Livro - Calculo Numerico

Universidade Federal de Uberlândia
Curso de Licenciatura em Matemática
Cálculo Numérico
César Guilherme de Almeida
UFU
2015
Almeida, César Guilherme de
Cálculo Numérico / César Guilherme de Almeida. Uberlândia, MG
: UFU, 2015.
229p.:il.
Licenciatura em Matemática.
1. Cálculo Numérico
PRESIDENTE DA REPÚBLICA EQUIPE DO CENTRO DE EDUCAÇÃO A
Dilma Vana Rousseff DISTÂNCIA DA UFU - CEaD/UFU
MINISTRO DA EDUCAÇÃO ASSESSORA DA DIRETORIA

Renato Janine Ribeiro Sarah Mendonça de Araújo
UNIVERSIDADE ABERTA DO BRASIL EQUIPE MULTIDISCIPLINAR

DIRETORIA DE EDUCAÇÃO A DISTÂNCIA/CAPES Alberto Dumont Alves Oliveira
Jean Marc Georges Mutzig Dirceu Nogueira de Sales Duarte Júnior
Gustavo Bruno do Vale
UNIVERSIDADE FEDERAL DE UBERLÂNDIA - UFU João Victor da Silva Alves
REITOR Otaviano Ferreira Guimarães
Elmiro Santos Resende
SETOR DE FORMAÇÃO CONTINUADA
VICE-REITOR Marisa Pinheiro Mourão
Eduardo Nunes Guimarães
REVISORA
CENTRO DE EDUCAÇÃO A DISTÂNCIA Paula Godoi Arbex
DIRETORA E REPRESENTANTE UAB/UFU
Maria Teresa Menezes Freitas EQUIPE DE ESTAGIÁRIOS DO CEAD
E DO CURSO DE MATEMÁTICA
SUPLENTE UAB/UFU
José Benedito de Almeida Júnior
FACULDADE DE MÁTEMÁTICA - FAMAT - UFU

DIRETOR
Luís Antonio Benedetti
COORDENADOR DO CURSO DE LICENCIATURA

EM MATEMÁTICA - PARFOR
Rogério de Melo Costa Pinto
COORDENAÇÃO DE TUTORIA
Janser Moura Pereira
Sumário
Informações ii
Sobre o Autor iii
Sobre o Curso iv
Módulo 1 - Zero de funções reais 1
Módulo 2 - Sistemas Lineares 48
Módulo 3 - Ajuste de Curvas; Interpolação Polinomial e

Integração Numérica 96
Módulo 4 - Solução Numérica de Problema de Valor Inicial 174
Referências Bibliográficas 219
Cálculo Numérico
Informações
Prezado(a) aluno(a),
Ao longo deste guia impresso você encontrará alguns “ícones” que lhe ajudarão
a identificar as atividades. Fique atento ao significado de cada um deles. Isto facilitará a
sua leitura e seus estudos.
Atividades Vídeo Básico Leitura Atividades

Vídeo Básico Complementar Leitura Complementar
Atividades Saiba Mais

Texto Básico
Texto Básico
té'
Pare e Pense Atividades Atividades

Ambiente Virtual Suplementares
Síntese Bibliografia Referências

do Módulo Adicional Comentada
Destacamos alguns termos no texto do Guia cujos sentidos serão importantes para sua
compreensão. Para permitir sua iniciativa e pesquisa não criamos um glossário, mas se
houver dificuldade interaja no Fórum de Dúvidas.
ii
Cálculo Numérico
Sobre o autor
César Guilherme de Almeida é bacharel (1989) em Matemática pela Universidade

Estadual Paulista, Unesp - Rio Claro, mestre (1993) em Matemática Computacional
pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo
(ICMC-USP), e doutor (2000) em Matemática Aplicada pelo Instituto de Matemática,
Estatística e Computação Científica da Universidade Estadual de Campinas (Unicamp).

Desde março de 1993, é professor da Faculdade de Matemática da Universidade Federal
de Uberlândia (FAMAT- UFU). Áreas de atuação: Matemática Computacional,
Modelagem Matemática e Educação Matemática.
iii
Cálculo Numérico
Sobre o curso
Pesquisadores e profissionais de diversos setores têm utilizado, com frequência, a

modelagem matemática para investigar os seus objetos de estudos, os quais podem estar
associados a problemas provenientes da área de engenharia ou provenientes de análises
de fenômenos físicos e biológicos, dentre outros. A modelagem matemática, também,
tem sido explorada por educadores que estão preocupados com o aperfeiçoamento do
processo ensino-aprendizagem em todos os níveis de ensino, do fundamental ao
superior.
As soluções das equações resultantes (ou dos sistemas de equações resultantes) dos
modelos matemáticas, na maioria dos casos, são determinadas somente com a ajuda de
métodos numéricos. Desta forma, um curso introdutório de Cálculo Numérico é
fundamental para a formação dos profissionais que possivelmente trabalharão com
modelagem matemática.
O objetivo geral deste curso é o de explicar os fundamentos dos principais métodos

numéricos utilizados em simulações computacionais de diversos problemas práticos.
Em todas as unidades que compõem a ementa deste curso, os métodos serão
apresentados com senso crítico, analisando-se a convergência dos mesmos e exibindo-se
vantagens e desvantagens através da comparação entre os métodos que são aplicados a
uma mesma classe de situação-problema.
A ementa resumida do curso é a seguinte: Zeros de Funções; Sistemas de Equações

Lineares; Ajuste de Curvas com o Método dos Quadrados Mínimos; Interpolação
Polinomial; Integração Numérica e Solução Numérica de Equações Diferenciais
Ordinárias - Problemas de Valor Inicial. A fundamentação teórica será complementada
com a utilização de softwares computacionais como o OCTAVE.
Em Zeros de Funções, serão exibidos vários métodos numéricos para a resolução de

equações não lineares do tipo f(x) = 0. Com relação ao tópico Sistemas Lineares,
abordaremos a resolução de sistemas de equações lineares, dando ênfase ao método da
Eliminação de Gauss (pertencente à classe dos métodos diretos) e aos métodos de
Gauss-Jacobi e Gauss-Seidel (pertencentes à classe dos métodos iterativos). O Método
dos Quadrados Mínimos e a Interpolação Polinomial serão aplicados em problemas que
necessitam de técnicas apropriadas de aproximações de funções. Tais funções podem ser
conhecidas em todos os pontos de seus domínios, através de expressões explícitas, ou
podem ser representadas, por um conjunto discreto de pontos, através de tabelas. As
regras de Integração Numérica que serão abordadas no curso são conhecidas como
fórmulas fechadas de Newton-Cotes. Estudaremos duas delas: a regra dos trapézios e a
regra de Simpson (1/3 de Simpson). O curso será finalizado com o tópico relacionado à
solução numérica de problemas de valor inicial para equações diferenciais ordinárias.
Apresentaremos exemplos de métodos de passo simples, de passo múltiplo e de
iv
Cálculo Numérico
previsão-correção.
A seguir são apresentados os conteúdos programados para cada um dos quatro módulos
do curso:
Conteúdos básicos do Módulo 1
• Isolamento de raízes.
• Método da Bissecção.
• Método Iterativo Linear.
• Método de Newton - Raphson.
• Método Iterativo de Gauss - Jacobi e de Gauss - Seidel.
• Método da Eliminação de Gauss e Decomposição LU.
• Método dos Quadrados Mínimos: Caso Discreto do Modelo Linear;
• Exemplo de redução do Modelo Não-Linear ao Modelo Linear.
• Existência e unicidade do polinômio interpolador.
• Polinômio de Lagrange.
• Polinômio de Newton com diferenças divididas.
• Regra dos Trapézios.
• Regra de Simpson.
Conteúdo básico do Módulo 4
• Métodos baseados em série de Taylor para solução de P.V.I de 1a ordem.
• Método de Euler e métodos de Runge-Kutta de segunda ordem.
• Exemplos de métodos de passo múltiplo.
• Exemplos de métodos do tipo previsor-corretor.
Cálculo Numérico
Para que os alunos assimilem satisfatoriamente o conteúdo abordado neste material, a
metodologia de ensino deve conter quatro (4) etapas, descritas a seguir.
i) Acessar com assiduidade os materiais disponíveis no Ambiente Virtual

Atividades
Ambiente Virtual
de Aprendizagem (AVA): vídeos; textos complementares; listas de exercícios e

apresentações de slides. Participe com afinco deste ambiente.
ii) Dedicação, de pelo menos 1 hora por dia, à resolução de exercícios e à

Leitura
Complementar
leitura de textos complementares sugeridos pelo professor. Em caso de dúvidas, não

exite em pedir ajuda para os tutores e para o professor da disciplina.
iii) Recapitulação, no início de um novo tópico, dos principais resultados

Síntese
do Módulo
estudados em tópicos anteriores relacionados ao mesmo módulo de ensino.
Elaboração de algoritmos e de códigos computacionais, colocando em

Atividades
Suplementares
prática as técnicas vistas nas aulas expositivas.
Desejo aos alunos um ótimo curso.
César Guilherme de Almeida
vi
Cálculo Numérico
Anotações
vii
Cálculo Numérico
Módulo 1
1. Introdução
Prezado estudante, seja bem vindo.
Neste módulo você aprenderá o conceito de zero de uma função real, f: R ® R, onde
R é o conjunto dos números reais. Por definição, r é um zero de f se, e somente se, r é
raiz da equação f(x) = 0; ou seja, f(r) = 0. Um exemplo bastante conhecido é o de se
obter as raízes da equação de segundo grau: f(x) = ax2 + bx + c = 0. Os zeros da
parábola (a função f dada anteriormente) são obtidos pela fórmula de Bhaskara, que é
bastante conhecida. Se D = b2 — 4ac > 0 então os zeros reais da parábola ou,
equivalentemente, as raízes reais da equação do segundo grau são r1 = e r2 =

2a
— b — VA
2a
Em geral, equações do tipo f(x) = 0 não possuem fórmulas, como a de Bhaskara, que
forneçam as suas raízes através de um número finito de operações. Por exemplo, a
equação f(x) = x - 1,5 sen(x) = 0 possui uma raiz r = 0, pois f(0) = 0 - 1,5sen(0) = 0.
Porém, a raiz positiva somente será obtida através de um método numérico que vai
gerar uma sequência infinita de números reais que se aproximará desta raiz com
qualquer precisão desejada. Uma tal sequência é dada, por exemplo, por
rn = 1,5 sen(rn-1), onde r0 = 1,3 e n e N (conjunto dos números naturais). Note que r1 =
1,5.sen(r0) = 1,5.sen(1,3) = 1,4453372278. Observe que o cálculo do seno está
retornando valores em radianos. Este será o padrão, sempre que estivermos lidando com
as funções trigonométricas.
Desta forma, a aproximação do zero de f(x) = x - 1,5 sen(x), com 9 casas decimais, é
dada por r = 1,495781568. Note que f(r) é aproximadamente - 0,19713 x 10-9. Para
estes valores serem obtidos, a sua calculadora deverá executar os cálculos em radianos
(lembre-se de que a medida de um ângulo dada em graus não representa um número
real).
2. Objetivos e conteúdo do Módulo 1
Cálculo Numérico
O objetivo deste módulo será o de estudar métodos numéricos que obtenham
aproximações de zeros de uma função real. Para você ficar familiarizado com as
técnicas numéricas de obtenção de raízes de equações não lineares do tipo f(x) = 0,
serão utilizados vários recursos: resolução de listas de exercícios; leitura de materiais
didáticos e elaboração de algoritmos computacionais.
Espero que possamos fazer uma ótima parceria nesta disciplina do curso de Licenciatura
em Matemática do Plano Nacional de Formação de Professores da Educação Básica -
PARFOR.
• Isolamento de raízes.
• Método da Bissecção.
• Método Iterativo Linear.
• Método de Newton - Raphson.
3. Isolamento de raiz
Em muitos problemas de Ciências e Engenharia há a necessidade de se determinar um

número r para o qual uma função f (x) seja zero, isto é, f (r) = 0.
Este número é chamado de zero de f ou raiz da equação f (x) = 0. Em nossos estudos r

será real.
Graficamente, os zeros reais são representados pelos pontos de interseção da curva

representada pelos pontos (x, f(x)) com o eixo horizontal (Ox; O = (0, 0)), conforme a
Figura 1 abaixo.
Cálculo Numérico
Duas fases são importantes para a determinação dos zeros de f: (I) isolamento das raízes
da equação f (x) = 0; (II) Geração de um processo iterativo que irá convergir para uma
determinada raiz da equação f (x) = 0. Este processo será chamado de refinamento da
raiz ou refinamento do intervalo que contém uma raiz da equação f (x) = 0.
Fase I - Localização ou isolamento das raízes
Consiste em obter um intervalo [a, b] que contém uma única raiz da equação f(x) = 0.
Nesta fase, é feita uma análise gráfica e teórica da função f. A precisão desta análise é o
pré-requisito para o sucesso da fase II. Os seguintes procedimentos são utilizados:
i) Esboçar o gráfico da função f(x) e localizar as abscissas dos pontos de interseção da
curva com o eixo horizontal (Ox). Por exemplo, se f(x ) = x3 - 9x + 3 então podemos
isolar cada uma das três raízes de f(x) = 0 nos seguintes intervalos [- 4, - 3], [0, 1] e
[2, 3]. Veja o gráfico apresentado a seguir.
40
30
20
10
r1 r3
0
-10
-20
ii) A partir da equação f(x) = 0, obtém-se uma equação equivalente g(x) = h(x) . Os
pontos de interseção das curvas g e h são os zeros de f. Isto é, g(x) = h(x) f(x) = 0.
Por exemplo, a equação f(x) = e<x) - x = 0 é equivalente à equação g(x) = e('x) = x =
h(x). Desta forma, encontramos o intervalo [0, 1] que contém a raiz de f(x) = 0. Veja o
gráfico exibido a seguir.
8
------
7
1
4 ...... h(x).
3
0 •z!—-—------ ------ g(x)

---
r
-1
!
-2L
-2 -1 0 1 2 3 4
3
Cálculo Numérico
A análise teórica consiste em usar o Teorema do Valor Intermediário ou de Bolzano
(veja, mais adiante, as referências [4, 5] - Elon Lages Lima), que será enunciado a
seguir, sem demonstração (veja o Exercício 2 no final da Seção 4).
Teorema 1 (Teorema do Valor Intermediário). Seja f uma função contínua no

intervalo fechado [a, b]. Se f (a)f (b) < 0 então existe pelo menos um ponto x = r entre a
e b tal que f (r) = 0.
Observação: A demonstração do Teorema do Valor Intermediário (TVI) é

vista em cursos de Análise Real. A Figura 2 adiante exibe interpretações
Saiba Mais
geométricas deste teorema.
lí
Referências
[1] ÁVILA, G. Análise Matemática para a Licenciatura, Ed.Edgard Blucher, São Paulo,
2006.
[2] ÁVILA, G. Introdução à análise matemática, Ed.Edgard Blucher, São Paulo, 1992.
[3] FIGUEIREDO, D. G. Análise 1. 2a Edição, Livros Técnicos e Científicos Editora

S/A, São Paulo, 1996.
[4] LIMA, E. L. Curso de análise. Volume 1. Projeto Euclides, SBM, Rio de Janeiro,
2000.
[5] LIMA, E. L. Análise real. Volume 1. Coleção Matemática Universitária, SBM, Rio
de Janeiro, 2001.
Cálculo Numérico
Interpretação Geométrica do TVI (Figura 2):
Incluindo mais uma hipótese no TVI, obtemos um outro teorema importante para o
isolamento de raízes:
Teorema 2. Seja f uma função contínua no intervalo fechado [a, b] tal que f (a) f (b) <
0. Se f'(x) existir e preservar o sinal no intervalo aberto (a, b) então existirá um único
ponto x = r entre a e b tal que f (r) = 0.
Demonstração: O TVI garante que existe r entre a e b tal que f(r) = 0. Suponha, por
exemplo, que f'(x) > 0, para todo x em (a, b). Neste caso a função f será estritamente
crescente (*) e poderá cortar o eixo horizontal (Ox) uma única vez (veja Figura 3).
(FIM) □
Observação (*): Para ajudar na compreensão da demonstração anterior, o

Teorema do Valor Médio e o Teorema de Rolle podem ser consultados
Saiba Mais (mesmas referências exibidas anteriormente).
Cálculo Numérico
O Teorema 2 também pode ser demonstrado supondo-se, por contradição, que existam
r e s distintos tais que f(r) = f(s) = 0. Então, pelo Teorema de Rolle, existiria c entre r e
s tal que f '(c) = 0. Mas isto seria um absurdo porque a derivada de f ou é positiva ou é
negativa.
Interpretação Geométrica do Teorema 2 (Figura 3):
Figura 3: Interpretação geométrica do Teorema 2
Exemplo 1. (Aplicação do Teorema 2) Considere f(x) = x3 - 9x + 3. Como mostrado

anteriormente, podemos isolar cada uma das três raízes de f(x) = 0 nos seguintes
intervalos [- 4, - 3], [0, 1] e [2, 3]. Note que f '(x) = 3x2 - 9 (parábola côncava para
cima que possui raízes -7(3) e 7(3) » 1,73). Assim, se x < -7(3) ou x >
7(3) então f '(x) > 0. Por outro lado, se -7(3) < x < 7(3) então f '(x) < 0.
Portanto, nos intervalos [- 4, - 3] e [2, 3] tem-se que f '(x) < 0; no intervalo [0, 1]
tem-se que f '(x) > 0. Desta forma, pelo Teorema 2, em cada intervalo exibido
anteriormente existe uma única raiz.
□
Fase II - Refinamento de Intervalo
Partindo-se de I0 = [a, b], queremos obter intervalos In = [an , bn], n e N, que contêm
a raiz r da equação f(x) = 0, de modo que In c In1 e o comprimento de In tenda a
zero. Isto pode ser feito até que se obtenha uma aproximação da raiz com precisão e
prefixada.
Cálculo Numérico
Fase II - Refinamento da raiz (processo iterativo)
Partindo-se de uma aproximação r0 da raiz, queremos gerar um processo iterativo (uma

sequência) caracterizado pelo termo geral rn = j(rn-1), n e N. A função j é chamada de
função de iteração. O processo iterativo deve ser convergente, isto é, lim rn=r.
Observação: Todo processo iterativo necessita de um critério de parada. Os critérios

mais utilizados são: (i) Erro Absoluto; (ii) Erro Relativo e (iii) Valor Absoluto da
função. Assim,
(i) se | rn - rn-1| < e = 0.5 x 10-s então rn será uma aproximação da raiz, r, da equação
f(x) = 0, com precisão de s casas decimais;
(ii) se
|r -r |
n n-1
< e = 0.5 x 10-s então rn será uma aproximação da raiz, r, da
1r 1
n
equação f(x) = 0, com precisão de s casas decimais;
(iii) se |f(rn)| < e = 0.5 x 10-s então rn será uma aproximação da raiz, r, da equação f(x)
= 0, com precisão de s casas decimais.
Nem sempre as condições anteriores são satisfeitas simultaneamente. Veja os exemplos

gráficos a seguir (Figura 4).
Figura 4: Critérios de parada
O problema descrito a seguir foi apresentado pelo professor José Manoel Balthazar para
alunos de graduação em matemática da Universidade Estadual Paulista (Unesp), Rio
Cálculo Numérico
Claro - São Paulo. A disciplina era Cálculo Numérico e o ano não me recordo muito
bem, provavelmente 1987, mas os alunos iniciaram o curso de graduação em 1986. Eu
era um deles.
Problema 1. Uma teoria sobre a a formação de nuvens diz que o surgimento de gotas a
partir da umidade do ar é facilitada pela presença de impurezas na atmosfera. Tais
impurezas são chamadas “núcleos de condensação” e agem como concentradores de
umidade e podem crescer até o tamanho de gotas de nuvens. As propriedades
importantes que determinam o crescimento destes núcleos são a curvatura de sua
superfície e a concentração molar da solução (isto é, a quantidade de sais dissolvidos na
água). Quanto menor o tamanho da gota, maior será sua tendência para evaporar;
enquanto que a maior concentração da solução faz com que as gotas cresçam. A uma
dada umidade relativa do ar, uma gota está em equilíbrio se a tendência ao crescimento
é contrabalançada pela tendência à evaporação. O diâmetro d que deve ter uma tal gota
em equilíbrio foi deduzido por Kohler e deve obedecer à equação:
100 - UR = A/d - B/d3,

onde UR é a umidade relativa do ar em porcentagem (UR < 100% ) e A e B são
parâmetros que dependem da tensão superficial do fluido que se condensa, da
concentração molar e da dissociação eletrolítica da solução. Se o diâmetro da gotícula
for maior do que o diâmetro de equilíbrio, ela cresce rapidamente. Desta forma, se o
diâmetro de equilíbrio for pequeno, maior será a probabilidade de formação de nuvens.
Portanto, para se produzir chuva, a uma certa umidade relativa e ajustando-se os
parâmetros A e B, tenta-se mudar a salinidade do ar para se obter uma solução pequena
da equação de Kohler.
Caso hipotético: UR = 70%; A = 1,0 e B = 1,3 x 10- 4. Qual é o valor do diâmetro

de equilíbrio?
Solução do Problema 1:
Reescrevendo a equação obtemos: f(d) = 30d3 - 1d2 + 0.00013 = 0.

O esboço do gráfico da função f pode ser feito seguindo-se os procedimentos usuais
vistos em disciplinas de Cálculo 1. Para isto, precisamos analisar tanto o sinal da
derivada primeira quanto da derivada segunda da função f.
Observe que f '(d) = 90d2 - 2d e f "(d) = 180d - 2. Então f '(d) = 0 d = 0 ou

d = 1/45; f "(d) = 0 d = 1/90. Portanto, se d < 0 ou d > 1/45 então f '(d) > 0; se
0 < d < 1/45 então f '(d) < 0. A derivada segunda satisfaz o seguinte: f ''(d) < 0, se
d < 1/90 e f ''(d) > 0, se d > 1/90.
Conclusão: d = 0 é um ponto de máximo relativo da função f; d = 1/45 é um ponto de

mínimo relativo da função f; d = 1/90 é um ponto de inflexão da função f (pontos
indicados com “*” no esboço do gráfico exibido a seguir). A função f é crescente nos
intervalos (- ¥, 1/90) e (1/45, +¥), onde f '(d) > 0; f é decrescente no intervalo
Cálculo Numérico
(0, 1/45), onde f '(d) < 0. O gráfico de f é côncavo para baixo no intervalo (— ¥, 1/90),
onde f ''(d) < 0 e côncavo para cima no intervalo (1/90, +¥), onde f ''(d) > 0. A seguir,
veja o esboço do gráfico da função f (Figura 5).
Problema 1 - Chuva
Observando o gráfico, identificamos que o menor diâmetro de equilíbrio (a menor raiz

positiva de f(d) = 0) está no intervalo I0 = [a, b] = [1/90, 1/45]. Para confirmar isto,
basta utilizar o Teorema do Valor Intermediário. Note que f(1/90)f(1/45) < 0 e f é uma
função contínua.
Para encontrar uma aproximação da menor raiz positiva, vamos utilizar a técnica de
refinamento de intervalo.
OBJETIVO: Partindo-se de I0 = [a, b], queremos obter In = [an, bn] de modo que: (1) In
c In-1; (2) f(an)f(bn) < 0 e (3) o comprimento de In é a metade do comprimento de In.x.
Isto pode ser feito até que se obtenha uma aproximação da raiz da equação f(d) = 0 com
precisão e prefixada. Vamos utilizar e = 0.5 x 10-5 e o critério de parada dado pelo valor
absoluto da função f.
A solução do exercício será obtida em quatro passos apresentados a seguir.
(i) Primeiro refinamento.

f(d) = 30d3 — 1d2 + 0.00013, d e [1/90, 1/45]. Sabemos que f(1/90) > 0 e f(1/45) < 0.
No ponto médio, d0 = (1/90 + 1/45)/2 = 1/60, tem-se que f(d0) < 0. Então o primeiro
intervalo refinado é I1 = [1/90, 1/60].
Cálculo Numérico
(ii) Segundo refinamento.
Sabemos que f(1/90) > 0 e f(1/60) < 0. No ponto médio, d1 = (1/90 + 1/60)/2 = 1/72,
tem-se que f(d1) > 0. Então o segundo intervalo refinado é I2 = [1/72, 1/60].
(iii) Avaliação de f no ponto médio do segundo intervalo refinado.

O ponto médio de I2 é dado por d2 = (1/72 + 1/60)/2 = 11/720. Assim, fd) » 0.357 x
10-5.
(iv) Precisão da aproximação.

Note que |f(d2)| » 0.357 x 10-5 < 0.5 x 10-5. Portanto, d2 = 0.0152778 é uma
aproximação da menor raiz com a precisão de 5 casas decimais. □
4. Método da Bissecção
O método de refinamento de intervalo que utilizamos no Problema 1 (final da seção

anterior) é conhecido como Método da Bissecção. Tal método pode ser aplicado para se
determinar uma raiz da equação f(x) = 0, sempre que a função contínua f, definida em
um intervalo fechado [a, b], satisfizer f(a) f(b) < 0.
OBJETIVO DO MÉTODO DA BISSECÇÃO: Partindo-se de I0 = [a, b], obter In =

[an, bn] de modo que: (1) In c In.x; (2) fan)f (bn) < 0 e (3) o comprimento de In é a
metade do comprimento de In-1. Isto pode ser feito até que se obtenha uma aproximação
da raiz da equação f(x) = 0 com precisão e prefixada.
Veja a seguir o esquema de aplicação deste método (Figura 6).
10
Cálculo Numérico
Dados iniciais:
a0+b0;
x0 2 ;
, .
IteraÇão 1: f (x )> 0
a a
1 0
Iteração 2: f (x1 )< 0
“ 2= 1
b2= b1
X
0 b =x
.
f (- ) f(+) < O ; x1 ab
= 1+ 1 ;
A0
f (-) f (+)< 0; x2=

a2+b2
2 ■
Figura 6. Esquema do Método da Bissecção
O algoritmo do Método da Bissecção é dado a seguir:
1) Dados iniciais: (i) intervalo inicial [a , b ]; (ii) precisão e.
2) Se (b - a ) < e então escolha r qualquer em [a , b ]. FIM.
3) k = 1.
4) x = (a + b)/2.
5) Se f(a)f(x) > 0, faça a = x. Vá para o passo 7.
6) b = x.
11
Cálculo Numérico
7) Se (b - a ) < e , escolha r qualquer em [a , b]. FIM.
8) k = k +1. Volte ao passo 4.
No Método da Bissecção é possível calcular o número de iterações, n, que vai garantir

que |xn - r| < e, onde xn é o ponto médio do intervalo [an, bn], tal que f(an)f(bn) < 0.
bn-an bn — 1 an-1
Para isto, observe que |xn r| < , pois o comprimento do
2 22
intervalo In é metade do comprimento do intervalo In-1. Por indução finita, podemos
b0-a0 b0-a0
mostrar que |xn - r| < n+1 Desta forma, n+1 <e |xn - r| < e.
2 2
b0-a0
Note que <e 2(n+1) > b- a- (n+1) ln(2) > |n ()
n+1
2 £
-
b0 a0
ln (— -)
n> - 1.
ln(2)
Exercício 1. (Número de iterações do Método da Bissecção) Para x e [a0, b0] =

[1, 2], determine o número mínimo de iterações para se obter uma aproximação, com
precisão de pelo menos seis casas decimais (e = 1--6), da raiz da equação:
f (x) = ^e~x+sen( x) — x2ln(x) = -.
Solução do Exercício 1:
Note que a função f é contínua e satisfaz f(1)f(2) < -. Então, utilizando a fórmula
anterior,
ln ( —
—
b- a-
- )
ln( 2 — 1 ) ln(10)
n> - 1= 10—6 - 1 = —1 + 6 - 18,93
ln(2) ln (2)
ln (2)
Portanto, a aproximação desejada é obtida com 19 iterações.
Exercício 2. (Convergência do Método da Bissecção) Mostre que o Método da

Bissecção é convergente.
Solução do Exercício 2 (Esta é uma demonstração construtiva do Teorema do Valor

Intermediário).
Seja I0 = [a0, b0], tal que f(a0)f(b0) < 0, onde f é uma função contínua. De acordo com o
Método da Bissecção, três sequências são construídas: (an), (bn) e (xn) formadas,
12
Cálculo Numérico
respectivamente, pelos extremos inferiores, extremos superiores e pontos médios dos
intervalos In = [an, bn], nos quais f troca de sinal, ou seja, f(an)f(bn) < 0.
Por construção, In c In-1 e bn - an n 1 2 n 1 . Portanto, an > a„-i; bn £ bn-1
e xn =
an +b
2
n
, com an £ xn £ bn, " n e N. Desta forma,
(i) (an) é não decrescente e limitada superiormente por bo, ou seja, an £ bo, " n e N;
(ii) (bn) é não crescente e limitada inferiormente por a0, ou seja, bn > a0, " n e N.
Por um teorema de convergência de sequencias de números reais (veja a observação (*)

abaixo), (an) e (bn) são convergentes. Além disto, como bn - an = b0 a0 e
2n
n
lim (1 )= 0 então lim an = lim bn = r. Pelo Teorema do Confronto (veja a
n^v n^v
n^v 2
observação (**) abaixo), lim xn = r .
n^v
Agora fica faltando mostrar que fr) = 0. Com efeito, note que f é contínua e, portanto,
f(an)f(bn) < 0 lim f (an) f (bn) < 0 f (lim an) f (lim bn)< 0
n^v n^v n ^v
- f (r) f (r)< 0
Desta forma, 0 £ [f(r)]2 £ 0; de onde segue que f(r) = 0.
Saiba Mais
Observação (*): Um importante teorema de convergência de sequências diz que toda

sequência (xn) monótona e limitada é convergente. Mais especificamente, tem-se que
(i) xn-1 £ xn e xn £ L, " n e N (sequência não decrescente e limitada superiormente) —

lim xn = s = sup{A} = sup{xn; n e N}, onde sup{A} é o supremo do conjunto A, que
é a menor cota superior de A (observe que L é uma cota superior de A);
(ii) xn £ xn-1 e xn > M, " n e N (sequência não crescente e limitada inferiormente)
- lim xn = t = inf{A} = inf{xn; n e N}, onde inf{A} é o ínfimo do conjunto A,
que é a maior cota inferior de A (observe que M é uma cota inferior de A).
13
Cálculo Numérico
Este teorema deverá ser apresentado para você nas disciplinas “Cálculo” e “Introdução à
Análise”. As referências apresentadas na Seção 3 podem ser consultadas, também.
Saiba Mais
Observação (**): O Teorema do Confronto é demonstrado em cursos de Análise na

reta. O resultado importante deste Teorema é apresentado a seguir.
an £ xn £ bn, " n e N e lim an = lim bn = r lim xn = r .

n^w n^w n^w
5. Método do Ponto Fixo
O Método do Ponto Fixo (MPF) ou Método Iterativo Linear (MIL) consiste em

transformar a equação f(x) = 0 em uma equação equivalente x = j(x), onde j(x) é
chamada de função de iteração.
Conforme vimos no processo de refinamento de raiz (Fase II - processo iterativo), na

Seção 3, dado x0 pertencente a um intervalo contendo a raiz, r, da equação f(x) = 0
x = j(x), podemos considerar o seguinte processo iterativo: xn = j(xn-1), n e N. O
processo iterativo deve ser convergente, isto é,
lim xn = lim xn-1) = r.

n^w n ->w
Observe que se a função de iteração for contínua então lim t(Xn-i) = T(lim xn_ i).
n^w n->w
Desta forma, r é um ponto fixo de j (Veja a Fig. 7), ou seja, r = j(r) f(r) = 0.
14
Cálculo Numérico
Interpretação Geométrica do Método do Ponto Fixo:
Exemplo 2. (funções de iteração) Dada a equação x3 + x - 6 = 0 podemos encontrar as

seguintes funções de iteração:
(i) x3 + x - 6 = 0 x 6 - x3 j(x) = 6 - x3;
(ii) x3 + x - 6 = 0 x3 6-x x ^6 — x j(x) = ^6 — x ;
6 6
(iii) x3 + x - 6 = 0 x(x2 + 1) = 6 x= j(x) =
x2 + 1 x2 + 1
6— x 6 1
(iv) x3 + x - 6 = 0 x3 = 6 - x x= 2
x x2 x'
Nem todas as funções de iteração irão gerar processos iterativos convergentes. Por
exemplo, considerando-se x0 = 1.5, a função dada no primeiro item (i) será divergente
e a função dada no item (ii) será convergente. De fato,
15
Cálculo Numérico
T1( x )=6 - x 3; q>2( x ) = ^6 - x;
x1=6-1.53=2.625 xx = ^6-1.5 — 1.65096
x2 = 6 - 2.6253—-12.0879 x2 = 36 -1.65096 — 1.63229
x3=6-(-12.0879 )3—1772.2516 x3 = 3 6 -1.63229 — 1.63462
não converge converge
A seguir são exibidas alguns gráficos mostrando os comportamentos das sequências

geradas pelo Método do Ponto Fixo (Figuras 8 e 9)
Interpretação Geométrica da Convergência e Não convergência do Método do Ponto

Fixo:
Figura 8. Comportamentos do MPF: converge (quadro 1) e diverge (quadro 2)
Interpretação Geométrica da Convergência e Não convergência do Método do Ponto

Fixo:
Cálculo Numérico
Figura 9. Comportamentos do MPF: converge (quadro 1) e diverge (quadro 2)
Teorema 3 (Condição Suficiente de Convergência do MPF). Seja r a única raiz da
equação f (x) = 0, pertencente ao intervalo I = [r - d, r + d], d > 0 . Seja j(x) uma
função de iteração para a equação f (x) = 0. Suponha que
(i) j e j' forem contínuas em I ;

(ii) |j(x)| £ M < 1; " x e I;
(iii) X0 e I.
Então lim xn = lim xn—1) = r.
n^w n^w
Demonstração: Como a função j é contínua no intervalo fechado I e derivável no

intervalo aberto (r - d, r + d), o Teorema do Valor Médio (mencionado na Seção 3)
pode ser utilizado. Assim, dados x e t em I, x # t, tem-se que ^x( x)-^(t 1 =, ■ (c)
-t
para algum c entre x e t. Portanto, |j(x) - j(t)| = |j'(c)| |x - t| £ M |x - t|, porque, por
hipótese (ii), |j'(x)| £ M < 1, " x e I. Desta forma, podemos mostrar que se x0 e I então
x1 = j(x0) e I.
Com efeito, considerando o argumento do parágrafo anterior e observando-se que x e I

se, e somente se, |x - r| £ d, tem-se que |x1 - r| = |j(x0) - j(r)| £ M |x0 - r| < |x0 - r| £
d. Portanto, x1 e I. Utilizando um argumento de Indução Finita, é fácil provar que xn =
j(xn-i) e I, " n e N.
Utilizando o mesmo argumento do primeiro parágrafo (Teorema do Valor Médio e

hipótese (ii)), obtém-se que 0 £ |xn - r| = |j(xn-1) - j(r)| £ M |xn-1 - r|. Repetindo o
raciocínio, obtém-se que |xn-1 - r| = |j(xn-2) - j(r)| £ M |xn-2 - r|; de onde segue que
|xn - r| £ M2 |xn-2 - r|. Novamente, utilizando indução finita, podemos concluir que 0 £
|xn - r| £ Mn |x0 - r|. Sabendo que n
lim M = 0 , pois M < 1, segue-se, do Teorema do
n^w
Confronto (veja o final da Seção 4), que lim |xn — r| = 0 , ou seja, lim xn = r.
n^w n^w
□
O algoritmo do Método do Ponto Fixo é dado a seguir:
1) Dados iniciais: (i) x0 : aproximação inicial; (ii) precisões ei e e2.
2) Se |/(xü)| < ei então faça r = x0 . FIM.
17
Cálculo Numérico
3) k = 1.
4) x1 = j(x0).
5) Se |f(x1)| < ei ou se |xi - x0| < e2, faça r = x1. FIM (critério do erro absoluto)
6) x0 = xb
Ordem de Convergência de métodos iterativos
Definição (ordem de convergência): Seja (xn) uma sequência que converge para um
número r e seja en = xn - r o erro na iteração n. Se existir um número p > 1 e uma
1-
constante C > 0, tais que lim
i
en+1 | |
i
C , , „ . ,
p = C então p é a ordem de convergência da
n^w. | en |
sequência e C é a constante assintótica do erro.
Observação: Da definição anterior, podemos considerar a seguinte estimativa:

|en+1| Cjen|p , ou seja, o valor absoluto do erro na iteração n + 1 é
(aproximadamente) proporcional ao valor absoluto do erro na iteração n elevado à
potência p.
Exercício 3. (Ordem Linear do MPF) Mostre que o Método do Fixo possui

convergência Linear.
Solução do Exercício 3: Pela definição do método iterativo e utilizando o Teorema do

Valor Médio, segue-se que xn+1 - r = j(xn) - j(r) = j'(cn) (xn - r), onde cn está entre xn
e r. Assim, = |e„| |j(Cn)| — lim 11 n+11 = lim |q'(CJ| —
n^w l^nl n ->w
— | 1
lim e"+1 = I q-'(r)| Na última passagem, utilizamos o Teorema do Confronto e o
|
en
fato de j' ser uma função contínua.
Note que cn está entre xn e r e, além disto, xn converge para r. Portanto, 0 < C = |j'(r)| <
1, o que garante a convergência linear do Método do Ponto Fixo. Daí vem o outro nome
deste método: Método Iterativo Linear. □
18
Cálculo Numérico
Vamos finalizar esta seção com mais um problema retirado da lista do professor
Balthazar (mesmo estilo do Problema 1, apresentado no final da Seção 3), com
pequenas adaptações (Veja a Figura 10).
Problema 2. Um caminhão transporta uma peça com 4,0 m de largura em formato de

um arco de circunferência medindo 6,0 m de comprimento. À sua frente encontra-se
um túnel de 3,0 metros de altura. Sabendo que a base do caminhão está a 1,0 m de
distância da pista, responda: O caminhão passará pelo túnel?
Figura 10. Problema adaptado de um exercício proposto, em 1987,

pelo professor Balthazar - Unesp - Rio Claro
Solução do Problema 2: Vamos utilizar conceitos da Geometria Euclidiana Plana para

resolver este problema. Para isto observe as figuras abaixo (Figura 11).
pista
Figura 11. Modelo Geométrico
Com os dados fornecidos pelo problema, podemos construir uma circunferência de raio
R (a ser determinado) e considerar o arco de 6 metros que dará origem a uma corda de 4
metros (linha de cor vermelha na Figura 11). O objetivo é encontrar a altura h (ponto
mais alto da peça transportada) para saber se o caminhão irá passar ou não pelo túnel.
19
Cálculo Numérico
É fácil mostrar que a reta que passa pelo centro da corda e pelo centro da circunferência
é perpendicular à corda (basta usar congruência de triângulos; caso Lado-Lado-Lado).
Além disto, utilizando o teorema que garante que toda reta tangente a um ponto da
circunferência é perpendicular ao raio que tem uma das extremidades no ponto de
tangência, podemos concluir que o ponto mais alto da peça transportada é a medida do
segmento de reta que passa perpendicularmente pelo centro da corda e divide o arco de
circunferência em dois arcos de mesmo comprimento (veja a Figura 11, imagem do
lado direito).
Note que o arco de 6 m corresponde a um ângulo central, digamos 2q, que tem medida,
em radianos, igual a 6/R, ou seja, 2q = 6/R; logo q = 3/R.
De acordo com as relações trigonométricas em um triângulo retângulo, tem-se que

sen(q) = 2/R (Note que a medida da hipotenusa é igual a R). Como R = 3/q, segue-se
que sen(q) = 2q/3, ou seja, q = 1,5 sen(q). Note que q = 0 é uma solução da equação
anterior, mas não é a solução que precisamos para o problema.
A Figura 12 exibe os gráficos associados às equações: f(t) = t - 1.5 sen(t) e

t = 1.5 sen(t). O gráfico da função f está exibido na cor verde. Estão exibidos nas cores
azul e vermelho os gráficos de y = t e y = 1.5 sen(t), respectivamente.
Problema 2
De acordo com o gráfico (Fig. 12), o ponto fixo da função j(t) = 1.5 sen(t), ou o zero da
função f, encontra-se no intervalo [1 1.5]. Para confirmar este resultado, basta utilizar o
20
Cálculo Numérico
Teorema do Valor Intermediário. É fácil verificar que f é contínua e satisfaz f(1)f(1.5) <
0.
Observe que j'(t) = 1.5 cos(t), com t pertencente ao intervalo [1 1.5]. Neste intervalo, a
função cosseno é decrescente e positiva. Portanto |j'(t)| = 1.5 cos(t) £ 1.5 cos(1) < 1. De
acordo com o Teorema 3, o Método do Ponto Fixo é convergente.
Vamos utilizar o Método do Ponto Fixo para determinar o valor do ângulo q, tal que
q = 1,5 sen(q). Para isto considere q0 = (1 + 1.5)/2 = 1.25 e calcule as demais
aproximações do ponto fixo através da sequência: qn = j(qn-1). Isto dará origem aos
seguintes valores (não se esqueça de calcular os valores da função seno em radianos):
q1 = 1.5 sen(q0) = 1.423476929;

q2 = 1.5 sen(q1) = 1.483752164;
q3 = 1.5 sen(q2) = 1.494321072;
q4 = 1.5 sen(q3) = 1.495615789;
q5 = 1.5 sen(q4) = 1.495762911;
q6 = 1.5 sen(q5) = 1.495779471;
q7 = 1.5 sen(q6) = 1.495781332;
q8 = 1.5 sen(q7) = 1.495781542.
l08 — 07l
Calculando o erro relativo, na iteração 8, obtemos: ER = t^t » 1.402031 x 10-7.
|^ |
8
Portanto, q8 é uma aproximação do ponto fixo da função j com pelo menos 6
algarismos significativos (ER < 0.5 x 10-6).
Utilizando a aproximação anterior, obtemos que R = 3/q » 2.005640473. Assim, pelo

Teorema de Pitágoras (veja a Figura 11, desenho do lado esquerdo),
22 + (R - h)2 = R2 • (R - h)2 = R2 - 4 • R - h = (R2 - 4)1/2 •
• h = R - (R2 - 4)1/2 • h = 1.855328436.
Lembre-se de que a distância da base do caminhão até a pista é igual a 1m. Portanto a
altura máxima (h) da peça que está sendo transportada somada a 1 dará
aproximadamente 2,86. Conclusão: o caminhão passa pelo túnel, mas a folga é algo em
torno de 14 cm. r
21
Cálculo Numérico
6. Método de Newton - Raphson
O método de Newton - Raphson é obtido a partir da seguinte construção: tome (xn-i,

f(xn-1)) sobre o gráfico de f e considere o coeficiente angular m = f'(xn-1); o próximo
valor da sequência gerada pelo método de Newton-Raphson é xn = xn-1 - [f(xn-1)/f'(xn-1)],
obtido da interseção da reta tangente y = f(xn-1) + m (x - xn-1) com o eixo x. Esta
construção está exibida na Figura 13. (Observação: As retas L0 e L1 são as retas
tangentes ao gráfico de f, respectivamente, nos pontos (x0, f(x0) e (x1, f(x1) e r é tal que
f(r) = 0.)
Figura 13. Interpretação Geométrica do Método de Newton - Raphson
Teorema 4 (Convergência do Método de Newton - Raphson). Sejam f(x), f'(x), f''(x)

contínuas num intervalo I que contém a raiz r da equação f (x) = 0. Suponha que f'(r)
* 0. Desta forma, existirá um intervalo I2 c I, que contém a raiz r, tal que se x0 e I2
então lim xn = lim xn-1 ( )

f xn-1 = r
f (xnJ= r
n^w n^w
22
Cálculo Numérico
Demonstração: Vamos mostrar que as hipóteses do Teorema 3 valem para a função de
f (x)
iteração do método de Newton - Raphson, j(x) = x—
f (x).
Primeiramente, observe que r = j(r) f(r) = 0. Agora, note que f'(x) é contínua em I
e f'(r) 0; logo existe um intervalo Ii c I tal que f'(x) # 0, para todo x e Ii.
Este resultado é conhecido, nos livros de Cálculo, como Teorema da permanência do

sinal. Em nosso caso, basta utilizar a definição de continuidade, no ponto r, da função
|f'(x)|. Isto, juntamente com o fato de f'(x) e f''(x) serem contínuas, garante que as
funções
j(x) = x — rfá [ f' (x )]2—f (x) f" (x) = f (x) f" (x)
e j'(x) = i—
[f'(x)]2 [f'(x)]2
sejam contínuas no intervalo Ii.
Agora, note que j'(r) = 0, pois f(r) = 0. Desta forma, utilizando a continuidade de j' no
ponto r, pode-se mostrar a existência de um intervalo I2 c Ii, contendo r, tal que
|j'(x)| £ M < i, " x e I2. Desta forma, as hipóteses do Teorema 3 são satisfeitas e,
portanto, o método de Newton - Raphson converge para r.
Pare e Pense
Se j' é contínua em r então dado e = M = 1/2 exite d > 0 tal que |x - r| < d —
|j'(x) - j'(r)| < M. Como j'(r) = 0 então |j'(x)| < M, para todo x e (r - d r + d). Pode-
se escolher d2 £ d, tal que I2 = [r - d2 r + d2] c Ii (intervalo mencionado na
demonstração do Teorema 4). Deste modo, |j'(x)| £ M < i, " x e I2.
O algoritmo do Método de Newton - Raphson é dado a seguir:
1) Dados iniciais: (i) x0 : aproximação inicial; (ii) precisões ei e e2.
2) Se |f(x0)| < ei então faça r = x0 . FIM.
3) k = 1.
4) x1 = j(x0) = x0 ( )
f x0
f(x ).
0
23
Cálculo Numérico
5) Se |f(x1)| < ei ou se |xi - Xo| < e2, faça r = Xi. FIM (critério do erro absoluto)
6) X0 = X1.

Exercício 4. (Ordem quadrática do Método de Newton - Raphson) Mostre que o
Método de Newton - Raphson possui convergência quadrática.
Solução do Exercício 4: Vamos usar a mesma notação utilizada na definição de ordem

de convergência, dada na Seção 5. Desta forma, seja en = Xn - r e considere o
desenvolvimento de Taylor da funções f e f':
f"(cn-i) e2n-i ;
f (r+en-1) =f (r)+ f '(r)en-1 +
2! ’
f '(r+en-1) = f '(r)+ f ''(dn-1)en-1,

onde cn-1 e dn-1 estão entre r e Xn-1.
Note que Xn -r=X n-1 -r-

( )
f Xn-1
e n = en-1 (
f en-1+r )
f( X - )
n 1 f '( e
n-1+ r ) .
f" (Cn-1) e2-1 ]

en-1[f'(r) + f ''(dn-1)enn-1]- [f (r) + f '(r)en-1+
-1 2! J
Portanto, en
(
f ' en-1+ r )
Logo,
(d ) f" (cn-1)] e f" (cn-1)
en
(dn-1)- 2 e ] en
f''(dn-1) -
________ 2 Assim
(X n-1
2
en-1 ( )
f ' Xn-1
f''(dn-1)- f" (Cn-1 ) I: I

lim
|e | n
|lim | =
f” (r)
2 f' (r)
h- 1
2
( )
f ’ Xn-1 If’ (r )|
Na última passagem, utilizamos que cn-1 e dn-1 estão entre r e Xn-1 e que a função f'' é
contínua. Depois, aplicamos o Teorema do Confronto nas sequências com termos gerais
cn-1 e dn-1 para concluir que ambas convergem para r, já que Xn-1 converge para r. Isto
garantiu a convergência quadrática do Método de Newton - Raphson. □
24
Cálculo Numérico
Exemplo 3. Para verificar que o Método de Newton - Raphson converge mais rápido
que o Método do Ponto Fixo, considere a mesma equação dada no Problema 2
(apresentado no final da Seção 5), x = 1,5 sen(x) « f(x) = x — 1,5 sen(x) = 0, e o
mesmo valor inicial x0 = 1.25. As iterações serão realizadas com a função j(x) =
valores (não se esqueça de calcular os valores das funções seno e cosseno em radianos):
x1 = j(x0) = 1.579167955;
x2 = j(x1) = 1.500929896;
x3 = j(x2) = 1.495803715;
x4 = j(x3) = 1.495781569;
x5 = j(x4) = 1.495781568.
Observe que na quinta iteração o erro relativo é dado por ER = i—i » 0.066855 x
1X 1
5
10-8. Além disto, |/(xs)| = | X5 — 1,5 sen(xs)| » 0.197 x 10-9 (resultado muito menor do
que o obtido com o MPF - Confira!).
Vamos finalizar esta seção com a apresentação de um problema que foi adaptado da
Monografia de Especialização “Modelagem de Problemas de Matemática Financeira e
suas Resoluções Utilizando Técnicas Matemáticas e Computacionais ” de Leone Alves
Leite, então aluna da Faculdade de Matemática da Universidade Federal de Uberlândia.
A monografia foi apresentada, em agosto de 2005, para a Banca Examinadora composta
pelos professores Edson Agustini, Marcos Antônio da Câmara e César Guilherme de
Almeida (orientador).
Problema 3. Uma loja de eletrodomésticos oferece dois planos de financiamento para

um produto cujo preço à vista é R$ 1.200,00. Plano A: entrada de R$ 200,00 mais 7
prestações mensais de R$ 250,00. Plano B: entrada de R$ 200,00 mais 10 prestações
mensais de R$ 200,00. Fica a dúvida: qual plano apresenta a menor taxa de juros?
Solução: Toda vez que alguém for financiar um produto, ou um bem qualquer, deve
ficar atento à equação: F . j = P. [ 1 - (1 + j)-n ], onde F é o Valor Financiado; j é a
Taxa Mensal de Juros; P é o Valor Mensal da Prestação e n é o Número de
Prestações. O mais importante é saber calcular a taxa de juros.
25
Cálculo Numérico
OBSERVAÇÕES: (i) Se x = 1 + j então a equação apresentada no início desta solução
pode ser reescrita como: F.(x - 1) = P. [ 1 - x-n], onde F = R$1.000,00 (que é o preço à
vista menos a entrada) em ambos os planos. (ii) Seja K = F/P. Desta forma, a seguinte
equação é obtida g(x) = Kxn+1 - (K + 1) xn + 1 = 0. (iii) No plano A tem-se que n = 7 e
K = 1000/250 = 4. No Plano B, n = 10 e K = 1000/200 = 5.
A equação associada ao Plano A será denotada por g(x) = 4x8 - 5 x7 + 1 = 0 e a do
Plano B será denotada por G(x) = 5x11 - 6x10 + 1.
Analisando os gráficos destas funções (veja as Figuras 13 e 14) percebemos que as

raízes das equações g(x) = 0 e G(x) = 0 pertencem ao intervalo [1.1 1.2].
Problema 3; g(x) do Plano A
Figura 13: Gráfico de g(x) = 4x8 - 5 x7 + 1
26
Cálculo Numérico
Figura 14: Gráfico de G(x) = 5X11 - 6 x10 + 1
Como g e G são funções contínuas e g(1.1).g(1.2) < 0 e G(1.1).G(1.2) < 0 então, pelo
Teorema do Valor Intermediário, existem c e d pertencentes ao intervalo aberto
(1.1, 1.2) tais que que g(c) = 0 e G(d) = 0. Observações: g(1.1) < 0; g(1.2) > 0;
G(1.1) < 0 e G(1.2) > 0.
Vamos utilizar o Método da Bissecção para fazer dois refinamentos do intervalo Inicial
I0 = [1.1, 1.2].
(i) Primeiro refinamento.
Note que no ponto médio, x0 = (1.1 + 1.2)/2 = 1.15, tem-se que g(x0) < 0 e G(x0) < 0.
Então o primeiro intervalo refinado é I1 = [1.15 1.2].
(ii) Segundo refinamento.
27
Cálculo Numérico
Sabemos que g(1.15) < 0 e g(1.2) > 0; G(1.15) < 0 e G(1.2) > 0. No ponto médio, x1 =
(1.15 + 1.2)/2 = 1.175, tem-se que g(x1) > 0 e G(x1) > 0. Então o segundo intervalo
refinado é I2 = [1.15 1.175].
Vamos utilizar o Método de Newton - Raphson para encontrar as raízes das equações
g(x) = 0 e G(x) = 0. As iterações serão obtidas a partir da seguinte fórmula: xm = xm-1 -
[f(xm-1)/f'(xm-1)], onde x0 = 1.1625 (ponto médio do intervalo I2, dado anteriormente).
Primeiramente utilizaremos f(x) = g(x) = 4x8 - 5 x7 + 1 e f'(x) = g'(x) = 32x7 - 35 x6.

