Apresentao do professor:

Joable Andrade Alves

1994 - Engenharia Eltrica, UFSC

1996 - Mestrado em Eletrnica de Potncia, UFSC
1996 - WEG AUTOMAO
1997 - UNERJ
2004 - Especializao em Gesto Estratgica de Custos
1

Unidade I
Modelagem Matemtica
Resoluo Analtica e Numrica
Computadores, Algoritmos e Linguagens
Base numrica nos computadores
Tipos de Erros
2

Introduo
A natureza extremamente complexa. Para tentar entend-la,
criam-se modelos que seguem leis mais simples do que a rica
realidade, dando resultados aproximados.
Essas leis, que procuram simular a natureza, so, em geral,
expressas matematicamente. As formulaes matemticas,
embora simplificaes do que se passa na realidade, ainda
assim, com freqncia, so muito complexas para serem
resolvidas analiticamente.
comum a lei fsica ser expressa por uma equao diferencial
cuja soluo exata no possvel de ser obtida. Mesmo um
clculo de raiz, aparentemente simples, pode exigir operaes
que transcendam as contas elementares. Uma integral definida,
nem muito complexa em sua formulao, pode no ser
analiticamente resolvida.
3

Os mtodos numricos buscam solues aproximadas

para essas formulaes.
Alm disso, nos problemas reais, os dados com que se
trabalha so medidas e, como tais, no so exatos. Uma
medida fsica no um nmero, um intervalo, pela
prpria impreciso das medidas. Dessa forma trabalha-se,
sempre, com a figura do erro, inerente prpria medio.
Os mtodos aproximados, como indica o nome, esto
buscando uma aproximao do que seria o valor exato.
Dessa forma inerente aos mtodos o se trabalhar com a
figura da aproximao, do erro, do desvio.
4

Exemplo: Um algoritmo para calcular a raz quadrada

de um nmero x

Y
Yi

1.
2

X
Yi

X
Yi

i a iterao
Deve-se repetir o processo at obter a preciso desejada
5

Exemplo Numrico:

50

Soluo:
x
50

Yi
50.000000
25.500000
13.730392
8.685974
7.221190
7.072628
7.071068
7.071068
7.071068
7.071068

Yi+1
25.5000000
13.7303922
8.6859744
7.2211905
7.0726283
7.0710680
7.0710678
7.0710678
7.0710678
7.0710678

Iterao (i)
0
1
2
3
4
5
6
7
8
9

Erro %
49.0000000%
46.1553249%
36.7390656%
16.8637833%
2.0573090%
0.0220610%
0.0000024%
0.0000000%
0.0000000%
0.0000000%
6

Exerccio - Calcule:

Y
x
144

Yi
200.000000
100.360000
50.897417
26.863319
16.111894
12.524695
12.010990
12.000005
12.000000
12.000000

144

Yi+1
100.3600000
50.8974173
26.8633187
16.1118941
12.5246954
12.0109905
12.0000050
12.0000000
12.0000000
12.0000000

Iterao (i)
0
1
2
3
4
5
6
7
8
9

Erro %
49.8200000%
49.2851561%
47.2206643%
40.0226969%
22.2642893%
4.1015360%
0.0914618%
0.0000419%
0.0000000%
0.0000000%

Representao de um nmero na base dois

Escrever um nmero inteiro em binrio, isto , na base dois, no
apresenta problema. Cada posio digital representar uma potncia de
dois, da mesma forma que nos nmeros decimais, cada posio
representa uma potncia de dez. Assim, 23.457 significa:
2x104 + 3x103 + 4x102 + 5x101 + 7x100.
Na base dois, a base usada nos computadores binrios, o nmero
110101 representa:
1x25 + 1x24 + 1x22 + 1x20 = (53)decimal
Os nmeros com parte fracionria, da mesma forma, podem ser
representados, usando-se potncias negativas de dez, na base dez e de
dois, na base dois.
Assim, 456,78 significa: 4x102 + 5x101 + 6x100 + 7x10-1 + 8x10-2.
O nmero binrio 101,101 significa, na base dois:
1x22 + 0x21 + 1x20 + 1x2-1 +0x2-2 + 1x2-3 = 5,625
9

25
1

25 = 11001

12

10

Exerccios - Sistemas de Numerao - Converso

1 - Converso: Binrio para Decimal.
a) ( 1 0 1 0 )2

d) ( 1 0 1 1 1 0 )2

b) ( 1 1 1 0 0 0 1 )2

e) ( 0 1 1 0 1 )2

c) ( 1 0 1 0 0 0 0 1 0)2

f) ( 1 1 1 1 1 1 1 1 )2

2 - Converso: Decimal para Binrio.

a) ( 9 1 7 )10

d) ( 1 )10

b) ( 2 2 )10

e) ( 3 2 5 )10

c) ( 0 )10

f) ( 1 0 1 0 0 1)10
11

Representao de nmeros reais em um computador

Existe um nmero finito de nmeros reais representveis
num dado computador, funo da maneira como ele
armazena o nmero em Ponto flutuante (Mantissa e
Expoente).
Ao se tentar representar um nmero real em ponto flutuante,
normalmente, ele truncado, de modo a poder ser escrito no
nmero finito de bits onde precisa ser armazenado. Dessa
forma, automaticamente, introduzido um erro e ele no
mais representa o nmero desejado.

12

Unidade II
Isolamento de Razes

Mtodo da Bisseo

Mtodo de Newton-Raphson

Mtodo da Secante (Corda)

13

14

15

2.x 3

F( x)
5

Algbrica

5
4
3
2
1

F( x )

1
2
3
4
5

5
0
0

3
x

5
5

16

F( x)
i
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

xe
0.00000
0.00000
1.25000
1.25000
1.25000
1.40625
1.48438
1.48438
1.48438
1.49414
1.49902
1.49902
1.49902
1.49963
1.49994
1.49994
1.49994
1.49998
1.50000

2.x 3
xd
5.00000
2.50000
2.50000
1.87500
1.56250
1.56250
1.56250
1.52344
1.50391
1.50391
1.50391
1.50146
1.50024
1.50024
1.50024
1.50009
1.50002
1.50002
1.50002

Bisseo

xm
2.50000
1.25000
1.87500
1.56250
1.40625
1.48438
1.52344
1.50391
1.49414
1.49902
1.50146
1.50024
1.49963
1.49994
1.50009
1.50002
1.49998
1.50000
1.50001

f(xe)
3.00000
3.00000
0.50000
0.50000
0.50000
0.18750
0.03125
0.03125
0.03125
0.01172
0.00195
0.00195
0.00195
0.00073
0.00012
0.00012
0.00012
0.00005
0.00001

f(xd)
-7.00000
-2.00000
-2.00000
-0.75000
-0.12500
-0.12500
-0.12500
-0.04688
-0.00781
-0.00781
-0.00781
-0.00293
-0.00049
-0.00049
-0.00049
-0.00018
-0.00003
-0.00003
-0.00003

f(xm)
-2.00000
0.50000
-0.75000
-0.12500
0.18750
0.03125
-0.04688
-0.00781
0.01172
0.00195
-0.00293
-0.00049
0.00073
0.00012
-0.00018
-0.00003
0.00005
0.00001
-0.00001

erro
----100.00000%
33.33333%
20.00000%
11.11111%
5.26316%
2.56410%
1.29870%
0.65359%
0.32573%
0.16260%
0.08137%
0.04070%
0.02035%
0.01017%
0.00509%
0.00254%
0.00127%
0.00064%
17

F( x) e
1

3.x

Transcendente!!!

