Cálculo Numérico - RUGGIERO

, ,
CALCULO NUMERICO
ASPECTOS TERICOS E COMPUTACIONAIS
2 edio
Mrcia A. Gomes Ruggiero

Vera Lcia da Rocha Lopes
Departamento de Matemtica Aplicada

IMECC - UNICAMP
---
PEAl~SON
\Ltkl'< 111
H111ik~
So Paulo
Brasil Argentina Colmbia Costa Rica Chile Espanha

Guatemala Mxico Peru Porto Rico Venezuela
Dedicamos este livro a nossos pais:
Atayde Gomes (in memorian)

Benedita Germano Gomes
Aaro Soares da Rocha (in memorian)

Hulda Vilhena dos R eis Rocha (in memorian)
MAKRON
Books
PREFCIO SEGUNDA EDIO
Desde que foi publicada a 111 edio deste livro, recebemos inmeras sugestes atravs de
cartas e contatos nos Congressos anuais organizados pela Sociedade Brasileira de Matem-
tica Aplicada e Computacional (SBMAC). Atendendo s sugestes de correes, incluso
de tpicos, e sentindo a necessidade de modernizao e atualizao do texto, optamos por
elaborar esta 2 edio, motivadas pela grande aceitao deste livro como texto bsico para
cursos de Clculo Numrico em vrias universidades.
Em todos os captulos j existentes na edio anterior, foram feitas correes e
alteraes no texto: suprimimos e acrescentamos alguns exercicios e introduzimos uma
seo de projetos em quase todos os captulos; nos projetos o nvel de exigncia, tanto
terico quanto computacional, maior que nos exerccios; no Apndice desta nova edio
apresentamos as respostas de todos os exerccios.
Os Captulos 3, 5 e 8 foram os mais alterados. No Captulo 3, sobre Resoluo de
Sistemas Lineares, alm de ampliarmos a introduo sobre existncia e nmero de solues,
introduzimos uma seo sobre Fatorao de Cholesky. No CaptuJo 5, a seo sobre Splines
em Interpolao foi ampliada, acrescentando as Splines Cbicas em Interpolao. Final-
mente, no Captulo 8, acrescentamos uma seo sobre Problemas de Valor de Contorno em
Equaes Diferenciais Ordinrias.
O atual Captulo 4 inteiramente novo, e trata da Soluo de Sistemas No
Lineares.
As listagens de programas computacionais foram eliminadas e sugerimos que
alunos e professores utilizem softwares matemticos que possibilitam que algoritmos de
VTI
VIT1 C6lculo Numrico
mtodos numricos sejam facilmente adaptados para que possam ser implementados. Temos
usado na UNICAMP o MATLAB1 como material de apoio computacional no curso de
Clculo Numrico e temos obtido boa aceitao por parte dos alunos. Consideramos que
este software um material de fcil manuseio e eficiente para a resoluo dos exerccios e
projetos compu tacionais propostos.
Agradecemos aos professores., alunos e leitores que nos fizeram crticas e suges-
tes que muito contriburam na elaborao desta edio. Dedicamos um agradecimento
especial ao professor Lcio Tunes dos Santos que gentilmente escreveu o projeto Newton e
os Fractais para o Captulo 4 e aos auxiliares didticos Ricardo Caetano Azevedo Biloti,
Suzana Lima de Campos Castro e Lin Xu, que resolveram a maior parte dos exerccios, e
especialmente a Roberto Andreani e a Renato da Rocha Lopes, pela leitura do texto e
contnuies para as listas de exerccios e projetos.
l. MATLAB uma marca registrada do MathWorks, lnc. Uma boa introduo verso 4.2 do MATLAB
a quarta edio do MATl..AB Primer de K. Sigmon, editado em 1994 por CRC Press, Boca Raton. FL.
MAKRON
Books
,
SUMARIO
INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XIII
Captulo I NOES BSICAS SOBRE ERROS . . . . . . . . . . . . . . . . . . . . . 1
1.1 lntroduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Representao de Nmeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Converso de Nmeros nos Sistemas Decimal e Binrio . . . . 4
1.2.2 Aritmtica de Ponto Flutuante . . . . . . . . . . . . . . . . . . . . . . . . . . U)
1.3 Erros ....... .............................................. 12
1.3.1 Erros Absolutos e Relativos ........................... . 12
1.3.2 Erros de Arredondamento e Truncamento em um
Sistema de Aritmtica de Ponto Flutuante . . . . . . . . . . . . . . . . 14
1.3.3Anlise de Erros nas Operaes Aritmticas de
Ponto Flutuante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
IX
X Clculo Numrico
Captulo 2 ZEROS REAIS DE FUNES REAIS 27
2.1 Introduo....... .. ......... .. ........ .. .............. . . .. . 27

2.2 Fase I: Isolamento das Razes... ... . .. ... ..................... 29
2.3 Fase IT: Refinamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.3.1 Critrios de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3.2 Mtodos lterativ.os_para se ObteLZero&Reais de Funes . . . 41
I. Mtodo da Bisseco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
II. Mtodo da Posio Falsa . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
III . Mtodo do Ponto Fixo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
IV. Mtodo de Newton-Raphson . . . . . . . . . . . . . . . . . . . . . . . . 66
V. Mtodo da Secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.4 Comparao entre os Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.5 Estudo Especial de Equaes Polinomiais . . . . . . . . . . . . . . . . . . . . . . . 82
2.5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.5.2 Localizao de Razes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.5.3 Determinao das Razes Reais . . . . . . . . . . . . . . . . . . . . . . . . . 90
Mtodo de Newton para Zeros de Polinmios . . . . . . . . . . . . . 93
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Captulo 3 RESOLUO DE SI~MAS LINEARES 105
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

3.2 Mtodos Diretos.............. .. ......... ....... . .. . ........ 118
3.2.1 lntroduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.2.2 Mtodo da Eliminao de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 119
Estratgias de Pivoteamento . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3.2.3 Fatorao LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
3.2.4 Fatorao de Cho lesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
3.3 Mtodos Iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
3.3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
3.3.2 Testes de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
Swnric XI
3.3.3 Mtodo Iterativo de Gauss-Jacobi . . . . . . . . . . . . . . . . . . . . . . . 155

3.3.4 Mtodo Iterativo de Gauss-Seidel . . . . . . . . . . . . . . . . . . . . . . . 161
3.4 Comparao entre os Mtodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
3.5 Exemplos Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
Captulo 4 INTRODUO RESOLUO DE SISTEMAS

NO-LIN"EARES ....... ........ ...... ., . . . . . . . . . . . . . . . . 192
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192

4.2 Mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
4.3 Mtodo de Newton Modificado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
4.4 Mtodos Quase-Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
Captulo S INTERPOLAO 211
5.1 Introduo.............. . ................ . . . . . . . . . . . . . . . . . . 211

5.2 Interpolao Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
5.3 Formas de se Obter p0 (x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
5.3.1 Resoluo do Sistema Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
5.3.2 Forma de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
5.3.3 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
5.4 Estudo do Erro na Interpolao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
5.5 Interpolao Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
5.6 Solbre o Grau do Polinmio Interpolar ...... .. . . . . . . . . . . . . . . . . . . 240
5.6.1 Escolha do Grau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
5.6.2 Fenmeno de Runge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
5.7 Funes Spline em Interpolao ....... ..... . . ...... ........ . .. 243
5.7.1 Spline Linear Interpolante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
5.7.2 Spline Cbica Interpolante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
XII Clculo Numrico
5.8 Alguns Comentrios sobre Interpolao . . . . . . . . . . . . . . . . . . . . . . . . 255

Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
Captulo 6 AJUSTE DE CURVAS PELO MTODO DOS

QUADRADOS MNIMOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
6.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268

6. 1.1 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
6. 1.2 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
6.2 Mtodo dos Quadrados Mnimos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
6.2.1 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
6.2.2 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.3 Caso No Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
6.3-.1 Testes de Alinhamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Captulo 7 INTEGRAO NUMRICA . . . . . . . . . . . . . . . . . . .. . . . . . . . . 295
7.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295

7.2 Frmulas de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
7 .2.1 Regra dos Trapzios ........... ....................... 296
7 .2.2 Regra dos Trapzios Repetida . . . . . . . . . . . . . . . . . . . . . . . . . . 299
7. 2.3 Regra 1/3 de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
7.2.4 Regra 1/3 de Simpson Repetida...... .......... ......... 303
7.2.5 Teorema Geral do Erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
7.3 Quadratura Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
Sumrio XIII
Captulo 8 SOLUES NUMRICAS DE EQUAES DIFERENCIAIS

ORDINRIAS: PROBLEMAS DE VALOR INJCIAL E
DE CONTORN"O . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
8.1 lntroduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316

8.2 Problemas de Valor lnicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
8.2.1 Mtodos de Passo Um (ou Passo Simples) .............. . . 320
8.2.2 Mtodos de Passo Mltiplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
8.2.3 Mtodos de Previso-Correo . . . . . . . . . . . . . . . . . . . . . . . . . 347
8.3 Equaes de Ordem Superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
8.4 Problemas de Valor de Contorno - O Mtodo das Diferenas Finitas . . . . 357
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
Apndice RESPOSTAS DE EXERCCIOS . . . . . . . . . . . . . . . . . . . . . . . . . 376
Captulo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
Captulo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
Captulo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
Captulo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
Captulo 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
Captulo 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
Captulo 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
Captulo 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 390
REFERNCIAS BIBLIOGRFICAS E
BIBLIOGRAFIA COMPLEMENTAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
NDICE ANALTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401

MAKRON
Boo4s
INTRODUAO
-
Ao escrever este livro, nosso objetivo principal foi oferecer ao estudante de graduao na
rea de cincias exatas um texto que lhe apresentasse alguns mtodos numricos com sua
fundamentao terica, suas vantagens e dificuldades computacionais.
Apresentamos oito captulos e procuramos seguir em lodos eles o mesmo desen-
volviment o. Em todos os captulos, inclumos uma lista de exerccios e a maioria deles
apresenta propostas de projetos. As respostas de todos os exerccios se encontram no
Apndice.
Supomos que o aluno tenha conhecimentos de Clculo e de lgebra Linear e
familiaridade com alguma linguagem de programao de computador.
O Captulo 1 trata de erros em processos numricos, sem a intenso de fazer um
estudo detalhado do assunto; o objetivo alertar o aluno sobre as dificuldades numricas
que podem ocorrer ao se trabalhar com um computador.
O Captu lo 2 apresenta vrios mtodos para a resoluo de equaes no lineares
do tipo f(x) = O e um desenvolvimento especfico para o caso de razes reais de equaes
polinomiais.
No Captulo 3, abordamos a resoluo de sistemas de equaes lineares apre.sen-
tando mtodos diretos e iterativos.
XV
XVI Clculo Numrico
Inclumos nesta edio uma introduo sobre a resoluo de sistemas de equaes

no lineares, que o tema do Captulo 4.
O Captulo 5 apresenta a interpolao polinomial como forma de se obter uma

aproximao para uma funo f(x). Alm disto, introduz as funes spline interpolantes.
O mtodo dos quadrados mnimos, como outra forma de aproximao de funes,

apresentado no Captulo 6, onde desenvolvemos o mtodo dos quadrados mnimos linea-
res e damos sugestes de como contornar certos casos no lineares.
O tema do Captulo 7 a integrao numrica para/ f(x) dx, atravs das frmulas
a
fechadas de Newton-Cotes. Introduzimos ainda as frmulas de quadratura Gaussiana.
O Captulo 8 aborda mtodos numricos para resoluo de problemas de valor

inicial e de contorno em equaes diferenciais ordinrias.
CAPTULO [ ! )
MAKRON
Boob
NOES BSICAS SOBRE ERROS
1. 1 INTRODUO
Nos captulos seguintes, estudaremos mtodos numricos para a resoluo de problemas

que surgem nas mais diversas reas.
A resoluo de tais problemas envolve vrias fases que podem ser assim estruturadas:
Problema Levantamento de
Real Dados
1
l
Construo
do
Modelo
Matemtico
- Escolha do
Mtodo Numrico
Adequado - Implementao
Computacional
deste Mtodo
1
l
Se Neoessrio:
Anlise dos Reformular o Modelo
Resultados Matemtico e/OU
Obtidos Escolher Novo Mtodo
Numrico
1
2 Clculo Numrico Cap. 1
No raro acontecer que os resultados finais estejam distantes do que se esperaria

obter, ainda que todas as fases de resoluo tenham sido realizadas corretamente.
Os resultados obtidos dependem tambm:
da preciso dos dados de entrada;
da forma como estes dados so representados no computador;
das operaes numricas efetuadas.
Os dados de entrada contm uma impreciso inerente, isto , oo h como evitar

que ocorram, uma vez que representam medidas obtidas usando equipamentos especficos,
como, por exemplo, no caso de medidas de corrente e tenso num circuito eltrico, ou ento
podem ser dados resultantes de pesquisas ou levantamentos, como no caso de dados popu-
lacionais obtidos num recenseamento.
Neste captulo, estudaremos os erros que surgem da representao de nmeros
num computador e os erros resultantes das operaes numricas efetuadas, (23], (26] e [31].
- #
1.2 REPRESENTAAO DE NUMEROS
Exemplo 1
Calcular a rea de uma circunferncia de raio 100 m.
RESULTADOS OBTIDOS
a) A= 31400 m2
b) A= 31416 m2
e) A= 31415.92654 m 2
Como justificar as diferenas entre os resultados? possvel obter "exatamente" esta rea?
Exemplo 2
Efetuar os somatrios seguintes em uma calculadora e em um computador:

Cap. 1 Noes bdsicas sobre erros 3
30000
s- I
i-1
Xj para xi= 0.5 e para xi = 0.11
RESULTADOS OBTIDOS
i) para xi = 0.5: na calculadora: S = 15000
no computador: S = 15000
ii) para'= 0.11: na calculadora: S = 3300

no computador: S = 3299.99691
Como justificar a diferena entre os resultados obtidos pela calculadora e pelo

computador para xi = 0.11?
Os erros ocorridos nos dois problemas dependem da representao dos nmeros
na mquina utilizada.
A representao de um nmero depende da base escolhida ou disponvel na m-

quina em uso e do nmero mximo de dgitos usados na sua representao.
O nmero 1t, por exemplo, no pode ser representado atravs de um n6mero

finito de dgitos decimais. No Exemplo 1, o nmero 1t foi escrito como 3.14, 3.1416 e
3.141592654 respectivamente nos casos (a), (b) e, (e). Em cada um deles foi obtido um
resultado diferente, e o erro neste caso depende exclusivamente da aproximao escolhida
para rt. Qualquer que seja a circunferncia, a sua rea nunca ser obtida exatamente, uma
vez que rt um nmero irracional.
Como neste exemplo, qualquer clculo que envolva nmeros que no podem ser
representados atravs de um nmero finito de dgitos no fornecer como resultado um
valor exato. Quanto maior o nmero de dgitos utilizados, maior ser a preciso obtida. Por
isso, a melhor aproximao para o valor da rea da circunferncia aquela obtida no
caso (e).
Alm disto, um nmero pode ter representao finita em uma base e no-finita em
outras bases. A base decimal a que mais empregamos atualmente. Na Antiguidade, foram
utilizadas outras bases, como a base 12, a base 60. Um computador opera normalmente no
sistema binrio.
Observe o que acontece na interao entre o usurio e o computador: os dados de

entrada so enviados ao computador pelo usurio no sistema decimal; toda esta informao
convertida para o sistema binrio, e as operaes todas sero efetuadas neste sistema.
4 Clculo Numtrico Cap. 1
Os resultados finais sero convertidos para o sistema decimal e, finalmente, sero transmi-
tidos ao usurio. Todo este processo de converso uma fonte de erros que afetam o
resultado .final dos clculos.
Na prxima seo, estudaremos os processos para converso de nmeros do sis-

tema binrio para o sistema decimal e vice-versa.
1.2. 1 CONVERSO DE NMEROS NOS SISTEMAS DECIMAL E BINRIO
Veremos inicialmente a converso de nmeros inteiros.
Considere os nmeros (347) 10 e (lOlll)i. Estes nmeros podem ser assim

escritos:
(347)10 = 3 X 102 + 4 X 101 + 7 X }00

(10111)2 = 1 x 24 + O x 23 + 1 x 22 + 1 x 21 + 1 x 2
De um modo geral, um nmero na base~. (ajaj-l ... a1a0) , O~ t ~ (~ - 1),

13
k = 1, ... , j , pode ser escrito na forma polinomial:
Com esta representao, podemos facilmente converter um nmero representado

no sistema binrio para o sistema decimal.
Por exemplo:
(10111)2 = 1 X 24 + 0 X 23 + } X 22 + 1 X 21 + } X 20
Colocando agora o nmero 2 em evidncia teremos:
(10111)2 = 2 x (1 + 2 x (1 + 2 x (O + 2 x 1))) + 1 = (23)10
Deste exemplo, podemos obter um processo para converter um nmero repre-

sentado no sistema binrio para o sistema decimal:
A representao do nmero (aiJ-l ... a2a1ao)2 na base 10, denotada por b0,
obtida atravs do processo:
bj = J
b.J- 1 = a.J-1 + 2b.J
Cap. 1 Noes bsicas sobre erros 5
b.J-2 = a.J-2 + 2b.J- 1
bl = 1 + 2b2
bo = o+ 2b1
Para (10111)2, a seqncia obtida ser:
b4 = 4 = 1
b3 = a3 + 2b4 = + 2 X 1 : 2
b2 = 2 + 2b3 : 1 + 2 X 2 : 5
bl : al + 2b2 = 1 + 2 X 5 = 11
b0 = a0 + 2b 1 = 1 + 2 x 11 = 23
Veremos agora um processo para converter um nmero inteiro representado no

sistema decimaJ para o sistema binrio. Considere o nmero N 0 = {347)10 e (a/j-t ... a 1)2
a sua representao na base 2.
Temos ento que:
-1 -2
347 = 2 x (aj x 2) + j-1 x 2) + ... + 2 x 2 + 1) +o = 2 x 173 + 1
e, portanto, o dgito a0 = 1 representa o resto da diviso de 347 por 2. Repetindo agora este
processo para o nmero N 1 = 173:
173 = aj X 2)-l + J-l X 2)-2 + ... + 82 X 2 + a1
obteremos o dgito al' que ser o resto da diviso de N 1 por 2. S eguindo este racio-
cnio obtemos a seqncia de nmeros Nj e f
N 0 = 347 = 2 X 173 + 1 = o = 1
N 1 = 173 :;: 2 X 86 + 1 = 1 = 1
N2 = 86 = 2 X 43 + = 82 = o
N3 = 43 = 2 X 21 + 1 = 33 = 1
N4 == 21 = 2 X 10 + 1 = 4 :;: 1
N5 10
== = 2x5+0 = s = O
N6 =5 = 2X 2+ 1 = 6 = 1
6 Cdlculo Numrico Cap. 1
= 2 xl+O => 37= 0

= 2 X O+ 1 => ag = 1
Portanto, a representao de (347) 10 na base 2 ser 101011011.
No caso geral, considere um nmero inteiro N na base 10 e a sua representao

binria denotada por: (ajaj- l ... a2 a 1a0)i. O algoritmo a seguir obtm a cada k o dgito
binrio ak.
Passo O: k=O
Nk =N
Passo 1: Obtenha qk e rk cais que:

Nk = 2 x qk + rk
Faa "= rk
Passo 2: Se qk = O, pare.
Caso contrrio, faa Nk + 1 = qk.
Faa k = k + 1 e volte para o passo l.
Consideremos agora a converso de um nmero fracionrio da base 10 para a base 2.

Sejam, por exemplo:
r = 0.125, s = 0.66666 ... , t = 0.414213562...
Dizemos que r tem representao finita e que s e t tm representao infinita.
Dado um nmero entre O e 1 no sistema decimal, como obter sua representao

binria?
Considerando o nmero r = 0.125, existem dgitos binrios: dl' di, d;- tais que
(O. dtdidrh ser sua representao na base 2.
Assim,
(0.125)10 = d 1 X :Z-1 +<X 2- 2 + ... + dj X

.
Z--, + ...
Multiplicando cada termo da expresso acima por 2 teremos:
2 X 0.125 = 0.250 = 0 + 0.25 = d 1 + ~ X :z-l + ' X Z-2 + + dj X z-j + I + ...

e, portanto , d 1 representa a parte inteira de 2 x 0 .125 que igual a zero e d 2 x 2- 1 +

d 3 x 2- 2 + ... + dj x z-j + 1 + ... representa a parte fracionria de 2 x 0.125 que 0.250.
Aplicando agora o mesmo procedimento para 0.250, teremos:
0 .250
1 = d 2 X z-l + d3 X Z-2 + ... + d. X 2"i + l + ... => 2 X 0.250 : 0.5 =
= d2 + d3 X z-l + d4 X 2- 2 + .~. + dj X 2-J + 2 + ... => d2 =0
e repetindo o processo para 0.5:
0.5 = d 3 X z-l + d 4 X Z-2 + ... + dj X z-j + 2 + ... =:"

2 X 0.5 = 1.0 =d3 + d4 X 2- l + ... + dj X 2-J + J + ... => d3 = 1
Como a parte fracionria de 2 x 0 .5 zero, o processo de converso termina, e teremos:

d 1 = O, d 2 = O e d 3 = 1 e, portanto, o nmero (0.125) 10 tem representao finita na base
2: (O.OOl)i
Um nmero real entre O e 1 pode ter representao finita no sistema decimal, mas
representao infinita no sistema binrio.
No caso geral, seja rum nmero entre O e 1 no sistema decimal e (O. d1d2 ...d;-..)2 sua
representao no sistema binrio.
Os dgitos binrios dl' , ..., d;, ... so obtidos atravs do seguinte algoritmo:
P asso O: r1 = r; k = 1
Passo 1: Calcule 2rk.

Se 2rk ;;;?,- l , faa: d"= 1,
caso contrrio, faa: dk = O
Passo 2: Faa rk + 1 = 2 rk - dk.

Se rk + 1 = O, pare.
Caso contrrio:
Passo 3 : k = k + 1.
Volte ao passo 1.
Observar que o algoritmo pode ou no parar aps um nmero finito de passs.

Parar = (0.125)i0 teremos r4 =O. J para r = (0.1) 10, teremos: r1 = 0.1
k =l 2r1 = 0.2 ::::,

dl = o
r2 = 0.2
k=2 2r2 = 0.4 ::::, d2 = 0

r3 = 0.4
k= 3 2r3 = 0.8 ::::, d3 = 0

r4 = 0.8
k=4 2r4 = 1..6 ::::,

d4 = 1
f5 = 0.6
k= 5 2r 5 = 1.2 ::::,
ds = 1
r6 = 0.2 = r2
Como r 6 = r 2, teremos que os resultados para k de 2 a 5 se repetiro e ento:

r 10 = r6 = r2 = 0.2 e assim indefinidamente.
Conclumos que:
(0.1)10 = (0.000 11001100110011 ... )2
e, portanto, o nmero (0.1)10 no tem representao binria finjta.
O fato de um O'mero no ter representao finita no sistema binrio pode acar-

retar a ocorrncia de erros aparentemente inexplicveis em clculos efetuados em sistemas
computacionais binrios.
Analisando o Exemplo 2 da Seo 1.2 e usando o processo de converso descrito

anteriormente, temos que o nmero (0.5) 10 tem representao finita no sistema binrio:
(0.l)i; j o nmero (0.11) 10 ter representao infinita:
(0.00011 1000010100011110101110000101000111101 ...)i
Um computador que opera no sistema binrio ir armazenar uma aproximao

para (0.11)10, uma vez que possui uma quantidade fixa de posies para guardar os dgitos
da mantissa de um nmero, e esta aproximao ser usada para realizar os clculos. No se
pode, portanto, esperar um resultado exato.
Considere agora um nmero entre O e 1 representado no sistema binrio:
Como obter sua representao no sistema decimal?
Um processo para converso equivalente ao que descrevemos anteriormente.

Definindo r 1 = r, a cada iterao k, o processo de converso multiplica o nmero r k
por (10)10 = (1010)z e obtm o dgito bk como sendo a parte inteira deste produto conver-
tida para a base decimal. importante observar que as operaes devem ser efetuadas no
sistema binrio, [26). O algoritmo a seguir formaliza este processo.
Passo O: r1 -- r' k -- l
Passo 1: Calcule wk = (1010)z x rk.

Seja ~aparte inteira de wk
bk a converso de ; para a base 10.
Passo 2: Faa rk + 1 = wk - zk
Se rk + 1 = O, pare.
Passo 3 : k=k+l.
Volte ao passo 1.
Por exemplo, considere o nmero:
Seguindo o algoritmo, teremos:
r1 = (0.000111) 2;
w 1 = (1010)z x r1 = 1.00011 = b1 = 1 e r2 =0.00011;
W : (1010)z X r :
2 2
0.1111 = b2 = O e r 3 = 0.1111;
W3 = (lOlO)z x f3 = 1001.011 = b 3 = 9 e r4 = 0.011;
W 4 = (1010)z X r4 = 11.11 = b 4 =3 e r5 =0.11;
w 5 = (1010) 2 X r5 = 111.1 = b5 =7 e r6 =0.1 ;
w 6 = (1010)2 x r6 = 101 = b 6 = 5 e r7 = O;
Portanto (O.OOOlll)z = (0.109375)10

1O Clculo Numrico Cap. 1
Podemos agora entender melhor por que o resultado da operao
30000
S = ~ 0.11
i 1
no obtido exatamente num computador. J vimos que (0.11)10 no tem representao

finita no sistema binrio. Supondo um computador que trabalhe com apenas 6 dgitos na
mantissa, o nmero (0.11)10 seria armazenado como (0.000111)2 e este nmero representa
exatamente (0.109375\0 . Portanto, todas as operaes que envolvem o nmero (0.11) 10
seriam realizadas com esta aproximao. Veremos na prxima seo a representao de
nmeros em aritmtica de ponto flutuante com o objetivo de se entender melhor a causa
de resultados imprecisos em operaes numricas .
..
1.2.2 ARITMETICA DE PONTO FLUTUANTE
Um computador ou calculadora representa um nmero real no sistema denominado aritm-

tica de ponto flutuante. Neste sistema, o nmero r ser representado na forma:
onde:
13 a base em que a mquina opera;
t o nmero de dgitos na mantissa; O o,;; di o,;; (13 - 1), j = 1, ..., t, d1 ;,,l O;
e o expoente no intervalo [l, u] .
Em qualquer mquina, apenas um subconjunto dos nmeros reais representado

exatamente, e, portanto, a representao de um nmero real ser realizada atravs de trun-
camento ou de arredondamento.
Considere, por exemplo, uma mquina que opera no sistema:
j3 = 10; t = 3; e E [-5, 5].

Os nmeros sero representados na seguinte forma nesse sistema:
O menor nmero, em valor absoluto, representado nesta mquina :
m = 0.100 X 10-5 = 10-6

e o maior n6mero, em valor absolato, :
M = 0.999 x 105 = 99900
Considere o conjunto dos nmeros reais R e o seguinte conjunto:
G = {x E R I m ~ 1x 1 ~ M}
Dado um nmero real x, vrias situaes podero ocorrer:
Caso 1) x E (j :
por exemplo: x = 235.89 = 0.23589 x 103. Observe que este nmero possui 5
dgitos na mantissa. Esto representados exatamente nesta mquina os nmeros:
0 .235 x 103 e 0.236 x 103 . Se for usado o truncamento, x ser representado
por 0.235 x 103 e, se for usado o arredondamento, x ser representado por
0.236 x 103 (o truncamento e o arredondamento sero estudados na Seo 1.3.2.);
Caso 2) 1 x 1 < m:
por exemplo: x = 0.345 x 10-7 . Este nmero no pode ser representado nesta
mquina porque o expoente e menor que -5. Esta uma situao em que
a mquina acusa a ocorrncia de underflow;
Caso 3) 1 x 1 > M:
por exemplo: x = 0.875 x 109 . Neste caso, o expoente e maior que 5 e a mquina
acusa a ocorrncia de overflow.
Algumas linguagens de programao permitem que as variveis sejam declaradas

em preciso dupla. Neste caso, esta varivel ser representada no sistema de aritmtica de
ponto flutuante da mquina, mas com aproximadamente o dobro de dgitos disponveis na
mantissa. importante observar que, neste caso, o tempo de execuo e requerimentos de
memria aumentam de forma significativa.
O zero em ponto flutuante , em geral, representado com o menor expoente

possvel na mquina. Isto porque a representao do zero por uma mantissa nula e um
expoente qualquer para a base ~ pode acarretar perda de dgitos significativos no resultado
da adio deste zero a um outro nmero. Por exemplo, em uma mquina que opera na base
10 com 4 dgitos na mantissa, para x = 0.0000 x 104 e y = 0.3134 x 10-2 o resultado de
x + y seria 0.3100 x 10-2, isto , so perdidos dois dgitos do valor exato y. Este resultado
se deve forma como efetuada a adio em ponto flutuante, que estudaremos na
Seo 1.3.3.
Exemplo 3
Dar a representao dos nmeros a seguir num sistema de aritmtica de ponto flutuante de
trs dgitos para~ = 10, m = -4 e M = 4.
X Representao obtida Representao obtida

por arredondamento por truncamento
1.25 0.125 X 10 0.125 X 10

10.053 0.101 X 102 0.100 X 102
- 238.15 -0.238 X }()3 -0.238 X }()3
2.71828 ... 0.272 X 10 0.271 X }Q
0.000007 (expoente menor que -4) =

718235.82 (expoente maior que 4) =
1.3 ERROS
1.3. 1 ERROS ABSOLUTOS E RELATIVOS
No Exemplo 1 da Seo 1.2, diferentes resultados para a rea da circunferncia foram

obtidos, dependendo da aproximao adotada para o valor de 1t.
Definimos como erro absoluto a diferena entre o valor exato de um nmero x e

de seu valor aproximado x: ~ = x - x.
Cap. 1 Noes bdsicas sobre erros 13
Em geral, apenas o valor x conhecido, e, neste caso, impossvel obter o valor

exato do erro absoluto. O que se faz obter um limitante superior ou uma estimativa para
o mdulo do erro absoluto.
Por exemplo, sabendo-se que 1t E (3 .14, 3.15) tomaremos para 1t um valor dentro
deste intervalo e teremos, ento, 1 ~ 1 = 1 n; - 1t 1 < 0.01.
Seja agora o nmero x representado por x;; 2112.9 de tal forma que IE"I < 0 .1,
ou seja, x E (2112.8, 2113) e seja o nmero y representado por y = 5.3 de tal forma que
1EAyl < 0.1, ou seja, y E
(5.2, 5.4). Os limitantes superiores para os erros absolutos so os
mesmos. Podemos dizer que ambos os nmeros esto representados com a mesma preciso?
preciso comparar a ordem de grandeza de x e y. Feito isto, fcil concluir que

o primeiro resultado mais preciso que o segundo, pois a ordem de grandeza de x maior
que a ordem de grandeza de y. Ento, dependendo da ordem de grandeza dos nmeros
envolvidos, o erro absoluto no suficiente para descrever a preciso de um clculo. Por
esta razo, o erro relativo amplamente empregado.
O erro relativo definido como o erro absoluto dividido pelo valor aproximado:
Ei\ X - X
- ----=--
X
-= -X
No exemplo anterior, temos
lI 01
1 ERy 1 - Iy I < 5:3 0.02,
confirmando, portanto, que o nmero x representado com maior preciso que o nmero y.
14 Cdlculo Nwntrico Cap. 1
1.3.2 ERROS DE ARREDONDAMENTO

.. E TRUNCAMENTO EM UM
SISTEMA DE ARITMETICA DE PONTO FLUTUANTE
Vunos na Seo 1.2 que a representao de um nmero depende fundamentalmente da

mquina utilizada, pois seu sistema estabelecer a base numrica adotada, o total de dgitos
na mantissa etc.
Seja um sistema que opera em aritmtica de ponto flutuante de t dgitos na base

10, e seja x, escrito na forma
X=~ X l Q'! + Sx X l()H Onde 0.1 ,s;; fx < 1 e O ,s;; gx < 1.
Por exemplo, se t = 4 ex = 234.57, ento
x = 0 .2345 x lc>3 + 0.7 x 10-1, donde fx = 0.2345 e Sx = 0.7.
claro que na representao de x neste sistema Sx x 1oe-t no pode ser incorpo-

rado totalmente mantissa. Ento, surge a questo de como considerar esta parcela na
mantissa e definir o erro absoluto (ou relativo) mximo cometido.
Vunos na Seo 1.2.2 que podem ser adotados dois critrios: o do arredondamento
e o do truncamento (ou cancelamento).
No truncamento, gx x 1oe-1 desprezado e i = fx x l<Y. Neste caso, temos
1~I = 1X - X 1= 1Sxl X 1oe-t < 1oe-1, visto que 1~I < 1
l~I
IE~ I - lxl - <
l()t'-1
0.1 X l oe
= 10-1+ 1
visto que 0.1 o menor valor possvel para f,.-
No arredondamento, fx modificado para levar em considerao Sx A forma de

arredondamento mais utilizada o arredondamento simtrico:
1
se I Sx 1< 2
-X
se 18x 1;?: ~
Cap. l Nou bsicas sobre erros 15
Portanto se I gxl < ~. gx desprezado, caso contrrio, somamos o nmero 1 ao

ltimo dgito de~.
Ento, se I gxl < ~ teremos
l~I = 1~ 1 X loe-t <

0.5 X 1(1-l
-
1
10-t+ 1
IE~I - lil 1 ~ 1 x 1oe 0.1 x 1oe 2
X
E se 1&xi ;a,: 1/2, teremos
1E"I =1X - X 1=1(fx X 1<1 + &x X 1<1 + 1oe-1r1

lOe-t) - (fx X
1
= 1~ X loe-' - 1oe-t 1= 1(8x - 1) 1 X 10M ~ 2 X 1oe-t
1~ 1 1/2 X 1 oe-t
IE~I - 1-xl ~ ---'--- --
1fX X 1(1 + loe-11
<
< 1/ 2 X 1oe-t l X 10-t + 1

0.1 X }(1 2
Portanto, em qualquer caso teremos
1 _1 1
1~ 1 ~ x 1<1 e I E~ 1< x 10-1 + 1
2 2
Apesar de incorrer em erros menores, o uso do arredondamento acarreta um

tempo maior de execuo e por esta razo o truncamento mais utilizado.
16 C6lculo Numrico Cap. 1
1.3.3 ANLISE DE ERROS NAS OPERAES

ARITMTICAS DE PONTO FLUTUANTE
Dada uma seqncia de operaes, como, por exemplo, u = [(x + y) - z - t] + w,

importante a noo de como o erro em uma operao propaga-se ao longo das operaes
subseq ilentes.
O erro total em uma operao composto pelo erro das parcelas ou fatores e pelo
erro no resultado da operao.
Nos exemplos a seguir, vamos supor que as operaes so efetuadas num sistema
de arilmtica de ponto flutuante de quatro dgitos, na base 10, e com acumulador de preci-
so dupla.
Exemplo 4
Dados x = 0.937 x 10" e y = 0.1272 x 102, obter x + y.

A adio em aritmtica de ponto flutuante requer o alinhamento dos pontos deci-
mais dos dois nmeros. Para isto, a mantissa do nmero de menor expoente deve ser
deslocada para a direita. Este deslocamento deve ser de um nmero de casas decimais igual
diferena entre os dois expoentes.
Alinhando os pontos decimais dos valores acima, temos
X = 0.937 X 104 e y = 0.001272 X 104
Ento,
X +y = (0.937 + 0.001272) X 10" = 0.938272 X !C>4.

Este o resultado exato desta operao. Dado que em nosso sistema t igual a 4,
este resultado dever ser arredondado ou truncado.
Ento, x + y = 0.9383 x 104 no arredondamento e x + y = 0.9382 x 104 no

truncamento.
Exemplo 5
Sejam x e y do Exemplo 4. Obter xy:
XY = (0.937 X }04) X (0.1272 X 102)

= (0 .937 X 0.1272) X 106 :
= 0.1191864 X 106 .
Ento, xy =0.1192 x 16, se for efetuado o arredondamento, e xy =0.1191 x l6, se

for efetuado o truncamento.
Os Exemplos 4 e 5 mostram que ainda que as parcelas ou fatores de uma operao

estejam representados exatamente no sistema, no se pode esperar que o resultado armaze-
nado seja exato.
Na maioria dos sistemas, o resultado exato da operao que denotaremos por OP

normalizado e em seguida arredondado ou truncado para t dgitos, obtendo assim o
resultado aproximado P que armazenado na memria da mquina
Ento, conforme vimos na Seo 1.3.2, o erro relativo no resultado de uma opera-
o (supondo que as parcelas ou fatores esto representados exatamente) ser:
no truncamento
1 1(1{ ... 1
1E ROP 1 < -2 X no arredondamento.
Veremos a seguir as frmulas para os erros absoluto e relativo nas operaes

aritmticas com erros nas parcelas ou fatores.
Vamos supor que o erro final arredondado.
Sejam x e y, tais que x = i + ~ e y = y + E.\

Adio: x +y
x +y =(x + ~ ) + (y + E.\,) =(x + y) + <Mx + E~).
Ento, o erro absoluto na soma, denotado por E~ ... Y a soma dos erros absolutos
das parcelas:
O erro relativo ser:
E~+ y - x + y - x x +x y) + ~
_ E~ +y _ E~ ( ( y )-
y x+ y -
( )
-- E~ _ X- _ + ER _ -y _ .
X+ y - --y X+ y
( )
Subtrao: x- y
Analogamente temos :
_ "'x
EA-EAy_ ~ X _ Y) .
ERx -y - x- y - x --y) ~-
x- y
Multiplicao: xy
xy = (x + EAx)(y + EAY) =
= X y + X EAY+ y EAX+ (EAX){EAY)
Considerando que (EAx)(EAY) um nmero pequeno, podemos desprezar este

termo na expresso acima.
Teremos ento EAxy .,. x EAY + y BAx
xEAy + yE~ E~ EA
E~ Y "" __
X y
=--=-
X
+ =:?-
y = E~+ ER
- --y
.
Diviso: xfy
1
Representando o fator sob a forma de uma srie infinita, teremos
1+ E> y
2 3
_ _l_ = l _ E;y (Erl -(E;YJ
+ + ...
l+E~
y
e desprezando os termos com potncias maiores que 1, teremos
X X+ E~
- ""
y y
Ento
. - E" - xE~ - yE" - xE'\,

Assim, E"/y - -y .,2
y - -
y2
ER
4'x/y (
yE" -
::: - - -y2- " - ~
X
xE~)- = -=-
E" - EA =
X
=;;y_
y ER
4'x
- ER
--y
Escrevemos todas essas frmulas sem considerar o erro de arredondamento ou

truncamento no resultado final.
A anlise completa da propagao de erros se faz considerando os erros nas
parcelas ou fatores e no resultado de cada operao efetuada.
Exemplo 6
Supondo que x, y, z e t estejam representados exatamente, qual o erro total no clculo
deu= (x + y)z - t? (Calcularemos o erro relativo e denotaremos por RA o erro relativo de
arredondamento no resultado da operao.)
Seja s = x + y. O erro relativo nesta operao ser:
X X
ERS - ERX (- + -)
y + ER
--y (- y -)
X + y + RA - o+ RA .
Assim, 1ER5I = 1RA 1< ; x to-t + 1.
Calculando agora s x z, teremos m = s x z, e o erro relativo desta operao ser:
Ento,
1 1 1
1ERm 1:s:; 1RA6 1+ 1RA 1< x 10-t + + x 10-I + 1 = 10-1 + 1.
2 2
Calcularemos u = m - t e o erro relativo desta operao ser:
E~=
E.\n
-
- -~ +RA-
~ (-
E.\n-+RA- -=- m
-
)
+RA
m - t m-t m m - t
.. ERm (-iii -)
m - t + RA.
Ento,
m
+ RA < 10-1 + 1 -m- + -1 X 10-1 + 1
m-T m -T 2
Finalmente,
Cap. 1 Noes bsicas SQbre erros 21
Exemplo 7
Vimos que dados x, y e z = x - y, ento:
ERZ -
EAx-fu\, EAx(
X- y - X X- y - y
i) ~(i y)
- y .
Se x e y so nmeros positivos arredondados, ento:
8" <.!X 10-t+l e -y

1
< 2 X 10-t + 1.
X 2
claro que se x - y, ento o erro relativo em z pode ser grande, como por
exemplo, se x = 0.2357 x 103 e y = 0.2353 x 103, ento z =x - y =0.0004 x 103 e isto
denominado cancelamento subtrativo.
O erro relativo em z limitado superiormente por:
1 E}\ 1 < (0.2357 X 1<>3 + 0.2353 X 1<>3) X .! X 10-3 (t - 4) ~

0.0004 X l(P 2
=:> 1 E~ 1 < 0.5888 59%.
Este erro relativo propagado nas prximas operaes (pois cada expresso para
o erro relativo depende do erro relativo em cada parcela ou fator).
Por exemplo, para w = zt, se t =0.4537 x 103 teremos w = 0.1815 x 1C>3 e
1
1ERw 1 ~ 1ER.z 1 + 1~ 1 < 0.59 + 2 X 10-3 - 0.5905 - 59%.
Desta forma, o cancelamento subtrativo pode dar origem a grandes erros nas
operaes seguintes.
EXERCCIOS
1. Converta os seguintes nmeros decimais para sua forma binria:
X= 37 y = 2345 z = 0.1217
2. Converta os seguintes nmeros binrios para sua forma decimal:
X = (101101)2 y = (110101011h
z = (0.llOl)i w = (O.lllllllOl)i
3. Seja um sistema de aritmtica de ponto flutuante de quatro dgitos, base decimal e com
acumulador de preciso dupla. Dados os nmeros:
X= 0.7237 X 104 y = 0.2145 X 10-3 e Z = 0.2585 X 101
efetue as seguintes operaes e obtenha o erro relativo no resultado, supondo que x, y

e z esto exatamente representados:
a) X+ y+ Z d) (xy)/z
b) X - y- Z e) x(y/z)
e) x/y
4. Supondo que x representado num computador por i , onde x obtido por arredo nda-
mento, obtenha os limites superiores para os erros relativos de u = 2x e w = x + x.
5. Idem para u =3x e w =x + x + x.
6. Sejam x e y as representaes de x e y obtidas por arredondamento em um computador.

Deduza expresses de limitante de erro para mostrar que o limitante do erro relativo de
u = 3 xy menor que o de v = (x + x + x) y.
7. Verifique de alguma forma que, se rF tem representao finita na base 2 com k dgitos,
ou seja, rF = (O. d1didk)2, ento sua representao na base 10 tambm finita com k
dgitos.
8. interessante observar que a adio em aritmtica de ponto flutuante nem sempre

associativa. Prova-se que dados n nmeros xl' x 2 , ., xn representados exatamente, o
limite do erro total devido ao arredondamento na soma S = x 1 + x2 + ... x 0 :
1
1 EA8 I ~ [(n - l )x1 + (n - l)x2 + (n - 2)x3 + ... 2xn-1 + x 0 ] x x 10-t + 1.
2
a) Faa n = 5 e prove que esta relao verdadeira.
b) Analise cuidadosamente a expresso acima e verifique que, dados n nmeros, o
erro total ser menor se forem ordenados em ordem crescente antes de serem
somados.
9. Considere uma mquina cujo sistema de representao de nmeros definido por:

~ = 10, t = 4, l =- 5 e u = 5. Pede-se:
a) qual o menor e o maior nmero em mdulo representados nesta mquina?

b) como ser representado o nmero 73.758 nesta mquina, se for usado o arredon-
damento? E se for usado o truncamento?
e) se a= 42450 e b = 3 qual o resultado de a+ b?
d) qual o resultado da soma
10
s = 424so + I 3
k- 1
nesta mquina?
e) idem para a soma:

10
s .. I 3 + 4z4so.
k-1
(Obviamente o resultado deveria ser o mesmo. Contudo, as operaes devem ser

realizadas na ordem em que aparecem as parcelas, o que conduzir a resultados
distintos).
/) o resaltado da operao: wz/t pode ser obtido de vrias maneiras, bastando modificar
a ordem em que os cJculos so efetuados. Para determinados valores de w, z e t, uma
seqncia de clculos pode ser melhor que outra. Faa uma anJise para o c aso em
que w = 100. z = 3500 e t =7.
10. Escreva um programa em alguma linguagem para obter o resultado da seguinte ope-
rao:
S = 10000 - L x
k=I
para: a) n = 100000 ex = 0.1; b) n = 8000() e X = 0.125.
PROJETOS
1. PRECISO DA MQUINA
A preciso da mquina definida como sendo o menor nmero positivo e m aritmtica de ponto
flutuante e, tal que (1 + e) > 1. Este nmero depende totalmente do sjstema de representao da
mquina: base numrica, total de dgitos na mantissa, da forma c omo so realizadas a s
operaes e do compilador utilizado. importante conhecermos a preciso da mquina porque
em vrios algoritmos precisamos fornecer como dado de entrada om valor positivo, prximo de
zero, para ser usado em testes de comparao com zero.
O algoritmo a seguir estima a preciso da mquina:
Passo 1: A = 1;
s = 2:
Passo 2: Enquanto (s) > l , faa:
A = A/2
s = 1 + A;
Passo 3: Faa Prec = 2A e imprima Prec.

Cap. 1 Noes bsicas sobn erros 25
a) Teste este algoritmo escrevendo um programa usando uma linguagem co nhecida.

Declare as variveis do programa em preciso simples e execute o programa; em
seguida, declare as variveis e m preciso dupla e execute novamente o programa.
b) Interprete o passo 3 do algoritmo, isto , por que a aproximao para Prec

escolhida como sendo o dobro do ltimo valor de A obtido no passo 2?
e) Na definio de preciso da mquina, usamos como referncia o nmero 1. No

algoritmo a seguir, a varivel VAL um dado de entrada, escolhido pelo usurio:
Passo 1: A= 1;
s = VAL+ A;
Passo 2: Enquanto (s) > VAL. faa:
A=A/2
s=VAL+A
Passo 3: Faa Prec = 2A e jmprima Prec.
c.l ) Teste seu programa atribuindo para VAL os nmeros: 10, 17, 100, 184,
1000, 1575, 10000, 17893.
c. 2) Para cada valor diferente para VAL, imprima o valor correspondente ob-
tido para Prec. Justifique por que Prec se altera quando VAL modificado .
2. CLCULO DE ex
Escreva um programa em uma linguagem conhecida, para calcular ex pela srie de Taylor com
n termos. O valor de x e o nmero de termos da srie, n, so dados de entrada deste programa.
Para valores negativos de x, o programa deve calcular ex de duas formas: em uma delas o valor
de x usado diretamente na srie de Taylor e, na outra forma, o valor usado na srie y = -:x,
1
e. em seguida, c alcula-se o valor de ex atravs de 1/ex.
a) Teste seu programa com vrios valores de x (x prximo de zero e x distante de

z.ero) e, para cada valor de x, teste o clculo da srie com vrios valores de o.
Analise os resultados obtidos.
26 Clculo Numrico Cap. J
b) Dificuldades com o clculo do fatorial:
O clculo de k! necessrio na srie de Taylor pode ser feito de modo a evitar

a ocorrncia de overflow. Os clculos podem ser organizados de modo a se
evitar o "estouro" no clculo de k! ; para isto preciso analisar cuidadosamen-
te o k-simo termo xk/k! , tentar misturar o clculo do numerador e do deno-
minador e realizar divises intermedirias. Estude uma maneira de realiz.ar
esta operao de modo a evitar que k! estoure.
e) Com a modificao do item (b), a srie de Taylor pode ser calculada com
quantos termos se queira. Qual seria um critrio de parada para se interromper
o clculo da srie?
MAK.RON
Books
CAPTULO rn
ZEROS REAIS DE FUNES REAIS
2. 1 INTRODUO
Nas mais diversas reas das cincias exatas ocorrem, freqentemente, situaes que envol-
vem a resoluo de uma equao do tipo f(x) = O.
Consideremos, por exemplo, o seguinte circuito:
+
V= g(i)
Figura 2.1
A figura acima representa um dispositivo no linear, isto , a funo g que d a

tenso em funo da corrente no linear. Dados E e R e supondo conhecida a caracterstica
do dispositivo v = g(i), se quisermos saber a corrente que vai fluir no circuito temos de
resolver a equao E - Ri - g(i) = O (pela lei de Kirchoft). Na prtica, g(i) tem o aspecto de
um polin.m io do terceiro grau.
27
Queremos ento resolver a equao f(i) =E - Ri - g() =O.

O objetivo deste captulo o estudo de mtodos numricos para resoluo de
equaes no lineares como a acima.
Um nmero real ~ um zero da funo f(x) ou uma raiz da equao f(x) = O

se f~) = O.
Em alguns casos, por exemplo, de equaes polinomiais, os valores de x que

anulam f(x) podem ser reais ou complexos. Neste captulo, estaremos interessados somente
nos zeros reai5 de f(x).
.
uma curva mtercepta o eixo -
Graficamente, os zeros reais so representados pelas abcissas dos pontos onde
. ox.
f(x) f(x)
(a) (b)
(e)
Figura 2.2
Cap. 2 Zeros reais de funes reais 29
Como obter razes reais de uma equao qualquer?
Sabemos que, para algumas equaes, como por exemplo as equaes polinomiais
de segundo grau, existem frmulas explcitas que do as razes em funo dos coeficientes.
No entanto, no caso de polinmios de grau mais alto e no caso de funes mais compli-
cadas, praticamente impossvel se achar os zeros exatamente. Por isso, temos de nos
contentar em encontrar apenas aproximaes para esses zeros; mas isto no uma limitao
muito sria, pois, com os mtodos que apresentaremos, conseguimos, a menos de limitaes
de mquinas, encontrar os zeros de uma funo com qualquer preciso prefixada.
A idia central destes mtodos partir de uma aproximao inicial para a raiz e
em seguida refinar essa aproximao atravs de um processo iterativo.
Por isso, os mtodos constam de duas fases:
FASE I: Localizao ou isolamento das razes, que consiste em obter um interva-

lo que contm a raiz;
FASE Il: Refinamento, que consiste em, escolhidas aproximaes iniciais no

intervalo encontrado na Fase I, melhor-las sucessivamente at se obter uma
aproximao para a raiz dentro de uma preciso E prefixada.
2.2 FASE 1: ISOLAMENTO DAS RAZES
Nesta fase feita uma anlise terica e grfica da funo f(x). importante ressaltar que o
sucesso da Fase fI depende fortemente da preciso desta anlise.
Na anlise terica usamos freqentemente o teorema:
TEOREMA 1
Seja f(x) uma funo contnua num intervalo [a, b].
Se f(a)f(b) < O ento existe pelo menos um ponto x = 1; entre a e b que zero
de f(x).
GRAFICAMENTE
f(x) f(x)
f(x)
Figura 2.3
Conforme vemos, a interpretao grfica deste teorema extremamente simples

(e uma demonstrao deste resultado pode ser encontrada em (11]).
OBSERVAO
Sob as hipteses do teorema 'anterior, se f ' (x) existir e preservar sinal em ( a, b), ento este
intervalo contm um nico zero de f(x).
GRAFICAMENTE
f(x)
X )(
f'(x) > O, Vx E[a, b] f'(x) < O, Vx E [a. b]
Figura 2.4
Uma forma de se isolar as razes de f(x) usando os resultados anteriores tabelar

f(x) para vrios valores de x e analisar as mudanas dle sinal de f(x) e o sinal da derivada
nos intervalos em que f(x) mudou de sinal.
Exemplo 1
a) f(x) = .x3 - 9x + 3
Construindo uma tabela de valores para f(x) e considerando apenas os sinais,

temos:
- 00 - 100 -10 -5 -3 -1 o 1 2 3 4 5
f(: ) i - + + + + + +
Sabendo que f(x) continua para qualquer x real e observando as variaes de

sinal, podemos concluir que cada um dos intervalos 11 = (- 5, - 3], 12 = [O, 1] e 13 = [2, 3]
contm pelo menos um zero de f(x).
Como f(x) polinmio de grau 3, podemos afirmar que cada intervalo contm um
nico zero de f(x); assim, localizamos todas as razes de f(x) = O.
b) f(X) : VX - se-X
Temos que D(t) = R+ (D(t) domnio de f(x))
Construindo uma tabela de valores com o sinal de f(x) para determinados valores
de x temos:
X o 1 2 3
f(x) + +
Analisando a tabela, vemos que f(x) admite pelo menos um zero no intervalo
(1, 2).
Para se saber se este zero nico neste intervalo, podemos usar a observao
anterior, isto , analisar o sinal de f' (x):
f '(x) -
1 + Se- x > O,
2vx \:f x >O.
Assim, podemos concluir que f(x) admite um .nico zero em todo seu domnio de
definio e este zero est no intervalo (1, 2).
OBSERVAO
Se f(a)f(b) > O ento podemos ter vrias situaes no intervalo [a, b], conforme mostram os
grficos:
f(x)
a b X
f(x) f(x)
a b X
Figura 2.5
A anlise grfica da funo f(x) ou da equao f(x) = O fundamental para se

obter boas aproximaes para a raiz.
Para tanto, suficiente utilizar um dos seguintes processos:
i)
.
curva intercepta -
esboar o grfico da funo f(x) e localizar as abcissas dos pontos onde a
. ox;
o eixo
ii) a partir da equao f(x) = O, obter a equao equivalente g(x) = h(x),
esboar os grficos das funes g(x) e h(x) no mesmo eixo cartesiano e
localizar os pontos x onde as duas curvas se interceptam, pois neste caso
f(!;) = o <:;> g(!;) = h(!;);
iii) usar os programas que traam grficos de funes, disponveis em algumas
calculadoras ou softwares matemticos .
34 Clculo Numriw Cap. 2
O esboo do grfico de uma funo requer um estudo detalhado do comportamento

desta funo, que envolve basicamente os itens: domnio da funo; pontos de descontinui-
dade; intervalos de crescimento e decrescimento; pontos de mximo e mnimo; concavida-
de; pontos de inflexo e assntotas da funo.
Este esquema geral de anlise de funes e construo de grficos encontrado

em [16] e [20].
Exemplo 2
a) f(x) = x3 - 9x + 3
Usando o processo (i), temos:
f(x) = x3 - 9x + 3
f(x) f ' (x) =3x2 - 9
f ' (x) = <:>X= :t: v'3
X f(x)
-4 - 25
-3 3
-v'3 13.3923
-1 11
o 3
1 -5
-4 ~1 -3 -2 -1 1 4 X v'3 -7.3923
2 -7
3 3
; 1 E(-4, -3)
; 2 E(O, 1)
;3 E(2, 3)
Figura 2.6
E, usando o processo (ii): da equao x3 - 9x + 3 = O, podemos obter a equao

equivalente x3 = 9x - .3. Neste caso, temos g(x) = x3 e h{x) = 9x - 3. Assim,
h(x)
-4 -3 2 3 4 X
;, E(-4, -3)
;
2
E(O, 1)
;3 E (2, 3)
Figura 2.7
b) f(x) = vi - s e-x
Neste caso, mais conveniente usar o processo (ii):
vi - se- X: <=> rx : se-X ~ g(X) : VX e b(X) : se-X
h(x)
~ E(1 , 2)
1 ~ 2 3 4 X
Figura 2.8
e) f(x) = xlog(x) - 1
Usando novamente o processo () temos que
1
xlog(x) - 1 =O <=> log(x) = -
X
=:> g(x) = log(x) e h(x) =-X1
h(x)
g(x)
4 5 X
!; E(2 , 3)
Figura 2.9
2.3 FASE li: REFINAMENTO
Estudaremos neste item vrios mtodos numricos de refinamento de raiz. A forma como se
efetua o refinamento que diferencia os mtodos. Todos eles pertencem classe dos
mtodos iterativos.
Um mtodo iterativo consiste em uma seqncia de instrues que so executadas
passo a passo, algumas das quais so repetidas em ciclos.
A execuo de um ciclo recebe o nome de iterao. Cada iterao util iza resuJ-
tados das iteraes anteriores e efetua determinados testes que permitem verificar se foi
atingido um resultado prximo o suficiente do resultado esperado.
Observamos que os mtodos iterativos para obter zeros de funes fornecem
apenas uma aproximao para a soluo exata.
Os mtodos iterativos para refinamento da aproximao inicial para a raiz exata
podem ser colocados num diagrama de fluxo :
Incio
Dados inicias
Clculos iniciais
k=1
Calcular a nova
aproximao
..>--s., Clculos
finais
Fim
Clculos intermedirios
k = k+1
Figura 2.10
2.3. 1 CRITRIOS DE PARADA
Pelo diagrama de fluxo verifica-se que todos os mtodos iterativos para obter zeros de
funo efetuam um teste do tipo:
xk est suficientemente prximo da raiz exata?
Que tipo de teste efetuar pa.ra se verifica.r se xk est suficientemente prximo da
raiz exata? Para isto preciso entender o significado de raiz aproximada.
Existem duas interpretaes para raiz aproximada que nem sempre levam ao
mesmo resultado:
x rai.z aproximada com preciso E se:

i) lx - ; l<E OU
ii) 1 f(x) 1 < E.
Como efetuar o teste (i) se no conhecemos;?
Uma forma reduzir o intervalo que contm a raiz a cada iterao. Ao se conse-
guir um intervalo [a, b) tal que:
; E e(a,b]
b - a < e
l ento\/ x E [a, b], 1 x - ; 1 <E . Portanto, 'ti' x E [a, b) pode ser
tomado como x
f(x)
Figura 2.11
Nem sempre possvel ter as exigncias (i) e (ii) satisfeitas simultaneamente. Os

grficos a seguir ilustram algumas possibilidades:
f(x} em x tem-se ~(x)I < e f(x)

lx - !;I < e mas jf(x}I >> e
mas lx" - !;I >> e
x X X
(a) (b )
f(x)
lx-1;1 < e
ltCx>I < e
(e}
Figura 2.12
Os mtodos numricos so desenvolvidos de forma a satisfazer pelo menos um

dos critrios.
Observamos que, dependendo da ordem de grandeza dos nmeros envolvidos,

aconselhvel usar teste do erro relativo, como por exemplo, considerar i como aproximao
de; se j fr} l < E onde L = 1 f(x) 1 para algum x escolhido numa vizinhana de;.
Em programas computacionais, alm do teste de parada usado para cada mtodo,

deve-se ter o cuidado de estipular um nmero mximo de iteraes para se evitar que o
programa entre em "looping" devido a erros no prprio programa ou inadequao do
mtodo usado para o problema em questo.
Cap. 2 Zeros reais de funes reas 41
2.3.2 MTODOS ITERATIVOS PARA SE OBTER

ZEROS REAIS DE FUNES
1. MTODO DA BISSECO
Seja a funo f(x) contnua no intervalo [a, b) e tal que f(a)f(b) < O.
Vamos supor, para simplificar, que o intervalo (a, b) contenha uma nica raiz da
equao f(x) = O.
O objetivo deste mtodo reduzir a amplitude do intervalo que contm a raiz at
se atingir a preciso requerida: (b - a)< E, usando para isto a sucessiva diviso de [a, b]
ao meio.
GRAFICAMENTE
f(X)
b = b0 X
Figura 2.13
r
As iteraes so realizadas da seguinte forma:
XO -
+
2
bo
r)
f(b0) <
> }o ~
E(, x.,)
1 -
f(x0 ) > O bl - XO
XI -
1 + bl
2
r)
f(b1) <> 0
f(x 1) < O

; E (x1, b1)
cii
b2 - bl
X1
Xz
+ bz
2
r~ }
f(b2 ) <>
f(x 2) < O
o ~
r E(x,, b2)
~ - "2
b3 - b2
Exemplo 3
J vimos que a funo f(x) = xlog(x) - 1 tem um zero em (2, 3).
O mtodo da bisseco aplicado a esta funo com [2, 3] como intervalo inicial
fornece:
~ E (2.5, 3)
l l
2 + 3 f(2) - 0.3979 < O )
Xo 2.5 f(3) 0.4314 > O ~ a1 XO 2.5
2
f(2.5) -5.15 X 10-3 O ~ 1 - 2.5
Xl - 2 .
f(2.75) 0.2082 > 0 b2 x 1 = 2.75
ALGORITMO 1
Seja f(x) contnua em [a, b] e tal que f(a)f(b) < O.
1) Dados iniciais:
a) intervalo inicial (a, b]
b) preciso e
2) Se (b - a) < e, ento escolha para x qualquer x E (a, b]. FIM.
3) k = 1
4) M = f(a)
5) a +b
X= - -
2
6) Se Mf(x) > O, faa a= x. V para o passo 8.
7) b = X
8) Se (b - a) < e, escolha para x qualquer x E [a, b]. FIM.
9) k = k + 1. Volte para o passo 5 .
Terminado o processo, teremos um intervalo [a, b] que contm a raiz ( e tal que
(b - a) < E) e uma aproximao x para a raiz exata.
44 Clculo Numrico Cap.2
Exemplo4
f(x) = x3 - 9x + 3 I = [O, 1] E= 10-3

Iterao X f(x) b -a
1 .5 - 1.375 .5
2 .25 .765625 .25
3 .375 -.322265625 .125
4 .3125 .218017578 .0625
5 .34375 -.0531311035 .03125
6 .328125 .0822029114 .015625
7 .3359375 .0144743919 7.8125 X 10-3
8 .33984375 -.0193439126 3.90625 X 10-3
9 .337890625 -2.43862718 X 10-3 1.953125 X 10-3

10 .336914063 6.01691846 X 10-3 9.765625 x Io-4
Ento x = .337402344 em dez iteraes. Observe que neste exemplo escolhemos

- a+ b
X
2
ESTUDO DA CONVERGNCIA
bastante intuitivo perceber que se f(x) contnua no intervalo [a, b] e f(a)f(b) < O, o
mtodo da bisseco vai gerar uma seqncia {x1i) que converge para a raiz.
No entanto, a prova analtica da convergncia requer algumas consideraes. Su-

ponhamos que [a0, b0] seja o intervalo inicial e que a raiz f; seja nica no interior desse
intervalo. O mtodo da bisseco gera trs seqncias:
{ ak}: no-decrescente e limitada superiormente por b0; ento existe r E IR tal
que
Cap. 2 Zeros reais de junlJes reais 45
{bic}: no-crescente e limitada inferiormente por ao, ento existe s e R tal que
limbk=s
k~oo
.. - k + bk
por constroao (xk =
2
), temos ak < xk < bi., V k.
A amplitude de cada intervalo gerado a metade da amplitude do intervalo ante-

rior.
Ento lim (bk - ak) -- lim (bo -k ao) -- O.

k~<><> k-+oo 2
Como {\c} e {l\c} so convergentes,
lim 1\ - lim ak =O ~ lim 1\ = lim : Ento r = s.

lc~oo k~oo k-+oo k~oo
Seja R = r = s o limite das duas seqncias. Dado que para todo k o ponto xk
pertence ao intervalo (ak, bk), o Clculo Diferencial e Integral nos garante que
Resta provar que R o zero da funo, ou seja, f(R) = O.
Em cada iterao k temos f(ak) f(bi.) < O. Ento
O ;;;:e lim f(ak)f(bk) = lim f(ak) lim f(l\.) =f(lim ak) f(lim bk) =
k-+oo k-+oo k-+ oo k ~oo k -400
= f'(r) f(s) = fd ) f( ) = [f()]2
Assim, O ;;;,,; [f(R ))2 ;;;:e O donde f( ) = O.

