Anda di halaman 1dari 72

Mtodos Numricos

So mtodos que podem ser usados para a obteno de solues


numricas para problemas, quando por uma qualquer razo no
podemos ou no desejamos usar mtodos analticos.

Os mtodos numricos conduzem a solues aproximadas de


um modelo ou sistema exacto.

A nlise N um rica

Porqu usar mtodos numricos?

Existem situaes em que prefervel um mtodo numrico ao mtodo


analtico ainda que este exista, por exemplo se a soluo para um
problema envolve muitos clculos.
A maior parte dos problemas concretos so, em geral, complexos e
envolvem fenmenos no lineares pelo que comum encontrarmo-nos
numa situao em que os nossos conhecimentos de matemtica no so
suficientes para a descoberta de uma soluo para um problema real..
Quando os dados do problema so os de uma tabela de valores, qualquer
tratamento (a sua diferenciao ou integrao por exemplo) ter de ser
feito atravs de um mtodo numrico

A nlise N um rica

Modelos aproximados e solues aproximadas


Modelo matemtico real demasiado complexo para ser tratado analiticamente

Alterar e simplificar o modelo por


forma a torn-lo tratvel, e assim
obter uma soluo exacta de um
sistema ou modelo aproximado.
Tal soluo suspeita pelo facto
de ocorrerem simplificaes do
modelo. Tero de se fazer vrias
experincias para ver se as
simplificaes so compatveis
com os dados experimentais.

Usar mtodo numricos e assim


produzir solues aproximadas
para o sistema real/exacto.
Tais solues so apenas
aproximaes que podem ser
melhoradas custa de esforo
computacional.

A nlise N um rica

Captulo 1: ERROS
Quase todos os clculos envolvem erros. Em clculo numrico
lidamos quase exclusivamente com valores aproximados da que
no podemos usar mtodos numricos e ignorar a existncia de
erros.
Captulo 1: Teoria dos erros
Definies e regras
Erros de truncatura.
Erro relativo
Propagao de erros
O problema inverso do clculo de erros
A nlise N um rica

Captulo 2: Interpolao Polinomial e Aproximao Polinomial de Mnimos


Quadrados
Muitas funes so conhecidas apenas num conjunto finito e discreto de
pontos de um intervalo.
Neste caso, como no dispomos da sua forma analtica, podemos substitu-la
por outra funo, que uma aproximao da funo dada e que deduzida a
partir dos dados tabelados.
Outras funes tm uma forma analtica muito complexa.
Podemos procurar uma outra funo que seja uma aproximao da funo
dada e cujo manuseio seja bem mais simples.

As funes que substituem as funes dadas podem ser de vrios tipos:


exponencial, logartmica, trigonomtrica e polinomial.
A nlise N um rica

Captulo 2: Interpolao Polinomial e Aproximao Polinomial de Mnimos


Quadrados
Captulo 2:

A nlise N um rica

Interpolao Polinomial e Aproximao Polinomial de


Mnimos Quadrados
Polinmio interpolador de Lagrange
Erro de interpolao
Polinmio interpolador de Newton
Interpolao inversa
Interpolao de Hermite
Aproximao polinomial de mnimos quadrados

Captulo 3: Resoluo de Equaes e Sistemas No Lineares

Estudaremos alguns mtodos de resoluo dos problemas seguintes:

Determinar as razes da equao f(x)=0


Obter o vector (x1,x2,...,xn) soluo do sistema
f1 (x1,x2,...,xn) =0
f2 (x1,x2,...,xn) =0
...
fn (x1,x2,...,xn) =0

A nlise N um rica

Captulo 3: Resoluo de Equaes e Sistemas No Lineares


Captulo 3: Resoluo de Equaes e Sistemas No Lineares

A nlise N um rica

Localizao de estimativas iniciais para a resoluo de f(x)=0


Mtodos iterativos para a resoluo de f(x)=0
Zeros de polinmios
Sistemas de equaes no lineares

Captulo 4: Sistemas de Equaes Lineares

Duas questes fundamentais em lgebra Linear Numrica so a resoluo de


sistemas de equaes lineares e o clculo de valores prprios.
Sistemas de equaes lineares ocorrem nos mais diversificados domnios da
matemtica aplicada.
Em problemas concretos podem ocorrer sistemas de grandes dimenses cuja
resoluo obriga utilizao de meios computacionais. portanto essencial
conhecer algoritmos eficientes de resoluo de sistemas lineares.

A nlise N um rica

Captulo 4: Sistemas de Equaes Lineares


Captulo 4: Sistemas de Equaes Lineares

A nlise N um rica

Mtodos directos para resolver sistemas de equaes lineares


Mtodos iterativos

10

Captulo 5: Integrao e Derivao Numrica

Pretendemos obter frmulas que nos permitam calcular o integral definido


b

f ( x)dx
a

Captulo 5: Integrao e Derivao Numrica


Regra dos trapzios
Regra de Simpson
Frmulas de integrao de Newton Cotes
Frmulas de integrao de Gauss
Derivao numrica-algumas frmulas

A nlise N um rica

11

Captulo 6: Equaes Diferenciais Ordinrias

As equaes que envolvem a derivada de uma funo a uma varivel


ocorrem em muitos ramos da matemtica aplicada.
Genericamente, qualquer situao que trate a taxa de variao de uma
varivel com respeito a outra conduz a uma equao diferencial
Neste captulo iremos introduzir e descrever alguns mtodos numricos para
integrar equaes diferenciais ordinrias.

A nlise N um rica

12

Captulo 6: Equaes Diferenciais Ordinrias


Captulo 6: Equaes Diferenciais Ordinrias

A nlise N um rica

Mtodo de Euler
Soluo usando srie de Taylor
Mtodo de Euler modificado
Uma classificao dos mtodo numricos para a resoluo do
PVI
Mtodos de passos simples

13

ERROS

Seja

x o valor aproximado do valor exacto x.

O erro de x define-se por

= xx

| |=| x x

erro absoluto de

A nlise N um rica

14

ERRO DE ARREDONDAMENTO

Seja

x o valor aproximado do valor exacto x tendo exactamente k dgitos

aps o ponto decimal. Dizemos que

o valor aproximado de x

arredondado a k casas decimais correctas se

| x x | 0.5 10k

A nlise N um rica

15

Regras de arredondamento

1. Se o primeiro dgito a desprezar for maior que 5, ou for 5 seguido no s


de zeros, soma-se uma unidade ao ltimo dgito a reter.
Caso contrrio, o ltimo dgito a reter no ser alterado. Se o primeiro e
nico dgito a desprezar 5, ou cinco seguido de zeros, o ltimo dgito a reter
dever ser aumentado de uma unidade apenas se esse ltimo dgito for mpar.
2. Na adio e subtraco, arredonda-se por forma a que o ltimo dgito a
reter, na resposta, corresponda ao ltimo algarismo mais significativo nos
nmeros a serem somados ou subtrados entre si.

A nlise N um rica

16

Regras de arredondamento (cont)

3. Na multiplicao e diviso, arredondar por forma a que o nmero de


algarismos significativos no resultado iguale o menor nmero de algarismos
significativos dos nmeros intervenientes na operao em causa.
4. Em combinaes das operaes aritmticas, as operaes dentro dos
parentesis so executadas e os resultados respectivos arredondados antes de
prosseguir com a outra operao, em vez de arredondar apenas o resultado
final.

A nlise N um rica

17

Erros de truncatura

Ocorrem quando se usam processos aproximados em vez de um processo


matemtico exacto.
So em geral erros provenientes da utilizao de processos que deveriam ser
infinitos ou muito grandes para a determinao de um valor e que por razes
prticas so interrompidos em determinada altura.

A nlise N um rica

18

Srie de Taylor

A srie de Taylor permite-nos calcular o valor de uma funo num ponto x a


partir do valor da funo e das suas sucessivas derivadas num determinado
ponto x0.

( x x0 )
( x x0 ) 2
f ( x) = f ( x0 ) +
f ' ( x0 ) +
f ' ' ( x0 ) + ...
1!
2!

A nlise N um rica

19

Srie de Taylor (cont)

f ( x) = f ( x0 ) + ( x x0 ) f '( x0 ) +

( x x0 ) 2
( x x0 ) n ( n )
f ''( x0 ) + ... +
f ( x0 ) + Rn
2!
n!

Com

( x x0 ) n +1 ( n +1)
Rn =
f
( ), x0 < < x
(n + 1)!

resto da aproximao de ordem n.

A nlise N um rica

20

Srie de Taylor (cont)

h=x-x0

h2
hn (n)
f ( x) = f ( x0 ) + hf '( x0 ) +
f ''( x0 ) + ... +
f ( x0 ) + Rn
2!
n!

com

A nlise N um rica

h n +1
=
f
( n + 1 )!

(n +1)

( ), x 0 < < x

21

Erro Relativo

erro
erro relativo =
valor exacto
Limite superior para o erro relativo:

| rx |

| x |
| x | | x |

| x |

Se | x | muito pequeno quando comparado com | x | ento | rx | | x |

Ao produto 100 |rx| chama-se percentagem de erro do valor aproximado

A nlise N um rica

x de x.
22

Erro Relativo (cont)


Teorema: Se o primeiro algarismo significativo do valor aproximado a1 0
e esse valor aproximado tem pelo menos n algarismos significativos
correctos, ento o seu erro relativo no excede

1
a1 10 n 1

| rx |

A nlise N um rica

1
a1 10 n 1

23

Erro Relativo (cont)


Corolrio: exepo do caso em que o valor aproximado do nmero da
forma (0, a1 00...0) 10 p
em que a1 o nico dgito diferente de zero, o erro
relativo menor ou igual a

1
2a1 10 n 1
Corolrio: Se
(0, a1 00 ... 0) 10

a1 5
p

e o valor aproximado do nmero x no da forma

ento

rx

1
10 n

A nlise N um rica

24

Erro Relativo (cont)


Teorema: Se a1 0 o primeiro algarismo significativo do valor aproximado
x de um nmero cujo erro relativo no excede

2 (a1

1
+ 1 ) 10

n 1

ento esse valor aproximado x tem pelo menos n algarismos significativos


correctos.