0.5
F( x )
0

0.5

1
0
0

0.4

0.8

1.2
x

1.6
2

18

Bisseo

F( x) e
i
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

xe
0.00000
0.50000
0.50000
0.50000
0.56250
0.59375
0.60938
0.61719
0.61719
0.61719
0.61816
0.61865
0.61890
0.61902
0.61902
0.61905
0.61905
0.61906
0.61906

3.x
xd
1.00000
1.00000
0.75000
0.62500
0.62500
0.62500
0.62500
0.62500
0.62109
0.61914
0.61914
0.61914
0.61914
0.61914
0.61908
0.61908
0.61906
0.61906
0.61906

xm
0.50000
0.75000
0.62500
0.56250
0.59375
0.60938
0.61719
0.62109
0.61914
0.61816
0.61865
0.61890
0.61902
0.61908
0.61905
0.61906
0.61906
0.61906
0.61906

f(xe)
1.00000
0.14872
0.14872
0.14872
0.06755
0.02952
0.01116
0.00214
0.00214
0.00214
0.00103
0.00047
0.00019
0.00005
0.00005
0.00001
0.00001
0.00001
0.00000

f(xd)
-0.28172
-0.28172
-0.13300
-0.00675
-0.00675
-0.00675
-0.00675
-0.00675
-0.00232
-0.00009
-0.00009
-0.00009
-0.00009
-0.00009
-0.00002
-0.00002
0.00000
0.00000
0.00000

f(xm)
0.14872
-0.13300
-0.00675
0.06755
0.02952
0.01116
0.00214
-0.00232
-0.00009
0.00103
0.00047
0.00019
0.00005
-0.00002
0.00001
0.00000
0.00001
0.00000
0.00000

erro
--33.3333%
20.0000%
11.1111%
5.2632%
2.5641%
1.2658%
0.6289%
0.3155%
0.1580%
0.0789%
0.0394%
0.0197%
0.0099%
0.0049%
0.0025%
0.0012%
0.0006%
0.0003%
19

Bisseo

F( x) e
i
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

xe
1.00000
1.50000
1.50000
1.50000
1.50000
1.50000
1.50000
1.50781
1.51172
1.51172
1.51172
1.51172
1.51196
1.51208
1.51208
1.51212
1.51213
1.51213
1.51213

3.x
xd
2.00000
2.00000
1.75000
1.62500
1.56250
1.53125
1.51563
1.51563
1.51563
1.51367
1.51270
1.51221
1.51221
1.51221
1.51215
1.51215
1.51215
1.51214
1.51213

xm
1.50000
1.75000
1.62500
1.56250
1.53125
1.51563
1.50781
1.51172
1.51367
1.51270
1.51221
1.51196
1.51208
1.51215
1.51212
1.51213
1.51214
1.51213
1.51213

f(xe)
-0.28172
-0.01831
-0.01831
-0.01831
-0.01831
-0.01831
-0.01831
-0.00660
-0.00064
-0.00064
-0.00064
-0.00064
-0.00026
-0.00008
-0.00008
-0.00003
-0.00001
-0.00001
-0.00001

f(xd)
1.38906
1.38906
0.50460
0.20342
0.08323
0.03020
0.00539
0.00539
0.00539
0.00237
0.00086
0.00011
0.00011
0.00011
0.00002
0.00002
0.00002
0.00001
0.00000

f(xm)
-0.01831
0.50460
0.20342
0.08323
0.03020
0.00539
-0.00660
-0.00064
0.00237
0.00086
0.00011
-0.00026
-0.00008
0.00002
-0.00003
-0.00001
0.00001
0.00000
0.00000

erro
--14.2857%
7.6923%
4.0000%
2.0408%
1.0309%
0.5181%
0.2584%
0.1290%
0.0646%
0.0323%
0.0161%
0.0081%
0.0040%
0.0020%
0.0010%
0.0005%
0.0003%
0.0001%
20

Resumo
Mtodo da bisseo
aplicao simples
convergncia garantida
exige intervalo vlido para iniciar
convergncia lenta
encontra somente uma raiz no intervalo
obter uma primeira aproximao
resolver problema nico
21

22

2.x 3

F( x)
i
0
1
2

xi
5.00000
1.50000
1.50000

F( x) e

Newton-Raphson
f(xi)
-7.00000
0.00000
0.00000

f'(xi)
-2.00000
-2.00000
-2.00000

x i+1
1.50000
1.50000
1.50000

erro
---233.33333%
0.00000

3.x

i
0
1
2
3
4
5

xi
-1.00000
0.27953
0.56801
0.61717
0.61906
0.61906

f(xi)
3.36788
0.48392
0.06072
0.00217
0.00000
0.00000

f'(xi)
-2.63212
-1.67749
-1.23525
-1.14633
-1.14282
-1.14282

x i+1
0.27953
0.56801
0.61717
0.61906
0.61906
0.61906

erro
---457.742%
50.787%
7.965%
0.305%
0.000%

i
0
1
2
3
4
5

xi
2.00000
1.68352
1.54348
1.51349
1.51214
1.51213

f(xi)
1.38906
0.33391
0.05041
0.00208
0.00000
0.00000

f'(xi)
4.38906
2.38447
1.68086
1.54255
1.53642
1.53640

x i+1
1.68352
1.54348
1.51349
1.51214
1.51213
1.51213

erro
---18.799%
9.073%
1.982%
0.089%
0.000%

23

Resumo
Mtodo de Newton-Raphson
convergncia muito rpida
Requer o conhecimento da forma
analtica da derivada da funo
Indicado para qualquer funo sempre que
for possvel determinar a sua derivada
24

25

Cordas (Secante)

3.x

a
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000

f(a)
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000

F( x) e
i
0
1
2
3
4
5
6
7
8
9
10

b
1.00000
0.78020
0.67335
0.63568
0.62399
0.62051
0.61949
0.61919
0.61910
0.61907
0.61906

f(b)
-0.28172
-0.15869
-0.05925
-0.01874
-0.00561
-0.00165
-0.00048
-0.00014
-0.00004
-0.00001
0.00000

Ze
0.78020
0.67335
0.63568
0.62399
0.62051
0.61949
0.61919
0.61910
0.61907
0.61906
0.61906

f(Ze)
-0.15869
-0.05925
-0.01874
-0.00561
-0.00165
-0.00048
-0.00014
-0.00004
-0.00001
0.00000
0.00000

erro
---15.869%
5.925%
1.874%
0.561%
0.165%
0.048%
0.014%
0.004%
0.001%
0.000%

26

F( x) e
i
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

a
1.00000
1.16862
1.31152
1.40666
1.46017
1.48741
1.50057
1.50677
1.50966
1.51099
1.51161
1.51189
1.51202
1.51208
1.51211
1.51212

3.x

Cordas (Secante)

f(a)
-0.28172
-0.28831
-0.22275
-0.13768
-0.07382
-0.03661
-0.01746
-0.00817
-0.00379
-0.00175
-0.00081
-0.00037
-0.00017
-0.00008
-0.00004
-0.00002

b
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000

f(b)
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906
1.38906

Ze
1.16862
1.31152
1.40666
1.46017
1.48741
1.50057
1.50677
1.50966
1.51099
1.51161
1.51189
1.51202
1.51208
1.51211
1.51212
1.51213

f(Ze)
-0.28831
-0.22275
-0.13768
-0.07382
-0.03661
-0.01746
-0.00817
-0.00379
-0.00175
-0.00081
-0.00037
-0.00017
-0.00008
-0.00004
-0.00002
-0.00001

erro
---10.896%
6.764%
3.664%
1.831%
0.877%
0.411%
0.191%
0.088%
0.041%
0.019%
0.009%
0.004%
0.002%
0.001%
0.000%

27

Resumo
Mtodo de Cordas (Secante)
No requer conhecimento da derivada
Se o zero estimado estiver prximo do
verdadeiro, tem convergncia rpida
Dependendo da estimativa inicial, pode
at ser mais lento que a bisseo
Indicado quando se tem uma idia da
posio da raiz.

