NDICE ANALTICO

1- INTERPOLAO ........................................................................................................... 2
1.1- Interpolao Linear ...................................................................................................... 2
1.2- Interpolao Quadrtica .............................................................................................. 5
1.3- Interpolao Polinomial................................................................................................ 8
2. AJUSTAMENTO DE CURVAS ................................................................................ 11
2.1 Ajustamento por uma reta........................................................................................... 11
2.2 Ajustamento por uma parbola ................................................................................. 14
2.3 Ajustamento por uma exponencial ............................................................................. 17
3. INTEGRAO NUMRICA ..................................................................................... 21
3.1 Mtodo Trapeizodal ..................................................................................................... 21
3.2 Mtodo de Simpson ...................................................................................................... 24
4. RESOLUO NUMRICA DE EQUAES ..................................................... 29
4.1 Introduo ..................................................................................................................... 29
4.2 Mtodo grfico .............................................................................................................. 30
4.3 Mtodo da Dicotomia ................................................................................................... 31
4.4- Mtodo de Newton Raphson ................................................................................... 32
4.4- Mtodo de Newton....................................................................................................... 34
5. Resoluo de Sistemas de Equaes Lineares....................................................... 37
5.1 Mtodo de Gauss - Seidel ............................................................................................. 37
Critrio de convergncia ( Critrio das linhas ) ........................................................ 39

1
1- INTERPOLAO

A interpolao consiste em: Dada uma tabela de valores de [x , y = f ( x )], cuja

funo f (x) desconhecida, determinar um valor aproximado da funo
y = f (x ) , num ponto x , com x contido num intervalo [a, b] . Essa determinao
feita atravs da aproximao os dados da tabela por uma outra funo F(x),
escolhida entre uma classe de funes definida a priori e que satisfaa algumas
propriedades. A funo F(x) obtida ento usada em substituio funo
original, desconhecida.

f( x) f ( x0 ) f ( x1 ) f ( x2 ) f ( xi ) ............ f ( x n 1 ) f ( xn )

x x0 x1 x2 ...... xi ............. xn1 xn

O grfico abaixo ( fig 1 ) mostra os pontos da tabela e um esboo da funo;

1.1- Interpolao Linear

A Interpolao Linear consiste em aproximar um trecho da curva de um

intervalo [a, b] por um segmento de reta, sendo neste caso, a funo escolhida
uma equao do 1 grau, do tipo: F ( x ) = mx + n

2
Ampliando o trecho [a,b] que so dois pontos consecutivos da curva ( fig 1.1 )

A diferena entre F ( x ) e f ( x ) , isto , F ( x ) f ( x ) igual ao erro absoluto

cometido nesta aproximao linear.

Determinao da equao da reta pelos pontos [a, f ( a )] , [b, f ( b )] e [x , F ( x )] que

so trs pontos alinhados

x F ( x) 1
a f (a) 1 = 0 desenvolvendo o determinante, temos:
b f (b) 1

x( f (a ) f (b) ) F ( x)(a b ) + a. f (b) b. f (a ) = 0

isolando F ( x ) , conclumos:

(x b) (a x ) (x b) (x a )
F ( x) = f (a ) + f (b) F ( x) = f (a ) + f (b)
(a b ) (a b ) (a b ) (b a )
Dispositivo Prtico para clculo de F ( x )

(x b)(. x a) (x a)(. x b)
F(x) = . f (a) + . f (b)
(a b)(. x a) (b a)(. x b)
(I)

3
 N = ( x b )(
. x a)
Chamando de: D0 = (a b )(. x a) substituindo em ( I )
D1 = (b a )(. x b)

N N f (a ) f (b)
F ( x) = f (a ) + f (b ) F ( x) = N +
D0 D1
D0 D1

(x a) (a b) D0
(b a) (x b) D1

EXERCCIOS:

Calcular um valor aproximado de f ( x ) , nos casos de cada tabela dada:

1. Calcular f ( x ) nos pontos x = 1.83 e x = 0.68

f( x) -2.780 -2.241 -1.652 -0.594 1.340 4.564

x 0.0 0.5 1.0 1.5 2.0 2.5

2. Calcular f ( x ) nos pontos x = 0.17 e x = 0.23

f( x) 0.12 0.16 0.19 0.22 0.25 0.27

x 0.15 0.20 0.25 0.30 0.35 0.40

3. Calcular f ( x ) nos pontos x = 13 e x = 37

f (x ) 11.05 12.21 13.50 14.92 15.35 16.25

x 0 10 20 30 40 50

4
1.2- Interpolao Quadrtica

A Interpolao Quadrtica consiste em aproximar um trecho da curva de um

intervalo [a , b, c ] por uma parbola, sendo neste caso, a funo escolhida uma
equao do 2 grau, do tipo:

F ( x ) = mx 2 + nx + p

Ampliando o trecho [a, b, c ] ( fig 1.2 ) que so trs pontos consecutivos da curva

A diferena entre F ( x ) e f ( x ) , isto , F ( x ) f ( x ) igual ao erro absoluto

cometido nesta aproximao quadrtica.
Determinao da equao do 2 grau (parbola) pelos pontos [a, f ( a )] , [b, f ( b )] ,
[c , f ( c )] e [x , F ( x )] .

a) Consideremos 3 (trs) polinmios do 2 grau P0 ( x ) , P1( x ) , P2 ( x )

(polinmios interpolador de Lagrange para trs pontos) montados de acordo
com as seguintes condies:
Pi ( x j ) = 0 para i j e Pi ( x j ) = 1 para i = j , nos pontos [x0 x1 x2 ]

P0 ( x0 ) = 1
( x x )(. x x )
P0 ( x1 ) = 0 P0 ( x ) = 1 2

( x x )(. x x )
P0 ( x 2 ) = 0 0 1 0 2

P1 ( x 0 ) = 0
(x x )(. x x )
P1 ( x1 ) = 1 P1 ( x ) = 0 2

(x x )(. x x )
P1 ( x 2 ) = 0 1 0 1 2

5
 P2 ( x 0 ) = 0
( x x )(. x x )
P2 ( x1 ) = 0 P2 ( x ) = 0 1

( x x )(. x x )
P2 ( x 2 ) = 1 2 0 2 1

b) Consideremos o polinmio F ( x ) como sendo uma combinao linear dos

trs polinmios P0 ( x ) , P1( x ) , P2 ( x )

F ( x ) = a0 P0 ( x ) + a1P1 ( x ) + a2 P2 ( x ) (I)

como F ( x ) ser o polinmio interpolador pelos pontos [a, f ( a )] , [b, f ( b )] e

