Arenales S. & Darezzo A. Cálculo Numérico (2008)

Sobre os autores
Selma Helena de Vasconcelos r\renales
Pnifrssor;1 do llepart.1mcntl1 dr Matf

rn;t ic;1 d;1 llnivrrsidadc rdrr;1l de S.lo Cir
it1s-LIFS(;1r. Cr;1du;1d;1 cm Matl'm;tic;1 pda
ll n iwr s id;1dc Estadual Jlio l'vksquit;1 fil ho
(llncsp) r mcs trr em Matemtica r\plica da
peb Universidade Estadual de Crn1pinas
(Llnil";1mp). Possui e x peri ncia na <rTa de
M;llcm;t ir;1, com nfase em 111atl'111;1tica
;1plicada, ;1tu;1 11 d o cm p ro jetos de pesquisa e
oricnt1;'io d e alunos nas re;1s de Otimiza

\'<'io e 1\nlisc Numfrica, com en foques na
nllldd;1gem de p rn hlrma s e mtodos num
rin 1s de r e s olu.lo . Tem puhlic;1 do trabalhos
cm ro n gnsso s cm ensino de M;1temtica,
principalmente no ensino de Clculo Numl
rico com ferramentas computacion;1is.
Artur Darezzo Filho
Licrnciado cm Matcmtira p el a anrl

d<tdc de Filosofia, Cirnrias e Lrtras de Rio
liam - SP (1971 ), mestre cm Cincias da
Cl1111 pu ta.10 e Estatstica - op.lo computa
;fo - pela Universidade de S.lo Paulo - LISP,
S;'ill Carlos (197B), doutor cm Engenharia
Civil pda Universidade de S.lo Paulo - LISP,
S.lo Ca rlos (1996). Desde 1972 professor
vinculado ao D epa rtamen to de Mate m ti ca
da Universidade Federal de S.lo Carlos, onde
exerceu as funes de docente, p esqui sador
na rea de Modrlagcm Matr r n t irn e Mto
dos l'\umricos e coordenador do curso de
Ma temtica . A pa rtir do ano de 2001, como
pnikssor aposentado, passou <1 ser professor
n1nvidado voluntrio no mesmo Departa
m e nto de Matemtim at a presente data.
foi tambm professor e coordenador do
curso de Matrm<l ie<1 Aplic;ida e Co m puta
cional d o Centro Llnivcrsit<'irio Centrnl Pau
lista - Linicrp - S<'io Car l os (SP). Atualmente
exerce as furn,;(ks de Diretor Acadmico da
Esrol;1 Superior de Tecnolo gia e Educa;'io de
Rio Claro, R io Claro SI
Dados Internacionais ci. Cataloqao na Publicao (CIP)
(c&mara Brasileira do Livro, SP, Brasil)
Arenales, Selma
Clculo numrico : aprendizagem com apoio de
software I Selma Arenales, Artur Darezzo.
SAo Paulo : Thomson Learning, 2008.
Bibliografia
ISBN 978-85-221-0602-8
1. Clculo numrico 2. Clculo numrico -

Problemas, exercicios etc. I. Darezzo, Artur.
II. Titulo.
07-6796 CDD-515.07
1. Clculo numrico : Estudo e ensino 515. 07

Clculo Numrico
Aprendizagem com Apoio de Software
Selma Arenales
Artur Darezzo
THOMSON

Austrlia Brasil Canad Cingapura Espanha Estados Unidos Mxico Reino Unido
THOMSON

Gerente Editorial: Produtora Editorial: Reviso:

Patricia La Rosa- Renata Siqueira Campos Gisele Mfalo
Editora de
Supervisora de Produo Composio:
Desenvolvimento:
Grfica: Segmento & Co. Produes
Ligia Cosmo Cantarelli
Fabiana Alencar Albuquerque Grficas Ltda.
Supervisor de Produo
Editorial: Copidesque: Capa:
Fbio Gonalves Sueli Bossi da Silva Eduardo Bertolini
Copyright 2008 de Thomson Todos os direitos reservados. Dados Internacionais de

Learning Edies Ltda., uma Nenhuma parte deste livro Catalogao na Publicao (CIP)
diviso da Thomson Learning, poder ser reproduzida, sejam (Cmara Brasileira do Livro, SP,
lnc. Thomson Learning quais forem os meios Brasil)
uma marca registrada aqui empregados, sem a permisso, Arenales, Selma
utilizada sob licena. por escrito, da Editora. Clculo numrico :
Aos infratores aplicam-se as aprendizagem com apoio de
Impresso no Brasil
sanes previstas nos artigos software I Sei ma Arenales,
Printed in Brazil.
102, 104, 106 e 107 da Lei Artur Darezzo. -- So Paulo :
1 2 3 4 10 09 08
nQ 9.610, de 19 de fevereiro Thomson Learning, 2008.
Condomnio E-Business Park de 1998. Bibliografia
Rua Werner Siemens, 111 ISBN 978-85-221-0602-8
Prdio 20 - Espao 03 1. Clculo numrico 2. Clculo
Lapa de Baixo - CEP 05069-900 numrico - Problemas,
So Paulo - SP exerccios etc. 1. Darezzo,
Tel.: (11) 3665-9900 Artur. li. Ttulo.
Fax: (11) 665-9901 07-6796 CDD-515.07
sac@thomsonlearning.com.br lndice para catlogo
www.thomsonlearning.com.br sistemtico:
1. Clculo numrico : Estudo e
ensino 515.07
Ao Marcos Arenales, meu esposo,
aos meus pais Maria e Sebastio Vasconcelos e
minha famlia de amigos.
Com carinho para minha esposa Regina,

companheira de todas as jornadas e
aos meus filhos Helga, Fabiana e Joo Paulo.
Sumrio
Prefco IX
Agradecmentos X
Captulo 1 Erros em processos numricos 1
1
1.1 Introduo 1
1.2 Erros na fase da modelagem 2
1.3 Erros na fase de resoluo 2
1.4 Erros de representao 5
1.5 Erro de arredondamento 10
1.6 Erro absoluto 10
1.7 Erro relativo 11
1.8 Erro de truncamento 12
1.9 Propagao dos erros 14
Exerccios 16
Captulo 2 Soluo numrica de sistemas de equaes lineares e

matrizes inversas 19
2.1 Introduo 19
2.2 Sistemas de equaes lineares 19
2.3 Mtodos diretos 21
2.4 Matrizes inversas 46
2.5 Condicionamento de sistemas lineares 49
2.6 Mtodos iterativos 49
Captulo 3
Exerccios 68
Soluo numrica de equaes 73

3.1 Introduo 73
3.2 Localizao das razes: mtodos grficos 74
3.3 Mtodos numricos para resoluo de equaes 76
3.4 Equaes polinomiais 96
3.5 Sistemas de equaes no lineares 106
3.6 Trabalhando com o software numrico 121
Exerccios 124
vii
viii Clculo Numrico
Captulo 4 Aproximao de funes 127

4.1 Introduo 127
4.2 Interpolao polinomial 127
4.3 Frmula interpolatria de Lagrange 132
4.4 Interpolao linear 138
4.5 Frmula interpolatria de Newton 141
4.6 Interpolao inversa 148
4.7 Frmula interpolatria de Newton-Gregory 153
4.8 Aproximao de funes - o mtodo dos mnimos quadrados 157
4.9 Trabalhando com o software numrico 182
Exerccios 185
Captulo 5 Integrao numrica 189

5.1 Introduo 189
5.2 Frmulas de quadratura de Newton-Cotes 191
5.3 Erro cometido na integrao numrica 192
5.4 Regra dos trapzios 193
5.5 Regra 1 /3 de Simpson 200
5.6 Regra 3/8 de Simpson 208
5.7 Frmula de quadratura de Gauss 216
5.8 Integrao dupla 223
5.9 Trabalhando com o Software Numrico 227
Exerccios 229
Captulo 6 Soluo numrica de equaes diferenciais ordinrias 233

6.1 Introduo 233
6.2 Problema de valor inicial (PVI) 236
6.3 Discretizao 241
6.4 Mtodos baseados em srie de Taylor 242
6.5 Mtodos de Runge-Kutta 251
6.6 Mtodos previsor-corretor 269
6.7 Trabalhando com o Software Numrico 278
Exerccios 282
Captulo 7 Manual do Software Numrico 285

7.1 Introduo 286
7.2 Objetivos 286
7.3 Software Numrico - Mdulos desenvolvidos 286
7.4 Abertura do Software Numrico 287
Referncias bibliogrficas 361

7.5 Descrio dos mdulos do Software Numrico 288
ndice remissivo 363

Prefcio
Este livro foi projetado e escrito com o objetivo de oferecer aos estudantes de
cincias exatas um material didtico simples e de fcil entendimento dos tpi
cos de um curso bsico de Clculo Numrico, de um semestre, nas instituies
de ensino superior.
Originada a partir de uma apostila, Notas de Clculo Numrico, escrita
pelos autores e pelos professores que ministravam a disciplina de Clculo
Numrico e publicada pelo Departamento de Matemtica, conforme Darezzo,
A. F.; Arenales, S. H. V. et al. (1992), esta obra reflete a experincia de muitos
anos dos autores, no ensino da disciplina Clculo Numrico para diferentes
cursos do Centro de Cincias Exatas e de Tecnologia da Universidade Fe
deral de So Carlos - UFSCar.
O livro composto de sete captulos contendo os principais tpicos
abordados numa disciplina bsica de Clculo Numrico nas universidades,
apresentando os mtodos numricos com desenvolvimento terico e os res
pectivos algoritmos descritos de forma simples, com exemplos e listas de
exerccios para fixao do contedo.
Alguns resultados do Clculo Diferencial Integral, da lgebra Linear e
da Geometria Analtica foram utilizados no decorrer dos captulos, conside
rando que os alunos tenham estes conhecimentos.
Juntamente com este livro desenvolvemos o Software Numrico de apoio
ao ensino/aprendizagem de tpicos bsicos de Clculo Numrico, no qual
conceitos e resultados dados em sala de aula so reforados em aulas de
exerccios nos laboratrios computacionais. O Software Numrico relaciona
cinco mdulos: Sistemas Lineares, Razes de Funes, Interpolao e Aproxi
mao de Funes, Integrao Numrica e Equaes Diferenciais Ordinrias.
Este software foi desenvolvido inicialmente durante o Projeto de Rees
truturao do Ensino de Engenharia - Projeto Reenge (1996), em seguida foi
aperfeioado e tem sido utilizado como ferramenta metodolgica, em aulas
ix
X Clculo Numrico
de exerccios, para todas as turmas de Clculo Numrico no Laboratrio de

Ensino do Departamento de Matemtica da UFSCar.
Acreditamos, tambm, que este material possa ser aplicado em cursos na
modalidade Ensino a Distncia, o qual o professor, com listas de exerccios
bem elaboradas, refora e melhora a- aprendizagem desses assuntos, com
a aplicao do Software N umrico, que contm um Arquivo de Correo, o
qual armazena todas as etapas de execuo dos exerccios feitos pelos alunos.
Posteriormente, o professor pode acess-lo, analis-lo e realizar comentrios
sobre tentativas, erros e acertos dos alunos estabelecendo uma interao pro
fessor/ aluno a distncia, que pode ser encontrado para download no site da
Editora Thomson (www.thomsonlearning.com.br).
O Manual do Software Numrico, no qual o usurio possui, de forma
simples e clara, um resumo sobre os mtodos numricos desenvolvidos nos
captulos anteriores deste livro com exemplos ilustrativos, alm de infor
maes sobre o uso, sintaxe, entrada de dados e todos os esclarecimentos
disposio no Help On Line pode ser encontrado no CD que acompanha
este livro.
O usurio pode instalar o software de maneira simples utilizando a
senha 6028.
Este software tambm foi usado, numa experincia de ensino na dis
ciplina de Clculo Numrico, integrado com o uso de Mapas Conceituais.
Com esta metodologia de ensino/ aprendizagem foi possvel observar efeitos,
influncias, benefcios e dificuldades, tanto nas atividades em sala de aula
como em aulas de laboratrio, conforme publicao Salvador, J. A.; Arenales,
S. H. V. et al. (2003).
Agradecimentos
Aos estudantes da UFSCar e do Centro Universitrio Central Paulista - Unicep,
pelo retorno positivo nas verses preliminares que nos incentivou a publi
car este livro.
Aos colegas do Departamento de Matemtica da UFSCar que de alguma
forma acompanharam este trabalho e acreditaram no seu desenvolvimento,
atravs do incentivo dirio e de sugestes para que os objetivos propostos
fossem alcanados.
Em especial, ao Professor Dr. Marcos NereuArenales, docente do Depar
tamento de Matemtica Aplicada e Estatstica - ICMC-USP-So Carlos, pela
leitura e pelas sugestes pertinentes nos diversos captulos deste livro.
Selma Arenales
Artur Darezzo
Captulo 1
Erros em Processos Numricos
1 . 1 Introduo
De uma maneira geral, a resoluo de um problema de qualquer rea do conhe
cimento cientfico passa inicialmente por uma fase de observao e entendimento
do fenmeno fsico envolvido na qual, usando conhecimentos j estabelecidos,
buscamos, atravs de simplificaes, quando necessrias, a construo de
um modelo matemtico que represente, com a maior fidelidade possvel,
o problema que desejamos tratar. Esta etapa caracterizada como fase da
modelagem do modelo matemtico.
Com o problema representado atravs de um modelo matemtico, bus
camos, para a sua resoluo, um mtodo exato quando possvel, ou, quando
no, um mtodo numrico aproximado.
Mesmo quando utilizamos na resoluo do modelo matemtico um m
todo exato, isto , um mtodo que apresenta a soluo exata para o modelo,
pelo fato de este envolver um nmero muito grande de operaes elemen
tares (adio, multiplicao, subtrao e diviso) e, sendo estas processadas
em equipamento com capacidade limitada para armazenar dados, podemos
cometer erros.
Por outro lado, quando optamos, em razo da complexidade do modelo
matemtico, pela resoluo atravs de um mtodo numrico, alm dos erros
no processamento anteriormente mencionados, podemos tambm cometer
erros provenientes do fato de utilizarmos, para a resoluo do modelo mate
mtico, um algoritmo aproximado. Esta etapa caracterizada como fase de
resoluo do modelo matemtico.
Podemos entender as duas fases descritas anteriormente atravs do es
quema representado na Figura 1.1.
Neste captulo apresentamos os principais erros que podem ocorrer na
1
fase da resoluo de um problema. Os erros cometidos devido mudana
2 Clculo Numrico
Soluo para o
Problema Real
Modelo Matemtico
Fase da Modelagem Fase da Resoluo
Figura 1 . 1
da base de processamento, os erros de representao, devido ao sistema uti

lizado pelos computadores para armazenar dados numricos; os erros de
arredondamento e truncamento; e erros absolutos e relativos.
1.2 Erros na fase da modelagem

So os erros decorrentes de simplificaes, muitas vezes necessrias, para
que o fenmeno da natureza que estivermos observando possa ser repre
sentado por um modelo matemtico e que tenha condies de ser tratado
com as ferramentas matemticas disponveis.
1.3 Erros na fase de resoluo

So erros provenientes da utilizao de algum equipamento, como, por exem
plo, um computador, para processarmos os clculos necessrios obteno de
uma soluo para o modelo matemtico. Tais erros ocorrem devido ao fato
de os equipamentos terem capacidade limitada para armazenar os dgitos
significativos de valores numricos utilizados nas operaes elementares de
adio, multiplicao, subtrao e diviso.
Os erros nesta fase de resoluo podem ser classificados em erros na
mudana de base e erros de representao, apresentados a seguir:
Erros na mudana da base

A maioria dos equipamentos computacionais representa os valores num
ricos no sistema binrio. Assim, quando os dados numricos presentes nos
modelos matemticos so lidos, estes so transformados em uma outra base
de representao.
Erros em Processos Numricos 3
Acontece, muitas vezes, que esta transformao pode ser acometida de

erros, em razo da limitao da representao do equipamento computacio
Dado um nmero real, N, sempre possvel represent-lo em qualquer
nal que estamos utilizando para o processamento dos dados numricos.
base b, da seguinte forma:
Nb = L i xbi
m
i=n
onde ai E {o, 1, 2, 3, ... ,(b - 1) } , com n e m inteiros.
Base binria
N 2 = L i x2i , ai E {0, 1 }
m
i=n
Exemplo 1.1
a) ( 1011 h = 1 X2 + 1 X21 + 0 X2 2 + 1 X23
Neste caso, o binrio s tem a parte inteira, isto , i = O, l, 2, 3, e temos:
a0 = l, a1 = 1, a2 = O, a3 = 1
b)(111.01) 2 = 1X2- 2 + 0 X2-l + 1X2 + 1X21 + 1X2 2
Neste 'Caso, o binrio tem parte inteira e parte fracionria, isto , n = -2 e
m = 2, e portanto:
Base decimal
N1 0 = L i xlOi , a i E {O, 1, , 9}, com n e m inteiros.

m
...
i=n
Exemplo 1.2
a) ( 231 )1 0 = 1 X10 + 3 X101 + 2 X10 2
Neste caso, o nmero na base decimal inteiro, i = O, 1, 2 e temos:
= l, 1 = 3, 2 = 2
b)(231.35)1 0 = 5x10- 2 + 3x10-1 + lx10 + 3xl01 + 2x10 2
Neste caso, o nmero na base decimal tem parte inteira e parte fracionria,
-2 = 5, -1 = 3, = 1, 1 = 3, 2 = 2
n = -2 e m = 2, e temos:
Assim, dado um nmero real qualquer numa base b, podemos escrev-lo

em uma outra base b', a partir de adequao conveniente de seus coeficien
tes ai = O, l, 2, 3, ... , (b - 1) e de uma potncia adequada na nova base b'.
4 Clculo Numrico
Mudana da base binria para a base decimal

Procedimento: multiplicar o dgito binrio por uma potncia adequada de 2.
Exemplo 1.3
a) ( 1101 h = 1 X2 + oX21 + 1X22 + 1 X23 = ( 13 ho
b) (111. 0 11) = 1X2-3 + 1X2-2 + 0 X2-l + 1X2 + 1X21 + 1X22 = (7. 3 75)10
2
Mudana da base decimal para a base binria (nmero na base
decimal tem somente a parte inteira)
Procedimento: divises sucessivas.
O procedimento consiste na diviso do nmero na base decimal sucessi
vamente por 2, armazenando, a cada passo, o algarismo do resto (r), at que o
quociente da diviso seja igual a 1. O binrio constitudo pelo quociente 1
e pelos coeficientes do resto da diviso, a partir do resto mais significativo
(rn 1 ) para o menos significativo (r1 ). Desta forma, temos:
_
N10 = ( l, fn-v fn- 2 1 rn-3 1 ..., r3 , rz , ri )2

Exemplol.4
a) (25)i0 = ( llOOlh = 1x2 + Ox21 + O x22 + 1x23 + 1x24, isto :
25+2 = 12 e resto = 1, 12+2 = 6 e resto = O, 6 + 2 = 3 e resto = O
3 + 2 = 1 e resto = l, 1 2 = O e resto = 1
+
b) (11) 0 = (1011h = 1X2 + 1X21 + 0 X22 + 1X23

1
Mudana da base decimal para a base binria (nmero na base
decimal tem somente a parte fracionria)
Procedimento: multiplicaes sucessivas.
O procedimento constitudo dos seguintes passos:
a) Multiplicamos o nmero fracionrio por 2.
b) Do resultado do passo a), a parte inteira o primeiro dgito binrio.
c) Do resultado do passo b), a parte fracionria novamente multipli
cada por 2.
d) O processo continua at que a parte fracionria seja nula.
Exemplo 1.5
a) (0.1875)10 = (O.OOllh =Ox2-1 + Ox2-2 + 1x2-3 + 1x2-4 = (?'i6)10, isto :
(0.1875) (2) 0.375 parte inteira = O e parte fracionria = 0.375
=
(0.375)(2) = 0.75 parte inteira = O e parte fracionria = 0.75

(0.75) (2) = 1.5 parte inteira = 1 e parte fracionria = 0.5
(0.5)(2) 1.0 parte inteira = 1 e parte fracionria = O
=
(13.25)10 (13)i0 + (0.25)10 (1101)2 + (0.01)2 (1101.01)2

e) (0. 2 )i0 (0. 001100110011...)i
b) = = =
Observe que (0. 2 h0 uma dzima peridica de perodo (0. 0011). Assim,
o decimal (0.2)i0 no tem uma representao binria exata, isto , a represen
tao aproximada e, portanto, apresenta erro.
1 .4 Erros de representao
Na construo de um equipamento computacional, uma questo iffiportante
a ser considerada em sua arquitetura a forma que ser adotada para repre
sentar os dados numricos. Basicamente, na memria de um equipamento,
cada nmero armazenado em uma posio que consiste de um sinal que
identifica se o nmero positivo ou negativo e um nmero fixo e limitado
de dgitos significativos.
De maneira geral, destacamos o seguinte sistema de armazenamento
de valores numricos:
Sistema de ponto flutuante normalizado
nmero de dgitos significativos n e um expoente exp.

Um nmero no sistema de ponto flutuante caracterizado por uma base b, um

Dizemos que um nmero real nr est representado no sistema de ponto

flutuante se for possvel escrev-lo da seguinte maneira:
nr = mxbexp
onde m a mantissa do nmero, b 2 a base e exp o expoente da base.
Neste sistema de ponto flutuante, as seguintes condies devem ser
verificadas:
= m O. d1 , d 2 1 , dn n e N
..
sendo n o nmero mximo de dgitos na mantissa, d 11 d2, , dn, dgitos

.
significativos da mantissa, do sistema de representao, com o primeiro

dgito satisfazendo a condio 1 :5: d1 :5: (b -1) e os demais dgitos satisfa
O expoente exp varia da seguinte maneira:
zendo O :5: di :5: (b -1); i = 2, 3, .. , n.
.
expmn :5: exp :5: expm x

sendo expmn :5: O e expmx 1 com expmn e expmx inteiros.
A unio de todos os nmeros em ponto flutuante, juntamente com a
que indicamos por SPF (b, n, expmrv expmx>
representao do zero, constitui o sistema de ponto flutuante normalizado,
6 Clculo Numrico
zero :0.0000 ....... 0 bexPmn

Neste sistema, o zero representado da seguinte maneira:
n vezes
Considerando o sistema de ponto flutuante normalizado dado na forma
genrica por SPF (b, n, expmw expmx), temos:
a) O menor positivo exatamente representvel, no nulo, o real for
mado pela menor mant.issa multiplicada pela base elevada ao menor
expoente, isto -:
menor = (0.1000 ....... 0) bexpmn
( n-1 ) vezes
"-,,.--'
b) O maior positivo exatamente representvel o real formado pela maior
maior = (0 X (b - l] [ b - 1] ... (b - 1]) b expmx

mantissa multiplicada pela base elevada ao maior expoente, isto :
n vezes
c) O nmero mximo de mantissas positivas possveis dado por:
(b 1 ) bn-I

mantissas+ = -
d) O nmero mximo de expoentes possveis dado por:

exp possveis = exp mx - exp mn + 1
e) O nmero de elementos positivos representveis dado pelo produto
entre o nmero mximo de mantissas pelo mximo de expoentes, isto :
NR+ = mantissas+ X expp veis oss
Se considerarmos que dado um nmero real nr E SPF temos que

de elementos exatamente representveis NRt dado por:
-nr e a representao do zero, podemos concluir que o nmero total
E SPF
NR1 = 2xNR+ + 1
Exemplo 1.6
Considere o sistema de ponto flutuante SPF (b, n, expmni expmx> = SPF (3,
2, -1, 2),
isto , de base 3, 2 dgitos na mantissa, menor expoente igual a -1 e
maior expoente 2. Para este sistema temos:
a) O menor exatamente representvel:
0.10 X 3-t = (1 X 3-t + 0 X 3-2 ) X 3 -t = ..!.
9
b) O maior exatamente representvel:
e) A quantidade de reais positivos exatamente representveis:

Temos que a quantidade de reais positivos exatamente representveis
dada pelo produto entre todas as mantissas possveis de dois dgitos formadas
com os dgitos da base 3, isto , 0.10, 0.11, 0.12, 0.20, 0.21, 0.22, e todas as pos
sibilidades de expoentes, que no caso so -1, 0, -1, 2.
Desta forma, os 24 positivos exatamente representveis esto listados
a seguir:
exp = - 1 : 0.10x3-1 = 1 / 9 exp = - 1: 0.llx3-1 = 4 / 27

exp = O: 0.10x3 = 1 / 3 exp = O: 0.1 1x3 = 4 / 9
exp = 1 : 0.10 x31 = 1 exp = 1 : 0.1 1x31 = 4 / 3
exp = 2 : 0.10 x32 = 3 exp = 2 : 0.1 1x32 = 4
exp = - 1 : 0.12x3-1 =5 / 27 exp = - 1 : 0.20x3-1 = 2 / 9

exp = O: 0.12 x3 = 5 / 9 exp = O: 0.20 x3 = 2 / 3
exp = 1 : 0.12 x31 =5 / 3 exp = 1 : 0.20 31 = 2
X
exp = 2 : 0.12x32 = 5 exp = 2 : 0.20 32 = 6

X
exp = - 1 : 0.21 x3-1 = 7 / 27 exp = - 1 : 0.22 X 3-l = 8 / 27

exp = O: 0.21x3 = 7 / 9 exp = O: 0.22 X 30 = 8 / 9
exp = 1 : 0.21x31 = 7 / 3 exp = 1 : 0.22 X 31 = 8 / 3
exp = 2 : 0.21 x32 = 7 exp = 2 : 0.22 X 32 = 8
Observe que o menor real positivo representvel e o maior positivo

representvel o real 8.
Por outro lado, sabemos que se um real x E SPF ento -x E SPF e, como
no sistema de ponto flutuante normalizado o zero uma representao, te
mos que os representveis de SPF pertencem ao conjunto:
R = {x; x [ 8] [- 8, J {o}}
E , u - u
8 Clculo Numrico
Todos os reais que no pertencem unio dos intervalos anteriores no

so representveis e qualquer tentativa de representao fora dos intervalos
anteriores constitui-se em uma mensagem de erro, isto ,
Erro de Underflow, se a tentativa de representao satisfizer:
Under = x; x e - , o o,
{ ( )u ( )}
Erro de Overflow, se a tentativa de representao satisfizer:
Over = {x; x E (--oo, -8 ) U (8, +oo)}
Se marcarmos os reais exatamente representveis na reta real, verifica
remos, num primeiro momento, uma maior concentrao de representveis nas
proximidades do zero e uma menor concentrao medida que nos afasta
mos da origem e que, aparentemente, no existe uma uniformidade na sua
distribuio, como acontece com os representveis do sistema de ponto fixo.
No entanto, possvel observar que os representveis definidos atravs
do produto de cada uma das mantissas multiplicada pela base elevada ao
mesmo expoente so igualmente espaados na representao sobre a reta.
Assim, os reais
0.10X3-l, 0.11X3-l, 0.12X3-l, 0.20X3-l, 0.21X3-l, 0.22X3-l
so igualmente espaados por h3 = J7 .
Os reais
0.10 X3, 0.11X3, 0.12X3, 0.20X3, 0.21X3, 0.22X3
so igualmente espaados por h2 = .
Enquanto os reais
0.10 X31, 0.11X31, 0.12X31, 0.20 X31, 0.21X31, 0.22X31
so espaados por h1 .
=
E os reais representados por

0.10x32, O.llx32, 0.12x32, 0.20x32, 0.21x32, 0.22x32
so igualmente espaados por ho 1.=
De modo geral, podemos representar o espaamento entre os represen

tveis exatamente da seguinte maneira:

hi = i ; i o, l, 2, 3
=
Considere o sistema de ponto flutuante SPF (2, 3, -1, 2), isto , de base 2,
Exemplo 1.7
3 dgitos na mantissa, menor expoente igual a -1 e maior expoente 2.

Para este sistema temos 16 reais positivos exatamente representveis

alm do zero.
A representao na reta real de alguns dos reais positivos do sistema
SPF (2, 3, -1, 2) pode ser visualizada atravs da Figura 1.2:
o 1/4 5/8 718 1 5/4 7/4 2 5/2 3 7/2
Figura 1 .2
maior 7 /2.
Observe que o menor positivo exatamente representvel 1/4 e o
Exemplo 1.8
Considere o sistema de ponto flutuante normalizado SPF (3, 2, -1, 2), de base
3, 2 dgitos na mantissa, menor expoente igual a -1 e maior expoente 2.
Para este sistema, temos que:

X = = (0.lO h 3- l e Y = 5 = ( Q.12 h 3 2
X X
so exatamente representveis, no entanto, (x + y) = (0.0001 0h x3 2 + (0.12h x

3 2 = (0.1201h x3 2 no exatamente representvel em SPF, uma vez que no
sistema de ponto flutuante considerado a mantissa de 2 dgitos.
Observao
Pode ocorrer de outras propriedades consagradas no conjunto dos nmeros
reais no serem verdadeiras, no sentido da exatido da representao, no
sistema de ponto flutuante normalizado, como as propriedades comuta
tiva e associativa na adio, e as propriedades comutativa e distributiva na
multiplicao.
Exemplo 1.9
Dados x , y , z E e o sistema de ponto flutuante normalizado SPF (3, 2, -1, 2),
temos:
Se X = = (Q .12h 31 , Y = ;7 = (Q .21h 3-l e Z = = ( Q .22h 30
X X X
temos:
x + (y+ z) = 0.22x31 e (x + y) + z = 0.21 x31
10 Clculo Numrico
Podemos observar que:

x +(y + z) * (x + y) + z
1 .5 Erro de arredondamento
Quando estamos utilizando um equipamento comp utacional para proces
sar uma determinada operao aritmtica, se o nmero obtido no pertencer
s regies de Underflow ou de Overflow e este no representvel exata
mente no sistema de ponto flutuante SPF o mesmo ser representado de forma
aproximada por nra.
Esta aproximao ser caracterizada como um arredondamento do
real nr, para que sua representao seja possvel no SPF.
Assim, dizemos que um nmero na base decimal nr foi arredondado
na posio k se todos os dgitos de ordem maior que k forem descartados
segundo o seguinte critrio:
a) O dgito de ordem k acrescido de uma unidade se o de ordem (k + 1)
for maior que a metade da base. Caso contrrio, o nmero nr repre
sentado com os k dgitos iniciais.
b) Se o dgito de ordem (k + 1) exatamente a metade da base e o de
ordem k par, ento o nmero nr representado com k dgitos e,
se o dgito de ordem k mpar, ento o de ordem k acrescido de
uma unidade.
c) O arredondamento por corte considera que, para obter um nmero
com k dgitos, simplesmente trunca-se na posio k.
Exemplo 1.10
Consideremos um equipamento com o sistema de ponto flutuante normali
zado SPF (b, n, expmw expmx) = SPF (10, 4, -5, 5).
a) Se a = 0.5324x103 e b = 0.4212x10 - 2, ento a x b = 0 . 22424688x10 1,
que arredondado e armazenado como (a x b)a = 0 . 2242x101
3
b) Se a = 0.5324x103 e b = 0.1237x102, ento a + b = 0 . 54477x10 , que
arredondado e armazenado como (a + b) = 0 . 5448x10 . 3
1 .6 Erro absoluto
Definimos erro absoluto como
onde aex o valor exato da grandeza considerada e aaprox o valor aproxi

mado da mesma grandeza.
Como na maioria das vezes o valor exato no disponvel, a definio

anterior fica sem sentido. Assim, necessrio trabalharmos com um limi
tante superior para o erro, isto , escrev-lo na forma:
onde E um limitante conhecido.

A desigualdade anterior pode ser entendida da seguinte maneira:
ou ainda
isto , aaprox o valor aproximado da grandeza aex com erro absoluto no

superior a E.
1 . 7 Erro relativo
Definimos erro relativo como:
Erel = 1 1 = 1 aex- a
1
aprox
aex 1 aex 1
onde aex o valor exato da grandeza considerada e aaprox o valor aproxi
mado da mesma grandeza.
Como na maioria das vezes o valor exato no disponvel, a definio
anterior fica sem sentido. Dessa forma, preciso trabalharmos com um limi
tante superior para o erro relativo, isto , escrev-lo na forma:
E
onde , um limitante conhecido.

Podemos observar que o erro relativo nos fornece mais informaes sobre
a qualidade do erro que estamos cometendo num determinado clculo, uma vez
que no erro absoluto no levada em considerao a ordem de grandeza do
valor calculado, enquanto no erro relativo esta ordem contemplada.
a) Consideremos o valor exato ex = 2345.713 e o valor aproximado

Exemplo 1.11
aaprox = 2345.000
Eabs = 0.713
Ento,
Erel 0.00030396
=
12 Clculo Numrico
Consideremos o valor exato ex 1.713 e o valor aproximado

b)
aaprox = 1.000
=
Ento,
Eab 0.713
E el 0.416229
s =
r =
Observe que nos exemplos a) e b) o erro absoluto o mesmo, embora o

erro cometido pela aproximao seja muito mais significativo no exemplo b).
No exemplo a), o erro relativo da ordem de 0. 03%, e no exemplo b), da
ordem de 41.6%.
Observao
Em geral, nos procedimentos numricos geramos uma seqncia de solues
aproximadas que convergem ou no para a soluo desejada do problema.
Os erros absolutos e relativos sero usados como critrio de parada nestas
seqncias de aproximaes. Em geral, o erro relativo prefervel, devido s
observaes nos exemplos anteriores.
Exemplo 1.12
Para resolver a equao f(x) x2 -a= O, com a > O, podemos utilizar o se
guinte processo iterativo:
=
( )
X n+l = X n + n O, l, 2, ...
=
Assim, dado o valor XQ, podemos, atravs da expresso anterior, gerar a

seqncia de solues aproximadas x11 x2,
Dado que a propriedade de convergncia da seqncia de aproxi

maes esteja estabelecida e uma tolerncia pr-fixada E foi definida par o

clculo de uma raiz da equao f(x) O podemos verificar, de forma absoluta,
se a seqncia de aproximaes atingiu a preciso anterior E, realizando
= ,
o seguinte teste:
Se lx n+l - xnl E for verdadeiro, dizemos que Xn+l a raiz da equao
f(x) O com tolerncia E; caso contrrio, devemos calcular outro elemento da
seqncia e, de forma relativa, realizar o seguinte teste:
=
x -x
Se j " ' .j E for verdadeiro, conclumos que X..+1 a raiz da equao
iX n+l1
com a tolerncia E e, em caso contrrio, devemos proceder ao clculo de outro
termo da seqncia.
1 .8 Erro de truncamento
Quando representamos uma funo atravs de uma srie infinita e, por limi
taes do sistema de armazenamento de dados do equipamento, conside
rarmos apenas um nmero finito de termos, dizemos que estamos cometen
do um erro de truncamento.
Exemplo 1.13
a) Consideramos a representao de uma funo f(x) utilizando a Srie
de Taylor, nas vizinhanas do ponto x:
f(X) = f(X-)+f (_X) (x l-i. x) +f<2> (_X) (x-21.x)2 +...+f<n> (_X) (x -n.xI t +

onde t<n>(x) o valor da n-sima derivada da funo f(x) no ponto x.

Quando truncamos a srie no 3Q termo, isto , considerando apenas
os termos at a derivada de ordem 2, na expresso anterior, temos um
erro cometido nesta aproximao, como segue:
f(x) = f(x)+f(l>(x) (x l- x) +t<2>(x) --
!
(x - x)2
2!
b) Consideremos o desenvolvimento de f(x) =ex em Srie de Taylor,

isto :
x 2 x3 ...+-+
ex=l+x+-+-+ x n ...
2! 3! n!
ou, de forma compacta:

e = -

Xn
n=o n !
X
Suponha que o equipamento utilizado para trabalhar numericamente

com a srie seja capaz de armazenar somente dados referentes aos 4 primeiros
termos, isto :
Neste caso, desprezamos todos os termos de potncia maiores que 4,

isto , truncamos a srie no termo de potncia de ordem 3.
Destacando os quatro primeiros termos da srie, podemos escrev-la
da seguinte maneira:
n
ex (;1 (x3 +3 X2 +6 X+6)+ !

Vamos supor que desejamos calcular o valor de ex para x = 2 usando

apenas os quatro primeiros termos da srie, isto , a srie truncada.
Neste caso, temos e2 6.33333, que um valor com erro absoluto bem
significativo quando comparado com o valor e2 7.38906 obtido numa calcu
=
ladora cientfica que armazena uma quantidade maior de termos da srie.

=
14 Clculo Numrico
1 .9 Propagao dos erros

Quando desenvolvemos ou utilizamos um processo numrico para buscar aso
luo de um determinado problema, normalmente o processamento envolve um
nmero muito grande de operaes elementares. Assim, na maioria das vezes, o
erro cometido em uma operao isolada pode no ser muito significativo para a
soluo do problema que estamos tratando, mas sim, necessrio analisar como os
erros se propagam quando tratamos com muitas operaes no processamento.
Neste caso, fundamental termos o conhecimento da forma com que
estes erros esto se propagando, isto , caso estejam se acumulando a uma
taxa crescente, dizemos que o erro ilimitado, e a seqncia de operaes
considerada instvel.
Se, por outro lado, os erros esto se acumulando a uma taxa decres
cente, dizemos que o erro limitado e, portanto, a seqncia de operaes
considerada estvel.
Podemos visualizar, atravs da Figura 1 .3, as situaes de erros ilimi
tado e limitado:
Erro Erro
Erro
ilimitado
o N iteraes o N iteraes
a) b)
Figura 1 .3
Exemplo 1.14
Usando aritmtica de ponto flutuante de 4 dgitos, base decimal e arredon
damento por corte, calcule o valor da seguinte soma:
L (xi + Yi ), sendo xi 0.46709 e Yi
4
S = = = 3.5678
i = 1
Para i 1, na aritmtica definida, realizamos inicialmente a operao

que resulta no seguinte valor aproximado:
=
51 (x 1 + Y1 ) = 0.4034x101
=
Calculando o erro absoluto, temos:

Eabs l = j 4.03569 - 4.034 j = 0.00169 = 0.169X10-2
Para i xa operaoxque resulta no seguinte valor aproximado:

= 2, realiz.amos
52 = ( 1 + y1 ) + ( 2 + y2 ) = 0.8068 x101 ,
cujo erro absoluto dado por: E abs2 = 1 8.07138 - 8.068 1 = 0.00338 = 0.338X10 -2
Obs e rve que, ao re a li z armos a mes m a oper
cometParemosa i=um rerealroizabsamosolutaoopersignifiaocatqueivamentresueltamainoosre. guinte: a o de adi o por duas vezes ,
3,
cujo erro absoluto dado por: x x

53 = ( 1 + Y1 ) + ( 2 + y2 ) + ( 3 + y3 ) = 0.1210x102 x
E abs3 = 1 12.10707 - 12.10 1 = 0.00707 = 0.707x10-2
para aParsoama:i repetindo o mesmo procedimento, obtemos o seguinte valor

= 4,
que apresenta o seguinte erro absoluto:

E abs3 = 1 16.14276 - 16.13 1 = 0.01276 = 0.12767X10-l
Como
parcelea, saument podemos
na operamosaotdeambm obs e r v ar , na medi d a em
adio,o erconsiro absderoalndouto comet que aument a
a aritmidtoinaca defini mos o nmer o de
dfianalant. Deseriotra
ment
fnaormFia,guraaseqa).ncia de operaes pode tomar-se instvel, conforme grfico s o ma
1.3
Parseguia nretseoprlvoercesasequao
Exemplo 1.15
o iterativo: f ( x) = x 2 - a = O, com a > O, podemos utilizar o

Xn+I .!.(xn J,
= +
Xn para n = O, l, 2, ...
deapradioxNesimo,adotemulproticediparplicaaomsentolueoo,diemvdaiscadao,equao
queitesraocomorepetesumaitdasoprenvol
ateciquesvoidsase descalasceuloperjaeda.oavalesor
2
ercesso.ro, aDescadatesa tfeoitrma,eprraoocediseromealvalentizoadaorconver

finesalte eresrotpodesujeisteo pra umopagardeteaormlionngoado dotipoprdeo
Xn E
Xn
g i r par
dosconforerrmose grcometficoiddaos,Fitegmosura queb)a. seqncia de operaes se toma estvel,
Se a a s o l u o xda equao, apes a r
1.3
16 Clculo Numrico
a)b)Representar na base binria os seguintes nmeros decimais:

Exerccios
1.
13
c)d) 29.75
17.6
0.46875
2.
3.
Repre se n te o nmero dec im al
(0.2) na
Considerando que C,a basD,e F,rereprpreesesentntea: da atravs dos dgitos
16
base binria com
4, 8, 12 16
O, l, 2, 3,
e d g itos.
a)b) nanabasbase decie decimmalal
4, 5, 6, 7, 8, 9, A, B,
(27D h6
E,
c)Representar osnasebasguiendecites nmer

(270.9) 16
(32.E.32 h6 mal os na forma normalizada
4.
a)b) (100 ho
c)Representar os seguintes nmeros na base binria na forma normalizada
(0.0158 h0
(101 h
b)c)a)
5.
(0.1875 h0
(25.75 h0
(437)8
6. Reprpontoesfleunttueantna erenorta osmposializadotivosSPF(3,exatamente representveis do sistema de
2, -1, 2).
'
7. Consi d er e o s i s t e ma de pont o fl u t u
deParbasa esete sisdtema:gitos na mantis a, menor expoente e maior expoente
2, 4
ant e normali
-1
zado = SPF SPF
(2, 4, -1, 2)
2.
b)a)c) QualQualQuantooos menor

maiso oosr poseposxatiitatiment
ivvooeexxatataamentmenteerreeprpreesseentntvelvel??
e r e pr e s e nt vei s pos i t i v os ?
e)d)f) Defin
ReprQualeaseoasntnmer
erenagireseotatdeottoaoverdosl deflosreoaiwposseeidextiatvosunder
amentexateament
fl o
repreesernteprveiesesnt? veis.
w.
8. Noem cadasistemacasdeo, opontvaloor flarurteudondado ante norme alo arizadoredondado SPF por corter(terpruencado)
(2, 3, -1, 2), sente,
a)b)das seguintes operaes:
0.101 X2 + 0.110 X2 - l
0 . 1 01 X2 + 0.111 X21
C) 0.111 X2 X 0.110 X2 - l
9. Cons id ere o s i s t e ma de pont

baste 2.e Par2adesgtietossisnatema,mantteimoss a, menor
3,
o fl utu ant e nor m al iz ado SPF
(3,
expoente igual a-1 e maior expoen 2, -1 , 2) , de
x = _!_ y =
que:
a) exatamente e repr5 sesoentexvelatamentem SPF.e representveis. Verifique se x+ y
9
b) tambmeexatament1 soeerxeatpraementsentevelrepremesSPF.entveis. Verifique se

x= 4
3
y = x+ y
10. zadoConsiderSPFe (2, 1equi0, -15,pament15), deo cujbaseo si2,ste1ma0 dgdeitoponts naomantflutuisanta,emenor
um normalexi
a)b)poentQualQuale -15o omenor
e maioposr exitpoent
pr x i m o i
posv o
i t e
i x
v
eat15.amentParaeesretpre seissetntema:vel?
o, depoi s do menor pos itiv o repre se nt vel ?
c)d) VerTrainsfiqfouerme eoxmenor i ste m posientretivo eoomenorprxime ooprparxaima obaspose deciitivo.mComent
al. e.
e) Quant
f)
Qual oomais soorosposexiattivaomentexateament
se reais
e re pr e s e
representveis positivos? nt vel ?
Captulo 2
Soluo Numrica de Sistemas

de Equaes Lineares e Matrizes
Inversas
2.1 Introduo
Apresentamos neste captulo o desenvolvimento de algoritmos computacio
nais para calcular a soluo nica de sistemas de equaes lineares atravs
de mtodos diretos de decomposio e eliminao, mtodos iterativos e es
quemas numricos para o clculo de matrizes inversas atravs da aplicao
de mtodos diretos. Posteriormente, apresentamos noes sobre condiciona
mento de sistemas.
Finalmente, apresentamos algumas aplicaes que envolvem a resolu
o de um sistema de equaes lineares.
2.2 Sistemas de equaes lineares

Considere o sistema linear Ax = b, onde A = (aij ) i, j = ... , n x = (xi)t j =
b = (bi)t i = ... , n e det (A) '* (garantia de soluo nica).
1, 1, ..., n
1, O
Representamos o sistema da seguinte forma:
11 X 1 + 1 2 X 2 + + 1n X n = b1
21 X 1 + 22 X 2 + ... + 2n X n = b 2
Na forma matricial:
a1 1 a1 2 al n
X1 b1
a 2 1 2 2 2 n
X2 b2
19
20 Clculo Numrico
Ainda, pode ser escrito de forma compacta, da seguinte maneira:

n
L a i i x i = bi i = 1, 2, ... , n
Resolver o sistema dado consiste em determinar um vetor x = (xv x21 , xn)t

j=l
que satisfaa todas as equaes simultaneamente.

Graficamente, no 9t 2, podemos representar a soluo de um sistema
{ -X1 + 2X2 = 3
considerando o seguinte exemplo:
det(A) :;t: O
X1 + X2 = 3
Observe que a soluo x = (1, 2) encontra-se na interseco das duas
retas, conforme Figura 2.1:
Figura 2.1
Definio 2.1
Dizemos que o sistema Ax = b, onde A = (aij ) i, j = l, . .. , n x = (xi )t j = l, ... , n
e b = (bi)t i = . .. , n consistente se apresenta pelo menos uma soluo, caso
1,
contrrio dizemos que o sistema inconsistente.
Definio 2.2
Dizemos que o sistema Ax = b homogneo se o vetor b = (bJt = O i = ..., n. 1,
Soluo Numrica de Sistemas de Equaes Lineares e Matrizes Inversas 21
Observao
Um sistema homogneo sempre consistente uma vez que o vetor nulo
sempre soluo deste sistema.
Procuraremos resolver sistemas consistentes atravs de mtodos diretos
dos termos independentes b = (bi) t * O i = 1, ... , n.

e iterativos cuja soluo seja no nula. Para isso, consideramos sempre o vetor
2.3 Mtodos diretos

Consideramos Ax = b um sistema de equaes lineares onde matriz dos
coeficientes A = (ai i ) i , j = 1, ... , n b = (bi) t i = l, ... , n e det(A) * O.
Um mtodo direto ou exato para calcular o vetor soluo x = (xv x0 . , Xn)t ..
caracterizado por fornecer a soluo exata para o sistema dado, no fossem

os erros provenientes do processamento do algoritmo em um equipamento
computacional.
2.3 . 1 Sistema triangular inferior

Considere Lx = b com L = (lij) i, j = 1, ... , n b = (bi) t i = l, ... , n e x = (Xj)t j = ..., n,
1,
um sistema de equaes lineares onde a matriz dos coeficientes triangular
inferior, isto , os seus coeficientes (lii ) = O sempre que i < j e com lii '# O
i = 1, ... , n.
Podemos escrever:
Para construir o algoritmo que calcula a soluo do sistema destacamos

a linha genrica ( i ), isto :
Podemos, ento, escrever:

22 Clculo Numrico
ou,
(i - 1 )
- I li j xj)
(bi
j= l
X i = ---'-----
lii
Temos, assim, o seguinte algoritmo:
Algoritmo 2.1
Para i = 2, , n, faa
...
(i - 1 )
- I li j xj)
(bi
Xi = -
i=1 ----
lii
Exemplo 2.1
Calcule a soluo do seguinte sistema de equaes lineares:
Usando o algoritmo anterior temos:
b3 - l 31 X 1 - l32X2 _ 0 - 1(1) - 1( -1) = O

X3 =
133 1
Portanto, temos a soluo do sistema:
x = (l, - 1, 0) 1
aluo Numrica de Sistemas de Equaes Lineares e Matrizes Inversas 23
2.3.2 Sistema triangular superior

Considere Ux = y com U = (ui i) i, j l, ..., n y = (yi)t i = l, ... n e x = (xi)t j = 1 ..., n,
um sistema de equaes lineares onde a matriz dos coeficientes triangular su
=
perior, isto , os seus coeficientes (uij) O sempre que i > j e com uii -:t:- O i = l, ... , n.
=
Podemos, ento, escrever:
U11 X 1 + U12 X2 + ... + U1n Xn = b1

= b2
+ U22 X2 + ... + U2n Xn
+ Unn X n = bn
camos a linha genrica ( i ) , isto ,

Para a construo do algoritmo que calcula a soluo do sistema, desta
ou, na forma compacta,
ui i x i )
n
(bi - L
j = ( i+l)
Algoritmo 2.2
Para i = (n - 1), (n - 2),..., 1 faa
u i i xi)
n
(bi - L
j = ( i+l)
Exemplo 2.2
Calcule a soluo do seguinte sistema de equaes lineares:
24 Clculo Numrico
Usando o algoritmo anterior, temos:
x2 =
b2 - u2.3x3 2 -(-1)(0) 1
U22 2
x= (1, 1, O)t
Observao
Sabemos que o Esforo Computacional Ec de um algoritmo a quantidade
de operaes elementares necessrias para calcular a soluo do problema
para o qual foi desenvolvido.
No caso da soluo de um sistema triangular superior ou inferior de or
dem (n), o esforo computacional dos Algoritmos 2.1 e 2.2 Ec = n2 operaes
e1ementares sendo (n) operaoes -
- de d"1v1sao, (
n n l)
-
- de a d"1ao
operaoes -
n n l)
- )e (
2 .
-
(ou sub traao -
- d e multi" p l"1caao.
operaoes
2
Assim, por exemplo, na resoluo de um sistema de equaes lineares
de ordem n = 10, cuja matriz dos coeficientes triangular superior ou infe
rior, esto envolvidas 10 operaes de diviso, operaes de multiplicao
45
45
e outras operaes de adio ou subtrao, sugerindo um esforo compu
tacional de 100 operaes elementares.
Experincias computacionais demonstram que o tempo computacional
envolvido nessas operaes pequeno, tornando os sistemas triangulares
bastante atrativos.
2.3.3 Mtodos de decomposio

Como observamos anteriormente, sistemas de equaes lineares cuja ma
triz dos coeficientes possui a caracterstica triangular inferior ou superior
apresentam um "pequeno" esforo computacional para a obteno de sua
soluo.
Este fato nos motiva a buscar formas para que um sistema de equaes
lineares Ax = b possa ser resolvido atravs da soluo de sistemas com caracte
rstica triangular permitindo, assim, a utilizao dos Algoritmos 2.1 e 2.2.
Definio 2.3
Denomina-se "menores principais" de ordem k de uma matriz A = (a i i ),
i , j = 1 , ... , n por:
d k = det( A k ), onde Ak (ai j) i , j = l , ... , k formada pelas k primeiras
=
linhas e k primeiras colunas de matriz A.
Exemplo 2.3
Considere a seguinte matriz:
Clculo dos menores principais:
1 = 2 2 = 6 3 = o
Mtodo de decomposio LU
Teorema 2.1
Considere A= (ai i ) i , j = l , ... , n. Se os menores principais de A, i * O,
matriz triangular inferior L = ( lij ) i, j = 1, ... , n, com lii = 1, por uma matriz
1,
i = 2, ... , n - l, ento A se decompe, de maneira nica, no produto de uma
IJ ufr
n
triangular superior U = (uij) i, j = l, ..., n. Alm disso, det (A) = det (U) =
i l
=
Prova: induo finita
Temos que A = [ a11 ], L = [ 1 1 1 ] e U = [ u11 ]. Como 1 11 = l, temos

a) Para n = 1
que u11 univocamente determinado, isto , u11 = a11 Logo A = LU,

de maneira nica.
b) Suponhamos que a decomposio seja verdadeira para uma matriz A
de ordem n = (k - 1), isto , Ak - l = Lk-1 Uk -1
e) Provaremos que a decomposio verdadeira para uma matriz A de

ordem n = k.
26 Clculo Numrico
Particionamos a matriz A em submatrizes da seguinte maneira:
onde A k- 1 k-I uma matriz de ordem (k - 1 x k - 1), s um vetor coluna com

(k - 1) componentes e r um vetor linha tambm com (k - 1) componentes.
[ ]
De modo anlogo, particionamos as matrizes L e U, isto :
u k-1 Y
u = O u kk
O produto da matriz L pela matriz U resulta na seguinte matriz:
LxU=
[X
L k-1 U k-1
U k-1
Para provar que a decomposio verdadeira para a matriz A de ordem

n = k, isto , que A = LU, univocamente, necessrio determinar x, y e ukk de
[
maneira nica. Para isso basta considerar a igualdade entre as matrizes
[ A k-1 s ] =
L k-1 U k-1
r a kk X U k-1
temos, assim, o seguinte sistema de equaes:
A k-1 = L k-1 U k-1

s = L k-1 y
r = X u k-1
akk = xy + u kk
Como Ak-l = Lk-l Uk_1, por hiptese da induo e Ak-l no singular,
ento Lk-l e Uk-l so tambm no singulares.
Assim, temos a seguinte soluo:
= LIL1 s
= r Uk:1
= ak k - xy
e os valores para x, y e ukk so determinados de maneira nica.
Processo de decomposio LU
Considere A = (aij ) i, j = 1, . . . , n L = (lij ) , i, j = l, ... , n e U = (uij) i, j = 1, . . . , n

ento podemos escrever:
1 Un U12 U1 3 U1n n 12 a1 3 aln

121 1 o U22 U23 u2n 21 22 a23 2n
13 1 132 1 U33 U3n = a31 a32 a33 a3n
o
lnl ln2 ln3 ... 1 Unn anl an2 an3 ... ann
Para a construo do algoritmo, construmos as matrizes U por linhas e

a matriz L por colunas, isto ,
Clculo da 1 linha de U
l linha de U
Clculo da lll coluna de L
1 coluna de L
coluna de L, 3ll linha de

U, 3ll coluna de L etc., obteremos as frmulas genricas, respectivamente,
Se continuarmos calculando a linha de 2ll U, 2ll
para os elementos das matrizes U e L da seguinte forma:
Matriz U
i -1
uii = ai i - L lik uk i i, j = l, . .. , n, i :s; j
k =l
Matriz L
j- 1
ai i - L l ik uk i
lij = ------
k =l i, j = 1, ... , n i > j
ujj
Quando i = j, teremos lii = l = 1.

Observao
Podemos, assim, desenvolver para a decomposio da matriz A = (aij ),

i, j = l, ... , n no produto A = LU, o seguinte algoritmo:
Algoritmo 2.3
Para m = l, ... , n - 1, faa
Para j = m, m + l, ... , n, faa
m-1
= -
Umj mi L lmk u k j
k =l
Para i = m + l , ... , n , faa
lmm = 1
Para m = n, faa
n-1
=
Unn ann - L ln k Uk n
k =l
A=[ : 3: ]
Exemplo 2.4
=ompor a mamz no produto LU.
L = [ ]
Como
2 o 1
U= O 2 1
]
1 = 2 * O 2 = 4 * O, temos, usando o Algoritmo 2.3:
[
1/2 1/2 1 o o 2
Aplicao na resoluo de sistemas de equaes lineares

Considere um sistema de equaes lineares Ax = b, cuja matriz dos coeficien
tes A = (aij ) i, j = 1, ... , n x = (xi ) t j = 1, ... , n e b = (bi) t i = 1, ... , n.
Vamos supor que a matriz dos coeficientes A satisfaz s condies do
Teorema 2.1, ento podemos escrever A = LU e, portanto, o sistema Ax = b
pode ser escrito:
(LU) X = b
Se denominarmos Ux = y, teremos substitudo o clculo da soluo do
sistema Ax = b, pela soluo de dois sistemas triangulares; um inferior Ly = b
e outro superior Ux = y.
Para a resoluo de sistemas triangulares usaremos os Algoritmos 2.1 e 2.2.
Exemplo 2.5
'usando o mtodo de decomposio LU, resolva o seguinte sistema de equa
es lineares:
1) Temos que
1 = 1 11 1 = 3 ;t: o
2 = 1 11 I
1 1 1 2
21 22
=
3 2
1 1
= 1 ;t: o
Portanto, a matriz A satisfaz condies do Teorema 2.1.

2) Construo das matrizes L e U
Usando o Algoritmo 2.4, temos:
L = [ l [
1 3
4/3 1 1
e U=
o
1 3
o
3) Clculo da soluo dos sistemas triangulares

a)
[
Ly = b -7
1 O
1/3 1 O
] [ ] [ 1 ] [ Y1 - ] [ ]
sistema triangular inferior
y,
= 2 -7 y2 =
1
513
4/3 1 1 y3 3 y3 O
30 Clculo Numrico
b) Ux = y sistema triangular superior

x = ( - 3, 5, 0)1
Definio 2.4
Dizemos que uma matriz A = (aij ) i, j = 1, ... , n simtrica aii = ii i, j = l, ... , n.
Se os menores principais da matriz A, Lii > O i = 1, ... , n, dizemos que A sim
trica e definida positiva.
Mtodo de Cholesky
Teorema 2.2
Seja A = (aij ) i, j = 1, ... , n uma matriz simtrica e definida positiva. Ento existe
(o' r
uma matriz R = (rij ) i, j = 1, ... , n, triangular superior, com diagonal positiva, tal
que A = R R de maneira nica. Alm disso, det (A) = (det (R))' =

Prova:
Como A definida positiva, temos que d i > O , i = l , ... , n e, portanto,
A= LU.
Alm disso, se A = LU, podemos mostrar que os elementos da diago
U
nal de = (uij ) i, j = 1, ... , n, podem ser escritos da seguinte maneira:
u ii = , i, j = l, ... , n, sendo d0 = 1 . (A prova deste resultado
d i-1
feita por induo finita e fica a cargo do leitor).
Sendo d i > O, i = 1, ... , n, temos que u\ i > O, i = l, ... , n. Ento, dividindo
U
cada linha da matriz pelo elemento da diagonal u i i > O, podemos escrever:
U= DG
onde D = (dii ) i, j = 1, ... , n uma matriz diagonal cujos elementos dii = uii e
G = (gij ), i, j = 1, ... , n uma matriz triangular superior cujos elementos so
dados por
. .
g1 J
{i.
se i = j
-J se i :;t: j i < j
=
U ii
Assim, de A = LU podemos escrever A = L D G e, como A simtrica,

temos:
Do fato da decomposio de A = LU ser nica, e da igualdade anterior,

podemos escrever:
c t = L ou G = Lt, e, considerando que ot = D teremos A = Gt D G
Por outro lado, sabemos que d = u > O, i = l, ..., n, o que permite escrever
Como A = ct D G, podemos concluir que
e, portanto,
o que prova a existncia da matriz R.

A unicidade da decomposio de A em Rt R decorre da unicidade da
decomposio de A em LU.
Processo de decomposio
Considere A = (aii ) i, j = 1, ..., n, construmos os elementos da matriz triangular

superior R = (rij ) i, j = 1, ... , n, escrevendo o produto Rt . R = A, isto :
r11 r11 r12 r1 3 rl n 11 12 a1 3 al n

r12 r22 o r22 r23 r2n 21 22 a23 2n
r1 3 r23 r33 r33 r3n = a31 32 a33 a3n
o
rl n r2n r3n ... anl an2 an3 ... ann
a) Construo dos elementos da diagonal de R

ri21 = 11 rll = ..J;;
2
rA + ri2 = 22 r22 = ( 22 - ri 2 ) 1
rA + rf3 + rf3 = a33 r33 = ( a33 - rf3 - rf3 ) 1
32 Clculo Numrico
ou, de maneira genrica:
e, portanto,
i = l, .. , n
.
b) Elementos no pertencentes diagonal de R

Construo da l linha de R
rn r12 = 12 r12 = 12 I rn
r11 r1 3 = a1 3 r1 3 = a1 3 / r11
Construo da 2 linha de R
r22
a 2 4 - r12 r1 4
r12 r1 4 + r22 r2 4 = 2 4 r24 = -----
De forma geral:
e, portanto:
i-1
(a ii - L rk i rk i )
k=l i = 1, . , n
.. j = i + l, . . , n
.
Usando convenientemente as expresses genricas anteriores, pode

mos determinar os elementos rii da matriz triangular superior R.
Para i = l,
Algoritmo 2.4
... , n, faa
Para j = i + 1, ..., n, faa
l,
Aplicao na _resoluo de sistemas lineares
l,
Considere um sistema de equaes lineares Ax = b, onde A = (aii ) i, j = ... , n,
x = (xi ) t j = ... , n e b = (bi) t i = ... , n.
l,
Se a matriz A satisfaz s condies do Teorema 2.2, podemos escre
ver A = Rt R, portanto, o sistema Ax = b pode ser escrito como (Rt R) x = b.
Se denominarmos Rx = y, teremos substitudo o clculo da soluo do
sistema Ax = b, pela soluo de dois sistemas triangulares Rt y = b e Rx = y.
Exemplo 2.6
rl 8
Usando o mtodo de Cholesky, resolva o seguinte sistema de equaes lineares:
2
2
4 10
Temos que:
A = At
1 = '1 1 I = > o 1
3 = 36 > o
Portanto, a matriz A satisfaz condies do Teorema,2.2.
34 Clculo Numrico
a) Construo das matrizes R e Rt

Usando o Algoritmo 2.4 temos:
l l
r J r l
2 4
Rt = 2 2 O e R= O 2 1
4 1 3 o o 3
b) Clculo da soluo dos sistemas triangulares
Rty = b sistema triangular inferior
R x = y sistema triangular superior

:X = ( 1 , - 2, l)t
2.3.4 Mtodos de eliminao

Os mtodos de eliminao consistem em transformar o sistema de equa
es lineares Ax = b onde A (aij) i, j = 1, 2, ... , n x = (xi)t j = l, 2, . . . , n e (bi)t
i = 1, 2, ... , n num sistema de equao equivalente atravs da aplicao de
operaes elementares.
Mtodo de eliminao de Gauss com pivotamento diagonal

Considere o sistema de equaes lineares Ax = b, onde A = (aij ) i, j = 1, . .. , n
x = (xi)t j = 1, .. . , n b (bi)t i = l, ... , n e det(A) '# O.
=
a11 X1 + a12 X2 +
+ aln Xn = b1
a21 X1 + a22 X2 + + a2n Xn = b2
O mtodo de eliminao de Gauss, com pivotamento sobre os elementos

da diagonal, consi$te em transformar o sistema dado, atravs de operaes
elementares sobre as linhas, em um sistema equivalente triangular superior,

tomando, em cada passo, como piv, os elementos da diagonal da matriz A.
( A, b) peraes e_le_m_en_t_ares ( A( n-1 ) , b ( n-1 ) )
- _ _ _
onde A < n -l l x = b( n -l ) um sistema triangular superior depois de aplicados

(n - 1) passos.
Consideremos o sistema dado, escrito na seguinte forma:
aW x 1 + aW x 2 + aW x 3 + a x 4 + ... + a Xn = a+t
1 1 1 1
(21) X 1 + (22) X 2 + a(231 ) X3 + a (24) X4 + ... + a(2n1 ) Xn = a(2n) +l
a<nl1 > x 1 + a<n21 > x 2 + a n< 13> x 3 + + a(nn 1)

1 ) X n - a(nn
+l
Considere a matriz aumentada:
1 1 1 1
(11) (12) ... (ln) (1 n)+l
a (21l ) 2( 12) ... 2n
(1) 2n(1)
+l
(A, b) =
al aJ ... a . +1
onde a(i li ) = ai j 1 = 1 ... , n J -- 1 . , n + 1 a (l)

. .
. .
-
in+l - b i i = l ... , n .
Vamos supor que o coeficiente a : i ':t O, seja considerado elemento piv.