Corolrio: Se

rx

1
2 10 n

ento o correspondente valor aproximado

tem n algarismos significativos correctos.

A nlise N um rica

25

Propagao de erros
Frmula de propagao do erro absoluto
| f |=| f ( x, y, z ) f ( x , y , z ) ||

f
f
f
|| x | + |
|| y | + |
|| z |
x
y
z

Se para x | x | x x + | x |,

y | y | y y + | y |,
z | z | z z + | z |

se verificam as desigualdades

f
f
f
| M 1 , |
| M 2 , |
| M 3 vem que
x
y
z

| f | M 1 | x | + M 2 | y | + M 3 | z |
A nlise N um rica

26

Propagao de erros
Frmula de propagao do erro relativo

f
f
f
f
y
| rf |=|
|| x || x | + |
|| y | + | z || z |
f
f
f
f

ou

| rf |

A nlise N um rica

M 1 | x | + M 2 | y | + M 3 | z |
|f|

27

O Problema Inverso do Clculo dos Erros


Consiste em determinar a preciso com que se devem utilizar os valores
aproximados x1 , x2 ,..., xn para que o valor da funo f(x1,x2,...,xn) calculado
para xi = xi (i=1,...,n) seja obtido com um erro absoluto que no exceda uma
quantidade > 0 previamente fixada.
Escolhem-se os valores aproximados de forma que se tenha
f
f
f
x1 =
x2 = ... =
xn
x1
x2
xn

Princpio dos efeitos iguais.

x1 = x2 = ... = xn

Princpio dos erros iguais .

A nlise N um rica

28

ANLISE NUMRICA
Exerccios Prticos Captulo I

1.1 Sejam x, y e z trs quantidades exactas. Por arredondamento, obtiveram-se as


seguintes aproximaes:
x = 721
z = 72.143
y = 7.21
a) Conte o nmero de casas decimais correctas nas aproximaes e calcule
limites superiores para o erro absoluto em cada uma delas. Compare os
resultados e comente.
b) Conte o nmero de algarismos significativos correctos nas aproximaes e
calcule limites superiores para o erro relativo. Compare os resultados e
comente.
1.2 Escreva aproximaes com trs e com cinco algarismos significativos para os
nmeros:
1
1
1

16 2 e 3
2
3
11
1.3 Quantos algarismos significativos correctos pode garantir que existem no resultado
do produto de 13.2 por 0.012579, supondo que os algarismos representados nestas
aproximaes so, todos eles, significativos correctos. Justifique.
1.4 Uma grandeza fsica x calculada pela relao
1
x=
2fc
Determine o erro absoluto mximo de x se f = 400 1 e c = 10 7 10 %.
1.5 Um avio faz regularmente a carreira Nova York/S. Francisco, registando
aproximadamente 2700 milhas de viagem, mas essa distncia pode ser afectada de
um erro de 200 milhas, devido a acertos de rota em voo.
A velocidade do aparelho de 580 milhas por hora, podendo variar 60
milhas/hora devido ao efeito dos ventos.
Determine limites inferiores e superiores para o tempo de voo.
1.6 Para determinar a resistncia R de uma bobina podemos utilizar a expresso:
l

R =
S
Suponha que se consideram os seguintes valores aproximados:
s 50.1 cm 2
1.0 cm
l 49.7 cm
Qual a percentagem mxima de erro que se deve respeitar em cada um dos valores
(grandezas aproximadas) se desejarmos que o valor obtido para R seja preciso pelo
menos at segunda casa decimal.

1.7 A base de um cilindro tem um raio r 2 m e a altura do cilindro h 3 m . Com


que erros absolutos deveremos determinar r e h de modo a que o volume V do
cilindro seja obtido com uma preciso de 0.1 m 3 .
V = r2 h

1
6

1.8 Usando a expanso em srie de Maclaurin para e , calcule e de modo a garantir


trs casas decimais correctas no resultado.
1.9 Considere os seguintes processos para calcular o valor de 3
(i) Desenvolvimento em srie de Maclaurin de f ( x ) = 2 cos x
(ii) Desenvolvimento em srie de Maclaurin de g ( x) = 2 sen x
a) Desenvolva em srie de Maclaurin f(x) e g(x).
b)Suponha que pretendia utilizar um dos processos acima descritos para calcular
3 Tendo em ateno que o melhor processo ser aquele que, usando um
mesmo nmero de termos, obtm uma melhor aproximao e diga qual dos dois
processos escolheria. Justifique a sua resposta.

3
3

cos =

; sen =
6
2
2
3

1.10 Considere os seguintes valores exactos p e os respectivos valores aproximados


p:
(i) p =
p = 3.1

(ii) p =
p = 0.0031
1000
1
(iii) p =
p = 0.333
3
100
(iv) p =
p = 33.3
3
a) Indique, para cada caso, limites superiores para o erro absoluto e para o erro
relativo cometidos ao aproximar p por p .
b) Ainda para cada caso, quantos dgitos significativos correctos apresenta p de
p? Tire concluses face resposta dada a esta questo, tendo presente os erros relativos
determinados em a).
1.11 O seguinte sistema de equaes
x1 + 2 x 2 = 3

1.00001 x1 + 2 x 2 = 3.00001
admite a soluo exacta x1 = 1 e x 2 = 1.
Suponha agora que as componentes do vector de termos independentes do sistema no
so exactas, estando cada uma delas afectada de um erro absoluto que no excede 10 5

a) Obtenha um majorante do erro absoluto, que da advm, para cada uma das
componentes do vector soluo, considerando os outros coeficientes do sistema como
valores exactos.
b) Tire concluses para uma anlise do condicionamento do problema.
1.12 a) Obtenha, para a funo f(x) = ln x, o desenvolvimento em srie de Taylor no
ponto x = 1.
b) Mostre que se desejarmos aproximar ln (1.1) usando a soma at ao termo de ordem n,
do desenvolvimento obtido em a), ento essa aproximao ter NK casa decimais
correctas, sendo

NK = int log10 (n + 1)10 n +1


2

em que int(x) designa o maior inteiro contido no real x. (Nota: analise s o erro de
truncatura)
1.13 Um construtor comprou um terreno Cmara Municipal com uma rea de
aproximadamente 150 x 200 m2. Na medio de cada um dos lados do terreno,
comprimento e largura, tolerou-se um erro de 5 cm por cada 10 metros.
Resolva as seguintes questes aplicando os conhecimentos que estudou sobre teoria
dos erros:
a) Calcule a percentagem mxima de erro de que vem afectado o valor da rea do
terreno, devido ao facto dos seus lados no serem medidos exactamente.
b) O construtor deseja dividir o referido terreno em lotes para habitao com
aproximadamente 600 m2 cada um, admitindo uma percentagem de erro mxima de 1%
em cada um deles.
Por este facto no lhe possvel determinar com exactido o nmero de lotes
que se podem obter com rea total do terreno. Determine ento o nmero mximo e o
nmero mnimo de lotes que o construtor pode obter.
1.14 A partir do desenvolvimento em srie de Maclaurin de
x3 x5
sin(x) = x +
...
3! 5!
a) Obtenha um valor aproximado da funo f(x) = 1 sin(x) no ponto x =0.5 (rad) com 5
casas decimais correctas.

. Com que preciso dever tomar x por forma a obter f com um erro
4
4
-4
inferior a 10 ?

b) Seja x =

a
. Conhecem-se os valores aproximados a 3.11 e
1.15 Pretende-se calcular z = ln

b
b 3.26 obtidos por arredondamento. Determine um valor aproximado de z
indicando uma estimativa do erro relativo cometido nessa aproximao.

1.16 Considere a funo


E(x1, x2, x3, ..., xn ) = exp (x1 + x2 + x3 + ... + xn )
Conhecem-se valores aproximados de xi , i =1,2,...,n, afectados de erros absolutos que
no excedem xi , i = 1,2,...,n. Prove que o erro relativo para E(x1, x2, x3, ..., xn )
satisfaz :

rE x1 + x2 + x3 + ... + xn

1.17 Admitindo que, no clculo de


A=

os valores de

1
2+ 3

3 esto afectados de iguais erros absolutos, isto

3 = 2 = e tendo em considerao que

2 + 3 > 3 , obtenha, em funo

de , um limite superior do erro relativo que vem para A.

Polinmio interpolador
Dados n+1 pontos distintos x0, x1, ..., xn a que associamos valores funcionais
y1, y2, ..., yn, pretende-se determinar um polinmio de grau menor ou igual a
n,

pn ( x) = a0 + a1 x + a2 x 2 + ... + an x n
que interpole os dados, isto tal que

p n ( x i ) = f ( x i ) = y i , i = 0 ,1 ,..., n
Ao conjunto dos pares (xi,yi), i=1,2,...,n chamamos suporte de interpolao.

A nlise N um rica

29

Polinmio interpolador (cont)


Exerccio 2.1: Dada a seguinte tabela de uma funo determine o seu
polinmio interpolador usando a definio.

A nlise N um rica

xi

-2

-1

yi

-15

-1

30

Polinmio interpolador de Lagrange


Teorema: (Lagrange) Seja Pn o conjunto dos polinmios de grau menor ou
igual a n. Dados n+1 pontos suporte (xi,fi), i=0,1,...,n , existe um e um s
polinmio pn ( x) Pn tal que pn ( xi ) = f i , i = 0,1,2,..., n ,
n

pn ( x) = f i li ( x)
i =0

(x x j )
l ( x) =

i
j i ( xi x j )

A nlise N um rica

31

Polinmio interpolador de Lagrange (cont)


Exerccio: Dada a tabela seguinte obtenha o polinmio interpolador de
Lagrange.

A nlise N um rica

xi

yi

15

40

85

32

Erro de interpolao
Erro de interpolao, num certo ponto x:

en ( x) = f ( x) pn ( x)
Teorema : Seja f uma funo real de varivel real de classe Cn+1 no intervalo
I x = [x , x0 , x1 ,..., xn ] ( I x designa o menor intervalo fechado que contm os
pontos x0 , x1 ,..., xn , x ).
Ento existe um

Ix

en ( x ) = f ( x ) pn ( x ) =

tal que

( x ) ( n +1)
( ) com
f
(n + 1)!

