Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
AO,
CIENCIA
E TECNOLOGIA DA BAHIA - IFBA
CALCULO
NUMERICO
Vit
oria da Conquista - BA
2012
Sum
ario
Solu
c
ao de Equa
co
es com Uma Vari
avel
Localiza
c
ao de Zeros
1.1
Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Metodo de Localizac
ao de Zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo da Bissec
c
ao
2.1
Metodo da Bissecc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo do Ponto Fixo
3.1
Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2
3.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo de Newton
11
4.1
Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
4.2
Metodo da Secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
4.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
Solu
c
ao de Equa
co
es com Uma Vari
avel
Zeros de um Polin
omio
14
5.1
Zeros de um Polin
omio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
5.2
Multiplicidade de um Zero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
5.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
Interpola
c
ao e Aproxima
c
ao Polinomial
Polin
omio de Lagrange
17
1
6.1
Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
6.2
Polin
omio Interpolador de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
6.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
Interpola
c
ao e Aproxima
c
ao Polinomial
Diferen
cas Divididas Finitas - DDF
7.1
Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
7.2
F
ormula do Polin
omio Interpolador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
7.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
Teoria da Aproxima
c
ao
Aproxima
c
ao Discreta dos Mnimos Quadrados
Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
8.2
Mnimos Quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
8.3
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
Integra
c
ao Num
erica
Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
9.2
28
9.3
1 Regra de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
9.4
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
Integra
c
ao Num
erica
31
10.1 Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
10.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
Solu
c
ao de Sistemas Lineares
M
etodo Direto de Gauss
12
28
9.1
Quadratura Gaussiana
11
23
8.1
Regra do Trap
ezio e Regra de Simpson
10
21
34
11.1 Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
35
11.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
Solu
c
ao de Sistemas Lineares
M
etodo Direto da Decomposic
ao LU
12.1 Decomposic
ao LU
37
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
12.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
13
Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Jacobi
14
40
13.1 Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
40
13.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Gauss-Sidel
15
44
44
14.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
Solu
c
ao de Sistemas Lineares
N
umero Condicional
46
15.1 N
umero Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
15.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
Captulo 1
Solu
c
ao de Equa
co
es com Uma Vari
avel
Localiza
c
ao de Zeros
1.1
Introdu
c
ao
Um dos problemas mais importantes em matematica e o de se obter os zeros de uma funcao real. Em outras
1.2
M
etodo de Localiza
c
ao de Zeros
Veremos agora um metodo para isolar zeros de uma funcao em intervalos. Estamos interessados em obter intervalos
onde existe um u
nico zero.
Considere o gr
afico da func
ao f (x) a seguir:
Veja que g(x) possui tres zeros em [a, b]. Gostaramos de encontrar uma particao deste intervalo, digamos P = {p1 =
a, p2 , . . . , pn = b}, onde pj = pj1 + para escolhido, isolando cada zero em um subintervalo (pk1 , pk ).
32
12
1
2
3
2
f (P)
Logo, f (x) possui, pelo Teorema 1.3, zeros nos subintervalos [ 32 , 1], [ 21 , 0] e [1, 32 ].
1.3
Exerccios
1
x
e tal que f (1).f (1) < 0. Podemos afirmar que f (x) possui ao menos um
1
x
n
ao e contnua em x = 0 [1, 1].
Captulo 2
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo da Bissec
c
ao
2.1
M
etodo da Bissec
c
ao
Suponha que f seja contnua no intervalo [a, b], com f (a) e f (b) possuindo sinais opostos. Pelo Teorema do Valor
Intermedi
ario existe p (a, b) com f (p) = 0. O procedimento a seguir funciona nos casos em que se tem mais de
uma raiz no intervalo (a, b), porem assumiremos, por simplificacao que a raiz nesse intervalo e u
nica. Este metodo
consiste em diminuirmos o intervalo [a, b] em outros iguais `a metade do anterior e, em cada passo, localizar qual dos
meio-intervalos contem p.
Para iniciar, consida-se a1 = a, b1 = b e toma-se p1 =
a1 +b1
2
an
pn
bn
f (pn )
0()
0, 5()
1(+)
0, 5
0, 625
0, 5
0, 75(+)
0, 25
0, 984375
0, 5
0, 625(+)
0, 75
0, 125
0, 259765625
0, 5625
0, 5625()
0, 625
0, 0625
0, 161865234
0, 5625
0, 59375(+)
0, 625
0, 03125
0, 054046631
0, 5625
0, 578125()
0, 59375
0, 015625
0, 052623749
0, 578125
0, 5859375
0, 59375
0, 0078125
0, 001031399
Logo, a soluc
ao e p7 = 0, 5859375 com 7 = 0, 0078125.
Observa
c
ao 2.2. Para determinarmos o n
umero de iterac
oes (N ) necess
arias para se obter uma soluc
ao, no intervalo
[a, b], de uma equac
ao da forma f (x) = 0, com uma precis
ao de 10n , basta utilizarmos a f
ormula a seguir:
N>
n + log10 (b a)
.
log10 2
2.2
Exerccios
mos pn = 2, 92401. Qual o valor de n? Voce tem ideia de qual e a equacao f (x) = 0 pode ser utilizada neste caso?
Resposta: n = 14, f (x) = x3 25.
Captulo 3
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo do Ponto Fixo
3.1
Introdu
c
ao
Um n
umero p e um ponto fixo para uma funcao g se g(p) = p.
g(p)g(q)
.
pq
Logo,
x2 1
3
2
3
para todo x (1, 1). Logo, o Teorema 3.2 assegura que g possui um u
nico
3.2
M
etodo do Ponto Fixo
Para obter o valor aproximado do ponto fixo de uma funcao g, escolhemos uma aproximacao inicial p0 e geramos
a sequencia (pn ) fazendo pn = g(pn1 ) para cada n 1. Se a sequencia converge para p e g e contnua, ent
ao
p = limn pn = limn g(pn1 ) = g(limn pn1 ) = g(p),
e obtemos a suoluc
ao para x = g(x).
Agora, vejamos um algoritmo para o Metodo da Iteracao Linear.
8
x3 x+1
.
30
x3 x + 1
.
30
Aplicando as iterac
oes, temos:
n
g(pn )
0, 033333333
0, 966666667
0, 032223457
0, 001109877
0, 032260333
0, 0000368766
Logo, a soluc
ao e p3 = 0, 032260333.
Exemplo 3.6. A equac
ao x3 +4x2 10 = 0 tem uma u
nica raiz no intervalo [1, 2]. Por meio de manipulac
ao algebrica,
podemos obter v
arias equac
oes para a forma de ponto fixo x = g(x). Vejamos:
1/2
;
c) x = g3 (x) =
a) x = g1 (x) = x x3 4x2 + 10;
b) x = g2 (x) = 10
x 4x
1/2
x3 +4x2 10
10
;
e) x = g5 (x) = x 3x2 +8x .
d) x = g4 (x) = 4+x
1
2
10 x3
1/2
Surge ent
ao uma pergunta: Ser
a que existe uma melhor escolha para a func
ao auxiliar g(x)? Se sim, qual das funco
es
acima deve ser escolhida? A tabela a seguir nos responde a estas quest
oes.
n
(a)
(b)
(c)
(d)
(e)
1, 5
1, 5
1, 5
1, 5
1, 5
1, 345458374
1, 364957015
1, 365230014
1, 375170253
1, 365264748
1, 365230013
15
1, 365223680
1, 365230013
30
1, 365230013
469, 7
1, 03.10
1/2
(8, 65)
3.3
Exerccios
a) pn =
b)
c)
d)
Resposta: A ordem, por velocidade de convergencia descendente, e (b), (d), (a). A sequencia em (c) nao converge.
Exerccio 3: Utilize o metodo de iterac
ao do ponto fixo para determinar uma solucao com precisao de 102 para
x4 3x2 3 = 0.
Resposta: Com g(x) = (3x2 + 3)1/4 e p0 = 1, p6 = 1, 94332 e preciso ate 0, 01.
