Beruflich Dokumente
Kultur Dokumente
Cálculo Numérico
- UTFPR -
Índice
1 Noções básicas sobre Erros ................................................................................ 1-1
1.1 Erros............................................................................................................ 1-1
1.2 Erros Absolutos e Relativos........................................................................ 1-1
1.2.1 Erro Absoluto............................................................................................ 1-1
1.2.2 Erro Relativo ou Taxa de Erro .................................................................. 1-2
1.3 Erros de Arredondamento e Truncamento.................................................. 1-2
1.3.1 Erro de Arredondamento .......................................................................... 1-2
1.3.2 Erro de Truncamento ................................................................................ 1-2
1.4 Aritmética de Ponto Flutuante .................................................................... 1-2
1.5 Conversão de Bases .................................................................................... 1-3
1.5.1 Conversão da Base β para a Decimal (β⇒10) ......................................... 1-3
1.5.2 Conversão da Base Decimal para a β (10⇒β) ......................................... 1-4
1.5.3 Exercícios: Conversão de Bases ............................................................... 1-6
1.6 Operações de Pontos Flutuantes ................................................................. 1-7
1.6.1 Representações ......................................................................................... 1-7
1.6.2 Exercícios ................................................................................................. 1-7
1.6.3 Exercícios complementares ...................................................................... 1-8
2 Zeros reais de funções reais ................................................................................ 2-1
2.1 Introdução ................................................................................................... 2-1
2.2 Fase I: Isolamento das raízes ...................................................................... 2-1
2.3 Fase II: Refinamento - Critérios de Parada................................................. 2-5
2.3.1 Método da Bissecção (ou Método da Dicotomia) .................................... 2-5
2.3.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das
Aproximações sucessivas) ........................................................................ 2-8
2.3.3 Método de Newton, Newton-Raphson (ou Método das Tangentes)....... 2-15
2.3.4 Comparação entre os métodos ................................................................ 2-18
3 Resolução de sistemas de equações lineares ...................................................... 3-1
3.1 Introdução ................................................................................................... 3-1
3.1.1 Forma Algébrica de Sn .............................................................................. 3-1
3.1.2 Forma Matricial de Sn .............................................................................. 3-1
3.1.3 Matriz Aumentada ou Matriz Completa do Sistema ................................ 3-1
3.1.4 Solução do Sistema ................................................................................... 3-1
3.1.5 Classificação de um Sistema Linear ......................................................... 3-1
3.1.6 Classificação quanto ao Determinante de A............................................. 3-2
3.2 Métodos diretos .......................................................................................... 3-2
3.2.1 Método de Eliminação de Gauss .............................................................. 3-2
3.2.2 Estratégia de Pivoteamento Completo ...................................................... 3-5
3.2.3 Refinamento de Soluções ......................................................................... 3-6
3.3 Métodos iterativos ...................................................................................... 3-7
3.3.1 Testes de parada........................................................................................ 3-8
3.3.2 Método de Gauss-Jacobi........................................................................... 3-8
3.3.3 Método de Gauss-Seidel......................................................................... 3-10
3.3.4 Comparação entre os métodos ................................................................ 3-11
3.3.5 Critério de Sassenfeld ............................................................................. 3-13
4 Interpolação ........................................................................................................ 4-1
4.1 Interpolação polinomial.............................................................................. 4-1
4.1.1 Existência e Unicidade do Polinômio Interpolador Pn (x) ......................... 4-1
4.1.2 Forma de Lagrange ................................................................................... 4-2
4.1.3 Forma de Newton ..................................................................................... 4-4
4.2 Estudo de erro na interpolação ................................................................... 4-5
Cálculo Numérico – (Lauro / Nunes) iii
4.2.1 Estimativa para o Erro .............................................................................. 4-6
4.3 Interpolação inversa: casos existentes ........................................................ 4-7
4.3.1 Encontrar x tal que Pn ( x ) ...................................................................... 4-7
4.3.2 Interpolação inversa .................................................................................. 4-8
4.4 Funções spline em interpolação .................................................................. 4-9
4.4.1 Função Spline ......................................................................................... 4-10
4.4.2 Spline linear interpolante ........................................................................ 4-10
4.4.3 Spline cúbica interpolante....................................................................... 4-11
5 Ajuste de curvas pelo método dos mínimos quadrados ...................................... 5-1
5.1 Introdução ................................................................................................... 5-1
5.2 Caso Discreto .............................................................................................. 5-2
5.3 Caso Contínuo ............................................................................................ 5-6
5.4 Família de Funções Não Lineares nos Parâmetros ..................................... 5-9
6 Integração Numérica........................................................................................... 6-1
6.1 Fórmulas de Newton-Cotes ........................................................................ 6-1
6.1.1 Regra dos Trapézios ................................................................................. 6-1
6.1.2 Regra dos Trapézios repetida.................................................................... 6-3
6.1.3 Regra 1/3 de Simpson............................................................................... 6-4
6.1.4 Regra 1/3 de Simpson repetida ................................................................. 6-7
7 Solução numérica de equações diferenciais ordinárias ...................................... 7-1
7.1 Introdução ................................................................................................... 7-1
7.2 Problema de valor inicial (PVI).................................................................. 7-2
7.2.1 Solução numérica de um PVI de primeira ordem..................................... 7-2
7.2.2 Método de Euler ....................................................................................... 7-2
7.2.3 Métodos de Runge-Kutta .......................................................................... 7-5
7.2.4 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda
Ordem) ...................................................................................................... 7-7
7.2.5 Fórmulas de Runge-Kutta de Quarta Ordem............................................ 7-7
8 Referências Bibliográficas .................................................................................. 8-1
Cálculo Numérico Noções básicas sobre Erros 1-1
1.1 Erros
Para se obter a solução do problema através do modelo matemático, erros são
cometidos nas fases: MODELAGEM e RESOLUÇÃO.
RESOLUÇÃO:
EAx ≤ k1 .
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-2
1.2.2 Erro Relativo ou Taxa de Erro
Erro relativo de x é o módulo do quociente entre o erro absoluto EAx e o valor exato
x ou o valor aproximado x , se x ou x ≠ 0.
EAx x−x EAx x − x
ERx = = ou ERx = = .
x x x x
∞
xi
5. Sabendo-se que e x pode ser escrito como e x = ∑ , faça a aproximação de e 2 através
i =0 i!
de um truncamento após quatro termos da somatória.
Resolução:
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-3
d d d d
x =± 1 + 22 + 33 +…+ tt ∗ βexp .
β β β β
Onde:
• d i ⇒ são números inteiros contidos no intervalo 0≤ d i <β; i =1, 2, …, t ;
• exp ⇒ representa o expoente de β e assume valores entre I ≤ exp ≤ S ;
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-4
8. 10112 = x10 .
Resolução:
9. 11,012 = x10 .
Resolução:
• a.2) N ≥β
N β
r1 q1 β
r2 q2
O
O O
qn −1 β
⇒ N10 =( q n rn rn −1 … r3 r2 r1 ) β
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-5
12. Converta 5910 para a base 3.
Resolução:
• b) PARTE FRACIONÁRIA ( F ):
Multiplica-se F por β e toma-se a parte inteira do produto como o primeiro dígito do
número na base β. Repete-se o processo com a parte fracionária do produto tomando sua parte
inteira. Continua-se até que a parte fracionária seja igual a zero.
Nos exercícios a seguir, determinar o valor de x :
13. 0,187510 = x2 .
Resolução:
14. 0,610 = x2 .
Resolução:
15. 13,2510 = x2 .
Resolução:
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-6
1.5.3 Exercícios: Conversão de Bases
Transforme para a base que se pede (determine o valor de x ).
17. 19,3867187510 = x4 .
Resolução:
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-7
1.6.2 Exercícios
20. Preencher a tabela a seguir, com base nos parâmetros: t =3, β=10, I =−5, S =5 e
−5≤ exp ≤5.
−0,00000001452
2379441,5
OBS. 4: Deve-se converter os valores para a aritmética de ponto flutuante com 3
algarismos significativos.
Nos exercícios seguintes, calcular o valor das expressões utilizando aritmética de
ponto flutuante com 3 algarismos significativos.
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-8
22. 4,26 + (9,24 + 5,04)
Resolução:
2
25. ∗(4,0237 − 6,106)
7
Resolução:
2 ∗ ( 4,0237 − 6,106)
26.
7
Resolução:
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-9
30. 10101012 = x10 .
Resolução:
34. 3710 = x2 .
Resolução:
Lauro / Nunes
Cálculo Numérico Noções básicas sobre Erros 1-10
35. 234510 = x2 .
