Metodos Numericos

1
MTODOS
NUMRICOS

Preparado por Dr. Ralph W. P. MASENGE

NOTA
Este documento publicado sob condies da Creative Commons

http://en.wikipedia.org/wiki/Creative_Commons
Atribuio
http://creativecommons.org/licenses/by/2.5/
African Virtual university African Virtual university
Universit Virtuelle Africaine Universit Virtuelle Africaine
Universidade Virtual Africana Universidade Virtual Africana
Licena (abreviada cc-by), Verso 2.5

2
ndice
I. Mtodos Numricos .....................................................................................................................3
II. Pr-requisitos ou Conhecimentos preliminares...........................................................................3
III. Tempo........................................................................................................................................3
IV. Material......................................................................................................................................3
V. Anlise do Mdulo.....................................................................................................................3
VI. O contedo................................................................................................................................4
6.1 Vista Geral ...........................................................................................................................4
6.2 Plano Geral: Syllabus (aqui se incluem tempos especficos se necessrios)........................5
6.3 Organizador Grfico .............................................................................................................7
VII. Objectivo(s) Geral(gerais)........................................................................................................7
VIII. Actividades especficas da aprendizagem...............................................................................8
IX. Actividades de Ensino e Aprendizagem..................................................................................10
X. Actividades de Aprendizagem..................................................................................................17
XI. Lista Compilada de todos Conceitos Chaves (Glossrio) .....................................................102
XII. Lista Compilada de Leituras Obrigatrias ...........................................................................107
XIII. Lista Compilada de Recursos Multimedia (Opcional) .......................................................107
XIV. Sntese do Mdulo..............................................................................................................108
XV. Avaliao Sumativa .............................................................................................................110
XVI. Referncias .........................................................................................................................120
XVII. Autor do Mdulo...............................................................................................................121

3

I. Mtodos Numricos
Por Dr. Ralph W. P. Masenge
II. Pr-requisitos ou Conhecimentos preliminares

Clculo 2 o pr-requisito
III. Tempo

O tempo total para este mdulo de 120 horas de estudo.
IV. Material

Os estudantes devem ter acesso a leituras nucleares adiante especificadas. Os estudantes
necessitaro do computador para ganhar o acesso completo das leituras centrais. A adicionar a
isso, os estudantes devem ser capazes de instalar o software waxMaxima e us-lo na
exercitao (prtica) dos conceitos algbricos.
V. Anlise do Mdulo

Um atributo chave da matemtica a sua aplicabilidade na resoluo de problemas. A
histria da disciplina est repleta de evidncias de que a fora condutora nos seus
desenvolvimentos primordiais est assente nas tentativas de resolver problemas na Geometria
Plana, na Mecnica Celestial e na Navegao.
Infelizmente, as formulaes matemticas (modelos) de muitos problemas na cincia e na
engenharia so, em geral, difceis de resolver analiticamente ou por causa da complexa
natureza das solues analticas ou porque tais solues no podem ser expressas em termos de
combinaes de funes matemticas conhecidas.
Em todos estes casos, os mtodos numricos tm de ser recorridos a intervir. O estudante
de matemtica ou de cincia portanto, esperado que tenha um conhecimento de trabalho e
4
habilidade de aplicar mtodos numricos na resoluo de alguns problemas bsicos da
matemtica tais como a interpolao, a integrao numrica e a determinao de razes de
funes.

Navegando na internet a chave para auto-aprendizagem
VI.Ocontedo

6.1VistaGeral

Premira Actividade de Aprendizagem: Tipos e Causas de Erros

A primeira actividade de aprendizagem se destina a levar o estudante a apreciar a
necessidade para mtodos numricos. Tambm se sente que este o momento certo para
definir o conceito de um erro matemtico, de apontar as origens e os tipos de erros e
mencionar algumas formas prticas de reduzir seus efeitos cumulativos numa soluo
numrica.

Segunda Actividade de Aprendizagem: Interpolao

A segunda actividade de aprendizagem trata do conceito de interpolao. Ambos mtodos
de interpolao linear e de interpolao de polinmios de ordem superior, baseados em
Lagrange, em diferenas divididas de Newton e as tcnicas de interpolao de diferenas
finitas so apresentados.

Terceira actividade de aprendizagem: Integrao Numrica

5
A terceira actividade de aprendizagem analisa os problemas de integrao numrica. A
discusso limitada s frmulas de Newton-Cotes. Ateno especfica dada s regras de
Trapzio e de Simpson e a aplicao da tcnica de Interpolao de Richardson em ambas
frmulas de Trapzio e de Simpson na deduo de esquemas de integrao de Romberg

Quarta actividade de aprendizagem: Razes de Funes
A quarta e a final actividade de aprendizagem apresenta o problema de encontrar razes na
resoluo de equao no linear f (x) = 0 e na resoluo de sistema associado de duas equaes
no lineares f (x, y) = 0, g (x, y) = 0

Figura 4: Uma rvore Baobab: o nmero de razes igual ao nmero de galhos

6.2 Plano Geral: Syllabus (aqui se incluem tempos especficos se
necessrios)

Este um curso de duas unidades fornecido no Nvel 2 com prioridade de classificao A.
O mdulo da Matemtica o pr-requisito do curso.
A seguir so ideias gerais detalhadas de contedos de cada Actividade de Aprendizagem.
O cronograma apresentado adequado para estudantes frequentando uma unidade do curso
durante 35 horas por unidade. O cronograma mostra o intervalo de tempo que o Estudante
recomendado a gastar na aprendizagem de cada um de seus componentes.
[Estudantes que frequentam um mdulo do curso necessitariam 120 horas para completar
o mdulo].

6
Preparao e realizao de Avaliao (4 horas).

Actividade de aprendizagem N 1: Tipos e causas de erros (25 horas)
Tipos e fontes de erros
Necessidade para mtodos numricos
Fontes de erros e tipos
Estratgias para reduzir os erros

Actividade de aprendizagem N 2: Interpolao (35 horas)

Interpolao linear
Interpolao de Lagrange
Diferenas divididas de Newton
Operadores de diferenas finitas
Tabelas de diferenas finitas
Interpolao de diferenas finitas de polinmios

Actividade de aprendizagem N 3: Integrao Numrica (25 horas)

Frmulas de Newton-Cotes
Deduo das regras de Trapzio e de Simpson
Integrao de Romberg
Frmulas de Quadratura de Gauss

Actividade de aprendizagem N 4: Razes de Funes (25 horas)

Mtodo de Bisseco
Convergncia do Mtodo de Bisseco
Mtodo de posio falsa ou Regula Falsi
Mtodo de Secantes
Mtodo de Newton-Raphson
7
Resolvendo um sistema associado de duas equaes no lineares
Iteraes de Ponto Fixo

Preparao e realizao de Avaliao Somativa (6 horas)

6.3OrganizadorGrfico

Fig. 5: Organizador grfico

VII.Objectivo(s)Geral(gerais)

No fim deste mdulo:

Voc ser equipado(a) de conhecimento e compreenso das propriedades das funes
elementares e suas vrias aplicaes necessrias para ensinar com segurana estes assuntos na
escola do nvel secundrio.
Voc ter conhecimento seguro de contedos relacionados da matemtica escolar de
modo a capacit-lo para, com confiana, ensinar estes assuntos na escola do nvel secundrio.
Voc vai adquirir conhecimentos sobre ICT (Tecnologias Informao e Comunicao) e
8
habilidade para aplicar ICT disponvel para melhorar o ensino e a aprendizagem da
matemtica escolar.

Especificamente voc ser capaz de:

(1) Distinguir mtodos/solues numricos e mtodos/solues analticos
(2) Apreciar a necessidade de aprender e aplicar mtodos numricos
(3) Identificar as fontes principais de erros e tomar medidas apropriadas com vista a
eliminar ou reduzir tais erros
(4) Deduzir e aplicar uma srie de mtodos de interpolao
(5) Deduzir e aplicar uma srie de mtodos de integrao numrica
(6) Deduzir e aplicar uma srie de mtodos numricos para encontrar razes de funes
(7) Resolver um sistema associado de duas equaes no lineares com duas variveis

Fig. 6: Antena da Internet na AVU Centro de Aprendizagem, Universidade de Dar Es Salam

VIII.Actividadesespecficasdaaprendizagem

Como j se mencionou na apresentao das Ideias Gerais na Seco VI, este um mdulo
de duas unidades e seus contedos sero apresentados usando quatro actividades de
aprendizagem. Cada actividade de aprendizagem tem uma srie de objectivos especficos de
aprendizagem. Especific-los com antecedncia com vista a permitir ao estudante a ter um
panorama global sobre o que vm frente em termos do que ela/ele ser capaz de fazer no
estudo do mdulo.
9

No final do mdulo, o estudante ser capaz de:

S/N Actividade de
Aprendizagem
Objectivos Especficos de Aprendizagem

1

Tipos e Fontes
de Erros

- Fazer a lista das fontes principais dos erros de
clculo e as estratgias prticas a levar a cabo com vista a
eliminar ou reduzir seus efeitos cumulativos numa soluo
numrica
- Notar a diferena entre o tamanho (exactido)
e a gravidade (preciso) de um erro
- Compreender e aplicar a interpolao numa
tabela dada de valores da funo.
- Estimar o erro na interpolao linear para
uma funo suave conhecida.

2

Interpolao
- Explicar porque que os mtodos numricos
so essenciais na resoluo de problemas matemticos
- Escrever e aplicar a Interpolao Polinomial
de Lagrande para dados igualmente espaados.
- Escrever e aplicar a interpolao de Newton
baseada nas diferenas divididas
- Definir e Manipular operadores de mudana,
para a frente, para a trs, central e de diferena de mdias
- Construir tabelas de diferenas para uma dada
funo ou para um conjunto de valores
- Deduzir e aplicar interpolao polinomial de
diferenas de Newton para a frente, para a trs e diferenas
centrais de Stirling
.

10

3

Integrao
Numrica
- Deduzir, compreender e aplicar a regras de
Trapzio, de Simpson e qualquer outra frmula de
Integrao Numrica de Newton-Cotes
- Deduzir, compreender e aplicar o esquema
de integrao numrica de Romberg baseado ou na regra
de Trapzio ou na regra de Simpson.
4 Razes de
funes
- Deduzir e aplicar o mtodo de bisseco
- Provar a convergncia do mtodo de
bisseco
- Deduzir, compreender e aplicar os mtodos
da secante e da Regula Falsi (mtodo de posio falsa).
- Deduzir, compreender e aplicar o mtodo de
Newton-Raphson
- Deduzir, compreender e aplicar o mtodo de
Newton num par de equaes simultneas no lineares.

IX.ActividadesdeEnsinoeAprendizagem

9.1 Pr-avaliao

1. Se X uma medida exacta de uma certa quantidade e X
0
sua aproximao, o conceito
de erro na aproximao definida por:
0
0
0
0
) (
) (
) (
) (
X X d
X X c
X X b
X X a

11
2. O erro absoluto na aproximao da quantidade X = 104 pelo valor aproximado X
0
= 107
dado por

104 ) (
7 ) (
3 ) (
4 ) (
d
c
b
a

O erro relativo na aproximao X
0
dado na Questo 1 :

038462 , 0 ) (
002885 , 0 ) (
299462 , 0 ) (
028846 , 0 ) (
d
c
b
a

3. Uma razo vlida por que a funo
f(x) =
=
>
0 0
0 | | 1
x se
x se
no contnua em X = 0 :

=
=
=
=
) 0 ( ) ( lim ) (
1 ) ( lim ) (
0 ) ( lim ) (
) 0 ( ) ( lim ) (
0
0
0
0
f x f d
x f c
x f b
f x f a
x
x
x
x

4. A funo contnua x
3
3x 3 deve ter zero (raiz) em algum ponto no

12
intervalo 2 < x < 3 porque
= =
< >
<
=
0 ) 3 ( 0 ) 2 ( ) (
0 ) 3 ( 0 ) 2 ( ) (
0 ) 3 ( ) 2 ( ) (
0 ) 3 ( ) 2 ( ) (
f f d
f f c
f f b
f f a

5. A primeira derivada da funo y = x
x

+
x
x
x
x
x x d
x x c
x b
x x a
)) ln( 1 ( ) (
) ln( ) (
) (
)) ln( 1 ( ) (

6. O desenvolvimento da srie cbica truncada de Maclaurin da funo f (x) = x + 1 :
(a)
8
3
4 2
1
3 2
x x x
+
(b)
8
3
4 2
1
3 2
x x x
+ +
(c)
16 8 2
1
3 2
x x x
+
(d)
16 8 2
1
3 2
x x x
+ +

7. A anti-derivada geral da funo f(x) = ln(x) dada por:

+ +
+
+
+
C x x x d
C x x x c
C x x b
C x x a
) ln( ) (
) ln( ) (
) ln( ) (
) ln( ) (

8. O valor da integral
}
+ +
+
2
1 x
1 3 2
5 2
dx
x x
:
164581 , 1 ) (
146185 , 1 ) (
145681 , 1 ) (
146581 , 1 ) (
d
c
b
a
13

9. Com seis casas decimais correctas, o valor aproximado de
}
+ +
+
2
1 3 2
5 2
1
dx
x x
x
usando a
regra de trapzio com h = 0,25 :

146580 , 1 ) (
146038 , 1 ) (
416560 , 1 ) (
146850 , 1 ) (
d
c
b
a

10. Trabalhando sob mesmas condies, o valor aproximado da integral dada na Questo 8
usando a regra de Simpson :

146580 , 1 ) (
146038 , 1 ) (
146083 , 1 ) (
416039 , 1 ) (
d
c
b
a

11. Se o 3 e 4 termos de uma progresso aritmtica so 7 e 27 respectivamente, ento o 52
elemento da progresso :

106 ) (
107 ) (
105 ) (
103 ) (
d
c
b
a

12. Comeando com X
0
= 2, o valor de X
4
usando a frmula de iterao
X
n-1
=
n
n
X
X ) 1 ( 3 +
:
103713 , 2 ) (
130731 , 2 ) (
103731 , 2 ) (
104255 , 2 ) (
d
c
b
a
14

13. Dados dois pontos P(x
0
, y
0
) e Q(x
1
, y
1
), abcissa do
ponto onde a secante AB;
corta o eixo dos xx :

14. A curva da funo y = f(x) passa pelos dois pontos cujas coordenadas so (0,2;1,183) e
(0,4;1.342). Usando uma recta que liga os dois pontos para aproximar a curva da funo no
intervalo dado, o valor aproximado de y no ponto x = 0,3 :

=
=
=
=
2625 , 1 ) (
5262 , 1 ) (
6225 , 1 ) (
2265 , 1 ) (
y d
y c
y b
y a
15. Dado um ponto P(x
0
, f(x
0
)) na curva de uma funo diferencivel y = f(x), a coordenada
do ponto onde a tangente em P corta o eixo das abcissas :

) (
) ( '
: ) (
) (
) ( '
: ) (
) ( '
) (
: ) (
) ( '
) (
: ) (
0
0
0
0
0
0
0
0
0
0
0
0
x f
x f
x d
x f
x f
x c
x f
x f
x b
x f
x f
x a

16. O mtodo de Bisseco baseado no princpio de que uma funo contnua que
positiva num ponto a = x e negativa num outro ponto x = b tem uma raiz em algum ponto x = c no
intervalo a < c < b e que o ponto x =
2
b a +
, que bissecta o intervalo [a, b], uma aproximao
razovel de C. Comeando com os dois pontos a = 2, b = 3, a aplicao do mtodo de bisseco na
15
funo x
3
3x 3 resulta no valor depois do terceiro processo de bisseco
=
=
=
=
225 , 2 ) (
125 , 2 ) (
115 , 2 ) (
215 , 2 ) (
3
3
3
3
x d
x c
x b
x a

17. O mtodo de Newton-Raphson para a aproximao de uma raiz de uma funo usa a
frmula de iterao
X
n+1
= x
n
-
) ( '
) (
n
n
x f
x f
n = 0, 1, 2,
Se x
0
= 2 uma aproximao de uma das razes da funo f(x) = x
3
3x 3, ento a aplicao
do mtodo de Newton-Raphson sobre a funo resulta no valor de x
2
como:

=
=
=
=
103836 , 2 ) (
301836 , 2 ) (
103386 , 2 ) (
130836 , 2 ) (
2
2
2
2
x d
x c
x b
x a
18. As coordenadas do ponto onde as curvas que representam as funes x
2
+ y
2
= 4; x
2
y
2
=
1 intersectam uma da outra que se situam no primeiro quadrante so:

= =
= =
= =
= =
, 1 , 242745 , 1 ) (
, 1 . 511839 , 1 ) (
, 1 , 581139 , 1 ) (
, 1 , 224745 , 1 ) (
y x d
y x c
y x b
y x a
561139
227445
224745
561139

19. Comeando com x
0
= 1,5, y
0
= 1,2, os valores x
3
e y
3
obtidos usando o par de frmulas
x
n+1
= 1 , 4
2
1
2
=
+ n n n
x y y , n = 0, 1, 2, so

= =
= =
= =
= =
562050 , 1 , 233875 , 1 ) (
1 . 526050 , 1 ) (
1 , 322875 , 1 ) (
, 562050 , 1 ) (
3 3
3 3
3 3
3 3
y x d
y x c
y x b
y x a
322875 ,
562050 ,
322875 , 1
16

Solues:

Comentrios Pedaggicos para o estudante

A confiana do estudante para embarcar neste mdulo ser grandemente reforada com a
resoluo destas questes da avaliao diagnstica.
As questes 1.2 discutem sobre os erros e a questo 3 aborda a continuidade. Se voc tem
dificuldades de resolver estas questes aconselhamos que estude as definies dadas no Mdulo
Glossrio.
Questes 4, 5, 6 e 7 discutem os conceitos de limites, continuidade, diferenciao e
antiderivada. Se fracassa de resolver em cada uma delas, ento trabalhe nas questes relevantes
das Seces do Mdulo de pr-requisitos (Matemtica, Mdulo 3). A mesma sugesto dada se
encontra dificuldades na resoluo das questes 8, 9,10 e 11 sobre a integrao.
As questes 12, 13, 16, 17, 18 e 19 se relacionam com o conceito de iteraes e equaes
simultneas. Neste caso simplesmente estude cuidadosamente as frmulas dadas e aplique-as
integralmente.
As questes 15, 16 e 17 discutem aproximao linear de funes. No caso em que algum
depara-se com problemas na resoluo de cada uma delas, uma opo seria trabalhar nas seces
17
relevantes dos livros da Matemtica Superior.
Cada soluo correcta tem 5 pontos, com na pontuao mxima de 90 pontos. Uma pontuao
de 41 a 60 uma pontuao mdia. Abaixo desta pontuao (0 40) provavelmente implica que
necessite voltar a estudar as questes relevantes de pr-requisitos antes de comear com o mdulo.
Uma pontuao mdia pode significar que comece com o mdulo, mas com uma reviso frequente
a alguns materiais de pr-requisitos. Com a pontuao acima da mdia (61 - 90) o estudante pode,
com confiana, comear a estudar o mdulo e complet-lo com sucesso.

X.ActividadesdeAprendizagem

ACTIVIDADE 1

Tipos e fontes de erros
Sumrio

Nesta actividade discutimos trs tpicos introdutrios importantes. Comeamos por fazer
uma distino entre uma soluo analtica e uma soluo numrica. Esta distino seguida de
uma discusso de alguns problemas matemticos tpicos especialmente seleccionados para
convencer o estudante porqu os mtodos numricos so necessrios. Conclumos a actividade
com o conceito de erros em clculos matemticos, destacando as suas causas principais, os
tipos e as formas prticas de eliminar ou minimizar seus efeitos em solues numricas.

Objectivos especficos de aprendizagem:

No fim desta actividade o estudante deve ser capaz de:
- Definir o conceito de erros em clculos matemticos
- Distinguir erros absolutos dos erros relativos e correctamente relacion-los com os
conceitos de exactido (tamanho) e preciso (consequncias) de um erro.
- Fazer a lista das fontes principais de erros de clculo e os passos a tomar com vista
18
a elimin-los ou reduzir seu efeito cumulativo numa soluo numrica.
- Apreciar a diferena entre o tamanho (exactido) e a seriedade (preciso) de um
erro
- Compreender e aplicar interpolao linear numa dada tabela de valores da funo
- Estimar o erro numa interpolao linear de uma funo suave

Leituras requeridas:

Wikipedia: Numerical Methods/Errors Introduction

Lista de Links relevantes

Wolfram MathWorld (visitado em 03.04.2007)
http://mathworld.wolfram.com
Os estudantes devem pesquisar a entrada que abrange o ttulo da unidade. Tambm
pesquisar quaisquer palavras-chaves que aparecem no texto. Mathworld fornece uma
referncia detalhada em todos casos.

Wikipedia (visitado em 03.04.07

http://en.wikipedia.org/wiki

Tal como mathworld, os estudantes devem pesquisar a entrada que abrange o ttulo da
unidade. Tambm pesquisar quaisquer palavras-chaves que aparecem no texto. Wikipedia
geralmente d sugestes curtas e menos completas. Todavia elas podem ser mais fceis de ler.
MacTutor History of Mathematics (visitado em 03.03.07)

http://www-history.mcs.standrews.ac.uk/Indexes
O arquivo McTutor muito mais compreensvel arquivo da histria de matemtica na
19
internet. Os estudantes devem pesquisar ttulo da sua unidade e ler a histria de seu tema. Esta
prtica fornece considervel viso da importncia e contexto do tpico que est sendo
estudado.