Portanto lim xk =l e l zero da funo. Das hipteses iniciais temos que l =;.
k-+ 00
Conclumos, pois, que o mtodo da bisseco gera uma seqncia convergente

sempre que f for contnua em [a, b] com f(a)f(b) < O.
Ao leitor interessado nos resultados sobre convergncia de seqncias de reais

utilizados nesta demonstrao recomendamos a referncia [11].
ESTIMATIVA DO NMERO DE ITERAES
Dada uma preciso E e um intervalo inicial [a, b ], possvel saber, a priori, quantas
iteraes sero efetuadas pelo mtodo da bisseco at que se obtenha b - a < i::, usando o
Algoritmo 1.
Vimos que
Deve-se obter o valor de k tal que bk - ak < E, ou seja,
log(b0 - a0) - log(t)

k >
1og(2)
Portanto se k satisfaz a relao acima, ao final da iterao k teremos o intervalo

[a, b] que contm a raiz ;, tal que 'v' x E [a, b] => 1 x - ; 1 ~ b - a < E.
Por exemplo, se desejarmos encontrar f;, o zero da funo f{x) = x log(x) - 1 que
est no intervalo [2, 3] com preciso E = 10-2, quantas iteraes, no mnimo, devemos
efetuar?
k > ~3 - 2) - log(10-2) = log(l) + 2 log(lO) 2

Iog(2) log(2) = 0.3010 .. 6 64 => k = 7
Cap. 2 Zeros reais'de funes reais 47
OBSERVAES FINAIS
conforme demonstramos, satisfeitas as hipteses de continuidade de f(x) em

[a, b] e de troca de sinal em a e b, o mtodo da bisseco gera uma seqncia
convergente, ou seja, sempre possvel obter um intervalo que contm a raiz
da equao em estudo, sendo que o comprimento deste intervalo final satisfaz
a preciso requerida;
- as iteraes no envolvem clculos laboriosos;

- a convergncia muito lenta, pois se o intervalo inicial tal que b0 - a0 >> E
e se E for muito pequeno, o nmero de iteraes tende a ser muito grande,
como por exemplo:
b0 - ao - 3 } => k ~ 24.8 => k = 25.

E = 10-?
O Algoritmo 1 pode incluir tambm o teste de parada com o mdulo da funo e

o do nmero mximo de iteraes.
li. MTODO DA POStO FALSA
Seja f(x) contnua no intervalo [a, b] e tal que f(a)f(b) < O.
Supor que o intervalo (a, b) contenha uma nica raiz da equao f(x) = O.
Podemos esperar conseguir a raiz aproximada x usando as informaes sobre os

valores de f(x) disponveis a cada iterao.
No caso do mtodo da bisseco, x simplesmente. a mdia aritmtica entre a e b :
a+ b
X=
2
No Exemplo 4, temos f(x) =x3 - 9x + 3, [a, b] = [O, ll e f(l) = - 5 <O< 3 = f(O).

Como I f(O) 1 est mais prximo de zero que I f(l) 1, provvel que a raiz esteja mais
prxima de O que d-e 1 (pelo menos isto ocorre quando f(x) linear em (a, b]).
Assim, em vez de tomar a mdia aritmtica entre a e b, o mtodo da posio

falsa toma a mdia aritmtica ponderada entre a e b com pesos I f(b) 1e I f(a) 1, respecti-
vamente:
a I f(b) 1 + b I f(a) 1 af(b) - bf(a)

x - 1 f(b) 1 + lf(a) 1 - f(b) - f(a)
visto que f(a) e f(b) tm sinais opostos.
-
Graficamente, este ponto x a inters,eco entre o eixo ox e a reta r(x) que passa
por (a, f(a)) e (b, f(b)):
y
f(x)
r(x)
a
b X
(a)
Figura 2.14
E as iteraes so feitas assim:

Figura 2.14
Exemplo 5
O mtodo da posio falsa aplicado a xlog(x) - 1 em [a0, b0] = [2, 3], fica:
f(a0) = - 0.3979 < O
f(b0) = 0.4314 > o
~ = af(b) - bf(a) .., 2 X 0.4314 - 3 X (-0.3979) - 2.0565 =

2 4798
"o f(b) - f(a) 0.4314 - (-0.3979) 0.8293
f(x0) = - 0.0219 < O. Como f(o) e f(x0) tm o mesmo sinal,
~ = 2.4798 X 0.4314 - 3 X (-0.0219) =

2 5049
xl 0.4314 - (-0.0219) e
f(x 1) = -0.0011. Analogamente,
l
l:z = x1 = 2.5049
b2 = b1 = 3
ALGORITMO 2
Seja f(x) contnua em [a, b] e tal que f(a)f(b) < O.
1) Dados iniciais
a) intervalo inicial [a, b]
b) precises t 1 e E2
2) Se (b - a)<
se I f(a)
ou se I f(b) 1 <
E1,
1 < t2
E2
l
ento escolha para x qualquer x E
escolha a ou b como x. FIM.

[a, b]. FIM.
3) k = 1
4) M = f(a)
5
) x _ af(b) - bf(a)
f(b) - f(a)
6) Se I f(x) 1 < t 2 , escolha x = x. FIM.
7) Se Mf(x) > O, faa a = x. V para o passo 9.
8) b = X
9) Se b - . < t 1, ento escolha para x qualquer x E (a, b). FIM.
10) k = k + 1. Volte ao passo 5.

Exemplo 6
f(x) = x 3 - 9x + 3 I = [O, 1]
Aplicando o mtodo da posio falsa, temos:
Iterao X f(x) b-a
1 .375 - .322265625 1
2 .338624339 -8.79019964 X 10-3 .375
3 .337635046 -2.25883909 X 10-4 .338624339
E portanto x = 0.337635046 e f(x) = -2.25 x lo-4.
CONVERGNCIA
Na referncia [30] encontramos demonstrado o seguinte resultado:
"Se f(x) contnua no intervalo [a, b) com f(a)f(b) < Oento o mtodo da posio
falsa gera uma seqncia convergente".
Embora no faamos aqui a demonstrao, observamos que a idia usada a
mesma aplicada na demonstrao da convergncia do mtodo da bisseco, ou seja, usando
as seqncias {ak}, {xk} e {bk}. Observamos, ainda, que quando f derivvel duas vezes
em [a, b] e f' ' (x) no muda de sinal nesse intervalo, bastante intuitivo verificar a conver-
gncia graficamente:
f(x)
f "(x) >ol
t(b) > oJ
~ b ponto fixo
f(x) f"(x) >]
t(a) > o
~a ponto fixo
X b
a X
f(x) f"(x) < ]

f(a) < o
~a ponto fixo
f(x) f"(x) < ]
f(b) < o
~ b ponto fixo
X X
Figura 2.15
Em todos os casos da figura anterior os elementos da seqncia {xk} se eocontram na

parte do intervalo que fica entre a raiz e o extremo no-fixo do intervalo e lim xk = ;.
k~ 00
Analisando ainda estes grficos, podemos concluir que em geral o mtodo da posio
falsa obtm como raiz aproximada um ponto x, no qual I f(x) 1 < , sem que o intervalo I = [a,
bJ seja pequeno o suficiente. Portanto, se for exigido que os dois critrios de parada sejam
satisfeitos simultaneamente, o processo pode exceder um nmero mximo de iteraes.
Ili. MTODO DO PONTO FI.X O (MPF)
A importncia deste mtodo est mais nos conceitos que so introduzidos em seu estudo
que em sua eficincia computacional.
Seja f(x) uma funo contnua em [a, b], intervalo que contm uma raiz da equa-
o f(x) = O.
O MPF consiste em transformar esta equao em uma equao equivalente
x = <p(x) e a partir de uma aproximao inicial x 0 gerar a seqncia {xk} de aproximaes
para !; pela relao xk+l = <p(xk), pois a fu no <p(x) tal que f(!;) = O se e somente
se qi(!;) =!;.Transformamos assim o problema de encontrar um zero de f(x) no problema de
encontrar um ponto fixo de <p(x).
Uma funo <p(x) que satisfaz a condio acima chamada de funo de iterao
para a equao f(x) = O.
Exemplo 7
Para a equao x2 + x - 6 = O temos vrias funes de iterao, entre as quais:
a) <p1(x) = 6 - x2 ;
b) <p 2(x) = ../6 - x ;
6
e) <p/x) = - - 1
X '
6
d) <p/x) = X + 1.
A forma geral das funes de iterao <p(x) <p(x) = x + A(x)f(x), com a condio
que em!;, ponto fixo de <p(x), se tenha A(!;) ;a! O.
Mostremos que f(s) = O $> <p(s) = !;.
(=>)seja!; tal que f(s) = O.
<p(!;) = !; + A(!;)f(!;) => cp(!;) = !; (porque f(!;) = O).
(<=) se <p(!;) = !; => !; + A(s)f(!;) = !; => A(!;)f(!;) =O=> f(!;) = O (porque A(!;)"' O).
Com isto vemos que, dada uma equao f(x) = O, existem infinitas funes de
iterao <p(x) para a equao f(x) = O.
Graficamente, uma raiz da equao x = cp(x) a abcissa do ponto de interseco

da reta y = x e da curva y = <p(x):
<p(X)
(a)
<p(X)
Y=X
(b)
Figura 2.16
Cap. 2 Zeros reais de furu;es reais 55
Y=X
{e)
Y=X
(d)
Figura 2.16
Portanto, para certas <p(x), o processo pode gerar uma seqncia que diverge de ;.
ESTUDO DA CONVERGNCIA DO MPF
Vimos que, dada uma equao f(x) = O, existe mais de uma funo <p(x), tal que f(:x) =O-=>
X = <p(X).
De acordo com os grficos da Figura 2.16, no para qualquer escolha de cp(x)

que o processo recursivo definido por xk+ 1 = <p(xk) gera uma seqncia que converge para !;.
Exemplo 8
Embora no seja preciso usar mtodo numrico para se encontrar as duas razes reais
!;1 = -3 e !;2 = 2 da equao x2 + x - 6 = O, vamos trabaJhar com duas das funes de
iterao dadas no Exemplo 7 para demonstrar numrica e graficamente a convergncia ou
no do processo iterativo.
Consideremos primeiramente a raiz !;2 = 2 e q,1(x) = 6 - x2 . Tomando x0 = 1.5
temos <p(x) = q,1(:x) e
x 1 = <p(x 0) = 6 - 1.5 2 = 3.75

= = =
X2 <p(xl) 6 - (3.75)2 -8.0625
x3 = <p(x2) =6 - (-8.0625) 2 = -59.003906
X4 = <p(X3) =-(-59.003906)2 + 6 =-3475.4609
e podemos ver que {xk} no est convergindo para !;2 = 2.

GRAFICAMENTE
y=x
X1 X
q>(X)
Figura 2.17
Seja agora ; 2 = 2, q, 2 (x) = v6 - x e novamente x 0 = 1.5. Te mos, assim,

q,(x) = q,i(x) e
x 1 = <p(xo) =v6 - 1.5 = 2.12132

X2 = q>(x 1) = 1.96944
x3 = <p(Xi) = 2.00763
X4 = q>(x 3) = 1.99809
X5 = q>(x4) = 2.00048
e podemos ver que {xk} est convergindo para ; 2 = 2.

GRAFICAMENTE
Y=X
Figura 2.18
O teorema a seguir nos fornece condies suficientes para que o processo seja
convergente.
TEOREMA 2
Seja!; uma raiz da equao f(x) = O, isolada num intervalo I centrado em !;.
Seja cp(x) uma funo de iterao para a equao f(x) = O.
Se
i) cp(x) e cp' (x) so contnuas em I,
ii) 1q>'(x) 1 ~ M < 1, V x e I e
iii) Xo E J,
ento a seqncia {xk} gerada pelo processo iterativo~+! = q>(xk) converge para .
DEMONSTRAO
A demonstrao deste teorema feita em duas partes:
1) prova-se que se x 0 E L ento xk e I, V k;
2) prova-se que Um xk = .
k~oo
1) uma raiz exata da equao f(x) = O.

Assim, f() = O ~ = <p() e,
para qualquer k, temos: xk+I = cp(xk)
( 1)
Agora, cp(x) contnua e diferencivel em I, ento, pelo Teorema do Valor Mdio, se

xk e I, existe ck entre xk e tal que
P ortanto, temos
(2)
Ento, V- k,
< 1
ou seja, a distncia entre xk+l e l; estritamente menor que a distncia entre xk e l; e, como
I est centrado em ;, temos que se xk E I, ento xk+l E I.
Por hiptese, x 0 E I, ento xk E I, V- k.
2) Provar que lim xk = !;.

k-+ 00
De (1}, segue que:
1x1 - ; 1= 1<p(xo) - CI)(;) 1= 1<p ' (co) 11Xo - l;I ::;;; M I x0 - ; 1

s M ( c0 est entre x e l;)
0
sM (c1 est entre x 1 e!;)
sM ( ~ est entre xk e ;)
Ento, O ::;;; lim I xk - l; 1 ,::;;; lim Mk I x 0 - l; 1 = O pois O < M < 1.

k-+oo k-+oo
Assim, lim I xk - l; 1 =O => lim xk =!;.

k-+OO k-+OO
Exemplo 9
No Exemplo 8, verificamos que <p1(x) gera uma seqncia divergente de !;2 = 2 enquanto
<pz(x) gera uma seqncia convergente para esta raiz.
A seguir, analisaremos as condies do Teorema 2 para estas funes:
a) cp 1(x) = 6 - x2 e cp(x) = -2x

cp 1(x) e cp(x) so contnuas em R.
1cp1(x) 1< 1 - l 2x 1< 1 - - ; < x <;. Ento, no existe um intervalo I centrado
em ; 2 = 2, tal que 1 <p(x) 1 < 1, >v x E I. Portanto, cp1(x) no satisfaz a condio (ii) do
Teorema 2 com relao a ; 2 = 2. Esta a justificativa terica da divergncia da seqncia
{xk} gerada por cp1(x) para x0 = 1.5.
1 -1
b) cp2(x) = ../6 - x e cp 2 (x) - ::----;:;::::::::::=
2 ../6 - X
cpi(x) contnua em S = {x E 1R I x ~ 6} (3)
cp 2(x) contnua em S ' = {x E R I x < 6} (4)
1
1<p2 (x) 1 < 1 ~ 12 ,/6 1< 1 - X < 5.75
- X
De (3) e (4) temos que possvel obter um intervalo I centrado em ; 2 = 2 tal que
as condies do Teorema 2 sejam satisfeitas.
Exemplo 10
6
Analisaremos aqui a funo <pix) = -1 e a convergncia da seqncia {xk} para ; 1 =-3;
X
usando Xo = - 2.5:
-6
<p' (x) .. 2 < O, >v x E R , x ~ O
X
lcp'(x)I - 1-61,.
x2
__
x2
-i.t-xEJR , x ~O
-6
l cp'(x)I < 1 ~-< 1 - x2 > 6 ~ X < - ../6 OU X > ../6
x2
62 Clculo Numrco Cap. 2
Assim, como o objetivo obter a raiz negativa, temos que
11 tal que I q((x) 1 < 1, V x E 11' ser: 11 = (- 00; ../6).
(../6 2.4494897)
Podemos, pois, trabalhar no intervalo I = (- 3.5, -2.5] que o processo convergir,

visto que I C 11 est centrado na raiz ; 1 = -3.
Tomando x 0 = -2.5 , temos:

x 1 = -3.4
X2 = -2.764706
X = -3.170213
3
X = -2.892617
4
Como a raiz ; 1 = -3 conhecida, possvel escolher um intervalo I centrado em

;1' tal que em I as condies do teorema so satisfeitas. Contudo, ao se aplicar o MPF na
resoluo de uma equao f(x) = O, escolhe-se I " aproximadamente" centrado em 1;. Quanto
mais preciso for o processo de isolamento de ;, maior exatido ser obtida na escolha de I.
CRITRIOS DE PARADA
No algoritmo do mtodo do ponto fixo, escolhe-se xk como raiz aproximada de ; se

1xk - xk- l 1 = 1q,(xk_1) - xk- t 1 < E ou se I f(x_1c) 1 < E.
Devemos observar que I xk - xk-l 1 < E no implica necessariamente que

1 xk - ; 1 < E conforme mostra a Figura 2.19:
q>(X)
Y=X
IXi< - Xi<-1 I < e
8
IXi< - l >> E
Figura 2.19
Contudo, se cp'(x) < O em I (intervalo centrado em ;), a seqncia {xk} ser

oscilante em tomo de !; e, neste caso, se I xk - xk- l 1 < e =
1 xk - !; I < e, pois I xk - !; 1 <
1xk - xk-11
Y=X
IXi< - xk.1I < e
q>(X) e
lxk - ;I < e
Figura 2.20
ALGORITMO 3
Considere a equao f(x) = O e a equao equivalente x = q,(x).
Supor que as hipteses do Teorema 2 esto satisfeitas.
1) Dados iniciais:
a) "o: aproximao inicial;

b) e1 e e2 : precises.
2) Se I f(x0 ) 1 < El' faa x = Xo FIM.

3) k = 1
4) x1 = q>(Xo)
5) Se if(x1 )1 < e1
ou se I x1 - x0 1 < e2
l ento faa x = x1. FIM.
6) Xo = Xl
7) k=k+l
Volte ao passo 4.
Exemplo 11
x3 1
f(x) = x 3 - 9x + 3; q,(x) =
9 3; + Xo = 0.5; e 1 = e2 = 5 x l o-4; s E (0,1)
Iterao X f(x)
1 .3472222 -0.8313799 X 10-1
2 .3379847 -0.3253222 X 10-2
3 .3376233 -0.1239777 X 10-3
assim, x = 0.3376233 e f(x) =-0.12 x 10-3.

1 3
' a verficao de que cp(x ) - x
Deixamos como exerc1c10 f + hi
9 3 sat:J.s az as p te-
ses do Teorema 2 considerando a raiz de f(x) = O que se encontra no intervalo (0,1).
ORDEM DE CONVERGNCIA DO MTODO DO PONTO FIXO
Definio: "Seja { xk} uma seqncia que converge para um nmero e seja ek = xk - ; o erro
na iterao k.
Se existir um nmero p > 1 e uma constante C > O, tais que
=e (5)
ento p chamada de ordem de convergncia da seqncia {xk} e C a constante assint-

tica de erro.
Se lim ek +
1
= C, O ~ 1C 1 < 1, ento a convergncia pelo menos linear."
k-oo ~
Uma vez obtida a ordem de convergncia p de um mtodo iterativo, ela nos d

uma informao sobre a rapidez de convergncia do processo, pois de (5) podemos escrever
a seguinte relao:
Considerando que a seqncia {xk} convergente, temos que ek - O quando

k - co, portanto quanto maior for p, mais prximo de zero estar o valor C I ek IP (indepen-
dentemente do valor de q , o que implica uma convergncia mais rpida da seqncia {xk}.
Assim, se dois processos iterativos geram seqncias {xi} e {xi}, ambas convergentes para
;, com ordem de convergncia p 1 e p2, respectivamente, e se p 1 > p2 ;;!: 1, o processo que
gera a seqncia {xn converge mais rapidamente que o outro.
A seguir, provaremos que o MPF, em geral, tem convergncia apenas linear. Da

demonstrao do Teorema 2 temos a relao:
66 Cdlcuw Numirico Cap. 2
Tomando o limite quando k - oo
X
1 - ;
Um k+ !; - lim cp'(ck) - cp ' (Um (ck)) - cp ' (;).
1c - 00 xk - 1c - 00 k- oo
1
Portanto, lim ek + = cp '(s) = C e I C 1 < 1 pois cp ' (x) satisfaz as hipteses do
1c- 00 ek
Teorema 2.
A relao acima afirma que para grandes valores de k o erro em qualquer iterao
proporcional ao erro na iterao anterior, sendo que o fator de proporcionalidade cp '(;).
Observamos que a convergncia ser mais rpida quanto menor for I cp ' (s) 1 .
IV. MTODO DE NEWTON-RAPHSON
No estudo do mtodo do ponto fixo, vimos que:
i) uma das condies de convergncia que I cp'(x) 1 ~ M < 1, ~ x E I, onde

l um intervalo centrado na raiz;
ii) a convergncia do mtodo ser mais rpida quanto menor for I cp '(1;) 1-
O que o mtodo de Newton faz, na tentativa de garantir e acelerar a convergncia

do MPF, escolher para funo de iterao a funo cp(x) tal que cp'(s) - O.
Ento, dada a equao f(x) = O e partindo da forma geral para cp(x), queremos
obter a funo A(x) tal que cp'(s) O.
cp(x) = x + A(x)f(x) ::;,
::;, cp' (x) = 1 + A'(x)f(x) + A(x)f'(x)
::;, cp' (t;) =1 + A '(s)t<s> + ACs)f'Cs>::;, cp ' (s> =1 + A(l;)f'Cs).

Cap. 2 Zeros reais de funes reas 67
As.sim, <p' (;) =O $> 1 + A(;)f'(;) =O ~ A(;) =f~~) , donde tomamos A(x) =f ~~) .
Ento, dada f(x) , a funo de iterao q,(x) = x - f(~) ser tal que q,'(~) = O, pois
como podemos verificar:
, [f'(x) ]2 - f(x) f "(x) f(x) f "(x)

1
<p (x} .. - [f'(x) ]2 = [f'(x) ]2
e, como f(;) =O, q,'(;) =O (desde que f '(;) - O).
Assim, escolhido x:0, a seqncia { xk} ser determinada por xk+1
k = O, 1, 2, ....
MOTIVAO GEOMTRICA
O mtodo de Newton obtido geometricamente da seguinte forma:
dado o ponto (xk, f(xk)) traamos a reta Lic(x) tangente curva neste ponto:
Lic(x) um modelo linear que aproxima a funo f(x) numa vizinhana de xk.
Encontrando o zero deste modelo, obtemos:
Fazemos ento xk+l = x.

GRAFICAMENTE
f(x)
Figura 2.21
Exemplo 12
Consideremos f(x) = x2 + x - 6, ~2 =2 e x0 = 1.5
M x2 + x - 6
cp(x) .. x - f '(x) .. x - 2x + 1
Temos, pois,
x0 = 1.5
x1 = cp(x0 ) = 2.0625
~ = q>(x 1) = 2.00076
x 3 =cp(x 2) =2.00000.
Assim, trabalhando com cinco casas decimais, x = ' = ;. Observamos que no

= =
MPF com <p(x) v6 - x (Exemplo 8) obtivemos x5 2.00048 com cinco casas decimais.
ESTUDO DA CONVERGNCIA DO MTODO DE NEWTON
TEOREMA 3
Sejam f(x), f '(x) e f" (x) contnuas num intervalo I que contm a raiz x = ; de f(x) = O.
Supor que f '(;) .- O.
Ento, existe um intervalo I C I, contendo a raiz 1;, tal que se x 0 E I, a seqncia
& ula . f(xk) . , .
{ xk} gerada pel a rm
1., recursiva xk+l = xk - f '(xk) convergua para a raiz.
DEMONSTRAO
Vimos que o mtodo de Newton-Raphson um MPF com funo de iterao <p(x) dada por
<p(X) = X- fl(~).
Portanto, para provar a convergncia do mtodo, basta verificar que, sob as hip-
teses acima, as hipteses do Teorema 2 esto satisfeitas para <p(x).
Ou seja, preciso provar que existe I C I centrado em;, tal que:
i) <p(x) e q>' (x) so contnuas em i;
ii) 1 <p '(x) 1 ~ M < 1/V' X E l.
Temos que
J& ' (x) _ f(x) f"(x)

<p(x ) =x - f'{x) e <p [f'(x) 12
Por hiptese, f '(l;) 'if! O e, como f'(x) contnua em I, possvel obter 11 C 1 tal
que f '(x) ~ O, V' x E 11 .
Assim, no intervalo 11 C l, tem-se que f(x), f'(x) e f "(x) so contnuas e f'(x) ~ O.
Portanto, q>(x) e q>'(x) so contnuas em 11 .
Agora, <p'(x) = f(x) f"~2. Como q>'(x) contnua em 11 e q>'() = O, possvel

[f'(x)]
escolher 12 e 11 tal que I q>'{x) 1 < 1, V x E 12 e, ainda mais, 12 pode ser escolhido de forma
que seja seu centro.
Concluindo, conseguimos obter um intervalo I2 e I, centrado em , tal que <p(x) e

q>'(x) sejam contnuas em 12 e I q>'(x) 1 < 1, V x E 12 . Assim, i = 12 .
Portanto, se x0 E Y, a seqncia {xd gerada pelo processo iterativo xk+ 1 =

f(xk) .
xk - f'(xk) converge para a raiz .
Em geral, afirma-se que o mtodo de Newton converge desde que x0 seja esco-
lhido "suficientemente prximo" da raiz .
A razo desta afirmao est na demonstrao acima, onde se verificou que, para
pontos suficientemente prximos de , as hipteses do teorema da convergncia do MPF
esto satisfeitas.
Exemplo 13
Comprovaremos neste exemplo que uma escolha cuidadosa da aproximao inicial , em

geral, essencial para o bom desempenho do mtodo de Newton.
Consideremos a funo f(x) = x3 - 9x + 3 que possui trs zeros: 1 E 11 = (-4, - 3)

2 E 1z = (O, 1) e 3 E I3 = (2, 3) e seja Xo = 1.5. A seqncia gerada pelo mtodo
Iterao X f(x)
1 -1.6666667 0.1337037 X 102
2 18.3888889 0.6055725 X 104
3 12.3660104 0.1782694 X 104
4 8.4023067 0.5205716 X 103
5 5.83533816 0.1491821 X 103
6 4.23387355 0.4079022 X 102
7 3.32291096 0.9784511 X 10
8 2.91733893 0.1573032 X 10
9 2.82219167 0.7837065 X 10- 1
10 2.81692988 0.2342695 X 10-3
Podemos observar que de incio h uma divergncia da regio onde esto as

razes, mas, a partir de x7, os valores aproximam-se cada vez mais de !;3. A causa da
divergncia inicial que x0 est prximo de v3 que um zero de f'(x) e esta aproxi-
mao inicial gera x1 = -1.66667 .. -../3 que o outro zero de f'(x) pois
f '(x) = 3x2 - 9 ~ f'(x) - O <:;> x = 13.
ALGORITMO 4
Seja a equao f(x) = O.

Supor que esto satisfeitas as hipteses do Teorema 3.
1) Dados iniciais:
a) x0 : aproximao inicial;
b) e1 e e 2: precises
2) Se I f(xo) 1 < Ei, faa x = x0. FIM.

3) k=l
f(x0)
4) Xl = Xo - f'(Xo)
l
5) Se I f(x 1) 1 < E1
faa x = x1 . FIM.
ou se lx1 - Xol ,
6) Xo = X1
7) k=k+l
Volte ao passo 4.
Exemplo 14
f(x) = x 3 - 9x + 3; Xo = 0.5; t 1 = E2 = 1 X l o-4; ; E (0,1).

Os resultados obtidos ao aplicar o mtodo de Newton so:
Iterao X f(x)
o 0.5 --0.1375 X 10
1 .333333333 0.3703703 X 10-1
2 .337606838 0.1834054 X lo-4
Assim, x = 0.337606838 e f(x) = 1.8 x 10- 5
ORDEM DE CONVERG@NCIA
Inic ialmente supomos que o mtodo de Newton gera uma seqncia {xk} que converge
para;.
Ao observ-lo como um MPF, diramos que ele tem ordem de convergncia linear.
Contudo, o fato de sua funo de iterao ser tal que cp' (;) = O nos levar a demonstrar q11e
a ordem de convergncia quadrtica, ou seja, p = 2.
Vamos supor que esto satisfeitas aqui todas as hipteses do Teorema 3.
O desenvolvimento de Taylor de f(x) em tomo de xk nos d

: : ;+ 1 f-
. - 1- - -
"(c.)
-1e
-
e~ 2 f'(xk)
. . ~+1 1 . f"(~)
Assim, hm - 2- - 2 hm f '( ) =
k - oo ek k- 00 xk
f " [ Lim (~)]

1 k--+oo 1 f "(t;) 1 ,,
- 2 f '[ lim (xk) ] - 2 f '(;) - 2 <p (;) = e
k-+ O')
Portanto, o mtodo de Newton tem convergncia quadrtica.
Exemplo 15
Seja obter a raiz quadrada de um nmero positivo A, usando o mtodo de Newton. Temos
de resolver a equao f(x) = x2 - A= O. Tomando A= 7 e x0 = 2, a seqncia gerada :
x0 : 2
x1 = 2.75
x2 = 2.647727273
JS = 2.645752048
x 4 = 2.645751311
x5 = 2.645751311.
Portanto, trabalhando com nove casas decimais, x = 2.645751311.

Os dgitos sublinhados so os dgitos decimais corretos de cada valor xk obtido.
Podemos observar que estes dgitos corretos comeam a surgir aps x2 e, a partir
dele, a quantidade de dgitos corretos praticamente duplica. A duplicao de dgitos corretos
ocorre medida que os valores xk se aproximam da raiz exata, e isto se deve ao fato do
mtodo de Newton ter convergncia quadrtica; como esta uma propriedade assinttica,
no se deve esperar a duplicao de dgitos corretos nas iteraes iniciais.
V. MTODO DA SECANTE
Uma grande desvantagem do mtodo de Newton a necessidade de se obter f '(x) e calcular

seu valor numrico a cada iterao .
Uma forma de se contornar este problema substituir a derivada f '(xk) pelo

quociente das diferenas:
onde xk e xk-l so duas aproximaes para a raiz.
Neste caso, a funo de iterao fica
cp(xk) = xk - f(xk) - f(xk - 1) =

xk - xk -1
xk - 1 f(xk) - xk f(xk - 1)
f(xk) - f(xk - 1)
Observamos que so necessrias duas aprox imaes para se iniciar o mtodo.
INTERPRETAO GEOMTRICA
A partir de duas aproximaes xk-l e xk, o ponto xk+ l obtido como sendo a abcissa do
ponto de interseco do eixo oi e da reta secante que passa por (xk-1' f(xk_1)) e (xk, f(xk)):
f(x)
Figura 2.22
Exemplo 16
Consideremos f(x) = x2 + x - 6; 2s = 2; x0 = 1.5 e x1 = 1.7. Ento,
Xif(x3) - X3f(x2) (2.03571)(-0.01131) - (1.99774)(0.17983)

X4 = f(x3) - f(x2) - -0.01131 - 0.17983
= 1.99999
ALGORITMO 5
Seja a equao f(x) = O.
1) Dados iniciais:
a) x0 e x 1: aproximaes iniciais;
b) E1 e E2 : precises.
2) Se j f(xo) j < E1, faa x = Xo FIM.
3) Se I f(x 1)
OU se
1 < E1
I X1 - Xo 1 < E2
lfaa x = x 1. FIM.
4) k = 1
6) Se I f(x2) 1 <
ou se I X2 -
E1
X1 1 < E2
lento faa x = x 2 FIM.
8) k = k + 1
Volte ao passo 5.
Exemplo 17
f(x) = x3 - 9x + 3, Xo = O, Xi = 1, E1 = E2 = 5 x 10-4
Os resultados obtidos ao aplicarmos o mtodo da secante so:
Iterao X f(x)
1 .375 -.322265625
2 .331941545 .0491011376
3 .337634621 -0.2222052 X 10-3
Assim, x =0.337634621 e f(x) =-2.2 x lo-4
..
COMENTARJOS FINAIS
Visto que o mtodo da secante uma aproximao para o mtodo de Newton, as condies
para a convergncia do mtodo so praticamente as mesmas; acrescente-se ainda que o
mtodo pode divergir se f(xk) .. f(xk_1).
A ordem de convergncia do mtodo da secante no quadrtica como a do

mtodo de Newton, mas tambm no apenas linear. Na referncia [5] Captulo 3, 5, est
provado que para o mtodo da secante p = 1.618...
2.4 COMPARAO ENTRE OS MTODOS
Finalizando este captulo realizaremos alguns testes com o objetivo de comparar os vrios
mtodos.
Esta comparao deve levar em conta vrios critrios entre os quais: garantias de
convergncia, rapidez de convergncia, esforo computacional.
Observamos que o nico dado que os exemplos fornecem para se medir a rapidez
de convergncia o nmero de iteraes efetuadas, o que no nos permite tirar concluses
sobre o tempo de execuo do programa, pois o tempo gasto na execuo de uma iterao
varia de mtodo para mtodo.
Conforme constatamos no estudo terico, os mtodos da bisseco e da posio

falsa tm convergncia garantida desde que a funo seja contnua num intervalo [a, b] tal
que f(a)f(b) <O.J o MPF e os mtodos de Newton e secante tm condies mais restritivas
de convergncia. Porm, uma vez que as condies de convergncia sejam satisfeitas, os
dois ltimos so mais rpidos que os trs primeiros.
O esforo computacional medido atravs do nmero de operaes efetuadas a
cada iterao, da complexidade destas operaes, do nmero de decises lgicas, do nme-
ro de avaliaes de funo a cada iterao e do nmero total de iteraes.
Tendo isto em mente, percebe-se que difcil tirar concluses gerais sobre a
eficincia computacional de um mtodo, pois, por exemplo, o mtodo da bisseco o que
efetua clculos mais simples por iterao enquanto que o de Newton requer clculos mais
elaborados, porque requer o clculo da funo e de sua derivada a cada iterao. No
entanto, o nmero de iteraes efetuadas pela bisseco pode ser muito maior que o nmero
de iteraes efetuadas por Newton.
Considerando que o mtodo ideal seria aquele em que a convergncia .estivesse
assegurada, a ordem de convergncia fosse alta e os clculos por iterao fossem simples, o
mtodo de Newton o mais indicado sempre que for fcil verificar as condies de conver-
gncia e que o clculo de f'(x) no seja muito elaborado. Nos casos em que trabalhoso
obter e/ou avaliar f'(x), aconselhvel usar o mtodo da secante, uma vez que este o
mtodo que converge mais rapidamente entre as outras opes.
Outro detalhe importante na escolha o critrio de parada, pois, por exemplo, se
o objetivo for reduzir o intervalo que contm a raiz, no se deve usar mtodos como o da
posio falsa que, apesar de trabalhar com intervalo, pode no atingir a preciso requerida,
nem secante, MPF ou Newton que trabalham exclusivamente com aproximaes xk para a
raiz exata.
Aps estas consideraes, podemos concluir que a escolha do mtodo est direta-
mente relacionada com a equao que se quer resolver, no que diz respeito ao comporta-
mento da funo na regio da raiz exata, s dificuldades com o clculo de f'(x), ao critrio
de parada etc.
Exemplo 18
2
f(x) = e-x - cos(x);
Posio MPF
Bisseco Newton Secante
FaJsa cp(x) cos(x) - e-,?, + x
Dados
[1, 2] [1, 2] "o= 1.5 "o= 1.5 "o= 1; Xl = 2
Iniciais
X 1.44741821 1.44735707 1.44752471 1.44741635 1.44741345
f(i) 2.1921 X 10-5 -3.6387 X 10-5 7.0258 x 10-5 1.3205 X 10-6 -5,2395 X 10-7
Erro em x 6.1035 X 10-S .552885221 1.9319 X lo-4 1.7072 X 10-3 1.8553 X 10-4
Nmero de
14 6 6 2 5
Iteraes
Exemplo 19
f(x) = x 3 - x - l; ; E (1, 2);
MPF
Bisseco Posio Falsa Newton Secante
<p(X) a (X + l)l/3
Dados lnici.a is [1, 2] [1, 2] Xo =1 "o= o "o = O; Xi = 0.5

X 0.1324718 X 1:oI 0.1324718 X 10 1 0.1324717 X 101 0.1324718 X 101 0.1324718 X toI
f(x) --0.1847744 x 10-5 --0.7897615 X 10-6 --052154406 X lcr-6 0.182100) X 10-6 --0.8940697 X 10-7
Erro em x 0.9536743 X 10-6 0.6752825 0.3599538 X 10-6 0.6299186 X 10-6 0.8998843 x 10- S
Nmero de
20 17 9 21 27
Iteraes
No mtodo de Newton, o valor inicial x0 = O, alm de estar muito distante da raiz

;(1.3), gera para x1 o valor x 1 == 0.5 que est prximo de um zero da derivada de f(x);
f'(x) = 3x2 - 1 => f ' (x) = O > x = ,/3/ 3 - 0.5773502. Isto uma justificativa para o
mtodo ter efetuado 21 iteraes.
Argumentos semelhantes podem ser usados para justificar as 27 iteraes do
mtodo da secante.
Exemplo 20
f(x) = 4sen(x) - eX; l;E(0,1);
MPF
B isseco Posio Falsa Newton Secante
'l(x) = x - 2 sen(x) + o.SeX
Dados [niciais [O, 1] [O, 1J Xo = 0.5 Xo .. 0.5 J!o = 0; Xl = 1
l[ 0.370555878 0.370558828 .370556114 .370558084 .370558098
f(i) -1.3755 X 10-S J.6695 X }O- -4.5191 X 10- - 2. 76J2 X 10-8 5.8100 X }(r9
Erro em x 7.6294 X 10- .370562817 1.1528 X lo-4 +l.3863 X }0-4 5.7404 X 10-6
Nwncro de
17 8 5 3 7
Iteraes
Exemplo 21
f(x) = xlog(x) - 1; !; E (2, 3);
MPF
Bisseco Posio Falsa Newton Secante
q>(x)= x- L3(x log x - 1)
Dados Inicia.is [2, 3] [2, 3) Xo =2,5 Xo = 2.5 li(} =2.3; Xl = 2.7

X 2.506184413 2.50618403 2.50618417 2.50618415 2.50618418
f(i) J.2573 X 10-8 - 9.9419 X lo-8 2.0489 X 10-8 4.6566 X l( lO 2.9337 X to-8
Erro em x 5.9605 X to-8 .49381442 3.8426 X 10- J.9879 X to-6 8.0561 X }0-5
Nmero de
24 5 5 2 3
Iteraes
Exemplo 22
Mtodos mais simples como o da bisseco podem ser usados para fornecer uma aproxi-
mao inicial para mtodos mais elaborados como o de Newton que exigem um bom "chute
inicial".
Consideremos f(x) = x3 - 3.5x2 + 4x - 1.5 = (x - 1)2 (x - 1.5).
Como vemos, l; 1 = 1 raiz dupla de f(x) = O.

Nos testes a seguir, s = 10-2 para o mtodo da bisseco e E= 10- 7 para o mtodo
de Newton.
Nos testes 1, 2 e 3, executamos apenas o mtodo de Newton. No teste 4, usamos
o mtodo conjugado bisseco-Newton no qual o valor que o mtodo da bisseco encontra
para x tomado como Xo para o mtodo de Newton.
Teste 1 Teste 2 Teste 3
Xo 0 .5 1.33333 1.33334
X .999778284 .999708915 1.50000001
f(i) - 2.4214 X lo-8 -4.1910 X lo-8 1.3970 X lo-8
erro em x 2.2491 X lo-4 2.9079 X lo-4 3.5082 X 10-5
n2 de iteraes 12 35 27
Observamos que nos testes 1 e 2 a raiz encontrada foi a raiz dupla ; 1 = 1. Era de
se esperar que o nmero de iteraes fosse grande, pois ; 1 = 1 zero de f '(x). No entanto,
o mtodo conseguiu enoontrar a raiz (pois, para as seqncias {xk} geradas, o valor de f(xk)
tendeu a zero mais rapidamente que o valor de f '(xk)).
Temos que f'(x) = 3x2 - 7x + 4 ==> f '(x) = O <:::> x 1 = 1 e'= 4/3 = 1.33333...
Observe que nos testes 2 e 3 tomamos propositadamente x 0 bem prximo de 4/3; na teste
2, x 0 < 4/3 e o mtodo encontrou ; 1 = 1 e, no teste 3, x 0 > 4/3 e a raiz encontrada
foi ; 2 = 1.5. Uma anlise. do grfico de f(x) (Figura 2.23) nos ajuda a entender este fato.
No teste 4, aplicamos o mtodo da bisseco at reduzir o intervalo [0.5, 2] a um

intervalo de amplitude 0.01 e tomamos como aproximao inicial para o mtodo de Newton
o ponto mdio desse intervalo: Xo = 1.50194313. A partir desse ponto inicial foram execu-
tadas duas iteraes do mtodo de Newton e obtivemos os seguintes resultados:
x = 1.5 e f(x) = 2.3 x 10-10 .
Devemos observar que no intervalo inicial para o mtodo da bisseco existem

duas razes distintas ; 1 = 1 e ;z
= 1.5 e a raiz obtida foi i = 1.5; sto ocorreu porque o
mtodo da bisseco ignora razes com multiplicidade par, que o caso de ; 1 = 1.
82 Clcwo Nwnrie-0 Cap. 2
f(x)
Figura 2.23
2.5 ESTUDO ESPECIAL DE EQUAES POLINOMIAIS
2.5.1 INTRODUO
Embora possamos usar qualquer um dos mtod?s vistos anteriormente para encontrar um
zero de um polinmio, o fato de os polinmios aparecerem com tanta freqncia em aplica-
es faz com que lhes dediquemos especial ateno.
Normalmente, um polinmio de grau n escrito na forma
(6)
Se n = 2, sabemos da lgebra elementar como achar os zeros de pi(x). Existem

frmulas fechadas, semelhantes frmula para polinmios de grau 2, mas bem mais
compUcadas, para zeros de polinmios de grau 3 .e 4. Agora, para n ~ 5, em geral, no
existem frmulas explcitas e somos forados a usar mtodos iterativos para encontrar zeros
de polinmios.
Vrios teoremas da lgebra so teis na localizao e classificao dos tipos de
zeros de um polinmio.
Faremos nosso estudo dividido em duas partes:
1) localizao de razes,
2) determinao das razes reais.
2.5.2 LOCALIZAO DE RAZES
Alguns teoremas so teis ao nosso estudo:
TEOREMA 4 (Teorema Fundamental da lgebra) (4)
"Se p/x) um polinmio de grau n ~ 1, ou seja, p/x) = a0 + a1x + a2x 2 + ... + a0 x,

a0, al' ..., a 0 reais ou complexos, com a0 ;"' O, ento p0 (x) tem pelo menos um zero, ou seja,
existe um nmero complexo !; tal que p0 { ; ) = O. "
Para determinarmos o nmero de zeros reais de um poUnmio com coeficientes

reais, podemos fazer uso da regra de sinal de Descartes:
"Dado um poUnmio com coeficientes reais, o nmero de zeros reais positivos, p,

desse polinmio no excede o nmero v de variaes de sinal dos coeficientes. Ainda mais,
v - p inteiro, par, no negativo".
Exemplo 23
+ +
\___)
1 1
!
se v - p O, p 2
=>V = 2 => p: ou
sev-p2, pO
b) p5(x) = 4x5 - x 3 + 4x2 - x - 1
vv0-1 1 1
!
se V - p , p "' 3
=>V= 3 C p: ou
se v - p - 2, p-1
e) PiX) = x7 + 1
\ .__/
o
=> v = O e p: (v - p ;;:;: O) => p = O.
Para determinar o nmero de razes reais negativas, neg, tomamos pnC-x) e usa-
mos a regra para razes positivas:
Exemplo 24
a) p5(x) = 2x5 - 3x4 - 4x3 + x + 1
p5(-x)= - 2x5 - 3x4 + 4x3 - x + 1
-u +0 0
1 1 1
se v - oeg - O, neg = 3
=> v = 3 e oeg:
! se v - neg - 2, neg - 1
ou
b) p5(x) = 4x5 - x3 + 4x2 - x - 1
ps(-x) = - 4x5 + x3 + 4x 2 + x - 1
- + + +
V V
1 1
!
se v - neg - O, neg - 2
=> v = 2 e neg: ou
se v - neg - 2, neg - O
e) No caso do exemplo p/x) = x7 + 1, vimos que no existe zero positivo.

Temos ainda p7(0) = 1 ~ O. Como
Pl-x) = -x7 + 1
-v 1
=> v = 1 e neg: {v -
neg =O=> neg = l} , ou seja, po<x) = O, no tem raiz real
positiva, o zero no raiz e tem apenas uma raiz real negativa donde tem trs
razes complexas conjugadas.
TEOREMA 5
Dado o polinmio po<x) de grau n, se o desenvolvermos por Taylor em torno do ponto

:x = a , temos
p~(a) p~n)(a)
p0 (x) ... pnCa) + p~ (a)(x - a) + ! (x - a}2 + ... + n! (x - a ).
2
Se chamarmos x - a = y, ao acharmos o nmero de razes reais de p 0 (y) = O que

so maiores que zero estaremos encontrando o nmero de raizes de po(x) = O que so
maiores que a.
Podemos usar este resultado j untamente com a regra de sinal de Descartes para
analisar as razes de um determinado polinmio.
Se estamos interessados em estimar o nmero de zeros que um polinmio possui

num intervalo [a, ~] podemos tambm usar as seqncias de Sturm, que so construdas da
seguinte maneira:
Dado o polinmio p0 (x) e um nmero real a , vamos definir v(a) como sendo o
nmero de variaes de sinal em {~(a)} onde construmos a seqncia So(a), g1(a), ...
g 0 (a), ignorando os zeros, assim:
So(x) Pn(x)
{g1(x) p~ (x)
e, para k ~ 2, gk(x) o resto da diviso de ~ - 2 por gk- J com sinal trocado.
Exemplo 25
pix) = x3 + x2 - x + 1
So(x) ... pi x) - x3 + x2 - x + 1
!
g 1(x) p3(x) 3x2 + 2x - 1
x3 + x2 - x + 1 3x2 + 2x - 1
2 1 1 1
-x3 - - x 2 + - x - x + -
3 3 3 9
.!_ x2 - 1 X + 1
3 3
1 2 1
- - x2 - - x + -
3 9 9
8 10
- - x + -
9 9
Cap. 2 Zeros reais de funu reais 87
g3(x) =?
8 10
3x 2 + 2x - 1 - x - -
9 9
99
16
Assim, se a = 2, por exemplo, temos
g0(a) = 11 > o
g 1(cx) = 15 > 0
8z(CX) = 32 >0
1
~ v(cx) = v(2) = 1.
TEOREMA 6 (de Sturm) (17,30)
Se p0 (a) '# O e PnCl3) '# O, ento o ntmero de razes distintas p0 (x) = O no intervalo a~ x ~ 13
exatamente v(cx) - v(l3).
Tomando 13 = 3, por exemplo, no polinmio do exemplo anterior:
g0 (13) = 34 > O
81(13) = 32 > o
l
99
g/ ~) = - 16 < o
::::} v(~) = V(3) = 1.
Ento x 3 + x 2 - x + 1 = O no possui razes reais no intervalo (2, 3) pois v(2) -

v(3) = 1 - 1 = o.
Os teoremas a seguir fornecem regies do plano que contm zeros de polinmios.
TEOREMA 7 (30)
Se Pn(x) um polinmio com coeficientes k k = 0,1, ..., n como em (6), ento Pn(x) tem pelo
menos um zero no interior do crculo centrado na origem e de raio iguaJ a mio {p 1, Pn} onde
Exemplo 26
Se p 5(x) = x 5 - 3.7x4 + 7.4x 3 - I 0.8x 2 + 10.8x - 6.8; o= 5, a 5 = 1, a 1 = 10.8, a0 =-6.8
Assim,
p1 = s( 8
~ ) = 3.14 . . .
1 8
p5 = w = 1.46 . . . .
Ento p 5(x) tem pelo menos um zero (reaJ ou complexo) no crculo de raio 1.46... ou
seja, 1 x 1 ~ 1.46... .
Cap. 2 Zeros re.ais de funes reais 89
TEOREMA 8
Se p0 (x) o polinmio (6) e se
r-1+ max
11tl
-
o"' k "' n-1 1 1
ento cada zero de p0 (x) se encontra na regio circular definida por I x 1 ~ r.
Exemplo 27
Seja pi x) = x3 - x 2 + x - l.
Ento n = 3, 30 = - 1, a 1 = + 1, a2 = - 1, 33 = 1
1801 1
- - - - -1
latl 1
- - - - -1
l 33 I 1 lll:31 1
mx
11t 1
l ll:3 I - mx {l,1,1} - 1.
O..:k ..:2
Assim, r = 1 + 1 = 2. Ento, todos os zeros de p3 (x) se encontram num disco

centrado na origem e com raio 2.
Figura 2.24
De fato, os zeros de p3(x) so:
x1 = 1
x2 = i
x3 = -i.
2.5.3 DETERMINAO DAS RAZES REAIS
Para se obter razes reais de equaes polinomiais, pode-se aplicar qualquer um dos mto-
dos numricos estudados anteriormente.
Contudo, estas equaes surgem to freqentemente que merecem um estudo
especial, conforme comentamos no incio desta seo.
Conforme vimos, um polinmio de grau n com coeficientes reais ser repre-

sentado na forma (6) onde ai E R , i = O, 1, 2, ..., n, ou seja:
Estudaremos um processo para se calcular o valor numrico de um polinmio, isto

porque em qualquer dos mtodos este clculo deve ser feito uma ou mais vezes por iterao.
Por exemplo, no mtodo de Newton, a cada iterao deve-se fazer uma avaliao
do polinmio e uma de sua derivada.
MTODO PARA SE CALCULAR O VALOR NUMRICO DE UM POLINMIO

Para simplificar, estudaremos o processo analisando um polinmio de grau 4:
(7)
Este polinmio pode ser escrito na forma:
(8)
conhecida como forma dos parnteses encaixados.