28

Outros Mtodos:

Pgaso
Iterao Linear
29

Exerccios:

1) F( x) e
20

0.1 .x

10

Erro < 0,0001%

20

10
F( x )
0
0

10 10
5
5

2.5

0
x

2.5

5
5

Intervalo: [2.5 a 3.5]

30

Soluo (Bisseo):
1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

xe
2.50000
3.00000
3.00000
3.00000
3.00000
3.03125
3.03125
3.03906
3.04297
3.04297
3.04297
3.04297
3.04321
3.04333
3.04340
3.04340
3.04341

xd
3.50000
3.50000
3.25000
3.12500
3.06250
3.06250
3.04688
3.04688
3.04688
3.04492
3.04395
3.04346
3.04346
3.04346
3.04346
3.04343
3.04343

xm
3.00000
3.25000
3.12500
3.06250
3.03125
3.04688
3.03906
3.04297
3.04492
3.04395
3.04346
3.04321
3.04333
3.04340
3.04343
3.04341
3.04342

f(xe)
-2.97120
-0.25918
-0.25918
-0.25918
-0.25918
-0.07302
-0.07302
-0.02617
-0.00270
-0.00270
-0.00270
-0.00270
-0.00123
-0.00050
-0.00013
-0.00013
-0.00004

f(xd)
2.95469
2.95469
1.28503
0.49724
0.11511
0.11511
0.02080
0.02080
0.02080
0.00905
0.00317
0.00024
0.00024
0.00024
0.00024
0.00005
0.00005

f(xm)
-0.25918
1.28503
0.49724
0.11511
-0.07302
0.02080
-0.02617
-0.00270
0.00905
0.00317
0.00024
-0.00123
-0.00050
-0.00013
0.00005
-0.00004
0.00001

erro
--7.6923%
4.0000%
2.0408%
1.0309%
0.5128%
0.2571%
0.1284%
0.0641%
0.0321%
0.0160%
0.0080%
0.0040%
0.0020%
0.0010%
0.0005%
0.0003%
31

Soluo (Newton-Raphson):
i
0
1
2
3
4
5
6

xi
10.00000
5.47328
3.58736
3.08521
3.04371
3.04342
3.04342

f(xi)
90.36788
20.53528
3.56768
0.25305
0.00173
0.00000
0.00000

f'(xi)
19.96321
10.88871
7.10485
6.09696
6.01365
6.01307
6.01307

x i+1
5.47328
3.58736
3.08521
3.04371
3.04342
3.04342
3.04342

erro
--82.70581%
52.57144%
16.27593%
1.36359%
0.00945%
0.00000%

Soluo (Secante):
i
0
1
2
3
4
5
6

a
2.50000
3.00139
3.04042
3.04321
3.04340
3.04342
3.04342

f(a)
-2.97120
-0.25092
-0.01800
-0.00128
-0.00009
-0.00001
0.00000

b
3.50000
3.50000
3.50000
3.50000
3.50000
3.50000
3.50000

f(b)
2.95469
2.95469
2.95469
2.95469
2.95469
2.95469
2.95469

Ze
3.00139
3.04042
3.04321
3.04340
3.04342
3.04342
3.04342

f(Ze)
-0.25092
-0.01800
-0.00128
-0.00009
-0.00001
0.00000
0.00000

erro
---1.28368%
0.09145%
0.00648%
0.00046%
0.00003%
0.00000%
32

Exerccios:

0.1 .x

2) F( x) e
20

10

Erro < 0,0001%

20

10
F( x )
0
0

10 10
5
5

2.5

0
x

2.5

5
5

Intervalo: [-3.5 a -2.5]

33

Soluo (Bisseo):
1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

xe
-3.50000
-3.00000
-3.00000
-3.00000
-3.00000
-2.96875
-2.95313
-2.94531
-2.94531
-2.94336
-2.94336
-2.94287
-2.94263
-2.94250
-2.94244
-2.94244
-2.94244

xd
-2.50000
-2.50000
-2.75000
-2.87500
-2.93750
-2.93750
-2.93750
-2.93750
-2.94141
-2.94141
-2.94238
-2.94238
-2.94238
-2.94238
-2.94238
-2.94241
-2.94243

xm
-3.00000
-2.75000
-2.87500
-2.93750
-2.96875
-2.95313
-2.94531
-2.94141
-2.94336
-2.94238
-2.94287
-2.94263
-2.94250
-2.94244
-2.94241
-2.94243
-2.94244

f(xe)
3.66907
0.34986
0.34986
0.34986
0.34986
0.15912
0.06449
0.01736
0.01736
0.00560
0.00560
0.00266
0.00119
0.00046
0.00009
0.00009
0.00009

f(xd)
-2.46597
-2.46597
-1.12097
-0.40128
-0.02965
-0.02965
-0.02965
-0.02965
-0.00616
-0.00616
-0.00028
-0.00028
-0.00028
-0.00028
-0.00028
-0.00010
0.00000

f(xm)
0.34986
-1.12097
-0.40128
-0.02965
0.15912
0.06449
0.01736
-0.00616
0.00560
-0.00028
0.00266
0.00119
0.00046
0.00009
-0.00010
0.00000
0.00004

erro
---9.0909%
-4.3478%
-2.1277%
-1.0526%
-0.5291%
-0.2653%
-0.1328%
-0.0664%
-0.0332%
-0.0166%
-0.0083%
-0.0041%
-0.0021%
-0.0010%
-0.0005%
-0.0003%

34

Soluo (Newton-Raphson):
i
0
1
2
3
4
5
6

xi
-10.00000
-5.42625
-3.50647
-2.98720
-2.94276
-2.94243
-2.94243

f(xi)
92.71828
21.16470
3.71532
0.27152
0.00199
0.00000
0.00000

f'(xi)
-20.27183
-11.02455
-7.15494
-6.10922
-6.01973
-6.01907
-6.01907

x i+1
-5.42625
-3.50647
-2.98720
-2.94276
-2.94243
-2.94243
-2.94243

erro
--84.28935%
54.74961%
17.38303%
1.51029%
0.01123%
0.00000%

Soluo (Secante):
i
0
1
2
3
4
5
6

a
-3.50000
-3.50000
-3.50000
-3.50000
-3.50000
-3.50000
-3.50000

f(a)
3.66907
3.66907
3.66907
3.66907
3.66907
3.66907
3.66907

b
-2.50000
-2.90195
-2.93895
-2.94213
-2.94240
-2.94243
-2.94243

f(b)
-2.46597
-0.24200
-0.02090
-0.00179
-0.00015
-0.00001
0.00000

Ze
-2.90195
-2.93895
-2.94213
-2.94240
-2.94243
-2.94243
-2.94243

f(Ze)
-0.24200
-0.02090
-0.00179
-0.00015
-0.00001
0.00000
0.00000

erro
----1.25913%
-0.10803%
-0.00922%
-0.00079%
-0.00007%
-0.00001%
35

Exerccios:
3) F( x) e

sin ( x)

Erro < 0,0001%

F( x )
0

5
20
20

15

10

5
5

Intervalo: [0 a 5]
36

Soluo (Bisseo):
1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

xe
0.00000
0.00000
0.00000
0.62500
0.93750
0.93750
1.01563
1.01563
1.03516
1.04492
1.04980
1.05225
1.05347
1.05408
1.05408
1.05408
1.05408
1.05412
1.05412

xd
5.00000
2.50000
1.25000
1.25000
1.25000
1.09375
1.09375
1.05469
1.05469
1.05469
1.05469
1.05469
1.05469
1.05469
1.05438
1.05423
1.05415
1.05415
1.05413

xm
2.50000
1.25000
0.62500
0.93750
1.09375
1.01563
1.05469
1.03516
1.04492
1.04980
1.05225
1.05347
1.05408
1.05438
1.05423
1.05415
1.05412
1.05413
1.05412

f(xe)
-1.00000
-1.00000
-1.00000
-0.71685
-0.25249
-0.25249
-0.08872
-0.08872
-0.04440
-0.02171
-0.01023
-0.00446
-0.00157
-0.00012
-0.00012
-0.00012
-0.00012
-0.00003
-0.00003

f(xd)
147.37208
9.58402
0.54136
0.54136
0.54136
0.09709
0.09709
0.00133
0.00133
0.00133
0.00133
0.00133
0.00133
0.00133
0.00061
0.00024
0.00006
0.00006
0.00002

f(xm)
9.58402
0.54136
-0.71685
-0.25249
0.09709
-0.08872
0.00133
-0.04440
-0.02171
-0.01023
-0.00446
-0.00157
-0.00012
0.00061
0.00024
0.00006
-0.00003
0.00002
-0.00001

erro
--100.0000%
100.0000%
33.3333%
14.2857%
7.6923%
3.7037%
1.8868%
0.9346%
0.4651%
0.2320%
0.1159%
0.0579%
0.0289%
0.0145%
0.0072%
0.0036%
0.0018%
0.0009%
37