Resolução:
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-1
a x
b
a x
b
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-2
Na pesquisa dos zeros reais de funções reais é muito útil o uso do Teorema 1 (que
fornece condições de existência de zeros em um intervalo), bem como da OBS 1. (que garante
a unicidade, isto é, garante que no intervalo considerado existe um e somente um zero da
função f ).
Outro recurso bastante empregado é: a partir da equação f ( x )=0, obter a equação
equivalente g ( x )= h ( x ) e esboçar os gráficos destas funções obtendo os pontos onde as
mesmas se intersectam, pois f (α)=0 ⇔ g (α)= h (α).
y = f (x)
α1 α2 α3 x
-4 -3 -2 -1 1 2 3 4
y
g(x) h(x )
α1 x
-4 -3 -2 -1 α2 1 2 α3 3 4
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-3
y = f ’( x)
- 3 3 x
-4 -3 -2 -1 1 2 3 4
y y = f(x)
0,3
0,2
0,1 3,2 x
2,6 2,8 3,0 3,4
0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
-0,7
-0,8
-0,9
-1,0
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-4
y f’ (x )
1 x
y g (x)
2
1
h(x)
1 α2 3 x
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-5
y
2
g (x)
h(x)
1 α 2 3 x
m3
a m2 m1 b x
α
n a x b f (a ) f (x) f (b ) ( b − a )/2
1
2
3
4
5
6
7
Portanto 5≅
r θ
h h
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-7
Resolução:
Para se confirmar a unicidade deste zero neste intervalo, pode-se utilizar a OBS. 1, isto é,
calcula-se a derivada f , ( h) de f (h ) para verificar que a mesma preserva o sinal no
intervalo ]0,1[.
n a h b f (a ) f (h ) f (b) (b−a)/2
1
2
3
4
5
6
7
Assim, h =
2.3.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das
Aproximações sucessivas)
Neste método a seqüência de aproximações do zero α de uma função f (x )
( f (α) = 0 ) é obtida através de uma relação de recorrência da forma:
x n+1 = φ ( x n ) , n = 0, 1, 2, …
O ponto x 0 será considerado uma aproximação inicial do zero α da função f (x ) e
φ( x) é uma função que tem α como ponto fixo, isto é, α= φ (α ) .
A primeira pergunta a ser respondida é: dada uma função f (x ) com zero α, como
encontrar uma função φ( x) que tenha α como ponto fixo ? Isto pode ser feito através de uma
série de manipulações algébricas sobre a equação f (x ) =0, transformando-a em uma equação
equivalente da forma x = φ( x) . Nestas transformações deve-se tomar os devidos cuidados
para que φ( x) esteja definida em α e para que α pertença à imagem de φ . Como o zero α é
desconhecido, é necessário determinar um intervalo I que contenha α e que esteja contido
tanto no domínio quanto na imagem de φ . É necessário que o zero α de f (x ) seja único no
intervalo I, caso contrário não será possível discernir qual o zero determinado.
y y= x
φ (x)
α x
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-9
y y= x
φ 2 (x)
x0 x2 x3 x1 6 x
α =2
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-10
y
6 y= x
x2
x0 x1 x
α =2
φ1 (x )
α x3 x2 x1 x0 x
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-11
A seqüência {x k } converge para o zero α (Convergência do tipo caracol).
y y= x
φ(x)
x1 x3 α x 4 x 2 x0 x
α x0 x1 x2 x3 x
y φ (x) y= x
x3 x1 α x0 x2 x
a x b
φ (x) x
α
Este é o caso em que b é o extremo mais próximo de α.
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-13
Logo,
Logo,
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-14
FIM
PASSO 5
Faça i = i + 1
PASSO 6
Faça p 0 = p (atualize p 0 )
PASSO 7
Saída (solução não encontrada após ITMAX iterações)
FIM
OBS. 7: Outros critérios de parada podem ser utilizados:
• pn − pn −1 < ε
pn − p n−1
• <ε
pn
• f ( pn ) < ε
y h(x ) = e x
5 g (x) = x 2 - 4
4
3
2
1
-3 α -2 -1 1 2 3 x
-1
-2
-3
-4
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-15
Procurando uma função de ponto fixo adequada pode-se fazer:
n xn x n+1 xn+1 − x n
0
1
2
3
Portanto, x =
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-16
onde A( x) é uma função contínua tal que A( α) ≠ 0 . Escolhe-se A( x) de forma que
φ' (α ) = 0 . Derivando-se a 0, obtém-se φ' ( x) =1+ A( x) f ' ( x ) + A' ( x) f ( x) . Calculando esta
derivada no ponto α , obtém-se: φ ' (α ) =1+ A( α) f ' (α ) . Supondo que f ' (α)?0, para que
1
φ' (α ) = 0 , deve-se ter A(α) = − . Assim, uma escolha satisfatória para A( x) será
f ' ( α)
portanto:
1
A( x) = − , uma vez que x ≅ α .
f '( x)
Substituindo 0 em 0, tem-se:
f ( x)
φ( x ) = x −
f '( x )
Assim, o processo iterativo de Newton é definido por:
f ( xn )
xn+1 = x n − , n = 0, 1, 2, …
f '( x n )
OBS. 8: A (Eq. 10) é válida mesmo que f ' ( α ) = 0, uma vez que x n ≠ α .
θ
xn +1 xn
f (x) α x2 x1 x0 x
f (x n ) f ( xn )
tgθ = f ' ( xn ) = ⇒ x n+1 = x n −
x n − x n+1 f ' (x n )
p n − p n−1
• <ε
pn
• f ( pn ) < ε
OBS. 11: O Método de Newton irá falhar se para algum n, f ' ( p n−1 ) = 0.
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-18
y g (x) = x
1
3π h(x )= cos x
π 2
α π 2π x
2
-1
n xn xn +1 xn+1 − xn
0
1
2
Portanto, x =
14. Pelo método da Bissecção, determine uma aproximação para x ∈(1,2) da função
f ( x )= e − x − cos x com aproximação ε1 = 10 −4 tal que ( b − a )/2< ε1 .
2
Resolução:
n a x b f (a ) f ( x ) f (b ) ( b − a )/2
1
2
3
4
5
6
Lauro / Nunes
Cálculo Numérico Zeros reais de funções reais 2-19
7
8
9
10
11
12
13
14
Logo, x =
15. Pelo método do Ponto Fixo ou Aproximações Sucessivas, determine uma aproximação
para x ∈(1,2) da função f ( x )= e − x − cos x com aproximação ε1 = ε 2 =10 −4 tal que
2
16. Pelo método de Newton-Raphson, determine uma aproximação para x ∈(1,2) da função
f ( x )= e − x − cos x com aproximação ε1 = ε 2 = 10 −4 tal que | f ( x n )|< ε1 ou
2
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-1
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-2
3.1.6 Classificação quanto ao Determinante de A
• det A ≠0 (SPD) ⇒ sistema linear possível e determinado (SOLUÇÃO ÚNICA);
• det A =0 (SPI) ou (SI): a matriz A é SINGULAR.
(SPI) ⇒ Sistema possível e indeterminado,
(SI) ⇒ Sistema impossível.
OBS. 1: Se bi =0, i =1, 2, …, n , isto é, se b =0, o sistema é dito HOMOGÊNEO. Todo
sistema homogêneo é compatível, pois admite sempre a solução x =0. A solução é chamada
TRIVIAL.
2 x1 + 3x2 − x3 = 5
1. Resolver o sistema S3 , com S3 = 4 x1 + 4 x2 − 3 x3 = 3 .
2 x − 3x + x3 = − 1
1 2
Resolução:
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-3
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-4
Resolução:
Linha Multiplicador m Matriz Aumentada
(1) B0 ⇒ 8,70 3,00 9,30 11,00 16,40
(0 )
(2) m21 = 24,50 -8,80 11,50 -45,10 -49,70
(0 )
(3) m31 = 52,30 -84,00 -23,50 11,40 -80,80
(0 )
(4) m41 = 21,00 -81,00 -13,20 21,50 -106,30
(2) B1 ⇒
(1)
(3) m32 =
(1)
(4) m42 =
(3) B2 ⇒
(2 )
(4) m43 =
(4) B3 ⇒
Então A ⋅ x = b ≈ U ⋅ x = c ⇒ [ A : b ] ≈ [ U : c ].
