INSTITUTO FEDERAL DE EDUCAC

AO,
CIENCIA
E TECNOLOGIA DA BAHIA - IFBA

CALCULO
NUMERICO

Allan de Sousa Soares

Vit
oria da Conquista - BA
2012

Sum
ario

Solu
c
ao de Equa
co
es com Uma Vari
avel
Localiza
c
ao de Zeros

1.1

Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Metodo de Localizac
ao de Zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo da Bissec
c
ao

2.1

Metodo da Bissecc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo do Ponto Fixo

3.1

Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2

Metodo do Ponto Fixo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo de Newton

11

4.1

Metodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

4.2

Metodo da Secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

4.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

Solu
c
ao de Equa
co
es com Uma Vari
avel
Zeros de um Polin
omio

14

5.1

Zeros de um Polin
omio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

5.2

Multiplicidade de um Zero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

5.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

Interpola
c
ao e Aproxima
c
ao Polinomial
Polin
omio de Lagrange

17
1

6.1

Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

6.2

Polin
omio Interpolador de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

6.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

Interpola
c
ao e Aproxima
c
ao Polinomial
Diferen
cas Divididas Finitas - DDF

7.1

Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

7.2

F
ormula do Polin
omio Interpolador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

7.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

Teoria da Aproxima
c
ao
Aproxima
c
ao Discreta dos Mnimos Quadrados

Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

8.2

Mnimos Quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

8.3

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26

Integra
c
ao Num
erica
Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

9.2

Regra dos Trapezios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

9.3

1 Regra de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

29

9.4

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30

Integra
c
ao Num
erica
31

10.1 Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

10.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

Solu
c
ao de Sistemas Lineares
M
etodo Direto de Gauss

12

28

9.1

Quadratura Gaussiana

11

23

8.1

Regra do Trap
ezio e Regra de Simpson

10

21

34

11.1 Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

34

11.2 Metodo De Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

11.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

Solu
c
ao de Sistemas Lineares
M
etodo Direto da Decomposic
ao LU
12.1 Decomposic
ao LU

37

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

37

12.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38

13

Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Jacobi

14

40

13.1 Introduc
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

13.2 Metodo Iterativo de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

13.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Gauss-Sidel

15

44

14.1 Metodo Iterativo de Gauss-Sidel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

44

14.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

45

Solu
c
ao de Sistemas Lineares
N
umero Condicional

46

15.1 N
umero Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

15.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

Captulo 1
Solu
c
ao de Equa
co
es com Uma Vari
avel
Localiza
c
ao de Zeros

1.1

Introdu
c
ao
Um dos problemas mais importantes em matematica e o de se obter os zeros de uma funcao real. Em outras

palavras, dada uma func

ao f (x), gostariamos de encontrar p tal que f (p) = 0. Por exemplo, a funcao f (x) = x2 5x+6
tem dois zeros reais, p1 = 2 e p2 = 3.
Defini
c
ao 1.1. Dizemos que uma func
ao f : I R e contnua em um ponto c, se para toda sequencia (xn ) em I,
tivermos
limn xn = c limn f (xn ) = f (c).
Observa
c
ao 1.2. A grosso modo, dizemos que f (x) e contnua, se ao tracarmos seu gr
afico n
ao levantarmos o l
apis
do papel. Busque em livros de c
alculo exemplos de func
oes contnuas!
Teorema 1.3. Se f (x) e uma func
ao contnua definida no itervalo [a, b] tal que f (a)f (b) < 0, ent
ao f (x) possui pelo
menos um zero em [a, b].

1.2

M
etodo de Localiza
c
ao de Zeros
Veremos agora um metodo para isolar zeros de uma funcao em intervalos. Estamos interessados em obter intervalos

onde existe um u
nico zero.
Considere o gr
afico da func
ao f (x) a seguir:

Veja que g(x) possui tres zeros em [a, b]. Gostaramos de encontrar uma particao deste intervalo, digamos P = {p1 =
a, p2 , . . . , pn = b}, onde pj = pj1 + para escolhido, isolando cada zero em um subintervalo (pk1 , pk ).

Exemplo 1.4. Considere a funca

o f (x) = 16x3 22x 5 no intervalo [2, 2]. Tomando uma partic
ao com = 21 ,
podemos construir a seguinte tabela
P

32

12

1
2

3
2

f (P)

Logo, f (x) possui, pelo Teorema 1.3, zeros nos subintervalos [ 32 , 1], [ 21 , 0] e [1, 32 ].

1.3

Exerccios

Exerccio 1: Dada as func

oes a seguir, determine os subintervalos (se existirem) contendo algum zero:
a) f (x) = x3 7x + 6, [4, 3], = 0, 7
b) f (x) = x5 + 8x2 8, [1, 1], = 0, 4
c) f (x) = ex 3x2 + 2, [2, 2], = 0, 5
d) f (x) = x4 + 1, [5, 5], = 0, 5
Resposta: a) [3, 3; 2, 6], [0, 9; 1, 6], [1, 6; 2, 3], b) [0, 6; 1], c) [1; 0, 5], [1; 1, 5], d) nao ha zeros nesta partic
ao.
Exerccio 2: Considerando a func
ao f (x) = 1000x3 600x2 + 110x 6, no intervalo, [0, 25; 0, 75] encontre
a) usando = 0, 5, subintervalo(s) contendo algum zero.
b) usando = 0, 2, subintervalo(s) contendo algum zero.
c) usando = 0, 1, subintervalo(s) contendo algum zero.
d) o que voce pode notar `
a medida que se diminuia , isto e a medida que cada particao do intervalo [0, 25; 0, 75]
era refinada?
Resposta: a) [0, 25; 0, 75], b) [0, 05; 0, 15], c) [0, 25; 0, 35], [0, 05; 0, 05], d) Se diminuirmos mais ainda, pode ser
que encontremos mais um zero de f (x) em algum subintervalo do intervalo [0, 25; 0, 75]. O fato de refinarmos uma
partic
ao n
ao e garantia de que obteremos um subintervalo contendo ao menos um zero (real), ou aumentemos o n
umero
de subintervalos nos quais tenhamos ao menos zero (real). Isso pode ser visto se tentarmos refinar a partic
ao dada
no item d) do exerccio anterior, uma vez que esta funcao f (x) = x4 + 1 nao possui zero real algum (verifique!). Um
outro caso em que o refinamento de nada adianta, e aquele em que estamos procurando zeros de uma func
ao num
dado intervalo onde esta n
ao possui zeros, como por exemplo, se tentarmos refinar uma particao qualquer do intervalo
[1, 1] considerando f (x) = x2 5x + 6. N
ao obteremos subintervalo algum contendo zeros, umas vez que os zeros de
f (x) s
ao 2 e 3 (func
ao polinomial de grau 2).
Exerccio 3: Note que a func
ao f (x) =

1
x

e tal que f (1).f (1) < 0. Podemos afirmar que f (x) possui ao menos um

zero no intervalo [1, 1]?

Resposta: N
ao, muito embora somos tentados a usar o Teorema 1.3, o que nao pode ser feito, uma vez que a func
ao
f (x) =

1
x

n
ao e contnua em x = 0 [1, 1].

possvel que uma func

Exerccio 4: E
ao contnua f (x), definida em um intervalo [a, b], tenha algum zero em [a, b],
no caso em que f (a).f (b) > 0?
Resposta: Sim, basta considerar a func
ao f (x) = x2 5x + 6 no intervalo [0, 4]. Ela e tal que f (0).f (4) = 6.2 = 12 > 0,
mas, como j
a sabemos, esta func
ao tem dois zeros reais, p1 = 2 e p2 = 3.

Captulo 2
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo da Bissec
c
ao

2.1

M
etodo da Bissec
c
ao
Suponha que f seja contnua no intervalo [a, b], com f (a) e f (b) possuindo sinais opostos. Pelo Teorema do Valor

Intermedi
ario existe p (a, b) com f (p) = 0. O procedimento a seguir funciona nos casos em que se tem mais de
uma raiz no intervalo (a, b), porem assumiremos, por simplificacao que a raiz nesse intervalo e u
nica. Este metodo
consiste em diminuirmos o intervalo [a, b] em outros iguais `a metade do anterior e, em cada passo, localizar qual dos
meio-intervalos contem p.
Para iniciar, consida-se a1 = a, b1 = b e toma-se p1 =

a1 +b1
2

(ponto medio de [a, b]). Se f (p1 ) = 0, ent

ao p = p1 , e

temos encontrado a soluc

ao. Se f (p1 ) 6= 0, ent
ao f (p1 ) tem mesmo sinal que f (a1 ) ou f (b1 ). Se f (a1 ).f (p1 ) > 0 ent
ao
p (p1 , b1 ) e fazemos a2 = p1 , b2 = b1 . Se f (a1 ).f (a1 ) < 0, p (a1 , p1 ), e fazemos a2 = a1 , b2 = p1 . Reaplicamos o
processo em [a2 , b2 ], . . ., [an , bn ], . . . ate que obtermos f (p) = 0 ou |an bn | < , onde e a precisao desejada.
Exemplo 2.1. Utilizemos o metodo da Bissecca
o para encontrar a soluc
ao contida no intervalo [0, 1], com precis
ao
de 102 (isto e, < 102 ) para x3 7x2 + 14x 6 = 0.
Soluc
ao: Observe a tabela a seguir
n

an

pn

bn

f (pn )

0()

0, 5()

1(+)

0, 5

0, 625

0, 5

0, 75(+)

0, 25

0, 984375

0, 5

0, 625(+)

0, 75

0, 125

0, 259765625

0, 5625

0, 5625()

0, 625

0, 0625

0, 161865234

0, 5625

0, 59375(+)

0, 625

0, 03125

0, 054046631

0, 5625

0, 578125()

0, 59375

0, 015625

0, 052623749

0, 578125

0, 5859375

0, 59375

0, 0078125

0, 001031399

Logo, a soluc
ao e p7 = 0, 5859375 com 7 = 0, 0078125.
Observa
c
ao 2.2. Para determinarmos o n
umero de iterac
oes (N ) necess
arias para se obter uma soluc
ao, no intervalo
[a, b], de uma equac
ao da forma f (x) = 0, com uma precis
ao de 10n , basta utilizarmos a f
ormula a seguir:
N>

n + log10 (b a)
.
log10 2

Busque de onde vem a estimativa acima?

2.2

Exerccios

Exerccio 1:Utilize o metodo da Bissecc

ao para encontrar a solucao, com precisao de 102 , para x3 7x2 +14x6 = 0
no intervalo [1; 3, 2]. S
o h
a mais esta soluc
ao?
Resposta: p8 = 3, 002. H
a mais uma soluc
ao, consulte o professor!
Exerccio 2: Utilize o metodo da Bissecc
ao para encontrar uma solucao com precisao de 103 para x = tg(x)
no intervalo [4; 4, 5].
Resposta: p9 = 4, 4932.
Exerccio 3: No c
alculo de

25, com precisao de 104 , por meio da aplicacao do metodo da Bissecc

ao, obte-

mos pn = 2, 92401. Qual o valor de n? Voce tem ideia de qual e a equacao f (x) = 0 pode ser utilizada neste caso?
Resposta: n = 14, f (x) = x3 25.

Exerccio 4: O metodo da Bissecc

ao pode ser aplicado para se encontrar uma solucao para a equacao x4 2x + 1 = 0,
no intervalo [2, 2], com precis
ao dada? Existe alguma solucao p (2, 2) tal que f (p) = 0? Caso tenha alguma
soluc
ao em (2, 2), mas n
ao seja possvel aplicar o metodo da bisseccao ao intervalo fechado[2, 2], voce conseguiria
ajustar algum dado fornecido para que este metodo seja aplicavel?
Resposta: Simples, veja com o professor.
Exerccio 5: Escreva um algoritmo para o metodo da Bisseccao. Por meio deste algoritmo deve ser possvel encontrar uma soluc
ao para f (x) = 0 dada a func
ao f contnua no intervalo [a, b], onde f (a) e f (b) tem sinais opostos.
Resposta: Veja em livros de c
alculo numerico.

Captulo 3
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo do Ponto Fixo

3.1

Introdu
c
ao
Um n
umero p e um ponto fixo para uma funcao g se g(p) = p.