Exerccio 4: Utilize o metodo de iterac
ao de ponto fixo para encontrar uma aproximacao para
de 104 .
Resposta: Para p0 = 1 e g(x) = 21 (x + x3 ), temos p4 = 1, 73205.
10
3 com precis
ao
Captulo 4
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo de Newton
4.1
M
etodo de Newton
O Metodo de Newton, apresentado a seguir, e um dos mais poderosos metodos numericos conhecidos para resolver
o problema de se encontrar as razes de uma funcao. Introduziremos o Metodo de Newton utilizando o polin
omio de
Taylor.
Suponhja que f seja diferenci
avel e que f 00 seja contnua em [a, b]. Seja x
[a, b] uma aproximacao de p tal que
f 0 (
x) 6= 0 e |p x
| e pequeno. Considere o polinomio de Taylorde primeiro grau para f (x) expandido em torno de
x
,
f (x) = f (
x) + (x x
)f 0 (
x) +
(x x
)2 00
f ((x)),
2
(p x
)2 00
f ((p)).
2
Desde que |p x
| e pequeno, podemos ignorar o termo(p x
)2 que e muito menor. Portanto,
0 f (
x) + (p x
)f 0 (
x).
Isolando p temos
px
f (
x)
.
f 0 (
x)
A figura a seguir ilustra como as aproximacoes sao obtidas utilizando-se sucessivas tangentes. Iniciando-se com
uma aproximac
ao inicial p0 , a aproximac
ao p1 e o valor em que a linha da tangente ao gafico de f em (p0 , f (p0 ))
intercepta o eixo dos x. Por sua vez, p2 e o valor em que a tangente ao grafico de f em (p1 , f (p1 )) conrta o eixo dos
x, e assim por diante.
11
pn
0, 7853981635
0, 7071067810
2
..
.
0, 7602445972
..
.
0, 7434642113
0, 7361282565
cos(pn1 ) pn1
, n 1.
sen(pn1 ) 1
Os resultados obtidos s
ao mostrados na tabela a seguir:
n
pn
0, 7853981635
0, 7395361337
0, 7390851781
0, 7390851332
0, 7390851332
Ao que se pode ver, analisando-se os valor de p3 e p4 que o Metodo de Newton e muito mais r
apido que a iterac
ao do
ponto fixo.
4.2
M
etodo da Secante
Embora o Metodo de Newton e uma tecnica extremamente poderosa, ele apresenta uma fraqueza: a necessidade
de se conhecer o valor da derivada de f em cada aproximacao. Frequentemente, f 0 (x) apresenta muito mais dificuldades
12
f (x) f (pn1 )
.
x pn1
f (pn1 ) f (pn2 )
.
pn1 pn2
pn1 pn2
.
f (pn1 ) f (pn2 )
4.3
Exerccios
13
Captulo 5
Solu
c
ao de Equa
co
es com Uma Vari
avel
Zeros de um Polin
omio
5.1
Zeros de um Polin
omio
Nesta sec
ao buscaremos limitar os zeros de um polinomio qualquer. Nos resultados a seguir consideraremos
apenas polin
omios m
onicos, ou seja, polin
omios no qual o coeficiente do termo de maior grau e igual a 1.
Teorema 5.1. Seja P (x) = xn + an1 xn1 + . . . + a1 x + a0 um polin
omio de grau n e a0 6= 0. Se
||ai ||
i=0 ||x||ni
Pn1
<1
e x 6= 0, ent
ao p(n) 6= 0.
Demonstrac
ao. Temos que
P (x) = x
1+
n1
X
i=0
Mas ||
Pn1
ai
i=0 xni ||
Corol
ario 5.2. Se
||ai ||
i=0 ||x||ni
Pn1
||a||1/ni
||x||
<
1
2
ai
xni
!
.
para i = 0, . . . , n 1 e x 6= 0,ent
ao P (x) 6= 0.
1
2
||a||1/ni0
||x||
. Alem disso,
max0in1 {||a||1/ni }
||a||1/ni
.
||x||
||x||
Assim,
1
max0in1 {||a||1/ni }
Exemplo 5.4. Ache o limite superior e inferior dos zeros reais do polin
omio P (x) = x3 + 3x2 10x + 24
Soluc
ao:
L = 2max0in1 {||a||1/ni } = 2max{||a0 ||1/3 , ||a1 ||1/2 , ||a2 ||} = 2max{241/3 , 101/2 , 3} = 2 10.
acima, teriamos, ao inves de um intervalo, uma bola raio 2 10. Basta observar que ||x|| < L.
14
Sejam 0 , . . . , n1 os zeros de P (x). Considere o polinomio P1 (x) = xn P x1 . Assim,
1
1 x0
1 xn1
1
n
n
0 . . .
n1 = x
...
= (1 x0 ) . . . (1 xn1 ).
P1 (x) = x
x
x
x
x
1
1
0 , . . . , n1 .
1
1
1
L1 1
e 1
.
i
L1
L1
Portanto, os zeros reais positivos e negtivos de p(x) estao nos intervalos [L, L11 ], [ L11 , L]. Como seria a interpretac
ao deste u
ltimo caso para zeros complexos?
Exemplo 5.6. Ache os limites L, L1 de P (x) = x3 + 3x2 10x + 24.
Soluc
ao: No Exemplo 5.4 vimos que L = 2 10. Por outro lado,
1
1
1
1
3
+ 3 2 10 + 24 = 1 + 3x 10x2 + 24x3 .
P1 (x) = x P
=x
x
x3
x
x
3
g1 (x) =
P1 (x)
24
1
24
+ 18 x
5 2
12 x
+ x3
5
5
5
1 1/3 1 1/2
= .
L1 = 2max || || , || || , || || = 2.
24
8
12
12
6
P1 (x)
24 ,
pois o P1 (x) n
ao era m
onico.
Note que todo zero de g1 (x) e um zero de P1 (x) e vice versa. Tome este cuidado nos exerccios!
5.2
Multiplicidade de um Zero
5.3
Exerccios
Exerccio 1: Ache os limites superior e inferior dos zeros do polinomio P (x) = 2x3 3x2 2x + 3.
Resposta: L = 3, L1 = 2(2/3)1/3
Exerccio 2: Dado P (x) = x3 2x2 4x + 8 encontre seus zeros reais, com precisao de 102 e investigue suas
multiplicidades.
15
4
6
dade 2 de P (x). Por fim, aplicando-se o Metodo de Newton a P (x) com x0 = 3, obtemos x4 = 2, 000000152 que e
um zero de multiplicidade 1 (a soma das multiplicidades de todos os zeros, reais e complexos, de um polinomio e igual
a seu grau). Mas isso pode ser verificado aplicando-se o Metodo de Newton a P 0 (x) com x00 = 2, 000000152.
16
Captulo 6
Interpola
c
ao e Aproxima
c
ao Polinomial
Polin
omio de Lagrange
6.1
Introdu
c
ao
Em uma certa cidade foram feitas medi
c
oes de sua temperatura a cada hora. A tabela a seguir
10
11
12
T emperatura
14
17
21
26
27
23
21
Revendo esses dados podemos perguntar se eles poderia ser utilizados para se fazer uma estimativa
de temperatura, digamos
as 10:30 h do mesmo dia. Previs
oes desse tipo podem ser feitas por meio de
uma fun
c
ao de ajuste dos dados obtida usando um porcesso chamado interpola
c
ao.
Uma das func
oes mais u
teis que mapeiam os n
umeros reais em si mesmos e a classe dos polinomios algebricos,
P (x) = an xn + . . . + a1 x + a0 ,
onde n e inteiro n
ao negativo e a0 , . . . , an s
ao constantes reais. O resultado a seguir e central no estudo da interpolac
ao.
Teorema 6.1. Suponha que f esteja definida e seja contnua em [a, b]. Ent
ao, para cada > 0, existe P (x) tal que
|f (x) P (x)| < ,
para todo x [a, b].