Soluo (Newton-Raphson):
i
0
1
2
3
4
5
6
7
8
9

xi
5.00000
4.00511
3.03914
2.18068
1.54062
1.18094
1.06539
1.05423
1.05413
1.05413

f(xi)
147.37208
53.63817
18.78508
6.03257
1.66793
0.33248
0.02700
0.00023
0.00000
0.00000

f'(xi)
148.12950
55.52780
21.88210
9.42506
4.63731
2.87739
2.41782
2.37585
2.37548
2.37548

x i+1
4.00511
3.03914
2.18068
1.54062
1.18094
1.06539
1.05423
1.05413
1.05413
1.05413

erro
--24.84042%
31.78427%
39.36704%
41.54542%
30.45683%
10.84556%
1.05934%
0.00937%
0.00000%

38

Soluo (Secante): [0 a 5]
i
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

a
0.00000
0.03370
0.06715
0.10032
0.13317
0.16565
0.19774
0.22939
0.26058
0.29125
0.32138
0.35093
0.37988
0.40819
0.43584
0.46281
0.48907
0.51461
0.53940

f(a)
-1.00000
-0.99942
-0.99764
-0.99463
-0.99033
-0.98473
-0.97781
-0.96955
-0.95996
-0.94905
-0.93685
-0.92338
-0.90870
-0.89285
-0.87591
-0.85793
-0.83900
-0.81921
-0.79864

b
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000
5.00000

f(b)
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208
147.37208

Ze
0.03370
0.06715
0.10032
0.13317
0.16565
0.19774
0.22939
0.26058
0.29125
0.32138
0.35093
0.37988
0.40819
0.43584
0.46281
0.48907
0.51461
0.53940
0.56345

f(Ze)
-0.99942
-0.99764
-0.99463
-0.99033
-0.98473
-0.97781
-0.96955
-0.95996
-0.94905
-0.93685
-0.92338
-0.90870
-0.89285
-0.87591
-0.85793
-0.83900
-0.81921
-0.79864
-0.77739

erro
---49.81651%
33.06274%
24.66578%
19.61114%
16.22743%
13.79838%
11.96596%
10.53130%
9.37515%
8.42167%
7.62034%
6.93624%
6.34446%
5.82675%
5.36947%
4.96219%
4.59685%
4.26707%
39

Soluo (Secante): [0 a 2]
i
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

a
0.00000
0.36498
0.64266
0.82559
0.93317
0.99189
1.02260
1.03828
1.04620
1.05017
1.05215
1.05314
1.05364
1.05388
1.05401
1.05407
1.05410
1.05411
1.05412

f(a)
-1.00000
-0.91645
-0.69780
-0.45172
-0.26096
-0.14073
-0.07306
-0.03717
-0.01872
-0.00938
-0.00469
-0.00234
-0.00117
-0.00058
-0.00029
-0.00014
-0.00007
-0.00004
-0.00002

b
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000
2.00000

f(b)
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976
4.47976

Ze
0.36498
0.64266
0.82559
0.93317
0.99189
1.02260
1.03828
1.04620
1.05017
1.05215
1.05314
1.05364
1.05388
1.05401
1.05407
1.05410
1.05411
1.05412
1.05412

f(Ze)
-0.91645
-0.69780
-0.45172
-0.26096
-0.14073
-0.07306
-0.03717
-0.01872
-0.00938
-0.00469
-0.00234
-0.00117
-0.00058
-0.00029
-0.00014
-0.00007
-0.00004
-0.00002
-0.00001

erro
---43.20777%
22.15791%
11.52792%
5.92060%
3.00266%
1.51059%
0.75655%
0.37801%
0.18864%
0.09408%
0.04691%
0.02338%
0.01166%
0.00581%
0.00290%
0.00144%
0.00072%
0.00036%
40

Unidade III
Polinmios

Caractersticas

Isolamento de Razes

41

Caractersticas:

Um polinmio de grau m tem exatamente m razes, reais ou
complexas;

Se os coeficientes so reais, ento as razes complexas que existirem
so dadas em pares complexos conjugados;

Um polinmio de grau mpar, com coeficientes reais tem, no mnimo, uma
raiz real;

Dividindo-se um polinmio de grau m por ( x - a ), onde a uma raiz
conhecida do polinmio, obtm-se um polinmio de grau m -1 e o resto da
diviso nulo;

Existem critrios que permitem descobrir o intervalo onde uma
determinada raz do polinmio se localiza;
42

2
.
4x

Exemplo: F( x) x
50

11 . x 30

50

25
f( x )
0

25

50 50
4
4

2
x

8
8

43

Soluo (Newton-Raphson):
i
0
1
2
3
4
5
6
7

i
0
1
2
3
4
5

xi
f(xi)
-10.00000 -1260.00000
-6.58537 -356.61700
-4.50940
-93.43302
-3.42398
-19.37213
-3.04828
-1.96147
-3.00074
-0.02960
-3.00000
-0.00001
-3.00000
0.00000

xi
0.00000
2.72727
1.82605
1.99680
2.00000
2.00000

f(xi)
30.00000
-9.46657
2.66451
0.04807
0.00002
0.00000

f'(xi)
369.00000
171.78406
86.07944
51.56267
41.26218
40.01923
40.00000
40.00000

x i+1
-6.58537
-4.50940
-3.42398
-3.04828
-3.00074
-3.00000
-3.00000
-3.00000

erro
--51.85185%
46.03625%
31.70079%
12.32502%
1.58416%
0.02465%
0.00001%

f'(xi)
-11.00000
-10.50413
-15.60503
-15.01278
-15.00001
-15.00000

x i+1
2.72727
1.82605
1.99680
2.00000
2.00000
2.00000

erro
--100.00000%
49.35370%
8.55104%
0.16011%
0.00007%

44

Soluo (Newton-Raphson):

i
0
1
2
3
4
5
6
7

xi
10.00000
7.51196
6.02971
5.27786
5.02940
5.00039
5.00000
5.00000

f(xi)
520.00000
145.54691
37.46810
7.53929
0.71516
0.00931
0.00000
0.00000

f'(xi)
209.00000
98.19301
49.83449
30.34448
24.64941
24.00853
24.00000
24.00000

x i+1
7.51196
6.02971
5.27786
5.02940
5.00039
5.00000
5.00000
5.00000

erro
--33.12102%
24.58250%
14.24538%
4.94009%
0.58022%
0.00775%
0.00000%

45

F( x) x

2
.
4x

11 . x 30

Considerando uma das razes, por exemplo: 5 (cinco)

3

2
.
4x

11 . x 30

( x 5)

x 6

Usando-se a frmula de Baskara, pode-se encontrar as

outras 2 razes (-3 e 2)

46

Exerccios: Encontrar as razes

5

1) F( x) x
90

4
.
3x

3
.
11 x

2
.
27 x

0.4

1.4

10 . x 24

90

52.5

f( x )
15

22.5

60

60
4
4

2.2

3.2
475

Soluo (Newton-Raphson):
i
0
1
2
3
4
5
6

xi
-4.00000
-3.45205
-3.13582
-3.01688
-3.00030
-3.00000
-3.00000

f(xi)
-720.00000
-200.50167
-43.96718
-4.81358
-0.08514
-0.00003
0.00000

f'(xi)
1314.00000
634.01959
369.66525
290.42799
280.18606
280.00006
280.00000

i
0
1
2
3
4
5
6

xi
-2.00000
-0.66667
-1.11324
-1.00561
-1.00002
-1.00000
-1.00000

f(xi)
72.00000
-16.13169
7.18728
0.33738
0.00100
0.00000
0.00000

f'(xi)
-54.00000
-36.12346
-66.77677
-60.35775
-60.00106
-60.00000
-60.00000

x i+1
-3.45205
-3.13582
-3.01688
-3.00030
-3.00000
-3.00000
-3.00000

erro
--15.87302%
10.08474%
3.94241%
0.55241%
0.01013%
0.00000%

x i+1
erro
-0.66667
---1.11324 200.00000%
-1.00561 40.11461%
-1.00002 10.70314%
-1.00000 0.55895%
-1.00000 0.00166%
-1.00000 0.00000%