Frmula para o erro de


interpolao

( x ) = ( x x0 )( x x1 )...( x xn )
A nlise N um rica

33

Operadores de diferenas finitas


A expresso do polinmio interpolador foi obtida considerando os
polinmios de Lagrange li(x), i = 0,...,n, definidos sobre a partio. A
determinao do polinmio interpolador de uma funo usando as funes
li(x) exige um grande esforo computacional e no permite obter o polinmio
interpolador de grau n a partir do conhecimento do polinmio interpolador de
grau n - 1. Estes dois factores levam-nos a considerar outro modo de obter o
polinmio interpolador.
Operadores de diferenas finitas:
Diferenas descendentes (ou progressivas)
Diferenas ascendentes (ou regressivas)

(so utilizados quando os pontos xi de um suporte (xi, fi) so


equidistantes.)
Diferenas divididas (usa-se para pontos xi de um suporte (xi, fi)
no equidistantes.)
A nlise N um rica

34

Diferenas descendente e ascendentes


Suporte (xi , fi)

f(x ) = f
i

= f (xi+1) - f (xi) e, de um modo geral, a diferena de

ordem k (k 2) de f(x) para x = xi dada por

k f (xi ) = k 1 f (xi ) = k 1 (f (xi )) = k 1 f ( xi +1 ) k 1 f ( xi )

f(xi) = fi

= f (xi) - f (xi-1) e, de um modo geral, a diferena de


ordem k (k 2) de f(x) para x = xi dada por

k f (xi ) = k 1 f (xi ) = k 1 (f (xi )) = k 1 f ( xi ) k 1 f ( xi 1 )

A nlise N um rica

35

Diferenas divididas
Para uma funo f (x) e um conjunto de pontos distintos {x0, x1,..., xn} temos:
Diferena dividida de ordem 1 nos pontos {x0, x1}
f [x 0 , x1 ] =

f1 f 0
x1 x 2

Diferena dividida de ordem 2 nos pontos {x0, x1, x2}


f [x 0 , x1 , x 3 ] =

De um modo geral, usamos a notao


D k f ( x i ) = f [x i , x i +1 ,..., x i + k ] para designar a diferena dividida
de ordem k (k1) entre os (k +1) pontos {xi, xi+1,..., xi+k}, sendo
D k f ( xi ) =

A nlise N um rica

f [x1 , x 2 ] f [x 0 , x1 ]
x2 x0

D k 1 f ( x i + 1 ) D k 1 f ( x i )
xi + k xi

36

Tabela de diferenas divididas

Para n = 3
xi
x0

f (xi)
f (x0)

x1

f (x1)

x2

f [.,.]

f [.,.,.]

f ( x1 ) f ( x0 )
x1 x0
f ( x2 ) f ( x1 )
x2 x1

f (x2)
f ( x3 ) f ( x2 )
x3 x2

x3

f [.,.,.,.]

f [ x1 , x2 ] f [ x0 , x1 ]
x2 x0

f [x0,.,.x3]

f [ x2 , x3 ] f [ x1 , x2 ]
x3 x1

f (x3)

A nlise N um rica

37

Tabela de diferenas divididas (cont)


Exemplo: Considerar uma funo da qual se conhecem os valores dados no
seguinte quadro
xi
f (xi)

1
-1

5/4
0

3/2
2

2
3

5/2
1

Construir a tabela de diferenas divididas

A nlise N um rica

38

Diferenas divididas e derivadas de f


Lema: Para um suporte de pontos igualmente espaados, de passo h
(xi+1-xi = h , i =0,1,..., n-1), tem-se

k f i
f [ xi , xi +1 ,..., xi + k ] =
,k 0
k! h k
Teorema: Seja f C n [a,b]. Se {x0, x1, ..., xn} so n +1 pontos distintos de
[a,b], ento existe pelo menos um
]a,b[ tal que

f ( n ) ( )
f [ x0 , x1 ,..., xn ] =
n!
Teorema: Para f C n e um suporte de n +1 pontos, de passo h, existe pelo
menos um tal que

n f ( x) = h n f n ( )
A nlise N um rica

39

Polinmio interpolador de Newton nas diferenas divididas


Suporte (xi, f i), i =0,1,...,n.

pn ( x) = f 0 + f [ x0 ,..., xk ]( x x0 )...( x xk 1 )
Uma vez determinado o pn se pretendermos obter pn+1 basta fazer
n

pn +1 ( x) = pn ( x) + f [ x0 ,..., xn +1 ] ( x xi )
i =0

A nlise N um rica

40

Polinmio interpolador nas diferenas descendentes

j f ( x0 ) j 1
( x xi )
pn ( x) = f ( x0 ) +

j
j!h i =0
j =1
n

Efectuando a mudana de varivel x s definida por


x =x0 +sh (s = (x - x0 )/h IR+ )

2 f 0
n f 0
pn ( x) = f 0 + sf 0 + s( s 1)
+ ... + s ( s 1)( s 2)( s n + 1)
2!
n!

s
s
s
pn ( x) = f 0 + f 0 + 2 f 0 + ... + n f 0
1
2
n
s
s ( j)
=
j!
j

com

s ( j ) = s ( s 1 )( s 2 )...( s ( j 1 ))

A nlise N um rica

41

Erro de Interpolao
Para o polinmio interpolador de Newton nas diferenas divididas:
Se apenas conhecermos apenas o suporte (xi,f (xi ))

en ( x ) = f ( x ) pn ( x ) ( x ) f [ x , x0 ,..., xn ]

Ou se conhecemos tambm f(x)

en ( x)

A nlise N um rica

( x x0 )...( x xn )
(n + 1)!

max f ( n +1) ( x)

x0 x x n

42

Erro de interpolao
Paro o polinmio interpolador de Newton nas diferenas descendentes

s n +1
f 0
en ( x) =
n + 1
ou

s n +1 ( n +1)
h f
( ), x0 < < xn
en ( x) =
n + 1

A nlise N um rica

43

Polinmio interpolador de Hermite


Seja f uma funo em que so conhecidos f (xi) e f (xi) para i =0,1,...,n.

H 2 n +1 ( x) = f ( x0 ) + ( x x0 ) f [ x0 , x0 ] + ( x x0 ) 2 f [ x0 , x0 , x1 ] +
+ ( x x0 ) 2 ( x x1 ) f [ x0 , x0 , x1 , x1 ] + ... +
+ ( x x0 ) 2 ( x x1 ) 2 ...( x xn 1 ) 2 ( x xn ) f [ x0 , x0 ,..., xn , xn ]

A nlise N um rica

44

Aproximao polinomial de mnimos quadrados


Teoria da Aproximao

A funo dada explicitamente, mas


pretende-se aproxima-la por outra mais
simples.

(ajuste de funes)
Dado um conjunto de pontos,
pretende-se determinar a melhor
funo dentro de uma certa classe
que possa ser usada para representar
os dados.

Se tivermos apenas os valores da funo em certos pontos, no vamos exigir que a funo
aproximadora interpole a funo dada nos pontos. Exigimos apenas que essa funo aproximadora tome valores (nesses pontos) de forma a minimizar a distncia aos valores dados,
no sentido dos mnimos quadrados.
A nlise N um rica

45

Aproximao Polinomial de Mnimos Quadrados


Modelo linear simples
(xi, yi ), i =1,..., n
y = ax + b (recta de regresso)

a xi 2 + b xi = xi yi

a xi + bn = yi
a=

n xi yi xi yi

b=

A nlise N um rica

n xi ( xi ) 2
2

a ( xi )
n

46

Aproximao Polinomial de Mnimos Quadrados


Aproximar um conjunto de pontos (xi,yi) i=1,2,...,m por um polinmio de grau n
(n m-1), p n ( x ) =

k =0

a k x k , usando a tcnica dos mnimos quadrados.

m
m
m
m
m 0
1
2
n
0
+
+
+
+
=
a
x
a
x
a
x
...
a
x
y i xi

1 i
2 i
n i
0 i
i =1
i =1
i =1
i =1
i =1
m
m
m
m
m

1
2
3
n +1
1
a 0 xi + a1 xi + a 2 xi + ... + a n xi = y i xi
i =1
i =1
i =1
i =1
i =1
...

m
m
m
m
m n
n +1
n+ 2
2n
n
a 0 xi + a1 xi + a 2 xi + ... + a n xi = y i xi
i =1
i =1
i =1
i =1
i =1

A nlise N um rica

47

ANLISE NUMRICA
Exerccios Prticos Captulo II
2.1. Dada a seguinte tabela de uma funo determine o seu polinmio interpolador,
usando a definio.
i

xi

-2

-1

yi

-15

-1

2.2. Encontre, usando a frmula de Lagrange, o polinmio de grau mximo 3, pn(x),


determinado pelos pontos (-3,-1); (-2,2); (1,-1) e (3,10). Calcule pn(0).

2.3. Sabendo que sin(0)=0, sin(

)=

e sin( )=1, determine, usando a frmula de


2
2

interpolao polinomial de Lagrange, um valor aproximado para sin(

). Calcule uma

estimativa do erro para este valor aproximado e compare com o valor exacto do erro.
2.4. Seja f ( x) = e x , com 0 x 2 . Usando os valores dados na seguinte tabela:

0.0

0.5

1.0

2.0

f(x)

1.00000

1.54872

2.71828

7.38906

a) Aproxime f (0.25) usando interpolao linear com x0 = 0.0 e x1 = 0.5


b) Aproxime f (0.75) usando interpolao linear com x0 = 0.5 e x1 = 1.0
c) Aproxime f (0.25) e f (0.75) usando interpolao polinomial de 2 grau com
x0 = 0.0; x1 = 1.0; x 2 = 2.0
d) Das duas aproximaes obtidas para cada um dos valores interpolados (0.25 e 0.75)
qual a melhor? Justifique devidamente a sua resposta.