6.2
Polin
omio Interpolador de Lagrange
Nesta sec
ao encontraremos polin
omios aproximativos que sao determinados especificando-se somente certos pontos
n
X
f (xk )Ln,k ,
k=0
(xx1 )(xx2 )
(x0 x1 )(x0 x2 )
(xx0 )(xx2 )
(x1 x0 )(x1 x2 )
(xx0 )(xx1 )
(x2 x0 )(x2 x1 )
=
=
=
(x2,5)(x4)
2
(22,5)(24) = x 6, 5x + 10,
(x2)(x4)
4 2
32
(2,52)(2,54) = 3 x + 8x 3 ,
(x2)(x2,5)
1 2
5
(42)(42,5) = 3 x 1, 5x + 3 .
1
3
e dada por
f (x)
1, 0
0, 7651977
1, 3
0, 6200860
1, 6
0, 4554022
1, 9
0, 2818186
2, 2
0, 1103623
Polin
omio de 1o grau: Como 1, 5 est
a entre 1, 3 e 1, 6, o polin
omio linear mais apropriado utiliza x0 = 1, 3 e
x1 = 1, 6. O chamaremos de P1,2 (x)
P1,2 (1, 5) =
(1, 5 1, 6)
(1, 5 1, 3)
(0, 6200860) +
(0, 4554022) = 0, 5102968.
(1, 3 1, 6)
(1, 6 1, 3)
Polin
omio de 2o grau: Dois Polin
omios de 2o grau podem ser razoavelmente utilizados, um deles fazendo x0 = 1, 3,
x1 = 1, 6 e x2 = 1, 9, o que nos d
a
P1,2,3 (1, 5) =
(1,51,6)(1,51,9)
(1,31,6)(1,31,9) (0, 6200860)
(1,51,3)(1,51,9)
(1,61,3)(1,61,9) (0, 4554022)
(1,51,3)(1,51,6)
(1,91,3)(1,91,6) (0, 2818186)
= 0, 5112857,
e o outro polin
omio fazendo x0 = 1, 0, x1 = 1, 3 e x2 = 1, 6, o que nos d
a
P1,2,4 (1, 5) = 0, 5124715.
Polin
omio de 3o grau: Temos, tambem duas escolhas. A primeira e fazendo x0 = 1, 3, x1 = 1, 6, x2 = 1, 9 e
x3 = 2, 2,o que nos d
a
P1,2,3,4 (1, 5) = 0, 5118302.
e a segunda escolha de polin
omio e aquela fazendo x0 = 1, 0, x1 = 1, 3, x2 = 1, 6 e x3 = 1, 9 e x4 = 2, 2, o que nos d
a
P0,1,2,3 (1, 5) = 0, 5118127.
Polin
omio de 4o grau: Com x0 = 1, 0, x1 = 1, 3, x2 = 1, 6, x3 = 1, 9 e x4 = 2, 2, o que nos d
a
P1,2,3,4 (1, 5) = 0, 5118200.
18
Sabe-se que o valor de f (1, 5) e de aproximadamente 0, 5118277, o que nos leva a concluir que a melhor aproximac
ao
e obtida por meio de P1,2,3,4 (1, 5) ao inves de P0,1,2,3,4 (1, 5), contrariando nossa intuic
ao.
O exemplo acima nos mostra que a intuicao as vezes falha. Porem, e possvel se conhecer um limite para o erro
onde se conhece algo sobre certa derivada de ordem superior de f .
Teorema 6.5. Seja f (x) = Et (x) + P (x), onde P (x) e o polin
omio interpolador de f (x) realtivamente aos pontos
x0 , . . . , xn de [a, b]. Suponha que f (x) seja n + 1 vezes diferenci
avel em [a, b]. Ent
ao existe (a, b) tal que
Et (x) = (x x0 )(x x1 ) . . . (x xn )
f n+1 ()
.
(n + 1)!
2, 40 2, 00
2, 40 3, 00
+ 0, 477
= 0, 371.
2, 00 3, 00
3, 00 2, 00
1
x2 ln(10)
1
22 ln(10)
|,
= 0, 109 . Portanto,
6.3
Exerccios
a)
x0 , x1 , . . . , xn
Pn (8, 4)
8, 3, 8, 6
17, 87833
8, 3, 8, 6, 8, 7
8, 3, 8, 6, 8, 7, 8, 1
c)
x0 , x1 , . . . , xn
Pn (1/3)
0, 5, 0, 25
0, 21504167
17, 87716
0, 5, 0, 25, 0, 0
0, 16988889
17, 87714
0, 5, 0, 25, 0, 0, 0, 75
0, 17451852
b)
x0 , x1 , . . . , xn
Pn (0, 25)
0, 2 0, 3
0, 13869287
0, 2, 0, 3, 0, 4
0, 13259734
0, 2, 0, 3, 0, 4, 0, 1
0, 13277477
19
Exerccio 2: Os dados do exerccio anterior foram gerados usando as funcoes abaixo. Use o Teorema 6.5 para
encontrar o limite para o erro e compare o limite com o erro verdadeiro para os casos n = 1 e n = 2.
a) f (x) = xln(x);
b) f (x) = x3 + 4, 001x2 + 4, 002x + 1, 101;
c) f (x) = xcos(x) 2x2 + 3x 1. (resolva com a calculadora em radianos!)
Resposta:
n
a) 1
2
Erro V erdadeiro
Limite de erro
0, 00118
0, 00120
1, 367.105
1, 452.105
n
n
b) 1
2
Erro V erdadeiro
Limite de erro
4, 5153.102
4, 6296.103
4, 6296.103
4, 0523.10
Erro V erdadeiro
Limite de erro
c) 1
5, 9210.103
6, 0971.103
1, 7455.104
1, 8128.104
Observa
c
ao 6.7. Uma dificuldade reside no exerccio acima, que e justamente, a de se encontrar proposto no
Teorema 6.5. Por simplicidade, as as derivadas de ordem 2, (n = 1) e as derivadas de ordem 3, (n = 2) citadas no
teorema, atingem seu valor m
aximo em um dos valores de x0 , x1 ou x2 (x2 somente no caso, n = 2). Teste cada valor
substituindo na derivada de ordem 2 e 3 ( ordem 3 apenas se n = 2 ). Tome o valor para o qual a derivada toma seu
maior valor em m
odulo e depois aplique o teorema. Isto nem sempre ocorre, por exemplo, se estamos no caso n = 1, e
no intervalo [x0 , x1 ], a derivada segunda em quest
ao pode assumir seu valor em qualquer ponto deste intervalo, e n
ao
apenas em x0 ou x1 . O exerccio acima repete basicamente o Exemplo 6.6. Qualquer d
uvida consulte o professor!
Exerccio 3: Considere a func
ao f (x) = sen(x).
a) Obtenha o polin
omio interpolador de Lagrange de grau 2 nos pontos x0 = 0, x1 =
b) Calcule o limite para o erro no ponto
c) Calcule o erro verdadeiro no ponto
3
8 ;
3
8 .
Resposta:
a) P (x) = 0, 335748867x2 + 1, 16401286;
b) 0, 30280;
20
c) 0, 018.
4,
x2 =
2;
Captulo 7
Interpola
c
ao e Aproxima
c
ao Polinomial
Diferen
cas Divididas Finitas - DDF
7.1
Introdu
c
ao
Nesta parte, veremos uma outra maneira de se encontrar o polinomio interpolador que passa pelos n + 1 pontos
x0 , . . . , xn , onde f e conhecida. Lembre-se que o Teorema 6.2 estabelece que o polinomio interpolador e u
nico.
Consideremos uma func
ao f (x) contnua em [a, b] e diferenciavel em (a, b). Uma DDF de primeira ordem de f (x)
em relac
ao a x0 , x1 e dada por:
f [x0 , x1 ] =
f (x1 ) f (x0 )
.
x1 x0
[x2 , x1 ] f [x1 , x0 ]
.
x2 x0
f [xn , . . . , x1 , x1 ] f [xn1 , . . . , x1 , x0 ]
.
xn x0
f (x1 )
f (x0 )
+
.
x0 x1
x1 x0
f (x1 )
f (x2 )
f (x0 )
+
+
.
