Lino - Calculo - Numerico - I PDF

Clculo Numrico
So Cristvo/SE
2009
Manuel Bernardino Lino Salvador
Hermeson Alves de Menezes
Elaborao de Contedo
S182c Salvador, Manuel Bernardino Lino.
Clculo Numrico / Manuel Bernardino Lino Salvador -- So
Cristvo: Universidade Federal de Sergipe, CESAD, 2009.

1. Matemtica 2.Clculo. I. Titulo
CDU 517.2/.3
Copyright 2009, Universidade Federal de Sergipe / CESAD.
Nenhuma parte deste material poder ser reproduzida, transmitida e gravada
por qualquer meio eletrnico, mecnico, por fotocpia e outros, sem a prvia
autorizao por escrito da UFS.
FICHA CATALOGRFICA PRODUZIDA PELA BIBLIOTECA CENTRAL
UNIVERSIDADE FEDERAL DE SERGIPE
Capa
Clculo Numrico
Manuel Bernardino Lino Salvador
Cidade Universitria Prof. Jos Alosio de Campos
Av. Marechal Rondon, s/n - Jardim Rosa Elze
CEP 49100-000 - So Cristvo - SE
Fone(79) 2105 - 6600 - Fax(79) 2105- 6474
Presidente da Repblica
Luiz Incio Lula da Silva
Ministro da Educao
Fernando Haddad
Secretrio de Educao a Distncia
Carlos Eduardo Bielschowsky
Reitor
Josu Modesto dos Passos Subrinho
Vice-Reitor
Angelo Roberto Antoniolli
Chefe de Gabinete
Ednalva Freire Caetano
Coordenador Geral da UAB/UFS
Diretor do CESAD
Antnio Ponciano Bezerra
Vice-coordenador da UAB/UFS
Vice-diretor do CESAD
Fbio Alves dos Santos
NCLEO DE MATERIAL DIDTICO
Hermeson Menezes (Coordenador)
Edvar Freire Caetano
Isabela Pinheiro Ewerton
Lucas Barros Oliveira
Diretoria Pedaggica
Clotildes Farias (Diretora)
Hrica dos Santos Mota
Iara Macedo Reis
Daniela Souza Santos
Janaina de Oliveira Freitas
Diretoria Administrativa e Financeira
Edlzio Alves Costa Jnior (Diretor)
Sylvia Helena de Almeida Soares
Valter Siqueira Alves
Coordenao de Cursos
Djalma Andrade (Coordenadora)
Ncleo de Formao Continuada
Rosemeire Marcedo Costa (Coordenadora)
Ncleo de Avaliao
Guilhermina Ramos (Coordenadora)
Carlos Alberto Vasconcelos
Elizabete Santos
Marialves Silva de Souza
Ncleo de Servios Grcos e Audiovisuais
Giselda Barros
Ncleo de Tecnologia da Informao
Joo Eduardo Batista de Deus Anselmo
Marcel da Conceio Souza
Assessoria de Comunicao
Guilherme Borba Gouy
Neverton Correia da Silva
Nycolas Menezes Melo
Tadeu Santana Tartum
Coordenadores de Curso
Denis Menezes (Letras Portugus)
Eduardo Farias (Administrao)
Haroldo Dorea (Qumica)
Hassan Sherafat (Matemtica)
Hlio Mario Arajo (Geograa)
Lourival Santana (Histria)
Marcelo Macedo (Fsica)
Silmara Pantaleo (Cincias Biolgicas)
Coordenadores de Tutoria
Edvan dos Santos Sousa (Fsica)
Geraldo Ferreira Souza Jnior (Matemtica)
Janana Couvo T. M. de Aguiar (Administrao)
Priscilla da Silva Ges (Histria)
Rafael de Jesus Santana (Qumica)
Ronilse Pereira de Aquino Torres (Geograa)
Trcia C. P. de Santana (Cincias Biolgicas)
Vanessa Santos Ges (Letras Portugus)
AULA 1
Os nmeros e o computador ............................................................. 01
AULA 2
Erros.................... .............................................................................. 09
AULA 3
Zeros de funes ............................................................................... 25
AULA 4
Zeros de funes (Continuao) ....................................................... 29
AULA 5
Interpolao polinomial...................................................................... 36
AULA 6
AULA 7
Aproximao por Mnimos Quadrados .............................................. 51
AULA 8
Integrao Numrica ......................................................................... 55
AULA 9
Soluo de Sistemas Lineares .......................................................... 66
AULA 10
Soluo de Sistemas Lineares (continuao) ................................... 75
Sumrio
Cidade Universitria Prof. Jos Alosio de Campos
Av. Marechal Rondon, s/n - Jardim Rosa Elze
CEP 49100-000 - So Cristvo - SE
Fone(79) 2105 - 6600 - Fax(79) 2105- 6474
Presidente da Repblica
Luiz Incio Lula da Silva
Ministro da Educao
Fernando Haddad
Secretrio de Educao a Distncia
Carlos Eduardo Bielschowsky
Reitor
Josu Modesto dos Passos Subrinho
Vice-Reitor
Angelo Roberto Antoniolli
Chefe de Gabinete
Ednalva Freire Caetano
Coordenador Geral da UAB/UFS
Diretor do CESAD
Antnio Ponciano Bezerra
Vice-coordenador da UAB/UFS
Vice-diretor do CESAD
Fbio Alves dos Santos
Coordenador do Curso de Licenciatura
em Matemtica
Hassan Sherafat
NCLEO DE MATERIAL DIDTICO
Hermeson Menezes (Coordenador)
Jean Fbio B. Cerqueira (Coordenador)
Christianne de Menezes Gally
Edvar Freire Caetano
Gerri Sherlock Arajo
Isabela Pinheiro Ewerton
Diretoria Pedaggica
Clotildes Farias (Diretora)
Rosemeire Marcedo Costa
Amanda Mara Steinbach
Ana Patrcia Melo de Almeida Souza
Daniela Sousa Santos
Hrica dos Santos Mota
Janaina de Oliveira Freitas
Diretoria Administrativa e Financeira
Edlzio Alves Costa Jnior (Diretor)
Sylvia Helena de Almeida Soares
Valter Siqueira Alves
Ncleo de Tutoria
Geraldo Ferreira Souza Jr. (Coordenadora
de Tutores do curso de Matemtica)
Ncleo de Avaliao
Guilhermina Ramos
Elizabete Santos
Ncleo de Servios Grcos e Audiovisuais
Giselda Barros
Ncleo de Tecnologia da Informao
Fbio Alves (Coordenador)
Joo Eduardo Batista de Deus Anselmo
Marcel da Conceio Souza
Assessoria de Comunicao
Guilherme Borba Gouy
Pedro Ivo Pinto Nabuco Faro
Jssica Gonalves de Andrade
Luclio do Nascimento Freitas
Neverton Correia da Silva
Nycolas Menezes Melo
Pricles Morais de Andrade Jnior
AULA 1
Os nmeros e o computador ............................................................. 01
AULA 2
Erros.................... .............................................................................. 09
AULA 3
Zeros de funes ............................................................................... 25
AULA 4
Zeros de funes (Continuao) ....................................................... 29
AULA 5
AULA 6
AULA 7
Aproximao por Mnimos Quadrados .............................................. 51
AULA 8
Integrao Numrica ......................................................................... 55
AULA 9
Soluo de Sistemas Lineares .......................................................... 66
AULA 10
Soluo de Sistemas Lineares (continuao) ................................... 75
Sumrio
CLCULO NUMRICO Aula 1

lino@ufs.br
1

Os nmeros e o computador

META

Associar os conceitos de algoritmo, representao dos
nmeros no computador e implementar clculos
usando algoritmos.

OBJETIVOS

Identificar os tipos de algoritmos, as propriedades e a
forma de armazenamento na memria do computador.


lino@ufs.br
2
1.1 Introduo

Com o aparecimento dos computadores na dcada de 40, muitos problemas
foram resolvidos atravs da aplicao de mtodos numricos, o que antes sem a
utilizao das mquinas eram inviveis pelo grande esforo de clculo manual.
Os homens, atravs do tempo, preocupam-se com formas de facilitar os
clculos, exemplos: o baco, inventado pelos babilnios, e os kipus inventado pelos
incas.

baco Kipus

A tecnologia dos computadores foi avanando cada vez mais, em termos de
exatido e tempo de execuo das instrues, porm as propriedades da aritmtica
Real no so vlidas quando so executadas no computador, pois a memria do
computador finita.
A matemtica aborda estes problemas no ramo da Anlise Numrica e
Clculo Numrico.
A UFS como outras universidades federais, tiveram computadores desde os
anos de sua fundao, do tipo IBM, 1130, 360, 3090, e computadores pessoais
Cobra, Itautec e outros. S para ter uma idia o IBM 1130 tinha 8 Kb de memria
Ram, mas nessa configurao, rodava-se o sistema acadmico, folha de pagamento
e vestibular, claro o nmero de usurios era bem menor. pocas do carto perfurado,
a linguagem utilizada era o FORTRAN Comercial.

IBM 1130 IBM 360 IBM 3090

O estudo da matemtica pode ser visto sob dois grandes aspectos:

Matemtica Pura e
Matemtica Aplicada.

Dentro da matemtica Aplicada encontra-se a Matemtica Computacional.
Esta usa como ferramenta o computador e utiliza-se da Teoria da Computao, da
Teoria da Informao e da Teoria dos Algoritmos.
A matemtica computacional pode ser dividida em trs reas:

Matemtica Simblica
Matemtica Grfica
Matemtica Numrica

lino@ufs.br
3
A matemtica Simblica trata dos dados em forma literal, obtendo uma
soluo exata no numrica. tambm chamada de matemtica no-numrica. Por
exemplo, provar teoremas utilizando o computador para construir ou verificar
seqncia de inferncia lgica que conduzam demonstrao.
A matemtica Grfica trabalha com dados de forma grfica e o resultado
tambm um grfico. As aplicaes podem ser divididas em trs reas:
Processamento de imagens, Reconhecimento de Padres e computao Grfica
Gerativa.
A matemtica Numrica trata da soluo de problemas matemticos atravs
do computador e dar como resultado aproximaes numricas. Ela engloba vrias
disciplinas, tais como: Clculo Numrico, Anlise Numrica, Aritmtica
Computacional, lgebra Numrica, Estatstica Numrica, etc.
O Clculo Numrico usa mtodos construtivos para a soluo dos
problemas, e utiliza s operaes aritmticas elementares { +, -, *, / } e atravs delas
so implementadas as demais operaes mais complexas. A forma como
implementada no computador, o processo de clculo para a soluo do problema
denomina-se Algoritmo.
Algoritmo, em geral, uma seqncia finita de passos e operaes
ordenadas que levam soluo de um problema.
Os algoritmos podem ser numricos e no numricos. Os algoritmos
numricos so aqueles que utilizam operaes aritmticas.
Exemplos de algoritmo no numrico:

Uma receita de bolo
Trocar um pneu de um carro
Construir uma casa

Exemplos de algoritmo numrico

Multiplicar duas matrizes Anxp * Bpxm
Calcular o sen(x) por uma soma de Taylor
Calcular as razes de um polinmio de grau 2

Um algoritmo de boa qualidade deve ter as seguintes caractersticas:

1. Inexistncia de erro lgico
2. Inexistncia de erro operacional
3. Quantidade finita de clculos
4. Critrio de exatido
5. Independncia da mquina
6. Os limites do erro devem convergir a zero
7. Eficincia


lino@ufs.br
4
1.2 Tipos de Algoritmos

Algoritmo por computao discreta
obtido por uma seqncia de computaes elementares.
Exemplo: Algoritmo de Bskara

Algoritmo por enumerao
o tipo de algoritmo que experimenta todas as possveis respostas em uma
certa ordem para encontrar a melhor soluo do problema.
Exemplo: Busca do melhor caminho em grafos.

Algoritmo iterativo
O algoritmo iterativo ou repetitivo encontra uma srie de respostas
aproximadas que gradualmente vo se aproximando da resposta cor reta at que um
critrio de parada seja atingido por exatido ou nmero de repeties.
Exemplo: Gera em forma repetitiva uma seqncia de valores, que
dever se aproximar soluo. Ter essa seqncia uma propriedade de
convergncia. Algoritmo de Newton para zeros de funes.

Algoritmo por diviso e conquista
O problema dividido em vrios subproblemas do mesmo tipo, mas
menores, que podem ser resolvidos diretamente ou subdivididos novamente, usa-se
esta tcnica, at que todos os subproblemas possam ser resolvidos.
Exemplo: Dado um intervalo [a,b] onde uma funo continua troca de
sinal, f(a)*f(b) < 0. Encontrar o f(c)=0. O algoritmo da bisseo divide o intervalo na
metade e verifica nas partes onde continua trocando de sinal, descartando a outra
parte.

