MANUAL DA DISCIPLINA DE

MÉTODOS NUMÉRICOS

Maputo, Julho de 2015

CAPÍTULO 1 – CÁLCULO COM NUMÉROS APROXIMADOS

1.1 NOÇÃO DE ERRO

Nenhum resultado obtido através de cálculos eletrónicos ou métodos

numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis
erros envolvidos no processo.
A análise dos resultados obtidos através de um método numérico representa
uma etapa fundamental no processo das soluções numéricas.

FONTES DE ERROS

Dado um problema, para se chegar a um resultado numérico é necessário

realizar uma sequência pré-estabelecida de passos. Em cada um destes passos
pode existir uma parcela de erro que se acumula ao montante do processo.
Estes erros surgem basicamente de duas formas: aqueles inerentes `a
formulação matemática do problema (relacionados `a aproximação da
situação física e a erros nos dados) e aqueles que aparecem no processo de
solução numérica (erros de truncamento e de arredondamento).
Os erros de truncamento surgem, em geral, pela substituição de um processo
infinito (de somas ou integrais) ou infinitesimal por outro finito.

Erros também podem surgir pelo facto que as operações aritméticas quase
nunca podem ser efectuadas com precisão completa; estes são denominados
de erros de arredondamento. A maioria dos números tem representações
decimais infinitas que devem ser arredondadas. Mesmo se os dados de um
problema podem ser expressos exactamente por representações decimais
finitas, a divisão pode introduzir números que devem ser arredondados e a
multiplicação pode produzir mais dígitos do que podem ser razoavelmente
mantidos.
Os tipos de arredondamento mais utilizados são:
- tipo corte: as casas em excesso são simplesmente abandonadas;
- para o número de máquina mais próximo: se a máquina trabalha com d
algarismos significativos para a mantissa de um número, então analisa-se o
algarismo de ordem d+1. Se este for maior ou igual a 5, soma-se uma unidade
ao algarismo de ordem d; caso contrário, o algarismo de ordem d permanece
inalterado.

1.2 ERROS ABSOLUTOS E RELATIVOS

ERRO ABSOLUTO

_
A diferença entre um valor exacto x e sua aproximação x é dito erro absoluto
_
o qual se denota por ∆x ou ε x , isto é: ∆x = x − x

Na prática, o valor exato é quase sempre não conhecido. Como o erro é

_
definido por ∆x = x − x consequentemente também será não conhecido.

Uma solução para este problema é ao invés de determinar o erro, determinar

uma cota para o erro. Isso permitirá que, mesmo não conhecendo o erro, saber
que ele está entre dois valores conhecidos.
Dizemos que um número ε > 0 é uma cota para o erro ε x se ε x < ε

Assim, mesmo não conhecendo o valor exacto, podemos afirmar que ele esta
_ _
entre x − ε e x + ε que são valores conhecidos.

É evidente que uma cota ε só tem algum valor prático se for maior que zero.
ERRO RELATIVO

Erro relativo é determinado pela divisão do erro absoluto de um número pelo

seu valor aproximado:

_
x−x
Rx = _
x

1.3 COMPARAÇÃO DE EXACTIDÃO

Diz-se que a aproximação efectuada em relação a x é mais exacta que a de

y se e somente se R x < R y

1.4 PROPAGAÇÃO DE ERROS

_
Sabendo que x é um valor aproximado de x . Como determinar y = f (x) ? Será
_ _
que y = f ( x) é uma boa aproximação?

_ _ _ _
∆y = y − y = f ( x) − f ( x) = f ( x + ∆x) − f ( x)
Com base nesta premissa, pode-se constatar que o Majorante do erro
_
absoluto da aproximação y de y é:

∆y ≤ f x´ * ∆x
max

Aplicando o resultado acima, para funções de várias variáveis, obteremos a

fórmula abaixo que se designa por Fórmula Fundamental de Cálculo de
Erros:

∆f ≤ f x´1 * ∆x1 + f x´2 * ∆x 2 + ... + f x´n * ∆x n

1.4 EXERCICIOS

1. Use a técnica de truncamento para aproximar π com quatro casas

decimais, sabendo que: π = 3,1415926535...

3. Que valor é mais exato quando se usam:

• 3,14 Aproximado de π

• 2,718 Aproximado de e

4. Determine a área e o erro absoluto de um jardim trapezial, dado que:

a = 5 ± 0,01 ; b = 15 ± 0,02 e h = 4 ± 0,01

cos( x)
5. Considerando a relação t = + e − yz , com os seguintes dados:
y
x = 1 .3 ± 0 .1
y = 0.25 ± 4%
z = 1.7 ± 3 * 10 −1

Determine o valor aproximado de t e o majorante do erro absoluto.

6. O volume v de um líquido num tanque esférico de raio r está relacionado com a

profundidade h do líquido da seguinte forma:

Calcule o volume do líquido e o erro absoluto para um tanque com profundidade

h = 0.5 e raio r = 1 sabendo que nas extração dos dados cometeu-se um erro de
10 −2 para cada um dos dados.