Depois utilizaremos f(x) = G(x) = 5x11 - 6x10 + 1 e f'(x) = G'(x) = 55x10 - 60x9.
(iii) Aproximação da raiz de g(x) = 0.
x1 = 1.163272901; x2 = 1.163267091; x3 = 1.16326709.
Note que o erro relativo ER2 = |x2 - x1| / |x2| » 0.0000049946 < 0.5 x 10-5. Além disto,
|g(x2)| » 0.422 x 10-8 < 0.5 x 10-8. A partir da quarta iteração, os valores de x3 serão
repetidos, caso a calculadora exiba no visor apenas 9 dígitos.
Considerando x2 (ou x3) como a aproximação da raiz desejada então a precisão será de
pelo menos oito casas decimais.
(iv) Aproximação da raiz de G(x) = 0.
x1 = 1.15235692; x2 = 1.151006706; x3 = 1.150984151; x4 = 1.150984145.
Note que o erro relativo ER4 = |x4 - x3| / |x4| » 0.052 x 10-7 < 0.5 x 10-7. Além disto,
|G(x4)| » 0.27 x 10-8 < 0.5 x 10-8. A partir da quinta iteração, os valores de x4 serão
repetidos, caso a calculadora exiba no visor apenas 10 dígitos. Considerando x4 como a
aproximação da raiz desejada então a precisão será de pelo menos oito casas decimais.
(v) Taxa de juros do Plano A.
j = x - 1; assim, j » 1.16326709 - 1 = 0.16326709 ; ou seja, j » 16,33 % .
(vi) Taxa de juros do Plano B.
j = x - 1; assim, j » 1.150984145 - 1 = 0.150984145; ou seja, j » 15,10 % .
Conclusão: O plano que apresenta a menor taxa de juros é o Plano B.
28
Cálculo Numérico
A monografia de Leone Alves Leite foi publicada, em setembro de
2005, na revista eletrônica “FAMAT em Revista”. Este artigo pode ser
Adicional Comentada encontrado no seguinte endereço:
www.portal.famat.ufu.br/sites/famat.ufu.br/files/Anexos/Bookpage/Famat_Revista_05.pdf
7. Atividades do Módulo 1
Não deixe de consultar outras referências bibliográficas, além deste material didático,
para te auxiliar na resolução das atividades propostas a seguir. Veja, por exemplo:
[6] FRANCO, Neide Bertoldi, Cálculo Numérico, São Paulo: Pearson

Prentice Hall, 2006.
Referências
Atividade 1 - Lista de Exercícios
Enunciado da atividade
Em praticamente todos os exercícios desta lista você precisará fazer algum tipo de
gráfico; portanto, é fundamental que você recorde a teoria e as técnicas, estudadas nas
disciplinas de Cálculo Diferencial, referentes a esboço de gráfico de funções.
Esta lista contém exercícios referentes ao conteúdo do Módulo 1: Isolamento de raízes;

Método da Bissecção; Método Iterativo Linear e Método de Newton - Raphson. Você
tem que se esforçar para tentar fazer todos os exercícios.
Primeira Lista de Cálculo Numérico
1) Seja f(R) = - (10/R2) + 4p R. Use algum tipo de gráfico para isolar o zero de f.
Justifique a escolha do intervalo. Faça dois refinamentos do intervalo [0.5, 1]; use o
método da bissecção.
29
Cálculo Numérico
2) Um professor da área de exatas com talento para adivinhações lançou o seguinte
desafio para os seus alunos: “eu sou capaz de adivinhar o número memorizado por
qualquer um de vocês, em no máximo sete palpites, desde que o número pensado seja
inteiro e esteja entre 1 e 100.” O professor, de fato, não era adivinhão; ele era
conhecedor do método da bissecção!
i) No método da bissecção a sequência dos pontos médios dos intervalos [an, bn], que
contêm a raiz r da equação f(x) = 0,é dada por xn = (an + bn)/2. Logo, |xn - r| £ (bn -
an)/2 £ (b - a)/2(n+1) < e. Considere e = 1/2 e obtenha n = 7 (os palpites).
ii) Justifique a seguinte afirmação: “Se fosse considerado D = 1 (ou seja |xn - r\ < 1)
não seria garantido o acerto em 7 palpites”. Observe que r é um número natural e a sua
aproximação, xn, é obtida por arredondamento simétrico.
3) Seja f(t) = t - exp(t2 - 1), onde exp(x) = ex. Observe que f(1) = 0.
i) Faça os gráficos de y = t e y = exp(t2 - 1); obtenha um intervalo que contenha a outra

raiz positiva de f(t) = 0.
ii) Se Q(t) = exp(t2 - 1), então Q'(t) = 2t exp(t2 - 1). Verifique que |Q'(t)| < 1, se 0 < t
< 1/2 (Sugestão: 0 < t < % =^> t2 < 1/4 =^> t2 - 1 < - 3/4). O M.I.L será convergente ?
4) Coloque V ou F e justifique.
i. ( ) Seja f(x) = 4sen(x) - ex = 0, com x e I = [-2p, 1/2]. Uma função de iteração pode
ser dada por: Q(x) = x - 2sen(x) + 0.5ex.
ii. ( ) Se x0 = 1 então a sequência xn = xn-1(2 - a xn-1) convergirá para 1/a, em que 0 < a
< 1, porque tal sequência será crescente e limitada superiormente por 1/a.
iii. ( ) Seja Q'(x) = 1 - 2cos(x) + 0.5ex. Como |Q'(-2p)| < 1 e |Q'(0.5)| < 1 então
|Q'(x)| < 1 , para " x e I = [-2p, 1/2].
iv. ( ) O método iterativo gerado pela função de iteração j(x) = 2x - ax2 convergirá
para a raiz da equação f(x) = (1/x) - a = 0, onde 1 > a > 0, se x0 > 2/a.
5) Seja r a única raiz da equação f(x) = 0, xe I = [r-d r+d] (intervalo centrado na raiz).
Escrevendo a equação anterior na forma equivalente - problema de ponto fixo -: x =
j(x), uma das condições (a principal) de convergência do processo iterativo dado por xn
= j(xn-1), com valor inicial x0 e I, é a seguinte: |j'(x)| £ M < 1. Esta é uma condição
30
Cálculo Numérico
suficiente. Para entender isto considere as equações: (A) x = 2/x, x > 0; (B) x=
sen(x), x e [-p/2 p/2].
i) Verifique que |j'(r)| = 1, onde r = 21/2, em A, e r = 0, em B.
ii) Mostre que o processo iterativo, proveniente de A, vai gerar uma sequência
divergente que ficará oscilando entre dois valores, qualquer que seja x0 # r. Exiba estes
valores.
iii) Mostre através de análise gráfica que o processo iterativo proveniente de B vai gerar
uma sequência convergente. Considere x0 > r.
iv) Considere x0 = -0.05 e faça algumas iterações. Observe que a sequência será
crescente e a convergência será muito lenta. O método de Newton-Raphson, que tem
convergência quadrática, apresentaria resultados muito melhores neste caso? Justifique.
Conclusão: Se j(x) não satisfaz as condições de convergência o método iterativo pode
convergir ou não; quando converge, a convergência pode ser muito lenta e, daí, o
método será ineficiente. O melhor é trabalhar com funções que satisfazem as condições
de convergência.
6) O dono de uma pequena obra exigiu que fosse gasto o mínimo possível de material
na construção de uma caixa d'água cilíndrica, com capacidade para cinco mil litros (5
m3). Este é um problema simples de otimização, onde se quer minimizar a área lateral de
um cilindro, levando-se em conta as suas bases inferior e superior. Deixando-se a área
lateral em função do raio da base, obtém-se a seguinte função: AL(R) = (10/R) + 2pR2.
i) Seja f(R) a derivada primeira de AL(R). Use um procedimento gráfico para isolar o
zero de f, justifique. Faça dois refinamentos do intervalo [0.5 1]; use o método da
bissecção.
ii) Utilize o valor inicial R0 = 0.93 e aplique o método de Newton-Raphson para obter o
zero de f(R), com erro relativo menor do que 0.5x10-6.
iii) Considere as funções de iterações provenientes da equação f(R) = 0: (a) Q(R) =

10/(4p R2) e (b) Q(R) = (10/4p)1/2 (R)-1/2. Verifique as condições de convergência para
ambas as funções. Qual delas vai gerar, com certeza, um processo iterativo
convergente?
7) Sejam g(x) = ax2 e h(x) = cos(x). Se xd (no primeiro quadrante) é ponto de interseção
entre g e h, isto é g(xd) = h(xd), obtenha o valor de a > 0, com precisão de pelo menos
seis casas decimais, de modo que “A = 1/4”, veja a figura abaixo. Note que a área é
calculada pela seguinte integral:
31
Cálculo Numérico
x
A= J [h(x)—g(x)]dx . Use o método de Newton-Raphson.
0
8) O sistema linear Ax = b é equivalente ao sistema de equações x = Cx +g; C é uma

matriz de ordem n; x, b e g são vetores do Rn. Seja li um autovalor de C; |l| < 1, 1 £ i £
n, se, e somente se, a sequência de vetores x^1^ = Cx(k) + g converge para a solução do
sistema linear, independentemente da escolha do vetor inicial x(0). Os autovalores de C
são as raízes do polinômio (característico) de grau n dado por p(l) = det (C - lI); I é a
0 -1/5 -1/5 |
matriz identidade. O polinômio característico de C = (3/4
1/2
0
1/2
/
1 4) é
0
p(l) = - l3 - (l/8) -1/10.
i) Use algum tipo de gráfico, juntamente com argumentos teóricos, para exibir um
intervalo contendo a única raiz real de p
ii) Faça dois refinamentos de I = [-1/2 0] (intervalo que contém a raiz de p) com o
método da bissecção. Use o ponto médio do último intervalo refinado como valor inicial
para o método de Newton. Obtenha uma aproximação com erro absoluto menor do que
0.5X10-6.
iii) Exiba uma função de iteração do M.I.L. associada à equação p(l) = 0; faça a análise
de j(l) = - (0.1 + 0.125l)1/3.
9) Calculadoras científicas possuem uma tecla que fornece rapidamente o valor do

inverso de qualquer número real a * 0. Este valor é calculado pelo método de Newton-
Raphson, que usa a equação f(x) = (1/x) - a = 0 (note que f(1/a) = 0). Como é escolhido
o valor inicial x0 do processo iterativo usado no programa implementado na
calculadora? Pode-se mostrar que x0 = 1 é um valor inicial adequado para se obter a
aproximação de 1/a, se 0 < a < 1.
i) Seja j(x) = 2x - ax2 a função de iteração do método de Newton-Raphson. Calcule

j'(x) e determine uma condição para que |j'(x)| < 1.
32
Cálculo Numérico
Para o caso 1 < a, a escolha de um valor inicial para o método de Newton pode ser feita
considerando-se a seguinte condição: a x0 < 2 (esta condição é um pouco menos
restritiva do que a condição obtida no item (i) anterior). O seguinte procedimento pode
ser adotado para a escolha do valor inicial. Dado a > 1 construa a sequência x0,0 = 0.005
(ou qualquer outro número próximo de zero) e x0,i = xo,i-i +10. Escolha x0 = x0,i assim
que ax0,i < 2.
ii) Faça 4 iterações com o método de Newton para obter o inverso de a = 500. Use o
processo anterior para a escolha de x0. Calcule o erro absoluto.
10) Dados o ponto (xn-1, f(xn-1)) e o coeficiente angular m = f'(xn-1), o próximo valor da
sequência gerada pelo método de Newton-Raphson é xn = xn-1 - [f(xn-1)/f'(xn-1)], obtido da
interseção da reta tangente y = f(xn-1) + m (x - xn-1) com o eixo x. Nos casos em que f'(x)
é uma função complicada (exigiria muito esforço computacional nos cálculos de
f'(xn-1)), usa-se o método de Newton Modificado: xn = xn-1 - [f(xn-1)/f'(x0)]. Note que neste
método as retas tangentes são substituídas por retas com um mesmo coeficiente angular
m = f'(x0).
i) Faça a interpretação geométrica deste método.
11) Seja f(x) = x5 - (10/9)x3 + (5/21)x = 0; use x0 = -0.8984375 e faça duas iterações com
o método de Newton modificado. Qual a precisão da aproximação?
11.1) Obtenha um intervalo que contenha a interseção entre a parábola h(p) = p2 - p + 1

e a função g(p) = p(1 + p)1/21, considerando 0 < p < 1. Para isto, faça o gráfico de h(p),
exibindo o ponto de mínimo da parábola; faça o gráfico de g(p), mostrando que g'(p) >
0 e g''(p) > 0. Use o Teorema do Valor Intermediário, com a função f(p) = h(p) - g(p),
para garantir que o intervalo que você encontrou possui a raiz de f(p) = 0.
11.2) Considere a função f(p), anterior (11.1), definida no intervalo I0 = [0.8125,

0.84375]. Faça dois refinamentos com o método da Bissecção. Quantos refinamentos
serão necessários para se obter uma aproximação da raiz de f(p) = 0 com precisão de 3
casas decimais (e = 0.5 x 10 3) ?
11.3) No artigo de J. B. Keller, “Probability of a shutout in racquetball”, publicado no

SIAM Review 26, n. 2 (1984), 267-268, QA1.S2, a seguinte fórmula é apresentada:
21
1 +P P
P=
2 (P2 P+1-
Nesta fórmula, P é a probabilidade de certo jogador A eliminar um jogador B,
vencendo-o por um placar de 21 a 0, em uma partida de raquetebol; p é a probabilidade
33
Cálculo Numérico
do jogador A rebater um saque com precisão, qualquer que seja o sacador. Qual o
valor de p dado que P = 1/2 ?
Sugestão: Use o método de Newton-Raphson. Tome como valor inicial para o método
de N-R o ponto médio do intervalo I2 (veja o item 11.2). Faça duas iterações e analise o
erro relativo.
11.4) Obtenha uma função de iteração, j(p), para o método iterativo linear (método do
ponto fixo) associado ao item anterior (exercício 11.3). Faça algumas iterações com esta
função e observe se o método irá convergir. Tente mostrar que |j'(p)| < 1.
12) Considere a figura dada a seguir. Para obter o valor de l siga as sugestões abaixo.
Sugestões:
i) Utilize um teorema conhecido para encontrar as seguintes relações:
H2 + l2 = 900 e ii) h2 + l2 = 400;
ii) Use semelhança de triângulos para obter a próxima relação:
(l/h) + (l/H) = l/8.
iii) Utilize os itens anteriores e obtenha a seguinte expressão
- H2 + (64.H2)/(H - 8)2 = -500 H(H - 16) = 500.(H - 8)2/H2.
iv) Faça os gráficos de f(H) = H(H - 16) e de g(H) = 500.(H - 8)2/H2, com H > 0.
v) Verifique que a equação polinomial p(H) = H4 - 16 H3 - 500 H2 + 8000 H - 32000 =

0 pode ser escrita como f(H) = g(H).
34
Cálculo Numérico
vi) Use o Teorema do Valor Intermediário para garantir que a raiz positiva, r, de p está
no intervalo [24, 26].
vii) Faça dois refinamentos do intervalo anterior por bissecção e considere o ponto
médio do último intervalo refinado como valor inicial para o método de Newton-
Raphson. Obtenha uma aproximação de r com pelo menos 5 casas decimais.
13) Seja a e R, a > 0. Aplicando-se o método de Newton-Raphson na equação xp = a,

pe N, p > 2, a seguinte função de iteração é obtida: Q(x) = [(p - 1)/p]x + (a/p)x(1-p).
Considerando x e R, x > 0, a condição |Q'(x)| < 1 será satisfeita para
x > [a]1/p [(p - 1)/(2p - 1)]1/p (*).
i) Justifique por que a condição anterior (*) é muito restritiva para a escolha de um valor
inicial para o cálculo da raiz p-ésima de a ([a]1/p), através do método de Newton-
Raphson.
Sugestão: Verifique que a condição anterior vai gerar um intervalo contendo a raiz
(centrado na raiz). Atribua valores para p (variando de 2 até o infinito) e observe o que
ocorre com este intervalo.
ii) A condição anterior é apenas suficiente para a convergência do método de N-R. De

fato, a sequência gerada pela função de iteração, Q(x), convergirá para r = [a]1/p,
independentemente do valor inicial escolhido. Para entender o comportamento desta
sequência faça, em primeiro lugar, o gráfico de f(x) = xp - a, a > 0, considerando p par
ou p ímpar. A seguir, lembrando-se de que o método de N-R é baseado em retas
tangentes, faça a interpretação geométrica da convergência, indicando se a sequência
obtida será crescente ou decrescente.
Nota: Matematicamente, o resultado que está por trás da convergência anterior é o

seguinte: “Se existir um intervalo I = [c, r) ou I = (r, d], tal que f(x).f''(x) > 0, "x e I,
e f(r) = 0, então o método de Newton-Raphson convergirá para r, dado qualquer valor
inicial em I”.
iii) Dado um valor qualquer x0, com 0 < x0 < r, mostre que x1 = Q(x0) > r. Mostre,
também, que a condição expressa no resultado da nota anterior é válida no intervalo I =
(r, x1].
Sugestões: 1) Lembre-se de que Q(r) = r; 2) Se Q'(x) < 0, então Q(x) é decrescente;

3) Q'(x) = [f(x)f''(x)]/(f'(x))2; 4) Verifique o sinal de f(x) para 0 < x < r e para x > r.
35
Cálculo Numérico
Observação: O teorema enunciado na Nota anterior é demonstrado seguindo-se os
seguintes passos:
1°) Mostra-se que Q(x) = x - (f(x)/f'(x)) é crescente em I.
2°) Mostra-se que: i) f(x) < 0 f''(x) < 0 f'(x) é decrescente; ii) f(x) > 0
f''(x) > 0 =^> f'(x) é crescente. O fato de f' ser crescente ou decrescente determinará
se f' será positiva ou negativa no intervalo I; tal análise dependerá do sinal de f'(r) =
limx®r [f(x) - f(r)]/[x - r].
3°) Mostra-se que: i) f(x)/f'(x) < 0, "x e I = [c, r); ii) f(x)/f'(x) > 0, "x e I = (r, d].
Conclui-se, portanto, que xn = xn-1 - [f(xn-1)/f'(xn-1)] ou é uma sequência crescente e
limitada (caso i), ou é uma sequência decrescente e limitada (caso ii).
4°) Dos passos anteriores, segue que xn-1 e I =^> xn e I. Logo, a sequência convergirá
para r.
Atividade 2 - Esboço de gráfico de função e revisão de Cálculo Diferencial
Será fundamental para o bom acompanhamento deste tópico que você esteja
familiarizado com as técnicas para fazer esboço de gráfico de funções. Estas técnicas
foram estudadas na disciplina de Cálculo Diferencial. Para recordar estas técnicas
recomendo que você leia novamente o material didático que foi disponibilizado em sua
disciplina de Cálculo.
Para fazer o esboço do gráfico de uma função real você deverá recordar os conceitos de
função monótona (crescente ou decrescente) e concavidade de gráfico (concavidade
para cima e concavidade para baixo) e relacionar estes conceitos com as definições de
derivada primeira e derivada segunda de uma função f. Além disto, você tem que
recordar os conceitos de valores máximos e mínimos de função e relacioná-los com os
testes da derivada primeira ou da derivada segunda; recordar a definição de assíntota
vertical e horizontal e de ponto de inflexão.
(I) Leia atentamente um dos seguintes materiais didáticos sobre o método da Bissecção
e Isolamento de raízes: (1) apostila do curso; (2) Apostila do professor Castilho e slides
(Aula - Unidade 1), ambos localizados em www.portal.famat.ufu.br/node/278 e (3) livro
de Cálculo Numérico da professora Neide Maria Bertoldi Franco.
(II) Como exercício proponho que você faça os esboços dos seguintes gráficos:
36
Cálculo Numérico
1) f(H) = H(H-16), com H > 0;
2) g(H) = 500.(H-8)2/H2, com H > 0.
Faça o esboço dos dois gráficos em um mesmo plano cartesiano. Obtenha um intervalo
fechado I = [a, b] que contenha a intersecção de f e g. Neste caso o ponto de interseção,
h, é tal que f(h) = g(h), ou seja, F(h) = f(h) - g(h) = 0. Portanto, o zero da função F
coincide com o ponto de intersecção das funções f e g.
Informações sobre a Atividade 2
1) f (H) = H(H - 16), com H > 0.
2) g(H) = 500 (H - 8)2/H2 , com H > 0.
Observações: i) g'(H) = 8.000 (H- 8)/H3; ii) g"(H) = 16.000 (12 - H)/ H4 .
3) Pontos críticos de cada uma das funções - Ponto crítico de f : H = 8; ponto crítico de
g: H = 8.
4) Obtenção do ponto de inflexão de g: H = 12.

5) Estudo do sinal: g' > 0 se H > 8 e g' < 0 se H < 8; g'' > 0 se H > 12 e g'' < 0 se H <
12.
6) Um intervalo I que contém a raiz de F(H) = 0 é, por exemplo, I = [25, 26].
7) O Teorema do Valor Intermediário garante que o intervalo está correto pois F(a).F(b)
< 0.
37
Cálculo Numérico
Gráficos das funções da atividade 2.
Gráfico de f(H) = H(H - 16), com H > 0
Tarefa 1
Gráfico de g(H) = 500 (H - 8)2/H2; com H > 0
38
Cálculo Numérico
Tarefa 1
Gráfico de g(H) = 500 (H - 8)2/H2 e f(H) = H(H - 16); com H > 0
Atividade 3 - Isolamento de raiz e o método da Bissecção
Você já deve ter visto na disciplina de Cálculo Diferencial o enunciado do Teorema do
Valor Intermediário. A demonstração deste teorema é feita em um curso de Análise na
reta. Porém, uma demonstração construtiva deste importante resultado de Análise pode
ser elaborada com os conhecimentos que você adquiriu nas disciplinas de Cálculo
Diferencial, tais como: funções contínuas e sequências de números reais, juntamente
com os teoremas lá demonstrados. Esta construção construtiva é conhecida como o
Método da Bissecção.
(I) Leia atentamente um dos seguintes materiais didáticos sobre o método da bissecção:
(I) apostila do curso; (2) Apostila do professor Castilho e slides (Aula - Unidade 1),
ambos localizados na página da FAMAT: http://www.portal.famat.ufu.br/node/278 e
(3) livro de Cálculo Numérico da professora Neide Maria Bertoldi Franco.
(II) Se F(H) = f(H) - g(H), onde g(H) = 500. (H - 8)2/H2 e f(H) = H(H - 16), então F(H)
=0 p(H) = H4 - 16 H3 - 500 H2 + 8000 H - 32000 = 0.
39
Cálculo Numérico
Obtenha uma aproximação com duas casas decimais para o zero de F. Considere a
sequência formada pelos pontos médios de cada intervalo refinado, partindo do
intervalo inicial I0 = [a0 , b0] = [25.21875 25.25]. Note que as aproximações, neste caso,
devem ter pelo menos três casas decimais. Mostre que F(a0).F(b0) < 0. Como teste de
parada utilize o seguinte critério: |F(xn)| < 0.5 x 10-2, onde xn é o ponto médio do n-
ésimo intervalo refinado. Quantos refinamentos do intervalo I0 são necessários para se
obter uma aproximação com erro menor do que 10-9?
Informações sobre a Atividade 3.
Observação: I0 = [a, b] = [25.21875 , 25.25]. Na primeira parte da questão a tolerância

é e = 0.5 x 10-2. Utilizando o Método da Bissecção, na equação: p(H) = H4 - 16 H3 -
500 H2 + 8000 H - 32000 = 0, obtêm-se:
1) I1 = [25.234375 , 25.25].
2) I2 = [25.234375 , 25.2421875].
3) I3 = [25.23828125 , 25.2421875].
4) Sequência dos pontos médios: x1 = 25.234375; x2 = 25.23828125; x3 =25.24023438.
5) Os valores de p(xn) não estão próximos de zero, mesmo que xn esteja próximo da
raiz.
Observação: na segunda parte da questão a tolerância é e = 0.5 x 10-9.
6) Ulilizando a fórmula n > - 1 + [ln(b - a) - ln(e)]/ln(2), obtém-se n > 25.
Atividade 4 - O Método do Ponto Fixo
Dada uma equação do tipo f(x) = 0 sempre é possível reescrevê-la da forma equivalente
x = j(x), com j(x) = x - f(x), por exemplo. Neste caso, o problema de se encontrar os
zeros de uma função f (encontrar x tal que f(x) = 0) é equivalente ao problema de se
encontrar os pontos fixos da função j (encontar x tal que j(x) = x).
O Método do Ponto Fixo consiste na construção do seguinte processo iterativo: a partir

de um dado valor inicial x0 obtém-se os valores de uma sequência com termo geral xn =
j(xn-1). Sob certas condições a respeito da função j, pode-se mostrar que a sequência
anterior converge para r, a raiz da equação f(x) = 0 ou, equivalentemente, para o ponto
40
Cálculo Numérico
fixo de j. As condições suficientes de convergência são as seguintes: j e j' são
funções contínuas e | j'(x)| £ M < 1, para todo x pertencente a uma vizinhança de r.
O Método do Ponto Fixo também é conhecido como Método Iterativo Linear, devido à
|en|
sua convergência linear, ou seja, lim =C , onde |en| = |xn - r| e C é uma
n^w |en-1|
constante tal que 0 < C < 1.
(I) Leia atentamente um dos seguintes materiais didáticos sobre o método iterativo
linear: (1) apostila do curso; (2) Apostila do professor Castilho e slides (Aula - Unidade
1), ambos localizados na página da FAMAT: http://www.portal.famat.ufu.br/node/278 e
(II) Seja f(x) = x - 1,5 sen(x).
(a) Faça os gráficos das funções h(x) = x e g(x) = 1,5 sen(x). Obtenha um intervalo que
contenha a raiz positiva de f(x) = 0. Use o Teorema do Valor Intermediário para garantir
que realmente existe uma raiz no intervalo dado.
(b) Obtenha uma aproximação da raiz positiva de f(x) = 0 com precisão de 9 casas
decimais. Use o Método do Ponto Fixo e como teste de parada use o erro relativo: ERk =
|x^.I xl 11
xk
- < 0.5 X10’9.
(c) Ajuste o intervalo encontrado, se for necessário, de modo a garantir a validade das
condições suficientes de convergência do Método do Ponto Fixo: j e j' são funções
contínuas e |j'(x)| £ M < 1, para todo x pertencente a uma vizinhança de r.
Infomações sobre a atividade 4.
Observação: f(x) = x - 1.5 sen(x) = 0; a tolerância é e = 0.5 X 10-9.
(a.1) Construção dos gráficos.
41
Cálculo Numérico
(a.1) Intervalo que contém a raiz positiva de f: [1, 1.5].
(a.2) Aplicação do Teorema do Valor Intermediário: f(1)f(1.5) < 0.
(b.1) A sequência gerada pelo MIL tem termo geral xn = 1.5 sen(xn-1); com x0 = 1.25, por
exemplo.
(b.2) Use o erro relativo como critério de parada.
Observação: ERk =
Ix — x
k 1 < 0.5X10-9.
k-1
lxkl
(c.1) Note que j(x) = 1.5 sen(x) e j'(x) = 1.5 cos(x) são contínuas.
(c.2) Não se esqueça de mostrar que |j'(x)| < 1, no intervalo dado. Note que cos(x) é decrescente
e positiva no intervalo [1, 1.5].
Atividade 5 - O Método de Newton - Raphson
Dada uma equação do tipo f(x) = 0, o Método de Newton - Raphson (MNR) tem função
f (x) f (x )f''(x )
de iteração j(x) = x — . é fácil mostrar que j'(x) = 2 • Se r
f ' (x) [f '(x )]
representa o zero de f então j'(r) = 0. Supondo que as funções f, f' e f'' são contínuas,
42
Cálculo Numérico
pode-se mostrar que |j'(x)| £ M < 1, para todo x pertencente a uma vizinhança de r;
além disto, j e j' serão contínuas, garantindo a validade das condições suficientes de
convergência para a função de iteração do MNR. Esta convergência é quadrática, ou
|el 1 If''(r)|
seja, lim n
|en-1|
2 = C , onde |ej = |xn - r| e C =
2 f '( dl|
. A grosso modo, podemos
pensar que o valor absoluto do erro cometido na n-ésima iteração é aproximadamente o

quadrado do erro da iteração anterior multiplicado pela constante C. Por esta razão o
MNR é mais rápido que o Método Iterativo Linear.
(I) Leia atentamente um dos seguintes materiais didáticos sobre o método de Newton -
Raphson: (1) apostila do curso; (2) Apostila do professor Castilho e slides (Aula -
Unidade 1), ambos localizados na página da FAMAT:
http://www.portal.famat.ufu.br/node/278 e (3) livro de Cálculo Numérico da professora
Neide Maria Bertoldi Franco.
(II) Considere as seguintes funções, associadas às atividades 3 e 4 dadas anteriormente,

p(H) = H4 - 16 H3 - 500 H2 + 8000 H - 32000 e f(x) = x - 1,5 sen(x). Obtenha o zero de
cada uma das funções utilizando o método de Newton-Raphson. Considere o erro
|Xfr — *-—il
relativo ERk = - — < 0.5x10-9.
N
Informações sobre a atividade 5.
Observação: f(x) = x - 1.5 sen(x) = 0, p(H) = H4 - 16 H3 - 500 H2 + 8000 H - 32000; a
tolerância do erro relativo é e = 0.5x10-7.
(1) O zero de f é dado por 1.495781568 (com precisão de pelo menos 8 casas decimais).
(2) O zero de p é dado por 25.24216659 (com precisão de 7 casas decimais).
43
Cálculo Numérico
8. Atividades suplementares
oã
Atividades
Suplementares
Atividade 1
Os códigos exibidos a seguir foram desenvolvidos na linguagem de programação do

OCTAVE. A sua tarefa será testar todos estes códigos utilizando o mesmo software
(OCTAVE) ou desenvolver as suas próprias rotinas utilizando a linguagem de
programação que lhe seja mais conveniente.
(i) Rotina Computacional para fazer gráfico de função - Referência: gráfico do

Problema 2 (Seção 5).
(Início da Rotina.)
%analise grafica de f(x) = 0, onde f(x) = x - 1.5 sen(x)
t=0:0.01:3; %vetor iniciando em 0 e terminando em 3, com espaçamentos iguais a

0.01.
y=t-1.5.*sin(t); %vetor que armazena os valores da função em cada ponto do vetor t
anterior.
y1= 1.5.*sin(t); %vetor que armazena o valor da função 1.5sen(t) em cada ponto do
vetor t.
plot(t,y,'-r', t,t,'-b', t,y1,'-g');

%exibe o gráfico de 3 funções: y(t), y = t e y1(t); um de cada cor; -r: linha contínua na
cor %vermelha; -b: linha contínua na cor azul e -g: linha contínua na cor verde.
legend('y=t-1.5sen(t)', 'y =t', 'y = 1.5sen(t)', 0) %exibe a legenda de cada um dos 3

gráfico s
grid; %produz um quadriculado.
xlabel('eixo t') %exibe um nome para o eixo horizontal
ylabel('eixo y') %exibe um nome para o eixo vertical.
(Fim da Rotina.)
(ii) Rotina Computacional: Método da Bissecção acoplado ao Método de Newton-

Raphson - Referência: Problema 3 - Plano A (Seção 6).
44
Cálculo Numérico
(Início da Rotina.)
%Método de Newton_Raphson
%Cálculo da raiz da equação g(x) = 0
clear
a = 1.1; %extremo inferior do intervalo onde f muda de sinal

b = 1.2; %extremo superior do intervalo onde f muda de sinal
pm = (a+b)/2; %ponto médio do intervalo [a,b]

comp = (b-a)/2; %metade do comprimento do intervalo [a,b]
cont = 0; %variável que conta o número de iterações
eps = 0.5*10A(-2); %tolerância usada no teste de parada
fa= funcao(a); %cálculo de f(a)

fb = funcao(b);
fpm = funcao(pm); %cálculo de f(pm)
VAf = abs(fpm); % valor absoluto de fpm
while((comp > eps) && (VAf > eps))

if(fa*fpm<0)
b=pm;
else
a=pm;
fa=fpm;
end
pm=(a+b)/2;
fpm=funcao(pm);
VAf = abs(fpm);
cont = cont+1;
comp=(b-a)/2;
end
fprintf('\n');
fprintf('A raiz aproximada por bissecao eh dada por pm =%12.10f\n',pm);

fprintf('O numero de refinamentos do intervalo inicial foi cont = %d\n',cont);
fprintf('A tolerancia usada foi eps = %12.10f\n',eps);
fprintf('O valor de f(pm) eh dado por fpm =%12.12f\n',fpm);
x0 = pm;
45
Cálculo Numérico
f0 = fpm;
df0 = dfuncao(x0); %derivada da função no ponto x0
ER = 1; %armazena o valor do Erro Relativo
%Método de Newton_Raphson
s = 8;
cont = 0;
tol = 0.5*10A(-s); %tolerância usada no Erro Relativo
while((ER > tol) && (VAf > tol))

cont = cont+1;
x = x0 - (f0/df0);
ER = abs((x-x0)/(x));
x0 = x;
f0 = funcao(x0);
df0 = dfuncao(x0);
VAf = abs(f0);
end
fprintf('O n. de iteraccoes do N-R eh cont = %i \n',cont);

fprintf('O erro relativo da aproximaccao da raiz eh ER = %12.12f\n',ER);
fprintf('O valor da raiz procurada eh x = %12.12f\n',x);
fprintf('f(x) = %12.12f\n',f0);
(Fim da Rotina.)
Observações: As funções utilizadas na rotina anterior foram definidas em dois arquivos

com os conteúdos descritos a seguir.
(1) arquivo funcao.m:

function g = funcao(x)
g = 4*xA8 -5*xA7 +1;
(2) arquivo dfuncao.m:

function g = dfuncao(x)
g = 32*x -35;
g = g*xA6;
46
Cálculo Numérico
Observação: Em Octave, o nome de um arquivo que representa uma função que é
chamada em uma determinada rotina (ou código computacional) deve coincidir com o
nome que foi utilizado para a função, na rotina. Por exemplo, a função funcao(x) foi
chamada na rotina anterior (Método de Newton-Raphson) e o nome do arquivo
correspondente teve que ser funcao.m. O mesmo procedimento foi adotado para a
função dfuncao(x). O arquivo correspondente recebeu o nome de dfuncao.m
Desafio 1: Desenvolva rotinas computacionais para calcular as iterações do Método do

Ponto Fixo relacionado ao Problema 2 (Seção 5).
Atividade 2
A figura abaixo mostra um caso para o qual o Método da Bissecção não pode ser
utilizado (note que f(a)f(b) > 0). Já o Método de Newton-Raphson será convergente;
porém a convergência da sequência gerada por este método não é garantida pelo
Teorema 4, que foi demonstrado na Seção 6. Isto ocorre porque f '(r) = 0.
Figura 15: Caso especial de convergência do Método de Newton - Raphson
Considere f(x) = x2. Mostre que a sequência gerada pelo Método de Newton-Raphson é
convergente para r = 0. Considere x0 > 0 e demonstre que a sequência será decrescente
e limitada inferiormente por zero (xn > 0, " n e N).
47
Cálculo Numérico
Módulo 2
Sistemas Lineares
1. Introdução
Neste módulo você aprenderá a resolver sistemas de equações lineares representados

matricialmente por AX = b, onde A é uma matriz de ordem n com entradas reais aij ,
1 £ i £ n, 1 £ j £ n; b é o vetor de termos independentes com coordenadas reais bi,
1 £ i £ n; e X é o vetor das incógnitas com coordenadas reais Xi, 1 £ i £ n.
Primeiramente, você estudará os métodos iterativos. Neste caso, o sistema de equações

lineares AX = b será reescrito como um sistema de equações equivalentes (ambos os
sistemas possuem o mesmo vetor solução) dado por X = CX + g, onde C é uma matriz de
ordem n com entradas reais cij , 1 £ i £ n, 1 £ j £ n e g é o vetor de termos
independentes com coordenadas reais gi, 1 £ i £ n. Sob certas condições, por exemplo
|| C || < 1 (a norma da matriz C é menor do que 1), mostraremos que o método iterativo
(sequência de vetores) dado por X(k) = CX(k-1) + g, com X(0) vetor inicial dado, convergirá
para a solução do sistema original AX = b.
Observação: A norma de matriz que faremos uso com mais frequência neste curso é
chamada de norma linha. Considerando uma matriz C de ordem n, a norma linha de C é
dada por:
n
|| C || = máximo{L1, L2, Ln}, onde Li = | cij | (que corresponde à soma dos
j=1
valores absolutos dos elementos da linha i da matriz C), 1 £ i £ n.
Depois dos métodos iterativos, você estudará os métodos baseados em escalonamento

de matriz: Método de Eliminação de Gauss, Método de Eliminação de Gauss com
Pivoteamento Parcial e Decomposição LU. Os métodos de escalonamento consistem em
realizar operações elementares nas linhas da matriz A do sistema linear de modo a
transformá-la em uma matriz triangular superior U. U é dita triangular superior quando
uij = 0, nos casos em que i > j. O sistema linear AX = b possui a mesma solução do
sistema linear escalonado UX = B, onde o vetor B foi obtido do vetor b por meio das
mesmas operações elementares (aplicadas nas linhas da matriz do sistema) que
transformaram A em U.
48
Cálculo Numérico
Para recordar, as operações elementares são 3:
(e1) Li « Lj: a linha i é trocada com a linha j;
(e2) Li ® Li + t.Lj, t # 0: a linha i é trocada pela soma da linha i com a linha j

multiplicada por um número real t não nulo (se t for nulo então a matriz não sofrerá
nenhuma alteração).
Observação. A operação anterior (e2) pode ser invertida, ou seja, para recuperar a
linha i que foi alterada basta executar a seguinte operação: Li ® Li - t.Lj. Além disto,
este tipo de operação elementar não altera o valor do determinante da matriz.
(e3) Li ® t.Li, t # 0: a linha i é trocada pela linha i multiplicada por um número real t
não nulo.
Observação. A operação anterior (e3) também pode ser invertida, ou seja, para
recuperar a linha i que foi alterada basta executar a seguinte operação: Li ® (t-1).Li.
Observação. Do processo de escalonamento, utilizando as operações elementares

anteriores e o método da Eliminação de Gauss, é possível determinar duas matrizes,
uma triangular superior U e uma triangular inferior L (lij = 0, se i < j) tais que: ou A =
LU, caso não haja nenhuma troca de linhas no processo de escalonamento, ou PA = LU,
caso haja trocas de linhas e, neste caso, PA denotará a matriz A permutada. Este tipo de
fatoração de A ou de PA é conhecida como decomposição LU. O sistema Ax = b é
resolvido em duas etapas: Ly = b e Ux = y, caso não sejam efetuadas trocas de linhas;
ou, senão, (PA)x = Pb é equivalente a (LU)x = Pb que é resolvido em duas etapas: Ly =
Pb e Ux = y, onde Pb é o vetor b permutado de acordo com as trocas de linhas que
foram efetuadas no Pivoteamento Parcial.
Observação. Não deixe de rever os tópicos sobre matriz inversa (Leia, por exemplo, o
material visto na disciplina de Álgebra Linear). Lembre-se de que uma matriz quadrada
A de ordem n tem inversa se existir uma matriz quadrada de ordem n indicada por A(-1)
tal que A . A(-1) = A(-1). A = I, onde I é a matriz identidade, que é formada por elementos
iguais a 1 na diagonal e elementos nulos fora da diagonal. Para obter a inversa de A,
basta resolvermos n sistemas lineares do tipo Ax(i) = b(i), onde x(i) será a i-ésima coluna
da matriz inversa e b(i) será a i-ésima coluna da identidade, 1 £ i £ n.
O objetivo deste módulo será o de estudar métodos numéricos aplicados a sistemas

lineares: métodos baseado em escalonamento de matriz e métodos iterativos. Para você
ficar familiarizado com os métodos apresentados neste módulo, serão utilizados vários
recursos: resolução de listas de exercícios; leitura de materiais didáticos e elaboração de
algoritmos computacionais.
49
Cálculo Numérico
• Método Iterativo de Jacobi e de Gauss - Seidel.
• Método da Eliminação de Gauss e da Decomposição LU.
3. Métodos Iterativos: Jacobi e Gauss - Seidel
Inicialmente, será apresentado um sistema linear com quatro equações e quatro

incógnitas que servirá de motivação para a dedução dos métodos de Jacobi e de Gauss -
Seidel.
-1.0 0.5 -0.1 0.1 0.2
0.2 -0.6 -0.2 -0.1 -2.6
O sistema linear Ax = b, com A = b = e
-0.1 -0.2 -1.5 0.2 1.0
-0.1 -0.3 -0.2 -1.0 -2.5
x1
x2
x= x3 pode ser reescrito, em termos de equações lineares, como segue:
x4
- 1.0x1 + 0.5x2 - 0.1x3 + 0.1x4 = 0.2;
0.2x1 - 0.6x2 - 0.2x3 - 0.1x4 = - 2.6;
- 0.1x1 - 0.2x2 - 1.5x3 + 0.2x4 = 1.0;
- O.lxi - 0.3x2 - 0.2x3 - 1.0x4 = - 2.5 .
Como os elementos da diagonal da matriz A são não nulos, o seguinte sistema

equivalente de equações lineares é obtido:
xi = { 0.2 - 0.5x2 + 0.1x3 - 0.1x4} - {- 1.0};
x2 = {- 2.6 - 0.2x1 + 0.2x3 + 0.1x4} - {- 0.6};
x3 = { 1.0 + 0.1x1 + 0.2x2 - 0.2x4} - {- 1.5};
x4 = {- 2.5 + 0.1x1 + 0.3x2 + 0.2x3} - {- 1.0}.
Tanto o método de Jacobi quanto o de Gauss - Seidel partem da mesma estrutura

anterior, porém os esquemas numéricos diferem na forma em que as iterações são
efetuadas.
50
Cálculo Numérico
Partindo-se de um vetor inicial x(0), as iterações com o método de Jacobi são dadas por:
(xi)(k) = { 0.2 - 0.5(x )í :i + 0.1(x )í :i - 0.1(x,:)í :i} - {- 1.0};
(x2)(k) = {- 2.6 - 0.2(x1)(k-1) + 0.2(x )í :i + 0.1(x,:)í :i} - {- 0.6};
(x3)(k) = { 1.0 + 0.1(x1)(k-1) + 0.2(x2)(k-1) - 0.2(x4)(k-1)} - {- 1.5};
(x4)(k) = {- 2.5 + 0.1(x1)(k-1) + 0.3(x)í :i + 0.2(x )í :'} - {- 1.0}.
As iterações com o método de Gauss - Seidel são dadas por:
(x1)(k) = { 0.2 - 0.5(x2)(k-1) + 0.1(x3)(k-1) - 0.1(x4)(k-1)} - {- 1.0};
(x2)(k) = {- 2.6 - 0.2(x1)(k) + 0.2(x3)(k-1) + 0.1(x4)(k-1)} - {- 0.6};
(x3)(k) = { 1.0 + 0.1(x1)(k) + 0.2(x2)(k) - 0.2(x4)(k-1)} - {- 1.5};
(x4)(k) = {- 2.5 + 0.1(x1)(k) + 0.3(x2)(k) + 0.2(xs)(k)} - {- 1.0}.
Nas próximas seções, apresentaremos com mais detalhes as deduções destes dois
métodos.
3.1 Método de Jacobi
Dado um sistema de n equações lineares, Ax = b, podemos reescrevê-lo de forma

equivalente como (L + D + U) x = b, onde L é a parte inferior da matriz A, ou seja, lij =
0, se i £ j, e lij = aij, se i > j; D é a diagonal da matriz A, isto é, dij = 0, se i # j e dii =
an; e U é a parte superior da matriz A, ou seja, uij = 0, se i > j, e uij = aij, se i < j. Se D
tem entradas não nulas (os elementos da diagonal da matriz A são não nulos) então Ax =
b é equivalente ao sistema Dx = b - (L + U)x que, por sua vez, é equivalente ao sistema
x = D-1b - D-1(L + U)x, onde D-1 é a matriz diagonal inversa da matriz D e possui
elementos dados por 1/aii, 1 £ i £ n.
Sejam a matriz CJ e o vetor gJ definidos como segue, CJ = - D-1(L + U) e gJ = D-1b.

