Sei sulla pagina 1di 71

Sumrio

1. Teoria dos Erros ........................................................................................................... 03


2. Representao de Nmeros no Computador ............................................................... 04
2.1. Representao de Nmeros Inteiros ..................................................................... 05
2.2. Representao de Nmeros Fracionrios ............................................................. 06
3. Aritmtica de Ponto Fixo ............................................................................................... 07
4. Aritmtica de Ponto Flutuante ...................................................................................... 07
4.1. Erro Absoluto e Relativo ........................................................................................ 09
4.2. Arredondamento e Truncamento .......................................................................... 09
5. Zeros de Funes Reais ............................................................................................... 11
5.1. Isolamento das Razes ...........................................................................................13
5.2. Refinamento .......................................................................................................... 15
5.3. Critrios de Parada ............................................................................................... 15
5.4. Mtodos Numricos .............................................................................................. 16
5.4.1. Mtodo da Bisseco ................................................................................... 16
5.4.2. Mtodo das Cordas ou Posio Falsa .......................................................... 18
5.4.3. Mtodo de Newton ou Newton- Raphson ..................................................... 21
5.4.4. Mtodo da Secante ...................... 25
6. Sistemas Lineares ..................... 26
6.1. Classificao de um Sistema Linear ................... 27
6.2. Sistemas Triangulares ................... 29
6.3. Mtodo de Eliminao de Gauss .................... 29
6.4. Clculo de Determinantes .................... 32
6.5. Mtodo de Eliminao de Gauss com Pivoteamento Parcial ................. 33
6.6. Mtodo Iterativo de Gauss-Seidel ................... 34
7. Interpolao Polinomial .................... 36
7.1. Existncia e Unicidade do Polinmio Interpolador .................... 37
7.2. Formas de se Obter p n (x ) ................................... 38
7.2.1. Resoluo do Sistema Linear ....................................................................... 38
7.2.2. Polinmio Interpolador de Lagrange ............................................................ 39
7.2.3. Polinmio Interpolador na Forma de Newton ............................................... 41
8. Integrao Numrica .................................................................................................... 42
8.1. Formulas de Newton-Cotes ................................................................................... 44

8.1.1. Regra do Trapzio Simples .......................................................................... 44


8.1.2. Regra do Trapzio Composto ...................................................................... 46
8.1.3. 1 Regra de Simpson ou Simpson 1/3 Simples ............................................ 48
8.1.4. 1 Regra de Simpson Composta ou Simpson 1/3
Composto ......................................................................................................... 51
9. Ajuste de Curvas .......................................................................................................... 52
9.1. Mtodo dos Mnimos Quadrados Ajuste Linear ................................................. 52
Listas de Exerccios .......................................................................................................... 57
1 Lista de Exerccios .................................................................................................. 58
2 Lista de Exerccios .................................................................................................. 60
3 Lista de Exerccios .................................................................................................. 62
4 Lista de Exerccios .................................................................................................. 66
5 Lista de Exerccios ................................................................................................. 69

1. Teoria dos Erros


Estudaremos mtodos numricos para a resoluo de problemas que surgem nas mais
diversas reas.
A resoluo de tais problemas envolve vrias fases que podem ser assim estruturadas:

Problema
Real

Levantamento
de dados

Construo do
Modelo
Matemtico

Anlise dos
Resultados
Obtidos

Escolha do Mtodo
Numrico
Adequado

Implementao
deste Mtodo

Se Necessrio:
Reformular o Modelo
Matemtico e/ou
Escolher Novo
Mtodo Numrico

Em uma primeira etapa temos que obter um modelo matemtico que representa de
maneira mais conveniente o problema que queremos estudar. Construdo o modelo
matemtico do problema, na segunda etapa procuramos encontrar a soluo. Muitas
vezes no possvel encontrar a soluo exata do problema, nessa situao aplicamos
alguns mtodos numricos para obtermos a soluo numrica do modelo matemtico. A
soluo numrica de um problema tem como caracterstica marcante aproximao.
Um mtodo numrico da origem a processos numricos (algoritmos), pelos quais uma
soluo numrica calculada, aps a execuo de um nmero finito de operaes
elementares.
Uma soluo numrica tanto mais precisa quanto mais prxima estiver da soluo
exata, isto , quanto menor for o erro que lhe estiver associado.
A soluo obtida pelo processo numrico pode diferir da soluo do problema real.
Nesse caso, as fontes de erro que levam a essa diferena so:

1. Simplificaes no modelo matemtico: Este erro se deve ao fato que temos


introduzido simplificaes na construo do modelo matemtico para tornar o
problema fsico solvel. Por exemplo, para calcular o perodo de um pndulo,
desprezamos sua massa.
2. Erro de Truncamento: Quando um modelo matemtico envolve, por exemplo, a
avaliao de uma srie infinita, cometemos erro de truncamento ao avaliar esta
srie utilizando um nmero finito de termos. O erro de truncamento inerente ao
processo numrico; este tipo de erro subsistiria ainda que todas as operaes
aritmticas fossem executadas exatamente, isto , ainda que no existisse o erro de
arredondamento.
Exemplo:

xn
e =
n = 0 n!
x

3. Erro de Arredondamento: Todos os instrumentos de auxilio na execuo de


mtodos numricos (computador, mquina de calcular, etc) trabalham com a
representao dos nmeros na forma decimal, com uma quantidade fixa de
algarismos significativos. Entretanto, o resultado de uma operao aritmtica
qualquer no pode ser representado necessariamente desta forma, obrigando o seu
arredondamento. Esses erros podem danificar os resultados quando temos um
nmero grande de operaes.
4. Erros nos dados: Freqentemente os dados so obtidos atravs de medidas
experimentais, portanto, sujeitos a imprecises. Alm disso, os erros nos dados
podem ser ocasionados pela necessidade de se arredondar um dado de entrada.

2. Representao de Nmeros no Computador


Na

vida

cotidiana

usamos

nmeros

tomando

como

base um

sistema

de

posicionamento na base 10 (sistema decimal), nesse sistema o nmero 327.302 significa

3.10 2 + 2.101 + 7.100 + 3.10 1 + 0.10 2 + 2.10 3 .

Os clculos no computador so efetuados com base nos impulsos enviados por


componentes eltricas, logo dois estados podem ocorrer: on na presena de corrente e
off na ausncia de corrente. Dessa forma torna-se conveniente representar os
nmeros nos computadores usando o sistema binrio, de base 2, visto que na base 2
somente dgitos 0 e 1 so utilizados. Nesse sistema qualquer nmero pode ser expresso
por uma combinao de zeros e uns.

2.1. Representao de Nmeros Inteiros


Um nmero inteiro no negativo N ser representado no sistema binrio por:

N = (an an 1...a1a 0 )

N = a n .2 n + a n 1 .2 n 1 + ... + a1 .21 + a0 .2 0
onde os coeficientes

an = 1

an 1 , an 2 , a1 , a0

so 0 ou 1.

A converso de um nmero do sistema binrio para o sistema decimal pode ser


efetuada a partir da definio acima.
Exemplos:
1)

(11) 2 =

2)

(1101) 2 =

3)

(11011) 2 =

4)

(101010) 2 =

A converso de um inteiro do sistema decimal para o sistema binrio obtida pelo


mtodo das divises sucessivas que consiste em dividirmos o nmero por dois, em
seguida, o resultado da diviso novamente dividido por dois, seguimos esse
procedimento sucessivas vezes at que o quociente 1 seja encontrado.
Exemplos:
1)

(17 ) 2 =

2)

( 22) 2 =

2.2. Representao de Nmeros Fracionrios


Se um nmero real X tem parte inteira Xi e parte fracionria Xf ento, X pode ser escrito
como X=Xi+Xf.
A parte fracionria Xf pode ser escrita como frao binria da seguinte forma:

X f = b1.2 1 + b2 .2 2 + ... + bn .2 n ,
onde

bj = 0

ou

1 , j .

Assim, o nmero real X ser representado juntando as partes Xi e Xf, ou seja:

( X ) 2 = (an an1...a1a0 .b1b2 ...bn )


A converso de um nmero fracionrio do sistema binrio para o sistema decimal pode
ser efetuada como segue:
Exemplos:
1)

(0,01) 2 =

2)

(0,1) 2 =

3)

(0,101) 2 =

A converso de um nmero fracionrio do sistema decimal para o sistema binrio pode


ser efetuada da seguinte forma:
Exemplos:
1) X=20,6875
2) X=0,6
Observao: No item b) do exemplo acima observamos que a parte fracionria 0,2 se
repetiu, o que implica que os prximos clculos sero os mesmos que obtidos a partir de
0,2. Assim, o nmero fracionrio 0,6 na base 10 no tem representao finita na base 2.
Isto ocorre em muito outros nmeros fracionrios implicando em erros.
Embora o sistema binrio tenha uma srie de vantagens para a utilizao em sistemas
digitais, tambm apresenta algumas desvantagens. Uma das desvantagens de
representarmos os nmeros decimais em binrio que a representao binria requer um

nmero maior de bites para representao, ou seja, requer mais espao fsico para
armazenar o mesmo nmero.
Por exemplo o nmero (1000000000000) 2 = 2

12

= (4096)10 necessita de 13 dgitos

binrios para representar o nmero equivalente em decimal, o qual escrito com apenas 4
dgitos.

3. Aritmtica de Ponto Fixo


Os primeiros computadores empregavam uma representao dos nmeros chamada
de representao de ponto fixo, em que, para cada operao, o usurio tinha que
especificar quantos dgitos deveriam ser usados para representar as partes inteiras e
fracionrias de um nmero real.
Assim, dado um nmero real,

x 0 , ele ser representado em ponto fixo por:

x=

n
i=k

onde

xi i

so inteiros satisfazendo k < n e usualmente k 0 e n > 0 e os xi so

inteiros satisfazendo

0 xi .

Por exemplo, na base

1997,16 =

2
i = 3

= 10 , o nmero 1997,16 representado por

x i i = 1.10 3 + 9.10 2 + 9.101 + 7.10 0 + 1.10 1 + 6.10 2

4. Aritmtica de Ponto Flutuante


Em geral calculadoras e computadores usam o sistema computacional de aritmtica de
ponto flutuante em clculos cientficos.
A representao de um nmero em ponto flutuante, que mais flexvel que a
representao em ponto fixo, universalmente utilizada nos dias atuais.
Um nmero X qualquer pode ser representado em aritmtica de ponto flutuante na
base

como:

fl ( x) = (.d1d 2 ...dt ). e

onde:

a base em que a mquina opera;

(.d1d 2 ...d t )

formam a mantissa do nmero e representa seus t dgitos

significativos, com

0 d i 1 , i = 1,...,t d1 0 .

o expoente que varia no intervalo [-N,N], para algum N>0, sendo que estes

limites dependem da mquina utilizada.


Observaes:
Um nmero X na representao de ponto flutuante dito normalizado quando o
dgito

d1

de sua mantissa tal que

d1 0 .