Deve-se observar que, se o valor numrico de plx) for calculado pelo processo
(8), o nmero de operaes ser bem menor que pelo processo (7).
Para um polinmio genrico de grau n, vemos que, pelo processo (8), teremos de
efetuar n multiplicaes e n adies.
No entanto, pelo processo (7), o nmero de adies tambm n mas o nmero
de multiplicaes n + (n - 1) + ... + 2 + 1 = (I + n)n desde que xj seja calculado por
2
x x x... x, j vezes, pois a potenciao calculada desta forma introduz erros menores de
arredondamento.
Agora,
n + n2 n n2 .
+ > n <::> n :i!!' 2, ou seJa,
2 2 2
o processo (8) efetua realmente um nmero menor de operaes que o processo (7).
Temos ento, no caso de n = 4, que
Para se calcular o valor numrico de p/x) em x = c, basta fazer sucessivamente:
b4 = 4
b3 = ~ + b 4c
b2 = + b3c
bl =ili+ b2c
bo =ao+ blc
:::;, p(c) = b 0.
Portanto, para p0 (x) de grau n qualquer, calculamos p 0 (c) calculando as constantes

bj , j = n, o - 1, ... , 1, O sucessivamente, sendo:
b.J =a.J + b.J+ 1 e j = n - 1, n -2, ... , 2, 1, O
e b0 ser o valor de p0 (x) para x = e.
Como calcular o valor de p~(x) em x = e usando os coeficientes bj obtidos

anteriormente? Tomando como exemplo o polinmio de grau 4, temos
Para x = e, temos que
b4 = 4 =) 4 = b4
b3 = 83 + b4c =) a3 = b3 - b4C
b2 =+ b 3c =) = b 2 - b3c
b 1 = a 1 + b2c ~ 1 = bl - b2c
b0 = + b 1c ~ a 0 = b0 - b 1c
4
p (c) = 4a4c 3 + 3a3c 2 + 2ac + a 1
= 4b 4c 3 + 3(b3 b4c)c2 + 2(b2 - b3 c)c + (b l - b2 c)
-
= 4b 4c 3 - 3b4c 3 + 3b3c 2 - 2b3c 2 + 2b2c + b 1 - b2c.
Aplicando o mesmo esquema anterior, teremos
C4 = b4
c3 = b 3 + c 4c
c 2 = b 2 + c 3c
c 1 = b 1 + c2c.
Calculamos, pois, os coeficientes cj, j = n, n - 1, ..., 1 da seguinte forma:
CD: bn
c. = b. + e. 1 c j = n - 1,..., 1.
J J J+
Teremos ento p' (c) = c1 .
MTODO DE NEWTON PARA ZEROS DE POLINMIOS
Seja p0 (x) = a0 x + a0 _ 1x0 - 1 + ... + azx2 + a1x + e Xo uma aproximao inicial para a raiz
procurada.
Conforme vimos, o mtodo de Newton consiste em desenvolver aproximaes
sucessivas para ; a partir da iterao:
Usando as observaes anteriores sobre o clculo de p(xk) e p' (xk), construmos

o seguinte:
ALGORITMO 6
Dados , ai, ... , a0 , coeficientes de p0 (x), x a aproximao inicial, t 1 e t 2 precises deseja-
das e fixado itmax, o nmero mximo de iteraes que sero permitidas,
1) deltax = X
2) Para k - 1, . .. , itmax, faa:

b ... llu
e= b
Para i - (n - 1), . .. , 1, faa:
b=ai+bx
C=b+CX
-ao+bx
Se I b 1 ~ t 1 v para o passo 4
deltax b / e
x x - deltax
Se I deltax 1 ~ t 2 v para o passo 4
3) Imprimir mensagem de que no houve converg>ncia com "itmax" iteraes.
4) FIM.
Exemplo 28
Dada a equao polinomial x5 - 3.7x4 + 7.4x3 - 10.8x2 + 10.8x - 6.8 = O, temos que
p5(1) = -2.1
p5(2) = 3.6.
Ento, existe uma raiz no intervalo (1,2).
Partindo de x0 = 1.5 e considerando e1 = e2 = lo--6, o mtodo de Newton para

polinmios fornece:
x = x5 = 1.7, f(x) = 1.91 x lo--6 e I x5 - I

x 4 = 2.62 x 1~7 .
Exemplo 29
Consideremos agora pix) = x3 - 3x + 3 = O e e 1 = e2 = 1~6 . A Figura 2.25 mostra o grfico

cartesiano de PiX).
Vemos assim que x3 - 3x + 3 = O tem uma nica raiz no intervalo (-3, -1.5).
Executamos o mtodo de Newton para polinmios, para este polinmio, duas

vezes:
) com x0 =-0.8, e1 = e2 = 10-6, itmax = 30

ii) com x0 =-2, e1 = e 2 = lo--6, itmax = 10
Veja o efeito de pegarmos x0 prximo a um zero da derivada e depois x0 prximo

raiz:
No caso (i) foi encontrada x = -2.103801 com I f(x) 1 = 2.4 x 10-7 em 17

iteraes.
No caso (ii) foi obtido exatamente o mesmo resultado em 3 iteraes.

-3 2 -1 0 1 X
Figura 2.25
EXERCCIOS
1. Localize graficamente as razes das equaes a seguir:
a) 4 cos(x) - e2x = O
X
b) - - tg(x) =O
2
e) 1 - xln(x) = O
d) 2x - 3x = O
e) x3 + X - 1000 =
96 Clculo.Numrico Cap. 2
2. O mtodo da bisseco pode ser aplicado sempre que f(a)f(b) < O, mesmo que f(x)
tenha mais que um zero em (a, b). Nos casos em que isto ocorre, verifique, com o
auxlio de grficos, se possvel determinar qual zero ser obtido por este mtodo.
3. Se no mtodo da bisseco tomarmos sistematicamente x = (ak + bk)/2, teremos que

s
1x - 1 ,;;;; (bk - ak)/2.
Considerando este fato:
a) estime o nmero de iteraes que o mtodo efetuar;
b) escreva um aovo algoritmo.
4. Seja f(x) = x + ln(x) que possui um zero no intervalo I = [0.2, 2].

Se o objetivo for obter uma aproximao xk para esta raiz de tal forma que
l x1c - s1 < 10-5 , aconselhvel usar o mtodo da posio falsa tomando I como
intervalo inicial? Justifique grfica e analiticamente sem efetuar iteraes numricas.
Cite outros mtodos nos quais este objetivo possa ser atingido.
5. Ao se aplicar o mtodo do ponto fixo (MPF) resoluo de uma equao, obtivemos

os seguintes resultados nas iteraes indicadas:
XlO = 1.5 x 14 = 2.14128

x11 = 2.24702 x15 = 2.14151
x 12 = 2.14120 x16 = 2.14133
x 13 : 2.14159 x 17 = 2.14147
Escreva o que puder a respeito da raiz procurada.
6. a) Calcule b/a em uma calculadora que s soma, subtrai e multiplica.
b) Calcule 3/13 nessa calculadora.
7. A equao x 2 - b = O tem como raiz s = v'b. Considere o MPF com <p(x) =b/x:
a) comprove que <p'(!;) - - 1;
b) o que acontece com a seqncia {xk} tal que xk+l = <p(xk)?

e) sua concluso do item (b) pode ser generalizada para qualquer equao f(x) = O
que tenha I q, '(;) 1 - 1?
8. Verifique analiticamente que no MPF, se q,'(x) < O em 1, intervalo centrado em ; ,

ento, dado Xo E I, a seqncia {xkJ , onde xt+t = q>(xk), oscilante em tom o de .
9. Se a funo de iterao do MPF for tal que as condies do Teorema 2 esto satisfeitas:
M
a) mostre que I - xk: 1 ,s;; _ M I xk - xk _ 1 1;
1
b) para que valores de M teremos ento que

1; - xk 1< e se I xk - x1c-1 1< e?
10 . Considere a fu no f(x) = x3 - x - 1 (do Exemplo 19). Resolva-a pelo MPF com funo
1
de iterao q>(x) .! + e Xo 1. Justifique seus resultados.
X X2
11. Use o m todo de Newton-Raphson para obter a menor raiz positiva das equaes a
seguir com preciso e = lo-4
a) x/2 - tg(x) = O
b) 2 cos(x) = eX/2
e) x5 - 6 = O.
12. Aplique o mtodo de Newton-Rapbson equao:
x3 - 2x2 - 3x + 10 =O com x0 = 1.9.

Justifique o que acontece.
13. Deduza o mtodo de Newton a partir de sua interpretao geomtrica.

98 Clculo Numriw Cap. 2
14. Mtodo de Newton Modificado:
Existe uma modificao no mtodo de Newton na qual a funo de iterao q,(x) dada
por q>(x) = x - /f~) onde Xo a aproximao inicial e tal que f '(:xo) O.
a) Com o auxilio de um grfico, escreva a interpretao geomtrica deste mtodo.
b) Cite algumas situaes em que conveniente usar este mtodo em vez do mtodo
de Newton.
15. Seja f(x) =ex - 4x2 e; sua raiz no intervalo (O, 1). Tomando x0 =0.5, encontre; com
t = lo-4, usando:
a) o MPF com q,(x) = ; exl2;
b) o mtodo de Newton.
Compare a rapidez de convergncia.
16. O valor de 1t pode ser obtido atravs da resoluo das seguintes equaes:
a) sen(x) = O
b) cos(x) + 1 = O
Aplique o mtodo de Newton com x 0 = 3 e preciso 10-7 em cada caso e compare os

resultados obtidos. Justifique.
17. Seja f(x) = sen(x) - kx.
a) Encontre os valores positivos de k para que f tenha apenas uma raiz estritamente
positiva.
b) Encontre os valores positivos de k para que f tenha trs razes estritamente

positivas.
2
18. Seja f(x) = x + x(ln(x) - 1). Obtenha seus pontos crticos com o auxlio de um mtodo
2
numrico.
19. O polinmio p(x) = x5 - J

1 3
9
x: + x tem seus cinco zeros reais, todos no intervalo
1
(-1, 1).
a) Verifique que X1 E (-1, -0.75), X2 E (-0.75, -0.25), X4 E (0.3, 0.8) e X5 E (0.8, 1).
b) Encontre, pelo respectivo mtodo, usando E = 10-5

x 1: Newton (Xo = -0.8)
x 2 : bisseco ([a, b] = [-0.75, -0.25])

x 3 : posio falsa ([a, b] = (-0.25, 0.25])
x4 : MPF (I = [0.2, 0.6], Xo =0.4)

x5 : secante (Xo = 0.8; x1 = 1).
20. Seja a equao f(x) =x - x ln(x) =O.

Construa tabelas como as dos exemplos do final do captulo para a raiz positiva desta
equao. Use E = 10-5
Compare os diversos mtodos considerando a garantia e rapidez de convergncia e
eficincia computacional em cada caso.
21. Seja f(x) = xe-x - e-3

a) verifique grfica e analiticamente que f(x) possui um zero no intervalo (O, 1);
b) justifique teoricamente o comportamento da seqncia {xk} colocada a seguir,

gerada pelo mtodo de Newton para o clculo do zero de f(x) em (O, 1), com Xo = 0.9
e preciso E = 5 x lo--6.
Xo = +0.9 X5 = -3.4962 x 10 = -0.3041

x 1 = ~.8754 x 6 = -2.7182 Xll = 0.0427
Xi= ~.0024 X7 = - 1.9863 x 12 = 0.0440
x3 = -5.1452 Xg = -1.3189 X13 = 0.0480
x4 = -4.3079 x9 = -0.7444
22. Uma das dificuldades do mtodo de Newton o fato de uma aproximao xk ser tal que
f '(xk) O. Uma modificao do algoritmo original para prever estes casos consiste
em: dado . um nmero positivo prximo de zero e supondo I f'(x0 ) 1 ~ ., a seqncia
xk gerada atravs de:
xk+l =xk - f(xk)/FL, k =O, 1, 2 ...

onde
se I f '(xk) 1 >
caso contrrio
onde xw a ltima aproximao obtida tal que I f ' (xw) 1 ;;:t )..
Pede-se:
a) baseado no algoritmo de Newton, escreva um algoritmo para este mtodo;
b) aplique este mtodo resoluo da equao x3 - 9x + 3 = O, com "o= -1.275,

= 0.05 e E= 0.05.
23. Usando a regra de sinal de Descartes e o Te-0rema 5, verifique que a equao

p(x) = 3x5 - x4 - x 3 + x + 1 = O pode ter duas razes reajs no intervalo [O, 1).
24. Resolva o Exerccio 23 usando agora a seqncia de Sturm.
25 . Encontre uma raiz da equao:

p(x) = x4 - 6x3 + 10x2 - 6x + 9 = O, aplicando o mtodo de Newton para polinmios.
PROJETOS
1. O PROBLEMA DE RAZES MLTIPLAS:
Se f ' (s) - O, o mtodo de Newton perde suas caractersticas de convergncia quadrtica. O

caso de f I (s) o Uffi caso de raiz mltipla de f(x) : o.
Defmio: Dizemos que s raiz m(dtipla de f(x) = O com multiplicidade p,

quando f(s) = f ' (;) = ... = _f(i>-1>(s) = O e t>>(s) ,. O.
O mtodo de Newton para razes mltiplas deduzido da seguinte forma: seja f(x)
s
uma funo tal que seja raiz de f(x) = O com multiplicidade p. A frmula de Taylor para
f(x) numa vizinhana de; at o termo de ordem (Jr-1), que :
f(x) = f(;) + f'(;) (x - !;) + ... + f(i>-1)(;) (x - !;)P-1 / (Jr-1)1 + Rp(;x)
onde RP(s) = f(P)(sp) (x - l;)P/p! com !;P entre x e l;, fica:
f(x) = f(P)~) (x - l;)P /p!.
A deduo do mtodo de Newton baseada no modelo em que esta funo f(x)

tal que f(P>(x) constante (f(x) = b), para x prximo a l;. Para esta f,
f(x) = b(x - !;)P/pl = c(x - l;)P, f '(x) =cp(x - !;) P-1
e ento
f(x)/f'(x) = (x - ;)/p, donde!;= x - pf(x)/f '(x).
O MTODO
Se ; uma raiz de f(x) = O com multiplicidade p, dados Xo uma aproximao inicial para !;
e El' e2 precises desejadas, para k = 1, 2,..., faa:
x 1 = x0 - pf(xo)/f'(xo)
Caso contrrio, x0 = x 1 e recomece o processo.

De uma forma anloga, podemos introduzir um fator p no mtodo da secante para

trabalhar com razes mltiplas, obtendo, dado x0
Temos os problemas de conseguir detectar computacionalmente a "proximidade"

de uma raiz mltipla e tambm o de saber qual essa multiplicidade, p.
Na referncia (27] podem ser encontradas sugestes de como lidar com ambos.
1) Prove que, se; raiz de multiplicidade p de f(x) = O, a seqncia gerada pelo

mtodo de Newton converge quadraticamente, sob hipteses adequadas de
continuidade. Estabelea essas hipteses.
2) So dadas a seguir trs funes com razes mltiplas, a multiplicidade p das

razes, uma aproximao inicial Xo e uma preciso t.
i) f(x) = 1x - 9145/(1 + sen2(x)); p = 4.5; x 0 = 6; t = lo-6.
ii) f(x) = (81 - y(108 - y(54 - y(12-y))))sign((y - 3)/(1 + x2)),

y = X+ 1.11111; p = 3; Xo = 1; t = lQ-.
iii) f(x) = 1x - 8.341714/(1 + x2); p =0.4; Xo = 8.45; E= lo-6.
a) Tente encontrar as razes usando o mtodo de Newton simples.
b) Idem com o mtodo da secante.
e) Refaa agora os itens (a) e (b) com os dois mtodos adaptados para
razes mltiplas.
) Refaa o item (e) usando para p os valores:

para a funo (i), p = 1 e p = 4.05;
para a funo (iz), p = 1 e p = 3.3;
para a funo (iii), p = 1 e p = 0.36.
Em todos os casos imprima os valores:
NAF = nmero de avaliaes de funo que foram efetuadas
SOL = valor da "soluo" encontrada
VAF = valor de I f I na "soluo" encontrada.

3) Use o mtodo de Newton simples e o descrito anteriormente para encontrar os

zeros de f(x) = x3 - 3.5x2 + 4x - 1.5. Localize-os, descubra p, escolha x0
adequadamente e considere E= lo-6.
2. PROBLEMA DAS VIGAS

Duas vigas de madeira de 20 e 30 metros respectivamente se apiam nas paredes de um
galpo como mostra a figura. Se o ponto em que se cruzam est a 8 metros do solo, qual a
largura deste galpo?
3. MTODO DE NEWTON GERANDO UMA SEQNCIA OSCILANTE
Analise algbrica e geometricamente e encontre justificativas para o comportamento do

mtodo de Newton quando aplicado equao pix) = - 0.5x3 + 2.5x = O nos seguintes
casos:
a) x0 = 1 e x 0 = -1
b} x0 nos intervalos:
(- 1, 1)
(1, 1.290994449)
(- 1.290994449, - 1)
(1.290994449, 2.236067977)
(- 2.236067977, - 1.290994449)
Xo > 2.236067977
Xo < -2.236067977.
CAPTULO [ ! )
RESOLUO DE SISTEMAS LINEARES
3. 1 INTRODUO
A resoluo de sistemas Lineares um problema que surge nas ruais diversas reas.
Exemplo 1
Considere o problema de determinar as componentes horizontal e vertical das foras que
atuam nas junes da trelia abaixo:
0 0
10 t 15t 10 t
Figura 3.1
105
Para isto, temos de determinar as 17 foras desconhecidas que atuam nesta trelia.
As componentes da trelia so supostamente presas nas junes por pinos, sem frico.
Um teorema da mecnica elementar nos diz que, como o nmero de junes j est
relacionado ao nmero de componentes m por 2j - 3 = m, a trelia estaticamente determi-
nante; isto significa que as foras componentes so determinadas completamente pelas
condies de equilbrio esttico nos ns.
Sejam Fx e Fi as componentes horizontal e vertical, respectivamente. Fazendo

a = sen(45) = cos(45 ) e supondo pequenos deslocamentos, as condies de equilbrio
so:
IFx - <15 - f6 + afg + [10 =O

Juno 5
{IFY - af +
5 t, + ~ - 15 - o
IFx - g - afg + f12 + af13 O

Juno 6
{IF y - - af9 - f 11 - af13 = O
Cap. 3 Reso/.uo de sistemas lineares 107
kfX =- flO + f 14 o
Juno 7
l
l:Fyf11 -o
l:FX W13 - f 14 + f17 - o
l
- -
Juno 9
kfy "" af13 + f15 - f10 =O
Portanto, para obter as componentes pedidas preciso resolver esse sistema li-
near, que tem 17 variveis: fi, f 2 , ... , f 17 e 17 equaes.
Um sistema linear com m equaes e n variveis escrito usualmente na forma:
allxl + 31:rz + + alnxn = bl

8z1Xl + 3izXz + + 3 20~ bz
onde
aii : coeficientes
x. : variveis j = 1,..., D
J
b 1. : constantes i = 1, ... , m
108 C4lculo Numrico Cap. 3
A resoluo de um sistema linear consiste em calcular os valores de ~ (j = 1,... , n),

caso eles existam, que satisfaam as m equaes simultaneamente.
Usando notao matricial, o sistema linear pode ser assim representado:
Ax = b
onde
A a matriz dos coeficientes,
X - o vetor das variveis
b = o vetor constante.
Chamaremos de x* o vetor soluo e de x, uma soluo aproximada do sistema

linear Ax = b.
A formulao matricial do sistema Ax = b do Exemplo 1, que ser resolvido no

final deste captulo, dada por:
Cap.3 Resoluo de sistemas lineares 109
-a o o 1 a o o o o o o o o o
o o o
-a o -1 o -a o o o o o o o o o
o o o
o -1 o o o 1 o o o o o o o o
o o o
o o 1 o o o o o o o o o o o
o o o
o o o -1 o o o 1 o o o o o o
o o o
o o o o o o -1 o o o o o o o
o o o
o o o o -a -1 o o a 1 o o o o
o o o
o o o o a o 1 o a o o o o o
o o o
A o o o o o o o -1 -a o o 1 a o
o o o
o o o o o o o o -a o -1 o -a o
o o o
o o o o o o o o o -1 o o o 1 o o o
o o o o o o o o o o 1 o o o o o o
o o o o o o o o o o o -1 o o o a o
o o o o o o o o o o o o o o -1 -a o
o o o o o o o o o o o o -a -1 o o 1
o o o o o o o o o o o o a o 1 o o
o o o o o o o o o o o o o o o -(1 -1
b = [O O O 10 O O O 15 O O O O O O O 10 Of
Analisaremos a seguir, atravs de exemplos com duas equaes e duas variveis,

as situaes que podem ocorrer com relao ao nmero de solues de um sistema linear.
i) Soluo 6nica:
2xl + Xi 3
ii)
lXl - 3x2 = -2
Infinitas solues:
com x = ( ~) (1)
2xl + Xz .. 3
l4x1 + 2x2 =6
para o qual, qualquer x* = (a, 3 - 2a)1 com a E JR, soluo.
(2)
iii) Nenhuma soluo:
(3)
Graficamente, cada um desses casos representado respectivamente por:
(1) retas concorrentes
(2) retas coincidentes
(3) retas paralelas
x, x,
(1) retas concorr.entes (2) retas coincidentes
x,
(3) retas paralelas
Figura 3.2
Cap. 3 Resoluo de sistemas lineares 111
Mesmo no caso geral en;i que o sistema linear envolve m equaes e n variveis,
apenas uma entre as situaes abaixo ir ocorrer:
i) o sistema linear tem soluo nica;
ii) o sistema linear admite infinitas solues;
iii) o sistema linear no admite soluo.
No caso em que m = n = 2 este fato foi facilmente verificado atravs dos grficos
das retas envolvidas no sistema, conforme mostra a Figura 3.2. Para analisar o caso geral,
m equaes e n variveis, usaremos conceitos de lgebra Linear.
Consideremos a matriz A: m x n como uma funo que a cada vetor x E Rn

associa um vetor b E Rm, b = Ax:
Ento, resolver o sistema linear Ax = b consiste em:
"dado b E Rm obter, caso exista, x E Rn, tal que Ax = b".
A resoluo de Ax = b nos leva a encontrar respostas para as seguintes perguntas:
existe x* E R tal que Ax* = b?
se existir, x* nico?
como obter x*?
Consideremos a matriz A: 2 >< 2,
A""(21 -31)
Esta matriz associa a um vetor pertencente ao R 2 um outro vetor do R 2 .
Por exemplo:
se v = (1 l)Y ento: u = Av = (3 -2)T;
se w = (2-l)Y ento: t = Aw = (3 S)T;

112 Clculo Nwnric0 Cap. 3
=
e, dado b (3 -2)T~ existe um nico x* =
(1 1)1' tal que Ax* = b, conforme podemos
comprovar graficamente atravs da Figura 3.2 (1).
Graficamente:
5 t
4
A:x. 3
2 ~ 2
V 1
x, X1
1 1
w
2
u
Figura 3.3
Dada uma matriz A: m x n, definimos o conjunto Imagem de A (denotado por

Im(A)) por:
lm(A) = {y E Rm 1 3 x E R 1 y =Ax}
O conjunto lm(A) um subespao vetorial do 1Rm.
Sob o ponto de vista das colunas de A, resolver o sistema linear Ax = b, A: m x n

implica em se obter os escalares Xi, x2 , ... , x0 que permitem escrever o vetor b de Rmcomo
combinao linear das n colunas de A.
11 12 10
1 2 2n.
b = Xl + X2 + ... + Xn
ml m2 mn
No sistema (1) as colunas da matriz A - ( ~ _;) so linearmente independentes

e portanto formam uma base para o .R2 . Ento, dado qualquer u E .R2, existem e so nicos
os escalares x1 E R e x2 E R tais que
2
u = x1 ( ~) + (-~) . Para este caso, temos Im(A) = .R .
Na Figura 3.4 representamos os vetores coluna de A: a1 -
e o vetor u - (-i)= 2a1 + a2 :
1
2a
2
a
Figura 3.4
Definimos:
Posto(A) = dimenso(lm(A)) = dim(lm(A)).
Retomando os sistemas lineares (1), (2) e (3) do incio desta seco:
2x1 + x2 = 3
caso i): soluo nica
{ x1 - 3Xz = -2
neste caso, j vimos anteriormente que Im(A) = R 2, portanto existe um nico x* = (1 ll

tal que b = 1a1 + la2 . Graficamente:
1
a
F igura 3.5
Assim, o sistema (1) compatvel determinado.
Nos casos (ii) e (iii) a matriz A dos coeficientes A = ( ~ ; ) na qual:

al _ 2a2.
Estas colunas so pois linearmente dependentes e conseqentemente no formam

uma base para o JR.2; para esta matriz, posto(A) = dim(lm(A)) = 1. Dado um vetor b E R 2,
se b E lm(A) o sistema linear Ax ;: b admitir infinitas solues e ser compatvel indeter-
minado. Se b $. Im(A), o sistema linear no admitir soluo e ser incompatvel.
No caso (ii) b .. ( !) pertence a lm(A):
tm (A)
Figura 3.6
b = a ( ~ ) + (3 - 2a) ( ; ) para qualquer a E R .
No caso (iir), b = ( ~) no pertence a Im(A):

Figura 3.7
Nos casos em que m '6 n, embora tenhamos situaes semelhantes, gostaramos de

observar que:
i) posto(A) :5;; min{m,n}
ii) se m < n o sistema linear Ax = b nunca poder ter soluo nica pois
posto(A) < n, sempre. Ilustrando,
Figura 3.8
Por exemplo, consideremos o sistema linear:
l
-x1 + 2Xi + 3X:3 - 6
+ X3 9
Eliminando x 2 da 21 equao e substituindo na 11 equao obtemos x 1 = 12 + x 3

e teremos o conjunto das infinitas solues dado por:
= {xE R'tasquex= (!)+x,( -0 't x,E R}

Neste exemplo, posto(A) = m = 2 < o = 3 e o sistema compatvel indeterminado.
i ) se m > n, mesmo que posto(A) = n o sistema pode no ter soluo pois a

situao b ~ Im(A) ocorre com freqncia:
n=2 m =3
A
----.... b ~ lm(A)
,,,,,,,,,,,,,
,,,,,,,, ,,,,,
,,,,,,,,,,,,
,,,,,,,,,,,,,,,
,,,,.,,,, ,, ,,,
,,,,.,,,,,
,,,,,,,,
,,,,,,,,
~,;,;,;,;,;'
,,,,, lm(A)
Figura 3.9
A tabela a seguir apresenta um resumo de todas as possibilidades para sistemas

lineares:
Dada A, matriz m x n usaremos na tabela a seguinte definio:
Se posto(A) = min{m. n}, ento A posto-completo.
Se posto(A) < mio{m, o}, ento A posto-deficiente.

Matriz A m= D m<n m> D
(posto(A) = n)
(posto(A) = n) (posto(A) = m)
Posto Completo b E Im(A), soluo nica
Compatvel determinado Infinitas solues
b fi Im(A), iocompatfvel
Posto bE lm(A) Infinitas solues Infinitas solues Infinitas solues

Deficiente
bfi lm(A) Incompatvel Incompatvel Incompatvel
Neste captulo apresentaremos mtodos numricos para a resoluo de sistemas

lineares n x n.
Os mtodos numricos para resoluo de um sistema linear podem ser divididos

em dois grupos: mtodos diretos e mtodos iterativos.
Mtodos diretos so aqueles que, a menos de erros de arredondamento, fornecem
a soluo exata do sistema linear, caso ela exista, aps um nmero finito de operaes.
Os mtodos iterativos geram uma seqncia de vetores {x(k)}, a partir de uma
aproximao inicial x<0>. Sob certas condies esta seqncia converge para a soluo x*,
caso ela exista.
,
3.2 METODOS DIRETOS
3.2. 1 INTRODUO
Pertencem a esta classe todos os mtodos estudados nos cursos de 112 e 211 graus, destacan-
do-se a regra de Cramer. Este mtodo, aplicado resoluo de um sistem n x n envolve o
clculo de (n + 1) determinantes de ordem n. Se o for igual a 20 podemos mostrar que o
nmero total de operaes efetuadas ser 21 x 20! x 19 multiplicaes mais um nmero
semelhante de adies. Assim, um computador que efetue cerca de cem milhes de multi-
plicaes por segundo levaria 3 x lOS anos para efetuar as operaes necessrias.
Desta forma, o estudo de mtodos mais eficientes necessrio, pois, em geral, os

problemas prticos exigem a resoluo de sistemas lineares de grande porte, isto , sistemas
que envolvem um grande nmero de equaes e variveis.
Devemos observar que no caso de sistemas lineares n x n, com soluo nica, o

vetor x* dado por: x* = A-1 b. No entanto, calcular explicitamente a matriz A-1 e em
seguida efetuar o produto A-1 b desaconselhvel, uma vez que o nmero de operaes
envolvidas grande, o que torna este processo no competitivo com os mtodos que estu-
daremos a seguir.
3.2.2 MTODO DA ELIMINAO DE GAUSS
Entre os mtodos diretos, destacam-se os mtodos de eliminao que evitam o clculo

direto da matriz inversa de A e alm disto no apresentam problemas com tempo de execu-
o como a regra de Cramer.
O mtodo da Eliminao de Gauss consiste em transformar o sistema linear origi-
nal num sistema linear equivalente com matriz dos coeficientes triangular superior, pois
estes so de resoluo imediata. Dizemos que dois sistemas lineares so equivalentes
quando possuem a mesma soluo.
Veremos a seguir um algoritmo para resoluo de sistemas triangulares e estuda-
remos como o mtodo da Eliminao de Gauss efetua a transformao do sistema linear
original no sistema triangular equivalente.
RESOWO DE SISTEMAS TRIANGULARES

Seja o sistema linear Ax = b, onde A: matriz n x n, triangular superior, com elementos da
diagonal diferentes de zero. Escrevendo as equaes deste sistema, temos:
allXl + :trz + a13X3 + + 10~ = bl

zXz + JX3 + + 2nxn = h2
3J3X3 + + nXD - b3
D-a ltima equao, temos
~ - I pode ento ser obtido da pem1ltima equao:
bn - 1 - an - 1,nX n
~ - 1 = n - 1,o - l
e assim sucessivamente obtm-se x 0 _z, .. .. x2 e finalmente x 1:
ALGORITMO 1: Resoluo de um Ststema Triangular Superior
Dado um sistema triangular superior n x n com elementos da diagonal da matriz A no nuJos, as

variveis xn xn- l u- 2' ... x2, x 1 so assim obtidas:
Xo: bn /~n
Para k = (n - 1), ... 1
s=O
Paraj = (k + 1), ... , n
s = s + ll.icf.i
xk = (bk - s) / kk
DESCRIO DO M~TODO DA ELIMINAO DE GAUSS

Conforme dissemos anteriormente, o mtodo ,consiste em transformar convenieT-1te mente o sis-
tema linear original para obter um sistema linear equivalente com matriz dos coeficientes
triangular superior.
Para modificar convenientemente o sistema linear dado de forma a obter um sistema

equivalente, faremos uso do teorema, cuja demonstrao pode ser encontrada em (2).
TEOREMA 1
Seja Ax = b um sistema linear. Aplicando sobre as equaes deste sistema uma seqncia
de operaes elementares escolhidas entre:
i) trocar duas equaes;
ii) multiplicar uma equao por uma constante no nula;
iii) adicionar um mltiplo de uma equao a uma outra equao;

- - - -
obtemos um novo sistema Ax - b e os sistemas Ax = b e Ax= b so equivalentes.
Descreveremos a seguir como o mtodo da Eliminao de Gauss usa este teorema

para triangulariz-ar a matriz A Vamos supor que det(A).,,. O.
A eliminao efetuada por colunas e chamaremos de etapa k do processo a fase

em que se elimina a varivel xk das equaes k + 1, k + 2, ... , n.
Usaremos a notao aff> para denotar o coeficiente da linha i e coluna j no final

da k-sima etapa, bem como bfk) ser oi-simo elemento do vetor constante no final da
etapa k.
Considerando que det(A) "" O, sempre possvel reescrever o sistema linear de

forma que o elemento da posio a11 seja diferente de zero, usando apenas a operao
elementar (i):
a(O) aCO)
11 ii
a(O) a(O) a(O)

21 22 2n
Seja A(O) 1 b(O) =A j b =
a(O)
no
onde a(!)) - a.. b(O) == b. e a'1) .,,. O

J lJ' 1 1 1 .
122 Clculo Num,rico C<rp. 3
Etapa 1:
A eliminao da varivel x 1 das equaes i = 2, ... , n feita da seguinte forma: da equao

i subtramos a 11 equao multiplicada por mil. Observamos que para que esta eliminao
a(O)
seja efetuada, a nica escolha possvel ~ 1 - ;~) , i - 2, . . . , n.
11
ajfl
Os elementos mil = (O), 1 = 2, . . . , n so os multiplicadores e o elemento
11
a~ - a(~) - m. a(q) i-2, .. . ,n e j==l, ... ,n

IJ IJ 1 j
-, 1
b{l) b(O) - m . b(O) i=2 , ... ,n

1 1 -.1 1
Etapa 2:
Deve-se ter pelo menos um elemento af) * O, parai= 2,... , n, caso contrrio, det( A<1)) = O,
o que implica que det(A) = O; mas det(A) :# O, por hiptese.
Ento, sempre possvel reescrever a matriz AO>, sem alterar a posio da linha 1,
de forma que o piv, a~~. seja no nulo.
( 1)
i2
Os mwtiplicadores desta etapa sero os elementos lllj_2 = (1) parai= 3, ... , n.
22
A varivel x2 eliminada das equaes i = 3,... , o da seguinte forma: da equao

i subtramos a segunda equao multiplicada por ma.
Ao final, teremos a matriz A <2>1 b(2>:
b~2)
o b~2)
A<2 > 1 b<2) = o b~2)
o O a<2)
o3
a<2)
no
onde afJ> = af? parai= 1, 2 e j = i, i + 1, .. . n
b(12 ) = b(11) parai = 1, 2
afJ) = afJ> - mi2~p parai= 3, ... , nej = 2,..., n

bf2> = bfl) - lllab~1) parai = 3, ..., n
Seguindo raciocnio anlogo, procede-se at a etapa (n - 1) e a matriz, ao final

desta etapa, ser:
a\~ -1) ~~ -1) ~~-1) . ..... }~-1) b~n-1)
o 4~-l) ~-1) . .. .. . 4~-l) b&n- l)
A(n - 1) 1 b(n - 1) o o ~~ -1) . ..... a~!-1) b1 - 1)
(n-1)
o o o 3
nn
b(D - 1)
n
e o sistema linear A (ll- l)x = b(n-l) triangular superior e equivalente ao sistema linear
original.
Exemplo 2
Seja o sistema linear:
Etapa 1:
Eliminar x1 das equaes 2 e 3:

Para facilitar o entendimento do processo, de agora em diante usaremos a notao
Li para indicar o vetor linha formado pelos elementos da linha i da matriz A{k) 1 b(k). Assim,
nesta etapa, L 1 = (3 2 4 1).
ai~ a~i a\o; 3 2 4 1
A (O) 1 b(O) = ~~ ~i ~ 1 1 2 2
4 3 -2 3
~~ ~i ~o;
Piv: a\~>= 3
!D.i1 =1/3
~l = 4/3
l...i - l...i - !D.it L1
--m31 L1
3 2 4 ] aH> a~Y ~~ b~l)
~ A (l) 1 b(l)"" o 1/3 2/3 5/3 - o ~ a{]) b ~l)
o 1/3 -22/3 5/3 o ~~ ~~ b ~l )
Etapa 2:
Eliminar x2 da equao 3:
Piv: aw_ 1/3

1/3
m32 - 1/3 - 1
- - tliLi
3 2 4 1
::::;, A<2) 1 b(2) = O 1/3 2/3 5/3
o o -8 o
Assim, resolver Ax = b equivalente a resolver A <2)x = b(2>:
A soluo deste sistema o vetor x - [-n

ALGORITMO 2: Resoluo de Ax = b atravs da Eliminao de Gauss.
Seja o sistema linear Ax = b, A: n x n, x: n x 1, b: n x 1.
Supor que o elemento que est na posio ak:k diferente de zero no incio da etapa k.
Para k = 1, .. . , n- l
Parai = k + 1, ... , n
ik
m = -
kk
Eliminao
=O
aik
Para j = k + 1, . . . n
ij = aij - makj
bi = bi - mbk
xn = bn/ann
Para k = (n - 1) , .. . 2,1
s = o
Resoluo do sistema:
Par a j = (k + 1) . ... , n
(S = S + akj Xj
xk = (bk - s) 1 kk
O algoritmo acima efetua, na fase da eliminao, (4n3 + 3n 2 - 7n) /6 operaes e, para

resolver o sistema triangular superior, o nmero de operaes efetuadas n2.
Assim, o total de operaes para se resolver um sistema linear pelo mtodo da

Eliminao de Gauss (4n 3 + 9n2 - 7n)/6.
ESTRATGIAS DE PIVOTEAMENTO
Vimos que o algoritmo para o mtodo da Eliminao de Gauss requer o clculo dos multi-
plicadores:
a~-1)
mik a(k-1)
i=k+l, ... ,n
kk
em cada etapa k do processo.
O que acontece se o piv for nulo? E se o piv estiver prximo de zero?

Estes dois casos merecem ateno especial pois impossvel trabalhar com um
piv nulo. E trabalhar com um piv prximo de zero pode conduzir a resultados totalmente
imprecisos. Isto porque em qualquer calculadora ou computador os clculos so efetuados
com aritmtica de preciso finita, e pivs prximos de zero do origem a multiplicadores
bem maiores que a unidade que, por sua vez, origina uma ampliao dos erros de arredon-
damento.
Para se contornar estes problemas deve-se adotar uma estratgia de pivoteamento,

ou seja, adotar um processo de escolha da linha e/ou coluna pivotal.
ESTRATGIA DE PIVOTEAMENTO PARCIAL
Esta estratgia consiste em:
i) no incio da etapa k da fase de eliminao, escolher para piv o elemento de

maior mdulo entre os coeficientes: a~ - 1), i = k, k +1, ..., n;
iz) trocar as linhas k e i se for necessrio.

128 Cleulo Numrico Cap. 3
Exemplo 3
o=4 ek=2
3 2 1 -1 5
o 1 o 3 6
A (l)
1
b(l) =
o -3 -5 7 7
o 2 4 o 15
lneio d.a etapa 2:
i) escolher piv
mx I aP>j = 1a(l)I - 3 => piv -3

. 23 4 12 32
j - ' '
ii) trocar linhas 2 e 3.
Assim,
3 2 1 -1 5
o -3 -5 7 7
A(1) 1 b(n =
o 1 o 3 6
o 2 4 o 15
e os multiplicadores desta etapa sero:
1
m32 =- =-1/3
-3
2
m42 = - =-2/3
-3
Observamos que a escolha do maior elemento em mdulo entre os candidatos a
piv faz com que os multiplicadores, em mdulo, estejam entre zero e um, o que evita a
ampliao dos erros de arredondamento.
Cap. 3 Resoluo de sstemas lineares 129
ESTRATGIA DE PiVOTEAMENTO COMPLETO

Nesta estratgia, no incio da etapa k escolhido para piv o elemento de maior mdulo,
entre todos os elementos que ainda atuam no processo de eliminao:
mx I aif - 1) 1 1a~ - l ) 1 = piv a~ - l )

"ff i, j;,k
Observamos que, no Exemplo 3, se fosse adotada esta estratgia, o piv da etapa

2 seria a',]) = 7, o que acarretaria a troca das colunas 2 e 4 e, em seguida, das linhas 2 e 3,
donde:
3 -1 1 2 5
O 7 -5 -3 7
A ( l ) 1 b(l) =
O 3 O 1 6
O O 4 2 15
Esta estratgia no muito empregada, pois envolve uma comparao extensa

entre os elementos a{f -1>, i. j ~ k e troca de linhas e colunas, conforme vimos no exemplo
anterior; evidente que todo este processo acarreta um esforo computacional maior que a
estratgia de pivoteamento parcial.
Exemplo 4
Consideremos o sistema linear
0.0002x1 + 2 - 5
{ 2x 1 + 2 - 6
Inicialmente vamos resolv-lo sem a estratgia de pivoteament-o pa:Feial e vamos

supor que temos de trabalhar com aritmtica de trs dgitos. Nosso sistema :
0.2 )( 10-3x 1 + 0.2 X 101x 2 0.5 X 101
l 0.2 X 101x 1 + 0.2 X 101Jti 0.6 X 1<>1
l
Ento,
0,2 X 10- 3 0.2 X 101 1

A (O) 1 b(O) 0.5 X 10
( 0.2 X 101 0.2 X 101 0.6 X 101
Etapa 1:
Piv: 0.2 x 10-3
m21 =(0.2 x 101)/(0.2 x 10-3) = 1 x 1()4 =0.1 x 105 e a'1.1f =O
4~ - 4~ - ~~ X IDz1 .. 0.2 X 101 - (0.2 X 101) X (0.1 X lOS) -

0.2 X 101 - 0.2 X l(P - 0.2 X }(P
b~) = b&Q) - b~Q) X m 2] 0.6 X 101 - (0.5 X 101) X (0.1 X 1<>5) "'
0.6 101 - 0.5 X lOS - 0,5 l(P
l
X X
0 .2 X 10-3 0.2 X 101 1

= A (l) 1 b(l) -
0,5 X 10
( o -0,2 X 10S - 0.5 X 1<>5
E a soluo do sistema A(l)x= b<1) resultante
-0.2 x 10Sx2 =-0.5 x 105 = X2 = (0.5) / (0.2) =2.5 =0.25 x 10

= 0.2 X 10-3x 1 + 0.2 X 101 X 0.25 X 101 = 0.5 X 10 1
= 0.2 X 10-3x 1 : 0.5 X 101 - 0.05 X 1C>2 = 0.5 X 101 - 0.5 X 101 : 0
e, portanto, x - (O 2.5)T.
fcil verificar que i no satisfaz a segunda equao, pois
2 X O+ 2 X 2.5 = 5 ;od 6.
Usando agora a estratgia de pivoteamento parcial (e ainda aritmtica de trs
l
dgitos), temos
0.2 X 101 0.2 X 101 0.6 10

1
A(O) i b(O)
X
( 0.2 X 10-3 0.2 X 101 0.5 X 101
Assim o piv 0.2 x 101 e lnii = (0.2 x 10-3)/(0.2 x 101) = 0.1 x 10-3 . De forma
anloga ao que fizemos acima, obtemos o novo sistema
A (l ) 1 b (1) -
(
0.2 X
O
101 0.2
0.2
X
X
101
101
0.6
0.5
X
X
10
1
10 1
l
. soluao
cuJa - -x ( _ 0.5
x )
0 25 101
E o vetor x realmente a soluo do nosso sistema, pois
02 X 10-3 X 0.5 + 0.2 X 101 X 0.25 X 101 : 0.1 X 10-3 + 0.05 X 1<>2 = 0.5 X 101 = 5
0.2 X 101 X 0.5 + 0.2 X 101 X 0.25 X 101 = 0.1 X 101 + 0.05 X 102 =
= 0.01 X 1<>2 + 0.05 X 1<>2 = 0.06 X 1<>2 = 0.6 X 101 = 6.
3.2.3 FATORAO LU
Seja o sistema linear Ax = b.

132 Cdlculo Numlrico Cap. 3
O processo de fatorao para resoluo deste sistema consiste em decompor a

matriz A dos coeficientes em um produto de dois ou mais fatores e, em seguida, resolver
uma seqncia de sistemas lineares que nos conduzir soluo do sistema linear original.
Por exemplo, se pudermos realizar a fatorao: A = CD, o sistema linear Ax. =b

pode ser escrito:
(CD)x = b
Se y = Dx, ento resolver o sistema linear Ax. = b equivalente a resolver o

sistema linear Cy =b e, em seguida, o sistema linear Dx = y.
A vantagem dos processos de fatorao que podemos resolver qualquer sistema

linear que tenha A como matriz dos coeficientes. Se o vetor b fo_r alterado, a resoluo do
novo sistema linear ser quase que imediata.
A fatorao LU um dos processos de fatorao mais empregados. Nesta fatora-

o a matriz L triangular infe.rior com diagonal unitria e a matriz U triangular superior.
CLCULO DOS FATORES L e U
Os fatores L e U podem ser obtidos atravs de frmulas para os elementos l!i e uij ou ento,
podem ser construdos usando a idia bsica do mtodo da Eliminao de Gauss.
A obteno dos fatores L e U pelas frmulas dificulta o uso de estratgias de

pivoteamento e, por esta razo, veremos como obter L e U atravs do processo de Gauss.
Usaremos um exemplo terico de dimenso 3:

Cap. 3 Resoluo de sistemas Lineares 133
Trabalharemos somente com a matriz dos coeficientes. Seja ento:
a\~ ~~ ~O}
A(O) = a&~ ~~ ~ =A
Os multiplicadores da etapa 1 do processo de Gauss so:
e m31 "'
~~
(O) (supondo que a\~) .,, O)
11
Para eliminar x1 da linha i, i = 2, 3, multiplicamos a linha l por mil e subtramos

o resultado da linha i.
Os coeficientes 3h) sero alterados para a~1), onde:

para j = 1, 2, 3
ai~) ... a{~) - m. a<9)

u ~ a ~
para i =2, 3 e j = 1, 2, 3
Estas operaes correspondem a se pr-multiplicar a matriz A (O) pela matriz M (O),

onde
1 o o
M(O) = -~1 1 o ' pois:
- m31 o 1
1 o o a a&d ~ =
-m31 o 1
~<p ~d ~~
al\) at~ aiV

= o ~ a&V - A{l)
o a&Y ~y
Portanto, M(O)A(O) = A(1) onde A<1 ) a mesma matriz obtida no final da etapa 1 do
processo de Gauss.
{1)
Supondo agora que a&~ ., O, o multiplicador da etapa 2 ser: m32 = ff>
~2
Para eliminar da linha 3, multiplicamos a linha 2 por m32 e subtramos o
resultado da linha 3.
Cap. 3 Resoluo de ssremas.lineares 135
Os coeficientes af;1> sero aHerados para:
\}) = a\j> para j = 1, 2, 3
a&1> = ~V para j = 2, 3
~) = ~J) - m32 ~p para j = 2, 3
As operaes efetuadas em A(1) so equivalentes a pr-multiplicar A<1> por M(l),

onde
1 O O
M(1) - O 1 O , pois:
0 - m,2 1
1 O O a\11) a~~
M (l )A (l) O 1 O o a&Y
0 -m,2 1
o ~~
a\\>
- o aw. aW -
o ~~ - m,2~Y ~~ - II2aW
a\f a\~ ag>

o afi a~2)3
o o ~;
Portanto, M ( 1)A ( 1) = A (2) onde A (2) a mesma matriz obtida no final da etapa 2 do
mtodo da Eliminao de Gauss.
Temos ento, que:
A= A(O)
onde A (Z) triangular superior.
fcil verificar que:
1 o o 1 o o
cw)r1 = llli1 1 o e (M(l))-1 o 1 o
m31 o 1 o m32 1
Assim,
1 o o
1 o
Ento, A= (M<1) M ()>-1A(2) ... (M<>t1 (M <1>t1 A <2)
1 o o ~~ ~~ ~~
A- 11 1 o o ~~ a~ = LU
1
ID31 ID32 o o ~~
Isto , fatoramos a matriz A em duas matrizes triangulares L e U, sendo que o

fator L triangular inferior com diagonal unitria e seus elementos lij para i > j so os
multiplicadores llj obtidos no processo da Eliminao de Gauss; o fator U triangular
superior e a matriz triangular superior obtida no final da fase da triangularizao do
mtodo da Eliminao de Gauss.
TEOREMA 2: (Fatorao LU)
Dada uma matriz quadrada A de ordem n, seja Ak a matriz constituda das primeiras k linhas
e colunas de A Suponha que det(Aic) .,. O para k = 1, 2, ..., (n - 1). Ento, existe uma nica
matriz triangular inferior L = mj), com Ili = 1, 1 ~ i ~ n e uma nica matriz triangular
superior U = (~j) tais que LU = A. Ainda mais, det(A) = Uii2 ... unn.
Demonstrao: ver (13]
RESOLUO DO SISTEMA LINEAR Ax = b USANDO A FATORAO LU DE A
Dados o sistema linear Ax = b e a fatorao LU da matriz A, temos:
Ax = b ~ (LU)x = b
Seja y = Ux. A soluo do sistema linear pode ser obtida da resoluo dos sis-
temas lineares triangulares:
i) Ly = b
it) Ux = y
Verifiquemos teoricamente que o vetor y o vetor constante do lado direito obtido
ao final do processo da Eliminao de Gauss.
Considerando o sistema linear Ly =b, temos que y = L- 1 b.

