ...... Assim.  n ) atinge seu valor mínimo..  g1 . forem ortogonais entre si.... ........ f    g ...... .......... se  g i .. ....... ...05 Lauro / Nunes . f   ............... .. g j   0 se i  j ...8 Resolução: Fazendo g ( x)  1  g1 ( x)   2  g 2 ( x) e considerando g1 (x)  ... OBS....... g 2 ( x ). . f     g ................. ......  2 .... ... .............6 0...5 0 0. .... g j   0 se i  j e  g i ... . g1   g1 . ......... ... ....... g 2   ................ .... . isto é...........0 f ( xi ) 2. . . ... ...... g n ......... ..5 0............... ...  3 . então det A  0 e o sistema de equações é possível e determinado (SPD).5 0.............. . .......... 1 .............. .. .............. .. .... . ..........2 0.. ..... ....................... .......4 0......... ... ...... ]T g 2 [ .......4 0. f   . Logo a equação da reta procurada é: g (x )  . g n ( x ) forem tais que os vetores g1 ..... ...  3 .... .................. ...... ....................0 5........ .. ....... ... g   g ... que são solução do seguinte sistema na forma matricial:   g1 ........... . g1   g1 ................ f   g1 [ ...6 0........ . ...... ..... .... ...... Demonstra-se ainda que a solução única deste sistema......  .....2 0...... g 2    g1 ..... g n ................ ....... g 3 .. ..... g    g .. f  2 2 2                     g n .....1 5...... ......... tem-se: g (x )  ........... g          2 1 2 2   2  g 2 ........... ..... .. ...... .... g n    1    g1 .......8 8. .. ..... g1   g n ... Assim................... .. ... g        2 1 n   2   g2 ..... .. ... ..... .. . ................. ............  g 2 .... ......................4 5......... ........ Ajustar os dados da tabela através da parábola g (x )  x 2 : i 1 2 3 4 5 6 7 8 9 10 11 xi 1 0....... g 2 . (Regressão Linear) Ajustar os dados da tabela abaixo através de uma reta... ....... e g 2 (x)  .... ........ ...... ...... sejam linearmente independentes (LI).... .......... f   Demonstra-se que...................... ...7 1 f ( xi ) 2.. .. ...... ...................... ... .......... g 2 ..........  n é o ponto em que a função F ( 1 ...........  g 2 .1 6....................... g   g . g 2   ..Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-4   g1 ..

............................. ........ ... .............. ........ .... ..... e g 3 (x)  ................... g 2   g 3 ... obtém-se g (x )  ....... ...... ........ .......... . ..... ....... ............   g 1 . . ....... ...... .................... ..... ......... para se obter a parábola que melhor se ajusta aos pontos da tabela...... ]T  g1 ....... .... ...... g1   g1 [ ......................... ..... ... g 2 (x)  ................ .. ..... ............. . g 2   g 1 ............................... ...... . ........ ............... ......... . ... . .... f   .... ........... ........ ..... ................. Logo a equação da parábola procurada é: g (x )  ............... .. ..................... .................. ............ ...... ............... .... ..... ]T g 2 [ ....... .. ..... ... ...... .... . f   g1 [ ... .  g1 ........ ..... .. .. g   g ........ .... .................... ........... g1   . .................... ....... 3............... . g 3    3   g 3 ..................................................... ................ ... ............ .............. ..  ................... g1  1    f ...................................... ................................ ............ g1   g1 ........ ......  ............ ........................ . i 1 2 3 4 xi 2 1 1 2 f ( xi ) 1 3 1 9 Resolução: Neste caso tem-se que: g1 (x )  .......................... ....... ..... ... ............ ....... g1   g 3 . ... g   g . .......... g 3     1    g1 .......... ......... ........... .... ..... ...................... ....... ........................... ....... ... Lauro / Nunes . ........ .. ........... .... f    2 1 2 2 2 3   2  2   g 3 ..... ...... f    g ....... . .. ]T g 3 [ ........ ...  g1 ....... .. ............. ............ será necessário encontrar 1 do sistema:  g1 ... ... ....... Assim.....Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-5 y 2 1 -1 1 x Resolução: Fazendo g ( x)  1  g1 ( x) e considerando g1 (x )  x 2 ........... ]T f [ . ... .......... .... .............. ..... ....... . ......... ........... ]T  g1 ................... Ajustar os dados da tabela abaixo por um polinômio do segundo grau g ( x)  1  2  x  3  x2 ............... .... ....... .................... ..... g 2   ...... ....... 1  ... ................ ]T f [ .... .... ........ ... g1   . ..... .... ............... .............. .......... ....... g        g . ... ...... .. .... ................. .................. . .......... ....... ....... . ...... ....... ......... Assim........