48

i
0
1
2
3
4
5
6

xi
0.20000
1.28356
0.87271
0.99362
0.99998
1.00000
1.00000

f(xi)
-21.01248
5.39817
-3.25441
-0.15372
-0.00056
0.00000
0.00000

f'(xi)
19.39200
13.13899
26.91697
24.17709
24.00065
24.00000
24.00000

x i+1
1.28356
0.87271
0.99362
0.99998
1.00000
1.00000
1.00000

erro
--84.41839%
47.07748%
12.16821%
0.63582%
0.00233%
0.00000%

i
0
1
2
3
4
5
6

xi
3.00000
1.90909
2.01081
2.00012
2.00000
2.00000
2.00000

f(xi)
-48.00000
2.46779
-0.32798
-0.00353
0.00000
0.00000
0.00000

f'(xi)
-44.00000
-24.26036
-30.66855
-30.00730
-30.00000
-30.00000
-30.00000

x i+1
1.90909
2.01081
2.00012
2.00000
2.00000
2.00000
2.00000

erro
--57.14286%
5.05871%
0.53468%
0.00589%
0.00000%
0.00000%

i
0
1
2
3
4
5
6

xi
5.00000
4.46667
4.14957
4.02141
4.00052
4.00000
4.00000

f(xi)
576.00000
162.88410
37.28095
4.60961
0.10966
0.00007
0.00000

f'(xi)
1080.00000
513.66795
290.89413
220.71449
210.25788
210.00016
210.00000

x i+1
4.46667
4.14957
4.02141
4.00052
4.00000
4.00000
4.00000

erro
--11.94030%
7.64176%
3.18694%
0.52206%
0.01304%
0.00001%

49

Exerccios: Encontrar as razes

4

2) F( x) x
2000

3
.
3x

2
.
33 x

181 . x 546

2000

1000

f( x )
0

1000

2000

2000
10
10

0
x

10
10

50

Soluo (Newton-Raphson):
i
0
1
2
3
4
5
6

xi
-10.00000
-8.19069
-7.27403
-7.01892
-7.00010
-7.00000
-7.00000

f(xi)
7344.00000
1906.79129
345.59466
22.24713
0.11514
0.00000
0.00000

f'(xi)
-4059.00000
-2080.16722
-1354.64048
-1182.29047
-1170.06377
-1170.00000
-1170.00000

x i+1
-8.19069
-7.27403
-7.01892
-7.00010
-7.00000
-7.00000
-7.00000

erro
--22.08988%
12.60171%
3.63474%
0.26881%
0.00141%
0.00000%

i
0
1
2
3
4
5
6
7

xi
10.00000
8.10607
6.86363
6.20914
6.01580
6.00010
6.00000
6.00000

f(xi)
4964.00000
1472.49819
390.97779
73.80798
5.16801
0.03198
0.00000
0.00000

f'(xi)
2621.00000
1185.16857
597.38158
381.75109
329.09272
325.02538
325.00000
325.00000

x i+1
8.10607
6.86363
6.20914
6.01580
6.00010
6.00000
6.00000
6.00000

erro
--23.36440%
18.10176%
10.54068%
3.21388%
0.26173%
0.00164%
0.00000%

51

Mas o polinmio de 4 grau, e as outras 2 razes?

Como elas no aparecem no grfico, certamente so
razes complexas!!!
Existem mtodos numricos para achar as razes
complexas, porm no fazem parte do objetivo deste
curso.
Como trata-se de um polinmio de 4 grau e se conhece
2 das razes, pode-se reduzir o polinmio para um de 2
grau e aplicar Baskara para descobrir as suas razes
complexas
52

3.x

33 . x

181 . x 546

( x 7)
3

2
.
10 x

37 . x 78

( x 6)

2
.
10 x

37 . x 78

4 . x 13

2
2

3.i
3.i

7
6

As 4 razes so:
2
2

3.i
3.i

53

Unidade IV
Resoluo de Sistemas Lineares

Mtodo Direto;

Mtodo Iterativo;

54

Sistema de Equaes Lineares

Forma Matricial

55

Sistema Linear:
Soluo nica
Infinitas Solues
No ter Soluo
Mtodos Diretos - permitem obter a soluo de um sistema
linear atravs da realizao de um nmero finito de operaes
sobre o sistema
Mtodos Iterativos - permitem calcular uma sequncia de
aproximaes para os valores de x at que uma preciso prestabelecida seja alcanada.
56

Triangularizao por meio de transformaes elementares

57

Direto -Mtodo de Gauss (Exemplo):

Fator_2,1:

Fator_3,1:

Fator_3,2:

1
-1
3

1
-2
-7

2
3
4

8
1
10

1
0
3

1
-1
-7

2
5
4

8
9
10

-3

1
0
0

1
-1
-10

2
5
-2

8
9
-14

-10

1
0
0

1
-1
0

2
5
-52

8
9
-104

X1:
X2:
X3:

3
1
2 58

Mtodo de Gauss (Exerccio 1):

4
-2
1

3
-4
2

-1
5
6

-2
20
7

4
0
1

3
-2.5
2

-1
4.5
6

-2
19
7

Fator_3,1: -0.25

4
0
0

3
-2.5
1.25

-1
4.5
6.25

-2
19
7.5

Fator_3,2:

4
0
0

3
-2.5
0

-1
4.5
8.5

-2
19
17

Fator_2,1:

0.5

0.5

X1:
X2:
X3:

3
-4
259

Mtodo de Gauss (Exerccio 2):

60

Mtodo de Gauss (Exerccio 2):

Col. 1
2
-1
1
4

Col. 2
3
1
1
-5

Col. 3
1
-4
1
1

Col. 4
-1
1
1
-2

B
6.9
-6.6
10.2
-12.3

Fator_2,1: 0.5
Fator_3,1: -0.5
Fator_4,1: -2

2
0
0
0

3
2.5
-0.5
-11

1
-3.5
0.5
-1

-1
0.5
1.5
0

6.9
-3.15
6.75
-26.1

Fator_3,2:
Fator_4,2:

0.2
4.4

2
0
0
0

3
2.5
0
0

1
-3.5
-0.2
-16.4

-1
0.5
1.6
2.2

6.9
-3.15
6.12
-39.96

-82

2
0
0
0

3
2.5
0
0

1
-3.5
-0.2
0

-1
0.5
1.6
-129

6.9
-3.15
6.12
-541.8

Lin. 1
Lin. 2
Lin. 3
Lin. 4

Fator_4,3:

X1:
X2:
X3:
X4:

0.9
2.1
3
4.2
61

Mtodo de Gauss (Exerccio 3):

62

Mtodo de Gauss (Exerccio 3):

Col. 1
0.20
0.10
0.20
0.60

Col. 2
0.32
0.15
0.24
0.40

Col. 3
0.12
0.24
0.46
0.32

Col. 4
0.30
0.32
0.36
0.20

B
0.94
0.81
1.26
1.52

Fator_2,1: -0.5
Fator_3,1: -1
Fator_4,1: -3

0.2
0
0
0

0.32
-0.01
-0.08
-0.56

0.12
0.18
0.34
-0.04

0.3
0.17
0.06
-0.7

0.94
0.34
0.32
-1.3

Fator_3,2:
Fator_4,2:

-8
-56

0.2
0
0
0

0.32
-0.01
0
0

0.12
0.18
-1.1
-10.12

0.3
0.17
-1.3
-10.22

0.94
0.34
-2.4
-20.34

Fator_4,3: -9.2

0.2
0
0
0

0.32
-0.01
0
0

0.12
0.18
-1.1
0

0.3
0.17
-1.3
1.74

0.94
0.34
-2.4
1.74

Lin. 1
Lin. 2
Lin. 3
Lin. 4

X1:
X2:
X3:
X4:

1
1
1
1
63

Outros Mtodos Diretos:

Pivotao
Jordan
Decomposio LU

64

Iterativo -Mtodo de Jacobi (Exemplo):

65

Mtodo de Jacobi (Exemplo):

Erro < 0,0001%

66

Soluo:
Lin. 1
Lin. 2
Lin. 3

Col. 1
4
0.09
0.04

Col. 2
0.24
3
-0.08

Col. 3
-0.08
-0.15
4

B
8
9
20

X1:
X2:
X3:

i=0
0
0
0

i=1
2
3
5

i=2
1.92
3.19
5.04

i=3
1.9094
3.1944
5.0446

X1:
X2:
X3:

Erro i = 0
----------

Erro i = 1
100.0000%
100.0000%
100.0000%

Erro i = 2
4.1667%
5.9561%
0.7937%

Erro i = 3
0.5551%
0.1377%
0.0912%

i=4
i=5
i=6
i=7
1.909228 1.909199 1.909198 1.9091983
3.194948 3.194963 3.194964 3.1949644
5.044794 5.044807 5.044807 5.0448073
Erro i = 4
0.0090%
0.0172%
0.0038%

Erro i = 5 Erro i = 6
0.0015% 0.0000%
0.0005% 0.0000%
0.0003% 0.0000%

Erro i = 7
0.0000%
0.0000%
0.0000%

67

Mtodo de Gauss-Seidel:
Melhoramento do Mtodo de Jacobi. No clculo de X2 j
utiliza-se o valor calculado de X1 da primeira iterao e assim
por diante.
Acelera a convergncia.