Então o sistema x = CJ x + gJ é equivalente ao sistema original Ax = b. Como L + U =
A - D, é fácil notar que os elementos da matriz Cj são dados por cij =

aij —
, se i #j, e
aii
bi
cii = 0. Já o vetor gj possui elementos dados por gi =
aii
51
Cálculo Numérico
Exemplo 1. (Sistema equivalente) Considere o sistema linear Ax = b, onde
5 1 1 b1 5
)
x1
A = (3 -4 ; x = x2) e b = b2 8 . Então, de acordo com a notação
1 1 -2 1
x3 b3 -2
3 3
) ) )
0 0 0 5 0 0 0 1 1
anterior, obtemos: L = (3 0 D = (0 -4 ; U = (0 0
1 1 0
0 0 0-0
2 0 0 1
0
1/5 0 -1/5 -1/5 5/5
)
0 0 1
D-1 = ( 0 -1 / 4 0
-1/2
; Cj = (3/4
1/2
0
1/2
/
1 4 ) e gj = ( 8 /-4
-2/-2
= (-2
00 0 1
Definição 1 (Método Iterativo de Jacobi). Partindo-se de um vetor inicial, x(0), o

método de Jacobi vai produzir uma sequência de vetores com termo geral dado por
x(k) = Cj x(k-1) + gj, onde Cj = - D-1(L + U) é a matriz de iteração e gj = D Yb é o vetor
de termos independentes.
5 1
)
1
Exemplo 2. (Método de Jacobi) O sistema linear Ax = b, onde A = (3 -4
1 1 -1
2
x1 b1 5 1 0.95
x= x2) e b = b2 = ( 8) tem solução x = -1 . Considerando x(0) 0.95 ) ,
x3 b3 -2 1 0.95
3 3
após duas iterações com o método de Jacobi, obtemos:
(xi)(1) = { 5 - 1(X2)(0) - 1(X3)(0)} - {5} = 1;

(x2)(1) = { 8 - 3(X1)(0) - 1(x3)(0)} + {- 4} = - 1.05;
(X3)(1) = {- 2 - 1(X1)(0) - 1(x2)(0)} + {- 2} = 1.
(X1)(2) = { 5 - 1(x2)(1) - 1(x3)(1)} - {5} = 1.01;

(x2)(2) = { 8 - 3(x1)(1) - 1(x3)(1)} + {- 4} = - 1;
(x3)(2) = {- 2 - 1(xx)(1) - 1(x2)(1)} - {- 2} = 0.975.
Definição 2 (Critério de Parada do Erro Relativo). Considere um sistema linear

Ax = b, com solução única dada pelo vetor x e uma tolerância e = 0.5x 10-s, s e N. O
processo iterativo x(k) = Cjx(k-1) + gj, com vetor inicial x(0) conhecido, é interrompido se o
||x(k)_x1*-1)||„„ < e
seguinte critério de parada do erro relativo for satisfeito: ER(k) =
l|x'*,||„„ '
52
Cálculo Numérico
Neste caso, o vetor x(k) será uma aproximação do vetor solução x com a precisão
estabelecida pela tolerância e.
Observação: A norma do máximo do vetor x = (x1, x2, xn) é dada por:
llxILx = max {N’ N > ••• > Wí •
Exemplo 3. (Critério de Parada) Vamos calcular o erro relativo cometido tanto na

primeira quanto na segunda iteração apresentada no Exemplo 2. Antes, porém, note que
1- 0.95 0.05
o vetor diferença x(1) - x(0) tem coordenadas (-1.05 + 0.95 ) = (-0.1 ) e o vetor
1- 0.95 0.05
1.01-1 0.01
x(2) - x(1) tem coordenadas ( -1 + 1.05 ) = ( 0.05 ) . Desta forma,
0.975-1 -0.025
llX (1)-Clímax
ER(1) 0.1/1.05 » 0.09524 < 0.5x 10 0;
|x(1)||mQx
llx (2)-x<1)ILx
ER(2) = = 0.05/1.01 » 0.049505 < 0.5x 10-1. □
llx (2)ILx
Observação: Ao invés de considerar a forma matricial do método de Jacobi, conforme a

Definição 1, podemos definir o processo iterativo em termos das coordenadas do vetor
1 n (k -1)
x(k) = CJx(k-1) + gj (xi)(k) = — (bi- E
aijx(!t x)) , 1 £ i £ n. Retorne ao Exemplo 2
aii j=1, j*i
e perceba que as duas iterações foram efetuadas de acordo com a expressão anterior.
3.2 Método de Gauss - Seidel
Na tentativa de acelerar a convergência do processo iterativo que aproxima a solução do

sistema linear Ax = b, considere a seguinte modificação no método de Jacobi:
n
(xi)(k) = O- ( b ,
a11 Ea
.=2
ijx(k-1)),
1 i- 1 n
(xi)(k) a (bi-E ai.x((.k)) k E a.x;k-1)) , 2 £ i £ n - 1;
aii .=1 .=i+1
53
Cálculo Numérico
n-1
(
(x„)(k) = a bn-^ anjx j) .
nn j=1
)
O esquema anterior é conhecido como método iterativo de Gauss - Seidel.
Observe que a primeira equação deste novo método é idêntica a primeira equação do
método de Jacobi e, neste caso, somente as coordenadas do vetor x(k-1) são utilizadas.
Nas demais equações, os índices, j, das coordenadas do vetor x(k-1) correspondem a
índices de colunas que estão depois da posição diagonal (índices associados à matriz U
- veja o início da Seção 3.1), ou seja, i + 1 £ j £ n. A partir da segunda equação, os
valores das coordenadas do vetor atualizado x(k) também são utilizadas no processo
iterativo. Note que os índices, j, destas coordenadas correspondem a índices de colunas
que estão antes da posição diagonal (índices associados à matriz L - veja o início da
Seção 3.1), ou seja, 1 £ j £ i - 1. Este fato irá garantir a aceleração da convergência do
processo iterativo.
Considerando as equações anteriores e as notações utilizadas no início da Seção 3.1,

vamos reagrupar as coordenadas do vetor x(k) de modo que (D + L)x(k) = b - Ux(k-1).
Portanto, em termos matriciais, podemos reescrever as equações anteriores de acordo
com a
Definição 3 (Método Iterativo de Gauss - Seidel) . Partindo-se de um vetor inicial, x(0),

o método de Gauss - Seidel vai produzir uma sequência de vetores com termo geral
dado por x(k) = CS x(k-1) + gS, onde CS = - (D+L)-1U é a matriz de iteração e
gS = (D+L)-1b é o vetor de termos independentes.
Exemplo 4. (Método de Gauss - Seildel) Vamos considerar o mesmo sistema linear

proposto no Exemplo 2, porém iremos fazer as iterações com o método de Gauss -
Seidel, utilizando não a forma matricial, que é mais útil para a demonstração de
teoremas de convergência, mas, sim, as iterações das coordenadas do vetor x(k):
1 i-1 n
(xi)(k) = — (b—^ aijx(!t)— ajxj X)) , 1 £ i £ n (quando i = 1, o primeiro somatório
aii j=1 j=i+1
é eliminado; quando i = n, o segundo somatório é eliminado). Desta forma, sabendo que
)
5 1 1 5 0.95
A = (3 -4 e b = ( 8 ) e x(0) = (-0.95) após duas iterações com o método
1 1 -1
2 -2 0.95
de Gauss - Seidel, obtemos:
54
Cálculo Numérico
(Xi)(1) = { 5 - 1(X2)(0) - 1(X3)(0)} - {5} = 1;
(X2)(1) = { 8 - 3(xi)(1) - 1(X3)(0)} - {- 4} = - 1.0125;
(x3)(1) = {- 2 - 1(x1)(1) - 1(x2)(1)} - {- 2} = 0.99375.
(x1)(2) = { 5 - 1(x2)(1) - 1(x3)(1)} - {5} =1.00375;
(x2)(2) = { 8 - 3(x1)(2) - 1(x3)(1)} - {- 4} = - 0.99875;
(x3)(2) = {- 2 - 1(x1)(2) - 1(x2)(2)} - {- 2} = 1.0025.
Agora, vamos calcular o erro relativo cometido na segunda iteração do método de Gauss
- Seidel e compará-lo com o erro do método de Jacobi. Antes, porém, note que o vetor
1.00375 - 1 0.00375
diferença x(2) - x(1) tem coordenadas '-0.99875 + 1.0125 ) = '0.01375 ) . Desta forma,
1.0025 - 0.99375 0.00875
||x (2)— x' Dll
ER(2) = - — = 0.01375/1.00375 » 0.0137 < 0.049505, que é o valor do erro
lx'2!.. □
relativo associado a segunda iteração do método de Jacobi.
3.3 Convergência dos Método Iterativos de Jacobi e de Gauss - Seidel
Para estudar a convergência dos métodos iterativos vamos precisar da noção de norma
de uma matriz quadrada de ordem n. Aqui neste curso utilizaremos a norma linha de
matriz.
Definição 4 (Norma Linha de matriz). Seja C uma matriz de ordem n com elementos
cij, 1 £ i £ n e 1 £ j £ n. A norma linha da matriz C é definida como:
n
|| C ||L = máximo {L1t L2, Ln}, onde Li = |cj (que é a soma dos valores absolutos
j=1
dos elementos da linha i da matriz C), 1 £ i £ n.
Exemplo 5. (Norma Linha) Vamos calcular a norma linha da matriz de iteração do

método de Jacobi associada ao sistema linear que foi dado no Exemplo 1. A matriz de
0 -1/5 -1/5
iteração é dada por CJ = 3/4 0 1/4 Utilizando a Definição 4, tem-se que
1/2 1/2 0
L1 = |0| + |-1/5| + |-1/5| = 2/5; L2 = |3/4| + |0| + |1/4| = 1 e L3 = |1/2| + |1/2| + |0| = 1.
Portanto, || C ||L = máximo {L1, L2, L3} = máximo {2/5, 1, 1} = 1.
55
Cálculo Numérico
Observação: No exemplo anterior, a norma linha da matriz de iteração do método de
Jacobi resultou igual a 1. Neste caso, fica um pouco mais difícil demonstrar que o
método numérico é convergente. Porém, se || C || < 1 então o método iterativo
x(k) = C x(k-1) + g sempre será convergente, independente da norma utilizada e
independente do vetor inicial x(0). Antes de enunciarmos este resultado, considere a
definição mais geral de uma norma de matriz.
Definição 5 (Norma de matriz). Uma norma de matriz deve satisfazer as seguintes

condições:
(N1) 0 £ || M ||, qualquer que seja M, matriz quadrada de ordem n. Além disto, || M || = 0
se, e somente se, M = 0 (matriz nula).
(N2) || M + N || £ || M || + || N ||, quaisquer que sejam M e N, matrizes quadradas de

ordem n.
(N3) || t M || = |t| || M ||, para todo número real t e para qualquer M, matriz quadrada de
ordem n.
Observação: Dizemos que uma norma de matriz é consistente com uma norma de vetor
se || Cx || £ || C || || x ||, onde C é uma matriz de ordem n e x é um vetor coluna com n
coordenadas. A norma linha de matriz, por exemplo, é consiste com a norma do
máximo de vetor, ou seja, || Cx ||max £ || C ||L || x ||max.
Teorema 1 (Condição Suficiente de Convergência de métodos iterativos aplicados a

sistemas lineares) Considere um sistema linear Ax = b, com solução única dada pelo
vetor x e que seja equivalente ao sistema linear x = Cx + g. Se || C || < 1 e a norma de
matriz for consistente com a norma de vetor então o processo iterativo dado por x(k) =
Cx(k-1) + g será converge independentemente da escolha do vetor inicial x(0).
Demonstração: 0 £ ||x(k) - x|| = 11Cx(k-” + g - Cx - g|| = ||C(x(k-1) - x)|| £ ||C|| ||x(k-1) - x||.
Repetindo-se o mesmo argumento anterior e utilizando indução finita, obtém-se que
0 £ || x(k) - x || £ || C ||k || x(0) - x ||.
Como || C || < 1 então lim ||C||k = 0. Então, pelo Teorema do Confronto (veja a
Observação (**) posterior ao Exercício 2 da Seção 4 do Módulo 1), segue-se que
k+ w
k
lim ||x( )-x || = 0 ou, equivalentemente, lim x( ) = x.
k +w
k |
56
Cálculo Numérico
Critério das Linhas
Existe uma maneira prática para verificar se o método de Jacobi será convergente. Este
critério de convergência é conhecido como Critério das Linhas. Basta lembrar que os
elementos da matriz CJ estão relacionados com os elementos da matriz A do sistema
linear de modo que: cij = Iij,

aii
se i #j, e cu = 0. Além disto, || CJ ||L < 1 se, e somente
nn
se, Li = E |cij| < 1. Portanto, || C
j=1
j ||L < 1 «• E |a
j=1
j < \a{{ | , 1 £ i £ n. Quando esta
última condição é satisfeita dizemos que a matriz A é diagonal dominante.
Exemplo 6. (Critério das Linhas) Considere o sistema linear Ax = b, com
-1.0 0.5 -0.1 0.1 x1

0.2
0.2 -0.6 -0.2 -0.1 -2.6 x2
, b = e x= x3
-0.1 -0.2 -1.5 0.2 1.0
-0.1 -0.3 -0.2 -1.0 -2.5 x4
Note que a matriz A é diagonal dominante, ou seja,
1.0 = |a11| > |a12| + |a13| + |a14| = 0.7; 0.6 = |a22| > |a21| + |a23| + |a24| = 0.5;
1.5 = |a33| > |a31| + |a32| + |a34| = 0.5; 1.0 = |a44| > |a41| + |a42| + |a43| = 0.6.
Portanto, o Critério das Linhas é satisfeito; logo o método de Jacobi será convergente.
□
Critério de Sassenfeld
A matriz de iteração CS = - (D+L)-1U do método de Gauss - Seidel não é tão simples de

ser calculada. Por esta razão, vamos obter um critério de convergência para o método de
Gauss - Seidel que seja mais prático de ser avaliado. Esta condição suficiente de
convergência é conhecida como Critério de Sassenfeld.
O Critério de Sassenfeld é uma variação do critério das linhas e é descrito a seguir.
1n
b = L1 = r-|
lQul j= 2
£
|a | ,
1 i -1 1 n
| |
b = ia-|
aii j=1
+ l|a-f| E
a
ii j=i + 1
N . 2 £ t < n;
57
Cálculo Numérico
b |a
ann
| £ I anj
j=1
10 j ■
Se b = máximo {b, b, ■■■, b} < 1 então o método de Gauss - Seidel é convergente.
Exercício 1. (Critério de Sassenfeld) Mostre que se o Critério de Sassenfeld for

satisfeito então o método de Gauss - Seidel será convergente.
Lembre-se de que x(k) = CS x(k-1) + gS, onde CS = - (D+L)-1U e gS = (D+L)-1b. Além

disto, o sistema Ax = b é equivalente ao sistema x = Cs x + gs. O erro na iteração k do
método de Gauss - Seidel será representado por e(k) = x - x(k) = CSx - CSx(k-1). Portanto,
e(k) = Cs e(k-1) De(k) = - (L e(k) + U e(k-1)) - e(k) = D-1(L e(k) + Ue(k-1)). Portanto,
utilizando a notação do início da Seção 3.2 e as expressões de b dadas anteriormente,
tem-se que
nn
(x1)(k) (
- x1 = — £ a!j xj-xj -1)
a11 j=2
k ) • |(x1)(k) - x1 1 £ 7—I
a11 j=2
£ 1 11
a!j xj-xj -1) k 1
1
k
|(x1)(k) - x1| £ —— £ 1 a!j Hle( -1)Hmax = ||e(k-1)||max fr. Portanto,
a11 j=2
|(e1)(k)| £ bl ||e(k-1)|| max
Por indução finita, suponhamos que |(ej)(k)| £ b ||e(k-1)||max, para todo j tal que 1 £ j £ i -1.
Desta forma, tem-se que
1 i -1 1 n
|(xi)(k) - xi| £ -----£ 1 11
aii j=1
aij xj-x(j) 1 + --a £ 1 a! | 1 x -x k-1 | ,
ii j=i+1
j j j ) 2£i £ n - 1. Portanto,
2 £ i £ n - 1. Além disto,
58
Cálculo Numérico
Conclusão: ||e(k)||max £ b ||e(k-1)||max. (Lembre-se de que b= máximo {b1, b2, ..., bn} < 1).
Portanto, por indução finita, 0 £ ||e(k)||max £ b k ||e(0)||max. Novamente, o Teorema do
Confronto garante que lim ||e(k= 0
k w k w
k
lim x( ) = x.
I—I
Observação: Se o critério das linhas for satisfeito então o critério de Sassenfeld

também será satisfeito. Verifique este resultado! Portanto, antes de efetuar os cálculos
mais custosos dos bi avalie, de forma mais rápida, se a matriz do sistema linear é
diagonal dominante.
Exemplo 7. (Critério de Sassenfeld) Fizemos duas iterações com o método de Gauss -

Seidel no Exemplo 4. Vamos mostrar que o Critério de Sassenfeld é satisfeito para o
5 1 1 5
)
x1 b1
sistema linear Ax = b, onde A = (3 -4 , x= x2) e b = b2) = ( 8 )
1 1 -1
2 x3 -2
3 b3
De fato, b1 = |1/5| + |1/5| = 2/5 < 1; b2 = b1 |-3/4| + |1/4| = 11/20 < 1 e
b3 = b11-1/2| + b2 |-1/2| = 1/5 + 11/40 = 19/40 < 1. □
Critério Geral de Convergência
Um Teorema importante (condição necessária e suficiente) sobre convergência de

métodos iterativos aplicados a sistemas lineares é enunciado a seguir, sem
demonstração.
Teorema 2 (Condição Necessária e Suficiente de Convergência de métodos

iterativos aplicados a sistemas lineares) O processo iterativo x(k) = C x(k-1) + g, com
qualquer vetor inicial x(0), converge para a solução do sistema linear Ax = b, que é
equivalente ao sistema x = Cx + g, se, e somente se, |l| < 1, para todo auto-valor l da
matriz de iteração C.
Observação: Os auto-valores, l, de uma matriz C de ordem n são tais que det(C - lI)
= 0, em que I é a matriz identidade e det(C - l I) é o determinante da matriz C - lI.
Esta teoria faz parte do conteúdo da disciplina Álgebra Linear.
Observação: A demonstração do Teorema 2 pode ser encontrado em livros de Análise

Numérica. Algumas referências são apresentadas a seguir.
Referências
59
Cálculo Numérico
[1] BURDEN, R.L. e FAIRES, J.D. Análise Numérica. Tradução da 8a edição norte-americana,
São Paulo: Cengage Learning, 2008.
[2] ISSACSON, E. and KELLER, H. B., Analysis of numerical methods, John Wiley
and Sons, New York, 1982.
[3] ORTEGA, J. M., Numerical analysis; a second course, Academic Press, New York,
1972.
O livro Álgebra Linear da editora HARBRA, dos autores José Luiz

Boldrini, Sueli I. Rodrigues Costa, Vera Lúcia F. F. Ribeiro e Henry G.
Bibliografia Wetzler, contém um capítulo sobre processos iterativos aplicados à
Adicional Comentada
resolução de sistemas lineares. Vale a pena dar uma conferida.
Exemplo 8. (Critério de geral de convergência) Fizemos duas iterações com o método

de Jacobi no Exemplo 2 e vimos que o critério das linhas não era satisfeito, no
Exemplo 5. Agora, vamos mostrar, utilizando o Teorema 2, que o método de Jacobi é
5 1 1
convergente quando aplicado ao sistema linear Ax = b, onde A = 3 -4 1,
1 1 -2
5
)
x1 b1
x = e b = b2 ) ( 8) . De fato, a matriz de iteração é dada por
x
x2 b33
-2
3
0 -1/5 1/5
CJ = (3/4 0 1/ 4 . Calculando-se det(CJ - lI) obtemos o seguinte
1/2 1/2 0
polinômio: p(l) = - l3 - (l/8) - 1/10 (Veja o exercício 8 da Atividade 1 do Módulo 1).
Uma das raízes deste polinômio pode ser encontrada pelo método de Newton-Raphson
(l1 = - 0.375713238) e as outras duas podem ser obtidas através da resolução de uma
equação do segundo grau, após a utilização do algoritmo de Briot-Ruffini:
- (l3 + (l/8) + 1/10) - (l + 0.375713238) = - (l2 - 0.3757132381 + 0.266160437).
Assim, as outras duas raízes de p são dadas por l2 = 0.187856619 + 0.480489674 i e

l3 = 0.187856619 - 0.480489674 i. Note que l2 = a + bi e l = a - bi. Portanto, |li| =
0.375713238 e os módulos das raízes complexos são |l2| = |la| = Va2+b2 » 0.51591.
Desta forma, pelo Teorema 2, o método de Jacobi será convergente. □
60
Cálculo Numérico
4. Métodos Diretos baseados em Escalonamento de Matriz
Os métodos de escalonamento consistem em realizar operações elementares nas linhas

da matriz A de um sistema linear, Ax = b, de modo a transformá-la em uma matriz
triangular superior U. Uma matriz U é dita triangular superior quando os seus elementos
satisfazem: uij = 0, nos casos em que i > j.
O sistema linear Ax = b possui a mesma solução do sistema linear escalonado Ux = B,

onde o vetor B foi obtido do vetor b por meio das mesmas operações elementares
(aplicadas nas linhas da matriz do sistema) que transformaram A em U.
Para recordar, as operações elementares são 3:
(e1) Li « Lj: a linha i é trocada com a linha j;
(e2) Li ® Li + t.Lj, t # 0: a linha i é trocada pela soma da linha i com a linha j

multiplicada por um número real t não nulo (se t for nulo então a matriz não sofrerá
nenhuma alteração).
Observação. A operação anterior (e2) pode ser invertida, ou seja, para recuperar a
linha i que foi alterada basta executar a seguinte operação: Li ®Li - t.Lj. Além disto,
este tipo de operação elementar não altera o valor do determinante da matriz.
(e3) Li ® t.Li, t # 0: a linha i é trocada pela linha i multiplicada por um número real t
não nulo.
Observação: A operação anterior (e3) também pode ser invertida, ou seja, para
recuperar a linha i que foi alterada basta executar a seguinte operação: Li ®(t-1).Li.
4.1 Método da Eliminação de Gauss
O Método da Eliminação de Gauss vai considerar, inicialmente, apenas a operação

elementar, Li ® Li + t.Lj, t # 0 (e2), que não altera o determinante da matriz do sistema
linear original, Ax = b. Se a matriz A for de ordem n então serão necessárias n - 1 etapas
para se efetuar o escalonamento que transformará a matriz A em uma matriz triangular
superior U.
Em cada etapa k, 1 £ k £ n - 1, o objetivo do Método de Eliminação de Gauss será o de

anular os elementos aik que estão abaixo da posição do elemento da diagonal, akk.
Portanto, para cada i, k + 1 £ i £ n, será preciso escolher t = - mik de modo que a
operação elementar Li ® Li - mik.Lk produza um novo valor para aik , (aik)(k), que seja
nulo, ou seja, (aik)(k) = 0. De acordo com a operação elementar utilizada, tem-se que
61
Cálculo Numérico
0 = (aik)(k) = aik - mik akk. Assim, mk = .
akk
Depois da etapa do escalonamento, vem a etapa conhecida como Retro-solução, que
consiste na resolução do sistema equivalente. Lembre-se de que a matriz dos
coeficientes deste sistema linear equivalente é triangular superior.
Antes de analisar o caso geral, consideremos um caso particular no qual a matriz

triangular superior, U, tem ordem 3. Neste caso, o sistema linear oriundo do
escalonamento é dado por:
U11 X1 + U12 X2 + U13 X3 = Bi;
U22 X2 + U23 X3 = B2;
U33 X3 = B3.
Assim, a solução deste sistema linear é obtida como segue:
X3 = B3/U33;
X2 = (1/U22){B2 - U23 X3};
Xi = (1/Uii){Bi - U12 X2 - U13 X3}.
Analogamente, no caso geral, a solução é dada por:
Xn = Bn /unn;
1n
Xi = {
— Bi-
Uii
E
j=i +1
uíjxj }; i variando de n - 1 até 1.
Desta forma, podemos elaborar um algoritmo que contém duas partes. A primeira parte
do algoritmo transformará a matriz A do sistema linear AX = b em uma matriz triangular
superior U. A segunda parte do algoritmo obterá a solução do sistema linear
equivalente, UX = B.
Algoritmo: Eliminação de Gauss - Escalonamento e Retro-solução
O algoritmo que será apresentado a seguir está configurado para ser executado no
software Octave. Observe que os comentários que são escritos no programa devem ser
precedidos pelo símbolo de porcentagem: “%”.
Para não sobrecarregar a notação, no algoritmo exibido a seguir, sempre que uma
operação elementar (do tipo e2) for realizada, as notações para os elementos da matriz e
para os termos independentes serão as mesmas, isto é, aij e bi respectivamente. Isto
significa que ao invés de utilizarmos uma notação diferente para a matriz triangular
superior (U) e uma notação para o termo independente modificado com o
escalonamento (B) continuaremos a empregar a mesma notação original para os
elementos da matriz (a(i,j): notação usada no algoritmo) e para os termos independentes
62
Cálculo Numérico
(b(i): notação usada no algoritmo).
% Escalonamento de um sistema linear com n incógnitas
for k = 1: n - 1 % o índice de coluna k varia de 1 até n-1

if(a(k,k) != 0) % o termo da diagonal não é zero
for i = k + 1:n % i está variando de k + 1 até n, variando de 1 em 1.
% cálculo do multiplicador; variável mult
mult = (a(i,k))/a(k,k);
if(mult != 0) % se mult for diferente de zero
%alteração do termo independente

b(i) = b(i) - mult*b(k);
%alteração das linhas

for j = k+1:n % j está variando de k+1 até n porque a(i,k) = 0
a(i,j) = a(i,j) - mult*a(k,j);
end %fim do laço para o índice j

end %fim do “if”: mult diferente de zero
end %fim do laço para o índice i
else % se a(k,k) for zero
fprintf('Impossível continuar com o escalonamento');
end % fim do procedimento if-else
end % fim do laço para o índice k; fim do escalonamento
%Retro-solução
x(n) = b(n)/a(n,n); % n-ésima coordenada do vetor solução
for i = n-1:-1:1 % i variando de n-1e decrescendo uma unidade até chegar a 1
soma = x(i+1)*a(i,i+1); %primeira parcela do somatório

for j = (i+2):n
soma = soma + x(j)*a(i,j); %soma das demais parcelas; j variando de i+2 até n
end
x(i) = (b(i) - soma)/a(i,i); % i-ésiam coordenada do vetor solução

end
63
Cálculo Numérico
Exemplo 9. (Eliminação de Gauss) Vamos utilizar o Método da Eliminação de Gauss
3 -4 1
)
x1
para resolver o seguinte sistema linear: Ax = b, onde A = (1 2 , x= x2) e
4 2
0 -3 x3
3
b1
b = b2 (0) . Primeiramente, faremos o escalonamento da matriz ampliada (A | b).
0
b3
3
Observação: Como os multiplicadores são úteis para uma importante fatoração da

matriz A (isto ficará evidente no final deste exemplo), os valores dos mesmos serão
armazenados justamente naquelas posições da matriz para as quais o processo de
escalonamento produziu elementos nulos. Na matriz ampliada, estas posições serão
destacadas com os valores dos multiplicadores colocados entre parênteses.
Etapa 1 do escalonamento (k = 1):
m2i = 021/011; L2 —— L2 — m2i.Li;

m3i = 031/011; L3 — L3 — m3i.Li.
Desta forma obtemos a seguinte matriz ampliada:
-4 1 | 1
A(1) = ((m21=1/3) 10/3 5/3 | -1 /3
(m31=4/3) 16/3 -13/3 | -4/3,
Etapa 2 do escalonamento (k = 2):
m32 = 032/022; L3 — L3 — m32.L2.
Desta forma obtemos a seguinte matriz ampliada:
-4 1 I 1
A(2) = ((m21=1/3) 10/3 5/3 | -1/3
(m31=4/3) (m32=8/5) -7 I - 4 /5
Agora efetuaremos a Retro-solução.
Observe que a matriz triangular superior e o novo termo independente são dados por
3 -4 1 1
U = (0
0
10/3
0
/
5 3)
-7 -4/5
-/
e B = ( 1 3) . Assim, o vetor solução do sistema linear
64
Cálculo Numérico
tem as seguintes coordenadas:
*3 = B.-'U- = 4/35;
X2 = (1/U22HB2 - U23 X3} = - 11/70;
xi = (1/un){B1 - U12 X2 - U13 X3} = 3/35.
Observação: Se considerarmos uma matriz triangular inferior, L, formada pelos

multiplicadores que foram obtidos ao longo do processo de escalonamento e colocarmos
1 0 0
1 na diagonal desta matriz, obteremos: L = 1/3
É fácil ver que LU = A. De fato,

1
4/3 8/5 1
0 )
) )
1 0 0 3 —4 1 3 —4 1
LU = (1/3
4/3
1
8/5 0
1
(0 10/3 /
5 3) =
(1
4
2
0 —2
3
0 0 —7
O teorema mais geral sobre este resultado conhecido como decomposição LU pode ser
encontrado em:
B
[4] FRANCO, Neide Bertoldi, Cálculo Numérico, São Paulo: Pearson
Referências Prentice Hall, 2006.
Esforço Computacional
No algoritmo anterior (Eliminação de Gauss), vamos contar o número de operações de

adição (subtração) e de multiplicação (divisão). Este valor nos dará uma ideia do
esforço computacional para se resolver um sistema linear com matriz dos coeficientes
de ordem n.
Adição e subtração no escalonamento
Observe que o índice k varia de 1 até n - 1. Além disto, quando o índice i varia de k + 1
até n, uma subtração é realizada na alteração do termo independente e uma subtração é
realizada para cada índice j variando de k + 1 até n, na alteração das linhas da matriz.
Note que não estamos computando aquelas operações que produzirão elementos nulos.
Por esta razão, o algoritmo apresenta o índice j variando de k + 1 até n ao invés de
variar de k até n. Seja n_ae o número total de operações de adições e subtrações
efetuadas no escalonamento. Então
n-1 n- 1
n_ae = ^ {[n — (k + 1 ) + 1 ] + 1 }[n — (k + 1) + 1 ] =
k=1 k =1
[(n — k) + 1 ][n — k]
65
Cálculo Numérico
n-1 n-1
n_ae = Z [(n—k)2+(n—k)] = Z [(n2+n)-(2n+1)k+k2].
k=1 k=1
Sabendo que
n—1
Z k= (n —21 )n e Z k — )( — )
=(n 1 2n 1 n então n_ae = n3/3 - n/3.
k=1 k=1 6
Multiplicação e divisão no escalonamento
Observe que o índice k varia de 1 até n - 1. Além disto, quando o índice i varia de k + 1
até n, uma divisão é realizada no cálculo do multiplicador e uma multiplicação na
alteração do termo independente e, para cada índice j variando de k + 1 até n, uma
multiplicação é realizada na alteração das linhas da matriz. Seja n_me o número total de
operações de multiplicações e divisões efetuadas no escalonamento. Então
n—1 n—1
n_me = Z{[n — (k + 1 ) + 1 ]+2}[n — (k + 1 ) + 1 ] = Z [(n — k)+2][n — k]
k=1 k=1
n—1 n— 1 n—1
n_me = Z [(n — k)2+2(n — k)] = Z [(n — k)2+(n —k)] + Z n — k.
k =1 k =1 k=1
Utilizando as informações anteriores, obtemos que n_me = n3/3 + n2/2 - (5n)/6.
Adição e subtração na retro-solução
Quando o índice i varia de n-1 até 1, uma subtração é realizada no cálculo da

coordenada x(i) ao final da variação do índice j, de i + 2 até n, e para cada variação do
índice j é efetuada uma adição no cálculo da variável soma. Seja n_ar o número total de
operações de adições e subtrações efetuadas na retro-solução. Então
n—1 n—1
n_ar = Z {[n~(i +2)+1 ]+1 } = Z (n — i) = n (n —1) — (n —21) n == n22 — n2.
i=1 i=1
Multiplicação e divisão na retro-solução
Uma divisão é efetuada no cálculo da coordenada x(n). Além disto, quando o índice i
varia de n - 1 até 1, uma multiplicação é efetuada no cálculo da variável soma (primeira
parcela) e uma divisão é realizada no cálculo da coordenada x(i) ao final da variação do
índice j: de i + 2 até n. Note que para cada variação do índice j é efetuada uma
multiplicação no cálculo da variável soma (demais parcelas do somatório). Seja n_mr o
número total de operações de multiplicações e divisões efetuadas na retro-solução.
Então
66
Cálculo Numérico
n-1 n-1
n_mr = 1 + £{[n—(i + 2)+1 ] + 2} = £ (n +1—i) = (n + 1 )(n-1)- (n—21) n
i=1 i=1
2
nn
Assim, nmr = 1 + — +---- 1 = n2/2 + n/2.
22
Juntando as informações sobre o número de operações efetuadas no escalonamento e na

retro-solução, obtemos os seguintes valores:
n_ae + n_me = [n3/3 - n/3] + [n3/3 + n2/2 - (5n)/6] = 2n3/3 + n2/2 - 7n/6;
n_ar + n_mr = n2/2 - n/2 + [n2/2 + n/2] = n2.

2n3 n2 7n
Portanto, no escalonamento são efetuadas + — operações e na retro-
3 2 6
solução são executadas n2 operações, sendo tais operações de adição, subtração,
multiplicação e divisão.
Decomposição LU e inversão de matriz
A técnica apresentada a seguir pode ser aplicada em qualquer matriz A de ordem n,

desde que A = LU. Note que det(A) = det(L).det(U) = 1.det(U) = u11.u22 ... unn, pois a
matriz L é triangular inferior com elementos unitários na diagonal e a matriz U é
triangular superior. Portanto, a matriz A terá inversa, A-1, se ao final do escalonamento
- método de Eliminação de Gauss - não aparecer nenhum elemento nulo na diagonal.
Note que A.A-1 = I (matriz identidade). Então, multiplicando-se a matriz A pela primeira
coluna de A-1 obtém-se a primeira coluna da matriz identidade; multiplicando-se a
matriz A pela segunda coluna de A-1 obtém-se a segunda coluna da matriz identidade e
assim por diante. Portanto, para se obter A-1 basta resolvermos n sistemas lineares do
tipo Ax(j) = b(j), onde A é uma matriz de ordem n; x(j) é o vetor que representa a coluna j
da matriz A-1 e b(j) é a coluna j da matriz identidade, ou seja, a coordenada j do vetor b(j)
é igual a 1 e as demais coordenadas são iguais a zero.
Como A = LU então o sitema Ax = b é equivalente ao sistema LUx = b. Utilizando um

vetor auxiliar, y = Ux, podemos resolver o sistema anterior em duas etapas:
(1a) Resolução do sistema triangular inferior: Ly = b;
(2a) Resolução do sistema triangular superior: Ux = y.
67
Cálculo Numérico
Exemplo 10. (Inversão de matriz) Vamos obter a inversa da matriz A =
3 -4 1
12 2 dada no Exemplo 9. Conforme os cálculos efetuados naquele exemplo,
4 0 -3
)
1 0 0 3 -4 1
tem-se que L = (1/3
4/3
1
8/5 0
1
e U = (0
0
10/3
0
/
5 3) . O primeiro sistema
-7
1 3/35
linear, com b(1) = (0 ) , já foi resolvido e obtivemos x(1) = (-11/70) , que é a
0 4/35
primeira coluna da matriz inversa. Vamos resolver os outros dois sistemas utilizando a
decomposição LU.
Sistema 2
1 0 0 y1 0 y1 0
(sistema triangular inferior) (1/3 1 0) y2) = 1)
( (y2) ( 1 );
4 /3 8/5 1 y3 0 y3 -8/5
3
3 -4 1 x1 y1 0 x1
1 )
(s. triang. sup.) (0
0
10/3
0
5 3)
-7
/ x2) = y2) = (
y3 -8/5
( x2 (13/70)
8/35
x3 x33
Sistema 3
1 0 0 y1 y1
(sistema triangular inferior) 1/3 1 0 (y2) (0) (y2) (0);
4/3 8/5 1 y3 1 y3 1
3 -4 1 x1 y1 0 x1
(s. triang. sup.) (0 10/3 5/3 ) x2) (y2) (0 ) x2) ( 1/14 )
0 0 -7 y3 1 -1/7
x33 3 x33
3/35 6/35 1/7

Conclusão: a matriz inversa é dada por A-1 = (-11/70 13/70
4/35 8/35
/
1 14)
1/7
4.2 Método da Eliminação de Gauss com Pivoteamento Parcial
O Método de Eliminação de Gauss com Pivoteamento Parcial foi desenvolvido para

aperfeiçoar o Método de Eliminação de Gauss em relação a duas questões: (i) realização
68
Cálculo Numérico
do escalonamento com a possibilidade de se trocar as linhas da matriz do sistema linear;
(ii) diminuição dos efeitos de erros de arredondamento.
Para motivar o estudo deste método, vejamos um exemplo que o professor José Bezerra
Leite apresentou, na primeira parte da disciplina Cálculo Numérico, para os alunos da
turma de 1986 do curso de Matemática da Unesp de Rio Claro. Esta disciplina foi
dividida com o professor José Manoel Balthazar, também professor do Departamento de
Matemática.
Exemplo 11. (Pivoteamento Parcial) Vamos resolver o sistema linear

0.0001x1 + 1x2 = 1;
1x1 + 1x2 = 2;
com o Método da Eliminação de Gauss, de duas maneiras diferentes: sem permutação e

com permutação das equações. Nas duas resoluções, todos os cálculos serão efetuados
considerando-se aritmética de ponto flutuante com 3 dígitos e arredondamento
simétrico, ou seja, todos os números deverão ser representados da seguinte forma:
0.0i0203 X 10s, s e Z. Por exemplo, o número 0.9998 será arredondado para 1.000 e
representado por 0.1 x 101 e o número 1.0001 também será arredondado para 1.000 e
terá a mesma representação anterior.
Aplicando-se o Método da Eliminação de Gauss ao sistema linear, sem troca de linhas,

obtemos m21 = (0.1 x 101)/(0.1 x 10-3) = 1 x 104 = 0.1 x 105. Efetuando-se a operação
elementar L2 — L2 - m21.L1, a matriz ampliada será dada por
0.1X10-33 0.1X101 1 | 0.1 X1011 .

((m21 = 0.1X105) -0.1 X105 | -0.1X105 ,
observe que
0.1 X 10 - 0.1 X 105 X 0.1 X 101 = 0.1 X 10 - 0.01 X 106 = 0.1 X 10 - 0.1 X 105 =
0.00001 X 105 - 0.1 X 105 = 0.000 - 0.1 X 105 = - 0.1 X 105 ;
0.2 X 10 - 0.1 X 105 X 0.1 X 101 = 0.2 X 10 - 0.01 X 106 = 0.2 X 10 - 0.1 X 105 =
0.00002 X 105 - 0.1 X 105 = 0.000 - 0.1 X 105 = - 0.1 X 105 .
Portanto, o método de Eliminação de Gauss vai gerar a seguinte solução x2 = 1.000 e

x1 = 0.000, que não é a solução do sistema linear original.
Trocando-se as equações obtemos o sistema equivalente:
1x1 + 1x2 = 2;
0.0001x1 + 1x2 = 1.
69
Cálculo Numérico
Aplicando-se o Método da Eliminação de Gauss ao sistema linear anterior, obtemos
m2i = (0.1 x 10-3)/(0.1 x 101) = 0.1 x 10-3. Após a operação elementar L2 ® L2 - m21.L1,
a matriz ampliada será dada por
0.1X1011 0.1X1011 I 0.2X1011 .

((m21 = 0.1X10-3) 0.1X101 | 0.1X101)
observe que
0.1 x 10 - 0.1 x 10-3 x 0.1 x 101 = 0.1 x 10 - 0.1 x 10-3 = 0.1 x 10 - 0.00001 x 10 =
0.1 x 101 - 0.000 = 0.1 x 10 1 ;
0.1 x 10 - 0.1 x 10-3 x 0.2 x 101 = 0.1 x 10 - 0.02 x 10-2 = 0.1 x 10 - 0.00002 x 10 =
0.1 x 101 - 0.000 = 0.1 x 101 .
Portanto, o método de Eliminação de Gauss com Pivoteamento vai gerar a seguinte

solução x2 = 1.000 e x1 = 1.000, que é a solução do sistema linear original com três
casas decimais de precisão. □
Outros exemplos deste tipo podem ser encontrado no livro da Márcia A. Gomes
Ruggiero e Vera Lúcia da Rocha Lopes:
Cálculo Numérico: Aspectos Teóricos e Computacionais, 2a Edição,

São Paulo, Pearson Education do Brasil, 1996. Eu utilizei este livro (1a
Bibliografia Ed.) em minha graduação e hoje, durante as aulas de cálculo numérico,
Adicional Comentada
o usufruto continua ativo.
Estratégia de Pivoteamento Parcial
O Método da Eliminação de Gauss com Pivoteamento Parcial vai considerar as

operações elementares: (e1) Li « Lj e (e2) Li ® Li + t.Lj, t # 0. A primeira operação
inverte o sinal do determinante e a segunda não altera o determinante da matriz do
sistema linear original, Ax = b. Se a matriz A for de ordem n então serão necessárias n -
1 etapas para se efetuar o escalonamento que transformará a matriz A em uma matriz
triangular superior U.
Em cada estágio k, 1 £ k £ n - 1, o objetivo do Método de Eliminação de Gauss com

Pivoteamento será o de anular os elementos aik que estão abaixo da posição do elemento
da diagonal, akk. Porém, este elemento que vai aparecer na diagonal (chamado de pivô)
deve ter valor absoluto elevado quando comparado com os demais valores absolutos dos
elementos da matriz. Este procedimento ameniza os problemas relacionados a erros de
arredondamento.
Para evitar maiores complicações provenientes de possíveis trocas de colunas, vamos

apresentar uma estratégia de pivoteamento parcial que consiste em calcular, em cada
70
Cálculo Numérico
estágio k que antecede o processo de escalonamento, o valor máximo dos módulos dos
elementos da coluna k, da diagonal para baixo. Este valor máximo será representado por
Pk = máximo {|aik|, k £ i £ n}. Se |aimax,k| for o elemento máximo e imax > k então, antes
de efetuarmos o escalonamento, a linha imax deverá ser trocada com a linha k. Se o
elemento com o valor módulo já estiver na diagonal então seguimos direto para o
processo de escalonamento, calculando-se os multiplicadores da mesma forma que no
Método de Eliminação de Gauss. O processo referente à retro-solução é exatamente o
mesmo já visto anteriormente.
Exemplo 12. (Pivoteamento Parcial) Vamos utilizar o Método da Eliminação de

3 -4 1
Gauss com Pivoteamento Parcial para escalonar a matriz A = (1
4
2
0 -2
3 )
Observação: Como os multiplicadores são úteis para uma importante fatoração da
matriz A (isto ficará evidente no final deste exemplo), os valores dos mesmos serão
armazenados justamente naquelas posições da matriz para as quais o processo de
escalonamento produziu elementos nulos. Estas posições serão destacadas com os
valores dos multiplicadores colocados entre parênteses. Caso ocorra troca de linhas
devido ao pivoteamento parcial, os valores dos multiplicadores deverão ser trocados de
lugar também, seguindo o mesmo critério do pivoteamento.
Observação: Para guardar as trocas de linhas efetuadas durante a aplicação do método,

vamos utilizaremos uma variável t, que, inicialmente, assumirá o valor zero (t:= 0), e
1
um vetor de índices ind = 2 . Toda vez que ocorrer troca de linhas, a variável tserá
3
acrescida de uma unidade (t:= t +1) e o vetor de índices terá as suas coordenadas
permutadas de acordo com o pivoteamento parcial.
Estágio 1 (k = 1):
Pivoteamento
Pi = máximo {|afx |, 1 £ i £ 3} = \aimax,i | = 4; imax = 3 > 1 = k.
3
Assim, a linha 3 deve ser trocada com a linha 1. Logo, ind = 2 e t = 1.
1
4 0 -3
Agora, temos que considerar a seguinte matriz: ( 1 2 2).
3 -4 1
71
Cálculo Numérico
Escalonamento (os elementos da matriz anterior continuarão sendo denotados por 0j)
m21 = 021/011; L2 —— L2 — m21.L1;

m31 = 031/011; L3 — L3 — m3i.L1.
Desta forma obtemos a seguinte matriz:
40
A(1) = ((m21=1/ 4) 2 11/4
(m31=3 /4) —4 13/4
Estágio 2 (k = 2):
Pivoteamento
P2 = máximo {|af21, 2 £ i £ 3} = |ofmox,1| = 4; imax = 3 > 2 = k.
Assim, a linha 3 deve ser trocada com a linha 2. Logo, ind = (1) e t = 2.
2
4 0 —3
((3/4) —4
Agora, temos que considerar a seguinte matriz: 13/4 . Observe que
(1/4) 2 11/4
os valores dos multiplicadores foram trocados de lugar, porém continuam armazenados
naquelas posições que seriam ocupadas pelos elementos que foram zerados pelo
processo de escalonamento.
Escalonamento (os elementos da matriz anterior continuarão sendo denotados por 0$)
m32 = 032/022; L3 — L3 — m32.L2.
Desta forma obtemos a seguinte matriz:
4 0
A(2) = ((3/4)
—4 13/4
(1/4) (m32=—1/2) 35/8
Considerando-se os resultados obtidos no exemplo anterior, podemos fazer as seguintes

observações.
Observação: No processo de pivoteamento e escalonamento ocorreram duas trocas de

linhas (t = 2); assim, det(A) = det(A(2)).(-1)T = 4.(-4).(35/8).(-1)2 = - 70.
72
Cálculo Numérico
Observação: Se considerarmos uma matriz triangular inferior, L, formada pelos
multiplicadores que foram obtidos ao longo do processo de pivoteamento e
escalonamento e colocarmos 1 na diagonal desta matriz, obteremos:
) )
1 0 0 1 0 0 4 0 -3
L = (3/4 1 . Note que LU = (3/4 1 (0 -4 13/4 ) =
1/4 1/2 0
1 1/4 -1/2 0
1 0 0 35/8
4 0-3
(3
1
-4
2 1
2 ) = PA, onde P é o produto de matrizes de permutação (veja a
observação abaixo). Na prática não precisamos da matriz de permutação mas, sim, do

3
vetor de índices, ind = 1 obtido no final da aplicação do método da Eliminação de
2
Gauss com Pivoteamento Parcial. A análise que devemos fazer deste vetor é a seguinte:
a linha 3 da matriz original será a primeira linha da matriz PA, a linha 1 da matriz
original será a segunda linha da matriz PA e a linha 2 da matriz original será a terceira
linha da matriz PA.
Saiba Mais
Observação: Uma matriz de permutação é obtida da matriz identidade a partir de uma,

e apenas uma, troca de linhas. Desta forma, toda matriz de permutação possui inversa.
No Exemplo 12, foram executas duas trocas de linhas. Primeiro, a linha 1 foi trocada
com a linha 3; depois, a linha 2 foi trocada com a linha 3. Fazendo cada uma destas
trocas de linhas na matriz identidade obteremos:
) ) )
0 0 1 1 0 0 0 0 1
P13 = (0 1 e P23 = (0 0 . A matriz P é dada por P23 P13 = (1 0
1 0 0
0 0 1 1
0 0 1 0
0
Note que o efeito de multiplicar uma matriz de permutação por uma matriz A é o de
produzir uma permutação na matriz A com as mesmas características da permutação que
foi realizada na identidade:
) ) )
3 -4 1 4 0 3 4 0 -3
PA = P23 P13 A = P23 P 13 (1 2 (1 2 (3 -4
Q
I
I
4 0 -2
3 3 4 2
1 1 2 1
2
0 0 1 3 -4 1 4 0 3
PA = P23 P13 A = (1
0
0
1 0
0 ) (1
4
2
0 -
2
3)
= (3
1
4
2 1
2 )
73
Cálculo Numérico
Saiba Mais
Observação: Como PA = LU então o sistema linear Ax = b é equivalente ao sistema
PAx = Pb, pois P é invertível (produto de matrizes invertíveis), que por sua vez é
equivalente ao sistema LUx = Pb. Utilizando um vetor auxiliar, y = Ux, podemos
resolver o sistema linear anterior em duas etapas:
(1a) Resolução do sistema triangular inferior: Ly = Pb;
(2a) Resolução do sistema triangular superior: Ux = y.
Exercício 2. (Decomposição LU com pivoteamento parcial e inversão de matrizes)

-3 4 -1
Obtenha a inversa da matriz A = (-1 - 2 -2 ) utilizando a decomposição LU
-4 0 3
obtida do Método da Eliminação de Gauss com Pivoteamento Parcial.
0
)
0
Utilizando-se o Exemplo 12, pode-se concluir que L = (3/4 1 e U =
1/4 -1/2 0
1
-4 0 3
(0 4 -13/4 ) Para se obter a inversa da matriz A, precisaremos resolver 3
0 0 -35/ 8
sistemas lineares do tipo Axj = b(j «• PAx(j = Pb(j) «• LUx(j) = Pb(j), onde xj é o
vetor que representa a coluna j da matriz A-1 e Pb(j) é a coluna j da matriz identidade
permutada de acordo com o pivoteamento parcial (controlado pelo vetor de índices).
Como o vetor de índices, que controla as trocas de linhas, é dado por ind = 1 então,
2
v1 v3
para qualquer vetor v = v2) , tem-se que Pv = v1)
v3 v2
3 2
Sistema 1
1 0 0 1 0 0
)
y1 y1
(triangular inferior) (3/4 1 (y2) = P (0 ) = 1)
( y2) = ( 1 )
1/4 -1/2 0
1 0 0 1/2
y3 y3
74
Cálculo Numérico
x1 -3/35
(triang. superior) x2 ( 11/70 )
-4/35
x
3■
Sistema 2
1 0 0 y1 0 y1
(triangular inferior) (3/4 1 0) (y2) = P (1) (0) (y2) (0)
1/4 -1/ 2 1 y3 0 1 y3 1
-4 0 3 x1
(triang. superior) 0 4
0
--13/4)
35/8
x2) =
x3
(-13/70)
-8/35
0 3
Sistema 3
y1 0 y1
1 0 0
(triangular inferior) 3/4 1 (y2) = P 0)
(
(0) (y2) (-3/4)
0
1/4 -1/2 1 y3 1 0 y3 -5/8
3 3
-4 0 3 x1 y1 x1
(triang. superior) ( 0 4 -13/4 ) x2 (y2) -/
( 3 4)
-5/8
x2 (-1/14
1/7
0 0 -35/ 8
x33 y3 x33
3/35 6/35 1/7

Conclusão: a matriz inversa é dada por A-1 = - (-11/70
4/35
13/70
8/35
1 14)
1/7
/
5. Aplicação - Discretização da equação do calor para uma barra

homogênea
A equação do calor para uma barra homogênea de comprimento L é dada por
Ut(x, t) = Kuxx(x, t) + f(x,t), x e I = (xo, Xf), Xf - Xo = L e t e J = (to, T), to > 0, K > 0,
com condições de fronteira: u(xo, t) = gi(t), t e J; u(xf, t) = g2(t), t e J; e com condição

inicial dada por u(x, t0) = q(x), x e [x0, xf].
A discretização no tempo vai utilizar o método de Crank - Nicolson e no espaço vai

utilizar diferenças finitas centradas. Nas aproximações dadas a seguir a notação O(hp) =
R.hp, onde R é uma constante.
75
Cálculo Numérico
Vamos considerar pontos igualmente espaçados no intervalo J, particionando-o em nt
subintervalos. Assim, ht = Dt = (T-t0)/nt e tj = t0 + jht, 1 £ j £ nt. Também iremos
considerar pontos igualmente espaçados no intervalo I, particionando-o em nx
subintervalos, assim hx = Dx = (xf - x0)/nx e xi = x0 + ihx; 1 £ i £ nx.
Em primeiro lugar, deduziremos uma fórmula para aproximar a derivada segunda de

uma função V(x). Para isto utilizaremos os seguintes desenvolvimentos de Taylor:
V(x + h) = V(x) + V'(x)h + V”(x) h2/2! + V"'(c)h3/3!, c entre x e x + h;
V(x - h) = V(x) - V'(x)h + V''(x) h2/2! + V"'(d)h3/3!, d entre x - h e x.
Portanto, V(x+h) + V(x-h) = 2V(x) + V''(x)h2 + O(h3). Assim,
V''(x) » (1/h2) {V(x - h) - 2V(x) + V(x + h)}.
1
Se h = hx e V(xi) = u(xi, tj) então uxx(xi, tj) h2 { u(x,-1, tj) - 2u(xi, tj) + u(xi+1, tj) }. Esta
hx
1_
última expressão será denotada por h2 { ui-1>j - 2ui>j + ui+1,j }.
hx
A figura abaixo representa um passo de tempo partindo-se de tj e chegando-se a tj+1;

Dt = tj+1 - tj e gj = tj + qDt é um valor intermediário entre tj e tj+1, com 0 < q < 1.
________________ tj+1
(1-9)Dt
gj = tj + q Dt
qDt
Figura 1 - Módulo 2. Esquema de discretização do Método

de Crank - Nicolson
Seja U(t) uma função diferenciável. Então

U(tj+1) = U(gj + (1 - q)ht) = U(gj) + (1 - q) ht U'(gj) + O1((ht)2) e
U(tj) = U(gj - qht) = U(gj) + (- q)ht U'(gj) + O2((ht)2),
onde O1((ht)2) = U''(cj).(ht)2/2! e O2((ht)2) = U''(dj).(ht)2/2!; cj está entre gj e tj+1; dj entre tj

e gj.
Desta forma,
U(tj+1) - U(tj) = ht U'(gj) + O((ht)2) ■ [U(tj+1) - U(tj)]/ht » U'(gj).
76
Cálculo Numérico
Além disto, 0U(tj+i) + (1 - q) U(j = U(g) + 0 Oi + (1 - 0) O2 = U(g) + O3((ht)2).
Portanto, 0 U(tf+i) + (1 - 0) U(tj) » U(g).
Considerando-se t = g e x = xi na equação do calor, obtém-se que
ut(xi, gj) = KuxxX gj) + f(xi, g).
De acordo com os cálculos anteriores e supondo que a função uxx seja derivável no
tempo, obtemos
[u(xi, tj+1) - u(xi, tj)]/ht » K{0 ujxi, tj+1) + (1 - 0) Uxx(Xi, tj)} + 0 f(xi, tj+1) + (1 - 0) f(xi, tj).
Portanto,
1 X
Uij+1 - Uij = ht 0K h (Ui-1j+1 - 2uij+1 + Ui+1j+1) + ht (1 - 0)K h2 (Ui-1,j - 2Ui,j + Ui+1,j)
hx hx
+ ht 0f(xi, tj+1) + ht (1 - 0) f(xi, tj).
h_
Seja r = K > 0. Então
h2x
Ui,j+1 - Ui,j = r{ 0 (Ui-1,j+1 - 2Ui,j+1 + Ui+1,j+1) + (1 - 0) (Ui-1,j - 2Ui,j + Ui+1,j) }