........ ............  g 3 ........... .... .. todas contínuas em [ a ... ............ g1   ................. ............ . .... .... ..... ........... .... .......................3 Caso Contínuo No caso contínuo..... .................. b ]... ........... .................. .......... ....... ....... ... . .. . os coeficientes 1 .... ............ ...................... ..... . ... . .................. ........ .. ...... ............................ ...... ... 3 .... . ........ tome: b a [ f ( x)  g ( x)] dx  F () F ( 1 ........ . ............ . . ..... . g 2   .......... . . ..... .. ... ..... ...... ................ ..... ......... ..... ......... .... ....... ......... ........................ ......  2 ......... ........ 2 Encontram-se os pontos críticos de F (): F ()0..................... .. . .... .... ....... .  j b b Mas..................  g 3 .. ... ............... Logo a equação da parábola procurada é: g (x )  ............. .... ....... . g 3   ................................... ......... . 2 Para achar  tal que g ( x ) f ( x )................ ...... ...... .......................  g1 .... .................... ......... .........  g 2 .. .................. 3 ................. .... ........ ........ . f   .. ........ ... .............................. n .. ... g 2   .. b ]................... g 2 ( x ).....  g1 ......... ....... .... f   .... .. .. ............... ... g n ( x )............. . .. ......... .. ...... ...... .. ................ . obtém-se:  j Lauro / Nunes .................. ...............  n a serem obtidos são tais que b a [ f ( x)  g ( x)] dx seja o menor possível. j 1........... ........... F ()  [ f ( x )  g ( x )]2dx   [ f ( x)2  2 f ( x) g ( x)  g ( x)2 ]dx a a b b b  F ()  f ( x )2dx 2  f ( x ) g ( x )dx   g ( x )2dx . .......... ................. ....Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-6  g 2 ......  n ).. ............. .......................... .............. ........  g 3 .  g2 .............. ............... . ........ .......... b ] e escolhidas as funções g1 ( x ).. ......... .... 5...... ............. .......... ......... n .. ....  2 ............... .. ............. .................. ........ ..... ................  g 3 .......... .... .. g 3   ... Assim.... ... . ......... Seguindo o critério dos mínimos quadrados para o conceito de proximidade entre f ( x ) e g ( x ).... ..2..... ....... ............ . a a a F Ao desenvolver ()0........ determinar constantes 1 ... ......... . ..... ... ...... j 1..... ........ ......... .. . ...... o problema de ajuste de curvas consiste em: dada uma função f (x ) ............................. ..........  g 2 ............ .......... .. ..... f   ... .................................. ............. .. g1   . .. ......... ... .... g 3 ( x )... .................... ...... .... ...... .......  3 ........ ................... ........................... . g 3   ......... .... ....... contínua em [ a . .......  n de modo que a função g ( x ) 1 g1 ( x )  2 g 2 ( x )  3 g 3 ( x )  n g n ( x ) se aproxime ao máximo de f ( x ) no intervalo [ a .................. .................... .............................  2 . .. .......2.....................

g 2   a11   g1 . 3 . b3 .............. g1 ( x ) .. A  b  Logo: g ( x ) ...... ( 1 ......... b1   f . g 2   .. a22   g 2 ... Aproximar a função f ( x )4 x 3 por um polinômio do primeiro grau. a Usando a definição de produto escalar de duas funções p ( x ) e q ( x ) no intervalo b [ a ... a A é SIMÉTRICA. g 2    1    f . Resolução: g ( x ) 1 g1 ( x )  2 g 2 ( x )= .... o sistema A  b fica: a A ( aij ) gi ... tal que b bi   f ( x ) gi ( x )dx .  n ) e b ( b1 .1].... g1   .... g1  g 2 .... Lauro / Nunes . no intervalo [0. ............ g1   a21  .. g 2   ..  f ( x )4 x 3 em [0.... g 2    g 2 ....       b   g 2 ( x )dx   b b  a g n ( x ) g1( x )dx  1     a n  n  a f ( x) gn ( x)dx   Este é um sistema linear A  b de ordem n ... q   p( x )  q( x)dx .... g 2    2   f .... bn ).. uma reta... . ... g   g1 ...Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-7   b 2   b g ( x ) g ( x )dx   b   a g1 ( x )dx  1     a 1 n  n  a f ( x) g1( x)dx  b   g 2 ( x ) g1( x )dx  1      g 2 ( x ) g n ( x )dx   n b b  a   a   a f ( x) g2 ( x)dx ...... .. ... b ] por  p...... 4.....1]. b2   f . gi .. a a    b    g .................. g1   ..... e g 2 ( x ) . b2 .  2 ..... isto é. g j e b ( bi ) f ..... b A ( aij ) tal que aij   gi ( x ) g j ( x )dx  a ji  aij  a ji . .. g1  A  b   11 12    1    1    1 1    a21 a22   2  b2   g 2 . ..... ...... a12   g1 ..... ............ ..

