CalculoNumerico Eng. Química

C
alculo Num
erico
Prof. Ms. Janana Poo Possamai

Prof. Ms. Andresa Pescador
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.
Blumenau, 14 de fevereiro de 2013.
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
Sistema Triangular Inferior . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2
Sistema Triangular Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Metodos Numericos para Resolucao . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3
Metodos Diretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1
Eliminacao de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2
Metodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3
Metodo da pivotacao parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.4
Metodo da pivotacao completa . . . . . . . . . . . . . . . . . . . . . . . . . . .
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
Comparacao dos metodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
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
Escolha dos pontos para interpolacao . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
3.6
26
3.2

SUMARIO
iv
4 Ajuste de Curvas
30
4.1
Ajuste Linear Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
4.2
Ajuste Linear M
ultiplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.3
Ajuste Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.4
Casos Nao-Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
4.5
35
5 Zeros de Fun
c
oes
40
5.1
Metodo Graco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
5.2
Metodo da Bissecao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
5.3
Metodo das Cordas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
5.4
Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
5.5
45
6 Integra
c
ao Num
erica
48
6.1
Metodo dos Trapezios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
6.2
Metodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
6.3
Metodo dos Tres Oitavos (Segunda de Simpson) . . . . . . . . . . . . . . . . . . . . . .
52
6.4
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
Metodo de Heun - Runge-Kutta de 2 ordem . . . . . . . . . . . . . . . . . . . . . . .

a
62
63
8.3
Metodo de Runge-Kutta de 4 ordem
. . . . . . . . . . . . . . . . . . . . . . . . . . .
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 à 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!
Usando a aproximacao acima temos:

ee = 1 + 1 + 1/2 + 1/6 = 2, 66666 que e uma aproximacao muito pobre para e.
Erros de arredondamento: sao os erros originados pela representacao dos n
umeros reais
utilizando-se apenas um n
umero nito de casas decimais.
iii) Propaga
c
ao de Erros: Com certeza o ac
umulo de erros inuencia no desenvolvimento do
calculo. A perda de precisao quando dois n
umeros aproximadamente iguais sao subtrados e a
maior fonte de erro nas operacoes de ponto utuante.
1
Captulo 1. No
c
oes b
asicas de erros
1.1
Medidas de erro
Erro Absoluto: |Valor Real - Valor Aproximado|

Geralmente nao se conhece o valor exato. Assim, o que se faz e obter um limitante superior ou
uma estimativa do erro absoluto.
Erro Relativo:
1.1.1
|V alor Real V alor Aproximado|

V alor Real
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
Complexidade Computacional: esforco computacional usado para resolver o problema, medido

pelo n
umero de operacoes aritmeticas e logicas.
Convergencia: propriedade de gerar a solucao ou uma aproximacao da solucao.
Ordem de convergencia: rapidez com que a sequencia gerada por dado metodo converge para a
solucao.
Precisao e exatidao: Esses conceitos geralmente sao confundidos e referem-se a n
umeros aproximados. Precisao e relacionada ao n
umero de dgitos signicativos com que um n
umero aproximado e conhecido. Exatidao relaciona-se ao quanto o n
umero aproximado aproxima-se do valor
real.
Mal condicionamento:
Considere
( o sistema)linear Ax(= b, com
)
1
0.99
1.99
A =
e b =
, cuja solucao exata e x = [ 1 1 ]t . Seja o vetor eb =
0.99 0.98
1.97
[ 1.99 1.98 ]t b.
1.2. Conceitos importantes
A solucao exata do sistema Ay = eb e y = [ 100 99 ]t . Portanto, uma pequena perturbac

ao no
vetor de termos independentes
ocasionou
uma grande modicacao no vetor solucao. Considere
(
)
1
0.99
e=
e = b e z = [ 2 1/99 ]t .
agora a matriz A
A. A solucao exata do sistema Az
0.99 0.99
Neste caso, foi uma pequena perturbacao na matriz dos coecientes que acarretou uma grande
mudanca no vetor solucao.
Estes problemas sao causados porque a matriz A e quase singular (det(A) = 104 ). Um sistema
linear com uma matriz com esta caracterstica e chamado malcondicionado.
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:
a11 x1 + a12 x2 + ...a1n xn = b1
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)
compatvel determinado (uma u

Um sistema linear pode ser
indeterminado(innitas solucoes)
incompatvel (sem solucao)

Exemplos:
{
1.
x1 + x2 = 1
{
2.
x1 + x2 = 0
x1 x2 = 0
{
3.
x1 + x2 = 0
x1 + x2 = 0
2x1 + 2x2 = 0
4
2.1. Sistemas Triangulares
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
A solucao de um sistema triangular inferior e calculada pelas substituicoes sucessivas:

c1
l11 x1 = c1 x1 =
l11
c2 l21 x1
l21 x1 + l22 x2 = c2 x2 =
l22
c3 l31 x1 l32 x2
l31 x1 + l32 x2 + l33 x3 = c3 x3 =
l33
..
.
ln1 x1 + ln2 x2 + + ln,n1 xn1 + lnn xn = cn
cn ln1 x1 ln2 x2 ln,n1 xn1
xn =
lnn
As substituicoes sucessivas podem ser representadas por
ci
i1
lij xj
j=1
xi =
lii
i = 1, 2, ..., n.
(2.1)
Exemplo. Calcular a solucao do sistema triangular inferior, usando substituicoes sucessivas:
x1
5
0 0
. x2
1 6 8 0 x
3
1 4 3 9
x4
2.1.2
1
=
48

Sistema Triangular Superior
u11 x1 + u12 x2 + ... u1n xn = d1
u22 x2 + ... u2n xn = d2

Sn =
............................................
u x =d
nn n
O vetor solucao de um sistema triangular superior e obtido pelas substituicoes retroativas:

dn
unn xn = dn xn =
unn
dn1 un1,n xn
un1,n1 xn1 + un1,n xn = dn1 xn1 =
un1,n1
..
.
d2 u23 x3 u2n xn
u22 x2 + u23 x3 + + u2n xn = d2 x2 =
u22
u11 x1 + u12 x2 + u13 x3 + + u1,n xn = d1
d1 u12 x2 u13 x3 u1n xn
x1 =
u11
Captulo 2. Sistemas Lineares

As substituicoes retroativas podem ser representadas por
di
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
Transforma-se um sistema Ax = b num sistema triangular superior equivalente (por operac

oes
elementares ) U x = d que se resolve por substituicao retroativa. A exatidao da solucao pode ser
vericada pelo calculo do vetor resduo r = b Ax, de modo que se r = 0, entao a solucao e exata.
Opera
c
oes Elementares:
* Trocar a ordem de duas equacoes;
* Multiplicar uma equacao por uma constante nao nula;
* Somar uma equacao à outra;
Exemplo: Resolver o sistema abaixo pelo metodo de eliminacao de Gauss e vericar a exatid
ao
da solucao:
1x1 3x2 + 2x3 = 11

2x1 + 8x2 1x3 = 15
4x1 6x2 + 5x3 = 29
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 à 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 à 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.
1x1 3x2 + 2x3 = 11

0x1 + 2x2 + 3x3 = 7
0x1 + 6x2 3x3 = 15
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 à terceira
6
a
= = 3. A nova linha 3 sera L3 = 3L2 + L3 ,

linha, com m32 a22 + a32 = 0 m32 = 32
2
a22
resultando nalmente no sistema triangular superior equivalente
1x1 3x2 + 2x3 = 11

0x1 + 2x2 + 3x3 = 7
0x1 + 0x2 12x3 = 36
O vetor solucao do sistema e x = [2 1 3]T .
2.3.2
M
etodo de Gauss-Jordan
Transforma-se um sistema Ax = b num sistema diagonal equivalente (matriz identidade.)