7. Uma corrente eléctrica atravessa uma resistência R de 20 Ω . A resistência foi

medida com um erro relativo que não excede 0.01. A intensidade da corrente I é
de 3 ± 10% A. Sabendo que a tensão da corrente é dada por V = R*I, determine o
valor aproximado da tensão da corrente e o limite superior do erro absoluto.
CAPÍTULO 2 – INTERPOLAÇÃO E APROXIMAÇÃO POLINOMIAL

2.1 INTRODUÇÃO

Interpolação é o processo de estimar valores de uma função f para valores de

x diferentes de xi , para i = 0,..., n , sabendo-se apenas os valores de f ( x) nos pontos

x0 , x1 ,..., x n . A interpolação ajuda-nos a responder problemas do tipo:

Qual é o valor de f ( xi ) para x1 < xi < x 2 , dado que:

x x0 x1 x2 ….. xn

f ( x) f ( x0 ) f ( x1 ) f ( x2 ) …... f ( xn )

• Interpolar uma função f(x) consiste em aproximar essa função por uma outra
função g(x).
• g(x) é escolhida entre uma classe de funções definidas a priori e que satisfaçam
algumas propriedades.
• A função g(x) é então usada em substituição à função f(x).

A necessidade de se efectuar esta substituição surge em várias situações, como por

exemplo:

• Quando são conhecidos somente valores numéricos da função por um conjunto

de pontos (não dispondo da sua forma analítica) e é necessário calcular o valor
da função em um ponto não tabelado (exemplo anterior);
• Quando a função em estudo tem uma expressão tal que operações como a
diferenciação e a integração são difíceis ou impossíveis de serem realizadas.
Neste caso, podemos então procurar uma outra função que seja aproximada a
função dada e cujo o manuseio seja mais bem simples.
As funções que substituem as funções dadas podem ser de tipos variados, tais como
polinomiais, trigonométricas, exponenciais e logarítmicas. Neste capítulo, será
considerado apenas o estudo das funções polinomiais.

2.2 DEFINIÇÃO DO POLINÓMIO INTERPOLADOR

A interpolação polinomial é de grande interesse do ponto de vista teórico e prático em

áreas como teoria da aproximação, equações não lineares, integração e derivação
numéricas e solução numérica de equações diferenciais e integrais.

Dada uma função f ( x ) conhecida em n pontos ( x i , f ( x i )) , i = 0,..., n , o objectivo da

interpolação polinomial consiste em determinar o polinómio de grau ≤ n ,

p n ( x) = a 0 + a1 x + a 2 x 2 + ... + a n x n ,

Que coincide com f ( x ) naqueles pontos, isto é, p n ( x ) = f ( xi ) = f i , ∀i = 0,..., n

Exemplo:

Determinar o polinómio interpolador que aproxima f ( x ) dada na tabela seguinte:

Neste caso, procuramos o polinómio p n ( x ) = a 0 + a1 x + a 2 x 2 que satisfaz a igualdade

p n ( x) = f ( xi ) = f i , para i = 0,1,2 . Ora:

Consequentemente, o nosso polinómio interpolador é p 2 ( x ) = 3 − x 2

2.3 INTERPOLAÇÃO POLINOMIAL DE LAGRANGE

Seja dada a função f ( x ) abaixo:

x x0 x1 x2 ….. xn

f ( x) f ( x0 ) f ( x1 ) f ( x2 ) …... f ( xn )

Consideremos o seguinte:

Onde:

Então, o polinómio obtido através da aplicação de:

Chama-se Polinómio de Lagrange e a interpolação recorrendo a este polinómio,

chama-se interpolação polinomial de Lagrange.

Exemplo:

Dada a tabela da função f ( x ) :

Obtenha o polinómio interpolador de Lagrange e o seu valor em x = 3 .

Passo 1: Procuramos p 2 ( x ) = a 0 + a1 x + a 2 x 2 , tal que:

Passo 2: Determinar os polinómios

Passo 3: Aplicar a fórmula:

O valor do polinómio no ponto x = 3 é:

2.4 INTERPOLAÇÃO DE NEWTON

2.4.1 INTERPOLAÇÃO DE NEWTON COM DIFERENÇAS DIVIDIDAS

De acordo com o teorema da unicidade do polinómio interpolador, toda interpolação

de n pontos por um polinómio de grau n-1 é única e pode ser obtida pelo método de
Lagrange. No entanto, existem outras maneiras de construir o polinómio p(x) que
podem ser mais convenientes. Uma dessas maneiras é a interpolação de Newton, que
permite a inserção de pontos adicionais de maneira simples e menos susceptível à
deterioração por erros de arredondamento. O método consiste em determinar o
seguinte polinómio:

Por construção, o valor de p calculado em x =x0 é

p(x0) = a0

Além disso, como p(x) é o polinómio interpolador, p(x0) = f0, portanto,

a0 = f(x0)

Da mesma forma,

ou seja,

e assim por diante, os coeficientes são determinados recursivamente e o k-ésimo

coeficiente é determinado em função dos pontos de interpolação e dos coeficientes
anteriores pela expressão
A fórmula acima pode ser convenientemente descrita através da notação de
diferenças divididas. Seja a função f[xk; xk+1; : : : ; xl+1] definida pela relação de
recorrência

Assim, podemos verificar que

Os coeficientes são calculados a partir da sequência de diferenças divididas

calculadas recursivamente:

Assim sendo, o polinómio passa a ser escrito da seguinte forma:

Exemplo:

Seja dada a seguinte função tabelada:

Determine o polinómio interpolador de Newton recorrendo as diferenças divididas.