......... e g 2 ( x ) . .. Resolução: g ( x ) 1 g1 ( x )  2 g 2 ( x )= ..... g1   .. b2   f ............... g1  A  b   11 12    1    1    1 1    a21 a22   2  b2   g 2 ...... a12   g1 .... isto é....1] por uma reta........ .1].... ..... a a    b    g .....  f ( x ) e x em [0......... . g 2   a11   g1 .... .. b1   f .. . g 2   .. a22   g 2 .. g   g1 ....... g 2    2   f ... g1  g 2 ... Usando o método de integração por partes em b2 :  u  dv  u  v   v  du g ( x ) . . g 2    1    f ....... ............... Aproximar a função f ( x ) e x no intervalo [0. g 2   .... g1   .Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-8 5........... g 2    g 2 .......... ..... g1   a21  ............ Lauro / Nunes ... ......... g1 ( x ) ..

m isto é. tem-se: G ( x ) a1  a 2  x . k 1 através de transformações convenientes. tem-se: G ( x ) a1  a 2  x . sendo que G ( x ) é linear nos parâmetros a1 e a 2 . Fazendo ln 1  a1 e  2  a2 . f (x ) Fazendo 1  a1 e  2  a2 . Desta forma G ( x ) f 2 ( x ). 1  2o) f ( x ) g(x) 1   2  x 1  1   2  x  G ( x ). Lauro / Nunes . sendo que G ( x ) é linear nos parâmetros a1 e a 2 . tem-se: G ( x ) a1  a 2  x . f (x )  3o) f ( x ) 1  2  x  g ( x ) f 2 ( x ) 1  2  x  G ( x ). g ( x ) não é da forma  k  gk (x) .Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-9 5. Fazendo 1  a1 e  2  a2 . sendo que G ( x ) é linear nos parâmetros a1 e a 2 . Desta forma G ( x ) ln f ( x ).4 Família de Funções Não Lineares nos Parâmetros Em alguns casos. Nestes casos é preciso efetuar uma “linearização”. a família de funções escolhidas pode ser não linear nos parâmetros. 1 Desta forma G ( x ) . Exemplos:  1o) f ( x ) 1  e 2 x  g ( x ) ln f ( x ) ln 1  e 2 x  ln 1   2  x  G ( x ).

... .. ....... .. ........ ............... .......... ... g1   g1. g 2   ... .... ... ............ . dentro do critério dos mínimos quadrados........... ............................  g 2 ......... ....... .. . ...... . ............... .......Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-10 6.... no sentido dos mínimos quadrados.......... .......... ............ g 2   .. .. Ajustar os dados da tabela que segue por uma função da forma g ( x ) 1  e 2 x . ...... .. ................ .....  g ( x ) ............ “linearizando” a função g ( x ) 1  e 2 x ..7 Resolução: Desta forma... são os que ajustam a função G ( x ) à função ln f ( x )... .... ............. ........ .... . .................. ......... ..  .......... ........ os parâmetros a1 e a 2 do exemplo........ ... ....... ............... . ........ . ..  f ( x )... ... ]T .... ...... g   g ... ......... g 2    2 1 2 2   2  g1 [ .................. Portanto........... tem-se:   g1 .. g 2   .  g1 .......... ........ ]T  g1... .... x 0 1 2 f (x) 1 0............. .. .. .. ................................ ..... .................. .. Não se pode afirmar que os parâmetros 1 e  2 (obtidos de a1 e a 2 ) são os que ajustam g ( x ) 1  e 2 x à f ( x )............................ .............. . g     a     ...................... ............... ................  ......... [ ..... g 2   . Lauro / Nunes . .. g1   g1 ......... .... ...5 0.............. ... . Os parâmetros assim obtidos não são ótimos dentro do critério dos mínimos quadrados.. ..... . .. ......... ............... ... ................ ..... ]T g 2 [ ...... ......................................... ..... ....... .  g 2 ...... como no primeiro exemplo anterior....... ................ .......... ...... .................. . g1    g ............ ... .... ................ ...................... ......... g 2    a1    .... ......... ....... ... ................. g1   ..... .......... ..... ..... ......... ....... g1  ............. ............................ . .. ......... .................. . ............................. ... isto porque estamos ajustando o problema linearizado por mínimos quadrados e não o problema original... ........

