Testes e Exames Resolvidos de Análise Numérica e de Matemática Computacional

Universidade do Algarve
FCT - Dep. de Matemática
Testes e Exames Resolvidos de

Análise Numérica e de
Matemática Computacional
Celestino Coelho
ccoelho@ualg.pt
2
Conteúdo
1 Intro 1
2 2001-2002 3
2.1 12/11/2001 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 15/11/2001 - EI, IG, ESC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 17/12/2001 - EI, IG, ESC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 18/12/2001 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5 11/01/2002 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.6 11/01/2002 - EI, IG, ESC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.7 24/01/2002 - EI, IG, ESC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.8 31/01/2002 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.9 13/04/2002 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.10 13/04/2002 - Eng. Biotecnológica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.11 13/04/2002 - EA, EB, EI, ESC, IE, IG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.12 15/04/2002 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.13 05/06/2002 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
2.17 02/07/2002 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
2.18 06/07/2001 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
2.21 15/07/2002 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
3 2002/2003 171
3.1 2002/10/10 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
3.2 2003/04/23 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
i
ii CONTEÚDO

3.5 2003/04/30 - EA, EB, ESC, IE, IG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
3.6 2002/11/13 - ESC, IE, IG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
3.7 2003/01/17 - ESC, IE, IG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
3.8 2003/01/30 - ESC, IE, IG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
4 2003/2004 225
4.1 2003/12/09 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
4.2 2004/01/16 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
4.3 2004/02/05 - Matemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
4.4 2004/01/16 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
4.5 2004/02/05 - Eng. do Ambiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
4.8 2004/01/16 - ESC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
4.9 2004/02/05 - ESC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
4.10 2004/06/09 - ESC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
4.11 2004/06/09 - Engenharia de Sistemas e Informática . . . . . . . . . . . . . . . . . . . . . . 287
4.12 2004/06/23 - Engenharia de Sistemas e Informática . . . . . . . . . . . . . . . . . . . . . . 290
Capı́tulo 1
Intro
Devido à rapidez com que me foi solicitada esta colecção de exames, e também por não dispor de muito
tempo para conferir tão grande leque de informação, é bastante provável que alguns dos enunciados
não correspondam à versão final, assim como é igualmente provável que algumas das correcções e/ou
enunciados contenham alguns lapsos. Por esta razão, peço a todos os quantos lerem esta panóplia de
exames, testes e frequências, que tenham o sentido crı́tico bem apurado. Faltam igualmente aqui alguns
momentos de avaliação, não porque a intenção seja ocultá-los mas sim porque nos meus arquivos ainda
não os consegui encontrar.
Adianta ainda ressalvar que alguns enunciados aqui apresentados são muito semelhantes, pelo que é
conveniente ver o que de facto interessa ler antes de começar a imprimir todo o bloco, evitando chegar
tardiamente à conclusão que existiam muitas questões iguais em diversos enunciados.
Espero também que este bloco sirva de apoio ao estudo para os exames da disciplina de Matemática
Computacional, para que de alguma forma os resultados finais obtidos sejam bons.
BOM ESTUDO
1
2 Capı́tulo 1. Intro
Capı́tulo 2
2001-2002
3
4 Capı́tulo 2. 2001-2002
2.1 12/11/2001 - Matemática
Área Departamental de Matemática
Análise Numérica
Matemática
1o Teste ao 2h:300
Duraç~
12 de Novembro de 2001
1. Seja dada a seguinte função

sin2 (x) + ey
f (x, y) =
xy
com xa = 61o e ya = π/2, onde |e (xa )| ≤ 320 e π é um valor aproximado com 4 algarismos
significativos.
a) Determine um majorante para o erro absoluto que se comete no cálculo de f (xa , ya );
b) Calcule um majorante para o erro relativo que se comete em f (xa , ya ) e concluia acerca do
número de algarismos significativos desta aproximação. Justifique a sua resposta.
Solução 2.1.1. a) Sendo então a função f dada pela expressão anterior temos que,
∂f 2 sin (x) cos (x) xy − y sin2 (x) − yey

= ⇒
∂x x2 y 2
∂f ∂f
⇒ (xa , ya ) = (61o , 1.571) =
∂x ∂x
2 sin (61o ) cos (61o ) 1.064650844 × 1.571 − 1.571 sin2 (61o ) − 1.571e1.571
= =
1.0646508442 1.5712
1.332283559 − 1.201751582 − 7.558799333 −7.428267356

= = = −2.655343748
2.797478617 2.797478617
2.1. 12/11/2001 - Matemática 5
∂f ey xy − x sin2 (x) − xey

= ⇒
∂y x2 y 2
∂f ∂f
⇒ (xa , ya ) = (61o , 1.571) =
∂y ∂y
e1.571 1.064650844 × 1.571 − 1.064650844 × sin2 (61o ) − 1.064650844 × e1.571

= =
1.0646508442 1.5712
8.04748209 − 0.8144149178 − 5.122522018 2.110545154

= = = 0.7544455.
2.797478617 2.797478617
Atendendo então à fórmula de propagação directa do erro vamos então obter,

¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯
|e (f (xa , ya ))| ≤ ¯ ¯ ¯ ¯
¯ ∂x (xa , ya )¯ |e (xa )| + ¯ ∂y (xa , ya )¯ |e (ya )| ≤
≤ 2.655343748 × 0.009308422 + 0.7544455 × 0.00025 = 0.024905671 ≈ 0.025 ≤ 0.05
Nota 1. Devemos notar que temos de passar o erro em xa , que é apresentado em minutos, para
radianos. Assim,
600 −→ 1o 32
⇒x= = 0.53(3)o ,
60
320 −→ x
e por outro lado,

180o −→ π 0.53(3) × π
⇒y= = 0.009308422.
180
0.53(3)o −→ y
Por outro lado temos também de passar o valor de xa para radianos, o que dá
180o −→ π 61 × π
⇒z= = 1.064650844.
180
61o −→ z
Nota 2. Devemos notar que, se y = π/2 e |e (π)| ≤ 0.0005, então,
|e (y)| ≤ 0.0005/2 = 0.00025.
Basta estudar a propagação do erro em y.
Nota 3. Uma vez que
sin2 (xa ) + eya 5.576416878

f (xa , ya ) = = = 3.334047978
xa ya 1.064650844 × 1.571
6 Capı́tulo 2. 2001-2002
|e (f (xa , ya ))| ≤ 0.025 ≤ 0.05,
podemos garantir desde já que f (xa , ya ) possui pelo menos 2 algarismos significativos.
b) Sabemos então que
|e (f (xa , ya ))| |e (f (xa , ya ))|

|eR (f (xa , ya ))| = ≈
|f (x, y)| |f (xa , ya )|
e atendendo a que
f (xa , ya ) = 3.334047978 e que |e (f (xa , ya ))| ≤ 0.025,
temos então que

0.025
|eR (f (xa , ya ))| ≤ ≈ 0.0075 ≤ 0.05 = 0.5 × 10−1 ,
3.334047978
resultado que nos permite concluir que f (xa , ya ) tem pelo menos 1 algarismo significativo, mas, pela se-
gunda nota da alı́nea anterior podemos garantir que a aproximação f (xa , ya ) tem pelo menos 2 algarismos
significativos.
J.
2. Pretende-se calcular, utilizando uma aritmética de 4 algarismos significativos, as raı́zes da seguinte

equação do segundo grau
10−4 x2 + 4x + 10−4 = 0.
a) Use a regra standard (fórmula resolvente) para aproximar as raı́zes da equação;
b) Prove que as raı́zes de uma equação do segundo grau ax2 + bx + c = 0, verificam a seguinte
relação
c
x1 x2 = .
a
c) Obtenha uma aproximação para a raiz que em a) possuia menos precisão, utilizando para isso
a fórmula deduzida em b).
Solução 2.1.2. a) Pretendemos então obter o valor aproximado das raı́zes da equação apresentada,
2.1. 12/11/2001 - Matemática 7
trabalhando com 4 algarismos significativos e utilizando a fórmula resolvente. Desta forma,

√ √
−b − b2 − 4ac −4 − 42 − 4 × 10−4 × 10−4
x1 = = =
2a 2 × 10−4
√ p
−4 − 16 − 4 × 10−8 −4 − (15.99999996 =)16 −8
= −4
= −4
= =
2 × 10 2 × 10 2 × 10−4
= −40000
e
√ √ √
−b + b2 − 4ac −4 + 42 − 4 × 10−4 × 10−4 −4 + 16 − 4 × 10−8
x2 = = = =
2a 2 × 10−4 2 × 10−4
√
−4 + 16 0
= = = 0.000
2 × 10−4 2 × 10−4
b) Pretendemos provar que as raı́zes de uma equação do segundo grau verificam a seguinte relação
c
x1 x2 = .
a
Notando então que

√ √
−b − b2 − 4ac −b + b2 − 4ac
x1 = e que x2 =
2a 2a
vamos então obter

Ã √ !Ã √ !
−b − b2 − 4ac −b + b2 − 4ac
x1 x2 = =
2a 2a
2 ¡√ ¢2
(−b) − b2 − 4ac b2 − b2 + 4ac
= = =
4a2 4a2
4ac c
= 2
=
4a a
c) Queremos agora obter uma melhor aproximação para x2 , raiz que possuia menos precisão na alı́nea
a), através da aplicação da relação demonstrada na alı́nea b). Assim,
c 10−4 1
x2 = = −4 =− = 0.00002500.
ax1 10 × (−40000) 40000
8 Capı́tulo 2. 2001-2002
J.
3. Seja dada a seguinte função

¡ ¢
f (x) = ex 2x2 − 4x + 1 − 5.1.
a) Prove que a função f possui um único zero, α, no intervalo [1, 2];
b) Caso pretendesse aproximar α com um erro não superior a 10−4 , com a aplicação do método da
bissecção, quantas iterações teria de fazer para garantir uma aproximação com essa precisão;
c) Pretende-se agora aproximar α, com a mesma precisão da alı́nea anterior, mas utilizando para
tal o método de Newton.
i) Será que escolhendo x0 ∈ [1, 2], consegue garantir a convergência da sucessão gerada
pelo método de Newton;
ii) Escolhendo um intervalo e um ponto x0 adequados, calcule x2 . Calcule um majorante

para o erro que se comete em x2 ;
Solução 2.1.3. a) Para provarmos que a função tem um único zero no intervalo [1, 2], vamos provar
primeiro a existência ( pelo teorema do valor intermédio ) e depois a unicidade ( pelo estudo da derivada
). Assim, como f é uma função contı́nua em R ⊃ [1, 2], e


 ¡ ¢
 f (1) = e1 2 × 12 − 4 × 1 + 1 − 5.1 = −e1 − 5.1 < 0
⇒
 f (2) = e2 ¡2 × 22 − 4 × 2 + 1¢ − 5.1 = e2 − 5.1 > 0

⇒ f (1) × f (2) < 0 ⇒ ∃α ∈ [1, 2] : f (α) = 0,
o que prova a existência.
Quanto à unicidade, teremos de estudar a derivada da função f , assim sendo,
¡ ¢ ¡ ¢
f 0 (x) = ex 2x2 − 4x + 1 + 4x − 4 = ex 2x2 − 3 ,
desta forma
r r
0 2 3 2 3 3
f (x) = 0 ⇔ 2x − 3 = 0 ⇔ x = ⇔ x1 = ∈ [1, 2] ∨ x2 = − ∈
/ [1, 2] .
2 2 2
Concluı́mos então que o conjunto dos números de Rolle da função no intervalo [1, 2] é o seguinte,
( r )
3
Conjunto dos Números de Rolle de f em [1, 2] = 1, ,2 .
2
2.1. 12/11/2001 - Matemática 9
Mas agora sabemos que entre dois números de Rolle consecutivos da função, existe no máximo um um
zero da função, o qual é garantido se as imagens nesses números de Rolle (consecutivos) possuı́rem sinais
contrários. Neste caso,

Ãr !
3
f (1) < 0, f ≈ −8.16 < 0 ⇒ @α ∈ [1, 2] : f (α) = 0
2
e por outro lado Ãr !
3
f ≈ −8.16 < 0, f (2) > 0 ⇒ ∃α ∈ [1, 2] : f (α) = 0.
2
Desta forma podemos concluir que existe e é único o zero da função no intervalo [1, 2].
b) Sabemos então que o erro absoluto no método da bissecção na iteração n é majorado por
(b − a)
|α − xn | = |e (xn )| ≤ , n = 1, 2, 3, . . . ,
2n
supondo que a primeira iteração é x1 . Atendendo a que queremos que o erro verifique a relação |e (xn )| ≤
10−4 , vamos então ter de resolver a seguinte inequação,

¡ ¢
(b − a) −4 (2 − 1) −4 n 4 ln 104
≤ 10 ⇔ ≤ 10 ⇔ 2 ≥ 10 ⇔ n ≥ ≈ 13.3 .
2n 2n ln (2)
Concluı́mos assim que serão necessárias, no mı́nimo, n = 14 iterações do método da bissecção para
podermos obter uma aproximação para o zero da nossa função com um erro inferior a 10−4 .
c) Pretendemos agora aproximar a mesma raiz, mas agora utilizando o método de Newton.
i) A resposta a esta alı́nea é negativa, pois a derivada anula-se no interior deste intervalo o que
faz com que não se verifiquem as condições de convergência do método de Newton. Além disso, não será
difı́cil notar que se escolhermos x0 perto do ponto que anula a derivada a sucessão gerada pelo método de
Newton pode não convergir.
ii) Para calcularmos o valor de x2 através do método de Newton, deveremos então escolher um
intervalo onde se verifique a relação

1 M2
(b − a) < , com M = , M2 = max |f 00 (x)| , m1 = max |f 0 (x)| .
M 2 m1 x∈[1,2] x∈[1,2]
√ √
Como sabemos que a derivada se anula no ponto x = 3/ 2 ≈ 1.2, podemos aplicar já o método da
bissecção para obter um intervalo que não contenha este ponto, assim, a primeira iteração do método da
bissecção fornece-nos os seguintes valores,

 

 a = 1 


 0  f (a0 ) < 0

 
b0 = 2 ∧ f (b0 ) > 0 ⇒ α ∈ [1.5, 2] = [a1 , b1 ] .

 


 

 x = 1.5  f (x ) < 0
1 1
10 Capı́tulo 2. 2001-2002
Como este intervalo já não contém o zero da derivada vamos então verificar se todas as condições de
convergência se verificam, assim,

 ¡ ¢

 f (x) = ex 2x2 − 4x + 1 − 5.1 ∈ C ([1.5, 2])



¡ ¢
f 0 (x) = ex 2x2 − 3 ∈ C ([1.5, 2]) ⇒ f ∈ C 2 ([1.5, 2])



 f 00 (x) = ex ¡2x2 − 3 + 4x¢ ∈ C ([1.5, 2])

Também já sabemos que no intervalo [1.5, 2], f 0 (x) 6= 0, pelo que só nos falta garantir que o intervalo
tem uma amplitude aceitável para a aplicação do método de Newton. Para isso vamos então calcular m1
e M2 . Ora,
¡ ¢
f 00 (x) = ex 2x2 − 3 + 4x = 0 ⇔ 2x2 − 3 + 4x = 0 ⇔
√ √
−4 + 16 + 24 −4 − 16 + 24
⇔ x1 = ≈ 0.6 ∈
/ [1.5, 2] ∨ x2 = <0∈
/ [1.5, 2]
4 4
pelo que f 00 (x) > 0 para todo o x ∈ [1.5, 2], e por essa razão, f 0 (x) é uma função estritamente crescente
no intervalo [1.5, 2]. Pelo que,
m1 = min |f 0 (x)| = min {|f 0 (1.5)| , |f 0 (2)|} ≈ min {|6.72| , |36.9|} = 6.72
x∈[1.5,2]
e por outro lado,

¡ ¢
f 000 (x) = ex 2x2 + 8x + 1 > 0, ∀x ∈ [1.5, 2] ,
pelo que f 00 (x) é então uma função estritamente crescente no intervalo [1.5, 2], o que nos permite concluir
que
M2 = max |f 00 (x)| = max {|f 00 (1.5)| , |f 00 (2)|} ≈ min {|33.6| , |96.1|} = 96.1,
x∈[1.5,2]
e desta forma
M2 96.1 1 1
M= = ≈ 7.2 ⇒ = = 0.14,
2 m1 2 × 6.72 M 7.2
mas como a amplitude do intervalo que temos é igual a 0.5 vamos então ter de refinar ainda mais o nosso
intervalo. Para isso apliquemos mais uma vez o método da bissecção.

 

 a = 1.5 
 f (a1 ) < 0

 1 

 
b1 = 2 ∧ f (b1 ) > 0 ⇒ α ∈ [1.75, 2] = [a2 , b2 ] .

 


 

 x = 1.75  f (x ) < 0
2 2
Neste caso vamos obter também,
m1 = min {|f 0 (1.75)| , |f 0 (2)|} ≈ min {|17.98| , |36.9|} = 17.98

2.1. 12/11/2001 - Matemática 11
M2 = max {|f 00 (1.75)| , |f 00 (2)|} ≈ min {|58.27| , |96.1|} = 96.1,
e imediatamente,
M2 96.1 1 1
M= = ≈ 2.7 ⇒ = = 0.3,
2 m1 2 × 17.98 M 2.7
pelo que já se verifica que a amplitude do intervalo que contém a raiz é menor que a quantia 1/M . A
partir de agora falta-nos escolher o ponto x0 e começar a iterar. x0 será escolhido por forma a que a
função e a segunda derivada tenham o mesmo sinal nesse ponto, assim sendo, pelo que já vimos atrás
f 00 (x) > 0, para todo o x ∈ [1.75, 2], f (1.75) < 0 e f (2) > 0, pelo que se deve escolher x0 = 2.
Calculemos agora x1 e x2 .
f (x0 ) 2.289056099
x1 = x0 − =2− = 1.938041989
f 0 (x0 ) 36.9452805
f (x1 ) 0.1772329296
x2 = x1 − 0 = 1.938041989 − = 1.932386201.
f (x1 ) 31.3365609
Quanto ao majorante para o erro temos o seguinte esquema recursivo,
2 22 22
M |e (x2 )| ≤ (M |e (x1 )|) ≤ (M |e (x0 )|) ≤ (M |b − a|) ⇒
1 22 22
⇒ |e (x2 )| ≤ (M |b − a|) ≈ 0.3 (2.7 |2 − 1.75|) ≈ 0.06
M
J.
4. Seja f uma função de classe C 2 num intervalo Ω = [a, b], com f 0 (x) 6= 0, para todo o x ∈ Ω. Além
disso suponha-se que f 0 (x) > 0 e f 00 (x) > 0, para todo o x em Ω. Sabendo que f possui um único
zero em Ω prove que, se escolhermos x0 = b, por forma a que f (x0 ) f 00 (x0 ) > 0, então a sucessão
gerada pelo método de Newton é uma sucessão convergente para a raiz e a sua convergência é feita
de forma monótona.
Solução 2.1.4. Como foi visto na aula teórica, facilmente se prova que a sucessão gerada pelo método
de Newton, escolhendo x0 = b com este critério, é uma sucessão convergente, sendo a mesma monótona
decrescente.
Escolha-se x0 = b, provamos então que, com f (a) < 0, f (b) > 0 e com f 0 (x) > 0, f 00 (x) > 0, para
todo o x ∈ [a, b], xk > α, para todo o k = 0, 1, 2, 3, . . . . Este resultado prova-se por indução sobre k.
Provemos então a base do processo indutivo, i.e., que a propriedade se verifica para k = 0.
Ora x0 = b e α ∈ ]a, b[, pelo que é imediato que α < x0 = b.

12 Capı́tulo 2. 2001-2002
Provemos agora o passo indutivo, i.e., suponhamos que o resultado é válido para n = k, ou seja,
α < xk e provemos que o mesmo resultado ainda permanece válido para n = k + 1, i.e., α < xk+1 .
Usando então o teorema de Taylor temos,

2
(α − xk ) 00
f (α) = f (xk ) + (α − xk ) f 0 (xk ) + f (ξk ) , com ξk ∈ [α, xk ] ,
2
o que equivale a escrever

2
(α − xk ) 00
(α − xk ) f 0 (xk ) + f (xk ) = − f (ξk ) < 0 ⇔ (α − xk ) f 0 (xk ) < −f (xk ) .
2
Admitindo então que f (x) > 0, para todo o x ∈ ]α, b], obtemos,
f (xk ) f (xk )
α − xk < − ⇔ α < xk − 0 = xk+1 .
f 0 (xk ) f (xk )
Provamos assim que a sucessão gerada pelo método de Newton, neste caso, é uma sucessão limitada.
Provemos agora que a sucessão gerada pelo método de Newton, nas mesmas condição, é uma sucessão
monótona decrescente, i.e., xk+1 − xk < 0, k = 0, 1, 2, . . . . Para provar este facto basta ter em conta que
f 0 (xk ) > 0 e f (xk ) > 0, o que faz com que
f (xk ) f (xk ) f (xk )

>0⇔− 0 < 0 ⇔ xk − 0 < xk ⇔ xk+1 < xk .
f 0 (xk ) f (xk ) f (xk )
Pelos resultados provados podemos então concluir que nestas condições a sucessão, {xn }n∈N é uma
sucessão convergente, uma vez que é limitada, α < xk < x0 = b, k = 0, 1, 2, . . ., e é também monótona
decrescente.
Provemos agora que o limite da sucessão gerada pelo método de Newton é, de facto, o zero da função.
Seja α a raiz de f (x) = 0 no intervalo [a, b], e designemos o limite da sucessão gerada pelo método de
Newton por x∗ . Assim sendo,
xk −→ x∗ e xk+1 −→ x∗ ,
k k
o que implica que
f (xk ) −→ f (x∗ ) e f 0 (xk ) −→ f 0 (x∗ ) ,

k k
logo
µ ¶
f (xk ) f (x∗ ) f (x∗ )
lim xk+1 = lim xk − 0 ⇔ x∗ = x∗ − 0 ∗ ⇔ 0 ∗ = 0 ⇔ f (x∗ ) = 0,
k→∞ k→∞ f (xk ) f (x ) f (x )
tal significa que x∗ é solução de f (x) = 0 em [a, b], mas como a única raiz de f neste intervalo, por
hipótese, é α, vem imediatamente que x∗ = α.
¥
2.1. 12/11/2001 - Matemática 13
5. Considere a equação
x2 − sin2 (x + 1) = 0,
a qual tem uma raiz α ∈ Ω = [0, 1]. Pretende-se calcular essa raiz através da aplicação do método
iterativo do ponto fixo com uma função iteradora da forma
g (x) = x − λ (x − sin (x + 1)) , λ 6= 0.
a) Verifique que a raiz α é, de facto, ponto fixo da função g no intervalo Ω;
b) Faça λ = 0.5 e mostre que o método iterativo do ponto fixo associado a g converge para α,
qualquer que seja a aproximação inicial x0 ∈ Ω;
c) Determine o número de iterações necessárias para se obter uma aproximação xn com um erro
absoluto não superior a 10−6 .
Solução 2.1.5. a) Para provarmos este facto basta notar que
f (x) = x2 − sin2 (x + 1) = (x − sin (x + 1)) (x + sin (x + 1)) = 0 ⇔
(x + sin (x + 1)) = 0 ∨ (x − sin (x + 1)) = 0
Mas, sendo x ∈ [0, 1] = Ω, facilmente se verifica que (x + sin (x + 1)) > 0, para todo o x neste
intervalo, pelo que nos resta apenas
(x − sin (x + 1)) = 0 ⇔ λ (x − sin (x + 1)) = 0 ⇔ x + λ (x − sin (x + 1)) = x.
E desta forma, se α for o único zero da função no intervalo Ω vamos então obter que
α + λ (α − sin (α + 1)) = g (α) = α + λ × 0 = α,
i.e., a raiz da equação no intervalo Ω é ponto fixo da função g.
b) Provemos então que, com λ = 0.5 a função iteradora verifica as condições suficientes de convergên-
cia impostas pelo Teorema do Ponto Fixo.
x sin (x + 1) x sin (x + 1)
g (x) = x − 0.5 (x − sin (x + 1)) = x − + = + .
2 2 2 2
i) Facilmente se verifica que g ∈ C 1 (Ω), pois g não é mais do que a soma de duas funções de
classe C ∞ (Ω), portanto, g é a soma de duas funções de classe C 1 em Ω.
ii) Provemos agora que g (Ω) ⊂ Ω.

14 Capı́tulo 2. 2001-2002
Calculando então g 0 vamos obter
1 cos (x + 1)
g 0 (x) = + > 0,
2 2
pois cos (x + 1) > 0, para todo o x ∈ [0, 1]. Isto significa que g é uma função estritamente crescente
no intervalo Ω, e por conseguinte,

· ¸
sin (1) 1 sin (2)
g (Ω) ⊂ [g (0) , g (1)] = +, + = [0.420 . . . , 0.954 . . .] ⊂ [0, 1] .
2 2 2
iii) Falta-nos provar que M = max {|g 0 (x)| : x ∈ Ω} < 1. Ora,
sin (x + 1)
g 00 (x) = − < 0, ∀x ∈ Ω,
2
o que implica que g 0 é uma função estritamente decrescente, pelo que
M = max {|g 0 (x)| : x ∈ Ω} = max {|g 0 (0)| , |g 0 (1)|} =

½¯ ¯ ¯ ¯¾
¯ cos (1) ¯¯ ¯¯ cos (2) ¯¯
= ¯
max ¯0.5 + , 0.5 + =
2 ¯ ¯ 2 ¯
= max {0.7701 . . . , 0.2919 . . .} ≈ 0.77 < 1.
Através de i), ii) e iii) fica imediatamente provado, pelo Teorema do Ponto Fixo, que a sucessão
gerada pelo processo iterativo
xn sin (xn + 1)
xn+1 = g (xn ) = + , n = 0, 1, 2, . . .
2 2
converge para o único ponto fixo da função g no intervalo Ω, o qual coincide com o zero da função
x2 − sin2 (x + 1) nesse intervalo, qualquer que seja a aproximação inicial x0 que se tome para
primeira aproximação de α, no intervalo Ω.
c) Temos agora duas hipóteses para calcularmos o número mı́nimo de iterações a efectuar para que o
erro seja não superior a 10−6 . Por um lado sabemos que,
n
|e (xn )| = |α − xn | ≤ M n |α − x0 | ≤ (0.7701) |1 − 0| ≤ 10−6
o que, resolvendo em ordem a n =número de iterações vai dar
n n ¡ ¢
(0.7701) ≤ 10−6 ⇔ ln (0.7701) ≤ ln 10−6 ⇔
¡ ¢
⇔ −0.2612349024 × n ≤ ln 10−6 ⇔ n ≥ 52.885 ⇒ n ≥ 53.
Concluı́mos neste caso que são necessárias 53 iterações para garantirmos que o erro que afecta o
valor da iteração é inferior a 10−6 .

2.1. 12/11/2001 - Matemática 15
Outra forma que temos para calcular o número de iterações é através da seguinte fórmula
Mn
|e (xn )| = |α − xn | ≤ |x1 − x0 | ≤ 10−6 .
1−M
Notando agora que, escolhendo por exemplo x0 = 0 vamos obter g (x0 ) = x1 = 0.4207354924, então
0.7701n
|0.4207354924| ≤ 10−6 ⇔ 0.7701n ≤ 5.464240696 × 10−7 ⇔
1 − 0.7701
n ¡ ¢
⇔ ln (0.7701) ≤ ln 5.464240696 × 10−7 ⇔
⇔ −0.2612349024 × n ≤ −14.41987048 ⇔
⇔n ≥ 55.1989 . . . ⇒ n ≥ 56.
Desta forma neste caso serão necessárias 56 iterações para garantirmos que o erro da aproximação
obtida nessa iteração é inferior a 10−6 .
Neste caso podemos ainda escolher o x0 = 1, e nesse caso teremos
g (x0 ) = x1 = 0.9546487134,
pelo que
0.7701n
|0.0453512866| ≤ 10−6 ⇔ 0.7701n ≤ 5.069315939 × 10−6 ⇔
1 − 0.7701
n ¡ ¢
⇔ ln (0.7701) ≤ ln 5.069315939 × 10−6 ⇔
⇔ −0.2612349024 × n ≤ −12.19230467 ⇔
⇔n ≥ 46.6718 . . . ⇒ n ≥ 47,
o que significa que serão necessárias 47 iterações para podermos garantir, neste caso, que o erro da
aproximação obtida é inferior a 10−6 .
J.
16 Capı́tulo 2. 2001-2002
2.2 15/11/2001 - EI, IG, ESC
Informática de Gestão, Ensino de Informática e Engenharia de Sistemas e Computação
1o Teste ao 2h:000
Duraç~
1. Considere a seguinte função

¡ ¢ 2
y = f (x) = exp −x2 = e−x .
a) Calcule os valores de x que verificam a seguinte relação |cond f (x)| ≤ 10. Denote o conjunto
solução por Ω;
b) Supondo que xa é uma aproximação que possui 5 algarismos significativos que pertence a Ω,
o que pode concluir acerca do número de algarismos significativos de ya = f (xa ). Justifique
convenientemente a sua resposta;
Solução 2.2.1. a) Como já sabemos, o número de condição de uma função é dado por
x f 0 (x)
cond f (x) = ,
f (x)
desta forma, e no nosso caso,

¯ ³ ´¯
¯ x −2x e−x2 ¯
¯ ¯ ¯ ¯ √ √
|cond f (x)| ≤ 10 ⇔ ¯¯ −x2
¯ ≤ 10 ⇔ ¯−2x2 ¯ ≤ 10 ⇔ − 5 ≤ x ≤ 5.
¯
¯ e ¯
Assim sendo os valores de x que verificam a condição exigida são os que pertencem ao seguinte
intervalo
h √ √ i
− 5, 5 .
b) Neste caso sabemos que a aproximação para o valor xa possui 5 algarismos significativos, o que,
por um resultado referido na teórica e que faz parte das folhas teórico-práticas, nos permite afirmar
que |eR (xa )| ≤ 0.5 × 10−5 . Por outro lado, sabemos igualmente que
|eR (f (xa ))| ≈ |cond f (xa )| × |eR (xa )| ,

2.2. 15/11/2001 - EI, IG, ESC 17
mas, sabendo-se que xa pertence ao intervalo em que os valores do módulo do número de condição
da função é menor que 10, podemos imediatamente concluir que,
|eR (f (xa ))| ≤ 10 × 0.5 × 10−5 = 0.5 × 10−4 ,
o que nos dá a garantia de pelo menos 4 algarismos significativos para o valor aproximado de f (xa ).
J.
2. Sabendo que, para o método de Newton se pode obter a relação
2
M |e (xn )| ≤ (M |e (xn−1 )|) , n = 1, 2, 3, . . .
obtenha um minorante para o número de iterações que lhe garanta que o erro que se comete na
aproximação xn da raiz da equação é inferior a δ > 0.
Solução 2.2.2. A demonstração deste resultado pode ser encontrada em alguns dos livros que fazem
parte da bibliografia indicada para a disciplina, como por exemplo, o livro do Kendal E. Atkinson -”An
introduction to elementary numerical analisys”. No entanto, a mesma será aqui apresentada. Ora, a
relação
2
M |e (xn )| ≤ (M |e (xn−1 )|) , n = 1, 2, 3, . . . ,
pode ser traduzida, por indução matemática, numa outra que lhe é equivalente,
2n 2n
M |e (xn )| ≤ (M |e (x0 )|) ≤ (M (b − a)) ,
tomando para [a, b] o intervalo inicial que contém a raiz da equação. Desta forma, e como pretendemos
que o erro que afecte a nossa iteração n seja inferior a δ, com delta uma tolerância, obviamente, maior
do que 0, vamos então chegar aos seguintes resultados,
2n 1 2n
M |e (xn )| ≤ (M (b − a)) ⇔ (xn ) ≤ (M (b − a)) ≤ δ,
M
pelo que podemos obter então

2n
(M (b − a)) ≤ δ M. (2.2.1)
Convém referir nesta altura que para que o método convirja é extremamente necessário que se imponha
que M (b − a) < 1, pois só desta forma podemos garantir, atendendo à penúltima expressão escrita, que
|e (xn )| → 0, quando n → ∞.
18 Capı́tulo 2. 2001-2002
Aplicando agora logaritmos nepperianos em ambas as partes da inequação (1), vamos chegar à seguinte
relação equivalente
2n ln (δ M )
ln (M (b − a)) ≤ ln (δ M ) ⇔ 2n ln (M (b − a)) ≤ ln (δ M ) ⇔ 2n ≥ ,
ln (M (b − a))
e, finalmente, podemos então dizer que o número mı́nimo de iterações que nos garante que o erro que
afecta o valor da iteração é inferior a δ é dado pelas seguintes condições

µ ¶
ln (δ M )
ln
ln (M (b − a))
n≥ ∧ n ∈ N.
ln 2
J.
2
3. Determine, com 4 algarismos significativos, o valor da abcissa do ponto onde a parábola y = (x − 2)
se cruza com a recta que passa nos pontos (−2, −0.998) e (1, 0.502).
Nota: Convém usar o método que converge mais rapidamente.
Solução 2.2.3. Devemos começar por construir a equação da recta que passa pelos pontos (−2, −0.998) e
(1, 0.502), a qual se obtém muito facilmente. Depois disso, devemos encontrar os intervalos que contém as
duas raı́zes, e escolhendo uma delas, devemos verificar as condições de convergência do método de Newton
e verificadas estas é só escolher o ponto x0 e iterar até obtermos uma aproximação que nos garanta os 4
algarismos significativos.
J.
4. Considere o seguinte sistema de equações lineares


 2 2

 − x1 + x2 + x3 =−2

 3 3


1 2 1
x1 + x2 − x3 =1 .

 6 3 3



 − 1 x1
 4
+ x2 − x3 =4
3 3
Resolva-o numa aritmética de 3 algarismos significativos, o mais eficientemente possı́vel, utilizando
para isso o método de eliminação de Gauss.
Solução 2.2.4. Passando o sistema para a matriz aumentada, notando que estamos a trabalhar com três
algarismos significativos, vamos obter

 
−1 0.667 0.667 | −2
 
 
 0.167 0.667 −0.333 | 1 
 
 
−0.333 1.33 −1 | 4
2.2. 15/11/2001 - EI, IG, ESC 19
e como pretendemos resolvê-lo da forma mais eficiente, vamos então utilizar a técnica de pivotação
parcial. Assim, o pivot que escolhemos para a primeira etapa do método de eliminação de Gauss será
dado por
max |ai1 | = max {1, 0.167, 0.333} = 1 = a11 ,

i=1,2,3
pelo que não é efectuada qualquer troca de linhas, e desta forma

   
−1 0.667 0.667 | −2 −−−−−−−−−−−−−−−−−−→ −1 0.667 0.667 | −2
  (2) (1) (1)  
  L2 ← L2 − m21 L1  
 0.167 0.667 −0.333 | 
1   0.00 0.778 −0.222 | 0.666 
  
  L(2) ← L(1) − m31 L(1)  
3 3 1
−0.333 1.33 −1 | 4 0.00 1.11 −1.22 | 4.67
com
a21 0.167 a31 −0.333
m21 = = = −0.167 e m31 = = = 0.333 .
a11 −1 a11 −1
E efectuando a segunda etapa do método de eliminação de Gauss vamos então obter

   
−1 0.667 0.667 | −2 −1 0.667 0.667 | −2
  −−−−−−−−−−−−−−−−→  
  (3) (2) (1)  
 0.00 0.666   −1.22 | 4.67 
 0.778 −0.222 |  L3 ← L3 − m32 L2  0.00 1.11 
   
0.00 1.11 −1.22 | 4.67 0.00 0.00 0.633 | −2.60
com
a32 0.778
m32 = = = 0.701 .
a22 1.11
Devemos notar que para efectuar esta segunda etapa o facto de estarmos a utilizar a técnica de
pivotação parcial implicou a troca das linhas 2 e 3, uma vez que
max |ai2 | = max {0.778, 1.11} = 1.11 = a32

i=2,3
No final, a solução do sistema de equações lineares é a seguinte



 x1 = −0.940



 x2 = −0.306



 x
3 = −4.11
J.
5. Considere a seguinte matriz  

1 2 1
 
 
A= 2 1 1 .
 
1/2 2 1
20 Capı́tulo 2. 2001-2002
a) Calcule a factorização LU da matriz A;
b) Utilizando a factorização LU de A, calcule a segunda coluna de uma matriz X que verifica a

seguinte relação,  
5 6 7
 
 
AX = B, onde B =  5 5 8 .
 
9/2 11/2 6
Solução 2.2.5. a) Calculando então a factorização LU da matriz vamos obter os seguintes resultados,
   
1 2 1 −−−−−−−−−−−−−−−−−−→ 1 2 1
  (2) (1) (1)  
  L3 ← L3 − m31 L1  
(1) 
A=A = 2 1 1    0 −3 −1 
(2)
 =A ,
  L(2) ← L(1) − m21 L(1)  
2 2 1
1/2 2 1 0 1 1/2
e na outra etapa
 
1 2 1
 
 
A (2)
−−−−−−−−−−−−→  0 −3 −1  = U,
(3) (2) (2)  
L3 ←L3 −m32 L2  
0 0 1/6
com    
1 0 0 1 0 0
   
   
L=
 m21 1 0  
= 2 1 0 

   
m31 m32 1 1/2 −1/3 1
b) Para resolver esta alı́nea basta notar que

· ¸ · ¸
AX = AX.1 AX.2 AX.3 =B= B.1 B.2 B.3 .
Assim sendo só temos de resolver o sistema AX.2 = B.2 , onde X.2 representa a segunda coluna de
X e B.2 representa a segunda coluna da matriz B.
Aplicando então a decomposição que obtivemos na alı́nea anterior vamos obter,

     
1 0 0 y1 6 
 y1 = 6
     

      
1o ) Ly = B.2 ⇔  2 1 0     
  y2  =  5  ⇔ . . . ⇔  y2 = −7 ,
     


 y
1/2 −1/3 1 y3 11/2 3 = 1/6
e      
1 2 1 X12 6 
 X12 = 1
     

     
2o ) U X.2 = y ⇔ 
 0 −3 −1  
  X22
 =  −7  ⇔ . . . ⇔
   X22 = 2
     



0 0 1/6 X32 1/2  X = 1
32
Esta é a segunda coluna da matriz X que verifica a relação AX = B, em que B é a matriz descrita
no enunciado.
J.
2.3. 17/12/2001 - EI, IG, ESC 21
2.3 17/12/2001 - EI, IG, ESC
EI, ESC e IG
2o Teste ao 2h:300
Duraç~
17 de Dezembro de 2001
(3,0) 1. Uma matriz A ∈ Rn×n diz-se tridiagonal se aij = 0, i > j + 1 e aij = 0, i < j − 1. Calcule o
número de operações a efectuar para obter a factorização LU de uma matriz A nestas condições.
Solução 2.3.1. O número de operações a efectuar vai depender do algoritmo que utilizarmos para resolver
este problema. Contudo o mais económico é o seguinte
Algoritmo 1. Decomposição LU para matrizes tridiagonais

para k = 1, 2, 3, . . . , n − 1
ak+1,k
lk+1,k = ak+1,k ←
ak,k
ak+1,k+1 ← ak+1,k+1 − lk+1,k ak,k+1
Assim sendo não será difı́cil de verificar que o algoritmo possui (n − 1) etapas, fazendo-
-se em cada uma delas: 2 multiplicações e 1 adição. No final teremos de efectuar 2 (n − 1) multiplicações
e (n − 1) adições para obter a decomposição LU de uma matriz tridiagonal, o que perfaz um total de
3n − 3 operações para obter a decomposição de uma matriz tridiagonal. Obviamente que, para poupar
espaço no armazenamento de dados, as entradas da matriz L serão guardadas sobre o espaço que já foi
criado para armazenar a matriz A.
Outros algoritmos podem ser utilizados para efectuar a decomposição LU da matriz A, embora sejam
mais lentos, menos económicos, relativamente ao que atrás foi exibido. Por exemplo, no caso de não
notarmos que em cada etapa ak,k+2 = 0 podemos elaborar o seguinte algoritmo (que não está errado, mas
também não é o mais aconselhável)

22 Capı́tulo 2. 2001-2002
para k = 1, 2, 3, . . . , n − 1
ak+1,k
lk+1,k = ak+1,k ←
ak,k
ak+1,k+1 ← ak+1,k+1 − lk+1,k ak,k+1
ak+1,k+2 ← ak+1,k+2 − lk+1,k ak,k+2
ou ainda, no caso de querermos guardar a informação de L numa outra estrutura de dados, o que
poderá ser necessário no caso de pretendermos utilizar a matriz A para efectuar cálculos posteriores à
decomposição,

u1,1 ← a1,1
para k = 1, 2, 3, . . . , n − 1
uk,k+1 ← ak,k+1
ak+1,k
`k+1,k ←
uk,k
uk+1,k ← ak+1,k − `k+1,k uk,k
uk+1,k+1 ← ak+1,k+1 − `k+1,k uk,k+1
J.
(3,0) 2. Seja dada a seguinte matriz

 √ √ √ 
2 2 − 2 − 2 0
 √ 
 
 0 1 3 −1 
A=
 √ .

 2 0 − 2 0 
 
0 1 0 −1
Calcule o valor de kAk1 , kAk∞ e kAkF .
Solução 2.3.2. Para resolvermos este exercı́cio apenas temos de aplicar as definições dadas para cada
uma destas normas. Assim sendo,

Ã !1/2
P
4 P 4
2 1/2
• kAkF = |aij | = (4 × 2 + 2 + 2 + 1 + 3 + 1 + 4 + 2 + 1 + 1) = 5;
i=1 j=1
½ ¾
P
4
• kAk1 = max |aij | , j = 1, 2, 3, 4 =
i=1
© √ √ √ √ √ ª
= max 2 2 + 2, 2 + 1 + 1, 2 + 3 + 2, 1 + 1 =
¡√ ¢
=2 2+1
2.3. 17/12/2001 - EI, IG, ESC 23
( )
P
4
• kAk∞ = max |aij | , i = 1, 2, 3, 4 =
j=1
© √ √ √ √ √ ª
= max 2 2 + 2 + 2, 1 + 3 + 1, 2 + 2, 1 + 1 =
√
=4 2
J.
(4,0) 3. Verifique se a matriz A que é abaixo dada é definida positiva.

 
4 0 1
 
 
A =  0 2 0 .
 
1 0 4
Solução 2.3.3. Por definição dizemos que:
uma matriz A ∈ Rn×n é definida positiva se xT Ax > 0, para todo o vector x ∈ Rn \ {0}. Assim
sendo, para o nosso caso escolha-se x 6= 0, x ∈ R3 .

    
4 0 1 x x1
· ¸  1  · ¸ 
     
xT Ax = x1 x2 x3  
 0 2 0   x2
 = 4x + x
 1 3 2x2 x1 + 4x3  x2 

,
    
1 0 4 x3 x3
ou seja,
2
xT Ax = 4x21 + x1 x3 + 2x22 + x1 x3 + 4x23 = 3x21 + 2x22 + 3x23 + (x1 + x3 ) .
Não será agora difı́cil afirmar que para x = (x1 , x2 , x3 ) 6= (0, 0, 0) qualquer 3x21 + 2x22 + 3x23 > 0, e por
conseguinte, xT Ax > 0, o que prova que a matriz A dada é uma matriz definida positiva.
J.
(5,0) 4. Sejam dados    

0.121 3.12 1.21
A=  e b= .
2.31 0.916 0.982
a) Obtenha a decomposição LU da matriz A, utilizando uma aritmética de 3 alga-rismos signifi-

cativos;
b) Calcule uma aproximação para a solução do sistema Ax = b, utilizando a decomposição LU

da matriz A e utilizando uma aritmética de 3 algarismos significativos;
c) Utilize o método do resı́duo (refinamento iterativo) para obter uma aproximação para a solução,
tomando como critério de paragem a condição krk∞ ≤ 0.1.
24 Capı́tulo 2. 2001-2002
Solução 2.3.4. a) Pretendemos obter a decomposição LU da matriz A, utilizando para tal uma aritmética
finita de 3 algarismos significativos. Assim sendo,

   
 0.121 3.12  −−−−−−−−−−−−−→  0.121 3.12 
e
  L2 ← L2 − m21 L1  =U
2.31 0.916 0.00 −58.7
a21 2.31
com m21 = = = 19.1. Pelo que,
a11 0.121
 
1.00 0.00
e=
L 


19.1 1.00
b) Utilizemos agora a decomposição LU obtida na alı́nea anterior para obter uma apro-ximação para
a solução do sistema Ax = b.Assim,


 e =b
 Ly
eU
Ax = b ⇔ L ex = b ⇔ .
|{z} 
=y
 U
ex = y
Desta forma, utilizando novamente 3 algarismos significativos,

     

 y1 = 1.21
 1.00 0.00 y
 1   1.21 
e
Ly = b ⇔   =  ⇔ ... ⇔ .

 y2 = −22.1
19.1 1.00 y2 0.982
E por outro lado,

     

 x1 = 0.331
0.121 3.12   x1   1.21 
ex = y ⇔ 
U   =  ⇔ ... ⇔ .

 x2 = 0.376
0.00 −58.7 x2 −22.1
Assim sendo a aproximação obtida para a solução do nosso sistema é dada por
x
e = (0.331, 0.376) .
c) Pretendemos agora aplicar o refinamento iterativo até obtermos uma solução para a qual a norma
infinito do resı́duo seja inferior a 0.1. Comecemos por calcular o resı́duo que está associado à aproximação
e. Ora, r(0) = b−eb = b−b(0) , com eb = b(0) = Ax(0) ,

obtida na alı́nea b), que aqui será designada por x(0) = x
e como já sabemos, para diminuir os efeitos do cancelamento subtractivo, eb deve ser calculado com dupla
precisão, i.e., com 6 algarismos significativos, logo

    
 0.121 3.12  0.331   1.21317 
b(0) = Ax(0) =   = ,
2.31 0.916 0.376 1.10903
2.3. 17/12/2001 - EI, IG, ESC 25
e consequentemente
     
 1.21   1.21317   −0.00317 
r(0) = b − b(0) =  − =
(0)
 ⇒ kr k∞ = 0.127 > 0.1 .
0.982 1.10903 −0.127
Agora sabemos que x(1) = x(0) + e(0) , onde e(0) é a solução do sistema de equações lineares,
eU
Ae(0) = r(0) ⇔ L e e(0) = r(0) .
| {z }
=y (0)
Daqui podemos então concluir que

     
(0) 
 y (0) = −0.00317
1.00 0.00 y −0.00317
e (0) = r(0) ⇔ 
Ly 
 1  
 =
 

 ⇔ . . . ⇔
1
.
(0) 
 y (0) = −0.0665
19.1 1.00 y2 −0.127 2
E por outro lado,

     
(0) 
 e(0) = −0.0558
0.121 3.12   e1
  −0.00317 
e e(0) = y (0) ⇔ 
U   =  ⇔ ... ⇔
1
,
(0) 
 e(0) = 0.00113
0.00 −58.7 e2 −0.0665 2
logo
x(1) = x(0) + e(0) = (0.331, 0.376) + (−0.0558, 0.00113) = (0.275, 0.377) .
Calculando agora o resı́duo que está associado a x(1) vamos obter,

    
 0.121 3.12  0.275   1.24280 
b(1) = Ax(1) =   = ,
2.31 0.916 0.377 0.980582
e consequentemente
     
 1.21   1.24280   −0.0328 
r(1) = b − b(1) =  − =
(1)
 ⇒ kr k∞ = 0.0328 < 0.1 ,
0.982 0.980582 0.00142
pelo que se verifica a condição de paragem e a aproximação para a solução pretendida é dada por
 
 0.275 
x(1) =  .
0.377
J.
(5,0) 5. Seja dada a seguinte tabela de valores
x 1.0 1.5 2.0

f (x) 1.359 2.241 3.695
f 0 (x) 1.359 2.241 3.695
26 Capı́tulo 2. 2001-2002
a) Construa a tabela das diferenças divididas associada a toda a tabela;
b) Utilizando toda a informação da tabela obtenha uma aproximação para o valor da função f
em 1.35;
c) Calcule uma estimativa para o valor de f 0 (1.35).
Solução 2.3.5. a) A tabela das diferenças divididas que está associada a esta tabela é a seguinte
x y [.] y [., .] y [., ., .] y [., ., ., .] y [., ., ., ., .] y [., ., ., ., ., .]
x0 = 1.0 y0 = 1.359
| {z }
=a0
y [x0 , x0 ] = y00 = 1.359

| {z }
=a1
x0 = 1.0 y0 = 1.359 0.8100

| {z }
=a2
y [x0 , x1 ] = 1.764 0.2880

| {z }
=a3
x1 = 1.5 y1 = 2.241 0.9540 0.09200

| {z }
=a4
y [x1 , x1 ] = y10 = 2.241 0.3800 0.008000

| {z }
=a5
x1 = 1.5 y1 = 2.241 1.334 0.1000
y [x1 , x2 ] = 2.908 0.4800
x2 = 2.0 y2 = 3.695 1.574
y [x2 , x2 ] = y20 = 3.695
x2 = 2.0 y2 = 3.695
b) Se utilizarmos toda a informação da tabela, vamos construir o polinómio interpolador de Hermite
de grau ≤ 5, cuja forma é a seguinte
2 2
p5 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) + a3 (x − x0 ) (x − x1 ) +
2 2 2 2
+a4 (x − x0 ) (x − x1 ) + a5 (x − x0 ) (x − x1 ) (x − x2 ) ⇒
2
f (1.35) ≈ p5 (1.35) = 1.359 + 1.359 (1.35 − 1) + 0.81 (1.35 − 1) +
2 2 2
+0.288 (1.35 − 1) (1.35 − 1.5) + 0.92 (1.35 − 1) (1.35 − 1.5) +
2 2
+0.008 (1.35 − 1) (1.35 − 1.5) (1.35 − 2) ⇒
2 2
⇒ f (1.35) ≈ p5 (1.35) = 1.359 + 1.359 (0.35) + 0.81 (0.35) + 0.288 (0.35) (−0.15) +
2 2 2 2
0.92 (0.35) (−0.15) + 0.008 (0.35) (−0.15) (−0.65) .
2.3. 17/12/2001 - EI, IG, ESC 27
Desta forma,
f (1.35) ≈ p5 (1.35) = 1.931104418 ≈ 1.931
c) Para aproximarmos a derivada da função teremos de derivar a expressão do polinómio interpolador,
p5 (x), e calcular o seu valor no ponto 1.35. Assim sendo,
2
p05 (x) = 1.359 + 2 × 0.81 (x − 1) + 2 × 0.288 (x − 1) (x − 1.5) + 0.288 (x − 1) +
2 2
2 × 0.92 (x − 1) (x − 1.5) + 2 × 0.92 (x − 1) (x − 1.5) +
2 2 2
+0.008 (x − 1) (x − 1.5) + 2 × 0.008 (x − 1) (x − 1.5) (x − 2) +
2
+2 × 0.008 (x − 1) (x − 1.5) (x − 2)
o que é equivalente a escrever
2
p05 (x) = 1.359 + 1.62 (x − 1) + 0.576 (x − 1) (x − 1.5) + 0.288 (x − 1) +
2 2
+1.84 (x − 1) (x − 1.5) + 1.84 (x − 1) (x − 1.5) +
2 2 2
+0.008 (x − 1) (x − 1.5) + 0.016 (x − 1) (x − 1.5) (x − 2) +
2
+0.016 (x − 1) (x − 1.5) (x − 2) ,
expressão que se pode ainda escrever da seguinte forma

µ ½
0
p5 (x) = 1.359 + (x − 1) 1.62 + 0.288 (x − 1) + (x − 1.5) 0.576+
+1.84 (x − 1.5) + 1.84 (x − 1) + 0.008 (x − 1) (x − 1.5) +

· ¸ ¾ ¶
+ (x − 2) 0.016 (x − 1.5) + 0.016 (x − 1) ,
e, efectuando os cálculos no ponto x = 1.35 vamos obter que

µ ½
0
p5 (1.35) = 1.359 + (0.35) 1.62 + 0.288 (0.35) + (−0.15) 0.576+
+1.84 (−0.15) + 1.84 (0.35) + 0.008 (0.35) (−0.15) +

· ¸ ¾ ¶
+ (−0.65) 0.016 (−0.15) + 0.016 (0.35) ,
no final podemos então concluir que
f 0 (1.35) ≈ p05 (1.35) = 1.91185125 ≈ 1.912 .
Não será difı́cil verificar que p05 (xi ) = f 0 (xi ) , i = 0, 1, 2, o que significa que p05 (x) é um polinómio
interpolador para a derivada da função nos pontos (xi , f 0 (xi )) , i = 0, 1, 2.
J.
28 Capı́tulo 2. 2001-2002
2.4 18/12/2001 - Matemática
Matemática
2o Teste ao 2h:300
Duraç~
18 de Dezembro de 2001
(5,0) 1. Sejam    
10−5 2 1
A=  e b= .
1 1 1
a) Resolva o sistema Ax = b em aritmética exacta, utilizando para tal o método de eliminação

de Gauss. Denote a solução por x;
b) Resolva o mesmo sistema, utilizando agora uma aritmética de 3 algarismos significativos, sem
aplicar qualquer tipo de escolha de pivot. Denote a solução por y;
kx − yk2
c) Calcule kx − yk2 e ;
kxk2
d) Resolva novamente o sistema de equações lineares Ax = b, mas utilizando agora a técnica de
escolha de pivot parcial com uma aritmética de 3 algarismos significativos. Denote a solução
por z;
kx − zk2
e) Calcule kx − zk2 e ;
kxk2
f) Comente o resultados obtidos nas alı́neas c) e e).
Solução 2.4.1. a)Resolvendo o sistema com aritmética exacta e utilizando a eliminação de Gauss, vamos
obter,    
−5
.. ..
 10 2 . 1  −−−−−−−−−−−−−→  10−5 2 . 1 
 ..  L2 ← L2 − m21 L1  .. ,
1 1 . 1 0 −199999 . −99999
a12 1
com m12 = = −5 = 105 = 100000. Passando agora para a forma de sistema, vem que
a11 10
 
 −5 
 105 100000

 10 x1 + 2x2 = 1 
 x 1 = =

 
 199999 199999
⇔

 


 

 −199999x2 = −99999  x2 = 99999

199999
2.4. 18/12/2001 - Matemática 29
Assim sendo, a solução exacta do sistema Ax = b é dada por

   
100000
x
 1   199999 
   
x= = 
   
   

99999 
x2
199999
b)Resolvendo agora o mesmo sistema, mas utilizando uma aritmética finita de 3 algarismos significa-
tivos pelo método de eliminação de Gauss, sem qualquer tipo de escolha de pivot, vamos obter
   
−5
.. −5
..
 10 2 . 1  −−−−−−−−−−−−−→  10 2 . 1 
 ..  L2 ← L2 − m21 L1  .. ,
1 1 . 1 0 −200000 . −100000
a12 1
com m12 = = −5 = 105 = 100000. Em termos de solução vamos obter o seguinte
a11 10
 
 −5 


 10 y1 + 2y2 = 1 
 y1 = 0

 

⇔

 


 
 100000
 −200000y = −100000 
 y2 = = 0.5
2
200000
Pelo que a solução do sistema neste caso será
   
 y1   0 
y= = 
y2 0.5
c)Neste caso temos,

µ ¶
105 105 − 1
kx − yk2 = k , − (0, 0.5) k2 =
2 × 105 − 1 2 × 105 − 1
Ãµ ¶2 µ ¶2 !1/2
105 105 − 1
= + − 0.5 =
2 × 105 − 1 2 × 105 − 1
¡ ¢1/2
= 0.2500025 + 6.25 × 10−12 = 0.5000025 ≈ 0.5
e quanto ao erro relativo temos
kx − yk2 0.5000025
= = 0.7071103167 ≈ 0.71,
kxk2 0.7071067812
o que em termos de percentagem de erro indica que a solução aproximada y possui
kx − yk2
100 × ≈ 71% de erro.
kxk2
Notemos que
Ãµ ¶2 µ ¶2 !1/2
100000 99999 1/2
kxk2 = + = (0.2500025 + 0.2499975) =
199999 199999
1/2
= (0.5) = 0.7071067812 ≈ 0.71 .
30 Capı́tulo 2. 2001-2002
d)Vamos agora resolver o mesmo sistema, mas utilizando uma aritmética finita de 3 algarismos sig-
nificativos pelo método de eliminação de Gauss, com escolha de pivot parcial. Neste caso,
   
−5
.. ..
 10 2.00 . 1.00  −−−−−−→  1.00 1.00 . 1.00 
 ..  L1 ↔ L2  . →
1.00 1.00 . 1.00 10 −5 .
2.00 . 1.00
 
..
−−−−−−−−−−−−−→  1.00 1.00 . 1.00 
L2 ← L2 − m21 L1  .. 
0.00 2.00 . 1.00
a12
com m12 = = 10−5 = 0.00001. Em termos de solução vamos obter o seguinte
a11
 

 1.00z1 + 1.00z2 = 1.00 
 z1 = 0.500

 

 
⇔

 


 

 2.00z2 = 1.00  z = 0.500
2
Pelo que a solução do sistema neste caso será

   
 z1   0.500 
z= = 
z2 0.500
e)No que toca à solução que obtivemos a partir da utilização da escolha de pivot os resultados são os
seguintes
µ ¶
105 105 − 1
kx − zk2 = k , − (0.5, 0.5) k2 =
2 × 105 − 1 2 × 105 − 1
Ãµ ¶2 µ ¶2 !1/2
105 105 − 1
= − 0.5 + − 0.5 =
2 × 105 − 1 2 × 105 − 1
¡ ¢1/2 ¡ ¢1/2
= 0.00000252 + 0.00000252 = 2 × 0.00000252 =
¡ ¢1/2
= 2 × 6.25 × 10−12 = 3.535533906 × 10−6 ≈ 0.4 × 10−5 .
Quanto ao erro relativo da solução aproximada z temos
kx − zk2 0.3535533906 × 10−5

= = 0.000005 = 0.5 × 10−5 ,
kxk2 0.7071067812
o que em termos de percentagem de erro indica que a solução aproximada z possui
kx − zk2
100 × = 0.5 × 10−3 % de erro.
kxk2
f )Qualquer comentário que explique o porquê da obtenção de melhores resultados com a escolha de
pivot parcial ”é válido”.
J.
2.4. 18/12/2001 - Matemática 31

 √ √ √ 
2 2 2 − 2
 
 
 0 1 3 
A=

.

 2 1 −2 
 
2 1 0
a) Obtenha a decomposição QR de A através do algoritmo de Gram-Schmidt;

h √ iT
b) Tomando b = 2 1 −1 1 , resolva o sistema sobredeterminado Ax = b utilizando a
decomposição QR obtida na alı́nea anterior.
Solução 2.4.2. a)Considerando as colunas da matriz vectores linearmente independentes, vamos cons-
truir para eles uma base ortonormada utilizando para tal o algoritmo de Gram-Schmidt. Consideremos
então
n³ √ ´ ³√ ´ ³ √ ó
C = {A.1 , A.2 , A.3 } = 2 2, 0, 2, 2 , 2, 1, 1, 1 , − 2, 3, −2, 0 .
Pretendemos obter um conjunto B = {Q.1 , Q.2 , Q.3 }, tal que
• hQ.i , Q.j i = 0, para i, j = 1, 2, 3 com i 6= j;
• kQ.i k2 = 1, para todo o i = 1, 2, 3;
• span {A.1 , A.2 , A.3 } = span {Q.1 , Q.2 , Q.3 };
Ora, para obtermos o primeiro vector de B, apenas necessitamos de dividir A.1 pela sua norma eucli-
diana, assim,
³ √ ´ √
r11 = kA.1 k2 = k 2 2, 0, 2, 2 k2 = 8 + 0 + 4 + 4 = 4
e
Ã√ !
1 2 1 1
Q.1 = A.1 = , 0, , .
r11 2 2 2
Obtivemos assim o primeiro vector da base ortonormada, que é simplesmente a primeira coluna da matriz
Q.
Para obtermos o segundo vamos começar por criar um vector que seja ortogonal a Q.1 , o qual desig-
naremos por p2 e que será dado pelo fórmula
p2 = A.2 − r12 Q.1 = A.2 − hQ.1 , A.2 iQ.1 .