Mas, L = (M<)tl(M(l)tl = L- 1 = M (l )M(O)_
Ento, y = M(1)M(O)b(O), onde b(O) = b
Temos que
1 o o b~O) b~O)
M (O) b(O) -IDi1 1 o b~O)

- b~O) - 111b~O) =
-~1 o 1 b~O) b~O) - ~1 b~O)
b\1)
= b&l) ... b(l)_
b~l)
Isto , o vetor obtido aps o produto de M(O) por b(O) o mesmo vetor do lado
direito obtido aps a etapa 1 do processo da Eliminao de Gauss.
Obtido b(l), temos que y = M ( 1)b(1) =
1 o o b~l) b~l) b~2)
- o 1 o b~l) = b&l) = b&2) = b(2),
o - m32 1 b~l) b~l) - ID32b&l) b~2)
Exemplo 5
Resolver o sistema linear a seguir usando a fatorao LU:

Cap. 3 ReSoluo de sistemas lin~ares 139
3x1 + 2 + 4x3 .. 1
xl + + 2 =2
4x1 + 3"2 + 2x::, = 3
3 2 4
A= 1 1 2
4 3 2
Usando o processo de Gauss, sem estratgia de pivoteamento parcial, para trian-

gularizar A, temos:
Etapa 1:
Piv= a~~ = 3
. . a~q_) 1 4
Multtphcadores: m 21 a~ = 3
~t
Ento,
3 2 4
L1 - L1
Lz - Lz - D1 L1 e A (l) - o 1/3 2/3
L3 - L3 - ~1 L1
o 1/3 - 10/3
Uma vez que os elementos a~,V e ~V so nulos, podemos guardar os multiplica-

dores nestas posies, ento;
3 2 4
A(l) = 1/3 1/3 2/3
4/3 1/3 -10/3

Etapa 2:
Piv: ~ .. 1/3
a&Y. - 113
' 11cadores : m -
Mu 1tip 32 aW, 113
=1
Teremos:
3 2 4
e A (2) = 1/3 1/3 2/3
4/3 1 -4
Os fatores L e U so
1 o o 3 2 4
L 1/3 1 o e U - O 1/3 2/3
4/3 1 1 o o -4
Resolvendo L(Ux) = b:
l) Ly = b
y = (1 5/3 O)T
Cap. 3 ResolUfo de sistemas lineares 141
ii) Ux = y:
3x1 + 2:icz + 4x3 =1
Ux = y => 1/3x2 + 2/3x3 ... 5/3
{ 4x3
X= (-3 5 Q)T.
FATORAO LU COM ESTRATGIA DE PIVOTEAMENTO PARCIAL
Estudaremos a aplicao da estratgia de pivoteamento parcial fatorao LU. Esta estra-

tgia requer permutao de linhas na matriz A (k), quando necessrio. Por este motivo,
veremos inicialmente o que uma matriz de permutao e, em seguida, como se usa a
estratgia de pivoteamento parcial no clculo dos fatores L e U e quais os efeitos das
permutaes realizadas na resoluo dos sistemas lineares Ly =b 'e Ux =y.
Uma matriz quadrada de ordem o uma matriz de permutao se pode ser obtida
da matriz identidade de ordem o permutando-se suas linhas (ou colunas).
Pr-multiplicando-se uma matriz A por uma matriz de permutao P obtm-se a

matriz PA com as linhas permutadas e esta permutao de linhas a mesma efetuada na
matriz identidade para se obter P.
Exemplo 6
Sejam
o 1 o 3 1 4
p - o o 1 e A ... 1 5 9
1 o o 2 6 5
o 1 o 3 1 4 1 5 9
PA O o 1 1 5 9 2 6 5
1 o o 2 6 5 J 1 4 '
Seja o sistema linear Ax = b e sejam os fatores L e U obtidos pelo processo da

Eliminao de Gauss com estratgia de pivoteamento parcial.
L e U so fatores da matriz A ', onde A' a matriz A com as linhas permutadas,

isto , A ' = PA
Mas as mesmas permutaes efetuadas nas linhas de A devem ser efetuadas sobre
o vetor b, uma vez que permutar as linhas de A implica permutar as equaes de
Ax = b.
Seja ento b' = Pb
O sistema linear A 'x = b ' equivalente ao original e, se A ' = LU, teremos

A ' x = b' ~ PAx = Pb ~ LUx =Pb
Resolvemos ento os sistemas triangulares:
i) Ly = Pb
ii) Ux = y e obtemos a soluo do sistema linear original.
Exemplo 7
3 -4 l
2 2
4 O -3
Etapa 1:
Piv: 4 = ~T; ento devemos permutar as linhas 1 e 3:

4 o -3 o o 1
A'(O) = 1 2 2 p(O) - o 1 o e A'(O) - p (O)A(O)
3 -4 1 1 o o
Eferuando a eliminao em A'(O):
4 o -3
A(l) = 1/4 2 11/4
3/4 -4 13/4
Etapa 2:
Piv: - 4 = a!ft, ento devemos permutar as linhas 2 e 3:

4 o -3 1 O O
--
A'(l) 3/4 -4 13/4 p(l) - O O 1 e A'(1) p(l)A (1)
1/4 2 11/4 O 1 O
144 C6kulo Numrico Cap. 3
Efetuando a eliminao temos:
4 o -3
A (2) = 3/4 -4 13/4
1/4 - 1/2 35/8
Os fatores L e U so
1 o o 4 o -3
L - 3/4 1 o e U- O -4 13/4
1/4 -1/2 1 o o 35/8
, estes so os fatores da matriz A' - PA onde P = p(l) p(O), isto :
o o 1 3 -4 1 4 O -3
A' PA 1 o o 1 2 2 3 -4 1
o 1 o 4 O -3 1 2 2
Resoluo dos sistemas lineares triangulares:
i) Ly = Pb onde
o o 1 9 -2
Pb 1 o o 3 - 9
o 1 o -2 3
-2
y = 21/2
35/4
iz) Ux = y
1
+ Xi - 3 = -2
-4 + 13/4x3 21/2 X -1
35/8~ - 35/4
2
Considerando uma matriz geral, A : n x n. Se A no singular, ento no incio da

etapa k da fase de eliminao existe pelo menos um elemento no nuJo entre os elementos
a~ - l) , . . . , ~ - l) de modo que atravs de uma troca de linhas sobre A~ - l) sempre
possvel obter a matriz A'(k - 1) com elemento no nuJo na posio (k, k). Desta forma, os
clculos necessrios em cada etapa da eliminao podem ser realizados e os fatores L e U
da matriz PA sero unicamente determinados, onde P = p {n - 1) p(n - 2) ... p {O) e p (k)
representa a troca de linhas efetuada na etapa k.
As permutaes de linha realizadas durante a fatorao podem ser representadas

atravs de um vetor n x 1, que denotaremos por p, definido por p(k) = i se na etapa k a linha
i da matriz original A {O) for a linha pivotal.
Considerando o Exemplo 7, teramos inicialmente: p = (1 2 3). No incio da etapa

1, a linha 3 a pivotal, ento p = (3 2 1). No incio da etapa 2, a linha 3 da matriz A(1) a
linha pivotal, ento p = (3 1 2).
ALGO RITMO 3: Resoluo de Ax = b atravs da fatorao LU com

plvoteamento parcial
Considere o sistema linear Ax = b, A: n x n; o vetor p representar as permutaes reali-

zadas durante a fatorao.
(Clculo dos fatores:)
Para i - 1 , . . . , n
[ p(i) = i
Para k 1 , ... , (n - 1)
pv - 1 a(k, k) 1
r k
Para i = (k + 1) , ... , n
se (1 a(i, k) 1 > pv ), faa:
pv . 1a(i, k)I
[ r - t
se pv O, parar; a matriz A singular

se r k, faa:
aux - p(k)
p(k) - p(r)
p(r) = aux
Para j - 1 , . . . , n
aux - a(k, j)
a(k, j) - a(r, j)
[ a,(r, j) - aux
Para i (k + 1), .. . , n
m - a(i, k)/ a(k, k)
a(i, k) = m
para j (k + 1), . . . , o
a(i, j) - a(i, j) - ma(k, j)
(Resoluo dos sistemas triangulares)
Para i = 1, ... , o
e = Pb [ r - p(i)
c(i) = b(r)
Para i = 1, . .. , n
soma= O
Ly = c Paraj = 1, ... , (i - 1)
r
soma = soma + a(i, j)y(j)
y(i) = c(i) - soma
Para i = n, (n - 1), ... ,

soma= O
Ux = y Para j = (i + 1), ... , n
[ soma = soma + a(i, j)x(j)
x(i) = (y(i) - soma)/a(i, i)
3.2.4 FATORAO DE CHOLESKV
Uma matriz A: o x n definida positiva se xTAx > O para todo x E R , x c1: O.
A resoluo de sistemas lineares em que a matriz A simtrica, definida positiva,

freqente em problemas prticos e tais matrizes podem ser fatoradas na forma:
A=GGT
onde G : n x n uma matriz triangular inferior com elementos da diagonal estritamente posi-
tivos. Esta fatorao conhecida como fatorao de Cholesky.
Seja A: n x n e vamos supor que A satisfaa as hipteses do Teorema 2. Ento, A pode

ser fatorada, de forma nica, como LDU (ver Exerccio 12) com:
L: n x n, triangular inferior com diagonal unitria;
D: o x n, diagonal e
U: n x n, triangular superior com diagonal unitria.
Se, alm das hipteses do Teorema 2, a matriz for simtrica, demonstra-se [14]
que U = LT, e, ento, a fatorao fica: A = LDLT_
Exemplo 8
Considere a matriz
16 -4 12 -4
-4 2 -1 1
A=
12 -1 14 -2
-4 1 -2 83
Calculando os fatores L e U de A e, em seguida, os fatores L, D e U, teremos:
16 -4 12 -4 1 o o o 16 -4 12 -4
-4 2 -1 1 -1/4 1 o o o 1 2 o
12 -1 14 -2
- 3/4 2 1 o o o 1 1
-4 1 -2 83 -1/4 o 1 1 o o o 81
1 o o o 16 o o o 1 -1/4 3/4 -1/4
-1/4 1 o o o 1 o o o 1 2 o
=
3/4 2 1 o o o 1 O o o 1 1
-1/4 O 1 1 o o O 81 o o o 1
Observamos que:
i) uIJ.. = u..IJ / u11.. ;
h) como a matriz A simtrica, U = LT.
Cap. 3 ResolUO de sistemas lineares 149
Se A for definida positiva, os elementos da matriz D so estritamente positivos,

conforme demonstramos a seguir: como A definida positiva, temos que para qualquer
x E R, x ~ O, xTAx >O.Usando a fatorao LDLT de A, temos:
Agora, y = LTx e L tem posto completo. Ento, y ~ O pois x no nulo e, para

cada y E R , existe x E R , tal que y = LTx.
Fazendo y = ei, i = 1, ... , n, teremos: er Dei = dii, e, como yTDy > O, qualquer
y .e O, obtemos: dii > O, i = 1,...,n.
Concluindo, se A for simtrica definida positiva, ento A pode ser fatorada na
forma LDLT com L triangular inferior com diagonal unitria e D matriz diagonal com
elementos na diagonal estritamente positivos.
Podemos escrever ento:
onde~=~
e, se G = LD, obtemos A = GGT com G triangular inferior com.. diagonal estrjtamente

positiva.
Formalizamos este resultado no Teorema 3 .
TEOREMA 3: (Fatorao de Cholesky)
Se A: n x n simtrica e definida positiva, ento existe uma nica matriz triangular inferior
G: n x n com diagonal positiva, tal que A= GGT.
Exemplo 9
Retomando a matriz A do Exemplo 8 e sua fatorao LDLT, observamos que o fator D tal
que dii > O, i = 1, ... , 4.
Fazendo D= D112, teremos:
A= LDLT = LD DLT = (LD) (DL1) = GGT

150 Clculo Numricc Cap. 3
4 o o o
o 1 o o
onde D - e
o o 1 o
o o o 9
4 o o o
-1 1 o o
G-
3 2 1 o
-1 o 1 9
A matriz G, triangular inferior com diagonal positiva, o fator de Cholesky da

matriz A.
Neste exemplo, o fator de Cholesky foi obtido a partir da fatorao LDLT, que por
sua vez foi obtida a partir da fatorao LU. No entanto, o fator de Cholesky deve ser
calculado atravs da equao matricial A= GGT, uma vez que, assim, os clculos envol-
vidos sero reduzidos pela metade.
Clculo do fator de Cholesky:
dada A: n x n, matriz simtrica e definida positiva:
11 1 n1
1 2 n2
A=
O fator G: n x n triangular inferior com diagonal positiva ser obtido a partir da

equao matricial:
~1
~2
~1 Sn2 .. San
O clculo ser realizado por colunas:
coluna 1:
-G -
o
coluna 2:
gll~l
~1
~ ~1 + ~2
o - g31~1 + g32~2
o
j = 3,... , n.
Os elementos gj 1 j esto calculados; assim,
j = 3, ..., n.
Coluna k:
Para obter os elementos da coluna k de G: (O ... gkk gk+lk ... ~ T, k = 3, ..., n,

usamos a equao matricial:
nk o
e teremos:
kk - g~1 + g2k2 + . . . + ~ e da
k 1 ll/2
gkk = kk - .~ ~
( 1-1
e ;k = gjlgkl + ~2gk2 + + ~kgkk , j = (k + 1), ... , n

Como todos os elementos~. i = 1, ..., (k- 1) j esto calculados, teremos:
j - (k + 1), ..., n.
ALGORITMO 4: Fatorao de Cholesky
Seja A: o x o, simtrica definida positiva:
Para k - 1, . . . , n
soma '"' O
Para j = 1, ... , (k - 1)
[ soma = soma + gij
r = 3kk - soma
gkk = (r)l/2
Para i = (k + 1), ... , n
soma= O
Para j 1, .. . , (k - 1)
[ soma - soma + ~jgkj
~ = (ak - soma) / gkk
Na prtica, aplicamos a fatorao de Cholesky para verificar se uma determinada

matriz A simtrica definida positiva. Se o algoritmo falhar, isto , se em alguma etapa
tivermos r ~ O, o processo ser interrompido e, conseqentemente, a matriz original no
definid a positiva; caso contrrio, ao final teremos A = GGT com o fator conforme descrito
no Teorema 3. Demonstrase (Exerccio 21) que uma matriz na forma BBT definida
positiva, se B tem posto completo.
A fatorao de Cholesky requer cerca de n3/3 operaes de multiplicao e adio

no clculo dos fatores, aproximadamente a metade do nmero de operaes necessrias na
fase da eliminao da fatorao LU.
Observamos que alguns autores contam uma adio e uma multiplicao como
uma operao apenas; assim, para esses autores, a fatorao LU realiza cerca de 0 3/3
operaes e a fatorao de Cbolesky, n~/6.
Obtido o fator G, a resoluo do sistema linear Ax = b prossegue com a resoluo

dos sistemas triangulares:
i) Gy =b
Ax = b .;:> (GG1)x = b =:>
l
ii) GTx =y
154 Clculo Numico Cap, ~
,
3.3 METODOS ITERATIVOS
3.3. 1 INTRODUO
A idia central dos mtodos iterativos generalizar o mtodo do ponto fixo utilizado na
busca de razes de uma equao que foi visto no Captulo 2.
Seja o sistema linear Ax = b, onde:
A; matriz dos coeficientes, n x n;
x: vetor das variveis, n x 1;
b: vetor dos termos constantes, n x 1.
Este sistema convertido, de alguma forma, num sistema do tipo x = Cx + g onde

C matriz n x n e g vetor n x l. Observamos que <p(x) = Cx + g uma funo de iterao
dada na forma matricial.
ento proposto o esquema iterativo:
Partimos de x<0) (vetor aproximao inicial) e ento construmos consecutivamen-

te os vetores:
x(l) = Cx(O) + g = (l)(X(O)), (primeira aproximao),
x(2) =Cx(l) + g =q,(x(l)), (segunda aproximao) etc.
De um modo geral, a aproximao x(k+l) calculada pela frmula x(k+l) = ex(k) + g,

ou seja, x(k+l) = cp(x(k)), k = O, 1,....
importante observar que se a seqncia de aproximaes x<0>, xC1>, ..., x(k), ... tal
que, lim x(k) = a, ento a= Ca + g, ou seja, a soluo do sistema linear Ax = b .
k-+ 00
3.3.2 TESTES DE PARADA
O processo iterativo repetido at que o vetor x(k) esteja suficientemente prximo do vetor
x(k- 1).
Medimos a distncia entre x(k) e x<k- l) por d(k) = mx I xi (k) - xi (k - l) 1 .

1..;i,.;o
Cap. 3 R.esoludo de sistemas lineares 155
Assim, dada uma preciso t, o vetor x (k) ser escolhido como x, soluo aproxi-
mada da soluo exata, se d(k) < t.
Da mesma maneira que no teste de parada dos mtodos iterativos para zeros de
funes , podemos efetuar aqui o teste do erro relativo:
Computacionalmente usamos tambm como teste de parada um nmero mximo

de iteraes.
3.3.3 MTODO ITERATIVO DE GAUSS-JACOBI
A forma como o mtodo de Gauss-Jacobi transforma o sistema linear Ax =b em x = Cx + g

a seguinte:
Tomamos o sistema original:
11X1 + + + 1nxn - bl
12
litXl + ri + ... + o~ - b2
e supondo a .,. O, i = 1,... , n, isolamos o vetor x mediante a separao pela diagonal,

assim:
Desta forma, temos x = Cx + g, onde
o
o
e-
g =
O mtodo de Gauss-Jacobi consiste em, dado x<0), aproximao inicial, obter

x<1) ... , x(k>... atravs da relao recursiva x(k+l) = Cx(k) + g:
"I
>= _la
.,(k + 1 (b - a
1
:&:>-
12 -'.l
a xfk>
13J
- '
- a xCkh
ln n .J
li
1
x(lc + 1> = - - (b - a x(lc> - a ~ ) - . - a x(lc> ) .
n a n oi I nT.! n.n-1 n-1
nn
Exemplo 10
Resolva o sistema linet:
0.7 )
pelo mtodo de Gauss-Jacobi com x<0> = - 1.6 e E = 0.05.
( 0.6
O processo iterativo
x<" + 1)
1
= -10
l (7 - 2~) - x<k))
:3
= ox<1k) - -2 v(k)
10 "1
- -1 x(k) + -7
10 3 10
~+ l ) = ~ (-8 - x?'>- xf>) = - ! x~> + 0xi> - ; xr> - :
x <k+ 1) = ..!... (6 - 2x(k) - 3-(k)) = _1._ x(k) _1... x<k> + n,..(k) + ~

3 1O 1 ""2 1O 1 1O 2 v"3 1O
Na forma matricial x<k+l) = Cx(k) + g temos
O -2/10 -1/ 10 7/10
e- -1/5 o -1/5 e g - -8/5
-1/5 -3/10 o 6/10
Assim (k = O) temos
x~1>= -o.2x&0>- 0.1~0) + 0.7 - -0.2 (-1.6) - 0.1 x 0.6 + 0.7 = 0.96
x&1> - - 0.2x~O) - 0.2,4> - 1.6 = - 0.2 x 0.7 - 0.2 x 0.6 - 1.6 = -1.86
x~1) = - 0.2x~O) - 0.3x&0> + 0.6 ... - 0.2 x O.7 - 0.3 (-1.6) + 0.6 ... 0.94
ou
x(l) = Cx(O) + g = 0.96

-1.86
( 0.94
l .
Calculando dp>, temos:
1 x~l ) - x~O) 1 = 0.26
1
1 x& > - x&0>1 .. 0.26 ~ d( l} - 0.34 = 0.34 = 0.1828 > E
r mx I xfl) 1 1.86
l~i~3
i4
1 1) - x~O) 1 = 0.34
Prosseguindo .as iteraes, temos:
l
para k = 1:
0.978 O12
x<2) - -1.98 => d~2) - - 0.0606 > e
( 0.966 1. 9s
e para k = 2:
,<,) _ ( -HE)= di3l _ ~:: : : _ 0.0163 <
Ento, a soluo x do sistema linear acima, com erro menor que 0.05, obtida pelo
mtodo de Gauss-Jacobi,
i - x<3)

-
0.9994
-1.9888
( 0.9984
l
.
Neste exemplo tomamos x<O) - 0.7

-1.6
( 0.6
l( l - b1/ 11
bil a22
b3/ a33
. No entanto, o valor de
x<0) arbitrrio, pois veremos mais adiante que a convergncia ou no de um mtodo

iterativo para a soluo de um sistema linear de equaes in dependente da aproximao
inicial escolhida.
UM CRITRIO DE CONVERG~NCIA
Daremos aqui um teorema que estabelece uma condio suficiente para a convergncia do
mtodo iterativo de Gauss-Jacobi.
TEOREMA 4: (Critrio das Unhas)

n
Seja o sistema linear Ax = b e seja< = (L, 1akj 1 )li :Jc 1. Se <X = mx ( < l , eo.to o
j=I l < k ..; n
j ,ti,
mtodo de Gauss-Jacobi gera uma seqlincia {x<k>} convergente para a soluo do sistema
dado, independentemente da escolha da aproximao inicial, x<0 >.
A demonstrao deste teorema pode ser encontrada na referncia [30], Captulo 9.
Exemplo 11
Analisando a matriz A do sistema linear do Exemplo 10,
10 2
A=
(
~ 5
3
! ) temos
10
<X 1 = 2+1
10
=
10
3
= 0.3 < l ; CX:z = l+l
5
= 0.4 < 1; (l:J = 2+3
10
= 0.5 < 1 e
ento mx < = 0.5 < 1 donde, pelo critrio das linhas, temo~ garantia de convergncia
l < k ~3
para o mtodo de Gauss-Jacobi.
Exemplo 12
l 1 + X2 =
X 3
Para o sistema linear _ o mtodo de Gauss-Jacobi gera uma seqncia
XI - 3 - -3
convergente para a soluo exata x = ( ~~ ) . (Verifique!) No entanto, o critrio das
linhas no satisfeito, visto que cx 1 = T= 1. Isto mostra que a condio do Teorema 4

apenas suficiente.
Cap. 3 Resol~o de sistemas lineares 161
Exemplo 13
Xl + 3"2 + x3 = - 2
A matriz A do sistema linear 5x 1 + 2x2 + 2x3 = 3 no satisfaz o critrio das linhas
{ 6"2 + 8x3 .. -6
3 + 1
pois a 1 ... 4 > 1 . Contudo, se permutarmos a primeira equao com a segunda,
1
5x1 + 2x2 + 2x3 - 3
matriz ( i i i
l
temos o sistema linear x 1 + 3Jei + X3 -2 que equivalente ao sistema original e a
6 + 8x3 -6
J deste novo sistema satisfaz o critrio das linhas.

O 6 8
Assim, conveniente aplicarmos o mtodo de Gauss-Jacobi a esta nova dispo-

sio do sistema, pois desta forma a convergncia est assegurada.
Concluindo, sempre que o critrio das linhas no for satisfeito, devemos tentar
uma permutao de linhas e/ou colunas de forma a obtermos uma disposio para a qual a
matriz dos coeficientes satisfaa o critrio das linhas. No entanto, nem sempre possvel
obter tal disposio, como facilmente verificamos com o sistema linear do Exemplo 12.
3.3A MTODO ITERATIVO DE GAUSS-SEIDEL
Da mesma forma que no mtodo de Gauss-Jacobi, no mtodo de Gauss-Seidel o sistema

linear Ax = b escrito na forma equivalente x = Cx + g por separao da diagonal.
O processo iterativo consiste em, sendo x<0> uma aproximao inicial, calcular
x, x<2>, ..., x(k>, ... por:
x (k+ 1) _l_ (b _ a .,.(k+ 1) _ a v(k+ 1) _ a x (k+ 1))

n a n nl"i n'.2"'1 - n,n - 1 n - 1
nn
Portanto, no processo iterativo de Gauss-Seidel, no momento de se calcular

ajk + l) usamos todos os valores x~k+ 1), . .. ~~i 1) que j foram calculados e os valores
{k) (k)
~ + 1 . . ., ~ restantes.
Exemplo 14
Resolva o sistema linear:
pelo mtodo de Gauss-Seidel com x<J - ( i) e , - 5 x Ht-2.
O processo iterativo :
x'f + 1) = 1 - o.zx&k>- o.2~k)

x&k+ l ) - 1.5 - 0.75~k+ l ) - 0.25~k)
x~k + l) = O - O.Sx~k + l) - 0.5~ + l) .

Como ,to) - [ g),

(k = 0):
x1> = 1 - O- O= 1
x&l) = 1.5 - 0.75 X 1 - 0 = 0.75 => x<1> = [ 0.~5

--0.875
J, donde
x~I ) = --0.5 X 1 - 0.5 X 0.75 = --0.875
1 41> - x&0>1 = 0.75 => d (l)

r
=
mx
l
I x(l) 1
=1 > E
1
),;.i,;.3
1 ~l) - x~O) I = 0.875 .
Assim, (k = 1) e
X\2) = 1 - 0.2 X 0.75 + 0.2 X 0.875 = 1.025
42) = 1.5 - 0.75 X 1.025 - 0.25 X (--0.875) = 0.95
x~2) = - 0.5 X l.025 - 0.5 X 0.95 = - 0.9875
=> x< 2) =
1.025
0.95
J, donde
[ -0.9875
f x\2) - X\)) 1 = 0.025
1xS_2) - x~1) 1 = 0.20 (2) -

=> d r - mx
2I xf) 1 -- ~ -
1.025 -
O 1951
> E
J,;.j,;.3
1 ~ 2) - x~1) 1 = 0.1125
Continuando as iteraes obtemos:
x (J) .. (
l- 0.9993
l
~:~~i~ ~ dp) .,. 0.0409 < E.
Assim, a soluo x do sistema linear dado com erro menor que E, pelo mtodo de
Gauss-Seidel,
x = x(3) ..
1.0075
0.9912
( -0.9993
l .
O esquema iterativo do mtodo de Gauss-Seidel pode ser escrito na forma matri-

cial da seguinte maneira:
Inicialmente escrevemos a matriz A, dos coeficientes, como A = L + D + R, onde:

L : matriz triangular inferior com diagonal nula;
D : matriz diagonal com dii ;,o O, i = 1,... , n;

R : matriz triangular superior com diagonal nula.
O modo mais simples de se escrever A nesta forma
o o o
o o
o D e
n2
R=
o o o o
Portanto, Ax = b .;:;, (L + D + R)x = b .;:;, Dx = b - Lx - Rx .;:;,
<:;> x = n-1 b - n-1Lx - n- 1Rx.
No mtodo de Gauss-Seidel o vetor x(k+l) calculado por:

x(k+l) = n-1 b - n-lLx(k+l) - 0 - lRx(k)_
Agora, podemos ainda escrever x(k+l) = Cx(k) + g, considerando que

A = D(L1 + I + R1) onde:
o o o o
21
o o o
2
1l:31 2
o o
L1 3 33
01 n2 an3
o
nn nn nn
u n n
o
n n 11
3 n
R1 o o
2 2
o o o o
ento Ax = b e;;.
D(Ll + 1 + R1) X= b~
(L1 + 1 + R 1) x = 0 - 1 b ~
x = - L 1x - R 1x + o-1 b e o mtodo de Gauss-Seidel
donde (I + L 1) x<k+l) = - R 1 x(k) + o-1b
ou x(k+l) = - (I + L 1)-1 R 1 x(k) + (I + L 1)-1 o-1b =Cx(k) + g

e g
INTERPRETAO GEOMTRICA NO CASO 2 x 2

Consideremos a aplicao geomtrica dos mtodos de Gauss-Jacobi e Gauss-SeideJ ao
sistema linear:
Preparao:
O esquema iterativo para Gauss-Jacobi :
x~k +l) =3 _ ~k)
Teremos:
x<O) = ( O). x(l) ( 3 ). x <Z) ( 2 ) x C3} - ( 1 ) . x (4) = ( 4/3 )

O ' 1 ' 2 ' 5/3 ' 4/3
Figura 3.10
O esquema iterativo para Gauss-Seidel :

Para melhor visualizao grfica, marcaremos no grfico os pontos (x\1'), x&k));

(X\k + 1), x&k)); (xk + 1), x&k + 1)) , ... para k = O, 1, 2,...
xl)
( x~>
=( O
O
l l l l: ;, [ l l
=:> [ x.ll)
x~>
=(3
O
xl )
x&1>
1
=( 3
2
[
xl )
x&1>
l ( l ( l (l [ l ( l
-
3
2 =:>
2
Xl )
x&1)
1
2 ::;,
2
4x& ))
2 ..
1
4/3
2
xl )
[ x&2> =
l(l [ l[ l [ l( l
1
4/3 ::;,
X\ )
x&2> =
3
5/3
4/3 =:>
xp>
x&3> '"'
5/3
14/9 ' . ..
Observamos que os pontos (x~ + 1), x&k)) satisfazem a primeira equao e os

pontos (xk + 1), x&k + 1>) satisfazem a segunda equao.
Figura 3.11
Embora a ordem das equaes num sisteia linear no mude a soluo exata, as
seqncias geradas pelos mtodos de Gauss-Seidel e de Gauss-Jacobi dependem fundamen-
talmente da disposio ds equaes.
fcil verificar que a seqncia x<0), :x(1), ..., x(k), ... est convergindo para a so-
luo exata do sistema linear que x* = (1.5, 1.5), tanto no mtodo de Gauss-Jacobi quanto
no de Gauss-Seidel.
No entanto, o mtodo de Gauss-Seidel gera uma seqncia divergente para este
mesmo sistema escrito da seguinte forma:
para a qual o esquema iterativo ser:
x\k+ 1) = -3 + 34k)
{ x~k+l) - 3 - x?+l).
Para x(O) = (O, o? teremos:
( x~O)
l l r-3 i l r-~ l
x\0) ] - ( 0
O
=:> ( x\l)
x~>
=
O
=:> ( X. l)
x&1)
=
6
4)
[ 41>
1
l i l l
= ( -3
6
=:, ( X\ )
2
~1)
=- ( 15
6
=:, ( X~.Z) ] -
-x.f> .
( 15 ] , .. .
-12
Graficamente, comprovamos a divergncia de x* = (1.5, 1.5?:
Figura 3.12
ESTUDO DA CONVERGNCIA DO MTODO DE GAUSS-SEIDEL
Como em todo processo iterativo, precisamos de critrios que nos forneam garantia de
convergncia.
Para o mtodo de Gauss-Seidel analisaremos os seguintes critrios, que estabele-

cem condies suficientes de convergncia: o critrio de Sasseofeld e o critrio das linhas.
CRITRIO DE SASSENFELD
Seja x - a soluo exata do sistema Ax = b e seja:

x<k) = a k-sima aproximao de x*.
x (k)
n
Queremos uma condio que nos garanta que x<k) ~ x* quando k ~ oo, ou seja,
que lim efk) = O parai = 1,..., n onde efk) = x fk) - x;.
k""7oo
Agora,
(4)
Chamemos de E(k) = mx {I efk) 1 } e sejam

l,;.i,;.n
~1 =L 1tj 1/ I a 11 1 e para i = 2, 3, ... , n

j=2
i- l D
A..
P1
= [~
~
R.
PJ
1alj.. l + ~
~
1aIJ.. 1] / 1all.. 1.
j=I j=i+l
Note que a condio x(k) .,. x* equivale a ECk) - O quando k - oo.

Mostremos por induo que E(k+l) ~ ~E(k) onde~ = mx ~ i
l<Sio.;n
Para i = 1, temos
=~,
Ento, 1e)k + ll) 1 ~ ~ 1 mx { 1 efk) 1 } ~ ~ mx { 1 eJk) 1 } .
1 -.;;-.;n l<Sjo.;o
Suponhamos por induo que:
1 ef~ ~ l ) 1 ~ 13i _ 1 mx { 1 eJk) 1} i~n

1 -.;;-.;n
e mostraremos que I efk + l) 1 ~ ~l mx { 1 eJk) 1 } .

1-.;j,,.;n
Mas,
e usando a hiptese de induo:
~ -, ajj 1 (1 n 1~1 + 1i2 I ~2 + + 1aii - 1 1~i - 1 + 1aii + 1 1+ + 13in I1 ,;;j,;;

1
1efk + l) 1 mx {eJk)}
D
ou seja,
1 efk + l) 1 ~ ~i mx { 1eJk) 1 }
1.;;j,;;n
Portanto,
mx {lefk+l) I} E(k+l) ~ ~ mx {lef)I} = ~E(k)_ (5)

l~i~n l~j,;;n
Assim, basta que~< 1 para que tenhamos E(k+l) < E(k)_ Alm disso, de (5) temos
E(k) ~ ~E(k-l) ~ ~(~E(k- 2)) ~ . . . ~ ~kE(O) e desde que ~ seja menor que 1, ento,
E(k) --+ O quando k --+ oo e, o que importante, independentemente da aproximao inicial
escolhida.
Com isto estabelecemos o critrio de Sassenfeld:
. 1 12 I + 1 13 1 + . . . + 1 1n 1
SeJam ~1 ... 1 1
11
Se ~ < 1, ento o mtodo de Gauss-Seidel gera uma seqncia convergente

qualquer que seja x<
0).
Alm disto, quanto menor for ~. mais rpida ser a convergncia.

Exemplo 15
a) Seja o sistema linear
x 1 + 0.5"2 - 0.11 + O.lx 4 ... 0.2

0.2x1 + ":z - 0.2x3 - 0.lx4 = -2.6
-0.l x1 - 0.2"2 + x3 + 0.2x4 - 1.0
.lx1 + 0.3":z + .2~ + x 4 = -2.5
Para este sistema linear com esta disposio de linhas e colunas, temos
~1 = [0.5 + 0.1 + 0.l]/1 = 0.7
~2 =((0.2)(0.7) + 0.2 + 0.1)/1 =0.44

133 = [(0.1)(0.7) + (0.2)(0.44) + 0.2]/1 = 0.358
~4 = [(0.1)(0.7) + (0.3)(0.44) + (0.2)(0.358)]/1= 0.2736.
Portanto, ~ = mx {13i} = 0.7 < 1 e ento temos a garantia de que o mtodo de

1:s;j=s;n
Gauss-Seidel vai gerar uma seqncia convergente.
b) Seja agora o sistema linear
com esta disposio de linhas e colunas, temos
31 = (1 + 3)/2 =2 > 1!!

Trocando a 11 equao pela 31 , temos
Cap. 3 Resoluo de sistmas lineares 175
donde 13 1 =(O+ 3)/1 = 3 >> 1!!

A partir desta disposio, trocando a 111 coluna pela 311, temos
Desta forma,
131 = 1/3
132 = [(1)(1/3) + 0]/1 = 1/3
133 = [(3)(1/3) + (1)(1/3))/2 = 2/3.
Portanto, 13 = mx {13i} = 2/3 < 1; ento vale o critrio de Sassenfeld e temos

1 ..; j ,.;3
garantia de convergncia.
e) Considerando agora o exemplo usado na interpretao geomtrica do mtodo

de Gauss-Seidel, verificamos que o critrio de Sassenfeld apenas suficiente,
pois para
vimos que o mtodo de Gauss-Seidel gera uma seqncia convergente e, no

entanto,
131 1/1 1 e
132 [1 X 1)/3 1/3
e, portanto, o critrio de Sassenfeld no satisfeito.

176 Clcuw Numrico Cap. 3
,
CRITERIO DAS LINHAS
O critrio das linhas estudado no mtodo de Gauss-Jacobi pode ser aplicado no estudo da
convergncia do mtodo de Gauss-Seidel.
O critrio das linhas diz que se a .. mx {ak} < 1, onde
l~k~n
k - < I 1 j 1 ) 11 kk 1
j- 1
j .. k
ento o mtodo de Gauss-Seidel gera uma seqncia convergente.

A prova da convergncia consiste em verificar que se o critrio das linhas for
satisfeito, automaticamente o critrio de Sassenfeld satisfeito:
131 = <I 12 I + 1a13 I +... + 13:tn 1) li 111 = 1 < 1

e, para i = 2, ... , k-1, supor por induo que f3i ~ ai < l.
Ento,
+ 11c,1c-1I + 11c, 1c+1I + ... + 11cnl )taiJ = k

.
Assim, A:,:::
Pi -1
-. ai, 1 - , ... , n.
Ento, ai < 1 implica que f3i < 1, i = 1,..., n, ou seja, o critrio de Sassenfeld
satisfeito.
Observamos, no entanto, que o critrio de Sassenfeld pode ser satisfeito mesmo

que o critrio das linhas no o seja.
Exemplo 16

Temos
1
1 ~1 - 3 < 1 e
< !
= =1; ento o critrio das linhas no . satisfeito.
No entanto,
1 X l
3 1
f - - 1- - 3< 1
1 1
3 X - + -
3 3 2
f33 = - -2- - = 3 < 1.
Portanto, o critrio de Sassenfeld satisfeito.
3.4 COMPARAO ENTRE OS MTODOS
a) Convergncia
Conforme vimos, os mtodos diretos so processos. finitos e, portanto, teorica-
mente, obtm a soluo de qualquer sistema no singular de equaes. J os mtodos
iterativos tm convergncia assegurada apenas sob determinadas condies.
b) Esparsidade da matriz A
lt;lmeros sistemas lineares, que surgem de problemas prticos como discretizao
de equaes diferenciais por mtodo dos elementos finitos ou mtodo de diferenas finitas
e descrio de redes de potncia, so de grande porte com matriz dos coeficientes esparsa.
Para estes casos, so adotados esquemas especiais para armazenamento da matriz A, que
tiram proveito de sua esparsidade.
Os mtodos diretos quando aplicados a sistemas esparsos provocam preenchimen-

tos na matriz A, isto , durante o processo de eliminao podero surgir elementos no
nulos em posies aij que originalmente eram nulas. Para exemplificar, considere a matriz
A representada simbolicamente, sendo x a representao de um elemento no nulo:
X X o X X o X X
X o X o o X o X
o X X X o X X o
o o X X X o X o
X o o o X X o o
o X o o o X X o
X o X o o X X X
X o o X o o X o
Aps a 11 etapa do processo de eliminao teremos:
X X o X X o X X
X X X X
o X X X o X X o onde representa o elemento
o o X X X o X o no nulo que preencheu uma
X o X X
posio originalmente nula.
o X o o o X X o
X X X X X
X o X o X
Portanto, se a matriz A for esparsa e de grande porte, uma desvantagem dos

mtodos diretos para a resoluo do sistema linear Ax = b o preenchimento na matriz,
exigindo tcnicas especiais para escolha do piv para reduzir este preenchimento. Pode-se
conseguir boas implementaes para a fatorao LU, empregando-se tl.'nicas de esparsida-
de, contudo existem situaes nas quais pode ser impossvel aplicar um mtodo direto, da
a alternativa so os mtodos iterativos que tm como principal vantagem no alterar a
estrutura da matriz A dos coeficientes.
e) Erros de arredondamento
Vimos que os mtodo diretos apresentam srios problemas com erros de arredon-
damento. Uma forma de amenizar esses problemas adotar tcnicas de pivoteamento. Os
mtodos iterativos tm menos erros de arredondamento, visto que a convergncia, uma vez
assegurada, independe da aproximao inicial. Desta forma, somente os erros cometidos na

ltima iterao afetam a soluo, pois os erros cometidos nas iteraes anteriores no
levaro divergncia do processo nem convergncia a um outro vetor que no a soluo.
3.5 EXEMPLOS FINAIS
Exemplo 17
Retomando o Exemplo 1 da Introduo, com a = sen(45) = v2/2, resolvemos o sistema

linear resultante pelo mtodo da Eliminao de Gauss com pivoteamento parcial. Obtive-
mos o vetor soluo:
(-29.247105, 19, 10, -28, 13.853892, 19, o, -28, 9.235928, 22, o, -16,
-9.235928, 22, 16, -24.629141, 16)T.
Permutando algumas linhas de forma que os elementos da diagonal principal

fossem no nulos, conseguimos o esquema iterativo do mtodo de Gauss-Seidel. No entan-
to, a seqncia gerada divergiu da soluo.
Exemplo 18
Seja o sistema linear
2 1 7 4 -3 -1 4 4 7 o Xl 86
4 2 2 3 -2 o 3 3 4 1 X2 45
3 4 4 2 1 -2 2 1 9 -3 X3 52.5
9 3 5 1 o 5 6 -5 -3 4 X4 108
2 o 7 o -5 7 1 o 1 6 X5 66.5
1 9 8 o 3 9 9 o o 5
= 90.5
x6
4 1 9 o 4 3 7 -4 1 3 X7 139
6 3 1 1 6 8 3 3 o 2 Xg 61
6 5 o -7 7 -7 6 2 --6 1 X9 -43.5
1 6 3 4 8 3 -5 o -6 o XlO 31
180 Clculo Numrieo Cap. 3
A soluo obtida pelo mtodo da Eliminao de Gauss com pivoteamento parcial

foi:
x = (3, -4.5, 7, 8, 3.5, 2, 4, -3.5, 2, 1.5?.
Tambm para este exemplo, trocando apenas a nona equao com a dcima, no
conseguimos uma seqncia convergente para o mtodo de Gauss-Seidel.
Exemplo 19
Seja o sis_tema linear
4 -1 o -1 o o o o o o Xl - 110
-1 4 -1 o -1 o o o o o X2 -30
o -1 4 o o -1 o o o o X3 -40
-1 o o 4 -1 o o o o o X4 -110
o -1 o -1 4 -1 -1 o o o X5 o
o o -1 o -1 4 o -1 o o x6
- -15
o o o o -1 o 4 -1 o o X7 -90
o o o o o -1 -1 4 -1 o Xg -25
o o o o o o o -1 4 -1 ~ -55
o o o o o o o o -1 4 XlO -65
Resolvendo pelo mtodo da Eliminao de Gauss, com estratgia de pivoteamento

parcial, obtivemos o seguinte vetor soluo:
jf'= (-48.646412, -35.4947917, -25.6157408, -49.0908565, -37.7170139,

-26.9681713, -39.3142361, -29.5399306. -26.8773148, -22.9693287?.
Aplicando o mtodo de Gauss-Seidel com o esquema iterativo montado a partir da

disposio original das equaes, com x<0) = (20, ..., 20)T e e - 10-7, obtivemos o mesmo
vetor x aps 28 iteraes.
EXERCCIOS
1. Escreva um algoritmo para a resoluo de um sistema linear triangular inferior.
2. Verifique que o "custo" nmero de operaes efetuadas para resolver um sistema

linear triangular inferior o mesmo que para multiplicar uma matriz triangular por um
vetor.
3. Verifique que o nmero de operaes necessrias no mtodo da Eliminao de Gauss,

.
sem p1votearnento pareia1, 2n3 + n2 - . gu1 anzaao
7n , na f ase de tnan . - da matnz
. .,., A
3 2 6
e n2, na fase da resoluo do sistema triangular superior. Esto sendo contadas as
operaes de diviso, multiplicao e soma.
n-1
(Lembramos que ~ k2 .. (n - l) 0 ~
20
- l ) )
k-1
4. Seja Ax = bum sistema n x n com matriz tridiagonal (aij =O se li-il > 1).
a) Escreva um algoritmo para resolver Ax = b atravs da Eliminao de Gauss com
estratgia de pivoteamento parcial de modo que a estrutura especial da matriz A
seja explorada.
b) Compare o "custo" de resolv-lo por Eliminao de Gauss via algoritmo tradi-

cional, com o de resolv-lo pelo algoritmo do item (a).
e) Teste seus resultados com o sistema:
-x~: 2:t- ~ i ~ (n - 1)
l
1
1 : Xj+1 : ~. 2
- Xn-1 + 2Xo = 0
para n = 10.
5. Resolva o sistema linear abaixo utilizando o mtodo da Eliminao de Gauss:
2x1 + 2x2 + x3 + x 4 7
Xl - Xi + 2:K:3 - x4 1
3x1 + 2xi - 3x3 - 2x4 .. ~
4x1 + 3 + 2x3 + x 4 - 12
6. Analise os sistemas lineares abaixo com relao ao nmero de solues, usando o

mtodo da Eliminao de Gauss (trabalhe com trs casas decimais):
a) 3x1 - 2x2 + 5x3 + X4 = 7

-6x1 + 4x 2 - 8x3 + X4 -9
9x1 - 6x2 + 19x3 + = 23
X4
6x1 - 4x 2 - 6x3 + 15x4 = 11
b) { 0.252x.1 + 0.36x2 + 0.12x.3 = 7

0.112x1 + 0.16x2 + 0.24x3 = 8
0.147x1 + 0.2lx2 + 0.25x3 = 9
7. O clculo do determinante de matrizes quadradas pode ser feito usando o mtodo da

Eliminao de Gauss.
a) Deduza o mtodo.
b) Aplique-o no clculo do determinante das matrizes dos sistemas dos Exerccios
5 e 6.
e) Inclua o clculo do determinante da matriz Ado sistema linear Ax = b no algoritmo
do mtodo da Eliminao de Gauss.
8. Demonstre que, se no incio da etapa k do mtodo da Eliminao de Gauss tivermos

a~-l) ~~ik ... - ~tl) O, ento det(A) = O e conseqentemente A no
inversvel. (afr-l) O elemento da posio ij no incio da etapa k.)
9. Podemos encontrar a fatorao LU de A diretamente, usando simplesmente a definio

de produto de matrizes. Esquemas deste tipo so conhecidos como esquemas compac-
tos, e o equivalente fatorao A = LU com L triangular inferior com diagonal unitria
e U triangular superior chamado de reduo de Doolittle.
Supondo que a fatorao LU de A seja possvel, de uma forma nica,
a) multiplique a primeira linha de L pela j-sima coluna de U e iguale a a 1;- Verifique

que desta forma obtm-se o elemento u1j;
b) repita o item (a), multiplicando agora a i-sima linha de L pela primeira coluna
de U, e igualando a ai 1 ser possvel obter lil;
e) use o mesmo raciocnio de (a) e (b) para deduzir que, se as (k - 1) primeiras linhas
de U e colunas de L j foram determinadas, ento
k-1
ukj = akj - L 1km uij, j k. (k + 1), .. . , n
m-1
~ ...
(
ik - I
k-1
ml
l
11m uik 1kk i = (k + 1),... , n;
d) explique por que, se A no singular, ento U tambm o ser, donde ukk ,,,,. O,
k = 1, ..., n;
e) escreva um algoritmo para a fatorao LU de A usando a reduo de Doolittle;
f) teste seu algoritmo, fatorando A e ento resolvendo o sistema abaixo, sendo
2 3 1 5 11
1 3.5 1 7.5 13
A= e b -
1.4 2.7 5.5 12 21.6
-2 1 3 28 30 1
10. Calcule a fatorao LU de A, se possvel:
A -( ~ i -i l
11. a) Mostre que resolver AX = B, onde A matriz n x n, X e B so matrizes n x m,
o mesmo que resolver m sistemas do tipo Ax = b, onde A matriz n x n, x e b,
vetores n x l.
b) Usando o item (a), verifique que A-1 pode ser obtida atravs de resoluo de n
sistemas lineares.
e) Entre o mtodo da Eliminao de Gauss e a fatorao LU, qual o mais indicado
para o clculo de A- 1 ?
184 Clculo Numrico Cap, 3
) Aplique o mtodo escolhido no item (e) para obter a inversa da matriz

4 -1 o o
o -1
-1 4 o -1 o
-1
A o -1 4 o o -1
-1 o o 4 -1 o
o -1 o -1 4 -1
o o -1 o -1 4
12. Mostre que, se A matriz no singular e A= LU, ento A= LDU, onde D matriz
diagonal e U matriz triangular superior com diagonal unitria.
13. Se A= LDU, como fica a resoluo de Ax = b?
14. Escreva um algoritmo para o mtodo da Eliminao de Gauss, usando estratgia de

pivoteamento parcial.
15. Seja resolver o sistema linear Ax = b pelo mtodo da Eliminao de Gauss, com
estratgia de pivoteamento parcial:
se M = :1~ {I ai;I } 1 ~ i, j ~ n, prove que, aps o primeiro estgio, 1.af;1) 1 ~ 2M.

1 ,J
16. a) Resolva os itens (b) e (e) do Exerccio 11, considerando a estratgia de pivotea-
mento parcial.
b) Use os resultados de (a) para encontrar a inversa da matriz
17. Trabalhando com arredondamento para dois dgitos significativos em todas as operaes,
resolva o sistema linear abaixo pelo mtodo da Eliminao de Gauss, sem e com
pivoteamento parcial. Discuta seus resultados:
= 21
l
16x1 + 5x2
3x1 + 2.5x2 - 5 .5
Refaa o exerccio usando truncamento para dois dgitos significativos.
18. Trabalhando com quatro dgitos signifu:ativos, resolva os sistemas lineares a seguir (ou
detecte que no h soluo). Use pivoteamento parcial. Estabelea um critrio para
decidir se nmeros pequenos em lugares importantes so considerados como zero ou
no. Confira a soluo obtida:
a) j 1.12a + 6b - 1.3
2.21a + 12b = 2.6
b) 11.12a + 6b 1.3
2.24a + 12b = 3.
19. Justifique se for verdadeira ou d contra-exemplo se for falsa a afirmao:
"Dada uma matriz A, n x n, sua fatorao LU, obtida com estratgia de pivoteamento
parcial, tal que todos os elementos da matriz L tm mdulo menor ou igual a l ".
20. O vetor p que armazena a informao sobre as permutaes realizadas durante a fato-
rao LU pode ser construdo como p(k) = i, se na etapa k a linha ida matriz A(k-l) for
escolhida como a linha pivotal. Desta forma, o vetor ter dimenso (n - 1) x 1. Para o
Exemplo 7, teramos p = (3, 3?; a dimenso de p (n 7" 1) x 1, uma vez que so
realizados (n - 1) etapas. Esta forma para o vetor p mais eficiente em implementaes
computacionais porque na fase da resoluo dos sistemas triangulares o vetor Pb pode
ser armazenado sobre o vetor b original.
Reescreva o algoritmo para a resoluo de Ax = b atravs da fatorao LU com

estratgia de pivoteamento parcial, usando o vetor p conforme descrito acima.
21. Prove que se B matriz m x n, m ;;,. n com posto completo, ento a matriz C= BTB
simtrica, definida positiva.
22. Em cada caso:

a) verifique se o critrio de Sassenfeld satisfeito;
b) resolva por Gauss-Seidel, se possvel:
ln -u~ 1
10 1
1 10
A [
1 1 b
e
4 -1 o o 1
A,..
-1 4 -1 o 1
o -1 4 -1 b - 1
o o -1 4 1
23. a) Usando o critrio de Sassenfeld, verifique para que valores positivos de k se tem
garantia de que o mtodo de Gauss-Seidel vai gerar uma seqncia convergente para a
soluo do sistema:
b) Esc;olha o menor valor inteiro e posivo para k e faa duas iteraes do mtodo de
Gauss- Seidel para o sistema obtido.
e) Comente o erro cometido no item (b).
24. a) Considere o sistema linear
Verifique, usando eliminao gaussiana, que este sistema no tem soluo. Qual ser o
comportamento do mtodo de Gauss-Seidel?
b) Atravs de um sistema 2 x 2, d uma interpretao geomtrica do que ocorre com

Gauss-Seidel quando o sistema no tem soluo e quando existem infinitas solues.
25. a) Aplique analtica e graficamente os mtodos de Gauss-Jacobi e Gauss-Seidel no sis-

tema:
b) Repita o item (a) para o sistema obtido permutando as equaes.
e) Analise seus resultados.

26. Verifique que, selim x(k.) a, onde x+l) =ex) + g, ento a soluo de x = Cx + g.
k--.00
27. Prove que, no mtodo de Gauss-Seidel, vale a relao:
e(0k+l) ... : 1
-un
(iii
,. 1
e<k + 1) + n2 e<k+l) + ... + a
2
e(k+l))
n(n-1) n-1
28. a) Um possvel teste de parada para um mtodo iterativo testar seAx{k>-b est prximo
de zero, quando ento x(k) ser escolhido como aproximao da soluo x do
sistema. Como realizar computacionalmente este teste?
b) Compare o "custo" computacional de usar o teste acima com o "custo" do teste

(x(k+l) - x(k)) estar prximo de zero.
29. Considere o sistema linear cuja matriz dos coeficientes a matriz esparsa
1 1 -1 2 -1 2
2 o o o o 2
A o 2 o o o e b - 2
4 o o 16 o 20
o o 4 o o 4
a). Ache a soluo por inspeo.

b) Faa mudanas de linhas na matriz original para facilitar a aplicao do mtodo da
Eliminao de Gauss. O que voc pode concluir, de uma maneira geral?
e) Aplique o mtodo de Gauss-Seidel ao sistema. Comente seu desempenho.

d) Faa uma comparao da utilizao de mtodos diretos e iterativos na resoluo de
sistemas lineares esparsos.
30. Ao resolver um sistema linear Ax = b por um mtodo direto, vrios problemas podem
implicar a obteno de uma soluo, x 0, apenas aproximada, para x. Chamamos
r0 = Axo - b o resduo as.saciado a x0 Note que r0 = Axo - b = Axo - Ax = A(Xo - i) = Az.
Se Az = r0 fosse resolvido sem erro, ento x = Xo - z seria a soluo do sistema: este
no o caso, mas esta observao pode ser usada como base para um esquema iterativo
para "refinamento" de solues aproximadas.
razovel supormos que x 1 = x0 - z (z, soluo aproximada de Az = ro) seja uma

"soluo" de Ax = b, melhor do que Xo Com x1 construmos um novo resduo r1 = Ax1 - b
e continuamos o processo. Na realidade, podemos continu-lo tantas vezes quanto
quisermos, o que nos fornece o seguinte
Algoritmo: (Refinamento Iterativo)
Seja ruma soluo (aproximada) para Ax = b, obtida por algum mtodo direto, E> O e
itmax o nmero mximo de iteraes permitido.
Parai = 1, 2, .. ., itmax
r=Ax-b
z : soluo de Az =r
X=X-Z
se mx I zi 1 / mx I xi 1 < E, fim. A soluo x. Se i > itmax, envie mensagem de

1 ... i ... n 1 ... i ... n
no convergncia em itrnax iteraes.
a) Justifique por que devemos usar fatorao LU neste caso para resolver os sistemas
envolvidos.
b) Neste caso, no devemos sobrepor L e U em A. Justifique.
31. Para cada um dos sistemas lineares a seguir, analise a existncia ou no de soluo,
bem como unicidade de soluo, no caso de haver existncia.
a) 3x + 2y = 7 b) { 4m - 2k = 8
Sm + k = 20
<) 6x + 4y - 3z + w = 10
3x - 2y + z - 8
/) X - 3y + 4z 6
1 9x + 4y - 5z = 11
+ =1
l
2x - y + 3z 8 X - 3y Z
g) X - 5y + Z - -1 h) 6x - 18y + 4z =2
4x - 11y + 5z = 6 1 7x - 21y + 5z - 3
6u - 3v = 6
X - 3y + Z - 1
) 6x - 18y + 4z - 2 j)
3u - 1.5v = 3
2u - 8
1
-X+ 3y - Z 4
8u -
V '"'
4v - 1.7
4a + 5b + 7c - 1
-a - b - e - 2
k) 3a + 4b + 6c = 3
-a+ b + 7c - -11
2a + 5b + 13c - -8
32. Invente um sistema linear com 6 equaes e 4 variveis sem soluo, outro com
soluo nica e outro com infinitas solues. Justifique cada caso.
33. Resolva os sistemas lineares abaixo usando a fatorao de Cholesky:
16x1 + 4x2 + 8x3 + 4x4 - 32

20x1 + 7 + 9x3 - 16
4x1 + 10x2 + 8x3 + 4x4 - 26
a) b) 7x1 + 30x2 + 8x3 - 38
8x1 + 8x2 + 12x3 + 10x4 - 38 { 9x + 8x + 3~ 38
1 2
4x1 + 4x2 + 10x3 + 12x4 - 30
34. Seja A = ( ~ 1; )
a) obtenha o fator de Cholesky de A;
b) encontre 3 outras matrizes triangulares inferiores R, tais que A= RRT_
35. Prove que se A: n x n simtrica definida positiva ento A-1 existe e simtrica definida
positiva.
36. Dizemos que A: n X n uma matriz banda com amplitude q se ij = O quando

1i - j 1> q.
Escreva um algoritmo para obter a fatorao de Cholesky de uma matriz banda q,

simtrica, definida positiva, tirando proveito de sua estrutura.
PROJETO
a) Compare as solues dos sistemas lineares
X - y =1 e
X- y=l
{ X - 1.00001 y = 0 { X - 0.99999 y = 0
Fatos como este ocorrem quando a matriz A do sistema est prxima de uma matriz
singular e ento o sistema mal condicionado.
Dizemos que um sistema linear bem condicionado se pequenas mudanas nos coefi-
cientes e/ou nos termos independentes acarretarem pequenas mudanas na soluo do
sistema. Caso contrrio, o sistema dito mal condicionado.
Embora saibamos que uma matriz A pertence ao conjunto das matrizes no inversveis
se, e somente se, det(A) = O, o fato de uma matriz A ter det(A) "" O no implica
necessariamente que o sistema linear que tem A por matriz de coeficientes seja mal-
condicionado.
O nmero de condio de A, cond(A) = li A li li A- 111, onde li . li uma norma

de matrizes (14], uma medida precisa do bom ou mau condic ionamento do
sistema que tem A por matriz de coeficientes, pois demonstra-se que
1
concXA)
.
= mm {li AII A- IIB li tais. que B nao_ mvers
. I}
ve .
b) As matrizes de Hilbert, Hn, onde
1
~ - - ---- 1 ~ i, j ~ n so exemplos clssicos de matrizes mal condi-
J - i + j - 1'
cionadas.
(b.l) - Use pacotes computacionais, que estimam ou calculam cond(A), para verificar
que quanto maior for n, mais mal condicionada 8n
(b.2) - Resolva os sistemas 8nx = b 0 , n = 3, 4, 5, ..., 10, onde b 0 o vetor cuja i-sima
componente
n
1
2, Desta forma a soluo exata ser: x* = ( 1 l ... 1)T_
i + j - l
j=1
(b.3) - Analise seus resultados.

MAJOlON
Books
CAPTUL O rn
INTRODUO RESOLUO DE
S1STEMAS NO LINEARES
4. 1 INTRODUO
No processo de resoluo de um problema prtico, freqente a necessidade de se obter a

soluo de um sistema de equaes no lineares.
Dada uma funo no linear F: D C R - R, F = (fi, ..., fn)T, o objetivo
encontrar as solues para:
F(x) = O
ou, equivalentemente:
f1 (x1 , x2 , . . . , x0 ) ,., O
f2 (x1 , Xi ' . . . ' ~) = O
(1)
192
Cap. 4 Introduo resoluo de sistemas no lineares 193
Exemplo 1
Figura 4.1
Este sistema no linear admite 4 solues, que so os pontos onde as curvas
xy + x~ = 2 e xy - 9X~ - 1 se interceptam.
Exemplo 2
fl (Xl , ) = Xi - x2 - 0.2 0
{ f2(X1, )X~ - Xl + 1 0
-0,2
Figura 4.2
Este sistema no tem soluo, ou seja, no existem pontos onde as curvas

xr - X2 = 0.2 e xl -
Xl = - 1 Se interceptem.
Usamos a seguinte notao:
XI f 1(x)
fi(x)
X= e F(x) = (2)
xn f 0 (x)
Cada funo fi(x) uma funo no linear em x, fi: R ~ R, i = 1,..., n, e portanto

F(x) uma funo no linear em x, F: R ~ R.
No caso de sistemas lineares, F(x) = Ax - b, onde A e R x .
Estamos supondo que F(x) est definida num conjunto aberto D e R O e que tem
derivadas contnuas nesse conjunto. Ainda mais, supomos que existe pelo menos um ponto
x* e D, tal que F(x*) = O.
Cap. 4 Introduo resolu4o de sistemas no lineares 195
O vetor das derivadas parciais da funo fi (xl' x2, ..., x 0 ) denominado vetor
gradiente de f,(x) e ser denotado por Vf.(x), i = 1, ... , n:
(3)
A matriz das derivadas parciais de F(x) chamada matriz Jacobiana e ser deno-
tada por J(x):
f1 (x) f1(x) f1(x)

x1 x0
Vf (x)T
1 (x) (x) (X)
Vfi(x)T
x 1 Xi x0
J(x) - - (4)
Vf0 (x)T
f0 (x) a~(x) ~(x)
x 1 x 0
Exemplo 3
Para o sistema no linear
Xi - 3x1~ + 1 0
F(x) - 2..,
1 3x1 "'2 - ~3 - O
a matriz Jacobiana correspondente ser:
3x2 - 3~
J(x) 1
( 6X1
196 Clc.ulo Numrico Cap. 4
Exemplo 4 (Tridiagonal de Broyden (24))
f 1(x) = -2xy + 3x 1 - 2 + 1
F(x) = fi(x) = -2xf + 3xi - xi-l - 2~+l + 1, 2 ~ i -E. (n - 1)
f 0 (X) = -2~ + 3~ - _D-1
e a matriz Jacobiana correspondente :
-4x 1 + 3 -2 o o o
- l -4x2 + 3 -2 o o
J(x) =
o o o -1 -4x0 + 3
O s mtodos para resoluo de sistemas no lineares so iterativos, isto , a partir de

um ponto inicial x<0>, geram uma sequncia {x(lc)} de vetores e, na situao de convergncia:
lim x<k) = x*
k-.-
onde x * uma das solues do sistema no linear.
Em qualquer mtodo iterativo, preciso estabelecer critrios de parada para se aceitar

um ponto x<k) como aproximao para a soluo exata x* ou para se detectar a divergncia do
processo.
Uma vez que na soluo exata x* temos F(x*) = O, um critrio de parada consiste em
verificar se todas as componentes de F(x<k~ tem mdulo pequeno.
Como F(x(k~ um vetor do R, verificamos se li F (xk) li < E onde li . li uma norma

de vetores [14].
Cap. 4 Introduo resowo de sistemas no lineares 197
Em testes computacionais, comum usarmos a norma infinito:
para v E IR,
li V 11
00 mx I vd
1..;i,.;n
Outro critrio de parada verificar se li x(k+l) - x<k) li est prximo de zero, isto
, x(k+l) escolhido como aproximao para x* se, por exemplo:
li x<k + 1) - x<k) lloo < E.
Para se detectar a divergncia e interromper o processo de clculos, usamos o

teste com um nmero mximo de iteraes. Pode-se tambm interromper o processo se,
para algum k, li P(x(k)) li for maior que uma tolerncia, por exemplo, se li F(x(k)) 11 > 1020. 00
,
4.2. METODO DE NEWTON
O mtodo mais amplamente estudado e conhecido para resolver sistemas de equao no

lineares o mtodo de Newton.
No caso de uma equao no linear a orna varivel, vimos no Captulo 2 que,
geometricamente, o mtodo de Newton consiste em se tomar um modelo local linear da
funo f(x) em tomo xk, e este modelo a reta tangente funo em xk.
Ampliando a motivao de se construir um modelo local linear para o caso de um
sistema de equaes no lineares, teremos: conhecida a aproximao x(k) E D, para
qualquer x E D, existe ci E D, tal que:
(5)
Aproximando Vfi(ci) por V~(xO')), i = 1, ..., n temos um modelo local linear para
fi(x) em tomo de xCk):
(6)
E , portanto, o modelo local linear para F(x) em torno de x<Jc) fica:
F(x) - Lic(x) = F(x(k)) + J(xCk)) (x - x(k)) (7)

A nova aproximao x(k+l) ser o zero do modelo local linear Lic(x).
Agora,
Lic(x) =O = J(x(k)) (x - x(k)) =- F(xCk)). (8)
Se denotamos (x - x(k)) por s(k) temos que x(k+l) = xCk) + s<k), onde s<k) soluo
do sistema linear:
(9)
Observe que dado o ponto xCk), a matriz J(x(k)) obtida avaliando-se J(x) em x<k)
e, em seguida, o passo de Newton, s(k), obtido a partir da resoluo do sistema linear (9).
Portanto, uma iterao de Newton requer basicamente:
i) a avaliao da matriz Jacobiana em :x{k);
ii) a resoluo do sistema linear J(x<l>)s = - F (x(k)) e, por este motivo, cada
iterao considerada computacionalmente cara.
Em relao ao item (ii) pode-se empregar mtodos baseados em fatorao da

matriz Jacobiana. Mtodos iterativos podem ser tambm aplicados; por serem iterativos,
obtm uma aproximao para a soluo exata do sistema linear e, conseqentemente, o
passo de Newton, s(k), no calculado exatamente. Por esta razo, o mtodo de Newton
com a resoluo do sistema linear atravs de um mtodo iterativo denominado mtodo
de Newton inexa.to.
ALGORITMO:
Dados x 0 , t 1 > O e e2 > O, faa:
Passo 1: calcule F(x(k>) e J(x(k));
Passo 2: se li F(x(k)) li < e1, faa i = x(k) e pare;

caso contrrio:
Passo 3: obtenha s(k), soluo do sistema linear: J(x(k>) s = - F(x(k));
Passo 4: faa: x(k+l) = x(k) + s(k>;

Passo 5: se li x(k+l) - x<k) li < t 2, faa x = x(k+l) e pare;

caso contrrio:
Passo 6: k = k + 1;
volte ao passo 1.
Exemplo 5
Aplicar o mtodo de Newton resoluo do sistema no linear F(x) = O onde F(x) dada
por:
F(x) =( :? : ~ =!), cujas solues so x =( ~ ) e x" =( ~ ) ,
usando E - E1 ... E2 = lo-4,
Comecemos com x<0> = ( ; ) .

k = O:
F(x(O)) = ( {7 ) ; li F(x(O)) llc., = 17 >> E
J(x<>) = ( ~ /o )
= ( -13/8 ) ( -1.625 )
s -11/8 -1.375
(1) (O) = ( 1 ) _ ( 13/8 ) ( -0.625 ) ( -5/8 )

~ X X + S 5 11/8 3.625 29/8
li x(l) - x(O) 1100 = mx { 1.625, 1.375} = 1.625 >> E

200 Clculo Numria) Cap. 4
k = 1:
F(x(l)) =( 14~/32 ) ( 4.5~125 ) ; li F(x(l)) li..,= 4.53125 >> E1
J(x(l)) ... ( 1
- 5/4
( -t/4 2t14 ) s = ( - 4~31 ) ~s ( :~:;;; )
(2) (1) ( -0.625 ) ( +0.533 ) ( -0.092 )

~ X X + S 3.625 + -0.533 3.0917
li x (2) - x:(l) li.., = 0.533 >> E2
Prosseguir as iteraes at que li F(x(k)) 1100 < 10-4 ou li x(k + l) - x(k) 1100 < 10-4.
A caracterstica mais atraente do mtodo de Newton que sob condies adequa-

das envolvendo o ponto inicial x<0>, a funo F(x) e a matriz Jacobiana J(x), a seqncia
gerada {x{k)} converge a x* com taxa quadrtica. importante observar que os resultados
de convergncia obtidos so locais no sentido de que a aproximao inicial x<0> deve estar
suficientemente prxima de x*.
Ao leitor interessado em mais detalhes sobre o teorema de convergncia e o

resultado de taxa quadrtica, indicamos a referncia [8].
,
4.3 METODO DE NEWTON MODIFICADO
De maneira anloga ao caso de uma equao no linear (Exerccio 14, Captulo 2), a
modificao sobre o mtodo de Newton consiste em se tomar a cada iterao k a matriz
J(x<0>), em vez de J(x(k)): a partir de uma aproximao inicial x<0>, a seqncia {x(k)}
gerada atravs de x(k+l) = x(k) + s<k), onde s(k) soluo do sistema linear:
J(x<0)) s = - F(x(k)) (10)

Cap. 4 fntroduo resoluoo de sistemas no lineares 201
Desta forma, a matriz Jacobiana avaliada apenas uma vez e, para todo k, o
sistema linear a ser resolvido a cada iterao ter a mesma matriz de coeficientes: J(x<)).
Se usarmos a fatorao LU para resolv-lo, os fatores L e U sero calculados
apenas uma vez e, a partir da 21 iterao, ser necessrio resolver apenas dois sistemas
triangulares para obter o vetor s(k)_
Exemplo 6
Vamos usar aqui o mtodo de Newton Modificado para o sistema no linear do Exemplo 5:
Xl + x2 - 3 "" 0
comeando com x<<!) = ( ~ ).
{ Xi + Xi - 9 = 0
Temos J(x) = ( 2~ 2~.2 ) .