U ⋅ x=c ⇒
Logo: x =
Cálculo do Resíduo
Uma medida para avaliar a precisão dos cálculos é o resíduo, que é dado por:
r = b − Ax .
r=
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-5
aij = aij − m ∗ akj
bi = bi − m ∗ bk
FIM
FIM
FIM
RESOLUÇÃO DO SISTEMA U ⋅ x = c .
bn
xn =
ann
Para k =( n −1), …, 2, 1
s =0
Para j =( k +1), …, n
s = s + akj ∗ x j
FIM
b −s
xk = k
akk
FIM
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-6
Resolução:
Linha Multiplicador m Matriz Aumentada
(0 )
(1) m12 = 8,70 3,00 9,30 11,00 16,40
(0 )
(2) m22 = 24,50 -8,80 11,50 -45,10 -49,70
(3) B0 ⇒ 52,30 -84,00 -23,50 11,40 -80,80
(0 )
(4) m42 = 21,00 -81,00 -13,20 21,50 -106,30
(1)
(1) m14 =
(2) B1 ⇒
(1)
(4) m44 =
(2 )
(1) m11 =
(4) B2 ⇒
(1) B3 ⇒
Então A ⋅ x = b ≈ U ⋅ x = c ⇒ [ A : b ] ≈ [ U : c ].
U ⋅ x=c ⇒
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-7
5. Considerando a resposta x do exercício 2, faça o refinamento de x até que se obtenha
o resíduo r (k ) =0, considerando precisão dupla ( 10−4 =0,0001), quatro casas decimais.
8,7 x1 + 3,0 x 2 + 9,3x 3 + 11,0 x4 = 16,4
24,5 x − 8,8 x 2 + 11,5 x 3 − 45,1x4 = − 49,7
A⋅ x=b⇒
1
REFINAMENTO:
x ( k ) = x (k −1) + δ( k −1) A ⋅ δ( k −1) = r (k −1) ⇒ [ A : r (k −1) ] ⇒ δ( k −1)
Resolução:
• k =1 [ A : r (0 ) ] ⇒ δ( 0) ⇒ x (1) = x (0) + δ( 0)
Linha Multiplicador m Matriz Aumentada
(1) B0 ⇒ 8,7000 3,0000 9,3000 11,0000 -0,0240
(0 )
(2) m21 = 24,5000 -8,8000 11,5000 -45,1000 -0,0420
(3) (0 ) =
m31 52,3000 -84,0000 -23,5000 11,4000 0,0820
(4) (0 ) =
m41 21,0000 -81,0000 -13,2000 21,5000 0,4680
(2) B1 ⇒
(3) m(1
32
) =
(4) m(1
42
) =
(3) B2 ⇒
(4) (2 ) =
m43
(4) B3 ⇒
Considerando 4 casas decimais:
[ A : r (0 ) ] ≈
Então:
[ A : r (0 ) ] ⇒ δ( 0) ⇒
Como:
x (1) = x (0) + δ( 0) ⇒
r (1 ) = b − A ⋅ x (1) ⇒
• Logo,
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-8
x e d vetores n ×1. Isto pode ser feito tomando φ( x ) = F ⋅ x + d ,
x ( k +1) = φ( x ( k ) ) = F ⋅ x ( k ) + d , onde k =0, 1, …, M , e M é o número máximo de iterações e
x ( 0) é o vetor inicial.
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-9
F= e d=
x ( k +1) = F ⋅ x ( k ) + d ⇒
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-10
10 2 1
Resolução: A = 1 5 1 ⇒
2 3 10
Logo, a matriz dos coeficientes A é estritamente diagonal dominante, o que garante a
convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de
equações e incógnitas.
A=
Logo, esta nova matriz dos coeficientes A é estritamente diagonal dominante, o que
garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta nova
ordem de equações e incógnitas.
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-11
F= e d=
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-12
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-13
3.3.5 Critério de Sassenfeld
Uma condição suficiente para garantir a convergência do método de Gauss-Seidel
aplicado ao sistema A⋅ x = b , com a ii ≠ 0, ∀i , é M <1, sendo M = max βi , onde:
1≤i≤ n
n
1
β1 = ⋅ ∑ a1 j
a11 j= 2
1 i −1 n
βi = ⋅ ∑ aij ⋅ β j + ∑ aij , i = 2, 3, … , n .
j =1
aii j =i +1
OBS. 3: Se o critério das linhas é satisfeito, então o critério de Sassenfeld também será
satisfeito.
Lauro / Nunes
Cálculo Numérico Resolução de sistemas de equações lineares 3-14
13. Verificar se o critério de Sassenfeld é satisfeito no sistema de equações A⋅ x = b , que
2 x1 + x2 + 3 x3 = 9
segue: A⋅ x = b ⇒ − x2 + x3 = 1
x + 3 x3 = 3
1
Resolução: Com esta disposição de linhas e colunas, tem-se que:
1
β1 = ⋅ [ a12 + a13 ] =
a11
1
β1 = ⋅ [ a12 + a13 ] =
a11
1
β2 = ⋅ [ a 21 ⋅ β1 + a 23 ] =
a 22
1
β3 = ⋅ [ a31 ⋅ β1 + a32 ⋅ β 2 ] =
a33
Então, M = max βi =
1≤i ≤3
Lauro / Nunes
Cálculo Numérico Interpolação 4-1
4 Interpolação
4.1 Interpolação polinomial
Uma função f ( x ) pode ser conhecida por um conjunto finito e discreto de n +1
pontos.
y ( x4 , y4 ) f (x)
( x0 , y0 )
( x1 , y1 )
( x3 , y3 ) ( x5 , y5 )
( x2 , y2 )
P(x )
x0 x1 x2 x3 x4 x5 x
xi yi
x0 y0
x1 y1
x2 y2
x3 y3
x4 y4
x5 y5
Para se INTERPOLAR os n +1 pontos obtidos da tabela, é utilizado um polinômio
Pn ( x ) de tal forma que:
Pn ( xi )= f ( xi ) para i =0, 1, …, n .
Lauro / Nunes
Cálculo Numérico Interpolação 4-2
A é uma matriz de VANDERMONDE e, sendo xi com i =0,1,…, n , pontos distintos,
o det A ≠0. Assim o sistema admite solução única.
OBS. 1:
det A =( xn − xn−1 )∗( xn − xn −2 )∗…∗( xn − x0 )∗( xn−1 − xn −2 )∗( xn−1 − xn −3 )∗…∗( xn−1 − x0 )
∗…∗
∗( x3 − x2 )∗( x3 − x1 )∗( x3 − x0 )∗( x2 − x1 )∗( x2 − x0 )∗( x1 − x0 ) ⇒ det A = ∏ (xi − x j ) .
i> j
ENTÃO: O polinômio Pn ( x ) existe e é único.
Lauro / Nunes
Cálculo Numérico Interpolação 4-3
A forma de Lagrange para o polinômio interpolador é:
n n n (x − xj)
Pn ( x )= ∑ yi Li ( x ) ou Pn ( x )= ∑ yi ∏ (x − xj)
i =0 i =0 j=0 i
j≠i
Logo:
P3 ( x )=
⇒ P3 ( x )=
P3 (1,5)= P3 ( 32 )=
P3 (1,5)=
P3 (1,5)=
y
3
P3 (x )
2
3
8
-1 0 1 3
2 x
2
Lauro / Nunes
Cálculo Numérico Interpolação 4-4
4.1.3 Forma de Newton
A forma de Newton para o polinômio Pn ( x ) que interpola f ( x ) em x0 , x1 ,…, xn ,
( n +1) pontos distintos é a seguinte:
Pn ( x )= f [ x0 ]+( x − x0 )⋅ f [ x0 , x1 ]+( x − x0 )⋅( x − x1 )⋅ f [ x0 , x1 , x2 ]+…
…+( x − x0 )⋅( x − x1 )⋅…⋅( x − xn−1 )⋅ f [ x0 , x1 ,…, xn ].
Onde
ORDEM
f [ x0 ]= f ( x0 )= y0 0
f [ x1 ] − f [ x0 ] f ( x1 ) − f ( x0 ) y1 − y0
f [ x0 , x1 ]= = = 1
x1 − x0 x1 − x0 x1 − x0
f [ x1, x2 ] − f [ x0 , x1]
f [ x0 , x1 , x2 ]= 2
x2 − x0
f [ x1 , x2 , x3 ] − f [ x0 , x1, x2 ]
f [ x0 , x1 , x2 , x3 ]= 3
x3 − x0
M M
f [ x1, x2 ,L , xn ] − f [ x0 , x1,L, xn−1]
f [ x0 , x1 ,…, xn ]= n
xn − x0
f [ x0 , x1 ,…, xn ] é a DIFERENÇA DIVIDIDA de ordem n da função f ( x ) sobre os
n +1 pontos x0 , x1 ,…, xn .
x3 f [ x3 ] f [ x2 , x3 , x4 ] O
f [ x3 , x4 ] M f [ x0 ,…, xn ]
x4 f [ x4 ] M N
M f [ xn −3 , xn −2 , xn−1 , xn ]
M M f [ xn −2 , xn−1 , xn ]
f [ xn−1 , xn ]
xn f [ xn ]
Lauro / Nunes
Cálculo Numérico Interpolação 4-5
3. Interpolar o ponto x =1,5 na tabela abaixo, empregando a forma de Newton.
i 0 1 2 3
xi −1 0 1 2
yi 1 3 1 1
Resolução: n =3 é o grau máximo de P3 ( x ). Tabela de diferenças divididas:
x ordem 0 ordem 1 ordem 2 ordem 3
−1 1
3 −1
=2
0 − ( −1)
−2 −2
0 3 =−2
1 − ( −1)
1−3 1 − ( −2)
=−2 =1
1− 0 2 − ( −1)
0 − ( −2 )
1 1 =1
2−0
1−1
=0
2 −1
2 1
f ( n+1) ( ξ x )
En ( x )=( x − x0 )⋅( x − x1 )⋅…⋅( x − x n )⋅
( n + 1)!
onde ξ x ∈( x 0 , x n ).