Passo 1
Caso a g i = O, procedemos trocas de linhas at que o coeficiente que ocupa a
elementares s linhas de (A, b) tomando nulos os elementos da 1 coluna

primeira linha e primeira coluna seja difrente de zero. Aplicamos operaes
abaixo da diagonal:
1 1 1 1 1 a(ln1 )+l
(11) (12) (1 3) (1 4) (ln)
2
o a (23) (24)
2 2 (2)
(2n) 2n +l
(A, b) = o 3( 22) a 34 (2 ) 2
(3n) ( 2 )
a 3 n +l
( 2 ) ... a(nn2) . nn
O a l (n23) n4 (2)
+l
onde a(i 1j ) - a i j 1 -- 1 ... , n j = l ..., n + l (inl )+l - b i 1 -- 1 ... , n
_ .
1
(i 1 )

sendo m i 1 = ----w- 1 = 2 , ... , n.
11
36 Clculo Numrico
Assim, o sistema dado inicialmente pode ser escrito da seguinte maneira:
aW X 1 + aW X 2 + aW X3 + a X4 + ... + a X n = a+t
O + a&2d x 2 + a&2] x 3 + a&21 x 4 + ... + a & X n = a&+t
O + a2d X 2 + aW X3 + aW X4 + ... + a X n = a2+1
o + a (2) (2)
n n X n -- an n+l
Passo 2:
Supondo que o coeficiente a g> ::F- O seja considerado elemento piv. Caso
a ;> = O, efetuamos trocas de linhas at que o coeficiente que ocupe a segunda
linha e segunda coluna seja diferente de zero.
Dessa forma, tomamos nulos os elementos da 2ll coluna abaixo da dia
gonal na matriz (A,b), conforme segue:
(111 ) (121 ) (113) (114) (ln1 ) a (l1n+) l

o a<i] (2)
23
(2)
24 (2)
2n a (2)
2n+l
(A, b)= o o a (2)
a ... a 3 n . (2)
a 3 n+l
o o (2)
n3 (2) (2) (2)
n 4 ... ann . nn+l
Assim:
3 ( 2) 3 .
a(i j ) = a (2)
i j - mi2 a 2 i 1 = , ... , n J = 2 , ... , n + 1

(2)
i2 . 3
onde, mi2 = (2) 1 = , ... , n
22
Temos o sistema na seguinte forma:
a W x 1 + aW x 2 + aW x 3 + aW x 4 + ... + a x n = a+t
o + (2) (2) ( 2) (2) ( 2)
22 X 2 + a 2 3 X3 + a2 4 X4 + ... + a 2n X n -- a 2n+l
O O + a(2) 33 X3 + a(342) X4 + ... + a(32n) X n - a(2)
3 n+l
O O + a n(2)3 X3 + a (2)
n 4 X4 + ... + a (2)
(2)
nn X n - a nn+l
Assim, depois de executados (n - 1) passos, obtemos o sistema inicial

dado Ax = b na forma equivalente triangular superior, da seguinte maneira:
(111 ) X 1 + (121 ) X 2 + (113) X3 + + a(ln1 ) Xn = a (ln1 ) + l

(2) (2) (2) (2)

22 X 2 + 2 3 X3 + + 2n Xn - 2n + l

n-1 ) X a ( n-1 )
a (nn =
n nn+l
cuja soluo dada conforme Algoritmo 2.2 por:
n-1 )
a(nn+l =
Xn n-1 )
a(nn
i ) - n a(i ) x
(in+l ""' ij j
xi = i=
_,_ =i+_l
__
( i (n-1), (n-2), ... , 1

__
=
a.! l li
Algoritmo 2.5
a) Construo do sistema triangular superior equivalente
Para k 1, ... , n - 1, faa
=
Para i = k + l, ... , n, faa

(k)
- (k)
<k >
_
ik
mik
kk
Para j = k, ... , n + 1
aI J + l l aI J l - m1 kk l x a(kJ l
=
b) Calcular a soluo do sistema triangular superior

Usar o Algoritmo 2.2.
Exemplo 2.7
Usando o mtodo de eliminao de Gauss, resolva o sistema de equaes lineares:
Considere a matriz aumentada, conforme o exemplo:
(A, b) = [ o 1 .1
2 1 . 1
]
-3 1 3 . 3
38 Clculo Numrico
Depois de executar os passos 1 e 2 do mtodo de eliminao de Gauss,
1
temos a matriz na forma triangular superior equivalente:
o 1 . 1
2 o . o
o 4 4
{
Reescrevendo o sistema na forma equivalente triangular superior, temos:
3 X1 + X2 + l X3 = 1
2 X2 + X3 =
4 X3 = 4
Soluo do sistema:
x (O O, l)t
= ,
Mtodo de eliminao de Gauss com pivotamento parcial

Considere o sistema de equaes lineares Ax = b, onde A = (aii ) i, j = l, ... , n,
x (xj ) t j l, ... , n b (bi)t i 1, ... , n e det(A) -:;:. O.
= = = =
Representamos:
a(ll1 ) X 1 + a(121 ) X 2 + a(113) X3 + a(141 ) X4 + ... + a (ln1 ) X n = a (ln1 )+l

( 1 ) X 1 + 22
21 ( 1 ) X 2 + a( 13) X3 + a( 1 ) X 4 + ... + a( 1 ) X a( 1 )
2 24 2n n = 2n+l
1 1 1 1
a(3 1) X 1 + a (3 2) X 2 + a(33) X3 + a(34) X4 + ... + a(3n) X n = a (31n+l
1 )
a<nl1 l x 1 + a <n12l x 2 + a Cn13> x 3 + 1)

+ a(n1 )n X n - a(nn+l
onde a (l)
. . (l) .
i i - a i i 1 -- 1 , ... , n J -- 1 , ... , n + 1 ain+l - bi 1 -- 1 , ... , n .
O mtodo de eliminao de Gauss com pivotamento parcial consiste
em transformar o sistema dado, atravs de operaes elementares sobre as
linhas, em um sistema triangular superior, tomando, em cada passo, como
piv o elemento de maior valor absoluto abaixo da diagonal, de cada coluna
da matriz A conforme ilustramos a seguir:
No k-simo passo temos:
(k) ( k) (k) ( k) (k)

n 12 n al n al,n+l
(k) (k) (k) (k)
22 a 23 a2n a2, n+l
...............
. .
. .
: (k) : (k) (k ) (k)

: ak ,k ! ak ,k+I
. .
ak ,n a k ,n+l
: (k) : (k) (k) ( k)
o : k+l, k : k+l, k+l
.
.
.
.
ak+l,n a k+l,n
. .
(k) ( k) (k)
an ,n an ,n
i
Escolher o elemento de maior valor absoluto na coluna destacada.
Desta forma, temos a estratgia de pivotamento parcial:

No incio do k-simo passo, escolher para piv o elemento de maior
valor absoluto da coluna k, entre os coeficientes da diagonal, para baixo, isto ,
escolher a linha r tal que:
1 a(,k)k 1 = mx { 1 a(k)kk 1 , 1 a(kk)+Ik 1 , ..., 1 a(nkk) 1 }

Efetuar as trocas das linhas r e k, se r -::t:- k. Estas trocas devem ser arma
zenadas. Para isto, consideramos um vetor P = (p11 p2, ... , Pn) onde Pi for
nece a linha na i-sima posio. Inicialmente, temos p1 1, P2 = 2, .. , Pn = n. .
Depois das trocas das linhas (r e k), atualizamos o vetor P trocando Pk por
=
Pr e efetuamos a eliminao de Gauss como anteriormente, considerando

o piv na posio (k, k).
Observao
Quando usamos esta estratgia de escolha do piv, podemos provar que a
propagao dos erros de arredondamento controlada, uma vez que o ele
mento piv ser o maior em valor absoluto de cada coluna (W'tlkinson, J. H.).
40 Clculo Numrico
,l
Algoritmo 2.6
a) Incio: Vetor que armazena as posies das linhas
Para i = ... , n, faa
Pi = i
b) Construo do sistema equivalente triangular superior
Para k = 1, ... , n - 1, faa
Det :rne r tal que 1 : l = m x { 1 1 , i = k, ..., n}
Se a rk = O , ento det(A) = O, o sistema indeterminado, Pare.
Trocas das linhas k e r:
1,
Para j = k, ... , n + faa
(k)
aux = a r j
(k ) (k)
arj = akj
(k )
ak j = aux
aux = Pr
Pr = p k
Pk = aux
Para i = k + 1, ... , n, faa
(k)
(k) ai k
mi k = (kf
akk
Para j = k, ... , n + 1, faa
(k+l) (k) (k) (k)
ai i = a i i - mi k k i
e) Calcular a soluo do sistema triangular superior
Exemplo 2.8
Usando o mtodo de eliminao de Gauss com pivotamento parcial, resolva
o sistema de equaes lineares:
U H:: H: l
Considere a matriz aumentada e o vetor P (p 1 1 p2, p3) que armazena as
=
lr 1
permutaes nas linhas da matriz A. Inicialmente temos P = (1, 2, 3).
2 3 . 3
(A, b) = 3 1 0 . 4
o 3 4.3
Passo 1
Na primeira coluna observamos que o maior coeficiente em valor absoluto
o que ocupa a posio linha 2, isto , o a2 1 = 3.
Este coeficiente, considerado como elemento piv, dever ocupar a po
sio diagonal na primeira coluna, portanto, devemos trocar a 2 linha pela
lil linha (coeficiente a2 1 ocupa a posio (1,1)).
Em seguida, procede-se como no mtodo de eliminao de Gauss com
pivotamento na diagonal para tornar nulos os coeficientes da primeira coluna
abaixo do elemento piv.
Temos, assim, o sistema na seguinte forma:
O .
f .
3
(A, b) = O 513 3
o 31 4 .
Atualizamos o vetor P = (2, 1, 3).

Passo 2
Na segunda coluna, observamos que o maior coeficiente em valor absoluto
o que ocupa a posio linha 3, isto , o a32 = 3.
Este coeficiente, considerado elemento piv, dever ocupar a posio dia
gonal, na segunda coluna, portanto, devemos trocar a 3il linha pela 2il linha
(coeficiente a32 ocupa a posio (2,2)) e atualizamos o vetor P = (2,3,1).
Neste caso, temos o seguinte sistema:
3 1
[ o 3
o 5/3
Devemos, agora, tornar nulos os coeficientes da segunda coluna abaixo
do elemento piv.
Fazendo operaes elementares sobre as linhas teremos o sistema na
forma triangular superior, isto :
7 /9
=
[ l [ :: l [ : l X3
Resolvendo o sistema triangular superior, teremos o seguinte vetor soluo:
x = ( 1 , l, 0)1
42 Clculo Numrico
Mtodo de eliminao de Gauss com pivotamento total

Considere o sistema de equaes lineares Ax = b, onde A = (aii ) i, j = 1, ... , n,
x = (xi ) t j = l, ... , n e b = (bi) t i = 1, 2, ... , n e det(A) * O.
Representamos por:
( l) (l)
a 11 X 1 + (121 ) X 2 + a(113) X3 + a (114) X4 + . + a 1n X n = a(ln+l
1) ..
(l) l)
1) (1
2 1 X 1 + (22 X 2 + 2 3) X3 + 24 ( 1 ) X4 + .. + a(2n (1)
X n = 2n+l .
a3 1 X 1 + a(312) X 2 + a(331 ) X3 + a(341 ) X4 + ... + a 3 n X n = a(31n+l

(l) (l)
)
(1) 1
- a (nn+l
. . . + a nn X n - )
onde a(iil ) - a i i ' 1 -- 1 , ... , n, J. -- 1 , ... , n + 1 , a(in+1

-

l)
- b i 1. -- 1 , ... , n -
O mtodo de eliminao de Gauss com pivotamento total consiste em

transformar o sistema dado, atravs de operaes elementares sobre as linhas,
em um sistema triangular superior equivalente.
Neste caso, tomamos, em cada passo, como piv o elemento de maior
valor absoluto entre todos os elementos da submatriz, abaixo da k-sima
linha e a partir da k-sima coluna, isto , entre os elementos a\ l i k, j k ,
conforme ilustramos a seguir:
No k-simo passo temos:
(k) (k) (k) (k) (k)
11 12 n a ln aln+l
(k) (k) (k) (k)
22 a23 2n 2n+l
(k) (k) (k) (k)

akk akk+1 ak n . ak n+l
(k) (k) (k) (k)
o k+l k k+l k+l ak+ln ak+ln
(k) (k)
an k an k+l
i
Escolher o elemento de maior valor absoluto na submatriz
destacada.
Desta forma, temos a estratgia de pivotamento total:
1 1 = mx { 1 : 1 , ik j k }
Devemos trocar as linhas (k e r) e as colunas (k e s). Estas trocas devem ser
armazenadas. Para isto, considere os vetores P = (p 1 1 pz, ... , Pn) e Q = (q1 , qz, ... , qn),
onde Pi fornece a linha na posio i, e qi a coluna na posio j. Efetua-se a
eliminao de Gauss com o piv na posio (k, k).
Observe que as trocas de colunas produzem trocas no vetor soluo. Por
exemplo, se a 3 coluna trocada com a 1 coluna, ento a 1 posio do vetor
soluo contm a varivel x3 e a 3 posio do vetor soluo contm a varivel x1 .
Algoritmo 2.7
a) Incio: Vetores que armazenam as posies das linhas e colunas
Para i = 1, ... , n, faa
Pi = i
qi = i
b) Construo do sistema equivalente triangular superior
Para k = l, ... , n - 1, faa
Determine r e s tal que ars = m x1 (k) 1 {I (k) 1
aii i = k, . . ., n j = k, ... , n }
Troque a linha k com a linha r, atualize Pk e Pr
Troque a coluna k com a coluna s, atualize qk e q5
Para i = k + 1, ... , n, faa
(k)
mi k = ('k"}
<k > a i k
kk
Para j = k, ... , n + l , faa
( k + I ) ( k ) (k) ( k )
a i i = a i i - mi k k i
e) Calcular a soluo do sistema triangular superior
Exemplo 2.9
Resolva o sistema de equaes lineares usando o mtodo de eliminao de
Gauss com pivotamento total.
44 Clculo Numrico
[ ! : ]
(1,
Inicialmente temos P = 2, 3) e Q = (1, 2, 3), os vetores que armazenam
as posies das linhas e colunas da matriz A, respectivamente.
Fazendo trocas de linhas e colunas de forma conveniente e atualizando
[ -111/61/ 6] [::] [-111/61/ 6]

os vetores P e Q, temos o seguinte sistema triangular equivalente:
=

Neste caso, temos P = (2, 3,
Soluo do sistema:
1) 1, X2
e Q = (3, 2)
x = (O, 1, O)t
2.3.5 Mtodo de eliminao de Gauss-Jordan
1,
Considere o sistema de equaes lineares Ax = b, onde A = (aij) i, j =
x = (xi)t j = l, ... , n e b = (bi)t i = ... , n.
1, ... , n
Representamos por:
(l)
a(ll1 ) X 1 + a(121 ) X2 + a(131 ) X 3 + a (114) X 4 + ... + a 1n = a(ln+l
1)
l
( 1 ) X 1 + 22
21 ( 1 ) X2 + a(231 ) X 3 + a( 1 ) X + ... + a(2n) = a(2n+ 1)
24 4 l
l
()
a (311 ) X 1 + a (321 ) X 2 + a(331 ) X 3 + a(314) X 4 + ... + a 3n = a(3n+
1)
l
(l) 1)
a(nl1 ) X 1 + a n( 12) X 2 + a(n31 ) X 3 + a (n14) X 4 + ... + a nn - a (nn+l
(1) (i)
onde a i i = a ii i = l, ... , n j = l, ... , n + l, a 1n+1 = bi i = l, ... , n.
ma dado, atravs de operaes elementares sobre as linhas, em um sistema cuja

O mtodo de eliminao de Gauss-Jordan consiste em transformar o siste
matriz dos coeficientes seja a matriz identidade, tomando, em cada passo, como
piv os elementos da diagonal da matriz A Utilizamos neste mtodo operaes
semelhantes quelas aplicadas no mtodo de eliminao de Gauss, isto ,
( A, b ) operaes elementares
( 1, b )
onde 1 x = b um sistema cuja soluo o vetor b.
Considere o k-simo passo:

a) Dividir a k-sima equao pelo piv a LkJ .
b) Subtrair das la, 2a, ... , (k-l )a, ... , n-sima equaes a k-sima equao
(k) (k) (k ) (k) (k )
multiplicada por a 1k , a 2k , ... , k-l k , a k+lk , ... , a nk respectivamente.
Assim, no k-simo passo temos o sistema escrito na seguinte forma:
( k+l ) ( k+l ) k+l )
l x 1 + O + O + + ... + a l ,k+l Xk+l + + a ln Xn - a (ln+l
( k+l ) ( k+l ) ( k+l )

+1
X2 + + + ... + a 2,k+l Xk+l + ... + a 2n Xn - 2n+l
( k+l ) ( k+l )
O + O + l x 3 + 0 + ... + a 3, k+l Xk+l + ... + a3 n Xn -- a(3k+l n+l
)
B) (ij
o + o + o + o + ... + a nk+l Xk+l + ... + a nn X n = a nn+l
Continuando dessa forma at executarmos o n-simo passo, temos a
soluo do sistema:
- - ( n)
x = b, onde bi = ai n+l i = l, . . . , n
Algoritmo 2.8
a) Construo da matriz identidade
Para k = 1, ... , n, faa
Para j = k, ... , n+ l, faa
(k)
a <kki + 1 > ki
a (kkkl
=
Para i = 1 , ... , n, i * k, faa

a + I ) = a k> - a kk> a<kk>
IJ IJ 1 J
b) Calcular a soluo do sistema

(n)
Imprimir o vetor soluo xi = a in+1 , i = 1, . . . , n.
Exemplo 2.10
Usando o mtodo de eliminao de Gauss-Jordan, resolva o sistema de equa
es lineares:

l ! ] l:J l ]
-
l ! ]
2 4
(A, b) 1 2

3 -2
46 Clculo Numrico
[
Aps executar os passos 1 e 2, podemos escrever:
1 2/3 4 / 3 . 1 / 3
(A, b) = O 1 / 3 2/3 . 5/3
l
o 1 / 3 -22/ 3 . 5/3
Repetindo os passos 1 e 2 at tomar a matriz A 1 matriz identidade,
[
=
obtemos:
o
(A, b) = 1
o
cuja soluo x = (-3, 5, 0)1 .
2.4 Matrizes i nversas

Seja A = (aij ) i j = l, ... , n uma matriz no singular (det(A)*). Ento existe
uma nica matriz A-1 chamada de inversa de A, tal que A A-1 = 1.
Desta forma, temos:
1 o o o
o 1 o o
=
o o o ... 1
Portanto, para determinar as n colunas da matriz inversa A-1 , temos de
resolver n sistemas de equaes lineares, usando qualquer um dos mtodos
diretos vistos anteriormente, como observa-se a seguir:

a 11 a 1 2 a ln X 11 1
21 a 22 a 2n
X 21
= 1 coluna de A-1
a n l a n 2 .. . a nn Xnl o
11 12 aln X 1n o
21 22 a2n X2n o
= n-sima coluna de A-1
a n l a n 2 ... a nn X nn 1
A soluo dos n-sistemas anteriores identificam as n-colunas da matriz
inversa A-1 .
Exemplo 2.11
l
Determine a inversa da matriz A a seguir, usando o mtodo de eliminao
r J r :: :
de Gauss:
l
X1 2 X1 3
A1= x22 x23
1 1
A= - ---t inversa de A
X31 X32 X33
- 1
l r ::: :: ::: i r
Como A A = 1, temos:
r J
1 1 X31 X32 X33 i
1
=
Logo, trs sistemas de equaes lineares devem ser resolvidos:
Construmos inicialmente a matriz (A, 1) e a transformamos numa matriz

triangular superior, usando os passos de Gauss:
o 1 . 1 o o 1 1 o
[ 1
H
o
o -1 . o
2 . 1
o
1
o -1
Assim, podemos resolver os sistemas triangulares, como segue:
2 o 1
o -1 ]
r i r:: i r i

(x 11
-1 X 31
x 21 x31 )1 = (1, O, O)
=

1 coluna da matriz inversa
:
---t
[ i r : i r i

(x 12
-1 X 32
=
x 22 x32 )1 = (- 1, - 1, 1)
-1
---t 2a coluna da matriz inversa
r l r:: i r i

(x 1 3
-1 X 33
=
x 23 x33 )1 = (1, 2 - 1)
1
---t 3a coluna da matriz inversa

48 Clculo Numrico
]
Portanto, temos:
A-1 [
1 -1 1
= O -1 2
o 1 -1
matriz inversa de A
Observao
Quando usamos o mtodo de Gauss-Jordan no clculo da matriz inversa,
transformamos a matriz A na forma da matriz identidade, usando os passos
como no exemplo anterior. Retomamos os sistemas equivalentes 1 x = b. Neste

de Gauss-Jordan, simultaneamente com os vetores da matriz identidade,
caso, a matriz inversa encontra-se em cima da matriz identidade modificada,

conforme Exemplo 2.12:
Exemplo 2.12
Usando o mtodo de eliminao de Gauss-Jordan, determine a matriz inversa:
A= O [ ]
2
1
1
-1
o
Construmos inicialmente a matriz:
[
2 1 3
(A, 1 ) = O -1 1
1 o 3
1 o
o 1
o o n
Aplicando os passos do mtodo de eliminao de Gauss-Jordan, obtemos
-2]
a seguinte matriz:
(1, A-1 ) [ o
1
o
o
o
1
3/2 3/2
. -1 /2 -3/2
. -1/2 -1/2
1
1
X X 1 2
Temos, neste caso, os sistemas equivalentes:
[ 1 ] [X2n1 ]
1 X31
0
= [ ]
3/2
-1/2
-1/2
[1 1 1] [X3X222]
0
= [ ] [ m::J{J
3/ 2
-3 / 2
-1/2
1 o
1
o
Assim, temos a matriz inversa:

/2
-1/2
3-1/2
3/2 -2
- /2 1
1
A -1 =
f -1/2
3 1
2.5 Condicionamento de sistemas lineares
Dizemos que um sistema de equaes lineares A x = b mal condicionado se
pequenas perturbaes em alguns de seus coeficientes produzem bruscas altera
es em sua soluo. Para detectar o mau condicionamento de um sistema linear,
devemos calcular o nmero de condio da matriz do sistema, definido por:
K(A) = l Al l A 1
1";
-i
Se K(A) for "prximo de dizemos que o sistema bem condicionado;

caso contrrio, dizemos que o sistema mal condicionado.
Exemplo 2.13
Considere o sistema de equaes lineares:
[ 1.0001] [::] [2.0001]=
Soluo: x = (1, l)t

Considere o sistema dado ligeiramente modificado conforme o exem
plo dado:
Soluo: x = (12, -lO)t

Podemos observar que temos um sistema mal condicionado, pois uma
pequena modificao no vetor b do sistema provoca uma grande alterao
na sua soluo.
400004.00001
Temos, neste caso:
K(A ) =
2.6 Mtodos iterativos

2.6.1 Introduo
Um mtodo para calcular a soluo nica de um sistema Ax = b, A = (ai i )
i, j = l, ... n e det(A) * O denominado iterativo quando fornece uma seqncia
Cfe solues aproximadas, em que cada soluo aproximada obtida da ante
rior pela aplicao de um mesmo procedimento.
50 Clculo Numrico
mao De modo ger a l , a cons t ru o b do

par mt
a a ofdo
o r i
m tae r a t
equi i v o
v cons
alentei d er a a
H tr a ns f o r
poscialtxer(Oi)o,dordetmsentiesrtmeema,inamos
a paroritgirinadesalseAtqaxnovancia fdeormsoalue esde umaaprsooxliumoadasaprxconsoximidxadaeragndoinie,
= = +
o processo iteraxt(ikv+o:l) Hx(k) g O, . ., onde: 1, 2,

H =
mat r
+
i z i t e
k=
r a t i v a ( n n) g vet o r
Assisstiemma, parAtxindo-b,sdete deerumaminamosaproxaimseaoqninciiacideal xvet(O) paroreas axs(Io),luxo(2), xe(3x)at, .a.
x (nxl)
x do
que se pretende, seja convergentleimparxaCkal soluo isto ,
=
X:,
ser necesApresserntioamosnesteacapseguiturloum. breve resumo de resultados e definies que

= X:
2.6.2 Resultados e definies
Definimos norma de um vetor x1 e- l V: V(espao9t vetorial) por:

Definio 2.5: Norma de vetores
satisfanzendo s s e guint e s condi X

es : l x l
1n2)) l x l :2:: = 'v' x e V 'v'; l xal e=9t, 'v' xx = VO
l a x l lal l x l ; e
n3) + + 'v' x, e V
l x Yl l $ l x l l Yll ; Y
De esp(eial inty:s e, quando V 9tn, so as normas lp definidas por:
l x l P x PJ 1 e l xlL mx{lxi l, i = l, . ., n}.
Observao
=
=
ld ; p =
Considere x = (x1 x2, . .,xx1n) x9t2n . . + xn n x

Exemplo 2.14
E
l xl1 = l l + l l + l l ( ni = l i = Ll l
Yz
l x l 2 = xi x + . . + x = l xi 1 2 J
J +
l x lL = mx l x1 l, l x2 l 1 1 l xn l =
{ } i l xi l
Exemplo 2.15
Considere x = (x 1 , x 2 1 x 3 , x 4 ) = (l, 2, 3, 4) E 9\ 4 Ento, temos:

Observao
a) No ':R 2
podemos identificar a li 1 2 como o comprimento do segmento1que
x
liga a origem (O, O) ao ponto P(xv Xz) do plano (x, y), isto , d = (xr + xn 1 2 .
Normas equivalentes
Considere l i . l i e l i . l i b duas normas em V. Dizemos que as normas so

equivalentes se existem constantes reais positivas k1 e k2, tais que:
possvel mostrar que, em um espao de dimenso finita, todas as normas

Observao
so equivalentes.
Exemplo 2.16
Considere x = (x 1 1 x 2 , , x n ) E 9\ n . So vlidas as seguintes desigualdades:

a) l xL $ ll x l 1 $ n l xL
b ) l L $ l x l 2 $ fo l xL
c)
n l x l 1 $ l ll 2 $
x fo l x l 1
Seqncia convergente
Considere x < i J = (x 1 , x 2 1 , X n )( i ) uma seqncia de vetores do espao veto
.
rial 9\ n . Dizemos que a seqncia x(i) converge para x = (x1 , x2 1 , xn ) E 9\ n
se li x < i l - x li O, quando i para qualquer norma em 9\ n .

oo,
Exemplo 2.17
..
C ons1"d ere a sequencia
1 (
x ( i ) - i, o , o , ... , o
A
) cn ,. 1. -- 1, 2, ... e -x - (O, , ..., O).
E .:1\ o
Como l x< i l - x l = ' temos l x < i l _ x l O, quando i oo.

1
Definio 2.6: Norma de matriz
(n n) sobre 9\. Uma norma em V uma aplicao indicada por 1 . 1 tal que:
Considere V = 9\ (n, n) o espao vetorial de todas as matrizes quadradas de ordem
x
li li : 9\ (n, n) 9\
A l Al
52 Clculo Numrico
satisfazendo s seguintes condies:

ni ) l i A l i ;?: O; V A e 9l (n, n) e l i A l i = O A = O
n2) l i a A li = 1 a 1 1 1 A l i ; V a e 9l, V A e 9l (n, n)
n3) l i A + B l i $ l i A l i + l i B l i ; V A , B e 9l (n, n)
Exemplo 2.18
Considere A = (aij ) i, j = l, . ., n, ento
. temos as seguintes normas de matrizes:
li A I L = ll A l lL = . _xn L
l _ i . 1 1 ai i 1 norma linha
J=
n n 2
li A 11 2 = L
i=l
L (ai i ) norma euclidiana
j=l
Propriedade
Para as normas l i . 1 11 e li . I L temos:
ll A B ll $ ll A ll ll B ll V A , B e 9l (n, n)

Exemplo 2.19
Considere a matriz:
ento,
3
l i A 112 = L (ai i ) 2 = fi3 = 8 . 54
j , j=l
Definio 2.7
Considere uma norma de vetor x E 9t n e uma norma de matriz A e (n, n).
Dizemos que estas normas so consistentes se:
Ax A x 'v' A e (n , n) e 'v' x e n
ll j lll ll ll ll
2.6.3 Mtodo iterativo de Jacobi-Richardson
Considere o sistema de equaes lineares Ax = b, onde A = (aij ) i, j = l, 2, ... , n
det(A) -:F- O, com a diagonal principal aii -:F- O i = l, . , n: ..
a11 X1 + a1 2 X2 + a1 3 X 3 + + aln Xn = b1
a2 1 X1 + a22 X2 + a2 3 X3 + + a2 n X n = b2
Podemos escrever o sistema dado na forma equivalente dividindo cada

linha pelo elemento da diagonal e explicitando x1 na 1 equao, x2 na 2 equa
o, x3 na 3 equao e Xn na n-sima equao, conforme vemos a seguir:
X 1 = _!_ (b 1 - a 1 2 X 2 - a 1 3 X3 - - a1n xn )
n
Xz = -
1
22
(b2 - 21 X 1 - a23 X 3 - - a2 n x n )
Na forma matricial temos:
X1 o - 2 1 - a3 1
- -
anl
X1
b1
11 11 11 11
21 a23 a2 n b2
X2 o X2
22 22 22 22
= +
o
54 Clculo Numrico
{
Assim, podemos escrever:
x = Hx + g, onde, H = (hii ), sendo
o i=j
hij= _ a ii i*j
i, j = l, 2, ... , n matriz iterativa
a ii
b
gi = -i i = l, 2, ... , n
a ii
Desta forma, podemos escrever o mtodo iterativo de Jacobi-Richardson:
x(k+l ) = H x ( k) + g k= 1, 2, ...
Assim:
a anl bl
x1 (k+l) o - 21 - 31
- -
X1 (k)
n n 11 11
21 23 a2n
Xz(k+l) o Xz(k) b2
22 22 22
+ 22
Podemos, ainda, escrev-lo na seguinte forma:

a12 (k ) - a13 X (k ) - aln (k) bl
X 1(k+l ) =
_
X2 3 -- Xn + -
11 n 11 11
X 2(k+l ) = _ 21 X 1(k ) -
a a23 (k) - a2n (k) b2
X3 -- Xn + -
22 22 22 22
a b
a
X n(k+l ) = - nl X1(k )
_ an2 (k )
X2
_
- nn-1 X n-1(k ) + n
--
-
ann ann ann ann
Observao
O mtodo iterativo de Jacobi-Richardson, de uma forma geral, pode ser es
crito como:
i -1 n
x l k +l l = (bi -L a i i x j k l - L ai i x i< k l) / a ii i= 1, ... , n
j=l j = i+l
Estudo da convergncia
Teorema 2.3
Sejam uma norma matricial consistente com alguma norma vetorial e
x < 0 l E n uma soluo aproximada inicial qualquer. Se l i H l i < 1, ento
x< k + l ) = Hx < k l + g, k = O, 1, 2, ... , converge para a soluo x do sistema Ax. b.
a seqncia de solues aproximadas definida pelo processo iterativo
=
Prova:
Devemos provar que ll e< k lll , quando k oo, onde e< k l = x - x< k l o
erro cometido na k-sima iterao.
Assim,
e< k l = x - x< k l = (H x +g) -(Hx < k-l ) + g) = H(x- x < k-1 l ) = H e< k-l )
Portanto, 1
e < l = H e <l
e <2> = H e <1 > = H 2 e < >
Assim,
li e< k l li = l i x - x< k l l i = li Hk e< l li l i Hk 1 1 e< l li
Por outro lado, sabemos que l i H k li l i H li k
Logo:
li e< k l l i l i H l l k li e< l li
Assim, se 1 H 11 < 1, temos que l i e< k l li = li x - x< k l li O, quando k oo.
Portanto: x< k l x.
Observao '
Se li H li < < 1 (l-se l i H l i muito menor que l }, ento li H r tende a zero rapi
damente, ou seja, a seqncia de solues aproximadas converge para a solu
o do sistema rapidamente.
Se li H l i l, porm li H l i < 1, a convergncia ocorre, mas lentamente.
::::
Observamos, ainda, que a convergncia no depende da soluo inicial x(D) .

Definio 2.8
Cpnsidere nA = (aij) i, j = 1, ... , n. Dizemos que n A diagonalmente dominante
se 1 aii 1 L 1 aii 1 i = 1, ... , n. Caso 1 aii 1 > L 1 aii 1 i l, ... , n, dizemos que a
=
j=l i=
*J *J
matriz A estritamente diagonalmente dominante.
56 Clculo Numrico
Resultado
ento o mtodo iterativo de Jacobi-Richardson gera uma seqncia de solues

Se a matriz A do sistema Ax = b for estritamente e diagonalmente dominante,
aproximadas convergente para a soluo do sistema, pois teremos li H I L < 1.
Algoritmo 2.9
a) Fornea uma soluo inicial aproximada x(O) = (x() , x(g) , ... , x( ) e
E > O, uma tolerncia fixa. Faa k = O e Pare = Falso.
b) Construo da seqncia de solues aproximadas:

Enquanto Pare = Falso, faa
(
Para i = 1, . . . , n, faa:
(i-1 (n) ) bi
i=i+l
x\1 k +t) = """
- a . .
1) Jx < k l + """ - a . . \ k l / a + -
1 ) xJ ll
i= I
i
Se l x< k +t) - xli < k ll l E , entao
-
Pare = Verdade
l l x< l
k +l
Seno k = k + 1
Observao
No h necessidade de armazenar explicitamente as solues x(O), x(l), x(2), ... , x(n).
Caso o critrio de parada no seja satisfeito, ento x < 0 l f- x < 1 l, isto , arma
zene x(l) em x(O). Desta forma, apenas 2 vetores so necessrios para calcular
a seqncia.
Usando o mtodo iterativo de Jacobi-Richardson, determine uma soluo aproxi

Exemplo 2.20
mada para o seguinte sistema de equaes lineares, com aproximao inicial

x <0l = (x <l , x <g> , x<gt = ( O , O, 0)1 e preciso E = 10- 2 .
2
5
3
r-
Construo da matriz iterativa H:
o-2/10 -1/lO j
H= 1/5 O
-2/10 3 / 10--1/5
o
Verificar a condio de convergncia:

3
l i H l L = li H li_ = mx L 1 hi i 1 = mx { 3/10, 2/10, 5/10 } = 0.5 < 1
1 j 1
=
1
Portanto, a seqncia de solues aproximadas convergente para a

soluo do sistema.
Clculo das iteraes:
- 14 - 2 X(2k ) - 1 X(3k )
X(1k + l ) -
10 10 10
- - -
X(2k + l ) =
11 1 1
- X( k ) - X ( k ) k = o, l, 2, ...
5 -5 1 5 3
-
-
X(3k + l ) = 108 - 102 X(1k ) - l3Q X(2k )

Para k = O e tomando x( o ) = (O, O, 0)1, temos x( l > = (1.4000, 2.2000, 0.8000)1
x( l > - x( >
Teste de parada: l l il = 1 > 10- 2
l x( ) I L
Para k = l, temos:
X(12 ) =
14 - 2 X(1) - 1 (1)
l Q 10 2 10 X3
X(22 ) =
11 - -1 X(1) - -1 X(1)
5 5 1 5 3
-
X(32 ) -
-- 8 -- 2 X(1 ) - 3 X(1)
10 10 1 10 2
-
( 2 ) - x( l l l
Portanto, x( 2 > = (0.8800, 1.7600, -0.1400)1 li x 2 l = 0.5341 > 10-2 00
l i x( ) l i..
Assim, sucessivamente, calculamos:
l i x( 3 l _ x( 2 ) IL
3)
x( = (1.0340, 2.0520, 0.0960)1 ( 3 =0.1423 > 10-2
x
li 1L )
x( 4 ) - x( J) l ..
x( 4 l = (0.9800, 1.9739, -0.0225)1 li 4 ) = 0.0600 > 10-2
li x( 1 ..
S l i x( S ) - x( 4 ) l .. .
x( l = (1.0075, 2.0085, -0.0118)1 (s = 0.0172> 10 -2
x
li l .. )
x(6) - x( S ) IL
x(6) = (0.9971, 1.9961, -0.0041)1 l i = o.0062 < 10 -2 ,
l i x(6) 1L
Como o critrio de parada est satisfeito, temos que x = x(6 ) a soluo
aproximada para o sistema com a preciso E = 10-2.
58 Clculo Numrico
Observao
A seqncia de aproximaes x(l ), x(2), x(3), x(4), ... converge para a soluo
exata do sistema, dada porx (1, 2, O)t . A convergncia lenta decorre do fato
=
de JJHJJ no ser to "pequena".

2.6.4 Mtodo iterativo de Gauss-Seidel
Considere o sistema de equaes lineares Ax = b, onde A = (aii ) i, j = 1, ... , n
det(A) * O, com a diagonal principal aii * O i = 1, ... , n
a11 X1 + a12 X2 + a1 3 X3 + + al n Xn b1
=
a21 X1 + a22 X2 + a2 3 X3 + + a2n Xn = b2
Dividindo cada linha do sistema dado pelo elemento da diagonal e expli

citando x1 na h equao, x2 na 2ll equao at Xn na n-sima equao, temos
o sistema escrito na forma equivalente:
X1 = _..!._11 (b1 - a12 X 2 - a1 3 X 3 - - a1n Xn )

X2 = _I_
22
(b2 - 21 X1 - a2 3 X 3 - - a2n Xn )

O mtodo iterativo de Gauss-Seidel dado da seguinte forma:
X1(k+l ) = _ a12 X2 (k) _ aln Xn (k)

11 11
X 2(k+l ) = _ a21 X l (k+l) _ a23 X 3 (k) _ 2 n Xn (k)
22 22 22
Xn (k+l) an l X (k+l) an 2 X2(k+l)

_ _ _
ann i
=
ann
De uma forma geral:
a 1) x J. < > ) / a ..
i -1 n
X 1.( k+l) ( b - "'
=
a
1) J
1
x . ( k +I) - "" k li

1= 1 . .. , n
'
j=l j=i+l
Ainda, podemos escrever:

i-1 n
X 1_ (k+l ) = (g 1 - h - X ( k+l ) h X (k) )
k..J 1) J
_
k..J 1) J
1 = 1 f 1n
j=l
onde g; = b; / au h;i = a;i / a ii i = l, ... , n
j=i+l
Na forma matricial temos:

o o o ... o
o o
= +
Xn(k+l ) --an l - -an 2 - ann-1 o Xn(k+l )

ann ann ann
o -- 1 2 - - n al n
X1 (k)
bl
11 11 11 11
o o a23 a2n b2
+ 22 22
Xz ( k )
+ 22
Xn(k)
bn
o o o o ann
Temos, desta forma, que:
x ( k+l l - P x ( k+l l + Qx < kJ +g , onde p - (Pii ) e Q - (q;i ) 1, J - 1 , ... , n e Pii' q;i sao
{-
_ _
-
{-
dados por:
i , se i > j ii , se i < j
P11.. = a 11
'. q;i = aii e g=- b.
'
a;
O , se i j O , se i j
Podemos, ainda, escrever o mtodo iterativo de Gauss-Seidel da se
guinte forma:
(1 - P)x< k+l l = Qx< k l + g
Como a matriz (1-P) inversvel, multiplicando-a em ambos os lados
da expresso obtida, temos:
x< k+l ) = (1 - Pt1 Q x< k l+ (1 -P t1 g
Chamando H = ( 1 - Pf 1 Q --7 matriz iterativa
g = (l - P t1 g, podemos escrever o Mtodo Iterativo de Gauss-Seidel como:
x< k+ll = H: x<kJ + g
60 Clculo Numrico
Apresentamos, a seguir, um teorema que fornece uma condio sufi

ciente para a convergncia da seqncia de solues aproximadas gerada
pelo mtodo iterativo de Gauss-Seidel.
Estudo da convergncia
Teorema 2.4 (Critrio de Sassenfeld)

Sejam as constantes i definidas pelas seguintes frmulas de recorrncia:
i-1 n
i = I 1 hij 1 j + Ii 1 hi d i = 1, . . . , n
j=l j= + l
e seja
Ento, se < l, a seqncia x(k), gerada pelo mtodo iterativo de Gauss

Seidel, converge para a soluo X: do sistema dado.
x = (x1 , x2 1 , Xn ) 1
Prova:
Seja a soluo do sistema dado, ento esta satisfaz
a forma
i-1 n
x/k+l l = gi + L hi i xjk+l l + L hii xjkl
j=l j=i + l
Assim, temos:
i-1 n
Xj = gi + L hi j xj + L hi j xj
j=l j= i + l
Podemos escrever:
i-1 n
(x k + l l _ xi ) = L hii (xl k + l l _ xi ) + L hii (xl k l - xi )
j=l j=i + l
ou ainda
i-1 n
k + l + l
J e l 1 L i hii 1 J el k l 1 + L i hii l J el k l 1

j=l j=i + l
onde lei<m l 1 = l xi<m l _ xi I
Agora, podemos provar que a seguinte desigualdade verdadeira:
(verificar como exerccio)
Assim, i-1
kl
H + )I L x l ek ) I + L l hi j l x l ek ) I
n
l hi d p i
L s
j=i l +
( l1t;; i i + j, )
_n Ls_n
j=l
l l" I l h; d = ; l el. "

I
Agora:
mx l ek + l ) j ) I/ O quando k
lSsSn
oo
Algoritmo 2.10
a) Fornea uma soluo inicial aproximada x(O) = (x() , x(g) , ... , x( ) e
E > Ouma tolerncia fixa. Faa k = O e Pare = Falso.
b) Construo da seqncia de solues aproximadas:
Enquanto Pare = Falso, faa:
Para i = 1, ... , n, faa:
xk+ l l =
1 ( i-1
1 - 4.J
h
j =l
-a1. ). xJ k+l l +
n
j=i + l
k )
4.J - a1. ) x<J l /a .. 11
li x< k + l ) - x < k l li
Se E, ento Pare = Verdade.
l x( k + l l li
Seno k = k + 1 .
Resultado
Se a matriz A do sistema Ax = b for estritamente diagonalmente dominante,
ento o mtodo iterativo de Gauss-Seidel convergente para a soluo do
sistema dado, pois, teremos < 1 .
Observa-se, ainda, que a convergncia no depende da soluo x(O) ini
cial dada.
Exemplo 2.21
Usando o mtodo iterativo de Gauss-Seidel, determinar uma soluo
aproximada para o sistema dado a seguir, com aproximao inicial
x(O) = (x(), x(g), x(g)) t = (O, O, O)t e preciso E = 10-2
2
5
3
62 Clculo Numrico
Construo da matriz H:
H = -1 5r
-2/10 -1/10
o -1 /5
]
-2/10 -3 /10 o
Verificar a condio de convergncia (critrio de Sassenfeld):
3
131 = I l h1j 1 13 1 = 3 1 10 = o.3000
j=2
132 = 1 h2 1 1 13 1 + 1 h 23 I 132 = 13 / 50 = 0.2600
133 = 1 h 3 1 l !31 + I h 32 l !32 j33 = 69 1 500 = 0.1380
Assim,
13 = mx1S i S 3 13i = mx 1 S i S 3 {0.3000, 0.2600, 0.1380} < 1
Portanto, temos garantia da convergncia da seqncia de solues
aproximadas geradas pelo mtodo iterativo de Gauss-Seidel.
Assim, temos:
X1( k +l ) -
-- 14 - - 2 X( k ) - 1 (k)
10 10 2 - 10 X3
X(2k +l ) =
11 - 1 X( k +l ) - 1 X( k ) k = o, l, 2, .
S S 1 S 3
..
X(k
8 2
3 +l ) -- - - - X(1k +l ) - - X(2k +l )
3
10 10 10
Para k = O, tomando x(O) = (O, O, O)t, temos:
x( t l = (1.4000, 1.9200, -0.0560)t
Teste de parada
li x( l l - x ( O l l l = l > 10-2
l x() IL
Para k l, temos:
=
1 2 1
1 = 4 - X( 1 ) - X( 1 )
X(2) lQ lQ 2
lQ 3
11 1 1
2 - 5 5 1 5 3
(1)
X(2) - - - - X(2) - - X
8 --
2 X(2) - - 3 X(2)
3 -- -
X(2)
10 10 1 10 2
Portanto,
li < 2 l - x = (1.0216, 2.0069, - 0.0064)1 x o. 188s > 10 -
2
< 2)
l i x IL
=
l i x< 3 l - x < 2 > I L

3
x < > = (0.9993, 2.0014, - 0.0003)1 = 0.0111 > 10- 2
x
l < J l IL
x< 4 > -
x< 4 > = (0.9998, 2.0001, - 0.0001)1 li 4 x (3>1 L = 0.0007 < 10- 2
l i x< > I L
ento, temos a soluo aproximada para o sistema x = x< 4> com a preciso
E = l0-2.
Observao
possvel perceber que a seqncia de aproximaes x( I ), x(2), ... converge
para a soluo exata do sistema proposto, que x = (1, 2, 0)1
Interpretao grfica
Podemos interpretar graficamente as solues aproximadas geradas pelo
mtodo iterativo de Gauss-Seidel no R2, a partir do seguinte exemplo:
Considere o sistema de equaes lineares
{
2 X 1 + X2 = 2
X1 - 2 X 2 = - 2
Tomando uma soluo inicial x < 0 > = (x l, x0>)1 = ( O, 0)1 e uma tolerncia
E = l0 -2 .
Construo da matriz H:
Verificar a condio de convergncia (critrio de Sassenfeld):

2
1 = :L 1 h 12 I 1 = 1 1 2
j= 2
2 = 1 h21 1 1 2 = 1 / 4
Assim,
l :!> i :!>2 i 1S i :!>2 {1 /2, 1/ 4} < 1
= mx = mx
64 Clculo Numrico
Portanto, temos a garantia de convergncia da seqncia de solues

aproximadas gerada pelo mtodo iterativo de Gauss-Seidel.
{
Clculo das iteraes:
X(k+l)
1 1 - -1 X(k2 )
l
=
k o l, 2, ...
= ,
(k+l) - +
X2 1
2 X1
(k+l)
Como para k = O, tomando x(O) (O O)t, temos

= ,
x(I ) (1, 1.5)

=
Teste de parada
Para k 1 temos:
=
1/4 = 0.2500
9/8 = 1 . 1250
Portanto,
x(2) (0.2500, l.1250)t
=
Teste de parada:
Assim, sucessivamente, calculamos:

li x! J > - x< 2 > 1
3
x< > (0.4375, l.2188)t l > IL 00
0.1538 > 10 -2
i x! J
= =
x! 4 ) - x ! J >
x! 4 > (0.3906, l.1953)t l i . 1 4 > L l 0.0392 > 10 -2
00
x
x < 5> (0.4023, l.201 W li ) S> t 1 0.0097 < 10 -2
00
li x!
= =
Logo, x(S) a soluo aproximada do sistema dado com a preciso

E = l0-2.
Observao
Note que a seqncia de aproximaes x(I J, x(2J, x(3J, x(4J, ..., x(n) converge para
a soluo exata do sistema proposto, x = (2 / 5, 6 / 5)1 = (0.4, 1.2)1
Graficamente temos:
Figura 2.2
Podemos observar na Figura 2.2 que, quando calculamos x 1 ( k+I J = 1- x 2( k l,

o par (x 1<k+IJ , x2<k l ) satisfaz a primeira equao do sistema. Em seguida,
quando calculamos x 2< k+I l = l+ x 1< k+t l, o par (x 1< k+1 > , x 2< k+I l) satisfaz a segunda
equao do sistema.
2.6.5 Trabalhando com o software numrico
No software numrico o usurio deve selecionar o mdulo Sistemas Lineares
e fornecer o sistema de equaes lineares para ser resolvido. Alm disso,
deve selecionar a opo Mtodos Diretos ou Mtodos Iterativos.
Caso esta opo seja Mtodos Diretos, o usurio deve selecionar corre
tamente as condies tericas de aplicabilidade de cada um deles. Se a opo
for Mtodo Iterativo, o usurio deve, tambm, selecionar as condies te
ricas de aplicabilidade e fornecer uma soluo inicial para gerar a seqncia
de solues aproximadas e a preciso E desejada.
Exemplo 2.22
Considere o seguinte circuito eltrico, conforme a Figura 2.3:
A -\MIV4'----+--v1Jrvw-----;2F--Vll\/\Jrv'-3r--Vl/V\Jrv'-
R4
Figura 2.3
Consideraes:
a) Ri = 1 R2 = 2 R3 = 1 Ri = 3 R5 = 5 = 2 R7 = 6 Rs = 1
= 2 R1 0 = 3 Rn = 8 R1 2 = 8
VA = lOO V8 = 0
b) A corrente eltrica de um n p para um n q dada por:
Ipq = (Vp - Vq}/Rpq
onde VP e Vq so as voltagens (Volts) nos ns p e q respectivamente,
e Rpq (Ohms) a resistncia existente entre os ns p e q.
e) Lei de Kirchoff - A soma algbrica das correntes em cada n zero.
Usando o mtodo de eliminao de Gauss-Jordan do software numrico,

determinar as voltagens nos ns 1, 2, 3, 4, 5, 6, 7, 8.
Modelo matemtico do problema
Lei de Kirchoff para o n 1 : + 1 2 1 + 1 81 = O

VA - Vi
IA,
Temos, de acordo com b): I A1 = .

I
O mesmo procedimento deve ser adotado para os outros ns.
Fazendo este procedimento para todos os ns, temos o seguinte sistema

de equaes lineares:
V1
V2
17 - 5 o o o o o -2 1000
V3
1 -4 2 o o o 1 o o
V4
o 6 -9 2 o 1 o o o
Vs
o o 1 -4 3 o o o o
=
o o o 8 -9 1 o o o
V7
o o 8 o 6 - 20 6 o v6 o
Vs
o 12 o o o 3 - 23 8 o
6 o o o o o 10 - 31 o
Usando o software numrico e o mtodo de Gauss-Jordan, o usurio deve

selecionar a opo Mtodos Diretos e a opo Eliminao de Gauss-Jordan,
conforme as janelas da Figura 2.4 a) e b):
>ai b
l -
-2 1 000
_,_ _
o
o o
--
'O '
-20
o
a) b)
68 Clculo Numrico
Desta forma, temos a soluo do sistema com a preciso de 4 casas deci

mais, conforme Figura 2.4 c):
e)
Figura 2.4
Assim, podemos escrever a soluo:

V1 = 82.9622 V2 = 68.44 1 4 V3 = 67.4734 V4 = 66.5053
V5 = 66.1826 V6 = 63.60 1 2 V7 55.8567 Vs = 34.0755
=
Exerccios
r ] rX2X1] l
1. Considere o seguinte sistema de equaes lineares:
-9 5 6
X3
ll
2 3 ]. = 4
-1 1 - 3 -2
a) Resolva o sistema dado usando o mtodo de decomposio LU.
b) Caso possvel, determine a matriz inversa da matriz A do sistema dado,
usando o mtodo de eliminao de Gauss com pivotamento parcial.
c) Caso haja convergncia garantida, resolva o sistema dado pelo mtodo
iterativo de Gauss-Seidel com x(O) = (x1 (0), x2(0), x3(0) = (0.1, 0.2, 0.5)
e E = 0.01.
d) Caso haja convergncia garantida, resolva o sistema dado pelo mtodo
iterativo de Jacobi-Richardson com x(O) = (x1 (0), x2(0), x3(0) (.l, 0.2, 0.5)
=
e E = 0.01.
e) Compare o nmero de iteraes de ambos os mtodos. O que voc

pode concluir?
-
12
. 5 6 1 X1 7
2 3.4 1 o X2 1
=
-1 1 - 3 1 X3 -2
5.6 - 2 1 1 X4 2
Usando o software numrico, resolva o sistema dado pelos seguintes
mtodos diretos:
a) Eliminao de Gauss-Jordan.
b) Eliminao de Gauss com pivotamento diagonal.
c) Eliminao de Gauss com pivotamento total.
a) Caso possvel, resolva o sistema dado usando o mtodo de decompo

sio de Cholesky.
b) Caso possvel, resolva o sistema dado usando o mtodo de decompo
sio LU.
c) Caso possvel, resolva o sistema dado usando o mtodo de elimina
o de Gauss com pivotamento parcial.
d) Calcule apenas a 3 coluna da matriz inversa de A dada, usando o
mtodo de decomposio de Cholesky.
a) Determine a matriz inversa A-1 , da matriz A dada, usando o mtodo

de Gauss-Jordan.
b) Resolva o sistema dado usando o mtodo de eliminao de Gauss
com pivotamento parcial.
70 Clculo Numrico
c) Resolva o sistema dado usando o mtodo de eliminao de Gauss

com pivotamento total.
d) Resolva o sistema dado usando o mtodo de eliminao de Gauss
com pivotamento na diagonal.
5. X X11 X X
Mostre que li I L $ li $ n l i t E Rn .
6. Dado o sistema de equaes lineares:
4X{4x11 +-Xzx2 ++ X33x3 ==72
-X1 + 5X2 + 3X3 = 3
seja satisfeito. possvel o mesmo processo para o critrio das linhas?
Reordene as equaes e as incgnitas de modo que o critrio de Sassenfeld
Justifique.
0.[0.925872 0.0.3166 0.0.1224j [XzX1j [7 j
=
0.147 0.21 0.25 X3 8
9
Resolva o sistema dado, usando um mtodo direto visto e com o auxlio

do software numrico.
8. Determine uma frmula para calcular o nmero de operaes aritmti
cas envolvidas na resoluo de um sistema de equaes de ordem n pelo
mtodo de eliminao de Gauss com pivotamento diagonal.
x (O)
a) Caso haja convergncia garantida, resolva o sistema anterior usando o
mtodo iterativo de Jacobi-Richardson a partir de = (O O O) e E = 0.1.
b) Caso o critrio de Sassenfeld esteja satisfeito, usando o mtodo itera
tivo de Gauss-Seidel, resolva o sistema dado a partir de =
eE= 0.01. O) x (O) ( - 2 1
10. Prove que se A E 9t(n, n) de componvel em LU, ento

uii = dj 1. = 1 , ... ,n e Llo = 1 .
-- A
di-1
11. Resolva o seguinte sistema de equaes lineares usando o mtodo de
eliminao de Gauss, com o auxlio do software numrico.
o 5 -1 2 X1 10
o 8 -1 1 X 2 16
2 1 -1 -1 X3 = 2
o -1 -2 1 X 4 -2
12. Considere o sistema de equaes lineares:
a) Faa trocas de linhas e, caso possvel, resolva o sistema obtido usando

o mtodo LU.
b) Determine a inversa da matriz A dada, usando o mtodo de elimi
nao de Gauss-Jordan.
c) Resolva o sistema dado usando o mtodo de eliminao de Gauss
com pivotamento parcial.
d) Faa trocas de linhas, verifique a convergncia, resolva-os usando os
mtodos iterativos de Jacobi-Richardson e Gauss-Seidel, com E = 0.01.
13. Considere o sistema de equaes lineares:
a) Faa trocas de linhas e determine um intervalo de valores positivos

para t de forma que o critrio de Sassenfeld seja satisfeito.
b) Tome t 4, faa trocas de linhas e resolva o sistema obtido usando o
=
mtodo iterativo de Gauss-Seidel, com x(O) (0.1, 0.1, 0.1) e E = 0.01.

=
14. Mostre que se A e 9t(n,n) simtrica e de componvel em LU, ento a

matriz A se decompe na forma A = LDL1 , onde L e 9t(n, n) uma matriz
triangular inferior e a matriz D e 9t(n,n) uma matriz diagonal.
72 Clculo Numrico
15. Uma indstria produz quatro tipos de produtos (1) (2) (3) e (4), os quais
so processados e produzidos no decorrer da semana. Para produo de
cada unidade desses produtos necessita-se de quatro diferentes tipos
de matria-prima (A) (B) (C) e (D), conforme tabela dada:
A B e D
(1) 1 2 4 1
(2) 2 o 1 o
(3) 4 2 3 1
(4) 3 1 2 1
Por exemplo, para produzir uma unidade de (1) precisa-se de 1 unidade

de A, 2 unidades de (B) 4 unidades de (C) e 1 unidade de (D).
A indstria possui disponvel em estoque 16, 13, 27 e 7 unidades de
A, B, C e D, respectivamente. Quantas unidades de cada produto podem
ser produzidas?
Formule um modelo matemtico e resolva-o usando o mtodo de
decomposio LU do software numrico e analise os resultados obtidos.
Captulo 3
Soluo Numrica de Equaes
3.1 Introduo
Apresentamos, neste captulo, mtodos numricos para resoluo de equa
es na forma f(x) = O, onde f(x) uma funo de uma varivel real. Nas diversas
reas cientficas, freqentemente deparamo-nos com problemas reais envol
vendo a resoluo dessas equaes.
Resolver a equao f(x) = O consiste em determinar a soluo (ou solu
es) real ou complexa x tal que f(x) = O. Por exemplo, consideremos a
equao f(x) = cos(x) + x2 + 5 = 0 . Desejamos detemnar a soluo x tal que
f(x) = cos(x)+ x2 + 5 = 0.
Mtodos iterativos so desenvolvidos para detemnar aproximada
mente essa soluo real x, embora tenhamos mtodos iterativos especficos
para determinar a soluo x quando esta um nmero complexo.
Apresentamos os mtodos iterativos para determinar a soluo x quando
esta um valor real e, para isso, necessitamos de uma soluo inicial Xo A partir
desta geramos uma seqncia de solues aproximadas que sob determi
Esta soluo inicial, Xo pode ser obtida atravs de recursos grficos, em

nadas condies tericas convergem para a soluo desejada x.
que localizamos uma vizinhana ou um intervalo [a, b] onde se encontra a

soluo x, conforme exibimos na Figura 3.1.
Observando a Figura 3.1, vemos que a soluo x tal que f(x) = O en
contra-se no intervalo onde a funo f(x) corta o eixo das abscissas, isto ,
quando a funo apresenta sinais opostos.
Podemos, ento, tomar uma soluo inicial Xo nas vizinhanas dessa raiz,
isto , no intervalo [a, b ] , para inicializar a seqncia de solues aproximadas
durante a aplicao dos mtodos iterativos que sero apresentados poste
riormente neste captulo.
73
74 Clculo Numrico
f(x)
f(b) ..................... . .......................... . .............. . ..... .._

. .. .
. __ f(x)
a
b
!
X
.... .... . ..... ..... ....

f(a) .. . . . ..
Figura 3.1
Definio 3.1
Dizemos que X: uma raiz ou um zero de f(x) se f(x) = O.
Seja f(x) = x2 -7 = O. Temos que as razes da equao so:

Exemplo 3.1
X: = J7 = 2.6458 e, neste caso, f(x) = O.
3.2 Localizao das razes: mtodos grficos

Apresentamos dois procedimentos grficos que podem ser usados para a
localizao das razes da funo f(x):
i) Consiste em traarmos o grfico de f(x) e, onde este cortar o eixo das
abscissas, temos a raiz (razes) de f(x), conforme exemplo a seguir.
Considere a funo f( x ) = x2 - 7 , conforme grfico ilustrado na Fi

Exemplo:
gura 3.2.
Observando a Figura 3.2, vemos que o grfico de f(x) permite iden
tificar onde esto aproximadamente as razes de f(x). Neste caso, te
mos as razes x = J7 ::: 2.6458 , e f(x) ::: O.
Soluo Numrica de Equaes 75
f(x)
f(x)
o X
-7
Figura 3.2
ii) Consiste em transformarmos a equao f(x) O na forma equivalen

te f1 (x) = f2 (x). Os pontos de interseco dos grficos f1 (x) e f2 (x)
=
sero as razes procuradas, conforme exemplo a seguir.

Exemplo:
Considere a equao f(x) = x2 -_!_=0, x * O.
X
Podemos escrever a equao dada, na forma equivalente por:
x2 = ..!., isto , f1(x) f2(x), com f1(x) x2 e f2(x) l/ x, conforme
X
= = =
grfico da Figura 3.3:
f(x)
f2(x)
X
f2(x)
Figura 3.3
76 Clculo Numrico
Observando a Figura 3.3, vemos que a raiz .x encontra-se na inter

seco dos grficos f1 (x ) e f2 ( x ) . Neste caso, temos uma nica raiz
x = 1, j que x2 = ou f(x) = O.
X
3.3 Mtodos numricos para resoluo de equaes

Nesta seo apresentamos alguns dos principais mtodos para resolver nu
mericamente uma equao.
3.3.1 Mtodo da bisseo

O mtodo da bisseo baseado no teorema do valor intermedirio, o
qual afirma que se uma funo contnua no intervalo [ a, b ] satisfaz a con
x E [ a, b ] tal que f(x) = O, isto , existe pelo menos uma raiz no intervalo [a, b]
dio f(a)f(b) < O, (valores de f(a) e f(b) com sinais opostos), ento existe
(veja Figura 3.4).