Palavras-chaves

[Definies completas so dadas no texto]
Error in an approximation: a diferena entre o valor exacto e o valor aproximado
Absolute error: Erro sem considerao do sinal (positivo ou negativo)
Relative error: a relao entre o erro absoluto e o valor exacto da quantidade
Initial, discretization, truncation and rounding errors: Diferentes tipos de erros
causados pelas diferentes fontes de erros

Actividade 1 de Aprendizagem: Tipos e fontes de erros

Introduo

Esta actividade do mdulo se destina a prover ao estudante com respostas s seguintes
questes importantes; questes levantadas por muitos estudantes que entram em contacto pela
primeira vez com o curso de mtodos numricos.
(1) O que uma soluo numrica e como tal soluo difere de uma soluo analtica
exacta (verdadeira)?
(2) Porqu aprender mtodos numricos? Os mtodos numricos so necessrios?
(3) O que so erros no contexto matemtico? Quais so as fontes principais de erros de
clculo? Como algum pode eliminar os erros ou reduzir seu efeito em solues
numricas?
Comeamos actividade com a explicao da diferena entre uma soluo analtica e uma
soluo numrica. De forma a estabelecer a necessidade de mtodos numricos, discutimos
uma srie de problemas matemticos especificamente seleccionados com o objectivo de
20
convencer o estudante de que existe uma necessidade real para a aprendizagem de mtodos
numricos ou porque as solues analticas no podem ser encontradas ou so muito
complexas para o uso prtico.
Para responder s questes sobre erros, definimos o conceito de erro e alistamos uma srie
desses erros. A seguir ainda sugerimos para cada tipo, a fonte do erro, passos prticos a tomar
para reduzir o erro, e portanto, seu impacto na soluo numrica.

Mtodos Analticos, Mtodos Numricos e Erros

(a) Mtodos analticos versus Mtodos numricos.
O que uma soluo numrica e como ela difere da soluo exacta (verdadeira) ou soluo
analtica?
Um mtodo analtico para resolver um dado problema matemtico qualquer mtodo baseado
rigorosamente na anlise matemtica e cuja aplicao conduz a uma soluo verdadeira (exacta),
tambm conhecida como soluo analtica
Mtodo numrico para resolver um dado problema matemtico qualquer mtodo baseado na
anlise matemtica rigorosa cuja aplicao em muitos casos, pode simplesmente conduzir a uma
soluo aproximada (no exacta), tambm conhecida como soluo numrica. Em alguns casos,
raros, um mtodo numrico pode dar uma soluo exacta.

Exemplo 1. 1

As solues exactas da equao no linear x
2
5x + 3 = 0 podem ser obtidas usando a bem
conhecida frmula quadrtica (mtodo analtico)

a
ac b b
x
2
4
2
2 , 1

=
Esta frmula d uma soluo analtica
2
13 5
2 , 1

= x
Por sua vez, a frmula de iterao (mtodo numrico)
21
x
n+1
= 3 5
n
x , n = 0, 1, 2, ...; x
n
= 4,5
pode tambm ser aplicada para aproximar uma das duas solues da equao quadrtica dada.
Este mtodo pode somente dar uma soluo numrica aproximada.

RESOLVE:
Dadas as frmulas de integrao numrica
Regra do Trapzio:
}
=
1
0
[
2
) (
x
x
h
dx x f f(x
0
) + f(x
1
)] h = x
1
x
0

Regra de Simpson:
}
=
1
0
[
3
) (
x
x
h
dx x f f(x
0
) + 4f(x
1
) + f(x
2
) h = x
2
x
1
= x
1
x
0

(i) a regra do Trapzio d valores exactos para a integral
}
1
para
qualquer funo linear f(x) = ax + b
0
) (
x
x
dx x f
(ii) A regra de Simpson d valores exactos da integral
}
1
para qualquer
funo cbica f(x) = ax
0
) (
x
x
dx x f
3
+ bx
2
+ cx + d
Em geral a diferena entre solues analticas e solues numricas pode ser resumida na
seguinte frase: Solues Analticas so exactas enquanto solues numricas so
aproximadas.

(b) Necessidade para mtodos numricos
Porqu algum aprenderia mtodos numricos? Os mtodos numricos so necessrios?
Por causa da distino acima entre os mtodos analticos e os mtodos numricos algum
facilmente pode ser levado a concluir que suficiente usar mtodos analticos na resoluo de
problemas matemticos. Em outras palavras, no h necessidade de aprender mtodos numricos
pois eles conduzem somente a solues aproximadas. Tal concluso enganadora. Precisamos de
aprender mtodos numricos pelas seguintes trs razes:

1. Para alguns problemas, solues analticas podem no ser conhecidas. Exemplos tpicos so
22
dados nos seguintes casos:

x 1,0 1,25 1,5 1,75 2,0
f(x) 1,0000 1,1180 1,1180 1,3229 1,4142

0
2. perfeitamente definida mas a anti-derivada do integrando
2
x
no pode ser
expressa usando as funes matemticas conhecidas
a par manejar numericamente. Um problema tpico de encontrar uma anti-derivada
de f
}
1
2
dx e
x
) ( e x f =

3. Em alguns casos, pode ser possvel encontrar uma expresso matemtica para uma soluo
analtica de um dado problema. Todavia, a expresso pode ser computacionalmente muito
complicad a
(x) =
3
8 x

Depois de fastidiosas manipulaes envolvendo factoriza
1
o do denominador seguida da
aplicao do mtodo de fraces parciais, a anti-derivada geral :
F(x) = C
x x
|
.
\

|
.
\
4 4 24
3
12
2
onde C uma constan e integrao. Este resultado complicado torna difcil avaliar
x x x
+
|
|
|
+ +
+ |
|
| +
4 2
ln
1 1
tan
3
2
1

te arbitrria d
a integral definida
}

2
1
3
8 x
dx
com ela associada, quase impossvel determinar com algum sentido o
grau de exactido.

ESOLVE

R
(i) Verique que
dx
= f(x) (usando a funo F no exemplo 3 acima)
(ii) Por factorizar 8 x
dF
do o mtodo de fraces
parciais obtenha a expresso F(x) como anti-derivada de f(x).
3
= (2 x)(x
2
+ 2x + 4) e aplican

23
(c) Erros
O que so erros no contexto da matemtica? Quais so as principais fontes de erros de clculo?
Com
, erros de truncao e
erros de arredondamentos. Para facilitar a referncia, alistamos esses erros.
eja X* uma aproximao uma quantidade exacta (verdadeira) X. Ento:
erro absoluto em X* definido por |x x*|.
erro em X* definido por x x*
o algum pode eliminar erros ou reduzir nas solues numricas?
Na seco de palavras-chave voc pode encontrar definies de conceitos chaves, formulaes
de teoremas chaves e princpios relevantes ao tpico de mtodos numricos. A seco inclui as
definies de erros, erros absolutos, erros relativos, erros de discretizao

Hiptese:
S

O

O

O erro percentual em X* definido por 100
x
%
Uma vez que o valor exacto (verdadeiro) no normalmente conhecido, costume substitu-lo
pelo valor aproxim
x x *
ado X* no denominador da expresso para o erro relativo e erro percentual
respectivamente.

reciso e Exactido
luto |x x*| . O erro absoluto
refere-se portanto a uma medida de preciso de uma aproximao.

P

Medidas e clculos podem ser caracterizados com respeito exactido e preciso.
Preciso refere-se a quo grande ou quo pequeno o erro abso

Exactido refere-se a quo perto a aproximao X* concorda com o valor X. Aqui o que conta
24
no somente a magnitude do desvio |x x*| mas tambm seu tamanho relativo do valor de X. A
exactido portanto medida pelo erro relativo
x
x x *
.
) Tipos e fontes de Erros
numrica que obtemos no seja seriamente
af orn-la insignificante.
rtezas nos dados iniciais podem ter efeitos
dev rica final do problema.
o separamos os dois tipos porque erros de truncao so tipos especiais de erros
de d
plo, a funo contnua f(x) = x + e
-x
a soluo do
pro valor inicial de y + y = 1 + x
= 1

(d

Agora apresentamos a lista das fontes e tipos de erros e em poucas linhas discutir os mtodos
de elimin-los ou reduzi-los de modo que a soluo
ectada por eles o que pode t
(i) Erros iniciais
Qualquer problema matemtico que carea de uma soluo numrica envolve alguns dados
iniciais. Tais dados podem ser na forma de coeficientes numa expresso matemtica ou casas de
uma matriz. Se este dado inicial no exacto, ento os desvios do seu respectivo valor real so
chamados erros iniciais. Em alguns problemas, ince
astadores na soluo num
(ii) Erro de Discretizao
A maior parte da Literatura sobre erros de clculo no faz distino entre erros de
discretizao e erros de truncao, a razo de que os dois tipos de erros so quase inseparveis.
Nesta apresenta
iscretizao.
As solues verdadeiras (exactas) de alguns problemas matemticos so funes contnuas y
= f(x) das respectivas variveis independentes. Em quase todos casos, mtodos numricos para
resolver tais problemas so aproximaes a uma funo contnua desconhecida f(x) por uma
sequncia {f(x
n
)} de valores aproximados da soluo num conjunto discreto de pontos {x
n
} no
domnio da soluo da funo f(x). Por exem
blema do
y(0)

Um mtodo numrico tpico para resolver este problema dado pela relao de recorrncia.
x
0
= 0, y
0
= 1, y
n
= (1 h)y
n-1
+ (1 + x
n-1
)h, n = 1, 2, 3, ...., sendo h uma distncia
25
constante entre dois valores discretos consecutivos da varivel x. O erro resultante de um tal
processo de discretizao chamado erro de discretizao.
ii) Erro de Truncao
terrompido
pre
te erros algortmicos e algum pode predizer a extenso do erro
que
do devido a esta inevitvel terminao de um processo infinito chamado um erro de
truncao.
v) Erros de arredondamento
nificativos) direita do produto. O erro que ocorre
assim chamado erro de arredondamento
) Mtodos de reduzir os erros
o impacto dos vrios tipos de erros de clculo que so encontrados

(i

Erros de Truncao so tipos especiais de erros de discretizao. O termo erro de truncao
refere-se ao erro num mtodo, que ocorre porque um processo infinito in
maturamente (truncado) a um pequeno nmero de termos ou iteraes no processo.
Tais erros so essencialmen
pode ocorrer num mtodo.
Especificamente, a soluo obtida usando alguns mtodos numricos pode envolver processos
infinitos. Por exemplo, este o caso que envolve todos mtodos de iterao convergente e sries
infinitas convergentes. Uma vez que tais processos infinitos no podem ser levados a cabo
indefinidamente, algum forado a parar (truncar) o processo e aceitar uma soluo aproximada.
O erro causa

(i

Erros de arredondamento so erros introduzidos durante clculos numricos devido s
limitaes dos dispositivos de clculo para executar o clculo aritmtico exacto. Por exemplo, se
multiplicamos dois nmeros, cada um com seis dgitos decimais, o produto ter doze algarismos
decimais. Infelizmente algumas calculadoras podem no ser capazes de mostrar todos doze
algarismos decimais. Neste caso algum forado a trabalhar com poucos algarismos e
necessariamente retirando alguns (menos sig

(c

No esprito de preveno do que a cura tentamos nesta seco dar sugestes prticas das
formas de eliminar ou reduzir
26
no uso de mtodos numricos
) Como reduzir erros iniciais
ne Series, 1968 page 342, envolvendo a soluo das seguintes duas equaes
sim as:
plo, o conjunto de
dados iniciais consiste de elementos da matriz dos coeficientes A = e o vector do
lado direito b

(i

Erros iniciais podem ter efeitos devastadores nas solues numricas
Ilustramos um caso tpico de um exemplo tirado de Francis Sheid, Numerical Analysis,
Shaum Outli
ultne
x - y = 1
x - 1,00001y = 0
a soluo verdadeira (analtica) x = 100.001; y = 100.000. Neste exem
(
00001 , 1 1
1 1
=
ra -0,99999 enquanto outros dados na
matriz no so alteradas, o sistema de equaes resultante
is pode causar desproporcionalmente mudanas enormes na soluo de alguns
pro
para o uso na resoluo de um problema
sejam exactos bem como humanamente possveis.
i) Como reduzir erros de discretizao?
podem resultar em solues numricas com diferentes graus de exactido devido a magnitudes de
|
.
\
0
Todavia, se a casa 1,00001 na matriz A alterada pa
|
|
|1

x - y = 1
x - 0,99999y = 0
tem soluo exacta (analtica) que muda drasticamente: x = -99.999 e y = -100.000
Este resultado de alguma forma surpreendente demonstra como uma pequena mudana nos
dados inicia
blemas.
Assim a nica forma para reduzir ou se possvel, eliminar erros iniciais por assegurar que
todos dados do problema colocado ou calculados

(i

Mtodos numricos diferentes para aproximar a soluo de um dado problema matemtico
27
seus erros de discretizao. Considere o problema de avaliar a integral definida:
}
+
1
0
2
1 x
dx
. O valor
exacto (analtico) da integral, com seis algarismos decimais correctos tan
-1
(1) = 0,785398.
Vamos aplicar as regras do trapzio e de Simpson usando um comprimento do intervalo h =
0,25. Primeiro avaliamos o integrando
2
1
1
) (
x
x f
+
= nos pontos relevantes e obtemos:
i
O 1 2 '1 4
Y. O 0.25 0.5 0.75 1
f{y) 1.000000 0.941176 0.800000 0.640000 0500000

d a seguinte soluo numrica 0,782794

Que conduz soluo numrica 0,785392
Observamos que enquanto a soluo obtida usando a regra do trapzio duas casas decimais
correctas, a soluo obtida pela regra de Simpson 4 casas decimais correctas. Esta significativa
diferena na exactido das duas solues causada pelas diferenas nos erros de discretizao dos
dois mtodos numricos. A regra de Simpson apresenta menor erro de discretizao do que a regra
de trapzio.
Em geral, erros de discretizao no podem ser evitados. Todavia, podemos reduzi-los
substancialmente seleccionando cuidadosamente o mtodo numrico cujo erro de discretizao
conhecido a priori que relativamente pequeno.

(iii) Como reduzir os erros de truncao

Os erros de truncao so causados pela inevitvel necessidade de parar um processo de
convergncia infinito num esforo de obter soluo. O tamanho do erro de truncao vai depender,
portanto, de um particular processo infinito (mtodo numrico) a ser usado e de como estamos
preparados para realizar tal processo infinito.
O erro de truncao pode ser reduzido por
Regra do trapzio
Regra de Simpson
28
(a) escolher um mtodo numrico com um menor erro de truncao ou por
(b) levar o processo infinito suficientemente longe

Exemplo 1.2
A funo contnua f(x) = x
2
3x + 1 tem uma raiz no intervalo 0 < x < 1 (Porqu?). Usando a
frmula resolvente (frmula quadrtica), o valor exacto da raiz, correcta a seis algarismos
decimais = 0,381966. Uma srie de mtodos iterativos existem para aproximar a uma tal raiz.
Aqui consideramos dois de tais mtodos:

O mtodo de bisseco

x
n + 1
=
2
1
n n
x x
dado que f(x
n
)f(x
n-1
) < 0
O mtodo de Newton-Raphson
x = x -
) ( '
) (
n
n
x f
x f
dado que f(x
n
) = 0
Se realizamos apenas trs iteraes (truncao depois de trs iteraes) com cada um dos
mtodos, comeando com x
0
= 0 e x
1
= 1, para o mtodo de bisseco e x
1
= 0 para o mtodo de
Newton-Raphson, obtemos a seguinte sequncia de aproximaes para cada mtodo:

Mtodo Valores Iniciais
X?
x,
X
a

Bisseco

X
o
= O
I
Xl
=1
0.500000 0.250000 0.375000
Newton

Raphson
Xl
0.333333 0.380952 0.381966

Estes resultados mostram que parando o processo infinito (iterao) depois de trs iteraes, o
erro de truncao do mtodo de Newton-Raphson muito mais pequeno do que o mtodo de
bisseco.

29
RESOLVE
Continue aplicando o mtodo de bisseco do exemplo acima at que a soluo seja seis casas
decimais correctas. Quantas mais iteraes a resoluo requer?

(iv) Como reduzir os erros de arredondamento

Antes de discutirmos esta ltima tarefa importante na nossa actividade de aprendizagem,
introduzimos alguns termos que sero frequentemente mencionados e usados no processo.
Algarismos ou dgitos
Na matemtica computacional, as palavras algarismo e dgito so sinnimas. So usadas
indistintamente para significar cada um dos numerais no conjunto {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
No sistema decimal de nmeros reais, um nmero N um string ou uma sequncia
ordenada de algarismos ou dgitos. Um exemplo tpico o nmero
N = 00073920600365,00004507000
Um nmero pode ser visto como uma medida de tamanho ou magnitude de alguma quantidade
real ou imaginria. A posio de cada dgito num string de dgitos indica a importncia ou
significncia de tal dgito no valor global do tamanho ou magnitude da quantidade que o nmero
representa.
Intuitivamente sabemos que o dgito 7 mais esquerda do nmero N acima mais
significativo do que o dgito 7 mais direita.

Que dgitos so mais significativos num nmero?

As seguintes regras se aplicam para decidir que dgitos ou algarismos num dado nmero so
significativos:
1. Inteiros no zeros so sempre dgitos significativos
2. Quaisquer zeros mais esquerda de um nmero so no significativos
3. Todos dgitos zeros situados entre dgitos no zeros so significativos
4. Zeros na parte final mais direita de um nmero so contados como significativos
somente se o nmero contm uma vrgula decimal
Quantos algarismos significativos so num dado nmero?
30

O nmero de algarismos significativos num dado nmero encontrado usando a regra
seguinte:
Regra 1: O nmero de algarismos significativos num nmero inteiro puro (sem algarismos
decimais obtido por contar, a comear pelo algarismo no zero mais esquerda, terminando com
o algarismo no zero mais direita.

Exemplo 1.3
O nmero 541500409 tem 9 algarismos significativos
O nmero 002507030 tem 6 algarismos significativos
Regra 2: O nmero de algarismos significativos num nmero contendo uma parte decimal
obtido por contar todos algarismos, comeando com o algarismo no zero mais esquerda.

Exemplo 1.4
O nmero 6,00213 tem 6 algarismos significativos
O nmero 6,00213000 tem 6 algarismos significativos
Nota: Todos dgitos zero no final do nmero decimal so significativos

(iv) Como reduzir erros de arredondamento
Munidos de conceitos de dgitos/algarismos e algarismos significativos num nmero podemos
agora confortavelmente discutir as formas de reduzir os erros de arredondamento
Um mtodo bvio de lidar com o problema de erros de arredondamento trabalhar com a
exactido mxima permissvel no nosso dispositivo de clculo em cada fase de realizao de
clculos.

Exemplo 1.5
Determinar a soma 2,35; 1,48; 4,24 usando um dispositivo de clculo que somente pode
executar o clculo com dois algarismos significativos.

A soma exacta S = 2,35 + 1,48 + 4,24 = 8,07
31

Se negligenciamos o segundo algarismo decimal de cada termo e determinar sua soma,
obtemos a soma aproximada S
1
= 2,3 + 1,4 + 4,2 = 7,9
O erro absoluto em S
1
:
1
S S = 0,17
Uma melhor aproximao de S dentro dos mesmos limites : S
2
= 2,4 + 1,5 + 4,2 = 8,1

O erro absoluto em S
2
:
2
S S = 0,03
Este erro significativamente menor do que em S
1
.
A questo imediata que se espera que o estudante coloque : Como se chegou a termos de
dois dgitos em S
2
?
A resposta a esta questo simples. Cada termo foi obtido a partir dos correspondentes termos
de trs dgitos fazendo arredondamento.

Em breve o estudante saber como arredondar nmeros

O que significa arredondar um nmero?
Arredondar um nmero a um nmero fixo de algarismos ou dgitos, simplesmente significa
deixar de fora (deixando cair) todos dgitos no lado direito do nmero que esto alm de uma certa
posio.
Se um nmero arredondado simplesmente deixando cair todos dgitos que esto alm de uma
certa posio no lado direito do nmero sem fazer algum ajustamento ao ltimo dgito mantido,
falamos de arredondamento por defeito ou corte do nmero

Exemplo 1.6

A soma S
1
foi calculada usando termos obtidos a partir de nmeros originais pelo
arredondamento por defeito (ou pelo corte do nmero) do terceiro algarismo decimal de cada
termo. O termo 2,35 foi arredondado para 2,3; o termo 1,48 arredondado para 1,4 e o termo 4,24
foi arredondado para 4,2. Em cada caso o ltimo dgito mantido (primeira posio decimal) no
32
foi ajustado no processo de arredondamento.

Nota

A soma S
2
foi tambm obtida via arredondamento. Contudo, o arredondamento neste ltimo
caso diferente. Aqui, no todos trs termos foram arredondados por defeito ou cortados:
O termo 2,35 foi arredondado para 2,4
Observamos que ao arredondar cada um dos dois primeiros termos 2,35 e 1,48 o dgito
ocupando a segunda posio foi deixado cair mas o dgito ocupando a primeira posio decimal
foi ajustado adicionando a ele 1 (uma unidade). O terceiro termo 4,24 foi simplesmente
arredondado pelo defeito ou cortado.
Esta prtica (ou como ainda uma regra desconhecida de arredondar nmeros) para ter alguma
significativa vantagem sobre o arredondamento por defeito (ou corte) manifestada pelo exemplo
acima no qual S
2
mais correcto do que S
1

Regras para arredondar nmeros
De forma a reduzir os erros no arredondamento de nmeros, a rejeio de dgitos para alm de
uma posio predeterminada (n) acompanhada com a realizao de ajustamentos ao dgito que
fica na posio (n 1). O ajustamento envolve ou mantendo o dgito na posio (n) sem mudanas
ou adicionar uma unidade a ele. A deciso de reter ou acrescentar uma unidade ao dgito ocupando
a posio (n -1) governada pelas seguintes regras:
(a) Se o dgito na posio (n +1) maior que 5 ento o dgito na posio (n)
acrescentado a ele 1.
(b) Se o dgito na posio (n +1) 5 e pelo menos um outro dgito sua direita no
zero ento o dgito na posio (n) acrescentado 1
(c) Se o dgito na posio (n + 1) menor que 5 ento o dgito na posio (n)
deixado imutvel
(d) Se o dgito na posio (n + 1) 5 e todos outros dgitos direita da posio (n +
1) so zeros, ento:
33
(i) O dgito na posio (n) aumentado 1 se tal dgito na posio (n) um
nmero mpar (1, 3, 5, 7, 9)
(ii) O dgito na posio (n) mantido se ele nmero par (0, 2, 4, 6, 8).
Exemplo 1.7
Arredondar um nmero dado a dois algarismos significativos correctos:
Ordem Nmero Arredondado a dois Regra
Algarismos
1 8.361 8.4 (a)
2 8.351 8.4 (b)
3 8.350 8.4 (d) (i)
4 8.450 8.4 (d) (ii)
5 8.050 8.0 (d) (ii)
6 8.349 8.3 (c)
7 2.55 2.6 (d) (i)
8 2.65 2.6 (d) (ii)
9 0.0557 0.056 (a)
10 0.0554 0.055 (b)

Avaliao Formativa: Os estudantes devem trabalhar nos exerccios propostos
cuidadosamente escrevendo solues completas para cada problema. Devem verificar suas
respostas minuciosamente usando as solues dadas.