Esta fórmula tem uso limitado, pois são raras as situações em que f ( n+1) ( x ) é
conhecida e o ponto ξ x nunca é conhecido.
Lauro / Nunes
Cálculo Numérico Interpolação 4-6
4.2.1 Estimativa para o Erro
Utilizando a 0, sendo f ( n+1) ( x ) contínua em I =[ x 0 , x n ], pode-se escrever:
| En ( x )|=| f ( x )− Pn ( x )|
n
M n+1
| En ( x )|≤ ∏ ( x − xi ) ⋅ , onde M n+1 = max f (n+1) ( x ) .
i =0 ( n + 1)! x∈I
Ao se construir a tabela de diferenças divididas até ordem n +1, pode-se usar o maior
M n+1
valor em módulo desta ordem como aproximação para no intervalo I =[ x 0 , x n ].
( n + 1)!
Então:
| En ( x )|≈ ∏ ( x − xi ) ⋅ max ( Dd )
n
i =0
sendo Dd os valores da tabela de diferenças divididas de ordem ( n +1).
0,34
0,4
0,52
0,6
0,72
Deve-se escolher 3 pontos próximos de 0,47 para a obtenção de P2 ( x ).
P2 ( x )= f [ x0 ]+( x − x0 )⋅ f [ x0 , x1 ]+( x − x0 )⋅( x − x1 )⋅ f [ x0 , x1 , x2 ]
P2 ( x )=
P2 ( x )=
• a) P2 (0,47)= .......... .......... ≈ f (0,47)
• b) | En (0,47)|≈
Lauro / Nunes
Cálculo Numérico Interpolação 4-7
| En (0,47)|≈ ..........
x1 f [ x1 ]= y1 ⇒ P1 ( x )= f [ x0 ]+( x − x0 )⋅ f [ x0 , x1 ]
P1 ( x )=
⇔ P1 ( x )=
Lauro / Nunes
Cálculo Numérico Interpolação 4-8
6. Encontre x tal que f ( x )=2 pela tabela abaixo:
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
Resolução:
Fazendo interpolação linear por x 0 =0,6 e x1 =0,7:
x − x1 x − x0
P1 ( x )= f ( x 0 )⋅ + f ( x1 )⋅
x0 − x1 x1 − x0
P1 ( x )=
1,1052
1,2214
1,3499
1,4918
1,6487
Lauro / Nunes
Cálculo Numérico Interpolação 4-9
P2 ( y )= g [ y0 ]+( y − y0 )⋅ g [ y0 , y1 ]+( y − y0 )⋅( y − y1 )⋅ g [ y0 , y1 , y2 ]
P2 ( y )=
P2 (1,3165)=
M3
• 1o Caso: pode ser aproximado por .......... (tabela de diferenças divididas de ordem 3).
3!
| E2 (1,3165)| ≈ .......... .......... .......... .......... ⇒ | E2 ( y )| ≈ .......... .......... .......... .
• 2o Caso: f ( x )= e x ⇒ g ( y )= f −1 ( y )= ln y
Logo: M 3 =
| E2 (1,3165)| ≤
3
y
2
1
2
P10(x )
f (x )
-1 - 12 0 1 1 x
2
Lauro / Nunes
Cálculo Numérico Interpolação 4-10
Em certos casos, a aproximação por Pn ( x ) pode ser desastrosa. Uma alternativa é
interpolar f ( x ) em grupos de poucos pontos, obtendo-se polinômios de graus menores, e
impor condições para que a função de aproximação seja contínua e tenha derivadas contínuas
até uma certa ordem.
3) S p ( xi )= f ( xi ), com i =0,1,…, n .
Nestes termos, S p ( x ) é denominada SPLINE INTERPOLANTE.
xi − x x − xi −1
si ( x )= f ( xi −1 ) + f ( xi ) , ∀x ∈[ xi −1 , xi ] (01)
xi − xi −1 xi − xi −1
S1 ( x ) definida dessa forma satisfaz as condições 1) , 2) e 3) .
1 02 3 4 5 6 7 x
Resolução: Pela definição, pode-se definir 3 splines lineares para os 4 pontos: s1 ( x ),
s2 ( x ) e s3 ( x ).
x1 − x x − x0
• s1 ( x )= y0 + y1
x1 − x0 x1 − x0
Lauro / Nunes
Cálculo Numérico Interpolação 4-11
x2 − x x − x1
• s2 ( x )= y1 + y2
x2 − x1 x2 − x1
x3 − x x − x2
• s3 ( x )= y2 + y3
x3 − x2 x3 − x2
S1 ( x )=
1) S3 ( x )= sk ( x ) para x ∈[ xk −1 , xk ], k =1,2,…, n .
2) S3 ( xi )= f ( xi ), com i =0,1,…, n .
3) sk ( xk )= sk +1 ( xk ), k =1,2,…,( n −1).
Lauro / Nunes
Cálculo Numérico Interpolação 4-12
− a k +1 h 3k +1 + bk +1 h 2k +1 − ck +1 h k +1 + d k +1 = f ( xk ) (05)
Para as condições 4) e 5) , tome as derivadas:
sk, ( x )=3 a k ( x − xk )2 +2 b k ( x − xk )+ c k (06)
sk,, ( xk )
bk = (08)
2
Para x = xk −1 ⇒ sk,, ( xk −1 )=−6 a k h k +2 b k .
2bk − sk,, ( xk −1 ) sk,, ( xk ) − s ,k, ( xk −1 )
ak = = .
6h k 6 hk
Impondo a condição 5) , sk,, ( xk −1 )= sk,,−1 ( xk −1 ), obtém-se:
sk,, ( xk ) − s ,k,−1( xk −1 )
ak = , com s0,, ( x0 ) arbitrária (09)
6h k
Na obtenção de c k , utilizam- se as equações (04) e (05):
− f ( xk −1) − ak h3k + bk h2k + d k
ck = , d k = f ( xk )
hk
f ( xk ) − f ( xk −1 )
ck = −( a k h 2k − b k h k ), substituindo a k e b k obtém-se:
hk
f ( xk ) − f ( xk −1 ) sk,, ( xk ) − sk,,−1( xk −1) s ,, ( x )
ck = − hk − k k hk
hk 6 2
Daí, c k pode ser dado por:
f ( xk ) − f ( xk −1 ) 2s k ( xk ) ⋅ h k + sk −1( xk −1) ⋅ h k
,, ,,
ck = + (10)
hk 6
Na obtenção dos coeficientes, tome yk = f ( xk ) e g k = sk,, ( xk ).
gk − g k −1
ak = (11)
6h k
gk
bk = (12)
2
y k − yk −1 2hk gk + g k −1hk
ck = + (13)
hk 6
d k = yk (14)
Lauro / Nunes
Cálculo Numérico Interpolação 4-13
y − yk yk − yk −1
h k g k −1 +2( h k + h k +1 ) g k + h k +1 gk +1 =6 k +1 − , com k =1,2,…,( n −1) (15)
hk +1 h
k
A equação (15) é um sistema de equações lineares A g = b , onde k =1,2,…,( n −1).
A ordem do sistema é: A(n −1 )× (n +1 ) , g (n +1)×1 e b( n −1)×1 .
Pela variação de k , o sistema A g = b é indeterminado. Para se resolver o sistema, de
forma única, é necessário impor mais duas condições, apresentadas nas três alternativas a
seguir.
• (1a) Spline Natural ⇒ nos extremos, S3 ( x0 ) é aproximadamente linear.