Exemplo:
20 . x 1

1 .x 2

1 .x 3

2 . x 4 = 33

1 .x 1

10 . x 2

2 .x 3

4 . x 4 = 38.4

1 .x 1

2 .x 2

10 . x 3

1 . x 4 = 43.5

1 .x 3

20 . x 4 = 45.6

2 .x 1

4 .x 2

68

Soluo:
Lin.
Lin.
Lin.
Lin.

X1:
X2:
X3:
X4:

X1:
X2:
X3:
X4:

1
2
3
4

Col. 1
20
1
1
2

Col. 2
1
10
2
4

Col. 3
1
2
10
1

i=0
0
0
0
0

i=1
1.65
3.675
3.45
1.2075

i=2
1.173
2.5497
3.60201
1.47266

Erro < 0,0001%

Col. 4
2
4
1
20

B
33
38.4
43.5
45.6

i=3
i=4
i=5
i=6
1.195149 1.199575 1.199974 1.199999
2.411019 2.400547 2.40001 2.399998
3.601015 3.60011 3.600008
3.6
1.498231 1.499928
1.5
1.5

Erro i = 0 Erro i = 1 Erro i = 2 Erro i = 3

--100.0000% 40.6650% 1.8532%
--100.0000% 44.1346% 5.7520%
--100.0000% 4.2201% 0.0276%
--100.0000% 18.0055% 1.7067%

Erro i = 4
0.3690%
0.4362%
0.0251%
0.1131%

Erro i = 5
0.0333%
0.0224%
0.0028%
0.0048%

Erro i = 6
0.0021%
0.0005%
0.0002%
0.0000%

i=7
1.2
2.4
3.6
1.5

Erro i = 7
0.0001%
0.0001%
0.0000%
0.0000%
69

Resumo:
Mtodos Diretos - Baseiam-se em transformaes elementares
sobre a matriz de coeficientes. So indicados para sistemas de
pequeno porte e com matrizes densas
Mtodos Iterativos - Dependendo dos coeficientes, podem
no convergir. Indicados para sistemas de grande porte com
matrizes esparsas (grande proporo de zeros entre os seus
elementos)

70

Sistema Linear - Exemplo de aplicao:

71

HomeWork:
Resolver o sistema pelos mtodos de Gauss e Gauss-Seidel:

5 .x 1

1 .x 2

2 .x 3

1 .x 4 = 5

1 .x 1

9 .x 2

3 .x 3

4 . x 4 = 26

0 .x 1

3 .x 2

7 .x 3

2 .x 4 = 7

2 .x 1

2 .x 2

3 .x 3

10 . x 4 = 33

72

Unidade V
Ajuste de Curvas

73

Introduo:
Seja um conjunto de dados contendo n pares de valores
(x,y), obtidos numrica ou experimentalmente, deseja-se
calcular qualquer valor de y diferente dos valores
tabelados. Deve-se, ento descobrir uma funo y = F(x)
que mais se aproxime dos dados existentes.

74

Como escolher a funo aproximadora?

O primeiro passo a ser tomado durante um ajuste de
funo corresponde escolha da funo aproximadora
a ser usada. Como escolhe-la? H diversas formas, que
dependem muito do problema em questo. Mas, as duas
principais formas de se escolher a melhor funo
aproximadora so:
a) Observando-se o comportamento dos dados a serem
ajustados. Eles se parecem com uma reta ou com uma
parbola?
b) Ou conhecendo-se o comportamento do fenmeno
fsico que descreve os dados.
75

Como obter a funo aproximadora?

O prximo passo corresponde a utilizao de um
determinado mtodo que nos permita obter a
funo f(x) que mais se aproxima dos nosso
dados, isto , um mtodo que nos permita
calcular os parmetros da funo f(x). Existem
vrios mtodos para isso, porm vamos abordar
apenas um deles, que o mais utilizado: o
Mtodo dos Mnimos Quadrados

76

Ajuste Linear

a0 e a1 obtidos pelo Mtodo dos Mnimos Quadrados

77

Exemplo: Ajustar uma funo linear pelo mtodo dos

Mnimos Quadrados aos seguintes valores numricos:
X
Y

0
0.134

1.2
0.275

2.5
0.339

3.7
0.401

0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
2

78

Soluo:
n

x.y

1
2
3
4

0
1.2
2.5
3.7

0.134
0.275
0.339
0.401

0
1.44
6.25
13.69

0
0.33
0.8475
1.4837

7.4

1.149

21.38

2.6612

79

Soluo:
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0

y = 0.0696x + 0.1584

4
80

Exerccios: Fazer o ajuste linear

X
Y

0
90

10
70

20
60

30
55

40
45

100
80
60
40
20
0
0

10

20

30

40

81

Soluo:

x.y

1
2
3
4
5

0
10
20
30
40

90
70
60
55
45

0
100
400
900
1600

0
700
1200
1650
1800

100

320

3000

5350

100
80
60
40

y = -1.05x + 85

20
0
0

10

20

30

40
82

Exerccios: Fazer o ajuste linear

X
Y

-5
6

-2
9

0
12

1
20

2
22

5
30

40
30
20
10
0
-5

-3

-1

83

Soluo:

x.y

1
2
3
4
5
6

-5
-2
0
1
2
5

6
9
12
20
22
30

25
4
0
1
4
25

-30
-18
0
20
44
150

99

59

166

40
30
20
10

y = 2.5411x + 16.076
0
-5

-3

-1

5
84

Ajuste Exponencial

Obter a0 e a1 pelo Mtodo dos Mnimos Quadrados,

usando no lugar de y, o ln(y)

85

Exemplo: Ajustar uma funo exponencial pelo mtodo dos

Mnimos Quadrados aos seguintes valores numricos:
X
Y

0
6

1
20

2
50

3
90

4
150

5
350

350
300
250
200
150
100
50
0
0

5
86

Soluo:
X
Y
ln(y)

0
1
2
6
20
50
1.791759 2.995732 3.912023

a0
a1

3
4
5
90
150
350
4.49981 5.010635 5.857933

ln(y)

x.ln(y)

1
2
3
4
5
6

0
1
2
3
4
5

1.791759
2.995732
3.912023
4.49981
5.010635
5.857933

0
1
4
9
16
25

0
2.995732
7.824046
13.49943
20.04254
29.28967

15

24.06789

55

73.65141

2.085361
0.770382

a
b

8.047495
0.770382
87

Soluo:
350
300
250
200

y = 8.0475e

150

0.7704x

100
50
0
0

5
88

Exerccios: Fazer o ajuste exponencial

X
Y

0
500

1
200

2
50

3
10

4
2

5
1

500
400
300
200
100
0
0

5
89

Soluo:
X
Y
ln(y)

0
1
2
3
4
500
200
50
10
2
6.214608 5.298317 3.912023 2.302585 0.693147

a0
a1

ln(y)

x.ln(y)

1
2
3
4
5
6

0
1
2
3
4
5

6.214608
5.298317
3.912023
2.302585
0.693147
0

0
1
4
9
16
25

0
5.298317
7.824046
6.907755
2.772589
0

15

18.42068

55

22.80271

6.391398
-1.328514

a
b

5
1
0

596.6904
-1.328514
90

Soluo:
500
400
300

y = 596.69e

-1.3285x

200
100
0
0

91

Exerccios: Fazer o ajuste exponencial

X
Y

0
3

2
8

4
20

6
100

8
300

10
900

1000
800
600
400
200
0
4

10
92

Soluo:
X
Y
ln(y)

0
2
4
3
8
20
1.098612 2.079442 2.995732

6
8
10
100
300
900
4.60517 5.703782 6.802395

ln(y)

x.ln(y)