1
Assim,
Ento:
3
J(x<0))s = ( - )
-17
l
s1 + s2 -3
:::;, s = -13/8 ) _ ( -1.625 )
2sl + 1082 .. - 17 ( - 11/8 - 1.375
(1) = (O) =( 1 ) ( -13/8 ) = ( -0.625 )

:::;, X X + S 5 + -11/8 3.625
Agora, para calcular x<2), resolvemos
J(x< s = - P(x<I~ = - ( 4.5~125 )
Sz = 0 _ (+o.56640.62
.
~ s - -0.56640625
5. )
10s2 = -4.53125
.
A SS1lll. (2) _ ( l) _ (-0.625 ) ( 056640625 )
, X - X +S- 3.625 + -0.56640625
_ (2) = ( -0.05859375 )
.....,, X 3.05859375 .
Prosseguir as iteraes at obter convergncia.
Deixamos, cqmo exerccio, escrever formalmente um algoritmo para este mtodo.
4.4 MTODOS QUASE-NEWTON
A motivao central dos mtodos quase-Newton gerar uma seqncia {il0} com boas proprie,.
dades de convergncia, sem no entanto avaliar a matriz Jacobiana a cada iterao, como
necessrio no mtodo de Newton.
Um exemplo o mtodo de Newton Modificado que requer o clculo da matriz

Jacobiana ape;nas na iterao inicial, porm a propriedade de taxa quadrtica perdida e em seu
lugar consegue-se apenas taxa linear.
A seqncia {x(k)}, nos mtodos quase-Newton, gerada atravs da frmula:
x<k+l) = x<k) + s(k) (11)
onde s<k) a soluo do sistema linear:
(12)
Nos mtodos quase-Newton que estudaremos nesta seo, as matrizes B(k) so

atualizadas a cada iterao e imposta a condio de que tais matrizes satisfaam a seguinte
equao:
(13)
devido seguinte motivao:

conhecidos :x(k), F(x<"k)), x(k+l}, F(x(k+l)), o modelo linear:
(14)
pode ser considerado uma aproximao para F(x) em tomo de x<k+l), e a igualdade
c+i(x(k+l)) = F(x(k+l)) satisfeita para qualquer escolha para B(k+t).
Colocando ainda a condio:
(15)
teremos:
(16)
e, portanto,
{17)
Se s(k) =,r(k+l) - x(k) e y(k) =F(x(k+l)) - F(x(k)), a equao (17) fica:
B(k+l) 8 (k) = y(k) (18)
que conhecida como equao secante e, por esta razo tais mtodos so tambm chama-
dos de mtodos secantes.
importante observar que o mtodo da secante estudado no Captulo 2 consiste

em se tomar como aproximao da funo f(x), na iterao k, a reta r(x) que passa pelos
pontos (xk, f(xk)) e (xk+l' f(xk+ 1)):
(19)
e, impendo as condies:
(20)
obtemos:
(21)
e b satisfaz a equao secante.
Neste caso, existe uma nica escolha para b ck forma que as condies (20) sejam
satisfeitas.
Mas, para n > 1, a equao secante no suficiente para determinar UJlld nica
matriz, uma vez que so n equaes e n2 variveis (os elementos da matriz B(k+l)).
Os mtodos quase-Newton diferem entre si pelas condies adicionais impostas

sobre B(k+l), tais como:
- obedecer a algum princpio de variao mnima em relao a B(k);
preservar alguma estrutura especial da matriz Jacobiana, como simetria e es-

parsidade.
A frmula para B(k+l), proposta por Broyden [8] em 1965, a seguinte:
(22)
onde
(23)
Existem vrios outros mtodos quase-Newton (ver [8], [15D; e importante res-
saltar que em vrios deles, 1m de se .evit-ar o clculo da matriz Jacobiana, o esforo
computacional necessrio para a resoluo do sistema linear reduzido em relao ao
esforo realizado no mtodo de Newton [22] .
Cp. 4 Introduo resoluo de sistemas niio lineares 205
EXERCCIOS
J. Usando alguma linguagem de programao, escreva um programa para o mtodo de New-
ton e para o mtodo de Newton Modificado.
2. Resolva os sistemas no lineares abaixo usando seus programas pata os mtodos de New-
ton e Newton Modificado com e = 1o-4:
xf + ~ - 2 = O
a)
leX, - 1 + ,q - 2 = O
x(O) = (1.5, 2.0l
4x1 - xy + x2 = O
b) -xf 4 -xi X(O) = (-) , -2l
{ - + --'----- = - 1
9 4
- x 2l + 8
e) { 2xt 9 x(O) = (-1, - l f
8x 1 - 4xj + x~ + 1 = O
d) (Funo de Rosenbrock) f241
10(x2 - xy) = O
{
x<O) = (-1.2, l )T
} - x1 = 0
e) (Broyden Tridiagonal) [24)
f 1(x) = (3-2x1)x 1 - 2x2 + l = O

fj{:it.) = (3 - 2Xj)Xi - Xi-1 - 2Xj+I + 1 = 0, i=2, . .. , 9
{ f 10(x) = (3-2x 10)x 10 - x.g + 1 = O
x<O) = (-1. - 1, .. . , - l f
fJ (Funo Togexp de Toint) [29)
f 1(x) - 3xj + 2xz - 5 + sen(x1 - x2) sen(x1 + x2) O

~(x) = -"-i-l e<xi-1 - x) + xi(4 + 3xf) + 2"-i+l +
+ sen(x - xi+t> sen(xt + ~+1 ) - 8 = O, i - 2, ... , 9
f10(x) ... - ~ e(Xg - X10> + 4x10 - 3 = O
x{O) ... (O, O, ... , O)T
3. O mtodo de Newton pode ser aplicado para a resoluo de um sistema linear Ax = b.

Neste caso, quantas iteraes sero realizadas? Por qu?
PROJETOS
1. MTODO DE NEWTON DISCRETO
Uma das dificuldades do mtodo de Newton est na necessidade de se obter as derivadas

. . fi(x)
parcuus: ,. .
:K_i
Ainda que se tenha um programa disponvel para o mtodo de Newton, cabe ao
usurio programar as rotinas de avaliao da funo F(x) e da matriz Jacobiana. A funo
F(x) pode ser difcil de ser derivada e, nestes casos, uma alternativa usar aproximaes
por diferenas para as derivadas parciais.
Para uma funo f(x) de uma varivel, temos que:
f' (x) _ f(x + h) - f(x) , b _ O.

h
Para o caso de uma funo de R em R 0 : F(x) (f1(x), ... , f0 (x))T, fi(x 1, ... , x0 ),
fi: R - R, cada derivada parcial ser aproximada por:
afi(x) f.(x + he.) - ~(x)

... _;1_ ____..J.____,;_
ax.J h
sendo ej = (O, 0, ...1, O, ...o)T onde o elemento igual a 1 ocupa a posio j.

Com esta aproximao, a matriz J(x(k)) ser trocada por J(x(k)), onde cada
elemento (i, j) de J(xCk)) obtido por:
f.(x(k.) + he.) - f (x(k))

1 1 1
h-0
h
ou seja, a coluna j de J(x(k)) ser aproximada por:
F(x + hej) - F(x)

h
e, desta relao, conclumos que a aproximao para J(x(k)) evita o clculo das derivadas,
mas requer n avaliaes adicionais para a funo F(x).
A escolha do passo h deve ser bastante cuidadosa. Em [8] h uma boa orientao
sobre este assunto.
Escreva um programa para o mtodo de Newton trocando as derivadas parciais
pela aproximao por diferenas, usando b = 10-2 . Resolva os sistemas no lineares propos-
tos no Exerccio 2 e compare os resultados.
2. NEWTON E OS FRACTAIS
Todos os que trabalham com mtodos iterativos para resolver sistemas de equaes no
lineares deparam-se, em algum momento, com teoremas de convergncia local do tipo: "Se
o ponto inicial tomado suficientemente prximo de uma soluo, ento o mtodo converge
para essa soluo". Assiln, pensando em duas dimenses, ao redor de cada soluo do
sistema existe uma regio que "atrai" a seqncia gerada pelo mtodo iterativo se o ponto
inicial estiver nessa regio.
Porm, o que acontece se o ponto inicial no for tomado em nenhuma dessas

regies? O teorema de convex:gncia local no garante nada e, portanto, o mtodo pode
convergir ou no. Se houver convergncia, para qual soluo a seqncia gerada ser atra-
da? Mais ainda, como geralmente (e por que no dizer, nunca) no temos nenhum conheci-
mento a priori das solues, e muito menos de quo prximo estamos de uma, no podemos
sequer afirmar se o ponto inicial est ou no em uma dessas regies. Claramente, se algum
termo da seqncia gerada pertencer a uma dessas regies, a soluo correspondente ir
208 Clc~o Numrico Cap. 4
atrair o resto da seq~ncia, fazendo com que o mtodo convirja. A partir desta observa.o,
podemos afirmar que a "regio de convergncia" do mtodo iterativo maior do que a
prevista pelo teorema de convergncia local.
No incio deste sculo, Gaston Julia [ 19} e Pierre Fatou [ 1OJ publicaram uma srie
de artigos sobre o estudo de propriedades iterativas, tendo como um dos objetivos. o mtodo
de Newton para o clculo de zeros de funes complexas (equivalente a encentrar a soluo
de um sistema de equaes .reais de dimenso dois). Eles provaram que, aplicando o mtodo
a uma dada funo, possvel que haja seqncias que convirjam, que sejam peridicas ou
ainda que divirjam. Observaram ainda que as fronteiras entre as regies de convergncia
eram curvas extremamente complicadas.
Na dcada de 1960, Benoit Mandelbrot (21] comeou a estudar alguns conjuntos

irregulares da natureza, altamente interessantes, tais como as galxias e os flocos de neve.
Ele conseguiu perceber certos padres nas irregularidades apresentadas por ess.as formas e
assim definiu a noo de conjunto fractal. Essencialmente, um conjunto fractal um con-
junto que possui a propriedade de auto-similaridade, isto , um nmero finito de translaes
de qualquer subconjunto, no importa o quo pequeno, recria o conjunto inteiro. Poste-
riormente, Mandelbrot retomou os trabalhos de Fatou e Julia, utilizando cQtnp1,1tadores_para
desenhar as regies estudadas por eles, de maneira i observar o compo.namemo catico que
produz a estrutura fractal.
Seja F : R 2 ~ R 2 e F(x, y) = O o sistema no linear a ser analisado. Para cada

soluo (x;, y;), r = 1, ... L , desse sistema, associamos uma cor diferente Cr e seja C 0 unia
cor distinta de todas as outras. Seja K o nmero mximo de iteraes permitidas do mtodo
de Newton e e> O a preciso desejada.
Considere agora que. a tela do computador representa uma regio discretizada

do plano euclidiano, T = {(xi, Yj) 1 i = O, ... , N , j = O, ... , M}. Para cada (~. y.) e T
aplicamos o mtodo de Newton a partir desse ponto. Se para algum k ..; K e i..;L,
li (xk, yk) - (X:, y~) li < E, associamos a cor Cr ao ponto (xi, Y}, isto , fazemos
COR(i, j) = Cr; caso contrrio, COR (i, j) = C0. O resultado, devido computao numrica
e a erros de arredondamento, uma aproximao da regio de convergncia em T.
Podemos tambm construir uma cpia dessas i:egies, onde a cor associada a cada
ponto (xi, Y) est relacionada ao nmero de iteraes. Para isto, escolhemos as cores Ck,
k = 1, ... , K e associamos COR(i, j) = Ck, se k :e::;; K e COR(i, j) = C0, caso contrrio.
Temos, assim, dois mapas para cada sistema: "Para onde convergiu" e "Como conver-
giu".
Utilizando E= 10-6 e K = 20, construa os mapas descritos para os sistemas:
Sistema I
l
x2 - y2 - 1 =O
2xy = O
Solues: (xt, Y!) = (1, O), (xt, y;) = (-1, O)
T = {( 2
-1 + ~ . -1 + ~ 2J com M, N ;;;o 100, o~ ~ N, O ~ j ~ M
Sistema II
x3 - 3xy2 - l = O
l 3x2y - y3 = O
-
Soluoes: ex; , y;) = (1, 0), (x; , y;) = ( 21, --fil
2
-), ex; , Y;) = ( 1 , filj
2 2
T = {(-1.5 + ~,- 1.5 + !J com M, N ;;;,: 100, O~ i ~ N, O~ j ~M
Sistema ill
l
x2 - y2 - l = O
ex2 + y2 - l )(x 2 + y2 - 4 ) = O
Solues: (x; , yf) = (1,0) , (x; , y;) = (-1,0),
(x; , y;) = (-1.58, - 1.22) , (x;, Y!) = (-1.58, 1.22),
(x;, y;) = (1.58, - 1.22), (x; , y;) = (1.58, 1.22)
T = {(-2 + 4iN , -2 + i-4J com M, N ~ 100, O ~ i ~ N, O ~ j ~ M
Para maiores detalhes sobre este assunto, sugerimos a referncia [28].

CAPTULO
MAKRON
Boolcs
INTERPOLAO
5. 1 INTRODUO
A seguinte tabela relaciona calor especfico da gua e temperatura:
temperatura 20 25 30 35 40
(C)
calor 0.99907 0.99852 0.99826 0.99818 0.99828

especfico
temperatura 45 50
(2C)
calor 0.99849 0.99878

especfico
Suponhamos que se queira calcular:
i) o calor especfico da gua a 32.SC;
iz) a temperatura para a qual o calor especfico 0.99837.
A interpolao nos ajuda a resolver este tipo de problema.
Interpolar uma funo f(x) consiste em aproximar essa funo por uma outra
funo g(x); escolhida entre uma classe de funes definida a priori e que satisfaa algumas
propriedades. A funo g(x) ento usada em substituio funo f(x).
A necessidade de se efetuar esta substituio surge em vrias situaes, como por

exemplo:
a) quando so conhecidos somente os valores numricos da funo para um

conjunto de pontos e necessrio calcular o valor da funo em um ponto no
tabelado (como o caso do exemplo anterior);
b) quando a funo em estudo tem uma expresso tal que operaes como a
diferenciao e a integrao so difceis (ou mesmo impossveis) de serem
realizadas.
5.1.1 UM CONCEITO DE INTERPOLAO
Consideremos (n + 1) pontos distintos: x 0, x 1, ... , x 0 , chamados ns da interpolao, e os

valores de f(x) nesses pontos: f(xo), f(x 1) , ... , f(xJ.
A forma de interpolao de f(x) que veremos a seguir consiste em se obter uma

determinada funo g(x) tal que:
g(xo) .,. f(Xo)

g(x 1) = f(x1)
g(x2 ) - f(x2 )
(1)
Cap. 5 Interpolao 213
GRAFICAMENTE
Se n = 5
f(x)
:(Xo, f(><o)) :'

''
' f(x)
''
'
x, X
Figura 5.1
Neste texto consideraremos que g(x) pertence classe das funes polinomiais.
Observamos que:
i) existem outras formas de interpolao polinomial como, por exemplo, a fr-

mula de Taylor e a interpolao por polinmios de Hermite, para as quais as
condies de interpolao (1) so outras.
ii) assim como g(x) foi escolhida entre as funes polinomiais, poderamos ter
escolhido g(x) como funo racional, funo trigonomtrica etc.
5.2 INTERPOLAO POLINOMIAL
Dados os pontos (x 0, f(xo)), (x1, f(x 1)), ... , (x0 , f(xJ), portanto (n+l) pontos, queremos
aproximar f(x) por um polinmio Pn(x), de grau menor ou igual a n, tal que:
Surgem aqui as perguntas: existe sempre um polinmio po(x) que satisfaa estas
condies? Caso exista, ele nico?
Representaremos po(x) por:
Pn(x) = 3 + 1X + 2X2 + ... + anx.
Portanto, obter pnCx) significa obter os coeficientes 3o, a1, ..., a 0
Da condio po<xk) = f(xk), \/ k = O, 1, 2, ..., n, mo ntamos o seguinte sistema

linear:
3<) + 1 + x + + a x3
0 f(JCo)
3<) + 81Xl + Xi + + aox~ = f(xl)
com n + 1 equaes e n + 1 variveis: a 0, a1, ... , a 0
A matriz A dos coeficientes
A=
que uma matriz de Vandermonde e, portanto, desde que x0 , x1, ... , sejam pontos distin-
tos, temos det(A) "' O e, ento, o sistema linear admite soluo nica.
Demonstramos, assim, o seguinte teorem a:
TEOREMA 1
Existe um nico polinmio p 0 (x), de grau .,s;; n, tal que: pnCxk) = f(xk), k = O, 1, 2, ..., n
desde que xk ;oe xi, j .- k.
5.3 FORMAS DE SE OBTER Pn (x)
Conforme acabamos de ver, o polinmio pu(x) que interpola f(x) em Xo Xi, x 0 nico.
No entanto, existem vrias formas para se obter tal polinmio. Uma das formas a resolu-
o do sistema linear obtido anteriormente. Estudaremos ainda as formas de Lagrange e de
Newton.
Teoricamente as trs formas conduzem ao mesmo polinmio. A escolha entre elas

depende de condies como estabilidade do sistema linear, tempo computacional etc.
5.3.1 RESOLUO DO SISTEMA LINEAR
Exemplo 1
Vamos encontrar o polinmio de grau s 2 que interpola os pontos da tabela:
X -1 o 2
f(x) 4 1 -1
p2(xo) = f(xo) .;:. 81) - 31 + = 4

p2(x 1) = f(x 1) .;:. = 1
P2(x2) = f() -=- + 281 + 4 82 = -l.
Resolvendo o sistema linear, obtemos:
30 - 1, a1 - - 7/3 e 32 - 2/3.
Assim , pi(x) =1 - ; x + ~ x2 o polinmio que interpola f(x) em x 0 = - 1,
x1 =0 e x 2 = 2.
Embora a resoluo do sistema linear neste exemplo tenha sido um processo
e
simples exato na obteno de pi(x), no podemos esperar que isto ocorra para qualquer
problema de interpolao, uma vez que, como vimos, a matriz A dos coeficientes do sistema
linear uma matriz de Vandermonde, podendo ser mal condicionada (ver Projeto 1, item (a)
do Captulo 3).
Por exemplo, seja obter p 3(x) que interpola f(x) nos pontos Xo, Xp "2 x3, de
acordo com a tabela abaixo:
X 0.1 0.2 0.3 0.4
f(x) 5 13 -4
Impondo a condio p3(xk) = f(xk) para k = O, 1, 2, 3, temos o s istema linear:
+ 0.131 + 0.0132 + 0.00ta3 5

+ 0.231 + 0.0432 + o.ao~ - 13
+ 0.331 + 0.0932 + 0.02733 - -4
+ 0.431 + 0.1632 + 0.064a3 -8
Usando aritmtica de ponto flutuante com trs dgitos e o mtodo da eliminao

de Gauss, temos como resultado:
pi x) = --0.66 x 102 + (0.115 x 104)x - (0.505 x t4)x2 + (0.633 x 104)x3
e, para x = 0.4, obtemos:
p3(0.4) =-10 ,. -8 = f(0.4).
5.3.2 FORMA DE LAGRANGE
Sejam x0, xl' ... , x 0 , (n+l) pontos distintos e Yi = f(x), i =O, ..., n.
Seja p0 (x) o polinmio de grau ~ n que interpola f em x.0, ... , x0 Podemos repre-
sentar po<x) na forma p 0 (x) = YoLo(x) + y1Li(x) + ... + y0 Lo<x), onde os polinmios r..Jx)
so de grau n. Para cada i, queremos que a condio po<xi) = Yi seja satisfeita, ou seja:
(2)
A forma mais simples de se satisfazer esta condio impor:
Lic(Xi) { ~ :: ~ : ! e, para isso, definimos Lic(x) por
fcil verificar que realmente
Lic(xlt) = 1 e
Lic(x) = O se i .. k.
Como o numerador de Lic(x) um produto de n fatores da forma:
(x - "1), i = O, .. . , n, i pi. k,
ento Lic(x) um polinmio de grau n e, assim, pu(x) um polinmio de grau menor ou

igual a n.
Alm disso, para x =Xj, i =O, ..., n temos:

o
Pn(x,) = L YJMc(xi) YiLi(xi) Yi

lt- o
Ento, a forma de Lagrange para o polinmio interpolador :
o
p0 (x) L Y!tLic(x)
lt- o
218 C4lculo Numrico C-ap. 5
onde
n
.
l (x - x.)
J
J - o
j .. k
1..:(x) ...
n
l (Xic - ''}
j - o
j .. k
Exemplo 2 (lnterpolao Unear)
Faremos aqui um exemplo terico para interpolao em dois pontos distintos: (x0, f(xo))
e (xp f(x 1)).
Assim, n igual a 1 e, por isto, a interpolao por dois pontos chamada interpo-
lao linear.
Usando a forma de Lagrange, teremos:
pi(x) = YoLo(x) + y1L1(x), onde
(x - x1) (x - x0)
Lo(x) - (xo - x1) ' L1(x) - (x1 -xo) .
que exatamente a equao da reta que passa por (x0 , f(Xo)) e (x1 , f(x 1)).
Exemplo 3
Seja a tabela:
X -1 o 2
f(x) 4 1 -1
Pela forma de Lagrange, temos que:
Assim, na forma de Lagrange,
7 2
Agrupando os termos semelhantes, obtemos que pz(x) =1 - x + x 2, que a
3 3
mesma expresso obtida no Exemplo 1.
5.3.3 FORMA DE NEWTON
A forma de Newton para o polinmio po(x) que interpola f(x) em Xo, xp, ~ , (n + 1) pontos
distintos a seguinte:
No que segue, estudaremos:
i) o operador diferenas divididas, uma vez que os coeficientes dk' k = O, 1, ... , n

acima so diferenas divididas de ordem k entre os pontos (xi, f(xj)), j = O,
1, ... , k.
ii) a deduo da expresso de p/x) dada por (3).
OPERADOR DIFERENAS DIVIDIDAS
Seja f(x) uma funo tabelada em n + 1 pontos distintos : Xo, Xp , x0 .
Definimos o operador diferenas divididas por:
f[.xo] = f(x0) (Ordem Zero)
f[x1] - f[:xo] f(x1) - f(xo)

f[:xo' Xl] - - - - .., - - -- (Ordem 1)
Xl - Xo Xl - Xo
Dizemos que f{x0, xl' ... , xk] a diferena dividida de ordem k da funo f(x)
sobre os k + 1 pontos: Xo, xl' ..., xk.
Dada uma funo f(x) e conhecidos os valores que f(x) assume nos pontos distin-
tos Xo, xl' ... , x0 , podemos construir a tabela:
X Ordem O Ordem 1 Ordem 2 Ordem 3 Ordem n
Xo f{Xc,]
f[Xc,, X1]
X1 f{xi] f[x0, x 1, xi]
ffx1, xi] f[Xc,, x1, Xz, X3]
X2 f[Xi] f{X1, X2, X3]
f[x2, X3] ffx1, X2, X3, X4]

X3 f{x3] f(xz, X3, x4 ] fIXo, X1, X2, ..., Xn]
f[x3, X4]
X4 f{x4] ffo-3, xo-2 xn-1 "nl

fTxo-2 Xn.-1, xJ
ffXa-1, Xo]
Xn fl"n]
Exemplo 4
Seja f(x) tabelada abaixo
X o 1 2 3
f(x) 1-: 1 o -1 -2
Sua tabela de diferenas divididas :
X Ordem O Ordem 1 Ordem 2 Ordem 3 Ordem 4
-1 1
o
1
o 1
2
1
-1
6
1 o o - -241
-1 o
2 -1 o
-1
3 -2
Onde
f[ xiJ - f["o] 1 - 1 - O
f{Jeo , Xl) Xl - JCo 1
f{x ] - f{] - f[x1] - O - 1 - - 1

1' Xi x2 - x 1 1 - Q
O + 1 /2 1
- 2 + 1
= -6
Prova-se que as diferenas divididas satisfazem a propriedade a seguir:
flXo, xl' ..., xk] simtrica nos argumentos, ou seja, f[Xo, x1, ..., x1J = f[1) 0, X; 1, , ') ]
onde fo, j 1, .. jk qualquer permutao de O, 1, ..., k. k
Por exemplo,
Para k = 2 teremos
FORMA DE NEWTON PARA O POLINMIO INTERPOLADOR

Seja f(x) contnua e com tantas derivadas contnuas quantas necessrias num intervalo
[ a, b ).
Sejam a= Xo < x1 < < ... < x0 = b, (n + 1) pontos.
Construiremos o polinmio pnCx) que interpola f(x) em x0, Xp x0 Iniciaremos
a construo obtendo p0(x) que interpola f(x) em x = x 0. E assim, sucessivamente, construi-
remos pk(x) que interpola f(x) em Xo, x1, ..., xk, k = O, 1, ... , n.
Seja p 0 (x) o polinmio de grau O que interpola f{x) em x = x 0 . Ento,
p0 (x) = f(x0) = flXo].
Temos que, para todo x E [a, b], x Xo
f[x] - f[Xo] f(x) - f(Xo)

f[Xo, x] -
X - Xo
-
X - Xo
=
= (x - :xo)fixo, x] = f(x) - f(xo) =
= f(x) - f(x0) + (x - xo) f[x0 , x]
=E (x) = f(x) - p (x) = (x - Xo)fixcv x].

0 0
Note que Eo(x) = f(x) - p0(x) o erro cometido ao se aproximar f(x) por p0(x). Na
Seo 5.4, o erro na interpolao ser estudado com detalhes.
Seja agora construir p 1(x), o polinmio de grau ~ 1 que interpola f(x) em Xo e x1 .
Temos que
f(x) - f(xo)
- f{xl, Xol f(x) - f(xo) - (x - Xo)f[x1 , xo]
- X -Xo
- (x - x 1) (x - xo)
= f(x) - f(xo) + (x - xo) f(x1 , Xol + (x - xo) (x - x1) q, x1 , x] .

Cap. 5 lmerpolaJ) 225
Assim,
p1(x) f(x0) + (x - xo) f[Jro , xi] e
Verificao:
p1(x) interpola f(x) em "o e em x 1?
p1(xo) = f(xo)
Seja agora construir p2(x), o polinmio de grau ~ 2 que interpola f(x) em Xo x 1,

Temos que:
~ f(x) = f(xo) + (x - xo)f[x0, x1] + (x - xo) (x - x1) f{x0, xl' xi] +

+ (x - Xo) (x - x1) (x - )flXo, xi , x].
Ento,
P1(X)
Ez(x) = (x - xo) (x - x1) (x - x:z) fCXo, x1, Xi, x].
Observamos que, assim como para p1(x) e pi{x), p/x) = pk_1(x) + qix), onde
qk(x) um polinmio de grau k.
Aplicando sucessivamente o mesmo raciocnio para
X()> Xl' ' X:3;

X()> x 1, ' X:3, x4;
teremos a forma de Newton para o polinmio de grau ~ n que interpola f(x) em x0 ,... , x0 :
p/x) = f(xo) + (x - xo)f(x0,x1] +(x - xo) (x - x1)f[Xo, xl' 'l + ...

+ ... + (x: - x 0) (x - x 1) ... (x - ~_1)f[x0, Xp, x0 J
e o erro dado por
De fato, p 0 (x) interpola f(x) em x0, Xp x 0 , pois sendo
f(x) = pnCx) + EnCx), ento, para todo n xk, k = O,... , n, temos
f(xk) Pn(xk) + En(xk) Po(xk).

=O
Cap. 5 Jn.terpolao 227
Exemplo 5
Usando a forma de Newton, o polinmio p2(x), que interpola f (x) nos pontos dados
abaixo
X -1 o 2
:
f(x) 4 -1
X Ordem O Ordem 1 Ordem 2
-1 4
-3
o 1 -2
3
-1
2 -1
2
p2(x) =4 + (x + lX-3) + (x + 1)(x - O)
3.
2 7
Observamos que, agrupando os tennos semelhantes, obtemos pi(x) = x2 -
3 3 x + 1, que
a mesma expresso obtida nos Exemplos l e 3.
Observamos ainda que conveniente deixar o polinmio na forma de Newton, sem

agrupar os termos semelhantes, pois, quando calcularmos o valor numrico de p0 (x), para x = a ,
evitaremos o clculo de potncias. O nmero de operaes pode ainda ser reduzido se usarmos
a forma dos parnteses encaixados descrita a seguir:
dado
p0 (x) = f(xo) + (x -xo) f[x0, x 1] + (x - xo) (x - x 1) f[Xo, x 1, l +

+ (x - xo) (x - x 1) (x - ) ffxo, xl' x2, x3) +... +
+ (x - xo) (x - x1 ) ... (x - x0 _ 1) f[x0, x 1, x2 , ..., x0 ]
temos
poCx) = f(x0) + (x - x0) {f(x0 , x1] + (x - x 1) {f[x0, xv J] +

+ (x - x:z) {f(Xo, xl' Xi "-3) + ... + (x - ~ 1) f(xo, xl' ..., x0 ]. . }} }.
Um algoritmo para se calcular puCa) usando esta forma de parnteses encaixados

ser visto na lista de exerccios, no final deste captulo.
5.4 ESTUDO DO ERRO NA INTERPOLAO
Como j observamos, ao se aproximar uma funo f(x) por um polinmio interpolador de

grau ~ n, comete-se um erro, ou seja
E0 (x) = f(x) - p0 (x) para todo x no intervalo [Xo, ~].
O estudo do erro importante para sabermos quo prximo f(x) est de Pn(x).
Exemplo 6
Este exemplo ilustra este fato no caso da interpolao linear.
f1 (X1) = f2(X1) = P1 (x,)
x, X
Figura S.2
Observamos ainda que o erro, neste caso, depende da concavidade das curvas, ou
seja, de t;(x) e t;'.(x).
Veremos no Teorema 2 a expresso exata do erro quando aproximamos f(x) por

po<x), para n qualquer.
TEOREMA 2
Sejam x0 < x1 < x2 < ... < x 0 , (n + 1) pontos.
Seja f(x) com derivadas at ordem (n+ 1) para todo x pertencente ao intervalo
Seja p 0 (x) o polinmio interpolador de f(x) nos pontos x 1, ... , x0
Ento, em qualquer ponto x pertencente ao intervalo [x0, x0 ], o erro dado por
DEMONSTRAO
Seja G(x)=(x-Xo)(x-x1) ... (x-x 0 ), V- x E [Xo, ~ ]. Ento, para x = xi temos f(~) = p/x),
pois G(xi) = O => Eo<xi) = O, donde a frmula do erro est correta para x = xi, i = O, ... n.
Para cada x E (x0, xJ, x ;I! ~. i = 0, ... , n, seja H(t) uma funo auxiliar, definida por
H(t) = E/x)G(t) - Eo<t) G(x), t E [x0, x0 ].
H(t) possui derivadas at ordem n + 1, pois:
f(t) possui derivada at ordem n+l, por hiptese e
pu(t) possui derivadas at ordem n + 1; ento
E D.(t) = f(t) - p D(t) possui derivadas at ordem n +1.

230 C.lcul-0 Numrico Cap. 5
G(t) possui derivadas at ordem n + 1, pois polinmio de grau n + l.
Assim, E 0(x)G(t) - Eu(t)G(x) = H(t) possui derivadas at ordem n + 1.
Verificaremos, a seguir, que H(t) possui pelo menos (n + 2) zeros no intervalo
Para t = ~ ' i = O, ..., n temos que EnCt) =O e G(t) =O, donde H(xJ = E0 (x)G(xi) -
E/xi)G(x) = O, i = O, 1,..., n e, para t = x, H(x) =EnCx)G(x) - E 0 (x)G(x) =O
Assim, Xo, x1 , . .., x0 , x so zeros de H(t).
Concluindo, temos que a funo H(t):
i) est definida no intervalo [Xo, x.0 ];
iz) possui derivadas at ordem n + 1 nesse intervalo;
iii) possui pelo menos n + 2 zeros nesse intervalo.
Portanto, podemos aplicar sucessivamente o Teorema de Rolle a H(t), H'(t),...,

H ( )(t), a saber:
0
H'(t) possui pelo menos n + 1 zeros em (xo, x0 );

H"(t) possui pelo menos n zeros em (x0, x 0 ) ;
H (0 +1)(t) possui pelo menos um zero em (x 0, x 0 ).
Mas, H (t) = E/x)G(t) - E(t)G(x) =

= H(n+l)(t) = E/x)G(n+l)(t) - E~n+l)(t)G(x).
Agora, E~+l)(t) = f(n+l)(t) - p~ + 1)(t) - f(n+l)(t) (pnCt) tem grau n)
G(t) = (t - xo) (t - x 1) ... (t - x.i)
= G(n+l)(t) = (n + 1)!
Assim, H(0 +1)(t) = E0 (x) (n+l)! - f(n+l)(t)G(x). Sendo~ um zero de H(n+l)(t),
H(0 +1)<;,,) = (n + 1)! Eo<x) - f (n+l)<;x) G(x) =O

f(D + l)(Sx)
= En(x) .. G(x) (n + 1)!
Observamos que, ao aproximarmos f(x) por um polinmio de interpolao de

grau ~ n, o erro cometido est relacionado com a derivada de ordem (n + 1) de f(x), o que
confirma a observao feita no Exemplo 6.
Exemplo 7
Seja o problema de se obter ln(3.7) por interpolao linear, onde ln(x) est tabelada abaixo:
X 1 2 3 4
ln(x) o 0.6931 1.0986 1.3863
Como x = 3.7 E (3, 4), escolheremos x0 = 3 e x1 = 4.

Pela forma de Newton, temos
(1.3863 - 1.0986)
p1(x) = f{JCo) + (x - xo)f(x0 , x1] = 1.0986 + (x - 3) _
4 3
p1(x) = 1.0986 + (x - 3)(0.2877) = p1(3.7) = 1.300.
Dado que, com quatro casas decimais ln(3. 7) = 1.3083, o erro cometido
Ei(3.7) = ln(3.7) - P1(3.7) = 1.3083 - 1.3 = 0.0083 = 8.3 x 10-3
Queremos, neste eX'emplo, mostrar que ;x que aparece na expresso do erro do

Teorema 2 realmente uma funo de x.
Para x = 3.7,
f " (~)
E1(3.7) =(3.7 - 3) (3.7 - 4)
2
=8.3 x 10-3
- 1
Agora, f'(x) - 2 .
X
Ento, (0.7} (-0.3) (- ~) - 8.3 x 10- 3 e, como~ E (3, 4),

2
teremos ;x = 3.5578.
natural que, se x " 3.7, ;x " 3.5578.
TEOREMA 3
DEMONSTRAO
Seja po(x) o nico polinmio que interpola f(x) em x 0, x1, ..., x0 Do Teorema 2, temos que
Da deduo da forma de Newton para p/x),

BIBUOTECASETORIALDEARA-UFSC Cap. 5 Interpolao 233
Assim, (4) = (5) implica que
f (D + 1) (~X)
(n + 1)! ... f[Xo' xl ' ... 'xn' x].
Este teorema mostra claramente a relao entre a diferena dividida de ordem

(n+l) e a derivada de ordem (n+l) da funo f(x).
LIMITANTE PARA O ERRO
A frmula para o erro
tem uso limitado na prtica, dado que sero raras as situaes em que conheceremos
f(0 +1)(x), e o ponto~ nunca conhecido.
A importncia da frmula exata para E0 (x) terica, uma vez que usada na
obteno das estimativas de erro para as frmulas de interpolao, diferenciao e integra-
o numrica.
Estudaremos a seguir dois corolrios do Teorema 2, que relacionam o erro com

um limitante de f(0 + 1)(x).
,.
COROLARIO 1
Sob as hipteses do Teorema 2, se f(o+l)(x) for contnua em I = [x0, x 0 ] , podemos escrever
a seguinte relao:
onde ~ + 1 - mx I f( + 1>(x) 1 .
xEI
DEMONSTRAO
Mn+ l existe pois, por hiptese, f (n+l)(x) contnua em [x0, xn] e ento,
COROLRIO 2
Se alm das hipteses anteriores os pontos forem igualmente espaados, ou seja,
ento
b0 + 1Mn+l
1f(x) - Pn(x) 1 < 4(n + 1) .
Observe que o majorante acima independe do ponto x considerado, x E [ x0, x 0 ].
Exemplo 8
Seja f(x) = ex + x - 1 tabelada abaixo. Obter f(0.7) por interpolao linear e fazer uma
anlise do erro cometido.
X o 0.5 1 1.5 2.0
f(x) o.o 1.1487 2.7183 4.9811 8.3890
x = 0.7 E (0.5, 1), ento x:0 = 0.5 e x 1 = 1

p 1(x) = 1.1487 + (x - 0.5) 2.7183_- 1.1487)

_ = 1.1487 + (x-0.5)3.1392
( 1 05
p 1(0.7) = 1.7765.
Neste caso, temos condio de calcular o verdadeiro erro, dado por
1 E 1(0.7) 1 = 1f(0.7) - p 1(0.7) 1 = 11.7137 - 1.7765 1= 1-0.0628 1= 0.0628.
Os Corolrios 1 e 2 nos fornecem as seguintes majoraes para o erro:
a) Corolrio 1 (em x = 0 .7)
~
1 E 1(0.7) 1 :s;; 1 (0.7 - 0.5) (0.7 - 1) 1
2
onde M2 = mx I f"(x) 1 = e 1 = 2.7183.
1C E (0.5, 11
Ento, 1E 1(0.7) 1 :s;; 0.0815 (realmente, 1E 1(0.7) 1= 0.0628 < 0.0815).
b) Corolrio 2: para todo x e (0.5, 1), temos:
h2 (0.5)2
1E1(X) 1 <
8 M2 =
8
(2.7183) = 0.0850
que tambm confirma o resultado obtido para o erro exato.
ESTIMATIVA PARA O ERRO
Se a funo f(x) dada na forma de tabela, o valor absoluto do erro I J\i(x) 1 s pode ser
estimado. Isto porque, neste caso, no possvel calcular M 0 +1; mas, se construirmos a tabela
de diferenas divididas at ordem n + l, podemos usar o maior valor (em mdulo) destas
..:&
uuerenas . -
como uma aproximaao para ~+ 1 .
no rnterval o [x , x ]
(n + l)! 0 0
Neste caso, dizemos que
1E 0 (x) 1=- 1(x - x.o) (x - x 1) .. (x-~) 1(mx I diferenas cfivididas de ordem n + 11 ).

Exemplo 9
Seja f(x) dada na forma:
X 0.2 0.34 0.4 0.52 0.6 0.72
f(x) 0.16 0.22 0.27 0.29 0.32 0.37
a) Obter f(0.47) usando um polinmio de grau 2.
b) Dar uma estimativa para o erro.
TABELA DE DIFERENAS
X Ordem O Ordem 1 Ordem 2 Ordem3
0.2 0.16
0.4286
0.34 0.22 2.0235
0.8333 -17.8963
"o= 0.4
-3.7033
s ~
x 1 = 0.52 0.29
0.375
~
-2.6031
x2 = 0.6 0.32 0.2085
0.4167
0.72 0.37
Deve-se escolher trs pontos de interpolao. Como 0.47 E (0.4, 0 .52), dois
pontos devero ser 0.4 e 0.52. O outro tanto pode ser 0.34 como 0.6. Escolheremos Xo = 0.4,
x 1 = 0.52 e = 0.6.
p2(x) = f(Xo) + (x - xo)f[Xo, x1] +(x - xo)(x - x1) f{x0, xl' y

= 0.27 + (x - 0.4)0.1667 + (x--0.4) (x - 0.52) (1.0415).
a) p2(0.47) = 0.2780 f(0.47)
b) 1E(0.47) 1 - 1(0.47 - 0.4)(0.47 - 0.52)(0.47 - 0.6) 1 l 18.24921

8.303 X 10-3
5.5 INTERPOLAO INVERSA
Dada a tabela
f(x) f(xi) f(xJ
O problema da interpolao inversa consiste em: dado YE (f(Xo), f(x,0 )), obter x,
tal que f(x) = y.
F0Jrn1as de se resolver este problema:

i) obter p0 (x) que interpola f(x) em x0 , Xi, ... , x0 e em seguida encontrar x tal
que p/x) = y (como mostra o exemplo que segue).
Exemplo 10
Dada a tabela abaixo, encontrar x tal que f(x) = 2:
X 0.5 0.6 0.7 0.8 0.9 1.0
f(x) 1.65 1.82 2.01 2.23 2.46 2.72

238 Clcul.o Numrico Cap. 5
Como 2 E (1.82, 2.01), usaremos interpola0 linear sobre Xo = 0.6 e x 1 = 0.7.
Assim,
182 X - 0.7 2 01 X - 0.6

. -0.1 + . 0.1
= - '18.2x + 12.74 + 20.lx: - 12.06
= l.9x + 0.68.
2 68
Ento p 1(i) = 2 -=> l.9x + 0.68 = 2 -=> i - -1.~ = 0.6947368.
Neste caso, no conseguimos nem mesmo fazer uma estimativa do erro cometido,
pois o que sabemos medir o erro em se aproximar f(x) por p0 (x), e aqui queremos medir
o erro cometido sobre x e no sobre f(x).
) interpolao inversa:
Se f(x) for inversvel num intervalo contendo y, ento faremos a interpolao

de X = f-1(y)= g(y).
Uma condio para que uma funo contnua num intervalo (a, b) seja inversvel
que seja montona crescente (ou decrescente) neste intervalo.
Se f(x) for dada na forma de tabela, supondo que f(x) contnua em (Xo, x 0) , ento
f(x) ser admitida como montona crescente se f(xo) < f(x 1) < ... < f(x0 ) e decrescente se
f(x0) > f(x 1) > ... > f(x 0 ).
Conforme dissemos acima, se a condio anterior for satisfeita, o problema de se
obter x tal que f(i) = y ser facilmente resolvido, se for obtido o polinmio p0 (y) que
interpola g(y) = f"\x) sobre [Yo, y 0 ).
Para isto, basta considerar x como funo de y e aplicar um mtodo de interpola-
o: x =f- 1(y) =g(y) "" PiY)-
Exemplo 11
Dada a tabela
X o 0.1 0.2 0.3 0.4 0.5
1 1.1052 1.2214 1.3499 1.4918 1.6487
Obter x, tal que ex = 1.3165, usando um processo de interpolao quadrtica.

Usaremos a forma de Newton para obter p2(y) que interpola r-1(y).
Assim, vamos construir a tabela de diferenas divididas
y Ordem O Ordem 1 Ordem 2 Ordem 3
1 o
0.9506
1.1052 0.1 -0.4065
0.8606 0.1994
8 @ --0.3367
8 0.1679
s 0.3
0.7047
8 0.1081
~ 0.4 --0.2256
0.6373
1.6487 0.5
pi(y) = g(yo) + (y - yo)g[y()t Y11 + (y - Yo)(y - Yi) g[yo, Y1, Y2]

p2(y) = 0.2 + (y - 1.2214) 0.7782 + (y - l.2214)(y- 1.3499) (-0.2718)
p2(1 .3165) = 0.27487.
Assim, e0 27487 r= 1.3165 (na calculadora. e0. 27487 = l.31659).
Neste caso, podemos medir o erro seguindo os teoremas dados anteriormente. O erro
cometido definido por
E(y) "" r 1(y) - PiY) = g(y) - p0 (y)
No exemplo, temos que n = 2, ento,
~ = mx I g'"(y) 1, y e [y0, y 2]. Como f(x) =ex=> g(y) = r- 1(y) = ln(y) =>
=> g'()
Y = -1 => g"()
y
Y = 2-1
y
=> g"'(y) = 32 =>
y
2
=> M 3 = - - -3 => (M3 = - - - -2 : : c3 = 1.0976.)
(1.2214) (l.2214)
1 E(l.3165) 1 :s;; l.0186 x 10-4, que um limitante superior para o erro.
Da mesma forma, uma estimativa para o erro dada por
1E(y) 1"' 1(y - Yo) (y - y 1) (y - y 2) ( 1mx.l diferenas divididas de ordem 3 1)
1E(y) 1"" 1.11028 X 10-4.
5.6 SOBRE O GRAU DO POLINMIO INTERPOLADOR

5.6. 1 ESCOLHA DO GRAU
A tabela de diferenas divididas junto com a relao entre diferena dividida de ordem k e
derivada de ordem k podem nos auxiliar qa escolha do grau do polinmio que usaremos para
interpolar uma funo f(x) dada.
Cap. 5 Interpolao 24.1
Deve-se, em primeiro lugar, construir a tabela de diferenas divididas. Em se-

guida, examinar as diferenas divididas da funo na vizinhana do ponto de interesse. Se
nesta vizinhana as diferenas divididas de ordem k so praticamente constantes (ou se as
diferenas de ordem (k + 1) variarem em tomo de zero), poderemos concluir que um poli-
nmio interpolador de grau k ser o que melhor aproximar a funo na regio considerada
na tabela.
Por exemplo, consideremos f(x) ../x tabelada abaixo com quatro casas decimais:
X 1 1.01 1.02 1.03 1.04 1.05
1 1.005 1.01 1.0149 1.0198 1.0247
X Ordem O Ordem 1 Ordem 2
1 1
0.5
1.01 1.005 o
0.5
1.02 1.01 --0.5
0.49
1.03 1.0149 o
0.49
1.04 1.0198 o
0.49
1.05 1.0247
t
constantes
Assim. no intervalo [l, 1.05.J dizemos que um polinmio de grau 1 uma boa
aproximao para f(x) vx.
5.6.2 FENMENO DE RUNGE
Urna pergunta que surge se a seqncia de polinmios de interpolao {Pn(x)} converge para
f(x) em [x0 , x 1) se {(Xo, ... , x0 )} cobre o intervalo [a, b) (ou seja, se n -4 00) .
No caso em que xi+I - xi = h, i = O, 1, ..., n - 1, ou seja, em que os pontos x 1 so

igualmente espaados, o exemplo abaixo, conhecido como "fenmeno de Runge", ilustra o fato
de que de se esperar divergncias neste caso.
Exemplo 12
1 ~
Considere f(x) =
1
+
25
.t tabelada no intervalo (-1, 1] nos pontos xi = -1 +
0,
i = O, 1 , .. . , n.
O grfico a seguir apresenta a curva f (x), o polinmio de grau n = 1O que

interpola f(x) em xi, i = O, ..., 10 e o polinmio de Chebyshev que a interpola em
-xi =cos (2in+l

+ 12
1tl .
,...
11
11
11 1,5
"
11
11
, 1 1 1
1 1 1 1
, 1 1 1
1 1
1 1 1 1
1 1 1 1
1 1 1 l
1 1 1 1
1 1 1 1
1 1 1 1
1 1
1 1
1 1
1 1
1 1
1 1 . .
1 1
1
-1 1
2
- - - : f(x) = 1/(1 + 25x )
- - - : polinmio que interpola f nos pontos xj, i = O, ... 10
: polinmio interpolador de Chebyshev nos pontos x; acima
Figura 5.3
Mostra-se que I f(x) - p0 (x) 1 se toma arbitrariamente grande em pontos do intervalo

(-5, 5], se n suficientemente grande.
No CaptuJo 6 de Isaacson & Keller [17], est demonstrado que, sendo
1
f(x) = + x2 , xj = - 5 + j x, j =O, 1,... , n e
1
x = n'
10
para I X1 > 3.63 ...(X E [-5, 5]), quando n ~ oo, p/x) diverge de f(x).
Existem virias alternativas, entre as quais:
No aproximar f(x) por polinmios; no caso, como f(x) = - - , seriam indi-

1
i)
p2(x)
cadas funes racionais, o que est fora do esprito deste captuJo.
ii) Trocar aproximao em pontos igualmente espaados por aproximao em ns de
Chebyshev : xi = Xo+~
2
+
xn-Xo
2
~, 1
.
= O, 1 , . . . , n, onde
~=cos - 2i +-l 1t)

( 2n + 2
a qual distribui mais homogeneamente o erro.
iiz) Usar funes spline (onde temos convergncia garantida).
5.7 FUNES SPLINE EM INTERPOLAO
Se a funo f(x) est tabelada em (n+l) pontos e a aproximarmos por um polinmio de grau n
que a interpola sobre os pontos tabelados, o resultado dessa aproximao pode ser desastroso,
conforme vimos no Exemplo 12 .
Uma alternativa interpolar f(x) em grupos de poucos pontos, obtendo-se polin-

mio de grau menor, e impor condies para que a funo de aproximao seja contnua e
tenha derivadas contnuas at uma certa ordem.
A Figura 5 .4 mostra o caso em que aproximamos a funo por uma funo linear
por partes, que denotaremos S1(x).
f(x)
Figura 5.4
Observamos que a funo S1(x) contnua, mas no derivvel em todo o inter-

valo (x 0, x.J,
uma vez que S' 1 (x) no existe pra x = ~ . 1 ,,,;; i ,,,;; 3.
Podemos optar tambm por, a cada 3.pontos: x 1, xi+l ' xi+l' passar um polinmio
de grau 2 e, neste caso, teremos tambm garantia s de continuidade da funo que vai
aproximar f(x).
1.5
0.5
1
-0.5
- 1
Figura 5.5
No caso das funes spline, a opo feita aproximar a funo tbelada, em cada
subintervalo[~, ~+1], por um polinmio de grau p, com algumas imposies sobre a funo
conforme a definio a seguir.
DEFINIO:
Considere a funo f(x) tabelada nos pontos "o < x 1 < ... < xn.
Uma funo Sp(x) denominada spline de grau p com ns nos pontos ~.
i = O, 1, ..., n, se satisfaz a-. seguintes condies:
a) em cada subintervalo [xi, xi+il, i = O, 1, ..., (n - 1), Sp(zj um polinmio de

grau p: spCx).
b) Sp(x) contnua e tem derivada contnua at ordem (p - 1) em [a, b].
Se, alm disto, Sp(x) tambm satisfaz a condio:
e) Sp(x) = f(xi), i = 0,1, ...,n, ento ser denominada spline interpolante.
A origem do nome spline vem de uma rgua elstica, usada em desenhos de

engenharia, que pode ser curvada de forma a passar por um dado conjunto de pontos (xi, yi),
que tem o nome de spline. Sob certas hipteses (de acordo com a teoria da elasticidade) a
curva definida pela rgua pode ser desrita aproximadamente como sendo uma funo por
partes, cada qual um polinmio cbico, de tal forma que ela e suas duas primeiras derivadas
so contnuas sempre. A terceira derivada, entretanto, pode ter descontinuidades nos pontos
xi. Tal funo uma spline cbica interpolante com ns nos pontos x, segundo a definio
anterior.
5. 7.1 SPLINE LINEAR INTERPOLANTE
A funo spline linear interpolante de f(x), S 1(x), nos ns Xo, Xp, x0 pode ser escrita em
cada subintervalo [xi-1' xi], i = 1, 2, ..., n como
Vericao:
a) S 1(x) polinmio de grau 1 em cada subintervalo [X.-1' xi), por definio;
b) Si(x) contnua em (x._1, x.), por definio, e, nos ns x1, realmente S 1 est
bem definida. pois:
si(xi) = si+l (xi)= f(xi) => S 1(x) contnua em [a, b] e, portanto, S 1(x) spline
linear;
e) Si(xi) = slx) = f(x) ~ S 1(x) spline linear interpolante de f(x) nos ns

x0, xl' ... , ~ .
Exemplo 13
Achar a funo spline linear que interpola a funo tabelada:
X 1 2 5 7
f(x) 1 2 3 2.5
3.0
2.5
2.0
1.0
1 2 5 7 X
Figura S.6
De acordo com a definio,
2-x x-1
1 _ l + 2 _ l 2- X + 2X - 2 = X, X E (1, 2]
2 2
5 - X X - 2 2 1
2 _ + 3 _ (5 - x) + x - 2 - (x + 4) , x E (2, 5]
5 2 5 2 3 3
7-x x-5 1
3 ? _ S + 2.5 ? _ S - z (-0.5x + 8.5), X E [5,7].
,
5.7.2 SPLINE CUBICA INTERPOLANTE
A spline linear apresenta a desvantagem de ter derivada primeira descontnua nos ns.
Se usarmos splines quadrticas, teremos que Six) tem derivadas contnuas at

ordem 1 apenas e, portanto, a cuivatura de Si(x) pode trocar nos ns. Por esta razo, as
splines cbicas so mais usadas.
Uma spline cbica, S 3(x), uma funo polinomial por partes, contnua, onde
cada parte, (X), um polinmio de grau 3 no inteivalo [xk-l xk], k = 1, 2, ... , n.
Slx) tem a primeira e segunda derivadas contnuas, o que faz com que a curva
Six) no tenha picos e nem troque abruptamente de curvatura nos ns.
Vamos reescrever a definio de :spline cbica interpolante:
Supondo que f(x) esteja tabelada nos pontos xi, i = O, 1, 2,... , n a funo Six)
chamada spline cbica interpolante de f(x) nos ns ~. i = 0, ... , n se existem n polinmios
de grau 3, six), k = 1, ... , n tais que:
i) S3(x) =sk(x) para x E [xk-1' xk], k =1, ... , o

iz) Slxi) = f(xi), i = O, 1, ..., n
iii) sk(xk) = +i<xk), k = 1, 2, ... , (n - 1)
iv) 5t(xk) - sk+ 1(xk), k = 1, 2, ..., (n -1)

v) 5k'(xk) = 8k'+ 1 (xk), k = 1, 2, ..., (n - 1)
Para simplicidade de notao, escreveremos six) = ak(x - xk) 3 + bk(x - xk)2 +

eic(x - xJ + dk, k = 1, 2, ... , n.
Assim, o clculo de Six) exige a determinao de 4 coeficientes para cada k, num
total de 4n coeficientes: al' bi, cl' dl' 32, b 2, ..., a0 , b0 , c0 , d0
Impondo as condies para que Slx) seja spline interpolante de f em x 0

teremos:
(n + 1) condies para que Six) interpole f(x) nos ns;
(n - 1) condies para que S3(x) esteja bem definida nos ns (continuidade de

