Apostila de Mtodos Numricos1

Creto A. Vidal2
cvidal@lia.ufc.br

12 de fevereiro de 2010
Verso 9.0

1 Editado

por Jivago J. Alves - GREat (jivago@great.ufc.br)

de Computao - UFC

2 Departamento

Abstract
These class notes were organized as a supporting material for the courses of Numerical
Methods I and II of Federal University of Cear. They are based on the book, Numerical
Methods in C by Shoichiro Nakamura.

Resumo
Estas notas de aula foram elaboradas para servir de apoio aos cursos de Mtodos Numricos I e II da Universidade Federal do Cear. Elas so baseadas no livro, Applied
Numerical Mehtods in C by Shoichiro Nakamura.

Sumrio
1

Clculo do Zero de Funces No-Lineares

1.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Mtodo da Bisseo . . . . . . . . . . . . . . . . . . . . . . .
1.3 Mtodos da Posio Falsa e da Posio Falsa Modificado . . .
1.3.1 Mtodo da Posio Falsa . . . . . . . . . . . . . . . .
1.3.2 Mtodo da Posio Falsa Modificado . . . . . . . . .
1.4 Mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Caractersticas . . . . . . . . . . . . . . . . . . . . .
1.4.2 Descrio do Mtodo . . . . . . . . . . . . . . . . . .
1.5 Mtodo da Secante . . . . . . . . . . . . . . . . . . . . . . .
1.5.1 Caractersticas . . . . . . . . . . . . . . . . . . . . .
1.5.2 Descrio . . . . . . . . . . . . . . . . . . . . . . . .
1.6 Mtodo das Substituies Sucessivas (Iterao de Ponto Fixo)
1.6.1 Descrio . . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Caractersticas . . . . . . . . . . . . . . . . . . . . .
1.6.3 Notas . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.4 Forma sistemtica de encontrar f 0 (x) . . . . . . . . .
1.7 Mtodo de Bairstow . . . . . . . . . . . . . . . . . . . . . . .
1.7.1 Caractersticas do mtodo . . . . . . . . . . . . . . .
1.7.2 Descrio . . . . . . . . . . . . . . . . . . . . . . . .
1.7.3 Notas . . . . . . . . . . . . . . . . . . . . . . . . . .

Integrao Numrica
2.1 Introduo . . . . . . . . . . . . . . . .
2.2 Regra do Trapzio . . . . . . . . . . . .
2.2.1 Erro da Regra do Trapzio . . .
2.2.2 Mltiplos Intervalos . . . . . .
2.3 Regra 13 de Simpson . . . . . . . . . . .
2.3.1 Erros das Regras de Simpson . .
2.4 Integrao de Romberg . . . . . . . . .
2.5 Frmulas de Newton-Cotes . . . . . . .
2.6 Quadraturas de Gauss . . . . . . . . . .
2.6.1 Quadraturas de Gauss-Legendre
2.6.2 Outras Quadraturas de Gauss . .
2.7 Roteiro da Aula . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

7
7
7
11
11
12
13
13
14
17
17
17
18
18
18
19
21
22
22
23
25

.
.
.
.
.
.
.
.
.
.
.
.

26
26
27
27
28
30
30
31
32
34
34
38
39

2.8

Integrao de Funes com Limites Infinitos ou Singularidades (Integrais

Imprprias) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8.1 Tipo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8.2 Tipo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.9 Integrao Numrica em um Domnio Bidimensional . . . . . . . . . . .
2.10 Integrao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

41
42
43
46
47

Diferenciao Numrica
3.1 Expanso de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Diferenas Finitas . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Mtodo da Diferenciao dos Polinmios de Interpolao de Newton
3.4 Aproximao de Derivadas Parciais por Diferenas Finitas . . . . .
3.4.1 Soluo do Problema de Dirichlet . . . . . . . . . . . . . .

.
.
.
.
.

49
49
52
54
57
57

Soluo de Sistemas de Equaes Algbricas Lineares

4.1 Mtodos de Eliminao de Gauss e Gauss-Jordan . . . . . . . . . .
4.2 Mtodo de Eliminao de Gauss Padro com Pivotao . . . . . . .
4.3 Problemas no resolvveis . . . . . . . . . . . . . . . . . . . . . .
4.4 Matrizes, Vetores e Inverso de Matrizes . . . . . . . . . . . . . . .
4.4.1 Matriz Nula . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.2 Matriz Identidade . . . . . . . . . . . . . . . . . . . . . . .
4.4.3 Matriz Transposta de A . . . . . . . . . . . . . . . . . . . .
4.4.4 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . .
4.4.5 Matriz Ortogonal . . . . . . . . . . . . . . . . . . . . . . .
4.4.6 Vetor Nulo . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.7 Vetor Unitrio . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.8 Vetor Transposto . . . . . . . . . . . . . . . . . . . . . . .
4.4.9 Inverso de uma Matriz . . . . . . . . . . . . . . . . . . . .
4.5 Decomposio LU . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6 Clculo de Determinante . . . . . . . . . . . . . . . . . . . . . . .
4.6.1 Propriedades dos Determinantes . . . . . . . . . . . . . . .
4.6.2 Clculo Numrico do Determinante de [A]nn . . . . . . . .
4.7 Problemas Mal Condicionados . . . . . . . . . . . . . . . . . . . .
4.8 Solues de Sistemas de Equaes com M equaes e N incgnitas .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

60
60
60
62
63
64
64
64
64
64
64
64
65
65
66
67
67
69
69
71

Autovetores e Autovalores
5.1 Introduo . . . . . . . . . . . . . . . . . . . . .
5.1.1 Propriedades dos Auto-Valores . . . . . .
5.2 Mtodo de Interpolao . . . . . . . . . . . . . .
5.3 Mtodo de Householder para Matrizes Simtricas
5.3.1 Autovalores de uma Matriz Tridiagonal .
5.4 Mtodo da Potncia . . . . . . . . . . . . . . . .
5.4.1 Regular . . . . . . . . . . . . . . . . . .
5.4.2 Inverso . . . . . . . . . . . . . . . . . .
5.4.3 Deslocado (Shifted) ou Wielandt . . . . .
5.5 Mtodo da Iterao QR . . . . . . . . . . . . . .
5.5.1 Mtodo de Jacobi . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

73
73
74
75
79
83
85
86
87
88
89
89

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

5.5.2

Mtodo QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

91

Soluo de Problemas de Valores Iniciais de Equaes Diferenciais Ordinrias

93
6.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.1.1 Problema da Queda Livre . . . . . . . . . . . . . . . . . . . . . 93
6.1.2 Problema da Queda Livre com Resistncia do Ar . . . . . . . . . 94
6.1.3 Mtodos Numricos para Problemas de Valor-Inicial . . . . . . . 96
6.2 Mtodos de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2.1 Forward Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2.2 Backward Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.2.3 Mtodo de Euler Modificado . . . . . . . . . . . . . . . . . . . . 98
6.3 Mtodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3.2 Runge-Kutta de Segunda Ordem . . . . . . . . . . . . . . . . . . 100
6.3.3 Runge-Kutta de Terceira Ordem . . . . . . . . . . . . . . . . . . 100
6.3.4 Runge-Kutta de Quarta Ordem . . . . . . . . . . . . . . . . . . . 101
6.4 Mtodos Preditores-Corretores . . . . . . . . . . . . . . . . . . . . . . . 102
6.4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.4.2 Mtodo Preditor-Corretor de Adams de Terceira Ordem . . . . . 103
6.4.3 Mtodo Preditor-Corretor de Adams de Quarta Ordem . . . . . . 105
6.4.4 Vantagens e Desvantagens . . . . . . . . . . . . . . . . . . . . . 106
6.5 Equaes Diferenciais Ordinrias Rgidas . . . . . . . . . . . . . . . . . 107
6.5.1 Mtodos Implcitos . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.5.2 Mtodo Exponencial . . . . . . . . . . . . . . . . . . . . . . . . 109
6.5.3 Mtodo de Ajuste Exponencial . . . . . . . . . . . . . . . . . . . 110
6.6 Condies de Contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

Soluo de Problemas de Valores de Contorno de Equaes Diferenciais Ordinrias

113
7.1 Problemas de Valores de Contorno para Barras e Placas . . . . . . . . . . 113
7.2 Algoritmo de Soluo para Sistemas Tridiagonais . . . . . . . . . . . . . 114

Lista de Figuras
1.1
1.2
1.3
1.4

Funo f (x) com isolamento [a,c]. . . . . . . . . . . . . . . . . . . . . .

Funo f (x) com nmero de razes mpar. . . . . . . . . . . . . . . . . .
Funo f (x) com um par de razes duplas. . . . . . . . . . . . . . . . . .
Funo f (x) onde pode haver confuso entre ponto de singularidade com
uma raiz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5 Mtodo da Posio Falsa . . . . . . . . . . . . . . . . . . . . . . . . . .
1.6 A seqncia de aproximaes converge para b por um nico lado. . . . .
1.7 Eliminando o problema do ponto de estagnao. . . . . . . . . . . . . . .
1.8 Ilustrao para o mtodo de Newton. . . . . . . . . . . . . . . . . . . . .
1.9 Ilustrao para o mtodo de Newton. . . . . . . . . . . . . . . . . . . . .
1.10 Descrio do mtodo da secante. . . . . . . . . . . . . . . . . . . . . . .
1.11 Descrio do mtodo das substituies sucessivas. . . . . . . . . . . . . .

11
12
12
13
14
16
17
19

2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
2.16
2.17
2.18
2.19
2.20
2.21
2.22
2.23

rea sob a curva representando a integral . . . . . . .

Volume sob a superfcie representando a integral . . .
rea sob a reta representando a integral . . . . . . . .
rea sob a reta representando a integral com intervalos
Volume de superfcie curva . . . . . . . . . . . . . . .
Exemplo para N = 1 (trapzio) . . . . . . . . . . . . .
Outro exemplo para N = 1 (trapzio) . . . . . . . . . .
Parametrizao . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Produto escalar . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Integrao Numrica em um Domnio Bidimensional .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

26
26
27
29
29
33
33
36
37
37
37
38
39
40
40
40
41
41
43
43
44
46
47

3.1

? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

9
10
11

3.2
3.3
3.4

? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

54
58
58

4.1
4.2
4.3
4.4
4.5

?
?
?
?
?

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

63
63
63
70
71

5.1
5.2
5.3
5.4
5.5

?
?
?
?
?

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

76
77
78
85
91

6.1
6.2
6.3
6.4
6.5
6.6
6.7
6.8
6.9

Problema de queda livre . . . . . . . . . . .

Problema de queda livre com resistncia do ar
Regra de 1/3 de Simpson . . . . . . . . . . .
Regra de 3/8 de Simpson . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . .
Parametrizao . . . . . . . . . . . . . . . .
? . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

93
94
99
99
100
102
108
110
112

7.1
7.2
7.3

Problemas de Valores de Contorno para Barras e Placas . . . . . . . . . . 113

Discretizao do domnio . . . . . . . . . . . . . . . . . . . . . . . . . . 115
? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

Lista de Tabelas
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8

Exemplo de iteraes do mtodo da bisseo . . . . . . . . . .

Exemplo de iteraes do mtodo da posio falsa modificado.
Exemplo de iteraes do mtodo de Newton para x0 = 5. . . .
Exemplo de iteraes do mtodo de Newton para x0 = 10. . .
Iteraes do mtodo de Newton para x0 = 4. . . . . . . . . . .
Iteraes do mtodo de Newton para x0 = 3.6. . . . . . . . . .
Exemplo de iteraes do Mtodo das Substituies Sucessivas.
Exemplo de Forma sistemtica de encontrar f 0 (x). . . . . . . .

.
.
.
.
.
.
.
.

10
13
15
15
16
17
20
22

2.1

Frmulas abertas de Newton-Cotes. . . . . . . . . . . . . . . . . . . . .

33

5.1

Coeficientes de Markov. . . . . . . . . . . . . . . . . . . . . . . . . . .

77

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

Captulo 1
Clculo do Zeros de Funes
No-Lineares
1.1

Introduo

Raiz de funo no linear

encontrar x tal que f (x) = 0.
Exemplos:
3x4 + 3x3

16x2 + 4x + 1 = 0.

tan(x) = tanh(x).
Motivao para solues numricas:
poucas equaes no-lineares apresentam solues analticas
Mtodos numricos iterativos
Todo mtodo tem limitaes

1.2

Mtodo da Bisseo

Caractersticas do mtodo
necessita o intervalo que contm a raiz
no necessita continuidade da derivada de f (x)
aplica-se a qualquer tipo de equao, inclusive funes no analticas
baseado no fato de que quando a raiz de f (x) est em [a,c] os sinais nas duas
extremidades mudam: f (a) f (c) 0 (ver figura 1.1).

Algoritmo 1 Mtodo da Bisseo

htbp
Inicializao: i = 0, a0 = a, c0 = c
Iterao i:
1. tamanho do intervalo, si = ci

ai =

s0 (i)
2

si
tol
2
(ai + ci )
xi =
2
si s0 (i+1)
erri = =
2
2
sai
si
Se > tol, v para 3.
2

2. Se

3. Calcule
(ai + ci )
bi =
2
f (ai ) f (bi )
f (bi ) f (ci )

4. Se f (ai ) f (bi ) 0, (raiz em [ai , bi ])

faa i = i + 1, ci = bi 1 , v para 1.

Se f (bi ) f (ci ) 0, (raiz em [bi , ci ]),

faa i = i + 1, ai = bi 1 , v para 1.

Figura 1.1: Funo f (x) com isolamento [a,c].

c0 a0
tol
2n+1
a0
2(n+1)
tol

c a ln c0 a0
0
0
tol
) n + 1 log2
=
tol
ln(2)
!
c0 a0
) n ln
1
ln(2)
)

Observaes:

c0

aps n iteraes o tamanho do intervalo

(c

o erro mximo na n-sima iterao errn =

a)0
2n
sn
s0
= (n+1)
2
2

Se tol dada, o nmero de iteraes necessrias dado por

c0 a0
< tol
2(n+1)

ou

c a
0
0
tol
ln(2) 1
ln

n
Exemplo 1.1
c0
n

a0 = 1 e tol = 0.0001
1
ln( 0.0001
)
ln(2)

1 = 13.28

1 = 12.28

n = 13 ( 14a iterao )

Iterao
0
1
2
3
4
5
6
7

a
0
0
0.5
0.5
0.625
0.6875
0.6875
0.6875

b
1
0.5
0.75
0.625
0.6875
0.7187
0.7031
0.6953

c
2
1
1
0.75
0.75
0.75
0.7187
0.7031

f(a)
-1
-1
-0.3512
-0.3512
-0.1317
-0.0112
-0.0112
-0.0112

f(b)
0.7182
-0.3512
0.1170
-0.1317
-0.0112
0.0518
0.0200
0.0043

f(c)
5.3890
0.7182
0.7182
0.1170
0.1170
0.1170
0.0518
0.0200

Erro mximo
1
0.5
0.25
0.125
0.0625
0.03125
0.015625
0.0078125

Tabela 1.1: A oitava aproximao da raiz x = 0.6953 o mximo erro possvel 0.0078 <
0.01.
Exemplo 1.2
A raiz de f (x) = e x x = 0 est no intervalo [0,2]. Encontre uma aproximao da
raiz dentro de uma tolerncia de 0.01 pelo mtodo da bisseo.
Soluo:
1. Soluo exata: e x

2 = 0 ) e x = 2 ) x = ln 2 = 0.6931

2. Soluo pelo mtodo da bisseo (ver tabela 1.1)

Notas:
1. O critrio f (a) f (b) 0 satisfeito sempre que o nmero de razes no intervalo
for mpar. Assim o mtodo encontra uma das razes (ver figura 1.2).

Figura 1.2: Funo f (x) com nmero de razes mpar.

2. O mtodo da bisseo no pode encontrar um par de razes duplas porque a funo
tangencia o eixo x (ver figura 1.3).
3. O mtodo pode confundir um ponto de singularidade com uma raiz. Para evitar que
isso acontea, verifique se | f (c) f (a)| = 0 a medida que o processo avana (ver
figura 1.4).
4. Quando no se tem informao prvia sobre valores aproximados das razes, uma
maneira fcil de encontrar intervalos contendo razes imprimir uma tabela da funo para valores de x igualmente espaados ou plotar a funo utilizando computao grfica.
10

Figura 1.3: Funo f (x) com um par de razes duplas.

Figura 1.4: Funo f (x) onde pode haver confuso entre ponto de singularidade com uma
raiz.
Nota falada do professor:
Antes de iniciar o mtodo deve-se identificar por tabela ou grfico os intervalos que
contm razes.
O mtodo encontra a raiz de uma funo se a raiz existir no intervalo dado.
O mtodo encontra a raiz de uma funo mesmo quando a funo no analtica.
O mtodo no distingue entre uma raiz e um ponto de singularidade.

1.3
1.3.1

Mtodos da Posio Falsa e da Posio Falsa Modificado

Mtodo da Posio Falsa

1. Esse mtodo difere do mtodo da bisseo apenas na forma como o ponto b calculado.
y = f (a) +

f (c)
c
11

f (a)
(x
a

a)

(1.1)

Figura 1.5: Mtodo da Posio Falsa

Para y = 0 na equao 1.1 temos:
b=a

c
f (c)

a
a f (c)
f (a) =
f (a)
f (c)

b=

a f (c)
f (c)

c f (a)
f (a)

c f (a)
f (a)

2. Quando estagnao de um ponto de extremidade ocorre, isto , quando a seqncia

de aproximaes b1 , b2 , b3 , ... converge para b por um nico lado, a convergncia
prejudicada (ver figura 1.6).

Figura 1.6: A seqncia de aproximaes converge para b por um nico lado.

1.3.2

Mtodo da Posio Falsa Modificado

Esse mtodo elimina o problema de ponto estagnado. Cria-se um contador para verificar quantas vezes o ponto permaneceu um ponto de extremidade. Se o ponto permanecer
ponto extremo por mais de duas vezes, divide-se o valor de f (estagnado) por dois.
12

Figura 1.7: Eliminando o problema do ponto de estagnao.

Exemplo 1.3
x

Usando o mtodo da posio falsa, encontre a menor raz positiva de f (x) = tan(x)
0.5 = 0, com = 0.00001. Sabendo-se que ela se encontra em 0.1 < x < 1.4.
Iterao
0
1
2
3
4
5
6
7
8

a
0.01
0.24771
0.48102
0.77533
0.77533
0.95842
0.97374
0.97374
0.97501

b
0.24771
0.48102
0.77533
1.0110
0.95842
0.97374
0.97603
0.97501
0.97502

c
1.4
1.4
1.4
1.4
1.0110
1.0110
1.0110
0.97603
0.97603

f(a)
-0.49967
-0.49481
-0.45911
-0.29527
-0.29527
-0.034845
-0.0027664
-0.0027664
-0.0000061

f(b)
-0.49481
-0.45911
-0.29527
0.084850
-0.034845
-0.0027664
0.0021981
-0.0000061
0.0000000

f(c)
3.8979
1.9489
0.97447
0.48724
0.084850
0.084850
0.042425
0.0021981
0.0021981

Tabela 1.2: Exemplo de iteraes do mtodo da posio falsa modificado.

MAX = 0.97603 0.97502 = 0.00101
= 0.97502 0.97501 = 0.00001

1.4
1.4.1

Mtodo de Newton
Caractersticas

Necessita uma aproximao inicial da raz desejada.

Usa a reta tangente calculada analiticamente.
Pode ser aplicado para o clculo de razes complexas.
Derivado a partir da expanso de Taylor.

