alculo Num
erico
Calculo Numerico
Elaborac
ao: Ms. Andresa Pescardor
Ms. Janana Poo Possamai
Instituic
ao: FURB - Universidade Regional de Blumenau
Departamento de Matematica
A natureza e extremamente complexa. Para tentar entende-la, criam-se modelos que seguem leis mais simples do que a rica realidade, dando resultados
aproximados.
Essas leis, que procuram simular a natureza, sao, em geral, expressas matematicamente. As formulacoes matematicas, embora simplificacoes do que se
passa na realidade, ainda assim, com frequencia, sao muito complexas para
serem resolvidas analiticamente.
comum a lei fsica ser expressa por uma equacao diferencial cuja solucao
E
exata nao e possvel de ser obtida. Mesmo um calculo de raiz, aparentemente
simples, pode exigir operacoes que transcendam as contas elementares. Uma
integral definida, nem muito complexa em sua formulacao, pode nao ser
analiticamente resolvida.
Os metodos numericos buscam solucoes aproximadas para essas formulacoes,
conforme discutido nos proximos captulos.
Sum
ario
1 No
c
oes b
asicas de erros
1.1
1.2
Medidas de erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1
Regras de arredondamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Conceitos importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Sistemas Lineares
2.1
Sistemas Triangulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1
2.1.2
2.2
2.3
Metodos Diretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1
Eliminacao de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2
Metodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3
2.3.4
2.3.5
Decomposicao LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.6
Avaliacao do resduo/erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
Metodos Iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.4.1
Metodo de Jacobi
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.4.2
Medoto de Gauss-Seidel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.5
13
2.6
Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
2.4
3 Interpola
c
ao
3.1
19
Interpolacao Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.1.1
Interpolacao Linear
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.1.2
Interpolacao Quadratica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3.1.3
Interpolacao Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
Interpolacao de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3.2.1
Forma Simplicada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3.3
Erro na Interpolacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
3.4
Interpolacao de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.4.1
Diferencas Divididas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.4.2
Formula de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
3.5
26
3.6
Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
3.2
SUMARIO
iv
4 Ajuste de Curvas
30
4.1
32
4.2
Ajuste Linear M
ultiplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.3
Ajuste Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.4
Casos Nao-Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.5
Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
5 Zeros de Fun
c
oes
40
5.1
Metodo Graco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
5.2
Metodo da Bissecao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
5.3
42
5.4
Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
5.5
Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
6 Integra
c
ao Num
erica
48
6.1
48
6.2
Metodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
6.3
52
6.4
Lista de Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
7 Sistemas N
ao Lineares
58
7.1
Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
7.2
Lista de exerccios: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
8 Equa
c
oes diferenciais num
ericas
8.1
8.2
62
Metodo de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
62
63
8.3
. . . . . . . . . . . . . . . . . . . . . . . . . . .
63
8.4
Lista de exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
9 Ap
endice - Plano de ensino 2013/1
67
Refer
encias
68
Captulo 1
Noc
oes b
asicas de erros
Quando procuramos uma solucao de problemas reais de Fsica, engenharia, economia, etc..., em
algum momento e necessario utilizar a matematica, e o resultado nal desejado, de um modo geral,
tem que ser quantitativo.
O Calculo Numerico corresponde a um conjunto de ferramentas ou metodos usados para se obter
a solucao de problemas matematicos de forma aproximada. Esses metodos se aplicam principalmente
a problemas que nao apresentam uma solucao exata, portanto precisam ser resolvidos numericamente.
Na aplicac
ao de metodos numericos para obtencao da solucao de problemas matematicos, nem
sempre sao fornecidos valores que se encaixam dentro de limites razoaveis. Varias sao as origens da
existencia de erros:
Problema Fsico
modelagem
Modelo Matematico
resolucao
Solucao
i) Erros na fase de modelagem: sao simplicacoes feitas do mundo fsico para que se possa
trabalhar. Estes erros aparecem devido `a expressao matematica que nao reete perfeitamente o
fenomeno fsico ou aos dados terem sido obtidos com pouca exatidao.
ii) Erros na fase de resolu
c
ao: as vezes fazemos aproximacoes que podem gerar erros.
Erros de truncamento: sao os erros causados quando utilizamos num processo algortmico
innito apenas uma parte nita do processo.
Por exemplo,
ex = 1 + x +
x2 x3
+
+
2!
3!
Captulo 1. No
c
oes b
asicas de erros
1.1
Medidas de erro
1.1.1
Regras de arredondamento
Quer os calculos sejam efetuados manualmente quer obtidos por computador somos conduzidos a
utilizar uma aritmetica de precisao nita, ou seja, apenas podemos ter em consideracao um n
umero
nito de dgitos. O erro devido a desprezar os outros e arredondar o n
umero e designado por erro de
arredondamento.
Arrendondar um n
umero na casa di e desconsiderar as casas di+j (j = 1 ) de tal forma que
utilizaremos:
di como a u
ltima casa se di+1 < 5
di + 1 como a u
ltima casa se di+1 > 5 ou se di+1 = 5 seguido de no mnimo um algarismo diferente
de zero
se di+1 = 5 seguido de apenas zeros entao o algarismo a ser conservado deve ser arrendondado
para o algarismo par mais proximo.
Observemos que 3,650001 arrendado para 3,6 ocasiona um erro de 0,05001 e arredondado para 3,7
um erro menor, de 0,049999.
1.2
Conceitos importantes
Captulo 2
Sistemas Lineares
Aplicacoes: Calculo de Estruturas; Calculo de Redes Eletricas; Solucao de Equacoes Diferenciais;
etc.
Seja um sistema linear Sn de n equac
oes e n incognitas:
a x + a x + ...a x = b
21 1
22 2
2n n
2
Sn =
............................................
a x + a x + ...a x = b
n1 1
ou
Sn =
n2 2
nn n
aij xj = bi i = 1, 2, 3, ..., n
j=1
Matricialmente: Ax=b
Quando b=0 o sistema e chamado homogeneo. Um sistema homogeneo sempre admite uma soluc
ao
trivial x=0.
nica solucao)
1.
x1 + x2 = 1
{
2.
x1 + x2 = 0
x1 x2 = 0
{
3.
x1 + x2 = 0
x1 + x2 = 0
2x1 + 2x2 = 0
4
2.1
2.1.1
Sistemas Triangulares
Sistema Triangular Inferior
l11 x1
= c1
l x +l x
= c2
21 1
22 2
Sn =
............................................
l x + l x + ... l x = c
n1 1
n2 2
nn n
i1
lij xj
j=1
xi =
lii
i = 1, 2, ..., n.
(2.1)
x1
5
0 0
. x2
1 6 8 0 x
3
1 4 3 9
x4
2.1.2
1
=
48
............................................
u x =d
nn n
2.2
uii
5 2 6
uij xj
j=1+1
xi =
Exemplo.
3
0
0
i = n, n 1, ..., 1.
x1
(2.2)
7 4
x2 = 2
4 5 x3 28
0 2
x4
8
M
etodos Num
ericos para Resolu
c
ao
Metodos Diretos: n
umero nito de operacoes;
Metodos Iterativos: Calcular uma sequencia x(1) , x(2) , ... de aproximacoes da solucao
x sendo dada
uma aproximacao inicial x(0) .
Obs: O metodo de Crammer e inviavel numericamente devido ao tempo de computacao:
Ax = b xi =
2.3
2.3.1
Di
.
D
M
etodos Diretos
Eliminac
ao de Gauss
Os elementos da primeira coluna abaixo da diagonal devem ser eliminados, baseando-se no elemento
da diagonal da primeira linha a11 = 1. Por esta razao, a11 e chamado de elemento pivo e a linha que o
contem e a linha pivotal. Assim, para eliminar a21 = 2, a primeira linha deve ser multiplicada por um
a21
2
fator m21 e somada `a segunda linha. Este fator e tal que m21 a11 +a21 = 0 m21 =
=
= 2.
a11
1
A nova linha 2 sera L2 = 2L1 + L2 . Do mesmo modo, para eliminar a31 = 4 deve-se multiplicar a
2.3. M
etodos Diretos
primeira linha por m31 e somar `a terceira linha, com m31 a11 + a31 = 0 m31 =
ou seja, L3 = 4L1 + L3 .
a31
4
= = 4,
a11
1
Apos estas duas operacoes l-elementares, o sistema equivalente intermediario tera os dois elementos
abaixo da diagonal iguais a zero.
Agora, para eliminar o elemento da segunda coluna abaixo da diagonal, deve-se usar a22 = 2 como
pivo e a segunda linha como pivotal. A segunda linha e multiplicada pelo fator m32 e somada `a terceira
6
a
2
a22
resultando nalmente no sistema triangular superior equivalente
2.3.2
M
etodo de Gauss-Jordan
x1 + x2 + 2x3 = 4
x = [1 1 1]T .
Exemplo:
2x1 x2 x3 = 0 Solucao:
x1 x2 x3 = 1
2.3.3
M
etodo da pivotac
ao parcial
O metodo de Gauss ira falhar quando um pivo for nulo, pois, neste caso, nao sera possvel calcular os
multiplicadores mij utilizados na eliminac
ao. Este serio problema pode ser evitado pelo uso da estrategia da pivotacao parcial, que consiste em escolher como pivo o maior elemento em modulo da coluna,
cujos elementos serao eliminados. A pivotacao parcial garante que o pivo seja nao nulo, exceto quando
a matriz for singular. Outra vantagem e que todos os multiplicadores satisfazem 1 mij 1, evitando, assim, que eles sejam muito grandes. Multiplicadores grandes podem ampliar os erros de
arredondamento de tal modo a comprometer a solucao do sistema.
Obs: Para eliminar o elemento da segunda coluna, escolhe-se o maior elemento em modulo desta
coluna, sem considerar o elemento da linha pivotal usada na eliminacao da primeira coluna.
2x1 + 3x2 + x3 = 5
2x1 + x2 4x3 = 9
sera L1 = 1/2L3 + L1 .