Exemplo 3.1. Os pontos fixos da func

ao g(x) = x2 2, para 2 x 3 s
ao x = 1 e x = 2, uma vez que
g(1) = 1 e g(2) = 2.
Teorema 3.2. a) Se g e contnua em [a, b] e g(x) [a, b], para todo x [a, b], ent
ao g tem um ponto fixo em [a, b].
b) Se, adicionalmente, g 0 (x) existe em (a, b) e uma constante positiva k < 1 existe, tal que |g 0 (x)| k, para todo
x (a, b), ent
ao o ponto fixo em [a, b] e u
nico.
Demonstrac
ao. a) Se g(a) = a ou g(b) = b acabou. Do contrario, g(a) > a e g(b) < b. Note que a funcao h(x) = g(x)x
e contnua em [a, b] com h(a) = g(a) a > 0, h(b) = g(b) b < 0. Logo, pelo Teorema do Valor Intermedi
ario existe
p (a, b) tal que h(p) = 0, isto e,
g(p) p = 0 g(p) = p.
b) Suponha que |g 0 (x)| k < 1 e p, q pontos fixos em [a, b]. Se p 6= q, o Teorema do Valor Medio assegura que existe
entre p e q tal que g 0 () =

g(p)g(q)
.
pq

Logo,

|p q| = |g(p) g(q)| = g 0 ()|p q| k|p q| < |p q|,

o que e uma contradic
ao. Assim, p = q.
Exemplo 3.3. Seja g(x) =

x2 1
3

em [1, 1]. Tracando-se o gr

afico de g percebe-se que g(x) [1, 1]. Alem disso, g

e contnua em [1, 1] e |g 0 (x)| = | 2x

3 |

2
3

para todo x (1, 1). Logo, o Teorema 3.2 assegura que g possui um u
nico

ponto fixo em [1, 1].

3.2

M
etodo do Ponto Fixo
Para obter o valor aproximado do ponto fixo de uma funcao g, escolhemos uma aproximacao inicial p0 e geramos

a sequencia (pn ) fazendo pn = g(pn1 ) para cada n 1. Se a sequencia converge para p e g e contnua, ent
ao
p = limn pn = limn g(pn1 ) = g(limn pn1 ) = g(p),
e obtemos a suoluc
ao para x = g(x).
Agora, vejamos um algoritmo para o Metodo da Iteracao Linear.
8

Algoritmo 3.4. Metodo da Iterac

ao Linear
Entrada: g(x) = x, p0 ,
p1 = g(p0 )
n=1
enquanto |pn pn1 | <
n=n+1
pn = g(pn1 )
fimenquanto
Sada: pn
Dada uma func
ao f (x) a qual buscamos algum zero por meio do Metodo da Iteracao Linear, devemos obter a
func
ao auxiliar g(x) = x. Ela e nomalmente obtida fazendo-se f (x) = 0 e por meio de manipulacao algebrica desta
u
ltima equac
ao deve-se obter g(x) = x, tal que g(x) satisfaca o Teorema 3.2.
Exemplo 3.5. Seja f (x) = x3 31x + 1, no intervalo [0, 2]. Utilizemos o Metodo da Iterac
ao Linear, para encontrar
uma soluc
ao p para f (x) com precis
ao de 103 e chute inicial p0 = 1.
Soluc
ao: Uma possvel escolha para a func
ao g(x) pode ser obtida da seguinte forma:
x3 31x + 1 = 0 x3 x 30x + 1 = 0 30x = x3 x + 1 x =
Logo, g(x) =

x3 x+1
.
30

x3 x + 1
.
30

Aplicando as iterac
oes, temos:
n

g(pn )

0, 033333333

0, 966666667

0, 032223457

0, 001109877

0, 032260333

0, 0000368766

Logo, a soluc
ao e p3 = 0, 032260333.
Exemplo 3.6. A equac
ao x3 +4x2 10 = 0 tem uma u
nica raiz no intervalo [1, 2]. Por meio de manipulac
ao algebrica,
podemos obter v
arias equac
oes para a forma de ponto fixo x = g(x). Vejamos:

1/2
;
c) x = g3 (x) =
a) x = g1 (x) = x x3 4x2 + 10;
b) x = g2 (x) = 10
x 4x
1/2

x3 +4x2 10
10
;
e) x = g5 (x) = x 3x2 +8x .
d) x = g4 (x) = 4+x

1
2

10 x3

1/2

Surge ent
ao uma pergunta: Ser
a que existe uma melhor escolha para a func
ao auxiliar g(x)? Se sim, qual das funco
es
acima deve ser escolhida? A tabela a seguir nos responde a estas quest
oes.
n

(a)

(b)

(c)

(d)

(e)

1, 5

1, 5

1, 5

1, 5

1, 5

1, 345458374

1, 364957015

1, 365230014

1, 375170253

1, 365264748

1, 365230013

15

1, 365223680

1, 365230013

30

1, 365230013

469, 7

1, 03.10

1/2

(8, 65)

Teorema 3.7. Seja g uma func

ao contnua em [a, b] e g(x) [a, b] para todo x [a, b]. Suponha, adicionalmente, que
g 0 exista em (a, b) e que uma constante 0 < k < 1 exista, com |g(x)| < k, para todo x (a, b). Ent
ao, para qualquer
n
umero p0 [a, b], a sequencia definida por pn = g(pn1 ), para n 1 converge para o ponto fixo u
nico p [a, b].

3.3

Exerccios

Exerccio 1: Utilize manipulac

oes algebricas para mostrar que cada uma das funcoes a seguir tem um ponto fixo em
p precisamente quando f (p) = 0, para f (x) = x4 + 2x2 x + 3.
9

a) g1 (x) = (3 + x 2x2 )1/4 ;


1/2
4
b) g2 (x) = x+3x
;
2
1/2

c) g3 (x) = xx+3
.
2 +2
Resposta: Tente ate conseguir. Dica, tente o caminho inverso e depois arrume!
Exerccio 2: Os quatro metodos a seguir s
ao propostos para se calcular 211/3 . Ordene-os, com base na velocidade aparente de convergencia, assumindo p0 = 1.
20pn1 +21/p2n1
;
21
p3n1 21
;
pn = pn1 3p2
n1
4
p
21pn1
pn = pn1 n1
;
p2n1 21

1/2
21
pn = pn1
.

a) pn =
b)
c)
d)

Resposta: A ordem, por velocidade de convergencia descendente, e (b), (d), (a). A sequencia em (c) nao converge.
Exerccio 3: Utilize o metodo de iterac
ao do ponto fixo para determinar uma solucao com precisao de 102 para
x4 3x2 3 = 0.
Resposta: Com g(x) = (3x2 + 3)1/4 e p0 = 1, p6 = 1, 94332 e preciso ate 0, 01.
Exerccio 4: Utilize o metodo de iterac
ao de ponto fixo para encontrar uma aproximacao para
de 104 .
Resposta: Para p0 = 1 e g(x) = 21 (x + x3 ), temos p4 = 1, 73205.

10

3 com precis
ao

Captulo 4
Solu
c
ao de Equa
co
es com Uma Vari
avel
M
etodo de Newton

4.1

M
etodo de Newton
O Metodo de Newton, apresentado a seguir, e um dos mais poderosos metodos numericos conhecidos para resolver

o problema de se encontrar as razes de uma funcao. Introduziremos o Metodo de Newton utilizando o polin
omio de
Taylor.
Suponhja que f seja diferenci
avel e que f 00 seja contnua em [a, b]. Seja x
[a, b] uma aproximacao de p tal que
f 0 (
x) 6= 0 e |p x
| e pequeno. Considere o polinomio de Taylorde primeiro grau para f (x) expandido em torno de
x
,
f (x) = f (
x) + (x x
)f 0 (
x) +

(x x
)2 00
f ((x)),
2

onde (x) est

a entre x e x
. Como f (p) = 0, fazendo x = p, temos
f (p) = 0 = f (
x) + (p x
)f 0 (
x) +

(p x
)2 00
f ((p)).
2

Desde que |p x
| e pequeno, podemos ignorar o termo(p x
)2 que e muito menor. Portanto,
0 f (
x) + (p x
)f 0 (
x).
Isolando p temos
px

f (
x)
.
f 0 (
x)

A figura a seguir ilustra como as aproximacoes sao obtidas utilizando-se sucessivas tangentes. Iniciando-se com
uma aproximac
ao inicial p0 , a aproximac
ao p1 e o valor em que a linha da tangente ao gafico de f em (p0 , f (p0 ))
intercepta o eixo dos x. Por sua vez, p2 e o valor em que a tangente ao grafico de f em (p1 , f (p1 )) conrta o eixo dos
x, e assim por diante.

11

Acima, foi dito que |p x

| tem que ser pequeno. O que isto significa? Pequise! Alem disso, busque ao menos
um exemplo de uma equac
ao f (x) = 0 para a qual, uma certa aproximacao inicial p0 nao produza resultados muito
bons, mas uma segunda aproximac
ao p00 , mais proximade p leve a uma boa aproximacao do zero de f (x) = 0.
Exemplo 4.1. Suponha que queiramos calcular,com aproximac
ao, o valor do ponto fixo de f (x) = cos(x). Usando
iterac
ao do ponto fixo, com p0 = /4 e x = g(x) = cos(x), o m
aximo que podemos concluir e que p 0, 74, conforme
mostra a tabela a seguir:
n

pn

0, 7853981635

0, 7071067810

2
..
.

0, 7602445972
..
.

0, 7434642113

0, 7361282565

Por outro lado, utilizando o Metodo de Newton na func

ao auxiliar h(x) = f (x) x = cos(x) x. Assim, f 0 (x) =
sen(x) 1, donde obtemos a seguinte sequencia de iterac
ao:
pn = pn1

cos(pn1 ) pn1
, n 1.
sen(pn1 ) 1

Os resultados obtidos s
ao mostrados na tabela a seguir:
n

pn

0, 7853981635

0, 7395361337

0, 7390851781

0, 7390851332

0, 7390851332

Ao que se pode ver, analisando-se os valor de p3 e p4 que o Metodo de Newton e muito mais r
apido que a iterac
ao do
ponto fixo.

4.2

M
etodo da Secante
Embora o Metodo de Newton e uma tecnica extremamente poderosa, ele apresenta uma fraqueza: a necessidade

de se conhecer o valor da derivada de f em cada aproximacao. Frequentemente, f 0 (x) apresenta muito mais dificuldades
12

e necessita de mais operac

oes aritmeticas para ser calculada do que f (x). Na tentativa de se evitar este problema,
introduzimos o Metodo da Secante. Este metodo trata-se de uma pequena variacao do Metodo de Newton.
Por definic
ao,
f 0 (pn1 ) = limxpn1
Fazendo x = pn2 , temos
f 0 (pn1 )

f (x) f (pn1 )
.
x pn1

f (pn1 ) f (pn2 )
.
pn1 pn2

Utilizando essa aproximac

ao para f 0 (pn1 ) na formula de Newton, temos que
pn = pn1 f (pn1 )

pn1 pn2
.
f (pn1 ) f (pn2 )

Busque uma interpretac

ao geometrica para o Metodo da Secante!

4.3

Exerccios

Exerccio 1: Seja f (x) = x2 6 e p0 = 1. Use o metodo de Newton para achar p2 .

Resposta: p2 = 2, 60714.
Exerccio 2: Use o metodo de Newton para encontrar solucoes com precisao de 104 para os seguintes problemas:
a) x3 2x2 5 = 0, [1, 4];
b) x cos(x) = 0, [0, /2];
c) x3 + 3x2 1, [3, 2];
d) x 0, 8 0, 2sen(x) = 0, [0, /2].
Resposta: a) Para p0 = 2, temos p5 = 2, 69065; b) Para p0 = 3, temos p3 = 2, 87939; c) Para p0 = 0, temos
p4 = 0, 73909; d) Para p0 = 0, temos P3 = 0, 96434.
Exerccio 3: Seja f (x) = x2 6. Com p0 = 3 e p1 = 2, ache p3 usando o Metodo da Secante.
Resposta: 2, 45454
Exerccio 4: Estude, para uma equac
ao particular, f (x) = 0 a velocida de convergencia dos metodos da Bissecc
ao, iterac
ao do ponto fixo, Newton e Secante. Calcule pelo menos 7 iteracoes para cada um desses metodos, isto
e, encontre pelo menos p7 . Dica: Tome de preferencia uma equacao cuja solucao exata seja conhecida.
Resposta: Aberta!

13

Captulo 5
Solu
c
ao de Equa
co
es com Uma Vari
avel
Zeros de um Polin
omio

5.1

Zeros de um Polin
omio
Nesta sec
ao buscaremos limitar os zeros de um polinomio qualquer. Nos resultados a seguir consideraremos

apenas polin
omios m
onicos, ou seja, polin
omios no qual o coeficiente do termo de maior grau e igual a 1.
Teorema 5.1. Seja P (x) = xn + an1 xn1 + . . . + a1 x + a0 um polin
omio de grau n e a0 6= 0. Se

||ai ||
i=0 ||x||ni

Pn1

<1

e x 6= 0, ent
ao p(n) 6= 0.
Demonstrac
ao. Temos que
P (x) = x

1+

n1
X
i=0

Mas ||

Pn1

ai
i=0 xni ||

Corol
ario 5.2. Se

||ai ||
i=0 ||x||ni

Pn1

||a||1/ni
||x||

<

1
2

ai
xni

!
.

