Resolução numérica de equações e sistemas

k=1;x(k)=0.
5*(a+b);FX=f(x(k));FA=f(a);FB=f(
b);e_rel=+Inf;whilek<kmax&&abs(e_rel)>tolif
FA*FX<=0b=x(k);FB=FX;elsea=x(k);FA=FX;endk=
k+1;x(k)=0.5*(a+b);FX=f(x(k));e_rel=(x(k1),
x(k));endz=x(k);n=size(A,1);fori=1:nforj=1:
nifi==jC(i,j)=0;elseC(i,j)=A(i,j)/A(i,i);en
Clculo Numrico
dendd(i,1)=)=((j1)/n)^(i);s(n+1,1);b(i)/A(i
,i);endk=1;x=ones(n,1);e_rel=+Inf;whilek<km
ax&e_rel>tolk=k+1;x_ant=x;fori=1:nx(i)=C(i,
:)*x+d(i);ende_rel=t(x_ant,x);endn=length(c
);y=0;fork=1:ny=y.*x+c(k);endn=length(x);fo
ri=1:nX(i,m+1)=1;forj=m:1:1X(i,j)=x(i)*X(i,
j+1);endA=zeros(n+1,n+1);for)=((j1)/n)^(i1)
;s(n+1,1))=((j1)/n)^(i1);sfori=0:nwhilek<1;
Notas de Aula
Clculo Numrico
Notas de Aula
Adalberto Ayjara Dornelles Filho
aadornef@ucs.br
19 de fevereiro de 2015
verso 11
Sumrio
Apresentao
1 Introduo ao Matlab
1.1
Obtendo ajuda
1.2
Calculando com o Matlab
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Programando com o Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1
Estruturas lgicas de um algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2
Estrutura de sequncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3
Estruturas de deciso
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.4
Estruturas de repetio
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
1.4
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Erros e Aritmtica Computacional
14
2.1
Resoluo de problemas numricos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Representao numrica de ponto utuante
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
2.3
Erros nos processos numricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.3.1
Erro de arredondamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.3.2
Erro de truncamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
2.4
Notao
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5
Estimativas para o erro
2.6
Convergncia nos processos numricos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
14
18
20
21
ii
SUMRIO
2.7
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 Zeros de funes
22
25
3.1
Denio do problema
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
3.2
Mtodo da bisseo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
3.2.1
Critrios de parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
3.3
Mtodo de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
3.4
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
4 Sistemas Lineares
34
4.1
Denio do problema
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
4.2
Mtodo de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
4.2.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
Pivotamento Parcial
4.3
Mtodos iterativos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
4.4
Mtodo de Gauss-Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
4.4.1
40
Convergncia
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5
Mtodo de Gauss-Seidel
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.6
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
5 Interpolao
47
5.1
Denio do problema
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
5.2
Mtodo de Vandermonde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
5.3
Mtodo de Lagrange
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
5.3.1
Frmulas para 2 e 4 nodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
5.3.2
Erro na interpolao polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
51
5.4
5.5
Mtodo do
spline
cbico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5.4.1
Denio e propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
5.4.2
Deduo dos coecientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
5.4.3
Determinao do
spline
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
iii
SUMRIO
6 Ajuste de funes
61
6.1
Denio do problema
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61
6.2
Resduo quadrtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
6.3
Ajuste polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
6.3.1
Um pouco de lgebra Linear
63
6.3.2
Obtendo o polinmio de ajuste
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
6.4
Ajuste exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
6.5
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
7 Integrao Numrica
74
7.1
Denio do problema
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
74
7.2
Mtodo de Newton-Cotes simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
74
7.2.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
7.3
Mtodo de Newton-Cotes composto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
7.4
Mtodo de Newton-Cotes adaptvel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79
7.5
Mtodo do
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
81
7.6
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
Deduo dos pesos de integrao
Spline
Cbico
8 Equaes Diferenciais Ordinrias

8.1
Denio do problema
8.2
Mtodo de Euler
86
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
86
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
86
8.3
Mtodo de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
89
8.4
Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
93
A Respostas para problemas selecionados
96
Lista de Algoritmos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
VPol . . . . . . . . . .
MVander . . . . . . . .
PivotamentoParcial
EpsilonMaq . . . . . .
ErroRel . . . . . . . .
RaizQuadrada . . . .
ZeroBisseo . . . . .
ZeroNewton . . . . .
SLGaussProv . . . . .
SLGauss . . . . . . . .
ErroRelVet . . . . .
SLGaussJacobi . . . .
SLGaussSeidel . . . .
ILagrange . . . . . . .
CoefSpline3 . . . . . .
ISpline3 . . . . . . . .
AjustePol . . . . . . .
QuadNCAdapt . . . .
QuadRec . . . . . . . .
QuadSpline3 . . . . .
EDOEuler . . . . . . .
EDORK4 . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
12
. . . . . . . . . . . . . . . . . . . .
12
. . . . . . . . . . . . . . . . . . . .
13
. . . . . . . . . . . . . . . . . . . .
17
. . . . . . . . . . . . . . . . . . . .
20
. . . . . . . . . . . . . . . . . . . .
21
. . . . . . . . . . . . . . . . . . . .
27
. . . . . . . . . . . . . . . . . . . .
29
. . . . . . . . . . . . . . . . . . . .
36
. . . . . . . . . . . . . . . . . . . .
37
. . . . . . . . . . . . . . . . . . . .
39
. . . . . . . . . . . . . . . . . . . .
40
. . . . . . . . . . . . . . . . . . . .
42
. . . . . . . . . . . . . . . . . . . .
50
. . . . . . . . . . . . . . . . . . . .
56
. . . . . . . . . . . . . . . . . . . .
56
. . . . . . . . . . . . . . . . . . . .
66
. . . . . . . . . . . . . . . . . . . .
80
. . . . . . . . . . . . . . . . . . . .
80
. . . . . . . . . . . . . . . . . . . .
82
. . . . . . . . . . . . . . . . . . . .
87
. . . . . . . . . . . . . . . . . . . .
91
iv
Apresentao
cada vez mais intenso o uso de tcnicas computacionais para a resoluo de problemas nas Cincias Exatas e Engenharias. Boa parte dessas
tcnicas requer o conhecimento dos fundamentos do
Clculo Numrico.
versidades a incluem em seus currculos (em intensidades muito variadas).
Notas de Aula
mente claros e simples de modo que o estudante iniciante seja capaz

entender como funcionam;
Diante da importncia dessa disciplina na formao de prossionais, as uniEstas
Simplicidade: O desenvolvimento e a implementao so suciente-
foram preparadas especicamente para o estudante
Desempenho:
Os algoritmos resolvem satisfatoriamente uma boa
quantidade de problemas que o estudante pode encontrar em sua

vida prossional;
que se inicia nessa disciplina.
No Captulo 1, veremos uma explicao breve das funcionalidades bsicas do Matlab (incluindo clculo e programao). No Captulo 2, apresentamos a forma de representao numrica bem como os conceitos de
Base: A maioria das tcnicas mais avanadas toma por base as ideias,
ou combinaes de ideias, de mtodos mais simples como os aqui
estudados.
erro (de truncamento e arredondamento) inerentes aos processos computacionais. O estudo dos mtodos numricos propriamente ditos se iniciam
O leitor interessado em outros mtodos pode (e deve) recorrer a literatura
no Captulo 3 com os mtodos para determinar zeros de funes (bisse-
especializada como, por exemplo, [8, 19, 30, 40].
o e Newton). No Captulo 4 estudamos mtodos diretos (escalonamento
Para complementar o entendimento da teoria, muitos problemas so
de Gauss) e iterativos (Gauss-Jacobi e Gauss-Seidel) para resoluo de
propostos.
sistemas de equaes lineares. No Captulo 5 estudamos o problema da interpolao polinomial (Vandermonde e Lagrange) e por
spline
(no numrica). Esse tipo de problema importante para que o estudante

exercite passo-a-passo e absorva as
estudado no Captulo 7 com a apresentao dos mtodos de Newton-Cotes

cbico. Por m, a
subjacentes aos mtodo numri-
O estudo do Clculo Numrico no pode ser realizado sem a efetiva
implementao
dos mtodos de Euler e Runge-Kutta. No apndice A, so apresentadas as
dos algoritmos em alguma linguagem de programao. O
presente texto enfatiza essa viso, atravs dos exerccios propostos onde a
respostas e dicas problemas selecionados.
muitos
ideias
cos apresentados
resoluo de equaes diferenciais ordinrias vista no Captulo 8 a partir
Existem
indicam que o
uma calculadora, se for o caso) ou apresenta alguma resoluo algbrica
ajuste de curvas polinomiais. O problema clssico da integrao numrica
spline
mesmo sucientemente simples para ser resolvido mo (com ajuda de
cbico. Em
seguida, no Captulo 6 estudamos o mtodo dos quadrados mnimos para
(regras simples, compostas e adaptveis) e por
Os problemas assinalados pelo smbolo
sempre solicitada nos exerccios precedidos

Nesse sentido, o conhecimento de alguma linguagem de
implementao dos algoritmos
mtodos disponveis para resolver cada um dos proble-
pelo smbolo
mas abordados. Para tornar o material sucientemente compacto para uso
programao deveria ser pr-requisito (o que nem sempre o caso). Aos
em sala de aula tivemos que optar por escolher apenas um punhado deles.
estudantes que j conhecem linguagens de programao, esta disciplina
Seguindo a orientao de Burden e Faires [8], os mtodos foram escolhidos
ser uma excelente oportunidade de
de modo a seguir os seguintes critrios:

v
aplicao
desse conhecimento.
Aos
vi
APRESENTAO
que no o possuem, ser uma excelente oportunidade de
aprendizagem
de
tais linguagens.
A princpio, qualquer linguagem pode ser utilizada (C, Pascal, Java,
...), desde que apresente os comandos matemticos mnimos necessrios.
Por preferncia pessoal do autor, estas notas utilizam a linguagem do
Matlab.
Essa aproximao se reete em duas caractersticas do texto:
Primeiramente, os algoritmos, apresentados em pseudo-cdigo, esto escritos usando uma estrutura sinttica muito similar a do Matlab o que faz
com que a implementao seja bastante simplicada. Em segundo lugar,
ao longo do texto, diversos pargrafos precedidos pelo smbolo
mostram
informaes relativas ao uso do Matlab e aos algoritmos implementados.

Para os exemplos mostrados nestas notas, foi utilizada a verso R2012a.
Existem boas opes (livres) ao Matlab: pode-se citar o Scilab e o Freemat.
O autor agradece aos colegas
Ana Grisa,
Oclide J. Dotto,
Eliana S. Soares,
Mnica Scotti,
Vania P. Slaviero,
pelas correes, comentrios e sugestes recebidas.

O texto foi editado usando o sistema de preparao de documentos
AT X (www.latex-project.org). O editor de texto utilizado foi o

L
E
WinEdt
(www.winedt.com). A atualizao de pacotes tipogrcos foi feita com o

auxlio do
MiKTeX (www.miktex.com). Os grcos foram elaborados com

Matlab (www.mathworks.com) e os desenhos com o
o software matemtico
IPE Draw (ipe7.sourceforge.net).
Captulo 1
Introduo ao Matlab
See also log1p, log2, log10, exp, logm, reallog.
Neste captulo, estudaremos brevemente algumas caractersticas e funcionalidades do Matlab.

O Matlab (acrnimo de
2. No menu
Matrix Laboratory ) um software que permite
HELP >> MATLAB HELP,
possvel obter informaes mais
detalhadas sobre os comandos, exemplos, informaes tcnicas, algo-
ao usurio efetuar clculos via digitao direta de comandos e tambm a
ritmos e referncias bibliogrcas detalhadas.
construo de programas que automatizam procedimentos de clculo mais

complexos. O Matlab uma ferramenta de larga utilizao tanto no mundo
3. Na internet, acessando o stio ocial do fabricante (www.mathworks.
acadmico (ensino, pesquisa, etc.) quanto no prossional (desenvolvimento
com),
de produtos, anlise de problemas, etc.). Tem um interface simples e in-
possvel acessar o suporte tcnico, fruns de discusso, tuto-
riais e manuais (em formato PDF), etc.
tuitiva, e constitui ferramenta indispensvel (na viso do autor) para o

estudante de cincias exatas e engenharia. Existem vrias e boas referncias bibliogrcas para o estudante interessado.
Essential MATLAB for Engineers and Scientists
1.2 Calculando com o Matlab
Para citar apenas uma:

de Brian D. Hahn e Da-
niel T. Valentine [24].
No Matlab, a janela de trabalho o espao onde os
comandos so digitados,
as operaes so executadas e os resultados so mostrados. O smbolo
1.1 Obtendo ajuda
chamado
um comando. Aps teclar
Enter
, o resultado apresentado como mostra
a Figura 1.1.
Existem trs nveis de ajuda:

1. Ao se digitar
>>,
prompt, denota que o Matlab est esperando que o usurio digite
Variveis
help <comando> na rea de trabalho do Matlab, se ob-
tm uma breve informao sobre o comando especicado, por exemplo:
No Matlab, todos os resultados (nmeros, vetores, matrizes, etc.)

armazenados em variveis.
>> help log

log Natural logarithm.
log(X) is the natural logarithm of the elements of X.
Complex results are produced if X is not positive.
Os nomes das variveis devem comear com
uma letra seguida de qualquer nmero de letras, dgitos ou
>> a = 3, b = 7, c = a + b
1
so
underscores :
CAPTULO 1.
INTRODUO AO MATLAB
>> soluo
soluo =
|
Error: The
statements
O uso de
= a * b * c
a * b * c
input character is not valid in MATLAB
or expressions.
;
no nal de um comando de atribuio inibe a apresentao
do resultado:
Figura 1.1:
>> a = 1 + 3
a = 4
>> b = 5 - 2;
>>
A janela de trabalho do Matlab.
a = 3
b = 7
c = 10
Comentrios (muito teis em programao) so escritos aps um
>> b = 5;
>> h = 7;
>> A = b * h
A = 35
>> fatorial_de_5 = 5 * 4 * 3 * 2 * 1
fatorial_de_5 = 120
Se uma varivel no explicitada pelo usurio, o resultado ser armazenado na varivel
ans:
Var
representam variveis distintas:
>> Num_1 = 1234, Num_2 = 4567

Num_1 = 1234
Num_2 = 4567
>> Tot = Num_1 + num_2
??? Undefined function or variable 'num_2'.
No so permitidos diacrticos (acento, cedilha, til, etc.):
% base
% altura
% rea do retngulo
Operaes elementares
O Matlab realiza operaes matemticas elementares como uma calcula-
>> 7 * 8
ans = 56
O Matlab distingue letras maisculas de minsculas. Assim
%:
dora.
As operaes aritmticas elementares:

var, VAR,
Adio, subtrao, multiplicao, diviso:
>> 4 + 5
% adio
ans = 9
>> 4 - 5
% subtrao
ans = -1
>> 4 * 5
% multiplicao
ans = 20
>> 4 / 5
% diviso
ans = 0.8000
>> 1 * 2 + 3 / 4 - 5
% Qual o resultado?
CAPTULO 1.
Potenciao, raiz quadrada e outras razes:
Funes trigonomtricas inversas
Valor absoluto, resto da diviso inteira:
>> n = abs(-500)
n = 500
>> r = rem(n, 3)
r = 2
>> t1 = asin(sqrt(2)/2), t2 = asind(sqrt(2)/2)

t1 = 0.7854 % ngulo em radianos
t2 = 45.0000 % ngulo em graus
Exponencial e Logaritmo:
Potncia de base natural:
ex
>> exp(4)
ans = 54.5982
Arredondamento:
>> x = sqrt(10)
x = 3.1623
>> a = floor(x), b = ceil(x),
a = 3
% arredonda para o
b = 4
% arredonda para o
c = 3
% arredonda para o
Seno, cosseno e tangente de um ngulo em graus:
>> a = sind(60), b = cosd(60), c = tand(60)

a = 0.8660
b = 0.5000
c = 1.7321
>> a = sqrt(5), b = a^2

a = 2.2361
b = 5.0000
>> a = 7^(1/3), b = a^3
a = 1.9129
b = 7.0000
Logaritmos:
c = round(x)
inteiro inferior
inteiro superior
inteiro mais prximo
Operaes trigonomtricas:
O nmero
INTRODUO AO MATLAB
>> pi
ans = 3.1416
Seno, cosseno e tangente de um ngulo em radianos:
>> a = sin(pi/3), b = cos(pi/3), c = tan(pi/3)

a = 0.8660
b = 0.5000
c = 1.7321
ln x, log10 x, log2 x
>> log(5)
ans = 1.6094
>> log10(1000)
ans = 3
>> log2(512)
ans = 9
% logaritmo de base natural

% logaritmo de base 10
% logaritmo de base 2
Vetores e matrizes
O Matlab opera com vetores e matrizes com facilidade.
Vetor denido por seus elementos:
>> x = [1 2 3 4 5]
x = 1
2
3
Vetor denido por intervalo de valores:
CAPTULO 1.
INTRODUO AO MATLAB
>> y = 1 : 0.5 : 3
y = 1.0000
1.5000
2.0000
2.5000
3.0000
Operaes com o vetores:
>> x + y
% adio
ans = 2.0000
3.5000
5.0000
6.5000
8.0000
>> x .* y
% multiplicao elemento-elemento
ans = 1
3
6
10
15
>> x.^2
% potncia dos elementos
ans =
1
4
9
16
25
>> exp(y)
% operaes elementares
ans = 2.7183
4.4817
7.3891 12.1825 20.0855
>> dot(x, y)
% produto escalar entre x e y
ans = 35
>> n = length(x) % tamanho do vetor
n = 5
Matriz denida por seus elementos:
>> A = [-2 0 1; -2 -3 0; 3 -2 -2]

A =
-2
0
1
-2
-3
0
3
-2
-2
>> inv(A)
ans =
6.0000
-4.0000
13.0000
% uma matriz 3x3
% o determinante de A
% a matriz inversa da A
-2.0000
1.0000
-4.0000
3.0000
-2.0000
6.0000
>> A.^2
ans =
4
4
9
% multiplicando matrizes: A * A
-2
9
10
-4
-2
7
% cada elemento de A ao quadrado
0
9
4
1
0
4
>> [l, c] = size(A)

l = 3
c = 3
Os comandos
length
% nmero de linhas e colunas de A
size
so semelhantes mas tm uso distinto:
vetor
matriz.
primeiro indicado para determinar o tamanho de um

ltimo indicado para determinar o tamanho de uma
Transposio de vetores e matrizes:
Operaes matriciais:
>> det(A)
ans = 1
>> A^2
ans =
7
10
-8
>> A = [1 2 3; 4 5 6], x = [2 4 6]
A =
1
2
3
4
5
6
x =
2
4
6
>> A', x'
ans =
1
4
2
5
3
6
ans =
2
4
6
Matrizes especiais:
enquanto o
CAPTULO 1.
>> B = zeros(3,2)
B =
0
0
0
0
0
0
% matriz de zeros
>> W = ones(2,3)
W =
1
1
1
1
1
1
>> I = eye(3)
I =
1
0
0
0
1
0
0
0
1
% matriz de uns
>> rand(2,4)
ans =
0.6223
0.7159
INTRODUO AO MATLAB
% matriz identidade
% matriz com elementos aleatrios

0.4123
0.3622
0.1355
0.9021
0.2896
0.7814
Os comandos acima funcionam tambm para matrizes:
>> A = [1 5; 3 -4]
A =
1
5
3
-4
>> M = max(A)
M =
3
5
>> MM = max(max(A))
MM =
5
>> S = sum(A)
S =
4
1
>> S = sum(sum(A))
S =
5
Os colchetes
[ ]
% Uma matriz A
% Os maiores elementos de cada coluna de A

% O maior elemento de A
% A soma dos elementos de cada coluna de A
% A soma de todos os elementos de A
podem ser usados para
justapor
(concatenar) vetores
ou matrizes:
Comandos teis para vetores e matrizes

Os comandos
>> x =
x =
4
>> M =
M =
5
>> m =
m =
-3
>> S =
S =
4
max, min e sum, so bastante teis na manipulao de vetores:
[4 -2 5 0 -3]
-2
max(x)
% Um vetor x
0
-3
% O maior elemento de x
min(x)
% O menor elemento de x
sum(x)
% A soma dos elementos de x
>> A = [1 2; 4 5], b = [3; 6]

A =
1
2
4
5
b =
3
6
>> Ab = [A b]
Ab =
1
2
3
4
5
6
Funo annima
O comando
@ dene funes a partir de expresses algbricas.
Por exemplo:
CAPTULO 1.
INTRODUO AO MATLAB
>> f = @(z) 1/sqrt(2*pi) * exp(-0.5 * z.^2)

f =
@(z)1/sqrt(2*pi)*exp(-0.5*z.^2)
>> a = f(0), b = f(1)
a =
0.3989
b =
0.2420
>> z = 0 : 5, d = f(z)
z =
0
1
2
3
4
d =
0.3989
0.2420
0.0540
>>
A varivel
5
0.0044
pode ser passada como
argumento
como no exemplo a seguir, onde o comando

funo no intervalo
0.0001
quad
0.0000
para outras funes,

calcula a integral da
2 < z < 2:
>> P = quad(f, -2, 2)

P =
0.9545
Grcos
O Matlab possui uma variedade de comandos para produzir grcos.
comando
>>
>>
>>
>>
>>
>>
>>
plot,
para grcos bidimensionais, o mais simples deles.
z = -4 : 0.1 : 4;
d = f(z);
plot(z, d ,'r--')
grid on
xlabel('valor da varivel aleatria')
ylabel('densidade de probabilidade')
title('Distribuio normal padro')
%
%
%
%
%
%
%
A Figura 1.2 mostra o resultado dos comandos.
valores para z
valores para f(t)
grfico
grade
rtulo horiz.
rtulo vert.
ttulo
Figura 1.2:
Janela grca do Matlab com um grco 2D simples.
CAPTULO 1.
INTRODUO AO MATLAB
1.3 Programando com o Matlab

O Matlab permite a execuo de conjuntos de comandos a partir de
gramas.
pro-
P2 = 8.1
P3 = 8.6
H = 3 / (1/P1 + 1/P2 + 1/P3)
Os programas so arquivos de texto escritos em um editor de
Exemplo:
programas. A Figura 1.3 mostra a janela de edio.
Uma
function
para o clculo da mdia harmnica:
function H = MH2(P1, P2, P3)

H = 3 / (1/P1 + 1/P2 + 1/P3);
O quadro a seguir, resume as principais diferenas entre
tions :
Uso:
Entrada de dados:
Sada de dados:
function
especco
geral
A Figura 1.3 mostra a janela de edio com uma

mostra a janela de edio com um
da
function. Observe
script.
script
globais (workspace )
workspace ou no corpo do texto
workspace ou eco na tela
Variveis:
scripts
script.
func-
locais
argumentos
argumentos
function e a Figura 1.4
Observe a sintaxe do cabealho
tambm a forma como os dados esto inclusos no
corpo do
1.3.1 Estruturas lgicas de um algoritmo

Um algoritmo uma sequncia determinada de passos para a resoluo
Figura 1.3:
A janela de edio de programas com uma
Os programas do Matlab so de dois tipos:
scripts
de algum problema.
function.
scripts e functions .
Os
functions
Deciso:
script
Repetio:
de dados.
Exemplo:
clear all
clc
P1 = 7.6
Um
Sequncia:
realizam operaes mais genricas com entrada e sada
so programas que realizam operaes especcas com dados xos
enquanto
para o clculo da mdia harmnica:
Do ponto de vista lgico, existem 3 estruturas que
determinam quais, e como, os passos devem ser executados:

determina qual passo deve ser executado antes de outro;
determina se um conjunto de passos deve ou no ser exe-
cutado;
determina se (e quantas vezes) um conjunto de passos
deve ser repetido.
A seguir veremos como essas estruturas lgicas podem ser implementadas na linguagem do Matlab, isto , qual a
utilizados
sintaxe
dos comandos
CAPTULO 1.
INTRODUO AO MATLAB
1.3.2 Estrutura de sequncia

No Matlab os comandos so executados um de cada vez (no h processamento paralelo). E a sintaxe simples: os comandos so escritos um a um
de cima para baixo. Embora seja possvel, no se recomenda escrever dois
comando em uma mesma linha.
Exemplo:
Determinao das razes de uma equao quadrtica
ax2 + bx + c = 0
com
a 6= 0:
clear all
clc
a = 1
b = 2
c = -4
d = b^2 - 4*a*c
x1 = (-b + sqrt(d))/(2*a)
x2 = (-b - sqrt(d))/(2*a)
1.3.3 Estruturas de deciso

O Matlab possui duas estruturas de deciso bsicas:
switch...case.
Exemplo:
Figura 1.4:
A janela de edio de programas com um
script.
Clculo da mdia harmnica com
function [H, C] = MH3(P1, P2, P3)

% Calcula mdia harmnica
if P1 <= 0 || P2 <= 0 || P3 <= 0
H = 0;
else
H = 3 / (1/P1 + 1/P2 + 1/P3);
end
% Calcula conceito
if H >= 9.0
C = 4;
elseif H >= 8.0
C = 3;
elseif H >= 7.0
if...else...end
if...else...end:
CAPTULO 1.
INTRODUO AO MATLAB
function T = Tabuada(n)
T = zeros(10,1);
for i = 1 : 10
T(i) = i * n;
end
C = 2;
elseif H >= 6.0
C = 1;
else
C = 0;
end
Exemplo:
mdia, com
Exemplo:
Clculo do intervalo de conana para uma estimativa de
switch...case:
function [a, b] = ICMed(xb, sig, n, alfa, L)

switch L
% IC lateral esquerdo
case -1
z_alfa = norminv(1 - alfa);
a = -inf;
b = xb + z_alfa * sig / sqrt(n);
Exemplo:
1.3.4 Estruturas de repetio

a estrutura
while...end.
Exemplo:
Clculo da tabuada com
for...end:
Encontrando uma matriz singular com
while...end:
function [A] = MatrizSingular(n)

D = 1;
% para "entrar" no lao...
while D ~= 0
A = fix(20 * rand(n) - 10);
D = det(A);
end
% IC lateral direito
case +1
z_alfa = norminv(1 - alfa);
a = xb - z_alfa * sig / sqrt(n);
b = +inf;
end
So duas as estruturas de repetio no Matlab: A estrutura
for...end aninhados :
clear all
clc
T = zeros(10,10);
for j = 1 : 10
% para cada coluna j ...
for i = 1 : 10
% para cada linha i ...
T(i,j) = i * j;
end
end
T
Exemplo:
% IC bilateral
case 0
z_alfa_2 = norminv(1 - alfa/2);
a = xb - z_alfa_2 * sig / sqrt(n);
b = xb + z_alfa_2 * sig / sqrt(n);
Clculo da tabuada com
for...end
Ordenamento de uma lista com vrias estruturas:
function [L] = Ordenar(L)

% Mtodo 'Bubble Sort'
% Inicializao
n = length(L);
cont = 1;
% Enquanto ocorrerem trocas...
while cont > 0
cont = 0;
% ... faz varredura na lista
CAPTULO 1.
10
INTRODUO AO MATLAB
for i = 1 : n - 1
% Se elementos fora de ordem...
if L(i) > L(i + 1)
temp = L(i);
L(i) = L(i + 1);
L(i + 1) = temp;
cont = cont + 1;
end
end
end
1.11.
1.12.
1.2.
a = e2 ,
1.3.
a = cos(60 ), b = tg(/4).
1.4.
a = log(1000), b = ln(1000), c = log2 (1000).
1.5.
a = |5|, b = 9!.
z = [0
1.10.
u = [1
0 0
1 1
1.18. >> A = [1 2 3; 4 5 6], [m, n] = size(A)
1.19. >> a = ln(5)
Undefined function 'ln' for input arguments of type 'double'.
1.20. >> y = 1 + e^3
Undefined function or variable 'e'.
1.21. >> t = cos(3,1416)
Nos problemas 1.7 a 1.10 a seguir, escreva a linha de comando do Matlab

necessria para construir os vetores dados. Justique.
1.9.
1.17. >> w = pi/2, e = exp(cos(w))

Ao se digitar os comandos mostrados nos problemas 1.19 a 1.22 a seguir, se
obtm mensagens de erro. O que elas signicam? Como corrigir o comando?
a = 3,5603 104 + 2,0034 103 .
0,1
c = sqrt(y) - log(y)
1.16. >> z = 0.0001, d = abs(log10(z))
7.
b = 3 2, c = 3 8.
w = [0,0
1
2
3
1
.
0
3
1 1
1.15. >> y = 100,
a = 25 , b =
1.8.
1.14. >> x = 30, b = sin(x) * cos(x)
1.1.
2 0
1.13. >> a = 1 + 2 / 3 - 4 * 5
Nos problemas 1.1 a 1.6 a seguir, escreva a linha de comando do Matlab necessria
para calcular os valores dados. Justique.
x = [6
0
3
B=
1
2
7
3
Nos problemas 1.13 a 1.18 a seguir, determine o resultado do comando no

Matlab. Justique.
Comandos do Matlab
1.7.
A=
1
4
1.4 Problemas
1.6.
5]
(um vetor-linha),
0,2
9,8
0 0]
1
9,9
y = [6 2
5]T
(um vetor-coluna).
10,0].
(um vetor-linha com 20 zeros).
1 1]T
(um vetor-coluna com 20 uns).
Nos problemas 1.11 e 1.12 a seguir, escreva a linha de comando do Matlab

necessria para construir as matrizes dadas. Justique.
Error using cos

Too many input arguments.
1.22. >> x = 16, y = sqrt(X)
Undefined function or variable 'X'.
1.23.
Ao calcular o vetor de coecientes de um polinmio interpolador, um es-
tudante obteve o seguinte resultado:
c =
1.0e+003 *
0.0033
0.1742
-6.6277
CAPTULO 1.
11
INTRODUO AO MATLAB
1.33.
Quais so os valores dos coecientes? Qual o polinmio?
Nos problemas 1.24 a 1.27 a seguir, desenhe os grcos das funes mostradas. Adicione grade, legenda, rtulos nos eixos x e y e ttulo. Use os comandos
plot, grid, legend, xlabel, ylabel, title.
1.24.
h(x) = 2 + 3 cos(x)
1.27.
i(x) =
1.28.
Se
1.35.
C uma matriz de ordem n m, p um nmero real e i e j so inteiros

1 i, j n. O que fazem as seguintes linhas de cdigo?
Captulo 4).
function
(a) Escreva um
recebe um vetor de
script
do problema anterior.
forma fatorada de Horner1 :
H(x) = (((3x 2)x + 7)x 5)x + 4.

Do ponto de vista computacional, essa forma fatorada preferida por realizar
uma quantidade
menor
de operaes.
1.36.
p,
que gera um vetor de 5 elementos aleatrios e, em se-
script
function que
mean.
que gera um vetor de
que recebe um vetor de
Escreva uma
function
H(x).
Considere que o clculo de
xn
Implemente o algoritmo VPol que usa a forma de Horner para avaliao
o valor
e determina
c com os coecientes de uma funo polinomial

y = p(x). Use y = y .* x + c(i) para implementar
x
polyval
a linha 4, assim
pode ser tanto um escalar quanto um vetor. Compare com o
comando
do Matlab. (Esse algoritmo ser utilizado no Captulo 5).
1.37.
Em 1674, Leibniz
elementos aleatrios e, em
elementos e retorna o valor e a posio
max.
dada. Compare o resultado com o comando
Com trs segmentos de reta de comprimento
sum.
a, b
ser calculado pela srie
William George Horner (1786 - 1837), clrigo metodista e estudioso ingls, conhe-
A new method of solving numerical equations of all orders, by continuous approximation

em 1819. No entanto o mtodo no original, foi antecipado no sculo XIX por Paolo
2
somente possvel
que recebe os comprimentos
a, b
de
3 segmentos de reta e retorna o valor 1 se eles podem representar lados de um

tringulo e 0 em caso contrrio.
pode

1 1 1
= 4 1 + + ,
3 5 7
Runi na Itlia e, antes disso, no sculo XIII por Zhu Shijie na China [38].
construir um tringulo se o comprimento de cada segmento menor que a soma
function
2 mostrou que o nmero
cido pelo mtodo (que leva seu nome) de resoluo de equaes algbricas publicado em
que calcula a soma de todos os elementos de uma
dos outros dois. Escreva uma
F (x)
polinomial, isto , recebe um vetor
do maior elemento do vetor. (c) Compare os resultados com o comando
1.32.
function
n
isprime.
e retorna o valor 1 se
m.
elementos e retorna a mdia aritmtica dos seus elementos.
(a) Escreva um
d conmod ou
Considere a funo polinomial
seguida, determina o valor e a localizao do maior elemento do vetor. (b) Escreva
matriz
que recebe um inteiro
Use os comandos
(b) Generalize o resultado do item anterior para o caso de um polinmio de grau
(c) Compare os resultados com o comando
1.31.
e retorne um vetor
efetuado com multiplicaes.
guida, calcula a mdia aritmtica desses elementos. (b) Escreva uma
function
inclusive.
composto. Compare os resultados com o comando
so necessrias para calcular
Programao no Matlab
uma
n,
(a) Verique esse fato determinando quantas operaes de multiplicao e adio
C(i,:) = C(i,:) + p * C(j,:);

T = C(i,:);
C(i,:) = C(j,:);
C(j,:) = T;
1.30.
entre 1 e
Essa funo pode ser reescrita na
x+1
x1
Justique. D um exemplo. (Estas operaes sero utilizadas nos algoritmos do
1.29.
Escreva uma
que recebe um inteiro
F (x) = 3x4 2x3 + 7x2 5x + 4.
positivos tais que
>>
>>
>>
>>
1.34.
Sugesto: modique a
g(x) = ex 1
1.26.
function
rem.
primo e 0 se
f (x) = x2 + x 4
1.25.
Escreva uma
tendo todos os divisores de
Gottfried Wilhelm von Leibniz (1646 - 1716), matemtico e lsofo alemo,

dy
desenvolveu a teoria do Clculo ( dele a notao dx ) na mesma poca que Newton.
conhecido ainda pelos estudos na aritmtica binria e pelo desenvolvimento de uma
mquina mecnica de calcular. Tanto quanto matemtico, Leibniz foi importante lsofo
e, entre outros temas, tratou do problema da conciliao da noo do
criado por um deus
bom
[38].
mal em um mundo
CAPTULO 1.
12
INTRODUO AO MATLAB
Algoritmo 1 VPol
entrada : c, x
sada : y
Algoritmo 2 MVander
entrada : x, m
sada : X
n tamanho de c
y 0
para i 1 : n
y y x + ci
1:
2:
3:
4:
2:
3:
4:
m
5:
n tamanho de x
X Zeros(n, m + 1)
para i 1 : n
Xi,m+1 1
para j m : 1 : 1
Xi,j xi Xi,j+1
1:
5:
6:
[4, p. 132].
Escreva uma
aproximao P (n)
function
para o valor de
que recebe um valor
usando os
e que retorna uma
primeiros termos da srie.
Quantos termos so necessrios para se obter uma aproximao

para o valor exato de
ptulos 5 e 6. Compare com o comando
1.39.
um
vetor
Escreva uma
Alexandre-Thophile
do Matlab.
Ela pode ser escrita recursivamente
determinante
de uma matriz. Embora j utilizados
na resoluo de sistemas lineares, as propriedades algbricas dos determinantes ainda

no eram bem conhecidas. de Vandermonde a demonstrao do efeito da permutao
de linhas ou colunas de uma matriz sobre seu determinante. Dessa propriedade, deduziu
que se duas linhas ou colunas de uma matriz so iguais, o seu determinante zero [38].
Leonardo
Pisano (1170 - 1250), matemtico italiano, mais conhecido por seu
apelido Fibonacci, teve papel importante na histria da matemtica.
Abaci
1.40.
Seu livro
Liber
de 1202 introduziu a notao decimal posicional com algarismos hindu-arbicos
que usamos at hoje.
A sequncia numrica que leva seu nome a soluo de um
problema envolvendo a reproduo de coelhos.
A revista
The Fibonacci Quarterly,
editada ininterruptamente desde 1963, publica artigos sobre a matemtica relacionada

a essa sequncia [38] [17, p. 108].
e retorna a razo
Fk
.
Fk1
aumenta, a razo
Rk
aproxima-se de um certo
Implemente o algoritmo PivotamentoParcial que recebe uma matriz
1 j n 1. Em seguida,
i j o elemento de maior
valor absoluto p (denominado piv). Se p est na linha i, sendo i 6= j , ento
permuta as linhas i e j entre si. O programa retorna a matriz C pivotada. Esse
C,
Vandermonde (1735 - 1796), matemtico francs, conhe-
cido como o fundador da teoria do
k2
nmero. Que nmero esse?
seu nmero de linhas
e um inteiro
procura entre os elementos da coluna
sequncia de Fibonacci 4 .
Fk = Fk1 + Fk2 .
que recebe um inteiro positivo
Observe que a medida que
1, 1, 2, 3, 5, 8, 13, 21, . . .
3
function
F2 = 1,
Rk =
A sequncia
conhecida como
F1 = 1,
x =
Esse algoritmo ser utilizado nos Ca-
vander
m
com
+ Implemente o algoritmo MVander, que recebe

[x1 , x2 , . . . , xn ]T e um inteiro positivo m e retorna a matriz
m
x1 x21 x1 1
2
xm
2 x2 x2 1
X= .
.
.
. ,
.
.
.
..
.
.
.
2
m
xn xn xn 1
matriz de Vandermonde3 .
m
8:
cuja diferena
seja menor que 0,0005?
1.38.
denominada
7:
j,
tal que
nas linhas
algoritmo ser utilizado pelo algoritmo SLGauss (p. 37) no Captulo 4.
CAPTULO 1.
INTRODUO AO MATLAB
Algoritmo 3 PivotamentoParcial
entrada : C, n, j
sada : C
Inicializao
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
p |Cj,j |
k j
Busca piv
para i j + 1 : n
se |Ci,j | > p ento
p |Ci,j |
k i
m
m
Pivotamento impossvel
se p = 0 ento
Erro: Pivotamento impossvel
m
Permutao das linhas j e k
se k > j ento
13:
14:
15:
16:
m
T Cj,:
Cj,: Ck,:
Ck,: T
13
Captulo 2
Erros e Aritmtica Computacional

No caso de se optar por uma resoluo numrica:
Ao contrrio do senso comum, o computador no uma mquina de calcular
perfeita.
Os clculos efetuados no computador esto sujeitos a erros
(em maior ou menor magnitude). A compreenso da natureza desses erros
1.
Determinao do mtodo:
Existe algum mtodo (algoritmo) dis-
permite estabelecer estratgias (algoritmos) para a resoluo de problemas.
ponvel? Qual mtodo mais indicado? Alguma adaptao ou ela-
Neste captulo abordaremos a forma com que os nmeros so armazena-
borao necessria?
dos pelo computador e como os erros aparecem.
Veremos tambm uma

2.
estratgia geral de abordagem dos algoritmos numricos: os renamentos
Codicao e implementao:
Qual a linguagem a ser utili-
zada? Em que mquina ou sistema o programa vai rodar? O pro-
sucessivos.
grama est funcionando corretamente?
2.1 Resoluo de problemas numricos
3.
Processamento:
4.
Anlise de resultados:
Resolver problemas uma arte. Nas Cincias e Engenharias, o computador
o problema?
cumpre um papel importante no processo de resoluo de problemas, espe-
resultado?
Resolver o problema.
O resultado o esperado? soluo para
Qual a estimativa de erro?
Qual a preciso do
cialmente naqueles onde o uso de clculos aritmticos intenso. O processo

de resoluo de problemas numricos segue, em geral, os seguintes passos:
1.
Denio do problema:
Exemplo 2.1. Consideremos o problema seguinte. Uma esfera de

madeira (densidade relativa e = 0,638) e raio r = 10 cm colocada
a utuar sobre a gua (densidade relativa a = 1) conforme mostra
a Figura 2.1. Qual a altura d da esfera que car submersa? [30,
p. 43]
O que se quer resolver? Qual a natureza
do problema? terico ou prtico? Quais as informaes disponveis? Quais reas do conhecimento so aplicveis?
2.
Modelagem matemtica:
Como representar o problema matema-
ticamente? Desenho, esquemas, equaes, frmulas?