2.5. Afirma-se que possvel restabelecer na totalidade uma tabela de diferenas finitas
conhecida apenas uma entrada em cada uma das suas colunas. Verifique esta afirmao
completando a tabela seguinte:
x

--

--

10

--

2 y

3 y

4 y

5 y

-0.0013
-0.0888

---

0.002

-15

--

--

--

--

-20

-0.002

0.0017

--

---

25

0.4663

Use uma das frmulas de Gregory-Newton para o polinmio interpolador de grau 3 para
estimar f (12.5) .

2.6. Considere a tabela:


x

-2

-1

-11

b+1

3b+2

referente a um polinmio do 3 grau.


a) Determine a e b .
b) Ampliando a tabela, determine o valor do polinmio para o ponto x = 4 .
c) Determine o polinmio.

2.7. De uma funo conhece-se a tabela

Determine x tal que f(x)=0.

f(x)

-2

2.8. Considere a seguinte tabela de uma funo f(x):


x

-1

f(x)

-1

Determine x tal que f ( x ) = 5 .

2.9. Mostre que :


n 1

a)

y
k =0

= yn y0

b) Se f ( x) = a x , a > 0 , ento

k
h

f ( x ) = ( a h 1) k a x

2.10. Considere a funo f : contnua e derivvel tal que


f(0)=f0

f(1)=f1

f (0)=f0 f (1)=f1
Determine o polinmio interpolador de grau 3 de f nos pontos 0 e 1.

2.11. a) Mostre que o polinmio de grau menor ou igual a 1, interpolador de f nos


pontos x0 e x1 dado por

p1 ( x) =

( x1 x) f ( x0 ) + ( x x0 ) f ( x1 )
x1 x0

c) Uma funo habitualmente usada em estatstica a funo definida por


( x) =

1
2

u 2
2

du

da qual conhecemos a seguinte tabela:


x
(x)

1.92

1.93

1.94

1.95

1.96

1.97

1.98

1.99

2.00

0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767 0.9727

Calcule uma aproximao para (1.964 ) e obtenha uma estimativa do erro cometido.

2.12. Prove que

L
k =0

( x) = 1 qualquer que seja x.

2.13. Prove que

max

g ( x) =

x j x j +1

h2
para g ( x ) = ( x jh )( x ( j + 1) h) . (Este resultado
4

necessrio na questo seguinte.)


2.14. Pretende-se construir uma tabela para a funo f ( x) = e x , 0 x 1 . Suponhamos
que cada nmero escrito com d casas decimais, por exemplo se d = 5 ento
f(1) = 2.71828 , e que a medida de passo, ou seja, a distncia entre dois valores de x
consecutivos, h.
a) Supondo d 6 a que deve ser igual h de modo que o recurso interpolao linear
(polinmio interpolador de grau 1) leve a um erro absoluto inferior a 10-6?
b) E para d < 6?

2.15. Um automvel deslocando-se em linha recta cronometrado num determinado


nmero de pontos. Os dados resultantes dessas observaes so apresentadas na
seguinte tabela. os tempos so em segundos, as distncias em metros e as velocidades
em quilmetros por hora. procure prever a distncia percorrida e a velocidade
instantnea ao fim de 10 segundos.
Tempo

13

Distncia

225

383

623

993

Velocidade

75

77

80

74

72

2.16. Para calcular aproximaes do valor que uma funo toma num ponto do seu
domnio estudamos dois processos:
(i)

Usando a srie de Taylor truncada;

(ii)

Interpolando f(x).

Para relacionar os dois processos, suponha f ( x) C n+1 ([a, b]) e um suporte de


interpolao (xi , f i ), xi [a, b], i = 1,...n .
Se os pontos desse suporte (xi , f i ), xi [a, b ], i = 1,...n , descrevendo o grfico de f(x),
tenderem todos para o ponto (x 0 , f 0 ) , prove que no limite:
a) a expresso do erro de interpolao polinomial tende para o resto de Lagrange da
frmula de Taylor, expandida no ponto x0.

b) O polinmio interpolador tende ento para o polinmio de Taylor no ponto x0.


c) Tire concluses para comparar os processos (i) e (ii).

ANLISE NUMRICA
Exerccios Prticos Captulo II
(continuao)

2.17 Pretende-se ajustar os pontos abaixo a uma recta:


i

xi

yi

2.04

4.12

5.64

7.18

9.20

12.04

a) Determine a recta de regresso.


b) Represente graficamente os pontos (xi,yi), i=1,2,...,6 e a recta de regresso.
2.18 Aproxime os seguintes dados por um polinmio de grau 2
i

xi

0.00

0.25

0.50

0.75

1.00

yi

1.0000

1.2840

1.6487

2.1170

2.7183

2.19 Use o mtodo dos mnimos quadrados para ajustar a curva y = a0 / x + a1

x aos

dados
i

xi

1.1

1.4

1.8

2.2

2.7

3.0

yi

3.91

3.79

3.80

3.88

4.04

4.14

2.20 Considere a seguinte tabela de valores de uma funo f


i

xi

-1

f(xi)

Pretende-se um ajustamento dos pontos da tabela por uma funo do tipo g(x)=
Determine as constantes a e b pelo mtodo dos mnimos quadrados.

1
ax + b

Localizao de razes
Para a determinao de uma aproximao da raiz x* da equao f (x) = 0
torna-se necessrio, para alguns mtodos iterativos, o conhecimento de um
intervalo [a,b] contendo apenas uma raiz x* e para outros o conhecimento de
uma aproximao inicial de x*.

Atravs da representao grfica de f .


Para certas funes no fcil construir, de forma rpida, a
representao grfica.
Podemos rescrever a equao dada na forma equivalente
f 1 (x) = f 2(x)
quando as representaes grficas de f 1 e f 2 so fceis de obter.
O intervalo pretendido obtm-se considerando a abcissa do ponto
de interseco das duas representaes grficas.

A nlise N um rica

Localizao de razes
Notemos que:
no caso de f ter mais do que um zero, devemos isolar cada um desses
zeros, ou seja, determinar intervalos disjuntos contendo apenas um zero;
uma vez obtidos o(s) intervalo(s) [a,b] devemos verificar analiticamente
que no intervalo h apenas um zero de f. Para tal suficiente verificara
a) f (a)f (b) < 0,
b) a derivada de f , f , tem sinal constante em [a,b].

A nlise N um rica

Localizao de razes
Exemplo: Determinar o(s) intervalo(s) contendo uma s raiz das equaes
1. ln x - cos x = 0
2
2. e x x + 1 = 0

A nlise N um rica

Localizao de razes

Recorrendo ao mtodo de Rolle


Tal mtodo tem como suporte terico o Teorema de Rolle e um
dos seus corolrios.

Teorema de Rolle: Se f uma funo contnua em [a,b] com derivada finita


em ]a,b[ e f (a)=f (b)=0 ento existe pelo menos um ponto a < c < b em que
f(c)=0.
Corolrio: Se c 1 e c 2 so dois zeros consecutivos de f ento em [c 1, c 2]
existe quando muito um zero de f .
O mtodo consiste essencialmente em determinar os zeros da
derivada de f e aplicar em seguida o corolrio.

A nlise N um rica

Mtodo da Bisseco

f uma funo real de varivel real contnua.


[a, b] um intervalo onde isolamos uma raiz da equao f (x) = 0

Bissectando sucessivamente o intervalo e seleccionando, convenientemente,


de cada vez, o ponto mdio de um dos subintervalos obtidos, podemos
construir uma sucesso de aproximaes para a raiz.
Algoritmo
1. Dados I0 = [a0,b0], f (a0), f (b0), n
2. Para i =1,2,...,n, faa
a) xi = (ai-1 + bi-1 )/2,
b) Calcular f (xi),
c) Se f (ai-1) f (xi) < 0 ento ai = ai-1, bi = xi .
Caso contrrio, ai = xi, bi = bi-1 .
A nlise N um rica

Mtodo da Bisseco
Teorema: Seja f uma funo real de varivel real contnua em [a,b],
f (a)f (b) < 0 e x* a nica raiz de f (x) = 0 em [a,b]. Seja xn , n IN , a
sucesso construda pelo mtodo da bisseco, ento
1. en

1
(b a )
2n

2. fixado > 0, o nmero n de iteraes necessrias para que en

ba
ln

n
ln 2

A nlise N um rica

Pontos fixos (Existncia e unicidade)


Definio : As razes de uma equao da forma g(x) = x chamam-se pontos fixos da
funo g. (Ou seja z ponto fixo de g se g(z) = z ).

Teorema: (Existncia) Seja g definida e contnua em I=[a,b] e tal que g( I ) I.


Ento g tem pelo menos um ponto fixo z I =[a,b] .

Teorema: (Existncia e unicidade) Seja g definida e diferencivel em I=[a,b] , tal


que
g(I)I
maxx[a,b] |g(x)|=L, 0<L<1
Ento g tem exactamente um ponto fixo em I, ou seja existe um nico z [a,b] tal que
g (z)= z .

A nlise N um rica

Mtodo do ponto fixo


Algoritmo:
1. Dados x0, g(x0), n
2. Para i = 0, 1, 2, ..., n calcular xi+1 = g( xi )
Teorema: (Teor. do ponto fixo) Seja g definida no intervalo I=[a,b] tal que
(i) g(x) C1 [a,b]
(ii) g( I ) I
(iii) maxx[a,b] |g(x)|=L, 0<L<1
Ento
(a) g tem exactamente um ponto fixo em I (z).
(b) Dada uma qualquer aproximao inicial x0 [a,b] a sucesso xm+1 = g(xm),
m=0,1,2,..., converge para o ponto fixo z.