< 1 e portanto P (x) 6= 0.

para i = 0, . . . , n 1 e x 6= 0,ent
ao P (x) 6= 0.

Teorema 5.3. Seja P (x) = xn + an1 xn1 + . . . + a1 x + a0 um polin

omio de grau n e a0 6= 0. Se x e um zero de p,
ent
ao
||x|| L,
onde L = 2max0in1 {||a||1/ni }.
Demonstrac
ao. Negando o corol
ario 5.2, temos que se P (x) = 0 entao existe i0 tal que

1
2

||a||1/ni0
||x||

. Alem disso,

max0in1 {||a||1/ni }
||a||1/ni

.
||x||
||x||
Assim,
1
max0in1 {||a||1/ni }

||x|| 2max0in1 {||a||1/ni }.

2
||x||

Exemplo 5.4. Ache o limite superior e inferior dos zeros reais do polin
omio P (x) = x3 + 3x2 10x + 24
Soluc
ao:

L = 2max0in1 {||a||1/ni } = 2max{||a0 ||1/3 , ||a1 ||1/2 , ||a2 ||} = 2max{241/3 , 101/2 , 3} = 2 10.

Logo, todos os zeros reais de P (x) est

ao no intervalo [2 10, 2 10].
Observa
c
ao 5.5. Se por exemplo, estivessemos interessados tanto nos zeros complexos, quanto reais no exemplo

acima, teriamos, ao inves de um intervalo, uma bola raio 2 10. Basta observar que ||x|| < L.
14



Sejam 0 , . . . , n1 os zeros de P (x). Considere o polinomio P1 (x) = xn P x1 . Assim,
 


 


1
1 x0
1 xn1
1
n
n
0 . . .
n1 = x
...
= (1 x0 ) . . . (1 xn1 ).
P1 (x) = x
x
x
x
x
1
1
0 , . . . , n1 .

Assim, os zeros de P1 (x) s

ao
1
L1

Aplicando o Teorema 5.3 a P1 (x) temos L1 tal que || x1i || L1 e portanto

i .Logo, se x e um zero de um polin

omio (monico) qualquer, etnao L1 ||x|| L.

No caso de zeros reais podemos dizer que:

L1

1
1
1
L1 1
e 1
.
i
L1
L1

Portanto, os zeros reais positivos e negtivos de p(x) estao nos intervalos [L, L11 ], [ L11 , L]. Como seria a interpretac
ao deste u
ltimo caso para zeros complexos?
Exemplo 5.6. Ache os limites L, L1 de P (x) = x3 + 3x2 10x + 24.

Soluc
ao: No Exemplo 5.4 vimos que L = 2 10. Por outro lado,
 


1
1
1
1
3
+ 3 2 10 + 24 = 1 + 3x 10x2 + 24x3 .
P1 (x) = x P
=x
x
x3
x
x
3

g1 (x) =

P1 (x)
24

1
24

+ 18 x

5 2
12 x

+ x3

5
5
5
1 1/3 1 1/2
= .
L1 = 2max || || , || || , || || = 2.
24
8
12
12
6


Logo, os zeros reais de f (x) est

ao nos intervalos [2 10, 65 ], [ 56 , 2 10].
Observa
c
ao 5.7. No exemplo anterior foi utilizado um polin
omio auxiliar g1 (x) =

P1 (x)
24 ,

pois o P1 (x) n
ao era m
onico.

Note que todo zero de g1 (x) e um zero de P1 (x) e vice versa. Tome este cuidado nos exerccios!

5.2

Multiplicidade de um Zero

Teorema 5.8. Todo polin

omio de grau n tem exatamente n zeros reais ou complexos.
Em particular, o polin
omio P (x) = x3 + 4x2 + 5x + 2. Temmos que P (x) tem tres zeros, porem o conjunto soluc
ao
de P (x) = 0 e {1, 2}. Isto ocorre devido ao 1 ser um zero de multiplicidade 2.
Para se determinar a multiplicidade de um zero, , basta olharmos as derivadas sucessivas aplicadas a . A
multiplicidade, neste caso, e dada pela ordem da u
ltima derivada nula, adicionada de 1 (lembre-se que f (x) = f (0) ,
f 0 (x) = f (1) (x), . . ..
Por exemplo, 0 = 2 e tal que P (2) = 0, P (2) 6= 0 e portanto 0 = 2 tem multiplicidade igual a 0 + 1 = 1.
Por outro lado, 1 = 1 e tal que P (1) = P 0 (1) = 0, P 00 (x) 6= 0. Portanto, 1 tem multiplicidade 2.

5.3

Exerccios

Exerccio 1: Ache os limites superior e inferior dos zeros do polinomio P (x) = 2x3 3x2 2x + 3.
Resposta: L = 3, L1 = 2(2/3)1/3
Exerccio 2: Dado P (x) = x3 2x2 4x + 8 encontre seus zeros reais, com precisao de 102 e investigue suas
multiplicidades.
15

Resposta: L = 4, L1 = 1; i) Aplicando-se o Metodo de Newton a P (x) com x0 = 1 temos x7 = 1, 994391224.

Aplicando-se o Metodo de Newton a P 0 (x) com x00 = 1, 99431224, obtemos x01 = 2, 000011847, x02 2 (precis
ao do
Excel), o que mostra que 1, 99431224 parece tambem ser um zero de P 0 (x). Alem disso, aplicando-se o Metodo de
Newton a P 00 (x) e x000 = 1, 99431224 obtemos xn =

4
6

n, que e bem distante de x000 . Logo, x7 e um zero de multiplici-

dade 2 de P (x). Por fim, aplicando-se o Metodo de Newton a P (x) com x0 = 3, obtemos x4 = 2, 000000152 que e
um zero de multiplicidade 1 (a soma das multiplicidades de todos os zeros, reais e complexos, de um polinomio e igual
a seu grau). Mas isso pode ser verificado aplicando-se o Metodo de Newton a P 0 (x) com x00 = 2, 000000152.

16

Captulo 6
Interpola
c
ao e Aproxima
c
ao Polinomial
Polin
omio de Lagrange

6.1

Introdu
c
ao
Em uma certa cidade foram feitas medi
c
oes de sua temperatura a cada hora. A tabela a seguir

mostra a temperatura em graus Celsius de 6h

as 12h.
Hora

10

11

12

T emperatura

14

17

21

26

27

23

21

Revendo esses dados podemos perguntar se eles poderia ser utilizados para se fazer uma estimativa
de temperatura, digamos
as 10:30 h do mesmo dia. Previs
oes desse tipo podem ser feitas por meio de
uma fun
c
ao de ajuste dos dados obtida usando um porcesso chamado interpola
c
ao.
Uma das func
oes mais u
teis que mapeiam os n
umeros reais em si mesmos e a classe dos polinomios algebricos,
P (x) = an xn + . . . + a1 x + a0 ,
onde n e inteiro n
ao negativo e a0 , . . . , an s
ao constantes reais. O resultado a seguir e central no estudo da interpolac
ao.
Teorema 6.1. Suponha que f esteja definida e seja contnua em [a, b]. Ent
ao, para cada  > 0, existe P (x) tal que
|f (x) P (x)| < ,
para todo x [a, b].

6.2

Polin
omio Interpolador de Lagrange
Nesta sec
ao encontraremos polin
omios aproximativos que sao determinados especificando-se somente certos pontos

atraves dos quais esses polin

omios devem passar.
Teorema 6.2. Se x0 , x1 , . . . , xn s
ao n+1 n
umeros distintos e f e uma func
ao cujos valores s
ao dados nesses n
umeros,
ent
ao existe um u
nico polin
omio P (x) de grau pelo menos n no qual f (xk ) = P (xk ) para todo k = 0, . . . , n. Esse
polin
omio e dado por
P (x) = f (x0 )Ln,0 + f (x1 )Ln,1 + . . . + f (xn )Ln,n =

n
X

f (xk )Ln,k ,

k=0

onde, para cada k = 0, . . . , n,

Ln,k (x) =

(x x0 )(x x1 ) . . . (x xk1 )(x xk+1 ) . . . (xk xn )

(x xi )
= ni=0, i6=k
.
(xk x0 )(xk x1 ) . . . (xk xk1 )(xk xk+1 ) . . . (xk xn )
(xk xi )
17

Exemplo 6.3. Utilize os n

umeros x0 = 2, x1 = 2, 5 e x2 = 4 para encontrar o segundo polin
omio interpolador para
f (x) = 1/x. Calcule uma aproximac
ao para f (3) e compare com o valor real.
Soluc
ao: Primeiro calculemos L0 (x), L1 (x), L2 (x).
L0 (x) =
L1 (x) =
L2 (x) =

(xx1 )(xx2 )
(x0 x1 )(x0 x2 )
(xx0 )(xx2 )
(x1 x0 )(x1 x2 )
(xx0 )(xx1 )
(x2 x0 )(x2 x1 )

=
=
=

(x2,5)(x4)
2
(22,5)(24) = x 6, 5x + 10,
(x2)(x4)
4 2
32
(2,52)(2,54) = 3 x + 8x 3 ,
(x2)(x2,5)
1 2
5
(42)(42,5) = 3 x 1, 5x + 3 .

Como f (x0 ) = f (2) = 0, 5, f (x1 ) = f (2, 5) = 0, 4 e f (x2 ) = f (4) = 0, 25, temos

P2
1 2
5
P (x) = k=0 f (xk )Lk (x) = 0, 5(x2 6, 5x + 10) + 0, 4( 43 x2 + 8x 32
3 ) + 0, 25( 3 x 1, 5x + 3 ) =
= 0, 05x2 0, 425x + 1, 15.
Uma aproximac
ao para f (3) =

1
3

e dada por

P (3) = 0, 05.32 0, 425.3 + 1, 15 = 0, 325.

Comparando com o valor real, f (3), temos
|f (3) P (3)| = 0, 008333,
onde obtemos uma precis
ao de 102 .
Exemplo 6.4. A tabela a seguir relaciona valores de uma func
ao em diversos pontos. As aproximac
oes para se
calcular f (1, 5) obtidas por v
arios polin
omios de Lagrange ser
a comparada.
Indice

f (x)

1, 0

0, 7651977

1, 3

0, 6200860

1, 6

0, 4554022

1, 9

0, 2818186

2, 2

0, 1103623

Polin
omio de 1o grau: Como 1, 5 est
a entre 1, 3 e 1, 6, o polin
omio linear mais apropriado utiliza x0 = 1, 3 e
x1 = 1, 6. O chamaremos de P1,2 (x)
P1,2 (1, 5) =

(1, 5 1, 6)
(1, 5 1, 3)
(0, 6200860) +
(0, 4554022) = 0, 5102968.
(1, 3 1, 6)
(1, 6 1, 3)

Polin
omio de 2o grau: Dois Polin
omios de 2o grau podem ser razoavelmente utilizados, um deles fazendo x0 = 1, 3,
x1 = 1, 6 e x2 = 1, 9, o que nos d
a
P1,2,3 (1, 5) =

(1,51,6)(1,51,9)
(1,31,6)(1,31,9) (0, 6200860)

(1,51,3)(1,51,9)
(1,61,3)(1,61,9) (0, 4554022)

(1,51,3)(1,51,6)
(1,91,3)(1,91,6) (0, 2818186)

= 0, 5112857,
e o outro polin
omio fazendo x0 = 1, 0, x1 = 1, 3 e x2 = 1, 6, o que nos d
a
P1,2,4 (1, 5) = 0, 5124715.
Polin
omio de 3o grau: Temos, tambem duas escolhas. A primeira e fazendo x0 = 1, 3, x1 = 1, 6, x2 = 1, 9 e
x3 = 2, 2,o que nos d
a
P1,2,3,4 (1, 5) = 0, 5118302.
e a segunda escolha de polin
omio e aquela fazendo x0 = 1, 0, x1 = 1, 3, x2 = 1, 6 e x3 = 1, 9 e x4 = 2, 2, o que nos d
a
P0,1,2,3 (1, 5) = 0, 5118127.
Polin
omio de 4o grau: Com x0 = 1, 0, x1 = 1, 3, x2 = 1, 6, x3 = 1, 9 e x4 = 2, 2, o que nos d
a
P1,2,3,4 (1, 5) = 0, 5118200.
18

Sabe-se que o valor de f (1, 5) e de aproximadamente 0, 5118277, o que nos leva a concluir que a melhor aproximac
ao
e obtida por meio de P1,2,3,4 (1, 5) ao inves de P0,1,2,3,4 (1, 5), contrariando nossa intuic
ao.
O exemplo acima nos mostra que a intuicao as vezes falha. Porem, e possvel se conhecer um limite para o erro
onde se conhece algo sobre certa derivada de ordem superior de f .
Teorema 6.5. Seja f (x) = Et (x) + P (x), onde P (x) e o polin
omio interpolador de f (x) realtivamente aos pontos
x0 , . . . , xn de [a, b]. Suponha que f (x) seja n + 1 vezes diferenci
avel em [a, b]. Ent
ao existe (a, b) tal que
Et (x) = (x x0 )(x x1 ) . . . (x xn )

f n+1 ()
.
(n + 1)!