Do mesmo modo, para eliminar a21 = 2 deve-se multiplicar a terceira linha por m21 e somar `a
2
a21
Agora, para trabalhar na segunda coluna, deve-se usar a12 = 8 como pivo e a primeira linha como
a22
pivotal. A primeira linha e multiplicada pelo fator m22 e somada `a segunda linha, com m22 = =
a12
4
2.3.4
M
etodo da pivotac
ao completa
M =
a11
a12
a1j
a1q
a1n
a21
a22
a2j
a2q
a2n
ap1
ap2
apq
apn
an1 an2
anj
anq
ann
b1
b2
bp
bn
Escolhe-se em M o elemento apq = 0 de maior modulo e nao pertencente `a coluna dos termos
independentes e calculam-se os fatores mi :
mi =
apq e o piv
o e a linha p e a linha pivotal.
aiq
; i = p
apq
(2.3)
2.3. M
etodos Diretos
Soma-se, a cada linha nao pivotal, o produto da linha pivotal pelo correspondente mi da linha
nao pivotal. Resulta-se uma nova matriz, cuja q-esima coluna e composta de zeros, exceto o piv
o.
umero de linhas
Rejeita-se esta coluna e a p-esima linha do pivo tendo-se uma nova matriz M (1) , cujo n
e colunas e diminudo de um. Repete-se obtendo-se M (2) , , M (n1) onde M (n1) e uma linha com
dois termos (linha pivotal) para se obter a solucao, constroi-se o sistema formado por todas as linhas
pivotais e, a partir da u
ltima linha resolve-se por substituicoes retroativas o sistema criado.
Exemplo:
Solucao:
x = [1 1 2 1]T .
2.3.5
Decomposic
ao LU
( Uma)matriz
( quadrada
) ( qualquer)pode ser escrita como o produto de duas matrizes, por exemplo,
4 3
1 0
4 3
=
.
.
8 5
2 1
0 1
Assim, uma matriz A foi fatorada tal que A = LU, onde L e uma matriz triangular inferior unit
aria
(lii = 1, i) e U e uma matriz triangular superior. Deste modo, para resolver o sistema Ax = b, usa-se
a matriz A na forma decomposta
Ax = b LU x = b.
(2.4)
Ly = b e U x = y
(2.5)
Fazendo
tem-se que a solucao y do sistema triangular inferior Ly = b e obtida pelas substituicoes sucessivas
com lii = 1 pois L e uma matriz unitaria. O vetor y e usado como termo independente no sistema
triangular superior U x = y, cuja solucao x e calculada pelas substituicoes retroativas.
C
alculo dos fatores:
Uma matriz A pode ser fatorada, usando-se o metodo da eliminacao de Gauss. A matriz triangular
superior U e a mesma do metodo de Gauss e a matriz triangular inferior unitaria L, alem de lii =
1, lij = 0, i < j, possui lij = mij , i > j, sendo mij os multiplicadores usados no processo de eliminac
ao
de Gauss.
ca assim fatorado:
0 0
L = 2 1 0
4 3 1
1 3
U = 0
0
12
10
usada na decomposicao LU para evitar um pivo nulo e que os multiplicadores mij tenham valores
muito grandes. Quando a pivotacao parcial for usada, a decomposicao e da forma P A = LU, onde
P e a matriz de permutacoes, que sera constituda das linhas de uma matriz identidade I, colocadas
na mesma ordem das linhas pivotais que geram a matriz triangular superior U. A matriz triangular
inferior unitaria L e formada pelos multiplicadores, com sinais contrarios, utilizados na eliminac
ao. A
ordem em que os multiplicadores sao atribudos a cada linha L e dada pelos ndices das linhas pivotais.
Para resolver o sistema Ax = b, tem-se Ax = b P Ax = P b LU x = P b.
Assim, basta fazermos
Ly = P b e U x = y.
(2.6)
A vantagem dos processos de fatoracao e que podemos resolver qualquer sistema linear que tenha
A como matriz dos coecientes. Se o vetor b for alterado, a solucao do novo sistema linear sera quase
imediata.
2.3.6
Avaliac
ao do resduo/erro
O erro produzido por uma solucao x do sistema Ax = b pode ser avaliado pela expressao:
= max |ri |
1in
2.4
M
etodos Iterativos
A solucao
x do sistema Ax = b e obtida calculando-se uma sequencia
(1) (2)
x , x , , x(k) , de aproximacoes de
x , sendo dado um chute inicial x(0) . Para isso transformase o sistema dado num equivalente da forma
x = F x + d onde F e matriz n n e x e d sao vetores n 1.
2.4. M
etodos Iterativos
11
2.4.1
M
etodo de Jacobi
Seja o sistema:
a x + a x + ...a x = b
21 1
22 2
2n n
2
............................................
a x + a x + ...a x = b
n1 1
n2 2
nn n
Isola-se x1 na primeira equacao; Isola-se x2 na segunda equacao; e assim por diante. Tem-se:
xn = n
ann
aii = 0.
a13
a12
1
x1
a11
a
a11
11
b2
a23
a21
x2
a
a22
a22
Assim x =
22 F =
.. d =
an1
b
an2
an3
n
xn
ann
ann
ann
ann
Portanto o metodo de Jacobi funciona do seguinte modo:
a1n
a11
a2n
a22
(k)
admitida), ou k > M, M = n
umero maximo de
iteracoes.
{
Exemplo: Resolver o seguinte sistema com tolerancia 102 ou K > 10 :
2x1 x2 = 1
x1 + 2x2 = 3
Solucao:
x = [0, 998 1, 002]T .
Criterio de Convergencia: Cada elemento de uma linha que pertenca a diagonal principal dever ser
maior em modulo que a soma, em modulo, dos demais elementos desta linha da matriz dos coecientes.
12
aij
<1
aii
(2.7)
j=1j=i
2.4.2
M
edoto de Gauss-Seidel
Seja o sistema Ax = b. Escolhemos um chute inicial x(0) = (x01 , x02 , x03 , , x0n ) e fazemos as
xk+1
=
2
xk+1
=
n
b2 (a21 xk+1
+ a23 xk3 + + a2n xkn )
1
a22
bn (an1 xk+1
+ an2 xk+1
+ + an,n1 xk+1
1
2
n1 )
ann
aii = 0.
Ou seja,
xk+1
i
=d+
i1
Fij xk+1
j
j=1
(k+1)
Fij xkj i = 1, 2, 3, ; k = 0, 1, 2,
j=i+1
(k)
xi | < ou k > M.
Solucao:
x = [0, 998 1, 002]T .
Exemplo 2: Resolver o seguinte sistema com tolerancia 102 :
2x1 x2 = 1
x1 + 2x2 = 3
2.5. Compara
c
ao dos m
etodos
2.5
13
Compara
c
ao dos m
etodos
Faremos a seguir uma breve discussao, comparando os matodos estudados, levando em consideracao os seguintes criterios: convergencia, esparsidade, n
umero de operacoes e erros de arredondamento,
conforme indicado em Ruggiero e Lopes (1996).
i) Converg
encia: os metodos diretos sao processos nitos e, portanto, teoricamente obtem a
solucao de qualquer sistema nao-singular de equacoes. Ja os metodos iterativos tem convergencia
assegurada apenas sob determinadas condicoes.
ii) Esparsidade da matriz A: a grande maioria dos sistemas lineares, que surgem de problemas
reais a partir da discretizacao de equacoes diferencias, por meio de metodos como diferencas nitas
ou elementos nitos, assim como aqueles das aplicacoes em redes de potencia, sao sistemas de grande
porte com matriz de coecientes esparsa. Nestes casos, adotamos esquemas especiais para o armazenamento da matriz de coecientes, tirando proveito de sua esparsidade. Alem disso, os metodos
iterativos sao mais indicados para estes tipos de sistemas, uma vez que tiram proveito da esparsidade
da matriz A, enquanto nos metodos diretos esta esparsidade pode ser perdida.
iii) N
umero de opera
c
oes: os metodos diretos requerem um total de operacoes da ordem de n3 ,
sem contar as operacaes envolvidas na estrategia de pivoteamento, enquanto o metodo de Gauss-Seidel
requer 2n2 operacoes por iteracao. Assim, se no n
umero de iteracoes for menor que n/2, este ter
a
vantagem sobre os metodos diretos.
iv) Erros de arredondamento: os metodos diretos apresentam serios problemas com erros
de arredondamento. Vimos que uma forma de amenizar este problema e atraves da estrategia de
pivoteamento, o que aumenta o n
umero de operacaes a serem realizadas. Ja os metodos iterativos
apresentam menos erros de arredondamento, ja que assegurada a convergencia, ela independe da
aproximacao inicial. Assim, somente o erros de arredondamento cometidos na u
ltima iteracao e que
ir
ao afetar a solucao encontrada, pois os erros de arredondamento nao levarao a divergencia do processo,
ou a convergencia para outro vetor que nao seja a solucao do sistema.
2.6
Lista de Exerccios
2x1 + 3x2 + x3 x4
x + x 4x + x
1
2
3
4
a)
x
+
x
+
x
+
x
1
2
3
4
4x 5x + x 2x
1
6, 9
6, 6
10, 2
= 12, 3
Solucao:
x = [0, 9 2, 1 3 4, 2]T
x + 2x + 3x + 4x
1
2
3
4
b)
x1 x2 x3 x4
x +x +x +x
1
10
= 1
=
14
2x + x + 2x + 3x
1
2
3
4
c)
3x
+
2x
+
x
+
2x
1
2
3
4
4x + 3x + 2x + x
1
= 10
=
Solucao:
x = [0 1 0 2]T
Solucao:
x = [2, 347; 4, 354; 2, 391; 1, 768; 2, 339]
x + 6x + 2x 3x
1
2
3
4
e)
5x1 + 5x2 + x3
2x + 4x 2x + x
1
= 43
=
= 18
=
Solucao:
x = [1 2 3 4]
Solucao:
x = [1 1 1]
10x1 + 1x2 x3
b)
x1 + 10x2 + x3
Solucao:
x = [1 1
= 10
= 12
= 11
1]
4x1 6x2 x3 = 7
c)
2x1 3x2 + x3 = 5
x1 + 2x2 + x3
=
4
Solucao:
x = [1 2 1]
x1
12
d) 1 4
2 . x2 = 20
3
x3
2 3 10
Solucao: x = [4 3 2]
3. Resolva os Seguintes
3 2 5
1
6 4 8 1
a)
9 6 19 1
6 4 6 15
7
x1
x2 9
=
.
x 23
3
x4
11
0.25
0.36 0.12
15
x1
b) 0.112 0.16 0.24 . x2 = 8
x3
9
0.147 0.21 0.25
1 1 2 1
c)
3 2 3 2
4 3
2 1
x1
x2 1
.