(x0 x1 )(x0 x2 ) (x1 x0 )(x1 x2 ) (x2 x0 )(x2 x1 )
7.2
F
ormula do Polin
omio Interpolador
Consideremos os n + 1 pontos, x0 , . . . , xn onde f (x) e conhecida. Pela definicao de DDF, temos
P [x, x0 ] =
Mas P [x, x0 , x1 ] =
P (x) P (x0 )
P (x) = P (x0 ) + (x x0 )P [x, x0 ].
x x0
Donde,
P [x, x0 , x1 ] =
P [x, x0 ] P [x0 , x1 ]
P [x, x0 ] = (x x1 )P [x, x0 , x1 ]
x x1
21
P (x) P (x0 )
= P [x, x0 ] = (x x1 )P [x, x0 , x1 ]
x x0
3
2 ,
x1 =
sen(x)
2.
Soluc
ao: Temos que
P (x) = f (x0 ) + (x x0 )P [x0 , x1 ] =
= 0, 460658866 + (x
3
).(0, 400606814) =
2
= 0, 400606814x + 1, 42715627.
Observa
c
ao 7.3. Observe que, via Polin
omio de Lagrange, teramos, no Exemplo 7.2, o mesmo polin
omio interpolador
(uma vez que j
a sabemos que este e u
nico). De fato,
P (x) = f (x0 )
(x x1 )
(x x0 )
+ f (x1 )
= 0, 400606814x + 1, 42715627.
(x0 x1 )
(x1 x0 )
7.3
Exerccios
22
Captulo 8
Teoria da Aproxima
c
ao
Aproxima
c
ao Discreta dos Mnimos Quadrados
8.1
Introdu
c
ao
O estudo da teoria da aproximac
ao envolve dois tipos de problemas genericos:
8.2
Mnimos Quadrados
Considere o problema de se estimar os valores de uma funcao em pontos nao tabulados, dados resultados de um
yi
2, 9
5, 1
7, 2
8, 7
11, 5
13, 2
Vejamos o gr
afico apresentando os valores dados acima
(8.1)
Uma r
apida observac
ao nos leva a crer que a relacao entre x e y deve ser linear. A provavel razao para que nenhuma
curva una com precis
ao os pontos representativos dos dados deve-se ao fato de que existem erros na obtenc
ao dos
dados (erros experimentais).
23
Portanto, devemos determinar a melhor aproximacao linear envolvendo a busca de valores de a0 e a1 que minimizem
E1 (a0 , a1 ) =
6
X
i=1
Essa quantidade e chamada de desvio absoluto. Na tentativa de minimizar esta funcao de duas variaveis recaimos
num serio problema. A func
ao m
odulo n
ao e diferenciavel em zero.
A abordagem de mnimos quadrados busca as constantes a0 e a1 de modo a minimizar o erro dos mnimos quadrados
E = E2 (a0 , a1 ) =
m
X
(yi (a1 xi + a0 ))2 .
i=1
Na obtenc
ao do mnimo, facamos
0=
m
m
X
X
(yi (a1 xi + a0 ))2 = 2
(yi a1 xi a0 ).(1),
a0 i=1
i=1
0=
m
m
X
X
(yi (a1 xi + a0 ))2 = 2
(yi a1 xi a0 ).(xi ).
a1 i=1
i=1
a0
a0 m
Pm
i=1
+ a1
xi +
Pm
Pm
i=1 xi =
Pm 2
a1 i=1 xi =
i=1
Pm
yi
i=1
xi yi
yi
x2i
xi yi
2, 9
2, 9
5, 1
10, 2
7, 2
21, 6
8, 7
16
34, 8
11, 5
25
57, 5
13, 2
36
79, 2
21
48,6
91
206,2
6a + 21a = 48, 6
0
1
21a0 + 91a1 = 206, 2
A soluc
ao do sistema acima e a0 = 0, 88, a1 = 2, 06. Logo, P (x) = 2, 06x + 0, 88. Agora, calculemos E2 =
P (xi ))2 .
P (xi )
2, 94
7, 06
9, 12
11, 18
13, 24
0, 0016
0, 01
0, 1096
0, 1764
1024
0, 0016
24
0,3116
P6
i=1 (yi
(8.2)
O problema algebrico de se aproximar um conjunto de dados {(xi , yi ); i = 1, . . . , m}, com um polinomio algebrico
Pn (x) = an xn + . . . + a1 x + a0 ,
de grau n < m 1 e tratado de modo semelhante. Neste caso, devemos achar a0 , . . . , an de modo a minimizar
m
X
E2 =
i=1
P
P
P
P
P
P
P
P n
P n+1
P
P
a0 xi + a1 xi + a2 xn+2
+ . . . + an x2n
i
i
onde escrevemos
Pm
i=1
yi
xi yi
..
.
P
xni yi
P
.
xi
0, 25
0, 5
0, 75
1, 00
yi
1, 0000
1, 2840
1, 6487
2, 1170
2, 7183
Soluc
ao: Utilizemos a seguinte tabela auxiliar:
xi
yi
x2i
x3i
x4i
xi yi
x2i yi
0, 25
1, 2480
0, 0625
0, 015625
0, 00390625
0, 321
0, 08025
0, 50
1, 6487
0, 25
0, 125
0, 0625
0, 82435
0, 412175
0, 75
2, 1170
0, 5625
0, 421875
0, 31640625
1, 58775
1, 1908125
1, 00
2, 7183
2, 7183
2, 7183
2,5
8,7680
1,875
1,5625
1,3828
5,4514
4,4015
5a0
2, 5a1
1, 875a2
8, 7680
2, 5a0
1, 875a1
1, 5625a2
5, 4514
1, 875a0
1, 5625a1
1, 3828a2
4, 4015
25
xi
1, 00
1, 25
1, 50
1, 75
2, 00
yi
5, 10
5, 79
6, 53
7, 45
8, 46
Soluc
ao: Utilizemos a seguinte tabela auxiliar:
i
xi
ln(yi )
x2i
xi ln(yi )
1, 00
1, 629
1, 0000
1, 629
1, 25
1, 756
1, 5625
2, 195
1, 50
1, 876
2, 2500
2, 814
1, 75
2, 008
3, 0625
3, 514
5
P
2, 00
2, 135
4, 0000
4, 270
7,50
9,404
11,875
14,422
5B
7, 50B
+
+
7, 50A
9, 404
11, 875A =
14, 422
cuja soluc
ao e dada por A = 0, 5056, B = 1, 122. Portanto, b = e1,122 = 3, 071, a = 0, 5056 donde obtemos a seguinte
func
ao de aproximac
ao
y = 3, 071e0,5056 .
Calcule E2 e use um soft para esbocar os gr
afico de y = 3, 071e0,5056 juntamente com os pontos.
8.3
Exerccios
1, 0
1, 1
1, 3
1, 5
1, 9
2, 1
yi
1, 84
1, 96
2, 21
2, 45
2, 94
3, 18
26
Respostas:
y = 1, 219621x + 0, 6208950, E = 2, 719.105 ;
y = 0, 01085343x2 + 1, 253293x + 0, 5965807, E = 1, 801.105 ;
y = 0, 01004723x3 + 0, 03533252x2 + 1, 185010x + 0, 6290193, E = 1, 741.105 .
Exerccio 2: Apresentados os dados
xi
4, 0
4, 2
4, 5
4, 7
5, 1
5, 5
5, 9
6, 3
6, 8
7, 1
yi
102, 56
113, 18
130, 11
142, 05
167, 53
195, 14
224, 87
256, 73
299, 50
326, 72
a) Construa o polin
omio de mnimo quadrado de grau 1 e calcule o erro.
b) Construa o polin
omio de mnimo quadrado de grau 2 e calcule o erro.
c) Construa o polin
omio de mnimo quadrado de grau 3 e calcule o erro.
d) Construa a aproximac
ao de mnimo quadrado da forma beax e calcule o erro.
e) Construa a aproximac
ao de mnimo quadrado da forma bxa e calcule o erro.