13

1.4.2

Descrio do Mtodo
f (x) = 0 = f (x0 + f 0 (x0 ) (x
!
f (n) (x0 )
n
h
n!

x0 )) + O(h2 )

(1.2)

onde h = x x0 .
Desprezando O(h2 ) e resolvendo 1.2, temos:

f (x0 )
(1.3)
f 0 (x0 )
Devido ao erro de truncamento, x encontrado em 1.3 no a soluo de 1.2, mas
uma melhor aproximao do que x0 .
x = x0

Figura 1.8: Ilustrao para o mtodo de Newton.

xi = xi

f (xi 1 )
f 0 (xi 1 )

Notas:
i). O clculo de f 0 (x) pode ser difcil ou impossvel. Nesses casos utiliza-se aproximao por diferenas finitas:
+ h) f (xi 1 )
onde h um valor pequeno.
h
f (xi 1 ) f (xi 1 h)
Backward ! f 0 (xi 1 )
h
Forward ! f 0 (xi 1 )

f (xi

ii). Pequenos erros no clculo de f 0 (xi 1 ) no afetam muito a taxa de convergncia.

iii). Se f (x) no tem ponto de singularidade na vizinhana da raiz, as duas aproximaes
por diferenas finitas funcionam bem.
iv). Este mtodo de primeira ordem porque utiliza a primeira derivada.
v). Mtodos de segunda ordem teriam uma convergncia mais rpida, mas o clculo
de derivada segunda, geralmente, elimina a vantagem sobre o mtodo de primeira
ordem.
14

Exemplo 1.4
Derive um esquema iterativo baseado no mtodo de Newton para encontrar a raiz
cbica de um nmero. Encontre a raiz de 155.
Soluo:
p3
a = x ) x3 = a ) f (x) = x3 a
Aplique o mtodo de Newton
xn+1 = xn

xn+1 =
Clculo de

p3
155 ) a = 155.

f (xn )
= xn
f 0 (xn )

xn3 a
3 xn2

2
a
xn +
3
3 xn2

i). Estimativa inicial x0 = 5:

n
0
1
2
3

x
5
5.4
5.371834
5.371685

xn |
0.4
0.028
0.00014

|xn+1

Tabela 1.3: Exemplo de iteraes do mtodo de Newton para x0 = 5.

ii). Estimativa inicial x0 = 10:
n
0
1
2
3
4
5

x
10
7.183334
5.790176
5.401203
5.371847
5.371686

|xn+1

xn |

2.816666
1.393158
0.388973
0.029383
0.000161

Tabela 1.4: Exemplo de iteraes do mtodo de Newton para x0 = 10.

Exemplo 1.5
Encontre a primeira raiz positiva de y = tan(x)
Soluo:
y0 =

1
cos2 (x)

xn+1 = xn

0.5 x pelo mtodo de Newton.

0.5 = tan2 (x) + 0.5

tan(xn ) 0.5 xn
tan2 (xn ) + 0.5
15

Figura 1.9: Ilustrao para o mtodo de Newton.

n
0
1
2
3
4
5
6

x
4
4.458280
4.352068
4.288511
4.275191
4.274782
4.244782

xn |
0.458280
0.106212
0.033557
0.013320
0.000409
0.000000

|xn+1

Tabela 1.5: Iteraes do mtodo de Newton para x0 = 4.

i). = 0.0001
ii). x0 = 4
iii). = 0.0001
x0 = 3.6
OBS:
i). O mtodo necessita de uma boa estimativa inicial, caso contrrio a soluo iterativa
pode divergir ou convergir para uma soluo irrelevante.
ii). A taxa de convergncia elevada medida que se aproxima da soluo.
Suponha que x seja a soluo.
f (x) = f (xi ) + f 0 (xi ) i +
f 0 (xi ) =

f 0 (xi ) i

1
f 00 (xi ) i2 + ... = 0
2

1
f 00 (xi ) i2
2

Mtodo de Newton ) xi+1 = xi

f (xi )
f 0 (xi )
16

n
0
1
2
3
4
5
6
7
8
9

x
3.6
5.358891
7.131396
8.494651
10.92057
10.87581
10.83419
10.81511
10.81269
10.81267

|xn+1

xn |

1.758891
1.772505
1.363255
2.425919
0.04476
0.04162
0.01908
0.00242
0.00002

Tabela 1.6: Iteraes do mtodo de Newton para x0 = 3.6.

x

xi+1 = x

f 00 (xi )
2
2 f 0 (xi ) i

i+1 = i2

1.5
1.5.1

f (xi )
)
f 0 (xi )

f 0 (xi ) i
f 0 (xi )

) i+1 = i
) i+1 =

xi +

f 00 (xi ) i2
)
2 f 0 (xi )

f 00 (x)
2 f 0 (x)

Mtodo da Secante
Caractersticas

Necessita de duas aproximaes iniciais da raiz desejada

Usa a reta secante passando por dois valores de f consecutivos no processo iterativo.

1.5.2

Descrio

Figura 1.10: Descrio do mtodo da secante.

17

Considerando-se h = xn
f 0 (xn 1 ) temos:

xn 2 e utilizando-se backward diferena finita para calcular

f 0 (xn 1 ) =

xn = xn

f (xn 1 )
xn 1

f (xn 1 )
xn
f 0 (xn 1 )

xn = xn

xn
fn

f (xn 2 )
xn 2
f (xn 1 )
f (xn 1 ) f (xn 2 )
xn 1 xn 2

1
1

xn
fn

2
2

fn

n = 2, 3, ...

1.6
1.6.1

Mtodo das Substituies Sucessivas (Iterao de Ponto

Fixo)
Descrio

Dado f (x) ) f (x) = 0 rearranja-se f (x) = 0 na forma:

x = f (x)
Assim, pode-se escrever um mtodo iterativo como:
xi = f (xi 1 )

1.6.2

Caractersticas

Necessita de uma estimativa incial.

Tem a vantagem de ser simples.
Flexibilidade na escolha de f .
Para garantir convergncia f 0 (x) < 1 deve ser satisfeita na vizinhana da raiz.
0 < f 0 < 1 ) convergncia assinttica.

1 < f 0 < 0 ) convergncia oscilatria.

18

Figura 1.11: Descrio do mtodo das substituies sucessivas.

1.6.3

Notas

i). Se xn 2 e xn 1 se tornarem muito prximos, yn 2 e yn 1 tambm se tornam prximos

xn 1 xn 2
e erro de arredondamento significativo ocorre na diviso
. Para evitar
fn 1 fn 2
isso:
Quando | fn | < :

(a) congela-se xn 2 e yn 2
(b) ou xn 2 e fn 2 so trocados por xn 2 + f (xn 2 + ) onde pequeno
mas suficientemente grande para evitar erro de arredondamento.

ii). O mtodo pode divergir ou convergir para uma soluo irrelevante se as aproximaes iniciais no forem boas.
iii). O mtodo uma variao, computacionalmente mais eficiente, do mtodo de Newton.
Exemplo 1.6
f (x) = x2 3 x + e x 2 tem duas razes, uma negativa e outra positiva. Encontre a
menor raiz pelo mtodo das substituies sucessivas.
19

Soluo:
1. Tente determinar um intervalo que contm a raiz:
Para x = 0 ) f (0) = 1.

Para x = 1 ) f ( 1) = 2.367.

Se f (x) for contnua nesse intervalo a curva cortar o eixo dos x.

2. Reescreva f (x) = 0 na forma x = f (x):
x2

3 x + ex

2=0)x=

x2 + e x
3

3. Mtodo iterativo:
xi2 1 + e xi
xi =
3
onde f (x) =

x2 + e x
3

4. Verifique condio de convergncia | f 0 (x)| < 1

f 0 (x) =

1
(2 x + e x )
3

1
(2 x + e x ) < 1
3
1
) 3 < (2 x + e x ) < 3
3
8x 2 [ 1, 0] ) 1.63 2 x + e x 1
1<

Concluso: O critrio convergente no intervalo.

5. Aplique o mtodo iterativo com x0 = 0.
n
0
1
2
3
4
5

xn
0
-0.333333
-0.390786
-0.390254
-0.390272
-0.390272

Tabela 1.7: Exemplo de iteraes do Mtodo das Substituies Sucessivas.

Resposta: Soluo de f (x) = 0
x = 0390272 (ver tabela 1.7)
Outras opes para f 0 (x) :
20

x=

3x

ex + 2

e
x=

p
3x

ex + 2

1
3 ex
f 0 (x) = p
2
3 x ex + 2
Para x = 0 ) f 0 (0) = 12

3p 1
1

= 1

1 1
3
x = 1 ) f 0 ( 1) = p
2 2
3

1.32
=p
1.37
e 1+2

Critrio de convergncia no satisfeito.

f 0 (x) singular na vizinhana da raiz.

1.6.4

Forma sistemtica de encontrar f 0 (x)

f (x) = x

f (x) ) f (x) = 1

f 0 (x)

Assim, o esquema iterativo pode ser escrito como

xn = xn

f (xn 1 )

()

onde = constante .
OBS: Se o esquema converge, x satisfaz f (0) = 0 .
Critrio de convergncia:
1<1

f 0 (x) < 1

ou
0 < f 0 (x) < 2

()

deve ter o mesmo sinal de f 0 (x)

para 0 ) (*) sempre converge
se

f 0 (x)

h
|{z}

, a convergncia tima e o mtodo se reduz ao

para cada iterao

mtodo de Newton.

21

Exemplo 1.7
Seja
f (x) = tan (0.1 x)

9.2 e

Determine a menor raiz positiva sabendo-se que ela se encontra em [3, 4]

Soluo:

Aproximao de f 0 no intervalo [3, 4] :

f0 =

f (4)
4

f (3)
= 0.40
3

= 0.40299

1
1
=
= 2.4814
0
f
0.40299

xn = xn

9.2 e x ]

2.4814 [tan (0.1 x)

n
0
1
2
3
4
5
6
7

xn
4
3.36899
3.28574
3.29384
3.28280
3.29293
3.29292
3.29292

Tabela 1.8: Exemplo de Forma sistemtica de encontrar f 0 (x).

x = 3.29292
Nota: O mtodo de Newton e o mtodo da Secante so casos particulares do mtodo
das substituies sucessivas.

1.7
1.7.1

Mtodo de Bairstow
Caractersticas do mtodo

um mtodo especializado para determinao das razes de um polinmio.

O mtodo apresenta problemas de preciso e no funciona sempre.
um mtodo iterativo para o clculo de um fator quadrtico P (x) = (x2 + p x + q) ? (x) + R (x)+?
| {z }
, p e q devem ser escolhidos para que o resto seja 0 .

Aplicando-se o mtodo repetidamente o polinmio original ?deplacionado?.

22

1.7.2

Descrio

Qualquer polinmio
P (x) = a0 + a1 x0 + a2 x2 + . . . + an xn

(1.4)

Pode ser escrito na forma:

P (x) = (x2 + p x + q) G (x) + R (x)

(1.5)

onde:
p e q so arbitrrios
G (x) de ordem n

R (x) o resto (polinmio de ordem 1)

2
Se p e q so encontrados da forma que R (x) = 0 , ento
) ( xp + p x + q ) um
x1
p p2 4 q
fator quadrtico cujas razes so x1 , x2 da soluo de
=
.
2
x2

G (x) = b2 + b3 x + b4 x2 + . . . + bn

xn

+ bn x n

R (x) = b0 + b1 x

(1.6)
(1.7)

Como b0 e b1 dependem de p e q , podemos escrever:

b0 = b0 (p, q)
b1 = b1 (p, q)

(1.8)

Problema: encontrar p = p e q = q tal que R(x) = 0 . R (x) s pode ser nulo

se:
b0 (p, q) = 0
b1 (p, q) = 0

Sistema de Equaes

Resoluo do sistema:
(

b0 (p, q) = 0
b1 (p, q) = 0

Pelo o mtodo de Newton.

Soluo:
Suponha que (p, q) seja uma aproximao da soluo (p, q). A expanso de primeita
ordem em srie de Taylor
8
@b0
@b0
>
>
>
b
(p,
q)

b
(p,
q)
+
p
+
q=0
>
0
0
>
>
@p
@q
>
>
<
>
>
>
>
>
@b1
@b1
>
>
>
: b1 (p, q) b1 (p, q) + @p p + @q q = 0
23

p=p
Assim,

p e

q=q

q
8
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
:

@b0
@p

p+

@b0
q = b0 (p, q)
@q

@b1
@p

@b1
p+
q = b1 (p, q)
@q

(1.9)

Derivao de uma forma explcita para o sistema

Eq. 1.6 e 1.7 ) 1.5
b2 x2 +
b3 x3 + . . . + bn 1 xn 1 + bn xn
p b2 x + p b3 x2 + p b4 x3 + . . . + p bn xn 1
+
q b2 + q b3 x + q b4 x2 + q b5 x3 + . . .
+ q bn xn 2
b0 +
b1 x
(b0 + q b2 ) + (q b3 + p b2 + b1 ) x + (b2 + p b3 + q b4 ) x2 + . . . + (bn 2 + p bn 1 + q bn ) xn 2 +
(bn 1 + p bn ) xn 1 + bn xn = P (x)
(1.10)
Comparando-se 1.10 com 1.4:
8
>
bn = an
>
>
>
>
>
>
bn 1 = an 1 p bn
>
>
>
>
>
bn 2 = an 2 p bn 1 q bn
>
>
>
< b
p bn 2 q bn 1
n 3 = an 3
(1.11)
>
>
>
.
>
>
.
>
.
>
>
>
>
>
b
= a2 p b3 q b4
>
2
>
>
>
: b1 = a1 p b2 q b3
Derivando 1.11 com relao a p temos
8
>
(bn ) p = 0
>
>
>
>
>
(bn 1 ) p = bn
>
>
>
>
>
(bn 2 ) p = bn 1
>
>
>
>
>
>
< (bn 3 ) p = bn 2
>
..
>
>
>
.
>
>
>
>
>
(b2 ) p = b3
>
>
>
>
>
(b1 ) p = b2
>
>
>
: (b )
=
0 p

Derivando 1.11 com relao a q temos:

24

p (bn ) p
p (bn 1 ) p
p (bn 2 ) p
p (b3 ) p
p (b2 ) p

q (bn ) p
q (bn 1 ) p
q (b4 ) p
q (b3 ) p
q (b2 ) p

(1.12)

Implementao:

8
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
:

(bn )q
(bn 1 )q
(bn 2 )q
(bn 3 )q
..
.
(b2 )q
(b1 )q
(b0 )q

= 0
= 0
= bn
=
p (bn 2 )q
=
=
=

p (b3 )q
p (b2 )q

bn
b4
b3
b2

q (bn 1 )q

(1.13)

q (b4 )q
q (b3 )q
q (b2 )q

1. Com estimativas iniciais de p e q, calcule b0 e b1 utilizando equao 1.11

2. Calcule (b0 ) p , (b1 ) p , (b0 )q e (b1 )q pelas equaes 1.12 e 1.13. OBS: Todas as equaes em 1 e 2 so calculadas recursivamente.
3. Resolve o sistema 1.9 para p

q.

4. Obtenha p e q
p= p+ p
q=q+ q
O procedimento de 1 a 4 iterativo com novas estimativas de p e q a cada iterao.

1.7.3

Notas

Com a aplicao repetida do mtodo, o erro no clculo dos polinmios ?defacionados? e dos fatores quadrticos.
A preciso das razes pode ser pobre, assim a preciso deve ser melhorada por outro
mtodo.
A iterao pode no convergir em ?

25

Captulo 2
Integrao Numrica
2.1

Introduo

I=

f (x) dx

Figura 2.1: rea sob a curva

representando a integral

I=

b
a

v (x)

u (x)

f (x, y) dy dx

Figura 2.2: Volume sob a superfcie representando a integral

26

 Integrao numrica pode ser usada para integrar funes analticas ou funes
dadas em forma tabular.
utilizada quando somente o valor numrico da integral desejado.

2.2

Regra do Trapzio

I=

b
a

f (x) dx =

a
2

[ f (a)+ f (b)]+E
(2.1)

onde E = erro .
Figura 2.3: rea sob a reta representando
a integral

2.2.1

Erro da Regra do Trapzio

E=

f (x) dx

a
2

[ f (a) + f (b)]

Expanso de Taylor de f (x) na vizinhana de x =

f (x) = f (x) +

f 0 (x)
(x
1!

x) +

a+b
2

f 00 (x)
(x
2!

x)2 + . . .

Assim,
Z

8
9
8
b
>
>
>
2 b
00
>
>
>
x
f
(x)
<
< x3
b=
f (x) dx = f (x) x |ba + f 0 (x) >
x
x
+
x x2
|
>
a>
>
>
>
:2 a
;
:
2
3 a
8
9
>
>
>
>
>
>
>
>
>
>
(b
a)
(b
+
a)
<
=
0
= f (x) (b a) + f (x) >
x
(b
a)
+
>
>
>
>
>
1
2 }
>
>
>
>
|
{z
:
;
x
(
)
f 00 (x) b3 a3
+
x (b2 a2 ) + x 2 (b a)
2
3
1 00
= f (x) (b a) +
f (x) (b a)3 + . . .
24

27

b
a

9
>
>
=
x 2 x |ba >
>
;

(2.2)

8
2
3
2
32
>
666
777
666
777
>
>
>
666
777
666
7
>
>
>
b a
b a <
a + b 777 1 00 666
a + b 77777
666
0
[ f (a) + f (b)] =
f (x) + f (x) 666a
7 + f (x) 666a
7 + ...
>
>
2
2 >
666| {z2 }77777 2
666| {z2 }77777
>
>
>
4 1
5
4 1
5
>
:
(b a)
(b a)
2

2
3
666
777
666
7
a + b 77777
666
0
+ f (x) + f (x) 666b
7+
666| {z2 }77777
4 1
5
2

1
2

(b a)

2
32 9
666
777 >
>
>
666
777 >
>
>
>
a
+
b
6
7
6
7
00
777 =
f (x) 6666b
>
>
666| {z2 }7777 >
>
>
4 1
5 >
>
;
2

1
=
2 f (x) + f (x) (b a)2 + . . .
2
4
1 00
= f (x) (b a) + f (x) (b a)3 + . . .
8
00

00

E f (x) (b
(2.2)
Se h =

a
N

a)

1
24

!
1

, ento

N
1 (b a)3 X 00
f (xi )
12 N 3
i=1

1
(b
12

a) h2 f

onde
f

2.2.2

00

N
X
f 00 (xi )
=
N
i=1

Mltiplos Intervalos

n = nmero de intervalos = nmero de trapzios

h = altura dos trapzios =

Suponha:

28

1 00
f (x) (b
12

1 00
f (x) h3
12

(2.3)

(b a)

00

(2.3)
a)3

Figura 2.4: rea sob a reta representando a integral com intervalos

1
1
f (a) + f (a + h) h +
f (a + h) + f (b) h
2
2

h
=
f (a) + 2 f (a + h) + f (b)
2

n=2)I =

1
1
1
f (a) + f (a + h) h +
f (a + h) + f (a + 2 h) h +
f (a + 2 h) + f (b) h
2
2
2

h
=
f (a) + 2 f (a + h) + f (a + 2 h) + f (a + 3 h) + f (b)
2

n=3)I =

n=4)I =

h
f (a) + 2 f (a + h) + f (a + 2 h) + f (a + 3 h) + f (b)
2
n=N)

Exemplo 2.8

8
9
N 1
>
X
>
>
h>
<
=
I= >
f
(a)
+
2
f
(a
+
i
h)
+
f
(b)
>
>
>
;
2:
i=1

Figura 2.5: Volume de superfcie curva

f (x) = 1 +
Calcule o volume

x 2
2

29

, 0x2

(2.4)

V =

r dx =

"

#
5

x3 x
= x+
+
6 80
?