=
x 14
3
x4
12
12
a) 1 4
2 . y = 20
2 3 10
z
3
2 3 1
x1
b) 1 0 2 . x2
0 3 1
x3
Solucao:
x = [1 0
= 3
2
= 3
= 8
=
33
2]
5x 3x + 15x x 4x + x
= 112, 05
1
4x + 3x + x + 2x x + 12x =
1
2
3
4
5
6
Solucao:
x = [1, 222 2, 968
3, 968
2, 18
10, 882
7, 393 0, 866
0, 410 0, 865]T
6. Resolver
usando Jacobi, com no maximo 10 iteracoes:
x1 0, 25x2 0, 25x3 =
0
0, 25x + x 0, 25x =
0
1
2
4
0, 25x1 + x3 0, 25x4 = 0, 25
0, 25x + x
= 0, 25
2
Solucao:
x = [0, 107 0, 09 0, 342 0, 272]T
16
5x1 x2 + 2x3 x4
= 5
x + 9x 3x + 4x
= 26
1
2
3
4
2x + 2x 3x + 10x = 33
1
Solucao:
x = [0, 999 2 3 4]T
8. Resolver o sistema a seguir pelos metodos iterativos de Jacobi e de Gauss-Seidel com k maximo
= 10 ou < 103 :
x + 8x x + 2x
1
48
2x1 x2 5x3 + x4
= 11
x + 2x + 3x + 20x = 150
1
2
3
4
Resposta:
x = [3; 1; 5; 7]
9. Considere o circuito a seguir com resistencias e baterias tal como indicado; escolhemos arbitrariamente as correntes e os valores da malha:
Aplicando a Lei de Kircho que diz que a soma algebrica da diferencas de potencial em qualquer
circuito fechado e zero, obtemos para as correntes i1 , i2 , i3 , o seguinte sistema linear:
17
Caminhoes
(1)
(2)
(3)
(4)
(5)
A
1
0
2
3
2
Maquinas
B C D
1 1 0
1 2 1
1 1 2
2 1 2
1 2 3
E
2
1
0
1
1
Para determinar as temperaturas de pontos interiores da malha, pode-se supor que a temperatura
em cada ponto e igual a media aritmetica dos quatro pontos contguos. Por exemplo:
T32 =
18
12. Numa trelica estaticamente determinada com juntas articuladas, como dada na gura a seguir:
a tensao, (Fi ), em cada componente pode ser obtida da seguinte equacao matricial:
1 0, 8660
0, 7071 0
0, 5
0 1
0, 8660
0, 5
0, 7071
1 0
0
0
0
0
0
0
0
1
0
0, 7071
0
0
0 0, 7071
1
0 1
0
0 1 0
0
0
0
1
0, 7071
F1
F2 1000
F3
0
F4
0
F5 = 500
F6
0
F7
0
F8 500
F9
0
Observe que as equacoes sao obtidas fazendo-se a soma de todas as forcas horizontais ou verticais
em cada junta igual a zero. Alem disso a matriz dos coecientes e bastante esparsa, e assim um
candidato natural e o metodo de Gauss-Seidel.
a) As equacoes podem ser rearranjadas de modo a se obter uma matriz estritamente diagonalmente dominante?
b) Resolva o sistema pelo metodo de Gauss-Seidel, partindo do vetor nulo e obtendo a soluc
ao
com precisao de 104 .
Obsservacoes:
(i) Se a matriz A tiver a diagonal estritamente dominante por linhas ou por colunas, os metodos
de Jacobi e de Gauss-Seidel convergem, para qualquer vetor inicial x( 0) escolhido.
(ii) Uma matriz e dita de diagonal dominante se, para todas as linhas da matriz, o modulo do
valor da matriz na diagonal e maior que a soma dos modulos de todos os demais valores
(nao-diagonais) daquela linha. Mais precisamente, a matriz A e de diagonal dominante se
|aij | >
j=i
onde aij denota o termo da i-esima linha e j-esima coluna da matriz. O mesmo raciocnio
se aplica para as colunas, e para uma matriz ser estritamente dominante basta que seja por
linhas ou por colunas.
Captulo 3
Interpolac
ao
A aproximacao de funcoes por polinomios e uma das ideias mais antigas da analise numerica, e
bastante facil entender por que razao isso acontece. Os polinomios s
ainda uma das mais usadas. E
ao
facilmente computaveis, suas derivadas e integrais sao novamente polinomios, suas razes podem ser
encontradas com relativa facilidade.
Veremos aqui como aproximar uma funcao usando Metodos de Interpolacao Polinomial.
Tais metodos sao usados como uma aproximacao para uma funcao f (x), principalmente, nas seguintes situacoes:
a) nao conhecemos a expressao analtica de f (x), isto e, sabemos apenas seu valor em alguns pontos
x0 , x1 , x2 , (esta situacao ocorre muito frequentemente na pratica, quando se trabalha com dados
experimentais) e necessitamos manipular f (x) como, por exemplo, calcular seu valor num ponto, sua
integral num determinado intervalo, etc.
b) f (x) e extremamente complicada e de difcil manejo. Entao, `as vezes, e interessante sacricar
a precisao em benefcio da simplicacao dos calculos.
3.1
3.1.1
Interpola
c
ao Polinomial
Interpolac
ao Linear
Dados dois pontos diferentes de uma funcao y = f (x), (x0 , y0 ) e (x1 , y1 ) deseja-se calcular o valor de
y para um determinado valor de x entre x0 e x1 , usando-se interpolacao. Sempre que tivermos um
n
umero de pontos podemos encontrar um polinomio interpolador de grau uma unidade menor. Neste
caso, grau 1, isto e:
P1 (x) = a1 x + a0
P1 (x0 ) = f (x0 ) = y0 a1 x0 + a0 = y0
P1 (x1 ) = f (x1 ) = y1 a1 x1 + a0 = y1
Gerando um sistema:
[
x0 1
x1 1
][
a1
a0
19
[
=
y0
y1
20
Captulo 3. Interpola
c
ao
3.1.2
Interpolac
ao Quadr
atica
2
x0 x0 1
a2
y0
a2 x0 + a1 x0 + a0 = y0
a2 x1 2 + a1 x1 + a0 = y1 x1 2 x1 1 a1 = y1
a0
y2
a2 x2 2 + a1 x1 + a0 = y2
x2 2 x2 1
3.1.3
Interpolac
ao Polinomial
Pn (x) = a0 + a1 x + a2 x2 + + an xn =
ai xj .
j=0
n
2
an x0 + + a2 x0 + a1 x0 + a0 = y0
a x n + + a x 2 + a x + a = y
n 1
2 1
1 1
0
1
Pn (xi ) = yi
a x n + + a x 2 + a x + a = y
n n
2 n
1 n
0
n
3.2
Interpola
c
ao de Lagrange
Polinomio de Lagrange:
Pn (x) =
i=0
yi .
j=0,j=i
x xj
xi xj
(3.1)
Exemplo:
x
39
67
P2 (x) =
yi .
i=0
j=0,j=i
x xj
(x x1 ) (x x2 )
(x x0 ) (x x2 )
= y0
+ y1
+
xi xj
(x0 x1 ) (x0 x2 )
(x1 x0 ) (x1 x2 )
+y2
3.2.1
Forma Simplicada
Construir a tabela:
x0
x1
xobj
(x x0 ) (x x1 )
= = x2 + 2x + 4.
(x2 x0 ) (x2 x1 )
Dif 0
Dif 1
xobj x0
xobj x1
...
xn
Dif n
...
xobj xn
PRODX
(xobj x0 ) (xobj x1 ) ... (xobj xn )
PROD0
x0
x0 x1
...
x0 xn
x1
..
.
x1 x0
..
.
..
.
...
..
.
x1 xn
..
.
xn
xn x0
xn x1
...
21
Em seguida fazer
Pn (xobj) = y0 .
P RODX
Dif 0
P ROD0
+ y1 .
P RODX
Dif 1
P ROD1
+ + + yn .
P RODX
Dif n
P RODn
(3.2)
Exemplos:
1) Problema das popula
c
oes: A tabela abaixo representa a populacao de certa cidade:
Ano
Popula
c
ao (106 )
55
72
65
86
85
121
Altitude (m)
0
200
400
600
800
1000
3.3
Erro na Interpola
c
ao
o polinomio de interpolacao uma boa aproximacao para f (x)? Para respondermos esta pergunta
E
devemos estudar a teoria do termo do erro. Para isso devemos conhecer os seguintes teoremas:
Teorema de Rolle: Seja f (x) contnua em [a, b] e diferenciavel em cada ponto de (a, b). Se
Teorema de Rolle generalizado: Seja n 2. Suponhamos que f (x) seja contnua em [a, b]
e que f (n1) (x) exista em cada ponto de (a, b). Suponhamos que f (x1 ) = f (x2 ) = = 0 para
a x1 < x2 < < xn b. Entao existe um ponto , x1 < < xn , tal que f (n1) () = 0.
Prova: A prova e feita aplicando-se sucessivamente o Teorema de Rolle.
Teorema: Seja f (x) contnua em [a, b] e suponhamos que f n+1 (x) exista em cada ponto (a, b). Se
a x1 < x2 < < xn b, entao:
Rn (f ; x) = f (x) Pn (f ; x) =
(x x0 )(x x1 ) (x xn ) (n+1)
f
()
(n + 1)!
(3.3)
22
Captulo 3. Interpola
c
ao
E o erro que se comete no ponto x quando se substitui a funcao por seu polinomio de interpolac
ao
calculado em x. Na pratica, para estimar o erro cometido ao aproximar o valor da funcao num ponto
por seu polinomio de interpolacao, fazemos:
|Rn (f ; x)|
|x x0 ||x x1 | |x xn |
maxatb |f (n+1) (t)|.
(n + 1)!
(3.4)
0.1
0.2
0.3
0.4
0.5
3x
1.3499
1.8221
2.4596
3.3201
4.4817
Calcular um limitante superior para o erro de truncamento quando avaliamos f (0.25), onde f (x) =
3x
|x x0 | |x x1 | |x x2 |
Pelo resultado obtido, vemos que, se tomarmos um polinomio do segundo grau para avaliar f (0.25),
obteremos o resultado com duas casas decimais corretas!!
Observa
c
oes:
O n
umero de zeros depois do ponto decimal, no resultado do erro, fornece o n
umero de dgitos
signicativos corretos que teremos na aproximacao.