[c , f ( c )] , ento:

F( a ) = f ( a ) ; F( b ) = f ( b ) e F( c ) = f ( c ) onde x0 = a x1 = b x2 = c

F (a ) = a 0 P0 (a ) + a1 P1 (a ) + a 2 P2 (a ) = a 0 = f (a)
F (b) = a 0 P0 (b) + a1 P1 (b) + a 2 P2 (b) = a1 = f (b)
F (c) = a 0 P0 (c) + a1 P1 (c) + a 2 P2 (c) = a 2 = f (c)

substituindo em ( I )

F ( x ) = f(a) P0 ( x ) + f(b) P1 ( x ) + f(c) P2 ( x ) ento

(x - b )( x c ) (x - a )( x c ) (x - a )( x b )
F ( x) = f(a) + f(b) + f(c)
(a b )(a c ) (b - a )(b c ) (c a )(c b )
Dispositivo Prtico para clculo de F ( x )

(x b)(x c) (x a) (x a)(x c) (x b) (x a)(x b) (x c)

F(x) = f (a) + f (b) + f (c)
(a b)(a c) (x a) (b a)(b c) (x b) (c a)(c b) (x c)
N = ( x a )( x b )( x c )
D0 = (a b )(a c )( x a )
Chamando de: substituindo na expresso acima
D1 = (b a )(b c )( x b )
D2 = (c a )(c b )( x c )

6
 N N N
F ( x) = f (a) + f (b) +
D0 D1 D2

f (a ) f (b) f (c)
F ( x) = N + +
0D D 1 D2

(x a) (a b) (a c ) D0

(b a) (x b) (b c ) D1

(c a ) (c b ) (x c ) D2

EXERCCIOS:

Calcular um valor aproximado de f ( x ) , nos casos de cada tabela dada:

1. A seguinte tabela relaciona o calor especfico da gua com a temperatura:

Calcular o calor especfico da gua nas temperatura x = 28.5 e x = 32.6

f( x) 0.99907 0.99852 0.99826 0.99818 0.99828 0.99849

x (C) 20 25 30 35 40 45

2. Calcular f ( x ) nos pontos x = 0.45 e x = 0.32

f( x) 9.05 6.72 4.49 2.11 4.80 7.85

x 0.0 0.4 0.8 1.2 1.6 2.0

3. Calcular f ( x ) nos pontos x = 13 e x = 37

f( x) 11.05 12.21 13.50 14.92 15.35 16.25

x 0 10 20 30 40 50

7
1.3- Interpolao Polinomial

Dado um conjunto de ( n+1 ) pontos distintos (xi , f ( xi ) , com

i = 0 ,1 ,2 ,3 ,4 ,....., n , s possvel determinar um polinmio de grau n que
satisfaz as condies : Pn ( xi ) = f ( xi ) , ou seja , o grfico da funo polinmio de
grau n passa atravs dos ( n+1 ) pontos no plano (x , y ) (fig 1.3).

y = f( x) y0 y1 y2 ...... yi ............ yn

x x0 x1 x2 ...... xi ............. xn

Os pontos (xi , y i ) , representam os valores de uma funo y i = f ( xi ) qualquer

desconhecida , que ser interpolada por um polinmio de grau n , onde
f ( x i ) = P ( x i ) para cada i = 0 ,1 ,2 ,3 ,4 ,....., n .
O polinmio interpolador de Lagrange em sua forma geral fatorada, assume
o seguinte aspecto:

n n (x x )
P ( x) = j
f ( xi )
i = 0 j = 0 (xi x j )
j i

8
 O polinmio interpolador do grau 3 (trs) por 4 (quatro) pontos consecutivos
ser o seguinte:

y = f( x) ..... f(a) f(b) f(c ) f(d ) ......

x ...... a = x0 b = x1 c = x2 d = x3 .....

F(x) = P(x)= f(a)

(x - b)(x c)(x d ) + f(b)(x - a)(x c)(x d ) + f(c)(x - a)(x b)(x d ) + f (d) (x a)(x b)(x c)
(a b)(a c)(a d ) (b - a)(b c)(b d ) (c a)(c b)(c d ) (d a)(d b)(d c)

Fazendo o mesmo desenvolvimento da Interpolao Quadrtica, obtemos o

seguinte dispositivo prtico:

Dispositivo Prtico para clculo de F ( x )

N = ( x a )( x b )( x c )( x d )
D0 = (a b )(a c )(a d )( x a )
Chamando de: D1 = (b a )(b c )(b d )(x b ) substituindo na expresso
D2 = (c a )(c b )(c d )( x c )
D3 = (d a )(d b )(d c )( x d )

N N N N
F( x ) = f(a) + f(b) + f(c ) + f(d )
D0 D1 D2 D3

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

e F(x ) = N + + +
D0 D1 D2 D3

(x a) (a b) (a c ) (a d ) D0

(b a) (x b) (b c ) (b d ) D1

(c a ) (c b ) (x c ) (c d ) D2

(d a ) (d b ) (d c ) (x d ) D3

EXERCCIOS:

Calcular um valor aproximado de f (x ) , nos casos de cada tabela dada:

9
1. Calcular f ( x ) nos pontos x = 0.45 e x = 0.32

f( x) 1.000 1.241 1.574 2.033 2.697 3.718

x 0.0 0.2 0.4 0.6 0.8 1.0

2. Calcular f ( x ) nos pontos x = 1.4 e x = 2.2

f( x) 8.2 2.5 8.5 16.5 22.5

x 0 1 2 3 4

10
2. AJUSTAMENTO DE CURVAS
Mtodo dos Mnimos Quadrados

Vimos que uma forma de trabalhar com uma funo ( desconhecida ), definida
por uma tabela de valores, para se calcular valores intermedirios fazendo
interpolaes. Contudo a interpolao no aconselhvel quando:

a) necessrio obter um valor aproximado da funo em uma regio fora

dos limites de tabelamento, ou seja, quando se quer extrapolar;
b) Os valores tabelados so resultados de algum experimento fsico ou de
alguma pesquisa, porque nestes casos, estes valores podero conter
erros inerentes que, em geral, no so previsveis.

Surge ento a necessidade de se ajustar estes valores tabelados ( estas funes ),

por uma funo que tenha uma boa aproximao, que nos permita extrapolar
com certa margem de segurana e confiabilidade.

2.1 Ajustamento por uma reta

Regresso Linear

Sejam (xi , y i ) onde y i = f ( x ) pontos do plano Oxy conforme a tabela:

y = f( x) y1 y2 y3 .......... yi ....... yn

x x1 x2 x3
.......... xi xn
.........
.