3.
Resoluo do problema matemtico:
Soluo:
Existe soluo? nica?
Para encontrar o valor de
Princpio de Arquimedes , o peso da
Como determinar a soluo? possvel encontrar soluo exata (ana-
da gua
ltica) ou devemos optar por uma soluo aproximada (numrica)?

14
deslocada
d,
inicialmente observamos que, pelo
esfera
por sua poro submersa:
deve ser equilibrado pelo peso
CAPTULO 2.
15
ERROS E ARITMTICA COMPUTACIONAL
f (x)
f (x)
f (x)
f (x)
2552
10,0
552,0
11,80
17,83
*11,860
0,4349
2440
10,2
492,0
11,82
12,03
*11,862
-0,1444
2136
10,4
432,1
11,84
6,23
11,864
-0,7235
1688
10,6
372,2
*11,86
0,43
11,866
-1,3027
1144
10,8
312,5
*11,88
-5,36
11,868
-1,8818
*10
552
11,0
253,0
11,90
-11,14
11,870
-2,4608
a
d
Figura 2.1:
*12
-40
11,2
193,7
11,92
-16,92
11,872
-3,0398
14
-584
11,4
134,7
11,94
-22,70
11,874
-3,6187
16
-1032
11,6
76,1
11,96
-28,47
11,876
-4,1977
18
-1336
*11,8
17,8
11,98
-34,24
11,878
-4,7765
20
-1448
*12,0
-40,0
12,00
-40,00
11,880
-5,3553
Assim um valor aceitvel para a poro
Uma esfera utuante.
submersa
d 11,861
Importante:
da esfera que car
cm.
O Exemplo 2.1 demonstra um recurso muito comum na
resoluo de problemas numricos: a partir de uma
Me g = Ma g
Z d h
i
4r3
2
e
= a
r2 (x r) dx
3
0
d2 (3r d)
= a
3
3
4e r = a d2 (3r d).
soluo, segue uma sequncia de
estimativa nal
1
Arquimedes
poca.
(2.1)
renamentos
estimativa inicial
de soluo com a qualidade desejada.

de Siracusa (287 a. C. - 212 a. C.) foi o maior matemtico de sua
Seu principal legado so suas contribuies na geometria onde seus mtodos
para determinao de reas e volumes anteciparam o clculo integral dois mil anos
antes de Newton e Leibniz. Homem bastante prtico, inventou uma grande variedade
de mquinas e dispositivos, incluindo polias e bombas d'gua [38].
Aps a substituio de valores, a expresso (2.1) pode ser reescrita como
d3 30d2 + 2552 = 0.
(2.2)
A soluo do problema consiste em encontrar o valor de
que satisfaz
analtica de (2.2), embora existente, um tanto complicada

(veja o Problema 3.27). A soluo numrica pode ser obtida calculando os
(2.2). A soluo
valores de
f (x) = x3 30x2 + 2552
de forma sistemtica.
x e f (x)
0 x 20. Como a funo contnua e troca de
10 x 12 (assinalado com *), deduzimos que o valor
Na primeira tabela mostrada a seguir vemos os valores de

calculados no intervalo
sinal
no intervalo
procurado de
est
dentro desse intervalo. A segunda tabela mostra os

renado 10,0 x 12,0. Por raciocnio
valores calculados no intervalo
11,8 < d < 12,0,

11,860 < d < 11,862.
semelhante deduzimos que

por m
depois que
11,86 < d < 11,88
de
que convergem para uma
CAPTULO 2.
16
2.2 Representao numrica de ponto utuante

Na maioria dos computadores, os nmeros so representados na
ria normalizada
(semelhante a
notao cientca ).
base bin-
Por exemplo,
x = (5,125)10
Figura 2.2:
= 4 + 1 + 0,125
= 22 + 20 + 23
= 1 22 + 0 21 + 1 20 + 0 21 + 0 22 + 1 23
= (101,001)2
= (1,01001)2 2
= (1,01001)2 2
f = 01001
expoente
e = 10
p = 11
so, respectivamente, a
parte fracionria
754, um nmero representado por uma sequncia de
bits )
dgitos binrios
s = 0 para nmeros positivos e

s = 1 para nmeros negativos. Os bits f1 f2 . . . ft = f representam a parte
fracionria do nmero. Os bits e1 e2 . . . ep esto associados ao expoente e
representa o sinal no nmero:
do nmero. Aqui os detalhes tcnicos so um tanto complicados mas podemos simplicar um pouco dizendo que o expoente
est em um intervalo
[emin , emax ].
A mais importante consequncia dessa representao que, ao contrrio
limitado).
k = 64
bits com
dos nmeros reais, o conjunto
representveis pela mquina intrinsecamente
limitado.
A Figura 2.2 mostra os nmeros de ponto utuante (positivos) repre-
t = 2, emin = 2
(1.00...00)2 e (1.00...01)2 tem tamanho

(2.3)
preciso da representao numrica.
Usando o Matlab
Para obter a preciso da mquina usamos o comando
>> eps
ans = 2.2204e-016
Observe-se que
>> 1 + eps > 1

ans = 1
(verdadeiro!)
>> 1 + eps/2 > 1
ans = 0
(falso!)
O algoritmo
EpsilonMaq calcula a preciso de qualquer sistema com-
nito). Observe que existe um espao entre cada dois nmeros (pois
p = 11 dgitos
2046 expoentes,
Com
sentam
emax = 2.
Observe que apenas vinte valores positivos so representveis (pois
bits para a parte fracionria e
putacional.
Isto , nem todo nmero real pode ser representado na mquina.
sentveis com os parmetros
Isso determina a
dos nmeros efetivamente
nito, discreto
t = 52
= 2t = 252 2,2204 1016 .
x.
(s, e1 , e2 , . . . , ep , f1 , f2 , . . . , ft ) .
do conjunto
e de um
para o expoente.
e o
especicado por
Observemos que o espao entre
da representao binria de ponto utuante de
bit s
(pois
Fmax
Nos padro IEEE 754, os nmeros de ponto utuante so representados
Nos sistemas computacionais que utilizam o padro aritmtico IEEE
Fmin
por um conjunto de
(10)2
= (1,f )2 2(e)2 ,
onde
t = 2, emin = 2
discreto), bem como a existncia de um maior nmero
menor nmero
Nmeros de ponto utuante com parmetros
emax = 2.
211 = 2048 combinaes que repre= 1022 at emax = 1023. O maior
so possveis
desde
nmero representvel
emin
Fmax = (2 ) 2emax = (1,11...11)2 21023 1,7977 10308 .
(2.4)
CAPTULO 2.
17
Algoritmo 4 EpsilonMaq
entrada : nenhuma
sada :
Usando o Matlab
enquanto 1 + t > 1
2:
3:
t t/2
4:
m
5:
2t
As duas combinaes no utilizadas para o expoente so reservadas

para os valores especiais
Usando o Matlab
aritmticos indenidos e
:
O maior nmero representvel dado pelo comando
>> realmax
ans = 1.7977e+308
>> realmax + 1 > realmax

ans = 0
(falso!)
>> 2*realmax
ans = Inf
(overflow!)
resultados
Alguns resultados de operaes aritmticas:
Exemplo 2.2. Os parmetros utilizados na representao numrica

mostrada na Figura 2.2 so t = 2, emin = 2 e emax = 2. Determine
os valores de , Fmin e Fmax .
menor nmero representvel (normalizado)
Fmin = 1 2emin = (1,00...00)2 21022 2,2251 10308 .
Usando o Matlab
NaN (Not a Number ) que representa

Inf que representa overow.
>> 1/0
ans = Inf
>> 0/0
ans = NaN
Observe-se que,
No Matlab,
>> a = eps * 2^-1022

a = 4.9407e-324
>> b = a/2
b = 0
(underflow!)
t 1
1:
(2.5)
Soluo:
Usando as equaes (2.3), (2.4) e (2.5) temos
= 2t = 22 = 0,25
Usando o Matlab
O menor nmero representvel dado pelo comando
>> realmin
ans = 2.2251e-308
O menor nmero representvel (no-normalizado)
(0,00...01)2 21022 = 21022 4,9407 10324 .
Fmin = 1 2emin = 1 22 = 0,25
Fmax = (2 ) 2emax = (2 0,25) 22 = 7
2.3 Erros nos processos numricos

Em decorrncia do que foi visto nas sees anteriores, os clculos aritmticos efetuados pela mquina estaro impregnados de algum tipo de impreciso, de erro. Nesta seo descrememos, de forma sucinta, dois tipos
bsicos de erros: o erro de
arredondamento e o erro de truncamento.
CAPTULO 2.
18
2.3.1 Erro de arredondamento

O erro de arredondamento devido a representao numrica nita da
innitos
...,
irracional e sua representao decimal
No formato hexadecimal, os trs primeiros dgitos representam os bits do
dgitos. No entanto a mquina armazena e apresenta apenas
sinal e do expoente e os demais representam os bits da parte fracionria [33].
mquina. Por exemplo, o nmero

tem
(0)16 =
(e)16 = (1110)2 , (f)16 =
Cada dgito hexadecimal representa quatro dgitos binrios:
(0000)2 , (1)16 = (0001)2 , (2)16 = (0010)2 ,

(1111)2 .
uma quantidade
nita
Assim, podemos visualizar a diferena na representao binria nos dois valo-
de dgitos. O Matlab realiza clculos usando uma
res
preciso de 52 dgitos binrios e apresenta seus resultados arredondados
b.
em, no mximo, 16 dgitos decimais:
Usando o Matlab
2.3.2 Erro de truncamento
O erro de truncamento devido a interrupo de processos innitos. Por
>> format long

>> pi
ans = 3.141592653589793
exemplo, o processo de clculo do valor de
base 10 convertido para a base 2.
nita
Por exemplo, o nmero
mas representao binria
innita :
0,6
Poderamos ter levado o processo adiante e ter encontrado o intervalo
11,861501508120412 d 11,861501508120413.
possui
(0,6)10 = (0,1001100110011 . . .)2 .
No entanto, no poderamos
preciso da mquina no
tamanho menor que esse.
a
Esse tipo de situao pode acarretar erros de arredondamento nas operaes aritmticas de ponto utuante. Por exemplo:
Usando o Matlab
no Exemplo 2.1 foi interrom-
11,860 d 11,862.
Tambm pode ocorrer erro de arredondamento quando um nmero na

representao decimal
pido no intervalo
(subdividir) mais esse intervalo pois
Por exemplo, a constante de Euler
2 (e
= 2,7183 . . .)
pode ser obtida
pela srie innita
>> a = 0.1 + 0.2 + 0.3 + 0.4, b = 0.4 + 0.3 + 0.2 + 0.1

a =
1
b =
1.0000
>> a == b
ans =
0
>> format hex, a, b
a =
3ff0000000000000
b =
3fefffffffffffff
renar
permite distinguir extremos de intervalos de
e=
+
X
1
1
1
1
1
= 1 + 1 + + + + +
k!
2! 3! 4! 5!
(2.6)
k=0
Computacionalmente, no possvel somar os innitos termos de (2.6),

logo a srie deve ser truncada. A soma dos
enquanto a soma dos
seis
trs
primeiros termos
primeiros termos
2,7167.
2,5000
Quanto mais termos,
maior ser a quantidade de dgitos corretos.
2.4 Notao
No estudo dos erros computacionais, alguns termos e denies (bem como
sua notao) so importantes. Seguem alguns:
2
Ver nota biogrca na p. 86
CAPTULO 2.
1.
19
Valor exato, x.
iguais
O valor verdadeiro, correto, real, de uma varivel.
Valor aproximado, x.
Aproximao para o valor exato, estimativa,
Ateno:
numrico. Valor estimado, valor computado. Por exemplo,
3.
Erro, .
Diferena entre valor aproximado e exato:
2,718281828459046 2,71828 DSE = 6.
dgitos signicativos exatos :
e a
(2.7)
|rel | 8 107
= 0,8 106
1264
e
465
2,718279569892473 2,718281828459046
= 0,08 105 < 0,5 105 DSE 5.
=
= 2,258566572432841 106 .
6.
Tolerncia, tol.
Valor mximo admitido para o erro relativo (ou
erro) em um processo numrico. Em geral, usado como
parada
em algoritmos iterativos. Para clculos
manuais,
critrio de
usa-se, em
0,5 103 . Para clculos computacionais, os valo0,5 106 (preciso simples) e 0,5 1012 (preciso
geral, o valor de
a razo entre o erro e o valor exato:
rel
erro relativo
Por exemplo,
Por exemplo,
Erro relativo, rel .
res tpicos so
estendida).
xx
.
=
x
Por exemplo,
2,718279569892473 2,718281828459046
2,718281828459046
= 8,308802085150933 107 .
Exemplo 2.3. Determine o erro, o erro relativo e o nmero de dgitos

signicativos exatos de x = 22
= .
7 em relao a x
rel =
Note que tanto o

ou negativos.
erro
erro relativo
podem ser positivos
No entanto, nos critrios de parada dos algoritmos,
utiliza-se, em geral, o
5.
quanto o
valor absoluto
2,718279569892473 2,71828
|rel | < 0,5 10m DSE m.
=xx
.
4.
dgitos so os dgitos signicativos exatos de
Existe uma importante relao entre o
quantidade de
1264
2,718279569892473.
465
Por exemplo,
x=
impregnada de algum erro. Em geral, a resposta de algum processo
x=
x
.
1264
465
x
=e
x
= e = 2,718281828459046...
2.
ento esses
em relao a
Em geral, a soluo procurada de algum problema. Por exemplo,
destas quantidades.
Dgitos signicativos exatos, DSE. Se os nmeros x e x so arredondados para os primeiros k dgitos decimais e esses dgitos so
Soluo:
x
= = 3,141592653589793 . . .
3,142857142857143 . . . o erro dado por
Como
=xx
3,142857142857143 3,141592653589793
= 0,00126448926735.
x =
22
7
CAPTULO 2.
20
2.5 Estimativas para o erro
Algoritmo 5 ErroRel
entrada : x1 , x2
sada : rel
1:
se x2 = 0 ento
2:
3:
4:
5:
x
.
rel x1
seno
m
rel
exatamente sem conhecer o valor exato

aproximao para o erro ou uma tolerncia
Como no possvel conhecer o erro

Em geral assumimos uma
(cota) para o erro.
Em geral essa estimativa ou tolerncia depende de
algum fato terico sobre o problema a ser resolvido. O exemplo a seguir
x1 x2
x2
mostra como se pode
estimar
usando um argumento engenhoso.
Exemplo 2.4.
Encontre, de forma iterativa, uma representao decimal de x = 53 usando apenas as quatro operaes aritmticas.
O erro relativo
xx
3,142857142857143 3,141592653589793
=
3,141592653589793
= 4,024994347707008 104 .
Soluo:
rel =
Os valores de
temos que
tem-se que o erro

o erro.
erro relativo.
(7,5)2 = 56,25
x1 = 7,5
ErroRel.
cota
para
no uma boa estimativa, uma vez que
est um pouco afastado de
Se
x
=
53
=xx
53
(um
resduo
de 3,25).
Um
ento
x
= x ,
Como o clculo do erro relativo e da diferena relativa so utilizados

algoritmo
Isto signica que 0,5 uma
raciocnio mais sosticado pode nos levar a resultados melhores.
deve ser usado em
com frequncia, conveniente escrever um algoritmo especco.
primeira estimativa
|| = |x x
| 0,5.
No entanto, o valor
x
3,141592653589793 3,14 DSE = 3.
vez do
a < b a < b.
7<x
< 8. Fazendo a
x1 = 7,5
x 3,142857142857143 3,14
x
= 0, ento o erro
armar que
podem ser arredondados para
Observemos que se o valor exato
f (x) = x estritamente
crescente
Assim, se
49 < 53 < 64 podemos
Como a funo dada por
Veja o
(2.8)
logo
x
2 = (x )2 ,
Importante: Note que se as entradas do algoritmo, x1 e x2 , representam duas aproximaes para um dado valor exato x
ento a sada, rel
representa a diferena relativa entre as aproximaes. Caso as entradas do
algoritmo sejam x e x
representando uma aproximao e um valor exato
ento a sada, rel representa o erro relativo entre a aproximao e o valor
Se
exato.
e, portanto,
53 = x2 2x + 2 .
|| < 1
ento
2 < ||,
logo
53 x2 2x

1
x2 53
=
2x
2

53
x
.
x
(2.9)
CAPTULO 2.
21
x1 = 7,5
Da estimativa inicial
Algoritmo 6 RaizQuadrada
entrada : n, x, tol, kmax
sada : x, rel , k
e de (2.9) podemos estimar
1 0,2167.
2:
x2 = x1 1
4:
= 7,2833
x2
por
xk
(7,2833)2 =
de 0,0469). Combinando as equaes (2.8) e (2.9)
obtemos
Substituindo
5:
uma estimativa melhor, uma vez que
53,0469 53 (um resduo
1
2

x+
enquanto k < kmax e |rel | > tol
3:
= 7,5 0,2167
Agora, o valor
k 1
rel +
1:
Assim, a partir de (2.8), podemos obter uma segunda estimativa
53
x
6:
7:
m
8:
k k + 1
u x

x 12 x + nx
rel ErroRel(u, x)

.
xk1 obtemos uma

1
53
xk =
xk1 +
.
2
xk1
por
2. Os valores de DSE mostrados na tabela so

frmula recursiva:
processo iterativo, o valor exato
mar
(2.10)
x1 , a frmula recursiva (2.10) fornece
x2 , x3 , x4 , . . . que converge rapidamente para 53
de
o erro relativo usando a
x5
x6
DSE (estimativa)
7,500000000000000
7,283333333333333
7,280110602593441
7,280109889280553
2,9748 102
4,4268 104
9,7981 108
4,7580 1015
7,280109889280518
7,280109889280518
3
6
de valores sucessivos
xk1 xk
.
xk
O algoritmo
16.
RaizQuadrada
generaliza o problema.
Note que o al-
goritmo apresenta a estrutura tpica de processos iterativos:
estimativa
inicial, renamentos sucessivos, estimativa para erro relativo, nmero mximo de passos permitido, tolerncia para erro relativo, etc.
14
16
Observaes:
1. O valor calculado para
relativa
esti-
so iguais. No Matlab, usando o padro IEEE 754,
no possvel obter DSE

diferena relativa
Durante o
3. Na ltima iterao, o DSE estimado vericando que todos os 16

dgitos de
xk
diferena relativa
rel diferena
como mostra a tabela a seguir.
estimados :
desconhecido mas podemos
x:
A partir de uma estimativa inicial

uma sequncia de valores
2.6 Convergncia nos processos numricos

Nos processos iterativos, as solues so obtidas a partir de uma sucesso
x6
coincide com o valor exato obtido com o
Matlab:
x1 , x2 , . . . que se aproxima do valor exato x

.
sequencia xk converge para x
se, e somente se,
de estimativas
uma
Dizemos que
lim xk = x
.
>> sqrt(53)
ans = 7.280109889280518
k+
A velocidade com que a sequncia converge para o valor exato indica quo
rpida ser a aproximao. Quanto
maior
for a velocidade de convergncia,
CAPTULO 2.
menor
22
ser a quantidade necessria de passos para se atingir uma dada
tolerncia.
Dada uma sequncia
positivas
xk
que converge para
x
,
se existem constantes
tais que
(2.11)
c dito coeciente assinttico de convergncia e r dito ordem de convergncia. Quanto maior o valor de r, mais rpida ser a
ento
convergncia da sequncia:
linear;
Se
r=1
Se
r > 1,
ento a convergncia dita de ordem
superlinear;
Se
r = 2,
quadrtica.
c < 1,
2.1.
2.2.
|k |
|xk x
|
lim
r = lim
r = c,
k+ |k1 |
k+ |xk1 x
|
mquina, (b) o menor nmero representvel Fmin e (c) o maior nmero representvel Fmax .
Observe que a denio dada pela equao (2.11) equivalente a dizer
2.3.
em
De forma intuitiva, a ordem de convergncia est associada ao ganho de
t = 45, emin = 255, emax = 256.

O que
overow.
overow ?
D um exemplo de comando do Matlab que resultaria
2.4.
em
O que underow ?
underow.
D um exemplo de comando do Matlab que resultaria
Considere as expresses mostradas nos problemas 2.5 e 2.6 a seguir. Para

cada uma, (a) determine o seu valor exato algebricamente (resolva mo). (b)
Determine o seu valor aproximado numericamente (use o Matlab). Use o comando format hex e verique se o que foi calculado em (a) igual ao calculado
em (b).
2.5.
x=
2.6.
1
4
4
y = 11 3 + .
1
5
11
6 31
2.7.
Na aritmtica, a igualdade
que a medida que o processo iterativo avana tem-se
|k | c |k1 |r .
t = 8, emin = 63, emax = 64.
1
6
1
6
1
6
1
6
1
6
1
6.
DSE a cada passo. Para sequncias de ordem linear, a quantidade de DSE
1
n = 1 verdadeira para todo n 6= 0. Na
aritmtica computacional isso nem sempre verdade. Encontre o menor inteiro
ganhos a cada passo aproximadamente constante. J para sequncias de
positivo para o qual a igualdade seja falsa.
ordem superlinear, a quantidade de
DSE
ganhos aumenta a cada passo. A
sequncia obtida no Exemplo 2.4 tem convergncia de ordem

observe como a quantidade de DSE aproximadamente
dobra
quadrtica :
a cada passo.
A anlise de convergncia dos mtodos numricos no trivial e ser

omitida nesse texto. No entanto o estudante interessado pode consultar,
por exemplo, [8], [10] e [30].
2.7 Problemas
2.8.
As vezes, utilizando o Matlab, obtemos um
NaN
como resultado de uma
operao aritmtica. O que isso signica? D um exemplo.
2.9.
Implemente, na sua linguagem favorita, o algoritmo EpsilonMaq e
determine a preciso de seu sistema computacional. Compare o resultado com o

comando
eps
do Matlab.
Erro, Erro relativo, DSE
Representao de ponto utuante
Nos problemas 2.10 a 2.13 a seguir, determine (a) o erro , (b) o erro relativo
rel e (c) o nmero de dgitos signicativos exatos DSE obtidos ao se aproximar
x
por x.
Nos problemas 2.1 e 2.2 a seguir, suponha que uma mquina tenha representao de ponto utuante com os parmetros dados. Determine (a) a preciso da
2.10.
. x
= 123 456, x = 123 400;
CAPTULO 2.
2.11.
2.12.
23
. x
= 1,000000, x = 0,999999;
. x
= 2, x = 577
408 ;
2.13.
. x
= = (1 +
2.14.
5)/2, x =
. rel = 4,92 1012
2.17.
O nmero
uma aproximao para o valor exato
s com,
no mximo,
5 dgitos signicativos exatos. Qual o erro relativo?
987
610 ;
Hoje sabemos que a rea de um crculo dada por
raio do crculo. No papiro de Ahmes
2.16.
A = r2 ,
2.18.
onde
3 a rea do crculo aproximada pela rea de
um octgono (no regular) circunscrito (recorte A, direita, na gura a seguir)

e em seguida utilizada para determinar a rea de um campo circular (recorte
Implemente, na sua linguagem favorita, o algoritmo ErroRel. Veri-
que seu funcionamento comparando os resultados com os do Exemplo 2.3.
2.19.
aproximaes
A tabela a seguir mostra algumas
para
usadas nos primr-
dios da Matemtica [4].
B, esquerda, na gura a seguir). Em linguagem moderna, essa aproximao

equivalente a:

A=
d
onde
relativo
valor
2
8
d ,
9
p1 =
p2 =
o dimetro do crculo. Determine uma expresso algbrica para o erro
rel
3 18
2
( 16
9 )
p3 = 3
associado a essa aproximao.
p4 =
p5 =
3 17
377
120
p6 =
p7 =
355
113
10
autor
poca
Babilnios
2000
a. C.
Egpcios
2000
a. C.
Chineses
1200
a. C.
Arquimedes
300
Ptolomeu
200
Chung Hing
300
Valentius Otho
1573
a. C.
(a) Qual o erro relativo de cada aproximao?

(b) Quais erram por excesso? Quais erram por falta?
(c) Qual a melhor aproximao? Qual a pior aproximao?
2.20.
Considere a funo fatorial
f(n) = n! = n (n 1) 3 2 1.
Em 1730, Stirling desenvolveu a frmula de aproximao
Nos problemas 2.15 a 2.16 a seguir, o nmero r uma aproximao para o

valor exato r com erro relativo rel dado. Estime a quantidade de DSE que r
possui?
2.15.
3
. rel = 7,23 10
Ahmes
problemas matemticos envolvendo multiplicao, diviso, fraes unitrias, equaes,

O papiro (descoberto em 1858 por Alexander Henry
Rhind) atualmente se encontra no Museu Britnico [38].
2n
n n
e
para a funo fatorial.

(a) Obtenha os valores de
(1680? a.C. - 1620? a.C.) escriba egpcio que transcreveu uma srie de
progresses, reas e volumes.
f (n) =
f(n)
(b) Determine o erro relativo

e [26, p. 52].
rel
f (n)
para
n = 5, 10, 15, 20.
de cada aproximao. Adaptado de [43, p. 48]
CAPTULO 2.
2.21.
24
Considere a seguinte expanso em srie para
sen(x) = x
x5
x7
x3
+
+
3!
5!
7!
t =
(a) Obtenha as aproximaes para
sen(x):
2
2
= sen( 4 )
usando os
n = 3, 6, 9
pri-
meiros termos da srie.

(b) Determine erro relativo
rel
de cada aproximao.
Estimativas para o erro
2.22.
Implemente o algoritmo RaizQuadrada na sua linguagem preferida e
use-o para calcular os valores
a=
b=
834.
Verique o seu funcionamento comparando os resultados com o comando

do Matlab. Use
2.23.
tol = 0,5 1012 .
Generalize o algoritmo RaizQuadrada para calcular
calcular os valores
a=
23
b=
n.
sqrt
Use-o para
527.
Sugesto: Leia atentamente a seo 2.5 e obtenha uma frmula recursiva semelhante a 2.10. Compare os resultados nais com
nthroot.
As sequncias recursivas mostradas nos problemas 2.24 a 2.25 a seguir so

convergentes para os valores x mostrados. Para cada sequncia, monte uma tabela
contendo (a) os valores de xk para k = 1, . . . , 20, (b) as diferenas relativas
xk1 xk
e (c) os erros relativos xkxx . Verique que os valores obtidos em (b)
xk
so aproximaes razoveis para os valores obtidos em (c).
2.24.
x1 = 1,
xk = 1 +
2.25.
x1 = 1,
xk =
1
xk1 ,
x
=
2 + xk1 ,
1+ 5
2
x
=2
2.26. . Sejam x e y valores aproximados para os valores

(
y 6= 0), respectivamente. Os erro relativos so dados por
x =
Se
z = x
+ y (
z 6= 0),
xx
y =
exatos
y y
.
y
mostre que o erro relativo para
tal que:
x
(
x 6= 0)
x x
+ y y
;
x
+ y
(a)
z =
(b)
min(x ,y ) z max(x ,y ).
O resultado obtido em (a) ser usado no algoritmo QuadRec (p. 80).
Captulo 3
Zeros de funes
3.1 Denio do problema
zero, mas esto

so
Seja
f : R R.
Um nmero
dito
zero de f
isto , determinar os valores de
z,
seja zero de
Soluo:
g(x) = x3 x2 1
zeros.
respectivas funes,
f.
vericar que os valores de z1 , z2 e z3 so os zeros das

encontr-los e que mais trabalhoso. A funo f do
exemplo uma funo polinomial de grau 3 e que seus zeros so bvios:
z = {0, 1}.
Exemplo 3.1. Verique que z1 = 1, z2 = 1,465571231876768 e z3 =

0,588532743981861 so, respectivamente, zeros de
f (x) = x3 x2 ,
de zero, isto , muito prximos da preci-
Para efeitos computacionais, podem ser considerados
Embora seja fcil
encontrar os zeros de uma funo,
se existirem, tais que
muito prximos
da mquina.
efetivamente
se, e somente se,
f (z) = 0.
O problema que estudaremos consiste em
Sendo
z=0
um zero de multiplicidade
2.
J o zero de
to fcil de encontrar pois no h uma fatorao imediata de
no
e a frmula
exata um tanto trabalhosa (Veja o Problema 3.27). Ainda, na funo

determinao algbrica de
e h(x) = ex sen(x).
z3
impossvel,
ha
isto , no se pode encontr-la
em termos de funes elementares.

Os mtodos numricos para determinar zeros de funes consistem,
Inicialmente, veriquemos que, trivialmente,
basicamente, de duas fases:
f (1) = 13 12 = 1 1 = 0.
J para
1.
a vericao requer um pouco mais de trabalho.
Isolamento:
Vericao da existncia e unicidade dos zeros (con-
intervalo [a, b] contendo

um zero de f ou determinao de uma estimativa inicial x1 z . Na
sideraes tericas).
No
Matlab:
Determinao de um
maioria dos casos, uma tabela de valores e um grco da funo so
>> z2 = 1.465571231876768; g = z2^3 - z2^2 - 1

g = -4.4409e-16
>> z3 = 0.588532743981861; h = exp(-z3) - sin(z3)
h = 1.1102e-16
Observe que os valores calculados de
g(z2 )
h(z3 )
no so
sucientes.
2.
Renamento:
Processo iterativo em que o intervalo
ou que novas estimativas
de parada
exatamente
25
seja satisfeito.
[a, b] reduzido
x2 , x3 , . . . so obtidas at que algum critrio
CAPTULO 3.
26
ZEROS DE FUNES
3.2 Mtodo da bisseo

O mtodo da bisseo semelhante ao procedimento utilizado na resoluo
do Exemplo 2.1 e toma por base o seguinte teorema:
Teorema 3.1. (Teorema do Anulamento) Seja f uma funo contnua em

um intervalo [a, b] tal que f (a) e f (b) tenham sinais contrrios. Ento
existe (pelo menos) um z (a, b) tal que f (z) = 0.
Embora uma prova rigorosa do teorema possa ser encontrada em alguns
livros de Clculo [23, p. 511], gracamente o seu entendimento imediato:
abaixo
que acima
se o grco de uma funo est (digamos)
x = a e segue continuamente at que

x = b ento em algum ponto entre a e b
Considere a funo
ele passou
do eixo horizontal em
sobre
o eixo horizontal!
do Exemplo 3.1. Como toda funo polinomial,
contnua em toda parte. Alm disso,
a funo troca de sinal em
(1, 2).
do eixo horizontal em
[1, 2].
g(1) = 3
Pelo teorema 3.1
g(2) = 3,
existe
isto ,
um zero em
Figura 3.1:
Figura 3.1 que mostra o grco da funo bem como a localizao
de seu zero.
O mtodo da bisseo consiste nos seguintes passos
1.
1. Partir de um intervalo inicial
[a, b]
tal que
f (a)
f (b)
tenham sinais
contrrios;
2.
2. Dividir o intervalo
[a, b]
em dois subintervalos
x=
o ponto mdio entre
[a, b]
tal que
f (a)
[x, b],
sendo
xk .
f (z) = 0
|rel | = |f (xk )| < tol;
4.
k > kmax .
estimativas
f (xk ).
e seu zero.
3.
O critrio 3 fornece a magnitude do
a diferena entre
b;
f (b)
g(x) = x3 x2 1

xk1 xk
< tol;
|rel |

xk

bk ak
< tol;

|rel |
2xk
Os critrios 1 e 2 estabelecem
a+b
2
para o erro relativo
resduo
rel
entre
da funo, isto ,
O critrio 4 estabelece um nmero
mximo de iteraes.
3. Decidir qual subintervalo contm o zero de

valo
[a, x]
O grco da funo
e obter um novo inter-
tenham sinais contrrios;
4. Repetir os passos 2 e 3 at atingir a preciso desejada.
Soluo:
3.2.1 Critrios de parada

Usualmente so utilizados os seguintes
Exemplo 3.2. Usar o mtodo da bisseo para determinar o zero de

g(x) = x3 x2 1 com pelo menos 3 DSE.
O grco de
j est desenhado na Figura 3.1.
Matlab, obtemos uma tabela de valores:
critrios de parada :
Usando o
CAPTULO 3.
27
ZEROS DE FUNES
>> x = 1 : 0.2 : 2
x =
1.0000
1.2000
1.4000
>> y = x.^3 - x.^2 - 1
y =
-1.0000 -0.7120 -0.2160
Vericamos que
1.6000
1.8000
2.0000
0.5360
1.5920
3.0000
troca de sinal no intervalo[1,4; 1,6], isto ,
isolamos
Algoritmo 7 ZeroBisseo
entrada : f, a, b, tol, kmax
sada : x, rel , k
Estimativa inicial
o zero
nesse intervalo.
Agora, com
tol = 0,5 103 ,
usamos o mtodo da bisseo para obter
os valores mostrados na tabela a seguir
1:
2:
ak
xk
bk
g(ak )
g(xk )
g(bk )
rel
1,4000
1,5000
1,6000
-0,2160
0,1250
0,5360
1,4000
1,4500
1,5000
-0,2160
-0,0539
0,1250
0,0345
1,4500
1,4750
1,5000
-0,0539
0,0334
0,1250
-0,0169
1,4500
1,4625
1,4750
-0,0539
-0,0108
0,0334
0,0085
1,4625
1,4688
1,4750
-0,0108
0,0112
0,0334
-0,0043
1,4625
1,4656
1,4688
-0,0108
0,0002
0,0112
0,0021
1,4625
1,4641
1,4656
-0,0108
-0,0053
0,0002
0,0011
8:
1,4641
1,4648
1,4656
-0,0053
-0,0026
0,0002
-0,0005
1,4648
1,4652
1,4656
-0,0026
-0,0012
0,0002
-0,0003
9:
3:
4:
5:
6:
7:
k 1
x 12 (a + b)
f x f (x)
f a f (a)
f b f (b)
rel +
Processo iterativo
se f a f x 0 ento
b x
fb fx
10:
seno
11:
Assim podemos estabelecer
Para obter
x = 1,465571231876768
necessrias 49 iteraes.
e de
g(b)
algoritmo
z 1,47
com 3 DSE.
12:
13:
com
rel = 3,0301
Observe, na tabela acima, que o
1016 so
sinal
de
g(a)
permanecem os mesmos durante todo o processo iterativo.
ZeroBisseo
sistematiza o mtodo da bisseo utilizando os
critrios de parada 1 e 4.
condies necessrias
16:
17:
18:
19:
Quanto a convergncia do mtodo da bisseo, observemos o seguinte:

1. As
15:
20:
Convergncia
para que o mtodo funcione so mnimas:
deve ser contnua e trocar de sinal em um intervalo
[a, b]
inicial.
m
14:
m
a x
fa fx
k k + 1
u x
x 12 (a + b)
f x f (x)
rel ErroRel(u, x)
CAPTULO 3.
28
ZEROS DE FUNES
Assumida essas condies, do Teorema 3.1, o processo
seguramente
Trocando
x0
por
convergente.
2. Como
|k |
1
2
|k1 |,
por
tem-se
f (z) f (x) + f 0 (x)(z x) 0,
o mtodo possui convergncia linear. So ne-
cessrias cerca de 3,3 iteraes para cada DSE adicional: uma con-
pois
f (z) = 0.
Dessa forma, pode-se resolver a equao para
vergncia considerada lenta.
z x
3.3 Mtodo de Newton-Raphson

1
O mtodo de Newton -Raphson
inicial x1
para o zero de
convergem para
3
de Taylor :
z.
f,
que pode ser transformada em uma
2 consiste em, a partir de uma
obter aproximaes sucessivas
O mtodo toma por base a expanso de
estimativa
Geometricamente,
f 00 (x0 )(x x0 )2
f (k) ()(x x0 )k
f (x) = f (x0 ) + f 0 (x0 )(x x0 ) +
++
.
2!
k!
gente ao grco de
xk
em
obtendo
f (x)
,
f 0 (x)
frmula de iterao :
xk = xk1
x2 , x3 , que
f em sua srie
projeo
f (xk1 )
.
f 0 (xk1 )
sobre o eixo horizontal da reta tan-
(xk1 , f (xk1 ))
como mostra a Figura 3.2.
Truncando a srie a partir do terceiro termo, obtm-se a aproximao
f (x) f (x0 ) + f 0 (x0 )(x x0 ).