Observe que poderamos ter tomado: x0 = 0.1, x1 = 0.2 e x3 = 0.3. Se tomarmos estes pontos,
obtemos que |R2 (f ; x)| 0.0054, o que implica que obteremos duas casas decimais corretas na aproximacao. Assim, tanto faz tomarmos um ponto `a esquerda e dois `a direita de 0.25, ou dois pontos `a
esquerda e um `a direita, que o erro sera da mesma ordem de grandeza.
3.4. Interpola
c
ao de Newton
3.4
23
Interpola
c
ao de Newton
3.4.1
Diferencas Divididas
Defini
c
ao: Sejam n + 1 pontos distintos x0 , x1 , ..., xn no intervalo [a, b], e sejam f0 , f1 , ..., fn ; n+1
valores de uma funcao y = f (x) sobre x = xk , k = 0, 1, ..., n. Dene-se:
f [xk ] = f (xk ), k = 0, 1, ..., n.
f [x0 , x1 , ..., xn ] =
Observe que, do lado direito de cada uma das igualdades anteriores devemos aplicar sucessivamente
a denicao de diferenca dividida ate que os calculos envolvam apenas o valor da funcao nos pontos,
isso e:
f [x1 , x2 ] f [x0 , x1 ]
f [x0 , x1 , x2 ] =
=
x1 x0
x2 x1
x1 x0
x2 x0
Entretanto, podemos calcular as diferencas divididas de uma funcao, de uma maneira mais simples,
conforme segue.
Para calcular as diferencas divididas de uma funcao f (x) sobre os pontos x0 , ..., xn , construmos a
tabela de diferencas divididas:
xi
f [xi ]
f [xi , xj ]
x0
f [x0 ] = f0
f [x0 , x1 ] =
x1
f [x0 , x1 , x2 ] =
f [x3 ] f [x2 ]
x3 x2
f [x4 ] = f4
..
.
f [x2 , x3 ] f [x1 , x2 ]
x3 x1
...
f [x3 ] = f 3
f [x2 , x3 , x4 ] =
f [x4 ] f [x3 ]
x4 x3
..
.
f [x1 , x2 ] f [x0 , x1 ]
x2 x0
...
f [x1 , x2 , x3 ] =
f [x3 , x4 ] =
x4
..
.
f [x2 ] f [x1 ]
x2 x1
f [x2 ] = f 2
f [x2 , x3 ] =
x3
f [x1 ] f [xo ]
x1 x0
f [x1 ] = f1
f [x1 , x2 ] =
x2
f [xi , xj , xk ]...
..
.
f [x3 , x4 ] f [x2 , x3 ]
x4 x2
...
24
Captulo 3. Interpola
c
ao
A tabela e construda da seguinte forma:
f (x)
29
30
31
62
Solu
c
ao: Utilizando o esquema anterior, obtemos a tabela:
xi
f [xi ]
29
f [xi , xj ]
29 (2)
= 31
1 (2)
30 29
=1
0 (1)
30
31 30
=1
10
31
62 31
= 31
21
f [xi , xj , xk ]
1 31
= 15
0 (2)
11
=0
1 (1)
31 1
= 15
20
f [xi , ..., xl ]
0 (15)
=5
1 (2)
15 0
=5
2 (1)
f [xi ], ..., xm ]
55
=0
2 (2)
62
3.4.2
F
ormula de Newton
(1) f [x0 , x] =
f [x] f [x0 ]
, denida em [a, b], para x = x0 ,
x x0
3.4. Interpola
c
ao de Newton
(2) f [x0 , x1 , x] =
25
f [x0 , x] f [x0 , x1 ]
, denida em [a, b], para x = x0 e x = x1 ,
x x1
..
.
(n+1) f [x0 , x1 , , xn , x] =
f [x] f [x0 ]
f [x0 , x1 ]
x x0
De maneira an
aloga, de (n+1), segue que:
f (x) = {f [x0 ] + (x x0 )f [x0 , x1 ] + (x x0 )(x x1 )f [x0 , x1 , x2 ]
+(x x0 )(x x1 )(x x2 )f [x0 , x1 , x2 , x3 ]+...]
+(x x0 )(x x1 )...(x xn1 )f [x0 , x1 , ..., xn ]}1 .
+{(x x0 )(x x1 )...(x xn )f [x0 , x1 , ..., xn , x]}2 .
Pn (x) = yo +
i=1
(i)
y0
j1
i=0
(x xj )
(3.5)
26
Captulo 3. Interpola
c
ao
3.5
Escolher n+1 pontos dentre m valores de uma tabela, sendo m > n+1, para obter um polin
omio
de grau n.
Os n + 1 pontos escolhidos devem ser os mais proximos do valor em que deseja-se obter a
interpolacao.
Nao de deve construir polnomios de grau elevado devido aos erros de arredondamento.
Deve-se evitar uma extrapolacao na qual z
/ [x0 , xn ].
Examinar as diferencas divididas na vizinhanca do ponto de interesse. Se as diferencas de ordem
k forem praticamente constantes, ou se as diferencas de ordem k + 1 variarem em torno de zero,
o polinomio de grau k sera o que melhor aproximara a funcao na regiao considerada.
3.6
Lista de Exerccios
1. A tabela a seguir relaciona o calor especco da agua com a temperatura. Calcular a capacidade
calorca cp da agua `a temperatura t = 2500 C, usando interpolacao.
t,0 C
0
cp , Kcal/(Kg C)
200
220
240
260
280
1,075
1,102
1,136
1,183
1,250
, g/cm
-20
20
100
200
300
13,645
13,546
13,352
13,115
12,881
3. Por tres dias consecutivos em determinada cidade foram medidas as temperaturas que segue
indicado na tabela abaixo. Estimar a temperatura media destes 3 dias `as 11h. Resposta:
T EM PM (11) = 18, 63o
Hora/Dia
16
14
17
10
19
16
18
12
22
17
20
14
25
19
23
4. A que temperatura a agua entra em ebulicao no Pico da Bandeira ( altitude = 2890 m ), sabendo
que o ponto de ebulicao da agua varia com a altitude, conforme mostra a Tabela 3.1 ( usar os
cinco pontos mais proximos de 2890 m. )
5. Usando os cinco primeiros pontos da Tabela 3.1 determinar o ponto de ebulicao da agua em um
local de Belo Horizonte que possui altitude igual a 1000 m.
27
Tempo
15
30
45
60
Distancia
0
20 km
35 km
53 km
80 km
7. A velocidade do som na agua varia com a temperatura. Usando os valores da tabela abaixo ,
determinar o valor aproximado da velocidade do som na agua a
100
C. Resposta:1542,94 m/s
Temp (o C)
Veloc (m)
86
1552
93,3
1548
98,9
1544
104,4
1538
110
1532
8. Um automovel percorreu 160 km numa rodovia que liga duas cidades e gastou, neste trajeto,
2 horas e 30 minutos. A Tabela abaixo da o tempo gasto e a distancia percorrida em alguns
pontos entre as duas cidades.
28
Captulo 3. Interpola
c
ao
Tempo(min)
Dist (m)
10
30
27
60
58
90
100
120
145
150
160
a) Qual foi aproximadamente a distancia percorrida pelo automovel nos primeiros 45 minutos
da viagem, considerando apenas os 4 primeiros pontos da tabela?
Resposta: 77,84
minutos.
9. Os resultados da densidade da agua em varias temperaturas sao demonstrados na tabela a
seguir:
T
10
15
20
25
30
35
40
0.9999
0.9998
0.9997
0.9991
0.9982
0.9971
0.9957
0.9941
0.9902
Calcular:
a)(13),
b)(27).
10. Um para-quedista realizou seis saltos, pulando de alturas distintas em cada salto. Foi testada
a precisao de seus saltos em relacao a um alvo de raio de 5 metros de acordo com a altura. A
distancia apresentada na tabela seguinte e relativa a circunferencia.
Altura(m)
Distancia do Alvo(m)
1500
35
1250
25
1000
15
750
10
500
1 salto
2 salto
3 salto
4 salto
5 salto
Levando em consideracao os dados da tabela acima, a que provavel distancia do alvo cairia o
para-quedista se ele saltasse de uma altura de 850 metros? Use reta e parabola.
11. Conhecendo o diametro e a resistividade de um o cilndrico, vericou-se a resistencia do o de
acordo com o comprimento. Os dados obtidos estao indicados a seguir:
Comprimento (m)
500
1000
1500
2000
2500
3000
3500
4000
Resisttencia(Ohms)
2.74
5.48
7.90
11.00
13.93
16.43
20.24
23.52
Usando parabolas de 2o e 3o graus determine quais serao as provaveis resistencias deste o para
o comprimento de:
29
a)1730 m
b)3200 m
12. Sendo 200 candelas a intensidade de uma lampada, foi calculada a iluminacao em casos de incidencia normal sobre uma superfcie situada a distancias conhecidas, quando para cada dist
ancia
foi calculada a iluminacao, conforme a tabela a seguir:
Distancia (metros)
1.00
1.25
1.50
1.75
2.00
2.25
2.50
Iluminacao(Lux)
200
128
88.39
65.30
50.00
39.50
32.00
Captulo 4
Ajuste de Curvas
bastante comum em engenharia a realizacao de testes de laboratorio para a validacao de sistemas
E
reais. Os resultados sao obtidos na forma de pontos cujo comportamento demonstra o relacionamento
de uma vari
avel independente com uma, ou mais, vari
avel dependente. O graco destes pontos e
chamado diagrama de dispersao.
31
a observacao do diagrama de dispersao para ver a forma geral dos pontos, ou entao deve-se basear
em fundamentos teoricos do experimento que fornece a tabela. Uma ideia para que a funcao f (x)
se ajuste aos pontos yi e fazer com que o desvio, ou erro, di = yi f (xi ) seja mnimo para todo
i = 1, 2, , n. Assim, denindo uma medida mais abrangente que envolve a soma destes desvios
elevados ao quadrado tem-se:
D(0 , 1 , , m ) =
(di )2 =
i=1
i=1
(4.1)
i=1
O que se busca entao e determinar os i s para que D(.) seja mnimo. Este processo de minimizac
ao e
chamado de Metodo dos Mnimos Quadrados, uma vez que D(.) e denido por uma soma de quadrados.
Do calculo diferencial, sabe-se que para determinar o valor mnimo de uma funcao (ou o seu valor
crtico) deve-se derivar parcialmente esta funcao em relacao `as variaveis independentes. Dessa forma:
D
=2
[yi 0 g0 (xi ) 1 g1 (xi ) m gm (xi )]g0 (xi )
0
n
i=1
D
=2
[yi 0 g0 (xi ) 1 g1 (xi ) m gm (xi )]g1 (xi )
1
n
i=1
D
=2
[yi 0 g0 (xi ) 1 g1 (xi ) m gm (xi )]g2 (xi )
2
n
i=1
..