O nmero t de dgitos significativos do sistema de ponto flutuante corresponde


preciso da mquina.
O nmero zero pertence a qualquer sistema e representado com mantissa igual a
zero e com o menor expoente possvel na mquina.
Dado um nmero real X sua representao em aritmtica de ponto flutuante de t dgitos
obtida atravs de truncamento ou de arredondamento. Esse nmero no poder ser
representado neste sistema se o expoente

e estiver fora do intervalo [-N,N]. Neste caso,

ocorre os erros de underflow se e < N e overflow se e > N

A unio de todos os nmeros em ponto flutuante, incluindo o zero, normalizados, na


base

, com t dgitos significativos e com limites de expoente N e N, denominado de

sistema de ponto flutuante da mquina e denotaremos por

F ( , t , N , N ) .

Consideremos, por exemplo, uma mquina que opera no sistema

F (10,3,5,5) . Os

nmeros sero representados na seguinte forma nesse sistema:

0 d i 9 , d1 0 , e [5,5] .

0.d1d 2d3.10e ,

O menor nmero, em valor absoluto, representado

nesta mquina :

m = 0,100.105 = 106
e o maior nmero, em valor absoluto :

M = 0,999.10 5 = 99900 .
De forma geral, para um sistema de ponto flutuante normalizado

F ( , t , N , N ) , o

menor nmero em valor absoluto determinado por:

m = 0,1. N
e o maior nmero representvel determinado por:

M = 0, ( 1)( 1)...( 1). N .


Algumas linguagens de programao permitem que as variveis sejam declaradas com
preciso dupla. Neste caso, esta varivel ser representada no sistema de aritmtica de
ponto flutuante da mquina, mas com aproximadamente o dobro de dgitos disponveis na
mantissa, permitindo maior preciso e um intervalo maior de representatividade dos
nmeros. importante observar que, neste caso, o tempo de execuo e requerimentos
de memria aumentam de forma significativa.

4.1. Erro Absoluto e Relativo


Definimos como Erro Absoluto a diferena entre o valor exato de um nmero
seu valor aproximado

e de

X * ; ou seja:
EA( X *) = X X * .

O Erro Relativo definido como o erro absoluto dividido pelo valor aproximado:

ER( X *) =

EA( X *) X X *
=
.
X*
X*

4.2. Arredondamento e Truncamento


Sabemos que qualquer nmero real X pode ser representado na forma normalizada
como:

X = (.d1d 2 ...d t d t +1 ). e .
No truncamento a mantissa obtida mantendo-se os t primeiros dgitos decimais, isto
,

fl ( X ) = (.d1d 2 ...d t ). e .

Se X for obtido por arredondamento ento o valor


ento faz-se o truncamento, isto , se

d t +1 < 5

d t +1 5

1
. e (t +1)
2

somamos 1 a

adicionado a X e

dt

e truncamos. Se

somente truncamento efetuado.

Assim, arredondar um nmero X, por outro com um nmero menor de dgitos


significativos, consiste em encontrar um nmero

X *,

pertencente ao sistema de

numerao, tal que X X * seja o menor possvel.


Em geral, seja

X = (.a1a2 ...at at +1at + 2 ). e .


Ento se um computador trabalha com t casas decimais na base

, a representao

de X em ponto flutuante :

fl ( X ) = X * =

( a1a2 ...an ). e , se0 < an +1 <

[(a1a2 ...an ) + (00...1)]. e , se > an +1 >


onde

(000...1) = t .

O erro absoluto nessa representao :

X X * = (00...0an +1an + 2 ...). e , se an +1 <


tzeros

X X * = (a n +1 a n + 2 ...). e t
logo,

X X * = ( a n +1 a n + 2 ...). e t <
Assim:

EA( X *) <
Para o erro relativo temos:

1 e t
.
2

1 e t
.
2

1 e t
1 e t

XX* 2
1 t
2
ER( X *) =
<
<
<

X*
X
(.a1 a 2 ...). e 2
ou seja:

ER ( X *) <

1 t
.
2

Exemplo: Dar a representao dos nmeros a seguir no sistema de aritmtica de ponto


flutuante

F (10,3,4,4) .
X

Representao

Representao

Arredondamento

Truncamento

1,25
10,053
-238,16
2,71828...
0,000007
718235,82
28,23699
1025,2120
0,000000089
56239874,95

5. Zeros de Funes Reais


A soluo de muitos problemas nas mais diversas reas das cincias exatas requer a
resoluo de diversos tipos de equaes. Dentre elas, h o interesse particular na
determinao da soluo de equaes da forma f ( x ) = 0 , onde f (x ) uma funo
definida em um certo intervalo.
Um nmero real z um zero da funo f (x ) ou uma raiz da equao f ( x ) = 0 se

f ( z) = 0 .
Em alguns casos, as razes das equaes f ( x ) = 0 podem ser reais ou complexas.
Estudaremos somente mtodos para determinao das razes reais.

Graficamente, as razes so representadas pelas abscissas dos pontos onde uma


curva intercepta o eixo x.

f(x)

f(x)

z1

z2

z2

z1

(a)

(b)

f(x)

z1

z3

z2

z3

(c)

Sabemos que, para algumas equaes, como, por exemplo, as equaes polinomiais
de grau menor ou igual a 4, existem mtodos diretos que fornecem todas as razes. No
entanto, no caso de polinmios de grau mais alto e no caso de funes mais complicadas,
praticamente impossvel determinar as razes exatamente. Nestes casos precisamos
recorrer a mtodos numricos.
A idia central destes mtodos partir de uma aproximao inicial para a raiz e em
seguida refinar essa aproximao atravs de um processo iterativo.
Para encontrarmos numericamente a raiz de uma equao, duas etapas devem ser
seguidas:
Isolamento: Determinar um intervalo [a,b], o menor possvel, que contenha uma
raiz da equao f ( x ) = 0 .

Refinamento: Escolhidas aproximaes iniciais no intervalo encontrado na 1


etapa melhor-las sucessivamente at se obter uma aproximao para a raiz
com uma preciso prefixada.

5.1. Isolamento das Razes


Nesta etapa feita uma anlise terica e grfica da funo f (x ) . importante
ressaltar que o sucesso da 2 etapa depende fortemente da preciso desta anlise.
Na anlise terica de razes reais atravs do grfico, usamos freqentemente o
teorema de Bolzano a seguir.
Teorema Seja f (x ) uma funo contnua que assume valores de sinais opostos nos
extremos do intervalo [a,b], isto , f ( a ). f (b) < 0 . Ento existe pelo menos um ponto

x=z

entre a e b tal que f ( z ) = 0 .

Graficamente:

f(x)

f(x)

a
z

a
z1

z2

z3 b

Observao: Se a derivada f ' ( x) existir e preservar sinal em (a,b) ento este intervalo
contm uma nica raiz z de f (x ) .
Graficamente:
f(x)

f(x)

aa
z

f ' ( x) > 0, x [a, b]

f ' ( x) < 0, x [a, b]

Uma forma de se isolar as razes de f (x ) usando os resultados anteriores tabelar

f (x) para vrios valores de x e analisar as mudanas de sinal de f (x) e o sinal da


derivada nos intervalos em que f (x ) mudou de sinal.
Exemplos: Encontrar um intervalo que contenha cada uma das razes de f (x ) utilizando
o Teorema 1 e o sinal de f ' ( x) .
1) f ( x) = x 9 x + 3
3

2) f ( x) =

x 5e x

A anlise grfica da funo f (x ) ou da equao f ( x ) = 0 fundamental para se obter


boas aproximaes para a raiz.
Para tanto, suficiente utilizar um dos seguintes processos:
i.

Esboar o grfico da funo f (x ) e localizar as abscissas dos pontos onde a


curva intercepta o eixo x;

ii.

A partir da equao f ( x ) = 0 , obter a equao equivalente g ( x ) = h( x ) , esboar


os grficos das funes g (x ) e h(x ) no mesmo eixo cartesiano e localizar os
pontos

onde

as

duas

curvas

se

interceptam,

pois

neste

caso

f ( z ) = 0 g ( z ) = h( z ) .
Exemplos: Encontrar um intervalo que contenha cada uma das razes de f (x ) utilizando
um mtodo grfico.
1. f ( x) = x 9 x + 3
3

2. f ( x) =

x 5e x

3. f ( x) = x log x 1
4. f ( x ) = 5 log x 2 + 0,4 x

5.2. Refinamento
Todos os mtodos que estudaremos para encontrar a soluo de uma equao
pertencem classe dos mtodos iterativos. Um mtodo iterativo consiste em uma
seqncia de instrues que so executadas passo a passo, algumas das quais so
repetidas em ciclos.
A execuo de um ciclo recebe o nome de iterao. Cada iterao utiliza resultados
das iteraes anteriores e efetua determinados testes que permitem verificar se foi atingido
um resultado prximo do esperado.
Para aplicar qualquer mtodo iterativo devemos ter sempre uma idia sobre a
localizao da raiz a ser determinada. Essa localizao obtida, como vimos
anteriormente, atravs de grficos ou do teorema 1. A partir da localizao da raiz,
escolhemos ento x 0 como uma aproximao inicial para a raiz z de f ( x ) = 0 . Com essa
aproximao inicial e um mtodo iterativo, refinamos a soluo at obt-la com uma
determinada preciso (nmero de casas decimais corretas).

5.3. Critrios de Parada


Todos os mtodos iterativos necessita realizar um teste para verificar quo prximo a
raiz aproximada z est da raiz exata de f (x ) . Para realizarmos tal teste devemos antes
determinar uma preciso

m
pr-fixada que normalmente escolhemos com sendo 10

onde m o nmero de casa decimais que queremos corretas no resultado.


Para obtermos uma raiz z com uma determinada preciso

devemos realizar durante

o processo iterativo um dos seguintes teste:


I)

zx <

II)

f (z ) <

ou se

Apesar de utilizarmos como teste de parada o fato de f (z ) < , preciso ter muito
cuidado pois a menos que se tenha uma idia muito clara do comportamento da funo o
fato desse teste ser satisfeito no implica necessariamente que z esteja prximo da raiz
procurada, como pode ser observado no seguinte exemplo: considere f ( x ) = x 3 ln x = 0 ,
onde a nica raiz z = 1 . Calculando f (x ) para x=2, 4, 8, 16, 32, .... obtemos,

respectivamente: 0,0866; 0,0217; 0,00406; 0,0006769; 0,0001058; ... isto , quanto mais
longe estamos de z, menor o valor de f (x ) .
Com o teste

z x < , tambm devemos ter cuidado, pois se os nmeros x e z forem

muito grandes e

preciso

exigente.

to

for muito pequeno, pode no ser possvel calcular a raiz com uma
Como

por

f ( x ) = ( x 1)( x 2000 ) = 0 com = 10

exemplo,

se

resolvermos

equao

usando esse critrio de parada, verificaremos

que o nmero de iteraes necessrias para encontramos a raiz muito grande. E isso
ocorre porque a raiz que estamos procurando tem mdulo grande e portanto muito difcil
tornar a diferena acima menor que

Observao: Em programas computacionais, alm do teste de parada usado para cada


mtodo, deve-se ter o cuidado de estipular um nmero mximo de iteraes para se evitar
que o programa entre em looping devido a erros no prprio programa ou inadequao
do mtodo usado para o problema em questo.