Resolução:

1. Construir a tabela de diferenças divididas

2. Aplicar a fórmula de Newton

2.4.2 INTERPOLAÇÃO DE NEWTON COM DIFERENÇAS FINITAS

Designa-se diferença finita descendente de primeira ordem de f (x) , para x = xi , à

seguinte quantidade:

De um modo geral, as diferenças descendentes de ordem k de f (x) , define-se por:

As mesmas podem ser representadas em tabela, da seguinte forma:

Quando os nós da interpolação x0 , x1 , x2 ,..., xn são igualmente espaçados, pode-se
usar uma relação de modo a simplificar o polinómio interpolador.
Tendo como base: x = x0 + q * h , então

Onde:

Surge a fórmula interpoladora de Gregory – Newton:

Onde x ND é a marca da interpolação e é determinado escolhendo entre os xi o

máximo inferior a x .
Exemplo:

Dada a função tabelada:

1. Construir a tabela de diferenças finitas

2. Determine f(1.5) recorrendo ao polinómio interpolador de Newton.

2.6 EXERCICIOS

1. Considere a seguinte tabela de valores de uma função f ∈ C (ℜ) :

Determine o polinómio interpolador de f

2. Seja dada a função tabelada:

a) Determine o polinómio interpolador de Lagrange.

b) Determine f (3.5)

3. Use o polinómio interpolador de Lagrange para determinar f (8.4) se

f (8.1) = 16.94410 , f (8.3) = 17.56492 , f (8.6) = 18.505115 e f (8.7) = 18.82091
4. Determine o polinómio que interpola os seguintes valores:

5. Conhecem-se as coordenadas de cinco pontos de uma curva plana que repre-

senta uma região de uma peça em corte. Determine o polinómio de Lagrange de
grau 4 que interpola a referida curva sabendo que os pontos de coordenadas
conhecidas são: P1 = (1,2) , P2 = (2,1) , P3 = (3,1) , P4 = (4;2,5) e P5 = (5;4)

Determine ainda valores aproximados para as ordenadas dos pontos cujas abcissas
são 0, 2,5 e 6.
6. Considere a tabela de valores da função f definida por f ( x ) = lg x , para x>0:

a) Construa a tabela de diferenças divididas.

b) Determine lg(2.05) utilizando o polinómio de Newton.

7. Sabendo que sen(0) = 0 , sen(π ) = 2 e sen(π ) = 1 , determine usando a formula

4 2 2

de interpolação de Newton o valor de sen(π ) .

3
8. São dados os seguintes pontos onde x é a variável independente e y é dependente
X 1.0 1.5 2.0 2.5 3.0

Y 66 52 18 11 10

Pede-se para determinar f(2.2) recorrendo a interpolação de newton com diferenças

finitas.

9. Um paraquedista realizou cinco saltos, saltando de alturas distintas em cada salto,

foi testada a precisão de seus saltos em relação a um determinado alvo de raio 5
m, de acordo com a altura. A distância apresentada na tabela abaixo é relativa à
circunferência.
Altura (m) 1º salto de 2º salto de 3º salto 4º salto de 5º salto de
1500 1250 de 1000 750 500

Distância 35 25 15 10 7
do alvo (m)

Levando em consideração os dados acima, a que provável distancia cairia o

paraquedista se ele saltasse de uma altura de 850 m?
CAPÍTULO 3 - DERIVAÇÃO E INTEGRAÇÃO NUMÉRICA

3.1 DERIVAÇÃO NUMÉRICA

Derivar é geralmente mais fácil que integrar. A ideia deste método de aproximação é
bastante simples, pois baseia-se em expansões em séries de Taylor.

Considere a definição de derivada de uma função f ( x ) no ponto x :

Esta expressão é uma aproximação para o valor exacto de f ´( x ) se h tende a zero.

Para qualquer valor finito de h , um erro de truncamento é introduzido. A ordem da
aproximação a diferenças pode ser obtida através de um desenvolvimento em série
de Taylor de f ( x + h) , por exemplo, em torno do ponto x . Desenvolvendo f ( x + h) ,
obtém-se:

e, portanto,

Diz-se que a aproximação f ´( x ) é de primeira ordem em h e escreve-se:

Fórmula da derivada
com diferença
ascendente ou avanço.

Aproximações de primeira ordem em diferenças finitas podem ser obtidas para f ´( x ) i ,

conforme:
De igual modo, recorrendo à série de Taylor tendo como base a diferença em atraso
ou descendente, temos:

h2 h3
f ( x − h) = f ( x) − hf ' ( x) + f " ( x) − f "´(x).....
2 6

Resolvendo a expresão acima em ordem de f ´( x ) , obtêm-se:

f ( x ) − f ( x − h) Fórmula da derivada com

f ' ( x) = + O ( h) diferença descendente
h
ou atraso

Fórmulas com diferentes ordens de aproximação podem ser obtidas. A mais

importante é a de segunda ordem ou centrada. Por expansões em série de Taylor em
torno do ponto x resultam:

Empregando o mesmo princípio, para as derivadas de ordem superior resulta:

Exemplo:

Seja dada a função tabelada abaixo:

Determine f ´(1.4) .