.
D
=2
[yi 0 g0 (xi ) 1 g1 (xi ) m gm (xi )]gm (xi )
m
n
i=1
para representar
. Igualando as equac
oes
i=1
)
(
)
(
)
)
(
)
(
)
..
.
)
(
)
(
)
32
tadado (Gauss, Jordan, LU, Gauss com pivotamento, etc.). As equacoes deste sistema sao chamadas
de equacoes normais. Nota-se que a matriz dos coecientes deste sistema e simetrica com relac
ao a
diagonal principal, ou seja, a parte triangular inferior e igual a parte triangular superior.
4.1
O modelo mais simples de relacionar duas variaveis e atraves de uma equacao de reta, caracterizando um comportamento linear do sistema que foi submetido `a experiencia. Se a distribuic
ao dos
pontos no diagrama de dispersao assumir uma aparencia de uma reta, entao pode-se armar que:
g0 (x) = 1
g1 (x) = x
g2 (x) = g3 (x) = = gm (x) = 0
o que faz com que o modelo matematico que se ajuste aos pontos do diagrama de dispersao seja
uma equacao de reta, dada por:
f (x) = 0 + 1 x
(4.2)
O problema entao e determinar 0 e 1 . Sabe-se, porem, que para diferentes valores destes coecientes (ou parametros) havera diferentes retas que se ajustam aos pontos dados. Dessa forma,
utilizando o Metodo dos Mnimos Quadrados para minimizar a medida:
D(0 , 1 ) =
[yi 0 1 xi )2
xi
xi
) (
.
(xi )2
0
1
(
=
yi
yi .xi
)
(4.3)
xi
1.3
3.4
5.1
6.8
8.0
yi
2.0
5.2
3.8
6.1
5.8
n (yi yaj )2
R =1
n (yi )2 ( yi )2
2
(4.4)
O coeciente de correlacao e limitado aos seguintes valores: 0 < R2 < 1. Quanto mais proximo de
1 for o valor de R2 , melhor sera o ajuste.
4.2
33
Ajuste Linear M
ultiplo
Quando, em uma experiencia, a variavel resposta depende de duas ou mais variaveis explicativas
e o graco de dispersao apresenta um comportamento linear, pode-se entao aplicar o ajuste linear
m
ultiplo. Para estes casos tem-se:
g0 (x) = 1
g1 (x) = X1
g2 (x) = X2
..
.
gm (x) = Xm
onde Xi , com i = 1, 2, , m, sao vari
aveis distintas entre si. Isto resulta na seguinte equacao:
f (x) = 0 + 1 X1 + 2 X2 + + m Xm
(4.5)
Pode-se mostrar, de maneira analoga ao ajuste linear simples, que as estimativas de j que minimizam a soma dos quadrados dos desvios e a solucao do seguinte sistema de equacoes lineares:
n
X1i
X2i
2
X1i
(X1i )
X1i X2i
X2i
X2i X1i
(X2i )2
..
..
..
.
.
.
Xmi
Xmi X1i
Xmi X2i
Xmi
X1i Xmi
X2i Xmi
.
..
.
2
(Xmi )
..
.
b0
yi
X y
b1
1i i
b2
X2i yi
=
..
..
.
.
bm
Xmi yi
(4.6)
x1i
-1
x2i
-2
-1
yi
13
11
11
-1
4.3
Ajuste Polinomial
Um caso especial de ajuste de curvas ocorre quando o diagrama de dispersao nao apresenta as
caractersticas lineares presentes nos outros tipos de ajuste. Nestas situacoes pode-se realizar o ajuste
polinomial utilizando as seguintes funcoes gi (x).
g0 (x) = 1
g1 (x) = x
g2 (x) = x2
34
(4.7)
xi
(xi )2
xi
(xi )2
(xi )3
2
3
4
(xi )
(xi )
(xi )
.
.
.
..
..
..
.
..
m
m+1
m+2
(xi )
(xi )
(xi )
(xi )m
(xi )m+1
(xi )m+2
.
..
.
2m
(xi )
b0
yi
xy
b1
i i
(xi )2 yi
b2 =
..
..
.
.
bm
(xi )m yi
(4.8)
xi
-2
-1.5
2.2
3.1
yi
-30.5
-20.2
-3.3
8.9
16.8
21.4
N
umero de acidentes (em milhares)
1980
8.300
1.688
1985
9.900
1.577
1990
10.400
1.397
1993
13.200
1.439
1997
13.600
1.418
2000
13.700
1.385
2006
14.600
1.415
4.4. Casos N
ao-Lineares
35
Observe que em qualquer trabalho de serie temporal envolvendo datas contemporaneas, e uma
boa ideia transladar os dados inicias antes de formar as somas,pois isto reduzira os problemas de
arredondamento. Assim, em vez de usar para x os valores 1980,1985 etc., usamos 0, 5 etc.
4.4
Casos N
ao-Lineares
Nos casos em que a famlia de funcoes gi (x) e nao-linear faz-se necessario a efetuacao da linearizac
ao.
E importante observar que os parametros assim obtidos nao sao otimos dentro do criterio dos mnimos
quadrados. Isto porque o que se ajusta e o problema linearizado, e nao o original.
Alguns exemplos de linearizacao:
y = a.ebx ln y = ln a + bx
y = a.bx ln y = ln a + (ln b).x
y = a.xb ln y = ln a + b. ln x
y = a.xb1 .xc2 .xd3 ln y = ln a + b. ln x1 + c. ln x2 + d. ln x3
y = ea+bx1 +cx2 ln y = a + bx1 + cx2
y=
y=
1
1
= a + bx1 + cx2
a + bx1 + cx2
y
(
1
1 + ea+bx1 +cx2
ln
1
1
y
)
= a + bx1 + cx2
4.5
xi
0.1
1.5
3.3
4.5
yi
5.9
8.8
12
19.8
21.5
Lista de Exerccios
xi
-2.0
-0.5
1.2
2.1
3.5
5.4
yi
4.4
5.1
3.2
1.6
0.1
-0.4
Construir um diagrama de dispersao com os pontos dados e representar a reta obtida no ajuste
no mesmo graco. Encontrar o coeciente de determinacao.
Resposta: yb = 3.62 0.798x, R2 = 0.889
36
3. Seja a tabela:
i
10
xi
10
11
12
13
14
yi
0, 01
0, 05
0, 08
0, 14
0, 18
0, 26
0, 44
0, 51
0, 79
1, 02
14
Germinacao (dias)
10
26
41
29
27
27
19
28
19
31
29
33
5. A tabela a seguir lista o total de agua (A) consumida nos Estados Unidos em bilhoes de gal
oes
por dia:
Ano
1960
1970
1980
1990
2000
136.43
202.70
322.90
411.20
494.10
100
1000
10000
100000
(x)
25
168
1229
9592
(a) Determinar pelo metodo dos mnimos quadrados, para os dados acima, uma express
ao do
x
.
tipo: (x) = a + b
log10 x
(b) Estimar o n
umero de n
umeros primos de seis dgitos usando o item (a).
37
7. Apos serem efetuados medicoes num gerador de corrente contnua, foram obtidos os seguintes
valores, indicados por um voltmetro e um ampermetro.
I(carga(A)
1.58
2.15
4.8
4.9
3.12
3.01
210
180
150
120
60
30
1980
248.8
355.3
1985
398.0
438.0
1989
503.7
487.7
1994
684.9
617.8
1998
749.9
658.1
2001
793.5
674.6
2003
865.7
707.6
Estudos mostram que a melhor forma de trabalhar os dados e aproxima-los por uma func
ao do
tipo: axb . Assim:
(a) Utilize a funcao axb para cada um dos PNBs no tempo.
(b) Use os resultados da parte (a) para prever os PNBs no ano 2006.
(c) Que lhe diziam os resultados da parte (b) sobre a taxa de inacao no ano 2006?
9. Em um estudo , determinou-se que a vazao de agua em uma tubulacao esta relacionada com o
diametro e com a inclinacao dessa tubulacao(em relacao `a horizontal). Os dados experimentais
estao na tabela; O estudo tambem sugere que a equacao que rege a vazao da agua tem a seguinte
m3
, S e a inclinacao da tabulacao, D e o diametro
forma: Q = a0 Da1 S a2 , onde Q e a vazao (em
s
da tubulacao (em m) e a0 , a1 e a2 sao constantes a determinar.
Experimento
Diametro
Inclinacao
(
)
Vazao m3 /s
0.001
1.4
0.001
8.3
0.001
24.2
0.001
4.7
0.01
28.9
0.01
84.0
0.05
11.1
0.05
200.0
38
m3
para uma tubulacao com um
s
10. Os dados das tabelas a seguir mostram a quantidade de alcatrao e nicotina (em miligrama) de
varias marcas de cigarro, com e sem ltro.
Com ltro
Alcatrao
8.3 12.3 18.6 22.9 23.1 24.0 27.3 30.0 35.9 41.5
Nicotina
0.32 0.46 1.10 1.32 1.26 1.44 1.42 1.96 2.23 2.20
Sem ltro
Alcatrao
32.5 33.0 34.2 34.8 36.5 37.2 38.4 41.1 41.6 43.4
Nicotina
1.69 1.76 1.48 1.88 1.73 2.12 2.35 2.46 1.97 2.65
(a) Calcule as regressoes lineares do tipo ax + b para a relacao entre nicotina(y) e alcatr
ao (x)
em ambos os casos (com e sem ltro).
(b) Discuta a hipotese de a (coeciente angular) ser o mesmo nos dois casos.
(c) Para uma certa quantidade de alcatrao, os cigarros com ltro contem menos nicotina que
os sem ltro?