32 Capı́tulo 2. 2001-2002
Assim sendo,
 
√
 2 
 
· √ ¸ 
 1  2
hQ.1 , A.2 i = QT.1 A.2 = 2
0
1 1   = + 0 + 1 + 1 = 2,
 
2 2 2  1  2 2 2
 
 
1
logo, Ã√ !
³√ ´ 2 1 1
p2 = A.2 − r12 Q.1 = 2, 1, 1, 1 − 2 , 0, , = (0, 1, 0, 0) .
2 2 2
Não será difı́cil verificar que p2 é ortogonal a Q.1 , i.e., que hp2 , Q.1 i = 0.
Agora, sabemos que o vector Q.2 terá que ter norma unitária e terá que ser ortogonal a Q.1 , pelo que,
p2 p2
Q.2 = = = p2 = (0, 1, 0, 0) ,
kp2 k2 r22
pois
¡ ¢1/2
kp2 k2 = 02 + 12 + 02 + 02 = 1 = r22 .
Ficamos assim com o segundo vector da base ortonormada, i.e., com a segunda coluna da matriz
ortogonal Q.
Pelo mesmo processo vamos agora obter o terceiro vector da base ortonormada que estamos a cons-
truir. Comecemos por construir um vector que seja ortogonal aos vectores que já fazem parte dessa base;
designemos esse vector por p3 , o qual é dado por p3 = A.3 − r13 Q.1 − r23 Q.2 . Desta forma temos,
Ã√ !
2 1 1 ³ √ ´ 2
hQ.1 , A.3 i = h , 0, , , − 2, 3, −2, 0 i = − + 0 − 1 + 0 = −2,
2 2 2 2
e
³ √ ´
hQ.2 , A.3 i = h(0, 1, 0, 0) , − 2, 3, −2, 0 i = 3.
Assim sendo,
Ã√ !
³ √ ´ 2 1 1
p3 = − 2, 3, −2, 0 + 2 , 0, , − 3 (0, 1, 0, 0) =
2 2 2
³ √ ´ ³√ ´
= − 2, 3, −2, 0 + 2, 0, 1, 1 + (0, −3, 0, 0) =
= (0, 0, −1, 1)
Não será difı́cil verificar que este vector é ortogonal a Q.1 e também a Q.2 , i.e., que hp3 , Q.1 i = 0 e
que hp3 , Q.2 i = 0. Para obtermos agora Q.3 basta-nos dividir p3 por kp3 k2 , assim
Ã √ √ !
p3 p3 2 2
Q.3 = = = 0, 0, − ,
kp3 k2 r33 2 2
2.4. 18/12/2001 - Matemática 33
note-se que
√
r33 = kp3 k2 = 2.
Perante estes resultados concluı́mos que a decomposição QR da matriz A é a seguinte,

   
√ √ √ √
 
 2 2 2 − 2   2/2 0 0 
    4 2 −2
    
 0 1 3   0 1 0  
A=

 = QR = 
  √
 0 1
 3  
 2 1 −2   1/2 0 − 2/2   
    √
   √  0 0 2
2 1 0 1/2 0 2/2
b) Obtida a decomposição QR da matriz A, e atendendo às propriedades das matrizes Q e R, podemos
dizer que resolver o sistema Ax = B se resume à resolução do sistema equivalente Rx = QT b, uma vez
que a matriz Q é uma matriz ortogonal, i.e., Q possui inversa e Q−1 = QT . E, por R ser uma matriz
triangular superior, a resolução do sistema efectua-se agora de uma forma muito simples, vejamos,
Ax = b ⇔ QRx = b ⇔ QT QRx = QT b ⇔ Q−1 QRx = QT b ⇔ Rx = QT b.
Agora,
 
√
 √  2   

2/2 0 1/2 1/2   1
    
  1   
QT b = 
 0 1 0 0  

 =  1 ,
  
  −1   
√ √   √
0 0 − 2/2 2/2   2
1
e imediatamente
    
4 2 −2 x1 1
    
    
T  
Rx = Q b ⇔  0 1 3   x2  
= 1
⇔

    
√ √
0 0 2 x3 2


 4x1 = 1 − 2x2 + 2x3



⇔ x2 = 1 − 3x3 = −2 ⇔




 x =1
3


 x1 = 7/4



⇔ x2 = −2 .




 x =1
3
34 Capı́tulo 2. 2001-2002
A solução do sistema Ax = b é então dada por

   
x1 7/4
   
   
 x  =  −2 
 2   
   
x3 1
J.
(3,0) 3. Sejam A ∈ Rm×n , b ∈ Rm e x a solução obtida da resolução do sistema de equações normais,

AT Ax = AT b. Prove que
kb − Axk2 ≤ kb − Ayk2 , para todo o vector y ∈ Rn .
Solução 2.4.3. Ora,
b − Ay = b − Ay + Ax − Ax = b − Ax + Ax − Ay =
= b − Ax + A (x − y) ,
pelo que obtemos
kb − Ayk2 = kb − Ax + A (x − y) = k2
T
= (b − Ax + A (x − y)) (b − Ax + A (x − y)) =
T T
= (b − Ax) (b − Ax) + (b − Ax) (A (x − y)) +
T T
+ (A (x − y)) (b − Ax) + (A (x − y)) (A (x − y)) =
T T T
= (b − Ax) (b − Ax) + 2 (b − Ax) (A (x − y)) + (A (x − y)) (A (x − y))
Agora, tendo em conta que r ⊥ R (A), obtemos
T ¡ ¢T
(b − Ax) (A (x − y)) = AT (b − Ax) (x − y) = A T
|{z}r (x − y) = 0
=0
e como tal
kb − Ayk2 = kb − Axk2 + kA (x − y) k2 > kb − Axk2 , para todo o y ∈ Rn ,

| {z }
>0
finalmente
kb − Axk2 6 kb − Ayk2 , para todo o y ∈ Rn .
O que prova que o resı́duo associado à solução que se obtém da resolução do sistema das equações
normais é aquela que menor resı́duo provoca para o sistema de equações lineares sobredeterminado Ax = b.
Por outro lado, a igualdade só se verifica quando
kA (x − y) k2 = 0 ⇔ A (x − y) = 0,
2.4. 18/12/2001 - Matemática 35
e como as colunas da matriz A são linearmente independentes concluı́mos que x = y, ou seja, a solução
das equações normais é única.
J.
(3,0) 4. Pretende-se aproximar o valor de f (e

x) através do polinómio interpolador de Newton das diferen-
ças divididas de grau ≤ n que interpola os valores y0 , y1 , . . . , yn nos nós distintos x0 , x1 , . . . , xn ,
com min xi ≤ x
e ≤ max xi e x
e∈/ {x0 , x1 , . . . , xn }. Qual o número de operações necessário para
0≤i≤n 0≤i≤n
realizar esta tarefa?
Nota: Deve contar todas as operações necessárias para construir a tabela das diferenças divididas
e todas as operações necessárias para obter a aproximação através do polinómio interpolador.
Solução 2.4.4. Comecemos por contar as operações que estão envolvidas na construção da tabela das di-
ferenças divididas. Assim sendo, se nos derem os pontos (xi , yi ) , i = 0, 1, 2, . . . , n, a tabela das diferenças
divididas será então dada por,
x y [.] y [., .] y [., ., .] y [., ., ., .] ... y [., ., . . . , .]
x0 y0
y [x0 , x1 ]
x1 y1 y [x0 , x1 , x2 ]
y [x1 , x2 ] y [x0 , x1 , x2 , x3 ]
x2 y2 y [x1 , x2 , x3 ]
.. .. .. .. .. ..
. . . . . . y [x0 , x1 , x2 , . . . , xn ]
xn−1 yn−1
y [xn−1 , xn ]
xn yn
Agora como
yk+1 − yk
y [xk , xk+1 ] = , k = 0, 1, . . . , n − 1
xk+1 − xk
temos então que, para cada uma das diferenças divididas de ordem um estão envolvidas uma multiplicação
e duas adições, tendo en conta que temos de calcular n diferenças divididas de ordem 1, o número total de
operações a efectuar para obter todas as diferenças divididas de ordem 1 é 2n adições e n multiplicações,
i.e., 3n operações; no que toca às diferenças divididas de segunda ordem sabemos que são n − 1, e que
são dadas por
y [xk+1 , xk+2 ] − y [xk , xk+1 ]

y [xk , xk+1 , xk+2 ] = , k = 0, 1, . . . , n − 2
xk+2 − xk
36 Capı́tulo 2. 2001-2002
, e novamente, em cada uma delas estão envolvidas uma multiplicação e duas adições, o que nos permite
concluir que para as segundas diferenças divididas são empregues 2 (n − 1) adições e (n − 1) multiplica-
ções, dado no total, 3 (n − 1). Seguindo um raciocı́nio indutivo vamos obter a última diferença dividida
y [x1 , x2 , . . . , xn ] − y [x0 , x1 , . . . , xn−1 ]

y [x0 , x1 , x2 , . . . , xn ] =
xn − x0
onde se emprega apenas uma multiplicação e duas adições. Com base no que foi exposto podemos concluir
que o número total de operações para construir a tabela das diferenças divididas será
n
X n
X n−1 3n2 − n
3k = 3 k=3 (n − 1 + 1) = .
2 2
k=1 k=1
Falta-nos agora contar o número de operações que se obtém com os cálculos no polinómio. Seja então
o polinómio interpolador de grau ≤ n dado por
pn (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) (x − x1 ) + . . . + an (x − x0 ) (x − x1 ) . . . (x − xn−1 ) .
Então, em a0 não temos qualquer operação (adição e/ou multiplicação), em a1 (x − x0 ) temos uma adição
e uma multiplicação, i.e., duas operações, em a2 (x − x0 ) (x − x1 ) teremos duas adições e duas multipli-
cações, ou seja, quatro operações, em a3 (x − x0 ) (x − x1 ) (x − x2 ) vamos ter três adições e três mul-
tiplicações. Seguindo este raciocı́nio vamos concluir que em an (x − x0 ) (x − x1 ) . . . (x − xn−1 ) se tem
de efectuar n adições e n multiplicações, portanto, 2n operações aritméticas. Desta forma, no final, o
número de operações empregues no polinómio interpolador para calcular a aproximação p (x) será dado
por
n
X n
X 0+n
2k + n = 2 k+n=2 (n + 1) + n = n2 + 2n.
2
k=0 k=0
No final concluı́mos que o número de operações a efectuar para obter a aproximação p (x), contando
as operações da tabela das diferenças divididas e do polinómio interpolador, será
3n2 − n 3n2 − n + 2n2 + 4n 5n2 + 3n

+ n2 + 2n = = .
2 2 2
µ 2¶
5n
Podemos também afirmar que o número de operações a efectuar é O .
2
J.
x 1.0 1.5 2.0 2.5

f (x) 1.359 2.241 3.695 6.091
a) Construa a tabela das diferenças divididas associada a toda a tabela;

2.4. 18/12/2001 - Matemática 37
b) Utilizando interpolação parabólica obtenha a melhor aproximação possı́vel para o valor de

f (1.65);
c) Faça uma estimativa do erro que se comete na aproximação obtida na alı́nea anterior.
Nota: Utilize as diferenças divididas para aproximar o valor da derivada.
Solução 2.4.5. a) A tabela das diferenças divididas que está associada a esta tabela é a seguinte
x y [.] y [., .] y [., ., .] y [., ., ., .]
x0 = 1.0 y0 = 1.359
y [x0 , x1 ] = 1.764
x1 = 1.5 y1 = 2.241 y [x0 , x1 , x2 ] = 1.144
y [x1 , x2 ] = 2.908 y [x0 , x1 , x2 , x3 ] = 0.4933(3)
x2 = 2.0 y2 = 3.695 y [x1 , x2 , x3 ] = 1.884
y [x2 , x3 ] = 4.792
x3 = 2.5 y3 = 6.091
b) Pretendemos agora obter a melhor aproximação para o valor de f (1.65) através dos pontos da
tabela com a utilização de interpolação parabólica. Necessitamos então de três pontos para construir o
polinómio interpolador, mas, uma vez que nos são dados quatro pontos teremos de escolher os que melhor
resultado vão produzir, pelo que teremos de escolher os pontos com base na fórmula do erro. Assim sendo,
M3 M3
|e (p2 (1.65))| = |f (1.65) − p2 (1.65)| ≤ |W2 (1.65)| = |(1.65 − x0 ) (1.65 − x1 ) (1.65 − x2 )| ,
3! 3!
com M3 = max |f 000 (x)|. Perante este resultado concluı́mos que devemos escolher para nós da inter-
x∈[1.0,2.5]
polação os pontos que se encontrarem mais próximos de x = 1.65, i.e., os pontos que tornam |W2 (1.65)|
mais pequeno. Não será então difı́cil concluir que neste caso os pontos a escolher serão
x0 = 1.0, x1 = 1.5, x2 = 2.0 .
Utilizando estes pontos, o polinómio interpolador de segundo grau será dado por
p2 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) (x − x1 ) =
= y [x0 ] + y [x0 , x1 ] (x − x0 ) + y [x0 , x1 , x2 ] (x − x0 ) (x − x1 ) =
= 1.359 + 1.764 (x − 1.0) + 1.144 (x − 1.0) (x − 1.5)
e a aproximação que procuramos é dada por
p2 (1.65) = 1.359 + 1.764 (1.65 − 1.0) + 1.144 (1.65 − 1.0) (1.65 − 1.5) = 2.61714 ≈ 2.617
38 Capı́tulo 2. 2001-2002
c) Para obtermos uma estimativa para o erro vamos então utilizar a fórmula
f 000 (ξ)
|e (p2 (1.65))| = |f (1.65) − p2 (1.65)| = |W2 (1.65)| =
3!
f 000 (ξ)
= |(1.65 − x0 ) (1.65 − x1 ) (1.65 − x2 )| .
3!
Assim,
f 000 (ξ)
|e (p2 (1.65))| = |f (1.65) − p2 (1.65)| ≈ × 0.034 .
3!
Agora necessitamos do conhecimento da terceira derivada da função, do qual não dispomos. No
entanto, existe um resultado das diferenças divididas que nos permite obter uma aproximação para o
valor da terceira derivada, esse é o seguinte:

· ¸
Existe um ξ ∈ Ω = min xi , max xi , tal que
0≤i≤k 0≤i≤k
f (k) (ξ)
y [x0 , x1 , . . . , xk ] = .
k!
f 000 (ξ)
Com base neste resultado podemos aproximar por y [x0 , x1 , x2 , x3 ], logo
3!
f 000 (ξ)
|e (p2 (1.65))| = |f (1.65) − p2 (1.65)| ≈ × 0.034 = 0.4933 × 0.034 ≈ 0.017 .
3!
J.
2.5. 11/01/2002 - Matemática 39
2.5 11/01/2002 - Matemática
Matemática
Exame de Época Normal ao 3h:000

Duraç~
11 de Janeiro de 2002
(4,0) 1. Seja dada a seguinte função

4 2
f (x, y, z) = xy z.
3
Sabendo que
|eR (xa )| ≤ 0.005, |eR (ya )| ≤ 0.005, |eR (za )| ≤ 0.005,
calcule um majorante para o erro relativo absoluto que se comete no cálculo da aproximação
f (xa , ya , za ).
Solução 2.5.1. Recorrendo à fórmula da propagação do erro absoluto vamos obter que
¯ ¯ ¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯ ¯ ∂f ¯
¯
|e (f (xa , ya , za ))| ≤ ¯ ¯ ¯
(xa , ya , za )¯ |e (xa )| + ¯ ¯ ¯
(xa , ya , za )¯ |e (ya )| + ¯ (xa , ya , za )¯¯ |e (za )|
∂x ∂y ∂z
logo, para obtermos o erro relativo em f (xa , ya , za ), basta-nos dividir a expressão anterior por |f (xa , ya , za )|,
desta forma
¯ ¯ ¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯ ¯ ∂f ¯
¯ ¯ ¯
(xa , ya , za )¯ |e (xa )| + ¯ ¯ ¯
|e (f (xa , ya , za ))| ¯ ∂x ∂y ∂z
≤
|f (xa , ya , za )| |f (xa , ya , za )|

¯ ¯ ¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯ ¯ ∂f ¯
¯ (x , y , z ) ¯ ¯ (x , y , z ) ¯ ¯ (xa , ya , za ) ¯
¯ ∂x a a a ¯ ¯ ∂y a a a ¯ ¯ ∂z ¯
|eR (f (xa , ya , za ))| ≤ ¯ ¯ |e (xa )| + ¯¯ ¯ |e (ya )| + ¯
¯ ¯ |e (za )|
¯ f (xa , ya , za ) ¯ ¯ f (xa , y a , z a ) ¯ ¯ f (xa , y a , z a ) ¯
¯ ¯ ¯ ¯ ¯ ¯
Agora temos,
∂f 4 ∂f 8 ∂f 4
(xa , ya , za ) = ya2 za , (xa , ya , za ) = xa ya za , (xa , ya , za ) = xa ya2
∂x 3 ∂y 3 ∂z 3
40 Capı́tulo 2. 2001-2002
e por outro lado

4
f (xa , ya , za ) = xa ya2 za .
3
Atendendo a estes resultados vamos obter

¯ ¯ ¯ ¯ ¯ ¯
¯ 4 2 ¯ ¯8 ¯ ¯ 4 ¯
¯ ya za ¯ ¯ xa ya za ¯ ¯ xa ya2 ¯
¯ 3 ¯ ¯3 ¯ ¯ 3 ¯
|eR (f (xa , ya , za ))| ≤ ¯ ¯ |e (xa )| + ¯ 4 ¯ |e (ya )| + ¯ 4 ¯ |e (za )| ⇔
¯4 ¯ ¯ ¯ ¯ ¯
¯ xa ya2 za ¯ ¯ xa ya2 za ¯ ¯ xa ya2 za ¯
3 3 3
¯ ¯ ¯ ¯ ¯ ¯
¯1¯ ¯2¯ ¯1¯
⇔ |eR (f (xa , ya , za ))| ¯
≤ ¯ ¯ |e (xa )| + ¯ ¯ |e (ya )| + ¯¯ ¯¯ |e (za )|
¯ ¯ ¯
xa ya za
Mas, como nos são fornecidos os erros relativos absolutos em xa , ya e za ,

¯ ¯ ¯ ¯ ¯ ¯
¯ e (xa ) ¯ ¯ e (ya ) ¯ ¯ e (za ) ¯
|eR (xa )| = ¯¯ ¯, |eR (ya )| = ¯¯ ¯, |eR (za )| = ¯¯ ¯,
xa ¯ ya ¯ za ¯
vamos então obter

¯ ¯ ¯ ¯ ¯ ¯
¯ xa ¯ ¯ ¯ ¯ ¯
|eR (f (xa , ya , za ))| ≤ ¯ ¯ |eR (xa )| + ¯ 2ya ¯ |eR (ya )| + ¯ za ¯ |eR (za )| ⇔
¯ xa ¯ ¯ ya ¯ ¯ za ¯
≤ |eR (xa )| + 2 |eR (ya )| + |eR (za )| ⇔
≤ 0.005 + 2 × 0.005 + 0.005 = 0.02
J.
(4,0) 2. Considere a função

f (x) = x2 − cos2 (x) .
a) Mostre que a função tem um único zero no intervalo [0.5, 1];
b) Verifique a aplicabilidade do método de Newton para obter uma aproximação da raiz que se
encontra neste intervalo;
c) Determine uma aproximação da raiz com um erro inferior a 10−4 .
Solução 2.5.2. a) Para provarmos a existência da raiz no intervalo [0.5, 1, ], temos apenas de aplicar
o teorema do valor intermédio. Notando então que f (x) = x2 − cos2 (x) é uma função contı́nua em R,
visto que se trata da soma de duas funções contı́nuas, x2 e cos2 (x) em R, temos


 f (0.5) = 0.25 − cos2 (0.5) ≈ −0.52
⇒ f (0.5) × f (1) < 0 ⇒ ∃α ∈ [0.5, 1] : f (α) = 0.

 f (1) = 1 − cos2 (1) ≈ 0.71
2.5. 11/01/2002 - Matemática 41
Quanto à unicidade, temos que estudar o sinal da derivada no intervalo [0.5, 1]. Neste caso temos
f 0 (x) = 2x − 2 cos (x) (− sin (x)) = 2x + sin (2x)
e atendendo a que sin (x) > 0 para todo o x ∈ ]0, π[, temos então que sin (2x) > 0 para todo o x ∈ ]0, π/2[,
logo, como [0.5, 1] ⊂ ]0, π/2[, podemos imediatamente concluir que sin (2x) > 0 para todo o x ∈ [0.5, 1].
É agora fácil concluir que
f 0 (x) > 0, para todo o x ∈ [0.5, 1] ,
o que implica que a função f (x) seja uma função estritamente crescente no intervalo.
Fica assim provada a existência e a unicidade da raiz da equação f (x) = 0 no intervalo [0.5, 1].
b) Para verificarmos a aplicabilidade do método de Newton à função no intervalo dado teremos de
verificar todas as condições do teorema de convergência do método de Newton. Assim sendo, para começar
teremos que salvaguardar que f ∈ C 2 ([0.5, 1]), o que não oferece qualquer dificuldade pois,


 f (x) = x2 − cos2 (x) é uma função contı́nua em R ⊃ [0.5, 1]



2
 f 0 (x) = 2x + sin (2x) é uma função contı́nua em R ⊃ [0.5, 1] ⇒ f ∈ C ([0.5, 1]) .



 f 00 (x) = 2 + 2 cos (2x) é uma função contı́nua em R ⊃ [0.5, 1]
Além desta condição teremos também que provar que a primeira derivada da função não se anula no
interior do intervalo [0.5, 1]. Mas, na alı́nea anterior já verificamos que f 0 (x) > 0, para todo o x ∈ [0.5, 1],
o que implica que f 0 (x) 6= 0, para todo o x ∈ [0.5, 1].
Estas são as duas condições de convergência essenciais para a convergência do método de Newton, no
entanto devemos ter em conta a amplitude do intervalo. Se atendermos à demonstração do teorema da
convergência do método de Newton verificamos que a amplitude do intervalo que estamos a utilizar terá
de verificar a condição
1
|b − a| ≤ ,
M
onde
M2
M= , com M2 = max |f 00 (x)| e m1 = min |f 0 (x)| .
2m1 x∈[0.5,1] x∈[0.5,1]
Agora sabemos que
f 000 (x) = −4 sin (2x) < 0, ∀x ∈ [0.5, 1]
pelo que se pode concluir que f 00 é uma função estritamente decrescente no intervalo que estamos a
utilizar. Assim sendo,
M2 = max |f 00 (x)| = max {|f 00 (0.5)| , |f 00 (1)|} = max {3.0806, 1.16771} = 3.0806 .
x∈[0.5,1]
42 Capı́tulo 2. 2001-2002
Por outro lado temos que,
¡ ¢
f 00 (x) = 2 + 2 cos (2x) = 2 1 + cos2 (x) − sin2 (x) =
¡¡ ¢ ¢
= 2 1 − sin2 (x) + cos2 (x) =
¡ ¢
= 2 cos2 (x) + cos2 (x) = 4 cos2 (x) ≥ 0, ∀x ∈ R
o que significa que a função f 0 é uma função crescente, o que nos permite então concluir que
m1 = min |f 0 (x)| = min {|f 0 (0.5)| , |f 0 (1)|} = min {1.84147, 2.9093} = 1.84147 .
x∈[0.5,1]
Assim sendo concluı́mos que
M2 3.0806 1 1
M= ≈ = 0.836451 ⇒ |1 − 0.5| = 0.5 ≤ ≈ ≈ 1.19553 P.V.
2m1 2 × 1.84147 M 0.836451
Fica assim provado que a aplicação do método de Newton à função dada, no intervalo [0.5, 1], produz
uma sucessão convergente para α, sendo α a raiz da equação f (x) = 0 no intervalo especificado.
c) Para começarmos a iterar o método de Newton deveremos escolher a primeira aproximação para
o valor da raiz α. Sabemos já, pela alı́nea anterior que escolhendo qualquer valor x0 no intervalo [0.5, 1]
a sucessão gerada pelo método de Newton será então uma sucessão convergente para α. No entanto,
a nı́vel de cálculo devemos escolher o valor de x0 através do seguinte critério: x0 é um ponto onde
f (x0 ) × f 00 (x0 ) > 0, i.e., a função e a segunda derivada possuem o mesmo sinal no ponto que se escolhe
para x0 . Perante este critério temos que


 f (0.5) < 0 ∧ f (1) > 0
⇒ x0 = 1 .

 f 00 (x) > 0, ∀x ∈ [0.5, 1]
Aplicando agora a fórmula iteradora do método de Newton,
f (xn )
xn+1 = xn − ,
f 0 (x)
e tomando como aproximação para o erro que se comete em xn a quantidade |xn+1 − xn |, então, vamos
iterar o método de Newton até que |e (xn )| ≈ |xn+1 − xn | ≤ 10−4 .
Para observarmos todos os cálculos podemos construir a seguinte tabela

2.5. 11/01/2002 - Matemática 43
n xn f (xn ) f 0 (xn ) |xn+1 − xn | ≤ 10−4
0 1 0.708073 2.90930 ≈ 0.24 ≤ 10−4 (F)
1 0.756617 0.0437041 2.51158 ≈ 0.017 ≤ 10−4 (F)
2 0.739216 0.000323722 2.47417 ≈ 0.0001 ≤ 10−4 (F)
3 0.739085 0.186997×10−7 2.47388 ≈ 0.8×10−8 ≤ 10−4 (V)
4 0.739085
J.
(4,0) 3. Sejam dados    

0.312 0.112 0.960
A=  e b= .
0.112 0.201 0.827
a) Obtenha a decomposição de Cholesky da matriz A;
b) Calcule uma aproximação para a solução do sistema Ax = b, utilizando a decomposição da

matriz A obtida na alı́nea anterior;
c) Utilize o método do resı́duo (refinamento iterativo) para obter uma aproximação para a solução.
Tome como critério de paragem a condição krk1 ≤ 3 × 10−3 .
Solução 2.5.3. Não será, neste caso, necessário averiguar se a matriz é simétrica (obviamente que o
é) e definida positiva, pois é-nos exigido que calculemos a decomposição de Cholesky. Sabendo então que
a decomposição de Cholesky nos fornece uma factorização triangular da matriz A, com A = LLT , onde
L é uma matriz triangular inferior com elementos diagonais positivos (não obrigatoriamente iguais a 1,
como na decomposição LU , pelo que convém não misturar as duas decomposições), tomemos então L
uma matriz triangular inferior genérica,

      
 0.312 0.112  T  `11 0   `11 `21   `211 `21 `11 
A=  = LL =   = 
0.112 0.201 `21 `22 0 `22 `21 `11 `221 + `222
donde resulta um sistema de três equações a três incógnitas, o qual se resolve por substituição descen-
dente e, como todos os dados são apresentados com três algarismos significativos, se deve resolver numa
aritmética finita de três algarismos significativos. Assim sendo,

  √

 `211 = 0.312 
 `11 = 0.312 = 0.559

 

 
 `21 `11 = 0.112 ⇒  `21 = 0.112 ÷ 0.559 = 0.200

 


 `2 + `2 
 ` √
21 22 = 0.201 22 = 0.201 − 0.2002 = 0.401
44 Capı́tulo 2. 2001-2002
Podemos então concluir que a decomposição de Cholesky nos fornece a seguinte decomposição
   
 0.312 0.112  T  0.559 0.00  T
A=  = LL =  L
0.112 0.201 0.200 0.401
b) Vamos agora resolver o sistema utilizando a decomposição de Cholesky calculada na alı́nea anterior.
Ora, 

 1o ) Ly
T
= b
Ax = b ⇔ LL x=b⇔
|{z} 
 2o ) LT x =
=y y
Assim sendo,
     

 y1
 0.559 0.00   y1   0.960  = 1.72
1o ) Ly = b ⇔   =  ⇒ ... ⇒

 y2
0.200 0.401 y2 0.827 = 1.20
e, resolvendo o outro sistema,

     

 x1
o T  0.559 0.200   x1   1.72  = 2.00
2 ) L x=y⇔  =  ⇒ ... ⇒ .

 x2
0.00 0.401 x2 1.20 = 2.99
A solução aproximada que obtivemos foi então

   
x
 1   2.00 
x= = .
x2 2.99
c) A partir da solução obtida na alı́nea anterior vamos aplicar o refinamento iterativo por forma a
obter uma solução aproximada cujo resı́duo verifique a condição krk1 ≤ 3 × 10−3 .
Comecemos então por calcular o resı́duo que está associado a esta solução aproximada, para isso
devemos notar que a multiplicação da matriz pela aproximação obtida,Ax(0) , deve ser feita utilizando
uma aritmética com dupla precisão daquela que estamos a utilizar, assim, denotando por x(0) a solução
aproximada na alı́nea anterior, vamos obter,

    
 0.312 0.112   2.00   0.95888 
b(0) = Ax(0) =   = 
0.112 0.201 2.99 0.82499
pelo que o resı́duo que está associado a x(0) será dado por
     
 0.960   0.95888   0.00112 
r(0) = b − b(0) =  − = .
0.827 0.82499 0.00201
Este último cálculo já é feito, novamente, com a aritmética inicial, neste caso com três algarismos
significativos. Com este vector do resı́duo obtemos
kr(0) k1 = 0.00313 3 × 10−3 .

2.5. 11/01/2002 - Matemática 45
Como não se verifica a condição de paragem teremos de iterar o método do resı́duo para obter (possi-
velmente) uma melhor aproximação para a solução. Assim sendo, a resolução do sistema Ae(0) = r(0)
fornecerá o vector e(0) , que adicionado a x(0) nos dará uma melhor aproximação para a solução. Come-
cemos então por resolver o sistema,



 1o ) Ly = r(0)
Ae(0) = r(0) ⇔ LL T (0)
e } = r(0) ⇔
| {z 
 2o ) LT e(0)
=y = y
Resolvendo então estes dois sistemas vamos obter,

     

 y1
 0.559 0.00 y
 1   0.00112  = 0.00200
1o ) Ly = r(0) ⇔   =
   ⇒ . . . ⇒

 y2
0.200 0.401 y2 0.00201 = 0.00401
e      
(0) 
 e(0)
 0.559 0.200   e1
  0.00200  1 = 0.00
2o ) LT e(0) = y ⇔   =  ⇒ ... ⇒ .
(0) 
 e(0)
0.00 0.401 e2 0.00401 2 = 0.01
A nova aproximação para a solução será então dada por
     
 2.00   0.00   2.00 
x(1) = x(0) + e(0) =  + = 
2.99 0.01 3.00
Verifiquemos agora qual o resı́duo que está associado a esta aproximação, começando por calcular o
vector b(1) = Ax(1) com dupla precisão,

    
 0.312 0.112   2.00   0.960 
b(1) = Ax(1) =   = 
0.112 0.201 3.00 0.827
e finalmente      
 0.960   0.960   0.00 
r(1) = b − b(1) = − = .
0.827 0.827 0.00
Desta forma,
kr(1) k1 = 0.00 ≤ 3 × 10−3 ,
o que significa que a solução aproximada que pretendemos é dada por

   
(1)
 x1   2.00 
x(1) =  = ,
(1)
x2 3.00
sendo esta também a solução exacta do sistema Ax = b.
J.
46 Capı́tulo 2. 2001-2002
x −0.5 0.0 0.5 1.0

f (x) −1.024 −0.5000 0.02360 1.071
a) Construa a tabela das diferenças divididas associada à interpolação inversa, para toda a tabela;
b) Utilizando a tabela anterior e a interpolação parabólica, estime o valor do zero da função;
c) Sabendo que f (x) = arcsen (x) − 0.5, calcule um majorante para o erro cometido.
Solução 2.5.4. a) Por uma questão de precisão nos resultados que se pretendem obter devemos apre-
sentar os cálculos com mais algarismos significativos do que aqueles com que são representados os dados
iniciais, dessa forma, geralmente escrevemos estes com mais um ou com mais dois algarismos signifi-
cativos. Devemos notar ainda que não se resolve o problema com uma aritmética finita, a menos que
tal seja exigido, que não é o caso neste exercı́cio. Após estas explicações construa-se então a tabela das
diferenças divididas associada ao problema da interpolação inversa.
yi = f (xi ) f −1 [.] f −1 [., .] f −1 [., ., .] f −1 [., ., ., .]
y0 = −1.024 x0 = −0.5
| {z }
=a0
|0.954198
{z }
=a1
y1 = −0.5000 x1 = 0.0 0.000695876

| {z }
=a2
0.954927 −0.145430
| {z }
=a3
y2 = 0.02360 x2 = 0.5 −0.303981
0.477373
y3 = 1.071 x3 = 1.0
b) Pretendemos utilizar a tabela das diferenças divididas calculada na alı́nea anterior para obter uma
aproximação para o zero da função utilizando interpolação parabólica. Notemos que,
f (α) = 0 ⇔ f −1 (f (α)) = f −1 (0) ⇔ α = f −1 (0) ≈ p2 (0) .
Assim sendo,
p2 (y) = a0 + a1 (y − y0 ) + a2 (y − y0 ) (y − y1 )
= −0.5 + 0.954198 (y + 1.024) + 0.000695876 (y + 1.024) (y + 0.5000)

2.5. 11/01/2002 - Matemática 47
pelo que a aproximação para o zero da função será calculada apenas pela imagem do polinómio no ponto
zero. Logo,
α = f −1 (0) ≈ p2 (0) = −0.5 + 0.954198 (0 + 1.024) + 0.000695876 (0 + 1.024) (0 + 0.5000)
= −0.5 + 0.954198 × 1.024 + 0.000695876 × 1.024 × 0.5000
≈ 0.477455
c) Pretendemos agora obter um majorante para o erro que se comete ao aproximar o zero da função
pelo valor obtido na alı́nea anterior. Para isso temos a fórmula do erro,
¯ 000 ¯
¯ g (ξ) ¯
¯
|e (p2 (y))| = |g (y) − p2 (y)| = ¯ (y − y0 ) (y − y1 ) (y − y2 )¯¯ ,
3!
com ξ, y ∈ [y0 , y2 ] = [−1.024, 0.02360] e g (y) = f −1 (y). Atendendo a que pretendemos majorar o erro, a
fórmula anterior pode-se escrever então da seguinte forma

max |g 000 (y)|
y∈[y0 ,y2 ] M3
|e (p2 (0))| ≤ |(0 − y0 ) (0 − y1 ) (0 − y2 )| = |(0 − y0 ) (0 − y1 ) (0 − y2 )| .
3! 3!
Para podermos então obter o majorante para o erro falta-nos obter o majorante da terceira derivada da
função inversa de f , a qual designamos anteriormente por g, i.e., g (y) = f −1 (y), no intervalo onde é
efectuada a interpolação polinomial, assim,
f (x) = y = arcsen (x) − 0.5 ⇔ arcsen (x) = y + 0.5 ⇔
⇔ sen (arcsen (x)) = sen (y + 0.5) ⇔
⇔ x = sen (y + 0.5) = g (y) ,
a qual será possı́vel de obter sempre que
π π π π
− ≤ y + 0.5 ≤ ⇔ − − 0.5 ≈ −2.07 ≤ y ≤ − 0.5 ≈ 1.07,
2 2 2 2
o que é o caso. Portanto,
g (y) = sen (y + 0.5) ⇒ g 0 (y) = cos (y + 0.5) ⇒
⇒ g 00 (y) = −sen (y + 0.5) ⇒
⇒ g 000 (y) = −cos (y + 0.5) ⇒
⇒ g (iv) (y) = sen (y + 0.5)
Agora, g (iv) (y) = sen (y + 0.5) = 0 ⇔ y = −0.5 + kπ, com k ∈ Z. Mas, para k = 0,
y = −0.5 ∈ [−1.024, 0.02360] ,

48 Capı́tulo 2. 2001-2002
pelo que
M3 = max {|g 000 (−1.024)| , |g 000 (−0.5)| , |g 000 (0.02360)|} =
= |g 000 (−0.5)| = |−cos (−0.5 + 0.5)| =
= cos (0) = 1 .
Finalmente podemos concluir que
M3 1
|e (p2 (0))| ≤ |(0 − y0 ) (0 − y1 ) (0 − y2 )| = × 1.024 × 0.5 × 0.0236 ≈ 0.002 ≤ 0.005 .
3! 6
J.
(4,0) 5. Prove que, se obtivermos a factorização LU de uma matriz A, A ∈ Rn×n , utilizando a técnica
de pivotação parcial, então
i) Os multiplicadores associados a cada uma das fases da factorização serão todos menores do
que 1 em valor absoluto;
kAk1
ii) ≤ n.
kU k1
Solução 2.5.5. Suponhamos então que se obtém a decomposição LU de uma matriz A ∈ Rn×n utilizando
a técnica de pivotação parcial, então:
i) comecemos por provar que os multiplicadores associados a cada uma das fases da factorização são todos
menores ou iguais a 1, em valor absoluto;
Ora, na primeira fase da factorização LU vamos escolher para pivot o valor que satisfizer a condição
n¯ ¯ o
¯ (1) ¯
max ¯ai1 ¯ , i = 1, 2, . . . , n ,
pelo que no podemos deparar com duas situações:
1o caso) Suponhamos, num primeiro caso que o elemento que se pretende escolher para pivot
se encontra na diagonal principal, i.e.,

n¯ ¯ o ¯ ¯
¯ (1) ¯ ¯ (1) ¯
max ¯ai1 ¯ , i = 1, 2, . . . , n = ¯a11 ¯ ,
neste caso não são efectuadas trocas de linhas e os multiplicadores associados a esta primeira fase
são dados por

¯ ¯
(1)
ai1 ¯ a(1) ¯
¯ i1 ¯
mi1 = (1) , i = 1, 2, . . . , n ⇒ |mi1 | = ¯ (1) ¯ ≤ 1, ∀i = 1, 2, . . . , n .
a11 ¯a ¯
11
2.5. 11/01/2002 - Matemática 49
2o caso) Suponhamos, num segundo caso, que o elemento que verifica a condição especificada
não está na diagonal principal, neste caso, se
¯ ¯ n¯ ¯ o
¯ (1) ¯ ¯ (1) ¯
¯ap1 ¯ = max ¯ai1 ¯ , i = 1, 2, . . . , n ,
com p ∈ {2, 3, . . . , n}, então teremos de proceder à troca das linhas 1 e p. Designando agora por
A(1) a matriz que se obtém após a escolha do pivot, vamos obter os seguintes multiplicadores para
a primeira fase da decomposição

¯ ¯
(1)
ai1 ¯ a(1) ¯
¯ i1 ¯
mi1 = (1) , i = 1, 2, . . . , n ⇒ |mi1 | = ¯ (1) ¯ ≤ 1, ∀i = 1, 2, . . . , n .
a11 ¯a ¯
11
Uma nota importante a fazer neste caso é a de que a decomposição que se obtém no final, no caso
de haver pelo menos uma troca de linhas envolvida, não é a da matriz A, mas sim de uma matriz
P A, onde P é uma matriz de permutação que guarda toda a informação acerca das trocas que foram
efectuadas para obter a decomposição LU .
A análise à primeira fase fica assim concluı́da. No que toca à segunda fase o procedimento é análogo,
para a terceira também, a por assim adiante até á fase n − 1. No entanto, para mostrar de uma
forma mais geral o que se faz, expliquemos os procedimentos quando nos encontramos numa fase
k, 1 ≤ k ≤ n − 1. Nesta fase o pivot que escolheremos deverá verificar a seguinte condição
n¯ ¯ o
¯ (k) ¯
max ¯aik ¯ , i = k, k + 1, . . . , n ,
pelo que se nos podem então apresentar dois esquemas,
1o caso) no primeiro deles, o elemento que queremos escolher para pivot está na diagonal
principal, i.e.,
n¯ ¯ o ¯ ¯
¯ (k) ¯ ¯ (k) ¯
max ¯aik ¯ , i = k, k + 1, . . . , n = ¯akk ¯ ,
o que significa que nesta fase não serão efectuadas quaisquer troca de linhas na matriz A(k) , e como
tal os pivots utilizados nesta fase verificam as seguintes relações

¯ ¯
(k)
aik ¯ a(k) ¯
¯ ik ¯
mik = (k) , i = k + 1, k + 2, . . . , n ⇒ |mik | = ¯ (k) ¯ ≤ 1, ∀i = k + 1, k + 2, . . . , n .
akk ¯a ¯
kk
2o caso) Num segundo esquema vamos supor que o elemento que se pretende escolher para pivot
não está na diagonal principal, i.e.,
n¯ ¯ o ¯ ¯
¯ (k) ¯ ¯ (k) ¯
max ¯aik ¯ , i = k, k + 1, . . . , n = ¯apk ¯ ,
50 Capı́tulo 2. 2001-2002
com k + 1 ≤ p ≤ n. Designando por A(k) a matriz que se obtém de A(k) por troca das linhas p com
k, então
¯ ¯
(k)
aik ¯ a(k) ¯
¯ ik ¯
akk ¯a ¯
kk
O que prova o pretendido.
kAk1
ii) ≤n
kU k1
Provado o resultado anterior este é de prova muito simples vejamos,
kAk1
kAk1 = kP Ak1 = kLU k1 ≤ kLk1 kU k1 ≤ nkU k1 ⇒ ≤ n.
kU k1
Há três notas a fazer neste momento:
- para fazermos tudo isto, obviamente que supusemos desde inı́cio que a matriz A era uma matriz
invertı́vel, isto é, kU k1 6= 0;
- pelas propriedades das normas das matrizes sabemos que kABk ≤ kAk kBk, para todas as
matrizes A ∈ Rn×m e B ∈ Rm×q ;
- e finalmente,
 
 1 0 0 ... 0 
 
 
 m21 1 0 ... 0  ( n )
 
  X
L=
 m31 m32 1 ... 
0  ⇒ kLk1 = max |lij | , j = 1, 2, . . . , n ,
  i=1
 .. .. .. .. .. 
 . . . . . 
 
 
mn1 mn2 mn3 ... 1
ou seja,
kLk1 = max {1 + |m21 | + |m31 | + . . . + |mn1 | , 1 + |m32 | + . . . + |mn2 | , . . .
. . . , 1 + mn,n−1 , 1} ≤ n .
¤
2.6. 11/01/2002 - EI, IG, ESC 51
2.6 11/01/2002 - EI, IG, ESC
EI, ESC e IG

Duraç~

4 2
f (x, y, z) = xy z.
3
Sabendo que
|eR (xa )| ≤ 0.005, |eR (ya )| ≤ 0.005, |eR (za )| ≤ 0.005,
calcule um majorante para o erro relativo absoluto que se comete no cálculo da aproximação
f (xa , ya , za ).
Solução 2.6.1. Recorrendo à fórmula da propagação do erro absoluto vamos obter que
¯ ¯ ¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯ ¯ ∂f ¯
¯
|e (f (xa , ya , za ))| ≤ ¯ ¯ ¯
(xa , ya , za )¯ |e (xa )| + ¯ ¯ ¯
∂x ∂y ∂z
logo, para obtermos o erro relativo em f (xa , ya , za ), basta-nos dividir a expressão anterior por |f (xa , ya , za )|,
desta forma
¯ ¯ ¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯ ¯ ∂f ¯
¯ ¯ ¯
(xa , ya , za )¯ |e (xa )| + ¯ ¯ ¯
|e (f (xa , ya , za ))| ¯ ∂x ∂y ∂z
≤
|f (xa , ya , za )| |f (xa , ya , za )|

¯ ¯ ¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯ ¯ ∂f ¯
¯ (x , y , z ) ¯ ¯ (x , y , z ) ¯ ¯ (xa , ya , za ) ¯
¯ ∂x a a a ¯ ¯ ∂y a a a ¯ ¯ ∂z ¯
|eR (f (xa , ya , za ))| ≤ ¯ ¯ |e (xa )| + ¯¯ ¯ |e (ya )| + ¯
¯ ¯ |e (za )|
¯ f (xa , ya , za ) ¯ ¯ f (xa , y a , z a ) ¯ ¯ f (xa , y a , z a ) ¯
¯ ¯ ¯ ¯ ¯ ¯
Agora temos,
∂f 4 ∂f 8 ∂f 4
(xa , ya , za ) = ya2 za , (xa , ya , za ) = xa ya za , (xa , ya , za ) = xa ya2
∂x 3 ∂y 3 ∂z 3
52 Capı́tulo 2. 2001-2002
e por outro lado

4
f (xa , ya , za ) = xa ya2 za .
3
Atendendo a estes resultados vamos obter

¯ ¯ ¯ ¯ ¯ ¯
¯ 4 2 ¯ ¯8 ¯ ¯ 4 ¯
¯ ya za ¯ ¯ xa ya za ¯ ¯ xa ya2 ¯
¯ 3 ¯ ¯3 ¯ ¯ 3 ¯
|eR (f (xa , ya , za ))| ≤ ¯ ¯ |e (xa )| + ¯ 4 ¯ |e (ya )| + ¯ 4 ¯ |e (za )| ⇔
¯4 ¯ ¯ ¯ ¯ ¯
¯ xa ya2 za ¯ ¯ xa ya2 za ¯ ¯ xa ya2 za ¯
3 3 3
¯ ¯ ¯ ¯ ¯ ¯
¯1¯ ¯2¯ ¯1¯
⇔ |eR (f (xa , ya , za ))| ≤ ¯ ¯ |e (xa )| + ¯ ¯ |e (ya )| + ¯¯ ¯¯ |e (za )|
¯ ¯ ¯ ¯
xa ya za
Mas, como nos são fornecidos os erros relativos absolutos em xa , ya e za ,

¯ ¯ ¯ ¯ ¯ ¯
¯ e (xa ) ¯ ¯ e (ya ) ¯ ¯ e (za ) ¯
¯
|eR (xa )| = ¯ ¯, ¯
|eR (ya )| = ¯ ¯, ¯
|eR (za )| = ¯ ¯,
xa ¯ ya ¯ za ¯
vamos então obter

¯ ¯ ¯ ¯ ¯ ¯
¯ xa ¯ ¯ ¯ ¯ ¯
|eR (f (xa , ya , za ))| ≤ ¯ ¯ |eR (xa )| + ¯ 2ya ¯ |eR (ya )| + ¯ za ¯ |eR (za )| ⇔
¯ xa ¯ ¯ ya ¯ ¯ za ¯
≤ |eR (xa )| + 2 |eR (ya )| + |eR (za )| ⇔
≤ 0.005 + 2 × 0.005 + 0.005 = 0.02
J.
(4,0) 2. Considere a função

f (x) = x2 − cos2 (x) .
a) Mostre que a função tem um único zero no intervalo [0.5, 1];
b) Verifique a aplicabilidade do método de Newton para obter uma aproximação da raiz que se
encontra neste intervalo;
c) Determine uma aproximação da raiz com um erro inferior a 10−4 .
Solução 2.6.2. a) Para provarmos a existência da raiz no intervalo [0.5, 1, ], temos apenas de aplicar
o teorema do valor intermédio. Notando então que f (x) = x2 − cos2 (x) é uma função contı́nua em R,
visto que se trata da soma de duas funções contı́nuas, x2 e cos2 (x) em R, temos


 f (0.5) = 0.25 − cos2 (0.5) ≈ −0.52
⇒ f (0.5) × f (1) < 0 ⇒ ∃α ∈ [0.5, 1] : f (α) = 0.

 f (1) = 1 − cos2 (1) ≈ 0.71
2.6. 11/01/2002 - EI, IG, ESC 53
Quanto à unicidade, temos que estudar o sinal da derivada no intervalo [0.5, 1]. Neste caso temos
f 0 (x) = 2x − 2 cos (x) (− sin (x)) = 2x + sin (2x)
e atendendo a que sin (x) > 0 para todo o x ∈ ]0, π[, temos então que sin (2x) > 0 para todo o x ∈ ]0, π/2[,
logo, como [0.5, 1] ⊂ ]0, π/2[, podemos imediatamente concluir que sin (2x) > 0 para todo o x ∈ [0.5, 1].
É agora fácil concluir que
f 0 (x) > 0, para todo o x ∈ [0.5, 1] ,
o que implica que a função f (x) seja uma função estritamente crescente no intervalo.
Fica assim provada a existência e a unicidade da raiz da equação f (x) = 0 no intervalo [0.5, 1].
b) Para verificarmos a aplicabilidade do método de Newton à função no intervalo dado teremos de
verificar todas as condições do teorema de convergência do método de Newton. Assim sendo, para começar
teremos que salvaguardar que f ∈ C 2 ([0.5, 1]), o que não oferece qualquer dificuldade pois,


 f (x) = x2 − cos2 (x) é uma função contı́nua em R ⊃ [0.5, 1]



2
 f 0 (x) = 2x + sin (2x) é uma função contı́nua em R ⊃ [0.5, 1] ⇒ f ∈ C ([0.5, 1]) .


 00
 f (x) = 2 + 2 cos (2x) é uma função contı́nua em R ⊃ [0.5, 1]
Além desta condição teremos também que provar que a primeira derivada da função não se anula no
interior do intervalo [0.5, 1]. Mas, na alı́nea anterior já verificamos que f 0 (x) > 0, para todo o x ∈ [0.5, 1],
o que implica que f 0 (x) 6= 0, para todo o x ∈ [0.5, 1].
Estas são as duas condições de convergência essenciais para a convergência do método de Newton, no
entanto devemos ter em conta a amplitude do intervalo. Se atendermos à demonstração do teorema da
convergência do método de Newton verificamos que a amplitude do intervalo que estamos a utilizar terá
de verificar a condição
1
|b − a| ≤ ,
M
onde
M2
M= , com M2 = max |f 00 (x)| e m1 = min |f 0 (x)| .
2m1 x∈[0.5,1] x∈[0.5,1]
Agora sabemos que
f 000 (x) = −4 sin (2x) < 0, ∀x ∈ [0.5, 1]
pelo que se pode concluir que f 00 é uma função estritamente decrescente no intervalo que estamos a
utilizar. Assim sendo,
M2 = max |f 00 (x)| = max {|f 00 (0.5)| , |f 00 (1)|} = max {3.0806, 1.16771} = 3.0806 .
x∈[0.5,1]
54 Capı́tulo 2. 2001-2002
Por outro lado temos que,
¡ ¢
f 00 (x) = 2 + 2 cos (2x) = 2 1 + cos2 (x) − sin2 (x) =
¡¡ ¢ ¢
= 2 1 − sin2 (x) + cos2 (x) =
¡ ¢
= 2 cos2 (x) + cos2 (x) = 4 cos2 (x) ≥ 0, ∀x ∈ R
o que significa que a função f 0 é uma função crescente, o que nos permite então concluir que
m1 = min |f 0 (x)| = min {|f 0 (0.5)| , |f 0 (1)|} = min {1.84147, 2.9093} = 1.84147 .
x∈[0.5,1]
Assim sendo concluı́mos que
M2 3.0806 1 1
M= ≈ = 0.836451 ⇒ |1 − 0.5| = 0.5 ≤ ≈ ≈ 1.19553 P.V.
2m1 2 × 1.84147 M 0.836451
Fica assim provado que a aplicação do método de Newton à função dada, no intervalo [0.5, 1], produz
uma sucessão convergente para α, sendo α a raiz da equação f (x) = 0 no intervalo especificado.
c) Para começarmos a iterar o método de Newton deveremos escolher a primeira aproximação para
o valor da raiz α. Sabemos já, pela alı́nea anterior que escolhendo qualquer valor x0 no intervalo [0.5, 1]
a sucessão gerada pelo método de Newton será então uma sucessão convergente para α. No entanto,
a nı́vel de cálculo devemos escolher o valor de x0 através do seguinte critério: x0 é um ponto onde
f (x0 ) × f 00 (x0 ) > 0, i.e., a função e a segunda derivada possuem o mesmo sinal no ponto que se escolhe
para x0 . Perante este critério temos que



 f (0.5) < 0 ∧ f (1) > 0
⇒ x0 = 1 .

 f 00 (x) > 0, ∀x ∈ [0.5, 1]
Aplicando agora a fórmula iteradora do método de Newton,
f (xn )
xn+1 = xn − ,
f 0 (x)
e tomando como aproximação para o erro que se comete em xn a quantidade |xn+1 − xn |, então, vamos
iterar o método de Newton até que |e (xn )| ≈ |xn+1 − xn | ≤ 10−4 .
Para observarmos todos os cálculos podemos construir a seguinte tabela

2.6. 11/01/2002 - EI, IG, ESC 55
n xn f (xn ) f 0 (xn ) |xn+1 − xn |
0 1 0.7080734 2.909297 ≈ 0.24
1 0.7566170 0.04370411 2.511578 ≈ 0.017
J.
(4,0) 3. Determine a recta que melhor representa os pontos
(0, 0.96) , (0.2, 1.18) , (0.4, 1.44) e (0.6, 1.79)
no sentido dos mı́nimos quadrados, usando as equações normais.
Se a recta utilizada para ajustar o conjunto de pontos dado fosse y = 1.32x + 0.326, a norma 2
do resı́duo que obterı́amos para o sistema sobredeterminado associado a este problema seria maior,
seria menor ou seria igual? Justifique a sua resposta.
Solução 2.6.3. O problema que vamos resolver aqui, é um problema de mı́nimos quadrados. Portanto,
comecemos por escrever o sistema sobredeterminado que está associado a este problema.
Perante os dados iniciais, suponha-se a recta y = α + βx. O problema é enunciado como se se trata-
se de um problema possı́vel, assim, a recta que estamos a utilizar é suposto passar por todos os pontos
dados (caso que na grande maioria dos casos é impossı́vel), desta suposição surge-nos o seguinte sistema
sobredeterminado,
Para (x, y) = (0, 0.96) → 0.96 = α + β × 0
Para (x, y) = (0.2, 1.18) → 1.18 = α + β × 0.2
Para (x, y) = (0.4, 1.44) → 1.44 = α + β × 0.4
Para (x, y) = (0.6, 1.79) → 1.79 = α + β × 0.6
como tal, o sistema sobredeterminado é dado por

   
 1 0   
0.96 
   
   
 1 0.2   α   1.18 
  =
  
  
 1 0.4  β  1.44 
   
   
1 0.6 1.79
56 Capı́tulo 2. 2001-2002
É-nos exigida agora a resolução deste problema através da resolução do sistema das equações normais,
cuja forma geral é dada por AT Ax = AT b. Assim sendo, o sistema das equações normais no nosso caso
será dado por    

 1 1 1 1   4 1.2 
AT =  T
⇒A A= ,
0 0.2 0.4 0.6 1.2 0.56
notando que AT A deve ser calculada, pelo menos, em dupla precisão. Por outro lado,
· ¸
AT b = .
Como AT A é uma matriz simétrica definida positiva, devemos resolver o sistema das equações normais
através da decomposição de Cholesky. Assim,

      
 4 1.2   `11 0   `11 0   `211 `12 `11 
AT A =  T
 = LL =   = 
1.2 0.56 `21 `22 `12 `22 `12 `11 `221 + `222
logo 

 √

 `11 = 4=2


1.2
 `21 = = 0.6

 2

 √
 `22 = 0.56 − 0.36 = 0.4
Agora só nos falta resolver o sistema AT Ax = AT b ⇔ LLT x = AT b.
Quanto à segunda parte da questão, o que nós sabemos é que a solução que é obtida pela resolução
do sistema das equações normais é a solução que minimiza o resı́duo do sistema Ax = b na norma
euclidiana, i.e., na norma 2, pelo que a recta y = ...+ ::: x é a que melhor aproxima os pontos tabelados,
ou por outras palavras, o resı́duo do sistema quando utilizada a recta y = 1.32x + 0.326 é maior do que
aquele que está associado à recta cujos coeficientes foram obtidos pela resolução do sistema das equações
normais. Se notarmos as aulas teóricas podemos aı́ encontrar o seguinte teorema: se x é a solução que
se obtém da resolução do sistema das equações normais AT Ax = AT b, então kb − Axk2 ≤ kb − Ayk2 , para
todo o vector y.
J.
(4,0) 4. Seja dada a seguinte tabela de pontos
x 1.1 1.5 1.9 2.3

f (x) 0.909 0.667 0.526 0.435
1
para a função .
x
2.6. 11/01/2002 - EI, IG, ESC 57
a) Construa a tabela das diferenças divididas associada a todos os valores tabelados;
b) Obtenha o polinómio interpolador da função em todos os pontos tabelados. Obtenha uma

aproximação para o valor de f (1.7);
c) Indique um majorante para o erro que se comete na aproximação da alı́nea anterior.
Solução 2.6.4. a) A tabela diferenças divididas que está associada aos valores tabelados da função é a
seguinte:
x y [.] y [., .] y [., ., .] y [., ., ., .]
x0 = 1.1 y0 = 0.909
| {z }
=a0
y [x0 , x1 ] = −0.6050
| {z }
=a1
x1 = 1.5 y1 = 0.667 y [x0 , x1 , x2 ] = |0.3156

{z }
=a2
y [x1 , x2 ] = −0.3525 y [x0 , x1 , x2 , x3 ] = −0.1991

| {z }
=a3
x2 = 1.9 y2 = 0.526 y [x1 , x2 , x3 ] = 0.1563
y [x2 , x3 ] = −0.2275
x3 = 2.3 y3 = 0.435
Esta é então a tabela das diferenças divididas associada aos pontos que foram tabelados para a função
1
y = f (x) = .
x
b) Pretendemos agora calcular o polinómio interpolador que contém toda a informação tabelada acerca
da função. Atendendo ao facto de que foram tabelados 4 pontos, vamos então construir um polinómio
interpolador de grau ≤ 3, e como já temos a tabela das diferenças divididas, vamos então usar a fórmula
de Newton das diferenças divididas. Desta forma, o polinómio interpolador possui a seguinte estrutura
p3 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) (x − x1 ) + a3 (x − x0 ) (x − x1 ) (x − x2 )
e atendendo à alı́nea a),
p3 (x) = 0.909 − 0.6050 (x − 1.1) + 0.3156 (x − 1.1) (x − 1.5) − 0.1991 (x − 1.1) (x − 1.5) (x − 1.9) .
Construı́do o polinómio interpolador, pretendemos através dele obter uma aproximação para o valor
da função f no ponto 1.7, pelo que,
f (1.7) ≈ p3 (1.7) = 0.909 − 0.6050 (1.7 − 1.1) + 0.3156 (1.7 − 1.1) (1.7 − 1.5) −
−0.1991 (1.7 − 1.1) (1.7 − 1.5) (1.7 − 1.9)

58 Capı́tulo 2. 2001-2002
o que, efectuando as contas, fornece
f (1.7) ≈ p3 (1.7) = 0.58865 ≈ 0.5887 .
c) O majorante para o erro da aproximação calculada na alı́nea anterior é dado pela seguinte fórmula
geral,
¯ (iv) ¯
¯ f (ξ) ¯¯
|e (p3 (1.7))| = |f (1.7) − p3 (1.7)| = ¯¯− |(1.7 − x0 ) (1.7 − x1 ) (1.7 − x2 ) (1.7 − x3 )| ,
4! ¯
com ξ ∈ [1.1, 2.3], e como pretendemos majorar o erro vamos então obter
¯ ¯ ¯ ¯
¯ M4 ¯ ¯ ¯
|e (p3 (1.7))| ≤ ¯¯ ¯ |(1.7 − 1.1) (1.7 − 1.5) (1.7 − 1.9) (1.7 − 2.3)| = ¯ M4 ¯ (0.6 × 0.2 × 0.2 × 0.6)
4! ¯ ¯ 4! ¯
fórmula esta que implica o conhecimento do máximo da derivada de quarta ordem da nossa função. Então,
1 1 2 6 24
f (x) = ⇒ f 0 (x) = − 2 ⇒ f 00 (x) = 3 ⇒ f 000 (x) = − 4 ⇒ f (iv) (x) = 4 .
x x x x x
Facilmente se verifica que esta função é uma função estritamente decrescente no intervalo [1.1, 2.3],
sendo além disso um função estritamente positiva no mesmo intervalo, facto que nos permite concluir
que
¯ ¯ 24
¯ (iv) ¯
M4 = max ¯f (x)¯ = f (iv) (1.1) = .
x∈[1.1,2.3] 1.14
No final
24
|e (p3 (1.7))| ≤ × 0.0144 ≈ 0.0098 ≤ 0.05 .
24 × 1.14
J.
(4,0) 5. Prove que, se obtivermos a factorização LU de uma matriz A, A ∈ Rn×n , utilizando a técnica
de pivotação parcial, então
i) Os multiplicadores associados a cada uma das fases da factorização serão todos menores do
que 1 em valor absoluto;
kAk1
ii) ≤ n.
kU k1
Solução 2.6.5. Suponhamos então que se obtém a decomposição LU de uma matriz A ∈ Rn×n utilizando
a técnica de pivotação parcial, então:
i) comecemos por provar que os multiplicadores associados a cada uma das fases da factorização são todos
menores ou iguais a 1, em valor absoluto;

2.6. 11/01/2002 - EI, IG, ESC 59
Ora, na primeira fase da factorização LU vamos escolher para pivot o valor que satisfizer a condição
n¯ ¯ o
¯ (1) ¯
max ¯ai1 ¯ , i = 1, 2, . . . , n ,
pelo que no podemos deparar com duas situações:
1o caso) Suponhamos, num primeiro caso que o elemento que se pretende escolher para pivot
se encontra na diagonal principal, i.e.,

n¯ ¯ o ¯ ¯
¯ (1) ¯ ¯ (1) ¯
max ¯ai1 ¯ , i = 1, 2, . . . , n = ¯a11 ¯ ,
neste caso não são efectuadas trocas de linhas e os multiplicadores associados a esta primeira fase
são dados por

¯ ¯
(1)
ai1 ¯ a(1) ¯
¯ i1 ¯
mi1 = (1) , i = 1, 2, . . . , n ⇒ |mi1 | = ¯ (1) ¯ ≤ 1, ∀i = 1, 2, . . . , n .
a11 ¯a ¯
11
2o caso) Suponhamos, num segundo caso, que o elemento que verifica a condição especificada
não está na diagonal principal, neste caso, se

¯ ¯ n¯ ¯ o
¯ (1) ¯ ¯ (1) ¯
¯ap1 ¯ = max ¯ai1 ¯ , i = 1, 2, . . . , n ,
com p ∈ {2, 3, . . . , n}, então teremos de proceder à troca das linhas 1 e p. Designando agora por
A(1) a matriz que se obtém após a escolha do pivot, vamos obter os seguintes multiplicadores para
a primeira fase da decomposição

¯ ¯
(1)
ai1 ¯ a(1) ¯
¯ i1 ¯
mi1 = (1) , i = 1, 2, . . . , n ⇒ |mi1 | = ¯ (1) ¯ ≤ 1, ∀i = 1, 2, . . . , n .
a11 ¯a ¯
11
Uma nota importante a fazer neste caso é a de que a decomposição que se obtém no final, no caso
de haver pelo menos uma troca de linhas envolvida, não é a da matriz A, mas sim de uma matriz
P A, onde P é uma matriz de permutação que guarda toda a informação acerca das trocas que foram
efectuadas para obter a decomposição LU .
A análise à primeira fase fica assim concluı́da. No que toca à segunda fase o procedimento é análogo,
para a terceira também, a por assim adiante até á fase n − 1. No entanto, para mostrar de uma
forma mais geral o que se faz, expliquemos os procedimentos quando nos encontramos numa fase
k, 1 ≤ k ≤ n − 1. Nesta fase o pivot que escolheremos deverá verificar a seguinte condição

n¯ ¯ o
¯ (k) ¯
max ¯aik ¯ , i = k, k + 1, . . . , n ,
pelo que se nos podem então apresentar dois esquemas,

60 Capı́tulo 2. 2001-2002
1o caso) no primeiro deles, o elemento que queremos escolher para pivot está na diagonal
principal, i.e.,
n¯ ¯ o ¯ ¯
¯ (k) ¯ ¯ (k) ¯
max ¯aik ¯ , i = k, k + 1, . . . , n = ¯akk ¯ ,
o que significa que nesta fase não serão efectuadas quaisquer troca de linhas na matriz A(k) , e como
tal os pivots utilizados nesta fase verificam as seguintes relações

¯ ¯
(k)
aik ¯ a(k) ¯
¯ ik ¯
akk ¯a ¯
kk
2o caso) Num segundo esquema vamos supor que o elemento que se pretende escolher para pivot
não está na diagonal principal, i.e.,
n¯ ¯ o ¯ ¯
¯ (k) ¯ ¯ (k) ¯
max ¯aik ¯ , i = k, k + 1, . . . , n = ¯apk ¯ ,
com k + 1 ≤ p ≤ n. Designando por A(k) a matriz que se obtém de A(k) por troca das linhas p com
k, então
¯ ¯
(k)
aik ¯ a(k) ¯
¯ ik ¯
akk ¯a ¯
kk
O que prova o pretendido.
kAk1
ii) ≤n
kU k1
Provado o resultado anterior este é de prova muito simples vejamos,
kAk1
kAk1 = kP Ak1 = kLU k1 ≤ kLk1 kU k1 ≤ nkU k1 ⇒ ≤ n.
kU k1
Há três notas a fazer neste momento:
- para fazermos tudo isto, obviamente que supusemos desde inı́cio que a matriz A era uma matriz
invertı́vel, isto é, kU k1 6= 0;
- pelas propriedades das normas das matrizes sabemos que kABk ≤ kAk kBk, para todas as
matrizes A ∈ Rn×m e B ∈ Rm×q ;

2.6. 11/01/2002 - EI, IG, ESC 61
- e finalmente,
 
 1 0 0 ... 0 
 
 
 m21 1 0 ... 0  ( n )
 
  X
L=
 m31 m32 1 ... 0  ⇒ kLk1 = max |lij | , j = 1, 2, . . . , n ,
  i=1
 .. .. .. .. .. 
 . . . . . 
 
 
mn1 mn2 mn3 ... 1
ou seja,
kLk1 = max {1 + |m21 | + |m31 | + . . . + |mn1 | , 1 + |m32 | + . . . + |mn2 | , . . . , 1 + mn,n−1 , 1} ≤ n .
¤
62 Capı́tulo 2. 2001-2002
2.7 24/01/2002 - EI, IG, ESC
EI, ESC e IG
Exame de Época de Recurso ao 2h:300

Duraç~
(4,0) 1. Considere-se a seguinte função
f (x, y) = sen (πx + y) .
a) Utilizando xa = 1.412, ya = 0.3333 e π com quatro algarismos significativos, indique um limite

superior para o erro cometido na aproximação f (xa , ya ), sabendo que xa e ya foram obtidos
por arredondamento;
b) Determine um majorante para o erro relativo absoluto que afecta esta aproximação, e com base
nesse resultado diga quantos algarismos significativos pode garantir para o valor aproximado
f (xa , ya ).
(4,0) 2. Considere, no intervalo [0, π], a função f (x) = cos (x + 0.5) .
a) Localize, num intervalo de amplitude igual a 0.5, os pontos onde a recta tangente à curva é
paralela ao eixo das abcissas. Designe por α o menor desses pontos;
b) Partindo do intervalo [1, 3], quantas iterações seriam necessárias para que o método da bissecção
aproximasse α com um erro não superior a 10−2 ;
c) Verifique se é possı́vel aplicar o método de Newton, utilizando o intervalo obtido na alı́nea a),
para aproximar o valor de α.
(4,0) 3. Seja dado o seguinte sistema de equações lineares, Ax = b. Sabendo que x

e é uma aproximação
para a solução exacta x, prove que
kx − x
ek 1 krk
≥ ,
kxk K (A) kbk
onde K (A) = kAk kA−1 k é o número de condição da matriz A e r = b − Ae

x é o resı́duo associado
à aproximação x
e.
2.7. 24/01/2002 - EI, IG, ESC 63
(4,0) 4. Considere a seguinte tabela de valores
xi 0.0 0.3 0.6

f (xi ) 2.72 2.60 2.28
Pretende-se aproximar a função f (x) por um polinómio do segundo grau que passe pelos pontos
tabelados, i.e., p (xi ) = a0 + a1 xi + a2 x2i = f (xi ) , i = 0, 1, 2.
a) Escreva o sistema de equações lineares associado ao problema enunciado;
b) Resolva o sistema obtido na alı́nea anterior da forma mais eficiente, aplicando o método de
eliminação de Gauss com uma aritmética finita de 3 algarismos significativos.
(4,0) 5. Considere a seguinte tabela de valores para uma função f
xi 0.0000 0.5000 1.000

f (xi ) 1.980 0.9500 0.5100
a) Utilizando a fórmula de Newton, obtenha o polinómio interpolador de f que contém todos os

pontos da tabela. Aproxime o valor de f (0.45);
b) Sabendo que
¯ ¯ 3 ³ π ´j
¯ (j) ¯
¯f (x)¯ ≤ , ∀x,
2 2
determine um majorante para o erro que afecta a aproximação calculada na alı́nea anterior.
64 Capı́tulo 2. 2001-2002
2.8 31/01/2002 - Matemática
Matemática
Exame de Época de Recurso ao 2h:300

Duraç~
(4,0) 1. Considere a seguinte função

f (x, y) = 2ex sen (y) .
a) Pretende-se determinar o valor da função f com um erro inferior a 0.01. Sabendo que xa = 1.23
e ya = 2.47, determine um majorante para o erro absoluto de xa e de ya por forma a que tal
aconteça;
b) Supondo que xa = 1.23 e ya = 2.47 foram obtidos por arredondamento, estime o erro máximo
que se pode cometer no cálculo de f (xa , ya ). Com base neste valor, indique o número de
algarismos significativos que pode garantir para o valor aproximado f (xa , ya ).
(4,0) 2. Considere a seguinte equação
2
(x + 2) = ex (2x + 4 − ex ) .
a) Mostre que as soluções da equação anterior e as soluções da equação
x + 2 − ex = 0
são exactamente as mesmas;
b) Separe as raı́zes da equação em intervalos de amplitude não superior a uma unidade;
c) Verifique se é possı́vel aplicar o método de Newton para aproximar o valor da maior raiz,
utilizando o intervalo que escolheu na alı́nea b). Utilizando como critério de paragem
|xk+1 − xk |
|eR (xk )| ≈ ≤ 0.5 × 10−3 , k = 0, 1, 2, . . . ,
|xk+1 |
obtenha uma aproximação para o seu valor.