1
2
3
4
5
6

0
2
4
6
8
10

1.098612
2.079442
2.995732
4.60517
5.703782
6.802395

0
4
16
36
64
100

0
4.158883
11.98293
27.63102
45.63026
68.02395

30

23.28513

220

157.427

a0
a1

0.952186
0.585734

a
b

2.591368
0.585734
93

Soluo:
1000
800

y = 2.5914e

0.5857x

600
400
200
0
0

10

94

Ajuste Polinomial

95

Ajuste Parablico - caso especial (m = 2)

96

Exemplo: Ajustar uma funo parablica pelo mtodo dos

Mnimos Quadrados os seguintes valores numricos:
X
Y

10
2

15
7

20
16

25
26

30
37

40
57

50
73

60
84

70
92

80
99

90
104

100
108

120
100
80
60
40
20
0
0

20

40

60

80

100
97

Soluo:
x

x4

x.y

x.y

1
2
3
4
5
6
7
8
9
10
11
12

10
15
20
25
30
40
50
60
70
80
90
100

2
7
16
26
37
57
73
84
92
99
104
108

100
225
400
625
900
1600
2500
3600
4900
6400
8100
10000

1000
10000
3375
50625
8000
160000
15625
390625
27000
810000
64000
2560000
125000
6250000
216000 12960000
343000 24010000
512000 40960000
729000 65610000
1000000 100000000

20
105
320
650
1110
2280
3650
5040
6440
7920
9360
10800

200
1575
6400
16250
33300
91200
182500
302400
450800
633600
842400
1080000

590

705

39350

3044000 253771250

47695

3640625

98

Soluo: Mtodo de Gauss

12
590
39350

590
39350
705
39350
3044000
47695
3044000 253771250 3640625

12
0
39350

590
39350
705
10341.67 1109291.7 13032.5
3044000 253771250 3640625

Fator_3,1: -3279.167

12
0
0

590
39350
705
10341.67 1109291.7 13032.5
1109292 124736042 1328813

Fator_3,2: -107.2643

12
0
0

590
39350
705
10341.67 1109291.7 13032.5
0
5748644.2 -69109.53

Fator_2,1: -49.16667

X1:
X2:
X3:

-27.1891
2.549712
-0.012022

99

Soluo:
Y

2.549712296 . X

27.18909646

2
.
0.012021883 X

120
2

y = -0.012x + 2.5497x - 27.189

100
80
60
40
20
0
0

20

40

60

80

100
100

Ajuste Potencial
350
300
250
200
150
100
50
0
0

500
400
300
200
100
0
0

101

Obter a0 e a1 pelo Mtodo dos Mnimos Quadrados,

usando no lugar de y, o ln(y) e no lugar de x, o ln(x)

102

Exemplo1: Ajustar uma funo potencial

pelo mtodo dos Mnimos Quadrados aos
seguintes valores numricos:

200

150

100

50

0
1

103

X
Y
ln(x)
ln(y)

1
20
0,000000
2,995732

ln(x)

1
2
3
4

0,000000
0,693147
1,098612
1,386294

3,178054

a0
a1

2
50
0,693147
3,912023

ln(y)
2,995732
3,912023
4,499810
5,010635
16,418200

2,963653
1,435969

3
90
1,098612
4,499810

[ln(x)]
0,0000000
0,4804530
1,2069490
1,9218121
3,6092140

a
b

4
150
1,386294
5,010635

ln(x).ln(y)
0
2,711607716
4,9435462
6,946215454
14,60136937

19,3686
1,435969
104

Soluo:
200

1,436

y = 19,369x
150

100

50

0
1

105

Exemplo 2:
Aplicao em Custos: Curva de Aprendizagem
Unidades Produzidas
(cumulativamente)

Horas Mdias de MOD

45
60
75
120
150

536
500
464
416
387

550
530
510
490
470
450
430
410
390
370

106

350
40

60

80

100

120

140

X
Y
ln(x)
ln(y)

45
536
3,806662
6,284134

ln(x)

1
2
3
4
5

3,806662
4,094345
4,317488
4,787492
5,010635

a0
a1

60
500
4,094345
6,214608

22,016622

7,305376
-0,26794

ln(y)
6,284134
6,214608
6,139885
6,030685
5,958425
30,627737

75
464
4,317488
6,139885

120
150
416
387
4,787492 5,010635
6,030685 5,958425

[ln(x)]

ln(x).ln(y)

14,4906793
16,7636574
18,6407036
22,9200772
25,1064661
97,9215836

a
b

23,92157779
25,44474687
26,50887857
28,87185589
29,85549306
134,6025522

1488,279
-0,26794
107

550
530

-0,2679

y = 1488,3x

510
490
470
450
430
410
390
370
350
40

60

80

100

120

140

108

Avaliao do Ajuste
O R denominado de coeficiente de determinao
varia entre 0 e 1. Quanto mais prximo de 1
significa que grande parte da variao de Y (a
varivel dependente) explicvel pela variao de
X (a varivel independente). Por exemplo: um R
igual a 0,96 significa que 96% da varivel Y
explicada pela varivel X deixando apenas 4%
para outras variveis omitidas ou para flutuaes
ao acaso.

109

O R (coeficiente de correlao) a raiz quadrada

do R e apresenta mais ou menos o mesmo
significado. Varia entre 1 e +1 e indica uma
correlao positiva ou negativa. mais utilizado
para indicar se existe um relacionamento
(correlao) muito grande entre duas variveis
independentes em uma regresso linear mltipla
(mais de uma varivel independente). Quando tal
coeficiente se aproxima de 0,90 costuma-se, em
tais casos abandonar uma das variveis
independentes (multicolinearidade).
110

Onde: n = nmero de pontos

yi= valores de y reais
yi= valores de y obtidos pela equao do ajuste
111

Exerccio: Fazer os ajustes

linear, exponencial, parablico e
potencial para os dados abaixo e
avaliar o melhor ajuste pelo r2
x
1
1,2
1,4
1,6
1,8
2
2,2
2,4
2,6
2,8
3

y
0,525
0,8448
1,2807
1,8634
2,6326
3,6386
4,944
6,6258
8,7768
11,5076
14,9484
112

16

16
14

14

y = 6,7769x - 8,3186
R2 = 0,8940

12
10

y = 4,0981x2 - 9,6155x + 6,4346

R2 = 0,9960

12
10

4
2

-2 1

1,5

2,5

-4

1,5

2,5

2,5

16

18
16

14

y = 0,1235e1,6424x
R2 = 0,9918

14
12

y = 0,4723x3,0463
R2 = 0,9963

12
10

10

6
4

1,5

2,5

1,5

113

Unidade VI
Integrao Numrica

114

Regra dos Trapzios

115

Regra dos Trapzios

116

1
x

Exemplo:

e dx
0

n
1

a
0

b
1

h (b-a)/n
1

f(0)
f(1)

n
2

a
0

b
1

h (b-a)/n
0.5

n
4

a
0

b
1

h (b-a)/n
0.25

1
Integral
2.7183 1.859141

Exato
1.718282

Erro
8.20%

f(0)
f(0.5)
f(1)

1
Integral
Exato
1.6487 1.7539311 1.718282
2.7183

Erro
2.07%

f(0)
f(0.25)
f(0.5)
f(0.75)
f(1)

1
Integral
Exato
1.2840 1.7272219 1.718282
1.6487
2.1170
2.7183

Erro
0.52%

117

Exerccio:
x

dx
1

1
n
15

a
1

b
4

h (b-a)/n
0.2

f(1.0)
f(1.2)
f(1.4)
f(1.6)
f(1.8)
f(2.0)
f(2.2)
f(2.4)
f(2.6)
f(2.8)
f(3.0)
f(3.2)
f(3.4)
f(3.6)
f(3.8)
f(4.0)

0.7071068
0.6741999
0.6454972
0.6201737
0.5976143
0.5773503
0.5590170
0.5423261
0.5270463
0.5129892
0.5000000
0.4879500
0.4767313
0.4662524
0.4564355
0.4472136

Integral
1.644149

Exato
1.643709

Erro
0.03%

118

Exerccio:

(x

1 ) dx

2
n
20

a
2

b
4

h (b-a)/n
0.1

f(2.0)
f(2.1)
f(2.2)
f(2.3)
f(2.4)
f(2.5)
f(2.6)
f(2.7)
f(2.8)
f(2.9)
f(3.0)
f(3.1)
f(3.2)
f(3.3)
f(3.4)
f(3.5)
f(3.6)
f(3.7)
f(3.8)
f(3.9)
f(4.0)

9.0000
9.6100
10.2400
10.8900
11.5600
12.2500
12.9600
13.6900
14.4400
15.2100
16.0000
16.8100
17.6400
18.4900
19.3600
20.2500
21.1600
22.0900
23.0400
24.0100
25.0000

Integral
32.670

Exato
32.66667

Erro
0.01%

119

Regra de Simpson
Aproximao da funo por uma parbola.