A nlise N um rica

Estimativa do erro
Tomando o valor xm para aproximao de z, precisamos de estimar o erro |z-xm|.
(Vamos supor que so verificadas as condies do Teorema do ponto fixo.)
1. Erro na iterada xm, m > 0, em funo do erro em x0:
|z-xm| Lm |z - x0 |
2. Erro na iterada xm+1, m > 0, em funo da distncia entre as iteradas xm+1 e xm,
|z-xm+1| L / (1-L) |xm+1 - xm|, m 0
3. Erro na iterada xm+1, m > 0, em funo da distncia entre as iteradas x1 e x0,
|z-xm+1| Lm+1 / (1-L) |x1 - x0|, m 0

A nlise N um rica

Critrio de paragem
Qualquer das frmulas anteriores pode ser usada como teste para se parar o processo
iterativo.
Dado > 0, para termos um erro inferior a na iterada xm+1 suficiente que
| xm + 1 - xm | < [(1-L) / L]

A nlise N um rica

10

Convergncia
Definio: (Ordem de convergncia) Seja {xm} uma sucesso que converge
para z e seja em = z - xm . Se existirem constantes reais p 1 e k > 0 tais que

em +1

lim

em

= k

ento dizemos que {xm} converge para z com ordem de convergncia p.


Rapidez de convergncia: Rapidez com que os erros decrescem para zero
(depende de k e p).
Quanto maior for p e quanto menor for k , maior a rapidez de
convergncia.

A nlise N um rica

11

Convergncia do mtodo do ponto fixo


Teorema: (Ordem de convergncia do mtodo do ponto fixo) Seja g uma funo
verificando as condies do teorema do ponto fixo para o intervalo [a,b]. Ento a
sucesso definida por xm+1 = g(xm), m=0,1,..., converge para z, qualquer que seja x0
[a,b] e tem-se

lim

z xm +1
z xm

= g '( z )

Teorema: (Convergncia supralinear do mtodo do ponto fixo) Seja z = g(z) com g C p


[a,b], p 2 verificando as condies do teorema do ponto fixo em [a,b] e z [a,b].
Se g(z)=g(z)=...=g(p-1)(z)=0 e g(p) 0 ento

em +1

g ( p) ( z)

=
p
p!
em
e portanto a sucesso {xm} tem ordem de convergncia p e coeficiente assimpttico de
convergncia
( p)
lim

k =

A nlise N um rica

( z)

p!
12

Mtodo de Newton
Seja f C 2[a,b] e suponhamos que f (x) 0, x[a,b] e que existe z[a,b] tal que
f (z) = 0

xm +1 = xm

f ( xm )
,
f '( xm )

m= 0,1,2,....

Frmula do erro para o mtodo de Newton

em +1 = z xm +1 z xm

max f ''( x)

x[a ,b ]

2 f '( xm )

A nlise N um rica

13

Mtodo de Newton
Nmero de iteraes necessrias para obter uma preciso na iterada xm + 1

ln(k )
ln

ln(k e0 )

m>
1
ln(2)

A nlise N um rica

K=

max f ''( x)

x[a ,b ]

2 min f '( x)
x[a ,b ]

14

Mtodo de Newton
Condies suficientes para que o mtodo convirja:

Critrio 1: Seja f C2 [a,b] satisfazendo:


1. f (a)f (b)<0
2. f (x) 0, x [a,b]
3. f (x) 0 ou f (x) 0 , x [a,b]
f (a )

4. f '(a) < b a

f (b)
f '(b)

<ba

ento o mtodo de Newton converge para a soluo de f (x)=0, qualquer


que seja x0 [a,b]
Critrio 2: Se as condies 1. 2. 3. do critrio 1 so vlidas e x0
escolhido de modo que
f (x0) f (x)0, x [a,b]
ento o mtodo de Newton converge para a soluo de f (x)=0.

A nlise N um rica

15

Mtodo da Secante
Frmula geral do mtodo da secante:

xn +1 = xn f ( xn )

( xn xn 1 )
f ( xn ) f ( xn 1 )

Condies suficientes de convergncia para o mtodo da Secante:


Critrio A1: Se as condies 1.,2., 3., 4. do critrio 1 do mtodo de
Newton forem verificadas ento o mtodo da Secante converge para a
soluo de f(x)=0 , x-1 , x0 [a,b].
Critrio A2: Se forem verificadas as condies 1.,2., 3 do critrio 1 do
mtodo de Newton, e alm disso
4b. x-1 , x0 so tais que
f (x0) f (x) 0
f (x-1) f (x) 0
ento o mtodo da Secante converge para a soluo de f(x)=0.
A nlise N um rica

16

Mtodo da Secante
Frmula do erro:

em +1 = z xm +1 K em 1 em

K=

max f ''( x)

x[ a ,b ]

2 min f '( x)
x[ a ,b ]

A nlise N um rica

17

ANLISE NUMRICA
Exerccios Prticos Captulo III
3.1. Considere a seguinte equao

1-x tg(x) = 0 (x 0).


a) Localize graficamente as duas menores razes positivas.
b) Aplique o mtodo da bisseco para aproximar a menor raiz positiva com
erro inferior a 0.125.
3.2. Considere a equao
sin x e-x = 0.
a) Prove que esta equao tem uma raiz z [0.5,0.7].
b)

Efectue una iterao pelo mtodo da bisseco e indique um novo intervalo


que contenha z.

c)

Determine o nmero m de iteraes necessrias para garantir |z xm| < 10 6.

3.3. A equao ex x 2 = 0 tem uma nica raiz no intervalo [1,2] (confirme


analiticamente).
Para a determinao dessa raiz pretende-se utilizar o mtodo do ponto fixo, com uma
das seguintes funes iteradoras:
g1(x) = ex 2,

g2(x) = ln(x + 2),

g3(x) = x 0.1(ex x 2)

3.3.1. Indique, justificando, para quais das funes consideradas est garantida a
convergncia do mtodo qualquer que seja a aproximao inicial dentro do intervalo
[1,2].
3.3.2. Das funes consideradas na alnea anterior, qual aquela que, em princpio,
garante a convergncia mais rpida? Utilizando essa funo efectue as duas primeiras
iteraes.
3.3.3. Calcule a primeira iterada do mtodo de Newton para a aproximao da raiz
considerada. Compare este mtodo com o da alnea anterior quanto ordem de
convergncia.

3.4. Para determinar a raiz da equao x + ln x = 0, situada no intervalo [0.5,0.6],


considere-se o seguinte mtodo iterativo:
x n +1

x n + e ( xn )
=
,
+1

3.4.1. Se quisesse utilizar este mtodo, qual dos valores =0 ou =1 escolheria?


(Sugesto: Compare a ordem e a rapidez de convergncia , justificando)
3.4.2. Com =1, prove que est assegurada a convergncia do mtodo, qualquer que
seja x0 [0.5,0.6].
3.4.3. Efectue 2 iteraes, trabalhando com 4 algarismos significativos correctos e
partindo de x0 = 0.5.
3.5.

a) Mostre, analiticamente, que a funo f(x)= ex 2x2 x , tem uma s raiz real

no intervalo [0,1].
d) Usando o mtodo de Newton, aproxime essa raiz de modo que terceira
iterao consiga obter pelo menos 3 casas decimais correctas.
3.6. Considere a equao
f(x) = x tan(x)-1=0.
Aplicando o mtodo da secante, obtenha as trs primeiras iteradas para o clculo da raiz
situada no intervalo [0.8,0.9]. Determine um majorante do erro do resultado obtido.
3.7. Considere a funo
f(x) = x3 9x2 +12.
Verifique que a funo tem um nico zero no intervalo [8.5,9] e aproxime-o usando o
mtodo da secante em trs iteraes (nos clculos utilize 4 casas decimais).
3.8. Pretende-se determinar uma raiz da equao x = (x) pelo mtodo do ponto fixo
com erro absoluto inferior a 0.510-4. Suponha que foram obtidas as iteradas
x4 = 0.43789

x5 = 0.43814.

Sabendo que | (x)| 0.4, determine o nmero de iteraes que tem ainda de se
efectuar at atingir a preciso pretendida.
3.9. Para calcular a raiz quadrada do nmero a >0 recorre-se frequentemente ao
seguinte mtodo iterativo
x m +1 =

1
a
( x m + ),
2
xm

m = 0,1,...

a) Verifique que esta frmula corresponde utilizao do mtodo de Newton


para resolver o problema.
b) Mostre que o erro do mtodo satisfaz a condio
em +1

em

2 xm

onde |em+1|=|z-xm+1|.
3.10.Considere o mtodo de Newton para aproximar a raiz z3 [4,5] da equao
ex 4x2 = 0.
a) Prove que est assegurada a convergncia do mtodo de Newton, qualquer que
seja a aproximao inicial x0 [4.1,4.4]. Determine ainda a ordem de
convergncia do mtodo.
b) Partindo de x0 = 4.1, calcule x1.
.Sem efectuar mais iteraes, determine um majorante para |z3 x2|.

Mtodo de Eliminao de Gauss


A ideia bsica deste mtodo transformar o sistema Ax=b num sistema equivalente
A(n)x=b(n), onde A(n) uma matriz triangular superior, efectuando transformaes
elementares sobre as linhas do sistema dado.
Considere-se o sistema linear Ax=b
Para resolv-lo, procedemos como segue:

1 Passo: Ax=b A(2)x=b(2)


a11 chamado elemento pivot.
Se a110, podemos colocar zeros abaixo de a11 , e efectuam-se as
seguintes operaes:
ai1

mi1 = a , i = 2,3,..., n
11

( 2)
aij = aij mi1a1 j , i, j = 2,3,..., n
( 2)
bi = bi mi1b1 , i = 2,3,..., n

A nlise N um rica

Mtodo de Eliminao de Gauss


a11 a12 a1n b1
a11 a12 a1n b1
( 2)
( 2)
(2)
0 a22
a2 n b2

a a

21 22 a2 n b2 a ( 2 )
32


an1 an 2 ann bn
( 2)
( 2)
(2)
0 an 2 ann bn

2 Passo: A(2)x=b(2) A(3)x=b(3)


Se a22(2) 0, podemos colocar zeros abaixo de a22(2) , e efectuam-se as
seguintes operaes:

ai(22 )
m
, i = 3,..., n
=
i2
( 2)
a22

( 3)
( 2)
( 2)
aij = aij mi 2 a2 j , i, j = 3,..., n
( 3)
( 2)
( 2)
bi = bi mi 2b2 , i = 3,..., n

A nlise N um rica

Mtodo de Eliminao de Gauss


Obtm-se o sistema equivalente:

[A

( 3)

b ( 3)

a11 a12 a13 a1n b1

( 2)
( 2)
( 2)
( 2)
0 a22 a23 a2 n b2
( 3)
( 3)
( 3)
= 0 0 a33
a3n b3

( 3)
( 3)
( 3)
0 0 an 3 ann bn

Prosseguindo o processo, chegamos, no passo n-1, ao sistema A(n)x=b(n), onde

[A

(n)

b(n)

a11 a12 a13

( 2)
( 2)
0 a22 a23
( 3)
= 0 0 a33

0 0 0 0

a1n b1

a2( 2n) b2( 2 )


a3(3n) b3( 3)

(n)
(n)
ann bn

-se assim conduzido a um sistema linear equivalente ao sistema inicial, cuja matriz
triangular superior. Este sistema pode facilmente ser resolvido, comeado com
xn=bn(n) / ann(n) e calculando-se xn-1, xn-2, ..., x1, sucessivamente.