1. o primeiro elemento nao nulo de cada linha deve ser um.
2. os demais elementos desta coluna devem ser zero.
3. se houver alguma linha nula esta deve ser a u
ltima.
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.

Exemplo:
Resolver o sistema abaixo pelo metodo de Gauss com pivotacao parcial:
2x1 + 3x2 + x3 = 5
2x1 + x2 4x3 = 9
4x1 + 10x2 6x3 = 2

Neste exemplo, na primeira coluna o maior elemento, em modulo e o valor a31 = 4, este e o
pivo, e assim a linha pivotal e a linha 3. Assim, para eliminar a11 = 2, a linha pivotal deve ser
a11
2
multiplicada pelo fator m11 e somada à primeira linha. m11 =
=
= 1/2. A nova linha 1
a31
4
sera L1 = 1/2L3 + L1 .
Do mesmo modo, para eliminar a21 = 2 deve-se multiplicar a terceira linha por m21 e somar à
2
a21
= = 1/2, deste modo, L2 = 1/2L3 + L2 .

segunda linha, m21 =
a31
4
Apos estas duas operacoes o sistema equivalente intermediario sera:
0x1 + 8x2 2x3 = 4

0x1 4x2 x3 = 10
4x1 + 10x2 6x3 = 2
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 à segunda linha, com m22 = =
a12
4
= 1/2. A nova linha 2 sera L2 = 1/2L1 + L2 , resultando nalmente no sistema equivalente:
0x1 + 8x2 2x3 = 4

0x1 + 0x2 2x3 = 12
4x1 + 10x2 6x3 = 2

O vetor solucao do sistema e x = [7 1 6]T .
2.3.4
M
etodo da pivotac
ao completa
Dado Ax = b; seja M = [A|b] sua matriz aumentada:
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 à 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:
0.8754x1 + 3.0081x2 + 0.9358x3 + 1.1083x4 = 0.8472
2.4579x 0.8758x + 1.1516x 4.5148x = 1.1221

1
2
3
4
5.2350x1 0.8473x2 2.3582x3 + 1.1419x4 = 2.5078
2.1015x + 8.1083x 1.3233x + 2.1548x = 6.4984

1
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.
Por exemplo, o sistema acima resolvido,
1x1 3x2 + 2x3 = 11

2x1 + 8x2 1x3 = 15
4x1 6x2 + 5x3 = 29
ca assim fatorado:
0 0
L = 2 1 0
4 3 1
1 3
U = 0
0
12
10

De modo similar ao metodo de eliminacao de Gauss, a estrategia da pivotacao parcial de ser
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
sendo ri a i-esima componente do vetor resduo R, o qual e dado por:

R = b Ax
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.
Temos um chute inicial x0 = (x01 , x02 , ..., x0n )T Obtem-se:

x1 = F x0 + d
x2 = F x1 + d
..
.
xk+1 = F xk + d
..
.
Seja
||xk x|| = max {xki xi }
1in
entao x1 , x2 , , xk , converge quando k se lim ||xk x|| 0.
2.4. M
etodos Iterativos
11
Como obter x = F x + d ? Por exemplo,

Ax = b
Ax + Ix b = Ix
x = (A + I) x |{z}
b
| {z }
2.4.1
M
etodo de Jacobi
Seja o sistema:
a11 x1 + a12 x2 + ...a1n xn = b1
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:
b1 (a12 x2 + a13 x3 + + a1n xn )

a11
b2 (a21 x1 + a23 x3 + + a2n xn )
x2 =
a22
..
.
x1 =
b (an1 x1 + an2 x2 + + an,n1 xn1 )
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
a) Escolhe-se uma aproximacao inicial x0 ;

b) Geram-se sucessivas xk a partir da iteracao xk+1 = F xk + d; k = 0, 1, 2, ...
(k+1)
c) Continua-se iterando ate que max |xi

1in
(k)
xi | , = precisao das solucoes (toler

ancia
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

Criterio das linhas: O metodo converge se
max1in
aij
<1
aii
(2.7)
j=1j=i
Exemplo: Resolver o seguinte sistema com tolerancia 102 :
3x1 18x2 + 2x3 = 4.2

29.4x1 + 3x2 5x3 = 10.9
7.4x1 5.1x2 + 37.1x3 = 47.4
Faca x0 = [0 0 0]T . Solucao:

x = [0.5317 0.4589 1.2345]T .
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

aproximacoes x(1) , x(2) , , x(k) , utilizando-se de:

xk+1
=
1
xk+1
=
2
xk+1
=
n
b1 (a12 xk2 + a13 xk3 + + a1n xkn )

a11
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)
satisfazendo max |xi

1in
Fij xkj i = 1, 2, 3, ; k = 0, 1, 2,
j=i+1
(k)
xi | < ou k > M.
Exemplo 1: Resolver o seguinte sistema com tolerancia 102 ou K > 10 :
Solucao:
x = [0, 998 1, 002]T .
Exemplo 2: Resolver o seguinte sistema com tolerancia 102 :
10x1 + 2x2 + 6x3 = 28

x1 + 10x2 + 9x3 = 7
2x1 7x2 10x3 = 17
Faca x0 = [0 0 0]T . Solucao:

x = [1 3 4]T .
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
1. Resolver os sistemas lineares:
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
4x1 + 3x2 + 2x3 + x4
x + 2x + 3x + 4x
1
2
3
4
b)
x1 x2 x3 x4
x +x +x +x
1
10
= 1
=
14
x1 + 2x2 + 3x3 + 4x4
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
x2 + 3x3 + 2x4 + 4x5

= 3
8x1 2x2 + 9x3 x4 + 2x5 = 5

d)
5x1 + x2 + x3 + 7x4 + 2x5 = 6
2x1 + 4x2 + 5x3 + x4

= 1
7x1 3x2 + 2x3 4x4 + x5 = 8
Solucao:
x = [2, 347; 4, 354; 2, 391; 1, 768; 2, 339]
4x1 x2 + 3x3 + 8x4
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]
2. Resolva os seguintes Sistemas Lineares:
6x1 + 2x2 1x3 = 7

a)
2x1 + 4x2 + 1x3 = 7
3x1 + 2x2 + 8x3 = 13
Solucao:
x = [1 1 1]
10x1 + 1x2 x3
b)
x1 + 10x2 + x3
2x1 1x2 + 10x3
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
Sistemas Lineares utilizando o metodo de Gauss com pivotamento parcial:

7
x1

x2 9
=
.
x 23
3

x4
11
2.6. Lista de Exerccios
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
4. Resolva os seguintes sistemas lineares utilizando decomposicao LU:
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
9x1 6x2 + 3x3

c)
6x1 + 29x2 7x3
3x1 7x2 + 18x3
Solucao:
x = [1 0

= 3
2
= 3
= 8
=
33
2]
5. Determinar o vetor solucao por um metodo iterativo partindo de
x(0) = [1 1 1 1 1 1]T , com precisao < 104 e como n

umero maximo de iteracoes k=30:
10x1 + x2 + x3 + 2x4 + 3x5 2x6 =

6, 57
4x1 20x2 + 3x3 + 2x4 x5 + 7x6 = 68, 448
5x 3x + 15x x 4x + x
= 112, 05
1
x1 + x2 + 2x3 + 8x4 x5 + 2x6 =
x1 + 2x2 + x3 + 3x4 + 9x5 x6

=
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
Faca x(0) = [0 0 0 0]T e < 102
Solucao:
x = [0, 107 0, 09 0, 342 0, 272]T
16

7. Resolver usando Gauss-Seidel, com no maximo 10 iteracoes:
5x1 x2 + 2x3 x4
= 5
x + 9x 3x + 4x
= 26
1
2
3
4
3x2 7x3 + 2x4

= 7
2x + 2x 3x + 10x = 33
1
Faca x(0) = [1 3 1 3]T e < 102
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 :
10x1 + 2x2 3x3 + 5x4
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:
2i1 + 4(i1 i2 ) + 2(i1 i3 ) 10 = 0

2i2 2i2 + 2(i2 i3 ) + 4(i2 i1 ) = 0
6i3 + 2(i3 i1 ) + 2(i3 i2 ) 4 = 0

Deseja-se determinar o valor das correntes do circuito.
10. Uma transportadora possui 5 tipos de caminhoes que representaremos por (1), (2), (3), (4), (5),
os quais sao equipados para transportar 5 tipos diferentes de maquinas A, B, C, D, E segundo a
tabela a seguir, onde supomos que A, B, C, D, E e a quantidade de maquinas que cada caminh
ao
pode transportar levando carga plena.
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
Assim, o caminhao (1) pode transportar 1 maquina A, 1 maquina B, 1 maquina C, nenhuma

maquina D, 2 maquinas E, etc. Quantos caminhoes de cada tipo devemos enviar para transportar
exatamente:
27 maquinas do tipo A
23 maquinas do tipo B
31 maquinas do tipo C
31 maquinas do tipo D
22 maquinas do tipo E
Supondo que cada caminhao vai com carga plena, resolva o sistema linear obtido.
Sugestao: Represente por xi o n
umero de caminhoes do tipo i.
11. Considere a malha quadrada da gura a seguir, cujos bordos AC e BD sao mantidos à temperatura de 20o C, o bordo AB, a 40o C, e CD à 10o C, com o uso de isolantes termicos em A, B,C,
D.
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 =
T22 + T31 + T33 + T42

4
As 16 relacoes deste tipo permitir

ao formar um sistema de 16 equacoes a 16 incognitas Tij .
Resolva-o por metodo numerico com garantia de convergencia.
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 | >
|aij | para todo i
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, às 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
Tendo tres pontos conhecidos fazemos p(x) = a2 x2 + a1 x + a0 .

Formamos o sistema:
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
Queremos um polinomio interpolador de grau n sendo dados n+1 pontos distintos.

n
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
(x0 x1 ) ... (x0 xn )

PROD1
x1
..
.
x1 x0
..
.
..
.
...
..
.
x1 xn
..
.
(x1 x0 ) ... (x1 xn )

..
.
PRODn
xn
xn x0
xn x1
...
(xn x0 ) (xn x1 ) ... (xn xn1 )
3.3. Erro na Interpola

c
ao
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
Estimar a populacao no ano de 1975.

2) Problema das temperaturas: A tabela abaixo a temperatura ambiente de acordo com a
altitude:
Temperatura (0 C)
32,6
31,2
28,8
25,3
21,3
17
Altitude (m)
0
200
400
600
800
1000
Estimar a temperatura para uma altitude de 500m.
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
f (a) = f (b), entao existe um ponto x = , a < < b, tal que f () = 0.

Prova: Pode ser encontrada em [8].
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)!
onde min{x, x0 , x1 , , xn } < < max{x, x0 , x1 , , xn .} O ponto depende de x.

Prova: Pode ser encontrada em [2].
(3.3)
22
c
ao
O termo Rn (f ; x) na expressao acima e chamado termo do erro ou erro de truncamento.
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)
Exemplo: Dada a tabela

x
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.e , usando polinomio de interpolacao do segundo grau.

Solu
c
ao:
|R2 (f ; x)|
|x x0 | |x x1 | |x x2 |
maxx0 tx2 |f (t)|.

3!
Como f (t) = te3t , segue que;
f (t) = e3t + 3te3t = e3t (1 + 3t),
f (t) = 3e3t (1 + 3t) + 3e3t = 6e3t + 9te3t ,
f (t) = 18e3t + 9e3t + 27te3t = 27e3t (1 + t).

Como queremos estimar o valor da funcao xe3x no ponto 0.25 usando polinomio do segundo grau,
devemos tomar tres pontos consecutivos na vizinhanca de 0.25. Tomando entao: x0 = 0.2, x1 = 0.3 e
x3 = 0.4, obtemos:
maxx0 tx2 |f (t)| = 27e3.(0.4) (1 + 0.4) = 125.4998.

Estamos, portanto, em condicoes de calcular um limitante superior para o erro de truncamento.
Assim:
|R2 (f ; x)|
|0.25 0.2| |0.25 0.3| |0.25 0.4|

(125.4998) 0.0078 8 103 .
6
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 à esquerda e dois à direita de 0.25, ou dois pontos à
esquerda e um à 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 ] =
f [x1 , x2 , ..., xn ] f [x0 , x1 , ..., xn1 ]

,
xn x0
onde f [x0 , x1 , ..., xn ] e a diferen

ca dividida de ordem n da funcao f (x) sobre os pontos x0 , x1 , ..., xn .
Assim, usando a denicao temos:
f [x1 ] f [x0 ]
,
x1 x0
f [x1 , x2 ] f [x0 , x1 ]
,
f [x0 , x1 , x2 ] =
x2 x0
f [x1 , x2 , x3 ] f [x0 , x1 , x2 ]
,
f [x0 , x1 , x2 , x3 ] =
x3 x0
..
.
f [x0 , x1 ] =
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
f (x2 ) f (x1 ) f (x1 ) f (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
c
ao
A tabela e construda da seguinte forma:
a) a primeira coluna e constituda dos pontos xk , k = 0, 1, ..., n