Six) em [x0 , x 0 ]);
(n - 1) condies para que s;(x) seja contnua em [x0 , Xn]; e
(n - 1) condies para que s;(x) seja contnua em [x0, x0 ] , num total de (n+l +
3(n - 1)) = 4n - 2 condies. Portanto temos duas condies em aberto. Essas condies
podem ser impostas de acordo com informaes fsicas que tenhamos sobre o problema etc;
citaremos mais adiante algumas opes, dentre as mais usadas.
De acordo com a definio que demos para cada six), a condio (z) da definio
de Slx) est automaticamente satisfeita.
Para impor a condio {il) montamos, para k = 1, ... , n; as equaes:
(1) sixJ = dk = f(xk), s quais devemos acrescentar mais a equao:
(2) S1(Xo) = f(xo) ::;, -a1hi + b1hf - C1h1 + d1 = f(Xo) onde usamos a notao
hk = xk - xk-l com k = 1.
A condio (z) satisfeita atravs das (n - 1) equaes: para k = 1, ..., (n -1),
sk+ 1(xk) = f(xk), ou seja:
(3) - k + 1 h~ + 1 + bk + 1 h~ + 1 - ~ + 1 hk + 1 + dk + 1 '"' f(xk).
Para impor as condies (iv) e (v), precisaremos das derivadas das six):
(4) 5c(x) = 3aix - xJ 2 + 2bix - xJ + ck

(5) s;(x) = 6ak(x - xJ + 2bk.
Observamos que 5k' (xk) = 2bk. Assim, cada coefidente bk pode ser escrito em
funo de ~ (xk):
s" (x )
(6) bk = k2 k
Analogamente, como ~ (xk_ 1) - 6yk + 2bir, podemos tambm escrever ak

em funo das derivadas segundas nos ns pois
... s{; (xk) - { (xk- 1)

61\
e, impondo agora a condio (v), (s; (xk _ 1) = S:- 1 (xk- 1)), obtemos:
S:' (x ) - s." (x )
.e k .c-1 k-1
(7) k 6h Observamos que, no caso k = 1, estamos intro-
k
duzindo uma varivel, s0(x0), arbitrria.
Uma vez que dk = f(xk) e j expressamos ak e bk, podemos usar (2) e (3) para
termos ck tambm em funo das derivadas segundas nos ns. Observamos que tirar c 1 da
equao (2) e, para k = 1, ... , (n - 1) usar (3) o mesmo que, para k =1, 2, ... , n,
termos:
ou seja:
-25k_' (xk)hk - sf _1(xk - 1)hk

6
Se usarmos mais as notaes

f(xJ = Yk, teremos:
(10) ~ - gk
2
Assim, para k = 1, 2, ..., n, podemos calcular todos os coeficientes de sk(x) em

funo de gj = ~ , (X;), j = O, 1, ... , n.
Impondo agora a condio (iv) que ainda no foi utilizada, 5ic(xk) 5k_ + 1 (xk),
k = 1, 2, ..., (n - 1) teremos:
5k (xk) = ck - 3ak + 1 hl + 1 - 2bic + 1 hk + 1 + ck + 1
donde ck + 1 ct - 3~ + 1 ~ + 1 + 2bk + 1 hk + 1
e, usando (9), (1 0) e (11)
Yk+ 1 - Yk 2hk + 1 gk + 1 + gkhk + 1

+
6
Agrupando os termos semelhantes, para k = 1, ..., n-1,

- Yk + 1 -
hk+ 1
Yk Yk -
hk
Yk - 1
ou se1a:
que um sistema de equaes lineares com (n - 1) equaes (k = 1, ..., (n - 1)) e (n+l)

incgnitas: SQ, 8 1, ... , 8n-1' 8n e, portanto, indeterminado, Ax = b
onde x (8(), 8 1, ... 8n)T
hu-1
~
hu (n 1) x (n + 1)
Y2 - Y1 Y1 - Yo
h2 h1
Y3 - Y2 Y2 - Y1
h3 h2
b = 6
Yn - Yn-1 _ Yn-1 - Yn-2

~ ~-1
(n - 1) X 1
Para podermos resolver esse sistema, de forma nica, teremos de impor mais duas
condies conforme j comentamos.
De posse da soluo, a ento poderemos determinar 3t:, bk, Cit e dk, para cada
ALGUMAS ALTERNATIVAS:
1) s;(x0 ) = &o = O e s;(Xn) = g0 = O, que chamada spline natural.
Esta escolha equivalente a supor que os polinmios cbicos nos intervalos

extremos ou so lineares ou prximos de funes lineares.
2) &o = gl' g 0 = &n-l' que equivalente a supor que as cbicas so aprox.1-

madamente parbolas, nos extremos.
3) Impor valores para as inclinaes em cada extremo, por exemplo S3(x0) =A

e S3(x0 ) = B, o que nos fornecer as duas equaes adicionais:
S (Xo) = 3a1h2 - 2b 1h + c 1 =A
S:,(x0 ) = c0 = B.
Exemplo 14
Vamos encontrar uma aproximao para f(0.25) por spline cbica natural, interpolante da
tabela:
X o 0.5 1.0 1.5 2.0
f(x) 3 1.8616 -0.5571 -4.1987 - 9.0536
Temos 4 subdivises do intervalo [O, 2.0], donde n = 4, e portanto temos de

determinar s 1(x), si(x), s3(x) e s4(x) resolvendo, para 1 :s;; k :s;; 3 (n - 1 = 3), o sistema:
_ 6 (Yk+l - Yk _ Yk - Yk- 1)
hk+ l hk
No nosso exemplo, hk = h = 0.5. Assim, (14) fica:
6
h& + 4hg1 + hg2 = h (Y2 - 2yl + Yo)
6
hg1 + 4hg2 + hg3 - h (y3 - 2y2 + Y1)
6
hg2 + 4hg3 + h~ - h (y4 - 2y3 + yz)
Como queremos a spline cbica natural, & = ~ = O, e ento o sistema a ser

resolvido ser:
4hg1 + hg2 = (6/h) (Y2

- 2Y1 + Yo)
hg1 + 4hg2 + hg3 - (6/h) (y3 - 2y2 + y 1)
{ hg2 + 4hg3 - (6/h) (y4 - 2y3 + Y2)
4h h
h 4h
[ o h
e, substituindo os valores de h e de Yi, O ~ i ~ 4,
0.5
2
0.5
O
0.5
2
l[ lgl
g2
g3
=
[-15.3636
-14.6748
-14.5598
l , cuja soluo pelo mtodo da Elimi-
nao de Gauss nos fornece

g3 = -6.252
g2 = -4.111
g 1 = -6.6541, com 4 casas decimais.
Levando estes valores em ak, bk, ck e dk encontramos s 1(x), s2(x), s 3(x) e six).
Como queremos uma aproximao para f(0.25), f(0.25) s 1(0.25) e s 1(x) = a 1(x - x 1) 3 +
b 1(x - x1) 2 + c 1(x - x 1) + d 1 onde, por (9), (10), (11) e (12),
gl - &> -6.6541 2180

1 - 6h ... 3 - 2.
gl
b1 = 2 = -3.3270
Y1 - Yo 2hg1 + &)h 3 3858

C1 h + 6 -.
d1 = y 1 = 1.8616
si(0.25) =-2.2180 (-0.25)3 - 3.3270 (0.25)2 - 3.3858 (-0.25) + 1.8616 =2.5348.
Assim, por spline cbica natural interpolante,
f(0.25) s 1(0.25) - 2.5348.
,
5.8 ALGUNS COMENTARIOS SOBRE INTERPOLAAO
-
1. Sob o conceito de interpolao desenvolvido neste captulo, ao interpolarmos
um polinmio de grau n por um polinmio de grau ;;;i: n obteremos o polinmio original.
Verifique!
2. Seja interpolar f(x) sobre Xo, Xi,, ~ . n + 1 pontos distintos igualmente espa-
ados. Mostra-se que G(x) = (x -Xo) (x - x1) ... (x - ~) assume seu mdulo mximo num
dos intervalos (x 0, x 1) ou (xo-i x 0 ), conforme a referncia [17]. Assim, se formos usar
(k + 1) pontos de interpolao, k ~ n, (polinmio de grau ~ k) e se tivermos possibilidade
de escolha destes pontos, dado x, devemos escolher x0, x 1, . , xk de tal forma que x fique o
mais central possvel no intervalo [Xo, xk].
Por exemplo, seja aproximar f(0 .37) por polinmio de interpolao de grau ~ 4:
X O 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
f(x)
Devemos escolher {x0 , Xp x2 , x3, x4 } = {0.2, 0.3, 0.4, 0.5, 0.6}, pois 0.37 est
mais prximo de 0.6 que de 0.1.
3. O matemtico russo P. L. Chebyshev provou que, entre todos os polinmios do

tipo G(x) = (x - xo) (x - x1) .. (x - "o), o que apresenta menor valor para mx I G(x) 1 ,
x e [x x ]
0 0
conhecida como propriedade MIN MX, o polinmio no qual os xi' i = O, l, ..., n so os

ns de Chebyshev.
Tendo a liberdade de tabelar f(x) no intervalo [x0,~] . devemos escolher para
Xp x os ns de Chebyshev.
EXERCCIOS
l. Dada a tabela abaixo,

a) Calcule e3 1 usando um oolinmio de interoolao sobre trs pontos.
b) D um limitante para o erro cometido.
X 2.4 2.6 2.8 3.0 3.2 3.4 3.6 3.8
11.02 13.46 16.44 20.08 24.53 29.96 36.59 44.70
2. Verifique que na interpolao linear
h2M2
1 E(x) 1 ~ - - onde h = x 1 - x 0 .
8
3. Resolva o exerccio proposto na introduo deste captulo. Verifique que um polinmio

de grau 2 uma boa escolha para obter f(32.5); use um processo de interpolao linear
para obter o ponto x para o qual f(x) = 0.99837.
4. Dados:
w 0.1 0.2 0.4 0.6 0.8 0.9
f(w) 0.905 0.819 0.67 0.549 0.449 0.407
X 1 1.2 1.4 1.7 1.8
g(x) 0.210 0.320 0.480 0.560 0.780
Calcule o valor aproximado de x tal que f(g(x)) = 0.6, usando polinmios interpolantes
de grau 2.
5. Queremos constl'uir uma tabela que contenha valores de cos(x) para pontos igualmente
espaados no intervalo I = [l, 2].
Qual deve ser o menor nmero de pontos desta tabela para se obter, a partir dela, o
cos(x), usando interpolao linear com erro menor que lo-6 para qualquer x no inter-
valo [1, 2]?
6. Consideremos o problema de interpolao para sen(x), numa tabela de pontos igual-

mente espaados com intervalo h, usando um polinmio de 22 grau. Fazendo x0 = - h,
x 1 = O, = b mostre que:
v3
1 E(x) 1 ~ b 3.
27
7. Sabendo-se que a equao x - e-x = O admite uma raiz no intervalo (O, 1), determine o
valor desta raiz usando interpolao quadrtica. Estime o erro cometido, se possvel.
Justifique!
8. Com que grau de preciso podemos calcular ~115 usando interpolao sobre os pontos:
= =
x 0 100, x 1 121 e 144? =
9. Construa a tabela de diferenas divididas com os dados
X o.o 0.5 1.0 1.5 2.0 2.5
f(x) - 2.78 - 2.241 - 1.65 -0.594 1.34 4.564
a) Estime o valor de f(l.23) da melhor maneira possvel, de forma que se possa

estimar o erro cometido.
b) Justifique o grau do polinmio que voc escolheu para resolver o item (a).
10. Seja a tabela:
X 0.15 0.20 0.25 0.30 0.35 0.40
f(x) 0.12 0.16 0.19 0.22 0.25 0.27
Usando um polinmio interpolador de grau 2, trabalhe de dois modos diferentes para

obter o valor estimado de x para o qual f(x) = 0.23. D uma estimativa do erro
cometido em cada caso, se possvel.
11. Construa uma tabela para a funo f(x) = cos(x) usando os pontos: 0.8, 0.9, 1.0, 1.1,
1.2 e 1.3. Obtenha um polinmio de grau 3 para estimar cos(l.07) e fornea um
limitante superiior para o erro.
12. Seja a tabela
X -1 o 1 3
f(x) a b c d
e seja pnCx) o polinmio que interpola f(x) em - 1, O, 1 e 3. Imponha condies sobre

a, b, c, d para que se tenha n = 2.
n
13. Sendo p8 (x) - }: Lic(x)f(xk) o polinmio que interpola f(x) em x 0, x1, ... , x0 na forma
k- 0
de Lagrange, mostre que
D
~ 4(x) ... 1 , V- x.
k .. Q
(Sugesto: interpole a funo f(x) 1.)
14. Seja p0 (x) o polinmio de grau ~ o que interpola f{x) em Xo Xi, ..., escrito na forma
de Newton.
a) Escreva um algoritmo para avaliar p0 (i), x E [Xo, Xa] semelhante ao algoritmo dos
parnteses encaixados descrito na Seo 2.5.3.
b) Dada a tabela
X o 0.2618 0.5234 0.7854 1.0472 1.309
f(x) o 1.0353 2 2.8284 3.4641 3.8637
Obtenha uma aproximao para f(0.6) usando polinmio de grau 4, avaliando p/0.6)
atravs do algoritmo obtido no item (a).
15. Um outro conceito de interpolao o de aproximar uma funo f(x), numa vizinhana
de um ponto o , por um polinmio p(x) que interpole em a: f(x), f (x), ... , f' 0 )(x), ou
seja, p(a) = f(a ); p' (a) - f(a ); ... p<0 )(a) = :t<0 >(a); (estamos supondo que nesta
vizinhana a funo f possua derivada at ordem n, pelo menos.).
a) Verifique que existe um nico polinmio p0 (x), de grau ~ n, que satisfaz as
condies acima.
(Sugesto: pnCx) = C0 + C 1(x - a) + ... + C0 (x - a)8.)

(Observao: o polinmio p/x) acima conhecido como a frmula de Taylor da funo
f(x) em tomo de a .)
b) Seja f(x) = sen(x) e (-3, 4) uma vizinhana de a= O. Encontre p1, p2, p3, p4 e Ps
que interpolam f em x = O, no sentido acima.
e) Faa uma comparao grfica da funo sen(x) com p 1(x), p 3(x) e p5(x) desenhan-
do as quatro funes num mesmo grfico cartesiano.
16. Dados a = x0 < x1 ... < x 0 = b e f(xo), ... , f(x0), sejam q,0(x), q,1(x), ... , q,aCx) definidas
por
<Jlo(x) '"'
X - ~-1
---, X E [~_ 1 , ~ ]
xn - X-1
e, parai = 1, 2, ..., n-1,
0 , X ~ ~-l
X - ~- 1
- - - - , x E [xi _ l , ~]
xi - xi-1
a) Faa o grfico de <p0 (x), cpo(x) e <plx) genrica.

D
b) Verifique que S1(x) .. I f(xi)cpi(x) a spline linear que interpola f{x) em

xt), ..., X0 i-0
17. Considere a tabela abaixo. Usando um polinmio interpolador de grau 3 determine x tal
que f(x) = 2.3. Justifique a escolha do processo.
X o.o 0.2 0.4 0.6 0.8 1.0
f(x) 1.0 1.2408 1.5735 2.0333 2.6965 3.7183
18. Considere a tabela:
X o 1.2 2.3 3.1 3.9
f(x) o 1.5 5.3 9.5 10
D uma aproximao para a raiz da equao f(x) = 2 11tilizando interpolao quadrtica.

Tente encontrar mais de uma maneira de resolver este problema.
PROJETOS
1. FORMA DE NEWTON-GREGORY PARA O POLINMIO INTERPOLADOR
No caso em que os ns da interpolao x0, x 1, ... , ~ so igualmente espaados, podemos

usar a forma de Newton-Gregory para obter pnCx). Estudaremos inicialmente o operador de
diferenas ordinrias:
Sejam Xo, xl' x2, ... pontos que se sucedem com passo h, isto , xi = x0 + jh.
Chamamos operador de diferenas ordinrias:
M(x) = f(x + h) - f(x)

A2f(x) = M(x + h) - M(x)
Af(x) = A0 - 1f(x + h) - A0 1 f(x)
e naturalmente Af(x) = f(x).
Da mesma maneira que com as diferenas divididas, conhecida f(x) ou conhecidos

seus valores em x0, x 1, ..., Xn, podemos construir uma tabela de diferenas ordinrias:
X f(x) M(x) A2f(x)
f(x0)
"
Af(x0 )
f(x 1)
M(x 1)
f(x2) etc.
M(xi)
f(x3)
Por exemplo:
Seja f(x) tabelada abaixo:
X -1 o 1 2 3
f(x) 2 1 2 5 10
A tabela de diferenas ordinrias ser:
X f(x) M(x) 2f(x) 3f(x)
-1 0)
8
o 1 0)
1 Q)
1 2 2
3 o
2 5 2
3 10
TEOREMA
. - 6,Df(x-o)
Se x. =Xo + Jh, J =O, 1, 2, ... , n entao f[x0, xl' ... , ~] = _ ___e_
J hllu!
DEMONSTRAO (por induo)

n=l
6,D - lf(Xo)
Supondo que f[:x,,., x 1 , ... , x 1] ( l) , temos
-u -xi - h n - (o - 1)!
- 1f(x1) (n - l)f(JCo)
h - 1(n - 1)! h - 1(n - 1)!

= nh -
- 1f(x0 + h) - - 1f(x0) f(xo)

- h0 - 1(n - 1)! nh
= bn!
Pede-se:
i) Considere a tabela:
f(x) f(xo) f(x.i)
onde os ns de interpolao so tais que: xj+J - xj = h, j =0,. 1,... , (n-1).
Partindo da forma de Newton para po<x) e usando o teorema anterior, verifique

que:
i\f( :xo) l\ 2t()

Pn(x) - f(xo) + (x - xo) h + (x - xo) (x - xl) 2h2 + ... +
Af(JCo)
+ (x - x0) (x - x 1) ... (x - x0 _
1) htl!
que a forma de Newton-Gregory para o polinmio interpolador.
iz) Usando a forma de Newton-Gregory para plx) obtenha uma aproximao

para f(2.7), onde f(x) a funo tabelada a seguir:
X 1 2 3 4 5
f(x) o 1.3863 2.1972 2.7726 3.2189

iii) A forma de Newton-Gregory para Pn(x) pode ser simplificada, se usarmos

uma mudana de variveis:
X - Jo
s ... h ~x-sh-Xo
da,
(x - xj) =sh + x 0 - (x0 + jh) =(s - j)h.
Usando esta troca de variveis, escreva a forma geral para pnCx).
2. FENMENO DE RUNGE
1
Considere a funo f(x) do Exemplo 12 e o intervalo [a, b] = (- 5, 5]. O
1 + 25x2
objetivo deste projeto constatar o fenmeno de Runge e usar as alternativas: spline linear
e spline cbica interpolantes.
Considere:
pnCx): polinmio de grau k que interpola f(x) em Xo, Xp, xk

Si(x): spline linear interpolante em x , Xi, ..., xk
0
Six): spline cbica interpolante em x0, xl' ..., xk
onde x0, x 1, ..., xn so (k+l) pontos igualmente espaados no intervalo [-5, 5].
Realize 3 conjuntos de testes, fazendo k assumir os valores 5, 10 e 20, e em cada

teste, calcule:
mx I f(~) - Pk(zi) 1,
1.;;i~SO
mx I f(xi) - sl (zi) 1 e
1,;;; i ~ 50
mx I f(zi) - S 3(zi) 1
l "-i~50
onde zi =-5 + 0.2i, i =O, 1, 2, ... , 50.

Compare os resultados obtidos.
CAPTULO [ ! )
MAKR.ON
Books
AJUSTE DE CURVAS PELO MTODO

DOS QUADRADOS MNIMOS
6. 1 INTRODUO
Vimos, no Captulo 5, que uma forma de se trabalhar com uma funo definida por uma
tabela de valores a interpolao polinomial.
Contudo a interpolao no aconselhvel quando:

a) preciso obter um valor aproximado da funo em algum ponto fora do
intervalo de tabelamento, ou seja, quando se quer extrapolar;
b) os valores tabelados so resultados de algum experimento fsico ou de alguma

pesquisa, porque, nestes casos, estes valores podero conter erros inerentes
que, em geral, no so previsveis.
Surge ento a necessidade de se ajustar a estas funes tabeladas uma funo que
seja uma ''boa aproximao" para os valores tabelados e que nos permita "extrapolar" com
certa margem de segurana.
268
Cap. 6 Ajuste de curvas pelo mtodo- dos quadrados mnimos 269
6.1 . 1 CASO DISCRETO
O problema do ajuste de curvas no caso em que temos uma tabela de pontos (xi' f(x 1)), (Xz,
f(x 2)), .. . , (xm, f(xm)) com xi' x 2 , ... , xm, pertencentes a um intervalo [a, b], consiste em: "esco-
lhidas" n funes g 1(x), g 2 (x), .. . , g0 (x), contnuas em [a, b], obter n constantes a.1, (, ... , a.0
tais que a funo cp(x) = cx 1g1(x) + (gi{x) + ... cx0 go<x) se aproxime ao mximo de f(x).
Dizemos que este um modelo matemtico linear porque os coeficientes a determi-
nar, ai' cx2, ... , a 0 , aparecem linearmente, embora as funes g 1(x), g2(x), ... , g 0 (x) possam ser
funes no lineares de x, como por exemplo, g 1(x) = eX, gi(x) = (1 + x2 ) etc.
Surge aqui a primeira pergunta: como escolher as funes contnuas g1(x), ... , g0 (x)?
A escolha das funes pode ser feita observando o grfico dos pontos tabelados ou
baseando-se em fundamentos tericos do experimento que nos forneceu a tabela.
Portanto, dada uma tabela de pontos (x1, f(x 1)), .. , (xm f(~)), deve-se, em primeiro
lugar, colocar estes pontos num grfico cartesiano. O grfico resultante chamado diagrama de
disperso. Atravs deste diagrama pode-se visualizar a curva que melhor se ajusta aos dados.
Exemplo 1
a) Seja a tabela
X - 1.0 - 0.75 - 0.6 - 0.5 - 0.3 0 0.2 OA 0.5 0.7 1.0
f(x) 2.05 1.153 0.45 0.4 0.5 O 0.2 0.6 0.512 1.2 2.05
O diagrama de disperso apresentado na. Figura 6.1.
Portanto, natural escolhermos apenas uma funo g 1(x) = x 2 e procurarmos ento

cp(x) = cxx2 (equao geral de uma parbola passando pela origem).
f(x)

X
-1 o 1
Figura 6.1
b) Se considerarmos uma experincia onde foram medidos vrios valores de cor-

rente eltrica que passa por uma resistncia submetida a vrias tenses, colo-
cando os valores correspondentes de corrente e tenso em um grfico, pod.eremos
ter
Vq

Vo
jo iq
Figura 6.2
Cap. 6 Ajuste de curvas pelo mtodo dos quadrados mlnimos 271
Neste caso, existe uma fundamentao terica relacionando a corrente com a

tenso V Ri, isto , V uma funo linear de i.
Surge agora a segunda pergunta: qual parbola com equao ax2 se ajusta melhor
ao diagrama do Exemplo la) e qual reta, passando pela origem, melhor se ajusta ao diagra-
ma do Exemplo lb)?
No caso geral, escolhidas as funes g1(x), gz(x), .. ., ~(x)i temos de estabe-
lecer o conceito de proximidade entre as funes <p(x) e f(x) para obter as constantes
i, Ui, ... , n
Uma idia impor que o desvio (f(~) - <p(~)) seja mnimo para i = 1, 2, ... , m.
Existem vrias formas de impor que os desvios sejam mnimos; o desenvolvimento que
faremos, tanto no caso discreto como no caso contnuo, conhecido como o mtodo dos
quadrados mnimos.
6. l.2 CASO CONTINUO -

No caso contnuo, o problema de ajuste de curvas consiste em: dada uma funo f(x)
contnua num intervalo [a, b) e escolhidas as funes gi(x), ~(x), ... , g0 (x) todas cont-
nuas em [a, b), determinar n constantes a 1, a 2 , ... , n de modo que a funo
<p(x) a 1 g1(x) + nig2(x) + .. . + ango<x) se aproxime "ao mximo" de f(x) no intervalo
[a, b).
Supondo, por exemplo, que se quer obter entre todas as retas aquela que fica
"mais prxima" de f(x) - 4x3, num intervalo [a, b) teremos, neste caso, g1(x) 1 e
g2(x) = x; assim, preciso encontrar os coeficientes a 1 e Ui tais que a funo
cp(x) - a 1 g1(x)i + nigz(x) se "aproxime ao mximo" de f(x).
Novamente o problema : o que significa ''ficar mais prxima"?

Uma idia escolher a funo cp(x) de tal forma que o mdulo da rea sob a curva
<p(x) - f(x) seja mnimo.
272 Clculo.Numrico Cap. 6
6.2 MTODO DOS QUADRADOS MNIMOS
6.2.1 CASO DISCRETO
Sejam drulos o s ~ (xi, f{x 1)), (x2, f(Xz)), ... , (~, f(y) e as n funties g1(x), six), ..., ~(x)
escolhidas de alguma forma.
Consideraremos que o nmero de pontos m, tabelados, sempre maior ou igual a
n o ni;nero de funes escolhidas ou o nmero de. coeficientes ai a se determinar.
Nosso objetivo encontrar os coeficientes Ui, 2 ..., 'n tais que a funo
cp(x) - o.1g1(x) + Ui82(x) + ... + 'n~(x) se apro~ime ao mximo de f(x).
Seja dk f(xk) - cp(xk) o desvio em x1c Na Seo 6.1.1 observamos que um

conceito de proximidade que dk seja mnimo para todo k = 1, 2, ... , m.
O mtodo dos quadrados mnimos consiste em escolher os c,'s de tal

forma que a soma dos quadrados dos desvios seja mnima. claro que se a soma
m m
.I: dJ = l: (f(xk) - cp(xk))2 mnima, teremos que cada p~cela [f(xk) - cp(xk)]2 pe-
k- 1 k-1
quena, donde cada desvio [f(xk) - cp(xk)] pequeno.
Portanto, dentro do critrio dos quadrados mnimos, os coeficientes 'k que fazem
com que cp(x) se aproxime ao mximo de f(x), so os que minimizam a funo
Observamos que, se o modelo ajustar exatamente os dados, o mnimo da funo

acima ser zero e, portanto, a interpolao um caso especial dentro do mtodo dos
quadrados mnimos.
Cap. 6 Ajuste de curvas pelo rnitodo dos quadrados miirnos 273
Usando o Clculo Diferencial, sabemos que, para obter um ponto de mnimo de

F(Ui, 2> .. ., n), temos de, inicialmente, encontrar seus pontos crticos, ou seja, os
(Ui, (, . .. , an) tais que
Calculando estas derivadas parciais para cada j - 1, 2, ... , n, temos
Impondo a condio
tenos
m
I [f(xk) - a 1 g1(xk) - ... - a 0 ~(xk)] [~(xk)] - O, j - 1, 2, ... , n.
k-1
Assim,
=
m
I (f(xk) - 1g1(xk) -
k- 1
m m m
[ I gi(xk)g1(xk)] 1 + + [ I ~(xk)g1(Xk)] o = l: f(xk)gi(xk)
k-1 k-1 kl
m m m
[ l: gi(xk)gz(xk)] 1 + + [ l: gn(xk)gz(xk) Jn l: f(~)gz(xk)
kl k-1 k-1
(1)
m m m
[ ! gixk)g1(Xk)] t +
k,. 1
+ [ !
k l
~(xk)~(xk) J koal
! f(xk)~(xk)
que um sistema linear com n equaes e n incgnitas: a 1, <, ... , a 0
As equaes deste sistema linear so as chamadas equaes normais.

O sistema linear (1) pode ser escrito na forma matricial Aa = b:
11 1 + 12 Clz + + 1n n bl
21 1 + !Lzz 2 + + n n b2
m
onde A .. (j) tal que j - l: g;(xk)~(xk) ~i (ou seja, A simtrica)
k-1
m
b :I f(xk)g(xk).
k-1
m
Lembramos que, dados os vetores x e y E Rm, o nmero real (x, y) = l: xi Yi
i- 1
chamado de produto escalar de x por y.
Cap. 6 Ajuste de curvas pelo mtodo dos quadrados mnimos 275
Usando esta notao, o sistema normal Aa = b ficar expresso por
-gR o vetor (g1(x ) gR(x ) ... g1(~))T e f, o vetor (f(x ) f(x ) ... f(xm))T .
1 2 1 2
Demomtra-se que, se as funx-s g1(x), ... , g0 (x) forem tais que os vetores Si, g2, ..., Sn
sejam linearmente independentes, ento o determinante da matriz A diferente de zero e,
portanto, o sistema linear (1) admite soluo nica: a 1, ... , a 0 . Ainda mais, demonstra-se
tambm que esta soluo a 1, ... , n o ponto em que a funo F(a 1, ... , a 0 ) atinge seu
valor mnimo.
Observamos que, se os vetores g1, ... , ~ tiverem uma propriedade suplementar de
serem tais que ( i, 0

2. ): { ! .- , ~ o qwe, em linguagem de lgebra linear se diz "se os
"'J - 0 , 1 ... J
vetores g1, ... , g0 forem ortogonais entre si", ento a matriz A do sistema normal (1) ser
matriz diagonal, com ~i ,.- O e, portanto, o sistema (1), ter soluo nica, a qual ser
facilmente determinada.
Felizmente, dado um conjunto de pontos {x1, Xi, ... , ~} fcil construir poli-
nmios de grau O, 1, ... , n que so ortogonais, no sentido acima, em relao ao produto
escalar
(2)
Polinmios ortogonais constituem uma classe particular de funes ortogonais.

Tais funes possuem vrias propriedades muito interessantes e teis. O leitor interessado
em aprender sobre o assunto pode pesquisar, por exemplo, nos livros [5] e [27]. O estudo
de funes ortogonais, em particular de polinmios ortogonais, merece um captulo especial, o
que no ser feito neste livro.
Exemplo 2
Seja o conjunto de pontos~ .. {-1, -1/2, O, 1/2, l} e os polinmios
1
~(x) a 1; g 1(x) = x, ~(x) = x2 -
2
Ento, os polinmios ~(x), g 1(x) e gi{x) s-0 funes ortogonais em Xs com relao
ao produto escalar (2) pois os vetores
-
g2 = (
(g2 ~)) = <21 ! - - ; ? so ortogonais entre si, o que se verifica
facilmente:
( -~. -gl ). = 1(-1) + 1(-2)

1 + 1(0) + 1(2)
1 + 1(1) = o
Fica a cargo do leitor fazer as demais verificaes.
Os polinmios citados so conhecidos como polinmios de Oram, (P- m )m

1, i =O
orto-
gonais em conjuntos de pontos eqliidistantes, xi =- 1 + !

. {=Osei*j
Assrm, ( Pi, m P1., m> -:;:. O se1;t:J
. .
Exemplo 3
Resolvemos aqui o exemplo da introduo, onde vimos que a funo tabelada
X - 1.0 - 0.75 - 0.6 - 0.5 - 0.3 o 0.2 0.4 0.5 0.7 1
f(x) 2.05 1.153 0.45 0.4 0.5 o 0.2 0.6 0.512 1.2 2.05
Cap. 6 Ajuste de curvas pelo mwdo dos quadrados mnimos 277
feito o diagrama de disperso, deve ser ajustada por uma parbola passando pela origem, ou
seja, f(x) ... q>(x) a.x:2 (neste caso temos apenas uma funo g(x) = x2).
Temos, pois, de resolver apenas a equao
11 11
[ I g(xk)g(xk)] a I f(xk)g(xk)
k- 1 k- 1
Continuando a tabela com g(xk)g(xk) e g(xk)f(Xic), temos
SOMAS
X -1.0 --0.75 --0.6 --0.5 --0.3 o 0.2 0. 4 0.5 0.7 1
(x2) .( x2) 1 0.3164 0.1296 0.0625 0.0081 o 0.0016 0.0256 0.0625 0.2401 1 2.8464
f(x)x2 2.05 0.6486 0.162 0.1 0.045 o 0.008 0.096 0.128 0.588 2.05 5.8756
Assim, nossa equao 2.8464a - 5.8756 ~ a = ~:;~1 . 2.0642
Ento cp(x) 2.0642x2 a parbola que melhor se aproxima, no sentido dos

quadrados mnimos, da funo tabelada.
6.2.2 CASO CONTNUO
Para simplificar a notao, desenvolveremos aqui o caso em que "escolhemos" apenas duas
funes.
Sejam ento f(x) contnua em um intervalo [a, b) e g 1(x) e g2(x) duas funes
contnuas em [a, b] que foram escolhidas de alguma forma. preciso encontrar duas
constantes reais a 1 e < tais. que <p(x) = '1X 1g 1(x) + cx.igix) esteja o "mais prximo pos-
svel" de f(x).
Seguindo o critrio dos quadrados mnimos para o conceito de proximidade entre

<p(x) e f(x), os coeficientes a 1, < a serem obtidos devero ser tais que o valor de
fab [f(x) - <p(x)] 2 dx seja o menor possvel.
Geometricamente, isto significa que a rea entre as curvas f(x) e <p(x) seja mnima.
Portanto, o problema consiste em obter o mnimo para
fa b [f(x) - <p(x)] 2 dx = fb
a
[f(x)2 - 2.f(x) <p(x) + <p(x)2] dx =
b
+ [ fa ~(x) dx] ai = F(cxl' <Xi)
=> fab [f(x) - <p(x)] 2 dx = F(cx1, CX-i)
Com o mesmo argumento do caso discreto, temos de achar os p(?ntos crticos de

F, ou ~eja, achar (a 1, () tal que
i = 1 =>
+ (2 / g (x) gz(x) dx] <Xi

a 1
i 2 => oF =- 2 / f(x)~(x) dx + [2 / ~(x) dx] Oi +

aa2 (a1, '2) a a
(3)
u_a g1(x)~(x) dx] a 1 + u_a ~(x) dx] <Xi = / a f(x)~(x) dx
22 .. / ~(x) dx
a
podemos escrever o sistema linear (3) como
Demonstra-se que, se as funes escolhidas g 1(x) e g2(x) forem linearmente inde-

pendentes, o determinante da matriz A diferente de zero, o que implica que o sistema
linear (3) adnte nica soluo (a1, (). Ainda mais, demonstra-se tambm que esta so-
luo o ponto em que a funo F(a 1, () atinge seu valor mnimo.
Usando aqui a definio de produto escalar de duas funes p(x) e q(x) no

intervalo [a, b] por
b
( P, q > = Ja p(x) q(x) dx, (4)
teremos que, no caso em que queremos aproximar
f(x) "" a 1g 1(x) + . .. + a~u<x) o sistema normal Aa =b fica
b = (bi) = ( f, gi > = Jab f(x) g1(x) dx.

Da mesma forma que no caso discreto, temos funes ortogonais com relao ao
produto escalar (4), como mostra o Exemplo 4.
Exemplo 4
Os polinmios de Legendre, definidos por
1 d(k)
P 0(x) = 1, Pk(x) = zkk! dx(k) [(x2 - l)] k, k = 1, 2, ...
Cap. 6 Ajuste de curvas pelo mtodo dos quadralUJs mnimos 281
so ortogonais em [-1, 1) com relao ao produto escalar (4).

Fica como exerccio a verificao de que os trs primeiros polinmios de Legen-
dre P0(x) = 1, P 1(x) = x e Pi x) = ! (3x2 - 1) so ortogonais entre si.
Uma observao interessante que, em geral, polinmios ortogonais satisfazem

uma frmula de recorrncia de 3 termos, ou seja, dados P 0(x) e P 1(x), conseguimos
construir Plx), k = 2, 3, ...
No caso dos polinmios de Legendre, a frmula de recorrncia
pj + 1 (x) = ( ~j: 11 ) xPj(x) - ( j l 1 ) pj - 1(x), j = 1, 2, ...
Exemplo 5
Resolvemos o exemplo da introduo, ou seja, vamos aproximar f(x) = 4x3 por um polin-
mio do primeiro grau, uma reta, no intervalo [a, b] = [O, I].
Pelo que vimos, (ai'() a nica soluo de Aa. =bonde
::] a=[:] b = [ : :] , rendo
a.
-1.2
= Jab ~(x)dx = JoI x2dx = -
3
x3
1 =
o 3
1
1
-
b
1
= Jab f(x) g (x)dx
l
= JO1 4x3dx = -4x4
4
1
o
1
=1
b2 = fab f(x) g2(x)dx = foI 4x5 1

4x3xdx = -
4
1 = -
5 o 5
Temos ento o sistema
Logo, a aproximao por quadrados mnimos de f(x) = 4x3 no intervalo [O, l] , por
um polinmio de grau 1, a reta q>(x) =
18
5
x -1
6.3 CASO NO LINEAR
Em alguns casos, a famlia de funes escolhidas pode ser no linear nos parmetros, como,
por exemplo, se ao diagrama de disperso de uma determinada funo se ajustar uma
exponencial do tipo f(x) "" <j>(x) = a 1 e~2X. ct1 e Ct.i positivos.
Para se aplicar o mtodo dos quadrados mnimos, com o que j estudamos neste
captulo, necessrio que se efetue uma linearizao do problema atravs de alguma trans-
formao conveniente.
Por exemplo:
Se a 1 = ln(a 1) e = - ~ => ln(y) "" a 1 - X = (j>(x) que um problema li-

near nos parmetros a 1 e
O mtodo dos quadrados mnimos pode ento ser aplicado na resoluo do pro-
blema linearizado. Obtidos os parmetros deste problema, usaremos estes valores para
calcular os parmetros originais.
importante observar que os parmetros assim obtidos no so timos dentro do

critrio dos quadrados mnimos, isto porque estamos ajustando o problema linearizado por
quadrados mnimos e no o problema original.
Portanto, no exemplo, os parmetros a 1 e a2 so os que ajustam a funo q>(x)
funo z(x) no sentido dos quadrados mnimos; no se pode afirmar que os parmetros a 1
e '2 (obtidos atravs de a 1 e ) so os que ajustam q,(x) f(x) dentro do critrio dos
quadrados minimos.
Exemplo 6
Suponhamos que num laboratrio obtivemos experimentalmente os seguintes valores para

f(x ) sobre os pontos xi, i = 1, 2, ... , 8:
X - 1.0 -0.7 -0.4 -0.1 0.2 0 .5 0.8 1.0
f(x) 36.547 17.264 8.155 3.852 1.820 0.860 0.406 0.246
Fazendo o diagrama de disperso dos dados acima, obtemos
Figura 6.3
que nos sugere um ajuste y - q>(x) a 1 e-0.zx.

Conforme vimos anteriormente, a "linearizao" a ser feita z = ln(y) -

ln(a1e-zX) = ln(a1) - (X = q>(x).
Assim, em vez de ajustarmos y por quadrados mnimos, ajustaremos z = ln(y)

por quadrados mnimos, encontrando $(x) .. a1 + J{, onde a1 = ln(a1 ) e . .. - <
(Aqui gi(x) = 1 e gz(x) =x.)
Temos pois:
X -1 -0.7 -0.4 -0.1 0.2 0.5 0.8 1
z = ln(y) 3.599 2.849 2.099 1.349 (').599 -0.151 -0.901 -1.402
e a 1 e a2 sero a soluo do sistema:
8 8 8
[ l: g1(xk)g1(xk)Ja1 + [ I g2(xk)g1(xk)]32 = I z(xk)gi(xk)
kl k-1 k-1
8 8
g1(x) - 1 ~ I g1(xk)g1(xk) = I 1 t - 8
k-1 k-1
8 8
b1 - I z(xk)g1(xk) I z(xk) ... 8.041
kl k-1
8 8
b2 =I z(xk)~(xk) =I z(xk) xk - - 8.646
k-1 k-1
donde
8 0.3 0.041
A b -
0.3 3.59 -8.646
e o sistema fica
8.0a1 + 3 8.041
! 0.3a1 + 3.59 - 8.646

~ - 1.099 e Ili - - 2.5
Agora, a 1 e ~ a 1 - el.099 - 3.001
Assim, a funo q,(x) - a,_e-<y - 3.00le- i.sx.
Assim como no exemplo anterior, onde ajustamos aos dados a curva

y - a 1e-a:z", comum encontrarmos casos em que os dados tabelados, feito o diagrama de
disperso, devem ser ajustados por
1
1) Uma hiprbole: y - q,(x)
Ot + ~X
1
(z - - a 1 + "2X).
y
2) Uma curva exponencial: y - a 1a! q>(x)
., .
(se y > O, z = ln(y) - ln(a1) + xln(Oi) = a1 + y
,
= ~x)).
3) Uma curva geomtrica: y a 1 x' = <P(x)
(se x > O e y > O, z = ln(y) 1n(a1) + a}n(x) = a 1 + a 2 ln(x)

.__.
t
~ z ... ln(y) - a1 + azt - 4>(t)). (Aqui minimizamos a soma dos quadrados

dos desvios nos logaritmos de y, para os logaritmos de x.)
4) Uma curva trigonomtrica: y - a 1 + cos(wx) ... <P(x). (t - cos(wx) ~

<p(t) a 1 + t e, neste caso, estamos minimizando a soma dos quadrados
dos desvios em y.)
6.3.1 TESTE DE ALINHAMENTO
Uma vez escolhida uma funo no linear em a 1, , ... , ~ para ajustar uma funo dada,
uma forma de verificarmos se a escolha feita foi razovel aplicarmos o teste de alinha-
mento, que consiste em:
i) fazer a "linearizao" da funo no linear escolhida;
ii) fazer o diagrama de disperso dos novos dados;
iii) se os pontos do diagrama (ii) estiverem alinhados, isto significar que a fun-
o no linear escolhida foi uma "boa escolha".
Observamos que, devido aos erros de observao, e clculos aproximados, consi-

deramos satisfatrio o diagrama de disperso onde os pontos se distribuem aleatoriamente
em torno de uma reta mdia.
No Exemplo 6, temos
X -1 -0.7 -0.4 -0.1 0.2 0.5 0.8 1
y 36.547 17.264 8.155 3.852 1.820 0.860 0.406 0.246
z = ln(y) 3.599 2.849 2.099 1.349 0.599 -0.151 -0.901 -1.402

Cap. 6 Ajuste de curvas pelo mtodo dos quadrados mfnimos 287
Figura 6.4
EXERCiCIOS
1. Dado um conjunto de valores (xk, f(xk)), k - O, 1, 2, ... , m, descreva situaes em que

voc usaria um polinmio interpolador por estes pontos e situaes em que voc
ajustaria uma curva a estes dados pelo mtodo dos quadrados mnimos.
2. Ajuste os dados abaixo pelo mtodo dos quadrados mnimos utilizando:
a) uma reta
b) uma parbola do tipo ax2 + bx + c.
Trace as duas curvas no grfico de disperso dos dados. Como voc compararia as duas
curvas com relao aos dados?
X 1 2 3 4 5 6 7 8
y 0.5 0.6 0.9 0.8 1.2 1.5 1.7 2.0

3. Dada a tabela abaixo, faa o grfico de disperso dos dados e ajuste uma curva da
melhor maneira possvel:
X 0.75 1 1.5 2.0 2.5 3.0
y -2.8 -0.6 1 3.2 4.8 6.0 7.0
4. A tabela abaixo mostra as alturas e pesos de uma amostra de nove homens entre as
idades de 25 a 29 anos, extrada ao acaso entre funcionrios de uma grande indstria:
Altura 183 173 168 188 158 163 193 163 178 cm
Peso 79 69 70 81 61 63 79 71 73 kg
a) Faa o diagrama de disperso dos dados e observe que parece existir uma relao
linear entre a altura e o peso.
b) Ajuste uma reta que descreva o comportamento do peso em funo da altura, isto
, peso= f(altura).
e) Estime o peso de um funcionrio com 175 cm de altura; e estime a altura de um

funcionrio com 80 kg.
) Ajuste agora a reta que descreve o comportamento da altura em funo do peso,

isto , altura = g(peso).
e) Resolva o item (e) com essa nova funo e compare os resultados obtidos. Tente
encontrar uma explicao.
/) Coloque num grfico as equaes (b) e () e compare-as.
5. A tabela abaixo fornece o nmero de habitantes do Brasil (em milhes) desde 1872:
Ano 1872 1890 1900 1920 1940 1950 1960 1970 1980 1991
Habitantes 9.9 14.3 17.4 30.6 41.2 51.9 70.2 93.1 119.0 146.2
Cap. 6 Ajuste de curvas pelo mtodo dos quadrados mfnimos 289
a) Obtenha uma estimativa para a populao brasileira no ano 2000. Analise seu resultado.
b) Em que ano a populao brasileira ultrapassou o ndice de 100 milhes?
6. Ajuste os dados:
X -8 -6 -4 -2 o 2 4
y 30 10 9 6 5 4 4
a) usando a aproximao y - 1/(ao + a1x). Faa o grfico para 1/y e verifique que
esta aproximao vivel;
b) idem para y - abX;
e) compare os resultados (a) e (b).
7. O nmero de bactrias, por unidade de volume, existente em uma cultura aps x horas
apresentado na tabela:
n de horas (x) o 1 2 3 4 5 6
n de bactrias por 32 47 65 92 132 190 275

volume unitrio (y)
a) verifique que uma curva para se ajustar ao diagrama de disperso do tipo expo-
nencial;
b) ajuste aos da.dos as curvas y abX e y axb; compare os valores obtidos por
meio destas equaes com os dados experimentais;
e) avalie da melhor forma o valor de y(x) para x = 7.
8. Considere:
f(x) f(xJ
290 Clcufo Numrico Cap. 6
Deseja-se estimar f(a), a e (Jto, > Compare os resultados que seriam obtidos
quando aproximamos f(x) por
a) um polinmio que interpola f(x) nos n + 1 pontos.
b) +(x) = ao + a 1x + 32x2 + ... + <iX, pelo mtodo dos quadrados mnimos.
9. a) Considere:
X 2 5 8 1O 14 17 27 31 35 44
y 94.8 98.7 81.3 74.9 68.7 64.0 49.3 44.0 39.1 31.6
Atravs do teste de alinhamento, escolha uma das famlias de funes abaixo que
melhor ajusta estes dados: aebx, 1/(a + bx), x/(a + bx).
b) Ajuste os dados do item acima fami1ia de funes escolhida. Qual o resduo

minimizado?
10. Aproxime a tabela abaixo por uma funo do tipo g(x) = l + aebll usando quadrados
mnimos. Discuta seus resultados.
X o 0.5 1.0 2.5 3.0
y 2.0 2.6 3.7 13.2 21.0
11. Considere a tabela
t -9 -6 -4 -2 o 2 4
u 30 10 9 6 5 4 4
1
Por qual das funes x(t) = t/(at + b) ou y(t) = ab1 voc. aproximaria a funo u(t)?
Justifique a sua resposta.
12. Considere a tabela
X -2 -1 o 1 2
y 6 3 -1 2 4
1
Deseja-se aproximar a funo y(x) tabelada nos pontos distintos (~, yi) para i = 1, ... , m.
Podemos fazer a regresso linear de y por x obtendo y = ax + b. Podemos tambm
fazer a regresso linear de x por y obtendo x = cy + d. Voc espera que as retas
coincidam ou no? Justifique.
13. Seja f(x) uma funo real, de varivel real, definida e contfuua no intervalo [O, 2J"t] e
seja tambm num nmero fixado.
Ache os valores das constantes reais, a0, p, a0 , bl' b2,... , b0, tais que f(x) = a0 +
a1cos(x) + b1 sen(x) + cos(2x) + b2sen(2x) + ... + 3ncos(nx) + b 0 sen(nx), seja a
melhor aproximao para f(x) em [O, 21t}, no sentido de quadrados mfuimos.
PROJETO
SOLUO DE SISTEMAS LINEARES SOBREDETERMINADOS
Os sistemas lineares sobredeterminados Ax = b, A: matriz m x n, x vetor n x 1 e b vetor

m x 1, com m > n, ou seja, com mais equaes que incgnitas, muito raramente possuem
soluo. Conforme observamos no Captulo 3, mesmo se A for posto completo, as chances
de b pertencer imagem de A so muito pequenas. Assim, estaremos, na maioria dos casos,
querendo resolver Ax = b, A matrix m x n, posto(A) = n e b f/:. lm(A) e sabemos que este
sistema no tem soluo.
Nestes casos, o que fazemos calcular 6 como sendo a projeo de b sobre Im(A)
na norma 2 e ai ento tomamos como soluo do nosso sistema Ax = b, a soluo nica do
sistema Ax = b.
O vetor b projeo de b sobre lm(A) na norma 2 o vetor b = Ai onde
min II Ax - b Ih - 11 Ai - b lh-
x e R
Chamando t'(x) = Ax - b de resduo em x, queremos ento achar a soluo x de

resduo mnimo. Note que achar esta soluo o mesmo que encontrar x que minimize
f(x) = -21 1 1
li r(x) 1122 = - li Ax - b 1122 = - ( Ax - b,
2 2
Ax - b ).
Do Clculo Diferencial e Integral, sabemos que, se min f(x) = f (i ), ento

x e l!:n
df -
~ (x) = O, 1 ~ 1
Assim, aps calcular a derivada do produto escalar e igualar o resultado a zero, x

ser soluo do sistema A TAx = ATb, a qual ser nica. pois A posto completo. Alm
disso, ATA ma.t riz simtrica, definida positiva e, portanto, A TAx = ATb pode ser resolvido
pelo mtodo de Cholesk:y.
Considere a tabela
f(~)
Se quisermos encontrar uma reta <P(x) = a 1 + (X tal que f(xi) = <P(~.