S3" ( x0 )= g 0 =0
S3" ( xn )= g n =0
• (2a) Nos extremos, S3 ( x ) é aproximadamente parábola.
g 0 = g1
g n = g n−1
Lauro / Nunes
Cálculo Numérico Interpolação 4-14
9. Encontrar uma aproximação para f (0,25) por spline cúbica natural, interpolando a
tabela:
x0 x1 x2 x3 x4
x 0 0,5 1,0 1,5 2,0
y = f (x) 3 1,8616 −0,5571 −4,1987 −9,0536
Resolução: n =4, logo, procura-se s1 ( x ), s 2 ( x ), s 3 ( x ) e s 4 ( x ).
Spline Natural ⇒ k =1,2,…,( n −1) ⇒ k =1,2,3 ⇒ Utilizando a (15), segue que:
y − yk yk − yk −1
⇒ h k g k −1 +2( h k + h k +1 ) g k + h k +1 gk +1 =6 k +1 −
hk +1 h
k
Desenvolvendo o sistema A g = b :
g=
Lauro / Nunes
Cálculo Numérico Interpolação 4-15
Considerando os próximos 5 exercícios, encontrar uma aproximação para f ( x ) por
spline cúbica natural, interpolando a tabela:
x0 x1 x2 x3 x4
x 0 0,5 1,0 1,5 2,0
y = f (x) 3 1,8616 −0,5571 −4,1987 −9,0536
n =4, logo, procura-se s1 ( x ), s 2 ( x ), s 3 ( x ) e s 4 ( x ).
Do exercício anterior, a forma geral de s i ( x ) é dada por:
s i ( x )= ai ( x − xi )3 + bi ( x − xi )2 + ci ( x − xi )+ d i , com i =1,2,3,4.
10. f (0,8).
Resolução:
f (0,8) ≈ s 2 (0,8)
g − g1
a2= 2 = .......... ⇒ a 2 = ..........
6h
g
b 2 = 2 = .......... ⇒ b 2 = ..........
2
y2 − y1 2hg 2 + g1h
c2= + = .......... ⇒ c 2 = ..........
h 6
d 2 = y2 = .......... ⇒ d 2 = ..........
Logo, s 2 (0,8)= ..........
11. f (1,1).
Resolução:
f (1,1) ≈ s 3 (1,1)
g3 − g 2
a3 = = .......... ⇒ a 3 = ..........
6h
g
b3 = 3 = .......... ⇒ b3 = ..........
2
y3 − y2 2hg 3 + g 2h
c3 = + = .......... ⇒ c 3 = ..........
h 6
d 3 = y3 = .......... ⇒ d 3 = ..........
Logo, s 3 (1,1)=−0,7137(−0,4) −3,1260(−0,4)2 −8,6678(−0,4)−4,1987
3
Lauro / Nunes
Cálculo Numérico Interpolação 4-16
12. f (1,2).
Resolução:
f (1,2) ≈ s 3 (1,2)
g − g2
a3 = 3 = .......... ⇒ a 3 = ..........
6h
g
b3 = 3 = .......... ⇒ b3 = ..........
2
y − y2 2hg 3 + g 2h
c3 = 3 + = .......... ⇒ c 3 = ..........
h 6
d 3 = y3 = .......... ⇒ d 3 = ..........
Logo, s 3 (1,2)= ..........
13. f (1,3).
Resolução:
f (1,3) ≈ s 3 (1,3)
g3 − g 2
a3 = = .......... ⇒ a 3 = ..........
6h
g
b3 = 3 = .......... ⇒ b3 = ..........
2
y3 − y2 2hg 3 + g 2h
c3 = + = .......... ⇒ c 3 = ..........
h 6
d 3 = y3 = .......... ⇒ d 3 = ..........
Logo, s 3 (1,3)= ..........
14. f (1,7).
Resolução:
f (1,7) ≈ s 4 (1,7)
g4 − g3
a4= = .......... ⇒ a 4 = ..........
6h
g
b 4 = 4 = .......... ⇒ b 4 = ..........
2
y − y3 2hg4 + g3h
c4= 4 + = .......... ⇒ c 4 = ..........
h 6
d 4 = y4 = .......... ⇒ d 4 = ..........
Logo, s 4 (1,7)= ..........
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-1
a x
b
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-2
f ( x k)
dk
g( xk) x
xk
Para isto é necessário que:
∂F
(α 1 , α 2 , α 3 , L, α n ) =0, j =1, 2, 3, …, n , isto é:
∂α j
∂F
(α 1 , α 2 , α 3 ,L , α n ) =
∂α j
m
2· ∑ [ f ( x k ) − α1 g1 ( xk ) − α 2 g 2 ( xk ) − L − α n g n ( x k )] ⋅ [− g j ( x k )] =0, j =1, 2, 3, …, n
k =1
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-3
ou
m
∑ [ f (x k ) − α1g1 ( xk ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅ [g j ( xk )] =0,
k =1
j =1, 2, 3, …, n
Assim, tem-se o seguinte sistema de n equações lineares com n incógnitas α 1 , α 2 ,
α3 , … , αn :
m
∑ [ f ( x k ) − α1g1 ( x k ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅[ g1( xk )] = 0
k =1
m
∑ [ f ( x k ) − α1g1 ( x k ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅[ g 2 ( x k )] = 0
k =1
M M
m
∑ [ f ( x k ) − α1g1 ( x k ) − α 2 g 2 ( xk ) − L − α n g n ( xk )] ⋅[ g n ( x k )] = 0
k =1
Que é equivalente a:
m m m
∑ 1 k g ( x ) ⋅ g1 k
( x ) ⋅ α 1 + L + ∑ 1 k g ( x ) ⋅ g n k
( x ) ⋅ α n = ∑ g1( xk ) ⋅ f ( xk )
k =1 k =1 k =1
m m m
∑ 2 k g ( x ) ⋅ g 1 k
( x ) ⋅ α 1 + L + ∑ 2 k g ( x ) ⋅ g n k
( x ) ⋅ α n = ∑ g 2 ( xk ) ⋅ f ( x k )
k =1 k =1 k =1
M M
m m m
∑ g n ( xk ) ⋅ g1 ( x k ) ⋅ α1 + L + ∑ g n ( xk ) ⋅ g n ( xk ) ⋅ α n = ∑ g n ( x k ) ⋅ f ( xk )
k =1 k =1 k =1
As equações deste sistema linear são chamadas de equações normais.
Este sistema pode ser escrito na forma matricial A ⋅ α = b :
a11α1 + a12α 2 + L + a1n α n = b1
a
21α1 + a 22α 2 + L + a 2n α n = b2
M M M M
an1α + an2α + L + ann α n = bn
1 2
m m
onde A = ( aij ) tal que aij = ∑ g i ( xk ) ⋅ g j ( xk ) = ∑ g j ( xk ) ⋅ g i ( xk ) = a ji , ou seja, A é
k =1 k =1
uma matriz simétrica;
m
α = [α1 , α 2 ,L , α n ]T e b = [b1 , b2 ,L , bn ]T é tal que bi = ∑ gi ( x k ) ⋅ f ( x k ) .
k =1
m
Lembrando que, dados os vetores x e y ∈ ℜm o número real 〈 x, y〉 = ∑ xk ⋅ y k é
k =1
chamado de produto escalar de x por y , e usando esta notação no sistema normal A ⋅ α = b ,
tem-se: a ij = 〈 gi , g j 〉 e bi = 〈 g i , f 〉 onde:
g l é o vetor [ g l ( x1 ) g l ( x2 ) g l ( x3 ) L g l ( x m )]T e
f é o vetor [ f ( x1 ) f ( x 2 ) f ( x 3 ) L f ( x m )]T .
Desta forma o sistema na forma matricial fica:
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-4
〈 g1 , g1〉 〈 g1 , g 2 〉 L 〈 g1 , g n 〉 α1 〈 g1 , f 〉
〈 g , g 〉 〈 g , g 〉 L 〈 g , g 〉 α
2 1 n 2 〈g 2 , f 〉
2 2 2
⋅ =
M M M M M
〈 g n , g1 〉 〈 g n , g 2 〉 L 〈 g n , g n 〉 α n 〈 g n , f 〉
Demonstra-se que, se as funções g 1 ( x ), g 2 ( x ), g 3 ( x ), … , g n ( x ) forem tais que os
vetores g1 , g 2 , g 3 ,L , g n , sejam linearmente independentes (LI), então det A ≠ 0 e o sistema
de equações é possível e determinado (SPD). Demonstra-se ainda que a solução única deste
sistema, α 1 , α 2 , α 3 , … , α n é o ponto em que a função F ( α 1 , α 2 , α 3 ,…, α n ) atinge seu
valor mínimo.