A idia geral do mtodo da bisseo consiste em, a partir de um in
tervalo [a, b ] localizado inicialmente onde encontra-se a raiz X:, determinar
uma seqncia de intervalos [11 , sd i = O, 1, ... onde 1() = a e s0 = b, de forma
que a amplitude do intervalo numa iterao a metade da amplitude do
intervalo anterior e que sempre contenha a raiz X:.
A seqncia de intervalos ser calculada at que a amplitude do inter
valo seja menor que uma tolerncia E preestabelecida.
Podemos representar graficamente conforme Figura 3.4:
As seqncias ri, si e xi so construdas da seguinte maneira:
f(x)
f(b) f(x)
a
b X
f(a)
Figura 3.4
a) Determine um intervalo inicial [JQ , s0 ] tal que f(10 )f(s0 ) < 0.

b) Calcule xi = ( G + sJ / 2 ponto mdio do intervalo
c) Se f(xJ = O, ento xi uma raiz de f(x)
Se f(11 )f(xJ < O, ento G+1 = Ji e si+l = xi
G+1 = xi e si+l = si
d)
e) Se f(11 )f(xi ) > O, ento
Podemos representar graficamente conforme mostra a Figura 3.5:
f(x)
f(so) .........................................................................
--:".f(:-::x)

i X
f(r0) .............................. !
Figura 3.5
Para i = O, temos:
Xo = (r0 +s0)/2 ponto mdio
Como f(r0) f(Xo) < O, tomamos:
r1 = r0 e s 1 = Xo
Para i = l, temos:
x1 = (r1 +s1)/2 ponto mdio
Como f(r1) f(x 1 ) < O, tomamos:
e, assim, sucessivamente at determinarmos a raiz X: da equao com uma

preciso E desejada.
78 Clculo Numrico
Convergncia
No mtodo da bisseo, determinamos uma raiz da equao construindo
seqncias de intervalos ri e si e uma seqncia de solues aproximadas xi
tal que:
a) A seqncia li , i = O, l, ... crescente e limitada superiormente por s0
e, portanto, tem um limite superior que denotamos por r.
b) A seqncia su i = O, l, 2, ... decrescente e limitada inferiormente
por r0 e, portanto, tem um limite inferior que denotamos por s.
c) A seqncia xi i = O, 1, ... tal que li < xi < s i .
Por construo das seqncias temos:
1 1
(si -li ) = 2 (si-1 -li-1 ) = = i (so -10 )
2
im i (si -li )l = e, portanto, r = im li = im si = s
1-+oo !-too !-too
Alm disso, de c) temos que:

im xi = r
1-+oo
Devemos ainda mostrar que o limite acima a raiz da equao f(x) = O.
Observemos que f( li ) f(si ) < O , para todo i. Ento temos:
O ;;::: Hm [f( !i ) f(sJ] = limf
i-+oo (!i ) lim
i-+oo f(si ) = f (r ) f(s) = [f ( r ) ]2
i-+oo
Portanto, f(r) = O e r = im xi . !-too
Estimativa do nmero de iteraes

O nmero de iteraes necessrias para se obter uma raiz X: da equao
f(x) = O, pelo mtodo da bisseo com uma preciso E > O, previamente fixada,
decorre de:
Supondo-se que x est entre Xn e sn, temos:
) = (sn - rn ) = (so - 10 )
1 Xn -X 1 -< (Xn
_
2n + 1
_ J;,
2
Impondo que So2n+
- l{J
l <E para garantir que l xn - x l < E, temos:
log ( 8= ) < log(E)

ou
n>
log( s0 - :ro ) - log(E) 1
----"---
-' ----=-
log 2
Logo, n o nmero mnimo de iteraes que devem ser realizadas para
obter X: com uma preciso E.
Algoritmo 3.1
Dados E > O, o intervalo inicial [1-0 , so ] que contenha a raiz, isto ,
f(r0) f(s0) < O. Faa Pare = Falso, i = O.
1.
2. Enquanto Pare = Falso, faa

2.1 Determine xi = (ri + sJ / 2.
2.2 Se l f (xi ) l E , ento Pare = Verdade.
Seno
Se f(11 ) f(xJ < O, ento 11+1 = 11 e si+l = xi
Seno 11+1 = xi e si+l = si
lx x
2.3. Se j+ l 1 < E, ento Pare = Verdade
1- I
Xi + l
Seno i = i + 1
Exemplo 3.2
Usando o mtodo da bisseo, resolva a equao x 2 +ln(x) = 0, com E = 0.01.
a) Determinando graficamente uma vizinhana para a raiz, considera
mos a forma equivalente x2 = - ln(x), ou seja, f1 (x) = x2 e f2 (x) = - ln(x) ,
conforme ilustrado na Figura 3.6:
x 1 X
f2(x)
Figura 3.6
80 Clculo Numrico
Observando a Figura 3.6, podemos concluir que a raiz X: encontra-se

na interseco dos grficos f1 (x) e f2(x), e pertence ao intervalo [0.1, 1].
b) Considerando o intervalo inicial r0 = 0.1 e s0 = l, temos f(O.l)f(l) < O,
portanto,
2 temos uma raiz no intervalo [0.1, l]. Observe que a funo
f(x) = x + ln(x) contnua no intervalo dado.
c) Seqncia de solues aproximadas:
Xo = 0.5500 soluo inicial dada
lx -x 1
X1 = 0.7750 1l xi 1 o = 0.2903 > E
x2 = 0.6625 2 1 = 0.1 698 > E
l x -X 1
l xi I
l x -x I
X3 = 0.6063 31 x 2 = 0.0927 > E
3I
X4 = 0.6344 41 x 3 I = 0.0443 > E
lx -x
4I
l x5 -X4 I
x5 = 0.6485 = 0.0217 > E
l xs I
= 0.0107 > E
l x6 -xs l
"6 = 0.6555
1 x6 I
x7 = 0.6445 7 6 I =-0.0171 > E
l x -x
l x7 I
x8 = 0. 6425 s 7 I = 0.0031 < E
l x -x
l xs I
Como o critrio de parada foi satisfeito, temos a soluo aproximada:
x :: 0.6425.
d) Clculo do nmero mnimo de iteraes:

log
n > log(so - ro )- (E) - 1 = 6.4918 -1 = 5.4918
log 2
Portanto n > 5.4918, temos que n = 6, isto , devemos executar no mnimo 6
iteraes para obter a raiz X: com a preciso E desejada.
3.3.2 Mtodo das aproximaes sucessivas
Considere a equao para ser resolvida na forma f(x) = O.
O mtodo das aproximaes sucessivas consiste em transformarmos a
equao dada na forma equivalente x = lj>(x), onde lj>(x) uma funo de uma
varivel real a qual denominamos funo de iterao.
A determinao da raiz desejada x baseada na seqncia de solues

aproximadas gerada atravs do processo iterativo Xk+l <l>(xk ) k = O, l, ...
=
Existem sempre vrias maneiras de transformar a equao dada na forma

equivalente x = <l>(x).
Considere, por exemplo, a equao f(x) = x2-7x = O.
Podemos escrever de forma equivalente as seguintes formas:
a) x = J7X e o processo iterativo correspondente xk+ l = <l>(xk ) = 7xk

k = o, 1, ...
2 x2
b) x = x e o processo iterativo correspondente xk+i = <l>(xk ) = ___!._
-
7 7
k = o, 1, ...
c) Tomando a equao x2-7x = O e somando x em ambos os lados temos:

x = x2 - 6x e o processo iterativo correspondente xk+ l = <l>(xk ) = xk2 - 6xk
k = o, l, ...
De uma maneira geral, podemos construir uma funo de iterao da

seguinte forma:
Considere uma funo 0(x) : 9t 9t, contnua e tal que 0(x) * O para todo x.
Multiplicando 0(x) na equao f(x) = O e somando x em ambos os lados,
temos a forma equivalente x + S(x)f(x) = x , de modo que uma funo de
iterao pode ser tomada como <j>(x) = x +0(x)f(x) , ou seja, x = <l>(x) equiva
lente a f(x) = O.
Assim, podemos concluir que x uma raiz de f(x) = O, se e somente se
satisfizer a forma equivalente x = <j>(x) . O processo iterativo correspondente,
xk+l = <l>(xk ) k = O, l, ... , gera uma seqncia de solues aproximadas a par
tir de uma soluo inicial Xo dada, como segue:
Xo soluo inicial
X 1 = <l>(Xo)
X2 = <l>(x 1 )
Podemos interpretar graficamente esta seqncia, conforme Figura 3.7:

82 Clculo Numrico
f(x) y=x
<l>(x)
X1 X
Figura 3.7
Convergncia
Teorema 3.1
cujo centro X: a raiz procurada. Seja x0 e 1 uma aproximao inicial.

Seja <j>(x) uma funo contnua e diferencivel num intervalo 1 = [ a , b]
Se l <1> '(x) l $ K < l, para todo x e 1, ento a seqncia { xk } k = O, l, 2, . .
gerada por xk+l = <!>(xk ) pertence a 1 e converge para a raiz X: (condio
.
suficiente).
Prova: Induo finita.
a) Xo e 1 por hiptese.
b) Supor x1 ,x2 1 ,xk e 1.
c) Mostrar que xk+ l e 1.

Temos que:
x = <!>(x) e xk+1 = <l>(xk )
Ento: l xk+ 1 - x l = l <1><xk ) - <1>(x) I
Usando o teorema do valor mdio do clculo diferencial integral,
temos que:
Como por hiptese, l <1> '(x) l $ K < l , 'v' x e l, temos que:

l xk+1 -xk 1 $ K l xk -x l < l xk -x l
Portanto, xk+I E 1.
Devemos mostrar ainda que xk+I x, quando k oo
Como K < 1, temos + I O quando k oo

Portanto, xk+I x.
aproximaes sucessivas, representando um caso no qual temos convergncia da

Apresentamos, a seguir, uma interpretao geomtrica do mtodo das
seqncia de solues aproximadas e um caso em que temos divergncia da se
Seja a tal que tg( a) = <!> ' (x), isto , a o ngulo que a reta tangente curva
qncia de solues aproximadas.
no ponto x faz com o eixo das abscissas.
Consideramos, respectivamente, os casos nos quais temos um ngulo
O a < 7t / 4 e quando 7t / 4 a < 7t / 2, como segue:
a) O a < 7t / 4, isto , O <j>(x) < 1

Portanto, nas vizinhanas da raiz x, l '(x) I < l, e o Teorema 3.1 garan
te convergncia na seqncia de solues aproximadas gerada pelo
mtodo das aproximaes sucessivas, a qual ilustrada pelo grfico
na Figura 3.8:
f(x)
y=x
<)>(x)
<l><Xo)
7f'-----:::>!""

.. .
. ... . . .
.
.. .. .. . . <X 1
X
Figura 3.8
84 Clculo Numrico
Observando a Figura 3.8 vemos que, neste caso, temos a seqncia de

solues aproximadas gerada pelo mtodo das aproximaes sucessivas con
vergindo para a raiz X:.
b) 7t/4 $ a < 7t/2
l $ <j> '(x) < oo , isto , l $ <j> '(x)
Portanto, nas vizinhanas da raiz X:, l <l>'(x) I > 1, e no temos nenhuma

garantia de convergncia na seqncia de solues aproximadas gerada pelo
mtodo das aproximaes sucessivas, a qual ilustrada no grfico da Fi
gura 3.9.
f(x)
<j>(x)
y=x
- - - - - - - - - - - _,_ -
----/
'
- - - - - - - - /
Xz
X
Figura 3.9
Observando a Figura 3.9 vemos que, neste caso, temos a seqncia de

solues aproximadas gerada pelo mtodo das aproximaes sucessivas
divergindo da raiz X:.
A interpretao grfica do mtodo das aproximaes sucessivas, com
a variao dos ngulos nos demais quadrantes, fica a cargo do leitor como
exerccio.
Algoritmo 3.2
1. Defina a funo de iterao <!>(x) tal que f(x) = O H x = <!>(x).
Faa Pare = Falso, i = O e defina XQ, soluo inicial, e E > O, uma tole
rncia fixa.
2.1 Xi+l = <!> (xJ
2.2 Se 1 i; 1 i 1 < E, ento Pare = Verdade
x -x
.
Hl
Seno i = i + 1
Exemplo 3.3
Usando o mtodo das aproximaes sucessivas, resolver a equao cos(x) - x = O
com E = 0.01 .
a) Localizao grfica de uma vizinhana para a raiz x, conforme
Figura 3.10.
y=x
f(x)
cp(x) = cos(x)
Figura 3.1 0
b) A equao cos(x) - x = O pode ser escrita na forma equivalente:

Considerando 0(x) = 2 e somando x em ambos os lados da equao,
temos: x = 2cos(x) -x .
Assim, o processo iterativo dado por:
xk+t = 2cos(xk ) -xk
86 Clculo Numrico
Temos:
l <!>'(x) I = l -2sen(x) - l l
Para quais valores de x, 1 <!>'(x) I < 1 ?
Podemos observar que l <!>'(x) l < l para valores de x tal que -1 < sen(x) < O
e, portanto, no temos nenhuma garantia de convergncia, pois l <!>'(x) l > l nas
vizinhanas da raiz, conforme podemos verificar tambm na Figura 3.10.
Gerando a seqncia de solues aproximadas, atravs do processo ite
rativo xk+i 2cos(xk ) - xk , temos:
Xo 0.7000 soluo inicial dada
=
X 1 0.8297
=
Xz 0.5205
=
X3 1.2146
=
X4 = --0.5172
X5 2.2556
=
Podemos observar que a seqncia est divergindo.

c) A equao cos(x) - x O tambm pode ser escrita de forma equi
=
valente por x cos(x) e o processo iterativo correspondente, por

=
xk+ l cos(xk)
=
Temos l <!>'(x) l = l - sen(x) l < l , nas vizinhanas da raiz, conforme pode

mos observar na Figura 3.10 e, portanto, temos garantia de convergncia.
A seqncia de solues aproximadas, atravs do processo iterativo
xk+ l cos(xk}, dada por:
=
Xo = 0.7000 soluo inicial dada

X1 0.7648
=
l x1 - xo l = 0.0847 > E
1 Xi 1
x2 0.7215
=
l x2 - xi l = 0.0600 > E
I x2 I
X3 0.7508
l x3 - x2 I = 0.03900 > E
1 x3 I
=
x4 = 0.7311 l x4 - x3 I 0.0269 > E

l x4 I

x5 = 0.7444 l xs - x4 I 0.01790 > E

l xs l

x6 = 0.7355
l x6[ - xs I = 0.0121 > E
x6 I

x7 = 0.7415
l x7 - x6 I = 0.0081 < E
l x7 I

Como o critrio de parada est satisfeito, temos a soluo aproximada

para a equao dada:
x :: x7 = 0.7415
3.3.3 Mtodo de Newton

Sabemos, do mtodo das aproximaes sucessivas, que, se l <l>'(x) l < l , para x
nas vizinhanas da raiz, e escolhendo-se x0 uma "boa" aproximao inicial,
a seqncia gerada pelo processo iterativo xk+t = <l>(xk ) k = O, 1, ... conver
gente para a raiz x.
O Mtodo de Newton consiste em determinar uma funo <l>(x) tal que
l <l>'(x) I = O. Neste caso, para x nas vizinhanas de x, temos <l>'(x) :: O e, por
tanto, l <l>'(x) l < l e a convergncia garantida (<l>(x) e <l>'(x) so funes con
tnuas). Para isto, considere <l>(x) = x +0(x)f(x).
Procuramos agora uma funo 0(x) tal que:
<l> '(x) = 1 +e'(x)f(x)+ f '(x)e(x) = o .
Como f(x)=O e, supondo que f'(x) :; O, temos que:
0(-X ) = -1
f '(x)
Assim, uma escolha para 0(x) tomada por 0(x) = --=!.__ e, portanto, de
f'(x)
<l>(x) = x + 0(x)f(x)
temos
<l>(x) = x - f(x) / f'(x)
Desta forma, o processo iterativo dado por:
<l>(xi ) = xi -f(xJ/f'(xJ
xi+i = xi --1 f(x . ) mtodo de Newton
-
f'(x)
O mtodo de Newton possui a interpretao grfica conforme ilustra a
Figura 3.11:
88 Clculo Numrico
f(x)
f(xi) - - - - - - - - - - - - - - - - - - - - - - -
Figura 3.1 1
Definindo como a o ngulo formado com o eixo das abscissas atravs

da reta tangente funo f(x) no ponto xi (veja a Figura 3.11), temos:
tg(a) = f(x1 ) , ou seja:

(xi - Xi +i )
Portanto, temos:
f(x )
Xi+l = Xi - f'(x)i -7 mtodo de Newton
O mtodo de Newton tambm conhecido como mtodo das tangentes,

em razo de sua interpretao grfica.
Note que o mtodo de Newton requer que f'(xJ :;t: O para todo i. No
caso em que f '(xJ = O (supondo f(xJ :;t: O), a reta tangente funo no pon
to xi paralela ao eixo das abscissas, e xi+l indefinido. Porm, se f'(x) = O
(X: tal que f(x) = O) e f'(xJ :;t: O, o mtodo de Newton est bem definido, em
bora a convergncia seja mais lenta.
Podemos analisar esta situao observando, na Figura 3.1 2, que tanto

f'(xJ O como f(xJ O na medida em que calculamos as solues aproxi
madas.
f(x)
o X
Figura 3.1 2
Convergncia do mtodo de Newton

Para examinarmos a convergncia do mtodo de Newton, supomos que f(x),
f '(x) e f " (x) sejam contnuas nas vizinhanas da raiz x.
Como <l>(x) = x - f(x)/ f'(x) , temos que:
 '(x) = l [f'(x)]2 -f(x)f " (x) = f(x)f " (x)
[f'(x)]2 [f'(x)]2
Suponha que x seja uma raiz simples de f(x)=O, ento f '( x ) :;t: O . Entre
tanto, pela continuidade de f'(x) , temos que l f'(x)l E , para algum E O
numa vizinhana de x.
Nesta vizinhana de x, selecionamos uma subvizinhana tal que
l f(x)f " (x) I < E 2, o qual possvel, uma vez que f(x ) = O , f'(x) e f"(x) so
contnuas.
Portanto, nesta vizinhana temos que l <l>'(x)l < l e, de acordo com o teo
rema de convergncia do mtodo das aproximaes sucessivas, o mtodo
de Newton gera uma seqncia convergente para x.
Convergncia quadrtica
Definio 3.2
Dizemos que um mtodo iterativo apresenta convergncia quadrtica se
ei
im ;i = k , onde k chamada constante assinttica de proporcionalidade,
,__ ei
ei = l xi - x j e ei+t = jxi+t -x j so os erros cometidos nas iteraes correspon
dentes.
90 Clculo Numrico
f' (x) O .
Teorema 3.2
q>(x) (x) q> ' (x) = O e,

O mtodo de Newton apresenta convergncia quadrtica, se -:t:.
por construo, temos o processo iterativo xi+t = lj>( xi ). Supondo que

Prova: Sabemos que X: = e f ' -:t:. O implica que
<j>' (x) e <j> " (x) sejam contnuas numa vizinhana da raiz X:, desenvolvendo
 (x) em srie de Taylor at os termos de 2 ordem, em tomo de X:, temos:
q>(x.. ) =<j>(x)+ <l> ' (x) ( x-x)+ lj> " ( ) ( x - x)2 , com s entre x e X:.
1! 2!
Fazendo x Xj, temos:
=
q>(xJ =x+ <!> "2( !J ( xi -x )2 , com Si entre xi e X:

Assim, substituindo xi+t = <j>(xi ), segue que:
(Xi+t - -X) = 2! lj> " ( J (Xi - -X )2

e, portanto:
Assim,
Como S i converge para a raiz X: juntamente com xi, pois est no inter
valo [xil X:], temos:
lim ei+t
i-- er =
l <!> " (x) I = k
2
Para valores de i suficientemente grandes, podemos afirmar que:
isto , o erro absoluto de uma iterao assintoticamente proporcional ao

quadrado do erro na iterao anterior.
Para observar a rapidez da convergncia do mtodo de Newton, consi
dere o exemplo a seguir:
Exemplo 3.4
Usando o mtodo de Newton, resolva a equao x2 - 2 = O, com E = 10-5,
isto , desejamos o clculo de Ji.
Usando o processo iterativo do mtodo de Newton, temos:
xi+ 1 = xi - f(x; ) = 21 (xi + 2 )
f'(xi ) xi
A partir de uma soluo x0 inicial, geramos a seqncia de solues
aproximadas:
x0 = 1.00000 --t
soluo inicial dada
x1 = 1.50000 --t J x1 -xo l = 0.33333 > E
l x1 I
x2 = 1.41667 --t J x2 -x1 1 = 0.05882 > E
l x2 I
X3 = 1.41422 --t I X3 - X2 I - 0.00173 > E
l x3 I
X4 = 1.41421 --t I X4 - x3 I = 0.00001 < E
l x4 I
Como o critrio de parada est satisfeito, temos que x = x4 = 1.41421.
Podemos observar que esta seqncia converge para x = J2.
Desta forma, podemos observar que, na medida em que os valores de xk
se aproximam da raiz x, a convergncia torna-se muito rpida, isto devido
propriedade da convergncia quadrtica do mtodo de Newton.
1. Defina as funes f(x) f'(x) e E > O, uma tolerncia fixa.

Algoritmo 3.3
2. Escolha Xo uma soluo inicial.

Faa Pare = Falso, i = O
3.1 xi+l = xi - f(xi )
f'(x; )
3. Se I rX +Tl I
i
< E, ento Pare Falso
Seno i = i + 1
92 Clculo Numrico
Observao
O leitor pode incluir neste algoritmo algumas modificaes:
a) Modifique o critrio de parada, considerando lf(xi ) I E.
b) Teste se l f'(x) I < E, enquanto l f(xJ I >> E. Se isto acontecer, o mtodo
falha.
c) Inclua o nmero mximo de iteraes.
Exemplo 3.5
Usando o mtodo de Newton, resolva a equao ln(x)+x+ 4 = O, com
:.i)) , geramos a seqncia:

E = 0.001 .
A partir do processo iterativo xi+l = xi -
Xo = 1 .5000soluo inicial dada

x1 2.7567 l xi -xo l = 0.4559 > E

lx1 I
=
x -x l
X2 = 2.9250 l 2x i = 0.0575 > E
l 2I
X -X
X3 = 2.9263 I 3x 2 I = 0.0004 > E
l 3I
""---,---.,--'-
x -x I
2.9263 l 41 3 = 0.0000 < E.
x4 I
X4 =
Como o critrio de parada est satisfeito, temos que x::x4 = 2.9263 .

Observao
Podemos, ainda, modificar o mtodo de Newton, das seguintes formas:
a) O valor calculado da derivada na 1 iterao, f '(x0 ) = k, onde k e 9t,
fixado e sub stitudo no processo iterativo de Newton durante as
iteraes.
Assim, temos:
xi+l = xi - f(J i = O, l, . . .
o qual, conhecido como mtodo modificado d e Newton, que geo
metricamente significa traarmos retas paralelas curva em vez de
tangentes para obter as aproximaes.
b) Podemos tambm modificar o mtodo de Newton atualizando o valor da

derivada periodicamente, isto , dentro de um certo nmero de iteraes.
3.3.4 Mtodo das secantes

O mtodo das secantes consiste em aproximarmos a derivada da funo
f'(x; ) que ocorre no mtodo de Newton da seguinte forma:
Observe que, neste caso, estamos trocando a inclinao da reta tangente

pela inclinao da reta secante curva (veja a Figura 3.13).
Assim, o mtodo de Newton dado por
modificado da seguinte forma:
xi+t = xi - f(x; ) - f(xi_1 )

(xi - xi_i )
Simplificando a expresso anterior, temos:
xi+l = X;-1 f(x; ) - x; f(x) ;_1 ) mtodo das secantes

f(x; )-f(xi_1
Assim, dados os pontos xi-I e xi, onde a reta secante passando por
(xi_vf(xi_1 )) e (xi,f(xi)), cortar o eixo das abscissas, temos a aproximao xi+ t
para a raiz x, conforme ilustrado na Figura 3.13.
94 Clculo Numrico
f(x)
Figura 3.1 3
Assim:
e, portanto,
xi-l f(xi ) - xi f(xi_i ) mtodo das secantes
X+1
1 =
f(xi ) - f(xi -l )
Algoritmo 3.4
1. Seja f(x) contnua e E > O uma tolerncia fixa.
2. Escolha x1, duas aproximaes iniciais.
Xo
Faa Pare Falso e i O.
= =
3. Enquanto Pare Falso faa:

=
3.1 xi+l xi-lf(xJ f(xJ - xi f(xi_1 )

- f(xi- l )
=
i -,;j
3.2 Se 1 x .Xi, + < e , ento Pare Falso
l
=
Seno i i + 1 =
Convergncia
'Como o mtodo das secantes uma modificao do mtodo de Newton,
as condies de convergncia so parecidas, observando-se que no temos
mais a propriedade de convergncia quadrtica.
Quando f(xk ) = f(xk-l ), podemos ter problemas de convergncia, isto , a
seqncia gerada pelo mtodo pode divergir.
Exemplo 3.6
Resolva a equao x3 - l /2 = O, usando o mtodo das secantes com E = 0.01.
Podemos escrever a equao dada na forma equivalente x3 = 1/2.
Chamando f1 (x) = x3 e f2 (x) = 1 /2, temos uma vizinhana para a raiz, na
interseco dos grficos de f1 (x) e f2(x), conforme Figura 3.14:
f(x)
1
1/2 f2 (x)
-1 x 1 X
-1
Figura 3. 1 4
Usando o processo iterativo do mtodo das secantes

x f(xJ - xi f(xi-1 ) ..
xi+l = i-l , temos a sequencia
A
de so1uoes aproximadas:
-
f(xJ - f(xi_1 )
x0 = O e x 1 = 1 soluo inicial dada
x -X 1
1
x2 = 0.5000 l 2 1 = >
I Xz I 1
x3 = 0.7143 l 3 2 I = 0.3000 >
x -x
l x3 I
96 Clculo Numrico
x4 = 0.8355 l 4 3 I = 0.1451 > E

x -x
l x4 I
x5 = 0.7894 s 4 I = 0.0584 > E

lx -x
l xs I
x6 = 0.7932 6 s I = 0.0048 < E

lx -x
I x6 I
Portanto, temos a soluo aproximada x :: x6 = 0.7932, uma vez que o
critrio de parada foi verificado.
Observao
Podemos, ainda, variar o mtodo das secantes e obter outro mtodo, conhe
cido como mtodo da posio falsa, o qual difere do mtodo das secantes
apenas na escolha dos pontos iniciais, Xo e xv os quais devem satisfazer
propriedade f(:xo)f(x1 ) < O e nos pontos escolhidos nas demais iteraes.
Para mais detalhes consulte Burden, R. L.; Paires, J. D.
3.4 Equaes pol i nomiais
Considere a equao polinomial P(x) = a0 xn +a1 xn-l + ... + an = O, onde
ai, i = l, ... , n so reais ou complexos.
Desejamos determinar x tal que P(x) = O. As razes de P(x) podem ser reais
ou complexas. Apresentamos a seguir algumas definies e resultados sobre poli
nmios e equaes polinomiais, sobre a localizao de razes das equaes polino
miais reais ou complexas, e o mtodo de Newton para o clculo dessas razes.
1. Um polinmio P(x) com coeficientes reais ou complexos escrito na
forma P(x) = ao xn + a1 xn -l + ... + an , onde n E N o grau desse polin
mio, com a0 -:t:- O.
Exemplo 3.7
Considere o polinmio P(x) = 7x3 + 2x2 - x - 9.
Neste caso, temos:
a0 = 7 a1 = 2 a2 = -1 a3 = -9 coeficientes de P(x)
n = 3 -? grau de P(x)
2. Dois polinmios P(x) e Q(x) so iguais se seus graus e coeficientes
so iguais.
Sejam os polinmios:
P( x ) = a0 xn + a1xn-1 + ... +an
Q(x) = b0 xn + b1 xn-l + ... + bn
P(x) = Q(x), para todo x, ::> ai = bi i = O, ... , n
3. Seja P(x) um polinmio de grau n 1. Dizemos que X: uma raiz de

multiplicidade m se:
p( l > (x) = p<2>(x) = ... = p<m-1 >(x) -:1; O e p<m>(x)= O, onde p<m >(x) a
m-sima derivada de P(x), no ponto X:.
Exemplo 3.8
Considere o polinmio P(x) x3. =
A 1 raiz x = O uma raiz de multiplicidade trs, pois

P(x) = p< >(x) = O p< 2>(x) = O e p<3>(x) = 6 -:1; O.
Entendemos, neste caso, que o polinmio P(x) = x3, de grau 3, possui
trs razes idnticas, ou uma raiz de multiplicidade 3.
4. A equao polinomial P(x) = ao xn +a1 xn-l + ... +an = O, com coeficien
tes reais ou complexos, possui pelo menos uma raiz, ou seja existe pelo
menos uma raiz real ou complexa tal que P(x) = O (Teorema Funda
mental da lgebra).
5. Seja P(x) um polinmio de grau n 1. A equao P(x) O possui
exatamente n razes (reais + complexas + multiplicidade).
=
6. Seja P(x) um polinmio de grau n 1, ento para qualquer a e 9t

existe um nico polinmio Q(x) de grau (n-1) tal que
P(x) (x- a)Q(x) + P(a), onde P(a) o resto da diviso de P(x) por
(x- a) (Teorema do Resto).
=
Para maiores detalhes sobre os resultados anteriores, consulte Demidovich,

B . P.; Maron, I . A.
Exemplo 3.9
A diviso do polinmio P(x) 6x2--4x+2 pelo polinmio (x--4) resulta
Q(x) = 6x + 20 e o resto dessa diviso, P(4) = 82.
=
3.4.1 Localizao de razes

Apresentamos alguns resultados para a localizao das razes de uma equa
o polinomial.
Teorema 3.3
Seja A = mx n 1 j , ...,1 ak I}, onde ak k = l, ... , n so os coeficientes de P(x).

Localizao no crculo
Ento, o mduo de todas as razes xk k = 1, ... , n satisfaz a inequao

l xk l < l+ A = R

Suponha, por asurdo, que: 1 x 1 1 + lo
A ' de onde segue que 1 x 1 > 1.
)\ '(Q(_,
Prova:
I I
98 Clculo Numrico
Assim., temos:
9= J P(x)J = j ao xn + a1 xn-l + ... + an-1X + an 1
= jao xn -(-ai )xn-l . -(-an-1 )x -(-an )j
_
. .
1 ao xn l -l a1 xn-l l - ... -J an-1 x l - l an l

l ao xn l -A<lxn-1 1 + ... + l x l+ 1)
n
- l ao l lxn 1 - A + A l x l
1- l x l 1- J x J
_
n A A lxJn
1- 1 X 1 1- 1 X 1
a
-l aJ l x l - - +
Assim.:
Se ( lau 1-
1 I )2
O, isto , se l x l 2 1 +
II '
temos que IP(x)I > O.
Logo, os valores de x que satisfazem a inequao inicial no so razes
de P(x) O = .
Portanto, todas as razes satisfazem a inequao
Corolrio 3.1
Seja an * O e B = mx {I a0 1 , ... , 1 n-l I }, ond ak k O, ... , n so os coeficientes de
=
P(x) O Ento, o mdulo de todas as razes xk k 1 , ... , n satisfaz a inequao,

= . =
Prova:
1
Tomando x = - , temos:
y
1 1 1 1
P(x) = a0 - n + a1 yn - 1 + ... + an - 1 - + an = -
--
n Q(y)
Y Y Y
onde,
As razes Yk = __!__, k = 1, ... , n do polinmio Q(y) pelo teorema anterior

xk
satisfazem a inequao:
Observe que an o coeficiente de e a0 o termo independente.
Assim: l xk l >
1
B =r
k = l , ... , n
1+

Observao
Pelo teorema e corolrio anteriores, podemos observar que, no plano complexo
da Figura 3.15, as razes de P(x) = O esto localizadas no anel: r < l x l <_R.
\
t---+-+-----t+-:>
)'
Figura 3.1 5
100 Clculo Numrico
Exemplo 3.10
As razes de P(x) x3 + 2x2 - x - 2
= = O esto localizadas em -3 < xk < - 1/2 ou
1/2 < xk < 3, pois:
Teorema 3.4
Regra de sinal de Descartes
Dada uma equao polinomial com coeficientes reais, o nmero de razes
reais positivas p dessa equao no excede o nmero v de variaes de sinais
dos coeficientes. Ainda mais, (v - p) inteiro par, no negativo.
Prova: Demidovich, B. P.; Maron, 1. A.
Observao:
Para determinar o nmero de razes negativas, basta calcular o nmero de
variaes de sinais no polinmio P(-x).
Exemplo 3.11
Dada a equao polinomial P(x) x3 + 2x2 - x - 2 O aplicando o teorema da
= = ,
regra de sinais de Descartes, temos:

A troca de sinais nos coeficientes de P(x) v 1. Como (v - p) inteiro
=
par temos:
v 1 p l, ento o polinmio deve possuir uma raiz real positiva.
= =
Teorema 3.5
Teorema de Budan-Fourier
Se os nmeros a e b (a < b) no so razes de um polinmio P(x) de grau n,
ento o nmero N(a, b ) de razes reais da equao P(x) O localizadas entre
=
a e b dado por:
N(a, b) - 2k (k natural), sendo = N(a)-N( b), onde N(x) igual
=
ao nmero de variaes de sinais na seqncia de sucessivas derivadas:

P(x), p( l l(x), ... , p n-1 ) ,p(n l(x)
Prova: Demidovich, B. P.; Maron, 1. A.
Exemplo 3.12
Dado o polinmioP(x) x3 + 2x2 - x-2. Aplicando o teorema de Budan-Fourier,
=
vemos que os valores 3 e -3 no so razes de P(x), pois P(3) = 40 e P(-3) -8.

=
Desta forma, possvel calcular o nmero das razes reais localizadas [-3, 3]:
Seja pi (x) i-sima derivada de P(x), assim tem:

P(3) = 40 p(l) (3) = 38 p<2> (3) = 22 p<3> (3) = 6
P(-3) = -8 p(l> (-3) = 14 p<2> (-3) = -14 p<3> (-3) = 6
Assim, temos:
N(3) = O e N(-3) = 3
LW = N(-3)-N(3)= 3-0 = 3
LW(-3, 3)= 3-2k k E N
Portanto, o polinmio dado possui uma ou trs razes no intervalo (-3, 3).
Pela regra de sinal de Descartes, observamos que este polinmio possui
uma raiz positiva e, portanto, o polinmio pode ter duas razes no intervalo
(-3, O) ou no ter nenhuma raiz real negativa.
Teorema 3.6
Teorema de Sturm
Dado o polinmio P(x) e um nmero real a, seja v(a) o nmero de variaes
de sinal na seqncia g0(a), g1(a), ... , gn(a), ignorando-se os zeros, em que
g0(x) = P(x), g1 (x) = P'(x) e que para k 2, gk(x) o resto da diviso de gk_2(x)
por gk-l (x), com sinal trocado.
Se os nmeros a e b no so razes do polinmio P(x), ento o nmero de
razes distintas de P(x) = O no intervalo a x b exatamente v (a) - v(b).
Prova: Durand, E.
Exemplo 3.13
Dado o polinmio P(x) = x3 + 2x2 - x - 2 = O, e usando o teorema de Sturm,
temos:
g0 (x) = P(x)= x3 +2x 2 - x -2 = 0
g1 (x) = p( l > (x) = 3x2 + 4x -1
14 x + -
g2 (x) = - 16
9 9
81
g3 (x) = -
49
Assim, para a = O e b = -1.5, temos:

g0 (0) = -2 go (-1.5) = 0.625
g1 (0) = -1 gl (-1.5) = 0.25
g2 (0) = 16/9 gz (-1.5) = -0.556
g3 (0)= 81/49 g3 (-1.5) = 81/49
102 Clculo Numrico
Sendo v (O) = 1 e V (-1 .5) = 2, temos que v (-1 .5) - v (O) = 1, portanto,
existe uma raiz no intervalo (-1.5,0). Alm disso, pelo teorema anterior, sabe
mos que existem duas ou nenhuma razes no intervalo (-3,0).
Como sabemos que existe uma raiz no intervalo (-1 .5,0), podemos con
cluir que a outra raiz encontra-se no intervalo (-3, -1.5).
3.4.2 Determinao das razes reais

Para determinar as razes reais de um polinmio P(x), podemos usar qual
quer mtodo visto anteriormente neste captulo, porm apresentamos o m
todo de Newton com o mtodo de Briot-Ruffini, o qual avalia o polinmio e sua
derivada num ponto xi com um nmero mnimo de operaes aritmticas.
Mtodo de Briot-Ruffini
Sabemos que, dado um polinmio P(x), e a e 9t, existe um nico polinmio

Q(x) de grau (n-1) tal que P(x) = (x-a)Q(x) + P( a). Note que P( a) o resto da
diviso de P(x) por (x-a).
O mtodo de Briot-Ruffini consiste em determinar os coeficientes de
Q(x) e P(a) diretamente, como segue.
Sejam:
Q(x) = b0 xn-l + bl xn-2 + ... + bn-1

P(a) = bn (resto da diviso)
Temos:
[a0xn + a1Xn-1 + . + an ] = (X-<l) [bo Xn-1 + b1X n-2 + ... + bn-1 ] =
..
Pela igualdade dos polinmios, temos que:

= ao bo bo = ao
a1 = b1 - a b0 bl = 1 + a bo
n-1 = bn-1 - a bn-2 bn-1 = n-1 +a b n-2
an = bn -a bn-1 bn = a n +a bn-1
Note que, desta forma, P(a) = a0 an + a1 an-I + ... + an pode ser calculado
1 com n operaes de adio e n operaes de multiplicao.
Esquema prtico de Briot-Ruffini

Podemos obter facilmente os coeficientes de Q(x) e o resto de diviso P(a),
conforme esquema prtico que segue:
a.
.!..
.............. ..... ......... .........................................................: .... :..........................
bn P(a.)
.
Figura 3.1 6
Seja P(x) = 6x3 + x - 1, calcule P(3).

Exemplo 3.14
Assim, temos:
b1 = a1 + ab0 = 0 + 3(6) = 18
b2 = 2 + ab1 = 1 + 3(18) = 55
b3 = a3 + ab2 = - 1 + 3(55) = 164 = P(3)
Usando o esquema prtico de Briot-Ruffini, temos:
6 o 1 -1
. .
-
. .
. .
. .
3 i 6 18 55 i 164 = P(3)
Clculo da derivada de P(x) num ponto a
Como vimos anteriormente, o valor de um polinmio num ponto a pode ser

calculado pelo mtodo de Briot-Ruffini. Vamos agora avaliar P '(a) .
De P(x) = (x-a)Q(x) + P(a), segue que:
P '(x) = (x - a)Q ' (x) + Q(x)
104 Clculo Numrico
Assim, para x = a, temos P'(a ) = Q(a). Portanto, para calcular P'(a), basta
calcular Q(a), ou seja, repetimos o procedimento anterior em Q(x), uma vez que
podemos escrever Q(x) = (x-a.) M(x) + Q(a), onde Q(a) o resto da diviso
de Q(x) por (x-a.) e M(x) um polinmio de grau (n-2) na forma:
Usando o mtodo de Briot-Ruffini novamente, para avaliar Q(a) temos:
Cn-l = bn-l + acn_2 = P ' (a) resto da diviso de Q(x) por (x - a)
Mtodo de Newton + Briot-Ruffini
Como visto anteriormente, temos o processo iterativo do mtodo de Newton:
xi l xi - P(xJ ,
metodo de Newton
p (X )
+ = -, -
i
Neste caso, os valores de P(xi) e P' (xi) so calculados usando o mtodo
de Briot-Ruffini.
Determine uma raiz do polinmio P(x) = x3 + 2x2 - x - 2 usando o mtodo de

Exemplo 3.15
Newton + Briot-Ruffini, com E = 10-3.

Usando o estudo da localizao das razes do polinmio dado feita
anteriormente nesta seo, sabemos que existe uma raiz positiva no inter
valo (-3,3). Podemos, ainda, verificar que P(-3)P(3) < O, garantindo que existe
pelo menos uma raiz neste intervalo.
Tomando-se uma soluo inicial Xo = 2, temos a primeira aproximao
pelo mtodo de Newton, dada por:
Usando o mtodo de Briot-Ruffini para avaliar P(2) e P'(2), temos os

resultados:
1 -1
. .f
2
r. r.
-2
; + 1 : I : +

T
- - - = -
Desta forma, temos:

12 = l.3684
X1 = 2 - -
19
Como l x1 - x0 I = 0.4616 > E, determinamos a segunda aproximao
l xi I
para a raiz:
P(xi )
X2 = X1 - --
P'(X1 )
Usando o mtodo de Briot-Ruffini para avaliar P(xi ) e P'(x1 ), temos:
1 -1
. ..
2
.. .. -2
- -
.....:: . t . .. . . . . . ! .. ....1 . .:. ..1 . .::.

.
1.3684 1 1 1 4.7368 : 10.0911 1

. . . .. . .. ... . ... . .. .
Desta forma temos:

2.9390
X2 = 1.3684 10.0911 = 1.0772
Como l x2 - X1 1 = 0.2703 > E, repetimos o procedimento de Newton:

I x2 I
Assim, sucessivamente, temos a seqncia de solues aproximadas:
x3 = 1.0045 'x_,,3_-_x,.--21 = 0.0724 > E
l x3 I
x 3'
X4 = 1.0000 '_4x_-_X = 0.0045 > E
l 41
Portanto, temos a soluo x 1.0000, uma vez que o critrio de parada =
foi satisfeito.
106 Clculo Numrico
3.5 Sistemas de equaes no lineares

Seja F: 9\ 9\ contnua e diferencivel, isto :
F(x, y, ... , z) = [f1(x, y, ... , z), f2(x, y, ... , z), ... , fn(x, y, ... , z)], onde fi: 9\ 9\. so
funes no lineares.
tal que F(x, y, . . . , z) = O, consiste em resolver o seguinte sis

Detemrinar a raiz desta funo, isto , detemrinar o vetor soluo x-.,._._..,.
a de equaes
no lineares.
f1 (x, y, ... , z) = O
f2 (X , y, ... , z) =
(x, y , ... , z) = O
Exemplo 3.16
{
Considere o sistema de equaes no lineares:
sen(x) + y = O
x 2 + y2 =0-1
soluo (x, y) tal que F(x, y) = O, com F(x, y) =

sen(x) + y
.
[
Determinar a soluo deste sistema equivalente a determinar o vetor
l
x 2 + y2 -1
3.5.1 Mtodo de Newton
Por simplicidade, consideramos inicialmente um sistema de equaes no
{
lineares com duas equaes e duas incgnitas:
f1 (x, y) = O
f2 ( X , y) =
em que F(x, y) =
[ ]
Ou seja, buscamos determinar o vetor soluo (x, y) tal que F(x, y) = O,
f1 (x, y)
f2 (x, y)
Seja (Xo, y0) uma aproximao inicial para a soluo (x, y). Expandindo
f1 (x, y) e f2 (x, y) por srie de Taylor em tomo do ponto (Xo, y0) at a derivada de
1 ordem e igualando a zero a srie truncada, temos:
Como as funes no lineares foram aproximadas por funes lineares,

podemos observar que temos um sistema de equaes lineares para ser
resolvido:
A soluo deste sistema linear fornece uma nova aproximao (x 11 y 1)

para a soluo (x, y) desejada.
Na forma matricial, temos:
a f1
ay
a f2
ay
Definindo-se J(XQ, y0), a matriz Jacobiana avaliada no ponto (Xo, y0), temos:
(xo ,yo )
J(xo , yo ) ( ]( ]
X 1 - Xo
Y1 - yo
=
-f1 ( Xo , yo )
-f2 ( Xo , Yo )
Denotando r = (x - x0 ) e s = (y - y0 ), o sistema linear escreve-se como:
Resolvendo este sistema usando um mtodo numrico, visto no Cap

tulo 2, temos os valores de r e s. Desta forma, a nova aproximao (x1 1 yi )
determinada por:
x1 = x0 + r e y1 = y0 + s
Repetindo o procedimento de linearizao em tomo do ponto obtido
(x1 1 y1), isto , fazendo a expanso das funes f1 e f2 por srie de Taylor at a
derivada de 1 ordem, obtemos uma nova aproximao (x2, y2). Assim, suces
sivamente, no ponto (xi, yJ, temos o seguinte processo iterativo:
J(xu yJ
(xi+l - xi ) = (-f1 (xi , Yi )) Processo iterativo de Newton
f.
Yi+l - yi - 2 ( X u Yi )
108 Clculo Numrico
Denotando li = xi+I -xi e si = y i+1-yi, resolvemos o sistema de equa

es lineares obtido anteriormente e determinamos a nova aproximao
(xi+t Yi+I ) por:
/
Podemos generalizar os resultados obtidos para um sistema de equaes no

lineares, isto :
f1 (x, y, ... , z)= O
f2 (x, y, ... , z) =
(x,y, ... , z)= O

Processo iterativo de Newton:
H1 af1 af1
ax ay az Xi+l - Xi f1 (xi, yi, ... , zi)
af2 af2 af2 f2 (Xj, Yi1 . . . , Zj)
ax ay az Yi + 1 - Yi =
a
ax ay az ( Xi , Yi , ..., zi )
Ainda,
onde J(xi, yi, ... , zi) a matriz jacobiana avaliada no ponto (xi, yi, ... , zJ
Denotando li = xi+I - xi si = yi+I -yi ... ti = zi+I -zi , temos o sistema
de equaes lineares para ser resolvido, como segue:
=
Usando um mtodo direto para resolver o sistema linear obtido, obtemos os

valores de li , si , ... , ti e a nova soluo aproximada (xi+t Yi+t , zi+t ) dada por:
i i
Convergncia
Condies para convergncia do mtodo de Newton:
a) As funo (x, y, ... , z) i = l, . . , n contnuas e as derivadas at or
dem contnuas e liitadas nu.ma vizinhana da raiz (x, y, ... , z).
. 2"'
c) A soluo inicial (x0 , y0 , , z0 ) deve ser prxima da raiz (x, y, ... , z).
b) Det U (xi,yi, ... , zi)] O.

Observao
A seqncia gerada pelo mtodo de Newton (xu yi , ... , zJ, a partir de uma
ma, converge para (x, y, ... , z), e a convergncia quadrtica.

soluo inicial (x0 , y0 , , z0 ) suficientemente "prxima" da soluo do siste
.
Algoritmo 3.5
1. Considere o sistema de equaes no lineares
f1 (x, y, ... , z) = O
f2 (x, y, ... , z) = O
(x, y, ... , z) = O
inicial (x0 , y0 , , z0 ) para a soluo do sistema F(x, y, .. . , z) = O e,

1.1Defina a matriz jacobiana J(x,y, ... , z), escolha uma aproximao
E > O, uma tolerncia fixa.

1.2 Faa Pare Falso, i = O.

=
2 Enquanto Pare = Falso, faa:

2.1 Resolva o sistema de equaes lineares:
li - f1 (Xu Yi 1 1 zd
=
110 Clculo Numrico
2.2 Determine a nova soluo:
2 .3 Se j xi+Ij xi+1- xI i 1 < E e

I Yi+I - yi 1 < E
I Yi+1 I
ou 1 (xi , Yu ... , zJ 1 < E, i = l, ... , n, ento Pare Verdade
=
Seno i i + 1=
Observao
Para implementao deste algoritmo, no necessrio armazenar toda a se
qncia de solues aproximadas. Basta armazenar dois vetores, x(O) e x( l l, e
caso o critrio de parada no seja satisfeito, faa x( l ) x(l . =
Exemplo 3.17
Resolver o seguinte sistema de equaes no lineares, usando o mtodo de
Newton com E = 0.001.
{ x2 + y2 - l = O f1 (x, y)
x2 - y = O f2 (x, y)
Graficamente, podemos representar conforme a Figura 3.17:
f2(x,y)
Figura 3.1 7
Pela Figura 3.17 vemos que existem duas razes que se encontram na
' interseco dos grficos de f1 (x,y) e f2 (x,y).
A matriz jacobiana dada por:
[
l
2x 2y
J(x, y) =
2x -1
Tomando uma soluo inicial (x0 , y0 ) = (0.5, 0.5), temos o processo ite
rativo de Newton como segue:
Fazendo r = (x1 - x0 ) e s = (y1 - y0 ), temos o seguinte sistema de equa
es lineares nas variveis r e s:
r
li
1 1
-1
] lr l rl ]
r
s
=
o.5
o.5
Usando o mtodo de eliminao de Gauss, temos o sistema na forma

equivalente:
cuja soluo r 0.1250 e s = 0.3750.

=
Desta forma, temos a soluo aproximada:
{ x1 = x0 + r = 0.8750
y1 = y0 + s = 0.6250
Critrio de parada:
112 Clculo Numrico
Analogamente calculamos a seqncia de solues aproximadas:
l x2 -x1 I = 0.1066 > E

l x2 I
r
= 0.7907

y2 = 0.6180 I Y2 -Y1 I = 0.01 13 > E
I Y2 I
r = 0.7862

l x3 -x2 I
l x3 I
0.0057 > E
y3 = 0.6180 I Y3 -Y2 I = 0.0000 < E

I Y3 1
r = 0.7862

l x4 -x3 I
l x4 I
0.0000 < E
y4 = 0.6180 IY4 - y3 I = 0.0000 < E

I Y4 1
Portanto, temos a soluo aproximada:
(x,y):: (x , y ) = (0.7862, 0.6180 ), uma vez que o critrio de parada
4 4
foi verificado.
3.5.2 Determinao de razes reais e complexas de um

polinmio
O mtodo de Newton, visto neste captulo, determina as razes reais de um
polinmio, portanto, toma-se necessrio um mtodo numrico para determi
nar as razes reais e tambm razes complexas quando estas existem. Depois
da localizao das razes reais e complexas de um polinmio, vista neste ca
ptulo, apresentamos o mtodo de Newton-Bairstow para o clculo de razes
reais e complexas, como segue:
Mtodo de Newton-Bairstow
Seja P(x) um polinmio de grau n 2. Para calcular as razes complexas de
P(x), caso existam, consideramos que estas ocorrem aos pares, isto , se ( a+bi)
for uma raiz, ento ( a-bi) tambm ser uma raiz de P(x).
Desta forma, podemos escrever:
P(x) = [(x - (a + bJ)(x - ( a - bi ))Qn_2 (x) = (x2 - 2ax + a2 + b2 )Qn_2 (x) =
= (x2 - ax - p) + R(x)
Portanto, devemos determinar um divisor D(x) do 22 grau da forma

D(x) = x2 - ax - p, com a e p e9t, de modo que a diviso de P(x) por D(x)
seja exata, isto , o resto dessa diviso R(x) = O. Observe que, uma raiz do
fator quadrtico D(x), ser tambm uma raiz de P(x).
Assim, temos:
P(x) = D(x)Q(x) + R(x)
onde
D(x) = x2 - ax - P
Portanto,
P(x) = D(x)Q(x) + R(x)
= bo Xn + b1 Xn-1 + ... + bn-3X3 + bn-2 X2 - Clbo Xn-1 - Clb1 Xn-2 - . . . - Clbn-3X2 - Clbn-2 X +
114 Clculo Numrico
Desta forma, temos:
= bo bo =
1 = b1 - abo b1 = 1 + a bo
n - 2 = bn -2 - abn -3 - Pbn -4 bn -2 = n -2 + a bn -3 + p bn -4
n - 1 = bn - 1 - abn -2 - Pbn -3 bn - 1 = n -1 + a bn - 2 + p bn -3
n = bn - abn -1 - Pbn -2 bn = an + a bn-1 + P bn -2
{
De modo geral, temos:
b = a + ah 1 + ..,Ah 2
1 1 1- 1- i = O, l, ... , n - 1
b_1 = b_2 = 0
Como R(x) = bn_1 (x - a ) + bn = 0, temos o seguinte sistema no linear, nas
{
variveis a e p :
bn -1 = n -1 + a bn -2 + p bn - 3 = o
bn = an + a b n -1 + P bn -2 =0
Para resolver o sistema obtido, usamos o mtodo de Newton para siste
r-(<X; ,; )J
mas no lineares, visto neste captulo, isto
H1
( - i ) =
af1
ap
a f2 af2 P - Pi
(aj ,J}j )
- f2 (ai , pi )
ap
ou, ainda,
R. )
( a-+1 - a- ) = ( - ff1 (a(a" ..,. )
J( a- P ) ,
" ' Pi+1 -Pi - 2 u PJ
onde J( au PJ a matriz jacobiana avaliada no ponto (ai , PJ .
Denotando r = (ai+l - ad e s = ( Pi+l - Pd e, considerando que f1(a, P) = bn-l

e f2(a, p) bn, temos o seguinte sistema linear:
=
) bn-1 ) bn-1 r -bn-1

ap
=
) bn ) bn
(llj ,pj )
s -bn
ap
Para calcular as derivadas parciais de bn e b n 1 , usamos um processo _
recursivo proposto por Bairstow da seguinte forma:

a) Derivada dos bi i O l, ... , n com relao a a, sendo que os
= ,
ai i = O, l, ... , n so constantes:
) bo
=0

) b1
= bo

) b2 ) b1
= b1 + a

a b3 a b2 ab1
= b2 + a +P

) b n-2 p --
) bn-3
bn-2 + a -- +
)a )a
) b
i+l i = O, l, , n
Denotando-se ci = ... - 1 , temos:
Co = bo
c1 = b1 + a c0
C2 = b2 + a c1 + P co
Cn-2 = bn-2 + a cn-3 + Pcn-4

Cn-1 = bn-1 + a cn-2 +Pcn-3
116 Clculo Numrico
{
Em geral, temos:
ci = bi + a ci-1 + Pci-2 i = O, l, ... , n - 1

c_l = C-2 = 0
Desta forma, temos que:
b) Derivada dos bi com relao a p :
) bo
=0
ap
ab1
=O
ap
d b2
- b
ap
d b3 a b2
= bi + a
ap ap
) bi+2
Denotando-se di = i = O, l, , n - 2
...
d0 = b0
d1 = b1 +ad0
d2 = b2 + ad1 + Pdo
{
De um modo geral, temos:
d1 = b1 + a d1-1 + A..,,d 2 i = O, l, ... , n - 2
d_l = d-2 = 0
- .
1-
Entao, dn-3 =
- abn-1 ab
e d n _2 = n .
aj3
Realizando uma comparao com os resultados obtidos em a) e b),
vemos que
ci = di i = O, 1, .. , n - 2 .
a bo
Assrm, c 0 _3 =
. a b n-1
e c o -2 = a
Desta forma, o sistema de equaes lineares obtido anteriormente:

a bn - 1 a bn -1 r -bn- 1
a13
=
a bn a bn
a13 s -bn
IX; ,l:\i )
onde r = (ai+t - aJ e s = (l3i+t - j3J, toma-se:
Obtidos os valores para r e s, na resoluo do sistema de equaes lineares,

temos que:
i+1 = ai + r e 13i+t = 13i + s
Algoritmo 3.6
1. Considere o polinmio P(x) de grau n 2, defina uma soluo inicial
(a 0 , 0 ) e E > O, uma tolerncia fixa. Faa Pare = Falso, k = O.
2. Enquanto Pare = Falso, para j = O, l, ... , n, faa:
{b
2.1 Para i = O, 1, ... , n, faa
1= a1. + \.A.) b1-1 + !-')
"' A . b
2 1-
b_1 = b_2 = o
{C1 C C
2.2 Para i = O, ... , n-1, faa
= b1 + <XJ 1 -1 +A .
1-'J 1- 2
c_l = c_2 = o
118 Clculo Numrico
3. Resolver o sistema de equaes lineares:
3.2 Calcular i + l = a i + r e i + l = i + s
e
j+ l - j < E
---
j
ou
l bn-1 l < E e l bn l < E, ento faa:
a = ai+l e = j+l e determine as m razes de
D(x) = x 2 - ax - = O e v para 4.
Seno j = j + 1 e volte em 3.
4. Para i = O, ... , n-m, faa:
Seno faa a i b i e k = k + 1 e volte para 1 .

Se m = n ento Pare = Verdade
=
Exemplo 3.18
Usando o mtodo de Newton-Bairstow, determinar as razes da equao
P(x) = x4 - 3x3 + 2.25x2 - 0.75x + 0.5 = 0 com a preciso E = 0.01.

polinomial
Usando o algoritmo dado, temos os seguintes resultados:

j=O
Tomando a.0 = O e o = O , temos os seguintes resultados:
b0 = a0 = 1
b1 = a1 + ab0 = -3 + 1(0) = -3
b2 = a2 + ab1 + b0 = 2.25 + 0( -3) + 0(1) = 2.25
b3 = a3 + ab2 + b1 = --0.75 + 0(2.25) + 0(-3) = --0.75
b4 = a4 + ab3 + b2 = 0.5 + 0(--0.75) + 0(2.25) = 0.5
c0 = b0 = 1
c1 = b1 + ac0 = -3 + 0(1) = -3
c2 = b2 + ac1 + c0 = 2.25 + 0( -3) + 0(1) = 2.25
c3 = b3 + ac2 + c1 = --0.75 + 0(2.25) + 0( -3) = --0.75
( )() ( )
Desta forma, temos o sistema de equaes lineares:
2.25 -3 r 0.75
-0.75 2.25 s -0.5
Resolvendo o sistema obtido, usando o mtodo de Gauss com pivota
{r
mento na diagonal, temos:
= 0.0667
s = -0.2000
{
Assim,
a1 = a0 + r = 0+ 0.0667 = 0.0667
P1 = Po + s = 0 - 0.2000 = - 0.2000
Critrio de parada:
j=1
bo = ao = 1
b1 = a1 + ab0 = - 3 + 0.0667(1) = -2.9333
b2 = a2 + ab1 + Pbo = 2.25 + 0.0667( -2.9333) - 0.2000(1) = 1.8543
b3 = a3 + ab2 + Pb1 = - 0.75 + 0.0667(1.8543) - 0.2000( -2.9333) = -0.0397
b4 = a4 + ab3 + Pb2 = 0.5 + 0.0667(-0.0397) - 0.2000(1.8543) = 0.1265
c0 = b0 = 1
C1 = b1 + <XCo = -2.9333 + 0.0667(1) = -2.8666
c2 = b2 + ac1 + Pc0 = 1.8543 + 0.0667( -2.8666) - 0.2000(1) = 1.4631
c3 = b3 + ac2 + Pc1 = -0.0397 + 0.0667(1.4631) - 0.2000( -2.8666) = 0.6312
( ) (r) ( )
Temos o seguinte sistema de equaes lineares:
1 .463 1 - 2 . 8666 0.0397

=
0.63 1 2 1 .463 1 s - 0. 1 265
120 Clculo Numrico
{
Usando o mtodo de Gauss com pivotamento na diagonal, temos:
r = -0.0771
S = - 0.0532
{ a2 = a1 +r = 0.0667 - 0.0771 = - 0.0104
P2 = P1 + s = --0 .2000-0.0532 = -0 .2532
Critrio de parada:
j=2
b0 = a0 = 1
b1 = a1 + ab0 = - 3 + --0.0104(1) = -3.0104
b2 = a2 + ab1 + pb0 = 2.25 -0.0104(-3.0104)-0.2532(1) = 2.0281
b3 = a3 + ab2 + pb1 = - 0.75 - 0.0104(2.0281) - 0.2532(-3.0104) = --0.0089
b4 = a4 + ab3 +pb2 = 0.5 - 0.0104(--0.0089) - 0.2532(2.0281) = --0.0134
c0 = b0 = l
C1 = b1 + aco = - 3.0104 - 0.0104(1) = -3.0208
c2 = b2 + ac1 +0 = 2.0281 - 0.0104(-3.0208) - 0.2532(1) = 1.8063
c3 = b3 + ac2 + Pc1 = - 0.0089 - 0.0104(1.8063) - 0.2532( -3.0208) = 0.7372
( 1.8063- 3.0208 ) (r) = ( 0.0089 )

0.7372 1.8063 s 0.0134
{
Usando o mtodo de Gauss com pivotamento na diagonal, temos:
r = 0.0103
s = 0.0032
{ U3 = <X2 +r = -0.0104+0.0103 = - 0.0001
P3 = P2 + s = - 0.2532+0.0032 = - 0.2500
Critrio de parada:
l b3 I = o.oo89 < E e l b4 I = o.Ol34 > E
j=3
b0 = a0 = 1
b1 = a1 + ab0 = - 3 + -0.0001(1) = -3.0001
b2 = a2 + ab1 + Pbo = 2.25-0.0001( -3.0001) - 0.2500(1) = 2.0003
b3 = a3 + ab2 + Pb1 = - 0.75 - 0.0001(2.0003) - 0.2500( -3.0001) = -0.0002
b4 = a4 + ab3 +Pb2 = 0.5 - 0.0001(-0.0002) -0.2500(2.0003) = -0.0001
Critrio de parada:
l b3 I = o.ooo2 < E e l b4 I = o.oool < E
Como o critrio de parada est satisfeito, podemos construir os polin
mios D(x) e Q(x) da seguinte forma:
D(x) = x2 - ax - p = O
D(x) = x2 +0.000lx +0. 2500 = O, cujas razes so complexas dadas por:
X1 = 0.00005 + 0.5 i e X2 = 0.00005 - 0.5 i
Q(x) = b0x2 + b1 x + b2 = O
Q(x) = x2 - 3.0001x + 2.0003 = 0, cujas razes so reais dadas por:
X3 = 1.9999 e X4 = 1.0002
Portanto, o polinmio possui duas razes reais e duas razes complexas:

X1 = 0.00005 + 0 . 5 i e X2 = 0.00005 - 0.5 i X3 = 1.9999 e X4 = 1.0002.
3.6 Trabalhando com o software numrico

No Software Numrico, o usurio deve selecionar o mdulo Razes de Fun
es e fornecer a funo f(x). Alm disso, deve fornecer um intervalo inicial
para uma investigao no qual encontra-se a raiz e uma preciso E desejada
conforme exibimos resultados no seguinte exemplo:
Exemplo 3.19
Considere o seguinte problema: uma pea deve ser construda com o formato
de um arco de circunferncia e seu comprimento externo de 8 metros. Essa
pea ser fixada em base de comprimento igual a 6 metros, conforme mostra
a Figura 3.18.
122 Clculo Numrico
Formule o modelo matemtico correspondente para o problema e, usando

mtodos numricos conhecidos, determine a altura mxima da pea.
Modelo matemtico
Como a pea tem o formato do arco de uma circunferncia, podemos repre
sent-la graficamente conforme a Figura 3.18 a) e b):
y
pea
LI:\
+----- 6 m -----+
X
a) b)
Figura 3. 1 8
Observando a Figura 3.18, temos:

h altura da pea a ser determinada
0 ngulo formado no tringulo retngulo
r raio de circunferncia
r=h+x
Podemos escrever as relaes trigonomtricas no tringulo retngulo
da Figura 3.18, como segue:
sen(0) = 3 / r r sen(0) = 3 i)
cos(0) = x / r x = cos(0) - r ii)

{ 2n 21t r 0(21t r) = (21t)(4) r = 4 / 0 iii) .
04
Desta forma, substituindo iii) em i), temos a seguinte equao na va
rivel 0:
4 sen(0) - 30 = O
Resolvendo a equao obtida, usando o software numrico e selecio

nando o mtodo de Newton, a partir de uma soluo inicial x0 1 .2 e uma
=
preciso E 0.0001, temos a seqncia de solues aproximadas, conforme

=
a Figura 3.19 a) e b):
a) b)
e)
Figura 3.1 9
Observando a Figura 3.19 c), temos a raiz X: 1 .2757 com a preciso dese
=
jada. Portanto, temos o ngulo dado por 0 = 03 1 .2757.