Respostas:
a) y = 72, 0845x 194, 138, E = 329;
b) y = 6, 61821x2 1, 14352x + 1, 23556, E = 1, 44.103 ;
c) y = 0, 0136742x3 + 6, 84557x2 2, 37919x + 3, 42904, E = 5, 27.104 ;
d) y = 24, 2588e0,372382x , E = 418;
e) y = 6, 23903x2,01954 , E = 0, 00703.
Observa
c
ao 8.3. Observando as respostas dos itens a) e d) do Exerccio 2 vemos que o ajuste linear e o ajuste
exponencial n
ao s
ao adequados. Das escolhas feitas, a que melhor se adequa aos dados e o polin
omio mnimo quadrado
de grau 3, pois o erro e menor que nos demais itens.
27
Captulo 9
Integra
c
ao Num
erica
Regra do Trap
ezio e Regra de Simpson
9.1
Introdu
c
ao
Frequentemente nos deparamos com a necessidade de calcular a integral definida de uma funcao sem antiderivada
ex dx.
A interpolacao polinomial pode nos ajudar a resolver este problema. Nela aprendemos como gerar o polin
omio
P (x). Assim, dada uma func
ao a qual aproximamos por P (x), podemos considerar a integral
Z
Z
P (x)dx =
9.2
f (x)dx.
a
sabemos que
P (x) = f (x0 )
x x1
x x0
+ f (x1 )
. (1)
x0 x1
x1 x0
(9.1)
28
xn
x1
P (x)dx =
xn
P1 (x)dx + . . . +
x0
x0
Pn (x)dx =
xn1
x1 x0
xn xn1
(f (x1 ) + f (x0 )) + . . . +
(f (xn ) + f (xn1 )) =
2
2
h
= (f (x0 ) + 2f (x1 ) + 2f (x2 ) + 2f (x3 ) + . . . + 2f (xn1 ) + f (xn )).
2
=
x1
x1
(x x0 )(x x1 )
Et (x)dx =
x0
x0
00
()
2!
para (x0 , x1 ).
f 00 ()
dx =
2!
00
f ()
f 00 ()h3
(x1 x0 )3 =
.
12
12
Para o caso geral, em que temos n + 1 pontos, x0 , . . . , xn , o erro total sera dado por:
=
E=
n1
X
EIi ,
i=1
R x1
x0
f (x)dx, onde x0 =
3,
x1 =
5
6
e f (x) = sen(x).
Soluc
ao:
A regra dos trapezios nos d
a que
Z x1
x1 x0
5/6 /3
f (x)dx =
(f (x1 ) f (x0 )) =
(sen(5/6) sen(/3)) = 1, 07287.
2
2
x0
Sabemos que f 00 (x) = sen(x) e tal que |f 00 (/3)| |f 00 (x)| para todo x (5/6, /3). Logo,
E=
f 00 (/3)(5/6 /3)3
= 0, 2797.
12
5/6
sen(x)dx = 1, 36603.
/3
9.3
1a Regra de Simpson
A regra dos trapezios utiliza polin
omios interpolantes de grau 1, uma vezque trabalha de dois em doispontos.
A Regra de Simpson, por sua vez, utiliza polinomios de grau 2. Considere o polinomio interpolante de grau 2 que
passa pelos pontos x0 , x1 , x2
P (x) = f (x0 )
(x x0 )(x x2 )
(x x0 )(x x1 )
(x x1 )(x x2 )
+ f (x1 )
+ f (x2 )
.
(x0 x1 )(x0 x2 )
(x1 x0 )(x1 x2 )
(x2 x0 )(x2 x1 )
x2
P (x)dx =
x0
h
(f (x0 ) + 4f (x1 ) + f (x2 )).
3
f (4) ()h5
.
90
29
R x2
x0
f (x)dx, onde x0 =
3,
x1 =
7
12 ,
7/12/3
= /4.
2
/4
sen(x)dx = 2 (sen(/3) + 2sen(7/12) + sen(5/6)) = 1, 29507.
/3
R 5/6
sen(x)dx = /4
3 (sen(/3) + 4sen(7/12) + sen(5/6)) = 1, 36914.
/3
x1 x0
2
R 5/6
Deduza a 2a Regra de Simpson, isto e, para f (x) conhecida nos pontos x0 , x1 , x2 e x3 . Encontre o erro.
9.4
Exerccios
Exerccio 3: Utilize a regra do trapezio nos itens abaixo com os valores de n indicados.
R2
a) 1 xln(x)dx, n = 4 (n = 4 significa que s
ao considerados os pontos x0 , . . . , x4 );
R
3 x
b) 2 2x e dx, n = 4;
R2
c) 0 x22+4 dx, n = 6;
R3
d) 1 x2x+4 dx, n = 8.
Respostas: a) 0, 639900; b) 31, 3653; c) 0, 784241; d) 0, 476877.
Exerccio 4: Use a 1a regra de Simpson para aproximar
R2
0
a) usando h = 0, 25;
b) usando h = 0, 125.
Resposta: a) 8, 389785277; b) 8, 389102023.
30
xex dx
Captulo 10
Integra
c
ao Num
erica
Quadratura Gaussiana
10.1
Introdu
c
ao
As f
ormulas de intregrac
ao numericas vistas anteriormente foram obtidas integrando-se polinomios interpoladores.
Alem disso, temos a utilizac
ao de pontos uniformemente espcados.
Pro sua vez, a Quadratura Gaussiana escolhe pontos para se calcular a aproximacao de uma maneira
otima, em
vez de considerar apenas pontos igualmente espacados.
Teorema 10.1. (Mudanca de Vari
avel) Seja f : [a, b] R contnua, g : [c, d] R com derivada integr
avel e
g([c, d]) [a, b]. Ent
ao,
g(d)
f (g(t))g 0 (t)dt.
f (x)dx =
g(c)
f (x)dx =
a
wi f (ti ),
i=1
onde os n
os t1 , . . . , tn [a, b] e os coeficientes w1 , . . . , wn sao escolhidos de modo a minimizar o erro esperado para o
c
alculo da aproximac
ao.
ba
2
t + b+a
2 . Observe que g(1) = a e g(1) = b. Aplicando o Teorema
f (x)dx =
F (t)dt
1
onde
F (t) = f (g(t)).g 0 (t) = f
Assim, para sabermos o valor de
Rb
a
ba
b+a
t+
2
2
R1
1
ba
.
2
F (t)dt.
F (t)dt =
1
n
X
wi F (ti ),
i=0
onde wk s
ao chamados de pesos e tk s
ao pontos do intervalo [1, 1].
A seguir identificaremos estes pontos e pesos para n = 1, isto e, dois pontos apenas. Devemos achamarw0 , w1 , t0
e t1 , tais que
Z
31
R1
k=0
2 = 1 t0 dt = w0 t00 + w1 t01
R1
k = 1 0 = 1 t1 dt = w0 t0 + w1 t1
R1
2
k=2
= 1 t2 dt = w0 t20 + w1 t21
R1
k = 3 0 = 1 t3 dt = w0 t30 + w1 t31
2 = w0 t00 + w1 t01
0=w t +w t
0 0
1 1
2
2
3 = w0 t0 + w1 t21
0 = w t3 + w t3
0 0
1 1
ti
wi
1; 0
0, 57735027
0; 1;
0, 77456667
5/9
8/9
0; 1;
0, 86113631
0, 34785484
2; 3;
0, 33998104
0, 65214516
0; 1;
0, 90617985
0, 23692688
2; 3;
0, 53846931
0, 47862868
0, 53888889
0; 1;
0, 93246951
0, 17132450
2; 3;
0, 66120939
0, 36076158
4; 5;
0, 23861919
0, 46791394
0; 1;
0, 94910791
0, 12948496
2; 3;
0, 74153119
0, 27970540
4; 5;
0, 40584515
0, 38183006
0, 41795918
0; 1;
0, 96028986
0, 10122854
2; 3;
0, 79666648
0, 22238104
4; 5;
0, 52553242
0, 31370664
6; 7;
0, 18343464
0, 36268378
3
4
R1
0
Soluc
ao: Inicialmente, devemos achar F (t),
F (t) = f
b+a
ba
t+
2
2
1
1 1
ba
= e 2 t+ 2 .