5.4. Mtodos Numricos


5.4.1. Mtodo da Bisseco
Seja f(x) uma funo contnua em um certo intervalo [a,b], com a<b, e tal que
f(a).f(b)<0. Vamos supor que no intervalo [a,b] existe uma nica raiz da equao f(x)=0.
O objetivo deste mtodo reduzir a amplitude do intervalo que contm a raiz at se
atingir a preciso requerida, (b a ) < , ou seja at uma certa quantidade de iteraes,
usando para isto sucessivas divises de [a,b] ao meio.
Inicialmente, dividimos o intervalo [a,b] ao meio para determinar a possvel raiz
aproximada, ou seja:

x0 =

a+b
2

Se f ( x 0 ) = 0 , ento x0 uma raiz. Caso contrrio, verificamos se:


f(a).f(x0)<0
ou
f(x0).f(b)<0.

Se a 1 condio for satisfeita, a raiz z [a, x0 ] e ento tomamos b=x0; se a 2


condio for satisfeita, ento a raiz z [ x0 , b] e ento tomamos a=x0.
O processo repetido at que seja obtida uma aproximao para a raiz exata z, com
uma tolerncia
Graficamente:

desejada.

f(x)

a
z

As iteraes so realizadas da seguinte forma:

x0 =

x1 =

x2 =

a0 + b0
2

a1 + b1
2
a2 + b2
2

f (a0 ) < 0

z (a0 , x0 )

f (b0 ) > 0

a1 = a 0

f ( x0 ) > 0

b1 = x0

f (a1 ) < 0

z ( x1 , b1 )

f (b1 ) > 0

a2 = x1

f ( x1 ) > 0

b2 = b1

f ( a2 ) < 0

z ( x2 , b2 )

f (b2 ) > 0

a3 = x 2

f ( x2 ) > 0

b3 = b2

Exemplos: Encontrar as razes das equaes abaixo pelo mtodo da bisseco.


1) x log x 1 = 0, = 10

x
2
2) e ln x = 0, = 10 .

5.4.2. Mtodo das Cordas ou Posio Falsa


Se f(x) uma funo contnua com sua derivada de segunda ordem constante no
intervalo [a,b] e tal que f(a).f(b)<0.
Supondo que o intervalo (a,b) contm uma nica raiz da equao f(x)=0. Neste mtodo
tomamos a reta secante que passa pelos pontos a e b, e onde ela cruza o eixo x temos a
raiz aproximada z.
Graficamente:

f(x)

a
z

Devemos observar que neste mtodo apenas um dos extremos a ou b, se move. O


ponto mvel o ponto para o qual a funo f(x) apresenta sinal contrrio ao da segunda
derivada f(x).
Analisando os sinais de f(x) e f(x) podemos ter apenas quatro situaes distintas.
Caso I

f(x)

a
z

Caso II

f(x)

b
a

Caso III

f(x)

a z
b

Caso IV

f(x)

A equao da reta secante determinada da seguinte forma:

y y 0 = m( x x 0 )
onde

m=

y1 y 0
x1 x0

Considerando que ( x0 , y 0 ) = (a, f (a )) e ( x1 , y1 ) = (b, f (b)) , temos:

m=

f (b) f (a )
ba

No ponto onde a reta secante corta o eixo x temos y=0, logo:

0 y 0 = m ( x x0 )
f (b) f (a )
( x a)
ba
bf (a ) + af (a ) = [ f (b) f (a)]x af (b) + af (a )
bf (a ) + af (b) = [ f (b) f (a)]x
f (a) =

x=

af (b) bf (a )
f (b) f (a )

O critrio de parada que utilizaremos nesse mtodo f (x) < .

Exemplos: Encontrar as razes das equaes abaixo pelo mtodo da posio falsa.
1) x log x 1 = 0, = 10 ;
6

2) e

ln x = 0, = 10 6 .

5.4.3. Mtodo de Newton ou Newton Raphson


Seja f(x) uma funo contnua no intervalo [a,b] com f(x) e f(x) tambm contnuas com

f ' ( x) 0 e z a nica raiz da equao f(x)=0 no intervalo dado.


Geometricamente, o processo de Newton Raphson parece com o mtodo das cordas
s que agora temos, em vez de cordas, as retas tangentes, conforme podemos verificar
nas figuras abaixo.
O ponto no qual traamos a reta tangente, ou seja, o ponto de tangncia o ponto para
o qual f(x) apresenta mesmo sinal de f(x).
Analisando os sinais de f(x) e f(x) podemos ter apenas quatro situaes distintas.
Caso I

f(x)

a
z

Caso II

f(x)

b
a

Caso III

f(x)

a z
b

Caso IV

f(x)

Analisando a figura do Caso I, observando que a tangente do ngulo dada por:

tg =

f (b)
= f ' (b)
b x0

(b x0 ) f ' (b) = f (b)


f (b)
f ' (b)
f (b)
x0 = b +
f ' (b)

b x0 =

x0 = b
Considerando o ngulo temos:

f (b)
f ' (b)

tg =

f ( x0 )
= f ' ( x0 )
x0 x1

( x0 x1 ) f ' ( x0 ) = f ( x0 )
x0 x1 =

f ( x0 )
f ' ( x0 )

x1 = x0 +

f ( x0 )
f ' ( x0 )

x1 = x0

f ( x0 )
f ' ( x0 )

Generalizando temos:

xk = xk 1

f ( xk 1 )
f ' ( xk 1 ) ,

k = 1,2,3,...

Uma vantagem do mtodo de Newton que sua convergncia quadrtica, isto


significa que a quantidade de dgitos significativos corretos duplica medida que os
valores de x k se aproxima de z. Mas esse fato no acontece nas primeiras iteraes.
A desvantagem do mtodo de Newton est no fato de termos que calcular a derivada
da funo e em cada iterao calcular o seu valor numrico, o que pode ser muito caro
computacionalmente. Alm disso, a funo pode no ser diferencivel em alguns pontos
do domnio.
O critrio de parada que utilizaremos nesse mtodo f (x) < .
Exemplos:
1. Determinar as razes das equaes abaixo utilizando o mtodo de Newton.
a. x log x 1 = 0, = 10

6
b. sen x log x = 0, = 10 .

5.4.4. Mtodo da Secante


Como foi observado anteriormente, uma grande desvantagem do mtodo de Newton
a necessidade de se obter f(x) e calcular seu valor numrico a cada iterao.
H vrias maneiras de modificar o mtodo de Newton a fim de eliminar essa
desvantagem. Uma forma substituir a derivada f(x) pelo quociente das diferenas:

f ' ( x)

f ( xk ) f ( xk 1 )
xk xk 1

onde xk e xk-1 so duas aproximaes para a raiz.


Substituindo a equao acima no mtodo de Newton, temos:

xk = xk 1

f ( xk 1 )
f ' ( xk 1 )

xk +1 = xk

f ( xk )
f ' ( xk )

xk +1 = xk

xk +1 = xk

f ( xk )
f ( xk ) f ( xk 1 )
xk xk 1
f ( xk )( xk xk 1 )
f ( xk ) f ( xk 1 )

ou ainda:

xk +1 =

f ( xk ) xk xk f ( xk 1 ) f ( xk ) xk + f ( xk ) xk 1
f ( xk ) f ( xk 1 )

x k +1 =

x k 1 f ( x k ) x k f ( x k 1 )
f ( x k ) f ( x k 1 )

Observemos que so necessrias duas aproximaes, x0 e x1, para se iniciar o mtodo.


O critrio de parada que utilizaremos

f ( x) < .

Exemplos: Encontrar as razes das equaes abaixo utilizando o mtodo das secantes.
1. x log x 1 = 0, = 10

2. sen x log x = 0, = 10

3. A raiz positiva de

x 5e x = 0, = 10 6

6. Sistemas Lineares
A resoluo de sistemas lineares um problema que surge nas mais diversas reas.
Na rea de Engenharia, por exemplo, existe uma variedade de problemas que podem ser
resolvidos atravs da anlise linear, entre eles podemos citar: determinao de potencial
em redes eltricas, clculo da tenso na estrutura metlica da construo civil, etc. O
problema matemtico nesses casos se reduz a resolver um sistema de equaes
simultneas.
A soluo de um conjunto de equaes muito mais difcil quando as equaes so
no lineares, entretanto, a maioria das aplicaes envolve somente equaes lineares.
Uma equao linear se cada termo contm no mais do que uma varivel e cada
varivel aparece na primeira potncia. Por exemplo, 3 x + 4 y 10 z = 3 linear, mas

xy 3 z = 3

x 3 + y z = 0 no linear.

Um sistema com n equaes e n variveis (incgnitas) escrito usualmente, na forma:

a11 x1 +
a21 x1 +
an1 x1

a12 x2
a22 x2

+
+

+ a1n xn
+ a2 n xn

= b1
= b2

+ an 2 x2

+ ann xn

= bn

onde

aij : coeficientes

i,j=1, ..., n

x j : variveis

j=1,..., n

bi : constantes

i=1, ..., n.

A resoluo de um sistema linear consiste em calcular os valores de

x j , (j=1, ..., n),

caso eles existam, que satisfaam as n equaes simultaneamente.


Usando a notao matricial, o sistema linear pode ser representado como segue:

a11
a21

a12
a22

a1n
a2 n

x1
x2

an1

an 2

ann

xn

b1
b2

bn

ou simplesmente
Ax=b,
Onde A a matriz dos coeficientes, b o vetor do termo independente e x a soluo.

6.1. Classificao de um sistema Linear


A classificao de um sistema linear feita em funo do nmero de solues que ele
admite, da seguinte maneira:
Sistema Possvel e determinado: todo sistema que admite uma nica soluo.
Exemplo:

x+ y = 6
x y = 2
Representao geomtrica:

6
4

x+y=6
x-y=2

Sistema Possvel e indeterminado: todo sistema que possui mais de uma


soluo.
Exemplo:

x + y =1
2x + 2 y = 2
Representao geomtrica:

x+y=1
2x+2y=2
1

Sistema Impossvel: todo sistema que no admite soluo.


Exemplo:

x + y =1
x+ y =4
Representao geomtrica:

x+y=4
x+y=1

Nosso objetivo ser o de desenvolver mtodos numricos para resolver sistemas


lineares de ordem n, que tenham soluo nica. Observe que tais sistemas so aqueles
onde a matriz dos coeficientes no singular, isto ,

det( A) 0 .

Mtodos Numricos para a soluo de sistemas de equaes lineares so divididos


principalmente em dois grupos:
Mtodos Exatos: so aqueles que forneceriam a soluo exata, se no fossem os
erros de arredondamento, com um nmero finito de operaes.

Mtodos Iterativos: so aqueles que permitem obter a soluo de um sistema com


uma dada preciso atravs de um processo infinito convergente.
Definio: Dois sistemas lineares so equivalentes quando admitem a mesma soluo
Com base na definio acima, no fica difcil deduzir que uma maneira de obter a
soluo de um sistema linear atravs de mtodos numricos transform-lo em outro
equivalente cuja soluo seja facilmente obtida. Em geral, nos mtodos exatos
transformamos o sistema original num sistema equivalente, cuja soluo obtida
resolvendo-se sistemas triangulares.