=
124 Clculo Numrico
Assim, substituindo 0 = 0 3 1.2757 em iii) e ii), temos:

=
r = 4/1.2757 = 3.1355
x = r cos(l.2757) = 0.9119
Portanto, h = r-x = 2.2236 ser a altura mxima da pea.
Exerccios
1. Usando o software numrico, determine graficamente uma vizinhana
para as razes das seguintes funes:
a) f(x) = x - ex
b) f(x) = sen(x) + x2 + 1
c) f(x) = sen(x) - x + 2
d) f(x) 2x - tg(x)
=
2. Usando todos os mtodos vistos, resolva a equao cos(x) + x = O, com o

auxlio do software numrico.
3. Usando o mtodo da bisseo, determine uma raiz das funes a seguir
com a preciso E = 0.0001:
a) f(x) = x3 - sen(x)
b) f(x) = 3x - cos(x) + 1
c) f(x) ln(x) - sen(x)
=
4. Usando o mtodo de Newton, resolva as equaes a seguir:

a) f(x) x sen(x) O
= - =
b) f(x) = sen(x) - x - 1 = O
c) f(x) = 2x - e-x = O
5. As razes de f(x) = ln(x) - x + 2 podem ser determinadas usando o pro
cesso iterativo na forma xi+l = <!>(xd i = l, 2, ...
Considere os processos iterativos:
a) X ; +i = <l>(x ; ) 2 + ln( x ; )
=
b) X ;+1 = <l>(x ; ) = e x,- 2

Usando o critrio de convergncia do mtodo das aproximaes
sucessivas, analise os processos iterativos dados e verifique qual
deles possui garantia de convergncia para as razes da equao e a
partir de uma soluo inicial dada determine essas razes de f(x).
6. Usando a regra de sinais de descartes, o teorema de Budan e a regra de
Sturm, localize as razes reais das seguintes equaes polinomiais:
a) P(x) = x3 + 8x2 - 4x - 2 = O
b) P (x) x4 - 4x3 - 9x2 + 19x + 20 = O
=
c) P(x) = x4 - 4x3 + 3x2 - 4x + 4 O =

7. Usando o mtodo de Newton + Briot-Ruffini, determine uma raiz real

dos polinmios do Exerccio 6, com E = 0.001.
8. Seja a equao P(x) = x4 - 2x2 - 3 = O.
a) Verifique, usando as regras de localizao de razes, se a equao
dada possui uma raiz real. Em caso afirmativo, determine-a usando o
mtodo de Newton, com E = 0.001.
b) Verifique, usando as regras de localizao de razes, quantas razes
reais e complexas possui a equao dada.
9. Seja a equao P(x) = x3 - 3x2 + 4 = O.
a) Verifique se a equao possui uma raiz de multiplicidade em x = 2.
b) Determine-a usando o mtodo de Newton, com E = 0 . 001.
10. Usando o mtodo de Newton-Bairstow, determine as razes complexas
do polinmio
P(x) = x3 - 4x2 + Sx - 2 = O, partindo da diviso de P(x) por (x2 - x).
11. Calcular as razes da equao polinomial P(x) = x4 - 2x3+4x2 - 4x + 4 = O
usando o mtodo de Newton-Bairstow, com a0 = 1 e o = -1.
j
12. Usando o mtodo d e Newton, resolva os seguintes sistemas de equaes
no lineares: com E = 0.01.
a)
{x2 + y2 = 1
b)
{ 2x3 - y = l
x 2 + y2 + z 2 = 2
c) x2 + y2 =1
3x2 + y2 = 1 x2 - y = 1
3x2 =1
13. Seja a equao polinomial P(x) = x3 + x + 1 = O. Determine uma raiz real
dessa equao usando duas iteraes pelo mtodo da bisseo e o m
todo de Newton + Briot-Ruffini com E = 0.001.
14. Usando o mtodo de Newton Bairstow, determine as razes complexas
do polin!Uio
a) P(x) = x4 + 3x2 + 1
b) P(x) = x4 + 2x2 + x + 1
15. Determinar todas as razes da equao polinomial P(x) = x3 - x - 1 = O
usando o mtodo de Newton + Briot-Ruffini com E = 0.0001.
Captulo 4
Aproximao de Funes
Interpolao e Mtodo dos Mnimos Quadrados
4.1 Introduo
Neste captulo apresentamos a aproximao de uma funo de uma varivel
real por outras funes mais simples, de modo que operaes em geral sejam
realizadas com mais facilidade. Esta aproximao possui vrias aplicaes
na resoluo de problemas complexos, como integrao de funes, equa
es diferenciais, sistemas no lineares etc.
Esta situao pode ocorrer qualkto trabalhamos com uma funo f(x) e
esta apresenta um grau de dificuldade, por exemplo, para avaliar em pontos,
derivar ou ainda integrar, ou mesmo quando conhecemos esta funo em
um nmero finito de pontos de um intervalo [a, b], sem o conhecimento de
sua forma analtica, geralmente obtida em experimentos.
Algumas funes so usadas neste tipo de aproximao, como poli
nmios, funes exponenciais, trigonomtricas etc. Faremos a aproximao
de uma funo f(x) inicialmente usando interpolao polinomial, seguido da
aproximao pelo mtodo dos mnimos quadrados.
4.2 Interpolao polinomial

Considere uma funo f(x) definida em x0, xv ... , Xn, (n + 1) pontos distintos
de um intervalo [a, b ], e denotamos Yi f(xi) i O l, ... , n conforme a repre
= = ,
sentao na Figura 4.1 .
127
128 Clculo Numrico
y f(x)
Yn -----------------------------------
Yt - - - - - - - - - -=-=-=---- -----
Yo
XQ = a Xn = b X
Figura 4.1
Interpolar esta funo f(x) definida em x0, xv ... , Xn (n + 1) pontos dis

tintos de um intervalo [a, b] consiste em aproximar esta funo por um po
linmio P(x) de grau menor ou igual a n, tal que este coincida com a funo
nestes pontos, isto , P(xi) = f(xi) = Yi i = O, 1, ... , n.
Apresentamos, a seguir, o teorema que garante a existncia e a unicidade
do polinmio que desejamos determinar.
Teorema 4.1
Seja f(x) definida em XQ, xv ..., Xn (n + 1) pontos distintos de um intervalo [a, b],
Existncia e Unicidade
ento existe um nico polinmio P(x) de grau menor ou igual a n tal que
P(xi) = f(xi) = Yi i = 1, ... , n.
Prova:
Considere o polinmio de grau n, P(x) = an xn + an_1 xn-l + ... + a1x + a0 tal que
P(xi) = f(xi) = Yi i = O, 1, . .. , n.
Desta forma, temos:
Aproximao de Funes 129
onde x = (a0 , a0_1 , , ao ), b = (y0 , y1 , , y0 ) e a matriz A dada por:

Podemos observar que temos um sistema de equaes lineares Ax = b,

x Xon-1 Xo 1
x
A= r X1n-1 X1 1
xn Xnn 1 ... Xn 1
-
O det(A), chamado de determinante de Vandermonde, dado por:
det(A) = TI (xi -xi ),

i<j
Como os pontos xi i = O, 1, ... , n so distintos, segue que det(A) * O, o

que significa que o sistema linear possui uma nica soluo e, portanto, os
coeficientes a0, a 1, ... , a0 do polinmio so nicos calculados pela resoluo
deste sistema. Em resumo, o polinmio P(x) existe e nico.
Definio 4.1
x1 1 , x0 (n + 1) pontos distintos de um intervalo [a, b], ao polinmio P(x) de grau

Denominamos polinmio interpolador de uma funo f(x) definida em XQ,

menor ou igual a n, que coincide com a funo nos pontos xi i = 1, ... , n, isto ,
P(xi) = f(xi) = Yi i = l, ... , n.
Representamos graficamente, conforme Figura 4.2:
f(x) f(x)
f(xn)
P(x)
f(Xo)
Xo = a X1 X0 = b X
Figura 4.2
Embora o polinmio interpolador P(x) coincida com a funo nos pontos

de interpolao XQ, x1 1 , x0, espera-se que P(x ) = f(x) para x * xi i = O, ... , n, ou

130 Clculo Numrico
seja, estimamos f(x) pelo polinmio interpolador e cometemos um erro nesta

aproximao, dado por:
E( x) f (x) - P(x) =
Podemos representar graficamente, conforme Figura 4.3.
f(x)
---------------------------------------------------------
f(xn)
{ p(x) -
-
-- -- - - -- - - - - - - - - - - - - - - - - - - -
f(x 1 ) - - - - - - - - - - - - - - - -
-- ---
E(X) f(x) --
- ----
----- --------------------------------
'
1
1
1
1
1
:xo = a
Xn = b X
Figura 4.3
Apresentamos, a seguir, uma expresso geral para o erro cometido

quando aproximamos uma funo f(x) por um pelinmio interpolador P(x).
Teorema 4.2
Seja f(x) uma funo definida em XQ, xv ... , Xn (n + 1) pontos distintos de um
intervalo [a, b] e (n + 1) vezes diferencivel. Se P(x) interpola f(x) nestes pon
tos, ento o erro cometido E(x) dado por:
E(x) f(x) - P(x) 'Jl ( X ) f< n+l l ()
= =
(n + 1) !
Onde
n
'Jl ( X ) Il (x - x; ) e e [x0 , xn 1
=
i=O
Prova:
Considere x E [x0 , Xn ].
i) Se x xi i O, l, . , n, ento 'Jl(Xi) O e, portanto, temos f(xi) P(xi)
= = . . = =
e a expresso dada para o erro vlida.

ii) Se x '* Xj, i = O, 1, . .. , n, construmos uma funo auxiliar:

<l>(s) = f(s) - P(s) - g(x)'l'(s), s E [x0 ,xn 1 com g( X ) = f(x) - P(x)
'l'(x)
Caso s = xi ento:
<l>(x; ) = f(xJ - P(xJ - g(x)'l'(xJ = O
Caso s = x * xi, ento:
<l>(x) = f(x) -P(x)-g(x)'l'(x) = f(x) - P(x) f(x)-P(x) 'l'(x) = O
'!'( X )
Assim, <!>(s) anula-se em pelo menos (n + 2) pontos de [Xo, xn], isto ,
nos pontos x, XQ, xv . .. , Xn
Desta forma, pelo teorema de Rolle do clculo diferencial e integral,
temos que:
<1>'(s) possui pelo menos (n + 1) razes em [x0 , xn ];
<1>" ( s) possui pelo menos n razes em [x0 , Xn ];
<l>( n+l l (s) possui pelo menos 1 raiz em [x0 , xn 1

Seja uma raiz de <1>< n+1 > (s), isto, <1>(n+1 > (1;) = 0. Derivando <j>(s) (n + 1)
vezes, temos:
<l>( n+l l (s) = f( n+tl (s)-0 - g(x )(n+l)!
e
<l>( n+l l () = f( n+l l ()-g(x)(n+ l)! = O
Portanto,
( n+l )
g(x) = f ()
(n+ l)!
e conforme a definio da funo g(x), segue que
f (x) - P(x) f( n+l l()
=
ou, ainda, '!'( X ) (n+l)!
f(x)-P(x) = 'l'(x) - f( n+l ) ()
(n+ l)!
Portanto, o erro cometido dado pela expresso proposta:
E(x) = f(x) - P(x) = '!'( X ) f< n+Il ()
(n + 1)!
132 Clculo Numrico
Limitante superior para o erro

Na expresso do erro do Teorema 4.2, o parmetro no conhecido no inter
valo [Xo, xnl e, portanto, no possvel calcular o valor numrico de f ( n+I ) ().
Desta forma, apresentamos uma estimativa para o erro como segue:
Temos:
E(x) = f(x) - P(x) = '!'(X) f< n+l l ()

(n + l) !
Podemos escrever:
1 1 l 'lf(X) 1 M
1 E(x) 1 = (n'!'+(X)l) ! f( n+l l () = l(n'lf+(X)l) !l 1 f( n+l l () 1 (n
+ l) !
com M mx { l f( n+t > (x) I , x E [x0 , x0 J }

=
Assim, temos um limitante superior para o erro:
1 E(x) I l 'l'(x)l)I! M
(n +
Observao
Podemos calcular uma estimativa para o erro somente quando tivermos a
expresso analtica da funo f(x), pois, de acordo com a frmula do limitante
superior para o erro, devemos dispor da (n + 1)-sima derivada dessa funo.
Nos casos em que tivermos apenas a funo tabelada em um nmero
finito de pontos, sabemos que estamos cometendo um erro no ponto a ser
avaliado, mas no possvel estim-lo.
A seguir, embora a resoluo do sistema linear obtido na prova do Teo
rema 4.1 fornea uma maneira para determinar o polinmio interpolador de
uma funo, apresentamos, tambm neste captulo, outras frmulas interpo
latrias para determinar o mesmo polinmio interpolador, uma vez que este
nico, porm com uma maior facilidade nos clculos: Lagrange, Newton e
Newton-Gregory .
4.3 Frmula i nterpolatria de Lagrange

Seja f(x) definida em x0, x 1 1 , Xn (n + 1) pontos distintos de um intervalo
[a, b] e Yi = f(xi) i = O, . . . , n.

Considere o polinmio na forma:

n
P(x) = y0 R 0 (x) + y1 f 1 (x) + ... + yi f i (x) + ... + y0R n (x) = L Yk f k (x)
l< dl
Mostremos que P(x) um polinrnio interpolador, isto , P(xJ = Yi i = O, ..., n.

Desta forma, temos:
P(xJ = y0 i0(x)+y1i1 (x)+ ... +yi i i (xJ+ ... +yn l n (x) = yi i = O , ... , n
{
Para que P(xi) Yi i O, ... , n, suficiente que:
= =
i k (xJ = O para i :;t: k

idxJ = l para i. = k
Para que o polinrnio P(x) satisfaa esta propriedade, podemos considerar:
x
idx ) = (x - Xo ) (x -x1 ) ... (x-xk_1 ) (x -xk+d ... ( -xn )
(xk -x0 )(xk -x1 ) ... (xk -xk_1 ) (xk -xk+i ) ... (X1c -xn )
Ou, ainda,
Assim, temos a frmula de Lagrange para o polinmio interpolador:

n
P(x ) = L Yk idx )
k=O
Exemplo 4.1
Considere a funo f(x) definida nos pontos, conforme tabela:
o 0.5 1.0
1 .3 2.5 0.9
Determine o polinmio interpolador, usando a frmula de Lagrange, e

estime f(0. 8) . Neste caso, temos P(x ) = y0 i 0(x)+y1 i 1 (x )+y2 i 2 (x ) de grau 2.
Construo dos ik(x) :
2
i o (x ) = (x-x1 ) (x -x2 ) = (x-O.S)(x - 1) = x - 1.5x +0.5
(x0 -x1 ) (x0 -x2 ) (0-0.5)(0 -1) 0.5
2
l i (x) = (x-x0 )(x -x2 ) = (x -O ) (x -1) = x -x
(x1 -x0 )(x1 -x2 ) (0.5 -0 )(0.5 -1) --0.25
2
i z (x ) = ( (x-x0 )(x -x1 ) = (x-O)(x -0.5) = x -0. Sx
Xz - Xo ) (Xz - X1 ) (1 -0)(1 -0.5) 0.5
134 Clculo Numrico
Assim,
[ 2
0.5
] [ ]2
--0 .25
[ 2
P(x) = (1.3) x - 1.5x+0.5 + (2.5) x -x +(0.9) x -0.5x =
0.5
]
= -5.6x2 + 5.2x +1.3
Portanto, temos:
P(x) = - 5.6x2 + 5.2x+ 1.3 e f(0.8) = P(0.8) = 1.8760
Neste caso, temos um erro cometido na aproximao da funo e, conse
qentemente, no valor de f(0.8), mas no podemos estim-lo, pois no temos
a forma analtica da funo f(x).
Exemplo 4.2
Considere a funo f(x) = < 3 + x) definida nos pontos conforme, tabela:
(l + x)
0.1 0.2 0.4

2.82 2.67 2.43
Determine o polinmio interpolador de f(x), usando a frmula de La-

grange, avalie f(0.25) e um limitante superior para o erro.
Neste caso, temos P(x) = y0 t' 0 (x)+ y1 t' 1 (x)+ y2 t' 2 (x) de grau 2.
Construo dos t'k(x):
2
t' o (x) = (x -x1 )(x -x2 ) = (x -0. 2)(x -0 .4) = x -0.6x +0.08
(x0 - x1 )(x0 -x2 ) (0.1 -0.2)(0.1-0.4) 0.03
2
t' i (x) = (x -x0 )(x -x2 ) = (x -0.l )(x - 0.4) = x - 0.5x +0.04
(x1 -x0 )(x1 -x2 ) (0.2 -0. 1)(0.2 -0 .4) --0.02
2
t' 2 ( X ) = ( X -Xo )(X -X1 ) - (x - O.l)(x -0 .2) = x - 0.3x+0.02
( X2 -Xo )( X2 -x. ) (0.4 -0.1)(0.4 -0.2) 0.06
Assim,
[ 2
] [
2
]
P(x) = (2.82) x -0. 6x +0. 08 + (2.67) x -0. 5x +0.04 +
0.03 --0.02
[ 2
]
+(2.43) x - 0.3x +0.02 = x2 - l.8x + 2.99
0.06
Portanto, temos:
P(x) = x2 -1 .8 x+2.99 e f(0.25) = P(0.25) = 2.6025
A partir da frmula do limitante superior para o erro:
para n = 2 temos:
Como f< 3 > (x) = -1 2 uma funo decrescente em mdulo no intervalo

4
(l + x)
[0.1, 0.4], temos que:
if<3> (x) I assume o valor mximo em x = 0.1, ou seja :
mx l f< 3 > (x) l = 8.1962
Assim, temos um limitante para o erro no ponto interpolado x = 0.25, como
segue:
1 E(0.25) 1 $ 1 (0.25 - 0.1)(0.25:0.2)(0.25 - 0.4} 1 (8.1962) = 0.0015

4.3. 1 Frmula interpolatria de Lagrange para pontos
eqidistantes
Considere uma funo f(x}, definida em XcJ, xlt ... , Xn (n + 1) pontos distintos de
um intervalo [a,b], tais que xi+l - xi h i = O, ... , n - 1 (pontos eqidistantes).
=
Neste caso, possvel fazer uma mudana de varivel conveniente e

obter o polinmio interpolador usando a frmula de Lagrange de maneira
mais simples, isto , com algumas simplificaes nos clculos.
Consideramos a seguinte mudana de varivel:
(x - x0 )
u= ou amda x = x0 + uh
h
Desta forma, temos a seguinte correspondncia dos valores da varivel
x com a nova varivel u, conforme Figura 4.4.
136 Clculo Numrico
h h h
,----J'-.., ,----J'-..,
Xo X1 X2 Xn-1 Xn X
l h=l l l l l
o 1 2 n-1 n u
Figura 4.4
Podemos observar na Figura 4.4 a correspondncia dos pontos tabelados

na varivel x, com os novos pontos na varivel u. Os pontos x0, xv . . . , Xn,
com espaamento h, possuem uma correspondncia nica com os pontos
O, l, ... , n, com h 1, o que toma os clculos bem mais simples.
=
Nesta mudana de varivel temos as seguintes propriedades:

a) (x - Xr) (u - r) h
b) (xr - Xs) (r - s) h
=
Prova:
Sabemos que x = x0 + uh e que Xr = Xo + rh, desta forma, temos:
b) (xr - X5) Xo + rh - Xo - sh (r - s)h

a) (x - xr) x0 + uh - Xo - rh (u - r)h
= =
= =
Aplicando as propriedades a) e b) na expresso fk(x), dada por:

( x - x0 ) ( x - x1 ) ... ( x - xk_1 )( x -xk+i ) ... ( x - xn )
f k ( X ) =
(xk -xo )(xk - x1 ) ... ( xk -xk-1 ) ( xk -xk+1 ) ... ( xk - xn )
temos na varivel u a seguinte expresso para fk(u):
(u - O)h (u - l) h ... (u - (k - l)) h (u - (k + l))h ... ( u - n)h

f k (u ) =
(k - O)h (k - l)h ... (k - (k - l) h ( k - (k + l))h ... (k - n)h
(u - O) (u - 1) ... (u - (k - l))(u - (k + l)) ... (u - n)
=
(k - O) (k - 1) ... ( k - (k - l))(k - (k + l)) ... (k - n)
portanto,
Assim, podemos escrever o polinmio interpolador, frmula de Lagrange,

para pontos eqidistantes na varivel u da seguinte forma:
P(u) = L Y k i \ (u)
n
k=O
Note que .'k(u) no depende dos pontos de interpolao originais e,
portanto, so os mesmos para qualquer clculo de polinmios interpola
dores de grau n.
Limitante superior para o erro para pontos eqidistantes
Para pontos eqidistantes, um limitante superior para o erro dado, basea
do no seguinte resultado:
Teorema 4.3
Seja f(x) uma funo definida e (n + 1) vezes diferencivel num intervalo [a, b]. Se
jam XcJ, xv ... , Xn, (n + 1) pontos distintos e eqidistantes deste intervalo. Se P(x)
interpola f(x) nestes pontos, ento o limitante superior para o erro dado por:
hn+l
I E(x) I = l f(x) - P(x) I M
onde, 4(n + 1)
M mx l f( n+t l (x) I x e [x0 , xn 1
=
Prova: Young, D. M.; Gregory, R. T.

Exemplo 4.3
Considere a funo f(x) = cos(x), tabelada nos pontos como segue:
Xj 0.2 0.4 0.6

f(xi) 0.9801 0.9211 0.8253
Determine o polinmio interpolador usando a frmula de Lagrange,

estime f(0.3) e um limitante superior para o erro.
Neste caso, consideramos um polinmio de grau 2.
P(u) = y0 .' 0 (u) + y1.'1 (u) + y2 .' 2 (u)
.e (u - l)(u - 2) u2 - 3u + 2
o (u) = =
(0 - 1)(0 - 2) 2
(u -O)( u - 2) u2 - 2u
.'i (u) = =
(1 - 0)(1 - 2) -1
.e (u - O)(u - 1) u2 - u
2 (u) =
(2 - 0)(2 - 1) 2
138 Clculo Numrico
P(u) = (0.9801> [u2 - u + 2] + (0.921 1> [u212u] + (0.8253> [u2; u] =

= - 0.0184 u2 - 0.0406 u + 0.9801
Portanto, temos o polinmio interpolador:
P(u) = --0 .0184 u2 - 0.0406 u + 0.9801
Para avaliar f(0.3), temos de fazer a mudana de varivel, isto , deter

minar o correspondente valor de u para x = 0.3:
( X - Xo ) _ (0.3 - 0.2)
U = = 0.5
h 0.2
Assim, f(0.3) = P(0.5) = 0.9552

Limitante superior para o erro:
hn + l
I E(x) I 4(n + l) M = - M
h3
12
/
onde
M = mx l f< 3 > (x) I = sen(0.6) = 0.5646
Assim,
2
I E(0.3) 1 12
3 (0.5646) = 0.0004
4.4 Interpolao linear

Apresentamos, a seguir, um caso particular de interpolao, denominada

interpolao linear.
Considere uma f(x) definida em dois pontos Xo e x11 conforme Figura 4.5.
f(x)
f(x)
Xo X
Figura 4.5
O polinmio interpolador, neste caso, de grau 1 (uma reta), dado por:

/
onde
No caso da interpolao linear, podemos escrever um limitante superior para

o erro da seguinte forma:
I E(x) I i 'l')I M
M = mx
onde
{I f(2 l (x) x E [x0 , xi ] }
e 'lf ( X ) = (x - x0 ) (x - x1 )
Podemos notar que a funo 'lf (x) uma parbola passando pelos pon
tos Xo e x1 e assume o mximo valor no ponto mdio p (x0 + x1} /2. =
X (Xo X1 ) - (Xo X1 X0) (Xo X1 X1) -

Desta forma, temos o valor da funo 'lf(x) no ponto x:
+ + + h2
'lf ( ) _- 'lf - -
2 2 2 4
140 Clculo Numrico
Assim, temos um limitante superior para o erro:
1 E(x) 1 J
- h2 z
J M= h M
onde 8 8
M = mx { J f( 2 > (x) J x e [x0 , xd }
Exemplo 4.4
1
Considere uma funo f(x) = -- tabelada nos pontos conforme segue:
(l + x)
1 2
1 /2 1 /3
Determine o polinmio interpolador usando a frmula de Lagrange;

avalie f(l .5) e um limitante superior para o erro.
Temos:
P(x) = Yot'o (x)+ y 1t'1 (x)
.e (x - 2) .e (x - 1)
o (x) = 1 (x) =
(1 - 2) (2 - 1)
(x - 2) (x - l)
P(x) = l / 2 +1/3 = (-l / 6) x + 2 / 3
(-1) 1
f(l.5) ::: P(l.5) = 0.4167
h2
onde
I l SM
E(x)
M = mx {J f( 2 > (x) J x e [x0 , xd }

Como a funo f<2l (x) decrescente em mdulo, esta assume o valor
mximo em x = 1.
l I
Logo,
2
M = mx J f( 2 > (x) J = mx = 1/4
(l + x)3
Assim:
h2
I E(x) I M = _!:_ (l / 4) = 0.0313
8 8
Relao entre o erro cometido e a distncia dos pontos

Exemplo 4.5
Qual deve ser a amplitude do intervalo a ser considerado no tabelamento da
1
funo f(x) = -- no intervalo [0,2], de modo que a interpolao linear
(l + x)
apresente um erro menor ou igual 0.0001?
Sabemos que,
h2
onde
I E (x) l S M
M = mx 1 f< 2 l (x) 1 x e [x0 , xi ]
h2
Assim, basta impor que M 0.0001
8
2
Como a funo f< 2 l (x) = decrescente em mdulo no intervalo
(1 + x)3
l 1
[0,2], o mximo valor que esta funo assume no ponto x = O dado por:
2
M = mx =2
(1 + x)3
Ento temos:
h2
- (2) 0.0001 h 0.02
8
Portanto, a amplitude do intervalo a ser tomado de h 0.02.
4.5 Frmula interpolatria de Newton

Apresentamos, a seguir, a frmula interpolatria de Newton, a qual cons
truda a partir do conhecimento das diferenas divididas como segue:
Diferenas divididas
Seja f(x) uma funo contnua, (n + 1) vezes diferencivel e definida em
:xo, x1, ... , Xn (n + 1) pontos distintos de um intervalo [ a, b] .
Definio 4.2
Diferena dividida de ordem zero
Definimos diferena dividida de ordem zero de uma funo f(x) definida nos
pontos xi i = O, 1, ... , n por:
f [xd = f(xi) i=O,l, ... , n
142 Clculo Numrico
As diferenas divididas de ordens superiores so definidas recursiva

mente, como segue:
Definio 4.3
Diferena dividida de ordem n
Definimos diferena dividida de ordem n de uma funo f(x) definida nos
pontos xi i = O, l, , n por:
...
Podemos tabelar de forma conveniente as diferenas divididas, notando que

as diferenas de ordem 1 so calculadas a partir das diferenas de ordem
zero, as diferenas de ordem 2, a partir das diferenas de ordem 1 e, assim
sucessivamente, como segue:
f[x0]
X Ordem O Ordem 1 Ordem 2 Ordem 3
Xo
f[x0, x1]
f[x1] f[xo, xv x2]
f[xv Xz ] f[ XQ, X11 X21 X3)
X1
f[x2] f[x11 Xz, x3]

f[ X21 X3 )
Xz
f[x3]
--
X3
Exemplo 4.6
Construir a tabela de diferenas divididas da funo f(x) = 1 / x definida
sobre os pontos x0 1, x1 = 2, x2 = 4, x3 = 5.
=
Construo das diferenas divididas:

Diferenas divididas de ordem zero:
f[x0 ] = f(x0 ) = 1
f[xi ] = f(x1 ) = 1 / 2
f[x2 ] = f(x2 ) = 1 / 4
f[x3 ] = f(x3 ) = 1 / 5
Diferenas divididas de ordem 1:

f[x i ] - f[x0 ] _ (1 / 2 -1) _ _
f[xo , xi ] = 112
(x 1 - x0 ) (2 - 1)
(1 / 4 - 1 /2) _ l i 8
f[x2 ] - f[xi ] _
f[xi , x2 ] =
(4 - 2) -
(X2 - X1 )
f[x ] - f[x2 ] (1 / 2-1) _
f[x2 , x3 ] = 3 1 1 20
(X3 - X 2 ) (2- 1)
Diferenas divididas de ordem 2:
f[x 1 , x 2 ] - f[x0 , xi ] 1/8
f[ , =
Xo X 1 1 X 2 ] -----
=1/8
( Xz - x o ) (3)
f[ X1 , X 2 , X3 ] =
f[x2 , x3 ] - f[x1 1 x2 ]
------
(-l / 20:t>l / 8) 12/ 160
( X3 - x i ) 3
Os clculos podem ser convenientemente arranjados no tabelamento das

diferenas divididas, conforme segue:
X Ordem O Ordem 1 Ordem 2 Ordem 3
1 1
-1 /2
2 1 /2 1 /8
-1 /8 -2/160
4 1 /4 12/160
-1 /20
5 1 /5
Teorema 4.4
Seja f(x) uma funo contnua, (n + 1) vezes diferencivel no intervalo [a, b] .
Sejam XQ, x 11 , Xn (n + 1) pontos distintos de [a, b] . Ento temos:

Prova: Isaacson, E.; Keller, H. B.

Uma conseqncia imediata desse teorema dada a seguir por:
144 Clculo Numrico
Corolrio 4.1
f [x0, x1 1 , xn J = f [xi0, Xjv ... , Xj n J , onde f o, j 11 , jn qualquer permutao de

O, l, ... , n.
Desta forma, podemos escrever as diferenas divididas em qualquer
ordem, como segue:
f[x0 , xi J = f[x1 1 xo ]
f[x0 , x1 , x2 ] = f[x1 , x0 , x2 ] = f[x1 1 x 2 1 x0 ] = ...
Segue destes resultados o seguinte corolrio:
f [Xo , X1 1 , Xj-l i Xj+1 ' i Xn ) -f [Xo , X1 1 , Xk-l i Xk+1 ' i Xn ) .

Corolrio 4.2

f [x0 , x1 , ... , xn J = , )';t k

(xk - xi )
Baseando-se nos resultados obtidos das diferenas divididas, podemos
agora determmar uma nova frmula interpolatria, denominada frmula de
Newton.
Considere uma funo f(x) contnua definida em XQ, x1 1 , Xn (n + 1)
pontos distintos de um intervalo [a, b] .
Determinamos as diferenas divididas de f(x) nos pontos:
Considerando os pontos x0 e x, temos:
f[X] - f [Xo ]
f [x ' x] = ' X :; Xo
(X - Xo )
Portanto,
f(x) = f(x0 ) + (x -x0 ) f{x0 , x]
Da mesma forma, considerando os pontos XQ, x1 e x, temos:
.
f[x0 , x] - f[x0 , xi ]
f[Xo , X1 1 X ] = , X :; X1
(x - x1 )
Substituindo f[x0, x] na expresso anterior, temos:
Assim, sucessivamente, temos:

f[xo , X1 , ... , Xn-1 1 x] - f[xo , X1 1 1 Xn ]
f[Xo , X1 1 i Xn , X ] -
- , X :; Xn
(x -xn )
f(x) = f[x0 ] + (x - x0 )f[x0 , xi ] + (x - x0 )(x - x1 )f[x0 , x1 , x2 ] + ... +
+ (x -x0 )(x - xi ) ... ( x -xn_1 )f [xo , X1 1 ... , xn )+
+ (x -x0 )(x - xi ) ... (x -xn )f[x0 , x1 1 ... , xn , x J

f(x) = P(x) + R(x)
onde
P(x) = f[x0 ] + (x -x0 ) f[x0 , xi ] + (x - x0 )(x - xi ) f[x0 , x1 1 x2 ] +
+ . . . + (x - x0 )(x - xi ) . . . (x - xn_1 ) f[xo , X1 1 1 Xn ]
R(x) = (x - x0 )(x - x1 ) ... (x - xn ) f[x0 , x1 1 ...xn , x]
Teorema 4.5
Seja f(x) uma funo contnua e definida em XQ, x1 1 , Xn (n + 1) pontos distin

tos de um intervalo [a, b]. O polinmio de grau n baseado nas diferenas

divididas, dado por:
Pn (x) = f[x0 ] + (x - x0 ) f[x0 xi ] + (x -x0 )(x - x1 ) f[x0 , x1 , x2 ] +

+ . . . + (x - x0 )(x - x1 ) . . . (x - xn_1 ) f[xo , X1 1 1 Xn ]
interpola f(x) nos pontos x0, x1 1 , Xn.
Prova:
Inicialmente notamos que Pn(x) um polinmio de grau n, uma vez que o termo
de maior grau obtido pelo produto de monmios: (x - x0 )(x - x1 ) ... (x - xn ).
Mostramos, agora, por induo finita sobre n, que Pn(xJ f(xJ i = O, l, ..., n.
=
Para n = 1, temos dois pontos Xo e x1:

P1 (x) = f(x0 )+ (x - x0 ) f[x0 , x1 ]
Substituindo x = Xo e x = x1, ento:
o que mostra que P1(x) interpola f(x) em Xo e x1.

Suponha vlido para (n-1 ), isto , Pn-l (xJ = f(xJ i = O, l, . . , n - 1, mos .
tremos que tambm vale para n.

Segue da definio de pn(x) que:
Pn (x) = Pn_1 (x) + (x - x0 )(x - x1 ) ... (x - xJ ... ( X - Xn_1 ) f[xo , X1 1 1 Xn ]
Assim, para i = O, 1, ... , n - 1 temos:
Pn (xi ) = Pn-1 (xJ+ (xi - xo )(xi - x1 ) ... (xi -xi ) ... (xi - Xn-1 ) f[xo , X1 1 1 Xn ] =
= Pn-l (xi ) = f(xi )
A ltima igualdade segue da hiptese de induo.
146 Clculo Numrico
Resta provar que,

Pn (xn ) = f(xo ) + (xn - xo ) f[xa , xd + (xn - x0 )(xn - x1 ) f[x0 , x1 , x2 ] +
+ + (xn - xo )(xn -X 1 ) (xn - Xn-1 ) f[xo , X1 , ... , xn ]

Para x = Xw temos que R(xn ) = (Xn -xo )(xn - xi ) ... (xn -xn )f[xo , x1 , ... , Xn , Xn ] = O
f(xn ) = f( xo ) + (xn - x0 ) f[xa , xd + ( xn - xo )(xn - x1 ) f[x0 , xv x2 ] +
+ ... + (xn - x0 )(xn - xi ) ... (xn - Xn_i ) f[x0 , x1 , ... , xn 1
Assim, temos:
Pn(Xn) = f(xn)
Portanto, para todo i = O, 1, ... , n temos que P(xi) = f(xi), o que prova que
P(x) dado um polinmio interpolador da funo f(x).
Teorema 4.6
Seja f(x) uma funo contnua e suficientemente diferencivel no intervalo
[a, b] e definida em XQ, x1 1 , Xn (n + 1) pontos deste intervalo. Ento, para

x e [a, b] e x :;t: xi i = O, l, ... , n, temos que:
Prova:
f( n+l l ()
Do Teorema 4.2, f(x) - P(x) = (x - x0 )(x - xi ) ... (x - xn ) .
- (n + l) !
Porm,
f(x) - P(x) = R(x) = (x -x0 )(x - xi ) ... (x - xn ) f[x0 , Xv ... , Xn , x]
Portanto, para x :;t: xi , temos:
f( n+l l ()
f[x0 , x1 , ... , xn , X] = e [a, b ]
(n + l) !
Assim, dados (n + 1) pontos distintos :xo, x11 , xn em um intervalo [a,b] e

(n + 1) valores de f(x) nos pontos xi i = O, l, ... , n, o polinmio interpolador,

frmula de Newton, construdo seguindo os passos:
a) Para i = O, l, ... , n, faa f [xd = f(xJ (diferenas de ordem zero)
b) Para r = l, 2, ... , n, faa:
Para i = O, l, ... , n-r, faa:
_ f[xi +1 ' 1 Xi +r ] - f[xu ... , Xi+ ( r-1) ]
----------'-
f[Xu Xi+l 1 .. 1 Xi+r ] - - (diferenas de
(xi +r - xi ) ordem r)
c) O polinmio interpolador dado por:
P(x) = f(x0 )+ i{fi

1=1 J=
(x - xi )f[x0 , x1 1 ... ,xi+t l }
Exemplo 4.7
Considere a funo f(x) = ex+ sen(x) tabelada como segue:
o 0.5 1.0
1 2.12 3.55
Determine o polinmio interpolador usando a frmula de Newton;

avalie f(0.7) e um limitante superior para o erro.
Neste caso, temos um polinmio interpolador de grau 2 dado por:
P(x) = f[x0 ] + (x -x0 ) f[x0 ,xJ+(x -x0 )(x -xi ) f[x0 ,x1 , x2 ]
Tabela das diferenas divididas:
Ordem O Ordem 1 Ordem 2

o
X
1
2.24
0.5 2.12 0.62
2.86
1.0 3.55
Assim, temos:
P(x) = 1 + (x-0)(2.24)+ (x-O)(x-0.5)(0.62) = 0.62 x2 + l.93x + 1
e, portanto,
f(0.7) :: P(0.7) = 2 . 6548
Para avaliar um limitante superior para o erro, usamos:

148 Clculo Numrico
Assim, para n = 2, temos:
Como a funo f<3>(x) = ex - cos(x), uma funo crescente em mdulo

no intervalo [O, l], segue que:
mx l f( 3 l (x) I = 2.1780, em x = 1
Assim, temos um limitante para o erro no ponto interpolado x = 0.7
dado por:
I E(0.7)1 1 (0.7 -0)(0.7 0.5)(0.7 - 1) 1 (2.1780) = 0.0152

4.6 Interpolao inversa
Denominamos interpolao inversa quando, conhecidos os valores de uma
calcular o valor numrico da varivel x correspondente a um valor y = f(x)
funo f(x) definida em (n + 1) pontos distintos xi i = O, ... , n necessitamos
conhecido inicialmente.
a qual denotamos por f-1 (x), ento para os pontos tabelados Yi = f(xi) i = O, n
Supondo que a funo inversa de f(x) exista no intervalo de interpolao,
temos xi = f-1 (yi), e o valor desejado x tal x que y = f (x) obtido por x = f-1 (y).
... ,
Assim, simplesmente trocamos na tabela de dados os valores de x e f(x)

e fazemos a interpolao de f-1 (x) como visto anteriormente neste captulo.
Lembramos, ainda, que a funo inversa x= f-1 (y) existe e nica
se f(x) contnua e montona crescente ou decrescente no intervalo
de interpolao. Caso f(x) seja dada por uma tabela e, supondo que
esta seja contnua no intervalo, esta condio de montona crescente
observada quando f(Xo ) > f(x1 ) > . . . > f(xn ) ou montona decrescente quando
f(x0 ) < f(x1 ) < . . . < f(xn ).
Exemplo 4.8
Considere uma funo f(x) tabelada como segue:
o 1 2
1.31 3.51 3.78
Usando interpolao inversa, determine x tal que f(x) 3.63. =
Usamos o polinmio interpolador, frmula de Newton de grau 2, que

interpola a funo h(y) = f-1 (y) nos pontos y0 = 1.31; y1 = 3.51 e y2 = 3.78.
Assim, temos a tabela da funo inversa dada por:
1
y, 1.31 3.51 3.78
o 1 2
A tabela das diferenas divididas dada por:
y Ordem O Ordem 1 Ordem 2

1.31 o
0.4545
3.51 1 1.3155
3.7037
3.78 2
ta forma, o polinmio interpolador dado por:

P( y) = h[yo ] +(y - yo ) h[yo , Y1 ] +(y - yo )(y - y1 ) h[yo , Y1 1 Y2 ] =
= (O)+(y -1.31)(0.4545)+(y -1.31)(y -3.51)(1.3155)
Assim, P(3.63) = 1.4207, que consiste numa aproximao para x tal que
f(x) = 3.63.
A seguir, apresentamos uma outra frmula interpolatria, chamada
frmula de Newton-Gregory, a qual construda baseada nas diferenas
finitas para pontos eqidistantes.
Diferenas finitas
Seja uma funo f(x) contnua no intervalo [a, b ]. Sejam XQ, x11 , Xn (n + l)
pontos distintos deste intervalo [a, b] tais que xi+t -xi = h i = O, 1, ... , n- 1, isto ,
os pontos so eqidistantes.
Definio 4.4
Diferena finita de ordem zero
A diferena finita de ordem zero de uma funo f(x) definida nos pontos
x E [a, b] dada por:
f(x) = f(x)
Definio 4.5
Diferena finita de ordem r
A diferena divda de ordem r de uma funo f(x) definida nos pontos
x E [ a , b] dada por:
l:!t.C f(x) = r-l f(x + h) - r-l f(x)
Nesta definio, para r = 1 temos o operador diferena finita progres

sivo dado por:
Af(x) = f(x + h)-f(x)
Ou seja, quando aplicamos o operador a uma funo f(x), temos a varia
A
o do valor da funo nos pontos (x) e (x + h), e f(x) uma aproximao
h
para a derivada de f(x).
Assim, desenvolvendo-se os operadores, aplicados funo f(x), pode
mos escrever:
f(x) = f(x)
1 f(x) = f(x+ h)-f(x)
2 f(x) = f(x + 2h)- 2f(x + h)+ f(x)
3 f(x) = f(x + 3h) -3f(x+ 2h)+ 3f(x + h)- f(x)
n f(x) = (}(x +nh)- (}(x + (n-l)h + +(-lt (:}(x)

De um modo geral, temos:
r f(x) = (-l)i G) f(x + (r -i)h)
Considerando x = xi e lembrando que,
Xj+l = xi + h, xi + 2 = xi + 2h .. Xj+r-l = xi + (r - l)h, temos:
.
r
()
. r
r f(xi ) = _L (-1)1 1 f(xj +r-d
i=O
.
Ou, denotando-se fk = f(xk) para todo k,
r
()
. r
r = _L (-1)1 +r-i
i=O

1
Exemplo 4.9
Considere uma funo tabelada nos pontos como segue:
0.2 0.4 0.6

8 10 15
Diferenas finitas de ordem zero:

L\0 f(x0 ) = f(x0 ) = 8
L\0 f(x1 ) = f(x1 ) = 10
L\0 f(x2 ) = f(x2 ) = 15
Diferenas finitas de ordem 1:
L\1 f(x0 ) = L\0 f(x1 )- L\0 f(x0 ) = (10 - 8) = 2
L\1 f(x1 ) = L\0 f(x2 ) - .:'.\0 f(x1 ) = (15 - 10) = 5
Diferenas finitas de ordem 2:
Podemos organizar o clculo das diferenas finitas, conforme a tabela

a seguir:
Tabela das diferenas finitas:
L\ f L\l f L\2 f L\3 f

Xo L\f(Xo)
L\l f(xo)
X1 L\f(x1 ) L\2f(:xo)
L\1 f(x 1 ) L\3f(Xo)
X2 L\f(x2) L\2f(x1 )
L\1 f(x2)
X3 L\f(x3)
152 Clculo Numrico
Os valores das diferenas finitas esto dispostos na tabela da se

guinte forma:
A1 f(x1 ) = A0 f(xi )-A0 f(x0 )
A2 f(x0 ) = A1 f(x1 ) - A1 f(x0 )
A3 f(x0 ) = A2 f(x1 ) -A2 f(x0 )
Exemplo 4.10
Considere uma funo f(x) tabelada nos pontos como segue:
0.5 0.7 0.9 1.1

5.8 7.9 10.1 12.3
A f A1 f A2 f A3 f
0.5 5.8
2.10
0.7 7.9 0.10
2.20 --0.10
0.9 10.1 0.00
2.20
1.1 12.3
A seguir, podemos relacionar as diferenas divididas, dadas no polinmio

interpolador de Newton, com as diferenas finitas descritas anteriormente.
Seja f(x) uma funo contnu e (n + 1) vezes diferencivel no intervalo

Teorema 4.7
[a, b]. Sejam XQ, x1 , , Xn (n + 1) pontos distintos e eqidistantes deste inter

.
valo, ento temos:

Prova:
Por induo finita temos:
a) Para n = l, x1 = x0 + h, temos que:
A0f(x0 + h) - A f(x0 ) 1
f1 [x0 ' x1 ] = fo [xi ] - fo [x0 ] = = Alf(x01 )
(x1 - x0 ) l ! h1 !h
e, portanto, a relao do teorema vlida.
b) Suponha que vlida para n-1, isto :
An-l f(xo )
-1 [ Xo , Xv 1 Xn ] -
(n - l)! hn-l
e mostremos que vlida para n, isto :
-1 [X1 1 1 Xn ] - -1 [ Xo , 1 Xn-1 1
' [Xo , X1 , ... , Xn ]
'n
(xn - Xo )
-
An-1 f(x1 ) An-l f(xo )
(n - l) ! hn-l (n - l ) ! hn-l
=
[ ]
(nh)
l A n-1 f(x0 + h) - An-l f(x0 ) An f(xo )
= -- =
(n h) (n - l)! hn-l n ! hn
Portanto, podemos concluir que o resultado vlido para todo n.
A partir deste resultado, que relaciona as diferenas divididas com as
diferenas finitas, podemos enunciar uma nova frmula interpolatria, cha
mada de frmula de Newton-Gregory.
4. 7 Frmula interpolatria de Newton-Gregory

Considere uma funo f(x) definida em um intervalo [a, b] e, XQ, xv ... , Xn (n + 1 )
pontos distintos e eqidistantes deste intervalo.
Substituindo a relao entre as diferenas divididas e finitas dadas pelo
Teorema 4.7 na frmula interpolatria de Newton, temos uma nova expres
so para o polinmio interpolador, conhecida como frmula interpolatria
de Newton-Gregory, dada por:
A1 f(x0 ) A2 f(Xo )
P(x) = A0 f(x0 ) + (x - x0 ) + (x - x0 )(x - x 1 ) + ... +
l ! h1 2 !h2
An f(xo )
+ (x - x0 )(x - xi ) ... (x - xn_1 ) -___n_
n! h
154 Clculo Numrico
um intervalo [a, b] e (n + 1) valores de f(x) nos pontos xi i = O, l, ... , n, o polinmio

Assim, dados (n + 1) pontos distintos e eqidistantes x0, xv ... , Xn em
interpolador, frmula de Newton-Gregory, construdo seguindo os passos:
a) Para r = O, 1, ... , n faa
.'f(xi ) = (-1) G) f(xj+r-d (diferenas finitas)
n i- 1{
b) Construir o polinmio interpolador
i o
P(x) = f(x0 )+ L IJ <x - xi ) 1. f(x
, i
)}
i=l j=O .h
A expresso do erro do polinmio interpolador em termos das dife
renas finitas a mesma obtida nas frmulas interpolatrias anteriores, pois
o polinmio interpolador nico. Podemos confirmar esta observao a par
tir do seguinte teorema:
Teorema 4.8
Seja f(x) uma funo contnua e (n + 1) vezes diferencivel no intervalo
[a, b ]. Sejam x0, xv ... , Xn (n + l) pontos distintos e eqidistantes deste inter
valo, ento temos:
Prova: Isaacson, E.; Keller, H. B.

Assim, usando este resultado na expresso do erro, temos:
E(x) = (x -x0 )(x - xi ) ... (x -xn )f[xo , X1 , ... , Xn ] =
n+l f(x)
= (x -x0 )(x - x1 ) ... (x -xn ) -n+-1--'- -
h (n + l)!
- 'l'(X) f(n+l l () e [a, b ]
(n+l)!
Como anteriormente, a estimativa para o erro dada pelo seguinte limi
tante superior para o erro:
Exemplo 4.11
Considere a funo f(x) = -1- tabelada nos pontos como segue:
(x +l)
o 1 2
1 1/2 2/3
Determine o polinmio interpolador pela frmula de Newton-Gregory,

avalie f(l.3) e um limitante superior para o erro.
Usamos os trs pontos tabelados para obter um polinmio interpolador
de grau 2:
1 2
P(x)= .:l f(:xo )+(x -x0 ) .:l f(x1 ) +(x -x0 ) (x -xi ) .:l f(x2 )
l!h 2!h
o 1
-1 /2
1 1/2 2/3
1/6
2 2/3
Assim, temos:
P(x) = l + (x -0) -1/2 + (x-O)(x -1) 2/3 = -1 x - -5 x+l
-- -
2
1 2 3 6
Portanto, temos:
P(x) = ..!. x2 - x+ 1 e f(l.3) = P(l.3) = 0.5850

3 6
Como f3 (x) = 6 4 , temos:

(l+x)
mx l f3(x) I = 6, em x = O
156 Clculo Numrico
Assim,
1 E(l .3) 1 (1.3 - 0)(l. l)(l .3 - 2) (6) = 0.2730
Podemos, ainda, escrever o polinmio interpolador de Newton-Gregory,

considerando a seguinte mudana de varivel:
U = (x- :xo ) ou X = Xo + uh
h
Como os pontos so eqidistantes, Xr Xo + rh, segue que:
=
(x - xr) (u - r)h
=
Note que nesta nova varivel u os pontos de interpolao XQ, Xv ..., Xn

correspondem aos pontos O, l, 2, ... , n.
Desta forma, podemos escrever o polinmio de Newton-Gregory na
varivel u:
2
P(u) = f(x0 )+(u -O) 1f(x0 ) +(u-O)(u-1) f(x0 ) + ... +
1! 2!
n
+(u -O)(u-1) ... (u -(n -1)) n!f(x0 )
Podemos escrever o limitante superior para o erro por:

E(u) (u-O)(u-1) ... (u -n) hn+l M
(n+l)!
onde M = mx i t<n + l l(x) I x e [a, b].
Exemplo 4.12
Considere a funo f(x) tabelada nos pontos conforme segue:
0.1 0.2 0.3 0.4

1.01 1.05 1.12 1.23
Determine o polinmio interpolador de Newton-Gregory na varivel u

e avalie f(0.35).
O ponto x = 0.35 corresponde, na varivel u:

u = (x -x0 ) = (0.35 - 0. 1) = 250
h 0. 1
1 2 0)
P(u) = f(x0 ) + (u - O) f(x! 0 ) + (u - O)(u - 1) f(x
2! +
l
3 0)
+ (u - O)(u - l)(u - 2) f(x 3!
f l f
0.1 1.01
0.04
0.2 1 .05 0.03
0.07 0.0 1
0.3 1 .12 0.04
0. 11
0.4 1 .23
Assim, temos:
P(u) = l.Ol + u(0.04) + u(u -1) 0.03 + u(u - l) (u-2) O.Ol =
2 6
3
=0.00017u +0.0099u2 + 0.0284u + l.Ol
f(0.35) :: Pu (2.50) = 1. 1 694
4.8 Aproximao de funes - o mtodo dos mnimos
quadrados
O estudo do tpico interpolao polinomial neste captulo, Seo 4.2, fornece
uma maneira de aproximarmos uma funo por um polinmio, com a carac
terstica que este coincida com o valor da funo em alguns pontos, isto ,
P(xJ = f(xJ i = O, l, ... , n, e dizemos que P(x) interpola a funo f(x) nos pon
tos XQ, xv ... , Xn. Assim, P(x) uma aproximao para a funo f(x).
Apresentamos, nesta seo, uma forma alternativa para aproximar uma
funo f(x) usando o mtodo dos mnimos quadrados, o qual consiste em,
conhecidos os valores de f(x) em m pontos, determinar uma funo g(x) que
158 Clculo Numrico
melhor se aproxime de f(x). Esta melhor aproximao ser definida a seguir,

e a funo g(x) pode ser uma combinao de funes polinomiais, exponen
ciais logartmicas, trigonomtricas etc.
4.8.1 Caso discreto
Inicialmente, consideramos o caso em que a funo f(x) definida em um
conjunto discreto, isto , a funo conhecida em m pontos, geralmente
obtidos em experimentos, conforme a tabela:
X
f(x)
Graficamente, temos a disposio dos pontos obtidos no experimento
na Figura 4.6:
/
j
f(x) /
.
g (x)
:/. .
.
V
. V.-- /'
. . /
1
.
. / !
1
1
.

V. 1
. --: /
.
V
. /
1 ...

X
>1 >2 "3 X
;n
- -
Figura 4.6
Observando a disposio dos pontos (xi, f(xi)) i = l, ..., m na Figura 4.6, ve

mos que g(x) possui o comportamento de wna reta, isto , um polinmio de grau 1:
g(x) = a1 g1 (x)+a2 g2 (x) = a1 x + a2
com g1(x) = x e g2(x) = 1. Assim, escolhemos uma farru1ia de funes as quais
dependem dos parmetros a1 e a2.
O problema agora consiste em determinar os parmetros a1 e a2 de modo

que a funo g(x) se ajuste melhor aos dados da tabela. Para falar em "melhor
ajuste", temos de ter um critrio para a escolha dos parmetros a1 e a2, isto ,
ter uma medida para o erro cometido nesta aproximao.
Definio 4.6
Definimos e(xi) f(xi) - g(xi) como o erro ou desvio cometido numa aproxi
=
mao de uma funo f(x) por uma funo g(x), nos pontos xi i 1, ... , m.
=
Desta forma, desejamos determinar uma funo g(x) de modo que nos
pontos xi i 1, ..., m os desvios sejam "pequenos". Neste caso, tentador desejar
=
m
que a soma dos erros seja mnima, isto , que L e(xi ) seja mnima. Entretanto,
i=l
este fato no traduz que g(x) seja uma "boa" aproximao para a funo f(x), como
podemos observar na Figura 4.7, em que a funo g(x) que melhor se aproxima
2
de f(x) a reta rv que passa pelos pontos dados e L e(xi ) = O.
i=l 2
No entanto, quando tomamos a reta r2, temos tambm que L e(xi ) = O
i=l
e esta reta no uma "boa" aproximao para a funo f(x), embora a soma
dos erros seja zero, o que no significa que os erros sejam nulos, pois soma
mos grandezas numricas com sinais opostos, podemos notar que e(x1) > O e
e(x2) < O para a reta r2 .
f(x)
Figura 4.7
160 Clculo Numrico
Um critrio para obter e(xi) i = l, ..., m pequenos em todos os pontos da

tabela seria considerar a soma I l e(xJ I mnima, porm este critrio acarreta
m
i=l
dificuldades de resoluo, pois a funo valor absoluto no diferencivel
na origem.
Uma maneira para contornar esses problemas consiste em considerar

uma medida para o erro da seguinte forma:

minimizar I e(xJ2 =minimizar L (f(xJ-g(xJ)2
m m
i=l i=l
Assim, considerando o exemplo da Figura 4.6, desejamos encontrar uma
funo g(x) = a1x+a2 que melhor se aproxime da funo f(x), de forma que
E(al t a2 ) = L (e(xJ)2 seja mnimo. Do clculo diferencial, se a funo E(al t a2 )
m
possui um i=lponto de mnimo, ento suas derivadas parciais devem ser

nulas, isto ,
Derivando E(al t a2 )com relao varivel "a{, temos:
=L 2(a1 xi + a2 -f(xJ)xi =
m
i=l
Assim, temos:
Derivando E(al t a2 ) com relao varivel a2 temos:
i=l
= L 2(a1 xi + a2 -f(xJ) =
Assim, temos:
Portanto, os parmetros a1 e a2 que minimizam o erro E(ava2) necessa

riamente satisfazem o seguinte sistema de equaes lineares:
(t, x}1 + (i x}2 i x; f(x; )

(i +' + m a2 i f(x; )
O sistema de equaes obtido chamado sistema de equaes nor

mais, o qual pode ser resolvido por qualquer mtodo visto anteriormente.
Prticularmente, o mtodo de Cholesky pode ser aplicado, pois o sistema
de equaes normais possui a matriz A do sistema simtrica e definida po
sitiva.
Prova-se que a soluo do sistema de equaes normais nos parmetros
a1 e a2, de fato minimizam a soma dos quadrados dos erros.
x
Exemplo 4.13
Seja f( ) tabelada como segue:
o 1 2 3 4
0.98 -3.01 -6.99 -11.01 -15
162 Clculo Numrico
f(x)
5
2 3 4 5 X
-
-3.01
-5
-6.99
-10
-15 ----------
g(x)
Figura 4.8
Observando o grfico da Figura 4.8, vemos que os dados possuem o

comportamento linear. Usando o mtodo dos mnimos quadrados, deter
minamos dentre todas as retas g(x) a1x + a2 aquela que melhor se ajusta
=
aos dados.
5 5 5
I x i 2 I xi 1 L f(xJxi
k=l k=l k=l
=
5 5
I xi 5 2 I f(xJ
k=l k=l
Xj f(xi) x?1 f(Xj)Xi

o 0.98 o 0 . 00
1 -3. 0 1 1 -3 . 0 1
2 -6.99 4 -13.98
3 -1 1 . 0 1 9 -33 .03
I
4 -15.00 16 -60 .00
10 -35 . 03 30 -11 0 . 02
[ ] [1] [ ]
Assim, temos o seguinte sistema de equaes lineares:
2
30 10 -110.02 =
10 5 -35.03
{12
Usando o mtodo de eliminao de Gauss, temos:
= -3 . 9960
= 0 . 9860
Portanto, g(x) -3.9960 x + 0.9860

=
Clculo do erro:
e(x1 )2 (f(O)-g(O) )2
= = 0.0000
e(x2 )2 (f(l}-g(l})2
= = 0.0000
e(x3 )2 (f(2)-g(2))2
= = 0.0003
e(x4 )2 (f(3)-g(3))2
= = 0.0001
e(xs )2 (f(4)-g(4))2
= = 0.0000
5
Portanto, L e(xi )2 0.0004 e qualquer outra reta possui a soma dos
=
i =l
quadrados dos erros superior a este valor obtido.
Podemos ter dados experimentais onde seja necessrio aproximar a
funo f(x) por um polinmio de grau 2, isto , uma parbola:
g(x) a1 g1 (x) + a2 g2 (x) + a3 g3 (x) a1 x2 + a2 x + a3
=
com g1 (x) x2, g2(x) x e g3 (x) = 1

=

= =
Generalizando este procedimento, escrevemos g(x) como uma combi

nao linear de funes como segue:
g(x) = a1 gi (x) + a2 g2 (x) + ... + an gn (x)
com gi(x) sendo funes escolhidas.
164 Clculo Numrico
Procedendo de maneira anloga ao caso do ajuste linear, a reta, pode-

m
mos determinar os parmetros ai i = l, ... , n de forma que o erro L e(xJ2

i=l
seja mnimo.
Assim, temos:
m m
+ L gn (xJg1 (xJ)an = L f(x i )g 1 (xJ

i=l i=l
+( L gn (xJg2 (xJ )ln = L f(xJg2 (xJ

m m
i=l i=l
m m
+( L gn (xJgn (xJ)an = L f(xJgn (xJ

i=l i=l
Portanto, para determinar os parmetros ai i = l, ..., n, devemos resolver

o seguinte sistema de equaes lineares:
m m m m
(L g1 (x; )g1 (x; ))a1 +(L g2(xi )g1 (x; ))a2 + ... + L gn (x; )g1 (x; ))an L f (x; )g1 (x; )
=
i=l i=l i=l i=l
m m m m
(L g1 (x; )gz(x; ))a1 +(L gz( x; )gz (xi ) )az + ... + (L gn ( x i )g2(x; ))an L f (xi )g2( x i )
=
i=l i=l i=l i=l

m m m m
(L g1 (xi )gn (xi ))a1 +(L g2( xi )gn (x; ))a2 + ... + (L gn ( x ; )gn (xi ))an L f (x; )gn (x i )
=
i=l i=l i=l i=l
Osistema de equaes lineares obtido denominado sistema de equa

es normais, o qual pode ser resolvido por qualquer mtodo visto anterior
mente. Resolvido este sistema, determinamos os parmetros ai i= l, ... , n e
conseqentemente a funo g(x) = a1g1(x) + . . . + angn(x) que melhor se ajusta
funo f(x) nos pontos x1 Xm no sentido dos mnimos quadrados.