Se os dados da tabela locados num grfico cartesiano, se distribuem

conforme ilustra a figura abaixo, poderemos supor que a melhor curva que se
ajusta aos dados da tabela uma reta do tipo ( fig 2.1):

y = ax + b

11
Neste caso o nosso problema pode ser formulado assim:
A partir dos dados da tabela (xi , y i ) onde y i = f ( x ) , determinar os valores
de a e b tais que a funo y = ax + b que uma reta, represente com
uma boa aproximao, a verdadeira funo descrita pelos pontos.

Como os pontos da tabela (xi , y i ) no pertencem reta, os valores de xi

e y i no satisfazem a equao da reta, portanto, y i ax i + b ( fig 2.2)

Chamando de resduo a diferena ri = y i (ax i + b )

n
e de S = ri 2 ( soma dos quadrados da diferena dos resduos )
i =1
n
S = [y i (axi + b )]
2
temos que S funo de a e b
i =1

12
A reta mdia que melhor representa os pontos da tabela (xi , y i ) ocorre quando a
soma S for mnima.
S S
O valor mnimo de S ocorrer para : =0 e =0
a b

S n

n n n
I) = 2[y (ax + b )]( x i ) = 0 ( 2 ) xi y i + 2 a xi2 + 2 b xi =0
a
i i
i =1 i =1 i =1 i =1

S n

2[y (ax + b )]( 1) = 0
n n n
II ) = ( 2 ) y i + 2 a x i + 2 b 1 = 0
b
i i
i =1 i =1 i =1 i =1

n n n n
I) xi y i = a xi2 + b xi
i =1 i =1 i =1
n = 1 = nmero de pontos
i =1
n n n
II ) y i =1
i = a xi + b 1
i =1 i =1

Obs.:
Os valores de a e b so obtidos da soluo do sistema linear ; equaes
( I ) e ( II ).

EXERCCIOS

Para as tabelas abaixo, determinar em cada caso, a equao da reta y = ax + b

que melhor represente os pontos, pelo mtodo dos mnimos quadrados.

1.

y = f( x) -2.8 -0.6 1.0 3.2 4.8 6.0 7.0

x 0.5 0.8 1.0 1.5 2.0 2.5 3.0

2.

y = f( x) 1.80 1.65 1.38 1.15 1.05 0.80 0.52

x 0.0 0.9 2.1 3.1 3.9 5.0 5.8

3.
A tabela abaixo mostra as alturas e pesos de uma amostra de nove homens entre
as idades de 25 a 29 anos, extradas ao acaso entre funcionrios de uma
industria:

13
 Altura
183 173 168 188 158 163 193 163 178
(cm)
Peso (Kg) 79 69 70 81 61 63 79 71 73

a) Ajuste os dados da tabela por uma reta que descreva o comportamento

do peso em funo da altura, isto , peso = f(altura)

b) Estime o peso de um funcionrio com 175 cm de altura.

c) Ajuste os dados da tabela por uma reta que descreva o comportamento

da altura em funo do peso, isto , altura = f(peso)

d) Estime a altura de um funcionrio com 80 Kg.

4. A tabela abaixo fornece o nmero de habitantes do Brasil ( em milhes )

desde
1872 at 1991:

187 189 190 192 194 195 196 197 198 199
ano
2 0 0 0 0 0 0 0 0 1
119. 146.
Habitantes 9.9 14.3 17.4 30.6 41.2 51.9 70.2 93.1
0 2

a) Ajuste os dados da tabela por uma reta que descreva o comportamento

do nmero de Habitantes em funo do ano, isto , Habitantes =
f(ano).

b) Obtenha uma estimativa para a populao brasileira no ano 2000.

c) Em que ano a populao brasileira ultrapassou o ndice de 100 milhes

de habitantes.

2.2 Ajustamento por uma parbola

Sejam (x i , y i ) onde y i = f ( x ) pontos do plano Oxy conforme a tabela:

14
 y = f( x) y1 y2 y3 .......... yi ......... yn

x x1 x2 x3 .......... xi ......... xn

Se os dados da tabela locados num grfico cartesiano, se distribuem

conforme ilustra a figura abaixo, poderemos supor que a melhor curva que se
ajusta aos dados da tabela uma parbola do tipo (fig2.3):

y = ax 2
+ bx + c

Neste caso o nosso problema pode ser formulado assim:

A partir dos dados da tabela (xi , y i ) onde y i = f ( x ) , determinar os valores
de a , b e c tais que a funo y = ax 2 + bx + c que uma
parbola, represente com uma boa aproximao, a verdadeira funo descrita
pelos pontos.

Procedendo de maneira anloga ao caso do ajuste por uma reta, chegamos

ao seguinte sistemas de equaes lineares:

n n n n
I) xi2 y i = a xi4 + b xi3 + c xi2
i =1 i =1 i =1 i 1
n n n n n

xi y i = a xi3 + b xi + c xi n = 1 = nmero de pontos

2
II )
i =1 i =1 i =1 i =1 i =1

n n n n
III ) yi =1
i = a x + b xi + c 1
i =1
2
i
i =1 i =1

15
Obs.:
Os valores de a , b e c so obtidos da soluo do sistema linear ;
equaes ( I ) , ( II ) e ( III ).

EXERCCIOS

Para as tabelas abaixo, determinar em cada caso, a equao da parbola

y = ax 2 + bx + c que melhor represente os pontos, pelo mtodo dos mnimos
quadrados.

1.

y = f( x) 5.1 3.9 7.2 13.8 25.5 38.5 60.5 80.4

x 0 1 2 3 4 5 6 7

2.

y = f( x) 2.05 1.15 0.45 0.40 0.35 0.00 0.21 0.60 0.51 1.22 2.05
x -1.0 -0.8 -0.6 -0.5 -0.3 0.0 0.2 0.4 0.5 0.7 1.0

3.

Os dados da tabela 01representam a produo e os da tabela 02 representam o

consumo de um bem fictcio.

Produo
29.5 33.5 37.0 39.8 43.4 47.2 49.5 54.4 58.6
01
Consumo
8.0 10.7 15.0 20.5 24.2 29.5 38.0 52.5 75.3
02
ano 1985 1986 1987 1988 1989 1990 1991 1992 1993

16
 a) Ajuste os dados da tabela 01(produo) por uma reta que descreva o
comportamento da produo ao longo dos anos , isto , produo =
f(ano).

b) Ajuste os dados da tabela 02 (consumo) por uma parbola que

descreva o comportamento do consumo ao longo dos anos , isto ,
consumo = f(ano).

c) Qual uma previso da produo para o ano 2000?

d) Qual uma previso do consumo para o ano 2000?

