Professional Documents
Culture Documents
Belém
2012
Sumário
2 Zeros de Funções 18
2.1 Isolamento das raı́zes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Refinamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Métodos Iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1 Método da Bissecção . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.2 Método Iterativo Linear (MIL) ou Método do Ponto Fixo (MPF) . 24
2.3.3 Método de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . 29
2.3.4 Considerações sobre os métodos . . . . . . . . . . . . . . . . . . . . 31
3 Interpolação Polinomial 33
3.1 Forma Linear de Vandermonde . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Polinômio Interpolador de Lagrange . . . . . . . . . . . . . . . . . . . . . . 35
3.3 Polinômio Interpolador de Newton . . . . . . . . . . . . . . . . . . . . . . 36
3.3.1 Diferenças Divididas . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.2 Fórmula do Polinômio Interpolador de Newton . . . . . . . . . . . . 37
4 Integração Numérica 40
4.1 Quadratura por Interpolação . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2 Quadratura pelas Fórmulas de Newton-Cotes . . . . . . . . . . . . . . . . 43
1
Sumário Sumário
1.1 Introdução
A solução numérica de problemas de natureza fı́sica, quı́mica, biológica, as-
tronômica entre outras, nem sempre correspondem a valores que as vezes estão distantes
dos esperados ou mesmo que não possuem relação alguma com o problema original. Mesmo
que apliquemos métodos adequados na resolução destes problemas e fizermos os cálculos to-
dos corretos, o erro ainda faz parte deste processo e, em muitos casos, não pode ser evitado.
Com frequência estes problemas reais não podem ser convenientemente soluciona-
dos através de fórmulas exatas. Assim se for possı́vel aceitar um a solução aproximada os
métodos numéricos serão as ferramentas adequadas para sua solução. Os métodos apro-
ximados buscam chegar o mais perto possı́vel do que seria o valor exato, dessa forma é
inerente a eles trabalhar com aproximações, erros e desvios.
3
Capı́tulo 1. Sistema Numérico e Erros 1.2. Representação dos Números
Com efeito, temos que Acirc = πr2 . Como d = 100m então r = 50m. Logo
Acirc = π502
7853, 00m2
7853, 99m2
7853, 981m2
7853, 981634m2
Exemplo 1.2. Uma bola cai de cima de um prédio e sua velocidade em cada instante é
descrita pela equação horária:
1
s = s0 + v0 t + at2
2
onde s0 é a altura do prédio, v0 é a velocidade inicial e a, neste caso, representa a gravidade.
ai β i + ai−1 β i−1 + · · · + a1 β 1 + a0 β 0
A partir desta representação podemos converter números binários para decimais
de maneira simples, vejamos:
(110111)2 = 1 · 25 + 1 · 24 + 0 · 23 + 1 · 22 + 1 · 21 + 1 · 20 = 32 + 16 + 0 + 4 + 2 + 1 = 55
Exemplo 1.3. Converter os números abaixo para o sistema decimal:
1. (10111)2 =
2. (110110)2 =
3. (101010101010111)2 =
Como converter um número decimal para um binário?
1. (237)10 =
2. (5)10 =
3. (245)10 =
Exemplo 1.5.
1
rβ = = 0, 125 = 1 · 10−1 + 2 · 10−2 + 5 · 10−3
8
possui representação decimal finita enquanto
1
rβ = = 0, 1111 · · · = 1 · 10−1 + 1 · 10−2 + 1 · 10−3 + . . .
9
não possui representação decimal finita.
∀ci = 0 ou 1 e i ∈ Z∗+ .
0, 75 · 2 = 1, 5
logo a primeira casa fracionária é 1. Agora fiquemos apenas com a parte fracionária do
número decimal obtido na multiplicação, ou seja, 0, 5. Novamente multiplicamos a nova
fração por 2,
0, 5 · 2 = 1, 0
assim o segundo dı́gito também é 1. Como não temos mais parte fracionária decimal, então
o número binário encontrado é
(0, 11)2
Em geral temos que converter a parte inteira e a parte fracionária do número. No
caso acima, como zero faz parte dos dois sistemas não há necessidade de convertê-lo. No
entanto se tivermos a parte inteira maior que zero precisamos converter.