+ ht 0f(Xi, tj+1) + ht (1 - 0) f(Xi, tj)
- r0Ui-1,j+1 + (1 + 2r0)Ui,j+1 - r0Ui+1,j+1 = r(1 - 0)Ui-1,j + (1 - 2r(1 - 0))Ui,j + r(1 - 0)Ui+1,j

+ ht 0f(xi, tj+1) + ht (1 - 0) f(xi, tj).
Quando 0 = 1/2 obtemos o método de Crank - Nicolson:
- r Ui-1,j+1 + (2 + 2r) Ui,j+1 - r Ui+1,j+1 = r Ui-1,j + (2 - 2r) Ui,j + r Ui+1,j

+ ht (f(xi, tj+1) + f(xi, tj)).
Observe que os termos que aparecem do lado esquerdo são as incógnitas e os que
aparecem do lado direito são termos conhecidos. Precisamos utilizar a condição inicial
da equação do calor para gerar o vetor inicial Uj = (Uy , U2j, uj), j = 0; n = nx - 1. As
condições de fronteira são utilizadas para ajeitar a primeira e a última equação do
sistema linear, com vetor de incógnitas Uj+1 = (U1j+1 , U2J+1, ..., Un,j+1). A matriz deste
sistema linear é estritamente diagonal dominante: |2 + 2r| > 2r = |-r| + |-r|. Portanto, o
sistema pode ser resolvido pelo Método de Gauss - Seidel. Como a matriz é tridiagonal
então é bastante simples a resolução do sistema linear por meio da decomposição LU.
Exemplo 13. (Crank-Nicolson; caso particular) Neste exemplo, vamos considerar um

problema proposto no livro de Análise Numérica de Richard Burden e J. Douglas Faires
(veja as referências da Seção 3.3). A equação do calor é dada por
Ut(x, t) = Uxx(x, t), x e I = (0, 1), t e J = (0, 0.5),
77
Cálculo Numérico
sujeita às condições
(fronteira) u(0, t) = 0; u(1, t) = 0, " t e J;
(inicial) u(x, 0) = sen(^ x), x e [0, 1].
A solução analítica desta equação do calor é dada por u(x, t) = exp(- p2x) sen(px).
Vamos obter aproximações de u(x,t) no tempo t = 0.5 e nos pontos x = xi, igualmente
espaçados com espaçamento hx = 0.1. Os passos de tempo terão comprimento ht = 0.01.
ht
Observe que r = K 2 = 1; nx = 10 e n = 50. Em cada passo de tempo, temos que
hx
resolver um sistema linear do seguinte tipo
u1, j+1
2(1 +p) -p 0 0 0 0 0 0 0
u2, j+1
-P 2(1+p) -p 0 0 0 0 0 0
u3, j+1
0 -p 2(1+p) -p 0 0 0 0 0
u4,j+1
0 0 -p 2(1+p) -p 0 0 0 0
u5, j+1
0 0 0 -p 2(1+p) -p 0 0 0
u6, j+1
0 0 0 0 -p 2(1+p) -p 0 0
0 0 0 0 0 -p 2(1+p) -p 0 u7, j+ 1
0 0 0 0 0 0 -p 2(1+p) -p u8, j+ 1
0 0 0 0 0 0 0 -p 2(1+p) u9, j+1
u1,j
2(1-p) -p 0 0 0 0 0 0 0 I1
u2,j
-p 2(1-p) -p 0 0 0 0 0 0 l.
u3,j
0 -p 2(1-p) -p 0 0 0 0 0 'I1.
u4,j
0 0 -p 2(1-p) -p 0 0 0 0 I4
0 0 0 -p 2(1-p) -p 0 0 0 u5,j + I5
u6,j
0 0 0 0 -p 2(1-p) -p 0 0 l6
0 0 0 0 0 -p 2(1-p) -p 0 u7,j
l7
0 0 0 0 0 0 -p 2(1-p) -p u8,j
l8
0 0 0 0 0 0 0 -p 2(1-p) u9,j
l9
A primeira e a última coordenada do vetor Y englobam valores de fronteira e de termos

de fonte; as demais coordenadas somente envolvem termos de fonte:
Y1 = r(u0,j + u0,j+1) + ht (f(x1, tj+1) + f(x1, tj)) = r(g1(tj) + g1(tj+1)) + ht(f(x1, tj+1) + f(x1, tj));
Yi = ht (f(xi, tj+1) + f(xi, tj)); 1 £ i £ n — 1;
Yn = r(un+1,j + un+1,j+1) + ht(f(xn+1, tj+1) + f(xn+1, tj)) = r(g2(tj) + g2(tj+1))

+ ht(f(xn+1, tj+1) + f(xn+1, tj)).
78
Cálculo Numérico
No exemplo em questão, todas as coordenadas do vetor Y são nulas porque as
condições de fronteira são nulas e o termo de fonte é nulo.
Utilizando a condição inicial, u(x, 0) = sen(px), obtemos o seguinte vetor
u1,0 0.30902
u2,0
0.58779
u3,0 0.80902
u4,0 0.95106
u5,0 1.00000
u6,0 0.95106
0.80902
u7,0
0.58779
u8,0 0.30902
u9,0
Observe que a matriz do sistema linear é tridiagonal, ou seja, os elementos não nulos da
matriz estão na diagonal inferior (estes valores são todos iguais a -1), na diagonal
principal (estes valores são todos iguais a 4) e na diagonal superior (estes valores são
todos iguais a -1). Portanto, para efeitos computacionais estes valores podem ser
armazenados em 3 vetores apenas, o que gera uma economia muito grande relacionada à
memória do computador já que a quantidade de elementos nulos é muito maior do que a
quantidade de elementos não nulos.
A solução do sistema linear produzirá os seguintes valores:
79
Cálculo Numérico
Tabela de valores - Exemplo 13 -
Solução aproximada (Crank-Nicolson; T = 0.5) e solução analítica
xi ui (Crank - Nicolson) exp(- p2T) sen(pxi)
(solução analítica)
0 0 0
0.1 0.00230512 0.0022224
0.2 0.00438461 0.0042273
0.3 0.00603489 0.0058184
0.5 0.00709444 0.0068399
0.5 0.00745954 0.0071919
0.6 0.00709444 0.0068399
0.7 0.00603489 0.0058184
0.8 0.00438461 0.0042273
0.9 0.00230512 0.0022224
1.0 0 0
80
Cálculo Numérico
Atividade 1 - Adquirindo e testando conhecimentos através da resolução da lista

de exercícios
Em praticamente todos os exercícios desta lista você precisará lidar com sistemas
lineares e matrizes; portanto, é fundamental que você recorde a teoria vista sobre este
assunto na disciplina de Álgebra Linear. Esta lista contém exercícios referentes ao
conteúdo do Módulo 2: Método Iterativo de Gauss - Jacobi e de Gauss - Seidel; Método
da Eliminação de Gauss e Decomposição LU. Você tem que se esforçar para tentar
fazer todos os exercícios.
Segunda Lista de Exercícios de Cálculo Numérico
1) Seja A = (aij) uma matriz de ordem n, onde aii = -2; ai,i-1 = 1; ai,i+1 = 1 e os demais
-2 1 0 0
1 -2 1 0
elementos são nulos. Por exemplo, para n = 4, A = A é uma
0 1 -2 1
001 -2
matriz tridiagonal.
i) Mostre que o critério de Sassenfeld é válido, independentemente da ordem da matriz.

Sugestões: (a) Calcule b1 e b2 e verifique que são menores do que 1; (b) Suponha que
bi-1 < 1 e prove que bi < 1.
ii) Considere n =3, bt = (-1, 0, -0.5) e [x(0)]t = (0, 0, 0). Faça duas iterações com o
método de Gauss-Seidel e calcule o erro relativo. Justifique a convergência deste
método.
iii) O método de Jacobi também será convergente. Considere n = 3 e calcule o módulo

dos autovalores da matriz de iteração, C, do método de Jacobi. Os autovalores são as
raízes do polinômio característico p(l) = det (C - lI); I é a matriz identidade.
2) Considere o sistema linear Ax = b, com
-1.0 0.5 -0.1 0.1 0.2 x1

0.2 -0.6 -0.2 -0.1 -2.6 x2
, b= e x=
-0.1 -0.2 -1.5 0.2 1.0 x3
-0.1 -0.3 -0.2 -1.0 -2.5 x4
81
Cálculo Numérico
i) Verifique se o critério de Sassenfeld é satisfeito.
ii) Faça duas iterações com o método de Jacobi; use x(0) = (0, 0, 0, 0)T.
iii) Utilize x(2), calculado no item anterior, como valor inicial e faça uma iteração com o
método de Gauss-Seidel. Calcule o erro relativo.
21 3
3) Sejam A = (0 -1
10 1
3 ) xt = (x1 x2 x3) e bt = (9 1 3). Troque a 1a linha com a 3a
linha; depois troque a 1a coluna com a terceira coluna.
(i) Verifique se o critério das linhas é satisfeito.
(ii) Verifique se o critério de Sassenfeld é satisfeito.
(iii) Monte o esquema numérico que certamente convergirá e faça uma iteração partindo
de [x(0)]t = (8.8 -2.7 -1.8).
(iv) Calcule o erro relativo.
4) “Se o Critério das Linhas é satisfeito, então o Critério de Sassenfeld também é

satisfeito”. Verifique este fato, considerando uma matriz, A, 2x2. Lembre-se de que
1n
Li = I—I E
laiil j= 1, j*i
Kl , 1£i £n
1 i -1 1 n
b E
= TTT \aij\Pj
Iaiil j=1
+ E
|0"7
laiil j=i+1
lajl, 2£i £n e b = L1.
5) Um aluno, após efetuar algumas iterações de um método iterativo para sistemas

lineares, chamou o professor e pediu para ele conferir os cálculos. O professor constatou
que algumas contas estavam erradas, mas ao invés de pedir para o aluno refazê-las
apenas disse para ele continuar os cálculos e prestar mais atenção, pois assim ele obteria
a aproximação correta do sistema linear. Como justificar a atitude do professor? Será
que contas erradas podem conduzir a resultados corretos? Use os conhecimentos de
Cálculo numérico para explicar o fenômeno ocorrido.
82
Cálculo Numérico
6) Dado o sistema linear
{ x1 + x2 = 3
Xi - 3 X2 = - 3
verifique que o critério das linhas não é satisfeito. No entanto, o método de Jacobi (e
também o de Gauss-Seidel) é convergente. Para demonstrar esta afirmação proceda
como segue.
i) Faça o gráfico de cada uma das retas representadas nas equações acima e verifique
que o ponto de interseção entre elas, (3/2, 3/2), é a solução do sistema linear.
ii) Isole xi na primeira equação e x2 na segunda equação e escreva o método de Jacobi.
iii) Considere x(0) = (0, 0). Mostre que x(2k) = ([xi](2k) , [x2](2k) ) é tal que [x2](2k) = [xi](2k),
ou seja os pontos da sequência que possuem índices pares estão sobre a reta y = x.
iv) Sabendo que x(i) = (3, 1), mostre que os pontos de índices ímpares estão sobre a reta
y = 2 - (1/3)x.
Sugestão: Calcule o coeficiente angular da reta que passa pelos pontos x(2k-i) e x(2k-3) e
obtenha o seguinte valor:
{[X2](2k-1) - M2k-3)}/{ [Xi](2k-1) - [Xi](2k-3)} = - 1/3.
Lembre-se de que [xi](2k-4) = [x2](2k-4) . Além disto, observe que
[x1](2k-1) = 3 - [x2](2k-2) = 2 - (1/3)[x1](2k-3).
Portanto, [x1](2k-1) - [x1](2k-3) = 2 - (4/3)[x1](2k-3). Contas análogas são feitas para [x2](2k-1).
v) Faça iterações até que se obtenha erro relativo menor do que 0.5x10-1.
vi) Coloque os pontos sobre as respectivas retas e perceba a convergência para (3/2,
3/2).
Observações: (I) a sequência de índices pares terá termo geral xn = 2 - (1/3) xn-1, com x0
= 0. Pode-se mostrar que xn = 2.{1 - 1/3 + 1/32 - 1/33 ....}, que é uma série alternada,
portanto a sequência com termo geral xn é convergente. (II) A sequência de índices
ímpares é do tipo zn = 2 - (1/3) zn-1, com z0 = 1. Pode-se mostrar que a sequência de
termo geral zn - xn é convergente e o seu limite vale zero. Logo a sequência com termo
geral zn = xn + (zn - xn) é convergente e possui o mesmo limite da sequência com termo
geral xn , que é igual a 3/2.
7) Um procedimento para melhorar soluções de sistemas lineares acometidas por erros

de arredondamento é o chamado refinamento de solução, explicado a seguir. Seja
83
Cálculo Numérico
Ax = b (1)
um sistema linear com n equações e n incógnitas que tem como solução o vetor x*.
Resolvendo o sistema (1) obtém-se o vetor x(1) que devido a erros de arredondamento é
tal que x* - x(1) = e(1), onde e(1) é o vetor erro. Assim, x* = x(1) + e(1). Observe que
b = Ax* = Ax(1) + Ae(1). (2)
Logo, b - Ax(1) = Ae(1) . O vetor r(1) = b - A x(1) é chamado de resíduo. Com a finalidade
de obter e(1), resolve-se o seguinte sistema linear (com a mesma matriz do sistema dado
em (1)!):
Ae(1) = r(1). (3)
A solução encontrada (com erro e(2)) é denotada por e(1) = e(1) - e(2). Assim, x* = x(1) +
e(1) = x(1) + e(1) + e(2). Desta forma, é encontrada uma nova aproximação para x* (com
erro e(2)):
x(2) = x(1) + e(1). (4)
Os passos anteriores (2 a 4) podem ser repetidos até que o resíduo r(k) (depois de k
refinamentos) esteja próximo do vetor nulo, ou seja, || r(k)|| < e ( a norma do resíduo é
inferior a uma tolerância dada).
16.0 5.0 21.0'

i) Considere o sistema linear
( 3.0 2.5 ) 5.5
Trabalhando com
arredondamento para dois dígitos em todas as operações, o método de Eliminação de

1.0 ) 16.0 5.0
Gauss produziu a solução x =
(0.94
. A matriz escalonada é
(0 1.6)
, onde foi
utilizado o multiplicador m21 = 0.19. Resolva o sistema (3) de maneira eficiente (como
se fosse resolver um sistema de grande porte: n muito grande, com mínimo esforço
computacional). Faça apenas um refinamento da solução e obtenha x(2). Calcule o
resíduo r(2).
ii) Os multiplicadores e a matriz escalonada podem ser armazenados na própria matriz

A? Justifique.
8) Dado o sistema Ax = B, com xt = (x1, x2, x3) e Bt = (3, 1.1, 0), seja A(1) =
11 1
(0 0.1 1 a matriz obtida após o pivoteamento parcial que trocou a primeira linha
0 -1 1
com a terceira linha da matriz A. Os multiplicadores do primeiro passo são m21 = -1/4 e
m31 = 3/4.
i) Escalone a matriz A(1) usando a técnica de pivoteamento parcial.
84
Cálculo Numérico
ii) Exiba o vetor dos termos independentes que é utilizado na decomposição LU.
iii) Obtenha a matriz A: use as matrizes L (triangular inferior) e U (triangular superior)

resultantes dos processos de pivoteamento e escalonamento efetuados acima.
9) Dado o sistema Ax = B, com xt (x1, x2, x3) e Bt = (7, 1, -4), seja A(1) =
40 -3
(0 2 11/4 a matriz obtida após o pivoteamento parcial que trocou a primeira
0 -4 13/4
linha com a terceira linha da matriz A. Os multiplicadores do primeiro passo são m21 =
-1/4 e m31 = 3/4.
i) Escalone a matriz A(1) usando a técnica de pivoteamento parcial.
ii) Exiba o vetor dos termos independentes que é utilizado na decomposição LU.
iii) Obtenha a matriz A: use as matrizes L (triangular inferior) e U (triangular superior)

resultantes dos processos de pivoteamento e escalonamento efetuados acima.
10) Na decomposição LU, associada ao sistema linear Ax = B, são resolvidos dois

sistemas lineares: primeiro um sistema triangular inferior Ly = B e, em seguida, um
triangular superior Ux = y. O algoritmo associado ao sistema superior é dado abaixo;
considerou-se uma matriz de ordem N.
x(N) = y(N)/a(N,N); (Obs.: x(N) é a N-ésima coordenada do vetor x)

for i = 1 : N-1
I = N-i;
N
(Obs.: as duas linhas seguintes correspondem ao somatório S

j=I+1
x(j).a(I)(j) )
soma = x(I+1)*a(I, I+1);
for j = (I+2) : N
soma = soma + x(j)*a(I,j);

end
x(I) = (y(I) - soma)/a(I,I);

end
Lembrando-se de que o sistema triangular inferior é resolvido de cima para baixo e que
a matriz L possui todos os elementos da diagonal iguais a 1, escreva o algoritmo
associado ao sistema triangular inferior.
85
Cálculo Numérico
11) Quer-se determinar uma matriz B tal que A.B = C, em que
) )
3 -3 1 4 -1 9
A = (1 -1 e C = (1 -5
2 1 0
2 0 1 3
8
Exiba as matrizes L e U e o termo independente utilizados na resolução do sistema

linear que irá gerar a terceira coluna da matriz B. Não precisa resolver o sistema linear.
12) O método implícito de Crank-Nicolson aplicado à equação do calor ut = uxx, onde

t > 0 e 0 < x < 1, é dado por:
-r.Ui-ij+i + (2 + 2r).Uij+i - r.Ui+ij+i = bj ° r.Ui-ij + (2 - 2r).Ui,j + r.Ui+i,j (C-N)
onde r é uma constante dada por r = Dt/(Dx)2, Dt = tj+1 - tj e Dx = xi - xi-1.
Assim, conhecidas as aproximação no tempo tj, ui,j » u(xi,tj), as aproximações no tempo

tj+1 serão obtidas resolvendo-se o sistema linear com equações do tipo (C-N) anterior.
Explique por que o método de decomposição LU é mais adequado para a resolução
deste sistema linear do que o método de Eliminação de Gauss. Observe que, em cada
passo de tempo, o sistema será do tipo A.u(t) = b(t). Apenas as incógnitas (u) e o termo
independente (b) variam com o tempo.
Atividade 2 - Método de Jacobi e de Gauss - Seidel
Você poderá encontrar vários problemas práticos relacionados a sistemas lineares na

página da Faculdade de Matemática da UFU: www.portal.famat.ufu.br/node/278
(Laboratório - Unidade 2).
(I) Leia atentamente um dos seguintes materiais didáticos sobre os Métodos de Jacobi e
de Gauss - Seidel: (1) apostila do curso; (2) Apostila do professor Castilho e slides
(Aula - Unidade 2), ambos localizados em www.portal.famat.ufu.br/node/278 e (3) livro
(II) Resolva o seguinte exercício:
86
Cálculo Numérico
5
)
1
Sejam A = (3 -4 xt = (x1 x2 x3) e bt = (7 0 0).
1 1 -1
2
(a) Mostre que o Critério de Sassenfeld é satisfeito.
(b) Faça duas iterações com o método de Gauss - Seidel partindo do vetor inicial x(0) =
(0.95 0.95 0.95)t.
l|x(2)-x(1)||max
(c) Calcule o erro relativo: Lembre-se de que
llx< Clímax
llXLx = maX {|xiL N> |x3|} •
(d) Monte a matriz C do método de Gauss - Jacobi e calcule os seus autovalores.

Conclua que o Método de Jacobi também será convergente. Observação: Os autovalores
de C são as raízes do polinômio (característico) dado por p(l) = det (C - lI); I é a
matriz identidade. O polinômio característico de C é p(l) = - l3 - (l/8) -1/10. (Veja o
exercício 8 da Lista 1).
(1) Critério de Sassenfeld.

b1 = 1/5 + 1/5 = 2/5; b2 = (3/4). b1 + 1/4 = 11/20; b3 = (1/2).b1 + (1/2).b2 = 19/40.
(2) Iterações com Gauss - Seidel.

x(1) = (1.02 1.0025 1.01125)t; x(2) = (0.99725 1.00075 0.999)t.
(3) Erro Relativo.

x (2)-x( x)
ER(2) = - = 0.02275/1.00075 = 0.02273295 » 0.023.
IPIL.
-1/ 5 -1/ 5
(4) Matriz de Iteração do Método de Jacobi: C = (3/4 0 1/ 4 )
1/2 1/ 2 0
(5) Obtenção do autovalor real de C, que é a raiz real de p(l) = - l3 - (l/8) -1/10.
Através de um gráfico (veja abaixo) pode-se encontrar o intervalo [-1/2 0] no qual p

muda de sinal.
87
Cálculo Numérico
Gráfico (item 5)
Utilizando o Método de Newton - Raphson com valor inicial - 0.25 obtemos a seguinte
aproximação para a raiz: li = - 0.375713238.
(6) Briot - Ruffini.
-(l3 + (l/8) + 1/10) - (l + 0.375713238) = - (l2 - 0.3757132381 + 0.266160437).
Assim, as outras duas raízes de p são dadas por l2 = 0.187856619 + 0.480489674 i e

l3 = 0.187856619 - 0.480489674 i.
(7) Conclusão.
O módulo do autovalor real é dado por | l1 | = 0.375713238; os módulos dos autovalores

complexos são dados por | l2 | = | l3 | » 0.51591. Portanto os módulos de todos os
autovalores de C são menores do que, o que garante a convergência do método de
Jacobi.
Atividade 3 - Eliminação de Gauss e Decomposição LU
Você já deve ter visto na disciplina de Álgebra Linear a definição de matriz inversa
(A.A(-1) = I) . Em Cálculo Numérico, o método da Decomposição LU, obtido do Método
da Eliminação de Gauss, fornecerá a inversa de qualquer matriz A quadrada de ordem n,
que tenha determinante diferente de zero. O cálculo do determinante da matriz A
também é fornecido pelo método da Decomposição LU. Sabendo-se que L é uma matriz
triangular inferior, com elementos diagonais iguais a 1, e U é uma matriz triangular
88
Cálculo Numérico
superior então det(A) = det(U), se A = LU ou det(A) = det(U). (-1)r, se PA = LU, onde r
é o número de trocas de linhas que foram executadas ao longo do processo de
escalonamento. Note que det(U) = u11.u22 ... unn.
(I) Leia atentamente um dos seguintes materiais didáticos sobre o método da Eliminação
de Gauss e Decomposição LU: (1) apostila do curso; (2) Apostila do professor Castilho
e slides (Aula - Unidade 2), ambos localizados na página da FAMAT:
3 -4 1
(II) Obtenha a inversa da matriz A = 12 2 Utilize o método de
4 0 -3
Decomposição LU obtido do Método de Eliminação de Gauss com Pivoteamento
Parcial. Neste caso você terá que resolver três sistemas lineares do tipo LU = Pb, onde L
é a matriz dos multiplicadores (que são permutados de acordo com as trocas de linhas
efetuadas); U é a matriz triangular superior obtida após o escalonamento da matriz A e
Pb é o vetor b (colunas da matriz Identidade) permutado de acordo com as trocas de
linhas efetuadas no Pivoteamento Parcial.
(1) Pivoteamento e Escalonamento.
3 -4 1
Partindo-se de A = 1 2 2 , obtemos no primeiro estágio:
40 -3
4 0 -3
)
4 0 -3
((1/4)
(pivoteamento) (1 2 ; (escalonamento) A(1) = 2 11/4 e no
3 -4 2
1 (3/4) -4 13/4
segundo estágio obtemos:
4 0 -3 4 0 -3
(pivoteam.) ((3/4)
(1/4)
-4
2
13 4)
11/4
/; (escalonamento) A(2) = ((3/4) - 4
(1/4) (-1/2)
/
13 4)
11/4
(2) Matriz Triangular Inferior.

1 0 0
L = (3/4 1
1/4 -1/2 0
1 )
89
Cálculo Numérico
4 0 -3
(3) Matriz Triangular Superior: U = (0 -4 13/4 )
0 0 11/4
(4) Termos Independentes.
Foram executadas duas permutações de linhas: trocou-se a linha 1 com a linha 3 e

depois trocou-se a linha 2 com a linha 3. Desta forma os termos independentes são:
b(1) = (1) (sistema 1); b(2) = (0) (sistema 2) e b(3) = (0) (sistema 3).
0 1 0
(5) Resolução dos sistemas lineares.
Após a resolução dos sistemas lineares (utilizado a decomposição LU) obtemos:
3/35 6/35
A-1 = (-11/70
4/35
13/70
8/35
/
1 14)
-1/7
Sr
Atividades
Suplementares
Atividade 1
O código exibido a seguir foi desenvolvido na linguagem de programação do OCTAVE.

A sua tarefa será testar este código utilizando o mesmo software (OCTAVE) ou
desenvolver as suas próprias rotinas utilizando a linguagem de programação que lhe seja
mais conveniente.
Algoritmo do método de Crank - Nicolson; Problema proposto no Exemplo 13 da

Seção 5
% Algoritmo para escalonar uma matriz tridiagonal de ordem N - referente ao problema

% de conduccao de calor em uma barra unidimensional linear homogênea de
% comprimento L
90
Cálculo Numérico
% resoluccao do sistema linear Au =B utilizando decomposição LU; discretização da
% equaccao: ut = Kuxx + f.
% A discretizaccao foi baseada em Diferenccas finitas centrais:

% uxx ~ (ui-1 - 2ui + ui+1)/HA2
% no tempo foi utilizado o metodo de Crank-Nicolson

% t pertencente a J = (t0, T)
%Entrada de dados
t0 = 0.0;
T = 0.5;
nt= 50; %subdivisões do intervalo J
% Numero de subintervalos de I = [x0, xf]; xf - x0 = L

x0 = 0;
xf = 1;
ns = 10;
% Termo de fonte de calor

%chamar a funcao f_fon(x,t);
%Condiccao de fronteira no extremo inferior da barra

% usar a funcao ge(x0,t) = ge_fr(t);
%Condiccao de fronteira no extremo superior da barra

% usar a funcao gd(xf, t) = gd_fr(t);
%condicao inicial: u(x, t0) = q(x)

% deve ser chamada a funcao q_inic(x);
%Difusibilidade térmica
KK = 1.00;
%Comprimento da barra
L = 1.0;
%Numero de incognitas
91
Cálculo Numérico
N = ns-1;
%Comprimento dos subintervalos

H = L/ns;
Ht = (T - t0)/nt;
%pontos da malha - eixo x
for i=1:ns+1
xx(i) = x0 + (i-1)*H;
end
% pontos da malha - eixo t

for j= 1:nt+1
tt(j) = t0 + (j-1)*Ht;
end
%parametros do metodo de C-N
ro = (KK*Ht)/(H*H);
ro_p1 = ro + 1.0;
one_ro = 1.0 - ro;
%Construccao dos elementos da diagonal principal e diagonais superior e inferior;

%construccao do vetor termo independente.
for i = 1 : N
diag(i) = 2.0*ro_p1;
ds(i) = -ro;
di(i) = -ro;
end
%Decomposicao LU
for i = 1 : N-1
mult = di(i)/diag(i);
di(i) = mult;
diag(i+1) = diag(i+1) - mult*ds(i);
92
Cálculo Numérico
end
%calculo do vetor inicial uj0 = u(x,t0)

for i = 1:N
uj0(i) = q_inic(xx(i+1));
uj(i) = 0;
end
%calculo do vetor da fronteira esquerda u_fe = ge_fr(t)

%calculo do vetor da fronteira direita u_fd = gd_fr(t)
for j = 1:nt+1
u_fe(j) = ge_fr(tt(j));
u_fd(j) = gd_fr(tt(j));
end
%resolucao dos sistemas lineares para cada tempo tj
for j = 1:nt
%calculo do termo independente
for i = 2:N-1
B(i) = ro*uj0(i-1) + 2*one_ro*uj0(i) + ro*uj0(i+1) +

Ht*(f_fon(xx(i+1),tt(j)) + f_fon(xx(i+1),tt(j+1)));
end
B(1) = ro*(u_fe(j+1) + u_fe(j)) + 2*one_ro*uj0(1) + ro*uj0(2) +

Ht*(f_fon(xx(2),tt(j)) + f_fon(xx(2),tt(j+1)));
B(N) = ro*(u_fd(j+1) + u_fd(j)) + ro*uj0(N-1) + 2*one_ro*uj0(N) +

Ht*(f_fon(xx(N+1),tt(j)) + f_fon(xx(N+1),tt(j+1)));
%Retro-soluccao - Sistema Triangular Inferior
y(1) = B(1);
for i = 2:N
y(i) = B(i) - di(i-1)*y(i-1);
end
93
Cálculo Numérico
%FIM
%Retro-soluccao - Sistema Triangular Superior
uj(N) = y(N)/diag(N);
for k = 1:N-1
uj(N-k) = (y(N-k) - (ds(N-k)*uj(N-k+1)))/diag(N-k);
end
%atualizacao do vetor uj0
for i = 1:N
uj0(i) = uj(i);
end
end
%calculo de uma solucao exata

for i = 1:N
u_exata(i) = exp(-pi*pi*T)*sin(pi*xx(i+1));
end
u_exata %imprime na tela do computador o vetor u_exata

uj %imprime na tela do computador a solução do sitema: vetor uj
% FIM do código
Observações: As funções utilizadas na rotina anterior foram definidas em quatro

arquivos com os conteúdos descritos a seguir.
(1) arquivo q_inic.m (condição inicial):
function g = q_inic(x)
g = sin(pi*x);
end
(2) arquivo ge_fr.m (condição de fronteira esquerda):
function g = ge_fr(t)
g = 0;
end
94
Cálculo Numérico
(3) arquivo gd_fr.m (condição de fronteira direita):
function g = gd_fr(t)
g = 0;
end
(4) arquivo f_fon.m (função relacionada ao termo de fonte):
function g = f_fon(x,t)
g =0;
end
Atividade 2
Modifique o algoritmo anterior (Atividade 1) de modo a resolver o mesmo problema

proposto no Exemplo 13 utilizando o Método de Gauss - Seidel.
Atividade 3
Modifique o algoritmo da Atividade 1 anterior de modo a resolver o seguinte problema:
ut(x, t) = Kuxx(x, t) + f(x,t),
x e I = (x0, xf) = (0, 1); xf - xo = L = 1; t e J = (to, T) = (0, 1); K = 1 e f(x,t) = 2,
com condições de fronteira: u(x0, t) = gi(t) = 0; u(xf, t) = g2(t) = 0, " te J; e com

condição inicial dada por u(x, t0) = q(x) = sen(px) + x(1 - x) , x e [x0, xf],
Observação: A solução analítica deste problema de valor de contorno é dada por

u(x,t) = exp(-p2t) sen(p x) + x(1 - x) ,
95
Cálculo Numérico
Módulo 3
Ajuste de curvas;
Interpolação Polinomial e
Integração Numérica
1. Introdução
Neste módulo você irá estudar o Método dos Quadrados Mínimos, que é muito utilizado
para aproximar uma função f(x), x e I = [a, b], ou para aproximar (ou ajustar) os dados
de uma tabela com m pontos (xk, yk), 1 £ k £ m, por meio de uma função pré-
estabelecida F(x). No caso discreto (pontos dados por meio de uma tabela), se a função
de ajuste for do tipo F(x) = vigi(x) + V2g2(x) + ... + Vngn(x), onde v = (vi, V2, ... , Vn) é
um vetor de parâmetros, então o Método dos Quadrados Mínimos consiste em resolver
um sistema linear Aa = b, cuja solução é o vetor de parâmetros a = (ai, a2, . , an) que
m
minimiza a função E = E(v) = £ (0(xj — yk)2
k=i
. Os elementos da matriz A são
m
dados por aij = aji = £ g (xk) g (xk)
k=i
i j e as coordenados do vetor b são dadas por bi =
m
£ yk gi( xk ).
k=i
Desta forma, os métodos desenvolvidos para resolver sistemas lineares
serão bastante úteis neste tópico.
Também, neste módulo, você utilizará um polinômio, denominado polinômio

interpolador, para aproximar uma função e, na sequência, você aprenderá a aproximar a
integral de uma função a partir da integral de seu polinômio interpolador.
Dada uma função real f: I = [a, b] c R ® R e dados n + 1 pontos, xo, xi, xn, no
intervalo fechado I, dizemos que o polinômio de grau igual a n ou de grau menor do que
n, pn(x) = ao + aix + . + an xn, é o polinômio interpolador associado à função f se pn(xi)
= f(xi), para todo i, o £ i £ n. Observe que as n + i equações anteriores dão origem a um
sistema linear de ordem n + i. A matriz deste sistema linear é conhecida como matriz de
Vandermonde e possui determinante dado por det(V) =
96
Cálculo Numérico
n- 1 n
n n (xi — xj)= n
j = 0 i = j+1 0<j<i<n
(x~ xj) . Por exemplo, se n = 3 então det(V) = (x1 - X0).
(x2 - x0).(x3 - x0). (x2 - x1).(x3 - x1).(x3 - x2). Desta forma, se os pontos forem distintos
dois a dois, isto é, xi # xj para i # j, então det(V) # 0 e, portanto, existirá um único
polinômio interpolador (pois o sistema linear possuirá uma única solução, que
corresponde aos coeficientes do polinômio interpolador).
A resolução do sistema linear mencionado anteriormente não é a maneira mais

adequada para se obter o polinômio interpolador porque a matriz de Vandermonde é
mal-condicionada. Isto significa que pequenas perturbações (imprecisões causadas por
erros de arredondamento) nos elementos da matriz podem gerar grandes perturbações na
solução do sistema linear. Por esta razão, você aprenderá duas técnicas diferentes para
se obter o polinômio interpolador, quando os pontos de interpolação forem distintos
dois a dois. Uma das técnicas é devida a Lagrange (polinômio de Lagrange) e a outra é
devida a Newton (polinômio de Newton com diferenças divididas).
No caso de três pontos distintos de interpolação, X0, X1 e X2, a função f, com valores f(x0),
f(x1) e f(x2), terá o seguinte polinômio interpolador de Lagrange:
p2(x) = f(X0)L0(x) + f(X1)L1(x) + f(X2)L2 (x),

onde
T.(x) = (x—x )(x — x )
1 2 ; T (x)= (x — x )(x — x )
0 2 ;
(x0— x1)(x0—x2) (x1—x0)(x1—x2)
T ()= (
x—x0 x—x1 )(
L2(x)= (x2 — x0)( x2 — x1) •
)
O polinômio de Newton será dado por: p2(x) = d0 + d1(x - x0) + d2(x - x0)(x - x1), onde
( ( )
f x 1) — f x0
d0 = f(x0); d1 = f[x0, x1] =
—
x 1 x0
d2 = f[x0, x1, x2] =

[ [
f x 1,x 2] — f x 0, x 1 ]
x2 — x0
A integral do polinômio interpolador dará origem a uma regra de integração. Neste

curso, estudaremos apenas duas regras de integração: a Regra do Trapézio,
correspondente à integral de um polinômio interpolador de grau 1, e a Regra de
Simpson (1/3 de Simpson), correspondente à integral de um polinômio interpolador de
grau 2.
Ao aproximar uma função por um polinômio será cometido um erro (E), chamado de
erro de interpolação. Digamos que f(x) = pn(x) + E(n)(x). Então a integral de f pode ser
97
Cálculo Numérico
b b b
escrita como: J f (x) dx = J pn(x) dx + J E( (x) dx ) . Neste caso dizemos que
a a a
b
E(n)(x) é o erro de interpolação e J E n (x) dx
( ) é o erro de integração.
a
Observação. Não deixe de rever os tópicos relacionados a polinômios (Leia, por
exemplo, o material visto na disciplina Fundamentos da Matemática elementar I).
Considerando-se uma partição de pontos igualmente espaçados do intervalo [a, b], x0,
xi, Xm, onde Xi = X0 + ih, h = (b - a)/m, as duas regras de integração, com os
respectivos erros de integração, são dadas por
Regra Repetida do Trapézio:

m-1
Itr = (h/2) {fa) + 2 E f (x) + f(xm)};
Etr = - mh f"
12
(c) , c e [a, b];
m pode ser qualquer número inteiro positivo.
Regra Repetida de Simpson:

m
m-i
2
ISR = (h/3) {f(x0) + 4 E f (x
i=1
2i-1) +2 E f (X
i=1
2i) + Kxm)}
mh3 flv (C) C [ b]

ESR = , C e [a, b],
180
m deve ser um número par.
São dois os objetivos deste módulo: (i) aproximar uma função real utilizando ajuste de
curvas ou interpolação polinomial. Em ajuste de curvas, estudaremos o Método dos
Quadrados Mínimos, que é utilizado para aproximar funções ou para ajustar os pontos
de uma tabela através de uma função pré-estabelecida. Em interpolação polinomial,
estudaremos os polinômios de Lagrange e de Newton. (ii) aproximar a integral de uma
função real pela integral do polinômio interpolador desta função. Para você ficar
familiarizado com os métodos numéricos apresentados neste módulo, não deixe de
resolver os exercícios propostos e não deixe de ler as referências bibliográficas
indicadas neste texto e outras que você achar conveniente.
• Método dos Quadrados Mínimos: Caso Discreto do Modelo Linear; Redução do

Modelo Não-Linear ao Modelo Linear; Caso Contínuo do Modelo Linear.
98
Cálculo Numérico
• Existência e unicidade do polinômio interpolador.
• Polinômio de Lagrange.
• Polinômio de Newton com diferenças divididas.
• Regra dos Trapézios.
• Regra de Simpson.
3. Ajuste de Curvas e o Método dos Quadrados Mínimos
3.1 Caso Discreto - Modelo Linear
O caso discreto do Modelo Linear de Ajuste de Curvas consiste em ajustar os pontos de

uma tabela com m pontos (xk, yk), 1 £ k £ m, utilizando uma função F(x; vi, V2, .., vn) =
vigi(x) + V2g2(x) + ... + vngn(x). Note que a função F é uma transformação linear com
respeito ao vetor de parâmetros v = (vi, V2, ..., vn), isto é, dado um outro vetor qualquer
de parâmetros, w = (wi, W2, ■ ■■, Wn), e qualquer escalar real m, tem-se que F(v + m w) =
F(v) + m F(w).
As funções gi, gn que aparecem na função F são obtidas a partir da análise do

diagrama de dispersão da tabela dada. Isto é, os pontos (xk, yk) são colocados sobre o
plano cartesiano, o que dará origem a uma curva (ou uma reta). É a partir da análise do
tipo de curva proveniente do diagrama de dispersão que as funções anteriores são
definidas. Veja o próximo exemplo.
Exemplo 1. (Diagrama de Dispersão) Considere a tabela:
Xk Xi = 26 X2 = 26.6 X3 = 27.i X4 = 27.6 X5 = 28.i X6 = 28.5
yk yi = 26.6 y2 27.i y3 27.6 y4 = 28.i y5 = 28.5 y6 = 28.9
99
Cálculo Numérico
Existe, claramente, um comportamento linear dos pontos exibidos no diagrama de
dispersão desta tabela. Esta análise nos leva a acreditar que a função de ajuste seja uma
reta, ou seja, F(x) = vi + V2x. Portanto, gi(x) = 1 e g2(x) = x. □
- -
- -
Figura 1 - Módulo 3. Diagrama de Dispersão -

Tabela do Exemplo 1
O Método dos Quadrados Mínimos
O Método dos Quadrados Mínimos para o caso discreto do Modelo Linear de Ajuste de
Curvas consiste em determinar o vetor ótimo de parâmetros a = (ai, a2, ... , an) que irá
m
minimizar a função erro: E(v) = (0(xj — yk)2 , onde F(x; vi, V2, .., Vn) = vigi(x)
k=1
+ V2g2(x) + ... + Vngn(x). Note que E é uma função de n variáveis reais, ou seja,
E: Rn • R.
Mostraremos que o vetor ótimo de parâmetros, a = (ai, a2, . , an), é aquele que anula
/dE dE dE
o gradiente da função E: VE(a) =
(
(ão;• sa2• ••• ’ãan) = °’0’-’0 • Observe )
que
()
dE v = d([^( x )
k ])
yk , para cada i variando de 1 até n.
d Vi k=1 d Vi
100
Cálculo Numérico
Observação: Lembre-se de que ao fazer a derivada parcial em relação à variável vi
todas as outras coordenadas do vetor v = (vi, V2, vn) permanecem constantes.
Utilizando a definição da função F e a Regra da Cadeia para efetuar a derivação

anterior, obtemos que
d E (v) = E
d([vigi(xk) + ... + vigi(Xk) + ... + vngn(Xk)- yk]2)
d vt k=i d vt
mn
d E (v)
d vt
E{2[(Ev g (x ))- y ]g (x )}
k=1 j =1
j j k k i k .
Portanto,
dE (a) = 0
dai ~
m n
EEa g (x ) g (x ) = E y g (x ).
j j k i k
m
k i k
k =i j =i k=i
A igualdade anterior pode ser reescrita como segue:
n m m
Ea E g (x )g (x ) = E y g (x )
j=1
j
k=1
j k i k
k=1
k i k >1 £ i£n.
Se você ainda não percebeu que isto é um sistema linear nas incónitas ai, a2, ... , an,
então considere o caso particular n = 2 e note que as equações anteriores são dadas por:
m m m
a E g (x )g (x ) + a E g (x )g (x ) = E y g (x )
i
k =1
i k i k 2
k =1
2 k i k
k=1
k i k ;
m m m
a E g ( X ) g ( XJ + a E g ( X ) g ( XJ = E y g ( X )
i
k=i
i k 2 2
k=i
2 k 2
k=i
k 2 k .
= (aii a12
Neste caso, o sistema dois por dois possui matriz de coeficientes A (a2i
, onde
a22
m m m
a11 = E g (xk) g (xk);
k=1
1 1 a12 = a21 = E g (X ) g ( X ) ;
k =i
2 k 1 k a22 = E g (X )g (X )
k =i
2 k 2 k e
m
bi
E y g (X )
vetor de
m
termos independentes b
b2 , , onde bi =
k=i
k i k e
b2 = E y g ( x ).
k=i
k 2 k No caso geral, o sistema n x n possui matriz A de ordem n,
m
simétrica, tal que aij aji = E g (X )g (X );

k =i
i k j k e vetor de termos independentes b,
m
com coordenadas bi = E y g (X )
k =i
k i k , i £ i £ n.
101
Cálculo Numérico
Exercício 1. (Matriz Hessiana da função E(v)) Sabendo que
m
d E (v) _
d vi
2 E[v g (x )+ ••• + v g (x ) + ••• + v g (x )- y ]g (x )
k=1
i i k j j k n n k k i k obtenha a
matriz Hessiana da função E(v), a qual é composta pelas derivadas de ordem 2
d2 E (v)
2 , 1 £ i £ n, 1 £ j £ n.
d vv
Note que
d2 E ( v ) = 2 y d{[ v g ( x ) + ••• + v g ( x ) + ••• + v 9 ( X ) - y ] 9 ( X )}
1 1 k j- j k n n k k i k
d2vjvi k=! dv j
m
d2 E (v) d2 E (v)
Assim, 2 yg (x )g (x )= 2a
j k i k ij = Portanto, a Matriz Hessiana
dv v j i k=1 d vv'
da função E(v) é H(E(v) = 2A, onde A é a matriz do sistema linear (apresentado antes do
Exercício 1) oriundo do Método dos Quadrados Mínimos. O
Exercício 2. (A é uma matriz simétrica e definida positiva) Sejam gi(x), g2(x),

gn(x) funções linearmente independentes, ou seja, vigi(x) + v2g2(x) + ... + vngn(x) = 0,
para todo x real, se, e somente se, vi = v2 = ... = vn = 0. Então a matriz A (e, portanto, a
matriz H(E(v)) ) é definida positiva, isto é, wt.A.w > 0 para todo w, vetor coluna não
nulo com n coordenadas reais.
Seja w um vetor coluna não nulo com n coordenadas reais. Então, de acordo com a
hipótese do exercício, Sk = w1g1(xk) + w2g2(xk) + . + wngn(xk) # 0. Portanto, (Sk)2 > 0.
n n nn
Assim, 0 < (Sk)2 = ( y w g (x )) (yw g (x ))
i=1
i i k
j=1
j j k = yy w g (x )w g (x )
i=1 j =1
i i k j j k (na
m
última igualdade, basta usar indução finita). Note que y (S )2

k =1
k > 0, logo:
m n n nn m
0< yyyw g (x )w g (x )
k =1 i =1 j=1
i i k j j k y w y (y g (x )g (x ))w
i=1
i
j=1 k=1
i k j k j
yw ya w)
n n
= i ij j = wtAw .
i=1 j=1
Portanto, a matriz A é definida positiva.
102
Cálculo Numérico
Observação: O desenvolvimento de Taylor da função E: Rn R em torno do ponto a
= (ai, a2, ... , an) é dado por
E(w) = E(a + (w - a)) = E(a + v) = E(a) + VE(a).v + (1/2!)vt .H(E(a + qv)).v,
onde q é um número real pertencente ao intervalo aberto (0, 1).

Este resultado pode ser encontrado em livros de Análise no Rn, por exemplo:
Iàí
[i] LIMA, Elon Lages, Curso de Análise Volume 2 (Projeto Euclides).
Rio de Janeiro, Instituto de Matemática Pura e Aplicada, CNPq, 2000.
Referências
Observação: Como a matriz Hessiana da função E é definida positiva, ou seja,

vt .H(E(a + qv)).v > 0, e VE(a) = 0 então E(w) > E(a), qualquer que seja w e Rn. Desta
forma, E(a) é o valor mínimo global da função E.
Síntese
O Método dos Quadrados Mínimos para o caso discreto do Modelo Linear de Ajuste de
Curvas consiste em determinar o vetor ótimo de parâmetros a = (ai, a2, ... , an) que irá
m
minimizar a função erro: E(v) = £ ($(xk) — yk)2
k=i
, onde F(x; vi, v2, .., vn) = vigi(x)
+ v2g2(x) + ... + vngn(x). Para isto, basta resolver os sistema linear Aa = b, onde os
m
elementos da matriz A são dados por aij = aji = £ gi(xk)gj(xk)
k=i
e as coordenados do
m
vetor b são dadas por bi = £ y g (x ).
k=i
k i k
Exemplo 2. (Ajuste linear) Considere a tabela dada no Exemplo 1:
xk x1 = 26 x2 = 26.6 xs = 27.1 x4 = 27.6 x5 = 28.1 x6 = 28.5
yk y1= 26.6 y2 27.1 ys 27.6 y4 = 28.1 y5 = 28.5 y6 = 28.9
Vamos obter os parâmetros ótimos da seguinte função de ajuste: F(x) = ai + a2 x.

Neste caso, gi(x) = i e g2(x) = x. Os elementos da matriz e os termos independentes do
sistema linear proveniente do Método dos Quadrados Mínimos são dados por:
i03
Cálculo Numérico
6 6 6 6
an = E g 2 (x ) = E 1 = 6
k=1
i k
k=1
; ai2 = a2i = E1 g2 (x ) g1(x ) = E1 x
k=
k k
k=
k = 163^9 ;
6 6 6 6
a22 = Eg2(x ) = E x
k=1
k
k=1
k = 4481.59 ; bi = Ey 9 (x ) = Ey
k=1
k 1 k
k=1
k =166.8 e
66
b2 = Ey d (x ) = E1 y x
k=1
k 2 k
k=
k k = 4560.48 .
Resolvendo o sistema linear Aa = b obtemos: a1 = 2.527155336 e a2 = 0.925180407.