2.8. 31/01/2002 - Matemática 65
(4,0) 3. Seja dado o sistema de equações lineares Ax = b. Sabendo que x

e é uma aproximação para a
solução exacta x, prove que
kx − x
ek krk
≤ K (A) ,
kxk kbk
onde K (A) = kAk kA−1 k é o número de condição da matriz A e r = b − Ae
x é o resı́duo associado
à aproximação x
e.
(4,0) 4. Considere o seguinte sistema de equações lineares, Ax = b, com

   
9 3 3 0 1
   
   
 3 17 −7 4   −1 
A= 

 e b = 

.

 3 −7 21 2   2 
   
0 4 2 22 1
a) Obtenha a decomposição de Cholesky da matriz A;
b) Resolva o sistema de equações lineares Ax = b, utilizando a decomposição triangular obtida

para a matriz A na alı́nea anterior;
c) Sabendo que
1
kA−1 k∞ ≤  

 

P
4
min |aii | − |aij |
i∈{1,2,3,4} 
 j=1 

j6=i
e supondo que as componentes de b estão afectadas de um erro não superior a 10−2 , determine
um majorante para o erro relativo da solução aproximada obtida na alı́nea anterior, na norma
k.k∞ .
x 0.5 0.75 1.0

f (x) 0.8776 0.7317 0.5403
f 0 (x) −0.4794 — −0.8415
a) Construa o polinómio interpolador que contém toda a informação da tabela;
b) Estime o valor de f 0 (0.6) com a maior precisão possı́vel.

66 Capı́tulo 2. 2001-2002
2.9 13/04/2002 - Matemática
Matemática
Exame de Trabalhador-Estudante ao 2h:300

Duraç~
13 de Abril de 2002
(3,0) 1. O rendimento η de um transformador depende da potência de entrada z, da potência de saı́da

a e da perda de potência b, e pode ser obtido pelas relações:
a a
η= e por η= .
z a+b
Obtiveram-se os seguintes valores, z ≈ 12.3 V , a ≈ 11.8 V e b ≈ 1.2 V . Qual das expressões utilizaria
para determinar η?
(4,0) 2. Separe graficamente e analiticamente as raı́zes da equação
x − 1 − sin (x) = 0.
Utilize o método do ponto fixo, para determinar um valor aproximado da maior das raı́zes, com
três algarismos significativos.
(3,0) 3. Os materiais usados nos condutores eléctricos deformam-se com a temperatura. Assim é impor-
tante conhecer, para cada tipo de material, a sua percentagem de elongação com a temperatura.
Algumas medidas para um condutor concreto originaram os seguintes resultados:
Temperatura (o C) 200 250 300 375 425 475 525 600

% de elongação 11 13 13 15 17 19 20 23
Através do método dos mı́nimos quadrados e usando uma recta como função de aproximação, estime
a percentagem de elongação para uma temperatura de 400 o C. Ao resolver o sistema de equações
lineares, inerente ao método dos mı́nimos quadrados, utilize a factorização de Cholesky.
(4,0) 4. Considere a seguinte matriz  

1 0 a
 
 
A= 0 1 0 .
 
−a 0 1
2.9. 13/04/2002 - Matemática 67
a) Obtenha a decomposição LU da matriz A;
b) Resolva os sistemas Ax = ei , i = 1, 2, 3, com e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1);
c) Calcule as normas k.k∞ e k.k1 da matriz A e da matriz A−1 ;
d) Calcule cond∞ (A) = K∞ (A) e cond1 (A) = K1 (A). Para que valores de a ∈ R o número de
condição da matriz A é maior que 10?
(2,0) 5. Verifique que a fórmula interpoladora de Lagrange relativa aos pares observados (xi , yi ) , i =
0, 1, . . . , n é:
n ·
X ¸
ψi (x) yi
Ln (x) = ,
i=0
ψi (xi )
Q
n
com ψi (x) = (x − xk ) , i = 0, 1, . . . , n.
k=0
k6=i
Solução 2.9.1. Teremos então de provar que o grau do polinómio Ln (x) é inferior ou igual a n e que
Ln (xi ) = yi , i = 0, 1, 2, . . . , n. Comecemos por provar o primeiros destes dois pontos.
Ora,
n ·
X ¸
ψi (x) yi ψ0 (x) ψ1 (x) ψn (x)
Ln (x) = = y0 + y1 + . . . + yn
i=0
ψi (xi ) ψ0 (x0 ) ψ1 (x1 ) ψn (xn )
e, atendendo à definição de ψi (x) , i = 0, 1, 2, . . . , n, temos que

n
Y
ψi (x) = (x − xk ) =
k=0
k6=i
= (x − x0 ) (x − x1 ) . . . (x − xi−1 ) (x − xi+1 ) . . . (x − xn ) , i = 0, 1, . . . , n.
Este facto permite-nos facilmente concluir que grau (ψi (x)) = n, e, pelo facto de ψi (xi ) , i = 0, 1, . . . , n
e yi , i = 0, 1, . . . , n serem constantes, podemos então concluir que,

µ ¶
ψi (x)
grau = n ⇒ grau (Ln (x)) ≤ n .
ψi (xi )
Para concluirmos o segundo ponto, basta notar que

n ·
X ¸
ψi (xi ) yi
Ln (xi ) = =
i=0
ψi (xi )
ψ0 (xi ) ψ1 (xi ) ψi (xi ) ψn (x)
= y0 + y1 + . . . + yi + . . . yn =
ψ0 (x0 ) ψ1 (x1 ) ψi (xi ) ψn (xn )
ψ0 (xi ) ψ1 (xi ) ψn (x)
= y0 + y1 + . . . + 1 × yi + . . . yn
ψ0 (x0 ) ψ1 (x1 ) ψn (xn )
Mas, não será difı́cil concluir que ψi (xk ) = 0, para i 6= k, o que nos permite então concluir de imediato
que,
Ln (xi ) = yi , i = 0, 1, 2, . . . , n .
68 Capı́tulo 2. 2001-2002
∴ Como existe um único polinómio de grau menor ou igual a n que passa pelos pontos (xi , yi ) , i =
0, 1, 2, . . . , n, então Ln (x) será o único polinómio de grau menor ou igual a n que verifica essa propriedade,
i.e., Ln (x) terá a forma do polinómio interpolador de Lagrange de grau menor ou igual a n.
(4,0) 6. Mostre que a equação x3 + 3x + 1 = 0 tem uma única raiz real, a qual pertence ao intervalo
]−1, 0[, e determine um valor aproximado dessa raiz, utilizando um método de interpolação e um
polinómio interpolador de grau 1.
2.10. 13/04/2002 - Eng. Biotecnológica 69
2.10 13/04/2002 - Eng. Biotecnológica
Engenharia Biotecnológica
1o Teste ao 2h:300
Duraç~
13 de Abril de 2002
(2,0) 1. Quais das expressões são aceitáveis? Justifique as suas respostas convenientemente.
a) 4.3216 ± 0.0322;
b) 4.3216 ± 0.03;
c) 4.3 ± 5 × 10−2 ;
d) 4.3216 ± 0.98%;
e) 3.10 ± 5 × 10−2 ;
f) 3.984 ± 5 × 10−3 .
Solução 2.10.1. Analisemos então cada uma das representações e façamos os comentários adequados
sobre as relações entre o erro e a aproximação dada.
a) Não é aceitável, pois o erro está representado com demasiados algarismos significativos, e além
disso a aproximação não está representada de acordo co o erro que se comete. Representação correcta:
4.3 ± 0.03;
b) Não é aceitável, pois como o erro é menor ou igual a 0.03 só poderemos garantir precisão até à
primeira casa decimal. Representação correcta: 4.3 ± 0.03;
c) É aceitável. Neste caso a aproximação está escrita de acordo com o erro que se comete e o erro
não possui mais algarismos significativos do que aqueles de que necessitamos.
d) Não é aceitável, pois

¯ ¯
¯ e (xa ) ¯
¯
0.98 ≥ 100 × |eR (xa )| = 100 × ¯ ¯ = 100 |e (xa )| ⇔ |e (xa )| ≤ 0.0423 ≈ 0.04 .
xa ¯ 4.3216
70 Capı́tulo 2. 2001-2002
O que prova que a aproximação na se adequa ao erro que se comete. Representação correcta: 4.3 ± 0.4;
e) Não é aceitável, visto que 3.10 ± 5 × 10−2 = 3.10 ± 0.05, o que mostra que a aproximação não está
escrita de acordo com o erro que se comete. Representação correcta: 3.1 ± 0.05;
f ) Não é aceitável. A explicação é exactamente a mesma que a da alı́nea anterior. Representação
correcta: 3.98 ± 0.005.
J.
√
(5,0) 2. Seja A = 2π 3 C 2 , onde C ≈ 20 cm é um valor obtido por arredondamento.
a) Admitindo que se obtém um valor aproximado de A com um erro absoluto que não é superior
a 40 cm2 , indique, justificando, um majorante para o erro relativo desse valor aproximado;
√
b) Quais os valores aproximados de π e de 3 que devem ser utilizados, e com que rigor se deve
medir o valor de C, para que se obtenha um valor aproximado de A com um erro absoluto não
superior a 40 cm2 ?
√
Solução 2.10.2. Sabemos então que A = 2π 3 C 2 , com C ≈ 20 cm e, sendo este valor obtido por
arredondamento, |e (Ca )| ≤ 0.5 cm2 .
a) Suponhamos que |e (Aa )| ≤ 40 cm2 . Pretendemos obter um majorante para o erro relativo absoluto
que se comete em Aa . Ora, por definição sabemos que

¯ ¯ ¯ ¯ ¯ ¯
¯ e (Aa ) ¯ ¯ e (Aa ) ¯ ¯ 40 ¯
|eR (Aa )| = ¯¯ ¯ ≈ ¯ ¯ ≤ ¯ ¯,
A ¯ ¯ Aa ¯ ¯ Aa ¯
√ √ 2 √
e como Aa = 2πa 3a Ca2 = 2πa 3a × (40) = 2πa 3a × 1600, para valores aproximados para π e para
√
3 vamos utilizar os valores que a máquina nos dá (não temos qualquer informação acerca das suas
aproximações). Desta forma Aa = 17412.4739 cm2 . Imediatamente,

¯ ¯
¯ 40 ¯
¯
|eR (Aa )| ≤ ¯ ¯ = 0.002297203 ≈ 0.002 .
17412.4739 ¯
b) Esta alı́nea pode ser resolvida de duas forma, ou pelo princı́pio dos erros iguais ou pelo princı́pio
das influências iguais. Devemos ainda notar que, como não nos é dada qualquer informação acerca das
√
aproximações para π e para 3 devem-se utilizar aproximações deficientes para estas constantes por forma
a que os nossos cálculos corrijam, de forma eficiente, a sua precisão. Resolva-se então o problema com
os dois métodos:
• Princı́pio das influências iguais: Neste caso vamos supor que todas as parcelas da soma na
fórmula da propagação do erro influenciam o erro final de forma idêntica, pelo que se obtém:
¯ ³√ ´¯ ¯ ¯
¯ ¯
|e (Aa )| ≤ |e (πa )| |∂π A| + ¯e 3a ¯ ¯∂√3 A¯ + |e (Ca )| |∂C A| (2.10.1)
logo
¯ √ ¯ ¯ ³√ ´¯ ¯ ¯ ¯ √ ¯
¯ ¯ ¯ ¯ ¯ ¯
|e (Aa )| ≤ |e (πa )| ¯2 3a Ca2 ¯ + ¯e 3a ¯ ¯2πa Ca2 ¯ + |e (Ca )| ¯4πa 3a Ca ¯ ≤ 40 cm2
| {z } | {z } | {z }
40 40 40
≤ ≤ ≤
3 3 3
√ √
e utilizando então aproximações deficientes para π e para 3, por exemplo πa = 3.1 e 3a = 1.7
vamos obter que


  40
 ¯ √ ¯ 40 
 |e (πa )| ≤ ¯ √ ¯ ≈ 0.0098 ≥ 0.005

 |e (πa )| ¯2 3a Ca2 ¯ ≤ 
 3 2 3a Ca2 ¯
¯

 3 


 


 


 


 ¯ 
 ¯ ¡√ ¢¯
¡√ ¢¯ ¯ ¯ 40 ¯e 3a ¯ ≤ 40
¯e 3a ¯ ¯2πa Ca2 ¯ ≤ ⇔ ≈ 0.0054 ≥ 0.005 .

 3 
 3 |2πa Ca2 |

 


 


 


 


 ¯ √ ¯ 40 
 40
 |e (Ca )| ¯4πa 3a Ca ¯ ≤ 
 ¯ √ ¯ ≈ 0.03 ≤ 0.05
 |e (Ca )| ≤
3 3 ¯4πa 3a Ca ¯
Desta forma podemos concluir que, para que a aproximação para Aa possua um erro absoluto inferior
√
a 40cm2 é necessário tomar aproximações para π e para 3 com 4 algarismos significativos, e medir
C com 3 algarismos significativos.
• Princı́pio dos erros iguais: Neste caso vamos supor que todos os erros são iguais, e resolvemos
então a inequação resultante da fórmula da propagação do erro e da nossa suposição. Tomemos

¯ ¡√ ¢¯
então θ = |e (πa )| = ¯e 3a ¯ = |e (Ca )|, da fórmula (1) podemos obter
¯ ¯ 40
θ |∂π A| + θ ¯∂√3 A¯ + θ |∂C A| ≤ 40 cm2 ⇔ θ ≤ ¯ ¯
|∂π A| + ∂ 3 A¯ + |∂C A|
¯ √
√
e utilizando novamente as más aproximações para π e para 3 vamos poder concluir que
¯ ¯
|∂π A| + ¯∂√3 A¯ + |∂C A| = 1360 + 2840 + 421.6 = 4261.6,
logo
¯ ³√ ´¯ 40
¯ ¯
θ = |e (πa )| = ¯e 3a ¯ = |e (Ca )| ≤ ≈ 0.0094 ≥ 0.005 .
4261.6
Perante estes resultados podemos dizer que, por este princı́pio, é necessário impor aproximações com
√
4 algarismos significativos para π e para 3 e uma medição de C com 5 algarismos significativos.
Estes resultados servem para verificar que é mais aconselhável, sob o ponto de vista prático, o uso
do princı́pio das influências iguais do que o princı́pio dos erros iguais, uma vez que no primeiro os
erros em cada um dos dados aproximados sofrem a influência da sua grandeza, o que não acontece
no princı́pio dos erros iguais, onde se obtém um majorante igual para todos os erros.
72 Capı́tulo 2. 2001-2002
J.
(3,0) 3. Sabe-se que um determinado fenómeno segue uma lei exponencial, f (λ) = 0.6 eλ .
Em duas experiências obtiveram-se as seguintes observações; na primeira, λ = 3.21, e na segunda,

λ = 3.28.
Obtenha um valor aproximado, em cada uma das experiências, para a função que rege o fenómeno,
e comente os resultados obtidos.
Solução 2.10.3. Devemos notar que no que toca aos dados a distância que os separa é muito pequena,
é igual a 0.07 unidades.
Fazendo os cálculos para a função que rege este fenómeno vamos obter,
f (3.21) = 14.86745173 e f (3.28) = 15.94546362
pelo que notamos que a distância que separa os resultados é de aproximadamente 1.1, ou seja, para
observações praticamente iguais obtivemos resultados algo diferentes, i.e., o nosso problema é um problema
mal condicionado.
J.
(4,0) 4. Explique o que acontece quando se pretende calcular a expressão

1 1
− ,
x+1 x
para valores de x, tais que x À 1. Como ultrapassar este problema?
Solução 2.10.4. Para valores x À 1 o que vai suceder é que
1 1 1 1
≈ ⇒ − ≈ 0,
x+1 x x+1 x
daı́ que a subtracção provoque a perda de algarismos significativos, situação esta que se designa por
cancelamento subtractivo.
Para ultrapassar este fenómeno basta fazer o seguinte
1 1 x x+1 1
− = − =− ,
x+1 x x (x + 1) x (x + 1) x (x + 1)
expressão esta que já não estará afectada de cancelamento subtractivo.
J.

f (x) = ex − 3x − 0.5.
a) Separe em intervalos de amplitude igual a 0.5 os zeros da função f ;
b) Faça três iterações do método da bissecção para aproximar o maior dos zeros da função f e
indique um majorante para o erro absoluto que afecta o valor obtido na terceira iteração;
c) Quantas iterações teremos de efectuar, através do método da bissecção, para que o erro absoluto
seja inferior a 0.5 × 10−3 ;
d) Averigúe sobre a aplicação do método de Newton no intervalo que escolheu para o menor dos
zeros da função f e, escolhendo uma aproximação x0 adequada calcule um valor aproximado
para o zero em questão, por forma a que a estimativa para o erro não seja superior 5 × 10−4 .
Solução 2.10.5. Neste exercı́cio pretende-se empregar algum do estudo que se fez para a resolução das
equações não-lineares, nomeadamente o que está associado aos métodos da bissecção e de Newton.
a) Comecemos então por encontrar intervalos de amplitude não superior a 0.5 que contenham os zeros
da função f .
Utilizando o método gráfico vamos obter
f (x) = 0 ⇔ ex − 3x − 0.5 = 0 ⇔ ex = 3x + 0.5
e efectuando o gráfico destas duas funções, que não nos oferecem quaisquer dificuldades, vamos obter,
20
15
10
-1 1 2 3
vermelho: ex verde: 3x + 0.5
Pelo gráfico podemos localizar duas raı́zes da nossa equação, uma no intervalo [0, 1], digamos α1 , e
outra no intervalo [1, 2], digamos α2 . Provemos que de facto assim é. Para o primeiro intervalo temos


 f (0) = 1 − 0.5 = 0.5 > 0
⇒ ∃ α1 ∈ [0, 1] : f (α1 ) = 0.

 f (1) = e − 3 − 0.5 < 0
74 Capı́tulo 2. 2001-2002
Para provarmos a unicidade desta raiz neste intervalo, basta-nos estudar o sinal da derivada neste
intervalo. Assim,
f 0 (x) = ex − 3 < 0, ∀ x ∈ [0, 1] ,
o que nos permite então concluir que a função f é estritamente decrescente neste intervalo, e como
consequência, existe um único α1 ∈ [0, 1], tal que f (α1 ) = 0.
(T.P.C.- Fazer o mesmo para a outra raiz)
b)Partindo então do intervalo I0 = [1, 2] vamos obter o valor da terceira iteração do método da
bissecção e apresentar um majorante para o erro que se comete. Assim,
k a xk b f (a) f (xk ) f (b) Erro
0 1 1.5 2 −0.78... < 0 −0.51... < 0 0.88... > 0 ≤ 0.5
1 1.5 1.75 2 −0.51... < 0 0.0046... > 0 0.88... > 0 ≤ 0.25
2 1.5 1.625 1.75 −0.51... < 0 −0.29... < 0 0.0046... > 0 ≤ 0.125
Assim, a terceira iteração do método da bissecção fornece-nos x2 = 1.625 para aproximação de α1 e
o erro que cometemos, ao utilizar esta aproximação para a raiz, é inferior a 0.125.
c) Sabemos então que o erro que se comete numa determinada iteração xk , obtida através do método
b−a
da bissecção, partindo do intervalo inicial [a, b], é inferior ou igual à quantidade k+1 . Assim sendo,
2
µ ¶
b−a −3 k+1 b−a ¡ k+1 ¢ b−a
|e (xk )| ≤ k+1 < 0.5 × 10 ⇔ 2 > ⇔ ln 2 > ln ,
2 0.5 × 10−3 0.5 × 10−3
donde se pode concluir que

µ ¶ µ ¶
b−a 2−1
ln ln
0.5 × 10−3 0.5 × 10−3
k+1> ⇔ k > −1 + ≈ 9.97 ⇒ k ≤ 10.
ln (2) ln (2)
Atendendo a que esta fórmula pressupõe que se comece com x0 , precisamos então de efectuar 11 iterações
pelo método da bissecção para que o erro que se comete na aproximação obtida, valor da iteração, seja
inferior a 0.5 × 10−3 .
d) Comecemos por verificar se é possı́vel garantir a convergência do método de Newton para a apro-
ximação do zero da função f no intervalo [0, 1].
O teorema da convergência e do erro do método de Newton diz-nos o seguinte:
Teorema 2.10.1 (Convergência e Erro). Seja [a, b] uma vizinhança suficientemente pequena da raiz
da função f , digamos x∗ . Se f ∈ C 2 ([a, b]) e se f 0 (x) 6= 0, ∀x ∈ [a, b], então, qualquer que seja o
ponto x0 escolhido para aproximar a raiz, com x0 ∈ [a, b], podemos garantir a convergência do método de
Newton, verificando-se que
M2 2
|e (xk+1 )| ≤ |e (xk )| , k = 0, 1, 2, 3, . . . ,
2 m1
com M2 = max |f 00 (x)| e m1 = min |f 0 (x)|.

x∈[a,b] x∈[a,b]
Assim, verifiquemos se todas as hipóteses deste teorema são válidas para a função dada no intervalo
em causa.
Ora, f (x) = ex − 3x − 0.5 é obviamente uma função contı́nua em R, pelo que também o será em
qualquer sub-intervalo de R, inclusive, [0, 1]. Quanto à derivada de primeira ordem, f 0 (x) = ex − 3, que
como se sabe é uma função contı́nua em R ⊃ [0, 1]. E, finalmente, a segunda derivada, f 00 (x) = ex , é
função exponencial, que é sabido ser uma função contı́nua em R ⊃ [0, 1]. Assim, f ∈ C 2 ([0, 1]).
Quanto aos zeros da derivada temos
f 0 (x) = 0 ⇔ ex − 3 = 0 ⇔ ex = 3 ⇔ x = ln (3) ≈ 1.1 ∈

/ [0, 1] .
Para terminar este aspecto da convergência, resta verificar a questão da amplitude do intervalo inicial;
o intervalo é considerado uma vizinhança suficientemente pequena na raiz se se verificar a condição
1 2 m1
(b − a) < = ,
M M2
onde M2 e m1 são as constantes definidas no teorema da convergência e do erro. Desta forma, como
f 00 (x) = ex > 0, ∀ x ∈ R, então f 0 (x) será uma função estritamente crescente em R. Logo
© ¯ ¯ª
m1 = min {|f 0 (x)| : x ∈ [0, 1]} = min {|f 0 (0)| , |f 0 (1)|} = min |−2| , ¯e1 − 3¯ =
¯ 1 ¯
= ¯e − 3¯ ≈ 0.282 .
Por outro lado, f (k) (x) = ex , k = 2, 3, 4, . . ., pelo que toda a função derivada de ordem superior ou
igual a 2 é uma função estritamente crescente e estritamente positiva, logo,
M2 = max {|f 00 (x)| : x ∈ [0, 1]} = max {|ex | : x ∈ [0, 1]} = e1 ≈ 2.72 .
Obtemos assim que
1 2 m1 2 × 0.282
(b − a) = (1 − 0) = 1 < = ≈ ≈ 0.21 P.F..
M M2 2.72
Como a amplitude do intervalo não verifica a condição desejada, convém que antes de começarmos a
iterar se ”refine”o intervalo inicial até que se obtenha um intervalo onde se verifique a condição
2 m1
amplitude < .
M2
76 Capı́tulo 2. 2001-2002
Para procedermos a essa refinação podemos recorrer, por exemplo, ao método da bissecção, pois sabemos
que f (0) = 0.5 > 0, f (0.5) = −0.35... < 0 e f (1) = −0.78... < 0, de onde podemos concluir que o
zero da função pertence ao intervalo [0, 0.5] ⊂ [0, 1]. Como este é um sub-intervalo do intervalo inicial,
e como todas as condições anteriormente verificadas para o intervalo inicial continuarão a ser válidas
para qualquer seu sub-intervalo, então as mesmas condições serão válidas para este que agora indicamos.
Neste intervalo vamos obter,
© ¯ ¯ª
m1 = min {|f 0 (x)| : x ∈ [0, 0.5]} = min {|f 0 (0)| , |f 0 (0.5)|} = min |−2| , ¯e0.5 − 3¯ =
¯ ¯
= ¯e0.5 − 3¯ ≈ 1.35,
M2 = max {|f 00 (x)| : x ∈ [0, 0.5]} = max {|ex | : x ∈ [0, 0.5]} = e0.5 ≈ 1.65 .
Obtemos assim que
1 2 m1 2 × 1.35
(b − a) = (1 − 0) = 1 < = ≈ ≈ 1.64 P.V.
M M2 1.65
Ou seja, a amplitude do intervalo [0, 0.5] já verifica a condição da amplitude, pelo que nos resta escolher
o valor de x0 e começar a iterar, sabendo ainda que, pelo teorema da convergência e do erro, qualquer
que seja o valor escolhido para x0 no intervalo [0, 0.5] a convergência do método de Newton é garantida.
No entanto, escolheremos o valor de x0 através da regra f 00 (x0 ) × f (x0 ) > 0, visto que tal nos permite
ter um maior controlo sobre os valores iterativos. Assim, f 00 (x) > 0, ∀ x ∈ R e f (0) = 0.5 > 0, logo
x0 = 0, e os valores nas respectivas iterações serão,
k xk f (xk ) f 0 (xk ) |e (xk )| ≈ |xk+1 − xk |
0 0 0.5 −2 ≈ 0.25 < 0.5 × 10−3 F.
1 0.25 0.3402541668 × 10−1 −1.715974583 ≈ 0.02 < 0.5 × 10−3 F.
2 0.2698286251 0.2540997 × 10−3 −1.690260025 ≈ 0.0002 < 0.5 × 10−3 V.
3 0.2699789568 0.1477 × 10−7 −1.690063115 ≈ 0.89 × 10−8 < 0.5 × 10−3
4 0.2699789657
Assim sendo, a aproximação que pretendemos é x2 = 0.2698286251 ≈ 0.270.
J.
2.11. 13/04/2002 - EA, EB, EI, ESC, IE, IG 77
2.11 13/04/2002 - EA, EB, EI, ESC, IE, IG
EA, EB, ESC, IE, IG

Duraç~
13 de Abril de 2002

a a
η= e por η= .
z a+b
Obtiveram-se os seguintes valores, z ≈ 12.3 V , a ≈ 11.8 V e b ≈ 1.2 V . Qual das expressões utilizaria
para determinar η?
Solução 2.11.1. Pelo que é dito temos que
|e (aa )| ≤ 0.05 |e (ba )| ≤ 0.05 |e (za )| ≤ 0.05,
com
aa = 11.8 V ba = 1.2 V za = 12.3 V.
Ora, como nos são dadas duas fórmulas, o que teremos de verificar é qual delas propaga mais o erro,
assim sendo, para a primeira delas obtemos

¯ ¯ ¯ ¯
¯1¯ ¯ aa ¯
|e (ηa )| ≤ |e (aa )| |∂a η| + |e (za )| |∂z η| ≤ 0.05 × ¯ ¯ + 0.05 × ¯− 2 ¯¯ ≈ 0.008 .
¯ ¯ ¯
za z a
No que toca à segunda, o resultado que se obtém será o seguinte

¯ ¯ ¯ ¯
¯ aa ¯ ¯ aa ¯¯
¯ ¯ ¯
|e (ηa )| ≤ |e (aa )| |∂a η| + |e (ba )| |∂b η| ≤ 0.05 × ¯ ¯ + 0.05 × ¯− ≈ 0.6 .
¯ (aa + ba )2 ¯ aa + ba ¯
∴ Perante estes resultados, não existe qualquer dúvida de que se tivermos de fazer o cálculo de η, esse
cálculo deverá ser feito através da primeira expressão, pois é ela que nos permite obter um resultado com
menos erro, i.e., mais preciso.

78 Capı́tulo 2. 2001-2002
J.
(4,0) 2. Separe graficamente e analiticamente as raı́zes da equação
x − 1 − sin (x) = 0.
Utilize o método de Newton, para determinar um valor aproximado da maior das raı́zes, com três
Solução 2.11.2. (TPC)
(3,0) 3. Os materiais usados nos condutores eléctricos deformam-se com a temperatura. Assim é impor-
tante conhecer, para cada tipo de material, a sua percentagem de elongação com a temperatura.
Algumas medidas para um condutor concreto originaram os seguintes resultados:
Temperatura (o C) 200 250 300 375 425 475 525 600

% de elongação 11 13 13 15 17 19 20 23
Através do método dos mı́nimos quadrados e usando uma recta como função de aproximação, estime
a percentagem de elongação para uma temperatura de 400 o C. Ao resolver o sistema de equações
lineares, inerente ao método dos mı́nimos quadrados, utilize a factorização de Cholesky.
(4,0) 4. Considere a seguinte matriz  

1 0 a
 
 
A= 0 1 0 .
 
−a 0 1
a) Obtenha a decomposição LU da matriz A;
b) Resolva os sistemas Ax = ei , i = 1, 2, 3, com e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1);
c) Calcule as normas k.k∞ e k.k1 da matriz A e da matriz A−1 ;
d) Calcule cond∞ (A) = K∞ (A) e cond1 (A) = K1 (A). Para que valores de a ∈ R o número de
condição da matriz A é maior que 10?
Solução 2.11.4. Na alı́nea b) devemos notar que a resolução dos 3 sistemas nos dará a informação
acerca da composição da matriz inversa de A.
a) Comecemos então por obter a decomposição LU da matriz A.

   
−−−−−−−−−−−−−−−→
1 0 a 1 0 a
  L ←L −m L  
  3 3 31 1  
A=
 0 1 0 
 a
 0 1
 0 =U

  m31 = 31 = −a  
−a 0 1 a11 0 0 1 + a2
2.11. 13/04/2002 - EA, EB, EI, ESC, IE, IG 79
e  
1 0 0
 
 
L=
 0 1 0 

 
−a 0 1
b) Pretendemos então resolver três sistemas de equações lineares, Ax = ei , i = 1, 2, 3. Pelo que
vamos obter a matriz inversa de A através da resolução destes três sistemas.
Comecemos por resolver primeiro deles,

     
1 0 a x1 1 
 Ly = e1
     

     
Ax = e1 ⇔ 
 0 1 0   x2 
   
 =  0  ⇔ L|{z}
U x = e1 ⇔
     

y 

−a 0 1 x3 0  Ux = y
A metodologia usada para resolver os sistemas Ax = e2 e Ax = e3 será a mesma.
Agora, a resolução do sistema Ax = e1 é equivalente á resolução de dois sistemas triangulares (um
inferior,Ly = e1 e outro superior, U x = y), cuja resolução é a seguinte:
    
1 0 0 
 y1
y1 1 = 1
     

     
Ly = e1 ⇔ 
 0 1 0     
  y2  =  0  ⇔  y2 = 0
     



−a 0 1 y3 0 y3 = a
Quanto ao segundo sistema, U x = y, que nos dará a solução do sistema Ax = e1 , a sua resolução
será a seguinte:
    

 1
1 0 a x1 1 
 x1 =
     
 1 + a2
    
Ux = y ⇔ 
 0 1 0 
 x2   
 =  0  ⇔  x2 = 0
     


 a
0 0 1 + a2 x3 a  x3 =
1 + a2
Utilizando a mesma técnica para o sistema Ax = e2 vamos obter,
    
1 0 0 
 y1y1 0 = 0
     

     
Ly = e2 ⇔ 
 0 1 0     
  y2  =  1  ⇔  y2 = 1
     


 y
−a 0 1 y3 0 3 = 0
E quanto ao sistema, U x = y, que nos dará a solução do sistema Ax = e2 ,

     
1 0 a x1 
 x1 0 = 0
     

     
Ux = y ⇔ 
 0 1 0  x  =  1  ⇔

 2   
     x2

= 1


0 0 1 + a2 x3 0  x = 0
3
80 Capı́tulo 2. 2001-2002
Finalmente, para Ax = e3 ,
    
1 0 0 y1 
 y1 0 = 0
     

     
Ly = e3 ⇔ 
 0 1 0     
  y2  =  0  ⇔  y2 = 0
     


 y
−a 0 1 y3 1 3 = 1
E a solução do sistema Ax = e3 será dada pela resolução de U x = y, que é a seguinte:

     

 a
1 0 a x 0 
 x1 = −
  1    
 1 + a2
    
Ux = y ⇔   0 1 0  x  =  0  ⇔
 2    x2 = 0
     


 1
0 0 1 + a2 x3 1 
 x3 =
1 + a2
Assim sendo, a matriz inversa da matriz A é dada por
 
1/(1 + a2 ) 0 −a/(1 + a2 )
 
 
A−1
=
 0 1 0 .

 
a/(1 + a2 ) 0 1/(1 + a2 )
c) Vamos agora calcular as normas k.k∞ e k.k1 para as matrizes A e A−1 .
Para a matriz A temos:
kAk∞ = max {1 + |a| , 1, |−a| + 1} = 1 + |a|
e por outro lado
kAk1 = max {1 + |−a| , 1, |a| + 1} = 1 + |a| .
Para a matriz A−1 vamos obter:


½¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯¾ 
 1 ⇐ |a| ≥ 1
¯ 1 ¯ ¯ ¯ ¯ ¯ ¯ ¯
kA−1 k∞ = max ¯¯ ¯ + ¯− a ¯ , 1, ¯ 1 ¯ + ¯ a ¯ =
1 + a2 ¯ ¯ 1 + a2 ¯ ¯ 1 + a2 ¯ ¯ 1 + a2 ¯
 1 + |a|

⇐ |a| ≤ 1
1 + a2
e por outro lado

½¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯¾ 
 1 ⇐ |a| ≥ 1
¯ 1 ¯ ¯ a ¯ ¯ ¯ ¯ ¯
kA−1 k1 = max ¯¯ ¯+¯ ¯ , 1, ¯− a ¯ + ¯ 1 ¯ =
1 + a2 ¯ ¯ 1 + a2 ¯ ¯ 1 + a2 ¯ ¯ 1 + a2 ¯
 1 + |a|

⇐ |a| ≤ 1
1 + a2
d) Facilmente notamos que K∞ (A) = K1 (A), logo, como K (A) = kAk kA−1 k, temos




 1 + |a| ⇐ |a| ≥ 1


K∞ (A) = K1 (A) =



 1 + |a|

 (1 + |a|) ⇐ |a| ≤ 1
1 + a2
2.11. 13/04/2002 - EA, EB, EI, ESC, IE, IG 81
Verifiquemos agora quais os valores de a que tornam o número de condição da matriz maior do que
10. Comecemos pelo caso em que |a| ≤ 1. Neste caso obtemos que
2
1 + |a| (1 + |a|) 1 + a2 + 2 |a| 2 |a|
K1 (A) = K∞ (A) = (1 + |a|) 2
= 2
= =1+ .
1+a 1+a 1 + a2 1 + a2
Se notarmos que
2 2a
(1 + a) ≥ 0 ⇔ 1 + a2 + 2a ≥ 0 ⇔ 1 + a2 ≥ −2a ⇔ 1 ≥ − , ∀a ∈ R
1 + a2
então podemos dizer que

2 |a|
≤ 1, ∀a ∈ R
1 + a2
donde podemos então concluir que, no caso de |a| ≤ 1,
K1 (A) = K∞ (A) ≤ 2,
pelo que o número de condição da matriz neste caso nunca será superior a 10.
No caso de termos |a| ≥ 1, obtemos
K∞ (A) = K1 (A) = 1 × (1 + |a|) = 1 + |a| .
Resolvendo agora a inequação K (A) ≥ 10 vamos obter,
1 + |a| ≥ 10 ⇔ |a| ≥ 9 ⇔ a ≤ −9 ∧ a ≥ 9.
∴ O conjunto dos valores de a que tornam o número de condição maior ou igual a 10 é o conjunto
]−∞, −9] ∪ [9, ∞[.
J.
(2,0) 5. Seja f uma função de classe C 2 em [x0 , x1 ]. Seja p1 o polinómio de grau ≤ 1, tal que p1 (x0 ) =
f (x0 ) e p1 (x1 ) = f (x1 ). Determine um número real a > 0, tão pequeno quanto possı́vel por forma
a que
a × max |f 00 (η)|
η∈[x0 ,x1 ]
seja majorante do erro absoluto que se comete ao utilizar p1 (x) como valor aproximado de f (x)
para x ∈ ]x0 , x1 [.
Solução 2.11.5. Sabemos então que o erro verifica a seguinte relação:

¯ ¯
¯ (x − x0 ) (x − x1 ) 00 ¯
¯
∃ξ ∈ [x0 , x1 ] : |e (p1 (x))| = ¯ f (ξ)¯¯ , ∀ x ∈ [x0 , x1 ] .
2!
82 Capı́tulo 2. 2001-2002
E procedendo à majoração, não será difı́cil de concluir que se obtém o seguinte resultado:
¯ ¯
¯ (x − x0 ) (x − x1 ) ¯
|e (p1 (x))| ≤ ¯¯ ¯ max |f 00 (η)| ,
¯ η∈[x0 ,x1 ] ∀ x ∈ [x0 , x1 ] .
2!
O que se verifica então, relativamente ao enunciado do exercı́cio, é que o valor de a corresponderá à
majoração de
¯ ¯
¯ (x − x0 ) (x − x1 ) ¯
¯ ¯
¯ 2! ¯
no intervalo de interpolação. Assim sendo, calculemos então esse majorante.
Tomemos
¯ ¯
¯ (x − x0 ) (x − x1 ) ¯
¯
f (x) = ¯ ¯
2! ¯
e analisemos o que se passa com esta função no intervalo [x0 , x1 ]. Não será difı́cil notar que f não é mais
do que o módulo de um polinómio do segundo grau com raı́zes em x0 e em x1 , além disso, o argumento
do módulo
(x − x0 ) (x − x1 ) x2 − x x0 − x x1 + x0 x1
g (x) = =
2! 2
é um polinómio do segundo grau com a concavidade voltada para cima e nulo no intervalo em que estamos
a efectuar o nosso estudo, pelo que podemos concluir que
x2 − x x0 − x x1 + x0 x1
f (x) = − , ∀ x ∈ [x0 , x1 ] = I.
2
Agora, para estudarmos o máximo desta função no intervalo I, basta calcular os zeros da derivada, logo
2x − x0 − x1 x0 + x1
f 0 (x) = − =0⇔x= ,
2 2
e por conseguinte, este será o ponto que maximizará a nossa função no intervalo I. De facto, f 00 (x) =
−2 < 0, ∀ x ∈ [x0 , x1 ], o que prova que a nossa função possui um máximo no intervalo I, estando a
concavidade da função voltada para baixo em todo este intervalo. Como implicação directa deste estudo,
podemos garantir que o valor máximo que a função atinge neste intervalo é então atingido no ponto que
2.11. 13/04/2002 - EA, EB, EI, ESC, IE, IG 83
anula a derivada ou seja,

µ ¶ · 2 ¸
x0 + x1 x − x x0 − x x1 + x0 x1
f = − x0 + x1 =
2 2 x=
2
µ ¶2
x0 + x1 x0 + x1 x0 + x1
− x0 − x1 + x0 x1
2 2 2
= − =
µ 2 ¶ 2
x0 + x21 + 2x0 x1 x2 + x0 x1 x1 x0 + x21
− 0 − + x0 x1
4 2 2
= − =
µ 2 ¶ 2
x0 + x21 + 2x0 x1 −x20 − x0 x1 − x1 x0 − x21 2x0 x1
+ +
4 2 2
= − =
2
x2 + x21 + 2x0 x1 − 2x20 − 2x0 x1 − 2x1 x0 − 2x21 + 4x0 x1
= − 0 =
8
2 2
x0 + x1 − 2x0 x1
= =
8
2
(x1 − x0 )
= =a
8
Podemos então concluir que

2
(x1 − x0 )
|e (p1 (x))| ≤ max |f 00 (η)| , ∀ x ∈ [x0 , x1 ] .
8 η∈[x0 ,x1 ]
J.
(4,0) 6. Mostre que a equação x2 − 0.4343 ln (x) − 1.5 = 0 tem uma única raiz real no intervalo ]1, 2[.
Determine um valor aproximado dessa raiz, utilizando um método de interpolação e um polinómio
interpolador de grau 1.

84 Capı́tulo 2. 2001-2002
2.12 15/04/2002 - Eng. do Ambiente
Engenharia do Ambiente
1o Teste ao 2h:300
Duraç~
15 de Abril de 2002
(5,0) 1. Uma corrente eléctrica atravessa uma resistência de 20 Ω, a qual foi medida com um erro relativo
que não excede 0.1.
a) Sabendo que I = 3.00 ± 0.01 A, determine o erro relativo absoluto da tensão da corrente
V = R × I. Quantos algarismos significativos garante para Va ?
b) Determine o erro máximo admissı́vel para R e para I por forma a que V seja calculado com 2
Solução 2.12.1. .
a) Sabemos pela fórmula da propagação directa do erro que
|e (Va )| ≤ |e (Ra )| |∂R V | + |e (Ia )| |∂I V | = |e (Ra )| |Ia | + |e (Ia )| |Ra | .
Agora sabemos que

¯ ¯
¯ e (Ra ) ¯
|eR (Ra )| ≤ 0.1 ⇔ ¯¯ ¯ ≤ 0.1 ⇔ |e (Ra )| ≤ 0.1 × |Ra | = 2 Ω.
Ra ¯
Podemos assim concluir que
|e (Va )| ≤ 2 × 3.00 + 0.01 × 20 = 6 + 0.2 = 6.2,
pelo que para obter o erro relativo basta-nos dividir agora este majorante por Va . Desta forma,
6.2 6.2
|eR (Va )| ≤ = ≈ 0.103 ≤ 0.5 × 100 ,
Va 60
pelo que não podemos garantir qualquer algarismo significativo através deste majorante.
2.12. 15/04/2002 - Eng. do Ambiente 85
b) Pretendemos agora resolver um problema de propagação inversa, pois pretendemos saber quais os
máximos de erro que podemos cometer em Ra e em Ia , por forma a que o valor aproximado para a tensão
tenha dois algarismos significativos. Assim sendo, utilizando o princı́pio das influências iguais temos:


 0.5

 |e (Ra )| |∂R V | ≤

 2
|e (Va )| ≤ |e (Ra )| |∂R V | + |e (Ia )| |∂I V | ≤ 0.5 ⇔



 0.5

 |e (Ia )| |∂I V | ≤
2
logo

 0.5 0.5

 |e (Ra )| ≤ = ≈ 0.083 ≥ 0.05

 2 × |Ia | 2 × 3.00




 0.5 0.5

 |e (Ia )| ≤ = = 0.0125 ≤ 0.05
2 × |Ra | 2 × 20
Perante estes resultados chegamos à conclusão de que, para obtermos o valor aproximado Va com dois al-
garismos significativos basta impor que Ra possua 4 algarismos significativos, e que Ia possua 2 algarismos
significativos.
Utilizando o princı́pio dos erros iguais obterı́amos,
|e (Va )| ≤ |e (Ra )| |∂R V | + |e (Ia )| |∂I V | ≤ 0.5 ⇔ θ |Ia | + θ |Ra | ≤ 0.5
com θ = |e (Ra )| = |e (Ia )|, logo
0.5 0.5
θ≤ = ≈ 0.022 ≤ 0.05 .
|Ia | + |Ra | 3.00 + 20
Pelo que podemos concluir que neste caso basta impor que Ra possua 3 algarismos significativos, e que Ia
possua 2 algarismos significativos.
J.
(3,0) 2. Sejam dadas, a função

f (x) = x2 sin (ln (x)) ,
e a aproximação xa = 1.1, obtida por arredondamento. Calcule o número de condição da função no

ponto xa e comente sobre a influência deste resultado na precisão do valor da função que se obtém
em xa .
Solução 2.12.2. Sabemos então que o número de condição de uma função é dado por
¯ ¯
¯ x × f 0 (x) ¯
¯
cond (f (x)) = ¯ ¯,
f (x) ¯
86 Capı́tulo 2. 2001-2002
logo,
¯ ¯
¯ xa × f 0 (xa ) ¯
¯
cond (f (xa )) = ¯ ¯.
f (xa ) ¯
Comecemos então por calcular a derivada da função f .
1
f 0 (x) = 2x sin (ln (x)) + x2 cos (ln (x)) = 2x sin (ln (x)) + x cos (ln (x)) ,
x
logo
x × f 0 (x) = 2x2 sin (ln (x)) + x2 cos (ln (x)) ,
e por outro lado

x × f 0 (x) 2x2 sin (ln (x)) + x2 cos (ln (x)) cos (ln (x))
= =2+ .
f (x) x2 sin (ln (x)) sin (ln (x))
Finalmente,
¯ ¯
¯ xa × f 0 (xa ) ¯
cond (f (xa )) = ¯¯ ¯ = 2 + cos (ln (xa )) = 2 + cos (ln (1.1)) ≈ 12.46.
f (xa ) ¯ sin (ln (xa )) sin (ln (1.1))
Para comentarmos a influência deste resultado na precisão do valor de f em xa , basta notar que
|eR (f (xa ))| ≤ cond f (xa ) × |eR (xa )| .
Pois, sendo o número de condição da função (pouco) maior que 10 no ponto em questão é então imediato
que o resultado da função no ponto xa perderá pelo menos um algarismo significativo relativamente à
precisão do dado inicial xa .
J.
(4,0) 3. Determine, utilizando uma aritmética de 3 algarismos significativos, as aproximações para as

raı́zes da equação
x2 − 2.02x + 0.02 = 0.
Solução 2.12.3. Utilizando a fórmula resolvente vamos então obter o valor das duas raı́zes da equação
do segundo grau que nos é dada, utilizando para isso uma aritmética de 3 algarismos significativos. Assim
temos,
√ √
2 −b +b2 − 4 × a × c −b − b2 − 4 × a × c
x − 2.02x + 0.02 = 0 ⇔ x1 = ∨ x2 = ⇔
2×a 2×a
p
2.02 ± (−2.02)2 − 4 × 1 × 0.02
⇔ x1,2 = ⇔
2×1
√ √
2.02 + 4.08 − 0.08 2.02 − 4.08 − 0.08
⇔ x1 = ∨ x2 = ⇔
√2 √ 2
2.02 + 4 2.02 − 4
⇔ x1 = ∨ x2 = ⇔
2 2
2.02 + 2 2.02 − 2
⇔ x1 = = 2.01 ∨ x2 = = 0.01
2 2
2.12. 15/04/2002 - Eng. do Ambiente 87
Facilmente se vê que é a raiz x2 que perde precisão devido ao cancelamento subtractivo que se verifica
√
quando efectuamos a subtracção 2.02 − 4 = 2.02 − 2. De uma forma fácil se prova que (provado na
teórica) as raı́zes de uma equação do segundo grau verificam a relação
c
x1 .x2 = ,
a
pelo que podemos aproveitar esta relação para evitar o cancelamento subtractivo e com a aproximação
base na aproximação que possui máxima precisão podemos obter uma aproximação, também ela com a
máxima para precisão, para a raiz que sofreu o cancelamento subtractivo. Desta forma,
c c 0.02
x1 .x2 = ⇔ x2 = = = 0.00995.
a a.x1 2.01
J.
(3,0) 4. Seja {x0 , x1 , x2 , . . . , xn , . . .} a sucessão gerada pela aplicação do método da bissecção para
aproximar a raiz α de uma função f no intervalo ]a, b[. Prove que, para que o erro absoluto que
afecta uma aproximação xk seja inferior a uma determinada quantidade µ > 0, então k terá de ser
um inteiro maior ou igual a µ ¶
b−a
ln
2µ
.
ln 2
Solução 2.12.4. Notando então o facto de a primeira iteração ser x0 , sabemos que o erro verifica a
seguinte condição,
b−a
|e (xk )| ≤ ,
2k+1
e atendendo ao facto de pretendermos que este seja inferior à tolerância µ > 0 temos então que
b−a 1 µ b−a
|e (xk )| ≤ k+1
< µ ⇔ k+1 < ⇔ 2k+1 > .
2 2 b−a µ
Sabendo agora que a função log2 x é uma função estritamente crescente e que log2 2k = k vamos então
obter
µ ¶ µ ¶ µ ¶
b−a b−a b−a b−a
2k+1 > ⇔ log2 2k+1 > log2 ⇔ k + 1 > log2 k > −1 + log2 .
µ µ µ µ
ln b
Mas, sabemos que loga b = , logo,
ln a
µ ¶ µ ¶
b−a b−a
ln − ln 2 + ln
µ µ
k > −1 + ⇔k> .
ln 2 ln 2
88 Capı́tulo 2. 2001-2002
a
Sabemos agora que ln = ln a − ln b, pelo que podemos concluir que
b
µ ¶
b−a
 µ 
ln 



µ ¶
2 b−a
ln
2µ
k> ⇔k> .
ln 2 ln 2
J.

¯ ¯
f (x) = sin (x) − ¯x2 − 4¯ .
a) Localize os zeros da função em intervalos de amplitude não superior à unidade;
b) Quantas iterações teremos de efectuar pelo método da bissecção, para aproximar o valor da
menor raiz, por forma a que o erro que se comete numa determinada iteração xk seja não-
superior a 10−6 ;
c) Será possı́vel aplicar o método de Newton considerando o intervalo inicial I = [1.9, 2.4] e
escolhendo x0 = 1.9? Justifique convenientemente a sua resposta.
d) Escolhendo um valor adequado para x0 , calcule o valor da terceira iteração do método de

Newton, x3 , e indique um majorante para o erro que se comete em x3 .
Solução 2.12.5. a) Se utilizarmos o método gráfico teremos
¯ ¯ ¯ ¯
f (x) = 0 ⇔ sin (x) − ¯x2 − 4¯ = 0 ⇔ sin (x) = ¯x2 − 4¯ ,
e notando que
 ¡ ¢

 − x2 − 4 ⇐ −2 ≤ x ≤ 2


¯ 2 ¯ 
¯x − 4¯ = ,




 x2 − 4 ⇐ x ≤ −2 ∨ x ≥ 2
¯ ¯
temos então que os gráficos das funções sin (x) e ¯x2 − 4¯ nos indicam que a equação f (x) = 0 possui duas
soluções, uma no intervalo [1.5, 2] e outra no intervalo [2, 2.5]. Os gráficos das funções são os seguintes:
2.12. 15/04/2002 - Eng. do Ambiente 89
-3 -2 -1 1 2 3
-1
¯ ¯
vermelho: sin (x) azul: ¯x2 − 4¯
Para provarmos que existem estas duas raı́zes e que as mesmas são únicas nos intervalos indicados,
basta estudar a existência (pelo teorema do valor intermédio) e a unicidade (pelo estudo do sinal da
derivada). Assim, para a raiz que está no intervalo [1.5, 2] vamos ter que:
• a função f é uma função contı́nua em R ⊃ [1.5, 2];
• f (1.5) × f (2) = sin (1.5) + 1.52 − 4 × sin (2) < 0 ⇒ ∃α1 ∈ [1.5, 2] : f (α1 ) = 0;
| {z } | {z }
<0 >0
• f 0 (x) = cos (x) − 2x < 0, ∀x ∈ [1.5, 2].
Estes três itens em conjunto provam então que existe uma e uma só raiz da função f no intervalo
[1.5, 2].
Da mesma forma se prova que existe uma e uma só raiz raiz da função no intervalo [2, 2.5] (T.P.C.).
b) Podemos utilizar o exercı́cio 4 deste teste para obtermos uma resposta imediata. Assim sendo,
µ ¶ µ ¶
b−a 0.5
ln ln
2µ 2 × 10−6
k≥ = ≈ 17.93 ⇒ k ≥ 18,
ln (2) ln (2)
pelo que podemos concluir que serão necessárias 18 + 1 = 19 iterações para que a aproximação obtida pelo
método da bissecção esteja afectada de um erro não-superior a 10−6 .
c) Facilmente se vê que não existe derivada no ponto x = 2, pelo que a função não é de classe C 2 no
intervalo [1.9, 2.4], pelo que não se verificam as hipóteses do teorema da convergência e do erro, o que
implica que não se possa garantir a convergência do método de Newton no intervalo referido.
90 Capı́tulo 2. 2001-2002
M2 2
|e (xk+1 )| ≤ |e (xk )| , k = 0, 1, 2, 3, . . . ,
2 m1

x∈[a,b] x∈[a,b]
d) Comecemos por indicar um intervalo onde se garanta a convergência do método de Newton. No-
tando que f (2.1) ≈ 0.45 > 0 e que f (2.4) ≈ −1.1 < 0 podemos garantir a existência da raiz neste
intervalo. Além disso, a derivada neste intervalo é dada por f 0 (x) = cos (x) − 2x < 0, ∀ x ∈ [2.1, 2.4],
ou seja, a função é estritamente decrescente neste intervalo, pelo que podemos concluir que existe um e
um só zero da função f no intervalo [2.1, 2.4]. Além disso, o facto de se ter f 0 (x) < 0, ∀ x ∈ [2.1, 2.4],
implica que a derivada seja diferente de zero em todo o ponto do intervalo [2.1, 2.4], verificando-se assim
uma das condições de convergência do método de Newton. Quanto ao facto de f (x) = sin (x) − x2 + 4 ser
uma função de classe C 2 em [2.1, 2.4] é um facto imediato, pois tanto sin (x) como −x2 + 4 são funções
de classe C ∞ em R, consequentemente em qualquer subintervalo de R. Além disso, se uma função é de
classe C ∞ , então é também de classe C k , k = 0, 1, 2, 3, . . ..
Resta-nos apenas analisar se a amplitude do intervalo é a mais indicada para ser considerada uma
vizinhança suficientemente pequena do zero, como no teorema convergência e do erro se impõe. Para isso
tem de se verificar a seguinte condição,
1 2 m1
(b − a) < = ,
M M2
onde m1 e M2 são os valores definidos no teorema da convergência e do erro. Calculando então estes
valores vamos obter,
m1 = min {|f 0 (x)| : x ∈ [2.1, 2.4]} = min {|f 0 (2.1)| , |f 0 (2.4)|} =
= min {|cos (2.1) − 2 × 2.1| , |cos (2.4) − 2 × 2.4|} =
= min {|−4.704846105| , |−5.537393716|} ≈ 4.7 .
pois f 00 (x) = −sin (x) − 2 < 0, ∀ x ∈ [2.1, 2.4].
Por outro lado, f 000 (x) = − cos (x) > 0, ∀ x ∈ [2.1, 2.4], pelo que podemos concluir que a segunda
2.12. 15/04/2002 - Eng. do Ambiente 91
derivada da função f é uma função estritamente crescente no intervalo que estamos a considerar, logo,
M2 = max {|f 00 (x)| : x ∈ [2.1, 2.4]} = max {|− sin (x) − 2| : x ∈ [2.1, 2.4]} =
= max {|− sin (2.1) − 2| , |− sin (2.4) − 2|} =
= max {|−2.863209367| , |−2.675463181|} ≈ 2.7 .
Obtemos assim que
1 2 m1 2 × 4.7
(b − a) = (1 − 0) = 1 < = ≈ ≈ 3.5 P.V.
M M2 2.7
Como a amplitude do intervalo é adequada a única coisa que nos falta fazer é a escolha de um ponto x0
para a partir daı́ podermos obter todos os valores das iteradas do método de Newton. Assim, e escolhendo
o ponto x0 , como sendo um ponto que verifique a relação f (x0 )×f 00 (x0 ) > 0, escolha esta que nos permite
controlar de uma forma mais correcta o valores que se irão obter para nas várias iterações, verificamos
que f 00 (x) = −sin (x) − 2 < 0, ∀ x ∈ [2.1, 2.4] e que f (2.4) < 0, daı́ que se escolha x0 = 2.4. Utilizando
a fórmula iteradora do método de Newton
f (xn )
xn+1 = xn − , n = 0, 1, 2, . . . ,
f 0 (xn )
vamos obter
f (x0 )
x1 = x0 − = 2.204143091
f 0 (x0 )
f (x1 )
x2 = x1 − 0 = 2.193704265
f (x1 )
f (x2 )
x3 = x2 − 0 = 2.193673486
f (x2 )
Queremos agora obter um majorante para o erro que se comete em x3 . Pelo teorema da convergência
e do erro sabemos que

2
|e (xk+1 )| ≤ M |e (xk )| , k = 0, 1, 2, 3, . . . ,
logo
2
M |e (xk+1 )| ≤ M 2 |e (xk )| , k = 0, 1, 2, 3, . . . .
Esta última relação permite-nos concluir que,
³ ´2 µ³ ´2 ¶2
2 2 2 2 2
M |e (x3 )| ≤ M |e (x2 )| = (M |e (x2 )|) ≤ (M |e (x1 )|) ≤ (M |e (x0 )|) ≤
µ³ ´2 ¶2
2
≤ (M (b − a)) ,
92 Capı́tulo 2. 2001-2002
ou, de outra forma,

1 23
|e (x3 )| ≤ (0.29 × 0.3) ≈ 0.11 × 10−7 .
0.29
Note-se que M ≈ 0.29.
J.
2.13. 05/06/2002 - Eng. do Ambiente 93
2.13 05/06/2002 - Eng. do Ambiente
2o Teste ao 2h:300
Duraç~
05 de Junho de 2002
(6,0) 1. Considere o sistema de equações lineares, Ax = b, com

   
0.003 59.14 59.17
A=  e b= .
5.291 −6.13 46.78
a) Resolva o sistema Ax = b pelo método de Gauss sem pivotação, utilizando uma aritmética de
4 algarismos significativos. Denote a aproximação obtida por x
e;
b) Resolva o sistema Ax = b pelo método de Gauss com pivotação, utilizando a mesma aritmética
da alı́nea anterior. Denote a aproximação obtida por x;
c) Determine, utilizando a norma infinito, o número de condição da matriz do sistema;
d) Utilizando a norma infinito, calcule majorantes para o erros relativos que afectam as aproxi-
mações x
e e x. Comente os resultados obtidos.
Solução 2.13.1. Vamos neste exercı́cio resolver o sistema, primeiro sem efectuar qualquer técnica de
pivotação e posteriormente com a técnica de pivotação parcial. Nas duas últimas alı́neas poderemos
testemunhar os efeitos benéficos do uso da pivotação parcial.
a) Resolva-se então o sistema de equações lineares, utilizando o método de eliminação de Gauss, sem
qualquer tipo de pivotação e utilizando uma aritmética finita de 4 algarismos significativos.

   
.. ..
 0.003 59.14 . 59.17  −−− − −− −− − −
L2 ←L2 −m21 L1
− −−→
 0.003 59.14 . 59.17 
 ..  a21 5.291
m21 = a = 0.003 =1764  .. 
11
5.291 −6.13 . 46.78 0.000 −104300 . −104400
94 Capı́tulo 2. 2001-2002
E, resolvendo o sistema triangular superior resultante,
 

 0.003e 
 0.003e
x1 + 59.14e
x2 = 59.17 x1 = 59.17 − 59.14e
x2
⇔

 

− 104300e
x2 = −104400 x
e2 = 1.001


 0.003e
x1 = 59.17 − 59.20
⇔

 x
e2 = 1.001


 0.003e
x1 = −0.03
⇔

 x
e2 = 1.001


 x
e1 = −10.00
⇔

 x
e2 = 1.001
Assim, a solução aproximada que se obtém se não efectuarmos pivotação será denotada pelo vector
   
 x
e1   −10.00 
x
e= = .
x
e2 1.001
b) Resolva-se agora o mesmo sistema, mas utilizando a técnica da pivotação parcial, que nos diz que:
na etapa k do método de eliminação de Gauss deve-se escolher para pivot, pkk o elemento que verifique a
¯ ¯
¯ (k) ¯
condição pkk = max ¯aik ¯
k≤i≤n
Desta forma, na primeira etapa da resolução do nosso sistema vamos ter que,
¯ ¯
¯ (1) ¯ (1)
p11 = max ¯ai1 ¯ = max {|0.003| , |5.291|} = 5.291 = a21 ⇒ L2 ¿ L1 ,
1≤i≤1
assim sendo,
   
. ..
 5.291 −6.13 .. 46.78  −−−−− −− − − − − −
L2 ←L2 −m21 L1
−− −− −
→
 5.291 −6.13 . 46.78 
 ..  m21 = a21 = 0.003 =0.0005670  .. 
a11 5.291
0.003 59.14 . 59.17 0.000 59.14 . 59.14
2.13. 05/06/2002 - Eng. do Ambiente 95

 

 5.291x1 − 6.13x2 = 46.78 
 5.291x1 = 46.78 + 6.13x2
⇔

 

59.14x2 = 59.14 x2 = 1.000


 5.291x1 = 46.78 + 6.13
⇔

 x2 = 1.000


 5.291x1 = 52.91
⇔

 x2 = 1.000


 x1 = 10.00
⇔

 x2 = 1.000
   
 x1   10.00 
x= = .
x2 1.000
c) Por definição o número de condição de uma matriz é dado por K (A) = cond (A) = kAk kA−1 k.
Por conseguinte, será necessário o cálculo da matriz A−1 . Devemos ainda salientar que para que se
obtenha a inversa da matriz, os cálculos deverão ser efectuados em aritmética exacta, de outra forma não
se obterá a inversa mas sim uma aproximação.
Para obtermos então a inversa da matriz A podemos resolver os sistemas de equações lineares AX.1 =
e1 e AX.2 = e2 , pelo método de Gauss ou então recorrer ao cálculo da matriz dos cofactores. Por
motivos de simplicidade, e uma vez que atrás já abordámos o método de eliminação de Gauss, vamos
agora recordar a matriz dos cofactores. Neste caso, a matriz inversa da matriz A será exprimida em
termos do determinante da matriz e da matriz cuja componente ij é o cofactor-ij da matriz A, o qual é

i+j
dado por A0ij = (−1) det (Aij ), onde Aij designa o menor-ij da matriz A, o qual se obtém de A por
supressão da linha i e da coluna j.
Definição 2.13.1. Chama-se matriz dos cofactores de uma matriz n×n, A = [aij ] à matriz de ordem
n × n designada por cof A, cuja componente da linha i e coluna j é o cofactor A0ij , i.e.,
£ ¤ i+j
cof A = A0ij i,j=1,...,n , com A0ij = (−1) det (Aij ) .
Aos cofactores também se chama complementos algébricos, e à matriz dos cofactores pode-se chamar
a matriz dos complementos algébricos.