2.3 Ajustamento por uma exponencial

Sejam (xi , y i ) onde y i = f ( x ) pontos do plano Oxy conforme a tabela:

y = f( x) y1 y2 y3 ....... yi ....... yn

x x1 x2 x3 ....... xi ......... xn

Se os dados da tabela locados num grfico cartesiano, se distribuem

conforme ilustra a figura abaixo, poderemos supor que a melhor curva que se
ajusta aos dados da tabela uma exponencial do tipo (fig 2.4):

y = b.eax

17
Neste caso o nosso problema pode ser formulado assim:
A partir dos dados da tabela (xi , y i ) onde y i = f ( x ) , determinar os valores
de a e b tais que a funo y = b.e que uma exponencial, represente com
ax

uma boa aproximao, a verdadeira funo descrita pelos pontos.

Sendo y = b.eax , aplicando uma transformao logartmica,

obtemos:
(
ln y = ln b.eax ) e usando as propriedades de logaritmo, temos;

ln y = ln b + ln eax ln y = ln b + ax ln e ln y = ln b + ax ( I )

Chamando de: Y = ln y ; B = ln b ; A=a ; X=x

A equao ( I ) fica: Y = AX + B que a linearizao da funo y = f ( x ) ( fig

2.5)

Y = AX + B

18
Neste caso o nosso problema pode ser reformulado assim:
A partir dos dados da tabela (xi , y i ) onde y i = f ( x ) a tabela passa a ser
( X i ,Yi ) , determinar os valores de A e B tais que a funo Y = AX + B que
uma reta, represente com uma boa aproximao, a verdadeira funo descrita
pelos novos pontos.
a) Os valores de A e B so obtidos da soluo do sistema linear das
equaes (I) e (II)

n n n n
I) XY
i =1
i i = A X + B X i
i =1
i
2

i =1
n = 1 = nmero de pontos
i =1

n n n
II ) i =1
Yi = A X i + B 1
i =1 i =1

b) A partir dos valores de A e B teremos valores de a e b da equao

exponencial original y = b.e ; onde:
ax

a=A e b = eB

EXERCCIOS

19
Para as tabelas abaixo, determinar em cada caso, a equao da exponencial
y = b.eax que melhor represente os pontos, pelo mtodo dos mnimos quadrados.

1.

y = f( x)
36.54 17.26
8.155 3.852 1.820 0.860 0.406 0.246
7 4
x -1.0 -0.7 -0.4 -0.1 0.2 0.5 0.8 1.0

2.

y = f( x)
12.5
7.17 4.10 2.34 1.34 0.75 0.22 0.05 0.01
6
x 0.0 0.5 1.0 2.0 2.5 3.0 3.5 4.0 4.5

3.
O nmero de bactrias, por unidade de volume, existente em uma cultura aps x
horas apresentado na tabela

N de horas ( x ) 0 1 2 3 4 5 6
N de bactrias (
32 47 65 92 132 190 275
y)

a) Ajuste os dados da tabela acima por uma equao de uma exponencial,

que descreva o comportamento da cultura de bactrias, por volume , isto
, N de bactria = f(N de horas).
b) Estime o N de bactrias para 10 horas

20
3. INTEGRAO NUMRICA

A integrao numrica consiste em calcular o valor aproximado de uma

integral definida, de funes no elementares ou de funes no conhecidas
analiticamente, mas que se tem conhecimento de pontos discretos da funo
atravs de uma tabela de valores de (x , y ) , sendo y = f ( x )
Os mtodos se baseia na interpretao geomtrica de uma integral
definida, que a rea sob a curva, limitada pelo eixo dos x e os limites de
integrao ( fig 3.1).

b
A = a
f ( x )dx = rea

b
Para o clculo da integral a
f ( x )dx , partimos sempre da hiptese de que uma
tabela conhecida:

a) A tabela obtida experimentalmente ( em uma experincia de

laboratrio, de dados estatsticos ou coleta de informaes ) ;

b) A tabela montada, calculando-se os valores de y i = f ( xi ) nos pontos

x i , para valores de i = 1,2 ,3 ,.......n , com x contido no intervalo [a, b ] ,
quando se conhece a funo f ( x )

3.1 Mtodo Trapeizodal

Consideremos conhecida a tabela de valores de (x , y ) , onde y = f ( x )

21
 y = f( x) ya y1 y2 y3 ......... yn yb

x a x1 x2 x3 ......... xn b

Com o espaamento h constante, isto , os valores de x so igualmente

espaados

h = x1 a = x2 x1 = x3 x2 = .................. = b xn = h

representando os valores num grfico , temos (fig 3.2):

Aproximando cada trecho da curva f ( x ) por um segmento de reta, temos uma

poligonal pelos pontos da tabela Pa , P1 , P2 , P3 ,....Pn , Pb . Obtemos assim, uma srie
de trapzios adjacentes, sendo a rea de cada trapzio dada por:

rea =
(y i + y i +1 ) h
2

Adotando a soma das reas dos trapzios como sendo o valor aproximado da
rea sob a curva ( que o valor aproximado da integral definida desejada),
teremos ento:

b (y a + y1 ) h + (y1 + y 2 ) h + (y 2 + y 3 )h + (y n + y b ) h
a
f ( x )dx
2 2 2
................. +
2

22
 h
[y a + 2 (y 1 + y 2 + y 3 + y 4 + .......... ... + y n ) + y b ]
b
a
f ( x ) dx
2

b
que a expresso para clculo da integral definida
a
f ( x )dx pela regra
trapezoidal
intuitivo que, quanto menor for o espaamento h , teremos um nmero maior
de pontos no intervalo [a, b ] e tanto melhor ser a aproximao entre a curva da
funo e a poligonal, portanto, mais preciso ser o valor calculado com a soma
das reas dos trapzios.