1. (8, 375)10 =
2. (3, 8)10 =
n
X
x=± di · β i = dk β k + dk−1 β k−1 + · · · + d1 β 1 + d0 β 0 + d−1 β −1 + · · · + dn β n
i=k
2. Ponto Flutuante Bem mais flexı́vel que a representação em ponto fixo e universal-
mente utilizada atualmente. Assim dado um x 6= 0 e uma base β qualquer temos
x = ±d · β e
ou ainda
d1 d2 dt
x= 1
+ 2 + ··· + t × βe
β β β
n
X
d=± di · β −i
i=k
Seja o número N de uma base β, diz-se que N está normalizado quando apresenta
a seguinte forma:
±0, d1 d2 d3 . . . dk · β e
com d1 6= 0.
x → d1 d2 . . . dt | 0 0 . . . 0
y → l1 l2 . . . lt | 0 0 . . . 0
Para determinar a = x + y
y 0 → 0| 0 {z
. . . 0} | l1 l2 . . . | . . . lt 0 . . . 0
g vezes
.
a → b0 .. b1 b2 . . . bt | bt+1
.
a → 0 .. b1 b2 . . . bt | bt+1
.
a → 0 | b1 b2 . . . bt .. bt+1
a = x + y = 0, b1 b2 . . . bt · β g
Exemplo 1.9. Sejam x = 0, 1547 · 105 e y = 0, 2748 · 10−1 dois números em decimal com
precisão t = 4. Vemos que g = e − f = 5 − (−1) = 6. Então, a = x + y = x = 0, 1547 · 105 .
Na notação de registros temos
x → 1 5 4 7 | 0 ... 0
y → 2 7 4 8 | 0 ... 0
y0 → 0 0 0 0 | 0 0 2 7 4 8
a=x+y =x
Exemplo 1.10. Sejam x = 0, 9876 · 101 e 0, 8732 · 101 . Assim, a = x + y = 1, 8608 · 101 =
0, 18608 · 102 = 0, 1860 · 102 .
Exemplo 1.11. Sejam x = 0, 1012 · 101 e y = −0, 9876 · 10−1 . Temos que a = x + y =
0, 1012 · 101 − 0, 009876 · 101 = 0, 091324 · 101 = 0, 91324 · 100 = 0, 9132 · 100 .
Multiplicação
Sejam dois números x, y em ponto flutuante e seja p = x · y seu produto. Reali-
zamos à multiplicação pelos seguintes passos:
x → d1 d2 . . . dt | 0 0 . . . 0
y → l1 l2 . . . lt | 0 0 . . . 0
p → b1 b2 . . . bt | bt+1 . . .
p → b1 b2 . . . b t | 0 . . . 0
E logo teremos
p = 0, b1 b2 . . . bt · β g
Exemplo 1.12. Sejam os números x = 0, 1432 · 101 e y = 0, 4330 · 102 . O produto é dado
por p = x · y = 0, 0620056 · 103 = 0, 620056 · 102 = 0, 6200 · 102 .
Divisão
A operação de divisão de dois números em ponto flutuante realiza-se por meio das
x
seguinte etapas. Dados x, y determinemos seu quociente q = :
y
1. Dispomos os números em seus registros:
x → d1 d2 . . . dt | 0 0 . . . 0
y → l1 l2 . . . lt | 0 0 . . . 0
q → b0 | b1 b2 . . . bt | bt+1 . . . 0
x
q= = 0, b1 b2 . . . bt · β g
y
Exemplo 1.13. Sejam os números x = 0, 5649 · 101 e y = 0, 1357 · 102 . Então, a divisão
é dada por:
x
q= = 4, 162859·−1 = 0, 4162859 · 100 = 0, 4162 · 100
y
Nota: Em sistemas de ponto flutuante, as propriedades de adição, subtração, multiplicação
e divisão não obedecem necessariamente às mesmas regras da aritmética sobre o conjunto
dos números reais. Se for ultrapassado o limite permitido para o expoente na repre-
sentação de um número teremos um underf low para números muito pequenos e overf low
para números muito grandes. Em alguns sistemas, a execução do programa é imediata-
mente suspensa caso seja detectado um underf low ou um overf low enquanto outros dão
mensagens de alerta.