b ] é aproximada pela área de um trapézio. o polinômio que interpola f ( x ) o faz em pontos igualmente espaçados de [ a . nem sempre se tem F ( x ) e em alguns casos. A idéia básica da integração numérica é a substituição da função f ( x ) por um polinômio que a aproxime no intervalo [ a . b h a f ( x)dx  2 [ f ( x 0 ) f ( x1 )]  IT (02) A aproximação de f ( x ) pela fórmula de Lagrange é p1 ( x ) y 0 L 0 ( x ) y1 L1 ( x ) x  x1 x  x0 com L 0 ( x ) e L1 ( x ) . sendo Ai coeficientes b Fórmulas fechadas: x 0  a . então b a f ( x)dx  F ( b ) F ( a ) (01) onde F ' ( x ) f ( x ).1.x 0 A integral de f ( x ) no intervalo [ a . torna-se necessária a utilização de métodos numéricos.Cálculo Numérico Integração Numérica 6-1 6 Integração Numérica Se uma função f ( x ) é contínua em um intervalo [ a . b ] e sua primitiva F ( x ) é conhecida.1 Fórmulas de Newton-Cotes Neste caso. x n  b e a i 0 determinados de acordo com o grau do polinômio aproximador. a função a ser integrada é dada por meio de tabela de pontos. h = x 1. 6. 6. b ].a . logo: x 0  x1 x1  x 0 x  x1 x  x0 p1 ( x ) f ( x 0 ) f ( x1 ) (03) h h Lauro / Nunes . Assim o problema fica resolvido pela integração de polinômios.1 Regra dos Trapézios f (x ) y p 1(x ) f ( x 1) f ( x 0) 0 a= x0 b= x1 x h = b . Neste caso. n f ( x )dx   Ai f ( x i ) . o que é trivial de se fazer. b ]. Por outro lado.

.. 2 Integrando f ( x ): x1 x1 x1 f " ( x ) x0  a x 0 f ( x ) dx   p1 ( x ) dx   x0 x0 ( x  x 0 )( x  x1 ) 2 dx . 18: b b  x 3 ax 2 bx 2  ( a  b) 3 (b  a )3 a ( x  a x  b x  a b ) dx      abx    2 .b ] OBS.  3 2 2 a 6 6 9 1. x1 ) 2 f " ( x ) f ( x ) p1 ( x )( x  x 0 )( x  x1 ) . Lauro / Nunes .. b ) (04) 12 ou h3 | E T | max | f " ( x )| (05) 12 x[ a .... Calcular 1 6x  5 dx ......  x ( x 0 ... com   x1  b b IT   p1 ( x ) dx a b f " ( x ) E T   ( x  a )( x  b ) dx a 2 1 " b ET  f ( c )  ( x  a )( x  b ) dx 2 a 1 (b  a )3 E T  f " ( c ) 2 6 h3 " E T  f ( c ) com c ( a .. usando a regra dos trapézios. Resolução: 9 1 6x  5 dx  IT  .. . ...Cálculo Numérico Integração Numérica 6-2 Estimativa para o Erro f ( n 1) ( x ) f ( x ) p1 ( x ) E ( x ) E n ( x )( x  x 0 )( x  x n ) ( n  1)! f " ( x ) E ( x )( x  x 0 )( x  x1 ) ..

.Cálculo Numérico Integração Numérica 6-3 O erro cometido será.1.2.. 6.. no máximo: Logo....2 Regra dos Trapézios repetida y f (x ) 0 a= x0 x1 x2 x3 x n -1 b= xn x h  x1  x 0  x 2  x1  x 3  x 2    x n  x n 1 ba h . | E T | .. Calcular 1 6x  5 dx empregando o método dos trapézios com 8 repetições. Resolução: Lauro / Nunes .. com i 1.. n b a f ( x)dx  A1  A2  A3  An tal que Ai área do trapézio i .. n .. .... .. b ]. h Ai  [ f ( x i 1 ) f ( x i )] 2 n 1 h f ( x )dx  [ f ( x 0 ) f ( x n )2  f ( x i ) ] b a 2 i 1 (06) Estimativa para o Erro (b  a ) 3 | E TR | 2 max | f " ( x )| (07) 12n x[ a . com n sendo o número de subdivisões do intervalo [ a .. Determine uma aproximação para o erro cometido..b ] 9 2...

3 Regra 1/3 de Simpson É obtida aproximando-se a função f ( x ) da equação (01) por um por um polinômio interpolador de 2o grau. Resolução: 1 x 0 e dx  .... Estimar o erro cometido..... ..... no máximo: | E TR |  .......... para a regra dos trapézios 0 repetida aplicada em I .1....... . 1 3. no máximo: | E TR |  . . Qual o número mínimo de subdivisões. .... ........ Erro cometido será...... . x 2  ..... x 4  .. .. f (x) 9 1 6x  5 dx  .......... f ( x ) pode ser integrada de forma exata: 9 1 6x  5 dx  ................ Erro cometido será.... x 7  .......... de modo que o erro seja inferior a 103? Resolução: n  . x 6  .... p2 ( x ). x1  ......... x 8  ......... Seja I   e x dx ......... .. Seja I   e x dx .. ... ...... x 5  . que é dado pela fórmula de Lagrange: p2 ( x ) L0 ( x ) f ( x0 ) L1 ( x ) f ( x1 ) L2 ( x ) f ( x2 ) Lauro / Nunes .......... ........Cálculo Numérico Integração Numérica 6-4 x x 0  .... Calcule uma aproximação para I usando 10 subintervalos e a regra 0 dos trapézios repetida........ Neste caso em particular.... 6.. . x 3  ............ 1 4...