Exemplo 4.14
Considere uma funo f(x) definida conforme tabela:
X -2 -1 o 1 2 3
f(x) 19.01 3.99 -1 .00 4.01 18.99 45.00
g(x)
f(x) 45
-2 1 2 3 X
-3 -1 o
Figura 4.9
Observando a Figura 4.9, vemos que a funo possui o comportamento

Assim, tomamos g(x) = a1x + a2x + a3, isto , g1(x) x2, g2(x) x, (x) l,
de uma parbola, polinmio de2grau 2.
= = =
e determinamos os parmetros a11 a2, e a3 de modo que g(x) se ajuste aos

dados da tabela no senso dos mnimos quadrados.
166 Clculo Numrico
Temos o sistema de equaes normais:

6 6
I xi4 Ixi3 Ixi2
6 6
1
2
L f(xi )xf
i=l i=l i=l i=l
6 6 6 6
Ixi3 Ix/ Ixi = L f(xJxi
i=l i=l i=l i=l
6 6 6
2
I xi I x i 6 a3 If<xJ
i=l i=l i=l
X1 x1 x'f
1 f(xi) xif(xJ xTf(xJ
-2 4 -8 16 19.01 -38.02 76.04
-1 1 -1 1 3.99 -3.99 3 .99
o o o o -1 .00 0.00 0.00
1 1 1 1 4.01 4.01 4.01
2 4 8 16 1 8.99 37.98 75.96
I
3 9 27 81 45.00 135.00 405.00
3 19 27 115.00 90.00 134.98 565.00
[ :; 1 [::] [::1 =
{1
1 9 3 6 a3 90.00
= 5.0893
2 = 0.05 1 5
a3 = -1.1 403
Portanto, g(x ) = 5.0893x2 + 0.05 1 5 -1.1 403.
Clculo do erro:
e(xi )2 = (f(x1 ) - g(x1 ))2 = 0.0 1 08
e(x2 )2 = (f(x2 ) - g(x2 ))2 = 0.0086
e(x3 )2 = (f(x3 ) - g(x3 ))2 = 0.0 1 97
e(x4 )2 = (f(x4 ) - g(x4 ))2 = 0.000 1
e(xs )2 = (f(x5 ) - g(x5 ))2 = 0. 1 088
e(x6 )2 = (f(x6 ) - g(x6 ))2 = 0.0332
6
Portanto, L e(xi )2 = 0.1812 e qualquer outra parbola possui a soma
i= l
dos quadrados dos erros superior a este valor obtido.
Exemplo 4.15
Considere a funo f(x) tabelada como segue:
Xj --0.5 o 0.5 1 .0 1 .5 2.0 2.5 3.0 3.5 4.0 4.5

f(xi) --0.25 0.5 0.25 0.00 0.75 1 .50 1 .25 1 .00 1.75 2.50 2.25
Usando o mtodo dos mnimos quadrados, determine uma funo g(x)

que melhor se ajuste aos dados da tabela.
Observando a Figura 4.10, vemos que os dados da funo f(x) sugere
uma funo, a qual uma combinao de uma funo linear com uma fun
o peridica do tipo: g(x) = a1 g1 (x)+ a2 g2 (x) = a1 x + a2 cos(ax), com g1 (x) = x
e g:i(x) = cos(ax).
f(x)
2 f(x)
- - - - - - - - - - - -1 - - -
1 - - - - - - - - - - - - - - - r
,
1
1
X
-1 1 2 3 4 5
-1
Figura 4.1 0
Note que a funo g(x) no linear nos parmetros, pois o parmetro

a um argumento da funo cos(x). Entretanto, observando os pontos na Fi
gura 4.10 vemos que h uma oscilao de perodo igual a 2 (pontos de mximo
168 Clculo Numrico
ou mnimo ocorrem a cada 2 unidades). Portanto, tomamos a = 3.14 e temos

que a funo g(x) = a1(x) + a2 cos(3.14x) agora uma funo linear nos par
metros a1 e a2 . Desta forma, temos o seguinte sistema de equaes normais:
( L g1 (xi )g1 (xi ) )a1 + ( L g1 (xi )g2 (xJ)a2 = L f(xJg1 (xJ

11 11 11 .
i=l i=l i=l
( L g2 (xJgi (xi ) )a1 + ( L g2 (xJg2 (xJ)a2 = L f(xJg2 (xJ
11 11 11
i=l i=l i=l
Assim, temos:
+ < I cos(3.14xJxJa2 = L f(xJxi

11 11
i=l i=l i=l
<I cos(3.14xJxJa1 + < I cos2 (3.14xJ)a2 = L f(xJcos(3.14xJ
11 11 11
i=l i=l i=l
Calculando os coeficientes do sistema de equaes normais temos:
11
I xf = n .5000
i=l
11
I cos(3.14xJxi = 2.0192
i=l
11
L f(xJxi = 36.7500
i=l
11
I cos2 (3.14xJ = 5.0001
i=l
11
L f(xi )cos(3.14 xi ) =3.5096.
i=l
[ ][ ] [ ]
7 1.5000 2.0192 1 36.7500
=
2.0192 5.0001 2 3.5096
{ 1 = 0.4999
2 = 0.5000
Portanto:
g(x) = 0.4999 x + 0.5000 cos(3.14 x)
e o erro dos mnimos quadrados dado por:
11
L e(xJ2 = 0.0001.
i=l
4.8.2 Caso contnuo

O mtodo dos mnimos quadrados pode ainda ser usado para aproximar
uma funo f(x) contnua num intervalo [a, b], por uma combinao de fun
es do tipo g(x) = a1 g1 (x)+a2 g2 (x)+ ... + an gn (x), onde g1 (x),g2 (x), ... , gn (x)
so funes contnuas no intervalo [a, b].
Neste caso, desejamos determinar g(x) que melhor se aproxime da fun
o f(x), isto , que a rea entre as curvas de f(x) e g(x) seja a menor possvel,
dando a idia de proximidade de duas funes, o que representado por:
b
E(a1 t a2 , ... , an ) = J (f(x)-a1 g1 (x)+ ... +gn (x))2 dx

Assim, o problema do mtodo dos mnimos definido por:

Minimizar E(av a2, ... , an )
isto , Minimizar r (f(x)-(a1 g1 (x)+a2 g2 (x)+ ... + an gn (x ))2 dx
Portanto, como anteriormente, o ponto de mnimo necessariamente
satisfaz:
ou seja,
Jb
aE m
-
a ai
= -2 (f(x)-

L kgdx)gi (x))dx = O 1 i m
Denotando o produto escalar de funes por ( f,g ) = r f(x)g(x)dx, temos
i=O
o seguinte sistema de equaes normais:
( g1 , g i ) ( g1 , g z ) ( gi ,gm ) 1
( g2 ' gi ) ( g2 ' g z ) ( gz ,gm ) 2 =
170 Clculo Numrico
Se o determinante da matriz do sistema de equaes normais for dife

rente de zero, ento o sistema possui soluo nica, ou seja, existe uma
nica funo g(x) que melhor se ajusta funo f(x). Desta forma, a so
luo (a1, a2, ... , an) obtida na resoluo deste sistema fornece a melhor
g(x) = a1 g1 (x) + a2 g2 (x) + ... + an gn (x) que se aproxima da funo f(x).
Observao
Se as funes escolhidas gi(x) forem linearmente independentes, ento o de
terminante da matriz A do sistema de equaes normais diferente de zero.
Exemplo 4.16
Usando o mtodo dos mnimos quadrados, aproxime a funo f(x)=e-x lo
intervalo ( 1, 3] por um polinmio de grau 1 da forma g(x)= a1 + a2 x.
Temos:
[(1, 1) (l,x)l [1 ] = [(l,e-x )l

O sistema de equaes normais dado por:
(l,x) (x,x) a2 (x,e-x )

Assim,
(1,1 ) = r l dx = l
( l,x) = r xdx = 4
(x,x ) = r x2dx = 26/ 3 = 8.6667
(1,e-x ) = r e-xdx = 0.3181
(x,e- x ) = r xe- xdx = 0.5366
[ l[ ] [ 1
Portanto, o sistema de equaes normais dado por:
1 4 1 0 .3181
-
4 8.6667 2 0.5366
Usando o mtodo de eliminao de Gauss, obtemos:

a1 --0.0832 a2 0.1003 e a reta que melhor se ajusta
= =
f(x) e- x no intervalo [l, 3] dada por:

g(x) a1 + a2 x - 0.0832x + 0.1003
=
= =
Regresso no linear nos parmetros - aj uste no-linear

Muitas vezes temos dados experimentais em que o ajuste como combinao
linear nos parmetros no adequado e no pode ser considerado. Neste
caso, necessitamos de outras famlias de funes para representar adequada
mente uma funo representada em uma tabela .
a) Ajuste hiperblico
Considere os dados obtidos experimentalmente, conforme ilustrado na Fi
gura 4.11:
1 !
..
i
f(x)
1!o
---+---+--;.-- -+--.--.,--+------ -
. .
. . . . . ,
i
1----
-t---+- ---+---t--+-- + . -+-
Figura 4.1 1
Observando a Figura 4.11, vemos que a representao dos dados possui

um comportamento do tipo:
172 Clculo Numrico
Como anteriormente, desejamos determinar os parmetros ao e a1 de

modo que E(a1 ,a2 ) = l: e(xJ2 seja mnimo, isto ,
m
i=l
Minimizar L (f(xJ -g(xJ)2

m
i=l
Como a funo g(x) no linear nos parmetros a1 e a2, o sistema

obtido por:
um sistema de equaes no lineares, o qual pode ser resolvido usando

o mtodo de Newton, descrito no Captulo 3. Entretanto, o mtodo dos
mnimos quadrados, desenvolvido anteriormente, pode ser usado fazen
do-se uma transformao adequada de modo a obter uma combinao
linear nos parmetros.
1X + 2
Se a funo g(x) a 1 a aproxima a funo f(x) dada inicialmente,
=
consideramos a funo h(x) -1- a1 x + a2 que tambm aproxima-se funo

= =
g(x)
-1- e temos agora o caso do ajuste linear j desenvolvido anteriormente.
f(x)
Se g(x) aproxima-se funo f(x), -1- aproxima-se funo -1-.
g(x) f(x)
Esquematicamente:
g(x) f(x)
1 1
g(x) f(x)
Da tabela inicialmente dada, construmos uma nova tabela da se
guinte forma:
O problema agora consiste em aproximarmos a funo -1- por uma

reta h(x) = a1x + a2 e o sistema de equaes normais dado por:
f(x)
i=l
Os parmetros obtidos na resoluo do sistema de equaes normais

resolvem o problema
Minimizar I (-1- - h( xd)2

i=t f(xi )
e fornecem uma soluo aproximada para o problema inicial proposto.
Exemplo 4.17
Considere a funo f(x) tabelada nos pontos como segue:
-3 -2 -1 --0.5 --0.4
--0.13 --0.20 --0.49 -2.01 -4.99
petermine uma funo g(x) que melhor se ajuste aos dados da tabela e
6
calcule L e(xi )2 .
i=l
Temos a disposio dos pontos da funo f(x) num grfico, confor-
me Figura 4.12, a qual sugere um comportamento de uma funo do tipo
g(x) = a1 1 a
--
x+ 2
174 Clculo Numrico
f(x)
-3 -2 -1 -0.5 o
1 X
- -:- - --0. 49
1
- - -
2 01
.
- - -4 . 99
Figura 4.1 2
Desta forma, consideremos uma nova tabela da funo -1-:

f(x)
xi -3 -2 -1 -0.5 -0.4
l/f(xi) -7.6923 -5.000 -2.0408 -0.4975 -0.2004
conveniente fazer o chamado "teste do alinhamento" da funo -1-

f(x)
como segue na Figura 4.13:
f(x)
Figura 4.1 3
Observando a Figura 4.13, vemos que os pontos obtidos possuem um

f( x )
1
comportamento linear e, portanto, a aproximao linear para - - adequada
e podemos escrever o sistema de equaes normais como segue:
i=l
176 Clculo Numrico
Xj xt 1/f(xt)
-3 9 -7. 6923 23.0769
-2 4 -5 10
-1 1 -2 . 0408 2 . 0408
-0 .5 0 . 25 -0.4975 0 . 2488
-0.4 0.16 -0. 2004 0 .0802
-6. 9 14.41 -15.43 1 0 35.4467
Substituindo estes valores obtidos, temos o seguinte sistema de equa

es lineares:
[ 14.41 - 6.9 1
-6.9 5 2
][ ] [
=
35.4467
-15.4310
]
{
2 = 0.9093
1 = 2.8952
Portanto, temos g(x) = 2.8952 1
X + 0.9093
------
Erro cometido:
e(xi )2 = (f(x1 )-g(x1 ))2 = 0.0000
e(x2 )2 = (f(x2 )-g(x2 ))2 = 0.0000
e(x3 )2 = (f(x3 )-g(x3 ))2 = 0.0002
e(x4 )2 = (f(x4 )-g(x4 ))2 = 0.0232
e(x5 )2 = (f(x5 )-g(x5))2 = 0.9423
Portanto, temos:
5
:L e(xJ2 = 0.9657
i=l
b) Ajuste exponencial
Podemos obter dados experimentais dispostos conforme ilustrado na Figura
4.14, a qual sugere que devemos aproximar a funo observada por uma
funo g(x) da forma g(x) = a(b)x com os parmetros a e b positivos.
!
--- I
1
1
1
f(x)
i ' i
/
'
'
'
. '
: :
1 A
1
1 .
.
- ------
-+-- -
/
' y i
.
.

i . .Y.
v.
. . 1
.

.
--
. .
___,
.
. . ----
.
.
!
1 ! i
o X
l Xt Xz Xm
1
1
1 i
Figura 4.1 4
Desejamos determinar a e b de forma que E(a,b) = 'L e(xJ2 seja mni-

m
mo, isto : i=l
Minimizar L (f(xJ-g(xJ)2
m
i=l
O mtodo dos mnimos quadrados desenvolvido anteriormente pode

ser usado fazendo a seguinte transformao:
h(x) = ln(g(x)) = ln(a( bx )) = ln(a)+x ln(b) = ln(a)+xln(b)
Definindo-se:
temos que h(x) uma combinao linear das funes g1 (x) = x e g2 (x) = 1,
isto , h(x) = a1g1 (x)+a2 g2 (x).
Assim, se a funo g(x) aproxima a funo f(x), ento a funo h(x)
aproxima ln(f(x)).
178 Clculo Numrico
Esquematicamente:
g(x) "" f(x)
ln(g(x)) "" ln(f(x))
Desta forma, construmos a seguinte tabela:
X1 X2 ... Xn
ln(f(x1)) ln(f(x2)) ... ln(f(xn))
Assim, temos o seguinte sistema de equaes normais:
< l xJa2 L ln(f(xJ)xi

m m m
( L xi2 )a1 + =
i=l i=l i=l

m
ma2 L ln(f(xJ) =
i=l
Os parmetros a1 e a2 obtidos na resoluo do sistema linear de equa
es resolvem o problema:
m
Minimizar L ln(f(xJ)-h(xJ)2
i=l
e fornecem uma soluo aproximada para o problema original dado.
Observao
Caso o leitor deseje resolver o problema proposto sem usar o fato da lineari
zao, temos de resolver um sistema de equaes no-lineares, descrito neste
livro no Captulo 3.
Exemplo 4.18
Considere uma funo tabelada nos pontos como segue:
Xj -1 -0.9 -0.8 o 1 2
f(xi) 6.01 5.39 4.80 2.01 0.65 0.21
Determine uma funo g(x) que melhor se ajuste aos dados da tabela de
6
f(x) e calcule L e(xi )2 .
i=l
Para determinar a funo que se ajusta aos dados da tabela, vamos

exibir os pontos dados num grfico, conforme a Figura 4.15, e vemos que
g(x) possui um comportamento exponencial da forma g(x) a(bx) com =
O < b < l.
7
f(x)
o 2 X
-1 1
Figura 4.1 5
Desta forma, construmos a seguinte tabela para a funo linearizada

ln(f(x)):
Xj -1 -0.9 -0.8 o 1 2
ln(f(xi)) 1.79 1.68 1.57 0.70 -0.43 -1.56
Como estamos realizando um ajuste linear, conveniente fazer p chamado

"teste do alinhamento" e verificar que de fato os pontos (xi, ln(f(xi)) i l, ..., m
=
possuem um comportamento linear, como segue na Figura 4.16.

180 Clculo Numrico
f(x)
2
- - - - - - -
f i'9
.
- - - -i-_57
o X
-1 -0.8
-0.43
-1
- - - - - - - - - - - - - - - - - - - - - -
-1 . 56
-2
Figura 4.1 6
Portanto, podemos escrever o sistema de equaes normais como segue:

+
6 6 6
( L x i 2 ) a1 (L xJa2 L ln(f(xJ)xi
=
i=l i=l i=l

+
6
6a2 L ln(f(xJ)
=
i=l
xi Xl ln(f(xi)) xi ln(f(xi))
-1 1 1 . 79 -1 .790
-0 .9 0.81 1 .68 -1 .512
-0.8 0.64 1 .57 -1 .256
o o 0 . 70 0 .000
1 1 -0.43 -0.430
I
2 4 -1 .56 -3 . 120
0.3 7.45 3 . 75 -8 . 1 08
Substituindo estes valores obtidos no sistema linear, temos o seguinte
[ ][ ] [ ]
sistema de equaes normais:
7.45 0.3 1 -8.108
=
0.3 6 2 3.75
a2 = 0.6808 a = e2 = 1.9755
a1 = -1.1157 b = e1 = 0.3277
Portanto, a funo que melhor se ajusta aos dados tabelados, no sentido
dos mnimos quadrados, dada por:
g(x) = (1.9755)(0.3377)X
Erro total cometido:
e(xi )2 = (f(x1 )-g(x1 ))2 = 0.0256
e(x2 )2 = (f(x2 )-g(x2 ))2 = 0.0201
e(x3 )2 = (f(x3 )-g(x3 ))2 = 0.0084
e(x4 )2 = (f(x4 )-g(x4 ))2 = 0.0012
e(x5 )2 = (f(x5)-g(x5 ))2 = 0.0003
e(x6 )2 = (f(x6 )-g(x6 ))2 = 0.0002
6
Portanto, temos: L e(xi )2 = 0.0558
i=l
Observao
Podemos, ainda, fazer outros ajustes, por exemplo, usando a funo geomtrica
g(x) = a1x2, e fazer a linearizao dos parmetros a1 e a2 como anteriormente.
Consideraes finais sobre aproximao de funes
De uma maneira geral, alm das consideraes apresentadas sobre como
aproximar uma funo conhecida em determinados pontos por uma outra
funo, necessrio observar quando podemos utilizar a interpolao poli
nomial ou o mtodo dos mnimos quadrados.
a) Quando temos um experimento com muitos dados coletados, que
descrevem um fenmeno observado, a aproximao usando o
mtodo dos mnimos quadrados deve ser considerada, uma vez
182 Clculo Numrico
que temos dados resultantes de medidas, que geralmente so acome

tidos de erros, sugerindo a necessidade de represent-los por uma
funo que nos permita obter aproximaes "seguras" em valores
geralmente fora do intervalo de medida.
b) O uso dos polinmios interpoladores para aproximar funes dentro
de intervalos conhecidos seria oportuno quando desejamos fazer uma
anlise mais local da funo no intervalo considerado, isto , determi
nar valores desconhecidos da funo em intervalos predefinidos.
Quanto ao grau do polinmio ser considerado no intervalo de observa
o, no deve ser "alto", pois pode acontecer que, medida que o grau
aumenta, para determinadas funes, os polinmios interpoladores
comeam a distanciar-se nos demais pontos no interpolados, situao
conhecida na literatura como fenmeno de Runge (lsaacson e Keller).
Alm disso, o aumento no grau do polinmio na busca de uma
"melhor" preciso na interpolao tambm faz com que o nmero
de operaes se eleve, aumentando assim a possibilidade de erros
no processamento dos algoritmos.
observamos ser a de Lagrange aquela que requer um maior esforo
c) Nas frmulas interpolatrias de Lagrange, Newton e Newton-Gregory,
computacional, considerado a partir de operaes elementares, quan
do comparada com as frmulas de Newton e Newton-Gregory. Quandc;>
os pontos so eqidistantes, aconselhvel o uso da frmula de Newton
Gregory, pela sua simplicidade e pelo menor esforo computacional.
4.9 Trabalhando com o Software Numrico
No Software Numrico, o usurio deve selecionar o mdulo aproximao
de funes e selecionar a opo interpolao de funes seguida de tabela de
pontos ou expresso da funo ou, ainda, a opo de aproximao de funes
usando o mtodo dos mnimos quadrados.
Caso a opo seja interpolao, o usurio deve fornecer a tabela de pontos
da funo, escolher corretamente o grau do polinmio e o ponto a ser inter
polado. Alm disso, se a expresso da funo for declarada, temos a funo
tabelada nos pontos declarados, e o usurio pode determinar, alm do poli
nmio interpolador da funo, um limitante superior para o erro.
Pode-se, ainda, plotar os pontos tabelados de f(x) para uma boa escolha
do ajuste de funes no mtodo dos mnimos quadrados.
Exemplo 4.19
Considere as seguintes observaes do lanamento de um projtil:
a) O ponto de lanamento foi considerado como a origem do sistema
cartesiano.
b) Fotografando o projtil a 8 metros do ponto de lanamento na hori

zontal, foi determinada uma altitude de 7.86 metros.
c) A 16 metros do lanamento, uma barreira o interceptou e foi deter
minada uma altitude final de 5.67 metros.
A Figura 4.17 ilustra a trajetria do projtil:
f(x)
7 .89

- - - - - - - - - - - - - - - - - - - - - - - -:..:--.--.---

5.67
---------------------------------------------
1
4

4 16 X
Figura 4.1 7
Observando os dados, vemos que estes possuem o comportamento de uma

parbola, podemos obter aproximadamente valores para a altitude do pro
jtil em diversos momentos usando interpolao e comparar posteriormente
com a equao terica da trajetria dada por:
x2
2 Vo COSz (a.)
1
y xtg(a.)--g =
z
onde,
a ngulo com a horizontal
v0 velocidade inicial
Usando o Software Numrico, vamos determinar o polinmio interpo
lador e avaliar a altitude do projtil a 12.5 metros do lanamento.
o usurio deve selecionar a opo aproximao de funes, seguida
mente de interpolao, entrar com os pontos e os correspondentes valores
de f(x) do problema e pode selecionar polinmio interpolador, frmula de
Newton e avaliar o valor da altitude do projtil a 12.5 metros do lanamento,
conforme resultados da Figura 4.18 a) e b).
184 Clculo Numrico
OJQI) IU.WAI
8.lml 7.SfOI
16.cm> 5.6llll
a) b)
Figura 4.1 8
Temos, assim, o polinmio interpolador de grau 2:

P (x) -0.0785x2 + l.6106x
=
e a avaliao da altitude do projtil a 12.5 metros do lanamento dada por:

P( 12.5) 7.8647. =
Exemplo 4.20
Em um experimento de laboratrio, observa-se o crescimento de uma po
pulao de um tipo de larva, em um tanque, de dois em dois dias, durante
um perodo de tempo de 12 dias (nmero de larvas por cm3), conforme a
seguinte tabela:
Dias o 2 4 6 8 10 12
Larva (cm3) 17 25 34 43 56 65 78
Usando o Software Numrico, podemos observar a disposio dos pon

tos e escolher uma funo g(x) que melhor se ajuste aos dados da tabela e, a
partir do conhecimento de g(x), podemos avaliar aproximadamente o cresci
mento da populao de larvas num perodo de tempo posterior desejado.
No Software Numrico, selecione as opes aproximao de funes,
mtodo dos mnimos quadrados. Digite os valores da tabela e analise a dis
posio dos pontos para a escolha de g(x), conforme Figura 4.19 a) e b).
Observando a Figura 4.19 b), escolhemos um polinmio de grau 2 para
representar os dados.
a) b)
e)
Figura 4.1 9
Portanto, temos que g(x) 0.0982x2 + 3.9107x + 16.8571.

=
Podemos avaliar o crescimento da populao de larvas, por exemplo,

16 dias depois do incio do experimento, isto , g(16) 104.5675 larvas por cm3,
=
considerando naturalmente que as condies para o crescimento dessa popu

lao nos perodos anteriores foram preservadas. O erro total cometido nesta
aproximao dado na Figura 4.19 c).
Exerccios
1. Considere as funes a seguir, definidas nos pontos x0 = 0.5,x1 = l.0,x2 = 1.5.
a) f(x) = sen(x)
b) f(x) = .j(2+x)
c) f(x ) = ln(4 +x)
de Newton-Gregory, e avalie f(l.34) e um limitante superior para o erro.

Usando o Software Numrico, determine o polinmio interpolador, frmula
186 Clculo Numrico
2. Considere a funo f(x) e-x definida no intervalo [O, 3]. Usando o polin
=
mio interpolador, frmula de Lagrange de graus l, 2 e 3, calcule o valor

aproximado f(l.45) e um limitante superior para o erro em cada caso.
3. Obtenha o polinmio interpolador, frmula de Newton, para as funes
cometido para o ponto a ser interpolado x = 0.23 em a) e x = 1.23 em b).
abaixo, nos pontos dados, com o auxlio do Software Numrico, avalie o erro
a) f(x) = cos(x) + 2x, Xo = 0. 1 x1 = 0 .3 x2 = 0.5
b) f(x) = e3 x sen(x), Xo = 1 .2 x1 = 1 . 7 x2 = 2.0
4. Seja f(x) 2ex + 3 definida no intervalo [O, 2].
=
a) Aproxime f(0.35) utilizando interpolao linear com x0 O e x1 0.5.

= =
b) Aproxime f(0.85) utilizando interpolao linear com Xo 0.5 x1 = 1.0.

=
c) Aproxime f(0.35) e f(0.85) utilizando um polinmio, frmula de La

grange de grau 2, com os pontos Xo O x1 1 x2 = 2.
= =
d) Em qual dos casos obtemos melhor aproximao no ponto desejado?

Justifique suas afirmaes.
5. Considere a equao x - ex = O.
a) Usando o mtodo de Newton, resolva a equao com E = 0.0001.
b) Usando interpolao inversa, determine uma aproximao para a so-
luo da equao O.=
c) Compare os resultados obtidos.

6. Usando o Software Numrico e o polinmio interpolador, frmula de
Newton e Newton-Gregory de grau 2, avalie f(0.45) a partir dos dados
da seguinte tabela:
Xj 0. 1 0.3 0.5 0.7 0.9
f(xi) 1.2500 1 .5678 3.6789 8.8900 1 0.5699
7. Mostre que existe um nico polinmio de grau 2 tal que P(l) 3, =
P((2) 5 e P(3) = 12.

=
Usando o polinmio interpolador, frmula de Newton-Gregory, avalie

Pz(l.5).
8. De um automvel percorrendo um trajeto em linha reta foi cronometrada
a distncia percorrida em diversos momentos, conforme tabela dada:
Tempo (min) o 10 20 30
Distncia (km) o 20.56 30 . 67 67.78
Usando interpolao, determinar a distncia percorrida 15.6 minutos de
pois da partida;
9. Sendo P1(x) o polinmio de interpolao linear de f(x) em a e b, determi

ne e E (a , b) de modo que:
f(x)-P1 (x) = (x-a)(x -b) f< 2l(c), para as funes f(x) definidas como:
2
a) f(x) = x3, com a = 1 e b 2 e o ponto a ser interpolado x = 1 .5 .
=
b) f(x) = e-x, com a = 0.5 e b 1 e o ponto a ser interpolado x = 0.7.

=
10. Construa uma tabela para determinar o valor de ex para 0 2

xk = k/5 k = l, ... , 5 e determine o valor aproximado de e 3 usando:
a) Polinmio interpolador, frmula de Lagrange.
b) Polinmio interpolador, frmula de Newton.
c) Calcular um limitante superior para o erro.
1 1. Determine um valor aproximado para cos(0.14) usando um polinmio
interpolador de grau 2, e calcule um limitante superior para o erro.
12. Em um experimento foram obtidos os seguintes dados:
1X o 1 2 3 4
0.01 1.01 1.40 3.81 4.01
a) Determinar a reta que melhor se ajusta aos dados da tabela, usando o
mtodo dos 5
mnimos quadrados, com o auxlio do Software Numrico.
b) Calcule L e(xi )2 .
i=l
13. Considere os dados de um experimento conforme tabela:

-9 -6 -4 -2 o 2 4
30.1 10.1 8.9 5.9 5.0 3.9 4.0 1
Usando o mtodo dos mnimos quadrados e o Software Numrico, ajustar
aos dados da tabela funes:
a) Hiperblica
b) Exponencial
c) Compare os resultados obtidos.
1 4. Considere a tabela de observaes com valores de uma funo f(t) (que
representa o consumo de gua numa cidade no perodo t, ou a demanda
por um produto no perodo t) t O, ..., 4. Desejamos prever o futuro, isto ,
=
determinar o valor de /(5).

t o 1 2 3 4
f(t) 1 1 .0 10.5 10.3 10.2 10.2
188 Clculo Numrico
Considere duas estratgias para prever o valor de f em t + 1 :

reta) e use o polinmio interpolador para prever f(t + 1).
a) Interpole f nos ltimos dois perodos t - 1 e t (obtenha, portanto, uma
mos perodos t - 2, t - 1 e t e use a reta ajustada para prever f(t + 1).

b) Ajuste uma reta, pelo mtodo dos mnimos quadrados, aos trs lti-
Para avaliar as estratgias, considere t + 1 4 e use as duas estratgias para
=
prever f(4) e compare com o valor j observado f(4) 10.2. Qual das duas
=
estratgias apresentou resultado melhor?

Escolha a estratgia que apresentou o resultado melhor e utilize-a para
prever /(5).
15. Estime JV, usando a frmula de interpolao de Lagrange sobre os
pontos Xo 9, x1 16, x2 25.
= = =
a) Avalie a preciso da estimativa, usando um limitante para o erro de

interpolao.
b) Utilize o valor de Jfi dado pela sua calculadora e compare com o
valor estimado pela interpolao. A preciso avaliada est coerente?
Comente.
Captulo 5
Integrao Numrica
5.1 Introduo
Neste captulo, apresentamos algtms mtodos numricos para calcular aproxi
madamente a integral de uma funo com uma varivel real definida num
intervalo [a, b].
De uma maneira geral, temos:
1 J f(x) dx
b
onde f(x) contnua com derivadas contnuas em [a, b].

Quando for possvel determinar a funo primitiva F(x) de f(x), tal que
F'(x) f(x), o valor da integral dado por:
=
1= J f (x) dx F(b) - F(a)

b
Graficamente, considerando a funo f(x) O, para todo xe[a, b],

podemos relacionar 1 J f ( x ) d x com a rea A, entre a curva e o eixo das
b
a
abscissas, conforme Figura 5.1 :
189
190 Clculo Numrico
f(x)
f(b ) - - - - - - - - -
f(x)
f(a ) - - - - - - -
- - - - - - - - - - - - - - - -
a b X
Figura 5.1
Exemplo 5.1
Para calcular J x3 dx, como F(x)= satisfaz F'(x) = x3, ento:

2 4
o
4
o
J 4 4
x3 dx = F(2)-F(O) = (2) - (0) = 4
4 4
Entretanto, nem sempre possvel determinar a funo primitiva F(x);
em algumas situaes, mesmo conseguindo determinar F(x), seu tratamento
pode tomar-se complexo e trabalhoso. Podemos, ainda, desconhecer explici
tamente a funo f(x) quando, em experimentos, obtemos os valores de f(x)
em pontos xi do intervalo de integrao [a, b] sem, no entanto, ter o conhe
cimento da expresso analtica da funo que necessitamos integrar. Nestes
o valor da integral definida 1.
casos, mtodos numricos so desenvolvidos para obter aproximaes para
Estas aproximaes podem ser obtidas a partir da integrao do poli
nmio interpolador da funo f(x), em pontos eqidistantes do intervalo [a, b].
Este processo conhecido como frmulas de quadratura de Newton-Cotes.
Existem tambm outras frmulas aproximadas para integrao num
rica conhecidas como frmulas de quadratura de Gauss.
Assim, de um modo geral, frmulas de integrao numrica podem ser
obtidas pela integrao do polinmio interpolador Pn(x) de uma funo f(x)
definida em pontos distintos XQ, x11 , Xn do intervalo [a, b].

Assim, temos:
J f(x) dx = J Pn (x) d x
Xn Xn
Xo
I ntegrao Numrica 191
Podemos representar graficamente, conforme Figura 5.2:
Xn=b X
Figura 5.2
5.2 Frmulas de quadratura de Newton-Cotes

Considere uma funo definida em x0, xv ... , xn, (n + 1) pontos distintos e
eqidistantes no intervalo [a, b ], isto , (xi+ l - xi) = h i = O, 1, . .. , n 1 sendo
- ,
h > O a distncia entre os pontos.

Quando consideramos Xo = a e Xn = b, temos as frmulas fechadas de
Newton-Cotes.
Seja Pn(x) o polinmio interpolador de uma funo f(x) definida nos
pontos XQ, x1, ..., Xn, (n + 1) pontos distintos e eqidistantes no intervalo [a, b], tal
que Xo = a e Xn = b. Considerando que f(x) suficientemente diferencivel,
temos da interpolao polinomial que:
f(x) = Pn(X) + En(X)
onde
( n+ l )
(n+ l )!
f ()
En (x) = (X-X0 ) (X-Xn ) --
X0 Xn
Assim,
J f (x) d x = J Pn (x) d x
Xn Xn
e o erro dado por:
J En (x)dx
xo
192 Clculo Numrico
Como os pontos escolhidos so eqidistantes, por simplicidade usamos

a frmula de interpolao de Newton-Gregory:
+. .. + (x -x0) ... (X - Xn-1 ) --

An f(x0)
n! hn
a qual pode ser reescrita com a mudana de varivel:
u = (x - Xo ) / h ou x = x0 + uh
de modo que na varivel u os pontos de interpolao so sempre O, 1, ..., n e

o polinmio interpolador dado por:
Pn (x) = A f(x0 )+ u A f(x0 )+ u(u - 1 ) A2 f (x0 ) + ... + u(u - 1 ) . . . (u - (n - l )) A f(x0 )
o 1
n
2! n!
e o erro na interpolao na varivel u dado por:
de modo que o erro na integrao pode ser escrito como:
5.3 Erro cometido na integrao numrica
Como vimos, quando aproximamos a integral J f (x) dx por J Pn (x) dx come-

Xn Xn
Xo
temos um erro, o qual expresso pelo seguinte teorema:

Teorema 5.1
pontos xi Xo + ih i = O, l, . .. , n subdividem o intervalo de integra

a) Se f(x) possui (n + 1) derivadas contnuas no intervalo [Xo, xn] e os
=
o num nmero mpar de intervalos, ento existe tal que:

f( ) n
J (u) (u-1) . . . (u-n) du,
(n+l)
(n+ l ) !
hn+2
En =
0
Xo xn
Integrao Numrica 193
pontos xi = Xo + ih i = O, l, ... , n subdividem o intervalo de integra

b) Se f(x) possui (n + 2) derivadas contnuas no intervalo [ Xo, Xn], e os
o num nmero par de intervalos, ento existe tal que:
(n+2) n
J
h n+3 f() n (u)(u-1) ... (u-n) du, x0 x
En ! (u --) n
(n+2) 0 2
Prova: Jennings, W.
5.4 Regra dos trapzios
polinmio interpolador de Newton-Gregory da funo f(x) de grau n = 1

Considere uma funo f(x) definida em dois pontos Xo e x1 no intervalo [a, b].
O
dado por:

P1 (x)= Li f(xo )+(x -xo ) Li f(xl0 )
l!h
e
1
J f(x)dx = J P1 (x)dx = h J P1 (u)du

onde u -{x-x0 ) , com h = x1 - x0 .

h
=
f(x)
Figura 5.3
194 Clculo Numrico
Podemos integrar facilmente P1(u) e obter uma frmula de integrao

da seguinte forma:
J f(x) dx = hJ (0 f(x0 )+u 1 f(x0 ) du = hJ 0 f(x0 ) du + hJ u 1 f(x0 ) du

x, 1 1 1
o
Como 0 f(x0) = f(x0 ) e 1 f(x0) = f(x1 ) - f(x0 ), temos:

Xo o o
Portanto, temos:
J f(x)dx = 2"h [f(x0 )+f(x1 )]
x,
regra dos trapzios

Xo
Podemos observar que J f(x) dx corresponde rea do trapzio for

x,
><o
mada entre o polinmio interpolador P1(x) e o eixo das abscissas, conforme Fi-
gura 5.3, justificando, assim: a denominao regra dos trapzios.
5.4. 1 Erro na regra dos trapzios
Neste caso, o intervalo de integrao n = 1 mpar e, portanto, pela parte (a)
do Teorema 5.1, temos:
E1 = h3 f ( 2 ) ()
1
2!
J (u) (u-l) du x0 $ $ x1
o
Como J u(u-1) du = --,

1 1 temos que o erro dado por:
o
6
E1 = - ; f <2l ()
Podemos observar que o argumento na frmula do erro E1 no uma gran
deza numrica conhecida no intervalo [Xo, xi] e, portanto, no possvel
calcul-lo exatamente na regra dos trapzios, mas podemos calcular uma

estimativa, que ser o limitante superior para o erro. Tomando a igualdade em
mdulo, temos que:
1
I E1 1 = - f<2l() 1 = 1 - l i f<2> () I E[x0 ,xi ]
Como i f < 2> () I mx {i f< 2>(x) I , xE[x0 ,xi J }, temos que:
Exemplo 5.2
Calcule o valor aproximado de J (In(x) + x) dx usando a regra dos trapzios

1
0,5
e um limitante superior para o erro.

Soluo:
Tabelando a funo f(x) nos pontos x0 0.5 e x1 = 1, temos:
=
X 0.5 1
f(x) --0.1931 1.0000
Assim, usando a regra dos trapzios, temos:
J0,5 ( ln(x) +x) dx ::: -h2 [f(x0 )+f(x1 )] = -

1 o5 [-0.1931+1.0000] = 0.2017
2
Como a funo f(x) (2) = --1 , ento i f< 2 >(0.5) l = mx { l f< 2 >(x) l 1 0.S x l } = 4,
X2
pois a funo l f< 2 >(x) I = 1z decrescente no intervalo [0.5, 1].
X
Desta forma, temos:
3
I E1 1 (0.5)
12 (4) 0.0417 =
196 Clculo Numrico
Regra dos trapzios generalizada
A regra dos trapzios generalizada consiste na subdiviso do intervalo de

integrao em n subintervalos iguais, cada qual de amplitude h = (xn - Xo)/n,
Xo = a Xn = b, e em aplicarmos a regra dos trapzios em cada subintervalo,
isto , a cada dois pontos consecutivos.
Representamos graficamente conforme Figura 5.4:
f(x)
f(x)
h h h
Figura 5.4
Assim, temos que:

J f(x)dx = 2h [f(x0 ) + f(x1 )] + 2h [f(x1 ) + f(x2 )] + . . . + 2h [f(xn_1 ) + f(xn )] =
Xn
xo
Erro na regra dos trapzios generalizada

Como vimos, em cada aplicao da regra dos trapzios temos a seguinte
expresso para o erro:
O erro total na frmula generalizada obtido a partir da soma dos erros

cometidos em cada subintervalo, isto :
I ntegrao Numrica 197
Coo xi-t i xi , i l, ... , n e f2)(x) uma funo contnua por hip

=
tese, ento existe e [x0 , x n 1 tal que

n 2)
I/ 2 l n f<( >
=
i =l
Assim, a expresso para o erro na regra dos trapzios generalizada
toma-se:
Como o nmero de subintervalos n dado por n (xn - Xo)/h, temos:

=
Et - - h2 (x - X ) f((2)) E [X , X ]
12 n o
= o n
Como o argumento no conhecido, no podemos determinar o erro exa
tamente, mas podemos calcular um limitante superior para o erro.
2
I E1 1 h12 (xn - x0 ) mx { l f (2>(x) I , x0 x xn }
Exemplo 5.3
Calcule o valor aproximado da integral J F dx usando a regra dos trapzios

4
1
generalizada para 2, 4 e 6 subintervalos e um limitante superior para o erro.
a) Soluo para 2 subintervalos
Neste caso, h determinado por:
Tabelando a funo f(x), com h 1.5, temos:=
X 1 2.5 4
f( x ) 1.000 1.5811 2.000
Assim,
f "rx
4
A. dx = -h2 [f(xo ) + 2f(x1) + f(x2 ) ] 125 [1 + 2(1.5811) + 2]

= _
.
1
198 Clculo Numrico
Portanto,
J JX dx
4
= 4.6217
1

Usando a expresso do limitante superior para o erro, temos:
2
IE1 1 ::; h12 (xn - x0) mx { i f <2 >(x) l x0 ::; x ::; x2 }
1
Como a funo ) = - x-312 , ento i f < 2> (l)I = mx { l f< 2 > (x) l x E [l, 41 } = 0.25,
1
pois i f <2 >(x ) I decrescente no intervalo [l, 4].

Assim, temos:
E t 1 ::; (1.5)2 (4-1 ) (0.25) = 0. 1406
I 12
b ) Soluo para 4 subintervalos
Neste caso, o espaamento h determinado por:
h = (xn - Xo ) = 4-1 h = 0.75
n 4
Tabelando a funo f(x) com h = 0.75, temos:
X 1 1.75 2.5 3.25 4

f(x) 1.000 1.3229 1.5811 1.8028 2.000
Assim,
J JX dx = 2h [f(x0) + 2(f(x1 ) + f(x2 ) + f(x3 )) + f(x4 )] =

4
= 75 [1 + 2(1.3229 + 1.5811 + 1.8028) + 2] = 4.6551

2
Logo, temos:
J JX dx
4
= 4.6551
1

Usando a expresso do limitante superior para erro, temos:
Como a funo f(x) (2) = - 1 x-3/2 , ento i f< 2>(1) I = mx i f<2 >(x) I , xe[l, 4] } = 0.25,
4 {
pois l f( 2 )(x) I decrescente no intervalo [l, 4].
Assim, temos:
I E1 1 (0.75 ) (4 - 1 ) (0.25) = 0.0352
2
12
e)Soluo para 6 subintervalos
Neste caso, o espaamento h determinado por:
h = (xn n- Xo ) = 4 6-1 = h = 0.5
Tabelando a funo f(x) com h=0.5, temos:
X 1 1.5 2.0 2.5 3.0 3.5 4

f(x) 1.0000 1.2247 1.4142 1.5811 1.7321 1 .8708 2.0000
Assim,
4
J JX dx = h2 [f(x0)+ 2(f(x1 )+f(x2 )+f(x3 )+ f(x4 )+ f(x5 ))+f(x6 )] =
-
1
= 0.5 [1+2(1.2247+ 1 .41 42 + 1 .5811 + 1.7321 + 1 .8708) + 2] = 4.6615
2
Portanto,
J JX dx = 4.6615
4

200 Clculo Numrico
{l }
O valor de mx f < 2 l(x) , x0 :5: x :5: xn = 0.25 como nos casos anteriores e,
I
portanto, temos:
2
j E , j :5: (0.5) (4 - 1 ) (0.25) = 0 .0 1 56
12
Apresentamos a seguir a Tabela 5. 1 , com os resultados obtidos pela regra
dos trapzios com 2, 4 e 6 subintervalos e um limitante superior para o erro
em cada caso.
Tabela de resultados da regra dos trapzios com 2, 4 e 6 subintervalos e

limitante superior para o erro
2 subintervalos 4 subintervalos 6 subintervalos

Valor aproximado 4.621 7 4.6551 4.6615
Limitante superior 0.1406 0.0352 0.0156
Tabela 5.1
Observe, na Tabela 5. 1 , que na medida em que diminumos o espaa

mento h, isto , aumentamos o nmero de subintervalos, os resultados obtidos
so mais prximos do valor exato da integral, isto , o erro tende a zero.
5.5 Regra 1 /3 de Simpson

Considere uma funo f(x) definida em trs pontos distintos x0, x1, x2 eqidis
tantes no intervalo [a, b], e o polinmio interpolador de Newton-Gregory da
funo f(x), de grau n = 2, com Xo = a e x2 = b, escrito como:
Assim,
2
f f(x) dx = f P2 (x) dx = hf P2 (u) du

(x - x0 ) (x - x0 )
onde u = com h = n ---
h ' n
f(x)
f(x)
:xo = a X
Figura 5.5
Assim,
Uma vez que,
Assim, temos:
rJ f(x) dx = h [f(x0 ) + 4f(xi )+ f(x2 )] regra 1/3 de Simpson

-
Xo
3
202 Clculo Numrico
5.5. 1 Erro na regra 113 de Simpson

Neste caso, o intervalo de integrao foi subdividido em um nmero n = 2
(par de subintervalos) e, portanto, pela parte (b) do Teorema 5.1, temos:
n+3 f(n(x+2))
E0 = h
(n +2) !
u
J (u -n/2) (u) (u - 1) ... (u - n) du x0 $ $ x0
0
(4)
E2 = 4 ! J (u - l)(u)(u - l)(u - 2) d u
h5 f() 2
o
J
2 4
o
Como (u - l)(u)(u - 2) du = - -, temos:
15
Como o argumento no conhecido, no possvel calcular o erro exa

tamente, portanto, trabalhamos com um limitante superior como segue:

Temos que o erro dado por:
, Xo $ x $ X2
(4 )
h5 f ( )
E2 = -
90
Tomando em mdulo a expresso anterior temos que:
l l l f(4l() I e [x0 , x2 ]
J E2 J = -
Desta forma, podemos escrever o limitante superior para o erro como:
J E2 J $ 90 $ x $ x2 }
h5
{ mx 1 f( 4 l(x ) I , x 0
Exemplo 5.4
J cos(x) d x usando a regra 1 /3 de

1 .5
Calcule o valor aproximado da integral

0.5
Simpson e um limitante superior para o erro.
Soluo
Neste caso, o valor do espaamento h calculado por:
h= (b - a) = 0.5
2
Tabelando a funo f(x) = cos (x) com h = 0.5, temos:
X 0.5 1.0 1.5

f(x) 0.8776 0.5403 0.0707
Desta forma, temos:

h
J f(x) dx o 5 [0.8776+ 4(0.5403)+0.0707] = 05183
l .5
= -3 [f(x0 )+ 4f(x1 )+f(x2 )] = -3

Portanto,
f cos(x) dx
1 .5
= 0.5183
0.5

Da frmula do limitante superior para erro, temos que:
1 E2 I ::;; 9h50 mx {J f( 4 l (x ) J , x E [0.5, 1.51 }
Como a funo f( 4 l (x ) = cos(x), ento J f ( 4 l(O.S)j = mx {J f< 4 l (x) J } = 0.8776, pois a

funo l f<4 > (x) I decrescente no intervalo [0.5, 1.5].
Assim,
(0 .8776) = 0.0003
5
1 E2 I ::;; (0.5)
90
Regra 1/3 de Simpson generalizada

Na regra 1/3 de Simpson, foram necessrios 3 pontos para a interpolao quadr
tica, o que significa a diviso do intervalo de integrao em 2 subintervalos.
A regra 1 /3 Simpson generalizada consiste em subdividirmos o intervalo
[a, b] de integrao em n subintervalos de amplitude h, onde n um nmero
par de subintervalos, de forma que x0 = a, Xn = b e aplicarmos a regra 1 /3 de
Simpson em cada 2 subintervalos consecutivos.
204 Clculo Numrico
f(x)
2
P (x)
j
f(x)
h
Xn-2 Xn-1 Xn = b X
Figura 5.6
Assim, aplicando a regra 1 /3 de Simpson para cada 3 pontos, isto , a

cada 2 subintervalos, temos:
f f(x)dx = -h3 [f(x0)+4f(x1)+f(x2 )] + -h3 [f(x2 )+4f(x3 }+f(x4 )] + ... +

Xn
X()
Erro na regra 1/3 generalizada de Simpson

\
Para cada dois subintervalos (3 pontos distintos e eqidistantes } , aplicamos

a regra 1 /3 de Simpson e o erro cometido para cada aplicao dado por:
(4)
2-
E _ _
h5 f( d x2i-2 i x2i i = 1, 2, ... , n/2
90
Desta forma, o erro total cometido na regra 1 /3 de Simpson generali
zada obtido a partir da soma dos erros cometidos a cada aplicao da regra
1 /3 de Simpson a cada dois subintervalos subseqentes, isto :
= L --
n/2
hS f((4) ) X2 2 X2
E1
90 i- i i
i i = 1, 2, ... , n/2
i=l
Como x0 :5 i :5 Xn i 1, 2, ... , n/2 e f<4> (x) contnua por hiptese, ento

=
existe um E [x0 , xn ] tal que:
I f ( i > /2 (4)
n/2 (4)
=
f()
i=l 2
Assim, a expresso para o erro na regra 1 /3 de Simpson generalizada

dada por:
Como o nmero de subintervalos n =

(xn xo )
, temos que:
(4)
4
h
E1 = - - (xn - Xo ) f ( )
180

Como E [x0 , xn 1 no uma grandeza numrica conhecida, trabalhamos
com um limitante para o erro, conforme segue:
Exemplo 5.5
J
3
Calcule o valor aproximado da ( xex + 1 ) d x, usando a regra 1 /3 de Simpson

o
para 2, 4 e 6 subintervalos e um limitante superior para o erro.
Neste caso, o valor do espaamento h dado por:
(xn - Xo )
h = = 1.5
n
Tabelando a funo f(x) para h = 1 .5, temos:
X o 1 .5 3.0
f(x) 1 .0000 7.7225 61.2566
206 Clculo Numrico
Assim,
3
f (xex + 1) dx = -h [f(x0 )+ 4f(x1 )+ f(x2 )] = -
1 5
(1+ 4(7.7225)+ 61.2566) = 46.5733
o 3 3
Portanto, temos:
3
f (xex + 1) dx = 46.5733
o

4) = ex (4 + x) e l f( 4 ) (3) = mx { l f( 4 ) (x) 1, x E [O, 3J}

Como f ((x) I = 140.5988,
pois a funo l f( 4l(x) I crescente em mdulo no intervalo [O, 3].
Temos:
(1 .5) 4
I Et l
1 80
(3 - 1) (140. 5 988) = 1 1 . 8630
b)Soluo para 4 subintervalos

(xn - Xo )
h= = 0.75
n
X o 0.75 1.5 2.25 3 .0

f(x) 1 .0000 2.5878 7.7225 22.3474 61 .2566
Assim,
J (xex + 1) dx = -h3 [f(x0 ) + 4(f(xi )+ f(x3 )) + 2f(x2 ) + f(x4 )]
3
= 0 75 (1 + 4 (2.5878 + 22.3474) + 2 (7.7225) + 61 .2566) = 44.3606

3
Portanto, temos:
J (xex + 1) d x
3
= 44.3606
o

. \
Como f (x) = ex (4 + x) e l f( 4 l (3) I = mx {l f( 4 > (x) , , x E [O, 31 } = 140.5988, pois

(4)
a funo i f< 4 > (x) I crescente em mdulo no intervalo [O, 3].
Temos:
4
I E1 1 (0.75)
1 80
(3 - 1)(140.5988) = 0.74 1 4
e) Soluo para 6 subintervalos

h (xn - xo )
= = 0.5
n
X o 0.5 1 .0 1 .5 2.0 2.5 3.0

f(x) 1.0000 1 .8244 3.7183 7.7225 15.7781 31 .4562 61 .2566
Assim,
J (xex + 1) dx -3 [ f (x0 ) + 4 (f (x1 ) + f (x3 ) + f (x5 ))+ 2(f (x2 ) + f (x4 ) ) + f (x6 ) ] =
3 h
=
o
0.5
= [ 1 + 4 (1 .8244 + 7.7225 + 31 .4562) + 2(3.7183 + 15.7781) +
3
+ 61 .2566 ] = 44.2103
Portanto,
J (xex
3
+ 1) dx = 44.2103
o
208 Clculo Numrico

Como f (4)(x) = ex (4 + x) e i f(4 l(3)l = mx { l f(4 >(x) 1 1 x e [O, 31} = 140.5988, como
nos casos anteriores, temos:
4
I Et 1 (0.5) (3-0) (140.5988) = 0. 1 465
1 80
Apresentamos, a seguir, a Tabela 5.2 com os resultados obtidos usando

a regra 1/3 de Simpson, com 2, 4 e 6 subintervalos e um limitante superior
para o erro em cada caso.
Tabela de resultados da regra 1/3 de Simpson com 2, 4 e 6 subintervalos e


Valor aproximado 46.5733 44.3606 44.2103
Limitante superior 11 .8630 0.7414 0.1465
Tabela 5.2
Observao
Pode-se notar que, na medida em que diminumos o espaamento h entre
os pontos, o limitante superior para o erro decresce, indicando valores mais
prximos do valor exato da integral.
5.6 Regra 3/8 de Simpson
Considere uma funo f(x) definida em XQ, xv x2, x3 quatro pontos distintos e
eqidistantes de um intervalo [a, b]. Neste intervalo, considere o polinmio
interpolador de Newton-Gregory da funo f(x), de grau n = 3, com Xo a e =
x3 = b, isto ,
o
1 0) 2 f(x0 ) +
P3 (x) = f(Y ) + (x -xo ) f(x + (x -x )(x -x 1 )
''IJ
l ! hl 2 ! h2
3 o)
+ (x -x0 )(x -xi )(x-x2 ) 3 f(x
! h3
e, portanto,
3
J f(x) dx :: J P3 (x) dx J P3 (u) du
X3 X3
=h
"o "o o
com h = Xn - Xo .
(x - x0 )
onde u =
h n
f(x)
Figura 5.7
Assim,
J f(x) dx :: h J [Af(x0 )+uAi f(x0 ) + u (u2. l) ,:l2 f(x0 ) +

X3 3
-i(u - 2) ,:l3f(x0 )] du = h J3 Af(x0 ) du +

"o o
(u)(u
+
0
u(u l) 2
3 3
+h J uAi f(x0 ) du + h J ,:l f(x0 ) du +
o o 2.
3 (u)(u - l)(u - 2)
+h J ,:l3 f(xo ) du
o 3!
Uma vez que,
Assim, temos:
J f(x) dx = 83 h [f(x0 ) + 3f(x1 )+ 3f(x2 ) + f(x3 )]

X3
Xo
5.6. 1 Erro na regra 318 de Simpson

Para esta regra de integrao, o intervalo [a, b] foi subdividido em um nmero
n 3, mpar, de subintervalos e, portanto, pela parte a) do Teorema 5.1, temos:
=
J0 u (u - l )(u - 2) . . . (u - n) du
h n+2 (n+l ) 0
E0 = -
r,- f() e [x0 , x3 ]
,n + l) !
logo,
h
E3 = -
5 (4 ) 3
f()
4!
J u(u - l )(u - 2)(u - 3) du e [x0 , x3 ]
o
Resolvendo-se a integral da expresso anterior, temos:

3 (4)
E3 = - - hs f( )
80
I E3 1 $ :o h5 mx { l f (4>(x) l , x0 $ x $ x3 }
Exemplo 5.6
J
1 .2
Calcule o valor aproximado da (ex +Sx) dx usando a regra 3/8 de Simpson

0.3
e um limitante superior para o erro.
Soluo:
Temos h =
(xn - xo )
= 0.3
n
Tabelando a funo f(x) com h 0.3, temos: =
X 0.3 0.6 0. 9 1.2

f(x) 2.8499 4.8221 6 . 9 596 9.3201
Assim,
J
1 .2
3
)+f(x2 ))+f(x3 )]
0. 3
f(x)dx =
B h[f(x0)+3(f(x1
3
= - (0.3) [2.8499 + 3 (4. 822 1 + 6.9596) + 9 . 320 1 ]
8
Portanto temos:
1 .2
J (ex + 5x) dx = 5 . 3454

0. 3
(4)
Neste caso, f ( x ) =eX, uma funo crescente em mdulo no intervalo
[x0, x3] logo,
i f <4l (l .2) 1 = mx { l f ! 4 l (x) I , x e [0.3, 1 .21 } = 9 .3201
Portanto,
1 E3 I (0.3) 5 (9.320 1) = 0.0085

8

A regra 3/8 de Simpson generalizada consiste em 'subdividirmos o inter
nmero mltiplo de 3, de forma que Xo = a Xn = b e aplicarmos a regra 3/8 de

valo [a, b] de integrao em n subintervalos, de amplitude h, onde n um
Simpson a cada 4 pontos consecutivos, ou 3 subintervalos consecutivos.

212 Clculo Numrico
f(x)
h h h h h h
Xn-3 Xn-2 Xn-1 Xn b =

X
Figura 5.8
Assim,
f f(x) dx 3 3

XQ
=-
8 h[f(x0)+3f(x1 )+3f(x2 )+f(x3 )]+-h[f(x
8 3 )+3f(x4 )+3f(x5 )+f(x6 )]+...+
+ S3 h[f(xn-3 )+3f(xn_2 )+3f(xn_1 )+f(xn )] =
=
3
s h[f(x0 )+3(f(x1 )+f(x2 )+f(x4 )+f(x5 )+... +f(xn_2 )+f(xn_1 ))+
+2 (f(x3 )+f(x6 )+...+f(xn-3 ))+f(xn )]
Erro na Regra de 3/8 de Simpson generalizada
Para cada trs subintervalos, ou quatro pontos distintos e eqidistantes, apli

camos a regra 3 / 8 de Simpson e o erro em cada aplicao dado por:
Assim, o erro total cometido na Regra 3/8 de Simpson generalizada

obtido a partir da soma dos erros cometidos em cada aplicao da regra 3/8 de
Simpson, a cada 3 subintervalos subseqentes, isto ,
L -- h5 f ( J
i=l
3 (4)
1, 2, ... , n /3
n/3
Et = i =
80
No entanto, como f4) (x) contnua por hiptese e i E [x3 i_3 , x3 d ento
existe E [ x0 , Xn ], tal que:
I f(4) ( J = n3 f<4) ( )
n/3
-
i=I
Portanto,
= - - hs - f( .., )
3 n <4 l
E
t 80 3
(xn Xo )
Como o nmero de subintervalos dado por n = , temos:
- (xn - X0 ) f()
h4 (4)
E1 = X0 x n
80
Exemplo 5.7
7
Calcule o valor aproximado da J in (x + 9) dx usando a regra 3/8 de Simpson
1
para 3, 6 e 9 subintervalos e um limitante superior para o erro.
Neste caso, o espaamento h dado por:
Tabelando a funo com h = 2, temos:
X 1 3 5 7
f(x) 2.3026 2.4849 2.6391 2.7726
Assim,
J ln (x + 9) dx = -38 h [f(x0 ) + 3f(xi ) + 3f(x2 ) + f(x3 )]

7
3
= - 2 [2.3026 + 3 (2.4841 +2.6391)+
1
8
+ 2.7726 ] = 15.3354
214 Clculo Numrico
Portanto, temos
J ln(x +9) dx
7
= 15.3354
1

Temos que a frmula do limitante superior para o erro dada por:
(4)
-
Como f ( x )
6 uma funo decrescente em mdulo, no
(x+9)4
=
intervalo [1,7], temos:
Portanto,
1 E1 1 (2)4 (7 - 1 ) (0.0006) 0 . 0007

=
80
b) Soluo para 6 subintervalos
Neste caso, o espaamento h dado por:
Tabelando a funo f(x) com h = l , temos:
X 1 2 3 4 5 6 7
f(x) 2.3026 2.3979 2.4849 2.5649 2.6391 2.7081 2.7726
Assim,
J ln (x + 9)dx
7
= -38 h [f(x0 )+3(f(xi )+f(x2 )+f(x4 )+f(x5 ))+ 2f(x3 )+f(x6 )] =
=
3(l) [2.3026+3(2.3979+2.4849+ 2.6391 + 2.7081) +
8
+ 2 (2.5649) + 2.7726] 15.3356 =
Portanto, temos:
f ln (x +9) dx
7
= 15.3356
1
Da frmula do limitante superior para o erro, temos:
Como
l f (4l( l) I = mx { l f ( 4l(x) I , x E[l.7] } = 0.0006

ento temos:
l )4 ( 7 -1)(0.0006) = 0.0004
j Ei j (80
e) Soluo para 9 subintervalos:
Neste caso, temos que o espaamento h dado por:
h = (xn n- Xo ) = 3_
3
X 1 5/3 7/3 3 11/3 13/3 5 17/3 19/3 7
f(x) 2.3026 2.3671 2.4277 2.4849 2.5390 2.5909 2.6391 2.6856 2.7300 2.7726
Assim,
7
J ln (x + 9 ) dx = 38 h [f(x0 )+3(f(x 1 )+f(x 2 )+f(x4 )+ f(x 5 )+ f(x7 )+ f(x 8 ))+
-
1
+2(f(x 3 )+f(x6 ))+f(x9 )] = 3 (2 !3) [2.3026+3( 2.3671 +2.4277 +2.5390+
8
+ 2.5909+2.6856+2.7300) + 2 ( 2.4849+2.6391)+2.7726] = 15.3360
Portanto, temos:
f ln(x+9) dx
7
= 15.3360
1
216 Clculo Numrico

Da frmula do limitante para o erro, temos que:
Como j f (4l(l ) j = mx { j f < 4l(x ) j , x E [l, 7] } 0.0006 temos:

=
1 E1 1 :5; (2/3)
80 4 ( - ) (0.0006)
7 1 = 0.000089
Conclumos, portanto, que na medida em que diminumos o valor do

espaamento h, obtemos um limitante superior para o erro cada vez menor,
o que significa que temos valores aproximados melhores comparados com o
valor exato da integral.
Apresentamos, a seguir, a Tabela 5.3 com os resultados obtidos pela regra
3/8 de Simpson, com 3,6 e 9 subintervalos e um limitante superior para o
erro em cada caso.
Tabela de resultados da regra 3/8 de Simpson com 2, 4 e 6 subintervalos e


Valor aproximado 15.3354 15.3356 15.3360
Limitante superior 0.0007 0.0004 0.000089
Tabela 5.3
5. 7 Frmula de quadratura de Gauss

Apresentamos, ainda neste captulo, uma maneira alternativa para calcular
a integral de uma funo, conhecida como frmula de quadratura de Gauss,
ou simplesmente quadratura gaussiana. As frmulas de Newton-Cotes estu
dadas anteriormente so obtidas integrando-se os polinmios interpoladores
e, como as expresses dos erros envolvem a (n + 1 )-sima ou (n + 2)-sima
derivadas da funo a ser integrada, so exatas para polinmios de grau :5; n
ou grau ::;; n + 1. Veremos que possvel obter frmulas de integrao, as quais
so exatas para polinmios de graus superiores.
Considere a integral de uma funo 1 = J f(x )dx.
b
a
Desejamos desenvolver uma frmula de integrao na forma:

= J f(x) dx = A0f(x0) + A 1 f(x 1 ) + ... + A n f(x n )
b
1
a
onde os coeficientes Ai e os pontos xi i O, . . . , n devem ser determinados de

=
forma a obter a melhor preciso possvel. Note que nesta expresso temos
2n + 2 incgnitas, isto , A0, Ai, ... , An, x0, ... , Xn .
Podemos esperar que seja possvel encontrar valores que integrem exa
tamente polinmios de grau 2n + 1, uma vez que estes so definidos por
2n + 2 parmetros.
Fazemos inicialmente o desenvolvimento para dois pontos:
1= J f(x) dx = A0f(x0 ) + A1 f(x1 )

b
Por simplicidade, consideramos o intervalo de integrao dado por [-1, 1 ],

sem perda de generalidade. De fato, podemos sempre reduzir um intervalo
de integrao [a, b], com a e b finitos, no intervalo [-1, 1] por meio de uma
mudana de varivel, como, por exemplo,
x(t) = "21 (b-a)t + 21 (b+a), t e [-1, 1]
Ou seja, qualquer que seja x E [a, b], existe t E [-1, 1] tal que x = x(t).
Assim, considerando dx = x ' ( t)dt ! ( b - a)dt, temos:

=
2
1 = J f(x) dx = J f(x(t))x '(t) dt = J F(t) dt
b 1 1
a -1 -1
Onde
1 - a) f(-(b
F(t) = -(b 1 - a)t + -(b
1 + a))
2 2 2
I>essa forma, construmos uma frmula de integrao da seguinte maneira:
1=
1
f F(t) dt ::: A0 F( t0) + A 1 F( t1 )
-1
em que os parmetros A0, Av t0 e ti devem ser determinados de modo que

seja exata para polinmios de graus :5: 3 (neste caso, n 1). Para isto, basta =
218 Clculo Numrico
exigir que seja exata para os polinmios F0( t) = l, F1 (t) = t, F2(t) = t 2 e F3 (t) = t 3 ,
pois qualquer outro polinmio de grau 3 pode ser escrito como:
Assim, se tivermos
1
J Fk (t) dt = A0 Fk (t0) + A 1 Fk (t 1 ) k = O, 1, 2, 3
-1
isto , a frmula exata para estes polinmios, ento:
1 1 1 1 1
J P3 (t) dt = a0 J F0( t)dt + a 1 J F1 (t)dt + a2 J F2(t)dt + a 3 J F3 (t)dt =

= a0(A0 F0( t0 ) + A 1 F0 (t 1 )) + a 1 (A0 F1 (t0) + A 1 F1 (t 1 )) +

+ 2 (Ao F2 (t o ) + A 1 F2 (t 1 )) + 3 (Ao F3 (to ) + A1 F3 (t 1 )) =
= A0 P3 ( t 0 ) + A 1 P3 ( t 1 )
Ou seja, exata para o clculo de P3 (t).