Exemplo 6.6. Calcule uma aproximaca

o para log10 (2, 4) sabendo que log10 (2, 00) = 0, 301 e log10 (0, 477). Calcule
um cota superior para o erro e compare com o erro real. (Use log10 (2, 4) = 0, 380.)
Soluc
ao:
P (2, 4) = 0, 301

2, 40 2, 00
2, 40 3, 00
+ 0, 477
= 0, 371.
2, 00 3, 00
3, 00 2, 00

Vemos que o erro absoluto da aproximaca

o e
|log10 (2, 4) P (2, 4)| = |0, 380 0, 371| = 0, 009.
Agora, analisemos o erro conforme 6.5. Queremos uma cota superior para f 00 (x). Temos que
|f 00 (x)| = |
cujo m
aximo em [2, 3] ocorre em x = 2, isto e, |f 00 (x)|
e(2, 4)

1
x2 ln(10)

1
22 ln(10)

|,

= 0, 109 . Portanto,

|(2, 40 2, 00)(2, 40 3, 00)|

.0, 109 e(2, 4) 0, 0131.
2!

Note que a cota m

axima de erro, 0, 0131, e maior que o erro real, 0, 009, o que j
a era esperado.

6.3

Exerccios

Exerccio 1: Utilize o polin

omio interpolador de grau 1, 2, 3 para aproximar cada um dos seguintes itens:
a) f (8, 4) se f (8, 1) = 16, 94410, f (8, 3) = 17, 56492, f (8, 6) = 18, 50515, f (8, 7) = 18, 82091;
b) f ( 31 ) se f (0, 75) = 0, 07181250, f (0, 5) = 0, 02475000, f (0, 25) = 0, 33493750, f (0) = 1, 10100000.
c) f (0, 25) se f (0, 1) = 0, 62049958, f (0, 2) = 0, 28398668, f (0, 3) = 0, 00660095, f (0, 4) = 0, 24842440.
Resposta:

a)

x0 , x1 , . . . , xn

Pn (8, 4)

8, 3, 8, 6

17, 87833

8, 3, 8, 6, 8, 7

8, 3, 8, 6, 8, 7, 8, 1

c)

x0 , x1 , . . . , xn

Pn (1/3)

0, 5, 0, 25

0, 21504167

17, 87716

0, 5, 0, 25, 0, 0

0, 16988889

17, 87714

0, 5, 0, 25, 0, 0, 0, 75

0, 17451852

b)

x0 , x1 , . . . , xn

Pn (0, 25)

0, 2 0, 3

0, 13869287

0, 2, 0, 3, 0, 4

0, 13259734

0, 2, 0, 3, 0, 4, 0, 1

0, 13277477

19

Exerccio 2: Os dados do exerccio anterior foram gerados usando as funcoes abaixo. Use o Teorema 6.5 para
encontrar o limite para o erro e compare o limite com o erro verdadeiro para os casos n = 1 e n = 2.
a) f (x) = xln(x);
b) f (x) = x3 + 4, 001x2 + 4, 002x + 1, 101;
c) f (x) = xcos(x) 2x2 + 3x 1. (resolva com a calculadora em radianos!)
Resposta:
n
a) 1
2

Erro V erdadeiro

Limite de erro

0, 00118

0, 00120

1, 367.105

1, 452.105
n

n
b) 1
2

Erro V erdadeiro

Limite de erro

4, 5153.102

4, 6296.103

4, 6296.103

4, 0523.10

Erro V erdadeiro

Limite de erro

c) 1

5, 9210.103

6, 0971.103

1, 7455.104

1, 8128.104

Observa
c
ao 6.7. Uma dificuldade reside no exerccio acima, que e justamente, a de se encontrar proposto no
Teorema 6.5. Por simplicidade, as as derivadas de ordem 2, (n = 1) e as derivadas de ordem 3, (n = 2) citadas no
teorema, atingem seu valor m
aximo em um dos valores de x0 , x1 ou x2 (x2 somente no caso, n = 2). Teste cada valor
substituindo na derivada de ordem 2 e 3 ( ordem 3 apenas se n = 2 ). Tome o valor para o qual a derivada toma seu
maior valor em m
odulo e depois aplique o teorema. Isto nem sempre ocorre, por exemplo, se estamos no caso n = 1, e
no intervalo [x0 , x1 ], a derivada segunda em quest
ao pode assumir seu valor em qualquer ponto deste intervalo, e n
ao
apenas em x0 ou x1 . O exerccio acima repete basicamente o Exemplo 6.6. Qualquer d
uvida consulte o professor!
Exerccio 3: Considere a func
ao f (x) = sen(x).
a) Obtenha o polin
omio interpolador de Lagrange de grau 2 nos pontos x0 = 0, x1 =
b) Calcule o limite para o erro no ponto
c) Calcule o erro verdadeiro no ponto

3
8 ;

3
8 .

Resposta:
a) P (x) = 0, 335748867x2 + 1, 16401286;

b) 0, 30280;

20

c) 0, 018.

4,

x2 =

2;

Captulo 7
Interpola
c
ao e Aproxima
c
ao Polinomial
Diferen
cas Divididas Finitas - DDF

7.1

Introdu
c
ao
Nesta parte, veremos uma outra maneira de se encontrar o polinomio interpolador que passa pelos n + 1 pontos

x0 , . . . , xn , onde f e conhecida. Lembre-se que o Teorema 6.2 estabelece que o polinomio interpolador e u
nico.
Consideremos uma func
ao f (x) contnua em [a, b] e diferenciavel em (a, b). Uma DDF de primeira ordem de f (x)
em relac
ao a x0 , x1 e dada por:
f [x0 , x1 ] =

f (x1 ) f (x0 )
.
x1 x0

A DDF de segunda ordem de f (x) ser

a dada por:
f [x2 , x1 , x0 ] =

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

Assim a DDF de n-esima ordem de f (x) sera dada por:

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

f [xn , . . . , x1 , x1 ] f [xn1 , . . . , x1 , x0 ]
.
xn x0

Uma DDF tem a seguinte propriedade: f [xn , . . . , x1 , x0 ] = f [xn , . . . , x1 , x0 ] onde {0 , . . . , n } e qualquer

permutac
ao dos inteiros {n, . . . , 1, 0}.
Observa
c
ao 7.1. 1) Observe que
f [x0 , x1 ] =

f (x1 )
f (x0 )
+
.
x0 x1
x1 x0

Da mesma mesma forma

f [x0 , x1 , x2 ] =

f (x1 )
f (x2 )
f (x0 )
+
+
.
(x0 x1 )(x0 x2 ) (x1 x0 )(x1 x2 ) (x2 x0 )(x2 x1 )

O que voce notou?

2) Observe que f [x0 , x1 ] e uma aproximac
ao para f 0 (x0 ), f [x0 , x1 , x2 ] e uma aproximac
ao para f 00 (x1 ).

7.2

F
ormula do Polin
omio Interpolador
Consideremos os n + 1 pontos, x0 , . . . , xn onde f (x) e conhecida. Pela definicao de DDF, temos
P [x, x0 ] =

Mas P [x, x0 , x1 ] =

P [x,x0 ]P [x0 ,x1 ]

.
xx1

P (x) P (x0 )
P (x) = P (x0 ) + (x x0 )P [x, x0 ].
x x0

Donde,

P [x, x0 , x1 ] =

P [x, x0 ] P [x0 , x1 ]
P [x, x0 ] = (x x1 )P [x, x0 , x1 ]
x x1
21

P (x) P (x0 )
= P [x, x0 ] = (x x1 )P [x, x0 , x1 ]
x x0

P (x) = P (x0 ) + (x x0 )P [x0 , x1 ] + (x x0 )(x x1 )P [x, x0 , x1 ].

Procedendo de maneira an
aloga, temos
P (x) = P (x0 ) + (x x0 )P [x0 , x1 ] + (x x0 )(x x1 )P [x, x0 , x1 ] + . . . + (x x0 )(x x1 ) . . . (x xn )P [x, x0 , . . . , xn ].
Como P (x) e um polin
omio de grau n, ent
ao a sua (n + 1)-esima derivada e igual zero. Logo,
P [x, x0 , . . . , xn ] = 0.
Dessa forma, o polin
omio P (x) pode ser escrito da seguinte forma:
P (x) = P (x0 ) + (x x0 )P [x0 , x1 ] + (x x0 )(x x1 )P [x0 , x1 , x2 ] + . . . + (x x0 )(x x1 ) . . . (x xn1 )P [x0 , . . . , xn ].
Exemplo 7.2. Construa o polin
omio interpolador para a func
ao f (x) =
x0 =

3
2 ,

x1 =

sen(x)

via DDF considerando os pontos

2.

Soluc
ao: Temos que
P (x) = f (x0 ) + (x x0 )P [x0 , x1 ] =
= 0, 460658866 + (x

3
).(0, 400606814) =
2

= 0, 400606814x + 1, 42715627.
Observa
c
ao 7.3. Observe que, via Polin
omio de Lagrange, teramos, no Exemplo 7.2, o mesmo polin
omio interpolador
(uma vez que j
a sabemos que este e u
nico). De fato,
P (x) = f (x0 )

(x x1 )
(x x0 )
+ f (x1 )
= 0, 400606814x + 1, 42715627.
(x0 x1 )
(x1 x0 )

Disso, decorre que tanto o Polin

omio de Lagrangem quanto as DDFs produzem os mesmos resultados numerico, porem
utilizam caminhos diferentes. Portanto, quando se conhece a f
ormula algebrica de f (x) podemos obter o limite para o
erro por meio do Teorema 6.5.

7.3

Exerccios

Exerccio 1: Refaca, com os devidos ajustes, todos os exerccios do Captulo 6.

Respostas: Consulte o professor.
Observa
c
ao 7.4. O ajuste dos exercios do Captulo 6 e feito da seguinte forma: Onde le-se polin
omio interpolador
de grau n, passe a ler DDF de ordem n.

22

Captulo 8
Teoria da Aproxima
c
ao
Aproxima
c
ao Discreta dos Mnimos Quadrados

8.1

Introdu
c
ao
O estudo da teoria da aproximac
ao envolve dois tipos de problemas genericos:

1) Um problema ocorre quando uma func

ao e dada de forma explcita, mas queremos encontrar um tipo de func
ao
mais simples, como uma func
ao polinomial que possa ser utilizada para determinar valores aproximados da func
ao
dada.
2) O outro problema na teoria da aproximac
ao e relativo ao ajuste da funcao aos dados encontrados, e a se encontrar
a mehorfunc
ao em uma determinada classe para representar todos os dados possveis.

8.2

Mnimos Quadrados
Considere o problema de se estimar os valores de uma funcao em pontos nao tabulados, dados resultados de um

experimento que se pode encontrar na tabela a seguir

xi

yi

2, 9

5, 1

7, 2

8, 7

11, 5

13, 2

Vejamos o gr
afico apresentando os valores dados acima

(8.1)
Uma r
apida observac
ao nos leva a crer que a relacao entre x e y deve ser linear. A provavel razao para que nenhuma
curva una com precis
ao os pontos representativos dos dados deve-se ao fato de que existem erros na obtenc
ao dos
dados (erros experimentais).