1
Isaac
Newton (1643 - 1727) cientista ingls.
Newton desenvolveu as bases do
clculo diferencial e integral. Por seus trabalhos na ptica e gravitao, considerado

o maior cientista de todos os tempos. Em seu
tarum
De metodis uxionum et serierum inni-
Newton descreve o mtodo para encontrar zeros de funes polinomiais, dando

3
como exemplo a funo f (x) = x 2x 5 que possui um zero entre 2 e 3 (veja o
Problema 3.13). Embora escrito em 1671, somente foi publicado como
ons
Method of uxi-
em 1736. O nome de Newton tambm est relacionado s tcnicas de quadratura
numrica (veja o captulo 7) quando, em 1676, descreveu o mtodo em uma carta a

Leibniz [38].
2
Joseph
Society.
Raphson (1648 - 1715) matemtico ingls colega de Newton na
Em seu
Analysis aequationum universalis
Royal
de 1690 descreve, de forma indepen-
dente, o mesmo mtodo para encontrar zeros de funes [38]. A frmula iterativa (3.1)
tal como conhecida atualmente devida a Thomas Simpson em seu
the solution of equations in numbers

3
Brook
A new method for
de 1740 [37].
Taylor (1685 - 1731) matemtico ingls.
Contribuiu signicativamente
para o estabelecimento do Clculo. Criou o clculo de diferenas nitas, inventou a tcnica da integrao por partes, e generalizou a expanso em srie que leva seu nome em
seu livro
Methodus incrementorum directa et inversa
de 1715. A importncia desse tra-
balho foi reconhecida e enaltecida por Lagrange em 1772 como o Teorema Fundamental
do Clculo Diferencial [38].
Figura 3.2:
(3.1)
Interpretao geomtrica do mtodo de Newton.
CAPTULO 3.
29
ZEROS DE FUNES
Exemplo 3.3. Usar o mtodo de Newton para determinar o zero de

g(x) = x3 x2 1 com pelo menos 3 DSE.
Soluo:
intervalo
1,5.
J sabemos do Exemplo 3.1 que o zero de
[1,4 : 1,6] ento podemos usar

g(x) = x3 x2 1, temos
encontra-se no
como estimativa inicial o valor
x=
2:
4:
g 0 (x) = 3x2 2x.

tol = 0,5 103 ,
k 1
F f (x)
D f 0 (x)
rel +
1:
3:
Como
Com
Algoritmo 8 ZeroNewton
entrada : f, f 0 , x, tol, kmax
sada : x, rel , k
Estimativa inicial
usamos o mtodo de Newton para obter os valores
mostrados na tabela a seguir
Processo iterativo
5:
6:
7:
8:
xk
g(xk )
g 0 (xk )
rel
1,5000
0,1250
3,7500
10:
1,4667
0,0039
3,5200
0,0227
11:
1,4656
0,0000
3,5126
0,0007
1,4656
0,0000
3,5126
0,0000
z 1,47
com 3 DSE.
Assim podemos estabelecer
9:
2. Embora a convergncia do mtodo de Newton seja, em geral, mais

rpida que a do mtodo da bisseo, ela no
De fato, na ltima iterao da tabela acima,
rel = 7,9061 107 <

DSE. Para obter x =
0,5 105 , que garante z 1,4656 com 5

1,465571231876768 com |rel | < 0,5 1015 so necessrias
apenas 6 itera-
es!
O algoritmo
ZeroNewton
sistematiza o mtodo de Newton, usando
os mesmos critrios de parada do algoritmo
m
12:
k k + 1
u x
x x F/D
F f (x)
D f 0 (x)
rel ErroRel(u, x)
ZeroBisseo.
garantida
em todos os
casos. A Figura 3.3 mostra o caso de uma funo em que a aplicao do mtodo de Newton produz uma sequncia de estimativas
divergente.
3. Existem vrios teoremas descrevendo as condies que

convergncia do mtodo.
xk
garantem
No entanto, do ponto de vista prtico,
pode-se dizer que o mtodo (geralmente) funciona se

(a) em torno de
Convergncia:
z, f
sucientemente
suave
(contnua e diferenci-
vel);
(b) a estimativa inicial
x1
est sucientemente
prxima
de
z.
Quanto a convergncia do mtodo de Newton, observemos o seguinte:

1. Em geral, o mtodo de Newton mais
o. Quando
convergncia
xk z ,
temos
quadrtica :
rpido
|k | |k1 |2 ,
Comparativamente, os mtodos da bisseo e de Newton so compleque o mtodo da bisse-
isto , temos uma taxa de
a quantidade de DSE
dobra a cada iterao.
mentares, sendo a principal caracterstica do primeiro a

timo a
velocidade.
robustez
e do l-
CAPTULO 3.
30
ZEROS DE FUNES
Usando o Matlab
comando
fzero.
Para determinar zeros de funes podemos usar o
>> format long

>> f = @(x) x^3 - x^2 - 1;
>> z = fzero(f, 1.5)
z = 1.465571231876768
Este recurso utiliza o algoritmo WDB (Wijngaarden-Dekker-Brent) que uma
combinao dos mtodos de bisseo, interpolao linear e interpolao inversa
quadrtica [20, p. 161] e [40, p. 454].
Sobre a interpolao linear veja o
Problema 3.37 e sobre a interpolao inversa veja o Problema 5.29.
3.4 Problemas
Mtodo da Bisseo
Nos problemas 3.1 a 3.4 a seguir so dados a expresso de uma funo f e um
intervalo [a, b]. Para cada uma das funes faa o seguinte: (a) Desenhe o grco
da funo no intervalo dado, vericando que a funo contnua e que f (a) e
f (b) tem sinais contrrios. (b) Use o mtodo da bisseo e, partindo do intervalo
dado, preencha uma tabela contendo os valores de k, ak , xk , bk , f (ak ), f (xk ),
f (bk ) e rel como no Exemplo 3.2. Preencha a tabela para as 4 primeiras iteraes.
3.1.
Figura 3.3:
Newton.
3.2.
Uma sequncia de estimativas divergente para o mtodo de
3.3.
3.4.
3.5.
k
. f (x) = x2 53 em [0, 10].
. f (x) = x2 + 1 x2 em [0, 3].

. f (x) = x + cos(x)
em
. f (x) = ex + x2 10
.
[1, 1].
em
[2, 4].
No mtodo da bisseo, o tamanho do intervalo em uma dada iterao
metade
do tamanho do intervalo na iterao anterior, isto ,
Tk =
Determine o nmero
tamanho
T0 = b a
Tk1
.
2
de passos necessrios para que um intervalo inicial de
seja reduzido a
Tk < 0,5 1012 (b a).
CAPTULO 3.
3.6.
31
ZEROS DE FUNES
Implemente o algoritmo ZeroBisseo na sua linguagem preferida.
Para vericar a correo da implementao, refaa o Exemplo 3.2.
Nos problemas 3.7 a 3.10 a seguir utilize o algoritmo

encontrar o zero da funo. Use tol = 0,5 1012 .
3.7.
Funo do Problema 3.1.
3.8.
3.9.
3.10.
3.11.
ZeroBisseo
para
Mostre que os critrios de parada 1 e 2 (p. 26) do mtodo da bisseo
so equivalentes.
3.12.
parada 3 e 4 (p. 26). Compare o nmero de iteraes utilizadas pelo algoritmo

original e pelo modicado para encontrar os zeros das funes dos problemas 3.1
tol = 0,5 1012 .
Implemente o algoritmo ZeroNewton na sua linguagem preferida.
Nos problemas 3.19 a 3.22 a seguir utilize o algoritmo

encontrar o zero da funo dada. Use tol = 0,5 1012 .
3.19.
3.20.
3.21.
3.22.
3.23.
ZeroNewton
para

Modique o algoritmo ZeroNewton de modo a empregar os critrios de
parada 3 e 4 (p. 26). Compare o nmero de iteraes utilizadas pelo algoritmo
. f (x) = x 2x 5
3.14.
. f (x) = x + ln(x)
3.15.
. f (x) = x cos(x)
. f (x) = x cos(x2 )
3.17.
3.24.
O mtodo de Newton tem diculdade de encontrar zeros com multiplicidade
elevada. A funo
em
em
(0, 1], x1 = 0,5.
em
em
[3, 3], x1 = 2,5.
[, ], x1 = 1,0.
[1, 2], x1 = 1,2.
estimativa inicial
= 1)
fn (x) = (x 1)n
com multiplicidade
n.
Determine o nmero de
Verique que a sequncia recursiva dada pela equao (2.10) pode ser
obtida atravs da equao (3.1) aplicada a determinao do zero da funo
f (x) = x 53
f1 , f2 , . . . , f10 .
Use a
x1 = 2.
O mtodo de Newton pode no ser convergente. Verique que, para as funes

e estimativas iniciais mostradas nos problemas 3.25 e 3.26 a seguir, o mtodo no
funciona.
3.25.
3.26.
1
10
+ xex
com
x1 = 2.
f (x) = x3 x 3
com
x1 = 3.
f (x) =
Sortidos
3.27.
numricos (aproximados) so
analticos (exatos). A determinao
Devido a sua praticidade, os mtodos
frequentemente usados em vez dos mtodos
de zeros de funes polinomiais de grau 3 (cbicas) um bom exemplo.

quise a frmula
pelo mtodo de Newton.
tol = 0,5 1012 .
iteraes necessrias para encontrar o zero de cada funo
Nos problemas 3.13 a 3.16 a seguir so dadas a expresso de uma funo f ,

um intervalo [a, b] e uma aproximao x1 para o zero de f . Para cada uma das
funes faa o seguinte: (a) Desenhe o grco da funo, vericando que a funo
contnua e possui um zero no intervalo dado. (b) Encontre uma expresso para
f 0 (x). (c) Use o mtodo de Newton e, partindo da aproximao x1 , preencha uma
tabela contendo os valores de k, xk , f (xk ), f 0 (xk ) e rel como no Exemplo 3.3.
Preencha a tabela para as 4 primeiras iteraes.
3.16.
mas 3.13 a 3.16. Use
possui um nico zero (z
Mtodo de Newton
3.13.
original e pelo modicado para encontrar os zeros das funes dadas nos proble-
Modique o algoritmo ZeroBisseo de modo a empregar os critrios de
a 3.4. Use
3.18.
exatamente
4
Frmula de Cardano 4
o zero real da funo
Girolamo
Pes-
(em [47, 1], por exemplo) para determinar
g(x) = x3 x2 1
dos Exemplos 3.2 e 3.3.
Cardano (1501 - 1576) mdico, astrnomo e matemtico italiano. Seu
mais famoso trabalho
Ars magna, de 1545, considerado o primeiro livro latino dedicado
apenas a lgebra. Neste tratado, descreve a soluo de equaes polinomiais cbicas e

qurticas [38].
CAPTULO 3.
3.28.
32
ZEROS DE FUNES
3.29.
por um corpo de prova na temperatura
Reconsidere o Exemplo 2.1 e encontre o zero da equao (2.2).
3.30.
Considere a funo dada por
(a) Faa um esboo do grco de
f (x) = e ln x
no intervalo
com
(0, 2]
(em metros).
k = 1,3807 1023 J/K
de onda
e
x > 0.
e verique que a funo
xmin
3.31.
desse mnimo sabendo que
Um estudante comprou um
notebook
[25].
S() para
[0,5; 4,0] 106 m.
(a) Obtenha o grco de

no intervalo
possui um ponto de mnimo nesse intervalo.

(b) Determine a abscissa
S (em watt por metro cbico) emitida

T (em kelvin) em funo do comprimento
8
34
Nessa expresso, c = 2,997910 m/s, h = 6,626110
Js
descreve a quantidade de energia luminosa
Determine os zeros das funes dos Problemas 3.25 e 3.26.
onde
o valor nanciado,
no valor de R$ 2499,00 e vai pagar
max =
onde
F i
o nmero de parcelas e
A gura a seguir mostra uma seo circular de rea
S.
Encontre
3.34.
Q
z,
ocorre em
max
dado por
hc
,
zkT
o zero de
f,
x
+ ex 1.
5
e em seguida determine o valor de
max .
Em Termodinmica, sob determinadas condies, a relao entre a calor
Tf Ti dada

B
C
Q = nR A(Tf Ti ) + (Tf2 Ti2 ) + (Tf3 Ti3 ) .
2
3
fornecido a um gs e sua variao de temperatura
por
R = 8,314 J/mol.K, A = 1,702, B = 9,081 103 K1 , C =

2,164 10 K [46, p. 131]. Em uma cmara, tem-se n = 2 mol de metano a
temperatura Ti = 300 K. Qual ser a temperatura nal Tf se 20 kJ de energia
Para o gs metano,
Sugesto: Use
o zero positivo de
f (x) =
a taxa de juros. Qual a taxa de juros do nanciamento?
3.32.
n ,
1 (1 + i)
o valor da parcela,
T = 3500 K.
(b) Pode-se mostrar [55, p. 390] que o maior valor de
f 0 (xmin ) = 0.
12 parcelas de R$ 249,00. A matemtica nanceira estabelece que
P =
a temperatura
absorvido pelo gs?
3.35.
A tenso eltrica sobre o capacitor de um circuito RLC-paralelo dada por
u(t) = u0 et cos(d t),
t 0,
onde
u0
Da geometria, sabemos que a rea da seo dada por
S=
onde
tal
geomtrica
3.33.
1
a constante de amortecimento,
2RC
1
0 =
a frequncia angular de oscilao (natural),
LC
p
d = 02 2 a frequncia angular de oscilao (amortecida).
r2
( sen()),
2
o ngulo que subtende a seo circular. Determine

S seo seja um tero da rea do crculo. Uma soluo
o raio do crculo e
o ngulo
que a rea
a tenso inicial sobre o capacitor,
do problema pode ser encontrada em [11].
A tenso
Lei da Radiao,
dada em volts e o tempo
um circuito em que
2c2 h
1
S() =
,
5
hc/kT
e
1
= 200
, L
os valores na equao, desenhe o grco de
t3
em segundos [36, p. 177]. Considere
C = 40 F e u0 = 50 V. Substitua
u(t) e determine os instantes t1 , t2 e
= 0,3 H,
onde a tenso atinge o valor 10 V.
CAPTULO 3.
3.36.
os
Na lgebra Linear, os
zeros
33
ZEROS DE FUNES
autovalores de uma matriz A so denidos como
A=
3.37.
1 , 2
xk = xk1
0 3
1
2 .
2
3
de
2[f 0 (x
de
quarto
termo e
[51]. A frmula de iterao dada
2f (xk1 )f 0 (xk1 )
.
2
00
k1 )] f (xk1 )f (xk1 )
Modique o algoritmo ZeroNewton de modo a empregar o mtodo de Halley.

Compare o nmero de iteraes necessrias para encontrar os zeros das funes
dadas nos problemas 3.13 a 3.16 utilizando o algoritmo original e o modicado.
pA (x).
segunda derivada
por
3
0
3
(a) Encontre a expresso algbrica de

(b) Encontre os autovalores
Uma variao para o mtodo de Newton, conhecida como mtodo de
usar a informao da
pA (x) = det(A Ix).

Considere a matriz
3.38.
Halley , consiste em truncar a srie de Taylor a partir do seu
do polinmio caracterstico
A.
Uma variao para o mtodo da bisseo consiste em dividir o intervalo
[a, b] no
(a, f (a))
c sobre o
(b, f (b)) como
ponto
eixo horizontal que intercepta o reta que passa por
mostra a gura a seguir.
interpolao linear
Essa tcnica denominada
e, em geral, apresenta velocidade de convergncia maior que
a o mtodo da bisseo.
(a) Mostre que
c=a
f (a)
(b a).
f (b) f (a)
(b) Modique o algoritmo ZeroBisseo de modo a empregar a tcnica da interpolao linear. Compare o nmero de iteraes necessrias para encontrar
os zeros das funes dadas nos problemas 3.1 a 3.4 com o algoritmo Zero-
Bisseo original.
Edmond Halley (1656 - 1742) astrnomo ingls.
Entre seus feitos est o clculo da
rbita do cometa que leva seu nome. Halley props que os cometas que apareceram em
1531 e 1607 eram, de fato, um mesmo cometa e deveria reaparecer em 1758. O mtodo
para a determinao de razes de equaes polinomiais foi desenvolvido em 1694.
frmula tal como conhecida atualmente devida a Schrder [42].
Captulo 4
Sistemas Lineares
Um
sistema de equaes lineares

n incgnitas
a11 x1 +
a21 x1 +
a12 x2
a22 x2
.
.
.
.
.
.
consistente :
ou, simplesmente,
sistema linear
com

equaes e
+
+
am1 x1 + am2 x2 +
+
+
a1n xn
a2n xn
.
.
.
=
=
a11 a12
a21 a22
A= .
.
.
..
.
am1 am2
a1n
a2n
.
.
.
amn
se
no existe
soluo;
resolver
um sistema linear dado. Os mtodos
de resoluo de sistema linear, podem ser classicados em:
+ amn xn = bm
diretos :
pode ser representado pela equao matricial
nica soluo ou;

uma innidade de solues.
O problema em questo
.
.
.
Ax = b, sendo
x1
b1
x2
b2
, x = .. , b = ..
.
.
xn
bm
soluo, sendo que pode haver
uma
inconsistente :
b1
b2
existe
se
Escalonamento (Gauss), inverso, determinantes (Cramer),
fatorao LU, etc.
iterativos :
Gauss-Jacobi, Gauss-Seidel, gradiente conjugado, etc.
Neste captulo estudaremos alguns mtodos para a resoluo de sistemas lineares
determinados (m = n)
com soluo
nica.
A resoluo de
sistemas sobre-determinados ou sub-determinados ou com innitas solu-
Quanto a quantidade de equaes (m) e incgnitas (n), um sistema
es pode ser encontrado em [22].
linear pode ser classicado em
sub-determinado :
determinado :
Se
Se
4.2 Mtodo de Gauss
m < n;
m = n;
sobre-determinado :
Se
1 (tambm conhecido como
O mtodo de Gauss
eliminao gaussiana )
um mtodo direto de resoluo de sistemas lineares.
m > n.
Quanto a existncia e unicidade de solues, um sistema linear pode
Carl
O procedimento,
Friedrich Gauss (1777 - 1855), matemtico alemo, fez importantes contri-
buies matemtica, fsica e astronomia. Em 1799 provou o Teorema Fundamental
ser classicado em
da lgebra:
34
o nmero de razes (reais, complexas ou mltiplas) de um polinmio
CAPTULO 4.
35
SISTEMAS LINEARES
estudado na disciplina de lgebra Linear, consiste basicamente em duas

etapas:
escalonamento
retro-substituio.
A etapa do escalonamento consiste em, atravs de operaes-linha elementares, obter um sistema linear
Ax = b
a
Cx = d
equivalente ao sistema linear
original, isto uma sistema com a mesma soluo. A matriz
forma escalonada
da matriz completa (triangular-superior).
a1,1
a1,2
a2,1
a2,2
.
.
.
.
.
.
an1,1 an1,2
an,1
an,2
c1,1 c1,2
0 c2,2
..
.
.
.
.
0
0
0
0
Nas operaes acima, usamos uma notao derivada
k da matriz C,
ci: ci: + mcj:
k,
isto , linha
ck:
pode ser escrita como
a1,n1
a2,n1
a1,n
a2,n
b1
b2
.
.
.
.
.
.
.
.
.
an1,n1 an1,n bn1

an,n1
an,n
bn
c1,n1
c2,n1
c1,n
c2,n
d1
d2
.
.
.
.
.
.
.
.
.
cn1,n1 cn1,n dn1

0
cn,n
dn
xi =
di
Redimensionar
Adicionar
uma linha:
cii
3 x1 +
x2
x3
3 x1 + 3 x2
x3
9 x1 + 4 x2
x2 + 3 x3
Soluo:
Escalonamento :
ci: ci: + mcj: .
Theoria motus corporum coelestium in sectionibus
conicis solem ambientium, estudou as observaes astronmicas da rbita do asteroide
Pallas obtidas entre 1803 e 1809 e obteve um sistema de seis equaes lineares e seis
= 5
= 5
.
= 17
= 12
lineares que consiste exatamente no que conhecemos hoje como o mtodo da eliminao
gaussiana. Alm disso, apresenta uma prova formal do mtodo dos quadrados mnimos
1 2
1 4
0 8
3 7
5
5
.
17
12
O primeiro elemento no-nulo da primeira linha (c11
piv.
= 3) denominado
mij a seguir so
Os elementos abaixo dele sero zerados. Os valores
multiplicadores e so usados nas operaes-linha elementares.

c21
3
= = 1,
c11
3
c31
9
=
= = 3,
c11
3
c41
0
=
= = 0,
c11
3
m21 =
c2: = c2: + m21 c1: ,
d2 = d2 + m21 d1 ,
m31
c3: = c3: + m31 c1: ,
d3 = d3 + m31 d1 ,
c4: = c4: + m41 c1: ,
d4 = d4 + m41 d1 .
incgnitas. Nesse texto, Gauss descreve uma forma sistemtica de resoluo de sistemas
(ver Captulo 6) [28] [45, p. 44].
2 x4
4 x4
8 x4
7 x4
O sistema linear representado pela matriz
3 1
3 3
[C|d] = [A|b] =
9 4
0 1
ditos
igual ao seu grau. Em 1809, no seu
+
+
+
+
completa
m 6= 0.
a uma linha, um mltiplo de outra:
i = n, n 1, . . . , 2, 1.
Exemplo 4.1. Usar o mtodo do escalonamento para resolver o sistema linear
ci: cj: .
ci: mci: ,
x so obtidos (em ordem
cij xj
j>i
duas linhas entre si:
No Matlab, a operao
C(i,:) = C(i,:) + m * C(j,:).
Na etapa da retro-substituio os elementos de
As operaes-linha elementares utilizadas so:
Permutar
refere-se a todos os elementos da linha
todas as colunas.
inversa) por
[A|b] [C|d]
Usando o Matlab
da sintaxe do Matlab. O smbolo
m41
CAPTULO 4.
36
SISTEMAS LINEARES
Algoritmo 9 SLGaussProv
entrada : A, b
sada : x
Inicializao
Assim, obtemos
3
0
0
0
1
2
1
1
1 2
0 2
3 2
3 7
5
0
.
2
12
1:
Prosseguindo com o piv
c32
1
=
c22
2
c42
1
=
=
c22
2
c22 = 2:
2:
m32 =
c3: = c3: + m32 c2: ,
d3 = d3 + m32 d2 ,
m42
c4: = c4: + m42 c2: ,
d4 = d4 + m42 d2 ,
3
0
0
0
Finalmente, com o piv
1
2
0
0
1 2
0 2
3 1
3 6
5:
c33 = 3,
c43
3
=
= = 1
c33
3
7:
5
0
.
2
12
8:
9:
10:
obtemos
11:
c4: = c4: + m43 c3: ,
d4 = d4 + m43 d3 ,
obtemos a forma escalonada
3
0
0
0
Retro-substituio.
12:
de linhas de
Escalonamento
para j 1 : n 1
para i j + 1 : n
m Ci,j /Cj,j
Ci,: Ci,: + mCj,:
m
m
Retro-substituio
x Zeros(n, 1)
para i n : 1 : 1
m
xi (Ci,n+1 Ci,1:n x) /Ci,i
Logo, a soluo do sistema
1
2
0
0
1 2
0 2
3 1
0 5
Os elementos de
5
0
.
2
10
forma vetorial,
x1 = 1, x2 = 2, x3 = 0
x4 = 2
ou, de
1
2
x=
0 .
2
so obtidos:
10
d4
=
=2
c44
5
d3 (c34 x4 )
2 (1 2)
x3 =
=
=0
c33
3
d2 (c23 x3 + c24 x4 )
0 (0 0 + 2 2)
x2 =
=
= 2
c22
2
d1 (c12 x2 + c13 x3 + c14 x4 )
5 (1 (2) 1 0 + 2 2)
x1 =
=
=1
c11
3
x4 =
4:
6:
obtemos
m43
3:
n nmero
C [A|b]
O algoritmo
SLGaussProv (provisrio )
sistematiza o mtodo do es-
calonamento de Gauss.
4.2.1 Pivotamento Parcial

O algoritmo
SLGaussProv tem um problema:
ele no toma cuidado com
possveis divises por zero, que ocorrem quando o elemento-piv no est

na diagonal.
Uma estratgia para evitar divises por zero, consiste em permutar as
linhas da matriz de modo que o elemento-piv seja (em valor absoluto)
CAPTULO 4.
37
SISTEMAS LINEARES
Algoritmo 10 SLGauss
entrada : A, b
sada : x
Inicializao
1:
2:
3:
4:
5:
6:
n nmero
C [A|b]
9:
10:
11:
12:
13:
de linhas de
m
m Ci,j /Cj,j
Ci,: Ci,: + mCj,:
Aps escrever a matriz
Ax = b
A e o vetor-coluna b, possvel
com o comando \.
O comando \ chama uma srie de subrotinas do Matlab para a resoluo
de sistemas lineares. Cada subrotina possui alguma especicidade com relao
m
Retro-substituio
x Zeros(n, 1)
para i n : 1 : 1
m
>> A = [3 1 -1 2; 3 3 -1 4; 9 4 0 8; 0 1 3 7];
>> b = [5; 5; 17; 12];
>> x = A\b
x =
1.0000
-2.0000
-0.0000
2.0000
Escalonamento
para j 1 : n 1
C PivotamentoParcial(C, n, j )
para i j + 1 : n
7:
8:
Usando o Matlab
resolver o sistema linear
ao tipo de sistema linear: determinado, sub-determinado, sobre-determinado,

real, complexo, etc. No entanto, o mtodo de resoluo usado basicamente
o mesmo: mtodo de Gauss com pivotamento parcial.
Deve-se ter o cuidado de vericar que esse procedimento sempre produz
xi (Ci,n+1 Ci,1:n x) /Ci,i
uma resposta:
1. a soluo, se o sistema linear for possvel e determinado;
2. uma soluo, se o sistema linear for possvel e indeterminado;
maior ou igual aos os elementos abaixo de si em sua coluna, isto ,
|cjj | |cij | ,
Esse procedimento, denominado
3. uma pseudo-soluo (a soluo de quadrados mnimos, ver Captulo 6),

se o sistema linear for impossvel.
i > j.
pivotamento parcial,
Uma maneira de vericar que tipo de soluo est sendo obtida vericar a
alm de evi-
tar a diviso por zero, garante ainda que os multiplicadores sero pequenos
(|mij |
ritmo
1),
o que tende a minimizar os erros de arredondamento. O algo-
PivotamentoParcial
(p. 13) j implementado, realiza as permu-
taes necessrias. A tcnica do pivotamento total (que busca o elemento

de maior valor absoluto nas linhas abaixo e nas colunas direita da posio
de piv) gera maior preciso, porm tem custo mais elevado [8, p. 352] e
pouco utilizada.
O algoritmo
SLGauss (denitivo ) utiliza o pivotamento parcial.
Note
que, o sistema linear que no tiver soluo nica ou no tiver soluo, ser
detectado pela algoritmo de pivotamento.
forma escalonada reduzida da matriz completa do sistema linear com o comando
>> rref(A)
ans =
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
Se a matriz resultante for a identidade

(nica) do sistema linear.
In ,
ento a soluo obtida a soluo
CAPTULO 4.
38
SISTEMAS LINEARES
4.3 Mtodos iterativos

Nos mtodos
iterativos
Exemplo 4.2. Considere os vetores
para resoluo de sistemas lineares, inicialmente
C e um vetor d so obtidos de A e b. Em seguida, a partir de

(1) , uma sequncia de novas estimativas
uma estimativa inicial de soluo x
(2)
(3)
(4)
x , x , x , . . . calculada atravs da frmula de iterao
x(1)
uma matriz
x(k) = Cx(k1) + d.
Se
, a
x
C e d levam a mtodos
forem escolhidos adequadamente, a sequncia converge para
soluo do sistema linear. As diferentes escolhas de

diferentes.
Nos mtodos iterativos, necessrio denir alguns
critrios de parada.
1.
2.
3.
Soluo:
rel

(1)
x x(2)

=
x(2)
p
(1,0002 0,9994)2 + (2,0086 2,0015)2 + (2,9978 + 3,0007)2
p
=
0,99942 + 2,00152 + (3,0007)2
p
5,9460 105
=
14,0090
= 0,0021
Como
rel = 0,0021 < 0,5 102
estimativa para o erro relativo rel entre

a partir de duas aproximaes sucessivas. O critrio 2 determina o
x
(k) e b). Note que em ambos os casos,
valor do resduo relativo entre Ax
rel 0, uma vez que a norma-2 de um vetor no-negativa. O critrio 3
x(1) x(2) [1,0
estabelece um nmero mximo de iteraes. Note como esses critrios de
parada so semelhantes aos usados nos mtodos da bisseo e de Newton

(p. 26). Nos algoritmos e exemplos deste captulo, usaremos o critrio de
parada 1 e 3.
kk
representa a norma (ou norma euclideana) de um vetor
que denida por
q
kvk = v12 + v22 + + vn2 .
deduzimos que os valores numricos
dos vetores possuem 2 DSE, isto ,
k > kmax .
O smbolo
x(2)
0,9994
= 2,0015 .
3,0007
O erro relativo para vetores dado por
O critrio 1 estabelece uma
x(k)
Determine rel usando o critrio 1 e a quantidade de DSE dos vetores.
Os mais usados so os seguintes:

(k1)
x
x(k)

rel
< tol.
x(k)

(k)
Ax b
rel =
< tol.
kbk
1,0002
= 2,0086 ,
2,9978
(4.1)
O algoritmo
ErroRelVet
aproximao vetorial.
(p. 20)
2,0
3,0]T .
sistematiza o clculo do erro relativo na
Note a semelhana com o algoritmo
ErroRel
CAPTULO 4.
39
SISTEMAS LINEARES
Algoritmo 11 ErroRelVet
entrada : u, v
sada : rel
1:
se kvk = 0 ento
2:
3:
0
a
21
a22
C=
.
.
a.
n1
ann
rel kuk
seno
4:
5:
que pode ser expresso na forma
m
rel
ku vk
kvk
4.4 Mtodo de Gauss-Jacobi