Portanto, função de ajuste é dada por F(x) = 2.527155336 + 0.925180407 x. □
3.2 Caso Discreto - Modelo Não Linear
O Modelo de Ajuste de Curvas é dito não linear sempre que a função de ajuste não
estiver no formato F(x; vi, V2, vn) = vigi(x) + V2g2(x) + ... + vngn(x).
Exemplo 3. (Crescimento populacional de Uberlândia) Considere os dados da Tabela

abaixo que apresenta o crescimento populacional de Uberlândia no período de 1950 a
2010, de acordo com o censo demográfico realizado pelo IBGE.
t (anos) 1950 1960 1970 1980 1991 2000 2010
y 54.984 88.282 126.112 240.961 367.062 501.214 604.013

(Habitantes
X 103)
Fonte: IBGE - Censos Demográficos 1950, 1960, 1970, 1980, 1991, 2000 e 2010
Modelos de crescimento populacional sugerem que o ajuste de curva seja do tipo

exponencial. No diagrama de dispersão exibido a seguir (Fig. 2), ao invés de utilizarmos
os pontos (t, y), consideramos os pontos (x, y), onde x = (t - 1950)/10. Este diagrama
sugere um comportamento de crescimento exponencial com F(x; vi, v2) = vi exp(v2 x).
□
m
No modelo não linear, a minimização da função erro E(v) = E(*( x)— ? )
k=1
k
conduziria à resolução de um sistema não linear. Para contornar esta dificuldade,

apresentaremos uma estratégia de linearização. A solução do modelo linearizado irá
aproximar a solução do modelo não linear.
A linearização do modelo é a seguinte: dada uma tabela de pontos (xk, yk), 1 £ k £ m,

onde yk é aproximado por uma função F(xk; vi, V2, vn), a qual não é linear nos
104
Cálculo Numérico
parâmetros vi, V2, vn, procuramos uma função L tal que L(F(xk)) = wigi(x) + W2g2(x)
+ ... + Wngn(x). Assim, L(F) é linear nos novos parâmetros wi, W2, ..., Wn. Obtida a
linearização L, a próxima etapa consiste em considerar uma nova tabela com pontos
(xk, zk), onde zk = L(yk), 1 £ k £ m. O Método dos Quadrados Mínimos aplicado ao
problema linearizado produzirá um sistema linear: Aw = B, onde os elemento de A são
m
dados por aij = aji = E gi(xk)gj(xk)
k=1
e as coordenados do vetor B são dadas por bi =
m
E z g (x ).
k=1
k i k
Observação: Não existe uma receita para a obtenção da função de linearização L. A

escolha de L dependerá do formato da função F.
---------- 1-----------
- í
- o -
- -
0
0
0 -
Figura 2 - Módulo 3. Diagrama de Dispersão do Exemplo 2 -

Crescimento Exponencial
Exemplo 4. (Algumas funções de linearização) Considere as seguintes funções de

ajuste e suas respectivas linearizações:
(1) F(x) = 1/(a + cx); L(F(x)) = 1/(F(x)) = a + cx; gi(x) = 1 e g2(x) = x. Neste caso,
os parâmetros de F e L(F(x)) são os mesmos: vi = a e v2 = c.
105
Cálculo Numérico
(2) F(x) = x/(a + cx); L(F(x)) = 1/(F(x)) = a(1/x) + c; g1(x) = 1/x e g2(x) = 1. Neste
caso, os parâmetros de F e L(F(x)) são os mesmos: v1 = a e v2 = c.
(3) F(x) = 20 + [1/(a + cx)]; L(F(x)) = 1/(F(x) - 20) = a + cx; g1(x) = 1 e g2(x) = x.
Neste caso, os parâmetros de F e L(F(x)) são os mesmos: v1 = a e v2 = c.
(4) F(x) = y*/(c.e(-ax) + 1), onde y* é uma constante dada; a e c são parâmetros a serem
determinados; v1 = c e v2 = a; L(F(x)) = ln([y*- F(x)]/F(x)) = ln(c) - ax. Assim, os
novos parâmetros são wi = ln(vi) e W2 = - V2; gi(x) = 1 e g2(x) = x. Note que: vi =
exp(w1) e v2 = - w2.
1
(5) F(x) = 20 + 2 ; vi = a e V2 = c; L(F(x)) = 1/(F(x) - 20)2 = a2(1 + cx2) =
a v1 +cx
a2 + a2cx2. Assim, os novos parâmetros são wi = (vi)2 e W2 = (vi)2v2 ; gi(x) = 1 e
V
g2(x) = x2. Note que: vi = ± w1 e V2 = w2/wi.
(6) F(x) = acx = a.exp(x.ln(c)); vi = a e v2 = c; L(F(x)) = ln(F(x)) = ln(a) + x.ln(c).

Assim, os novos parâmetros são wi = ln(vi) e w2 = ln(v2); gi(x) = 1 e g2(x) = x. Note
que: vi = exp(wi) e v2 = exp(w2).
(7) F(x) = axc =a exp(c.ln(x)); vi = a e v2 = c; L(F(x)) = ln(F(x)) = ln(a) + c.ln(x).

Assim, os novos parâmetros são wi = ln(vi) e w2 = v2; gi(x) = 1 e g2(x) = ln(x). Note
que: vi = exp(wi) e V2 = W2. □
Problema 1. (Ajuste não linear - crescimento populacional de Uberlândia)

Considere o crescimento populacional de Uberlândia no período de 1950 a 2000, de
acordo com a Tabela do Exemplo 3.
t (anos) 1950 1960 1970 1980 1991 2000
y 54.984 88.282 126.112 240.96 367.062 501.214

(Habitante
s
1
X 103)
Fonte: IBGE - Censos Demográficos 1950, 1960, 1970, 1980, 1991

e 2000.
(i) Ao invés dos pontos (t, y), considere os pontos (x, y), onde x = (t - 1950)/10. Faça
um ajuste dos pontos desta nova tabela utilizando uma família de curvas exponenciais
do tipo F(x; vi, v2) = vi.exp(v2.x). Estime a população de Uberlândia em t = 2010.
106
Cálculo Numérico
(ii) Seja y* = 838.9i6 (estimativa obtida no item (i) anterior). Considere uma família de
curvas do tipo logística F(x) = y*/(c.e(-ax) + i) para ajustar os pontos da tabela, conforme
o item (i) anterior. Obtenha uma estimativa da população de Uberlândia em t = 20i0.
(iii) Levando-se em conta os itens anteriores, compare os valores mínimos da função

m
erro E = Z(*(x ) — y )2
k=1
k . .
Solução do Problema 1:
(i) Vamos utilizar a tabela com pontos x e y:
x= 0 1 2 3 4.1 5
(t - 1950)/10
y 54.984 88.282 126.112 240.96 367.062 501.214
(Habitante
1
X 103)
Como F(x; vi, v2) = vi.exp(v2.x) então a linearização é dada por L(F(x)) = ln(F(x)) =
ln(vi) + x.v2. Assim, os novos parâmetros são wi = ln(vi) e w2 = v2; gi(x) = 1 e g2(x) =
x. Note que: vi = exp(wi) e v2 = w2.
A tabela que será utilizada no modelo linearizado tem pontos (xk, zk), onde zk = ln(yk),
1 £ k £ 6. Considerando-se 4 casas decimais, obtemos os seguintes valores: zi = 4.0070 ;
z2 = 4.4805; z3 = 4.8372; z4 = 5.4846; z5 = 5.9055 e z6 = 6.2170.
O sistema linear oriundo da aplicação do Método dos Quadrados Mínimos no problema

linearizado é dado por:
mm
A=
(
6.00
15.10
15.10
55.81), onde aii = S g (x ) g (x )’
k =1
1 k 1 k ai2 = a2i = S g (x ) g (x )>
k=1
2 k 1 k
m
a22 = S g (x )g (x ) e b = 30.9318
k=1
2 k 2
85.9063
k (considerando apenas 4 casas decimais),
mm
onde b = S z g (x ) e b = S z g (x )
i k 1 k 2 k 2 k
k=1 k=1
A solução do sistema linear considerando 9 casas decimas é dada por wi =

4.016115915 e w2 = 0.452665722. Portanto, vi = exp (wi) = 55.48517762 e v2 = w2.
Logo, se t = 2010 então x = (2010 - 1950)/10 = 6. Desta forma, a população de
Uberlândia estimada para 2010 é dada por F(6) =vi.exp(v2.6) » 838.916, ou seja, a
população estimada é de aproximadamente oitocentos e trinta e oito mil novecentos e
dezesseis habitantes.
107
Cálculo Numérico
(ii) Seja y* = 838.916. Como F(x) = y*/(c.e(ax) + 1) então vi = c e v2 = a; L(F(x)) =
ln([y*- F(x)]/F(x)) = ln(c) - ax. Assim, os novos parâmetros são wi = ln(vi) e W2 =
- v2; gi(x) = 1 e g2(x) = x. Note que: vi = exp(wi) e v2 = - W2.
A tabela que será utilizada no modelo linearizado tem pontos (xk, zk), onde zk =
ln([y*- yk]/yk), 1 £ k £ 6. Considerando-se 5 casas decimais, obtemos os seguintes
valores: zi = 2.65728 ; Z2 = 2.14038; Z3 = 1.73204; Z4 = 0.90888; Z5 = 0.25114 e
Z6 = - 0.39487.
A matriz do sistema linear oriundo da aplicação do Método dos Quadrados Mínimos no

problema linearizado é exatamente a mesma do item anterior e o vetor de termos
independentes é dado por:
m
7.29485
b
7.38642 (
(considerando apenas 5 casas decimais), onde bi = y z g (x )
k=1
k 1 k e
m
b2 y z g (x )
k=1
k 2 k .
A solução do sistema linear considerando 10 casas decimas é dada por wi =

2.7664066958 e w2 = - 0.6161319304. Portanto, c = vi = exp (wi) = 15.90139269 e
a = v2 = - w2 = 0.6161319304. Logo, se t = 2010 então x = (2010 - 1950)/10 = 6. Desta
forma, a população de Uberlândia estimada para 2010 é dada por F(6) =
838.916/(c.e(-ax) + 1) » 601.631 mil habitantes, ou seja, a população estimada é de
aproximadamente seiscentos e um mil seiscentos e trinta e um habitantes.
(iii) No primeiro caso, o valor mínimo da função erro, E, é aproximadamente

1947.9533. No segundo caso, o valor mínimo da função erro é aproximadamente
820.5534. Isto ajuda a justificar porque a segunda estimativa foi melhor do que a
primeira. Lembre-se que o valor correto (de acordo com o censo realizado pelo IBGE)
para a população de Uberlândia, em 2010, é dado por 604.013 mil habitantes. □
Teste de alinhamento
Na dúvida entre duas ou mais funções de linearização do modelo relacionado ao caso

não linear do Método dos Quadrados Mínimos, sempre que possível, é aconselhável
utilizar a técnica conhecida como teste de alinhamento.
Dadas uma tabela de pontos (xk, yk), 1 £ k £ m, yk sendo aproximado por uma função
F(xk; vi, v2), que não é linear em seus parâmetros, e uma linearização L, tal que
L(F(xk)) = wi + w2g2(x), o teste de alinhamento consiste em verificar se o diagrama de
dispersão dos pontos (g2(xk), L(yk), 1 £ k £ m, assemelha-se a uma reta. Quanto mais
alinhados estiverem os pontos do diagrama, mais adequada será a linearização.
108
Cálculo Numérico
Observação: Todas as funções de linearização exibidas no Exemplo 4 podem ser
avaliadas de acordo com o teste de alinhamento.
Observação: O próximo exemplo foi retirado da lista de exercícios da seguinte

referência:
[2] RUGGIERO, M.A.G., LOPES, V.L.R., Cálculo Numérico: Aspectos

Teóricos e Computacionais, 2a Edição, São Paulo, Pearson Education do
Referências Brasil, I996.
Exemplo 5. (Teste de alinhamento) Vamos aplicar o teste de alinhamento no seguinte

problema que foi proposto na lista de exercícios da referência [2] acima: “ Dada a tabela
Xk 2 5 8 10 14 17 27 31 35 44
yk 94.8 98.7 81.3 74.9 68.7 64 49.3 44 39.1 31.6
e as funções: F1(X) = i/(a + cX); F2(X) = X/(a + cX); F3(X) = a.eXp(X.c); qual é a melhor
família de curvas para ajustar estes pontos?”
As linearizações utilizadas são aquelas exibidas no Exemplo 4, itens i, 2 e 6

respectivamente. Desta forma, temos que fazer os seguintes diagramas de dispersão:
(i) (Xk, i/yk); (2) (i/Xk, i/yk); (3) (Xk, ln(yk)); i £ k £ i0.
A Figura 3 exibe o teste de alinhamento para as três situações anteriores e, também, o

diagrama de dispersão dos pontos da tabela original.
i09
Cálculo Numérico
Figura 3 - Módulo 3. Teste de alinhamento - Exemplo 5
Para ficar mais evidente o alinhamento, o segundo ponto da tabela, (5, 98.8), foi
retirado. Analisando-se os diagramas produzidos pelo teste de alinhamento, fica claro
que o ajuste exponencial irá produzir o melhor ajuste dos pontos. Se a dúvida persistir, o
ideal é aplicar o Método dos Quadrados Mínimos no problema linearizado e comparar o
m
valor mínimo de cada uma das funções erro E = £ (0( x )— y )2
k=i
k k
3.3 Caso Contínuo - Modelo Linear
No caso contínuo do Método dos Quadrados Mínimos, Modelo Linear, o objetivo é o de

encontrar a melhor aproximação para uma função contínua f: [a, b] • R dentre uma
família de curvas do tipo F(x; v1, v2, vn) = v1g1(x) + v2g2(x) + ... + vngn(x). A
melhor aproximação é no sentido de minimizar a seguinte função de n variáveis reais:
b
E(v1, v2, vn) = x )— f (x )|2 dx .
Analogamente ao Caso Discreto do Modelo Linear, visto na Seção 3.i, se as funções

g1(x), g2(x), . , gn(x) forem linearmente independentes então o vetor ótimo de
parâmetros, a = (a1, a2, . , an), que minimiza a função E é a solução do sistema linear
ii0
Cálculo Numérico
b
Aa = b onde os elementos da matriz A são dados por aij = aji J 9 (x) 9 (x) dx
i j e as
b
coordenados do vetor b são dadas por bi = J f (x)gi(x) dx; 1 £ i £ n e 1 £ j £ n.
a
Exercício 3. (Caso Contínuo - Modelo Linear) Seja f: [0, 2p] R uma função
contínua. Obtenha os parâmetros ótimos da família F(x) = v0 + vi cos(x) + v2 cos(2x)
+ ... + vn cos(nx) + wi sen(x) + W2 sen(2x) + ... + Wn sen(nx), x e [0, 2p], que melhor
aproxime a função f no sentido do Método dos Quadrados Mínimos.
Primeiramente faremos um caso particular considerando-se n = 2. Desta forma, a matriz

dos coeficientes do sistema linear oriundo do Método dos Quadrados Mínimos possuirá
ordem 5 (note que a quantidade de parâmetros é igual a 2n + 1):
(1, 1) (1, cos ( x)) (1, cos( 2x)) (1, sen( x)) (1, sen (2x))
(cos( x), 1) (cos(x) , cos ( x)) (cos( x) , cos(2x)) (cos(x) , sen( x)) (cos( x) , sen (2x))
A= (cos (2x) , 1) (cos(2x ), cos(x)) (cos(2x) , cos(2x )) (cos(2x ), sen( x)) (cos (2x) , sen( 2x))
(sen( x) , 1) ( sen( x) , cos( x)) ( sen( x) , cos(2x)) ( sen(x) , sen(x)) (sen(x), sen(2x ))
(sen (2x) , 1) ( sen(2x ), cos (x )) (sen(2x) , cos(2x )) ( sen(2x ), sen( x)) ( sen(2x ), sen (2x))
O vetor de termos independentes, neste caso, será dado por:
(1, f ( x))
(cos(x), f (x))
b= (cos(2x), f (x))
(sen(x), f (x))
(sen(2x), f (x))
Tanto os elementos da matriz A quanto os elementos do vetor b são produtos internos

entre funções definidas no intervalo [0, 2p], conforme a notação usual: (g(x), h(x)) =
2n
J g ( x) h( x ) dx , quaisquer que sejam as funções g e h.
0
No caso geral, a matriz do sistema linear possuirá ordem 2n + 1, que é exatamente a

quantidade de parâmetros, e o vetor de termos independentes terá esta mesma
quantidade de coordenadas. A matriz do sistema linear e o vetor de termos
independentes serão análogos aos exibidos no caso particular, no qual foi considerado
n = 2.
A linha 1 (coluna 1) da matriz A e a coordenada 1 do vetor b estão associadas à função

g0(x) = 1 e ao parâmetro v0 ; a linha i + 1 (coluna i + 1) da matriz A e a coordenada i +
111
Cálculo Numérico
1 do vetor b estão associadas à função gi (x) = cos(ix) e ao parâmetro vi ; 1 £ i £ n; a
linha j + n + 1 (coluna j + n + 1) da matriz A e a coordenada j + n + 1 do vetor b estão
associadas à função gj(x) = sen(jx) e ao parâmetro wj ; 1 £ j £ n.
A partir das identidades trigonométricas exibidas a seguir, mostraremos que a matriz A

será diagonal com an = 2p e att = p, 2 £ l £ 2n + 1.
Sabendo que
cos(x + y) = cos(x)cos(y) - sen(x)sen(y);
cos(x - y) = cos(x)cos(y) + sen(x)sen(y);
sen(x + y) = sen(x)cos(y) + sen(y)cos(x);

sen(x - y) = sen(x)cos(y) - sen(y)cos(x);
obtemos que
cos(x)cos(y) = (1/2) [cos(x + y) + cos(x - y)];
sen(x)sen(y) = (1/2) [cos(x - y) - cos(x + y)];
sen(x)cos(y) = (1/2) [sen(x + y) + sen(x - y)].
Além disto, cos(2x) = cos2(x) - sen2(x) = 2.cos2(x) - 1, pois sen2(x) + cos2(x) = 1.

Portanto,
cos2(x) = [1 + cos(2x)]/2 e sen2(x) = [1 - cos(2x)]/2.
2n
Desta forma, an = J 12 dx = 2p e os demais elementos da linha 1 são nulos porque
0
2n
Jcos(ix).1 dx = (1/i) [ sen(i.2p ) - sen(i.0)] = 0 e
0
2n
Jsen( jx).1 dx = (- 1/j) [ cos(j.2p ) - cos(j.0)] = 0; 1 £ i £ n; 1 £ j £ n.
0
Na linha i + 1, 1 £ i £ n, tem-se que o elemento da diagonal é dado por

2n 2n
Jcos2(ix) dx = J[0.5+0.5cos(2ix)] dx
00
= 0.5x2p + (0.5/2i) [sen(2i.2p) - sen(2i.0)] = p.
Os demais elementos desta linha são nulos porque

2n 1_ 2 n
J cos(ix) cos (lx) dx =
20
J
— cos((i +l)x) + cos((i-l)x) dx = 0 (veja os
0
cálculos efetuados após a obtenção de a ), 1 £ i £ n; 1 £ l £ n; i # l. Além disto,
112
Cálculo Numérico
2n 1. 2 n
J cos(ix)sen(jx)dx = —
20
J
sen((j+ i)x) + sen((j-i)x) dx = 0 (veja os
0
cálculos efetuados após a obtenção de a ), 1 £ i £ n; 1 £ j £ n; i # j. Também, tem-se

2n 1 2n
que J
0
cos(ix)sen(ix) dx =
2 0
—J
sen(2 ix) dx = 0.
Na linha j + n + 1, 1 £ j £ n, de forma análoga a cálculos já efetuados anteriormente,

tem-se que o elemento da diagonal é dado por
2n 2n
J sen2 (jx) dx = -2J[1 -cos( 2 jx)] dx

0 0
p.
Os demais elementos desta linha são nulos porque já foi mostrado que
2n
J cos(ix ) sen ( jx) dx = 0, quaisquer que sejam i e j. Além disto,
0
2n 2n
Jsen(jx) sen (lx) dx J
- cos(( j-1) x)- cos((j+1) x) dx = 0,
0 20
1 £ j £ n; 1 £ 1 £ n; j # 1.
Desta forma, é fácil concluir que as coordenadas do vetor ótimo de parâmetros são
dadas por
2n 1 2n 1 2n
vo =
nJ ( )
2n f x dx ;
2 0
vi n J f(x)cos(ix) dx
0
J() (
w = n f x sen jx) dx ;
0
1 £ i £ n; 1 £ j £ n. □
Os parâmetros ótimos são conhecidos como coeficientes de Fourier. Para saber mais
consulte a referência abaixo
[3] FIGUEIREDO, Djairo Guedes de, Análise de Fourier e Equações

Diferenciais Parciais. IMPA, 2a Ed, 1987.
Referências
113
Cálculo Numérico
4. Interpolação Polinomial
4.1 Existência e Unicidade do Polinômio Interpolador
Dada uma função real f: I = [a, b] c R ® R e dados n + 1 pontos, xo, x1, xn, no
intervalo fechado I, dizemos que o polinômio de grau igual a n ou de grau menor do que
n, pn(x) = a0 + a1x + . + anxn, é o polinômio interpolador associado à função f se pn(xi)
= f(xi), para todo i, 0 £ i £ n. Observe que as n + 1 equações anteriores dão origem a um
sistema linear de ordem n + 1. A matriz deste sistema linear é conhecida como matriz de
Vandermonde. Para o caso particular n = 3, a matriz de Vandermonde é
2 3
1 x0 x0 x0 f ( x0)
2 3
1 x1 x1 x1 f ( x1)
V= 2 3 e o vetor de temos independentes é B = . Neste caso, o
1 f ( x2)
x2 x2 x2
1
2
x33 3 f ( x3)
x3 x3
determinante de V é igual a (x1 - x0).(x2 - x0).(x3 - x0).(x2 - x1).(x3 - x1).(x3 - x2).
Observação: Para relembrar o conceito de determinante de uma matriz e suas

propriedades, inclusive o cálculo de determinante pelo desenvolvimento de Laplace,
consulte livros de Álgebra Linear.
[4] BOLDRINI, J. L, COSTA, S. I. R., RIBEIRO, V. L. F. F. E

WETZLER, H.G., Álgebra Linear, 3a Edição, São Paulo, Harper & Row
Referências do Brasil, 1980.
Retornando ao caso particular, considere as seguintes operações elementares efetuadas

nas colunas da matriz de Vandermonde:
C4 - . +1 C4 - k +1 - xo.Ct-., com 1 £ k £ 3.
Note que tais operações não alteram o determinante de V. A partir deste fato e utilizando
o desenvolvimento de Laplace, pela primeira linha, para o cálculo de determinantes e a
propriedade que diz que se uma linha qualquer de uma matriz M for multiplicada por
um número real t não nulo gerando uma matriz M' então det(M') = t det(M), obtemos:
2 3
1 x0 x0 x0 1 0 0 0
2 3 1 (x1—x0) x1(x1—x0) x12(x1—x0)
1 x1 x1 x1
det(V) = 2 3
1 1 (x2—x0) x2(x2—x0) x22(x2—x0)
x2 x2 x2
2 3 1 (x3— x0) x3(x3—x0) x32(x3—x0)
1 x3 x3 x3
114
Cálculo Numérico
xi2(xi-xo) 2
(xi-xo) xi(xi-xo) i xi xi
x22(x2-xo) 2
(x2-xo) x2(x2-xo) = (xi - xo).(x2 - xo).(x3 - xo). i x2 x2
x32(x3-xo) 2
(x3-xo) x3(x3-xo) i x3 x3
Repetindo-se o mesmo argumento, porém considerando-se X1 no lugar de X0, obtém-se

que
1 0 0
det(V) = (xi - xo).(x2 - xo).(x3 - xo). 1 (x2- x1) x2(x2-x1)
1 (x3- x1) x3(x3-x1)
= (x1 - xo).(x2 - xo).(x3 - xo).

(x2-x1) ( - )
x2 x2 x i
(x3-x1) x3( x3 - x1)
1 x2
= (x1 - xo).(x2 - xo).(x3 - xo).(x2 - x1).(x3 - x1). 1
x3
= (xi - xo).(x2 - xo).(x3 - xo).(x2 - xi).(x3 - xi).(x3 - x2).
n-1 n
No caso geral, será mostrado que det(V) = nn( x, -
j=o i= j+1
Xj )= n
o<j<i<n
( xi- xj ) . Desta
forma, se os pontos forem distintos dois a dois, isto é, x, # xj para i # j, então det(V) # o
e, portanto, existirá um único polinômio interpolador (pois o sistema linear possuirá
uma única solução, que corresponderá aos coeficientes do polinômio interpolador).
Teorema 1. (Existência e Unicidade do Polinômio Interpolador) Dada uma função

real f: I = [a, b] c R ® R e dados n + 1 pontos distintos dois a dois, xo, xi, xn, no
intervalo fechado I, existe um único polinômio de grau até n, pn(x) = ao + aix + . +
anxn, tal que pn(xi) = f(xi), para todo i, o £ i £ n.
Demonstração: Utilizaremos indução finita sobre a dimensão da matriz de

Vandermonde, a qual será denotada por dim(V).
i xo
Seja dim(V) = m + i = 2. Então V =
quaisquer que sejam xo e xi distintos.

i xi ( )
e, portanto, det(V) = (xi - xo) # ü;
Seja V uma matriz de ordem m + i que tenha a mesma estrutura de uma matriz de
Vandermonde, isto é, os seus elementos são construídos da mesma forma que os
elementos da matriz de Vandermonde. Note que tal matriz tem elementos iguais a i na
primeira coluna. Se a segunda coluna desta matriz for composta pelo vetor v = (vi, v2,
., vm+i), com coordenadas distintas duas a duas, então a coluna j desta mesma matriz,
com 2 < j £ m + i, será composta pelo vetor ([vi]j-i, [v2]j-i, ., [vm+i]j-i).
ii5
Cálculo Numérico
Suponha que exista um número natural n > i tal que toda matriz V de ordem m + i, com
a mesma estrutura de uma matriz de Vandermonde, possua determinante dado por
m m+i
nn( v — v )= n (v — v ) >
j = 1 i = j+1
i j
1< j <i<m+1
i j para 1 £ m £ n - 1.
Seja N = n + 1. Mostraremos que se dim(V) = N então a fórmula do determinante

continuará valendo, ou seja,
n n+1
deí(v) = nn(v-v )= n (v-v )

j=1 i= j+1
j
1< j<i<n+1
j ~
n— 1 n
~ deí(v) = nn(x —x )= n (*-x-).

j=0 i= j+1
i j
0<j<i<n
Para isto, considere as seguintes operações elementares efetuadas nas colunas da matriz
V:
Cn-k+1 Cn-k+1 - xo.Cn-k, com 1 £ k £ N - 1.
Note que tais operações não alteram o determinante de V. De acordo com a formação
dos elementos desta matriz, após a execução de cada uma das operações elementares
anteriores, a coluna CN-k+1 passará a ter, na posição i + 1, 0 £ i £ N - 1, o seguinte
elemento: [xi]N - k - x0.[xi]N - k - 1 = [xi]N - k - 1 (xi - x0). Portanto, o primeiro elemento de cada
uma das colunas anteriores (i = 0) será nulo. Desta forma, a linha i + 1 da matriz V1
obtida após a execução das operações elementares será formada pelos elementos
1, (xi - xo), xi(xi - xo), [xi]2(xi - xo), [xi]N- 2(xi - xo).
Calculando o determinante de V1 pelo desenvolvimento de Laplace pela primeira coluna

e utilizando a propriedade de determinante mencionada logo após a referência [3] de
n
Álgebra Linear, obtém-se que det(V) = det(V1) = n(x~x ).det(V )
i=1
o 2 , onde V2 é
uma matriz de ordem n que tem a mesma estrutura de uma matriz de Vandermonde. A
segunda coluna desta matriz é composta pelo vetor v = (x1, x2, ., xn). Portanto, pela
n—1 n
hipótese de indução, det(V2) = nn( x —x )= n
j=1 i= j+1
i -
1<j<i<n
( xi—xj ). Portanto,
n n— 1 n
det(V) = n(x —x ) n (x —x )
i=1
i o
1<j<i<n
i j = n (*-x )=nn(*-x ).
o<j<i<n
-
j=o i=j+1
- ■
Exemplo 6. (Mal condicionamento da matriz de Vandermonde) O Teorema 1

anterior apresentou as condições que garantiram a existência e a unicidade do polinômio
interpolador. Porém, a resolução do sistema linear com a matriz de Vandermonde não é
116
Cálculo Numérico
a melhor opção para se obter o polinômio interpolador. O mal condicionamento desta
matriz será presenciado neste exemplo que foi retirado da referência [2] da Seção 3.2:
“Utilizando aritmética de ponto flutuante com 3 dígitos e o Método da Eliminação de
Gauss (veja o Exemplo 11 da Seção 4.2 do Módulo 2), o polinômio interpolador de
grau 3 associado à função f tabelada abaixo:
xk 0.1 0.2 0.3 0.4

f(x ) k 5 13 -4 -8
é dado por p3(x) = - 0.66X102 + (0.115x104)x - (0.505x104)x2 + (0.633x104)x3. Porém,

p3(0.4) = - 6 # - 8 = f(0.4). Portanto, a resolução do sistema linear não está correta
(imprecisão devida a erros de arredondamento), indicando o mal condicionamento
(grande sensibilidade a erros de arredondado) da matriz de Vandermonde.”
4.2 Polinômio de Lagrange
Sabendo que o polinômio interpolador é único, se os pontos de interpolação x0, x1, .,

xn forem distintos dois a dois, vamos obtê-lo de outra maneira que não envolva a
resolução de um sistema linear.
Ao invés de escrever o polinômio interpolador na base canônica, {1, x, x2, xn}, do

espaço vetorial dos polinômios de grau até n, Pn, vamos encontrar uma outra base para
este espaço vetorial. Como a dimensão de Pn é n + 1 então qualquer base deste espaço
deve ter n + 1 polinômios linearmente independentes. Seja Ln = {L0(x), L1(x), L3(x),
Ln(x)} esta nova base de modo que o polinômio interpolador da função f seja escrito
n
como pn(x) = f(x0)L0(x) + f(x1)L1(x) + + ... + f(xn)Ln(x) = y f (xj)Lj(x)
j=0
e
cada um dos polinômios de Lagrange, Lj(x), possua grau n.
Baseando-se na definição do polinômio interpolador, pn(xi) = f(xi), 0 £ i £ n, é fácil

concluir que os polinômios de Lagrange devem possuir as seguintes propriedades:
Lj(xi) = 1, se i = j e Lj(xi) = 0 , se i * j.
Como o polinômio Lj(x) possui grau n e xi, 0 £ i £ n, i # j, são raízes deste polinômio
(Lj(xi) = 0 , se i # j) então o polinômio de Lagrange é dado por c.Nj(xi), onde c é uma
constante não nula e Nj(x) = (x - xü)(x - x1) ... (x - xj-1)(x - xj+1) ... (x - xn) =
n
n (x — xs) . Além disto, Lj(xj) = 1. Desta forma, basta considerar c = N(xj) # 0
i=0 ;i * j
(lembre-se que os pontos de interpolação são distintos dois a dois). Conclusão: Os
polinômios de Lagrange são dados por Lj(x) = Nj(x)/Nj(xj).
117
Cálculo Numérico
n
Observação: É comum utilizar o polinômio N(x) = n(x— x ),
i=0
i de grau n + 1, para
escrever Nj(x) = N(x)/(x - xj), se x # xj e Nj(xj) = N’(xj) (derivada de N(x) no ponto x = xj).
Exemplo 7. (Polinômio de Lagrange) Sejam x0, x1 e x2 pontos de interpolação distintos

dois a dois. A base com polinômios de Lagrange é dada por L2 = {L0(x), L1(x), L2(x)},
onde
L (x) =
L0(x)
( x— x )( x — x )
1 2 ;
;
L (x)_
L1(x)
( x — x )( x — x )
0 2 ;
;
(x0— x1)(x0—x2) (x1—x0)(x1—x2)
L2(x)
(x—x )( x—x )
0 1
.
( x2— x0)( x2—x1)
O polinômio interpolador é dado por p2(x) = f(x0)L0(x) + f(x1)L1(x) + (x). □
Exercício 4. (Interpolação de Lagrange) Utilizando-se um número finito de parcelas

da série de potências da função exponencial ex, foi possível construir a tabela abaixo
x
com alguns valores da função f(x) = Je 0
' dt
x 0.5 0.6 0.8 0.9 1.1

f(x) 0.46128 0.53515 0.65767 0.70624 0.78006
Use um polinômio de Lagrange de grau 2 para aproximar o valor de f(0.78).
O primeiro passo consiste na escolha dos pontos de interpolação. Como a função será
aproximada no ponto x* = 0.78, vamos escolher os pontos x0, x1 e x2 que estiverem mais
próximos de x* de modo que o valor de |N(x*)| = |x* - x0|.|x* - x1|.|x* - x2| seja o menor
possível.
Existem duas opções para a escolha dos pontos: (i) x0 = 0.5, x1 = 0.6 e x2 = 0.8 ou (ii) x0
= 0.6, x1 = 0.8 e x2 = 0.9. O menor valor de |N(x*)| é obtido com a segunda opção (ii).
Obtido os pontos de interpolação, o segundo passo consiste na construção do polinômio

interpolador:
p2(x) = f(x0)L0(x) + f(x1)L1(x) + fx2)L2 (x),
com
x0 = 0.6, x1 = 0.8 e x2 = 0.9;
f» = 0.53515, f(x1) = 0.65767 e f(x2) = 0.70624.
118
Cálculo Numérico
Os polinômios de Lagrange foram exibidos acima, no Exemplo 7.
Finalmente, a aproximação desejada de f(0.78) é obtida com o cálculo do valor

numérico do polinômio interpolador, ou seja, f(0.78) » p2(0.78). Como
Lo(x*) = (0.78 -0.8)(0.78 - 0.9)/(0.6 - 0.8)(0.6 - 0.9) = 0.04,
L1(x*) = (0.78 - 0.6)(0.78 - 0.9)/(0.8 - 0.6)(0.8 - 0.9) = 1.08,
L2(x*) = (0.78 - 0.6)(0.78 - 0.8)/(0.9 - 0.6)(0.9 - 0.8) = - 0.12,
então f(0.78) » p2(0.78) = 0.6469408.
« n
y(~1 )nt2 x
n=0 n!
n!
Saiba Mais
4.3 Polinômio de Newton com Diferenças Divididas
Analisando o exercício apresentado no final da seção anterior, podemos averiguar que

não seria uma tarefa nada fácil conseguir reaproveitar os cálculos efetuados com um
polinômio interpolador de Lagrange de grau n para exibir uma outra aproximação da
função utilizando-se um polinômio interpolador de grau n + 1. Além disto, o custo
computacional do cálculo do valor numérico do polinômio interpolador de Lagrange é
elevado porque todos os polinômios da base do espaço vetorial Pn possuem o mesmo
grau (n).
Com o intuito de diminuir o esforço computacional referente ao cálculo do valor

numérico do polinômio interpolador e de produzir um esquema recursivo para a geração
de polinômios interpoladores de grau 0 (polinômio constante) até grau n, uma nova base
do espaço Pn será considerada:
B = {1, (x - xò), (x - x0)(x - x1), (x - xò)(x- x1)(x - x2), ..., (x - xò)(x - x1)...(x - xn-1)}.
Observação: Utilizando indução finita, não é difícil mostrar que os polinômios da base
B são linearmente independentes, isto é,
dü + d1(x - xb) + d2(x - xb)(x - x1) + ... + dn(x - x0)(x -x1)...(x - xn-1) = 0, " x e R,
se, e somente se, di = 0 , " i, 0 £ i £ n.
Para isto, basta observar que se x = x0, então d0 = 0, pois todas as parcelas acima, a
partir da segunda, tem o fator (x - x0). Suponha que di = 0 para i < k £ n (hipótese de
119 □
Cálculo Numérico
indução). Note que o fator (x - xk) está presente em todas as parcelas a partir da parcela
k + 1, Assim, se x = xk então dk(xk - xo)(xk - x1)...(xk - xk) = 0. Como os pontos de
interpolação são distintos dois a dois, segue-se que dk = 0.
O polinômio interpolador com diferenças divididas de grau n é dado por
pn(x) = do + d1(x - xo) + d2(x - xo)(x - x1) + ... + dn(x - xo)(x - xx)...(x - xn-1).
Cada coeficiente da combinação linear anterior, di, é chamado de diferença dividida de

ordem i. De acordo com a definição do polinômio interpolador, tem-se que
Pn(xo) = f(xo) do = f(xo);
Pn(x1) = fix) fix) = f(xo) + d1(x1 - xo) di = [ fx) - /(xo)]/(x1 - xo);
Pn(x2) = f(x2) f(x2) = /(xo) + d1(x2 - xo) + d2(x2 - xo)(x2 - xX)
1 ( )- f ( x )
{ f x2 o ( )- f (x ) ( x _x ) }
f x1 o 2 o
d2 =
( x - x ) x -x
2 o 2 1 x -x 1 ( x -x )
o 2 1
Somando e subtraindo f(x1) no numerador da primeira parcela entre chaves e depois

colocando em evidência o valor [ f(x1) - f(xo)]/(x2 - x1), obtém-se
1 ( ) ( )
{ f x2 _ f x1 ( )- ( )
f x 1 f x o [ x 2_ x o _ 1 ]
d2 =
(x -x ) x - x
2 o 2 1 -
x2 x1 x1_ xo
d2 =
1 { f (x )- f ( x )
2 1 ( )- ( )
f x 1 f xo }
(x2 _ xo) x2_ x1 x 1_ x o
Dos casos analisados anteriormente, podemos definir o seguinte operador de diferenças

divididas:
(o) Ordem zero: /[w] = f(w), para todo w edom{ f }(domínio da função /).
Observação: a diferença dividida de ordem zero depende de apenas um argumento

(ponto w) e coincide com o valor da função no ponto.
f[w2]_ f[w1]
(1) Ordem 1 (2 argumentos): f[W1,W2] = , " W1 edom{ f }, " W2
( W _W )
2 1
edom{ f }.
12o
Cálculo Numérico
f[w2 ,w3] — f[w1,w2]
(2) Ordem 2 (3 argumentos): f[w1,w2, w3] =
( —W )
w3 1
wi Cdom{ f },
i c {1, 2, 3}.
Recursivamente, definimos o operador de diferenças divididas de ordem n:
[ ] — f [ W ,... ,W ]
f W2 ,... , Wn + 1 1 n
f[W1,W2, .Wn, Wn+1] =
(W —W )
n+1 1
o qual depende de n + 1
argumentos.
Observação: O numerador do operador de diferenças divididas de ordem n é uma

diferença entre dois operadores de ordem n - 1 e o denominador do operador de ordem
n é a diferença entre os extremos dos argumentos deste operador, mais precisamente, a
diferença entre o extremo superior dos argumentos e o extremo inferior dos argumentos.
Com esta notação, tem-se que d2 = f[x0, x1, x2] =

[
f x 1 ,x 2 ]— f [ x ,x ] 0 1
(x —x )
2 o
Vamos mostrar que vale a seguinte propriedade geral:
di = f[x0, x1, x2, ., xi] = 1 £ i £ n.

(x —x )
i 0
Teorema 2. (1a propriedade do operador de diferenças divididas) Considere n + 1

pontos distintos dois a dois. Utilizando a notação apresentada anteriormente, tem-se que
/[xo, x1, x2, ., x] = f[xs(0), xs(1), xs(2), ., xs(i)], 1 £ i £ n,
onde s: {0, 1, 2, i} — {0, 1, 2, i} é uma função bijetora ou uma permutação. Isto

equivale a dizer que a ordem dos argumentos não altera o valor do operador de
diferenças divididas.
Demonstração: Considere as seguintes bases do espaço vetorial Pi:
B = {1, (x - xo), (x - xo)(x - xx), (x - xo)(x - x1)(x - x2), ., (x - xo)(x - xx)...(x - xm)}
e
Bs = {1, (x - xC(0)), (x - xC(0))(x - xC(i)), (x - xC(0))(x - xC(1))(x - xC(2)), .,
(x - xs(0))(x - xs(i))...(x - xs(i-1))}.
Escrevendo os polinômios interpoladores de grau i, em relação a cada uma das duas

bases, obtemos:
121
Cálculo Numérico
p,(x) = do + di(x - xo) + d2(x - xo)(x - xi) + .. + d,(x - xo)(x - xi)...(x - x^);
Pis(x) = Do + Di(x - xso)) + Di(x - xs(o))(x - xs(i)) +...+ D,(x - xs(o))(x - xC(n)...(x - x^-i));
onde di e Di são as diferenças divididas de ordem i com relação a cada uma das bases B
e Bs, respectivamente.
Como o polinômio interpolador é único (Teorema 1, Seção 4.i), então o coeficiente de

xi deve ser o mesmo nas duas representações dos polinômios anteriores. Note que o
coeficiente de xi é igual a di, na primeira representação, e é igual a Di, na segunda
representação. Portanto, de acordo com a notação utilizada anteriormente,
f[xo, xi, x2, x,] = d, = D, = f[xs(o), xs(i), xs(2), xO(í)l, " i, 1 £ i £ n. ■
Observação: O seguinte resultado será útil na demonstração do próximo teorema: “O

coeficiente de xm no polinômio (x - xo)(x - xi)...(x - xm) é dado por - (xo + xi + ... + xm).”
A demonstração deste resultado pode ser feita por indução finita (Verifique!).
O professor Tadashi Yokoyama, do Departamento de Matemática da Unesp - Rio

Claro, substituindo o professor Bezerra, em uma aula de Cálculo Numérico, foi quem
demonstrou para a minha turma de graduação em Matemática (turma de i986) o
teorema que será enunciado a seguir. Sou muito grato a todos os meus professores que,
com talento para ensinar, souberam transmitir não apenas conhecimento mas, também,
amor pela profissão. Profissão que ainda vem sendo exercida pelo professor Tadashi,
conforme me informou a Maria Luiza Furlan Cardoso, Supervisora Técnica de Seção
Técnica de Desenvolvimento e Administração de Recursos Humanos do IGCE -
Campus de Rio Claro.
Teorema 3. (2a propriedade do operador de diferenças divididas) Considere n + i

pontos distintos dois a dois. A diferença dividida de ordem i é dada por:
di = f[xo, xi, x2, ., xi] =

[ ] [
f xi,... ,xi - f xo,... ,xi_i ] i £ i £ n.
( x -x )
i o
Demonstração: Considere as seguintes bases do espaço vetorial Pi:

B = {i, (x - xo), (x - xo)(x - xi), (x - xo)(x - xi)(x - x2), ., (x - xo)(x - xi)...(x - xi-i)}
e
Bs = {i, (x - xs(o)), (x - xs(o))(x - xs(i)), (x - xs(o))(x - xc(i))(x - xc(2)), .
(x - xs(o))(x - xs(1))...(x - xs(i-i))},
em que a permutação é definida como s (k) = i - k, para todo k, o £ k £ i. Desta forma,
i22
Cálculo Numérico
Bs = {1, (x - xi), (x - xi)(x - x-i), (x - xi)(x - x-i)(x - x-2) (x - xi)(x - x-i)...(x - x1)}.
Escrevendo os polinômios interpoladores de grau i, em relação a cada uma das duas

bases, obtemos:
Pi(x) = do + d1(x - xo) + d2(x - xo)(x - x1) + ... + d,(x -xo)(x - x1)...(x - xn);
pis(x) = Do + D1(x - xi) + D2(x - xi)(x - x-i) + ... + Di(x - x,)(x - x-i)...(x - x1);
onde di e Di são as diferenças divididas de ordem i com relação a cada uma das bases B
e Bs, respectivamente.
Como o polinômio interpolador é único (Teorema 1, Seção 4.1), então pi(x) - pis(x) = o
(polinômio nulo), para todo número real x. Desta forma, o coeficiente de xi-1 no
polinômio nulo deve ser igual a zero. De acordo com as definições dos polinômios pi(x)
e pis(x), as únicas parcelas destes polinômios que contribuirão para a análise do
coeficiente de xi-1 no polinômio nulo são:
di-1(x - xo)(x - x1)...(x - xi-2); di(x - xo)(x - x1)...(x - xf_1);
Di-1(x - x,)(x - x-i)...(x - xz); Di(x - x,)(x - x,-)...(x - x1).
Portanto o coeficiente de xi-1 no polinômio nulo é dado por (veja a observação anterior
ao enunciado deste teorema): di-1 - di(xo + x1 + . + xi-1) - [Di-1 - Di(x1 + x2 + . + xi)].
Como este valor deve ser zero e, pelo Teorema 2, di = Di, então:
di-1 - di(xo + x1 + ... + xi-1) - [Di-1 - Di(x1 + x2 + ... + x,-)] = o
di-1 - Di-1 + Di[x1 + x2 + ... + x, - (xo + x1 + ... + x,-1)] =o
di-1 - Di-1 + D,(x, - xo) = o D, = [1/(x, - xo)] {Dm - d,-1}.
De acordo com o Teorema 2, a ordem dos argumentos não altera o valor do operador
de diferenças divididas. Assim,
f [x,,...,x 1 ]— f [xo,...,x,—1 ] f [ x 1,... ,x, ]— f [ xo,... ,x,—1 ]

f[xo, x1, x2, ., xi] =
(x —x )
, o (x —x )
i o
Observação: A recursividade do polinômio de Newton é evidenciada no seguinte

resultado: Sejam B e B' bases dos espaços vetoriais Pn e Pn+1, respectivamente, onde
B = {1, (x - xo), (x - xo)(x - x1), (x - xo)(x - x1)(x - x2), .(x - xo)(x - x1)...(x - xn-1)};
B' = {1, (x - xo), (x - xo)(x - x1), (x - xo)(x - x1)(x - x2), ., (x - xo)(x - x1)...(x - xn-1),
(x - xo)(x - x1)...(x - xn-1)(x - xn)}.
O polinômio interpolador de grau n, escrito na base B, é dado por
123
Cálculo Numérico
pn(x) = d0 + d1(x - xü) + d2(x - xò)(x - xx) + ... + dn(x - x0)(x - x4)...(x - xn-1).
O polinômio interpolador de grau n + 1, escrito na base B', é dado por
Pn + 1(x) = Do + D1(x - xo) + D2(x - xo)(x - x1) + .+ Dn+1(x - xo)(x - x1)...(x - xn-1)(x - xn),
onde Di = di, 0 £ i £ n. Basta observar que o polinômio, de grau n, P(x) = D0 +

D1(x - x0) + D2(x - x0)(x - x1) +.+ Dn(x - x0)(x - x1)...(x - xn-1) satisfaz, para cada i, 0 £
i £ n, P(xi) = pn+1(xi) = f(xi). Como o polinômio interpolador é único, segue-se que P(x) =
Pn(x). Portanto, Pn+1(x) = Pn(x) + f[x0, x1, x2, xn, xn+1]N(x) • □
Exemplo 8. (Tabela de Diferenças Divididas) Vamos construir a tabela de diferenças

divididas associada ao problema dado no Exercício 4 (Seção 4.2). A partir da função
tabelada:
x 0.5 0.6 0.8 0.9 1.1

f(x) 0.46128 0.53515 0.65767 0.70624 0.78006
serão construídas, recursivamente, as diferenças divididas de ordem 0 até a diferença

dividida de ordem 4. Note que a tabela contém 5 pontos: x0 = 0.5; x1 = 0.6; x2 = 0.8;
x3 = 0.9 e x4 = 1.1. Os valores das diferenças divididas (DD) serão exibidos em colunas,
como segue:
x f(x): DD0 DD1 DD2 DD3 DD4
x0 = 0.5 f[x0] = 0.46128 f[x0, x4] f[x0, xb xz] f[x0, x1, x2, xà] f[x0, x1, x2, x3, x4]
xi = 0.6 f[x1] = 0.53515 f[x1, x2] f[x1, x2, xs] f[x1, x2, x3, x4]
x2 = 0.8 flfo] = 0.65767 f[x2, xa] f[x2, x3, x4]
x3 = 0.9 /[xsl = 0.70624 f[x3, xj
x4 = 1.1 f[x4] = 0.78006
Os cálculos das diferenças divididas de ordem k (0, 1, 2, 3 e 4) serão efetuados de

[
f w2 > ••• ,Wk+1 ]— [
f w 1 ’ ••• ,Wk ]
acordo com a fórmula: f[w1,w2, ..., wk, wk+i] =
wk+1 w1( — ) •
Portanto, a tabela é dada por
124
Cálculo Numérico
f(x): DD0 DD1 DD2 DD3 DD4
x0 = 0.5 f[x0] = 0.46128 0.7387 - 0.4203... - 0.00666666675 0.12555...
x1 = 0.6 f[x1] = 0.53515 0.6126 - 0.423 0.06866...
x2 = 0.8 f[x2] = 0.65767 0.4857 - 0.3886...
x3 = 0.9 f[x3] = 0.70624 0.3691
x4 = 1.1 f[x4] = 0.78006
Observação: Dados os valores de diferenças divididas de uma coluna k - 1, os valores

das diferenças divididas da coluna k são obtidos da seguinte forma: agrupa-se, de dois
em dois, os valores da coluna k - 1 (como mostra a seta azul na tabela anterior).
Digamos que o primeiro valor do agrupamento seja v1 e o segundo v2 (na coluna k - 1,
v1 está acima de v2). Assim, o numerador da respectiva razão que está na coluna k é a
diferença v2 - v1. O denominador desta razão é a diferença entre os extremos do
respectivo operador de diferenças divididas. Por exemplo, se a diferença dividida for
f[x2, x3, x4] (que é de ordem 2, pois tem 3 argumentos) então v1 = 0.4857 e v2 = 0.3691.
Portanto, f[x2, x3, x4] = (0.3691 - 0.4857)/(x4 - x2) = 0.1166/0.3 = - 0.38866... Se a
diferença dividida for f[x0, x1, x2, x3] (que é de ordem 3, pois tem 4 argumentos) então v1
= - 0.4203... e v2 = - 0.423. Portanto, f[x0, x1, x2, x3] = (- 0.423 + 0.4203...)/(x3 - x0) =
- 0.002666.../0.4 = - 0.00666666675. ■
Exercício 5. (Polinômio de Newton) Como no Exercício 4 (Seção 4.2), encontre uma

aproximação para f(0.78) utilizando um polinômio de Newton de grau 2. Depois,
obtenha outra estimativa de f, no mesmo ponto, utilizando um polinômio de grau 3.
O primeiro passo consiste na escolha dos pontos de interpolação. Como a função será
aproximada no ponto x* = 0.78, vamos escolher os pontos x0, x1 e x2 que estiverem mais
próximos de x* de modo que o valor de |N(x*)| = |x* - x0|.|x* - x1|.|x* - x2| seja o menor
possível. De acordo com o Exercício 4 (Seção 4.2), a melhor opção é escolher x0 = 0.6,
x1 = 0.8 e x2 = 0.9.
Obtido os pontos de interpolação, o segundo passo consiste na construção do polinômio

interpolador:
p2(x) = d0 + d1(x - x0) + d^x - x0)(x - xx).
125
Cálculo Numérico
De acordo com a escolha dos pontos de interpolação, deve-se desprezar o primeiro valor
de x na tabela original, ou seja, ao invés de x0 = 0.5 o primeiro ponto de interpolação
será denotado por x0 = 0.6. Desta forma, a escolha dos valores das diferenças divididas
de ordem 0, 1 e 2, que serão utilizados na construção do polinômio interpolador de grau
2, deverá seguir o mesmo princípio, ou seja, na coluna de diferenças divididas de ordem
k (0, 1 e 2), o primeiro valor tem que ser desprezado e o segundo será o valor
considerado para dk. Desta forma, d0 = 0.53515, d1 = 0.6126 e d2 = - 0.423. Portanto,
f(0.78) » p2(0.78) = d0 + d1(0.78 - x0) + d2(0.78 - x0)( 0.7 - x1) = 0.6469408.
Para a construção do polinômio interpolador de grau 3, os pontos de interpolação devem

ser escolhidos de modo que x0, x1, x2 e x3 estejam próximos de x* = 0.78, no sentido de
tornar mínimo o valor de |N(x*)| = |x* - x0|.|x* - x1|.|x* - x2|.|x* - x3|. As duas opções de
pontos são: (i) x0 = 0.5, x1 = 0.6, x2 = 0.8 e x3 = 0.9, ou (ii) x0 = 0.6, x1 = 0.8, x2 = 0.9 e
x3 = 1.1. Desta forma, o menor valor de |N(x*)| será obtido na primeira opção.
Observação: Nas duas opções anteriores os seguintes valores se repetem: 0.6, 0.8 e 0.9.
O valor 0.5 aparece somente na primeira opção (i) e o valor 1.1 aparece somente na
segunda opção (ii). Portanto, para saber qual a opção que fornecerá o menor valor de
|N(x*)|, basta verificar qual dos dois seguintes valores é o menor: |x* - 0.5| ou |x* - 1.1|.
Como x* = 0.78 então a primeira opção é a melhor.
O primeiro ponto de interpolação coincide com o primeiro valor de x na tabela original.