Algoritmo por tentativa e erro
Este algoritmo procura uma possvel soluo(tentativa). Caso esta no
seja (erro), volta busca segundo novos critrios. E assim por diante.
Exemplo: Encontrar o menor n tal que (n2 +1)/n! < 10-5, para n Z,

Algoritmo guloso
Este algoritmo usado em problemas de combinatria, onde se busca uma
soluo rpida. Em um processo de escolha sempre eleito o mais barato.
Exemplo: Na busca de caminhos em grafos por camadas, em cada
expanso de um n escolhe-se o menor se custo, ou o maior se lucro. A soluo
no a melhor, mas ela sub-tima.


lino@ufs.br
5
1.3 Soluo de um Problema usando o Computador

Para resolver um problema utilizando o computador devemos seguir pelo
menos as seguintes etapas:

1. Selecionar a rea onde se encontra o problema no mundo real.
2. Formalizar o problema, levantando informaes relevantes ao
sistema, com a finalidade de estabelecer um modelo que se
aproxime ou simule tal problema.
3. Modelao do problema, neste nvel deve ser feita a abstrao
dos dados, identificando-se objetos, operaes, e variveis.
4. Escolha do algoritmo eficiente, definindo a estrutura lgica do
algoritmo.
5. Implementao do algoritmo, neste nvel escolhe-se a mquina e
a linguagem a ser utilizada para a definio fsica e programao
do algoritmo.
6. Validao dos resultados.

1.4 Representao dos nmeros no computador

O computador construdo ao redor de uma Unidade Central que
compreende:

Memria Central
Unidade de Clculo (aritmtica e lgica)
Unidade de Controle
Unidades de entrada e sada

A memria central est composta de um conjunto de clulas elementares
idnticas (BIT), agrupadas em nmero de capacidade fixa; cada grupo representa um
BYTE de oito pontos magnticos; estes grupos esto numerados de zero a n, e o
nmero de cada um deles denominado endereo.
O armazenamento dos nmeros feito nestes grupos de clulas. Numa
mquina digital, cada clula tem dois possveis estados, que podem ser
representados como positivo e negativo, ligado ou desligado e 0 ou 1.
Na memria do computador cada nmero armazenado em um conjunto
fixo de bits, sendo o primeiro o bit de sinal.

Bit e Byte

Existem dois modelos de representao dos nmeros: Ponto fixo e Ponto
flutuante.

lino@ufs.br
6
O sistema de ponto fixo representado em duas partes; uma parte inteira e
outra fracionria em uma certa base numrica. A notao P(b,n,f) onde b a base
utilizada, n o nmero de dgitos da parte fracionria f.
Este sistema no funciona para nmeros muito grandes ou muito pequenos.
Por exemplo, o nmero de Avogadro 0.60225x1023 molculas por mol no poderia
representar-se neste sistema. A implementao desta representao como produto
de uma frao e potncia de 10 est no sistema de ponto flutuante.

Definio 1. - Um nmero X que representado em ponto flutuante tem a forma:

X = m be ; m (-1,-0.1] [0.1,1) ; e Z

onde:

m a parte fracionria chamada mantissa
b a base numrica utilizada
e o expoente ou caracterstica

Exemplo:
Se N=234,789, X= 0,234789 x 103 ou X=0,00234789 x 105

Definio 2. - Um nmero ponto flutuante est na forma normal (normalizado) se o
valor da mantissa m pertence ao intervalo (-1,-0.1] [0.1,1).
Exemplo:
Se X = 0.0154 x 10-2, a forma normalizada igual a 0.154 x 10-3

Definio 3. - Diz-se que um nmero representado em ponto flutuante est na
Forma Standard t dgitos na mantissa se ele est normalizado e esta mantissa tem
exatamente t dgitos. Se a mantissa tiver mais de t dgitos ento arredondar o dgito
t+1 assim:
Se o (t+1)-simo dgito for igual ou maior que 5 ento o t-simo dgito
incrementado em 1.
Em outro caso, os t primeiros dgitos so considerados como mantissa.
O sistema de ponto flutuante representado por F(b,t,e1,e2) onde:

b a base
t o nmero de dgitos na mantissa
e1 o menor expoente
e2 o maior expoente

Exemplos:
1. Seja t=8, N=0,8934572834 o nmero est normalizado t dgitos na
mantissa como X=0,89345728 x 100
2. Seja t=5, N=3,14159 ento X=0,31416 x 10


lino@ufs.br
7
Como se pde observar nestes dois casos os nmeros originais no
puderam estar representados completamente para esses computadores hipotticos,
por tanto os valores armazenados so aproximados.

1.5 Resumo

Nesta aula, voc verificou que o armazenamento dos nmeros nem sempre exata
quando eles so transformados para uma base diferente da decimal . Isto acarreta
uma aproximao, por tanto h existncia de erro, assunto que veremos na prxima
aula.

1.6 Atividades

1. Seja o nmero N = 56783945783245 e um computador com t=8, qual a
representao em ponto flutuante, preciso simples, e em preciso dupla?

2. Verifique se as duas expresses a seguir podem ser usadas para calcular a
abscissa da interseo da reta,que passa pelos pontos (x0,y0) e (x1,y1) , com o
eixo x. x=(x0y1 x1y0)/(y1-y0) e x=x0- [(x1-x0)y0]/(y1-y0)

3. Usar os pontos (1.31, 3.24) e (1.93,4.76) e t=3 dgitos, calcule o x usando as
frmulas do exerccio 2. Comente.

4. Cada computador tem o t nmero de dgitos que trabalha, o algoritmo que segue
calcula este nmero (resultado em j)
P1. e=1
P2. j=1
P3. Enquanto 1+e > 1
j=j+1
e=e/2
Fim enquanto
P4. Mostrar j

A implementao na linguagem do Scilab

e=1;
j=1;
while 1+e > 1
j=j+1;
e=e/2;
end
j


lino@ufs.br
8
1.7 Comentrio das atividades

Os exerccios 1 a 3 para fixar as definies de ponto flutuante.
O exerccio 4 interessante para descobrir o nmero t e tambm um timo exerccio
para iniciar na programao no software SciLab.

1.8 Referncias

CUNHA, Cristina. Mtodos Numricos. 2 Ed. Campinas SP: Editora da UNICAMP,
2003. ISBN: 85-268-0636-X , CDD 620.00151


lino@ufs.br
9

Erros

META

Conceituar o erro, as fontes e formas de expressar
estes erros, propagao dos erros em operaes
aritmticas frmula geral e problema inverso.

OBJETIVOS

Resolver problemas prticos de erros em funes de n
variveis e calcular a cota para o erro em processos
infinitos.

2.1 Erros


lino@ufs.br
10
Na aula anterior vimos que nem sempre a aritmtica computacional coincide
com a aritmtica real.
Por exemplo, o nmero , nmero irracional com infinitos dgitos, no
possvel ser armazenado na memria do computador por ela ter tamanho finito e fixo.
Ao armazenar este na forma standard, ocorre uma aproximao do valor exato. Logo
existe um erro. Neste caso, de arredondamento.

2.2 Tipos de Erros

Pela fonte onde so produzidos estes erros podemos classific-los como:

Erros de modelao
Erros inerentes aos dados de entrada
Erros de arredondamento
Erros de truncamento

Os erros de modelao so provenientes da simplificao das situaes
reais que se faz atravs do modelo, ignorando-se certos aspectos do mundo real.
Os erros inerentes so os erros cometidos nos valores dos dados, causados
pela inexatido das medidas tais como distncia, tempo e temperatura, e que so
medidos por instrumentos limitados, por enganos pessoais ou pela natureza.
Os erros de arredondamento so o resultado da representao de um
nmero numa mquina.
Os erros de truncamento so erros cometidos pela aproximao de um
clculo infinito por outro finito.

Definio 4. - O erro absoluto definido como a diferena do valor exato e valor
aproximado.

= Ve - Va

onde:

o erro absoluto
Ve o valor exato
Va o valor aproximado

O mdulo do erro absoluto (erro absoluto mximo) o valor absoluto de:

| | = | Ve - Va |

O erro relativo representado como o erro absoluto dividido pelo valor exato

= / Ve / Va

Obs. Usa-se o valor aproximado Va se no se conhece o valor exato Ve


lino@ufs.br
11
O erro percentual representado como:

P = 100

2.3 Propagao do erro nas operaes aritmticas

2.3.1 Erro na soma e diferena

P1. Seja Va
3
= Va
1
Va
2
(Hiptese)
P2. Seja Ve
3
= Ve
1
Ve
2
(Hiptese)
P3.
i
= Ve
i
- Va
i
, i = 1,2,3 (def. de erro absoluto)
P4. Va
3
+
3
= (Va
1
+
1
) (Va
2
+
2
) (P2 e P3)
P5.
3
=
1

2
(P4,P1)
P6. |
3
| = |
1

2
| (definio de mdulo)
P7. |
3
| |
1
| + |
2
| (desigualdade triangular)

2.3.2 Erro no produto

P1. Seja Va
3
= Va
1
. Va
2
(Hiptese)
P2. Seja Ve
3
= Ve
1
. Ve
2
(Hiptese)
P3.
i
= Ve
i
- Va
i
, i= 1,2,3 (def. de erro absoluto)
P4. Va
3
+
3
= (Va
1
+
1
) . (Va
2
+
2
) (P2 e P3)
P5. Va
3
+
3
= 1 .
2
+
1
. Va
2
+ Va
1
.
2
+ Va
1
.Va
2
(P4)
P6.
3
=
1
.
2
+ Va
2
.
1
+ Va
1
.
2
(P5 e P1)
P7.
3
/ Va
3
= (Va
2
.
1
+ Va
1
.
2
+
1
.
2
) / Va
3
(def. de erro relativo)
P8.
3
=
1
.
2
+
1
+
2
(def. de erro relativo)
P9. |
3
| = |
1
.
2
+
1
+
2
| (def de mdulo)
P10. |
3
| |
1
| . |
2
| + |
1
| + |
2
| (desigualdade triangular)

2.3.3 Erro na diviso

P1.Seja Va
3
= Va
1
/ Va
2
(Hiptese)
P2.Seja Ve
3
= Ve
1
/ Ve
2
(Hiptese)
P3.
i
= Ve
i
- Va
i
, i = 1,2,3 (def. de erro absoluto)
P4.Va
3
+
3
= (Va
1
+
1
) / (Va
2
+
2
) (P2 e P3)
P5.Va
3
+
3
= (Va1 +
1
) . (1 / Va
2
) . (1 +
2
/ Va
2
)
-1
(P4)
P6.Va
3
+
3
= (Va
1
/ Va
2
+
1
/ Va
2
) . (1 - / ...) (P5)
P7. 3 = (Va2 . 1 - Va1 . 2) / (Va2)
2
(P6)
P8. 3 / Va3 = (1 / Va3) . (Va2 . 1 - Va1 . 2 ) / (Va2)
2
(P7)
P9. 3 = 1 - 2 (P8 def. erro relativo)
P10.|3 | = |1 - 2| (P9 Mdulo)
P11.|3| |1| + |2| (P10 desig. triangular)
Exemplo 1:

lino@ufs.br
12
Sejam os nmeros irracionais e
(valores dados pelo SciLab , %pi e sqrt(2) com
format(25)), que devem ser armazenados em uma mquina de t=8 dgitos na
mantissa. Qual o erro absoluto para e para ?

Os valores de e , esto na forma
standard normalizada.
Observe que as mantissas foram arredondadas. Pela definio de erro
absoluto:

Exemplo 2:
Qual o erro mximo para um nmero x com t dgitos na mantissa, se ele
arredondado?

O dgito t acrescentado uma unidade se o dgito t+1 5 , em outro caso
no se modifica. Ento os valores do dgito t e dgito t+1 podero ser t 0,t 1,t 2,t 3 ou t
4 ou (t-1)5, (t+1)6, (t+1)7, (t+1)8 ou (t+1)9, fazendo parte do valor exato, e os
respectivos erros
0
,
1
,
2
,
3
,
4
,5,
6
,
7
,8,
9
sero menores que 0.5x10
-t
.