OBS. 1: Se os vetores g1 , g 2 , g 3 ,L , g n , forem ortogonais entre si, isto é, se
〈 g i , g j 〉 = 0 se i ≠ j e 〈 g i , g j 〉 ≠ 0 se i = j , a matriz dos coeficientes A será uma matriz
diagonal, o que facilita a resolução do sistema A ⋅ α = b .
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-5
y
2
-1 1 x
Resolução: Fazendo g ( x ) = α1 ⋅ g1 ( x) e considerando g1 (x ) = x 2 , obtém-se
g ( x ) = .................... . Assim, para se obter a parábola que melhor se ajusta aos pontos da
tabela, será necessário encontrar α1 do sistema:
[〈 g1 , g1 〉 ] ⋅ [α 1 ] = 〈 f , g1 〉 [ ]
g1 =[ .................... .................... .................... … .................... .................... ]T
f =[ .................... .................... .................... … .................... .................... ]T
〈 g1 , g1 〉 = ..............................................................................................................................................................................
..............................................................................................................................................................................
〈 g1 , f 〉 = ..............................................................................................................................................................................
..............................................................................................................................................................................
Assim, α1 = .................... .
Logo a equação da parábola procurada é: g ( x ) = .................................................
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-6
〈 g 2 , g1 〉 = ..............................................................................................................................................................................
〈 g1 , g 3 〉 = ..............................................................................................................................................................................
〈 g 3 , g1〉 = ..............................................................................................................................................................................
〈 g 2 , g 2 〉 = ..............................................................................................................................................................................
〈 g 2 , g 3 〉 = ..............................................................................................................................................................................
〈 g 3 , g 2 〉 = ..............................................................................................................................................................................
〈 g 3 , g 3 〉 = ..............................................................................................................................................................................
〈 g1 , f 〉 = ..............................................................................................................................................................................
〈 g2 , f 〉 = ..............................................................................................................................................................................
〈 g 3 , f 〉 = ..............................................................................................................................................................................
Assim,
g ( x ) = .................................................
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-7
bg 2 ( x) dx α bg ( x ) g ( x )dx α b
∫a 1 1
+ L +
∫a 1 n n
= ∫a f (x )g1( x)dx
b
∫ g2 ( x ) g1 ( x )dx α1 + L + ∫ g 2 ( x ) g n ( x )dx α n
b b
a a
= ∫a f (x )g 2 ( x)dx .
M O M M
b
∫a gn ( x ) g1( x ) dx α1 + L g 2( x )dx α
b b
+ ∫a n n = ∫a f (x )g n ( x )dx
Este é um sistema linear A α= b de ordem n .
b
A =( aij ) tal que aij = ∫ gi ( x) g j ( x )dx = a ji ⇒ aij = a ji .
a
A é SIMÉTRICA. α=( α 1 , α 2 , α 3 ,…, α n ) e b =( b1 , b2 , b3 ,…, bn ), tal que
b
bi = ∫ f ( x) gi ( x) dx .
a
Usando a definição de produto escalar de duas funções p ( x ) e q ( x ) no intervalo
b
[ a , b ] por 〈 p , q 〉 = ∫ p( x) ⋅ q ( x) dx , o sistema A α= b fica:
a
A =( aij )= gi , g j e b =( bi )= f , gi .
a22 = 〈 g 2 , g 2 〉 = ..........
b1 = 〈 f , g1〉 = ..........
b2 = 〈 f , g 2 〉 = ..........
A α= b ⇒
Logo:
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-8
a22 = 〈 g 2 , g 2 〉 = ..........
b1 = 〈 f , g1〉 = ..........
b2 = 〈 f , g 2 〉 = ..........
g ( x )= ................................................. ≈ f ( x )= e x em [0,1].
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-9
• 1o ) f ( x )≈ α1 ⋅ e α2 x = g ( x )
ln f ( x )≈ ln α1 ⋅ e α2 x = ln α1 + α 2 ⋅ x = G ( x ).
Fazendo ln α1 = a1 e α 2 = a2 , tem-se: G ( x )= a1 + a 2 ⋅ x ,
Desta forma G ( x )≈ ln f ( x ), sendo que G ( x ) é linear nos parâmetros a1 e a 2 .
1
• 2o ) f ( x )≈ =g (x)
α1 + α 2 ⋅ x
1
≈ α1 + α 2 ⋅ x = G ( x ).
f ( x)
Fazendo α1 = a1 e α 2 = a2 , tem-se: G ( x )= a1 + a 2 ⋅ x ,
1
Desta forma G ( x )≈ , sendo que G ( x ) é linear nos parâmetros a1 e a 2 .
f ( x)
• 3o ) f ( x )≈ α1 + α 2 ⋅ x = g ( x )
f 2 ( x )≈ α1 + α 2 ⋅ x = G ( x ).
Fazendo α1 = a1 e α 2 = a2 , tem-se: G ( x )= a1 + a 2 ⋅ x ,
Desta forma G ( x )≈ f 2 ( x ), sendo que G ( x ) é linear nos parâmetros a1 e a 2 .
Lauro / Nunes
Cálculo Numérico Ajuste de curvas pelo método dos mínimos quadrados 5-10
x 0 1 2
f (x) 1 0,5 0,7
Resolução: Desta forma, “linearizando” a função g ( x )= α1 ⋅ e α 2 x , como no primeiro
exemplo anterior, tem-se:
〈 g1 , g1〉 = ..............................................................................................................................................................................
〈 g1 , g 2 〉 = ..............................................................................................................................................................................
〈 g 2 , g1〉 = 〈 g1 , g 2〉 = ..........
〈 g 2 , g 2 〉 = ..............................................................................................................................................................................
〈 .............. , g1 〉 =
..............................................................................................................................................................................
〈 ............. , g 2 〉 =
..............................................................................................................................................................................
⇒ g ( x )= ................................................. ≈ f ( x ).
Os parâmetros assim obtidos não são ótimos dentro do critério dos mínimos
quadrados, isto porque estamos ajustando o problema linearizado por mínimos quadrados e
não o problema original. Portanto, os parâmetros a1 e a 2 do exemplo, são os que ajustam a
função G ( x ) à função ln f ( x ), no sentido dos mínimos quadrados. Não se pode afirmar
que os parâmetros α1 e α 2 (obtidos de a1 e a 2 ) são os que ajustam g ( x )= α1 ⋅ e α 2 x à f ( x ),
dentro do critério dos mínimos quadrados.
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-1
6 Integração Numérica
Se uma função f ( x ) é contínua em um intervalo [a , b ] e sua primitiva F ( x ) é
conhecida, então
b
∫a f (x )dx = F ( b )− F ( a ) (01)
onde F ' ( x )= f ( x ).
Por outro lado, nem sempre se tem F ( x ) e em alguns casos, a função a ser integrada
é dada por meio de tabela de pontos. Neste caso, torna-se necessária a utilização de métodos
numéricos.
A idéia básica da integração numérica é a substituição da função f ( x ) por um
polinômio que a aproxime no intervalo [ a , b ]. Assim o problema fica resolvido pela
integração de polinômios, o que é trivial de se fazer.
f ( x0)
0 a= x 0 b = x1 x
h= b - a , h= x1- x 0
A integral de f ( x ) no intervalo [ a , b ] é aproximada pela área de um trapézio.
b h
∫a f (x )dx ≈ 2
[ f ( x 0 )+ f ( x1 )] = I T (02)
x − x1 x − x0
p 1 ( x )= f ( x 0 )+ f ( x1 ) (03)
−h h
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-2
Estimativa para o Erro
f ( n+1) ( ξx )
f ( x )= p 1 ( x )+ E ( x ) E n ( x )=( x − x 0 )⋅…⋅( x − x n )⋅
( n + 1)!
f " (ξ x )
E ( x )=( x − x 0 )⋅( x − x1 )⋅ , ξ x ∈( x 0 , x1 )
2
f " (ξ x )
f ( x )= p 1 ( x )+( x − x 0 )⋅( x − x1 )⋅ .
2
Integrando f ( x ):
x1 x1 x1 f " (ξ x ) x = a
∫x f ( x ) dx = ∫ p1 ( x ) dx + ∫ ( x − x 0 )( x − x1 ) dx , com 0
x1 = b
0 x0 x0 2
b
I T = ∫ p1 ( x ) dx
a
b f " (ξ x )
ET = ∫ ( x − a )( x − b ) dx
a 2
1 " b
ET = f ( c ) ∫ ( x − a )( x − b ) dx
2 a
1 ( b − a )3
ET =− f " ( c )
2 6
h3 "
ET =− f ( c ) com c ∈( a , b ) (04)
12
ou
h3
| ET |≤ max | f " ( x )| (05)
12 x∈[ a,b]
OBS. 1:
b
b x 3 ax 2 bx 2 (a − b ) 3 ( b − a )3
∫a ( x − a x − b x + a b ) dx = − − + abx = =−
2
.