96 Capı́tulo 2. 2001-2002
Teorema 2.13.1. Para qualquer matriz A de ordem n × n, com n ≥ 2 tem-se que
T
A (cof A) = det (A) In .
Se det (A) 6= 0, então a inversa da matriz A existe e é dada por
1 T
A−1 = (cof A) .
det (A)
Com base neste teorema, facilmente se verifica que a inversão de uma matriz de ordem 2 × 2, não-
singular,  
 a b 
A= ,
c d
será dada por  
1  d −b 
A−1 =  .
ad − bc
−c a
Assim sendo, como no nosso caso também temos uma matriz 2 × 2, a sua inversa será então dada por
 T
1  −6.13 −5.291 
A−1 =  
−0.003 × 6.13 − 59.14 × 5.291
−59.14 0.003
No final concluı́mos que a matriz inversa da matriz A é aproximada por

 
 0.0195892 0.188989 
A−1 ≈  .
−6
0.016908 −9.58687 × 10
Desta forma,
2
X
kAk∞ = max |aik | = max {|0.003| + |59.14| , |5.291| + |−6.13|} =
i=1,2
k=1
= 59.143 ≈ 59.143 .
© ¯ ¯ª
kA−1 k∞ ≈ max |0.0195892| + |0.188989| , |0.016908| + ¯−0.958687 × 10−5 ¯ ≈
≈ 0.21
Assim sendo,
K∞ (A) = kAk∞ kA−1 k∞ ≈ 12.411 ≈ 12.4 .
d) Pretendemos agora obter majorantes para os erros relativos que afectam as aproximações obtidas
nas alı́neas a) e b). Para isso sabemos que
kx − xa k krk
≤ K (A) ,
kxk kbk
2.13. 05/06/2002 - Eng. do Ambiente 97
sendo x a solução exacta e xa uma solução aproximada, para o sistema de equações lineares Ax = b, e
r = b − Axa o resı́duo que está associado à aproximação xa .
Comecemos então pela aproximação obtida na alı́nea a). No que toca ao resı́duo que está associado a
esta aproximação, esse é

    
 59.17   0.003 59.14   −10.00 
r = b − Ae
x =  −  =
46.78 5.291 −6.13 1.001
     
 59.17   59.1691   0.00086 
=  − = 
46.78 −59.0461 105.826
Desta forma, krk∞ ≈ 105.8. Tal permite-nos então obter um majorante para o erro relativo que afecta
a aproximação que estamos a analisar, assim,
kx − x
ek∞ krk∞ 105.8
≤ K∞ (A) ≈ 12.4 × ≈ 22.2.
kxk∞ kbk∞ 59.17
O que se traduz num majorante para o erro relativo bastante elevado.
Analisemos agora o que se passa com o majorante para o erro relativo na aproximação obtida para a
solução na alı́nea b). Comecemos por calcular o resı́duo que está associado a esta aproximação.
    
 59.17   0.003 59.14   10.00 
r = b − Ae
x =  −  =
46.78 5.291 −6.13 1.000
     
 59.17   59.17   0.000 
=  − = 
46.78 46.78 0.000
Desta forma, krk∞ = 0.000. Tal permite-nos então obter um majorante para o erro relativo que afecta
kx − x
ek∞ krk∞ 0.000
≤ K∞ (A) ≈ 12.4 × = 0.000.
kxk∞ kbk∞ 59.17
Este resultado permite-nos concluir que a aproximação obtida é simplesmente a solução exacta do sistema
de equações lineares.
J.
(3,0) 2. Considere as matrizes, S ∈ Rq×p , T ∈ Rp×m e U ∈ Rm×n .
a) Pela álgebra linear sabemos que efectuar o produto das matrizes S.T.U se pode fazer de duas
formas diferentes, (S.T ) .U ou S. (T.U ), sendo o resultado igual nos dois casos. Será que do
98 Capı́tulo 2. 2001-2002
ponto de vista numérico também é indiferente a forma que escolhemos para efectuar este
produto? Justifique convenientemente a sua resposta;
b) Supondo que q = 2, m = 5 e que n = 3, indique qual das duas formas de efectuar o produto
escolheria.
Solução 2.13.2. Pretendemos mostrar que a ”complexidade aritmética”é diferente nestes dois casos, i.e.,
o número de operações a efectuar irá depender da forma que escolhermos para proceder à multiplicação
das matrizes. Desta forma, vamos ter de indicar o número de operações que se tem de fazer em cada um
dos casos. Assim sendo, analisemos cada um deles em separado.
1o ) (A.B) .C;
Nesta situação temos A ∈ Rq×p e B ∈ Rp×m , daı́ que T = A.B será uma matriz de ordem q × m,
onde cada elemento da matriz T , Tij , i = 1, . . . , q; j = 1, . . . , m, será obtido da seguinte forma,
Tij = (Linha i de A) . (Coluna j de B) =
= (Ai1 , Ai2 , . . . , Aip ) . (B1j , B2j , . . . , Bpj ) =

p
X
= Aik Bkj
k=1
Assim sendo, para obtermos cada elemento da matriz T vamos efectuar,
(p − 1) adições e p multiplicações.
Atendendo ao facto de a matriz T possuir q × m elementos, para obtermos todos os elementos da
matriz vamos ter de efectuar
q × m × (p − 1) adições e q × m × p multiplicações.
Análise semelhante pode ser efectuada para fazer o estudo do número de operações no produto das
matrizes T por C, T.C, onde T ∈ Rq×m e C ∈ Rm×n . O resultado da multiplicação será uma
matriz de ordem q × n, onde se terão de efectuar
q × n × (m − 1) adições e q × n × m multiplicações,
para obter o resultado final.
Concluı́mos portanto que, para obter o produto de matrizes (A.B) .C, necessitamos de efectuar
q × m × (p − 1) + q × n × (m − 1) ad.’s e q × m × p + q × n × m mult.’s.
2.13. 05/06/2002 - Eng. do Ambiente 99
2o ) A. (B.C)
Suponhamos então que S = B.C, com B ∈ Rp×m e C ∈ Rm×n , obviamente que nestas condições
S ∈ Rp×n , e que
m
X
Sij = Bik Ckj ,
k=1
ou seja, para obtermos cada elemento de S necessitamos de efectuar
(m − 1) adições e m multiplicações,
ora, como S tem p × n elementos, para obter a matriz S precisaremos de efectuar
p × n × (m − 1) adições e p × n × m multiplicações.
Utilizando o mesmo raciocı́nio para o produto das matrizes A por S, A.S, com A ∈ Rq×p e S ∈
Rp×n , verificamos serem necessárias
q × n × (p − 1) adições e q × n × p multiplicações
para obter o a matriz produto.
Desta forma, para calcularmos o produto de matrizes A. (B.C), vamos precisar de efectuar, no total,
q × n × (p − 1) + p × n × (m − 1) ad.’s e q × n × p + p × n × m mult.’s.
Em forma de conclusão temos:
(A.B) .C A. (B.C)
Adições q.m. (p − 1) + q.n. (m − 1) q.n. (p − 1) + p.n. (m − 1)
Multiplicações q.m.p + q.n.m q.n.p + p.n.m
Total de Op.’s q.m. (2p − 1) + q.n (2m − 1) q.n. (2p − 1) + p.n. (2m − 1)
Esta tabela permite-nos concluir que o número total de operações só será igual quando m for igual
a n e quando p for igual a q, em simultâneo. Assim sendo, regra geral, o número de operações a fazer
depende da forma que escolhemos para efectuar o produto de matrizes A.B.C. Em termos numéricos
devemos optar pela fórmula em que se efectua um menor número de operações.
b) Vamos agora particularizar o que foi dito na alı́nea anterior. Para isso tomemos q = 2, m = 5
e n = 3. Vamos supor, em termos informáticos, que não há diferenças entre o tempo que o computador
demora a efectuar uma multiplicação e uma adição, e também que as operações têm todas a mesma
100 Capı́tulo 2. 2001-2002
influência nos erros que se cometem. Desta forma, faremos a nossa escolha em torno do número total de
operações.
Pela tabela apresentada atrás apresentada podemos então concluir que se deve utilizar a fórmula
(A.B) .C quando,
2 × 5 × (2p − 1) + 2 × 3 × (2 × 5 − 1) < 2 × 3 × (2p − 1) + p × 3 × (2 × 5 − 1) ⇔
20p − 10 + 54 < 39p − 6 ⇔
44 + 6 < 39p − 20p ⇔
50 < 19p ⇔
50
p > ≈ 2.6 ⇒ p ≥ 3
19
J.
(5,0) 3. Considere A a matriz definida por
 
1 0 3
 
 
A= 0 4 0 .
 
3 0 10
a) Será possı́vel efectuar a decomposição de Cholesky para a matriz A;
b) Resolva o sistema Ax = y com y = (1, 0, 0).
Solução 2.13.3. a) Para começar, sabemos que a matriz só admite decomposição de Cholesky se for
simultaneamente simétrica e definida positiva. Quanto ao facto de ser simétrica, é muito fácil verificar
que a matriz em questão é de facto uma matriz simétrica, i.e., que Aij = Aji , i, j = 1, 2, 3, i 6= j.
Resta-nos então verificar se a matriz dada é uma matriz definida positiva. Por definição dizemos que
uma matriz A ∈ Rn×n é definida positiva se, para todo o x ∈ Rn \ {0n }, xT Ax > 0, o que equivale a
dizer que, xT Ax ≥ 0, para todo o x ∈ Rn e xT Ax = 0 se e somente se x = 0n .

2.13. 05/06/2002 - Eng. do Ambiente 101
Atendendo então a esta definição, tome-se um vector x = (x1 , x2 , x3 ) ∈ R3 ,

  
1 0 3 x1
· ¸  
  
x3  4 0   x2 
 
T
x Ax = x1 x2  0 =
  
3 0 10 x3
 
x1
· ¸ 
 
= x1 + 3x3 4x2 31 + 10x3  x2 

=
 
x3
= x21 + 3x1 x3 + 4x22 + 3x1 x3 + 10x23 =
³ ´
2
= x21 + 2x1 (3x3 ) + (3x3 ) + 4x22 + x23 =
2
= (x1 + 3x3 ) + 4x22 + x23 ≥ 0,
| {z } |{z} |{z}
≥0 ≥0 ≥0
logo,
xT Ax = 0 ⇔ x2 = 0 = x3 ∧ (x1 + 3x3 ) = 0 ⇔ x1 = 0 = x2 = x3 ⇔ x = 03 = (0, 0, 0) .
Por definição podemos concluir que a matriz A é uma matriz definida positiva.
∴ A é simétrica e definida positiva ⇒ é possı́vel obter a decomposição de Cholesky para a matriz A.
b) A resolução o sistema dado deve ser feita pela forma mais eficiente, que, no caso da matriz ser
simétrica e definida positiva, deve ser pelo recurso à decomposição de Cholesky. Assim sendo, façamos
então a decomposição de Cholesky da matriz do sistema. Para isso tome-se uma matriz L, triangular
inferior (sem que a diagonal seja obrigatoriamente unitária), ou seja,

 
`11 0 0
 
 
L=
 `21 `22 0 ,
 
`31 `32 `33
desta forma,
    
1 0 3 `11 0 0 `11 `21 `31
    
    
A=
 0 4 0 
 = LL
T   
=  `21 `22 0   0 `22 `32  =
    
3 0 10 `31 `32 `33 0 0 `33
 
`211 `21 `11 `31 `11
 
 
= 
 `21 `11 `221 + `222 `31 `21 + `32 `22 .

 
`31 `11 `31 `21 + `32 `22 `231 + `232 + `233
102 Capı́tulo 2. 2001-2002
Procedendo à igualdade da matriz A com a matriz produto LLT , vamos obter um sistema de equações
que nos dará a decomposição de Cholesky da matriz A.

 

 2
`11 = 1 
 `11 = 1

 


 


 ` ` 


 21 11 = 0 
 `21 = 0  

 


 
 1 0 0

 `31 `11 
 `31 = 3  
= 3  
⇔ ⇒L=
 0 2 0 
.

 2 2 
  
 `21 + `22
 = 4  `22 = 2


 
 3 0 1

 


 ` ` + ` ` = 0 
 ` = 0

 31 21 32 22 
 32

 
 √

 `2 + `2 + `2 = 10 
 `
31 32 33 33 = 10 − 32 = 1
Obtida então a factorização triangular de Cholesky, será agora muito fácil resolver o sistema Ax = y,
pois, A = LLT , logo 


 1o ) Lz
T
= y
Ax = y ⇔ LL
|{z}x = y ⇔ .

 2o ) LT x =
=z z
Comecemos então por resolver o sistema triangular inferior Lz = y,

        
1 0 0 z1 1 z1 1
        
        
Lz = y ⇔ 
 0 2

0   z2  =  0  ⇔  z2  =  0 
      
.
        
3 0 1 z3 0 z3 −3
Resolvendo agora o sistema triangular superior LT x = z vamos obter,

        
1 0 3 x1 1 x1 10
        
        
L x=z⇔
T
 0 2

0   x2  =  0  ⇔  x2  =  0 
      
.
        
0 0 1 x3 −3 x3 −3
∴ A solução do sistema é x = (x1 , x2 , x3 ) = (10, 0, −3).
J.
(2,0) 4. Para resolver um sistema de equações lineares, Ax = b, A ∈ Rm×n , utilizou-se a decomposição

QR da matriz A. Prove que, se considerarmos x como sendo a solução exacta e x
e a solução
aproximada obtida, então
kx − x
ek2 krk2
≤ K2 (R) .
kxk2 kbk2
Solução 2.13.4. Provou-se nas aulas teóricas que o erro relativo que afecta uma aproximação, x
e, da
solução exacta, x, do sistema de equações lineares Ax = b, verifica a seguinte relação
kx − x
ek2 krk2
≤ K2 (A) .
kxk2 kbk2
2.13. 05/06/2002 - Eng. do Ambiente 103
Agora suponha-se que é conhecida a decomposição QR da matriz A, sendo, como é sabido, Q uma
matriz ortogonal, o que por definição significa que Q possui inversa, sendo esta simplesmente igual a
QT , i.e., Q−1 = QT . Então, utilizando a propriedade das normas matriciais que nos diz que kA.Bk ≤
kAk.kBk, para toda a matriz A ∈ Rm×n e para toda a matriz B ∈ Rn×p , podemos concluir imediatamente
que,
kx − x
ek2 krk2 krk2 −1 krk2
≤ K2 (A) = K2 (QR) = kQRk2 k (QR) k2 =
kxk2 kbk2 kbk2 kbk2
krk2
= kQRk2 kR−1 Q−1 k2 ≤
kbk2
krk2 krk2
≤ kQk2 kRk2 kR−1 k2 kQ−1 k2 = K2 (R) K2 (Q) . (∗)
kbk2 kbk2
Mas, facilmente se prova que K2 (Q) = 1, pois

q p p
K2 (Q) = ρ (QT Q) = ρ (Q−1 Q) = ρ (In ) = 1. (∗∗)
Notemos que
ρ (B) = Raio espectral da matriz B = max {|λ| : λ ∈ σ (B)} ,
com
σ (B) = Espectro da matriz B = {λ ∈ C : det (λIn − B) = 0} .
Devemos também ter como conhecimento que
σ (In ) = {1, 1, . . . , 1} ⇒ ρ (In ) = 1.
De (∗) e de (∗∗) facilmente se conclui o pretendido.
kx − x
ek2 krk2
≤ K2 (R) .
kxk2 kbk2
(5,0) 5. Considere os seguintes valores tabelados para uma dada função f (x)
x −1 −0.8 −0.5 −0.2

f (x) −1.57080 −0.927295 −0.523599 −0.201358
a) Construa a tabela das diferenças divididas associada a todos os pontos tabelados;
b) Estime o valor de f (−0.4) utilizando o polinómio interpolador de grau 2 através da fórmula

de Newton das diferenças divididas;
c) Determine uma estimativa para o erro cometido na estimativa obtida na alı́nea b).
Solução 2.13.5. a) A tabela das diferenças divididas associada à tabela aqui apresentada é a seguinte
104 Capı́tulo 2. 2001-2002
xi yi = f (xi ) = f [.] f [., .] f [., ., .] f [., ., ., .]
−1 −1.57080
3.217525
−0.8 −0.927295 −3.743743
1.345653 4.114019
−0.5 −0.523599 −0.4525278
1.074137
−0.2 −0.201358
Cálculos Auxiliares:
Diferenças divididas de ordem 1:

f [x1 ] − f [x0 ]
f [x0 , x1 ] = = 3.217525
x1 − x0
f [x2 ] − f [x1 ]
f [x1 , x2 ] = = 1.345653
x2 − x1
f [x3 ] − f [x2 ]
f [x2 , x3 ] = = 1.074137
x3 − x2

f [x1 , x2 ] − f [x0 , x1 ]
f [x0 , x1 , x2 ] = = −3.743743
x2 − x0
f [x2 , x3 ] − f [x1 , x2 ]
f [x1 , x2 , x3 ] = = −0.4525278
x3 − x1

f [x1 , x2 , x3 ] − f [x0 , x1 , x2 ]
f [x0 , x1 , x2 , x3 ] = = 4.114019
x3 − x0
b) Como pretendemos estimar o valor da função no ponto x = −0.4, através de um polinómio inter-
polador de grau ≤ 2, precisamos então de escolher os três pontos da tabela cujas abcissas se encontram
mais próximas de x = −0.4. Desta forma, os três pontos que vamos escolher para obter o polinómio
interpolador serão os seguintes
(x0 , f (x0 )) = (−0.8, −0.927295)
(x1 , f (x1 )) = (−0.5, −0.523599)
(x2 , f (x2 )) = (−0.2, −0.201358)

2.13. 05/06/2002 - Eng. do Ambiente 105
Assim sendo temos,
p2 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) (x − x1 ) =
= −0.927295 + 1.345653 (x + 0.8) − 0.4525278 (x + 0.8) (x + 0.5) .
Para aproximar o valor de f (−0.4) apenas necessitamos de calcular o polinómio interpolador no ponto
x = −0.4, assim,
f (−0.4) ≈ p2 (−0.4) = −0.927295 + 1.345653 × 0.4 − 0.4525278 × 0.04 = −0.4071348 .
c) Queremos agora obter uma estimativa para o erro que se comete ao efectuarmos a aproximação do
valor de f (−0.4) por p2 (−0.4). Para obtermos essa estimativa vamos necessitar dos dois teoremas que
se seguem:
Teorema 2.13.2 (Erro de Interpolação). Seja f ∈ C n+1 (Ω) e pn o polinómio interpolador de f de
grau ≤ n nos nós distintos x0 , x1 , ..., xn contidos no intervalo Ω. Então, para qualquer ponto x ∈ Ω,
existe um valor ξ ∈ Ω dependente de x0 , x1 , ..., xn , de x e de f , tal que
f (n+1) (ξ)
en (x) ≡ f (x) − pn (x) = Wn (x) .
(n + 1)!
Teorema 2.13.3. Seja f ∈ C k (Ω) e x0 , x1 , ..., xk nós distintos pertencentes ao intervalo Ω. Então,
existe um ponto ξ ∈ Ω tal que

1 (k)
y [x0 , x1 , ..., xk ] = f (ξ) .
k!
Assim sendo, pelo teorema 3.7.5 podemos dizer que existe um ponto ξ ∈ [−0.8, −0.2], ou seja, ξ ∈
[−1, −0.2], tal que
f 000 (ξ)
f (−0.4) − p2 (−0.4) = (−0.4 − x0 ) (−0.4 − x1 ) (−0.4 − x2 ) ,
3!
e, aplicando módulos a esta última igualdade obtemos
|f 000 (ξ)|
|f (−0.4) − p2 (−0.4)| = |(−0.4 + 0.8) (−0.4 + 0.5) (−0.4 + 0.2)| =
3!
|f 000 (ξ)|
= × 0.008,
3!
Para majorar o erro necessitávamos de calcular o máximo da terceira derivada no intervalo de in-
terpolação, no entanto, isso não nos é possı́vel pois não possuı́mos a expressão da função nem nos é
dada qualquer informação acerca desse valor. Assim, o que vamos fazer é utilizar o teorema 2.13.3 para
106 Capı́tulo 2. 2001-2002
aproximar a terceira derivada pela diferença dividida de ordem três que possuı́mos. Pelo teorema 2.13.3
podemos dizer que existe um ξ ∈ [−1, −0.2], tal que
|f 000 (ξ)| = 3!f [x0 , x1 , x2 , x3 ] ≈ 3! × 4.114019 .
Voltando então à expressão do erro vamos poder concluir que
|f (−0.4) − p2 (−0.4)| ≈ 4.114019 × 0.008 ≈ 0.03 ≤ 0.05 .
Este resultado apenas nos permite assegurar um algarismo significativo na aproximação p2 (−0.4)
obtida para o valor da função f em x = −0.4.
J.
Universidade do Algarve - FCT

2o Teste ao 2h:300
Duraç~
05 de Junho de 2002
(6,0) 1. Considere o sistema de equações lineares, Ax = b, com

   
0.003 59.14 59.17
A=  e b= .
5.291 −6.13 46.78
a) Resolva o sistema Ax = b pelo método de Gauss sem pivotação, utilizando uma aritmética de
4 algarismos significativos. Denote a aproximação obtida por x
e;
b) Resolva o sistema Ax = b pelo método de Gauss com pivotação, utilizando a mesma aritmética
da alı́nea anterior. Denote a aproximação obtida por x;
c) Determine, utilizando a norma infinito, o número de condição da matriz do sistema;
d) Utilizando a norma infinito, calcule majorantes para o erros relativos que afectam as aproxi-
mações x
e e x. Comente os resultados obtidos.
Solução 2.14.1. Vamos neste exercı́cio resolver o sistema, primeiro sem efectuar qualquer técnica de
pivotação e posteriormente com a técnica de pivotação parcial. Nas duas últimas alı́neas poderemos
testemunhar os efeitos benéficos do uso da pivotação parcial.
a) Resolva-se então o sistema de equações lineares, utilizando o método de eliminação de Gauss, sem
qualquer tipo de pivotação e utilizando uma aritmética finita de 4 algarismos significativos.

   
.. ..
 0.003 59.14 . 59.17  −−− − −− −− − −
L2 ←L2 −m21 L1
− −−→
 0.003 59.14 . 59.17 
 ..  a21 5.291
m21 = a = 0.003 =1764  .. 
11
5.291 −6.13 . 46.78 0.000 −104300 . −104400
108 Capı́tulo 2. 2001-2002
 

 0.003e 
 0.003e
x1 + 59.14e
x2 = 59.17 x1 = 59.17 − 59.14e
x2
⇔

 

− 104300e
x2 = −104400 x
e2 = 1.001


 0.003e
x1 = 59.17 − 59.20
⇔

 x
e2 = 1.001


 0.003e
x1 = −0.03
⇔

 x
e2 = 1.001


 x
e1 = −10.00
⇔

 x
e2 = 1.001
   
 x
e1   −10.00 
x
e= = .
x
e2 1.001
b) Resolva-se agora o mesmo sistema, mas utilizando a técnica da pivotação parcial, que nos diz que:
na etapa k do método de eliminação de Gauss deve-se escolher para pivot, pkk o elemento que verifique a
¯ ¯
¯ (k) ¯
condição pkk = max ¯aik ¯
k≤i≤n
Desta forma, na primeira etapa da resolução do nosso sistema vamos ter que,
¯ ¯
¯ (1) ¯ (1)
p11 = max ¯ai1 ¯ = max {|0.003| , |5.291|} = 5.291 = a21 ⇒ L2 ¿ L1 ,
1≤i≤1
assim sendo,
   
. ..
 5.291 −6.13 .. 46.78  −−−−− −− − − − − −
L2 ←L2 −m21 L1
−− −− −
→
 5.291 −6.13 . 46.78 
 ..  m21 = a21 = 0.003 =0.0005670  .. 
a11 5.291
0.003 59.14 . 59.17 0.000 59.14 . 59.14

 

 5.291x1 − 6.13x2 = 46.78 
 5.291x1 = 46.78 + 6.13x2
⇔

 

59.14x2 = 59.14 x2 = 1.000


 5.291x1 = 46.78 + 6.13
⇔

 x2 = 1.000


 5.291x1 = 52.91
⇔

 x2 = 1.000


 x1 = 10.00
⇔

 x2 = 1.000
   
 x1   10.00 
x= = .
x2 1.000
c) Por definição o número de condição de uma matriz é dado por K (A) = cond (A) = kAk kA−1 k.
Por conseguinte, será necessário o cálculo da matriz A−1 . Devemos ainda salientar que para que se
obtenha a inversa da matriz, os cálculos deverão ser efectuados em aritmética exacta, de outra forma não
se obterá a inversa mas sim uma aproximação.
Para obtermos então a inversa da matriz A podemos resolver os sistemas de equações lineares AX.1 =
e1 e AX.2 = e2 , pelo método de Gauss ou então recorrer ao cálculo da matriz dos cofactores. Por
motivos de simplicidade, e uma vez que atrás já abordámos o método de eliminação de Gauss, vamos
agora recordar a matriz dos cofactores. Neste caso, a matriz inversa da matriz A será exprimida em
termos do determinante da matriz e da matriz cuja componente ij é o cofactor-ij da matriz A, o qual é

i+j
dado por A0ij = (−1) det (Aij ), onde Aij designa o menor-ij da matriz A, o qual se obtém de A por
supressão da linha i e da coluna j.
Definição 2.14.1. Chama-se matriz dos cofactores de uma matriz n×n, A = [aij ] à matriz de ordem
n × n designada por cof A, cuja componente da linha i e coluna j é o cofactor A0ij , i.e.,
£ ¤ i+j
cof A = A0ij i,j=1,...,n , com A0ij = (−1) det (Aij ) .
Aos cofactores também se chama complementos algébricos, e à matriz dos cofactores pode-se chamar
a matriz dos complementos algébricos.

110 Capı́tulo 2. 2001-2002
Teorema 2.14.1. Para qualquer matriz A de ordem n × n, com n ≥ 2 tem-se que
T
A (cof A) = det (A) In .
Se det (A) 6= 0, então a inversa da matriz A existe e é dada por
1 T
A−1 = (cof A) .
det (A)
Com base neste teorema, facilmente se verifica que a inversão de uma matriz de ordem 2 × 2, não-
singular,  
 a b 
A= ,
c d
será dada por  
1  d −b 
A−1 =  .
ad − bc
−c a
Assim sendo, como no nosso caso também temos uma matriz 2 × 2, a sua inversa será então dada por
 T
1  −6.13 −5.291 
A−1 =  
−0.003 × 6.13 − 59.14 × 5.291
−59.14 0.003
No final concluı́mos que a matriz inversa da matriz A é aproximada por

 
 0.0195892 0.188989 
A−1 ≈  .
−6
0.016908 −9.58687 × 10
Desta forma,
2
X
kAk∞ = max |aik | = max {|0.003| + |59.14| , |5.291| + |−6.13|} =
i=1,2
k=1
= 59.143 ≈ 59.143 .
© ¯ ¯ª
kA−1 k∞ ≈ max |0.0195892| + |0.188989| , |0.016908| + ¯−0.958687 × 10−5 ¯ ≈
≈ 0.21
Assim sendo,
K∞ (A) = kAk∞ kA−1 k∞ ≈ 12.411 ≈ 12.4 .
d) Pretendemos agora obter majorantes para os erros relativos que afectam as aproximações obtidas
nas alı́neas a) e b). Para isso sabemos que
kx − xa k krk
≤ K (A) ,
kxk kbk
sendo x a solução exacta e xa uma solução aproximada, para o sistema de equações lineares Ax = b, e
r = b − Axa o resı́duo que está associado à aproximação xa .
Comecemos então pela aproximação obtida na alı́nea a). No que toca ao resı́duo que está associado a
esta aproximação, esse é

    
 59.17   0.003 59.14   −10.00 
r = b − Ae
x =  −  =
46.78 5.291 −6.13 1.001
     
 59.17   59.1691   0.00086 
=  − = 
46.78 −59.0461 105.826
Desta forma, krk∞ ≈ 105.8. Tal permite-nos então obter um majorante para o erro relativo que afecta
kx − x
ek∞ krk∞ 105.8
≤ K∞ (A) ≈ 12.4 × ≈ 22.2.
kxk∞ kbk∞ 59.17
O que se traduz num majorante para o erro relativo bastante elevado.
Analisemos agora o que se passa com o majorante para o erro relativo na aproximação obtida para a
solução na alı́nea b). Comecemos por calcular o resı́duo que está associado a esta aproximação.
    
 59.17   0.003 59.14  10.00 
r = b − Ae
x =  −  =
46.78 5.291 −6.13 1.000
     
 59.17   59.17   0.000 
=  − = 
46.78 46.78 0.000
Desta forma, krk∞ = 0.000. Tal permite-nos então obter um majorante para o erro relativo que afecta
kx − x
ek∞ krk∞ 0.000
≤ K∞ (A) ≈ 12.4 × = 0.000.
kxk∞ kbk∞ 59.17
Este resultado permite-nos concluir que a aproximação obtida é simplesmente a solução exacta do sistema
de equações lineares.
J.
(3,0) 2. Prove que, dado x ∈ Rn ,

1
kxk1 ≤ kxk∞ ≤ kxk1 .
n
O que significam as desigualdades anteriores?
112 Capı́tulo 2. 2001-2002
Solução 2.14.2. Vamos provar as desigualdades em duas etapas, i.e., primeiro provaremos que kxk∞ ≤
1
kxk1 e depois que kxk1 ≤ kxk∞ , para todo o vector x ∈ Rn . Assim sendo, por definição temos que
n
kxk∞ = max |xi | = max {|x1 | , |x2 | , . . . , |xn |} ,

1≤i≤n
suponhamos que kxk∞ = |xk |, com k ∈ {1, 2, . . . , n}. Desta forma,
kxk1 = |x1 | + |{z}

. . . + |xk | + |{z}
. . . + |xn | ≥ kxk∞ .
|{z} |{z} |{z}
≥0 ≥0 =kxk∞ ≥0 ≥0
A segunda equivalência prova-se, igualmente de uma forma fácil, vejamos,
kxk1 = |x1 | + |x2 | + . . . + |xk | + . . . + |xn | ≤ n × |xk | = n × kxk∞ ,

|{z} |{z} |{z} |{z}
≤|xk | ≤|xk | =|xk | ≤|xk |
tal implica que

1
kxk1 ≤ kxk∞ , ∀ x ∈ Rn .
n
(4,0) 3. Seja A uma matriz definida por

    
1 0 0 1 −1 3 1 −1 3
    
    
A =  −1 1 0  0 1 0  =  −1 2 −3  .
    
3 0 1 0 0 4 3 −3 13
a) Resolva o sistema Ax = y com y = (1, 0, 0) e com y = (0, 0, −2);
b) Obtenha a decomposição de Cholesky da matriz A.
Solução 2.14.3. a) Se olharmos atentamente para a decomposição fornecida, facilmente verificamos que
essa decomposição é a decomposição LU da matriz. Assim, podemos utilizar a mesma para resolver os
dois sistemas dados. Desta forma,



 1o ) Lz = y
Ax = y ⇔ L|{z}
Ux = y ⇔ .

 2o ) U x
=z = z
i) Resolva-se, em primeiro lugar, o sistema com y = (1, 0, 0);
A resolução do sistema resume-se à resolução de dois sistemas triangulares, o primeiro deles Lz =
(1, 0, 0),
 
 
1 
 z1 = 1 
 z1 = 1
  
 

   
Lz =  
 0  ⇔  −z1 + z2 = 0 ⇔ z2 = 1 .
  
 


 3z 

0 1 + z3 = 0 z3 = −3
De seguida, resolve-se o sistema triangular superior U x = z,
   
1 
 x1 − x2 + 3x3 = 1 
 x1 = 17/4
  
 

   

Ux =  1 ⇔ x2 = 1 ⇔ x2 = 1 .
   


 

−3  4x3 = −3  x3 = −3/4
ii) Resolva-se agora o sistema com y = (0, 0, −2);
A resolução do sistema resume-se à resolução de dois sistemas triangulares, o primeiro deles Lz =
(0, 0, −2),
   

 0
z1 = 0 
 z1 = 0
  
 

   
Lz =  
 0  ⇔  −z1 + z2 = 0 ⇔ z2 = 0 .
   


 

−2  3z + z3 = −2  z3 = −2
1
De seguida, resolve-se o sistema triangular superior U x = z,
   
0 
 x1 − x2 + 3x3 = 0 
 x1 = 3/2
  
 

   
Ux =  0 

⇔ x2 = 0 ⇔ x2 = 0 .
   


 

−2  4x3 = −2  x3 = −1/2
b) Obtenha-se agora a decomposição de Cholesky. Tomemos então uma matriz L geral, triangular
inferior sem diagonal obrigatoriamente unitária. Assim,
    
1 −1 3 `11 0 0 `11 `21 `31
    
    
A=
 −1 2 −3 
 = LL
T
=  `
 21 `22 0  
 0 `22 `32 =

    
3 −3 13 `31 `32 `33 0 0 `33


 `211 = 1







 `11 `21 = −1





 `11 `31 = 3
=



 `221 + `222 = 2





 `31 `21 + `32 `22 = −3





 `2 + `2 + `2
31 32 32 = 13
114 Capı́tulo 2. 2001-2002
Resolvendo este sistema vamos obter



 `11 = 1







 `21 = −1





 `31 = 3
√ .



 `22 = 2−1=1





 `32 = −3 + 3 = 0



 √

 ` √
32 = 13 − 32 = 4 = 2
Desta forma, a decomposição de Cholesky da matriz A é dada por
   
1 −1 3 1 0 0
   
    T
A=
 −1 2 
−3  = LLT
=  −1 1 0

L .

   
3 −3 13 3 0 2
J.
(3,0) 4. Considere a seguinte tabela de valores de uma função f
x 0 0.25 0.5 0.75

f (x) 1.000 1.284 1.649 2.117
Escreva o sistema de equações normais que lhe permite determinar o polinómio de grau um que
melhor aproxima a função dada, no sentido dos mı́nimos quadrados.
Solução 2.14.4. Pretendemos então obter o sistema das equações normais, a partir do qual se obtém o
polinómio de grau um que melhor aproxima os pontos tabelados, no sentido dos mı́nimos quadrados. Para
isso vamos começar por obter o sistema de equações sobredeterminado que está associado ao problema que
pretendemos resolver. Nesse sentido tomemos a equação geral de um polinómio de grau um, p (x) = µ+θx,
com µ, θ ∈ R. O sistema sobredeterminado será construı́do em torna desta equação,
(0, 1.000) Ã µ + θ × 0 = 1.000
(0.25, 1.284) Ã µ + θ × 0.25 = 1.284
(0.5, 1.649) Ã µ + θ × 0.5 = 1.649
(0.75, 2.117) Ã µ + θ × 0.75 = 2.117

e, das equações acima escritas, extrai-se então o sistema sobredeterminado que pretendemos resolver,
   
 1 0  
1.000 
   
   
 1 0.25   µ   1.284 
Ax = b ⇔ 


  = 

.

 1 0.5  θ  1.649 
   
   
1 0.75 2.117
Sabemos agora que obter o polinómio de grau um que melhor aproxima os pontos tabelados, no sentido
dos mı́nimos quadrados equivale a resolver um problema de optimização, o qual consiste em minimizar o
resı́duo do sistema Ax = b na norma euclidiana, ou seja,
min kb − Axk2 ⇔ min2 kb − Axk22 . (2.14.1)

x ∈ R2 x∈R
A abordagem teórica deste problema de optimização vai-nos dizer que o óptimo do problema pode ser
obtido através da resolução do sistema de equações lineares AT Ax = AT b, sistema este que se designa
por sistema das equações normais. Prova-se que a solução do sistema das equações normais é, de facto,
o ponto óptimo para o problema (2.14.1).
No nosso caso, o sistema das equações normais que nos permite obter os coeficientes do polinómio de
grau um que pretendemos obter, é dado por,

    
 4.000 1.500   µ   6.050 
AT Ax = AT b ⇔   = .
1.500 0.8750 θ 2.733
Devemos salientar que a obtenção da matriz AT A deve ser feita com dupla precisão, devido ao possı́vel
mau condicionamento da mesma, e, por outro lado, como os elementos de b estão escritos com 4 alga-
rismos significativos, devemos usar uma aritmética de 4 algarismos significativos para resolver o nosso
sistema das equações normais.
   
 1 1 1  1  4.000 1.500 
AT =  T
 ⇒ A A= 
0 0.25 0.5 0.75 1.500 0.8750
   
 6.050   6.050 
⇒ AT b =  ≈ 
2.73325 2.733
J.
116 Capı́tulo 2. 2001-2002
(4,0) 5. Considere p (x) o polinómio interpolador nos seguintes quatro pontos
(−1, a) , (−0.5, b) , (0, −2b) e (1, 3c) ,
para quaisquer a, b, c ∈ R. Deduza a expressão de p (x) usando a fórmula de Newton com diferenças
divididas.
Solução 2.14.5. Comecemos por construir a tabela das diferenças divididas,
xk yk f [., .] f [., ., .] f [., ., ., .]
x0 = −1 y0 = a
2b − 2a
x1 = −0.5 y1 = b 2a − 8b
20
−6b c−a+ c
3
16
x2 = 0 y2 = −2b 2c + b
3
3c + 2b
x3 = 1 y3 = 3c
Desta forma, o polinómio interpolador de Newton com diferenças divididas que contém toda a infor-
mação da tabela é dado por
p3 (x) = f [x0 ] + f [x0 , x1 ]W0 (x) + f [x0 , x1 , x2 ]W1 (x) +
+f [x0 , x1 , x2 , x3 ]W2 (x) =
= a + (2b − 2a) (x − x0 ) + (2a − 8b) (x − x0 ) (x − x1 ) +

µ ¶
20
+ c − a + c (x − x0 ) (x − x1 ) (x − x2 ) =
3
= a + (2b − 2a) (x + 1) + (2a − 8b) (x + 1) (x + 0.5) +
µ ¶
20
+ c − a + c (x + 1) (x + 0.5) x
3
J.


Duraç~
11 de Junho de 2002
√
(3,0) 1. Seja L = 20π 7 a, onde a mede aproximadamente 10 cm. Com que rigor deve ser medido o
√
valor de a e quais as precisões que devem possuir π e 7, por forma a que se obtenha um valor
aproximado para L com um erro absoluto não superior a 17.5 cm?
Solução 2.15.1. Utilizando a fórmula de propagação do erro temos que

¯ ¯ ¯¯ ³√ ´¯¯
|e (La )| ≤ |∂π L| |e (πa )| + ¯∂√7 L¯ ¯e 7a ¯ + |∂a L| |e (aa )|
¯ √ ¯ ¯ ³√ ´¯ ¯ √ ¯¯
¯ ¯ ¯ ¯ ¯
≤ ¯20 7a aa ¯ |e (πa )| + |20πa aa | ¯e 7a ¯ + ¯20πa 7a ¯ |e (aa )|
Atendendo agora aos dados iniciais temos que aa ≈ 10 cm, além disso, precisamos de possuir aproxi-
√
mações para os valores de π e de 7 para podemos obter majorantes para os erros absolutos que afectam
estes mesmos valores, desta forma será sensato utilizarmos aproximações com baixa precisão, por forma
a que o majorante corrija de forma eficiente a precisão de cada uma das aproximações. Sob esta ideia
√
tomemos as seguintes aproximações: para π, 3.1, e para 7, 2.6. Note-se que se pretende que o erro
cometido no cálculo de L não seja superior a 17.5 cm. Assim sendo,

¯ √ ¯ ¯ ³√ ´¯ ¯ √ ¯¯
¯ ¯ ¯ ¯ ¯
|e (La )| ≤ ¯20 7a aa ¯ |e (πa )| + |20πa aa | ¯e 7a ¯ + ¯20πa 7a ¯ |e (aa )| ≤ 17.5,
logo
¯ √ ¯ ¯ ³√ ´¯ ¯ √ ¯¯
¯ ¯ ¯ ¯ ¯
¯20 7a aa ¯ |e (πa )| + |20πa aa | ¯e 7a ¯ + ¯20πa 7a ¯ |e (aa )| ≤ 17.5 cm (2.15.1)
Pretendemos agora saber o rigor com que se deve medir a, e quais as aproximações que devemos tomar
√
para π e para 7, por forma a que o erro verifique a relação (2.15.1), para isso dispomos de duas formas
viáveis: o princı́pio das influências iguais e o princı́pio dos erros iguais.

118 Capı́tulo 2. 2001-2002
Pelo princı́pio dos erros iguais vamos poder concluir o seguinte:
Se tomarmos como hipótese que todos os erros absolutos são iguais, i.e., que |e (aa )| = |e (πa )| =
¯ ¡√ ¢¯
¯e 7a ¯ = θ, então a relação (2.15.1) poder-se-á escrever da seguinte forma,
¯ √ ¯ ¯ √ ¯¯
¯ ¯ ¯
¯20 7a aa ¯ θ + |20πa aa | θ + ¯20πa 7a ¯ θ ≤ 17.5 cm,
o que, resolvendo em ordem a θ, nos fornece,
17.5
θ≤ ¡√ √ ¢ = 0.01344... ≈ 0.013 ≤ 0.05 .
20 7 × aa + π × 7 + π × aa
Com base nesta última relação podemos então concluir que, para que o erro absoluto que afecta o
valor aproximado de L seja não superior a 17.5 cm, então devemos garantir, pelo menos, 2 algarismos
√
significativos para π e para 7 e, pelo menos, 3 algarismos significativos para o valor aproximado de a.
E pelo princı́pio das influências iguais:
Suponhamos que todas as parcelas da soma na fórmula da propagação do erro influenciam da mesma
forma o majorante do erro que se comete, nesse caso,
¯ √ ¯ ¯ ³√ ´¯ ¯ √ ¯¯
¯ ¯ ¯ ¯ ¯
¯20 7a aa ¯ |e (πa )| + |20πa aa | ¯e 7a ¯ + ¯20πa 7a ¯ |e (aa )| ≤ 17.5 cm
| {z } | {z } | {z }
17.5 17.5 17.5
≤ ≤ ≤
3 3 3
Assim sendo,


 17.5

 |e (πa )| ≤ √ ≈ 0.011 ≤ 0.05

 3 × 20 × 7a × aa








17.5
|e (aa )| ≤ √ ≈ 0.036 ≤ 0.05

 3 × 20 × 7a × πa









 ¯ ¡√ ¢¯ 17.5

 ¯e 7a ¯ ≤ ≈ 0.0094 0.005
3 × 20 × aa × πa
Concluı́mos então que, para que o erro absoluto em La seja não superior a 17.5 cm, então teremos
de garantir: pelo menos 2 algarismos significativos na aproximação para π, pelo menos 3 algarismos
√
significativos na aproximação para a e pelo menos 4 algarismos significativos na aproximação para 7.
J.
(4,0) 2. Considere a seguinte equação ex = 4x2 .
a) Prove que esta equação tem três raı́zes reais. Separe-as em intervalos de amplitude não superior
a 0.5;
b) Averigue sobre a convergência do método de Newton para a menor das raı́zes no intervalo que
indicou; Calcule uma aproximação para a mesma com 4 algarismos significativos;
c) Quantas iterações terá de efectuar para aproximar a maior das raı́zes da equação, partindo do
intervalo indicado e utilizando o método da bissecção, se pretender obter uma aproximação
com um erro inferior a 0.5 × 10−6 .
Solução 2.15.2. a Comecemos por provar que a equação f (x) = 0 ⇔ ex − 4x2 = 0 possui três raı́zes
reais, separando-as em intervalos de amplitude não superior a 0.5 unidades. Para realizar tal tarefa,
vamos então utilizar o método gráfico, para isso vamos representar graficamente as funções ex e 4x2 , as
abcissas dos pontos de intersecção dos gráficos dar-nos-ão os valores das raı́zes que procuramos. Assim
sendo,
80
60
40
20
-1 1 2 3 4 5
: ex : 4x2
Olhando então para os dois gráficos, notamos que as intersecções dos mesmos estão nos seguintes
intervalos, [−1, 0], [0, 1] e [4, 5]. Comecemos por provar a existência das raı́zes em cada um destes
intervalos.
Para o intervalo [−1, 0], temos que
f (−1) = e−1 − 4 ≈ −3.63 < 0, f (−0.5) ≈ −0.39 < 0 e f (0) = 1 > 0,
logo, pelo teorema de Bolzano podemos concluir que existe então um valor α1 ∈ [−0.5, 0], tal que, f (α1 ) =
0.
120 Capı́tulo 2. 2001-2002
Para o intervalo [0, 1], temos que
f (0) = 1 > 0, f (0.5) ≈ 0.65 > 0 e f (1) ≈ −1.3 < 0,
logo, pelo teorema de Bolzano podemos concluir que existe então um valor α2 ∈ [0.5, 1], tal que, f (α2 ) = 0.
E para o intervalo [4, 5], temos que
f (4) ≈ −9.4 < 0, f (4.5) ≈ 9.0 > 0 e f (5) ≈ 48.4 > 0,
logo, pelo teorema de Bolzano podemos concluir que existe então um valor α3 ∈ [4, 4.5], tal que, f (α3 ) = 0.
Falta-nos então provar que estas três raı́zes são as únicas raı́zes da equação dada. Para fazer essa
tarefa teremos de recorrer ao estudo do sinal da derivada da função f (x) = ex − 4x2 .
Calculando a derivada desta função vamos obter, f 0 (x) = ex − 8x, cujos os zeros não se conseguem
obter de uma forma explı́cita. No entanto, podemos recorrer ao método gráfico para verificar onde se
encontram os zeros da derivada da nossa função. Assim sendo, se traçarmos os gráficos das funções ex
e 8x, vamos obter
80
60
40
20
-1 1 2 3 4 5
: ex : 8x
A partir do último gráfico podemos verificar que um dos zeros da derivada se encontra no intervalo
[0, 0.5], como se pode verificar por aplicação do teorema de Bolzano,
f 0 (0) = 1 > 0 e f 0 (0.5) ≈ −2.35 < 0,

o que pelo teorema de Bolzano, significa que existe β1 ∈ [0, 0.5], tal que, f 0 (β1 ) = 0. Enquanto o outro
zero se encontra no intervalo [3, 3.5]. Facilmente se verifica que
f 0 (3) ≈ −3.9 < 0 e f 0 (3.5) ≈ 5.1 > 0,
o que pelo teorema de Bolzano, significa que existe β2 ∈ [3, 3.5], tal que, f 0 (β2 ) = 0. Fica então provado
que a derivada da função não se anula em nenhum dos intervalos que indicamos para cada uma das raı́zes
da equação inicial, o que, consequentemente, prova que as raı́zes são únicas nesses mesmos intervalos.
Resta provar que só existem, de facto, estas três raı́zes. Para tal basta recorrer ao teorema de Rolle,
mas antes de o enunciarmos há que dizer o que são números de Rolle.
Definição 2.15.1 (Números de Rolle). Chamam-se números de Rolle da equação f (x) = 0, definida
em D ⊂ R, ao conjunto de pontos de fronteira de D e dos zeros da função f 0 (x), derivada de f .
Teorema 2.15.1 (Teorema de Rolle). Seja f uma função definida em D ⊂ R e contı́nua nesse
domı́nio. Se {r1 , r2 , . . . , rn } é o conjunto dos números de Rolle da função e rk < rk+1 , k = 1, 2, . . . , n − 1,
então, entre dois números de Rolle consecutivos existe no máximo um zero da equação f (x) = 0. De
uma forma mais concreta, se rk e rk+1 são dois números de Rolle de f , consecutivos, então, no intervalo
[rk , rk+1 ] haverá uma raiz se f (rk ) .f (rk+1 ) < 0, caso f (rk ) .f (rk+1 ) > 0, então não existirá qualquer
raiz da equação f (x) = 0 no intervalo [rk , rk+1 ].
Desta forma os nossos números de Rolle, devidamente ordenados, serão,
r1 = −∞, r2 = β1 ∈ [0, 0.5] , r3 = β2 ∈ [3, 3.5] e r4 = +∞.
Assim sendo,




 f (r1 ) = lim f (x) = −∞

 x→−∞
⇒ ∃1 α1 ∈ ]−∞, r2 ] : f (α1 ) = 0,





 f (r2 ) = f (β1 ) > 0
ou seja, ∃1 α1 ∈ [−0.5, 0] : f (α1 ) = 0.
Por outro lado,



 f (r2 ) = f (β1 ) > 0



⇒ ∃1 α2 ∈ [r1 , r2 ] : f (α1 ) = 0,




 f (r ) = f (β ) < 0
2 2
ou seja, ∃1 α2 ∈ [0.5, 1] : f (α2 ) = 0.

122 Capı́tulo 2. 2001-2002
E, finalmente,




 f (r2 ) = f (β2 ) < 0


⇒ ∃1 α3 ∈ [r2 , +∞[ : f (α3 ) = 0,





 f (r3 ) = lim = +∞
x→+∞
ou seja, ∃1 α3 ∈ [4, 4.5] : f (α3 ) = 0.
Fica assim provada a existência e unicidade das três raı́zes reais para a equação dada.
b) O teorema da convergência do método de Newton diz-nos o seguinte,
Teorema 2.15.2. Se numa vizinhança ]a, b[ do zero da função f , α, suficientemente pequena, se verificar
que f ∈ C 2 ([a, b]) e que para todo o ξ nessa vizinhança

¯ 00 ¯
¯ ¯
0 m1 ≤ |f 0 (ξ)| ≤ M1 e ¯f (ξ)¯ ≤ M2 ,
com
m1 = min |f 0 (x)| , M1 = max |f 0 (x)| e M2 = max |f 00 (x)| ,

x∈[a,b] x∈[a,b] x∈[a,b]
então o método de Newton converge, e o erro satisfaz a relação
2 M2
|ek+1 | ≤ M |ek | , com M = .
2m1
Podemos também concluir que a ordem de convergência do método de Newton é p = 2.
Assim, o que temos de garantir para assegurar a convergência é que a função f (x) = ex − 4x2 é uma
função de classe C 2 no intervalo [−0.5, 0] e que f 0 (x) 6= 0, para todo o x ∈ [−0.5, 0]. Mas, atrás já
concluı́mos que os zeros da derivada estão fora do intervalo que aqui estamos a utilizar, logo, f 0 (x) 6= 0,
para todo o x ∈ [−0.5, 0]. Por outro lado,



 f (x) = ex − 4x2 é contı́nua em [−0.5, 0]



2
 f 0 (x) = ex − 8x existe e é contı́nua em [−0.5, 0] ⇒ f ∈ C ([−0.5, 0]) .



 f 00 (x) = ex − 8 existe e é contı́nua em [−0.5, 0]
Além destas duas condições, e com vista a assegurar uma convergência ”rápida” devemos escolher um
intervalo inicial cuja amplitude verifique a seguinte relação
1 1 2.m1
b−a≤ = = .
M M2 /2.m1 M2
Desta forma precisamos então de calcular os valores de M2 e de m1 . m1 será dado por,
m1 = min {|f 0 (x)| : x ∈ [−0.5, 0]} ,

o qual, para ser calculado, carece da análise à segunda derivada da função f , a qual sabemos que é dada
por
f 00 (x) = ex − 8 ⇒ f 00 (x) = 0 ⇔ ex − 8 = 0 ⇔ x = ln (8) ≈ 2.1 ∈

/ [−0.5, 0] .
Por conseguinte,
m1 = min {|f 0 (x)| : x ∈ [−0.5, 0]} = min {|f 0 (−0.5)| , |f 0 (0)|} =
= min {4.60653066..., 1} =
= 1.
Quanto a M2 , esse será obtido por
M2 = max {|f 00 (x)| : x ∈ [−0.5, 0]} ,
o qual, para ser calculado, carece da análise à terceira derivada da função f , a qual é dada por
f 000 (x) = ex ⇒ f 00 (x) = 0 ⇔ ex = 0 impossı́vel em R ⊃ [−0.5, 0] .
Por conseguinte,
M2 = max {|f 00 (x)| : x ∈ [−0.5, 0]} =
= min {|f 00 (−0.5)| , |f 00 (0)|} =
= min {7.39346934..., 7} ≈ 7.39.
Como tal,
M2 7.39 1
M= ≈ ≈ 3.695 ⇒ ≈ 0.27,
2.m1 2 M
mas a amplitude do intervalo que estamos a utilizar é igual a 0.5, o que significa que a amplitude do
intervalo não será a mais adequada para o nosso caso. Devemos então refinar este intervalo antes de
escolhermos o ponto x0 e começarmos a iterar, a forma mais fácil de o fazer é por aplicação do método
da bissecção. Basta uma simples aplicação deste método para obtermos um intervalo cuja amplitude seja
inferior a 0.27 e por conseguinte se verifique a relação
1
b − a = 0.25 ≤ .
M
k xk f (xk ) f 0 (xk ) |e (xk )| = |α1 − xk | ≈ |xk+1 − xk |
0 −0.5 −0.3934693403 4.60653066 ≈ 0.09 0.5 × 10−4
1 −0.4145844521 −0.02690633089 3.977290357 ≈ 0.007 0.5 × 10−4
2 −0.4078194617 −0.000167909676 3.927654638 ≈ 0.4 × 10−4 ≤ 0.5 × 10−4
3 −0.4077767111
124 Capı́tulo 2. 2001-2002
Assim, tomaremos para aproximação da raiz α1 ∈ [−0.5, 0], o valor −0.4078, o qual sabemos que
possui 4 algarismos significativos.
c)Sabemos que o erro que afecta uma determinada iteração, xk , do método da bissecção é inferior ou
igual a
b−a
,
2k+1
no caso de começarmos com x0 , ou

b−a
,
2k
no caso de começarmos com x1 , quando estamos a aproximar uma raiz que pertence ao intervalo [a, b].
Assim, utilizando a primeira das duas fórmulas anteriores, temos
b−a 0.5 1
|e (xk )| ≤ = k+1 ≤ 0.5 × 10−6 ⇔ ≤ 10−6 ⇔ 2k+1 ≥ 106 ⇔
2k+1 2 2k+1
¡ ¢ ¡ ¢
⇔ ln 2k+1 ≥ ln 106 ⇔
¡ ¢
ln 106
⇔ k ≥ −1 + ≈ 18.9 ⇒
ln (2)
⇒ k ≥ 19.
∴ Serão então necessárias, pelo menos, k + 1 = 20 iterações, para que se obtenha uma aproximação
para a raiz α1 com um erro não superior a 0.5 × 10−6 .
J.
(3,0) 3. Considere o seguinte sistema de equações lineares, Ax = b, com

   
2.69 1.30 0.00 1.10
   
   
A =  1.30 1.36 0.600  e b =  −0.621 .
   
0.00 0.600 1.10 0.435
a) Verifique se a matriz do sistema é definida positiva;
b) Resolva, com uma aritmética de 3 algarismos significativos, o sistema de equações lineares da

forma mais eficiente.
Solução 2.15.3. a) Vamos verificar se a matriz dada é definida positiva utilizando a definição de matriz
definida positiva.
Definição 2.15.2. Uma matriz A ∈ Rn×n diz-se definida positiva se xT Ax > 0, ∀ x ∈ Rn \ {0}.
Seja então x = (x1 , x2 , x3 ) 6= (0, 0, 0),

  
2.69 1.30 0.00 x1
· ¸  
  
x3  1.36 0.600   x2 
 
T
x Ax = x1 x2  1.30 =
  
0.00 0.600 1.10 x3
 
x1
· ¸ 
 
= 2.69x1 + 1.30x2 1.30x1 + 1.36x2 + 0.600x3 0.600x2 + 1.10x3  x2 

=
 
x3
= 2.69x21 + 2 × 1.30x1 x2 + 1.36x22 + 2 × 0.600x2 x3 + 1.10x23 ⇒
¡ ¢
⇒ xT Ax = x21 + 1.69x21 2 × 1.30x1 x2 + x22 +
¡ ¢
+ 0.360x22 + 2 × 0.600x2 x3 + x23 + 0.100x23 =
2 2
= x21 + (1.30x1 + x2 ) + (0.600x2 + x3 ) + 0.100x23
Pelo que, para que xT Ax será sempre um valor não negativo, por outro lado, para que seja igual a zero
teremos de impor que x1 e x3 sejam ambos simultaneamente nulos, logo,
xt Ax = 0 ⇔ x1 = 0 ∧ x3 = 0 ∧ x22 + 0.360x22 = 0 ⇔ x1 = 0 ∧ x3 = 0 ∧ x2 = 0.
Assim sendo, xT Ax > 0, para todo o x = (x1 , x2 , x3 ) 6= (0, 0, 0).
b) Como a matriz do sistema é simétrica e definida positiva, e pelo facto de pretendermos resolver
o sistema pela forma mais eficiente, devemos então utilizar a decomposição de Cholesky para resolver o
sistema de equações lineares apresentado.
Comecemos então por obter a decomposição de Cholesky da matriz A. Ora,

    
2.69 1.30 0.00 `11 0 0 `11 `21 `31
    
    

A =  1.30 1.36 0.600 
 =
T   
LL =  `21 `22 0   0 `22 `32  
    
0.00 0.600 1.10 `31 `32 `33 0 0 `33
 
`211 `11 `21 `11 `31
 
 
=  ` ` `221 + `222 `21 `31 + `22 `32 
 11 21 
 
2 2 2
`11 `31 `21 `31 + `22 `32 `31 + `32 + `33
126 Capı́tulo 2. 2001-2002
Assim sendo,
 

 `211 = 2.69 
 `11 = 1.64

 


 


 


 `11 `21 = 1.30 
 `21 = 1.30/`11 = 0.793

 


 


 

`11 `31 = 0 `31 = 0
⇔

 


 `221 + `222 = 1.36 
 0.629 + `222 = 1.36

 


 


 `21 `31 + `22 `32 = 0.600 
 `21 `31 + `22 `32 = 0.600

 


 


 `2 + `2 + `2 
 `2 + `2 + `2
31 32 33 = 1.10 31 32 33 = 1.10


 `11 = 1.64







 `21 = 1.30/`11 = 0.793





 `31 = 0
⇔ √ √



 `22 = 1.36 − 0.629 = 0.731 = 0.855





 `32 = 0.600/`22 = 0.702





 ` √ √
33 = 1.10 − 0.493 = 0.607 = 0.779
Desta forma a matriz triangular inferior da decomposição de Cholesky é a seguinte

 
1.64 0.00 0.00
 
 
L=
 0.793 0.855 0.00 .
 
0.00 0.702 0.779
Obtida então a decomposição triangular é então muito fácil resolver o sistema Ax = b dado.


 1o ) Ly = b



T
Ax = b ⇔ LL
|{z}x=B⇔ .


=y 

 2o ) LT x = y
Em primeiro lugar resolvemos o sistema triangular inferior Ly = b,

    
1.64 0.00 0.00 y1 1.10
    
    
Ly = b ⇔ 
 0.793 0.855
  
0.00   y2   −0.621 
= 

    
0.00 0.702 0.779 y3 0.435
que equivale a escrever



 1.64y1 = 1.10



 0.793y1 + 0.855y2 = −0.621



 0.702y2 + 0.779y3 = 0.435
que equivale a


 y1 = 1.10/1.64 = 0.671



 0.793 × 0.671 + 0.855y2 = −0.621



 0.702y2 + 0.779y3 = 0.435
ou seja


 y1 = 0.671



 y2 = −1.35



 0.779y3 = 0.435 − 0.702y2 = 0.435 − 0.702 × (−1.35)
(−0.621 − 0.793 × 0.671)/0.855 = (−0.621 − 0.532)/0.855 = −1.15/0.855 = −1.35
Obtemos então que

    

 y1 = 0.671 y1 0.671

    
    
y2 = −1.35 ⇔   =  
  y2   −1.35 

    

 y3 = 1.77 y3 1.77
(0.435 − 0.702 × (−1.35))/0.779 = (0.435 + 0.948)/0.779 = 1.38/0.779 = 1.77
De seguida resolveremos o sistema triangular superior LT x = y,

    
1.64 0.793 0.00 x1 0.671
    
    
L x=y⇔
T
 0.00 0.855 0.702
  x  =  −1.35 
 2   
    
0.00 0.00 0.779 x3 1.77
Este sistema pode ser escrito da seguinte forma


 1.64x1 + 0.793x2 = 0.671



 0.855x2 + 0.702x3 = −1.35



 0.779x3 = 1.77
que equivale a


 1.64x1 = 0.671



 x2 = (−1.35 − 0.702x3 )/0.855



 x3 = 1.77/0.779 = 2.27
128 Capı́tulo 2. 2001-2002
ou seja


 x1 = (0.671 − 0.793x2 )/1.64



 x2 = −3.44



 x3 = 2.27
(−1.35 − 0.702 × 2.27)/0.855 = (−1.35 − 1.59)/0.855 = −2.94/0.855 = −3.44
e, finalmente,
    

 x1 = 2.07 x1 2.07

    
    
⇔    
 x2 = −3.44  x2   −3.44  .
=

    

 x3 = 2.27 x3 2.27
(0.671 − 0.793 × (−3.44))/1.64 = (0.671 + 2.73)/1.64 = 3.40/1.64 = 2.07
Extra resposta, podemos ainda calcular o resı́duo que está associado à aproximação obtida.
    
1.10 2.69 1.30 0.00 2.07
    
    
r = b − Ax =   
 −0.621  −  1.30 1.36 
0.600   −3.44 

=
    
0.435 0.00 0.600 1.10 2.27
     
1.10 1.0963 0.0037
     
     
≈   
 −0.621   −0.6254  ≈ 
−   0.0044 

     
0.435 0.433 0.002
Desta forma teremos
krk∞ ≈ 0.0044 e krk2 ≈ 0.0061,
o que prova que a solução obtida possui muito boa precisão (não devemos esquecer que estamos a trabalhar
com 3 algarismos significativos).
J.
(3,0) 4. Considere a seguinte tabela de valores de uma função f
xi 1.0 1.2 1.5 1.6

f (xi ) 5.44 6.64 8.96 9.91
Obtenha o polinómio de primeiro grau que melhor se ajusta a todos os valores da tabela, no sentido
dos mı́nimos quadrados.
Solução 2.15.4. Pretendemos encontrar a recta que melhor aproxima os pontos dados na tabela, no
sentido dos mı́nimos quadrados. Assim sendo, comecemos por construir o sistema sobredeterminado
associado ao problema que pretendemos resolver. Para isso consideremos a equação geral da recta y =
α + βx. Desta forma,
(1.0, 5.44) Ã α + β × 1.0 = 5.44
(1.2, 6.64) Ã α + β × 1.2 = 6.64
(1.5, 8.96) Ã α + β × 1.5 = 8.96
(1.6, 9.91) Ã α + β × 1.6 = 9.91
O sistema sobredeterminado associado é então dado por

   
 1 1.0 
 
5.44 
   
   
 1 1.2   α   6.64 
   =  . (2.15.2)
   
 1 1.5  β  8.96 
   
   
1 1.6 9.91
No sentido dos mı́nimos quadrados podemos resolver o sistema (2.15.2) de duas formas: através
da decomposição QR da matriz do sistema ou através da resolução do sistema das equações normais
AT Ax = AT b. Aqui, por uma questão de simplicidade, vamos optar pela segunda hipótese.
Para construir o sistema das equações normais devemos ter em atenção o facto de estarmos a trabalhar
com um aritmética finita, tal facto implica que se deva construir a matriz AT A com dupla precisão. Assim
sendo,    
 1 1 1 1   4 5.3 
AT =  T
⇒A A= ,
1.0 1.2 1.5 1.6 5.3 7.25
por outro lado    

 30.95   31.0 
AT b =  ≈ .
42.704 42.7
Vamos fazer os nossos cálculos utilizando uma aritmética de 3 algarismos significativos. O facto de
termos de usar dupla precisão não tem, neste caso, qualquer influência nos resultados que vamos obter.
Como tal vamos utilizar uma aritmética de três algarismos significativos, visto que os elementos do termo
independente possuem essa precisão.
Agora, para resolver o sistema AT Ax = AT b, sabemos que a matriz AT A é uma matriz simétrica
definida positiva, pelo que devemos utilizar a decomposição de Cholesky para resolver o sistema das
130 Capı́tulo 2. 2001-2002
equações normais. Obtenha-se então a decomposição de Cholesky da matriz do sistema,

      
2
 4 5.3   `11 0  `11 `21   `11 ` 11 `21 
AT A =  T
 = LL =   = ,
5.3 7.25 `21 `22 0 `22 `11 `21 `221 + `222
então  

 `211 = 4 
 `11 = 2.00

 

 
 `11 `21 = 5.3 ⇔  `21 = 2.65 .