2.4 Frmula geral para Erros

Seja uma funo diferencivel y = f(x).
Uma variao de x em um (x) faz que mediante a funo f haja uma variao
de y, assim:

(y) = f [ x + (x) ] - f(x),

considerando (x) um valor muito pequeno, ou seja, uma quantidade que
represente um erro em x. Utilizando f teremos uma variao de y, chamada de (y), e
que representar o erro em y ou da funo f.
Se em (y) = f [ x + (x) ] - f(x) multiplicando e dividindo o segundo membro
por (x) temos:

(y) = { f [ x + (x) ] - f(x) } (x) / (x)
(y) = { f [ x + (x) ] / (x) - f(x) / (x) } (x)

lino@ufs.br
13
(y) f(x) x, considerando x muito pequeno
|
y
| |f(x)| |
x
|

Em geral seja:

u = f (x
1
, x
2
, x
3
,..., x
n
)

seja:

xi
, para i = 1, 2, 3, ..., n

os erros absolutos dos argumentos de f, ento o erro absoluto de u :

u
( f / x
1
)
x1
+ ( f / x
2
)
x2
+ ... + ( f / xn)
xn

|
u
| = |( f / x
1
)
x1
+ ( f / x
2
)
x2
+ ... + ( f / x
n
)
xn
|
|
u
| |( f / x
1
)| |x
1
| + |( f / x
2
)| |
x2
| + ... + |( f / x
n
)| |
xn
|

u
|( f / x
1
/u)
x1
| + |( f / x
2
/u)
x2
| + ... + |( f / x
n
/u)
xn
|

Exemplo:
Achar o mximo erro absoluto e relativo do volume de uma esfera se o
dimetro D = (3,7 0,05) cm, = 3,14.

V = 1/6 D
3
= V(,D) (funo em duas variveis)

Observe que considerada uma varivel porque tem erro.

D
0,05
0,0016

V / = 1/6 D
3
= 1/6 (3,7)
3
= 8,4421666
V / D = 1/2 D
2
= (1/2) 3,14 (3,7)
2
= 21,4933

V
= ( V / )
+ ( V / D)
D
=
8,4421666 (0,0016) + 21,4933 (0,05) =
0,01350746656 + 1,074665 = 1,08817246656 cm
3

V
1,08817246656 / 26,508403 = 0,041050 ou
V
(1/6 D
3

+1/2 D
2

D
)/(1/6 D
3
)
+ 3
D

V
(0,0016/3,14) + 3(0,05/3,7) = 0,0005095 + 0,0405405 = 0,04105

2.5 Problema inverso do Clculo de Erros

O problema inverso do clculo de erros consiste em encontrar os erros dos
argumentos de uma funo dado o erro da funo.

Seja a funo:

lino@ufs.br
14

u = f (x
1
, x
2
, x
3
, x
4
, ..., x
n
)

dado o erro em u determinar os erros para x
1
, x
2
, x
3
, x
4
, ..., x
n
.
Este problema no tem soluo analtica exata, j que temos n incgnitas
para uma nica equao.
Para poder dar uma soluo a este problema h que se considerar
restries a fim de reduzir o problema a uma equao e uma incgnita.
Uma alternativa para esta reduo considerar O princpio de Efeitos
iguais, hiptese que usa-se em estatstica. Este princpio supe que as leis fsicas
atuam da mesma maneira para uma ao produzindo efeitos iguais.
Extrapolando esta idia para o problema inverso do clculo de erros surgem
as seguintes hipteses:

I . Os erros absolutos so iguais para x1, x2, ..., xn.
II. Os erros relativos so iguais para x1, x2, ..., xn.
III. A funo u contribui no erro total.

2.5.1 Hiptese I

P1.
x1
=
x2
=
x3
=...=
xn
= k
1
(Hiptese)
P2.
u
conhecido (Hiptese)
P3.
u
=
xi
, i = 1, 2, ..., n (def. de )
P4.
u
= k
1
(P3, P1)
P5. k
1
=
u
/ (P4)

2.5.2 Hiptese II

P1.
x1
=
x2
= ... =
xn
= k
2
(Hiptese)
P2.
u
conhecido (Hiptese)
P3.
u
=
xi
, i = 1, 2, ..., n (def. de )
P4.
u
=
xi
xi / xi , i = 1, 2, ..., n (P3)
P5.
u
= xi
xi
, i = 1, 2, ..., n (P4)
P6.
u
= k2 xi , i = 1, 2, ..., n (P5, P1)
P7. k
2
=
u
/ xi, i = 1, 2, ..., n (P6)

2.5.3 Hiptese III

P1. ( f / x1) x1 = ( f / x2) x2 =... = ( f / xn) xn = k3 (Hiptese)
P2.
u
conhecido (Hiptese)
P3.
u
=
xi
, i = 1, 2, ..., n (def. de )
P4.
u
= n k
3
(P3, P1)
P5. k
3
=
u
/ n (P4)
2.6 Erros de Truncamento

lino@ufs.br
15

Erro cometido ao aproximar um clculo infinito por outro finito.

Exemplo 1:

x
0
, x
1
, x
2
, x
3
, ..., x
n
, x
n+1
, ...
x
1
= F(x
0
)
x
2
= F(x
1
)
:
:
x
n+1
= F(x
n
)
x
n
x*

Seja uma soluo aproximada da seqncia { x
n
} que converge a x* no
limite.

x valor aproximado
x* valor exato

x* =
x
0
, x
1
, x
2
, ..., , ... x*
= V
e
- V
a
= x* -

onde o erro de truncamento.

Exemplo 2
Seja uma funo f(x), n vezes contnua e diferencivel, num intervalo [a,b].

Srie de Taylor
se a = 0, Srie de Mac-Laurin

Clculo da funo sen x, isto , expressar como uma srie de potncias

Soluo:

f(x) = sen x f(x) = -cos x
f(x) = cos x f(x) = sen x
f(x) = -sen x f(x) = cos x

funo trigonomtrica cclica

Para a = 0:
f(0) = 0 f(x) = -1
f(0) = 1 f(x) = 0
f(0) = 0 f(x) = 1


lino@ufs.br
16

, x radianos

= V
e

,= V
e

V
e
- V
a
=

Estima o erro Encontrar uma cota superior para o erro.

Teorema: Seja a srie , tal que |u
0
| > |u
1
| > |u
2
| > |u
3
| > ... > |u
n
| > |u
n+1
| > ...
alternada e convergente, ento < |u
k+1
|

Para a srie sem x : u = , 0 x /4

Para a funo sem x:

Exemplo:
Determinar o erro de truncamento para o clculo de sen 30 pela frmula de
Taylor.
Soluo:


lino@ufs.br
17

Clculo do e :

f(x) = e
x

Fazer x = 1 f(1) = e
f(x) = e
x
, f(x) = e
x
...

f(0) = e
0
= 1
f(0) = e
0
= 1

Para x = 1

Se <1
+2

lino@ufs.br
18
Se k=0, x<2

Se x = 1,

Exemplo:
Quantos termos da srie de Taylor so necessrios para que o nmero e
tenha um erro menor que 0,01.
Soluo:

T
< 0,01

para k = 2:
para k = 3:
para k = 4:
O nmero de termos 6.

2.7 Atividades

1. Se 1000 aproxima x com erro menor que . Mostre que 1/1000 aproxima 1/x com
erro absoluto menor que | /|(1000 + )
2
|

2. A altura H e raio R da base de um cilindro so medidos com aproximao de
0.5%. Qual o mximo erro absoluto e relativo ao calcular o volume. = 3.14

3. Um cilindro de alumnio com dimetro da base d = 2cm 0.01cm altura h = 11cm
0.02cm e peso p = 93.4gf 0.001 gf. Determinar o erro relativo do peso
especfico pe = p/v

4. Determine a srie de Taylor para a funo f(x) = sen x , e a cota do erro de
truncamento. Quantos termos da srie so necessrios para cometer um erro
menor que 0.01. x = 0.8

5. Um cilindro de alumnio com dimetro da base d = 2cm 0.01cm altura h = 11cm
0.02cm e peso p = 93.4gf 0.001 gf. Determinar o erro relativo do peso
especfico pe = p/v .


lino@ufs.br
19

2.8 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151

BURDEN, L. Richard, J. Douglas Faires Anlise Numrica SP: Editora Pioneira
Thomson Learning, 2003. ISBN 85-221-0297-X CDD - 515


lino@ufs.br
20

Zeros de Funes

META

Resolver o problema: dada a funo f(x), contnua em
um intervalo I=[a,b], encontrar um x* tal que f(x*)=0.

OBJETIVOS

Estudar diferentes algoritmos, encontrar solues e
verificar qual o mais eficiente e em que condies.


lino@ufs.br
21
3.1 Zeros de Funes

Um problema comum em engenharia, ou em geral nas diversas reas das
cincias exatas, determinar solues em equaes no lineares. Equaes estas
que envolvem funes transcendentes.

No problema seguinte:
Um cabo telefnico suspenso entre dois postes tem um peso de
quilogramasfora por metro. A tenso T no meio do cabo obtida pela resoluo da
equao (2T/) senh(L/2T) = S, onde S o cumprimento do fio, L a distncia entre
os postes e o peso especfico do fio por metro linear.

Os mtodos numricos, expostos nesta aula, so utilizados para encontrar
solues aproximadas para equaes deste tipo de problema.
Seja a funo f(x) = 0.
Um zero da funo um x* R tal que f(x*) = 0.
Para um intervalo I = [a,b], se f(a).f(b) < 0 c / f(c) = 0.
f deve ser contnua em I = [a,b].

3.2 Mtodo da Bisseo

O mtodo baseado no teorema do valor intermedirio que diz:

Se uma funo contnua no intervalo I=[a,b] e satisfaz a condio
f(a)*f(b)<0, ento existe pelo menos um x*[a,b] tal que f(x*)=0.

O mtodo tambm denomina-se de pesquisa binria, e consiste em dividir o
intervalo inicial em subintervalos que contenha o zero procurado. Divide-se o intervalo
inicial e se descarta o intervalo onde a funo no troca de sinal, prosseguindo com o
intervalo que satisfaz a condio de troca de sinal.

3.3 Algoritmo

P1. Dada a funo contnua f(x) no intervalo I=[a,b], definir uma tolerncia e verificar
se f(a)*f(b) < 0.
P2. c=(a+b)/2
P3. Se |f(c)| < ento pare. Soluo aproximada c.

lino@ufs.br
22
P4. Se f(a)*f(c) < ento
b=c
se no
a=c
P5. Volta ao P2.

Exemplo
Encontrar uma soluo para a equao f(x)=2
x
-4*x, no intervalo [0,1] usando
o programa a seguir.

3.4 Programa no Scilab

function y=f(x)
y=2^x-4*x
endfunction
format(15)
a=0;
b=1;
[e]=input("Digite a tolerancia Ex.0.0001: ");
c=(a+b)/2;
fc=abs(f(c));
while fc > e
if f(a)*f(c) < 0 then
b=c;
else
a=c;
end
c=(a+b)/2
fc=abs(f(c));
end
c

3.5 Mtodos Iterativos para a Soluo do Problema

Um mtodo iterativo um mtodo repetitivo, que gera normalmente uma
seqncia de valores.
Para que a seqncia de valores seja gerada deve existir uma frmula
recursiva.
Se a seqncia gerada nos leva soluo, ento uma seqncia
convergente.
O mtodo iterativo possui uma frmula recursiva, uma regra de parada e
condies de convergncia para a seqncia gerada.
A regra de parada dada pelo valor de , chamado tambm de zero
numrico. um valor pequeno, nomeado de tolerncia, que indica o grau de exatido
da soluo. definido por fora.


lino@ufs.br
23

3.6 Mtodo de Iterao Simples ou iterao linear

Um nmero p um ponto fixo se, para uma funo dada g(x), g(p)=p
Exemplo:

g(x)= x
3
2x + 2

os pontos - 2 e 1 so pontos fixos porque

g(-2) = - 2 e g(1) = 1
g(-2) - (-2) = 0 e g(1) 1 = 0

Dado um problema f(x)=0 , pode-se definir uma funo g(x) de tal forma que

g(x)=x-f(x) e f(x)=x g(x)

Se g(p)=p ento g(p) p = 0 e f(p)=0 e p ser um zero.