Resolução:
3.2 INTEGRAÇÃO NUMÉRICA

Seja f uma função contínua no intervalo [a; b ] da qual se conhece uma primitiva F .
Então o valor da integral definida de f pode ser calculada utilizando a fórmula de
Newton-Leibnitz.

∫ f ( x)dx = F (b) − F (a)

a

Em muitos casos a determinação de uma primitiva de f é muito difícil ou às vezes até

impossível. Além disso, nos problemas práticos, quase sempre conhece-se apenas uma
tabela da função f e para estes casos a ideia de primitiva carece de significado. Para

esses casos os métodos de integração numérica são as ferramentas adequadas para

determinar aproximações para os valores das integrais definidas.
Os métodos de integração numérica como veremos a seguir consistem em determinar
o valor de uma integral definida utilizando uma sequência de valores da função f .

3.2.1 MÉTODO DE TRAPEZIO

b
Seja dado o seguinte integral I = ∫ f ( x)dx . A determinação da solução de
a
I através

do Método de Trapézio segue os seguintes passos:

b−a
Passo 1: Escolher N e determinar h =
N

Passo 2: Construir tabela através da determinação de xi e f ( xi ) :

xi = a + i * h

x0 = a

xi x0 x1 ………….. xn

f ( xi ) f ( x0 ) f ( x1 ) f ( xn )
Passo 3: Determinação da solução aproximada através da fórmula:

b
h
I = ∫ f ( x)dx = [ f ( x0 ) + f ( xn ) + 2 * ( f ( x1 ) + f ( x2 ) + ... + f ( xn−1 ))]
a
2

Passso 4 : Resposta

3.2.2 MÉTODO DE SIMPSON

Pressupostos:

• N têm de ser um número par;

• Quanto maior for o N melhor será a precisão da aproximação;

b
Seja dado o seguinte integral I = ∫ f ( x)dx . A determinação da solução de
a
I através

do Método de Simpson segue os seguintes passos:

b−a
Passo 1: Escolher N e determinar h =
N

Passo 2: Construir tabela através da determinação de xi e f ( xi ) :

xi = a + i * h

x0 = a

xi x0 x1 ………….. x2n

f ( xi ) f ( x0 ) f ( x1 ) f ( xn )

Nota:

x 2 n - Significa último valor, isto é, trata-se de x n . A inclusão de 2n é para garantir que o

n seja um número par.
Passo 3: Determinação da solução aproximada através da fórmula:

b
h
I = ∫ f ( x)dx = [ f ( x0 ) + f ( x2n ) + 4( f ( x1 ) + f ( x3 ) + ... + f ( x 2n−1 )) + 2( f ( x2 ) + f ( x4 ) + ... + f ( x2n ))]
a
3

Passso 4 : Resposta

Exemplo:

1.6
senx
Determine o integral I = ∫
1
x
dx considerando N = 6

Resolução:

1 .6 − 1
Passo 1: N = 6 e h = = 0 .1
6

Passo 2: Tabela

X 1 1.1 1.2 1.3 1.4 1.5 1.6

F(x) 0.84147 0.81019 0.77670 0.74120 0.70389 0.66500 0.62473

Passo 3:
b
senx 0. 1
I =∫ dx = [0.84147 + 0.62473 + 4(0.81019 + 0.74120 + 0.66500) + 2(0.77670 + 0.70389)] = 0.44310
a
x 3
3.3 EXERCICIOS

1. Calcule aproximação da segunda derivada de f ( x) = cos 2 x em x = 0.7, com h = 0.1

2. Considere a seguinte tabela de dados:

Determine f ´(0.4) , f ´´(0.4) e f ´' ' (0.4) .

∫ (3x
3
3. Use a fórmula de Trapézios com n = 2 para calcular a integral − 3 x + 1)dx
0

Compare seu resultado com o resultado exacto.

1
π π dx
4. Determine uma aproximação para considerando que =∫ 2
e usando a
0 1+ x
4 4

fórmula do trapézio com n = 10 .

5. Um corpo se desloca ao longo do eixo Ox sob ação de uma força variável F.
Calcular o trabalho realizado para se deslocar o corpo de x = 0 até x = 3.5 sendo
dado:

4. Calcule a integral abaixo por :

4
∫ x dx
1

a) Regra dos Trapézios usando 4 subdivisões de [a,b] (6 casas decimais)

1
5. Considere ∫ senxdx . Mostre que o resultado obtido pelo método de Simpson
0

com h = 0.5 é próximo do resultado exato.

 6. Utilizando o método de Simpson, calcule numericamente a integral definida

a partir dos dados da seguinte tabela:

Onde e = 2.718282

x
f ( x) = ∫ e cos y dy
7. Seja 0

Use o método de 10-trapézio para calcular f (5) .

CAPÍTULO 4 - ZEROS DE FUNÇÕES

Dada uma função f : R → R , diz-se que a ∈ R é um zero da função f se f ( a ) = 0 .