11. A tabela mostra as alturas e pesos de uma amostra de nove pessoas entre as idades de 25 e 29
anos:
altura (cm)
peso (kg)
183
79
173
69
168
70
188
81
158
61
163
63
193
79
163
71
178
73
10
0,9
15
3
20
8
25
16
30
27
40
60
50
99
60
137
70
173
80
205
90
232
100
254
1960
1
70,2
1970
2
93,1
1980
3
119
1991
4,1
146,2
2000
5
169,8
39
Observe que foi realizada uma troca de variaveis (ano para t), portanto, resolva os itens solicitados com a variavel t e faca a conversao para dar as respostas.
a) Ajuste aos dados uma curva do tipo: P (t) = a tb . Use esta curva e obtenha uma estimativa
da populacao do Brasil no ano 2010.
b) Ajuste aos dados uma curva do tipo: P (t) = a ebt . Use esta curva e obtenha uma estimativa
da populacao do Brasil no ano 2010.
c) Comparando o coeciente de correlacao para cada caso, indique qual a melhor curva para
ajustar os dados destes recenseamentos
14. A resistencia () a compressao do concreto decresce com o aumento da razao agua/cimento , em
galoes de agua por saco de cimento. A resistencia `a compressao de tres amostras de cilindros
15. Tomar a planta de uma parte de uma cidade, localiza-la num sistema coordenado, escolher
aleatoriamente 10 pares de pontos sobre a rede viaria e medir:
a) a distancia euclidiana - dE
b) a distancia real - d (considerando o menor caminho - caminhando)
Estabelecer uma relacao linear entre a distancia euclidiana e a real. Fazer os gracos das retas
de regressao obtidas e marcar tambem os valores medidos. Analisar os resultados.
Captulo 5
Zeros de Funco
es
Nosso objetivo e encontrar x = na qual f (x) = 0. Este valor e o zero da funcao f (x) ou a raz
da equacao f (x) = 0.
Etapas:
1. Isolar a raiz, isto e, encontrar um intervalo [a, b], o menor possvel, que contenha uma e somente
uma raiz da equacao f (x) = 0.
2. Melhorar o valor da raiz aproximada, isto e, rena-la ate o grau de exatidao requerido.
Observa
c
oes:
a) Seja f (x) um funcao contnua em [a, b]. Se f (a) f (b) < 0 entao o intervalo contem no mnimo
uma raiz da equacao f (x) = 0.
b) A raiz e u
nica se a derivada f (x) existir e preservar o sinal dentro do intervalo (a, b), isto e,
5.1
M
etodo Gr
aco
Uma raiz real de uma equacao f (x) = 0 e um ponto onde f (x) toca o eixo dos x. Assim, se
possvel faz-se um esboco do graco da funcao e sabe-se onde a funcao se anula. (na pratica, usa-se
calculadoras ou num microcomputador programas gracos.)
Ilustremos com alguns casos:
Pelo graco de f (x) = ln(x) podemos observar, por exemplo, que f (0, 5) < 0 e f (1, 5) > 0, logo
f (0, 5) f (1, 5) < 0. Portanto existe uma raiz de f (x) no intervalo (0,5, 1,5). Alem disso a curva
40
5.1. M
etodo Gr
afico
41
Podemos observar no graco de f (x) = ex que a curva nao intercepta o eixo x, logo nao existe x
tal que f (x = 0.
Sendo f : [0, 2] R tal que f (x) = cos(x), podemos observar que existem duas razes para f (x),
uma no intervalo (1, 2) e outra no intervalo (4, 5).
1
x
42
5.2
M
etodo da Bisse
c
ao
Seja f (x) um funcao contnua em [a, b] com f (a) f (b) < 0. Entao:
1. Dividi-se o intervalo ao meio, obtem-se x0 , e assim formam-se dois
intervalos: [a, x0 ] e [x0 , b].
Se f (x0 ) = 0 = x0
{
f (a) f (x0 ) < 0 (a, x0 )
senao
f (x0 ) f (b) < 0 (x0 , b)
2. Toma-se o novo intervalo que contem e dividi-se ao meio novamente obtendo-se x1 .
3. Repete-se o processo ate que se obtenha a precisao desejada para a aproximacao da raiz.
5.3
M
etodo das Cordas
x0 a
x0 x1
5.4. M
etodo de Newton
43
f (x0 )
f (x0 ) f (a)
x1 = x0
f (x0 )
.(x0 a)
f (x0 ) f (a)
Por inducao:
xn+1 = xn
f (xn )
.(xn a)
f (xn ) f (a)
n = 0, 1, 2, ...
f (xn )
.(xn c)
f (xn ) f (c)
n = 0, 1, 2, ...
(5.1)
5.4
M
etodo de Newton
Seja y = f (x) uma funcao contnua e diferenciavel num intervalo [a, b] que contenha apenas um
n
umero tal que f () = 0. Suponhamos que f (a) f (b) < 0.
44
Situa
c
oes:
{
Observa
c
ao: Quando tiver f () = 0 e necessario usar o metodo da bissecao.
Deducao do metodo de Newton: Traca-se retas tangentes, assim:
f (x0 ) =
f (x0 )
(x0 x1 ) =
f (x0 )
f (x0 )
x1 = x0 +
f (x0 )
f (x0 )
x1 = x0
f (x0 )
f (x0 )
Por inducao:
xn+1 = xn
f (xn )
f (xn )
n = 0, 1, 2, ...
(5.2)
5.5
45
Lista de Exerccios
Resposta: 0.64844
erro 10
x (1, 2)
Resposta: 1.5391
c) f (x) = e sin x 2
erro 10
x [1, 1.2]
Resposta: 1.05413
d) f (x) = x 4x + x + 6
x [1.4, 2.2]
Resposta: 2.00281
e) f (x) = x 10 ln x 5
erro 0.001
a) f (x) = x2 + ln x
b) f (x) = x + e 7
2
f) f (x) = x e
3
2x
+3
g) f (x) = 2x + x 2
3
erro 0.01
erro 10
Resposta: 0.6312
erro 0.001
3
Resposta: 0.85809
x [1.5, 1]
h) f (x) = 3x cos x + 4
erro 10
i) f (x) = x + e 10
j) f (x) = 3 + sin x 2 ln x
erro 0.001
Resposta: 3.5970
k) f (x) = 7x sec x
erro 0.001
l) f (x) = 2e + x
m) f (x) = e + cos x 5
x
Resposta: -1.21823
erro 10
Resposta: -0.92548
erro 10
Resposta: 1.6189
2. Um amplicador eletronico com acoplamento R - C com tres estagios em cascata tem uma
resposta a um degrau unitario de tensao dada pela expressao:
(
)
T2
g(T ) = 1 1 + T +
eT
2
onde T e uma unidade de tempo normalizada. O tempo de subida de um amplicador e denido
como o tempo necessario para sua resposta ir de 10% a 90% de seu valor nal. No caso, como
g() = 1 e necessario calcular os valores de T para os quais
g = 0, 1 e g = 0, 9
Calcule o tempo de subida.
3. A equac
ao:
tan
( )
sin cos
gR
v2
cos2
permite calcular o angulo de inclinacao, , em que o lancamento do mssil deve ser feito para
atingir um determinado alvo. Na equacao acima,
- angulo de inclinacao com a superfcie da Terra com a qual e feita o lancamento do mssil,
g - aceleracao da gravidade 9.81m/s2 ,
R - raio da Terra 6371000m,
v - velocidade de lancamento do mssil, m/s,
46
v2
= 1.25, ou seja, aproximadamente
gR
8.840m/s.
4. O deslocamento de uma estrutura (ao sofrer a acao de um impulso) e denido pela seguinte
funcao matematica:
D(t) = 10ekt cos(wt)
onde k = 0, 5 e w = 2.
Esta funcao esta representadano gr
aco abaixo (deslocamento x tempo). Sabendo que entre os
instantes 2 e 8 segundos a estrutura passa por D(x) = 0 (posicao central) quatro vezes, determine
os instantes em que ela passa pela posicao central, com um erro percentual aproximado, menor
que 0,02% e arredondamento na 4a casa decimal (angulos em radianos).
p(t) =
1+
pmax
)
pmax
1 ekpmax t
p0
onde P (t)e a funcao que estima a densidade de bacterias (celulas/litro) no lago com o passar do
tempo (t em dias). Pmax e a maior densidade possvel desta bacteria e e um valor constante P0
e o valor da concentracao inicial desta bacteria no lago.
47
Determinar o valor de Pmax (a partir da informacao obtida com P (60)) e depois faca uma estimativa para P (90). Para determinar o valor de, Pmax sabemos que ele esta no intervalo de
[60.000, 70.000]. Assuma um erro relativo maximo de 0,1% para o valor de Pmax e arredondamento na 4a casa decimal.
Observa
c
oes finais sobre os m
etodos:
1. Bissecao: Nao exige conhecimento de derivadas mas converge lentamente. Serve apenas para
diminuir o intervalo que contem a raiz.
2. Cordas: Exige que o sinal de f (x) permaneca constante (pode-se vericar gracamente). Se o
ponto xado c for razoavelmente proximo da raiz ( a grosso modo, |f (c)| < 10, o metodo tem
boa convergencia, caso contrario pode aindar ser mais lento que a bissecao.
Captulo 6
Integrac
ao Num
erica
Seja f uma funcao contnua no intervalo [a, b] da qual se conhece uma primitiva F . Entao o valor
da integral denida de f pode ser calculada usando a formula de Newton-Leibnitz
b
f (x)dx = F (b) F (a).
a
Em muitos casos a determinacao de uma primitiva F e muito difcil ou `as vezes ate impossvel.
Alem disso, nos problemas praticos, quase sempre conhece-se apenas uma tabela da funcao f e para
esses casos a ideia de primitiva carece de signicado.
Para esses casos os metodos de integracao numerica sao as ferramentas adequadas para determinar
aproximacoes para os valores das integrais denidas.
Os metodos de integracao numerica como veremos a seguir consistem em determinar o valor de
uma integral denida utilizando uma sequencia de valores da funcao f .
6.1
M
etodo dos Trap
ezios
Seja I =
(b a)
comprimento h > 0. Assim temos: h =
e xi = a + ih, i = 0, ..., n.
n
xi +1
Denotando Ii =
f (x)dx temos que:
xi
f (x)dx =
a
n1
xi +1
i=0
xi
f (x)dx I =
n1
Ii
i=0
O metodo do Trapezio consiste em substituir, no intervalo [xi , xi+1 ], a funcao f (x) por P1 (x) onde
P1 (x) e o polinomio de grau 1 que interpola os pontos (xi , fi ), (xi+1 , fi+1 ).