Frmula Geral:

Obs.: Os coeficientes dos extremos so 1 (um) e os internos

alternam entre 4 (quatro) e 2 (dois) sendo o penltimo igual
a 4 (quatro)
S pode ser aplicada para um nmero mpar de pontos!
120

1
x

Exemplo:

e dx
0

n
4

a
0

b
1

h (b-a)/n
0.25

f(0)
f(0.25)
f(0.5)
f(0.75)
f(1)

1
Integral
Exato
1.2840 1.7183188 1.718282
1.6487
2.1170
2.7183

Erro
0.002%

121

Exerccio:
x

dx
1

n
10

a
1

b
4

h (b-a)/n
0.3

f(1.0)
f(1.3)
f(1.6)
f(1.9)
f(2.2)
f(2.5)
f(2.8)
f(3.1)
f(3.4)
f(3.7)
f(4.0)

0.7071
0.6594
0.6202
0.5872
0.5590
0.5345
0.5130
0.4939
0.4767
0.4613
0.4472

Integral
Exato
Erro
1.6437157 1.6437088 0.00042%

122

Exerccio:

(x

1 ) dx

2
n
20

a
2

b
4

h (b-a)/n
0.1

f(2.0)
f(2.1)
f(2.2)
f(2.3)
f(2.4)
f(2.5)
f(2.6)
f(2.7)
f(2.8)
f(2.9)
f(3.0)
f(3.1)
f(3.2)
f(3.3)
f(3.4)
f(3.5)
f(3.6)
f(3.7)
f(3.8)
f(3.9)
f(4.0)

9.0000
9.6100
10.2400
10.8900
11.5600
12.2500
12.9600
13.6900
14.4400
15.2100
16.0000
16.8100
17.6400
18.4900
19.3600
20.2500
21.1600
22.0900
23.0400
24.0100
25.0000

Integral
32.66667

Exato
Erro
32.66667 0.00000%

123

Unidade VII
Soluo Numrica de Equaes Diferenciais

124

Exemplo:
d
Vc
dt

Vc
0
R .C

Vc ( 0 ) Vo

Soluo Analtica:
Vc ( t ) Vo . e

t
R .C
125

Vc ( t ) Vo . e

t
R .C

10 . K

5 . F

Vo

30 . volt

30 30
20
Vc( t )
10
0

0
0

0.05

0.1 0.15
t

0.2 0.25
0.3
126

Mtodo de Euler

127

Exemplo: d
dt
Vc ( t )
t

Vc
0
R .C

Vc

Y( x)

d
Y( x)
dx

d
Y( x)
dx

Y( x)
0
R .C

Y( x)
R .C

Condio Inicial:

Y ( 0 ) 30
128

Yi 1 Yi

h.

Yi
R .C

H=0.01
h
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01
0.01

i
0.000
0.010
0.020
0.030
0.040
0.050
0.060
0.070
0.080
0.090
0.100

yi
30.00000
24.00000
19.20000
15.36000
12.28800
9.83040
7.86432
6.29146
5.03316
4.02653
3.22123

yi+h
24.00000
19.20000
15.36000
12.28800
9.83040
7.86432
6.29146
5.03316
4.02653
3.22123
2.57698

analtica
24.56192
20.10960
16.46435
13.47987
11.03638
9.03583
7.39791
6.05690
4.95897
4.06006
3.32409

Erro
2.2878%
4.5232%
6.7075%
8.8418%
10.9273%
12.9651%
14.9563%
16.9019%
18.8030%
20.6606%
22.4757%
129

H=0.01
30.0
25.0
20.0
yi+h

15.0

analtica

10.0
5.0
0.0
0.000

0.050

0.100
130

H=0.001
h
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001
0.001

i
0.000
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0.008
0.009
0.010
0.011
0.012
0.013
0.014
0.015
0.016
0.017
0.018
0.019

yi
30.00000
29.40000
28.81200
28.23576
27.67104
27.11762
26.57527
26.04377
25.52289
25.01243
24.51218
24.02194
23.54150
23.07067
22.60926
22.15707
21.71393
21.27965
20.85406
20.43698

yi+h
29.4
28.8
28.2
27.7
27.1
26.6
26.0
25.5
25.0
24.5
24.0
23.5
23.1
22.6
22.2
21.7
21.3
20.9
20.4
20.0

analtica
29.4
28.8
28.3
27.7
27.1
26.6
26.1
25.6
25.1
24.6
24.1
23.6
23.1
22.7
22.2
21.8
21.4
20.9
20.5
20.1

Erro
0.0203%
0.0405%
0.0608%
0.0811%
0.1013%
0.1216%
0.1418%
0.1620%
0.1823%
0.2025%
0.2227%
0.2430%
0.2632%
0.2834%
0.3036%
0.3238%
0.3440%
0.3642%
0.3844%
0.4046%
131

H=0.001
30.0
25.0
20.0
yi+h

15.0

analtica

10.0
5.0
0.0
0.000

0.050

0.100

132

d
Y
Exerccio:
dx

2
.
2Y x

Condio Inicial: Y ( 0 ) 0.25

c/ H=0.1 e 0.05
2

x
Soluo Analtica: Y ( x )
2

x
2

1
4

133

Soluo:

d
2
Y x
dx

Yi 1 Yi

2 .Y

2
.
h xi

2 . Yi

H=0.1
h
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1

i
0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0.800
0.900
1.000

yi
0.25000
0.20000
0.16100
0.13280
0.11524
0.10819
0.11155
0.12524
0.14919
0.18336
0.22768

yi+h
0.20000
0.16100
0.13280
0.11524
0.10819
0.11155
0.12524
0.14919
0.18336
0.22768
0.28215

analtica
0.20500
0.17000
0.14500
0.13000
0.12500
0.13000
0.14500
0.17000
0.20500
0.25000
0.30500

Erro
2.4390%
5.2941%
8.4138%
11.3538%
13.4464%
14.1895%
13.6256%
12.2386%
10.5583%
8.9263%
134
7.4926%

H=0.05
h
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05
0.05

i
0.000
0.050
0.100
0.150
0.200
0.250
0.300
0.350
0.400
0.450
0.500
0.550
0.600
0.650
0.700
0.750
0.800
0.850
0.900
0.950
1.000
1.050

yi
0.25000
0.22500
0.20263
0.18286
0.16570
0.15113
0.13914
0.12973
0.12288
0.11859
0.11686
0.11767
0.12103
0.12693
0.13536
0.14632
0.15982
0.17583
0.19438
0.21544
0.23902
0.26512

yi+h
0.22500
0.20263
0.18286
0.16570
0.15113
0.13914
0.12973
0.12288
0.11859
0.11686
0.11767
0.12103
0.12693
0.13536
0.14632
0.15982
0.17583
0.19438
0.21544
0.23902
0.26512
0.29373

analtica
0.22625
0.20500
0.18625
0.17000
0.15625
0.14500
0.13625
0.13000
0.12625
0.12500
0.12625
0.13000
0.13625
0.14500
0.15625
0.17000
0.18625
0.20500
0.22625
0.25000
0.27625
0.30500

Erro
0.5525%
1.1585%
1.8188%
2.5287%
3.2761%
4.0393%
4.7863%
5.4763%
6.0651%
6.5132%
6.7940%
6.8997%
6.8423%
6.6486%
6.3529%
5.9904%
5.5921%
5.1823%
4.7785%
4.3921%
4.0298%
3.6948%

135

Outros Mtodos:
Mtodo de Heun
Mtodo de Runge-Kutta
Mtodo de Adams-Bashforth-Moulton
Mtodo de Milne-Simpson
Mtodo de Hamming

136