2.3

"

x2
1+
4

2
0

#2

dx =

!
x2 x4
1+
+
dx
2 16

!0
23 25
= 2+
+
= 11.7286
6 80

Regra 13 de Simpson

1. Polinmio interpolante, ?:
s

2
f0 +
f1 +
f2
0
1
2
1
g (x0 + s h) = 1 f0 + s ( f1 f0 ) + s (s 1) ( f2 2 f1 + f0 )
2

g (x0 + s h) =

g (x0 + s h) = f0 + ( f1

f0 ) s +

1
( f2
2

2 f1 + f0 ) (s2

s)

2. Integrando o polinmio quadrtico, temos:

I=

x2
x0

I =

2.3.1

g (x) dx

2
0"

x = x0 + h s
dx = h ds

x = x0 ! s = 0
x = x2 ! s = 2

g (x0 + s h) h ds
s2 1
f0 ) + ( f2
2 2

= h f0 s + ( f1
2
666
666
4 1
6
= h 666662 f0 + ( f1 f0 ) + ( f2
2 2
666
4
"
1
= h 2 f0 + 2 f1 2 f0 + f2
3

h
=
f0 + 4 f1 + f2
3

!#
s3 s2
2 f1 + f0 )
2 13
0 3
BBB
CCC777
BBB
C7
BBB 8 8 CCCCC77777
2 f1 + f0 ) BBB
C7
3 4 CCCCC77777
BBB |{z}
@ 16 12 4 2 A5
# 6 =6=3
2
1
f1 + f0
3
3

2
0

Erros das Regras de Simpson

1
h5 (IV)
Simpson: E
f (x)
3
90
OBS: Se f (x) for polinmio de grau 3 ento f (IV) (x) = 0 e consequentemente
o erro zero.
30

 Regra

1
de Simpson estendida:
3
E (b

a)

h4 (IV)
f
180

onde:
f

3
Simpson:
8

Regra

2.4

(IV)

N/2 (IV)
X
f (xi )
=
(N/2)
i=1

3 5 (IV)
h f (x)
80

3
de Simpson estendida: E
8

3
(b
240

a) h4 f

(IV)

Integrao de Romberg

Suponha que In seja o resultado da integrao pela regra do trapzio estendida com
(b a)
k=
N
(b a)
Suponha que I2n seja o resultado para h =
.
(N/2)
Assim,
Eh
E2 h

1
(b
12
1
(b
12

00

a) f h2 C h2
00

a) f (2 h)2 4 C h2

(2.5)
(2.6)

A integral exata
I = Ih + Eh = I2 h + E2 h

(2.7)

Assim,
Eh

E2 h = I2 h

Ih

(2.8)

Eq. 2.5 e 2.6 ! 2.8 )

C h2
) C=

4 C h2 = I2 h

1 2
h (Ih
3

Eh

1
(Ih
3

I2 h )

I2 h )

I = Ih + Eh Ih + 13 (Ih
31

Ih

I2 h )

Exemplo 2.9
I0.5 = 11.9895
"
N=2

I0.25 = 11.7940
"
N=4

h = 0.25
I = 11.7940 +

2.5

1
(11.7940
3

11.9895) 11.7288
"
I0.0156
"
N = 128

Frmulas de Newton-Cotes

Os mtodos de integrao derivados a partir da integrao das frmulas de interpolao de Newton so as frmulas de integrao de Newton-Cotes.
1. As frmulas fechadas de Newton-Cotes so aquelas onde as extremidades do intervalo de integrao so utilizados como pontos amostrais.
Z

f (x) dx = h w0 f0 + w1 f1 + w2 f2 + . . . + wn fn + E

onde e w so constantes e

fi = f (xi ) ,

xi = a + i h ,

wi , i = 0 , . . . , N

1/2

11

1/3

141

3/8

1331

2/45

7 32 12 32 7

h=

(b

a)
N

E
1 3 00
h f
12
1 5 (iv)
h f
90
3 5 (iv)
h f
80
8 7 (vi)
h f
945

2. As frmulas abertas so aquelas que os limites de integrao inferior e superior

esto distantes h do primeiro ponto e do ltimo ponto. Por exemplo, para n = 1
(trapzio).
Z

f (x) dx = h w0 f0 + w1 f1 + . . . + wn+2 fn+2 + E

32

Figura 2.6: Exemplo para N = 1 (trapzio)

N

wi , i = 0 , . . . , N + 2

3/2

0110

4/3

0 2 -1 2 0

5/24

0 11 1 1 11 0

6/20

0 11 -14 26 -14 11 0

E
1 3 00
h f
4
28 5 (iv)
h f
90
95 5 (iv)
h f
144
41 7 (vi)
h f
140

Tabela 2.1: Frmulas abertas de Newton-Cotes.

Exemplo 2.10
N=1
I = rea do trapzio

1
1
( f0 + f3 ) 3 h = ( f1 + f2 ) 3 h
2
2

3
h [0 f0 + 1 f1 + 1 f2 + 0 f3 ]
2

N = 2 ! g (x1 + s h) = f1 + ( f2
x = x1 + h s
x = x0 ! s = 1
x = x4 ! s = 3

x4
x0

f1 ) s +

g (x) dx =
=

3
1

1
( f3
2

2 f2 + f1 ) (s2

g (x1 + s h) h ds

4
h {0 f0 + 2 f1
3

1 f2 + 2 f3 + 0 f4 }

Figura 2.7: Outro exemplo para N = 1 (trapzio)

33

s)

2.6
2.6.1

Quadraturas de Gauss
Quadraturas de Gauss-Legendre

1. OBS:
(a) So mtodos numricos de integrao que utilizam os pontos de Legendre
(razes dos polinmios de Legendre)
(b) Apropriadas para funes analticas.
(c) Preciso muito maior do que as frmulas de Newton-Cotes.
(d) Os pontos de Legendre no so regularmente espaados.
2.

(a) Erro da Regra do Trapzio proporcional a f 00 . Assim, se f (x) for polinmio

at ordem 1, o erro nulo.
(b) Erro da Regra do Trapzio proporcional a f IV . Assim, integra exatamente
polinmios de at ordem 3.
(c) As frmulas de Newton-Cotes com n mpar integram exatamente polinmios
de ordem n e as com n par integram exatamente polinmios de ordem n + 1.
(d) Vamos tentar uma frmula de integrao com dois pontos que integre exatamente um polinmio de ordem 3 (3 pontos [N-Cotes n = 2] ou 4 pontos
[N-Cotes n = 3]).
I=

1
1

f (x) dx = w1 f (x1 ) + w2 f (x2 ) + E

(2.9)

Queremos E = 0 para f (x) = 1, f (x) = x, f (x) = x2 e f (x) = x3 .

Assim,
R1
1 dx
R 11
x dx
R 11
x2 dx
1
R1
x3 dx
1

= 2 = w1 + w2
= 0 = w1 x1 + w2 x2
2
= = w1 x12 + w2 x22
3
= 0 = w1 x13 + w2 x23

(a)
(b)
(c)
(d)

os limites de integrao so simtricos em relao a x =?.

Assim, faamos x1 e x2 simtricos em relao a x = 0
x2 = x1
(2.12.b) ) w1 x1 w2 x1 = x1 (w1 w2 ) = 0
(2.12.a) ) w1 + w2 = 2 , 0 ) w1 = w2 = 1
Com estes valores (2.12.d) fica automaticamente satisfeita
34

(2.10)

0 = 1 x13 + 1 ( x1 )3 = x13
(2.12.c) )

x13

2
1
= x12 + ( x1 )2 = 2 x12 ) x12 =
3
3

1
x1 = p
3
1
x2 = p
3
Para n pontos de integrao x1 , x2 , ... xn so as razes do polinmio de Legendre de
ordem n.
Z

1
1

f (x) dx

N
X

wk f (xk )

k=1

Polinmio de Legendre de ordem n.

Pn (x) =

1 d N (x2 1)N
2N N!
dxN

1
(x2 1)0 = 1
0!
1 d 2
P1 (x) = 1
(x 1)1 = x
2 1! dx
1 d2 2
1
P2 (x) = 2
(x 1)2 = (3 x2
2
2 2! dx
2
P0 (x) =

N=2
N=3
N=4
..
.

20

xi
( 0.577350269
0
( 0.774596669
0.339981043
0.861136312
..
.

I =

b
a

wi
1.0
0.888888889 = 8/9
0.555555556 = 5/9
0.652145155
0.347854845
..
.

f (x) dx =
a

2
b
2

1
1

N
a X

35

k=1

f () d
wk f (k )

1)

a+b
b a
x =
+
2
2
b a
dx =
d
2

Figura 2.8: Parametrizao

Exemplo 2.11

I=

b=2
a=0

[1 + (x/2)2 ]2 dx

0+2 2 0
+
=1+ ) x=1+
2
2
dx = d
x

n = 2 integra exatamente 2n

1=4

1=3

n = 3 integra exatamente polinmio de grau 5.

Como o integrando polinmio de grau 4 utilizaremos n = 3

n

o2
1 = 0.774596669 ! f1 = 1 + (1 + 1 )/2 2 = 3.2219064
?

w1 = 5/9

5
8
5
3.2219064 + 4.9087385 + 10.0356146
9
9
9
= 11.7286

I =

3. Provar que, se f (x) for um polinmio de ordem 2n 1 ou menor, a quadratura de

Gauss de ordem n exata.
R1
Prova: Suponha que f (x) em
f (x) dx seja um polinmio de ordem 2n 1.
1
Assim,
f (x) = c (x) PN (x) + r (x)
onde Pn (x) o polinmio de Legendre de ordem n
Z

1
1

f (x) dx =

Z
|

1
1

c (x) PN (x) dx
{z
}

= 0, pois o polinmio PN
ortogonal a todos os
polinmios de ordem < N

36

(2.11)

1
+

1
1

r (x) dx

(2.12)

R1

8
>
>
>
>
>
<
Pm (x) dx = >
>
>
>
>
:

para n , m

2
2n + 1
{z

(2.13)
para m = n

ortogonalidade dos polinmios de Legendre

1
1

f (x) dx =

1
1

r (x) dx

(2.14)

Se xi uma das razes do polinmio de Legendre Pn , ento:

f (xi ) = c (xi ) Pn (xi ) + r (xi ) ) f (xi ) = r (xi )
| {z }

(2.15)

O polinmio r (x) de ordem N 1 pode ser expresso exatamente pela interpolao de Lagrange de ordem N 1 (precisa de N pontos amostrais)

Exemplo 2.12

2 N
N 6 Y
X
666
x
664
r (x) =
x
i=1 j=1 j,i i

3
x j 7777
77 r (xi )
xj 5

r1

x x2 x x3 x x4
x1 x2 x1 x3 x1 x4

r2

x x1 x x3 x x4
x2 x1 x2 x3 x2 x4

r3

x x1 x x2 x x4
x3 x1 x3 x2 x3 x4

(2.16)

Figura 2.9: ?

Figura 2.10: ?

Figura 2.11: ?
Se os pontos amostrais forem as N razes de PN (x) , ento, pela equao 2.15
37

r4

x x1 x x2 x x3
x4 x1 x4 x2 x4 x3

Figura 2.12: ?

Assim 2.17 ! 2.14 )

Z

2.6.2

1
1

f (x) dx =

2 N
N 6 Y
X
666
x
664
r (x) =
x
i=1 j=1 j,i i
Z

1
1

r (x) dx =

N
X
i=1

3
x j 7777
77 f (xi )
xj 5

(2.17)

Z 1 26 Y
666 N x
664
f (xi )
1 j=1 j,i xi
|
{z
wi

Outras Quadraturas de Gauss

3
x j 7777
77 dx
xj 5
}

(a) Gauss-Hermite: apropriadas para integrais da forma

I=
N
2
3
4
5

x2

f (x) dx

Pontos de Hermite: xi
0.70710678
0.00000000
1.22474487
0.52464762
1.65068012
0.00000000
0.95857246
2.02018287

N
X

wk f (xk )

k=1

Pesos de Hermite: wi
0.88622692
1.18163590
0.29540897
0.80491409
0.08131283
0.94530872
0.39361932
0.01995324

(b) Gauss-Laguerre: apropriadas para integrais da forma

I=
N
2
3
4

1
0

f (x) dx

Pontos de Laguerre: xi
0.58578643
3.41421356
0.41577455
2.24428036
6.28994508
0.32254768
1.74576110
4.53662029
9.39507091

38

N
X

wk f (xk )

k=1

Pesos de Laguerre: wi
0.85355339
0.14644660
0.71109300
0.27851973
0.01038926
0.60315410
0.35741869
0.03888791
0.00053929

(c) Gauss-Chebyshev: apropriadas para integrais da forma

I=
onde xk = cos

k 1/2
N

1
1

p
1

1
x2

f (x) dx

N
X

wk f (xk )

k=1

, k = 1, 2, . . . , N
wk =

8k

Assim,
I=

1
1

1
1

N
X
f (x) dx
f (xk )
N k=1
x2

Nota: todas as trs quadraturas sero exatas se f (x) for um polinmio de ordem
2n 1

2.7

Roteiro da Aula

1. Falar sobre produto escalar de dois vetores:

~ B
~ = |A|
~ | B|
~ cos
A

Figura 2.13: Produto escalar

~ B
~=
A

N
X

Ai Bi

i=1

Se
~ B
~ = 0 ) cos = 0
A

) = + n;
2
~eB
~ so ortogonais.
dizemos que A

39

n = 0, 1, . . .

Figura 2.14: ?

Figura 2.15: ?
2. Estender a noo de ortogonalidade para funes
X
i

Se

f (xi ) g (xi )

X
i

G (x) !

f (x) g (x) dx = 0

f (x) g (x) dx = 0 ento f (x) e g(x) so ortogonais.

3. Base de vetores ortogonais e polinmios ortogonais como base do espao de polinmios. Mostrar que se um polinmio P x ortogonal aos polinmios da base,
ento ele perpendicular a todos os polinmios do espao.

Figura 2.16: ?
~ = C1 B
~ 1 + C2 B
~2
V
40

~3 B
~1 = 0
B
~3 B
~2 = 0
B

~3 V
~ =0
)B

4. Mostrar a propriedade de ortogonalidade dos polinmios de Legendre

Z

8
>
0
>
>
<
2
Pm (x) Pn (x) dx = >
>
>
:
1
2n + 1
1

para n , m
para m = n

5. Falar da interpolao de Lagrange

Grau 1

Figura 2.17: ?
Grau 2

Figura 2.18: ?
Grau n

2.8

1 ) n pontos.

Integrao de Funes com Limites Infinitos ou Singularidades (Integrais Imprprias)

1. O integrando tem um limite finito nos limites de interpolao, mas no pode ser
sin x
calculado nestes limites de integrao. Por exemplo,
em x = 0 :
x
lim
x!0

sin x
= 1;
x
41

sin(0)
(singular)
0

2. O limite superior +1 ou o limite inferior 1.

3. Tem uma singularidade integrvel em qualquer um dos limites. Por exemplo, x1/2
em x = 0
Z

1
0

1/2

dx = lim
x
h!0 h
p
=2 1=2

1/2

x1/2
dx = lim
h!0 1/2

= lim (2
h!0

p
1

h)

4. Tem uma singularidade integrvel em um ponto conhecido ou desconhecido entre

os limites da integrao.
Integral Tipo 1:
I=
Integral Tipo 2:

exp ( x2 ) dx

(caso b)

(2.18)

I=

1
dx
x (e x + 1)

(2.19)

O integrando singular em x = 0 ( f (x) ! 1 para x ! 0)

Integral Tipo 3:

I=

1
0

x0.7 cos (x) dx

(2.20)

A funo (integrando) no analtica em x = 0.

2.8.1

Tipo 1
I=

1
1

f (x) dx

ou

I=

f (x) dx

ou

I=

f (x) dx

OBS1: Uma funo que integrvel em um domnio infinito ou semi-infinito aproximadamente zero exceto em uma ?curta? parte do domnio. Por exemplo,
Z 1
2
I=
e x dx
1

OBS2: Se f (x) for analtica em [ 1, 1], o mtodo mais eficiente para a integrao
numrica a regra do trapzio estendida.
I=h

M
X

f (xi )

i= M

onde xi = i h e M um inteiro tal que 1 seja aproximado por M h.

42

Figura 2.19: ?

Figura 2.20: ?
Exemplo 2.13
Z
1
I= p

x2

com 20, 40 e 80 intervalos

Z 10
1
2
Soluo: I p
e x
10
1

N = 20 ! I = 1.000104
N = 40 ! I = 1.000001
Valor exato: I = 1.000000

2.8.2

N = 80 ! I = 1.000000

Tipo 2
I=

f (x) dx

onde a e b so finitos, mas f (x) singular em a, b ou ambos.

1. Transformar [a, b] em [+1, 1] atravs de mudana de coordenadas.
2. Aplicar regra do trapzio estendida
Mudana de coordenadas

(?)

x = x ()

(a) = 1
(b) = +1

43

I=

b
a

f (x) dx =

Transformao Exponencial:
x () =
onde

1
1

1
a + b + (b
2
tanh () =

!
dx
f (x ())
dx
d

a) tanh ()

e e
e + e

(2.21)

(2.22)

(2.23)

Figura 2.21: ?
Para
= +1 ) tanh (+1) = 1 ) x (+1) = b
= 1 ) tanh ( 1) = 1 ) x ( 1) = a
(x) = tanh

!
2x a b
,
b a

x 2 [a, b]

(2.24)

OBS1: Para = 2.64665 ) tanh = 0.99 ) x b

?
OBS2: A preciso da integrao funo da escolha da transformao.
Dupla Exponenciao
1
(x) =
a + b + (b
2

a) tanh

sinh () =
cosh () =

e + e
2

a)
cosh()
dx
4

=
d cosh2 sinh ()
2
(b

44

sinh ()

(2.25)
(2.26)
(2.27)

(2.28)

Eq. 2.25 e 2.28 ! 2.21

I=h

N
X

k= N

onde

dx
f (xk )
d

(2.29)
k

k = k h
(h predefinido)
OBS: Quo grande deve ser N?

1
2
Quando k cresce ) cosh
sinh (k ) ! exp
exp () , ou seja, o denomi2
4
2
dx
nador de
cresce duplo-exponencialmente podendo causar overflow.
d
Por exemplo,

1
exp
exp (k ) 2| {z
1038
}
4
2
) k 4 ) N h < 4

mximo nmero

6.1 ) f () 3.6 10303

Outro exemplo :
I=
Em x = 0 ,

1+

2
0

1+

1
dx
x

a=0
b=2

1
singular.
x

Transformaes de Coordenadas

1
xk = 0 + 2 + (2 0) tanh
sinh ()
2
2

1
xk = 2 + 2 tanh
sinh (k )
2
2

= 1 + tanh sinh (k )
2
Substituindo em (a) e adotando os limites de [-4, 4]
N
10
20
30

I
3.600710
3.595706
3.595706

45

(2.30)

Figura 2.22: Integrao Numrica em um Domnio Bidimensional

2.9

Integrao Numrica em um Domnio Bidimensional

I=

Z b "Z
a

G (x) =
I=
I=

#
f (x, y) dy dx

d (x)
c (x)

d (x)

c (x)

b
a

N
X

f (x, y) dy

(2.31)
(2.32)

G (x) dx

(2.33)

wi G (xi )

(2.34)

w j f (xi , y j )

(2.35)

i=0

G (xi ) =

M
X
j=0

Exemplo 2.14
Calcule a integral dupla
I=
pela regra

Z b "Z
a

d (x)
c (x)

#
sin (x + y) dy dx

1
de Simpson.
3
a=1
b=3
c (x) = ln (x)
d (x) = 3 + e x/5

Soluo:

46

Figura 2.23: ?