b) a segunda contem os valores de f (x) nos pontos xk , k = 0, 1, ..., n
c) nas colunas 3,4,5,... estao as diferencas divididas de ordem 1,2,3... Cada uma dessas diferencas
e uma fracao cujo numerador e sempre a diferenca entre duas diferencas divididas consecutivas
e de ordem imediatamente inferior, e cujo denominador e a diferenca entre os dois extremos dos
pontos envolvidos.
Exemplo utilizando diferen
cas divididas
Pela seguinte funcao tabelada, construir a tabela de diferencas divididas:
x
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
Assim, o elemento 0 corresponde à diferenca dividida f [x1 , x2 , x3 ]. Portanto, usando a denic

ao,
f [x2 , x3 ] f [x1 x2 ]
e, usando o item c) anterior temos que: f [x1 , x2 , x3 ] =
segue que: f [x1 , x2 , x3 ] =
x3 x1
11
=0
1 (1)
3.4.2
F
ormula de Newton
Para obtermos a formula de Newton do polinomio de interpolacao precisamos inicialmente denir

algumas funcoes. Para tanto consideremos que f (x) seja contnua e que possua derivadas contnuas
em [a, b] e, alem disso, que os pontos x0 , x1 , ..., xn sejam distintos em [a, b]. Denimos entao as func
oes:
(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 [x0 , x1 , ..., xn1 , x] f [x0 , x1 , ..., xn ]

,
x xn
denida em [a, b], para x = xk , k = 0, 1, ..., n.

Observe que nestas funcoes acrescentamos, sucessivamente, na diferenca dividida, o proximo ponto
da tabela. Nosso objetivo agora e encontrar uma formula de recorrencia para f (x). Assim de (1),
temos:
f (x) = f [x0 ] + (x x0 )f [x0 , x].
De (2), usando (1), obtemos:
f [x0 , x1 , x](x x1 ) = f [x0 , x] f [x0 , x1 ]
=> f [x0 , x1 , x](x x1 ) =
f [x] f [x0 ]
f [x0 , x1 ]
x x0
=> f (x) = f [x0 ] + (x x0 )f [x0 , x1 ] + (x x0 )(x x1 )f [x0 , x1 , x]
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 .
Obtivemos, assim, uma formula de recorrencia para f (x).

Sendo que {..}1 na equacao anterior representa a F
ormula de Newton do Polin
omio de Interpola
c
ao. e {..}2 e o erro de truncamento.
Pn (x) = f [x0 ] + (x x0 )f [x0 , x1 ] + (x x0 )(x x1 )f [x0 , x1 , x2 ] +
+(x x0 )(x x1 ) (x xn1 )f [x0 , x1 , x2 , , xn ] = {...}1
Resumidamente:
Pn (x) = yo +
i=1
(i)
y0
j1
i=0
(x xj )
(3.5)
26
c
ao
3.5
Escolha dos pontos para interpola

c
ao
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 à 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
2. Seja a tabela relacionando a temperatura com a densidade do merc

urio (Hg). Determinar a
densidade do merc
urio à temperatura t = 250 C, usando interpolacao.
t,0 C
3
, 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 às 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. )
Resposta: 90, 37o C
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.
Resposta: 96, 66o C.
27
Tabela 3.1: Ponto de ebulicao da agua
Altitude (m) Ponto de Ebulicao da Agua

(o C )
850
97,18
950
96,84
96,51
1050
1150
96,18
1250
95,84
.
.
.
.
.
.
2600
91,34
2700
91,01
90,67
2800
2900
90,34
90,00
3000
6. Um automovel percorreu um trajeto que liga 2 cidades de 80 km e foi registrado as dist

ancias
percorridas nos tempos indicados abaixo. Encontrar:
a) A distancia percorrida apos 35 minutos

b) O tempo para 60 km.
Resposta: 40,3292 km.
Resposta: 49,45 minutos.
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
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: 42,5625 km.
b) Quantos minutos o automovel gastou para chegar à metade do caminho?
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
Usando parabolas de 2o e 3o graus calcular a iluminacao, quando a superfcie estiver situada a:

a)1.60 m da lampada
b)2.38 m da lampada
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.
Figura 4.1: Graco de Dispersao

Entretanto, dado um diagrama de dispersao, e pouco provavel que haja uma curva que passe
exatamente por cada ponto e que descreva elmente o sistema observado em laboratorio. A raz
ao
disto e que a obtencao de dados experimentais possuem erros inerentes ao processo. Alem do mais,
algumas variaveis podem sofrer alteracoes durante a experiencia, o que ira provocar desvios na resposta.
Uma das vantagens de se obter uma curva que se ajusta adequadamente a estes pontos, e a
possibilidade de prever os valores da funcao para valores da variavel explicativa que estao fora do
intervalo fornecido. Ou seja, e possvel fazer uma extrapolacao com uma aproximacao razo
avel.
Como o sistema da experiencia e descrito por um conjunto de pontos, entao a abordagem a ser
apresentada sera valida para os casos discretos. Assim, o problema de ajuste de curvas no caso em
que se tem uma tabela de pontos (x1 , y1 ), (x2 , y2 ), , (xn , yn ), com xi pertencentes ao intervalo [a, b],
consiste em dadas m + 1 funcoes g0 (x), g1 (x), , gm (x), contnuas em [a, b], obter m + 1 coecientes
0 , 1 , , m de tal forma que
f (x) = 0 g0 (x) + 1 g1 (x) + + m gm (x)
se aproxime de y(x), que fornece os valores y1 , y2 , , yn dos pontos tabelados.
Este e um modelo matematico linear do sistema real pois os coecientes i a serem determinados
aparecem linearmente arranjados, embora as funcoes gi (x) possam ser nao-lineaeres, como g0 (x) = ex
e g1 (x) = 1 + x2 , por exemplo.
O grande problema e como escolher adequadamente estas funcoes. Para isto, normalmente faz-se
30
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
(yi f (xi ))2
i=1
(yi 0 g0 (x) 1 g1 (x) m gm (x))2 .
(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 às variaveis independentes. Dessa forma:
D
=2
[yi 0 g0 (xi ) 1 g1 (xi ) m gm (xi )]g0 (xi )
0
n
i=1
D
=2
1
n
i=1
D
=2
2
n
i=1
..
.
D
=2
[yi 0 g0 (xi ) 1 g1 (xi ) m gm (xi )]gm (xi )
m
n
i=1
Para simplicacao de notacao usaremos apenas
para representar
. Igualando as equac
oes
i=1
acima a zero e rearranjando os termos temos:

(
)
(
)
(
)
(g0 (xi ))2 0 +

g1 (xi )g0 (xi ) 1 + +
g0 (xi )gm (xi ) m =
yi g0 (xi )
)
(
)
(
)
g0 (xi )g1 (xi ) 0 +

(g1 (xi ))2 1 + +
g1 (xi )gm (xi ) m =
yi g1 (xi )
..
.
)
(
)
(
)
g0 (xi )gm (xi ) 0 +

g1 (xi )gm (xi ) 1 + +
(gm (xi ))2 m =
yi gm (xi )
32
Captulo 4. Ajuste de Curvas

que se trata de um sistema linear que pode ser solucionado por qualquer metodo numerico apresen-
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
Ajuste Linear Simples
O modelo mais simples de relacionar duas variaveis e atraves de uma equacao de reta, caracterizando um comportamento linear do sistema que foi submetido à 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
tem-se o seguinte sistema linear:

(
xi
xi
) (
.
(xi )2
0
1
(
=
yi
yi .xi
)
(4.3)
Exemplo: Ajustar os pontos abaixo a uma reta:

i
xi
1.3
3.4
5.1
6.8
8.0
yi
2.0
5.2
3.8
6.1
5.8
Pergunta: Quao bom e este ajuste?