Portanto, considerando F0( t) = l, F1 (t) = t, F2 (t) = t 2 e F3 (t) = t 3 , as incg
nitas Ao, Av t0 e t1 podem ser determinadas por:
1
J tk dt = A0 t + A 1 t , k = O, 1, 2, 3.
-1
Ou seja, temos o sistema:
1
Para k = O J t 0dt = A0 t + A 1 t
-1
1
Para k = 1 J t 1 dt = A0 t + A 1 t:
-1
1
Para k = 2 J t 2dt = A0 t + A 1 ti
-1
1 3
Para k = 3 J t dt = A0 t + A1ti
-1
Como as integrais que aparecem neste sistema so facilmente calcu

ladas, temos um sistema de equaes no-lineares:
A0 + A 1 = 2
A0 t0 + A 1 t 1 = O
A0 t + A1 t i = 2 / 3
A0 t + A 1 t; = O
Para resolver este sistema, considere t0 -t1 e a soluo imediata e
=
dada por:
-t0 = t 1 = J3
- = 0.577350
3
Portanto,
l
f F(t ) dt = !Gauss = F(- -)
J3 + F(-)
J3

3 3
Esta frmula chamada quadratura de Gauss, exata para polinmios

de grau 3, por construo, e pode ser usada para aproximar integrais de
funes no polinomiais.
Para n 2 (3 pontos), esta frmula exata para polinmios de grau 5,
=
isto , se F(t) for um polinmio de grau 5, ento,
I = J F(t )dt = AoF(t0 )+A1 F(t1 )+ A2 F(t 2)

1
Analogamente ao caso anterior, n = l, podemos considerar F0(t) = 1,

-1
F1(t) = t, F2(t) = t2, F3 (t) = t3, F4(t) = t4 e F5(t) = t5 e as incgnitas A0, Av

A2, to, ti. e t2 podem ser determinadas por:
f t k dt = A0 t + A1 t , k = O, l, ... , 5
1
-1
220 Clculo Numrico
Ou seja,
1
Para k = O J t dt = A0 t + A 1 t + A 2 t
-1
1
Para k = 1 J t 1 dt = A0 t + A 1 t + A 1 t ;
-1
1
Para k = 2 J t 2 dt = A0 t + A 1 t; + A 2 t;
-1
1
Para k = 3 J t 3 dt = A0 t + A 1 ti + A 2 t
-1
1
Para k = 4 J t 4 dt = A0 t + A 1 t : + A 2 t
-1
1
Para k = 5 J t 5 dt = A0 t + A 1 t i + A 2 t;
-1
Como as integrais que aparecem neste sistema so facilmente calcu
ladas, temos um sistema de equaes no-lineares:
A0 + A 1 + A 2 = 2
A 0 t0 + A 1 t 1 + A 2 t 2 = O
A0 t + A 1 ti + A1t ; = 2 / 3
A 0 t + A 1 t ; + A 2 t ; = O
A0 t + A 1 t + A 2 t = 2 / 5
A0 t + A 1 t ; + A1t; = O
simetria nos pontos to, t1 e t2 (propriedade que pode ser mostrada em geral):
A soluo deste sistema no-linear pode ser obtida facilmente por considerar
uma
to = -t2, t 1 e t1 = O
Substituindo no sistema, obtemos:

5
A0 = A 2 = g = 0.555556
8
A I = - = 0.888889
9
- t0 = t 2 = .jt = 0.774597
tl = o
Assim,para 3 pontos (n 2), a frmula de quadratura de Gauss para urna

=
funo qualquer, exata para polinmios de graus :5: 5, por construo, dada por:
!Gauss = F(-./f) + F(O) + F(./f)
9 9 9
Portanto,
J F(t) dt = F(-J-f)+ F(O)+ F( J-f)
1
: !Gauss
-1
9 9 9
Para mais detalhes sobre este assunto, veja Conte, S. D.; Boor, C.
Exemplo 5.8
3
Calcule 1 = J 3exdx, usando a quadratura gaussiana para n 2 pontos. =
1
Soluo
Fazendo mudana de varivel na funo f(x) = 3 ex no intervalo [l, 3] para o
intervalo [-1, 1], temos:
x = -1 (b-a)t+ -1 (b+a)= t + 2 e F( t)= 3e( 1+2>
2 2
Assim,
3
f f(x) dx = f F( t)dt = A0 F( t0 ) + A 1 F( t1 )
1
1 -1
com
A0 = A1 = 1
J3 = -0. 5 77 3 5
t0 = - -
3
t.
J3 = 0.57735
=-
3
Logo,
J3 ) = 3e -3
lcauss = Ao F(to )+A1F(t1 ) = F( -J3
( J3 +2 )
3 )-+F(-3 + 3e( J33 +2) = 51.9309

Portanto,
J 3exdx lcauss = 51.9309
3
=:
1
222 Clculo Numrico
Exemplo 5.9
3
Calcule 1 = J 3ex dx, usando a quadratura gaussiana para n = 3 pontos.
1
Soluo:
Fazendo mudana de varivel na funo f(x) = 3 ex no intervalo [l, 3] para o
intervalo [-1, 1] temos:
x = -1 (b-a)t+-(b+a)=
1 t + 2 e F(t) = 3e(t+Z)
2 2
Assim,
3
f f(x) dx = f F(t)dt = A0 F(t0 ) + A 1 F(t1 ) + A 2 F(t2 ) =
1
1 -1
= F(-jt ) + F(O) + F( jt ) = 52.1004

9 9 9
Logo,
3J 3exdx :: ! auss = 52.1004
1 G
Podemos usar o exemplo anterior para comparar numericamente a fr

mula de quadratura de Gauss com 3 pontos, regra 1 /3 de Simpson e o valor
"exato" da integral.
3J 3exdx = 3ex 3 = 52.1018
Valor exato
1 1 1
Apresentamos a seguir a Tabela 5.4 com os resultados obtidos pelas

diversas frmulas de integrao numrica .
Tabela de comparao quadratura de Gauss e regra 1/3 de Simpson
1 / 3 Simpson 1 /3 Simpson 1 / 3 Simpson

Exato Gauss n = 2 Gauss n = 3 3 pontos 5 pontos 7 pontos
Valor 52.1018 51 .9309 52.1004 52.3601 52.1194 52.1053
-
Erro 0.1709 0.0014 0.2583 0.0176 0.0035
Tabela 5.4
Observaes
Analisando os resultados obtidos na Tabela 5.4, podemos concluir que:
1 . As frmulas de quadratura de Gauss produzem resultados melho
res com menor esforo computacional do que as regras de Simpson,
no sentido que, com menos avaliaes da funo possvel obter
resultados melhores. Entretanto, nem sempre a expresso da funo
a ser integrada disponvel, podendo ser conhecida em pontos defi
nidos por experimento. Neste caso, as frmulas de quadratura de
Gauss no podem ser usadas.
2. Quando aumentamos o nmero de pontos, ambas as frmulas me
lhoram a preciso, como o esperado.
car a frmula de quadratura de Gauss, com n = 3 pontos, em cada

3. Se o intervalo de integrao for grande, podemos subdividi-lo e apli
subintervalo, do mesmo modo que a regra 1 /3 de Simpson obtida,

mantendo o polinmio interpolador de grau 2, e o intervalo de inte
grao subdividido.
5.8 Integrao dupla

Apresentamos, nesta seo, mtodos numricos para a resoluo da integral
de funes com duas variveis, na forma geral:
I= JJ f(x, y ) dy dx,
b d
axb e cyd
a e
Ou, ainda, podemos escrever:
I= JrJ f(x, y) dy] dx

b d
a e
J f(x, y)dy , ento temos que:

d
Considere F(x) =
1= J F(x) dx
b
Para calcular esta integral, usaremos a regra dos trapzios generalizada,

seguidamente da regra 1 /3 de Simpson Generalizada, desenvolvidas ante
riormente para integrao de uma funo com uma varivel real.
224 Clculo Numrico
5.8.1 Regra dos trapzios generalizada

Usando a regra dos trapzios generalizada, temos que:
J F(x)dx := 2h [F(x0 ) + 2(F(x 1 ) + F(x2) + ... + F(x0_1 )) + F(x 0 )]

b
I=
a
onde
F(xJ = f f(x i , y) dy := 2h [f(x i , y0 ) + 2(f(x i ' y 1 ) + ...+ f(x i , y 0_1 )) + f(x i , y 0 )]

d
i = O , ... , n
Os(n + 1) valores F(xi) podem ser calculados por qualquer mtodo de

integrao visto anteriormente, e com estes valores podemos calcular o valor
aproximado de I = J J f(x, y)dydx.

b d
a e
5.8.2 Regra 113 de Simpson generalizada

Usando a regra 1 /3 de Simpson, desenvolvida anteriormente nesta se
o, temos:
J F(x)dx
b
h
I= = 3 [F(x0 )+4(F(x 1 )+ F(x 3 )+ ...+ F(x 0_1 }}+2(F(x2)+ F(x 4 )+ ... +
a
+ F(x0_2 }}+ F(x 0 )]

onde
F(xJ ::: J f(x i , y) dy

d
i = O, ... , n
Os (n 1) valores de F(xi) podem ser calculados por qualquer mtodo

+
de integrao visto anteriormente, e com estes valores podemos calcular
o valor aproximado de I = J J f(x, y) dy dx.

b d
a e
Exemplo 5.10
1 .0 0 .5
Calcule o valor da integral dupla J J
ln(x + y ) dy dx.
0. 1 0 . 1
Seja F(x) = J ln(x + y ) dy, ento 1 = J F(x) dx.
M 1
0. 1 0. 1
Para calcular 1 = J F(x) dx, usaremos a regra dos trapzios generalizada
1 .0
0. 1
para h = 0.3 com os pontos x0 = 0.1, x1 = 0.4, x2 = 0.7 e x3 = 1 .0.
Temos:
1 .0
o3
I = J F(x)dx :: -'- [F(x 0 ) + 2(F(x 1 ) + F(x 2 )) + F(x 3 )]
0. 1 2
Para calcular F(xi) i = O, ... , 3, usamos a regra dos trapzios generalizada

com h = 0.1 e y0 = 0.1, y1 = 0.2, y2 = 0.3, y3 = 0.4, y4 = 0.5.
Assim temos:
0.5
(x0 ) = F(O.l) = f ln(O.l + y) dy ::
0. 1
O.l
= [ln(O.l + y 0 ) + 2(ln(0.1 + y 1 ) + ln(0.1 + y 2 ) + ln(O.l + y 3 )) +
2
+ ln(O.l + y 4 )] = - 0.3874
0.5
F(x 1 ) = F(0.4) = f ln(0.4 + y ) dy ::
0. 1
O.l
= [ln(0.4 + y 0 ) + 2(ln(0.4 + y 1 ) + ln(0.4 + y 2 ) + ln(0.4 + y 3 )) +
2
+ ln(0.4 + y 4 ) ] = - 0.1490
0.5
F(x 2 ) = F(0.7) = f ln(0.7 + y) dy ::
0. 1
O.l
= [ln(0.7 + y 0 ) + 2(ln(0.7 + y 1 ) + ln(0.7 + y 2 ) + ln(0.7 + y 3 )) +
2
+ ln(0.7 + y 4 )] = - 0.0030
0.5
F(x 3 ) = F(l .O) = f ln(l .O + y) dy ::
0. 1
O. l
= [ln(l.0 + y 0 ) + 2(ln( l .0 + y 1 ) + ln(l .0 + y 2 ) + ln(l .O + y 3 )) +
+ ln(l.0 + y 4 )] = 0.1032
2
226 Clculo Numrico
Assim, temos:
0.3
= [-0.3874 + 2(-0.1490 - 0.0030) + 0.1032] -0.0882
=
2
Portanto,
1 .0 0.5
J J ln(x + y) dy dx = -0.0882.
0.1 0. 1
Exemplo 5.11
1
J J cos(x + y) dy dx.
2
Calcule o valor da integral dupla
o o
1 2
Seja F(x) = J cos(x + y)dy, ento I = J F(x) dx.
o o
Para calcular 1 = J F(x) dx, usaremos a regra 1 / 3 de Simpson genera-

2
lizada para h = 0.5 com x 0 = O, x 1 = 0.5, x 2 = 1 .0 e x 3 = 1 .5 e x 4 = 2.0.

Temos:
1 = F(x) dx :: -- [ F(x0 )+ 4(F(x1 )+ F(x 3 )) + 2(F(x 2 )) + F(x 4 )]

J
2
5 o
o 3
1
Para o clculo de F(xJ = J cos(x i + y) dy i = O, . . , 5, usaremos a regra 1 /3
.
o
de Simpson generalizada com h = 0.2 e os pontos y 3 = 0.6, y 4 = 0.8 e y 5 = 1 .0,
y0 = O, y = 0.2, y 2 = 0.4, conforme segue:
1
o2
F(x 0 ) = F(O) = J cos(O + y) dy = --[cos(O) + 4(cos(0.2) + cos(0.6)) +
1
o 3
+ 2(cos(0.4) + cos(0.8)) + cos(l.O)] = 0.7998
1
o2
F(x 1 ) = F(0.5) J cos(0.5 + y) dy = -- [cos(0.5) + 4(cos(0.7) + cos(l.1)) +
=
o 3
+ 2(cos(0.9) + cos(l.3)) + cos(l .5)] = 0.5067
f
1
o2
F(x2 ) = F(l .O) = cos(l .O + y) d y = -- [cos(l .O) + 4(cos(l .2) + cos(l .6)) +
o 3
+ 2(cos(l .4) + cos(l .8)) + cos( 2.0)] = 0.0229
f
1
02
F(x3 ) = F(l .5) = cos(l .5 + y) d y = -- [cos(l .5) + 4(cos(l .7) + cos(2. l)) +
o 3
+ 2(cos(l .9) + cos(2.3)) + cos(2.5)] = - 0.3496
f
1
02
F(x4 ) = F(2.0) = cos( 2 .0 + y) d y = -- [co s( 2.0 ) + 4(cos(2. 2 ) + cos(2.6)) +
o 3
+ 2(cos(2.4) + cos(2.8)) + cos(3.0)] = - 0.7031
Assim, ternos:
1 = F(x) dx =
2
J o 5 [F(x0 ) + 4(F(x ) + F(x
--
3
1 3 )) + 2(F(x 2 )) + F(x 4 )] =
o
05
= [(0.7998) + 4(0.5067 - 0.3496) + 2(0.0229) + (-0.7031)] = - 0.1285
3
Portanto,
21
J J cos(x + y)dy dx = -0.1285
00

No Software Numrico, o usurio deve selecionar o Mdulo Integrao Num
rica e selecionar a opo Entrar com Pontos seguido de Tabela de Pontos ou
Entrar com Funo especificando o valor do espaamento h ou ainda com a
opo de fornecer o nmero de pontos desejado no processo de integrao.
Exemplo 5.12
Considere o seguinte problema:
Um automvel percorre urna distncia entre duas cidades em 10 horas.
Com auxlio de um marcador de velocidade, ternos a velocidade do autom
vel a cada hora, conforme dados a seguir:
Tempo (horas) o 1 2 3 4 5 6 7 8 9 10
Vel. (km/hora) o 50.4 53.7 67.5 74.3 84.6 92. 1 98.3 100 105 110
Qual a distncia percorrida pelo automvel?

228 Clculo Numrico
Soluo:
10
O clculo da distncia percorrida J f(x) dx.
o
Usamos o Software Numrico, selecionamos a opo Integrao Num-

rica, digitamos os dados fornecidos, seguido da opo Regra 1/3 de Simpson,
conforme Figura 5.9 a, b e c.
10
0.0000 0.0000
1.0000 50.4000
2.0000
3.0000
4.. 0000
a) b)
Regra 1 13 de Sillpson
Regra 318 de Sillpson
e) d)
Assim, temos o valor da distncia percorrida pelo automvel, dada por:

10
J f(x) dx = 791 .1333, conforme ilustrado na Figura 5.9 d).
o
Figura 5.9
Exerccios
1. Usando a regra dos trapzios generalizada, calcule o valor aproximado
da J (cos (x) + x) dx, usando 6 pontos e um limitante superior para o erro.
6
2. Calcule o valor aproximado da J 3 e-x dx usando:

1
o
a)
Regra dos trapzios generalizada, com h = 1 /5.
b)
Regra 1 /3 de Simpson generalizada, com h = 1 /6.
c)
Regra 3/8 de Simpson generalizada, com h = 1 /6.
d)
Usando o Software Numrico, calcule a integral acima e compare com
os resultados obtidos.
Para cada caso, calcule um limitante superior para o erro.
2
3. Calcule o valor aproximado da J e 2 x dx usando:
1
a) Regra dos trapzios generalizada, com 4 subintervalos.

b) Regra 1 /3 de Simpson generalizada, com 6 subintervalos.
c) Regra 3/8 de Simpson generalizada, com 9 subintervalos.
d)Usando o Software Numrico, calcule a integral acima e compare com
Para cada caso, calcule um limitante superior para o erro.
4. Considere as margens de um rio e tome como referncia de medida uma
linha reta a uma das margens desse rio. Foram medidas distncias, em me
tros, entre esta linha reta e as duas margens, de 10 em 10 metros, a partir
do ponto tomado como origem. Tais dados foram registrados na tabela a
seguir. Determine o valor aproximado da rea do rio no intervalo [10, 30],
usando seus conhecimentos de clculo numrico e com o auxlio do
Software Numrico.
X o 10 20 30 50
y(M1) 50.8 86.2 136 72.8 51
y(M2) 113.6 144.5 185 171 .2 95.3
5. Determine o menor nmero de subintervalos em que podemos dividir o

1
intervalo [O, 1 ] para obter o valor da J 4 e- 2 x dx, pela regra 3/8 de Simpson
o
generalizada, com erro 0.01.
230 Clculo Numrico
J (ln (x + 8) - 2x) dx
5.6
6. Calcule o valor aproximado da usando a regra 1 /3
1.6
de Simpson generalizada com 6 subintervalos e um limitante superior
para o erro.
7. Calcule o valor aproximado da integral do exerccio 6) usando a regra
3/8 de Simpson generalizada com 10 pontos e um limitante superior
para o erro.
8. Determine o menor nmero de subintervalos em que podemos dividir
1.8
o intervalo [0.2; 1 .8 ] para calcular J (x2 + sen(x)+ 3) dx com um erro
0.2
0.0001 usando:
a) Regra 1 /3 de Simpson generalizada.
b) Regra 3/8 de Simpson generalizada.
c) Usando o Software Numrico, calcule a integral acima e compare com
9. Considere a funo f(x) dada atravs da seguinte tabela:
X o 1 2 3 4 5 6
f(x) 0.21 0.32 0.42 0.51 0.82 0.91 1 .12
6
a) Usando a regra dos trapzios generalizada, calcule o valor da J f(x) dx.
o
b) Usando a regra 1/3 de Simpson generalizada, calcule o valor da J f(x) dx.

6
c) Usando a regra 3/8 de Simpson generalizada, calcule o valor da J f(x) dx.

6
d) Usando o Software Numrico, calcule a integral acima, e compare

com os resultados obtidos.
10. Determinar o menor nmero de subintervalos em que podemos dividir
o intervalo [0.1; 0.7] para calcular I J (e -3x + 7x) dx usando a regra dos
0.7
=
0.1
calcule o valor aproximado de I.

trapzios com um erro menor que ou igual a 0.001 . Para esta diviso,
2
11. Calcule J cos(x)
--
(1 + x)
.
dx usando 6 submtervalos:
1
a) Regra dos trapzios generalizada.

b) Regra 1 /3 de Simpson generalizada.
c) Regra 3/8 de Simpson generalizada.
12. Determine o menor nmero de subintervalos em que podemos dividir o
J JX d x com um erro 0.001 usando:
4
intervalo [1,4] para calcular

1
a) Regra dos trapzios generalizada.
b) Regra 1 /3 de Simpson generalizada.
c) Regra 3/8 de Simpson generalizada.
d) Usando o Software Numrico, calcule a integral acima e compare com
13. Considere a funo f(x) = ln(x) + x2 tabelada nos pontos:
X 0.1 0.2 0.33 0.5

f(x) -2.2926 -1 .5694 -1 .1140 -0.4431
0.5
Usando a regra 1 /3 de Simpson e a regra dos trapzios, calcule J f(x) dx.
0.1
J J e<x+y) dy dx usando:
1 0.5
14. Calcule
o o
a) Regra dos trapzios generalizada com h = 0.2.

b) Regra 1 /3 de Simpson generalizada com h = 0.1 .
15. Usando a frmula de quadratura de Gauss:
a) Calcular I = J cos 2 (x) dx com 2 pontos e 3 pontos.

1
b) Calcular I = J cos 2 (x) dx pela regra 1 /3 de Simpson com 3 pontos e

1
o
5 pontos.
c) Comparar os resultados obtidos em a) e b). Comente.
Captulo 6
Soluo Numrica de Equaes

Diferenciais Ordinrias
6.1 Introduo
A importncia do estudo das equaes diferenciais ordinrias justifica-se
pelo fato de ocorrerem com muita freqncia na modelagem matemtica de
diferentes situaes prticas, principalmente nas reas de engenharia, fsica,
biologia, economia, biomedicina etc.
Mtodos numricos para resoluo dessas equaes diferenciais ordin
rias so fundamentais, pois com freqncia solues exatas no so possveis,
ou muito difcil de serem determinadas.
Tipicamente, problemas que envolvem uma varivel e suas derivadas
levam a uma equao diferencial ordinria.
A seguir, apresentamos um problema simplificado para ilustrar uma
equao diferencial ordinria.
Exemplo 6.1
Sabemos que, em condies normais, uma populao de uma certa localidade
cresce a uma taxa proporcional ao nmero de indivduos. Sabendo-se que aps
dois anos a populao o dobro da populao inicial e aps trs anos de vinte
mil indivduos, qual o nmero de indivduos da populao dessa localidade?
Soluo:
Consideremos:
N = N(t) nmero de indivduos no instante (t)
N0 = N(to) nmero de indivduos no instante (to)
Como a taxa de variao da populao proporcional ao nmero de indiv
duos, temos a seguinte equao:
dN
= KN
dt
onde K uma constante de proporcionalidade.
233
234 Clculo Numrico
Essa equao obtida uma equao diferencial ordinria, pois rela

ciona a varivel N (nmero de indivduos) e sua derivada com relao
varivel t (tempo).
A soluo analtica ou exata desta equao dada por:
N(t) = c eK1
Pois, se derivarmos esta expresso em relao varivel (t), obtemos:
d N(t) d N(t)
= K e eK' = K N(t)
dt dt
Note que, para todo c E ':R, a funo N(t) uma soluo da equao dife
rencial obtida, isto , esta equao apresenta infinitas solues. Entretanto,
com os dados do problema, o parmetro "c" pode ser unicamente determinado.
Clculo de (e):
Considere o instante inicial to = O, quando o nmero de indivduos N(O) = N0
Logo, temos que c = N0 e, portanto,
N(t) = N0e K '
Como a populao dobra em 2 anos, segue que, para t = 2, N(2) = 2N0 e, subs
Clculo de (K):
tituindo na expresso obtida, segue que:

K = 0.3466
N(t) = N o e o.3466 1
Clculo da populao inicial (N0):

Sabemos que para t = 3 anos, o tamanho da populao da cidade de N =
20.000 indivduos.
Logo, podemos concluir que a populao inicial da referida cidade
N0 = 7070 indivduos
Desta maneira, a varivel N, a qual depende da varivel t, que resolve
o problema para todo t, dada por:
N(t) = 7070 e" 3466 1 t ;?: O
Obviamente, esta soluo tem sentido somente para valores pequenos
de t, uma vez que, com o crescimento indiscriminado da populao, as "condi
es normais" devem ser alteradas.
Soluo Numrica de Equaes Diferenciais Ordinrias 235
Nem sempre podemos ter uma soluo analtica para uma equao
diferencial, como no exemplo dado. Entretanto, devemos saber avaliar
tante ti, i = 1, 2, ...

(mesmo que aproximadamente) N(ti), isto , o tamanho da populao no ins
Definio 6.1
Uma equao diferencial ordinria de ordem n uma equao da se
guinte forma:
F (x, y (x), y ' (x), y " (x), ... , y (nl (x) ) = O
onde esto envolvidas a funo incgnita y = y(x) e suas derivadas at ordem n,
sendo x a varivel independente.
A notao yG> representa a derivada de ordem j da funo incgnita y em
dj y .
d xl
relao varivel independente x e pode tambm ser representada por
Exemplo 6.2
--
As equaes a seguir podem ser escritas conforme a Definio 6.1 e so equaes
, . onde y ' =
. . dy d2 y
1 erencia1s ord"manas,
d"f , y" = 2 .
dx dx
dy
( )2
a) = 3x - 1 ordem 1
dx
b) e Y ____I.2 + 2 _r = 1 ordem 2
d2 d
dx dx
c) y ' + 3 y " + 6y = sen (x) ordem 2
Quando a funo incgnita depende de mais de uma varivel e rela

ciona suas derivadas parciais, temos uma equao diferencial a derivadas
parciais, ou uma equao diferencial parcial.
Exemplo 6.3
-
As equaes seguintes so equaes diferenciais parciais:
= o a funo incgnita y = y(t, x)

2 y 2
4 y
a x2
a)
a t2
b) Uxx + Uy y = O a funao . , . U = U , e Uxx = azu , U = azu

- InCOgnita (X y)
a xz yy a yz -- -
236 Clculo Numrico
6.2 Problema de valor inicial (PVI)

Vimos, no Exemplo 6.1, que quando a taxa de variao da funo incgnita y
em relao varivel x proporcional a y, temos a seguinte equao diferencial:
dy
= ky
dx
y = y ( x ) = c e kx
Vimos tambm que a soluo para esta equao diferencial dada por:
onde c uma constante arbitrria.

Assim, a equao diferencial dada apresenta infinitas solues, uma
vez que para cada valor escolhido para a constante c temos uma soluo,
conforme ilustrado na Figura 6.1 .
y(x)
-------- -
X
Figu ra 6.1
Se considerarmos que a soluo deve passar por um determinado ponto,

isto , se considerarmos que em x = Xo o valor de y(x0) = y0, temos para o pro
blema proposto uma nica soluo.
o
Tal soluo obtida quando usamos a soluo da equao diferencial
no ponto x = Xo e obtemos o valor para constante c, isto , c = .
e ><o
Assim, a nica soluo para a equao diferencial dada por:

y ( x ) = Yo (x - xo l
Definio 6.2
Um Problema de Valor Inicial (PVI) de primeira ordem consiste de uma equa
o diferencial y ' = f (x, y), x x 0 , e uma condio inicial y(Xo) = y0, onde y0
um valor dado, chamado de valor inicial.
{
Neste caso, podemos escrever o PVI da seguinte forma:
y ' = f (x, y )
(1)
y (x o ) = Yo
Uma condio que garante a existncia e a unicidade da soluo do PVI
dada pelo seguinte teorema:
Teorema 6.1
finitos e - oo < y < + oo Se existe uma constante L tal que para todo x e [ a , b ] e
Considere uma funo real f(x, y) contnua no intervalo a $ x $ b, com a e b
.
paratodopar(y,y1 ) tivermos: i f(x , y) - f(x , y1 ) 1 $ L 1 y - y1 l <CondiodeLipschitz

ento existe uma nica funo y = y(x) satisfazendo as seguintes condies:
a) y(x) contnua e diferencivel para todo x e [ a, b ]
b ) y ' = f (x , y (x)) para x e [ a, b ]
c) y(Xo) = yo, onde Yo um valor conhecido.
Em outras palavras, a soluo do PVI uma funo y = y(x) contnua e dife
rencivel que satisfaz a equao diferencial y ' = f (x , y) e passa pelo ponto (Xo, y0).
Prova: Sotomayor, J. D.
Em muitas aplicaes, podemos ter tambm um sistema de m-equaes
simultneas de primeira ordem em m funes incgnitas y1, y2, ... , Yrn em re
lao a uma varivel independente x.
mo ponto Xo, temos um problema de valor inicial para um sistema de equaes

Se cada uma dessas funes incgnitas satisfizer a condio inicial no mes
diferenciais de primeira ordem, o qual pode ser escrito da seguinte maneira:
dy l
- = f1 (x, Yu Y2 1 ... , Ym )
dx
dy 2
-- = f2 (x, Yu Y2 1 ... , Ym )
dx
dy m
= ,,, ( X , Yu Y2 1 1 Ym )
dx
com valores iniciais:
Y1 (X o ) = u Y2 ( Xo ) = 2 1 ... , Ym ( X o ) = a m
onde f11 f2, ... , frn so funes dadas e a11 a2, ... , Um so valores dados.
238 Clculo Numrico
Podemos escrever em notao matricial:
f2 (x, y u Y 2 1 1 Ym ) CX.2
Y= F(x, Y) = Y0 =
f.n (x,
Y u Y2 1 ... , Ym )
{ !:
Assim, o sistema pode ser escrito da seguinte maneira:
= F (x, Y)
Y(x0 ) = Yo
Exemplo 6.4
Considere o sistema de equaes de primeira ordem dado por:
d yl
=
d x Y2
d y2
= 4yi
dx
y 1 (0) = l, y 2 ( 0 ) = 2 , para x e [ a, b ]
[ l [
Podemos escrever o sistema dado na forma matricial conforme segue:
Y =
y 1 (x)
Y2 (x)
F (x, Y) = j [1 ]
f1 (x, y 1 1 Y2 )
f2 (x, Y1 1 Y2 )
e Y0 =
2
onde f1 (x, y 1 , y 2 ) = Y2 e f2 (x, Y1 1 Y2 ) = 4yi .
Podemos, ainda, na modelagem matemtica de um problema, obter
uma equao diferencial de ordem m, isto ,
sendo a funo f e os valores au a 2 , ... , a m conhecidos.

Ou, ainda, na notao alternativa:

y <rnl = f(x, y, y ', y " , . .. , y <rn-l l ) (2)
y(x o ) = CX.1 1 y '(x o ) = CX.z , y " (x o ) = CX. 3 , ... , y < rn-l l (x o ) = cx. rn
Podemos escrever a Equao 2 como um sistema de equaf>es diferenciais de
primeira ordem com valores iniciais, pela definio das seguintes novas variveis:
y1 (x) = y (x)
Yz ( X ) = Y 11 (x) = y '(x)
y3 (x) = y '2 (x) = y " (x)
Yrn (x) = y 'rn-1 (x) = y< rn-l l( x)

Com estas mudanas de variveis, podemos escrever o seguinte sistema
de equaes diferenciais ordinrias de primeira ordem, o qual equivalente
equao diferencial de ordem m dada em (2):
Y 'i = Yz
Y 12 = Y3
Y 1 rn-1 = Yrn
e as condies iniciais:
Y1 ( X o ) = CX.1 , Yz (X o ) = CX.z , y 3 ( Xo ) = CX. 3 , ..., yrn (Xo ) = CX. m
Usando a notao matricial, temos:
{ ! = F(x, Y)
Y (x0 ) = Y0
em que,
y2 CX.1
y3 CX.2
F (x, Y) = e Y0 =
f {x, Y1 1 Y2 1 ... , Yrn ) CX.rn

240 Clculo Numrico
Exemplo 6.5
Considere a seguinte equao diferencial de quarta ordem dada por:
y( 4 l = y( 3 > - 2 y + 3x
y (x0 ) = 1, y'(x0 ) = 2, y " (x0) = 3, y "'(x0) = 4
Considere as seguintes variveis:
Y1 = Y
Y2 = Y 'i = y '
y3 = y '2 = y "
Y4 = y '3 = y "'
Podemos escrever a equao diferencial de 4i ordem equivalente ao se-
guinte sistema de primeira ordem:
y '1 = Y2
Y '2 = Y3
y '3 = Y 4
y '4 = y4 - 2 y1 + 3x
com as seguintes condies iniciais:
f ::
ou, ainda, em notao matricial:
= F (x, Y)
Y (x0 ) = Y0
em que
Y2 Y1 1
Y3 Y2 2
F (x, Y) = Y= Yo =
Y4 Y3 3
y4 - 2y 1 + 3 x Y4 4
Os mtodos numricos apresentados neste captulo para problemas de valo

res iniciais definidos em (1) podem tambm ser estendidos para o clculo da solu
o aproximada de problemas de valores iniciais com m equaes simultneas
de primeira ordem e, portanto, para equaes diferenciais de ordem superior.
6.3 Discretizao
Resolver numericamente um PVI consiste em calcular aproximaes para
y y(x) em pontos discretos x0, x1 1 x2, , xN de um intervalo [a, b] .
= .
Para discretizar o intervalo [ a, b ], tomamos N subintervalos (N 1 ) e

fazemos Xn Xo + nh n O 1, 2, ... , N com x0 = a e xN b, sendo h (xN - x0 )
= = , = = .
N
A este conjunto de pontos Xo, x1, x21 , xN denominamos rede ou malha de

pontos discretos e calculamos aproximaes para y(x) nestes pontos, isto ,

determinamos Yn tal que Yn = y(x n ) n O l, ... , N.
= ,
A partir de um ponto inicial dado y(Xo) y0 (valor inicial), calculamos passo

=
a passo, nos pontos x 1 x0 + h, x 2 x0 + 2 h, x3 x0 + 3 h, , x n x0 + nh,

= = = ... =
solues aproximadas Yn para a soluo exata y(xn) n O l, 2, ... , N, conforme

= ,
ilustrado na Figura 6.2.
y (x)
Soluo exata
YN
Yn-1
Y1
Yo
X
o
Figura 6.2
O erro local, cometido nas aproximaes em cada ponto, a diferena

entre o valor exato da equao diferencial e o valor numrico aproximado em
cada um dos pontos do intervalo [a, b ], isto :
e(x n ) y(x n ) - Y n , n 1, ... , N
= =
242 Clculo Numrico
6.4 Mtodos baseados em srie de Taylor

Revisamos brevemente o desenvolvimento de uma funo em srie de Taylor
nas vizinhanas de um ponto x"' como segue:
Considere f(x) uma funo contnua, e supomos que todas as suas
derivadas existam no ponto x Xn . A srie de Taylor nas vizinhanas do
=
ponto Xn escrita como:
f(x) :: f(x n ) + (x -x n ) f ( l l (x n ) + (x -x n ) f< 2 >(x n ) + . . . + . . . (x - x n )P f( P > (x n ) + . . .

2
1! 2! p!
(l
onde f( Pl (xn ) = d P f(xn ) a p-sima derivada de f em xn
dxP
Se truncarmos o desenvolvimento da srie de Ta ylor, no p-simo
termo, teremos:
Considere o ponto x = x n+i = x n + h.

Assim, temos que:
f ( Xn+1 ) =- f( xn ) + h f(l) (xn ) + h2 f( 2 ) (xn ) + ... + hP f(p) ( xn )
l! 2! P!
O erro de truncamento na srie de Taylor dado por:
Estimativa para o erro de truncamento

Considerando que a funo f(x) possui a (p + 1)-sima derivada contnua no
intervalo de discretizao [a, b] e seja M = mx { J f<p+1 > (x) J, x E [a, b] }.
Assim, uma estimativa para o erro de truncamento dada por:
1
E = M hp+ ---
(p + 1)!
{
Retomemos ao PVI:
y ' = f(x, y)
y (x o ) = Yo
Supondo que a soluo y(x) do PVI possui suas derivadas contnuas

para todo x E [ a, b] , ento podemos desenvolv-la em srie de Taylor em
tomo do ponto Xw isto :
h2 hP (p)
Y ( Xn + h) - Y ( X n ) + h Y '( Xn ) + 2! Y " (Xn ) + .. + p! Y ( Xn ) + ...

Se truncarmos a srie no termo de ordem p, ternos:

2
y (x n + h) = y (x n ) + hy '(x n ) + h y " (x n ) + ... + hP y < P l (x n )
2! p!
Neste caso o erro de truncamento da ordem de hP+1 e denota-se (h<P+1 l).
y y
Usando a notao y n = y(x n ), y = f(x n y n ), y = f(x n ' y n ) etc., e,
I
dx
considerando que x n+i x n + h, podemos calcular aproximaes para y(x)
=
a partir de:
= + h ' + h 2 " + ... + hP y ( ) Mtodo de Taylor de ordem p

Yn + Yn Y 2! Y n
1 n - -
p!
As expresses das derivadas de y no mtodo de Taylor podem ser desen
volvidas, usando a seguinte notao:
y' = f(x, y)
y " = y' = f(x, y) = fx (x, y)+ fy (x, y)y '
dx dx
onde fx a derivada de f com relao varivel x e fy a derivada de f com
relao y.
Assim, podemos escrever no ponto (xw Yn):
Y = f(x n , Yn )
Y = fx ( Xn , Yn ) + fy ( Xn , Yn ) Y = fx (Xn , Yn ) + fy (x n , Yn )f( X n , Yn )
Ou, ainda, numa notao mais simplificada:
De maneira anloga, usando regras de derivao, podemos obter:

244 Clculo Numrico
Observe que o clculo das derivadas de ordem superior de y toma-se

cada vez mais complicado, com exceo dos casos em que a funo f tenha
uma expresso bem simples, o que toma o mtodo de Taylor de ordens su
periores inaceitvel computacionalmente.
6.4. 1 Mtodo de Euler

O mtodo de Euler um mtodo de Taylor de ordem 1
Considere o PVI:
{y' = f(x,y)
y ( xo ) = Yo
A maneira mais simples para calcular a soluo aproximada do PVI foi
introduzida por Euler por volta de 1768.
Considere, no desenvolvimento da srie de Taylor para p = 1 :
Yn + l = Yn +h y 'n
e como y 'n = f(x n , Y n ), podemos escrever:
Yn+I = Yn + hf(x n , Yn ) n = O, l, 2, ... Mtodo de Euler
O Mtodo de Euler consiste em, no primeiro passo, calcular y1 = y0 +

hf(Xo, y0), que a aproximao Y1 da soluo exata y(x1) no ponto X1 .
No segundo passo, y 2 = y 1 + hf(x1 , y 1 ), que a aproximao Y2 da
soluo exata y(x2) no ponto x2 . E, assim, sucessivamente, para cada um dos
pontos Xn n = O, 1, 2, , N de um intervalo [a, b].
...
Podemos interpretar graficamente o mtodo de Euler aproximando a

funo y(x) pela reta tangente no ponto dado (Xo, y(Xo)) da seguinte forma:
(y - yo ) = m(x - x0 )
onde m = y '(x0 ) = f(x0 , y0 ) o coeficiente angular dessa reta.
Tomando y = y 1 e x = x 1, temos que:
Ou, ainda,
Assim, o ponto (x11 y1) pertence a esta reta tangente, e o mesmo racioc
nio para os demais pontos discretizados, conforme ilustramos na Figura 6.3.
y(x) y(x)
y(x 1 ) = Yt ------------------------
Yo
X
o
Figura 6.3
O erro local cometido a diferena entre o valor exato e o valor aproxi

mado em cada ponto (xw Yn) n O l, ... , N.
= ,
Erro de truncamento
Estimativa para o erro
No mtodo de Euler, truncamos a srie de Taylor em p = 1, uma estimativa
para o erro dada por:
M h2
E= --
2!
onde
M mx { I y "(x) j , x E [a, b] }
=
Mtodo de passo simples

O mtodo de Euler, Y n +i Y n + hf (x n , Y n ), chamado de mtodo de passo
=
simples, pois, para calcular Yn +t usamos apenas o valor de Yn

Mtodos que so descritos por frmulas do tipo
Yn+l = <l>( Xn , Yn )
so chamados de mtodos de passo simples.
246 Clculo Numrico
Outros mtodos podem ser desenvolvidos de forma que:

Yn+l = cl> (x n , Yn 1 Yn-1 ' Yn-2 1 )
. .
So chamados de mtodos de passo mltiplo.

Algoritmo 6.1
Considere o PVI:
{ y' = f(x, y)
y(x o ) = Yo
1. Declare:
a) Funo f(x, y).
b) Condies iniciais: y(Xo) = yo).
(b - ) .
c) Intervalo [a, b], onde a = Xo
d) Nmero de subintervalos N e calcule: h =
N
2. Para n = O, ... , (N - 1), faa:
Calcule:
incio
= Xn +h
Yn+l = Yn + hf(x n ' Y n )
Xn+l
fim
Exemplo 6.6
Usando o mtodo de Euler, calcule a soluo aproximada do seguinte PVI e
{
uma estimativa para o erro:
y' = f(x, y) = y -x
y (x0 ) = y(O) = 2
para x e [a, b] = [O, 1] e N = 4 subintervalos.

Temos:
Logo, o intervalo [O, 1] discretizado por:
a = Xo
Do mtodo de Euler:
Yn+l = Yn + h f ( Xn , Yn )
Clculo de Y1
Para n= O, temos a condio inicial y(x0 ) = y(O) = 2, ento:
Y1 = Yo + h f ( x o , Yo ) = Yo + i [ Yo - Xo ] = 2.5000
Clculo de Y2
Para n = l, temos:
Clculo de y3
Para n = 2, temos:
YJ = Y2 + hf (x2 , Y2 ) = Y 2 + H Y2 - X2 ] = 3.7031
Clculo de y4
Para n = 3, temos:
Estimativa para o erro
h2
E= T mx { J y " (x) J , x E [0, 11 }
Como a soluo analtica y(x) do PVI dada por y(x) = ex + x+ l, temos

que mx { J y " (x) J , x E [0, 1] } = 2.7182, uma vez que y " (x) = ex uma funo
crescente em mdulo.
Portanto, temos:
E = (l / 4 )2 (2.7182) = 0.0849
2
Na Tabela 6.1 so apresentados os valores exatos, a partir de y(x) = ex + x + 1
(exata), a soluo numrica encontrada pelo mtodo de Euler e com os res
pectivos erros locais, nos pontos x0 = O, x 1 = t, x 2 = i, X 3 = t, x0 = 1 .
248 Clculo Numrico
Tabela dos valores exatos e aproximados do PVI

Mtodo de Euler
n Xt Sol. _ i(x,J Sol. aprox. (y.) Erro = y(x.,) - y.

o o 2.0 2.0 O.O
1 1 /4 2 .5340 2.5000 0 .0340
2 2/4 3 . 1487 1
1
3 .0625 0 .0862
3 3 /4 3 . 8670
1 3 . 7031 0 . 1 639
4 1 4.7183 4.-414 0 .2769
Tabela 6.1
Observe que a estimativa para o erro "boa" no incio do processo ( um

limitante superior no ponto x 1 ), mas piora quando os pontos afastam-se do
ponto inicial.
6.4.2 Mtodo de Taylor de ordem p = 2

Usando o desenvolvimento da funo soluo y(x) do PVI, em srie de Taylor,
possvel construir mtodos de ordem maior do que p = 1. Neste caso, o nico
inconveniente o clculo de derivadas, que para p 2 ainda vivel.=
Truncando o desenvolvimento da srie de Taylor em p = 2, temos:
Yn+l = Yn + h Yn' + 2! Y n
h2 li
onde
Exemplo 6.4
Usando o mtodo de Srie de Taylor, de ordem p = 2, calcule a soluo do
{
PVI definido por:
y ' = f( X , y) = X - y + 2
y (x0 ) = y(O) = 2
Para x E [a, b] = [O, 1] e usando uma discretizao em 5 subinter
valos, temos:
h = (b - a) = 0 2 .
N
Logo,
Mtodo de Taylor de ordem 2:
h2
Yn+1 = Yn + hy + 2! y n = O, l, 2, ... , 5
onde
y = f(x n , Yn ) = X n -y n + 2
y1 = fx (X n , Yn )+fy ( X n , Yn ) Y = 1 +(-l)(X n -y n + 2) = -X n +y n - l
Clculo de Y1
Para n = O, temos a condio inicial y(Xo) = y(O) 2, ento:=
h21 li
Y1 = Yo + h Yo + -2! Y
o
Assim,
h2 (-x
Y1 = yo + h(xo - Yo + 2) + -
2 0 + y0 - 1) = 2.0200
Clculo de Y2
Para n = 1, temos:
h2
Y2 = y1 + h (x1 - Y1 + 2) + - (-x1 + y1 - 1 ) = 2.0724
2
Clculo de y3
Para n = 2, temos:
h2 (-x
y3 = y2 + h(x2 - Y2 + 2) + -
2 2 + y2 - 1 ) = 2.1514
Clculo de Y4
Para n = 3, temos:
Clculo de y5
Para n = 4, temos:
h2
Ys = y4 + h(x4 - y4 + 2) + -( -x4 + y4 - 1 ) = 2.3707
2
250 Clculo Numrico
Exemplo 6.5
Usando o mtodo de Euler de ordem p = 1, calcule a soluo do PVI do
exemplo anterior.
Mtodo de Euler: y n+i = y n + hf(x n , y n )
Assim, temos:
Clculo de Y1
Para n = O, temos a condio inicial y(Xo) y(O) 2, ento:
= =
logo,
Y1 = yo + h(xo -y0 +2) = 2.0000
Clculo de y2
Para n 1, temos:
=
Clculo de y3
Para n 2, temos:
=
Clculo de y4
Para n 3, temos:
=
Clculo de Ys
Para n 4, temos:
=
Na Tabela 6.2 so apresentados os valores exatos a partir de y(x) e-x + x + 1,

=
a soluo numrica encontrada com o mtodo de Euler (mtodo de Taylor

de ordem 1), o mtodo de Taylor de ordem 2 e com os respectivos erros, nos
pontos de discretizao.
Soluo Numrica d e Equaes Diferenciais Ordinrias 251

Mtodos de Taylor de ordens p = 1ep = 2
Sol. ap rox. Sol. aprox. Erro Erro

N X1 Sol. exata (p = 1) (p = 2) :?; (p = t) (p = 2)
o o 2.0 2.0 2.0 o.o o.o
1 0.2 2.0187 2.0 2 .0200 0.0187 0.0013
2 0.4 2 . 0703 2 . 0400 2.0724 0 . 0303 0 . 0021
3 0.6 2 . 1 488 2 . 1120 2.1514 0 . 0368 0. 0026
4 0.8 2.2493 2 . 2096 2.2521 0 . 0397 0.0028
5 1.0 2 .3679 2 . 3277 2 .3707 0 . 0402 0 .0028
Tabela 6.2
Observaes
a) Os dados da Tabela 6.2 foram calculados usando quatro casas deci
mais e arredondamento.
aproximada usando os mtodo de Taylor de ordem p = 1 e p 2.
b) O erro absoluto calculado se refere diferena entre a soluo exata e a
=
c) Conforme a expectativa, o mtodo de Taylor de ordem 2 apresentou

resultados melhores.
6.5 Mtodos de Runge-Kutta

Dentre os mtodos numricos para calcular a soluo aproximada de proble
mas de valor inicial (PVI) mais utilizados, pela sua simplicidade e preciso,
esto os chamados mtodos de Runge-Kutta, ou melhor, mtodos de Carl
David Tolm Runge (1856-1927) e Wilhelm Kutta (1867-1944).
Esses mtodos apresentam preciso equivalente aos mtodos de Taylor,
porm, com a vantagem de evitar o clculo de derivadas de ordem elevada
que alm, da complexidade analtica, exigem um significativo esforo compu
tacional. Ao contrrio disto, os mtodos de Runge-Kutta so baseados na
avaliao da funo f(x, y) em alguns pontos.
{
Considere o PVI:
y '(x) f (x, y)
y(x o ) Y o
=
Definio 6.3
Para o PVI dado, o mtodo geral de Runge-Kutta de R-estgios definido por:
Y n+l Y n + h cl>R (x n , Y n 1 h)
=
252 Clculo Numrico
onde
<l>R (x n , Y n 1 h) = c1k1 + c2 k 2 + ... +c Rk R
C1 + c2 + ...+ CR = l
com
k 1 = f(x n , Yn )
k 2 = f(x n + ha 2 , y n + h(b21k1 )) 2 = h21
k 3 = f(x n + ha 3 , y n + h (b31k1 + b32 k 2 )) a 3 = b 31 + b 32
k 4 = f(x n + ha 4 , y n + h(b 41k1 + b42 k 2 + b 43 k 3 )) a 4 = b4 1 + b 42 + b43
Note que a aproximao Yn+ t calculada a partir de Yn e uma "mdia"

nio de um mtodo de Runge-Kutta podem ser escolhidos de modo que o
de valores da funo f(x, y) em vrios pontos. Os parmetros c,, a,, brs na defi
mtodo tenha a mesma ordem de um mtodo de Taylor, o que define a ordem
dos mtodos de Runge-Kutta.
6.5.1 Mtodo de Runge-Kutta de ordem 1

O mtodo de Runge-Kutta mais simples 1-estgio, isto , R = 1. Neste caso,
no h parmetros a determinar e o mtodo dado por:
y n+l = y n + hku com ki = f(x n y n )
o que coincide com o mtodo de Euler, isto , o mtodo de Taylor de ordem 1,
visto anteriormente neste captulo.

O mtodo de Runge-Kutta 2-estgios dado por:
Yn+l = Yn + h(c 1 k 1 + c 2 k 2 )
com
C1 + c 2 = 1
k1 = f(x n , Y n )
k2 = f(x n + ha 2 1 Y n + h(b 21 k 1 )) a 2 = h 21
volver k2 por Taylor, em torno do ponto (X.V y0) at ordem 2, de modo a expressar
Para determinar os parmetros c11 c21 a2 {b21 igual a a2), podemos desen
o mtodo na seguinte forma:
Y n+l = Y n + ( ... ) h + ( ... )h +O(h )
2 3
e, ento, igualar os coeficientes de h e h2 com o mtodo de Taylor de ordem 2,

o qual foi dado na Seo 6.4.2.
Assim, substituindo:
C 1 = f(x 0 , y0 ) k l = f(x 0 , 2y 0 ), k2 = f(x 0 , y 0 )+fx (X 0 , y0 )(ha 2 )+
+fy (x 0 , y0 )(ha 2k 1 )+ O(h ) na frmula de Runge-Kutta 2-est
gios, segue:
e igualando-se os coeficientes de h e h2, do mtodo de Taylor de or

dem 2, temos:
c 1 +c 2 = 1
1
C2 a 2 = 2
O sistema no-linear obtido possui infinitas solues, as quais forne

cem mtodos de Runge-Kutta de ordem 2. Um mtodo bastante conhecido
o seguinte mtodo:
2 2
.!.
decorre da soluo particular do sistema: c 1 = , c 2 = .!. e a 2 = 1, o que fornece
onde
k 1 = f(x 0 , y 0 )
k2 = f(X0 + h, Y n + h k1 )
o qual conhecido como mtodo de Euler aperfeioado.
254 Clculo Numrico
Na Figura 6.4 podemos interpretar graficamente o mtodo de Euler

aperfeioado conforme segue:
y(x)
Y+1 = Yn+ h y
Yn+l
Yn
Figura 6.4
Na Figura 6.4 temos:
y = f(xn , yn ). Usando o mtodo de Euler, calcula-se Y+t yn + h y.

a) A reta r1 passa pelo ponto B (x"' Yn) e possui coeficiente angular
=
b) A reta r2 passa oelo ponto A ( x n +t , y +t ) e possui coeficiente angular

=
f(xn + h, Yn + h Y ) = f(xn+1 1 Y+1 )

=
c) A reta r0 passa pelo ponto A e sua inclinao a mdia das inclina

es das retas r1 e rz .
d) A reta r passa pelo ponto B e paralela a reta r0
e) O valor Yn+ t obtido pelo mtodo de Euler aperfeioado, uma apro
ximao para a soluo y(x) no ponto Xn+t
Algoritmo 6.2
Considere o PVI:
{ y '(x) = f (x, y)
y (x o ) = Yo
1. Declare:
a) Funo f(x,y).
b) Condies iniciais: y(xo) = Yo
c) Intervalo [ a, b ], onde a = Xo
d) Nmero de subintervalos N e
- a)
Calcule h = (b .
N
2. Para n = O, l, 2, 3, .. . , (N - 1)
Calcule:
incio
Xn + l = Xn + h
k l = f (x n , Y n )
k2 = f (x n+l l Y n + hk1 )
h
Y n + l = Yn + (k1 + k 2 )
Z
fim
Exemplo 6.9
{
Usando o mtodo de Euler aperfeioado, calcule a soluo do PVI definido por:
y ' = f (x, y ) = X - y + 2
x e [a, b] = [ O , 1 ] eN=5
y (x0 ) = y (O) = 2
Temos:
(b - a) = 0.2
h=
N
Logo,
Clculo de Y1
Para n = O, temos a condio inicial y(Xo) = y(O) = 2, ento:
k1 = f (x0 , y0 ) k 1 = (x 0 - Yo + 2) = O
k2 = f (x 0 + h, Yo + hk 1 ) k2 = X0 + h - y0 + 2 = 0.2
256 Clculo Numrico
Do mtodo de Euler aperfeioado temos:

h
Yn + l = Yn + 2 ( k l + k 2 )
Portanto,
Y1 = Yo + 2 ( k1 + kz )= 2.0200
h
-
Para n = l,
Clculo de Y2
k 1 = f(x 1 1 y 1 ) k 1 = (x 1 - y 1 + 2) = 0.18
k2 = f(x 1 + h, y 1 + h k 1 ) k2 = x 1 + h - (y 1 + h k1 ) + 2 = 0.344
h
Y 2 = Y1 + 2 (k1 + k2 ) = 2.0724
-
Clculo de y3
Para n = 2,
k 1 = f (x 2 , Y 2 ) k1 = (x 2 - y 2 + 2) = 0.3276
k2 = f (x 2 + h, y 2 + h k1 ) k 2 = x 2 + h - (y 2 + h k 1 ) + 2 = 0.4621
y3 = Y 2 + - (k 1 + k2 ) = 2.1514
h
2
Clculo de y4
Para n 3,
=
k1 = f( X3 , y 3 ) k 1 = (X 3 - y 3 + 2) = 0.4486
kz = f(X3 + h, y 3 + h k1 ) k2 = X 3 + h - (y 3 + h k 1 ) + 2 = 0.5589
Y 4 = Y 3 + 2 (k1 + k2 ) = 2.2521
h
Clculo de ys
Para n 4,
=
k 1 = f(X4 , y4 ) k 1 = (X4 - Y 4 + 2) = 0.5479

kz = f (X4 + h, y 4 + hk1 ) k 2 = X4 + h - (y 4 + h k 1 ) + 2 = 0.6383
Ys = Y 4 + -2 (k1 + k2 ) = 2.3707
h
Podemos, ainda, considerar outra soluo do sistema no-linear, tam

bm bastante conhecida, dada por:
.!.
c 1 = 0, c 2 = 1 e a 2 = , que nos fornece o mtodo:
2
h h
Yn+1 = Yn + hf(x n + - , Yn + -k ), com k1 = f(xw Yn)
2 2 i
o qual conhecido por mtodo de Euler modificado.
Algoritmo 6.3
{
Considere o PVI:
y ' (x) = f (x, y)
y (x o ) = Y o
1. Declare:
a) Funo f(x, y).
b) Condies iniciais: y(x 0) = y0
c) Intervalo [a, b], onde a= Xo
Calcule h =
(b - a)
.
N
2. Para n = O, l, 2, 3, .. . , (N - 1),
Calcule:
incio
h h
Yn + l = Yn + hf(X n + 2 ' Yn + 2 k1 )
fim
Exemplo 6.10
{
Usando o mtodo de Euler modificado, calcule a soluo do PVI definido por:
y' = f ( X , y) = X - y + 2
x e [a,b] = [0,1] e h = 0.2
y (x0 ) = y (O) = 2
258 Clculo Numrico
Temos:
N
(b-a ) =
5
h
Logo:
Clculo de y1
Para n = O, temos a condio inicial y(Xo) = y(O) = 2, ento:
h h
Y1 = Yo + hf(xo + -2 , Yo + -2 k 1 )
h h
Y1 = Y o + hf(x o + -2 , Yo + -2 ( Xo - Yo + 2)
Clculo de y2
Para n = 1, temos:
[
Y2 = Y1 + h <x 1 + y 1 + 2) = 2.0760
- ]
Clculo de y3
Para n = 2, temos:
h h
Y 3 = Y 2 + hf (X 2 + -2 Y 2 + -2 k 1 )
/
[
Y 3 = y 2 + h X 2 + - (y 2 + k1 ) + 2 = 2.1543]
Clculo de y4
Para n 3, temos:
=
Y4 [
= y 3 + h X3 + - (y3 + ki ) + 2] = 2.2545
Clculo de Ys
Para n = 4, temos:
Ys [
= Y 4 + h X4 + - (y + ki ) + 2] = 2.3727
4
Na Tabela 6.3, so apresentados os valores exatos, a partir de

y(x) e-x + x + 1, com a soluo numrica encontrada pelos mtodos de Euler,
=
Euler aperfeioado, modificado e mtodo de Taylor de ordem 2, nos pontos

de discretizao.

Mtodos de Taylor p = 1ep = 2, Euler modificado e Euler aperfeioado
Euler Euler Taylor

n x, Sol. exata El,der modificado a p erfeioado ordem 2
o o 2.0 2.0 2.0 o.o 2.0
1 0.2 2.0187 2.0 2 . 0200 2 . 0200 2 . 0200
2 0.4 2.0703 2.0400 2 .0760 2 .0724 2 .0724
3 0.6 2 . 1 488 2. 1 1 20 2 . 1 543 2.1514 2.1514
4 0.8 2 . 2493 2.2096 2 . 2545 2.2521 2.2521
5 1.0 2.3679 2.3277 2 . 3 72 7 2 . 3 707 2 . 3707
Tabela 6.3
260 Clculo Numrico
Observaes
a) Os dados da tabela foram calculados usando quatro casas decimais
e arredondamento.
b) Os valores aproximados obtidos pelos mtodos de Euler modificado,
aperfeioado e pelo mtodo de Taylor de ordem 2 so de mesma
Euler (Taylor de ordem 1 ) como esperado.

ordem de grandeza e superiores s aproximaes pelo mtodo de

Y n +t = Yn + h( c, k , + c 2 k 2 + c3k3 )
onde,
k i = f(x n , Y n )
k 2 = f(x n + ha 2 , Yn + h (b 21 k 1 )) 2 = b21
k 3 = f(x n + ha 3 , Y n + h (b 3 1 k 1 + b32 k 2 )) a 3 = b31 + b 32
Para determinar os parmetros: Cv C2, C3, a2 (b2 1 igual a a2), a3, b3 1 e b321
podemos desenvolver k2 e k3 em srie de Taylor, em tomo do ponto (xrv Yn)
at ordem 3, de modo a expressar o mtodo na seguinte forma:
+ ( ... ) h + ( ... ) h 2 + ( . . . ) h + O ( h 4 )
3
Y n +l = Yn
e, ento, igualar os coeficientes de h, h2 e h3 com o mtodo de Taylor de

ordem 3. Este procedimento nos fornece o sistema no-linear:
C 1 + C2 + C3 = 1
1
=
6
O sistema anterior tem infinitas solues, as quais definem o mtodo

de Runge-Kutta de ordem 3. Diante disto, o leitor poderia se perguntar se
seria possvel um mtodo de Runge-Kutta 3-estgios de ordem 4, isto , se o
desenvolvimento de Taylor do mtodo de Runge-Kutta 3-estgios pudesse
coincidir com os coeficientes do mtodo de Taylor de 4ll ordem. Infelizmente,

a menos de funes f(x, y) particulares, em geral, isto no possvel.
Uma soluo para o sistema no-linear anterior que define o mtodo de
Runge-Kutta de ordem 3 dada por:
C1 = - C2 = - C3 =
2 3 4
-
9 9 9
2 = - b21 = -
1 1
2 2
a3 =
3 b = a b = O b = -3
3 3 - 32 32
4 1
-
4
o que nos fornece o seguinte mtodo:
h
Y n+I
=
Yn + - (2k 1 + 3k 2 + 4k 3 )
9
com
k 1 = f(x 0 , y 0 }
1 1
k 2 = f(x 0 + - h, Yn + -hk 1 }
2 2
3 3
k 3 = f(x 0 + - h, Yn + - hk 2 }
4 4
o qual um mtodo de Runge-Kutta de ordem 3.
Outras frmulas de Runge-Kutta de ordem 3 podem ser obtidas por
solues alternativas do sistema no-linear anterior.
Algoritmo 6.4
Considere o PVI:
{ y '(x) = f (x , y)
y (xo ) = Yo
1 . Declare:
a) Funo f(x,y).
b) Condies iniciais: y(Xo) = Yo
a) .
(b -
Calcule h =
N
262 Clculo Numrico
2. Para n = O, 1, 2, 3, ... , (N - 1)
Calcule:
incio
Xn +l = Xn + h
k 1 = f (x n , Y n }
1 1
k 2 = f (x n + - h, Yn + - hk 1 }
2 2
3 3
k 3 = f (x n + - h, Yn + - hk 2 }
4 4
fim
Exemplo 6.11
Usando o mtodo de Runge-Kutta de ordem 3, calcule a soluo do PVI
{
definido por:
X E [ a , b] = [ O , 1 ] e h = 0.2
y' = f(x, y) = X - y + 2
y ( x0 ) = y ( O ) = 2
Temos:
(b - a)
N= =5
h
Logo,
Clculo de Y1
Para n = O, temos a condio inicial y(x0} = y(O) = 2, ento:
k 1 = f (x 0 , y 0 ) k 1 = (x 0 - y 0 + 2) = O
1 1
k 2 = f(x 0 + - h, Y o + -hk 1 ) = 0.1
2 2
3 3
k 3 = f(x 0 + - h, Yo + - hk 2 ) = 0.1350
4 4
Portanto, temos:
h
Y1 = Y o + ( 2k1 + 3k 2 + 4k 3 ) = 2.0187
-
9
Clculo de Y2
Para n = 1, temos:
k 2 = f(x1 + 2 h , y1 + "2 h k 1 )
1 1 = 0.2632
k 3 = f(x1 + 4 h , y1 + 4" h k 2)
3 3 = 0.2918
Portanto, temos que:
Clculo de y3
Para n 2, temos:
=
k i = f (x 2 , Y2 ) k 1 = (x 2 - y 2 + 2) = 0.3298
k 2 = f (x 2 + 2 h , y1 + "2 h k 1 ) = 0.3968
1 1
k 3 = f (x 2 + - h , y1 + - h k 2 ) = 0.4203
3 3
4 4
Clculo de y4
Para n 3, temos:
=
k1 = f (x 3 , y3 ) k1 = (x 3 - y 3 + 2) = 0.4513
k 2 = f (x 3 + - h , y1 + - h k 1 ) = 0.4836
1 1
2 2
k 3 f (X3 + 43 h, Y1 + 43 h k 2) 0.5288
= =
y3 +
h ( 2k1 + 3k + 4k )
Y4 = -
9 2 3 2.2480
=
264 Clculo Numrico
Clculo de ys
Para n 4, temos:
=
k 1 = f (x 4 + 21 h , y 1 + "21 hk 1 ) = 0.5692
k 3 = f (x4 + -3 h, y1 + -3 h k2) = 0.6166

4 4
Na Tabela 6.4, so apresentados os valores exatos, a partir de

y(x) e-x + x + 1, a soluo numrica encontrada pelos mtodos de Euler
=
(ordem 1), Euler modificado (ordem 2), Taylor de ordem 2 e Runge-Kutta

de ordem 3, nos pontos de discretizao.
Taylor
Mtodos de Taylor p = 2, Euler, Euler modificado e Runge-Kutta p = 3
ificado
Euler Runge-Kutta
: ; X1 Sol. exa Euler ordem 2 de ordem 3
o o 2.0 2.0 2.0 2.0 2.0
1 0.2 2.0187 2.0 2 . 0200 2 . 0200 2 . 0 1 88
2 0.4 2 .0703 2 . 0400 2 . 0 760 2 . 0 724 2 .0702
3 0.6 2 . 1488 2 . 1 1 20 2 . 1 543 2.1514 2 . 1487
4 0.8 2 . 2493 2 . 2096 2 . 2545 2.2521 2.2480
5 1.0 2 .3679 2 . 3277 2 .3727 2 . 3 70 7 2.3653
Tabela 6.4
Observaes
e arredondamentos.
b) A melhor preciso dos resultados obtida foi com o mtodo de Runge
Kutta de ordem 3, como esperado, pois o erro da ordem de h4, en
quanto para os demais possuem erros de ordem h2 e h3

Y n +I = Y n + h( c 1 k 1 + c 2 k 2 + c3k3 + c 4 k 4 )
onde
C 1 + C2 + C 3 + C4 = 1
k 1 = f (x n , y n )
k 2 = f (x n + ha 2 1 Yn + h (b 21 k 1 )) a 2 = b 21
k 3 = f (x n + ha 3 , Yn + h (b 31 k 1 + b32 k 2 )) a 3 = b31 + b32
k4 = f (x n + ha 4 , Yn + h (b 41 k 1 + b 42 k 2 + b43 k 3 )) a 4 = b 41 + b 42 + b43
Para determinar os parmetros cv C21 C3, C4, a21 a3, a4, b21 , b31 1 b32, b41 1 b421
b43, podemos desenvolver k2, k3 e por Taylor, em tomo do ponto (xnr Yn) at
ordem 4, de modo a expressar o mtodo na seguinte forma:
) h + () h
= Yn + ( 2 + ( .. . ) h 3 ... ) h 4 + O h 5 )
Y n +l +( (
e, ento, igualar os coeficientes de h, h2, h3 e h4 com o mtodo de Taylor de
ordem 4, o que nos leva a um sistema no-linear com 13 incgnitas (os parme
tros anteriores). Uma soluo particular para o sistema no linear dada por:
1 2 2
C1 = - C2 = - C3 = - C4 = -
1
6 6 6 6
1 1
2 = - b21 = -
2 2
a 3 = - b 31 = o b32 = -
1 1
2 2
a 4 = 1 b 41 = o b 42 = o b43 = 1
o que nos fornece o seguinte mtodo:
= Yn
h
Y n +l + - (k 1 + 2k 2 + 2k3 + k 4 )
6
k 1 = f(x n , Yn )
1 1
k 2 = f(x n + -h, Yn + -k i )
2 2
1 1
k 3 = f(x n + -h, Yn + -k 2 )
2 2
k 4 = f(x n + h, y n + k 3 )
conhecido como mtodo de Runge-Kutta de ordem 4.
266 Clculo Numrico
Analogamente aos mtodos anteriores de Runge-Kutta, tambm podemos

construir novas frmulas por solues alternativas para o sistema no-linear.
Algoritmo 6.5
{
Considere o PVI:
y ' (x) = f (x, y)
y (x o ) = Y o
1. Declare:
a) Funo f(x, y).
b) Condies iniciais: y(xo) = Yo
Calcule h (b - a)
=
.
N
2. Para n = O, 1, 2, 3, . .. , (N - 1)
Calcule:
incio
X n+l = X n + h
ki = f (x n , Y n )
k2 = f (x n + -, y n + - k1 )
h h
2 2
k3 = f (x n + -2 , Y n + -2 k i )
1 h
k4 = f (x n + h, Y n + hk3 )
h
Y n+l = Y n + - ( k1 + 2k2 + 2 k3 + k 4 )
6
fim
Exemplo 6.12
Usando o mtodo de Runge-Kutta de ordem 4, calcule a soluo do PVI
{
dado por:
y ' = f(x, y) = x - y + 2
para x e [ a , b ] = [ O , 1] e h =
O .2
y (x 0 ) = y (O) = 2
Temos:
Logo,
Clculo de y1
Para n O temos a condio inicial y(Xo) y(O)
= , = = 2, ento:
k 1 f (x 0 , y0 ) k 1 (x 0 - Y o + 2) O
= = =
k2 X0 +
= - ( y0 + k1 ) + 2 = 0.1
h h
k3 X0 + - - (y 0 + - k2 ) + 2 0.0900
= =
2 2
k 4 X o + h - (y + hk3 ) + 2 0.1820
= o =
Clculo de Y2
Para n = 1, temos:
k 1 f (x 1 , y1 ) k 1
= = (x 1 - y 1 + 2) = 0.1812
k2 X 1 +
= - ( y1 + kl ) + 2 = 0.2631
h h
k3 X 1 + - - ( Y1 - - k2 ) + 2 0.2549
= =
2 2
k 4 X 1 + h - (yl + h k3 ) + 2 0.3302
= =
Assim,
Clculo de y3
Para n 2, temos:
=
268 Clculo Numrico
Para n 3, calculamos respectivamente k11 k2, k3 e kt e temos:

Clculo de y4
=
Para n 4, calculando k1, k21 k3 e kt temos:

Clculo de y5
=
Na Tabela 6.5, so apresentados os valores exatos, a partir de y(x) e-x + =
x + 1, a soluo numrica encontrada pelos mtodos de Euler modificado

(ordem 2), Taylor de ordem 2, Runge-Kutta de ordem 3 e Runge-Kutta de
ordem 4, nos pontos de discretizao.