3 2 2 a 6 6
9
1. Calcular ∫1 6x − 5 dx , usando a regra dos trapézios.
Resolução:
9
∫1 6x − 5 dx ≈ I T = .................... .
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-3
O erro cometido será, no máximo:
Logo, | ET |≤ .................... .
f (x )
0 a = x0 x1 x2 x3 x n-1 b = xn x
h = x1 − x 0 = x 2 − x1 = x 3 − x 2 = … = x n − x n −1
b−a
h= , com n sendo o número de subdivisões do intervalo [ a , b ].
n
b
∫a f (x )dx ≈ A1 + A2 + A3 +…+ An tal que Ai =área do trapézio i , com i =1,2,…, n .
h
Ai = [ f ( x i −1 )+ f ( x i )]
2
n −1
h
[ f ( x 0 )+ f ( x n )+2⋅ ∑ f ( x i ) ]
b
∫a f ( x ) dx ≈
2 i =1
(06)
(b − a ) 3
| ETR |≤ 2
max | f " ( x )| (07)
12n x∈[ a ,b ]
9
2. Calcular ∫1 6x − 5 dx empregando o método dos trapézios com 8 repetições.
Determine uma aproximação para o erro cometido.
Resolução:
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-4
9
∫1 6x − 5 dx ≈ .................... .
| ETR | ≤ .................... .
Neste caso em particular, f ( x ) pode ser integrada de forma exata:
9
∫1 6x − 5 dx = .................... .
1
3. Seja I = ∫ e x dx . Calcule uma aproximação para I usando 10 subintervalos e a regra
0
dos trapézios repetida. Estimar o erro cometido.
Resolução:
1 x
∫0 e dx ≈ .................... .
Erro cometido será, no máximo:
| ETR | ≤ .................... .
1
4. Seja I = ∫ e x dx . Qual o número mínimo de subdivisões, para a regra dos trapézios
0
repetida aplicada em I , de modo que o erro seja inferior a 10−3 ?
Resolução:
n = .................... .
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-5
2 (x − x j )
tal que Li ( x )= ∏ , com i =0,1,2.
j = 0 ( xi − x j )
j≠i
y
f (x)
f ( x0) p2 (x )
f ( x2)
f ( x1)
0 a= x 0 m= x 1 b = x2 x
h h
x0 = a , x1 = m e x2 = b
a+b
m = x1 =
2
b−a
h=
2
x0 − x1 =− h , x0 − x2 =−2 h ,
x1 − x0 = h , x1 − x2 =− h ,
x2 − x0 =2 h , x2 − x1 = h .
( x − x1 )( x − x 2 ) ( x − x 0 )( x − x 2 ) ( x − x 0 )( x − x1 )
p 2 ( x )= f ( x 0 )+ f ( x1 )+ f ( x2 )
( − h)( −2h ) ( h )( −h ) ( 2 h)( h )
b x2 x2
∫a f (x )dx = ∫x 0
f ( x )dx ≈ ∫ p2 ( x) dx
x0
f ( x0 ) x2 f ( x1) x2 f ( x2 ) x2
2 ∫x ∫ ∫x (x − x0 )( x − x1)dx
= ( x − x1 )( x − x2 ) dx − 2
( x − x0 )( x − x2 )dx +
2h 0 h x 0 2h2 0
h
= [ f ( x 0 )+4 f ( x1 )+ f ( x2 )]. Logo:
3
b x2 h
∫a f (x )dx = ∫x 0
f ( x )dx ≈
3
[ f ( x 0 )+4 f ( x1 )+ f ( x2 )] (08)
b b f ''' ( ξx )
ES = ∫ R2 ( x) dx = ∫ ( x − x0 )( x − x1 )( x − x2 ) dx (09)
a a 3!
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-6
Mudança de Variável
x − x0 x0 − x 0
z= ⇒ x = hz + x 0 x = x0 = a ⇒ z = ⇒ z =0
h h
x − x 0 2h
x = x2 = b ⇒ z = 2 = ⇒ z =2
h h
dx
dz = ⇒ dx = h dz
h
h ⋅ f ''' (ξ z ) 2
ES =
6 ∫0 hz ( hz − h )( hz −2 h ) dz
h4 ⋅ f ''' ( ξ z ) 2 h4 ''' 2
ES =
6 ∫ 0
z ( z −1)( z −2) dz =
6
f ( ξ z ) ∫ ( z 3 − 3z 2 + 2 z ) dz
0
2
h4 ''' z4 h4 '''
ES = f (ξ z ) ⋅ − z3 + z2 = f ( ξ z ) ⋅0 = 0.
6 4 6
14424430
=0
Logo, ES =0. Isso quer dizer que ES não depende de R2 (resíduo de 2o grau).
Então:
b b f 4 (ξ x )
ES = ∫ R3 ( x ) dx = ∫ ( x − x0 )( x − x1)( x − x2 )( x − x3 ) dx
a a 4!
h5 ⋅ f 4 ( ξ z ) 2 h5 4 2 4
ES =
24 ∫0
z ( z −1)( z −2)( z −3) dz =
24
f ( ξ z ) ∫0
( z − 6 z 3 + 11z 2 − 6 z ) dz
14444244443
4
=−
15
h5 4
ES = − f (ξ) com ( a ≤ξ≤ b ).
90
h5
| ES | = ⋅ max | f 4 ( x ) | (10)
90 x∈[ a,b]
b−a 5 ( b − a)
5
Considerando h = ⇒h = , tem-se:
2 32
( b − a) 5
| ES | ≤ ⋅ max | f 4 ( x ) | (11)
2880 x∈[ a,b]
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-7
f (x)
0 a = x0 x1 x2 x3 x4 x5 x6 xm -2 xm -1 b = x m x
h
b−a
Na figura, tome h = ⇒ h = xi − xi −1 ( i =1,2,… m ), para m =2 n ⇒ m é par.
2n
Aplica-se a regra de Simpson repetidas vezes no intervalo [ a , b ]=[ x0 , xm ].
x0 , x1 ,…, xm são pontos igualmente espaçados.
Então:
b xm
∫a f ( x ) dx = ∫
x0
f ( x ) dx
h h h
≈ [ y 0 +4 y1 + y2 ]+ [ y2 +4 y 3 + y4 ]+…+ [ ym − 2 +4 y m −1 + ym ]
3 3 3
b h
∫a f (x )dx ≈ 3 [ y 0 + ym +2( y2 + y4 +…+ ym − 2 )+4( y1 + y 3 +…+ y m −1 )]
−1 m m
h 2 2
f ( x ) dx ≈ y 0 + ym +2 ∑ y2i +4 ∑ y2i −1
b
∫a 3 i =1 i =1
(12)
h5
ESR ≤ n ⋅ ⋅ max | f 4 ( x ) | (13)
90 x∈[ a,b]
b−a ( b − a)5
Considerando h = ⇒ h5 = , tem-se:
2n 32n 5
( b − a) 5
ESR ≤ ⋅ max | f 4 ( x ) |
4 x∈[ a ,b ]
(14)
2880n
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-8
1
5. Seja I = ∫ e xdx . Calcule uma aproximação para I usando a regra 1/3 de Simpson com
0
m =10. Estime o erro cometido.
Resolução:
1 x
∫0 e dx ≈ ................................................. .
Estimativa do erro:
ESR ≤ ................................................. .
Observe que ESR ≤ ................................................. e ETR ≤ ..................................................
1
6. Seja I = ∫ e xdx . Para que valor de m teríamos erro inferior a 10−3 ?
0
Resolução:
10
7. Seja I = ∫ log xdx . Aproxime I com a regra dos trapézios com 8 repetições. Estime o
6
erro cometido.
Resolução:
h = ................................................. ⇒ h = .................... .
i 0 1 2 3 4 5 6 7 8
xi
f ( xi )
Lauro / Nunes
Cálculo Numérico Integração Numérica 6-9
10
∫6 log xdx ≈ ................................................. .
Estimativa do erro:
⇒ ETR ≤ ................................................. .
10
8. Seja I = ∫ log xdx . Aproxime I com a regra de Simpson com 8 subintervalos. Estime
6
o erro cometido.
Resolução:
i 0 1 2 3 4 5 6 7 8
xi
f ( xi )
10
∫6 log xdx ≈ ................................................. .
Estimativa do erro:
⇒ E SR ≤ ................................................. .
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-1
dy
1. Resolver a seguinte EDO: =− xy .
dx
Resolução:
y = .................... .