3.7 Algoritmo

P0. Transformar a funo f(x) = 0, tal que g(x) x = f(x) =0
P1. Para j=0
Escolher um valor inicial qualquer x
j
em [a,b]
P2. j j + 1
x
j
g(x
j-1
)
P3. (Regra de Parada)
Se |x
j
x
j-1
| < ento x
j
soluo aproximada.
Se no Voltar a P2

A seqncia gerada x
0
,x
1
,x
2
,..............,x
n
,x
n+1
,..........

lino@ufs.br
24
Onde x
1
=g(x
0
), x
2
=g(x
1
), x
3
=g(x
2
)..x
n
=g(x
n-1
)

Exemplo:

f(x) = x
3
- 2x - 1 I = [1,2]
f(1) = 1 - 2 - 1 = -2
f(2) = 8 - 4 -1 = 3
f(1).f(2) < 0 = 0,01

P0: g(x) / g(x) - x = f(x)
x
3
- 2x - 1 => x =

g(x) - x = f(x)
g(x) - x =

P1: j 0, x
0
I = [1,2]
x
0
= 1

P2: x
1
= g(x
0
) = g(1) =
x
1
= 1,44334957

P3: |x
1
- x
0
| = |1,44224957 - 1| > 0,01

P2: x
2
= g(x
1
) = g(1,44224957) =
x
2
= = 1,571973

P3: |x
2
- x
1
| = |1,571973 - 1,442251| > 0,01

P2: x
3
= g(x
2
) = g(1,571973) =
x
3
= 1,0622

P3: |x
3
- x
2
| = |1,60622 1,571973| = 0,034 > 0,01

P2: x
4
= g(x
3
) = F(1,60622) =
x
4
= 1,6150

P3: |1,6150 1,6002| = 0,0088 < 0,01

x
4
= 1,615 Soluo aproximada

3.8 Condies de Convergncia

I) x I g(x) I;
II) F(x) deve ser contnua no intervalo I;
III) O valor absoluto da derivada da funo


lino@ufs.br
25
|g(x)| < 1 x I.

A seqncia { x
n
} gerada pelo algoritmo de iterao simples convergir
soluo x*, isto , ou { x
n
} x*.
Exemplo:
Verificar as condies de convergncia para g(x) = .

1) x [1,2], ento g(x) [1,2]
Para x = 1: g(1) = 1,4422 [1,2]
Para x = 2: g(2) = 1,71 [1,2]
Porque a funo crescente no intervalo ento g(x) [1,2]

2)
No h pontos de descontinuidade no intervalo

3) g(x) = (2x+1)
1/3

x = 1: < 1
x = 2: < 1

Porque a funo derivada g(x) decrescente no intervalo

Observao: O intervalo poder ser relaxado para satisfazer as condies

3.9 Consideraes das condies de Convergncia

I) x I g(x) I = [a,b]
f(x) = 0 g(x) x = f(x)

II) g(x) contnua
Condio I) e II) garantem a existncia de soluo

1) a g(a) (1a condio)
2) b g(b) (1a condio)
3) 0 g(a) - a = f(a) (1, def. de g(x))
4) 0 g(b) - b = f(b) (2, def. de g(x))

lino@ufs.br
26
5) f(a) 0 ^ f(b) 0 (3, 4)
6) c [a,b] / f(c) = 0 (5, def. de zero de funo)

III) | g(x) | < 1, x I
Tambm conhecida como condio de Lipchitz

| g(x) | L , L < 1 , x I

equivalente a dizer que para dois pontos q.q. I vale o seguinte:

xk, xk+1 I ento |g(xk) - g(xk+1)| L |xk - xk+1|

1) |g(x)| L , L < 1 , x I = [a,b] (Hiptese)
2) Seja xk e xk+1 pontos pertencentes ao intervalo I (def. x I)
3) Existem g(xk) e g(xk+1) I (def. g(x))
4) Pelo Teorema do Valor Intermedirio:
c [x
k
, x
k+1
] / g(c) =

5) (4,def. de valor absoluto)
6) Como c I , ento g(c) L (5, 1)
7) ou

As Condies III) e II) garante a unicidade da soluo.

1) g(x) L , L < 1 , x I
|g(x
k
) - g(x
k+1
)| L.| x
k
- x
k+1
| para q.q. x
k
, x
k+1

I (Hiptese)

2) Suponhamos que existem duas solues s
1
, s
2
, diferentes.
3) s
1
= g(s
1
) ^ s
2
= g(s
2
) (def. de Soluo)
4) s
1
, s
2
I , ento |g(s
1
) - g(s
2
)| L |s
1
- s
2
|(def. eq. cond. de Lipchitz)
5) |s
1
- s
2
| L |s
1
- s
2
| (3, 4)
6) Como s
1
diferente de s
2
s
1
- s
2
0 , logo 1 L | contradio com
a hiptese, constante de Lipchitz menor que 1
7) s
1
= s
2

3.10 Interpretao geomtrica a condio III

| g(x) | < 1
| tg | = g(x) < 1
| tg 45 | = 1

lino@ufs.br
27

As trs condies garantem convergncia da seqncia gerada pelo algoritmo

Provar que:

ou

1) |xn - x*|
2) |xn - x*| = |g(x
n-1
) - g(x*)| (def. algoritmo e x* soluo)
3) |g( x
n-1
) - g(x*)| L.|x
n-1
- x*| (condio 3 equiv.)
4) |x
n-1
- x*| = |g(x
n-2
) - g(x*)|
5) |x
n
- x*| L.|x
n -1
- x*| L.L.|x
n-2
- x*| (2, 4)
|x
n
- x*| L
2
.|x
n-2
x*|
6) |x
n-2
- x*| = |g(x
n-3
) - g(x*)| L.|x
n-3
- x*|
7) |x
n
- x*| L
3
.|x
n-3
- x*|
8) |x
n
- x*| L
n
.|x
0
- x*|
9) lim
n
|xn - x* |limn L
n
.|x
0
- x*|
10) lim
n
L
n
.| x0 - x* | = |x
0
- x*| . lim
n
L
n

11) lim
n
L
n
= 0 porque L < 1
12) lim
n
|x
n
- x*| = 0

3.11 Erro de truncamento para n passos

Valor exato: x*
Valor aproximado: x
n
, n qualquer.

x
0
, x
1
, x
2
, x
3
, ..., x
n-1
, x
n

= Ve - Va = x* - x
n

1) |x* - x
n
| = lim
m
| x
m
- x
n
| , m > n
2) |x
m
- x
n
| = |x
n
- x
m
| = |x
n
- x
n+1
+ x
n+1
- x
n+2
+ x
n+2
- ... - x
m-1
- x
m
|
3) |x
n
- x
n+1
| + |x
n+1
- x
n+2
| + |x
n+2
- x
n+3
| + ... + |x
m-1
- x
m
|
4) |xn - x
n+1
| = |g(x
n-1
) - g(x
n
)| L |x
n-1
- x
n
|
5) |x
n+1
- x
n+2
| = |g(x
n
) - g(x
n+1
)| L |x
n
- x
n+1
| L
2
|x
n-1
- x
n
|
6) |x
n+2
- x
n+3
| = |g(x
n+1
) - g(x
n+2
)| L | x
n+1
- x
n+2
| L
3
|x
n-1
- x
n
|
7) |x
n
- x
m
| | x
n-1
- x
n
| [ L+ L
2
+ L
3
+ L
4
+...+ L
m-n
]

lino@ufs.br
28
8) lim
m
|x
n
- x
m
| lim
m
|x
n-1
- x
m
|
9) |x
n
- x*|

|x
n-1
- x
n
|
10) |x
n
- x*| |x
n-1
- x
n
| L = |x
n-1
- x
n
|
11) |x
n
- x*| Cota do erro

3.12 Atividades

1. Encontre uma aproximao para 25
1/3
com preciso de 10
-4
usando o algoritmo da
bisseco

2. Achar uma funo de iterao para encontrar um zero diferente de x = 4 de 2
x
=
4x

3. Dar uma cota do erro de truncamento ao usar n iteraes no mtodo de iterao
simples. A cota deve estar en funo dos valores | x
o
- x
1
| e a constante de
Lipchitz L

4. Demonstre que x
n+1
= x
n
(2 - K x
n
) converge a 1/K quando n tende ao infinito

3.13 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151



lino@ufs.br
29


lino@ufs.br
29

Zeros de Funes
(continuao)

META

Resolver o problema: dada a funo f(x), contnua em
um intervalo I=[a,b], encontrar um x* tal que f(x*)=0.
Usando o Mtodo de Newton.

OBJETIVOS

Estudar diferentes casos do especiais do Mtodo de
Newton.


lino@ufs.br
30
4.1 O Mtodo de Newton

O mtodo de Newton pode ser visto com um caso particular do mtodo de
iterao linear, onde a funo g(x) construda para ser uma funo de iterao. Isto
, que satisfaa as trs condies de convergncia.
Seja a funo f(x) uma funo contnua em I = [a,b], e f(a).f(b) < 0, com f(x) 0
no intervalo I.
Construo da funo g(x) de tal forma que x g(x) = f(x)

1) f(x) = 0
2) por ser f(x) 0
4) x x + = 0
5) x = x - = g(x) , onde g(x) igual ao segundo termo
6) g(x) satisfaz as condies de convergncia do mtodo de iterao
linear.

4.2 Interpretao geomtrica


lino@ufs.br
31

Exemplos:
1) Raiz quadrada de um N>0

Seja f(x) = x - N

Exemplo:

2) Raiz K-sima de um N>0

f(x) = x
k
N

4.3 Algoritmo

P0. Dada a funo f(x) contnua em I=[a,b], f(x) 0 em [a,b], f(a).f(b) < 0, (tolerncia)
P1. Escolher um x
0
inicial em [a,b], j 0
P2. j j+1 , x
j
= x
j-1
f(x
j-1
)/f(x
j-1
)
P3. (Regra de parada) Se |x
j
-x
j-1
| < ou |f(x
j
)| < , ento pare. Soluo aproximada x
j

Se no volta ao passo P2.

1.4 Programa no SciLab

deff('[y]=g(x)','y=2^x-4*x')
deff('[z]=dg(x)','z=log(2)*2^x-4')
x0=0;
x1=0.5
format(20)
eps=0.00001

lino@ufs.br
32
while abs(x0-x1) > eps
x0=x1;
x1=x0-(g(x0)/dg(x0))
end
x1

1.5 Casos Especiais

Caso 1.

No se pode garantir que a funo f(x) seja diferente de zero em todo o
intervalo i=[a,b].
Seja f(x
0
) 0 , x
0
[a,b]
Considerar f(x
0
) = M constante para todo o clculo da seqncia.

f(x0) 0 n
f(x
0
) = M 0

Caso 2.

A derivada da funo complexa.
Aproximamos a derivada pelo quociente do limite.

Frmula tambm conhecida como mtodo da secante.

Caso 3

Mtodo de Newton aplicado a polinmios

Seja o polinmio P
n
(x) = a
0
+ a
1
.x + a
2
.x
2
+ ... + a
n
.x
n


lino@ufs.br
33

Para cada iterao, necessrio calcular o valor numrico do P
n
(x
k
) e P
n
(x
k
).

Exemplo:
P
5
(x) = a
0
+ a
1
.x + a
2
.x
2
+ a
3
.x
3
+

a
4
.x
4
+ a
5
.x
5

P
5
(r) = a
0
+ a
1
.r + a
2
.r
2
+ a
3
.r
3
+

a
4
.r
4
+ a
5
.r
5

N de somas = 5
N de produtos = 15
Para P
n
(r):
N de somas = n
N de produtos = 1 + 2 + 3 + 4 + 5 + ... + n =
P
5
(r) = a
0
+ r(a
1
+ r(a
2
+ r(a
3

+ r(

a
4
+ a
5
))))
N de produtos = 5

Esquema de Ruffini-Horner ou Diviso Sinttica

1. P
n
(x) = Q
n-1
(x)(x-r)+R
para x = r:
2. P
n
(r) = Q
n-1
(r)(r-r)+R
3. P
n
(r) = R
4. P
n
(x) = Q
n-1
(x)(x-r)+ Q
n-1
(x)
5. P
n
(r) = Q
n-1
(r)(r-r)+ Q
n-1
(r)
6. P
n
(r) = Q
n-1
(r)

7. c1 = Pn(r)

Exemplo:
P
5
(x) = 8 - 2x + 4x
2
- 7x
3
+ 5x
4
+ x
5


lino@ufs.br
34

P5(2) = 76
P5(2) = 170
Frmula Recursiva:

b
n
= a
n

b
j
= b
j+1
r + a
j
, j = n-1, n-2, n-3, ..., 4, 3, 2, 1, 0
P(r) = b
0

cn= b
n

c
j
= c
j+1
r + b
j
, j = n-1, n-2, n-3, ..., 4, 3, 2,1
P(r) = c
1

Localizao de zeros

Seja a funo f(x) e seja um x suficientemente pequeno.
______________________
- 0 +

O problema de localizao encontrar um intervalo I = [a,b], tal que f(a).f(b) < 0.

Razes positivas:
f(0), f(x), f(2x), ..., f(kx), ...
Testar se f(ix).f((i+1) x) < 0 i = [ ix, (i+1) x ].