23

Portanto, devemos determinar a melhor aproximacao linear envolvendo a busca de valores de a0 e a1 que minimizem
E1 (a0 , a1 ) =

6
X

|yi (a1 xi + a0 )|.

i=1

Essa quantidade e chamada de desvio absoluto. Na tentativa de minimizar esta funcao de duas variaveis recaimos
num serio problema. A func
ao m
odulo n
ao e diferenciavel em zero.
A abordagem de mnimos quadrados busca as constantes a0 e a1 de modo a minimizar o erro dos mnimos quadrados
E = E2 (a0 , a1 ) =

m
X
(yi (a1 xi + a0 ))2 .
i=1

Na obtenc
ao do mnimo, facamos
0=

m
m
X
X
(yi (a1 xi + a0 ))2 = 2
(yi a1 xi a0 ).(1),
a0 i=1
i=1

0=

m
m
X
X
(yi (a1 xi + a0 ))2 = 2
(yi a1 xi a0 ).(xi ).
a1 i=1
i=1

Que resulta no seguinte sistema 2 2

a0

a0 m
Pm

i=1

+ a1
xi +

Pm

Pm

i=1 xi =
Pm 2
a1 i=1 xi =

i=1

Pm

yi

i=1

xi yi

Por meio da resoluc

ao deste sistema podemos encontrar a curva dos mnimos quadrados que aproxima os dados
apresentados anteriormente. Pois bem, utilizemos a seguinte tabela auxiliar:
xi

yi

x2i

xi yi

2, 9

2, 9

5, 1

10, 2

7, 2

21, 6

8, 7

16

34, 8

11, 5

25

57, 5

13, 2

36

79, 2

21

48,6

91

206,2

Temos portanto, o seguinte sistema:

6a + 21a = 48, 6
0
1
21a0 + 91a1 = 206, 2
A soluc
ao do sistema acima e a0 = 0, 88, a1 = 2, 06. Logo, P (x) = 2, 06x + 0, 88. Agora, calculemos E2 =
P (xi ))2 .
P (xi )

2, 94

7, 06

9, 12

11, 18

13, 24

(yi P (xi ))2

0, 0016

0, 01

0, 1096

0, 1764

1024

0, 0016

24

0,3116

P6

i=1 (yi

Portanto, E2 = 0, 3116. Observe o gr

afico:

(8.2)
O problema algebrico de se aproximar um conjunto de dados {(xi , yi ); i = 1, . . . , m}, com um polinomio algebrico
Pn (x) = an xn + . . . + a1 x + a0 ,
de grau n < m 1 e tratado de modo semelhante. Neste caso, devemos achar a0 , . . . , an de modo a minimizar
m
X

E2 =

(yi Pn (xi ))2 .

i=1

Isso resulta no seguinte sistema de n + 1 equacoes

P
P
P

a0 m + a1 x1i + a2 x2i + . . . + an xni

P
P
P
P

a0 x1i + a1 x2i + a2 x3i + . . . + an xn+1

i
..

P n
P n+1
P
P

a0 xi + a1 xi + a2 xn+2
+ . . . + an x2n
i
i
onde escrevemos

Pm

i=1

yi

xi yi

..
.
P

xni yi

P
.

Exemplo 8.1. Ajuste os dados da tabela a seguir com um polin

omio discreto de mnimos quadrados de 2o grau.
i

xi

0, 25

0, 5

0, 75

1, 00

yi

1, 0000

1, 2840

1, 6487

2, 1170

2, 7183

Soluc
ao: Utilizemos a seguinte tabela auxiliar:
xi

yi

x2i

x3i

x4i

xi yi

x2i yi

0, 25

1, 2480

0, 0625

0, 015625

0, 00390625

0, 321

0, 08025

0, 50

1, 6487

0, 25

0, 125

0, 0625

0, 82435

0, 412175

0, 75

2, 1170

0, 5625

0, 421875

0, 31640625

1, 58775

1, 1908125

1, 00

2, 7183

2, 7183

2, 7183

2,5

8,7680

1,875

1,5625

1,3828

5,4514

4,4015

Temos portanto, o seguinte sistema:

5a0

2, 5a1

1, 875a2

8, 7680

2, 5a0

1, 875a1

1, 5625a2

5, 4514

1, 875a0

1, 5625a1

1, 3828a2

4, 4015

25

Onde obtemos a0 = 1, 0051, a1 = 0, 86468 e 0, 84316. Logo,

P2 (x) = 0, 84316x2 + 0, 86468x + 1, 0051
e
E2 = 2, 74.104 .
Use um soft para esbocar o gr
afico de P (x) juntamente com os pontos.
Ocasionalmente e apropriado assumir que os valores estao relacionados de forma exponencial. Assim, devemos
obter uma func
ao de aproximac
ao da forma
y = beax .
Aplicando ln a ambos os membro da func
ao acima, temos:
ln(y) = ln(beax ) ln(y) = ln(b) + ax Y = B + Ax,
onde Y = y, B = ln(b) e A = a.
Exemplo 8.2. Ajuste os dados da tabela a seguir com uma curva exponencial de mnimos quadrados.
i

xi

1, 00

1, 25

1, 50

1, 75

2, 00

yi

5, 10

5, 79

6, 53

7, 45

8, 46

Soluc
ao: Utilizemos a seguinte tabela auxiliar:
i

xi

ln(yi )

x2i

xi ln(yi )

1, 00

1, 629

1, 0000

1, 629

1, 25

1, 756

1, 5625

2, 195

1, 50

1, 876

2, 2500

2, 814

1, 75

2, 008

3, 0625

3, 514

5
P

2, 00

2, 135

4, 0000

4, 270

7,50

9,404

11,875

14,422

Portanto, obtemos o seguinte sistema

5B
7, 50B

+
+

7, 50A

9, 404

11, 875A =

14, 422

cuja soluc
ao e dada por A = 0, 5056, B = 1, 122. Portanto, b = e1,122 = 3, 071, a = 0, 5056 donde obtemos a seguinte
func
ao de aproximac
ao
y = 3, 071e0,5056 .
Calcule E2 e use um soft para esbocar os gr
afico de y = 3, 071e0,5056 juntamente com os pontos.

8.3

Exerccios

Exerccio 1: Encontre os polin

omios de mnimos quadrados de graus 1, 2 e 3 para os dados apresentados na tabela
a seguir. Calcule o erro em cada caso. Se possvel use um soft para esbocar o grafico dos polinomios.
xi

1, 0

1, 1

1, 3

1, 5

1, 9

2, 1

yi

1, 84

1, 96

2, 21

2, 45

2, 94

3, 18

26

Respostas:
y = 1, 219621x + 0, 6208950, E = 2, 719.105 ;
y = 0, 01085343x2 + 1, 253293x + 0, 5965807, E = 1, 801.105 ;
y = 0, 01004723x3 + 0, 03533252x2 + 1, 185010x + 0, 6290193, E = 1, 741.105 .
Exerccio 2: Apresentados os dados
xi

4, 0

4, 2

4, 5

4, 7

5, 1

5, 5

5, 9

6, 3

6, 8

7, 1

yi

102, 56

113, 18

130, 11

142, 05

167, 53

195, 14

224, 87

256, 73

299, 50

326, 72

a) Construa o polin
omio de mnimo quadrado de grau 1 e calcule o erro.
b) Construa o polin
omio de mnimo quadrado de grau 2 e calcule o erro.
c) Construa o polin
omio de mnimo quadrado de grau 3 e calcule o erro.
d) Construa a aproximac
ao de mnimo quadrado da forma beax e calcule o erro.
e) Construa a aproximac
ao de mnimo quadrado da forma bxa e calcule o erro.
Respostas:
a) y = 72, 0845x 194, 138, E = 329;
b) y = 6, 61821x2 1, 14352x + 1, 23556, E = 1, 44.103 ;
c) y = 0, 0136742x3 + 6, 84557x2 2, 37919x + 3, 42904, E = 5, 27.104 ;
d) y = 24, 2588e0,372382x , E = 418;
e) y = 6, 23903x2,01954 , E = 0, 00703.
Observa
c
ao 8.3. Observando as respostas dos itens a) e d) do Exerccio 2 vemos que o ajuste linear e o ajuste
exponencial n
ao s
ao adequados. Das escolhas feitas, a que melhor se adequa aos dados e o polin
omio mnimo quadrado
de grau 3, pois o erro e menor que nos demais itens.

27

Captulo 9
Integra
c
ao Num
erica
Regra do Trap
ezio e Regra de Simpson

9.1

Introdu
c
ao
Frequentemente nos deparamos com a necessidade de calcular a integral definida de uma funcao sem antiderivada

explcita, ou seja, cuja derivada n

ao e simples de se obter, como, por exemplo
Z

ex dx.

A interpolacao polinomial pode nos ajudar a resolver este problema. Nela aprendemos como gerar o polin
omio
P (x). Assim, dada uma func
ao a qual aproximamos por P (x), podemos considerar a integral
Z

Z
P (x)dx =

9.2

f (x)dx.
a

Regra dos Trap

ezios
Seja f (x) uma func
ao conhecida apenas nos pontos (x0 , f (x0 )), (x1 , f (x1 )). Por meio de Interpolacao de Lagrange

sabemos que
P (x) = f (x0 )

x x1
x x0
+ f (x1 )
. (1)
x0 x1
x1 x0

Integrando ambos os membros de (1) de x0 a x1 , temos


Z x1
Z x1 
x x0
x x1
P (x)dx =
+ f (x1 )
dx =
f (x0 )
x0 x1
x1 x0
x0
x0
Z
Z
f (x0 )
f (x1 )
x1 x0
=
x1 (x x1 )dx +
x1 (x x0 )dx =
(f (x1 ) + f (x0 )). (2)
x0 x1 x0
x1 x0 x0
2
De acordo com a equac
ao acima, temos a
area do trapezio

(9.1)
28

Se tivermos (n + 1) pontos, digamos x0 , . . . , xn , igualmente espacados, ou seja, xk = xk1 + h, (k = 1, . . . , n),

temos
Z

xn

x1

P (x)dx =

xn

P1 (x)dx + . . . +

x0

x0

Pn (x)dx =
xn1

x1 x0
xn xn1
(f (x1 ) + f (x0 )) + . . . +
(f (xn ) + f (xn1 )) =
2
2
h
= (f (x0 ) + 2f (x1 ) + 2f (x2 ) + 2f (x3 ) + . . . + 2f (xn1 ) + f (xn )).
2
=

Vimos anteriormente que o erro na interpolacao e dado por Et (x) = (x x0 )(x x1 ) f

Integrando, temos
Z

x1

x1

(x x0 )(x x1 )

Et (x)dx =
x0

x0

00

()
2!

para (x0 , x1 ).

f 00 ()
dx =
2!

00

f ()
f 00 ()h3
(x1 x0 )3 =
.
12
12
Para o caso geral, em que temos n + 1 pontos, x0 , . . . , xn , o erro total sera dado por:
=

E=

n1
X

EIi ,

i=1

onde EIi e o erro em cada (xi1 , xi ).

Exemplo 9.1. Apliquemos a regra do trapezio para calcular

R x1
x0

f (x)dx, onde x0 =

3,

x1 =

5
6

e f (x) = sen(x).

Soluc
ao:
A regra dos trapezios nos d
a que
Z x1
x1 x0
5/6 /3
f (x)dx =
(f (x1 ) f (x0 )) =
(sen(5/6) sen(/3)) = 1, 07287.
2
2
x0
Sabemos que f 00 (x) = sen(x) e tal que |f 00 (/3)| |f 00 (x)| para todo x (5/6, /3). Logo,
E=

f 00 (/3)(5/6 /3)3
= 0, 2797.
12

Pelo Teorema Fundamental do C

alculo temos
Z

5/6

sen(x)dx = 1, 36603.
/3

9.3

1a Regra de Simpson
A regra dos trapezios utiliza polin
omios interpolantes de grau 1, uma vezque trabalha de dois em doispontos.

A Regra de Simpson, por sua vez, utiliza polinomios de grau 2. Considere o polinomio interpolante de grau 2 que
passa pelos pontos x0 , x1 , x2
P (x) = f (x0 )

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

Integrando P (x) de x0 a x2 , temos

Z

x2

P (x)dx =
x0

h
(f (x0 ) + 4f (x1 ) + f (x2 )).
3

Para n + 1 pontos x0 , . . . , xn , temos

Z xn
h
P (x)dx = (f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) + . . . + 4f (xn1 ) + f (xn )).
3
x0
Neste caso dos pontos x0 , x1 , x2 , o erro e dado por:
EI =

f (4) ()h5
.
90
29

Exemplo 9.2. Apliquemos a regra do trapezioe a 1a regra de Simpson para calcular

R x2
x0

f (x)dx, onde x0 =

3,

x1 =

7
12 ,

x2 = 5/6 e f (x) = sen(x).

Soluc
ao: Temos que h =
Regra dos Trap
ezios:
1a Regra de Simpson:

7/12/3
= /4.
2
/4
sen(x)dx = 2 (sen(/3) + 2sen(7/12) + sen(5/6)) = 1, 29507.
/3
R 5/6
sen(x)dx = /4
3 (sen(/3) + 4sen(7/12) + sen(5/6)) = 1, 36914.
/3

x1 x0
2

R 5/6

Deduza a 2a Regra de Simpson, isto e, para f (x) conhecida nos pontos x0 , x1 , x2 e x3 . Encontre o erro.

9.4

Exerccios

Exerccio 1: Aproxime as seguintes integrais utilizando a regra do trapezio.