1 ~ 1 ~ m, estaremos tentando resolver o sistema linear sobredetenninado Aa. = b:
1 + <Xt = f(x,)
1 + <Xi = f(x2)
Cap. 6 Ajuste de curvas pelo mtodo dos quadrados minimos 293
que tem m equaes e 2 incgnitas, a 1 e Neste caso, temos:
1 X] f(x 1)
Ui
1 "2 f(x2)
1 < f()
A a- e b =
1 xm m f(xm)
Observe que neste caso escolhemos q>1(x) ... a 1g 1(x) + eti~(x), com g1(x) 1 e
~(x) .. x que so tais que os vetores g1 e g2 so linearmente independentes pois:
gl(xl) gi{x1) X1
1
1 g2(x2) X2
-81 81<"2>
... e g2 - a
S1(xm) 1 gz(~) ~
Observe que poderamos ter escolhido q>(x) = a 1g1(x) + azgi(x) + ... + a 0 g0 (x)
onde 8i(x), g2(x), . .. , ~(x) fossem quaisquer funes tais que os vetores g1 , gz, ..., ~.
definidos por ~l gj(~) fossem linearmente independentes.
i) Em primeiro lugar, queremos que voc verifique que o sistema linear

ATAx = A Tb exatamente o sistema normal que temos de resolver para
encontrar a reta a 1 + azx que melhor aproxima a tabela no sentido de qua-
drados mnimos, como foi desenvolvido no texto, ou seja: verifique que os
elementos cij da matriz ATA e di do vetor ATb valem exatamente:
cij = ( ~. ~) e cJi - ( f, 8a ), com

m
gi(x) 1, gi{x) - x e ( p, q) = I: p(xk) q(xk).
k-1
iz) Trabalhando agora com os valores numricos
1 3 4 6 8 9 11 14
~:) 1 1 2 4 4 5 7 8 9
a) monte a matriz A e o vetor b do sistema Ao. = b (A: 8 x 2, o.: 2 x 1 e b: 8 x 1);

b) verifique que A tem posto completo;
e) verifique que b $. Im(A);
d) comprove, desta vez numericamente, que o sistema linear ATAx = A1b que d a
soluo de resduo mnimo de Aa = b o sistema normal da soluo de qua-
drados mnimos, descrita no texto.
i) aplicando os itens anteriores, (t) e (ii), ache as solues de quadrados mni-

mos quando
a) A U O
~
l (l
e b
0.1
:
X - 3y 0.9
2x + 5y = 1.9
b) - X + 2y = - 0.9
3x - y - 3.0
X + 2y 1.1
MAICRON
CAPTULO (1)
Boolts
INTEGRAO NUMRICA
7. 1 INTRODUO
Sabemos do Clculo Diferencial e Integral que se f(x) funo contnua em [a, b ], ento
esta funo tem uma primitiva neste intervalo, ou seja, existe F(x) tal que F' (x) = f(x).
b
Assim Ja f(x) dx - F(b) - F(a), no entanto, pode no ser fcil expressar esta funo primiti-
va por meio de combinaes finitas de funes elementares, como, por exemplo, a funo
2
f(x) = e-x , cuja primitiva F(x) que se anula para x = O chamada funo de Gauss.
Existe ainda o caso em que o valor de f(x) conhecido apenas em alguns pontos,
num intervalo [a, b]. Como no conhecemos a expresso analtica de f(x), no temos
b
condio de calcular Ja f(x) dx.
Uma forma de se obter uma aproximao para a integral de f(x) num intervalo
[a, b ], como nos casos acima, atravs dos mtodos numricos que estudaremos neste
captulo.
295
A idia bsica da integrao numrica a substituio da funo f(x) por um

polinmio que a aproxime razoavelmente no intervalo [a, b]. Assim o problema fica resol-
vido pela integrao de polinmios, o que trivial de se fazer. Com este raciocnio podemos
deduzir frmulas para aproximar Jb f(x) dx.

a
Neste captulo, as frmulas que deduziremos tero a expresso abaixo:
7.2 FRMULAS DE NEWTON-COTES
Nas frmulas de Newton-Cotes a idia de polinmio que aproxime f(x) razoavelmente

que este polinmio interpole f(x) em pontos de [a, b] igualmente espaados. Conside-
remos a partio do intervalo [a, b] em subintervalos, de comprimento h, [xi, xi+il
i = O, 1, .. ., n - 1. Assim xi+l - xi= h = (b - a)/n.
As frmulas fechadas de Newton-Cotes so frmulas de integrao do tipo
b X n
f a f(x) dx = Jx f(x) dx
O
"' Aof(Xo) + Aif(x1) + .. . + ~f(x0 ) ...~ A/(xi),
0 i-0
sendo os coefidentes ~ determinados de acordo com o grau do polinmio aproximador.
Desenvolveremos a seguir algumas das frmulas fechadas de Newton-Cotes, a

saber, a regra dos Trapzios e a regra 1/3 de Simpson.
Existem ainda as frmulas abertas de Newton-Cotes, construdas de maneira an-

loga s fechadas, com x0 e x0 E (a, b ).
,
7.2.1 REGRA DOS TRAPEZIOS
Se usarmos a frmula de Lagrange para expre~ar o polinmio p 1(x) que interpola f(x) em
x 0 e x 1 temos
Cap. 7 Integrao ruunri(;a 297
Assim, IT - ~ [f(Xo) + f(x 1)), que a rea do trapzio de altura h = x1 - x 0 e bases

f(xo) e f(x 1).
GRAFICAMENTE
f(x)
f(Xo)
Figura 7.1
Observando a Figura 7.1 vemos que ao substituir a rea delimitada pelas cur-
x1
vas y =f(x), x =x0, x = xl' y =O (o valor de J f(x) dx exatamente esta rea!) pela rea
Xo
do trapzio, de altura b e bases f(xo) e f(x1) , cometemos um erro. Vejamos como a
expresso deste erro.
Da interpolao polinomial sabemos que

Integrando esta expresso de Xo a x 1 teremos:
Portanto, o erro na integrao pela regra dos Trapzios, Er, dado por
x f '(~)
Rr - J 1 (x - "<))(x - x 1)
2
dx.
XO
Para calcular esta integral lembramos inicialmente q11e f '(;x) funo de x.
Seja g(x) = (x - xo) (x - x 1) . Ento,
Observe que V x E (Xo, x 1), g(x) < O e que, se f '(x) for contnua em [xo, x 1],
existem nmeros reais p e P, tais que p ~ f '(x) ~ P.
Assim, p ~ f '(;x) ~ P e, como g(x) ~ O, ento
pg(x) ~ g(x) f'(;x) ~ Pg(x)
<0 <0
X
J 1
g(x) f ' (~) dx
p ~

=A
Cap. 7 Integrao numrica 299
Da hiptese de f'(x) ser contnua em [Xo, x 1] e do fato de p ~ A :s;; P, temos que

existe e E (x0, x1 ) tal que f'(c) = A, ou seja
f x1 g(x) f'(~) dx f'(c)

J xl
g(x) dx,
XO XO
que o Teorema do Valor Mdio para Integrais.
Assim,
Como f ~ g(x) dx = 6- b3 ,

h3 ,
tr .. - 12 f (e), e E (Xo, x1). Em resumo,
7.2.2 REGRA DOS TRAPZIOS REPETIDA
Como podemos ver, tanto graficamente quanto pela expresso do erro, se o intervalo de
integrao grande, a frmula dos Trapzios nos fornece resultados que pouco tm a ver
com o valor da integral exata. O que podemos fazer neste caso uma subdiviso do
intervalo de integrao e aplicar a regra dos Trapzios repetidas vezes. Chamando xi os
pontos de subdiviso de [a, b], xi tais que xi+l - xi = h, i = O, 1, ... , m -1 teremos
Como estamos supondo f'(x) contnua em [a, b], uma generalizao do Teorema
do Valor Intermedirio nos garante que existe; E (a, b) tal que:
m- 1
I: f '(ci) mf'(;).
i-0
Assim,
m.h3 f '(;)
Era - 12 .
GRAFICAMENTE
f(x)
Figura 7.2
Da mesma forma que na interpolao polinomial, no podemos calcular exata-

mente f'(;), visto que no conhecemos o ponto;. Quando possvel calculamos um limitante
superior para o erro.
Temos que:
h3
ErR,.. -m 12 f'(~).
Sendo f '(x) contnua em [a, b) ento existe M2 - mx lf'(x)I. Assim

xE[a,b]
b-a
ou, lembrando que m - - h- ,
Exemplo 1
1
Seja I - f o ex dx
a) Calcule uma aproximao para I usando 10 subintervalos e a regra dos Trap-
zios repetida. Estime o erro cometido.
b) Qual o nmero mnimo de subdivises de modo que o erro seja inferior a

10-3?
(a) Os pontos x1 - O.li, i - O, 1, ..., 10 dividiro o intervalo [O, 1) em subinter-

valos com h = 0.1. Aplicando a regra dos Trapzios repetida, teremos
f O1 eX dx .. O1 (e+ 2e 1 + 2e02 + ... + 2e7 + 2e 8 + 2e9 + e) - 1.719713

302 Ckulo Numrico Cap. 7
e o erro exato desta aproximao ser
10(0.1)3 ;
e , ; E (O. 1).
12
Portanto:
mh3
(b) IEra 1- 12 lf"(;) 1, ; E (O. 1) com mh = "m - Xo = 1 e mx I f'(x) 1= e
x E [O, 1)
=
1ErR 1 ~ ~; e. A condio I ErR 1 < 10-3 ser satisfeita se ~e < Hr-3, isto ,
12 3
se h2 < x l0- - 0.00441. Portanto, deveremos tomar h < 0.0665, ou
e
m !~ 16, para obtermos uma aproximao com erro menor que 10-3
(m inteiro e m > 15.03759).
7.2.3 REGRA 1/ 3 DE SIMPSON
Novamente podemos usar a frmula de Lagrange para estabelecer a frmula de integrao

resultante da aproximao de f(x) por um polinmio de grau 2. Seja pi(x) o polinmio que
interpola f(x) nos pontos x0 = a, x1 =x0 + h e x2 = x0 + 2h =b:
Assim,
Jba f(x) dx - f xx f(x) dx JXo pz(x) dx = -f(x2h02) J'x (x - x1)(x - x2) dx -

2
0 0
As integrais podem ser resolvidas, por exemplo, usando a mudana das variveis
x - x0 = zh. Assim dx = bdz, x = Xo + zh; ento
x - x 1 = Xo + zb - (x0 + h) = (z - l)b e
X - X2 = (z - 2)h
e, para
x =x 0, z = O; X= Xl' Z: 1 e X= x2, Z = 2
Com esta mudana,
f(x:o)h 2 2 f(x2 )h 2
Is "'
2
f o (z - l)(z - 2) dz - f(x1)h f o z(z - 2) dz + 2
f o z(z - 1) dz.
Resolvendo as integrais obtemos a regra 1/3 de Simpson:
Podemos mostrar, embora a demonstrao seja um pouco mais elaborada que a

f~ita na regra dos Trapzios, que a expresso do erro na frmula de Simpson, supondo que
f'(iv)(x) contnua em [x0 , x2),
Desta expresso para o erro observamos que o ganho na potncia de h, ao passar

da aproximao linear para a quadrtica, foi substancial. No prximo exemplo este ganho
ficar evidenciado.
7.2.4 REGRA 1/ 3 DE SIMPSON REPETIDA
Antes de apresentarmos o exemplo, apliquemos a regra de Simpson repetidas vezes no

intervalo [a, b] = [Xo, xm]. Vamos supor que x0, Xi, ... , xm so pontos igualmente espaados,
h = xi+l - xi, e m par (isto condio necessria pois cada parbola utilizar trs pontos
consecutivos).
304 Ckulo Numrico Cap. 7
Em cada par de subintervalos, temos
~ E (k-Z x2k) e k 1, .. . , m.
2
Ento,
Assim,
Novamente, supondo que fiv(x) contnua em [x0, ~ . usamos uma generalizao

do Teorema do Valor Intermedirio e obtemos:
Temos ainda que existe M4 mx I fiv(x) !. Assim

xE [Xo,xm]
b-a
ou, lembrando quem ,.-h- ,
p_R 1 ~ (b - a)h4 M
1 '""'S 180 4
Exemplo 2
1
Seja I = f ex dx.
o
a) Calcule uma aproximao para I usando a regra 1/3 de Simpson com m = 10.
Estime o erro cometido.
b) Para que valor de m teamos erro inferior a 10-3?
(a) Sendo m = 10, b = (1/10) = 0.1. Assim,
- O.l (e + 4e 1 + 2e2 + 4e3 + ... + 2e8 + 4e9 + el.}

Jo) ex dx 3
= 1.71828278.
Temos
Portanto,
1 EsR 1 ~ 5.555 x 10-7 x mx I eX 1 ... 1.51016 x 10-6.

xE [O, 1]
Observe que IEsR 1 0.00000151 < 0.00227 = IErR 1, encontrado no Exemplo la.
A condio I EsR 1 < 10- 3 ser obedecida se b for tal que
b4
e < 10-3, isto , h4 < 0.06622 =::. h < 0.50728.
180
. b- a 1
Ass1m, m = - h- ;;,,: 0. 50728 - 1.9713 ==- m ;;,,: 2. Observe que na regra dos
Trapzios precisamos de m ;;,,: 16, como vimos no Exemplo lb.
OBSERVAES
i) Das expresses obtidas para o erro na regra dos Trapzios e na de Simpson,
conclumos que a regra dos Trapzios integra sem erro polinmios de grau
n ~ 1 e a de Simpson polinmios de grau n ,s;; 3.
ii) As demais frmulas de integrao numrica, do tipo frmulas fechadas de

Newton-Cotes, so deduzidas de maneira anloga trabalhando com polin-
mios de grau n = 3, n = 4 etc.
iii) Para um n qualquer, uma frmula de Newton-Cotes dada por
X X
J O
f(x) dx .., f p (x) dx -
0
(usando a frmula de Lagrange para p0 (x))
xo xo
Assim, nas frmulas de Newton-Cotes,
7.2.5 TEOREMA GERAL DO ERRO
Sendo no grau do polinmio que interpola f(x) (n = 1 na regra dos Trapzios) e lembrando
que f e c k [a, b] significa que f e suas derivadas at or dem k so contnuas no intervalo
[a, b] , enunciaremos, sem demonstrao, o Teorema Geral do Erro nas frmulas de Newton-
Cotes.
TEOREMA 1
Seja f e c0 +2 [a, b]. Ento o erro na integrao numrica, E 0 , usando as frmulas de

Newton-Cotes :
i) se n mpar,
E0
= h n+2 f'(n+l) () Ju(u - 1) ... (u - n)du, e [a, b];
(n + 1)! o
it) se n par,
b n+3 f(n+2) ()
E0 = =-----=---~
Jn (u - n
) u(u - 1) .. . (u - n)du, e [a, b].
(n + 2) ! o 2
7 .3 QUADRATURA GAUSSIANA
Fizemos algumas observaes sobre as frmulas de Newton-Cotes, no que diz respeito ao erro.
De maneira geral, uma frmula de Newton-Cotes (que aproxima f(x) por um

polinmio que interpola f(x) em x 0, x1, ... , xn ) exata para polinmios de grau ::;;; n. A regra
1/3 de Simpson uma exceo, pois para ela n = 2 e, no entanto,
5
Jxo h p(iv)(c) =O
' p3 (x) dx = I8 , pois E5 =- 90 3 .
Vamos mostrar aqui que conseguimos deduzir outras frmulas do mesmo tipo que as
de Newton-Cotes, ou seja:
b
J f(x) dx = Aof(x0)+ ... + A/(x 0
)
a
onde x0, x 1, ... , x0 so n + 1 pontos distintos. Tais frmulas so exatas para polinmios de
grau :,;;; 2n + l e so conhecidas como Quadratura Gaussiana. Mais referncias sobre este
assunto podem ser encontradas em [3].e (27].
Das frmulas que vimos temos:
b b b
J f(x) dx = {[ J L 0(x) dx] f(Xo) + ... + [ J L 0 (x) dx] f(x 0 )} + E0 = 1 + En
0
a a a
ou seja,
b
f a
f(x) dx ,,. AJ(x,) + ... + Ai(), onde
b
Ak = f a
LiX) dx k =O, 1, ..., n
e, da expresso de E 0 , temos que, de um modo geral, estas frmulas so exatas para polinmios
de grau ::;;; n.
Cap. 7 ln1egrao numrica 309
Nas frmulas de Newton-Cotes, os pontos x0, ... ~ sobre os quais so construdos os

polinmios Lk(x) so pontos igualmente espaados, prefixados em [a, b]. Na Quadratura Gaus-
siana deixamos x0, x 1, ... , ~ indeterminados e assim conseguimos frmulas do mesmo po:
b
f a f(x) dx ""' AJ(Xo) + ... + A/{x 0
), onde
b
Ale= f a
Lic(x} dx e que so exatas para polinmios de grau .;;; 2n + 1.
Veremos a seguir a construo da frmula da Quadratura Gaussiana para n = 1, ou

seja, queremos determinar Xo, x 1, Ao e A 1, tais que
b
f a
f(x) dx "" ft.o(x0) + Al(x 1) seja exata para polinmios de grau ~ 3.
Para simplicidade de clculos, determinaremos esta frmula considerando (a. b]

= [-1 , l].
Dizer que a frmula exata para polinmios de grau ~ 3 equivale a dizer que a
frmula exata para
1
O= f -1
t3 dt = Ag3(lo) + A1git1) = Aot + AI~.
Temos ento o sistema no linear com quatro equaes e quatro incgnitas:
+ A1 .. 2
Aoto + A:it1 =O
Ao~ tt - 2/ 3
+ A1
+ A1 tt - O .
Resolvendo, temos
Observe que
1 (t-v'3/ 3)
1
f _1 Lo(t}dt-f _1 (-v'3/ 3 -v'3/ 3) dt-Ao-1
J_l1 L1(t}dt - Jl_1 (v'3/

(t + v'3/3)
3 +v'3/ 3) dt = A 1 =1
No caso de um intervalo [a, b] genrico, efetuamos a mudana de variveis:

para t E [-1, l] corresponde x E [a, b) onde
x ..
1 [a + b + t(b - a)] e dx ... -b-a
- dt.
2 2
Exemplo 3
Seja calcular Jo10 e-x dx. Neste caso, [a, b] =[0,10], x =5 + 5t, dx =5dt, f(x) =e-x e
g(l) = e-5 - 51. Usando a frmula da Quadratura Gaussiana com dois pontos temos
Cap. 7 lntegr(lfiw numirica 311
to = - ../3/3 = - 0.577350 e t 1 = ../3/ 3 = 0.577350
Ento,
=5 [e-2.113249 + e-7.886751] =0.606102.
Sabemos que com seis casas decimais,
10
J e-X dx = .999955,
o
Assim, o verdadeiro erro, com seis casas decimais,
lerrol = 10.999955 - 0.6061021 = 0.393853

Para que IErR 1 ~ 0.393853, na regra dos Trapzios, seria necessrio tabelar f()t) em,
no ronilillo, 16 pontos (m ;a,, 15).
E, para a regra 1/3 de Simpson, 1EsR 1 ~ 0.393853, implica m ;;;;,: 8 e seria ne-
cessrio portanto, tabelar a funo em 9 pontos.
EXERCCIOS
1. Calcule as integrais a seguir pela regra dos Trapzios e pela de Simpson, usando quatro e
seis divises de [a, b] .
Compare os resultados:
4
b) f 1 rx dx
2. Usando as integrais do exerccio anterior com quantas divises do intervalo, no mni-

mo, podemos esperar obter erros menores que 10-5?
3. Calcule o valor aproximado de J0'6 1 dx+

0 X
com trs casas decimais de preciso usando
a) Simpson
b) Trapzios.
4. Em que sentido a regra de Simpson melhor do que a regra dos Trapzios?
4
5. Qual o erro mximo cometido na aproximao de J {3x3 - 3x + l)dx pela regra de
Simpson com quatro subintervalos? O
Calcule por Trapzios e compare os resultados.
it/2
6. Determinar b, a distncia entre xi e xi+l' para que se possa avaliar J0 cos(x)dx com
erro inferior a E - 10-3 pela regra de Simpson.
7. Use a regra 1/3 de Simpson para integrar a funo abaixo entre O e 2 com o menor
esforo computacional possvel (menor nmero de divises e maior preciso). Justifi-
que. Trabalhe com trs casas decimais.
x2 seO~x~l
f(x) ...
{ (x + 2)3 sel< x~2
8. A regra dos Retngulos repetida obtida quando aproximamos f(x), em cada subinter-
valo, por um polinmio de interpolao de grau zero. Encontre a regra dos Retngulos
bem como a expresso do erro, fazendo:
Cap. 7 lntegro numrica 313
a) pi0 (x) = f(xj-1) J = 1, 2, ... , m
b) pio (x) - f( "5-12+ 3 ) j -1, 2, ... , m.
Esta a regra do Ponto Mdio e uma frmula aberta de Newton-Cotes.
9. Obtenha a frmula do Erro para a regra dos Trapzios e para a regra 1/3 de Simpson a
partir do Teorema 1.
10. Seja o problema:
Interpolar a funo sen(x) sobre [O, 'Jt/4] usando um polinmio de grau 2 e integrar esta
funo, neste intervalo, usando a regra 1/3 de Simpson.
Qual deve ser o menor nmero m de subintervalos em [O, : ] para se garantir um erro
menor que 1o-4 tanto na integrao quanto na interpolao?
11. a) Comprove grfica e analiticamente que se:
i) f'(x) contnua em [a, b], e
ir) f'(x) > O, V- x E [a, b],
ento, a aproximao obtida para Jba f(x) dx pela regra dos Trapzios maior do
que o valor exato da Jab f(x) dx. Considere n = 1.
b) Sabendo que f(x) = ex + x2 satisfaz as condies acima em (O, l], e que

1
I = f (eX + x2)dx = 2.051, comprove que a concluso do item (a) vlida
o
tambm para a regra dos Trapzios repetida, calculando I com erro inferior a
5 x 10- 2. Use trs casas decimais.
12. Deduza a frmula de integrao da forma

1
f -1
f(x) dx w0f(-0.5) + w1f(O) + wf(0.5)
que integre exatamente polinmios de grau ,;;;; 2 .
13. Dada a tabela:
X o.o 0.2 0.4 0.6 0.8 1.0
f(x) 1.0 1.2408 1.5735 2.0333 2.6965 3.7183
e sabendo que a regra 1/3 de Simpson , em geral, mais precisa que a regra dos
1
Trapzios, qual seria o modo mais adequado de calcular I = f f(x) dx, usando a tabela
o
acima? Aplique este processo para determinar 1.
14. Calcule, pela regra dos Trapzios e de Simpson, cada uma das integrais abaixo, com
erro menor do que E dado:
a) f o esen(x) dx;
lt
t - 2 x 10-2.
it/2
b) fl (sen(x}) 112 dx; e = 10-4.
15. Usando a regra de Simpson, calcule o valor de

1
J2
dx com preciso de 4 casas deci-
mais. Compare o resultado com o valor de ln(2). x
1
16. Calcule Jt da relao n / 4 = f odx/ (1 + x2) com erro de 10-3 por Simpson.
17. Considere a integral:
a) Estime I pela regra de Simpson usando h = 0.25 .

b) Estime I por Quadratura Gaussiana com 2 pontos.
e) Sabendo que o valor exato de I (usando 5 casas decimais) 0.74682, pede-se:
cl) compare as estimativas obtidas em (a) e (b);
c2) quantos pontos seriam necessrios para que a regra dos Trapzios obtivesse
a mesma preciso que a estimativa obtida para I em (b)?
MAKRON
Boolcs
CAPITULO 00
SOLUES NUMRICAS DE
EQUAES DIFERENCIAIS
ORDINRIAS: PROBLEMAS DE VALOR
INICIAL E DE CONTORNO
8. 1 INTRODUO
Equaes diferenciais aparecem com grande freqncia em modelos que descrevem quanti-
tativamente fenmenos em diversas reas, como por exemplo mecnica de fluidos, fluxo de
calor, vibraes, reaes qumicas e nucleares, economia, biologia etc.
Considere, por exemplo, o circuito mostrado na Figura 8.1. A caixa quadrada
representa um diodo de Esald com a funo caracterstica f(v) representando a corrente
como funo da tenso, v. As leis de Kirchoff aplicadas a este circuito nos fornecem a
seguinte relao entre a corrente i e a tenso v;
i = f(v)
Figura 8.1
316
Cap. 8 Solues numricas de equaes diferenciais ordinrias:... 317
L di
dt
=E - Ri - v = I(' v)
-e :: = f(v) - i = V(i, v)
onde E, R, C e L so constantes positivas e vf(v) ~ O, V v. Temos assim um sistema de duas

equaes para ser resolvido.
As equaes do problema anterior so chamadas equaes diferenciais, uma vez que
envolvem derivada das funes.
Se uma equao diferencial tem apenas uma varivel independente, como o caso das
duas equaes do nosso exemplo, ento ela uma equao diferencial ordinria, que o
assunto do nosso estudo neste captulo. So exemplos de equaes diferenciais ordinrias:
Se a equao diferencial envolve mais que uma varivel independente ento ela uma
equao diferencial parcial, como a equao
a2u 2 u
- + - - = O com u = u(x, y)
2u
e- indicando a derivada parcial segunda de
)x2 )y2 . 2
u(x, y), em relao varivel (.).
Uma soluo de uma equao diferencial ordinria uma funo da varivel inde-
pendente que satisfaa a equao. Assim,
i) ~
dx
= y= y tem y(x) = ae'\ a E R como soluo;
ii) u"' = O satisfeita para u(x) = p2(x) onde Pz(X) qualquer polinmio de grau 2.
Isto ilustra um fato bem geral: uma equao diferencial possui uma famlia de
solues e no apenas uma. A Figura 8.2 mostra uma famlia de solues de y = y e de y=-y.
y(x) y(x)
.
Y=- Y
X
y = y ~ y(x) = ae
X X
Figura 8.2
A equao do exemplo (i) de primeira ordem ao passo que a do exemplo (ii)

de 31
ordem. Assim, ordem de uma equao diferencial a mais alta ordem de derivao
que aparece na equao.
Uma equao diferencial ordinria dita linear se a funo e suas derivadas

aparecem linearmente na equao. Assim, xy ' - x - y linear e
y" + (1 - y2 )y' + y = O e u " + e-u - f(x) so no lineares.
J que, como ilustram os exemplos (i) e (ii), uma equao diferencial no possui
soluo nica, vemos que para individualizar uma soluo temos de impor condies suple-
mentares. Em geral, uma equao de ordem m requer m condies adicionais a fim de ter
uma nica soluo. Em princpio, estas condies podem ser de qualquer tipo, por exemplo,
y(O) - 1
y'(4) - -5
y(2) + 5y '(3) - 6
[ sen xy(x) dx .. O
o
lim y(x) =k
X-+ 00
Se, dada uma equao de ordem m, a funo, assim como suas derivadas at
ordem m - 1, so especificadas em um mesmo ponto, ento temos um problema de valor
inicial, PVI, como so os casos:
l
y '(x) = y
a) y(O) - 1
y " ' + (x + l)y:' + cos xy' - (x2 - l)y - x2 + y2 sen(x + y)

b)
l y(O)- Lli y (O)= 2.2, y (O)= 3.3 11
Se, em problemas envolvendo equaes diferenciais ordinrias de ordem m,

m ;a,, 2, as m condies fornecidas para busca de soluo nica no so todas dadas num
mesmo ponto, ento temos um problema de valor de contorno, PVC.
Um exemplo de problema de contorno o de uma barra de comprimento L sujeita

a uma carga uniforme q. Se, no ponto Xo = O esta barra est presa e em xL L ela est s
apoiada, este problema descrito pelo seguinte problema de contorno:
yCiv)(x) + ky{x) = q
y(O) y'(O) = O
{ y(L) - y "(L) - O
onde k uma constante que depende do material da barra.
Ao contrrio do que ocorre com os PVI, comum que poblemas de contorno no

tenham unicidade de soluo. Por exemplo, para todo a E lR, y(x) = a (l + x) soluo do
PVC:
y" - o
y(-1) = O
1 y(l) - 2y' (1) =O
8.2 PROBLEMAS DE VALOR INICIAL
A razo mais forte de introduzirmos mtodos numricos para aproximar solues de pro-
blemas de valor inicial (PVI) a dificuldade de se encontrar, analiticamente, as solues da
equao. Em muitos casos, a teoria nos garante existncia e unicidade de soluo, mas no
sabemos qual a expresso analtica desta soluo.
Os mtodos que estudaremos aqui se baseiam em:
y' f(x, y)
dado o PVI:
j ( )
Y xo = Yo
construmos x1 , x2 , x0 que, embora no necessariamente, para ns sero igualmente

...,
espaados, ou seja: ~+l - ~ - h, i - O, 1, ... , e calculamos as aproximaes Yi = y(xi) nestes
pontos, usando informaes anteriores.
Se, para calcular Y; usamos apenas Yj-l teremos um mtodo de passo simples ou
passo um. Porm, se usarmos mais valores, teremos um mtodo de passo mltiplo.
Como estamos trabalhando com PVI de primeira ordem, temos uma aproximao
inicial y(x0) para a soluo. Assim, os mtodos de passo um so classificados como auto-
iniciantes. J para os mtodos de passo mltiplo temos de lanar mo de alguma estratgia
( como usar mtodos de passo simples) para obtermos as aproximaes iniciais necessrias.
Outras caractersticas dos mtodos de passo simples so: 1) em geral temos de

calcular o valor de f(x, y) e suas derivadas em muitos pontos; iz) temos dificuldades em
estimar o erro.
,
8.2.1 METODOS DE PASSO UM (ou passo simples)
MTODO DE EULER
Um mtodo numrico que podemos aplicar soluo aproximada de um PVI: y' ""f(x, y),
Y(Xo) y0 o mtodo de Euler, o qual consiste em: como conhecemos x0 e y0 y(x0),
ento sabemos calcular y'(x0 ) - f(Xo, y0 ). Assim, a reta que passa por (Xo, y0 ) com coeficien-
te angular y'(Xo), r0(x) conhecida:
Cap. 8 Solues numricas~ equaes diferenciais ordinrias:... 321
O raciocnio repetido com (xi, y 1) e y2 y1 + hf(x1, y1) e assim, sucessi-

vamente, o mtodo de Euler nos fornece
GRAFICAMENTE
/ X
y / e
I
I
I
I
/
I
I
/
- - - - -,1'.
: P1
Figura 8.3
MTODOS DE SRIE DE TAYLOR

Os mtodos que usam o desenvolvimento em srie de Taylor de y(x) teoricamente fornecem
soluo para qualquer equao diferencial. No entanto, do ponto de vista computacional, os
mtodos de srie de Taylor de ordem mais elevada so considerados inaceitveis pois, a
menos de uma classe restrita de funes f(x, y) (f(x, y) = x2 + y2, por exemplo), o clculo
das derivadas totais envolvidas extremamente complicado.
Suponhamos que, de alguma forma, tenhamos as aproxim aes y 1, y 2 , ..., y 0 para
y(x), em xl' x2 , ..., x0
Se y for Sllficieotemente "suave", a srie de Taylor de y(x) em tomo de x = x0
Assim,
Se fr!> representa a aproximao para a j-sima derivada da funo y(x) em ~:

yG>(x0 ) e h = xn+l - x0 , teremos:
- 'h " h2 (k) hk

y(xn+l ) - Yn+1 - Yn + Yn + Yn 2 + ... + Yn k!
e o erro de truncamento dado por
y<k+l)(~)
e(x ) = " hk+l
n (k+ 1)!
Observamos que, se y(x) tem derivada de ordem (k + 1) contnua num intervalo

fechado I que contm os pontos sobre os quais estamos fazendo a discretizao, ento existe
Mk+l = mx I yCk+l)(x) I; assim teremos um majorante para o erro de truncamento pois
X E 1
1y(k+I ) (~) 1 ,;;:; ~ + I V Sx E I
M hk+l
~ le(x ) 1 ,;;:; mx .l e(x) 1 ,;;:; k+I = Chk+l
0
X E I
(k + 1)!
Um mtodo numrico dito de ordem p se existe uma constante C tal que
onde C pode depender das derivadas da funo que define a equao diferencial.
Portanto, os mtodos de srie de Taylor so de ordem k.
Para aplicar o mtodo de Taylor de ordem k:

,, y(k)
Yn+t -- Yn + Yn' h + Yn h 2 + ... +
21
k!
n bk temos de calcular " Yn'", ... , y.fk)
Yn, 0
Agora,
y'(x) = f(x, y(x)). Ento

y"(x) = f/x, y(x)) + fyCx, y(x))y'(x) = fx + f/ em uma notao simplificada.
Assim, por exemplo, o mtodo de srie de Taylor de 2 ordem
Analogamente,
y"'(x) = fxx(x, y(x)) + fx/x, y(x))y'(x) +
+ [fy/x, y(x)) + fyyCx, y(x))y'(x)]y'(x) + fyCx, y(x)) y"(x) =
em notao simplificada.
A terceira derivada total j nos mostra a dificuldade nos clculos. Observe ainda
que, para cada n, n = O, 1, ... temos de calcular todos esses valores.
Consideremos o mtodo de srie de Taylor de ordem k = 1, ou seja,
y"(x )
Yo+t = Y0 + hfo onde e(xo+ 1) = a+r b2
2
Conforme vemos, este o mtodo de Euler; conclumos portanto que o mtodo de

Euler um mtodo de srie de Taylor de ordem 1.
Exempto 1
Seja o PVI: y' = y, y(O) = 1. Trabalhando com quatro casas decimais, usaremos o mtodo de
Euler para aproximar y(0.04) com e ~ 5 x 10- 4.
Do que vimos anteriormente,
y ''(x )
e(x) = h2
0
o 2
Neste caso, conhecemos a soluo analtica do PVI: y(x) ::: eX; temos ento que
Mi= mx ly"(x) 1 = e004 =1.0408 => ly"(~) 1 ~ Mi

x e (0,0.04] n
donde
le(x)I ~ l.0408 b2 V x e [O, 0.04]

2
l.0408 b2 :,::: - h2 :,::: 2 S X l0- 4 3

O.0310.
-. 5 x 10-4., ento -... Xl.040 l0-
= 1.04-0 e portanto h ~
2 8 8
Tomemos pois o maior h, de forma a trabalhar com pontos igualmente espaados,

ou seja, h = 0.02 pois queremos y(x) para x = 0.04.
Cap. 8 Solues numricas de equaes diferenciais ordindrias:... 325
Assim, x0 = O e y(Xo) = y(O) = Yo = 1.
= y0(l + h)= 1(1 + 0.02)= 1.02
Dado que e0 -04, com quatro casas decimais, vale 1.0408, temos que o erro cometido
foi 1.0408- 1.0404 = 4 X 10- 4 < 5 X 10- 4.
Exemplo 2
Calcular y(2.l) usando a srie de Taylor de 2 ordem para o PVI: { xy ' =x- y
y(2 ) = 2.
Temos y' = (x - y)/x = 1 -y/ x => y'(2) = 1 - 2/ 2 = O.
BntAo,
y" =- y'/ x + y/ x2 => y"(2) =O+ 2/ 4 = 1/ 2
(x - 2)2 (x - 2)3
e y(X) = y(2) + (x - 2)y'(2) + -'------'- y" (2) + -'-------'--y"'()
2 6
= 2 + !4 (x - 2)2 + .!6 (x - 2)3 y"'()
=> y(2 .1) =2 + 0.25(0.1)2 + ... ,.. 2.00238
Agora, y"' = - y"/ x + 2y'/ x2 - 2y/ x3 . Assim, a menos que tenhamos alguma infor-
mao sobre a soluo do nosso problema, por exemplo, y"'(x) = K, o que acontece muitas
vezes, ficamos im possibilitados de medir o erro cometido.
MTODOS DE RUNGE-KUTTA
A idia bsica destes mtodos aproveitar as qualidades dos mtodos de srie de Taylor e
ao mesmo tempo eliminar seu maior defeito que o clculo de derivadas de f(x, y) que,
conforme vimos, toma os mtodos de srie de Taylor computacionalmente inaceitveis.
Podemos dizer que os mtodos de Runge-Kutta de ordem p se caracterizam pelas

trs propriedades:
i) so de passo um;
ii) no exigem o clculo de qualquer derivada de f(x, y); pagam, por isso, o
preo de calcular f(x, y) em vrios pontos;
iii) aps expandir f(x,y) por Taylor para funo de duas variveis em torno de
(~, y0 ) e agrupar os termos semelhantes, sua expresso coincide com a do
mtodo de srie de Taylor de mesma ordem.
Mtodos de Runge-Kutta de 11 ordem - mtodo de Euler
J vimos que o mtodo de Euler um mtodo de srie de Taylor de 11 ordem:
Yn+l - Yn + hy~, n O, 1, 2, .. . . Ento
Yn+l'"' Yn + hf(~, y0 ), n O, 1, 2 , ... e o mtodo de Euler satisfaz as trs proprie-

dades acima que o caracterizam como um mtodo de Runge-Kutta de ordem p = l.
Mtodos de Runge-Kotta de 2 1 ordem
Exporemos inicialmente um mtodo particular que o mtodo de Heun, ou mtodo de Euler

Aperfeioado, pois ele tem uma interpretao geomtrica bastante simples.
Conforme o prprio nome indica, este mtodo consiste em fazer mudanas no

mtodo de Euler para assim conseguir um mtodo de ordem mais elevada.
Cap. 8 Solu.es numricas de equaes diferenciais ordinrias:... 327
Mtodo de Euler Aperfeioado

GRAFICAMENTE
Figura 8.4
Dada a aproximao (x 0 , y n), supomos a situao ideal em que a curva desenhada com linha
cheia seja a soluo y(x) da nossa equao (isto s acontece mesmo em (Jto, yo)).
Por (~, y0 ) traamos a reta L 1 cujo coeficiente angular y~ f(~, y0 ), ou seja,
Assim, dado o passo h, zi(~+ 1) = z1(x 0 + h) = Yo+l do mtodo de Euler, que

chamamos aqui de y0 + 1. Seja P (x0 + h, y0 + hy~) = (xn+l' y0 + 1 ). Por P agora, traa-
mos a reta cujo coeficiente angular f(~ + h, y0 + hy~ ) - f(~+l' y0 + 1 ):
A reta pontilhada Lo passa por P e tem por inclinao a mdia das inclinaes das
retas L 1 e ou seja, sua inclinao [f(~, y0 ) + f(~ + h, y0 + hy~ )]/2.
A reta L passa por (x0 , y 0 ) e paralela reta L0, donde

O valor fornecido para y n+ 1 pelo mtodo de Euler Aperfeioado z(xn + h) =

z( + 1), ou seja
Observamos que este mtodo de passo um e s trabalha com clculos de f(x, y),
no envolvendo suas derivadas. Assim, para verificarmos que ele realmente um mtodo de
Runge-Kutta de 2 ordem, falta verificar se sua frmula concorda com a do mtodo de srie
de Taylor at os termos de 2" ordem em h:
No mtodo de Euler aperfeioado temos de trabalhar com f(~ + h, y0 + hy~).

Desenvolvendo f(x, y) por Taylor em tomo de (~. y0), temos:
com a entre x e x 0 e~ entre y e y0

Assim,
Ento o mtodo de Euler Aperfeioado fica:
Esta frmula concorda com a do mtodo de srie de Taylor at os termos de

ordem h 2,provando assim ser um mtodo de Runge-Kutta de 2 ordem.
Forma geral dos mtodos de Runge-Kutta de 2 ordem
O mtodo de Euler Aperfeioado um mtodo de Runge-Kutta de 2 ordem e podemos

pensar que ele pertence a uma classe mais geral de mtodos do tipo
Para o mtodo de Euler Aperfeioado,
ili= 1/2
A pergunta natural que surge neste momento se este tipo de mtodo no poder
ser um mtodo de Runge-Kutta de ordem maior que dois.
Temos quatro parmetros livres: al' a2 , b 1 e b2 . Para que haja concordncia com a
srie de Taylor at os termos de ordem h I necessrio um parmetro. Considerando agora
f( + b 1h, Yn + b2hy~ ) calculado pela srie de Taylor de f(x, y) em tomo de (x0 , y0 ) vemos
de maneira completamente anloga ao que foi visto para o mtodo de Euler Aperfeioado
que, para haver concordncia desta frmula com a do mtodo de srie de Taylor at os
termos de ordem h2 so necessrios mais dois parmetros, visto que h a considerar os
termos h~ e h2ffy. O ltimo parmetro que resta obviamente no suficiente para que se
exija concordncia at os termos de ordem de b 3 .
Porm, com quatro parmetros disponveis e apenas trs exigncias, teremos uma
infinidade de mtodos de Runge-Kutta de 2!! ordem.
Realmente, como
+ termos em b 2,
+ termos em h3 Ento,
+ termos em h3 .
Assim, para haver concordncia com o mtodo de srie de Taylor at os termos

2
em b preciso que:
conforme j foi observado, um sistema de trs equaes e quatro variveis.
Escolhendo um dos parmetros arbitrariamente, por exemplo az - w .. O, temos
e a forma geral dos mtodos de Runge-Kutta de 2n ordem dada por

Cap. 8 Solues numricas de equafeS diferenciais ordinrias:... 331
Mtodos de Runge-Kutta de ordens superiores

De forma anloga pode-se construir mtodos de 3 ordem, 411 ordem, etc.
A seguir sero fornecidas apenas frmulas para mtodos de Runge-Kutta de 3i! e
4 ordens:
3 11 ordem:
h kl
k2 hf(x + - , y + - )
Il 2 D 2
4 ordem:
~ = hf:(x0 + h/2, y0 + 1/2)
k4 hf:(~ + h, Yn + k:3).
Chamamos a ateno novamente para o fato de os mtodos de Runge-Kutta,

apesar de serem auto-iniciveis (pois so de passo um) e no trabalharem com derivadas de
f(x, y), apresentarem a desvantagem de no haver para eles uma estimativa simples -para o
erro, o que inclusive poderia ajudar na escolha do passo b.
Existem ainda adaptaes dos mtodos de Runge-Kutta que so simples opera-

cionalmente e que so usadas tambm para estimativas de erro e controle do tamanho do
passo h. Na referncia (12] o leitor encontra a explicao, bem como uma listagem de uma
rotina baseada em mtodos de Runge-Kutta para resoluo de problemas de valor inicial.
Basicamente esta rotina exige seis clculos de f por passo, quatro dos quais so combinados
com um conjunto de coeficientes para produzir um mtodo de 41 ordem e todos os seis
valores so combinados com um outro conjunto de coeficientes para produzir um mtodo
de 51 ordem; a comparao dos dois valores fornece uma estimativa do erro e tambm
usada para controle do tamanho do passo.
Exemplo 3
Seja o PVI do Exemplo 2:
1
xy x-y y ' .. 1 - y/ x ~ f(x, y) = 1 - Y
X
y(2) 2
y(x)- 2
Encontrar y(2.l) pelo mtodo de Euler com:
a) h -0.1
b) h -o.os
e) h 0.025
h
-h + (1- - ) y
"o D
a) h 0.1 =x0 = 2.0 e x1 -2.1
= y(2.l} -y1 ... b + (1 _ l!..)

Xo
Yo 0.1 + (1 - ) 2
2
1
= y 1 = 0.1 + 2- 0.1 2 = y(2.l} 2.0
b) h '"'0.05 = x0 = 2.0; x1 2.05; ., 2.1
= y(2. l) y2
h 0.05
Y1 h + (1- ) Yo 0.05 + (1 - )2- 0.05 + 2 - 0.05 = 2
2
h 0.05
Y2 = h + (1- xl) y 1 0.05 + (1 - _ )2 0.05 + 1.9512195- 2.0012195
2 05
=y(2.1) ... 2.0012195

e) h = 0.025 = "' 2.0; Xl 2.025; x2 2.05; X3 2.075; X4 2.1
=y(2.1) ... y 4
h 0.025
y1 h + (1 - ) Yo = 0.025 + (1 - ) 2- 0.025 + 2 - 0.025 2
2
h 0.025
Y2 ... h + (1 - xl ) y 1 ... 0.025 + (1 - _ ) 2 = 2.0003085
2 025
h 0.025
y3 - h + (1- ) y2 .. 0.025 + (1 - _ ) 2.0003085 = 2.0009145
2 05
0.025
y4 - 0.025 + (1 - 2.075 ) 2.0009145 - 2.0018071
= y(2.l)- 2.0018071
Exemplo4
Dado o PVI abaixo, estimar y(l) por vrios mtodos e vrios tamanhos de passo h.
y' - 0.04y ~ f(x, y) - o.04y
l y(O) .. 1000
Sabemos que a soluo exata y(x) ... 1000 e4 donde y(l) = 1000 e0-04 =
1040.8108
a) Mtodo de Euler
~ Yn+l Yn + h x 0.04 x Yn (1 + 0 .04h)Yn
Assim, y1 (1 + 0.04h) x 1000
Y2 (1 + 0.04h)yl (1 + 0.04h)(l + 0.04h)1000 = (1 + 0.04)2 x 1000
Yk (1 + 0.04h)k x 1000, k 1, 2, 3, ...
Para h = 1, temos
y(l) .. Y1 (1 + 0.04) x 1000- 1040.

Para h = 0.5, temos
y2 = (1 + 0.04 X 0.5)2 X 1000 = (1 + 0.02)2 X 1000 = 1040.4.
Para h = 0.25, temos
y4 = (1 + 0.04 X 0.25)4 X 1000= ... = 1040.604.
Para h = 0 .1, temos
y(l)"" Y10 e
y 10 = ( 1 + 0.04 X 0.1)10 >< 1000= 1040.7277.
b) Mtodo de Euler Aperfeioado (Runge-Kutta de 2 ordem):
h
= YO+ [0.04yO+ .04{yD+ b X 0.04y0)]
2
= y0 + ~ [0.04y0 + 0.04y 0 + h X 0.042y0 ]
h2
= (1 + 0.04b + X 0.042)y0
2
336 Clculo Numrioo Cap. 8
Analogamente ao que vimos no mtodo de Euler,
h2
Yk (1 + 0.04b + 0.0~)k X 1000
2
Para h = 1, temos
1
y(l) Y1 -(1 + 0.04 + x 0.042) x 1000= 1040.8.
2
Para h = 0.5, temos
(O 5)2
y(l) - Y2 - (1 + 0.04 X 0.5 + 2 X 0.042)2 X 1000 = 1040.808.
Para h = 0.25, temos
(O 25)2
y(l)-Y4 -(1 + 0.04 x 0.25 + 2 x 0.042) 4 x 1000-1040.8101.
Para h = 0.1, temos
(O 1)2
y(l) .. Y10 - (1 + 0.04 X 0.1 + 2 X 0.042)10 X 1000 .. 1040.8107
Comentrios:
Dada a resposta exata y(l) = 1040.8108 com quatro casas decimais, vemos que, medida
que h diminui, cada mtodo obtm uma melhor aproximao e que entre os dois, como era
de se esperar, o mtodo de Euler Aperfeioado fornece melhores resultados; veja que
para h = 0.1, y(l) - 1040.8107, por Euler Aperfeioado!
Observamos que sendo x0 = O, ento xk = Xo + k x h = k x h.

Agora, a srie de Taylor de e 004x, em tomo de x = O :
x2 x3
= 1 + 0.04x + 0 .042 + (0.04)3
e0.04x
2 31 + ....
b2 h3
Assim, e0.04h = 1 + 0 .04h + 0 .042 + (0.04)3 + ....
2 31
h2
Vemos que tanto (1 + 0 .04hf do mtodo de Euler como (1 + 0 .04b+ 0.042 )k
2
do mtodo de Euler Aperfeioado so aproximaes para e4 hk = e004 \ .
E, logicamente, a segunda aproximao est mais prxima mesmo do valor exato.

Observamos ainda que, como estamos interessados em y(l), ou seja, x = 1,
ento k = ; . Assim, tambm natural que, no mtodo de Euler, medida que h diminui,
chegamos mais prximos da soluo pois
e0 04 = lim (1 + 0 .04h) 11h.

h-+0
De maneira anloga, com um pouco mais de elaborao nos clculos, verificamos

este resultado para o mtodo de Euler Aperfeioado.
e) Mtodo de Runge-Kutta de 3 ordem: h = 1
h kl k1
Ir
-i
= hf(xn + -2 , y n + -2 ) = h. X 0.04(yo + -2 )
3 3 3
~ hf(x0 +
4 h, y O +
4
~ ) h x 0.04(y n +
4
)
kl - 0.04 X 100() 40
= 0.04(1000 + 20) .. 40.8

3
~ - 0.04(1000 +
4 X 40.8) 41.224
2 1 4
=> y 1"' 1000 + X 40 + X 40.8 + X 41.224 1040.8107.
9 3 9
Exemplo 5
Dado o PVI:
y ' ""-1L+(x+1)3
x+l
y(O) 3
obtenha y(l) e y(2).
A soluo exata desta equao : y(x) = ~ [(x + 1)4 + 5(x + 1)2], portanto, y(l) = 18
e y(2) = 63.
Aplicando o mtodo de Runge-Kutta de 4 ordem, obtivemos os seguintes resul-
tados:
Cap.8 Solues numricas de equaes diferenciais ordmrias:... 339
Para h = 0.125:
k x(k) y(k)
1 .125 3.964938
2 .25 5.126896
3 .375 6.513706
4 .5 8.156128
5 .625 10.08786
6 .75 12.34551
7 .875 14.96864
8 1 17.99972
9 1.125 21.48418
10 1.25 25.47034
11 1.375 30.00947
12 1.5 35.15578
13 1.625 40.96639
14 1.75 47.50137
15 1.875 54.8237
16 2 62.99929
Para h = 0.2:
k x(k) y(k)
1 .2 4.636539
2 .4 6.820251
3 .6 9.67593
4 .8 13.34757
5 1 17.99838
6 1.2 23.81075
7 1.4 30.98627
8 1.6 39.74576
9 1.8 50.32921
10 2 62.99581
, ,
8.2.2 METODOS DE PASSO MULTIPLO
Conforme vimos, os mtodos de passo simples precisam de informao sobre a soluo

apenas em x .. xn para achar uma aproximao para y(~ + h); no entanto, eles exigem ou
clculos de derivadas ou o clculo de f(x, y) em vrios outros pontos.
A caracterstic,a dos mtodos de passo mltiplo que eles usam informaes sobre
a soluo em mais de um ponto. Inicialmente vamos supor que conhecemos aproximaes
para y(x) em x0 , x1, . .. ,~e que xi+l - ~ = h, i = O, 1, ... , n. Exporemos aqui uma classe
de mtodos de passo mltiplo que baseada no princpio de integrao numrica conhecido
como mtodos de Adams-Bashforth; a idia integrar a equao diferencial y' f(x, y) de
x0 at xn+l:
xn+l y '(x) dx =J xn+l f(x, y(x) ) dx

J Xn Xn
x l
y(xn+l) - y(~) J XD
n+ f(x, y(x)) dx
Dessa forma,
e devemos ento aproximar J X

n+i f(x, y(x)) dx por uma frmula de quadratura numrica por
xn
ns escolhida.
a) Mtodos explfcitos: os mtodos explcitos desta classe so obtidos quando

trabalhamos com x0 , xn-1' ... , ~-m para aproximar a integral acima.
Aproximamos f(x, y(x)) pelo polinmio de grau m, Pm(x) que interpola f(x, y) em
X0 , -l' ... , x0 _m e ento
Se, por exemplo, escolhermos m = 3, a funo f(x, y(x)) ser aproximada pelo
polinmio p/x) que a interpola nos pontos (~, Yn), (xn-1' y0 _1),(~_2, y0 _2) , (xn_3, y0 _3),
chamando fn-j = f(xn-j' y n-.i), j = O, 1, 2, 3, teremos:
onde, para ') + 1 - X; = h:
L_ix) - [(x-~_2 )(x - ~_1)(x - x0 )]/(-h)(-2h)(-3h)
L_i(x) = [(x-~_3)(x- xn_1)(x - ~)]/(h)(-h)(- 2h) -
-1
... 2b3 [(x - ~-3)(x - ~-2)(x - ~)]
Lo(x) [(x-x0 _ 3)(x - ~_2)(x - xn_1)]/(3h)(2h)(h)
Fazendo a mudana de variveis x ~ ~ "' s, temos dx = hds e x = hs + x 0

Ento,
x - x0 _3 =(s + 3)h ; x - x0 _2 =(s + 2)h; x - x0 _1 =(s + l)b; x - ~ =sh donde teremos:
-1 -1 3 2
L_ls)- (s + 2)(s + 1)s - (s + 3s + 2s)
6 6
1 1
L_i(s) - (s + 3)(s + l)s .. (s3 + 4s2 + 3s)
2 2
342 Ciculo Numrico Cap. 8
-1 -1 3 2
L_1(s) - (s + 3)(s + 2)s - (s + 5s + 6s)
2 2
~(s) - ! (s + 3)(s + 2)(s + 1) - ! (s3 + 6s2 + lls + 6)
Assim.
b
JX
X
n+J f(x, y(x)) dx - J X0 1
X
P3(X) dx -
6
f0_ 3 J01 (s3 + 3s2 + 2s}ds +
D D
h 1 h 1
+
2
fu_2 JO (s3 + 4s2 + 3s) ds - 2 ~-i0(s3 + 5s2 + 6s) ds +
h
+
6 f0 J1 (s
O
3 + 6s2 + lls + 6)ds
h 1 h 143 b 15 h 1 11
.., - - f (- +1+1)+ - f 2 (- + - + - )--f 1 (- + - +3)+ - f(- +2+- +6)
6 ~ -3 4 2 ~ - 4 3 2 2 ~- 4 3 6 "-n 4 2
% 3To 59h 55h

- - 24 ~ -3 + 24 ~-2 - 24 fo - 1 + 24 ~ .
Assim, o mtodo de passo mltiplo por ns escolhido,
h
Yn+l YO +
24
[55~ - 59~-l + 37f0 _ 2 - 9f0 _:J (1)
que um mtodo de passo mltiplo explcito pois, para o clculo de Yn+l usaremos y0 , Yn-1'
y0 _2 e y 0 _3 . (Yn+t tem forma explicita em funo dos outros yk' k = n - 1, n - 2, n - 3.)
Observamos que, neste caso, precisamos de quatro valores para iniciar o mtodo.
b) Mtodos implfcitos: os mtodos implcitos, da classe de mtodos de passo

mltiplo, so obtidos quando trabalhamos com xn+l x 0 , , xn-m
O mtodo anlogo ao que vimos no item (a) quando trabalhamos com quatro
pontos; portanto, m = 2 e vamos usar (xn+l' Yn+i), (xn, y0 ), (x0 _p y0 _ 1), (x0 _ 2, y0 _z) da
mesma fonna como fizemos anteriormente:
X
Yn+l "" Yn + f x. n+l Pix) dx =
onde
1
L_1(x) = (x - "n-2)(x - Xn)(x - "a+ 1)/ h(-h)(-2h) - h3 (x - "n-2Xx - Xn)(x - Xn+1>
2
1
Lc,(x) - (x - "n-z)(x - "n-i)(x - "a+ 1)/(2h)h(-h) = - h3 (x - "n-z)(x - Xa-1)(x - "n+i)
2
1
f-i(x) .. (x -Xa_2 )(x -Xa_1)(x - x0 )/ (3h)(2h)(h) - h3 (x - "n-z)(x - "n-i)(x - "a)
6
X-"a
Fazendo a mudana h = s, obtemos, de maneira anloga,
1
L_z(s) = -
6 (s3 - s)
L_1(s) - ~ (s3 + s2 - 2s)
L0 (s) - - ~ (s3 + 2s2 - s - 2)

Li(s) - !{s3 + 3s2 + 2s)
Assim.
h 1 h 1
Yo+1 - Yn - 6 n-2f o {s3 - s) ds + 2 fo-1 :o (sl + s2- 2s) ds -
Donde:
b
Yn+t - Yn + 24 [9n+1 + 19f.i- 5f..i-1 + ~z) (2)
que um mtodo de passo mltiplo implcito pois, no clculo de Yo+l aparece fa+t =
f(xn+l' Yn+i>, ou seja, a frmula no explicita para Yn+l; ele aparece em f(xn+l' Yn+i> no
segundo membro.
Esta a grande dificuldade dos mtodos implcitos. Veremos como eles so utili-
zados nos mtodos de previso-correo, assunto do prximo item.
Sobre os erros:
Mtodo explcito
A frmula que estabelecemos y n+l - y O + ! {55~ - 59o-1 + 37>-2 - 9-1_3) foi obtida
X X
quando aproximamos J 0

1
f(x, y(x)) dx J o+i p3(x)dx onde p3(x) o polinmio que inter-
x X0
pola f(x, y(x)) em x0 , X .p

0
x 0 _2, x0 _3 .
Sabemos, da teoria da interpolao, que:
f{iv)(~, y(~))
f(x, y(x)) - plx) + (x - ~~x - xo-2 )(x - x..1)(x - x.,) 4
,
~ {..,..1 f(x , y(x)) dx - J xll+l 1>3(x)dx +

X X
D D
l J xo+I
+ 41 x (x - ~~(x - "-2)(x - ~-l)(x - ~) I'1v ~ ~ ) ) dx.
LI" )
Assim, o erro cometido
b5 1
f
=- - ,
4. o
(s + 3)(s + 2)(s + l)s{<iv)~, y(l;8)) ds.
Como g(s) = s(s + l)(s + 2)(s + 3) no muda de sinal em [O, 1), o Teorema do
Valor Mdio para integrais nos garante que existe TI E (O, 1) tal que:
bs t . bs . i bs . 251
J
4! o g(s}t<IV)(l;s, y~)) ds 41 f(iv)(Tt, Y(Tt)) f o g(s) ds - 24 t<iv>c11, y{Y))) 30
portanto:
Mtodo implcito
De forma completamente anloga obtemos uma expresso para o erro cometido no mtodo
visto aqui:
e(+1) = ;, f :n+1 (x - -2)(x-xn-1)(x -xn)(x - xn+J)f(iv)(x, y(~)) dx

a
J
= -h 5 1 g(s) y(v)(!;) ds onde
4! o s
g(s)=(s+2)(s+ l )s(s- l)= (s+2)s(s2 - 1) que sempre menor ou igual a zero

em [O, 1). Assim, existe 11 e (0, 1) tal que:
Exemplo 6
Seja o PVI do Exemplo 4
=
l
y' 0.04y ~ f(x, y) = 0.04y
y(O) = l 000
para o qual queremos usar o mtodo de Adams-Bashforth, (1), para aproximar y(2), com
h = 0.2.
J observamos que, para iniciar este mtodo precisamos de quatro valores. Como
conhecemos a soluo exata y(x) = lOOOe0-04 x, vamos ento usar esta soluo para encon-
trar y0 , YJt y2 , y 3 e, a partir de y 4 , usar a frmula (1 ). Temos a tabela:
~ Yn fn = f(X 0 , Yn) y(~) (sol.exata)

Xo= o.o 1000 40 1000
x 1 = 0.2 1008.0321 40.321284 1008.0321
X2 = 0.4 1016.1287 40.645148 1016.1287
x3 = 0.6 1024.2903 40.971612 1024.2903
X4 = 0.8 1032.517487 41.30069948 1032.5175
X5 = l.O 1040.810756 1040.810774
Podemos deduzir inmeros mtodos de passo mltiplo baseados em integrao

numrica, conforme fizemos aqui. Se, por exemplo, em vez de integrar f(x, y) de x 0 at
xn+l' integrarmos de ~-p at xn+l para algum inteiro p :;;,: O, e novamente aproximarmos
f(x , y) y'(x) Pm(x) que interpola f em x0 , x0 _1' . , xn-m' obteremos os mtodos expl-
citos:
1
Yn+l = Yo-p + hf-p Pm(s)ds (3)
Note que se p = O em= 3 teremos o mtodo de Adams-Bashforth que deduzimos

no texto.
Uma das principais desvantagens de frmulas de passo mltiplo que, como

dissemos, elas no se auto-iniciam. No Exemplo 6, como conhecamos a soluo exata,
usamos os valores dados por ela para iniciar nosso mtodo; em geral os valores iniciais so
obtidos por algum outro mtodo do tipo srie de Taylor ou Runge-Kutta; devemos, no
entanto, tomar o cuidado de usar mtodos que nos forneam valores iniciais, pelo menos to
precisos quanto os que o mtodo de passo mltiplo que vamos usar vai nos fornecer.
;,.
8.2.3 METODOS DE PREVLSAO-CORREAO
- ...
Anteriormente falamos sobre mtodos deduzidos por integrao num.-rica. Tratamos com
mais detalhes de uma classe particular de mtodos explcitos de passo mltiplo. Em geral,
frmulas deduzidas por interpolao de f(x, y(x)) em x0 e pontos anteriores so conhecidos
como frmulas do tipo abertas.
Deduzimos tambm um mtodo implcito; mtodos desse tipo, onde usamos

tambm xn+l para construir o polinmio de interpolao de f(x, y(x)) so conhecidos com o
frmulas fechadas.
A frmula implcita que deduzimos
Yn+l = Y0 + ! (9~+l + 19n - 5~_1 + f 0 _ 2) e, a menos que f(x, y) seja uma funo
linear, em geral no seremos capazes de resolver a expresso acima para Yn+i
O que fazemos ento tentar obter Yn+l da seguinte forma iterativ a:
i) por meio de um mtodo explcito (corretamente escolhido) encontramos uma

primeira aproximao Y~'!\ para Yn+1;
ii) calculamos ento, para fn+l' o valor f(~+l' Yi~1);
iii) com o valor de fn+l obtido em (ii) encontramos uma prxima aproximao
para Yn+l' y~~1, usando agora o mtodo implcito que escolhemos;
iv) voltamos para (ii), onde agora calculamos, para fn+l f(Xu+l YhV1) e assim
vamos repetindo o processo at que duas aproximaes sucessivas sejam tais
que
1Y~~\ - Y~~l l) 1/ 1y~~l 1 < E onde E a preciso desejada.
Observamos que, ao escolher E temos de considerar o erro da frmula usada para

calcular y~1 bem como o tamanho do passo h.
Suponhamos que para achar fo~\ para a frmula implcita (2) que deduzimos,
desejemos usar o mtodo de Adams-Bashfiorth (1):
Quando usamos um par de frmulas como o par acima, a frmula explcita, tipo
aberta, chamada um previsor e a frmula implcita, tipo fechada, chamada um corretor.
A frmula implcita que descrevemos conhecida como a frmula de Adams-

Moulton de 41 ordem.
O par previsor-corretor, dado por Adams-Bashforth e Adams-Moulton, pode ser

sintetizado no algoritmo abaixo:
ALGORITMO: o mtodo prevlsor-corretor de Adams-Moulton

Seja o PVI:
y' f(x, y)
{ y(xo) Yo, xn, - Xo + nh, n = o, 1, ... ;
dado E > O, e, determinados, de alguma forma, y 1' y2 e y 3,

Cap. 8 Sol~es numricas de equaes diferenciais ordinrias:... 349
para n = 3, 4, 5, . .. , N, faa:
a) calcule Yh~1 por
e) para k = 1, 2, . .. , calcule
d) Continue as iteraes at atingir um nmero mximo de iteraes ou at que
Observamos que N o nmero de ns que precisamos; por exemplo, se num PVI

temos y(O) e queremos y(l), com h = 0.1, ento N = 10.
natural questionarmos: 1) Sob que condies temos garantia que {y~~1 } conver-
ge para Yn+l? i{) Quantas iteraes do corretor sero necessrias para atingir a convergncia
na preciso t desejada?
A experincia responde o item (ii) dizendo que, se o par previsor-corretor da
mesma ordem, apenas uma ou duas iteraes do corretor sero necessrias para atingirmos
a convergncia, desde que h seja convenientemente escolhido.
A resposta questo (i) se encontra no teorema abaixo, cuja demonstrao pode

ser encontrada no Captulo 8 da referncia [5].
TEOREMA 1
Se f(x, y) e af/ay so contnuas em x e y em todo o intervalo [a, b], as iteraes do mtodo
corretor vo convergir, desde que h seja escolhido de tal forma que, para x = xn e todo y
,,::: 1Yn+l
com 1Y - Yn+l 1 ......, (O) - Yn+l 1, h 1ay
af 1 < 2
Exemplo 7
Seja o PVI:
-y2 ~ f(x,y) - -y2. Seja ainda E - 10- 4
l
y' ,.,
y(l) 1
Sabendo que a soluo y(x) = 1/x vamos us-la para calcular Yp y 2, y3 para usar
o previsor-corretor do algoritmo.
M
Observe que iJy .. -2y. Ento, segundo o Teorema 1, qualquer h tal que
21 y Ih < 2, ou seja, h < I; I , garante a convergncia.