 


 `2 + `2 
 ` √ √
21 22 = 7.25 22 = 7.25 − 7.02 = 0.230 = 0.480
Com esta decomposição, o nosso sistema passa a ter a seguinte forma,



 1o ) Ly = AT b



AT Ax = AT b ⇔ LLT x = AT b ⇔




 2o ) LT x = y
Resolvendo o primeiro sistema triangular, Ly = AT b, vamos obter,

    
 2.00 0.00 y
 1   31.0 
Ly = AT b ⇔   = ⇔
2.65 0.480 y2 42.7


 2.00y1 = 31.0
⇔ ⇔

 2.65y1 + 0.480y2 = 42.7


 y1 = 15.5
⇔

 y2 = (42.7 − 2.65 × 15.5)/0.480 = 3.33
e, no que respeita ao segundo sistema triangular,

    
 2.00 2.65   α   15.5 
LT x = y ⇔   = ⇔
0.00 0.480 β 3.33


 2.00α + 2.65β = 15.5
⇔ ⇔

 0.480β = 3.33


 α = (15.5 − 2.65 × 6.94)/2.00 = −1.45
⇔

 β = 6.94
∴ A recta que melhor aproxima os pontos dados, no sentido dos mı́nimos quadrados, é a recta y =
α + βx = −1.45 + 6.94x.
J.
(4,0) 5. Seja f uma função de classe C 2 em [x0 , x1 ]. Seja p1 o polinómio de grau ≤ 1, tal que p1 (x0 ) =
f (x0 ) e p1 (x1 ) = f (x1 ). Determine um número real a > 0, tão pequeno quanto possı́vel por forma
a que
a × max |f 00 (η)|
η∈[x0 ,x1 ]
seja majorante do erro absoluto que se comete ao utilizar p1 (x) como valor aproximado de f (x)
para x ∈ ]x0 , x1 [.
Solução 2.15.5. Sabemos, pelo teorema do erro, que o erro nesta interpolação verifica a seguinte relação:
¯ ¯
¯ (x − x0 ) (x − x1 ) 00 ¯
¯
∃ξ ∈ [x0 , x1 ] : |e (p1 (x))| = ¯ f (ξ)¯¯ , ∀ x ∈ [x0 , x1 ] .
2!
Procedendo à majoração, não será difı́cil de concluir que se obtém o seguinte resultado:
¯ ¯
¯ (x − x0 ) (x − x1 ) ¯
¯
|e (p1 (x))| ≤ ¯ ¯ max |f 00 (η)| , ∀ x ∈ [x0 , x1 ] .
2! ¯ η∈[x0 ,x1 ]
O que se verifica então, relativamente ao enunciado do exercı́cio, é que o valor de a corresponderá à
majoração de
¯ ¯
¯ (x − x0 ) (x − x1 ) ¯
¯ ¯
¯ 2! ¯
no intervalo de interpolação. Calculemos então esse majorante.
Tomemos
¯ ¯
¯ (x − x0 ) (x − x1 ) ¯
¯
h (x) = ¯ ¯
2! ¯
e analisemos o que se passa com esta função no intervalo [x0 , x1 ]. Não será difı́cil notar que h não é mais
do que o módulo de um polinómio do segundo grau com raı́zes em x0 e em x1 , além disso, o argumento
do módulo
(x − x0 ) (x − x1 ) x2 − x x0 − x x1 + x0 x1
g (x) = =
2! 2
é um polinómio do segundo grau com a concavidade voltada para cima e negativo no intervalo em que
estamos a efectuar a interpolação, pelo que podemos concluir que
x2 − x x0 − x x1 + x0 x1
h (x) = − , ∀ x ∈ [x0 , x1 ] = I.
2
Agora, para estudarmos o máximo desta função no intervalo I, basta calcular os zeros da derivada.
2x − x0 − x1 x0 + x1
h0 (x) = − =0⇔x= ,
2 2
e, por conseguinte, este será o ponto que maximizará a nossa função no intervalo I. De facto, h00 (x) =
−1 < 0, ∀ x ∈ [x0 , x1 ], o que prova que a nossa função possui um máximo no intervalo I, estando a
132 Capı́tulo 2. 2001-2002
concavidade da função voltada para baixo em todo este intervalo. Como implicação directa deste estudo,
podemos garantir que o valor máximo que a função atinge neste intervalo é então atingido no ponto que
anula a derivada ou seja,

µ ¶ · ¸
x0 + x1 x2 − x x0 − x x1 + x0 x1
h = − x0 + x1 =
2 2 x=
2
µ ¶2
x0 + x1 x0 + x1 x0 + x1
− x0 − x1 + x0 x1
2 2 2
= − =
µ 2 ¶ 2
x0 + x21 + 2x0 x1 x2 + x0 x1 x1 x0 + x21
− 0 − + x0 x1
4 2 2
= −
µ 2 ¶ 2
x0 + x21 + 2x0 x1 −x20 − x0 x1 − x1 x0 − x21 2x0 x1
+ +
4 2 2
= − =
2
x2 + x21 + 2x0 x1 − 2x20 − 2x0 x1 − 2x1 x0 − 2x21 + 4x0 x1
= − 0 =
8
x20 + x21 − 2x0 x1
= =
8
2
(x1 − x0 )
= =a
8
Podemos então concluir que

2
(x1 − x0 )
|e (p1 (x))| ≤ max |f 00 (η)| , ∀ x ∈ [x0 , x1 ] .
8 η∈[x0 ,x1 ]
J.
xi 1.0 1.2 1.3

f (xi ) 1.0000 1.5527 1.9937
a) Fazendo uso de toda a informação da tabela, determine um valor aproximado de f (1.1), através
do polinómio interpolador de Lagrange;
b) Sabendo que
¡ ¢
∀ x ∈ [1, 1.3] , |f 000 (x)| ≤ 8 2x3 + 3x ,
determine um majorante para o erro absoluto que afecta a aproximação obtida na alı́nea
anterior.
Solução 2.15.6. a) Por definição temos que o polinómio interpolador de Lagrange é dado por
(x − x1 ) (x − x2 ) (x − x0 ) (x − x2 ) (x − x0 ) (x − x1 )
p2 (x) = y0 + y1 + y2
(x0 − x1 ) (x0 − x2 ) (x1 − x0 ) (x1 − x2 ) (x2 − x0 ) (x2 − x1 )
e substituindo os valores temos
(x − 1.2) (x − 1.3) (x − 1.0) (x − 1.3)

p2 (x) = 1.0000 + 1.5527 +
(1.0 − 1.2) (1.0 − 1.3) (1.2 − 1.0) (1.2 − 1.3)
(x − 1.0) (x − 1.2)
+1.9937 =
(1.3 − 1.0) (1.3 − 1.2)
= 16.6667 (x − 1.2) (x − 1.3) − 77.635 (x − 1.0) (x − 1.3) +
+66.4567 (x − 1.0) (x − 1.2)
Desta forma, substituindo x por 1.1 vamos obter
f (1.1) ≈ p2 (1.1) ≈ 16.6667 × (−0.1) (−0.2) − 77.635 (0.1) (−0.2) + 66.4567 (0.1) (−0.1) ≈
≈ 1.22147
b) Pelo teorema do erro na interpolação podemos concluir que
M3
|e (p2 (1.1))| = |f (1.1) − p2 (1.1)| ≤ |(1.1 − x0 ) (1.1 − x1 ) (1.1 − x2 )| , (2.15.3)
3!
¡ ¢
com M3 = max |f 000 (x)|. Mas, pelo enunciado, sabemos que |f 000 (x)| ≤ 8 2x3 + 3x , para todo
x∈[1.0,1.3]
o x ∈ [1.0, 1.3]. Desta forma, com vista a majorar a terceira derivada da função f no intervalo de
¡ ¢
interpolação [1.0, 1.3], podemos majorar a função 8 2x3 + 3x no intervalo supracitado. Façamos então
¡ ¢
g (x) = 8 2x3 + 3x . Com a intenção de calcular o máximo absoluto da função g no intervalo [1.0, 1.3],
vamos calcular os zeros da função derivada de g.
g 0 (x) = 48x2 + 24 = 0 ⇔ 48x2 = −24 (Impossı́vel).
Assim sendo temos,
M3 = max |f 000 (x)| ≤ max {|g (1.0)| , |g (1.0)|} = max {40, 66.352} = 66.352. (2.15.4)
x∈[1.0,1.3]
Substituindo (2.15.4) em (3.7.5) vamos então obter,
66.352
|e (p2 (1.1))| = |f (1.1) − p2 (1.1)| ≤ |(1.1 − 1.0) (1.1 − 1.2) (1.1 − 1.3)|
6
≤ 0.0221173 ≈ 0.022 ≤ 0.05
Atendendo à aproximação obtida, podemos então garantir, pelo menos, 2 algarismos significativos para
a aproximação p2 (1.1), logo, p2 (1.1) ≈ 1.2.
J.
134 Capı́tulo 2. 2001-2002
Exame de Época Normal - 2a Chamada ao 3h:000

Duraç~
16 de Julho de 2001
3.414
1. Seja c ≈ (1.56) . Considerando que os valores 1.56 e 3.414 são aproximações obtidas por arre-
dondamento, determine um majorante para o erro relativo que ocorre no cálculo de c. Determine
coerentemente uma aproximação de c.
2. Seja
f (x) = ln ((x + 1) ln (x + 1)) .
Pretende-se calcular uma aproximação para o valor da abcissa x∗ , tal que f (x∗ ) = 0.
a) Encontre um intervalo, com amplitude igual a 0.5, que contenha o possı́vel valor x∗ que verifica
a condição f (x∗ ) = 0.
b) Quantas iterações terá de fazer, utilizando o método da bissecção, para aproximar o valor de
x∗ com um erro não é superior a 0.5 × 10−5 ?
c) Prove que a fórmula iteradora para obter x∗ , associada ao método de Newton, é dada por
xn − ln (xn + 1) + 1
xn+1 = .
1 + ln (xn + 1)
3. Seja  
4 α 0
 
 
 
 
 17 
A= 1 β , com α, β, γ, δ ∈ R.
 4 
 
 
 
γ δ 1
a) Quais os valores possı́veis para α, β, γ e δ para que se possa efectuar a decomposição de

Cholesky da matriz A.
· ¸T
3
b) Resolva o sistema Ax = b, em aritmética exacta, com b = −2 1 , utilizando para
2
tal a decomposição de Cholesky calculada na alı́nea anterior, com δ = 0.
4. Considere a seguinte tabela de valores de uma função f ,
x -2 -1/2 0 1
f (x) 0 1 2 -1
Pretende-se fazer passar uma recta, y = β + α (x − 2), pelos pontos acima tabelados.
a) Escreva o sistema de equações lineares, Av = b, que traduz este facto e resolva-o no sentido
dos mı́nimos quadrados.
 
β
b) Calcule a norma 2 do vector r = b − Av, com v =  .
α
c) Compare o vector r = b − Av, referido na alı́nea anterior, com qualquer outro vector b − Aw,
com w 6= v.
5. Considere a seguinte tabela de valores de uma função f , a qual se sabe ser um polinómio de grau
igual a 2,
xi -2 -1 0 1
f (xi ) 6 2 -1 y
a) Construa a tabela das diferenças divididas associada a todos os pontos da tabela.
b) Qual o valor de f [−1, 0, 1]? Justifique.
c) Utilizando a fórmula interpoladora de Newton baseada nos pontos da tabela, calcule f (−1/2).
O valor que obteve é aproximado ou exacto?
d) Por aplicação da regra dos trapézios, obtenha um valor aproximado para

Z 0
f (x) dx.
−2
e) Recorrendo à tabela e às regras de quadratura numérica que conhece, obtenha o valor exacto
do integral Z 0
f (x) dx.
−2
Justifique a sua resposta.

136 Capı́tulo 2. 2001-2002
2.17 02/07/2002 - Eng. do Ambiente

Exame de Época Normal - 02/07/2002 ao 3h:000

Duraç~
√
(3.0)1. Suponha que se pretende calcular um valor aproximado de A = 2 tan (2 α), onde α ≈ 25o ± 0.5o .
Para que o erro absoluto que afecta o valor aproximado de A seja não superior a 0.001, diga quantos
√
algarismos significativos terá de usar para aproximar o valor de 2.
Solução 2.17.1. O erro em α é-nos dado em graus, pelo que devemos fazer a conversão para radianos
para o podermos utilizar na fórmula da propagação do erro. Assim,
180o −→ π rad 0.5 × π

⇒x= rad = 0.008726 . . . rad ≈ 0.0087 rad .
180
0.5o −→ x rad
√
Ora, o que nós pretendemos saber é qual a precisão que deve ser assumida em 2 por forma a que o erro
que se comete na aproximação para A não seja superior a 0.001. Desta forma, utilizando a fórmula da
propagação do erro, temos
¯ ³√ ´¯ ¯¯ ∂A ¯¯ ¯ ¯
¯ ∂A ¯
¯ ¯
|e (Aa )| ≤ ¯e 2a ¯ ¯¯ √ ¯¯ + |e (αa )| ¯¯ ¯ ≤ 0.001. (2.17.1)
∂ 2 ∂α ¯
√
Mas agora necessitamos de uma aproximação para o valor de 2, valor sobre o qual recai o estudo do
erro. Como não possuı́mos qualquer aproximação para este valor vamos então utilizar um valor com pouca
precisão, por forma a que a mesma seja corrigida no final de uma forma eficiente. Tomemos então, por
√
exemplo, 2a = 1.4. Notando que,
∂A
√ = tan (2α) ,
∂ 2
e que
√
∂A 2 2
= ,
∂α cos2 (2α)
2.17. 02/07/2002 - Eng. do Ambiente 137
vamos obter da relação (3.6.4), que

" √ #
¯ ³√ ´¯ 2 2a
¯ ¯
|e (Aa )| ≤ ¯e 2a ¯ [tan (2αa )]αa =25o + 0.0087 × ≤ 0.001
cos2 (2αa ) √
(αa =25o , 2a =1.4)
o que equivale a escrever,

¯ ³√ ´¯
¯ ¯
¯e 2a ¯ × 1.191753593 + 0.0087 × 6.845576056 ≤ 0.001,
ou ainda
¯ ³√ ´¯
¯ ¯
¯e 2a ¯ × 1.191753593 + 0.059556511 ≤ 0.001 .
¯ ¡√ ¢¯
Notando agora que ¯e 2a ¯ × 1.191753593 ≥ 0, facilmente se concluir que a parte esquerda da
desigualdade será sempre maior que a parte direita da mesma, o que por sua vez significa que qualquer,
√
que seja o erro que se cometa na aproximação para 2, o erro que se comete na aproximação para A
será sempre maior que 0.001.
J.
√
(4.0)2. Pretendemos aproximar o valor de x, com x ∈ R+
0.
a) Estabeleça, a partir do método de Newton, um método iterativo para o cálculo da raiz quadrada
de x > 0;
√
b) Determine, usando o método anterior, um valor aproximado de 17, com cinco algarismos
significativos.
Solução 2.17.2. Vamos utilizar o método de Newton para obter uma aproximação para o valor de
√ √
x, x ≥ 0. Para isso vamos necessitar de obter uma função que tenha como zero o valor x. Façamos
√
então y = x ⇒ y 2 = x ⇒ y 2 − x = f (y). Assim, a função que vamos utilizar para aplicar o método de
Newton é
f (y) = y 2 − x.
Devemos tomar a máxima atenção, uma vez que o papel de x neste caso é o de uma constante, pelo que
a nossa função deverá ser construı́da em torno de uma outra ”letra” e não x. Caso tal não seja tomado
em linha de conta, também não será difı́cil de verificar que a nossa função não vai realizar os nossos
√
objectivos pois, se fizéssemos x = x, obterı́amos f (x) = x2 − x, cujos zeros são x1 = 0 e x2 = 1 e não
√
o valor x como se pretende.
√
a) Tomemos então a função f (y) = y 2 − x para obter uma aproximação para o valor de x, x ≥ 0,
através do método de Newton. Ora, para podermos aplicar o método de Newton a esta função para
138 Capı́tulo 2. 2001-2002
aproximarmos os seus zeros, esta terá de respeitar certas condições. Para começar teremos de escolher
√
uma vizinhança do valor x não muito grande. Nessa vizinhança f terá de ser de classe C 2 , o que se
verifica muito facilmente, pois f ∈ C ∞ (R), uma vez que se trata de uma função polinomial. Por outro
lado f 0 (y) = 2y = 0 ⇔ y = 0, ou seja, o único ponto que anula a derivada é a origem. Atendendo a estes
resultados e ao teorema da convergência e erro do método de Newton podemos concluir que o método de
Newton converge quando aplicado a esta função para aproximar os seus zeros, desde que a vizinhança que
se escolha seja um intervalo que não contenha a origem.
Pretendemos agora indicar o método iterativo que nos vai permitir obter a aproximação desejada.
Ora, a fórmula iteradora do método de Newton é dada por
f (yn )
yn+1 = yn − , n = 0, 1, . . . ,
f 0 (yn )
começando com uma aproximação qualquer no intervalo indicado inicialmente como vizinhança suficien-
√
temente pequena de x. Atendendo a que f (y) = y 2 − x e que f 0 (y) = 2y vamos então obter o seguinte
esquema iterativo,
yn2 − x 2y 2 − yn2 + x y2 + x
yn+1 = yn − = n = n , n = 0, 1, . . . .
2yn 2yn 2yn
b) Vamos agora particularizar o que estivemos a dizer na alı́nea anterior. Para isso vamos tomar
√
x = 17, i.e., vamos aproximar o valor de 17. Assim teremos,
f (y) = y 2 − 17 ⇒ f 0 (y) = 2y ⇒ f 00 (y) = 2.
Facilmente se conclui que estas três funções são contı́nuas em R, pelo que o serão também em qualquer
√
subintervalo de R. Por outro lado, f 0 (y) = 0 ⇔ y = 0, mas como 17 ∈ [4, 5], imediatamente se conclui
que a primeira derivada da função é diferente de zero para todo o ponto pertencente ao intervalo [4, 5],
intervalo este que contém a raiz de f que pretendemos aproximar. Vistas estas condições, e utilizando o
teorema da convergência e do erro do método de Newton, o qual enunciamos de seguida,
M2 2 2
|e (xk+1 )| ≤ |e (xk )| = M |e (xk )| , k = 0, 1, 2, 3, . . . ,
2 m1

x∈[a,b] x∈[a,b]
2.17. 02/07/2002 - Eng. do Ambiente 139
podemos concluir que o método de Newton converge quando aplicado a esta função neste intervalo,
√
para aproximar o valor de 17.
Assim sendo, resta-nos verificar se a amplitude do intervalo é aceitável, escolher o valor de y0 e

√
calcular a aproximação para 17. Comecemos pela amplitude do intervalo. Sabemos que esta deve ser
inferior a 1/M , ou seja, 2m1 /M2 , onde
m1 = min |f 0 (y)| = min |2y| = 8,

x∈[4,5] x∈[4,5]
M2 = max |f 00 (y)| = min |2| = 2.

x∈[4,5] x∈[4,5]
Desta forma concluı́mos que
1 2m1 2×8
(b − a) = (5 − 4) = 1 ≤ = = = 8. (Verdade)
M M2 2
O valor da aproximação inicial y0 será escolhido de entre os extremos do intervalo [4, 5], por forma
a que f (y0 ) × f 00 (y0 ) > 0, i.e., o extremo onde a função e a primeira derivada possuem o mesmo sinal.
Assim, como f 00 (y) = 2 > 0 para todo o ponto y ∈ R, e como f (4) = −1 < 0 e f (5) = 8, então
deveremos escolher y0 = 5. Utilizando agora a expressão iteradora indicada na alı́nea anterior,
yn2 + 17
yn+1 = , n = 0, 1, . . . ,
2 yn
vamos obter a seguinte tabela para o método de Newton,
k yk |e (yk )| ≈ |yk+1 − yk | ≤ 0.5 × 10−4
0 5 ≈ 0.8 ≤ 0.5 × 10−4 (F.)
1 4.2 ≈ 0.08 ≤ 0.5 × 10−4 (F.)
2 4.123809524 ≈ 0.0007 ≤ 0.5 × 10−4 (F.)
3 4.123105686 ≈ 0.6 × 10−7 ≤ 0.5 × 10−4 (V.)
4 4.123105626
√
Desta forma, uma aproximação para 17 com um erro inferior ou igual a 0.5×10−4 (com 5 algarismos
significativos), será dada por 4.1231.
J.
(2.0)3. Considere um sistema de equações lineares Ax = b em que o segundo membro verifica a relação
kδ bk1
< 0.1. Sabendo que a matriz do sistema, A, é uma matriz simétrica tal que kAk∞ ≤ 7 e
kbk1
kδ xk∞
kA−1 k1 ≤ 1, determine um majorante para .
kxk∞
140 Capı́tulo 2. 2001-2002
Solução 2.17.3. Queremos então obter um majorante para o erro relativo, utilizando a norma infinito.
Antes de mais sabemos que o erro relativo é majorado da seguinte forma,
kδ xk∞ kδbk∞ kδbk∞

≤ K∞ (A) = kAk∞ kA−1 k∞ .
kxk∞ kbk∞ kbk∞
Olhemos agora para os dados que nos são fornecidos.
Não nos é dado um majorante para o resı́duo relativo na norma infinito mas sim na norma 1, no
entanto, sabemos que estas duas normas são equivalentes, o que nos vai permitir obter um majorante
para o resı́duo relativo na norma infinito. Sabemos então que kxk1 ≤ nkxk∞ , ∀x ∈ Rn . Desta forma,
kδbk1 kδbk1
≥ ,
kbk1 nkbk∞
supondo que A ∈ Rn×n . Por outro lado, kxk∞ ≤ kxk1 , ∀x ∈ Rn , o que no permite então concluir que,
kδbk∞ kδbk1 kδbk1 kδbk∞

≤ ≤ < 0.1 ⇔ < n × 0.1 = 0.n .
nkbk∞ nkbk∞ kbk1 kbk∞
Agora conhecemos um majorante para kAk∞ , mas ”não” para kA−1 k∞ . Bem, não é bem assim, pois,
por hipótese sabemos que a matriz A é uma matriz simétrica, logo, pelas definições da normas 1 e ∞
para matrizes temos que, kAT k1 = kAk∞ e imediatamente kAk1 = kAk∞ . Sabemos também que se A
é uma matriz simétrica, então também a sua inversa o será, o que em conjunto com o que escrevemos
atrás nos vai permitir concluir que kA−1 k1 = kA−1 k∞ ≤ 1.
Todos estas conclusões conduzem ao seguinte majorante para o erro relativo,
kδ xk∞ 7n
≤ 7 × 1 × 0.n = .
kxk∞ 10
(2.0)4. Quantas operações são necessárias para obter a decomposição de Cholesky de uma matriz simétrica
e definida positiva A ∈ Rn×n .
(3.0)5. Sejam    
1 −1 2
 √   √ 
   
A= 0 2  e b =  − 2 .
   
−1 1 −2
Resolva o sistema de equações sobredeterminado Ax = b utilizando a decomposição QR da matriz
A.
Solução 2.17.5. Vamos utilizar o processo de ortonormalização de Gram-Schmidt para obter a decom-
posição QR da matriz do sistema. Esta decomposição tem a particularidade de a matriz Q ser uma
2.17. 02/07/2002 - Eng. do Ambiente 141
matriz ortogonal e de a matriz R ser uma matriz triangular superior com elementos diagonais positivos.
A ideia do processo de ortonormalização de Gram-Schmidt é a seguinte: dado um conjunto de vectores
linearmente independentes, {a1 , a2 , . . . , an }, vamos obter uma base ortonormada para o subespaço gerado
por este conjunto de vectores, digamos {q1 , q2 , . . . , qn }.

© ¡ √ ¢ª
Consideremos então os vectores coluna da matriz do sistema, (1, 0, −1) , −1, 2, 1 , vamos então
construir uma base ortonormada para este conjunto. Tomando o primeiro deles vamos obter um outro
que gere o mesmo subespaço, mas cuja norma seja igual a 1. Ora, para isso apenas necessitamos de
normalizar o vector. Assim, tomemos o vector auxiliar p1 = (1, 0, −1). A norma deste vector será
√ √
r11 = kp1 k2 = 1+0+1= 2,
logo o primeiro vector da base ortonormada será

Ã√ √ !
p1 2 2
q1 = = , 0, − = Q.1 .
r11 2 2
Nesta altura temos já

 √ 
2/2 q12  
· ¸   √
..   2 r12 
QR = Q.1 . Q.2 =
 0 q22 
 .
  0 r22
√
− 2/2 q32
Vamos agora obter a segunda coluna da matriz ortogonal Q. Comece-se por se construir o vector auxiliar
p2 , que vai ser um vector ortogonal a q1 , vector que já faz parte da base ortonormal, e que em conjunto
com q1 gera o mesmo espaço que os vectores coluna da matriz A. Então,
¡ ¢
p2 = A.2 − r12 Q.1 = A.2 − QT.1 .A.2 Q.1 ,
calculando r12 à parte vamos obter,

 
−1 √ √
· √ √ ¸  
  √
r12 = 2
0 −
2 .
√
2  = − 2 − 2 = − 2.
  2 2
2 2  
1
Obtemos então, Ã√
³ ´ √ ! ³
√ √ 2 2 √ ´
p2 = −1, 2, 1 + 2 , 0, − = 0, 2, 0 .
2 2
Para obter o vector ortonormado falta apenas normalizar este vector, i.e., dividir cada uma das suas
componentes pela norma do vector. Como tal,
√
r22 = kp2 k2 = 2,
142 Capı́tulo 2. 2001-2002
e imediatamente,
q2
q2 = = (0, 1, 0) = Q.2 .
r22
Perante os cálculos apresentados temos já completa a decomposição QR da matriz do sistema.

 √ 
2/2 0  √ √

 
  2 − 2 
A = QR = 
 0 1 
 √ .
  0 2
√
− 2/2 0
Como Q é uma matriz ortogonal, por definição sabemos que a sua inversa é simplesmente a sua
transposta, pelo que o sistema será muito simples de resolver,
Ax = b ⇔ QRx = b ⇔ QT QRx = QT b ⇔ Q−1 QRx = QT b ⇔ Rx = QT b,
ou seja, a resolução so sistema Ax = b resume-se á resolução de um sistema triangular superior,

 
     2  
√ √ √ √   √
 2 − 2   x1   2/2 0 − 2/2   √   2 2 
 √  =  − 2 =
 √ ,
0 2 x2 0 1 0   − 2
−2
ou seja, 
 √ √ √
 √ √ √ 
 2 2 + 2x2 2
 2x1 − 2x2 =2 2  x1 = √ = √ =1
2 2
 √ √ ⇔ .
 2x2 =− 2 
 x2 = −1
J.
(3.0)6. Mostre que a equação x3 + 3x + 1 = 0 tem uma única raiz real no intervalo ]−1, 0[, e determine
um valor aproximado dessa raiz, utilizando interpolação linear.
Solução 2.17.6. Comecemos por provar que existe uma única raiz da equação no intervalo ]−1, 0[. Para
isso teremos de provar a existência e a unicidade. A existência prova-se recorrendo ao teorema do valor
intermédio, o qual nos diz o seguinte,
Teorema 2.17.2. Seja f uma função contı́nua no intervalo ]a, b[. Se f (a) × f (b) < 0, então existe pelo
menos um valor c ∈ ]a, b[, tal que f (c) = 0.
Desta forma, facilmente se verifica que f é uma função contı́nua em R ⊃ ]−1, 0[, uma vez que se trata
de uma função polinomial. Além disso, f (−1) = −3 < 0 e f (0) = 1 > 0, o que permite concluir que
f (−1) × f (0) = −3 < 0, e, de acordo com o teorema do valor intermédio, podemos concluir que existe
2.17. 02/07/2002 - Eng. do Ambiente 143
pelo menos um valor c ∈ ]−1, 0[, tal que f (c) = 0. Fica assim provada a existência da raiz no intervalo
dado.
Para provarmos a unicidade da raiz vamos recorrer ao estudo do sinal da derivada da função no
¡ ¢
intervalo. Ora, f 0 (x) = 3x2 + 3 = 3 x2 + 1 > 0, ∀ x ∈ R ⊃ ]−1, 0[. O facto da derivada ser sempre
positiva, conjuntamente com a garantia da existência da raiz, permite-nos concluir que a equação só tem
uma única raiz real, pertencendo a mesma ao intervalo ]−1, 0[ .
Queremos agora obter uma aproximação para o valor dessa raiz, através de um polinómio interpolador
de grau 1, através de interpolação linear. Para isso devemos notar que o nosso problema é o seguinte:
Encontrar x∗ ∈ ]−1, 0[ : f (x∗ ) = 0 ⇔ x∗ = f −1 (0) ≈ p1 (0) ,
ou seja, queremos obter uma aproximação para o valor da função inversa na origem, ou seja, vamos fazer
interpolação inversa e calcular o polinómio de grau 1 na origem.
Assim sendo, como precisamos apenas de dois pontos para construir o polinómio, temos a seguinte
tabela para a função,
xi −1 0
f (xi ) −3 1
Assim, construindo a tabela das diferenças divididas para a interpolação inversa, vamos obter,
yi = f (xi ) xi = f −1 [.] f −1 [., .]
y0 = −3 f −1 [y0 ] = −1
f −1 [y0 , y1 ] = 1/4
y1 = 1 f −1 [y1 ] = 0
O que nos permite concluir que
1 −4 + y + 3 y−1
p1 (y) = a0 + a1 (y − y0 ) = −1 + (y + 3) = = .
4 4 4
E, consequentemente,
1
x∗ = f −1 (0) ≈ p1 (0) = − = −0.25 ∈ ]−1, 0[ .
4
J.
(3.0)7. Utilizando a regra de Simpson composta, com n = 4, i.e., com 5 pontos, aproxime o valor do
integral Z 2π
cos (x) dx.
π
144 Capı́tulo 2. 2001-2002
Indique um majorante para o erro que se comete ao aproximar o valor do integral pelo valor que
obteve anteriormente.
Solução 2.17.7. Sabemos que a fórmula de integração numérica da regra de Simpson composta, com n
pontos, x0 = a, x1 = x0 + h = a + h, x2 = x1 + h = x0 + 2h, . . . , xn = x0 + nh = b, é dada por

Z b Z xn Z x2 Z x4 Z xn
f (x) dx = f (x) dx = f (x) dx + f (x) dx + . . . + f (x) dx ≈
a x0 x0 x2 xn−2
h h
≈ (f (x0 ) + 4f (x1 ) + f (x2 )) + (f (x2 ) + 4f (x3 ) + f (x4 )) + . . . +
3 3
h
+ (f (xn−2 ) + 4f (xn−1 ) + f (xn )) =
 3 
n/2−1 n/2
h X X
= f (x0 ) + 2 f (x2k ) + 4 f (x2k−1 ) + f (xn ) = Ih (f ) .
3
k=1 k=1
No nosso caso,
b−a 2π − π π
n=4⇒h= = = ,
n 4 4
e assim sendo,
π 5π 5π π 3π 3π π 7π 7π π
x0 = π, x1 = π + = , x2 = + = , x3 = + = , x4 = + = 2π.
4 4 4 4 2 2 4 4 4 4
Agora,
f (x0 ) = cos π = −1,

µ ¶ √
5π 2
f (x1 ) = cos =− ,
4 2
µ ¶
3π
f (x2 ) = cos = 0,
2
µ ¶ √
7π 2
f (x3 ) = cos =+ ,
4 2
f (x4 ) = cos (2π) = 1.
Desta forma,
Z " Ã √ √ ! #
2π
π/4 2 2
cos (x) dx ≈ Ih (f ) = −1 + 2 × 0 + 4 × − + + 1 = 0.
π 3 2 2
Facilmente se prova que este é o valor exacto do integral apresentado, basta para tal notar que uma
primitiva da função integranda é G (x) = P (cos (x)) = sin (x), o que, pelo teorema fundamental do cálculo
nos permite concluir que

Z 2π
cos (x) dx = G (2π) − G (π) = sin (2π) − sin (π) = 0.
π
2.17. 02/07/2002 - Eng. do Ambiente 145
O erro para a regra de Simpson composta é dado pela seguinte fórmula,

¯Z 2π ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ h4 ¯ h4 ¯ ¯
¯ ¯ ¯
cos (x) dx − Ih (f )¯ = ¯− (b − a) f (iv)
(η)¯¯ = (2π − π) ¯f (iv) (η)¯ , η ∈ [π, 2π]
¯ 180 180
π
e procedendo à majoração,
¯Z 2π ¯
¯ ¯ π5
¯ cos (x) dx − Ih (f )¯¯ ≤ M4 ,
¯ 44 × 180
π
¯ ¯
com M4 = max ¯f (iv) (η)¯ .
η∈[π,2π]
Agora precisamos de majorar a quarta derivada da função cos (x) no intervalo [π, 2π], logo
f (x) = cos (x) ⇒ f 0 (x) = − sin (x) ⇒ f 00 (x) = − cos (x) ⇒ f 000 (x) = sin (x) ⇒ f (iv) (x) = cos (x) ,
donde concluı́mos então que M4 = 1, e finalmente,

¯Z 2π ¯
¯ ¯ π5
¯ cos (x) dx − Ih (f )¯¯ ≤ ≈ 0.0066 ≤ 0.05 .
¯ 44 × 180
π
J.
146 Capı́tulo 2. 2001-2002
2.18 06/07/2001 - Eng. do Ambiente

Duraç~
06 de Julho de 2001
1. Um construtor civil comprou um terreno para habitação à Câmara Municipal com uma área de
aproximadamente 150 × 200m2 . Na medição de cada um dos lados do terreno, comprimento e
largura, tolerou-se um erro de ±5cm por cada 10 metros.
Calcule a percentagem máxima de erro de que vem afectado o valor da área do terreno, devido ao
facto dos seus lados não terem sido medidos exactamente.
1
2. a) Mostre que, se aplicar o método de Newton para calcular , a fórmula iterativa a utilizar será
b
xn+1 = xn (2 − bxn ) .
1
b) Calcule com seis algarismos significativos, utilizando para tal o método de Newton.
7
3. Ao resolver o sistema linear 

 0.780 x + 0.563 x = 1.34
1 2
 0.213 x + 0.913 x = 1.13
1 2
obteve-se a solução aproximada  

0.962
e=
x .
1.12
Faça uma iteração do Método do Resı́duo para melhorar a solução.
4. Considere a seguinte tabela de valores de uma função f , calculada em xi , i = 0, 1, 2, 3.

2.18. 06/07/2001 - Eng. do Ambiente 147
xi -2 0 2 4
f (xi ) -1 5 27 c
a) Utilizando a fórmula de Newton, determine o polinómio de grau ≤ 2 interpolador de f nos 3

primeiros pontos da tabela;
b) Sabendo que
f (x) = x3 + a2 x2 + a1 x + 5,
determine uma expressão para f , à custa do polinómio obtido na alı́nea anterior, sem deter-
minar o valor da constante c;
c) Diga, justificando, qual o valor das constantes reais b0 , b1 , b2 , que minimizam

2
X ¡ ¢2
f (xi ) − b0 − b1 xi − b2 x2i .
i=0
5. Considere a tabela de valores apresentada na alı́nea anterior.
a) Utilizando a regra de quadratura dos trapézios, determine a melhor aproximação possı́vel para
o valor do integral Z 2
f (x) dx
−2
b) Determine um limite superior para o erro que se comete no cálculo da aproximação para o
valor do integral efectuado na alı́nea anterior.
148 Capı́tulo 2. 2001-2002
Exame de Época Normal - 1a Chamada Duração: 2h:300
06 de Julho de 2001
1. Um construtor civil comprou um terreno para habitação à Câmara Municipal com uma área de
aproximadamente 150 × 200 m2 . Na medição de cada um dos lados do terreno, comprimento e
largura, tolerou-se um erro de ±5 cm por cada 10 metros.
Calcule a percentagem máxima de erro de que vem afectado o valor da área do terreno, devido ao
facto dos seus lados não terem sido medidos exactamente.
Solução 2.19.1. .
Para resolver este problema devemos ler com atenção o enunciado. Assim,
Área¤ = c × l = A¤ ,
com l ≈ 150 m = la e c ≈ 200 m = ca , e tolerando-se um erro de ±5 cm por cada 10 metros, o que
nos permite concluir que e (la ) = ±0.75 m e e (ca ) = ±1.00 m. Atendendo a que se pretende calcular a
percentagem máxima de erro de que vem afectado o valor da área do terreno, teremos então de calcular
um majorante para o erro absoluto da área. Desta forma,

¯ ¯ ¯ ¯
¯ ∂A ¯ ¯ ∂A ¯
|e (A¤ )| ≤ ¯¯ ¤ ¯¯ |e (ca )| + ¯¯ ¤ ¯¯ |e (la )| ≤ |la | |1.00| + |ca | |0.75| = 150 + 150 = 300 m2 .
∂c ∂l
Pelo que a percentagem máxima de erro de que vem afectado o valor da área do terreno é dada por,
|e (A¤ )| 300
Percentagem de erro = 100 × ER (A¤ ) = 100 × ≤ 100 × = 100 × 0.01 = 1%
|(A¤ )| 30000
J.
1
2. a) Mostre que, se aplicar o método de Newton para calcular , a fórmula iterativa a utilizar será
b
xn+1 = xn (2 − bxn ) .
1
b) Calcule com seis algarismos significativos, utilizando para tal o método de Newton.
7
Solução 2.19.2. .
1
a) Como pretendemos calcular , vamos então encontrar uma função para a qual este valor seja uma
b
raiz. A partir daı́ só teremos de aplicar o método de Newton a essa função. Facilmente se vê que uma
função nestas condições é

1
f (x) = − b. (2.19.1)
x
Uma outra função nestas condições será
1
f (x) = −1 (2.19.2)
bx
Tomemos então a equação (1). Para obtermos a expressão iteradora necessitamos da primeira derivada
da função, a qual é dada por

1
f 0 (x) = − (2.19.3)
x2
Atendendo então à fórmula iteradora do método de Newton, obtemos
1
f (xn ) −b
xn+1 = xn − 0
== xn − xn 1 =
f (xn ) − x2
n
x2n − bx3n 2x2 − bx3n

= xn + = n =
xn xn
= 2xn − bx2n = xn (2 − bxn ) , para todo o n ∈ N0 .
b) Neste caso só necessitamos de encontrar um intervalo, com pequena amplitude de preferência, que
1
contenha o valor e verificar que nesse intervalo a nossa função satisfaz as condições de convergência
7
1
respeitantes ao método de Newton. Assim sendo, uma vez que = 0.1428571429 . . ., podemos tomar o
7
1
intervalo I = [0.1, 0.2]. Atendendo ainda ao valor de e ao facto conjunto da aproximação a calcular ter
7
6 algarismos significativos, podemos dizer que vamos iterar até que o erro verifique a condição |e (xn+1 )| ∼
=
|xn+1 − xn | 5 0.5 × 10−6 .

150 Capı́tulo 2. 2001-2002
Verifiquemos então as condições de convergência do método no intervalo I.



 f (0.1) > 0
1 1
f (x) = − b = − 7 ⇒ ⇒ ∃x∗ ∈ [0.1, 0.2] : f (x∗ ) = 0.
x x 
 f (0.2) < 0
Por outro lado,

1
f 0 (x) = − < 0, ∀x ∈ [0.1, 0.2] ,
x2
pelo que f é uma função estritamente decrescente no intervalo I, o que prova a unicidade da raiz nesse
intervalo. Para começar a iterar falta-nos escolher o valor para x0 .
2
f 00 (x) = > 0, ∀x ∈ [0.1, 0.2] ,
x3
consequentemente, a função e a segunda derivada possuem o mesmo sinal no extremo inferior, assim
x0 = 0.1.
Iterando com a função iteradora da alı́nea a) vamos obter,
x1 = 0.13 |x1 − x0 | ∼
= 0.03 5 0.5 × 10−6 ( F )
x2 = 0.1417 |x2 − x1 | ∼
= 0.01 5 0.5 × 10−6 ( F )
x3 = 0.14284777 |x3 − x2 | ∼
= 0.001 5 0.5 × 10−6 ( F )
x4 = 0.1428571422 |x4 − x3 | ∼
= 0.000009 5 0.5 × 10−6 ( F )
x5 = 0.1428571429 |x5 − x4 | ∼
= 0.6 × 10−9 5 0.5 × 10−6 ( V )
1
e, como pretendemos uma aproximação para com 6 algarismos significativos, a aproximação que deve-
7
remos tomar será xa = 0.142857.
J.
3. Ao resolver o sistema linear 

 0.780 x + 0.563 x = 1.34
1 2
 0.213 x + 0.913 x = 1.13
1 2
obteve-se a solução aproximada

 
0.962
e=
x .
1.12
Faça uma iteração do Método do Resı́duo para melhorar a solução.

Solução 2.19.3. .
Sabemos então que,

     
 0.780 0.563   1.34   0.962 
A=  ,b=  e x
e= .
0.213 0.913 1.13 1.12
Para iterar o Método do Resı́duo necessitamos de resolver o sistema Ae(0) = r(0) , onde r(0) =
b − b(0) , com b(0) = Ax(0) = Aex, sendo este último cálculo efectuado com dupla precisão. Assim sendo,
    
 0.780 0.563  0.962   1.38092 
b(0) = Ax(0) = Aex=  = 
0.213 0.913 1.12 1.23660
logo,     
 1.34   1.38092   −0.0409 
r(0) = b − b(0) =   = .
1.13 1.23660 −0.107
Efectuando agora a primeira iteração do método do resı́duo, e recorrendo ao método de eliminação de
Gauss para resolver o sistema de equações lineares, obtemos,

  −−−−−−−−−−−→  
.. ..
 0.780 0.563 . −0.0409  L2 =L2 −m21 L1  0.780 0.563 . −0.0409 
Ae(0) = r(0) ⇔  ..  a
 .. 
m21 = a21 =0.273
0.213 0.913 . −0.107 11 0.00 0.759 . −0.0958
Pelo que,


 (0)
e1 = 0.0385







 e(0) = −0.126
2
e,      
 0.962   0.0385   1.00 
x(1) = x(0) + e(0) = + = 
1.12 −0.126 0.994
e, efectuando o próximo cálculo com precisão dupla,

    
 0.780 0.563   1.00   1.33962 
b(1) = Ax(1) =   = .
0.213 0.913 0.994 1.12052
Finalmente,     
 1.34  1.33962   0.000380 
r(1) = b − b(1) =  = .
1.13 1.12052 0.00948
Pelo que podemos concluir que o método ajudou a melhorar a primeira solução aproximada que pos-
suı́amos, pois a norma do resı́duo diminuiu,

152 Capı́tulo 2. 2001-2002
kr(1) k∞ = 0.00948 < kr(0) k∞ = 0.107
J.
4. Considere a seguinte tabela de valores de uma função f , calculada em xi , i = 0, 1, 2, 3.
xi -2 0 2 4
f (xi ) -1 5 27 c
a) Utilizando a fórmula de Newton, determine o polinómio de grau ≤ 2 interpolador de f nos 3

primeiros pontos da tabela;
b) Sabendo que
f (x) = x3 + a2 x2 + a1 x + 5,
determine uma expressão para f , à custa do polinómio obtido na alı́nea anterior, sem deter-
minar o valor da constante c;
c) Diga, justificando, qual o valor das constantes reais b0 , b1 , b2 , que minimizam

2
X ¡ ¢2
f (xi ) − b0 − b1 xi − b2 x2i .
i=0
Solução 2.19.4. .
a) A tabela das diferenças divididas para estes pontos é dada por
xi f (xi ) f [., .] f [., ., .]
−2 −1
0 5 2
11
2 27
Assim sendo, o polinómio interpolador nestes pontos é dado por
p2 (x) = f [x0 ] + f [x0 , x1 ] W0 (x) + f [x0 , x1 , x2 ] W1 (x) =
= −1 + 3 (x + 2) + 2 (x + 2) (x − 0) =
= −1 + 3x + 6 + 2x2 + 4x =
= 2x2 + 7x + 5
b) Sabemos então que
p3 (x) = p2 (x) + a3 W3 (x) =
= 2x2 + 7x + 5 + a3 (x + 2) (x − 0) (x − 2) =
¡ ¢
= 2x2 + 7x + 5 + a3 x2 − 4 x =
¡ ¢
= 2x2 + 7x + 5 + a3 x3 − 4x =
= a3 x3 + 2x2 + (7 − 4a3 ) x + 5
Mas, por hipótese, f (x) = x3 + a2 x2 + a1 x + 5, i.e., é um polinómio de grau 3, pelo que podemos
concluir que f (x) = p3 (x), e, por conseguinte,



 a3 = 1



a2 = 2 .




 a =7−4=3
1
Finalmente,
f (x) = p3 (x) = x3 + 2x2 + 3x + 5
c) Pela própria definição de polinómio interpolador, se p2 (x) é o polinómio interpolador nos pontos
(xi , f (xi )) , i = 0, 1, 2, então f (xi ) = p2 (xi ) , i = 0, 1, 2, pelo que podemos concluir que os coeficientes
b0 , b1 e b2 que minimizam
2
X ¡ ¢2
f (xi ) − b0 − b1 xi − b2 x2i
i=0
são 

 b0 = 5



 b1 = 7 .



 b =2
2
J.
5. Considere a tabela de valores apresentada na alı́nea anterior.
a) Utilizando a regra de quadratura dos trapézios, determine a melhor aproximação possı́vel para
o valor do integral Z 2
f (x) dx
−2
b) Determine um limite superior para o erro que se comete no cálculo da aproximação para o
valor do integral efectuado na alı́nea anterior.
154 Capı́tulo 2. 2001-2002
Solução 2.19.5. .
a) Como temos 3 pontos teremos de aplicar a regra de quadratura dos trapézios composta, cuja fórmula
geral é dada por " #

Z b n−1
X
h
f (x) dx ≈ f (x0 ) + 2 f (xi ) + f (xn )
a 2 i=1
No nosso caso, n = 2, a = −2, b = 2 e h = 2; logo

Z 2
2
f (x) dx ≈ [f (−2) + 2f (0) + f (2)] = −1 + 10 + 27 = 36
−2 2
b) Sabemos que o erro na regra de quadratura dos trapézios composta é majorado por
b−a
M2 h2 ,
12
onde
M2 = max {|f 00 (x) |, x ∈ [a, b]} ,
mas,
f (x) = x3 + 2x2 + 3x + 5 ⇒ f 0 (x) = 3x2 + 4x + 3 ⇒ f 00 (x) = 6x + 4,
donde
f 000 (x) = 6 > 0, ∀x ∈ [−2, 2] ,
ou seja, f 00 (x) é uma função crescente em todo o R, inclusivamente em [−2, 2], o que permite concluir
que
M2 = f 00 (2) = 16.
Assim sendo,
¯Z 2 ¯
¯ ¯ b−a 4
|ET C | = ¯¯ f (x) dx − IT C (f )¯¯ 5 M 2 h2 = × 16 × 22 ≈ 21.3 (3) .
−2 12 12
J.
6. Considere o sistema de equações lineares, Ax = b, onde

 
2 1 0
 
 
A= 1 2 1 .
 
0 1 2
a) Mostre que A é uma matriz definida positiva e obtenha a sua factorização pelo método de
Cholesky;
b) Sabendo que a matriz A−1 tem a forma

 
3 −1
y1
 4 2 
 
 
A−1 = −1
1 y2  .
 2 
 
1 −1
4 2 y3
Calcule a 3a coluna de A−1 utilizando a factorização obtida na alı́nea anterior.
Solução 2.19.6. .
a) Por definição, a matriz A é definida positiva se xT Ax > 0, para todo o x ∈ R3 \{(0, 0, 0)}. Tomemos
· ¸
T
então x = x1 x2 x3 .
  
2 1 0 x1
· ¸  
  
x3  
1   x2 

T
x Ax = x1 x2  1 2 =
  
0 1 2 x3
 
x1
· ¸ 
 
= 2x1 + x2 x1 + 2x2 + x3 x2 + 2x3  x2 

=
 
x3
= 2x21 + 2x1 x2 + 2x22 + 2x2 x3 + 2x23 =
2 2
= x21 + (x1 + x2 ) + (x2 + x3 ) + x23 > 0, ∀x = (x1 , x2 , x3 ) ∈ R3 \ {(0, 0, 0)} .
Nota:
• Se x1 = 0, x2 = 0, x3 6= 0, obtemos 2x23 > 0;
• Se x1 = 0, x3 = 0, x2 6= 0, obtemos 2x22 > 0;
• Se x2 = 0, x3 = 0, x1 6= 0, obtemos 2x21 > 0;

2
• Se x1 = 0, x2 6= 0, x3 6= 0, obtemos x22 + (x2 + x3 ) + x23 > 0;
• Se x2 = 0, x1 6= 0, x3 6= 0, obtemos 2x21 + 2x23 > 0;

2
• Se x3 = 0, x1 6= 0, x2 6= 0, obtemos x21 + (x1 + x1 ) + 2x23 > 0.
Atendendo a que a matriz A é uma matriz simétrica ( A = AT ) e definida positiva podemos então
fazer a sua decomposição de Cholesky. Pretendemos obter uma matriz L, triangular inferior, por forma
156 Capı́tulo 2. 2001-2002
a que A seja igual ao produto matricial LLT . Considerando

 
l11 0 0
 
 
L=
 l21 l22 0 

 
l31 l32 l33
podemos verificar que

 
l11
· ¸ 
  √
0 0  0 
 2
a11 = 2= l11  = l11 ⇒ l11 = 2
 
0
 
l11 √
· ¸ 
  1 2
a21 = 1= l21 l22 0  0 

 = l21 l11 ⇒ l21 = √2 =
  2
0
 
l11
· ¸ 
 
a31 = 0= l31 l32 l33  0 

 = l31 l11 ⇒ l31 = 0
 
0
 
l21 √
· ¸ 
  2 6 6
l22 0  l22 
 2 2 2
a22 = 2= l21  = l21 + l22 ⇒ l22 = 2 − = ⇒ l22 =
  4 4 2
0
 
l21 √
· ¸ 
 
a32 = 1= l31 l32 l33  l  = l31 l21 + l32 l22 ⇒ l32 = √2 = 6
 22  6 3
 
0
 
l
· ¸  31  √
  6 12 2 3
a33 = 2= l31 l32 l33  l  = l31
2
+ l 2
+ l 2
⇒ l 2
= 2 − = ⇒ l =
 32  32 33 33
9 9
33
3
 
l33 0
Pelo que concluı́mos que  

√
 2 0 0 
 
 
 
 √ √ 
 2 6 
L=
 2 0 

 2 
 
 
 √ √ 
 
6 2 3
0
3 3
b) Para obtermos a terceira coluna da matriz inversa de A só temos de resolver o sistema Ay = e3 ;
a solução deste sistema, y, será a terceira coluna de A−1 . Assim sendo,

    
y1 0 
 1o ) Lz = e3
    

    
Ay = e3 ⇔ LLT    
 y2  =  0  ⇔ 
    


 2o ) L T y = z
y3 1
Desta forma,
    
√ 

 2 0 0  z1   0  


z1 = 0
     

     

     

 √ √     

 2 6    
Lz = e3 ⇔ 
 2 0 

 = 
z2   0   ⇔ z2 = 0
 2     

     

     

     

 √ √     
 √

0
6 2 3
z3 1  z3 = 3

3 3 2
e finalmente,
 √     
√ 2  1

 2 2
0   y1   0  


y1 =
4
     

     

     

 √ √      

 6 
6     1
L y=z⇔
T
 0
 
  y2  = 

0 ⇔ y2 = −
 2 3     
 2
     

     

     
 √    √  


2 3 3  
 y3 = 3

0 0 y3
3 2 4
Pelo que,  
3 1 1
 − 
 4 2 4 
 
 
 
 1 1 
A−1 =
 −2 1 − 
 2 

 
 
 
 1 1 3 
−
4 2 4
J.
7. Seja
1
f (x) = , com c ∈ R.
x+c
Mostre que, a partir de uma tabela de n + 1 valores desta função, a diferença dividida de grau n + 1,
f [x0 , x1 , . . . , xn ], é sempre dada por
n
(−1)
f [x0 , x1 , . . . , xn ] = Q
n .
(xi + c)
i=0
158 Capı́tulo 2. 2001-2002
Solução 2.19.7. .
A prova poder-se-à fazer de duas formas, ou por indução no número de pontos da diferença dividida
ou por construção da tabela das diferenças divididas. Optemos pela primeira aqui,
Base do processo indutivo: n = 1
Neste caso,
f (x1 ) − f (x0 )
f [x0 , x1 ] = ,
x1 − x0
mas,


 f (x0 ) = 1

 x0 +c
 1 1 x0 − x1 x1 − x0
⇒ f (x1 ) − f (x0 ) = − = =− ,

 x1 + c x0 + c (x0 + c) (x1 + c) (x0 + c) (x1 + c)


 f (x ) = 1
1 x1 +c
donde se conclui que

1
−1 (−1)
f [x0 , x1 ] = = 1 ,
(x0 + c) (x1 + c) Q
(xi + c)
i=0
Passo indutivo
Hipótese: n = k − 1
k−1
(−1)
f [x0 , x1 , . . . , xk−1 ] = .
Q
k−1
(xi + c)
i=0
Tese: n = k
k
(−1)
f [x0 , x1 , . . . , xk ] = .
Q
k
(xi + c)
i=0
Por definição temos
f [x1 , . . . , xk ] − f [x0 , x1 , . . . , xk−1 ]

f [x0 , x1 , . . . , xk ] = ,
xk − x0
agora como a diferença dividida f [x1 , . . . , xk ] envolve k pontos estamos então perante a hipótese apre-
sentada, só que neste caso

k−1
(−1)
f [x1 , . . . , xk ] = .
Q
k
(xi + c)
i=1
Assim sendo,
k−1 k−1
(−1) (−1)
f [x1 , . . . , xk ] − f [x0 , . . . , xk−1 ] = − k−1 =
Q
k Q
(xi + c) (xi + c)
i=1 i=0
k−1 (x0 + c) − (xk + c)

= (−1) =
Qk
(xi + c)
i=0
k−1 (x0 − xk )
= (−1) =
Q
k
(xi + c)
i=0
k−1 (−1) (xk − x0 )

= (−1) =
Q
k
(xi + c)
i=0
k (xk − x0 )
= (−1) ,
Q
k
(xi + c)
i=0
pelo que,
k
(−1)
f [x0 , x1 , . . . , xk ] = .
Q
k
(xi + c)
i=0
Atendendo a que k é um número natural arbitrário, fica provado o resultado para todo o n ∈ N.
¥
160 Capı́tulo 2. 2001-2002

Exame de Época de Recurso - 09/07/2002 ao 3h:000

Duraç~

a a
η= e por η= .
z a+b
Por arredondamento obtiveram-se os seguintes valores, z ≈ 12.3 V , a ≈ 11.8 V e b ≈ 0.5 V . Qual
das expressões é a mais adequada para determinar o valor de η?
(3,0) 2. Pretende-se calcular, utilizando uma aritmética de 4 algarismos significativos, as raı́zes da se-
guinte equação do segundo grau
10−4 x2 + 4x + 10−4 = 0.
a) Use a regra standard (fórmula resolvente) para aproximar as raı́zes da equação;
b) Prove que as raı́zes de uma equação do segundo grau ax2 + bx + c = 0, verificam a seguinte
relação
c
x1 x2 = .
a
c) Obtenha uma aproximação para a raiz que em a) possuia menos precisão, utilizando para isso
a fórmula provada em b).
Solução 2.20.2. Este exercı́cio serve para mostrar o efeito que o cancelamento subtractivo pode ter na
√
precisão do cálculo das raı́zes de uma equação do segundo grau. Se b2 − 4ac ≈ b então uma das soluções
de ax2 + bx + c = 0 estará afectada de cancelamento subtractivo.
a) Comecemos por obter as soluções da equação 10−4 x2 + 4x + 10−4 = 0, utilizando uma aritmética
de 4 algarismos significativos.
Desta forma,
√ √
−4 2 −4 −b − b2 − 4ac −b + b2 − 4ac
10 x + 4x + 10 =0 ⇔ x1 = ∨ x2 = ⇔
2a 2a
o que, no nosso caso, dá

√ √
−4.000 − 16.00 − 4 × 10−4 × 10−4 −4.000 + 16.00 − 4 × 10−4 × 10−4
⇔ x1 = ∨ x2 =
2 × 10−4 2 × 10−4
√ √
−4.000 − 16.00 − 4 × 10−8 −4.000 + 16.00 − 4 × 10−8
⇔ x1 = ∨ x2 =
2 × 10−4 2 × 10−4
√ √
−4.000 − 15.9999996 −4.000 + 15.9999996
⇔ x1 = ∨ x2 =
2 × 10−4 2 × 10−4
√ √
−4.000 − 16.00 −4.000 + 16.00
⇔ x1 = ∨ x2 =
2 × 10−4 2 × 10−4
−4.000 − 4.000 −4.000 + 4.000

⇔ x1 = ∨ x2 =
2 × 10−4 2 × 10−4
⇔ x1 = −40000 ∨ x2 = 0.000
Verificamos então que a raiz que está afectada com cancelamento subtractivo é x2 .
b) Provemos agora que as duas soluções,

√ √
−b − b2 − 4ac −b + b2 − 4ac
x1 = e x2 = ,
2a 2a
verificam a relação
c
x1 x2 = .
a
Esta prova faz-se muito facilmente, basta então multiplicar x1 por x2 , obtendo-se,
√ √
−b − b2 − 4ac −b + b2 − 4ac
x1 x2 = . =
2a 2a
2 ¡√ ¢2
(−b) − b2 − 4ac b2 − b2 + 4ac 4ac
= = = 2 =
4a2 4a2 4a
c
= .
a
c) Utilizando então a relação provada na alı́nea anterior vamos obter uma melhor aproximação para
a solução que em a) possuia menos precisão, no nosso caso designada por x2 . Assim,
c 10−4 1
x2 = = = = −0.00002500 .
a × x1 −40000 × 10−4 −40000
162 Capı́tulo 2. 2001-2002
J.
√
3
(4.0) 3. Pretende-se aproximar o valor de 30 através da utilização de um método de resolução de
equações não-lineares.
a) Obtenha uma função contı́nua que possua um único zero no intervalo Ω = [3.0, 3.2], sendo esse
zero o valor que se pretende aproximar;
b) Qual o número de iterações necessárias para que a aproximação obtida pelo método da
bissecção, utilizando o intervalo Ω, esteja afectada de um erro inferior a 0.5 × 10−6 ;
c) Analise a convergência do método de Newton para aproximar uma aproximação do valor de

√
3
√
30, se utilizar o intervalo Ω. Obtenha, através deste método, uma aproximação para 3 30
com um erro não superior a 0.5 × 10−6 .
(3.0) 4. Considere o seguinte sistema de equações lineares


 2 2

 −x1 + x2 + x3 = −2

 3 3


1 2 1
x1 + x2 − x3 =1 .

 6 3 3



 − 1 x1
 +
4
x2 − x3 =4
3 3
a) Obtenha a decomposição LU da matriz do sistema, utilizando uma aritmética de 3 algarismos
significativos;
b) Com a decomposição LU obtida na alı́nea anterior, e utilizando a mesma aritmética, obtenha

uma aproximação da solução do sistema;
c) Sabendo que
 
−6 42 −18
1 



A−1 =  15/2 33 −6 ,
19  
12 30 −21
calcule um majorante para o erro relativo que afecta a aproximação da solução do sistema de
equações lineares calculada na alı́nea anterior, utilizando a norma 1.
Solução 2.20.4. a) A matriz do sistema, escrita em aritmética exacta, é dada por,

 
−1 2/3 2/3
 
 
A=
 1/6 2/3 −1/3 
,
 
−1/3 4/3 −1
mas, como pretendemos utilizar uma aritmética de 3 algarismos significativos, necessitamos então de
escrever cada um dos elementos da matriz nessa mesma aritmética, para começarmos então a fazer as
condensações necessárias para obter a decomposição LU . Assim teremos,

   
−1 2/3 2/3 −1.00 0.667 0.667
   
   
A=
 1/6 2/3 −1/3   0.167 0.667 −0.333 
 ≈  (1)
=A .
   
−1/3 4/3 −1 −0.333 1.33 −1.00
A primeira fase de condensações será então a seguinte,

   
−1.00 0.667 0.667 −1.00 0.667 0.667
  −−−−−−−−−→  
  L2 ←L2 −m21 L1  
A(1)
=
 0.167 0.667 −0.333  
 L3 ←L3 −m31 L1  0.00 0.778 −0.222 
(2)
=A .
   
−0.333 1.33 −1.00 0.00 1.11 −1.22
Os multiplicadores nesta primeira etapa são os seguintes,
(1) (1)
a21 a31
m21 = (1)
= −0.167, m31 = (1)
= 0.333
a11 a11
Passando para a segunda etapa vamos obter,

   
−1.00 0.667 0.667 −1.00 0.667 0.667
  −−− −−−−− −−−−−→  
  L3 ←L 3 −m32 L2  
(2)
= −0.222   0.778 −0.222 
(3)
(2)
A  0.00 0.778 a32
 m32 = a(2) 1.11
= 0.778 =1.43  0.00 =A .
  22  
0.00 1.11 −1.22 0.00 0.00 −0.903
Concluı́mos então que a decomposição LU da matriz que se obtém quando se trabalha com 3 algarismos
significativos é dada por

  
1.00 0.00 0.00 −1.00 0.667 0.667
  
  
eU
A = LU ≈ L e =  −0.167 1.00 0.00   0.00 0.778 −0.222 
  .
  
0.333 1.43 1.00 0.00 0.00 −0.903
b) Pretendemos agora resolver o sistema de equações lineares através da decomposição LU obtida
na alı́nea anterior, e utilizando uma aritmética de três algarismos significativos. Assim sendo, o nosso
sistema será dividido na resolução de dois sistemas triangulares, um triangular inferior e outro triangular
superior, ou seja,


 1o ) Ly = b



Ax = b ⇔ LU x = b ⇔




 2o ) U x = y
164 Capı́tulo 2. 2001-2002
Comecemos então por resolver o sistema triangular inferior Ly = b,

     
1.00 0.00 0.00 y −2.00 
 y1 = −2.00
  1    

     
 −0.167 1.00 0.00   y  =  1.00  ⇔ −0.167y1 + y2 = 1.00
  2    
     


 0.333y + 1.43y
0.333 1.43 1.00 y3 4.00 1 2 + y3 = 4.00
e efectuando os cálculos,


 y1 = −2.00



 y2 = 1.00 + 0.167 × (−2.00) = 1 − 0.334 = 0.666



 y3 = 4.00 − 0.333 × (−2.00) − 1.43 × 0.666 = 4.00 + 0.666 − 0.952 = 4.00 − 0.286 = 3.71
De seguida vamos resolver o sistema triangular superior U x = y, o qual nos fornecerá a solução
aproximada para o sistema de equações lineares inicial.