Hx
[G (x0 ) + 4 G (x1 ) + G (x2 )]
3
2Z
3
Z 3+e(2/5)
Z 3+e(3/5)
(1/5)
77
H x 6666 3+e

sin (1 + y) dy + 4
sin (2 + y) dy +
sin (3 + y) dy7775
64
3
ln (1)
ln (2)
ln (3)
"Z 4.2214
#
Z 4.4918
Z 4.8221
1

sin (1 + y) dy + 4
sin (2 + y) dy +
sin (3 + y) dy
3 0
0.6931
1.0986

I =

2.11070
[sin (1 + 0) + 4 sin (1 + 2.11070) + sin (1 + 4.2214)]
3
= 0.064581
1.89935
[sin (2 + 0.6931) + 4 sin (2 + 2.59245) + sin (2 + 4.4918)]
G (x1 )
3
= 2.1086
1.86175
[sin (3 + 1.0986) + 4 sin (3 + 2.96035) + sin (3 + 4.8221)]
G (x2 )
3
= 0.67454
G (x0 )

2.10

1
[0.064581 + (4) ( 2.1086)
3

0.67454] = 3.0148

Integrao

Problemas
1. Dada uma funo f (x), achar uma funo F(x) tal que
F 0 (x) = f (x)
| {z }

PROBLEMA DE INTEGRAO

47

2. Dada uma funo f (x) 0, dar uma definio da rea sob a curva y = f (x) que no
apele para a intuio geomtrica.
i). Integral Indefinida
Seja f (x) uma funo definida num curto intervalo. Se F(x) uma funo definida
no mesmo intervalo e tal que F 0 (x) = f (x), ento dizemos que F uma integral
indefinida de f .
ii). Funes Contnuas
f (x) contnua se lim f (x + h) = f (x) 8x para o qual a funo est definida.
h!0

Toda funo derivvel contnua se:

f (x + h)
h

f (x)

tem um limite, ento:

lim ( f (x + h)
h!0

f (x))

f (x + h) f (x)
h!0
h
f (x + h) f (x)
= lim h lim
=0
h!0
h!0
h
= lim h

lim f (x + h) = f (x)
h!0

48

Captulo 3
Diferenciao Numrica
3.1

Expanso de Taylor

Figura 3.1: ?

1 00
1
1 (iv) 4
f (xi ) h2 + f 000 (xi ) h3 +
f h . . . (3.1)
2
6
24

f (xi+1 ) = f (xi + h) = f (xi ) + f 0 (xi ) h +

f (xi 1 ) = f (xi h) = f (xi )

f 0 (xi ) h +

1 00
f (xi ) h2
2

1 000
1 (iv) 4
f (xi ) h3 +
f h + . . . (3.2)
6
24

f (xi+2 ) = f (xi +2 h) = f (xi )+ f 0 (xi ) 2 h+

1 00
1
1 (iv)
f (xi ) 4 h2 + f 000 (xi ) 8 h3 +
f 16 h4 +. . .
2
6
24
(3.3)

f (xi 2 ) = f (xi 2 h) = f (xi ) f 0 (xi ) 2 h+

1 00
1 000
1 (iv)
f (xi ) 4 h2
f (xi ) 8 h3 +
f 16 h4 +. . .
2
6
24
(3.4)

f (xi+3 ) = f (xi +3 h) = f (xi )+ f 0 (xi ) 3 h+

1 00
1
1 (iv)
f (xi ) 9 h2 + f 000 (xi ) 27 h3 +
f 81 h4 +. . .
2
6
24
(3.5)

f (xi 3 ) = f (xi 3 h) = f (xi ) f 0 (xi ) 3 h+

1 00
1
1 (iv)
f (xi ) 9 h2 + f 000 (xi ) 27 h3 +
f 81 h4 +. . .
2
4
24
(3.6)

i). Derivada Primeira (mnimo 2 pontos)

49

(a) Forward Dierence

2 pontos (xi e xi+1 )
De 3.1:
f (xi+1 ) f (xi ) 1 00
f (xi ) h
h
2
f (xi+1 ) f (xi )
f 0 (xi ) =
+ O (h)
h
f 0 (xi ) =

1 000
f (xi ) h2
6

...

onde
O (h) =

1 00
f (xi ) h
2

3 pontos (xi , xi+1 e xi+2 )

De -(3.3) + 4*(3.1):
2 3 000
h f (xi )
3

f (xi+2 ) = 3 f (xi ) + 2 h f 0 (xi )

4 f (xi+1 )

f 0 (xi ) =

f (xi+2 ) + 4 f (xi+1 )
2h

3 f (xi )

+ O (h2 )

onde
O (h2 ) =

1 2 000
h f (xi )
3

4 pontos (xi , xi+1 , xi+2 e xi+3 )

1
1
De (3.1) - *(3.3) + *(3.5):
2
9
fi+1 =
fi+2
=
2
fi+3
+
=
9
fi+3
9

h2 00
h3
h4 0000
fi
+ fi000 +
f
+...
2
6
24 i
fi
2 h2 00
4 h3 000
8 h4 0000
h fi0
fi
fi
f
...
2
2
6
24
fi
h
h2
3 h3 000
9 h4 0000
+ fi0
+ fi00 +
fi
+
f
+...
9
3
2
6
24
fi+2
fi fi
h
h4 0000
+ fi+1 =
+ fi + fi0 +
f + ...
2
9 2
3
12
fi

fi0 =

+h fi0

2 fi+3

9 fi+2 + 18 fi+1
6h

11 fi

onde
O (h3 ) =
50

1 3 0000
h fi
4

+ O (h3 )

(b) Backward Dierence

2 pontos (xi e xi 1 )
De (3.2):
f (xi )

f 0 (xi ) =

f (xi 1 )
h

+ O (h)

onde
1 00
f (xi ) h
2

O (h) =
3 pontos (xi , xi

e xi 2 )

f 0 (xi ) =

3 f (xi )

4 f (xi 1 ) + f (xi 2 )
+ O (h2 )
2h

onde
1 2 000
h f (xi )
3

O (h2 ) =
4 pontos (xi , xi 1 , xi

e xi 3 )

f 0 (xi ) =

11 fi

18 fi

+ 9 fi
6h

2 fi

+ O (h3 )

onde
O (h3 ) =

1 3 0000
h fi
4

(c) Central Dierence

2 pontos (xi+1 e xi 1 )
De (3.1) - (3.2):
f 0 (xi ) =

f (xi+1 ) f (xi 1 )
+ O (h2 )
2h

onde
O (h2 ) =
4 pontos (xi+2 , xi+1 , xi
fi0 =

1 2 000
h f (xi )
6

e xi 2 ) (elimine f 00 f 000 )
fi+2 + 8 fi+1 8 fi
12 h

+ fi

onde
O (h2 ) =
51

1 4 (iv)
h f (xi )
30

+ O (h2 )

ii). Derivada Segunda (mnimo 3 pontos)

(a) Forward Dierence
3 pontos (xi , xi+1 e xi+2 ) elimina f 0 (xi )
fi00 =

fi+2

2 fi+1 + fi
+ O (h)
h2

onde
O (h) = h fi000
(b) Backward Dierence
fi00 =

fi

2 fi+1 + fi
h2

+ O (h)

onde
O (h) = h fi000
(c) Central Dierence
fi00 =

fi+1

2 fi + fi
h2

+ O (h2 )

onde
O (h2 ) =

1 2 0000
h fi
2

OBS:
Uma aproximao para f (p) precisa de pelo menos p + 1 pontos.
As derivadas de ordem menor do que p devem ser eliminadas.
O erro o termo de ordem mais baixa que for truncado.

3.2

Diferenas Finitas

i). Operadores de primeira ordem

(a) Forward Dierence:

fi = fi+1

fi

(b) Backward Dierence: r fi = fi

fi

52

(c) Centrada:
fi = fi+ 12 fi 12
fi+ 12 = fi+1 fi
onde
h
= f xi +
2

fi+ 21

ii). Operadores de segunda ordem

(a)
2

fi = ( fi ) =
= fi+2 fi+1
2

( fi+1
( fi+1

fi = fi+2

fi ) = fi+1
fi
fi ) = fi+2 2 fi+1 + fi
2 fi+1 + fi

(b)
r2 fi = r (r fi ) = r ( fi
= fi fi 1 ( fi 1
r2 fi = fi

fi 1 ) = r fi r fi 1
fi 2 ) = fi 2 fi 1 + fi
2 fi

+ fi

(c)
2

fi = ( fi ) = ( fi+ 12 fi 12 ) = fi+ 12
fi
= fi+1 fi ( fi fi 1 ) = fi+1 2 fi + fi
2

fi = fi+1

2 fi + fi

1
2

(d)
r fi = (r fi ) = ( fi fi 1 ) = fi
fi 1
= fi+1 fi fi + fi 1 = fi+1 2 fi + fi 1
r fi =

fi = fi+1

2 fi + fi

(e)
r fi = r ( fi ) = r ( fi+1 fi ) = r fi+1 r fi
= fi+1 fi fi + fi+1 = fi+1 2 fi + fi 1
r fi =

fi = fi+1

OBS:
53

2 fi + fi

1.

= r=r

2. Operadores de ordem mais elevada pode ser obtidos aplicando os operadores de

primeira ordem repetidamente.
n
3. Se n for par e m = , ento:
2
rm

4. Operadores diferenciais podem ser aproximados por operadores de diferenas finitas.

2
d2

dx2
x2
2
d
r2

dx2 rx2
d2
r

dx2 rx

dx
x
d
r

dx rx
d

dx
x

3.3

2
d2

dx2
x2

r
x rx

Mtodo da Diferenciao dos Polinmios de Interpolao de Newton

i). O polinmio de interpolao forward de Newton :

N
X
s
g (x) = g (xk + s h) =
n
n=0

fk

(3.7)

Figura 3.2: ?
s=
s
n

54

xk
h

s!
n! (s n)!

(3.8)
(3.9)

g (x) = g (xk + s h)
= fk + s
+

1
s (s
2

fk +

1
s (s
24

1) (s

1)

2) (s

OBS:
O polinmio g (x) = g (xk + s h) =
pontos amostrais.

fk +
4

3)

PN

n=0

1
s (s
6

fk + . . . +

1) (s
s
n

2)
N

fk

(3.10)

fk

fk tem ordem n e passa por n + 1

ii). Para n = 2 ) 3 pontos

g (x) = fk + s
"

1
g (x) =
h
0

1
s (s
2

fk +

1
fk + (2 s
2

1)

1)

fk

(3.11)

fk

(3.12)

Para s = 0, 1 e 2:
g0 (xk ) =

1 h
2
2h

g0 (xk+1 ) =
g0 (xk+2 ) =

1 h
2
2h

fk
1 h
2
2h
fk + 3

1 h
2
2h

1 h
2
2h

fi

fi

k + 2 = i (Backward 3 pontos)
g0 (xi ) =

1 h
2
2h

fi

2+3

3 fk
fk

fi

55

1
fi+1
2h

1
3 fi
2h

4 fi

3 fi

fi

+ fi

(3.13)
(3.14)

4 fk+1 + fk

i
1
fi =
fi+2 + 4 fi+1
2h

fi

i
1
fk =
fk+2
2h

i
1
fk =
3 fk+2
2h

k + 1 = i (Centrada 3 pontos)
g0 (xi ) =

fk +

k = i (Forward 3 pontos)
g0 (xi ) =

i
1
fk =
fk+2 + 4 fk+1
2h

(3.15)

(3.16)

(3.17)

(3.18)

iii). Erro
Se tivermos mais um ponto amostral, o polinmio interpolante representa melhor
a funo interpolada. Assim, o erro do polinmio de Newton representado pelo
termo que seria adicionado caso um ponto amostral a mais seja introduzido.
Se, por exemplo, aumentarmos de n = 2 para n = 3, o termo:
1
s (s
6

1) (s

2)

fk

(3.19)

seria acrescido equao (3.11) e sua derivada seria

Para

1 h 2
3s
6h

i
6s+2

fk

(3.20)

s=0!

1
3h

fk

Forward

(3.21)

s=1!

1
6h

fk

Centrada

(3.22)

s=2!

1
3h

fk

Backward

(3.23)

fi

(3.24)

OBS:
A e-ensima derivada de g(x) de ordem n :
dn
1
g (x) = n
n
dx
h

Assim,
n

fi hn f (n) (x)

Portanto, as expresses (3.21) a (3.23) ficam:

1 2 000
h fk , para s = 0
3
1 2 000
h fk , para s = 1
6
1 2 000
h fk , para s = 2
3

56

(3.25)

3.4

Aproximao de Derivadas Parciais por Diferenas

Finitas

A derivada parcial
f,x =

@ f (x, y)
@x

em

(x, y) = (x0 , y0 )

pode ser deduzida fixando-se y = y0 e considerando-se f (x, y0 ) como uma funo

de uma varivel. Assim, as aproximaes de f,x por diferenas finitas so:
f,x
f,x

f (x0 + x, y0 )
x

f (x0 , y0 )

f (x0 + x, y0 ) f (x0
2 x

f,x

f (x0 , y0 )

f (x0
x

Forward

x, y0 )

x, y0 )

Central

Backward

Diferenas centradas das derivadas parciais f,xx , f,yy e f,xy :

f,xx =

@2
f (x0 + x, y0 )
f
2
@x

2 f (x0 , y0 ) + f (x0
x2

f,yy =

@2
f (x0 , y0 + y)
f
2
@y

2 f (x0 , y0 ) + f (x0 , y0
y2

f,xy

3.4.1

@2
f (x0 + x, y0 + y) f (x0 + x, y0
=
f
@x @y
4 x y
f (x0
x, y0 + y) + f (x0
x, y0
+
?

Soluo do Problema de Dirichlet

Deformao de uma membrana

EDP:

@2 u @2 u
+
= 0 em x 2 (0, 1) e y 2 (0, 1)
@x2 @y2

C.C.:
u=0

em

8
>
y=1
>
>
<
x=0
>
>
>
: x=1

u (x, 0) = sin ( x)
Soluo:

57

com

x 2 [0, 1]

x, y0 )

y)

y)
y)

Figura 3.3: ?

Figura 3.4: ?
1. Discretizar o domnio numa grade de pontos:
2. Escreva a E.D.P. utilizando operadores diferenciais centrados no ponto (i, j) :
@2 u
1
= 2 (ui, j+1
2
@x
hx

2 ui, j + ui, j 1 )

(3.26)

@2 u
1
= 2 (ui+1, j
2
@y
hy

2 ui, j + ui

(3.27)

1, j )

Se h x = hy = h
@2 u @2 u
1
+ 2 2 (ui+1, j + ui
2
@x
@y
h

1, j

+ ui, j+1 + ui, j

3. Definir a clula diferencial

+1
4

+1

+1
4. Aplicar a clula a cada ponto interior (P1 a P9):

58

+1

4 ui, j ) = 0

(3.28)

P1 :
P2 :
P3 :
P4 :
P5 :
P6 :
P7 :
P8 :
P9 :

2
666
666
666
666
666
666
666
666
666
666
666
666
666
4

4
1
0
1
0
0
0
0
0

1
4
1
0
1
0
0
0
0

0
1
4
0
0
1
0
0
0

1
0
0
4
1
0
1
0
0

0
1
0
1
4
1
0
1
0

0
0
1
0
1
4
0
0
1

0
0
0
1
0
0
4
1
0

59

0
0
0
0
1
0
1
4
1

0
0
0
0
0
1
0
1
4

3
777
777
777
777
777
777
777
777
777
777
777
777
777
5

8
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
:

u1
u2
u3
u4
u5
u6
u7
u8
u9

9
9 8

>
>
>
>
sin
>
>
>
>
>
4 >
>
>
>
>
>
>
>
>
>

>
>
>
sin
>
>
>
>
>
>
2
>
>
>

>
>
>
>
>
>
3

>
>
>
>
>
>
sin
>
>
>
4
>
>
>
>
>
>
>
>
>
>
>
>
0
>
>
= >
<
=
+
= {0}
>
>
>
>
>
>
0
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
0
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
0
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
0
>
>
>
>
>
; >
>
>
>
>
:
;
0

Captulo 4
Soluo de Sistemas de Equaes
Algbricas Lineares
4.1

Mtodos de Eliminao de Gauss e Gauss-Jordan

i). Gauss
2 x1 + 1 x2
3 x3 = 1
1 x1 + 3 x2 + 2 x3 = 12
3 x1 + 1 x2
3 x3 = 0
Passo 1: Tornar os termos da primeira coluna abaixo da diagonal zero, utilizando
combinao linear das linhas correspondentes com a primeira linha:
a0i j
8
>
>
>
>
>
>
1<
>
2>
>
>
>
>
:

4.2

= ai j

ai j /a11 a1 j

2 x1 + 1 x2
3 x3
1 x1 + 3 x2 + 2 x3
3 x1 + 1 x2
3 x3
7
1
0 x1 +
x2 +
x3
2
2
3 x1 +
1 x2
3
3
3
2 x1 +
1 x2 +
(
2
2
2
1
0 x1
x2 ?
2

=
1
= 12
= 0
23
=
2

L20

i = 2, N
j = 1, N

= L2

3 x3 = 0
3
3) x3 =
( 1)
2
3
3
x3 =
2
2

!
1
L1
2

L30

= L3

!
3
L1
2

Mtodo de Eliminao de Gauss Padro com Pivotao

Notas: O mtodo da eliminao de Gauss no funciona se o primeiro coeficiente da

primeira linha for zero ou um coeficiente da diagonal se tornar zero durante o processo.
60

 Pivotao usada para mudar a ordem seqencial das linhas para:

Evitar que o coeficiente da diagonal se torne zero.
Trazer o maior coeficiente abaixo da diagonal para a diagonal.
A mudana da ordem das linhas (equaes) no afetam a soluo do sistema.
Mesmo que o termo da diagonal no seja zero, colocar um coeficiente dominante na diagonal melhora a preciso.
Exemplo 4.15
2
666 0 10
666
664 1 3
2 4

1
1
1

3
777
777
775

2
3 2 3
666 x1 777 666 2 777
666
7 6 7
664 x2 77775 = 66664 6 77775
x3
5

Troca linha 1 com linha 3:

2
666 2 4
666
664 1 3
0 10
2
666 2
666
664 0
0

Gauss-Jordan
2
666 2 0
666
664 0 10
0 0

L1
L1

3
777
777
775

Retro-substituio:

(impossvel)
(impossvel)

1
2
0
2

2
3 2
3
666 x1 777 666 5 777
666
7 6
7
664 x2 77775 = 66664 2 77775
x3
7/2
L30 = L3
32
3 2
3
1 777 666 x1 777 666
5 777
76
7 6
7
1 7777 6666 x2 7777 = 6666
2 7777
54
5 4
5
16/5
x3
33/5

x3 =

33
16
:
=
5
5

x2 =

1
[2
10

1
[5
2

1
0
2
0

2
3 2 3
L1
666 x1 777 666 5 777
666
777 666 777
L20 = L2
664 x2 775 = 664 6 775
x3
2
L30 = L3
32
3 2
3
4
1 777 666 x1 777 666 5 777
76
7 6
7
1 3/2 7777 6666 x2 7777 = 6666 7/2 7777
54
5 4
5
10
1
x3
2

1
1
1

Troca linha 2 com linha 3:

2
3
666 2 4
1 777
666
7
1 7777
664 0 10
5
0 1 3/2
2
666 2 4
666
664 0 10
0 0

x1 =

L20 = L2
L30 = L3

L1
L1

(4.2)

(4.3)

1
10

L2

3
777
777
775

33 5
= 2.0625
5 16

1 ( 2.0625)] = 0.40625

2
3 2
3
666 x1 777 666 21/5 777
666
7 6
7
2 7777
664 x2 77775 = 66646
5
x3
33/5
61

L10 = L1

(4.4)

(4.5)

(4 0.40625 + 1 ( 2.0625))] = 2.7187

3/5
1
16/5

(4.1)

2
5

L2

Diviso de L3 : ( 16/5)
2
666 2 0 3/5
666
1
664 0 10
0 0
1

3
777
777
775

2
3 2
666 x1 777 666
666
7 6
664 x2 77775 = 66664
x3

21/5
2
2.0625

2
32
3 2
666 2 0 0 777 666 x1 777 666
666
76
7 6
664 0 10 0 77775 66664 x2 77775 = 66664
0 0 1
x3
2
32
3 2
666 1 0 0 777 666 x1 777 666
666
76
7 6
664 0 1 0 77775 66664 x2 77775 = 66664
0 0 1
x3

3
777
777
775

3/5
L3
1
1
L
1 3

L10 = L1
L20 = L2

5.4375
4.0625
2.0625
2.71875
0.40625
2.06250

3
777
777
775
3
777
777
775

Nota: Se a pivotao no impedir que aparea zero na diagonal, o problema no

resolvvel.
Exemplo 4.16
Exemplo real:
2
666 1.334 10 4
666 1.777
666
666 9.188
64
1.002 102

4.123 101 7.912 102

1.544 103
2.367 10 5 2.070 101
9.035 101
0
1.0150 101 1.988 10 4
4
1.442 10
7.014 102 5.321

Soluo:

i). Preciso simples

i
1
2
3
4

xi (s/ pivotao)
0.95506
1.00816
0.96741
0.98352

xi (c/ pivotao)
0.99998
1.
1.
1.

ii). Preciso dupla

i
1
2
3
4

4.3

xi (s/ pivotao)
0.9999 9999 9801 473
1.0000 0000 0000 784
0.9999 9999 9984 678
0.9999 9999 9921 696

xi (c/ pivotao)
1.0000 0000 0000 002
1.0000 0000 0000 000
1.0000 0000 0000 000
1.0000 0000 0000 000

Problemas no resolvveis

OBS: Nem sempre um sistema de equaes resolvvel:

i).
62

3
777
777
777
777
75

2
666
666
666
666
64

711.5698662
67.87297633
0.961801200
13824.12100

3
777
777
777
777
75

x +
y = 1
2 x + 2y = 2
Figura 4.1: ?

x + y = 1
x + y = 0
Figura 4.2: ?
ii).
iii).
No conjunto:
i). As duas equaes so idnticas. Qualquer ponto satisfazendo uma equao
satisfaz outra. Assim, o sistema tem infinitas solues (linearmente independentes).
ii). Inconsistente se lado esquerdo de uma das equaes for eliminado por combinao linear das outras equaes, enquanto o lado direito permanece diferente
de zero.
iii). Duas incgnitas e trs equaes nunca so satisfeitas simultaneamente.
Soluo nica (condies necessrias):
Nmero de equaes igual ao nmero de incgnitas.
Equaes so L.I. (linearmente independentes)

4.4

Matrizes, Vetores e Inverso de Matrizes

Matrizes quadradas e retangulares.