Tomemos h = 0.1.
Assim,
1 1 1
Yo ... 1, y1 = Ll = 0.9090909, y2 1. 0.8333333, y3 1. 0.7692307.
2 3
Agora, f(x, y) =-y2. Chamando fk =f(xk, yk),

Yo 1 ~ fo- -1
y1 = 0.9090909 ~ fl - -0.8264462
y 2 - 0.8333333 ~ f2 = -0.6944443
y 3 = 0.7692307 ~ f3 - -0.5917158 .
Ento, temos
= 0.7692307 + ~: [55(--0.5917158) - 59(--0.6944443) +

+ 37(-0.8264462) - 9(-1)]
-0.7144362
=> fS,0) '"' f(x 4, y~)) - - (y~0))2 - - 0.510419.
Com estes dados usamos o corretor para obter
h
Yil) = y3 + [9fS,O) + 19~ - 5fi + f 1] = 0.7692307 +
24
+ ~ [9(-0.510419) + 19(-0.5917158) -5(-0.6944443)- 0.8264462]
=> y~1 ) = 0.7142698 => ~ 1) ... f(x , y~1)) - -(yi1))2 = -0.5101814.

4
Assim,
Temos que:
=> Y4 - '/42 ) 0.7142787.
Para continuar o processo, calculamos f(x 4 , yJ e voltamos ao uso do previsor

para y~O), etc.
Os resultados computacionais obtidos para h = 0.1 e e - 10- 4 so os seguintes:
Usando o mtodo de Runge-Kutta de 411 ordem, obtivemos:
y(l.l) - y1 0.9090912
y(l.2) - y2 = 0.8333338
y{l.3) - y3 = 0.7692312.
Em seguida, aplicando o previsor-corretor de Ada.ms-Moulton:
valor previsto para y(l.4): 0.7144367 e, aps duas iteraes do corretor:
y(l.4) - 0.7142793.
E, para x - 1.5 os resultados so:
valor previsto : 0.6667548
valor corrigido, aps duas iteraes: 0.6666568.
Os valores que obtivemos para y, neste exemplo, so todos menores que 1. Agora,
de acordo com o Teorema 1 teremos de ter h < I; I Como Iy 1< 1 .0, ento I; I > 1.0 e,
portanto, h ... 0.1 satisfaz realmente esta exigncia, ou seja, a convergncia est garantida.
8.3 EQUAES DE ORDEM SUPERIOR
comum encontrarmos equaes diferenciais de ordem m escritas na forma:
u<m) - f(x, u, u ', u 11, , u<m-l)), como por exemplo:
u"' -f(x, y, y', y") - x2 + y2 sen (x + y)- (x + l)y " - cos (xy') + (x2 - l)y.
fcil transformar uma equao de ordem m deste tipo num sistema de m equa-
es de ordem 1, assim:
z1 - u
, ,
z1 = U '"' Zz
z2 - u" - 2J
' -- u"' z4
Z3
z'.m-1 u <m - l) = .nz

z' m u<m) .., f(x, u, u', ..., u<m - 1))
Cap. 8 Solues numricas dl! equaes diferencim.s ordin4rias:... 353
No exemplo anterior, fazemos
y' - z
z ' w( y")
[ w ' - f{x,y,y', y "). Para esta equao j vimos que:
y(O) - 1.1, y '(O) - z(O) - 2.2, y " (O) w(O) 3.3.
Equaes de ordem m, deste tipo, podem pois ser vistas como uma equao
vetorial de ordem 1. No exemplo anterior, chamando:
Y- ( ~
w
l a equao transformada : Y- ( :
f(x, y, y ', y " )
]-( :
f{x, y,z, w)
)
com Y(O) - y{O)

z(O)
( w(O)
l(l 1.1 , ou seja, temos de resolver a equao vetorial:
2.2
3.3
Y- F(x, Y)- zw
[ x2 + y2 sen(x + y)- (x + l)w- cos (xz) + (x2 - l)y
l
Y{O) 1.1
2.2
( 3.3
l
Vamos aplicar o mtodo de Euler Aperfeioado, visto na Seo 8.2 .1, para uma
equao diferencial de 21 ordem, como:
y " f(x, y, y')

y(O) Yo
{ y '(O) Yo.
Inicialmente transformamos esta equao num sistema de duas equaes de 111

ordem. Assim, fazendo:
y ' ... z ~
! y" - z ' = f(x, y, y' ) - f(x, y, z), e
chamando Y ... ( Y ), ento o PVI inicial se transforma em

z
Y = ( ~; )-( f(x,; , z) )- F(x, Y) .. F (x, (:))
y(O)) ... ( Y
Y(O) ( z(O) Yo = Yo l
O mtodo de Euler Aperfeioado, para uma equao
Yn+l Yn + ~ [f(xn, y0 ) + f(x0 + h, Y0 + hy~)].
Assim, no nosso caso:
Agora,
Temos, pois,
h
Yn + 2 [2~ + hf(xn, Yn, zn)]
=
b
zn + 2 f(xn, Yn zn) + f(xn + b, Yn + hzn, zn + hf(xn, Yn, zn))
Ento
h2
Yn + ~ + 2 f(xn, Yn, 2 n)
y n+1
h h
zn + 2 f(~, yn' ~) + 2 f("-o + b, yn + hzn, zn + hf(xn, y ' zn))
Chamando
Assim, dado o PVI:
y"=4y'-3y-x
y(O) 4/9
{ y'(O) - 7/3
e, tomando h = 0.25, teremos:
l
y' =z
z' = f(x, y, z) =4z - 3y- x
Y=(Y),F(x,Y)=( z Je Y=( 419 J.

0
z 4z -3y-x 7/3
O mtodo de Euler Aperfeioado aplicado a este PVI fornecer para y 1 "' y(0.25):
=0.25 X
24
J =0.25 8 =2.0
X
= 0.25f(0.25, 1.028, 4.333) = 0.25(4 X 4.333 - 3 X 1.028- 0.25)
=0.25 X 13.998 = 3.4995.
Assim:
4 7 0.25
+ 0.25 X + X 2
=
9 3 2
37 + 1
2 (2 + 3.4995)
"' ( 1.278 )
5.083
Temos pois
y(0.25) - 1.278
j y '(0.25) 5.083.
8.4 PROBLEMAS DE VALOR DE CONTORNO -

;
O METODO DAS DIFERENAS FINITAS
A forma mais geral dos problemas de contorno aos quais nos referiremos :
y li f( X, y, y ')
1Y(a) + b1y '(a) Y1
32y(b) + b2y'(b) y2
onde a1 , 32, bp b2, y1 e y2 so constantes reais conhecidas, tais que nem a1 e bi, nem 32 e
b2 sejam nulas ao mesmo tempo.
Se f(x, y, y') O, y1 - y2 O o problema acima dito problema homogneo e

bvio que y(x) O soluo, neste caso.
Para as aproximaes desta seo, precisamos do conceito a seguir:
Definio: Dizemos que g(h) O(hP), se existe uma constante C > O tal que
1g(h) 1 ~ C IbP 1,
A idia bsica do mtodo das diferenas finitas transformar o problema de

resolver uma equao diferencial num problema de resolver um sistema de equaes alg-
bricas, usando para isto aproximaes das derivadas que aparecem na equao, por dife-
renas finitas.
Faremos Xo .. a, x0 - b e dividiremos o intervalo [a, b] em n partes iguais de

b-a
comprimento h - - - , cada.
n
Assim,
Se f(x, y, y') for linear (em y e y') o sistema a ser resolvido ser linear e podere-
mos utilizar os mtodos do Captulo 3 para resolv-lo. Se f(x, y, y' ) for no linear, teremos
um sistema no linear de equaes algbricas e, para resolv-lo, podemos utilizar os mto-
dos vistos no Captulo 4.
As aproximaes mais usadas para a primeira derivada no ponto xi so:
Yi+l - Yi
a) y'(xi) .. diferena avanada
h
Yi - Yi-1
b) y'(x) .. diferena atrasada
h
Yi+l - Yi-1
e) y'(xi) = diferena centrada
2h
A figura a seguir mostra estas aproximaes, do ponto de vista geomtrico:
Xi-1 Xi+1 ~+1
(a) (b) (e)
Figura 8.S
Obviamente estaremos cometendo um erro quando usarmos (a), (b) ou (e) para
aproximar y'(xi). Supondo y(x) com tantas derivadas quanto necessrias, a frmula de Taylor de
y(x) em torno de xi o ferramental matemtico que utilizamos para medir o erro local cometido.
Sabemos que existe ~ entre x e xi tal que
Assim, para k = 1,
e, no ponto x = x i+I = x i + h,
Assim,
Ento
J(j() Clculo Numrico Cap. 8
Aproximando os valores exatos y(xi+l) e Y("i) por estimativas Yi+l e Yi a serem

obtidas, temos:
Se y "(x) for limitada em [a, b], ou seja, se existe M > Otal que I y"(x) 1 ~ M para
todo x em [a, b], ento a expresso anterior para aproximar y'(xi) O(h) pois
- y" (si+l)
2 h
Tomando agora k = 2, a expresso (1) fica:
y "("i) y"'(~)
y(x) y(xi) + y '(xi)(x - "i) + 2 (x - xi)2 + 3! x (x - ~ )3.
Se x = x,+1'
(2)
Se x = xi-1'
y"(x.) y"'(~ )
y(xi-1) y(xi) - y '(xi)h + 2 t h2 - 6 -1 h 3 . (3)
Fazendo (2) - (3), teremos:

Cap. 8 SolUfes numricas de equaes diferenciais ordinrias:... 361
2
'( .) = y(~+l)-y(~
y X; 2h
- 1) _ h [
12 y
"'('"
',j+t
)+ "'('" )]
y "i- 1
- O(
donde y, (xi) ' Yi+t -h Yi- 1 e esta aproximaao
. . h2) , supondo y '"(x) limi.tad a em [a, b] .
2
De maneira anloga se prova que a frmula (b ) O(h), o que deixado como

exerccio.
Desta anlise conclumos que o erro na f6.rmula centrada da ordem de h 2 e,

oom.o h < 1, esta frmula mais precisa que as outras duas. Por esta razo ela mais
empregada
Ufilizando novamente a srie de Taylor. deduziremos a aproximao mais tpica

pao. a clcrivada segunda, bem como a expresso do erro para ela. Para tal, usaremos (1) com
k =3 nos pontos ~ e '- t respectivamente:
(4)
(5)
E, agora, (4) + (5) nos fornece:
Yi+l - 2Yi + Yi-t 2

Assim temos a expresso (d), ou seja, y"(x,) "" h com erro da ordem de h ,
2
se y(iv)(x) for limitada em [a, b].
Uma outra forma de encontrar a expresso acima para aproximar y"(x-j) enco-
trar a parbola pix) que interpola y(x) em xi-1' xi e .xi+l e ento aproximar y"(xi) por
Pz' (x/ O leitor interessado deve verificar os clculos.
Mostraremos o mtodo das diferenas finitas atravs de exemplos numricos:
Exemplo 8 (PVC linear)
y"(x) + 2y'(x) + y(x);: x

y(O) = 0
{ y(l) =-1
Fixado n, o espaamento b ser .!n e o intervalo [a, b] ser dividido em Xo = O,

x 1 ;: h, ... , xj ;: jh, ... , ~-l = (n - l)h e = 1. Como conhecemos y(O) = y(Xo) e y(n) = Y(),
teremos como incgnitas y 1, y2, ... , y0 _ 1 e assim, para cada i = 1, ... , (n - 1) usaremos as
aproximaes:
pois ambas so aproximaes de O(b2).
Para cada i, a equao discretizada fica:
Yi+ l - 2Yi + Yi- t

h2
(1 - h)yi-1 + (h2 - 2)yi + (1 + h)yi+I = ih3.
Agora, para i = 1, usando a condio inicial Xo =O e y(Xo) =O, a primeira equao :

Cap. 8 Solues numricas de equaes diferencio.is ordinrias:... 363
Analogamente para i - n - 1, a ltima equao :
(1- h)y 0 _ 2 + (h2 - 2)y0 _ 1 (n - l)h3 + (b + 1).
Assim, para determinar Yp y 2, .. , Yn-1> teremos de resolver o sistema de equaes

algbricas lineares:
(h2 - 2)y1 + (1 + h)y2 - h3

(1 - h)yi-1 + (h2 - 2)yi + (1 + b)yi+l - ih3, 2 !!:: i .,.. (n - 2) (6)
(1 - h)Yn- 2 + (h2 - 2)Yn-l .. (n - l)h3 + h + 1
que um sistema de ordem (n -1) com matriz A tridiagonal, dada por:
dl 1
~ di Ci
A ~ ~
n-2 dn-2 cn-2

n-1 dn-1
onde
dj .. (h2 - 2), 1 .,.. i <'5 (n - 1)

ci - (1 + h) , 1 !!:: i .;.; (n - 2)
i = (1 - h) , 2 .;.; i .;.; (n - 1).
A Tabela 8.1 a seguir mostra os resultados obtidos quando resolvemos o sistem~

anterior com h - 0.05 eh .. 0.1.
Os valores na coluna sol mostram a soluo exata., 2e-x(l - x) + x - 2, tabelad2

nos mesmos pontos. A ltima coluna, erro, mostra o valor absoluto da diferena entre ~
soluo exata e a que encontramos, componente a componente. Conforme podemos obser
var, o erro cometido menor que h2 em todos os casos.
364 C4lculo Numrico Ca:p. 8
Tabela 8.1
h = 0.05
X y sol. erro
0.0500 -0.1428 -0.1427 0.0001

0.1000 -0.2715 -0.2713 0.0002
0.1500 -0.3870 -0.3868 0.0002
0.2000 -0.4903 -0.4900 0.0003
0.2500 -0.5821 -0.5818 0.0003
0.3000 -0.6632 -0.6629 0.0003
0.3500 -0.7342 -0.7339 0.0003
0.4000 -0.7959 -0.7956 0.0003
0.4500 --0.8489 -0.8486 0.0003
0.5000 -0.8938 -0.8935 0.0003
0.5500 -0.9310 -0.9307 0.0003
0.6000 -0.9612 -0.9610 0.0003
0.6500 -0.9848 -0.9846 0.0002
0.7000 -1.0023 -1.0020 0.0002
0.7500 - 1.0140 -1.0138 0.0002
0.8000 - 1.0204 - 1.0203 0.0001
0.8500 - 1.0219 - 1.0218 0.0001
0.9000 - 1.0188 -1.0187 0.0001
0.9500 -1.0114 - 1.0113 0.0000
h = O.l
X y sol. erro
0.1000 -0.2720 -0.2713 0.0007

0.2000 -0.4911 -0.4900 0.0011
0.3000 -0.6641 -0.6629 0.0013
0.4000 -0.7969 -0.7956 0.0013
0.5000 -0.8947 -0.8935 0.0012
0.6-000 -0.9620 -0.9610 0.0010
0.7000 - 1.0029 - 1.0020 0.0008
0.8000 - 1.0208 -1.0203 0.0006
0.9000 - 1.0190 - 1.0187 0.0003
Cap. 8 Solues numricas de equaes dife~nciais ordinrias:... 365
Exemplo 9 (PVC no linear)
l
y" = y sen y + xy
y(O) = 1
y(l)= 5
Neste exemplo, as incgnitas so: y" y2 .... , y n- l e usaremos
,, Yi+l - 2yi + Yi-1 .

y (x.) - , para 1 ~ 1 ~ (rn - 1).
1 b2
Assim, para cada i a equao discretizada fica:
Yi+I - 2 Yi + Yi- 1 .
b2 = y,i sen(yi) + ~yi e, usando o fato que xi= ili, teremos:
O sistema (n - 1) x (n - 1) de equaes no lineares a ser resolvido ser:
1-y 1[2+h2(sen(y1)+b)]+y2 = O
2 2 ~ ~ (n-2)
Yi-1 + Yi[2 + h (sen(yi) +ih)]+ Yi+l = O, i
Os resultados obtidos para h =0.1 e h =0.05 esto na Tabela 8.2 a seguir:

Tabela 8.2
Para h =0.1
Y(i) Resultado
Y1 1.3186
Y2 1.6513
Y.3 2.0037
Y4 2.3803
Ys 2.7829
Y6 3.2091
Y1 3.6525
Ys 4.1035
Y9 4.5538
Para h =0.05
Y(i) Resultado
Y1 1.1581
Y2 1.3190
Y3 1.4834
Y4 1.6521
Ys 1.8257
Y6 2.0049
Y1 2.1901
Ys 2.3817
Y9 2.5798
Y10 2.7842
Y11 2.9945
Y12 3.2101
Y13 3.4299
Y14 3.6528
Y1s 3.8777
Y16 4.1034
Y11 4.3288
Y1s 4.5534
Y19 4.7770
As condies de contorno poderiam ter sido dadas de forma diferente da que

fizemos nos Exemplos 8 e 9. No Exemplo 8, se em vez de y(O) = O tivssemos
y(O) + y'(O) + 3 e, ento teramos como incgnitas y0, y1, ... , Yn-i n incgnitas, portanto.
Uma idia para resolver este problema usar a aproximao por diferena avan-
Y1 - Yo
ada para y '(x0), ou seja, y '(Xo) = h e assim a condio inicial dada fica
Y1 - Yo
yO + h + 3 = e, donde
h(e - 3) - y1
(h - l)y0 + y1 - h(e - 3) e Yo - h_1
Substituindo este valor na primeira equao, continuaimos com o sistema

(n - 1) x (n -1) anterior, s que com a seguinte equao como primeira equao:
(h2 - l)y1 + (1 + h)y2 = h(e - 3) + h 3. (7)
Neste caso fizemos uma opo por uma frmula que O(h) para aproximar
y'(x0); o que faz com que a preciso da soluo seja tambm O(h).
Podemos obter uma aproximao da ordem de h2, se usarmos diferena centrada

tambm em y '(x0), o que exige que incluamos mais um ponto (x_1, y_1) na nossa tabela.
Com isto y(O) + y'(O) + 3 - e nos fornece a condio para determinar as n incgnitas:
Y1 -Y-1
Yo, Yp ... , Yn-1: Yo + h + 3 - e, donde
2
y_1 = 2hy0 + y1 - 2b(e - 3). (7)
Assim, usando i = O como ponto de discretizao para o problema do Exemplo 8,

teremos a equao adicional:
(1 - h)y _1 + (h2 - 2)y0 + (1 + h)y 1 - h2x_1 - -h3 donde, por (7),
(1 - h)[2hy0 + y1 - 2h(e - 3)] + (h2 - 2)y0 + (1 + h)y1 -h3 , ou seja:
(-h2 + 2h-2)y0 + 2y1 - 2h(l - h)(e - 3)- h3.

3:68 Clculo Numrico Cap. 8
Ento o sistema de equaes lineares a ser resolvido o sistema o x o:
(-h 2 + 2h- l)y0 + y 1 =2h(l - h)(e - 3)-b3

(1 - h)yi-l + (b2 - 2)yi + (1 + h)yi+ 1 =ib3, 1 ~ i ~ (n - 2)
(1 -h)y0 _ 2 + (b 2 - 2)yo--l =(n - l)h3 + h + l
EXERCCIOS
1. O mtodo de Euler Modificado deduzido a partir da figura abaixo:
Yn+1
Yn
'~ h/2-,
Xn - h - - x n +1 = x,,+h X
y(x): soluo exata da equao diferenci,al y ' = f(x, y).

Li: z 1(x); reta que passa por (xn y0 ) e tangente a y(x) em (x0 , y0 ).
L2: zz(x); reta que tem inclinao f(P).
L3: z(x); reta que passa por (x0 , yJ e paralela a

Yn+I =z(x 0 + h).
Deduza a expresso de y n+ 1.
Cap. 8 Solues numricas ~ equaes diferenciais ordinrias:... 369
2. O problema de valor inicial:
y ' =-20y
y(O) - 1, tem por nica soluo exata y(x) - e- 20x.

1
a) Verifique a afirmao acima.
b) Verifique que qualquer mtodo de Runge-Kutta de 2 ordem, quando aplicado a

este problema, nos fornece
Yn+l = (1 - 20h + 200b2)0+1, n O, 1, 2, ... .
3. Dado o PVI abaixo, considere h = 0.5, 0.25, 0.125 e 0.1.
y ' - 4 - 2x
l y(O) 2.
a) Encontre uma aproximao para y(5) usando o mtodo de Euler Aperfeioado, para
cada h.
b) Compare seus resultados com a soluo exata dada por y(x) = - x2 + 4x + 2.
Justifique.
e) Voc espera o mesmo resultado do item (b) usando o mtodo de Euler? Justifique.
4. a) Verifique que fazendo m - 1 e p-1, nos mtodos (3) do texto, obtemos o mtodo
Yn+l Yn-l + 2~ com erro h; y '"(;).
b) Em termos de esforo computacional, como voc o compara com o mtodo de

Euler?
e) E quanto preciso?
5. Considere os mtodos (3) do texto. Faam. 3 e p - 3 e deduza o mtodo bem como

a expresso do erro.
6. a) Deduza o mtodo implcito para resolver o PVI:
y ' ... f(x, y)
Jxn
X
Y(Xo) Yo, do tipo Yn+l Yn + nl f(x, y(x)) dx onde
usamos a regra dos Trapzios para calcular a integral acima.
b) Encontre a expresso do erro cometido.
e) Compare com o mtodo de Euler, em termos de erros.
7. a) Considerando o seguinte PVl:
y' = 0 .04y
j y(O) 1000
e supondo conhecidos y1 e y2 , verifique que o mtodo (2) do texto nos fornece Yn+t
explicitamente para n ;;;;. 2.
b) Como voc explica o resultado acima sendo (2) um mtodo impleito?
8. Use vrios mtodos e vrios valores de h para encontrar y(2) sendo dado o PVI:
y' cosx + 1
{ y(O} = -1 .
9. Dado o PVI y' = - x , y(O) = 20, deseja-se encontrar aproximao para y(16). Resolva
y
por
a) Runge-Kutta de 2 11 ordem, h = 2.
b) Runge-Kutta de 411 ordem, h = 4.
e) O par previsor-corretor do texto.
) Comente seus resultados.

Cap. 8 Solues numricas de equaes diferenciais ordindrias:... 371
10. Substitua y'(x) no PVI abaixo por [y(x + h) - y(x)]/ b e obtenha uma equao de dife-
renas para aproximar a soluo da equao diferencial.
Faa h =0.2 e h = 0.1 e encontre, em cada caso, uma aproximao para y(l .6). Analise os
resultados.
1
y' = - (2y + X + 1)
X
y(l) = 0.5.
Soluo exata: y(x) = 2x2 - x - 1/2.
(O mtodo de diferenas finitas descrito aqui uma outra maneira de aproximarmos

solues de problemas de valor inicial.)
11. Use a aproximao do Exerccio 10 para o problema do Exerccio 3. Analise os resultados.
12. a) Reduza y"' + g 1(x, y)y" + g2(x, y)y' = g3(x, y) a um sistema de trs equaes de 1
ordem.
b) Como fica o mtodo de Euler para esta equao?
13. Reescreva as seguintes equaes como um sistema de equaes diferenciais ordinrias de

li ordem:
a) [ y<4>+ cos(x)y"' + e-x y" - (x2 + l)y' + xy = 2x sen(xy)

y(O) = O, y'(O) = 1, y"(O) = 2, y"'(O) =3
b) [ y"' + (xy")2/(1 + y')2 + log(l + y) =O

y(O) =y'(O) =O, y"(O) = 1.
14. Resolva o PVI do Exerccio 10 por outros mtodos e vrios valores de h.
15. Calcule y(l) para y ' Y- x; y(O) 2, utilizando Euler e Runge-Kutta de 41 ordem com
h - 0.2. Comparar seus resultados com os valores exatos de y(x) nos pontos xi, sabendo
que y(x) = exp(x) + x + 1.
16. Considere o PVI
l
y' (y2 - 1)/(x2 + 1)
y(O) '"' 1 .
a) Calcule aproximaes para y(l), usando o mtodo de Euler com h 0.2 e h ... 0.25;
b) Repita o item (a), usando agora o mtodo de Euler Aperfeioado.
17. Considere o PVI
l
y' - yx2 -y
y(O) - 1 .
a) Encontre a soluo aproximada usando o mtodo de Euler com h = 0.5 eh 0.25,

considerando x E [O, 2];
b) idem, usando Euler Aperfeioado;
e) idem, usando Runge-Kutta de 41 ordem;
d) sabendo que a soluo analtica do problema y - exp(-x + x 3/3), coloque num

mesmo grfico a soluo analtica e as solues numricas encontradas nos itens
anteriores. Compare seus resultados.
18. Determine y(l) para y" - 3y' + 2y - O, y(O) - -1, y '(O) = O utilizando o mtodo de
Euler com h = 0.1.
Cap. 8 Solut;6es numricas de equaes diferenciais ordinrias:... 373
19. Considere o problema:
y" + 7y O
y(O) - 2
1 y '(O) = O
com x E (O, 1).
a) reescreva os mtodos de Euler e E uler Aperfeioado para resolver este problema

como um sistema de equaes de 11 ordem;
b) resolva o problema usando Euler Aperfeioado eh - 0.25.
20. Escreva a equao de 21 ordem:
y"(x) - 2(exp(2x) - y2) 112

y(O) O
y '(O) .. 1.
como um sistema de equaes de 11 ordem e resolva-o, para x E [O, 0.6], usando

h-0.2:
a) pelo mtodo de Euler;

b) pelo mtodo de Euler Aperfeioado.
21. Considere o PVI
l
y' - y
y(O) - 1.
a) Mostre que o mtodo de Euler Aperfeioado, quando aplicado a esta equao,

fornece:
Yk+l - (1 + b + h212)k+1.
b) Comparando com a soluo exata do problema, voc esperaria que o erro tivesse
sempre o mesmo sinal? Justifique!
374 Cl-culo Nwnrico Cap. 8
22. a) apresente a frmula de iterao para o mtodo de Taylor de ordem 2 aplicado ao

PVI abaixo:
Jy'+yx
l y(O) - O
sendo h = 0.1;
b) verifique que y(x) = exp(-x) + x - 1 soluo do PVl;
e) calcule um limitante superior para o erro do mtodo obtido em (a).
23. Considere a equao diferencial y' - y seo y + x com a condio inicial y(O) l. Calcu-
le y '(O), y"(O) e y"'(O). Utilizando esta informao, calcule aproximadamente y(0.2).
24. Resolva pelo mtodo de diferenas finitas, o PVC:

y" +2y ' +y = X
l y(O) - 2
y(l) - o ,
usando h = 0.25.
25. Formule, por diferenas finitas, sistemas de equaes cuja soluo aproxime a soluo
dos seguintes problemas de contorno:
a) y " ... y sen(y) + ty

y(O) - 1
y(l) .. 5
b) y" 2y+y3 -t
y(O) - 4
y(6) 2
26. Mostre que a aproximao (b) O(h).
27. Deduza a aproximao (2) para y " (Xj) usando a aproximao de y(x) por pz(x), confor-
me sugerido no texto.
28. Resolva o Exemplo 8 com os mesmos valores de h mas com condio inicial
y(O) + y '(O)+ 3 = e, das duas maneiras propostas no texto.
APJ:NDICE
RESPOSTAS DE EXERCCIOS
CAPTULO 1
1. X = (37) 10 = (100101)2
y = (2345)10 = {100100101001)2
z = (0.1217)10 = (0.000111110010...)z
2. X= {101101)z = (45)10
y ={110101011)z = (427)10
z = (0.1101)2 = (0.8125\0
w =(0.111111101)2 =(0.994140625)10
3. a) X +y+ Z = 0.7240 X 104 1ERx+y+z 1 < 10-3
b) X - y - Z =0. 7234 X 104 1 ERx- y- z 1 < 1.0002 X 10- 3
e) x/y = 0.3374 X 108 1E'RxJy 1 < ~ X 10-3
d) (xy) / z = 0.6004 1E}\xy)/z 1 < 10-3
e) x(y/z) = 0.6005 1 E~(y/z) 1 < 10-3
376
Apndice Respostas de Exercfcios 377
4. 1ERu1< 1o-t+1 e 1ERJ < lO-t+ 1
5. 1ERul < 10-1+ 1 e
6. e
9. a) m = 0.1000 x 10-5 = 10-6

M = 0.9999 X 105 = 99990
b) no arredondamento: 0.7376 x 102

no truncamento: 0.7375 x 102
e) a+ b = 0.4245 x 105 + 0.00003 x 105 = 0.42453 x 1<>5.

Mas o resultado ser armazenado com 4 dgitos na mantissa, portanto:
a+ h = 0.4245 X 105
) S = 0.4245 X 1()5
e) S = 0.4248 X 105
f> Observar que a opo (wz)/t conduz a um overflow nesta mquina.
CAPTULO 2
1. a) 4cos(x) - e 2x = O
Uma raiz positiva no intervalo [O, 1).

Infinitas razes negativas k nos intervalos [k (- 1t ), (k - 1) (- 1t)],
k = 1, 2, ....
X
b) - tg(x) = O
2
= O uma raiz.
As outras razes esto nos intervalos:
7t 7t
(k7t, k1t + ) para k = 1, 2, 3, ... e (k1t-
2
, k1t) para k = - 1, -2, -3, ...
2
378 Clculo Numrico Apndice
e) 1 - xln(x) = O
E [1, 2].
d) 2x - 3x = O
E [O, 1].
e) x 3 + X - 1000 =0
E [9, 10].
log (bo - ao) - log (e)

3. a) k > log(2) - l.
4. No. Verifique que neste exemplo o mtodo da posio falsa vai manter o extremo
inferior do intervalo fixo e a seqncia gerada no oscila em tomo da raiz. Assim, a
nica possibilidade seria testar se (b - a) < 10-5 , o que no vivel neste caso. Redija
agora uma resposta explicando os detalhes.
5. Observe que a seqncia est oscilando e convergindo para a raiz exata. Neste caso,
obtenha o menor intervalo que contm a raiz.
6. a) Observe que 1/a a soluo da equao ax = 1 que o mesmo que f(x) = a- 1/x =O.
Aplicando o mtodo de Newton, conclua que 1/a pode ser obtido iterativamente
por xk+J = 2xk - axt
e esta expresso no requer nenhuma diviso. Complete a
resoluo do exerccio.
b) 0.230769219 com E< 6.7 x 10-7.
(Observao: A aproximao inicial para o mtodo de Newton tem de ser cuidado-

samente es1.:ulhida.)
7. b) Para qualquer Xo ::/:- O, ela ser oscilante.
e) No. Analise outros exemplos.
8. Pelo Teorema do Valor Mdio temos que xk+I - = q>'(~)(xk- ) com ck entre xk e .
Analise os sinais de xj - , j = O, 1, ....
Apbuiice Respostas de Exercfcis 379
9. a) Observe que 1; - xkl = 1; - xk+l - xk + xk+il, que; = q:>(;) e que X;+i = <Jl(x;) para
todo j.
b) M < 1/2.
1 1
10. q:,(x) = - + - 2
X X
Xo = 1
x1 = 2
x2 = 0 .75
x3 = 3.111 ...
X4 = 0.424744898
X5 = 7 .897338779
x 6 = 0.142658807
X7 = 56.14607424
Calcule <p'(x) e verifique que I q:,'(x) 1 > 1 para I x 1 < 1.
11. a) x = 4.2747827467
b) i = 0.9047940617
e) x = 1.4309690826
12. Obtm a raiz aproximada x = -2.00000007 aps 9 iteraes. Para justificar, observe
que f(Xo) = 3.939 e f (x0) = 0.23.
-
14. a) O ponto xk+l ser a interseco, com o eixo ox, da reta que passa por (xk, f(xk)) e
paralela reta tangente curva f(x) no ponto (x0 , f(x0)).
15. a) MPF obtm i = 0.714753186 aps 8 iteraes.
b) O mtodo de Newton obtm i = 0.71481186 aps 3 iteraes.

380 Cdlculo Numrco Apbrdice
16. a) x = 3.1415926533 com f(i) 2.9 x 10-10 em 2 iteraes.

b) x = 3.14131672164 com f(x) 3.8 x lo-8 em 9 iteraes.
Encontre uma explicao terica para estas respostas.
17. a) 0.128373 < k < 1

b) 0.070913 < k < 0.128373
18. Esta funo tem apenas um ponto crtico. Justifique isto.

Usando o mtodo de Newton com x 0 = 0.5, x= 0.567138988 com E= lo-4.
19. X1 = ~.906179
= ~.538452
~=O
X4 = 0.538452
x5 = 0.906179
20. ; = e E [2, 3),
E= 10-5
MPF
Bisseco Posio falsa Newton Secante
c:p(x) x/ln(x)
Dados "o= 2
(2, 3] [2, 3) Xo = 2.5 x:o = 2 .5 Xt = 3
iniciais
X 2.718276 2.718277 2.718283 2.718282 2. 718283
f(x) 0.4850915 x 10-5 0.47 96514 X 10-5 --0.6421441 X 10-lO --0.64214411 X 10-JO 0.6621836 X 10--8
erro em x 0.15258789 X 10-4 0.2818186 0.1868436 x I o-4 0.1868436 X l o-4 --0.17101306 X lo-4
n iterao 16 4 3 3 5
Apndice Respostas de Eurclcios 381
21. a) f(x) = xe- x - e- 3 contnua em [O, l], f(O) < O e f( l ) > O.
b) 1f(x n>1 = 4.037 x 10-3; x0 = 0.9 est prximo de um zero de f (x); verifique isto.
23. v -_ 2 { p = 0
V - OU _ { p =2 OU
, entao
v-p= 2 p = 0
portanto, pela regra de sinal de Descartes, esta equao ou tem 2 razes ou no tem raiz no
intervalo [O, l ).
24. Usando o teorema de Sturm com a = O e ~ = l verifica-se que p(x) = 3x 5 - x4 - x3 + x + 1 = O

no tem raiz no intervalo [O, 1].
25 Para x0 =l .5, x=3.00072 e f(x) =0.5256642 x l o-5
CAPITULO 3
2. O nmero de operaes da ordem de n 2.
4. e) x = (0.8 0.6 0.4 0.2)T
5. x* = (1 2 1
6. a) Infinitas solues.
b) No admite soluo.
7. Na fase da eliminao pode-se efetuar sobre a matriz dos coeficientes as operaes (i), (ii)
e (iil) enunciadas no Teorema 1. Das propriedades de determinantes temos que:
i) trocar duas linhas resulta numa troca do sinal do determinante.
ii) multiplicar uma linha da matriz por uma constante no nula resulta que o determinante
fica muJtiplicado por esta constante:
382 Clculo Numrico Aphidice
iii) adicionar um mltiplo de uma linha a uma outra linha no altera o valor do
determinante.
Destas propriedades e do fato que o determinante de uma matriz triangular o
produto dos elementos da diagonal, sai facilmente o mtodo pedido pelo exerccio.
9. f) x = (1 1 1 ll
~l
o
10 L O 1
-1
Observar que a matriz A singular.

e
u -(~
-1
o
1
-n
11. b) Constate que a matriz A-1 pode ser obtida atravs da resoluo de n sistemas
lineares:
Ax = e-1 i = 1, ... , n
onde ei a coluna i da matriz identidade de ordem n.
e) A fatorao LU o mtodo mais indicado Gustifique por qu!).
0.2948 0.0932 0.0282 0.0861 0.0497 0.0195

0.0932 0.3230 0.0932 0.0497 0.1056 0.0497
0.0282 0.0932 0.2948 0.0195 0.0497 0.0861
d) A -1
0.0861 0.0497 0.0195 0.2948 0.0932 0.0282
0.0497 0.1056 0.0497 0.0932 0.3230 0.0932
0.0195 0.0497 0.0861 0.0282 0.0932 0.2948
13. Se A= LDU, o vetor x ser obtido resolvendo:

Ly = b, Dz = y e Ux = z.
-0.848 -0.156 0.720)

16. A-1 = 0.136 -0.008 -0.040 .
( 0.072 0.084 -0.080
17. x = (1 0.94)T usando o arredondamento.

x = (0.93 1.l)T usando o truncamento.
Apndice Respostas de Exerccios 383
18. a) i = (-0.02127 0.2206)T.
b) No tem soluo.
21. Demonstre que xTcx > O, x E R , x "'O, e observe a necessidade da matriz A ter posto
completo.
22. 13 = mx 13i - 0.2 < l e x = (1 1 lf;

1-.;i-.;3
13 = m:x 13i = 0.3281 < 1 e

1 -.; i -.; 4
x* = (0.36364 0.45455 0.45455 0.36364)T.
23. a) 1 k 1 > 4.
b) k = 5 e, usando x<O) = (O O O)T, obtemos x<2) = (0.04857 0.25 0.20734)T.
25. a) As seqncias geradas por Gauss-Jacobi e Gauss-Seidel no convergem para a

soluo.
b) Permutando as equaes, os mtodos geram seqncias convergentes para
x* = (1 - l )T.
28. a) Calculando o vetor r(k) = A.x(k) - b e verificando se
m:x I ri 1 < onde ... O (E ... 10-4, por exemplo).

1-.;i~n
29. A soluo x* = (1 1 1 1 1? pode ser obtida facilmente, bastando observar que as

equaes 2, 3 e 5 envolvem apenas uma varivel.
31. a) infinitas solues.
b) soluo nica.
e) infinitas solues.
d) infinitas solues.
384 ClCMlo Numrico Apendice
e) infinitas solues.
!) soluo nica.
g) infinitas solues.
h) infinitas solues.
i) no tem soluo.
j) no tem soluo.
k) soluo nica.
33. a) x = (1 1 1 ll.
b) x = (O 1 l)T.
34. a) G - ( 7 Zs- 41~ )
b) Observar que sobre a matriz R no imposta a condio da diagonal ser positiva;

desta forma, uma das trs possibilidades :
-V)
R ( 7/v, 4/~ )
CAPTULO 4
2. a) x = (1 l)T.
b) x = (1.93177 -0.51822)T.
e) x = (-0.17425 -0.71794)T.
) x* = (1 1?.
e) x* = (-0.57072 -0.68181 -0.70221 -0.70551 -0.70491 -0.7015
-0.69189 -0.66580 -0.59604 -0.41642) T.
!) x* = (1 1 1 1 1 1 1 1 1 l)T.
Apindice Respostas de Exerccios 385
CAPTULO 5
l. a) &colhendo os pontos x0 = 2.8, x1 = 3.0 e x2 = 3.2, obteremos: f(3.1) = 22.20375.

b) 1E(3.l) 1 :!S; 1.23 X 10-2.
2. Sugesto: Verifique que o mximo da funo g(x) = 1(x - xo)(x - x 1) 1 ocorre para x =
(x 1 + xr)/2 e obtenha g(x).
3. Escolhendo x 0 = 25. x 1 = 30 e x 2 = 35 obtemos f(32.5) = 0.99820 e f(x) = 0.99837 para x

= 27 .88.
4. Usando o processo de interpolao inversa para f(x), sobre os pontos: y 0 = 0.67, y 1

= 0.549 e y 2 = 0.449 obtemos: f(0.5101) = 0.6 e aplicando o processo de interpolao
inversa pata g(x) sobre os pontos Yo = 0.32, y 1 = 0.48 e y 2 = 0.56 obtemos g(l.4972) "'
0.5101 , portanto, para x"' 1.4972: f(g(l.4972)) ""f(0.5101) = 0.6.
5. A funo cos(x) dever ser tabelada em, no mnimo, 260 pontos.
7. Usando um processo de interpolao nversa e escolhendo y0 = f(O) = -1, y 1 = f(0.5) =

-0.1065 e y 2 = f(l) = 0.6321 obtemos f(0.5673) "'O. E, usando a tabela de diferenas
divididas e os pontos y(O), y(0.5), y(l) e y(l.5) a estimativa do erro ser: 1E(O) I =
0.17851 X 10-4.
8. IE(l15)1 :!S; 1.631 x 10-3.
9. Polnmio de grau 3 porque as diferenas divididas de grau 3 so aproximadamente cons-

tantes. Escolhendo x0 = 0.5, x 1 = 1.0, x 2 = 1.5 e x 3 = 2.0 obtemos f(l.23) = -1.247 com 1
E(l.23) 1 = 2.327 x 10-5.
10. Processo 1: construndo p2(x) que interpola f(x) em x0 = 0.25, x 1 = 0.30, x2 ::; 0.35 e
calculando x tal que pi(x) = 0.23 obtemos x ""0.3166667.
Processo 2: interpolao inversa, escolhendo y 0 0.19, y 1 0.22 e y 2 - 0.25 obte-

mos: p2 (0.23) = 0.3166667, e portanto, f(0.3166667) 0.23. Neste caso, possvel
estimar o erro cometido I E(0.23) 1 1.666 x 10-3.
11. cos(l.07) 0.4801242
1E(l.07) 1 - 1.202 X lo-6.
12. d = 3a - 8b + 6c.
17. Usando o processo de interpolao inversa e os pontos: y0 = 1.5735, y 1 - 2.0333 e

y2 = 2.6965 obtemos f(0.623) .. 2.3.
18. Usando o processo de interpolao inversa e escolhendo os pontos: y0 - O, y 1 - 1.5 e

y2 - 5.3 obtemos: f(l.5037) - 2.
CAPITULO 6
2. a) 0.21667x + 0.175.
b) 0.01548x2 + 0.07738x + 0.40714.

8
A comparao pode ser feita atravs do clculo de L ~: para a reta,
k 1
8 8
L ~ 0.08833 e, para a parbola, L d~ ... 0.04809.
kl k-1
Como o menor valor para a soma dos quadrados dos desvios foi para a parbola, o
melhor ajuste para os dados, entre as duas possibilidades, a parbola.
3. Curva de ajuste escolhida: <p(x) a 1 ln(x) + a 2 . Obteve-se:

<p(x) = 5.47411 ln(x) + 0.98935.
4. b) 52.7570x - 20.0780, trabalhando com as alturas em metros.

e) peso de um funcionrio com 1.75 m de altura""' 72.2467 kg; altura de um funcionrio

com 80 kg "" 1.897 m.
d) O.Ol59x + 0.6029.
e) peso de um funcionrio com 1.75 m de altura ""'72.14 kg; altura de um funcionrio

com 80 kg -1.871 m.
. fi .
5. a) Mud amos a escala dos anos por t = ano -101800 e a seguu 12emos o aJuste por
<p(x) = cx 1e<Xr cuja soluo foi <p(x) = l.8245e228~ donde pop (2000)""' q,(20) = 177.56.
b) Em 1974.
1
6.
a) y _, 0.1958 + 0.0185x
b) y .., 5.5199(0.8597)X.
7. b) q>(x) = abX, onde a= 32. 14685
b = 1.42696.
<p(.x) = ax b, onde a= 38.83871
b =0.9630.
Observao: neste ltimo caso, para se efetuar o ajuste desprezamos o primeiro dado:
0.32 para que fosse possvel a linearizao ln(y) - ln(a) + b ln(x).
9. a) <p(x) = aebx.
b) a = 95.9474.
b =~.0249.
O resduo que foi minimizado foi de 1/y como funo de x.
10. g(x) = l + 0.9871e l.0036X:

388 Clculo Numr:ico Apnd;e
11. y(t) = abt. Alm do teste de alinhamento ser razovel para esta funo, a outra possibi-
lidade apresenta problemas. Verifique.
1
13. Para j = O, ... 2n: f O2n f(x) dx.
1
Para j ~ 1, ~ ... 3t f O2n f(x) cos(jx) dx.
1 2n
Para j ~ 1, bi '"" -
3t
f o
f(x) sen(jx) dx.
CAPITULO 7
1. a) n 4 6
Trapzios 4 .6950759 4.6815792

Simpson 4 .670873 4 .6707894
b) n 4 6
Trapzios 4.6550925 4.6614884

Simpson 4 .6662207 4.6665612
e) n 4 6
Trapzios 4 .7683868 4.7077771

Simpson 4.6763744 4.6614894
Apndice Respostas de Exerr:cios 389
2. a) n (a) (b) (e)
Trapzios 249 238 1382
Simpson 10 20 80
3. E ~ 5 X lo-4.
a) 0.4700171.
b) 0.4702288.
5. Erro por Simpson: Zero

I 5 = 172
Por Trapzios, com 5 pontos, ITR = 184 (1 ErR 1 ~ 24)
6. b < 0.580819.
7. I 5 = 44.0833 ... com erro zero.
10. m ;?: 8.
11. b) ITR = 2.086.
12. WO = w 2 = 4/3.
w 1 = -2/3.
13. 4.227527 (Trapzios no primeiro intervalo e o restante por 1/3 Simpson).
14 a) Trapzios: 6.203.
Simpson: 6.208 .
b) Trapzios: 0.55509.
Simpson: 0.55515.
15. I 5 = 0.69315.
ln(2) = 0.693147.
16. 18 = 0.785392.
1t /4 e: 0.785398.
17. a) Is= 0.746855
b) <J = 0.746594
c2) m = 27 (se usarmos M 2 ~ 2)
CAPTULO 8
h h '
1. Yn+1=Yn+hf(xn+ 2 , Yn+z Yo)
3. a) e e) b Euler Aperfeioado Euler
0.5 -3 -5
0.25 -3 -1.75
0.125 -3 -2.375
0.1 -2.999995 -2.499994
h
6. Yn+I = Yo + 2 (fo + fo+I).
8. h Euler Euler Aperfeioado R. Kutta 41 ordem
0.2 2.047879 1.906264 1.909298

0.1 1.979347 1.90854 1.909297
0.05 1.944512 1.909108 1.909298
0.025 1.926953 1.909251 1.909298
9. a) (Euler Aperfeioado) h = 2 => y(16) .. 12.00999.

b) h = 4 => y(16) .. 11.998.
e) { h = 2 => y(16) .. 11.99199.

h .. 4 => y(16) .. 11.94514.
10. b = 0.2 y(l.6) .. 2.7.
b = 0.1 y(l.6) .. 2.8242597.
11. b = 0.1, y(5) = -2.5
h = 0.125, y(5) =-2.3750

b =0.25, y(S) =- 1.75
h =0.5, y(5) = --0.5
14. h Euler Euler Aperfeioado R. Kutta 4 ordem
0.2 2.7 2.971514 3.019671
0.1 2.85455 3.006242 3.019977
0.05 2.928572 3.016337 3.019999
0.025 2.973171 3.019055 3.020001
15. Euler: y(l) = 4.488320.
Runge-Kutta de 4 11 ordem: y(l ) = 4.718251
y(l) ;;; 4.718282.
16. a) e b) y(0.2) =y(0.25) = ... = 1.00

17. a)eb)ec)
h = 0.25
X Euler Euler Aperfeioado Runge-Kutta Valor Exato
0.25 0.75000 0.78711 0.78287 0.78287
0.5 0.57422 0.63838 0.63234 0.63234
0.75 0.46655 0.55016 0.54369 0.54369
1.00 0.41552 0.52007 0.51342 0.51342
1.25 0.41552 0.55664 0.54938 0.54938
1.50 0.47396 0.69499 0.68728 0.68729
1.75 0.62207 1.03875 1.03700 1.03713
2.00 0.94282 1.89693 1.94632 1.94773
h = 0.5
X Euler Euler Aperfeioado Runge-Kutta Valor Exato
0.5 0.50000 0.65625 0.63234 0.63234
1.0 0.31250 0.53320 0.51335 0.51342
1.5 0.31250 0.69983 . 0.68700 0.68729
2.0 0.50781 1.77144 1.93321 1.94773
18. y(l) = 0.87997.
y'(l) = 6.47989.
Apndice RespostasdeExerdcios 393
19. b) X y(x) y'(x)
0.25 1.56250 -3.50000
0.5 0.34570 -5.46875
0.75 -1.09711 -4.87744
1.00 -2.07648 -1.89056
20. a) e b) Euler Euler Aperfeioado
X y(x) y'(x) y(x) y'(x)
0.2 0.20000 1.39192 0.24000 1.44098
0.4 0.47838 1.84145 0.57610 1.95954
0.6 0.84667 1.33276 1.02305 2.54350
22. e) 1 errai ~ hl , x>O

6
e-x lx 13
1errai ~ , x<O
6
23 . y'(O) - 0.841471
y"(O) - 2.162722
y"'(O) = 1.748426
y(0.2) = 1.213880
24. y(0.25) = 1.107487
y(0.5) = 0.529106
y(0.75) = 0.180622
28. Para h = 0.1 Diferenas Avanadas Diferenas Centradas
2.8354 2.7050
2.5800 2.4739
2.3467 2.2614
2.1327 2.0652
1.9354 1.8831
1.7528 1.7134
1.5829 1.5544
1.4241 1.4047
1.2748 1.2632
1.1338 1.1286
Para h = 0.05 Diferenas Avanadas Diferenas Centradas
2.7743618 2.7150249
2.6497296 2.5961115
2.5305392 2.4822230
2.4164371 2.3730328
2.3070913 2.2682345
2.2021902 2.1675402
2.1014410 2.0706798
2.0045693 1.9773998
1.9113174 1.8874621
Apndice Respostas de Exercfcios 395
1.8214434 1.8006436
1.7347207 1.7167348
1.6509366 1.6355394
1.5698915 1.5568732
1.4913986 1.4805637
1.4152827 1.4064489
1.3413795 1.3343774
1.2695352 1.2642070
1.1996058 1.1958047
1.1314563 1.1290459
1.0649604 1.0638141

Viel mehr als nur Dokumente.

Cálculo Numérico - RUGGIERO

Hochgeladen von

Dokumentinformationen

Beschreibung:

Beschreibung:

Copyright:

Verfügbare Formate

Cálculo Numérico - RUGGIERO

Hochgeladen von

Beschreibung:

Copyright:

Verfügbare Formate

Verwandte Titel

, ,

Mrcia A. Gomes Ruggiero

Departamento de Matemtica Aplicada

Brasil Argentina Colmbia Costa Rica Chile Espanha

Atayde Gomes (in memorian)

Aaro Soares da Rocha (in memorian)

PREFCIO SEGUNDA EDIO

Captulo I NOES BSICAS SOBRE ERROS . . . . . . . . . . . . . . . . . . . . . 1

Captulo 2 ZEROS REAIS DE FUNES REAIS 27

2.1 Introduo....... .. ......... .. ........ .. .............. . . .. . 27

Captulo 3 RESOLUO DE SI~MAS LINEARES 105

3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

3.3.3 Mtodo Iterativo de Gauss-Jacobi . . . . . . . . . . . . . . . . . . . . . . . 155

Captulo 4 INTRODUO RESOLUO DE SISTEMAS

4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192

Captulo S INTERPOLAO 211

5.1 Introduo.............. . ................ . . . . . . . . . . . . . . . . . . 211

5.8 Alguns Comentrios sobre Interpolao . . . . . . . . . . . . . . . . . . . . . . . . 255

Captulo 6 AJUSTE DE CURVAS PELO MTODO DOS

6.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268

Captulo 7 INTEGRAO NUMRICA . . . . . . . . . . . . . . . . . . .. . . . . . . . . 295

7.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295

Captulo 8 SOLUES NUMRICAS DE EQUAES DIFERENCIAIS

8.1 lntroduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316

Apndice RESPOSTAS DE EXERCCIOS . . . . . . . . . . . . . . . . . . . . . . . . . 376

NDICE ANALTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401

Inclumos nesta edio uma introduo sobre a resoluo de sistemas de equaes

O Captulo 5 apresenta a interpolao polinomial como forma de se obter uma

O mtodo dos quadrados mnimos, como outra forma de aproximao de funes,

O Captulo 8 aborda mtodos numricos para resoluo de problemas de valor

NOES BSICAS SOBRE ERROS

Nos captulos seguintes, estudaremos mtodos numricos para a resoluo de problemas

No raro acontecer que os resultados finais estejam distantes do que se esperaria

Os resultados obtidos dependem tambm:

da preciso dos dados de entrada;

da forma como estes dados so representados no computador;

das operaes numricas efetuadas.

Os dados de entrada contm uma impreciso inerente, isto , oo h como evitar

1.2 REPRESENTAAO DE NUMEROS

Calcular a rea de uma circunferncia de raio 100 m.

Efetuar os somatrios seguintes em uma calculadora e em um computador:

ii) para'= 0.11: na calculadora: S = 3300

Como justificar a diferena entre os resultados obtidos pela calculadora e pelo

A representao de um nmero depende da base escolhida ou disponvel na m-

O nmero 1t, por exemplo, no pode ser representado atravs de um n6mero

Observe o que acontece na interao entre o usurio e o computador: os dados de

Na prxima seo, estudaremos os processos para converso de nmeros do sis-

1.2. 1 CONVERSO DE NMEROS NOS SISTEMAS DECIMAL E BINRIO

Veremos inicialmente a converso de nmeros inteiros.

Considere os nmeros (347) 10 e (lOlll)i. Estes nmeros podem ser assim

(347)10 = 3 X 102 + 4 X 101 + 7 X }00

De um modo geral, um nmero na base~. (ajaj-l ... a1a0) , O~ t ~ (~ - 1),

Com esta representao, podemos facilmente converter um nmero representado

Colocando agora o nmero 2 em evidncia teremos:

(10111)2 = 2 x (1 + 2 x (1 + 2 x (O + 2 x 1))) + 1 = (23)10

Deste exemplo, podemos obter um processo para converter um nmero repre-

b.J-2 = a.J-2 + 2b.J- 1

Para (10111)2, a seqncia obtida ser:

Veremos agora um processo para converter um nmero inteiro representado no

Temos ento que:

173 = aj X 2)-l + J-l X 2)-2 + ... + 82 X 2 + a1

= 2 xl+O => 37= 0

Portanto, a representao de (347) 10 na base 2 ser 101011011.

No caso geral, considere um nmero inteiro N na base 10 e a sua representao

Passo 1: Obtenha qk e rk cais que:

Consideremos agora a converso de um nmero fracionrio da base 10 para a base 2.