EXERCCIOS

Calcular as integrais indicadas pelo mtodo trapezoidal

1
1. 0
f ( x )dx , com os valores da tabela

f( x) 10.000 12.408 15.735 20.333 26.965 37.183

x 0.0 0.2 0.4 0.6 0.8 1.0
7
2. 2
f ( x ) dx , com os valores da tabela

f( x)
0.39 0.88 1.55 2.39 3.38 4.51 5.73 7.05 8.41 10.22 13.20
7 7 8 7 8 0 9 0 5 1 0
x 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0

3.
0
e sen x dx ; com h =
10

(x + cos x )
4.
0
2
(1 + x )
dx ; com h =
20

23
3.2 Mtodo de Simpson

Consideremos a tabela de valores de (x , y ) , onde y = f ( x )

y = f( x) y0 y1 y2 y3 y4 y5 .... yi ..... y2n

x x0 x1 x2 x3 x4 x5 .... xi .... x2 n

Com o espaamento h constante, isto , os valores de x so igualmente

espaados

h = x1 x0 = x2 x1 = x3 x2 = ..........
........= x2n x2n1 = h

representando os valores num grfico (fig 3.3), temos:

Fazendo uma interpolao quadrtica a cada ( 3 ) trs pontos, isto ,

aproximando a cada trs pontos por uma polinmio do 2 grau, teremos:
x
A integral x f ( x )dx pode ser decomposta na soma das integrais:
2n

x2 n x2 x4 x6 x2 n
x0
f ( x )dx =
x0
f ( x )dx + x2
f ( x )dx +
x4
f ( x )dx + .......... ...... +
x2 n 2
f ( x )dx

portanto, deve existir uma quantidade IMPAR de pontos na tabela.

Se cada uma dessas parcelas da integral, a funo substituda por um
polinmio do 2 grau P ( x ) , isto , f ( x ) P ( x ) a cada 3 pontos.

assim:
24
 x2 n x2 x4 x6 x2 n
x0
f ( x )dx
x0
P1 ( x )dx + x2
P2 ( x )dx + x4
P3 ( x )dx + ....... + x2 n 2
Pn ( x )dx ( I )

como vimos no item de interpolao quadrtica para 3 pontos ;

f(a ) f(b ) f(c )

P( x ) = N + +
D0 D1 D2

e fazendo :
x2
( a, b, c ) = ( x0 , x1 , x2 ) quando x0
P1 dx ( II )
x4
( a, b, c ) = ( x2 , x3 , x4 ) quando x2
P 2 dx ( III )
x6
( a, b, c ) = ( x4 , x5 , x6 ) quando x4
P 3 dx ( IV )
e
x2 n
( a , b, c ) = ( x2 n 2 , x2 n 1 , x2 n ) quando x2 n 2
Pn dx ( V )

para os trs primeiros pontos, teremos:

( x x0 ) ( x0 x1 ) ( x0 x2 ) D0

( x1 x0 ) ( x x1 ) ( x1 x2 ) D1

( x2 x0 ) ( x2 x1 ) ( x x2 ) D2
N

N = (x x0 )(x x1 )(x x2 ) ;
D0 = (x x0 )( h )( 2 h ) = 2 h2 (x x0 )
D1 = (x x1 )(h )( h ) = h2 (x x1 )
D2 = (x x2 )(2 h )(h ) = 2 h2 (x x2 )

onde: f ( x0 ) = f ( a ) = y 0 ; f ( x1 ) = f ( b ) = y1 ; f ( x21 ) = f ( c ) = y 2

substituindo :

y y1 y
P1 ( x ) = (x x0 )(x x1 )(x x2 ) 2 0 + + 2 2
(
2 h (x x0 ) h (x x1 ) 2 h (x x2 )
2
)
y y y
P1 ( x ) = (x x1 )(x x2 ) 02 + (x x0 )(x x2 ) 1 2 + (x x0 )(x x1 ) 22
2h h 2h ( )
25
 1
P1 ( x ) = [ (x x1 )(x x2 )y 0 + (x x0 )(x x2 )( 2 y1 ) + (x x0 )(x x1 )y 2 ]
2 h2
A( x ) B( x ) C( x )
1
P1 ( x ) = [ A( x ) + B( x ) + C( x )]
2 h2

mudana de varivel de x para i

X0 X1 X2 Xi x
h h
0 1 2 i i

(X0-x0) = 0h (xi - x0 ) = i - 0
(x1-x0) = 1h e (xi x1 ) = i - 1
(x2-x0) = 2h (xi x2 ) = i - 2
.
.
(xi - x0 ) = ih e dx = h di

Com o valor de h na varivel i igual a 1

Ento:

1
P1 ( i ) = [ A( i ) + B( i ) + C( i )]
2 (1 )

x2
1 x2 x2 x2
P ( x )dx = 2h [
x0
1 2 x0
A( x )dx + B( x )dx + C( x )dx ]
x0 x0

x2 2
e P1( x )dx = h P1( i )di
x0 0
(a)

2
1 2 2 2
P1 ( i )dx =
0 2(1 )2 0
[ A( i )di + 0 B ( i )di + 0 C( i )di ] (b)

A( x ) = (x x )(x x2 )y 0 A( i ) = (i 1)(i 2 )y 0 = (i 2 3 i + 2 )y 0
B( x ) = (x x0 )(x x2 )( 2 y1 ) ( )
B( i ) = (i 0 )(i 2 )( 2 y1 ) = i 2 2 i ( 2 y1 )
C( x ) = (x x0 )(x x1 )y 2 ( )
C( i ) = (i 0 )(i 1)y 2 = i 2 i y 2

26
 2
i 3 3 2
A( i )di = y ( )
2 2
2
0 i 3i + 2 di = y0 i + 2i = y0
2

0 0 3 2 0 3

2
i 3
B( i )di = ( 2 y ) ( )
2 2
8
1 i 2i di = ( 2 y1 ) i 2 = y1
2

0 0 3 0 3

2
i 3 i 2
C( i )di = y ( )
2 2
2
2 i i di = y 2 = y 2
2

0 0 3 2 0 3

substituindo estes resultados em ( b ) e posteriormente em ( a ), temos como

resultado:
x2 2

P1( x )dx = h P1( i )di =

h
[y 0 + 4 y1 + y 2 ]
x0 0
3

fazendo o mesmo desenvolvimento de x2 at x4 , expresso ( III )

x4 4

P2 ( x )dx = h P2 ( i )di =
h
[y 2 + 4 y 3 + y 4 ]
x2 2
3

o mesmo desenvolvimento de x4 at x6 , expresso ( IV )

x6 6

P ( x )dx
3 = h P3 ( i )di =
h
[y 4 + 4 y 5 + y6 ]
x4 4
3

e assim sucessivamente at de x2n-2 at x2n , expresso ( V )

x2 n 2n

Pn ( x )dx = h Pn ( i )di =
h
[y2 n 2 + 4 y2 n 1 + y2 n ]
x 2 n2 2n - 2
3

substituindo todos estes resultados na expresso ( I ) , obtemos:

x2 n

f ( x )dx =
h
[y 0 + 2 (y 2 + y 4 + y 6 + .... + y 2 n 2 ) + 4 (y1 + y 3 + y 5 + y7 + ... + y 2 n 1 ) + y 2 n ]
x0 3

b
que a expresso para clculo da integral definida
a
f ( x )dx pela regra de
Simpson.