Pode-se saber o nmero de razes reais de um polinmio:
Regra de Descartes

Exemplos:
P
4
(x) = 1+ 3x 5x +4x + 8x
4

N de razes reais positivas: 1 + 1 = 2
P
4
(x) = 1- 3x 5x -4x + 8x
4

N de razes reais negativas: 1 + 1 = 2

4.6 Atividades

1. Verificar que o mtodo de Ruffini Horner tem complexidade linear para encontrar
o valor numrico de um Polinmio de grau n

2. A equao x
2
-10cosx = 0 tem duas solues: 1,3793646. Utilize o mtodo de
Newton para encontrar as solues aproximadas, com preciso de 10
-5
, usando
valores iniciais x
0
iguais a -100, -50, -25, 25, 50, 100


lino@ufs.br
35

4.6 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151



lino@ufs.br
36

Interpolao Polinomial

META

Resolver o problema: dada a funo f(x), contnua ou
um conjunto de pontos, aproxim-la por um polinmio
de grau n.

OBJETIVOS

Estudar os principais algoritmos de construo destes
polinmios.


lino@ufs.br
37
5.1 Introduo

Seja uma funo f(x), contnua, uma das idias mais antigas em clculo
numrico aproximar esta funo por um polinmio.
Um Polinmio fcil de manipular, encontrar suas derivadas, integrais e
suas razes com relativa facilidade.
O teorema de Weierstrass afirma que Toda funo contnua pode ser
arbitrariamente aproximada por um polinmio.
Os mtodos a serem estudados como uma aproximao para uma funo
f(x) podero ser aplicados quando, no conhecemos a funo, apenas sabemos os
pontos x
0
, x
1
,x
2
,x
3
,..............,x
n
. Situao muito comum na prtica quando se trabalha
com dados experimentais.
Se os pontos do pargrafo anterior forem distintos, determina-se um
polinmio P
n
(x) de grau no mximo n, tal que
Seja o conjunto de pontos (x
1
, y
1
), (x
2
, y
2
), (x
3
, y
3
),..., (x
n
, y
n
)
O problema de interpolao encontrar um para um [ x
0
, x
n
].

5.1 Interpolao Linear

Seja o par de pontos (x
0
, y
0
)(x
1
, y
1
), a equao da reta que passa pelos
pontos :

y = a
0
+ a
1
x, tal que

5.2 Interpolao Quadrtica

Para 3 pontos (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
) no-colineares.
Seja P
2
(x) polinmio de grau 2:

P
2
(x) = a
0
+ a
1
x + a
2
x
2
y
0
= P
2
(x
0
) = a
0
+ a
1
x
0
+ a
2
x
0
2
y
1
= P
2
(x
1
) = a
0
+ a
1
x
1
+ a
2
x
1
2

y
2
= P
2
(x
2
) = a
0
+ a
1
x
2
+ a
2
x
2
2


lino@ufs.br
38
5.3 Interpolao para um polinmio de grau n

Para n+1 pontos (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
),... ,(x
n
, y
n
) no-colineares.
Seja P
n
(x) polinmio de grau n:

P
n
(x) = a
0
+ a
1
x + a
2
x
2
+ ... + a
n
x
n

y
0
= P
n
(x
0
) = a
0
+ a
1
x
0
+ a
2
x
0
2
+ ... + a
n
x
0
n

y
1
= P
n
(x
1
) = a
0
+ a
1
x
1
+ a
2
x
1
2
+ ... + a
n
x
1
n

.
:
Y
n
= P
n
(x
n
) = a
0
+ a
1
x
n
+ a
2
x
n
2
+ ... + a
n
x
n
n

O problema de encontrar o polinmio que passe pelos pontos dados
equivale a resolver o sistema de n+1 equaes com n+1 incgnitas. Estudaremos
mtodos que resolvem esta situao em forma implcita.

5.4 Mtodo de Lagrange

Este mtodo construtivo que engenhosamente pens Lagrange, e que
tentaremos reproduzir supondo quatro pontos dados ...
Sejam os pontos . (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
), (x
3
, y
3
).

Etapa 1
Seja o polinmio de grau 3 construdo da forma seguinte:

P
3
(x) = y
0
L
0
(x) + y
1
L
1
(x) + y
2
L
2
(x) + y
3
L
3
(x)

Este polinmio ser de grau 3 s se L
0
(x), L
1
(x), L
2
(x) e L
3
(x) forem
polinmios de grau 3, estes polinmios chamaremos de Polinmios de Lagrange.

Etapa 2
O polinmio deve passar pelos pontos dados, ou seja, P
3
(x
0
) = y
0
, P
3
(x
1
) = y
1
,
P3(x
2
) = y
2
e P
3
(x
3
) = y
3
.
Para isto acontecer:
P
3
(x
0
) = y
0
, L
0
(x
0
) = 1, L
1
(x
0
) = 0, L
2
(x
0
) = 0 e L
3
(x
0
) = 0
P
3
(x
1
) = y
1
, L
0
(x
1
) = 0, L
1
(x
1
) = 1, L
2
(x
1
) = 0 e L
3
(x
1
) = 0
P
3
(x
2
) = y
2
, L
0
(x
2
) = 0, L
1
(x
2
) = 0, L
2
(x
2
) = 1 e L
3
(x
2
) = 0
P
3
(x
3
) = y
3
, L
0
(x
3
) = 0, L
1
(x
3
) = 0, L
2
(x
3
) = 0 e L
3
(x
3
) = 1


lino@ufs.br
39
Etapa 3
Os L
i
(x) so polinmios de grau 3.

Podemos verificar que depois destas trs etapas o polinmio pode ser
encontrado sem ter que resolver o sistema 4x4.

5.5 Frmula Geral

Em geral para (x
i
,y
i
) i=0,1,2,3,4,5, ...,n
Teramos que resolver um sistema de n+1
x
n+1
A frmula geral dada pelas equaes seguintes:

Exemplo:
Determinar o polinmio que passe por: (0,3) (1,5) (3,7) (4,9) e estimar o valor
de y quando x=2

Soluo:
P
3
(x) = 3L
0
(x) + 5L
1
(x) + 7L
2
(x) + 9L
3
(x)


lino@ufs.br
40

5.6 Algoritmo de Lagrange

O algoritmo a implementao lgica das duas frmulas dadas em 5.5

P1. Fornecer os valores de (xi,yi) i=0,1,2,3,4,5............,n, e o valor a interpolar x*,
verificar se xi xj
P2. soma 0
P3. Para i = 0 at n
prod 1
para j=0 at n
Se i j
. prod prod*(x*-xj)/(xi-xj)
fim se
fim para
soma prod*yi
fim para
P4. Mostrar soma // o valor interpolado

5.7 Programa de Lagrange no SciLab

O programa foi feito para mostrar o polinmio e calcular aps o valor
interpolado:

// Lagrange
n=input('numero de pontos :');
[x]=input('Digite os valores de x(i),i=1 n entre colchetes:');
[y]=input('Digite os valores de y(i),i=1 n entre clochetes:');
for i=1:n
for j=1:n
if i <> j
if x(i)==x(j)
abort
end
end

lino@ufs.br
41
end
end

xb=poly(0,"x");
yb=0;
for i= 1:n
p=1;
for j=1:n
if i <> j then
p=p*(xb-x(j))/(x(i)-x(j));
end
end
yb=yb+p*y(i);
end
yb
xp=input('valor a interpolar :');
horner(yb,xp)

Outros mtodos que veremos a seguir baseiam-se no fato dos pontos
estarem igualmente espaados, isto x
1
-x
0
=x
2
-x
1
=x
3
-x
2
= ......... =x
n
-x
n-1
=h , e
necessitamos definir um operador que facilite a notao das frmulas que encontraro
os polinmios.

5.8 Diferencias Finitas

0
, y
0
), (x
1
, y
1
), (x
2
, y
2
),..., (x
n
, y
n
), tal que
x
i
=x
0
+i.h, para i = 0, 1, 2, ..., n.
Definimos o operador diferena incremento h, como:

5.9 Propiedades do operador

P1:
P2: , c constante
P3:
P4:
P5: , m e n

lino@ufs.br
42
P6: , c constante
P7:

5.10 Tabela de diferencias

Exemplo:
(0, 1) (1,2) (2,9) (3, 28)

Soluo:

Termo Geral da Tabela


lino@ufs.br
43

5.11 Atividades

1. Determine o tamanho do h = x
i+1
- x
i
para a construo da tabela de f(x) = e
x

em [0,1] para que o erro de truncamento na interpolao linear seja menor que
0.005

2. Dado f(x) = sen x , f(0.1) = 0.09983 ; f(0.2) = 0.19867 Determine o valor f(0.16) e
calcule o erro de truncamento

(x-x
0
) (x-x
1
)
E = -------------- |f"(r)| , f"(r) = max {| f"(x)| }
t 2 x

3. Para f(x) = 5
x
obtenha f(0.3) e o erro de truncamento se f(0.5) = 2.23608

5.11 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151



lino@ufs.br
44

Interpolao Polinomial

META

Resolver o problema de interpolao para pontos
igualmente espaados, gerando um polinmio de grau n.

OBJETIVOS

Estudar os algoritmos de Newton para a construo
destes polinmios.


lino@ufs.br
45
6.1 Introduo

Os mtodos seguintes usam as diferenas finitas na sua estrutura. Portanto,
os pontos devem estar igualmente espaados.

6.2 O mtodo de Newton para interpolao

0
, y
0
), (x
1
, y
1
), (x
2
, y
2
),..., (x
n
, y
n
) igualmente
espaados:
x
1
= x
0
+ i.h, i = 0,1,2, ...,n

O polinmio de interpolao de Newton de grau n que passa pelos pontos
dados :

P
n
(x) = a
0
+ a
1
(x - x
0
) + a
2
(x x
0
)(x x
1
) + a
3
(x x
0
)(x x
1
)(x x
2
) +... +
a
n
(x x
0
)(x x
1
)(x x
2
)... (x x
n-1
)

P
n
(x
i
) = y
i
, i = 0, 1, 2, ..., n
P
n
(x
0
) = y
0
= a
0

P
n
(x
1
) = y
1
= a
0
+ a
1
(x - x
0
)
P
n
(x
2
) = y
2
= a
0
+ a
1
(x - x
0
) + a
2
(x x
0
)(x x
1
)
.
:
P
n
(x
n
) = y
n
= a
0
+ a
1
(x - x
0
) + a
2
(x x
0
)(x x
1
) +... + a
n
(x x
0
)(x x
1
)(x x
2
)...
(x x
n-1
)

y
1
= y
0
+ a
1
.h
y
2
= y
0
+ a
1
.2h + a
2
.2h.h
y
2
= y
0
+ .2h + a
2
.2h
2

.
:


lino@ufs.br
46
6.3 Notao fatorial decrescente

(x x
0
)(x x
1
) = (x x
0
)
(2)

Significa que tem-se dois fatores de base (x - x
0
) decrementando o outro
fator em h.

(x x
0
)(x x
0
- h) = (x x
0
)(x x
1
)

Em geral:

x x x h x h x h x n h
n ( )
( )( )( )..( ( ) ) 2 3 1

6.4 Primeira Frmula de Newton

A primeira frmula de Newton pode ser escrita em forma compacta usando a
notao fatorial geral decrescente.

P x
y
i h
x x
n i
i
i
n
( )
!
( )
( )

i

0
0
0

Exemplo:

x y y
2
y
3
y
0 1 1 6 6
1 2 7 12
2 9 19
3 28

h = 1
P x x x x x x x x x x x x x ( )
!1
( )
!1
( )( )
!1
( )( )( ) 1
1
1
6
2
6
3
0 2 0 1 3 0 1 2

P x x x x x x x x x x x x x
x
( ) ( ) ( )( ) 1 3 1 1 2 1 3 3 3 2
1
2 3 2
3

6.5 Segunda frmula de Newton

Seja o conjunto de pontos igualmente espaados:

( , ) ( , ) ( , ) ( , ) x y x y x y x y
n n 0 0 1 1 2 2
...