Operaes: adio, subtrao, multiplicao e diviso

x + y =
x + 2y =
2x
y =

1
2
0
Figura 4.3: ?
63

 Diviso B 1 A = C s existe se B for quadrada.

Vetores
Produto de matriz por vetor

4.4.1

Matriz Nula
Ai j = 0

4.4.2

Matriz Identidade
I=

4.4.3

1, se i = j
0, se i , j

Matriz Transposta de A
AT ) aTij = a ji

4.4.4
A

Matriz Inversa
1

de uma matriz quadrada

AA

Se BA = I ou AB = I ento B = A

4.4.5

= A 1A = I

Matriz Ortogonal

Matrizes cujas colunas so ortogonais entre si:

QT Q = I; QQT = I; QT = Q

4.4.6

Vetor Nulo
ai = 0

4.4.7

Vetor Unitrio
2 3
2 3
2 3
666 1 777
666 0 777
666 0 777
6 7
6 7
6 7
u = 6666 0 7777 ; v = 6666 1 7777 w = 6666 0 7777
4 5
4 5
4 5
0
0
1
u=

~u
|~u|

64

4.4.8

4.4.9

Vetor Transposto
2
3
666 x1 777
h
i
6
7
v = 6666 x2 7777 vT = x1 x2 x3
4
5
x3

Inverso de uma Matriz

Ax = y
Suponha que o processo de eliminao de Gauss-Jordan seja resumido na operao
matricial.
GAx = Gy
Fazendo G A = I, temos:
I x = Gy
Assim
G=A

ou G I = A

2
666 a11 a12 a13
666
664 a21 a22 a23
a31 a32 a33

3
777
777
775

2
3
666 1 0 0 777
666
7
664 0 1 0 77775
0 0 1

Aplicar Gauss-Jordan ou Gauss padro (pivotao pode ser utilizada).

[A][X] = [I]
Exemplo 4.17
Calcule a inversa de
2
666 2 1
6
A = 6666 1 3
4
3 1

Resposta:
A

3
2
3

2
666
1
0
666
= 66 0.27272 0.27272
4
0.90909 0.09090

65

3
777
777
775
1
0.09??0
0.63636

3
777
777
775

4.5

Decomposio LU
A = LU

L = matriz triangular inferior com diagonal 1

U = matriz triangular superior com diagonal , 1
A x = y ) L U x = y ou
2
666
666
666
666
666
666
666
666
666
4

a11 a12
a21 a22
..
..
..
.
.
.
ai1 ai2
..
..
..
.
.
.
an1 an2

a1 j a1n
a2 j a2n
.. . .
.
. ..
.
ai j ain
.. . .
.
. ..
.
an j ann

3
777
777 2
777 666
777 666
777 666
777 = 666
777 666
777 4
777
5

1
l21
..
.

0
1
..
.

Lz = y
Ux=z

...

0
0
..
.

ln1 ln2 1

32
777 666
777 666
777 666
777 666
777 666
54

u11 u12
0 u22
..
..
.
.
0
0

u1n
u2n
.
..
. ..
unn

3
777
777
777
777
777
5

8 X
i
>
>
>
>
lik uk j , se i j
>
>
N
>
X
>
< k=1
ai j =
lik uk j = >
j
>
X
>
>
>
k=1
>
>
lik uk j , se i > j
>
:
k=1

ai j =

i 1
X
k=1

ai j =

j 1
X
k=1

lik uk j + lii ui j ) ui j = ai j

i 1
X

ai j

j 1
X

lik uk j + li j u j j ) li j =

lik uk j

k=1

lik uk j

k=1

ujj

Resumo:
i). Qualquer matriz no singular pode ser decomposta na forma A = L U.
ii). Se um sistema de equaes lineares tiver de ser resolvido repetidamente para mltiplos lados ?direitos?, a decomposio L U recomendada.
iii). A matriz U idntica a obtida no processo de eliminao de Gauss.
iv). L U til no clculo do determinante.

66

4.6

Clculo de Determinante

A toda matriz quadrada A = [ai j ] de ordem n cujos elementos so nmeros complexos,

associa-se um nico nmero denominado determinante de A.
det A ou |A|
Se E for o conjunto de matrizes quadradas de ordem n e C for o conjunto dos nmeros
complexos, podemos construir f : E ! C de modo que
1. Se n = 1, A = [a11 ] e det A = a11
2. Se n

2, det A =

n
X

( 1)i+1 ai1 Di1

i=1

onde Di1 o menor complementar do elemento ai1 de A (determinante da matriz

obtida eliminando-se a linha i e a coluna 1 de A)
Chamando-se Ai j = ( 1)i+ j Di j de cofator do elemento ai j , podemos escrever
det A =

n
X

ai1 Ai1

i=1

O teorema de Laplace generaliza esta definio para

det A =

n
X

ai j Ai j fixando-se j, 1 j n

n
X

ai j Ai j fixando-se i, 1 i n

i=1

ou
det A =

j=1

4.6.1

Propriedades dos Determinantes

P1: det M T = det M.

P2: Se os elementos de uma linha (coluna) de uma matriz quadrada M = [ai j ], de
ordem n, forem todos iguais a zero, ento det M = 0.
P3: Multiplicando-se uma linha (ou coluna) de uma matriz quadrada M = [ai j ] por
um nmero k, o determinante da nova matriz N = [bi j ] que se obtm ser:
det N = k det M
P4: Se a coluna q de uma matriz quadrada M = [ai j ] de ordem n puder ser escrita
como:
aiq = biq + ciq
67

ento det M = det M 0 + det M 00 onde M 0 igual a M trocando-se a coluna q por biq e
M a matriz obtida procurando-se a coluna q de M por ciq .
00

P5: Se [N]nm obtida de [M]nm trocando-se duas linhas (ou colunas) ento:
det N = det M
P6: Se duas linhas ou colunas de M forem iguais, ento:
det N = 0
P7: (Teorema de Cauchy) O produto escalar de uma linha (ou coluna) pelo vetor de
cofatores de uma outra linha (ou coluna) zero.
P8: Se duas linhas (ou colunas) de [M]nn forem proporcionais, ento:
det M = 0
P9: Se a matriz quadrada [M]nn tem uma linha (ou coluna) que combinao linear
das outras linhas (ou colunas), ento:
det M = 0
P10: Se adicionarmos a uma linha (ou coluna) de [M]nn uma combinao linear das
outras formando uma matriz [N]nn , ento:
det N = det M
P11: Se [M]nn for triangular, det M o produto dos elementos da diagonal:
detM = a11 a22 a33 . . . ann
P12: Se [M]nn for triangular com relao diagonal secundria, ento:
n (n 1)
2
det M = ( 1)
(Produto dos termos da diagonal secundria)
P13: Se [N]nn = k [M]nn ento:
det [N] = kn (det [M])
P14: (Teorema de Binet) Se [C]nn = [A]nn [B]nn , ento
det [C] = (det [A]) (det [B])

68

4.6.2

Clculo Numrico do Determinante de [A]nn

[A] = [A] [U]
Por P14 ) det [A] = det[L] det [U]
Por P11 ) det [L] = 1 e det [U] =

n
Y

uii

i=1

OBS: Como [U] pode ser obtida por eliminao de Gauss padro podemos utilizar
forward ? ?

4.7

Problemas Mal Condicionados

So problemas resolvveis cujas solues podem ser bastante imprecisas devido a erros de arredondamento.
Por exemplo,
(
0.12065 x + 0.98775 y = 2.01045
(A)
0.12032 x + 0.98755 y = 2.00555
(B)
OBS: (A) e (B) so bem parecidas
x1 = 14.7403
y1 = 0.23942
Simulando um erro nos coeficientes da equao (A)
2.01045 ! 2.01045 + 0.001 = 2.01145
(

0.12065 x + 0.98775 y = 2.01045

0.12032 x + 0.98755 y = 2.00555

(A)
(B)

x2 = 17.9756
y2 = 0.15928
OBS:
Pequenas mudanas em outros coeficientes causam mesmo tipo de comportamento.
Erros de arredondamento nos coeficientes podem ocorrer durante o prprio processo de soluo.
Notas:
1. A matriz dos coeficientes de um problema mal condicionado apresenta os seguintes
sintomas:
69

Figura 4.4: ?
(a)
(b)
(c)
(d)
(e)
(f)

ai j + PEQUENO ! xk + GRANDE
aii < ak j , k , j (geralmente)
det[A] det[A] 1 , 1 (1 )
[A 1 ] 1 , A
AA 1 , I
A 1 (A 1 ) 1 mais diferente de I do que A A

2. Pivotao melhora a preciso se o problema for moderadamente mal condicionado.

3. O melhor procedimento tentar aumentar ao mximo a preciso (double)
Cray ! Preciso simples 8 bytes (64 bits)
! Preciso dupla 16 bytes (128 bits)
OBS: Singular Value Decomposition of a Matrix

[Amn] = [Umn] [Wnn] [Vnn]T

U e V so matrizes cujas colunas so ortonormais:
(
m
X
1kn
Uik Ui j = k j
1 jn
i=1

n
X

Vik Vi j =

kj

i=1

[Ann]

= [V]

Max(wi )
Min(wi )
Se c for infinito ) A singular.
c = condition number =

2
666 . . .
666
666
666
64

1kn
1? j?n
1/w

3
777
777
777
77
. . 775
.

Se c muito grande ) A mal condicionada.

(
1
10 6 Preciso simples
muito grande )
10 12 Preciso dupla
c
70

[U]T

4.8

Solues de Sistemas de Equaes com M equaes e

N incgnitas

Seja
Ax=y
Se det A = 0, a soluo do sistema no nica.
Por exemplo,
"
#" # " #
1 1
x
1 (A)
=
0 0
y
0 (B)
Soluo de (B): S B = { 8(x, y) | (x, y) 2 2 }
Soluo de (A): S A = { (x, y) 2 2 | y = 1 x }
SB \ SA = SA
S A = reta (y = 1

x)

Figura 4.5: ?
Por exemplo,
8
>
>
>
<
>
>
>
:

i) Pivotao

1u + 2v +
2w +
x
3u
6v
w + 5x
2u
4v
1.5 w + 2 x
u
1
3
2

v
2
6
4

w
2
1
1.5

x
1
5
2

8
>
3 6
1 5 4
1
>
>
<
1
2
2
1
2
2
>
>
>
: 2 4 1.5 2 1 0.5
8 (PIV)
>
3
6 1
5
>
>
<
(PIV)
0
0 5/3
8/3
>
>
>
: 0
0 5/6
4/3
71

y
2
4
1

2y =
4y =
y =

2
1
0.5

l.d.
2
1
0.5

L20 = L2 + 13 L1
L30 = L3 23 L1
4
10/3
5/3

1
7/3
7/6 L30 = L3

1
2

L2

8
>
3 6
1
5
4
1
>
>
<
0 0 5/3 8/3 10/3 7/3
>
>
>
: 0 0
0
0
0
0
"
#"
# "
3
1
u
u = 0.8 +2 v
=
0 5/3
w
w = 1.4

2.2 x +2 y
1.6 x +2 y

Exemplo 2: Gauss-Jordan
u
2
2
4
i) Pivotao

8
>
>
>
<
>
>
>
:
8
>
>
>
<
>
>
>
:
8
>
>
>
<
>
>
>
:
8
>
>
>
<
>
>
>
:

4 6
2 3
2 3

v
3
3
6

1 1
1 1
1 4

1 1.5
0
0
0
0

w
1
1
1

x
4
1
1

y l.d.
1
6
1
1
2
5

2 5 (: 4)
1 1 L20 = L2
1 6 L30 = L3

2 L1
2 L1

0.25 0.25 0.5 1.25 L10 = L1 + 0.25 L2

1.5 0.5
2 1.5 (: 1.5)
1.5 3.5
0 3.5 L30 = L3 1.5 L2

1 1.5 0 0.3333
0
0 1 0.3333
0
0 0
3

0.1667
1.3333
2

1
1
5 (: 3)

1/6
1 L10 = L1
4/3
1 L20 = L2
2/3 5/3

1 1.5 0 1/3
0
0 1 1/3
0
0 0
1

1
3
1
3

L3
L3

OBS: As variveis bsicas so aquelas cujos coeficientes so unitrios e os nicos no

nulos na coluna.
4
3
1
u=
v + y
9
2
18
w=

14
9

x=

5
3

14
y
9

2
+ y
3

72

Captulo 5
Autovetores e Autovalores
5.1

Introduo

Considere a matriz
2
666 16
6
A = 6666 3
4
9

24
2
18

18
0
17

Em geral, para vetores {x} 2 3

3
777
777
775

(5.1)

[A] {x} = {y}

(5.2)

[A] {x } = {x }

(5.3)

onde {y} , {x} e {y} 2 .

De todos os vetores {x} 2 3 existem vetores {x } tal que
ou seja, {y} proporcional a {x }.
Definio 5.1:
[A].

Os vetores {x} que satisfazem 5.3 so chamadas auto-vetores de

Definio 5.2:
valores.

As constantes de proporcionalidade, , so chamdas de auto-

Por exemplo,
2
38 9
8 9
>
666 16 24 18 777 >
2 >
2 >
>
>
>
>
>
>
>
< >
=
666
777 < =
3
2
0
1
1 >
=
4
(5.4)
>
>
664
775 >
>
>
>
>
>
>
>
>
:
;
:
;
9 18 17
0
0
OBS: Para que {x} e {y} pertenam ao mesmo espao vetorial, a matriz A tem que ser
quadrada. Assim, s matrizes quadradas possuem auto-valores e auto-vetores.
Como encontrar os auto-valores e auto-vetores de A?
Ax= x
) Ax= Ix
) [A
I] {x} = {0} (Sist. de Eq. Homogneos)
73

(5.5)

onde [A

Se det [A

I] a matriz caracterstica.
2
38
9 8 9
>
666 16
24
18 777 >
x1 >
0 >
>
>
>
>
>
>
= >
< >
=
666
777 <
3 2
0 77 >
x
0
=
>
>
>
2
664
>
>
>
>
>
>
>
>
5
9
18 17 x : x3 ; : 0 ;

(5.6)

I] , 0 a soluo do sistema {x} = {0}. Para que {x} , {0}, ento:

det [A

Para a matriz [A

I] = 0

I] na equao 5.6, det [A

3

+3

4) (

(5.7)
I] = 0 leva

36 + 32 = 0
m
1) ( + 8) = 0

Assim,
=4
=1
= 8
so auto-valores de [A].
Forma geral para matrizes de ordem n:
(A
I) q = 0
det (A
I) = 0 ,

5.1.1

+ cn

n 1

+ . . . + c1 + c0 = 0

Propriedades dos Auto-Valores

i). a equao caracterstica pode ser fatorada na forma

(

1) (

2) . . . (

n)

=0

Assim, uma matriz de ordem n tem n auto-valores no necessariamente distintos.

ii). A soma dos termos da diagonal de A chamada de trao de A. Assim,
tr(A) = a11 + a22 + . . . + ann = cn
iii). det (A) = ( 1)n c0 =

...

+ ... +

Assim uma matriz singular deve ter pelo menos um auto-valor nulo.
iv). Sabendo- se que det A = det AT , ento os auto-valores de A e de AT so idnticos.
v). A equao caracterstica com coeficientes reais deve ter auto-valores reais ou um
par de auto-valores conjugados complexos. (a b i)
vi). Os auto-valores de uma matriz simtrica com coeficientes reais so reais.

74

vii). Se A for triangular

det (A

I) = (a11

) (a22

) . . . (ann

)=0

Assim, os termos da diagonal so auto-valores.

viii). Trocas de linhas e colunas correspondentes no afetam os auto-valores da matriz.
ix). Se a linha i de A multiplicada por f e a coluna i de A dividida por f , os autovalores no mudam.

5.2

Mtodo de Interpolao

1. Transforma o polinmio caracterstico em um polinmio de interpolao forward

de Newton.
2. Converte o polinmio forward de Newton em uma srie de potncias.
3. Calcula as razes da funo pelo mtodo de Bairstow.
Matriz de ordem N ) polinmio caracterstico de grau N.
Se construirmos uma tabela f ( ) para n + 1 valores uniformemente espaados
de , ento f ( ) pode ser expresso por um polinmio de interpolao forward de
Newton.
N
X
s
f ( ) = g(s) =
n
n=0

f0

com
fi = f ( i ), i = 0, 1, 2, . . . , N

s=

i 1

Como so calculados os fi s ?
fi = f ( i ) = det (A

75

I)

 Como escolhemos 0 e N ?
Teorema de Gerschgorin (discos de Gerschgorin)
Considere que os autovetores esto normalizados de forma que o maior elemento fique igual a 1. Assim, se o maior elemento do autovetor q o k-simo,
X
akk =
ak j q j
j,k

como
| qj | 1 ) |

akk |

X
j,k

| ak j |

Antes de calcularmos os autovetores, no podemos saber qual a linha k do

termo mximo. Assim, os autovalores esto na unio dos discos centrados
em cada um dos termos akk da matriz A com raio igual a
X
| ak j |
j,k

Por exemplo, o determinante de

2
666 3 1 5
666
664 1 3 5
5 5 1

para a matriz

3
777 ! r = 1 + 5 = 6
777
775 ! r = 1 + 5 = 6
! r = 5 + 5 = 10

Figura 5.1: ?
0

= 11

N
X
s
Como transformar g(s) =
n
n=0

s
n

s (s

g(s) = f0 +
= f0 +

1) (s

N X
n
X

e
n

cn,i s

n=1 i=1
N
X

=9

f0 em g(s) = f0 +

n + 1)

n
X

i=1

76

bi s

cn,i si

i=1

0 N
N
X
BBBX
BB@
f0 = f0 +
cn,i
i=1

bi si

N
X
i=1

2) . . . (s
n!

n=1

1
CC
f0 CCCA si

onde
bi =

N
X

cn,i

f0

n=i

cn,i =

n+i

( 1)
n

onde k so as combinaes (i
naturais.