2
No mtodo de Gauss-Jacobi , a determinao de
feita da seguinte
a11 x1
a21 x1
Isolando
x1
+ a12 x2
+ a22 x2
.
.
.
.
.
.
Ax = b
+
+
an1 x1 + an2 x2 +
da primeira equao,
x2
= b1
= b2
.
.
.
.
.
.
Soluo:
+ ann xn = bn
da segunda equao, ...,
xn
Carl
da
n-sima
a12
x2
a11
a21
=
x1
a22
=
a1n
xn
a11
a2n
xn
a22
.
.
.
b1
a11
b2
+
a22 ,
.
.
.
an,n1
bn
xn1 +
ann
ann
Gustav Jacob Jacobi (1804 - 1851), matemtico alemo. Fez contribuies
ber eine neue ausungsart der bei der methode der kleinsten quadrate vorkommenden linearen gleichungen introduz o mtodo iterativo para resoluo
1845, no artigo
de sistemas lineares. No mesmo artigo faz uso de rotaes planares para aumentar a
dominncia diagonal da matriz. Uma abordagem pioneira do que se chama atualmente
pr-condicionamento
[38, 5].
(4.2)
Inicialmente vericamos que para obter 3 DSE devemos usar
Em seguida, a partir de
20
0 9
A = 1 5 1 ,
2
2 5
fundamentais na teoria das funes elpticas e das equaes diferenciais parciais. Em
de
d=
.
..
bn
ann
.
.
.
.
.
.
n1
xn =
x1
ann
2
an2
ann
.
.
.
b1
a11
b2
a22
tol = 0,5 103 .
equao obtemos
x1
x2
+ 9 x3 = 78
20 x1
x1 5 x2 +
x3 = 5 ,
2 x1 + 2 x2 + 5 x3 =
8
na forma
+ a1n xn
+ a2n xn
.
.
.
a1n
a11
a2n
a22
sendo
Exemplo 4.3. Resolva o sistema linear mostrado a seguir usando o

mtodo de Gauss-Jacobi. Use a estimativa inicial de soluo o vetor
x(1) = 1 = [1 1 1]T e o critrio de parada 1 para obter 3 DSE.
maneira.
Consideremos o sistema linear
a12
a11
0
x = Cx + d,
78
b = 5 ,
8
e de (4.2) temos
0,00
C = 0,20
0,40
0,00 0,45
0,00 0,20 ,
0,40 0,00
3,90
d = 1,00 .
1,60
A Tabela a seguir mostra a sequncia das primeiras aproximaes
CAPTULO 4.
40
SISTEMAS LINEARES
(k)
(k)
(k)
x1
x2
x3
1,0000
1,0000
1,0000
-3,4500
1,0000
0,8000
1,2105
-3,5400
1,8500
2,5800
0,4153
-2,7390
2,2240
2,2760
0,2226
-2,8758
2,0030
1,8060
0,1362
-3,0873
1,9364
1,9491
0,0639
-3,0229
2,0073
2,0604
0,0352
-2,9728
2,0167
2,0062
0,0181
-2,9972
1,9958
1,9825
0,0097
10
-3,0079
1,9959
2,0005
0,0051
11
-2,9998
2,0017
2,0048
0,0026
1:
12
-2,9978
2,0009
1,9992
0,0014
2:
13
-3,0003
1,9994
1,9988
0,0007
3:
14
-3,0006
1,9998
2,0004
0,0004
4:
rel
Algoritmo 12 SLGaussJacobi
entrada : A, b, tol, kmax
sada : x, rel , k
Matriz e vetor de iterao
5:
A soluo do sistema, com 3 DSE,
O algoritmo
SLGaussJacobi
x1 = 3,00, x2 = 2,00 e x3 = 2,00.
sistematiza o mtodo de Gauss-Jacobi.
Vimos que o mtodo funcionou para o problema do Exemplo. A pergunta natural :
funciona sempre ?
A resposta
no.
Vejamos por qu na
seo seguinte.
8:
x(1)
11:
14:
tal que
+ ,
x(1) = x
o erro de aproximao.
Dessa forma, a prxima estimativa
15:
16:
17:
18:
19:
20:
(2)
(1)
= Cx
+d
= C(
x + ) + d
= C
x + C + d
+ d) + C
= (C x
+ C.
=x
m
9:
10:
13:
a soluo do sistema linear, a estimativa inicial
onde o vetor
7:
12:
4.4.1 Convergncia
Sendo
6:
n nmero de linhas de A
C Zeros(n, n)
d Zeros(n, 1)
para i 1 : n
para j 1 : n
se i 6= j ento
Ci,j Ai,j /Ai,i
m
di bi /Ai,i
m
Processo iterativo
k 1
x Uns(n, 1)
rel +
enquanto k < kmax e rel > tol
k k + 1
u x
x Cx + d
rel ErroRelVet(u, x)
m
CAPTULO 4.
41
SISTEMAS LINEARES
Se convergir, a sequncia de estimativas obtidas pelo mtodo de Gauss-
E assim
linear, isto , kk+1 k c kk k. A velocidade de convergncia ser maior quanto menor for o raio espectral da
matriz de iterao C ou, de forma semelhante, maior for a dominncia di-
Jacobi tem convergncia de ordem
+ C2
x(3) = x
+ C3
x(4) = x
agonal da matriz
.
.
.
(k)
do sistema linear. O mtodo a seguir permite acelerar
a convergncia do mtodo de Gauss-Jacobi.
k1
+C
=x
.
4.5 Mtodo de Gauss-Seidel

Para que a sequncia
x(1) , x(2) , . . .
tenha convergncia para
neces-
srio que
(4.3)
k+
Pode-se mostrar [8, p. 415] que a condio (4.3) verdadeira se a matriz

tem
raio espectral menor que a unidade, isto ,

= max {|1 | , |2 | , . . .} < 1,
onde
1 , 2 . . .
so os autovalores de
dominante, isto ,
|aii | >
X
j6=i
|aij | ,
C;
ou a matriz
diagonal-
1 i n.
calcular a componente
(autovalor complexo)
(autovalor complexo)
(autovalor real)
(raio espectral)
Na segunda iterao (k
j >i
da
da iterao
= 2), a primeira componente de x (i = 1)
(2)
x1 = C1,: x + d1 ,
0,00
= 3,4500.
do
Exemplo 4.3, podem ser obtidos com os seguintes comandos
>> lambda = eig(C)

lambda =
-0.0650 + 0.5222i
-0.0650 - 0.5222i
0.1300
>> ro = max(abs(lambda))
ro = 0.5262
j < i, j calculadas
calculada por
= [0,00
(k1)
xj
Exemplo 4.4. Resolva o sistema linear do Exemplo 4.3 usando o

mtodo de Gauss-Seidel com os mesmos parmetros de tolerncia e
estimativa inicial de soluo.
cessrio, porm mais facilmente vericado.
Os autovalores e o raio espectral da matriz
, a partir das componentes
corrente.
trabalhoso de ser vericado. O segundo critrio suciente mas no ne-
(k)
xi
(k)
iterao anterior e das componentes xj ,
Soluo:
O primeiro critrio necessrio e suciente, porm computacionalmente
Usando o Matlab
3 uma modicao do mtodo de Gauss-Jacobi
para fazer com que o processo iterativo seja mais rpido. A ideia bsica
lim Ck = 0.
O mtodo de Gauss-Seidel
A segunda (i
Philipp
= 2)
0,45] [1,0000
componente de
1,0000
1,0000]T 3,90,
calculada a partir de
(vetor
Ludwig von Seidel (1821 - 1896), matemtico alemo. Trabalhou com
ptica (desenvolveu a teoria da aberrao ptica em telescpios astronmicos) e anlise matemtica (desenvolveu o importante conceito de convergncia no-uniforme). A
denominao
mtodo de Gauss-Seidel
, segundo alguns autores, um abuso pois Gauss
aparentemente no o conhecia e Seidel no o recomendava! [38, 5].
CAPTULO 4.
42
SISTEMAS LINEARES
com a primeira componente
atualizada ).
(2)
x2 = C2,: x + d2 ,
= [0,20
0,00
= 1,8900.
A terceira (i
= 3)
0,20] [3,4500
componente de
com a primeira e segunda componentes
1,0000]T + 1,00,
1,0000
calculada a partir de
atualizadas ).
Algoritmo 13 SLGaussSeidel
entrada : A, b, tol, kmax
sada : x, rel , k
Matriz e vetor de iterao
(vetor
(2)
x3 = C3,: x + d3 ,
= [0,40
= 2,2240.
0,00] [3,4500
0,40
1,8900
1:
1,0000]T + 1,60,
2:
3:
4:
Prosseguindo com esse esquema, os demais valores so calculados, como
5:
mostrado na tabela a seguir.
6:
(k)
(k)
x1
x2
(k)
x3
7:
rel
8:
9:
1,0000
1,0000
1,0000
-3,4500
1,8900
2,2240
1,0401
10:
-2,8992
2,0246
1,9498
0,1560
11:
-3,0226
1,9945
2,0112
0,0341
-2,9949
2,0012
1,9975
0,0077
-3,0011
1,9997
2,0006
0,0017
-2,9997
2,0001
1,9999
0,0004
A soluo do sistema, com 3 DSE,
12:
13:
14:
15:
x1 = 3,00, x2 = 2,00 e x3 = 2,00.
16:
17:
Pode-se mostrar [40, p. 1062] que o mtodo de Gauss-Seidel executa,

em mdia,
a metade
18:
do nmero de passos do mtodo de Gauss-Jacobi
19:
para uma dada tolerncia. Nos Exemplos 4.3 e 4.4 observamos que, com
20:
o mtodo de Jacobi, uma soluo (com a tolerncia
tol = 0,5 103 )
21:
obtida na iterao 14, enquanto que no mtodo de Seidel, ela obtida j
22:
tol = 0,5 1015 , com o mtodo de

obtida na iterao k = 57 e com o mtodo de Seidel
na iterao k = 26.
na iterao 7. Para uma tolerncia

Jacobi uma soluo
uma soluo obtida
O algoritmo
SLGaussSeidel
sistematiza o mtodo de Gauss-Seidel.
n nmero de linhas de A
C Zeros(n, n)
d Zeros(n, 1)
para i 1 : n
para j 1 : n
se i 6= j ento
Ci,j Ai,j /Ai,i
m
m
di bi /Ai,i
m
Processo iterativo
k 1
x Uns(n, 1)
rel +
enquanto k < kmax e rel > tol
k k + 1
u x
para i 1 : n
xi Ci,: x + di
m
m
rel ErroRelVet(u, x)
CAPTULO 4.
43
SISTEMAS LINEARES
Usando o Matlab
Ao implementar os algoritmos, tome cuidado para
4.3.
4.4.
4.5.
Implemente o algoritmo SLGaussProv na sua linguagem preferida. Para
0,2
A = 0,0
0,8
assegurar que os vetores sejam sempre vetores-coluna. Caso contrrio, as operaes de produto matriz-vetor resultaro em erros:
>> A = [2 1; -1 3]
A =
2
1
-1
3
>> x = [1 2], y = A*x
x =
1
2
Error using *
Inner matrix dimensions must agree.
0,3
0,5
2,2
0,1
0,3 ,
0,6
2
2 0
1 1 0
,
5
2 1
6
7 8
1
0
A=
1
2
0,6
b = 0,0 .
4,4
3
2
b=
2 .
12
vericar a correo da implementao, refaa o Exemplo 4.1.
4.6.
Alguns sistemas lineares
no
podem ser resolvidos sem pivotamento (troca
de linhas). Verique que o algoritmo SLGaussProv no resolve o sistema linear
>> x = [1; 2], y = A*x

x =
1
2
y =
4
5
Ax = b
com
4.7.
Implemente o algoritmo SLGauss na sua linguagem preferida.
2 3
A= 2 3
1 4
5
4 ,
1
1
b = 8 .
8
Para
4.8.
Uma boa maneira de testar a correo dos algoritmos gerar e resolver
sistemas lineares aleatrios.
4.6 Problemas
(a) Crie uma matriz
(b) Resolva o sistema
Mtodo de Gauss

A=
4.2.
e um vetor
Ax = b
b101
aleatrios.
com o algoritmo SLGauss.
(c) Conra o resultado calculando o resduo relativo entre os vetores
Nos problemas 4.1 a 4.4 a seguir so dados a matriz A e o vetor b de um sistema

linear Ax = b. Resolva os sistemas lineares usando o mtodo do escalonamento.
No necessrio usar pivotamento.
4.1.
A1010
4
2
2
1

,
b=
8
0
4.9.
b.
Mesmo sistemas lineares pequenos podem ser mal-condicionados. Considere
o sistema linear
Ax = b
dado por
43 86 16
72 ,
A = 23 46
32
30
58

.
Ax
cuja soluo
x = [1 1
1]T .
59
b = 49 ,
56
Resolva-o mediante os algoritmos SLGaussProv
e SLGauss e verique que os resultados so bem distintos.
3
A= 0
6
1
2
2
4 ,
1 2
4
b = 0 .
4
4.10.
Modique o algoritmo SLGauss para incluir um
aritmticas (+,
contador
de operaes
-, *, /). Gere sistemas lineares aleatrios de tamanho n de 2 a 50

e determine o nmero N (n) de operaes efetuadas para resolver cada sistema.
N (n)
3
Verique que N (n) n , calculando
n3 e vericando que essa razo tende para
uma constante a medida que n aumenta.
CAPTULO 4.
44
SISTEMAS LINEARES
Erro Relativo
Nos problemas 4.11 e 4.12 a seguir so dados duas estimativas sucessivas x(1) e
x(2) para a soluo de um sistema linear. Determine a diferena relativa rel das
estimativas.
4.11.
.
x(1) =
4.12.
1,75
2,01
x(2) =
x(1)
4.13.
1,9974
= 0,1996 ,
3,2897
1,77
1,99
onde
1,9997
= 0,2003 .
3,2975
Implemente o algoritmo ErroRelVet na sua linguagem preferida.
Ax = b dado por

1 + t 1
t
A=
, b=
,
1 1
0
Considere o sistema linear
0<t1
uma constante.
(a) Encontre (algebricamente) a soluo
do sistema.
Ax = b com seu algoritmo SLGaussProv para t =

1, 10 , 10 , . . . , 1015 e determine o erro relativo entre a soluo exata e a
soluo numrica. O que ocorre com o erro relativo medida que t diminui?
(b) Resolva o sistema
Mtodo de Gauss-Jacobi
4.19.
Implemente o algoritmo SLGaussJacobi na sua linguagem preferida.
4
1
A=
0
0
2
0
4
2
1
4
0 1
0
,b =
2
4
0
9
.
0
4
Mtodo de Gauss-Seidel
Nos Problemas 4.20 a 4.23 a seguir, utilize o mtodo de Gauss-Seidel e determine:
(a) a matriz C e o vetor d de iterao; (b) as primeiras 4 estimativas de soluo:
x(k) , k = 1, . . . , 4. (c) Estime o erro relativo da ltima iterao.
4.20.
Sistema linear do Problema 4.15
4.21.
4.22.
4.23.
4.24.
Implemente o algoritmo SLGaussSeidel na sua linguagem preferida.
4.25.
Compare o nmero de iteraes utilizadas pelos algoritmos SLGauss-
Jacobi e SLGaussSeidel para resolver ao problemas 4.15 a 4.18 acima com
tol = 0,5 1012 .
4.26.
Modique o algoritmo SLGaussSeidel de modo a empregar o critrio de
parada 2 em vez do critrio 1 (p. 38). Compare nmero de iteraes utilizadas

A=
4.16.
20 5 1
32
A = 2 10 2 , b = 20 .
1 4 10
14
Nos problemas 4.15 a 4.18 a seguir so dados a matriz A e o vetor b de um

sistema linear Ax = b. Considere o mtodo de Gauss-Jacobi e (a) determine a
matriz C e o vetor d de iterao; (b) determine as primeiras 4 estimativas de
soluo: x(k) , k = 1, . . . , 4; (c) Estime o erro relativo da ltima iterao.
4.15.
4.18.
4.14.
x(2)
4.17.
2
1
5
A= 2
1
entre esse algoritmo e o original refazendo os problemas 4.15 a 4.18 acima com
1
2
2
5
2
1
5
2 ,b = 1 .
5
9
b=
2
6

.
tol = 0,5 1012 .
CAPTULO 4.
45
SISTEMAS LINEARES
4.30.
Sortidos
4.27.
no
h1 = 2 m e
(2 k 9)
Verique que o sistema linear
2 x1
3 x1
2 x2
6 x2
diagonal dominante.
diagonal dominante
+
+
5 x3
3 x3
2 x3
+
+
+
2 x4
3 x4
2 x4
= 1
= 2
= 3
= 4
No entanto, o sistema pode ser
preservando
reescrito
na forma
a soluo.
Se um sistema linear satisfaz as condies de convergncia, ento o pro-
qualquer
e determine a altura de cada poste.
4.31.
Um modo de encontrar a matriz inversa
ordem
n)
B de uma dada matriz A (de

AB = In ento A [b1 b2 bn ] = [i1 i2 in ], que
equivalente a [Ab1 Ab2 Abn ] = [i1 i2 in ]. Isso equivalente a resoluo
de n sistemas lineares da forma Ab1 = i1 , Ab2 = i2 , . . ., Abn = in , onde bk a
k -sima coluna de B e ik a k -sima coluna de I. Use esse fato para determinar
a 2
a coluna da matriz inversa de
Para vericar esse fato, altere o algoritmo SLGaussJacobi para que ele inicie o
A=
estimativa inicial
processo iterativo a partir de

(a)
(b)
(c)
x(1) = [0 0 0]T .
x(1) = [1 2 n]T .
4.32.
x(1) = [100 100 100]T .
1,3
2,0
6,0
6,2
3,7
5,7
4.29.
tol = 0,5 1012 .
suciente, mas no necessria
para os mtodos iterativos
que vimos.
Determine os valores de
pela
(a) Verique que no sistema abaixo os mtodos GJ e GS geram estimativas con-
10 x1
11 x1
x2
10 x2
=
=
mdia aritmtica
1,5
6,7
6,9
7,2
4,7
5,5
100
100
100
500
T2
T5
T8
T3
T6
T9
500
100
T1
T4
T7
100
100
100
100
500
Tk , (k = 1, . . . , 9),
500
500
sabendo que cada valor
Tk
obtido
dos seus quatro vizinhos: de cima, de baixo, da esquerda
T6 =
T3 + T9 + T5 + 500
.
4
(Esse modelo usado para determinar a distribuio de temperaturas em uma
cilantes (no convergentes).
placa homognea, para mais detalhes ver [2, p. 254] ou [29, p. 11]).
4.33.
x3
x2
+ 2 x2
7,1
6,9
0,8
4,5
4,4
3,5
e da direita. Por exemplo,
17
8
(b) Verique que no sistema abaixo os mtodos GJ e GS geram estimativas os-
x1
x1
x1
0,1
1,9
5,8
0,5
3,6
6,3
100
vergentes.
6,8
0,9
0,3
6,1
6,0
0,1
100
100
A condio de que a matriz dos coecientes se um sistema linear deve ser
diagonal dominante
4,5
0,4
0,2
3,1
0,1
3,8
Considere o quadro:
Aplique o algoritmo para resolver o sistema linear do Exemplo 4.3 e compare o

nmero de passos necessrios para se obter a soluo com
tol = 0,5
observar que se
converge para
hk
2hk1 + hk+1
.
3
1012
x(1) .
x(k) = Cx(k1) + d
postes
A altura de cada poste intermedirio
Encontre o sistema linear que modela este problema, resolva-o com
(b) Qual a soluo do sistema linear?
cesso iterativo
h10 = 8 m.
a do ltimo
10
A altura do primeiro poste
a mdia aritmtica ponderada das alturas de seus vizinhos
hk =
(a) Como isso pode ser feito?
4.28.
Um artista plstico deseja fazer uma escultura composta de
verticais colocados lado a lado em um gramado.
3 x3
= 6
= 3
= 9
Em qumica, as quantidades molares dos componentes de uma reao po-
dem ser determinados via resoluo de sistemas lineares. Considere a reao
x1 K2 Cr2 O7 + x2 N a2 C2 O4 + x3 H2 SO4
x4 K2 SO4 + x5 Cr2 (SO4 )3 + x6 N a2 SO4 + x7 H2 O + x8 CO2 .
CAPTULO 4.
46
SISTEMAS LINEARES
Como a quantidade de oxignio nos reagentes deve ser igual quantidade de
onde
oxignio nos produtos, temos
(entre 0 e 2) garante que o mtodo converge mais rapidamente. Observe que
se
= 1,
7x1 + 4x2 + 4x3 = 4x4 + 12x5 + 4x6 + x7 + 2x8 .

Assim temos
uma
equao linear para
x1 , x2 , . . . , x8 .
Como a reao envolve 7
elementos (K, Cr, O, N a, C, H, S ) podemos obter um sistema linear com 7 equaes e 8 incgnitas. Para a
resoluo do sistema linear devemos prescrever o valor
de uma das incgnitas, por exemplo, fazendo
x8 = 1.
(b) Resolva o sistema e encontre as quantidades molares dos componentes da

reao.
No clculo do erro relativo
rel
para vetores, alm da norma-2 denida
em (4.1), outras normas podem ser utilizadas como, por exemplo, a norma-,
denida por
kvk = max {|v1 | , |v2 | , . . . , |vn |} .

Altere o algoritmo ErroRelVet para considerar essa norma. Em seguida refaa o Exemplo 4.3 comparando as diferenas relativas e o nmero de iteraes
utilizadas. Os mtodos so equivalentes?
4.35.
mtodo das diferenas nitas

transforma a equao diferencial ordinria
y 00 + x2 y 0 4xy = 0,
y(0) = 0, y(1) = 5
x [0, 1]
em um sistema de equaes lineares da forma

2 k 2 h3 yk1 4 1 + 2kh3 yk + 2 + k 2 h3 yk+1 = 0
com
k = 1, 2, . . . , (n 1), h = 1/n, y0 = 0
(a) Faa
n = 5,
yn = 5.
e monte o sistema linear associado;
(b) Resolva numericamente o sistema linear;

(c) Compare a soluo numrica com a soluo analtica exata
4.36.
O mtodo denominado
successive overrelaxation
o do mtodo de Gauss-Seidel [6] [8, p. 426].

componente
rior
ui
xi
temos o mtodo Gauss-Seidel usual.
(a) Modique o algoritmo SLGaussSeidel para utilizar o mtodo SOR;

(b) Resolva o sistema linear dado no Exemplo 4.4 usando
usando
entre 0,5 e 1,5;
y(x) = x4 + 4x.
(SOR) uma generaliza-
Nessa generalizao, cada nova
calculada a partir da mdia ponderada entre a estimativa ante-
e a estimativa calculada pelo mtodo de Gauss-Seidel. A implementao
pode ser feita reescrevendo a linha 19 do algoritmo SLGaussSeidel:
xi (Ci,: x + di ) + (1 )ui ,
tol = 0,5 1015
min para o qual a soluo obtida com menor nmero

Observao: O ponto fraco do mtodo que, com exceo de
casos especiais, o valor timo min no pode ser conhecido antecipadamente.
(c) Determine o valor de
(a) Obtenha as demais equaes do sistema linear correspondente a reao.
4.34.
o parmetro de relaxao. Sob certas condies, a escolha do valor de
de iteraes.
Captulo 5
Interpolao
Seja
f :RR
uma funo conhecida apenas por um conjunto nito de
valores, isto ,
y1 = f (x1 ),
onde
y2 = f (x2 ),
x1 < x 2 < . . . < x n .
...,
yn = f (xn ),
interpolao consiste em
funo de interpolao g
O problema da
terminar a expresso algbrica de uma
detal
que
g(x1 ) = f (x1 ),
g(x2 ) = f (x2 ),
...,
g(xn ) = f (xn ).
Em geral, a funo de interpolao usada para estimar o valor de
f (u) g(u)
v =
u
/ {x1 , x2 , . . . , xn } e x1 < u < xn . A Figura 5.1
(x1 , y1 ), (x2 , y2 ), . . . , (xn ,yn ) ditos nodos de interpolao,
quando
mostra os pontos
uma curva (polinomial) de interpolao e um ponto interpolado.

Basicamente, as funes de interpolao podem ser divididas em dois
grupos:
Funes denidas por

todo o intervalo
uma nica
[x1 , xn ].
expresso algbrica denida para
Por exemplo, funes polinomiais ou racio-
nais.
Funes denidas por

cada subintervalo
Figura 5.1:
mais de uma expresso algbrica denidas para
[x1 , x2 ], [x2 , x3 ], . . ., [xn1 , xn ].
de funes denidas por partes. Por exemplo,

polinomiais de grau 1) ou
spline
Tambm chamadas
spline
linear (funes
cbico (funes polinomiais de grau
3).
47
A curva de interpolao passa sobre os nodos de interpolao.
CAPTULO 5.
48
INTERPOLAO
s vezes, h o interesse na interpolao, mesmo quando a funo

conhecida em todo o intervalo
[x1 , xn ].
o caso da integrao numrica
A matriz
descrita acima denominada
terpolador (5.2).
que veremos no Captulo 7.

Neste captulo veremos mtodos de interpolao por funo polinomial
(Vandermonde e Lagrange) e por
spline
cbico.
Exemplo 5.1. Considere a funo f conhecida nos nodos (x, y) dados

na tabela a seguir.
5.2 Mtodo de Vandermonde

O mtodo de Vandermonde
1 consiste em determinar um
polinmio in-
terpolador p que passe por todos os n nodos de interpolao, isto ,

p(x1 ) = y1 ,
p(x2 ) = y2 ,
...,
p(xn ) = yn .
(5.1)
Pode-se mostrar [10, p. 196] que existe um polinmio que satisfaz as condies dadas em (5.1) com grau
dem de interpolao.
c0 , c1 , . . . , cn1
m n 1.
O valor
n1
dito
p(x1 ) = cn1 xn1

+
p(x2 ) = cn1 xn1 +

2
.
.
.
.
.
.
incgnitas
+ c1 x1
+ c1 x2
X=
(5.2)
0,0
1,0
4,0
6,0
1,0
2,3
2,2
3,7
2. Use o polinmio para estimar o valor de v = f (5).
.
.
.
.
.
.
.
.
.
.
.
.
+ c2 x2n + c1 xn + c0 = yn
(5.3)
cn1 , . . . , c2 , c1 , c0 .
xn1
1
xn1
2
.
.
.
xn1
n
x21
x22
.
.
.
.
.
.
x2n
xn
x1
x2
Soluo:
Como
n = 4,
o polinmio interpolador da forma
p(x) = c3 x3 + c2 x2 + c1 x + c0
+ c0 = y1
+ c0 = y2
Xc = y correspondente

0
0 0 1
c3
1

1 1 1
c2
64 16 4 1 c1 =
216 36 6 1
c0
e o sistema linear
1,0
2,3
,
2,2
3,7
cuja soluo (obtida pelo mtodo do escalonamento, ver Captulo 4)
O sistema linear (5.3) pode ser escrito na forma matricial
1. Encontre o polinmio p interpolador aos nodos dados.
equaes lineares
+ c2 x21
+ c2 x22
p(xn ) = cn1 xn1

+
n
n
do polinmio
De (5.1) e (5.2) obtemos o sistema de
nas
or-
Desse modo, deve-se determinar os coecientes
pn1 (x) = cn1 xn1 + cn2 xn2 + + c2 x2 + c1 x + c0 .
matriz de Vandermonde.
A soluo do sistema linear (5.3) fornece os coecientes do polinmio in-
cn1
1
..
.
1
. , c = c2
.
.
c1
1
c0
Xc = y
y1
y2
, y = .. .
yn
com
0,0817
0,7417
c=
1,9600 .
1,0000
Assim, o polinmio interpolador
p(x) = 0,0817x3 0,7417x2 + 1,9600x + 1,0000.
(5.4)
CAPTULO 5.
O valor de
49
INTERPOLAO
v = f (5)
estimado por
p(5) = 2,4667.
A Figura 5.1 mostra
os nodos de interpolao, o grco do polinmio interpolador

interpolado
5.3 Mtodo de Lagrange
e o ponto
(u,v).
O objetivo do mtodo de Lagrange

interpolador
Usando o Matlab
os
coecientes
conjunto de
do seguinte modo:
>> x = [0; 1; 4; 6];

>> y = [1.0; 2.3; 2.2;
>> X = MVander(x,3)
X =
0
0
0
1
1
1
64
16
4
216
36
6
>> c = SLGauss(X, y)
c =
0.0817
-0.7417
1.9600
1.0000
>> v = VPol(c,5)
v =
2.4667
3.7];
1
1
1
1
valor
do polinmio
=
=
construmos um
(x x2 )(x x3 )(x x4 ) (x xn )
(x1 x2 )(x1 x3 )(x1 x4 ) (x1 xn )
(x x1 )(x x3 )(x x4 ) (x xn )
(x2 x1 )(x2 x3 )(x2 x4 ) (x2 xn )
(x x1 )(x x2 )(x x4 ) (x xn )
(x3 x1 )(x3 x2 )(x3 x4 ) (x3 xn )
(x x1 )(x x2 )(x x3 ) (x xn1 )

(xn x1 )(xn x2 )(xn x3 ) (xn xn1 )
n
Y
Li (x) =
j=1,j6=i
x xj
,
xi xj
i = 1, . . . , n.
A Figura 5.2 ilustra a propriedade bsica dos polinmios auxiliares:

Li (xj ) =
na interpolao de polinmios de grau elevado: a matriz
valores
como no mtodo de Lagrange, discutido a seguir.
Observemos que para um conjunto de
n nodos, o polinmio interpolador
raro, mas pode ocorrer que o polinmio
interpolador tenha grau menor que
n1
como mostra o Problema 5.5.
base
no es-
Assim o polinmio interpolador
p(x) = y1 L1 (x) + y2 L2 (x) + + yn Ln (x)

n
X
=
yi Li (x),
pode torna-se
do polinmio sem calcular seus
n1.
pode ser obtido pela combinao linear
o que ocasiona erros na determinao dos coecientes
tornar esse problema calcular os
1, i = j
.
0, i =
6 j
Pode-se mostrar que os polinmios auxiliares formam uma

pao vetorial dos polinmios de grau
do polinmio interpolador (veja o Problema 5.28). Uma maneira de con-
grau mximo (ordem) n1.
p.
ou seja,
Apesar de conceitualmente simples, o mtodo pode se tornar impreciso
ter
v,
sem necessidade de determinar previamente
x1 < x2 < . . . < xn

n polinmios auxiliares Li dados por
algoritmo deixada como exerccio (veja o Problema 5.3).
coecientes
de
L1 (x)
L2 (x)
L3 (x)
L (x)
O mtodo de Vandermonde bastante simples. A implementao do
mal-condicionada
u,
na abcissa
Dados as abscissas dos nodos
Se os algoritmos MVander (p. 12), VPol (p. 12)
e SLGauss (p. 37) j foram implementados, o Exemplo 5.1 pode ser resolvido
2 determinar
i=1
2
Joseph-Louis
Lagrange (1736 - 1813), matemtico francs, nascido italiano. De-
senvolveu consideravelmente o campo da anlise, da teoria dos nmeros e da mecnica

celeste. O mtodo de interpolao que leva seu nome foi descrito em
res sur les mathmatiques donnes a l'cole normale em 1795.
Leons lmentai-
Aparentemente Lagrange
desconhecia que o mesmo mtodo tenha sido antecipado por Edward Waring em 1779 e
por Leonhard Euler em 1783 [38, 31].
CAPTULO 5.
50
INTERPOLAO
Algoritmo 14 ILagrange
entrada : x, y, u
sada : v
Inicializao
1:
2:
3:
Figura 5.2:
4:
5:
Polinmios auxiliares.
n tamanho de x
m tamanho de u
v Zeros(m, 1)
Interpolao
para k 1 : m
s 0
para i 1 : n
6:
onde as ordenadas
yi
dos nodos so os coecientes da combinao.
p(x) =
yi
i=1
O valor
v = f (u) p(u)
O algoritmo
ILagrange
n
Y
j=1,j6=i
9:
10:
x xj
xi xj
estimado substituindo-se
(5.5)
por
em (5.5).
sistematiza a interpolao pelo mtodo de La-
grange.
5.3.1 Frmulas para 2 e 4 nodos

Existem dois casos particulares de (5.5) que so muito teis e merecem
destaque. Para
n=2
nodos temos
v 2 = y1
u x2
u x1
+ y2
,
x1 x2
x2 x1
para j 1 : n
se j 6= i ento
8:
Finalmente, o polinmio interpolador obtido por
n
X
p yi
7:
(5.6)
11:
m
p p (uk xj )/(xi xj )
12:
m
13:
s s + p
14:
m
15:
vk s
16:
m
CAPTULO 5.
conhecida como frmula de

Para
n=4
51
INTERPOLAO
interpolao linear
(pois
Assim, substituindo os valores tabelados obtemos
tem grau 1).
temos
(5,0 1,0)(5,0 4,0)(5,0 6,0)

+
(0,0 1,0)(0,0 4,0)(0,0 6,0)
(5,0 0,0)(5,0 4,0)(5,0 6,0)
+
2,3
(1,0 0,0)(1,0 4,0)(1,0 6,0)
(5,0 0,0)(5,0 1,0)(5,0 6,0)
+
2,2
(4,0 0,0)(4,0 1,0)(4,0 6,0)
(5,0 0,0)(5,0 1,0)(5,0 4,0)
3,7
,
(6,0 0,0)(6,0 1,0)(6,0 4,0)
p(5) =1,0
(u x1 )(u x3 )(u x4 )
(u x2 )(u x3 )(u x4 )
+ y2
+
(x1 x2 )(x1 x3 )(x1 x4 )
(x2 x1 )(x2 x3 )(x2 x4 )
(u x1 )(u x2 )(u x4 )
(u x1 )(u x2 )(u x3 )
y3
+ y4
,
(x3 x1 )(x3 x2 )(x3 x4 )
(x4 x1 )(x4 x2 )(x4 x3 )
v4 =y1
(5.7)
conhecida como frmula de
Importante: Ao usar
nodos mais prximos de u.
cutivos
x1
x2
interpolao cbica
(pois
tem grau 3).
as frmulas (5.6) e (5.7) deve-se escolher os
que resulta em
Em geral, isso signica escolher nodos conse-
p(5) = 0,1667 0,7667 + 1,8333 + 1,2333
tais que
= 2,4667,
x1 < u < x 2
ou nodos consecutivos
x1 , x2 , x3
x4
que, como era de se esperar, corresponde ao mesmo valor obtido no Exem-
tais que
plo 5.1.
x1 < x2 < u < x3 < x4 .
Exemplo 5.2. Reconsidere a funo f do Exemplo 5.1. Use o mtodo

de Lagrange com 2 e 4 nodos para estimar o valor de v = f (5).
Soluo:
Para
n = 2,
usamos (5.6) com
x1 = 4,0
x2 = 6,0.
Assim,
5.3.2 Erro na interpolao polinomial

v = f (u) por v = p(u) na interpolao polinomial? Por denio, o erro = v v
= p(u)f (u) somente pode
ser obtido se conhecemos o valor exato de v
= f (u) o que, usualmente,
Qual o erro cometido ao se aproximar
desconhecido.
substituindo os valores tabelados obtemos
v2 = 2,2
Existem frmulas para
5,0 6,0
5,0 4,0
+ 3,7
,
4,0 6,0
6,0 4,0
tantes) das derivadas de
[8, p. 106 e
f.
Uma alternativa utilizada usualmente veri-
de nodos de interpolao. Veja o Problema 5.13.
v2 = 1,10 + 1,85
Se os nodos de interpolao so igualmente espaados, o erro na in-
= 2,95.
terpolao polinomial menor se

nodos.
n = 4,
o valor mximo do erro
car a diferena relativa dos valores interpolados com quantidades crescentes
que resulta em
Para
estimar
p. 148], mas essas frmulas necessitam de estimativas para as cotas (limi-
usamos (5.7) com
x1 = 0,0, x2 = 1,0, x3 = 4,0
x4 = 6,0.
No entanto, se
est na
regio central
do conjunto de
se afasta da regio central o polinmio tente a
oscilar violentamente e erro tende a aumentar com o grau do polinmio

interpolador . Esse problema, ilustrado na Figura 5.3, conhecido como
fenmeno de Runge 3 .
3
CAPTULO 5.
52
INTERPOLAO
5.4 Mtodo do spline cbico

spline 4 ligar os nodos de interpolao por segmentos de retas (no caso do spline linear) ou segmentos
curvos (no caso do spline cbico). A Figura 5.4 mostra a interpolao por
spline linear e cbico aos nodos do Exemplo 5.1.
A ideia fundamental da interpolao por
Figura 5.3:
Erro na interpolao polinomial.
Para diminuir a oscilao nas regies no centrais pode-se diminuir o

espaamento dos nodos nessas regies, o que leva ao mtodo de Chebyshev
[30, p. 237].
Outro modo de evitar essa oscilao, usar um polinmio de grau
Figura 5.4:
baixo (1 ou 3, usualmente) para cada intervalo entre nodos (denominado
spline ) que veremos na seo seguinte.

por
spline
Interpolao por
spline
linear e cbico.
De um modo geral, a interpolao
mais convel que a interpolao polinomial, a menos que o
O termo
spline
pode ser rastreado at o sculo 18, mas pelo nal do sculo 19 foi
valor a ser interpolado que na regio central dos nodos de interpolao
utilizado para se referir a uma rgua exvel de madeira ou borracha dura usada por
(como mostra o Problema 5.20). Na interpolao pelo mtodo de Lagrange,
desenhistas para projetar curvas interpoladoras grandes. Tais
mesmo com um tabela de muitos valores, costume utilizar 2, 4 ou 6 nodos

simtricos ao ponto de interpolao.
splines
mecnicas foram
usadas, por exemplo, para desenhar as curvas necessrias na fabricao de sees de

cascos de navios. Pregos ou pesos eram colocados sobre a rgua para for-la a passar
por nodos determinados. A parte livre assume uma geometria tal que minimiza a energia
potencial de exo [31].
CAPTULO 5.
53
INTERPOLAO
5.4.1 Denio e propriedades