0, a1 a2 ... at
+ 0, 0 0 ... 0 ... at+1 ... an
0, a1 a2 ... at at+1 ... an
fazendo
±(0, a1 a2 . . . at ) = fx
e
[±(0, at+1 at+2 . . . an )] = gx
temos que
x = fx · 10e + gx · 10e−t
com 0, 1 ≤ |fx | < 1 e 0 ≤ |gx | < 1.
1.4 Erros
Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos
tem valor se não tivermos conhecimento e controle sobre os possı́veis erros envolvidos no
processo. A análise dos resultados obtidos através de um método numérico representa uma
etapa fundamental no processo das soluções numéricas.
Definição 1.3. Dizemos que x é uma aproximação por falta de x se x < x e que, x é dito
uma aproximação por excesso de x se x > x.
√ √
Exemplo 1.15. Como 1, 41 < 2 < √ 1, 42 temos que 1, 41 é uma aproximação de 2 por
falta e 1, 42 é uma aproximação de 2 por excesso.
ex = x − x
Na prática, o valor exato é quase sempre não conhecido. Como o erro é definido
por ex := x − x consequentemente também não será conhecido. Uma solução para este
problema é ao invés de determinar o erro determinemos uma cota para este erro. Isso per-
mitirá que, mesmo não sendo conhecido o erro, saberemos que ele está entre dois valores
conhecidos.
Dizemos que um número > 0 é uma cota para o erro ex se |ex | < . Assim
Exemplo 1.16. Na escritura de um terreno o mesmo mede 20m × 45m, em uma nova
medição, um engenheiro obteve 20m×40m. Qual o erro absoluto cometido na nova medição
no cálculo da área do terreno?
|x − x|
Ex =
x
Exemplo 1.17. Considere x = 100, x = 100, 1, y = 0, 0006 e y = 0, 0004. Como ex = 0, 1
e ey = 0, 0002 poderı́amos concluir que a aproximação y de y é melhor do que x de x.
Porém, ao calcularmos o erro relativo temos
|100 − 100, 1|
Ex = = 0, 000999
100, 1
e
|0, 0006 − 0, 0004|
Ey = = 0, 5
0, 0004
Logo podemos concluir que a aproximação x é melhor do que y.
ex = x − x = gx · 10e−t
Solução:
Observe que x = 234, 72621 não está na forma normalizada então vamos por nesta forma,
assim
x = 0, 23472621 · 103 = (0, 2347 + 0, 00002621) · 103
Temos como aproximação de x o valor x = 0, 2347 · 103 . O erro cometido, neste caso, é
dado por ex = 0, 23472621 · 103 − 0, 2347 · 103 = 0, 00002621 · 103 = 0, 02621.
Quando consideramos a aproximação de x para x definida por
fx · 10e se 0 < gx < 0, 5
x=
fx · 10e + 10e−t se 0, 5 ≤ gx < 1
então o erro cometido é denominadoo erro de arredondamento simétrico e é dado por
gx · 10e se 0 < gx < 0, 5
ex =
(gx − 1) · 10 + 10e−t se 0, 5 ≤ gx < 1
e
• Se o valor do algarismo que fica na (t + 1)-ésima casa decimal for < 5, arredondamos
o número desprezando todos os algarismos após a t-ésima casa decimal.
• Se ≥ 5, somamos 1 ao algarismo na t-ésima casa decimal e desprezamos os algarismos
restantes.
Exemplo 1.19. Sejam x = 0, 236721 e y = 0, 4513486. Se quisermos arredondar
para três casas decimais temos que
x = 0, 237 e y = 0, 451
1
relativo cometido a cada operação efetuada, ou seja, |Ex | < · 101−t .
2
Definição 1.5. Dizemos que uma aproximação x de um número exato x tem r casas
decimais exatas se
|x − x| ≤ 0, 5 · 10−r
Exemplo 1.20. Seja x = 1393 com 4 casas decimais exatas. O que podemos afirmar
sobre o valor exato de x?
Solução:
ex x
e( xy ) = − .ey e E( xy ) = Ex − Ey
y (y)2
Nota: Nas fórmulas de propagação de erros acima não colocamos o erro relativo ao
arredondamento no qual denotamos por ri com i = 1, 2, 3, . . . .