j  0 ( xi  xj) j i y f (x ) f ( x 0) p2(x ) f ( x 2) f ( x 1) 0 a= x0 m= x 1 b= x2 x h h x0  a . x0  x2 2 h . x1  x0  h . x1  x2  h . Logo: 3 b x2 h a f ( x )dx   f ( x )dx  [ f ( x 0 )4 f ( x1 ) f ( x2 )] (08) x0 3 Estimativa para o Erro x2 x2 x2 x 0 f ( x )dx   p2 ( x )dx   R 2 ( x )dx x0 x0 b b f ''' ( x ) ES   R 2 ( x )dx   ( x  x0 )( x  x1 )( x  x2 ) dx (09) a a 3! Lauro / Nunes . ( x  x1 )( x  x 2 ) ( x  x 0 )( x  x 2 ) ( x  x 0 )( x  x1 ) p 2 ( x ) f ( x 0 ) f ( x1 ) f ( x2 ) ( h)(2h) ( h)( h) ( 2h)( h) b x2 x2 a f ( x)dx  x 0 f ( x )dx   p2 ( x )dx x0 f ( x0 ) x2 f ( x1 ) x2 f ( x2 ) x2  2h 2 x 0 ( x  x1 )( x  x2 ) dx  h 2  x 0 ( x  x0 )( x  x2 )dx  2h 2 x ( x  x0 )( x  x1 )dx 0 h  [ f ( x 0 )4 f ( x1 ) f ( x2 )]. x2  x1  h . com i 0. x2  x0 2 h .1.Cálculo Numérico Integração Numérica 6-5 2 (x  x j ) tal que Li ( x )  . x1  m e x2  b ab m  x1  2 ba h 2 x0  x1  h .2.

Isso quer dizer que ES não depende de R2 (resíduo de 2o grau).Cálculo Numérico Integração Numérica 6-6 Mudança de Variável x  x0 x0  x 0 z  x  hz  x 0 x  x0  a  z   z 0 h h x2  x 0 2h x  x2  b  z    z 2 h h dx dz   dx  h dz h h  f ''' ( z ) 2 ES  6 0 hz ( hz  h )( hz 2 h ) dz h 4  f ''' ( z ) 2 h 4 ''' 2 ES  6  0 z ( z 1)( z 2) dz  6 f ( z )  ( z 3  3z 2  2 z ) dz 0 2 h 4 '''  z4  h 4 ''' ES  f ( z )    z 3  z 2   f ( z ) 0  0. Então: b b f 4 ( x ) ES   R3 ( x )dx   ( x  x0 )( x  x1 )( x  x2 )( x  x3 ) dx a a 4! h5  f 4 (  z ) 2 h5 4 2 4 ES  24 0 z ( z 1)( z 2)( z 3) dz  24 f (  z ) 0 ( z  6 z 3  11z 2  6 z )dz  4  15 h5 4 ES   f () com ( a  b ).b ] Lauro / Nunes . 90 h5 | ES |   max | f 4 (x ) | (10) 90 x[ a . tem-se: 2 32 (b  a )5 | ES |   max | f 4 (x ) | (11) 2880 x[ a .b ] ba 5 (b  a ) 5 Considerando h   h  . ES 0. 6  4  6 0 0 Logo.

b ] h5 ESR  n   max | f 4 (x ) | (13) 90 x[ a . tome h   h  xi  xi 1 ( i 1. para m 2 n  m é par.b ] ba (b  a )5 Considerando h   h5  . xm são pontos igualmente espaçados. x1 .2. m ). xm ]. tem-se: 2n 32n5 (b  a )5 ESR   max | f 4 (x ) | 4 x[ a . b ][ x0 .1.4 Regra 1/3 de Simpson repetida y f (x ) 0 a= x0 x1 x2 x3 x4 x5 x6 xm -2 xm -1 b = x m x h ba Na figura. Então: n h  3 [ y 2i  2 4 y 2i 1  y 2i ] b xm a f ( x ) dx   x0 f ( x ) dx  i 1 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 )] 1 m m h  2 2  f ( x )dx   y 0  ym 2  y2i 4  y2i 1  b a 3  i 1 i 1  (12) Estimativa para o erro: ESR h5 ESR  n   max | f 4 (x ) | 90 x[ a .Cálculo Numérico Integração Numérica 6-7 6..b ] (14) 2880n Lauro / Nunes . x0 . 2n Aplica-se a regra de Simpson repetidas vezes no intervalo [ a .