Mtodos de Euler modificado, Taylor p = 2, Runge-Kutta p = 3 e Runge-Kutta p = 4
Euler Taylor Runge-Kutta Runge-Kutta

n Xi Sol. exata modificado p=2 p=3 p=4
o o 2.0 2.0 2.0 2.0 2.0
1 0.2 2.0187 2 . 0200 2 . 0200 2.0187 2.0187
2 0.4 2 .0703 2 . 0724 2 . 0724 2 .0702 2 . 0703
3 0.6 2 . 1 488 2.1514 2.1514 2 . 1 487 2 . 1488
4 0.8 2 .2493 2 . 2521 2 .2521 2 . 2480 2 . 2493
5 1 .0 2. 3679 2 .3707 2 .3707 2 . 3653 2 .3679
Observaes
com arredondamento.
b) A melhor preciso dos resultados obtida foi com o mtodo de Runge
Kutta de ordem 4 como esperado, pois o erro da ordem de h5
Comentrios finais
Como pudemos observar, as frmulas de Runge-Kutta tm a vantagem de
no necessitarem das derivadas de ordem superior da funo f(x, y),
como nos mtodos de Taylor, porm, obtendo as mesmas ordens dos erros
de truncamento.
6.6 Mtodos previsor-corretor

possvel desenvolver outros mtodos para resolver equaes diferen
ciais ordinrias baseados no teorema fundamental do clculo, que pode ser
escrito por:
J
Xn+l
y '(x)dx = y(x n+1 ) - y(xn )
Como y '(x) = f(x, y(x)), temos que:
y(xn+1 ) = y(xn ) + J f(x, y(x))dx

Xn+l
(3)
A integral definida na equao anterior pode ser aproximada por dife

rentes mtodos numricos e, portanto, podemos ter diferentes mtodos de
resolver a equao diferencial y ' = f(x, y). Por exemplo, se usarmos a regra
dos retngulos (isto , a funo considerada constante no intervalo de
integrao), COm h = Xn+1-Xn :
J
Xn+l
f(x, y(x))dx = h f(x n , y(x n ))
e, como antes, com a notao para a aproximao de y(xn) dada por y n = y(x n ),
segue de (3):
que consiste exatamente no mtodo de Euler, o qual foi deduzido anterior

mente usando o teorema de Taylor truncado na derivada de primeira ordem.
Outros mtodos de integrao numrica podem ser utilizados para resol
ver a integral contida em (3).
A seguir, apresentamos o mtodo dos trapzios, estudado no Captulo 5,
Seo 5.4, o qual apresenta uma aproximao melhor do que o mtodo de
Euler, porm, introduz uma dificuldade, em que uma equao no-linear
deve ser resolvida.
6.6.1 Mtodo dos trapzios

Para resolver a integral em (3), podemos usar a regra dos trapzios dada por:
J
Xn+l
h
f(x, y(x))dx = [f(x n , y(x n )) + f(x n+l l y(x n+I ))]
Xn
Z
270 Clculo Numrico
Desta forma, usando a aproximao y n = y(xn ), segue de (3):
(4)
O procedimento para calcular Yn+ i dado por (4) chamado mtodo dos
trapzios. Note, entretanto, que em (4), diferentemente dos mtodos ante
riores (veja mtodo de Euler, por exemplo), tem a incgnita y de forma
n+l '
implcita (em ambos os lados da equao em (4)). Por isto, tal mtodo cha
mado mtodo implcito.
Os mtodos anteriores, nos quais Yn+I calculado explicitamente, so
chamados mtodos explcitos. Um mtodo explcito pode ser usado para obter
uma aproximao inicial de Yn+v como vemos a seguir, e chamado previsor.
{
Para deixar mais claro ao leitor, consideramos o PVI:
y ' (x) = f (x, y)
y (x o ) = Y o
e queremos determinar a soluo da equao diferencial y(x) numericamen
te, isto , aproximaes para y(x1), y(x2), , y(xN), as quais so denotadas por

Y v Yi- . . , yN, respectivamente, e xv x2, , xN so os pontos de discretizao.

.
Clculo de Y1
Para determinar a aproximao para y(x1) pelo mtodo dos trapzios, faze
mos n 1 em (4) e temos,
=
(5)
Assim, o valor de y1 no fornecido explicitamente e temos uma equa

o, em geral, no-linear, para ser resolvida, na qual y1 a incgnita.
Sabemos, do Captulo 3, Seo 3.3.2, que uma equao na forma: x <j>(x)
=
pode ser resolvida pelo mtodo das aproximaes sucessivas xk+I <j>(xk), o qual
=
produz uma seqncia xv Xi, . . convergente para uma soluo X: da equao,

.
se Xo, dado inicialmente, for uma boa aproximao para x e 1 <j> '(x) l < l, para
todo X = X (uma vizinhana de x).
A Equao (5) pode ser escrita por (aqui y1 a incgnita):
com
Podemos obter uma aproximao inicial para y11 a qual denotamos por
y l , usando um mtodo explcito (previsor), por exemplo, o mtodo de Euler.
Previsor:
yl = y 0 + hf(x0 , y0 ) primeira aproximao para Y1

e, ento, usar o mtodo das aproximaes sucessivas, y k+l l = <l> (y k> ) .
Corretor:
para determmar y11 caso a sequencia y 1(O) , y (1 l ) , y (1 2 ) . convergir.

..
A
.
. .
Um critrio de parada deve ser definido, por exemplo:
ent-ao, y1 = y1(k+l) , sendo E > o, uma to1 erancia fixa,

1 (k + l ) y (k) 1
Se Y 1 k- ) l
I I
A
<
y + t
definida previamente.
Em geral, poucas iteraes so necessrias para o corretor (que consiste
no mtodo das aproximaes sucessivas) e, se a convergncia no for obtida,
o valor de h deve ser diminudo.
Esta ltima observao decorre do fato de que, para que haja conver
gncia, devemos ter 1 <l> '(y) 1 < 1 1 numa vizinhana da raiz da equao, ou seja:
l <1>'<Y > I =
h af(x, Y > < 1
2 ay
e, portanto,
Assim, se a derivada da funo f com relao a y for contnua, podemos

escolher h suficientemente pequeno para que o mtodo das aproximaes
sucessivas (isto , o corretor) convirja.
Clculo de Y2
Depois de calcular o valor de y11 repetimos o procedimento anterior para
determinar Y2
Previsor:
y l = y1 + hf(x 1 1 yi ) primeira aproximao para Y2

272 Clculo Numrico
Corretor:
(k+l) - h
Y2 - Y1 + - [f(X o , Yo ) + f(X u Y (k)
2 )]
2
, 1 y k+l) - y k) 1
ate que: 1 Y (2k+I l 1 < e .
Assim, sucessivamente, calculamos y3, y.., . , YN . .
Algoritmo 6.6
{
Considere o PVI:
y ' (x) = f (x, y)
y (x o ) = Y o
1. Declare:
a) Funo f(x,y).
d) E > O, uma tolerncia fixa.

e) Nmero de subintervalos N e
(b - a)
Calcule h = .
N
2. Para n = O, ... , N-1, faa:

previso: y l1 = y n + hf(x n ' y n )
correo: Para k = O, l, ... faa
(k+l) h (k) .
Yn+l - Yn + [f(X n , Yn ) + f(X n+1 1 Yn+l )] ate, que.
- -
2
1 Y<k+1i
n+l y<kn > I < E
_
1 y_:i1 > 1
+
F aa: y = y k l
n+l n +l .
Exemplo 6.13
Usando o mtodo dos trapzios, com o mtodo de Euler como previsor, cal
{
cule a soluo do PVI definido por:
y ' = - 2y + l
x E [ a, b ] = [O, l] e N = S
y(O) = 1
Use no critrio de parada do mtodo das aproximaes sucessivas E = 0.01.

A soluo exata para este problema dada por: y(x) = ..! e-2x + ..! .
2 2
O valor de dado por h
h _ ( b - a ) = 0.2
N
af(x,y) 2 e, portanto, a escolha de satis az a proprie a e:
Note que - h f d d
ay
h < 2 / = 1. 1 ; 1
Mtodo dos trapzios
Observao
Neste caso, a equao anterior bem simples, pois f(x, y) uma funo linear
na varivel y, de modo que o mtodo dos trapzios se reduz a:
1
2
Yn+ l = Yn + - h [ (-2yn +l} + (-2Yn+l + l}]
Portanto, fcil determinar exatamente Yn+ l Para ilustrar o mtodo pre
ditor-corretor, fazemos a previso e as correes.
Para Xo O, dado o valor inicial: y(O) Yo 1.
= = =
Clculo d e y1 aproximao para y(0.2)

Previso (Euler):
y > = y0 + hf(x0 , y0 ) = 1 + 0.2(-2 + 1) = 0.8000 (aproximao inicial para y1 }
Correo (Trapzios):
y 1 > = y 0 + h [f(x0 , Y o ) + f(x 1 1 y 1 = 1 + 0.2 [ (-2(1)+ l }+ (-2(0.8)+ l}] = 0.8400

2 2
()
1 I
(O)
1
Erro: 1 y -( l y 1 - 0.0476 > 0.01
l I Y1 1
2
y 2> = y0 + h [f(x0 , y0 )+ f(x 1 1 y 1 ] = 1 + 0 [(-2(1)+ l}+ (-2.(0.8400)+ l}] = 0.8320
2 2
Y(i2 ) "'((1 1 ) 1
I Y12 1
Erro: 1 = 0 . 0096 < 0.01
274 Clculo Numrico
Portanto,
y1 = 0.8320
Soluo exata: y(0.2) = 0.8352

1
O valor exato de y 1 =- = 0.8333, obtido na equao linear que define
1 .2
Yn+1 e tomando Yo = 1.
Clculo de y2 aproximao para y(0.4)
Previso (Euler):
y> = y 1 +hf(x 1 , y 1 ) = 0.8320 + 0.2(-2(0.8320) + 1) = 0.6992 (aproximao ini

cial para y2 )
Correo (Trapzios):
y 1 > = y 1 + h [f(x 1 1 y 1 )+ f(x 2 , y> )]= 0.8320+ [(-2(0.8320) +1)+ (-2(0.6992)+

02
2 2
+ 1)] = 0.7258
Erro: 1 y 2 -O y 2 1 0.0366 > 0.01

(l) <>
l
1 Y2 1
y 2> = y 1 + h [f(x 1 1 y 1 )+ f(x 2 , y1 > )]= 0.8320+ [(-2(0.8320)+1)+ (-2(0.7258)+

02
2 2
+ 1)] = 0.7264
(2 ) (2! ) 1 = 0.0008 < 0.01

Erro: 1 y 2
1 Y2 1
Portanto,
y2 = 0.7264
Soluo exata: y(0.4) = 0.7247)

Previso (Euler):
y > = y 2 + hf(x 2 1 y 2 ) = 0.7264 + 0.2(-2(0.7264) + 1) = 0.6358 (aproximao
inicial para y3 )
Correo (Trapzios):
h 02
y 1 ) = y 2 + [f(x 2 1 y 2 )+ f(x 3 , y) )] = 0.7264 + [(-2(0.7264)+ 1) + (-2(0.6358) +
2 2
+ 1)] = 0.6540
(1 ) - y3
Erro . 1 Y3 1 ) (0) 1 = O . 0278 > O . 01
IY I
h 02
y2) = y 2 + [f(x 2 1 y 2 )+ f(x3 , y1 ) )] = 0.7264 + [(-2(0.7264) + 1) + (-2(0.6540) +
2 2
+ 1)] = 0.6503
2
I Y ) - yl ) 1 -
Erro.. - 0.0057 < 0.01
I Y3< 2 l 1
Portanto,
y3 = 0.6 503
Soluo exata: y(0.6) 0.6506. =
--t
Previso (Euler):
y l = y 3 + hf(x 3 , y 3 ) = 0.6503 + 0.2(-2(0.6503) + 1) = 0.5902 --t
aproximao
inicial para y4
Correo (Trapzios):
h 02
y l = y 3 + [f(x 3 , y3 )+ f(x 4 , yl )] = 0.6503 + [(-2(0.6503) + 1) + (-2(0.5902) +
2 2
+ 1)] = 0.6022
(l) (O)
Erro: 1 Y 4 -( t )Y 4 1 0.0 1 98 > 0.01
1 Y4 1
h 2
y l = y 3 + [f(x3 , y 3 )+ f(x4 , y )] = 0.6503 + [(-2(0.6503)+ 1) + (-2(0.6022) +
2 2
+ 1)] = 0.5998
2
y( ) - y( ) l
Erro: 1 4 2 4 1 = 0.0040 < 0.01
1 Y <4 l 1
276 Clculo Numrico
Portanto,
y4 = 0.5998
Soluo exata: y(0.8) = 0.6009

Clculo de y5 aproximao para y(l.O)
Previso (Euler):
y ) = y 4 + hf(x 4 , y 4 ) = 0.5998 +0.2(-2(0.5998) + 1) = 0.5575 aproximao
inicial para y5
Correo (Trapzios):
h 2
y l ) = y 4 + (f(X4 , y 4 )+ f(X5 , yl )]= 0.5998+ ( (-2(0.5998)+ 1)+ (-2(0.5575)+
2 2
+ 1)] = 0.5683
1 ( 1 ) - y s(O) 1
Ys
Erro .
l ) = O 0190 > O . 01
I Y 1 .
02
y2> = y4 + h [f(x4 , y 4 )+ f(x5 , y1 ) )] = 0.5998+ [(-2(0.5998)+1)+ (-2(0.5683)+
2 2
+ 1)] = 0.5662
2
( ) - y( ) 1
Erro . 1 Ys 2 ) s 1 = O 0037 < O . 01
I Y 1 .
Portanto,
y5 = 0.5662
Soluo exata: y(l) = 0.5677

Mtodo de Simpson
O intervalo de integrao usado na obteno de (3) foi [x n , X n+1 ], que en
volve apenas os pontos de discretizao Xn e Xn+ v para os quais desejamos
o valor de y. Porm, podemos usar outros intervalos com mais pontos onde
desejamos o valor de y, como, por exemplo, o intervalo [x n , X n+2 ], com Xn+l
em seu interior. Pelo teorema fundamental do clculo, temos que:
y(x n+2 ) = y(x n ) + J f(x, y(x))dx
Xn+2
(6)
e podemos usar a frmula _.!:_ de Simpson para aproximar a integral anterior:

3
J
Xn+2
h
f(x, y(x))dx = 3 [f(x n , y(x n )) + 4f(x n+1 ' y(x n+1 )) + f(x n+2 , y(x n+2 ))]
Xn
Analogamente ao mtodo dos trapzios, usando a aproximao y n = y ( x n ),

segue, de (6):
h
Y n+2 = Y n + [f(x n Y n ) + 4f(xn+ t Y n+l ) + f( X n+2 ' Y n+2 )] (7)
3 / /
O procedimento para calcular yn+2 dado por (7) chamado mtodo de

Simpson. Note, de (7), que o mtodo de Simpson implcito, uma vez que
Yn+2 a ser calculado no lado esquerdo de (7) aparece tambm implicitamente
no lado direito da equao.
Alm disso, para o clculo de Yn+2 so necessrios o conhecimento de Yn
O mtodo dos trapzios um mtodo implcito de 1-passo, pois depende

e Yn+ t Por isto, este mtodo chamado mtodo implcito de 2-passos .
apenas de Yn Agora, para aplicar o mtodo de Simpson, necessrio que se
valor y1 pode ser calculado por um mtodo explcito de boa preciso.

tenha calculado dois valores iniciais: y0 e y1 . O valor y0 dado do problema, e o
Com estes valores, usamos (7) para calcular y2 :

h
Y2 = Y o + - [f(x o , Yo ) + 4f(xu Y1 ) + f(x2 1 Y2 )]
3
em que apenas y2 incgnita e, portanto, uma equao no-linear, em geral,
a ser resolvida.
Assim, como no mtodo dos trapzios, usamos o mtodo das aproxima
es sucessivas para a obteno de y2, com um mtodo explcito (Previsor)
para obter uma primeira aproximao, por exemplo, o mtodo de Euler:
Previso (Euler): yl = Y1 + hf(xu y i )
h
(Simpson): yt J = Y o +
3 [f(x o , Y o )
Correo + 4f(x1 , Y1 ) + f(x2 1 yl )]
2 h 1
y > = y 0 + [f(x0 , y0 ) + 4f(x1 , y1 ) + f(x2 1 y > )] etc.
3
A seqncia y , y , y; , ... deve convergir para a soluo da equao (7),
se h for suficientemente pequeno.
Um critrio de parada deve ser definido, por exemplo:
(k) 1
1 y (k + l)
Se 21 k1 ;12 ento y = yk+tl, sendo E > O uma tolerncia fixa,
y
< E 2
previamente definida. Caso duas ou trs iteraes no sejam suficientes, deve-se

diminuir o valor de h.
Depois de calculado o valor de y21 calcula-se analogamente y3, , YN
278 Clculo Numrico
{
Algoritmo 6.7
Considere o PVI:
y ' (x) = f (x, y)
y (xo ) = Yo
1. Declare:
a) Funo f(x, y).
E > O, uma tolerncia fixa.

d)
e) Nmero de subintervalos N e
Calcule h = ( b - ) .
N
2. Para n = O, ... , N-2, faa:
previso: y l2 = y n+l + hf(x n+l y n+l ) f
correo: Para k = O, 1, ... , faa:
y :J > = y n + [f(x n ' yn ) + 4f(xn+1 ' yn+l ) + f(xn+2 ' yl2 )] at que:
<E
1 Y(k+l) (k)
n+2 - Yn+l 1
l y:P 1
(k+l)
Faa.. Yn+2 -- Yn+2
Simpson, com o mtodo de Euler para previso, e tolerncia E = 0.01 .

Sugerimos ao leitor resolver o PVI do exemplo anterior pelo mtodo de

No Software Numrico, o usurio seleciona as opes Equaes Diferen
ciais e Entre com os dados da equao, seguido da escolha dos mtodos de
resoluo de Runge-Kutta.
O usurio digita a expresso da equao diferencial, fornece o valor inicial
Xo, o tamanho do passo "h" e o valor Xn desejado, conforme exemplo que segue:
{
Exemplo 6.14
Considere o PVI dado por:
y ' = - xy
y(O) = 1
Usando o mtodo de Euler, a partir de Xo = O e h = 0.1, calcule x5 e um
limitante superior para o erro.
O usurio digita a expresso da equao, os dados iniciais, o valor do
espaamento "h" e o valor desejado y(0.5), conforme Figura 6.5 a) e b ):
E Difetenciai1
a) b)
Figura 6.5
Neste momento, o usurio seleciona o mtodo de Euler e temos os re

sultados desejados conforme ilustraes da Figura 6.6:
Escolha o lllt!todo
RW1119 li:utta de 1.a otdeta Euler

O.cml lcml
0.1(11) llml
o.mi 0.9!DI
r - Runge Kutta 3.a ,,...,_ o.m 0.9llll
D.41111 119411
a) b)
N" h PIU &!
Ul.
e)
Figura 6.6
280 Clculo Numrico
Desta forma, temos calculados os valores da funo y(x) nos pontos

x 0 = 0, x 1 = 0.1, x 2 = 0.2, X 3 = 0.3, X 4 = 0.4 e x 5 = 0.5, conforme Figura 6.6 b).
Portanto, temos que y(0.5) = 0.9035, conforme Figura 6.6 c).
O usurio pode, ainda, plotar os pontos obtidos aproximadamente
e comparar com a soluo exata, caso esta seja conhecida. Neste exemplo,
e- xy,
fornecendo a soluo analtica dada por y(x) = --, e digitando esta
2
expresso, podemos comparar os valores exatos, com trao contnuo, com os
valores aproximados, conforme Figura 6.7:
\
)(
1
: .. . .

YCX> portos
: . . ... .. ... .. .. -- : : :
1 . _ ,,,, .. .. .. .. .. .. .. .. .. .. .. - - - "' = .. - - - - - - :
.. .. ..... .., .. .. ... .. .. : .. .. .. .. .. .. : .. .. .. .. .. .. :
: :
:- - - - - - - t - - - - - - -:- - - -- - - - - - - - - - r - - - - - : - - - - - :- - - :
0..99: 1"' .. ... ... .. .. .. t .. .. .. .. .. . ..: . .. .. .. .. . . . . . . . ... . .. .. :.. .. .. .. .. .. .. ! - - . ... .. .. .. .. . .,, .. . - .. . .. . . .. ... .._ .. _ . .. .... .. :
" 1 '
: - - - - - - -:- - - - - - , - - - !- - - - - - - - ; - - - - - - : - - - - - - - - - - ;
! - ! - - . - - - - 4
..
0..9:8 .. ... . .. . . .. .. ... .. .. .. .. .. . .. - ..

.. .. . .. . . .. .. .. .. .. .. .. .. ... ... .. ..
: : - - .. : : :; :
.
o.m - - - --! - - - - - - - - - - - - - - -------
: - - - .. .. ... " .. .. .. .. : :
0.90 - -- - --- 1 _ _ _ - - - - - - :- - - - - - - - - - - - -:
1 1 1 i i
0..95 : .. .. . . .. : . .. .. :- -
- - - ,, .. - - - - .. .. .. .. .. .. .. .. .. - .. .. - .. - - - - - - - - .. .. .. - .. .. .. . .. .. :
o.92 > - - - - - - : - - - :- - - - - - - - - - r - - - - - - : - - - - - : - - - - - - - -: - - : - - - -:
0..94 - -
... .. .. .. ..: . .. .. .. ... : .. .,. - - - - " . .. .. .. .. - - - .. .. ...
- .. .. - . . . . .. . ... .. - - .. ,,. - .. .. ..
0.91 : - - ; - - - : - - . - - - - - - - - - - - - - :- - ; - - . - - - - - - - - - - - - - - :
0 ..93 . - ..:- - - - - r - - - - - - ..: - , -- .. .
f , ,. ... - - . .... " ,
. .. .. .. . ..
. .. . . . .. . . .. .. ...
' . .
- ; - - - - - - - - - - - - - - - - - - - - : - - - -:
- - - - - - - - - - - - - - - - - -
: - - - - : .. - - - .. .. - - - - - - : - - - - - :
- - - - - - - - - - - - - - - - - - - - - : - - . - -
0 .9 : - . - - - - - ! - - - - - - : - - - - - . - - - - - - - - - - - - -: -
- - - - - - - - -
o.89 : - - - - - - -
- : - - - - - - r -
- - . - - - - - - - - - - - - - - - - - - - - -
. . . . . ' . . .
o 0.05 0.1 0.1 5 0.2 0.21> 0.:1 0..:15 OA OA5 0.5
Figura 6.7
Exemplo 6.15
{
Considere o PVI dado por:
y ' = x y2 - y
y(O) = 1
Usando o mtodo de Runge-Kutta de 4 ordem, a partir de Xo = O e h = 0.1,
calcule o valor aproximado de y(0.7).
Soluo:
O usurio digita a expresso da equao, os dados iniciais, o valor do espa
amento "h" e o valor desejado y(0.7), seleciona o mtodo de Runge-Kutta
de 4 ordem, conforme Figura 6.8 a) e b):
a) b)
Neste momento, temos calculados os valores aproximados de y(x) nos

pontos desejados, conforme Figura 6.8 c):
0.!5000
--tcl71iii1 -- il--
6 0.6000 0.5980
7- -
e)
Portanto, temos que y(0.7) = 0.5596, conforme Figura 6.8 d):
d)
Figura 6.8
282 Clculo Numrico
O usurio pode, ainda, plotar os valores aproximados de y(x), conforme

ilustrado na Figura 6.9:

t":: c.,r cif h o dl fercnc l9I
1 - y(!:g
cquc1c oes _ __ 1
-.
- - - - -
eante
- -- - - - - - -- - -
. -- - . . . -- - . . . .
-:- - - - - - - - - - - - - - - - - - -i
- - - - - - - - - - - - - -- ------ - - - - - - - - - - - - - - -- -- - - - - - - -
:: :: -:-

:
t :; :: !: . . :: . . :; . . :i-:
: - - -:- - - - : -
0.515 .
:
--
0.9 : - i . ._ ... -- "" - - - i -

.. _ - - - - -- - -- i -- - - - - - - .
i ; ; r - -r
' 1
... ... .. .. .. ... .. .. - - ... - -
1 .. f
- - - - - - 1 - .. - --r-
t - - - - i - - - - -
: - - - - - - f - - .- -:- - - - - - 1 - - - - - - - : - - .. - - - :
- - - .. - - - - - - -; -
' '
o.as
i - - - - - - - - - - - -r - - - - - - t
... - - - - - - - - - - .. .. .. -
0.e ;
1

-

i

.
r
- - -

- - - - - - - - - - - - - - -
-
0-75
t -7--- i- - - - - - - - - - - - -r - - - - - r -;
- - - - - - - - -
0.1 : - - - - - - - :- - - - --+ - - - - --1-- - --- - - - - - - :- - - . : - - - - - - - :

- - - - - - - - - -: - - - - - - - : - - - - - - -f
OM ;
1
- - - - - - -

- - - - -

- -

- - - - -
r
- - - - - - - 1-
1
- -

-
'"
- - - -- -

- - - - - -
o
0.6 : .. . .. .. . . . . . .. .. . . . r- .o. . . .. .. ... . . . ..

- - . . .. . ; . .. .. .. ,. .,. . .. . . . . .
. . . .
Figura 6.9
Exerccios
1. Usando o mtodo de Euler de ordem p = 1 e o mtodo de Taylor de ordem
l
p = 2, determine a soluo aproximada do PVI dado por:
y
y' = f (x, y) = 2_2 - - y 2
x X X E [ a, b ] = [ l, 2 ]
y (x 0 ) = y (l) = - 1
a) Considerando h1 = 1 /5 e h2 = 1 / 10.
b) Sabendo-se que a soluo analtica dada por y ( x ) = .!_ , construa _
X
para cada caso uma tabela com os valores exatos e aproximados e
tambm o erro absoluto. Observe e faa comentrios.
{
2. Usando o mtodo de Euler, calcule a soluo aproximada do seguinte PVI:
y' = f (x, y) = y - x
X E [ a, b] = (0, 1]
y (x0 ) = y (O) = 2
a) Considerando h1 = 1 /5 e h1 = 1 / 10.
b) Construa para cada caso uma tabela com os valores exatos e aproxi
mados e tambm um limitante superior para o erro. Observe e faa
comentrios.
{
. Usando mtodo de Euler modificado e o mtodo de Euler aperfeioado,
calcule a soluo aproximada do PVI definido por:
y' f (x, y) xy 1 1 3
= =
X E [a, b) [O, 2) =
y (x 0 ) y (O) 1
= =
a) Considerando N 1 5. =
b) Considerando N2 10. =
c) Sabendo-se que a soluo analtica dada por y (x) =

( x2 2 )3 / 2
-3-
+
,
construa para cada caso uma tabela com os valores exatos e aproximados e
tambm o erro absoluto. Observe os resultados obtidos e faa comentrios.
{
4. Usando o mtodo de Euler, mtodo de Euler aperfeioado e o mtodo de
Euler modificado, calcule a soluo aproximada do PVI definido por:
y ' f (x, y) y cos(x)
= =
X E [a, b) [0, 1) =
y (x 0 ) y (O) 1 = =
a) Considerando h1 = 1 /5.
b) Considerando h2 = 1 / 10.
3
{
5. Usando os mtodos de Runge-Kutta de ordem , calcule a soluo apro-
ximada do seguinte problema de valor inicial:
y' f (x, y) xy 1 1 3
= =
X E [a, b) [0, 2) =
y (x 0 ) y (O) 1 = =
a) Considerando N 1 5. =
b) Considerando N2 10. =
c) Sabendo-se que a soluo exata dada por y (x) =

( x2 ; 2 )3 1 2 , construa
3
6. Usando o mtodo de Runge-Kutta de ordem e o mtodo de Runge
{
Kutta de ordem 4, calcule a soluo aproximada do seguinte problema
de valor inicial:
y' f (x, y)
= xy 2 = -
X E [a, b) [l, 2) =
y (x 0 ) y (l) 2
= =
a) Considerando h1 1 /5. =
-3z,
b) Considerando h2 1 / 10. =
c) Sabendo-se que a soluo analtica dada por y (x) construa =

X
284 Clculo Numrico
f
7. Usando os dois mtodos de Runge-Kutta de ordem 4, calcule a soluo
aproximada do seguinte problema de valor inicial:
1
y' = f (x, y) = + 0.4y 22
1 + 4x X E [0, 4]
y (x 0 ) = y (O) = 1
a) Considerando n 1 = 5.
b) Considerando n 2 = 10.
f
8. Usando todos os mtodos de Runge-Kutta vistos neste captulo, calcule
a soluo aproximada com h = 0,01 do seguinte PVI:
y ' = f(x, y) =
2
Y X E [a, b] = [0, 1]

y (x 0 ) = y (O) = 1
9. Usando o mtodo dos trapzios, com o mtodo de Euler como previsor,
{
calcule a soluo do PVI definido por:
y' = 1 +
x e [a, b] = [l, 2] e N = 5
y(l) = 2
Use no critrio de parada do mtodo das aproximaes sucessivas E = 0.01.
10. Usando o mtodo dos trapzios, com o mtodo de Euler como previsor,
calcule a soluo do PVI definido por:
a) y' = f (x, y) = - 2y + l
y(Xo) = y(O) = 1
Usando h = 0,1 calcule aproximadamente y(O, 3).
b) y' = f (x, y) = y
y(Xo) = y(O) = 1
Usando h = 0,1 calcule aproximadamente y(O, 3).
Captulo 7
Manual do Software Numrico
285
286 Clculo Numrico
7.1 I ntroduo
Com a popularidade dos microcomputadores a partir de 1980, surge uma
nova ferramenta como apoio ao ensino e aprendizagem, tomando-se im
prescindvel o desenvolvimento de "softwares" que ligassem a sala de aula
e o laboratrio de informtica .
E m 1991, no Departamento d e Matemtica d a UFSCar, foram iniciados dois
projetos de monitoria da disciplina de Clculo Numrico com objetivo de desen
volver programas computacionais que facilitassem a resoluo de exerccios
propostos, porm reforando os conceitos estudados em sala de aula .
A partir de 1996, com o envolvimento do Departamento de Matemtica
no Projeto REENGE, foi possvel retomar aquelas idias.
O projeto Desenvolvimento de Software para o Ensino de Matemtica
teve como objetivo a informatizao de disciplinas dos cursos bsicos das
reas de cincias e tecnologia da UFSCar com contedos de matemtica,
para que os alunos pudessem reforar conceitos dados em sala de aula nos
laboratrios de informtica.
O Software Numrico foi desenvolvido inicialmente neste projeto e poste
riormente finalizado depois de vrios testes, feitos nas aulas de laboratrio
da disciplina de Clculo Numrico no Departamento de Matemtica-Univer
sidade Federal de So Carlos (UFSCar) .
7 .2 Objetivos
O Software Numrico um software interativo, de apoio ao ensino e apren
dizagem de tpicos de matemtica, para ser usado em laboratrio de com
putao, onde conceitos e resultados apresentados em sala de aula so refor
ados atravs de exerccios propostos.
7.3 Software Numrico - Mdulos desenvolvidos

O Software Numrico constitudo dos mdulos: sistemas lineares, inversas
de matriz, razes de funes, aproximao de funes, integrao numrica
eequaes diferenciais.
Utiliza-se, nesta verso, uma ferramenta de programao visual deno
minada Delphi, orientada a eventos e destinada ao ambiente Windows.

implementado usando o Delphi / Pascal 5.0, baseado na interface grfica
do Windows, sendo compatvel com os sistemas operacionais Windows 98
e Windows XP.
Esto disponveis duas verses: professor e estudante. Na verso pro
fessor, um Arquivo de Correo contm o registro do nome e o nmero do
aluno (Registro Acadmico-RA). Esse arquivo grava todos os trabalhos feitos
e deve ser usado apenas pelo professor, possibilitando que ele acompanhe
todos os passos realizados pelos alunos durante a execuo do software,
Manual do Software Numrico 287
permitindo, assim, que seja avaliado o conhecimento do contedo minis

trado em sala de aula. Encontra-se disposio no site da Editora Thomson.
A verso estudante encontra-se no CD que acompanha este livro e difere da
verso professor apenas no Arquivo de Correo, que grava o trabalho de
apenas um usurio.
Nestas verses, o usurio ter disponvel um Menu Principal, tanto
para os mtodos numricos quanto para as condies de aplicao destes,
alm de um Help On Line.
Para execuo desse software, o usurio dever ter o conhecimento te
rico dos mtodos usados nos tpicos de Clculo Numrico, bem como das
condies de aplicabilidade de cada um deles na resoluo de um problema.
Alm disso, o usurio deve configurar o computador para representao de
um nmero decimal, usando ponto ao invs de vrgula, como por exemplo
3.42 e no 3,42.
7.4 Abertura do Software N umrico

Ao abrir o Software Numrico, temos a seguinte janela:
Em seguida, o aluno dever fazer sua identificao, depois clicar em

Confirma e fazer sua escolha de opes no Menu Principal, conforme
demonstram as janelas a seguir:
288 Clculo Numrico
'1
7.5 Descrio dos mdulos do Software Numrico

Faremos uma descrio de cada mdulo disponvel no Software Numrico, suas
caractersticas e a forma simples para o usurio. Esto disponveis os seguin
tes mdulos: sistemas lineares, inversa de matriz, razes de funes, apro
ximao de funes, integrao numrica e equaes diferenciais.
7 .5.1 Mdulo sistemas lineares

Neste mdulo, o usurio resolve sistemas de equaes lineares atravs do
uso de mtodos diretos e iterativos. Aqui, ter a sua disposio a opo Novo
Sistema, caso deseje registrar um novo sistema e calcular a soluo.
Caso deseje apenas resolver um sistema e este j esteja armazenado em
um arquivo, o usurio posiciona em Abrir Sistema. Nesse caso, o usurio
deve fornecer o caminho corretamente para que este possa ser acessado e
ento ser aberta a janela com o sistema armazenado.
A seguir, o usurio seleciona um dos mtodos numricos da opo

Mtodos de Resoluo, que apresenta os seguintes mtodos:
Mtodos diretos
Mtodo de decomposio de Cholesky
Mtodo de eliminao de Gauss com pivotamento (diagonal, parcial
e total)
Mtodo de eliminao de Gauss-Jordan
Mtodos iterativos
Mtodo iterativo de Jacobi-Richardson

Mtodo iterativo de Gauss-Seidel
Uma vez escolhido um mtodo direto ou um mtodo iterativo, uma

janela se abrir solicitando ao usurio as condies corretas para a execu
o do mtodo em questo. Neste momento, temos a janela Verifique as
Condies e a opo Continuar, que dever ser acionada pelo usurio para
que o menu Condies possa ser utilizado para verificar as condies de
execuo do mtodo escolhido.
Uma vez clicadas corretamente todas as condies tericas dos mto
dos, clicando em Resolver, temos a soluo do sistema fornecido. Caso as
condies no estejam corretas, temos uma janela com a informao Veri
fique se todas as condies esto corretas e o usurio pode recomear
novamente o exerccio.
Exemplo 7.1
Resolva o sistema de equaes lineares usando o mtodo de eliminao de
Gauss com pivotamento diagonal.
No Software Numrico, o usurio seleciona a opo Mtodo de Elimi

nao de Gauss - Pivotamento Diagonal, digita o sistema dado no espao
reservado e seleciona as condies corretas de aplicabilidade.
290 Clculo Numrico
Neste caso, a condio det A -:t:. O (det (A)<>O), conforme Figura 7.1 a).
XI X2 b
z 3 5
4 5 9(
... ... _.... -:li
- --
.
....li'
.. 'i.I - -
( Conlinum )
a)
Depois de clicar as condies necessrias para executar o mtodo de

Eliminao de Gauss - pivotamento diagonal, temos a seguinte janela com a
soluo do sistema dado, conforme Figura 7.1 b):
)(1 )(2
1.D D l JIDOU
b)
Figura 7.1
Exemplo 7.2
Resolva o sistema de equaes lineares usando o mtodo de decomposio LU.
1 1 3 [ =
[ : i ::1 [!.s1
X3 2.5
posio LU,
No Software Numrico, o usurio seleciona a opo Mtodo de Decom
digita o sistema dado no espao reservado e seleciona as condi
es corretas de aplicabilidade. Neste caso, os menores principais diferentes
de zero (<>0) e det A :;t: O (det(A)<>O), conforme Figura 7.2 a) e b).
1C' ia b
la
..
5 4j;
1
1 r:.st
a) b)
Clicando no boto Resolver, temos a soluo x

janela da Figura 7.2 c):
= (1, O, 0.5), conforme
292 Clculo Numrico
--1
1 .011110 11 .ll U D D D.S:D

.___....
b)
Figura 7.2
Para resolver sistemas de equaes lineares usando um mtodo ite

rativo, o usurio dever escolher a opo Mtodo Iterativo de Jacobi
Richardson ou Mtodo Iterativo de Gauss-Seidel no menu Mtodos
de Resoluo.
Uma vez escolhido o mtodo iterativo, uma janela se abrir solici
tando ao usurio as condies corretas para a execuo do mtodo em
questo; Neste momento, aparecero na janela Verifique as Condies e a
opo Continuar, que dever ser acionada pelo usurio para que o menu
Condies possa ser utilizado para verificar as condies de execuo do
mtodo escolhido.
Uma vez examinadas as condies necessrias, o usurio dever
clic-las corretamente e o resultado aparecer numa janela. Com as con
dies clicadas, o usurio dever clicar em Resolver e, neste momento, se
as condies foram devidamente escolhidas, aparecer uma janela onde
o usurio dever fornecer a Soluo Inicial, a Preciso desejada e clicar
em Continuar.
Uma vez clicado em Continuar, ser aberta uma janela com as iteraes
executadas e o critrio de parada (Erro). A seqncia de solues ser exibida em,
no mximo, cinqenta iteraes.
Uma vez examinadas as condies necessrias, o usurio dever cli
c-las corretamente e o resultado aparecer numa janela. Com as condies
clicadas, o usurio dever clicar em Resolver e, neste momento, se as con
dies no foram devidamente escolhidas, aparecer uma janela com a
mensagem Verifique se todas as condies esto corretas. A soluo do
sistema ser apresentada se as condies foram escolhidas corretamente,
conforme Figura 7.3 a):
a)
Uma vez escolhidas as condies necessrias para a aplicabilidade do

mtodo iterativo de Jacobi-Richardson, ser exibida nesta janela a seguir a
seqncia de solues aproximadas, usando o mtodo iterativo de Jacobi
Richardson, convergindo para a soluo do sistema.
Exibimos a seqncia de solues aproximadas, convergindo para a so
luo x (1, 1) e o erro relativo correspondente em cada iterao, conforme
=
Figura 7.3 b).
""1'eilo Xl
30 Jl .OotO
:n 1 .CIDOI
- 1i :lteo
i
1
..0 1
D
b)
Figura 7.3
294 Clculo Numrico
Para resolver um sistema usando o mtodo iterativo de Gauss-Seidel, o usurio

Observao
deve proceder da mesma maneira como no mtodo de Jacobi-Richardson, digi

tando as condies de aplicabilidade do mtodo, que so det(A) * O, diagonal
principal diferente de zero, estritamente diagonalmente dominante ou ainda
Ainda com relao a sistemas, existe um procedimento para calcular o

critrio de Sassenfeld menor que 1.
Nmero de Condio da matriz do sistema. Por exemplo, o nmero de condio

da matriz A do sistema dado anteriormente seria K(A) = 9, conforme Figura 7.4.
X1 b
3 2 !i
.. !i 9
Figura 7.4
Descrio breve dos mtodos numricos usados no mdulo

sistemas lineares
O objetivo fazer uma descrio rpida dos mtodos de resoluo de siste
mas de equaes lineares, os quais devem ser estudados cuidadosamente
antes de usar o Software Numrico, que uma ferramenta computacional
complementar de estudo para o aluno.
Mtodos de resoluo para sistemas de equaes lineares
Seja Ax = b um sistema de equaes lineares, onde A = (a;;) i, j = 1, ... , n
x = (x 1 , X2, ... , xS b = (b 1 , b2, ... , bnY e det(A) * O (soluo nica).
nar-se um vetor x = (x1 , x2 1 . . . , xn Y , de forma que todas as equaes sejam

A resoluo desse sistema de equaes lineares consiste em determi
satisfeitas simultaneamente.
Mtodos diretos
Os mtodos diretos so aqueles em que (a menos de erros) no processamento

fornecida a soluo exata para o sistema dado.
Condies a serem verificadas

Menores principais i = det(Ai ) -:t:- 0 i = l, ... , n - 1 edet(A) -:t:- 0.
O mtodo de decomposio LU consiste em decompor a matriz A no
com lii 1 i = 1, ... , n e U = (uii) i, j = 1, ... , n uma matriz triangular

produto de LU, onde L (lii) i, j = l, . . . , n uma matriz triangular inferior,
=
superior tal que A = LU.

A resoluo do sistema dado agora consiste na resoluo de dois siste
mas triangulares (inferior e superior) respectivamente, isto :
Ax b sendo A = LU, temos:

=
L(Ux) = b
Portanto, temos dois sistemas triangulares (inferior e superior) para

serem resolvidos:
{Ly = b
Ux = y
Exemplo 7.2
1 = 2 :t: O 2 = 4 :t: O det(A) = 8 :t: O

Condies
L= [ j
1/2 1/2 1 U
=
r l
o o 2
296 Clculo Numrico
Temos os seguintes sistemas triangulares:

Ly = b
Soluo: y = (3, 3, 2Y
= (1, 1, Ir
Ux = y
Soluo: X:
Mtodo de decomposio de Cholesky

Condies a serem verificadas
Simetria da matriz A
Menores principais L\i = det (Ai) > O i = l, ... , n
O mtodo de Cholesky consiste em decompor a matriz A no produto
de uma matriz R (ri;) i, j = 1, ... , n triangular superior com a diagonal posi
=
tiva, por uma matriz R1 = (ri;) i, j = 1, ... , n triangular inferior, tal que A=R1 R.
A resoluo do sistema dado agora consiste na resoluo de dois siste
mas triangulares (inferior e superior), respectivamente, isto :
Ax = b A = R1 R
R1(Rx) = b
Portanto, deve-se resolver os dois sistemas triangulares (inferior e supe
rior) a seguir:
Exemplo 7.3
l j [XX21 j [ ]
Considere o seguinte sistema de equaes lineares:
X3
1 1 -2
1 5 - -6
-
1 -2
L\ 1 = 1 > O L\ 2 = 4 > O L\ 3 = det(A) = 4 > O

f l l
Condies
1 o
O O
f
1
R' =
o o 1
R= 2
Temos os seguintes sistemas triangulares:
Soluo: y = ( 2, 2, 2Y
Ry = b
- - -
Rx = y
Soluo: x = (-1, -l, -2)1
Mtodo de eliminao de Gauss com pivotamento diagonal

Condio
det(A } -:t:- 0
O mtodo de eliminao de Gauss com pivotamento na diagonal consiste
em transformar o sistema dado Ax = b, num sistema triangular superior equi
valente, atravs da aplicao de operaes elementares sobre as linhas da
matriz A e do vetor b.
Estratgia na escolha dos pivs
No k-simo passo do mtodo, a escolha do piv feita atravs da seleo do
primeiro elemento diferente de zero (nos elementos da matriz A, abaixo
da diagonal), isto , a seleo feita entre os coeficientes aii<k-t > da matriz A, i
= k, k + l, ... , n.
Caso no seja encontrado nenhum elemento diferente de zero para ser
o piv, conclui-se que o det(A) = O.
Exemplo 7.4
Condio
r 1 r:: 1 r 1
-3 1 3 X3
=
3
det(A) = 24 -:t:- O
Sistema triangular equivalente:
Soluo do sistema:
x = (O, O, lY
298 Clculo Numrico
Mtodo de eliminao de Gauss com pivotamento parcial
Condio
det (A) :t:- O
O mtodo de eliminao de Gauss com pivotamento parcial uma modifi
cao da verso anterior do mtodo de eliminao de Gauss, sendo que a cada
passo muda-se a estratgia de escolha dos elementos pivs.
maior elemento em mdulo (nos elementos da matriz A, abaixo da diagonal),
isto , a seleo feita entre os coeficientes em mdulo, j ai / k-t > j da matriz A,

i = k, k + 1, ... , n.
o piv, conclui-se que o det(A) = O.
O procedimento de pivotamento na matriz A ser como no mtodo de
eliminao de Gauss com pivotamento na diagonal.
Exemplo 7.5
Condio
det (A) = 30 :t:- O
Soluo do sistema:
x = (1, O, 0)1
Mtodo de eliminao de Gauss com pivotamento total
Condio
det (A) :t:- O

O mtodo de eliminao de Gauss com pivotamento total uma modificao
da verso anterior do mtodo de eliminao de Gauss, onde a cada passo
mudamos a estratgia na escolha dos pivs.
No k-simo passo do mtodo, a escolha do piv feita atravs da seleo
do maior elemento em mdulo (em todos os elementos da matriz A), isto ,
a seleo feita entre os coeficientes 1 a i ?-1> 1 da matriz A, i k, ... , n j k, ..., n.
= =

o piv, conclumos que o det(A) = O.
eliminao de Gauss com pivotamento na diagonal.
Exemplo 7.6
Condio
det(A) 44 :t:- O
=
Soluo do sistema:
l 1 [::1 r 1
o -l
/
11 6
/
X2
=
/
11 6
-l
/
x (O
= , l, Ot
300 Clculo Numrico
Mtodo de eliminao de Gauss-Jordan

Condio
det (A) -:!- O
dado num sistema equivalente Ix b, (1 a matriz identidade), atravs da

O mtodo de eliminao de Gauss-Jordan consiste em transformar o sistema
=
aplicao de operaes elementares sobre as linhas da matriz A e do vetor b.

primeiro elemento diferente de zero (nos elementos da matriz A, abaixo
da diagonal), isto , a seleo feita entre os coeficientes aii<k-l) da matriz A, i
= k, k + l, ... , n.
Neste mtodo, o piv, a cada passo, dever tornar-se igual a " l ", multi
plicando toda a linha escolhida pelo inverso do piv.
o piv, conclui-se que o det(A) O. =

eliminao de Gauss anterior.
Exemplo 7.7
Condio
det (A) -2 -:!- O
=
Sistema equivalente:
Soluo do sistema:
x (2, O, 0)1
=
Mtodos iterativos
Os mtodos iterativos so aqueles que fornecem, a partir de uma soluo ini
cial, uma seqncia de solues aproximadas que dever, sob determinadas
condies especficas, convergir para a soluo do sistema.
Mtodo iterativo de Jacobi-Richardson

O mtodo iterativo de Jacobi-Richardson consiste na transformao do siste
ma Ax = b na forma equivalente:
x=Hx+g
O processo iterativo dado por:
{
x<k+I l = H x<kl + g k = 0,1, ...
onde
- aii
se i =t: j

H= a matriz iterativa
b{ .
se i=j
ai
g= _1
Convergncia
A matriz A = (aii )i, j = 1, ... , n dever ser estritamente diagonalmente domi
nante, isto :
l aii 1 > I l ai i 1
j=l i;tj
i = l, ... , n
ou
j = 1, ... , n norma coluna
ou
li H IL < 1 , onde l H t = mx ii 1 :ii 1 i = l, ... , n norma linha
li x<k+xl<k) -+Ixl l(k) li < E, qualquer que se1a. a norma do R .

Critrio de parada
l i i
n
(E suficientemente pequeno)
302 Clculo Numrico
Exemplo 7.8
Anlise de convergncia
[ ]
A matriz A do sistema no estritamente diagonalmente dominante.
Construo da matriz iterativa:
o o -1 / 3
H= O O - 1 2 matriz iterativa
-2 / 3 -1 / 3
Clculo das normas:
ii H ii = 1
l i H 111 = 5 / 6 < 1 convergncia garantida
Assim, para a preciso E 0.01:=
x< 0 > = (O , O, O) soluo inicial dada.

x< 1 > = (4 / 3, 2, 5 / 3) soluo obtida aps uma iterao.
x< 1 0 > = (1 .2613, 1.8921, 0.1803)

x< 11 > = (1 .2732, l.9099, 0.1951)
Critrio de parada:
Soluo aproximada X: = (1.2732, 1.9099, 0.1951t
Mtodo iterativo de Gauss-Seidel

O mtodo iterativo de Gauss-Seidel consiste em transformar o sistema dado
Ax = b na forma equivalente:
x = Px + Qx + g
x(k+1 > = Px(k+1 ) + Qx<k > + g

O processo iterativo dado por:
se i>j
matriz estritamente triangular inferior
se i ::;; j
se i 2'. j
matriz estritamente triangular sup erior
se i<j
x(k+1 ) = H x<k> + g
Na forma equivalente, podemos escrever:
onde H = [ (I P) ]-1 Q -
g = [ (I P) ]-1 g -
Convergncia
A matriz A do sistema dever ser estritamente diagonalmente dominante.
ou
I 1 -aaii i 1 i + . 1 -aai i 1
Critrio de Sassenfeld satisfeito:
mx i < 1 com =
i i = l, . . . ,n
i=I i=i+1 i
Exemplo 7.9
Anlise de convergncia
A matriz A do sistema no estritamente diagonalmente dominante.
Clculo dos i i = 1, , 3
Critrio de Sassenfeld:
...
l 2 1 1 2 3 1 1 2
Como mx i = 1 / 2 < 1 convergncia garantida
= 1/2 = =
304 Clculo Numrico
Assim, tem-se para E = 0.001 :

x< 0> (-1, O, 1) soluo inicial dada
=
x0 > = ( 1, l, 2 / 3) soluo obtida aps uma iterao
X(S ) = (1 .3307, 1 .3307, 0.3360)

x<9 > (1 .3320, 1 .3320, 0.3347)
=
Critrio de parada:
li x< 9 l _x (B ) I L
li x <9 l I L
= 0.0009 < E
Soluo aproximada X: = (1 .3320, 1.3320, 0.3347)1
Condicionamento de sistemas
Diz-se que um sistema de equaes lineares Ax = b mal condicionado
quando pequenas perturbaes em alguns de seus coeficientes produzem
bruscas alteraes em sua soluo. Para verificar o mal condicionamento de
um sistema linear, deve-se calcular o Nmero de Condio da matriz dos
coeficientes do sistema, definido por:
Se K(A) for "prximo de 1" diz-se que o sistema bem condicionado,

caso contrrio, diz-se que o sistema mal condicionado.
Exemplo 7.10
[1 ] [XI] [ ]
0.99 l .99
0.99 0.98 X2 - 1.97
Temos que,
Conclumos que temos um sistema mal condicionado, pois K(A) possui

um valor "muito grande", e que pequenas modificaes nos coeficientes da
matriz A ou no vetor b provocam grandes alteraes na sua soluo.

7 .5.2 Mdulo inversa de matriz

Para calcular inversa de matriz, foram usados os seguintes mtodos num
ricos: mtodo de decomposio LU, decomposio de Cholesky, eliminao
de Gauss e eliminao de Gauss-Jordan.
Para a utilizao do software, ser necessrio o conhecimento dos mto
dos, bem como as condies de aplicao de cada um deles, para que o usurio
tenha a facilidade em escolher os procedimentos adequados para a resoluo de
sistema e para o clculo da inversa de matriz. O usurio dever declarar a ma
triz e escolher o mtodo desejado de resoluo conforme exemplo a seguir:
Exemplo 7.11
Calcule a inversa da matriz usando o mtodo de eliminao
de Gauss:
O usurio digita a matriz A dada, seleciona o mtodo de eliminao
de Gauss, seleciona as condies de aplicabilidade do mtodo, conforme
Figura 7.5 a) e b ).
a) b)
306 Clculo Numrico
O usurio, clicando no boto Calcular, ter a matriz inversa, conforme

Figura 7.5 c):
e)
Figura 7.5
Caso o usurio deseje calcular a inversa da matriz usando outro

mtodo numrico disponvel, o procedimento ser anlogo ao exposto
anteriormente.
Descrio breve do clculo de inversa de matriz

Seja A = (aii) i, j = 1, ... , n uma matriz no singular, ento existe uma nica
matriz A-1 chamada de inversa de A, de tal forma que A A-1 = I. Neste caso,
temos n sistemas de equaes lineares para serem resolvidos, usando qual
quer um dos mtodos diretos vistos anteriormente.
Exemplo 7.12
r r 1
Calcule a inversa da seguinte matriz usando o mtodo de eliminao de Gauss:
i
Xn X12 X13
A= 1
A- = x21 x22 x23 inversa de A
o 1 1 X31 X32 X33
=[ l
1, temos os seguintes sistemas triangulares:
[ ll = [ l l
Como A A-1
1 Xu
1 2 X21
-1 X31
[ =
(x11 x 21 x31 j = (1, O, O) primeira coluna da matriz inversa
1 r:1 r l
-1 X 32 -1

(x12 x22 x32 j ( -1, - 1, 1) segunda coluna da matriz inversa
=
[ l [ ::1 [ l
-1
(x13
X33 =
1
x23 x33 j (1, 2, -1) terceira coluna da matriz inversa

=
Portanto, temos:
A-1 = r = 1
o 1 -1
inversa da matriz A
7 5 3 Mdulo razes de funes

. .
O mdulo razes de funes tem por objetivo auxiliar o aluno na resoluo

de equaes, isto , na determinao de razes reais de uma funo f(x), atra
vs do uso dos seguintes mtodos iterativos de resoluo:
Mtodo da bisseo
Mtodo das aproximaes sucessivas
Mtodo de Newton
Mtodo das secantes
Esses mtodos so abordados em sala de aula e o uso do software per
mite ao aluno reforar conceitos e resultados vistos para a resoluo de uma
equao, alm de o professor ter condies de verificar a aprendizagem por
parte dos alunos na resoluo de exerccios.
308 Clculo Numrico
Para ilustrar o mdulo Razes de Funes, exibimos exemplos com pas

sos a serem seguidos pelo usurio em cada um dos mtodos.
Inicialmente, ao abrir o mdulo Razes de Funes, a seguinte janela
ser exibida ao usurio, conforme Figura 7.6:
Figura 7.6
Neste momento, o aluno dever clicar em Nova Funo, digitando no

espao adequado a expresso analtica da funo f(x) que deseja trabalhar ou
abrir arquivo com a funo j armazenada, conforme janela na Figura 7.7 a):
a)
Neste momento, o usurio poder plotar o grfico da funo escolhida

ou plotar a interseco de dois grficos, obtendo, assim, uma vizinhana para as
razes de f(x), como exibido na janela, mostrada pela Figura 7.7 b):
-
c:: ( ,r l l U - _ _
-
V
1 .6
1 .2
/
1 .B 5
1 .6
b)
Figura 7.7
Nestas janelas, temos a opo de interseco de dois grficos e uma

vizinhana para as razes da funo, conforme Figura 7.8 a) e b):
!::: 1 1 1t1 1 1
a) b)
310 Clculo Numrico
Clicando em Continuar, o usurio ter a sua disposio os clculos do:

valores da funo f(x) nos pontos escolhidos, conforme janela da Figura 7.8 c):
1 2
l l(b)- -0.61 61
Nlo existe r aiz r eal par a f(x)
e)
Figura 7.8
Neste momento, o usurio dever confirmar o intervalo onde se encon

tra a raiz desejada e escolher o mtodo de resoluo, conforme janelas da
Figura 7.9 a) e b ):
OK
Sil
a) b)
Figura 7.9
Essa janela informativa, avisa o usurio de que o prximo passo a

escolha do mtodo a ser usado na resoluo da equao f(x) = O.
Todos os mtodos apresentam um roteiro semelhante, assim, nos prxi
mos mtodos, o exemplo dado iniciar a partir deste ponto.
Mtodos iterativos de resoluo

Mtodo da bisseo
Para resolver a equao f(x) = O usando o mtodo da bisseo, o usurio
dever clicar em Bisseo, fornecendo o intervalo inicial [r0, s0], a partir da
localizao grfica da vizinhana da raiz, conforme janelas da Figura 7.10
a) e b):
Nove FW>&>
a) b)
Figura 7. 1 0
Clicando em Continuar, neste momento, o usurio verifica, usando resul

tados tericos, se existe uma raiz no intervalo [a,b]. Fazendo a avaliao d
ainda, fornecer a preciso desejada E = 0.0001 .

funo nos extremos do intervalo e clicando em Sim, caso f(a) . f(b) < O deve
312 Clculo Numrico
Clicando em Resolver, o mtodo executa as iteraes, conforme janelas

da Figura 7.11 a) e b):
Pergunta
Mio
a) b)
Ternos, neste momento, urna das razes de f(x), conforme Figura 7.11 c),
dada por x = 1.4276.
Observao
Ao rolar a janela possvel visualizar todos os resultados aproximados obtidos.
e)
Figura 7. 1 1

Caso o usurio deseje resolver a equao cos(x)--0.1 x=O usando o mtodo
das aproximaes sucessivas, dever posicionar em mtodos de resoluo e,
clicar em Mtodo das Aproximaes Sucessivas, fornecer a funo iterativa
<l>(x)=cos(x)--0.1 x+x, a soluo inicial x0 = 0.5 e a preciso E = 0.0001. Clicando
em Resolver, ternos as janelas conforme Figura 7.12 a) e b):
a) b)
Temos, agora, a seqncia de solues aproximadas (rolar a janela

para visualizar todas as iteraes) e a raiz x 1 .4275, conforme janela da
=
Figura 7.12 c):
e)
Figura 7. 1 2
Caso o usuano deseje, pode plotar o grfico da funo iterativa

<)> (x)=cos(x)-0.1 x+x e o grfico y = x e observar as razes da equao
cos(x) - 0.1 x = O na interseo dos grficos. Para isso, basta clicar em Grfico
e aparece a seguinte janela exibindo a convergncia da seqncia de solues
aproximadas, conforme janela da Figura 7.13 a):
314 Clculo Numrico
--1t----1t--b"--,.1"-t--t--r---t--t:X
2.7 3.6 4.S 5.
-4,8
a)
Figura 7.1 3
Observao
Caso haja mais de 30 iteraes sem passar pelo critrio de parada, abrir
uma janela com a mensagem perguntando se deseja visualizar mais itera
es, dessa forma, o usurio poder optar por visualizar at 70 iteraes.
Mtodo de Newton
Caso o usurio deseje resolver a equao anterior cos(x)-0.1 x=O usando o
mtodo de Newton, dever posicionar em mtodos de resoluo, e cli
cando em Newton, fornecer a derivada da funo f(x), a soluo inicial Xo = 0.5,
a preciso E 0.0001 .
=
Clicando em Resolver, temos as janelas conforme Figura 7.14 a) e b):
a) b)
Temos, neste momento, a seqncia de solues aproximadas exibidas

e a raiz procurada x = 1 .4276, conforme Figura 7.14 b) e c).
e)
Figura 7.1 4
316 Clculo Numrico
Mtodo das secantes

Caso o usurio deseje resolver a equao cos(x)-0.1 x=O usando o mtodo
tes, fornecer duas solues iniciais Xo = 0.5 x1 = 1, e a preciso E = 0.0001.

das secantes, dever posicionar em mtodos de resoluo e, clicar em Secan
Clicando em Resolver, temos a seqncia de solues aproximadas e a

raiz x = 1.4275, conforme janela da Figura 7.15 b) e c):
2 15685
3 1.m
U275
a) b)
DIC
e)
Figura 7.1 5
Descrio breve dos mtodos numricos usados no

mdulo razes de funes
Seja f: 9t 9t, contnua e diferencivel, deseja-se determinar as razes da
equao f(x) = O, isto , determinar X: tal que f(x) = O.
Mtodos iterativos
Mtodo da Bisseo
Seja f: 9t 9t, contnua.
O mtodo da bisseo consiste em determinar uma seqncia de inter
valos [rn, sn], em que a amplitude deste intervalo a metade da amplitude
do intervalo anterior [rn-1 , Sn-i1 e que sempre contenha a raiz, a partir de um
intervalo inicial dado [ ro, s0].
Passos
1 . Dados E > O e um intervalo inicial [ a , b] que contenha uma raiz
para f(x).
Considerando r0=a e s0=b, determinar a seqncia de solues
aproximadas:
xi = (Ii + sJ / 2 i = O, 1, ...
Se f(rJf(x J < O, ento li+i = li e si+l = xi
Se f(rJf(x J > O, ento li+i = xi e si+l = si
de para d a: +l"-. i l < E.