2
2
Para n = 1, temos
Z
e dx
0
Para n = 2, temos
Z
1
x
e dx
0
5
5
8
F (0, 77459667) + F (0, 77459667) + F (0) = 1, 718281.
9
9
9
32
10.2
Exerccios
R /2
Exerccio 1: Calcule 0 sen(x)dx por quadratura gaussiana com n = 1 e n = 2.
R /2
R /2
Resposta: n = 1 0 sen(x)dx 0, 9984 e n = 1 0 sen(x)dx 1.
2
x
dx por quadratura gaussiana com n = 1 e n = 2.
Exerccio 2: Calcule int1,5
1 e
R 1,5 x2
R 1,5
2
Resposta: n = 1 1 e
dx 0, 1094003 e n = 2 1 ex dxdx 0, 1093642.
Exerccio 3: Escolha uma integral definida particular, cujo valor exato e conhecido pelo Teorema Fundamental
do C
alculo, e compare os metodos de soluc
ao da Regra dos Trapezios, 1a e 2a Regras de Simpson e Quadratura
Gaussiana.
Resposta: Aberta!
Observa
c
ao 10.3. A resposta da quest
ao anterior e aberta. Para a comparac
ao entre os metodos use n = 1, . . . , n = 6
dispondo-os em uma tabela, de forma a compar
a-los. Obtenha tambem o valor real da integal definida via Teorema
Fundamental do Claculo. Lembre-se que a quantidade de escolhas para a integral definida e infinita, bem como os
limites de integrac
ao!
33
Captulo 11
Solu
c
ao de Sistemas Lineares
M
etodo Direto de Gauss
11.1
Introdu
c
ao
bastante comum nos depararmos com sistemas lineares quadrados, isto e, sistemas lineares de n equac
E
oes e n
inc
ognitas. Utilizaremos a seginte notac
ao
a11 x1
a21 x1
..
an1 x1
a12 x2
+ ...
a1n xn
b1
+ ...
+ ...
a2n xn
..
.
a22 x2
..
.
b2
..
.
an2 x2
+ ...
+ ann xn
= bn
a11
a12
...
a1n
x1
b1
a21
.
..
an1
a22
..
.
...
...
a2n
..
.
x2
..
.
b2
..
.
an2
...
ann
xn
bn
.
..
..
..
..
.
...
.
.
11.1
2x
1
x1
x2
4x2
Neste caso,
A=
, X =
2
A=
1
34
x1
x2
, B =
3
5
(11.1)
Nas sec
oes a seguir, trabalharemos somente com sistemas possveis e determinados, isto e, sistemas quadrados
(n
umero de equac
os igual ao n
umero de inc
ognitas) cujo determinante da matriz A e nao nulo.
Em problemas pr
aticos e comum encontrarmos sistemas lineares de grande porte, por exemplo n > 100. Este fato
nos condu a buscarmos metodos numericos para encontrarmos a solucao de tais sistemas, de tal forma que eles possam
ser implementados computacionalmente.
11.2
M
etodo De Gauss
Este metodo trabalha por meio do uso de operacoes elementares na busca por sistemas equivalentes.
Opera
c
oes Elementares
i) Trocar duas linhas: Li Lj ;
ii) Multiplicar uma linha por um escalar k 6= 0: Li kLi ;
iii) Substituir uma linha por uma soma dela propria com um m
ultiplo escalar de outra: Li Li + kLj .
Defini
c
ao 11.2. Dizemos que as matrizes A e B s
ao linha equivalentes, se B pode ser obtida atraves de operac
oes
elementares em A.
. e B =
. s
ao linha equivalentes.
1 2 3
0 1 1
Soluc
ao: Aplicando operac
oes elementares em A, temos:
0 2 2
1 2 3
1 2 3
1 1 2
1
L1 L2
L1 L2
L1 L1 L2
.
2
1 2 3
0 2 2
0 1 1
0 1 1
Exemplo 11.3. Mostre que as matrizes A =
Teorema 11.4. Dois sistemas que possuem matrizes ampliadas equivalentes possuem mesma soluc
ao.
Demonstrac
ao. Veja em livros de Algebra
Linear.
O Teorema ?? nos permitir
a iniciar o Metodo de Gauss. Este metodo consiste em transformar a matiz ampliada
de um sistema atraves de operac
oes elementares em uma matriz da forma:
.
.
..
..
..
..
.
...
.
.
...
b0n
a0nn
Na verdade, o Metodo de Gauss Consiste em transformar a matriz A em uma matriz diagonal. Vejamos alguns
exemplos.
3x
1
Exemplo 11.5. Encontre a soluc
ao do sistema
2x1
+ x2
+ x2
Soluc
ao: Temos a seguinte representac
ao matricial para os sistema dado:
Devemos deixar a matriz acima na forma dada em 11.2.
3 1 2
3
L2 L2 2 L1
3
2 1 1
0
3x
1
Voltando a forma matricial para a forma de sistema, temos
1
3
31
x2
1
3 x2
Observa
c
ao 11.6. O valor 23 , o qual multiplicamos L1 antes de somarmos com L2 , ser
a, chamado de m21 . ( obvia
escolha de ndice! )
2x1
x1
2x2
x3
2x2
x3
2 .
3x1 x2 4x3
Soluc
ao: Temos a seguinte representac
ao matricial para os sistema dado:
2 2 1 1
1 2
1
2
.
3 1 4 1
Procederemos na tentativa de colocar a matriz acima
2 2 1 1
2
1
L2 L2 2 L1
1 2
0
1
2
L3 L3 32 L1
3 1 4 1
0
= 1
2 1
1
2
5
3
3 L L + L
1
3
1
0
2
2 3
3
4 25 52
0
3
2
3
2
73
2x1
x3
x2
3
2 x3
3
2
73 x2
2x2
5
3
s
ao respectivamente chamados de m21 , m31 e
m32 .
11.3
Exerccios
5x
=
9
1
2
2x1 + x2
2x + 5x = 6
1
2
c)
b)
a)
x1 + x2 = 3
x1 + x2
x1 + x2 = 3
2
2x1 4x2 = 13
3x1 x2
x1 + 2x2 x3 +
0,
25x
+
0,
2x
x
=
0,
2175
1
2
3
2x + 2x + x +
1
2
3
d)
e)
0, 03x1 + 0, 4x2 + 0, 9x3 = 0, 0007
1
2
3 +
x1
0, 5x2 0, 5x3 =
0, 26
x
x3 +
1
Respostas: a) 21 ; 1 ; b) Impossvel; c) 12 ; 1; 13 ; d) (0, 31; 0, 2; 0, 1); e) (1; 1; 1; 1).
x3
= 31
x3
= 61
3x3
= 23
x4
3x4
x4
x4
Exerccio 2: Por meio de sistemas lineares encontre o polinomio do segundo grau que passa pelos pontos (2; 0),
(1, 2), (4, 2).
Resposta: y = x2 5x + 6.
Exerccio 3: Resolva, por meio de sistemas lineares o seguinte problema:
Em uma oficina mec
anica h
a exatamente 50 veculos, considerando apenas carros e motos. Sabe-se que todos os
pneus destes veculos foram trocados, de modo que foram necessarios 160 pneus.
Determine o n
umero de carros e de motos nesta oficina.
Respsota: 30 carros e 20 motos.
36
Captulo 12
Solu
c
ao de Sistemas Lineares
M
etodo Direto da Decomposic
ao LU
12.1
Decomposi
c
ao LU
Considere o sistema AX = B em sua forma matricial, com det(A) 6= 0. Suponha que A possa se decompor no
produto de uma matriz triangular inferior L, e uma matriz triangular superior U , tal que A = LU . Assim, AX = B
equvale a (LU )X = B. Dessa forma, obtemos dois sistemas LY = B e U X = Y . Como L e U sao triangulares temos
que a resoluc
ao destes sistemas e feita por substituicao retroativa.