6.2. Sistemas Triangulares


Um sistema linear Ax=b dito triangular superior se a matriz A for triangular superior,
isto , aij=0 para i>j. Neste caso, tal sistema ter o seguinte aspecto:

a11 x1

a12 x 2
a 22 x 2

+
+

+ a1n x n
+ a2n xn

= b1
= b2

a nn x n

= bn

Assim, a soluo de um sistema triangular superior obtida por retro-substituio, isto


, determinamos o valor de xn na ltima equao; substitumos esse valor na penltima
equao e determinamos o valor de xn-1 e assim por diante.

6.3. Mtodo de Eliminao de Gauss


O mtodo consiste em transformar convenientemente o sistema linear original em um
sistema triangular equivalente atravs de uma seqncia de operaes elementares sobre
as linhas do sistema original, isto , o sistema equivalente obtido atravs da aplicao
repetida da operao substituir uma equao pela diferena entre essa mesma equao e
uma outra equao multiplicada por uma constante diferente de zero.
claro que tal operao no altera a soluo do sistema, isto , obtm-se com ela
outro sistema equivalente ao original. O objetivo organizar essa seqncia de operaes
de tal forma que o sistema linear resultante seja triangular superior.

Usaremos a notao

aij(k ) para denotar o coeficiente da linha i e coluna j no final do k-

simo passo, bem como

bi(k )

ser o i-simo elemento do vetor constante no final do

passo k.
Em primeiro lugar montamos a matriz aumentada:

a 11( 0)
a (210)
a (n01 )
onde para i, j=1,2,...,n,

a 12( 0)
a (220)

a 1(n0) | b1( 0)
a (20n ) | b2( 0)

a (n02 )

|
a (nn0) | bn( 0)

aij( 0 ) =aij, bi( 0 ) =bi e a11( 0 ) 0 .

Primeiro Passo:
O elemento

a11( 0 )

Os elementos

chamado piv deste passo;

ai(10)
mi1 = ( 0)
a11

, para i=2,...,n, so os multiplicadores do 1 passo.

A eliminao da varivel x1 das equaes 2,...,n feita da seguinte forma: a i-sima


equao substituda por ela mesma, menos a primeira equao multiplicada por mi1.
Ao final desse passo teremos a matriz

a11(1)
0
0

a12(1)
a (221)

a1(1n ) | b1(1)
a (21n) | b2(1)

a (n12)

|
a (nn1) | bn(1)

onde

a1(1j) = a1( 0j )
b1(1) = b1( 0 )

para j=1,...,n

aij(1) = aij( 0 ) mi1 .a1( 0j )

i=2,...,n e j=1,...,n

bi(1) = bi( 0 ) mi1 .b1( 0 )

i=2,...,n

Segundo Passo:
(1)
a22
sendo preciso que ele seja diferente de zero. E

O piv seria o elemento da posio


isso verdade pela hiptese que

det A 0 .

Os multiplicadores desse passo sero os elementos

a i(21)
mi 2 = (1)
a 22

, para i=3,...,n.

A varivel x2 eliminada das equaes 3,...,n da seguinte forma: a i-sima equao


substituda por ela mesma, menos a segunda equao multiplicada por mi2.
Ao final desse passo teremos a matriz

a11( 2)
0

a12( 2)
( 2)
a22

a1(n2) | b1( 2 )
a (2 2n ) | b2( 2 )

|
a (nn2) | bn( 2 )

onde

aij( 2 ) = aij(1)

para i=1,2 e j= 1,2,...,n

bi( 2 ) = bi(1)

para i=1,2

aij( 2 ) = aij(1) mi 2 .a 2(1j)

i=3,...,n e j=2,...,n

bi( 2 ) = bi(1) mi 2 .b2(1)

i=3,...,n

Seguindo raciocnio anlogo procede-se at o passo n-1 e a matriz, ao final deste


passo, ser:

a11( n1)
0

a12( n1)
( n 1)
a22

a1(nn1) | b1( n1)


a (2nn 1) | b2( n1)

|
a (nnn1) | bn( n1)

0
e o sistema linear

A( n 1) .x = b ( n 1)

triangular superior e equivalente ao sistema linear

original.
Observao: Computacionalmente o mtodo de Eliminao de Gauss simples pode dar
problemas por dois motivos:
Erro de arredondamento quando se tem que dividir por um nmero muito pequeno
(prximo de zero);
Diviso por zero.
Exemplos: Resolva o sistema linear pelo mtodo de eliminao de Gauss:

3 x1 + 2 x2 + 4 x3 = 1
1.

x1 + x2 + 2 x3 = 2
4 x1 + 3 x2 2 x3 = 3

x1 x2 + 2 x3 x4 = 8
2 x1 2 x2 + 3 x3 3x4 = 20
2.

x1 + x2 + x3

= 2

x1 x2 + 4 x3 + 3x4 = 4
6.4. Clculo de Determinantes
Podemos calcular o determinante de qualquer matriz quadrada nxn utilizando o mtodo

de Eliminao de Gauss reduzindo essa matriz em uma matriz triangular superior. Uma
matriz triangular superior tem um determinante facilmente calculvel, basta multiplicar os

termos da diagonal, ou seja, se A uma matriz triangular superior nxn seu determinante
dado por:

det A = a11a 22 a33 ...a nn


Exemplo: Considere o sistema:

6 2 1 x1
2 4
3 2

1
8

x2 = 7
x3
13

a. Resolva-o pelo mtodo de Eliminao de Gauss,


b. Calcule o determinante de A, usando a matriz triangular obtida no item a..

6.5. Mtodo de Eliminao de Gauss com Pivoteamento


Parcial
Exemplo: Atravs do mtodo de Eliminao de Gauss, resolver o sistema linear:

0,0001x1 + x2 = 1
1,0 x1 + x2 = 2
usando em todas as operaes trs dgitos significativos.

No exemplo acima encontramos uma soluo para o sistema muito diferente da


soluo exata desse sistema. Isso acontece devido ao fato de termos que calcular os
multiplicadores

mij =

aij( j 1)
a

( j 1)
jj

em cada passo j do processo, e como o piv

a (jjj 1) est

prximo de zero obtemos resultados totalmente imprecisos.


Assim, teremos problemas ao aplicar o mtodo de Eliminao de Gauss se o piv
estiver prximo de zero ou for zero. Isto acontece porque calculadoras ou computadores
trabalham com um nmero finito de casas decimais, e pivs prximos de zero do origem
a multiplicadores bem maiores que a unidade.

Para se contornar este problema deve-se adotar uma estratgia de pivoteamento,


que consiste em:
i) no incio de cada passo, escolher na coluna correspondente o elemento de maior
valor absoluto;
ii) fazer uma permutao nas equaes do sistema, de modo que esse elemento
venha a ocupar a posio de piv.
Exemplo: Resolver o sistema do exemplo anterior pelo mtodo de Eliminao de Gauss
com pivoteamento parcial.

6.6. Mtodo Iterativo de Gauss-Seidel


A soluo de um sistema linear Ax=b tambm pode ser obtida utilizando um processo
iterativo que consiste em calcular uma seqncia x(1), x(2), x(3), ..., x(k) de aproximaes da
soluo x do sistema, a partir de uma aproximao inicial x(0).
O mtodo de Gauss-Seidel consiste em escolhida uma aproximao inicial

x (0) = ( x1(0 ) , x (20) ,..., x (n0 ) )


calcular a seqncia de aproximaes x(1), x(2), ..., x(k) utilizando as equaes

x 1( k ) =
x (2k ) =

x (nk ) =

[
[b

1
b 1 a 12 x (2k 1) a 13 x 3( k 1) ... a 1n x (nk 1)
a 11
1
a 22
1
a nn

[b

a 21 x 1( k ) a 23 x 3( k 1) ... a 2 n x (nk 1)

a n1 x 1( k ) a n 2 x (2k ) ... a nn 1 x (nk)1

]
]
, k=1,2,...

Um mtodo iterativo como o de Gauss-Seidel pode ser melhor em relao a um


mtodo direto como o mtodo de Eliminao de Gauss nas seguintes circunstncias:
I) quando podemos assegurar uma rpida convergncia do mtodo iterativo;
II) quando a matriz de ordem elevada com pequena porcentagem de elementos
diferentes de zero.
Os mtodos iterativos utilizam menos memria que os mtodos exatos.
O critrio de parada determinado por

x i( k ) x i( k 1)
onde

max

< ,

a tolerncia.

Quando utilizamos o mtodo iterativo de Gauss-Seidel para resolver um sistema linear


Ax=b, devemos nos preocupar com a convergncia da seqncia de aproximaes da
soluo. Existem condies sobre os elementos da matriz A dos coeficientes do sistema
que, se satisfeitas, so suficientes para garantir a convergncia do mtodo de GaussSeidel.
Consideraremos as seguintes condies: o critrio da diagonal dominante e o
critrio de Sassenfeld.
I) Critrio da Diagonal Dominante
Uma matriz quadrada A de ordem nxn dita diagonal dominante quando

a ii >

n
j=1
j i

a ij , i = 1,..., n

II) Critrio de Sassenfeld


Seja
1

se Max

1
=
a 11

a 21
a 22
1
a ii

n
j= 2

a1j

1+

i 1
j=1

a ij

1
a 22

j+

n
j=3

a2j

n
j=i +1

a ij

< 1 ento o mtodo de Gauss-Seidel converge para a soluo do sistema

Ax=b.
Exemplos:
1. Resolva o sistema linear

5x 1 + x 2 + x 3 = 5
3x 1 + 4 x 2 + x 3 = 6
3x 1 + 3x 2 + 6 x 3 = 0

pelo mtodo de Gauss-Seidel com x

( 0)

0
= 0 e
0

= 10 1 .

2. Resolva o sistema abaixo por Gauss-Seidel

10 x + 3y + 5z + t = 13
2 x 10 y + 3z + 2 t = 8
x + y + 10z 7 t = 2
x + 3y + z 10 t = 2
2
4
( 0)
x
=
com
3

= 10 1 .