Nota: Na maioria dos sistemas, o resultado exato de uma operação é normalizado
e em seguida arredondado ou truncado para t dı́gitos, obtendo assim um resultado
aproximado aproximado que é armazenado na memória da máquina. Assim, mesmo
que as parcelas ou fatores de uma operação estejam representados exatamente no
sistema, não se pode esperar que o resultado armazenado seja exato.
Solução:
x y
Es = Ex + Ey + r1 = 0 + r1
x+y x+y
pois x, y são exatos e logo EX = EY = 0, assim
1
|Es | = |r1 | < 101−t
2
Em = Es .Ez + r2 = Es + 0 + r2 = r1 + r2
então
1 1
|Em | ≤ |r1 | + |r2 | < .101−t + .101−t = 101−t
2 2
Calculemos agora u = m − t, então
Em − Et m
Eu = = Em + r3
m−t m−t
logo
m 1−t
m 1 1−t
|Eu | ≤ |Em | + r3 < 10
m − t + 2 .10
m − t
Finalmente
m 1
|Eu | <
+ .101−t
m − t 2
Exercı́cio
Zeros de Funções
Definição 2.1. Dada uma função f (x), dizemos que α é uma raı́z, ou zero de f , se e
somente se f (α) = 0.
Graficamente, os zeros de uma função f correspondem aos pontos de x que a
função intercepta no eixo das abscissas, como mostra a figura
Para algumas funções há métodos algébricos para encontrar suas raı́zes, como por
exemplo, a função quadrática. Porém há outros tipos de funções muito mais complexas,
e que fica praticamente impossı́vel encontrar os zeros exatamente. Por isso, temos que
nos contentar em achar aproximações para esses zeros e, para tal, utilizamos os métodos
numéricos para encontrá-las.
18
Capı́tulo 2. Zeros de Funções 2.1. Isolamento das raı́zes
A raı́z α será definida e única se f 0 (x) existir e preservar o sinal dentro do intervalo
(a, b), ou seja, se f 0 (x) > 0 ou f 0 (x) < 0 para a < x < b.
x −∞ −100 −10 −5 −3 −1 0 1 2 3 4 5
f (x) − − − − + + + − − + + +
x 0 1 2 3
f (x) − − + +
Temos então que f admite pelo menos uma raı́z no intervalo I = [1, 2]. Para sabermos
se este zero é único bastanos analisar o sinal de f 0 (x):
1
f 0 (x) = √ + 5.e−x > 0
2. x
Logo f (x) admite um único zero no intervalo (1, 2).
Observação: Se f (a).f (b) > 0 não podemos afirmar nada sobre f .
Solução:
Solução:
Solução:
f (0) = 1 − 2 < 0; f (1) = (e − 1) > 0 ⇒ ∃x1 tal que x1 ∈ (0, 1). Temos que f 0 (x) =
ex + 2x > 0, ∀ x ∈ (0, 1). Logo x1 é o único zero.
2.2 Refinamento
Veremos agora alguns métodos numéricos de refinamento de raı́z nos quais per-
tencem à classe de métodos iterativos.
Existem duas interpretações para raı́z aproximada que nem sempre levam ao
mesmo resultado, α é raı́z aproximada com precisão se:
1. |α − α| <
2. |f (α)| <
Podemos reduzir o intervalo que contém a raı́z a cada iteração. Ou seja, consegui-
mos um intervalo [a, b] tal que
e assim sucessivamente até que na sequência xk seja satisfeito o critério de parada bk −ak <
.
Este critério garante que se tomarmos α ∈ [ak , bk ] teremos a garantia que o erro é
menor que , isto é,
bk−1 − ak−1 b 0 − a0
|α − α| ≤ bk − ak = = <
2 2
Exemplo 2.5. A função f (x) = x.logx − 1 tem zero em (2, 3). Utilizando o método da
bissecção temos:
f (2) = −0, 3979 < 0 α ∈ (2, 5; 3)
2+3
x0 = = 2, 5 ⇒ f (3) = 0, 4314 > 0 ⇒ a1 = x0 = 2, 5
2
f (2, 5) = −5, 15.10−3 < 0 b1 = b0 = 3
2, 5 + 3 f (2, 5) < 0 α ∈ (2, 5; 2, 75)
x1 = = 2, 75 ⇒ f (3) > 0 ⇒ a2 = a1 = 2, 5
2
f (2, 75) = 0, 2082 < 0 b2 = x1 = 2, 75
..