Observe que determinar os zeros de uma função f é equivalente a determinar as
raízes da equação f ( x) = 0 , ou seja determinar os valores de x ∈ R que satisfazem
f ( x) = 0 .

4.1 DELIMITAÇÃO DOS ZEROS DE UMA FUNÇÃO

Dada uma função f : R → R , delimitar os zeros de f significa determinar intervalos

(a; b) que contenham os zeros de f . Existem dois métodos para resolver este problema,
que são, Método Analítico e Gráfico.

4.1.1 MÉTODO ANALÍTICO

Este método é baseado no seguinte teorema:

Seja f : R → R uma função contínua. Se existem dois valores a e b que pertencem a

R , tal que f (a ) * f (b) < 0 , então existe um c que pertence ao intervalo (a; b) : f (c) = 0 .

O Teorema acima assegura que f troca de sinal em (a; b) , o que significa que existe

pelo menos um zero de f nesse intervalo.

Exemplo:

Seja dada a seguinte função f ( x) = x 3 − x em R . Delimite os zeros de f .

1. Vamos escolher de forma aleatória dois números que pertençam ao conjunto R

a = −2 e b = 2

2. Verificar se o teorema é satisfeito nos pontos escolhidos através da seguinte

condição: f ( a ) * f (b) < 0

f ( − 2) = ( − 2) 3 − ( − 2) = − 6 e f ( 2) = ( 2) 3 − ( 2) = 6
Fazendo f ( −2) * f ( 2) = −36 < 0 . Assim sendo, f têm pelo menos um zero no

intervalo (−2;2)
4.1.2 MÉTODO GRÁFICO

Tendo como base a definição de delimitação de zeros, para encontrar os intervalos

que contém os zeros da função, o método gráfico sugere o seguinte:

• Transformar f numa igualdade de duas funções g ( x) = h( x) que sem muito

esforço se possam esboçar os seus gráficos;

• Esboçar da melhor maneira possível os gráfico de g e h e determinar por

inspecção os intervalos onde estão os pontos de intersecção de g e h .

Exemplo:

Delimitar os zeros de f ( x) = x + ln x

• f ( x) = 0 ⇔ x + ln x = 0 ⇔ ln x = − x

• Vamos esboçar os gráficos

• Pode-se notar que x ∈ (0;1)

4.2 MÉTODO DE BISSECÇÃO

Seja dada a seguinte função contínua f : R → R . Vamos supor que existe um intervalo

(a 0 ; b0 ) onde f (a 0 ) * f (b0 ) < 0 . Pelo teorema visto no ponto 3.1, f contém pelo menos

um zero em ( a 0 ; b0 ) .

Para determinar o zero aproximado de f , pode-se utilizar o método de bissecção que

consiste em determinar uma sequência de intervalos ( a k ; bk ) que satisfaçam a

condição f ( a k ) * f (bk ) < 0 , onde tomará os seguintes valores k = 0,1,2,3,4......., N . Esta

determinação de intervalos é feita recorrendo a tabela abaixo:

k ak bk a k + bk f ( a k ) * f (c k ) bk − a k
ck = ε=
ck 2

Exemplo:

Determinar a solução aproximada da seguinte função f ( x) = x 2 − 5 no intervalo [2;3]

com erro igual a ε = 0.1

4.3 MÉTODO ITERATIVO GERAL

Seja dada uma função f e um intervalo que contém o zero da função [a; b ] . Pretende-

se determinar a solução aproximada da função com erro inferior a ε recorrendo ao

Método Iterativo Geral.

De forma resumida, o método iterativo geral pode ser descrito como a sequência dos
seguintes passos:

Passo 1: Transformar f numa igualdade do tipo x = ϕ ( x) :

Passo 2: Verificar a convergência de ϕ ( x) recorrendo ao critério de convergência

| ϕ ' ( x) |≤ M < 1

Passo 3: Determinar x0 e FC

Nota: Se x0 não for indicado, então, atribui-se o valor de a .

Fórmula concreta (FC): x m +1 = ϕ ( x m )

Passo 4: Tabela

m xm x m+1 ε =| x m+1 − x m |

_
_
Passo 5: R: x = x ± ε

Exemplo:

Determine pelo método iterativo geral, com erro inferior a 0.1 , o zero aproximado da

função f ( x) = 1 + x + e x no intervalo [− 2;−1] .

Resolução:

1. Transformar f em x = ϕ ( x) :

x = −e x − 1

2. Verificar a convergência de ϕ ( x)

| ϕ ' ( x) |≤ M < 1
ϕ ' ( x ) = −e x
1
| ϕ ' ( x) |=| −e x |≤ e −1 = <1 converge
e

3. Determinar x0 e FC :
 x0 = −2
FC : x m+1 = −e xm − 1

4. Tabela

m Xm Xm+1 E

0 -2 -1,135335283 0,864664717

1 -1,13533528 -1,321314372 0,185979089

2 -1,32131437 -1,266784417 0,054529954

Resposta: x = −1,3 ± 0.1

4.4 MÉTODO DAS SECANTES

Apresentamos abaixo um exemplo do algoritmo do Método das Secantes.

Calcule 5 com erro inferior a 0.01 no intervalo [2;3] . Aplique o Método das Secantes.