R1
a) 0,5 x4 dx, x0 = 0, 5, x1 = 1;
R 0,5 2
b) 0 x4
dx, x0 = 0, x1 = 0, 5;
R 1 2 x
c) 0 x e dx, x0 = 0, x1 = 1;
R 1,6
d) 1 x22x
4 dx, x0 = 1, x1 = 1, 6;
R /4
e) 0 xsen(x)dx, x0 = 0, x1 = /4.
Respostas: a) 0, 265625; b) 0, 2678571; c) 0, 1839397; d) 0, 8666667; e) 0, 2180895.
Exerccio 2: Repita o Exerccio 1 usando a regra de 1a regra de Simpson. Neste caso, deveser considerar o intervalo [x0 , x2 ]. Em particular, no item a), temos: x0 = 0, 5, x1 = 0, 75, x2 = 1 e h = 0, 25.
Respostas: a) 0, 1940104; b) 0, 2670635; c) 0, 16240168; d) 0, 7391053; e) 0, 2180895.

Exerccio 3: Utilize a regra do trapezio nos itens abaixo com os valores de n indicados.
R2
a) 1 xln(x)dx, n = 4 (n = 4 significa que s
ao considerados os pontos x0 , . . . , x4 );
R
3 x
b) 2 2x e dx, n = 4;
R2
c) 0 x22+4 dx, n = 6;
R3
d) 1 x2x+4 dx, n = 8.
Respostas: a) 0, 639900; b) 31, 3653; c) 0, 784241; d) 0, 476877.
Exerccio 4: Use a 1a regra de Simpson para aproximar

R2
0

a) usando h = 0, 25;
b) usando h = 0, 125.
Resposta: a) 8, 389785277; b) 8, 389102023.

30

xex dx

Captulo 10
Integra
c
ao Num
erica
Quadratura Gaussiana

10.1

Introdu
c
ao

As f
ormulas de intregrac
ao numericas vistas anteriormente foram obtidas integrando-se polinomios interpoladores.
Alem disso, temos a utilizac
ao de pontos uniformemente espcados.
Pro sua vez, a Quadratura Gaussiana escolhe pontos para se calcular a aproximacao de uma maneira
otima, em
vez de considerar apenas pontos igualmente espacados.
Teorema 10.1. (Mudanca de Vari
avel) Seja f : [a, b] R contnua, g : [c, d] R com derivada integr
avel e
g([c, d]) [a, b]. Ent
ao,
g(d)

f (g(t))g 0 (t)dt.

f (x)dx =
g(c)

A quadratura gaussiana afirma que

n
X

f (x)dx =
a

wi f (ti ),

i=1

onde os n
os t1 , . . . , tn [a, b] e os coeficientes w1 , . . . , wn sao escolhidos de modo a minimizar o erro esperado para o
c
alculo da aproximac
ao.
ba
2

Pois, bem seja g : [a, b] R tal que g(t) =

10.1 temos:

t + b+a
2 . Observe que g(1) = a e g(1) = b. Aplicando o Teorema

f (x)dx =

F (t)dt
1

onde
F (t) = f (g(t)).g 0 (t) = f
Assim, para sabermos o valor de

Rb
a

f (x)dx basta calcular

ba
b+a
t+
2
2

R1
1

ba
.
2

F (t)dt.

Por meio da quadratura gaussiana, temos

Z

F (t)dt =
1

n
X

wi F (ti ),

i=0

onde wk s
ao chamados de pesos e tk s
ao pontos do intervalo [1, 1].
A seguir identificaremos estes pontos e pesos para n = 1, isto e, dois pontos apenas. Devemos achamarw0 , w1 , t0
e t1 , tais que
Z

F (t)dt = w0 F (t0 ) + w1 F (t1 ).

1

31

Necessitamos de um sistema de 4 equac

oes para descobrir estas incognitas. Note que, estas incognitas n
ao depende
de F (t), donde podemos escolher F (t) = tk . Portanto,

R1
k=0
2 = 1 t0 dt = w0 t00 + w1 t01

R1

k = 1 0 = 1 t1 dt = w0 t0 + w1 t1
R1
2
k=2
= 1 t2 dt = w0 t20 + w1 t21

R1

k = 3 0 = 1 t3 dt = w0 t30 + w1 t31

2 = w0 t00 + w1 t01

0=w t +w t
0 0
1 1

2
2

3 = w0 t0 + w1 t21

0 = w t3 + w t3
0 0
1 1

Resolvendo este sistema, temos

1
1
w0 = 1, w1 = 1, t0 = , t1 = .
3
3
Ate mesmo para n = 1 encontra-se certa dificuldade para se resolver o sistema anterior na busca pela inc
ognitas
wi e ti . Apresentaremos a seguir as soluc
oes para os casos n = 1, n = 2, . . ., n = 7.
n

ti

wi

1; 0

0, 57735027

0; 1;

0, 77456667

5/9

8/9

0; 1;

0, 86113631

0, 34785484

2; 3;

0, 33998104

0, 65214516

0; 1;

0, 90617985

0, 23692688

2; 3;

0, 53846931

0, 47862868

0, 53888889

0; 1;

0, 93246951

0, 17132450

2; 3;

0, 66120939

0, 36076158

4; 5;

0, 23861919

0, 46791394

0; 1;

0, 94910791

0, 12948496

2; 3;

0, 74153119

0, 27970540

4; 5;

0, 40584515

0, 38183006

0, 41795918

0; 1;

0, 96028986

0, 10122854

2; 3;

0, 79666648

0, 22238104

4; 5;

0, 52553242

0, 31370664

6; 7;

0, 18343464

0, 36268378

3
4

Exemplo 10.2. Calcule

R1
0

ex dx por quadratura gaussiana para n = 1 e n = 2.

Soluc
ao: Inicialmente, devemos achar F (t),

F (t) = f

b+a
ba
t+
2
2

1
1 1
ba
= e 2 t+ 2 .
2
2

Para n = 1, temos
Z

e dx
0

F (t)dt = w0 F (t0 ) + w1 F (t1 ) =

1

= 1.F (1/ 3) + 1.F (1/ 3) = 1, 717896.

Para n = 2, temos
Z

1
x

e dx
0

F (t)dt = w0 F (t0 ) + w1 F (t1 ) + w2 F (t2 ) =

1

5
5
8
F (0, 77459667) + F (0, 77459667) + F (0) = 1, 718281.
9
9
9
32

Comparando os casos n = 1 e n = 2 com o resultado obtido via Teorema Fundamental do C

alculo, temos n = 1
E1 = |1, 718281828 1, 717896| = 3, 85828459.104 ;
n = 2 E2 = |1, 718281828 1, 718281| = 8, 28459.107 .
Se F e um polin
omio de grau ate 3, ent
ao esta formula fornece o valor exato da integral. Do contrario o erro pode
ser calculado da seguinte forma:
E=

22n+3 ((n + 1)!)4

F 2n+2 ()
(2n + 3)((2n + 2)!)3

com (1, 1).

10.2

Exerccios

R /2
Exerccio 1: Calcule 0 sen(x)dx por quadratura gaussiana com n = 1 e n = 2.
R /2
R /2
Resposta: n = 1 0 sen(x)dx 0, 9984 e n = 1 0 sen(x)dx 1.
2

x
dx por quadratura gaussiana com n = 1 e n = 2.
Exerccio 2: Calcule int1,5
1 e
R 1,5 x2
R 1,5
2
Resposta: n = 1 1 e
dx 0, 1094003 e n = 2 1 ex dxdx 0, 1093642.

Exerccio 3: Escolha uma integral definida particular, cujo valor exato e conhecido pelo Teorema Fundamental
do C
alculo, e compare os metodos de soluc
ao da Regra dos Trapezios, 1a e 2a Regras de Simpson e Quadratura
Gaussiana.
Resposta: Aberta!
Observa
c
ao 10.3. A resposta da quest
ao anterior e aberta. Para a comparac
ao entre os metodos use n = 1, . . . , n = 6
dispondo-os em uma tabela, de forma a compar
a-los. Obtenha tambem o valor real da integal definida via Teorema

Fundamental do Claculo. Lembre-se que a quantidade de escolhas para a integral definida e infinita, bem como os
limites de integrac
ao!

33

Captulo 11
Solu
c
ao de Sistemas Lineares
M
etodo Direto de Gauss

11.1

Introdu
c
ao

bastante comum nos depararmos com sistemas lineares quadrados, isto e, sistemas lineares de n equac
E
oes e n
inc
ognitas. Utilizaremos a seginte notac
ao

a11 x1

a21 x1
..

an1 x1

para tais sistemas:

+

a12 x2

+ ...

a1n xn

b1

+ ...

+ ...

a2n xn
..
.

a22 x2
..
.

b2
..
.

an2 x2

+ ...

+ ann xn

= bn

O sistema 11.1 admite uma representac

ao matricial da forma AX = B

a11

a12

...

a1n

x1

b1

a21

.
..

an1

a22
..
.

...
...

a2n
..
.

x2
..
.

b2
..
.

an2

...

ann

xn

bn

Podemos considerar tambem a chamada matriz aumentada do sistema

a11 a12 . . . a1n b1

a21 a22 . . . a2n b2

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

an1 an2 . . . ann bn

11.1

Exemplo 11.1. Considere os sistema 2 2

2x
1
x1

x2

4x2

Neste caso,

A=

, X =

Alem disso a matriz aumentada deste sistema e dada por

2
A=
1

34

x1
x2

, B =

3
5

(11.1)

Nas sec
oes a seguir, trabalharemos somente com sistemas possveis e determinados, isto e, sistemas quadrados
(n
umero de equac
os igual ao n
umero de inc
ognitas) cujo determinante da matriz A e nao nulo.
Em problemas pr
aticos e comum encontrarmos sistemas lineares de grande porte, por exemplo n > 100. Este fato
nos condu a buscarmos metodos numericos para encontrarmos a solucao de tais sistemas, de tal forma que eles possam
ser implementados computacionalmente.

11.2

M
etodo De Gauss

Este metodo trabalha por meio do uso de operacoes elementares na busca por sistemas equivalentes.
Opera
c
oes Elementares
i) Trocar duas linhas: Li Lj ;
ii) Multiplicar uma linha por um escalar k 6= 0: Li kLi ;
iii) Substituir uma linha por uma soma dela propria com um m
ultiplo escalar de outra: Li Li + kLj .
Defini
c
ao 11.2. Dizemos que as matrizes A e B s
ao linha equivalentes, se B pode ser obtida atraves de operac
oes
elementares em A.

. e B =
. s
ao linha equivalentes.
1 2 3
0 1 1
Soluc
ao: Aplicando operac
oes elementares em A, temos:

0 2 2
1 2 3
1 2 3
1 1 2
1

L1 L2
L1 L2
L1 L1 L2
.
2
1 2 3
0 2 2
0 1 1
0 1 1
Exemplo 11.3. Mostre que as matrizes A =

Teorema 11.4. Dois sistemas que possuem matrizes ampliadas equivalentes possuem mesma soluc
ao.

Demonstrac
ao. Veja em livros de Algebra
Linear.
O Teorema ?? nos permitir
a iniciar o Metodo de Gauss. Este metodo consiste em transformar a matiz ampliada
de um sistema atraves de operac
oes elementares em uma matriz da forma:

a11 a12 . . . a1n b1

0 a022 . . . a02n b02

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

...

b0n

a0nn

Na verdade, o Metodo de Gauss Consiste em transformar a matriz A em uma matriz diagonal. Vejamos alguns
exemplos.

3x
1
Exemplo 11.5. Encontre a soluc
ao do sistema
2x1

+ x2

+ x2

Soluc
ao: Temos a seguinte representac
ao matricial para os sistema dado:
Devemos deixar a matriz acima na forma dada em 11.2.

3 1 2
3

L2 L2 2 L1
3
2 1 1
0

3x
1
Voltando a forma matricial para a forma de sistema, temos

1
3

31
x2

. Portanto, de L2 , temos que

= 31
x2 = 1, donde por substituic
ao em L1 , temos que x1 = 1. Logo, asoluc
ao do sistema e dada por S = {(1; 1)}.
35

1
3 x2

Observa
c
ao 11.6. O valor 23 , o qual multiplicamos L1 antes de somarmos com L2 , ser
a, chamado de m21 . ( obvia
escolha de ndice! )

Exemplo 11.7. Encontre a soluc

ao do sistema

2x1
x1

2x2

x3

2x2

x3

2 .

3x1 x2 4x3
Soluc
ao: Temos a seguinte representac
ao matricial para os sistema dado:

2 2 1 1

1 2
1
2

.
3 1 4 1
Procederemos na tentativa de colocar a matriz acima

2 2 1 1
2
1
L2 L2 2 L1

1 2
0
1
2

L3 L3 32 L1
3 1 4 1
0

= 1

na forma dada em 11.2.