Primeira Frmula de Newton ou Newton
Progressiva


lino@ufs.br
47
tais que:

x x i h ,
i 0
. i = 1, 2, 3,..., n

P
n
( ) ( ) ( )( ) ( )( )( )
... ( )( )( )...( )
x a a x x a x x x x a x x x x x x
a x x x x x x x x
n n n n n n
n n n n
0 1 2 1 3 1 2
1 2 1

P x y
i i
( ) i

P(x

+
n
)
( ) ( )
:
:
( ) ( ) ( )( ) ...
( )( )...( )
y a
P x y a a x x
P x y a a x x a x x x x
a x x x x x x
n
n n n n
n n n
n n n
0
1 1 0 1 1
0 0 0 1 0 2 0 0 1
0 0 1 0 1

a y
n 0

y a a h
y a
h
y y
h
y
h
y a a h a h h
a
y
h
a
y
i h
n
n n n n
n
n
i
i
n i
i
1 0 1
1 0 1 1
2 0 1 2
2
2
2
2
2
2
( )
( ) ( )( )
:
:
!
a
1

P x y
y
h
x x
y
h
x x x x
y
n!h
x x x x x x
n n
n
n
n
n n
n
n n n
( )
!
( )
!
( )( ) ...
( )( )...( )
1
2
2
2 1
0
1 1
1 2

6.6 Notao fatorial crescente

( )( ) ( ) ( )( )
|
x x x x x x x x x x h
n n n n n 1
2|

Em geral:

) ) 1 ( )...( 3 )( 2 )( (
| |
h n x h x h x h x x x
n


lino@ufs.br
48
P x
y
i h
x x
n
i
n i
i
i
n
n
( )
!
( )
|

i |
0

6.7 Mtodo de Aitken

Este um outro mtodo para encontrar um polinmio que passe pelos
pontos dados. E estes podem estar desigualmente espaados.
Seja o conjunto de pontos ( , ) ( , ) ( , ) ( , ) x y x y x y x y
n n 0 0 1 1 2 2
...
,
no
necessariamente igualmente espaados.
O polinmio linear interpolante para o par de pontos ( , ) ( , ) x y x y
0 0 1 1
, :

P x y
x x
x x
y
x x
x x
1 0
1
0 1
1
0
1 0
( ) (Frmula de Lagrange)

P x y
y x x
h
1 0
0 0
( )
( )
(Frmula de Newton)

P x
x x
x x y
x x y
1
1 0
0 0
1 1
1
( )

Tabela de Aitken

x y x - x
i
P
x
0
y
0
x - x
0

P
01
(x)
x
1
y
1
x - x
1
P
012
(x)
P
12
(x)
x
2
y
2
x - x
2

P
123
(x)
P
0123...n
(x)
: : :
: : : P
n-2 n
(x)
P
n-1 n
(x)
x
n
y
n
x - x
n

P
01
(x) um polinmio de grau 1 que passa pelos pontos
( , ) ( , ) x y x y
0 0 1 1
, .
P
12
(x) um polinmio de grau 1 que passa pelos pontos
( , ) ( , ) x y x y
1 1 2 2
, .


lino@ufs.br
49
P x
x x
x x y
x x y
P x
x x
x x y
x x y
x y
x y
x y
x y
01
1 0
0 0
1 1
12
2 1
1 1
2 2
0 0
1 1
1 1
2 2
1
1
( )
( )
( )
( )
( )
( )

P
P
P
P
01
01
12
12

O polinmio P
012
(x) definido como:

P x
x x
x x P x
x x P x
012
2 0
0 01
2 12
1
( )
( )
( )

um polinmio de grau 2 e que passa pelos pontos (x
0
, y
0
) (x
1
, y
1
) (x
2
, y
2
).

0 0 01 0 01 2 0 0 12 0 0
0 2
0 012
) ( )] ( ). ( ) ( ). [(
1
) ( y x P x P x x x P x x
x x
x P
2 2 0 2
0 2
2 01 2 2 2 12 0 2
0 2
2 012
1
1
1 1
0 2
1 01 2 1 1 12 0 1
0 2
1 012
). (
1
)] ( ). ( ) ( ). [(
1
) (
. 2
. . 2
] ) ( . [
1
)] ( ). ( ) ( ). [(
1
) (
y y x x
x x
x P x x x P x x
x x
x P
y
h
y h
y h y h
x x
x P x x x P x x
x x
x P

P x
x x
x x P x
x x P x
n
n
n
n n
0123
0
0 012 1
123 1
1
...
...
...
( )
( )
( )

6.8 Interpolao Inversa

Seja o conjunto de pontos ( , ) ( , ) ( , ) ( , ). x y x y x y x y
n n 0 0 1 1 2 2
...
Dado um y determinar o x .
O polinmio deve passar pelos pontos ( ( ( y y y
n 1 2
,x ) ,x ) ... ,x )
1 2 n
, isto ,
P
n
( ) y x
i i
.

Soluo por Lagrange:

P y x L y
L y
y
n i i
i
n
i
j j
i
n
( ) . ( )
( )

i
i
j
y - y
y
0
0


lino@ufs.br
50

6.9 Atividades

1. Determine :
a)
k
x b) x
(n)

1 h
c) sen x d) f(x+h)
1 1
e) x! f) (x + n)
|n|

2. Encontre a formula geral para um elemento da tabela de diferenas finitas.

3. Determine log 4.5 da tabela a seguir pelo mtodo de Aitken

x 4.0 4.2 4.4 4.6 4.8
-------------------------------------------------------------------------
log x 0.60206 0.62325 0.64345 0.66276 0.68124

6.10 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151



lino@ufs.br
51

Aproximao por Mnimos
Quadrados

META

Resolver o problema de aproximao usando mtodos
de otimizao.

OBJETIVOS

Estudar os algoritmos de Mnimos quadrados para
diferentes tipos de funes.


lino@ufs.br
52

7.1 Introduo

A aproximao por mnimos quadrados um mtodo de otimizao. Dados
um conjunto de pontos (x
i
,y
i
) i=0,1,2,3,4,.........,n, a priori definida uma funo que
tende a aproximar os pontos dados. Pode ser um polinmio, uma funo logartmica,
exponencial ou trigonomtrica. Escolhe-se uma mtrica que mea os pontos dados
funo, e escolhemos os parmetros da melhor funo que se ajusta aos pontos.

7.2 Mtodo de Mnimos Quadrados

n n 0 0 1 1 2 2
...
Seja uma funo f(x) que ajustar os pontos dados, atravs de uma mtrica d
i
.

Exemplos de mtricas:

2 2
) ) ( ( ) (
| ) ( | | |
) (
i i i
i i i
i i i
y x f d
y x f d
y x f d

n
0 = i
2
i
min
d min
i
d

Mnimos Quadrados

Seja f x P x ( ) ( )
1
:

2
1 0
n
0 = i
1 0
2
1 0
n
0 = i
n
0 = i
2
1 0
1
1 0 1
) . ( ) , (
) . ( min min
.
) (
. ) (
i i
i i i
i i i
i i i
y x a a a a G
y x a a d
y x a a d
y x P d
x a a x P

0
) , (
0
) , (
1
1 0
0
1 0
a
a a G
a
a a G


lino@ufs.br
53
0 .y x x x
0 y x
0 ) )( . ( 2
0 ) 1 )( . ( 2
i
2
1 0
1 0
1 0
n
0 = i
1 0
n
0 = i
i i i
i i
i i i
i i
a a
a a
x y x a a
y x a a

2
1
2
2
0
2
0
1 0

) 1 (
.
y 1

) 1 (
.

.
) 1 (
i i
i
i i i
i
i i
i
i i i
i i
i i i i i
i i
x x
x n
y x x
n
a
x x
x n
x y x
x y
a
y x x a x a
y x a a n

Se o polinmio for de grau 2:

n
0 = i
2 2
2 1 0 2 1 0
n
0 = i
2 2
2 1 0
2
2
2 1 0 2
) ( ) , , (
) ( min
) (
) (
i i i
i i i
i i i
y x a x a a a a a G
y x a x a a
y x P d
x a x a a x P

0 e 0 ; 0
2 1 0
a
G
a
G
a
G

0 ) )( 2(a
0 ) )( 2(a
0 ) 1 )( 2(a
2 2
2
0
1 0
2
2
0
1 0
2
2
0
1 0
i i i
n
i
i
i i i
n
i
i
i i
n
i
i
x y x a x a
x y x a x a
y x a x a

i i
i i
i
i i i
i i i
i i
y x
y x
y
a
a
a
x x x
x x x
x x n
.
.
1
2
2
1
0
4 3 2
3 2
2

Matriz Simtrica

lino@ufs.br
54
Em geral:

i
n
i
i i
i
n
n n
i
n
i
n
i
n
i
n
i
n
i
i i i
i i
y x
y x
y
a
a
a
x
x
x
x x x
x x x
x x n
.
.
1
1
0
1
2 1
3 2
2

7.3 Atividades

1. O volume de lcool andrico em funo da temperatura esta dado pela tabela
abaixo:

Temp (Graus C) 13.9 43.0 67.8 89.0 99.2
Volume(cm
3
) 1.04 1.12 1.19 1.24 1.27

Fazer um ajuste para v(t) = 1 + bt + ct
2

Construir a tabela v = v(t) para t = 20(5)40

2. Dada a tabela

x 1.0 1.05 1.1 1.15 1.2 1.25 1.3 1.35

y 1.0 1.01 1.02 1.04 1.05 1.06 1.065 1.08

Estimar f(1.22) por regreso linear.

7.3 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151



lino@ufs.br
55

Integrao Numrica

META

Resolver uma integral usando aproximao polinomial.

OBJETIVOS

Estudar os algoritmos que resolvem em forma
aproximativa a integral de uma funo e estimar o seu
erro.


lino@ufs.br
56
8.1 Introduo

Os mtodos de aproximao polinomial so usados para integrar
numericamente uma funo y=f(x) num intervalo dado [a,b] ou mesmo um conjunto de
pontos (x
i
,f(y
i
)) i=0,1,2,3,4,.........,n.
Casos em que a funo difcil integral ou no tem soluo analtica, um
polinmio sempre de integrao imediata.

a b

A rea fechada em vermelho representa a integral definida do polinmio, e a
lnha em azul a funo.

8.2 Integrao Numrica

Seja a integral definida da funo f(x):

b
a
dx x f ) (

A integrao numrica utilizada quando no conhecemos a funo, e sim
pontos dela, ou a funo no uma funo integrvel analiticamente.
Soluo:

b
a
b
a
dx x P dx x f ) ( ) (
1

Aproximao Linear:

) 2 / . ( . ) 2 / . ( . ] 2 / [ ) . (
2
1 0
2
1 0 1 0 1 0
a a a a b a b a x a a dx x a a
b
a
b
a

Dados dois pontos de f(x): ( , ) , ) x y y
0 0 1
e (x
1
.

f(x)

lino@ufs.br
57

P x y
y
h
x x
1 0
0
0
( ) ( ) (Newton Progressivo)

onde :

h x x
y y y
a x
b y
( )
1 0
0 1 0
0
0

] [
2 2
2
2
2
.
2
.
2
.
. ) (
2
1
.
) 2 / . 2 / ( ) .(
)
2
( ) . 2 / ( .
) . 2 / ( . )] ( [ ) (
1 0
1 0
0 1 0 0 1
0 0
0
2
0
0
2
0 1
0
0
2
0 0 1
2
1
0
0 1 0
2
0
2
0 0
0 0 0 1
2
1
0
0
0
2 0
0 0
0
0 1
1
0
1
0
1
0
y y
h y y
h
h
y y y y y
y h h y
h y
h
h y
h y x x
h
y
h y
x x x x
h
y
x x y
x
x
h
y
x y x x x
h
y
x y
x x x
h
y
x y dx x x
h
y
y dx x P
x
x
x
x
x
x

x
x
y y
h
dx x P
0
] [
2
) (
1 0 1

2
] [
1 0
h
y y A , A = rea do Trapzio

Para ( , ) ( , ) ( , ) x y x y x y
0 0 1 1 2 2
:

f x dx P x dx
x
x
x
x
( ) ( )
2
0
2
0
2

dx x x
h
y
x x
h
y
y dx x f
x
x
x
x
] ) (
. 2
) ( [ ) (
2
0
2
0
2
2
2
1
2
2
1
2

Seja t
x x
h
2
.


lino@ufs.br
58
Para x x
h
h
Para x x
h
0
2
2
2
0
0
t =
x - x
h
t =
x - x
h
0 2
2 2
.