Um
spline
mk = s00k (xk ) .
(5.16)
cbico uma funo denida por partes,
S(x) =
s1 (x),
s2 (x),
..
.
sk (x),
xk x < xk+1
sn1 (x), xn1 x < xn
De modo que, em cada intervalo

cbico
O termo
x1 x < x2
x2 x < x3
xk x < xk+1 ,
do
(5.8)
suavidade.
spline
A deduo dos coecientes
denido um polinmio
s00k (x)
(5.9)
k = 1, . . . , n 1,
yk+1 , k = 1, . . . , n 1.
so sua
Usando (5.16) e fazendo
s0k+1 (xk+1 ),
s00k (xk+1 ) =
s00k+1 (xk+1 ),
dk ,
inicia aplicando (5.10) em
k = 1, . . . , n 1,
(5.17)
(5.18)
x = xk
mk
,
2
em (5.19) obtemos
mk = 2bk .
(5.19)
Assim
k = 1, . . . , n 1,
(5.20)
(5.11)
Aplicando a condio (5.13) em (5.19) obtemos
6ak (xk+1 xk ) + 2bk = 6ak+1 (xk+1 xk+1 ) + 2bk+1
k = 1, . . . , n 2,
k = 1, . . . , n 2.
Devemos encontrar, ento, um conjunto de coecientes
(5.10)
Enquanto a condio de suavidade estabelecida por
s0k (xk+1 ) =
ak , bk , ck
= 6ak (x xk ) + 2bk .
bk =
sk (xk+1 ) =
a incli-
s0k (x) = 3ak (x xk )2 + 2bk (x xk ) + ck ,
A condio de continuidade estabelecida
yk ,
pk
a concavidade
Diferenciando (5.9) obtemos
por
sk (xk ) =
mk
interpolador em cada nodo.
dk = yk ,
As duas propriedades fundamentais da curva interpoladora

e sua
a distncia entre duas abscissas consecutivas,
(5.9) obtendo
sk (x) = ak (x xk )3 + bk (x xk )2 + ck (x xk ) + dk .
continuidade
hk
nao da reta que passa por dois nodos consecutivos e
6ak (xk+1 xk ) + 2bk = 2bk+1
(5.12)
(5.13)
e usando (5.14) e (5.20) obtemos
ak , bk , ck , dk
tais
6ak hk + mk = mk+1 ,
que a funo (5.9) satisfaa as condies (5.10 a 5.13).

portanto
5.4.2 Deduo dos coecientes
ak =
Inicialmente, algumas denies teis:
hk = xk+1 xk ,
(5.14)
yk+1 yk
pk =
,
hk
(5.15)
mk+1 mk
,
6hk
k = 1, . . . , n 1,
Agora, aplicando a condio (5.13) em (5.9) obtemos
ak (xk+1 xk )3 + bk (xk+1 xk )2 + ck (xk+1 xk ) + dk = yk+1

ak h3k + bk h2k + ck hk + dk = yk+1
(5.21)
CAPTULO 5.
54
INTERPOLAO
Substituindo-se
ak , bk
dk
pelas expresses j determinadas obtemos
mk+1 mk 3 mk 2
hk +
h + ck hk + yk = yk+1
6hk
2 k
mk+1 mk
mk
yk+1 yk
hk +
hk + ck =
6
2
hk
(2mk + mk+1 )hk
yk+1 yk
.
ck =
hk
6
Usando (5.15) obtemos
ck = pk
(2mk + mk+1 )hk

,
6
Observe que os coecientes
ak , bk , ck
hk , pk (conhecidos) e mk (desconhecido).
mk aplicamos a condio (5.12) em (5.18)
k = 1, . . . , n 1,
dk
do denominado
Hm = P,
com
1
h1
0
0
0
0
0
2(h1 + h2 )
h2
Para determinar os valores de

e obtemos
ak , bk , ck
ck+1
A equao (5.23) representa um sistema linear
m1 = 0
mn = 0,
0
6(p2 p1 )
6(p3 p2 )
.
.
P=
.
6(pn2 pn3 )
6(pn1 pn2 )
0
spline
o seguinte
subdeterminado
pois
Usar (5.14) e (5.15) para encontrar

Construir a matriz
e o vetor
para encontrar os valores de
mk .
hk
pk .
e resolver o sistema linear (5.24)
Observe que a matriz
diagonal
dominante e pode ser resolvida ecientemente pelo mtodo de GaussSeidel.
(5.23)
incgnitas (m1 , . . . , mn ). Para tornar o sistema
condies de contorno
k = 1, . . . , n 2,
determinado devemos xar duas condies extras, ditas condies

de contorno. H muitas maneiras de xar as condies de contorno, cada
uma delas levando a um spline distinto (ver Problema 5.23). Usando as
linear
0
0
0
0
hn1
1
obtemos
hk mk + 2(hk + hk+1 )mk+1 + hk+1 mk+2 = 6(pk+1 pk ),
equaes e
hn2
2(hn2 + hn1 )
0
O procedimento para a obteno dos coecientes do

e
que aps as devidas simplicaes resulta em
n2
2(hn3 + hn2 )
hn2
0
+ 2bk hk + ck = ck+1
(2mk + mk+1 )hk

(2mk+1 + mk+2 )hk+1
mk+1 mk 2
mk
hk + 2
hk + pk
= pk+1
,
6hk
2
6
6
temos
0
h3
hn3
0
5.4.3 Determinao do spline
= 3ak+1 (xk+1 xk+1 )2 + 2bk+1 (xk+1 xk+1 ) + ck+1

Substituindo-se as expresses para
m1
m2
m3
.
.
m=
.
mn2
mn1
mn
s0k (xk+1 ) = s0k+1 (xk+1 )
3ak h2k
0
h2
2(h2 + h3 )
yk ,
3ak (xk+1 xk )2 + 2bk (xk+1 xk ) + ck =
(5.24)
H=
(5.22)
so dados em termos de
spline natural, obtemos o sistema linear
Usar (5.21), (5.20), (5.22) e (5.17) para encontrar
ak , bk , ck
dk .
Exemplo 5.3. Encontre o spline cbico que interpola os nodos dados

no Exemplo 5.1. Em seguida, use o spline obtido para estimar o valor
de v = f (5).
CAPTULO 5.
Soluo:
55
INTERPOLAO
Usando (5.14) e (5.15) encontramos os valores de
hk
1,0
1,3000
3,0
-0,0333
2,0
0,7500
hk
pk :
pk
Para estimar o valor de
1
1
H=
0
0
0
8
3
0
0
3
10
0
P:
valores
Usando o Matlab
>> x
>> y
>> u
>> v
v =
e
e
spline
cbico
y.
y.
spline:
m3 = 0,8676
ak , bk , ck
determina os coecientes do
ISpline3 determina as ordenadas v para um conjunto de

u usando a interpolao por spline cbico natural a um conjunto
de nodos
isto ,
Determinamos, em seguida, os valores de
pertence ao
O algoritmo
0,00
8,00
P=
4,70
0,00
Hm = P, obtemos:
0,0000
1,3254
m=
0,8676 ,
0,0000
m2 = 1,3254;
CoefSpline3
(natural) interpolador a partir do conjunto de nodos
Resolvendo o sistema linear
m1 = 0,0000;
u=5
2,7331
e o vetor
0
0
,
2
1
notamos que
v 0,0723(5 4)3 + 0,4338(5 4)2 + 0,1716(5 4) + 2,2000
O algoritmo
Em seguida, determinamos a matriz
v = f (5),
terceiro intervalo, portanto
m4 = 0,0000.
=
=
=
=
A interpolao por spline pode ser feita com o comando
[0; 1; 4; 6];
[1.0; 2.3; 2.2; 3.7];
5;
spline(x, y, u)
2.4667
Esse comando retorna os valores
dk :
vi = S(ui ) para o conjunto de nodos x e y .
Os
valores calculados pelo Matlab diferem dos calculados pelo algoritmo ISpline3
pois as condies de contorno so diferentes.
O comando
spline
usa, por
ak
bk
ck
dk
-0,2209
0,0000
1,5209
1,0000
impe restries de continuidade tambm a
0,1218
-0,6627
0,8582
2,3000
Para conjuntos de 3 ou 4 nodos, os valores do spline interpolador coincidem com
-0,0723
0,4338
0,1716
2,2000
o do polinmio interpolador. Outros tipos de interpolao esto disponveis no
padro, as condies de contorno denominadas not-a-knot (nenhum-n) que
S 000 (x)
em
x2
xn1
[8, p. 148].
Spline Toolbox.
Portanto, o
spline
interpolador dado por
S(x) =
3
2
0,2209(x 0) + 0,0000(x 0) + 1,5209(x 0) + 1,0000,
3
0,1218(x 1) 0,6627(x 1)2 + 0,8582(x 1) + 2,3000,
0,0723(x 4)3 + 0,4338(x 4)2 + 0,1716(x 4) + 2,2000,
0x1
1x4 ,
4x6
(5.25)
e seu grco mostrado na Figura 5.4.
5.5 Problemas
Mtodo de Vandermonde
Use o mtodo de Vandermonde e determine o polinmio interpolador aos nodos
dados nos problemas 5.1 e 5.2.
CAPTULO 5.
56
INTERPOLAO
Algoritmo 15 CoefSpline3
entrada : x, y
sada : C
Determinao de h e p
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:
n tamanho de x
h Zeros(n 1, 1)
p Zeros(n 1, 1)
para k 1 : n 1
hk xk+1 xk
pk (yk+1 yk )/hk
m
Determinao de H, P e m
H Zeros(n, n)
P Zeros(n, 1)
H1,1 1
P1 0
para k 2 : n 1
Hk,k1 hk1
Hk,k 2(hk1 + hk )
Hk,k+1 hk
Pk 6(pk pk1 )
m
Hn,n 1
Pn 0
m SLGaussSeidel(H; P; 0,5 1012 ; 100)
Determinao dos coecientes

C Zeros(n 1, 4)
para k 1 : n 1
24:
25:
26:
27:
m
Ck,1
Ck,2
Ck,3
Ck,4
(mk+1 mk )/(6hk )
mk /2
pk ((2mk + mk+1 ) hk )/6
yk
Algoritmo 16 ISpline3
entrada : x, y, u
sada : v
Determina coecientes
1:
C CoefSpline3(x, y)
Interpolao
2:
3:
4:
5:
n tamanho de x
r tamanho de u
v Zeros(r, 1)
para i 1 : r
Determina intervalo
k 1
6:
enquanto ui > xk+1 e k < n 1
7:
k k + 1
8:
m
Determina ordenada
9:
10:
11:
12:
m
t ui xk
vi ((Ck,1 t + Ck,2 )t + Ck,3 )t + Ck,4
CAPTULO 5.
5.1.
Mtodo de Lagrange
.
x
y
5.2.
5.3.
57
INTERPOLAO
5.6.
. Use
v = f (12) aos
3
2
o mtodo de Lagrange com 2 e 4 nodos para interpolar o valor

nodos dados a seguir. Use as equaes (5.6) e (5.7).
-1
-1
5.7.
35
41
81
89
13
15
19
20
27
60
A tabela a seguir mostra a populao brasileira
p,
em milhes de habi-
tantes, levantada em censos demogrcos [12]. Use o mtodo de Lagrange com 2
Implemente os algoritmos MVander (p. 12), SLGauss (p. 37) e VPol
e 4 nodos para estimar a populao do Brasil no ano se seu nascimento.
(p. 12) na sua linguagem preferida. Em seguida, una todos em um s algoritmo
[c, v] = IVander(x,y,u).
Para vericar a correo da implementao, refaa
o Exemplo 5.1.
5.4.
p (106
A tabela a seguir fornece alguns valores da funo
Erfc(x).
Erro Complementar
(a) Determine o polinmio interpolador ao conjunto de nodos dados.
(b) Estime o valor de
Erfc(0,5).
(use o comando
do Matlab).
erfc
5.8.
1950
1960
1970
1980
1991
2000
2010
51,9
71,0
94,5
121,1
146,9
169,6
190,8
hab.)
Reconsidere a equao (5.6). Mostre que se
(c) Compare o valor estimado com o valor exato
v2 =
x
5.5.
(anos)
5.9.
Erfc(x)
u = 12 (x2 + x3 )
1,0000
0,2
0,7773
0,4
0,5716
0,6
0,3961
0,8
0,2579
5.10.
1,0
0,1573
os nodos dados no Problema 5.4.
v4 =
Use o mtodo de Vandermonde e determine o polinmio interpolador aos
5.11.
x1 , x2 , x3 e x4 so igualmente
ento
0,0
ento
y1 + y2
.
2
Reconsidere a equao (5.7). Mostre que se
espaados e
u = 12 (x1 + x2 )
y1 + 9 y2 + 9 y3 y4
.
16
Use as frmulas dos Problemas 5.8 e 5.9 para estimar
Erfc(0,5)
usando
Implemente o algoritmo ILagrange na sua linguagem preferida. Para
nodos dados a seguir.
-1
-5
-32
O polinmio deveria ter grau
5 1 = 4,
5.12.
A tabela a seguir fornece alguns valores da funo
no? O que houve? Desenhe em uma
mesma gura os nodos e o polinmio interpolador.
f (x) =
16
25
36
49
64
81
100
f (x)
10
x.
Use o mtodo de Lagrange com 2, 4 e 6 nodos simtricos para estimar o valor de
53.
Compare os resultados com o valor exato dado pelo comando
Matlab.
sqrt(53)
do
CAPTULO 5.
5.13.
58
INTERPOLAO
A tabela a seguir fornece alguns valores da funo de
ordem, J0 (x).
Bessel de primeira
(b) Determine os valores de
5.15.
k
xk
J0 (xk )
0,0
1,0000
0,5
0,9385
1,0
0,7652
1,5
0,5118
2,0
0,2239
2,5
-0,0484
3,0
-0,2601
3,5
-0,3801
4,0
-0,3971
Um
spline
S(2,5)
S(6,0).
cbico natural interpolador aos nodos
por

S(x) =
v2 , v4
Utilize as propriedades de continuidade, suavidade e condies de contorno do
v6 , os valores do polinmio interpolador com 2, 4 e 6 nodos de

a 1,75, isto , calculados em {x4 , x5 }, {x3 , x4 , x5 , x6 }
e {x2 , x3 , x4 , x5 , x6 , x7 }. Determine os erros relativos entre esses valores aproximados e o valor exato de J0 (1,75).
interpolao
(b) Calcule
simtricos
w2 , w4
w6 ,
nodos de interpolao
spline
e encontre os valores de
5.16.
a, b
c.
Considere a tabela de valores a seguir:
{x4 , x5 , x6 , x7 }
1,75,
{x4 , x5 , x6 , x7 , x8 , x9 }.
isto , calculados em
{x4 , x5 },
Determine os erros relativos entre
esses valores aproximados e o valor exato de
J0 (1,75).
(c) O que se pode concluir a respeito do efeito da simetria dos nodos de interpolao?
5.17.
resolver
H e o vetor P do mtodo do spline cbico.
o sistema.
Reconsidere o Problema 5.16. A soluo do sistema
Hm = P
0,00
1,91
m=
2,73 .
0,00
spline
Encontre a expresso algbrica do
5.18.
interpolador.
Implemente os algoritmos CoefSpline3 e ISpline3 na sua linguagem
preferida. Para vericar a correo da implementao, refaa o Exemplo 5.3.
5.19.
A tabela de valores a seguir mostra a emisso de luz
funo da potncia
Mtodo do Spline Cbico
5.14.
No necessrio
os valores do polinmio interpolador com 2, 4 e 6
no-simtricos
dado
(x 1)3 + 2(x 1) + 1,
1x2
a(x 2)3 + b(x 2)2 + c(x 2) + 2, 2 x 3
A partir dos dados, determine a matriz

(a) Calcule
x = {1, 2, 3}
(em lmens) em
(em watts) fornecida a uma lmpada incandescente comum
[14]:
Aplicando a tcnica de interpolao por
spline
aos valores da tabela
(a) Encontre o
spline
P (W )
51
55
58
60
E(lm)
607
704
795
864
interpolador ao conjunto de dados.
(b) Determine a emisso de luz esperada para a potncia de 57 W.
5.20.
obtemos os seguintes coecientes (aproximados)
a1 = 0,48
a2 = 0,33
a3 = 0,09
b1 = 0,00
b2 = 1,43
b3 = 0,55
(a) Escreva a expresso algbrica do
c1 = 3,48
c2 = 2,05
c3 = 0,27
d1 = 2,00
d2 = 5,00
d3 = 6,00.
Os valores tabelados no Exemplo 5.1 referem-se a funo
1
f (x) = 1 + x + sen(x).
2
As expresses para o polinmio interpolador p(x) e para o spline interpolador S(x)
foram dadas nas equaes (5.4) e (5.25), respectivamente. Desenhe, na mesma
spline.
gura, os grcos das funes erro
Ep (x) = p(x) f (x)
ES (x) = S(x) f (x).
CAPTULO 5.
59
INTERPOLAO
5.24.
Sortidos
5.21.
Modique o algoritmo CoefSpline3 para utilizar as condies de con-
spline cbico restrito
torno do
A tabela a seguir, adaptada de [8, p. 115], mostra o peso
colnia de larvas da mariposa
w (em mg) de uma
Operophtera Bromata L. Geometridae
em uma estufa em funo do tempo
cultivadas
(em dias).
5.25.
(dias)
(mg)
6,67
17,33
10
42,67
13
37,33
17
30,10
20
29,31
28
28,74
5.26.
(a) Desenhe o grco dos nodos de interpolao juntamente com o
spline
spline
D = 0,0.
spline cbico peridico
y1 = yn , xa tambm:
0
s1 (x1 ) = s0n1 (xn )
s001 (x1 ) = s00n1 (xn )
Mostre que as condies acima levam a
polinmio
interpolador. Qual curva apresenta comportamento
2h1 m1 + h1 m2 + hn1 mn1 + 2hn1 mn

m1 mn
= 6(p1 pn1 )
= 0
Modique o algoritmo CoefSpline3 para utilizar as condies de con-
torno do
interpolador e o
E = 0,5
Outras condies de contorno possveis so as do
em que, alm da igualdade
mostradas no problema anterior. Desenhe o
interpolador aos nodos dados no Problema 5.21 com
spline cbico peridico
mostradas no problema anterior.
SLGauss para resolver o sistema linear
Hm = P
Ateno : Use
H no
pois, agora, a matriz
mais diagonal-dominante. Determine o spline interpolador aos nodos:
mais plausvel?
(b) Encontre o peso mximo da colnia determinando o ponto de mximo do
spline
5.22.
interpolador.
menor
de operaes aritmticas.
modicando os algoritmos envolvidos para incluir

mticas elementares (+,
, , ).
manho 3 a 20 e determine o
problema com
cada
nmero
contadores
Verique isso,
de operaes arit-
Gere conjuntos de nodos aleatrios de tade operaes efetuadas para resolver
cada
mtodo. Faa um grco do nmero de operaes em funo
do tamanho dos conjuntos de dados.
Sugesto: Use os resultados obtidos nos
problemas 1.35 e 4.10.
3
2
-1
Alm das condies de contorno do
spline
cbico
spline cbico natural, outras conrestrito que xa as inclinaes do
no primeiro e no ltimo nodo:
s01 (x1 )
=
s0n1 (xn ) =
E
D
Mostre que as condies acima levam a
Desenhe, no mesmo sistema de coordenadas, os nodos de interpolao, o spline

peridico e a funo
5.27.
g(x) = sen(x).
A tabela seguinte usada para determinar a expectativa de vida de ho-
mens e mulheres brasileiros a partir da sua idade no ano-base de 2010 [13]. Por
exemplo, uma mulher que tinha 20 anos de idade em 2010, tinha esperana de
viver
mais
59,29 anos, isto , sua expectativa de vida de 79,29 anos. Para idades
intermedirias, deve-se interpolar os valores.
dies muito utilizadas so as do
spline
Uma das justicativas da preferncia do mtodo de Lagrange sobre o de
Vandermonde a quantidade
5.23.
2h1 m1 + h1 m2
hn1 mn1 + 2hn1 mn
= 6(p1 E)
= 6(D pn1 )
CAPTULO 5.
60
INTERPOLAO
Idade
Homem
Mulher
69,73
77,32
66,88
74,01
10
62,00
69,09
15
57,12
64,16
20
52,55
59,29
25
48,19
54,46
30
43,81
49,66
35
39,45
44,90
40
35,15
40,22
45
30,97
35,66
50
26,97
31,25
55
23,16
27,00
60
19,63
22,97
65
16,37
19,19
70
13,43
15,71
75
10,96
12,63
80
9,01
10,06
(monotnica, por exemplo), o processo o mesmo da interpolao de Lagrange

convencional apenas trocando os nodos de interpolao
no Problema 5.13.
(a) Determine a expectativa de vida de um
homem, que em 2010 tinha 22 anos.
(b) Determine a expectativa de vida de uma
mulher, que em 2010 tinha 48 anos.
(c) Determine a
5.28.
sua
expectativa de vida.
O mtodo de Vandermonde pode tornar-se instvel quando o tamanho
do sistema linear envolvido torna-se elevado ou quando a matriz de coecientes

possui valores muito discrepantes entre si. Nesses casos, o mtodo de Lagrange
recomendado. Para vericar isso faa o seguinte:
(a) Reconsidere os dados mostrados no Problema 5.7.
mtodo de Vandermonde para encontrar
data de nascimento.
pV
Use
todos
os nodos e o
a populao brasileira na sua
[Se voc nasceu em um ano correspondente a um nodo,
use um valor intermedirio.]
pL .
(b) Repita o procedimento usando o mtodo de Lagrange e encontre

(c) Determine a diferena relativa entre
pV
pL .
Quantos so os DSE?
(d) Uma maneira de evitar essa diferena de valores consiste em redimensionar os

valores das abscissas dos nodos. Repita os itens anteriores usando
Os valores de
5.29.
pV
pL
t0 =
t1950
10 .
cam mais prximos? Quanto?
interpolao inversa
consiste em determinar um valor de
abscissas a partir de um valor de
por
com 2, 4 e 6 nodos simtricos e determine estimativas para o
no eixo da
no eixo das ordenadas. Se a funo inversvel
y.
Use essa tcnica
zero
da funo dada
Captulo 6
Ajuste de funes
n nodos (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) e uma
funo de ajuste f : R R determinada por um conjunto de parmetros = {0 , 1 , . . . , m }. O problema do ajuste de funes consiste em
Considere um conjunto de
determinar os valores dos parmetros

nida pela funo de ajuste
que fazem com que a curva de-
passe o mais perto possvel dos nodos. Por
0 , 1
f (x) = 2 x2 + 1 x + 0
exemplo, desejamos determinar os valores
a curva dada pela funo
(uma parbola) passe o
que fazem com que
mais perto possvel de um conjunto de 20 nodos como ilustra a Figura 6.1.

O problema do
ajuste de funes
ajuste.
tambm denominado
ajuste de curvas
ou simplesmente
A motivao para esse problema geralmente provm da
servaes experimentais
anlise de ob-
onde desejamos ajustar uma curva terica a dados
Figura 6.1:
experimentais (observados) que, devido a erros de medida e a perturbaes
Uma curva de ajuste a um conjunto de nodos.
externas, oscilam em torno de valores previstos (esperados). O mtodo de

ajuste mais popular, denominado
mtodo dos quadrados mnimos,
1
2
neiramente desenvolvido por Legendre e Gauss .
A funo de ajuste obtida pode ser usada para estimar valores

1
Adrien-Marie
do intervalo de dados, isto , pode ser usada para
foi pio-
Observe que, em geral, a funo de
dados.
polinomial : f (x) = m xm + m1 xm1 + + 2 x2 + 1 x + 0 ;
As primeiras provas formais do
mtodo so devidas a Adrain (1808) e Gauss (1809) [32, 38].

2
No entanto, neste captulo, trataremos apenas de dois tipos de
ajuste:
Nouvelles methodes pour la determination des orbites
de 1805, porm sem uma prova formal.
de dados.
Em princpio, qualquer funo pode ser ajustada a um conjunto de
contribuies Matemtica foi o desenvolvimento da teoria das integrais elpticas. em

2
1794 forneceu um prova da irracionalidade do nmero . O mtodo dos mnimos
des cometes
extrapolao
estudada no Captulo 5
no pode ser usada desta maneira.
fora
Legendre (1752 - 1833) matemtico francs. Uma de suas maiores
quadrados foi publicado em seu
interpolao
exponencial : fa,b (x) = aebx ;
61
CAPTULO 6.
62
AJUSTE DE FUNES
No ajuste polinomial, a funo de ajuste um polinmio de ordem (grau

mximo)
mas
pode
m.
por
f (x) = 0,25x + 2,5
No ajuste exponencial, a funo de ajuste no polinomial
ser transformada em uma funo polinomial, de ordem 1. Por
exemplo, a Figura 6.5 mostra uma funo polinomial (de grau 2) e uma
aos nodos.
(6.1)
funo exponencial ajustadas a um conjunto de dados.
Soluo:
6.2 Resduo quadrtico
Para
Esses valores so mostrados na tabela a seguir.
Como determinar se uma curva passa o mais perto possvel de um conjunto de nodos? Ou, em outras palavras, como medir a
qualidade
de um
ajuste? A maneira mais comum de medir a distncia entre a funo de

ajuste
e os nodos
(xi , yi ) denominada resduo quadrtico e denida
por
SQE =
n
X
i=1
[yi f (xi )] .
O resduo quadrtico uma medida que leva em considerao as
renas
entre as ordenadas dos nodos
f (xi ).
Quanto mais prximo de zero for o valor de
Por essa denio, uma funo

tem resduo quadrtico zero.
drtica de erros, de uso

denominado regresso.
i = 1, . . . , 5 calculamos as ordenadas f (xi ) dos pontos

2
yi f (xi ) e as diferenas quadrticas [yi f (xi )] .
ajustados, as diferenas
yi
dife-
interpoladora
A notao
proveniente de
soma qua-
yi
f (xi )
yi f (xi )
[yi f (xi )]
0,5
4,4
2,375
2,025
4,1006
2,8
1,8
1,800
0,000
0,0000
4,2
1,0
1,450
-0.450
0,2025
6,7
0,4
0,825
-0.425
0,1806
8,3
0,2
0,425
-0.225
0,0506
SQE = 4,1006 + 0,0000 + 0,2025 + 0,1806 + 0,0506

= 4,5344.
melhor o ajuste.
(como vista no Captulo 5)
SQE ,
xi
Em seguida determinamos o resduo quadrtico
e as ordenadas da funo de ajuste
SQE ,
A Figura 6.2 mostra os nodos e a reta determinada por
f.
comum na Estatstica onde o ajuste de funes

Naturalmente, innitas retas distintas podem ser traadas passando por
Exemplo 6.1. Considere os nodos dados pela tabela a seguir:
entre os nodos. A funo dada por (6.1), obtida olho, apenas uma
entre todas (da o ttulo de provisria). O
qual a funo que
xi
yi
1
2
3
4
5
0,5
2,8
4,2
6,7
8,3
4,4
1,8
1,0
0,4
0,2
quadrtico
mnimo.
melhor
problema do ajuste
determinar
se ajusta aos nodos, isto , possui resduo
6.3 Ajuste polinomial

O ajuste polinomial consiste em determinar um polinmio de ajuste
f (x) = m xm + m1 xm1 + + 2 x2 + 1 x + 0 ,
Determine o resduo quadrtico da funo de ajuste (provisria) dada

(de ordem
m,
com
m+1
(6.2)
coecientes) cujo resduo quadrtico mnimo.
CAPTULO 6.
63
AJUSTE DE FUNES
fazendo
X=
onde
xm
1
xm
2
.
.
.
xm
n
denominada
x21
x22
x1
x2
.
.
.
.
.
.
x2n xn
1
..
.
1
. , = 2
.
.
1
1
0
matriz de planejamento.
y1
y2
, y = .. ,
yn
Observe que, neste caso,
ela toma a forma de uma matriz de Vandermonde de ordem
n (m + 1).
Porm, ao contrrio do sistema linear (5.3) (visto no Captulo 5) que
sempre
tem soluo, o sistema linear (6.5) pode
que, em geral,
polinomial de
m << n
m.
e os
nodos
no
no
ter soluo uma vez
esto alinhados sobre uma curva
Como obter, ento, o polinmio de ajuste de resduo quadrtico mnimo?
Figura 6.2:
Uma funo de ajuste linear (provisria).
Inicialmente, supomos ser possvel que
6.3.1 Um pouco de lgebra Linear
passe por sobre todos os nodos,
Da lgebra Linear, sabemos que um sistema linear
isto ,
f (x1 ) = y1 ,
f (x2 ) = y2 ,
...,
f (xn ) = yn .
A Rmn , tem soluo se e somente se b Rm

linear dos n vetores-coluna a1 , . . . , an da matriz A,
de
f (x1 ) = m xm
+
f (x2 ) = m xm +
2
+ 2 x21
+ 2 x22
+ 2 x2n + 1 xn + 0 = yn
.
.
.
.
.
.
f (xn ) = m xm
+
n
equaes e
m+1
+ 1 x1
+ 1 x2
.
.
.
+ 0 = y1
+ 0 = y2
.
.
.
.
.
.
(6.4)
incgnitas
m , . . . , 2 , 1 , 0 .
(6.5)
uma
combinao
x1 a1 + x2 a2 + + xn an = b,
sendo as
n componentes de x os pesos
dessa combinao. Isso equivalente
a dizer que o sistema linear tem soluo se o vetor

coluna de
pertence ao espao-
A, Col(A).
no tem soluo (clssica). Po
demos, no entanto, determinar uma pseudo-soluo x tal que Ax = b ,
sendo b o vetor no espao-coluna de A que est mais prximo de b.
Pode-se mostrar [29, p. 361] que a distncia entre b e b ser mnima
quando b for a projeo ortogonal de b sobre Col(A) (como mostra a

Se
O sistema linear (6.4) pode ser escrito na forma matricial
X = y,
(6.6)
com
De (6.2) e (6.3) obtemos o sistema linear
.
.
.
Ax = b
(6.3)
b
/ Col(A),
o sistema linear (6.6)
Figura 6.3). Para isso, necessrio que o vetor
(b b)
seja ortogonal a
CAPTULO 6.
64
AJUSTE DE FUNES
6.3.2 Obtendo o polinmio de ajuste

b b
Os coecientes do polinmio de ajuste (6.2) sero obtidos, pela resoluo

do sistema linear (6.5) no sentido dos
quadrados mnimos.
Isto , pela
resoluo do sistema linear
a2
cada ak
v
O vetor
De acordo com (6.8), a soluo
Col(A)
a1
Figura 6.3:
XT X = XT y.
a projeo ortogonal de
A). Lembrando
uT v = 0, ento
(os vetores-coluna de
aT1 (b b) = 0,
sobre
Col(A).
n
n
X
X
2
ky yk =
(yi yi ) =
[f (xi ) yi ]2 = SQE .
aT2 (b b) = 0,
que dois vetores-coluna
...,
b = Ax ,
i=1
Exemplo 6.2. Reconsidere os nodos dados pela tabela do Exemplo 6.1.

Encontre a funo polinomial de ordem 1 (uma funo am) de ajuste
(de resduo quadrtico mnimo) aos nodos.
aTn (b b) = 0,
AT (b b) = 0,
Soluo:
temos
T
i=1
que equivalente a
e, como
do sistema linear (6.9) garante que
ser mnimo o valor do resduo quadrtico
so ortogonais quando
(6.9)
De acordo com a tabela, temos
A (Ax b) = 0,
x=
e nalmente
AT Ax = AT b.
(6.7)
sempre tem soluo. Sua soluo x dita soluo dos quadrados mnimos do sistema linear (6.6). Essa denominao
O sistema linear (6.7)
provm do fato de que a distncia entre os vetores

pela norma (tamanho) do vetor diferena
b,
y=
4,4
1,8
1,0
0,4
0,2
X,
a matriz de Vandermonde (de ordem 1), e sua transposta
0,5
2,8
4,2
6,7
8,3
XT :
determinada
b b,
v
u n
uX
kb bk = t (bi bi )2 ,
Assim, temos
0,5
2,8
4,2
6,7
8,3
X=
(6.8)
1
1
1
1
1
, XT = 0,5
2,8
1
4,2
1
6,7
1
8,3
1
i=1
mnima
e uma soma de
quadrados.
A matriz
XT X
T
e o vetor
X X=
XT y
139,51
22,5
do sistema linear (6.9) so
22,5
5

,
X y=
15,78
7,80

.

.
CAPTULO 6.
65
AJUSTE DE FUNES
Resolvendo o sistema linear (pelo mtodo do escalonamento de Gauss) obtemos
0,5050
3,8323

,
que corresponde a funo
f (x) = 0,5050x + 3,8323.

Os valores ajustados
f (xi )
(6.10)
so
f (0,5) = 3,5799; f (2,8) = 2,4184; f (4,2) = 1,7115;

f (6,7) = 0,4491; f (8,3) = 0,3589;
e o resduo quadrtico
SQE = 1,8761.
Observe que o resduo quadrtico obtido nesse ltimo exemplo menor
que o obtido no exemplo anterior. De fato, esse ltimo o menor de todos

os possveis resduos quadrticos. A funo obtida em (6.10) denominada
funo de ajuste de resduo quadrtico mnimo. A Figura 6.4 mostra
os grcos das duas funes de ajuste (a provisria e a de resduo quadrtico

mnimo) aos dados do Exemplo 6.1.
Exemplo 6.3. Reconsidere os nodos dados pela tabela do Exemplo 6.1.

Encontre a funo polinomial de ordem 2 (uma funo quadrtica) de
ajuste (de resduo quadrtico mnimo) aos nodos.
Soluo:
2)
De acordo com os dados, a matriz de Vandermonde (de ordem
e sua transposta
X=
0,25 0,5
7,84 2,8
17,64 4,2
44,89 6,7
68,89 8,3
1
1
1
1
1
XT
so
Figura 6.4:
0,25
XT = 0,5
1
7,84
2,8
1
17,64
4,2
1
44,89
6,7
1
68,89
8,3 .
1
XT X e o vetor XT y do sistema linear (6.9) so
7133,6419 968,7150 139,5100

64,5860
22,5000 , XT y = 15,7800 .
XT X = 968,7150 139,5100
139,5100
22,5000
5,0000
7,8000
A matriz
A funo de ajuste (provisria) e a funo de ajuste dos qua-
drados mnimos.
CAPTULO 6.
66
AJUSTE DE FUNES
Resolvendo o sistema linear (pelo mtodo do escalonamento de Gauss) obtemos
0,0940
= 1,3426 ,
4,9787
que corresponde a funo
Algoritmo 17 AjustePol
entrada : x, y, m
sada : , v, SQE
Matriz de Vandermonde e resoluo do sistema linear
1:
X MVander(x, m)
2:
f (x) = 0,0940x2 1,3426x + 4,9787;
3:
4:
cujo grco mostrado na Figura 6.5.

Os valores ajustados
f (xi )
f (0,5) = 4,3310;
so
f (2,8) = 1,9565;
f (6,7) = 0,2032;
e o resduo quadrtico
5:
f (4,2) = 0,9981;
6:
A XT X
b XT y
SLGauss(A,b)
Determinao do resduo quadrtico

v X
SQE ky vk2
f (8,3) = 0,3111;
O algoritmo
SQE = 0,0803.
AjustePol sistematiza o procedimento para o ajuste po-
linomial de ordem
qualquer.
Usando o Matlab
obtidos com o comando
Os coecientes do polinmio de ajuste podem ser
polyfit,
cujo procedimento basicamente o mesmo
do algoritmo AjustePol.
>> x = [0.5; 2.8; 4.2; 6.7; 8.3];

>> y = [4.4; 1.8; 1.0; 0.4; 0.2];
>> beta = polyfit(x,y,2)
beta =
0.0940
-1.3426
4.9787
Observao:
Se os valores da varivel independente ou o grau do
polinmio interpolador forem moderadamente elevados, a matriz de Vandermonde associada ao sistema linear pode se tornar mal-condicionada e
promover erros de arredondamento. Por exemplo, no Problema 6.9 se usarmos os valores 1960, ..., 2010 ou 6, ..., 11 teremos previses ligeiramente
diferentes.
Nesses casos recomenda-se fazer uma
varivel independente e diminuir seus valores.
Figura 6.5:
Uma funo de ajuste polinomial e uma funo de ajuste ex-
ponencial.
Observe que, ao aumentar a ordem do polinmio de ajuste o resduo

quadrtico diminui, isto , se obtm um ajuste
melhor.
mudana de escala
na
CAPTULO 6.
67
AJUSTE DE FUNES
6.4 Ajuste exponencial
xi
yi
zi = ln yi
0,5
4,4
1,4816
O mtodo dos mnimos quadrados, como visto na seo anterior, somente
2,8
1,8
0,5878
aplicvel se a funo de ajuste
nos coecientes. Em alguns casos
4,2
1,0
0,0000
de interesse, a funo de ajuste no linear mas pode ser transformada em
6,7
0,4
-0,9163
outra funo, equivalente e linear. Nesta seo trataremos do caso da fun-
8,3
0,2
-1,6094
linear
o exponencial, no entanto outras funes tambm podem ser trabalhadas

Em seguida, encontramos os coecientes do ajuste linear
(veja, por exemplo, o Problema 6.25).