.
A tabela abaixo mostra os valores obtidos após k = 7 iterações.
log(b0 − a0 ) − log()
k>
log(2)
onde a0 , b0 são os valores iniciais e é a precisão dada.
Exemplo 2.6. Seja a função f (x) = x. log(x) − 1 onde o zero de f está no intervalo (2, 3)
com precisão = 10−2 . Temos que
Seja f (x) contı́nua em [a, b], onde existe uma raı́z da equação f (x) = 0. A es-
tratégia do método é escrever a função f de tal forma que f (x) = x − φ(x). Se f (x) = 0
então
x − φ(x) = 0 ⇒ x = φ(x)
xk+1 = φ(xk ), n = 1, 2, 3, 4, . . .
A função φ é dita de função de iteração na qual não está determinada de uma
forma única, ou seja, existem indefinidas funções de iterações dada uma f qualquer.
Exemplo 2.7. Para x2 + x − 6 = 0 temos
1. a) φ1 (x) = 6 − x2
6
2. b) φ2 (x) =
x+1
6
3. c) φ3 (x) = −1
x
√
4. d) φ4 (x) = ± 6 − x
Teorema 2.2. Seja x uma raı́z da função f isolada no intervalo [a, b]. Seja φ uma função
de iteração da função f que satisfaz
1. φ e φ0 são contı́nuas no intervalo [a, b],
2. |φ0 (x)| ≤ M < 1, ∀ x ∈ [a, b]
3. x0 ∈ [a, b]
Então a sequência {xk } gerada pelo processo iterativo xk+1 = xk converge para α.
Graficamente, uma raı́z para a equação x = φ(x) é a abscissa do ponto de in-
tersecção da reta y = x e da função y = φ(x), ou seja, (usando os dados do exemplo
anterior)
Seja o intervalo [a, b], o extremo mais rápido para iniciar o método é aquele cujo
o módulo da primeira derivada é menor. Isto é
Nota: A dificuldade deste método está em encontrar a função de iteração mais adequada
que satisfaça a condição de convergência. O teste de |φ0 (x)| < 1 pode levar a um engano
se x0 não estiver suficientemente próximo da raı́z. Quanto menor for |φ0 (x)|, maior será
a convergência. Devemos observar ainda que, não necessariamente, |xk − xk−1 | ≤ erro ⇒
|xk = α| ≤ erro, por exemplo
Exemplo 2.8. Dada a função f (x) = x2 + 3x − 40, obter sua raı́z contida no intervalo
[4, 5; 5, 5] pelo método de iteração linear, sendo ≤ 10−4 e considerando 5 casas decimais
para os cálculos.
Solução:
Temos que
x2 − 40 −2x
y= ⇒ y0 =
−3 3
40 −40
y= ⇒ y0 =
x+3 (x + 3)2
√ −3
y= 40 − 3x ⇒ y 0 = √
2 40 − 3x
√ −3
Então a melhor φ(x) que podemos usar é φ(x) = 40 − 3x ⇒ y 0 = √ . Calculando
2 40 − 3x
x0 temos
−3
|φ0 (4, 5)| = | p | = | − 0, 2914| = 0, 2914
2 40 − 3.(4, 5)
−3
φ0 (5, 5) = | p | = | − 0, 3094| = 0, 3094
2 40 − 3.(5, 5)
e portanto x0 = 4, 5. Logo
p
x1 = φ(x0 ) = 40 − 3.(4, 5) = 5, 14782
p
x2 = φ(x1 ) = 40 − 3.(5, 14782) = 4, 95546
p
x3 = φ(x2 ) = 40 − 3.(4, 95546) = 5, 01334
x4 = φ(x3 ) = 4, 99600
x5 = φ(x4 ) = 5, 00120
x6 = φ(x5 ) = 4, 99964
x7 = φ(x6 ) = 5, 00011
x8 = φ(x7 ) = 4, 99997
x9 = φ(x8 ) = 5, 00001
x10 = φ(x9 ) = 5, 00000
e como |x10 − x9 | = 0, 00001 < 10−4 , logo α = 5.