2 (n 1)!
3
666 (i X
7
1)! (n i)!
1 77777
666
666
7
4 k=1 k 775

1) a (i

1) dos (n

1) primeiros nmeros

Coeficientes de Markov, cn,i

n\i
1
2
3
4
5
6

1
1
1/2
1/3
1/4
1/5
1/6

1/2
1/2
11/24
5/12
137/360

1/6
1/4
0.29167
0.31250

0.04167
0.08333
0.11806

0.00833
0.02083

0.0??39

Tabela 5.1: Coeficientes de Markov.

N X
n
X

cn,i si

f0

n=1 i=1

Figura 5.2: ?
0 N
N
X
BBBX
BB@
cn,i
i=1

c6,5

( 1)
=
6

6+5

n=i

2 (6 1)!
3
666 (5 X
7
1)! (6 5)!
1 77777
1
6666
777 =
664
k 5
6
k=1
77

1
CC
f0 CCCA si

2 5!
3
666X
777
5
4! 1!
1
1 X 1
666
777
=
664
7
k 75
6 k=1 k
k=1

{1 2 3 4 5} (n

1) primeiros nmeros naturais

Combinaes 4 a 4
1 2 3 4 ) 1 2 3 4 = 24 = 1
1 2 3 5 ) 1 2 3 5 = 30 = 2
2 3 4 5 ) 2 3 4 5 = 120 = 3
1 3 4 5 ) 1 3 4 5 = 60 = 4
1 2 4 5 ) 1 2 4 5 = 40 = 5
c6,5

"
#
1 1
1
1
1
1
=
+
+
+
+
=
6 24 30 40 60 120

1
= 0.02083
48

Exemplo 5.18
Encontre a srie de potncias da equao caracterstica
2
666 3
6
f ( ) = det 6666
4

Soluo: g( ) = 71 + + 7

4
3
2
3

1
0 5

2
1

3
777
777
775

(3
)( 1
) (5
) + 8 (2) ( 2) ( 1
) 12 (5
)
2
= ( 3 2 + ) (5
) + 8 + 4( 1
) 60 + 12
2
2
3
= 15 10 + 5 + 3 + 2
+8 4 4
60 + 12
3
g( ) = 71 + + 7 2

Figura 5.3: ?

78

2
666
666
664
2
666
666
664
2
666
666
664
2
666
666
664

f (0) = det
f (3) = det
f (6) = det
f (9) = det

3
3
2
0
3
2
3
3
2
6
3
2

3
4
2 777
7
1 1 7777 = 15 + 8 4 60 = 71
5
0 5
3
4
2 777
7
4 1 7777 = 8 16 24 = 32
5
0 2
3
4
2 777
7
7 1 7777 = 21 + 8 28 + 12 = 29
5
0
1
3
4
2 777
7
10 1 7777 = 240 + 8 40 + 48 = 224
5
0
4

g(s) = f (?) + b1 s + b2 s2 + b3 s3
b1 = c1,1
b2 = c2,2
b3 = c3,3

5.3

1
2
3

f0 + c2,1
f0 + c3,2
f0

2
3

f0 + c3,1
f0

f0 = 1 ( 32 + 71)

1
(
2

Mtodo de Householder para Matrizes Simtricas

Considere o operador de Householder dado por:

2 {e} {e}T

[P] = [I]

(5.8)

onde {e} um vetor unitrio, isto , {e} {e} = 1.

Considere o produto [P][P]T = [M]. Assim,
Mi j = Pik PTk j = Pik P jk = (Iik

2 ei ek ) (I jk

2 e j ek )

OBS: Assumimos que ndices repetidos no monmio implicam

Mi j = Iik I jk

2 Iik e j ek

2 ei ek I jk + 4 ei e j |{z}
ek ek

= Ii j 2 e j ei 2 ei e j + 4 ei e j
= i j 4 ei e j + 4 ei e j = Ii j
Logo [P]T = [P]
[P] simtrica?

[M] = [I] ) [P] [P]T = [I]

n
X

(5.9)
.

(5.10)

) [P] ortogonal (ortonormal).

Pi j =

ij

2 ei e j =

Assim, [P] = [P]T ) [P] simtrica.

79

ji

2 e j ei = P ji

(5.11)

Considere a transformao de um vetor {a} pelo operador de Householder:

[P] {a} = {b}

(5.12)

Vamos criar o vetor {e} em 5.8 a partir do vetor {a} como se segue:
i). Defina s como o comprimento de {a}. Assim,
s=
ii). Defina um vetor {c} tal que

p
p
{a} {a} = {a}T {a}

{c} = {a1 + s(sinal de a1 ), a2 , a3 , . . . , an }

(5.13)

(5.14)

iii). Defina {e} como o vetor unitrio na direo de {c}:

{e} = p

{c}

{c}T {c}

{c}
|{c}|

Verifiquemos o que ocorre com a transformao 5.12:

"
#
c cT
2 {c} ({c}T {a})
[P] {a} = I 2 T
{a} = {a}
c c
{c}T {c}
Mas
P
P
cT a = [a1 + s(S a1 )] a1 + nj=2 a2j = nj=1 a2j + a1 s(S a1 )
= s2 + a1 s(S a1 )
P
P
cT c = (a1 + s(S a1 ))2 + nj=2 a2j = nj=1 a2j + s2 + 2 a1 s(S a1 )
= 2 (s2 + a1 s(S a1 ))

(5.15)

(5.16)

(5.17)
(5.18)

Substituindo-se 5.17 e 5.18 em , obtemos:

[P] {a} = {a}
8
>
>
>
>
>
>
>
<
{b} = >
>
>
>
>
>
>
:

9
>
>
>
>
>
>
>
=
>
>
>
>
>
>
>
an ;
a1
a2
..
.

2 {c} (s2 + a1 s(S a1 ))

= {a} {c}
2 (s2 + a1 s(S a1 ))
8
9 8
9
a1 >
a1 >
>
>
a
+
s(S
)
s(S
)
>
>
>
>
1
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
a
0
>
>
>
>
2
<
= <
=
=
>
>
>
>
.
.
>
>
>
>
.
.
>
>
>
>
>
>
>
>
.
.
>
>
>
>
>
>
>
>
>
>
>
>
:
;
:
;
an
0

(5.19)

(5.20)

Se quisermos zerar os ltimos (n 2) termos da primeira coluna de [A]nn , podemos

construir um operador de Householder do seguinte modo:
i). Defina s como o comprimento do vetor {a}n
da coluna 1 de [A]:
s1 =

v
t

80

n
X
j=2

formado pelos ltimos (n 1) termos

A2j1

(5.21)

ii). Defina um vetor {c}1 tal que:

{c}1 = {0, A21 + s(S A2 1 ), A31 , . . . , An1

(5.22)

iii). Defina
{e}1 =
iv).

{c}1
{c}1
= q
{c}
{c}T1 {c}1

P = I
1

2
666
666
666
666
P1 A1 = 66666
666
666
664

eT1

2 e1

x
x
x
x
..
.

x
s1
0
0
..
.

x
x
x
x
..
.

x x ... x

x
x
x
x
..
.

...
...
...
...
..
.

Se multiplicarmos [P1 A1 ] por [P1 ]T teremos:

2
666
666
666
666
T
A2 = P1 A1 P1 = 66666
666
666
664

x s1
s1 x
0 x
0 x
.. ..
. .
0 x

(5.23)

0
x
x
x
..
.

0
x
x
x
..
.

(5.24)
3
777
777
777
777
777
777
777
777
75
...
...
...
...
..
.

(5.25)

0
x
x
x
..
.

x x ... x

3
777
777
777
777
777
777
777
777
75

(5.26)

Se a matriz P1 do primeiro passo zera os ltimos [n (1 + 1)] termos da coluna 1 e

da linha 1 da matriz A1 = A gerando a matriz A2 , a matriz P2 do segundo passo zera os
ltimos [n (2 + 1)] termos das colunas 2 e da linha 2 da matriz A2 , gerando a matriz A3 .
Assim, no passo k a matriz Pk zera os ltimos [n (k + 1)] termos da coluna k e da linha
k da matriz Ak , gerando a matriz Ak+1 .
Aps n 2 passos de Householder, chegamos a uma matriz tridiagonal T .
[T ] = [H]T [A] [H]

(5.27)

onde a matriz de Householder H :

[H] = PT1 PT2 . . . PTn

(5.28)

2 n3
As equaes 5.27 e 5.28 necessitam de
multiplicaes, aproximadamente.
3
Mostraremos que as transformaes de Householder no afetam os auto-valores do
problema original.

81

det (A1
det (P1 A1 PT1

I)

(5.29)

I) = det (A2

I)

(5.30)

De 5.30 e 5.10 temos

=
=
=
=
=
=

det (P1 A PT1

P1 PT1 )

det (P1 A PT1

P1 I PT1 )
det (P1 A PT1 P1 I PT1 )

det [P1 (A
I) PT1 ]

det P1 det (A
I) det PT1 ]

det P1 det P1 1 det (A

I)

det (A
I)

Assim, o polinmio caracterstico 5.29 idntico ao polinmio caracterstico 5.30.

Exemplo 5.19
Tridiagonalize a matriz simtrica:
2
666 1.36
666 0.48
A = 66666
664 1.00
0.00

0.48
1.64
0.00
0.00

1.00
0.00
1.36
0.48

0.00
0.00
0.48
1.64

Soluo:

3
777
777
777
777
75

Passo 1:
i). s1 =

qP

4
j=2

A2j1 =

s21 = 1.230
ii). c1 = {0, 0.48

p
( 0.48)2 + ( 1.00)2 + 02 = 1.109
1.109, 1, 0} = {0, 1.589, 1.0, 0}

c1
iii). e1 = = {0(Z) , 0.8464(X) , 0.5326(Y) , 0(W) }

1.878
2
0
0
666 1
666 0 0.4327 0.9015
iv). P1 = I
2 e1 eT1 = 66666

664 0 0.9015 0.4327
0
0
0
2
1.109
0
666 1.360
666 1.109
1.412 0.1092
v). A2 = P1 A1 PT1 = 66666

0
0.1092
1.588
664
0 0.4327 0.2077
82

0
0
0
1

3
777
777
777
777
75

0
0.4327
0.2077
1.640

3
777
777
777
777
75

Passo 2:
v
u
t

i). s2 =

4
X

A2j2 =

j=3

s22 = 0.1992
ii).

c2

p
(0.1092)2 + ( 0.4327)2 = 0.4463

= {0, 0, 0.1092 + 0.4463, 0.4327}

= {0, 0, 0.5555, 0.4327}

iii). e2 = {0, 0, 0.7889, 0.6145}

2
666 1 0
666 0 1
iv). P2 = I
2 e2 eT2 = 66666

664 0 0
0 0
2
666 1.360
666 1.109
v). A3 = P2 A2 PT2 = 66666

0
664
0

3
0
0 777
0
0 77777
7
0.2447 0.9696 7777
5
0.9696 0.2447

1.109
1.412
0.44630
0

OBS: Esta matriz poderia ter sido obtida por

3
0
0 777
0.4463
0 77777
7
1.538 0.1953 7777
5
0.1953 1.689

T = A3 = H T A H
onde

5.3.1

2
666 1
666 0
H = PT1 PT2 = 66666
664 0
0

0
0.4327
0.9015
0

0
0.2206
0.1059
0.9696

0
0.8741
0.4196
0.2447

Autovalores de uma Matriz Tridiagonal

3
777
777
777
777
75

Como calcularemos os autovalores de uma matriz tridiagonal?

a1
b1
0
0
...
T= 0
0
0
0
0

b1
a2
b2
0
...
0
0
0
0
0

0 0 0 ... 0
0
0
b2 0 0 . . . 0
0
0
a3 b3 0 . . . 0
0
0
b3 a4 b4 . . . 0
0
0
... ... ... ... ... ... ...
0 0 0 . . . bn 4
0
0 0 0 . . . an 3 bn 3 0
0 0 0 . . . bn 3 an 2 bn 2
0 0 0 . . . 0 bn 2 an 1
0 0 0 ... 0
0 bn 1

83

0
0
0
0
...
0
0
0
bn 1
an

Chamemos T n T
como:

I. Assim, o polinmio caracterstico de T pode ser escrito

det (T n ) = det (T

I)

(5.31)

Como calcularemos det (T n )?

det (T n ) = [an

] . det (T n 1 )

bn

. Dn,(n

(5.32)

1)

onde T n 1 a matriz obtida eliminando-se a linha e a coluna n da matriz T n e Dn, (n 1) o

menor complementar do elemento T n,(n 1) da matriz T n , ou seja, o determinante da matriz
obtida aps a eliminao da linha n e da coluna (n 1) (vide figura abaixo).
a1
b1
0
0
...
T=
0
0
0
0
0

Dn, (n

1)

b1

a2
b2
0
...
0
0
0
0
0

a1
b1
0
0
= ...
0
0
0
0

0
b2

0
0
b3

a3
b3
...
0
0
0
0
0

a4
...
0
0
0
0
0

b1

a2
b2
0
...
0
0
0
0

O determinante Dn, (n

1)

0
0
0
b4
...
0
0
0
0
0

0
b2

...
0
...
0
...
0
...
0
...
...
...
bn 4
. . . an 3
...
bn 3
...
0
...
0

0
0
b3

a3
b3
...
0
0
0
0

a4
...
0
0
0
0

0
0
0
b4
...
0
0
0
0

0
0
0
0
...
bn 3
an 2
bn 2
0

...
0
...
0
...
0
...
0
...
...
...
bn 4
. . . an 3
...
bn 3
...
0

0
0
0
0
...
0
0
bn 2

an 1
bn

0
0
0
0
...
bn
an 2
bn

0
0
0
0
...
0
0
0
bn 1
an

0
0
0
0
...
0
0
0
bn 1

pode ser determinado por

Dn, (n

1)

= bn

. det (T n 2 )

(5.33)

Substituindo-se 5.33 em 5.32, obtemos

det (T n ) = [an

] . det (T n 1 )

[bn 1 ]2 . det (T n 2 )

(5.34)

Chamando-se pi = det (T i ) o polinmio caracterstico associado a sub-matriz T i formada pelas i primeiras linhas e colunas da matriz T n e em vista da expresso 5.34 podemos
escrever
84

pi ( ) = [ai

] . pi 1 ( )

[bi 1 ]2 . pi 2 ( )

(5.35)

Observe que a equao caracterstica, para a qual desejamos obter as razes,

pn ( ) = [an

] . pn 1 ( )

[bn 1 ]2 . pn 2 ( ) = 0

(5.36)

que recorre a polinmios caractersticos das submatrizes principais de ordens 1 a n

recursivamente. Assim, pn ( ) pode ser calculado pela seguinte seqncia de Sturn
p0 (
p1 (
p2 (
p3 (

)=1
) = [a1
) = [a2
) = [a3

pi ( ) = [ai

pn ( ) = [an

] . p0 ( )
] . p1 ( ) [b1 ]2 . p0 ( )
] . p2 ( ) [b2 ]2 . p1 ( )
.
.
.
] . pi 1 ( ) [bi 1 ]2 . pi 2 ( )
.
.
.
] . pn 1 ( ) [bn 1 ]2 . pn 2 ( ) = 0

(5.37)

Obs: A seqncia de Sturm tem a seguinte propriedade: cada raiz de um polinmio pi ( )

fica entre duas razes consecutivas do polinmio de ordem inferior pi 1 ( ), exceto a primeira e a ltima raiz de pi ( ). Assim, podemos utilizar o mtodo da bisseo para calcularmos os autovalores da matriz tridiagonalizada.

Figura 5.4: ?

5.4

Mtodo da Potncia

Trs verses:
i). Regular ! calcula o maior autovalor.
ii). Inverso ! calcula o menor autovalor.
iii). Deslocado (shifted) ! calcula qualquer autovalor.
85

5.4.1

Regular

Suponha que A

onde

2 NN diagonalizvel, isto ,
2
666 1
666
6 0
A X = diag ( 1 , . . . , n ) = 6666 .
666 ..

64
0

x o i-simo autovetor.
i

0
1

..
.
0

...
...
..
.

0
0
..
.

...

3
777
777
777
777
777
5

(5.38)

X = [ x1 , x2 , . . . , xn ]

(5.39)

| 1| > | 2|

(5.40)

| 3|

| n|

...

Dada a norma Euclideana e um vetor q(0) 2 N , o mtodo da potncia produz uma

sequncia de vetores q(k) como se segue (assume-se 1 2 ):

f or k = 1, 2, . . .
Z (k) = A

q(k

1)

(5.41)

q(k) = Z (k) / || Z (k) ||2

(k)

end

= [ q(k) ]H A

(5.42)

q(k)

(5.43)

onde
|| Z (k) ||2 = [(Z1(k) )2 + (Z2(k) )2 + . . . + (Zn(k) )2 ]1/2

(5.44)

[ q(k) ]H Transposta Hermitiana de q(k)

(5.45)

Convergncia do Mtodo
Se
q(0) = a1 x1 + a2 x2 + . . . + an xn

e a1 , 0, ento
A

A2

q(0)

(5.46)

= a1 A x1 + a2 A x2 + . . . + an A xn =

= a1 1 x1 + a2 2 x2 + . . . + an n xn

q(0) = a1

2
1

x + a2
1
86

2
2

x + . . . + an
2

2
n

x
n

(5.47)
(5.48)

Ak

q(0)

= a1

k
1

= a1

k
1

k
x
21 + a2 n 2
X
666
666 x1 +
4
j=2

Mas

q(k) =
k 1

Y
i=0

1
|| A q(i) ||

Ak

q(0)

(6)
a1
=
k 1
Y
(12)
i=0

x + . . . + an
3
2
!k
77
aj
j
x j 77775

a1 1
k
1

(?)

k
n

x =
n

2
n
X
666
aj
666 x1 +
4
a1
j=2

j
1

(5.49)

3
777
???7775

(5.50)

Assim, medida que k ! 1, (k) se aproxima de x1 e a cada iterao a diferena

k

2
(k)
entre q
e x1 da ordem de
.

1
Quando a ordem 5.40 ocorre, dizemos que 1 o autovalor dominante.
OBS: O mtodo da potncia converge se 1 dominante e se q(0) tiver uma compo
nente na direo de x1 (autovetor dominante).

5.4.2

Inverso

Considere o problema de auto-valores

A x = x

1
Assim, pre-multiplicando 5.51 por A
e dividindo por

1
1
A 1 A x = A 1 x ) A 1 x =
x

Equao 5.52 o problema de autovalores

A

onde

(5.51)

(5.52)

x =

(5.53)

=1

(5.54)

Observa-se que os autovalores do problema 5.53 so recprocos dos autovalores do

problema 5.51. Se aplicarmos o mtodo regular ao problema 5.53 encontraremos o autovalor dominante de A 1 que corresponde a 1/ n .
Dada a norma Euclideana e um vetor q(0) 2 N , o mtodo da potncia produz uma

sequncia de vetores q(k) como se segue:

f or k = 1, 2, . . .
Z (k) = A

q(k

1)

ou resolva o sitema A

87

Z (k) = q(k

1)

(5.55)

q(k) = Z (k) /|| Z (k) ||2

(k) = [ q(k) ]H A

(k)
N

end

5.4.3

= [ q(k) ]H A

(5.56)

1
q(k) ou
= [ q(k) ]H A

(k)

q(k) )

q(k)

(5.57)

Deslocado (Shifted) ou Wielandt

Encontra qualquer autovalor desde que seja real e separado.