Portanto, as diferenças divididas utilizadas na construção do polinômio de grau 3 são
dadas por: d0 = 0.46128, d1 = 0.7387, d2 = - 0.4203... e d3 = - 0.00666666675.
O polinômio interpolador é dado por:
p3(x) = d0 + d1(x - x0) + d2(x - x0)(x - x1) + d3(x - x0)(x - x1)(x - x2).
Assim, f(0.78) » £3(0.78) = 0.64693792. ■
Regra dos Parênteses Encaixados
O cálculo do valor numérico do polinômio de Newton com diferenças divididas pode

ser feito de uma maneira recursiva que exigirá menos esforço computacional do que a
avaliação usual que, simplesmente, substitui a variável x por um número na expressão
do do polinômio. Esta maneira recursiva é conhecida como a Regra dos Parênteses
Encaixados.
Como exemplo, considere um polinômio de grau 3,
£3(x) = d0 + d1(x - x,) + d2(x - x0)(x - x1) + d3(x - x0)(x - x1)(x - x2).
126
Cálculo Numérico
Observe que este polinômio pode ser reescrito da seguinte forma:
p3(x) = ( do + (x - xo) ( d! + (x - x1) ( d2 + (x - x2) ( d3 ) ) ) ).

Recursivamente, para se obter o valor numérico de p3(x), os cálculos que aparecem na
expressão do polinômio são efetuados do final (expressão que está entre parênteses
vermelhos) para o o início (expressão que está entre parênteses verdes). Para isto, seja
V3 = d3 (valor que está entre parênteses marrons). Na primeira iteração, o valor de V3
será alterado para V2 (valor da expressão que está entre parênteses vermelhos), tal que
V2 = d2 + (x - x2)V3; na segunda iteração, o valor de V2 será alterado para V1 (valor da
expressão que está entre parênteses azuis), tal que V1 = d1 + (x - x1)V2, na terceira e
última iteração, o valor de V1 será alterado para Vo (valor da expressão que está entre
parênteses verdes), tal que Vo = do + (x - xo)V1.
No caso geral, o seguinte algoritmo obtém o valor numérico de um polinômio de

Newton com diferenças divididas de grau n.
V = d n; (diferença dividida de ordem n)
para i variando de n - 1 até zero calcule:
V:= di + (x - xi).V; (di é a diferença dividida de ordem i)

fim
O último valor de V (quando i = o) é o valor numérico de pn(x).
Exemplo 9. (Regra dos Parênteses Encaixados) Vamos utilizar a Regra dos

Parênteses Encaixados para calcular o valor numérico do polinômio de grau 3
encontrado no Exercício 5 que foi resolvido nesta seção.
Naquele exercício, os pontos de interpolação utilizados foram: xo = o.5, x1 = o.6,

x2 = o.8 e x3 = o.9; as diferenças divididas utilizadas foram: do = o.46128, d1 = o.7387,
d2 = - o.42o3... e d3 = - o.oo666666675. O polinômio será avaliado em x = x* = o.78.
Fazendo as iterações com a Regra dos Parênteses Encaixados, obtemos:
(iteração o)
V = d3 = - o.oo666666675;
(iteração 1)
V:= d2 + (x - x2).V = - o.42o3... + (o.78 - o.8).(- o.oo666666675) = - o.42o2;
(iteração 2)
V:= d1 + (x - xi).V = o.7387 + (o.78 - o.6).(- o.42o2) = o.663o64;
(iteração 3)
V:= do + (x - xo).V = o.46128 + (o.78 - o.5).(o.663o64) = o.64693792.
Portanto, p3(o.78) = o.64693792. ■
127
Cálculo Numérico
4.4. Erro de Interpolação e Estimativas para o Erro
Nesta seção será apresentada a fórmula do erro de interpolação e algumas estimativas

deste erro. A demonstração do teorema do erro de interpolação vai utilizar um
importante resultado de análise na reta, o Teorema de Rolle, que foi mencionado na
Seção 3 do Módulo 1. Para mais informações, as referências apresentadas naquela seção
podem ser consultadas.
O enunciado do Teorema de Rolle é o seguinte: “Seja g uma função real, contínua no

intervalo fechado [a, b] e derivável no intervalo aberto (a, b). Se g(a) = g (b) então
existe c C (a, b) tal que g'(c) = 0.”
Teorema 4. (Erro de Interpolação) Seja f: I = [a, b] c R ® R uma função real que

possui derivadas até a ordem n + 1. Considere n + 2 pontos distintos dois a dois x0, x1,
., xn e x no intervalo fechado I. O erro, E(n)(x), cometido ao se aproximar f(x) por pn(x)
é dado por E(n)(x) = f(x) - pn(x) =

n
N (x) f( +1)(£(x))
, onde N(x) = (x - xo)(x - x1) ...
n
( )
n+1 !
(x - xn) = n (x — xi)
i=0
e X(x) pertence ao intervalo aberto (a, b).
Demonstração: Considere a seguinte função G: I = [a, b] c R ® R dada por

G(t) = f(t) - pn(t) - [f(x) - pn(x)](N(t)/N(x)). Note que a função G possui derivada até a
ordem n + 1, porque a função f tem esta propriedade e N(t) é um polinômio de grau
n + 1. Além disto, a função G possui n + 2 zeros: G(xi) = 0, 0 £ i £ n, e G(x) = 0.
Aplicando-se sucessivamente o Teorema de Rolle às funções G, G', G'', G''', .,G(n)
tem-se que G(k) tem pelo menos n + 2 - k zeros, 1 £ k £ n + 1. Portanto, aplicando-se o
Teorema de Rolle à função G(n) obtém-se c = x(x) C (a, b) tal que G(n+1)(c) = 0. Porém,
0 = G(n+1) (c) = f (n+1)(c) - [f(x) - pn(x)]((n + 1)!/N(x)). Portanto,
E(n)(x) = f(x) - pn(x) =

n
N (x) f( +1)(g(x))
( )
n+1 !
Observação: A derivada de ordem n + 1 de um polinômio de grau n é zero e a derivada

de ordem n +1 do polinômio xn+1 é igual a (n + 1)! .
ia Estimativa para o Erro
Em geral, o valor de x(x) C (a, b) não é conhecido. Assim, assumindo-se que f (n+1) é
uma função contínua no intervalo fechado [a, b], podemos fazer a seguinte estimativa:
128
Cálculo Numérico
n
|N(x)|máx{\f[ +1 \t)|; t e [a,b]}
(n + 1)!
Observação: Toda função real contínua definida em um intervalo fechado e limitado
possui valor máximo e valor mínimo (Veja as referências [1 - 5] exibidas na Seção 3 do
Módulo 1).
2a Estimativa para o Erro
Se os pontos de interpolação forem igualmente espaçados, ou seja, xi = x0 + ih, 1 £ i £ n

e h > 0, e x e [x0, xn] então a limitação superior para o erro de interpolação é dada por
n n
h +1 máx {|f ( +1)(t)|; t e [x0,xn ]}
4 (n +1)
Demonstração: Primeiramente, observe que se os pontos de interpolação forem

igualmente espaçados, ou seja, xi = x0 + ih, 1 £ i £ n e h > 0, então x e [x0, xn] x=
n
x0 + uh, com u e [0, n]. Desta forma, N(x) = N(x0 + uh) = n (x
i=0
0 + uh — xi) —
n
— N(x0 + uh) = n h(u — i)
i=0
= hn+1 u(u - 1)(u - 2) ... (u - n). Desta forma,
()
lN x l = hn+1 lul lu —
1I lu 2I — —
lu nl
com u e [0, n]. Desta forma, usando a
(n + 1)! 12 3 n +1 ’
primeira estimativa, obtém-se que
|E(n)(x)| £
hn + 1 Iu| \u — 1| \u — 2\ \u—n\
() [
máx(\f(n+1) t | ; t e x0,xn }. ]
12 3 n+1
Vamos analisar a expressão anterior para alguns valores de n.
Para n = 1 tem-se que 0 £ u £ 1. Assim p(u) = |u| |u - 1| = u(1 - u) = u - u2; p'(u) = 1 -

2u e p''(u) = - 2 < 0. Note que p'(u) = 0 u = 1/2. Portanto, o ponto crítico u = 1/2 é
ponto de máximo da função p; logo p(u) = |u| |u - 1| £ p(1/2) = 1/4. Portanto, |E(1)(x)| £
h2máx{ |f(2)(t) |; t e [x0,x 1]}
4 (2) .
Para n = 2 tem-se que 0 £ u £ 2. Consideremos dois casos: (I) 0 £ u £ 1 e (II) 1 < u £ 2.
129
Cálculo Numérico
No primeiro caso, tem-se que p(u) = |u| |u - i| £ i/4. Além disto, |u - 2|/2 £ i. De fato,
o £ u£ i • -2 £ u-2 £- i < o |u - 2| = 2 - u £ 2 |u - 2|/2 £ i.
h3máx {If(3)(t)|; t e [x0,x2]}
Portanto, |E(2)(x)| £
4 (3)
No segundo caso, i < u £ 2. Assim p(u) = |u - i| |u - 2| = (u - 1)(2 - u) = - u2 + 3u -

2; p'(u) = - 2u + 3 e p''(u) = - 2 < O. Note que p'(u) = O u = 3/2. Portanto, o ponto
crítico u = 3/2 é ponto de máximo da função p; logo p(u) = |u - i| |u - 2| £ p(3/2) = i/4.
Além disto, |u|/2 £ i. De fato, i < u £ 2 — |u| = u £ 2 — |u|/2 £ i. Portanto,
|£(2)(x)| £ { (3)(4t)|3;t e[x x ]
h'máx lf
( )
O, i }
‘
Agora, considere a seguinte hipótese de indução:

|u| |u-i| |u-21 |u-n| < i
i
i 2 3 n+i “ 4 n+i ’
com u e [O, n]. Agora, considere u e [O, n + i]; (1° Caso) O £ u £ n — \u - (n + i)|
= (n + i) - u £ (n + i); portanto, |u - (n + i)|/(n + i) £ i. Pela hipótese de indução,
segue-se que
|u| |u-i| |u-2| |u-n| |u-(n + i)| < _1 i
i 2 3 n+i n+2 4 n+2
(2° Caso) n < u £ n + i — p(u) = |u - n| |u - (n + i)| = (u - n)[(n + i) - u] = - u2 +

(2n +i)u - n(n + 1) — p'(u) = - 2u + (2n +i) e p''(u) = - 2 < O. Note que p'(u) = O
u = n + i/2. Portanto, o ponto crítico u = n + i/2 é ponto de máximo da função p; logo
p(u) £ p(n + i/2) = i/4. Além disto, se O £ i £ n - i então | i +2*| < n f +2 *’ Observe,
também, que o £ n - i - i £ n - i; logo:
|u-(n -i-i)| < n + i-(n-i-i) i + 2

(n-i-i) + 2 _ n-i + i n + i - i'
Desta forma, se n for par então para cada i, o £ i < n/2, existirá o par correspondente
| - || -( - - )|
u i u n i i < n + i-i i + 2 = . S f i
n - i - i tal que ———7----- -—77—— < —:— --------- - —: = i. Se n for impar então
i+2 (n-i-i)+2 i+2 n +i-i
i = (n - i)/2 satisfaz: i = n - i - i ~ i + 2 = n + i - i. Neste caso, tem-se que
| u - i| n +i-i
'. + . +2 i = i. Para os demais pares de pontos (i, n - i - i), O £ i £ (n - 3)/2,
obtemos a mesma desigualdade exibida no inicio deste parágrafo. Portanto,
|u| |u-1| |u-2| |u-n| |u-(n + i)| < i i

1 2 3_ n+i n+2 4 n +2
Conclusão: por indução finita, tem-se que
i3o
Cálculo Numérico
|E(n)(x)| £
n n
h +1 máx{|f( +1)(t)|; t e [x^xn]}
4 (n +1)
3a Estimativa para o Erro
Caso a expressão da função f não seja conhecida ou seja muito complexa então podemos
utilizar apenas a tabela de diferenças divididas para obter uma estimativa do erro de
interpolação. Neste caso, vale a seguinte estimativa:
|E(n)(x)| » |N(x)| máx{|DDn+1|},
onde |DDn+1| é o valor absoluto de uma diferença dividida de ordem n + 1.
Esta estimativa é proveniente da observação feita após a demonstração do Teorema 3

da Seção 4.3 e da primeira estimativa apresentada anteriormente. Desta forma,
sabendo-se que pn+1(x) = pn(x) + f[x0, x1, x2, xn, xn+1]N(x), suponha que xn+1 = x. Então
f(x) = pn+1(x) = pn(x) + DDn+1N(x). Assim, E(n)(x) = DDn+1N(x). Por outro lado,
utilizando o Teorema 4, tem-se que

N (x) n
f ( +1)(£( x))
= E(n)(x) = DDn+1N(x).
(n+1)!
Portanto, n
f( +1)(§( x))
= DDn+1 = f[x0, x1, x2, ..., xn, x].
(n+1)!
Exemplo 10. (Estimativas do Erro de Interpolação) Neste exemplo, nós iremos

aproximar uma função conhecida por um polinômio interpolador de grau 2 e depois
apresentaremos algumas estimativas do erro cometido. Os resultados serão comparados
com o erro efetivo. O exemplo foi adaptado de um exercício do livro da professora
Neide Bertoldi Franco (veja a referência [4] apresentada na Seção 4.1 do Módulo 2). A
primeira vez que resolvi este exercício foi a pedido da professora Rosana Sueli da Motta
Jafelice, que estava ministrando a disciplina de Cálculo Numérico para uma turma (se
não me falha a memória) da Engenharia Química da Universidade Federal de
Uberlândia. A professora estranhara que os resultados teóricos não eram compatíveis
com os resultados numéricos. A meditação foi o caminho para refutar o paradoxo!
A função f(x) = Vx está tabelada abaixo. A aproximação será feita em x* = 1.12.
x 1.00 1.10 1.15 1.25
f(x) 1.00 1.048 1.072 1.118
Montando-se a tabela de diferenças divididas obtemos:
131
Cálculo Numérico
x /(x): DDo DD1 DD2 DD3
xo = 1.oo /[xo] = 1.oo o.48 o - o.533...
x1 = 1.1o /[xx] = 1.o48 o.48 - o.133...
x2 = 1.15 /[x2] = 1.o72 o.46
x3 = 1.25 /[xs] = 1.118
Vamos escolher os pontos xo, x1 e x2 que estiverem mais próximos de x* = 1.12 de modo
que o valor de |N(x*)| = |x* - xo|.|x* - x1|.|x* - x2| seja o menor possível.
Seguindo o mesmo procedimento recomendado na observação que foi feita no

Exercício 5, Seção 4.3, os pontos de interpolação são dados por: xo = 1.oo; x1 = 1.1o e
x2 = 1.15 e |N(x*)| = o.oooo72. Assim, serão consideradas as seguintes diferenças
divididas: do = 1.oo, d1 = o.48 e d2 = o.
Neste caso, o polinômio interpolador é p2(x) = do + d1(x - xo) + d2(x - xo)(x - x1). Como
d2 = o então o polinômio terá grau 1: p2(x) = 1 + o.48(x - 1.o). Deste modo, a
aproximação desejada é V 1.12 » p2(1.12) = 1.o576. O erro efetivo é 71.12 -
1.o576 » o.7o x 1o-3.
Observe que se fossem escolhidos os pontos xo = 1.1o; x1 = 1.15 e x2 = 1.25 obteríamos

o polinômio p2(x) = 1.o48 + o.48(x - 1.1o) - (x - 1.1o)(x - 1.15)o.133... . Neste caso,
|W(x*)| = o.oooo78 e a aproximação seria dada por 71.12 » p2(1.12) = 1.o5768. O
erro efetivo é 71.12 - 1.o5768 » o.62 x 1o-3.
Este é o primeiro resultado estranho. A escolha dos pontos foi feita de modo a obter o
menor valor para o erro de interpolação. Porém, como mostrado anteriormente, a
primeira aproximação (gerada pelo polinômio de grau 1) produziu um erro maior do que
o erro produzido pela segunda aproximação, que foi gerada por um polinômio de grau
2. Por que isto ocorreu? Será que os cálculos efetuados na construção da tabela de
diferenças divididas e que geraram d2 = o, na primeira escolha dos pontos, estão
corretos?
Sabendo-se que f (3)(t) = (3/8)t-5/2 é uma função decrescente então máx{|f (3)(t)|, t e
[1, 1.25]} = 3/8. Considerando-se x = 1.12, N(t) = (t - xo)(t - x1)(t - x2) e os pontos de
interpolação escolhidos em cada uma das opções anteriores, segue da teoria do erro de
(2) |N(x)|máxílf37t)| ;t e[a,b]}
interpolação que |E(2)(x)| £ 3! . Portanto, na primeira
opção, |E(2)(x)| £ o.oooo72 x (3/8) x (1/6) = o.45 x 1o-5 e, na segunda opção, |E(2)(x)| £
o.oooo78 x (3/8) x (1/6) = o.4875 x 1o-5.
132
Cálculo Numérico
Observe, também, que |E(2)(x)| » |N(x)| máx{|DD3|} = |N(x)|0.533 Assim, na primeira
opção, |E(2)(x)| » 0.000072 x 0.533... = 0.384 x 10-4 e, na segunda opção, |E(2)(x)| »
0.000078 x 0.533... = 0.416 x 10-4.
Este é o segundo resultado estranho na resolução do exercício. A teoria nos diz que o
valor absoluto do erro de interpolação deveria ser inferior a 10-5, porém os cálculos
efetuados mostram que as estimativas obtidas, mesmo as referentes ao erro efetivo, são
da ordem de 10-3 ou 10-4 e, portanto, superiores às estimativas previstas na teoria.
Depois de muito analisar o problema, descobri que todos os resultados aparentemente

confusos foram gerados pela pouca precisão dos pontos da tabela. Note que todos os
valores da função tabelada possuem apenas 3 casas decimais depois da vírgula. Seria
muito surpreendente se conseguíssemos uma aproximação com precisão de 5 casas
decimais com estes dados! □
Exercício 6. (Interpolação Linear com pontos igualmente espaçados). A tabela

abaixo exibe os valores da função f(x) = x5ln(x) em pontos igualmente espaçados.
Mostre que a interpolação linear, neste caso, sempre irá gerar erros inferiores a 10-3.
x 0.1 0.2 0.3 0.4 0.5
y = fíx) - 0.23025851 -5.15020132 -29.25653915 - 93.82817094 -216.60849

x 10-4 x 10-4 x 10-4 x 10-4 x 10-4
De acordo com a fórmula da estimativa de erros com pontos igualmente espaçados, tem-
h2máx{lf*2\t)|; t e [0.1,0.5]}
se que |E(1)(x)| £
4(2
Note que h = 0.1; f (1)(x) = x4[1 + 5/n(x)] e f (2)(x) = x3[9 + 20/n(x)]. Os pontos
críticos x = xc de f (2)(x) são tais que:
f (3)(x) não existe ou f (3)(x) = 0 x2[47 + 60/n(x)] = 0 xc = 0 ou xc =

exp(- 47/60) = 0.456880535. Portanto,
máx{ lf (2)(t)|, t e [0.1, 0.5] } = máx{ |f (2)(xc)|, |f (2)(0.1)|, |f (2)(0.5)| } =

| f (2)(0.456880535)| = 0.635794414.
Desta forma, |E(1)(x)| £ (0.1)2 x 0.635794414 x 0.125 » 0.7947 x 10-3.
133
Cálculo Numérico
Por exemplo, utilizando o polinômio de Lagrange sobre os pontos de interpolação xo =
o.4 e x1 = o.5, obtemos p1(o.45) = - o.o15521833 (Verifique!). Como f(o.45) =
- o.o14734712 então f(o.45) - p1(o.45) » o.7871 x 1o-3. ■
4.5. Interpolação Inversa
Um importante teorema sobre função inversa, consequência do Teorema do Valor

Intermediário (Teorema 3, Seção 3 do Módulo 1), provavelmente comentado em
disciplinas de Cálculo Diferencial e demonstrado em um curso de Análise na Reta, diz
que toda função f real, contínua e injetora, definida em um intervalo I, é monótona
(crescente ou decrescente) e tem como imagem um intervalo J = f(I). Além disto, a
função inversa, f -1: J I é uma função contínua.
Em determinados problemas, precisamos usar um polinômio interpolador para

aproximar a inversa de uma dada função. Acontece que, em muitos casos, a função pode
ser dada por meio de uma tabela. Assim, como saber se a função representada por uma
tabela possui inversa? É simples. Basta supor que a função tabelada seja contínua e
considerar apenas os pontos da tabela nos quais podemos afirmar que a função é
monótona (crescente ou decrescente). A interpolação inversa só terá validade no
intervalo onde a função é estritamente crescente ou estritamente decrescente.
Exercício 7. (Interpolação Inversa). Dada a tabela
x 1 2 3 4 5 6
y = fíx) 0.841 0.909 0.141 -0.757 -0.959 -0.279
obtenha x* tal que f(x*) = o. Use um polinômio de grau 2 e apresente uma estimativa do
erro.
(i) Escolha dos pontos da interpolação inversa.

Como o problema exige que seja feita uma estimativa do erro de interpolação então o
polinômio interpolador deve ser o de Newton. A análise do erro vai precisar das
diferenças divididas de ordem 3, pois será utilizado um polinômio interpolador de grau
2. Assim, os pontos escolhidos para a interpolação inversa são: o.9o9; o.141; - o.757o e
- o.959, correspondentes a valores decrescentes da função tabelada.
(ii) Construção da Tabela de Diferenças Divididas.
134
Cálculo Numérico
Tabela de diferenças divididas (g = f -1(y))
y x = g(y): DD0 DD1 DD2 DD3
yo = 0.909 g[yo] = 2 -1.3020833... - 0.113143809 - 1.927860373
y1 = 0.141 g[y1] = 3 - 1.113585746 3.488099367
y2 = - 0.757 g[y2] = 4 - 4.95049505
y3 = - 0.959 g[ys] = 5
(iii) Escolha dos pontos que serão utilizados na construção do polinômio de grau 2.
Dado y* = 0, a melhor escolha dos pontos é aquela que fornecerá o menor valor para
|N(y*)| = |y* - y0|.|y* - y1|.|y* - y2|. Neste caso, os pontos escolhidos são: y0 = 0.909;
y1 = 0.141 e y2 = - 0.757.
(iv) Construção do polinômio de grau 2.

p2(y) = d0 + d1(y - y0) + d2(y - y0)(y - y1);
onde
yo = 0.909; y1 = 0.141; y2 = - 0.757; do = 2; d1 = - 1.3020833...; d2 = - 0.113143809.
(v) Cálculo do valor numérico do polinômio de grau 2.

p2(0) = 3.169092221 = x*.
(vi) Estimativa do erro.
|E(2)(0)| » |0 - yo| |0 - yx| |0 - y2| máx{|DD3|} = 0.909 x 0.141 x 0.757 x 1.927860373.

Portanto, |E(2)(0)| » 0.187048595.
5. Integração Numérica
Ao aproximar uma função f por um polinômio de grau n, pn(x), será cometido um erro
de interpolação. De acordo com as hipóteses do Teorema 4 (Seção 4.4), f(x) = pn(x) +
135
Cálculo Numérico
E(n)(x), onde E(n)(x) =
b b
(n + 1 !
b
) . Então a integral de f pode ser escrita como:
b
J f (X ) dx = J P ( X ) dx + J ( )
n E X dx- Neste caso dizemos que J n( E( ) X) dX é o
erro de integração.
5.1 Regra do Trapézio: Simples e Repetida
Na Regra do Trapézio, a função f: [a, b] c R ® R será aproximada pelo polinômio de

Lagrange de grau 1, sobre os pontos de interpolação xo = a e xi = b. Seja h = xi - xo e
suponha que f tenha derivada segunda contínua em [a, b]. Desta forma,
Jf (x) dx =J p (x) dx +J (x-x0)( x-x2! ) f(2)(g(x)) dx,

b x1 x1
1
1
a x x 0 0
onde X(x) e (a, b), " x e [a, b]; portanto, f(2)(xmin) £ f(2)(X(x)) £ f(2)(xmax) (lembre-se de
que toda função contínua definida em um intervalo fechado assume valor mínimo e
valor máximo - referências [1 - 5] apresentadas na Seção 3, Módulo 1).
A Regra do Trapézio, IT, será obtida da integral de p1(x) = f(x0)L0(x) + f(x1)L1(x), onde
( x - x1 ) ( x- x0)
Lo(x) = 1 ; Li(x)= 0 . É usual utilizar a seguinte troca de variáveis:
( x0-x1) ( x1-x0)
x1 1
x = xo + uh. Assim, J p1(x) dx =J p1(xo+uh) h du. Note que p1(xo + uh) =
xo o
f(xo)Lo(xo + uh) + f(xi)Li(xo + uh) = f(xo) x0 uh ( -h
)
x1 + f(xi) (X0 )
Uh—xo . Assim,
h
x1 1 1
J p (x) dx = —f(x )J (u—1)h du + f(x )J uh du.
1 o 1 Agora, observe que
x0 0 o
1 [h(u—21)2]1 1 2 1
J (u-1) h du = 2
= - h/2; J u
j uh du = h—
2 0
= h/2.
0 o o
x 1
Portanto, IT = J p ( x ) dx = 1 [f (x ) + f (x )].
1 i
x 0
o
Para se deduzir a fórmula do erro, note que N(x) = (x - xo)(x - x1) < o, " x e (xo, x1).
Desta forma, N(x)f(2)(xmax) £ N(x)f(2)(x(x)) £ N(x)f(2)(xmin). Utilizando as propriedades
das funções integráveis, segue-se que
136
Cálculo Numérico
x1 x1 x1
J N (x ) f(2 \ x max) dx < J N (x ) f <2)(^( x )) dx < J N (x) f(2)( x
min) dx.
xo xo x o
Utilizando o Teorema do Valor Intermediário, pode-se mostrar que existe c e (xo, x1) tal
x1 x1
que J N(x) f (2J(^(x)) J

dx =f(2)(c) N(x) dx. Veja as observações a seguir.
xo xo
Observação: O enunciado da versão do Teorema do Valor Intermediário que será

utilizada nesta seção é a seguinte: “Seja g: [a, b] c R ® R uma função contínua. Se
g(a) < l < g(b), ou g(b) < l < g(a), então existirá c e (a, b) tal que g(c) = l.” Para obter
a versão apresentada no módulo 1, basta considerar F(x) = g(x) - l; logo F será
contínua e F(a).F(b) < o.
x
1
Observação: Se J N( x) dx = o então, da última desigualdade anterior, segue que
x1
x
o
J N(x) f 2 (^(x)) dx = o. Portanto, para

( ) qualquer c e (xo, x1), tem-se que
xx
o
1 x 1
J N(x) f *2)(^(x)) dx = f*2\c )J N (x) dx.

x
o x o
x 1
x1 J N(x)f(2)(?(x)) dx
Observação: J N( x ) dx < o
f 2)(x )< 12-- < f<2)(x K
xo
min
J N(x) dx
max
x o
Portanto, pelo Teorema do Valor Intermediário, existe c e (xo, x1) tal que
x 1
J N(x)f<2)(?(x)) dx
X = = f (2)(c).
J N(x) dx
x o
Observação: Suponha que f(2)(x) não seja constante e que existam a1 e b1 em [a, b] tais
que f(2)(x1) = f(2)(xmin) e f(2)(x2) = f(2)(xmax), onde x1 = x(a1) e (a, b) e x2 = x(b1) e (a, b).
Sabe-se que x(x) e (a, b), " x e [a, b], e f(2)(xmin) £ f(2)(x(x)) £ f(2)(xmax). Então, da
observação anterior, segue-se que f(2)(x1) £ l £ f(2)(x2). Do Teorema do Valor
intermediário, existe c e[ x1 , x2] ou c e[ x2 , x1], logo c e (a, b), tal que f(2)(c) = l. As
demais desigualdades: f(2)(xmin) < l < f(2)(xmax); f(2)(x1) £ l < f(2)(xmax) e f(2)(xmin) < l £
f(2)(x2) conduzirão ao mesmo resultado.
137
Cálculo Numérico
Observação: Se /(2)(x) for constante então /(2)(c) = l, qualquer que seja c e (a, b).
Observação: Seguindo o mesmo procedimento adotado nas demonstrações anteriores e

utilizando a versão do Teorema do Valor Intermediário exibido na primeira observação
da Seção 5.1, pode-se demonstrar o seguinte resultado mais geral:
bb
f Q(x)g (x) dx = g (c)f Q(x) dx, onde g: [a, b] c R ® R é uma função contínua e
aa
W(x) é uma função integrável com W(x) > 0 (ou W(x) £ 0) para todo x e [a, b].
Voltando à expressão do erro de integração da Regra do Trapézio, tem-se que

xf (x—x )(x—x )f<2)(?(x)) f 2 (c) x
1
( ) 1
E = 0
2
1
dx = J (x-x )(x-x ) dx. 0 1
Et
x
= J
0
! 2 x 0
Utilizando, novamente, a troca de variáveis: x = x0 + uh, obtém-se que

3 21
f (2)(c) 1 h3f (2)(c) h3 f(2)(c)
Et = 2
20
J
(uh)(u — 1 )h hdu =
2
u
3
u
2 0
12
onde c e (a, b).
Observação: Da fórmula do erro de integração anterior, segue-se que a Regra do

Trapézio é exata (possui erro nulo) para funções constantes e para polinômios de grau
um; porque nestes casos a derivada segunda de f é igual a zero.
A Regra Repetida do Trapézio
A Regra Repetida do Trapézio consiste em dividir o intervalo [a, b] em m subintervalos

de mesmo comprimento h = (b - a)/m e aproximar a função f por um polinômio de
Lagrange de grau 1, p(1i)(x ), em cada subintervalo [xi-1, xi], onde xi = x0 + ih,
1 £ i £ m; x0 = a e xm = b.
Desta forma,
b m xi x m i m
J f (x) dx = É f f (x) dx
a i= 1 xi— 1
Éf p (x) dx = É 22[f (x )+ f (x )].
i =1 xi—1
1)
i =1
i—1 i
Observação: a integral do polinômio p1"( x) é deduzida de forma análoga à dedução

feita para a Regra simples do Trapézio. Basta trocar x0 por xi-1 e x1 por xi.
138
Cálculo Numérico
A Regra Repetida do Trapézio pode ser reescrita como:
m-1
Itr = (h/2) {fX) + 2 S f (X )
i=1
i + fX)}.
De acordo com a fórmula do erro para a Regra simples do Trapézio, o erro de

h3f(2)(ci)
integração, em cada intervalo [xi-1, xi], será dado por onde ci e (xi-1, Xi), 1
12
£ i £ m. Portanto, o erro da Regra Repetida do Trapézio é dado por
m
ETR = S- hW
i=112
C >=_ h. i
12 =^' ( 1)
)=_ mh3 f
i 12
fc c)
onde c e (a, b).
Observação: A última igualdade na fórmula do erro da Regra Repetida do Trapézio é

consequência do Teorema do Valor Intermediário. De fato,
m m
mf<2)( Xmin) < S f<2)( c ) < mf<2)( X )
i=1
i max ) < - S f ’2)(c ) < f<2)(X ) •
f ’2)(Xmin
m i =1
i max
Estimativa do erro na Regra dos Trapézios
mh3|f c)| mh3

Note que |ETR| = < máX |f(2)(x)|;x G[a, b]}.
12 12
Esta estimativa do erro será utilizada em um problema apresentado a seguir. A história

deste problema começa em 2004, quando eu era o tutor do Programa de Educação
Tutorial (PET) da Matemática - Universidade Federal de Uberlândia (UFU).
Naquela ocasião, eu recomendei aos integrantes do PET-Matemática que submetessem

trabalhos para a Semana Acadêmica da UFU. Aconselhei aos alunos que, quando
fossem elaborar os seus resumos, priorizassem temas relacionados a aplicações da
matemática e à disciplina de Cálculo Numérico. Estávamos dando continuidade ao
projeto “A Matemática é Boa Temática”, que fora iniciado em 2003 com a realização de
um concurso (com o mesmo título anterior) que foi vencido pela aluna da Faculdade de
Matemática (FAMAT) da UFU, Giovana Trindade, com o projeto interdisciplinar: “A
Biomatemática aplicada à herança da cor da pele no homem”. A premiação fora feita no
dia 27 de novembro de 2003, no anfiteatro do bloco B, na UFU, durante o coquetel de
encerramento da Terceira Semana de Matemática da FAMAT.
Os trabalhos produzidos, em 2004, pelos alunos do PET, Carolina Fernandes Molina

Sanches, Éliton Meireles de Moura, Fabiana Alves Calazans, Flaviano Bahia Paulinelli
Vieira, Gisliane Alves Pereira, Jairo Menezes e Sousa, Laís Bassame Rodrigues,
Leandro Cruvinel Lemes, Maksuel Andrade Costa, Rafael Peixoto, Sandreane Poliana
Silva e Wagner Frasseto, ainda estão guardados juntamente com outros documentos da
139
Cálculo Numérico
época em que fui tutor do PET (de agosto de 2001 a dezembro de 2005). Ótimas
recordações!
Por envolver integração numérica, o problema apresentado pela aluna Gisliane Alves
Pereira, em 2004, na Semana Acadêmica da UFU, foi selecionado para compor este
texto (Infelizmente, ao abrir o arquivo com a apresentação do problema, verifiquei que a
aluna se esqueceu de incluir as referências bibliográficas!).
Problema 2. (Regra dos Trapézios) O Serviço de Proteção ao Consumidor (SPC) tem

recebido muitas reclamações quanto ao peso real do pacote de 5 Kg de açúcar vendido
nos supermercados. Para verificar a validade das reclamações, o SPC contratou uma
firma especializada em estatística, que se dispôs a fazer uma estimativa da quantidade
de pacotes que realmente continham menos de 5 Kg. Como é inviável a repesagem de
todos os pacotes postos à venda, a firma responsável pesou uma amostra de 100 pacotes
1n
e concluiu que o peso médio dos pacotes de açúcar era igual a x = / x. = 4.991 Kg
n i=1
1 n 2
e o desvio padrão era S = - /
n- 1 i =1
(x — x. )2 = 0.005 Kg (Os pesos xi dos pacotes da
i
amostra não foram disponibilizados). Considere que a variável peso tenha distribuição
normal e determine qual a probabilidade de se achar, no mercado, um pacote de açúcar
com peso abaixo do peso nominal (com peso inferior a 5 Kg). Observação: A integração
numérica deve ter erro inferior a 10-6.
Solução do Problema 2: Lembre-se de que uma distribuição normal tem expressão

e <? r
1
dada por f (x) = . O gráfico de f(x) está exibido na Figura 4. Note que
W2P
este gráfico é simétrico em relação à média (x). Como òf (x)dx = 1 então
X O0
J f (x) dx = jf (x )dx = 0,5 •
140
Cálculo Numérico
eixo x
Figura 4 - Módulo 3: Gráfico da função Gaussinana f(x)
xo
A integral de f(x) dá a frequência acumulada, ou seja, F(xo ) = òf (x)dx é a
probabilidade de que x assuma um valor menor do que ou igual a xo. No problema em

5 i -i ( x-4,99i)2
questão, o que se deseja é determinar F(5) = -
O, OO5 V 2n
I
e 2' O-Oi15 I dx .
Tendo em vista o que foi exposto anteriormente, tem-se que F(5)

5 -F x -4,99i^2
O,5 + í i
e
2 (
O,OO5 I dx . Fazendo a mudança de variável:
Jx O, OO5 V2n
-i 2
x —x x — 4,99i i “2T z dz .
z = S = O,OO5 tem-se que F(5) = o'5 '—n Ie
Para que o valor da integral anterior tenha erro inferior a iO-6, é necessário calcular o
número de subintervalos, m, do intervalo [a, b] = [o, i.8] de modo que
mh3f 2)( c)| m h3

|ETR| = <
12~
máx{|f(2)(x)|;x e [a, b]} < io-6.
i2
Observe que
i4i
Cálculo Numérico
f(z) = exp(- 0.5z2) f '(z) = - z.exp(- 0.5z2) f (2)(z) = (z2 - 1).exp(- 0.5z2)
— f (3)(z) = (3z - z3).exp(- 0.5z2). Portanto, f (3)(z) = 0 se, e somente se, z = 0 ou

z = 31/2 ou z = - 31/2. Assim,
máx{\f (2)(z)|; z e [0, 1.8]} - máx{\f (2)(0)|; |f (2)(1.8)|; |f (2)(- 31/2)|; |f (2)(31/2)| } = 1.
Como h = (1.8 - 0)/m, segue-se que
mh3
máx{ |f2)(x) | ;x G [0, 1.8]} - m2 (1.8)3 (1/12) < 10-6 m2 > 0.486 x 106
12
m > 697.1370023 • m - 698.
O valor aproximado da integral, utilizando a Regra Repetida do Trapézio com 698

subintervalos, é dado por 1.16324999. Desta forma, F(5) - 0.964069603.
Através do resultado obtido anteriormente, pode-se concluir que existe uma

probabilidade de 0,9641 ou 96,41% de se achar um pacote de açúcar com menos de 5
Kg, ou seja, 96,41% dos pacotes vendidos nos mercados estão com peso abaixo do peso
nominal. □
Observação: O código computacional com a Regra dos Trapézios, desenvolvido em

Octave, será exibido a seguir.
%Regra dos Trapézios
clear
%a-input('de o extremo inferior do intervalo de integraccao: a-');

%b-input('de o extremo superior do intervalo de integraccao: b-');
a - 0;
b - 1.8;
%m-input('de o numero de subintervalos do intervalo [a,b]: m-');
m - 698;
h-(b-a)/m; %espaçamento entre os pontos
for j - 1:m+1
x(j) - a + (j-1)*h;
y(j) - f_trap(x(j)); %vetor que armazena os pontos relativos à função integrada
end
142
Cálculo Numérico
%Regra dos Trapezios
soma = o;
forj = 2:1:n
soma = soma + y(j);

end
I_TR = (h/2)*(y(1)+ 2*soma + y(m+1));
fprintf('O valor da integral, obtido pela Regra dos Trapezios, eh dado por %12.8f\n',
I_TR);
%Fim da rotina
A função f_trap(z) tem que ser definida no arquivo f_trap.m. O conteúdo deste arquivo
é o seguinte:
function g = f_trap(z)
g = exp(-o.5*z*z);
%Fim da rotina.
5.2 Regra de Simpson: Simples e Repetida
Na Regra de Simpson simples, a função f: [a, b] c R ® R será aproximada pelo

polinômio de Lagrange de grau 2, sobre os pontos de interpolação igualmente espaçados
x0 = a, x1 = (a + b)/2 e x2 = b. Observe que o espaçamento entre os pontos é dado por
h = (b - a)/2. Para a dedução da fórmula do erro na Regra de Simpson, a função f
deverá possuir derivada quarta contínua no intervalo fechado [a, b].
A partir das considerações anteriores, tem-se que

x x
J f(x) dx =J p (x) dx +J ( x - x )( x - x )(3x! - x ) f ( x )) dx,
b 2 2
o 1 2 (3)(^
2
a x o x o
onde x(x) e (a, b), " x e [a, b]. A Regra de Simpson, IS, será obtida da integral de
P2(x) = f(xo)Lo(x) + f(x1)L1(x) + flx)L2(x), onde
Lo(x) =
( x - x )( x - x )
1 2 . L (x)
; L1(x)
( x - x )( x - x )
o 2
e L2(x) =
( x - x )( x - x )
o 1
( xo- x1)( xo- x2) ( x -x )( x -x )
1 o 1 2 ( x -x )( x -x )
2 o 2 1
Utilizando a mesma troca de variáveis exibida no início da Seção 5.1, x = xo + uh,

x2 2
obtém-se que J p2( x) dx = J p2( xo+uh) h du.
x o o
143
Cálculo Numérico
Note que
p2(x0 + uh) = f(xo)Lo(xo + uh) + f(x1)L1(xo + uh) + f(x2)L2(xo + uh) =
f(x0)
(u——1h)(h—(u2h— ) )h 2 +
f(x1)
) uh u 2 h +
h (—h)
(—)
fx2)
) uh u 1 h
2h(h) ’
(—)
Assim,
x
f p ( x ) dx = f(2x ) f (u-1 )(u-2)h du - f (x )f u(u-2)h du
2
2 o 1
x 0 0 0
+ (2) f u(u—1) h du.

f x2
0
Agora, observe que
2 32 2 = 2h/3;
f
0
32
(u—1 )(u—2)hdu = h(Y —y-+2u)
0
2 3 22 32 2
f u (u — 2) hdu =
03
h (u—u2) = - 4h/3 e f u(u — 1 )h du = h (u— u)
32
= 2h/3.
00 0
Portanto, Is = fx2 p (x) dx = 3[f (x ) + 4f (X ) + f (x )].

2
h
o 1 2
0x
Para se demonstrar a fórmula do erro na Regra de Simpson, vamos utilizar a seguinte
igualdade que foi deduzida na Seção 4.4 (3a estimativa para o erro de interpolação):
f(2+1)(è( x))
= f[x0, xi, x2, x]. Desta forma,
(2 + 1)!
Es = ffx ( x — x )( x — x )(3x!— x ) f (3 )(^( x ))

2
0 1 2 d
x
x
2
fN(x)f [x ,x ,x ,x] dx.

0 1 2
x 0 x
0
Utilizando integração por partes com u = f[x0, x1, x2, x] e dv = N(x) dx, obtém-se v =
x x2
W(x) = f N(t) dt. Assim, Es = fXo, xb x2, x] W(x) g - f f'[x0, x1, x2, x]W(x) dx.
x0 x0
Pode-se mostrar que: (i) N(x1 - t) = - N(x1 + t), para qualquer número real t; (ii) W(x) >
f W(g( x))
0 para todo x e [xo , x2]; (iii) W(xo) = W(x2) = 0; (iv) f'[x0, xh x* x] = (4)! ,
com X(x) e (xo, x2).
Observação: Os itens anteriores serão demonstrados logo após a dedução da fórmula do

erro da Regra de Simpson.
144
Cálculo Numérico
De acordo com os itens anteriores e utilizando-se o resultado que foi apresentado na 6a
Observação da Seção 5.1, segue-se que
f[4)(t(c)) 'c -<4)(è(c)) xc

4! ( )
ES = - - (-p---- J
x 0
W(x) dx =
()
- (-p—
4!
J
x0
(x - x0)N(x)dx-
Na última igualdade foi utilizada integração por partes com u = W(x); dv = 1dx; du =
W'(x) = N(x) e v = (x - x0). Fazendo a troca de variáveis x = xq + uh, obtém-se que
2 2
-(4)(C) h5 - (4)(C)
ES =
(4)!
J
q
uh h3u(u - 1)(u - 2) hdu =
24
J
q
u2(u2 - 3u + 2) du
2
h - (4)(C) u 5 3u4 2u3 -h5-(4)(C)
ES = com C e (xq, x2).
24 5 43 q 9q
Observação: De acordo com a fórmula do erro anterior, a Regra simples de Simpson é

exata (ES = q) para polinômios de grau até 3 porque, nestes casos, - (4)(x) = q para todo
número real x.
Propriedades importantes e suas demonstrações
Propriedade 1: N(x) = (x - xo)(x - xi)(x - x2) — Nfa - t) = - Nfa + t), " t e R, se

os pontos forem igualmente espaçados, ou seja, xi = xq + ih, h = (b - a)/2, 1 £ i £ 2.
Demonstração: N(x1 - t) = (x1 - t - xq)(x1 - t - x1)(x1 - t - x2) = (h - t)(- t)(- h - t) = -

(- h + t)(t)(h + t) e N(x1 + t) = (x1 + t - xq)(x1 + t - x1)(x1 + t - x2) = (h + t)(t)(- h + t).
Portanto, N(x1 - t) = - N(x1 + t).
Propriedade 2: W(x) = J
xq
N(t) dt > 0, " x e (xq, x2).
Demonstração: Se xq £ x £ x1 então xq £ t £ x £ x1. Assim, N(t) = (t - xq)(t - x1)(t - x2) >

q - W(x) > q. Agora, considere q < s = x - x1 e x1 < x £ x2. Assim, utilizando trocas
de variáveis convenientes e a propriedade 1, obtemos que
x1-s x1 x x1-s q
W(x) = J N(t) dt + J N(t) dt + J N(t) dt = J N(t) dt - J N(xi - T) dT +

xq x1-s x1 xq s
145
Cálculo Numérico
x1-s x1-s
J N(x1 + T) dT = J N(t)dt + J
0
N(x1 - T) dT - J
0
N(xi - T) dT = J N(t)dt > 0,
0 x0 x0
pois xo £ xi - s < xi. □
Propriedade 3: W(xo) = W(x2) = 0.
x0 xi x2
Demonstração: W(xo) = J
N(t) dt = o; W(x2) = N(t) dt + J
N(t) dt. Fazendo a J
xo xo xi
troca de variáveis t = xi - T, na primeira integral, e t = xi + T, na segunda integral,
obtém-se que
o h h h
W(x2) = - J
h
N(xi - T) dT + J
o
N(xi + T) dT =
o
J N(xi - T) dT +
o
J N(xi + T) dT = o,
pela propriedade 1. □
Propriedade 4: Suponha que f tenha derivada quarta contínua em [a, b] e que os pontos
distintos dois a dois x, xo , xi e x2 pertençam ao intervalo [a, b]. Então
f14|(g( x))
f'[x0, x1, x2, x] = com X(x) e (a, b).
(4)!
Para facilitar a demonstração da propriedade 4, serão apresentados e demonstrados

alguns lemas sobre a forma integral da diferença dividida.
Como motivação, suponha que f satisfaça as condições do Teorema do Valor Médio
(veja as referências na Seção 3 do Módulo i). Então f[xo, xi] = [f(xi) - f(xo)]/(xi -xo) =
f'(c), com c entre xo e xi. Logo, c = xo + t (xi - xo), onde o < t < i. Note que
òf'(xo + t (xi - xo)) dt = 1 f(xo + t (xi - xo)) 0 = f[xo, xi].

o (xi-xo)
Voltando à Seção 4.3 deste módulo, depois da primeira observação daquela seção, note
i f (x2)-f (xo) f (xi)-f (xo)
que d2 = f[x0, xu xz] = __
x2 xi x2-xo- xi-xo
. Através de um
raciocínio análogo ao do parágrafo anterior, obtém-se que

1
1
d2 = f[xo, x1, x2] = ò{f'(xo + t1 (x2 - x0)) - f'(xo + t1 (x1 - xo))} dt1.
( x -x )
2 1 o
Observe que
(i) f'(xo + t1 (x2 - xo)) = f'(xo + ti (x2 - x1 + x1 - xo)) = f'(xo + t1 (x1 - xo) + t1(x2 - x1));
(ii) f'(xo + t1 (x1 - xo)) = f'(xo + t1 (x1 - xo) + o (x2 - x1)).
146
Cálculo Numérico
1 t1
Assim, f[x0, x1, x2] = òòf”(x0 + h (x - x0) + t2 (x2 - x^) dt2 dtu Em geral, tem-se o
i
00
Lema 1. Suponha que f seja derivável até ordem n em [a, b] e que xi e [a, b], 0 £ i £ n,
sejam pontos distintos dois a dois. Então
f[x0, xi, x2, ..., xn] =
i ti tn-i
••• J J J
f'n)(X0 + t1(X1 - X0) + t2 (X2 - X1) + ...+ tn (xn - Xn-1)) dtn...dt2 dt1.
0 0 0
n
Demonstração: Primeiro observe que a x0 + E t (x -X
i=1
i i --1H b> pois 0 £ tn £ tn-1 £
nn
... £ t2 £ t1 £ 1 e x0 + E ti(x-xi 1) = E aixi, onde 0 £ a = 1 - b; 0 £ a = t - t ,
i=1
-
i=0
o ,- i i+1
n
1 £ i £ n - 1 e 0 £ an = tn; logo E ai = 1. Além disto, pelo Teorema 2 da Seção 4.3,
i=0
tem-se que f[x0, x1, x2, ..., xn-2, xn-1] = f[xn-1, x0, x1, x2, ..., xn-2] e f[xn-1, x0, x1, x2, ..., xn-2, xn] =
f[x0, x1, x2, ..., xn-2, xn-1, xn].
Observe, também, que utilizando a Regra da Cadeia para calcular a derivada de

f(n-1) (x0 + t1(x1 - x0) + t2 (x2 - x1) +...+ tn (xn - xn-1)) com respeito à variável tn, e
utilizando o Teorema Fundamental do Cálculo, obtém-se que
tn-1
J
f (n)(x0 + t1(x1 - x0) + t2 (x2 - x1) + ...+ tn (xn - xn-1)) dtn =
0
n-1 tn-1
1
-
xn xn-1
n ( + E t ( x -x
f < -1) x0
i=1
i i i-1 ) + tn( xn-xn-1))
0
Agora, como hipótese de indução, suponha que as diferenças divididas de ordem n - 1

satisfaçam a fórmula integral (antes do enunciado do lema, foi mostrado que a fórmula
integral é válida para diferenças divididas de ordens 1 e 2). Assim,
1 t1 tn-1
Ò ò
0 0
...
0
Ò f(n)(x0 + t1(x1 - x0) + t2 (x2 - x1) + ...+ tn (xn - xn-1)) dt„...dt2 dt1 =
1 t1 tn-2 n-1 tn-1

1
J J-J x - x
0 0 0 n n-1
(n
( x0 + E t (x -x ) + t ( x -x ))
i=1
i i i-1 n n n-1
0
dtn-1 ...dt2 dt1
1 t t 1 n- 2 n-2
JJ-J x -1x
0 0 0 n n-1
(n-1)(x0 + E t ( x -x ) + t ( x -x
i=1
i i i-1 n-1 n n-1 + xn-1-xn-2 )) dt n-1 -dt2 dt1
147
Cálculo Numérico
t t
1 1 n_ 2 n_2
“ JJ'"J T_JX f(n 1 ( X + S t ( x _ X )+ t ( X _ X )) dt -dt dt =

X _X
_ ) 0 i i i_1 n_1 n_1 n_2 n-1 2 1
0 0 0 n n_1 i=1
1 t t 1 1 n_2 n_2
JJ'"J T_X f n 1 ( X + S t ( X _ X ) + t ( X _ X )) dt -dt dt

X _X
_ ) 0 i i i_1 n_1 n n_2 n-1 2 1
0 0 0 n n_1 i=1
1 t t 1
1 n_2 n_ 2
- JJ'"J X_X f<n 1 ( X + S t ( X _ X )+ t ( X _ X )) dt -dt dt =

X _X
_ ) 0 i i i_1 n_1 n_1 n_2 n-1 2 1
0 0 0 n n_1 i=1
= (f[X0, X1, X2, Xn-2, Xn] - f[Xo, X1, X2, Xn-2, Xn-1])/(Xn - Xn-1) = fiXn-1, Xo, X1, X2, Xn-2, Xn]
= f[Xo, X1, X2, Xn-2, Xn-1, Xn]. ■
Lema 2. Suponha que f seja uma função real derivável até ordem n + 1 e que satisfaça
as seguintes condições: (i) f (k)(0) = 0, para todo k tal que 0 £ k £ n; (ii) f(1) = 1. Então
1 t11tnn
J J ... J f (n + 1)(tn+1) dtn +1dtn...dt2 dt1 = 1.
0 0 0
Demonstração (por indução finita): Se n = 1 então: f(0) = 0; f'(0) = 0 e f(1) = 1.