2 1
1
2

5
3
3 L L + L
1
3
1
0
2
2 3
3
4 25 52
0

3
2

3
2

73

Portanto, obtemos o seguinte sistema

2x1

x3

x2

3
2 x3

3
2

73 x2

2x2

onde obtemos que x2 = 0, e por substituic

ao em L2 , obtemos x3 = 1. Por fim, substituindo x2 e x3 em L1 , temos
x1 = 1. Logo, a soluc
ao do sistema e S = {(1; 0; 1)}.
Observa
c
ao 11.8. Como em 11.6 temos que os valores 21 , 32 e

5
3

s
ao respectivamente chamados de m21 , m31 e

m32 .

11.3

Exerccios

Exerccio 1: Determine a soluc

ao dos
seguintes sistemas lineares:

5x
=
9

1
2
2x1 + x2

2x + 5x = 6
1
2
c)
b)
a)
x1 + x2 = 3
x1 + x2

x1 + x2 = 3

2
2x1 4x2 = 13
3x1 x2

x1 + 2x2 x3 +

0,
25x
+
0,
2x

x
=
0,
2175

1
2
3

2x + 2x + x +
1
2
3
d)
e)
0, 03x1 + 0, 4x2 + 0, 9x3 = 0, 0007

1
2
3 +

x1
0, 5x2 0, 5x3 =
0, 26

x
x3 +
1




Respostas: a) 21 ; 1 ; b) Impossvel; c) 12 ; 1; 13 ; d) (0, 31; 0, 2; 0, 1); e) (1; 1; 1; 1).

x3

= 31

x3

= 61

3x3

= 23

x4

3x4

x4

x4

Exerccio 2: Por meio de sistemas lineares encontre o polinomio do segundo grau que passa pelos pontos (2; 0),
(1, 2), (4, 2).
Resposta: y = x2 5x + 6.
Exerccio 3: Resolva, por meio de sistemas lineares o seguinte problema:
Em uma oficina mec
anica h
a exatamente 50 veculos, considerando apenas carros e motos. Sabe-se que todos os
pneus destes veculos foram trocados, de modo que foram necessarios 160 pneus.
Determine o n
umero de carros e de motos nesta oficina.
Respsota: 30 carros e 20 motos.
36

Captulo 12
Solu
c
ao de Sistemas Lineares
M
etodo Direto da Decomposic
ao LU

12.1

Decomposi
c
ao LU

Considere o sistema AX = B em sua forma matricial, com det(A) 6= 0. Suponha que A possa se decompor no
produto de uma matriz triangular inferior L, e uma matriz triangular superior U , tal que A = LU . Assim, AX = B
equvale a (LU )X = B. Dessa forma, obtemos dois sistemas LY = B e U X = Y . Como L e U sao triangulares temos
que a resoluc
ao destes sistemas e feita por substituicao retroativa.
Teorema 12.1. Seja Ann uma matriz qualquer e Akk uma submatriz de Ann formada pela intersecc
ao das primeiras
k linha e k colunas. Se det(A) 6= 0 para k = 1, . . . , n 1 ent
ao existem e s
ao u
nicasas matrizes L e U .
Para obtermos L e U , utilizaremos eliminacao Gaussiana faremos L sendo a matriz inferior com diagonal igual a
1 e multiplicaodres mij , e U uma matriz triangular superior formada pelos elementos da forma final de A. Vejamos o
caso 3 3.

a11

a12

a13

a21

a31

a22

a23
= m21
a33
m31

a32

0
. 0
1
0

m32

Exemplo 12.2. Aplique o metodo da decomposica

o LU ao sistema

2x1 + 3x2 x3 =

u11

u13

u22

u23

u33

5
3 .

4x1

4x2

3x3

2x1

3x2

x3

= 1

Soluc
ao: Nosso ponto de partida e a matriz A do sistema, que e dada por

2 3 1

4 4 3

2 3 1
21
Temos que m21 = aa11
= 2 e m31 = aa31
= 1, donde obtemos
11

4
3

L2 L2 + m21 L1
0
3

L3 L3 + m31 L1
1
0

37

3
2
6

u12

1
.
2

Tomando agora m23 = aa23

, temos
22

1
L3 L3 + m32 L2 0
0
2

2
6

3
2
0

1
.
5

Portanto,

L=
2

Assim, o sistema LY = B equivale a:

y1
5
1 0 0

2 1 0 y2 = 3

1
y3
1 3 1
Por meio de substituic
ao, temos y1 = 5, y2 = 7 e y3

2 3 1
x1
5

0 2 1 x2 = 7

0 0
5
x3
15

U =
0
0

y1

3
2
0

1
.
5

y1

2y1

+ y2

3 .

3y2

+ y3

= 1

= 15. Agora, podemos montar o

2x1 + 3x2 x3

2x2 x3

5x3

sistema U X = Y .
=

= 7 .
=

15

Novamente, por substituic

ao, temos x1 = 1, x2 = 2 e x3 = 3.
Uma observac
ao r
apida e sem muito cuidado, nos faz pensar que a decomposicao LU e pouco eficiente, uma vez
que ela utiliza do metodo de Gauss, e portanto, menos eficiente que este. Mas vejamos a diferenca na aplicac
ao a
seguir:
Exemplo 12.3. Invers
ao de Matrizes

E sabido que uma matriz Ann tal que det(A) 6= 0 possui inversa A1 . Para encontrar A1 devemos resolver n
sistemas lineares. De fato, fazendo A1 = X, devemos ter AX = I, onde I e a identidade de ordem n. Os n sistemas
mencionados s
ao os seguintes:
AX1 = [1; 0; 0; . . . ; 0]T , AX2 = [0; 1; 0; . . . ; 0]T , . . . , AXn = [0; 0; 0; . . . ; 1]T ,
onde Xi e o vetor coluna formado pela i-esima coluna de X, isto e Xi = [x1i ; x2i ; x3i ; . . . ; xni ]T .
Veja que os n sistemas lineares tem a mesma matriz dos coeficientes A. Para usar o metodo de Gauss deveramos
aplic
a-lo n vezes. Por outro lado, uma vez obtida a decomposicao LU da matriz A, temos que o resto e feito por mera
substituic
ao.

12.2

Exerccios

Exerccio 1: Determine a soluc

ao dos

2x + 5x = 6

1
2
a)
b)
x1 + x2 = 3

2




Respostas: a) 21 ; 1 ; b) 12 ; 1; 13 .

seguintes sistemas lineares utilizando decomposicao LU :

2x1 + x2 x3 = 13
x1

+ x2

x3

= 61

3x1

x2

3x3

= 23

Exerccio 2: Encontre a inversa da matriz a seguir pelos dois metodos descritos no Exemplo 12.3, isto e, por

38

meio do metodo de Gauss e depois por meio do metodo da decomposicao LU . Descreva qual dos dois metodos e mais
eficiente neste caso.

Resposta: A1 =
0
1

1
2
4

A=
1

1
.
2

1
.
1

39

Captulo 13
Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Jacobi

13.1

Introdu
c
ao

Estudaremos nesta e na pr
oxima sec
ao dois metodos iterativos de resolucao de sistemas lineares. Assim, dado
um sistema AX = B, com Ann , devemos obter (x), tal que, dada uma aproximacao x0 , tenhamos a sequencia
x1 = (x0 ), x2 = (x2 ), . . ., xn = (xn1 ), . . ., de modo que limn xn = x
, onde x
e a solucao exata do sistema
AX = B.
Como estaremos trabalhando com metodos iterativos, devemos ter um criterio de parada. Neste caso, a definic
ao
a seguir ser
a bastante u
til.
Defini
c
ao 13.1. Dado v = (1 , 2 , . . . , n ), com i R, definiremos ||v|| = max{|1 |, |2 |, . . . , |n |}.
Exemplo 13.2. Dado u = (1; 3, 2), temos que ||u|| = max{|1|, | 3|, |2|} = max{1, 3, 2} = 3.
Defini
c
ao 13.3. Seja A uma matiz quadrada de ordem n. Definiremos a norma de A, isto e, ||A||, como sendo

n
X

||A|| = max
|aij |; i = 1, . . . , n .

j=1

Exemplo 13.4. Encontre a norma da matriz

A=
0

10

3
.
3

Soluc
ao: Temos que
||A|| = max {|1| + | 6| + |3|; |0| + |10| + |3|; |4| + |4| + |3|} = max {10; 13; 11} = 13.
De posse da Definic
ao 13.1 devemos parar os metodos iterativos quando, para um dado > 0, tivermos ||xn
xn1 || < . Neste caso, a soluc
ao ser
a dada por xn .

13.2

M
etodo Iterativo de Jacobi

Considere o sistema 3 3:

a11 x1
(L1 )

(L2 )
a21 x1

(L3 )
a31 x1

a12 x2

a22 x2

+ a23 x3

= b2 .

+ a32 x2

+ a33 x3

= b3

40

a13 x3

= b1

Em cada linha Li isolemos a vari

avel xi :
L1 x1 =

b1
a12
a13

x2
x3
a11
a11
a11

L2 x2 =

a21
a23
b2

x1
x3
a22
a22
a22

L3 x3 =

b3
a31
a32

x1
x2 .
a33
a33
a33

Podemos organizar em uma forma matricial como segue

b1
0
x1

a11
x2 = b2 + a21

a22 a22
b3
aa31
x3
a33
33

aa12
11

13
aa11

x1

21 .
aa22
x2 .
0
x3

0
32
aa33

Montamos portanto a func

ao de iterac
ao de Jacobi:
(x) = d + F x.
O caso geral e an
alogo, neste caso as matrizes F e d sao dadas por:

a
21
a22
F =

...

n1
aann
Exemplo
13.5. Resolva, por

2x x
= 1
1
2
a)
x1 + 2x2 = 3

3x1 + x2 x3
b)
x1 + 4x2 + x3

2x1 x2 + 6x3
Soluc
ao: a) Temos que

2x
1
x1 +

aa12
11

aa13
11

...

aa1n
11

0
..
.

aa21
22
..
.

...
..
.

aa2n
22
..
.

n2
aann

n3
aann

...

d=

b1
a11
b2
a22

..
.

bn
ann

meio do metodo de Jacobi, os sistemas a seguir considerando = 0, 2:

x0 = (0; 0)
=

x0 = (0, 5; 0, 5; 0)

2x
= 1
1

= 3
2x2

x2
2x2

x2

x1

x
1

x2

=
=

1
2
3
2

1
2 x2
1
2 x1

Neste caso, as matrizes F e d s

ao dadas por:

F =

1
2

12

d=

1
2
3
2

Donde,

x1 = (x0 ) = d + F x0 =

1
2
3
2

1
2

21

0
0

0, 5
1, 5

Devemos continuar, pois ||x1 x0 || = ||(0, 5; 1, 5) (0; 0)|| = ||(0, 5; 1, 5)|| = 1, 5 > . Assim,

1
1
0
1, 25
2 0, 5
, ||x2 x1 || = 0, 75 > .
x2 = (x1 ) = d + F x1 = 2 +
.
=
3
1
2 0
1, 5
1, 25
2

x3 = (x2 ) = d + F x2 =

1
2
3
2

1
2

12

41

1, 25
1, 25

1, 125
0, 875

, ||x3 x2 || = 0, 375 > .


x4 = (x3 ) = d + F x3 =

1
2
3
2

1
2

12

1, 125
0, 875

0, 9375
0, 9375

, ||x3 x2 || = 0, 1875 > .