Teorema 12.1. Seja Ann uma matriz qualquer e Akk uma submatriz de Ann formada pela intersecc
ao das primeiras
k linha e k colunas. Se det(A) 6= 0 para k = 1, . . . , n 1 ent
ao existem e s
ao u
nicasas matrizes L e U .
Para obtermos L e U , utilizaremos eliminacao Gaussiana faremos L sendo a matriz inferior com diagonal igual a
1 e multiplicaodres mij , e U uma matriz triangular superior formada pelos elementos da forma final de A. Vejamos o
caso 3 3.
a11
a12
a13
a21
a31
a22
a23
= m21
a33
m31
a32
0
. 0
1
0
m32
2x1 + 3x2 x3 =
u11
u13
u22
u23
u33
5
3 .
4x1
4x2
3x3
2x1
3x2
x3
= 1
Soluc
ao: Nosso ponto de partida e a matriz A do sistema, que e dada por
2 3 1
4 4 3
2 3 1
21
Temos que m21 = aa11
= 2 e m31 = aa31
= 1, donde obtemos
11
4
3
L2 L2 + m21 L1
0
3
L3 L3 + m31 L1
1
0
37
3
2
6
u12
1
.
2
1
L3 L3 + m32 L2 0
0
2
2
6
3
2
0
1
.
5
Portanto,
L=
2
y1
5
1 0 0
2 1 0 y2 = 3
1
y3
1 3 1
Por meio de substituic
ao, temos y1 = 5, y2 = 7 e y3
2 3 1
x1
5
0 2 1 x2 = 7
0 0
5
x3
15
U =
0
0
y1
3
2
0
1
.
5
y1
2y1
+ y2
3 .
3y2
+ y3
= 1
2x1 + 3x2 x3
2x2 x3
5x3
sistema U X = Y .
=
= 7 .
=
15
E sabido que uma matriz Ann tal que det(A) 6= 0 possui inversa A1 . Para encontrar A1 devemos resolver n
sistemas lineares. De fato, fazendo A1 = X, devemos ter AX = I, onde I e a identidade de ordem n. Os n sistemas
mencionados s
ao os seguintes:
AX1 = [1; 0; 0; . . . ; 0]T , AX2 = [0; 1; 0; . . . ; 0]T , . . . , AXn = [0; 0; 0; . . . ; 1]T ,
onde Xi e o vetor coluna formado pela i-esima coluna de X, isto e Xi = [x1i ; x2i ; x3i ; . . . ; xni ]T .
Veja que os n sistemas lineares tem a mesma matriz dos coeficientes A. Para usar o metodo de Gauss deveramos
aplic
a-lo n vezes. Por outro lado, uma vez obtida a decomposicao LU da matriz A, temos que o resto e feito por mera
substituic
ao.
12.2
Exerccios
2x + 5x = 6
1
2
a)
b)
x1 + x2 = 3
2
Respostas: a) 21 ; 1 ; b) 12 ; 1; 13 .
+ x2
x3
= 61
3x1
x2
3x3
= 23
Exerccio 2: Encontre a inversa da matriz a seguir pelos dois metodos descritos no Exemplo 12.3, isto e, por
38
meio do metodo de Gauss e depois por meio do metodo da decomposicao LU . Descreva qual dos dois metodos e mais
eficiente neste caso.
Resposta: A1 =
0
1
1
2
4
A=
1
1
.
2
1
.
1
39
Captulo 13
Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Jacobi
13.1
Introdu
c
ao
Estudaremos nesta e na pr
oxima sec
ao dois metodos iterativos de resolucao de sistemas lineares. Assim, dado
um sistema AX = B, com Ann , devemos obter (x), tal que, dada uma aproximacao x0 , tenhamos a sequencia
x1 = (x0 ), x2 = (x2 ), . . ., xn = (xn1 ), . . ., de modo que limn xn = x
, onde x
e a solucao exata do sistema
AX = B.
Como estaremos trabalhando com metodos iterativos, devemos ter um criterio de parada. Neste caso, a definic
ao
a seguir ser
a bastante u
til.
Defini
c
ao 13.1. Dado v = (1 , 2 , . . . , n ), com i R, definiremos ||v|| = max{|1 |, |2 |, . . . , |n |}.
Exemplo 13.2. Dado u = (1; 3, 2), temos que ||u|| = max{|1|, | 3|, |2|} = max{1, 3, 2} = 3.
Defini
c
ao 13.3. Seja A uma matiz quadrada de ordem n. Definiremos a norma de A, isto e, ||A||, como sendo
n
X
||A|| = max
|aij |; i = 1, . . . , n .
j=1
A=
0
10
3
.
3
Soluc
ao: Temos que
||A|| = max {|1| + | 6| + |3|; |0| + |10| + |3|; |4| + |4| + |3|} = max {10; 13; 11} = 13.
De posse da Definic
ao 13.1 devemos parar os metodos iterativos quando, para um dado > 0, tivermos ||xn
xn1 || < . Neste caso, a soluc
ao ser
a dada por xn .
13.2
M
etodo Iterativo de Jacobi
Considere o sistema 3 3:
a11 x1
(L1 )
(L2 )
a21 x1
(L3 )
a31 x1
a12 x2
a22 x2
+ a23 x3
= b2 .
+ a32 x2
+ a33 x3
= b3
40
a13 x3
= b1
b1
a12
a13
x2
x3
a11
a11
a11
L2 x2 =
a21
a23
b2
x1
x3
a22
a22
a22
L3 x3 =
b3
a31
a32
x1
x2 .
a33
a33
a33
b1
0
x1
a11
x2 = b2 + a21
a22 a22
b3
aa31
x3
a33
33
aa12
11
13
aa11
x1
21 .
aa22
x2 .
0
x3
0
32
aa33
a
21
a22
F =
...
n1
aann
Exemplo
13.5. Resolva, por
2x x
= 1
1
2
a)
x1 + 2x2 = 3
3x1 + x2 x3
b)
x1 + 4x2 + x3
2x1 x2 + 6x3
Soluc
ao: a) Temos que
2x
1
x1 +
aa12
11
aa13
11
...
aa1n
11
0
..
.
aa21
22
..
.
...
..
.
aa2n
22
..
.
n2
aann
n3
aann
...
d=
b1
a11
b2
a22
..
.
bn
ann
x0 = (0, 5; 0, 5; 0)
2x
= 1
1
= 3
2x2
x2
2x2
x2
x1
x
1
x2
=
=
1
2
3
2
1
2 x2
1
2 x1
F =
1
2
12
d=
1
2
3
2
Donde,
x1 = (x0 ) = d + F x0 =
1
2
3
2
1
2
21
0
0
0, 5
1, 5
Devemos continuar, pois ||x1 x0 || = ||(0, 5; 1, 5) (0; 0)|| = ||(0, 5; 1, 5)|| = 1, 5 > . Assim,
1
1
0
1, 25
2 0, 5
, ||x2 x1 || = 0, 75 > .
x2 = (x1 ) = d + F x1 = 2 +
.
=
3
1
2 0
1, 5
1, 25
2
x3 = (x2 ) = d + F x2 =
1
2
3
2
1
2
12
41
1, 25
1, 25
1, 125
0, 875
x4 = (x3 ) = d + F x3 =
1
2
3
2
1
2
12
1, 125
0, 875
0, 9375
0, 9375
Logo, a soluc
ao procurada e x4 = (0, 9375; 0, 9375).
b) Neste caso,
x1
x2
x3
3
2
7
6
1
3 x2
1
4 x1
1
3 x2
1
3 x3
1
4 x3
1
6 x2
x1
2x2
x3
2x1
x2
2x3
3 ,
x1
x2
4x3
cuja soluc
ao exata e dada por x
= (1; 1; 1). Obser que se aplicarmos o metodo de Jacobi a este sistema partindo de
x0 = (0; 0; 0), produziremos a seguinte sequencia.
x0 = (0; 0; 0), x1 = (2; 3; 1), x2 = (9; 3; 0, 25), x3 = (4, 25; 14, 5; 0, 5), explode!!!