Questes
1. (a) Usando o mtodo de substituio determina a soluo exacta do seguinte sistema de
equaes:
5x + 7y = 12,075
7x + 10 y = 16,905
(b) Arredonde o valor direito de cada uma das equaes a dois algarismos significativos e
depois determine a soluo exacta do sistema de equaes resultante.
(c) Use as solues obtidas dos dois sistemas de equaes para explicar que os erros iniciais
precisam de ser evitados ao mximo.
2. (a) Quantos algarismos significativos existem em cada um dos seguintes nmeros?
(i) 00001000020000
(ii) 10000200003004
(iii) 000123.0004500
34
(b) Arredonde cada um dos seguintes nmeros a cinco algarismos significativos
(i) 0123.395
(ii) 0123.205
(iii) 0123.206

3. Dada a quantidade:
20
3
11
3
3
1
|
.
|
\
|
+ = X , realize os seguintes clculos
(a) Determine o valor exacto de X com cinco algarismos significativos
(b) Aproxime o valor de X usando 3 dgitos fazendo corte aritmtico (arredondar sem fazer
algum ajustamento)
(c) Aproxime o valor de X usando trs algarismos com arredondamento aritmtico
(d) Calcule os erros absolutos e erros percentuais nas aproximaes obtidas nas partes (b) e (c).

4. O erro de truncao E(x) ao interpolar a funo f(x) linearmente entre dois pontos x
0
e x
1
,
com x
1
= x
0
+ h, dado por E(x) =
2
1
(x x
0
)(x x
1
)f() onde algum ponto no intervalo I =
:(x
0
, x
1
).
(a) Usando o teste da segunda derivada, mostra que M
h
x E Max
I x
8
) (
2
=
e
, onde M = ) ( ' ' x f Max
I xe

(b) Se f(x) = sen(x) determine o valor de h para o qual o erro de truncao vai ser sempre
menor que 0,01
5. Assumindo que a funo f(x) tem uma raiz singular no intervalo a s x s b, o mtodo de
bisseco para aproximar usa a frmula de iterao
x
i
=
2
1 2
+
i i
x x
onde i = 1, 2, 3, ..., x
-1
= a, x
0
= b, f(x
i-2
)f(x
i-1
) < 0
(a) Prove pela induo matemtica que o erro na ensima iterao de x
i
dado por E
i
=
i
a b
2

(b) Se a = 0 e b = 1, quantas iteraes bisseces sero necessrias para obter uma
aproximao com um erro no maior do que 10
-3
?

Solues
35
1. (a) x = 2,415; y = 0
(b) x = 1; y = 1
(c) Erros iniciais devem ser evitados porque as solues de alguns problemas podem ser muito
sensveis relativamente a pequenos erros iniciais.

2. (a) (i) 6 (b) (i) 123,40
(ii) 14 (ii) 123,20
(iii) 10 (iii) 123,21

3. (a) Valor exacto X = 0,45606
(b) Valor aproximado X
b
= 0,455
(c) Valor aproximado X
c
= 0,456
(d) Erro absoluto
b
x x = 0,00106

c
x x = 0,00006
Erro percentual
|
|
.
|
\
|
X
x x
b
100 = 0,23
Erro percentual
|
|
.
|
\
|
X
x x
c
100 = 0,013
4. Considere a funo g(x) = (x x
0
)(x x
1
) cujas primeira e segunda derivadas so: g(x) =
2x (x
0
+ x
1
) e g(x) = 2, respectivamente. g(x) tem um nico ponto crtico =
2
1 0
x x +
e uma
vez que g() > 0, conclumos que
g() = ( - x
0
)( - x
1
)
=
(
+
(
+
1 1 0 0 1 0
2
1
2
1
2
1
2
1
x x x x x x
= ) (
2
1
) (
2
1
1 0 0 1
x x x x
= -
4
2
h

Portanto, conclumos que
4
) (
2
h
x g Max = e assim o resultado M
h
x E Max
4
) (
2
=
36

(b) Com f(x) = sen(x), temos M = 1 e portanto precisamos de encontrar h tal que
8
2
h
s 0,01.
Este facto conduz ao valor h s 08 , 0 < 0,3
5. (a) Induo matemtica: E
i
=
i
a b
2

Teste: A frmula verdadeira para i = 1 porque o erro na primeira bisseco
2
a b

Hiptese: Vamos supor que a frmula verdadeira para i = k > 1 (fixo). Isto significa
E
k
=
k
a b
2

Induo: Erro em x
k+1
= E
k+1
=
k
E
2
1
=
1
2 2 2
1
+
=
(
(

k k
a b a b
c. q. d.
(b) se a = 0 e b = 1, ento E
i
=
i
2
1
. Este valor no excede 10
-3
se i 10
) 2 ln(
) 1000 ln(
= >

Actividade 2 de aprendizagem: Interpolao

Sumrio

O conceito de interpolao importante em qualquer curso introdutrio de Mtodos
Numricos. Aproximao numrica discute tanto a necessidade de aproximar nmeros, quanto a
aproximao de funes. A interpolao numrica aproxima funes.
Aproximamos funes para uma ou vrias das seguintes razes:
- Um grande nmero de funes matemticas importantes pode ser conhecidas
apenas por meio de tabelas dos seus valores
- Para algumas funes, pode ser conhecida sua existncia mas so
computacionalmente muito complexas para manipul-las numericamente
- Algumas funes podem ser conhecidas mas a soluo do problema no qual elas
aparecem pode no ter uma expresso matemtica bvia para trabalhar com ela.
37
Interpolao, como ela apresentada nesta Actividade de Aprendizagem dar ao estudante
uma oportunidade para experimentar em primeiro lugar algumas aplicaes prticas de mtodos
numricos na resoluo de um problema matemtico de aproximar uma f(x) que conhecida
somente por um conjunto de valores num nmero finito de pontos.

Esta actividade de aprendizagem cobre os seguintes sub-tpicos:
- Interpolao linear
- Interpolao Polinomial de Lagrange
- Interpolao Polinomial de Newton de diferenas divididas

Comeamos por definir o conceito de interpolao. Interpolao Linear usada para ilustrar
o conceito. Esta seguida pela apresentao de interpolaes polinomiais especiais.
Especificamente, discutimos interpolaes polinomiais baseadas na interpolao de coeficientes
de Lagrange, diferenas divididas de Newton e nas diferenas finitas.

Objectivos Especficos da Aprendizagem

No final desta actividade, o estudante ser capaz de:
* Explicar por que que os mtodos numricos so necessrios na resoluo de interpolao.

- Aplicar interpolaes polinomiais de Lagrange
- Aplicar interpolao polinomial de diferenas divididas de Newton
- Definir e manipular operadores de diferenas finitas (operadores de mudana,
operadores de avano, operadores de recuo, operadores centrais e de mdia de diferenas)
- Construir tabelas de diferenas para valores tabulados da funo
- Deduzir e aplicar interpolao polinomial de avano e de recuo de Newton e
interpolao polinomial de diferenas centrais de Stirling e, por fim,
- Aplicar Interpolaes polinomiais de diferenas finitas na deduo de mtodos
de integrao numrica
Lista de leituras requeridas
38
Wikipedia: Interpolation

Lista de links relevantes e teis




Tal como mathworld, os estudantes devem pesquisar a entrada que abrange o ttulo da
unidade. Tambm pesquisar palavras-chaves que aparecem no texto. Wipedia geralmente d
curtas e menos completas. Todavia elas podem ser mais fceis para ler.

O arquivo McTutor muito mais compreensvel arquivo da histria de matemtica na
estudado.

Termos e teoremas chaves

Definies completas so dadas no texto
Interpolao: aproximao de uma funo usando valores discretos
Interpolao Polinomial: um polinmio que interpola uma funo usando valores dados
Diferenas divididas: diferenas dos valores dados da funo, relacionados com
39
diferenas entre pontos discretos dados.

Operadores de diferenas finitas: Operadores matemticos usados na construo de
diferenas nos valores da funo.

Introduo

Quantas actividades de aprendizagem compreendem o mdulo?

Como referido no sumrio acima, mtodos numricos so usados para aproximar nmeros bem
como para aproximar funes. Os contedos deste mdulo so cobertos em quatro actividades de
Aprendizagem. Duas destas actividades se referem a mtodos de aproximar nmeros (a integral
definida e as razes de funes). Outra actividade sobre erros e a quarta actividade sobre
mtodos numricos para aproximar funes.

Por que que polinmios so escolhidos para aproximar funes?

Funes so aproximadas usando outras funes julgadas serem simples de manipular
numericamente. Especificamente, usamos polinmios para aproximar outras funes complicadas,
principalmente porque polinmios so
- simples para avaliar
- simples para diferenciar, e
- simples para integrar
Comeamos a apresentao por definir o conceito de interpolao e estabelecer a necessidade
para mtodos numricos e para realizar a interpolao. Esta apresentao seguida de uma
discusso detalhada do polinmio mais simples usado na aproximao de funes, na interpolao
linear. Interpolaes polinomiais de ordem superior so depois introduzidas, incluindo
- Interpolao polinomial de Lagrange
- Interpolao polinomial de diferenas divididas de Newton, e, finalmente
40

- Interpolao polinomial de diferenas finitas
No fim da actividade apresentada uma discusso breve sobre possveis usos da interpolao
linear para deduzir alguns mtodos de integrao numrica tais como a regra do trapzio e a regra
de Simpson

Actividade #2 de aprendizagem

2.1 Significado de interpolao

O conceito matemtico de interpolao concernido a problemas de aproximar uma funo
f(x) definida sobre um intervalo fechado [a, b]
A funo f(x) a ser aproximada usualmente definida atravs de um conjunto de seus valores
em n + 1 distintos pontos situados no intervalo [a, b]. Em geral so dados pares de valores
(x
k
, f(x
k
)); k = 0, 1, 2, ..., n x
0
= a; x
n
= b

O problema ento determinar valores (ou mesmo derivadas) da funo em alguns pontos no
tabulados situando-se dentro do intervalo.
Estes tipos de problemas so bastante comuns na fsica experimental e na qumica, onde uma
expresso numrica para uma funo pode no ser conhecida mas seus valores para diferentes
valores da sua varivel independente pode ser obtida experimentalmente atravs de medies
laboratoriais.

Exemplo Tpico (Bajpai et al 1975 pp 205)

Num experimento levado acabo num laboratrio de fsica, o comprimento y de um arame foi
medido para vrios pesos x supensos nele. Os resultados do experimento so tabulados abaixo.

Tabela 1: peso versus extenso de um arame

x: peso (kg) 0 1 2 3 4 5
41
y:
comprimento
(mm)
2027,1 2029,4 2031,8 2034,1 2036,5 2039,0

A partir de dados obtidos acima, podemos desejar saber o comprimento do arame para
qualquer peso no tabulado que se situa dentro intervalo [0, 5]. Esta prtica conhecida como
interpolao da funo y = f(x), onde a dependncia funcional de y no peso x no
explicitamente dada. Qualquer tentativa de usar os dados da tabela para calcular o comprimento do
arame para um peso fora do intervalo dado chamada de extrapolao.

2.2 Interpolao Linear

Na interpolao linear assumimos que temos dois pontos A(x
0
, f
0
) e B(x
1
, f
1
) na curva de uma
funo contnua y = f(x) (usualmente desconhecida) e que queremos aproximar o valor da funo
num ponto xe(x
0
, x
1
).

RESOLVE

Revisite e estude as vrias formas de definir uma recta e de escrever equao da recta para
cada forma:
- dados dois pontos
- dado um ponto e o declive

Porque a recta completamente definida por dois pontos dados que se situam nela,
aproximamos a funo f(x) localmente no intervalo [x
0
, x
1
] pela recta atravs dos dois pontos
dados.
A equao da recta pode ser dada em diferentes formas. Consideremos as trs formas:
(i) a usual y-intercepto-declive ou a forma de Newton
(ii) a forma de Lagrange
42
(iii) a forma de determinante.

Para propsitos computacionais, a forma do determinante a melhor das formas dadas.

P
1
(x) =
|
|
.
|
\
|
+
x x f
x x f
x x
iii
f
x x
x x
f
x x
x x
ii
x x
x x
f f
f i
1 1
0 0
0 1
1
0 1
0
0
1 0
1
0
0 1
0 1
0
1
) (
) (
) ( ) (
.

Exemplo Resolvido

Usando os dados obtidos do experimento do laboratrio de suspender um peso com arame e
medir seu comprimento, aplique a forma do determinante da interpolao linear para aproximar o
comprimento do arame quando o peso de 2,7 kg

Soluo
Neste exemplo substitumos os valores
x
0
= 2 f
0
= 2031,8 x
1
= 3 f
1
= 2034,1 x = 2,7
na forma do determinante da equao e obtemos o valor:
P
1
(2,7) = 41 , 2033
3 , 0 1 , 2034
7 , 0 8 , 2031
=

que parece ser bastante razovel em que, como de esperar, est mais prximo de f
1
do que de
f
0
.

RESOLVE (2.1)

Aplique as outras duas formas de interpolao linear da funo P
1
(x) para aproximar o
comprimento do arame quando o peso 1,35 kg
43

2. 3 Erro na interpolao linear

Agora nos propomos a responder a questo: Quo grande o erro na interpolao linear?
Em outras palavras, queremos saber quo exactas so as respostas obtidas atravs do processo
de interpolao linear
Uma caracterstica importante da interpolao polinomial P
n
(x) de qualquer grau que
P
n
(x
k
) = f(x
k
) k = 0, 1, 2, ..., n
Para interpolao linear isso implica que P(x
0
) = f(x
0
) P(x
1
) = f(x
1
).
Esse processo implica ainda que o erro E(x) em qualquer ponto xe[x
0
, x
1
] na interpolao
linear deve ter a forma

E
1
(x) = (x x
0
)(x x
1
)C

Onde C uma constante independente de x. Na seco subsequente nesta actividade o valor de
C para uma funo f(x) que se assume ser suficientemente diferencivel dado como C =
2
1
f()
onde Min(x
0
, x
1
, x) < < Max(x
0
, x
1
, x)
Com este resultado, o erro na interpolao linear assume a forma

E
1
(x) = (x x
0
)(x x
1
)
2
1
f()
Se M = Max ) ( ' x f no intervalo [x
0
, x
1
], ento podemos mostrar que

2 2
0 1 1
8
1
) (
8
1
) ( Mh x x M x E = s

2.4 Interpolao Polinomial

Tal como se referiu no incio da actividade, o principal problema da interpolao Polinomial
44
pode ser formulado como se segue:
Dados os valores f(x
k
) = f
k
de alguma funo contnua f(x) em n +1 pontos distintos x
k
, k = 0,
1, 2, ..., n
Pode-se mostrar que esta, assim chamada, Interpolao Polinomial existe e nica.
Todavia h diferentes formas de representar a interpolao polinomial. Nesta actividade damos
quatro diferentes formas da interpolao polinomial

2. 5 Interpolao polinomial de Lagrange

A forma de Lagrange da Interpolao Polinomial tem a forma geral

P
n
(x) = L
0
(x)f
0
+ L
1
(x)f
1
+ L
2
(x)f
2
+ + L
n
(x)f
n
=
=
n
i
i i
f x L
0
) (
em que os termos L
i
(x) i = 0, 1, 2, .., n so polinmios individuais de grau n em x chamados
os coeficientes de interpolao de Lagrange

Para assegurar que P
n
(x) satisfaz o critrio de co-localizao dado acima, os coeficientes de
interpolao de Lagrange so construdos tal que eles satisfaam a condio

L
i
(x
j
) = o
i,j
=
=
=
j i se
j i se
0
1
Pode se verificar que a seguinte definio de L
i
(x) satisfaz a exigncia

L
i
(x) =
) )...( )( )...( )( (
) )...( )( )...( )( (
1 1 1 0
1 1 1 0
n i i i i i i i
n i i
x x x x x x x x x x
x x x x x x x x x x

+
+

Com esta definio de coeficientes de interpolao de Lagrange podemos verificar a condio
da co-localizao na interpolao polinomial, para

P
n
(x
j
) = ; j = 0, 1, 2, ..., n

= =
= =
n
i
j i ij
n
i
j j i
f f f x L
0 0
) ( o
45

Exemplo 2 resolvido
Constri o polinmio cbico de interpolao de Lagrange que interpola a funo f(x) dada pela
seguinte tabela de valores
I 0 1 2 3
x
i
1 2 3 4
f
i
1,54 0,58 0,01 0,35

P
3
(x) = 1,54L
0
(x) + 0,58L
1
(x) + 0,01L
2
(x) + 0,35L
3
(x)
onde
L
o
(x) = ) 4 )( 3 )( 2 (
6
1
) 4 1 )( 3 1 )( 2 1 (
) 4 )( 3 )( 2 (
=

x x x
x x x

L
1
(x) = ) 4 )( 3 )( 1 (
2
1
) 4 4 )( 3 2 )( 1 2 (
) 4 )( 3 )( 1 (
=

x x x
x x x

L
2
(x) = ) 4 )( 2 )( 1 (
2
1
) 4 3 )( 3 3 )( 1 3 (
) 4 )( 2 )( 1 (
=

x x x
x x x

L
3
(x) = ) 3 )( 2 )( 1 (
6
1
) 3 4 )( 2 4 )( 1 4 (
) 3 )( 2 )( 1 (
=

x x x
x x x

RESOLVE (2.2)

Use a interpolao polinomial de Lagrange acima para interpolar a funo f(x) em x = 2,6
Observao
(i) notamos que a segunda forma (ii) da equao de uma recta dada em RESOLVE
(2.1), problema de auto-exerccio um exemplo tpico da frmula de interpolao de
Lagrange
(ii) Ao mudar a interpolao polinomial de Lagrange de um certo grau para a de
um outro grau, digamos da linear para quadrtica todos clculos devem ser feitos de
46
novo. Por exemplo, nenhuma das expresses usadas no caso da aproximao linear (os
coeficientes lineares de Lagrange L
0
(x) e L
1
(x) so teis na construo da interpolao
polinomial quadrtica de Lagrange.
Por causa da segunda observao, esforos foram feitos para construir as interpolaes
polinomiais que so iterativas no sentido de que, uma interpolao polinomial de grau superior
pode ser obtida simplesmente por adicionar termos de grau superior interpolao polinomial de
grau inferior j existente. O que segue apresenta duas interpolaes polinomiais nesta categoria.

2.6 Diferenas divididas de Newton

Seja a funo f(x) dada em n + 1 distintos pontos x
0
, x
1
, ..., x
n
tal que
f
k
= f(x
k
), k =0, 1, 2, ..., n

Definimos o que so conhecidas como diferenas divididas de Newton
f[x
0
, x
1
, ..., x
k
], k = 1, 2, ..., n como segue

Uma tabela tpica de diferenas divididas seria como a que segue:
Tabela 3: Tabela de diferenas divididas
Diferenas divididas
x f(x) Primeira Segunda Terceira Quarta
x
0
f(x
0
)
47
f[x
0
, x
1
]
x
1
f(x
1
) f[x
0
, x
1
,
x
2
]

f[x
1
, x
2
] f[x
0
, x
1
, x
2
,
x
3
]

x
2
f(x
2
) f[x
1
, x
2
,
x
3
]
f[x
0
, x
1
, x
2
, x
3
,
x
4
]
f[x
2
, x
3
] f[x
1
, x
2
, x
3
,
x
4
]

x
3
f(x
3
) f[x
2
, x
3
,
x
4
]
f[x
1
, x
2
, x
3
, x
4
,
x
5
]
f[x
3
, x
4
)] f[x
2
, x
3
, x
4
,
x
5
]

x
4
f(x
4
) f[x
3
, x
4
,
x
5
]

f[x
4
, x
5
]
x
5
f(x
5
)

Usando estas diferenas divididas Newton deduziu o seguinte polinmio de ensimo grau
P
n
(x) que interpola a funo f(x) em n + 1 combinao de pontos distintos x
k
, k = 0, 1, 2, ..., n:
(Burden and Faires, 1989 p 113).
P
n
(x) = f(x
0
) + (x x
0
)f[x
0
, x
1
] + (x x
0
)(x x
1
)f[x
0
, x
1
, x
2
] + (x x
0
)(x x
1
)(x x
2
)f[x
0
,
x
1
, x
2
, x
3
] + + (x x
0
)(x x
1
)(x x
2
) (x x
n+1
)f[x
0
, x
1
, x
2
, , x
n
]
Ou
P
n
(x) = f(x
0
) + (x x
=
n
k 1
0
)(x x
1
)(x x
2
) (x x
k
)f[x
0
, x
1
, x
2
, , x
k-1
]
Mostramos esta abordagem no seguinte exemplo:

Exemplo resolvido 3

48
(i) Constri a tabela de diferenas divididas para a funo f(x) dada pelos seguintes dados:

Tabela 4: Valores tabulados de uma funo:

x -3 -2 -1 0 1 2 3
f(x) -
17
-
25
-
13
-5 -1 23 115

(ii) Use a tabela resultante de diferenas para interpolar f(x) em:
x = -2,3 usando interpolaes polinomiais lineares, quadrtica e cbica de Newton baseadas
em x
0
= -3

Soluo

Tabela 5: Tabela de diferenas divididas
Diferenas divididas
Primeira Segunda Terceira Quarta
x
f(x)
-3 -17
-8
-2 -25 10
12 -4
-1 -13 -2 1
8 O
O -5 -2 1
4 4
1 -1 10 1
24 8
2 23 34
92
3 115

Interpolao baseada em x = -3,0

49

- Interpolao linear
Aqui tomamos x
0
= -3,0; f(x
0
) = -17, f[x
0
, x
1
] = -8, x = -2,3 e obtemos
f(-2,3) = f(x
0
) + (x x
0
)f[x
0
, x
1
] = -22,6

- Interpolao quadrtica
Porque estamos a interpolar no mesmo ponto x = -2,3 precisamos somente considerar o termo
adicional (x x
0
)(x x
1
)f[x
0
, x
1
, x
2
] cujo valor em x = -2,3 (0,7)(-0,3)(10) = -2,1
Adicionando esta correco ao valor obtido atravs da interpolao linear obtemos
F(-2,3) = -22,6 2,1 = -24,7

- Interpolao cbica
De novo precisamos somente de calcular uma correco que deve ser feita no valor obtido
usando a interpolao quadrtica. O termo adicional (x x
0
)(x x
1
)(x x
2
)f[x
0
, x
1
, x
2
, x
3
]
cujo valor (0,7)(-0,3)(-1,3)(-4) = -1,092
Fazendo esta correco no valor obtido pela interpolao quadrtica resulta f(-2,3) = -25,792

RESOLVE (2.3)

Usando a tabela de diferenas divididas acima
(i) Escreve o valor da diferena dividida f[x
2
, x
3
, x
4
] e mostre exactamente
como se chegou at a ela.
(ii) Interpole f(x) em x = -0,3 usando uma interpolao polinomial de diferenas
divididas de Newton de grau 4 baseada no ponto x = -1,0
Compare sua resposta com o valor da funo f(x) = x
4
+ 2x
3
3x
2
+ 4x 5

2.7 Operadores de diferenas finitas

50
O terceiro conjunto e final de interpolaes polinomiais est intimamente relacionado com
aquelas baseadas nas diferenas divididas de Newton
A suposio bsica aqui que
Os valores da funo f(x
k
) = f
k
so dados igualmente espaados e distintos pontos tm
um intervalo constante de comprimento h = x
k + 1
x
k
uma combinao entre pontos
consecutivos.
Uma introduo no sistemtica do mtodo de abordar envolve a introduo de operadores
de diferenas. Existem quatro operadores bsicos de diferenas. Operador de mudana,
operador para a frente, operador para a trs e operador da diferena central. Estes operadores
so definidos como se segue

O operador de mudana E
O operador de diferena E definido atravs da relao
Ef(x) = f(x +h) no caso duma varivel contnua x e atravs da relao
Ef
k
= f
k+1
no caso da varivel discreta x
k
.
Potncias do operador (positivo ou negativo) so definidas da maneira similar:
E
p
f(x) = f(x + ph); E
p
f
k
= f
k + p

O operador de diferena para a frente A

O operador de diferena para a frente A definido atravs da relao
Af(x) = f(x +h) f(x) no caso de uma varivel contnua x, e atravs da relao
Af
k
= f
k + 1
f
k
no caso de uma varivel discreta x
k
(1)
Potncias do gerador de diferena para a frente A podem tambm ser definidas
A
p+1
f
k
= A
p
f
k + 1
- A
p
f
k
p = 0, 1, 2, ...; A
0
f
r
= f
r
para qualquer valor de r.