Assim,
1 t1 1
J J
0 0
f (2)(t2) dt2 dt1 = J
0
[fft) - f(0)]dt1 = f(1) - f(0) = 1.
1 t1 tn_1
Considere a seguinte Hipótese de Indução: J J
0
... J f (n)(tn) dtn dtn...dt2 dt1 = 1, se
00
(i) f (k)(0) = 0, para todo k tal que 0 £ k £ n - 1; (ii) f(1) = 1. Desta forma, se f (n)(0) = 0,
1 1tn
t t1
1 tn-1
J J .. J f (n+1)(tn+1) dtn+1dtn...dt2dt1 =
J J ••• J ]t n
t n+1)) 0 dtn...dt2dt1 =
0 0 0 0 0 0
1 t1 tn-1 1 t
1 t n-1
J J0
0
ò
... 0 [f (n)(tn) - f (n)(0)] dtn...dt2dt1 = J J
0
... J
f (n)(tn) dtn...dt2dt1 = 1. ■
00 00
1 t1 tn
Lema 3. J
0
J ... J dtn +1dtn...dt2 dt1 = 1/(n + 1)!.
00
148
Cálculo Numérico
Demonstração: Seja f(t) = tn+ então f í-k>(t) = (n + 1)(n)...(n + 2 - k) tnn+1e (n + 1)! =
f (n+1)(t). Desta forma: (i) f (k)(0) = 0, para todo k tal que 0 £ k £ n ; (ii) f(1) = 1. Portanto,
pelo Lema 2,
1 t1 tn 1 t1 tn
J J •• J f(n+1)(t n+1) dtn+1dtn...dt2dt1 = 1 J J .. J dtn+1dtn...dt2dt1, = 1/(n + 1)! □

0 0 0 0 0 0
Com auxílio dos lemas anteriores já é possível demonstrar a Propriedade 4.
Demonstração da Propriedade 4: De acordo com o Lema 1, tem-se que
1 t1 t2
f[xo, X1, X2, x] = J J J f (3)(xo + t1(X1 - Xo) + Í2 (X2 - X1) + Í3 (x - X2)) dt3 dt2 dt1.
000
Como f tem derivada quarta contínua então é possível derivar a diferença dividida com
respeito à variável x. Desta forma,
1 t1 t2
f'[Xo, Xi, X2, x] = J J J f (4)(xo + t1(X1 - Xo) + Í2 (X2 - X1) + Í3 (x - X2)) Í3 dt3 dt2 dt1.
000
Sabendo que t3 > 0 e que f (4) é contínua em [a , b], o Teorema do Valor Intermediário
pode ser aplicado (veja a 6a Observação da Seção 5.1) sucessivamente para se obter:
1 t1 t2
f'[X0, Xi, X2, X] = J J
f (4)(Xo + t1(X1 - Xo) + Í2 (X2 - X1) + C3 (X - X2)) Í3 dt3 dt2 dt1 = J
o o o
1 t1
Jf (4)(xo +t1(X1 - xo) + C2 (X2 - X1) + C3 (x - X2)) F(t2) dt2 dt1 = J
oo
1
= f (4)(xo + C1(X1 - Xo) + C2 (X2 - X1) + C3 (x - X2)) J o

F(ti) dt1 =
1 t1 t2 1 t1 t2 t3
= f (4)(x(X)) J J J t3dt3 dt2 dt1 = f (4)(x(X)) J J J J dt4 dt3 dt2 dt1 =
f(4)(^( X))
o o o o o o o (4)!
de acordo com o Lema 3. □
t2
Observações: Na demonstração da Propriedade 4, tem-se que F(t2) = J t3 dt3 > o e
o
t1
F(t1) = J F(t2) dt2 > o; C3 e (o, t2), c2 e (o, t1), C1 e (o, 1) e X(x) = xo + cx(xx - xo) +
o
C2 (X2 - X1) + C3 (x - X2) X(x) e (a, b).
149
Cálculo Numérico
A Regra Repetida de Simpson
A Regra Repetida de Simpson consiste em dividir o intervalo [a, b] em um número par,

m, de subintervalos de mesmo comprimento h = (b - a)/m, construir os pontos
igualmente espaçados xi = x0 + ih, 1 £ i £ m, com x0 = a e xm = b, e aproximar a função
f por um polinômio de Lagrange de grau 2, p(2i)(x ), em cada subintervalo [x2i-2, x2i],
onde 1 £ i £ m/2.
b x
m/ 2 2i
Desta forma, J f (x) dx =È xJ f(x) dx

a i=1
x 2i-2
m/2 2i m/ 2
È J p ( x ) dx = È 33 [f ( X )+ 4f ( x ) + f ( X )] .
i=1 x2i -2 2) i=1 2i-2 2i-1 2i
Observação: a integral do polinômio p2\x) é deduzida de forma análoga à dedução

feita para a Regra simples de Simpson. Basta trocar x0 por x2i-2, x1 por x2i-1 e x2 por x2i.
A Regra Repetida de Simpson pode ser reescrita como:
m /2 (m/ 2)-1
Isr = (h/3){f(xo) + 4 È f (X
i=1
2i-1) +2 È
i=1
f (X2i ) + f(Xm)}-
De acordo com a fórmula do erro para a Regra simples de Simpson, o erro de

h5f(4)(Ci)
integração, em cada intervalo [x2i-2, x2i], será dado por onde Ci e (x2i-2,
90
x2i), 1 £ i £ m/2. Portanto, o erro da Regra Repetida de Simpson é dado por
m/2
È- h flc) = hL È
fW(C)
mh5 f 4 \C)
onde C e (a, b).
ESR =
i=1 90 90 È f ( i) 180
Observação: A última igualdade na fórmula do erro da Regra Repetida de Simpson é

consequência do Teorema do Valor Intermediário. De fato,
m/2
(m/2) f(4)(x mn) < È f (4)(C ) < (m/2) f <4)(X )

i=1
i max
m /2
f <4)( X ) < —m È f<4 )(C ) < f<4)( X ) •

mn
i=1
i max
150
Cálculo Numérico
Estimativa do erro na Regra Repetida de Simpson
mh5|f*4 )(c)|
Note que |ESR| =
180
< m80máx f 4)(x)l;x e[a>b]}•
Exemplo 11. (Estimativa de Erro na Regra de Simpson) Utilizando a função de

integração do Problema 2 da Seção 5.1, será determinado o número de subintervalos
para se obter erro de integração inferior a 10-6, com a Regra de Simpson.
1 1.8 -1 z 2
Naquele problema, o objetivo era calcular o valor de F(5) = 0,5 + e 2 dz .
V2 n o
Para que o valor aproximado da integral tenha erro inferior a 10-6, é necessário calcular
o número de subintervalos, m, do intervalo [a, b] = [0, 1.8] de modo que
|£sr| 1c( )l < m80máx f 4)(x )|;x e[ a,b ]}

=mh 180 c < 10-6.
Observe que
f(z) = exp(- 0.5z2) f '(z) = - z.exp(- 0.5z2) f (2)(z) = (z2 - 1).exp(- 0.5z2)
f (3)(z) = (3z - z3).exp(- 0.5z2) — f (4)(z) = (3 - 6z2 + z4).exp(- 0.5z2) — f (5)(z)
= (- 15z + 10 z2 - z5).exp(- 0.5z2). Portanto, f (5)(z) = 0 se, e somente se, z = 0 (as

outras raízes são números complexos - Verifique!). Assim, máx{|f (4)(z)|; z e [0, 1.8]}
= máx{|f (4)(0)|; |f (4)(1.8)|} = 3. Como h = (1.8 - 0)/m, segue-se que
m^máx(|f(4\x)|;x g[0,1.8] } = m'4(1.8)5(1/180) < 10-6 - m4 > (1.8)4 x 104

180
m > 18 — m = 20, pois m deve ser um número par.
Comparando este valor de m (número de subintervalos) com o obtido pela Regra dos
Trapézios (698 subintervalos) fica evidente que a Regra de Simpson é mais eficiente do
que a Regra dos Trapézios. O valor aproximado da integral, utilizando a Regra Repetida
de Simpson com 20 subintervalos, é dado por 1.16325015147918. Se fossem utilizados
698 subintervalos, o valor obtido seria 1.16325018351050. O valor aproximado da
integral, utilizando a Regra dos Trapézios com 698 subintervalos, é igual a
1.16324998610089.
Observação: O código computacional com a Regra Repetida de Simpson, desenvolvido

em Octave, será exibido a seguir.
151
Cálculo Numérico
%Regra de Simpson (1/3)
clear
a=input('entre com o valor do extremo inferior da integral: a=');

b=input('entre com o valor do extremo superior da integral: b=');
n=input('entre com o numero de subintervalos do intervalo [a,b]: n(par)=');
h=(b-a)/n; %espaccamento entre os pontos
for j = 1:n+1
x(j) = a + (j-1)*h;
y(j) = f_simp(x(j));
end
%Regra de Simpson
soma_p = 0;
soma_imp = 0;
for j = 2:2:(n-2)
soma_p = soma_p + y(j);
soma_imp = soma_imp + y(j+1);
end
IS = (h/3)*(y(1)+4*(soma_p+y(n))+2*(soma_imp)+y(n+1));
fprintf('O valor da integral, obtido por Simpson, eh dado por %12.8f\n', IS);
%Fim da rotina
A função f_simp(z) tem que ser definida no arquivo f_simp.m. O conteúdo deste
arquivo é o seguinte:
function g = f_simp(z)
g = exp(-0.5*z*z);
%Fim da rotina.
152
Cálculo Numérico

de exercícios
Em praticamente todos os exercícios desta lista você precisará lidar com polinômios;
portanto, é fundamental que você recorde a teoria vista sobre este assunto na disciplina
Fundamentos da Matemática Elementar I.
Esta lista contém exercícios referentes ao conteúdo do Módulo 3: Ajuste de Curvas,

existência e unicidade do polinômio interpolador; Polinômio de Lagrange; Polinômio de
Newton com Diferenças Divididas; Regra dos Trapézios e Regra de Simpson. Você tem
que se esforçar para tentar fazer todos os exercícios.
Terceira Lista de Exercícios
1) Uma função da forma j(x) = y*/(b.e(-ax) + 1) (y*: constante dada; a e b: parâmetros a

serem determinados) é utilizada para ajustar os pontos (xi, yi) de uma tabela; j(xi) »yi.
Este é um modelo não linear de ajuste de curva. Para simplificar o ajuste, será utilizado
o método dos quadrados mínimos (MQM) em um problema linearizado, ou seja, será
preciso modificar os pontos da tabela, levando-se em consideração os pontos zi = T(yi).
(i) Obtenha a linearização, T, adequada para este problema.
(ii) O sistema linear resultante terá quantas equações? Justifique .
2) Considere os pontos a seguir.
x -1.0 0.0 1.0 2.0

f(x) 1.7321 1.0 1.7321 3.0
Estes pontos serão ajustados por uma função do tipo Q(x) = Q(x; a, b) = a (1 + bx2)1/2.
Observe que Q(x) não é linear nos parâmetros a e b. Para que o Método dos Quadrados
Mínimos - modelo linear - seja utilizado, deve-se linearizar o problema.
i) Justifique por que a transformação T(y) = y2 é adequada para linearizar o problema.

Quais serão os novos parâmetros?
153
Cálculo Numérico
ii) Calcule somente o vetor de termos independentes do sistema linear do problema
linearizado (se Ax = b então b é o vetor de termos independentes).
iii) Estime o valor de f(1.5) sabendo que p1 = 1.000113 e p2 = 1.99998 são os

parâmetros do problema linearizado associados às funções g1(x) = 1 e g2(x) = x2,
respectivamente.
3) Uma função da forma j(x) = 20 + [1/(a + bx)] é utilizada para ajustar os pontos
(xi, yi) de uma tabela; j(xi) » yi. Este é um modelo não linear de ajuste de curva. Para
simplificar o ajuste, será utilizado o método dos quadrados mínimos (MQM) em um
problema linearizado. Será preciso modificar os pontos da tabela, levando-se em
consideração os pontos zi = T(yi).
(i) Obtenha a linearização, T, adequada para este problema.
(ii) O sistema linear resultante terá quantas equações? Justifique.
4) Considere os pontos tabelados a seguir.
x o 1 2 3 4 5 6
y 32 47 65 92 132 190 275
O ajuste dos pontos será feito por uma função do tipo j(x) = abx. Observe que jnão é
linear nos parâmetros a e b. Para se utilizar o modelo linear do método dos quadrados
mínimos será preciso obter uma linearização. Neste caso, a linearização adequada é a
função ln(y).
(i) Calcule os termos independentes associados ao problema linearizado.
(ii) Resolvendo o sistema linear, obtemos (VERIFIQUE) os novos parâmetros b1 =

3.4704 e b2 = 0.3555 associados às funções g1(x) = 1 e g2(x) = x, respectivamente.
Obtenha uma estimativa para y(7).
(iii) Utilizando uma função exponencial do tipo y(x) = axb para ajustar os pontos da
tabela anterior obtemos a = 38.83871 e b = 2.61978, pelo método dos quadrados
mínimos não linear. Explique por que esta função não é adequada para ajustar os pontos
tabelados.
154
Cálculo Numérico
5) Considere os pontos a seguir.
X -1.0 0.0 1.0 2.0

f(x) 20.5 21.0 20.5 20.2774
Estes pontos serão ajustados por uma função do tipo Q(X) = Q(X; a, b) = 20 +
1 _
2 . Observe que Q(x) não é linear nos parâmetros a e b. Para que o modelo
a v1 +bx2
linear do Método dos Mínimos Quadrados seja utilizado, deve-se considerar uma
transformação adequada.
(i) Use a transformação T(y) = 1/(y-20)2 para linearizar o problema. Quais serão os
novos parâmetros associados à família de curvas do tipo T(Q(X))?
(ii) Calcule somente os termos independentes do sistema linear do problema linearizado.
(iii) Estime o valor de f(3.0), sabendo que p1 = 1.00077946 e p2 = 2.9987009 são os

valores dos parâmetros do problema linearizado, associados às funções g1(X) = 1 e
g2(X) = X2, respectivamente.
6) Dada a tabela
X 0.00 0.10 0.50 1.00 1.50

f(x) 2.00 2.22 3.72 8.39 21.08
suponha que o ajuste dos pontos seja feito pelo Método dos Quadrados Mínimos
(MQM) com uma função do tipo Q(X) = Q(X; a1, a2) = a1g1(X) + a2g2(X). Faça o
diagrama de dispersão e indique qual das funções abaixo fornecerá o melhor ajuste: a)
g1(X) = 1 e g2(X) = eX; b) g1(X) = 1 e g2(X) = 1/X; c) g1(X) = 1 e g2(X) = sen(X).
Justifique a sua resposta.
k
7) Considere a seguinte função f(k) = £i .
i=1
Note que f(1) = 1 e f(2) = 1 + 2 = 3.
(i) Atribua valores para k e construa o polinômio de Lagrange de grau dois que interpola
a função f. (ii) Sabendo-se que f(k) = % k(k+1), obteríamos resultados melhores se
interpolássemos f utilizando um polinômio de Lagrange de grau 3?
8) O polinômio de Lagrange, de grau n, que interpola uma função real f: R ® R nos

n
pontos X0, X1, ..., Xn é dado por pn(X) = £ f ( x1 ) L (x) , onde L (x) = N(x)/N (x ) e N(x) é
i=0
. i i i
obtido do polinômio N(x) = (x - x0)(x - Xi) ... (x - Xi)...(x - Xn) retirando-lhe o fator
155
Cálculo Numérico
n
(x - xi). Se f for um polinômio constante, pode-se mostrar que Z Li(x) = 1,
i=0
"xe R.
Justifique este fato. Lembre-se de que o polinômio interpolador é único.
9) Seja f(x,y) uma função definida sobre os pares (x,y), com xi < x < xi+1 e yj <y <yj+1.
y 75 100 125 150
r 120.5 13 45 51 61
fi,j+1
i,j+1 & r fi+
i+ 1,j+1
yj+1 < <
100.0 35 55 64 70
(x, y)
y
81.5 54 68 72 79
< fijij *A < fi+
i+ 1,j
yj < < 65.0 72 78 82 87
xi xxi+1 89 90 91 93
42.5
Esquema da aproximação Tabela de valores de f(x, y)
A função f(x,y) pode ser aproximada da seguinte forma (veja Fig. 1): primeiro faça a
interpolação linear através de fij = f(xi, yj) e fi+1,j = f(xi+1, yj) e obtenha a aproximação fA;
em seguida, através de fi,j+1 = f(xi, yj+1) e fi+1,j+1 = f(xi+1, yj+1) obtenha a aproximação fB.
Interpole linearmente através de fA e fB para obter a aproximação desejada.
Sejam a= (x - xi)/(xi+1 - xi) e b= (y - yj)/(yj+1 - yj). Mostre que
f(x, y) ~ (1- a)(1 - b) fij + a(1 - b) fi+1,j + (1 - a)bfi,j+1 + abfi+1,j+1 = p(x,y) = fij.Lij (x, y)
+ fi+1,j.Li+1,j (x, y) + fi,j+1.Li,j+1 (x, y) + fi+1,j+1.Li+1,j+1 (x, y); tal que p(xi, yj) = f(xi, yj).
Note que Lij (x, y) = Pi(x)Qj(y), em que Pi é um polinômio na variável x e Qj é um

polinômio na variável y.
Utilizando a fórmula anterior, juntamente com os pontos da tabela acima, obtenha uma
aproximação para f(x, y) = f(110, 98).
10) Considere x0, x1, x2 e x3 pontos distintos dois a dois. O polinômio interpolador com
diferenças divididas (polinômio de Newton) de grau três é dado por
p3(x) = d0 + d1(x-x0) + d2(x-x0)(x-x1) + d3(x-x0)(x-x1)(x-x2).
Para o cálculo de valores numéricos é conveniente reescrever o polinômio como segue.
156
Cálculo Numérico
p3(x) = ( dq + (x-xq) ( d1 + (x-x1) ( d2 + (x-x2) d3 ) ) ).
i) Compare o número de adições (somas e subtrações) e multiplicações efetuadas em

cada uma das expressões de p3(x).
ii) Conhecido os valores das diferenças divididas dq, d1, d2 e d3, a melhor maneira de se
calcular p3(c) é através da regra dos parênteses encaixados:
b = d3;
b = d2+ (c-x2) b;
b = d1 + (c-x1) b;
b = dq + (c-xq) b .
O último valor de b é igual a p3(c). Agora, escreva um algoritmo para o cálculo do valor
numérico do polinômio de Newton de grau n.
11) A tabela abaixo pode ser encontrada em diversos livros didáticos de Geografia
Geral e do Brasil. Ela registra a evolução da dívida externa de alguns países Latino-
Americanos. Alguns dados (1984) foram extraídos do RELATÓRIO do
desenvolvimento humano 2qqq. Nova York: PNUD, Lisboa: Trinova, 2qqq.
Evolução da dívida externa - Valores Absolutos

em bilhões de dólares.
País/ano 1977 1987 1998
Argentina 8.1 53.9 144.0
Brasil 28.3 109.4 232.0
Chile 4.9 18.7 36.3
Honduras 0.6 3.1 5.0
Jamaica 1.1 4.3 4.0
México 26.6 93.7 159.9
Venezuela 9.8 29.0 37.0
KENNEDY, Paul. Preparando para o século XXI, Rio de Janeiro:

Campus, 1993; p. 2q8
Um estudante de Geografia precisava comparar as dívidas externas, em 199q, dos países

que constam na tabela; pedindo ajuda a um professor de Cálculo Numérico, ele
conseguiu as estimativas desejadas. O professor utilizou polinômios interpoladores de
grau 2. Neste problema particular, qual é o polinômio interpolador mais adequado do
ponto de vista operacional: o de Newton ou o de Lagrange? Justifique.
12) Suspeita-se que a tabela:
157
Cálculo Numérico
x -3.0 -2.0 -1.0 0.0 1.0 2.0
f(x) -9.0 0.0 1.0 0.0 3.0 16.0
represente um polinômio de grau três. Como testar este fato? Justifique.
13) Quer-se interpolar a função sen(x), sobre o intervalo I = [a,b] = [0, p/4], usando um
polinômio de grau 2, com pontos igualmente espaçados. Qual deve ser o menor número,
m, de subintervalos de I para se garantir um erro menor do que 10-4. Neste caso, a
fórmula a seguir é válida:
|f(x) -pn(x)| < [hn+1. max{|f(n+1)(x)|, x eI}]/(4(n+1)), onde h = (b-a)/m.
14) O erro na interpolação linear é dado por E(2) = (1/2) f''(c(x))N(x), onde N(x) =
(x-x0)(x-x1). É fácil mostrar que x e[x0 , x1] se, e somente se, existe u e [0 , 1] tal que x
= x0 + uh, com h = x1 - x0.
Neste caso, pode-se definir M(u) = |N(x0 + uh)| = h2 |(u)(u-1)|. Desta forma, umax é o
ponto de máximo de M se, e somente se, xmax = x0 + umaxh é ponto de máximo de |N(x)|.
Portanto, |E(2)| £ (h2/8) máx{| f''(x)| ; x e[x0 , x1]}.
Qual deve ser o menor número de pontos igualmente espaçados de uma tabela contendo
valores de cos(x), x e[1, 2], de modo que ao se usar interpolação linear para aproximar
cos(x*) obtenha-se erro inferior a 10-6, qualquer que seja x* e [1, 2] ?
15) Dados n + 1 pontos distintos dois a dois, xo, Xi, X2, X3 , ..., xn, pode-se provar, por
indução finita, que uma base para o espaço dos polinômios de grau até n, Pn, é dada por
B = {1, (x-xo), (x-xo)(x-xi), (x-xo)(x-xi)(x-x2), ..., (x-xo)(x-xi)...(x-xn-i)}. O polinômio
interpolador com diferenças divididas de grau n é dado por pn(x) = d0 + d1(x-x0) +
d2(x-xo)(x-x1) + ... + dn(x-xo)(x-x1)(x-x2)...(x-xn-1). Prove que se B ' = {1, (x-xo),
(x-xo)(x-x1), (x-xo)(x-x1)(x-x2), ..., (x-xo)(x-x1)...(x-xn-1), (x-xo)(x-x1)...(x-xn)} for a base do
espaço Pn+1 então
pn+1(x) = D0 + D1(x-x0) + D2(x-x0)(x-x1) + . + Dn+1(x-x0)(x-x1)...(x-xn-1)(x-xn),
onde Di = di, 0 £ i £ n.
16) Considere os pontos x0, x1, x2 e x3 distintos dois a dois e as seguintes bases de P3:
B = {1, (x-x0), (x-x0)(x-x1), (x-x0)(x-x1)(x-x2)}; (polinômio interpolador p3(x))

e
Bs = {1, (x-xs(0)), (x-xs(0))(x-xs(1)), (x-xs(0))(x-xs(1))(x-xs(2))}; (p. interp. p3,s(x))
158
Cálculo Numérico
onde s(k) = n - k, com n = 3 e 0 £ k £ n. Mostre que a diferença dividida de ordem três
eé dada por [ ] [ ]
dd 3= f x 1 ,x2 ,x3 -f x0 ,x1 ,x2 , onde ã diferenças
d ff[[x1,x2,x3]] e f[f[x0,x1,x2]] são d.f
x3— x0
divididas de ordem 2. Sugestão: h(x) = p3,s(x) - p3(x) = 0, pois o polinômio interpolador
e único; assim, o coeficiente de x2 em h(x) e igual a zero. Tente generalizar este
resultado.
17) Dada a tabela
x 1 2 3 4 5 6
f(x) 0.841 0.909 0.141 -0.757 -0.959 -0.279
obtenha x* tal que f(x*) = 0. Use um polinômio de grau 2 e apresente uma estimativa do
erro. A estimativa com um polinômio de grau 3 seria melhor? Justifique.
18) Dada a tabela
x -0.5 -0.25 0 0.25 0.58

f(x) 0 0.5 1 0.75 0.42
considere o seguinte problema: “Encontrar x* tal que f(x*) = 0.6”. Justifique as

afirmativas abaixo. Não há necessidade de fazer contas.
i) Utilizando, por exemplo, os três primeiros pontos da tabela na construção do

polinômio de grau 2, que dará a aproximação de x*, a estimativa do erro, levando-se em
conta as diferenças divididas de ordem 3, não será boa (mesmo estando correto o valor
encontrado pela interpolação).
ii) A função f e linear por partes (f e uma reta em cada um dos seguintes intervalos:
[-0.5 , 0] e [0 , 0.58] ), assim, o erro de interpolação deve ser igual a zero. Lembre-se de
que se f e crescente (ou decrescente), então f -1 e tambem crescente (ou decrescente).
19) Dada a tabela
x p/8 p/4 (3P)/8 p/2 (3p)/4 (5p)/4

f(x) 0.3827 0.7071 0.9239 1.0000 0.7071 -0.7071
(i) Por que os pontos entre f (p/4) e f ((5p)/4) não são adequados para se calcular x* tal
que f (x*) = 0.8 ?
(ii) Obtenha o valor de x* utilizando um polinômio de grau 2, de modo que o erro

estimado seja mínimo.
159
Cálculo Numerico
(iii) Calcule uma estimativa para o erro.
1
20) Sabe-se que J sen(x) dx = 0.459698.
0
(i) Mostre que o resultado numérico obtido pela Regra de 1/3 de Simpson, com h = 0.5,
é uma aproximação muito boa desta integral. Justifique isto pela fórmula do erro: E(1/3)S
= -[h4(b-a)f(iv)(c)]/180. Sugestão: use uma estimativa do erro.
(ii) No item anterior, qual o valor de n deve ser usado para se obter uma aproximação
com erro menor do que 10-6 ?
11
21) Sabe-se que I
0.1 x
dx = ln(10).
(i) O resultado numérico obtido pela regra de 1/3 de Simpson com n = 2 não é uma boa
aproximação para esta integral (Verifique!). Faça o cálculo pela regra dos trapézios
também. Qual apresentará melhor aproximação? Justifique.
(ii) Qual o valor de n deve ser usado na regra repetida de Simpson para se obter uma
aproximação com erro menor do que 10-3? Calcule, também, o valor de n para a regra
repetida do Trapézio.
22) Defina f como segue: f(x) = (1+x), se 0 £ x £ 1; f(x) = (x+2)3, se 1 < x £ 2.

Observe que f é integrável no intervalo [0 , 2]. Quais os procedimentos numéricos, para
se obter a integral de f no intervalo dado, que utilizam esforço computacional mínimo
com precisão máxima? Justifique a sua resposta utilizando os conhecimentos a respeito
das regras de Simpson e do Trapézio. Exiba os pontos utilizados e os respectivos valores
da função nestes pontos. Por que devemos considerar f(1) = 27, ao se integrar f no
intervalo [1 , 2] ?
23) Defina f como segue: f(x) = x5ln(x), se 0.1 £ x £0.36; f(x) = (x+1), se 0.36 < x £ 1.
Quais os procedimentos numéricos, para se obter uma aproximação da integral de f no
intervalo dado, que utilizam esforço computacional mínimo com estimativa de erro
menor do que 10-9 ? Justifique a sua resposta utilizando os conhecimentos a respeito das
regras de Simpson e do Trapézio. Sugestão: Se g(x) = x5ln(x) então g(iv)(x) =
x[120ln(x) + 154].
24) Quer-se interpolar e integrar a função sen(x), sobre o intervalo I = [a, b] = [0, p/4],
usando um polinômio de grau n = 2, com pontos igualmente espaçados. Qual deve ser o
160
Cálculo Numérico
menor número, m, de subintervalos de I para se garantir um erro menor do que 10-4 tanto
na integração quanto na interpolação? A fórmula a seguir é válida:
hn+1
\f(x) -pn(x)\ £ h max{\f(n+1)(x)\, x e I}, onde h = (b-a)/m.
4 ( n+ 1 )
25) A fórmula do erro de integração relativa à regra de 1/3 de Simpson é obtida

b
resolvendo-se a seguinte integral: I = J f[x0,xi,x2,x] N(x) dx. Lembre-se de que

a
f(n+1)(x(x))/(n+1)! = f[x0,x1,x2,...,xn,x]; N(x) = (x-x0)(x-x1)(x-x2); xi = x0 + ih, 1 £ i £ 2;
x0 = a e h = (b-a)/2.
Utilizando a regra de integração por partes com u = f[x0, x1, x2, x] e dv = N(x) dx, obtém-
xb
se v = W(x) = J
N(t) dt. Assim, I = f[x0, x1t x2, x] W(x) £ - J f'[x0, x1t x2, x]W(x) dx.
aa
i) Faça o gráfico de N(x) ou o gráfico de N(u) = N(xo + uh), 0 <u <2.
ii) Mostre que N(x1 - t) = - N(x1 + t), para todo t real (No caso geral, em que n é o
número de subintervalos de [a, b] e é par, tem-se que N(xm - t) = - N(xm + t), " t real e
m = n/2).
iii) Mostre que W(a) = W(b) = 0. (Sugestão: integre em dois intervalos, [x0, x1] e [x1, x2];
considere as seguintes trocas de variáveis: x = x1 - t (no primeiro intervalo) e x = x1 + t
(no segundo).
26) Considerando o polinômio interpolador de grau n, pn(x), de uma função f: [a,b] ®

R, escrito na base de Newton, B = {1, (x-xü), (x-xü)(x-x1), (x-x0)(x-x1)...(x-xn-1)},
sabe-se que os coeficientes da combinação linear dos elementos da base são chamados
de diferenças divididas.
Por exemplo, o coeficiente d2 que multiplica o elemento (x-x0)(x-x1) é obtido da

igualdade pn(x2) = f(x2). Assim,
1 ( ( ) f(x )- f(x ) }.
{ f x 2 )-f x0 1 0
- x -x x -x
d2 ° f[x0, x1, x2] =
x2 x 1 2 0 1 0
Para o cálculo do erro de integração é adequado obter uma expressão integral para a
diferença dividida. Observe que
f[x0, x1] = [ftx1) - -x0) = f'(c),
com c entre x0 e x1 (basta usar o Teorema do Valor Médio); logo, c = x0 + t. (x1 - x0),
161
Cálculo Numérico
0 < t < 1. Note que
1
J f'(X0 + t (X1 - X0)) dt =
1 f(xo + t (X1 - Xo)) I1 = f[xo, X1]. Através de um
0 (X _x )
1 0
raciocínio análogo, obtém-se que
1
1
d2 = f[X0, X1, X2] =
(X 2_ X1)
J {f'(Xo + t1 (X2 - Xo)) - f'(Xo + t1 (X1 - Xo))} dt1.
o
Observe que
a) f'(Xo + t1 (X2 - Xo)) = f'(Xo + t1 (X2 + (X1 - X1) - Xo))

= f'(Xo + t1 (X1-Xo) + t1(X2 - X1));
b) f'(Xo + t1 (X1 - Xo)) = f'(Xo + t1 (X1 - Xo) + o (X2 - X1)).
1 t1
Assim, f[Xo, X1, X2] = J

J f''(Xo + t1 (X1 - Xo) + t2 (X2 - X1)) dt2 dt1. No caso geral,
oo
mostra-se por indução finita que
f[Xo, X1, X2, ..., Xn] =

1 t1 tn_1
J J ... J f(n)(Xo + t1 (X1 - Xo) + t2 (X2 - X1) +... + tn (Xn - Xn-1)) dtn...dt2 dt1.
o o o
i) Exiba a expressão integral para f [Xo, X1, X2, X] e calcule a sua derivada.
ii) Usando o teorema do valor intermediário obtém-se que f'[Xo, X1, X2, X] = f(4) (c(x))
1 t1 t2
JJJ t3 dt3 dt2 dt1, c(x) e (a, b). Calcule a integral anterior.
ooo
162
Cálculo Numérico
Atividade 2 - Polinômio Interpolador de Lagrange
Prezado(a) aluno(a), Você poderá encontrar vários problemas práticos relacionados à

interpolação polinomial na página da Faculdade de Matemática da UFU:
www.portal.famat.ufu.br/node/278 (Laboratório - Unidade 4).
(I) Leia atentamente um dos seguintes materiais didáticos sobre Polinômio Interpolador
de Lagrange: (1) apostila do curso; (2) Apostila do professor Castilho e slides (Aula -
Unidade 4), ambos localizados em www.portal.famat.ufu.br/node/278 e (3) livro de
Cálculo Numérico da professora Neide Maria Bertoldi Franco.
(II) A tabela abaixo permite que sejam calculadas as estimativas da dívida externa, em
1992, de qualquer um dos países mencionados. Obtenha a estimativa da dívida do
Brasil. Use o polinômio de Lagrange de grau 2. Aproveite algumas das contas anteriores
(polinômio do Brasil) para calcular a estimativa da dívida do México, usando um
polinômio de grau 2, também.
Evolução da dívida externa - Valores Absolutos

em bilhões de dólares.
País/ano 1977 1987 1998
Argentina 8.1 53.9 144.0
Brasil 28.3 109.4 232.0
Chile 4.9 18.7 36.3
Honduras 0.6 3.1 5.0
Jamaica 1.1 4.3 4.0
México 26.6 93.7 159.9
Venezuela 9.8 29.0 37.0
KENNEDY, Paul. Preparando para o século XXI, Rio de Janeiro:

Campus, 1993; p. 2q8
(1) Polinômios da base (xq = 1977, x1 = 1987 e x 2 = 1998):
(x-1987)(x-1998) ; L ) (x-1977)(x-1998)
(1977-1987)(1977-1998) ' 1( ) (1987-1977)(1987-1998)
(x-1977)(x-1987)
(1998-1977)(1998-1987) '
163
Cálculo Numérico
(2) Polinômio Interpolador do Brasil: p2,B (x) = f0,B L0(x) + f1,B L1(x) + f2,B L2(x), onde
f0,B = 28,3; f1,B = 109,4 e f2,B = 232,0.
(3) Polinômio Interpolador do México: p2,M(x) = f0,M L0(x) + f1,M L1(x) + f2,M L2(x), onde
f0,M = 26,6; f1,M = 93,7 e f2,M = 159,9.
(4) Valor Numérico do polinômio do Brasil: p2,B (1992) = f0,B L0(1992) + f1,B L1(1992) +
f2,B L2(1992) = - 0.142857142 f0,B + 0.818181818 f1,B + 0.324675324 f2,B » 160.791.
(5) Valor Numérico do polinômio do México: p2,M (1992) = f0,M L0(1992) + f1,M L1(1992)
+ f2,M L2(1992) = - 0.142857142 f0,M + 0.818181818 f1,M + 0.324675324 f2,M » 124. 779.
Atividade 3 - Polinômio de Newton - Interpolação Inversa
Você já deve ter visto na disciplina de Cálculo que toda função real contínua e
monótona (crescente ou decrescente) definida em um intervalo fechado [a, b], possui
inversa. Em determinados problemas, precisamos usar um polinômio interpolador para
aproximar a inversa de uma dada função. Acontece que, em muitos casos, a função pode
ser dada por meio de uma tabela. Assim, como saber se a função representada por uma
tabela possui inversa? É simples. Basta supor que a função tabelada seja contínua e
considerar apenas os pontos da tabela nos quais podemos afirmar que a função é
monótona (crescente ou decrescente). A interpolação inversa só terá validade no
intervalo onde a função é estritamente crescente ou estritamente decrescente.
(I) Leia atentamente um dos seguintes materiais didáticos sobre Polinômio de Newton e
Interpolação Inversa: (1) apostila do curso; (2) Apostila do professor Castilho e slides
(Aula - Unidade 4), ambos localizados na página da FAMAT:
(II) Resolva o seguinte exercício (professor Balthazar, Unesp Rio Claro): Na tabela
abaixo são registradas, em cada instante de tempo, as velocidades de um elevador.
Calcule os instantes em que a velocidade do elevador se anula (tenha cuidado ao
escolher os pontos). Use polinômios de grau 2. Apresente os cálculos das estimativas
dos erros.
164
Cálculo Numérico
Tempo 0 1 2 3 4 5 6 7 8 9 10
Veloc. 2.0 4.0 6.2 3.9 0.3 -0.67 -0.32 0.18 4.1 6.3 4.8
(1) Escolha dos pontos da primeira interpolação inversa.

Como o problema exige que seja feita uma estimativa de erro de interpolação então o
polinômio interpolador deve ser o de Newton. A análise do erro vai precisar das
diferenças divididas de ordem 3, pois o polinômio interpolador é de grau 2. Assim, os
pontos escolhidos para a velocidade são: 6.2; 3.9; 0.3 e -0.67, que correspondem a uma
função decrescente.
(2) Construção do polinômio interpolador.
Tabela de diferenças divididas
vi (veloc.) ti (tempo) D.D.Ordem 1 D.D.Ordem 2 D.D.Ordem 3

6.2 2 -0.434782608 -0.026610988 -0.027862309
3.9 3 -0.277777778 0.164803075
0.3 4 -1.030927835
-0.67 5
Polinômio de grau 2
p2(v) = d0 + d1(v - v0) + d2(v - v0)(v - v1);
onde
v0 = 3.9; v1 = 0.3; v2 = -0.67; d0 = 3; d1 = -0.277777778; d2 = 0.164803075.
Valor Numérico em v = 0.
p2(0) = 4.276152932 = t* (primeiro instante em que a velocidade se anula).
(3) Estimativa do erro.
|E(2)(0)| » |0 - v0| |0 - v1| |0 - v2| Máx{|DDO3|} = 0.021841264.
165
Cálculo Numérico
(4) Escolha dos pontos da segunda interpolação inversa.
Comentários análogos aos do item 1. A análise do erro vai precisar das diferenças
divididas de ordem 3, pois o polinômio interpolador e de grau 2. Assim, os pontos
escolhidos para a velocidade são: -0.67; -0.32; 0.18; 4.1 e 6.3, que correspondem a uma
função crescente.
(5) Construção do polinômio interpolador.
Tabela de diferenças divididas
v. (veloc.) ti (tempo) D.D.Ordem 1 D.D.Ordem 2 D.D.Ordem 3

-0.67 5 2.857142857 -1.008403361 0.128643619
-0.32 6 2 -0.394773294 0.064556206
0.18 7 0.25510204 0.032588793
4.1 8 0.454545455
6.3 9
Polinômio de grau 2
p2(v) = d0 + d1(v - v0) + d2(v - v0)(v - v1).
Como o intuito e o de se obter o menor valor para o erro de interpolação então o

polinômio interpolador deve envolver pontos v0, v1 e v2 tais que o valor de |N(0)| =
|0 - v0| |0 - v1| |0 - v2| seja o menor possível. Assim, a escolha adequada e a seguinte:
v0 = - 0.67; v1 = - 0.32; v2 = 0.18; d0 = 5; d1 = 2.857142857 e d2 = -1.008403361.
Valor Numerico em v = 0.
p2(0) = 6.698084034 = t* (segundo instante em que a velocidade se anula).
6) Estimativa do erro: |E(2)(0)| » |0 - v0|.|0 - v1|.|0 - v2| Máx{|DDO3|} » 0.00496.
Atividade 4 - Regra dos Trapézios
Este exercício e continuação da Atividade 3. A primeira vez que tive contato com o
mesmo foi em 1987, na aula de cálculo numerico, quando fiz a graduação (1986 - 1989)
166
Cálculo Numerico
em Matemática na Unesp de Rio Claro. A primeira parte da disciplina foi ministrada
pelo professor José Bezerra Leite (que também ministrou para a minha turma, no ano
seguinte, a disciplina Análise Numérica) e a segunda parte foi ministrada pelo professor
José Manoel Balthazar.
(I) Leia atentamente um dos seguintes materiais didáticos sobre a Regra dos Trapézios:
(I) apostila do curso; (2) Apostila do professor Castilho e slides (Aula - Unidade 5),
ambos localizados na página da FAMAT: http://www.portal.famat.ufu.br/node/278 e
(II) Resolva o seguinte exercício: Na tabela abaixo são registradas, em cada instante de
tempo, as velocidades de um elevador. Calcule o espaço total percorrido pelo elevador (
10
J | v| dt ). Use a Regra dos trapézios. Lembre-se de que |v| não possui derivada no
0
instante t em que a velocidade do elevador se anula (t = 4.28 e t = 6.70). Nestes casos
você deverá utilizar a Regra Simples do Trapézio.
Tempo 0 1 2 3 4 5 6 7 8 9 10
Veloc. 2.0 4.0 6.2 3.9 0.3 -0.67 -0.32 0.18 4.1 6.3 4.8
Dada a tabela
Tempo 0 1 2 3 4 5 6 7 8 9 10
Veloc. 2.0 4.0 6.2 3.9 0.3 -0.67 -0.32 0.18 4.1 6.3 4.8
Note que
10 4 4.28 5 6 6.70
J|v| dt
0
J |v| dt + J |v| dt + J |v| dt
0 4 4.28
+ J |v| d
56
+ J |v| d +
7 10
J |v| dt
6.70
+ J|v| dt = I + I + I + I + I + I + I .
7
1 2 3 4 5 s 7
Observe que os pontos tabelados, ti (tempo), são igualmente espaçados, ou seja, ti = ih,
0 £ i £ 10, com h = 1. Desta forma, podemos usar a Regra dos Trapézios para calcular
as integrais I1 e I7:
167
Cálculo Numérico
11 » (h/2){ |v(o)| + 2 [ |v(1)| + |v(2)| + |v(3)| ] + |v(4)| } = o.5 { 2 + 2 [ 4 + 6.2 + 3.9 ] +
o.3 } = 15.25.
I7 » (h/2){ |v(7)| + 2 [ |v(8)| + |v(9)| ] + |v(1o)| } = o.5 { o.18 + 2 [ 4.1 + 6.3 ] + 4.8 } =
12.89.
As demais integrais são calculadas com a regra simples do trapézio, contendo um único
intervalo. Assim:
12 » [ (4.28 - 4) / 2] { |v(4)| + |v(4.28)| } = 0.14 { 0.3 + 0 } = 0.042.
13 » [ (5 - 4.28) / 2] { |v(4.28)| + |v(5)| } = 0.36 { 0 + 0.67 } = 0.2412.
14 » [ (6 - 5) / 2] { |v(5)| + |v(6)| } = 0.50 { 0.67 + 0.32 } = 0.495.
15 » [ (6.70 - 6) / 2] { |v(6)| + |v(6.70)| } = 0.35 { 0.32 + 0 } = 0.112.
16 » [ (7 - 6.70) / 2] { |v(6.70)| + |v(7)| } = 0.15 { 0 + 0.18 } = 0.027.
10
Portanto, JIvI dt = I1 + I2 + I3 + I4 + I5 + I6 + I7 » 29.0572 m.
0
Atividade 5 - Regra de Simpson
Este exercício é uma aplicação de integração numérica. A modelagem do problema vai
utilizar a fórmula do comprimento de arco, L, de uma curva representada por uma
função f: I = [a, b] c R ® R. Em Cálculo 2 você aprendeu que L =
b
J V1+(f’(t))2 dt
a
.
(I) Leia atentamente um dos seguintes materiais didáticos sobre a Regra de Simpson: (1)
apostila do curso; (2) Apostila do professor Castilho e slides (Aula - Unidade 5), ambos
localizados na página da FAMAT: http://www.portal.famat.ufu.br/node/278 e (3) livro
(II) Resolva o seguinte exercício: Uma telha ondulada tem a forma da função dada por
f(t) = 0.05 sen(50 t), t in [1, 2]. A parte não ondulada da telha mede 3 metros. Quarenta
telhas serão utilizadas para cobrir uma garagem e serão pintadas com uma tinta especial
impermeabilizante que, também, tem o efeito de reduzir o aquecimento do local
coberto. Um litro desta tinta custa R$2,80. O rendimento da tinta é o seguinte: 9 litros
de tinta para cada 5 m2. Qual o custo para se pintar as 40 telhas? Sugestão: a área de
168
Cálculo Numérico
uma telha é A = 3 x L. Use a Regra de Simpson com 8 subintervalos para calcular L.
Qual seria a economia se o valor de L fosse calculado com 1000 subintervalos?
(1) Obtenção de h.
b
A integral J V1+( f ' t))2 dt
a
( vai ser resolvida pela Regra de Simpson com m = 8
subintervalos; a = 1 e b = 2. Desta forma, h = (b - a)/m = (2 - 1)/8 = 0.125.
(2) Cálculo da função que será integrada:
g(t) = [1 + (f '(t))2]1/2, onde f(t) = 0.05sen(50 t).
Observe que g(t) = [ 1 + 6.25 cos2(50 t)) ]1/2, pois f '(t) = 2.5 cos(50 t).
(3) Cálculo da Integral pela Regra de Simpson com m = 8 subintervalos.
Observe que ti = t0 + ih = 1 + i 0.125. Assim, t0 = 1; t1 = 1.125; t2 = 1.25; t3 = 1.375; t4

= 1.50; t5 = 1.625; t6 = 1.75; t7 = 1.875 e t8 = 2 . Desta forma.
m
2 2-1
IS = (h/3) {g(t0) + 4 £ g(t )

i=1
2i-1 +2 E g (t 2i) + g(tm)} =
(0.125/3) { g(t0) + 4 [ g(t1) + g(t3) + g(t5) + g(t7)] + 2 [g(t2) + g(t4) + g(t6)] + g(t8) } .
Portanto, IS = (0.125/3) 60.14349999 = 2.505979166.
(4) Custo para pintar 40 telhas.

Primeiro precisamos calcular a área de uma telha: A = 3 x L = 3 x 2.505979166 m2 =
7.517937499 m2. Desta forma a área de 40 telhas é igual a AT = 300.7175 m2 » 301 m2.
Como o rendimento da tinta é de 5 m2 para cada 9 litros então para se pintar 301 m2
serão necessários 541.8 litros de tinta. Como 1 litro de tinta custa R$2, 80 então o custo
total para se pintar 40 telhas será igual a R$ 1.517,04.
(5) Cálculo da Regra de Simpson com 1000 subintervalos.
Neste caso, devemos utilizar um código computacional para obter o valor aproximado
da integral pela regra de Simpson. O valor da integral obtido pela regra de Simpson,
com m = 1000 subintervalos, é dado por IS = 1.9416 (utilizando arredondamento
simétrico na quarta casa decimal depois da vírgula).
(6) Cálculo do valor economizado.
169
Cálculo Numérico
Com o valor mais preciso para L, a área de uma telha é dada por A = 3 x L = 3 x
1.9416 m2 = 5.8248 m2. Desta forma a área de 40 telhas é igual a AT = 232.992 m2 »
233 m2. Como o rendimento da tinta é de 5 m2 para cada 9 litros então para se pintar 233
m2 serão necessários 419.4 litros de tinta. Como 1 litro de tinta custa R$ 2,80 então o
custo total para se pintar 40 telhas será igual a R$ 1.174,32. Em relação ao custo
anterior (valor menos preciso de L), isto daria uma economia de R$ 342,72.
Algoritmo da Regra de Simpson
%Métodos de Integração Numérica ; %fsimp é a função que vai ser integrada
% a = extremo inferior do intervalo de integração;

a = 1;
%b = extremo superior do intervalo de integração;

b = 2;
%m = número de subintervalos do intervalo [a,b]; m deve ser par;

m = 1000;
h=(b-a)/m; %espaçamento entre os pontos
for j = 1:m+1
x(j) = a + (j-1)*h; %pontos igualmente espaçados; o 1° ponto é x(1) e não x(0).
y(j) = fsimp(x(j)); %avaliação da função nos pontos da regra de integração
end
%Regra de Simpson (1/3)
soma_p = 0; %soma de índices pares

soma_imp = 0; %soma de índices ímpares
for j = 2:2:(m-2)
soma_p = soma_p + y(j);
soma_imp = soma_imp + y(j+1);
end
% Observação: os pontos de integração são: x(1); x(2); x(m+1); m = 1000.