    
−1.00 0.667 0.667 x1 −2.00
    
    
  
U x = y ⇔  0.00 0.778 −0.222   x2  =  0.666  

    
0.00 0.00 −0.903 x3 3.71


 −1.00x1 + 0.667x2 + 0.667x3 = −2.00



⇔ 0.778x2 − 0.222x3 = 0.666




 x3 = 3.71
= −4.11
−0.903


 −1.00x1 + 0.667x2 + 0.667x3 = −2.00



⇔ 0.778x2 = 0.666 + 0.222 × (−4.11) = 0.666 − 0.912




 x3 = −4.11


 −1.00x1 + 0.667x2 + 0.667x3 = −2.00



⇔ x2 = −0.246
= −0.316

 0.778


 x3 = −4.11
e finalmente


 x1 = − (−2.00 − 0.667 × (−0.316) − 0.667 × (−4.11))



Ux = y ⇔ x2 = −0.316




 x3 = −4.11


 x1 = − (−2.00 + 0.211 + 2.77) = − (−2.00 + 2.95) = −0.950



⇔ x2 = −0.316




 x3 = −4.11
∴ A solução aproximada do sistema que se obtém quando se utiliza uma aritmética de 3 algarismos
significativos é dada por (x1 , x2 , x3 ) = (−0.950, −0.316, −4.11).
c) Sabemos então que um majorante para o erro relativo que se comete na aproximação obtida na
alı́nea anterior é dado por
kx − x
ek1 kb − ebk1
≤ K1 (A) .
kxk1 kbk1
Efectuando então alguns cálculos auxiliares, obtemos, para a norma 1 do vector independente
kbk1 = |−2| + |1| + |4| = 7,
para a norma 1 do resı́duo da solução aproximada,
    
−1 2/3 2/3 −0.950 0.465333...
    
    
e=
A×x  1/6 2/3

−1/3   −0.316 
 
 =  −0.232


    
−1/3 4/3 −1 −0.411 0.306333...
logo
     
−2 0.465333... −2.465333
     
     
e
r =b−b= 1 
  ≈  ⇒ krk1 ≈ 7.39 .
 −  −0.232   1.232 
     
4 0.306333... 3.69367
Quanto às normas matriciais obtemos: para a matriz do sistema, A,
3
X
kAk1 = max |aij | =
j=1,2,3
i=1
½¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¾
¯1¯ ¯ 1¯ ¯2¯ ¯2¯ ¯4¯ ¯2¯ ¯ 1¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
= max |−1| + ¯ ¯ + ¯− ¯ , ¯ ¯ + ¯ ¯ + ¯ ¯ , ¯ ¯ + ¯− ¯ + |−1| =
6 3 3 3 3 3 3
½ ¾
6+1+2 2+2+4 2+1+3
= max , , =
6 3 3
½ ¾
9 8 6 8
= max , , = ≈ 2.67
6 3 3 3
166 Capı́tulo 2. 2001-2002
e para a matriz inversa de A, A−1 ,

3
X ¯ −1 ¯
kA −1
k1 = max ¯a ¯ =
ij
j=1,2,3
i=1
½¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯¾
¯ 6 ¯ ¯ 15 ¯ ¯ 12 ¯ ¯ 42 ¯ ¯ 33 ¯ ¯ 30 ¯ ¯ 18 ¯ ¯ 6 ¯ ¯ 21 ¯
= max ¯− ¯ + ¯ ¯ + ¯ ¯ , ¯ ¯ + ¯ ¯ + ¯ ¯ , ¯− ¯ + ¯− ¯ + ¯− ¯¯ =
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
19 38 19 19 19 19 19 19 19
½ ¾
12 + 15 + 24 42 + 33 + 30 18 + 6 + 21
= max , , =
38 19 19
½ ¾
51 105 45 105
= max , , = ≈ 5.53
38 19 19 19
No final podemos então concluir que
kx − x
ek1 7.39
≤ 2.67 × 5.53 × ≈ 15.59.
kxk1 7
J.
(3.0) 5. Seja A uma matriz de ordem n × n simétrica. Prove que kAk1 = kAk∞ .
Solução 2.20.5. Para começar temos as seguintes definições.
Definição 2.20.1 (Matriz Simétrica). Uma matriz A ∈ Rn×n diz-se simétrica se aij = aji , para
todo o i, j = 1, n.
Definição 2.20.2. Seja A ∈ Rn×m . Definem-se

n
X
Norma 1 : kAk1 = max |aij | ,
1≤j≤m
i=1
e
m
X
Norma ∞ : kAk∞ = max |aij | .
1≤i≤n
j=1
Ora, sendo A uma matriz de ordem n × n, simétrica, A terá então a seguinte forma,
 
 a11 a 12 a13 . . . a 1,n−1 a 1n 
 
 a a22 a23 ... a2,n−1 a2n 
 21 
 
 
 a31 a32 a33 ... a3,n−1 a3n 
 
A= .. .. .. .. .. 
 .. 
 . . . . . . 
 
 
 a a a . . . a a 
 n−1,1 n−1,2 n−1,3 n−1,n−1 n−1,n 
 
an,1 an,2 an,3 ... an,n−1 an,n
 
 a11 a21 a31 ... an−1,1 an,1 
 
 a a22 a32 ... an−1,2 an,2 
 12 
 
 
 a13 a23 a33 ... an−1,3 an,3 
 
AT =  .. .. .. .. .. 
 .. 
 . . . . . . 
 
 
 a a2,n−1 a3,n−1 ... an−1,n−1 an,n−1 
 1,n−1 
 
a1,n a2,n a3,n ... an−1,n an,n
Logo,
 
 a11 a21 a31 ... an−1,1 an,1 
 
 a a22 a32 ... an−1,2 an,2 
 21 
 
 
 a31 a32 a33 ... an−1,3 an,3 
 
A = AT =  .. .. .. .. .. 
 .. 
 . . . . . . 
 
 
 a an−1,2 an−1,3 ... an−1,n−1 an,n−1 
 n−1,1 
 
an,1 an,2 an,3 ... an,n−1 an,n
Desta forma,
n
X n
X
|ak1 | + |ak2 | + . . . + |akn | = |akj | = |a1k | + |a2k | + . . . + |ank | = |aik | , para k = 1, 2, . . . , n.
j=1 i=1
Logo
n
X n
X
kAk1 = max |aij | = max |aij | = kAk∞ .
1≤j≤n 1≤i≤n
i=1 j=1
(4.0) 6. Considere a seguinte tabela de valores de uma função,
xi −4 −1 0 1 5
f (xi ) 10 −2.0 −2.0 0.0 28
a) Fazendo uma escolha adequada dos pontos, e utilizando a fórmula de Newton, determine uma
aproximação para f (1.2) através de interpolação quadrática;
b) Sabendo que
· ¸
f (k) (ξ)
∃ξ ∈ min xi , max xi : = f [x0 , x1 , . . . , xk ] ,
0≤i≤k 0≤i≤k k!
calcule uma estimativa para o majorante do erro que afecta a aproximação obtida na alı́nea
anterior.

168 Capı́tulo 2. 2001-2002
2.21 15/07/2002 - Eng. do Ambiente


Duraç~
(2,0) 1. Seja
w
t (w, z) = .
z
Mostre que, para |eR (wa )| ¿ 1 e |eR (za )| ¿ 1,
eR (t (wa , za )) ∼
= eR (wa ) − eR (za ) .
(4,0) 2. Seja dada a função

√
f (x) = x − 5e−x .
a) Prove que existe um e um só zero da função f no intervalo [1, 2]. Denote-o por α;
· ¸
n n+1
b) Indique, utilizando o método da bissecção, o intervalo , , n ∈ N, que contém o zero
50 50
da função f referido na alı́nea anterior;
c) Verifique se é possı́vel aplicar o método de Newton para aproximar o valor de α, utilizando

o intervalo indicado na alı́nea a). Perante uma escolha adequada do intervalo, indique uma
aproximação para α que possua 5 algarismos significativos.
(4.0) 3. Seja dada a seguinte matriz

 
16 −4 12 −4
 
 
 −4 2 −1 1 
A=

.

 12 −1 14 −2 
 
−4 1 −2 83
a) Admitindo que a matriz é simétrica e definida positiva, calcule a decomposição de Cholesky

da matriz A;
2.21. 15/07/2002 - Eng. do Ambiente 169
b) Utilizando a decomposição obtida na alı́nea anterior obtenha a segunda coluna de uma matriz
B ∈ R4×4 , tal que
AB = I4×4 = Matriz Identidade de ordem 4 × 4.
(4.0) 4. Considere a seguinte tabela de valores para uma função f ,
xi −2 0 2
f (xi ) −6a 4b 2c
a) Construa o polinómio interpolador de f que contém todos os pontos da tabela;

µ ¶
1 13
b) Sabendo que o polinómio interpolador construı́do passa pelos pontos (−1, 7) , (1, 3) e , ,
2 4
obtenha os valores de a, de b e de c;
c) Obtenha uma aproximação para o valor da função no ponto −0.5.
(2.0) 5. Dados n + 1 pontos, (xi , f (xi )) , i = 0, 1, 2, . . . , n, construa-se, utilizando todos os pontos, o

polinómio interpolador através da fórmula de Lagrange, pn (x). Qual o número de operações que
se efectuam para obter o valor de pn num ponto α 6= xi , i = 0, 1, . . . , n.
OBS: Deve contar as operações envolvidas na construção do polinómio interpolador e as que se efectuam
para obter o valor do polinómio em α.
(4.0) 6. Pretendemos obter uma aproximação para o valor do integral

Z 1
2
ex dx,
0
com um erro não superior a 0.5.
a) Sabendo que os pontos que pretendemos tabelar, (xi , f (xi )), verificam a condição
xi+1 − xi = h, i = 0, 1, . . ., indique quantos pontos teremos de tabelar para que a aproxi-
mação obtida pela regra dos Trapézios (composta) realize as nossas intenções;
b) De acordo com a alı́nea anterior, construa a tabela de valores da função e obtenha uma apro-
ximação para o valor do integral.
OBS: Caso não consiga resolver a alı́nea anterior, tome n = 4.

170 Capı́tulo 2. 2001-2002
Capı́tulo 3
2002/2003
171
172 Capı́tulo 3. 2002/2003
3.1 2002/10/10 - Eng. do Ambiente

Duraç~
10 de Outubro de 2002
(3,0) 1. Considere f (x, y, z) = xyz. Supondo que xa , ya e za são aproximações para os valores exac-
tos x, y e z, respectivamente, indique um majorante para o erro relativo absoluto que afecta a
aproximação f (xa , ya , za ).
(5,0) 2. Pretende-se determinar o número positivo α que satisfaz a equação
x
sin (x) = .
2
a) Indique um intervalo de amplitude igual à unidade que contenha o valor α;
b) Utilizando o método da bissecção indique um intervalo de amplitude igual a 0.1 unidades que
contenha o valor que se pretende aproximar;
c) Averigúe a convergência do método de Newton para aproximar o valor de α, utilizando o

intervalo encontrado na alı́nea anterior;
c) Mediante uma escolha adequada para x0 , obtenha uma aproximação para α com 5 algarismos
significativos.
(5,0) 3. Considere o sistema de equações lineares Ax = b, com

 
2 1 0
 
 
 1 2 1 .
 
0 1 2
3.1. 2002/10/10 - Eng. do Ambiente 173
a) Mostre que a matriz A é definida positiva e obtenha a sua factorização pelo método de Cholesky;
b) Sabendo que a matriz A−1 tem a forma

 
3/4 −1/2 y1
 
 
A−1 =  −1/2 1 y2  ,
 
1/4 −1/2 y3
calcule a terceira coluna de A−1 utilizando a factorização obtida na alı́nea a);
c) Utilizando a norma 1, calcule o valor do número de condição da matriz A.
(4,0) 4. Considere a seguinte função real de variável real

¡ ¢
f (x) = ln x2 + 1 − e−x .
a) Prove que a função f possui um único zero no intervalo [0, 1];
b) Use interpolação linear inversa para determinar uma aproximação para esse zero;
c) Dê uma estimativa do erro de interpolação do valor calculado na alı́nea anterior.
(3,0) 5. Seja f uma função ı́mpar.
a) Se tivermos os pontos x0 = −h e x1 = h, qual será o valor do valor aproximado, que se obtém

pela regra dos trapézios, para o integral
Z x1
f (x) dx.
x0
Indique também qual o erro que se comete nessa aproximação;
b) Concretize a alı́nea a) com uma função ı́mpar à sua escolha e com h = −1.
FIM
BOA SORTE
174 Capı́tulo 3. 2002/2003
3.2 2003/04/23 - Eng. do Ambiente
Universidade do Algarve FCT, Área Departamental de Matemática
Análise Numérica Engenharia do Ambiente
1o Teste, 23/04/2003 ao 2h:000

Duraç~
(5,0) 1. Pretende-se obter o valor da seguinte expressão

Z 1
exy + cos (x) + f (z) dz,
0
a) Tomando xa = 2 e ya = 1 como aproximações para os valores de x e de y, respectivamente,
indique os majorantes para os erros absolutos que se podem cometer nas aproximações para
x, para y e para o valor do integral.
b) Supondo que se pretende aproximar o valor exacto do integral

Z 1
I= f (z) dz,
0
através da regra de Simpson, e que f (z) = ez , diga quantos pontos terá de considerar para
conseguir aproximar I com a precisão desejada.
(4,0) 2. Dadas as expressões

1 √
¡ √ ¢4 e 97 − 56 3.
2+ 3
a) Verifique que as duas expressões são equivalentes;
b) Obtenha, trabalhando com uma aritmética de 4 algarismos significativos, o valor de que cada
uma das expressões. Interprete os resultados obtidos.

3.2. 2003/04/23 - Eng. do Ambiente 175
(3,0) 3. Sejam
Yn
x − xi
Lk (x) = , k = 0, 1, . . . , n,
x
i=0 k
− xi
i6=k
P
n P
n
k
os (n + 1) polinómios de Lagrange. Prove que, Li (x) = 1, e que (xi ) Li (x) = xk .
i=0 i=0
(4,0) 4. Considere a seguinte tabela de valores de uma função f , onde α ≥ 0 é uma constante,
xi 0 1 2 3
f (xi ) −α2 cos (α) 1 2 − 4 cos (α)
a) Utilizando a fórmula de Newton com diferenças divididas, construa o polinómio que interpola
f nos pontos tabelados (não simplifique a expressão obtida);
b) Suponha que, no intervalo [0, 3], f é um polinómio de grau não superior a 2. Mostre que se
deve ter
α2 = 1 + cos (α) .
(4,0) 5. Considere a seguinte tabela de valores para a função f (x) = ln (x),
xi 1 1.5 2
f (xi ) 0.000 0.4055 0.6931
a) Utilizando toda a informação da tabela, aplique a regra dos trapézios com a finalidade de obter
uma aproximação, digamos IT , para o valor exacto do integral

Z 2
I= f (x) dx.
1
b) Prove que, se IT for o valor da aproximação que se obtém através da regra dos trapézios
composta com n subintervalos, então I − IT ≥ 0.
BOA SORTE
Fórmulas das Regras de Quadratura
Regra Fórmula Erro
" #
h P
n−1 b − a 00
Trapézios f (x0 ) + 2 f (xk ) + f (xn ) − f (ξ) h2 , ξ ∈ [a, b]
2 k=1 12
" #
h (n/2)−1
P (n/2)
P b − a (iv)
Simpson f (x0 ) + 2 f (x2k ) + 4 f (x2k−1 ) + f (xn ) − f (ξ) h4 , ξ ∈ [a, b]
3 k=1 k=1 180
176 Capı́tulo 3. 2002/2003
Nota: O valor de h, em qualquer uma das regras, dá-nos a distância entre dois pontos consecutivos,
i.e., h = xi − xi−1 , i = 1, 2, . . . , n.
Análise Numérica Engenharia Biotecnológica
1o Teste, 22/04/2003 ao 2h:000

Duraç~
(4,0) 1. Pretende-se obter o valor da seguinte expressão

Z 1
(xy)
e + cos (x) + f (z) dz,
0
a) Tomando xa = 2 e ya = 1 como aproximações para os valores de x e de y, indique os
majorantes para os erros absolutos que se podem cometer nas aproximações para x, para y e
para o valor do integral.
b) Supondo que se pretende aproximar o valor exacto do integral

Z 1
I= f (z) dz,
0
através da regra de Simpson, e que f (z) = ez , diga quantos pontos terá de considerar para
conseguir aproximar I com a precisão desejada.
(4,0) 2. Dadas as expressões

1 √
¡ √ ¢4 e 97 − 56 3.
2+ 3
a) Verifique que as duas expressões são equivalentes;
b) Calcule os valores que cada uma das expressões nos dá, usando o valor 1.732 como
√
aproximação para 3. Interprete os resultados obtidos.
(4,0) 3. Sejam
Yn
x − xi
Lk (x) = , k = 0, 1, . . . , n,
x
i=0 k
− xi
i6=k
P
n P
n
k
os (n + 1) polinómios de Lagrange. Prove que, Li (x) = 1, e que (xi ) Li (x) = xk .
i=0 i=0
178 Capı́tulo 3. 2002/2003
xi 0 1 3 6 9
f (xi ) 1 3 7 19 25
Pretende-se aproximar o valor exacto do seguinte integral,

Z 6
f (x) dx.
0
a) Calcule uma aproximação, IS , de I, usando a regra de Simpson;
b) Determine o polinómio interpolador p2 (x) de grau ≤ 2 que interpola f nos 3 primeiros
pontos da tabela, utilizando a fórmula de Newton com diferenças divididas. Aproxime o valor
de I através do integral
Z 6
Ip = p2 (x) dx.
0
c) Em face dos valores obtidos para IS e para Ip , será possı́vel afirmar que f é um polinómio de
grau 2?
xi 0.0000 0.5000 1.000
f (xi ) 1.980 0.9500 0.5100
a) Utilizando a regra dos trapézios, obtenha uma aproximação para o valor do integral
Z 1
I= f (x) dx.
0
b) Sabendo que
¯ ¯ 3 ³ π ´j
¯ (j) ¯
¯f (x)¯ ≤ , ∀x,
2 2
determine um majorante para o erro que afecta a aproximação calculada na alı́nea anterior.
Regra de Quadratura Fórmula
µ ¶
h P
n−1
Trapézios f (x0 ) + 2 f (xk ) + f (xn )
2 k=1
Ã !
(n/2)−1
P (n/2)
P
h
Simpson f (x0 ) + 2 f (x2k ) + 4 f (x2k−1 ) + f (xn )
3 k=1 k=1
Fórmulas dos Erros nas Regras de Quadratura
Regra de Quadratura Erro
b − a 00
Trapézios − f (ξ) h2 , ξ ∈ [a, b]
12
b − a (iv)
Simpson − f (ξ) h4 , ξ ∈ [a, b]
180
Nota: O valor de h, em qualquer uma das regras, significa a distância entre dois pontos consecutivos,
i.e., h = xi − xi−1 , i = 1, 2, . . . , n.
180 Capı́tulo 3. 2002/2003
1o Teste, 29/04/2003 ao 2h:000

Duraç~
(5,0) 1. Seja dado o integral

Z 2
I= e−z dz.
1
a) Utilizando a regra de quadratura dos trapézios composta com 3 subintervalos, determine uma
aproximação para I. Denote a aproximação obtida por IT .
b) Determine um majorante para o erro absoluto que afecta IT .
c) Suponha que xa = 3.1 e ya = 1.000, são aproximações obtidas por arredondamento para x e
para y, respectivamente. Utilizando a aproximação IT , obtenha uma aproximação para o
valor da expressão
³x´ Z 2
f (x, y) = ln (xy) + sin + e−z dz.
2 1
Calcule um majorante para o erro absoluto que afecta a aproximação obtida.
d) Quantos algarismos significativos consegue garantir para a aproximação obtida na alı́nea
anterior.
Solução 3.4.1. a) Para resolvermos este exercı́cio necessitamos de construir os 4 pontos que definem
os subintervalos que vamos utilizar. Assim sendo, notando que
b−a 2−1 1
h= = = ,
n 3 3
logo,
4 5 6
x0 = 1, x1 = 1 + h = , x2 = 1 + 2h = , x3 = 1 + 3h = = 2.
3 3 3
Desta forma,
Z 2
h
I= e−z dz ≈ IT = (f (x0 ) + 2 (f (x1 ) + f (x2 )) + f (x3 )) =
1 2
1
= (f (1) + 2 (f (4/3) + f (5/3)) + f (2)) =
6
1 ³ (−1) ³ ´ ´
= e + 2 e(−4/3) + e(−5/3) + e(−2) =
6
= 0.2346933677...
b) Pela teoria sabemos que

¯ ¯
¯ b − a 00 ¯
¯
|e (IT )| = |I − IT | = ¯− 2¯
f (ξ) h ¯ , com ξ ∈ [a, b] ,
12
logo,
µ ¶2
b−a 1 1
|e (IT )| = |I − IT | ≤ max |f 00 (x)| h2 = max |f 00 (x)| .
12 x∈[a,b] 12 x∈[a,b] 3
Atendendo agora a que
f (x) = e(−x) ⇒ f 0 (x) = −e(−x) ⇒ f 00 (x) = e(−x) > 0, ∀x ∈ [1, 2] ,
além disso, sabemos também que f 00 (x) = e(−x) é uma função estritamente decrescente, logo,
max |f 00 (x)| = e(−1) .

x∈[a,b]
Concluı́mos então que,

µ ¶2
1 (−1) 1
|e (IT )| = |I − IT | ≤ e = 0.003406291... ≈ 0.003 ≤ 0.005 .
12 3
c) Para resolver esta alı́nea sabemos que xa = 3.1 é uma aproximação para x, obtida por
arredondamento, pelo que |e (xa )| ≤ 0.05; ya = 1.000 é uma aproximação para y, também ela obtida por
arredondamento, o que implica que |e (ya )| ≤ 0.0005; e finalmente, pelas duas alı́neas anteriores,
sabemos que I = 0.23 ± 0.003 = IT ± |e (IT )|.
Utilizando então estes dados, em primeiro lugar teremos que,
³x ´ µ ¶
a 3.1
f (xa , ya ) = ln (xa ya ) + sin + IT = ln (3.1) + sin + 0.23 = 2.365879243 .
2 2
Quanto à propagação do erro, essa é dada por

¯ ¯ ¯ ¯ ¯ ¯
¯ ∂f ¯ ¯ ∂f ¯ ¯ ∂f ¯
|e (f (xa , ya ))| ≤ |e (xa )| ¯¯ (xa , ya )¯¯ + |e (ya )| ¯¯ (xa , ya )¯¯ + |e (IT )| ¯¯ (xa , ya )¯¯ ≤
∂x ∂y ∂I
¯ ³ x ´¯¯ ¯ ¯
¯1 1 a ¯ ¯ 1 ¯
≤ 0.05 ¯¯ + cos + 0.0005 ¯¯ ¯¯ + 0.003 × 1 ≈ 0.02 ≤ 0.05
xa 2 2 ¯ ya
182 Capı́tulo 3. 2002/2003
d) Pelos resultados que obtivemos na alı́nea anterior,
f (xa , ya ) = 2.365879243,
|e (f (xa , ya ))| ≤ 0.02 ≤ 0.05,
vamos então poder garantir pelo menos 2 algarismos significativos para a aproximação obtida para o
valor exacto da expressão. Logo, f (xa , ya ) ≈ 2.4.
f (x) = −x4 + 2.23x2 − 7.25 × 10−4 .
a) Calcule, utilizando uma aritmética de 3 algarismos significativos, todas as soluções da
equação f (x) = 0.
b) Será possı́vel melhorar a precisão das soluções obtidas na alı́nea anterior? Caso o seja, indique
quais as que pode melhorar, apresentando aproximações mais precisas para as mesmas.
Solução 3.4.2. a) Para resolvermos a equação do quarto grau que nos é dada, basta fazer uma simples
mudança de variável. Assim, tomando y = x2 , a equação resumir-se-á a uma equação não-linear de
grau dois,
f (x) = −x4 + 2.23x2 − 7.25 × 10−4 = 2 −y 2 + 2.23y − 7.25 × 10−4 = f (y) .

y=x
Agora, a equação a resolver é f (y) = 0, que se resolve através da fórmula resolvente. Portanto,
utilizando uma aritmética de três algarismos significativos,
f (y) = 0 ⇔ −y 2 + 2.23y − 7.25 × 10−4 = 0 ⇔
q
2
−2.23 ± (2.23) − 4 × (−1) × (−7.25 × 10−4 )
⇔ y= ⇔
2 × (−1)
√
−2.23 ± 4.97 − 0.00290
⇔ y= ⇔
−2
√
2.23 ± 4.97 2.23 ± 2.23
⇔ y= ⇔y=
2 2
2.23 − 2.23 2.23 + 2.23

⇔ y1 = ∨ y2 =
2 2
⇔ y1 = 0.00 ∨ y2 = 2.23.
Atendendo agora ao facto de que y = x2 , vamos então concluir que as quatro aproximações para as
soluções da equação do quarto grau são dadas por
√ √ √ √
x1 = − 0.00 = 0.00 ∨ x2 = 0.00 = 0.00 ∨ x3 = − 2.23 = −1.49 ∨ x4 = 2.23 = 1.49.
Da resolução da equação do segundo grau em y verifica-se que a solução y1 perde precisão, devido à
ocorrência de cancelamento subtractivo. Essa perda de precisão vai-se então repercutir nas soluções x1 e
x2 . Quanto a x3 e x4 , essas possuem a máxima precisão com que estamos a trabalhar, i.e., possuem 3
b) Sim, é possı́vel melhorar os resultados que se obtiveram na alı́nea anterior para y1 , e
consequentemente para x1 e x2 , visto que estes estão afectados pelo cancelamento subtractivo. Assim
sendo, sabemos pela teoria que a solução da equação do segundo grau que está afectada por
cancelamento subtractivo pode ser obtida recorrendo aos coeficientes do polinómio e à aproximação que
possui a precisão máxima. Assim,
c −7.25 × 10−4 7.25 × 10−4

y1 × y2 = ⇔ y1 = = = 0.000325,
a −1 × y2 2.23
pelo que,
√ √ √ √
x1 = − y1 = − 0.000325 = −0.0180 ∨ x2 = y1 = 0.000325 = 0.0180.
184 Capı́tulo 3. 2002/2003
Desta forma, temos já aproximações com 3 algarismos significativos para todas as 4 soluções da equação
não-linear dada,
x1 = −0.0180 ∨ x2 = 0.0180 ∨ x3 = −1.49 ∨ x4 = −1.49.
(2,0) 3. Sejam
Yn
x − xj
Lk (x) = , k = 0, 1, . . . , n,
x − xj
j=0 k
j6=k
os (n + 1) polinómios de Lagrange.
Prove que, Lk (xi ) = 0, se i 6= k, para todo o i, k = 0, 1, 2, . . . , n.
Solução 3.4.3. A demonstração deste resultado é muito simples de efectuar, pois basta-nos verificar o
valor de cada um dos polinómios de Lagrange em cada um dos nós que estamos a utilizar para efectuar
a interpolação. Assim sendo, tomemos um polinómio de Lagrange qualquer, Lk (x) , k ∈ {0, 1, 2, . . . , n},
sabemos que a forma deste polinómio, como nos é dito, é a seguinte,
Yn
x − xj (x − x0 ) (x − x1 ) . . . (x − xk−1 ) (x − xk+1 ) . . . (x − xn )
Lk (x) = =
x
j=0 k
− x j (xk − x0 ) (xk − x1 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn )
j6=k
Calculando este polinómio em cada um dos nós xi , i ∈ {0, 1, 2, . . . , n}, facilmente se pode concluir que,
=0
z }| {
(x0 − x0 ) (x0 − x1 ) . . . (x0 − xk−1 ) (x0 − xk+1 ) . . . (x0 − xn )
Lk (x0 ) = =0
(xk − x0 ) (xk − x1 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn )
=0
z }| {
(x1 − x0 ) (x1 − x1 ) . . . (x1 − xk−1 ) (x1 − xk+1 ) . . . (x1 − xn )
Lk (x1 ) = =0
..
.
=0
z }| {
(xk−1 − x0 ) (xk−1 − x1 ) . . . (xk−1 − xk−1 ) (xk−1 − xk+1 ) . . . (xk−1 − xn )
Lk (xk−1 ) = =0
=0
z }| {
(xk+1 − x0 ) (xk+1 − x1 ) . . . (xk+1 − xk−1 ) (xk+1 − xk+1 ) . . . (xk+1 − xn )
Lk (xk+1 ) = =0
..
.
=0
z }| {
(xn − x0 ) (xn − x1 ) . . . (xn − xk−1 ) (xn − xk+1 ) . . . (xn − xn )
Lk (xn ) = = 0,
o que prova que Lk (xi ) = 0, se i 6= k, para todo o i, k = 0, 1, 2, . . . , n.
Podemos ainda verificar que Lk (xk ) = 1,

Lk (xk ) = = 1.
Assim sendo, 

 1 se i = k
Lk (xi ) = δik = .

 0 se i 6= k
(4,0) 4. Considere a seguinte tabela de valores de uma função f ,
xi −1.25 1.25 3.75 6.25
f (xi ) 0.25328 3.9482 61.547 959.42
a) Construa o polinómio interpolador de grau dois que lhe permite obter a melhor aproximação
para o valor da função no ponto x = 0.
b) Calcule uma aproximação para f (0), utilizando o polinómio interpolador obtido na alı́nea
anterior. Indique uma estimativa para o erro absoluto que se comete nessa aproximação.
Solução 3.4.4. a)Para construir o polinómio interpolador de grau dois que nos fornece a melhor
aproximação para o valor da função no ponto x = 0, devemos escolher os três pontos das abcissas que
mais perto de zero se encontram. Portanto, os três nós com que vamos construir o polinómio
interpolador são os seguintes: x0 = −1.25, x1 = 1.25 e x2 = 3.75. Para facilitar o nosso trabalho
devemos fazer construção do polinómio interpolador através da fórmula de Newton com diferenças
divididas. Assim sendo, a tabela das diferenças divididas associada a estes pontos é então a seguinte,
x f [.] f [., .] f [., ., .]
x0 = −1.25 y0 = 0.25328 = a0
f [x0 , x1 ] = 1.47797 = a1
x1 = 1.25 y1 = 3.9482 f [x0 , x1 , x2 ] = 4.31231 = a2
f [x1 , x2 ] = 23.0395
x2 = 3.75 y2 = 61.547
Pelo que o polinómio interpolador será então dado por
p2 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) (x − x1 ) =
= 0.25328 + 1.47797 (x + 1.25) + 4.31231 (x + 1.25) (x − 1.25) =

¡ ¢
= 0.25328 + 1.47797 (x + 1.25) + 4.31231 x2 − 1.252 .
b) Agora, para aproximarmos o valor da função no ponto x = 0, apenas necessitamos de substituir x por
0 no polinómio interpolador obtido na alı́nea anterior. Então,
¡ ¢
p2 (0) = 0.25328 + 1.47797 × 1.25 + 4.31231 × −1.252 = −4.637241875 ≈ −4.63724 .
186 Capı́tulo 3. 2002/2003
Estudemos agora o erro que se comete nesta aproximação. Pela fórmula da teoria sabemos que
¯ 000 ¯
¯ f (ξ) ¯
¯
|e (p2 (0))| = |f (0) − p2 (0)| = ¯ (0 − x0 ) (0 − x1 ) (0 − x2 )¯¯ =
3!
¯ 000 ¯
¯ f (ξ) ¯
¯
= ¯ (1.25) (−1.25) (−3.75)¯¯ =
3!
¯ 000 ¯
¯ f (ξ) ¯
¯
= ¯ ¯ × 5.859375, com ξ ∈ [x0 , x2 ] .
3! ¯
Agora, como não nos é fornecida a expressão analı́tica para a função f , não nos é possı́vel majorar o
valor da terceira derivada no intervalo de interpolação, pelo que teremos de calcular apenas uma
estimativa do erro. Para isso vamos recorrer a um teorema dado na teoria, o qual nos diz que existe um
ponto ζ ∈ [−1.25, 6.25], tal que

f 000 (ζ)
f [x0 , x1 , x2 , 6.25] = .
3!
Desta forma, necessitamos de calcular o valor da diferença dividida de terceira ordem
f [x0 , x1 , x2 , 6.25] para podemos estimar o erro que se comete. Acrescentando este ponto à tabela, e
efectuando os cálculos subjacentes, a tabela que agora obtemos é a seguinte:
x f [.] f [., .] f [., ., .] f [., ., ., .]
x0 = −1.25 y0 = 0.25328 = a0
f [x0 , x1 ] = 1.47797 = a1
x1 = 1.25 y1 = 3.9482 f [x0 , x1 , x2 ] = 4.31231 = a2
f [x1 , x2 ] = 23.0395 f [x0 , x1 , x2 , x] = 5.18795
x2 = 3.75 y2 = 61.547 f [x1 , x2 , x] = 43.2219
f [x2 , x] = 239.149
x = 6.25 f (6.25) = 659.42
Desta forma, a estimativa que se obtém para o erro é dada por

¯ 000 ¯
¯ f (ξ) ¯
|e (p2 (0))| = |f (0) − p2 (0)| = ¯¯ ¯ × 5.859375 ≈ 5.18795 × 5.859375 ≈ 30.4 ≤ 50 .
3! ¯
Através desta estimativa para o erro não podemos garantir qualquer algarismo significativo para a
aproximação do valor da função f no ponto x = 0, p2 (0).



 6

 4x2 + x − ⇐ x≥0

 π
f (x) = .




 4x − 6
 ⇐ x≤0
π
Calcule, recorrendo apenas ao cálculo numérico, a melhor aproximação possı́vel para o valor
exacto do integral
Z 2
I= f (x) dx.
−2
Explique de forma conveniente a precisão do resultado obtido.
Solução 3.4.5.
BOA SORTE
Regra Fórmula Erro
" #
h P
n−1 b − a 00
Trapézios f (x0 ) + 2 f (xk ) + f (xn ) − f (ξ) h2 , ξ ∈ [a, b]
2 k=1 12
" #
h (n/2)−1
P (n/2)
P b − a (iv)
Simpson f (x0 ) + 2 f (x2k ) + 4 f (x2k−1 ) + f (xn ) − f (ξ) h4 , ξ ∈ [a, b]
3 k=1 k=1 180
Nota: O valor de h, em qualquer uma das regras, dá-nos a distância entre dois pontos consecutivos,
i.e., h = xi − xi−1 , i = 1, 2, . . . , n.
188 Capı́tulo 3. 2002/2003
3.5 2003/04/30 - EA, EB, ESC, IE, IG
Análise Numérica EA, EB, EI, ESC, IG
Exame de Época Especial, 30/04/2003 ao 3h:000

Duraç~

4
f (x, y, z) = x y z.
3
Supondo que nos são fornecidos majorantes para os erros relativos absolutos que afectam as
aproximações de x, xa , de y, ya , e de z, za , por exemplo,



 |eR (xa )| ≤ εx



 |eR (ya )| ≤ εy , com εx , εy , εz > 0,



 |e (z )|
R a ≤ εz
indique um majorante para o erro relativo absoluto que afecta o cálculo f (xa , ya , za ).
(3,0) 2. Prove que se pretendermos aproximar a solução α de uma equação não-linear f (x) = 0 com
um erro não superior a uma determinada quantidade ε > 0, através do método de Newton, então
o número de iterações que temos de efectuar, n ∈ N, verifica a seguinte relação

µ ¶
K log (M ε)
n≥ , com K = log ,
log (2) log (M |α − x0 |)
M2
onde M = , com M2 = max |f 00 (x)| e m1 = min |f 0 (x)|.
2 m1 x∈[a,b] x∈[a,b]
(4,0) 3. Pretende-se determinar, utilizando o método de Newton, a maior das duas raı́zes positivas da
equação
−x3 + 14x − 1 − ex = 0.
a) Mostre que se a aproximação inicial x0 for escolhida no intervalo [2.6, 3], ficam asseguradas as
condições de convergência do método.
b) Utilizando o método de Newton, obtenha o valor da terceira iteração, indicando um
majorante para o erro absoluto que afecta essa aproximação. Quantos algarismos
significativos consegue garantir na aproximação obtida para a solução da equação.

3.5. 2003/04/30 - EA, EB, ESC, IE, IG 189
(5,0) 4. Considere um sistema de equações lineares, Ax = b, onde

 
4 a 0
 
 
A=
 a 5 a 
,
 
0 a 5
sendo a um número real.
a) Prove, recorrendo à definição, que a matriz A é definida positiva para todo o a ∈ [−2, 2].
b) Tomando a = 2 e b = (2, −1, 3), resolva o sistema Ax = b, usando a decomposição de
Cholesky da matriz A.
(5,0) 5. Ao medir uma certa grandeza fı́sica, f , em função de um certo parâmetro, x, obteve-se a
seguinte tabela de valores:
xi 1 2 4 7 8
f (xi ) 1.2 1.5 2 1.4 0.5
Seja z um número inteiro, diferente de 2, tal que f (z) = 1.5.
0.3
a) Mostre que, f [1, z, 2] = , onde f [1, z, 2] é uma diferença dividida de ordem dois de f .
1−z
b) Supondo que, quando x ≤ 2, a função f tem a forma
f (x) = −x2 + ax + b,
determine z, atendendo à igualdade da alı́nea anterior.
c) Através da fórmula de Newton com diferenças divididas, construa o polinómio interpolador
de grau ≤ 2 que lhe permite obter a melhor aproximação para o valor da função em x = 6.
d) Calcule uma aproximação para f (6), através do polinómio encontrado na alı́nea anterior,
indicando também uma estimativa para o erro absoluto que se comete nessa aproximação.
Solução 3.5.1. a) Para resolver esta alı́nea basta-nos aplicar a definição de diferença dividida. Assim
sendo,
f [z, 2] − f [1, z]
f [1, z, 2] = = f [z, 2] − f [1, z] ,
2−1
e continuando a aplicação da definição,
f (2) − f (z) f (z) − f (1) 1.5 − 1.5 1.5 − 1.2 0.3

f [1, z, 2] = − = − = .
2−z z−1 2−z z−1 1−z
190 Capı́tulo 3. 2002/2003
b) Assim sendo, sabemos que para x ≤ 2, f (x) = p2 (x), pelo que, se construirmos o polinómio
interpolador de Newton com diferenças divididas, vamos facilmente concluir que,
f (x) = p2 (x) = f (1) + f [1, z] (x − 1) + f [1, z, 2] (x − 1) (x − 2) ,
ou seja, o coeficiente do termo de maior grau para a função f e para o polinómio interpolador, verifica
a seguinte relação
f [1, z, 2] = −1,
logo,
0.3
= −1 ⇔ 0.3 = − (1 − z) ⇔ 0.3 = −1 + z ⇔ z = 1.3.
1−z
c) Precisamos então de 3 pontos para construir este polinómio, pelo que, escolhendo os 3 que estão mais
próximos teremos x0 = 4, x1 = 7 e x2 = 8. Assim sendo, a tabela das diferenças divididas associada a
estes pontos é dada por,
x f [.] f [., .] f [., ., .]
x0 = 4 y0 = 2 = a0
f [x0 , x1 ] = −0.2 = a1
x1 = 7 y1 = 1.4 f [x0 , x1 , x2 ] = −0.175 = a2
f [x1 , x2 ] = −0.9
x2 = 8 y2 = 0.5
Pela tabela podemos então concluir que o polinómio interpolador de grau 2 que pretendemos obter é
dado por
p2 (x) = 2 − 0.2 (x − 4) − 0.175 (x − 4) (x − 7) .
d) Atendendo ao polinómio interpolador obtido na alı́nea anterior, a aproximação para o valor da
função em x = 6 será fornecida por
f (6) ≈ p2 (6) = 2 − 0.2 × 2 − 0.175 × 2 × (−1) = 2 − 0.4 + 0.175 × 2 = 1.95.
Pretendemos agora estudar o erro que afecta esta aproximação. Atendendo ao teorema do erro, sabemos
3.5. 2003/04/30 - EA, EB, ESC, IE, IG 191
que
¯ 000 ¯
¯ f (ξ) ¯
|e (p2 (6))| = |f (6) − p2 (6)| = ¯ ¯
¯ 3! (6 − x0 ) (6 − x1 ) (6 − x2 )¯ =
¯ 000 ¯
¯ f (ξ) ¯
= ¯ (6 − 4) (6 − 7) (6 − 8)¯=
¯ 3! ¯
¯ 000 ¯
¯ f (ξ) ¯
= ¯ ¯
¯ 3! (2) (−1) (−2)¯ =
¯ 000 ¯ ¯ 000 ¯
¯ f (ξ) ¯ ¯ f (ξ) ¯
= ¯ 4¯¯ = 4 ¯ ¯
¯ 3! ¯ 3! ¯ , com ξ ∈ [4, 8]
¯ 000 ¯
¯ f (ξ) ¯
Sabemos agora que a quantidade ¯¯ ¯ pode ser aproximada através da diferença dividida
6 ¯
f [2, x0 , x1 , x2 ]. Pelo que, se acrescentarmos o ponto x = 2 à tabela das diferenças divididas que
obtivemos na alı́nea anterior, o resultado que se obtém é o seguinte,
x f [.] f [., .] f [., ., .] f [., ., ., .]
x=2 f (2) = 1.5
f [x, x0 ] = 0.25
x0 = 4 y 0 = 2 = a0 f [x, x0 , x1 ] = −0.09
f [x0 , x1 ] = −0.2 = a1 f [x, x0 , x1 , x2 ] = −0.014166(6)
x1 = 7 y1 = 1.4 f [x0 , x1 , x2 ] = −0.175 = a2
f [x1 , x2 ] = −0.9
x2 = 8 y2 = 0.5
Olhando então para a tabela, será então fácil de concluir que

¯ 000 ¯
¯ f (ξ) ¯
¯ ¯
¯ 6 ¯ ≈ |f [2, x0 , x1 , x2 ]| ≈ 0.0142.
Finalmente,
|e (p2 (6))| = |f (6) − p2 (6)| ≈ 0.0142 × 4 ≈ 0.06 ≤ 0.5,
resultado que nos permite apenas garantir um algarismo significativo para o valor de p2 (6).
BOA SORTE
192 Capı́tulo 3. 2002/2003
3.6 2002/11/13 - ESC, IE, IG

EI, ESC e IG
1o Teste ao 2h:000
Duraç~
(4,0) 1. Quando uma partı́cula se desloca, fazendo um ângulo α com a linha de acção da força que lhe
provocou o movimento, o trabalho realizado pela partı́cula é traduzido através da fórmula
ω = f cos (α) d,
onde d = distância percorrida pela partı́cula, que é medida em metros, f = força exercida sobre a
partı́cula, a qual é medida em gramas força e ω = trabalho realizado, que é medido em Joules.
Realizou-se uma experiência em que se efectuaram as seguintes medições, d = 20 m ± 10 cm,

π
f = 4.5 ± 0.05 grf , e α = , considerando o valor de π um valor com 3 algarismos significativos.
4
a) Qual a percentagem de erro cometida no cálculo do trabalho realizado pela partı́cula?
b) Quais os erros máximos que podemos admitir nas grandezas medidas para que o erro do
valor calculado para o trabalho não seja superior a 0.6?
Solução 3.6.1. Seja então dada a função w = f × cos (α) × d, com





 da = 20 m, com |e (da )| ≤ 10 cm = 0.1 m


fa = 4.5 grf, com |e (fa )| ≤ 0.05 grf .



 1

 αa = 3.14/4, com |e (πa )| ≤ 0.005 ⇒ |e (αa )| ≤ |e (πa )| = 0.00125
4
Atendendo então a que a percentagem de erro é dada por 100 × |eR (wa )|, temos então de calcular um
majorante para o erro relativo para depois podermos calcular a percentagem de erro. Assim sendo,
3.6. 2002/11/13 - ESC, IE, IG 193
¯ ¯ ¯ ¯ ¯ ¯
¯ ∂w ¯ ¯ ∂w ¯ ¯ ∂w ¯
|e (wa (αa , da , fa ))| ≤ ¯
|e (αa )| ¯ ¯ ¯
(αa , da , fa )¯ + |e (da )| ¯ ¯ ¯
(αa , da , fa )¯ + |e (fa )| ¯ (αa , da , fa )¯¯
∂α ∂d ∂f
≤ |e (αa )| |− sin (αa ) fa da | + |e (da )| |cos (αa ) fa | + |e (fa )| |cos (αa ) da |
Agora, para obtermos o valor do erro relativo absoluto no cálculo de w, devı́amos dividir o erro absoluto
que se comete em w, neste caso o majorante, pelo valor exacto da função, mas, uma vez que não o
conhecemos, vamos efectuar a divisão pelo valor aproximado. Então,
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ e (wa (αa , da , fa )) ¯ ¯ − sin (αa ) fa da ¯ ¯ cos (αa ) fa ¯ ¯ cos (αa ) da ¯
¯ ¯ ≤ ¯
|e (αa )| ¯ ¯ ¯
+ |e (da )| ¯ ¯ ¯
+ |e (fa )| ¯ ¯
¯ w (αa , da , fa ) ¯ fa cos (αa ) da ¯ fa cos (αa ) da ¯ fa cos (αa ) da ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ − sin (αa ) ¯ ¯ ¯ ¯ ¯
≤ |e (αa )| ¯¯ ¯ + |e (da )| ¯ 1 ¯ + |e (fa )| ¯ 1 ¯
cos (αa ) ¯ ¯ da ¯ ¯ fa ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ −0.7068251811 ¯ ¯1¯ ¯ 1 ¯
≤ 0.00125 ¯¯ ¯ + 0.1 ¯ ¯ + 0.05 ¯ ¯
¯ 4.5 ¯ ≈ 0.01736
0.7073882692 ¯ ¯ 20 ¯
Assim, atendendo ao que atrás foi dito, podemos então concluir que a percentagem de erro que afecta o
valor aproximado wa = fa cos (αa ) da = 63.66494423 é dado por
100 × |eR (wa )| ≤ 100 × 0.01763 = 1.76%.
b) Este problema é um problema de propagação inversa do erro. Podemos resolvê-lo de duas formas,
sendo, no entanto, a mais adequada a utilização do princı́pio das influências iguais. Independentemente
disso, vamos considerar correcta também a utilização do princı́pio dos erros iguais.
Apresentemos então as duas resoluções:
Princı́pio dos erros iguais:
Pretendemos que o erro que se comete em wa seja não-superior a 0.6 unidades. Utilizando então a
fórmula geral da propagação do erro

¯ ¯ ¯ ¯ ¯ ¯
¯ ∂w ¯ ¯ ∂w ¯ ¯ ∂w ¯
¯
|e (wa (αa , da , fa ))| ≤ |e (αa )| ¯ ¯ ¯
(αa , da , fa )¯ + |e (da )| ¯ ¯ ¯
(αa , da , fa )¯ + |e (fa )| ¯ (αa , da , fa )¯¯ ≤ 0.6,
∂α ∂d ∂f
e tomando todos os erros iguais, i.e., |e (αa )| = |e (da )| = |e (fa )| = θ, vamos então obter,
¯ ¯ ¯ ¯ ¯ ¯
¯ ∂w ¯ ¯ ∂w ¯ ¯ ∂w ¯
¯
|e (wa (αa , da , fa ))| ≤ θ ¯ ¯ ¯
(αa , da , fa )¯ + θ ¯ ¯ ¯
(αa , da , fa )¯ + θ ¯ (αa , da , fa )¯¯ ≤ 0.6,
∂α ∂d ∂f
194 Capı́tulo 3. 2002/2003
o que equivale a escrever
0.6
θ ≤ ¯ ¯ ¯ ¯ ¯ ¯
¯ ∂w ¯ ¯ ∂w ¯ ¯ ∂w ¯
¯ ¯ ¯ ¯ ¯ ¯
¯ ∂α (αa , da , fa )¯ + ¯ ∂d (αa , da , fa )¯ + ¯ ∂f (αa , da , fa )¯
0.6
≤
|− sin (αa ) fa da | + |cos (αa ) fa | + |cos (αa ) da |
e passando para os valores,
0.6
θ ≤
|−63.6142663| + |3.183247211| + |14.14778538|
0.6
≤ ≈ 0.007412413 ≈ 0.007 0.005,
80.94529889
o que implica que se tenham de impor 5 algarismos significativos para d, e 4 algarismos significativos
tanto para α como para f .
Princı́pio das Influências Iguais:
Agora, utilizando novamente a fórmula geral da propagação do erro, vamos supor que cada uma das
parcelas da soma dessa fórmula afecta de forma igual o majorante do erro que estipulámos inicialmente.
Assim, como na fórmula

¯ ¯ ¯ ¯ ¯ ¯
¯ ∂w ¯ ¯ ∂w ¯ ¯ ∂w ¯
¯
|e (wa (αa , da , fa ))| ≤ |e (αa )| ¯ ¯ ¯
(αa , da , fa )¯ + |e (da )| ¯ ¯ ¯
(αa , da , fa )¯ + |e (fa )| ¯ (αa , da , fa )¯¯ ≤ 0.6
∂α ∂d ∂f
existem três parcelas, vamos então supor que

 ¯ ¯ 
 ¯ ∂w ¯ 0.6  0.6

 ¯
|e (αa )| ¯ (αa , da , fa )¯¯ ≤ 
 |e (αa )| ≤ ¯¯ ¯

 ∂α 3 
 ∂w ¯

 
 ¯
3¯ (αa , da , fa )¯¯

 


 
 ∂α

 ¯ ¯ 
 0.6
 ¯ ∂w ¯ 0.6 
¯ |e (da )| ≤ ¯¯ ¯
|e (da )| ¯ (αa , da , fa )¯¯ ≤ ⇔ ¯ ∂w ¯ ,
¯

 ∂d 3 
 3 ¯ (α , d
a a a ¯, f )

 
 ∂d

 


 
 0.6
  ¯ ¯



¯
¯ ∂w
¯
¯ 0.6  |e (fa )| ≤ ¯ ∂w

 ¯

 |e (fa )| ¯¯ (αa , da , fa )¯¯ ≤ 
 3¯¯ (αa , da , fa )¯¯
∂f 3 ∂f
o que nos permite concluir que



 0.6 0.6

 |e (αa )| ≤ ≈ ≈ 0.00314394886 ≈ 0.003 ≤ 0.005

 3 |− sin (αa ) fa da | 3 × 63.6142663








0.6 0.6
|e (da )| ≤ ≈ ≈ 0.06282892491 ≈ 0.06 0.05 .

 3 |f a cos (α a )| 3 × 3.183247211









 0.6 0.6

 |e (fa )| ≤ ≈ ≈ 0.014136488 ≈ 0.01 ≤ 0.05
3 |da cos (αa )| 3 × 14.14778538
3.6. 2002/11/13 - ESC, IE, IG 195
Tais majorantes permitem-nos concluir que teremos de impor 3 algarismos significativos para αa , 4
algarismos significativos para da e 2 algarismos significativos para fa .

µ ¶ µ ¶
1 1
f (x) = ln − ln . (3.6.1)
x+1 x
a) Pretende-se obter o valor de (4.8.1) no ponto x = 0.001 através do uso de um computador
com precisão máxima de 4 algarismos significativos. Indague sobre o que acontece ao
resultado que se obtém;
b) Será possı́vel, no mesmo computador, obter um resultado mais preciso para (4.8.1)? Caso o
seja, explique a forma de o obter e indique-o.
Solução 3.6.2. a) Efectuando então o cálculo num computador com precisão máxima de 4 algarismos
significativos, o resultado que iremos obter será o seguinte,
µ ¶ µ ¶ µ ¶ µ ¶
1 1 1 1
f (0.001) = ln − ln = ln − ln
0.001 + 1 0.001 1.001 0.001
= ln (0.9990) − ln (1000) = −0.001001 − 6.908 =
= −6.909.
O resultado obtido possui a máxima precisão possı́vel na aritmética com que se está a trabalhar. Não há
qualquer cancelamento subtractivo, pois esse só se dá quando, em aritmética finita, se efectua a
subtracção de dois valores muito próximos um do outro, o que não é o caso.
b) Não, o resultado já possui precisão máxima na aritmética com que estamos a trabalhar, i.e., já possui
4 algarismos significativos. No entanto, existem casos em que pode haver cancelamento subtractivo,
nesses, será então conveniente que se efectue a seguinte transformação na expressão da função,
µ ¶ µ ¶ µ ¶ µ ¶
1 1 1/ (x + 1) x
f (x) = ln − ln = ln = ln .
x+1 x 1/x x+1
196 Capı́tulo 3. 2002/2003
Caso se efectue o cálculo do valor da função no ponto x = 0.001, vamos, obviamente, obter o valor
obtido na alı́nea a), i.e.,

µ ¶ µ ¶
0.001 0.001
f (0.001) = ln = ln = ln (0.0009990) = −6.909 .
1 + 0.001 1.001
(4,0) 3. Considere o intervalo I = [a, b] ⊂ R, e as funções g, h ∈ C 1 (I) tais que g ◦ h 6= h ◦ g.
Sabemos que g (I) ⊆ I, h (I) ⊆ I, e que
∀x ∈ I, |g 0 (x)| ≤ L1 , |h0 (x)| ≤ L2 , com L1 , L2 < 1.
a) Se estabelecermos em I a condição,
x = g (x) ⇔ x = h (x) ⇔ f (x) = 0,
mostre que existe uma única raiz α ∈ I de f (x) = 0 e indique (justificando) quatro funções
iteradoras distintas que assegurem uma convergência para essa raiz, qualquer que seja o valor
de x0 que se escolha em I.
b) Supondo que a < 0 e que b ≥ 0, mostre que o zero, α, da função f em I verifica a condição
min {|h (g (0))| , |g (h (0))|}

|α| ≤ .
1 − L1 L2
Sugestão: Faça x0 = 0.
c) Suponha agora que os pontos fixos de g e h em I são diferentes. A equação x = g (h (x)) tem
uma solução única em I? Justifique.
Solução 3.6.3. a) Comecemos por mostrar que em I existe uma única raiz, α, para f (x) = 0. Para
isso vamos supor que existem duas soluções distintas para a equação f (x) = 0, digamos β1 e β2 . Nessa
suposição terı́amos que
f (β1 ) = 0 ⇔ β1 = g (β1 ) ⇔ β1 = h (β1 )
e também
f (β2 ) = 0 ⇔ β2 = g (β2 ) ⇔ β2 = h (β2 ) .
Desta forma,
β1 − β2 = g (β1 ) − g (β2 ) ,
3.6. 2002/11/13 - ESC, IE, IG 197
e, pelo facto de g ∈ C 1 (I), podemos então aplicar o teorema do valor médio que nos permite concluir
que,
|β1 − β2 | = |g (ξ)| |β1 − β2 | , com ξ ∈ I,
ou, de outra forma,
|β1 − β2 | ≤ L1 |β1 − β2 | ⇔ (1 − L1 ) |β1 − β2 | ≤ 0.
Mas, por hipótese, L1 < 1, logo, 1 − L1 > 0, e por conseguinte, |β1 − β2 | = 0 ⇔ β1 = β2 . O que prova
que o zero da função f é único em I.
Indiquemos agora quatro funções iteradoras que nos permitem obter, através do método iterativo do
ponto fixo, uma aproximação para o zero da função f que se encontra no intervalo I.
Duas delas são imediatas, uma vez que nos dizem que,
f (x) = 0 ⇔ x = g (x) ⇔ x = h (x) ,
e, além disso, g (I) ⊂ I, h (I) ⊂ I, o que nos garante a existência de ponto fixo para as funções g e h, e
finalmente que |g 0 (x)| < L1 e que |h0 (x)| < L2 , o que nos garante a unicidade de ponto fixo para as
funções g e h.
Resta-nos agora obter mais duas funções iteradoras para o método do ponto fixo. No entanto, atendendo
ainda às hipóteses que nos são fornecidas, temos que g ◦ h 6= h ◦ g, e, ainda podemos concluir o seguinte:
• para g ◦ h temos:
Quanto à existência de ponto fixo temos de provar que g ◦ h (I) ⊂ I. Mas, h (I) ⊂ I, por hipótese, e por
conseguinte g(h (I)) = g (Ω) , com Ω ⊂ I. Desta forma, g (Ω) ⊂ I, ou seja, g ◦ h (I) ⊂ I.
| {z }
⊂I
Quanto à unicidade de ponto fixo para g ◦ h em I, teremos de provar que o máximo da derivada desta
função em I é inferior a 1. Por definição sabemos que a derivada da função composta é dada por
0
((g ◦ h) (x)) = g 0 (h (x)) h0 (x). Desta forma,
¯ ¯
¯((g ◦ h) (x))0 ¯ = |g 0 (h (x)) h0 (x)| = |g 0 (h (x))| |h0 (x)| ,
agora, como por hipótese, h (I) ⊂ I, e |h0 (x)| < L2 < 1, ∀x ∈ I e |g 0 (x)| < L1 < 1, ∀x ∈ I, logo,
¯ ¯
¯((g ◦ h) (x))0 ¯ < L1 L2 < 1.
Fica assim assegurada a existência e a unicidade de ponto fixo para a função iteradora g ◦ h.
• para h ◦ g temos:
198 Capı́tulo 3. 2002/2003
Quanto à existência de ponto fixo, como no caso anterior, temos de provar que h ◦ g (I) ⊂ I. Mas,
g (I) ⊂ I, por hipótese, e por conseguinte h(g (I)) = h (Ω) , com Ω ⊂ I. Desta forma, h (Ω) ⊂ I, ou seja,
|{z}
⊂I
h ◦ g (I) ⊂ I.
Quanto à unicidade de ponto fixo para h ◦ g em I, vamos proceder, novamente, como procedemos no
caso anterior, ou seja, teremos de provar que o máximo da derivada desta função em I é inferior a 1.
0
Por definição sabemos que a derivada da função composta é dada por ((h ◦ g) (x)) = h0 (g (x)) g 0 (x).
Desta forma,
¯ ¯
¯((h ◦ g) (x))0 ¯ = |h0 (g (x)) g 0 (x)| = |h0 (g (x))| |g 0 (x)| ,
agora, como por hipótese, g (I) ⊂ I, e |g 0 (x)| < L1 < 1, ∀x ∈ I e |h0 (x)| < L2 < 1, ∀x ∈ I, logo,
¯ ¯
¯((h ◦ g) (x))0 ¯ < L2 L1 < 1.
Fica assim assegurada a existência e a unicidade de ponto fixo para a função iteradora h ◦ g.
∴ Desta forma, as quatro funções que podemos apresentar como funções iteradoras são as seguintes:
f (x) = 0 ⇔ x = g (x) ⇔ x = h (x) ⇔ x = g (h (x)) ⇔ x = h (g (x)) .
b) Tomando então x0 = 0, temos que x1 = g (h (x0 )), por um lado, e x1 = h (g (x0 )) pelo outro. Assim,
podemos também concluir que, caso se tome x1 = g (h (x0 )), se obtém
|α − x0 | = |α − x0 − x1 + x1 | ≤ |α − x1 | + |x1 − x0 | ≤
¯ 0¯
≤ max ¯(g (h (x))) ¯ |α − x0 | + |x1 − x0 | ≤
x∈I
≤ L1 L2 |α − x0 | + |x1 − x0 | ,
o que nos permite concluir que,
|α − x0 | ≤ L1 L2 |α − x0 | + |x1 − x0 | ⇔ |α − x0 | − L1 L2 |α − x0 | ≤ |x1 − x0 | ,
e atendendo a que x0 = 0 e que x1 = g (h (x0 )) = g (h (0)), vamos poder concluir que,
1
|α| ≤ L1 L2 |α| + |x1 | ⇔ |α| − L1 L2 |α| ≤ |g (h (0))| ⇔ |α| ≤ |g (h (0))| . (3.6.2)
1 − L1 L2
Caso se tome a outra função composta como função iteradora, x1 = h (g (x0 )) = h (g (0)), e,
3.6. 2002/11/13 - ESC, IE, IG 199
consequentemente,
|α − x0 | = |α − x0 − x1 + x1 | ≤ |α − x1 | + |x1 − x0 | ≤
¯ 0¯
≤ max ¯(h (g (x))) ¯ |α − x0 | + |x1 − x0 | ≤
x∈I
≤ L1 L2 |α − x0 | + |x1 − x0 | ,
o que nos permite concluir que,
|α − x0 | ≤ L1 L2 |α − x0 | + |x1 − x0 | ⇔ |α − x0 | − L1 L2 |α − x0 | ≤ |x1 − x0 | ,
e atendendo a que x0 = 0 e que x1 = h (g (x0 )) = h (g (0)), vamos poder concluir que,
1
|α| ≤ L1 L2 |α| + |x1 | ⇔ |α| − L1 L2 |α| ≤ |h (g (0))| ⇔ |α| ≤ |h (g (0))| . (3.6.3)
1 − L1 L2
Da relação (3.6.2) e da relação (3.6.3) podemos então concluir que
min {|h (g (0))| , |g (h (0))|}

|α| ≤ ,
1 − L1 L2
o que prova o que nós pretendı́amos.
c)...
(8,0) 4. Considere a equação
3x2 − ex = 0.
a) Separe cada uma das soluções da equação em intervalos de amplitude não superior a 0.5
unidades;
b) Para a maior das soluções, encontre, através do método da bissecção, o valor de n, n ∈ N, de

· ¸
n n+1
tal forma que o intervalo Ω = , a contenha;
5 5
c) Prove que em Ω fica assegurada a convergência do método de Newton, qualquer que seja o
valor x0 ∈ Ω.
Sugestão: Caso não consiga encontrar o intervalo na alı́nea b), utilize o intervalo que obteve na
alı́nea a).
d) Partindo de x0 = n/5, calcule x1 , utilizando o método de Newton.
Sem efectuar mais iterações, determine um majorante para o erro absoluto que afecta x2 ;
200 Capı́tulo 3. 2002/2003
e) Considere os seguintes esquemas iterativos

r
ex n ¡ ¢
i) xn+1 = ii) xn+1 = ln 3x2n , n = 0, 1, 2, . . . .
3
Qual dos dois esquemas se deve escolher no caso de se pretender obter uma aproximação para
a menor das soluções da equação? Fundamente a sua escolha.
Solução 3.6.4. a) Utilizando o método gráfico vamos poder concluir acerca dos intervalos onde se
encontram as três soluções da equação. Assim, f (x) = 0 ⇔ 3x2 − ex = 0 ⇔ 3x2 = ex . Fazendo então o
esboço gráfico da função 3x2 e da função ex , verificamos que existem três intersecções,
uma no intervalo [−1, 0], outra no intervalo [0, 1] e outra no intervalo [3, 4].
Provemos já a existência das raı́zes da equação nos intervalos indicados.
Como f (x) = 3x2 − ex é uma função contı́nua em R, uma vez que se trata da soma de duas funções
contı́nuas em R, 3x2 é uma função polinomial e ex é a função exponencial, podemos então aplicar o
teorema do valor intermédio para testemunhar a existência das raı́zes. Assim,
I para α1 ∈ [−1, 0]:



 • f é contı́nua em [−1, 0] ⊂ R



• f (−1) = 3 − e−1 > 0 ,




 • f (0) = 0 − e0 = −1 < 0
logo, pelo teorema do valor intermédio temos a garantia da existência de um ponto α1 em [−1, 0],
tal que f (α1 ) = 0.
I para α2 ∈ [0, 1]:



 • f é contı́nua em [0, 1] ⊂ R



• f (1) = 3 − e1 > 0 ,




 • f (0) = 0 − e0 = −1 < 0
logo, pelo teorema do valor intermédio temos a garantia da existência de um ponto α2 em [0, 1],
I para α3 ∈ [3, 4]:



 • f é contı́nua em [3, 4] ⊂ R



• f (3) = 27 − e3 > 0 ,




 • f (4) = 48 − e4 < 0
logo, pelo teorema do valor intermédio temos a garantia da existência de um ponto α3 em [3, 4],

3.6. 2002/11/13 - ESC, IE, IG 201
Está já provada a existência destas três raı́zes em cada um dos intervalos indicados, no entanto, no
enunciado pedem-nos intervalos de amplitude não superior a 0.5 unidades para cada uma das raı́zes.
Assim, para obtermos intervalos com amplitude inferior ou igual a 0.5 unidades, basta-nos aplicar uma
vez o método da bissecção a cada um dos intervalos. Desta forma,
I para α1 ∈ [−1, 0]:



 • f (−1) = 3 − e−1 > 0



• f (−0.5) > 0 ⇒ ∃α1 ∈ [−0.5, 0] : f (α1 ) = 0




 • f (0) = 0 − e0 = −1 < 0
I para α2 ∈ [0, 1]:



 • f (0) = −1 < 0



• f (0.5) < 0 ⇒ ∃α1 ∈ [0.5, 1] : f (α2 ) = 0




 • f (1) > 0
I para α3 ∈ [3, 4]:



 • f (3) > 0



 • f (3.5) > 0 ⇒ ∃α1 ∈ [3.5, 4] : f (α3 ) = 0



 • f (4) < 0
Falta-nos agora provar a unicidade das soluções da equação f (x) = 0 em cada um dos intervalos
indicados. Para tal vamos recorrer ao estudo da derivada da função f , a qual é dada por
f 0 (x) = 6x − ex . Se conhecermos os zeros da derivada podemos fazer então a análise que nos falta.
Mas, neste caso, é-nos impossı́vel calcular analiticamente os pontos que anulam a derivada, assim, a
análise que estamos agora a fazer pode ser realizada de duas formas: ou recorremos ao gráfico da função
derivada para encontrarmos os intervalos onde se encontram os seus zeros, ou então utilizamos o
teorema de Rolle para verificar se a derivada possui zeros nos intervalos que estamos a utilizar.
Vamos então expor as duas formas:
Método Gráfico: Aplicando o método gráfico ao cálculo dos zeros da derivada obtemos,
f 0 (x) = 0 ⇔ 6x − ex = 0 ⇔ 6x = ex . Traçando então os gráficos das funções 6x e ex , verificamos que
existem apenas duas intersecções para os gráficos das mesmas. Uma das intersecções dá-se no intervalo
[0, 1] e a outra no intervalo [2, 3]. Ora, a que se dá no intervalo [2, 3] não afecta em nada os nossos
estudos, uma vez que a função neste intervalo não possui qualquer zero. No entanto, no intervalo [0, 1]
temos de fazer uma análise mais profunda, uma vez que a função f possui um zero no seu subintervalo
202 Capı́tulo 3. 2002/2003
[0.5, 1]. O mais fácil será começar por verificar se o zero da derivada está também no intervalo [0.5, 1],
ou, para nosso regozijo, se está no intervalo [0, 0.5]. Para tal, se aplicarmos uma vez o método da
bissecção, vamos poder tirar então essa conclusão. Assim,


 f (0) = −1 < 0



 f (0.5) = 3 − e0.5 > 0 ,



 f (1) = 6 − e1 > 0
o que prova que o zero da função derivada está no intervalo [0, 0.5], não interferindo assim com a
existência da solução para a equação f (x) = 0, que pretendemos provar no intervalo [0.5, 1].
Finalmente, podemos dizer que a função f (x) = 3x2 − ex é uma função estritamente monótona em cada
um dos intervalos indicados para as soluções da equação, o que prova então a unicidade de cada uma
destas soluções em cada um desses intervalos.
Teorema de Rolle: Designamos por números de Rolle de uma função h no intervalo D, o conjunto
dos pontos extremos do intervalo D e dos pontos que anulam a derivada de h. Com estes
”números”podemos aplicar o teorema que se segue, para chegarmos a um resultado importante acerca do
comportamento da função.
Teorema 3.6.1 (Teorema de Rolle). Seja h ∈ C 1 (D). Se dispusermos os números de Rolle no
intervalo D por ordem crescente, i.e., se r1 , r2 , . . . , rn forem os números de Rolle da função h no
intervalo D e se rk < rk+1 , k = 1, 2, . . . , n − 1, então entre dois números de Rolle consecutivos existe,
no máximo, um zero da função h. Mais, se h (rk ) × h (rk+1 ) < 0 então a função h possui um único zero
no intervalo [rk , rk+1 ], caso contrário, h não possui qualquer zero nesse intervalo.
Desta forma, analisemos o que se passa com os zeros da função derivada de f (x) = 3x2 − ex em cada
um dos intervalos indicados. Ora, f 0 (x) = 6x − ex , pelo que o que nos queremos analisar é as soluções
da equação f 0 (x) = 0 ⇔ 6x − ex = 0. Assim, pelo que foi dito, teremos de calcular os números de Rolle
desta função em cada um dos intervalos dados. Ou seja, teremos de calcular os zeros da função
f 00 (x) = 6 − ex , ”os quais são muito fáceis”de obter. Pois,
f 00 (x) = 0 ⇔ 6 − ex = 0 ⇔ ex = 6 ⇔ x = ln (6) ≈ 1.79. E como este valor não pertence a nenhum dos
intervalos indicados, ficamos desde já a saber que os números de Rolle da função f 0 em cada um desses
intervalos são simplesmente os extremos dos intervalos. Assim,

3.6. 2002/11/13 - ESC, IE, IG 203
• No intervalo [−0.5, 0]: O conjunto dos números de Rolle de f 0 neste intervalo é {−0.5, 0}, e


 f 0 (−0.5) < 0
,

 f 0 (0) = −1 < 0
então, neste intervalo, f 0 não possui qualquer zero, e além disso f 0 (x) < 0, para todo o
x ∈ [−0.5, 0].
• No intervalo [0.5, 1]: O conjunto dos números de Rolle de f 0 neste intervalo é {0.5, 1}, e


 f 0 (0.5) > 0
,

 f 0 (1) > 0
então, neste intervalo, f 0 não possui qualquer zero, e além disso f 0 (x) > 0, para todo o x ∈ [0.5, 1].
• No intervalo [3.5, 4]: O conjunto dos números de Rolle de f 0 neste intervalo é {3.5, 4}, e


 f 0 (3.5) < 0
,

 f 0 (4) < 0
então, neste intervalo, f 0 não possui qualquer zero, e além disso f 0 (x) < 0, para todo o x ∈ [3.5, 4].
Fica assim provado que f é estritamente monótona em cada um dos intervalos indicados, o que prova
então a unicidade das soluções da equação f (x) = 0 em cada um dos intervalos indicados.
b) Pretendemos então encontrar, através da aplicação do método da bissecção, o intervalo da forma

· ¸
n n+1
Ω= , que contém a maior solução da equação 3x2 − ex = 0. A ideia é então iterar o método
5 5
da bissecção até que o majorante para o erro que se comete na aproximação para a solução da equação,
na iteração em que estamos, seja inferior à amplitude do intervalo Ω. Ora, a amplitude do intervalo Ω
é igual a 1/5 = 0.2, logo, como a maior das soluções está no intervalo [3.5, 4], vamos tomar a0 = 3.5 e
b0 = 4, pelo que a tabela que está associada ao método da bissecção com estes dados é a seguinte,
n an−1 xn bn−1 sinal de f (an−1 ) sinal de f (xn ) sinal de f (bn−1 ) Max. Erro ≤ 0.2
1 3.5 3.75 4 + − − 0.25 ≤ 0.2 F
2 3.5 3.625 3.75 + + − 0.125 ≤ 0.2 V
Assim sendo, sabemos que o erro absoluto que afecta x2 = 3.625 é inferior a 0.2, e, além disso, sabemos
que a maior solução pertence ao intervalo [3.625, 3.75], o qual tem uma amplitude igual a 0.125
n
unidades, portanto, inferior a 1/5 = 0.2, daı́ que se resolvermos a equação = 3.625, vamos poder
5
encontrar o valor de n, n ∈ N, por forma a que α3 pertença a Ω.
204 Capı́tulo 3. 2002/2003
Assim sendo,
n
= 3.625 ⇔ n = 18.125.
5
Então vamos testar duas hipóteses: n = 18 ou n = 19.