Exemplo 2.9. Considere a função f (x) = e−x , onde existe uma raı́z α ∈ [0, 5; 0, 75]. Seja
= 0, 006 (ou seja, o erro é menor que ), encontre α condiderando 4 casas decimais.
Solução:
e
|φ0 (0, 75)| = 0, 4724
Assim x0 = 0, 75. Então
x1 = φ(x0 ) = 0, 4724
x2 = φ(x1 ) = 0, 6298
x3 = φ(x2 ) = 0, 5327
x4 = φ(x3 ) = 0, 5870
x5 = φ(x4 ) = 0, 5560
x6 = φ(x5 ) = 0, 5735
x7 = φ(x6 ) = 0, 5635
x8 = φ(x7 ) = 0, 5692
x9 = φ(x8 ) = 0, 5660
x10 = φ(x9 ) = 0, 5678
Como |x10 − x9 | = 0, 0018 < Logo α = 0, 5678
f (x)
φ(x) = x −
f 0 (x)
com ela podemos montar o processo iterativo de Método de Newton-Raphson, onde, dado
x0 temos
f (xk )
xk+1 = xk −
f 0 (xk )
Graficamente temos
Teorema 2.3. Sejam f, f 0 e f 00 , funções contı́nuas num intervalo [a, b], onde existe uma
raı́z α. Supondo que f 0 (α) 6= 0. Então existe um intervalo [a, b] ⊂ [a, b], contendo α tal
que se x0 ∈ [a, b], a sequência gerada pelo processo iterativo de Newton-Raphson converge
para α.
Temos como critério de parada o erro absoluto o que nada impede de ser também
o relativo. No entanto usaremos |xK+1 − xk | ≤ erro. A restrição do método está na
necessidade de conhecer um intervalo que contenha α, o que nem sempre é possı́vel. Para
decidir qual o melhor extremo do intervalo (a, b) para iniciar o método, basta verificar qual
dos extremos possui função e segunda derivada com o mesmo sinal, ou seja, f (xi ).f 00 (xi ) >
0, para i = extremos do intervalo.
Exemplo 2.10. Calcular a raı́z positiva da equação f (x) = 2x − sen(x) − 4 = 0, com
≤ 10−3 , usando o método de Newton-Raphson no inutervalo [2, 3] e considerando 4 casas
decimais.
Solução:
Temos que
f (x) = 2x − sen(x) − 4
f 0 (x) = 2 − cos(x)
f 00 (x) = sen(x)
Temos ainda que se x = 2, f (2) = −0, 9093 e que se x = 3, f (3) = 1, 8589. Como
f (2).f (3) < 0 logo α ∈ [2, 3].
Calculando x0 temos
f 00 (2) = −0, 9093
e
f 00 (3) = 0, 1411
e portanto x0 = 3. Assim
1, 8589
x1 = 3 − = 2, 3783
2, 9900
|x1 − x0 | = |2, 3783 − 3| = 0, 6217 > erro
0, 0002
x3 = 2, 3543 − = 2, 3542
2, 7058
|x3 − x2 | = 0, 0001 < erro
Logo α = 2, 3542
Observação: Vale ressaltar que os cálculos acima foram feitos regulando-se a calculadora
para radianos (Rad), pois trata-se das funções trigonométricas. No caso dos softwares
matemáticos (M aple, M atlab, M athematica) não é preciso configurar nada, isto é, os
resultados saem em radianos automaticamente.
Exercı́cio
1. Localize graficamente e dê intervalos de amplitude 0.5 que contenha as raı́zes das
equações
a) ln(x) + 2x = 0
b) ex − sen(x) = 0
c) ln(x) − 2x = −2
ex
d) 2cos(x) − =0
2
x2
e) 3 ln(x) −
2
x
f) (5 − x)e = 1
2. Utilize o Método da Bissecção e aproxime a menor raı́z em módulo com erro relativo
menor que 10−1 para as equações a) e b) do exercı́cio anterior.
3. Utilize o Método Iterativo Linear e aproxime a menor raı́z em módulo com erro
relativo menor que 10−2 para as equações c) e d) do exercı́cio anterior.