7. Interpolao Polinomial
A aproximao de funes por polinmios um dos mtodos mais utilizados para
interpolar uma funo, isso ocorre pelo fato que polinmios so facilmente computveis,
suas derivadas e integrais so novamente polinmios, suas razes podem ser encontradas
com relativa facilidade, etc. assim, vantajoso substituir uma funo complicada por um
polinmio que a represente.
Alm disso, temos o Teorema de Weirstrass que afirma que: toda funo contnua
pode ser arbitrariamente aproximada por um polinmio.
Interpolar uma funo f(x) consiste em substituir esta funo, por outra funo g(x)
com o objetivo de se realizar ou facilitar certas operaes.
A necessidade de se efetuar esta substituio surge em vrias situaes, como por
exemplo:
a) Quando no conhecemos a expresso analtica de f(x), isto , so conhecidos
somente seus valores numricos para um conjunto de pontos e necessitamos
manipular f(x) como, por exemplo, calcular seu valor em um ponto no tabelado.
Exemplo:
Ano

1960

1970

1980

1990

N de

352.724

683.908

123.503

1.814.990

Habitantes
Deseja-se saber o nmero aproximado de habitantes em 1985.

b) Quando conhecemos a expresso analtica de f(x), porm extremamente


complicada e operaes como a diferenciao e a integrao so difceis (ou
mesmo impossveis) de serem realizadas.
O problema geral da interpolao por meio de polinmios consiste em, dados (n+1)
pontos distintos
polinmio

( x0 , f ( x0 )), ( x1 , f ( x1 )),..., ( xn , f ( xn )),

queremos aproximar f(x) por um

pn ( x) de grau n , tal que:

pn ( x0 ) = f ( x0 )
pn ( x1 ) = f ( x1 )
pn ( x2 ) = f ( x2 )

pn ( xn ) = f ( xn )
ou seja,

pn ( xk ) = f ( xk ) , k = 0,1,2,..., n
7.1. Existncia e Unicidade do Polinmio Interpolador
Representaremos

pn ( x) por

pn ( x ) = a0 + a1 x + a2 x 2 + ... + an x n
assim, obter

pn ( x) , significa obter os coeficientes a0 , a1 ,..., an . Da condio

pn ( xk ) = f ( xk ) , k obtemos as equaes:
a0 + a1 x0 + a2 x02 + ... + an x0n = f ( x0 )
a1 + a1 x1 + a2 x12 + ... + an x1n = f ( x1 )
a 0 + a1 x n + a 2 x n2 + ... + a n x nn = f ( x n )

que formam um sistema linear (n+1)x(n+1). Escrevendo esse sistema na forma matricial,
temos:
A

1 x0

x02

x0n

1 x1
1 x2

x12
x22

1 xn

xn2

x1n
x2n

a0
a1

f ( x0 )
f ( x1 )

a2

f ( x2 )

xnn

an

f ( xn )

A matriz dos coeficientes desse sistema conhecida como Matriz de Vandermonde


e sabe-se que se

x0 , x1 ,..., xn

forem distintos ento

singular e o sistema tem soluo nica, ou seja,

det( A) 0 ,

a 0 , a1 ,..., a n

logo A no

so unicamente

determinados.

7.2. Formas de se Obter


Sabemos que o polinmio

pn (x)

pn ( x) que interpola f(x) em x0 , x1 ,..., xn nico. No

entanto, existem vrias formas para se obter tal polinmio, entre elas temos: a resoluo
de um sistema linear (n+1)x(n+1), o polinmio interpolador de Lagrange e o polinmio
interpolador na forma de Newton.

7.2.1. Resoluo do Sistema Linear


Exemplo: 1. Determinar o polinmio interpolador da funo y=f(x) dada pela tabela:
x

-1

f(x)

15

-1

Observaes:
a) Observemos que nos pontos tabelados, o valor do polinmio encontrado e o valor
da funo, devem coincidir. Se os valores forem diferentes teremos cometido erros
de clculo.

b) A determinao do polinmio de interpolao por meio de soluo de sistemas


muito trabalhosa, alm de poder ocorrer erros de arredondamento, fazendo com
que a soluo obtida seja irreal.

2. Obter o polinmio

p 3 ( x) que interpola f(x) nos pontos x 0 , x1 , x 2 , x3 , de acordo com a

tabela abaixo:
x

0.1

0.2

0.3

0.4

f(x)

13

-4

-8

7.2.2. Polinmio Interpolador de Lagrange


Sejam

x0 , x1 ,..., xn , (n+1) pontos distintos. Seja pn ( x)

interpola f(x) em

x0 , x1 ,..., xn . Podemos representar pn ( x)

o polinmio de grau n que


na forma

pn ( x) = f ( x0 ) L0 ( x) + f ( x1 ) L1 ( x) + ... + f ( xn ) Ln ( x) ,
Li ( x) so de grau n. Para cada k queremos que a condio

onde os polinmios

pn ( xk ) = f ( xk )

seja satisfeita, ou seja:

p n ( x k ) = f ( x0 ) L0 ( x k ) + f ( x1 ) L1 ( x k ) + ... + f ( x n ) Ln ( x k ) = f ( x k )
A forma mais simples de se satisfazer esta condio impor:

Li ( xk ) =
e para isso, definimos

Li ( x) =

0 se i k
1 se i = k

Li ( x) por

( x x0 )( x x1 )...( x xi 1 )( x xi +1 )...( x xn )
( xi x0 )( xi x1 )...( xi xi 1 )( xi xi +1 )...( xi xn ) .

fcil verificar que realmente


Como o numerador de

Li ( x i ) = 1 e Li ( x k ) = 0 se k i .

Li ( x) um polinmio de n fatores da forma:

( x xk ), k = 0,..., n, k i ,

ento

Li ( x) um polinmio de grau n e, assim pn ( x) um polinmio de grau menor ou

igual a n.
Alm disso, para

x = x k , k = 0,..., n temos:

p n ( xk ) =

n
i=0

f ( xi ) Li ( xk ) = f ( xk ) Lk ( xk ) = f ( xk ) .

Ento, a forma de Lagrange para o polinmio interpolador :

p n ( x) =

n
i =0

f ( xi ) Li ( x )

ou seja,

pn ( x) = f ( x0 ) L0 ( x) + f ( x1 ) L1 ( x) + ... + f ( xn ) Ln ( x)
onde
n

(x x )
Lk ( x) =

j =0
j i
n

(x x )
j =0
j i

Exemplos:
1. Conhecendo-se a seguinte tabela

-1

f(x)

15

-1

a. Determine o polinmio de interpolao na forma de Lagrange.


b. Calcule uma aproximao para f(1), usando o item a..
2. A tabela abaixo relaciona o calor especfico da gua em funo da temperatura:
C

Cal/c c

20

0,99807

30

0,99826

45

0,99849

55

0,99919

a. Encontre o polinmio de Lagrange.

b. Atravs dele calcule o calor especfico para 25C.

7.2.3. Polinmio Interpolador na forma de Newton


Seja f(x) uma funo tabelada em n+1 pontos distintos:

x0 , x1 ,..., xn .

Definimos o operador diferenas divididas por:

f [x0 ] = f ( x0 )
f [ x1 ] f [ x 0 ] f ( x1 ) f ( x 0 )
f [ x 0 , x1 ] =
=
x1 x 0
x1 x 0
f [ x1 , x 2 ] f [ x 0 , x1 ]
f [ x 0 , x1 , x 2 ] =
x2 x0
f [ x1 , x 2 , x 3 ] f [ x 0 , x1 , x 2 ]
f [ x 0 , x1 , x 2 , x 3 ] =
x3 x0
f [ x 0 , x1 , x 2 ,..., x n ] =

sobre os n+1 pontos:

(Ordem1)
(Ordem2)
(Ordem3)

f [ x1 , x 2 ,..., x n ] f [ x 0 , x1 , x 2 ,..., x n 1 ]
x n x0

f [ x0 , x1 ,..., xn ]

Dizemos que

(OrdemZero)

(Ordemn)

a diferena dividida de ordem n da funo f(x)

x0 , x1 ,..., xn .

Dada a funo f(x) e concedidos os valores que f(x) assume nos pontos distintos

x0 , x1 ,..., xn , podemos construir a tabela:


x
x0

Ordem 0 Ordem 1

Ordem 2

Ordem 3

...

Ordem n

f[x0]
f[x0,x1]

x1

f[x1]

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

x2

f[x2]

f[x0,x1,x2,x3]
f[x1,x2,x3]

f[x2,x3]
x3

f[x3]

.
f[x1,x2,x3,x4]

f[x2,x3,x4]

f[x3,x4]

x4

f[x4]

f[xn-2,xn-1,xn]

f[xn-1,xn]

xn

f[xn]

f[xn-3,xn-2,xn-1,xn] .

.
f[x0,x1,x2,...,xn]
.

As diferenas dividas satisfazem a propriedade de simetria nos argumentos, ou seja,

f [ x0 , x1 ,..., xn ] = f [ x1 , x0 ,..., xn ] = f [ xn , xn 1 ,..., x0 ] = ... .

Assim, podemos

fazer qualquer permutao dos argumentos que teremos a mesma diferena dividida.
A forma de Newton para o polinmio de grau n que interpola f(x) em

x0 , x1 ,..., xn

p n ( x) = f ( x 0 ) + ( x x 0 ) f [ x 0 , x1 ] + ( x x 0 )( x x1 ) f [ x 0 , x1 , x 2 ] + ... +
+ ( x x 0 )( x x1 )...( x x n 1 ) f [ x 0 , x1 ,..., x n ]
Exemplos:
1. Encontrar usando a forma de Newton, o polinmio p2(x), que interpola f(x) nos pontos
dados abaixo.

-1

f(x)

-1

2. Uma fbrica consome energia eltrica durante uma jornada tpica de trabalho da qual a
seguinte tabela retirada:
Hora

Kw/h

14:00 h

139

14:30 h

152

15:00 h

165

15:30 h

163

16:00 h

142

16:30 h

119

17:00 h

97

Estime o consumo de energia s 16 h 15 min., considerando os pontos de


15 h 30 min s 17 h.

8. Integrao Numrica
Em muitas aplicaes da Matemtica necessrio efetuar o clculo da integral de
alguma funo. Por exemplo, quando medimos a velocidade de um objeto em vrios
instantes e queremos saber o espao que ele percorreu neste intervalo de tempo,
precisamos integrar a funo velocidade.

Estudaremos alguns mtodos numricos para calcular a integral definida de uma


funo. Uma frmula que fornea um valor numrico aproximado da integral de uma
funo chamada Quadratura Numrica ou Frmula de Integrao Numrica.
O problema da integrao numrica consiste na determinao de um valor aproximado
da integral

I=
Os limites contidos na integral

b
a

f ( x)dx .

podem ser infinitos, mas consideraremos somente o

caso quando [a,b] for finito.


Integrar numericamente uma funo y = f ( x ) num dado intervalo [a,b] integrar um
polinmio p n (x ) que aproxime f (x ) no dado intervalo.
Em particular, se y = f (x ) for dada por uma tabela, ou seja, por um conjunto de
pares ordenados

( x0 , f ( x0 )), ( x1 , f ( x1 )),..., ( xn , f ( xn )), onde x 0 = a

xn = b ,

podemos usar como polinmio de aproximao para a funo y = f (x ) no intervalo [a,b]


o seu polinmio de interpolao.
Usamos integrao numrica nos seguintes casos:
i) quando no conhecemos a expresso analtica de f(x) e desejamos calcular sua
integral;
ii) quando conhecemos a expresso analtica de f(x), mas de difcil manuseio;
iii) quando a funo dada simplesmente atravs de uma tabela conjunto de pares
ordenados obtidos como resultado de experincias.
Aproximaremos a integral pela seguinte frmula de quadratura:

I=

b
a

f ( x)dx =

n
k =0

Ak f ( xk ) .

Frmulas de quadratura so frmulas que aproximam a integral atravs de uma


combinao linear de pontos da funo.
Seja p n (x ) o polinmio de interpolao da funo y = f (x ) sobre os (n+1) pontos.
Pela frmula de Lagrange, temos que:

pn ( x) =

n
k =0

f ( xk ) Lk ( x ) .

Integrando o polinmio interpolador de Lagrange e o seu termo de erro de truncamento


em [a,b] obtemos:

I=
I=
onde

b
a
b
a

f ( x)dx =

b n
a

k =0

f ( xk ) Lk ( x)dx +

1
f ( x)dx =
Ak f ( xk ) +
(n + 1)!
k =0

b
a

(x ) est em [a,b] para cada x e,

Ak =

b
a

(x x )
k

k =0
n

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

(x x ) f
k

k =0

Lk ( x)dx, k = 0,..., n

( n +1)

( ( x))dx (1)

Observemos que o erro na integrao dado por:

1
E=
(n + 1)!

b
a

(x x ) f
k =0

( n +1)

( ( x))dx .