27
 intuitivo tambm que, quanto menor for o espaamento h , teremos um
nmero maior de pontos no intervalo [a, b] e tanto melhor ser a aproximao
entre a curva da funo e as parbolas, portanto, mais preciso ser o valor
calculado com a soma das reas. Convm lembrar que neste caso de
aproximao, necessria uma quantidade IMPAR de pontos.

EXERCCIOS

Calcular as integrais indicadas pelo mtodo de Simpson

5 .0
1. 3 .0
f ( x ) dx , com os valores da tabela

f( x) 3.33 3.13 2.94 2.78 2.63 2.50 2.38 2.27 2.17 2.08 2.00
x 3.0 3.2 3.4 3.6 3.8 4.0 4.2 4.4 4.6 4.8 5.0

2
5 cos x
2.
0 1 + x 2
dx , com h =
20

10 ( x + 2 )
1
3.
0 e x 2 dx , com h = 0.1

400
4.
200
ln xdx , com h = 20

x2 1
10 2 sen x +
5. x dx , com h = 0.8
2
x ln x

28
4. RESOLUO NUMRICA DE EQUAES

4.1 Introduo

Seja y = f ( x ) uma funo; os valores de x para os quais est satisfeita a

equao f ( x ) = 0 , so chamados de Razes ou Zeros da funo. Se f ( x ) = 0 ,
ento x o ponto onde y = f ( x ) se anula (fig 4.1).

Interpretao geomtrica

Se X uma soluo exata de f ( x ) = 0 , e ~x um valor aproximado de X

calculado atravs de um processo numrico qualquer, o afastamento entre X e
~
x medido atravs de x ~ x e chama-se erro absoluto. Como o valor de X
desconhecido e no temos condies de avaliar o erro absoluto e, nestas
condies, o que se pode estimar uma delimitao superior par o erro absoluto.
Seja essa delimitao superior; estimado o valor de , teremos,
consequentemente, que x ~x , ou seja, o erro absoluto ser sempre inferior
ou na pior da hipteses igual a .
Interpretao:

Se ~x um valor aproximado de X , ento, f ( ~x ) 0

Se uma delimitao superior do erro absoluto, ou seja, um valor

mximo do erro que pode ser cometido no clculo de ~x , ento:

29
 a ~
x b X

onde: a=~
x , b=~
x e x est contido no intervalo
[a , b ]

Qualquer ponto deste intervalo constitui uma boa aproximao da raiz

procurada. claro que quanto menor for este intervalo, tanto melhor ser a
aproximao.

4.2 Mtodo grfico

Seja y = f ( x ) ; o objetivo determinar ~x tal que f ( ~x ) 0 . Devemos

inicialmente decompor a funo f ( x ) na diferena de duas outras funes
g ( x ) e h( x ) , assim: y = f ( x ) = g ( x ) h( x ) e se desejamos obter f ( x ) 0 , logo
teremos : f ( ~x ) = g ( ~x ) h( ~x ) 0 e portanto g ( ~x ) h( ~x ) , isto , graficamente ~x
o ponto onde as duas funes g ( x ) e h( x ) se cruzam. ( fig 4.2 )

No grfico observamos que o ponto onde y = f ( x ) se anula , o ponto onde

g ( x ) = h( x ) . Este valor de ~
x um valor aproximado e uma boa aproximao
depende da preciso com que construmos o grfico.

30
EXERCCIOS:

Para as funes y = f ( x ) abaixo, determinar pelo mtodo grfico, um intervalo

[a, b] de comprimento unitrio, isto , b a = 1 em que est contida a raiz.

1. y = x + ln x 5. y = 2 x 3 + cos x

2. y = x 2 sen x 6. y = 15 sen x + x 2 8 x

3. y = 4 cos x e x 7. y = xe x 2

4. y = ln x cos x 8. y = x 2 4 ln x

4.3 Mtodo da Dicotomia

Mtodo da Bisseo

Seja a funo f ( x ) continua no intervalo [a, b] e tal que f ( a ).f ( b ) < 0 , isto
, f ( a ) e f ( b ) tem sinais contrrios nos extremos do intervalo. Vamos supor, para
simplificar a compreenso, que no intervalo [a, b] exista somente uma nica raiz
da funo f ( x ) = 0 .
O objetivo deste mtodo reduzir a amplitude do intervalo que contm a
raiz at atingir a preciso desejada : (b a ) < , usando para isto a sucessiva
diviso do intervalo [a, b] pela metade, em duas partes iguais ( fig 4.3 ).

As iteraes so realizadas com a seguinte seqncia:

31
 f ( a0 ) < 0
a0 + b0
a0 = a e b0 = b x0 = f ( b0 ) > 0 x [a0 , x0 ]
2
f ( x0 ) > 0

f ( a1 ) < 0
a1 + b1
a1 = x1 e b1 = x 0 x1 = f ( b1 ) > 0 x [x0 , x1 ]
2
f ( x1 ) < 0

f ( a2 ) < 0
a 2 + b2
a 2 = x1 e b 2 = x1 x2 = f ( b2 ) > 0 x [x 2 , b2 ]
2
f ( x2 ) < 0
. . .
. . .
. . .
. . .
e assim sucessivamente at que [xn 1 , xn ] <

EXERCCIOS:

Para os mesmos exerccios da relao anterior ( item 4.2 ), utilize os intervalos

unitrios [a, b] determinados em cada caso pelo Mtodo Grfico, para determinar
uma raiz aproximada pelo mtodo da Dicotomia. Faa tantas iteraes quantas
forem necessrias, para obter uma preciso [xn 1 , xn ] < , com = 2.0 * 10 3 .
Obs: Caso a funo tenha mais de uma raiz, calcule uma delas.

4.4- Mtodo de Newton Raphson

Mtodo das Tangentes

Seja y = f ( x ) uma funo contnua com derivada y ' = f ' ( x ) tambm contnua
em um intervalo [a, b] . Se x uma raiz de y ' = f ' ( x ) , pertencente ao intervalo
[a, b] e que y ' = f ' ( x ) no se anule neste intervalo [a, b] .

32
 O mtodo de Newton - Raphson, permitir construir uma seqncia de
valores ~x1 , ~x2 , ~x3 , ~x4 ,........, ~xn convergente para x , a partir de um valor ~x0 inicial
(arbitrrio mas contido no intervalo).