( ) ( )( )
( )( ( ))
( )( )
( ) ( ) ( )
( )
x x x x x x h
x x x x h
x x x x
x x
h
x x
h
x x
h
t t
2
2
2 2
2 2
2 1
2
2
2
2 1
1

] 2 6 [
3
1
] 2 6 [
3
1
] 6 6 6 [
3
1
] 6 6 [
3
1
]
3
2 2 [
]
3
2
2
2 2 [
]
2
4
3
8
2
2 2 [
]
2 3 2 2
[ . .h )] 1 (
2
[
h.dt = dx
1
0 1 2 1 0 1 2 1
0
2
1 2 2
0
2
1 2
0
2
1 2
0
2
1 2
0
2
1 2
0
2
2 3
0
2
1
2
0
2 -
0
2
1 2
y y y y h y y y y h
y y y y h
y y y h
y
y y h
y
y y h
y
y y h
t t y t y
t y h dt t t
y
t y y
dx
h
dt

8.3 Frmula Geral (Newton - Cotes)

n n 0 0 1 1 2 2
...

f x dx P x dx
a
b
a
b
( ) ( )
1

P x L x
n i
i
n
( ) . ( ) y
i
0
(Frmula de Lagrange)

Sejam os pontos igualmente espaados:


lino@ufs.br
59

) )...( )( )...( )( )( (
) )...( )( )....( )( )( (
) ( L
1 1 2 1 0
1 1 2 1 0
i
n i i i i i i i i
n i i
x x x x x x x x x x x x
x

Se x x i h
i 0
. :

h i n h h h h i h i h i
x L
n i i
i
). ( ).... 2 ).( .( ..... ). 2 .( ). 1 .( .
) )...( )( )...( )( )( (
) (
1 1 2 1 0

Seja S
x x
h
0
, ento:

) ( )! ( !
) 1 (
) (
) 1 )....( 2 ).( 1 .( 1 )... 2 ).( 1 .(
) ))...( 1 ( ))( 1 ( )...( 3 )( 2 )( 1 (
) (
2
2
1
) (
) 1 (
0 2
0 0 1
i S i n i
S
S L
n i i i
n S i S i S S S S S
S L
S
h
h x x
h
x x
S
h
h x x
h
h x x
h
x x
i n n
i
i

n
x
x x
x
Para
n
h
x
= S
0
h
x
= S x = x
0 n
0 0
0

n
i
n i n n n
n
i
i
ds
i S i n i
S
h dS S L h
dx
h
dS
0
0
) 1 (
i
0
0
i
n
0
) ( )! ( !
) 1 (
y ) ( . y P(S)dS h
h.dS = dx
1

Se n = 1 Trapezoidal
n = 2 Simpson


lino@ufs.br
60
] [
2
]
2 2
1
[
]]
2
1
[ ] 1
2
1
[ -y [
]
2 2
-y [
] y ) 1 )( 1 ( y [
)" 1 ( "
]
) 1 ( )! 1 1 ( ! 1
) 1 (
y
) 0 ( )! 0 1 ( ! 0
) 1 (
y [
) ( )! 1 ( !
) 1 (
y
1 0
1
0
1 0
1
0
2
1
1
0
0
1
0
2
0
1
0
1
0
1 0
) 2 (
1
0
1
0
1 1 ) 2 (
1
0 1 ) 2 (
0
0
1
0
1 ) 2 (
i
y y
h y
y h
y h
S
y S y
S
h
Sds ds S h
S S S
ds
S
S
ds
S
S
h ds
i S i i
S
h
n
i
i

8.4 Mtodo de Romberg para Integraes Numricas

Seja o conjunto de pontos ) , ( ... ) , )( , )( , (
2 2 1 1 0 0 n n
y x y x y x y x

f x dx
x
x
n
( )
0

A idia de Romberg repetir frmulas que implicitamente geram polinmios
de interpolao de grau n.

1 2
0
) 1 (
3
3
2
2
) ( ) (
:
:
) ( ) ( ) ( ) ( ) (
) ( ) ( ) (
2
2
2
2
2
2
1
1
n
n
n
i
h i a
ih a
b
a
b
h a
h a
h a
h a
h a
h a
a
b
a
b
h a
h a
a
b
a
dx x f dx x f
dx x f dx x f dx x f dx x f dx x f
dx x f dx x f dx x f

As integrais so aproximadas pela Trapezoidal:

)] ( ) ( [
2
)] ( ) ( [
2
T 1
)] ( ) ( [
2
T a - b = h , ) ( 0
1
1
1
1
1
b
a
0
b f h a f
h
h a f a f
h
n
b f a f
h
dx x f n

2
h , )] ( ) ( 2 ) ( [
2
T
1 1
1
1
h
b f h a f a f
h


lino@ufs.br
61
)] ( ) ih + f(a 2 ) ( [
2
T
2
h , )] ( ) 3 ( [
2
)] 3 ( ) 2 ( [
2

)] 2 ( ) ( [
2
)] ( ) ( [
2
T 2
1 2
1
k k
1
2 2
2
2 2
2
2 2
2
2
2
2
b f a f
h
k n
h
b f h a f
h
h a f h a f
h
h a f h a f
h
h a f a f
h
n
k
i
k

Para entender a idia de Romberg necessrio saber o erro na frmula
Trapezoidal.

a - b = h , )] ( ) ( [
2
h
) ( b f a f dx x f
b
a

a
b
a
V b f a f dx x f )] ( ) ( [
2
h
e V = ) (
e

c f
h
h
dh f
h
dh h
f
h
h
f
h
h
f
h a f
h
h a f h a f h a f
h
h a f
h a f a f h a f
h
h a f
h a f a f dx x f h
b f a f dx x f V V
T
T
T
T
h
T
T
T
h a
a
T
b
a
a e T
) ( "
2 . 2
) ( '
) ( "
2
) ( "
) ( "
2
) ( "
) ( "
2
) ( "
h)} + (a {f" max ) ( "
) ( "
2
'
) ( '
2
1
) ( '
2
1
)] ( " [
2
) ( ' "
)] ( ) ( [
2
1
)] ( ' [
2
) ( '
)] ( ) ( [
2
h
) ( ) (
)] ( ) ( [
2
h
) (
2

Se h = 0:

'( ) 0 0 c c =0
0 )] 0 ( ) ( [
2
1
[]
2
0
- 0) + f(a = (0) ' a f a f

lino@ufs.br
62
) ( "
12
) (
) ( "
12
) (
) ( "
4
) ( '
3
3
2
f
h
h
c f
h
h
dh f
h
dh h

O erro calculado somente se conhecer a funo f(x).

)] ( ) ( [
2
T ) (
0
b f a f
h
dx x f
b
a

h = b a

)] ( ) ( 2 ) ( [
2
T ) (
1
1
1
b f h a f a f
h
dx x f
b
a

(6) e (4) De 7)
(5) ) ( "
12
8
6)
(1) ) ( "
12
) 2 (
ento
2
h 5)
) ( "
12
. 2
4)
)} ( " ), ( " { max ) ( " 3)
) ( "
12
) ( "
12
2)
) ( "
12
1)
3
1
T
3
1
T 1
3
1
T
2 1
2
3
1
1
3
1
T
3
T
0
0
1
1
0
f
h
f
h h
f
h
f f f
f
h
f
h
f
h

T
T
T T
1
0
0 1
2
12
4 2
12
4
1
3
3
h
f
h
f
"( )
.
"( )

lino@ufs.br
63
))) ( ) ( 4 ) ( ((
))) ( ) ( (( ))) ( ) ( 2 ) ( (( 2 4
)] ( ) ( [
2
2
)] ( ) ( [
2
))] ( ) ( 2 ) ( (
2
[ 4 4
3
4
) (
) ( 3 4
] ) ( [ 4 ) (
) ( ) (
1 1
1 1 1 0 1
1
0
1
1
1
0 1
0 1
1 0
1 T 0 T
1 0
b f h a f a f h
b f a f h b f h a f a f h T T
b f a f
h
b f a f
h
T
b f h a f a f
h
T
T T
dx x f
dx x f T T
T dx x f T dx x f
T dx x f T dx x f
b
a
b
a
b
a
b
a
b
a
b
a

)] ( ) ( 4 ) ( [
3 3
4
1
1 0 1
b f h a f a f
h T T

8.5Tabela de Romberg

h
i

T
i
0
T
i
1
T
i
2

h
1
T
0
0

T
0
1

h
2
T
1
0

T
0
2

T
1
1

T
0
n

h
3
T
2
0

T
1
2

T
2
1

T
n-2
2

T
n-1
1

h
n
T
n
0

Frmula de Simpson

lino@ufs.br
64
T
T T
T
T T
T
T T
T
T T
T
T T
T
T T
i
i i
i
i i
0
1 1
0
0
0
1
1 2
0
1
0
1 1
0 0
0
2 1
1
0
1
2 1
1 1
0
3
3
1
2
0
2
3
4
3
4
3
4
3
16
15
16
15
4
4 1

Em geral:

T
T T
i
j
j
i
j
i
j
j
4
4 1
1
1 1

8.6 Atividades

1. Determinar frmulas para integrar

f x dx
x
x h
( )
0
0
e f x dx
x
x h
( )
0
0
2
usando aproximaes de f(x) por polinmios de
interpolao Newton progressivo e regressivo.

2. Calcular a integral e dx
x
0
1
utilizando a frmula trapezoidal para n=10 e estimar o
erro.

3. Calcular as seguintes integrais pela frmula trapezoidal e Simpsom com erro
menor que 0.01. Determine o h que faz o erro menor que 0.01

a) dx x / ( ) 1
3
0
1
b) x xdx ln
1
2

c) e xdx
x
/
1
2
d) cos / x xdx
1
2

4. Encontre a frmula geral para a regra trapezoidal n intervalos igualmente
espaados

5. Seja o intervalo h
0
= b-a, h
1
= h
0
/2,...... h
n
= h
n-1
/2 Encontre as trapezoidais T
0
, T
1
,
T
2
, .......T
n

6. Determine a frmula de T
i
em funo de T
i-1


lino@ufs.br
65

8.7 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151



lino@ufs.br
66

Soluo de Sistemas Lineares

META

Resolver o problema de equaes lineares de qualquer
tamanho.

OBJETIVOS

Estudar os diversos algoritmos, analticos e
aproximativos e sua implementao no computador.


lino@ufs.br
67

9.1 Introduo

Muitos problemas de engenharia e pesquisa operacional so resolvidos
usando a lgebra linear. Isto , matematicamente so reduzidos estes problemas a
um sistema de equaes lineares. Por exemplo: Clculo da tenso em estruturas da
construo civil, soluo de equaes diferenciais parciais, determinar o potencial em
redes eltricas, problemas de otimizao, etc.
Quando o sistema de grande porte, devemos ter cuidado de preservar ao
mximo a melhor exatido e preciso.

9.2 Soluo de Sistemas Lineares

Seja o sistema:

Ax b
onde:

) (b = b , ) (x = x , ) (
i i nxn j i
a A
i = 0, 1, 2, ..., n
j = 0, 1, 2,..., n

ou

a a a a
a a a a
a a a a
a a a a
x
x
x
x
b
b
b
b
n
n
n
n n n nn
n n
11 12 13 1
21 22 23 2
31 32 33 3
1 2 3
1
2
3
1
2
3

ou

a x a x a x a x b
a x a x a x a x b
a x a x a x a x b
a x a x a x a x b
n n
n n
n n
n n n nn n n
11 1 12 1 13 3 1 1
21 1 22 1 23 3 2 2
31 1 32 1 33 3 3 3
1 1 2 2 3 3

ou
a , i =1, 2, 3,..., n
ij

x b
j i
j
n
1


lino@ufs.br
68

Um sistema linear nxn que admite uma nica soluo chamado de
determinado, se admite vrias solues dito de indeterminado, e se no admite
soluo ele impossvel.

9.3 Soluo algbrica:

Ax b

1) Se o determinante de A 0, ento existe inversa da matriz A , A
-1
.

2) Multiplicando a esquerda por A
-1
:

A Ax A b
Ix A b
1 1
1
. .
.

3) x A b
1
. (Soluo terica)

Na prtica, se o sistema for de ordem n 5, h dificuldade de resolver em
forma manual.