Logo, a soluc
ao procurada e x4 = (0, 9375; 0, 9375).
b) Neste caso,

x1

x2

x3

3
2
7
6

1
3 x2
1
4 x1
1
3 x2

1
3 x3
1
4 x3
1
6 x2

Por uma quest

ao de simplificac
ao, optemos pela func
ao de iterac
ao escrita da seguinte forma:
1
1
3 1
1
7 1
1
(x1 ; x2 ; x3 ) = (1 x2 + x3 ; x1 x3 ; x2 + x2 ).
3
3
2 4
4
6 3
6
Assim,
x1 = (x0 ) = (0, 5; 0, 5; 0) = (0, 83333; 1, 375; 1, 08333), ||x1 x0 || = 1, 08333 > ;
x2 = (x1 ) = (0, 83333; 1, 375; 1, 08333) = (0, 90278; 1, 02084; 1, 11806), ||x2 x1 || = 0, 35416 > ;
x3 = (x2 ) = (0, 90278; 1, 02084; 1, 11806) = (1, 03241; 0, 99479; 1, 03588), ||x3 x2 || = 0, 12963 < .
Logo, a soluc
ao procurada e dada por x3 = (1, 03241; 0, 99479; 1, 03588). Alem disso, a soluc
ao exata e x
= (1; 1; 1),
donde obtemos
ereal = ||
x x3 || = ||(1; 1; 1) (1, 03241; 0, 99479; 1, 03588)||
ereal = ||(0, 03241; 0, 00521; 0, 03588)|| = 0, 03588.
Exemplo 13.6. Considere o sistema a seguir

x1

2x2

x3

2x1

x2

2x3

3 ,

x1

x2

4x3

cuja soluc
ao exata e dada por x
= (1; 1; 1). Obser que se aplicarmos o metodo de Jacobi a este sistema partindo de
x0 = (0; 0; 0), produziremos a seguinte sequencia.
x0 = (0; 0; 0), x1 = (2; 3; 1), x2 = (9; 3; 0, 25), x3 = (4, 25; 14, 5; 0, 5), explode!!!
O que ocorreu no Exemplo 13.6, isto e, por que as iteracoes por meio do metodo de Jacobi parecem nao convergir?
Ser
a que h
a alguma hip
otese para que o metodo de Jacobi nos nos aproxime da solucao exata?
A respostas `
as quest
oes anteriores repousa no seguinte teorema
Teorema 13.7. Se para cada i = 1, . . . , n, temos que

Pn

j=1

|fij | L < 1, ent

ao o metodo iterativo de Jacobi (e

tambem o de Gauss-Sidel, logo mais) convergem para a soluc

ao do sistema.
Exemplo 13.8. Apliquemos o Teorema 13.7 aos Exemplos 13.5 e 13.6.
Temos, que o Teorema 13.7 afirma simplesmente que se a ||F || L < 1 ent
ao o metodo de Jacobi (e Gauss-Sidel)
converge. Pois bem,
No Exemplo 13.5 item a) , temos
||F || = max{|0| + |1/2|, | 1/2| + |0|} = 1/2 < 1.
Portanto, o metodo de Jacobi converge, isto e, ele pode ser aplicado.
No Exemplo 13.5 item b) , temos
||F || = max{|0| + | 1/3| + |1/3|, |1/4| + |0| + | 1/4|, | 1/3| + |1/6| + |0|} = 2/3 < 1.
42

Portanto, o metodo de Jacobi converge, isto e, ele pode ser aplicado.

No Exemplo 13.6, temos que
||F || = max{|0| + | 2| + |1|, |2| + |0| + |2|, | 1/4| + |1/4| + |0|} = 2.

Portanto, o metodo de Jacobi n

ao pode ser aplicado. Observe que o Teorema 13.7 n
ao afirma no caso em que
||F || = L 1.

13.3

Exerccios

Exerccio 1: Use o Teorema 13.7 para verificar a convergencia de cada um dos sistemas a seguir. Em no caso de as
hip
oteses do teorema serem satisfeias encontre a solucao com a tolerancia e a aproximacao inicial x0 . Compare a
solu
ao obtida com a soluc
ao
c
1, 5x + 0, 8x =
1
2
a)
2, 1x1 3, 2x2 =

4x1 + x2 2x3
b)
3x2 + x3

2x1 x2 + 6x3

7x1 + x2 2x3

4x2
c)

x1
+ 5x3

x
+ x2 2x3
1

3x1 + 6x2 2x3

d)

4x1

3x2

x3

exata, isto e, aquela obtida por meio de um metodo direto.

1, 23
0, 87

, = 0, 1, x0 = (0; 0).

11

11

x4

x4

x4

5x4
=

= 0, 1, x0 = (0, 5; 0, 5; 0, 5).

= 0, 05, x0 = (2; 2; 2; 2).

= 5
= 0, 1, x0 = (0; 0; 0).

2x1 x2 + 6x3 = 7
Respostas: a) Converge. Soluc
ao aproximada x6 = (0, 5214375; 0, 625725). Solucao exata = (0, 5; 0, 6);
b) Converge. Soluc
ao aproximada x5 = (0, 997685185; 3, 006944444; 1, 97492284). Solucao exata = (1; 3; 2);
c) Converge. Soluc
ao aproximada x4 = (0, 998714286; 0, 997303572; 1, 003697959; 0, 998102041). Soluc
ao exata =
(1; 1; 1; 1);
d) O Teorema 13.7 n
ao se aplica. Soluc
ao exata = (1; 1; 1; 1).
Exerccio 2: Por meio de operac
oes elementares, coloque os sistemas a seguir numa forma que sempre convirjampara o
x1

a)
x1

4x1

metodo iterativo de Jacobi.

+ 3x2 x3 = 7
+
+

x2
x2

7x3

=
=

1 ,
6

b)

x1

3x2

x3

4x1

x2

4x3

1 .

x1

x2

x3

Respostas: a) Faca, seguidamene, as seguintes operacoes elementares: i) L1 L3 , ii) L2 L3 .

b) Faca, seguidamente, as seguintes operac
oes elementares: i) L1 L2 , ii) L1 L1 + L3 , iii) L3 L1 + L3 .

43

Captulo 14
Solu
c
ao de Sistemas Lineares
M
etodo Iterativo de Gauss-Sidel

14.1

M
etodo Iterativo de Gauss-Sidel

O metodo de Gauss-Sidel e bem semelhante ao metodo de Jacobi, tratando-se somente de uma leve modificac
ao
neste u
ltimo.
No metodo de Jacobi tinhamos que a i-esima coordenada de uma k-esima iteracao era da por
xki =

bi
1

aii
aii

n
X

aij xj ,

j=1,j6=i

onde, facilmente nota-se que uma dada soluc

ao xk depende exclusivamente dos elementos (coordenadas) da soluc
ao
anterior. No metodo de Gauss-Sidel, isso muda, desta vez usaremos tanto coordenadas da aproximacao anterior como
coordenadas da soluc
ao atual que v
ao sendo obtidas. Isso e feito da seguinte forma:


1
b1 a12 xk1
a13 xk1
. . . a1n xk1
n
2
3
a11


1
xk2 =
b2 a21 xk1 a23 xk1
. . . a2n xk1
n
3
a22

xk1 =

..
.
xkk =
Exemplo

2x
1
a)
x1

3x1

b)

x1

1
bn an1 xk2 an2 xk3 . . . an n1 xkn .
ann

14.1. Resolva, por meio do metodo de Gauss-Sidel, os sistemas a seguir considerando = 0, 2:

x2

2x2

x2

x3

4x2

x3

x0 = (0; 0)

x0 = (0, 5; 0, 5; 0)

2x1 x2 + 6x3 = 7
Soluc
ao: a) Temos que a func
ao de iterac
ao de Gauss-Sidel e dada por:

xk = 1 + 1 xk1
1
2
2 2
,
1 k
xk = 5
2
2
2 x2
donde obtemos
x0 = (0; 0), x1 = (0, 5; 1, 25), x2 = (1, 125; 0, 9375), x3 = (0, 96875; 1, 015625),

44

uma vez que ||x3 x2 || = 0, 15625 < . Compare os resultados obtidos neste exemplo com os resultados obtidos no
Exemplo 13.5.
b) Temos que a func
ao de iteraca
o de Gauss-Sidel e dada por:

1 k1
k

x1 = 1 3 x2

xk2

xk3

3
2
7
6

1 k
4 x1
1 k
3 x1

1 k1
3 x3
1 k1
4 x3
1 k
6 x2

donde obtemos
x0 = (0, 5; 0, 5; 0), x1 = (0, 833333333; 1, 291666667; 1, 104166667),
x2 = (0, 9375; 0, 989583333; 1, 019097222), x3 = (1, 009837964; 0, 992766204; 0, 995515046),
uma vez que ||x3 x2 || = 0, 072337964 < .

14.2

Exerccios

Exerccio 1: Utilize o metodo de Gauss-Sidel aos intens a), b) e c) do Exerccio 1, da Secao 13.3.
Respostas: a) x3 = (0, 48628; 0, 59099625); b) x3 = (1, 017361111; 2, 99537037; 1, 993441358);
c) x4 = (0, 974689796; 0, 987975; 1, 014682041; 0, 986660143).
Exerccio 2: Dado o sistema

5x1

2x2

x3

= 2

x1

8x2

x3

20 ,

x1

x2

4x3

11

i) determine a soluc
ao exata, ii) calcule 5 iteracoes para os metodos de Jacobi e Gauss-Sidel e compare os resultados
com a soluc
ao real. Considere x0 = (0; 0; 0).
Respostas:
i) Gauss (1; 2; 3);
ii) Jacobi (0, 977640625; 2, 011542969; 3, 001123047), Gauss-Sidel (0, 997533609; 2, 000823402; 3, 000822448).
Erros: eJacobi = 0, 022359375, eGaussSidel = 0, 002466391.

45

Captulo 15
Solu
c
ao de Sistemas Lineares
N
umero Condicional

15.1

N
umero Condicional

Considere um sistema n n, AX = B e uma soluca aproximada xk . Definimos o vetor resduo rk = B Axk .

Intuitivamente somos levados a pensar que quanto mais proximo do vetor nulo o vetor rk estiver, melhor ser
a a soluc
ao
xk . Porem, esta intuic
ao e falha como veremos:
Exemplo 15.1. Considere o sistema

x1

0, 999x1

1, 001x2

2, 001

x2

1, 999

Este sistema tem soluc

ao exata x
= (1; 1). Para a aproximac
ao xk = (2; 0, 001), temos que o resduo e dado por

2, 001
0, 999 1, 001
2
0, 000001

.
=
.
rk =
1, 999
1, 999
1
0, 001
0
Veja que o resduo rk e quase nulo, porem, a soluc
ao exata x
= (1; 1), e bem diferente da aproximac
ao xk = (1; 0, 001).
Se n
ao tivessemos ideia de x
, seriamos levados a pensar que xk se tratava de uma boa aproximac
ao.
O Exemplo 15.1 apresenta uma certa peculiaridade, mais especificamente na matriz de seu sistema.
Defini
c
ao 15.2. Seja Ann uma matriz tal que det(A) 6= 0. Definimos o n
umero condicional de A como sendo
Cond(A) = ||A||.||A1 ||.
Exemplo 15.3. Determine o n
umero condicional da matriz

2 1
A=
.
4 3
Soluc
ao: Temos que a inversa de A, e dada por

A1 =

3
2

21

Portanto, Cond(A) = ||A||.||A1 || = 7.3 = 21.

Quando Cond(A) 1 dizemos que a matriz A e bem condicionada, ou seja, pequenas perturbacoes no vetor B
refletem em pequenas variac
oes no vetor X. Por outro lado, e Cond(A) e muito grande, entao pequenas perturbac
oes
no vetor B produzem uma grande variac
ao no vetor solucao X. Vejamos o exemplo a seguir:
46

Exemplo 15.4. Um certo produto a ser transportado e fornecido em dois tipos de embalagens diferentes, constando
para ambas o peso bruto de 400 gramas. O encarregado da companhia transportadora deseja saber o peso exato de
cada tipo. Como, ao pesar as duas embalagens em uma balanca , cuja precis
ao vai ate 100 gramas, n
ao encontra um
diferenca significativa, ele idealiza o seguinte processo; sobre a balanca coloca 11 embalagens do 1o tipo e 5 do segundo
tipo e le o peso 6, 4 kg; em seguida, tira duas do 1o tipo e uma do segundo tipo, lendo agora 5, 2 kg. Ele espera que a
soluc
ao do sistema de equac
oes

11x
1
9x1

5x2

6, 4

4x2

5, 2

forneca os pesos exatos de x1 e x2 , uma vez que o maior n

umero de embal
agens deve acentuar a diferenca de pesos.
Ao encontrar x1 = 0, 4 e x2 = 0, 4, ele conclui que a precis
ao de ate 100 gramas fornecida pela balanca n
ao e
suficiente. Resolve ent
ao tentar a mesma experiencia com uma balanca de precis
aode ate 10 gramas. Ent
ao agora,
para a primeira pesada, 6, 45 kg e, para a segunda, 5, 16 kg. Resolvendo o sistema:

11x + 5x = 6, 45
1
2
9x1 + 4x2 = 5, 16
ele encontra surpreendido os valores
x1 = 0 kg ex2 = 1, 29 kg.
Evidentemente, esta u
ltima balanca est
a com uma descalibragem de cerca de 0, 05 kg.
Observe que, no Exemplo 15.4 uma pequena descalibragem de aproximadamente 0, 05 kg implicou em valores t
ao
diferentes dos verdadeiros? Isso se deve ao fato de a matriz do sistema em questao ser mal condicionada. Observe que
as retas determinadas pelas equac
oes do sistema sao quase coincidentes!

15.2

Exerccios

Exerccio 1: Calcule o n
umero condicional de cada matriz
a seguir.

1 1 1
1
1

1
2
2
3

a)
b)
c) 0 1 1
1
1
1, 00001 2
3
4
0 0
1
Respostas: a) 50; b) 600, 002; c) 12.

47