Resolução

Dados: Passo 1: Hipóteses

f ( x) = x 2 − 5
f , f ' , f ' ' cont. [2;3]
ε = 0.01 f ' = 2x ≠ 0
x ∈ [2;3]
f ''= 2 ≠ 0

Passo 2: Determinação de

x0 e x F :

x F = 3 pq f (3) * f ' ' (3) > 0

x 0 = 2 pq f (2) * f (3) < 0

 Passo 3: Fórmula Concreta:

xF * f ( xm ) − xm * f ( xF )
x m +1 =
f ( xm ) − f ( xF )

3 x m2 − 4 x m − 15
x m +1 =
x m2 − 9

Passo 4: Tabela:

m Xm Xm+1 E

0 2,00000 2,20000 0,20000

1 2,20000 2,23077 0,03077

2 2,23077 2,23529 0,00452

Passo 5: Resposta:

x = 2.24 ± 0.01

4.5 MÉTODO DAS TANGENTES (NEWTON)

Passo 1. Verificar Hipóteses

f , f ' , f ' ' cont. [a; b ]

f '≠ 0
f ''≠ 0

Passo 2. Determinar x0
x0 ∈ [a; b] : f ( x) * f ' ' ( x) > 0

Passo 3: Fórmula concreta

f ( xm )
x m +1 = x m −
f ' ( xm )

Passo 4: Tabela

m xm x m+1 ε =| x m+1 − x m|

Passo 5: Resposta

Calcule 5 com erro inferior a 0.01 no intervalo [2;3] . Aplique o Método das Tangentes.

f ( x) = x 2 − 5
ε = 0.01

Hip :
f , f ' , f ' ' cont [2;3]
f ' = 2x ≠ 0
f ''= 2 ≠ 0

Deter min ação de x0 :

f ( x) * f ' ' ( x) > 0

f (3) = 4

f ' ' (3) = 2 então x0 = 3

Tabela:

M Xm Xm+1 E

0 3,00000 2,33333 0,66667

1 2,33333 2,23810 0,09524

2 2,23810 2,23607 0,00203

R% x = 2.24 ± 0.01
4.6 EXERCICIOS

10. Utilizando o Método Iterativo, determine para ε = 0,001 a solução da equação

x + 2 ln( x) = 0

11. Seja f ( x) = x 2 − 6 e x0 = 1 . Use o método de Newton para determinar a solução

aproximada.

12. Pelo método das Secantes, determine uma aproximação para x ∈ [1;2] da função
f ( x) = e − x − cos( x) com erro ε = 0,001

13. Use o método de Newton com ε = 0,0001 para achar as soluções dos seguintes
problemas:
  π
a) x − 0.8 − 0.2 sen( x) = 0 ; x ∈ 0; 
 2

b) ( x − 2) 2 − ln( x) = 0; x ∈ [1;2]

14. Seja f ( x) = e x − 3 x que tem zero em [1;2] . Calcule usando o método das secantes
uma aproximação para este zero tomando com ε = 0,01

15. Considerando a seguinte equação: 2 cos( x) − 0.5e x = 0 Utiliza como valor inicial
x0 = 0.5 . Aplique o método iterativo geral para determinar a solução da equação.
CAPÍTULO 5 - RESOLUÇÃO NUMÉRICA DE SISTEMAS DE EQUAÇÕES

Estima-se que em 75% dos problemas científicos, a solução de um sistema linear de

equações aparece em algum estágio da solução. Podemos, entre outros, citar os
seguintes problemas:
Interpolação, ajuste de curvas, solução de sistemas de equações não lineares, solução
de equações diferenciais usando diferenças finitas e cálculo de autovalores e
autovetores.
Um sistema de equações lineares, às vezes simplesmente dito sistema linear, é uma
equação do tipo Ax = b . Usando os valores de A , x e b temos:

Um sistema linear pode também ser representado na seguinte forma:

_ _ _ _
Resolver o sistema de equações, significa determinar um vetor x = ( x1 ; x 2 ;....; x n ) que

satisfaça todas equações do sistema.

Existem duas classes de métodos para solução de sistemas lineares. Os denominados
métodos directos e os denominados métodos iterativos. A escolha de uma ou outra
classe para a solução do sistema Ax = b vai depender de características e
propriedades da matriz A .
5.1 MÉTODOS DIRECTOS

Os métodos diretos são aqueles em que após um número finito de etapas e não se
considerando os erros de arredondamento encontramos a solução do sistema.

Um sistema linear da forma

onde a ii ≠ 0 para i = 1, 2, . . . , n é dito um sistema triangular. Sua solução é dada por

retro substituição através da fórmula de recorrência.

bn
Onde x n = . Este algoritmo pode ser incorporado ao método de eliminação de
a nn
Gauss para encontrar a solução de um sistema.

5.1.1 MÉTODO DE ELIMINAÇÃO DE GAUSS

Este é um esquema eficiente para resolver um sistema Ax = b de n equações a n

incógnitas de pequeno tamanho (ordem 10). O passo crucial é construir um sistema
triangular superior A' x = b' equivalente que pode ser resolvido por retro substituição.
Dois sistemas lineares de dimensão n x n são equivalentes desde que os seus conjuntos
de soluções sejam os mesmos. Teoremas de álgebra linear mostram que quando certas
operações são aplicadas a um dado sistema, os conjuntos soluções não muda.
As seguintes operações, quando aplicadas a um sistema linear, resultam num sistema
equivalente:
 • Mudança de ordem de duas equações.
• Multiplicação de uma equação por uma constante não nula.
• Adição de um múltiplo de uma equação a uma outra equação.