A nlise N um rica

Mtodos de Factorizao LU
Estes mtodos consistem em decompor a matriz A num produto de duas matrizes LU,
ou seja A=LU, onde L uma matriz triangular inferior e U uma matriz triangular
superior.
Supondo que existem as matrizes L e U, ento para resolver o sistema Ax=b basta
resolver os dois sistemas Lg=b e Ux=g.
Existem vrias maneiras de se encontrar matrizes L e U de modo que A=LU.
1 0 0
l
1 0 0
21
L=

ln1 ln 2 1

u11 u12 u1n


0 u

u2 n
22
U =

0 unn
0

1 linha de U: u11 = a11 , u12 =k 1a12 , , u1n = a1n 1 coluna de L: l 21 = a 21 , l 31 = a 31 , , l n 1 = a n 1


11
11
11
Linha k de U : ukj = akj lkr urj , j = k , k + 1, , n
r =1

k 1

lik u rk ) / u kk , i = k + 1, k + 2, n
Coluna k de L: lik = (aik
r =1
A nlise N um rica

Mtodos de Factorizao LU
Pode mostrar-se que se o mtodo de eliminao de Gauss for aplicado ao sistema
Ax=b sem troca de linhas ento
A=LU onde
0
1
m
1
21
L = m31
m32

mn1 mn 2

0
1

mnn

0
0
0

U = A( n )

a1n
a11 a12
0 a ( 2)
( 2)
a2 n
22
=

(n)
0 0 ann
0

A nlise N um rica

Pesquisa de Pivot
Devido aos erros de arredondamento, o mtodo de Eliminao de Gauss pode
conduzir a solues errneas. Ou seja podemos ter problemas de instabilidade
numrica.
As tcnicas de pesquisa de pivot surgem numa tentativa de minorar o efeito de
propagao dos erros de arredondamento.
Pesquisa parcial de pivot: consiste em escolher para elemento pivot, no k-passo do
mtodo de Eliminao de Gauss, o elemento de maior valor absoluto na coluna k.

A nlise N um rica

Matrizes especiais
Matriz de diagonal dominante:
Ann
n

aii aij , i = 1,2, , n

diagonal dominante por linhas

j =1
j i

a jj aij , i = 1,2, , n

diagonal dominante por colunas

i =1
i j

Matriz de diagonal estritamente dominante:


Se nas desigualdades acima o sinal for substitudo por > ( ou seja, desigualdade
estrita sempre)

A nlise N um rica

Matrizes especiais
Matriz definida positiva:
Ann simtrica. A submatriz Ak, constituda pelas k primeiras linhas e k primeiras
colunas de A, verifica: det(Ak)>0, k=1,2,...,n
Observaes: Se A simtrica e os valores prprios de A so positivos ento A
definida positiva.
Se A definida positiva ento os elementos da diagonal so positivos.
Teorema: Seja A uma matriz de um dos dois tipos seguintes:
(i) simtrica definida positiva
(ii) de diagonal estritamente dominante por linhas ou colunas.
Ento A no singular e, alm disso, o mtodo de Eliminao de Gauss (tambm o
mtodo LU) pode ser aplicado ao sistema linear Ax=b sem troca de linhas. Ou seja o
processo estvel em relao propagao dos erros de arredondamento, no sendo
preciso usar nenhuma tcnica de pesquisa de pivot.

A nlise N um rica

Normas de Vectores
Uma norma em IRn uma funo denotada por ||.|| com valores em IR, satisfazendo:
N1. ||x||0, xIRn
N2. ||x||=0 x = 0
N3. ||x||=| | ||x||, IR xIRn
N4. ||x + y|| ||x|| + ||y||, x, y IRn
Em IRn usaremos as seguintes normas:
I.

= max{xi }

(norma mxima)

1 i n

II.

x 1 = xi

III.

x2=

(norma unitria)

i =1

x1 + x2 + + xn

(norma Euclidiana)

A nlise N um rica

Normas de Matrizes
Uma norma de matriz uma funo definida no conjunto das matrizes quadradas
reais com valores em IR satisfazendo:
M1: ||A||0, A
M2: ||A||=0 A=0
M3: ||A||=| | ||A||, IR A
M4: ||A + B|| ||A|| + ||B||, A e B
M5:||A B|| ||A|| ||B||, A e B
M6:||Ax|| ||A|| ||x|| x e A
Dada uma norma vectorial ||.||, a aplicao

A = max
x0

Ax
x

(norma natural ou induzida)

satisfaz as condies M1-M6.

A nlise N um rica

10

Normas de Matrizes
Para a norma vectorial

= max{xi }
1i n

A = max aij
1 i n
j =1
Para a norma vectorial

tem-se:

(norma das linhas)


n

x 1 = xi

tem-se

i =1

A 1 = max aij
1 j n
i =1

(norma das colunas)

norma vectorial ||.||2 est associada a norma matricial

A 2 = (AAT ) onde AAT o raio espectral da matriz produto de A por AT.


(A)=max1im |i|, i valor prprio de A.

A nlise N um rica

11

Condicionamento de Sistemas lineares


x vector
x aproximao para x
e=x-x erro de x
||e|| = ||x - x|| erro absoluto de x

x =

e
x

x x'
x

erro relativo de x

Seja A uma matriz no singular. O nmero de condio de A definido por:


cond(A)=||A|| ||A-1||, onde ||.|| uma norma natural de matrizes.
Seja x a soluo exacta do sistema Ax=b e x a soluo obtida do sistema perturbado
Ax=b. Ento ||x|| cond(A) ||b||.
Se cond(A) 1 (pequeno) o sistema um sistema bem condicionado.
Se cond(A)>>>1 (grande) o sistema mal condicionado (uma grande sensibilidade do
sistema a pequenas perturbaes).
A nlise N um rica

12

Mtodos iterativos para sistemas lineares


Sistema linear Ax = b
Ax = b x = Cx + d onde C uma certa matriz apropriada e d um vector.
O mtodo iterativo associado
x(k+1) = Cx(k) + d, k = 0,1,2,....

Obteno de mtodos iterativos da forma x(k+1) = Cx(k) + d, k = 0,1,2,....


A = M + N, onde M uma matriz invertvel
Ax = b (M + N) x = b
Ax = b -M -1 N x + M -1 b
x(k+1) = -M -1 N x(k) + M -1 b, k = 0,1,2,.... e x(o) aproximao inicial

A nlise N um rica

13

Mtodos de Jacobi e Gaus-Seidel


Nos mtodos de Jacobi e Gauss-Seidel a escolha das matrizes M e N baseada na
igualdade A = L + D + U.
a11 a12 a1n x1 b1
Ao sistema linear Ax = b
a

21 a22 a2 n x2 = b2


an1 an 2 ann xn bn

associamos as matrizes L, U, D definidas do seguinte modo:


0
0
0

a
0
0
0
L = 21

an1 an 2 ann1 0

0
0
U =

a12

a23

a1n
a2 n

0
a11 0

0 a
0
0
22
D=

0
ann
0

A=L+ D+U

A nlise N um rica

14

Mtodo de Jacobi
x(k+1) = -M -1 N x(k) + M -1 b
Fazendo M = D e N = L + U resulta o mtodo de Jacobi:
x(k+1) = -D -1 (L + U ) x(k) + D -1 b
Matriz de iterao CJ = -D -1 (L + U )
(estamos a supor que os elementos da diagonal so diferentes de zero)
Expresso geral do mtodo de Jacobi:
n

bi aij x (jk )
xi( k +1) =

j =1
j i

, i = 1,2,..., n

aii

A nlise N um rica

15

Mtodo de Gauss-Seidel
x(k+1) = -M -1 N x(k) + M -1 b
Fazendo M = D + L e N = U resulta o mtodo de Gauss-Seidel:
x(k+1) = -(D + L ) -1 U x(k) + (D + L) -1 b
Matriz de iterao CGS = -(D + L ) -1 U
Expresso geral do mtodo de Gauss-Seidel:
i 1

xi( k +1) =

A nlise N um rica

bi aij x (jk +1)


j =1

aii

a x

j =i +1

ij

(k )
j

, i = 1,2,..., n

16

Convergncia dos mtodos iterativos


Teorema: (Condio suficiente de convergncia) Seja o sistema linear Ax = b e
suponhamos que o mesmo tenha sido transformado no sistema equivalente
x = Cx + d (1)
onde C uma matriz quadrada e d um vector. Consideremos o mtodo iterativo
x(k + 1) = C x(k) + d (2)
com x (0) um vector qualquer de Irn.
Se existe alguma norma induzida (normal) de matrizes tal que ||C|| < 1, ento o
mtodo iterativo (2) converge para a soluo x do sistema (1) qualquer que seja o
vector x(0) dado.
E t~em-se as frmulas de erro
(I) || x - x(k + 1) || || C || || x - x(k) ||
(II) || x - x(k + 1) || || C ||k +1 || x - x(0) ||
( k +1)

(III) x x

C
1 C

x ( k +1) x ( k )

A nlise N um rica

17

Convergncia dos mtodos iterativos


Corolrio: O mtodo iterativo x(k + 1) = C x(k) + d converge para a soluo do sistema
x = Cx + d qualquer que seja o vector x (0) dado se alguma das condies se
verificam:
(1) || C || < 1
(2) || C || 1 < 1
Obs: Pode no se dar (1) nem (2) e o mtodo ser convergente.
Teorema: (Critrio de convergncia do mtodo de Jacobi) Considere o sistema linear
Ax = b. Se A uma matriz de diagonal estritamente dominante por linhas ou por
colunas ento o mtodo de Jacobi converge para a soluo de Ax = b, qualquer que
seja o vector inicial x (0).
Teorema: (Critrio de convergncia do mtodo de Gauss-Seidel) Considere o sistema
linear Ax = b. Se A uma matriz de diagonal estritamente dominante por linhas ou por
colunas ento o mtodo de Gauss-Seidel converge para a soluo de Ax = b, qualquer
que seja o vector inicial x (0).