Interpolação Polinomial
33
Capı́tulo 3. Interpolação Polinomial 3.1. Forma Linear de Vandermonde
f (x) − f (x0 )
f 0 (x0 ) = lim
x − x0
x→x0
a
A diferença dividida de 1 ordem é definida como uma aproximação da primeira
derivada, ou seja,
f (x) − f (x0 )
f [x, x0 ] =
x − x0
fazendo x = x1
f (x1 ) − f (x0 )
f [x1 , x0 ] = = δy
x1 − x 0
Em geral temos
f (xk+1 ) − f (xk )
δyk = f [xk , xk+1 ] =
xk+1 − xk
ou
yk+1 − yk
δyk =
xk+1 − xk
A diferença de ordem zero é definida como δ 0 yk = f [xk ] = f (x) = yk , assim
δ 0 yk+1 − δ 0 yk
δyk =
xk+1 − xk
Genericamente
k xk yk
0 0, 3 3, 09
1 1, 5 17, 25
2 2, 1 25, 41
Então
y1 − y0 17, 25 − 3, 09
δy0 = [x0 , x1 ] = = = 11, 8
x1 − x0 1, 5 − 0, 3
y2 − y1 25, 41 − 17, 25
δy1 = [x1 , x2 ] = = = 13, 6
x2 − x1 2, 1 − 1, 5
δy1 − δy0 13, 6 − 11, 8
δ 2 y0 = [x0 , x1 , x2 ] = = =1
x2 − x0 2, 1 − 0, 3
Pondo os valores em uma tabela temos
k xk yk δyk δ 2 yk
0 0, 3 3, 09 11, 8 1
1 1, 5 17, 25 13, 6
2 2, 1 25, 41
Exemplo 3.4. Determine o valor aproximado de f (0, 4) usando todos os pontos tabelados:
k xk yk
0 0, 0 1, 008
1 0, 2 1, 064
2 0, 3 1, 125
3 0, 5 1, 343
4 0, 6 1, 512
Exercı́cio
Integração Numérica
Seja f uma função contı́nua no intervalo [a, b] da qual se conhece uma primitiva
F . Então o valor da integral definida de f pode ser calculado usando a fórmula de Newton-
Leibnitz
Z b
f (x)dx = F (b) − F (a)
a
Em muitos casos a determinação de uma primitiva de f é muito ou às vezes até
impossı́vel de se obter. Além disso, em muitos problemas práticos, quase sempre se conhece
apenas uma tabela da função f e, para estes casos, a ideia de primitiva carece de signifi-
cado. Em situações como esta, os métodos de integração numérica são as ferramentas mais
adequadas para determinar aproximações para os valores das integrais definidas.
40
Capı́tulo 4. Integração Numérica 4.1. Quadratura por Interpolação
onde a segunda igualdade se deve ao fato de f (x) ser uma constante. A expressão anterior
pode ser reescrita como
Z b k
X
p(x)dx = Ci .f (xi )
a i=0
Z b k
X
f (x)dx ≈ Ci .f (xi )
a i=0
Solução:
(x − 0)(x − 12 ) x.(x − 12 )
L0 (x0 ) = = = 2x2 − x
(− 21 − 0)(− 21 − 21 ) (− 12 ).(−1)
(x + 21 )(x − 12 )
L1 (x1 ) = = −4x2 + 1
(0 + 12 )(0 − 12 )
(x + 21 )(x − 0)
L2 (x2 ) = = 2x2 + x
( 12 + 12 )
Portanto
1 1
1 i 21
Z Z h2
2 2
C0 = L0 (x)dx = (2x2 − x)dx = x3 − x2 1
− 12 − 12 3 2 −2
h 2.( 1 )3
1( 21 )2 2.(− 12 )3 1(− 21 )2 i 1
2
C0 = − − − =
3 2 3 2 6
Z 1 Z 1 h 4 i 12
2 2
2 3 2
C1 = L1 (x)dx = (−4x + 1)dx = − x + x 1 =
− 21 − 12 3 −2 3
Z 1 Z 1
2 2
h2 1 i 21 1
C2 = L2 (x)dx = (2x2 + x)dx = x3 + x2 1 =
− 12 − 12 3 2 −2 6
Então
Z 1 2
2 1 2 1 2 2 1 2 1 1 1 1
−x2 2
X
e dx ≈ e−x Ci = e−(− 2 ) . + e−(0) . + e−( 2 ) . = .(e− 4 ) + 4e0 + e− 4 )
− 12 i=0
6 3 6 6
1 1
= .(e− 4 + 2e0 ) = 0, 926266...