O MTODO: Faamos as seguintes construes geomtricas (fig 4.4)

1. Consideremos o ponto P = (x0 , f ( x0 )) da figura;

2. Por P vamos traar uma tangente curva f ( x ) ;
3. A tangente determina sobre o eixo x, um ponto de abscissa ~x1 que a 1
iterao realizada e um valor mais prximo de x do que ~x0 ;

f(~
x ) f(~
x )
sendo : tg1 = ~ 0~ e tg1 = f ' ( ~x0 ) igualando temos f ' ( ~x0 ) = ~ 0~
(x0 x1 ) (x0 x1 ))
f (~
x ) f (~
x )
e portanto (~x0 ~x1 ) = ' ~0 logo: ~x1 = ~x0 ' ~0 (I)
f (x ) 0 f (x ) 0

4. Consideremos o ponto P1 = (x1 , f ( x1 )) da figura;

5. Por P1 vamos traar uma tangente curva f ( x ) ;
6. A tangente determina sobre o eixo x, um ponto de abscissa ~x2 que a 2
iterao realizada e um valor mais prximo de x do que ~x1
f(~
x )
sendo : tg 2 = ~ 1~ e tg2 = f ' ( ~
x1 ) igualando temos
(x1 x2 )
f(~
x )
f'(~
x1 ) = ~ ~1
(x1 x21 ))
f (~
x) f (~
x)
e portanto (~x1 ~x2 ) = ' ~1 logo: ~x2 = ~x1 ' ~1 ( II )
f (x ) 1 f (x ) 1

7. Repetindo sucessivamente as seqncias 1. , 2. , 3. para obter novas relaes

(III), (IV),........, obtemos uma relao genrica:

~ ~ f (~
x )
x n +1 = x n ' ~n com n = 0 ,1,2 ,3 ,4 ,..... at que ~
x n +1 ~
xn
f (x n )

33
Obs: Para cada valor de n = 0 ,1,2 ,3 ,4 ,..... , mais uma iterao realizada e um
valor mais prximo que o da iterao anterior. Os valores de
~
x1 , ~
x2 , ~
x3 , ~
x4 ,........, ~
xn uma seqncia de valores convergente para x .

EXERCCIOS:

Para os mesmos exerccios da relao anterior ( item 4.2 e item 4.3 ),

utilize os intervalos unitrios [a, b] determinados em cada caso pelo Mtodo
Grfico, para determinar uma raiz aproximada pelo mtodo de Newton -
Raphson. Faa tantas iteraes quantas forem necessrias, para obter uma
preciso =1.0 * 10 5 .
Obs: Caso a funo tenha mais de uma raiz, calcule uma delas.

4.4- Mtodo de Newton

Rapson aplicado em Polinmios

Preliminarmente, faamos um breve comentrio referente a Polinmios.

Se usamos a notao de f ( x ) para indicar funes, usaremos P ( x ) para indicar

polinmios, e a estes a forma geral :

34
 P ( x ) = a 0 x n + a1 x n 1 + a 2 x n 2 + a 3 x n 3 + ......... + a n 1 x 1 + a n x 0

onde os coeficientes a 0 , a1 , a 2 , a 3 ,.......a i ,........, a n so nmeros reais.

Observaes:

1. Um polinmio P ( x ) de grau n , tem n razes;

2. Um polinmio P ( x ) de coeficientes reais, pode ter razes reais ou
complexas;
3. Se um polinmio P ( x ) com coeficientes reais tem uma raiz complexa
z = a + bi , ento z = a bi que a sua conjugada, tambm uma raiz.
Portanto, as razes complexas de um polinmio so em nmero par,
duas a duas complexas conjugadas;
4. Podemos garantir com segurana, que um polinmio de grau impar
tem pelo menos uma raiz real.

Determinao das razes reais de um polinmio, pelo mtodo de Newton

Raphson.

~ ~ P (~
x )
x n +1 = x n ' ~n com n = 0 ,1,2 ,3 ,4 ,..... at que ~
x n +1 ~
xn
P (x n )
e x [a, b ]

O mtodo de Newton Raphson, como vimos, permite calcularmos uma

seqncia de valores aproximados de ~x , ( ~x1 , ~x2 , ~x3 , ~x4 ,........, ~xn ) convergente para
x , a partir de um valor inicial ~
x0 .
No caso dos polinmios, usaremos um mtodo para determinar o intervalo
[a, b] onde todas as razes reais existentes devero estar contidas e o valor
inicial da seqncia.
1
a
[a, b] = [ 2M ,+2M ]
i
onde M = max i

a0

35
sendo : a0 , a1 , a 2 , a 3 ,.......a i ,........, a n os coeficientes do polinmio

EXERCCIOS:

Calcular pelo menos uma raiz dos polinmios

1. P( x ) = x 4 2 x 2 12 x 18 com 0.05

2. P( x ) = 2 x 4 x 3 4 x 2 + x 6 com 0.05

3. P( x ) = x 4 + 2 x 3 x com 0.03

4. P( x ) = x 3 x 2 com 0.01

5. P( x ) = x 3 + x 2 2 x 1 com 0.01

6. P( x ) = x 3 + x 2 x + 1 com 0.01

7. P( x ) = 4 x 5 x 3 + 4 x 2 x 1 com 0.1

36
5. Resoluo de Sistemas de Equaes Lineares

5.1 Mtodo de Gauss - Seidel

Consideremos o sistema de equaes lineares com n equaes e com n

incgnitas x1 , x 2 , x 3 , x 4 ,.............x n .

A11 x 1 + A12 x 2 + A13 x 3 + A14 x 4 + .......... ...... + A1 n x n = B 1

A 21 x 1 + A 22 x 2 + A 23 x 3 + A 24 x 4 + .......... ...... + A 2 n x n = B 2
A 31 x 1 + A 32 x 2 + A 33 x 3 + A 34 x 4 + .......... ...... + A 3 n x n = B 3
. . . . . .
.................................................................................................................
. . . . . .
An 1 ,1 x1 + An 1 ,2 x 2 + An 1 ,3 x 3 + An 1 ,4 x 4 + .......... ...... + An 1 ,n x n = B n 1
A n 1 x 1 + A n 2 x 2 + A n 3 x 3 + A n 4 x 4 + .......... ...... + A nn x n = B n

O mtodo iterativo de Gauss - Seidel consiste na determinao de uma

seqncia de valores de ( x1 , x 2 , x 3 , x 4 ,.............x n ) k , a partir de valores arbitrrios
iniciais ( x1 , x 2 , x 3 , x 4 ,.............x n )0 , com k = 0 ,1,2 ,3 ,4 ,...., i , onde para cada valor de
k uma iterao realizada, cuja seqncia ( x1 , x 2 , x 3 , x 4 ,.............x n ) i de uma
iterao " i" obtida atravs dos valores da iterao anterior " i 1 " e esta ltima
seqncia de valores est mais prxima da soluo exata que a anterior, se o
sistema for convergente.
Preparao do sistema para receber o mtodo:
Se os coeficientes sobre a diagonal principal, os
Aii ( A11 , A22 , A33 , A44 ,.......Ann ) forem no nulos, e diferentes de 1 (unidade),
dividiremos previamente cada uma das n equao pelos coeficientes da
diagonal principal, transformando o sistema na forma:

37
 A 12 A A A B1
1 x1 + x 2 + 13 x 3 + 14 x 4 + .......... ...... + 1 n x n =
A 11 A 11 A 11 A 11 A 11
A 21 A A A B2
x 1 + 1 x 2 + 23 x 3 + 24 x 4 + .......... ...... + 2 n x n =
A 22 A 22 A 22 A 22 A 22
A 31 A A A B3
x 1 + 32 x 2 + 1 x 3 + 34 x 4 + .......... ...... + 3 n x n =
A 33 A 33 A 33 A 33 A 33
. . . . . .