48
6.1. M
etodo dos Trap
ezios
49
xi +1
f (x)dx =
Ii =
xi
xi +1
xi +1
P1 (x)dx +
xi
E(x)dx
xi
xi +1
xi +1
f (x)dx
xi
P (1)dx
xi
z=
xi +1
P1 (x)dx = h
xi
(fi + zfi ) dz
0
(
)
z2 1
1
= h fi z|0 + fi ( )|0
2
(
)
fi
= h fi +
2
(
)
fi+1 fi
= h fi +
2
h
(fi + fi+1 )
2
(6.1)
n1
Ii e assim
i=0
temos:
I=
h
(y0 + 2y1 + 2y2 + ... + 2yn1 + yn )
2
(6.2)
Erro =
ou ainda, sendo n =
(b a)
h
f () (b a)3
12
n2
(a, b)
(6.3)
50
Captulo 6. Integra
c
ao Num
erica
f ()(b a)h2
Erro =
12
(a, b)
(6.4)
dx
e usando a formula
1 + x2
Exemplo: Seja I =
0
f (x) = 2xex
Portanto:
0x1
Substituindo o valor maximo da derivada segunda em 6.4 e impondo que o erro seja inferior a
10
, temos:
erro =
Observe que devemos escolher o maior h, que seja 0, 08578, mas que divida exatamente o
ba
intervalo [0, 1]. Assim, escolhemos h = 0.0625, e usando o fato que n =
, obtemos nmin = 16.
h
1
2
ex dx pela regra do
Assim devemos dividir o intervalo [0,1] em 16 sub-intervalos iguais para obter
0
6.2
M
etodo de Simpson
6.2. M
etodo de Simpson
51
O metodo de simpson consiste em aproximar a funcao f (x) no intervalo [xi1 , xi+1 ] pelo polin
omio
interpolador de grau 2 que passa pelos pontos (xi1 , fi1 ), (xi , fi ) e (xi+1 , fi+1 ). Assim temos
xi1
Ii
P2 (x)dx
xi1
Como ja zemos anteriormente no caso do metodo do trapezio vamos determinar P2 (x) utilizando
a formula de Newton. Fazendo a mudanca de variavel z = (x xi1 )/h temos:
P2 (z) = fi1 + zfi1 +
z(z 1) 2
fi1
2!
x = xi1 z = 0
x = xi+1 z = 2
zdz + 2 fi1
dz + fi1
= h(fi1
z(z 1)
dz)
2
1
= h(2fi1 + 2fi1 + 2 fi1 )
3
1
= h (12fi1 + 12fi1 + 2(fi fi1 ))
6
1
= h (12fi1 + 10fi1 + 2fi )
6
1
= h (12fi1 + 10fi 10fi1 + 2fi+1 2fi )
6
=
h
(fi1 + 4fi + fi+1 )
3
h
(fi1 + 4fi + fi+1 )
3
(6.5)
f (x)dx
x0
h
[f (x0 )] + 4f (x1 ) + f (x2 )]
3
h
+ [f (x2 )] + 4f (x3 ) + f (x4 )]
3
h
+ + [f (x2N 2 )] + 4f (x2N 1 ) + f (x2N )]
3
f (x)dx
x0
1
de Simpson Generalizada.
3
h
(y0 + 4y1 + 2y2 + 4y3 + 2y4 + + 2y2N 2 + 4y2N 1 + y2N )
3
(6.6)
52
Captulo 6. Integra
c
ao Num
erica
Cota para o Erro na F
ormula de Simpson
(b a)5 (4)
f ()
180n4
(a, b)
(6.7)
(a, b)
(6.8)
Erro =
Ou ainda, sendo n =
ba
h
Erro =
2
Exemplo: Considere a funcao densidade de probabilidade (x) =
f (t) = et (2t)
2
f (t) = et (4t2 2)
2
0t1,43
, temos:
erro =
24(1, 43 0)h4
104
180
h = 0, 151332
Observe que devemos escolher o maior h, que seja 0, 15132, mas que divida exatamente o intervalo
[0, 1.43]. Assim, escolhemos h = 0, 143 e obtemos nmin = 10.
6.3
M
etodo dos Tr
es Oitavos (Segunda de Simpson)
Seja I =
f (x)dx.
a
(b a)
;
3
xi = a + ih i = 0, 1, 2, 3
Considerando P3 (x) o polinomio que interpola os quatro pontos (x0 , f0 ), (x1 , f1 ), (x2 , f2 ), (x3 , f3 ),
podemos considerar a seguinte aproximac
ao:
6.3. M
etodo dos Tr
es Oitavos (Segunda de Simpson)
f (x)dx
53
x3
P3 (x)dx
x0
x3N
f (x)dx
3h
(f0 + 3f1 + 3f2 + f3 )
8
(6.9)
3
de Simpson:
8
3h
(y0 + 3y1 + 3y2 + 2y3 + 3y4 + 3y5 + 2y6 + + 2y3N 3 + 3y3N 2 + 3y3N 1 + y3N )
8
x0
(6.10)
Cota para o Erro na 2a F
ormula de Simpson
Erro =
Ou ainda, sendo n =
(6.11)
3f (4) ()h5
(a, b)
80
(6.12)
ba
h
Erro =
Exemplo: Um carro viaja de uma cidade A ate uma cidade B, sendo que foram feitos os seguintes
registros sobre sua velocidade:
ti (horas)
0.5
1.0
1.5
2.0
2.5
3.0
3.5
vi (Km/h)
80
60
95
100
110
100
90
Sabendo-se que o carro chegou a cidade B apos 3,5 horas de viajem Calcular a distancia entre as
duas cidades.
Solu
c
ao:
Denotando por s(t) a distancia percorrida pelo carro no tempo t temos que
3.5
ds
= v(t) s(3.5) s(0) =
v(t)dt
dt
0
1
Como temos um n
umero par de pontos podemos utilizar o metodo de Simpson.
3
Observa
c
oes:
A regra dos trapezios pode ser resolvida para qualquer quantidade de intervalos, Simpson de
1/3 so pode ser usando para uma quantidade par de intervalos e Simpson de 3/8 apenas para
intervalos m
ultiplos de 3. Porem, com as regras de Simpson e possvel obter a mesma precis
ao
que com a regra dos trapezios com um n
umero muito menor de subintervalos.
54
Captulo 6. Integra
c
ao Num
erica
Para obter o resultado de uma integral com uma determinada precisao, podemos utilizar as
formulas do erro, impondo que a mesma, em modulo, seja inferior a 10k , onde k 1 e o n
umero
de casas decimais corretas que desejamos no resultado, e assim obter o n
umero de intervalos
necessarios, ou, ir aumentando o n
umero de pontos e comparando dois resultados consecutivos,
ate obter a precisao desejada, como e mostrado no exemplo a seguir. Na pratica usamos esta
segunda possiblidade.
1
Exemplo: Usando a regra de Simpson, obter a integral
3
1,2
ex cos xdx, com duas casas decimais
0
corretas.
Solu
c
ao: Inicialmente calculamos a integral usando apenas 2 intervalos. Assim:
1,2
ex cos xdx
0
1
h[f (0) + 4f (0, 6) + f (1, 2)]
3
1
= (0, 6)[1 + 4(1, 503) + 1, 202]
3
= 1, 6428
1
h[f (0) + 4f (0, 3) + 4f (0, 6) + 4f (0, 9) + f (1, 2)]
3
1
= (0, 3)[1 + 4(1, 289) + 4(1, 503) + 4(1, 530) + 1, 202]
3
= 1, 6464
Comparando 1,6428 e 1.6428 vemos que as duas primeiras casas decimais permanecem inalteradas.
Portanto o valor da integral com duas casas decimais corretas e 1.64.
Observe que o exemplo dado ilustra o procedimento a ser adotado, no computador devemos tomar
h 0, isto e: h = 0.1, 0.01, e ir comparando os resultados.
6.4
Lista de Exerccios
(3x3 3x + 1)dx
Compare seu resultado com o valor exato da integral. Qual seria sua explicacao para justicar
um resultado tao bom?
2. Podemos calcular ln(5) com erro inferior a 103 usando ln(5) =
Pergunta-se:
dx
.
x
(a) Se usarmos a formula dos trapezios em quantos subintervalos devemos dividir o intervalo
[1, 5]?
55
3. Calcule
0
sin(x)
dx com erro inferior a 102 .
1+x
4. Um corpo se desloca ao longo do eixo 0x sob a acao de uma forca variavel F . Calcular o trabalho
realizado para se deslocar o corpo de x = 0 ate x = 3.5 sendo dado:
x
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
F (x)
1.5
0.75
0.5
0.75
1.5
2.75
5.5
6.75
1.0
2.0
3.0
4.0
5.0
6.0
7.0
y = f (x)
0.0
0.6
0.9
1.2
1.4
1.5
1.7
Calcule a area limitada pelo eixo dos x, pelas retas x = 1 e x = 7 e pela curva acima.
4
6. Calcule a integral
x (1 + x)dx pelas tecnicas estudadas usando h = 0.25.
0
7. Um corpo negro (radiador perfeito) emite energia em uma taxa proporcional `a quarta potencia
de sua temperatura absoluta T ( medida em Kelvin) , de acordo com a equacao de StefanBoltzmann. Uma parte desta energia forma o espectro visvel, correspondendo ao comprimento
de onde entre 4 105 a 7 105 cm. A eciencia luminosa e denida como a relacao da energia
no espectro visvel para a energia total. Multiplicando por 100 para obter esta energia na forma
percentual, o problema equivale a calcular:
64, 77
EF F =
T4
710
5
4105
dx
x5 e
1,432
T x
f (z)dz,
0
f (z) =
z 2z
e 10
4+z
56
Captulo 6. Integra
c
ao Num
erica
Deseja-se saber a linha de acao de F , isto e, o ponto onde pode-se aplicar uma forca de mesmo
modulo, direcao e sentido de F , tal que o efeito sobre o mastro seja o mesmo de F . Esse ponto,
localizado a uma altura d do conves do barco, pode ser determinado a partir da seguinte equac
ao:
10
d=
zf (z)dz
0
10
f (z)dz
57
aumenta linearmente com a profundidade, como mostrado em (a). A forca total ft sobre a face
esquerda da represa pode ser calculada multiplicando-se a pressao pela area da face da represa.
A largura da represa para diferentes profundidades, esta mostrada em (b). Assuma que a largura da represa varia linearmente desde 200m (na superfcie) ate 122m (a 60m de profundidade).
Assim a forca resultante sobre a face da represa pode ser obtida atraves de:
D
g(z)(D z)dz,
ft =
0
onde (z) e a largura da represa na altura z a partir do fundo. Determine a altura d da linha
de acao da forca resultante, que pode ser obtida atraves do calculo de:
D
d=
zg(z)(D z)dz
ft
Captulo 7
Sistemas N
ao Lineares
A ideia e transformar um sistema nao linear em um sistema linear usando as series de Taylor (ou
Mc Laurin).