. , . i -x
2 . C nteno
l"-i+l I
Sempre garantida, uma vez que partimos de um intervalo que contm a raiz.
Convergncia
Exemplo 7.13
Resolva a equao x2 + ln(x) = O, usando o mtodo da bisseo com E = 0.01 .
Considerando 1(i = 0.1 s0 = 1, para o qual verifica-se f(l(i )f(s 0 ) < 0, gera-se a
seqncia de solues aproximadas:
X0 = (r0+ s0) / 2 0.5500
=
Como f(r0) = -2.2926 e f(x0) = -0.2953, o novo intervalo ser tomado

como:
r1 = 0. 5 5 00 e s1 = 1
Assim, temos:
318 Clculo Numrico
Continuando o procedimento de clculo de solues aproximadas, temos

as seguintes solues aproximadas:
X2 = 0.6625 X3 = 0.6063 X4 = 0.6344 X5 = 0.6485 X6 = 0.6555 X7 = 0.6445
Xs = 0.6425
Neste momento, temos o critrio de parada satisfeito:
l x1 - xl 1
7 0.0031 < E.
xs
Portanto, temos a soluo aproximada dada por:
x := xs = 0.6425

O mtodo das aproximaes sucessivas consiste em transformar a equao
f(x) = O na forma equivalente x <1> (x), de maneira a determinar a raiz de f(x)
=
atravs da resoluo da equao x <1> (x). =
Observa-se que existem infinitas maneiras de escrever x <J>(x). Por =
exemplo, multiplicando a equao f(x) O por uma funo 8 (x): 9t 9t, com
=
0(x) -:;:. O, e somando x, teremos:

<l>(x) = x + 0 (x)f(x) = x
Assim,
f(x) = O <=> <l> (x ) = x
Desta forma, gera-se o processo iterativo:
X ;+i = <l> (x; ) i = l, 2, ... mtodo das aproximaes sucessivas
Convergncia
Se l <l> '(x) l < l, para todo x nas vizinhanas da raiz X: ento a seqncia de solu
es aproximadas gerada pelo processo iterativo X;+i = <l> (x; ) i = l, 2, ...
convergente para a raiz desejada X:.
Passos
1. Transformar a equao f(x) = O, na forma equivalente x = <1> (x).
2. Anlise de convergncia:
l <l> '(x) l < l, para todo x nas vizinhanas da raiz X:.
3. Dados E > O e x 0 uma soluo inicial para a raiz, gerar a seqncia
de solues aproximadas usando o processo iterativo:
X;+1 = <!> (x; ) i = l, 2, ...
l x;+1 - x; I < E.
I X i+ I I
4. Critrio de parada:
Exemplo 7.14
Usando o mtodo das aproximaes sucessivas, determine uma raiz de
f(x) = cos(x)-x, com E = 0.01.
Depois de localizar uma vizinhana para a raiz de f(x), considera-se o
processo iterativo:
Analisando a convergncia, temos l <l>'(x) I = 1 -sen(x) l < l, para todo x

nas vizinhanas da raiz x.
Desta forma, temos a seguinte seqncia de solues aproximadas:
Xo = 0.7 X 1 = 0.7648 X2 = 0.7215 X 3 = 0.7500 X4 = 0.7311 X5 = 0.7444
X6 = .7355 X7 = 0.7415 Xg = 0.7375
Neste momento, temos o critrio de parada satisfeito:
Portanto, temos a soluo aproximada, dada por:

X = x8 = 0.7375
Mtodo de Newton
No mtodo das aproximaes sucessivas transformamos a equao f(x) = O
na forma equivalente x = <l> (x), onde <l>(x) = x + 0 (x)f(x) .
Para que a convergncia seja garantida, deve-se ter 1 <l> '(x) 1 < 1 para x
O mtodo de Newton consiste em tomar uma funo (x), de forma

nas vizinhanas da raiz.
que <l>'(x) = O. Considerando e <!>' contnuas, temos l <l> '(x) l < l para todo x
nas vizinhanas da raiz x.
Assim, temos:
<l>(x) = x + 0 (x)f(x)
<l> '(x) = 1 + 0'(x )f(x)+ f '( x )0 (x) = o
Dessa forma,
e (x) = - 1 1 f '(x)
Adotando-se ento a escolha 0(x) = - 1 / f '(x), temos:
320 Clculo Numrico
Assim,
f(x; )
x i +l = x i - i = O, 1 , . . . -7 mtodo de Newton
f '(xi )
Passos
1. Seja f(x) uma funo contnua e diferencivel e dados E > O e Xo uma
soluo inicial.
2. Gerar uma seqncia de solues aproximadas, atravs do processo
iterativo:
f(x; )
x i+ 1 = xi - i = O, 1, ...
f '(x; )
3. Critrio de parada: 1 '

x 1
j Xi-,d
<E
l +
Convergncia
Baseado no mtodo das aproximaes sucessivas, o mtodo de Newton foi
construdo de modo que a convergncia esteja garantida.
Determine uma raiz de f(x) = ln(x) + x - 4 com E = 0.000 1 .

Exemplo 7.15
Do mtodo de Newton, temos:
X i+ l = X i - :.i i = O, l, ...
1
Como f '(x) = -- , temos a seqncia de solues aproximadas:
(x + l)
Xo = 1 .5 X1 = 2.7567 X2 = 2.9250 X3 = 2.9263 X 4 = 2.9263
Neste momento, o critrio de parada satisfeito: jx 4 l

l x - X3 1
= 0.0000 < E.
Portanto, temos a soluo aproximada, dada por:
x ::: x4 = 2.9263
Mtodo das secantes

Omtodo das secantes consiste na modificao do mtodo de Newton, de
modo a no exigir o clculo da derivada da funo f(x):
Considera-se,
Do mtodo de Newton,
i = O, l, . . .
Assim,
(xi-l f(xi ) - xi f(xi-l ))
xi.+1 = i = O, l, ... mtodos das secantes
(f(xJ - f(xi_1 )
Passos
1. Seja f(x) contnua e dados > O Xo e x1 solues iniciais.
2 Gerar a seqncia de solues aproximadas, atravs do processo
iterativo:
(xi_1 f(xJ - xJ(xi_1 ))
x1+. 1 = i = O ' 1 ' ..
(f(xJ - f(xi-1 )) .
3. Critrio de parada: 1 xi"-1

Xi+l
I < E.
Convergncia
Garantida desde que as solues iniciais sejam tomadas prximas da raiz de f(x).
Exemplo 7.16
Resolver a equao x + ln(x) = O, usando o mtodo das secantes com = 0.01.
Processo iterativo:
(xi-l f(xi ) - xJ(xi-t ))
Xi+l = i = O, l, ...
(f(xJ - f(xi-l )
Solues iniciais: Xo = 0.1 x1 = 0.5.
Dessa forma, gera-se a seqncia de solues aproximadas:
X2 = 0.5384 "4 = 0.5675
X3 0.5658
=
Neste momento, o critrio de parada satisfeito:

l x -X 3 1
X4 I
j = 0.0030 < e
toma-se como soluo aproximada
X =: X4 = 0.5675.
7 .5.4 Mdulo aproximao de funes

Neste mdulo, o usurio tem a sua disposio Interpolao de Funes,
Aproximao com tabela de pontos ou Expresso de f(x). Nesta opo, temos
disponveis as Frmulas Interpolatrias de Lagrange, Newton e Newton
Gregory. O usurio tem ainda disponvel Ajustes de Funes usando o M
todo dos Mnimos Quadrados.
322 Clculo Numrico
Interpolao de funes
Caso o usurio escolha Interpolao de Funes com a opo Aproximao - Ta
bela de pontos, dever fornecer a tabela de pontos a ser interpolada, especificando
os valores de xi e os correspondentes f(xi), clicando sempre em Confirme. Poder,
ainda, Limpar pontos ou Limpar 1 ponto, conforme janelas da Figura 7.16 a) e b):
a) b)
Figura 7.1 6
Neste momento, o usurio deve escolher a frmula interpolatria dese

jada, conforme janelas da Figura 7.17 a):
a)
Clicando em Lagrange, o usurio dever fornecer o grau do polinmio

corretamente e o ponto a ser interpolado. Neste momento, dever clicar em
Polinmio Interpolador, seguidamente de Calcular polinmio no ponto,
conforme janela da Figura 7.17 b ) :
b)
Figura 7.1 7
Caso o usurio deseje plotar polinmio, basta clicar neste boto e temos
uma janela com o grfico do polinmio, pontos fornecidos e o ponto interpo
lado, conforme janela da Figura 7.18:
t , l l r ) l>l 1 1 1 ( 1 < '" 1 , ._< Jr ll H' J< '

r- - - --
r r
- P61it.t..., ln1'111'6._.,r
. ,._..._. r
Po.... ....... .wlA
r - - - - - - - - - - - - - - - - - - - - -- - - - - - - - - -
94 - - - - - - - - - - - - - - - - - - - - - - - - ;. - - - - - - - - - - -r: - - - - - - - - - - - 1: - - - - - - -
2 ---- - - ------- r! :
-----
.i: "
- - - - - - - -
i ;
!
------------r-- !
- - - - - - - - - - ----- - - r - - - - - - - - r - - - - - r - - -- r -
il :iil --- - - - - - - - - - - t - - - - - - - - - - - r - - - - - - - - - - - 1- - - - - - - - - - - - 1 - - - - -
. ... 2 .... 2.8
Figura 7.1 8
324 Clculo Numrico
Caso o usurio deseje trabalhar usando a expresso de f(x), dever sele

cionar Aproximao - Expresso de f(x) e fornecer funo f(x), conforme
janelas da Figura 7.19 a) e b):
E.nlre C011 a
a) b)
Neste momento, o usurio tr sua disposio a funo tabelada nos

pontos fornecidos, podendo ainda Limpar pontos ou Limpar 1 ponto, cli
cando sempre em Confirme, conforme janela na Figura 7.19 c):
e)
Figura 7.1 9
Clicando em Continuar, dever fornecer corretamente o grau do polin

mio, o ponto a ser interpolado e, clicando em Polinmio Interpolador e Calcular
polinmio no ponto, tem-se disponvel a janela conforme Figura 7.20 a):
a)
O usurio poder, ainda, Plotar polinmio, e ter o grfico do polin

mio interpolador, pontos fornecidos, ponto interpolado e a funo fornecida,
conforme janela da Figura 7.20 b ) :
t ! - - 1 1 }
:: - . - -- - : ---- : : +-
2llO -
: -
-
: - - - - - ::
-= - -- . - - - - -- - - -- - - --
- -
-
- - - -
. - - - - - - -
-- ------:--- : --
-
230 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 1 - - ---
----- -
aoo - - - - - e - - . .:. . . . . . . . .. c - i --- -i -
, 90 - - - - - r - - - - - - - - -- : - - -------- r - - - ----- - - 1 ---- - - ---- - ----
ttlD - - -
-r - - . . . . . . - - ..z. _ . . _ _ _ -:- - - - - - --- . _ _ _ . . . - --
, . - - - - - - - - - - - - - - - - - - - - - - . - - - - - . - - - - - - - - - - - - - - - -- -
- -- - - -- - - - - - . - - - - - - ;.. - - - - - - - - - - - - - -- - - - - - -----
't iQO - - ---- -------

""?" - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -----
F E L :2.4 o
b)
Figura 7.20
Para calcular o limitante superior para o erro, clicando no boto apro

priado, o usurio fornece a expresso do limitante corretamente e a n-sima
derivada da funo f(x).
326 Clculo Numrico
Com o auxlio de grficos disponveis, o usurio dever calcular o maior

valor em mdulo que esta derivada assume dentro do intervalo. Dessa forma,
tem-se as seguintes janelas, conforme janelas da Figura 7.21 a) e b):
"""
l 111 1 : lntP Supenor pa o crro
--------- - -
_
J.!18 ... . r- :- -:- :r

... .. H
ia: : :-: - : ..
... ..,,. .
. ' . . ' . ' .
-r -r -1 - --r -r--
. . . . . '
. . . . . . '
. . .
. . . '
. . . .
'
'
. ' . '
. ' , . '
. . .. . .
'
.
.
.
'
.
. . .
. . .
'
1.M 1.12 12 1.19 1 .a 1.IM UJ 1.2 1.l! 1 .Jli
a) b)
Neste momento, tem-se o limitante superior para o erro calculado, con

forme janela da Figura 7.21 c):
e)
Figura 7.21
Todas as demais frmulas interpolatrias seguem o mesmo roteiro,

conforme detalhado na frmula de Lagrange.
Ajuste de funes - mtodo dos mnimos quadrados

Caso o usurio escolha a opo Ajuste de Funes usando o Mtodo dos
Mnimos Quadrados, dever clicar no boto disponvel e fornecer a tabela
de pontos para ser ajustada, podendo, ainda, Limpar pontos ou Limpar 1
ponto, conforme janelas da Figura 7.22 a) e b):
de curvas: Mtodo dos M fninlos Q uadrados
Neste momento, o usurio dever clicar no boto Plotar Pontos e ter

uma janela com os pontos dispostos no plano, para a seguir escolher a fun
o que dever ser usada no ajuste, conforme janela da Figura 7.23 a):
><
1 Ponloa 1ornecldoa 1
l ---------t- -----------1-- : -----1----- -

-
18 - ------ -- - - - - - ---- --------- ---- - - - - - . -
-r r- :- ---r :
-
12 _ _ --- . . . . . . . . . . . . . . . . . . . . . . . __ . ----- - - . -- . . . . . .
6 --- - - ..:.. . .. .. ., _ _ _ ., _ _ _ _ _ _ ;. _ _ _ - - - - . - - - - - - - - - - - - - - - - - - - - -:- - - - - - - - - - .. - - - - - - - - .. - -

: . : : : :
- - -
' . ' '
- - - - - :- - - - - : .. - - - - - -- - - - -r - - --- - -1-
' . . ' '
o ... - .. - .. .. - - - - - - - - -- - - - - - - - - - -
' . .
' . .
' . .
- .. .. .. - - - .. - - - - - -- - - - - .. .. i- .. .. .. - - - - - :. - - - - . . - - - .. - - - - - - - - - - - - .
' . . '
.-6; - - - - - .. -:- .. .. - - .. - -
1 .118 1 .218 t ..44 1 Al2 t .8
a)
328 Clculo Numrico
Observando os pontos na janela anterior, pode-se concluir que o ajuste

polinomial seria uma boa escolha, clicando em Ajuste Polinomial, Funo
g(x) e Plotar g(x) tem-se uma janela com a funo g(x) de grau 2 ajustada e o gr
fico de g(x), conforme Figura 7.23 b ):
r, i.trirln ''' "' ' l 1 n 1 1l 10<; Q '><1rado"

-- -- - - ----
'
t ----t -- - - -r --r - --- -

: r f.
18 ------ ------ --- -
12 . ...... . . . . . . . .
.
.. .. .. . .. . .:,. . . . .. .. . .. .. .. .. . . . - . .. .. ... .. -' .. ... . .. .. .. .. .. .. . _ .. ..;..
! l ! i
. . .. . .. . .. .. ... .. .. .. . .. .. ... .. ... 4 .. .. ... .. ... .. ..
...... :::.: :r::::: . 1 : ::: :::::r--:-::::::::: r :::::::

- . . . . . . . .
--- ---
. .
1 .oe 1 .44 1 .e
-100.6410 X +30&9103 X!"(l) .::J. 1 7.:Ja17

Eno Plat- 111'."1 ., """" """''"''
b)
O usurio pode, ainda, avaliar a qualidade do ajuste escolhido, clicando

em Erro Cometido, conforme janela da Figura 7.23 c):
e)
Figura 7.23
Todos os demais ajustes seguem o mesmo roteiro exibido anteriormente.


mdulo aproxi mao de funes
Seja f(x) definida em :xo, x11 , Xn (n + 1) pontos distintos de um intervalo [a, b].
Interpolao de funes

Deseja-se aproximar essa funo por um polinmio P(x) de grau menor ou

igual n, tal que o polinmio coincida com a funo nestes pontos, isto ,
Pn (x; ) = f(x; ) i = O, l, ... , n.
Existncia e Unicidade
Seja f(x) definida em Xo, x1, ... , Xn (n + 1) pontos distintos de um intervalo [a, b],
ento existe um nico polinmio Pn(x) de grau menor ou igual a n, tal que
P n (x; ) = f(x; ) i = O, l, ... , n.
Utiliza-se neste trabalho trs frmulas interpolatrias: Lagrange, Newton
e Newton-Gregory.
Seja f(x) definida em Xo, x1, . .., Xn (n + 1) pontos distintos de um intervalo [a, b].
Frmula de Lagrange
Por notao considera-se f(xi) = Yi i = O, l, 2, .. . n.

n n (x - x )
Neste caso, tem-se: Pn (x) = L Yk fdx), onde R k (x) = n i .
r;t k. I
k=O (x - x
i=O k i )
Frmula de Newton
Baseado nas diferenas divididas:
[xi ] = f(x J diferena dividida de ordem zero
Assim, temos o polinmio interpolador de Newton:

pn (x) = [Xo ]+( X-Xo )f1 [Xo , X1 ] + ( X -Xo )( X - X1 )f2 [Xo , X1 , Xz ] + ... +
+(X -Xo ( X -X1 ) ... ( X -Xn_1 ) [Xo , X1 1 1Xn ]
Frmula de Newton-Gregory
Baseado nas diferenas finitas:
n f(x) = n-1 f(x + h) - n-1 f(x) diferena finita de ordem n

f(x) = f(x) diferena finita de ordem zero
330 Clculo Numrico
Assim, temos o polinmio interpolador de Newton-Gregory :

Pn (x) = do f(x0 )+(x -x0 ) 1 > +(x -x0 )(x -x1 ) 2 > + ... +
l!h 2!h
dnf(x0 )
+(x -x0 )(x -x1 ) ... (x -xn_1 )---'
n!hn
l (x -x )(x -x1 ) ... (x -xn ) I mx { i f< n+l l (x) l , x e [a, b]
E(x)
(n+ l)! }
Exemplo 7.17
Seja f(x) tabelada como segue:
X o 1.0 2.0
f(x) o 3.0 10.0
Determine o polinmio interpolador de f(x), usando a frmula de
Lagrange, Newton-Gregory e Newton, avalie f(l.6).
a) Lagrange P2 (x) = y0f0 (x)+ y1f 1 (x)+ y2 f 2 (x)
(x) = x2 - 3x + 2
fo
2
x 2 - 2x
f 1 (x) =
-1
2
x x
f 2 (X ) = ---
2
Portanto, temos P2 (x) = 2x2 + x e P(l.6) = 6.72 = f(l .6)
b) Newton P2 (x) = t [x0]+(x -x0 )f1 [x0 ,x1 ]+(x - x0 )(x -x1 )f2 [x0, x1 ,x2 ]
Tabela das diferenas divididas:
fo f1 f2
o o 3.0
1 3.0 7.0 2
2 10.0
Portanto, P2 (x) = 2x2 +x e f(l.6) ::: P(l.6) = 6.72.

e) Newton-Gregory
Como h = l, temos:
d1 d2
P2 (x) = d f(x0 )+(x -x0 ) f(x/ ) + (x -x0 )(x -x1 ) f(x2 )
l! h 2! h
ll. ll.1 ll.2
o o 3
1 3.0 7 4
2 10.0
Portanto, P2 (x) = 2x2 + x f(l .6) :: P(l.6) = 6.72.

Observao
Caso o usurio fornea a forma analtica da funo f(x), possvel calcular
limitante superior para o erro.
Aproximao de funes - mtodo dos mnimos quadrados
O mtodo dos mnimos quadrados consiste em, conhecidos os valores de f(x)
em m pontos, determinar uma funo g(x) que melhor se aproxime de f(x). Para
esta aproximao usamos uma funo g(x), a qual pode ser uma combinao de
funes polinomiais, exponenciais, logartmicas, trigonomtricas etc.
Assim, desejamos determinar uma funo g(x) = a1 g1 (x) + a2 g2 (x) +
+ ... + an g n (x) de forma que o erro E = :L/ e(xJ )2 seja mnimo, isto
m
E = L ) f(xJ - g(xJ)2 seja mnimo:

i=l
i=l
Portanto, para determinar os parmetros ai i l, ... , n, temos de resol-
=
ver o seguinte sistema de equaes lineares:
<=> L 1 (xi )g1 (xi ))a1 + ( L g2 (xi )g1 (xi ))a2 + . .. +

-aE = ( g m m
1 i=l i=l
+ ( L gn (xJg1 (xJ )an = L f(xJg1 (xJ
m m
i=l i=l
+ ( L gn (xJg2 (xi ))an = L f(xi )g2 (xJ

m m
i=l i=l
+ ( L gn (xJgn (xJ )an = L f(xJgn (xJ

m m
i=l
332 Clculo Numrico
Assim, temos:
m m m m
(L, g1 (x; )g1 (x; ))a1 +(L,g2 (x; )g1 (x; ))a2 + ... + (L, gn (x; )g1 (x; ))an = L, f(x; )g1 (x; )
i=l i=l i=l i=l
m m m m
(L, g1 (x; )g2 (x; ))a1 + (L,g2 (x; )g2 (x; ))a2 + ... + (L, gn (x; )g2 (x; )) an = L, f(x; )g2 (x; )
i=l i=l i=l i=l
m m m m
(L g1 (x; )gn (x; ))a1 +(L, g2 (x; )gn (x; ))a2 + ... + (L, gn (x; )gn (x; ))an = L, f(x; )gn (x; )
i=l i=l i=l i=l
O sistema de equaes lineares obtido denominado sistema de equa

es normais, o qual pode ser resolvido por qualquer mtodo visto anterior
mente. Com a soluo do sistema, determinamos os parmetros a; i = 1, ... , n e,
conseqentemente, a funo g(x) = a1 g1 (x) + ... + an gn (x) que melhor se ajusta
funo f(x) nos pontos x11 x21 , Xm no senso dos mnimos quadrados.

Exemplo 7.18
Seja f(x) tabelada como segue:
o
2.1
4.9
1 2
8.2
3
1 0. 3 44 5
1 16.8
Usando o mtodo dos mnimos quadrados, determine g(x) = a1x + a2 , que

melhor se ajusta aos dados.
Sistema de equaes normais:
I, x;2 I, x; I, f(x; ) x;
6 6 6
r::i
k=l k=l k=l
=
I, x; I, f(x; )
6 6
6

k=l k=l
9rl56.491
Assim, temos o seguinte sistema de equaes lineares:
r55 51 r2l l
1
=
15 6
{ 1
2 = 2.9571
= 2.0905
Portanto, temos:
g(x) = 2.9571 X + 2.0905

Clculo do erro:
Temos: E = :L ( e (xJ )2 = 0.0762 e qualquer outra reta possui a soma dos

6
i=I
quadrados dos erros superior a este valor obtido.
Podemos, ainda, obter outras aproximaes, usando a funo hiperb
lica e a funo exponencial da seguinte forma:
a) Caso hiperblico
1
Considere a funo g(x) = para ser ajustada aos dados do problema.
a1 x + a2
Neste caso, como a funo g(x) no linear nos parmetros a 1 e a2, o
sistema obtido por:
um sistema de equaes no lineares. O mtodo dos mnimos quadrados

desenvolvido anteriormente pode ser usado, fazendo-se uma transformao
adequada de modo a obter uma combinao linear nos parmetros.
1
Considere a funo h(x) = -- = a1 x + a2 que aproxima a funo
g(x)
1
-- e temos agora o caso do ajuste linear j conhecido. Assim, temos o se
f(x)
guinte sistema de equaes normais:
( :L xn a1 + ( L xi )a2 = :L
m m m
i=I i=I i=I f (Xi )
( L xJ a 1 + m(a2 ) :L
m
1 m
= -
i=I i=I f(xi )
Os parmetros obtidos na resoluo do sistema de equaes normais resol

vem o problema
minimizar i= (-f(x1-i ) - h(xJ)2

t
e fornecem uma soluo aproximada para o problema inicial proposto.
334 Clculo Numrico
b) Caso exponencial
Podemos considerar uma funo na forma g(x) = a(bt com os parmetros
"a" e "b" positivos, para ser ajustada aos dados do problema.
O mtodo dos mnimos quadrados desenvolvido anteriormente pode
ser usado fazendo a seguinte transformao:
h(x) = ln (g(x)) = ln (a ( bx )) = ln (a) + ln ( bx ) = ln (a) + x ln (b)
Definindo-se:
temos que h(x) uma combinao linear das funes g1 (x) = x e g 2 (x) = l,
isto , h(x) = a 1 g 1 (x) + a 2 g 2 (x).
Desta forma, obtemos o seguinte sistema de equaes normais:
( L x/ )a1 + ( L xJa2 = I ln(f(xJ)xi

m m m
i=l i=l i=l
m(a2 ) = L ln(f(xJ)
m
i=l
Os parmetros a 1 e a2 obtidos na resoluo do sistema linear de equa
es resolvem o problema
L
m
minimizar (ln(f(xJ - h(xJ)2

i=l
e fornecem uma soluo aproximada para o problema original dado.
e) A deciso sobre a escolha da funo a ser considerada no ajuste, para repre

sentar a tabela de dados, deve ser tomada aps a construo do grfico
com a disposio dos pontos.
7 5 5 Mdulo integrao numrica

. .
Neste mdulo, o usurio tem sua disposio mtodos numricos para inte
grao de funes. Nesta opo, esto disponveis as regras de integrao de
Newton-Cotes, ou seja: Regra dos Trapzios, Regra 1/3 de Simpson e Regra
3/8 de Simpson.
Caso a opo seja Pontos Eqidistantes e Entrar com Pontos, temos uma
janela na qual o usurio deve fornecer os dados X; e os correspondentes f(xi ),
Limpar pontos ou ainda Limpar 1 ponto, conforme janelas da Figura 7.24 a) e b ):
l ntegr
23.0000
54.0000
1 5. 0000
5. 0000
a) b)
Figura 7.24
Clicando em Continuar, o usurio dever escolher a regra de integra

o desejada, conforme janela a seguir:
Se o usurio desejar a opo Regra dos Trapzios, deve clicar no boto
adequado, e ter uma janela com o resultado desejado, conforme Figura 7.25
a) e b):
Regra dos T rap6zios
Regra 1 13 tle s-....
a) b)
Figura 7.25
336 Clculo Numrico
Caso o usurio deseje a opo Regra 1/3 de Simpson, deve clicar no bo

to disponvel e, neste momento, ter uma janela Verifique as condies do
mtodo, pois no possvel aplicar neste caso a Regra 1 /3 de Simpson, temos
apenas nmero mpar de subintervalos, conforme janela da Figura 7.26 a):
a)
Se o usurio desejar usar a opo Regra 3/8 de Simpson, basta clicar

neste boto e ter o resultado, conforme janela da Figura 7.26 b):
b)
Figura 7.26
Caso o usurio deseje calcular a integral de uma funo na opo

Entrar Funo - Valor de h, deve fornecer a expresso da funo, o inter
valo de integrao e o espaamento entre os pontos conforme janelas da
Figura 7.27 a) e b).
Neste caso, consideramos a funo f(x) = (ex + 0.5), o intervalo [-1, 2]
e o espaamento h = 0.1, clica-se na opo Regra dos Trapzios e temos os
resultados desejados, conforme janelas da Figura 7.27 c) e d).
Manual do Software Numrico 33 7
-uxm
e) d)
Pode-se, ainda, esboar a rea coberta pela integral da funo dada,

clicando em Plotar Grfico, e temos a rea sombreada, conforme janela
da Figura 7.27 e):
338 Clculo Numrico
e)
Figura 7.27
O usurio pode, ainda, calcular o limitante superior para o erro para a

regra dos trapzios, neste caso, deve fornecer as derivadas necessrias para este
clculo, bem como analisar o maior valor que essa derivada assume, em mdulo,
dentro do intervalo de integrao, conforme janelas da Figura 7.28 a) e b):
a)
Fornecendo a expresso do limitante superior para o erro da regra

dos trapzios, temos o clculo do limitante superior para o erro, conforme Fi
gura 7.28 b):
1- ver r eat
7 .D21
1 t t 1 '
. '
... - - - .- - - - - -.- - - .- - - .. - - r -
- -
' '
5.81 7
1
5.81 7

.. - -. - - .- - -
1 ' ' ' 1 t 1

. . . . . . . '
r -;- --:--:---: - -:---;- -r- :-- -r -

. . . . . . . . . . . . . . . . . .
4 .21 3 ! - - -: - - - !- - - 1 - - -1 - - ! - - -:- - - - ,-

- -:- - 4 . 21 3
.
'
1 1 1
. . .
1 1 ' 1 1 1 1 t 1 f '
' '
- -
'
-
' '
2' .SOS 2'.SOS
- - ..1 - - -
.. - - - .-
.- - - 1 - - .
-- .- - - .. -
- .. -

' - .. - - - ...
. . j 1 1 1 1 1
-
' . ' .-
, 1 f
1 t r 1 r
- - ... - - - .- - - . - - -....: - .- - - .. - - .- -
' .. ' . ' .
. ' .
: - - :- - - : - - - - :
'
- - - - - -- - - - -
. . . ' . . . . . . . . . . . . . .
t - - .: - - : - - - - : !---- .. : :
1 .404 1 .404 - -
.. .. - - -
..O.S .0.6 -0..3 o 0.3 o.s 0.9 1 .2 1 .$ 1 .8 .o.a.o.6 .o.3 o 0.3 o.e o.9 1 .2 1 s 1 .s
(7.3891)
b)
Temos, neste momento, aps clicar em Calcular limitante o valor do

limitante superior para o erro, conforme janela da Figura 7.28 c):
e)
Figura 28
No caso de o usurio desejar calcular a integral de uma funo usando a

opo Entrar Funo N11 de Pontos, como na Figura 7.29 a) dever fornecer
-
a expresso de f(x) e o nmero de pontos desejado no clculo da integral.

Digitando a funo f(x) ex + 0.5, o intervalo [l, 2 ] e o nmero de pon =
tos N 10 pontos, temos os resultados desejados, conforme janelas da Figura

=
7.29 b) e c):
340 Clculo Numrico
a) b)
Neste momento, temos a funo avaliada nos pontos calculados xi e

clicando em Continuar temos as opes das regras de integrao conforme
janelas da Figura 7.29 d) e e):
1 .GOllO Cl.8819
.0.&&81 1Jn34
-o.3333 j1.2165
,, .
-
0.(111)
3333 1.8&
e) d)
gral, conforme resultado nas janelas da Figura 7.29 e) e f):

Clicando em Regra 1/3 de Simpson, temos o valor aproximado da inte
M6todo
Regra 1 fJ de Silpson
e) f)
Figura 7.29
O usurio pode, ainda, calcular o limitante superior para o erro para a

Regra 1 /3 de Simpson, fornecendo as derivadas necessrias e a expresso do
limitante superior para o erro, conforme janelas da Figura 7.30 a) e b):
7 D21 t- -- - -
'
- - -

- - .. - - -.-:- -- -- !- - -
1
1 1
' '
1 1 1 1 j i 1
'
5.817 - ---- --1----:--- -- - :

1
1 1 '
'
' 1 '
'
'
41'3 ! - - - =- : .
1 1
..
1 1 1 1 1 1
..
1 ' ' 1 1
'
1 4
;- -+-- : -- - -- :- - ; - - . :
' '
- - !. - - -
. . . . . '
-
2.sae
1
2.8118
- -+--:--i-- -:--- . - -----
f 1 . . . . . ..
1 1 1 1 1 1 t 1 1 1 1 t 1 t
'
' 1 '
. . . . . . . . .
' !-- ; ..

...

.. .

. 1_..; ; ... ,.--
1
....

1 .404 :'
1
t
: ""

? - - -

1 1 t 1 1 1 1 t 1 t
.oJj.Q.3 O D.S O.S 0.9 12 1.5 1 .8
a) b)
Clicando em Calcular Limitante, temos o resultado desejado, conforme

janela da Figura 7.30 c):
342 Clculo Numrico
e)
Figura 7.30
Caso o usurio deseje calcular a integral de uma funo, em pontos no

eqidistantes, o Software Numrico oferecer a opo do uso da Regra dos
Trapzios, considerando cada subintervalo e o "h" correspondente, confor
me janelas da Figura 7.31 a) e b):
Aviso
a) b)
Neste caso, digitando os valores de xi e f(xj), pode-se, ainda, Limpar

pontos ou Limpar 1 ponto; clicando em Continuar, temos o valor aproxima
do da integral, conforme janelas da Figura 7.31 c) e d):
1 .5000
1.11000 34..0000
3.0CO> -10.
e) d)
Figura 7.31
Se o usurio desejar calcular a integral de uma funo na opo Entrar

com Funo, ainda nesta opo, Pontos no Eqidistantes deve fornecer a
expresso de f(x), podendo ainda, Limpar pontos ou Limpar 1 ponto.
Neste caso, fornecendo os pontos desejados, temos a funo f(x) tabelada.
Considerando a funo f(x) l /x temos as janelas conforme Figura 7.32 a) e b):
=
lntegre&o
1 .0000
0.6687
jo.2857 -
3.0000 0. 3333
3.5000
a) b)
344 Clculo Numrico
Clicando em Continuar, temos o resultado aproximado da integral,

atravs da regra dos trapzios, conforme janela da Figura 7.32 c):
e)
Figura 7.32
Pode-se, ainda, observar a rea coberta pela integral da funo quando

utiliza-se a regra dos trapzios e o limitante superior para o erro, conforme
janela da Figura 7.33 a):
a)
O usurio pode, ainda, calcular o limitante superior para o erro na regra

dos trapzios, em cada subintervalo; por exemplo, considera-se o primeiro
subintervalo com h = 0.5. Os demais subintervalos seguem o mesmo roteiro,
no final somam-se os limitantes obtidos em cada subintervalo.
Neste caso, o usurio deve fornecer as derivadas necessrias para

clculo do limitante superior para o erro, o mximo valor que esta assur
no intervalo de integrao e a expresso do limitante, conforme janelas
Figura 7.33 b) e c):
b)
Clculo do limitante superior para o erro da regra dos trapzios:
L i mi tante erro !
1 - Valor 1 - m6iato da d811v-&t.la
Supen or para o _
real - Valor em m
- - - - - - r--- - - - - - - - - - - - - - - - .- - - --- - - - - - - - - ... - - - - - - - - - - - - -
O.B77 : :
0 .977 - - - - - ...
. . .
- - - -
.. 1 1
. ' . . ' .
1 1
' .
- - - .. _.. _ _ _ _ _ _ ,,. - - - _ _ .,., _ _ _ ... _ _ ... _ _ _ ... ... ...

' . .
0.781 1 1
0 .781 1
- - - - ... ... ... ... - - - -- - - ... ... ... ....... ... - - - - .... - - - - -
.. 1 1
1
. . .
4 f 1 1 1 1 1
. .
..
.... - - - -=- - -
0.586 . . :- . : : . .. . . . ...: - o ses : -: <
1 t
. . . .. . . .. . . . . . ... .
!

:
1 1
: :
' 1
'
'
'

.

.
0..391 .. . . .. - - - :
. '
. . . . . .. .. :.. . . .. - - ..! - - - .. .
.
.
'.391 -- .. .. .. + - - - - - - - - - .
' ' . .
: ' . .
- - - - - - - - - - - - - - - - - - - - -- -:- - - - - - - - - - -
' . . . . .
0.1 95 0 .1 El5 : - - -t- - - - - -
' .
' . .
1 .5 2 2.5 3 1 .5 2 2.5 3
e)
Desta forma, temos um limitante superior para o erro conforme janE

da Figura 7.33 d):
346 Clculo Numrico
d)
Figura 7.33

mdulo integrao numrica
A integrao numrica consiste na aproximao de f(x) definida nos pontos
distintos x0, x1, ... , Xn do intervalo [a, b], pelo polinmio de interpolao, e na
integrao de P(x) ao invs de f(x), isto :
J J Pn ( x ) d x
b b
f(x)dx =
a a
Frmulas de quadratura de Newton-Cotes

Seja f(x) definida em Xo, X11 , Xn (n + 1) pontos distintos e igualmente espaa

dos no intervalo [a, b], tais que (x i+1 - xJ = h, i = O, 1, ... , n - 1, h > O.

Em particular, para a interpolao, utiliza-se o polinmio interpolador
de Newton-Gregory de grau n, dado por:
1 f(x0 ) 2 f(x )
Pn (x) = f(x0 )+(x - x0 ) + (x - x0 )(x - x 1 ) +
l!h 2!h2
"f(x0 )
+ ... + (x - x0 ) (x - xn-1 )
---
n! h"
Sabe-se, da interpolao polinomial, que,
f(x) = Pn (x) + En (x)
onde
Regra dos trapzios
Seja f(x) definida no intervalo [Xo, xi ]. Neste caso, o polinmio interpolador

de grau n = 1, e temos:
J f(x)dx = J Pi (x)dx = hJ P1 (u)du

1
onde P1 (u) o polinmio interpolador de Newton-Gregory de grau n = 1 .

Assim,
1 1
(J
1
J f(x)dx = hJ ( 0 J
x,
0 f(x )+u 1 f(x0 ))du = h 0 f(x ) du + u 1 f(x0 ) du)

0
Xo
J f(x)dx = zh [f(x0 ) + f(x1 )]

x,
Xo
Erro cometido na regra dos trapzios
Regra dos trapzios generalizada
A regra dos trapzios generalizada consiste na subdiviso do intervalo de

(x

integrao [a, b] em n subintervalos iguais, onde n = n Xo ) Xo = a n = b , X
e na aplicao da regra dos trapzios em cada subintervalo.
Assim, temos:
348 Clculo Numrico
Erro na regra dos trapzios generalizada

O erro total na frmula generalizada obtido a partir da soma dos erros come
tidos em cada subintervalo, isto :
h3 (2)
E , = L - - f (i ) xi-I :::; i :::; xi
n
i=I 12
Assim, a expresso para o erro na regra dos trapzios generalizada

toma-se:
I E1 I :::; (xn - xo ) mx {l f (( ) J , x0 :::; x :::; xn }

Regra 1/3 de Simpson
Seja f(x) definida no intervalo [a, b ]. Neste intervalo, consideramos os pontos
eqidistantes x0, x1 1 x2, com x0 = a x0 = b, e construmos o polinmio interpo
lador da funo f(x) de grau n = 2.
Assim, temos:
2
J f(x) dx = J P2 (x) dx = hJ P2 (u) du
X2 X2
Xo Xo o
Erro cometido na regra 1/3 de Simpson
E 2 = - h5 f ( ) x0 :::; :::; X2
(4)
90
{I I
s
}
h
I E2 I :::; 90 mx f ( x ) , x0 :::; x :::; x2

(4)
A Regra 1 /3 de Simpson generalizada consiste em subdividir o intervalo de

integrao [a, b] em n subintervalos de amplitude h, em que n um nmero
par de subintervalos, de forma que Xo = a, Xn = b, e aplicar a Regra 1 /3 de
Simpson em cada par consecutivo de intervalo.
Assim:
Erro na Regra 1/3 de Simpson generalizada
Como foi visto anteriormente, para cada dois subintervalos (3 pontos)

pode-se aplicar a Regra 1 /3 de Simpson e o erro total cometido para n apli
caes dado por:
Regra 3/8 de Simpson
Considere f(x) definida [a, b]. Neste intervalo, considere os pontos Xo, Xv x21 x3
eqidistantes. O polinmio interpolador neste caso de grau n 3. =
Assim:
3
J f(x) dx := J P3 (x) dx = hJ P3 (u) du

onde P3 (u) o polinmio interpolador de Newton-Gregory de grau n = 3.

Assim,
x
3
J f(x)dx := hJ [0 f(x0 ) + u1 f(x0 ) + u(u2-! 1) 2 f(x0 ) + (u)(u -3l)(u
3
- 2) 3
o f(x0 )] du
x
0 !
Uma vez que,

0
f(x0 ) = f(x0 ) 1 f(x0 ) = f(x1 ) - f(x0 ) 2 f(x0 ) = f(x2 ) - 2f(x1 ) + f(x0 )
3 f(x0 ) = f(x3 ) - 3f(x 2 ) + 3f(x1 ) - f(x0 )
350 Clculo Numrico
temos:
Erro cometido na regra 3/8 de Simpson
3 (4)
E3 = -- h5 f ()
80
A Regra 3 / 8 de Simpson generalizada consiste em subdividir o intervalo [a, b]

de integrao em n subintervalos, de amplitude h, onde n um nmero ml
tiplo de 3, de forma que Xo = a e x0 = b, e aplicar a Regra 3/8 de Simpson a
cada 4 pontos consecutivos.
Assim,
J f(x) dx = -83 h [f(x0 ) + 3f(x1 ) + 3f(x2 ) + f(x3 ) ] + -83 h [f(x3 ) + 3f(x4 )+ 3f(x5 ) + f(x6 )] +
3 3
+...+ h [f(x0_3 ) + 3f(x0_2 ) + 3f(x0_1 )+ f(x0 )] = h [f(x0 )+ 3(f(x1 )+ f(x2 )+
B B
+ f(x 4 )+ ... + f(x0_2 ) + f(x 0_1 )) + 2(f(x3 )+ f(x6 ) + ... + f(x0_3 )) + f(x0 )]
Erro na Regra 3/8 de Simpson generalizada
Para cada trs subintervalos (quatro pontos eqidistantes) pode-se aplicar a

Regra 3/8 de Simpson e o erro total cometido para n aplicaes dado por:
Exemplo 7.19
Calcule J exdx usando 6 subintervalos pela regra dos trapzios, regra 1 /3

1
o
de Simpson e regra 3/8 de Simpson e um limitante superior para o erro em
cada uma delas.
Tabelando a funo com h 1 /6, temos:
=
X o 1 /6 2/6 3/6 4/6 5/6 1

f(x) 1 1 .1814 1 .3956 1 .6487 1 .9477 2.3010 2.7183
a) Regra dos trapzios

Da regra dos trapzios temos:
Como, mx { l f2 <x) I , O :::; x :::; 1 } 2.7183 em x = l, temos:

=
I E(x) l ::s; .0063

b) Regra 1/3 de Simpson
352 Clculo Numrico
Como mx { J f4 (x) J , O S x S 1 } 2.7183 em x

= = l, temos:
1 E1 1 S 0.00001
e) Regra 3/8 de Simpson
1
f ex dx = 3 -h8 [f(xo ) + 3(f(x1 )+ f(x2 ) + f(x4 )+ f(xs )) + 2f(x3 )+ f(x6 )] = 1 7183
.
JEr J S
{I I
h4 (4)
80 (xn - Xo ) mx f(x) ,
Como, mx { J f4 (x) J , O S x S 1 } 2.7183 em x

= = 1, temos:
J E1 1 S 0.00003
7 5 6 Mdulo equaes diferenciais
. .
Neste mdulo, o usurio tem a sua disposio mtodos numricos para reso
{
luo de equaes diferenciais ordinrias de 1 ordem com valor inicial (PVI):
li
y ' = f(x, y)
y(x o ) = y 0 valor inicial
Nesta opo, temos disponvel os mtodos de Runge-Kutta:

Runge-Kutta de 1 ordem - mtodo de Euler
li
Runge-Kutta de 2ll ordem - mtodo de Euler aperfeioado

Runge-Kutta de 3ll ordem
Runge Kutta de 4ll ordem
Para utilizao desse mdulo, o usurio dever clicar em Entre com os
dados da equao, fornecendo a expresso da equao diferencial, Xo, y0, h, e
o valor desejado Xn . Por exemplo, considere a equao diferencial y ' = y com
valor inicial y(O) = 1, h = 0,1 e 0.4.
=
O usurio pode, ainda, Limpar tudo, conforme pode ser observado nas
janelas da Figura 7.34 a) e b):
a) b)
Figura 7.34
Neste momento, o usurio dever escolher o mtodo desejado, se clicar

na opo Runge-Kutta de P ordem - Euler, ter a equao discretizada e os
valores encontrados, conforme janelas da Figura 7.35 a) e b ):
a) b)
354 Clculo Numrico
Temos o resultado desejado y("4) = y(0.4), conforme janela da Figura 7.35 c):
e)
Ousurio poder, ainda, obter o grfico da equao discretizada, cli

cando em Plotar Grfico conforme janela da Figura 7.35 d):
)(
Y()() pinos
1 .45 - - - - - - - r - - - - - - - - - - - - - - - - - - - -- - - -- - 1 - - - - - - {- - - - - - - t - - - - - - - r - - - - - - i - - - - - -
' f t '
1 1 t 1 1 1
" '
1
. ..
- - -: - - - - - ... 1 - - - !t -:W .. - .. t - : - .. .. - .. ;
r: - - - :: - - - - - :-: - - :: - - :: - : - - - - := - - .. - ::
1 A
1 t 1 t
... .. .. .. ... .. .. "' ..
f 1
- ... - - 1 - - - - - - .. ... ... - - - -: .. - - - - t - - : - - - : - - :.. -- - - .. - - '
'
1 .SS. -- - - - - - - - ---- - - - - -
'
: : : 1 : : ... . .r : : :
... - - - - - - -
13 - -
:: - - - - - :- : - - - - - :: - - - - - - r ...
- - - -- ... - - - - - - - - ... - - - - - .. - -i-- : .. -- - - -- - - - -- f - - ;

- - - - .. - - - - - - -- - - - .. - - -
1 125 1 1 1 ' '

. . . . . . . . . .. . . .
' ..
. . . .. . . . . . . ..
12 .. - - - - - - - - - - - - - - r --- - - - : - - -- -
. .. 1 1 1 '
1 .1 5 - - - - - ;. .. - - - - - - - - - - - - r - - - - - - - - - - - - - - - - - : - - - - - - i- - - -
'
... ... T - - - - - - - - - - - - - - : - - - - - -
: :
1 .1 .. .. - - - - .. .. . -
-
: : :
.. - :-
: -
: :
- - - - .. :- - - .. - - - - - .. .. - ... t - - - .. .. -!'- .. - - - - + - - - - .. - - - -
::
- -
:
- - - - - - ! .. - - - - - -
::
1 1 1
1 1 1 Ir 1 ,.
"
1 A)5; "' .. - 00: "' '" - .. ?" - - -=- - -+ :- - - - .. ... '"' "' :
o.'2
.. . .. .. ... .. .. .. .. . .. ... .. .. . . .. . . .. .. .. ... .. .. ... .. . ... .. .. ... ...
1 1
1
o oJM o..oe 0.1 8 02 0.24 0.28 0..32 0..36 0.4
d)
Figura 7.35
Caso o usurio conhea a soluo exata (analtica) da equao dife

rencial, pode comparar os resultados obtidos com a funo y(x), declarando,
na janela apropriada, a expresso da soluo exata e obter o grfico da solu
o aproximada, bem como o grfico da soluo exata, conforme janelas
da Figura 7.36 a) e b):
a)
< i.-_,1 f 1 < o P< l' e-. d i fnn< i :i i<; _ .

. - -
----- - - -- -- - -
1 1 t 1
1 1 1 1 t
'
'
1 AS .... .. . .. .. .. -- 1! ,. 1 .,. - - - ""! - t ,. .. " '( -
1 1
, .. - - - .. .. .. -
1 ,4 : : ..;, . . . . .. . .. . .. .. .. .. .. : .. - - - - - - - - A- ,.
' '
... . . .. .... . . . . . .. . .. ... .. . .: . .. . .. . .. .. .. .. .. ...
1
1 .35 ;- - - - -- ---- -t- - - - - - 1 - - - - - -r - - - - - - - - - - -- r - - - - - - - - . - - - - - - - -
'
.. ------
t .s - .. - - - .. - - .. - -- - - - - .. -
. - - - - - - - -t -
- - : - - .. - .. - - t .. - - . - -
1 .25 : - : .;. : : - . . : - -
"
- . - . . . . . . . . . .
' " .. 1 ' 1

1 .2 : : -.-
. . . - - .. - .. .. .. ! ..
: - ;. - -
1 .1 !1 :- - - - - - - : - - - - - - - - - - - - -
' 1 ;;:
' . .
-1 ... .. .. . .. . . ; - 1 ... .. . . r - r 1 -
1 DS '- - - - - - - -- -V .. .. . .. .. .. - -- - - - t - - - ...:- - - - - t - ... .. .. ...;. . .. .. .. ... .. .,; .. . . .. . . --

1
-
f '
..
o OJl4 O.D8 0.1:2 0.16 0.2 O.::M 0.28 0.32 D.316 0.4
b)
Caso o usurio conhea a soluo exata da equao diferencial, pode

calcular o limitante superior para o erro, fornecendo a 2 derivada da funo
y(x), e a expresso do limitante superior para o erro.
Com o auxlio de grficos, pode-se calcular o maior valor em mdulo que a
funo assume no intervalo de discretizao, conforme janela da Figura 7.36 d):
e)
356 Clculo Numrico
I 1 111 i t,7inte Super- i rn- p.-w.1

- --
o c1 T o
- - - - -
_!
___
)(
- - - - - -'- - - - - - -'- - - - - - _,_ - - - - - j - - -

. . ' .
1 .31 f 1
-
1 S
t
t 1 1
'
. . .
. . '
. . '
. . '
. . '
. . '
1 .1 5'1 - - - - ... ... .. - . - - - _..... ... - .. - - - .. - - - ,.,_ - - - .. ..

1 .1 51
. . . .
. ' .
. . .
. . .
. . .
. . .
o 0 .()8 O.t 2 0.18 0 .2 o 0.06 0.12 0.1 8 0.24
d)
Temos, neste momento, o valor do limitante superior para o erro, con

forme janela da Figura 7.36 e):
OIC
e)
Figura 7.36
Se o usurio desejar a opo Runge-Kutta de 2 ordem - Euler Aperfei

oado, ter os resultados conforme janelas da Figura 7.37 a) e b):
o o.mm 1 .cml
- --
1 0. 1 000 u reo
2 0. 2000 1 .221 0
-
3 '0. ml 1 . 3492
4 1 .4909
a)
b)
Figura 7.37

mdulo equaes diferenciais
Soluo numrica de equaes diferenciais ordinrias
{
Considere a equao diferencial orctinria de 1 ordem com valor inicial (PVI):
y ' = f(x, y)
y(xo ) = yo
Resolver a equao diferencial consiste em determinar uma funo y(x) que satis
faa a equao dada. Um mtodo numrico para resolver esta equao consiste
em determinar aproximaes Yn para y(xn) onde Xn = Xo + nh n = O, 1, 2, ...
358 Clculo Numrico
Mtodos de Runge-Kutta:
P ordem - mtodo de Euler
O mtodo de Euler consiste em determinarmos as aproximaes Yn para y(xn)
da seguinte forma:
2 ordem - mtodo de Euler aperfeioado

No mtodo de Euler apefeioado utilizamos a seguinte expresso:
h
Yn+l = Yn + 2 (k1 + k2 }
com k 1 = f(x n , Y n }
k 2 = f(x 0 + h, Yn + hk1 }
Mtodos de Runge-Kutta de ordens superiores

3 ordem
No caso dos mtodos de Runge-Kutta de 3 ordem, utilizamos a seguinte
expresso:
k1 = f(X0 , Yn }
com
1 1
k2 = f(xn + - h, Yn +- hk1 }
2 2
k 3 = f(X0 + 4 h, Yn + 4 hk 2 }
3 3
4 ordem
No mtodo de Runge-Kutta de 4 ordem, utilizamos a seguinte expresso:
com
kl = f(xn , Yn )
1 h
k2 = f(xn + 2 h, Yn + 2 ki )
1 h
k3 = f(xn + - h, Yn + - k2 )
2 2
k4 = f(xn + h, Yn + hk3 )
Exemplo 7.20
{
Considere a equao diferencial de 1 il ordem com valor inicial:
y ' = - xy
y(O) = 1
Tomando h = 0.1 calcule y(0. 5) usando os mtodos de Runge-Kutta de

1 ordem e de 4 ordem.
li
a) Mtodo de Runge-Kutta de 1 il ordem - mtodo de Euler

y(O) = 1
y(0.2) = Y2 = 0.9900
y(0.1) = Y1 = 1 .000
y(0.4) = y4 = 0.9411
y(0.3) ::: y3 0.9702
=
y(0.5) = 0.9035
b) Mtodo de Runge-Kutta de 4il ordem
y(O) 1
=
y(O.l) ::: Y1 = 0.9950
y(0.3) = y3 = 0.9560
y(0.2) = Y2 0.9802
=
y(0.4) ::: Y4 = 0.9231

y(0.5) ::: Ys = 0.8825
Referncias Bibliogrficas
1. ALBRECHT, P. Anlise Numrica: Um Curso Moderno. So Paulo: Editora

da Universidade de So Paulo, 1973.
2. ANTON, H.; RORRER, C. 1. lgebra Linear com Aplicaes. Porto Alegre:
Bookman, 2000.
3. ARENALES, S. H. V.; TANIGUTI, F. Software Numrico-Mdulo Razes
- XXII CNMAC (1999).
4. BURDEN, R. L.; FAIRES, J. D. Numerical Analysis. Boston: PWS Publish
ing Company, 1993.
5. CONTE, S. D.; BOOR, C. Elementary Numerical Analysis, an Algorithmic
Approach. Nova York: McGraw-Hill, 1981.
6. CUNHA, M. C. C. Mtodos Numricos. 2l. ed. Campinas: Editora da
Unicamp, 2000.
7. DAREZZO, A. F.; LAZARINI, C.; MILANI, D. M.; FERRARI, L. M.; ARE
NALES, S. H. V. Notas de Clculo Numrico. Publicao do Departamento de
Matemtica-UFSCar, 1992.
8. DEMIOOVICH, B. P.; MARON, 1. A. Computational Mathematics. Moscou:
Mir Publishers, 1976.
9. DURAND, E. Solutions Numriques Des quations Algbriques - Vol. 1 .
Paris: Masson et Cie diteurs, 1971 .
10. FORSYTHE, G. E.; MOLER, C. V. Computer Solution of Linear Algebraic.
Systems. Englewood Cliffs: Prentice Hall, 1967.
11. ISAACSON, E.; KELLER, H. B. Analysis ofNumerical Methods. Nova York:
John Wiley, 1966.
361
362 Clculo Numrico
12. JENNINGS, W. First Course in Numerical Methods. Nova York: Macmil

lan,1964.
13. KREYSZIG, E. Advanced Engineering Mathematics. Nova York: John Wiley
& Sons, 1993.
14. LAMBERT, J. D. Computacional Methods in Ordinary Differential Equations.
Nova York: John Wiley & Sons, 1971 .
15. RUGGIERO, M. A. G.; LOPES, V. L. R. Clculo Numrico, Aspectos Tericos
e Computacionais. 2 ed. So Paulo: Makron Books, 1997.
16. SALVADOR, J. A; ARENALES, S. H. V.; DAREZZO, A. F.; SANTOS
WAGNER, V. M. Mapas Conceituais/Software Numrico: Urna Experincia
no Estudo de Sistemas Lineares e Zeros de Funes. Publicao da Socie
dade Brasileira de Matemtica Aplicada e Computacional - Revista Tema -
Volume 4 - Nmero l, 2003.
17. SCHWARZ, H. R. Numerical Analysis - A Comprehensive Introduction.
Nova York: John Wiley & Sons, 1989.
18. SOTOMAYOR, J. D. Lies de Equaes Diferenciais Ordinrias. Publicao
do IMPA - Projeto Euclides - 1979.
19. STEINBRUCH, A; WINTERLE, P. lgebra Linear. So Paulo: Makron
Books Ltda, 1987.
20. SWOKOWSKI, E. W. Clculo com Geometria Analtica. 2 ed. So Paulo:
Pearson Education do Brasil, vol. 1 e vol. 2, 1995.
21. STEWART, J. Clculo. So Paulo: Pioneira Thomson Learning, Vol. 1 .
4 ed. 2003.
22. YOUNG, D. M.; GREGORY, R. T. A Survey of Numerical Mathematics -
Vol. 1 . Vol. 2. Reading: Addison-Wesley Cornpany, 1972.
23. WILKINSON, J. H. Rounding Errors in Algebraic Processes. Englewood
Cliffs: Prentice Hall, 1963.
,
lodice Remissivo
A parcial, 38
Ajuste total, 41
exponencial, 176 Equaes diferenciais (soluo numrica)
hiperblico, 171 mtodo de Euler Aperfeioado, 253
polinomial (caso discreto), 158 mtodo de Euler modificado, 257
trigonomtrico, 167 mtodo de Euler, 244
Aproximaes Sucessivas (mtodo), 80 mtodo previsor-corretor, 269
mtodos de Runge-Kutta, 251
B Equaes normais (sistemas), 161
Binrio (sistema), 2 Equaes polinomiais, 96
Bisseo (mtodo), 76 Erros
absoluto, 10
e arredondamento, 10
Cholesky (mtodo), 30 Euler (mtodo), 244
Critrio de Sassenfeld, 60 Mnimos quadrados, 160
Critrio de parada, 56 na integrao numrica, 192
na interpolao, 130
D propagao de erros, 14
Determinante de Vandermonde, 129 relativo, 11
Diagonalmente dominante, 55 truncamento, 12
Descartes (regra de sinais), 100 Estimativa do nmero de iteraes (mtodo
Diferenas da Bisseo), 78
divididas (operador), 141 Estudo da convergncia (sistemas lineares), 55
finitas (operador), 149
F
Descrio breve dos mtodos (usados no
Software Numrico) Frmulas de Newton-Cotes, 191
Mdulo Aproximao de funes, 331 Frmula de Lagrange, 132
Mdulo Equaes diferenciais Frmula de Newton, 141
ordinrias, 357 Frmula de Newton-Gregory, 153
Mdulo Integrao Numrica, 346
Mdulo Inversa de matriz, 306 G
Mdulo Razes de funes, 317 Gauss (mtodo de eliminao), 34
Mdulo Sistemas lineares, 294 Gaussiana (quadratura), 216
Gauss-Seidel (mtodo iterativo), 58
E
Eliminao de Gauss (mtodo), 34 1
diagonal, 34 Integrao Numrica
estratgias de pivotamento, 34 regra dos trapzios, 193
363
364 Clculo Numrico
quadratura Gaussiana, 216 p

regra 1/3 de Simpson, 200
Pivotamento (estratgias de), 34

Passo mltiplo (mtodos de), 246
regra 3/8 de Simpson, 208 Passo simples (mtodos de ), 245
Integrao dupla, 223
Interpolao Polinomiais (equaes), 96
inversa, 148 Polinomial (interpolao), 127
linear, 138 Previsor-corretor (mtodo), 269
polinomial, 127 Problema de Valor Inicial (PVI), 236
Propagao de erros, 14
J
Jacobiana (matriz), 107 Q
Quadratura Gaussiana, 216
L
Lagrange (polinmio interpolador), 132 R
Localizao de razes, 97 Razes de uma equao
LU (decomposio), 25 localizao das razes reais e complexas, 97
mtodos numricos, 76
M
Regra de Sinais de Descartes, 100
Mau condicionamento, 49 Regras de integrao numrica, 189
Mantissa, 5 Runge-Kutta (mtodos de), 251
Manual do Software Numrico, 285
Matriz definida positiva, 30 s
Mtodos
Sistemas lineares (mtodos), 19
Aproximaes Sucessivas, 80
Sistemas de ponto flutuante, 5
Bisseo, 76
Sturm (seqncia), 101
Briot-Ruffini, 102
Sistemas no lineares (mtodo), 106
Grfico, 74
Sistemas triangulares, 21
Mnimos Quadrados, 157
Secante (mtodo), 93
Newton Modificado, 92
Sassenfeld (critrio), 60
Newton, 87
Simpson (regras), 200
Newton+Briot-Ruffini, 104
Newton-Bairstow, 112 Software Numrico
Posio Falsa, 96 Mdulo Aproximao de funes, 321
Mdulo integrao numrica, 334

Mdulo Equaes diferenciais
Gauss com pivotamento diagonal, 34

Secantes, 93
Mtodos diretos ordinrias, 352
Gauss com pivotamento parcial, 38 Mdulo Inversa de matriz, 305

Gauss com pivotamento total, 41 Mdulo Razes de funes, 307
Gauss-Jordan, 44 Mdulo sistemas lineares, 288
Mtodos iterativos, 49
T
Gauss-Seidel, 58
Jacobi-Richardson, 53 Taylor (mtodos de srie de), 242
Mudana de base, 4 Trabalhando com o Software Numrico' 65'
121, 182, 227, 278
N Teste de alinhamento, 175
Newton (mtodo para sistemas no Trapzios (regra), 193
lineares), 106 Teorema de Budan-Fourier, 100
Newton (polinmio interpolador), 141 Teorema do crculo (localizao de razes), 97
Newton-Cotes (frmulas de integrao), 191 Teorema de Sturm, 101
Newton-Gregory (polinmio
interpolador), 153 u
Underflow (sistema de ponto flutuante), 8
o
Operaes elementares, 24 z
Overflow .(sistema de ponto flutuante), 8 Zero em ponto flutuante, 6
lt.lf'RESSO E ACABAMENTO:
YA61
--"""""

Arenales S. & Darezzo A. Cálculo Numérico (2008)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Arenales S. & Darezzo A. Cálculo Numérico (2008)

Uploaded by

Copyright:

Available Formats

Sobre os autores

Selma Helena de Vasconcelos r\renales

Pnifrssor;1 do llepart.1mcntl1 dr Matf

oricnt1;'io d e alunos nas re;1s de Otimiza

Artur Darezzo Filho

Licrnciado cm Matcmtira p el a anrl

1. Clculo numrico 2. Clculo numrico -

1. Clculo numrico : Estudo e ensino 515. 07

Gerente Editorial: Produtora Editorial: Reviso:

Copyright 2008 de Thomson Todos os direitos reservados. Dados Internacionais de

Com carinho para minha esposa Regina,

Captulo 2 Soluo numrica de sistemas de equaes lineares e

Soluo numrica de equaes 73

Captulo 4 Aproximao de funes 127

Captulo 5 Integrao numrica 189

Captulo 6 Soluo numrica de equaes diferenciais ordinrias 233

Captulo 7 Manual do Software Numrico 285

Referncias bibliogrficas 361

ndice remissivo 363

de exerccios, para todas as turmas de Clculo Numrico no Laboratrio de

Erros em Processos Numricos

Fase da Modelagem Fase da Resoluo

da base de processamento, os erros de representao, devido ao sistema uti

1.2 Erros na fase da modelagem

1.3 Erros na fase de resoluo

Erros na mudana da base

Acontece, muitas vezes, que esta transformao pode ser acometida de

N1 0 = L i xlOi , a i E {O, 1, , 9}, com n e m inteiros.

Assim, dado um nmero real qualquer numa base b, podemos escrev-lo

Mudana da base binria para a base decimal

N10 = ( l, fn-v fn- 2 1 rn-3 1 ..., r3 , rz , ri )2

b) (11) 0 = (1011h = 1X2 + 1X21 + 0 X22 + 1X23

(0.375)(2) = 0.75 parte inteira = O e parte fracionria = 0.75

(13.25)10 (13)i0 + (0.25)10 (1101)2 + (0.01)2 (1101.01)2

Sistema de ponto flutuante normalizado

nmero de dgitos significativos n e um expoente exp.

Dizemos que um nmero real nr est representado no sistema de ponto

sendo n o nmero mximo de dgitos na mantissa, d 11 d2, , dn, dgitos

significativos da mantissa, do sistema de representao, com o primeiro

expmn :5: exp :5: expm x

zero :0.0000 ....... 0 bexPmn

b) O maior positivo exatamente representvel o real formado pela maior

maior = (0 X (b - l] [ b - 1] ... (b - 1]) b expmx

d) O nmero mximo de expoentes possveis dado por:

NR+ = mantissas+ X expp veis oss

Se considerarmos que dado um nmero real nr E SPF temos que

b) O maior exatamente representvel:

e) A quantidade de reais positivos exatamente representveis:

exp = - 1 : 0.10x3-1 = 1 / 9 exp = - 1: 0.llx3-1 = 4 / 27

exp = - 1 : 0.12x3-1 =5 / 27 exp = - 1 : 0.20x3-1 = 2 / 9

exp = 2 : 0.12x32 = 5 exp = 2 : 0.20 32 = 6

exp = - 1 : 0.21 x3-1 = 7 / 27 exp = - 1 : 0.22 X 3-l = 8 / 27

Observe que o menor real positivo representvel e o maior positivo

Todos os reais que no pertencem unio dos intervalos anteriores no

E os reais representados por

De modo geral, podemos representar o espaamento entre os represen

3 dgitos na mantissa, menor expoente igual a -1 e maior expoente 2.

Para este sistema temos 16 reais positivos exatamente representveis

o 1/4 5/8 718 1 5/4 7/4 2 5/2 3 7/2

so exatamente representveis, no entanto, (x + y) = (0.0001 0h x3 2 + (0.12h x

Podemos observar que:

onde aex o valor exato da grandeza considerada e aaprox o valor aproxi

Como na maioria das vezes o valor exato no disponvel, a definio