O operador de diferena para a trs V

O operador de diferena para a trs V definido atravs da relao
51
Vf(x) = f(x) f(x h) no caso de uma varivel contnua x, e atravs da relao
Vf
k
= f
k
f
k 1
k
. (2)
Potncias do operador de diferena para a trs tambm podem ser definidas como:
V
p + 1
f
k
= V
p
f
k
- V
p
f
k 1
p = 0, 1, 2, 3, ... ; V
0
f
r
= f
r
para qualquer valor de r.

O operador de diferena central o

O operador da diferena central o definido atravs da seguinte relao
of(x) = f(x + Error!) f(x - Error!), no caso de uma varivel contnua x, e atravs da
relao
of
k
= f
k
f
k 1
k
. (3)
Potncias do operador de diferena central tambm podem ser definidas como
of
k + Error!
of
k Error!
(4)

Relao entre operadores de diferena

A definio de potncias do Operador de Mudana E permite-nos relacionar os trs
operadores de diferena um com o outro.
Primeiro notamos que:

2
1
2
1
+
=
k
k
f f E
;
2
1
2
1
=
k
k
f f E

1
=
k k
f f E
1
Usando estes trs resultados, todos baseados na definio vlida do operador de mudana,
podemos estabelecer as seguintes relaes:

Porque Af
k
= f
k + 1
f
k
= Ef
k
f
k
= (E 1)f
k
conclumos que

A E 1 ou E A + 1 (5)
Ainda, porque Af
k
= f
k
f
k 1
= f
k
E
-1
f
k
= (1 E
-1
)f
k
conclumos que
V 1 E
-1
ou E Error! (6)
52
De igual modo, porque of
k
= f
k + Error!
f
k Error!
=
2
1
E f
k
-
2
1
E f
k
= (
2
1
E
2
1
E )f
k

conclumos que
o
2
1
E
2
1
E (7)
No caso do operador de diferena central o no possvel exprimir o operador de mudana E
em termos do operador de diferena central o apenas. Todavia faremos assim por envolver outros
operadores de diferenas finitas. Especificamente, podemos relacionar os operadores de diferena
para a frente e para a trs um com outro por envolver operadores de mudana e de diferena
central.
(i) Multiplicando ambos lados da equao (7) com
2
1
E e tomando o resultado na equao (5),
obtemos
2
1
E o =
2
1
E (
2
1
E
2
1
E ) = E 1 A, portanto,
A
2
1
E o o
2
1
E A (8)

(ii) Multiplicando ambos lados da equao (7) com
2
1
E e considerando o resultado da
equao 6 temos
2
1
E o =
2
1
E (
2
1
E
2
1
E ) = 1 E
-1
V, portanto

V
2
1
E o, o
2
1
E V (9)

Tendo estabelecido todas estas inter-relaes entre os operadores E, A, V, o agora podemos
definir quaisquer potncias dos operadores A, V e o.
Um ltimo operador til, o operador Mdio (ou de Mediao) muitas vezes usado em
conexo com algumas frmulas de interpretao que so baseadas no operador da diferena
central o.
O operador mdio definido atravs da relao
53
f
k
=
|
|
.
|
\
|
+
+
2
1
2
1
2
1
k k
f f (10)

2.8 Interpolao polinomial de diferena finita

Munidos com os cinco operadores de diferena (E, A, V, o, ) , estamos prontos para alistar
(no deduzir) uma srie de interpolaes polinomiais baseadas no seu uso. Exactamente como elas
so usadas ser discutido depois da introduo do conceito de uma tabela de diferenas. Em vez de
operar com a varivel x, tais polinmios so usualmente escritos em termos de uma varivel
digital s obtida a partir de transformaes de variveis.

s = Error!(x x )
0
(1) Interpolao polinomial de diferenas para a frente de Newton

P
n
(s) = f
0
+ sAf
0
+
2
1
s(s 1)A
2
f
0
+
6
1
s(s 1)(s 2) A
3
f
0
+ = f
=
A
|
|
.
|
\
|
n
k
k
k
s
0
0

(2) Interpolao polinomial de diferenas para a trs de Newton

P
n
(s) = f
n
+ sVf
n
+
2
1
s(s + 1)V
2
f
n
+
6
1
s(s + 1)(s + 2) V
3
f
n
+ =
f
=
V
|
|
.
|
\
| +
n
k
k
k
k s
0
n

(3) Interpolao polinomial de diferenas centrais de Stirling

P
n
(s) = f
0
+ sof
0
+
2
1
s
2
o
2
f
0
+
6
1
s(s
2
1)o
3
f
0
+
24
1
s
2
(s
2
1)o
4
f
0
+

(4) Interpolao polinomial de diferenas centrais de Bessel
54

(5) Interpolao polinomial de diferenas centrais de Everett

onde t = 1 s

2.9 Tabelas de Diferenas

Todas as cinco interpolaes polinomiais de diferenas finitas dadas acima contm diferenas
para a frente, para a trs ou centrais de potncias que excedem um. portanto importante saber
como estas quantidades podem ser obtidas. A resposta no difcil. Estas quantidades so obtidas
a partir das tabelas de diferenas construdas usando os valores dados da funo f(x) numa
distribuio de pontos x
k
equidistantes.

As tabelas de valores so obtidas num processo similar ao da construo de diferenas
divididas de Newton. A nica diferena neste caso que somente as diferenas dos valores das
funes so envolvidas. Tais diferenas no so divididas por alguma quantidade. O que
segue so exemplos tpicos de tabelas de diferenas.

Tabela 6: Tabela de diferenas para a frente

Diferenas para a frente
x f(x) Primeira Segunda Terceira Quarta Quinta
55
x
0
f
0

Af
0

x
1
f
1
A
2
f
0

Af
1
A
3
f
0

x
2
f
2
A
2
f
1
A
4
f
0

Af
2
A
3
f
1
A
5
f
0

x
3
f
3
A
2
f
2
A
4
f
1

Af
3
A
3
f
2

x
4
f
4
A
2
f
3

Af
4

x
5
f
5

Observao

Note a natureza do transbordo para a frente das casas, baseada em cada ponto x
k
, na tabela de
diferenas para a frente. A interpolao polinomial para a frente de Newton usa valores ao longo
de um tal caminho.

Tabela 7: Tabela de diferenas para a trs

Diferenas para a trs
x
0
f
0

Vf
1

x
1
f
1
V
2
f
2

56
x
2
f
2
V
2
f
3
V
4
f
4

Vf
3
V
3
f
4
V
5
f
5

x
3
f
3
V
2
f
4
V
4
f
5

Vf
4
V
3
f
5

x
4
f
4
V
2
f
5

Vf
5

x
5
f
5

Observao

Note a natureza do transbordo para a trs das casas, baseada em cada ponto x
k
, na tabela de
diferenas para a trs. A interpolao polinomial para a trs de Newton usa valores ao longo de um
tal caminho.

Tabela 7: Tabela de diferenas centrais

Diferenas centrais
x
-3
f
-3

o
2
1
2
f
x
-2
f
-2
o
2
f
-2

o
2
1
1
f o
3
2
1
1
f
x
-1
f
-1
o
2
f
-1
o
4
f
-1

o
2
1
f o
3
2
1
f o
5
2
1
f
x
0
f
0
o
2
f
0
o
4
f
0

o
2
1
f
3
o
2
1
f
5
o
2
1
f
57
x
1

2
f
1

4
f
1
f
1
o o
o
2
1
1
f
3
o
2
1
1
f
x
2

2
f
2
f
2
o
o
2
1
2
f
x
3
f
3

casas, baseada em cada ponto x
k
, na tabela de
diferenas
Observao

Note a natureza do transbordo avante das
centrais. As frmulas de Stirling, Bessel e Everret usam as casas da tabela na
vizinhana de tal caminho.

RESOLVE (2.4)
. 57), a seguir, e tomando x
0
= 0,0 d os valores das seguintes
diferenas fini
Error!, A f
2
, V f
5
, of
2

o
6
f
8
em termos de diferenas para a frente e
diferenas p
2.9 Aplicao de Tabelas de Diferenas na Interpolao
ostrar como construir a tabela de diferenas e como us-la para
os propsito
nas para a funo tabulada abaixo

(i) Em relao tabela 9 (p
tas:
Af
3
, V
2
f
1
, of
2 4
(ii) Usando equivalncias apropriadas expresse
ara a trs.

Agora estamos prontos para m
s de interpolao.

Exemplo resolvido 4

(i) Constri uma tabela de difere
58

x 0 0,2 0,4 6 0,8 1,0
f(x) 000 01 253 03 1,0 0,98 9211 0,8 6967 0,54

i) Usa os resultados da tabela para interpolar f(x)
as para a frente de Newton
(i
- Em x = 0,1 usando a frmula de diferen
- Em x = 0,9 usando a frmula de diferenas para a trs de Newton e
- Em x = 0,5 usando a frmula de diferenas centrais de Stirling.

Solues
)
Tabela 9: Tabela de diferenas

(i

Diferenas
x x) Segunda Terceira Quarta Quinta f( Primeira
0,0 1,0000
-0,0199
0,2 ,9801 0 -0,0391
-0,0590 0,0023
0,4 ,9211 ,0368 0 -0 0,0017
-0,0958 ,0040 0 -
0,0007
0,6 0,8253 -0,0328 0,0010
-0,1286 0,0050
0,8 ,6967 0 -0,0278
-0,1564
1,0 0,5403

i) Interpolao (i
59

Aplicando a frmula de diferenas para a frente de Newton
omamos x
0
= 0,0. Uma vez o comprimento do intervalo a usar h = 0,2, o valor do
par
ton, or:

T
metro s calculado e encontrado sendo s = Error! = 0,5
A frmula de diferenas para a frente de New dada p
P
n
(s) = f
0
+ sAf
0
+
2
1
s(s 1)A
2
f
0
+
6
1
s(s 1)(s 2) A
3
f
0
+
e a de diferenas
bas
plicando a frmula de diferenas para a trs de Newton
omamos x
n
= 1,0. De novo uma vez o comprimento do intervalo a usar h = 0,2 o valor do
par
As casas da tabela necessrias para este clculo esto d stacadas na tabela acim
eadas em x
0
= 0,0. Substituindo estes valores e calculado o valor de s, resulta em:
f(0,1) ~ 1,0000 0,00995 + 0,0048875 + 0,00014375 0,0000664025 = 0,9950

A

T
metro s calculado e encontrado sendo s = Error! = 0,5

A frmula da diferenas para a trs de Newton, dada por:
P
n
(s) = f
n
+ sVf
n
+
2
1
s(s + 1)V
2
f
n
+
6
1
s(s + 1)(s + 2) V
3
f
n
+
na tabela acima de diferenas
bas
do
arre
plicando a frmula de diferenas centrais de Stirling
omamos x
0
= 0,4. Uma vez o intervalo h = 0,2, o valor do parmetro s calculado
rmula de diferenas centrais de Stirling dada por
As casas da tabela necessrias para este clculo esto destacadas
eadas em x
n
= 1,0. A substituio directa destes valores e calculado o valor de s, resulta em:
f(0,9) ~ 0,5403 + 0,0782 + 0,003475 0,0003125 0,0000390625 = 0,6216, resulta
dondado a 4 casas decimais correctas.

A

T
s = Error! = 0,5
A f
60
P
n
(s) = f
0
+ sof
0
+
2
1
s
2
o
2
f
0
+
6
1
s(s
2
1)o
3
f
0
+
24
1
s
2
(s
2
1)o
4
f
0
+
o esto des a mas so
rela
0
As casas da tabela necessrias para este clculo n tacadas na tabela acim
tivamente fceis de encontrar. Para o estudante inexperiente o problema maior pode estar na
determinao de valores mdios. Para maximizar a transparncia nos clculos, destacamos o
seguinte:
of =
(
(
+
+
2
1
2
1
2
1
f f o o ; o
3
f
0
=
(
(
+
+
2
1
3
2
1
3
2
1
f f o o
Com esta clarificao a seguir fazemos os clculos e encontramos:
f(0,5) = 0,9211 0,0387 0,0046 0,000196875 = 0,8776

RESOLVE (2.5)
sando os elementos na tabela 9 aplique a frmula de diferenas centrais de Everret baseada
em
eferncias para esta actividade aprendizagem:
ical Methods for Engineers and Scientists,
Tay
. L. Burden and D. Faires, Numerical Analysis, PWS-Kent Publishing Co. Boston, Fifth
Edi
olues das Questes da Avaliao Formativa
ESOLVE (2.1)
peso 1,35 situa-se entre 1 kg e 2 kg. Portanto tomamos e substitumos nas duas frmulas de
inte

U
x
0
= 0,4 para interpolar a funo f(x) em x = 0,45

R
A. C. Bajpai, I. M. Calus and J. A. Fairley, Numer
lor & Francis Ltd, London 1975

R
tion 1989

S

R

O
rpolao:
61
(i) P
1
(x) = f
0
+ Error!(x x
0
) = 2029,4 + (2,4)(0,35) = 2030,24
r!f
0
+ 8) = 2030,24 (ii) P
1
(x) = Erro Error!f
1
= (0,65)(2029,4) + (0,35)(2031,

RESOLVE (2.2)
3
(x) = 1,54L
0
(x) + 0,58L
1
(x) + 0,01L
2
(x) + 0,35L
3
(x)
(2,6) =

P
Em x = 2,6 os valores dos coeficientes de Lagrange so:

L
6
1
(2,6 2)(2,6 3)(2,6 4) = 0,056
L(2,6) =
2
1
(2,6 1)(2,6 3)(2,6 4) = 0,448
L(2,6) =
2
1
(2,6 1)(2,6 2)(2,6 4) = 0,672
L(2,6) =
6
1
(2,6 1)(2,6 2)(2,6 3) = 0,064
ESOLVE (2.3)
) f[x
2
, x
3
, x
4
] = -2
o a partir da definio de diferenas divididas, como segue:
x
2
, x
3
, x
4
] = Error! + Error!Error!=

R

(i
Este resultado obtid

f[
2
1
(8 12) = -2
(iii) Interpolao de f(x) em x = -0,3 usando a interpolao polinomial de

diferenas divididas de Newton do 4 grau:
Aqui x
0
= -1,0

P
4
(x) = f(x
0
) + (x x
0
)f[x
0
, x
1
] + (x x
0
)(x x
1
)f[x
0
, x
1
, x
2
] + (x x
0
)(x x
1
)(x x
2
)f[x
0
,
62
x
1
,
x
1
] = 5,6
, x
2
] = 0,42
x
3
] = 1,092
4
] = -0,6279
epois obtemos a resposta:
+ 1,092 0,6279 = -6,5159
or outro lado, a funo f(x) = x
4
+ 2x
3
3x
3
+ 4x 5 tem o mesmo valor (-6,5159) em x = -
0,3
ESOLVE (2.4)
) encontramos
V
2
f
1
: no existe;
x
2
, x
3
] + (x x
0
)(x x
1
)(x x
2
)(x x
3
)f[x
0
, x
1
, x
2
, x
3
, x
4
]
f(x
0
) = -13
(x x
0
)f[x
0
,
(x x
0
)(x x
1
)f[x
0
, x
1
(x x
0
)(x x
1
)(x x
2
)f[x
0
, x
1
, x
2
,
(x x
0
)(x x
1
)(x x
2
)(x x
3
)f[x
0
, x
1
, x
2
, x
3
, x

D
P
4
(-0,3) = -13,0 + 5,6 + 0,42

P
.

R

(i
Af
3
= -0,1286; o
2
1
1
f = 0,0590; A
2
f
2
= 0,0391
V
4
f
5
= 0,0007; of
2
=
(
(
+
2
1
1
2
1
2
2
1
f f o o = 0,0774

(ii) Esta questo resolve-se usando as relaes de equivalncias o
2
1
E A e o
2
1
E V
o f
8
=
e obtemos
6
6
2
1
(
(

A E f
8
= E
-3
A
6
f
8

= A
6
f
8-3
= A
6
f
5
=
6
2
1
(
(
V E f
8
= E
3
V
6
f
8
= V
6
f
8 + 3
= V
6
f
11

ESOLVE (2.5) R
63

Usando os elementos da tabela 9 aplique a frmula de diferena central Everret baseada em x
0

= 0
= 0,2; x = 0,45 e portanto os dois parmetros
req
Error!(1,25)(0,25)(-0,75)(-0,03228) + Error!
(1,7
,4 para interpolar a funo f(x) em x = 0,45
Somos dados as quantidades x
0
= 0,4; h
ueridos na aplicao do mtodo de Everret so:
s = Error! = Error! = 0,25; t = 1 s = 0,75
f(0,45) = (0,25)(0,8253) + (0,75)(0,9211) +
5)(0,75)(-0,25)(-0,0368) + ... = 0,9004

Actividade # 3 da Aprendizagem
ntegrao Numrica
umrio
esta actividade da aprendizagem focalizamos mtodos de integrao numrica. Uma maior
por
- A necessidade de integrao numrica

regras de Trapzio e de Simpson

I

S

N
o da apresentao consagrada categoria de frmulas de Newton-Cotes. No obstante,
analisamos uma famlia mais exacta de mtodos de integrao numrica classificados como
mtodos de Integrao de Gauss. Ateno especfica dada aos dois mtodos melhor conhecidos
de Newton-Cotes: A regra de trapzio, a regra de Simpson e a aplicao da tcnica de
extrapolao de Richardson, ambos mtodos conducentes a deduo do mtodo de integrao de
Romerg. Para os mtodos de Integrao de Gauss limitamos a nossa discusso ao mtodo de
Gauss baseado no polinmio de Legendre. Actividade da Aprendizagem apresentada segundo os
ttulos:
- Classificao dos mtodos
- Frmulas de Newton-Cotes
- A regra de trapzio
- A regra de Simpson
- Termos de erros nas
64
- Integrao de Romberg
- Mtodos de integrao de Gauss
o fim desta actividade o estudante ser capaz de:
- Classificar mtodos de integrao numrica
Simpson
baseado quer na regra do
o de Gauss baseado nos polinmios de Legendre.
ista de literatura relevante
undamental Numerical Methods and Data Analysis, George W. Collins, Chapter 4.

N

- Deduzir e aplicar as regras de Trapzio e de
- Deduzir e aplicar mtodo de integrao de Romberg
Trapzio, quer na regra de Simpson
- Aplicar o mtodo de integra

L

F
Wikipedia: Numerical Methods/Numerical Integration


pes
ikipedia (visitado em 03.04.07
ttp://en.wikipedia.org/wiki
quisar quaisquer palavras-chaves que aparecem no texto. Mathworld fornece uma

W

h
al como mathworld, os estudantes devem pesquisar a entrada que abrange o ttulo da
uni

T
dade. Tambm pesquisar quaisquer palavras-chaves que aparecem no texto. Wipedia
65
geralmente d curtas e menos completas. Todavia elas podem ser mais fceis para ler..

O arquivo McTutor o arquivo muito mais compreensvel da histria de matemtica na
inte
alavras-chave
- Antiderivada de f(x)
antiderivada da outra funo f(x) se
- Ordem de um mtodo de integrao
rdem p se o mtodo produz valores exactos
da i
rnet. Os estudantes devem pesquisar ttulo da sua unidade e ler a histria de seu tema. Esta
estudado.

P

Uma funo F(x) chamada uma
Error! = f(x)

Um mtodo de integrao numrica dito ser de o
ntegral para todas funes polinomiais f(x) de grau m s p

Actividade de Aprendizagem: Integrao numrica
ntroduo
esta actividade damos os aspectos que distinguem a famlia dos mtodos de Newton-Cotes a
par

I

N
tir dos mtodos de Integrao de Gauss. Usamos uma abordagem geomtrica para deduzir a
regra de Trapzio (Trapezium) e a regra de Simpson. Porque nesta conjectura o estudante no foi
exposto ao conceito de polinmios ortogonais, apresentamos sem deduzir, o mtodo de integrao
de Gauss sem basear nos polinmios ortogonais de Legendre. Exemplos ilustrativos so dados e
resolvidos para assistir experimentao na aplicao dos mtodos apresentados.