O que ocorreu no Exemplo 13.6, isto e, por que as iteracoes por meio do metodo de Jacobi parecem nao convergir?
Ser
a que h
a alguma hip
otese para que o metodo de Jacobi nos nos aproxime da solucao exata?
A respostas `
as quest
oes anteriores repousa no seguinte teorema
Teorema 13.7. Se para cada i = 1, . . . , n, temos que
Pn
j=1
13.3
Exerccios
Exerccio 1: Use o Teorema 13.7 para verificar a convergencia de cada um dos sistemas a seguir. Em no caso de as
hip
oteses do teorema serem satisfeias encontre a solucao com a tolerancia e a aproximacao inicial x0 . Compare a
solu
ao obtida com a soluc
ao
c
1, 5x + 0, 8x =
1
2
a)
2, 1x1 3, 2x2 =
4x1 + x2 2x3
b)
3x2 + x3
2x1 x2 + 6x3
7x1 + x2 2x3
4x2
c)
x1
+ 5x3
x
+ x2 2x3
1
d)
4x1
3x2
x3
, = 0, 1, x0 = (0; 0).
11
11
x4
x4
x4
5x4
=
= 0, 1, x0 = (0, 5; 0, 5; 0, 5).
= 5
= 0, 1, x0 = (0; 0; 0).
2x1 x2 + 6x3 = 7
Respostas: a) Converge. Soluc
ao aproximada x6 = (0, 5214375; 0, 625725). Solucao exata = (0, 5; 0, 6);
b) Converge. Soluc
ao aproximada x5 = (0, 997685185; 3, 006944444; 1, 97492284). Solucao exata = (1; 3; 2);
c) Converge. Soluc
ao aproximada x4 = (0, 998714286; 0, 997303572; 1, 003697959; 0, 998102041). Soluc
ao exata =
(1; 1; 1; 1);
d) O Teorema 13.7 n
ao se aplica. Soluc
ao exata = (1; 1; 1; 1).
Exerccio 2: Por meio de operac
oes elementares, coloque os sistemas a seguir numa forma que sempre convirjampara o
x1
a)
x1
4x1
x2
x2
7x3
=
=
1 ,
6
b)
x1
3x2
x3
4x1
x2
4x3
1 .
x1
x2
x3
43
Captulo 14
Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Gauss-Sidel
14.1
M
etodo Iterativo de Gauss-Sidel
O metodo de Gauss-Sidel e bem semelhante ao metodo de Jacobi, tratando-se somente de uma leve modificac
ao
neste u
ltimo.
No metodo de Jacobi tinhamos que a i-esima coordenada de uma k-esima iteracao era da por
xki =
bi
1
aii
aii
n
X
aij xj ,
j=1,j6=i
xk1 =
..
.
xkk =
Exemplo
2x
1
a)
x1
3x1
b)
x1
1
bn an1 xk2 an2 xk3 . . . an n1 xkn .
ann
x2
2x2
x2
x3
4x2
x3
x0 = (0; 0)
x0 = (0, 5; 0, 5; 0)
2x1 x2 + 6x3 = 7
Soluc
ao: a) Temos que a func
ao de iterac
ao de Gauss-Sidel e dada por:
xk = 1 + 1 xk1
1
2
2 2
,
1 k
xk = 5
2
2
2 x2
donde obtemos
x0 = (0; 0), x1 = (0, 5; 1, 25), x2 = (1, 125; 0, 9375), x3 = (0, 96875; 1, 015625),
44
uma vez que ||x3 x2 || = 0, 15625 < . Compare os resultados obtidos neste exemplo com os resultados obtidos no
Exemplo 13.5.
b) Temos que a func
ao de iteraca
o de Gauss-Sidel e dada por:
1 k1
k
x1 = 1 3 x2
xk2
xk3
3
2
7
6
1 k
4 x1
1 k
3 x1
1 k1
3 x3
1 k1
4 x3
1 k
6 x2
donde obtemos
x0 = (0, 5; 0, 5; 0), x1 = (0, 833333333; 1, 291666667; 1, 104166667),
x2 = (0, 9375; 0, 989583333; 1, 019097222), x3 = (1, 009837964; 0, 992766204; 0, 995515046),
uma vez que ||x3 x2 || = 0, 072337964 < .
14.2
Exerccios
Exerccio 1: Utilize o metodo de Gauss-Sidel aos intens a), b) e c) do Exerccio 1, da Secao 13.3.
Respostas: a) x3 = (0, 48628; 0, 59099625); b) x3 = (1, 017361111; 2, 99537037; 1, 993441358);
c) x4 = (0, 974689796; 0, 987975; 1, 014682041; 0, 986660143).
Exerccio 2: Dado o sistema
5x1
2x2
x3
= 2
x1
8x2
x3
20 ,
x1
x2
4x3
11
i) determine a soluc
ao exata, ii) calcule 5 iteracoes para os metodos de Jacobi e Gauss-Sidel e compare os resultados
com a soluc
ao real. Considere x0 = (0; 0; 0).
Respostas:
i) Gauss (1; 2; 3);
ii) Jacobi (0, 977640625; 2, 011542969; 3, 001123047), Gauss-Sidel (0, 997533609; 2, 000823402; 3, 000822448).
Erros: eJacobi = 0, 022359375, eGaussSidel = 0, 002466391.
45
Captulo 15
Solu
c
ao de Sistemas Lineares
N
umero Condicional
15.1
N
umero Condicional
x1
0, 999x1
1, 001x2
2, 001
x2
1, 999
2, 001
0, 999 1, 001
2
0, 000001
.
=
.
rk =
1, 999
1, 999
1
0, 001
0
Veja que o resduo rk e quase nulo, porem, a soluc
ao exata x
= (1; 1), e bem diferente da aproximac
ao xk = (1; 0, 001).
Se n
ao tivessemos ideia de x
, seriamos levados a pensar que xk se tratava de uma boa aproximac
ao.
O Exemplo 15.1 apresenta uma certa peculiaridade, mais especificamente na matriz de seu sistema.
Defini
c
ao 15.2. Seja Ann uma matriz tal que det(A) 6= 0. Definimos o n
umero condicional de A como sendo
Cond(A) = ||A||.||A1 ||.
Exemplo 15.3. Determine o n
umero condicional da matriz
2 1
A=
.
4 3
Soluc
ao: Temos que a inversa de A, e dada por
A1 =
3
2
21
Exemplo 15.4. Um certo produto a ser transportado e fornecido em dois tipos de embalagens diferentes, constando
para ambas o peso bruto de 400 gramas. O encarregado da companhia transportadora deseja saber o peso exato de
cada tipo. Como, ao pesar as duas embalagens em uma balanca , cuja precis
ao vai ate 100 gramas, n
ao encontra um
diferenca significativa, ele idealiza o seguinte processo; sobre a balanca coloca 11 embalagens do 1o tipo e 5 do segundo
tipo e le o peso 6, 4 kg; em seguida, tira duas do 1o tipo e uma do segundo tipo, lendo agora 5, 2 kg. Ele espera que a
soluc
ao do sistema de equac
oes
11x
1
9x1
5x2
6, 4
4x2
5, 2
11x + 5x = 6, 45
1
2
9x1 + 4x2 = 5, 16
ele encontra surpreendido os valores
x1 = 0 kg ex2 = 1, 29 kg.
Evidentemente, esta u
ltima balanca est
a com uma descalibragem de cerca de 0, 05 kg.
Observe que, no Exemplo 15.4 uma pequena descalibragem de aproximadamente 0, 05 kg implicou em valores t
ao
diferentes dos verdadeiros? Isso se deve ao fato de a matriz do sistema em questao ser mal condicionada. Observe que
as retas determinadas pelas equac
oes do sistema sao quase coincidentes!
15.2
Exerccios
Exerccio 1: Calcule o n
umero condicional de cada matriz
a seguir.
1 1 1
1
1
1
2
2
3
a)
b)
c) 0 1 1
1
1
1, 00001 2
3
4
0 0
1
Respostas: a) 50; b) 600, 002; c) 12.
47