3
Z b Z xk k
X
f (x)dx = f (x)dx ≈ A0 .f (x0 ) + A1 .f (x1 ) + · · · + Ak .f (xk ) = Ai .f (xi )
a x0 i=0
assim
h
IT = [f (x0 ) + f (x1 )]
2
ou simplesmente
h
IT = (y0 + y1 )
2
Geometricamente temos
hi
A área de cada trapézio é dada por IT i = (yi + yi+1 ). A soma dessas áreas será
Rb 2
uma aproximação para a f (x)dx. Analiticamente a integral de f (x) normalmente como
aprendido no Cálculo.
h3 00
E=− f (ϕ)
12
onde a ≤ ϕ ≤ b e |f 00 (ϕ)|max .
Exemplo 4.2. Calcular, pela regra dos trapézios e, depois, analiticamente, o valor de
Z 3,6
dx
I=
3 x
Observação:Use 5 casas decimais.
Solução:
2
onde f 00 (x) = . Assim
x3
h3 2
E=− .
12 ϕ3
2 2
Como 3 ≤ ϕ ≤ 3, 6 então |f 00 (ϕ)|max = 3 = 3 e assim
ϕ 3
(0, 6)3 2
E=− . = −1, 333.10−3
12 27
Logo
IT = 0, 18333 − 1, 333.10−3 = 0, 18200
Analiticamente temos
Z 3,6
1 3,6
dx = ln(x) = ln(3, 6) − ln(3) = 0, 18232
3 x 3
Solução:
h
T(h6 ) = (y0 + 2y1 + 2y2 + 2y3 + 2y4 + 2y5 + y6 )
2
0, 1
T(0,1) = (3, 6469) = 0, 182345
2
O erro é dado por
(b − a)3 00
E=− f (ϕ)
12k 2
Determine o erro do exemplo acima.
ou simplesmente
Z x2
h
f (x)dx ≈ (y0 + 4y1 + y2 )
x0 3
Geometricamente tem-se
(isto é condição necessária pois cada parábola utilizará três pontos consecutivos). Assim
teremos:
Z b
h
f (x)dx ≈ S(hk ) = (y0 + 4y1 + 2y2 + 4y3 + 2y4 · · · + 2yk−2 + 4yk−1 + yk )
a 3
R1
Exemplo 4.4. Calcular uma aproximação para 0 ex usando a regra de simpson e k = 10.
Solução:
1−0
Temos que o número de intervalos é 10 logo h = = 0, 1. Então montemos a tabela
10
de iterações
Assim
0, 1 0
S(h10 ) = (e + 4e0,1 + 2e0,2 + 4e0,3 + 4e0,4 + · · · + 4e0,9 ) = 1, 71829
3
Analiticamente
Z 1 1
e = e = e1 − e0 = 1, 71828
x x
0 0
R1
Exemplo 4.5. Calcular uma aproximação para 0
(x2 + 1)dx por Simpsom e depois, ana-
liticamente, sendo k = 2.
Solução:
1−0
Como o número de intervalos é 2 logo temos h = = 0, 5. Assim temos
2
0, 5 0, 5
S(0, 5) = (1 + 4(1, 25) + 2) = .(8) = 1, 33333...
3 3
Analiticamente fica como exercı́cio!
(b − a)5 (4)
E=− f (ϕ)
180k 4
com a ≤ ϕ ≤ b. Calcule!
Exercı́cio
3
1. Seja [0, 2] um intervalo e seja x0 = 0, x1 = 1 e x2 = . Determine a fórmula de
2
quadratura interpoladora da função f (x).
R1
2. Considere 0 (2x + 3)dx pela regra dos trapézios e, depois, analiticamente, com k = 1
e 4 casas decimais com arredondamento. Calcule o erro.
R2
3. Calcular 1 x ln(x)dx pela regra dos trapézios, considerando diversos valores para
k = 4 e, depois, analiticamente. Calcule o erro.
π
4. Determine uma aproximação de considerando que
4
Z 1
π dx
= 2
4 0 1+x