Descreve-se, a seguir, o método de eliminação de Gauss para um sistema de ordem 3,

sendo que o mesmo processo pode ser aplicado a sistemas de qualquer ordem.
Assim, considere um sistema do tipo

que pode ser representado pela matriz aumentada

O objectivo é obter um sistema triangular da forma

Para melhor perceber o método, a seguir apresenta-se um exemplo:

Considere o sistema dado por

Passo 1

Podemos eliminar a incógnita x1 nas linha l2 e na linha l3 fazendo repectivamente as

seguintes operações:

teremos então o seguinte sistema equivalente

Passo 2

Vamos agora eliminar a incógnita x2 na linha l3 fazendo a seguinte operação:

Teremos então o seguinte sistema equivalente

Temos agora um sistema triangular que pode ser resolvido com o algoritmo da retro
substituição.
5.2 MÉTODOS ITERATIVOS

Nesta secção descreve-se os métodos iterativos de Jacobi e Gauss-Seidel. Tais

métodos são eficazes para sistemas de grande porte, economizando tempo
computacional, principalmente os esparsos, na qual os métodos directos são
ineficientes. A técnica iterativa para resolver um sistema linear Ax = b de n×n
elementos, será proposto da seguinte forma: parte-se de uma aproximação inicial X0 e
então constrói-se consecutivamente os vetores x1, x2, ..., até que a condição de
convergência seja satisfeita.

5.2.1 MÉTODO DE JACOBI

Considere o sistema:

E exigindo que .

Passo 1: Isola-se o vector X mediante a separação do elemento diagonal, conforme:

Passo 2: Extrai-se a matriz G

Passo 3: Verifica-se a convergência da transformação

G <1

Passo 4: Determina-se o vector inicial:

X 0 = ( x1( 0 ) ; x 2( 0) ;...; x n( 0) )

Caso o problema não indique de forma explícita, nesta disciplina iremos adoptar a
seguinte solução inicial: X 0 = (0;0;...;0)

Passo 5: Preenche-se a tabela recorrendo ao método de Jacobi que corresponde a

resolver
 (k ) 1 ( k −1) ( k −1)
 x1 = a (b1 − a12 x 2 − ... − a1n x n )
 11

 (k ) 1
 x2 = (b2 − a 21 x1( k −1) − .... − a 2 n x n( k −1) )
 a 22
....

 (k ) 1 ( k −1) ( k −1)
 x n = a (bn − a n1 x1 − ... − a nn −1 x n −1 )
 nn

Até que o critério de convergência seja satisfeito.

k x1( k ) x 2( k ) …. x n(k ) X ( k ) − X ( k −1)

5.2.2 MÉTODO DE GAUSS-SEIDEL

Seja dado o seguinte sistema:

E exigindo que . O Método de Gauss Seidel para

determinação da solução aproximada do sistema dado, compreende os seguintes
passos:

Passo 1: Isola-se o vector X mediante a separação do elemento diagonal, conforme:

Passo 2: Extrai-se a matriz G

Passo 3: Verifica-se a convergência da transformação

G <1

Passo 4: Determina-se o vector inicial:

X 0 = ( x1( 0 ) ; x 2( 0) ;...; x n( 0) )

Caso o problema não indique de forma explícita, nesta disciplina iremos adoptar a
seguinte solução inicial: X 0 = (0;0;...;0)

Passo 5: Preenche-se a tabela recorrendo ao método de Gauss-Seidel que

corresponde a resolver
  (k ) 1 ( k −1) ( k −1)
 x1 = a (b1 − a12 x 2 − ... − a1n x n )
 11

 (k ) 1
 x2 = (b2 − a 21 x1( k ) − .... − a 2 n x n( k −1) )
 a 22
....

 (k ) 1 (k ) (k )
 x n = a (bn − a n1 x1 − ... − a nn −1 x n −1 )
 nn

Até que o critério de convergência seja satisfeito.

k x1( k ) x 2( k ) …. x n( k ) X ( k ) − X ( k −1)

Passo 6: R% X = ( x1 ± ∆x1 ; x 2 ± ∆x 2 ;...; x n ± ∆x n )

Exemplo:

Pelo método de Gauss-Seidel, determine a solução do seguinte sistema de equações:

EXERCÍCIOS

1. Resolva o sistema linear abaixo utilizando o método de eliminação de Gauss

2. Calcule a norma de A para as seguintes matrizes:

3. Determine a inversa da matriz A

4. Determine a solução do sistema Ax = b, sabendo que:

5. Dado o sistema Ax = b, mostre que o método iterativo de Jacobi converge e

determine a sua solução aproximada:
 6. Resolver o sistema linear abaixo, pelo método de Jacobi com chute inicial
x ( 0) = {1,1,1,1} , tolerância ε = 10 −3 :

7. Resolver o sistema linear abaixo, pelo método de Gauss Seidel com chute inicial
x ( 0) = {0,0,0, 0}, tolerância ε = 10 −3 :

8. Considere o sistema linear Ax = b, onde:

−3
Pelo método de Gauss Seidel, determine a solução do sistema com erro ε = 10
CAPÍTULO 6 - EQUAÇÕES DIFERENCIAIS ORDINARIAS (EDO´s)

6.1 INTRODUÇÃO

O estudo das equações diferenciais foi motivado inicialmente por problemas da física,
ou seja problemas de mecânica, electricidade, termodinâmica, magnetismo etc.
Actualmente muitas outras áreas do conhecimento têm a formulação teórica de seus
problemas utilizando essas equações. Entre outras podemos destacar as seguintes
áreas, Química, Ecologia, Biologia, Economia e Sociologia.