.. ......... ...... ........ Observe que ESR  ............ Resolução: h  ..... ... ... Resolução: 1 x 0 e dx  ............ 10 7.............  h  . e ETR  ... . Aproxime I com a regra dos trapézios com 8 repetições...... Estimativa do erro: ESR  .. . ....... ....... ......... i 0 1 2 3 4 5 6 7 8 xi f ( xi ) Lauro / Nunes ............... Seja I   log xdx ......... .... Seja I   e x dx ......... .. 1 6..  Para um erro inferior a 103 seriam necessários . .. subintervalos... Obs: na regra dos trapézios com repetição são necessários ........Cálculo Numérico Integração Numérica 6-8 1 5... Seja I   e x dx ............... . ....... Estime o erro cometido. ............... intervalos.... Calcule uma aproximação para I usando a regra 1/3 de Simpson com 0 m 10....... ...... ................ . ..... Estime o 6 erro cometido... . .......... ........ ............... .................... Para que valor de m teríamos erro inferior a 103? 0 Resolução: m  ....... ............

...... Estimativa do erro:  ETR  ........... m  ............. . ... ...... ........... ............. i 0 1 2 3 4 5 6 7 8 xi f ( xi ) 10 6 log xdx  ..... ........... ... Estime 6 o erro cometido........ Estimativa do erro:  E SR  .  h  .... ....................................... ... . .............. ... . . 10 8.... .. .... ......... .... Aproxime I com a regra de Simpson com 8 subintervalos.... .. Lauro / Nunes .. .. ........ Seja I   log xdx .. ................. ....... ................ Resolução: h  ..... ....Cálculo Numérico Integração Numérica 6-9 10 6 log xdx  .................. e n  ............... ......... ....

 x 2  y 2 . Lauro / Nunes ... Resolução: y  .Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-1 7 Solução numérica de equações diferenciais ordinárias 7. então temos um problema de valor inicial (PVI)... x 2 y 2 A ordem de uma equação diferencial é a mais alta ordem de derivação que aparece na equação. então ela é uma equação diferencial ordinária. .. em problemas envolvendo equações diferenciais ordinárias de ordem n .. Para a mesma EDO anterior.1 Introdução Se uma equação diferencial tem apenas uma variável independente.... são especificadas em um mesmo ponto.. n 2..  EXEMPLO:  2u  2u  0. ....  EXEMPLOS: dy  x  y .. (1 y 2 ) y . dx Se uma equação diferencial envolve mais que uma variável independente..  y 0. Resolver a seguinte EDO:  xy .. dada uma equação diferencial de ordem n ... dx Resolução:  y  . 2. assim como suas derivadas até ordem n 1... y ).. Que representa uma família de curvas em 2. .... Se. dy 1.. as n condições fornecidas não são dadas todas num mesmo ponto.. Se.... y .  xy . então ela é equação diferencial parcial. com u  u ( x . . y ... para k . y ...... com x0 0 e y0 1. a função. então temos um problema de valor de contorno (PVC). resolva considerando uma condição inicial y ( x0 ) y0 .

.2. y . Se tais condições se referem a um único valor x . xm } é denominado REDE ou MALHA de [ a ... (l ) dx Associadas a Eq 01.1 Solução numérica de um PVI de primeira ordem ba Toma-se m subintervalos de [ a . tem-se um PROBLEMA DE VALOR INICIAL – PVI... m . y . 7.2.2.  y j  valor aproximado.2 Método de Euler Seja o PVI de primeira ordem definido por:   y  f ( x. l =1.2 Problema de valor inicial (PVI) Uma equação diferencial de ordem n se apresenta da seguinte forma: y (n )  f ( x . tem-se um problema de valores de contorno. y ( n 1) ) (01) onde dl y y  l . y ) . Lauro / Nunes . y (4 ) .  (02)   y( x0 )  y0  . podem existir condições cujo número coincide com a ordem da EDO. I h { x0 . ( m 1). y (xm ) Solução Exata ym y (x3) y (x2) Solução y (x1) y3 Numérica y (x0) y (x0) = y0 y2 y0 y1 x0 x1 x2 x3 xm-1 xm  NOTAÇÃO: y ( x j ) y j significa que y j é aproximação para y ( x j ). x j  I h . y .1. b ]. x j [ a . e faz-se x j  x0  j h onde h  . sendo  um número dado. m . 7.  NO GRÁFICO: y ( x j )  valor exato. b ] e y :[ a .. m j 0. b ].2. y (3) .Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-2 7.. A solução numérica ym ( x ) é a função linear por partes. x1 . n . j 1. x [ a . b ]. . b ]. Caso contrário.2.