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

A n1 An2 An4 Bn
x1 + x2 + 1x3 + x 4 + .......... ...... + 1 x n =
A nn A nn A nn A nn

Aij Bi
chamando os coeficientes = a ii e = bi o sistema acima fica:
Aii Aii

1 x 1 + a 12 x 2 + a 13 x 3 + a 14 x 4 + .......... ...... + a 1 n x n = b1
a 21 x 1 + 1 x 2 + a 23 x 3 + a 24 x 4 + .......... ...... + a 2 n x n = b 2
a 31 x 1 + a 32 x 2 + 1 x 3 + a 34 x 4 + .......... ...... + a 3 n x n = b 3
. . . . . .
..............................................................................................................
. . . . . .

a n 1 x 1 + a n 2 x 2 + a n 3 x 3 + a n 4 x 4 + .......... ...... + 1 x n = b n

isolando os ( x1 , x 2 , x 3 , x 4 ,.............x n ) de cada equao, fica:

x 1 = b1 [ 0 x 1 + a 12 x 2 + a 13 x 3 + a 14 x 4 + .......... ...... + a 1 n x n ]
x 2 = b 2 [ a 21 x 1 + 0 x 2 + a 23 x 3 + a 24 x 4 + .......... ...... + a 2 n x n ]
x 3 = b 3 [ a 31 x 1 + a 32 x 2 + 0 x 3 + a 34 x 4 + .......... ...... + a 3 n x n ]
. . . . . .

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

x n = b n [ a n 1 x 1 + a n 2 x 2 + a n 3 x 3 + a n 4 x 4 + .......... ...... + 0 x n ]

38
sistemas preparado:

O mtodo de Gauss - Seidel consiste na aplicao conveniente de mais um

ndice , que o ndice " k" , que chamado de sistema preparado.

x 1k + 1 = b 1 [ 0 + a 12 x 2k + a 13 x 3k + a 14 x 4k + .......... ...... + a 1 n x nk ]
x 2k + 1 = b 2 [ a 21 x 1k + 1 + 0 + a 23 x 3k + a 24 x 4k + .......... ...... + a 2 n x nk ]
x 3k + 1 = b 3 [ a 31 x 1k + 1 + a 32 x 2k + 1 + 0 + a 34 x 4k + .......... ...... + a 3 n x nk ]
. . . . .
.

......................................................................................................................
. . . . .
.
x nk +1 = b n [ a n1 x 1k +1 + a n 2 x 2k +1 + a n 3 x 3k +1 + a n 4 x 4k +1 + ..... + a n ,n 1 x n 1 + 0 ]

com k = 0 ,1,2 ,3 ,4 ,....i , que so as iteraes realizadas

Observaes:

O mtodo iterativo de Gauss - Seidel pode ser prefervel em relao ao mtodo

direto quando:

a) Podemos assegurar uma rpida convergncia;

b) Quando o sistema de ordem elevada

Critrio de convergncia ( Critrio das linhas )

A condio seguinte suficiente para a convergncia do mtodo de Gauss

Seidel.
n
max aij 1 para todo i , j do sistema preparado , e
j =1
j i
n
max aij < 1 para alguns i
j =1
j i

39
Observaes finais
n
1) Se max aij < 1 . O sistema convergente, e quanto mais prximo de zero
j =1
j i

for
n
max aij < 1 , mais rpida a convergncia ;
j =1
j i

2) Se o sistema for divergente, a ordem das equaes primitivas devem ser

trocadas , para que o sistema tenha condio de ficar convergente.
suficiente que nesta troca de equaes, colocar na diagonal principal os
maiores coeficientes.

3) Devem ser feitas tantas iteraes quantas forem necessrias, para que os erros
calculados pela expresso abaixo, sejam menor que os fixados em cada
aplicao;

xik +1 xik
fix para i = 1,2 ,3 ,4 ,...., i e para todo k = 0 ,1,2 ,3...iterao
xik +1

EXERCCIOS

Para cada um dos sistemas de equaes lineares abaixo, resolver pelo

mtodo de Gauss - Seidel , se houver garantia de convergncia:
Fazer tantas iteraes quantas forem necessrias, para se obter a preciso
desejada em cada caso.

1. 10 x1 2 x2 + 2 x3 = 10
para = 0.005 2 x1 + 2 x2 + 10 x3 = 14
4 x1 + 10 x2 + 2 x3 = 8

2. x1 8 x 2 + 3 x 3 = 2
para = 0.05 20 x1 15 x2 + 3 x3 = 3

40
 5 x1 + 2 x2 + 10 x3 = 10

3. x 1 2 x 2 + 10 x 3 + 2 x 4 = 13
para = 0.005 x 1 + 3 x 2 + 2 x 3 + 10 x 4 = 15
2 x 1 + 10 x 2 2 x 3 x x = 23
10 x 1 + 5 x 2 x 3 x x = 22

4. . 3 x 1 + 10 x 2 2 x 3 + 2 x 4 = 11
para = 0.01 x1 x 2 + 5 x 3 + x 4 = 2
2 x 1 + x 2 3 x 3 + 15 x x = 33
8 x1 + 2 x 2 4 x 3 + x x = 6
5. x 1 + x 2 10 x 3 = 20
para = 0.001 8 x 1 + 2 x 2 + 4 x 3 = 18
x1 5 x 2 + x 3 = 8

6. 3 x1 2 x 2 + 5 x 3 + x 4 = 7
para = 0.005 6 x1 + 4 x 2 8 x 3 + x 4 = 9
9 x 1 6 x 2 + 19 x 3 + x x = 23
6 x 1 4 x 2 6 x 3 + 15 x x = 11

41