66
3.1 A necessidade dos mtodos de integrao Numrica
a primeira actividade (Seco 1.6 (b)) demos exemplos que demonstram o porqu
pre
.2 Classificao dos Mtodos de Integrao Numrica
todos numricos para aproximar a integral definida tem a forma geral
=
Os coeficientes w
k
so chamados coeficientes de peso e x
k
so as abcissas ou ns tomados do
inte
.3 Ordem de um mtodo de integrao
ser de ordem p se o mtodo produz valores exactos
da i

N
cisamos aprender e ser capazes de aplicar os mtodos numricos na resoluo de alguns
problemas matemticos. Parte (ii) do primeiro exemplo 1 e todo o segundo exemplo foram
propositadamente escolhidos para mostrar a necessidade de aprender mtodos numricos para
avaliar algumas integrais definidas.

3

M
}
b
a
dx x f ) (
}
a
dx x f ) (
b
n
= k
k k
x f w
0
) (
rvalo [a, b] de integrao no qual a integral deve ser avaliada.

3
Um mtodo de integrao numrica dito
ntegral para todas funes polinomiais f(x) de grau m s p

A frmula geral de integrao numrica dada acima tem n + 1 ns x
k
e n + 1 pesos
cor
.4 Mtodos de Integrao Numrica de Newton-Cotes
s mtodos de integrao de Newton-Cotes so deduzidos a partir da frmula geral por:
respondentes, dando um total de 2n + 2 parmetros desconhecidos. Uma vez um polinmio de
grau m completamente determinado por dar seus valores em m + 1 distintos pontos, segue que a
ordem de uma frmula geral de integrao numrica dada acima ao mximo 2n + 1.

3

O
67
(i) Requerer os n + 1 ns x
k
uniformemente distribudos sobre o intervalo de integrao [a, b]
tal
actos da integral para todas
fun
s regras de Trapzio e de Simpson caem nesta categoria de mtodos.
) Regra de Trapzio
ESOLVE (3.1)
(i) Que figura geomtrica um trapzio
inam sua rea?

regra Trapezoidal (s vezes referida simplesmente como a regra do Trapzio) o mais
sim
que x
k
= x
0
+ kh, k = 0, 1, 2, 3, ..., n onde x
0
= a e x
n
= b e h = Error!
(ii) Determinar os n + 1 pesos w tais que a frmula de valores ex
k
es polinomiais f(x) de grau mximo at n.

A

(a

R

(ii) Quais os lados de um trapzio determ
(iii) Como a rea de um trapzio determinada?
A
ples mtodo prtico de integrao numrica. A regra baseada no princpio de determinar a
rea de um trapzio. O princpio por detrs do mtodo substituir a curva y = f(x) por uma recta
(aproximao linear como se mostra na figura 3.1

Tipicamente, aproximamos a rea A sob a curva y = f(x) entre as ordenadas em x
0
e x
1
por
A = Error!(f + f ), onde f = f(x ) e f = f(x ) e h a distncia entre x e x .
0 1 0 0 1 1 0 1
f(x )
f(x )
1
0
Area

fig. 3.1 Regra de Trapzio
68

Para a integral a regra de trapzio pode tambm ser aplicada por subdividir o
inte sub-inte
r!(f
0
+ f
1
) + Error!(f
1
+ f
2
) + Error!(f
2
+ f
3
) + ... + Error!(f
n - 1
+ f
n
)
= Error![ f
0 3
+
n - 1
) + f
Error!
}
b
a
dx x f ) (
rvalo [a, b] em n rvalos [x
k 1
, x
k
], k = 1, 2, 3, ...,n de mesmo comprimento h = x
k
x
k
1
, com a = x
0
e b = x
n
, seguido da aplicao da regra de trapzio para cada sub-intervalo. A rea
A sob a curva y = f(x) entre as ordenadas a = x
0
e b = x
n
pode ser aproximada pela regra de
trapzio generalizada.
A =
}
b
dx x f ) ( =
a
Erro
+ 2(f
1
+ f
2
+ f f
4
+ + f
n
]
=
(
+ +

1 n
(
=1
0
2 ) (
k
k n
f f f

Observao
esta regra de Trapzio generalizada os ns so escolhidos de modo a serem pontos
equ
w
2
= w
3
= ... = w
n 1
= h
xemplo 3.1
proximar

N
idistantes x
k
= x
0
+ (k 1)h, k = 1, 2, 3, ..., n enquanto os pesos w
k
tm sido determinados
tal que a frmula d o valor exacto da integral para todas funes lineares da forma f(x) = ax + b.
Estes pesos acabam sendo
w
0
= w
n
= Error!; w =
1

E

A
}
2
1
x
dx
pela regra de Trapzio com n = 10 (h = 0,1)
oluo
este exemplo f(x) = Error! e h = 0,1
1)0,1 i = 1, 2, 3, ..., 10 e obtemos pares de
val

S

N
Avaliamos a funo no ponto x
i
= 1 + (i
ores

69
Tabela 3.1: valor da funo f(x) = Error!
f(x) x f(x) x
1,0 1,0 1,6 0,625
1,1 0,9091 1,7 0,5882
1,2 0,8333 1,8 0,5556
1,3 0,7692 1,9 0,5263
1,4 0,7143 2,0 0,5
1,5 0,6667

plicao directa da regra generalizada de Trapzio d o valor aproximado A
}
2
dx
=
1
x
1;2
0
[1,0 + 2(6,1877) + 0,5 ] = 0,69377

(b) A regra de Simpson
ara obter a regra de Simpson, subdividimos o intervalo [a, b] em dois sub-intervalos iguais
usa
r!
ntegral geral definida aproximada pela integral . Sem perca da
generalidade, podem
0
Porque rmu sa val ntos (dois intervalos iguais), a regra generalizada de
Sim

P
ndo os pontos x
0
, x
1
, x
2
, onde x
2
x
1
= x
1
x
0
= h e substituir a curva da funo geral y = f(x)
no intervalo [x
0
, x
2
] pelo polinmio de interpolao quadrtica de Lagrange.
y = Error!f +
0
Error!f +
1
Error!f
2
=
= Error!Erro
A i
}
2
0
) (
x
x
dx x f
}
2
0
x
x
ydx
os tomar x = 0 e obter a frmula
}
2
x
ydx =
}
h
ydx
2
=
0
x 0
Error![f + 4f + f ]
0 1 2
a f la u ores em trs po
pson somente possvel quando o nmero n de intervalos par:
[x
0
, x
2
], [x
2
, x
4
], [x
4
, x
6
], ...., [x
n-2
, x
n
]

70
Ento aplica-se a frmula sobre cada sub-intervalo e adicionam-se os resultados para obter a
fr
= Error![(f
0
+ 4f
1
+ f
2
) + (f
2
+ 4f
3
+ f
4
) + ... + (f
n-2
+ 4f
n-1
+ f
n
)]
Error!
= Error!
mula generalizada da regra de Simpson

}
b
a
dx x f ) (
= [f + 4(f + f + ... + f ) + 2(f + f + ... + f ) + f ]
0 1 3 n-1 2 4 n-2 n
(
(
(
(

2
2
2
n n
+ + +

= =

1
2
1
1 2 0
2 4 ) (
k
k
k
k n
f f f f

Exemplo 3.1
proximar

A
}
2
1
x
dx
usando a regra de Simpson com n = 10 (h = 0,1)
oluo
o problema resolvido acima usando a regra de Trapzio. Certamente podemos
apl

S
o mesm
icar a regra de Simpson porque o nmero de sub-intervalos par (n = 10). Usando os valores
dados na tabela 3.1 obtemos
}
2
dx
=
1
x
1;3
0
[1,0 + 4(3,4595) + 2(2,7282) + 0,5 = 0,693147

ESOLVE (3.2)
) Qual o valor exacto da integral
R

(i
}
2
1
x
dx
?
integ l obtidas usando a regra de Trapzio e usando a
reg
oximaes afectada quer usando a regra de Trapzio, quer a
reg
(ii) Qual das duas aproximaes da ra
ra de Simpson mais exacta?
(iii) Como a exactido das apr
ra de Simpson quando se tomam intervalos h pequenos (aumentando o nmero de sub-
intervalos/refinando a partio da amplitude de integrao)?

71
3.5 Termos de erros na regra de Trapzio e na regra de Simpson
om um valor exacto de 0,69314718 que o valor de ln2, sua resposta s outras duas questes
so

C
esperadas como sendo: a regra de Simpson mais exacta do que a regra de Trapzio; a
exactido de ambos mtodos aumenta com o a diminuio do comprimento do intervalo h. Estes
resultados so mais vividos pelos termos de erros dos respectivos mtodos.

(i) Termo de erro na regra de Trapzio
ara as funes razoavelmente comportadas f(x) pode ser mostrado (Fox and Mayers, 1958)
que
mento h
T(h) = A
T
h
2
+ B
T
h
4
+ C
T
h
6
+
nde A
T
, B
T
, C
T
, so constantes cujos valores so independentes do comprimento do
inte
i) Termo de erro na regra de Simpson
e modo similar, o erro na aproximao S(h) da integral I dado por
nstantes cujos valores no dependem do comprimento do
inte
determinante de erro na regra de Trapzio A
T
h
2
enquanto na regra de Simpson
A
S
h
.6 Integrao de Romberg

P
o valor exacto (verdadeiro) I da integral
}
b
dx x f ) ( est relacionado ao valor T(h) obtido pela
regra de Trapzio com um intervalo de compri atravs da expresso

a
I

o
rvalo h.

(i

D
I S(h) = A
S
h
4
+ B
S
h
6
+ C
S
h
8
+
onde A
S
, B
S
, C
S
, so de novo co
rvalo h.
O termo
4
. Esta situao explica por que que a regra de Simpson apreciavelmente mais correcta do
que a regra de Trapzio para o mesmo comprimento do intervalo h.

3

72
Estritamente falando, a integrao de Romberg no o mtodo de Newton-Cotes. A integrao
de
quer na regra de Trapzio quer na
reg
Romberg uma tcnica de processamento a posterior. um mtodo que usa valores
previamente calculados para produzir resultados mais exactos.
O mtodo vantajoso do conhecimento de termos de erros
ra de Simpson para produzir uma aproximao muito mais correcta da integral usando os
valores aproximados previamente calculados.

(a) Integrao de Romberg usando a regra de Trapzio
ejam h
1
e h
2
dois intervalos usados com a regra de Trapzio. A partir da frmula acima do
term
liminando a constante A
T
destas duas frmulas e resolvendo para I obtemos
ente, s idir o intervalo ao meio) obtemos
or!B
T
Error! = T(Error!h
1
rror!
erro muito menor do que qualquer das duas
apr
) Integrao de Romberg usando a regra de Simpson
deduo da frmula de integrao de Romberg baseada na frmula de Simpson segue passos
com
om a regra de Simpson. A partir da forma
acim

S
o de erro para o mtodo, podemos escrever:
I T(h
1
) = A
T
h
1
2
+ B
T
h
1
4
+ C
T
h
1
6
+
I T(h
2
) = A
T
h
2
2
+ B
T
h
2
4
+ C
T
h
2
6
+

E
I = T(h
2
) + Error!{T(h ) T(h )} - B h h + ...
2 1 T 1
4
2
4
Especificam e escolhemos h
2
= Error!h (div
1
I = T(Error!h ) +
1
Error!Error!- Err h + ...
1
4
A quantidade T(h
1
, ) + Error!E
uma aproximao da integral I com um
oximaes T(h
1
) e T(h
2
). Seu valor chamado o valor de Romberg da integral com respeito
regra de Trapzio.

(b

A
o aqueles usados em relao regra de Trapzio.
Sejam h
1
e h
2
dois intervalos diferentes usados c
a do termo de erro para o mtodo, podemos escrever:
73

I S(h
1
) = A
S
h
1
2
+ B
S
h
1
4
+ C
S
h
1
6
+
liminando a constante A
S
destas duas frmulas e resolvendo para I obtemos
ente, s Error rvalo ao meio) obtemos
or!B
S
Error! = S(Error!h
1
!Error!
al I com um erro muito menor do que qualquer das duas
apr
I S(h
2
) = A
S
h
2
2
+ B
S
h
2
4
+ C
S
h
2
6
+

E
I = S(h
2
) + Error!{S(h ) S(h )}
2 1
Error!B + ...
S
Especificam e escolhemos h
2
= !h (dividir o inte
1
I = S(Error!h ) +
1
Error!Error!- Err + ...
A quantidade S(h
1
, ) + Error
uma aproximao da integr
oximaes S(h
1
) e S(h
2
). Seu valor chamado o valor de Romberg da integral com respeito
regra de Simpson.

Exemplo 3.3
proximar

A
}
2
1
x
dx
pela integrao de Romberg baseada na regra de Trapzio com h
1
= 0,2 e h
2

= 0
oluo
odos valores requeridos nos clculos esto dados na tabela 3.1. Assim obtemos
2;2
,1

S

T
T(0,2) =
0
[1,0 + 2(2,7282) + 0,5] = 0,69564
T(0,1) =
1;2
0
[1,0 + 2(6,1877) + 0,5] = 0,69377
= T(0,1) + Error!{T(0,1) t T(0,2)} = 0,693147
ores claramente no exactos usando
Portanto
T(0,2;0,1)
O valor de Romberg que obtivemos por combinar dois val
74
a re
ESOLVE (3.3)
) possvel aplicar a regra de Simpson na integral
gra de Trapzio tem o mesmo grau de exactido como o obtido usando a regra de Simpson
com h = 0,1

R

(i
}
2
1
x
dx
usando o intervalo h = 0,2?
ramente
por
(ii) Se a sua resposta sim, aplique o mtodo. Se a sua resposta no explique cla
qu.

Exemplo (3.4)
onstrua uma tabela de valores da funo f(x) = Error! nos pontos equidistantes x
k
= 1 +
0,1

C
25(k 1) ; k = 1, 2, 3, ..., 9. Depois aproxime a integral
}
2
1
x
dx
aplicando a integrao de
Romberg baseada na regra de Simpson com os comprimentos dos intervalos h
1
= 0,25 e h
2
=
0,125

Soluo
Tabela 3.1: valor da funo f(x) = Error!
)

x f(x) x f(x
1,0 25 385 1,0 1,6 0,615
1,125 8889 0,88 1,75 0,571429
1,25 0,8 1,875 0,533333
1,375 7273 0,72 2,0 0,5
1,5 0,666667

om estes valores obtemos: C
75
S(0,25) =
0
25;3
[1,0 + 4(1,371429) + 2(0,666667) + 0,5] = 0,693254
S(0,125) =
0
125;3
[1,0 + 4(12,764880) + 2(2,038096) + 0,5] = 0,693155
Usando as duas aproximaes de Simpson da integral, integrao de Romberg conduz ao valor
muito mais exacto:
S(0,25; 0,125) = S(0,125) + Error![1,0 + S(0,125) S(0,25)] = 0,6931484

3.7 Mtodos de Integrao de Gauss

Os mtodos de integrao de Gauss so deduzidos da frmula geral de integrao
}
b
a
dx x f ) ( = por assumir que todos 2n + 2 parmetros na frmula (os n + 1 ns e
seus correspondentes pesos w
=
n
k
k k
x f w
1
) (
k
) sejam por determinar de modo que a frmula de integrao
resultante d valor exacto para todas funes polinomiais f(x) de grau no superior a 2n + 1.
Para funes definidas no intervalo [-1, 1] Gauss desenvolveu a frmula de integrao
numrica
}
1
1
) ( dx x f =

=
n
k
k k
x f w
1
) (
onde os ns so razes de alguns polinmios especiais (polinmios ortogonais de Legendre)
que so simetricamente posicionados por volta da origem e todos os coeficientes pesos so
positivos.
A restrio mencionada acima do intervalo de integrao para os mtodos de integrao de
Gauss no sria porque podemos transformar qualquer intervalo finito [a, b] em [-1, 1] usando a
transformao
Error!
Error!
= Error! ou x = a + Error!(t + 1)
e assim obter a integral transformada no lado direito da equao

=
}
b
a
dx x f ) ( dt t
a b
a f
}
|
.
|
\
|
+
+
1
1
) 1 (
2

na qual o mtodo de integrao de Gauss pode ser aplicado

76
Tabelas extensas dando valores dos ns de Gauss e seus correspondentes pesos para diferentes
valores de n j foram construdas, prontas para utilizao na resoluo de qualquer integral
definida no intervalo finito.
Reproduzimos aqui uma tabela de pesos e ns para o mtodo de integrao de Gauss baseado
nos polinmios de Legendre para n = 1, 2, 3, 4, 5.

n Ns
t
k
Pesos
W
k
1 0,577 350 1,000 000
2

0,000 000
0,774 597
0,888 889
0,555 556
3

0,339 981
0,861 136
0,652 145
0,347 855
4

0,000 000
0,538 469
0,906 180
0,568 889
0,478 629
0,236927
5

0,238 619
0,661 209
0,932 470
0,467 914
0,360 762
0,171 324

Exemplo 3.5

Aproximar a integral I =
}
+
4
2
2
1 x
dx
pelo mtodo de integrao de Gauss usando os ns e pesos
de Gauss-Legendre para n = 4

Soluo

77
Com a = 2 e b = 4 a transformao de variveis de xe[2, 4] para xe[-1, 1] resulta em x = t + 3
e dx = dt

}
+
4
2
2
1 x
dx
=
} }

=
+ +
1
1
1
1
2
) (
) 3 ( 1
dt t F
t
dt

Clculos directos produzem os seguintes valores

W
0
= 0,568889; F(0) = 0,1
W
0
F(0) = 0,0568889;

W
1
= 0,478629; F(+0,538469) = 0,073960; F(0,538469) = 0,141660
W
1
[F(+0,538469) + F(0,538469)] = 0,1032020

W
2
= 0,236927; F(+0,906180) = 0,061507; F(0,906180) = 0,185733
W
2
[F(+0,906180) + F(0,906180)] = 0,0585778

Adicionando estes valores resulta em

I = 0,218667

Este um resultado extraordinariamente exacto, para o valor verdadeiro da integral que
tan
-1
(4) tan
-1
(2) = 1,325818 1,107149 = 0,218669

RESOLVE

Aproximar a integral pelo mtodo de integrao de Gauss usando os ns e
pesos de Gauss-Legendre para n = 4
dx x e
x
) cos(
2
1
}

78
Referncias para esta actividade de aprendizagem
Fox, L. and Wayers, D. F., Computing Methos for Scientists and Engineers Oxford
University Press, London (1958)

Solues das questes da avaliao formativa

RESOLVE (3.1)
(i) Um trapzio um quadriltero que tem um par de lados paralelos
(ii) Os lados do trapzio que determinam sua rea so os lados paralelos
(iii) A rea de um trapzio dada por: rea A = Error![L + L ], onde L , L so os
comprimentos dos lados paralelos e h a distncia perpendicular a L e L .
1 2 1 2
1 2

RESOLVE (3.2)

(i) O valor exacto da integral
}
2
1
x
dx
ln(2) = 0,693147
(ii) A aproximao obtida usando a regra de Simpson mais exacta (tem o menor erro) do que
a aproximao usando a regra de Trapzio.
(iii) A exactido de ambos mtodos, de trapzio e de Simpson se torna maior medida que o
comprimento h se torna menor.

RESOLVE (3.3)

(i) No possvel aplicar a regra de Simpson na integral
}
2
1
x
dx
usando o intervalo h = 0,2
(ii) A razo do porque no possvel de que com h = 0,2 o nmero de sub-intervalos em
[1, 2], intervalo de integrao ser mpar (5) enquanto a regra de Simpson pode ser aplicada
somente quando o nmero de sub-intervalos par.

RESOLVE (3.4)

79
A integral transformada primeiro em usando a mudana de
variveis:
dx x e
x
) cos(
2
1
}
1
1
) ( dt t F
x = Error!(t + 1) 1; F(t) = |
.
|
\
|
+ |
.
|
\
|
+ 1 ) 1 (
2
3
cos ) 1 (
2
3
1 exp t t , dx = Error!dt
Usamos os seguintes ns e pesos dos coeficientes:
W
1
= 0,652145 t
1
= 0,339981; -t = -0,339981;
W
2
= 0,347855 t
2
= 0,861136 -t
2
= -0,861136
Onde encontramos
dx x e
x
) cos(
2
1
}

= Error![(F(t ) + F(-t ))N + (F(t ) + (F(-t ))N ] = 1,96764
1 1 1 2 2 2

Actividade # 4 de Aprendizagem

Razes de Funes

Sumrio

Esta a quarta e a ltima actividade de aprendizagem para este mdulo. Na actividade vamos
discutir o problema que ocorre com frequncia na matemtica: o problema de encontrar razes
quer para uma funo no linear
f(x) = 0
envolvendo uma nica varivel independente x ou para um par de duas equaes no lineares
f(x, y) = 0, g(x, y) = 0
para duas variveis independentes (x, y).

No fim da actividade o estudante esperado que seja capaz de deduzir, aplicar e provar que o
mtodo de bisseco sempre converge; deduzir e aplicar ambos mtodos da Secante e Regula Falsi
(posio falsa); deduzir e aplicar o mtodo de Newton Raphson e tambm deduzir e aplicar o
mtodo de Newton para um sistema de equaes no lineares. No fim da nossa apresentao
discutimos brevemente o conceito de pontos fixos de uma funo e teoremas que garantem sua
existncia e unicidade e relacionamos estes resultados ao problema de determinao de razes
80
numa maneira que permite ao aluno deduzir seus mtodos de iteraes convergentes.


Wikipedia: Numerical methods/Equation Solving





Tal como mathworld, os estudantes devem pesquisar a entrada que abrange o ttulo da unidade.
Tambm pesquisar quaisquer palavras-chaves que aparecem no texto. Wikipedia geralmente d
sugestes curtas e menos completas. Todavia elas podem ser mais fceis para ler.

Actividade # 4 de Aprendizagem

Razes de Funes

Sumrio

Esta a quarta e a ltima actividade de aprendizagem para este mdulo. Na actividade vamos
discutir o problema que ocorre com frequncia na matemtica: o problema de encontrar razes
81
quer para uma funo no linear
f(x) = 0
envolvendo uma nica varivel independente x ou para um par de duas equaes no lineares
f(x, y) = 0, g(x, y) = 0
para duas variveis independentes (x, y).