Avalia
c
ao da Qualidade do Ajuste: A questao fundamental e: qual a funcao que representa
o melhor ajuste entre todas as outras funcoes. Um metodo pelo qual podemos avaliar a qualidade de
um ajuste e atraves do coeciente de correlacao de Pearson. O coeciente de correlacao de Pearson
R2 pode ser calculado na forma mais geral como:
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. Ajuste Linear M

ultiplo
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)
Exemplo: Ajustar os pontos da tabela abaixo à equacao Yb = b0 + b1 X1 + b2 X2 .

i
x1i
-1
x2i
-2
-1
yi
13
11
11
-1
Resposta: b0 = 4.239; b1 = 3.4; b2 = 6.464; R2 = 0.977
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

..
.
gm (x) = xm
Deste modo, tem-se a seguinte equacao:
f (x) = 0 + 1 x + 2 x2 + + m xm
(4.7)
ou seja, f (x) e um polinomio de grau m.

Para o ajuste polinomial de curvas, o sistema linear torna-se:
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)
Exemplo: Ajustar os pontos da tabela abaixo à equacao Yb = b0 + b1 X + b2 X 2 .

i
xi
-2
-1.5
2.2
3.1
yi
-30.5
-20.2
-3.3
8.9
16.8
21.4
Resposta: b0 = 2.018; b1 = 11.33; b2 = 1.222; R2 = 0.977

Exemplo de aplica
c
ao:
A tabela abaixo lista o n
umero de acidentes em veculos motorizados no Brasil em alguns anos
entre 1980 e 2006.
Ano
N
umero de acidentes (em milhares)
Acidentes por 10.000 veculos
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
1. Calcule a regressao linear do n

umero de acidentes no tempo. Use-a para prever o n
umero de
acidentes no ano de 2010.(Isto e chamado analise de serie temporal,visto que e uma regress
ao no
tempo, e e usada para prognostiar o futuro).
2. Calcule uma regressao quadratica do n
umero de acidentes por 10.000 veculos. Use esta para
prognosticar o n
umero de acidentes por 10.000 veculos no ano de 2007.
3. Compare os resultados das partes (a) e (b). Em qual delas voce esta mais propenso a acreditar?
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
Exemplo: Ajustar os pontos abaixo à equacao Yb = aebX e tambem à yb = abx .
4.5
xi
0.1
1.5
3.3
4.5
yi
5.9
8.8
12
19.8
21.5
Lista de Exerccios
1. Ajustar os pontos abaixo a uma reta:

i
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

2. Transforme os modelos abaixo em relacoes lineares:
a
,
b + cx
b) y = abx ,
a
c) y =
,
b+x
1
d) y =
.
1 + ebx
a) y =
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
Qual dos modelos abaixo e o melhor? Por que?

a) u = b0 + b1 x,
b) u = b0 + b1 x + b2 x2 ,
c) u = b0 + b1 x + b2 x2 + b3 x3 ,
d) u = axb ,
e) u = abx .
4. Seja a tabela abaixo, contendo o tempo de germinacao de sementes (dias) em funcao da temperatura media do solo (o C) para doze locais de plantio. Com base na tabela, determine uma
relacao entre a temperatura e o tempo de germinacao das sementes.
Temperatura(o C)
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
(a) Encontre uma regressao exponencial de consumo de agua no tempo.

(b) Use os resultados do item (a) para prever o consumo de agua nos anos de 2008 e 2010.
6. O n
umero de n
umeros primos menores que x e denotado por (x) e vale a tabela:
x
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
Faca um graco dos dados.

(a) Ajuste os dados por polinomio de grau adequado.
(b) Estime o valor a ser obtido no voltmetro quando o ampermetro estiver marcando 3.05 A.
8. A Tabela abaixo lista o Produto Nacional Bruto (PNB) em dolares constantes e correntes. Os
dolares constantes representam o PNB baseado no valor do dolar em 1987. Os dolares correntes
sao simplismente o valor sem nenhum ajuste de inacao.
Ano
PNB (dolar corrente em milhares)
PNB(dolar constante em milhoes)
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 à 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

(a) Usando a equacao anterior e o metodo dos mnimos quadrados, determine a0 , a1 e a2 .
(b) Use o resultado do item (a) para estimar a vazao em
diametro de 2.5 m e uma inclinacao de 0.0025.
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
(a) atraves do diagrama de dispers

ao dos dados, observe que parece existir uma relacao linear
entre a altura e o peso.
(b) ajuste uma reta que descreva o comportamento do peso em funcao da altura.
(c) estime o peso de uma pessoa com 175 cm de altura e estime a altura de uma pessoa com 80 kg.
12. Considere os seguintes dados para o calor especco do cobre:

Temperatura (K)
CE (J/kg K)
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
Ajustar os valores empregando uma funcao polinomial de 2o (b

y = 0 + 1 x + 2 x2 ) e de 3o
(b
y = 0 + 1 x + 2 x2 + 3 x3 ) grau e uma funcao potencia(b
y = a ebx ).
Tracar o graco dos pontos com as funcoes ajustadas. Calcular o coeciente de correlacao para
cada ajuste e vericar qual dos tres ajustes e o melhor.
13. A tabela abaixo fornece o n
umero de habitantes do Brasil (em milhoes) desde 1960.
Ano
(t)
Habitantes
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 à compressao de tres amostras de cilindros
para varias razoes

e mostrada na gura abaixo, cujos valores se encontram na tabela.
c
a) Ajuste aos dados, utilizando uma funcao do tipo = a eb c .

b) Compare os valores da curva obtida no item (a) como o graco da gura acima, para vericar
(por inspecao), se a curva obtida para e uma boa aproximacao.
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,
se f (x) > 0 ou f (x) < 0 para a < x < b.