8.1. Frmulas de Newton-Cotes


As frmulas de Newton-Cotes so aplicadas na integrao de funes conhecidas em
pontos eqidistantes. Estas frmulas so de dois tipos: fechadas ou abertas. As frmulas
fechadas usam tambm os valores da funo a ser integrada nos extremos do intervalo de
integrao; as frmulas abertas no usam esses valores. Estudaremos apenas as
frmulas fechadas.

8.1.1. Regra do Trapzio Simples


Para determinar a regra mais simples de integrao numrica, vamos considerar o
polinmio de Lagrange do 1 grau.

p1 ( x ) = f ( x0 ) L0 ( x ) + f ( x1 ) L1 ( x ) =

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

f(x)
f

h =ba

b=x1

a=x0

Assim, fazendo n=1, x0=a, x1=b e h=b-a na equao (1) temos:

I=

b
a

f ( x) dx =

x1
x0

( x x0 )
( x x1 )
1
f ( x0 ) +
f ( x1 ) dx +
( x 0 x1 )
( x1 x0 )
2!

x1
x0

f ( ( x ))( x x0 )( x x1 )dx

onde o segundo termo do lado direito da igualdade acima o erro cometido na integrao,
ou seja:

E=

1
2!

x1
x0

f ( ( x))( x x0 )( x x1 )dx .

Assim, trabalhando apenas com o 1 termo do lado direito de

I=
I=

x1
x0

b
a

f ( x )dx =

x1
x0

temos:

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

( x x1 )
( x x0 )
1
f ( x0 ) +
f ( x1 ) dx =
h
h
h

x1
x0

[ ( x x1 ) f ( x0 ) + ( x x0 ) f ( x1 )]dx

( x x0 ) 2
1 ( x x1 ) 2
I=
f ( x0 ) +
f ( x1 )
h
2
2

x1

x0

( x1 x0 ) 2
( x 0 x1 ) 2
( x0 x0 ) 2
1 ( x1 x1 ) 2
I=
f ( x0 ) +
f ( x1 ) +
f ( x0 ) +
f ( x1 )
h
2
2
2
2
1 h2
h2
h
I=
f ( x0 ) +
f ( x1 ) = [ f ( x0 ) + f ( x1 )]
h 2
2
2
Assim, a regra do trapzio simples para calcular numericamente uma integral como
segue:

I=

h
[ f ( x0 ) + f ( x1 )] .
2

E o erro cometido dado por:

E=

1
2!

x1
x0

f ( ( x))( x x 0 )( x x1 )dx =

1
f ( )
2

x1
x0

[x

( x 0 + x1 ) x + x0 x1 dx

1
x 3 ( x0 + x1 ) 2
E = f ( )

x + x0 x1 x
2
3
2

x1

x0

x
( x + x1 ) 2
x
( x + x1 ) 2
1
E = f ( ) 1 0
x1 + x 0 x1 x1 0 + 0
x 0 x 0 x1 x 0
2
3
2
3
2
3

x 0 x12 x0
x02 x1
x1
x1 + 3 x0 x12 + x 0 3 x02 x1
1
1
E = f ( )
+
+

= f ( )
2
6
2
6
2
2
6
E=

[ ]

1
1
f ( ) ( x1 x0 ) 3 =
f ( ) h 3
12
12

h3
E=
f ( )
12

onde

a+b
2

Exemplos:
1. Aproxime as seguintes integrais pela regra trapezoidal simples e calcule o erro.
2 ,1

a) 2

dx
x

1
b)

x 4 dx

0,5

2. Calcular a integral de

f ( x) = 6 x 5

no intervalo [1,9] pela frmula dos trapzios

simples.

8.1.2. Regra do Trapzio Composto


Uma forma de melhorar o valor aproximado da integral calculada pela regra dos
trapzios simples dividir o intervalo [a,b] em n partes iguais e aplicar a regra dos
trapzios a cada uma dessas n partes.

f(x)
f

ba
h=
n
hh
a=x0x1

...

b=xn

Sabemos que:

I=
I=

b
a

f ( x ) dx =

xn
x0

f ( x )dx =

x1
x0

f ( x )dx +

x2
x1

f ( x )dx + ... +

xn
xn 1

f ( x )dx

h
[ f ( x0 ) + f ( x1 )] + h [ f ( x1 ) + f ( x 2 )] + ... + h [ f ( x n1 ) + f ( xn )]
2
2
2
I=

h
[ f ( x0 ) + 2 f ( x1 ) + 2 f ( x2 ) + ... + 2 f ( xn1 ) + f ( xn )]
2
n 1
h
I=
f ( x 0 ) + 2 f ( xi ) + f ( x n )
2
i =1

E o erro cometido na integrao dado por:

nh 3
E=
f ( )
12
Exemplos:
2 ,1

1. Calcule 2

dx
x

para n=10 e calcule o erro.

2. Considerando h=1, calcular a integral da funo


e calcule o erro.

f ( x) = 6 x 5

no intervalo [1,9]

8.1.3. 1 Regra de Simpson ou Simpson 1/3 Simples


Esta regra consiste em determinar uma frmula para integrar f(x) utilizando 3 pontos,

x0 , x1 e x2 . Dessa forma, est formula utiliza uma aproximao de f(x) por um polinmio
de grau 2.
Como fizemos na regra do trapzio, aproximaremos f(x) por um polinmio de Lagrange,
nesse caso de grau 2.

p2 ( x)

Seja

x0 = a, x1 = x0 + h

o polinmio que interpola f(x) nos pontos

x 2 = x0 + 2h = b .
f(x)

h=

h
x0=a

ba
2

h
x1

x2=b

p2 ( x) = f ( x0 ) L0 ( x) + f ( x1 ) L1 ( x ) + f ( x2 ) L2 ( x )
p2 ( x ) =

( x x1 )( x x2 )
( x x0 )( x x2 )
( x x0 )( x x1 )
f ( x0 ) +
f ( x1 ) +
f ( x2 )
( x0 x1 )( x0 x2 )
( x1 x0 )( x1 x2 )
( x2 x0 )( x2 x1 )

Sabemos que:

I=

b
a

f ( x) dx =

b n
a

k =0

1
f ( xk ) Lk ( x) +
(n + 1)!

b n
a

(x x ) f
k =0

( n +1)

( ( x))dx (1)

Assim, fazendo n=2, x0 = a, x 2 = b e f(x)=p2(x) na equao acima obtemos:

I=
+

1
3!

x2
x0

( x x0 )( x x2 )
( x x0 )( x x1 )
( x x1 )( x x 2 )
f ( x0 ) +
f ( x1 ) +
f ( x2 ) dx +
( x0 x1 )( x0 x 2 )
( x1 x0 )( x1 x2 )
( x2 x0 )( x2 x1 )

(
x x0 )(x x1 )(x x 2 ) f ( 3) ( ( x))dx
x
x2
0

onde o segundo termo do lado direito da igualdade acima o erro cometido na integrao,
ou seja:

E=

1
3!

x2
x0

f ( ( x ))( x x0 )( x x1 )( x x 2 )dx .

Assim, trabalhando apenas com o 1 termo do lado direito de

I=

I=

x2
x0

x2
x0

temos:

( x x0 )( x x2 )
( x x0 )( x x1 )
( x x1 )( x x2 )
f ( x0 ) +
f ( x1 ) +
f ( x2 ) dx
( x0 x1 )( x0 x2 )
( x1 x0 )( x1 x 2 )
( x2 x0 )( x 2 x1 )

( x x0 )( x x 2 )
( x x0 )( x x1 )
( x x1 )( x x2 )
f ( x0 ) +
f ( x1 ) +
f ( x2 ) dx
( h)( 2h)
( h)( h)
( 2h)( h)

( x x0 )( x x 2 )
( x x0 )( x x1 )
( x x1 )( x x2 )
f ( x0 ) +
f ( x1 ) +
f ( x2 ) dx
x0
( h)(2h)
(h)( h)
(2h)(h)
f ( x 0 ) x2
f ( x1 ) x2
f ( x 2 ) x2
I=
(
x

x
)(
x

x
)
dx

(
x

x
)(
x

x
)
dx
+
( x x0 )( x x1 ) dx
1
2
0
2
2 h 2 x0
h 2 x0
2 h 2 x0

I=

x2

Vamos resolver a integral acima realizando a seguinte mudana de varivel:

u=

x x0
h

x x0 = hu

dx = hdu

x = hu + x0

Assim, temos:

x x1 = hu + x0 x1 = hu h = h(u 1)
x x2 = hu + x0 x2 = hu 2h = h(u 2)
e logo quando x = x 0 temos:

x x0 = hu

x0 x0 = hu

hu = 0

u=0

x2 x0 = hu

hu = 2h

u=2

e quando x = x 2 temos:

x x0 = hu
Logo, a integral I se torna:

f ( x0 ) 2
f ( x1 ) 2
f ( x2 ) 2
[
h
(
u

1
)][
h
(
u

2
)]
hdu

[
hu
][
h
(
u

2
)]
hdu
+
[hu ][h(u 1)]hdu
2h 2 0
h2 0
2h 2 0
f ( x0 ) 2 3
f ( x1 ) 2 3
f ( x2 ) 2 3
I=
h
(
u

1
)(
u

2
)
du

h
u
(
u

2
)
du
+
h u (u 1)du
2h 2 0
h2 0
2h 2 0

I=

I=

hf ( x0 )
2

2
0

(u 2 3u + 2)du hf ( x1 ) (u 2 2u )du +
0

hf ( x2 )
2

2
0

(u 2 u )du

hf ( x0 ) u 3 3u 2
I=

+ 2u
2
3
2

I=

u 3 2u 2
hf ( x1 )

3
2
0

hf ( x2 ) u 3 u 2
+

2
3
2
0

hf ( x0 ) 2
4 hf ( x2 ) 2
h
4h
h
hf ( x1 ) +
= f ( x0 ) +
f ( x1 ) + f ( x2 )
2
3
3
2
3
3
3
3

Assim, a regra de Simpson 1/3 simples :

I=

h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )]
3

E o erro cometido dado por:

E=

1
3!

x2
x0

f ( )
6

f ( ( x ))( x x0 )( x x1 )( x x2 )dx =

x2
x0

( x x0 )( x x1 )( x x2 )dx

Usando a mesma mudana de varivel utilizada acima, obtemos:

f ( )
E=
6

h 4 f ( )
( hu )(h(u 1))(h(u 2)) hdu =
0
6
2

2
0

u (u 1)(u 2)du

h 4 f ( )
E=
6

h 4 f ( )
u (u 1)(u 2) du =
0
6

h 4 f ( )
E=
6

h 4 f ( ) u
3u 3 2u 2
(u 3u + 2u )du =

+
0
6
4
3
2

2
0

(u 3 3u 2 + 2u )du
4

=0
0

O resultado acima no aceitvel, logo devemos considerar outra expresso para o erro
cometido numa integrao utilizando a regra de Simpson 1/3 simples. Consideraremos a
expresso obtida fazendo n=3 no erro em (1), ou seja:

E=

1
(n + 1)!

b n
a

(x x ) f
k =0

( n +1)