A nlise N um rica

18

Convergncia dos mtodos iterativos


Teorema: (Critrio de convergncia para o mtodo de Gauss-Seidel) Se A simtrica
e definida positiva ento o mtodo de Gauss-Seidel aplicado ao sistema Ax = b
converge para a soluo do mesmo, qualquer que seja o vector inicial x(0) .

Teorema:( Condio necessrio e suficiente de convergncia) O mtodo iterativo


definido por x(k + 1) = C x(k) + d converge para a soluo do sistema linear Ax = b,
qualquer que seja o vector inicial x (0) se e s se (C) < 1.

A nlise N um rica

19

Mtodo de Newton para Sistemas no Lineares

x(n + 1) = x n - [J(x (n) )] -1 F(x (n) )


onde F=[f1 f2 ... Fn ]T , x = [x1 x2 ... xn]T

f1
f1
x
x2
1
f2
f2
J ( x ) = x1 x 2


fn
fn

x 1 x 2
Clculo de x (n + 1)

f 1
xn

f2
matriz Jacobiana de F
xn

fn

x n

J ( x ( n ) )d = F ( x ( n ) )
( n +1)
x
= x(n) + d
A nlise N um rica

20

ANLISE NUMRICA
Exerccios Prticos Captulo IV
4.1. Considere as matrizes
0.1 0.7 0.4
A = 0.3
0.0 0.9
0.2 0.4 0.3

0.1 12.0 0.1


B = 0.9 0.2 0.4
1.7 0.0 0.3

a) Determine ||A||1 , ||A||, ||B||1 e ||B||.


b) Se cada elemento de A (de B) estiver afectado de um erro que no exceda 0.05,
determine o erro relativo mximo que vm afectadas as normas calculadas.
0
1
4.2. Seja A =
. Considere o sistema Ax=b, com b=[1
6
0 10

10-6]T, que tem por

soluo exacta x = [1 1]T.


a) Determine cond(A) na norma ||.||.
b) Considere o sistema Ax = b, onde b = [1+ 10-6 ]T. Obtenha

b b'
b

x x'
x

Comente.
c) Considere ainda o sistema Ax = b , onde b =[1

210-6]T. Obtenha ||b|| e ||x||.

Comente.
4.3. Seja o sistema Ax=b com
1 10 2
A = 5 1
1 ,
1 1 3

x1
x = x 2 ,
x3

14
b = 14
6

a) Justificando, rescreva o sistema por forma a garantir que o mtodo de Gauss-Seidel a


ele aplicado gere uma sucesso de iteraes convergente para a soluo do sistema.

b) Deduza a frmula iteradora geral para este sistema ser resolvido pelo mtodo de Jacobi.
c) Comeando com x(0) =[1 1 1]T aplique duas vezes o mtodo de Jacobi.
4.4.Considere o sistema de equaes lineares
x1 + 10 x 2 + x3 = 12

x1 + x 2 + 10 x3 = 12
10 x + x + x = 12
2
3
1
a) Reordene as linhas de modo a que a matriz do novo sistema tenha a diagonal
estritamente dominante.
b) Aplique o mtodo de Jacobi ao novo sistema e efectue 4 iteraes. Calcule um
majorante para o erro na 4 iterada. Considere x(0)=[-4 -4 -4]T.
c) Aplique o mtodo de Gauss-Seidel at que ||x(k)-x(k-1)||<10-2. Conclua sobre o erro na
iterada k.
4.5.Considere um sistema de duas equaes na forma geral
a11 x1 + a12 x 2 = b1

a 21 x1 + a 22 x 2 = b2
onde a11a22 a12 a21 0.
a) Mostre que os mtodos iterativos de Jacobi e Gauss-Seidel convergem, qualquer que
seja a aproximao inicial x(0), se e s se |m| < 1 onde m =

a12 a 21
.
a11 a 22

b) No caso do mtodo de Jacobi, mostre que se a matriz do sistema tiver a diagonal


estritamente dominante, por linhas, se verifica
x ( k +1) x

x ( k +1) x ( k )
1

a12 a 21
onde x a soluo do sistema, x(k) a k-sima iterada e = max
,
a11 a 22

c) Considere o sistema
3 x + y = 8

x + 2 y = 4
Efectue a 1 iterao do mtodo de Jacobi, partindo da aproximao inicial x(0) = [2 1]T.

Com base na alnea b), determine um majorante do erro do resultado obtido.


4.6.Pretende-se resolver o sistema
2 1 2 x 5 2
a 3 y = 1 2


por um dos processo iterativos estudados.
a) Justificando, determine o maior valor inteiro positivo de a por forma a garantir que a
sucesso de aproximaes geradas pelos referidos mtodos convirja para a soluo.
b) Considerando a=1 e a partir da aproximao inicial [x y]T=[5/4

-1/4] aplique o

mtodo de Jacobi at que ||x(k)-x(k-1)||<510-2.


c) Aplique tambm o mtodo de Gaus-Seidel e compare o resultado.
Mtodos iterativos para sistemas no-lineares
4..7. Pretende-se resolver pelo mtodo de Newton o seguinte sistema de equaes nolineares
2 x1 + x 2 ( x3 + 1) = 10

2
3( x 2 + 1) + x3 = 11

2
3 x1 + x3 = 9
tomando como aproximao inicial x(0) = [3 2 1]T.
a) Mostre que o sistema linear Av=b a ser resolvido para se obter x(1) tal que
2 2 2
A = 0 3 2
3 0 2
Obtenha ainda o vector b.
b) Resolva o sistema linear obtido na alnea anterior, pelo mtodo de eliminao de Gauss
com pesquisa de pivot, e obtenha x(1).

ANLISE NUMRICA
Exerccios Prticos
Ficha 1
Nos seguintes exerccios os nmeros esto representados na base decimal.
1. Represente os seguintes nmeros em vrgula flutuante com 4 dgitos e
arredondamento simtrico.
(a) 1/6

(b) 1/3

(c) 83784

(d) 83785

(e) 83798

(f) 0.0013296

2. Considere os seguintes nmeros:


N1=0.3000101, N2=0.300010-3, N3=0.3000104
e os seguintes valores

aproximados, respectivamente,

N1 =0.3100101,

N 2 =0.310010-3 , N 3 =0.3100104.
Determine os respectivos erros absolutos, relativos e as percentagens de erro.
Comente os valores obtidos.
3. Considere os nmeros x = e y = 2199/700
Determine aproximaes de x e y com erros absolutos no excedendo 0.0005.
4. Quantos algarismos significativos pode garantir que existem no resultado do
produto de 13.2 por 0.012579, supondo que os algarismos representados nestas
aproximaes so, todos eles, significativos (despreze os erros de arredondamento).
5. Seja v = xy + z e sejam os nmeros de virgula flutuante x , y , z aproximados de x, y
e z com erros relativos x , y e z , respectivamente. Determine uma estimativa do
erro relativo no clculo de v usando os valores aproximados.
6. Considere o clculo de z = f(x,y,u) = u(x y) que pode ser feito utilizando 2
algoritmos diferentes.
w1= (x y) u

w2 = ux uy

(a) Determine w1 e w2 .
(b) Supondo agora que u, x e u so representados exactamente no computador,
encontre condies para as quais um (qual) dos algoritmos prefervel ao
outro. Em que condies indiferente utilizar um ou outro destes
algoritmos?

ANLISE NUMRICA
Exerccios Prticos
Ficha 2
1. Considere a seguinte equao

1-x tg(x) = 0 (x 0).


a) Localize graficamente as duas menores razes positivas.
b) Aplique o mtodo da bisseco para aproximar a menor raiz positiva com
erro inferior a 0.125.
2. . Considere a equao
sin x e-x = 0.
a) Prove que esta equao tem uma raiz z [0.5,0.7].
b)

Efectue una iterao pelo mtodo da bisseco e indique um novo intervalo


que contenha z.

c)

Determine o nmero m de iteraes necessrias para garantir |z xm| < 10 6.

3. A equao ex x 2 = 0 tem uma nica raiz no intervalo [1,2] (confirme


analiticamente).
Para a determinao dessa raiz pretende-se utilizar o mtodo do ponto fixo, com uma
das seguintes funes iteradoras:
g1(x) = ex 2,

g2(x) = ln(x + 2),

g3(x) = x 0.1(ex x 2)

(a) Indique, justificando, para quais das funes consideradas est garantida a
convergncia do mtodo qualquer que seja a aproximao inicial dentro do intervalo
[1,2].
(b) Das funes consideradas na alnea anterior, qual aquela que, em princpio, garante
a convergncia mais rpida? Utilizando essa funo efectue as duas primeiras iteraes.
(c) Calcule a primeira iterada do mtodo de Newton para a aproximao da raiz
considerada. Compare este mtodo com o da alnea anterior quanto ordem de
convergncia.

4. Para determinar a raiz da equao x + ln x = 0, situada no intervalo [0.5,0.6],


considere-se o seguinte mtodo iterativo:
x n +1
(a) Se quisesse utilizar este

x n + e ( xn )
=
,
+1

mtodo, qual dos valores =0 ou =1 escolheria?