No fim da actividade espera-se que o estudante seja capaz de deduzir, aplicar e provar que o
mtodo de bisseco sempre converge; deduzir e aplicar ambos mtodos da Secante e Regula Falsi
(posio falsa); deduzir e aplicar o mtodo de Newton Raphson e tambm deduzir e aplicar o
mtodo de Newton para um sistema de equaes no lineares. No fim da nossa apresentao
discutimos brevemente o conceito de pontos fixos de uma funo e teoremas que garantem sua
existncia e unicidade e relacionamos estes resultados ao problema de determinao de razes
numa maneira que permite ao aluno deduzir seus mtodos de iteraes convergentes.


Wikipedia: Numerical methods/Equation Solving

O arquivo McTutor o arquivo muito mais compreensvel da histria de matemtica na
prtica fornece considervel viso da importncia e contexto do tpico que est sendo estudado.

Palavras-chaves, Teoremas

[Definies completas so dadas no texto]
Raiz ou zero da funo: Um valor x no qual a funo tem valor zero.
Pontos fixos de uma funo: Um valor de x para o qual a funo tem o mesmo valor de x (ex:
f(2) = 2)
Teorema do valor intermedirio para funes contnuas: Uma funo contnua toma todos
82
valores que se situam entre dois valores da funo.

Actividade de Aprendizagem: Razes de Funes

4.1 Introduo

Cinco mtodos numricos para encontrar razes de funes so apresentados nesta actividade.
Os primeiros quatro mtodos so para resolver a equao no linear f(x) = 0. O quinto mtodo
para resolver um sistema de duas equaes no lineares com duas variveis
f(x, y) = 0, g(x, y) = 0
O mtodo de bisseco ser deduzido. Provamos que o mtodo sempre convergente. A
discusso deste mtodo ser seguida pelo mtodo de Regula Falsi, que tem uma grande
similaridade com o mtodo de bisseco mas convergindo ligeiramente mais rpido. O mtodo da
Secante imediatamente apresentado depois do mtodo de Regula Falsi porque os dois mtodos
partilham a mesma frmula matemtica. Todavia, o mtodo da Secante computacionalmente
mais eficiente. O mtodo de Newton-Raphson em ltimo lugar e mostrado que este mtodo
uma forma generalizada do mtodo da Secante e Regula Falsi.

4.2 Razes ou zeros de uma funo

Para uma funo com uma nica varivel independente y = f(x), um ponto x = chamado
uma raiz ou zero de f(x) se o valor da funo zero naquele ponto, significando f() = 0. Na figura
4.1 os pontos x = x
1
, x = x
2
, x = x
3
so todos zeros da funo f(x)

83

Figura 4.1 Razes de uma funo f(x)

4.3 Mtodos Numricos

(a) Mtodo de bisseco

O Mtodo de bisseco para aproximar razes de funes um exemplo tpico de um mtodo
de iterao.
Na sua forma mais simples, um mtodo de iterao pode ser definido como um processo
repetitivo de aplicao de uma funo g(x) sobre um ou vrios valores aproximados previamente
x
n 1
... para produzir uma nova aproximao x
n
que se espera que seja mais exacta da quantidade
especfica que se procura. Com simbolismo matemtico escrevemos
x
n
= g(x
n-1
, x
n-2
, x
n-3
, ...)
O mtodo de bisseco baseado no teorema do valor intermedirio para funes contnuas.
Se f(x) contnua num intervalo [a, b] e se os valores de f(a) e f(b) diferem no sinal, (f(a)f(b)) < 0,
ento a equao f(x) = 0 tem pelo menos uma raiz e[a, b]
Assumindo que os pontos a e b foram escolhidos a conter uma raiz, podemos bissectar o
intervalo [a, b] em duas metades no ponto c = Error!(a + b) e concluir que a raiz se situa no
intervalo (a, c) ou no intervalo (c, b) dado que f(c) = 0 caso contrrio em que c seria a raiz
requerida.
O mtodo de bisseco repete o processo de bissectar o intervalo que contm a raiz at que
84
estejamos satisfeitos de que estamos suficientemente perto da raiz.
O processo acima pode ser resumido no seguinte algoritmo (Kendal E. Atkinson, 1989 pp 56).

Algoritmo Bissectar(f(x)), a, b, , c)
Passos
1. Fixe x
1
= a e x
2
= b
2. Defina x
3
= Error![x + x ]
1 2
3. Se x
2
x
3
s c, ento aceite = x
3
e termine
4. Se f(x
1
)f(x
2
) s 0, ento x
1
= x
3
; do outro modo x
2
= x
3

5. Volte ao passo 2

Convergncia do Mtodo de Bisseco

Convergncia de qualquer mtodo de iterao implica que o erro na aproximao est a tender
a zero medida que o nmero de iteraes aumenta.
Para o mtodo de Bisseco, o valor absoluto do erro limitado pelo comprimento do
intervalo no qual a raiz se situa em cada fase particular do mtodo.
Limite do erro depois da 1 bisseco | x
3
| = c
1
s Error![b a]
Erro depois da 2 bisseco | - x
4
| = c
2
s Error!Error!
Error!
Error!
= Error!
Erro depois da 3 bisseco | - x
5
| = c
3
s Error! = Error!
Erro depois da ensima bisseco | - x
n+2
| = c
n
s Error! = Error!
Uma vez que |
.
|
\
|
=

n
n
n
n
a b
2
lim limc = 0 conclumos que o mtodo de bisseco sempre
converge.
Exemplo 4.1
Verificar que a funo f(x) = x
2
+ 4x 10 tem uma raiz dentro do intervalo (1, 2) e usar os
limites do intervalo como valores iniciais do mtodo de bisseco para aproximar a raiz em 10
bisseces.

85
Solues
Avaliamos a funo nos dois pontos finais do intervalo dado e determinamos f(1) = -5 e f(2) = 2.
Uma vez que f(x) uma funo contnua e f(1)f(2) < 0, o teorema do valor intermedirio afirma que
f tem pelo menos uma raiz no intervalo 1 s x s 2. Podemos, portanto, realizar o mtodo de
bisseco para encontrar os resultados tabulados abaixo:
Tabela 4.1 Mtodo de bisseco para a funo f(x) = x
2
+ 4x - 10
n a f(a) b f(b) c f(c)
1 -5 2 2 1,5 -1,75

1 1,5 -1,75 2 1,5 1,75 0,0625
2 1,5 -1,75 1,75 0,0625 1,625 -
0,859375
3 1,625 -
0,859375
1,75 0,0625 1,6875 -
0,402344
4 1,6875 -
0,402344
1,75 0,0625 1,71875 -
0,170898
5 1,71875 -
0,170898
1,75 0,0625 1,734375 -
0,054443
6 1,734375 -
0,054443
1,75 0,0625 1,7421188 0,003971
7 1,734375 -
0,054443
1,742188 0,003971 1,738282 -
0,025248
8 1,738282 -
0,025248
1,742188 0,003971 1,740235 -
0,010642
9 1,740235 -
0,010642
1,742188 0,003971 1,741212 -
0,003333
10 1,741212 -
0,003333
1,742188 0,003971 1,741700 0,000319

A sequncia de valores na coluna c na tabela convergente. O valor verdadeiro da raiz a ser
86
aproximada por esta sequncia (usa a forma quadrtica) = 1,741657...
RESOLEVE (4.1)

Verificar que a funo f(x) = x cos(x) tem uma raiz no intervalo [0, 1] e assim aplicar o
mtodo de bisseco, em apenas cinco iteraes, para aproximar a raiz.

(b) O mtodo Regula Falsi

O mtodo de bisseco que acabamos de apresentar foi um pouco fastidioso. Nele se faz muito
no clculo dos valores da funo f nos dois pontos que so somente usados para decidir em qual dos
sub-intervalos se situa a raiz mas no so usados no clculo da aproximao do valor da raiz.

O mtodo conhecido como Regula Falsi (ou de posio falsa) rectifica esta anomalia. O
mtodo retm a caracterstica do princpio de incluso do mtodo de bisseco mas faz uso
directo dos valores da funo nos dois pontos que incluem a raiz da funo.
A abordagem geral para este e outros mtodos subsequentes (mtodo da Secante e mtodo de
Newton-Raphson) substituir a curva de y = f(x) no intervalo onde a raiz se situa por uma recta
ligando os dois pontos dados.
Especificamente, a raiz situa-se no intervalo [x
1
, x
2
]. A equao da secante ligando os dois
pontos A(x
1
, f(x
1
)) e B(x
2
, f(x
2
)) :
y = f
1
+ Error!(x x )
1
Figura 4.2 Mtodo Regula Falsi
87

A secante intercepta o eixo das abcissas no ponto com coordenadas (x
3
, 0) onde
x
3
= x
1
Error!f =
1
Error!

Contrariamente ao mtodo de bisseco, o mtodo Regula Falsi assume que os dois valores x
1

e x
2
incluem a raiz que se est a procurar por admitir f
1
f
2
< 0 e ao mesmo tempo envolve a mesma
funo no clculo duma nova aproximao raiz.
O processo acima pode ser repetido muitas vezes num processo iterativo usando o seguinte
algoritmo
Algoritmo Regula Falsi (f(x)), a, b, , c
Passos
1. Defina x
3
= x
1
Error!f
1

2. Se |x
1
x
3
| s c e |x
2
x
3
| s c ento aceite = x
3
, e pare.
3. Se f
2
f
3
s 0 ento x
1
= x
3
, do outro modo x
2
= x
3

4. Volte ao passo 1

Exemplo 4.2
Comeando com os valores x
1
= 1, x
2
= 2, aplicar o mtodo Regula Falsi na funo
f(x) = x
2
+ 4x 10 para obter um valor aproximado da raiz includa no intervalo (x
1
, x
2
) em
apenas quatro (4) iteraes.
n x
1
f(x
1
) x
2
f(x
2
) x
3 =
Error! f(x
3
)
1 -5 2 2 1,714286 -
88
0,204080
1 1,714286 -
0,204080
2 2 1,740741 -
0,006857
2 1,740741 -
0,006857
2 2 1,741627 -
0,000227
3 1,741627 -
0,000227
2 2 1,741656 -
0,000010
4 1,741656 -
0,000010
2 2 1,741657 -
0,000003

Comparando os valores de x
3
com o valor exacto da raiz = 1,741657387 v-se a rpida
convergncia do mtodo Regula Falsi comparado com o mtodo de Bisseco.

Observao

A exigncia em ambos mtodos, Bisseco e Regula Falsi, de que os dois valores envolvidos
nos clculos, x
1
, x
2
incluam a raiz computacionalmente muito restritivo e reduz
significativamente a eficincia de ambos mtodos. Num algoritmo programado, o processo de
verificar se f(x
1
)f(x
2
) < 0 consome tempo. Como resultado, esforos foram feitos de proceder sem
isso. O prximo mtodo alcana exactamente isso.

(c) Mtodo da secante

O mtodo da secante essencialmente o mesmo como o mtodo Regula Falsi. A nica
diferena que no mtodo da Secante a exigncia de que os dois valores x
1
e x
2
incluam a raiz
posta de lado. O que necessrio so os dois valores usados no clculo estarem suficiente perto da
raiz requerida. O algoritmo para o mtodo da Secante dado em baixo:

Algoritmo Mtodo da Secante (f(x)), a, b, , c
Passos
89
1. Defina x
3
= x
1
Error!f
1
2. Se |x
1
x
3
| s c e |x
2
x
3
| s c ento aceite = x
3
, e pare.
3. Do outro modo toma: x
1
= x
2
, do outro modo x
2
= x
3

4. Volte ao passo 1

RESOLVE (4.2)
Comeando com x
0
= 0, x
1
= 1, execute 5 iteraes usando o mtodo da secante para
aproximar a raiz da funo f(x) = x cos(x)

(d) O mtodo de Newton-Raphson
O mtodo de Newton-Raphson em tudo o mais popular mtodo numrico para aproximar
razes de funes. O mtodo assume que a funo f(x) diferencivel na vizinhana da raiz e que a
derivada no nula em toda essa vizinhana.
Assumindo que x
0
um ponto que est suficientemente perto da raiz da funo, o grfico da
funo y = f(x) aproximado pela tangente curva no ponto dado.
Figura 4.3: Mtodo de Newton-Raphson

A equao da tangente curva y = f(x
0
) no ponto (x
0
, f(x
0
)) y
y = f
0
+ (x x
0
)f(x
0
)
Esta tangente intercepta o eixo das abcissas no ponto x
1
cujo valor
90
x
1
= x
0
- Error!

O valor x
1
ento aceite como uma nova aproximao raiz. O ponto (x
1
, f(x
1
)) pode ser
tomado como um novo ponto no qual desenhamos a tangente. Sua intercepo com o eixo das
abcissas, dada por x
2
= x
1
- Error! aceite como uma nova aproximao da raiz. Este processo
pode ser repetido continuamente, conduzindo ao mtodo de iterao dado por,
Frmula de Newton-Raphson x
n+1
= x
n
- Error!, n = 0, 1, 2, ...
Cada iterao usando o mtodo de Newton-Raphson requer um valor da funo e um valor da
primeira derivada. Comparado com os trs primeiros mtodos numricos, o mtodo de Newton-
Raphson converge muito rapidamente raiz da equao.
Exemplo 4.3
Comeando com x
0
= 1 aproximar uma raiz da funo f(x) = x
2
+ 4x 10 a 6 casas decimais
correctas.
Soluo
f(x) = x
2
+ 4x 10 = (x + 4)x 10
f (x) = 2x + 4
A exigncia de que obtenhamos uma resposta com 6 casas decimais correctas simplesmente
significa que devemos realizar iteraes at que a 7 casa decimal nos valores calculados j no
muda.

Tabela 4.3 O mtodo de Newton-Raphson para a funo f(x) = x
2
+ 4x - 10
n x
n
f(x
n
)
(x
n
+ 4)x
n

f (x
n
)
2x
n
+ 4
x
n+1
= x
n
- Error!
91
10
0 1 -5 6 1,833 333 3
1 1,833 333 3 0,6944442 7,6666666 1,742 753 6
2 1,742 753 6 0,0082045 7,4855072 1,741 657 5
3 1,741 657 5 0 7,483315 1,741 657 5
Porque o valor da funo em x
3
, em todos casos zero, podemos concluir que a aproximao
requerida x = 1,741657 arredondado a seis casas decimais. O valor verdadeiro da raiz ao grau de
exactido = 1,741657

RESOLVE (4.3)
Comeando com x
0
= 0 aplique o mtodo de Newton-Raphson em apenas quatro iteraes
para aproximar a raiz da funo f(x) = x cos(x)

4.4 Mtodo de Newton para um sistema associado

O nosso quinto e ltimo mtodo numrico vai focalizar a resoluo de um sistema de duas
equaes simultneas no lineares.
f(x, y) = 0, g(x, y) = 0

Um exemplo tpico de um tal sistema encontrar as coordenadas do ponto no primeiro
quadrante onde a parbola y = 2x
2
7 se intersecta com a circunferncia x
2
+ y
2
= 6.
Aqui, estamos a procura de pares de valores (x, y) que satisfazem as duas equaes no
lineares.

f(x, y) = 2x
2
y 7 = 0, g(x, y) = x
2
+ y
2
6 = 0

92
Para obter o mtodo do tipo Newton-Raphson para a aproximao da soluo do problema
geral afirmado em cima, admitidos que (x
0
, y
0
) seja uma aproximao soluo exacta (o, |) do
sistema associado. Para obter uma soluo melhorada (x
1
, y
1
) assumimos que as coordenadas
exactas do ponto so obtidas por fazer ajustamentos h e k aos nossos valores iniciais, tais que:
o = x
0
+ h; | = y
0
+ k
e assim f(x
0
+ h, y
0
+ k) = 0 g(x
0
+ h, y
0
+ k) = 0
Expandido f e g numa srie de Taylor no ponto (x
0
, y
0
) obtermos:
0 = f(x
0
+ h, y
0
+ k) = f(x
0
, y
0
) + hError!(x , y ) + k
0 0
Error!(x , y ) + ...
0 0
0 = g(x
0
+ h, y
0
+ k) = g(x
0
, y
0
) + hError!(x , y ) + k
0 0
Error!(x , y ) + ...
0 0
onde deliberadamente deixamos de lado todos termos de ordem superior e retemos somente os
termos lineares nos incrementos h e k.
Se truncamos a srie no lado direito de cada equao depois de termos lineares ainda obtemos:
f(x
0
+ h, y
0
+ k) = f(x
0
, y
0
) + hError!(x , y ) + k
0 0
Error!(x , y ) = 0
0 0
g(x
0
+ h, y
0
+ k) = g(x
0
, y
0
) + hError!(x , y ) + k
0 0
Error!(x , y ) = 0
0 0
mas x
0
+ h = o e y
0
+ k = = |. Denotamos os valores de x e y que satisfazem o par acima de
equaes como,
x
1
= x
0
+ h; y
1
= y
0
+ k

Resolvendo o sistema resultante de duas equaes lineares:
f(x
0
, y
0
) + hError!(x , y ) + k
0 0
Error!(x , y ) = 0
0 0
g(x
0
, y
0
) + hError!(x , y ) + k
0 0
Error!(x , y ) = 0
0 0
para as incgnitas h e k.
Os valores de h e k so
h = Error! k = Error!
onde D
h
, D, D
k
so determinantes

93
D =
y
g
x
g
y
f
x
f
c
c
c
c
c
c
c
c
, D
h
=
y
g
g
y
f
f
c
c
c
c
, D
k
=
g
x
g
f
x
f
c
c
c
c

nos quais todas quantidades (valores de funes derivadas parciais) que neles aparecem so
avaliadas no ponto (x
0
, y
0
).
Uma vez as quantidades tenham sido calculadas, os valores da nova soluo aproximada (x
1
,
y
1
) podem ser calculadas.
A anlise acima levada a cabo usando a soluo aproximada inicial (x
1
, y
1
) pode agora ser
repetida usando o novo par (x
1
, y
1
) para conduzir a uma nova soluo aproximada (x
2
, y
2
), e
assim por diante, duma maneira iterativa bvia.

O mtodo descrito acima conhecido como mtodo de Newton para um sistema de equaes
simultneas no lineares. Sua rapidez de convergncia a mesma como a sua contra-parte na
resoluo de uma nica equao no linear f(x) = 0

Exemplo 4.4

(a) Usando mtodos analticos determine as solues verdadeiras do sistema associado de
equaes
f(x, y) = 2x
2
y 7 = 0, g(x, y) = x
2
+ y
2
6 = 0
(b) Realiza duas iteraes com o mtodo de Newton para aproximar uma soluo do par
associado de equaes de que se acredita situar-se perto do ponto (2, 1).

Solues

(a) Resolvendo a equao g(x, y) = 0 para x
2
obtemos x
2
= 6 y e substituindo esta expresso
de x
2
na equao f(x, y) = 0 obtemos 2[6 y
2
] y 7 = 0
Este passo conduz equao quadrtica 2y
2
+ y 5 = 0
94
cujas razes so y
(1)
= 1,350781; y
(2)
= -1,85781
Os valores correspondentes de x so:
x
(1)
= 2,043377; x
(2)
= 1,604559

(b) f(x, y) = 2x
2
y 7; g(x, y) = x
2
+ y
2
6

x
f
c
c
= 4x;
y
f
c
c
= -1;
x
g
c
c
= 2x;
y
g
c
c
= 2y

Primeira iterao
x
0
= 2 y
0
= 1
f(x
0
, y
0
) = 0, Error! Error!
Error! Error!
Error!
Error! Error!
(x , y ) = 8,
0 0
(x , y ) = -1
0 0
g(x
0
, y
0
) = -1, (x , y ) = 4
0 0
(x , y ) = 2
0 0
D = 20 D
h
= 1 D
k
= 8

h = Error! = 0,05 k = Error! = 0,4
x
1
= x
0
+ h = 2,05; y
1
= y
0
+ k = 1,4

Segunda iterao
x
1
= 2,05; y
1
= 1,4
f(x
1
, y
1
) = 0,005, (x , y ) = 8,2,
1 1
Error!(x
1
, y
1
) = -1
g(x
1
, y
1
) = 0,1625, (x , y ) = 4,1
1 1
(x , y ) = 2,8
1 1
D = 27,06 D
h
= -0,1765 D
k
= -1,312

h = Error! = -0,006523; k = Error! = -0,048485
x
1
= x
0
+ h = 2,043477; y
1
= y
0
+ k = 1,351515

RESOLVE (4.4)

Realize 2 iteraes com o mtodo de Newton para aproximar soluo do sistema associado
de equaes
95
x x
2
y
2
= 0
y x
2
+ y
2
= 0
que se situa perto do ponto com coordenada (0,8;0,4)

(4.5) Iteraes do ponto fixo
Definio
O nmero chamado um ponto fixo de uma funo g(x) se g() =
O problema matemtico de encontrar os valores de x que satisfazem a equao x = g(x)
chamado o problema de ponto fixo.

(a) Problema de existncia
Se g(x) contnua no intervalo [a, b] e g(x) e [a, b], ento g(x) tem pelo menos um ponto fixo
em [a, b].
Para provar o teorema precisamos do Teorema do Valor Intermedirio para funes contnuas.

Prova
Se g(a) = a e g(b) = b ento a prova est completa porque ento, a ou b, ou ambos so pontos
fixos de g(x). Todavia, se g(a) = a e g(b) = b ento a partir da suposio g(x) e [a, b], feita acima,
a funo g(x) satisfaz a < f(x) < b. Definimos uma funo h(x) = g(x) x para xe [a, b]. Tal como
g(x), a funo h(x) tambm contnua em [a, b]. Avaliando h(x) em a = x e x = b, encontramos
h(a) = g(a) a > 0, h(b) = g(b) b < 0
O teorema do valor intermedirio afirma que h(x) deve anular-se (tem o valor zero) num ponto
intermedirio e(a, b). No tal ponto x = temos,
h() = g() - = 0 o que implica que g() = um resultado que implica que g(x) tem um
ponto fixo e(a, b).