( ( x))dx =

1
4!

x2
x0

( x x0 )( x x1 )( x x2 )( x x3 ) f ( 4 ) ( ( x))dx

Realizando a mudana de varivel j utilizada, obtemos:

E=

1
4!

x2
x0

( x x0 )( x x1 )( x x 2 )( x x3 ) f ( 4 ) ( ( x))dx =

h 5 f ( 4) ( )
E=
24

h 5 f ( 4) ( )
u (u 1)(u 2)(u 3)du =
0
24
2

h 5 f ( 4 ) ( ) u 5 6u 4 11u 3 6u 2
E=

24
5
4
3
2

=
0

f ( 4 ) ( )
24
2
0

2
0

(hu)(h(u 1))(h(u 2))(h(u 3))hdu

(u 4 6u 3 + 11u 2 6u )du

h 5 f ( 4) ( )
4

24
15

h 5 f ( 4) ( )
E=
90
Exemplo: Aproxime a seguinte integral pela regra de Simpson 1/3 simples e calcule o
erro.
2 ,1
2

dx
x

8.1.4. 1 Regra de Simpson Composta ou Simpson 1/3


Composto
A regra de Simpson 1/3 composta obtida considerando o intervalo [a,b] e dividindo-o
em n subintervalos iguais de amplitude h, e a cada par de subintervalos aplicamos a 1
regra de Simpson simples. Observe que o nmero n deve ser par para termos um nmero
par de subintervalos.

f(x)

h=

h h h h

...

x0=a x1 x2 x3 x4

h h
xn-2 xn-1xn=b

ba
n

Sabemos que:

I=
I=

b
a

f ( x ) dx =

xn
x0

f ( x )dx =

x2
x0

f ( x )dx +

x4
x2

f ( x )dx + ... +

xn
xn 2

f ( x )dx

h
[ f ( x0 ) + 4 f ( x1 ) + f ( x2 )] + h [ f ( x2 ) + 4 f ( x3 ) + f ( x4 )] + ... + h [ f ( xn2 ) + 4 f ( xn1 ) + f ( xn )]
3
3
3

I=

h
[ f ( x0 ) + 4 f ( x1 ) + 2 f ( x2 ) + 4 f ( x3 ) + 2 f ( x4 ) + ... + 2 f ( xn2 ) + 4 f ( xn1 ) + f ( xn )]
3
n 1
n2
h
I=
f ( x0 ) + 4
f ( xi ) + 2 f ( xi ) + f ( xn )
3
i = 2 j 1
i =2 j
j =1

j =1

E o erro cometido na integrao dado por:

n h 5 f ( 4) ( )
E=
2
90
Exemplos:

1. Calcule 0

sen ( x ) dx

para

a. n=8 utilizando Simpson 1/3 composto;


b. e calcule o erro.
2. Considerando h=1, calcular a integral da funo

f ( x) = 6 x 5

no intervalo [1,9]

e calcule o erro.

9. Ajuste de Curvas
9.1. Mtodo dos Mnimos Quadrados Ajuste Linear
J vimos uma forma de se trabalhar com uma funo definida por uma tabela de
valores que foi a interpolao polinomial.
Mas, em muitas ocasies, o mtodo da interpolao no aconselhvel. Em particular:

quando preciso obter um valor aproximado da funo para valores fora do


intervalo tabelado, ou seja, quando se quer extrapolar;

em experimentos fsicos ou em alguma pesquisa em que existem erros inerentes


devidos aos instrumentos etc., os quais no so previsveis.

Assim, no h necessidade de calcular exatamente a funo f(x) que origina os pontos


tabelados, e sim a funo que melhor se ajusta aos pontos dados.
Observemos a figura:

Como podemos dizer qual das retas melhor se ajusta aos pontos dados?
O critrio que vamos utilizar para medir a qualidade do ajuste a distncia entre a reta
e a funo tabelada f(x). Assim, nosso objetivo aproximar f(x) por uma funo G(x) que
seja combinao linear de funes conhecidas, isto :
G(x)=a1g1(x)+a2g2(x)
de tal modo que distncia de f(x) a G(x) seja a menor possvel.

Min f ( x i ) G ( x )
Substituindo G(x) na equao acima temos:

Min f ( xi ) G ( x ) = Min f ( xi ) a1 g1 ( x ) a2 g 2 ( x ) = H (a1 , a 2 )


MinH (a1 , a 2 ) =

n
i =1

( f ( xi ) G ( xi )) 2 =

n
i =1

( f ( xi ) a1 g1 ( xi ) a 2 g 2 ( xi )) 2

Usando o clculo diferencial, sabemos que, para obter um ponto de mnimo de H(a1,a2),
temos que encontrar, primeiramente, seus pontos crticos, ou seja, encontrar a1 e a2 tais
que:

H H
=
=0
a1 a 2
n
H
= 2 ( f ( xi ) a1 g1 ( xi ) a2 g 2 ( xi )).( g1 ( xi )) = 0
a1
i =1
n
H
= 2 ( f ( xi ) a1 g1 ( xi ) a2 g 2 ( xi )).( g 2 ( xi )) = 0
a2
i =1

n
i =1
n
i =1
n
i =1
n
i =1

( f ( xi ) g1 ( xi ) + a1 ( g1 ( xi )) 2 + a2 g 2 ( xi ) g1 ( xi )) = 0
( f ( xi ) g 2 ( xi ) + a1 g 2 ( xi ) g1 ( xi ) + a 2 ( g 2 ( xi )) 2 ) = 0
a1 ( g1 ( xi )) +
2

n
i =1

a 2 g 1 ( xi ) g 2 ( xi ) =
n

a1 g 2 ( xi ) g1 ( xi ) +

i =1

a2 ( g 2 ( xi )) =
2

n
i =1
n
i =1

f ( xi ) g 1 ( xi )
f ( xi ) g 2 ( xi )

Comparando G(x) com a equao geral da reta y=ax+b, obtemos:

a1 = a
a2 = b
g1 ( x ) = x
g 2 ( x) = x 0 = 1
Substituindo os dados acima em (1) obtemos:
n
i =1
n
i =1

a.1xi +

n
i =1

n
i =1

n
i =1

n
i =1

Na forma matricial temos:

a ( xi ) 2 +

i =1
n

b(1) 2 =

i =1

xi + b

i =1
n

xi =

1=

i =1

xi + b

i =1
n

n
i =1

xi + bn =

n
i =1

xi =
n
i =1

n
i =1

f ( xi ) xi
f ( xi ).1

i =1

xi + b

bxi .1 =

xi f ( xi )

f ( xi )
n
i =1

xi f ( xi )

f ( xi )

(1)

n
i =1
n
i =1

xi

i =1

xi

xi

a
b

i =1
n

xi f ( xi )

i =1

f ( xi )

Exemplos:
1. A estimativa da populao do Estado de So Paulo apresenta-se de acordo com a
tabela:
Ano

Populao (x106)

1950

1960

13

1970

18

1980

25

1990

31

2000

37

a. Efetue analtica e graficamente o ajuste linear.


b. Atravs dele estime a populao para o ano de 2004.
c. 50 milhes de habitantes ocorrero quando?
2. Janeiro de 1999 foi chamado Janeiro Negro pois se iniciou a desestabilizao do real
em relao ao dlar, apresentado abaixo:
Dia

R$

12

1,21

13

1,32

14

1,32

15

1,47

16

1,47

17

1,47

18

1,59

19

1,56

20

1,59

21

1,71

a. Efetue analtica e graficamente o ajuste linear.

b. Atravs dele estabelea a flutuao cambial para 29 de janeiro.


c. R$ 2,20 por dlar ocorrero quando?
3. A estimativa da populao Brasileira apresenta-se de acordo com a tabela:
Ano

Populao (x106)

1940

41

1950

52

1960

70

1970

93

1980

119

1990

146

2000

170

a. Efetue analtica e graficamente o ajuste linear.


b. Em que ano a populao brasileira ultrapassou o ndice de 100 milhes?
c. Atravs dele estime a populao para o ano de 2004.
d. 215 milhes de habitantes ocorrero quando?
4. A tabela abaixo mostra as alturas e pesos de uma amostra de nove homens entre
as idades de 25 a 29 anos, extrada ao acaso entre funcionrios de uma grande
indstria:

Altura (cm)

183

173

168

188

158

163

193

163

178

Peso (Kg)

79

69

70

81

61

63

79

71

73

a. Ajuste uma reta que descreve o comportamento do peso em funo da


altura, isto , peso=f(altura).
b. Estime o peso de um funcionrio com 175 cm de altura; e estime a altura de
um funcionrio com 80 Kg.
c. Ajuste agora a reta que descreve o comportamento da altura em funo do
peso, isto , altura=g(peso).
d. Resolva o item (b) com essa nova funo e compare os resultados obtidos.
e. Coloque num grfico as equaes obtidas em (a) e (c) e os pontos dados e
compare-as.

1 Lista de Exerccios
Representao de Nmeros no Computador
1. Converter os nmeros abaixo para a base decimal.
a. (1100011)2
b. (101,0011)2
c. (1111111)2
d. (0,0111111)2
e. (1010101)2
f. (1,010011)2
g. (11,100110)2
h. (1001001)2
2. Converter os nmeros abaixo para a base binria.
a. (39)10
b. (2345)10
c. (10,1217)10
d. (0,1)10
e. (0,125)10
f. (347)10
g. (33,023)10
h. (13,25)10
3. Dado o sistema de ponto flutuante F(2, 3, -2, 2), determine qual o menor e o maior
nmero representado nesse sistema? Represente os nmeros x1=0,38; x2=5,3;
x3=0,15 dados na base 10, nesse sistema.
4. Represente os nmeros abaixo no sistema de ponto flutuante F(10,5, -5,5).
Nmero

Representao truncada

Representao
Arredondada

10
6

1
9

1
7

100
7
5. Considere os sistema F(2, 5, -3, 3). Qual o maior e o menor nmero na base 10 que
podemos representar deste sistema?
6. Considere o sistema F(2, 8, -4, 4) e os nmeros x1=0,10110011x22 e
x2=0,10110010x22. Qual dos dois nmeros representa melhor (2,8)10?

7. Considere o sistema F(2, 8, 10, 10). Represente os nmeros

x1 = 8 , x2 = e 2 ,

x3 = 3,57 , onde todos esto na base 10. Existe algum com representao exata
nesse sistema?

2 Lista de Exerccios Zeros de Funes Reais


1. Localize graficamente as razes das equaes a seguir:
a.

4 cos x e 2 x = 0 ;

b.

1 x ln x = 0 ;

c.

2 x 3x = 0 ;

d.

x 3 + 3x 1 = 0 ;

e.

x 2 sen x = 0 .

2. Supondo que duas locomotivas viajem no mesmo sentido e trilho com equaes de
movimento dadas por:

x1 (t ) = 110 80e

t
2

x 2 (t ) = 50t , respectivamente.

Utilizando argumentos grficos, verifique se essas locomotivas se chocam. Se isso


acontecer, em quanto tempo o acidente ocorreria?
3. Calcule a menor raiz positiva real das equaes abaixo utilizando o mtodo da
bisseco, satisfazendo a preciso

indicada.

a.

x 3 + x 1 = 0, = 10 3 ;

b.