Considere

subtraindo-se I

chamando-se A = A

A q = i qi
i

qi dos dois lados de 5.58, temos

( A
I ) qi = (

I, a equao 5.59 fica

(5.58)

) qi

(5.59)

A qi = i qi

onde

i =

(5.60)

(5.61)

Considere agora o mtodo inverso aplicado sobre o problema 5.60

qi =

qi

onde

1
=
i

1
i

(5.63)

O problema 5.62 encontrar o autovalor dominante de A

Se escolhermos prximo a i e tal que i > 0, ento

dominante de A 1 e i =

(5.62)

em 5.60).
(ou o n de A,
1

ser o autovalor
i =

i
Assim
ser o menor autovalor de A.
i

= i +

88

(5.64)

5.5

Mtodo da Iterao QR

um mtodo de transformao.
Os mtodos de transformao utilizam as propriedades bsicas dos autovalores na
matriz
X = [ x1

x . . . xn ]
2

(5.65)

cujas colunas so os N autovetores da matriz A do problema de autovalores

x =
i

x
i

(5.66)

A matriz X diagonaliza a matriz A , ou seja,

XT

onde

X =

= diag ( 1 ,

2,

...,

(5.67)

n)

(5.68)

O princpio bsico dos mtodos de transformao construir X de forma iterativa

aplicando transformaes de similaridade com o objetivo de diagonalizar A .

A
1
A
2
A
.3
..
A
k+1

A
T
P
1T
P
2

A
1
A
2

P
1
P = PT2
2

PT
1

= PTk

A
k

P = PTk
k

PT
k

=
=
=

Quando k ! 1,

A
1
1

P
1

P
2

. . . PT2

PT
1

A
!
k+1

5.5.1

A P
1

P . . . Pk
2

P
k
(5.69)
(5.70)

Mtodo de Jacobi

onde Pk

A
= PTk
k+1

uma matriz ortonormal

A
k

P
k

(5.71)

PT P = I
(5.72)
k k

No mtodo de Jacobi a matriz Pk uma matriz de rotao selecionada de forma a

zerar um elemento fora da diagonal de Ak .

Para zerar o elemento (i, j).

89

P
k

2
666 1
666
..
666
.
666
666
1
666
cos
666
666
1
666
6
...
= 6666
666
1
666
666
sen

666
666
666
666
664
i

sen

cos
1
..

.
1

3
777
777
777
777
777
777
777 i
777
777
777
777
777
777
777 j
777
777
777
777
75

onde o ngulo tal que

8
>
2 a(k)
>
>
ij
(k)
>
>
p/ a(k)
>
ii , a j j
< tan (2 ) = (k)
(k)
aii
ajj
>
>
>
>

>
(k)
>
: = ,
p/ a(k)
ii = a j j
4
Varreduras por linha ou por coluna n (n

(5.73)

(5.74)

1) matrizes P .

Elementos que foram zerados podem deixar de ser zero durante o processo.
Vrias varreduras so necessrias.
Ai j = A ji2 = 0 = PTik A3 kl Pl j = P ji Akl Pl j )
n
n
n h
X
X
i
666X
777
6
7
0=
Pki Akl 75 Pl j =
Pii Ail + P ji A jl Pl j =
64
l=1

k=1

l=1

= Pii Aii Pi j + Pii Ai j P j j + P ji A ji Pi j + P ji A j j P j j

= cos Aii ( sen ) + cos Ai j cos + sen A ji ( sen ) + sen A j j cos

A j j ) + (cos2

= sen cos (Aii

) sen cos (Aii

A j j ) = (cos2

sen2 ) Ai j )

sen2 ) Ai j

2 Ai j
sen 2
=
cos 2 Aii A j j
tan (2 ) =

2 Ai j
Aii A j j

A multiplicao em 5.71 afeta apenas os termos da matriz Ak nas linhas i e j e nas

colunas i e j. Assim,
90

Figura 5.5: ?

(Aii )k+1
(A j j )k+1
(Ai j )k+1
(Ali )k+1
(Al j )k+1

5.5.2

= (Aii cos2 + 2 Ai j cos sen + A j j sen2 )k

= (Aii sen2 2 Ai j cos sen + A j j cos2 )k
= (A ji )k+1 = 0
= (Ail )k+1 = (Ali cos + Al j sen )k
= (A jl )k+1 = ( Ali sen + Al j cos )k

(5.75)

Mtodo QR

O passo bsico do mtodo decompor a matriz A na forma

A = Q R

onde Q uma matriz ortogonal e R uma matriz triangular superior.

Depois, formamos a matriz R Q

R Q = QT

A = Q

OBS: O produto R

R ) QT

Q = QT Q R

| {z }
I

(5.76)

(5.77)
Q = R Q

Q corresponde a uma transformao de similaridade em A .

Como obtemos a decomposio Q R ?

Aplicamos matrizes de rotao de Jacobi para transformar A em R . Assim

PTn, n
|

Processo iterativo A1 = A

. . . PT3,1

{z
QT

PT
A = R

2,1}

(5.78)

A
k

=
A
= R0?
k+1

91

Q
k

Q
?

Rk

(5.78)

(5.79)
(5.80)

A
!
k+1

Q1 . . . Qk 1 Qk ! X

k!1

Se aplicarmos matrizes de rotao de Jacobi para transformar A em R (triangular superior).

Com i > j :
Ri j = 0 = PTik Ak j = Pki Ak j
= P ji A j j + Pii Ai j
= sen A j j + cos Ai j ) tan =

Ai j
Ajj

ou
sen A j j = cos Ai j ) sen2 A2ji cos2 A2i j = 0
) sen2 A2j j (1 sen2 ) A2i j = 0 )
) sen2 (A2j j + A2i j ) = A2i j ) sen = q
cos = q

Ajj
A2i j + A2j j

92

Ai j
A2i j + A2j j

Captulo 6
Soluo de Problemas de Valores
Iniciais de Equaes Diferenciais
Ordinrias
6.1
6.1.1

Introduo
Problema da Queda Livre

Figura 6.1: Problema de queda livre

Segunda Lei de Newton
mg = m

d2 y
d2 y
)
= g
dt2
dt2

dy
reescrevemos 6.1 como
dt
dv
= g
dt
Integrando-se 6.2, obtemos
Z
v=
g dt = g t + c1 ) v = g t + c1

(6.1)

Chamando-se v =

(6.2)

(6.3)

Assim

dy
= g t + c1
dt
93

(6.4)

Integrando-se 6.4, obtemos

1 2
g t + c1 t + c2
2
Para determinarmos c1 e c2 , precisamos de duas condies iniciais. Em
(
v = v0
(a)
t=0)
y = y0
(b)
y (t) =

(6.5)

(6.6)

De 6.6.a e 6.3 temos

v0 = g 0 + c1 ) c1 = v0

De 6.7, 6.6.b e 6.5 temos

1 2
g 0 + v0 0 + c2 ) c2 = y0
2
Assim, substituindo-se 6.7 e 6.8 em 6.5, temos
y0 =

1 2
gt
2

y (t) = y0 + v0 t
v (t) = v0

gt

(6.7)

(6.8)

(6.9)
(6.10)

Suponha que o corpo solto da altura H, isto , as condies iniciais do problema so

v0 = 0
y0 = H

(a)
(b)

d2 y
= g
dt2
1 2
y (t) = H
gt
2
v (t) = g t

(6.11)

Assim a soluo do problema

6.1.2

(a)
(b)

(6.12)

Problema da Queda Livre com Resistncia do Ar

Figura 6.2: Problema de queda livre com resistncia do ar

Segunda Lei de Newton
cv

mg = m
94

d2 y
dt2

(6.13)

d2 y
dt2

ou

dv
dt

ou

c dy
+g=0
m dt

(6.14)

c
v+g=0
m

(6.15)

8
>
dv
>
>
<
= f (v, t)
>
dt
>
>
: com v (0) = v0

(6.16)

Estudaremos problemas do tipo 6.16 onde f (v, t) pode, inclusive, ser uma funo
no-linear de v .
Como resolver o problema 6.15 ?
Mtodo analtico
( 0
v av = b
(a)
(6.17)
v (0) = v0
(b)
Multiplicando-se 6.17.a por e

at

temos

at

(v0

at

a v) = e

(6.18)

Mas
d
(v e
dt

at

) = v0 e

at

ave

at

=e

at

(v0

a v)

(6.19)

Assim 6.18 fica

d
(v e
dt

at

)=e

at

(6.20)

Integrando-se 6.20, temos

b at
e + c1
a
Aplicando-se a condio inicial 6.17.b a 6.21, temos
e

at

b 0
b
e + c1 c1 = v0 + ?
a
a
Substituindo-se 6.23 em 6.21 e multiplicando-se por e a t , temos
?e0 v0 =

v (t) = v0 ea t +

b at
(e
a

1)

OBS: Exemplos de equaes diferenciais ordinrias:

1a ordem: v0 a v = f (t)
2a ordem: v00 + p v + q v = f (t)

95

(6.21)

(6.22)

(6.23)

6.1.3

Mtodos Numricos para Problemas de Valor-Inicial

A soluo exata do problema

( 0
u = f (t, u)
u (0) = u0

E.D.O
I.C.

contnua no tempo. Nos mtodos numricos tentamos acompanhar a soluo de

forma discreta do tempo. Assim, comeando de u (0) = u0 , damos um passo finito t de
cada vez e esperamos que depois de n passos a soluo numrica un u (n t) .
Devemos nos preocupar com:
1. Preciso: o erro u (n t) un tem a seguinte forma E = C ( t) p . Para reduzir o
erro podemos aumentar a ordem de preciso, p , ou diminuir t .
2. Simplicidade: o passo de un para un+1 pode ser rpido ou vagaroso, dependendo
da quantidade de vezes que calculamos f (t, u) .
3. Estabilidade: em cada passo, pequenos erros so introduzidos. Se o erro acumulado crescer de forma descontrolada o resultado intil.
Procedimento numrico (mtodo da varivel discreta): constri valores aproximados
u0 , u1 , u2 , . . . , un , . . .
da soluo exata nos tempos
t0 , t1 , t2 , . . . , tn , . . .
dada por
u (t0 ), u (t1 ), u (t2 ), . . . , u (tn ), . . .
Como determinar u1 a partir de u0 e f (t0 , u0 ) ?
Mtodos
One-step (passo-simples)
Stepwise (passo-a-passo)
Starting methods (de inicializao)
Precisam do conhecimento de un para determinar un+1 .
Mtodos
Multistep (passo-mltiplo)
Continuing Methods (de continuao)
96

Precisam do conhecimento de un , un 1 , . . . para determinar un+1

OBS: Todo mtodo de passo-mltiplo precisa de um mtodo de inicializao (passosimples) para obter os valores iniciais do mtodo.
Qual a sensibilidade da soluo com relao s condies iniciais ou a outros parmetros do problema?
Convergncia:
Erros:

t ! 0 ) yi ! u (ti ) ?

Frmula (ou truncamento, ou discretizao)

Erro de arredondamento

6.2
6.2.1

Mtodos de Euler
Forward Euler

Dado o problema
(

u0 = f (u, t)
u(?) = u0

(6.24)

Substituindo-se a derivada u0 pelo operador diferencial

du un+1 un

dt
t

Assim

un+1
un+1

(6.25)

un

= f (un , tn )
t
= un + t f (un , tn )

(6.26)

Comeando da condio inicial temos

u1
u2
..
.

= u0 + t f (u0 , t0 )
= u1 + t f (u1 , t1 )
..
.

(6.27)

un+1 = un + t f (un , tn )
OBS:
1. Preciso aumenta para t pequeno mas no pode usar t muito pequeno por causa
do erro de arredondamento. Erros de truncamento tambm ocorrem.
2. O mtodo simples e explcito, isto , calcula un+1 diretamente a partir dos valores
em tn .
3. Instabilidade pode ocorrer.
97

6.2.2

Backward Euler

Substituimos u0 em 6.24 por

5u
5t

u0n+1

un+1
tn+1

un+1

un

un un+1 un
=
tn
t

(6.28)

Assim
= f (un+1 , tn+1 )
t
= un + t f (un+1 , tn+1 )

un+1

(6.29)

OBS:
1. Preciso a mesma do Forward Euler.
2. Mtodo implcito, isto , un+1 no calculado diretamente a partir dos valores no
tempo tn .
3. Mais estvel.

6.2.3

Mtodo de Euler Modificado

Dados
u0 = f (u, t)
un , f (un , tn ), t
escrevemos
un+1 = un +

tn

tn+1

u dt = un +

tn+1
tn

f (u, t) dt

(6.30)

Aplicando regra do trapzio para integrao, temos

un+1 = un +

6.3
6.3.1

t
[ f (un+1 , tn+1 ) + f (un , tn )]
2

(6.31)

Mtodos de Runge-Kutta
Introduo

Problema
u0 = f (u, t)
u (0) = u0

(6.32)

no intervalo [tn , tn+1 ]

un+1 = un +

tn

98

tn+1

f (v, t) dt

(6.33)

Os mtodos de Runge-Kutta so derivados aplicando-se integrao numrica para

aproximar a integral em 6.33.
Z tn+1
I=
f (v, t) dt
(6.34)
tn

Regra do Trapzio ( t = h)

h
[ f (vn , tn ) + f (vn+1 , tn+1 )]
2
Regra 1/3 de Simpson (h = h/2)
I

(6.35)

Figura 6.3: Regra de 1/3 de Simpson

h
[ f (vn , tn ) + 4 f (vn+ 12 , tn+ 12 ) + f (vn+1 , tn+1 )]
3
|{z}

(6.36)

h/6

Regra 3/8 de Simpson (h = h/3)

Figura 6.4: Regra de 3/8 de Simpson

3h
[ f (vn , tn ) + 3 f (vn+ 13 , tn+ 13 ) + 3 f (vn+ 23 , tn+ 23 ) + f (vn+1 , tn+1 )]
8
|{z}

(6.37)

h/9

Para obtermos os valores de f (v, t) nos pontos intermedirios do intervalo basta obtermos os valores de v e t nos pontos intermedirios. Isto feito obtendo-se uma estimativa aplicando-se Forward Euler.
Assim,

99

h
f (vn , tn )
2
h
= vn + f (vn , tn )
3
2h
= vn +
f (vn , tn )
3
= vn + h f (vn , tn )

v n+ 12 = vn +

(6.38)

v n+ 13

(6.39)

v n+ 23
v n+1

6.3.2

(6.40)
(6.41)

Runge-Kutta de Segunda Ordem

Baseado na Regra do Trapzio

vn+1 = vn +

h
[ f (vn , tn ) + f (vn+1 , tn+1 )]
2

(6.42)

onde v n+1 = vn + h f (vn , tn )

chamando-se
k1 = h f (vn , tn )
v n+1 = vn + k1
k2 = h f (vn + k1 , tn+1 )

(6.43)
(6.44)
(6.45)

temos
vn+1 = vn + 12 [k1 + k2 ]

6.3.3

(6.46)

Runge-Kutta de Terceira Ordem

Baseado na Regra 1/3 de Simpson

h
[ f (vn , tn ) + 4 f (vn+ 12 , tn+ 12 ) + f (vn+1 , tn+1 )]
6
h
= vn + f (vn , tn )
2

vn+1 = vn +

(6.47)

v n+ 12

(6.48)

Figura 6.5: ?
A estimativa v n+1 pode ser obtida de vrias maneiras
100

i).
v n+1 = vn + h f (vn , tn )

(6.49)

v n+1 = vn + h f (vn+ 12 , tn+ 12 )

(6.50)

ii).
iii). Combinao linear de i) e ii)
v n+1 = vn + h [ f (vn , tn ) + (1

) f (vn+ 12 , tn+ 12 )]

(6.51)

O valor timo de = 1 . Assim

v n+1 = vn + h [ f (vn , tn ) + 2 f (vn+ 21 , tn+ 12 )]

(6.52)

k1 = h f (vn , tn )
1
v n+ 12 = vn + k1
2
h
1
k2 = h f (vn + k1 , tn + )
2
2
k3 = h f (vn k1 + 2 k2 , tn + h)

(6.53)

Chamando-se

vn+1 = vn +

6.3.4

1
(k1 + 4 k2 + k3 )
6

Runge-Kutta de Quarta Ordem

Baseado na Regra 3/8 de Simpson

vn+1 = vn +

h
[ f (vn , tn ) + 3 f (vn+ 13 , tn+ 13 ) + 3 f (vn+ 23 , tn+ 23 ) + f (vn+1 , tn+1 )]
8

Chamando-se
k1 = h f (vn , tn )
k2

1
h
= h f vn + k1 , tn +
3
3

v n+ 13 = vn +

1
k1
3

v n+ 23 = vn+ 13 +

h
f (vn+ 13 , tn+ 13 )
3
101

(6.54)
(6.55)
(6.56)

(6.57)

= vn +
k3

1
1
k1 + k2
3
3

k1 k2
2h
= h f vn + + , tn +
3
3
3

v n+1 = vn + h f (vn )
k4 = h f (vn + k1

h f (vn+ 13 ) + h f (vn+ 23 )
k2 + k3 , tn + h)

1
[k1 + 3 k2 + 3 k3 + k4 ]
8

vn+1 = vn +

Derivem em casa a eq. 9.3.17 da pgina 330.

6.4

Mtodos Preditores-Corretores

Consistem de dois passos:

1. Preditor: estima a soluo para um novo ponto.
2. Corretor: melhora a preciso da estimativa.

6.4.1

Introduo

Figura 6.6: ?
=t

tn

(6.58)

Problema:
(
un+1
Idia do mtodo:

u0 = f (u, t)
u (0) = u0
Z h
= un +
u0 () d
0

102

(6.59)
(6.60)

 desenvolver uma funo de interpolao para u0 () baseada em valores de u0i ,

em pontos ti , i n , conhecidos.
integrar 6.60 analiticamente, obtendo uma extrapolao para u n+1 (preditor).
calcular u 0n+1 = f (un+1 , tn+1 )
desenvolver uma nova funo de interpolao para u () baseada em u0i , i n e
u 0n+1
??? analiticamente obtendo un+1 (corretor).

6.4.2

Mtodo Preditor-Corretor de Adams de Terceira Ordem

i). Clculo da funo de extrapolao u0 () baseada nos pontos tn 2 , tn

u0 () =
+
+

u0 () =

(
(n
1

(
(n

[
[0

[
[ h

[
[ 2h

1
( + 2 h) ( + h) u0n
2 h2

n ) ( n 2 )
u0
n ) (n 1 n 2 ) n

n 1 ) ( n )
u0n
n 1 ) (n 2 n )

( 2 h)] [
( 2 h)] [0

( h)] 0
u
( h)] n

0] [ ( 2 h)] 0
u
0] [ h ( 2 h)] n

( h)] [ 0]
u0
( h)] [ 2 h 0] n

2 ( + 2 h) u0n

+ ( + h) () u0n

O erro da interpolao de Lagrange

E (x)

(x

e tn

n 2 ) ( n 1 ) 0
u
n 2 ) (n n 1 ) n

(
(n

x0 ) (x x1 ) . . . (x
(n + 1)!

xn )

f (N+1) (xm )

+ E ()
(6.61)

(6.62)

onde, N + 1 o nmero de pontos de interpolao e xm o ponto mdio do

intervalo de interpolao. Assim

E ()

0) ( + h) ( + 2 h) d3 (u0 )
1
() = ( + h) ( + 2 h) u iv ()
3
3!
dt
6
???
(6.63)
103

ii). Clculo da integral em 6.60

Z

u0 () d
0
"Z h
Z h
1
2
2
0
=
( + 3 h + 2 h ) un d
(2 2 + 4 h ) d u0n
2 h2 0
0
+ O (h4 )
h
=
(23 u0n 16 u0n 1 + 5 u0n 2 ) + O (h4 )
12

I =

h
0

( +

h ) d u0n 2

(6.64)

iii). Frmula preditora de terceira ordem de Adams-Bashforth

u 0n+1 = un +

h
(23 u0n
12

onde O (h4 ) = 38 h4 u iv () e tn
6.63.