O
ajuste exponencial consiste em determinar os coecientes a e b da

(6.11)
e, em seguida, os coecientes do ajuste exponencial
a um conjunto de dados.
a = e0 = 5,3641 b = 1 = 0,3936.
Existem diversos mtodos para determinar a funo de ajuste exponencial. Uma maneira de proceder consiste em, inicialmente, observar que
y = aebx
Como os coecientes
ln y = bx + ln a
Assim, a funo de ajuste dada por
f (x) = 5,3641e0,3936x .
(6.12)
ln a so constantes, a funo da parte

direita de (6.12) linear. Fazendo z = ln y , 1 = b e 0 = ln a vericamos
que o ajuste da funo (6.11) aos nodos (x, y) possvel a partir do ajuste
se
y > 0.
O resduo quadrtico do ajuste obtido com
SQE =
n
X
[f (xi ) yi ]2 = 0,0014.
i=1
da funo polinomial
z = 1 x + 0
aos nodos
com
1 = 0,3936 0 = 1,6797
funo exponencial
f (x) = aebx
z = 1 x + 0
o algoritmo AjustePol
O grco da funo de ajuste exponencial mostrado na Figura 6.5.
(x, ln y)
O ajuste exponencial muito utilizado em vrios problemas de enge-
O exemplo a seguir ilustra o procedimento
nharia. Um algoritmo para obter os coecientes do ajuste exponencial
Exemplo 6.4. Considere os nodos dados pela tabela do Exemplo 6.1.

Obtenha a funo de ajuste exponencial aos dados.
facilmente obtido modicando o algoritmo
Inicialmente obtemos os valores de
zi = ln yi
para
i = 1 : n:
e deixado como
O problema do ajuste muito importante no contexto das Engenharias

e Cincias Exatas.
Soluo:
AjustePol
exerccio (ver Problema 6.11).
Diversas tcnicas da anlise de dados experimentais
tomam por base o ajuste de
modelos lineares.
Alm dos casos vistos aqui,
existem diversas sosticaes e generalizaes possveis (ver Problemas 6.24

e 6.25). Para maiores detalhes, livros de Estatstica [49] ou lgebra Linear
[29] so recomendados.
CAPTULO 6.
68
AJUSTE DE FUNES
6.5 Problemas
6.4.
A tabela a seguir fornece a quantidade de vnculos de trabalho formal
em Caxias do Sul em anos recentes [18, p. 5].
Ajuste polinomial
6.1.
t
.
2006
135
2007
147
2008
157
2009
157
2010
171
p1 (x) = 1 x + 0 ,
que se ajusta aos

(a) Encontre o polinmio
dados.
N (t)
de ajuste de ordem
1.
Sugesto: para facilitar as
contas, use 6, 7, ..., 10 em vez de 2006, 2007, ..., 2010.
(b) Determine o resduo quadrtico do ajuste.

(c) Desenhe um grco mostrando os nodos e o polinmio de ajuste.

(c) Use o polinmio de ajuste para prever o nmero de vnculos em 2011.
6.5.
Implemente o algoritmo AjustePol na sua linguagem preferida. Para
-1
6.6.
A tabela a seguir, adaptada de [49, p. 235], mostra a altura
e o peso
(a) Determine o polinmio de ordem 2,
p2 (x) = 2 x2 + 1 x + 0 ,

(c) Desenhe um grco mostrando os nodos e o polinmio de ajuste.
A tabela a seguir fornece a produo
certa mquina em funo de seu tempo de servio
T
P
(anos)
(peas/h)
0
28
1
28
2
26
53,0
80
67,5
344
416
72,0
348
73,5
262
68,5
360
73,0
332
37,0
34
(em anos).
22
4
19
(a) Encontre o polinmio ajuste
P (H)
(b) Determine o resduo quadrtico
F (T ) = 0,5T 2 0,1T + 28,
G(T ) = 0,5T 2 0,3T + 28
(em polegadas)
(lb)
72,0
So dadas trs funes:
H(T ) = 0,6T 2 0,2T + 29.

Determine o resduo quadrtico de cada uma das funes. Qual delas se ajusta
melhor aos dados?
(pol)
(em peas por hora) de uma
(em libras) de ursos selvagens anestesiados.
que se ajusta
aos dados.
6.3.
1000 vnculos)
(a) Determine o polinmio de ordem 1,
6.2.
N (
(ano)
de ordem 1 (reta).
SQE .
(c) Desenhe no mesmo grco: os nodos e a funo de ajuste.

(d) Um bilogo observa um urso na selva e estima que tenha 65 polegadas de
altura. Qual deve ser o seu peso?
CAPTULO 6.
6.7.
69
AJUSTE DE FUNES
A tabela a seguir, adaptada de [44, p. 305], mostra a frao percentual
(em graus).
f (t)
( )
50
2,75
52
1,45
54
0,50
56
0,15
58
0,20
60
0,85
tmin
(c) Determine o ms
(%)
para fevereiro, etc.
(d) Determine, o ms
6.9.
no qual a diferena entre
tmax
E(t)
mnima.
E(t)
mxima.
C de Dixido de Carbono
Mauna Loa (Hawaii, EUA) entre os anos de entre 1960
e 2010 [48].
1960
316,91
1970
325,68
no qual a
1980
338,68
frao de luz polarizada mnima. Na ptica, esse ngulo conhecido como
1990
354,35
ngulo de Brewster
2000
369,52
2010
389,85
F ()
de ordem 2.
(b) Usando o modelo obtido, faa uma estimativa para o ngulo
3 [25, p. 31].
(c) Desenhe no mesmo grco:
f (t)
A tabela a seguir mostra os valores da concentrao
medidos no observatrio de
t2
os nodos, o polinmio de ajuste e o ponto
(B , FB ).
(ppm)
Deseja-se estimar a concentrao de CO2 para o ano de 2020. Para tanto, uma
A tabela a seguir fornece a energia eltrica
E,
em kilowatt-hora, consumida
no perodo de 12 meses em uma certa residncia.
David
e encontre o polinmio
f (t)
no qual a diferena entre
t1
(a) Encontre a funo de ajuste polinomial
t = 2
3.
para janeiro,
de ajuste de ordem
(b) Desenhe um grco mostrando os nodos e o polinmio de ajuste.
6.8.
t = 1
(a) Faa
de luz polarizada reetida por uma superfcie em funo do ngulo de incidncia
(ms)
(kWh)
jan
159
fev
148
mar
176
abr
203
mai
250
jun
230
jul
289
ago
291
set
314
out
256
nov
220
dez
192
Brewster (1781 1868), fsico escocs. Estudioso dos fenmenos pticos,
funo de ajuste polinomial de ordem 3 para a concentrao de CO2 na atmosfera

em funo do tempo
deve ser encontrada.
(a) A partir dos dados da tabela, determine uma funo de ajuste polinomial
p1 (t)
de ordem 3 usando os valores da coluna
Estime o valor de
(b) Determine uma funo de ajuste polinomial

lores da coluna
t2
t1
para varivel independente.
p1 (2020).
p2 (t)
de ordem 3 usando os va-
para varivel independente. Estime o valor de
p2 (7).
(c) Observe que os valores estimados em (a) e (b) so ligeiramente diferentes.

Determine a diferena relativa entre os valores.
(d) Desenhe um grco mostrando os nodos e os valores estimados.
Ajuste Exponencial
6.10.
Ajuste uma funo exponencial aos dados do Problema 6.2.
6.11.
Estude cuidadosamente o mtodo da na seo 6.4 e implemente uma
picos. Estudou tambm aspectos da polarizao da luz, especialmente quando reetida
function [a, b] = AjusteExp(x, y) para encontrar a funo de ajuste exponencial a um conjunto de nodos dados. Para vericar a correo da implementao
em superfcies de materiais dieltricos e metlicos[53].
refaa o Exemplo 6.4
descobriu o efeito da bi-refringncia causada pela compresso de alguns slidos isotr-
CAPTULO 6.
6.12.
70
AJUSTE DE FUNES
Considere os dados do Problema 6.9.
(a) Encontre a funo de ajuste exponencial aos dados.

(b) Faa uma estimativa para a concentrao de CO2 para o ano de 2020.
(c) Faa um desenho mostrando os dados originais, a funo de ajuste exponencial e o valor previsto para 2020.
6.13.
As tabelas a seguir, adaptadas de [50, p. 144], mostram medidas de po-
tncia
(em
horse power )
tempo de acelerao
60 milhas/hora.
de alguns automveis.
A tabela mostra tambm o
(em segundos) que cada automvel necessita para atingir
P (HP)
T (s)
P (HP)
T (s)
85
17,6
110
13,5
76
14,7
75
15,5
67
19,9
72
19,5
105
14,5
180
12,5
88
16,0
200
15,0
88
16,5
140
13,2
65
21,0
52
19,4
88
18,0
71
14,9
71
24,8
75
18,2
155
14,9
98
19,0
60
22,1
61
19,0
85
17,0
140
10,5
85
16,7
60
22,0
(a) Ajuste uma funo exponencial aos dados.

(b) Desenhe um grco mostrando os dados e a funo de ajuste. Sugesto: Use
o comando
semilogy.
(c) Usando o modelo obtido, faa uma estimativa do nmero de transistores em

um microprocessador para 2020.
(d) Usando o modelo obtido, faa uma estimativa do ano em que o nmero de
(a) Encontre a funo de ajuste exponencial

(b) Determine o tempo de acelerao
T (P )
transistores em um microprocessador atinja a marca de
aos dados.
esperado de um automvel com potncia
de 80 HP.
(c) Determine a potncia esperada de um automvel com tempo de acelerao
de 14 s.
6.14.
A capacidade de processamento dos computadores pessoais (PC) tem au-
mentado continuamente desde o incio da era da Microeletrnica. Essa capacidade

est intimamente relacionada com a quantidade transistores colocados dentro de
cada microprocessador.
Este crescimento conhecido como
Lei de Moore 4 .
tabela a seguir mostra a quantidade de transistores montados dentro de cada

modelo de microprocessador fabricado pela empresa Intel [39].
4
Gordon
Earle Moore (1929 ) cientista norte-americano. Nasceu em San Fran-
cisco onde obteve o bacharelado em Qumica (1950, Universidade da Califrnia) e dou-
1 1012 .
Sortidos
6.15.
Considere os dados a seguir.
torado em Qumica e Fsica (1954, California Institute of Technology - Caltech). Foi
circuito integrado. Em 1957, co-fundador

Fairchild Semiconductor. Em 1965, publica artigo Cramming more components onto
integrated circuits [35] onde prev a forma de crescimento da capacidade computacional
dos microprocessadores. Em 1968, co-fundador da Intel Corporation onde permaneceu
um dos pioneiros no desenvolvimento do
da
ativo at 1987. Dono de uma das grandes fortunas do mundo, em 2001 doa 600 milhes
de dlares ao Caltech para investimentos em pesquisa e tecnologia. (Adaptado de [52])
CAPTULO 6.
71
AJUSTE DE FUNES
(a) Desenhe um grco mostrando os nodos e a funo de ajuste trigonomtrica.
0,1
3,81
(b) Calcule o resduo quadrtico do ajuste.
2,0
4,00
4,1
12,61
O problema do ajuste no-linear geral est alm do nvel proposto neste texto.
4,4
14,56
Ver, por exemplo, [10, p. 240].
4,6
15,96
5,2
20,64
6.18.
6,7
35,49
7,4
43,96
8,4
57,76
9,3
71,89
Em alguns livros, como [19, p. 149] ou [10, p. 234], os coecientes do
polinmio de ajuste de ordem 1 so dados por
P P
x2i xi xi yi
,
P 2
P 2
n xi ( xi )
P
P P
n xi yi xi yi
1 =
P
P 2 .
n x2i ( xi )
P
0 =
(a) Use o programa AjustePol para ajustar um polinmio de ordem 5 ao conjunto de dados.
6.16.
Verique que as frmulas acima resultam nos mesmos coecientes calculados no
(b) Observe que (a menos de erros de arredondamento) o grau do polinmio

obtido efetivamente
yi
menor
que 5. Por que isso ocorre?
Um estudante de Clculo Numrico usou o programa AjustePol para
Exemplo 6.2.
6.19.
Como medida da
qualidade do ajuste, o resduo quadrtico SQE tem alguns

SQE se altera se as unidades de
defeitos. Entre eles podemos citar o fato de que
ajustar um polinmio de ordem 4 a um conjunto de 15 nodos. Ao terminar de
medida so alteradas.
fazer as contas obteve os seguintes coecientes para o polinmio de ajuste:
um ajuste polinomial (grau 1) aos dados do Problema 6.6 para dois sistemas de
Verique esse fato calculando o resduo quadrtico de
unidades: lb - pol e kg - cm (Use
c =
0.0000
-0.0012
0.0925
-1.1288
6.2356
6.20.
Uma medida de qualidade de ajuste que no possui o defeito discutido no
problema anterior denominado
onde
SQT =
n
X
i=1
O programa deve ter feito alguma conta errada pois o primeiro coeciente do polinmio zero e correspondem a um polinmio de ajuste
de grau 3, o que impossvel.
E(t) = C + A sen
e
(yi y)
y =
1X
yi .
n i=1
Esse coeciente varia de 0 (ajuste nulo) a 1 (ajuste perfeito).
bm o coeciente de determinao.
Aos dados do Problema 6.8, possvel ajustar uma funo trigonomtrica
C = 227,3333, A = 70,1327
SQE
,
SQT
(a) Altere a implementao do algoritmo AjustePol para que ele calcule tam-
A concluso do estudante est correta? Justique.
onde
coeciente de determinao r2 obtido por
r2 = 1
O estudante escreveu a seguinte concluso em seu relatrio:
6.17.
1 pol = 2,54 cm, 1 lb = 0,4536 kg).

6
t+ ,
= 0,5545.
(b) Reconsidere os dados do Problema 6.19 com os dois sistemas de medidas:
lb - pol e kg - cm. Verique que os coecientes de determinao (r ) obtidos

so iguais.
(c) Qual a unidade de medida do coeciente de ajuste
6.21.
r2 ?
Reconsidere a tabela populacional mostrada no Problema 5.7.
CAPTULO 6.
(a) Encontre uma funo de ajuste
exponencial
72
AJUSTE DE FUNES
polinomial
(ordem 2) e uma funo de ajuste
6.23.
A presso sangunea
de uma criana sadia dada por
ao conjunto de dados.
p = 0 + 1 ln m,
(b) Use o coeciente de determinao denido no problema anterior para vericar

qual dos ajustes melhor.
6.22.
Um caso interessante do problema de ajuste de funes denominado
condicionado
onde
(c) Estime a populao do Brasil para o ano de 2020 usando os dois modelos.
o peso da criana.
ajuste
[16] consiste em determinar a reta de ajuste de grau 1 que con-
dicionada (forada) a passar pelo ponto

Nesse caso, o coeciente
(0, 0),
isto ,
f (x) = 1 x
(com
Os coecientes
0 = 0).
P
xi yi
1 = P 2 .
xi
V
(mL)
(em gramas-fora) recebida.
98
103
113
110
131
112
(a) Determine a matriz de planejamento associada ao problema;
(gf )
(c) Estime a presso
1 ;
para uma criana de 100 lb.
10
13,3
20
25,5
6.24.
30
37,9
(cometa, asteroide, planeta, etc.) descrita por
40
50,3
50
62,9
60
75,3
70
87,4
80
100,3
90
111,8
100
124,5
De acordo com a primeira lei de Kepler, a rbita de um corpo celeste
r = 0 + 1 (r cos ),
usando as coordenadas polares
tendo o Sol como origem. Os coecientes
so constantes a serem determinadas. A tabela mostra os dados obtidos
por observaes astronmicas de um cometa.
(a) Use o algoritmo AjustePol e encontre a funo de ajuste (sem condiciona-
(rad)
(u.a.)
0,88
3,00
1,10
2,30
(b) Use a frmula acima e encontre a funo de ajuste (com condicionamento)
1,42
1,65
1 e c01 nos ajustes sem e com
1,77
1,25
2,14
1,01
fsc (V ) = 1 V + 0 .
Verique que
0 6= 0.
fcc (V ) = c01 V . Observe se os valores de

condicionamento so iguais.
so constantes a serem
91
81
mento)
(mmHg)
61
(b) Determine os valores dos coecientes
(em mi-
lilitros) na imerso de um cilindro de alumnio em um recipiente com glicerina

lquida e respectiva fora de empuxo
(lb)
44
dado por
Na tabela (adaptada de [3]) a seguir so dados o volume deslocado
determinadas. A tabela mostra os dados obtidos por observaes de um pediatra.
(c) Faa um desenho mostrando os nodos e as duas retas de ajuste.

(a) Determine a matriz de planejamento associada ao problema;
O mtodo dos quadrados mnimos pode ser aplicado a qualquer funo linear
em seus coecientes, como m fm (x,y)+ +1 f1 (x,y)+0 f0 (x,y) = y , mudando
apenas a estrutura da matriz de planejamento X. Os problemas 6.23 e 6.24 a
seguir (adaptados de [29, p. 374]) podem ser resolvidos especicando corretamente
a matriz de planejamento.
(b) Determine o valor dos coecientes

(c) Desenhe o grco de
r()
1 ;
em coordenadas polares.
CAPTULO 6.
6.25.
Use o mtodo do ajuste da
para ajustar a
73
AJUSTE DE FUNES
funo logstica
funo exponencial
p(x) =
(dada pela equao 6.11)
1
,
1 + e0 +1 x
ao conjunto de dados a seguir.
x
p(x)
6,2
8,5
9,4
10,1
12,7
13,9
15,8
19,3
0,02
0,05
0,25
0,33
0,69
0,88
0,93
0,99
(a) Determine o valor dos coecientes
1 ;
(b) Desenhe o grco dos nodos e da funo logstica de ajuste.
Captulo 7
Integrao Numrica
7.2 Mtodo de Newton-Cotes simples
Considere a integral denida dada por
O mtodo de Newton -Cotes
integral (7.1) atravs da
Q=
f (x) dx.
(7.1)
a
O problema da
integrao numrica
O problema da integrao
algbrica
x0 = a,
em
e
w0 , w1 , . . . , wn
conhecida em apenas um conjunto discreto de valores.
(7.2)
so os
pesos
...,
[a, b]
xn = a + nh = b
(7.3)
igualmente espaados com
ba
n
da ponderao.
A quantidade de nodos e os respectivos pesos so denidos de acordo
os mtodos de
Newton-Cotes que so indicados para problemas do tipo 1 e o mtodo
splines
no intervalo de integrao
h=
com a
dos
x2 = a + 2h,
termos de funes elementares.
Estudaremos dois mtodos de integrao numrica:
x1 = a + h,
n + 1 nodos
so
mas sua primitiva
de difcil obteno, isto , no conhecida uma expresso para
f (x) dx (b a) [w0 f (x0 ) + w1 f (x1 ) + + wn f (xn )] ,
mais complicado e est
A integrao numrica especialmente indicada quando:
2. A funo
consiste em estimar o valor da
onde
um resultado
alm do escopo destas notas de aula.
1. conhecida uma expresso algbrica para
mdia ponderada
consiste na avaliao de (7.1) por
mtodos numricos. Note que, sendo a integral denida,
numrico.
2 de ordem
que indicado para problemas do tipo 2.
do
ordem do mtodo. A ideia central aproximar a funo de integrao

polinmio interpolador p de grau n. Os pesos w de ordem n so
por um
Roger
Cotes (1682 - 1716), matemtico ingls. Foi o editor da segunda edio
Philosophiae naturalis principia mathematica
de Newton. Trabalhou na teoria dos
logaritmos e nos mtodos de aproximao racional por fraes continuadas. Sua obra
pstuma,
Harmonia mensurarum
de 1722, desenvolve mtodos de interpolao parti-
cularmente teis no estudo da rbita de cometas e mtodos de integrao numrica.

[38].
74
CAPTULO 7.
75
INTEGRAO NUMRICA
determinados de modo que a soma ponderada seja igual a integral
Tabela 7.1:
exata
Pesos das frmulas de Newton-Cotes
do polinmio. A Figura 7.1 mostra os polinmios utilizados nas primeiras

Ordem
4 ordens do mtodo de Newton-Cotes.
w0
w1
w2
w3
1/2
1/2
1/6
4/6
1/6
1/8
3/8
3/8
1/8
7/90
32/90
12/90
32/90
w4
Regra
retngulo
trapzio
a de Simpson3
a
2 de Simpson
7/90
Exemplo 7.1. Determine estimativas para a integral

as ordens 2 e 4 do mtodo de Newton-Cotes.
Soluo:
Para a estimativa de
a = 1,
b = 4,
Boole
R4
1
x dx usando
ordem 2, tem-se
h=
ba
41
=
= 1,5000.
n
2
Os nodos, os valores da funo e os respectivos pesos so:
Figura 7.1:
xi
f (xi )
wi
1,0000
1,0000
0,1667
2,5000
1,5811
0,6667
4,0000
2,0000
0,1667
Thomas Simpson (1710 - 1761) matemtico ingls. Em 1737 publica seu A New
Treatise of Fluxions, um livro didtico de alta qualidade dedicado ao clculo de uxes, a
2
Diferentes ordens da quadratura de Newton-Cotes.
verso newtoniana do clculo innitesimal. O mtodo de integrao numrica conhecido
A Tabela 7.1 mostra os pesos utilizados nas primeiras ordens do mtodo

de Newton-Cotes que, por razes histricas, recebem nomes prprios.
hoje como regra de Simpson, embora aparea em seu livro, devido Newton como o
prprio Simpson reconheceu [38].
3
George
Boole (1815 - 1864) matemtico ingls. Sua contribuio mais famosa (a
lgebra booleana) a incorporao da lgica pela matemtica atravs da lgebra. Boole

tambm trabalhou em equaes diferenciais e clculo das diferenas nitas. A regra de
integrao que leva seu nome aparece em 1860 em seu
Dierences
[38].
Treatise on the Calculus of Finite
CAPTULO 7.
76
INTEGRAO NUMRICA
Assim temos
os nodos
Q2 = (b a)
wi f (xi )
= (4 1)(0,1667 1,0000 + 0,6667 1,5811 + 0,1667 2,0000)
= 4,6623.
Para a estimativa de
a = 1,
h=
ba
41
=
= 0,7500.
n
4
xi
f (xi )
wi
1,0000
1,0000
0,0778
1,7500
1,3229
0,3556
2,5000
1,5811
0,1333
3,2500
1,8028
0,3556
4,0000
2,0000
0,0778
Passo 1:
Inicialmente realizamos a mudana na varivel de integrao
x = a + (b a)t,
com
dx = (b a)dt.
Z
Q=
=
Q
Z
1
"
x dx =
x3/2
3/2
f [a + (b a)t](b a) dt.
(t) = f [a + (b a)t],
Passo 2:
14
= 4,6667,
3
(2 DSE) e erro relativo em
O mtodo que estudaremos, com nodos denidos pelas equaes (7.3),
fechado por incluir os extremos a

b do intervalo de integrao. Existem tambm, variaes que no incluem
os extremos a e b e so ditos abertos. Ainda, existem mtodos em que
denominado mtodo de Newton-Cotes
(t) dt.
[a, b]
e transformada na
[0, 1].
(t) dt w0 (t0 ) + w1 (t1 ) + + wn (tn ),
com
tk =
k
,
n
k = 0, . . . , n.
Em seguida, aproximando-se a funo

de grau
(7.5)
A integral em (7.5) aproximada pela mdia ponderada
#4
Assim a integral original (7.1) no intervalo

integral (7.5) no intervalo
Q2 rel = 9,4050 104

= 3,9233 105 (4 DSE).
o erro relativo em
Z
f (x) dx =
Redenindo
Como o valor exato da integral dado por
rel
wi f (xi )
= 4,6665.
(7.4)
Assim (7.1) pode ser reescrita como
Q = (b a)
0,3556 1,8028 + 0,0778 2,0000)
das ponderaes feita atravs dos
obtemos
= (4 1)(0,0778 1,0000 + 0,3556 1,3229 + 0,1333 1,5811+
Q4
pesos
seguintes passos:
Assim temos
Q4 = (b a)
[1,
7.2.1 Deduo dos pesos de integrao
Os nodos, os valores da funo e os respectivos pesos so:
mtodo de Gauss
so igualmente espaados, como o
De modo geral, a deduo dos
ordem 4, tem-se
b = 4,
no
p. 887] [40, p. 160].
(7.6)
(7.7)
por um polinmio interpolador
n
(t) cn tn + + c1 t + c0 ,
CAPTULO 7.
obtm-se, no lado
77
INTEGRAO NUMRICA
esquerdo
A resoluo do sistema (7.11) para cada ordem
de (7.6),
(cn tn + + c1 t + c0 ) dt
0
Z
Z 1
Z 1
n
t dt + c0
t dt + + c1
= cn
(t) dt =
0
direito
Passo 3:
1 dt
(7.8)
= w0 (cn tn0 + + c1 t0 + c0 ) + + wn (cn tnn + + c1 tn + c0 )
= cn (w0 tn0 + w1 tn1 + + wn tnn ) + + c0 (w0 + w1 + + wn ) .

c0 , c1 , . . . , cn
+ w1
+ w1 t1
+ w1 t21
+ w2
+ w2 t2
+ w2 t22
w1 tn1
w2 tn2
.
.
.
.
.
.
+
+
+
+
(7.9)
+ w2
+ w2 n2
2
+ w2 n2
.
.
.
+ w2

2 n
n
+ wn
=
+ wn t n =
+ wn t2n =
1
1/3
.
.
.
+
=
n
+ wn t n =
(7.10)
.
.
.
1/(n+1)
+
+
+
+
+ wn =
+ wn =
+ wn =
.
.
.
+
=
+ wn =
1
1/2
1/3
.
.
.
C=
1
1
1
0 (1/n)n (2/n)n
.
.
.
.
.
.
.
.
.
.
.
.
n = 2 o sistema linear (7.11) torna-se
w0
1
1 1 1
0 1/2 1 w1 = 1/2 .
1/3
w2
0 1/4 1
que pode ser resolvido com a ajuda do algoritmo SLGauss (p. 37):
>> C = [1 1 1; 0 1/2
>> format rat
>> w = SLGauss(C,d)
w =
1/6
2/3
1/6
ordens distintas
rel
(7.11)
,
w
=
w0
w1
w2
.
.
.
wn
1; 0
,
d
=
1
1/2
1/3
.
.
.
1/(n+1)
1/4
1]; d = [1; 1/2; 1/3];
geral, a diferena relativa entre duas estimativas
com
1
2/n
(2/n)2
, obtenha os
(7.11)
Q utiliza-se, em
Qj calculadas por
Para se obter uma estimativa de erro relativo para
1/(n+1)
Cw = d,
1
1
1/n
0
0 (1/n)2
Para
1/2
que, por sua vez, pode ser escrito na forma matricial
Soluo:
em (7.8) e (7.9) obtm-se
Agora, substituindo (7.7) em (7.10) obtm-se o sistema linear
w0 + w1
+ w1 n1
2
+ w1 n1
n
+ w1 n1
pode ser encontrada em [15].
Exemplo 7.2. A partir do sistema linear dado por

pesos da quadratura de Newton-Cotes de ordem 2.
de (7.6),
Comparando os fatores de
Substituindo (7.7) em (7.4) obtemos os nodos de integrao
Observao: Uma deduo ligeiramente diferente da que zemos acima
w0 (t0 ) + w1 (t1 ) + + wn (tn ) =
w0
w0 t 0
w0 t20
w0 tn0
resulta
(7.3). Os pesos permanecem inalterados.
1
1
= cn
+ + c1 + c0 1,
n+1
2
e, no lado
n = 0, 1, 2, 3, 4,
no conjunto de pesos mostrados na Tabela 7.1.
com
j>i
(em geral, usa-se
Qi
Qi Qj
,
Qj
j = 2i).
Exemplo 7.3. Determine uma estimativa de erro relativo para a integral do Exemplo 7.1.
CAPTULO 7.
Soluo:
78
INTEGRAO NUMRICA
Como
Q2 = 4,6623
Q4 = 4,6665
tem-se
Q2 Q4
Q4
4,6623 4,6665
4,6665
9,0130 104
rel
As duas estimativas compartilham 2 DSE.
7.3 Mtodo de Newton-Cotes composto

O mtodo de Newton-Cotes tal como visto na seo anterior sucientemente
simples
para o clculo manual mas no muito utilizado nas imple-
mentaes computacionais.
Isso ocorre por que, para ordens elevadas, o
polinmio interpolador pode sofrer grandes oscilaes (fenmeno de Runge,
Figura 7.2:
como visto no Captulo 5) que interferem negativamente na preciso das
Quadratura NC composta: 3 composies, ordem 2.
estimativas.
Para corrigir esse problema, no mtodo de Newton-Cotes composto, inicialmente divide-se o intervalo original [a, b] em m subintervalos
(composies) de tamanho
H=
ba
.
m
Em seguida, aplica-se o mtodo de Newton-Cotes

de ordem
Sj .
simples
baixa em cada subintervalo obtendo-se
com uma regra
resultados parciais
O resultado nal obtido, somando-se os resultados parciais:
Qm,n =
m
X
j=1
Sj ,
com
Sj = H
n
X
Exemplo 7.4. Determine uma estimativa Q3,2 para a integral do

Exemplo 7.1 usando m = 3 composies do mtodo de Newton-Cotes
de ordem n = 2.
Soluo:
em
m = 3
vez, esses intervalos so
h = H/n = 1/2 = 0,5000.

Em cada composio
wi f (xi ).
i=0
a = 1 at b = 4 deve ser dividido

41
H = ba
= 1,0000. Por sua
m =
3
subdivididos em n = 2 subintervalos de tamanho
O intervalo original de
intervalos de tamanho
S1 = H
obtemos uma estimativa parcial
Sj
da integral:
wi f (xi )
A Figura 7.2 mostra o esquema para 3 composies de ordem 2.
= 1,0000 (0,1667 1,0000 + 0,6667 1,2247 + 0,1667 1,4142)

= 1,2189
CAPTULO 7.
S2 = H
79
INTEGRAO NUMRICA
7.4 Mtodo de Newton-Cotes adaptvel
wi f (xi )
= 1,0000 (0,1667 1,4142 + 0,6667 1,5851 + 0,1667 1,7321)
= 1,5785
O mtodo de Newton-Cotes composto, visto na seo anterior, bastante
preciso
mas no muito
eciente
(do ponto de vista computacional) pois
realiza a mesma quantidade de avaliaes da funo tanto em partes mais

suaves (sujeitas a menor erro) quanto em partes menos suaves (sujeitas
S3 = H
a maior erro).
wi f (xi )
Uma alternativa mais eciente, denominada de
= 1,0000 (0,1667 1,7321 + 0,6667 1,8708 + 0,1667 2,0000)
Cotes adaptvel, consiste em:
mtodo de Newton-
= 1,8692
(a) Fazer uma estimativa
Q1,2
para a integral no intervalo
uma frmula de baixa ordem (usaremos

A tabela a seguir sistematiza os valores calculados:
j
1
xi
f (xi )
wi
1,0000
1,0000
0,1667
1,5000
1,2247
0,6667
2,0000
1,4142
0,1667
2,0000
1,4142
0,1667
2,5000
1,5851
0,6667
3,0000
1,7321
0,1667
3,0000
1,7321
0,1667
3,5000
1,8708
0,6667
4,0000
2,0000
0,1667
Sj
(b) Subdividir o intervalo original em dois:

timativa composta
Q2,2
[a, b]
usando
n = 2);
[a, c]
[c, b]
e fazer uma es-
usando a frmula de ordem baixa em cada
subintervalo. Veja a Figura 7.3.
1,2189
1,5785
1,8692
A estimativa nal dada pela soma das estimativas parciais:
Q3,2 =
Sj = 1,2189 + 1,5785 + 1,8692 = 4,6666
No Matlab obtemos
2,2203
Q32 = 4.666563053222490 com erro relativo rel =
105 (4 DSE). O mtodo NC composto produz, em geral, me-
lhores estimativas que o mtodo NC simples com a mesma quantidade de

nodos.
A implementao do mtodo de Newton-Cotes composto no
muito complicada e deixada como exerccio (Veja o Problema 7.12).
Figura 7.3:
Determinao de
adaptvel (ordem 2).
Q1,2
Q2,2
no mtodo de Newton-Cotes
CAPTULO 7.
80
INTEGRAO NUMRICA
Algoritmo 18 QuadNCAdapt
entrada : f, a, b, tol, kmax
sada : Q, rel , k
Inicializao
1:
2:
3:
4:
5:
6:
7:
k 0
c (a + b)/2
fa f (a)
fc f (c)
fb f (b)
Algoritmo 19 QuadRec
entrada : f, a, c, b, fa , fc , fb , k, tol, kmax
sada : Q, rel , k
Inicializao
Chamada inicial da funo recursiva

[Q, rel , k] QuadRec(f, a, c, b, fa , fc , fb , k, tol, kmax )
m
1:
2:
3:
4:
(c) Se a diferena relativa entre
Q1,2
Q2,2
sucientemente pequena, o
mtodo termina. Caso contrrio, o mtodo reaplicado

aos subintervalos
Os algoritmos
[a, c]
recursivamente
[c, b].
6:
QuadNCAdapt
QuadRec
sistematizam o mtodo.
A Figura 7.4 mostra como se distribuem os pontos de avaliao de uma

funo no mtodo de Newton-Cotes adaptvel.
menos
suaves da funo o algoritmo utiliza
Observe que nas regies
mais
a partir de
Q1,2
Q2,2 ,
QuadRec
Q1,2
Q2,2
feita uma estimativa para
so estimativas para
usando,
respectivamente, 1 e 2 composies de ordem 2 (regra de Simpson) ento
Q2,2 Q Q1,2 .
Q
16
5
Werner
(7.12)
9:
nazista e da guerra na europa, teve que migrar por pases da europa diversas vezes:
Ucrnia (1934), Checoslovquia (1937), Noruega (1938), Sucia (1940), novamente Noruega (1947) e nalmente retorna a Alemanha (1968). Em 1955 publica seu
Vereinfachte
contendo o mtodo de integrao numrica que leva seu nome.
Embora tenha se graduado em fsica, reconhecido por suas contribuies matemtica

aplicada, aos mtodos numricos e computao digital. [38].
11:
12:
13:
14:
15:
16:
Romberg (1909 - 2003) fsico e matemtico alemo. Por conta do regime
Numerische Integration
8:
10:
denominada extrapolao de Romberg . Pode-se
mostrar [30, p. 362] que se
7:
pontos de avaliao da
funo.
No passo 10 do algoritmo
5:
17:
k k + 1
d (a + c)/2
e (c + b)/2
fd f (d)
fe f (e)
Estimativas
ba
(fa + 4fc + fb )
6
ba
(fa + 4fd + 2fc + 4fe + fb )
Q2,2
12
rel ErroRel(Q1,2 , Q2,2 )
se (|rel | tol e k 3) ou k kmax
Q1,2
Retorno
Q Q2,2 + (Q2,2 Q1,2 )/15
seno
Recurso
[QE , rel E , kE ] QuadRec(f, a, d, c, fa , fd , fc , k, tol, kmax )

[QD , rel D , kD ] QuadRec(f, c, e, b, fc , fe , fb , k, tol, kmax )
Q QE + QD
rel E QE + rel D QD
rel
QE + QD
k max(kE , kD )
m
CAPTULO 7.
81
INTEGRAO NUMRICA
Isolando
na expresso acima, obtemos
Problema 7.13).
Q2,2 + (Q2,2 Q1,2 )/15

Q
No passo 14, a estimativa de integral

pela soma da parcela da esquerda
QE
(Ver
sobre todo o intervalo feita
e da direita
QD .
No passo 15, estima-
se o erro relativo total pela mdia ponderada dos erros relativos em cada
parcela (Ver Problema 2.26).
Usando o Matlab
o comando
quad.
Para determinar o valor de uma integral denida usar
>> format long

>> f = @(x) sqrt(x);
>> a = 1;
>> b = 4;
>> Q = quad(f, a, b)
Q = 4.666666648763247
Este recurso utiliza, basicamente, o mtodo de Newton Cotes adaptvel que
descrevemos com uma tolerncia na ordem de
106 .
A implementao toma
algumas salva-guardas contra singularidades [21].
7.5 Mtodo do Spline Cbico

Nos mtodos de Newton-Cotes vistos at agora, a integral denida (7.1)
estimada a partir da integrao de uma
Figura 7.4:
vel.
Pontos de avaliao de
no mtodo de Newton-Cotes adapt-
funo interpoladora
polinomial ou
f . A ideia bsica do mtodo

do spline cbico, interpolar f , a partir dos nodos dados, por um spline
polinomial por partes da funo integranda
cbico (como visto na seo 5.4) e estimar o valor de sua integral denida.
Se o intervalo
[a, b]
particionado por
nodos tais que
a = x1 < x2 < . . . < xn = b
CAPTULO 7.
e o spline
S(x)
82
INTEGRAO NUMRICA
Algoritmo 20 QuadSpline3
entrada : x, y
sada : Q
Matriz de coecientes do spline
1:
C CoefSpline3(x, y)
Estimativa para Q
dado por (5.8) e (5.9) ento temos
Q=
f (x) dx
a
S(x) dx
a
n1
X Z xk+1
k=1 xk
n1
X Z xk+1
k=1
xk
2:
sk (x) dx
3:
4:

ak (x xk )3 + bk (x xk )2 + ck (x xk ) + dk dx
5:
(7.13)
6:
7:
n tamanho de x
Q 0
para k 1 : n 1
h xk+1
xk
Ck,3
2
ak 4 bk 3 ck 2
h + hk + hk + dk hk
4 k
3
2
Ck,1
4 h
Q Q +
m
Ck,2
3
h+

h + Ck,4 h
A resoluo da integral (7.13) no complicada (veja Problema 7.21).