1. com j 1.. ( x0 ) (03) Fazendo x  x1 e lembrando que y ( x0 ) y0 . Achar aproximações para a solução do PVI  na malha de [0. y j )   .1 Usar 0 para j 0. tem-se: y1  y0  h  f ( x0 . y .9. m 1 (06) ( B ) y j 1  y j  h  f ( x j ..  x  y  2 3. com j 0. ( x0 ) f ( x0 . procura-se inicialmente y1 .2.1.1. y0 2.2. com j 0. y ( x0 )) e y1  y ( x1 ).Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-3 Para se aproximar y j para as soluções exatas y ( x j ). cuja equação é: y ( x ) y ( x0 )( x  x0 ) y . m .. T y1 e1 y (x1) y (x ) y (x0) = y0 x0 x1 Traça-se a tangente T à curva y ( x ) no ponto ( x0 .1] com  y ( 0 )  2 h 0. b 1.2. y ( x0 )) (04) Erro cometido e1  y1  y ( x1 ).1.2. a 0. Resolução: 1 0 x0 0. 0.  j 0: Lauro / Nunes . x1  x0  h . y ( x0 )).. m 1 (05)  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: ( A) y0  y( a )    . Aproximação e erro de yj de forma geral  y j 1  y j  h  f ( x j . y j )  y. m   m 10.

07032 5 2. não se dispõe da solução exata y ( x j ) do PVI. y ( x ) y ( x0 ) y ( x0 ) y ( x0 ) y ( x0 ) (07) 1! 2! 3! Fazendo x  x1 e lembrando que y ( x0 ) y0 . Daí a necessidade de se determinar uma expressão matemática para o erro.. Na prática.. que é: y ().. Usa-se a fórmula de Taylor para desenvolver y ( x ). x1  x0  h .ELT O erro no método de Euler quando se calcula y1 é obtido a partir do resto da fórmula ( x  x0 )2 ..196585 8 2. tem-se equação (05).. Generalizando-se.30657 10 2.148812 7 2. ej  y ().004837 2 2.367879 Na pratica. h 2 . y ( x0 )) e y1  y ( x1 ).Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-4  j 1:  TABELA: j xj yj y ( xj ) y j  y ( x j ) e j 0 0 2 2 1 2.040818 4 2. ( x0 ) f ( x0 . tem-se: h 2 . ( x  x0 )3 . x0  x1 . y0 ). solução teórica do PVI.249329 9 2. toma-se os dois primeiros termos da equação (07): y1  y0  h  f ( x0 . y . Lauro / Nunes . procura-se estabelecer COTAS ou ESTIMATIVAS para que se possa conduzir o cálculo do erro com segurança. x j 1  x j . (08) 2! que é o ERRO LOCAL DE TRUNCAMENTO – ELT. de Taylor. em torno de x0 : x  x0 . Erro local de truncamento . para h  x1  x0 . ou e1  y ().106531 6 2.018731 3 2. 2! 2! Numa etapa j dos cálculos. ( x  x0 )2 . .

y j ).3 Métodos de Runge-Kutta Métodos de passo simples Um método para resolver o PVI é de passo simples se a aproximação y j 1 depende apenas do resultado y j da etapa anterior. (11) 3! OBS. y j ) x y Lauro / Nunes . Forma geral para métodos de passo simples: y j 1  y j  h ( x j . y j . ( x j )? Regra da cadeia de f em relação a x j : f f x f y (x j . y j ) x x  x y  x   y . y j . m 1. para j 0..2. y j ) ( x j . y j ) ( x j .1.. 20: Em (10). y j ) f ( x j ... Ao fazer o mesmo desenvolvimento até o termo em h 2 . h ).2.2. ( x j ) ( x j . Métodos com Derivadas O método de Euler possui ordem um pois. y . ( x j ) y ( x j ). Diz-se que ELT é da ordem de h 2 e se escreve ( h 2 ). y j ). h 2 . constante. y j ) (x j . e j 1  y (). h ) f ( x j . ( x j ) f ( x j . foi obtido da fórmula de Taylor com desenvolvimento até o termo em h .. (10) 2! ELT – Erro local de truncamento h3 . para j 0.. OBS. 19: Para o método de Euler. obtém-se o método de passo simples e ordem dois..1. y j 1  y j  h y . ( x j ) 1  f (x j . y .. 7. x j  x j 1 . y j ) (x j . (09) Onde  é a função incremento e h o comprimento do passo.. e h suficientemente pequeno para ser tomado como parâmetro do ELT.Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-5 Toma-se k  y . a função incremento é ( x j . Um caso especial de Runge-Kutta.y j ) f f y . m 1. y j )  ( x j . ().