(b) Teorema de Unicidade
O teorema acima estabelece a existncia de pelo menos um ponto fixo. Poderia haver, portanto
vrios pontos fixos. Para garantir que existe apenas um ponto fixo temos o seguinte teorema:

96
Se em adio s suposies feitas acima, a funo g(x) diferencivel em (a, b) e sua derivada
satisfaz a condio
dx
dg
Max
b a ) , (
= k < 1
Ento g(x) tem um nico ponto fixo em (a, b)

Prova
Assume que g(x) tem dois pontos fixos
1
,
2
com
1
=
2
. Ento g(
1
) =
1
e g(
2
) =
2
.
Pela subtraco e usando o Teorema do Valor Mdio para a diferenciao obtemos
2
-
1
= g(
2
) g(
1
) = g()(
2
-
1
), onde e(
1
,
2
).
Tomando valores absolutos e ambos lados da equao e observando a condio sobre g(x),
encontramos |
2
-
1
| = |g()(
2
-
1
)| s k|
2
-
1
| < |
2
-
1
|
Esta uma contradio que pode somente resultar da suposio feita que
1
=
2
. Conclumos
portanto que de acordo com as suposies feitas, a funo g(x) tem um nico (somente um) ponto
fixo.

(c) Relao entre os problemas de determinao da raiz e de ponto fixo

Introduzimos o conceito de ponto fixo com o propsito de us-lo na resoluo do nosso
problema de determinao da raiz. A relao entre os dois problemas simples.

Nos problemas de encontrar razes, ns queremos encontrar todos os valores x que satisfazem
a equao f(x) = 0
Vamos assumir que somos capazes de exprimir (quebrar) a funo f(x) na forma
f(x) = x g(x)
bvio que esta forma de exprimir (quebrar) pode ser feita de vrias formas. Uma escolha
particular de g(x) ser crtica em converter o problema de encontrar razes num problema de ponto
fixo.

Se uma raiz (zero) de f(x) ento
f() = - g() = 0 - g() = 0 g() = .
97
Este resultado implica que as razes de f(x) so pontos fixos de g(x).
O que precisamos de fazer agora encontrar a melhor maneira de quebrar a funo f(x).
Uma tal quebra pode resultar numa funo g(x) que tem um nico ponto fixo num dado
intervalo. Vamos demonstrar o processo de quebrar num exemplo tpico.

Exemplo 4.5

Considere o problema de encontrar razes de f(x) = x
2
+ 4x 10 = 0. Usando o Teorema do
Valor Intermedirio podemos mostrar que f(x) tem razes no intervalo [-6, -5], [1, 2]. Para os
nossos propsitos estamos interessados em encontrar a raiz que se situa em [1, 2].
A equao x
2
+ 4x 10 = 0 pode ser escrita em muitas formas diferentes. As seguintes so
algumas poucas formas alternativas de quebrar a equao;
(i) x
2
= 10 4x
(ii) x(x + 4) = 10
(iii) 4x = 10 x
2

Nos problemas de encontrar razes ns queremos encontrar todos os valores x que satisfazem a
equao f(x) = 0
Resolvemos cada uma destas equaes em x e obtemos:
(i) x = 10 - 4x = g (x)
1
(ii) x = Error! = g (x)
2
(iii) x = Error! = g (x)
3
Estes so os trs possveis problemas de ponto fixo para o problema dado acima de
determinao de razes. A questo , qual destes problemas de ponto fixo mais conveniente para
resolver o problema de determinao de razes?
Para responder esta pergunta determinamos qual destas funes de ponto fixo g
1
(x), g
2
(x),
g
3
(x) satisfaz os critrios afirmados pelo teorema de unicidade com respeito raiz em [1,2].
Usando uma substituio directa encontramos que:
g
1
(1) = 2,45 g
1
(2) = 1,41
g
2
(1) = 2,00 g
2
(2) = 1,67
g
3
(1) = 2,25 g
3
(2) = 1,50
98

A partir dos resultados acima conclumos que apenas g
2
(x) satisfaz o critrio de existncia

Questes
Por que que as outras duas funes no passam do teste?
A funo g
2
(x) satisfaz o critrio de unicidade?
O aluno esperado que responda a primeira questo por verificar se g
2
(x), g
3
(x) satisfazem
ou no o critrio de existncia para possuir um ponto fixo em [1, 2]. Para responder a segunda
questo notemos
g
2
(x) = - Error!; g (1) = -0,40 g (2) = -0,28
2 2

Uma vez que
dx
dg
Max
b a ) , (
= 0,4 < 1 conclumos que g
2
(x) tem um nico ponto fixo e(1, 2) que
automaticamente a raiz da funo f(x)

Aproximao da raiz

A raiz pode ser aproximada iterativamente usando a iterao

x
n+1
= g
2
(x
n
) = Error!; n = 0, 1, 2, ..., n para qualquer valor inicial x tomado a partir do
intervalo (1, 2). As seguintes dez iteraes foram obtidas usando o valor inicial x = 1,0
0
0
n x
n
g
2
(x
n
)
0 1,000 000 2,000 000
1 2,000 000 1,666 667
2 1,666 667 1,764 706
3 1,764 706 1,734 694
4 1,734 694 1,743 772
5 1,743 772 1,741 016
6 1,741 016 1,741 852
7 1,741 852 1,741 598
8 1,741 598 1,741 675
99
9 1,741 675 1,741 652
10 1,741 652 1,741659

otamos que o ltimo valor g
2
(x
10
) = 1,741659 est muito perto ao valor verdadeiro da raiz de
f(x)
N
que 1,741657 arredondado a seis casas decimais.

RESOLVE (4.5)
Mostre que a funo g(x) = cos(x) satisfaz as condies de existncia de um
(a) para encontrar, em apenas dez iteraes,
eferncia para esta actividade de aprendizagem
enall E. Atkinson, an Introduction to Numerical Analysis John Wiles & Sons,
(i)
nico ponto fixo dentro do intervalo [0, 1]
(ii) Use o resultado obtido na parte
o ponto de interseco de duas curvas y = x, y = cos(x). Comece com o processo de
iterao com x
0
= 1

R

K
Second Edition (1989)

Solues s questes de Avaliao Formativa
ESOLVE (4.1)
do de bisseco em iteraes sobre f(x) = x cos(x)
)f(1) < 0, ento, pelo
Teo

R
Aplicao do mto
f(0) = -1 f(1) = 0,459698. Porque f(x) contnua em [0, 1] e f(0
rema do Valor Intermedirio para funes contnuas segue que f(x) tem pelo menos uma raiz
em (0, 1). O mtodo de bisseco d as seguintes iteraes
x
0
= 0 f(x
0
) < 0
x
1
= 1 f(x
1
) > 0
x
2
= 0,5 f(x
2
) < 0
x
3
= 0,8 f(x
3
) > 0
x
4
= 0,625 f(x
4
) < 0
x
5
= 0,6875 f(x
5
) < 0
100
x
6
= 0,71875 f(x
6
) < 0

ESOLVE (4. 2)
do da secante em 5 iteraes sobre f(x) = x cos(x)
-1 , f
1
= 0,459698
R
Aplicao do mto
Frmula a ser usada: x
n + 1
= x
n 1
Error!f
n 1

Os valores iniciais so: x
0
= 0, x
1
= 1; f
0
=
Assim obtemos os seguintes iterados:

x
2
= 0,685073 f
2
= -0,089300
ESOLVE (4.3)
do de Newton-Raphson em trs iteraes sobre f(x) = x cos(x)
(x) = 1 sen(x)
f(x
0
) = -1,00000; f (x
0
) = 1,000000
x
1
) =
1
)
81905
ESOLVE (4.4)
2
, f
x
= 1 2x, f
y
= -2y
y
0,4
x
3
= 0,410979 f
3
= -0,505751
x
4
= 0,743847 f
4
= +0,007979
x
5
= 0,738677 f
5
= -0,000683
x
6
= 0,739085 f
6
= +0,000000

R
Aplicao do mto
Frmula a usar: x
n + 1
= x
n
- Error!
O valor inicial d: x
0
= 0; f +
Obtemos os iterados:
x
0
= 0,000000
x
1
= 1,000000; f( +0,459698 f (x = 1,841471
x
2
= 0,750364 f(x
2
) = +0,018923 f (x
2
) = 1,6
x
3
= 0,739113 f(x
3
) = +0,000047

R
f(x, y) = x x
2
y
g(x, y) = y x
2
+ y
2
, g
x
= -2x, f
y
= 1 + 2
Valores iniciais
x
0
= 0,8 y
0
=

Primeira iterao
101
x
1
= 0,772881, y
1
= 0,420339
o
y
2
= 0,419644
ESOLVE (4.5)
), xe[0, 1]
erificando a existncia do ponto fixo
(x)e[0, 1] xe[0, 1]
erificando a unicidade de um ponto fixo
[0, 1]
icidade est satisfeito
lculos
n
) = cos(x
n
)
o obtidos:
Segunda itera
x
2
= 0,771046

R
Dada: g(x) = cos(x

V
g(x) contnua no intervalo [0, 1]
g(0) = 1, g(1) = 0,459698; g
Portanto, o critrio de existncia est satisfeito

V
g (x) = -sen(x)
|g(x)| < 1 xe
Portanto o critrio de un

C
x
n + 1
= g(x
Valor inicial: x
0
= 1,0
Os seguintes iterados s

x
1
= cos(x
0
) = 0,540302
x
2
= cos(x
1
) = 0,857553
x
3
= cos(x
2
) = 0,654290
x
4
= cos(x
3
) = 0,793480
x
5
= cos(x
4
) = 0,701369
x
6
= cos(x
5
) = 0,763960
x
7
= cos(x
6
) = 0,722102
x
8
= cos(7) = 0,750418
102
x
9
= cos(8) = 0,731404
x
10
= cos(9) = 0,744237

XI.ListaCompiladadetodosConceitosChaves(Glossrio)
ada uma das quatro actividades de aprendizagem tem conceitos chaves, teoremas e princpios
esp
agem
cor
. Erro numa aproximao
eiro) de uma quantidade Q e seja X* um valor aproximado de Q
obt
. Erro absoluto
imao pode ser positivo ou negativo, dependendo se se ter feito
sub
. Erro relativo
o tamanho do erro e por isso serve como uma medida de exactido da
apr

onceitos Chaves C

C
ecficos aos seus contedos. Todavia, para dar ao estudante uma oportunidade de ter um
vislumbre no que se espera a frente em termos de uma vista geral e contedos do mdulo
alistamos aqui, a priori, todos conceitos chaves, teoremas e princpios relevantes ao mdulo.
A reproduo destes conceitos na perspectiva das actividades de aprendiz
respondentes visa reforar a compreenso do estudante e apreciao da sua importncia na
compreenso global do curso.

1
Seja X o valor exacto (verdad
ido por algum processo numrico. A diferena (desvio) entre o valor exacto X e sua
aproximao X* chamado de erro em X*, e denotado por erro(X*) = x x*

2
O erro na aprox
estimao ou sobrestimao do valor real da quantidade Q que est sendo aproximada. Na
prtica, o que interessa mais o tamanho do erro e no seu sinal. De forma a ignorar o sinal e se
concentrar no tamanho do erro, introduzido o conceito de erro absoluto, que definido por: Erro
absoluto em X* = |x x*|.

3
O erro absoluto d
oximao X*. Todavia, por no relacionar o erro ao valor verdadeiro que est sendo
103
aproximado pode no se ser capaz de avaliar a gravidade do erro. Para se poder avaliar a gravidade
do erro introduzido o conceito de erro relativo ou percentual. Este erro definido por: Erro
relativo em (X*) = Error!dado que x = 0
O erro percentua X*) = 100 l em ( !% dado que x = 0
ente substitudo pelo valor aproximado
X*
. Progresso Aritmtica
(PA) uma sequncia especial {a
n
}; n = 0, 1, 2, 3, ... de nmeros.

dife
soma dos n primeiros termos de PA facilmente mostrada que :
S
n
= na
0
+ Error!n(n 1)
. Progresso Geomtrica
ma progresso Geomtrica (PG) uma sequncia especial {a
n
}; n = 0, 1, 2, 3, ... de nmeros.
de m
eiro elemento, o k-simo elemento da sequncia dado por a
k
= a
0
r
k 1
,
k =
eiros termos de uma PG S
n
=
Error
Uma vez que o valor X normalm no conhecido, ele
no denominador do erro relativo (percentual).

4
Uma progresso aritmtica
Os elementos essenciais duma tal sequncia so seu primeiro termo a
0
e uma constante de
renas d. Excepto para o primeiro elemento, o k-simo elemento da sequncia dado por a
k
=
a
0
+ (k 1)d, k = 1, 2, 3, ...

A

5

U
Os elementos essenciais duma tal sequncia so seu primeiro termo a
0
e um factor constante
ultiplicao r = 0.
Excepto para o prim
1, 2, 3, ...
A soma dos n prim

=
=
n
k
n
k
r
r
a r a
1
0
1
0
1
1

. Limite de uma funo
ma funo f(x) dita tender a um valor (tem limite) L quando x tende a um valor c no
6

U
104
domnio de f, e se escreve L x f
c x
=
) ( lim se para cada escolha de um nmero positivo pequeno c

encontramos um correspondente numero positivo pequeno o(c) tal que sempre que temos
|x c| < o(c) ento |f(x) L| < c.

Esta afirmao essencialmente implica que os valores da funo f(x) estaro arbitrariamente
perto do nmero L medida que os valore s correspondentes de x estaro suficientemente perto de
c.

7. Continuity

Uma funo f(x) dita contnua num ponto x = c se o limite dos valores f(x) o valor f(c), isto
se . Essencialmente o que a definio de continuidade implica que, para f(x) ser
contnua no ponto x = c as seguintes condies devem-se observar:
) ( ) ( lim c f x f
c x
=
(i) A funo deve estar definida no ponto c: f(c) deve existir

(ii) A funo deve ter um limite no ponto c: L x f
c x
=
) ( lim
(iii) O limite deve ser igual ao valor da funo em c: L c f = ) (

8. Derivada

A derivada de uma funo f(x) num ponto arbitrrio x no seu domnio o limite do quociente
de diferenas Error! = Error! quando a variao Ax em x tende a zero, isto
0
lim
Ax
(
A
A +
x
x f x x f ) ( ) (
. Se este limite existe, denota-se por Error! ou f (x) e chama-se primeira
derivada de f.

9. Anti-derivada

Uma anti-derivada de uma funo f(x) uma funo F(x). A funo F tem a propriedade de
que a sua derivada deve ser a funo f(x), significando que F(x) = f(x)
105
Essencialmente, o processo de determinar uma anti-derivada de f(x) o processo reverso da
diferenciao de uma funo. Por esta razo, tambm chamamos de anti-diferenciao quando
estamos a determinar F(x). Simbolicamente escrevemos F(x) =
}
dx x f ) (

10. Convergncia de uma sequncia]

Uma sequncia de nmeros, escrita na forma {a
n
}, um conjunto finito ou infinito de nmeros
bem definido e bem ordenado. Os nmeros individuais (elementos) do conjunto deve ser definido
sem ambiguidade. Essencialmente um conjunto uma funo especial definida no conjunto dos
nmeros (de contagem) naturais N ou no subconjunto dos nmeros naturais N. Um conjunto {a
n
}
dito convergente ao limite L se para qualquer c > 0 podemos encontrar um nmero inteiro
positivo correspondente N(c) tal que | | a
n
- L
< c se somente se n > N(c)

11. Ponto fixo de uma funo

Dada uma funo contnua g(x) num intervalo fechado [a, b] qualquer valor x = que satisfaz
a relao g() = chamado um ponto fixo da funo g(x). O processo de determinar pontos
fixos de uma funo est intimamente relacionado com o processo de determinao de razes de
funes.

12. Linha Secante

Uma secante uma linha que passa por dois P(x
1
, y
1
) e Q(x
2
, y
2
) do grfico de uma funo, e
dada pela equao y = y
1
- Error!(x- x ). A equao da secante usada para deduzir os mtodos
Regula Falsi e da Secante para aproximar razes de funes.
1

Teoremas Chaves e princpios

1. Teorema do Valor Intermedirio

106
Se f contnua num intervalo fechado [a, b] e se k um nmero situando-se entre dois valores
f(a) e f(b), ento existe um pelo menos um nmero c em (a, b) tal que f(c) = k. Este teorema a
base sobre a qual dois importantes mtodos numricos de encontrar razes de uma funo f(x), o
mtodo de bisseco e o mtodo de posio falsa (Regula Falsi) se fundamentam.

2. Teorema do Valor Mdio de Diferenciao (TVM)

Se f uma funo contnua no intervalo fechado [a, b] e diferencivel no intervalo aberto (a,
b), ento existe pelo menos um valor x = ce(a, b) tal que f (c) = Error!

3. Teorema de Taylor

Seja f uma funo cujas primeiras n derivadas so contnuas no intervalo fechado [c, c + h] (ou
[c + h, c] se h negativo) e assume que f
(n + 1)
existe em [c, c + h] (ou [c + h, c] se h negativo).
Ento, existe um nmero 0, com 0 < 0 < 1 tal que
f(c + h) =
=
+
+
+ +
+
+
= +
n
k
n
n
n n
k
k
h c f
n
h
c R h R c f
k
h
0
) 1 (
1
1 1
) (
) (
)! 1 (
) , ( ), , ( ) (
!
0 0 0

4. Teorema Fundamental de Clculo

Se f contnua em [a, b] e F(x) = para cada x em [a, b], ento F(x) contnua em [a,
b] e diferencivel em (a, b) e
}
x
a
dt t f ) (
Error!= f(x). Em outras palavras, F(x) uma anti-derivada de f(x)

Corolrio: Se f(x) contnua num intervalo fechado e limitado [a, b] e g(x) = f(x), ento
= g(b) g(a)
}
b
a
dx x f ) (

5. Teorema do ponto fixo

107
Se a funo g(x) contnua no intervalo a s x s b e g(x)e[a, b] ento existe pelo menos um
ponto x = e[a, b] tal que g() = .
Se, ainda g(x) diferencivel em a < x < b e Error!s L < 1 para todo xe(a, b), ento g(x) tem
um nico (somente um) ponto fixo e(a, b).

XII.ListaCompiladadeLeiturasObrigatrias

Wikipedia: Numerical Analysis
Wikipedia: Interpolation
Fundamental Numerical Methods and Data Analysis, George W. Collins, II, captulo 4. (veja:
http://bifrost.cwru.edu/personal/collins/numbk/)
Wikipedia: Numerical Methods/Numerical Integration
Wikipedia: Numerical Methods/Equation Solving

XIII.ListaCompiladadeRecursosMultimdia(Opcional)

Leitura # 1: Wolfram MathWorld (visitado em 03.11.06)

Referncia completa: http://mathworld.wolfram.com
Resumo: Wolfram MathWorld uma enciclopdia matemtica especializada em on-line
Anlise: Ela fornece as referncias mais detalhadas para qualquer tpico de matemtica. Os
estudantes devem comear a usar a facilidade de pesquisa para o ttulo do mdulo. Assim vo
encontrar um artigo principal. Em qualquer ponto os estudantes deve pesquisar as palavras-chaves
que precisam para compreender. A entrada deve ser estudada cuidadosa e completamente.

Leitura # 2: Wikipedia (visitado em 03.11.06)

108
Referncia completa: http://en.wikipedia.org/wiki
Resumo: Wikipedia uma enciclopdia on-line. escrito pelos seus leitores. altamente
actualizada uma vez que as entradas so continuamente revistas. Tambm, foi provado ser
extremamente exacta. As entradas matemticas so muito detalhadas.
Anlise: Os estudantes devem usar wikipedia da mesma forma como MathWorld. Todavia, as
entradas podem ser muito curtas e pouco fceis de usar no primeiro momento. Sero todavia, no
to detalhadas.

Leitura # 3: MacTutor History of Mathematics (visitado em 03.11.06)
Referncia completa: http://www-history.mcs.standrews.ac.uk/Indexes
Resumo: A MacTutor Archive mais compreensvel histria de matemtica na internet. As
fontes so organizadas por personalidades histricas e por temas histricos.
Anlise: Os estudantes devem pesquisar o arquivo MacTutor por palavras-chaves nos tpicos
que esto a estudar (ou pelo ttulo do mdulo). importante ter uma vista geral se a matemtica a
ser estudada se adequa histria de matemtica. Quando o estudante completa o curso e fica a
ensinar numa escola secundria, as personalidades na histria de matemtica avivaro o contedo
para os alunos.
Particularmente, o papel das mulheres na histria de matemtica deve ser estudado para ajudar
os alunos a compreender as dificuldades pelas quais as mulheres passaram enquanto fazendo uma
importante contribuio. Igualmente o papel do continente africano deve ser estudado para
partilhar com os alunos nas escolas. Principalmente os primeiros dispositivos de contagem
(exemplo, uso do osso de animais) e o papel da matemtica Egpcia devia ser estudado.