16 u0n

+ 5 u0n 2 ) + O (h4 )

(6.65)

< < tn+1 obtido integrando-se a equao

iv). Clculo de u 0n+1

u 0n+1 = f (un+1 , tn+1 )

(6.66)

v). Clculo da funo de interpolao u 0 () baseada nos valores u 0n+1 , u 0n , u 0n

u 0 () =

1
( + h) u 0n+1
2 h2
1
E () = (
?

2 (

h) ( + h) u0n + (

h) ( + h) uiv () ,

tn

h) u0n

+ E () (6.67)

< < tn+1

(6.68)

vi). Clculo da frmula corretora de terceira ordem de Adams-Moulton.

Integrando-se 6.67 e substituindo-se o resultado em 6.60, temos
un+1 = un +

h
(5 u 0n+1 + 8 u0n
12

u0n 1 ) + O (h4 )

(6.69)

onde
O (h4 ) =

1 4 iv
h u () ,
24

tn

< < tn+1

(6.70)

As expresses 6.65, 6.66 e 6.69 constituem o mtodo preditor-corretor de terceira ordem de Adams.
vii). Como iniciamos o mtodo?
104

 Para iniciarmos o mtodo, precisamos de valores conhecidos em t0 , t1 , et2 .

Em t0 temos a condio inicial do problema.

Em t1 e t2 podemos estimar os valores pelo mtodo de Runge-Kutta ou

algum outro mtodo.

6.4.3

Mtodo Preditor-Corretor de Adams de Quarta Ordem

i). Clculo da funo de extrapolao u0 () baseada nos pontos tn

e tn

, tn

, tn

Utilizando a interpolao de Lagrange, temos

1
6 h3
1
2 h3
1
+
2 h3
1
6 h3

u0 () =

onde

E () =
=

i
3 + 6 h 2 + 11 h2 + 6 h3 u0n
h
i
3 + 5 h 2 + 6 h2 u0n 1
h
i
3 + 4 h 2 + 3 h2 u0n 2
h
i
3 + 3 h 2 + 2 h2 u0n 3 + E ()

0) ( + h) ( + 2 h) ( + 3 h) d4 (u0 )
()
4!
dt4

1
( + h) ( + 2 h) ( + 3 h) uv ()
24
tn

(6.71)

(6.72)

< < tn+1

ii). Frmula preditora de quarta ordem

Integrando-se 6.71 e substituindo-se em 6.60, temos
u n+1 = un +

h
(55 u0n
24

59 u0n

+ 37 u0n

9 u0n 3 ) + O (h5 )

(6.73)

< < tn+1

(6.74)

onde
O (h5 ) =

251 5 vi
h u () ,
720

tn

obtida integrando-se a equao 6.72.

iii). Clculo de u 0n+1
u 0n+1 = f (un+1 , tn+1 )
105

(6.75)

iv). Clculos da frmula corretora de quarta ordem de Adams-Moulton

Determina-se a funo de interpolao u0 () baseada nos valores u 0n+1 , u0n
, u0n 1 , u0n+2 .
Rh
Integra-se 0 u0 () analiticamente e substitui-se na equao 6.60, obtendose
un+1 = un +

h
9 u 0n+1 + 19 u0n
24

5 u0n

+ u0n

+ O (h5 )

(6.76)

onde
O (h5 ) =

19 5 v
h u () ,
720

tn

< < tn+1

(6.77)

As expresses 6.73, 6.75 e 6.76 constituem o mtodo preditor-corretor de quarta

ordem de Adams.

6.4.4

Vantagens e Desvantagens

Vantagens
Eficiente: necessita calcular f (u, t) apenas duas vezes em cada passo. O
mtodo de Runge-Kutta de quarta ordem calcula f (u, t) quatro vezes em
cada passo.
Erro local pode ser estimado em cada passo.
Desvantagens
Precisa de outro mtodo para iniciar o processo, obtendo valores em t1 , t2
e t3 , alm da condio inicial em t0 .
No fcil mudar o tamanho de h durante o processo.
No pode ser utilizado se u0 se tornar descontnua no meio do intervalo.
Exemplo 6.20
Resolva o problema

Utilize

8
>
>
>
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
>
>
>
:

d2 x 2 dx
+t
+3x=t
dt2
dt
x (0) = 1
dx
(0) = 2
dt

1. Forward Euler: un+1 = un + h f (un , tn )

106

2. Backward Euler: un+1 = un + h f (un+1 , tn+1 )

3. Mtodo de Euler modificado: un+1 = un +

h
[ f (un+1 , tn+1 ) + f (un , tn )]
2

4. Runge-Kutta de terceira ordem:

8
k1 = h f (un , tn )
>
>
>
>
>
1
h
>
>
>
>
< k2 = h f (un + 2 k1 , tn + 2 )
>
>
>
k3 = h f (un k1 2 k2 , tn + h)
>
>
>
>
1
>
>
: un+1 = un + (k1 + 4 k2 + k3 )
6
5. Preditor-corretor de Adams de terceira ordem

h
(23 u0n 16 u0n 1 + 5 u0n 2 )
12
= f (un+1 , tn+1 )
h
= un +
(5 u 0n+1 + 8 u0n u0n 1 )
12

u n+1 = un +
u 0n+1
un+1
Use h = 0.1 s

6.5

Equaes Diferenciais Ordinrias Rgidas

Definio: Equaes Diferenciais Ordinrias so ditas rgidas quando a soluo

uma funo suave, mas requer um t muito pequeno no mtodo numrico para manter
estabilidade.
Por exemplo,
( 0
y
= y + s (t)
(6.78)
y (0) = y0
1
denominada constante de tempo.
||

Soluo exata de 6.78 :

Se

s (t) = 0
y (t) = y0 e

8t

(6.79)

Se
s (t) , 0
y (t) = y0 e

+e

107

s () e d

(6.80)

OBS: A soluo de problemas de E.D.O. rgidas pelos mtodos de Runge-Kutta ou

Preditor-Corretor so difceis ou, s vezes, impossvel.
Se aplicarmos o mtodo de Runge-Kutta de quarta-ordem ao problema 6.78 a soluo
1
1
se torna instvel para h > 2.785
. Assim, quando
! 0 o mtodo tem de utilizar
||
||
h ! 0 para manter a estabilidade. Por exemplo, para
= 100000 ) h <

2.785
= 0.000002785 10
100000

s para manter a estabilidade.

Figura 6.7: ?
OBS: Se em um sistema de E.D.O.s uma E.D.O. rgida, t tem de ser pequeno
para manter estabilidade da soluo do sistema.
8 0
>
y = 1y + 1z + 3
>
>
<
1
1
(6.81)
>
0
7
>
>
)
= 7
(muito pequeno)
: z = 10 z + 1 y
|| 10
Alguns mtodos para soluo de E.D.O.s rgidas utilizando
postos.

6.5.1

t grande, foram pro-

Mtodos Implcitos
(

y0 = f (y, z, t)
z0 = g (y, z, t)

Usando Backward Euler

(
yn+1
zn+1

com

y (0) = y0
z (0) = z0

yn = h f (yn+1 , zn+1 , tn+1 ) h fn+1

zn = h g (yn+1 , zn+1 , tn+1 ) h gn+1

(6.82)

(6.83)

Se f e g forem funes no-lineares, 6.83 no pode ser resolvida de forma fechada (exata) e mtodos iterativos, tais como o das substituies sucessivas, podem ser
usados mas no so eficientes. Uma opo mais eficiente linearizar as equaes 6.83
por expanso de Taylor.
8
@f
@f
@f
>
>
>
fn+1 = fn +
y+
z+
t
>
>
>
@y
@z
@t
>
>
>
<
(6.84)
>
>
>
@g
@g
@g
>
>
>
gn+1 = gn +
y+
z+
t
>
>
>
@y
@z
@t |{z}
:
h
108

6.84 ! 6.83 )

2
666"
666 1 0 #
666
666 0 1
64
|

ou

2 @f
666
666 @y
h 66666
664 @g
@y

@f
@z
@g
@z

33
777777 "
77777777
777777
777777
55
{z

y
z

2
666 h f + h2 @ f
n
666
@t
= 6666
664
@g
h gn + h2
@t

(resolve por eliminao de Gauss)

(I
|

3
777
777
777
777
5

(6.85)

h J) y = Lado direito
{z
}

(6.86)

(resolve por eliminao de Gauss)

onde
I = Identidade
J = Matriz Jacobiana
(
)
y
y =
z

OBS: Incondicionalmente estvel.

6.5.2

Mtodo Exponencial

Idias Bsicas
Suponha
y0 = f (y, t)

(6.87)

onde f (y, t) no inclui t explicitamente. Adicionando-se c y aos dois lados de

6.87, temos:
y0 + c y = f (y, t) + c y

(6.88)

onde c constante.
Multiplicando-se 6.88 por ec t , temos
y0 ec t + c y ec t = [ f (y, t) + c y] ec t
d
(y ec t ) = [ f (y, t) + c y] ec t
dt
#
Z tn+1 "
Z tn+1

d
c
(y e ) d =
f (y, ) + c y ec d
d
tn
tn
y (tn+1 ) e

c tn+1

y (tn ) e

c tn

[ f (y (tn + ), tn + ) + c y (tn + )] e c (tn +) d

109

(6.89)
(6.90)
(6.91)

(6.92)

Figura 6.8: Parametrizao

multiplicando-se por e

c tn+1

, temos

y (tn+1 ) = y (tn ) e c (tn+1 tn ) +

Z h
+
[ f (y (tn + ), tn + ) + c y (tn + )] e c ( (tn+1 tn )) d
0
Z h
ch
y (tn+1 ) = y (tn ) e +
[ f (y (tn + ), tn + ) + c y (tn + )] e c (
0

(6.93)
h)

d (6.94)

Vrios mtodos podem ser deduzidos utilizando-se aproximaes para f + c y no

integrando de 6.94. No entanto, a preciso da aproximao vai depender do valor de c .
Uma aproximao de c comumente utilizada
!
@f
@f
c=
(tn ) =
(6.95)
@y
@y n
OBS: Quando f (y, t) no tem dependncia explcita de
!
@f
f 0 @ f @ f @y @ f
=
?
=
f
@y
f @t @y @t
@y

(6.96)

Assim

f0
f

c=

6.5.3

(6.97)
n

Mtodo de Ajuste Exponencial

Aproximao:
[ f (y, tn + ) + c y (tn + )] fn + c yn

(6.98)

Equao 6.94 reduz-se a

yn+1 = yn + h fn
|
{z
}
Forward Euler

"

e ch
ch

(6.99)

OBS: O mtodo 6.99 incondicionalmente estvel

Se h ! 0

) y" n+1 ! y#n , pois 1

1
Se h ! 1 ) 1
!1
ech
Modificao do mtodo 6.99 para melhorar a soluo
110

ch

!0

1. Utilizar 6.99 como um preditor

y n+1 = yn + fn

"

(6.100)

fn

(6.101)

ch

e
c

ou no intervalo tn < t < tn+1

=t

y (t) = yn +

"

tn
1

e
c

2. Reescrevemos 6.94 como corretor

yn+1 = y n+1 +

h
0

[ f (y (tn + ), tn + )

fn + c y (tn + )

c yn ] e c(?

(6.102)

A integral pode ser resolvida

(a) Analiticamente (se f for simples)
(b) Interpolao linear de [ ]
(c) Regra do Trapzio
interpolao linear
[ f (y (tn + ))

fn + c y (tn + )

c yn ] B

(6.103)

onde
B=

fn+1

b)
yn+1

fn + c (yn+1
h

yn )

B h2 1 e c h
= y n+1 +
ch ch 1

c)
yn+1 = y n+1 +

111

B h2
2

(6.104)
!

(6.105)

(6.106)

6.6

Condies de Contorno

Em
8
>
c c essencial
>
>
<
c c cinemtica
x = 0 ) u (0) = 0 >
>
>
: c c Dirichlet

Em

(6.107)

8
>
c c natural
>
>
du
<
c c dinmica
x = L ) F (L) = c L
(L) = 0 >
>
>
dx
: c c de Neuman

(6.108)

Problemas de Sturm-Liouville

!
d
du
c
+ qu = f
dx
dx

(6.109)

Exemplo 6.21
Suponha a equao:
8
>
2 y00 (x) + y (x) = e 0.2 x
>
>
>
>
>
< B.c.
>
>
>
y (0) = 1
>
>
>
:
y0 (10) = y (10)

(6.110)

Resolva por diferenas finitas

Figura 6.9: ?
Em
x = xi ) 2
h=1 )
)

"

yi

#
2 yi + yi+1
+ yi = e
h2

2 yi 1 + 4 yi 2 yi+1 + yi = e
2
+5
2
|{z} |{z} |{z}
i 1

0.2 xi

0.2 xi

i+1

Aplique nos pontos 1, 2, . . . , 9

Em x = 1 )
Em x = 2 )
..
.

0.2

2 y3

=e
=e

2 y8 +5 y9

2 y10 = e

1.8

2 y0 +5 y1
2 y2
2 y1 +5 y2
..
.

Em x = 9 )
112

0.4

Captulo 7
Soluo de Problemas de Valores de
Contorno de Equaes Diferenciais
Ordinrias
7.1

Problemas de Valores de Contorno para Barras e Placas

Suponha uma barra presa a uma extremidade sujeita atrao gravitacional.

Figura 7.1: Problemas de Valores de Contorno para Barras e Placas

du
dx
dx
@u
du
F proporcional a
(x) ) F (x) = c
(x)
@x
dx

Alongamento =

du
dx

F (x + dx) = c

du
c
dx

lim

x+ x

du
c
dx
x!0

du
c
dx

x
113

x+dx

+G = 0
x

du
c
dx

x+ x

= Ag

!
d
du
c
= Ag
dx
dx
!
d
du
c
= Ag
dx
dx

(7.1)

Se c for constante, a integrao fcil.

Se c =? (u (x)) , a integrao no trivial.

7.2

Algoritmo de Soluo para Sistemas Tridiagonais

(a) B01 = B1
D01 = D1

2
666 B1 C1
666 A B
2
666 2
666
A
3
666
666
666
666
666
666
664

(b) R = Ai / B0i 1
B0i = Bi R Ci 1
D0i = Di R D0i 1
(c) xn = D0n / B0n
(d) xi = (D0i

C2
B3 C3
..
..
.
.
Ai Bi Ci
..
.
An Bn

3
777
777
777
777
777
777
777
777
777
777
775

2
666
666
666
666
666
666
666
666
666
666
664

x1
x2
x3
..
.
xi
..
.
xn

3 2
777 666
777 666
777 666
777 666
777 666
777 666
777 = 666
777 666
777 666
777 666
775 664

D1
D2
D3
..
.
Di
..
.
Dn

3
777
777
777
777
777
777
777
777
777
777
775

9
>
>
>
=
para i = 2, . . . , n
>
>
>
;

Ci xi+1 ) / B0i

i=n

1, . . . , 1

Em x = 10
y0 (10) = y10 )

y00 (10) =
y0 (9.5) =
y00 (10) =

y0 (10)

y0 (9.5)
0.5

y (10)

y (9)

(Backward Dierence)

1
1
[ y10
0.5

y10 + y9 ]

Assim
114

(7.2)

1
[ y10
0.5

y10 + y9 ] + y10 = e

2 y9 + 4.5 y10 = 0.5 e

Assim
2
666 5
666 2
666
666 0
666
6666 0
666 0
666
666 0
666
666 0
666
666 0
666 0
64
0

(7.3)

3
777
777
5
777
777
2 5
777
777
0
2 5
777
0 0
2 5
777
777
0 0 0
2 5
777
777
0 0 0 0
2 5
777
777
0 0 0 0 0
2 5
7
0 0 0 0 0 0
2 5
2 7777
5
0 0 0 0 0 0 0
2 4.5
2 0

0
2 0

0
0
2 0

0
0
0
2 0

0
0
0
0
2 0

0
0
0
0
0
2 0

0
0
0
0
0
0
2 0

0
0
0
0
0
0
0
2 0

Exemplo 7.22

2
666
666
666
666
666
666
666
666
666
666
666
666
666
666
664

y1
y2
y3
y4
y5
y6
y7
y8
y9
y10

3 2
777 666
777 666
777 666
777 666
777 666
777 666
777 666
777 666
777 = 666
777 666
777 666
777 666
777 666
777 666
775 664

e
e
e
e
e
e
e
e
e
e

0.2
0.4

+2

0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0

0.5

3
777
777
777
777
777
777
777
777
777
777
777
777
777
777
775

Soluo pelo mtodo dos elementos finitos.

1. Descrio do problema de valor de contorno: Encontrar y (x) tal que a E.D.O.
abaixo seja satisfeita em todos os pontos do domnio D = { x 2 R | 0 x 10 }
8
>
2 y00 (x) + y (x) = e 0.2 x
>
>
>
>
>
< Condies de contorno
>
>
>
y (0) = 1
>
>
>
:
y0 (10) = y (10)

2. Discretizao do domnio: 10 elementos conectados aos 11 ns

Figura 7.2: Discretizao do domnio

3. Resduo:
R (x) = 2 y00 (x) + y (x)

0.2 x

=0

4. Formulao Fraca e o Mtodo de Galerkin

Encontrar y (x) tal que
Z

v (x) R (x) dx = 0,
115

8 v (x)

(7.4)

Figura 7.3: ?
Considerar v(x) no espao de funes com assentamento local
Assim, y (x) no intervalo [1, 2] escrito como uma combinao linear de
v1 (x) e v2 (x) ou das restries N1 (x) e N2 (x) de v1 (x) e v21 (x) ,
respectivamente, no domnio do elemento 2 .
y (x) = N1 (x) y1 + N2 (x) y2
Tambm as funes v (x) no intervalo podem ser escritas como
v (x) = N1 (x) v1 + N2 (x) v2
Substituindo-se o resduo R (x) no integrando da equao 7.4, temos
Z
2

v (x) [ 2 y00 (x) + y (x)

00

v (x) y (x) dx +

v (x) y (x) dx

0.2 x

] dx = 0,

v (x) e

0.2 x

8 v (x)

dx = 0,

8 v (x)

Integrando-se a primeira integral por partes, temos

"

2 v (x) y

(x)| x=10
x=0

# Z
Z
v (x) y (x) dx +
v (x) y (x) dx
v (x) e
0

0.2 x

dx = 0,

Utilizando-se a condio de contorno y0 (10) = y (10) e restringindo o espao

de funes v (x) de forma que v (0) = 0 , temos
2

"

v10 y10

# Z
Z
v (x) y (x) dx +
v (x) y (x) dx
v (x) e
0

0.2 x

dx = 0,

8 v (x)

Podemos discretizar o domnio D em 10 elementos e as integrais podem ser

escritas como
Z

g (x) dx =

10
0

g (x) dx =

1
0

g (x) dx +

2
1

g (x) dx + . . . +

10
9

g (x) dx

Para calcularmos as trs integrais restantes, precisamos definir as Ni (x) e N f (x)

e calcularmos as derivadas de v (x) e y (x) . Assim, com uma parametrizao
local para cada elemento temos
116

8 v (x)

Ni () =
N f () =

x = xi +
= x

xi

y (x) = [Ni N f ]
v (x) = [Ni N f ]
1 1
y (x) = [
]
h h
0

1 1
v (x) = [
]
h h
0

(
(

(
(

yi
yf
vi
vf
yi
yf
vi
vf

)
)

)
)

Calculando-se as trs integrais elemento a elemento, temos

2 1
1
666
6
2
6
R xf
Rh
R h 666 h
h2
0
0
0
0
6
v
(x)
y
(x)
dx
=
v
()
y
()
d
=
[v
v
]
6
i f
xi
0
0 6
666
1
64 1
2
h
h2
"
R xf
Rh
R h N2
Ni N f
i
v (x) y (x) dx = 0 v () y () d = [vi v f ] 0
xi
N f Ni N 2f
R

xf
xi

v (x) e

0.2 x

dx = [vi v f ]

Rh
0

"

Ni e 0.2 (xi +)
N f e 0.2 (xi +)

117

3
777
(
)
777
777
yi
777 d
yf
777
5

yi
yf