c) Seja P (x) um polinomio.
1. P (a) P (b) < 0 n
umero mpar de razes reais no intervalo (a, b).
2. P (a) P (b) > 0 n
umero par de razes reais ou nao existe razes reais neste intervalo.
d) Seja P (x) = an xn + ax1 xn1 + + a1 x + a0 , sejam 1 , 2 , , n suas razes. Fatoramos
P (x) = an (x 1 )(x 2 ) (x n ) = 0
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
intercepta o eixo dos x num u

nico ponto, pois trata-se de uma funcao crescente. Entao x = 1 e a u
nica
raiz de f (x) = 0.
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).
Como vimos nos exemplos anteriores, podemos obter o n

umero exato de razes e sua localizac
ao
exata ou aproximada tracando o graco da funcao e encontrando o ponto onde a curva intercepta o
eixo dos x.
Entretanto algumas vezes e mais conveniente rearranjar a equacao dada como y1 (x) = y2 (x), para
duas funcoes y1 e y2 , cujos gracos sao mais faceis de serem tracados do que o da f . As razes da
equacao original sao dadas enaao pelos pontos onde o graco de y1 intercepta o de y2 . Ilustraremos
este fato nos proximo exemplos.
a) f (x) = ex + x2 2
b) g(x) = ln(x) + x
c) h(x) = ex
1
x
42
Captulo 5. Zeros de Fun

c
oes
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.
Figura 5.1: Interpretacao geometrica
5.3
M
etodo das Cordas
Seja f (x) uma funcao contnua que tenha f
com sinal constante no intervalo [a, b], sendo que
f (a) f (b) < 0 e que existe um u

nico n
umero [a, b] tal que f () = 0.
O metodo das cordas geometricamente equivale a substituir a curva y = f (x) por uma corda que
passa atraves dos pontos A[a, f (a)] e B[b, f (b)].
Situa
c
oes:
f (x) > 0 : f e concava para cima
f (a) < 0 e f (b) > 0 (caso II)

{
f (x) < 0 : f e concava para baixo
f (a) > 0 e f (b) < 0 (caso I)
f (a) > 0 e f (b) < 0 (caso III)

f (a) < 0 e f (b) > 0 (caso IV)
Tomando o caso I temos que:

f (a) f (x0 )
0 f (x0 )
=
x0 a
x0 x1
5.4. M
etodo de Newton
43
Figura 5.2: Metodo de cordas

x1 x0
x0 a
=
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, ...
Analogamente podemos analisar os casos II, III e IV.

Assim, encontramos a Equacao Geral do Metodo das Cordas:
xn+1 = xn
f (xn )
.(xn c)
f (xn ) f (c)
n = 0, 1, 2, ...
(5.1)
sendo c o ponto extremo de [a, b] onde f (c).f (c) > 0.

Faz-se tolerancia = |xn xn1 |.
Exemplo:
a) Obtenha a raz da funcao f (x) = ex sin(x) 2 no intervalo (1, 1.2) considerando 10 5.
b) Obtenha a raz da funcao f (x) = x2 10 ln(x) 5 considerando 0, 001.
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

c
oes
Situa
c
oes:
{
f (x) > 0 f crescente (caso I)
f (x) > 0 : f e concava para cima
f (x) < 0 f decrescente (caso II)

{
f (x) < 0 : f e concava para baixo
f (x) > 0 f crescente (caso III)
f (x) < 0 f decrescente (caso IV)
Figura 5.3: Metodo de Newton
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 )
f (x0 )(x0 x1 ) = f (x0 )

x0 x1
(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)
onde x0 e tal que f (x0 ) f (x0 ) > 0.

Faz-se tolerancia = |xn xn1 |.
Exemplo:
a) Obtenha a raz da funcao f (x) = 3x cos(x) + 4 no intervalo (-1.5, -1) considerando 10 3.
b) Obtenha a raz da funcao f (x) = x2 + ex 10 considerando 0, 001.
5.5
45
Lista de Exerccios
1. Obtenha a raz das funcoes abaixo:

x (0.5, 1)
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
erro < 0.01
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
Respostas: 0.58096 ou -1.43307
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
erro < 0.001
Respostas: 1.87149 ou -3.15553
j) f (x) = 3 + sin x 2 ln x
erro 0.001
Resposta: 3.5970
k) f (x) = 7x sec x
erro 0.001
Respostas: 1.47371 ou 0.144358
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

c
oes
- angulo (medido do centro da Terra) entre o ponto de lancamento e o ponto de impacto
desejado,
Resolva o problema considerando: = 80o e v tal que
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).
5. O crescimento de populacoes microbianas e importante em muitos processos de tratamento de

euentes. Um exemplo importante e o modelo de crescimento de uma populacao bacterias em
um lago. A equacao que descreve este fenomeno e:
(
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.
No inverno (t = 0), a populacao e pequena e P (t = 0) = P0 = 10 celula/litro conhecido que

depois de 60 dias (t = 60) a populac
ao alcancou uma densidade de 5.000 celulas/litro e a taxa de
6
preciso calcular a populacao bacteriana quando t
crescimento k e de 2 10 litros/celula dia. E
= 90 dias, pois se a populacao bacteriana exceder 50.000 celulas/litro, a qualidade da agua estar
a
comprometida e sera necessaria a implementacao de algum procedimento parao abatimento das
bacterias e proteger os banhistas que usam o 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.
3. Newton: Requer o conhecimento da forma analtica de f (x). Sua convergencia e extraordin

aria.
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 às 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
Figura 6.1: Metodo dos trapezios
Seja I =
f (x)dx. Considere uma subdivisao do intervalo [a, b] em n subintervalos xi , xi+1 de

a
(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
Como f (x) = P1 (x) + E(x) temos:
xi +1
f (x)dx =
Ii =
xi
xi +1
xi +1
P1 (x)dx +
xi
E(x)dx
xi
Assim podemos considerar a seguinte aproximacao:
xi +1
xi +1
f (x)dx
xi
P (1)dx
xi
A seguir vamos calcular a integral do polinomio interpolador de grau 1.

Como os pontos xi sao equidistantes podemos determinar P1 (x) usando a formula de Newton,
(x xi )
fazendo a mudanca de variavel z =
temos
h
P1 (z) = fi + zfi
x = xi z = 0
x = xi+1 z = 1
(x xi )
dx
dz =
dx = hdz
h
h
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
Denimos a formula do trapezio para o intervalo [xi , xi+1 ] como

IiT =
h
(fi + fi+1 )
2
Para obtermos a formula do trapezio no intervalo [a, b] basta considerar que I =
(6.1)
n1
Ii e assim
i=0
temos:
I=
h
(y0 + 2y1 + 2y2 + ... + 2yn1 + yn )
2
(6.2)
Cota para o erro na forma do trap

ezio
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)
Exemplo: Determine uma aproximacao para /4 considerando /4 =

0
do trapezio para n = 10.
dx
e usando a formula
1 + x2
ex dx, determine em quantos subintervalos devemos dividir [0, 1] para deter-
Exemplo: Seja I =
0
minar uma aproximacao para I com erro inferior a 102 .