XIV.SntesedoMdulo

A concluso da quarta actividade de aprendizagem marca o fim do mdulo. Nesta conjectura,
antes de se apresentar para avaliao Somativa, desejvel e apropriado que o aluno reflicta na
misso, objectivos, actividades e realizaes para formar um quadro global sobre o qu ele deve
ter alcanado como resultado do tempo colectivo e esforo investido no processo de
aprendizagem.
109
Como se fez referncia na apresentao global do mdulo na seco 6, o estudante esperado
ter adquirido conhecimento de conceitos bsicos relacionados com aproximao numrica de
nmeros e funes.
O aluno esperado neste momento ser capaz de, confortavelmente definir o conceito de erro
na matemtica, identificar as fontes dos erros, os diferentes tipos de erros e os mtodos de reduzir
o impacto dos erros na aproximao numrica final para um problema matemtico.
Depois da actividade de abertura sobre erros, trs actividades importantes de aprendizagem no
assunto nuclear de aproximao foram apresentadas. Uma destas trs actividades nucleares foi
sobre a aproximao numrica de funes usando interpolao polinomial. Especificamente o
aluno agora esperado estar razoavelmente confortvel em usar interpolao linear nas suas vrias
formas e deduzir um limite de erro para interpolao linear. A actividade tambm apresenta o
importante tpico de interpolao polinomial, concentrando na interpolao polinomial de
Lagrange, de Diferenas divididas de Newton, e todas importantes interpolaes polinomiais de
diferenas finitas.
As restantes duas actividades nucleares (a terceira e a quarta) so sobre mtodos numricos de
aproximar nmeros (razes de funes e valores de integrais definidas). Neste contexto o estudante
esperado ter apreciado a necessidade para recorrer a mtodos numricos, mas tambm ser capaz
de aplicar os mtodos aprendidos, incluindo os mtodos de Bisseco, Regula Falsi, da Secante de
Newton-Raphson para aproximar razes de uma funo no linear de uma varivel. O estudante
esperado tambm resolver e avaliar os limites de funes, de sequncia e de sries finitas. Ainda o
aluno deve ser capaz de aplicar o mtodo de Newton para aproximar solues de um sistema
associado de duas equaes no lineares com duas incgnitas.
O mdulo foi estruturado na perspectiva de acompanhar e guiar o estudante para o contedo
com exemplos cuidadosamente seleccionados e indicao s referncias nucleares. Um nmero
razovel de exemplos trabalhados foi includo em cada actividade de aprendizagem para servir
como balizas de referncia tanto na compreenso do texto antes bem como servir como pontos de
referncia enquanto resolvem problemas relacionados com avaliao formativa que aparece no
texto na forma de RESOLVE. O grau de domnio do contedo do mdulo depender em grande
medida da vontade e esforo planificado do estudante para monitorar seu progresso resolvendo os
problemas propostos que aparecem com indicao RESOLVE

110
XV.AvaliaoSomativa

Questes

1. (a) Defina o conceito de erro em matemtica
(b) D os principais tipos de erros matemticos e mencione suas fontes
(c) Faa distino entre erros absolutos e erros relativos e tente relacion-los aos
conceitos de exactido e preciso.
2. (a) O erro E(x) na interpolao linear de uma funo f(x) usando os valores f
0
= f(x
0
), f
1
=
f(x
1
) onde x
1
x
0
= h dado por
E(x) = (x x
0
)(x x
1
)Error!f (), onde e(x , x ) deduza um limite superior para
E.
0 1
(b) Use o limite do erro obtido na parte (a) para determinar o menor intervalo de h para o qual
a interpolao linear de cos(x) dar valores aproximados com erros que no excedem 0,01
3. A seguinte tabela d valores de uma funo f(x) numa srie de pontos x
k
igualmente
espaados.
x 0,0 0,125 0,25 0,375 0,5
f(x) 1,000000 0,984615 0,941176 0,876712 0,800000

x 0,625 0,75 0,875 1,0
f(x) 0,719101 0,640000 0,566372 0,500000
Aproxime f(x) por uma interpolao polinomial quadrtica de Lagrange usando os pontos
(0,125; 0,984615) (0,25; 0,941176) (0,375; 0,876712) e assim
interpole f(x) no ponto x = 0,3

4. (a) Construa a tabela de diferenas para a funo f(x) tabulada na questo 3 (a)
(b) Com a ajuda de diferenas finitas interpole a funo em x = 0,4 usando a frmula de
111
interpolao de Bessel centrada em x
0
= 0,375

onde s = Error!(x x )
0
5. Aplique a interpolao de Newton baseada nas diferenas divididas para interpolar a funo
tabulada na questo 4 no ponto x = 0,4

6. (a) Deduza a frmula de iterao de Newton-Raphson para aproximar a r -sima raiz de um
nmero real positivo A.
(b) Se A = 7 aplique a frmula que deduziu para aproximar a raiz quadrada de 7 com seis casas
decimais correctas. Comece a iterao com x
0
= 2

7. (a) Defina o conceito de ponto fixo para uma funo g(x) de que se sabe que contnua no
intervalo [a, b] e diferencivel em (a, b).
(b) Formule sem provar, o teorema de existncia e unicidade para pontos fixos de g(x).
(c) Discuta se a funo g(x) = Error!tem um nico ponto fixo ou no no intervalo [0, 1]

8. (a) Usando um mtodo analtico calcule todas as solues do sistema associado
2x
2
+ y
2
= 5, x
2
2y
2
= 2 com 6 casas decimais correctas.
(b) Comeando com x
0
= 1,5 ; y
0
= 0,5 aproxime uma das solues, realizando duas
iteraes com o mtodo de Newton para um sistema de equaes no lineares.

9. (a) Determine a anti-derivada F(x) da funo f(x) = Error! e use-a para avaliar a integral
}
+ +
1
0
2
2 3x x
x
com 6 algarismos decimais correctos.
(b) Avalie a integral acima usando a frmula de Newton-Cotes
= dx x f
x
x
) (
3
0
}
Error![f(x ) + 3f(x ) + 3f(x ) + f(x )] com h =
0 1 2 3
Error!
112
10. (a) Avalie a integral analiticamente a 6 casas decimais correctas de
exactido.
( dx x e
x
}

1
0
) cos( )
(b) Tabule os valores do integrando em (a) nos pontos x
k
= 0,125k, com k = 0,1,2,..., 8 e use os
valores obtidos com a regra do Trapzio para aproximar a integral, tomando h = 0,25 e h = 0,125,
respectivamente
(c) Aplique a integrao de Romberg nos dois valores Trapezoidais obtidos em (b) para obter
uma melhor aproximao da integral em (a)

Solues

1. (a) Se X* uma aproximao quantidade exacta (verdadeira) X, ento o desvio x x*
chamado erro na aproximao X*.
(b) Os principais erros matemticos so:
- Erros iniciais. Estes so erros que ocorrem nos dados iniciais fornecidos juntamente
com um problema matemtico
- Erros discretizantes. Estes so erros causados pelo processo de converso de um
problema matemtico tendo soluo contnua a um modelo numrico cuja soluo de
uma funo discreta na forma de sequncia de nmeros.
- Erros de trunco. Estes so erros introduzidos pela terminao inevitvel
(truncao) de um processo infinito tal como uma srie infinita ou uma iterao
convergente.
- Erros de arredondamento. Estes so erros introduzidos por causa de limitaes por
parte dos instrumentos que usamos na realizao das operaes aritmticas (adio,
subtraco, multiplicao ou diviso).
(c) Erro absoluto a magnitude ou amanho de um erro. O erro absoluto, denotado por | | x - x*

sempre no negativo.
O erro relativo a razo entre o erro absoluto e o valor absoluto da verdadeira quantidade
(exacta) a ser aproximada. O erro relativo denotado por Error!
O erro absoluto uma medida de exactido na aproximao , enquanto o erro relativo uma
113
medida de preciso e se relaciona com a gravidade do erro.
2. (a) Para obter um limite no erro E(x) na interpolao linear precisamos do valor mximo das
funes g(x) = (x x
0
)(x x
1
) e g() no intervalo x
0
< x < x
1
. Como g(x) = 2x (x
0
+ x
1
)
encontramos que g(x) tem um ponto crtico em x* = Error!(x + x ), e porque g(x) = 2 sempre
positiva conclumos que g(x*) = -
0 1
Error!(x x ) = -
1 0
Error!. Assumindo que
Max| | g'(x)
= M no intervalo em questo, podemos escrever
| | E(x)
s M[Max g(x)] = Error!

(b) A funo a ser aproximada f(x) = cos(x). Neste caso f(x) = -cos(x) e portanto M = 1.
Agora devemos determinar o passo do comprimento h tal que Error! = Error! s 0,01. Resultando
em h s 0,3

3. A interpolao polinomial quadrtica de Lagrange passando por trs pontos (x
0
, f
0
), (x
1
, f
1
),
(x
2
, f
2
) dada pela expresso
P
2
(x) = L
0
(x)f
0
+ L
1
(x)f
1
+ L
2
(x)f
2
onde L
0
(x), L
1
(x), L
2
(x) so coeficientes de Lagrange de
grau 2. Neste caso temos os seguintes valores:
x
0
= 0,125 f
0
= 0,984615 L
0
(x) = Error!
x
1
= 0,250 f
1
= 0,941176 L
1
(x) = Error!
x
2
= 0,375 f
2
= 0,876712 L
2
(x) = Error!
Com x = 0,3, a substituio directa de diferentes valores envolvidos nas expresses para os
coeficientes de Lagrange d:
L
0
(0,3) = -0,12; L
1
(0,3) = 0,84 L
2
(,03) = 0,28
resultados que conduzem soluo
P
2
(0,3) = L
0
(0,3)f
0
+ L
1
(0,3)f
1
+ L
2
(0,3)f
2

= (-0,12)( 0,984615) + (0,84)( 0,941176) + (,028)( 0,876712) = 0,917913

4. (a) Tabela de diferenas
114
Diferenas
0,000 1,000000
-0,015385
0,125 0,984615 -0,028054
-0,043439 0,007029
0,250 0,941176 -0,021025 0,001748
-0,064464 0,008777
0,375 0,876712 -0,012248 -0,000716
-0,076712 0,008061
0,500 0,800000 -0,004187 -0,005672
-0,080899 0,002389
0,625 0,719101 -0,001798 0,001286
-0,079101 0,003675
0,750 0,640000 -0,005473 -0,005458
-0,073628 -0,001783
0,875 0,566372 -0,007256
-0,066372
1,000 0,500000

(b) Uma vez que x
0
= 0,375; x = 0,4; h = 0,125, o valor do parmetro:
s = Error!(0,4 0,375) = 0,2

Com ajuda da tabela de diferenas finitas interpole a funo no ponto x = 0,4 usando a frmula
de interpolao de Bessel:
=
2
1
f Error!(f + f ) = 0,838356
1 0
(s Error!)o =
2
1
f (-0,3)(-0,076712) = 0,0230136
Error!s(s 1)o
2
=
2
1
f (0 0,08)Error!(-0,004187 0,012248) = 0,0006574
115
Error!s(s 1)(s - Error!)o
3
=
2
1
f (0,0008)(0,008061) = 0,000064488
Error!s(s 1)(s 2)o
2 4
=
2
1
f (0,0144)Error!(0,006388) = 0,0000459936
Adio de todos estes termos conduz resposta P(0,4) = 0,862137

5. Primeiro construmos a tabela de diferenas divididas de Newton. Depois aplicamos a
interpolao polinomial
P
n
(x) = f
0
+ (x x
0
)f[x
0
, x
1
] + (x = x
0
)(x x
1
)f[x
0
, x
1
, x
2
] +
Tabela de diferenas divididas de Newton
Diferenas
0,000 1,000000
-0,12308
0,125 0,984615 -0,897728
-0,347512 0,599808
0,250 0,941176 -0,672800 0,298326
-0,515712 0,748971
0,375 0,876712 -0,391936 -0,122198
-0,613696 0,687872
0,500 0,800000 -0,133984 -0,354304
-0,647192 0,510720
0,625 0,719101 0,057536 -0,394240
-0,632808 0,0313600
0,750 0,640000 0,175136 -1,251670
-0,589024 -0,312235
0,875 0,566372 0,058048
-0,530976
1,000 0,500000

A aplicao directa da frmula baseada em x
0
= 0,375 e usando os valores de vrias diferenas
116
divididas destacadas na tabela juntamente com o valor x = 0,4 d o seguinte resultado:

f(x) = 0,876712
(x x
0
)f[x
0
, x
1
] = -0,0153424
(x x
0
)(x x
1
)f[x
0,
x
1
, x
2
] = 0,00033496
(x x
0
)(x x
1
)(x x
2
)f[x
0,
x
1
, x
2
, x
3
] = 0,00028728
(x x
0
)(x x
1
)(x x
2
)(x x
3
)f[x
0,
x
1
, x
2
, x
3
, x
4
] = 0,000077616
P
4
(0,4) = 0,876712 - 0,0153424 + 0,00033496 + 0,00028728 + 0,000078 = 0,862070

6. (a) se x = r;A ento x A = 0
r
Portanto podemos tomar a funo cujas razes que esto sendo procuradas, dadas por
f(x) = x
r
A
A derivada de f(x) f (x) = rx
r 1
Substituindo estas quantidades na frmula de Newton Raphson
x
n + 1
= x
n
- Error! obtemos a frmula geral de Newton-Raphson
x
n + 1
= x
n
- Error! = Error! = Error!Error! Error! = Error!

(b) A frmula de Newton-Raphson para encontrar a raiz quadrada de um nmero A = 7 e r = 2.
Este caso d a frmula especial:
x
n + 1
= Error! Error!
Tomando x
0
= 2,0 os seguintes iterados so obtidos a partir da frmula:
x
0
= 2,0
x
1
= 2,75
x
3
= 2,6477273
x
4
= 2,6457720
x
5
= 2,6457513
x
6
= 2,6457513

Uma vez que o 7 algarismo decimal permanece constante nos ltimos dois iterados, aceitamos
x = 2,645751 como aproximao desejada de 7 com 6 algarismos decimais correctos.
7. (a) Um nmero dito um ponto fixo de uma funo g(x) se g() = .
117
(b) Se g(x) uma funo que satisfaz as condies
- g(x) contnua num intervalo fechado [a, b]
- g(x)e[a, b] xe[a, b]
- g(x) diferencivel em (a, b)
- Max| | g'(x)
= L < 1 xe[a, b]
Ento g(x) tem um nico ponto fixo e(a, b).
(c) Considere a funo g(x) = Error!no intervalo [0, 1].
Uma vez que o nico ponto de descontinuidade para a funo x = 6, a funo
definitivamente contnua no intervalo [0, 1].

Com ambos g(0) = Error! e g(1) = Error! situando-se no intervalo (0, 1), notamos tambm
que todos valores da funo se situam dentro do intervalo dado.
A funo tambm diferencivel g (x) = - Error!. O valor mximo de Error!= Error!
Error!
=
= Error! < 1. Este resultado prova que a funo tem um nico ponto fixo no intervalo 0 <
x < 1.

8. (a) Soluo analtica
Para obter a verdadeira soluo (analtica) eliminamos uma das variveis e resolvemos a
equao quadrtica resultante na varivel retida.
y
2
= 5 2x
2

Usamos este resultado para eliminar y da segunda equao
x
2
2(5 2x
2
) = 2 5x
2
= 12 x =
2
4 =
x
1
= +1
549183; ;x
2
= -1
549183

Os valores correspondentes de y so obtidos a partir da relao
y = 5 - 2x
2
=
0
2 =
y
1
= + 0
447213; ;y
2
= -0
447213

As quatro possveis solues do sistema associado so
(-1,549183; -0,447213) (-1,549183; 0,447213)
(1,549183; -0,447213) (1,549183; 0,447213)

118
(b) Aproximao de razes usando o mtodo de Newton
Seja
f(x, y) = 2x
2
+ y
2
5 = 0
g(x, y) = x
2
2y
2
2 = 0
As derivadas parciais de f(x) e g(x) so
Error!
Error!
= f = 4x;
x
Error!= f
y
= 2y
= g = 2x;
x
Error!= g
y
= -4y
O mtodo de Newton afirma que, comeando com uma soluo aproximada (x
n
, y
n
) uma
aproximao melhorada (x
n +1
; y
n + 1
) pode ser obtida por introduzir:
x
n + 1
= x
n
+ h
n
; y
n + 1
= y
n
+ k
n
;

Os incrementos h
n
, k
n
so obtidos por resolver o sistema de equaes lineares
( ) f
x
;g
x
;f
y
;g
y ( ) h
n
;k
n = ( ) -f;-g

Aplicao do mtodo de Newton:
Primeira iterao
x
0
= 1,5 y
0
= 0,5
f
0
= -0,25 f
x
= 6,0 f
y
= 1,0
g
0
= -0,25 g
x
= 3,0 g
y
= -2,0

Substituindo estas quantidades no sistema linear e resolvendo o sistema resultante,obtm-se:
h
0
= 0,083333, k
0
= -0,83333 e portanto
x
1
= x
0
+ h
0
= 1,583333 y
1
= y
0
+ k
0
= 0,416667

Segunda iterao

x
1
= 1,58333 y
1
= 0,416667
f
1
= 0,187498 f
x
= 6,333333 f
y
= 0,833334
g
1
= 0,159721 g
x
= 3,166666 g
y
= -1,666668
Substituindo estas quantidades no sistema linear e resolvendo o sistema resultante, obtemos
h
1
= -0,033772, k
1
= -0,0,31667 e portanto
119
x
2
= x
1
+ h
1
= 1,549561 y
2
= y
1
+ k
1
= 0,448334

9. (a) A antiderivada da funo f(x) = Error!
}
+ + 2 3
2
x x
xdx
= dx
x x
x
}
+ +
+
2 3
3 3 2
2
1
2
=
} }
+ +
+ +
+
2 3 2
3
2 3
3 2
2
1
2 2
x x
dx
dx
x x
x

=
+ +
+ +
}
2 3
) 2 3 (
2
1
2
2
x x
x x d
}
+ + ) 2 )( 1 ( 2
3
x x
dx

= Error! ln(x + 3x + 2) -
2
Error!
}
|
.
|
\
|
+
+
dx
x x 2
1
1
1

= Error! ln(x + 3x + 2) -
2
Error!lnError! + Constante
Portanto dx
x x
x
}
+ +
1
0
2
2 3
= Error! Error! [ln(6) ln(2)] - Error! = 0,549306 0,431523 =
0,117783

Substituindo estas quantidades no sistema linear e resolvendo o sistema resultante, obtm-se:
h
0
= 0,083333, k
0
= -0,83333 e portanto
x
1
= x
0
+ h
0
= 1,583333 y
1
= y
0
+ k
0
= 0,416667

(b) Para aproximar a mesma integral I = dx
x x
x
}
+ +
1
0
2
2 3
a frmula especial de Newton-Cotes
}
1
0
) (
x
x
dx x f = Error![f(x ) + 3f(x ) + 3f(x ) + f(x )]
0 1 2 3
Primeiro tabulamos a funo
x
k
x
0

= 0
x
1
=
Error! Error! Error! Error! Error!
x
2
=

x
3
=

x
4
=

x
5
=

x
6
=1,0
f
k
0,0 0,065934 0,107143 0,133333 0,15 0,160428 0,166667

Enquanto a frmula dada envolve valores da funo em trs intervalos consecutivos, o comprimento
do intervalo especificado h = Error! resultando num par de tais intervalos consecutivos,
[x
0
, x
1
, x
2
, x
3
] e [x
3
, x
4
, x
5
, x
5
]. Portanto, a integral ser aproximada pela expresso
I = Error!{(f + 3f + 3f + f ) + (f + 3f + 3f + f ] = 0,117741
0 1 2 3 3 4 5 6
120

10 (a) O valor da integral [e (
}

1
0
) cos( dx x e
x
)
1
sen(1)] [e
0
sen(0)] = 0,876811
(b) A tabela de valores do integrando f(x) = e
x
cos(x) para valores nos pontos equidistantes
x = 0,0(0,125)1,0
(0,0; 0,0) (0,125;0,140951) (0,25;0,315113), (0,375; 0,524484)
(0,5; 0,771139) (0,625; 1,057283) (0,75; 1,385311) (0,875; 1,757878)
(1,0; 2,177980).

Com a ajuda da regra generalizada de trapzio, encontramos:
T(0,25) = 0,890138 T(0,125) = 0,880144
(c) A aplicao da integrao de Romberg em dois valores trapezoidais obtidos acima resulta:
R[0,25;0,125] = T(0,125) + Error![T(0,125) T(0,25)] = 0,876813.

XVI.Referncias

G. Stephenson, 1973, Mathematical Methods for Science Students Second Edition, Pearson
Educcation Ltd

Brain Bradie, A friendly Introduction to Numerical Anaylis. Pearson Education International.

A. C. Bajpai, I. M. Calus and J. A. Fairley, 1975, Numerical Methods for Engineers and
Scientists, Taylor & Francis Ltd, London

Burden and Faires, 1985, Numerical Analysis Fifth Edition, PWS KENT Publishing
Campany

Fox, L. and Mayers, D. F., 1958, Computing Methods for Sicentists and Engineers, Oxford
University Press, London.

121
Kendall E. Atkinson, 1987, An Introduction to Numerical Analysis, John Wiley & Sons.

M. K. Jain, S. R. K. Iyengar & R. K. Jain, 1993, Numerical Methods Problems and
Solutions, Wiley Estern Ltd.

Walter Jennings, 1964. First Course in Numerical Methods, Collier Macmillan Ltd.

Lay, 2002, Linear Algebra and its Applications Third Edition, Addison Wesley.

XVII.AutordoMdulo

Dr Ralph W. P. Masenge Professor de Matemtica na Faculdade de Cincia, Tecnologia e
Estudos Ambientais da Universidade Aberta de Tanzania. Graduado em Matemtica, Fsica e
Astronomia pela Universidade Bavariana de Wuerzbug na Repblica Federal de Alemanha em
1968, Professor Masenge obteve o grau de Mestrado em Matemtica na Universidade de Oxford
no Reino Unido em 1972 e PhD em Matemtica em 1986 na Universidade de Dar Es Salaam na
Tanzania atravs de um programa sandwich levado a cabo na Universidade Catlica de Nijmegen
nos Pases Baixos.
Por quase 30 anos (Maio 1968 Outubro de 2000) Professor Masenge foi um membro
acadmico do Colectivo no Departamento de Matemtica na Universidade de Dar Es Salaam
tempo durante o qual trepou a escada acadmica de assistente (seminarista) em 1968 para
Professor em 1990. De 1976 a 1982, Professor Masenge dirigiu o Departamento de Matemtica na
Universidade de Dar Es Salaam. Tambm serviu como Decano Associado na Faculdade de
Cincia e foi Chefe Administrativo na Universidade de Dar Es Salaam por um ano (1995).
Nascido em 1940 na Vila de Maharo situada nas encostas da montanha mais alta de frica, O
Killimanjaro, Professor Masenge reformou-se em 2000 e deixou os servios da Universidade de
Dar Es Salaam para juntar-se Universidade Aberta de Tanzania onde actualmente lidera a
Directoria de Pesquisa e Estuddos Ps-Graduados e est a frente de um bom nmero de Cursos de
Matemtica em Clculo, Lgica Matemtica e Anlise Numrica.
Professor Masenge casado e tem quatro filhos. Seu principal passatempo favorito trabalhar
122
na sua pequena farma de Bananas e cocos na Vila de Mlalakuwa, situada a 13 km do Centro da
Cidade, nas redondezas de Dar Es Salaam, a capital comercial da Repblica Unida da Tanzania.

Metodos Numericos

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Metodos Numericos

Încărcat de

Drepturi de autor:

Formate disponibile

1

corta o eixo dos xx :

) ( lim se para cada escolha de um nmero positivo pequeno c

(i) A funo deve estar definida no ponto c: f(c) deve existir

S-ar putea să vă placă și