Suponha f : R n → R e y : R → R , com derivadas até ordem n . Dizemos que uma

equação diferencial ordinária tem ordem n se é uma equação que pode ser escrita
como

y n = f ( x, y, y´,..., y n ) ; y n = derivada de ordem n .

Uma função y = ϕ (x) é dita como solução da equação acima se:

a) y = ϕ (x) possui derivadas até n ;

b) y n = f ( x, ϕ ( x),...., ϕ n −1 ( x))

6.2 EDO´s DE PRIMEIRA ORDEM

y´= f ( x, y ( x))

Seguem abaixo os métodos numéricos que nos ajudam a determinar as soluções

aproximadas das EDO´s.

6.2.1 MÉTODO DE EULER

Passo 1: Extracção de dados

Passo 2: Determinação das fórmulas concretas

x k +1 = x k + h

y k +1 = y k + h * f ( x k ; y k )
Passo 3: Tabela

k xk yk

Passo 4: Resposta

Exemplo:

Determine a solução da equação diferencial y ' = − xy , com y (0) = 1 no intervalo [0;0.5]

e h = 0 .1

Resolução:

Passo 1: Extracção de dados

f ( x; y ) = − xy

x0 = 0

y0 = 1

h = 0 .1

Passo 2: Determinação das fórmulas concretas

x k +1 = x k + h ↔ x k +1 = x k + 0.1

y k +1 = y k + h * f ( x k ; y k ) ↔ y k +1 = y k − 0.1 * x k * y k

Passo 3: Tabela

k xk yk

0 0 1

1 0.1 1

2 0.2 0.99
3 0.3 0.9702

4 0.4 0.941094

5 0.5 0.903450

Passo 5: y = 0.903450

6.2.2 MÉTODO DE RANGE KUTTA 4 – RK 4

Passo 1: Extracção de dados

Passo 2: Determinação das fórmulas concretas

xl +1 = xl + h

h
yl +1 = y l + * (k1 + 2 * k 2 + 2 * k 3 + k 4 )
6

k1 = f ( x l ; y l )
h h
k 2 = f ( x l + ; y l + k1 )
2 2
h h
k 3 = f ( xl + ; y l + k 2 )
2 2
k 4 = f ( xl + h; y l + h * k 3

Passo 3: Tabela

k xk yk k1 k2 k3 k4

Passo 4: Resposta
Exemplo

Passo 1: Extracção de dados

f ( x; y ) = − xy

x0 = 0

y0 = 1

h = 0 .1

Passo 2: Determinação das fórmulas concretas

xl +1 = xl + h ↔ xl +1 = xl + 0.1

h
yl +1 = y l + * (k1 + 2 * k 2 + 2 * k 3 + k 4 )
6

k1 = f ( x l ; y l ) ↔ k1 = − x l * y l
h h
k 2 = f ( xl + ; yl + k1 ) ↔ k 2 = −( xl + 0.05)( y l + 0.05 * k1 )
2 2
h h
k 3 = f ( xl + ; y l + k 2 ) ↔ k 3 = −( xl + 0.05)( y l + 0.05 * k 2 )
2 2
k 4 = f ( xl + h; y l + h * k 3 ↔ k 4 = −( xl + 0.1)( y l + 0.1 * k 3 )

Passo 3: Tabela

k xk yk k1 k2 k3 k4

0 0 1 0 -0.05 -0.049875 -0.099501

1 0.1 0.99502 -0.09950 - -0.148138 -0.196040

0.148506

2 0.2 0.98019 -0.196040 - -0.242017 -0.256799

9 0.242599

3 0.3 0.95599 -0.256799 - -0.328831 -0.369246

7 0.329580

4 0.4 0.92311 -0.329246 - -0.406243 -0.441246

6 0.407094

5 0.5 0.88249 -0.441246 - -0.472359 -0.501157

7 0.473239
Passo 4: Resposta

y = 0.882497

6.3 EXERCÍCIOS

1. Determine a solução numérica aproximada da seguinte Equação Diferencial

Ordinária, com o passo h = 0.2

a) Pelo de Euler
b) Pelo método de Runge – Kutta 4

2. Considere a equação diferencial ordinária, dado por:

Fazendo h = 0.1, determine a solução aproximada usando o método de Euler.

3. Seja dada a equação y ' = 1 − x3 y com y (0) = 1 no intervalo [0;5] e com N=5.

Determine a solução aproximada pelo método de Runge Kutta – 4.