Solu
c
ao:
f (x) = ex
f (x) = 2xex
f (x) = xex (4x2 + 2)

2
Portanto:
max |f (x)| = |f (1)| = e(4 + 2) = 6e = 16, 31
0x1
Substituindo o valor maximo da derivada segunda em 6.4 e impondo que o erro seja inferior a
10
, temos:
erro =
16, 31(1 0)h2

102
12
h 0, 08578
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
trapezio com uma casa decimal de precisao.
6.2
M
etodo de Simpson
Figura 6.2: Metodo primeiro 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
z = (x xi1 )/h dz = dx/h

2
xi+1
z(z 1) 2
P2 (x)dx = h
(fi1 + zfi1 +
fi1 )dz)
2
xi
0
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
Denimos entao a formula de Simpson no intervalo [xi1 xi+1 ] como

IiS =
h
(fi1 + 4fi + fi+1 )
3
(6.5)
Usando a regra de Simpson ao longo do intervalo [xj , xj+2 ], j = 0, 2, , 2N 2, temos:

x2N
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
Portanto, podemos escrever a Regra

x2N
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)
f (4) ()(b a)h4

180
(a, b)
(6.8)
Erro =
Ou ainda, sendo n =
ba
h
Erro =
2
Exemplo: Considere a funcao densidade de probabilidade (x) =
com erro inferior a 104 .
et dt. Determine (1.43)

2
Calculo do tamanho e quantidade de intervalos:

f (x) = et
f (t) = et (2t)
2
f (t) = et (4t2 2)
2
f (t) = et (12t 8t3 )

2
f iv = et (16t4 48t2 + 12)

2
|f iv | = |4et ||4t4 12t2 + 3|

2
Fazendo |4et | = g(t) e |4t4 12t2 + 3| = h(t)

2
max |f (t)| = g(0) h(1, 22) = 4 6 = 24
0t1,43
(para obter o valor maximo de h(t) deriva-se a expressao e iguala-se a zero)

Substituindo o valor maximo da derivada quarta em (6.8) e impondo que o erro seja inferior a
10
, 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
Vamos considerar uma subdivisao do intervalo [a, b] em 3 subintervalos (n deve ser m

ultiplo de 3).
h=
(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
Usando as mesmas tecnicas utilizadas na deducao da formula do trapezio na formula de Simpson

teremos
I 3/8 =
Generalizando a Regra
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 =
3(b a)5 (4)

f () (a, b)
80n5
(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
Agora calculamos a integral usando apenas 4 intervalos. Assim:

1,2
ex cos xdx
0
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
1. Use a formula de Simpson com n = 2 para calcular a integral
(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
(b) E se usarmos a formula de Simpson?

(c) Calcule ln(5) usando a formula de Simpson.
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
5. Uma curva e denida pelos seguintes pares ordenados:

x
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 à 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
A notacao EF F denota a eciencia luminosa, medida em W/cm2 e x e o comprimento de onda.

A integral dada nao pode ser calculada pelas tecnicas usuais de integracao (substituicao, integracao por partes e outras), isto e, a funcao integrando nao possui primitiva em termos das func
oes
elementares do Calculo. Assim, para calcular a eciencia luminosa, devemos calcular numericamente a integral. Para efeito de comparacao, calcule a eciencia luminosa, pelos metodos de
trapezio e Simpson, considerando 20 subintervalos. Suponha uma temperatura T = 3500K.
8. A secao reta de um veleiro esta mostrada na gura a seguir.
A forca que o vento exerce sobre o mastro (devido às velas), varia conforme a altura z (em
metros) a partir do conves. Medidas experimentais constataram que a forca resultante exercida
sobre o mastro (em N) e dada pela equacao:
10
F =
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
Pede-se entao calcular o valor de d.

9. Suponha que a agua em uma represa exerce uma pressao sobre a face esquerda da mesma, como
mostrada na gura:
Essa pressao pode ser carateriza pela expressao:

p(z) = g(D z)
onde p(z) e a pressao (em N/m2 ) na altura z (em m) a partir do fundo do represa. A densidade
da agua e suposta constante e vale 103 kg/m3 , a aceleracao da gravidade vale 9, 8m/s2 , e D
e a altura (em m) da superfcie da agua a partir do fundo do represa. Sabe-se que a press
ao
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
Sendo o sistema de equacoes nao lineares:
F (x , x ) = 0
1 1 2
F (x , x ) = 0
2
Usando a serie de Taylor para funcoes de duas variaveis, temos:

F1 (x1 , x2 ) = F1 (x01 , x02 ) +
F1 (x01 , x02 )
F1 (x01 , x02 )
(x1 x01 ) +
(x2 x02 )
x1
x2
F2 (x1 , x2 ) = F2 (x01 , x02 ) +
F2 (x01 , x02 )
F2 (x01 , x02 )
(x1 x01 ) +
(x2 x02 )
x1
x2
Vamos fazer:
10 = x1 x01
20 = x2 x02
Sendo S0 = (x01 , x02 ) um chuteinicial.
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 )
Resolvemos o sistema linear acima, encontramos os valores de 10 e 20 . Em seguida, encontramos a

primeira aproximacao para a solucao do sistema nao linear:
x11 = 10 + x01
x12 = 20 + x02
A partir da, recomecamos um novo sistema linear com a substituicao de x11 e x12 nas func
oes
F1 (x1 , x2 ), F2 (x1 , x2 ) e no Jacobiano descrito acima. E fazemos este processo ate encontrarmos uma
aproximacao da solucao com a precisao desejada (erro = | xij xji1 |).
Exemplo:
Resolver o sistema nao linear:
x1 x2 + x22 = 0.9
x1
= 8.6964
ex 1 +
x2
Supondo S0 = (2, 2) e erro 102 .

Solu
c
ao:
F1 (x1 , x2 ) = x1 x2 + x22 + 0.9
x1
F2 (x1 , x2 ) = ex1 +
8.6964
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)
Assim, o primeiro sistema linear resultante e:

(
6.889 0.5
{
Cuja solucao e:
) (
.
10
(
=
20
2.3073
10 = 0.3427,
x11 = 10 + x01 = 2.3427
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
Tabela 7.1: Resolucao utilizando o software Microsoft Excel

x2
Jacobiano
F (x1 , x2 ) Lambda
xi+1
xi+1
1
2
-2
-2
-0,9000
0,3427
-2
6,8891
-0,5
2,3073
0,1073 2,3427 -1,8927
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:
1. Resolver os seguintes sistemas nao lineares:

{
3x21 + 4x22 = 1
(a)
x21 8x32 = 1
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
Suponha S0 = (1.4, 1.6) e considere erro 102 .
x x x + x1 ex2 x2 cos x3 = 15.36904
1 2 3
x1 x2 + x2 x3 + x1 x3 = 11
(c)
x
x
x
1 2 + 3 = 2.8333
x2 x3 x1
Suponha S0 = (0.8; 2.3; 3.4) e erro 102 .
x1 cos x2 + x2 tan x1 = 2.69867

x1
(d)
= 2.38495
ex 1
x1 + x2
Suponha S0 = (1.2, 1.8) e erro 102 .
2. Considere os seguintes sistemas nao-lineares:

(a)
2 x y 3 = 0
x2 y 2 = 0
chute inicial: (1, 1)
7.2. Lista de exerccios:

(b)
61
x2 + 4y 2 4 = 0
x2 2x 2y + 1 = 0
chute inicial: (2, 0)