30657 10 2.196585 8 2.  x  y  2 4. m   m 10.Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-6  y.106531 6 2. y0 2.249329 9 2.1  y ( 0 )  2 usando o método da equação (10).148812 7 2.. Achar aproximações para a solução do PVI  na malha [0. a 0. 0.018731 3 2.07032 5 2. Resolução: 1 0 x0 0.  j 0:  j 1:  TABELA: j xj yj y ( xj ) y j  y ( x j ) e j 0 0 2 2 1 2.1. b 1.004837 2 2.9.040818 4 2.367879 Lauro / Nunes .1] com h =0.1 Usar equação (10) para j 0.

m 1 (13) 6 onde k1  f ( x j .1..4 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda Ordem) Retomando a equação (09): y j 1  y j  h ( x j .. para j 0.5 Fórmulas de Runge-Kutta de Quarta Ordem Estas fórmulas são normalmente as mais utilizadas.2. Resolução: y ( x j ) e x / 2 | y j  y ( x j )| 2 j xj yj k1 k2 0 0 1 1 2 7.1. y j ) e k2  f ( x j  h . 1 Fazendo-se ( x j . m 1. Erro local de truncamento: ETL h 5 (5) ej  y (). h h k2  f ( x j  . Achar aproximações para a solução do PVI  dx na malha [0. y j  h k3 )..  dy    xy 5.Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-7 7. x j 1  x j (14) 5! Lauro / Nunes .2.1.5  y(0)  1 usando o método de Euler Aprimorado. tem-se: 2 h y j 1  y j  ( k1  k2 ).2. h ) ( k1  k2 ) e substituindo na equação. y j . para j 0. y j . y j ).1] com h =0. h y j 1  y j  ( k1 2 k2 2 k3  k4 ). y j  k1 ). 2 2 h h k3  f ( x j  . y j  h k1 ).2. y j  k 2 ) e 2 2 k4  f ( x j  h . m 1 (12) 2 onde k1  f ( x j . h ).2. para j 0.

.. h Resolução: y j 1  y j  ( k1 2 k2 2 k3  k4 )... .........1] com h =0............... k2  ................... ... 1 0 Resolução: x0 0.. Calcular a solução do PVI  dx com h =0.1.......... ..... . ... ... ......  x  y  2 7...... ................9.. ............. ............. no interior do intervalo [0. ..... e k2  .............. ..... ................. ....... 6 k1  ......... ...... .. j xj yj k1 k2 k3 k4 0 0 1 1 2 3 4 5 6 7 8 9 10  y.... ... ......... . ... .......... ......... j xj yj k1 k2 0 0 2 1 2 3 4 5 6 7 8 9 10 Lauro / Nunes .......9.......1 0..... 2 k1  .. ...... ... . ... .. k3  . .................1  y ( 0)  2 usando o método de Runge-Kutta de segunda ordem (Euler aprimorado)....... .............1............... a 0... ....2..................... .1 y j 1  y j  ( k1  k2 ).... ...... ...... b 1. .... para j 0............ .... .2. m   m 10... .... ......1]........ para j 0........ ......... ..... ... . ...... ................Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-8  dy    xy 6.... ..............1..... y0 2.. Achar aproximação para a solução do PVI  na malha [0........ ........... ...... ............ k4  ................. pelo  y(0)  1 método de Runge-Kutta de quarta ordem.............. 0.........

T. L. 2003. MENDES. São Paulo: USP. Rio de Janeiro: LTC . 5 BURDEN. P.. 1981. JUDD. e LOPES. São Paulo: Nobel. 1987. R. Lauro / Nunes . FAIRES. D. M. São Paulo: Thomson/Pioneira. V. São Paulo: Makron Books. 2008. 4 BARROSO. M. R. C. 2 JACQUES. 8 SPERANDIO. 1997. 7 RUGGIERO.Livros Técnicos e Científicos: UNIVERSIDADE DE SÃO PAULO – USP. L.Cálculo Numérico Referências Bibliográficas 8-1 8 Referências Bibliográficas 1 ALBRECHT.. G. London: Chapman and Hall. Cálculo numérico (com aplicações). D. Curso de cálculo numérico. L... SILVA. R. 1987. Análise numérica: um curso moderno. I. H. B. Numerical analysis. V. São Paulo: Harbra Editora Ltda. 1973. A. São Paulo: Prentice Hall. 1982. C.. Cálculo numérico: aspéctos teóricos e computacionais. Análise Numérica. Cálculo numérico. L. J. e. 6 MIRSHAWKA. V. Cálculo numérico: características matemáticas e computacionais dos dos métodos numéricos. 3 SANTOS.