· ¸
18 19
Com n = 18 temos Ω = , = [3.6, 3.8], e
5 5


 f (3.6) > 0
,

 f (3.8) < 0
pelo que existe uma solução para a equação f (x) = 0 neste intervalo. Atendendo a que esta solução é
única no intervalo [3.5, 4], fica provado que é Ω que contém a maior das soluções da equação.
Facilmente se verificaria que n = 19 não realiza as nossas intenções. Pois, nesse caso, Ω = [3.8, 4], com


 f (3.8) < 0
,

 f (4) < 0
o que não nos garante, de facto, a existência de raiz neste intervalo.
∴ n = 18.
c) Pretendemos agora averiguar se é possı́vel garantir a convergência do método de Newton para
aproximar a raiz que se encontra no intervalo Ω = [3.6, 3.8]. Para isso devemos verificar se se garantem
todas as condições do teorema que se segue,
Teorema 3.6.2 (Convergência e Erro para o Método de Newton). Seja f ∈ C 2 ([a, b]). Se [a, b]
for uma vizinhança suficientemente pequena do zero da função f , digamos α, e se f 0 (x) nunca se
anular em [a, b], então, qualquer que seja a aproximação x0 que se escolha em [a, b], podemos garantir a
convergência, convergência para α, da sucessão gerada pelo método de Newton. Além disso, o erro
absoluto verifica a seguinte relação
M2 2 2
|e (xn )| ≤ |e (xn−1 )| = M |e (xn−1 )| , n = 1, 2, 3, . . . ,
2 m1
com M2 = max {|f 00 (x)| : x ∈ [a, b]} e m1 = min {|f 0 (x)| : x ∈ [a, b]}. Concluindo-se ainda que a
ordem de convergência da sucessão gerada pelo método de Newton é p = 2.
Perante este teorema, os itens a analisar para garantir a convergência são os seguintes três:
• f ∈ C 2 (Ω) :
3.6. 2002/11/13 - ESC, IE, IG 205


 f (x) = 3x2 − ex é contı́nua em R ⊃ Ω = [3.6, 3.8]



2
 f 0 (x) = 6x − ex é contı́nua em R ⊃ Ω = [3.6, 3.8] ⇒ f ∈ C (Ω) .



 f 00 (x) = 6 − ex é contı́nua em R ⊃ Ω = [3.6, 3.8]
• f 0 (x) 6= 0, ∀x ∈ Ω = [3.6, 3.8]
Mas, atrás já verificámos que a equação f 0 (x) = 0 só possui duas soluções, uma no intervalo
[0, 0.5] e outra no intervalo [2, 3], pelo que podemos imediatamente concluir que
f 0 (x) 6= 0, ∀x ∈ Ω = [3.6, 3.8].
1 2 m1
• (b − a) < =
M M2
Provar este facto é equivalente a provar que a vizinhança da solução que estamos a escolher, [a, b],
é uma vizinhança suficientemente pequena.

M2
Para verificarmos este ponto teremos então de efectuar o cálculo de M = , onde M2 e m1
2 m1
são as constantes que foram definidas no teorema 3.6.2.
Comecemos então por calcular o valor de M2 = max {|f 00 (x)| : x ∈ Ω}. Ora, f 00 (x) = 6 − ex , pelo
que, f 000 (x) = −ex < 0, para todo o x ∈ Ω, e, consequentemente, f 00 é uma função estritamente
decrescente no intervalo Ω. Assim,
M2 = max {|f 00 (3.6)| , |f 00 (3.8)|} = max {|−30.59 . . .| , |−38.70 . . .|} ≈ 38.7 .
Passemos agora ao cálculo de m1 = min {|f 0 (x)| : x ∈ Ω}. Ora, atrás já verificámos que
f 00 (x) = 0 ⇔ x = ln (6) ≈ 1.79 ∈

/ Ω, o que implica que f 0 seja estritamente monótona no intervalo
Ω. Como tal,
m1 = min {|f 0 (3.6)| , |f 0 (3.8)|} = min {|−14.99 . . .| , |−21.90 . . .|} ≈ 15.0 .
Desta forma,
1 2 m1 2 × 15.0
= ≈ ≈ 0.775 .
M M2 38.7
E, por conseguinte,
amplitude de Ω = (b − a) = 0.2 < 0.775 V.
∴ Fica assim provado, atendendo ao teorema 3.6.2, que, qualquer que seja o valor de x0 que se tome em
Ω para aproximação inicial da solução da equação f (x) = 0 no mesmo intervalo, fica assegurada a
convergência da sucessão gerada pela expressão iteradora do método de Newton.

206 Capı́tulo 3. 2002/2003
n
d) Vamos agora tomar x0 = = 3.6 e, com essa aproximação inicial, vamos obter o valor da primeira
5
iteração, x1 . A expressão iteradora do método de Newton é dada por
f (xn−1 )
xn = xn−1 − , n = 1, 2, 3, . . . ,
f 0 (xn−1 )
pelo que
2
f (x0 ) 3 × (3.6) − e(3.6)
x1 = x0 − = 3.6 − = 3.752135611 .
f 0 (x0 ) 6 × 3.6 − e(3.6)
Quanto à segunda parte da questão, queremos, sem efectuar o cálculo de x2 , obter um majorante para o
erro que afecta a aproximação x2 que se obtém pelo método de Newton, tomando o intervalo
Ω = [3.6, 3.8]. Atendendo mais uma vez ao teorema 3.6.2, no que toca à questão do erro, sabemos que é
válida a seguinte relação,
2
|e (xn )| ≤ M |e (xn−1 )| , n = 1, 2, 3, . . . .
Desta forma, não será difı́cil concluir que, multiplicando a constante M em ambas as partes da
desigualdade,
2 2
M |e (xn )| ≤ M 2 |e (xn−1 )| = (M |e (xn−1 )|) , n = 1, 2, 3, . . . . (3.6.4)
Assim, para x2 , podemos concluir que,
2
M |e (x2 )| ≤ (M |e (x1 )|) ,
mas, para x1 também podemos obter uma relação semelhante, a qual nos diz que
2
M |e (x1 )| ≤ (M |e (x0 )|) . (3.6.5)
Utilizando então (3.6.5) em (3.6.4), vamos poder concluir que
³ ´2
2 2 4
M |e (x2 )| ≤ (M |e (x1 )|) ≤ (M |e (x0 )|) = (M |e (x0 )|) ,
e, notando que, |e (x0 )| ≤ (b − a) = 0.2, podemos finalmente concluir que,
4 1 4 4
M |e (x2 )| ≤ (M × 0.2) ⇔ |e (x2 )| ≤ (M × 0.2) ≈ 0.775 (1.29 × 0.2) ≈ 0.003 ≤ 0.005.
M
Perante este majorante para o erro podemos garantir 3 algarismos significativos para a aproximação x2 .
e)Atendendo à forma como está exposto o primeiro esquema iterativo, nunca podemos com ele obter
uma sucessão convergente para a menor das raı́zes, uma vez que essa é negativa e aqui estamos a tomar
3.6. 2002/11/13 - ESC, IE, IG 207
a parte positiva da raiz. Assim, só temos de analisar o que se passa com o segundo esquema iterativo.
¡ ¢
No segundo esquema iterativo a função iteradora é g (x) = ln 3x2 .
Para estudarmos a convergência temos de começar por verificar o seguinte:
1o ) Será que g ([−0.5, 0[) ⊂ [−0.5, 0[?
Para analisarmos este facto devemos começar por estudar a derivada da função iteradora. A qual, neste
caso, é igual a
6x 2
g 0 (x) = = < 0, ∀x ∈ [−0.5, 0[ ,
3x2 x
o que significa que a função g é estritamente decrescente no intervalo [−0.5, 0[, logo
¸ ¸
g ([−0.5, 0[) = lim+ g (x) , g (−0.5) = ]−∞, g (−0.5)] * [−0.5, 0[ .
x→0
Fica assim provado que esta função iteradora não garante a existência de ponto fixo no intervalo
[−0.5, 0[, pelo que também não a devemos utilizar para aplicar o método do ponto fixo.
∴ Nenhuma das duas funções deve ser utilizada para aplicar o método iterativo do ponto fixo para
aproximar a solução da equação f (x) = 0 que se encontra no intervalo [−0.5, 0].
//
A resposta a esta questão terminava aqui, no entanto, uma das funções que garantia a existência e a
unicidade de ponto fixo seria a função

r
ex
h (x) = − .
3
208 Capı́tulo 3. 2002/2003
3.7 2003/01/17 - ESC, IE, IG

EI, ESC e IG
Exame de Época Normal - 17/01/2003 ao 3h:000

Duraç~
(2,0) 1. Seja f (t) = et . Indique quais os valores de t que nos garantem a seguinte relação
|cond (f (t))| ≤ 10.
Solução 3.7.1. Notando então que

¯ 0 ¯ ¯ t¯
¯ t f (t) ¯ ¯ t e ¯
|cond (f (t))| = ¯¯ ¯=¯ ¯ = |t| .
f (t) ¯ ¯ et ¯
É então fácil de concluir que,
|cond (f (t))| ≤ 10 ⇔ |t| ≤ 10 ⇔ −10 ≤ t ≤ 10.
∴ Os valores de t que garantem que |cond (f (t))| ≤ 10, são todos os que pertencem ao intervalo
[−10, 10].
(5,0) 2. Seja dada a equação
f (x) = 0 ⇔ x2 + x − 3 = 0.
a) Prove que existe uma e uma só solução no intervalo [1, 2]. Denote-a por α;
b) Indique qual o número mı́nimo de iterações a efectuar, pelo método da bissecção, para que se
obtenha uma aproximação para α com um erro inferior a 0.5 × 10−6 ;
c) Pretende-se aplicar o método iterativo do ponto fixo para obter uma aproximação para a
solução da equação referida na alı́nea a). Para tal é dado o seguinte leque de funções
iteradoras:
√ 3 3
•g1 (x) = 3 − x2 • g2 (x) = 3−x • g3 (x) = −1 • g4 (x) = .
x x+1
3.7. 2003/01/17 - ESC, IE, IG 209
Diga qual delas lhe permite obter mais rapidamente uma aproximação para o valor de α.
Solução 3.7.2. a) Para provar a existência, basta ter em conta que a função é uma função
polinomial, pelo que é contı́nua em R, consequentemente, f é contı́nua em [1, 2]. E além disso,


 f (1) = 1 + 1 − 3 = −1 < 0
⇒ ∃α ∈ [1, 2] : f (α) = 0,

 f (2) = 4 + 2 − 3 = 3 > 0
pelo teorema do valor intermédio.
Quanto à unicidade. Só temos da efectuar o estudo da derivada no intervalo com que estamos a
trabalhar. Assim,
f 0 (x) = 2x + 1 > 0, ∀x ∈ [1, 2] ,
ou seja, a função f é estritamente crescente no intervalo [1, 2].
Podemos então concluir que existe um único ponto α ∈ [1, 2], tal que f (α) = 0.
b) Pela teoria sabemos que o majorante para o erro que afecta uma determinada iteração k do
método da bissecção é dado por

b−a
|e (xk )| ≤ .
2k
Desta forma, se pretendermos saber quantas iterações se têm de efectuar para que o erro numa
determinada iteração seja inferior a ε, só temos então de resolver a seguinte inequação:
b−a
|e (xk )| ≤ < ε.
2k
Resolvendo então esta inequação em relação a k, e utilizando o nosso intervalo [a, b] = [1, 2],
b−a 1 1
< ε ⇔ k < ε ⇔ 2k > ,
2k 2 ε
e aplicando logaritmos em ambas as partes da desigualdade,

µ ¶ ¡ ¢
1 ln 1ε
k ln (2) > ln ⇔k> .
ε ln (2)
Notando que ε = 0.5 × 10−6 , vamos então obter

¡ ¢
ln 2 × 106
k> ≈ 20.9 ⇒ k ≥ 21.
ln (2)
∴ Teremos então de efectuar pelo menos 21 iterações, como método da bissecção, partindo do
intervalo [1, 2], para obter uma aproximação para α com um erro inferior a 0.5 × 10−6 .
210 Capı́tulo 3. 2002/2003
c) Para responder à questão que é colocada nesta alı́nea, para cada uma das funções iteradoras
dadas, teremos de verificar cada uma das seguintes condições:
• gk ∈ C 1 ([1, 2]) , k = 1, 2, 3, 4, i.e., cada uma das funções iteradoras terá de ser contı́nua e
possuir derivada contı́nua;
• gk é contractiva, ou de Lipschitz, i.e., gk ([1, 2]) ⊂ [1, 2] , k = 1, 2, 3, 4. Esta condição
garante-nos a existência de pelo menos um ponto fixo no intervalo [1, 2], para as funções que
verificarem esta condição.
Para estudar este ponto devemos recorrer ao estudo da derivada, não é
suficiente estudar o valor da função nos extremos.
• Lk = max |gk0 (x)| < 1, k = 1, 2, 3, 4. Quando se verificar esta condição, garante-se a

x∈[1,2]
unicidade de ponto fixo no intervalo [1, 2] para a função iteradora que a verificar.
Todas as funções iteradoras que verificarem estas três condições garantem a existência e unicidade
de ponto fixo. Para escolhermos a que gera uma sucessão com convergência mais rápida, devemos
escolher aquela cujo valor Lk = max |gk0 (x)| < 1, k = 1, 2, 3, 4 for mais pequeno, i.e., mais
x∈[1,2]
próximo de zero.
(4.0) 3. Considere o sistema de equações lineares, Ax = b, com

   
 0.0002 2   5 
A=  e b =  .
2 2 6
a) Calcule, utilizando o método de eliminação de Gauss com uma aritmética de 3 algarismos
significativos, uma aproximação para a solução do sistema de equações lineares apresentado.
Não utilize qualquer técnica de pivotação. Denote a aproximação obtida por y;
b) Ainda utilizando o método de eliminação de Gauss com uma aritmética de 3 algarismos
significativos, calcule, com a utilização da técnica de pivotação parcial, uma aproximação
para a solução do mesmo sistema de equações lineares. Denote a aproximação obtida por z;
c) Prove que, se x for a solução exacta de um sistema de equações lineares Ax = b, e se x̃ for
uma aproximação para x, então
kx − x̃k ≤ kA−1 k kb − Ax̃k. (3.7.1)

3.7. 2003/01/17 - ESC, IE, IG 211
d) Calcule, com o auxı́lio da expressão (4.8.1), um majorante para kx − yk∞ e outro para
kx − zk∞ . Comente os valores obtidos para majorante em cada um dos casos.
Solução 3.7.3. a) Vamos então resolver o sistema de equações lineares, utilizando o método de
eliminação de Gauss, sem qualquer técnica de pivotação.
   
· ¸ .. ..
..  0.0002 2 . 5  −−−−−−−−−−−−−→  0.0002 2 . 5 
A.b ⇔ ..  L2 ← L2 − m21 L1  .. ,
2 2 . 6 0 −20000 . −50000
a21 2
com m21 = = = 10000.
a11 0.0002
Voltando de novo ao sistema de equações lineares,
 

 0.0002y1 + 
 y1
2y2 = 5 = 0.00
⇔ .

 
 y2
−20000y2 = −50000 = 2.50
∴ A solução aproximada para o sistema de equações lineares, neste caso será

   
 0.00   1  y
y= = .
2.50 y2
b) Resolva-se novamente o mesmo sistema de equações lineares, ainda utilizando o método de
eliminação de Gauss, mas agora utilizando a técnica de pivotação parcial.
Esta técnica diz-nos que: na etapa k do método de eliminação de Gauss, escolhe-se para pivot o
elemento que verificar a seguinte condição
¯ ¯
¯ (k) ¯
max ¯aik ¯ : i = k, k + 1, k + 2, . . . , n.
Assim, se este máximo está na diagonal principal, não se efectua qualquer troca de linhas, e, nesse
caso, só teremos de efectuar a etapa normal do método de eliminação de Gauss. Caso o valor
(k)
deste máximo se encontre fora da diagonal principal, i.e., seja igual, por exemplo, a apk , com
k < p ≤ n, então trocamos a linha k com a linha p, por forma a colocar este elemento na diagonal
principal, e depois só temos de efectuar a etapa normal do método de eliminação de Gauss.
Verifiquemos então o que se passa neste exemplo.
Para escolhermos então o pivot para a primeira etapa, vamos escolher o máximo entre os valores
¯ ¯ ¯ ¯ ¯ ¯
¯ (1) ¯ ¯ (1) ¯ ¯ (1) ¯
¯a11 ¯ = |0.0002| e ¯a21 ¯ = 2. Como o máximo é ¯a21 ¯ = 2, então teremos de trocar as linhas 1 e 2
212 Capı́tulo 3. 2002/2003
da matriz aumentada. Assim,

   
· ¸ .. ..
..  0.0002 2 . 5  −−−−−−→  2 2 . 6 
A.b ⇔ ..  L1 ↔ L2  .. .
2 2 . 6 0.0002 2 . 5
Agora só temos de aplicar o método de eliminação de Gauss, de forma normal, a esta matriz
aumentada que aqui se obteve. Portanto,

   
· ¸ .. ..
.  2 2 . 6  −−−−−−−−−−−−−→  2 2 . 6 
A .. b ⇔  ..  L2 ← L2 − m21 L1  .. ,
0.0002 2 . 5 0 2.00 . 5.00
a21 0.0002
com m21 = = = 0.0001.
a11 2
Passando para o sistema, a nossa solução será então dada por
 

 2z1 + 
 z1 =
2z2 = 6 0.500
⇔ .

 
 z2 =
2.00z2 = 5.00 2.50
∴ A solução aproximada para o sistema de equações lineares, neste caso será

   
z
 1   0.500 
z= = .
z2 2.50
c) Para provar este resultado, basta atender a que:
x : Ax = b (3.7.2)
x̃ : Ax̃ = b̃. (3.7.3)
Assim, subtraindo (4.8.2) a (4.8.1), facilmente se conclui o pretendido,
Ax − Ax̃ = b − b̃ ⇔ A (x − x̃) = b − b̃ ⇔ x − x̃ = A−1 (b − Ax̃) ⇒ kx − x̃k ≤ kA−1 k kb − Ax̃k.
d) Aplicando o resultado provado na alı́nea anterior, sabemos então que
kx − yk∞ ≤ kA−1 k∞ kb − Ayk∞ .
Necessitamos então de calcular a inversa da matriz A, e a sua norma infinito. Utilizando então a
matriz adjunta de A, temos que,
det (A) = 0.0004 − 4 = −3.9996,

3.7. 2003/01/17 - ESC, IE, IG 213
e
 T  
 T2 −2 2 2
 −3.9996 −3.9996   − 3.9996 3.9996 
   
1  2 −2     
A−1 =   =  = .
det (A)    
−2 0.0002  −2 0.0002   2 0.0002 
−
−3.9996 −3.9996 3.9996 3.9996
Desta forma,
2 2 4
kA−1 k∞ = + = ≈ 1.
3.9996 3.9996 3.9996
Calculando então Ay, vamos obter,

    
 0.0002 2  0   5 
Ay =    =  .
2 2 2.5 5
Logo,      
 5   5   0 
b − Ay =   −   =   ⇒ kb − Ayk∞ = max {|0| , |1|} = 1.
6 5 1
Finalmente, aplicando o resultado da alı́nea anterior, podemos concluir que,
kx − yk∞ ≤ 1 × 1 = 1 .
Quanto à aproximação z, o procedimento é análogo, e os resultados obtidos são os seguintes.
   
 5.0001   −0.0001 
Az =   ⇒ b − Az =   ⇒ kb − Azk∞ = 0.0001,
6 0
logo,
kx − zk∞ ≤ kA−1 k∞ × kb − Azk∞ ≈ 1 × 0.0001 = 0.0001 .
Como comentário final, podemos verificar que o majorante para o erro absoluto que afecta a
aproximação z é muito menor do que o majorante que afecta a aproximação y, tal deve-se ao facto
de utilizarmos a técnica de pivotação parcial para obter a aproximação z.
(4.0) 4. A tabela que aqui se apresenta, indica as alturas e os pesos de uma amostra de seis homens
com idades compreendidas entre os 25 e os 29 anos, extraı́da ao acaso de entre os funcionários de
uma determinada empresa.
Altura (cm) 183 173 168 188 158 163
Peso (kg) 79 69 70 81 61 63
214 Capı́tulo 3. 2002/2003
a) Encontre a recta que melhor ajusta, no sentido dos mı́nimos quadrados, o comportamento do
peso em função da altura, i.e., peso = f (altura);
b) Estime o peso de um funcionário com 174 cm de altura. Estime também a altura de um
funcionário com 80 kg.
Solução 3.7.4. a) Neste caso temos que y = f (x) ⇔ peso = f (altura). Assim, pretendemos
encontrar a recta y = α + βx que melhor ajusta os pontos tabelados. Comecemos por construir o
sistema de equações sobredeterminado que está associado ao problema.
(79, 183) Ã 79 = α + β183
(69, 173) Ã 69 = α + β173
(70, 168) Ã 70 = α + β168
(81, 188) Ã 81 = α + β188
(61, 158) Ã 61 = α + β158
(63, 163) Ã 63 = α + β163
Chegamos então ao seguinte sistema de equações lineares sobredeterminado,

   
 1 183   79 
   
 1 
173   
  69 
    
   
 1  
168   α   70 
 
  = .
   
 1 188  β  81 
   
   
 1 
158   
  61 
   
1 163 63
Desta forma,
   
 1 1 1 1 1 1   6 1033 
AT =  T
⇒A A= ,
183 173 168 188 158 163 1033 178519
por outro lado,

 
 423 
AT b =  .
73289
3.7. 2003/01/17 - ESC, IE, IG 215
Concluı́mos que o sistema das equações normais associado ao problema que estamos a resolver é
dado por   
 
 6 1033  α   423 
AT Ax = AT b ⇔   = . (3.7.4)
1033 178519 β 73289
Se tivéssemos optado pela recta y = βx + α, então o sistema que obterı́amos seria equivalente ao
sistema (3.7.4), sendo nesse caso dado por

    
 178519 1033   β   73289 
AT Ax = AT b ⇒   = .
1033 6 α 423
Vamos optar por expor a resolução do sistema (3.7.4). A matriz deste sistema de equações é uma
matriz simétrica definida positiva, pelo que devemos aplicar a decomposição de Cholesky para
resolver o sistema. Assim,
      
 6 1033
  `11 0   `11 `21   `211 `21 `11 
AT A =  T
 = LL =   = .
1033 178519 `21 `22 0 `22 `21 `11 `211 + `222
Igualando cada uma das entradas da matriz AT A às entradas da matriz LLT vamos obter
 
 
 √
 2
 `11 = 6 
 `11 = 6

 
 √

 
 1033 6

 `21 `11 
 `21 =
= 1033
⇔ 6

 


 


 


 
 6 × 178519 − (1033) 4025
2
 `2 + `2 = 178519 
 `222 = =
21 22
6 6
ou, de outra forma,

 √

 `11 = 6









 1033 √
`21 = 6

 6





 r



 4025
 `22 = .
6
Assim sendo temos, 


 1o ) Ly = AT b
LLT x = AT b ⇔ .

 2o ) LT x = y
216 Capı́tulo 3. 2002/2003
Comecemos então por resolver o sistema triangular inferior Ly = AT b. Devemos fazer toda a
resolução em aritmética exacta, pois os dados são fornecidos em aritmética exacta,
 √ 
  
 6 0 y
 1   423 
Ly = AT b ⇔  r = ⇔
1033 √ 4025  
6 y2 73289
6 6
 √

 6y1 = 423
⇔ r ⇔
 1033 √
 4025
6y1 + y2 = 73289
6 6


 423 423 √
 y1 = √ = 6
⇔ r 6 6 ⇔

 1033 √ 423 √ 4025
 6 6+ y2 = 73289
6 6 6

 423 √
 y1 = 6
⇔ r 6 ⇔
 1033 × 423 + 4025 y2 = 73289

6 6

√
 y1 = 423 6

⇔ ... ⇔ 6 √
 y2 = 2775 × 24150

24150
Passemos agora à resolução do sistema triangular superior LT x = y.

   
√ 1033 √ 423 √
6 6   6
 6   6 
  α  
    
LT x = y ⇔   = ⇔
 r   
 4025  β  2775 × √24150 
0
6 24150
 √ √ √

 6 1033 6 423 6

 √ α+ √ β = √

 6 6
 6 6 6
⇔ ⇔

 r √



 4025 2775 × 24150
 β =
6 24150


 7760

 α = −

 161
⇔ ... ⇔



 111

 β =
161
∴ A recta que melhor aproxima os pontos tabelados, no sentido dos mı́nimos quadrados, é dada por
7760 111
y = α + βx = − + x.
161 161
3.7. 2003/01/17 - ESC, IE, IG 217
b) Para estimar o peso de uma pessoa com 174 cm de altura basta-nos substituir o valor de x, na
equação obtida para a recta, por 174. Desta forma,
7760 111 11554

y =α+βx=− + × 174 = ≈ 71.76 kg ≈ 72 kg .
161 161 161
Se pretendermos estimar a altura de um funcionário com 80 kg de peso, basta tomar y = 80 e
resolver a equação em relação a x, variável que se relaciona com a altura. Como tal,
7760 111 111 7760 20640

80 = − + x⇔x = 80 + ⇔x= ≈ 185.95 cm ≈ 186 cm
161 161 161 161 111
(5.0) 5. Dada a tabela de valores
x 0.0 0.1 0.2 0.3 0.4 0.5
y = ex 1.0000 1.1052 1.2214 1.3499 1.4918 1.6487
a) Obtenha, utilizando interpolação polinomial quadrática, uma aproximação para o valor de x
que verifica a equação ex = 1.3165;
b) Calcule uma estimativa para o erro que se comete na aproximação para o valor de x, que
obteve na alı́nea anterior.
Solução 3.7.5. a) Devemos ter em atenção ao número de algarismos significativos com que estão
representados os valores dados. Neste caso, os valores de y estão representados com 5 algarismos
significativos. Construa-se então a tabela das diferenças divididas, representando cada uma delas
com 5 (ou 6) algarismos significativos. Mais um pormenor. Como pretendemos obter uma
aproximação para o valor de x, tal que ex = 1.3165, isto significa que, se tomarmos f (x) = ex ,
então pretendemos o valor de x, tal que f (x) = 1.3165 ⇔ x = f −1 (1.3165) ≈ p2 (1.3165). Isto
significa que o que pretendemos é construir um polinómio interpolador de grau 2 que aproxime a
função inversa de f , para com esse polinómio podemos estimar o valor de f (1.3165).
218 Capı́tulo 3. 2002/2003
y x = f −1 [.] f −1 [., .] f −1 [., ., .] f −1 [., ., ., .] f −1 [., ., ., ., .] f −1 [., ., ., ., ., .]
1.0000 0.0
0.950570
1.1052 0.1 −0.406436
0.860585 0.199483
y0 = 1.2214 x0 = 0.2 −0.336637 −0.0644734

| {z }
=a0
0.778210
| {z } 0.167775 −0.0691747
=a1
y1 = 1.3499 x1 = 0.3 −0.271775 −0.109347

| {z }
=a2
0.704722 0.108345
y2 = 1.4918 x2 = 0.4 −0.225479
0.637349
1.6487 0.5
Precisamos então de três pontos para construir o polinómio interpolador p2 (x). Logo, vamos
escolher os três que se encontram mais próximos de y = 1.3165. Desta forma, há dois que são
imediatos, os pontos 1.2214 e 1.3499. Resta-nos agora escolher o terceiro. Notando que
|1.1052 − 1.3165| = 0.2113
e que
|1.4918 − 1.3165| = 0.1753
Os três pontos que vamos utilizar serão (1.2214, 0.2) , (1.3499, 0.3) e (1.4918, 0.4). Assim sendo,
p2 (y) = a0 + a1 (y − y0 ) + a1 (y − y0 ) (y − y1 ) =
= f −1 (y0 ) + f −1 [y0 , y1 ] (y − y0 ) + f −1 [y0 , y1 , y2 ] (y − y0 ) (y − y1 ) =
= 0.2 + 0.778210 (y − 1.2214) − 0.271775 (y − 1.2214) (y − 1.3499)
E procedendo à aproximação que pretendemos calcular,
x = f −1 (1.3165) = ln (1.3165) ≈ p2 (1.3165) ≈ 0.274871
b) Pretendemos agora estimar o erro que se comete na aproximação p2 (1.3165), que obtivemos na
alı́nea anterior. Para tal podemos proceder de duas formas distintas.

3.7. 2003/01/17 - ESC, IE, IG 219
1a ) Esta forma de obter o majorante para a interpolação polinomial inversa só é possı́vel se
conhecermos a função inversa. Neste caso, y = f (x) = ex , e, como sabemos, a sua inversa é
dada por x = f −1 (y) = ln (y).
Atendendo então a que o erro que se comete é estabelecido pela fórmula
¯ ¯ 1 ¯¯¡ −1 ¢000 ¯¯
|e (p2 (y))| = ¯f −1 (y) − p2 (y)¯ = ¯ f (ξ) ¯ |(y − y0 ) (y − y1 ) (y − y2 )| . (3.7.5)
3!
Mas, y = 1.3165 e f −1 (y) = ln (y). Logo,
¡ −1 ¢0 1 ¡ ¢00 1 ¡ ¢000 2
f (y) = ⇒ f −1 (y) = − 2 ⇒ f −1 (y) = 3 ,
y y y
e, consequentemente,
¯¡ ¯
¯ −1 ¢000 ¯ 2 2
max ¯ f (ξ) ¯ = 3 = ≈ 1.1,
ξ∈[y0 ,y2 ] y0 1.22143
¡ ¢000
visto que f −1 (y) é uma função positiva e estritamente decrescente no intervalo [y0 , y2 ].
Voltando então à fórmula (3.7.5), vamos poder concluir que,
1.1
|e (p2 (1.3165))| ≤ |(1.3165 − 1.2214) (1.3165 − 1.3499) (1.3165 − 1.4918)|
6
≤ 0.0001 ≤ 0.0005,
o que nos permite garantir pelo menos 4 algarismos significativos para a aproximação de x
obtida na alı́nea anterior.
2a ) A segunda forma para resolver o problema é utilizando as diferenças divididas. Uma vez que
nós sabemos que podemos aproximar a derivada de ordem k de uma função através das
diferenças divididas da mesma ordem da função. Assim,
¯ −1 ¯ ¯¡ ¢ ¯
¯f [y0 , y1 , y2 , y3 ]¯ ≈ 1 max ¯¯ f −1 (ξ) 000 ¯¯ ,
3! ξ∈Ω
onde Ω é o menor intervalo que contém todos os pontos yi , i = 0, 1, 2, 3.
Atendendo a que nos interessa majorar o erro, vamos então olhar para as diferenças
divididas de ordem 3 da tabela que obtivemos na alı́nea a), e vamos escolher o maior dos
¯¡ ¢000 ¯¯
1 ¯
valores tabelados, para estas, como aproximação para 3! max ¯ f −1 (ξ) ¯. Assim sendo,
ξ∈Ω
1 ¯¡ ¢000 ¯¯
¯
max ¯ f −1 (ξ) ¯ ≈ 0.199483,
3! ξ∈Ω
e, atendendo novamente à fórmula do erro (3.7.5), vamos concluir que
|e (p2 (1.3165))| ≈ 0.199483 × 0.0006 ≈ 0.0001 ≤ 0.0005 .

220 Capı́tulo 3. 2002/2003
Através deste valor concluı́mos que a aproximação que se obteve na alı́nea a) possui pelo
menos 4 algarismos significativos.
FIM
BOA SORTE
3.8. 2003/01/30 - ESC, IE, IG 221
3.8 2003/01/30 - ESC, IE, IG

’Area Departamental de Matemática
EI, ESC e IG

Duraç~
(3,0) 1. Considere a seguinte equação
f (t) = 0 ⇔ t2 − 200t + 1 = 0. (3.8.1)
Pretendemos aproximar o valor de cada uma das suas raı́zes utilizando uma aritmética de seis
a) Utilizando a fórmula resolvente (fórmula standard), obtenha uma aproximação para cada
uma das duas raı́zes da equação (3.8.1). Comente a precisão de cada uma das aproximações
obtidas;
b) Prove que, dada a equação do segundo grau at2 + bt + c = 0, as suas raı́zes verificam a relação
c
t1 t2 = ;
a
c) Indique, se possı́vel, uma aproximação com seis algarismos significativos para cada uma das
raı́zes da equação (3.8.1).
(4,0) 2. Seja f (x) = e2x − e−x − 2.
a) Prove que f tem um único zero no intervalo [0, 0.5]. Designe-o por α;
b) Averigúe a aplicabilidade do método de Newton para aproximar a solução da equação
f (x) = 0 que se encontra no intervalo [0, 0.5];
c) Mediante a escolha de uma aproximação inicial adequada, x0 , encontre uma aproximação
para α com 4 algarismos significativos.

222 Capı́tulo 3. 2002/2003
(3.0) 3. Sejam A, B ∈ Rn×n e x ∈ Rn . Se pretender obter o resultado do produto ABx, qual a forma
mais económica para o fazer, (AB) x ou A (Bx)?
Fundamente a sua escolha.
(6.0) 4. Seja dada a seguinte matriz

 
1.00 2.01 −1.21
 
 
A=
 2.00 2.02 −1.09 
.
 
1.00 2.51 −4.28
a) Utilizando uma aritmética de 3 algarismos significativos, calcule a decomposição LU da
matriz A;
b) Calcule, com a decomposição LU , e utilizando a mesma aritmética da alı́nea anterior, a
segunda coluna de uma matriz B ∈ R3×3 , tal que

 
2.17 3.12 4.10
 
 
AB = 
 2.01 5.10 2.41 ;
 
6.12 1.00 −1.00
c) Prove que, para A ∈ Rn×n ,
kAkF ≤ na,
onde a é o elemento de maior valor absoluto de A, i.e., a = max |aij |;

1≤i,j≤n
d) Sabendo que kAk2 ≤ kAkF , para A ∈ Rn×n , e que kx − x̃k ≤ kA−1 k kb − Ax̃k, onde x é a
solução exacta do sistema de equações lineares Ax = b e x̃ é uma aproximação para x.
Calcule, utilizando a norma euclidiana (norma 2), um majorante para o erro que se cometeu
na aproximação obtida na alı́nea b).
(4.0) 5. Dada a tabela de valores
x 0 1 2
f (x) 1 2 4
f 0 (x) 0 1
a) Obtenha, utilizando a fórmula de Newton com diferenças divididas, o polinómio de menor
grau que interpola todos os valores da tabela;

3.8. 2003/01/30 - ESC, IE, IG 223
b) Utilizando o polinómio interpolador obtido na alı́nea anterior, calcule uma estimativa para o
valor de f (1.5) e para o valor de f 0 (1).
FIM
BOA SORTE
224 Capı́tulo 3. 2002/2003
Capı́tulo 4
2003/2004
225
226 Capı́tulo 4. 2003/2004
4.1 2003/12/09 - Matemática
Análise Numérica Matemática
2o Teste, 09/12/2003 ao 2h:000

Duraç~
(3,0) 1. Sejam, L a amplitude do intervalo I = [a0 , b0 ], que contém uma e uma só solução da equação
f (x) = 0, e {x1 , ..., xn , . . .} a sucessão de pontos médios gerados pelo método da bissecção. Mostre
que:
L
a) |xk+1 − xk | = , para todo o k ∈ N;
2k+1
b) O número de iterações, N , necessárias para garantir uma aproximação da raiz com uma
ln (δ/L) ln (δ/L)
precisão δ é dado por N ≥ d− e = ”menor inteiro maior que − ”.
ln 2 ln 2
(6,0) 2. Seja dada a seguinte equação
¡ ¢ 2
f (x) = 0 ⇔ ln 1 + x2 − (1 − x) = 0.
a) Prove que a equação possui uma e uma só solução no intervalo [0, 1].
b) Utilizando o método da bissecção, indique o valor de n, n ∈ N, tal que a solução apontada

· ¸
n n+1
na alı́nea anterior pertença ao intervalo , .
17 17
c) Se pretendêssemos aproximar o valor da solução da equação no intervalo [0, 1], utilizando o
método da bissecção, com uma precisão de 5 algarismos significativos, quantas iterações
terı́amos de efectuar?
d) Mediante uma escolha apropriada da aproximação inicial x0 e garantindo todas as condições
de convergência do método de Newton, indique uma aproximação para o valor da solução da
equação que pertence ao intervalo [0, 1], com 5 algarismos significativos.
(3,0) 3. Pretende-se resolver a equação f (x) = 0 com
cos (2x)
f (x) = 3x − ,
2
4.1. 2003/12/09 - Matemática 227
em [0, π/4].
a) Mostre que, qualquer seja o valor de ω que se tome no intervalo [−0.5, 0], a função iteradora
g (x) = x + ωf (x) garante a existência e a unicidade de ponto fixo no intervalo [0, π/4].
b) Mediante uma escolha adequada da constante ω e de uma aproximação inicial x0 , aplique o
método iterativo do ponto fixo com a função iteradora anterior, para encontrar uma
aproximação com três algarismos significativospara a solução da equação f (x) = 0.
(6,0) 4. Sejam    
−6
 10 −1   1 
A=  e b =  .
1 1 1
a) Calcule a solução exacta do sistema de equações lineares Ax = b.
b) Calcule uma aproximação para a solução exacta do sistema de equações lineares, utilizando o
método de eliminação de Gauss com uma aritmética de 4 algarismos significativos, sem usar
qualquer técnica de escolha de pivot. Denote a solução obtida por y.

kx − yk∞
c) Determine kx − yk∞ e .
kxk∞
d) Calcule uma aproximação para a solução exacta do sistema de equações lineares, utilizando o
método de eliminação de Gauss com uma aritmética de 4 algarismos significativos, com
escolha parcial de pivot. Denote a solução obtida por z.

kx − zk∞
e) Determine kx − zk∞ e .
kxk∞
f) Compare e comente a precisão de y com a precisão de z.
(2,0) 5. Seja x = (x1 , x2 , . . . , xn ) ∈ Rn . Prove que,
√
kxk∞ ≤ kxk2 ≤ nkxk∞ .
BOA SORTE
228 Capı́tulo 4. 2003/2004
4.2 2004/01/16 - Matemática
Exame de Época Normal, 2004/01/16 ao 3h:000

Duraç~
(3,0) 1. Para um qualquer fluido, a sua densidade é uma função da pressão e da temperatura, ou
seja, ρ = ρ (p, T ). O ar seco na atmosfera comporta-se aproximadamente como um gás ideal, pelo
que podemos escrever, nesse caso, a seguinte equação,
p
ρ= ,
RT
onde R = Cp − Cv e Cv é a capacidade do calor a uma pressão constante. Admitindo que
R = 287 m2 /s2 · K, indique majorantes para os erros relativos absolutos que afectam as
aproximações na medição da pressão, p, e na medição da temperatura, T , por forma a que o erro
relativo absoluto que afecta o cálculo da densidade, ρ, seja inferior a 10−4 kg/m3 .
Solução 4.2.1. Olhando para o formulário, a fórmula que teremos de aplicar para resolver a questão
que é colocada é a seguinte,
|eR (ρ (pa , Ta ))| ≤ condp (ρ (pa , Ta )) |eR (pa )| + condT (ρ (pa , Ta )) |eR (Ta )| < 10−4 . (4.2.1)
Assim, atendendo a que,

¯ ¯ ¯ ¯
¯ ∂ρ ¯ ¯
¯ pa (p a , T a ) ¯ ¯ pa 1 ¯¯
¯ ∂p ¯ ¯ RTa ¯
condp (ρ (pa , Ta )) = ¯¯ ¯=¯
¯ pa ¯¯ = 1
¯ ρ (pa , Ta ) ¯ ¯¯
¯ ¯ RTa ¯
e a que
¯ ¯ ¯¯ −p ¯¯
¯ ∂ρ ¯ a
¯ Ta (p , T ) ¯ ¯ Ta ¯
¯ ∂T a a ¯ ¯¯ RTa2 ¯¯
condT (ρ (pa , Ta )) = ¯ ¯ = ¯ pa ¯ = 1,
¯ ρ (pa , Ta ) ¯ ¯
¯ ¯ ¯ RT ¯¯
a
da relação (4.8.1), vamos obter
|eR (ρ (pa , Ta ))| ≤ |eR (pa )| + |eR (Ta )| < 10−4 . (4.2.2)
4.2. 2004/01/16 - Matemática 229
Logo, para resolver este problema, basta aplicar o princı́pio das influências iguais (ou o princı́pio dos
erros iguais, que neste caso nos dá o mesmo resultado). Desta forma, se
10−4 10−4
|eR (pa )| < = 0.5 × 10−3 e |eR (Ta )| < = 0.5 × 10−3 ,
2 2
então o erro relativo absoluto que afecta o cálculo aproximado de ρ (pa , Ta ) será inferior a 10−4 .
(3,0) 2. Pretende-se construir um polinómio interpolador de Hermite de grau ≤ 3, H3 (x), para a
função f (x) = 4x4 − 4x2 + 2 no intervalo [−1, 1].
a) Determine os pontos de interpolação x0 e x1 (x0 < x1 ) de tal modo a que o erro
kf − H3 k∞ = max |f (x) − H3 (x)|

x∈[−1,1]
seja o menor possı́vel; (Sugestão: Suponha que x0 = −x1 .)
b) Construa o polinómio H3 (x) nos pontos x0 e x1 obtidos na alı́nea anterior e calcule um
majorante para o erro que se comete, kf − H3 k∞ . Caso não tenha conseguido resolver a
alı́nea anterior utilize os pontos x0 = −1 e x1 = 1.
Solução 4.2.2. a O erro de interpolação fornecido pela interpolação de Hermite com os nós x0 e x1 é
dado por,
f (iv) (ξ) 2 2
e (H3 (x)) = f (x) − H3 (x) = (x − x0 ) (x − x1 ) ,
4!
com x ∈ [min {x0 , x1 , x} , max {x0 , x1 , x}].
Notando agora que f (x) = 4x4 − 4x2 + 2, facilmente podemos concluir que, f (iv) (x) = 4 × 4!, pelo que,
4 × 4! 2 2 2 2
e (H3 (x)) = f (x) − H3 (x) = (x − x0 ) (x − x1 ) = 4 (x − x0 ) (x − x1 ) ,
4!
com x ∈ [min {x0 , x1 , x} , max {x0 , x1 , x}].
Seguindo agora a sugestão fornecida, isto é, tomando x0 = −x1 , com x1 > 0 teremos,
2 ¡ ¢2
e (H3 (x)) = f (x) − H3 (x) = 4 ((x + x1 ) (x − x1 )) = 4 x2 − x21 ,
com x ∈ [min {x1 , x} , max {x1 , x}].
Desta forma, o problema que pretendemos resolver é o seguinte:
¯ ¡ ¢2 ¯¯
¯
min max |e (H3 (x))| = min max |f (x) − H3 (x)| = min max ¯4 x2 − x21 ¯ ,
x1 ∈]0,1] x∈[−1,1] x1 ∈]0,1] x∈[−1,1] x1 ∈]0,1] x∈[−1,1]
230 Capı́tulo 4. 2003/2004
o que é equivalente a escrever,

¡ ¢2
min max 4 x2 − x21 .
x1 ∈]0,1] x∈[−1,1]
¡ ¢2
Tomemos a função e (x) = 4 x2 − x21 . Supondo que x1 é um valor fixo no intervalo ]0, 1], será fácil
obtermos os pontos de óptimo para a função e (x). Derivando então esta função em ordem a x vamos
obter,
¡ ¢ ¡ ¢
e0 (x) = 8 x2 − x21 (2x) = 16x x2 − x21 .
Igualando agora a derivada a zero e resolvendo a equação resultante vamos obter os pontos crı́ticos para
esta função. Assim,

¡ ¢
e0 (x) = 0 ⇔ 16x x2 − x21 = 0 ⇔ x = 0 ∨ x = ±x1 .
Desta forma, o máximo será atingido, ou nos extremos do intervalo [−1, 1] ou nos pontos que anulam a
derivada. Assim,
³ ´2 ¡ ¢2 ¡ ¢
2
e (−1) = 4 (−1) − x21 = 4 1 − x21 = 4 1 − 2x21 + x41 = e (1)
¡ ¢2
e (0) = 4 0 − x21 = 4x41
³ ´2
2
e (−x1 ) = 4 (−x1 ) − x21 = 0 = e (x1 )
Relembrando o problema que estamos a resolver,
¡ ¢2
min max 4 x2 − x21 ,
x1 ∈]0,1] x∈[−1,1]
podemos dizer que este é equivalente a resolver o seguinte problema,
© ¡ ¢ ª
min 4 1 − 2x21 + x41 , 4x41 .
x1 ∈]0,1]
Traçando então os gráficos destas duas funções, para x1 ∈ ]0, 1] (ver figura 1), vamos concluir que o
ponto óptimo para este problema é aquele onde as duas funções se intersectam, pelo que,
¡ ¢ 1 1
4 1 − 2x21 + x41 = 4x41 ⇔ 1 − 2x21 = 0 ⇔ x1 = − √ ∨ x1 = √ ,
2 2
e, pelo facto de x1 > 0, concluı́mos que o valor óptimo para o problema que estamos a resolver é
1
x1 = √ .
2
Assim, pelo facto de tomarmos x0 = −x1 , podemos concluir que os pontos que resolvem o problema
inicial, são os pontos,

1 1
x0 = − √ e x1 = √ .
2 2
4.2. 2004/01/16 - Matemática 231
y
4
4-8x2 +4x4
4x4
3
x
0.2 0.4 0.6 0.8 1
¡ ¢
Figura 4.1: Gráfico das funções 4x4 e 4 1 − 2x2 + x4
b)Efectuemos então a interpolação de Hermite com os pontos encontrados na alı́nea anterior, isto é,
1 1
x0 = − √ e x1 = √ .
2 2
Precisamos de saber o valor da função e da sua derivada nestes dois pontos, pelo que, sabendo que
f (x) = 4x4 − 4x2 + 2 ⇒ f 0 (x) = 16x3 − 8x,
então,
µ ¶ µ ¶
1 1
f (x0 ) = f −√ = 1 = f (x1 ) = f √
2 2
µ ¶ µ ¶
1 1
f 0 (x0 ) = f 0 − √ = 0 = f 0 (x1 ) = f 0 √ .
2 2
Com base nestes dados, utilizando a tabela das diferenças divididas para construir o polinómio de
Hermite, vamos obter,

232 Capı́tulo 4. 2003/2004
xi yi f [., .] f [., ., .] f [., ., ., .]
1
x0 = − √ f (x0 ) = 1 = a0
2
f [x0 , x0 ] = f 0 (x0 ) = 0 = a1
1
x0 = − √ f (x0 ) = 1 0 = a2
2
f [x0 , x1 ] = 0 0 = a3
1
x1 = √ f (x1 ) = 1 0
2
f [x1 , x1 ] = f 0 (x1 ) = 0
1
x1 = √ f (x1 ) = 1
2
E, atendendo à tabela das diferenças divididas, e à forma geral do polinómio interpolador de Hermite,
vamos concluir que
2 2
H3 (x) = a0 + a1 (x − x0 ) + a2 (x − x0 ) + a3 (x − x0 ) (x − x1 ) ,
ou seja,
2 2
H3 (x) = 1 + 0 (x − x0 ) + 0 (x − x0 ) + 0 (x − x0 ) (x − x1 ) = 1.
Quanto ao erro, neste caso o seu cálculo é muito fácil de efectuar, verificando-se,
¯ ¡ µ ¶4
¯ ¢2 ¯¯ 1
kf (x) − H3 (x) k∞ = max ¯4 x2 − x21 ¯ =
|{z} 4 √ =1
x∈[−1,1] 2
pela alı́nea a)

³x´ ³x´
f (x) = ln + tan .
π 3
hπ i
a) Prove que a equação f (x) = 0 possui uma e uma só solução no intervalo ,π ;
2
b) Utilizando interpolação linear inversa, determine uma aproximação para a solução da
equação indicada na alı́nea anterior;
c) Estime o erro cometido na aproximação que se obteve na alı́nea b).
Solução 4.2.3. a) Para verificarmos a existência de solução, em primeiro lugar teremos de garantir
hπ i
que a função f é contı́nua em todo o intervalo , π . Para isso comecemos por ver o que se passa com
2
o domı́nio da função.
n x π o ½ 3π
¾
Df = x ∈ R : x > 0 ∧ =6 + kπ, k ∈ Z = x ∈ R+ : x 6= + 3kπ, k ∈ Z .
3 2 2
4.2. 2004/01/16 - Matemática 233
¤ £π
Assim, f é contı́nua em todo o seu domı́nio, e, atendendo a que Df ⊃ , podemos então afirmar 2,π
£ ¤
que a função é contı́nua no intervalo pretendido, i.e., é contı́nua no intervalo π2 , π .
Notando ainda que

³π´ µ
π/2
¶ µ
π/2
¶ µ ¶
1 ³ π ´ √3
f = ln + tan = ln + tan = − ln (2) ≈ −0.1 < 0,
2 π 3 2 6 3
e que
³π´ ³π´ ³π ´ √
f (π) = ln + tan = ln (1) + tan = 3 ≈ 1.7 > 0,
π 3 3
podemos então aplicar o teorema do valor intermédio para concluir que existe pelo menos um ponto α,
£ ¤
pertencente ao intervalo π2 , π , tal que f (α) = 0. Fica assim provada a existência de solução para a
equação f (x) = 0 no intervalo supracitado.
Provemos agora a unicidade da mesma nesse intervalo. Para isso vamos analisar o sinal da derivada da
função no intervalo em questão. Ora,

µ ¶0 hπ i
1/π sin (x/3) 1 1 1
f 0 (x) = + = 2
+
> 0, ∀x ∈ ,π .
x/π cos (x/3) 3 cos (x/3) x
|{z} 2
| {z }
>0, ∀x∈[ π2 ,π ] >0, ∀x∈[ π
2 ,π ]
£ ¤
Como consequência podemos inferir que a função f é estritamente crescente no intervalo π2 , π ,
£ ¤
provando assim que a existir um ponto α ∈ π2 , π , tal que f (α) = 0, esse ponto é único.
£ ¤
Fica assim provada a existência e unicidade de solução para a equação f (x) = 0 no intervalo π2 , π .
£ ¤
b) Para obtermos uma aproximação para a solução da equação pertencente ao intervalo π2 , π através
da interpolação linear inversa, devemos construir o polinómio interpolador de grau um com dois pontos
£ ¤
que pertençam ao intervalo π2 , π . Como necessitamos de apenas dois pontos para a sua construção o
mais lógico será escolher os extremos deste intervalo. Assim sendo,

π
x 2 π
√
3
√
f (x) 3 3
£π ¤
Como pretendemos obter uma aproximação para um valor α ∈ 2,π , tal que f (α) = 0 ⇔ α = f −1 (0),
então teremos de proceder à interpolação inversa, i.e., vamos interpolar a função inversa de f , f −1 , no
£ ¡ ¢ ¤
intervalo f −1 π2 , f −1 (π) . Assim sendo, utilizando a forma do polinómio interpolador de Newton
com diferenças divididas, vamos obter,
yi xi = f −1 (yi ) f −1 [., .]
√
3 π
y0 = − ln (2)
3 2
π
f −1 [y0 , y1 ] = √ = 0.85006806063903 . . .
3 3
3 + 2 ln (2)
√
y1 = 3 π
234 Capı́tulo 4. 2003/2004
Desta forma,
Ã Ã√ !!
−1 π π 3
f (y) ≈ q1 (y) = a0 + a1 (y − y0 ) = + √ y− − ln (2) ,
2 3 3
+ 2 ln (2) 3
3
£ ¡ ¢ ¤
para y ∈ f −1 π2 , f −1 (π) = I.
Como tal,
√
π π ln (2) − 33
α = f −1 (0) ≈ q1 (0) = + 2 √ = 1.47236107091834 . . . .
2 2 3 3 + ln (2)
c) Para o estudo do erro sabemos que, existe ξ ∈ I, tal que,

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|e (q1 (y))| = ¯ ¯ |(y − y0 ) (y − y1 )| , y ∈ I.
¯ 2! ¯
Tomando então y = 0, sabemos da existência de ξ ∈ I, tal que,

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|α − q1 (0)| = |e (q1 (0))| = ¯ ¯ |(0 − y0 ) (0 − y1 )| .
¯ 2! ¯
Atendendo ao facto de nos ser impossı́vel de calcular a função inversa de f para depois calcularmos a
sua segunda derivada e o respectivo máximo no intervalo I, para assim maximizarmos o erro que se
comete, vamos então utilizar um resultado que nos permite aproximar a derivada de ordem k de uma
função no intervalo de interpolação através da diferença dividida de ordem k. Ora, no nosso caso
necessitamos de aproximar a segunda derivada, pelo que, aplicando esse teorema podemos concluir que
existe um ponto ξ no intervalo I, tal que

¯¡ ¢ ¯
¯ −1 ¯ ¯¯ f −1 00 (ξ) ¯¯
¯f [y0 , y1 , y2 ]¯ = ¯ ¯.
¯ 2! ¯
Por definição,
¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ ,
¯ y2 − y0 ¯
£π ¤ 3π
portanto, tomando x2 como sendo o ponto médio do intervalo 2,π , i.e., x2 = 4 , vamos então obter
os seguintes resultados
µ ¶
3π
y2 = f = 0.71231792754822 . . . ,
4
pelo que vamos obter

x2 − x1
f −1 [y1 , y2 ] = = 0.77019990115601 . . . ,
y2 − y1
e, como consequência deste resultado,

¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ = |−0.096445753329716| ≈ 0.096 .
¯ y2 − y0 ¯
4.2. 2004/01/16 - Matemática 235
Tal resultado permite-nos concluir que

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯ ¯ ¯
¯ ¯ ¯ −1
¯ ¯ ≈ f [y0 , y1 , y2 ]¯ ≈ 0.096,
¯ 2! ¯
|α − q1 (0)| = |e (q1 (0))| ≈ 0.096 × 0.12 × 1.7 ≈ 0.02 ≤ 0.05.
Este resultado permite-nos garantir pelo menos dois algarismos significativos na aproximação que se
£ ¤
obteve para a solução da equação f (x) = 0 no intervalo π2 π .
(2,0) 4. Seja pn (x) o polinómio interpolador de Lagrange para a função f , contı́nua e com derivadas
contı́nuas até à ordem n + 1 no intervalo [a, b], em n + 1 pontos distintos, x0 < x1 < x2 < . . . < xn
pertencentes ao intervalo [a, b]. Mostre que nestas condições se verifica a igualdade,
n−1
f (n+1) (τ ) Y
f 0 (x) − p0n (x) = (x − ξj ) ,
n! j=0
onde τ = τ (x) ∈ [min {x, ξ0 , ξ1 , . . . , ξn } , max {x, ξ0 , ξ1 , . . . , ξn }] e os pontos ξj são independentes
de x e tais que xj < ξj < xj+1 , j = 0, 1, . . . , n − 1.
Obs: Recorde a demonstração do teorema do erro para a interpolação.
Solução 4.2.4. Considere-se a seguinte função

n−1
Y
F (t) = f 0 (t) − p0n (t) − α (t − ξj )
j=0
sendo os pontos ξj , j = 0, 1, . . . , n − 1, os zeros da derivada da função r (x) = f (x) − pn (x). Atendendo
ao facto de r ser contı́nua com derivadas contı́nuas até à ordem n + 1 no intervalo de interpolação [a, b],
isto é, r ∈ C n+1 ([a, b]), e de r (xj ) = 0, j = 0, 1, . . . , n, podemos então supor que
xj < ξj < xj+1 , j = 0, 1, . . . , n − 1.
Seja ainda
f 0 (x) − p0n (x)
α= ,
Q
n−1
(x − ξj )
j=0
com x ∈ [a, b] e x 6= ξj , j = 0, 1, . . . , n − 1.
Construı́da desta forma, a função F tem pelo menos n + 1 zeros distintos no intervalo [a, b].
Consequentemente, F (n) terá pelo menos um zero, digamos τ , no intervalo
[min {x, ξ0 , ξ1 , . . . , ξn } , max {x, ξ0 , ξ1 , . . . , ξn }]. Assim sendo,
f (n+1) (τ )
F (n) (τ ) = f (n+1) (τ ) − αn! = 0 ⇔ α = ,
n!
236 Capı́tulo 4. 2003/2004
e, atendendo à forma como foi definido α,

n−1
f 0 (x) − p0n (x) f (n+1) (τ ) 0 0 f (n+1) (τ ) Y
= ⇔ f (x) − pn (x) = (x − ξj ) ,
Q
n−1 n! n!
(x − ξj ) j=0
j=0
o que prova o pretendido.
(4,0) 5. Observe o gráfico da função f (x) = x2 + 2x + 1,
1.5
0.5
x
-2.5 -2 -1.5 -1 -0.5 0.5
a) Calcule, utilizando uma das regras de integração numérica dadas, a melhor aproximação para
R0
o valor do integral −2 f (x) dx;
b) Sem efectuar qualquer cálculo, comente a precisão obtida no resultado da alı́nea a).
Solução 4.2.5. a) Atendendo ao facto de f ser um polinómio de grau 2, vamos utilizar a regra de
R0
Simpson simples para ”aproximar”o valor do integral −2 f (x) dx. Desta forma, tomando
x0 = −2, x1 = −1 e x2 = 0, teremos h = 1 = xk+1 − xk , k = 0, 1. Assim sendo,

Z 0
h 1 2
I (f ) = f (x) dx ≈ Ia (f ) = IS (f ) =
(f (x0 ) + 4f (x1 ) + f (x2 )) = (1 + 4 × 0 + 1) = .
−2 3 3 3
R0
b) O valor dito aproximado na alı́nea anterior é de facto o valor exacto do integral −2 f (x) dx, visto
que a essência da obtenção da regra de Simpson reside no cálculo de um polinómio interpolador de grau
≤ 2 para a função no intervalo de integração e consequente integração desse polinómio no mesmo
intervalo de integração. Atendendo ao facto de f ser um polinómio de grau dois, sabemos que qualquer
polinómio interpolador de grau ≤ 2 que se construa para a função f vai, obrigatoriamente, ser igual à
função, isto é, f (x) ≡ p2 (x), por esta razão,

Z 0
2
I (f ) = f (x) dx = Ia (f ) = IS (f ) = .
−2 3
4.2. 2004/01/16 - Matemática 237
Esta confirmação pode ser solidificada pelo seguinte teorema:
Teorema: Sejam p e q dois polinómios de grau ≤ n. Se p (xi ) = yi = q (xi ) , i = 0, 1, 2, . . . , n, então os
polinómios são iguais, isto é, p (x) ≡ q (x).
2
(4,0) 6. Determine todas as raı́zes da equação (x + 2) = ex [2 (x + 2) − ex ], com um erro inferior a
10−3 . A escolha do método iterativo fica ao seu critério.
Obs: Passe tudo para o primeiro membro da equação e depois observe atentamente a expressão.
Solução 4.2.6. Para resolver este problema devemos começar por notar o seguinte,
2 2 2
(x + 2) = ex [2 (x + 2) − ex ] ⇔ (x + 2) − 2 ex (x + 2) + (ex ) = 0,
que é equivalente a ter,

2
(x + 2 − ex ) = 0 ⇔ x + 2 − ex = 0 ⇔ f (x) = 0.
Assim sendo, as soluções da equação dada são as soluções da equação f (x) = 0, com f (x) = x + 2 − ex .
y
12
10
8 ex
4
x+2
2
x
-2 -1 1 2
Figura 4.2: Gráficos das funções ex e x + 2
Comecemos por localizar as soluções da equação f (x) = 0. Utilizando o método gráfico temos,
f (x) = 0 ⇔ x + 2 − ex = 0 ⇔ x + 2 = ex ,
e, representando graficamente as funções x + 2 e ex , vamos verificar que a equação possui duas soluções,
uma no intervalo [−2, −1] e outra no intervalo [1, 2] (ver figura 2).
Devemos agora provar a existência e unicidade dessas soluções nos intervalos indicados.
238 Capı́tulo 4. 2003/2004
Obs. Como estamos perante duas soluções e a análise é semelhante para cada uma delas, apresenta-se
aqui apenas a resolução respeitante a uma delas. Escolha-se a menor delas.
Provemos então que a equação f (x) = 0 ⇔ x + 2 − ex = 0 possui uma solução no intervalo [−2, −1].
Para isso vamos aplicar o teorema do valor intermédio.
Ora, f (x) = x + 2 − ex é uma função contı́nua em todo o seu domı́nio, isto é, em R, uma vez que se
trata da soma de uma função polinomial, contı́nua em R, com a função exponencial, que também é
contı́nua em R. Por esta razão, f é contı́nua no intervalo [−2, −1].
Por outro lado, f (−2) = −e−2 < 0 e f (−1) = 1 − e−1 > 0, pelo que, f (−2) × f (−1) < 0, e, aplicando
o corolário do teorema do valor intermédio, podemos concluir que existe pelo menos um ponto
α ∈ [−2, −1], tal que f (α) = 0. Fica assim provada a existência da solução para a equação.
Provemos agora a unicidade desta solução. Para isso vamos recorrer ao estudo da derivada no
intervalo. Assim,
f 0 (x) = 1 − ex > 0, ∀x ∈ [−2, −1] ,
por esta razão, f é uma função estritamente crescente no intervalo em questão, o que implica
imediatamente que a solução da equação f (x) = 0, que anteriormente provámos que existia, é única no
intervalo [−2, −1].
Para obtermos uma aproximação para esta solução com um erro inferior a 10−3 é conveniente
utilizarmos um método de convergência rápida, até porque o tempo urge e no final podemos não ter
tempo para fazer outros exercı́cios. Assim sendo, será conveniente usar o método de Newton para obter
uma aproximação para a solução da equação no intervalo [−2, −1], com um erro não superior a 10−3 .
Para o podermos aplicar há que se verificar cautelosamente todas as condições de convergência do
mesmo.
A primeira delas é que a função tem de ser contı́nua no intervalo [−2, −1] (o que já foi provado), a
derivada tem de existir e ser contı́nua no mesmo intervalo (f 0 (x) = 1 − ex , que é obviamente contı́nua
no intervalo que estamos a utilizar) e a segunda derivada também tem de existir e ser contı́nua no
intervalo em questão (f 00 (x) = −ex , que é também ela, obviamente, contı́nua).
A segunda condição de convergência do método de Newton impõe-nos que a derivada seja diferente de
zero no interior do intervalo que estamos a utilizar, isto é, f 0 (x) 6= 0, ∀x ∈ (−2, −1). Neste caso
f 0 (x) = 0 ⇔ 1 − ex = 0 ⇔ x = 0 ∈
/ (−2, −1).
Finalmente teremos de impor que o intervalo escolhido seja uma vizinhança suficientemente pequena da
4.2. 2004/01/16 - Matemática 239
solução que pretendemos aproximar. Para isso tem de se verificar a seguinte condição,
1
(b − a) < ,
M
M2
com M = , sendo M2 = max |f 00 (x)| e m1 = min |f 0 (x)|.
2m1 x∈[−2,−1] x∈[−2,−1]
Neste caso,
M2 = max |f 00 (x)| = max |−ex | = max |ex | = e−1 ,

x∈[−2,−1] x∈[−2,−1] x∈[−2,−1]
e, por outro lado, como f 00 (x) = −ex < 0, para todo o x ∈ [−2, −1], podemos concluir que f 0 é uma
função estritamente monótona decrescente no intervalo [−2, −1], o que implica que,
©¯ ¯ ¯ ¯ª
m1 = min |f 0 (x)| = min |1 − ex | = min ¯1 − e−2 ¯ , ¯1 − e−1 ¯ = 1 − e−1 .
x∈[−2,−1] x∈[−2,−1]
Desta forma,
M2 e−1 1 1 − e−1 1
M= = ⇒ = = −1 − 1 = e − 1 ≈ 1.72 > (b − a) = 1 P.V.
2m1 1 − e−1 M e−1 e
Para iterar o método de Newton só falta escolher a aproximação x0 . Para isso vamos efectuar a nossa
escolha de entre um dos dois pontos extremos do intervalo [−2, −1], através da condição
f (x0 ) × f 00 (x0 ) > 0, isto é, vamos escolher o ponto extremo do intervalo onde a função e a segunda
derivada possuem o mesmo sinal. Notando então que, f 00 (x) = −ex < 0, ∀x ∈ R, e que f (−2) < 0,
então x0 = −2.
A expressão iteradora do método de Newton é dada por
f (xn ) xn + 2 − exn xn − xn exn − xn − 2 + exn

xn+1 = xn − = xn − = =
f 0 (xn ) 1 − ex n 1 − exn
exn (1 − xn ) − 2
=
1 − ex n
1 2n
k xk |e (xk )| ≤ M (M (b − a)) < 10−3
0 x0 = −2 = 1 < 10−3 False
1 x1 = −1.843482357 ≈ 0.3 < 10−3 False
2 x2 = −1.841406066 ≈ 0.02 < 10−3 False
3 x3 = −1.841405660 ≈ 0.0002 < 10−3 True
Assim sendo, x3 = −1.841405660 representa uma aproximação para a menor solução da equação no
intervalo [−2, −1] com um erro inferior a 10−3 .
Para finalizar o exercı́cio devı́amos fazer a mesma análise para a solução que se encontra no intervalo
[1, 2], mas isso fica para praticar.