(c) Idem (b) com chute inicial (-0.3, 1.1)
(d)
x 2 + y 2 2 = 0
x y 1 = 0
chute inicial: (0.5, 1.2)
(e) Idem (d) com chute inicial (-1.4, -1.2)

i) Localize gracamente a solucao do sistema linear. (Dica: utilizei o geogebra para gracar as
funcoes).
ii) Obtenha a solucao do sistema utilizando o metodo iterativo estudado em aula utilizando o
chute inicial dado e 102 .
Captulo 8
Equaco
es diferenciais num
ericas
Muitos problemas encontrados em engenharia e outras ciEncias

podem ser formulados em termos
de equacoes diferenciais. Por exemplo, trajetorias balsticas, teoria dos satelites articiais, estudo de
redes eletricas, curvaturas de vigas, estabilidade de avioes, teoria das vibracoes, reacoes qumicas e
outras aplicacoes estao relacionadas com equacoes diferenciais. O objetivo deste captulo e apresentar
uma introducao à resolucao de equacoes diferenciais ordinarias atraves de metodos numericos.
Aplica
c
ao: Em 1985 a populacao brasileira era de 121.106 habitantes. A taxa de crescimento
populacional anual, segundo o IBGE, e de 1,95%. Calcule a populacao para 2005 usando os dados
mencionados.
Usando equacao diferencial:
dP = k P
dt
P (0) = 121
8.1
M
etodo de Euler
Seja uma equacao diferencial:

y = f (x, y)
dy
= f (x, y)
dx
dy = f (x, y)dx
yi+1
xi+1
dy =
yi
f (xi , yi )dx
xi
yi+1 yi = f (xi , yi ) (xi+1 xi )

yi+1 = yi + h f (xi , yi )
62
8.2. M
etodo de Heun - Runge-Kutta de 2a ordem
Figura 8.1: Ilustracao Metodo de Euler
8.2
M
etodo de Heun - Runge-Kutta de 2a ordem
Previsor:
yi+1
= yi + hf (xi , yi )
Corretor:
yi+1 = yi +
8.3
[f (xi , yi ) + f (xi+1 , y1+1

)]
2
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
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
1. Dado o problema de valor inicial
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
Respostas: (a) 2,3277
(b) 2,3487
(c) 2,3685
(d) 2,3678
2. Determinar as aproximacoes para o PVI
y y y 2 = 2x
y(0) = 1
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
8.4. Lista de exerccios

Respostas: (a) 1,8269
65
(c) 1,7378
(d) 1,7321
3. Determinar as aproximacoes para o PVI
y = 1
x
y(1) = 0
b) Metodo de Heun com h = 0,1
c) Metodo de Runge-Kutta com h = 0,1
Respostas: (b) 0,7188
(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:
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
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 à seguinte equacao:
dv
c2
=g v
dt
m
onde m e a massa do paraquedista, g e a aceleracao da gravidade.
Supondo que no instante t0 = 0, o paraquedista salte de um aviao com velocidade vertical

v0 = 0, determine, usando o metodo de Euler com passo de 0, 01s, a velocidade do paraquedista
nos instantes de tempo: 2, 4, 6 e 8s em m/s.
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
Atividade de aplicacao 1 - 1,5 pontos da avaliacao 1
(
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]
RUGGIERO, Marcia A. G.; LOPES, Vera L. da R. Calculo Numerico - Aspectos teoricos e

Computacionais. 2a edicao, Sao Paulo: McGraw-Hill Ltda, 1996.
[2]
FRANCO, Neide Bertoldi. Calculo Numerico. Sao Paulo: Pearson, 2006.
[3]
BARROSO, Leonidas Conceicao; et all. Calculo Numerico (Com Aplicacoes). 2a edicao, S

ao
Paulo: Editorla Harba, 1987.
[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]
UMINATO, Jose Alberto. Calculo Numerico. ICMC/USP (notas de aula)
68

CalculoNumerico Eng. Química

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

CalculoNumerico Eng. Química

Diunggah oleh

Hak Cipta:

Format Tersedia

C

Prof. Ms. Janana Poo Possamai

Blumenau, 14 de fevereiro de 2013.

Sistema Triangular Inferior . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Sistema Triangular Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Metodos Numericos para Resolucao . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Metodo da pivotacao parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Metodo da pivotacao completa . . . . . . . . . . . . . . . . . . . . . . . . . . .

Comparacao dos metodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Escolha dos pontos para interpolacao . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Ajuste Linear Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Metodo das Cordas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Metodo dos Trapezios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Metodo dos Tres Oitavos (Segunda de Simpson) . . . . . . . . . . . . . . . . . . . . . .

Metodo de Heun - Runge-Kutta de 2 ordem . . . . . . . . . . . . . . . . . . . . . . .

Metodo de Runge-Kutta de 4 ordem

Usando a aproximacao acima temos:

Erro Absoluto: |Valor Real - Valor Aproximado|

|V alor Real V alor Aproximado|

Complexidade Computacional: esforco computacional usado para resolver o problema, medido

1.2. Conceitos importantes

A solucao exata do sistema Ay = eb e y = [ 100 99 ]t . Portanto, uma pequena perturbac

a11 x1 + a12 x2 + ...a1n xn = b1

compatvel determinado (uma u

incompatvel (sem solucao)

2.1. Sistemas Triangulares

A solucao de um sistema triangular inferior e calculada pelas substituicoes sucessivas:

Exemplo. Calcular a solucao do sistema triangular inferior, usando substituicoes sucessivas:

Sistema Triangular Superior

u11 x1 + u12 x2 + ... u1n xn = d1

u22 x2 + ... u2n xn = d2

O vetor solucao de um sistema triangular superior e obtido pelas substituicoes retroativas:

Captulo 2. Sistemas Lineares

Transforma-se um sistema Ax = b num sistema triangular superior equivalente (por operac

1x1 3x2 + 2x3 = 11

1x1 3x2 + 2x3 = 11

0x1 + 6x2 3x3 = 15

= = 3. A nova linha 3 sera L3 = 3L2 + L3 ,

1x1 3x2 + 2x3 = 11

O vetor solucao do sistema e x = [2 1 3]T .

Transforma-se um sistema Ax = b num sistema diagonal equivalente (matriz identidade.)

Captulo 2. Sistemas Lineares

Resolver o sistema abaixo pelo metodo de Gauss com pivotacao parcial:

4x1 + 10x2 6x3 = 2

= = 1/2, deste modo, L2 = 1/2L3 + L2 .

0x1 + 8x2 2x3 = 4

4x1 + 10x2 6x3 = 2

= 1/2. A nova linha 2 sera L2 = 1/2L1 + L2 , resultando nalmente no sistema equivalente:

0x1 + 8x2 2x3 = 4

4x1 + 10x2 6x3 = 2

Dado Ax = b; seja M = [A|b] sua matriz aumentada:

0.8754x1 + 3.0081x2 + 0.9358x3 + 1.1083x4 = 0.8472

2.4579x 0.8758x + 1.1516x 4.5148x = 1.1221

5.2350x1 0.8473x2 2.3582x3 + 1.1419x4 = 2.5078

2.1015x + 8.1083x 1.3233x + 2.1548x = 6.4984

Por exemplo, o sistema acima resolvido,

1x1 3x2 + 2x3 = 11

Captulo 2. Sistemas Lineares

sendo ri a i-esima componente do vetor resduo R, o qual e dado por:

Temos um chute inicial x0 = (x01 , x02 , ..., x0n )T Obtem-se:

entao x1 , x2 , , xk , converge quando k se lim ||xk x|| 0.

Como obter x = F x + d ? Por exemplo,

a11 x1 + a12 x2 + ...a1n xn = b1