Serie de Taylor para funcoes de uma variavel:
(x a)2
F (x) = F (a) + F (a)(x a) + F (a)
+
2!
Serie de Mc Lauren para funcoes de uma variavel:
x2
F (x) = F (0) + F (0)x + F (0) +
2!
7.1
M
etodo de Newton
F (x , x ) = 0
1 1 2
F (x , x ) = 0
2
F1 (x01 , x02 )
F1 (x01 , x02 )
(x1 x01 ) +
(x2 x02 )
x1
x2
F2 (x01 , x02 )
F2 (x01 , x02 )
(x1 x01 ) +
(x2 x02 )
x1
x2
Vamos fazer:
10 = x1 x01
20 = x2 x02
F1
(
) x1
F1 , F 2
Usando o Jacobiano =
=
x1 , x2
F2
x1
podemos linearizar o sistema, ou seja:
58
F1
x2
F2
x2
(7.1)
7.1. M
etodo de Newton
59
F1
x1
F2
x1
F1
x2
F2
x2
10
(
=
20
)
F2
F1
(7.2)
0
(x0
1 ,x2 )
0
(x0
1 ,x2 )
x1 x2 + x22 = 0.9
x1
= 8.6964
ex 1 +
x2
Jacobiano =
x2
ex1 +
1
x2
F1 (2, 2) = 0.9
F2 (2, 2) = 2.3073
(
)
x1 + 2x2
2
2
x1
=
2
6.889 0.5
x2
(2,2)
6.889 0.5
{
Cuja solucao e:
) (
.
10
(
=
20
2.3073
10 = 0.3427,
20
= 0.1073,
x12
20
x02
0.9
= 1.8927, .
Como a precisao desejada nao foi alcancada, devemos reiniciar um novo sistema linear com a substituicao de x11 e x12 nas funcoes F1 (x1 , x2 ), F2 (x1 , x2 ) e no Jacobiano descrito acima(e continuar assim
sucessivamente ate obter erro 102 .
60
Captulo 7. Sistemas N
ao Lineares
x1
2
Erro
0,3427
2,3427
-1,8927
-1,8927
9,8811
-1,4427
-0,6540
-0,0483
-0,4753
-0,0422
0,0889
2,3005
-1,8039
0,0889
2,3005
-1,8039
-1,8039
9,4247
-1,3072
-0,7070
-0,0041
-0,0074
-0,0005
0,0039
2,3000
-1,8000
0,0039
Observa
c
ao: Quando tivermos um sistema nao linear com mais de duas variaveis o metodo e
exatamente o mesmo, apenas aumentando a ordem da matriz Jacobiano, aumentando o n
umero de
funcoes Fi e por m, aumentando a ordem do sistema linear a ser resolvido.
7.2
Lista de exerccios:
Escolha um chute inicial sabendo que S = (0, 0.5) e a solucao e considere erro 102 .
{
(b)
x2 + y 2 4 = 0
(x 3)2 + y 2 4 = 0
1 2 3
x1 x2 + x2 x3 + x1 x3 = 11
(c)
x
x
x
1 2 + 3 = 2.8333
x2 x3 x1
2 x y 3 = 0
x2 y 2 = 0
chute inicial: (1, 1)
61
x2 + 4y 2 4 = 0
x2 2x 2y + 1 = 0
x 2 + y 2 2 = 0
x y 1 = 0
chute inicial: (0.5, 1.2)
Captulo 8
Equaco
es diferenciais num
ericas
dP = k P
dt
P (0) = 121
8.1
M
etodo de Euler
yi+1
xi+1
dy =
yi
f (xi , yi )dx
xi
8.2. M
etodo de Heun - Runge-Kutta de 2a ordem
8.2
M
etodo de Heun - Runge-Kutta de 2a ordem
Previsor:
yi+1
= yi + hf (xi , yi )
Corretor:
yi+1 = yi +
8.3
M
etodo de Runge-Kutta de 4a ordem
yi+1 = yi +
h
[k1 + 2k2 + 2k3 + k4 ]
6
onde:
k1 = f (xi , yi )
k2 = f
(
)
h
h
xi + , yi + k1 )
2
2
(
)
h
h
k3 = f xi + , yi + k2 )
2
2
(
)
h
h
k4 = f xi + , yi + k3 )
2
2
Exemplo: Resolver o problema de valor inicial
2y 5y = 10
y(0) = 2 condicao inicial
e determinar y(1), utilizando:
(a) Metodo que indique a solucao exata.
63
64
Captulo 8. Equa
c
oes diferenciais num
ericas
(b) Metodo de Euler para h = 0,2
(c) Metodo de Euler para h = 0,1
(d) Metodo de Heun para h = 0,2
(e) Metodo de Runge-Kutta para h = 0,2
Analise o erro em cada metodo a partir do resultado obtido anteriormente.
Exemplo: Determine y(2) utilizando o metodo Runge-Kutta com h = 0, 2 sendo:
2y + xy 3y = 6
y(1) = 5
8.4
Lista de exerccios
y + y = x + 2
y(0) = 2
determine y(1) usando:
a) Metodo de Euler com h = 0,2
b) Metodo de Euler com h = 0,1
c) Metodo de Heun com h = 0,1
d) Metodo de Runge-Kutta com h = 0,1
(b) 2,3487
(c) 2,3685
(d) 2,3678
y y y 2 = 2x
y(0) = 1
determine y(1) usando:
a) Metodo de Euler com h = 0,2
b) Metodo de Euler com h = 0,1
c) Metodo de Heun com h = 0,1
d) Metodo de Runge-Kutta com h = 0,1
65
(c) 1,7378
(d) 1,7321
y = 1
x
y(1) = 0
determine y(2) usando:
a) Metodo de Euler com h = 0,1
b) Metodo de Heun com h = 0,1
c) Metodo de Runge-Kutta com h = 0,1
(c) 0,6931
4. Numa instituicao de ensino a matrcula y vem crescendo em relacao ao tempo t a uma taxa de
60
y =
estudantes por ano desde 1997. Sabendo que o n
umero de matriculados em 2002
3t + 1
foi de 600 estudantes (y(5) = 600), determine o no de matriculados esperados para 2005, se o
crescimento continuar nessa mesma taxa.
Resolva a questao usando os metodos de Euler e Heun com h = 0,1.
5. Um corpo com massa inicial m0 = 200kg e acelerado por uma forca constante de 200 N. A massa
descresce a uma taxa de 1 kg/s. Se o corpo esta em repouso em t = 0 e supondo que ele est
a
sujeito a uma resistencia do ar igual a duas vezes a velocidade, a equacao diferencial que modela
este problema e dada por:
dv
200 2v
=
dt
200 t
Resolva o problema para o intervalo de tempo [0, 10], usando:
a) Metodo de Euler com h = 0,2
b) Metodo de Heun com h = 0,2
Interprete os resultados no contexto do problema.
6. Resolva os seguintes problemas de valor inicial, usando o metodo de Heun com h = 0, 5:
(a) y + 2y = x2
y(0) = 0, 25
determine y(2)
(b) y + y = sin x
y(0) = 0, 5
determine y(2)
66
Captulo 8. Equa
c
oes diferenciais num
ericas
(c) y + 2y = x
y(0) = 1
determine y(3)
(d) y y = 1
y(1) = 2
determine y(3)
7. Um paraquedista em queda livre esta sujeito `a seguinte equacao:
dv
c2
=g v
dt
m
onde m e a massa do paraquedista, g e a aceleracao da gravidade.
Captulo 9
Ap
endice - Plano de ensino 2013/1
Procedimentos de avalia
c
ao:
Avaliacao 1 (A1): Captulos 1 e 2
Avaliacao 2 (A2): Captulos 1, 3 e 4
Avaliacao 3 (A3): Captulos 1, 5 e 6
Avaliacao 4 (A4): Captulos 1, 7 e 8
Atividade de aplicacao 1 - 1,5 pontos da avaliacao 1
Atividade de aplicacao 2 - 1,5 pontos da avaliacao 2
Atividade de aplicacao 3 - 1,5 pontos da avaliacao 3
(
M
edia Semestral =
0, 85
A1 + A2 + A3
3
)
+ 0, 15 A4
Ao nal do semestre sera oferecida uma prova (N-1) envolvendo todos os captulos que substituir
a
a menor nota das quatro avaliacoes. Essa prova sera oferecida aos alunos que desejarem melhorar a
media obtida ou mesmo aos que faltaram em alguma avaliacao, sendo que a questao referente a nota
faltante tera um peso de 50%.
Orienta
c
oes para os trabalhos de aplica
c
ao:
sugerido que as tabelas de calculo sejam feitas utilizando o software Excel, com precisao de 5
E
casas decimais.
Todos os calculos necessarios para a resolucao devem ser apresentados, inclusive as tabelas de
calculo.
exigida organizacao e sequencia logica na apresentacao dos calculos.
E
O trabalho impresso devera ser entregue nas datas das provas com devida formatacao academica.
O arquivo Excel (devidamente formatado) devera ser postado no AVA um dia antes da data da
prova.
Nao serao aceitos trabalhos entregues/postados apos a data estabelecida.
67
Refer
encias Bibliogr
acas
[1]
[2]
[3]
[4]
BURDEN, Richard L.; FAIRES, J. Douglas. Analise Numerica. Trad. 8a edicao, Sao
Paulo:Cengage Learning, 2008.
[5]
GILAT, Amos; SUBRAMANIAM, Vish. Metodos Numericos para Engenheiros e Cientistas Uma introducao com aplicacoes usando o MATLAB. Porto Alegre: Bookman, 2008.
[6]
SPERANDIO, Decio; MENDES, Joao Teixeira; SILVA, Luiz Henry Monken e. Calculo Numerico:
Caractersticas Matematicas e Computacionais dos Metodos Numericos. Sao Paulo:Prentice Hall,
2003.
[7]
BURIAN, Reinaldo; LIMA, Antonio Carlos de; HETEM JUNIOR, Annibal. Calculo Numerico Fundamentos de Informatica. Rio de Janeiro: LTC, 2007.
[8]
GUIDORIZZI, Hamilton Luiz. Um curso de Calculo. Volume 2, Rio de Janeiro, 3 ed. 1998.
[9]
68