Fazendo
hk = xk+1 xk
o tamanho do
k -simo
subintervalo obtemos a
frmula da quadratura pelo mtodo dos splines:
Q=
n1
X
k=1
ak 4 bk 3 ck 2
h + hk + hk + dk hk
4 k
3
2
partir de (7.14):
Q=

(7.14)
Exemplo 7.5. Reconsidere o Exemplo 5.1. Determine a integral denida de f no intervalo de 0 a 6 a partir dos nodos dados aplicando o
mtodo dos splines cbicos.
n1
X
k=1
0,2209 4 0,0000 3 1,5209 2

1 +
1 +
1 + 1,0000 1 +
4
3
2
0,1218 4 0,6627 3 0,8582 2
3 +
3 +
3 + 2,3000 3 +
4
3
2
0,0723 4 0,4338 3 0,1716 2
2 +
2 +
2 + 2,2000 2
4
3
2
= 1,7052 + 7,2650 + 5,6108
=
= 14,5810
Soluo:
Os coecientes do spline cbico interpolador j foram determi-
nados no Exemplo 5.3, portanto necessitamos apenas calcular a integral a
Para efeito de comparao, integrando o polinmio interpolador em

(5.4), obtm-se
Qp = 14.3400.
estimativa para o erro relativo:

O algoritmo
splines cbicos.
A diferena relativa desses valores uma
rel 0,0165
(1 DSE).
QuadSpline3 implementa a quadratura pelo mtodo dos

Observe que na linha 6 a frmula est com o termo
fatorado como na forma de Horner, o que diminui o nmero de operaes

aritmticas.
CAPTULO 7.
83
INTEGRAO NUMRICA
7.6 Problemas
Newton-Cotes simples
R1
7.2.
Re
7.3.
7.4.
R1
7.5.
ex dx.
1
1 x
0
Estude cuidadosamente o mtodo de Newton-Cotes composto e imple-
f,
uma
para as frmulas de ordem

a integral.
para
Sugesto: utilize o programa implementado no Problema 7.7.
7.13.
Considere a integral dada no Problema 7.1.
da integral.
(x + 1)2 (x 1)2 dx.
estimativas para a integral usando

de Newton-Cotes de ordem 2 (regra
(c) Verique se a relao (7.12) satisfeita, isto , verique se
Resolva o sistema linear (7.11) para encontrar os pesos da quadratura
tm =
n = 4.
n = 10.
Use
format long
para
para visualizar os resultados.
Estude cuidadosamente o mtodo de Newton-Cotes simples e implemente
7.14.
Qm,2
Q
16,
Q2m,2
Q
m = 1, 2, 4.
Devido a sua estrutura simtrica, pode-se obter frmulas fechadas para
o mtodo de Newton-Cotes composto. Mostre que a frmula
(= 1, 2, 3, ou 4) e retorna uma
m1
X
1
fi
= h (f0 + fm ) +
2
i=1
"
Qm,1
para a integral. Para vericar a correo da implementao, refaa
o Exemplo 7.1.
com
Newton-Cotes composto
Para as integrais dadas nos Problemas 7.8 a 7.11 a seguir: (a) Determine Q6,1 ,
uma estimativa para a integral usando m = 6 composies do mtodo de NewtonCotes de ordem n = 1; (b) Determine Q3,2 , uma estimativa para a integral usando
m = 3 composies do mtodo de Newton-Cotes de ordem n = 2 [Repare que os
nodos so os mesmos, os pesos que mudam]; (c) Determine a diferena relativa
entre Q6,1 e Q3,2 .
7.8.
Integral do Problema 7.1.
7.9.
Q1,2 , Q2,2 , Q4,2 e Q8,2 ,

m = 1, 2, 4, 8 composies do mtodo
do intervalo de integrao e a ordem
7.10.
de composies
(= 1, 2, 3, ou 4) e retorna uma estimativa
de Simpson).
estimativa
que recebe uma funo
do intervalo de integrao, o nmero
(b) Determine
function [Q] = QuadNC(f, a, b, n) que recebe uma funo f , os extremos
function Q = QuadNCComp(f, a, b, m, n)
os extremos
Resolva o sistema linear (7.11) para encontrar os pesos da quadratura de
7.7.
e
7.12.
sen(x) dx.
Newton-Cotes de ordem
(a) Determine o valor exato
dx.
de Newton-Cotes de ordem
7.6.
mente uma
Para as integrais dadas nos Problemas 7.1 a 7.4 a seguir (a) Aplique as frmulas
de Newton-Cotes de ordem 1, 2, 3 e 4 para estimar as integrais, (b) Determine
o valor exato de cada integral (resolva analiticamente) e (c) Determine o erro
relativo de cada estimativa feita no item (a).
7.1.
7.11.
fi = f (xi ),
equivalente a
xi = a + ih,
(i = 0, . . . , m),
h=
ba
m
composies de ordem 1.
Newton-Cotes adaptvel
7.15.
Implemente os algoritmo QuadNCAdapt e QuadRec na sua lingua-
gem preferida. Para vericar a correo da implementao, compare as aproximaes obtidas com os valores exatos das integrais dos Problemas 7.1 a 7.4.
As integrais dadas nos Problemas 7.16 a 7.19 a seguir no podem ser resolvidas analiticamente. Use o mtodo de Newton-Cotes adaptvel para estimar o
valor das integrais com tol = 0,5 1012 e kmax = 15.
CAPTULO 7.
7.16.
84
INTEGRAO NUMRICA
y = sen(t) no intervalo
Z p
L=
1 + cos2 (t) dt.
Comprimento da curva
de 0 a
7.17.
Funo Erro. Use
x = 1:
2
Erf(x) =
7.18.
et dt.
a espcie. Use
Integral elptica completa de 1
/2
K(k) =
0
7.19.
k = 0,5:
Sortidos
1
p
dt.
1 k 2 sen2 (t)
7.24.
6
Integral de Fresnel . Use
x = 1:
Z x

C(x) =
cos
t2 dt.
2
0
de
.
.
(b) Usando os mesmos conjuntos de nodos, encontre estimativas usando o mtodo

dos
Reconsidere Problema 5.14. Com os
splines
obtidos, estime a integral
splines ;
(c) Determine a diferena relativa entre cada par de estimativas.
7.25.
A cobertura parablica do hangar de dirigveis de Orly, Frana, foi um
audacioso projeto de engenharia em concreto pr-tensionado para a sua poca

Faa a integrao indicada na equao (7.13) e obtenha a equao
(7.14).
7.22.
so equivalentes. Para
ples com ordens 1, 2, 3, e 4;
no intervalo dado.
7.21.
no
(a) Encontre estimativas para a integral usando o mtodo de Newton-Cotes sim-
Splines
7.20.
Os mtodos de Newton-Cotes simples e splines
vericar isso, considere a integral do Problema 7.1:
(1923). Destrudo na 2
a guerra mundial, possua cerca 90 m de largura, 60 m de
altura e 175 m de comprimento.
Implemente o algoritmo QuadSpline3 na sua linguagem preferida.
(a) Mostre que o arco parablico pode ser descrito por
7.23.

4x2
f (x) = H 1 2 .
L
A gura a seguir mostra o uxo de veculos na rodovia BR-101 na vspera
de ano novo de 2009 [41]. O uxo, medido de hora em hora, dado em veculos
por minuto.
Use a quadratura por
splines
para estimar a
quantidade total
de
veculos que trafegaram no perodo de 24 horas do dia 30 de dezembro. Ateno:

informao que no consta na gura:
26 veculos/min s 24 h.
Augustin-Jean
Cuidado com as
do arco parablico resolvendo
L/2
S=
unidades de medida.
6
(b) Determine o comprimento
Fresnel (1788 - 1827), engenheiro e fsico francs.
Suas mais
importantes contribuies esto no estudo do comportamento ondulatrio da luz, tanto

de forma experimental quanto terica. As
integrais de Fresnel
campo distante em fenmenos de difrao ptica [54].
surgem da descrio do
L/2
1 + [f 0 (x)] dx.
CAPTULO 7.
85
INTEGRAO NUMRICA
y
H
L2
7.26.
L
2
O maior dos tanques cilndricos, mostrados na gura a seguir, tem dimetro
D = 1,5 m,
comprimento
C = 4m
com lquido at a altura
h = 1,2 m.
D
h
O volume de lquido dado pela integral
Z
V (h) = 2C
0
p
x(D x) dx.
(a) Determine uma estimativa numrica para o volume de lquido no tanque.

(b) Determine o erro relativo entre o resultado numrico obtido acima e o resultado exato obtido por

V (h) = C

D2
D p
D2
2h
+ h
h(D h)
arcsin 1
.
8
2
4
D
Captulo 8
Equaes Diferenciais Ordinrias

Se o mtodo de resoluo utiliza nodos igualmente espaados (ti+1

dizemos que ele de
Equaes
diferenciais
u0 , u00 , . . . , u(k) .
combinam uma funo incgnita
passo xo.
ordinria.
denidas em um intervalo
u e suas derivadas:
ordem
de uma equao diferencial dada
8.2 Mtodo de Euler
Rn e restritas a condies de contorno (ou
1 toma por base a expanso de
O mtodo de Euler
iniciais) nas bordas do intervalo. Resolver uma equao diferencial, implica

determinar a funo incgnita
u que satisfaz a equao e suas condies de

u(t + h) = u(t) + u0 (t)h +
contorno. Existem inmeras maneiras de construir equaes diferenciais e

as tcnicas de resoluo dependem da classicao da equao [7].
Problema de Valor Inicial (PVI), se constitui em uma equao
diferencial ordinria cuja soluo
u(t) est denida em um intervalo fechado
0
u = F (t, u)
atb
u(a) = ua ,
Trocando
funo incgnita a
A resoluo
u(ti )
por
ti
(intervalo)
(8.1)
u0 (t)
por
F (ti , ui )
temos
u(ti + h) u(ti ) + F (ti , ui )h.
(valor inicial)
1
u00 (t)h2
u(k) ()hk
+ +
.
2!
k!
u(t + h) u(t) + u0 (t)h.
(equao diferencial)
0
determina a derivada u em termos de
u em sua srie de Taylor:
Truncando a srie a partir do segundo termo, obtm-se a aproximao
e restrita a assumir um valor especicado no incio do intervalo:
onde a funo
Nesse
Se a funo incgnita dependente de apenas uma varivel,
a equao dita
[a, b]
= ti +h),
passo varivel.
captulo, nos ocuparemos de alguns mtodos de passo xo.
por sua derivada de mais alta ordem. As equaes diferenciais podem ser
Um
Caso contrrio de
e de da prpria
Leonhard Euler (1707 - 1783), matemtico suo, fez inmeras contribuies para
a matemtica e fsica, incluindo geometria analtica, trigonometria, geometria, clculo

e teoria dos nmeros. A produo cientca de Euler surpreendente: por 50 anos aps
u.
numrica
a sua morte, a Academia de Cincias de So Petersburgo ainda publicava seus artigos
de um PVI consiste em determinar os valores de
para um conjunto de nodos
ti
em
f (x) para funes, e para a base dos

para a razo entre a circunferncia
2
somatrio, y, y, . . . para diferenas nitas e
inditos. Devemos a Euler algumas notaes como
[a, b]:
logaritmos naturais,
para a unidade imaginria,
e o dimetro de um crculo,
muitas outras [38].
a = t1 < t2 < . . . < tn = b.
86
para o
CAPTULO 8.
87
EQUAES DIFERENCIAIS ORDINRIAS
Assim obtemos as frmulas recursivas:
ti+1 = ti + h
ui+1 = ui + F (ti , ui )h.
Exemplo 8.1. Use o mtodo de Euler para resolver o PVI

0
u = 1 + t 2u
0t1
,
u(0) = 1
com passo h = 0,2.
Soluo:
Das condies iniciais temos
t1 = 0;
Das frmulas recursivas, temos
u1 = 1.
F (ti , ui ) = 1 + ti 2ui .
E, assim:
Figura 8.1:
t2 = t1 + h = 0 + 0,2 = 0,2
u2 = u1 + F (t1 , u1 )h
Algoritmo 21 EDOEuler
entrada : F, a, b, ua , h
sada : t, u
Inicializao
= 1 + F (0, 1) 0,2
= 1 1 0,2
= 0,8
A tabela a seguir mostra os valores obtidos para os pontos seguintes.
ti
ui
F (ti , ui )
0,0000
1,0000
-1,0000
0,2000
0,8000
-0,4000
0,4000
0,7200
-0,0400
0,6000
0,7120
0,1760
0,8000
0,7472
0,3056
1,0000
0,8083
1:
2:
3:
4:
5:
6:
7:
8:
9:
A Figura 8.1 mostra os valores calculados.
10:
11:
O algoritmo
EDOEuler
Soluo do PVI com o mtodo de Euler (h
12:
sistematiza o mtodo de Euler.
n b1 + (b a)/hc
t Zeros(n, 1)
u Zeros(n, 1)
i 1
ti a
ui ua
Determinao de u(t)
enquanto ti < b
k F (ti , ui )
ti+1 ti + h
ui+1 ui + kh
i i + 1
m
= 0,2).
CAPTULO 8.
88
Anlise de erro
A soluo exata (analtica) do PVI dado no Exemplo 8.1
u
(t) =

1
3e2t + 2t + 1 ,
4
(8.2)
ui calculados
exatos u
i e os erros
(veja o Problema 8.1). A tabela a seguir mostra os valores

pelo mtodo de Euler com passo
h = 0,2,
os valores
=uu
.
i
ui
u
i
1,0000
1,0000
0,0000
0,8000
0,8527
-0,0527
0,7200
0,7870
-0,0670
0,7120
0,7759
-0,0639
0,7472
0,8014
-0,0542
0,8083
0,8515
-0,0432
Figura 8.2:
O erro mximo cometido max = 0,0670. Pode-se mostrar [8] que

max = O(h), isto , o erro proporcional ao tamanho do passo. Para
h = 0,1 obtemos max = 0,0301 e para h = 0,05 temos max = 0,0144.
A Figura 8.2 mostra as estimativas de soluo para o PVI do Exemplo 8.1 com
h = 0,2, h = 0,1
h = 0,01.
Mostra tambm a soluo exata
dada por (8.1).
F0
F 00
proporcional ao passo
h.
so dadas por
F (t,u) +
F (t,u) u0 ,
t
u
0
F 00 (t,u) = F 0 (t,u) +
F (t,u) u0 .
t
u
F 0 (t,u) =
No entanto, exige a determinao das derivadas de ordem superior de
em sua srie de Taylor
truncada a partir do segundo termo. Pode-se obter extenses do mtodo,

truncando a srie em termos de ordem superior. Por exemplo, truncando
(8.1) a partir do quarto termo obtemos:
ui+1 = ui + F (ti ,ui )h + F 0 (ti ,ui )
Observe que as derivadas
Com esse mtodo se obtm boas aproximaes (veja Problema 8.17).
Mtodos com base na srie de Taylor

O mtodo de Euler toma por base a expanso de
No mtodo de Euler, o erro
h3
h2
+ F 00 (ti ,ui ) .
2!
3!
(8.3)
o que nem sempre vivel.
F,
CAPTULO 8.
89
8.3 Mtodo de Runge-Kutta

2
O mtodo de Runge -Kutta
3 pode ser visto como um desenvolvimento do
mtodo de Euler. Se a funo
(a, b)
u(t) for contnua e diferencivel no intervalo
ento a equao diferencial
u0 (t) = F (t, u)
[ti , ti+1 ]
que pode ser integrada no intervalo
ti+1
com
ti+1
F (s, u(s)) ds.
u (s) ds =
ti
ti
obtendo
ti+1
Figura 8.3:
F (, u( )) d
ui+1 = ui +
= ui + Qi .
ui+1 devemos estimar o valor da

u(s) nem F (s, u(s)). Veja a Figura 8.3.
Uma forma de estimar a integral em (8.4), o
integral
Qi ,
j que no se
calculada no
incio
mtodo de Euler, fazer
e no
David Tolm Runge (1856 1927) fsico-matemtico alemo. Desenvolveu
o seu mtodo numrico para a resoluo das equaes diferenciais que surgem do estudo de espectros atmicos. Seu trabalho seminal
ber emperische
functionen und die interpolation zwischen quidistanten ordinaten de 1901.
Runge sem-
pre foi atltico e ativo, na festa de aniversrio de 70 anos divertiu seu netos e amigos
plantando bananeira [38, 31, 20].
Martin
ramento,
Wilhelm Kutta (1867 - 1944) engenheiro alemo.
Sua tese de douto-
Beitrge zur nherungsweisen Integration totaler Dierentialgleichungen

a
1900, contm o desenvolvimento at a ordem 5

Kutta [38, 9].
regra do
[ti , ti+1 ]:
ui+1 = ui + 12 (k1 + k2 )h
que d origem ao mtodo de
O(h2 ).
de
do hoje denominados mtodos de Runge-
k1
F em ti+1 .
Observe que
estimativa
ber die numerisehe Autising yon
foi escrito em 1895. O problema da oscilao do polinmio in-
terpolador nos extremos de um intervalo (Cap. 5) foi descrito em seu
do intervalo
k2 = F (ti + h, ui + k1 h)
regra do retngulo do mtodo de NewtonCotes (como visto no Captulo 7) com o nodo no incio do intervalo [ti , ti+1 ].
Dierentialgleichungen
m
k1 = F (ti , ui )
que nada mais do que aplicar a
Carle
pode ser estimado por uma adaptao
Um modo engenhoso de melhorar essa estimativa usar a
trapzio
Qi F (ti ,ui )h,
Qi
(8.4)
Para encontrar
conhece
O valor da integral
do mtodo de Newton-Cotes.
ti
para
Runge-Kutta de ordem 2, pois max =

exato de F no em ti mas k2 uma
o valor
Outra forma de estimar a integral em (8.4) dada por uma adaptao
da
1a regra de Simpson :
k1 = F (ti , ui )
k2 = F (ti + h2 , ui + k1 h2 )
k3 = F (ti + h2 , ui + k2 h2 )
k4 = F (ti + h, ui + k3 h)
ui+1 = ui + 16 (k1 + 2k2 + 2k3 + k4 ) h
CAPTULO 8.
que d origem ao mtodo de
O(h4 ).
k2 e k3
Observe que
so
90
k1
estimativas
Runge-Kutta de ordem 4, pois max =

exato de F no incio do intervalo [ti , ti +h],
Das frmulas recursivas, temos
o valor
para
no meio do intervalo e
k4
para
E, assim:
t2 = t1 + h = 0 + 0,2 = 0,2
no m do
k1 = F (ti , ui ) = F (0, 1) = 1,0000
intervalo.
k2 = F (ti + h2 , ui + k1 h2 ) = F (0,1; 0,9) = 0.7000
A Figura 8.4 mostra, esquematicamente, os pontos de avaliao de
k = F (t,u)
F (ti , ui ) = 1 + ti 2ui .
k3 = F (ti + h2 , ui + k2 h2 ) = F (0,1; 0,93) = 0,7600
nos mtodos de Runge-Kutta de ordem 2 e 4.
k4 = F (ti + h, ui + k3 h) = F (0,2; 0,8480) = 0,4960

k=
1
6
(k1 + 2k2 + 2k3 + k4 ) = 0,7360
ui+1 = ui + kh = 1 0,7360 0,2 = 0,8528

A tabela a seguir mostra os valores obtidos para os pontos seguintes.
Figura 8.4:
Pontos de avaliao de
F (t,u)
nos mtodos de Runge-Kutta de
ti
ui
k1
k2
k3
k4
0,0
1,0000
-1,0000
-0,7000
-0,7600
-0,4960
-0,7360
0,2
0,8528
-0,5056
-0,3045
-0,3447
-0,1677
-0,3286
0.4
0.7871
-0.1742
-0.0393
-0.0663
0.0524
-0.0555
0.6
0.7760
0.0480
0.1384
0.1204
0.1999
0.1276
0.8
0.8015
0.1970
0.2576
0.2455
0.2988
0.2503
1,0
0.8516
ordem 2 e 4.
A Figura 8.5 mostra os valores calculados usando o mtodo de Euler e
Exemplo 8.2. Use o mtodo de Runge-Kutta de 4a ordem para resolver o PVI dado no Exemplo 8.1 com passo h = 0,2.
Soluo:
Das condies iniciais temos
t1 = 0;
u1 = 1.
o mtodo de Runge-Kutta de ordem 4.
O algoritmo
EDORK4
sistematiza o mtodo de Runge-Kutta 4.
Anlise de erro
a ordem no
O erro mximo cometido pelo mtodo de Runge-Kutta de 4
max = 8,0842
105 . Pode-se mostrar que
max = O(h ),
a
isto , o erro proporcional a 4 potncia do tamanho do passo, o que
Exemplo 8.2
h = 0,1
= 4,3477106 e para h = 0,05 temos max = 2,4993107 . Na
garante um DSE a mais cada vez que se divide o passo por 2: Para
temos max
ausncia da resposta exata, uma maneira usual de avaliar o erro cometido

comparar os valores obtidos para dois tamanhos de passo (h e
h/2).
CAPTULO 8.
91
Algoritmo 22 EDORK4
entrada : F, a, b, ua , h
sada : t, u
Inicializao
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
Figura 8.5:
(h
= 0,2).
Solues do PVI com o mtodo de Euler e Runge-Kutta 4
14:
15:
16:
n 1 + (b a)/h
t Zeros(n, 1)
u Zeros(n, 1)
i 1
ti a
ui ua
Determinao de u(t)
enquanto ti < b
k1 F (ti , ui )
k2 F (ti + h2 , ui + k1 h2 )
k3 F (ti + h2 , ui + k2 h2 )
k4 F (ti + h, ui + k3 h)
k 16 (k1 + 2(k2 + k3 ) + k4 )
ti+1 ti + h
ui+1 ui + kh
i i + 1
m
CAPTULO 8.
Usando o Matlab
o comando
92
ode45.
Para determinar a soluo de um PVI podemos usar
Usando o Matlab
Sendo
um vetor de duas componentes, pode-se
denir uma funo vetorial com
>> F = @(t,u) 1 + t - 2*u

F =
@(t,u)1+t-2*u
>> a = 0; b = 1; ua = 1;
>> [t, u] = ode45(F, [a b], ua)
t =
0 0.0250 0.0500 ...
u = 1.0000 0.9759 0.9536 ...
>> F = @(t, u) [2*u(1) - u(2), t - (u(2))^2]
0.9500
0.8372
0.9750
0.8442
Este recurso utiliza o mtodo de Runge-Kutta de ordem 4.
1.0000
0.8515
Exemplo 8.3. Use o mtodo de Runge-Kutta de 4a ordem para resolver o PVI acoplado dado a seguir com h = 0,2.
u01 = 2u1 u2
u02 = t u22
Com a ajuda de
um mtodo de Runge-Kutta de ordem 5, o algoritmo consegue, a cada passo,

estimar o erro cometido. O tamanho do passo pode ser reduzido ou aumentado
comparando o erro estimado com uma tolerncia dada. Esse tipo de mtodo
dito de passo varivel
no intervalo 0 t 1 com as condies iniciais

u1 (0) = 1,
PVI acoplados e de segunda ordem

Um conjunto de funes
u1 (t), u2 (t), . . . , um (t)
Soluo:
que devem satisfazer
A tabela a seguir mostra os valores obtidos para os pontos
seguintes.
0
u = F1 (t, u1 , u2 , . . . , um )
10
u2 = F2 (t, u1 , u2 , . . . , um )
0
um = Fn (t, u1 , u2 , . . . , um )
todas no intervalo
atb
u1 (a) = u1a ,
dito um PVI
com as condies iniciais
u2 (a) = u2a ,
...,
um (a) = uma ,
acoplado com m equaes diferencias e condies iniciais.

vetorialmente como
O sistema pode ser descrito
0
u = F(t, u)
atb
u(a) = ua ,
0
onde u, u e
ua
so vetores de
componentes.
Do ponto de vista computacional, os mtodos de Euler e Runge-Kutta

continuam vlidos e os algoritmos so facilmente adaptados para receber
entradas
vetoriais.
u2 (0) = 2.
u(i)
ti
0.0
[1.0000
2.0000]
[0.3630
-2.7744]
0.2
[1.0726
1.4451]
[1.0376
-1.3761]
0.4
[1.2801
1.1699]
[1.7993
-0.6941]
0.6
[1.6400
1.0311]
[2.8048
-0.2932]
0.8
[2.2009
0.9724]
[4.2240
-0.0324]
1.0
[3.0457
0.9660]
A Figura 8.6 mostra os valores calculados usando o mtodo de Euler e

o mtodo de Runge-Kutta de ordem 4.
Um PVI de
segunda ordem descrito por

00
u = F (t, u, u0 )
atb
.
u(a) = ua
0
u (a) = va
CAPTULO 8.
93
Soluo:
Fazendo a transformao
v = u0
obtemos:
0
u =v
v 0 = u
0 t 2 .
u(0) = 0
v(0) = 1
A resoluo numrica do problema ca como exerccio (Veja o Problema 8.25).
8.4 Problemas
Mtodo de Euler
Figura 8.6:
Solues do PVI acoplado Runge-Kutta 4 (h
= 0,2).
Uma tcnica de resoluo consiste em reescrev-los como PVI acoplados

de primeira ordem, mediante a transformao
v = u0 :
0
u =v
v 0 = F (t, u, v)
atb
,
u(a) = ua
v(a) = u0 (a) = va
Exemplo 8.4. Reescreva o PVI de segunda ordem

00
u = u
0 t 2
u(0) = 0
0
u (0) = 1
como um PVI acoplado.
Nos Problemas 8.1 a 8.4 a seguir so dados um PVI e sua soluo exata (analtica). (a) Use o mtodo de Euler para estimar u(t) com o passo sugerido. Faa
uma tabela contendo os valores de i, ti , ui e k. (b) Desenhe os pontos (ti , ui ) calculados juntamente com a soluo exata. (c) Determine o maior erro cometido.
8.1.
Soluo exata:
8.2.
Soluo exata:
8.3.
Soluo exata:
0
u = u
0t1 ,
u(0) = 1
u
(t) = et .
Use passo
h = 0,2
0
u = 1 u/t
1t3
,
u(0) = 5/2
u
(t) = t/2 + 2/t.
Use passo
h = 0,5
0
u = 3u + 6t + 5
0t1
,
u(0) = 3
u
(t) = 2e3t + 2t + 1.
Use passo
h = 0,2
CAPTULO 8.
8.4.
8.5.
Sortidos
0
u = t2 (5 u)
0t2
,
u(0) = 0
Soluo exata:
94
u
(t) = 5 5et
/3
. Use passo
8.16.
Verique que a soluo do PVI dado no Exemplo 8.1 , de fato, a funo
mostrada na equao (8.2).
h = 0,25
8.17.
Implemente o algoritmo EDOEuler na sua linguagem preferida. Para
vericar a correo da implementao, compare os resultados obtidos com o
Reconsidere o PVI dado no Exemplo 8.1.
(a) (a) Mostre que
Exemplo 8.1.
Considere os PVI dados nos Problemas 8.6 a 8.9 a seguir. (a) Use o mtodo
de Euler para estimar u(t). Desenhe os pontos (ti , ui ) calculados juntamente com
a soluo exata. (b) Determine o maior erro cometido.
8.6. PVI dado no Problema 8.1. Use passo h = 0,01.

8.10. O mtodo de Euler pode ser bastante instvel,
F 0 (t,u) = 1 2t + 4u,
F 00 (t,u) = 2 + 4t 8u.
(b) Modique o algoritmo EDOEuler para obter um mtodo com base na srie
de Taylor dada por (8.3), isto , reescreva o algoritmo de modo que ele receba
como entradas tanto
F (t, u)
h = 0.1, . . . , 0.5
8.18.
F 00 (t,u).
Resolva o PVI dado
Em uma populao
sucientemente grande, seja
a quantidade de pes-
soas que conhecem um boato. A velocidade de espalhamento do boato (difuso

especialmente para pro-
social) pode ser modelada por
du
= k u(n u),
dt
na soluo do PVI
0
u = 5u
0t5 ,
u(0) = 5
cuja soluo exata
F 0 (t,u)
no Exemplo 8.1 e compare os resultados com a soluo exata dada por (8.2).
blemas envolvendo equaes com efeito de amortecimento abrupto. Verique o

efeito dos passos
quanto
isto , a velocidade proporcional ao nmero de pessoas que conhecem o boato
t seja
k = 1/1000 e 2 pessoas do incio a um boato no momento t = 0
populao de n = 1000 pessoas. Determine em quantos dias o boato
multiplicado pelo nmero de pessoas que no o conhecem. Suponha que

medido em dias,
u
(t) = 5e5t .
em uma
atinge 800 pessoas.
Mtodo de Runge-Kutta
8.11.
8.19.
Implemente o algoritmo EDORK4 na sua linguagem preferida. Para ve-
ricar a correo da implementao, compare os resultados obtidos com o Exemplo 8.2.
Considere os PVI dados nos Problemas 8.12 a 8.15 a seguir. (a) Use o
mtodo de Runge-Kutta para estimar u(t). Desenhe os pontos (ti , ui ) calculados
juntamente com a soluo exata. (c) Determine o maior erro cometido.
8.12.
8.13.
8.14.
8.15.
PVI dado no Problema 8.1. Use passo
h = 0,01.
h = 0,02.
h = 0,05.
h = 0,10.
Pirlise um processo qumico no qual um composto (slido ou lquido)
volatilizado sob altas temperaturas e ausncia de oxignio. Se
a frao de
material volatilizado, a taxa de transformao em funo da temperatura
do
reator pode ser modelada por

A
E
d
= exp
(1 ),
dT
RT
a taxa de aquecimento do reator, E a
R a constante universal dos gases [27]. Em
1
um experimento, determinou-se que A = 0,005 min
, E = 0,530 J/mol, R =
J
K
8,314 /molK, = 0,300 /min. Resolva o PVI com 300 T 500 K. Desenhe o
grco de T e determine a que temperatura 0,90.
onde
o fator pr-exponencial,
energia de ativao do processo,
CAPTULO 8.
8.20.
A funo erro
Erf(x)
(como no Problema 7.17).

diferencial
geralmente
denida
a partir da sua forma integral
No entanto, pode ser denida a partir da equao
2
2
d
Erf(x) = ex ,
dx
Compare o resultado com a funo
erf
u(t)
A amplitude
(em radianos) de um pndulo (ideal) pode ser modelada
pelo PVI de segunda ordem
= sen()
0t
,
(0) = 0

(0) = v0
Erf(x)
no intervalo
0 x 2.
do Matlab. (adaptado de [34])
Reconsidere o PVI dado no Problema 8.4. Desenhe em uma mesma gura,
os grcos de
8.26.
Erf(0) = 0.
Resolva o PVI acima para desenhar o grco de
8.21.
95
para os seguintes valores iniciais:
ua = 0, 1, 2, 3, 4, 5, 6.
O que
onde
o comprimento do pndulo e
a acelerao gravitacional. Se a ampli-
tude de oscilao pequena, o perodo dado por
T = 2
L/g .
essa familia de solues tem em comum?
8.22.
(a) Fixe
Reconsidere o PVI dado no Problema 8.3.
(a) Determine o erro mximo
h = 0,08; 0,04; 0,02; 0,01.
max
cometido pelo mtodo de Euler usando
Verique que o erro proporcional a
h:
aproxi-
2.
que o erro proporcional a

por 2 o erro dividido por
sejam
h4 : aproximadamente,
24 = 16.
Verique
quando o passo dividido
Modique a implementao do algoritmo EDORK4 para que
vetores,
assim ser possvel resolver PVI acoplados.
F, u
Para vericar a
correo da implementao, compare os resultados obtidos com o Exemplo 8.3.
8.24.
O modelo de Lotka-Volterra um clssico em ecologia matemtica. Seja
um ecossistema constitudo de
c(t)
coelhos (presas) e
r(t)
raposas (predadores).
As taxas de crescimento das populaes so dadas por
dc
= c cr
dt
dr
= cr r
dt
c(0) = 300 e
c(t) e r(t) no intervalo 0 t 10. Use os
= 2, = = 0,01 e = 1. Observe que o padro
Supondo as populaes iniciais de coelhos e raposas como sendo
r(0) = 150,
desenhe o grco de
seguintes parmetros:
populacional peridico: Qual o perodo?.
8.25.
sen(t).
L = 1m
e determine o perodo de oscilao terico do
(b) Modele o PVI de segunda ordem como um PVI acoplado, resolva-o numericamente usando
0 = 0
v0 = 1,
desenhe um grco e verique se o perodo
encontrado similar ao previsto;

(c) Aumente gradativamente a velocidade inicial e verique o que ocorre com o
(b) Faa o mesmo procedimento usando o mtodo de Runge-Kutta.
8.23.
pndulo;
madamente, quando o passo dividido por 2 o erro tambm dividido por
ua
g = 10 m/s2
A soluo exata do PVI de segunda ordem dado no Exemplo 8.4

Resolva numericamente o PVI (Use
grco as solues numrica e exata.
h = 0,1)
u(t) =
e desenhe em um mesmo
perodo de oscilao.
Apndice A
Respostas para problemas selecionados