(Sugesto: Compare a ordem e a rapidez de convergncia , justificando)


(b) Com =1, prove que est assegurada a convergncia do mtodo, qualquer que seja
x0 [0.5,0.6].
(c) Efectue 2 iteraes, trabalhando com 4 algarismos significativos correctos e
partindo de x0 = 0.5.
5. (a) Mostre, analiticamente, que a funo f(x)= ex 2x2 x , tem uma s raiz real no
intervalo [0,1].
(b) Usando o mtodo de Newton, aproxime essa raiz de modo que terceira iterao
consiga obter pelo menos 3 casas decimais correctas.
6. Considere a equao
f(x) = x tan(x)-1=0.
Aplicando o mtodo da secante, obtenha as trs primeiras iteradas para o clculo da raiz
situada no intervalo [0.8,0.9]. Determine um majorante do erro do resultado obtido.
7. Considere a funo
f(x) = x3 9x2 +12.
Verifique que a funo tem um nico zero no intervalo [8.5,9] e aproxime-o usando o
mtodo da secante em trs iteraes (nos clculos utilize 4 casas decimais).
8. Pretende-se determinar uma raiz da equao x = (x) pelo mtodo do ponto fixo com
erro absoluto inferior a 0.510-4. Suponha que foram obtidas as iteradas
x4 = 0.43789

x5 = 0.43814.

Sabendo que | (x)| 0.4, determine o nmero de iteraes que tem ainda de se
efectuar at atingir a preciso pretendida.
9. Para calcular a raiz quadrada do nmero a >0 recorre-se frequentemente ao
seguinte mtodo iterativo
x m +1 =

1
a
( x m + ),
2
xm

m = 0,1,...

a) Verifique que esta frmula corresponde utilizao do mtodo de Newton


para resolver o problema.
b) Mostre que o erro do mtodo satisfaz a condio
em +1

em

2 xm

onde |em+1|=|z-xm+1|.
10 Considere o mtodo de Newton para aproximar a raiz z3 [4,5] da equao
ex 4x2 = 0.
a) Prove que est assegurada a convergncia do mtodo de Newton, qualquer que
seja a aproximao inicial x0 [4.1,4.4]. Determine ainda a ordem de
convergncia do mtodo.
b) Partindo de x0 = 4.1, calcule x1.
.Sem efectuar mais iteraes, determine um majorante para |z3 x2|.

ANLISE NUMRICA
Exerccios Prticos
Ficha 3
1. Considere as matrizes
0.1 0.7 0.4
A = 0.3
0.0 0.9
0.2 0.4 0.3

0.1 12.0 0.1


B = 0.9 0.2 0.4
1.7 0.0 0.3

a) Determine ||A||1 , ||A||, ||B||1 e ||B||.


b) Se cada elemento de A (de B) estiver afectado de um erro que no exceda 0.05,
determine o erro relativo mximo que vm afectadas as normas calculadas.
0
1
2. Seja A =
. Considere o sistema Ax=b, com b=[1
6
0 10

10-6]T, que tem por

soluo exacta x = [1 1]T.


a) Determine cond(A) na norma ||.||.
b) Considere o sistema Ax = b, onde b = [1+ 10-6 ]T. Obtenha

b b'
b

x x'
x

Comente.
c) Considere ainda o sistema Ax = b , onde b =[1
Comente.
3. Seja o sistema Ax=b com
1 10 2
A = 5 1
1 ,
1 1 3

x1
x = x 2 ,
x3

14
b = 14
6

210-6]T. Obtenha ||b|| e ||x||.

a) Justificando, rescreva o sistema por forma a garantir que o mtodo de Gauss-Seidel a


ele aplicado gere uma sucesso de iteraes convergente para a soluo do sistema.
b) Deduza a frmula iteradora geral para este sistema ser resolvido pelo mtodo de Jacobi.
c) Comeando com x(0) =[1 1 1]T aplique duas vezes o mtodo de Jacobi.
4. Considere o sistema de equaes lineares
x1 + 10 x 2 + x3 = 12

x1 + x 2 + 10 x3 = 12
10 x + x + x = 12
2
3
1
a) Reordene as linhas de modo a que a matriz do novo sistema tenha a diagonal
estritamente dominante.
b) Aplique o mtodo de Jacobi ao novo sistema e efectue 4 iteraes. Calcule um
majorante para o erro na 4 iterada. Considere x(0)=[-4 -4 -4]T.
c) Aplique o mtodo de Gauss-Seidel at que ||x(k)-x(k-1)||<10-2. Conclua sobre o erro na
iterada k.
5. Considere um sistema de duas equaes na forma geral
a11 x1 + a12 x 2 = b1

a 21 x1 + a 22 x 2 = b2
onde a11a22 a12 a21 0.
a) Mostre que os mtodos iterativos de Jacobi e Gauss-Seidel convergem, qualquer que
seja a aproximao inicial x(0), se e s se |m| < 1 onde m =

a12 a 21
.
a11 a 22

b) No caso do mtodo de Jacobi, mostre que se a matriz do sistema tiver a diagonal


estritamente dominante, por linhas, se verifica
x ( k +1) x

x ( k +1) x ( k )
1

a12 a 21
onde x a soluo do sistema, x(k) a k-sima iterada e = max
,
a11 a 22
c) Considere o sistema

3 x + y = 8

x + 2 y = 4
Efectue a 1 iterao do mtodo de Jacobi, partindo da aproximao inicial x(0) = [2 1]T.
Com base na alnea b), determine um majorante do erro do resultado obtido.
6. Pretende-se resolver o sistema
2 1 2 x 5 2
a 3 y = 1 2


por um dos processo iterativos estudados.
a) Justificando, determine o maior valor inteiro positivo de a por forma a garantir que a
sucesso de aproximaes geradas pelos referidos mtodos convirja para a soluo.
b) Considerando a=1 e a partir da aproximao inicial [x y]T=[5/4

-1/4] aplique o

mtodo de Jacobi at que ||x(k)-x(k-1)||<510-2.


c) Aplique tambm o mtodo de Gaus-Seidel e compare o resultado.
Mtodos iterativos para sistemas no-lineares
7. Pretende-se resolver pelo mtodo de Newton o seguinte sistema de equaes nolineares
2 x1 + x 2 ( x3 + 1) = 10

2
3( x 2 + 1) + x3 = 11

2
3 x1 + x3 = 9
tomando como aproximao inicial x(0) = [3 2 1]T.
a) Mostre que o sistema linear Av=b a ser resolvido para se obter x(1) tal que
2 2 2
A = 0 3 2
3 0 2
Obtenha ainda o vector b.
b) Resolva o sistema linear obtido na alnea anterior, pelo mtodo de eliminao de Gauss
com pesquisa de pivot, e obtenha x(1).

ANLISE NUMRICA
FORMULRIO
- Frmula fundamental da propagao dos erros:
n

f
i =1

f
xi ;
xi

rf =

f
f

Aproximao de funes
Interpolao Polinomial:

- Frmula de Lagrange:
n

p
(
x
)
=
f i li ( x)

n
i =0

l ( x) = ( x x j )
i
j i ( xi x j )

- Frmula de Newton com diferenas descendentes (Gregory-Newton):


f ( x0 )
2 f ( x0 )
n f ( x0 )
p n ( x) = f ( x0 ) + ( x x0 )
+ ( x x0 )( x x1 )
+ ... + ( x x0 )( x x1 )...( x x n1 )
1!h1
2!h 2
n!h n

- Frmula de Newton com diferenas divididas:


p n ( x) = f ( x0 ) + ( x x0 ) f [x0 , x1 ] + ( x x0 )( x x1 ) f [x0 , x1 , x 2 ] + ... + ( x x0 )( x x1 )...( x x n 1 ) f [x 0 , x1 ,..., x n ]

- Polinmio Interpolador de Hermite:


H 2 n +1 ( x) = f ( x0 ) + ( x x0 ) f [ x0 , x0 ] + ( x x0 ) 2 f [ x0 , x0 , x1 ] +
+ ( x x0 ) 2 ( x x1 ) f [ x0 , x0 , x1 , x1 ] + ... +
+ ( x x0 ) 2 ( x x1 ) 2 ...( x xn 1 ) 2 ( x xn ) f [ x0 , x0 ,..., xn , xn ]

- Erro de Interpolao:
e( x) = f ( x) p n ( x) = ( x x0 )( x x1 )...( x x n )

( )
, x0 < < x n
(n + 1)!
( n +1)

Mnimos Quadrados:

- Modelo linear simples


(xi, yi ), i =1,..., n

y = ax + b (recta de regresso)

a xi 2 + b xi = xi yi

a xi + bn = yi
a=

n xi yi xi yi
n xi ( xi )
2

b=

a ( xi )
n

- Interpolao Polinomial de Mnimos Quadrados


pn(x) = a0 + a1 x + a2 x2 + ... + an xn
m
m
m
m
m 0
1
2
0
n
...
a
x
+
a
x
+
a
x
+
+
a
x
=
y i xi

1 i
2 i
n i
0 i
i =1
i =1
i =1
i =1
i =1
m
m
m
m
m

1
2
3
1
n +1
a 0 xi + a1 xi + a 2 xi + ... + a n xi = y i xi
i =1
i =1
i =1
i =1
i =1
...

m
m
m
m
m n
2n
n +1
n+ 2
n
...
a
x
+
a
x
+
a
x
+
+
a
x
=
y i xi

1 i
2 i
n i
0 i
i =1
i =1
i =1
i =1
i =1

Resoluo de Equaes no Lineares


Mtodos Iterativos

- Mtodo da bisseco:
en

1
(b a )
2n

ba
ln

(nmero de iteraes)
n
ln 2

- Mtodo do ponto fixo:


xm+1 = g(xm)
|em+1| L |em|
em +1

L
x m +1 x m
1 L

- Mtodo de Newton:
f ( xm )
f ' ( xm )

x m +1 = x m

em +1

max f '' ( x)

x[a ,b ]

'

2 f ( xm )

em

- Mtodo da secante:
x m +1 = x m f ( x m )

em +1 K em 1 em ,

x m x m 1
f ( x m ) f ( x m 1 )
K=

max f '' ( x)

x[a ,b ]

2 min f ' ( x)
x[a ,b ]