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-2
y (n ) = f ( x , y , y , , y ,, , y (3 ) , y (4 ) ,…, y (n −1 ) ) (01)
onde
dl y
y = l , l =1,2,…, n , x ∈[ a , b ] e y :[ a , b ]→ℜ.
(l )
dx
Associadas a 0, podem existir condições cujo número coincide com a ordem da EDO.
Se tais condições se referem a um único valor x , tem-se um PROBLEMA DE VALOR
INICIAL – PVI. Caso contrário, tem-se um problema de valores de conterno.
y (xm )
Solução
Exata ym
y (x3 )
y (x2) Solução
y (x1 ) y3 Numérica
y (x0)
y (x0 ) = y0 y2
y0 y1
x0 x1 x2 x3 xm -1 xm
• NOTAÇÃO: y ( x j )≈ y j significa que y j é aproximação para y ( x j ), x j ∈ I h .
y , = f ( x , y )
(02)
y( x0 ) = y0 = η, sendo η um número dado.
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-3
Para se aproximar y j para as soluções exatas y ( x j ), com j =1,2,…, m , procura-se
inicialmente y1 .
T
y1
e1
y (x1 ) y (x )
y (x0 ) = y0
x0 x1
Traça-se a tangente T à curva y ( x ) no ponto ( x0 , y ( x0 )), cuja equação é:
y ( x )= y ( x0 )+( x − x0 ) y , ( x0 ) (03)
Fazendo x = x1 e lembrando que y ( x0 )= y0 , x1 − x0 = h , y , ( x0 )= f ( x0 , y ( x0 )) e
y1 ≈ y ( x1 ), tem-se:
y1 = y0 + h ⋅ f ( x0 , y ( x0 )) (04)
Erro cometido
e1 = y1 − y ( x1 ).
y j +1 = y j + h ⋅ f ( x j , y j )
, com j =0,1,2,…, m −1 (05)
e j +1 = y j +1 − y ( x j +1)
O método de Euler consiste em calcular RECURSIVAMENTE a seqüência { y j }
através das fórmulas:
( A ) y0 = y( a ) = η
, com j =0,1,2,…, m −1 (06)
( B ) y j +1 = y j + h ⋅ f ( x j , y j )
y, = x − y + 2
3. Achar aproximações para a solução do PVI na malha de [0,1] com
y( 0 ) = 2
h =0,1.
Resolução:
1− 0
x0 =0, y0 =2, a =0, b =1, m = → m =10.
0,1
Usar 0 para j =0,1,2,…,9.
• j =0:
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-4
• j =1:
• TABELA:
j xj yj y (xj) y j − y ( x j )= e j
0 0 2 2
1 2,004837
2 2,018731
3 2,040818
4 2,07032
5 2,106531
6 2,148812
7 2,196585
8 2,249329
9 2,30657
10 2,367879
Na pratica, não se dispõe da solução exata y ( x j ) do PVI. Daí a necessidade de se
determinar uma expressão matemática para o erro. Usa-se a fórmula de Taylor para
desenvolver y ( x ), solução teórica do PVI, em torno de x0 :
x − x0 , ( x − x0 ) 2 ,, ( x − x0 ) 3 ,,,
y ( x )= y ( x0 )+ y ( x0 )+ y ( x0 )+ y ( x0 )+… (07)
1! 2! 3!
Fazendo x = x1 e lembrando que y ( x0 )= y0 , x1 − x0 = h , y , ( x0 )= f ( x0 , y ( x0 )) e
y1 = y ( x1 ), toma-se os dois primeiros termos da equação (07):
y1 = y0 + h ⋅ f ( x0 , y0 ). Generalizando-se, tem-se equação (05).
h2 , ,
ej = y (ξ), x j −1 <ξ< x j , (08)
2!
que é o ERRO LOCAL DE TRUNCAMENTO – ELT.
Na prática, procura-se estabelecer COTAS ou ESTIMATIVAS para que se possa
conduzir o cálculo do erro com segurança.
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-5
h2 , ,
y j +1 = y j + h y , ( x j )+ y ( x j ), para j =0,1,2,…, m −1. (10)
2!
h3 , , ,
e j +1 = y (ξ), x j <ξ< x j +1 . (11)
3!
OBS. 2: Em (09), y , ( x j )= f ( x j , y j ).
y ,, ( x j )=? Regra da cadeia de f em relação a x j :
∂f ∂f ∂x ∂f ∂y
(xj, yj )= ( x j , yj ) (xj, y j) + ( x j , yj ) (xj, yj)
∂x4243 ∂x
1 ∂x4243 ∂y
1 ∂x4243
1
= y ,, ( x j ) =1 = f (x j ,y j )
∂f ∂f
y ,, ( x j )= ( x j , y j )+ ( x j , y j ) f ( x j , y j )
∂x ∂y
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-6
y, = x − y + 2
4. Achar aproximações para a solução do PVI na malha [0,1] com h =0,1
y( 0 ) = 2
usando o método da equação (10).
Resolução:
1− 0
x0 =0, y0 =2, a =0, b =1, m = → m =10.
0,1
Usar equação (10) para j =0,1,…,9.
• j =0:
• j =1:
• TABELA:
j xj yj y (xj) y j − y ( x j )= e j
0 0 2 2
1 2,004837
2 2,018731
3 2,040818
4 2,07032
5 2,106531
6 2,148812
7 2,196585
8 2,249329
9 2,30657
10 2,367879
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-7
7.2.4 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda
Ordem)
Retomando a equação (09): y j +1 = y j + h φ( x j , y j ; h ), para j =0,1,2,…, m −1.
1
Fazendo-se φ( x j , y j ; h )= ( k1 + k 2 ) e substituindo na equação, tem-se:
2
h
y j +1 = y j + ( k1 + k 2 ), para j =0,1,2,…, m −1 (12)
2
onde k1 = f ( x j , y j ) e k 2 = f ( x j + h , y j + h k1 ).
dy
= − xy
5. Achar aproximações para a solução do PVI dx na malha [0,1] com h =0,5
y( 0) = 1
usando o método de Euler Aprimorado.
Resolução:
y ( x j )= e − x | y j − y ( x j )|
2
j xj yj k1 k2 /2
0 0 1
1
2
h
y j +1 = y j + ( k1 +2 k 2 +2 k3 + k 4 ), para j =0,1,2,…, m −1 (13)
6
onde k1 = f ( x j , y j ),
h h
k 2 = f ( x j + , y j + k1 ),
2 2
h h
k3 = f ( x j + , y j + k 2 ) e
2 2
k 4 = f ( x j + h , y j + h k3 ).
h5 (5 )
ej = y (ξ), x j −1 <ξ< x j (14)
5!
Lauro / Nunes
Cálculo Numérico Solução numérica de equações diferenciais ordinárias 7-8
dy
= − xy
6. Calcular a solução do PVI dx com h =0,1, no interior do intervalo [0,1], pelo
y( 0) = 1
método de Runge-Kutta de quarta ordem.
h
Resolução: y j +1 = y j + ( k1 +2 k 2 +2 k3 + k 4 ), para j =0,1,2,…,9.
6
k1 = .........................................................................................
k 2 = .........................................................................................
k3 = .........................................................................................
k 4 = .........................................................................................
j xj yj k1 k2 k3 k4
0 0 1
1
2
3
4
5
6
7
8
9
10
y, = x − y + 2
7. Achar aproximação para a solução do PVI na malha [0,1] com h =0,1
y( 0) = 2
usando o método de Runge-Kutta de segunda ordem (Euler aprimorado).
1− 0
Resolução: x0 =0, y0 =2, a =0, b =1, m = → m =10.
0,1
0,1
y j +1 = y j + ( k1 + k 2 ), para j =0,1,2,…,9.
2
k1 = ......................................................................................... e k 2 = .........................................................................................
j xj yj k1 k2
0 0 2
1
2
3
4
5
6
7
8
9
10
Lauro / Nunes
Cálculo Numérico Referências Bibliográficas 8-1
8 Referências Bibliográficas
1. Barroso / Barroso / Campos / Carvalho / Mata.
Cálculo Numérico (com aplicações) - (2a. Edição). Editora Harbra, São Paulo,
1987.
2. Gomes-Ruggiero / Lopes, Makron Books. Cálculo Numérico
Aspéctos Teóricos e Computacionais (2a. Edição) - São Paulo, 1996.
3. Burden, Richard L. e Faires, J. Douglas. Análise Numérica (1a. Edição).
Editora Pioneira Thomson, 2003.
4. Humes, A.F.P.C., et al. Noções de Cálculo Numérico.
São Paulo: Mc. Graw Hill, 1984.
Lauro / Nunes