Captulo 1
1.27. Um script pode ser escrito assim:
1.1.
a = 2^5, b = sqrt(7)
1.3.
a = cosd(60), b = tan(pi/4)
1.5.
a = abs(-5), b = factorial(9)
1.7.
x = [6 2 0 5], y = [6 2 0 5]'
1.9.
z = zeros(1,20)
1.11.
A = [1 7; -4 3]
1.13.
a = -18.3333.
1.15.
c = 5.3948.
1.17.
w = 1.5708, e = 1.
Verique a ordem de precedncia dos operadores:
O comando
ln
1.21. A vrgula
separador
\, *, +, -.
determina o logaritmo natural de
Observe que
1.19. O comando
1.23. O polinmio
log(y)
cos(/2)
y.
= e = 1.
no existe. O correto usar
clear all
clc
n = 5
x = rand(1,n)
s = 0
for i = 1:n
s = s + x(i)
end
m = s/n
a = log(5).
de elementos. O correto
3,3x2 + 174,2x 6627,7.
clear all
clc
clf
x = -1 : 0.01 : 3;
y = (x + 1)./(x - 1);
plot(x,y)
grid on
legend('i(x) = (x + 1)/(x - 1)')
xlabel('x')
ylabel('i(x)')
title('Problema 1.27')
t = cos(3.1416).
Observe o fator
103
multiplicando os
elementos do vetor.
clear all
clc
clf
x = -3 : 0.01 : 3;
y = exp(-x) - 1;
plot(x,y)
grid on
legend('g(x) = exp(-x) - 1')
xlabel('x')
ylabel('g(x)')
title('Problema 1.25')
A funo pode ser escrita assim:
function [m] = Media(x)

n = length(x);
s = 0;
for i = 1:n
s = s + x(i);
end
m = s/n;
96
APNDICE A.
O comando
97
RESPOSTAS PARA PROBLEMAS SELECIONADOS
m = mean(x)
F(1) = 1;
F(2) = 1;
for i = 3 : k
F(i) = F(i-1) + F(i-2);
R(i) = F(i)/F(i-1);
end
calcula a mesma mdia
1.31. Uma funo pode ser escrita assim:
function s = SomaMatriz(A)
[m, n] = size(A);
s = 0;
for i = 1 : m
for j = 1 : n
s = s + A(i,j);
end
end
O comando
m = sum(sum(A))
A sequncia
minada
function d = Divisores(n)
k = 0;
for t = 1 : n
if rem(n,t) == 0
k = k + 1;
d(k) = t;
end
end
(a)
Para grau 4,
adies.
(b)
multiplicaes e
m, F
= ( 5 + 1)/2 = 1,618033988749895 . . .
2.1.
(a) = 0,0039 (b) Fmin = 1,0842 1019 (c) Fmax = 3,6821 10+19
2.3.
Overow
2.5.
exato = 3ff0000000000000, aprox = 3fefffffffffffff.
um truncamento para innito. Por exemplo:
m(m + 1)/2
usa 4 multiplicaes e 4
multiplicaes e
adies.
adies.
usa
So necessrios 2000 termos.

function R = FibonacciRazaoAurea(k)
if k < 2
error('k deve ser igual ou maior que 2!')
end
F = zeros(k, 1);
R = zeros(k, 1);
= 2,2204 1016 .
(b) rel = 1,0000 106 (c) DSE = 6
2.11.
(a) = 1,0000 10
2.13.
(a) = 1,2019 106 (b) rel = 7,4279 107 (c) DSE = 6
2.15.
DSE 6.
2.17.
rel < 0,5 105 .
2.19.
rel(1) = 5,2816 103 , rel(2) = 6,0164 103 , rel(3) = 4,5070 102 ,

rel(4) = 4,0250 104 , rel(5) = 2,3559 105 , rel(6) = 6,5842 103 , rel(7) =
8,4914 108 .
2.21.
t3 = 0,707143045779360, rel(3) = 5,1286 105 , t6 = 0,707106781179619,

rel(6) = 9,7977 1012 , t9 = 0,707106781186547, rel(9) = 0.
function [p] = Pi_Leibniz(n)

soma = 0;
num = -1;
for i = 1 : n
num = -num;
den = 2*i - 1;
soma = soma + num / den;
end
p = 4 * soma;
a = 10^10^10^10.
n = 49.
2.9. Para a maioria dos sistemas computacionais
usa
deno-
razo urea.
2.7. A primeira desigualdade ocorre para
usa 10 multiplicaes e 4 adies,
Para grau
aproxima-se de
Captulo 2
calcula a mesma soma.
1.35.
Rk
2.23. Dica: Faa a expanso de
x
m = (x )m
e elimine os termos com
2.25. Observe a sequncia:
k
1
2
3
4
5
...
15
16
17
18
19
20
x(k)
1.000000000000
1.732050807569
1.931851652578
1.982889722748
1.995717846477
...
1.999999995915
1.999999998979
1.999999999745
1.999999999936
1.999999999984
1.999999999996
dif_rel(k)
+Inf
-4.23e-01
-1.03e-01
-2.57e-02
-6.43e-03
...
-6.13e-09
-1.53e-09
-3.83e-10
-9.57e-11
-2.39e-11
-5.98e-12
err_rel(k)
-5.00e-01
-1.34e-01
-3.41e-02
-8.56e-03
-2.14e-03
...
-2.04e-09
-5.11e-10
-1.28e-10
-3.19e-11
-7.98e-12
-1.99e-12
2 , 3 , . . . , m .
APNDICE A.
98
Captulo 3
3.1.
(a)
(b)
k
1
2
3
4
Veja o grco:
Veja a tabela:
a
x
-1.0000 0
-1.0000 -0.5000
-1.0000 -0.7500
-0.7500 -0.6250
b
1.0000
0
-0.5000
-0.5000
fa
fx
-0.4597 1.0000
-0.4597 0.3776
-0.4597 -0.0183
-0.0183
0.1860
3.5.
k > 1 + 12 log2 (10) = 40,8631,
3.7.
z = 7,280109889281903, rel = 3,1232 1013 , k = 42.
3.9.
z = 0,739085133214985, rel = 3,0764 1013 , k = 43.
logo
k = 41.
3.11. Dica: Faa um desenho mostrando a posio de

Suponha que
3.13.
(b)
k
1
2
3
4
3.3.
(a)
(a)
bk1 ak1 = 4h.
Veja o grco:
Veja a tabela:
a
0
5.0000
5.0000
6.2500
x
5
7.5000
6.2500
6.8750
b
10
10.0000
7.5000
7.5000
fa
-53
-28.0000
-28.0000
-13.9375
fx
-28
3.2500
-13.9375
-5.7344
fb
47
47.0000
3.2500
3.2500
erel
Inf
-0.3333
0.2000
-0.0909
Veja o grco:
(b) f 0 (x) = 3x2 2 (c)
k
1
2
3
4
3.15.
(a)
x
2.5000
2.1642
2.0971
2.0946
f(x)
5.6250
0.8079
0.0289
0.0000
Veja o grco:
Veja a tabela:
f'(x)
16.7500
12.0510
11.1939
11.1615
fb
erel
1.5403
Inf
1.0000 -1.0000
0.3776 -0.3333
0.3776
0.2000
erel
Inf
0.1552
0.0320
0.0012
ak1 , xk1 , bk1 , ak , xk
bk .
APNDICE A.
(b) f 0 (x) = 1 + sen(x) (c)
k
1
2
3
4
99
x
1.0000
0.7504
0.7391
0.7391
3.17. Dica: Substitua
f(x)
0.4597
0.0189
0.0000
0.0000
(b) z = 4,965114231744277, max = 8,293892607811290 107 .
Veja a tabela:
f'(x)
1.8415
1.6819
1.6736
1.6736
f (xk1 ) = x2k1 53
erel
Inf
0.3327
0.0152
0.0000
e
3.35.
f 0 (xk1 ) = 2xk1
(a)
Veja o grco:
em (3.1) e faa as
simplicaes necessrias.
3.19.
z = 2.094551481542327, rel = 0, k = 7.
3.21.
z = 0.739085133215161, rel = 0, k = 6.
3.23. Veja a tabela:
f(x)
x.^3 - 2*x - 5
x + log(x)
x - cos(x)
x * cos(x^2)
x_ini
1.0
0.5
1.0
1.2
z
2.094551481542327
0.567143290409784
0.739085133215161
1.253314137315500
k(orig.)
11
6
6
6
x1 = 2,0000 tem-se x2 = 4,0000; x3 = 5,3333; x4 = 6,5641

xk +.
r
r
q
q
3 29
31
31
z = 3 29
+
+
108
+ 31
54
108
54
3.25. A partir de
3.27.
3.31.
z = 11,861501508119545, rel = 3,0670 1013 , k = 39.

f (i) = 249 1 (1 + i)12 2499 i, i = 0,0286.
3.33.
(a)
3.29.
k(mod.)
10
5
5
5
Veja o grco:
com
(b) t1 = 0,004615059332323, t2 = 0,019321607610775, t3 = 0,023947605178773.

3.37. Usando
tol = 0,5 1012
obtemos os zeros com a quantidade de passos dada na
tabela:
f(x)
z
x^2 - 53
7.28010988928
sqrt(x^2 + 1) - x^2
1.27201964951
x + cos(x)
-0.739085133215
exp(-x) + x^2 - 10
3.15553233080
k(Bis.)
38
43
43
41
k(I. Lin.)
10
40
12
14
APNDICE A.
Captulo 4
4.25. A tabela a seguir mostra o nmero de passos utilizados em cada mtodo:
4.1.
x = [1
2]T .
4.3.
x = [1
4.9. Usando
obtemos
4.11.
5]T .
SLGaussProv obtemos x
x2 = [1
= [3
1]T
(errado!). Usando
(correto!).
SLGauss
x(1)
1
1.5000
2.2500
2.1250
norm para calcular a norma euclidiana.

0,0 0,5
1
C=
e d =
, obtemos
0,5 0,0
3
Erel
Inf
0.5423
0.2485
0.1395
0,00 0,25
0,20
0,00
Obtemos, a partir de C =
0,10 0,40
A =
os valores:
x(2)
1
2.5000
2.2500
1.8750
b =
0,05
1,6
0,20 e d = 2,0 , obtemos
0,00
1,4
os valores:
k
1
2
3
4
x(1)
1
1.3000
2.0550
1.9765
x(2)
1
-2.0000
-1.9200
-2.0030
4.21. Obtemos, a partir de
x(3)
Erel
1
Inf
0.9000
1.1832
2.0700
0.3994
1.9625
0.0457
0,0 0,4 0,2

0,0 0,4
C = 0,4
0,2 0,4
0,0
x(1)
1
0.4000
0.7712
0.9442
1,0
d = 0,2 ,
1,8
obtemos os
x(2)
1
-0.3600
-0.8541
-0.9726
x(3)
Erel
1
Inf
1.8640
0.8862
1.9874
0.2744
2.0002
0.0869
0,00 0,50
0,00
0,25
0,00
0,50
C=
0,00
0,25
0,00
0,00
0,00
0,25
0,00
0,00
0,50
0,00
obtemos os valores:
k
1
2
3
4
x(1)
1
-0.5000
-0.8125
-1.0469
kGJ
43
73
20
52
kGS
23
19
14
28
x(2)
1
1.6250
2.0938
1.9707
x(3)
1
-0.0938
0.0352
-0.0117
x(4)
1
0.9766
1.0088
0.9971
3
0
0
2
0
6
2
0
2
3
5
0
0
2
2
3
4
3
1
2
x =
1.290322580645370
0.532258064516400
0.064516129032287
-0.193548387096914
4.29. Para o primeiro sistema linear obtemos:
valores:
k
1
2
3
4
Prob.
4.15
4.16
4.17
4.18
4.27. Permutando as linhas obtm-se o sistema linear a seguir:
4.17.
1]T
rel = 0,0106.
4.13. Dica: Use o comando
k
1
2
3
4
100
Erel
Inf
0.9980
0.2351
0.1101
0,00
2.25
d=
0,00 ,
1,00
Mtodo Gauss-Jacobi
k
x(1)
x(2)
1
1
1
2
1.8000
1.9000
3
1.8900
2.7800
4
1.9780
2.8790
...
9
1.9999
2.9997
10
2.0000
2.9998
11
2.0000
3.0000
...
Mtodo Gauss-Seidel
k
x(1)
x(2)
1
1
1
2
1.8000
2.7800
3
1.9780
2.9758
4
1.9976
2.9973
5
1.9997
2.9997
6
2.0000
3.0000
7
2.0000
3.0000
Erel
Inf
0.4601
0.2631
0.0379
0.0003
0.0000
0.0000
Erel
Inf
0.5893
0.0741
0.0081
0.0009
0.0001
0.0000
APNDICE A.
101
...
Para o segundo sistema linear obtemos:
Mtodo Gauss-Jacobi
k
x(1)
x(2)
1
1
1
2
5.0000
-2.0000
3
8.0000
2.0000
4
8.6667
5.0000
5
5.0000
5.6667
6
2.7778
2.0000
7
3.5556
-0.2222
...
Mtodo Gauss-Seidel
k
x(1)
x(2)
1
1
1
2
5.0000
2.0000
3
6.0000
3.0000
4
5.0000
2.0000
5
6.0000
3.0000
6
5.0000
2.0000
7
6.0000
3.0000
...
x(3)
1
-2.0000
-2.6667
1.0000
3.2222
2.4444
-0.7407
Erel
Inf
1.0150
0.5820
0.4758
0.5282
1.0360
1.0885
x(3)
1
Erel
Inf
0.7878
0.2554
0.3216
0.2554
0.3216
0.2554
0
1.0000
0
1.0000
0
1.0000
0
2.0720
-4.2560
0
0
0
-10.6400
y =
0.8082
1.6358
2.5403
3.6173
y_hat =
0.8016
1.6256
2.5296
3.6096
Captulo 5
5.1.
5.5.
p(x) = x2 + 3x + 2.
p(x) = x2 + 2x + 3.
Como os nodos se posicionam sobre uma parbola, um
polinmio de grau 2 suciente para interpol-los. Veja o grco:
A = [2 0
0 -2 0
0 0
0;
2
0 0
0 -2
0
0 0;
7
4 4 -4 -12 -4 -1 -2;
0
2 0
0 0 -2
0 0;
0
2 0
0 0
0
0 -1;
0
0 2
0 0
0 -2 0;
0
0 1 -1 -3 -1
0 0;
0
0 0
0 0
0
0 1]
b = [0; 0; 0; 0; 0; 0; 0; 1]
x =[1/6; 1/2; 7/6; 1/6; 1/6; 1/2; 7/6; 1]
A =
-4.0640
2.0320
-4.1920
1.8720
function [v, c] = IVander(x, y, u)

n = length(x);
X = MVander(x, n-1);
c = SLGauss(X, y);
v = VPol(c, u);
b2 =
-0.1138
0.0272
-0.0479
-0.1347
0.0828
-0.0034
4.35.
-4.1280
1.9280
0
5.3. Uma possvel implementao:
4.31. A segunda coluna da matriz inversa:
4.33.
b =
1.9680
0
0
2.0080
APNDICE A.
102
5.19.
0,0922
Coecientes do spline: C = 0,0210
0,1530
polado: E(57) = 762,6628.
0
1,1069
0,9179
22,7742
27,2017
33,2761
5.21. O grco a seguir mostra as curvas de interpolao. O
607
704
795
spline
Valor inter-
parece mais plau-
svel.
5.7. Para quem nasceu em

5.9. Dica: Faa
u = 1987
tem-se
v2 = 136,5778
5.11. Dica: Cuide para que todos os vetores envolvidos sejam

5.13.
v4 = 136,3369.
x2 = x1 + h, x3 = x1 + 2h, x4 = x1 + 3h.
vetores-coluna.
Valor exato:
v_exato = 0.369032530185151
Nodos simtricos:
v2 = 0.367850000000000
v4 = 0.369031250000000
v6 = 0.369024218750000
e_rel_2 = -3.2044e-03
e_rel_4 = -3.4690e-06
e_rel_6 = -2.2522e-05
No
5.23. Dica:
5.15.
S(x) =
0
Substitua as expresses envolvendo s1 (x1 ) e
coecientes
ak , bk , ck
expresses envolvendo
wmax = 43,22
g.
s0n1 (xn ) por (5.18) e faa
dk por (5.21),
hk , mk e pk .
(5.20), (5.22) e (5.17) para determinar as
5.25. Siga as mesmas dicas dadas para o Problema 5.23.

5.27. Expectativa para o homem: 72,7937 anos; Expectativa para a mulher: 80,9960
anos.
5.29.
u2 = 2,4111; u4 = 2,4027; u6 = 2,4094; z = 2,4048.
Captulo 6
6.1. O polinmio de ajuste
tem-se
b = 3.
5.17.
interpolador, o valor mximo aproximadamente
as simplicaes necessrias. Em seguida substitua as expresses envolvendo os
Nodos assimtricos:
w2 = 0.367850000000000
w4 = 0.368712500000000
w6 = 0.369094140625000
e_rel_2 = -3.2044e-03
e_rel_4 = -8.6721e-04
e_rel_6 = 1.6695e-04
Para os nodos assimtricos o erro maior.
0
0
00
00
Fazendo s1 (2) = s2 (2) tem-se c = 1. Fazendo s1 (2) = s2 (2)
00
Fazendo s2 (3) = 0 tem-se a = 1.
spline
0,3183(x 1)3 + 0,0000(x 1)2 + 0,6817(x 1) + 2,0000,

0,3867(x 2)3 + 0,9550(x 2)2 + 1,6367(x 2) + 3,0000,
0,2275(x 4)3 1,3650(x 4)2 + 0,8200(x 4) + 7,0000,
1x2
2x4
4x6
1,1923.
Grco a seguir:
p(x) = 1,6538x 5,5000
com resduo quadrtico
SQE =
APNDICE A.
103
6.3.
SQEF = 2,20, SQEG = 1,40, SQEH = 2,24.
6.7.
F () = 0,06142 6,9465 + 196,6393; B = 56,5825 ;
A funo
tem melhor ajuste.
6.11. Dica: Use a mesma estrutura do algoritmo

necessrias.
Veja o grco:
6.13.
AjustePol, mas faa as adaptaes
T (P ) = 23,4857e0,0035P , Te = 17,7102 s; Pe = 146,6305 HP.
6.15. Em vez de ajuste, temos efetivamente uma interpolao, pois os pontos esto
2
sobre polinmio p(x) = x 2x + 4. Observe os coecientes:
c =
-0.000000000000166
0.000000000003986
-0.000000000033734
1.000000000117891
-2.000000000144785
4.000000000016654
SQE =
1.4011e-21
6.17.
6.9.
C(t) = 0,0119t2 45,6670t + 44219; C(2013) = 395,9609;
Grco a seguir:
SQE = 2691,1.
Veja o grco a seguir:
APNDICE A.
6.19.
SQE pol-lb = 2,6613 104 ; SQE cm-kg = 5,4758 103 .
6.21.
Ppol (t) = 2,9720103 t2 9,3863t+7,0520103 , Pexp (t) = 1,84911017 e0,0218t .

2
2
= 0,9984, rexp
= 0,9627.
Ppol (2020) = 218,7330, Pexp (2020) = 261,9514. rpol
6.23. A matriz de planejamento dada por:
X =
1.0000
1.0000
1.0000
1.0000
1.0000
104
7.1.
3.7842
4.1109
4.3944
4.7274
4.8752
Os coecientes so
= 2,3504
(a) Q1 = 3.0862, Q2 = 2,3621, Q3 = 2,3556, Q4 = 2,3505 (b) Q
(c) rel(1) = 3,1304 101 , rel(2) = 4,9572 103 , rel(3) = 2,2318 103 ,
rel(4) = 2,9151 105 .

7.3.
= 2 (c)
(a) Q1 = 1,9237 1016 , Q2 = 2,0944, Q3 = 2,0405, Q4 = 1,9986 (b) Q
rel(1) = 1,0000, rel(2) = 0,0472, rel(3) = 0,0203, rel(4) = 7,1463 104 .
7.5. Usando
0 = 17,9243
1 = 19,3850. p(100) = 107,1956
0 = 7,7713
mmHg.
0 + 1 x = ln (1/p 1).
1 = 0,6622. Figura a seguir
6.25. Dica: A funo logstica pode ser reescrita como

o ajuste, os coecientes so
Captulo 7
A =
Aps
b =
W =
format rat:
1
0
0
0
0
1
1/2
1/3
1/4
1/5
7/90
16/45
2/15
6/45
7/90
1
1/4
1/16
1/64
1/256
1
1/2
1/4
1/8
1/16
1
3/4
9/16
27/64
81/256
1
1
1
1
1
APNDICE A.
7.7. Dica: note que os pesos

7.9.
7.11.
7.13.
105
8.3.
da integrao j esto pr-determinados.
Q6,1 = 1,0059, Q3,2 = 1,0002, rel = 0,0057.

3
Q6,1 = 1,0658, Q3,2 = 1,0700, rel = 3,8462 10 .

= 2,3504; Q1,2 = 2,3621; Q2,2 = 2,3512; Q4,2 = 2,3505; Q8,2 = 2,3504;
Q
t1 = 14,7031; t2 = 15,6517; t4 = 15,9113.
7.17.
Q = 0,746824132812427, rel = 2,8884 1014 , k = 10, Erf(1) =

0,842700792949715.
7.19.
7.21.
Q = 0,779893400376823, rel = 2,4536 1014 , k = 14.

R
a
(x b)n+1 .
Dica:
a(x b)n dx = n+1
7.23.
Q19 = 0,129723899884824; rel = 1,6668 1013 ; k = 15.
2 Q
(a)
Veja a tabela:
i
1
2
3
4
5
6
t(i)
0.0
0.2
0.4
0.6
0.8
1.0
u(i)
3.0000
2.2000
2.1200
2.3280
2.6512
3.0205
(b)
Veja o grco:
Captulo 8
8.1.
(a)
Veja a tabela:
i
1
2
3
4
5
6
t(i)
0.0
0.2
0.4
0.6
0.8
1.0
u(i)
1.0000
0.8000
0.6400
0.5120
0.4096
0.3277
(b)
Veja o grco:
k
-1.0000
-0.8000
-0.6400
-0.5120
-0.4096
(c) |max | = 0,2976.

8.7.
(c) |max | = 0,0402.
(a)
Veja o grco:
k
-4.0000
-0.4000
1.0400
1.6160
1.8464
APNDICE A.
106
(b) |max | = 0,0101.

8.9.
(a)
Veja o grco:
(b) |max | = 6,7775 105 .

8.17. O maior erro cometido
|max | = 9,9609 104 .
(b) |max | = 0,0363.

8.13.
(a)
Veja o grco:
8.19.
(b) |max | = 2,2204 1015 .

8.15.
(a)
Veja o grco:
T = 432 K.
Veja o grco a seguir
Veja o grco a seguir:
APNDICE A.
8.21. Todas as curvas convergem assintoticamente para
8.25. Veja o grco a seguir
u = 5.
Veja o grco a seguir
107
Referncias Bibliogrcas
[1] Milton Abramowitz and Irene A. Stegun.
Functions.
Fonte:
Handbook of Mathematical
[10] Dalcdio M. Cludio and Jussara M. Marins.
th edition, 1972. ISBN 048661272-4.
putacional.
Dover, New York, 9
www.nrbook.com/abramowitz_and_stegun/.
[2] Howard Anton and Robert C. Busby.
Clculo Numrico Com-
Atlas, So Paulo, 1989.
[11] Amadeu Carneiro de Almeida and Eduardo Wagner.
lgebra Linear Contempornea.
crculo.
Trisseco do
Revista do Professor de Matemtica, (71):35 36, 2010.
Bookmark, Porto Alegre, 2006. ISBN 853630615-7.

[12] Instituto Brasileiro de Geograa e Estatstica IBGE. Censo demogr[3] Valmar Carneiro Barbosa and Ana Maria Senra Breitschaft. Um aparato experimental para o estudo do princpio de arquimedes.
vista Brasileira de Ensino de Fsica,
28(1):115 122, 2006.
co, 2010. Fonte:
Re-
[13] Instituto Brasileiro de Geograa e Estatstica IBGE. Tbua completa
Fonte:
www.ibge.gov.br/home/estatistica/
populacao/tabuadevida/2010.
www.sbfisica.br.
[4] Petr Beckmann.
de mortalidade, 2010. Fonte:
A History of Pi.
St. Martin Press, New York, USA,
rd edition, 1974. ISBN 031238185-9.

3
[14] General Eletric do Brasil Ltda.
pdf.
geiluminacao.com.br,
siam.lsu.edu/wp-content/uploads/2009/09/nahist.
Fonte:
do CCET - UCS, 1(1):6166, dez. 1998.
Successive overrelaxation method.
MathWorldA Wolfram Web Resource, 2015.
com/SuccessiveOverrelaxationMethod.html.
mathworld.wolfram.
[16] Oclide J. Dotto and Adalberto A. Dornelles Filho.

quadrados mnimos condicionado.
Fsica, 28(3):397 401, 2006.
Equaes Diferenciais
Elementares e Problemas de Valores de Contorno. LTC Editora, Rio
[7] William E. Boyce and Richard C. DiPrima.
[17] Hans Magnus Enzensberger.
de Janeiro, 2002. ISBN 852161312-1.

[8] Richard L. Burden and J. Douglas Faires.
Revista
Polinmio dos
Revista Brasileira de Ensino de
Fonte:
www.sbfisica.org.br.
O diabo dos nmeros.
Companhia das
Letras, So Paulo, 1998. ISBN 857164718-6.
Anlise Numrica. Cengage
[18] Adalberto A. Dornelles Filho, Lodonha M. P. C. Soares, Moiss Wais-
Learning, So Paulo, 2008. ISBN 852210601-0.

A history of Runge-Kutta methods.
merical Mathematics,
www.
2012.
[15] Oclide J. Dotto. A useful note on newton-cotes quadratures.
[6] Noel Black and Shirley Moore.
[9] J. C. Butcher.
Desempenho em diferentes tenses
de utilizao de lmpada incandescente 127 V, 60 W.
[5] Michele Benzi. Key moments in the history of numerical analysis, August 2009.
www.ibge.gov.br.
mann, and Natalia P. Mndez.
balho de Caxias do Sul.
Applied Nu-
Boletim anual mercado formal de tra-
Observatrio do Trabalho/UCS, Caxias do
Sul, RS, 2011. ISSN 2179-4170.
20(3):247260, March 1996. doi:10.1016/0168-
9274(95)00108-5.
108
109
REFERNCIAS BIBLIOGRFICAS
[19] Frederico Ferreira Campos Filho.
Algoritmos Numricos. LTC - Livros
Tcnicos e Cientcos, Rio de Janeiro, 2001. ISBN 852161265-6.

[20] George E. Forsythe, Michael A. Malcolm, and Cleve B. Moler.
puter Methods for Mathematical Computations.
Com-
Prentice-Hall, En-
[30] John H. Mathews.
Engineering.
Numerical Methods for Mathematics, Science and

nd
Ed. Prentice Hall Inc., Englewood Clis, NJ, USA, 2
edition, 1992. ISBN 013624990-6.

[31] E. Meijering. A chronology of interpolation: from ancient astronomy
to modern signal and image processing.
glewood Clis, 1977.
Proceedings of the IEEE,
90(3):319342, 2002. doi:10.1109/5.993400.

[21] W. Gander and W. Gautschi.
BIT,
Adaptive quadrature - revisited.
40(1):84101, March 2000.
Disponvel em
personal/gander.
[22] Gene H. Golub and Charles F. Van Loan.
www.inf.ethz.ch/
Matrix Computations.
The
rd edition, 1996. ISBN 080185414-8.
Johns Hopkins University Press, 3

[23] Hamilton Luiz Guidorizzi.
Um curso de Clculo,
volume 1.
LTC -
a edition, 2001. ISBN
Livros Tcnicos e Cientcos, Rio de Janeiro, 5
[24] Brian D. Hahn and Daniel T. Valentine.
neers and Scientists.
Essential MATLAB for Engird edition,
Butterworth-Heinemann (Elsevier), 3
2007.
[25] David Halliday, Robert Resnick, and John Merrill.
Fsica, volume 4.
Fundamentos de
Livros Tcnicos e Cientcos - LTC, Rio de Janeiro,
a edition, 1991. ISBN 852160949-3.
[26] David R. Hill and Cleve B. Moler.
Matrix Algebra.
Experiments in Computational
Random House, New York, 1988.
[33] Cleve Moler.
Floating points.
Cleve's corner, 1996.
Disponvel em
www.mathworks.com/tagteam/77489_Fall96Cleve.pdf.
[34] Cleve Moler.
Numerical Computing with MATLAB.
nd edition, 2008.
www.mathworks.com/moler.
[35] Gordon E. Moore. Cramming more components onto integrated cir-
Electronics, 38(8), 1965. Disponvel em ftp://download.

intel.com/museum/Moores_Law/Articles-Press_Releases.
cuits.
[36] Mahmood Nahvi and Joseph A. Edminister.

med, So Paulo, 4
a edition, 2003.
Circuitos Eltricos.
Art-
A historical survey of algebraic methods

of approximating the roots of numerical higher equations up to the year
1819. PhD thesis, Teachers college, Columbia university, New York,
1922.
Zhangzhong Wang.
Pyrolysis kinetics of phenolformaldehyde resin
by non-isothermal thermogravimetry.
Carbon, 48(2):352 358, 2010.
doi:10.1016/j.carbon.2009.09.036.
Encyclopedia of optimization,
[38] J. J. O'Connor and E. F. Robertson. MacTutor History of Mathematics.
www-history.mcs.st-andrews.ac.uk/Mathematicians.
[39] Neide Oliveira. A corrida continua.

volume 1, chapter Carl
Friedrich Gauss, pages 191 193. Kluwer Academic Publisher, Dordrescht, Netherlands, 2001. ISBN 079237026-0.
Linear Algebra and Its Applications.
Boston, USA, 4
www.jstor.org/
4(2):3336, Mar. 1877. Disponvel em
stable/2635472.
[37] Martin Andrew Nordgaard.
[27] Haiyun Jiang, Jigang Wang, Shenqing Wu, Baosheng Wang, and
[29] David C. Lay.
The Analyst,
Disponvel em
852161259-1.
[28] Dukwon Kim.
[32] Manseld Merriman. On the history of the method of least squares.
th edition, 2012. ISBN 032138517-9.
38(46):6971, julho 2005.
Edio especial: Tecnologia.

[40] William H. Press, Saul A. Teukolsky, William T. Vetterling, and
Brian P. Flannery.
Addison-Wesley,
Veja,
puting.
Numerical Recipes: The Art os Scientic Com-
rd edition, 2007.
Cambridge University Press, New York, 3
ISBN 051133555-5. Fonte:
www.nrbook.com/nr3/.
[41] s.a. Rota de uma boa viagem. Zero Hora, 30/11/2009 2009. p. 40.
110
REFERNCIAS BIBLIOGRFICAS
[42] T. R. Scavo and J. B. Thoo.
On the geometry of Halley's method.
The American Mathematical Monthly, 102(5):417 426, may 1995.
[43] Edward R. Scheinerman.
Matemtica Discreta.
Thomson Pioneira,
2003.
Augustin-Jean_Fresnel,
[55] Mark W. Zemansky.
PASCO physics catalog and experiment guide.
PASCO Scientic Co., Roseville (USA), 2005.

[45] Endre Sli and David Mayers.
An Introduction to Numerical Analysis.
Cambridge University Press, Cambridge, United Kingdom, 2003.

[46] J. M. Smith, H. C. van Ness, and M. M. Abbott.
Chemical Engineering Thermodynamics.
Introduction to
McGraw-Hill, 7
th edition,
2000.
[47] Murray R. Spiegel.
Manual de frmulas, mtodos e tabelas de mate-
Ed. Makron Books do Brasil, 1992.
[48] Pieter Tans and Ralph Keeling. NOAA/ESRL Trends in atmospheric

carbon dioxide (Mauna Loa, Hawaii, USA).
gmd/ccgg/trends/,
[49] Mario F. Triola.
www.esrl.noaa.gov/
2013.
Introduo Estatstica.
a edition,
LTC Editora, 7
1998. ISBN 852161154-4.

[50] George C. Tseng. Classication and regression tree. In Neil J. Salkind, editor,
Encyclopedia os measurement and statistics,
volume 1,
pages 143145. SAGE Publications, Thousand Oaks, California,USA,

2007. ISBN 141291611-9. Os dados completos podem ser obtidos em
archive.ics.uci.edu/ml/datasets/Auto+MPG.
[51] Eric W. Weisstein.
Halley's method.
com/HalleysMethod.html,
[52] Wikipdia.
Gordon Earl Moore.
Gordon_Moore,
mathworld.wolfram.
Fonte:
en.wikipedia.org/wiki/
2007.
[53] Wikipdia. David Brewster. Fonte:
Brewster,
Fonte:
2010.
2014.
en.wikipedia.org/wiki/David_
en.wikipedia.org/wiki/
2015.
Calor e termodinmica.
a edition, 1978.
Janeiro, 5
[44] PASCO Scientic.
mtica.
[54] Wikipdia. Augustin-Jean Fresnel. Fonte:
Guanabara Dois, Rio de

Resolução numérica de equações e sistemas

Uploaded by

Document Information

Original Description:

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

Resolução numérica de equações e sistemas

Uploaded by

Copyright:

Available Formats

k=1;x(k)=0.

Adalberto Ayjara Dornelles Filho

Calculando com o Matlab

Programando com o Matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estruturas lgicas de um algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Erros e Aritmtica Computacional

Resoluo de problemas numricos

Representao numrica de ponto utuante

Erros nos processos numricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estimativas para o erro

Convergncia nos processos numricos

Frmulas para 2 e 4 nodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Erro na interpolao polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Deduo dos coecientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Um pouco de lgebra Linear

Obtendo o polinmio de ajuste

Mtodo de Newton-Cotes simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Mtodo de Newton-Cotes composto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Mtodo de Newton-Cotes adaptvel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Deduo dos pesos de integrao

8 Equaes Diferenciais Ordinrias

A Respostas para problemas selecionados

versidades a incluem em seus currculos (em intensidades muito variadas).

mente claros e simples de modo que o estudante iniciante seja capaz

Diante da importncia dessa disciplina na formao de prossionais, as uniEstas

Simplicidade: O desenvolvimento e a implementao so suciente-

foram preparadas especicamente para o estudante

Os algoritmos resolvem satisfatoriamente uma boa

quantidade de problemas que o estudante pode encontrar em sua

que se inicia nessa disciplina.

O leitor interessado em outros mtodos pode (e deve) recorrer a literatura

no Captulo 3 com os mtodos para determinar zeros de funes (bisse-

especializada como, por exemplo, [8, 19, 30, 40].

o e Newton). No Captulo 4 estudamos mtodos diretos (escalonamento

Para complementar o entendimento da teoria, muitos problemas so

de Gauss) e iterativos (Gauss-Jacobi e Gauss-Seidel) para resoluo de

(no numrica). Esse tipo de problema importante para que o estudante

estudado no Captulo 7 com a apresentao dos mtodos de Newton-Cotes

subjacentes aos mtodo numri-

O estudo do Clculo Numrico no pode ser realizado sem a efetiva

dos mtodos de Euler e Runge-Kutta. No apndice A, so apresentadas as

dos algoritmos em alguma linguagem de programao. O

respostas e dicas problemas selecionados.

resoluo de equaes diferenciais ordinrias vista no Captulo 8 a partir

uma calculadora, se for o caso) ou apresenta alguma resoluo algbrica

ajuste de curvas polinomiais. O problema clssico da integrao numrica

mesmo sucientemente simples para ser resolvido mo (com ajuda de

seguida, no Captulo 6 estudamos o mtodo dos quadrados mnimos para

(regras simples, compostas e adaptveis) e por

Os problemas assinalados pelo smbolo

sempre solicitada nos exerccios precedidos

implementao dos algoritmos

mtodos disponveis para resolver cada um dos proble-

mas abordados. Para tornar o material sucientemente compacto para uso

programao deveria ser pr-requisito (o que nem sempre o caso). Aos

estudantes que j conhecem linguagens de programao, esta disciplina

Seguindo a orientao de Burden e Faires [8], os mtodos foram escolhidos

ser uma excelente oportunidade de

de modo a seguir os seguintes critrios:

que no o possuem, ser uma excelente oportunidade de

Essa aproximao se reete em duas caractersticas do texto:

informaes relativas ao uso do Matlab e aos algoritmos implementados.

Representao numrica de ponto utuante

Deduo dos coecientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Diante da importncia dessa disciplina na formao de prossionais, as uniEstas

Simplicidade: O desenvolvimento e a implementao so suciente-

foram preparadas especicamente para o estudante

mesmo sucientemente simples para ser resolvido mo (com ajuda de

mas abordados. Para tornar o material sucientemente compacto para uso

Essa aproximao se reete em duas caractersticas do texto:

(www.winedt.com). A atualizao de pacotes tipogrcos foi feita com o

MiKTeX (www.miktex.com). Os grcos foram elaborados com

ritmos e referncias bibliogrcas detalhadas.

3. Na internet, acessando o stio ocial do fabricante (www.mathworks.

acadmico (ensino, pesquisa, etc.) quanto no prossional (desenvolvimento

tm uma breve informao sobre o comando especicado, por exemplo:

no nal de um comando de atribuio inibe a apresentao

Vetor denido por intervalo de valores:

@ dene funes a partir de expresses algbricas.

>> f = @(z) 1/sqrt(2pi) exp(-0.5 * z.^2)