2 x cos x = 0, = 10 1 ;

c.

x 2 cos x = 0, = 10 3 ;

d.

x 2 10 log x 3 = 0, = 10 3 ;

e.

e x x 3 x = 0, = 10 3 ;

f.

e x x 2 = 0, = 10 2 .

4. Dada a funo

f ( x) = x 2 3x + 2

calcule suas razes usando um dos dois

mtodos a seguir: Bisseco ou Posio Falsa. Justifique o por qu da escolha.


5. A equao

x 3 2x 1 = 0

possui apenas uma raiz positiva.

a. De acordo com o princpio da bisseco, esta raiz positiva deve estar em


qual dos intervalos: (0,1), (1,2), (2,3)? Por qu?
b. Se desejssemos tambm pesquisar as razes negativas usando intervalos
de amplitude 0,5 at o ponto 2, em que intervalos seriam encontradas tais
razes?

6. Dada a funo

f ( x) = e x x , calcule suas razes usando um dos dois mtodos

a seguir: Newton ou Secante. Justifique a escolha.


7. Obtenha a menor raiz positiva da equao

e x 4 cos x = 0 , utilizando:

a. O mtodo da posio falsa;


b. O mtodo da secante;
c. O mtodo de Newton.
OBS: Use

= 10 4

em todos os casos.

8. Use o mtodo de Newton Raphson para obter a menor raiz positiva das equaes a
seguir com preciso

= 10 4 .

a.

x
tgx = 0 ;
2

b.

ex
2 cos x
= 0;
2

c.

x5 5 = 0 .

9. Aplique o mtodo de Newton Raphson a equao

x 3 2 x 2 3 x + 10 = 0

com

x 0 = 1.9 . Justifique o que acontece.


10. Usando

mtodo

das

secantes,

f ( x) = 2 x 2 + sen x 6, = 10 2 .

determine

uma

raiz

da

funo

3 Lista de Exerccios Sistemas Lineares


1. Considere o sistema Ax=b onde

1 1 3
x1
2
A = 1 1 4 ; x = x2 ; b = 3
5 2 1
x3
4
Resolva o sistema pelo mtodo de Eliminao de Gauss.
2. Usando o mtodo de Eliminao de Gauss, verificar que o sistema

x1 + 4 x 2 + x 3 = 6
2 x1 x 2 + 2x 3 = 3

x1 + 3 x 2 + x 3 = 5
a. Possui uma nica soluo quando
b. Possui infinitas solues quando
c. E no tem soluo quando

= 0.

= 1.

= 1 .

3. Considere o sistema:

2 3 1 x1
5
4 6 1 x2 = 7
1 2
1 x3
4
a. Resolva-o pelo mtodo de Eliminao de Gauss;
b. Calcule o determinante de A, usando a matriz triangular obtida no item (a).

4. Verificar usando o mtodo de Eliminao de Gauss, que o sistema:

x1 + 2 x2 + x3 = 3
2 x1 + 3x2 + x3 = 5
3 x1 + 5 x2 + 2 x3 = 1
no tem soluo.

5. Considere o sistema

2 5 3 x1
8
5 2 1 x2 = 7
1 3 6 x3
13
Trabalhando com arredondamento para 2 dgitos significativos em todas as operaes,
resolva o sistema acima pelo mtodo de Eliminao de Gauss com pivoteamento
parcial.
6. Resolva os sistemas lineares abaixo utilizando o mtodo de Eliminao de Gauss e
calcule o determinante das matrizes A. (Utilize 3 casas decimais em todas as
operaes).

2 x1 + 2 x2 + x3 + x4 = 7
a.

b.

c.

d.

x1 x2 + 2 x3 x 4 = 1
4 x1 + 3 x2 + 2 x3 + x 4 = 12
2 x + 4 y 6 z = 4
x + 5 y + 3 z = 10
x + 3y + 2z = 5
0,8 x + 1,4 y + 3z = 12,6
0,6 x + 0,9 y + 2,8 z = 10,8
2x + y = 4
x + 4 y 2 z + 2w = 8
2 x + 3 y + z + 3w = 8
x + 5 y 5 z 3w = 18
2 x + 4 y 4 z = 12

7. Analise os sistemas lineares abaixo com relao ao nmero de solues, usando o


mtodo de Eliminao de Gauss (utilize 3 casas decimais em todas as operaes):

3 x1 2 x 2 + 5 x3 + x 4 = 7
6 x1 + 4 x 2 8 x3 + x 4 = 9
a.

9 x1 6 x 2 + 19 x3 + x 4 = 23
6 x1 4 x2 6 x3 + 15 x 4 = 11
0,252 x1 + 0,36 x2 + 0,12 x3 = 7

b.

0,112 x1 + 0,16 x 2 + 0,24 x3 = 8


0,147 x1 + 0,21x2 + 0,25 x3 = 9

8. Trabalhando com arredondamento para 2 dgitos significativos em todas as


operaes resolva o sistema linear abaixo pelo mtodo de Eliminao de Gauss,
sem e com pivoteamento parcial. Discuta seus resultados:

16 x1 + 5 x 2 = 21
3 x1 + 2,5 x 2 = 5,5
9. Resolva o sistema abaixo pelo mtodo de Gauss-Seidel. Utilize 3 dgitos
significativos,

= 10 2

e x ( 0 ) = [0 0 0] .
T

2 x + 30 y 10 z + 12t = 1
20 x + y + 2 z 3t = 2
4 x + 5 y z + 15t = 3
x + y 10 z + 2t = 4
10. Considere o sistema:

5 x1 + 2 x2 + x3 = 7
x1 + 4 x2 + 2 x3 = 3
2 x1 3 x2 + 10 x3 = 1
a. Verificar a possibilidade de aplicao do mtodo de Gauss-Seidel, usando o
critrio de Sassenfeld.
b. Se possvel, resolv-lo pelo mtodo do item (a), obtendo o resultado com

= 10 2 .

11. Considere cada um dos seguintes sistemas:

3 x1 3 x2 + 7 x3 = 18
(I)

x1 + 6 x2 x3 = 10
10 x1 2 x2 + 7 x3 = 27
x1 + 2 x2 + 5 x3 = 20

(II)

x1 + 3 x2 + x3 = 10
4 x1 + x2 + 2 x3 = 12

Tente achar, se possvel, as solues iterativamente, usando o mtodo de GaussSeidel, comeando com x ( 0 ) = [1,01 2,01 3,01] .
T

12. Obtenha as duas primeiras iteraes do mtodo de Gauss-Seidel para os seguintes


sistemas lineares, usando x ( 0 ) = [0 0 0] .
T

3 x1 x2 + x3 = 1
a.

3 x1 + 6 x2 + 2 x3 = 0
3 x1 + 3 x2 + 7 x3 = 4
4 x1 + x2 x3 + x4 = 2
x1 + 4 x2 x3 x4 = 1

b.

x1 x2 + 5 x3 + x4 = 0
x1 x2 + x3 + 3 x4 = 1

4 Lista de Exerccios Interpolao Polinomial


1. Determinar o polinmio interpolador da funo y=f(x) dada pela tabela abaixo
utilizando resoluo de sistemas lineares:
a.
x

-1

f(x)

-1

b.
x

-2

-1

f(x)

15

-1

Calcule f(0,5).
c.
x

-1

f(x)

2. Considere a tabela
x

f(x)

24

60

a. Determine o polinmio de interpolao na forma de Lagrange, sobre todos os


pontos.
b. Calcular f(3,5).

3. Calcular

e 3,1

usando a frmula de Lagrange sobre 3 pontos e a tabela:

2,4

2,6

2,8

3,0

3,2

3,4

3,6

ex

11,02

13,46

16,44

20,08

24,53

29,96

36,59

4. Considere a funo f(x) dada pela tabela:


x

f(x)

e o polinmio dado por:

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

a. Verifique que: p ( x k ) = f ( x k ), k = 0,1,2,3 .


b. p(x) o polinmio interpolador de f(x) sobre os pontos 0, 1, 2 e 3? Justifique?
5. Dada a tabela
x

5,9

6,0

6,1

6,2

f(x)

34,8

36,0

37,2

38,4

a. Determine o polinmio interpolador que passa pelos quatro pontos dados,


usando o polinmio na forma de Lagrange;
b. Determine o polinmio interpolador que passa pelos 4 pontos utilizando a
forma de Newton;
c. Calcule p(6,09).
6. Dada a tabela de valores de uma funo f(x)
x

f(x)

-1

a. Calcule o polinmio interpolador que passa pelos pontos tabelados,


utilizando a forma de Newton;
b. Calcule o valor de p(3).
7. Dada a funo f(x)=sen(x) tabelada:
x

1,2

1,3

1,4

1,5

f(x)

0,932

0,964

0,985

0,997

a. Calcular o polinmio de interpolao de Newton;


b. Calcular sen(1,35).

8. A velocidade V em m/s de um foguete lanado do solo foi medida aps o


lanamento em segundos, de acordo com a tabela:
t(s)

V(m/s)

52,032

20

160,450

30

275,961

45

370,276

a. Encontre o polinmio de Lagrange de grau 3.

b. Atravs dele estime a velocidade aos 32 segundos aps o lanamento.


9. A estimativa da populao Brasileira dada por:
Ano

Populao(x106)

40

41

50

52

60

70

70

93

80

119

90

146

Estime por Lagrange, a populao Brasileira no ano do trmino da 2 Guerra Mundial.

5 Lista de Exerccios Integrao Numrica


1. Aproxime as seguintes integrais utilizando a regra do trapzio simples. E calcule o
erro cometido.
1, 5

a.

1
1

b.

x 4 dx

0,5

1, 6

c.

x 2 ln xdx

2x
dx
x 4
2

2. Aproxime as seguintes integrais utilizando a regra de Simpson 1/3 simples. E


calcule o erro cometido.
1

a.

x 2 e x dx

b.

4
0

e 3 x sen ( 2 x ) dx

0 ,5

c.

2
dx
x4

3. Resolva a integral abaixo por Simpson 1/3 composto com n=6.

dx
2 1 + x3
3

e calcule o erro cometido.


4. Resolva a integral abaixo pela melhor frmula de integrao numrica
2
1

xe x dx

quando:
a. n=7;
b. n=8;
c. e calcule o erro cometido em a e b.
5. Resolva a integral abaixo pela melhor frmula de integrao numrica

cos xdx

quando:
a. n=4;
b. n=5;
c. e calcule o erro cometido em a e b.
3

6. Integre

dx
x ln x

para n=8 e calcule o erro cometido.

7. Resolva as integrais abaixo pelo melhor mtodo de integrao:


0, 2

a.

b.

0
1

c.

dx com n=5;

xsenxdx

com n=9;

x cos x
dx
1 + x2

com n=8;

2,6

d.

cos

x 2

log xdx

com n=10.

8. Uma linha reta foi traada de modo a tangenciar as margens de um rio nos pontos A
e B. Para medir a rea do trecho entre o rio e a reta AB foram traadas
perpendiculares em relao AB com um intervalo de 0,05m. Qual est rea?
(Utilize a melhor integrao justificando sua escolha.)
Perpendiculares

Comprimento

3,28

4,92

4,64

5,26

4,98

3,62

3,82

4,68

5,26

10

3,82

11

3,24