240 Capı́tulo 4. 2003/2004
BOA SORTE
4.3. 2004/02/05 - Matemática 241
4.3 2004/02/05 - Matemática
Exame de Época Recurso, 2004/02/05 ao 3h:000

Duraç~
(3,0) 1. A espessura de um depósito cilı́ndrico é dada pela fórmula

Ã r !
1 V
E= ρ−k .
2π h
Pretende-se calcular a espessura de um determinado depósito cilı́ndrico, E, por forma a que o erro
absoluto que afecte esse cálculo seja inferior a 0.05cm. Utilizando as aproximações
V ≈ 250 × 106 cm3 , h ≈ 500cm3 , ρ ≈ 2530cm, k ≈ 3.545 e |e (ka )| ≤ 0.0001, indique quais os
majorantes de erro absoluto admissı́veis para as aproximações de V, h e ρ, supondo que se toma o
valor de π = 3.14159 como valor exacto.
(2,0) 2. Seja f uma função polinomial de grau 2. A única informação de que dispomos acerca da
função f é dada pela seguinte tabela,
x −2 −1 0 1 2
f (x) 0 α −4 β 8
a) Obtenha, utilizando o polinómio interpolador de Lagrange, a melhor aproximação possı́vel
para o valor da função em 0.5, efectuando interpolação polinomial de grau ≤ 2;
b) Com o polinómio obtido na alı́nea anterior, obtenha aproximações para os valores de α e de
β. Comente os resultados obtidos.
(2,0) 3. Prove que o erro absoluto que se comete quando aproximamos o valor de uma função f num
ponto x ∈ [a, b] através do uso da interpolação linear com os pontos (x0 , y0 ) e (x1 , y1 ), é menor ou
igual a
2
(x1 − x0 )
max |f 00 (ξ)| .
ξ∈[a,b] 8
242 Capı́tulo 4. 2003/2004
(2,0) 4. Pretende-se aproximar o valor da função exponencial, f (t) = et , no intervalo [−1, 0], com um
erro absoluto inferior a 0.5 × 10−3 . Supondo que os pontos que tabelados para a função estão
igualmente espaçados, isto é, ti − ti−1 = h, i = 1, 2, . . ., indique quantos pontos terá de colocar na
tabela, por forma a que a escolha de dois pontos consecutivos da tabela, para efectuar a
interpolação linear, lhe permita realizar esse objectivo.
(3,0) 5. Aproxime o valor do integral

Z π/2
sin (x) dx,
−π/2
utilizando a regra dos trapézios com 3 pontos (2 subintervalos). Explique o que acontece com o
erro que afecta o valor aproximado para este integral?
(4,0) 6. Pretende-se resolver a equação f (x) = 0 ⇔ ln (x) − e−x+2 = 0, utilizando o método iterativo
do ponto fixo.
a) Verifique quais das seguintes funções iteradoras garantem a existência de ponto fixo no
intervalo [2, 2.5]:
−x+2
i) g (x) = ee ii) h (h) = 2 − ln (ln (x)) iii) k (x) = x − ln (x) + e−x+2
b) Das que garantem a existência de ponto fixo no intervalo [2, 2.5], escolha aquela que lhe
garante convergência mais rápida para obter três iterações pelo método iterativo do ponto
fixo, tomando x0 = 2.25. Estime o erro que comete ao aproximar a solução da equação pelo
valor de x3 . Quantos algarismos significativos garante para a aproximação x3 ?

 
2 1 0
 
 
A=
 1 3 1 
.
 
0 1 4
a) Utilizando uma aritmética de 3 algarismos significativos, obtenha a decomposição LU da
matriz A;
4.3. 2004/02/05 - Matemática 243
b) Continuando a trabalhar cum uma aritmética de 3 algarismos significativos, encontre uma
aproximação para a solução do sistema de equações lineares, Ax = b, quando se toma o
vector independente
µ ¶
11 2 1
b= ,− , .
18 9 18
Utilize a decomposição LU obtida na alı́nea a).
BOA SORTE
244 Capı́tulo 4. 2003/2004
4.4 2004/01/16 - Eng. do Ambiente

Duraç~
p
ρ= ,
RT

¯ ¯ ¯ ¯
¯ ∂ρ ¯ ¯
¯ pa (p a , T a ) ¯ ¯ pa 1 ¯¯
¯ ∂p ¯ ¯ RTa ¯
condp (ρ (pa , Ta )) = ¯¯ ¯=¯
¯ pa ¯¯ = 1
¯ ρ (pa , Ta ) ¯ ¯¯
¯ ¯ RTa ¯
e a que
¯ ¯ ¯¯ −p ¯¯
¯ ∂ρ ¯ a
¯ Ta (p , T ) ¯ ¯ Ta ¯
¯ ∂T a a ¯ ¯¯ RTa2 ¯¯
condT (ρ (pa , Ta )) = ¯ ¯ = ¯ pa ¯ = 1,
¯ ρ (pa , Ta ) ¯ ¯
¯ ¯ ¯ RT ¯¯
a
4.4. 2004/01/16 - Eng. do Ambiente 245
10−4 10−4
|eR (pa )| < = 0.5 × 10−3 e |eR (Ta )| < = 0.5 × 10−3 ,
2 2

³x´ ³x´
f (x) = ln + tan .
π 3
hπ i
2
hπ i
2
n x π o ½ 3π
¾
+
Df = x ∈ R : x > 0 ∧ 6= + kπ, k ∈ Z = x ∈ R : x 6= + 3kπ, k ∈ Z .
3 2 2
£ ¤
Assim, f é contı́nua em todo o seu domı́nio, e, atendendo a que Df ⊃ π2 , π , podemos então afirmar
£ ¤
Notando ainda que

³π´ µ
π/2
¶ µ
π/2
¶ µ ¶
1 ³ π ´ √3
f = ln + tan = ln + tan = − ln (2) ≈ −0.1 < 0,
2 π 3 2 6 3
e que
³π´ ³π´ ³π ´ √
f (π) = ln + tan = ln (1) + tan = 3 ≈ 1.7 > 0,
π 3 3
£ ¤

µ ¶0 hπ i
1/π sin (x/3) 1 1 1
f 0 (x) = + = + > 0, ∀x ∈ ,π .
x/π cos (x/3) x
|{z} 3 cos2 (x/3) 2
| {z }
>0, ∀x∈[ π
2 ,π ] >0, ∀x∈[ π
2 ,π ]
246 Capı́tulo 4. 2003/2004
£π ¤
Como consequência podemos inferir que a função f é estritamente crescente no intervalo 2,π ,
£ ¤
£ ¤
£ ¤
£ ¤
π
x 2 π
√
3
√
f (x) 3 3
£π ¤
£ ¡ ¢ ¤
yi xi = f −1 (yi ) f −1 [., .]
√
3 π
y0 = − ln (2)
3 2
π
f −1 [y0 , y1 ] = √ = 0.85006806063903 . . .
3 3
3 + 2 ln (2)
√
y1 = 3 π
Desta forma,
Ã Ã√ !!
−1 π π 3
f (y) ≈ q1 (y) = a0 + a1 (y − y0 ) = + √ y− − ln (2) ,
2 3 3
+ 2 ln (2) 3
3
£ ¡ ¢ ¤
para y ∈ f −1 π2 , f −1 (π) = I.
Como tal, √
−1 π π ln (2) − 33
α=f (0) ≈ q1 (0) = + 2 √ = 1.47236107091834 . . . .
2 2 3 3 + ln (2)

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|e (q1 (y))| = ¯ ¯ |(y − y0 ) (y − y1 )| , y ∈ I.
¯ 2! ¯

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|α − q1 (0)| = |e (q1 (0))| = ¯ ¯ |(0 − y0 ) (0 − y1 )| .
¯ 2! ¯
4.4. 2004/01/16 - Eng. do Ambiente 247

¯¡ ¢ ¯
¯ −1 ¯ ¯¯ f −1 00 (ξ) ¯¯
¯f [y0 , y1 , y2 ]¯ = ¯ ¯.
¯ 2! ¯
Por definição,
¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ ,
¯ y2 − y0 ¯
£π ¤ 3π
µ ¶
3π
y2 = f = 0.71231792754822 . . . ,
4

x2 − x1
f −1 [y1 , y2 ] = = 0.77019990115601 . . . ,
y2 − y1

¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ = |−0.096445753329716| ≈ 0.096 .
¯ y2 − y0 ¯

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯ ¯ ¯
¯ ¯ ¯ −1
¯ ¯ ≈ f [y0 , y1 , y2 ]¯ ≈ 0.096,
¯ 2! ¯
|α − q1 (0)| = |e (q1 (0))| ≈ 0.096 × 0.12 × 1.7 ≈ 0.02 ≤ 0.05.
f (x)
£ ¤
FALTA AQUI UMA IMAGEM

R0
o valor do integral −2 f (x) dx, com o menor número de pontos possı́vel;
248 Capı́tulo 4. 2003/2004
R0

Z 0
h 1 2
I (f ) = f (x) dx ≈ Ia (f ) = IS (f ) = (f (x0 ) + 4f (x1 ) + f (x2 )) = (1 + 4 × 0 + 1) = .
−2 3 3 3
R0
b) O valor dito aproximado na alı́nea anterior é de facto o valor exacto do integral −2
f (x) dx, visto

Z 0
2
I (f ) = f (x) dx = Ia (f ) = IS (f ) = .
−2 3
(4,0) 4. Determine todas as raı́zes da equação
2 2
(x + 2) − 2 ex (x + 2) + (ex ) = 0,
com um erro inferior a 10−3 . A escolha do método iterativo fica ao seu critério.
2 2 2
(x + 2) − 2 ex (x + 2) + (ex ) = 0 ⇔ (x + 2 − ex ) = 0 ⇔ x + 2 − ex = 0 ⇔ f (x) = 0.
f (x) = 0 ⇔ x + 2 − ex = 0 ⇔ x + 2 = ex ,
uma no intervalo [−2, −1] e outra no intervalo [1, 2] (ver a figura 1).
4.4. 2004/01/16 - Eng. do Ambiente 249

intervalo. Assim,
f 0 (x) = 1 − ex > 0, ∀x ∈ [−2, −1] ,
mesmo.
f 0 (x) = 0 ⇔ 1 − ex = 0 ⇔ x = 0 ∈
/ (−2, −1).
250 Capı́tulo 4. 2003/2004
1
(b − a) < ,
M
M2
2m1 x∈[−2,−1] x∈[−2,−1]
Neste caso,

x∈[−2,−1] x∈[−2,−1] x∈[−2,−1]
©¯ ¯ ¯ ¯ª
x∈[−2,−1] x∈[−2,−1]
Desta forma,
M2 e−1 1 1 − e−1 1
M= = −1
⇒ = = −1 − 1 = e − 1 ≈ 1.72 > (b − a) = 1 P.V.
2m1 1−e M e−1 e
então x0 = −2.

xn+1 = xn − = xn − = =
f 0 (xn ) 1 − ex n 1 − exn
exn (1 − xn ) − 2
=
1 − ex n
1 2n
k xk |e (xk )| ≤ M (M (b − a)) < 10−3
0 x0 = −2 = 1 < 10−3 False
1 x1 = −1.843482357 ≈ 0.3 < 10−3 False
2 x2 = −1.841406066 ≈ 0.02 < 10−3 False
3 x3 = −1.841405660 ≈ 0.0002 < 10−3 True

4.4. 2004/01/16 - Eng. do Ambiente 251
(4,0) 5. Executou-se um determinado programa num determinado computador, obtendo-se os
seguintes resultados:
Número de Observações 100 200 500 1000
Tempo de Execução (segundos, 00 ) 0.0300 0.0700 0.1100 0.1400
Admitindo que o tempo de execução cresce de forma linear com o aumento do número de
observações, utilize o método dos mı́nimos quadrados com ajuste linear por forma a estimar o
tempo que o computador leva a obter os resultados respeitantes à execução do programa com 750
observações.
Solução 4.4.5. Admitindo então um comportamento de crescimento linear do tempo relativamente ao
número da observações utilizadas pelo programa, o que nós pretendemos é então calcular a recta de
regressão linear, ou de outra forma, a recta que melhor aproxima os dados tabelados no sentido dos
mı́nimos quadrados. Tomemos então a forma geral da recta y = α + βx.
Supondo que esta recta passa por todos os pontos tabelados, vamos construir o sistema de equações
lineares sobredeterminado associado a este problema,
(100, 0.03) Ã α + β100 = 0.03
(200, 0.07) Ã α + β200 = 0.07
(500, 0.11) Ã α + β500 = 0.11
(1000, 0.14) Ã α + β1000 = 0.14
e, passando para a forma matricial,

   
 1 100 
 
0.03 
   
   
 1 200   α   0.07 
Ax = b ⇔ 


 =
  .

 1 500  β  0.11 
   
   
1 1000 0.14
Pela teoria, sabemos que encontrar a solução deste sistema de equações lineares sobredeterminado é
equivalente a encontrar a solução do sistema das equações normais, o qual é dado por AT Ax = AT b,
252 Capı́tulo 4. 2003/2004
onde AT é simplesmente a matriz transposta da matriz A, matriz do sistema sobredeterminado. Desta
forma, o sistema de equações normais associado a este problema é dado por,

    
 4 1800   α   0.35 
AT Ax = AT b ⇔   = .
1800 1300000 β 212
Quanto à resolução deste sistema agora obtido, existem alguns aspectos, que forma abordados nas aulas
teóricas que se devem ter em conta:
1. A matriz AT A é uma matriz simétrica definida positiva, o que implica que esta matriz seja
invertı́vel, e consequentemente que o sistema das equações normais possua uma e só uma solução;
2. O facto de matriz ser simétrica definida positiva implica que se possam utilizar decomposições
especiais para resolver o sistema. Neste caso devemos utilizar a decomposição de Cholesky.
Com base nestas observações temos:

   
 4 1800   `211 `21 `11 
AT A =  T
 = LL =  ,
1800 1300000 `21 `11 `221 + `222
o que implica que,


 √

 `11 = 4=2





  




1800  2 0 
`21 = = 900 ⇒L= 

 2

 900 700





 q


 `22 =
2
1300000 − (900) = 700
Assim, para resolver o sistema temos o seguinte esquema,



 1o ) Ly = AT b



T T T
| {zA} x = A b ⇔ LL
A x = AT b ⇔
|{z} 

=LLT =y 

 2o ) L T x = y
Assim sendo, resolver o sistema das equações normais resume-se à resolução de dois sistemas
triangulares. Comecemos então por resolver o sistema triangular inferior Ly = AT b,


     
 35

 y1 =

 200
 2 0   y1   0.35 
Ly = AT y ⇔   = ⇔ .


900 700 y2 212 

 y2 = 109

1400
4.4. 2004/01/16 - Eng. do Ambiente 253
Resolvendo agora o sistema triangular superior vamos obter a solução do sistema sobredeterminado no
sentido dos mı́nimos quadrados. Logo,


     
 734

 α =

 19600
 2 900   α   35/200 
LT x = y ⇔   = ⇔ .


0 700 β 109/1400 
 109

 β =
980000
Portanto, a recta que melhor aproxima os pontos da tabela, no sentido dos mı́nimos quadrados, é dada
por
734 109
y = α + βx = + x.
19600 980000
Para termos uma ideia do tempo que o computador levará a executar o programa utilizando 750
observações, basta substituir x por 750 na recta que se obteve. Assim,
734 109
y= + × 750 ≈ 0.1209 ≈ 0.12.
19600 980000
Podemos então concluir que o computador levará aproximadamente 0.1200 a executar o programa quando
utiliza 750 observações.
(2,0) 6. Prove que, para qualquer x = (x1 , x2 , . . . , xn ) ∈ Rn , se verifica
1
√ kxk2 ≤ kxk∞ ≤ kxk2 .
n
O que significam as desigualdades anteriores.
Solução 4.4.6. Para provarmos estas desigualdades vamos partir a prova em duas partes:
1
1a Parte: Provar que √ kxk2 ≤ kxk∞ ;
n
Suponha-se que kxk∞ = k (x1 , x2 , . . . , xn ) k∞ = max {|x1 | , |x2 | , . . . , |xn |} = |xk |, com
k ∈ {1, 2, . . . , n}. Desta forma,

 

 
 2 2
 |x1 |

≤ |xk | 

|x1 | ≤ |xk |

 


 
 2 2

 |x2 | ≤ |xk | 
 |x2 | ≤ |xk |

 


 . . 
 .. .

 .. ≤ .. 
 . ≤ ..

 


 


 

 |xk−1 | ≤ |xk |  |xk−1 |
2 2
≤ |xk |
⇒

 
 2 2

 |xk | ≤ |xk | 
 |xk | ≤ |xk |

 


 


 |xk+1 | ≤ |xk | 
 |xk+1 |
2 2
≤ |xk |

 


 


 .. .. 
 .. .


 . ≤ . 

 . ≤ ..

 


 
 2 2
|xn | ≤ |xk | |xn | ≤ |xk |
254 Capı́tulo 4. 2003/2004
Consequentemente,
2 2 2 2 2 2 2
|x1 | + |x2 | + . . . + |xk−1 | + |xk | + |xk+1 | + . . . + |xn | ≤ n |xk | ,
o que é equivalente a dizer que

v
u n q
uX √ 1
t 2 2
|xi | ≤ n |xk | ⇔ kxk2 ≤ n |xk | ⇔ √ kxk2 ≤ kxk∞ .
i=1
n
2a Parte: Provar que kxk∞ ≤ kxk2 ;
Suponha-se novamente que
kxk∞ = k (x1 , x2 , . . . , xn ) k∞ = max {|x1 | , |x2 | , . . . , |xn |} = |xk | , com k ∈ {1, 2, . . . , n} .
Então,
q s
2 2 2 2
kxk∞ = |xk | ≤ |xk | = |xk | ≤ |x1 | + . . . + |xk | + . . . + |xn | = kxk2
| {z } | {z }
≥0 ≥0
As desigualdades provadas anteriormente, provam que a norma k.k2 e a norma k.k∞ são normas
equivalentes no espaço vectorial Rn .
BOA SORTE
4.5. 2004/02/05 - Eng. do Ambiente 255
4.5 2004/02/05 - Eng. do Ambiente
Exame de Época Especial (2a chamada), 2004/02/05 ao 3h:000

Duraç~

Ã r !
1 V
E= ρ−k .
2π h
x −2 −1 0 1 2
f (x) 0 α −4 β 8
igual a
2
(x1 − x0 )
max |f 00 (ξ)| .
ξ∈[a,b] 8
256 Capı́tulo 4. 2003/2004

Z π/2
sin (x) dx,
−π/2
(4,0) 6. Um objecto de massa m = 1kg é largado de uma altura s0 = 30m, podendo o espaço
percorrido após t segundos ser traduzido por
mg m2 g ³ ´
s (t) = s0 + t − 2 1 − e−kt/m ,
k k
onde k = 0.5kg/seg representa a resistência do ar e g = 9.8m/s2 . Use o método de Newton,
calculando 3 iterações, para estimar o tempo necessário que o objecto leva a atingir o solo.

 
4 2 0
 
 
A=
 2 5 4
.

 
0 4 20
a) Utilizando a definição, verifique se a matriz A e simétrica definida positiva;
b) Resolva, da forma mais eficiente possı́vel, o sistema de equações lineares Ax = b, quando

· ¸T
b= 1 0 1 .
BOA SORTE

Duraç~
p
ρ= ,
RT

¯ ¯ ¯ ¯
¯ ∂ρ ¯ ¯
¯ pa (p a , T a ) ¯ ¯ pa 1 ¯¯
¯ ∂p ¯ ¯ RTa ¯
condp (ρ (pa , Ta )) = ¯¯ ¯=¯
¯ pa ¯¯ = 1
¯ ρ (pa , Ta ) ¯ ¯¯
¯ ¯ RTa ¯
e a que
¯ ¯ ¯¯ −p ¯¯
¯ ∂ρ ¯ a
¯ Ta (p , T ) ¯ ¯ Ta ¯
¯ ∂T a a ¯ ¯¯ RTa2 ¯¯
condT (ρ (pa , Ta )) = ¯ ¯ = ¯ pa ¯ = 1,
¯ ρ (pa , Ta ) ¯ ¯
¯ ¯ ¯ RT ¯¯
a
258 Capı́tulo 4. 2003/2004
10−4 10−4
|eR (pa )| < = 0.5 × 10−3 e |eR (Ta )| < = 0.5 × 10−3 ,
2 2

³x´ ³x´
f (x) = ln + tan .
π 3
hπ i
2
hπ i
2
n x π o ½ 3π
¾
+
3 2 2
£ ¤
£ ¤
Notando ainda que

³π´ µ
π/2
¶ µ
π/2
¶ µ ¶
1 ³ π ´ √3
f = ln + tan = ln + tan = − ln (2) ≈ −0.1 < 0,
2 π 3 2 6 3
e que
³π´ ³π´ ³π ´ √
f (π) = ln + tan = ln (1) + tan = 3 ≈ 1.7 > 0,
π 3 3
£ ¤

µ ¶0 hπ i
1/π sin (x/3) 1 1 1
f 0 (x) = + = + > 0, ∀x ∈ ,π .
x/π cos (x/3) x
|{z} 3 cos2 (x/3) 2
| {z }
>0, ∀x∈[ π
2 ,π ] >0, ∀x∈[ π
2 ,π ]
£π ¤
£ ¤
£ ¤
£ ¤
£ ¤
π
x 2 π
√
3
√
f (x) 3 3
£π ¤
£ ¡ ¢ ¤
yi xi = f −1 (yi ) f −1 [., .]
√
3 π
y0 = − ln (2)
3 2
π
f −1 [y0 , y1 ] = √ = 0.85006806063903 . . .
3 3
3 + 2 ln (2)
√
y1 = 3 π
Desta forma,
Ã Ã√ !!
−1 π π 3
f (y) ≈ q1 (y) = a0 + a1 (y − y0 ) = + √ y− − ln (2) ,
2 3 3
+ 2 ln (2) 3
3
£ ¡ ¢ ¤
para y ∈ f −1 π2 , f −1 (π) = I.
Como tal, √
−1 π π ln (2) − 33
α=f (0) ≈ q1 (0) = + 2 √ = 1.47236107091834 . . . .
2 2 3 3 + ln (2)

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|e (q1 (y))| = ¯ ¯ |(y − y0 ) (y − y1 )| , y ∈ I.
¯ 2! ¯

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|α − q1 (0)| = |e (q1 (0))| = ¯ ¯ |(0 − y0 ) (0 − y1 )| .
¯ 2! ¯
260 Capı́tulo 4. 2003/2004

¯¡ ¢ ¯
¯ −1 ¯ ¯¯ f −1 00 (ξ) ¯¯
¯f [y0 , y1 , y2 ]¯ = ¯ ¯.
¯ 2! ¯
Por definição,
¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ ,
¯ y2 − y0 ¯
£π ¤ 3π
µ ¶
3π
y2 = f = 0.71231792754822 . . . ,
4

x2 − x1
f −1 [y1 , y2 ] = = 0.77019990115601 . . . ,
y2 − y1

¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ = |−0.096445753329716| ≈ 0.096 .
¯ y2 − y0 ¯

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯ ¯ ¯
¯ ¯ ¯ −1
¯ ¯ ≈ f [y0 , y1 , y2 ]¯ ≈ 0.096,
¯ 2! ¯
|α − q1 (0)| = |e (q1 (0))| ≈ 0.096 × 0.12 × 1.7 ≈ 0.02 ≤ 0.05.
f (x)
£ ¤

R0
R0

Z 0
h 1 2
−2 3 3 3
R0
f (x) dx, visto

Z 0
2
I (f ) = f (x) dx = Ia (f ) = IS (f ) = .
−2 3
2
(x + 2 − ex ) = 0,
2
(x + 2 − ex ) = 0 ⇔ x + 2 − ex = 0 ⇔ f (x) = 0.
f (x) = 0 ⇔ x + 2 − ex = 0 ⇔ x + 2 = ex ,
262 Capı́tulo 4. 2003/2004

intervalo. Assim,
f 0 (x) = 1 − ex > 0, ∀x ∈ [−2, −1] ,
mesmo.
f 0 (x) = 0 ⇔ 1 − ex = 0 ⇔ x = 0 ∈
/ (−2, −1).
1
(b − a) < ,
M
M2
2m1 x∈[−2,−1] x∈[−2,−1]
Neste caso,

x∈[−2,−1] x∈[−2,−1] x∈[−2,−1]
©¯ ¯ ¯ ¯ª
x∈[−2,−1] x∈[−2,−1]
Desta forma,
M2 e−1 1 1 − e−1 1
M= = −1
⇒ = = −1 − 1 = e − 1 ≈ 1.72 > (b − a) = 1 P.V.
2m1 1−e M e−1 e
então x0 = −2.

xn+1 = xn − = xn − = =
f 0 (xn ) 1 − ex n 1 − exn
exn (1 − xn ) − 2
=
1 − ex n
1 2n
k xk |e (xk )| ≤ M (M (b − a)) < 10−3
0 x0 = −2 = 1 < 10−3 False
1 x1 = −1.843482357 ≈ 0.3 < 10−3 False
2 x2 = −1.841406066 ≈ 0.02 < 10−3 False
3 x3 = −1.841405660 ≈ 0.0002 < 10−3 True

264 Capı́tulo 4. 2003/2004
observações.
(100, 0.03) Ã α + β100 = 0.03
(200, 0.07) Ã α + β200 = 0.07
(500, 0.11) Ã α + β500 = 0.11
(1000, 0.14) Ã α + β1000 = 0.14

   
 1 100 
 
0.03 
   
   
 1 200   α   0.07 
Ax = b ⇔ 


 =
  .

 1 500  β  0.11 
   
   
1 1000 0.14

    
 4 1800   α   0.35 
AT Ax = AT b ⇔   = .
1800 1300000 β 212

   
 4 1800   `211 `21 `11 
AT A =  T
 = LL =  ,
1800 1300000 `21 `11 `221 + `222
o que implica que,


 √

 `11 = 4=2





  




1800  2 0 
`21 = = 900 ⇒L= 

 2

 900 700





 q


 `22 =
2
1300000 − (900) = 700



 1o ) Ly = AT b



T T T
| {zA} x = A b ⇔ LL
A x = AT b ⇔
|{z} 

=LLT =y 

 2o ) L T x = y


     
 35

 y1 =

 200
 2 0   y1   0.35 
Ly = AT y ⇔   = ⇔ .


900 700 y2 212 

 y2 = 109

1400
266 Capı́tulo 4. 2003/2004


     
 734

 α =

 19600
 2 900   α   35/200 
LT x = y ⇔   = ⇔ .


0 700 β 109/1400 
 109

 β =
980000
por
734 109
y = α + βx = + x.
19600 980000
734 109
y= + × 750 ≈ 0.1209 ≈ 0.12.
19600 980000
(2,0) 6. Prove que, para qualquer x = (x1 , x2 , . . . , xn ) ∈ Rn , se verifica
kxk∞ ≤ kxk1 ≤ nkxk∞ .
O que significam as desigualdades anteriores.
Solução 4.6.6. A prova destas desigualdades vai ser efectuada em duas etapas.
1a Etapa: Provar que kxk∞ ≤ kxk1 ;
Suponha-se que
Então,
kxk∞ = |xk | ≤ |x1 | + . . . + |xk−1 | + |xk | + |xk+1 | + . . . + |xn | = kxk1

| {z } | {z }
≥0 ≥0
2a Parte: Provar que kxk1 ≤ nkxk∞ ;
Suponha-se novamente que

Então,


 |x1 | ≤ |xk |







 |x2 | ≤ |xk |



 .. .

 . ≤ ..






 |xk−1 | ≤ |xk |



 |xk | ≤ |xk |





 |xk+1 | ≤ |xk |





 .. .


 . ≤ ..



 |xn | ≤ |xk |
Consequentemente,
|x1 | + |x2 | + . . . + |xk−1 | + |xk | + |xk+1 | + . . . + |xn | ≤ n |xk | ,
o que é equivalente a dizer que

n
X
|xi | ≤ n |xk | ⇔ kxk1 ≤ n |xk | ⇔ kxk1 ≤ nkxk∞ .
i=1
As desigualdades provadas anteriormente, provam que a norma k.k2 e a norma k.k∞ são normas
equivalentes no espaço vectorial Rn .
BOA SORTE
268 Capı́tulo 4. 2003/2004
Exame de Época Especial (2a chamada), 2004/02/05 ao 3h:000

Duraç~

Ã r !
1 V
E= ρ−k .
2π h
x −2 −1 0 1 2
f (x) 0 α −4 β 8
igual a
2
(x1 − x0 )
max |f 00 (ξ)| .
ξ∈[a,b] 8

Z π/2
sin (x) dx,
−π/2
utilizando a regra dos trapézios com 3 pontos (2 sub-intervalos). Explique o que acontece com o
mg m2 g ³ ´
s (t) = s0 + t − 2 1 − e−kt/m ,
k k

 
4 2 0
 
 
A=
 2 5 4
.

 
0 4 20

· ¸T
b= 1 0 1 .
BOA SORTE
270 Capı́tulo 4. 2003/2004
4.8 2004/01/16 - ESC
Análise Numérica Engenharia de Sistemas e Computação

Duraç~
p
ρ= ,
RT

¯ ¯ ¯ ¯
¯ ∂ρ ¯ ¯
¯ pa (p a , T a ) ¯ ¯ pa 1 ¯¯
¯ ∂p ¯ ¯ RTa ¯
condp (ρ (pa , Ta )) = ¯¯ ¯=¯
¯ pa ¯¯ = 1
¯ ρ (pa , Ta ) ¯ ¯¯
¯ ¯ RTa ¯
e a que
¯ ¯ ¯¯ −p ¯¯
¯ ∂ρ ¯ a
¯ Ta (p , T ) ¯ ¯ Ta ¯
¯ ∂T a a ¯ ¯¯ RTa2 ¯¯
condT (ρ (pa , Ta )) = ¯ ¯ = ¯ pa ¯ = 1,
¯ ρ (pa , Ta ) ¯ ¯
¯ ¯ ¯ RT ¯¯
a
4.8. 2004/01/16 - ESC 271
10−4 10−4
|eR (pa )| < = 0.5 × 10−3 e |eR (Ta )| < = 0.5 × 10−3 ,
2 2

³x´ ³x´
f (x) = ln + tan .
π 3
hπ i
2
hπ i
2
n x π o ½ 3π
¾
+
3 2 2
£ ¤
£ ¤
Notando ainda que

³π´ µ
π/2
¶ µ
π/2
¶ µ ¶
1 ³ π ´ √3
f = ln + tan = ln + tan = − ln (2) ≈ −0.1 < 0,
2 π 3 2 6 3
e que
³π´ ³π´ ³π ´ √
f (π) = ln + tan = ln (1) + tan = 3 ≈ 1.7 > 0,
π 3 3
£ ¤

µ ¶0 hπ i
1/π sin (x/3) 1 1 1
f 0 (x) = + = + > 0, ∀x ∈ ,π .
x/π cos (x/3) x
|{z} 3 cos2 (x/3) 2
| {z }
>0, ∀x∈[ π
2 ,π ] >0, ∀x∈[ π
2 ,π ]
272 Capı́tulo 4. 2003/2004
£π ¤
£ ¤
£ ¤
£ ¤
£ ¤
π
x 2 π
√
3
√
f (x) 3 3
£π ¤
£ ¡ ¢ ¤
yi xi = f −1 (yi ) f −1 [., .]
√
3 π
y0 = − ln (2)
3 2
π
f −1 [y0 , y1 ] = √ = 0.85006806063903 . . .
3 3
3 + 2 ln (2)
√
y1 = 3 π
Desta forma,
Ã Ã√ !!
−1 π π 3
f (y) ≈ q1 (y) = a0 + a1 (y − y0 ) = + √ y− − ln (2) ,
2 3 3
+ 2 ln (2) 3
3
£ ¡ ¢ ¤
para y ∈ f −1 π2 , f −1 (π) = I.
Como tal, √
−1 π π ln (2) − 33
α=f (0) ≈ q1 (0) = + 2 √ = 1.47236107091834 . . . .
2 2 3 3 + ln (2)

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|e (q1 (y))| = ¯ ¯ |(y − y0 ) (y − y1 )| , y ∈ I.
¯ 2! ¯

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯
¯ ¯
|α − q1 (0)| = |e (q1 (0))| = ¯ ¯ |(0 − y0 ) (0 − y1 )| .
¯ 2! ¯
4.8. 2004/01/16 - ESC 273

¯¡ ¢ ¯
¯ −1 ¯ ¯¯ f −1 00 (ξ) ¯¯
¯f [y0 , y1 , y2 ]¯ = ¯ ¯.
¯ 2! ¯
Por definição,
¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ ,
¯ y2 − y0 ¯
£π ¤ 3π
µ ¶
3π
y2 = f = 0.71231792754822 . . . ,
4

x2 − x1
f −1 [y1 , y2 ] = = 0.77019990115601 . . . ,
y2 − y1

¯ ¯
¯ −1 ¯ ¯ −1 −1 ¯
¯f [y0 , y1 , y2 ]¯ = ¯ f [y1 , y2 ] − f [y0 , y1 ] ¯ = |−0.096445753329716| ≈ 0.096 .
¯ y2 − y0 ¯

¯¡ ¯
¯ f −1 ¢00 (ξ) ¯ ¯ ¯
¯ ¯ ¯ −1
¯ ¯ ≈ f [y0 , y1 , y2 ]¯ ≈ 0.096,
¯ 2! ¯
|α − q1 (0)| = |e (q1 (0))| ≈ 0.096 × 0.12 × 1.7 ≈ 0.02 ≤ 0.05.
f (x)
£ ¤

R0
274 Capı́tulo 4. 2003/2004
R0

Z 0
h 1 2
−2 3 3 3
R0
f (x) dx, visto

Z 0
2
I (f ) = f (x) dx = Ia (f ) = IS (f ) = .
−2 3
2 2
(x + 2) − 2 ex (x + 2) + (ex ) = 0,
2 2 2
(x + 2) − 2 ex (x + 2) + (ex ) = 0 ⇔ (x + 2 − ex ) = 0 ⇔ x + 2 − ex = 0 ⇔ f (x) = 0.
f (x) = 0 ⇔ x + 2 − ex = 0 ⇔ x + 2 = ex ,
4.8. 2004/01/16 - ESC 275

intervalo. Assim,
f 0 (x) = 1 − ex > 0, ∀x ∈ [−2, −1] ,
mesmo.
f 0 (x) = 0 ⇔ 1 − ex = 0 ⇔ x = 0 ∈
/ (−2, −1).
276 Capı́tulo 4. 2003/2004
1
(b − a) < ,
M
M2
2m1 x∈[−2,−1] x∈[−2,−1]
Neste caso,

x∈[−2,−1] x∈[−2,−1] x∈[−2,−1]
©¯ ¯ ¯ ¯ª
x∈[−2,−1] x∈[−2,−1]
Desta forma,
M2 e−1 1 1 − e−1 1
M= = −1
⇒ = = −1 − 1 = e − 1 ≈ 1.72 > (b − a) = 1 P.V.
2m1 1−e M e−1 e
então x0 = −2.

xn+1 = xn − = xn − = =
f 0 (xn ) 1 − ex n 1 − exn
exn (1 − xn ) − 2
=
1 − ex n
1 2n
k xk |e (xk )| ≤ M (M (b − a)) < 10−3
0 x0 = −2 = 1 < 10−3 False
1 x1 = −1.843482357 ≈ 0.3 < 10−3 False
2 x2 = −1.841406066 ≈ 0.02 < 10−3 False
3 x3 = −1.841405660 ≈ 0.0002 < 10−3 True

4.8. 2004/01/16 - ESC 277
observações.
(100, 0.03) Ã α + β100 = 0.03
(200, 0.07) Ã α + β200 = 0.07
(500, 0.11) Ã α + β500 = 0.11
(1000, 0.14) Ã α + β1000 = 0.14

   
 1 100 
 
0.03 
   
   
 1 200   α   0.07 
Ax = b ⇔ 


 =
  .

 1 500  β  0.11 
   
   
1 1000 0.14
278 Capı́tulo 4. 2003/2004

    
 4 1800   α   0.35 
AT Ax = AT b ⇔   = .
1800 1300000 β 212

   
 4 1800   `211 `21 `11 
AT A =  T
 = LL =  ,
1800 1300000 `21 `11 `221 + `222
o que implica que,


 √

 `11 = 4=2





  




1800  2 0 
`21 = = 900 ⇒L= 

 2

 900 700





 q


 `22 =
2
1300000 − (900) = 700



 1o ) Ly = AT b



T T T
| {zA} x = A b ⇔ LL
A x = AT b ⇔
|{z} 

=LLT =y 

 2o ) L T x = y


     
 35

 y1 =

 200
 2 0   y1   0.35 
Ly = AT y ⇔   = ⇔ .


900 700 y2 212 

 y2 = 109

1400
4.8. 2004/01/16 - ESC 279


     
 734

 α =

 19600
 2 900   α   35/200 
LT x = y ⇔   = ⇔ .


0 700 β 109/1400 
 109

 β =
980000
por
734 109
y = α + βx = + x.
19600 980000
734 109
y= + × 750 ≈ 0.1209 ≈ 0.12.
19600 980000
(2,0) 6. Obtida a decomposição QR de uma determinada matriz A ∈ Rm×n , indique o número de
operações que terá de efectuar para resolver o sistema de equações lineares Ax = b.
Solução 4.8.6. Atendendo ao facto de a matriz Q ser uma matriz ortogonal, então QT = Q−1 , logo,
QRx = b ⇔ QT QRx = QT b ⇔ Rx = QT b.
Atendendo ao facto da matriz R ser triangular superior, de dimensão n × n, basicamente o que temos
de fazer é resolver um sistema triangular superior. Quanto ao termo independente, a sua análise é a
seguinte,
Q ∈ Rm×n ⇒ QT ∈ Rn×m ,
pelo que QT b é um vector de dimensão n, onde cada uma das suas componentes é obtida através da
seguinte fórmula


 m multiplicações
qi1 b1 + qi2 b2 + qi3 b3 + . . . + qim bm ⇒

 (m − 1) adições
No total, para obtermos todas as componentes do vector QT b ∈ Rn teremos de efectuar n × m
multiplicações e n × (m − 1) adições.
280 Capı́tulo 4. 2003/2004
Resta-nos verificar o que se passa com a resolução do sistema triangular superior. Designe-se o vector
QT b por c. A forma geral do sistema é a seguinte,





 r11 x1 +r12 x2 + . . . + r1,n−1 xn−1 + r1n xn = c1





 r22 x2 + . . . + r2,n−1 xn−1 + r2n xn = c2



.. .. .. ..
. . . = .





 rn−1,n−1 xn−1 + rn−1,n xn = cn−1






 rnn xn = cn
Este sistema resolve-se por substituições ascendentes, assim,

 

 
 n−1
 c1 − r12 x2 − . . . − r1,n−1 xn−1 − r1n xn adições

 x1 =

 r11 

  n multiplicação









 



 
 n−2

 c2 − r23 x3 − . . . − r2,n−1 xn−1 − r2n xn adições

 x2 =

 r22 

  n−1 multiplicação










.. .
 . = ..







 



 
 1
 adição
 xn−1 = cn−1 − rn−1,n xn . . . . . . . . . . . . . . . . . . . . .



 rn−1,n−1 

  2 multiplicação









 

 

  0 adições

 cn

 xn = ..................................

 rnn 
 1 multiplicação
Por esta razão, podemos concluir que o número de operações que se efectuam para resolver o sistema de
equações lineares Rx = c é o seguinte,
0 + (n − 1) n2 − n
Adições 0 + 1 + 2 + . . . + (n − 1) = ×n=
2 2
1+n n2 + n
Multiplicações 1 + 2 + 3 + ... + n = ×n=
2 2
No total, somando as operações que se têm de efectuar para obter o vector c = QT b, obtemos os
seguintes números
4.8. 2004/01/16 - ESC 281
n2 − n
Adições + n × (m − 1)
2
n2 + n
Multiplicações +n×m
2
BOA SORTE
282 Capı́tulo 4. 2003/2004
4.9 2004/02/05 - ESC
Exame de Época de Recurso, 2004/02/05 ao 3h:000

Duraç~

Ã r !
1 V
E= ρ−k .
2π h
x −2 −1 0 1 2
f (x) 0 α −4 β 8
igual a
2
(x1 − x0 )
max |f 00 (ξ)| .
ξ∈[a,b] 8
4.9. 2004/02/05 - ESC 283

Z π/2
sin (x) dx,
−π/2
mg m2 g ³ ´
s (t) = s0 + t − 2 1 − e−kt/m ,
k k

 
4 2 0
 
 
A=
 2 5 4
.

 
0 4 20

· ¸T
b= 1 0 1 .
BOA SORTE
284 Capı́tulo 4. 2003/2004
4.10 2004/06/09 - ESC
Universidade do Algarve FCT, Departamento de Matemática
Exame de Trabalhador Estudante, 2004/06/09 ao 2h:300

Duraç~
(3,0) 1. Admitindo que os erros relativos absolutos que afectam as aproximações xa , ya e za
verificam as relações que se seguem

¯ ¯ ¯ ¯ ¯ ¯
¯ x − xa ¯ ¯ y − ya ¯ ¯ z − za ¯
|eR (xa )| ≈ ¯¯ ¯ ≤ 0.1, |eR (ya )| ≈ ¯¯ ¯ ≤ 0.1, |eR (za )| ≈ ¯¯ ¯ ≤ 0.1,
xa ¯ ya ¯ za ¯
um majorante para o erro relativo absoluto que se comete na aproximação para o valor da função
f (xa , ya , za ), tomando
xy
f (x, y, z) = .
z
f (x) = x2 − 1 + log (x + 1) .
a) Prove que esta função possui uma raiz no intervalo [0, 1];
b) Verifique se é possı́vel aplicar o método de Newton para aproximar a solução da função
f (x) = 0 existente no intervalo [0, 1];
c) Utilize o método de Newton para obter uma aproximação para o zero da função pertencente
ao intervalo [0, 1], parando quando

¯ ¯
¯ xk+1 − xk ¯
¯ ¯ −4
¯ xk+1 ¯ ≤ 0.5 × 10 .
(3,0) 3. Considere a matriz

 
4 2 0
 
 
A=
 2 4 2 
.
 
0 2 4
a) Averigúe se a matriz A é simétrica definida positiva;

4.10. 2004/06/09 - ESC 285
b) O que pode dizer acerca da existência da decomposição de Cholesky da matriz A? Caso seja
possı́vel efectuá-la, indique a matriz L.
(5,0) 4. Suponha que f (x) = a0 + a1 x + a2 x2 . Para a função f conhecemos a seguinte tabela de
valores
x −1 0 1 2
, α ∈ R.
f (x) α 1 2α −2
a) Determine, mediante uma escolha apropriada dos pontos, o polinómio interpolador de grau 2
para obter uma aproximação para o valor da função no ponto x = 0.2;
b) Calcule a diferença dividida f [−1, 0, 1, 2]. Obtenha o valor da constante real α;
c) Estime o valor de f (0.2). O que é possı́vel dizer quanto ao erro que afecta a estimativa
obtida?
(5,0) 5. Sejam dados os seguintes pontos de uma determina função y = f (x)
x −1 0 1 2
y = f (x) −1 −2 1 1
Pretende-se encontrar a recta que melhor aproxima os pontos no sentido dos mı́nimos quadrados.
a) Escreva o sistema sobredeterminado que está associado ao problema a resolver;
b) Resolva o sistema encontrado na alı́nea anterior, construindo para tal o sistema das equações
normais;
c) Calcule o resı́duo provocado pela solução encontrada. O que pode dizer acerca da norma 2 do
vector do resı́duo que obteve? Justifique a resposta dada.
BOA SORTE
286 Capı́tulo 4. 2003/2004
Propagação do Erro
|e (xa )| = |x − xa |
¯ ¯
¯ x − xa ¯
|eR (xa )| = ¯¯ ¯
x ¯
Pn ¯ ¯
|e (f (x1a , . . . , xna ))| ≤ k=1 |e (xka )| ¯fx0 k (x1a , . . . , xna )¯
¯ ¯
Pn ¯ xka fx0 k (x1a , . . . , xna ) ¯
|eR (f (x1a , . . . , xna ))| ≤ ¯ ¯
k=1 |eR (xka )| ¯
f (x1a , . . . , xna ) ¯
Resolução de Equações Não-Lineares
f (xk )
Newton: xk+1 = xk − , k = 0, 1, . . .
f 0 (xk )
Sistemas de Equações Lineares

q Pi−1
Pi−1 2 aij − k=1 ìk `kj
ìi = aii − k=1 ìk , i = 1, 2, . . . , n, ìj = , i = 1, 2, . . . , n, i > j.
ìi
resı́duo associado a x
e = r = b − Ae
x
Interpolação Polinomial
Lagrange:
Pn (x − x0 ) . . . (x − xk−1 ) (x − xk+1 ) . . . (x − xn )
pn (x) = k=0 Lk (x) f (xk ), com Lk (x) =
(xk − x0 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn )
Newton com Diferenças Divididas:
Pn Qk−1
pn (x) = k=0 ak i=0 (x − xi ), com ak = f [x0 , . . . , xk ]
f [xi+1 , . . . , xi+k , xi+k+1 ] − f [xi , xi+1 , . . . , xi+k ]

f [xi , xi+1 , . . . , xi+k , xi+k+1 ] =
xi+k+1 − xi
f [xi ] = f (xi ) = yi
4.11. 2004/06/09 - Engenharia de Sistemas e Informática 287
4.11 2004/06/09 - Engenharia de Sistemas e Informática
Análise Numérica Engenharia de Sistemas e Informática
Frequ^
encia, 2004/06/09 ao 2h:000
Duraç~
(3,0) 1. Admitindo que os erros relativos absolutos que afectam as aproximações xa , ya e za
verificam as relações que se seguem

¯ ¯ ¯ ¯ ¯ ¯
¯ x − xa ¯ ¯ y − ya ¯ ¯ z − za ¯
¯
|eR (xa )| ≈ ¯ ¯ ≤ 0.1, ¯
|eR (ya )| ≈ ¯ ¯ ≤ 0.1, ¯
|eR (za )| ≈ ¯ ¯ ≤ 0.1,
xa ¯ ya ¯ za ¯
um majorante para o erro relativo absoluto que se comete na aproximação para o valor da função
f (xa , ya , za ), tomando
xy
f (x, y, z) = .
z
f (x) = x2 − 1 + log (x + 1) .
a) Prove que esta função possui uma raiz no intervalo [0, 1];
b) Verifique se é possı́vel aplicar o método de Newton para aproximar a solução da função
f (x) = 0 existente no intervalo [0, 1];
c) Será que o esquema iterativo do método do ponto fixo,
xk+1 = g (xk ) , k = 0, 1, . . . ,
com g (x) = x2 + x − 1 + log (x + 1), garante a existência de ponto fixo no intervalo [0, 1]?
(3,0) 3. Considere a matriz

 
4 2 0
 
 
A=
 2 4 2 
.
 
0 2 4
a) Averigúe se a matriz A é simétrica definida positiva;

288 Capı́tulo 4. 2003/2004
b) O que pode dizer acerca da existência da decomposição de Cholesky da matriz A? Caso seja
possı́vel efectuá-la, indique a matriz L.
(5,0) 4. Consideremos a seguinte função de Heaviside com translação


 1, se t ≥ 2
u2 (x) = .

 0, se t < 2
a) Calcule, utilizando a definição, a transformada de Laplace para a seguinte função
¡ ¢
f (t) = u2 (t) e2t + 4t ;
b) Utilizando as tabelas, calcule a transformada de Laplace para a função
¡ ¢
g (t) = t2 u2 (t) e2t + 4t ;
c) Obtenha a transformada inversa de Laplace para a seguinte função
4s2 + 1
L (s) = .
s3+ s2 − s
BOA SORTE
|e (xa )| = |x − xa |
¯ ¯
¯ x − xa ¯
|eR (xa )| = ¯¯ ¯
x ¯
Pn ¯ ¯
¯ ¯
Pn ¯ xka fx0 k (x1a , . . . , xna ) ¯
|eR (f (x1a , . . . , xna ))| ≤ ¯ ¯
k=1 |eR (xka )| ¯
f (x1a , . . . , xna ) ¯
Decomposição de Cholesky
q Pi−1
Pi−1 aij − k=1 ìk `kj
ìi = aii − k=1 `2ik , i = 1, 2, . . . , n, ìj = , i = 1, 2, . . . , n, i > j.
ìi
Transformada de Laplace
f (t) L {f (t)} (s)
tn , n ∈ N n!
, s>0
sn+1
1
ekt , k ∈ R , s>k
s−k
n dn L {g (t)} (s)
tn g (t) (−1) (s) , s ∈ DL{g(t)}(s)
dsn
290 Capı́tulo 4. 2003/2004
4.12 2004/06/23 - Engenharia de Sistemas e Informática
Análise Numérica Engenharia de Sistemas e Informática
Exame de Época Normal - Trabalhador Estudante, 2004/06/23 ao 3h:000

Duraç~
1 2
(3,0) 1. O espaço percorrido por um corpo em movimento uniforme acelerado é dado por s = gt ,
2
onde g é tomada como igual a 9.8m.s−2 designa a gravidade e o tempo t é medido em segundos
com um erros de 0.1 s. Mostre que à medida que t aumenta, o erro absoluto na medição do espaço
s aumenta, enquanto que o erro relativo diminui.
x −3 −1 1 3
f (x) −33 14 −2 −5
a) Determine um valor aproximado de

Z3
f (x) dx,
−3
usando a regra dos trapézios e indique uma estimativa do erro cometido nessa aproximação;
b) Supondo que, para x ≥ −1, a função é da forma
f (x) = 3x4 + a3 x3 + a2 x2 + a1 x + a0 , a3 , a2 , a1 , a0 ∈ R,
e que f [−1, 1, 2] = 4, escreva, recorrendo ao polinómio interpolador nos últimos três pontos
da tabela, uma expressão que permita obter f (x).
(5,0) 3. A excentricidade da órbita de Vénus é dada por e = 0.007. Resolva a equação de Kepler
f (x) = x − e sin (x) − z = 0,
para z = 0.7.
a) Prove que a equação possui uma única solução no intervalo [0, 1];
b) Se pretendermos aproximar a solução com um erro não-superior a 0.5 × 10−6 , utilizando o
método da bissecção, quantas iterações teremos de efectuar?
c) Aproxime a solução, utilizando o método de Newton, com um erro inferior a 0.5 × 10−6 .
(4,0) 4. Resolva o seguinte sistema de equações lineares



 0.0003x + 1.566y = 1.569

 0.3454x − 2.436y = 1.018
utilizando o método de eliminação de gauss:
a) em aritmética exacta;
b) com uma aritmética de 4 algarismos significativos, sem escolha de pivot;
c) com uma aritmética de 4 algarismos significativos, com escolha parcial de pivot.
Comente os resultados obtidos.
(4,0) 5. Pretende-se resolver o sistema de equações lineares sobredeterminado que se segue, no
sentido dos mı́nimos quadrados,

 √ √   √  
2 2 2 x1 2
    
    
Ax = b ⇔ 
 0 1    
  x2  =  1
.

    
2 1 x3 −1
a) Construa o sistema das equações normais associado a este sistema;
b) Resolva o sistema resultante da alı́nea a), utilizando a decomposição mais apropriada para o
fazer;
c) O que pode dizer acerca da solução obtida na alı́nea b).
BOA SORTE
292 Capı́tulo 4. 2003/2004
¯ ¯
¯ x − xa ¯
|e (xa )| = |x − xa |, ¯
|eR (xa )| = ¯ ¯
x ¯
Pn ¯ ¯
¯ ¯
Pn ¯ xka fx0 k (x1a , . . . , xna ) ¯
|eR (f (x1a , . . . , xna ))| ≤ ¯ ¯
k=1 |eR (xka )| ¯
f (x1a , . . . , xna ) ¯
Interpolação Polinomial
Lagrange:
Pn (x − x0 ) . . . (x − xk−1 ) (x − xk+1 ) . . . (x − xn )
pn (x) = k=0 Lk (x) f (xk ), com Lk (x) =
(xk − x0 ) . . . (xk − xk−1 ) (xk − xk+1 ) . . . (xk − xn )
Newton com Diferenças Divididas:
Pn Qk−1
pn (x) = k=0 ak i=0 (x − xi ), com ak = f [x0 , . . . , xk ]
f [xi+1 , . . . , xi+k , xi+k+1 ] − f [xi , xi+1 , . . . , xi+k ]

f [xi , xi+1 , . . . , xi+k , xi+k+1 ] =
xi+k+1 − xi
f [xi ] = f (xi ) = yi , i = 0, 1, . . . , n
Integração Numérica
µ ¶
Rb h P
n−1 b−a
Trapézios: I (f ) = a
f (x) dx ≈ IT (f ) = f (x0 ) + 2 f (xk ) + f (xn ) , h = ,
2 k=1 n
1 00
e (IT (f )) = − f (ξ) h2 , com ξ ∈ [a, b].
12
Resolução de Equações Não-Lineares
b−a
Bissecção: |e (xk )| ≤ , k = 1, 2, . . ..
2k
f (xk ) 1 2k
Newton: xk+1 = xk − , k = 0, 1, . . . |e (xk )| ≤ (M (b − a)) , k = 0, 1, . . .,
f 0 (xk ) M
M2
com M = , M2 = max |f 00 (x)| , m1 = min |f 0 (x)| .
2 m1 x∈[a,b] x∈[a,b]
Sistemas de Equações Lineares

 q
 Pj−1

 `jj = ajj − k=1 `2jk ,



Cholesky: , j = 1, 2, . . . , n.

 Pi−1

 aij −

 ìj k=1 ìk `kj
= , i = 1, 2, . . . , n, i > j
ìi

Testes e Exames Resolvidos de Análise Numérica e de Matemática Computacional

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Testes e Exames Resolvidos de Análise Numérica e de Matemática Computacional

Caricato da

Copyright:

Formati disponibili

Universidade do Algarve

FCT - Dep. de Matemática

Testes e Exames Resolvidos de

3.4 2003/04/29 - Eng. Biotecnológica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180

2.1 12/11/2001 - Matemática

1. Seja dada a seguinte função

a) Determine um majorante para o erro absoluto que se comete no cálculo de f (xa , ya );

∂f 2 sin (x) cos (x) xy − y sin2 (x) − yey

1.332283559 − 1.201751582 − 7.558799333 −7.428267356

∂f ey xy − x sin2 (x) − xey

e1.571 1.064650844 × 1.571 − 1.064650844 × sin2 (61o ) − 1.064650844 × e1.571

8.04748209 − 0.8144149178 − 5.122522018 2.110545154

Atendendo então à fórmula de propagação directa do erro vamos então obter,

≤ 2.655343748 × 0.009308422 + 0.7544455 × 0.00025 = 0.024905671 ≈ 0.025 ≤ 0.05

e por outro lado,

Nota 2. Devemos notar que, se y = π/2 e |e (π)| ≤ 0.0005, então,

|e (y)| ≤ 0.0005/2 = 0.00025.

Basta estudar a propagação do erro em y.

Nota 3. Uma vez que

sin2 (xa ) + eya 5.576416878

|e (f (xa , ya ))| ≤ 0.025 ≤ 0.05,

b) Sabemos então que

|e (f (xa , ya ))| |e (f (xa , ya ))|

f (xa , ya ) = 3.334047978 e que |e (f (xa , ya ))| ≤ 0.025,

temos então que

2. Pretende-se calcular, utilizando uma aritmética de 4 algarismos significativos, as raı́zes da seguinte

a) Use a regra standard (fórmula resolvente) para aproximar as raı́zes da equação;

trabalhando com 4 algarismos significativos e utilizando a fórmula resolvente. Desta forma,

Notando então que

vamos então obter

a), através da aplicação da relação demonstrada na alı́nea b). Assim,

3. Seja dada a seguinte função

a) Prove que a função f possui um único zero, α, no intervalo [1, 2];

ii) Escolhendo um intervalo e um ponto x0 adequados, calcule x2 . Calcule um majorante

). Assim, como f é uma função contı́nua em R ⊃ [1, 2], e

⇒ f (1) × f (2) < 0 ⇒ ∃α ∈ [1, 2] : f (α) = 0,

o que prova a existência.

Quanto à unicidade, teremos de estudar a derivada da função f , assim sendo,

contrários. Neste caso,

10−4 , vamos então ter de resolver a seguinte inequação,

Newton pode não convergir.

intervalo onde se verifique a relação

bissecção fornece-nos os seguintes valores,

convergência se verificam, assim,

no intervalo [1.5, 2]. Pelo que,

e por outro lado,

intervalo. Para isso apliquemos mais uma vez o método da bissecção.

Neste caso vamos obter também,

m1 = min {|f 0 (1.75)| , |f 0 (2)|} ≈ min {|17.98| , |36.9|} = 17.98

M2 = max {|f 00 (1.75)| , |f 00 (2)|} ≈ min {|58.27| , |96.1|} = 96.1,

Quanto ao majorante para o erro temos o seguinte esquema recursivo,

Ora x0 = b e α ∈ ]a, b[, pelo que é imediato que α < x0 = b.

Usando então o teorema de Taylor temos,

o que equivale a escrever

f 0 (xk ) > 0 e f (xk ) > 0, o que faz com que

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

Newton por x∗ . Assim sendo,

o que implica que

f (xk ) −→ f (x∗ ) e f 0 (xk ) −→ f 0 (x∗ ) ,

hipótese, é α, vem imediatamente que x∗ = α.

g (x) = x − λ (x − sin (x + 1)) , λ 6= 0.

a) Verifique que a raiz α é, de facto, ponto fixo da função g no intervalo Ω;

Solução 2.1.5. a) Para provarmos este facto basta notar que

f (x) = x2 − sin2 (x + 1) = (x − sin (x + 1)) (x + sin (x + 1)) = 0 ⇔