9.4 Mtodo de Eliminao Gaussiana

Seja o sistema:

a x a x a x a x a
a x a x a x a x a
a x a x a x a x a
a x a x a x a x a
11 1 12 1 13 3 14 4 15
21 1 22 1 23 3 24 4 25
31 1 32 1 33 3 34 4 35
41 1 42 2 43 3 44 4 45

O mtodo consiste em transformar o sistema Ax b em outro sistema
equivalente Dx = f, tal que, D uma matriz triangular superior.
Para isto, utilizam-se as propriedades das equaes:

P1: Se multiplicamos por uma constante uma equao a equao no varia.
P2: A soma de duas equaes linearmente dependente as equaes
somadas

A transformao ocorre usando estas duas propriedades

Ax b Dx = f

A matriz D resultante triangular superior.

lino@ufs.br
69

Exemplo de matriz triangular superior:

D =
2 1 2 3 1
0 1 2 3 7
0 0 5 2 0
0 0 0 1 1
0 0 0 0 3

9.5 Algoritmo de triangularizao

Passo 1: Se a
11
0 ento Troca linha 1 por linha i, i = 2, 3, 4

Passo 2: Se a
22
= 0 ento Troca linha 2 por linha i, i = 3, 4

linha 1 linha 1
linha 2 linha 2
linha 3 -
a
a
linha 4 -
a
a
32
22
42
22
linha 2 linha 3
linha 2 linha 4

Passo 3: Se a
33
= 0 ento Troca linha 2 por linha i, i = 4

linha 1 linha 1
linha 2 linha 2
linha 3 linha 3
linha 4 -
a
a
43
33
linha 3 linha 4

4 1
a
a
- 4 linha
3 1
a
a
- 3 linha
2 1
a
a
- 2 linha
1 linha 1 linha
11
41
11
31
11
21
linha linha
linha linha
linha linha

lino@ufs.br
70

Para encontrar o termo geral definimos trs ndices.
ndice para o Passo: k = 1, 2, 3;
ndice para a linha: i = k+1,....,4;
ndice para a coluna: j = k,.........,5.

Algoritmo:

Para k = 1, 2, 3
Se a
kk
0 ento Rotina Troca
Para i = k+1 at 4
Para j = k at 5
a
ij
a
a
a a
ik
kk
kj ij

Fim
Fim
Fim

Para qualquer N:
k = 1 at N-1
i = k+1 at N
j = k at N+1

x a a
x a a x a
x a a x a x a
4 45 44
3 35 34 4 33
2 25 23 3 24 4 22
/
( ) /
( ) /

x a a x a x a x a
1 15 12 2 13 3 14 4 11
( ) /

Termo geral:

x
n
= a
n n+1
/ a
n n

x a a x a
j j N ir r
r j
N
jj
( ) /
1
1

j = n-1,n-2,...................3,2,1

Exemplo:

3 2
3
2 0
2 3
1 2 3
1 2 3
x x
x x x
x x x

Soluo:


lino@ufs.br
71
Passo 1: k = 1

0 3 1 2
1 1 1 3
1 2 1 0
1 1 1 3
0 3 1 2
1 2 1 0

Linha 1 Linha 2

1 1 1 3
0 3 1 2
1 2 1 0
1 1 1 3
0 3 1 2
0 3 0 3

Linha 3 (Linha 1)(-1)+Linha 3

Passo 2: k = 2

1 1 1 3
0 3 1 2
0 3 0 3
1 1 1 3
0 3 1 2
0 0 1 1

Linha 3 (Linha 2)(-1)+Linha 3

x x x
x x
x
1 2 3
2 3
3
3
3 2
1

x
x
x
3
2
1
1
1
1

9.6 Mtodo de Gauss-Jordan

Seja Ax b.

O mtodo para a soluo do sistema consiste em transform-lo em outro
sistema identidade Ix = b, usando as mesmas propriedades das equaes aplicadas
no mtodo de triangularizao.

Para uma matriz 3x3:

Passo 1: Se a
11
0 Rotina de Troca i = 1, 2, 3

linha 1
linha 2
linha 3 linha 1
linha 1/ a
(- a ).linha 1 + linha 2
(- a + linha 3
11
21
31
).

Passo 2: Se a
22
0 Rotina de Troca i = 2, 3

linha 2
linha 1
linha 3 linha 2
linha 2 / a
(- a + linha 3
22
12
32
).


lino@ufs.br
72

Passo 3: Se a
33
0 Rotina de Troca i = 3

linha 3
linha 1
linha 2 linha 3
linha 3 / a
(- a + linha 2
33
13
23
).

Passo k = 1, 2, 3
Linha i = 1, 2, 3
Coluna j = 1, 2, 3, 4

Algoritmo:

Para k = 1 at N
Se a
kk
0 ento Rotina Troca
Para i = 1 at N
Se i = k ento
Para j = k at 5
a
ij
a a
ij kk
/
Fim
Seno
Para j = 1 at N+1
a
ij
( ). a a a
ik kj ij

Fim
Fim
Fim
Fim

Soluo do sistema:

x a
i i N 1
, i = 1, 2, 3, ..., N

Exemplo:

0 3 2
3
2 0
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x

Soluo:

0 3 1 2
1 1 1 3
1 2 1 0
1 1 1 3
0 3 1 2
1 2 1 0

Linha 1 Linha 2


lino@ufs.br
73
1 1 1 3
0 3 1 2
1 2 1 0
1 1 1 3
0 3 1 2
0 3 0 3

Linha 3 (Linha 1)(-1)+Linha3

1 1 1 3
0 3 1 2
0 3 0 3
1 1 1 3
0 1 1 3 2 3
0 3 0 3

Linha 2 Linha 2/(-3)
/ /

1 0 4 3 7 3
0 1 1 3 2 3
0 0 1 1
1 0 0 1
0 1 0 1
0 0 1 1
/ /
/ /
Linha 3 Linha 3(-1)
Linha 1 Linha 3(-4/3)+Linha 1
Linha 2 Linha 3(1/3)+Linha 3

x
3
1 1 1 , x , x
2 1

9.7 Atividades

1. Resolva o seguinte sistema de equaes pelo mtodo de eliminao gaussiana
usando as funes do SciLab.

x - y - z = -4 w + x + y + z = 10
5x - 4y + 3z = -12 2w + 3x + y + 5z = 31
2x + y + z = 11 -w + x - 5y + 3z = -2
3w + x + 7y - 2z = 18

2x + 6y - z = 2
5x - y + 2z = 29
-3x - 4y + z = 18

2.- Resolver pelo mtodo de eliminao gaussiana , mtodo Gauss-Jordanl, o
seguinte sistema tridiagonal ou matriz banda, usando as funes do Scilab.

2x1 - x2 = 1
-x1 + 2x2 - x3 = 1
- x2 + 2x3 - x4 = 1
- x3 + 2x4 - x5 = 1
- x4 + 2x5 - x6 = 1
- x5 + 2x6 = 1

1 1 1 3
0 1 1 3 2 3
0 3 0 3
1 0 4 3 7 3
0 1 1 3 2 3
0 0 1 1
/ /
/ /
/ /
Linha 1 Linha 2(-1)+Linha 1
Linha 3 Linha 2(3)+Linha 3

lino@ufs.br
74
9.8 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151



lino@ufs.br
75

Soluo de Sistemas Lineares
(continuao)

META

Resolver o problema de um sistema linear, de qualquer
tamanho.

OBJETIVOS

Estudar os algoritmos de fatorao LU e mtodos
iterativos.


lino@ufs.br
76
10.1 Introduo

Os mtodos de fatorao so especialmente teis quando se tem que a
matriz A pode ser expressa em um produto de matrizes LU, onde L uma matriz
triangular inferior e U uma matriz triangular superior, definidas adiante.
Se os valores iguais a 1 esto na diagonal L, o mtodo chamado de
mtodo de Doolittle e se os valores 1 esto na diagonal U , o mtodo chamado de
mtodo de Crout.
Os mtodos iterativos so aproximaes sucessivas de vetores soluo que
tendem ao valor exato no limite. Requerem uma condio de convergncia.

10.2 Fatorao L.U.

Seja o sistema Ax = b.
O mtodo consiste em transformar a matriz A em um produto de matrizes
triangulares:

A = LU

A a
ij nxn
( )

L
l
l l
l l l
l l l l
n n n nn
11
21 22
31 32 33
1 2 3
0 0 0
0
0

U
u u u
u u
u
n
n
n
1
0 1
0 0 1
0 0 0 1
12 13 1
23 2
3

Ax = b => LUx = b => fazendo Ux = z

Lz = b Sistema triangular inferior resolvido em forma recursiva e:
Ux = z outro sistema triangular resolvido recursivamente.

a a a
a a a
a a a
l
l l
l l l
u u
u
n
n
n n nn n n nn
n
n
11 12 1
21 22 2
1 2
11
21 22
1 2
12 1
2
0 0
0
1
0 1
0 0 1
A = L . U


lino@ufs.br
77
l a
l u a u a l
11 11
11 12 12 12 12 11
0 . / , l
11

Multiplica cada linha de L com todas as colunas de U

10.3 Mtodos Iterativos para a Soluo de Ax = b

Seja o sistema Ax = b.

Passo 0:
Transformar o sistema Ax = b em outro sistema equivalente de forma :

x Cx f

Passo 1:
Valores iniciais:

x f
0

j 0

Passo 2:

j j
x Cx f
j
j
1
1

Passo 3:
Se | | x x
i
j
i
j 1
i
ento Soluo aproximada
x
j

Seno Volta ao Passo 2

O algoritmo gera uma seqncia * } { x x

como soluo.

n
x x x x x x

, , , , , } {
3 2 1 0

X
x
x
x
j
j
j
n
j
1
2

10.4 Condies de Convergncia

Para que a seqncia gerada, } {
j
x
, seja convergente, necessrio que

C 1 ( C - norma da matriz).

lino@ufs.br
78
Norma da matriz C

} , {
c l
C C mn C
C
c
C max c
C
l
l ij
c
j
ij
norma da matriz linha
C = max

< 1
i
j=1
n
i=1
n
| |
| |

Ou a soma de todos os elementos das linhas ou a soma de todos os
elementos das colunas deve ser menor que 1.

Exemplo: A =
1/ 3 1/ 2
0
1/ 4
0
1 2 0
1 4 1 4
/
/ /

Soluo:

1
6
5
4
5
,
6
5

4
5
4
1
,
4
1
+ 1 ,
4
1
3
1
max
6
5
4
3
,
2
1
,
2
1
3
1
max
} , A {
mn A
A
A
A mn A
c
l
c l

Seja o sistema Ax = b, sistema Diagonal dominante, ento:

a x a x a x a x a
a x a x a x a x a
a x a x a x a x a
n n n
n n n
n n n nn n nn
11 1 12 2 13 3 1 1 1
21 1 22 2 23 3 2 2 1
1 1 2 2 3 3 1

a
a
a
a
ii
j
i
n
ii
j
i
n
ij
ii
a

|a
c
ij

j
ij

j
ij
1
1
1
|
| |
| |
| |


lino@ufs.br
79
Exemplo:

3 1
4 4
5 5
1 2 3
1 2 3
1 2 3
x x x
x x x
x x x

Soluo:

x x x x
x x x x
x x x x
1 1 2 3
2 1 2 3
3 1 2 3
0
1
3
1
3
1
3
1
4
0
1
4
1
1
5
1
5
0 1

x
x
x
x
x
x
x Cx f
1
2
3
1
2
3
0 1 3 1 3
1 4 0 1 4
1 5 1 5 1
1 3
1
1
/ /
/ /
/ /
/

1
12
7
,
3
2

12
7
4
1
3
1
,
5
1
3
1
,
5
1
4
1
max
3
2
5
1
5
1
,
4
1
4
1
,
3
1
3
1
max
} C , C {
mn C
C
C
mn C
c
l
c l

10.5 Mtodo de Jacobi:

Passo 1:
x
1 3
1
1
/
, = 0,1


lino@ufs.br
80
Passo 2:

1
3
1
1
3
1
1
3
1
0
1 x
1
1
1
0 0
x x
x C

15
13
1 0 1
5
1
3
1
5
1
6
7
1 1
4
1
0
3
1
4
1
3
1
3
2
1
2
x x
x x

Passo 3:
Regra de Parada

1-
1
3

1
14
12
1
13
15

10.6 Mtodo de Gauss-Seidel:

Passo1:

x
0
1 3
1
1
/

Passo 2:

x Cx f
x x
x x
x x
1 0
1
1
1
2
1
2
3
1
3
0
1
3
1
1
3
1
1
3
1
1
4
1 0
1
4
1 1 1
1
5
1
1
5
1 0 1 1

10.7 Atividades

1. Transformar as matrizes em fatores LU

1 2 3 1 2 3

lino@ufs.br
81
2 4 6 3 5 7
3 5 7 2 4 6

2. Escrever o algoritmo, e as formulas gerais para o mtodo do elemento maior que
funciona igual ao mtodo de Gauss-Jordan sendo que a escolha do elemento
piv o maior elemento da coluna em valor absoluto, entre as linhas que no
contm elementos pivs escolhidos. Fazer trocas de linhas para arrumar o
sistema.

10.8 Referncias

2003. ISBN: 85-268-0636-X , CDD 620.00151


Lino - Calculo - Numerico - I PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lino - Calculo - Numerico - I PDF

Uploaded by

Copyright:

Available Formats

Clculo Numrico

, seja convergente, necessrio que

You might also like