% Como o menor índice é 1 e não 0 então as somas da regra de Simpson
% precisam ser reajustadas. A regra está exibida abaixo.
IS = (h/3)*(y(1)+4*(soma_p+y(m))+2*(soma_imp)+y(m+1));
fprintf('O valor da integral, obtido por Simpson, eh dado por %12.24f\n', IS);
%Fim da rotina computacional
170
Cálculo Numérico
A função fsimp foi implementada em Octave e o arquivo recebeu o seguinte nome:
fsimp.m. A rotina computacional está descrita abaixo.
function g = fsimp(x)
g = 1 + 6.25*cos(50.0*x)*cos(50.0*x);
g = sqrt(g);
%sqrt calcula a raiz quadrada de um número real positivo.
%Fim da rotina
Sr
Atividades
Suplementares
O problema proposto na atividade 1 abaixo foi apresentado, no primeiro semestre de

2005, por Clovis Antonio da Silva quando o mesmo era monitor de Cálculo Diferencial
e Integral 2 do curso de Graduação em Matemática da Universidade Federal de
Uberlândia. Entre 2003 e 2005, tive o prazer de trabalhar com o Clovis em dois
projetos de Iniciação Científica. Depois disto, sugeri que ele fosse fazer o Mestrado em
Nova Friburgo, no Instituto Politécnico da Universidade do Estado do Rio de Janeiro -
IPRJ. Ele foi orientado inicialmente pelo professor Luis Felipe Feres Pereira e por mim,
no final do Mestrado, em 2008, depois que o professor Felipe Pereira foi contratado
pela Universidade de Wyoming - USA.
Referências sugeridas pelo aluno Clovis Antonio da Silva: (1) Hamilton Luiz
Guidorizzi. Um Curso de Cálculo, v.2. LTC Editora, 5a edição. (2) Heyder Diniz Silva
(ex professor da FAMAT - UFU). Apostilas de Estatística e de Probabilidade.
Atividade 1
A duração de um certo tipo de pneu, em quilômetros rodados, é uma variável que possui
distribuição normal, com média igual a 60.000 km e desvio padrão igual a 10.000 km.
(i) Qual a probabilidade de um pneu, aleatoriamente escolhido, durar mais de 75.000

km?
(ii) Qual a probabilidade de um pneu, aleatoriamente escolhido, durar entre 50.000 km e

70.000 km?
(iii) Qual a probabilidade de um pneu, aleatoriamente escolhido, durar entre 63.000 km

e 70.000 km?
171
Cálculo Numérico
Sugestões:
(1) Reveja o Problema 2 da Seção 5.1. Utilize a função de probabilidade que foi dada
naquele problema juntamente com as suas propriedades.
(2) Utilize a mesma troca de variáveis sugerida no Problema 2. Desta forma:
(i) P(X > 75.000) = P(Z > 1,5) = 0,5 - 0,4332 = 0,0668.
(ii) P(50.000 < X < 70.000) = P(-1 < Z < 1) = 0,3413 + 0,3413 = 0,6826.
(iii) P(63.000 < X < 70.000) = P(0,3 < Z < 1) = 0,3413 - 0,1179 = 0,2234.
O problema proposto na atividade 2 abaixo foi apresentado pelos alunos Bruno Nunes
de Souza, Maksuel Andrade Costa e Ricardo de Oliveira Hakime quando cursavam, no
primeiro semestre de 2005, a disciplina Cálculo Diferencial e Integral 2 na Faculdade de
Matemática da UFU. Uma das tarefas dos alunos daquela turma de Cálculo 2 era a
apresentação de problemas práticos que utilizassem a teoria vista em aula.
Posteriormente, em 2007, eu solicitei ao monitor de Cálculo Numérico (Miller, do curso
de Engenharia Civil da UFU) que aperfeiçoasse o problema com o intuito de motivar o
estudo de técnicas de integração numérica. O trabalho dos alunos está apresentado
abaixo e o trabalho do Miller foi proposto na Atividade 5, Seção 6, deste Módulo 3.
Referência sugerida pelos alunos: Thomas, George B. Cálculo, volume 1; 10° Edição.
Editora Pearson Education.
172
Cálculo Numérico
Atividade 2
Uma empresa fabrica folhas de metal onduladas para telhados. As seções transversais
dessas folhas têm a forma da curva: f(x) = sen([3px]/20), 0 < x < 20. Se as telhas devem
ser moldadas a partir de folhas planas, por um processo que não estique o material, qual
deve ser o comprimento da folha original?
Sugestão: Utilize a forma de comprimento de arco (veja a atividade 5 da Seção 6 -

Módulo 3). Obtenha uma aproximação para a integral atraves da Regra dos Trapezios
ou atraves da Regra repetida de Simpson.
173
Cálculo Numerico
Módulo 4
Solução Numérica de
Problema de Valor Inicial
1. Introdução
Neste módulo você utilizará a série de Taylor de uma função (conteúdo que faz parte da
disciplina Cálculo III) para desenvolver métodos numéricos que serão aplicados a
problemas que envolvem equações diferenciais ordinárias (EDO) de primeira ordem
(conteúdo que também faz parte da disciplina Cálculo III). Além disto, as técnicas de
integração numérica também serão utilizadas para o desenvolvimento de métodos que
resolverão numericamente um Problema de Valor Inicial (PVI) de primeira ordem.
Resolver um Problema de Valor Inicial (PVI) de primeira ordem consiste em resolver

uma EDO de primeira ordem para a qual a função incógnita (y(t)) é conhecida em um
ponto (y(t0) = y0, valor inicial):
y'(t) = fc, y(t)) e y(t0) = y0 e R
onde f: I x R ® R é uma função real dada; y: I ® R é a função incógnita; o intervalo I é
dado por I = (t0 - d, t0 + d), onde d > 0 é um número real escolhido adequadamente, de
modo a garantir a existência de solução da EDO.
Observação. Não deixe de rever os tópicos relacionados à série de Taylor e a equações

diferenciais de primeira ordem (Leia, por exemplo, o material didático produzido para a
disciplina Cálculo III).
O desenvolvimento de métodos numéricos baseados em série de Taylor, aplicados em

PVI, contém as seguintes etapas:
(i) Considere um Intervalo I da forma [t0, T].
(ii) Construa uma partição de I com n pontos igualmente espaçados: ti = t0 + ih, 0 < i <
n, onde h = (T - t0)/n.
(iii) Considere a fórmula de Taylor da funçãoy em torno do ponto ti = ti-1 + h:
174
Cálculo Numérico
y(ti) = y(ti-i) + hy'(ti-i) + (1/2!)h2y”(ti-i) + ... + (1/k!)hky(k)(ti-1) + Erro,
onde Erro = [1/(k +1)!]hk+1y(k+1)(ci-1) = O(hk+1), onde ci-1 e (ti-1, t).
(iv) Despreze o Erro na expressão anterior; troque y(ti) e y(ti-1) pelos valores
dk
1)
aproximados yi e yi-1; para cada k, troque a derivadas y(k)(ti-1) por k-1
dt
Lembre-se de que y'(t) = f(t, y(t)).
Observação: Seja g uma função de uma variável real h. Diz-se que g(h) = O(hp) quando
()
lim ghph existe e é igual a uma constante.
0
O método mais simples obtido com o procedimento anterior é o método de Euler. Neste
caso, a fórmula de Taylor é dada por y(ti) = y(ti-1) + hy'(ti-1) + Erro, onde Erro =
[1/(2!)]h2y"(Ci-1) = O(h2) e Cn e (ti-1, ti). Seguindo o passo (iv) anterior, obtém-se o
método de Euler:
yi = yi-1 + hf(ti-1, yi-1), 1 < i < n.
O erro local do método de Euler é o erro de truncamento da série de Taylor da função y.

No cálculo do Erro Local, considera-se que y(ti-1) = yi-1. Como o Erro Local do método
de Euler é O(h2), diz-se que este método tem ordem 1.
Um método de ordem 2 e passo 2 (precisará de 2 valores iniciais: y0 e y1) é facilmente

obtido considerando-se o seguinte desenvolvimento de Taylor:
h2
y(ti) - y(ti-2) = y(ti-1 + h) - y(ti-1 - h) = y(ti-1) + hy'(tn) + — y"(ti-1) + E1 - {y(ti-1) -
h3
h2
hy'(ti-1) + y''(ti-1) + E2} = 2h.y'(ti-1) + Erro, onde Erro = E1 - E2 = h {(y'''(ci-1) +
2!
y'''(di-1)} = O(h3); ci-1 e (ti-1, ti) e di-1 e (ti-2, ti-1).
Seguindo o passo (iv) anterior, obtém-se o Método do Ponto Médio ou Regra do Ponto
Médio (livro de Cálculo Numérico, da Neide Bertoldi Franco - referência [6] do
Módulo 1):
yi = yi-2 + 2h.f(ti-1, yi-1), 2 < i < n.
O erro local do Método do Ponto Médio é o erro de truncamento do desenvolvimento de

Taylor anterior. No cálculo do Erro Local, considera-se y(ti-1) = yi-1 e y(ti-2) = yi-2. Como
o Erro Local do Método do Ponto Médio é O(h3), diz-se que este método tem ordem 2.
175
Cálculo Numérico
Outros autores, como Chapra e Canale, Burden e Faires, atribuem o nome de Método do
Ponto Médio ao seguinte esquema:
yi = yi-1 + h.fiti-! + h/2, yn+ (h/2).f(ti-1, y^)), 1 < i < n,
que é um método de Runge-Kutta de ordem 2, também conhecido como Método de

Euler Modificado.
E?
Referências
[1] BURDEN, R.L., FAIRES, J.D., Análise Numérica - tradução da 8a edição norte-
americana, São Paulo, Cengage Learning, 721 p., 2008.
[2] CHAPRA, S.C., CANALE, R.P., Métodos Numéricos para Engenharia, São Paulo,
McGraw-Hill, 809 p., 2008.
Desenvolver métodos numéricos baseados em série de Taylor e em integração numérica

para resolver numericamente Problemas de Valor Inicial. Para você ficar familiarizado
com os métodos numéricos apresentados neste módulo, não deixe de resolver os
exercícios propostos e não deixe de ler as referências bibliográficas indicadas neste
texto e procure outras referências que você achar conveniente.
• Métodos Baseados em Série de Taylor para a resolução de Problema de Valor Inicial

de 1a ordem.
• Métodos Baseados em Integração Numérica para resolução de PVI de 1a ordem.
3. Métodos Baseados em Série de Taylor
3.1 Método de Euler
Como foi dito na introdução deste módulo, o Método de Euler é o método mais simples
que pode ser aplicado a um PVI. Neste caso, de acordo com os passos (i - iv) descritos
na Seção 1 anterior, a expansão de Taylor da função incógnita é dada por y(ti) = y(ti-1) +
hy'(ti-1) + [1/(2!)]h2y"(ci_1), cí-1 e (ti-1, ti) e o método de Euler é dado por
y, = yi-1 + hfiti! yi-1), 1 < i < n.
176
Cálculo Numérico
Exemplo 1. (Método de Euler)
Considere o seguinte PVI:

y'(t) = ft, y(t)) = t + y; y(1) = ylt) = y0 = 2.
Seja h = 0.05. Obtenha uma aproximação da solução em T = 1.2.
A equação anterior é uma clássica EDO linear de primeira ordem cuja solução analítica
é conhecida. A técnica do fator integrante (veja a observação (*) adiante) é utilizada
para se obter a solução de uma EDO deste tipo. No exemplo em questão, a solução
analítica é dada por: y(t) = 4e(t - x) - t - 1. A solução analítica vai nos auxiliar no quesito
relacionado à precisão do método numérico.
Este Problema de Valor Inicial será resolvido, primeiramente, com o Método de Euler e
irá nos acompanhar até o final deste módulo 3. Com o intuito de apresentar uma
sequência evolutiva dos métodos numéricos aplicados a PVI, este primeiro exemplo
será utilizado como modelo de comparação entre os diversos métodos exibidos aqui. A
eficiência de cada método será caracterizada basicamente por dois fatores: o esforço
computacional e a precisão da solução.
De acordo com o enunciado do problema, tem-se que
(i) I = [tb, T] = [1, 1.2];
(ii) h = (T - t0)/n n = (1.2 - 1)/0.05 = 20/5 = 4; logo ti = t0 + ih, 0 < i < 4, ou seja,
t0 = 1; ti = 1.05; t2 = 1.1; ts = 1.15; t4 = 1.2.
Sabendo que ft, y) = t + y, o método de Euler, yt = yi-1 + hfltj-1, yi-1), dará origem aos
seguintes valores:
yx = y0 + hf(t0, y0) = 2 + 0.05(t0 + y0) = 2 + 0.05(1 + 2) = 2.15;
y2 = y1 + hftu yx) = 2.15 + 0.05(t1 + yx) = 2.15 + 0.05(1.05 + 2.15) = 2.31;
y3 = y2 + hffc, y2) = 2.31 + 0.05(t2 + y2) = 2.31 + 0.05(1.1 + 2.31) = 2.4805;
y4 = y3 + hf(t3, y3) = 2.4805 + 0.05(t3 + ya) = 2.4805 + 0.05(1.15 + 2.4805) = 2.662025.
Portanto, y(1.2) = y(t4) » y4 = 2.662025. Note que a solução analítica, y(t) = 4e(t - - t -
1, fornece o seguinte valor: y(1.2) = 2.685611033.
(*) Observação: y'(t) = a(t) + b(t)y(t) y'(t) - b(t)y(t) = a(t);

Saiba Mais í
J
— b (x) dx
( ( ( ))
d y t )^ t
F(t) = e t0 = y'(t)F(t) - b(t)y(t)F(t) = a(t)F(t)
dt
t
y(t) =
Jb(x) dx t
J a(x)0(x) dx + y0 }.
e t0
t0
177
Cálculo Numérico
A interpretação geométrica exibida a seguir foi retirada do projeto “Aperfeiçoamento
das Técnicas de Ensino-Aprendizagem da Disciplina Cálculo Numérico”, no âmbito do
Programa Institucional de Bolsas de Graduação da UFU - PIBEG, realizado pela equipe
composta por quatro professores da FAMAT: Sezimária de Fátima Pereira Saramago
(coordenadora do projeto), Alessandro Alves Santana (colaborador); Célia Aparecida
Zorzo Barcelos (orientadora) e César Guilherme de Almeida (orientador) e por dois
alunos de graduação: Paulo Balduíno Flabes Neto (Faculdade de Engenharia Mecânica)
e Warlisson de Inácio Miranda (Faculdade de Matemática). O projeto foi realizado no
período de 01 de outubro de 2007 a 31 de outubro de 2008.
Todo o material didático produzido pela equipe do projeto citado anteriormente está
disponível no seguinte endereço eletrônico (na página da FAMAT):
http://www.portal.famat.ufu.br/node/278.
Interpretação Geométrica do Método de Euler
Considere a reta r0(x) que passa por (x0, y0) e tem coeficiente angular y'(x0) = f(x0, y0), ou
seja r0(x) = y0 + (x - x0)f(x0, y0). No Método de Euler, y(x1) » r0(x1) = y0 + (x1 - x0)f(x0, y0)
= y0 + hf(x0, y0) = y1. A Figura 1 abaixo exibe esta aproximação para o caso em que o
PVI é dado por y'(x) = y(x) e y(0) = 1, cuja solução é y(x) = ex.
Figura 1 - Módulo 4 - Interpretação geométrica do método de Euler
No caso geral, considera-se a reta ri-1(x) que passa pelo ponto (xi-1, yi-1) e que tem
coeficiente angular f(xi-1, yi-1), isto é, ri-1(x) = yi-1 + (x - xi-1)f(xi-1, yi-1). A aproximação de
y(xi) é dada por ri-1(xi), ou seja, y(xi) » ri-1(xi) = yi-1 + (xi - xi-1)f(xi-1, yi-1) = yi-1 + hf(xi-1, yi-1)
= yi.
178
Cálculo Numérico
Erro Global do Método de Euler
Já foi dito na Seção 1 que o erro local do método de Euler é o erro de truncamento da
série de Taylor da função y. Isto acontece porque no cálculo do Erro Local (Eloc)
considera-se que y(ti-1) = yi-1. Assim, da equação diferencial dada no PVI, tem-se que
f(ti-1, yi-1) = f(ti-1, y(ti-1)) = y'(ti-1). Portanto,
Eloc = |y(tí) - y,| = |y(tí-1) + hy'(tn) + [1/(2!)]h2y"(cf-1) - yf-X - hfiti-1, yi-1)| ■
■ Eloc = |[1/(2!)]h2y''(Ci_1)| = O(h2), c e (t^, t).
Como o Erro Local do método de Euler é O(h2), diz-se que este método tem ordem 1.
Para a análise do erro global do Método de Euler, serão consideradas hipóteses sobre a
função do PVI, f(t, y), e sobre a derivada segunda da função incógnita, y(t): (i) Suponha
que f seja uma função Lipschitziana na segunda coordenada (y), ou seja, suponha que
exista uma constante positiva L tal que |f(t,y) - f(t,Y)| £ L|y - Y|, quaisquer que sejam t e
[t0, T], y e Y reais. (ii) Suponha, também, que |(1/2)y''(t)| £ k, para todo t e [t0, T].
Observação: A demonstração do Teorema que será enunciado a seguir, utilizará o

seguinte resultado:
s = mn - 1 + mn - 2 + - + m2 + m + 1 ms = mn+mn - 1 + ••• + m3 + m2 + m
n
1 —^
s- ms = 1 - mn ■ s(1 - m) = 1 - mn s=
1—p,
Teorema 1. (Convergência do Método de Euler) De acordo com as hipóteses

anteriores, o Método de Euler é convergente. Isto é, o Erro Global, Eglob = |y(tn) - yn|,
tende a zero quando h = (T - t0)/n tende a zero (ou, equivalentemente, quando n tende a
infinito).
Demonstração: Lembre-se de que y(ti) = y(ti-1) + hy'(ti-1) + (1/2)h2y''(ci-1) = y(ti-1) +

hfiti-!, y(ti-1)) + (1/2)h2y"(cf-1), eu e (tí-x, ti). Além disto, y, = y^ + hf(tl--1, y^), 1 < i < n,
e y(t0) = y0. Assim,
|y(t1) - y1| = |y(t0) + hy'(tü) + (1/2)]h2y"(Cü) - y0 - hf(t0, y0)| ■
■ |y(t1) -y±| = |h2(1/2)y"(c0)| £ h2k, pois C0 e (t0, tx).
Repetindo o raciocínio anterior e usando as hipóteses dadas no teorema, obtém-se que
L/(t2) - y2| = |y(t1) + hft1, y(t1)) + (1/2)h2y''(c1) - yx - hft1, y1)| ■
179
Cálculo Numérico
— ly(í2) - y2| £ [y(íi) - yil + hL\y(ti) -yi\ + (1/2)h2k, pois ci e (ti, t2).
Como |y(ti) -yi| £ h2k então |y(t2) -y2\ £ [i + hL]h2k + h2k , ou seja
y(t2) - y2\ £ h2k {[i + hL] + i}.
Continuando o processo, tem-se que
y(t3) - ya| = |y(t2) + hf(t2, y(t2)) + (i/2)h2y"(c2) - y2 - hfa, y2)\ —
- Iy(t3) -yal £ y(t2) -y>\ + hL\y(t2) -y2\ + h2k, pois c2 e (t2, ta).
Utilizando a desigualdade obtida no passo anterior, tem-se que
y(t3) -y3\ £ [i + hL]{[i + hL] + i}h2k + h2k = h2k{[i + hL]2 + [i + hL] + i}.
Por indução finita, suponha que
y(t/) -y/\ £ h2k{[i + hL]- i + [i + hL]- 2 + ... + i}, i < j < n. Portanto,
\y(tj +i) -yj +i\ = y(0 + hfth y(tj)) + (i/2)h2y"(cj) -yj - hfth yj)\ -
- \y(tj +i) -yj +i\ £ ly(tj) -yj\ [i + hL] + h2k, pois cj e (j tj +1).
Pela hipótese de indução, segue-se que
\y(tj-+i) - yj+i\ £ h2k {[i + hL]j - i + [i + hL] - 2 + ... + [i + hL] + i}[i + hL] + h2k —
[y(tj +i) - yj+i\ £ h2k {[i + hL] + [i + hL] - i + ... + [i + hL]2 + [i + hL] + i}.
Seja m = i + hL. Então, por indução finita,

n
i —p (i+hL )n—i
\y(tn) - yn\ £ h2k { mn - i + mn - 2 + . + m2 + m + i} = h2k = hk
i—p L
pois m - i = hL.
Como h = (T - t0)/n então
T—t 0
(( + ( — ) ))
i+ T t0 L —i
i n
n
0 £ \y(tn) - yn\ £ k
n L
i80
Cálculo Numérico
(
n
(T-t o) L (T-t0)L (T-t0) L
Note que lim 1 + = e e lim — = 0. Portanto,
n^+w y n n^+w n
lim |y(tn)-yn|= 0.
n^ + w
3.2 O Método do Ponto Médio
Como foi mostrado na Introdução (Seção 1), o Método do Ponto Médio é um método de
ordem 2 e, portanto, tem uma ordem de precisão a mais do que o Método de Euler.
Além disto é um método de passo múltiplo; de passo 2, para ser mais específico, ou
seja, o esquema numérico precisará de 2 valores para ser iniciado: y0 e y1.
A dedução deste método é feita através do seguinte desenvolvimento de Taylor:

h2
y(ti) - y(ti-2) = y(ti-i + h) - y(ti-i - h) = y(ti-i) + hy'(t,-1) + 2! y"(ti-i) + E1 - {y(ti-i) -
h3
h2 y''(ti-1) + E2} = 2h.y'(ti-1) + Erro, onde Erro = E1 - E2 = h {(y”'(ci-i) +
hy'(ti-1) +
2!
y"'(di.i)} = O(h3); c., e (t,.i, ti) e dM e (t,-2, tu).
Como foi mostrado na Seção 1, o Método do Ponto Médio é dado por:
yi = yi.2 + 2h.f(ti.i, y^), 2 < i < n.
Note que o valor de y1 deve ser calculado por algum método que tenha,
preferencialmente, a mesmo ordem do Método do Ponto Médio. Isto evita a introdução
de imprecisões numéricas logo no início do método.
Como, até este momento, não foi deduzido formalmente nenhum método de ordem 2,
auto.iniciante (método de passo simples que necessita apenas do valor y0, dado no PVI,
para ser iniciado), o próximo exemplo exibirá uma aplicação do Método do Ponto
Médio que utilizará o valor de yi calculado pelo Método de Euler (que possui ordem i).
Exemplo 2. (Método do Ponto Médio) Considere o seguinte PVI:
y'(t) = ft, y(t)) = t + y; y(1) = y(to) = yo = 2-

Seja h = 0.05. Será obtida uma aproximação da solução em T = 1.2, utilizando o Método
do Ponto Médio e yi = 2.i5 (veja o Exemplo 1 da Seção 3.i deste módulo 4).
181
Cálculo Numérico
(i) I = [t0, T] = [1, 1.2];
(ii) h = (T- to)/n n = (1.2 - 1)/0.05 = 20/5 = 4; logo ti = to + ih, 0 < i < 4, ou seja,
to = 1; ti = 1.05; t2 = 1.1; t3 = 1.15; t4 = 1.2.
Sabendo que ft, y) = t + y, o método do Ponto Médio, yt = yf.2 + 2hf(ti-1, yn), dará
origem aos seguintes valores:
y2 = y0 + 2hf(t1, y1) = 2 + 0.1(t1 + y1) = 2 + 0.1(1.05 + 2.15) = 2.32;
ys = y1 + 2hf(t2, y3) = 2.15 + 0.1(t2 + y2) = 2.15 + 0.1(1.1 + 2.32) = 2.492;
y4 = y2 + 2hf(ts, ys) = 2.32 + 0.1(ts + ys) = 2.32 + 0.1(1.15 + 2.492) = 2.6842.
Portanto, y(1.2) = y(t4) » y4 = 2.6842. Este valor é mais preciso do que o obtido pelo
Método de Euler; basta comparar com o valor fornecido pela solução analítica, y(t) =
4e(t - n - t - 1, y(1.2) = 2.685611033. ■
Erro Global do Método do Ponto Médio
Para a análise do erro global do Método do Ponto Médio, serão consideradas hipóteses
sobre a função do PVI, f(t, y), sobre a derivada terceira da função incógnita, y(t), e sobre
a aproximação inicial de y(t1), denotada por y1: (i) Suponha que f seja uma função
Lipschitziana na segunda coordenada (y), ou seja, suponha que exista uma constante
positiva L tal que |f(t,y) - f(t,Y)| £ L|y - Y|, quaisquer que sejam t e [t0, T], y e Y reais.
(ii) Suponha, também, que |(1/3)y'''(t)| £ k1, para todo t e [t0, T]. (iii) |y(t1) -y1| £ Ch3.
Teorema 2. (Convergência do Método do Ponto Médio) De acordo com as hipóteses

anteriores, o Método do Ponto Médio é convergente. Isto é, o Erro Global, Eglob =
|y(tn) - yn|, tende a zero quando h = (T - t0)/n tende a zero (ou, equivalentemente, quando
n tende a infinito).
Demonstração: Lembre-se de que y(ti) - y(ti-2) = y(ti-1 + h) - y(ti-1 - h) = y(ti-1) + hy'(ti-1)

h2 h2
+ h y"(ti-1) + E1 - {y(ti-1) - hy'(ti-1i-1)) ++ h y”(ti-1) + E2} = 2h.y'(ti-1) + Erro, onde
hy'(t
h3
Erro = E1 - E2 = 3^ {(y"'(cn) + y"'(dn)} = O(h3); cH e (tu, ti) e di-1 e (ti-2, ti-1). Além
disto, yi = yi-2 + 2hf(ti-1, yi-1), 2 < i < n; y(t0) = y0 e y1 foi obtido por um método de
ordem 2, ou seja, |y(t1) - y1| £ Ch3. Assim,
182
Cálculo Numérico
3
Ly(tf) -yi| = |y(ti-2) + 2h /(tf-1, y(ti-1)) + — {(y'''(ci-1) + y'"^)} -y« + 2h /(tf-1, yf_1)| -
- Ly(ti) - yi| £ ly(tí-2) - yi-2| + 2hL Ly(tf-1) - yi-1 | + h3K1.
Assim,
|y(t2) - y2| £ |y(tü) - yü| + 2hL|y(t1) - yx| + h3k1 £ 2hLCh3 + h3k1 £ h3k{2hL + 1},
onde k = máximo{C, k1}.
Repetindo o raciocínio anterior, obtém-se que
|y(t3) -ya| £ |y(t1) -y1| + 2hL|y(t2) -y2\ + h3k1 £ Ch + 2hL{h3k[2hL + 1]} + h3k1 £
h3k + h3k{ (2hL)2 + 2hL} + h3k •
— |y(t3) - y3| £ h3k + h3k{ (2hL)2 + 2hL + 1 }.
Continuando o processo, tem-se que
|y(t4) - y4| £ |y(t2) - y2| + 2hL |y(t3) -y3| + h3k1 £ h3k{ 2hL + 1 } + 2hL{ h3k +
h3k [(2hL)2 + 2hL + 1]} + h3k1 £ h3k{2hL + 1} + 2hLh3k + h3k{(2hL)3 + (2hL)2 +
2hL} + h3k £ h3k{2hL + 1} + 2hLh3k + h3k{(2hL)3 + (2hL)2 + 2hL + 1} -
- [y(t4) -y4| £ p(h) + h3k{(2hL)3 + (2hL)2 + 2hL + 1},
onde p(h) = h3k{2hL + 1} + 2hLh3k. Portanto, lim p (h) = 0.

h^ 0
Considere h < 1/(2L) ou, equivalentemente, n > (T - t0)2L. Seja Z = 2hL < 1. Por
indução finita, suponha que
|y(j) -yj £ pü)(h) + h3k{Z- 1 + Z- 2 + — + 1}, 2 < j < n, tal que j

lim p( )(h) = 0.
0
Portanto,
ytj+1) -yj+1| £ |y(tj-1) -yj-1| + 2hL\y(tj) -yj + h3k1 £ p^(h) + h3k{Zj - 2 + Z- 3 + — + 1}
+ Z{p(1)(h) + h3k [Z - 1 + Z - 2 + — + 1]} + h3k £ p®(h) + h?K {Zj - 2 + Z - 3 + — + 1} +
Zp(j-1)(h) + h3k {Zj + Zj - 1 + — + 1}. Além disto, lim

0
j j
p( )(h)=lim p( -1)(h)=0.
h^0
Assim,
183
Cálculo Numérico
\y(tj+1) -yj +1| £ pi: '(h) + h"'k{Zj + Z- 1 + — + 1},
onde, p°'+1)(h) = p®(h) + h3k {Zj - 2 + Z - 3 + — + 1} + ZP°L1)(h)-
Observe que 1 £ S(z) = zj - 2 + zj - 3 + — + 1 = (1 - zj-1)/(1 - z) £ 1/(1 - z), pois 0 £ z < 1.

Como Z = 2Lh então, pelo teorema do confronto, lim S
’ r h^ 0
(z) = 1. Portanto,
j
lim p( +1)(h)= 0.
h^ 0
Por indução finita, segue-se que 0 £ y(tn) -yn| £ p(n)(h) + h3k {Zn " 1 + Zn - 2 + — + 1}.
Como h = (T - t0)/n então n

lim p( )( h) = 0 (n) T -
T -tt0
lim p ' ------- = 0 . De fato,
h^ 0 n ->+o \ n i
Dado e > 0 existe d > 0 tal que \h\ < d • \p(n)(h)\ < e. Seja n0 > máximo{(T - t0)/d,
(T- t0)2L}. Assim, se n > n0 então h < d — \p(n)(h)\ < e — \p(n)([T - t0]/d)\ < e. Observe
que: n > n — h < 1/(2L) — Z < 1.
Agora, observe que 1 £ S(z) = zn - 1 + Zn - 2 + — + 1 = (1 - Zn -1)/(1 - Z) £ 1/(1 - Z).

Como Z = 2Lh = 2L(T - t0)/n então lim S = 1. Além disto,
n ->+o
(z)
(T-t0)3
lim = 0. Desta forma, lim |y(tn)-yn| = 0. ■
3 n ->+oo
n ->+o n
3.3 O Método de Taylor de Ordem 2
O Método de Taylor de ordem dois é deduzido a partir da seguinte expansão:
h2 3
h
y(ti) = y(ti-1 + h) = y(ti-1) + hy'(ti-1) + 2h! y"(M + y"'(ci-1), Ci-1 e (ti-1, ti).
3!
Sabendo que y'(t) = f(t, y(t)) e utilizando a regra de derivação conhecida como Regra da
d f df
Cadeia (*), tem-se que y"(t) = ftí, y(t)) + ypPyXjp onde f = —, fy = -^y e
y'(t) = f(t, y(t)).
184
Cálculo Numérico
(*) Para obter informações sobre a Regra da Cadeia, consulte as
referências abaixo e o material didático desenvolvido para a
disciplina Cálculo III.
[3] BOULOS, P. Introdução ao cálculo. Volume 2. Editora Edgard Blucher Ltda, São
Paulo, 1974.
[4] LEITHOLD, L. O Cálculo com geometria analítica. 2 Volumes, 3a Edição. Ed.

Harbra, São Paulo: 1994.
3
h
Na expansão de Taylor dada anteriormente, desprezando-se o erro ( y'''(ci-1) =
3!
O(h3), ci-1 e (ti-1, ti)) e trocando-se os valores exatos pelos valores aproximados (veja os
passos (i - iv) apresentados na Seção 1 deste módulo), obtém-se o Método de Taylor de
ordem 2:
yi-1) + 2!
yi = yi-1 + hf(ti-1, {ft(ti-1, yi-1) + fy(ti-1, yi-1).f(ti-1, yi-1)}, 1 < i < n.
O erro local do Método de Taylor de ordem 2 é o erro de truncamento da série de Taylor

da função y. Isto acontece porque no cálculo do Erro Local (Eloc) considera-se que y(ti-1)
= yi-1. Assim, da equação diferencial dada no PVI, tem-se que f(ti-1, yi-1) = f(ti-1, y(ti-1)) =
y'(ti-1); ft(ti-1, yi-1) = ft(ti-1, y(ti-1)) e fy(ti-1, yi-1) = fy(ti-1, y(ti-1)). Portanto,
h3
Eloc = |y(ti) - yi| = |O(h3)| = — |y'''(ci-1)|, ci-1 e (ti-1, ti).
Como o Erro Local é O(h3), diz-se que este Método de Taylor tem ordem 2.
Observação: O Método de Taylor de ordem 2, bem como o Método de Euler, é um

método auto-iniciante, ou seja, a partir do valor inicial y0, fornecido no PVI, é possível
calcular todas as aproximações de y(ti), yi, 1 < i < n.
Observação: A grande desvantagem do Método de Taylor está relacionada ao esforço

computacional devido aos cálculos envolvendo as derivadas parciais da função f dada
no PVI. Como as expressões dos métodos de Euler e do Ponto Médio não envolvem
derivadas parciais e utilizam apenas a função f do PVI eles demandam menos esforço
computacional quando comparados ao Método de Taylor de ordem 2.
185
Cálculo Numérico
Exemplo 3. (Método do Ponto Médio com valor y1 calculado pelo Método de
Taylor de ordem 2) Considere o seguinte PVI:
y'(t) = ft, y(t)) = t + y; y(i) = y(to) = yo = 2.

Seja h = 0.05 e ti = t0 + h = i.05. O Método de Taylor de ordem 2 será utilizado para se
calcular yi, que é uma aproximação de y(ti). A aproximação da solução do PVI, em T =
i.2, será obtida através do Método do Ponto Médio.
(i) I = [to, T] = [i, i.2];
(ii) h = (T - to)/n — n = (i.2 - i)/0.05 = 20/5 = 4; logo ti = to + ih, 0 < i < 4, ou seja,
to = i; ti = i.05; t2 = i.i; t3 = i.i5; t4 = i.2.
Sabendo que f(t, y) = t + y então ft(t, y) = i e fy(t, y) = i. Portanto, o Método de Taylor

h2
de ordem 2 é dado por: yi = yi-i + hf(ti-i, yi-i) + — {i + f(ti-i, yi-i)}. Assim, yi = yo +
h2
hf(to, yo) + 2! {i + f(t , yo)} = 2 + o.o5(i + 2) + o.ooi25{i + (i + 2)} = 2.i55.
o
O método do Ponto Médio, yi = yi-2 + 2hf(ti-i, yi-i), dará origem aos seguintes valores:
y2 = yo + 2hf(ti, yi) = 2 + o.i(ti + yi) = 2 + o.i(i.o5 + 2.i55) = 2.32o5;
y3 = yi + 2hf(t2, y?) = 2.i55 + o.ifc + y2) = 2.i55 + o.i(i.i + 2.32o5) = 2.497o5;
y4 = y2 + 2hf(t3, ys) = 2.32o5 + o.ifc + ys) = 2.32o5 + o.i(i.i5 + 2.497o5) = 2.6852o5.
Portanto, y(i.2) = y(t4) » y4 = 2.6852o5. Este valor é mais preciso do que aquele obtido
no Exemplo 2, no qual, também, considerou-se o Método do Ponto Médio, porém yi foi
calculado pelo Método de Euler de ordem i. Lembre-se de que a solução analítica, y(t)
= 4e(t - n - t - i, fornece y(i.2) = 2.6856iio33. ■
O Próximo exercício tem como propósito mostrar que o Método de Taylor de ordem 2
demanda mais contas (mais esforço computacional) do que o Método do Ponto Médio,
embora os dois métodos tenham a mesma precisão (ordem 2).
Exercício 1. (Método de Taylor de ordem 2) Considere o mesmo problema exibido no

Exemplo 3 anterior. Obtenha uma aproximação da solução do PVI, em T = i.2,
utilizando o Método de Taylor de ordem 2.
Solução do Exercício 1: Como foi exibido no exemplo anterior, o método de Taylor de

ordem 2 tem a seguinte expressão:
i86
Cálculo Numérico
h.
yi = yi-1 + hf(ti-1, yi-1) +
2!
{ft(ti-1, yi-1) + fy(ti-1, yi-1).f(ti-1, yi-1)} = yi-1 + —f(ti-1, yi-1) +
h2
— {1 + ftti-i, yi-i)}.
Assim,
2
y1 = y0 + hf(t0, y0) + — {1 + ftt0, y0)} = 2 + 0.05(1 + 2) + 0.00125{1 + (1 + 2)} =
2.155.
2
y2 = yi + hf(ti, yi) + 2?! {1 + fa, yi)} = 2.155 + 0.05(1.05 + 2.155) + 0.00125{1 +
(1.05 + 2.155)} = 2.32050625.
2
y3 = y2 + hf(t2, y2) + 2- {i + f(t2, y2)} = 2.32050625 + 0.05(1.1 + 2.32050625) +
0.00125{1 + (1.1 + 2.32050625)} = 2.497057195.
2
y4 = y3 + hftt3, y3) + 2! {1 + ftt3, y3)} = 2.497057195 + 0.05(1.15 + 2.497057195) +
0.00125{1 + (1.15 + 2.497057195)} = 2.685218876. D
3.4 Métodos de Runge - Kutta
A fórmula geral de um Método de Runge - Kutta de s estágios (s-RK) é dada por:
s
Ki = yi - 1 + h £ al>] f (t^+hC ,K );
j=1
j j 1 £ l £ s;
s
yi = yi- 1 + h £ b f (t;
j=1
j -1+hCj,Kj); 1 £ i £ n.
s
Os parâmetros a, , ci = al . e bj são determinados de modo a garantir a igualdade
j=1
dos polinômios de Taylor, na variável h, oriundos do desenvolvimento de Taylor da
função f que aparece tanto na expressão do Método de Runge - Kutta quanto na
expressão do Método de Taylor de uma determinada ordem.
Os métodos s-RK dados pela fórmula geral exibida anteriormente são denominados
métodos implícitos. Neste material didático, não serão deduzidos os métodos implícitos.
Uma referência importante sobre o assunto é a seguinte:
187
Cálculo Numérico
BUTCHER, J.C. The numerical analysis of ordinary differential
equations: Runge-Kutta and general linear methods. Wiley-Interscience
Bibliografia
Adicional Comentada New York, NY, USA, 1987.
Eu utilizei este livro em minha dissertação de Mestrado. Fui orientado pela professora
Célia Maria Finazzi de Andrade, ICMC - USP - São Carlos. A professora Célia
emprestou o livro dela, novinho em folha, para mim. Era o meu livro de cabeceira, era a
minha Bíblia. Café da manhã, almoço e janta, o livro sempre a vista. Chorei, sorri, senti
me aliviado diante dele. Dissertação finalizada, defendida e aprovada, em fevereiro de
1993, devolvi o livro para a professora Célia Finazzi. Ela mostrava com orgulho, para a
professora Neide Bertoldi, as folhas encardidas pelo manuseio. Se não me engano, a
dissertação foi aprovada com louvor pelos membros da Banca Examinadora: Célia
Finazzi, Neide Bertoldi Franco (ICMC - USP) e Sebastião Pereira Martins (IBILCE -
UNESP - São José do Rio Preto).
Observação: No caso geral, os s estágios de um método de Runge - Kutta são obtidos
através da resolução de um sistema de s equações não lineares. Este tipo de sistema não
será abordado neste material, mas quem tiver interesse no assunto pode consultar, por
exemplo, o livro da Vera Lúcia Lopes e Márcia Ruggiero (Bibliografia comentada na
Seção 4.2 do módulo 2). Os parâmetros de um s-RK podem ser exibidos matricialmente
como segue.
s
a11 a12 a13 a1s
ci = Z
j=1
qi,j
s
a21 a22 a23 a2s
c2 = Za
j=1
2,j
s
a31 a32 a33 a3s
c3 = Za
j=1
3,j
s
as1 as2 as3 ass
Cs = Za
j=1
s,j
bi b2 b3 bs
Observação: Uma classe especial de métodos s-RK é a dos métodos diagonalmente

implícitos. Nesta classe de métodos, os s estágios também são implícitos, mas as
equações do sistema não linear podem ser resolvidas sequencialmente. Primeiro obtém-
se o valor de K1 resolvendo-se uma equação não linear do tipo K1 = F1(K1). Dado K1
obtém-se o valor de K2 resolvendo-se a equação K2 = F2(K1, K2) e assim sucessivamente.
188
Cálculo Numérico
Desta forma, dados os valores de Ki, Kj-i, o valor do estágio Kj, 2 < j £ s, será obtido
resolvendo-se a equação Kj = Fj(Ki, Kj-1, Kj). A fórmula de um s-RK diagonalmente
implícito é exibida a seguir.
l
Ki = yi - i + h Ea
j=i
j (tf-i+hCj,Kj); 1 £ l £ s;
s
yi = yi- 1 + h Eb
j=i
jf (ti-i+hCj,Kj); 1 £ i £ n.
A representação matricial dos parâmetros envolvidos neste tipo de método é dada

abaixo (note que a matriz com elementos alj é triangular inferior).
1
a11 0 0 0
c1 = Ea
j=1
1,j
2
a21 a22 0 0
C2 = Ea
j=1
2, j
3
a31 a32 a33 0
C3 = Ea
j=1
3,j
s
as1 as2 as3 ass
Cs = Ea
j=1
s,j
b1 b2 b3 bs
Na próxima seção serão deduzidos os Métodos de Runge - Kutta de ordem 2 e dois

estágios explícitos. Serão exibidos, também, os métodos explícitos 3-RK e 4-RK de
ordens 3 e 4, respectivamente.
Métodos de Runge - Kutta explícitos

Um s-RK explícito tem a seguinte fórmula:
l-1
Ki = yi - i + h Ea
j=1
j (t-+hCj,Kj); 1 £ l £ s;
s
yi = yi - 1 + h Eb jf (ti-1+hCj,Kj); 1 £ i £ n.
j=1
A representação matricial dos parâmetros envolvidos neste método é exibida a seguir.
189
Cálculo Numérico
c1 = 0 0 0 0 0 0
C2 = a21 a21 0 0 0 0
2
a31 a32 0 0 0
c3 = Ea
j=1
3, J
s-1
as1 as2 as3 as,s-1 0
cs = Ea
J=1
s, J
b1 b2 b3 bs-1 bs
Método de ordem 2 e 2 estágios
De acordo com a fórmula apresentada anteriormente, o método explícito de dois

estágios pode ser reescrito como:
K1 = yi - 1; K2 = yi - 1 + ha21 f(ti-1 + hc1, K1) = yi - 1 + ha21 f(ti-1, yi - 1);
yi = yi- 1 + h{b1 yi-1) + b2 f(ti-i + hc2, yi- 1 + ha21 fiti-h yt- 1))}, 1 £ i £ n.
Considere o desenvolvimento de Taylor da função f em torno do ponto (ti-1, yi-1) de

modo que a expressão de yi seja dada em função de um polinômio de grau 2 na variável
h; os termos O(h3) farão parte do erro de truncamento da série de Taylor. Desta forma,
yi = yi-1 + h{b f(ti-1, yi - 1) + b2 fit{ - 1 + hc2, yi - 1 + ha21 flfi - 1, yi - 1))} = yi - 1 + hb f(ti- 1, yi -1)
+ h b2{ f(ti-1, yi -1) + ft(ti - 1, yi - 1). hc2 + fifa - 1, yi - 1).ha21 fífi -1, yi - 1) + O(h2)} =
yi - 1 + hf(ti - 1, yi -1) [b1 + b2] + h2[b2 C2 f(ti - 1, yi - 1) + b2 a21 fy(ti - 1, yi - 1) fit{ - 1, yi - 1)] + O(h3).
Como a21 = C2 então
yi = yi-1 + hf(ti -1, yi -1) [b1 + b2] + h2b2 C2 [f£(tf - 1, yi - 1) + fy(ti - 1, yi - 1) ft -1, yi - 1)] + O(h3).
Os parâmetros do Método 2-RK serão obtidos a partir da igualdade do polinômio de

grau 2, na variável h, dado na expressão anterior e o polinômio dado no Método de
h2
Taylor de ordem 2: yi = yi-1 + hfiti-1, yi-1) + — [ft(ti-1, yi-1) + fy(ti-1, yi-1) fita yi-1)].
190
Cálculo Numérico
Desta forma,
b1 + b2 = 1 e b2 c2 = 1/2.
Portanto, existem infinitos métodos de Runge - Kutta de ordem dois e dois estágios.
Supondo-se C2 # 0 então b2 = 1/(2c2 ) e bi = 1 - 1/(2c2 ).
Os dois métodos mais utilizados são o Método de Euler Melhorado e o Método de Euler
Modificado. No Método de Euler Melhorado (ou Aperfeiçoado), tem-se que c2 = 1; b2 =
1/(2c2 ) = 1/2 e b1 = 1 - 1/(2c2 ) = 1/2. No Método de Euler Modificado, tem-se que
c2 = 1/2; b2 = 1/(2c2 ) = 1 e b1 = 1 - 1/(2c2 ) = 0. Desta forma, as expressões destes
métodos são as seguintes:
Euler Aperfeiçoado: yi = yi-i + (h/2){f(tii, yi-i) + fit;, yi-i + h f(ti-i,yi- i))}, 1 £ i £ n.
Euler Modificado: yi = yi - i + h f(ti-i+ h/2, yi - i + (h/2) f(ti-i, yi - i)), i £ i £ n.
A seguir será exibida uma interpretação geométrica do Método de Euler Aperfeiçoado.

Considere o ponto (ti, yi), yi » y(ti). Suponha a situação ideal em que a curva desenhada
com linha cheia seja a solução y(t) do PVI. Por (ti, yi) traçamos a reta L1 que tem
coeficiente angular dado por f(ti, yi), Li(t) = yi + f(ti, yi)(t - ti), conforme a Figura 2
abaixo.
i9i
Cálculo Numérico
Note que Li(ti+ h) = yi + hW(ti, yi) é uma aproximação do Método de Euler de ordem i,
a qual será denotada por yt+i.
Agora considere o ponto P = (ti+i,yt+i). A reta passando por P e que tem coeficiente
angular dado por W(ti+i, yyi+i) é dada por L2(t) = yyi+i + W (xi+i,yyi+i) (t - ti+i)
(Veja a Figura 3).
Na terceira etapa da construção geométrica do Método de Euler Melhorado, traçaremos

a reta pontilhada Lo que passa por P e tem inclinação dada pela média aritmética das
inclinações das retas Li e L2 f (’ y') + 2f (+i ’ y'+i), conforme a Figura 4.
i92
Cálculo Numérico
Figura 4 - Módulo 4 - 3a parte da interpretação geométrica - Euler Melhorado
Finalmente, a última parte da interpretação geométrica está exibida na Figura 5. A reta

L que passa por (ti, yi) e é paralela à reta L0 tem equação dada por:
L(t) = yi + (
f ti ■ yi ) + f (t i+1 ■ yi+1 ) (t - ti).
2
Note que L(ti+1) é justamente igual à aproximaçãoyi+1 do Método de Euler Melhorado:

y+1 = yi + (h/2){ f(ti, yi) + f(ti+1, yi + h f(ti, yi))}.
193
Cálculo Numérico
Como exercício, faça a interpretação geométrica do Método de Euler Modificado.
Exemplo 4. (Método de Euler Modificado) Considere o seguinte PVI:
y'(t) = f(t, y(t)) = t + y; y(1) = y(h) = y0 = 2.
Seja h = 0.05 e t1 = t0 + h = 1.05. O Método de Euler Modificado de ordem 2 será

utilizado para se obter a aproximação do PVI no ponto T = 1.2.
Como já foi mostrado nos exemplos anteriores,
t0 = 1; ti = 1.05; t2 = 1.1; t3 = 1.15; t4 = 1.2.
Assim, o Método de Euler Modificado, yi = yi - 1 + h f(ti-1+ h/2, yi - 1 + (h/2) f(ti-1, yi - x)),

dará origem aos seguintes valores:
y1 = y0 + hftt0+ h/2, y0 + (h/2) fit0, y)) = 2 + 0.05{t0 + h/2 + y0 + (h/2)[t0 + y0]} = 2 +

0.05U + 0.025 + 2 + 0.025 [1 + 2]} = 2.155;
y2 = y1 + hf(t1+ h/2, y1 + (h/2) f(t1, y1)) = 2.155 + 0.05{t1 + h/2 + y1 + (h/2)[t1 + y1]} =
2.155 + 0.05{1.05 + 0.025 + 2.155 + 0.025 [1.05 + 2.155]} = 2.32050625;
194
Cálculo Numérico
y3 = y. + hf(t2+ h/2,y2 + (h/2) f(t2,y2)) = 2.32050625 + 0.05{t2 + h/2 + y2 + (h/2)[t2 + y2]}
= 2.32050625 + 0.05{1.1 + 0.025 + 2.32050625 + 0.025 [1.1 + 2.32050625]} =
2.497057195;
y4 = y3 + hf(t3+ h/2, y3 + (h/2) f(t3, y3)) = 2.497057195 + 0.05{t3 + h/2 + y3 + (h/2)[t3 +

y3]} = 2.497057195 + 0.05{1.15 + 0.025 + 2.497057195 + 0.025 [1.15 + 2.497057195]}
= 2.685218876.
Portanto, y(1.2) = y(t4) » y4 = 2.685218876. Note que todos os valores obtidos pelo
Método de Euler Modificado coincidem com os valores obtidos, no Exercício 1 da
Seção 3.3, pelo Método de Taylor de ordem 2; porém o Método de Euler Modificado
não utiliza derivadas parciais. Lembre-se de que a solução analítica, y(t) = 4e(t - 1) - t - 1,
fornece y(1.2) = 2.685611033. ■
Método de ordem 3 e 3 estágios e Método de ordem 4 e 4 estágios
Utilizando os mesmos procedimentos descritos para se deduzir os métodos 2-RK

explícitos de ordem 2, os seguintes métodos podem ser obtidos:
- o método de ordem 3 e 3 estágios -
yi = yi - i + (2/9)Ki + (1/3)K2 + (4/9)Ka, 1 £ i £ n;
- o método de ordem 4 e 4 estágios -
K1 = hfiti-i, yi - 1); K2 = hf(ti-1 + h/2, yi - 1 + K1/2);
K3 = hf(ti-1 + h/2, yi - 1 + K2/2); K4 = hf(ti-1 + h, yi - 1 + K3);
yi = yi - 1 + (1/6)[K1 + 2K2 + 2K3, + K4], 1 £ i £ n.
Os algoritmos destes métodos serão exibidos em uma próxima seção.
195
Cálculo Numérico
Síntese
Os Métodos de Runge - Kutta de ordem p são de passo um, ou seja, são auto-iniciantes;
não exigem o cálculo de derivadas parciais da função f(t,y) dada no PVI; necessitam
apenas do cálculo de f(t,y) em determinados pontos, que são obtidos através de uma
comparação com o Método de Taylor de ordem p; são análogos ao Método de Taylor
de ordem p no seguinte sentido: expandindo-se a função f em série de Taylor em torno
do ponto (ti-i, yi-i) e agrupando-se os termos em relação às potências de h, de 0 até p, a
expressão do método de Runge - Kutta (polinômio de grau p na variável h) coincide
com a expressão do Método de Taylor.
4. Métodos Baseados em Integração Numérica
Nesta seção serão estudados os métodos conhecidos como Métodos de Adams -

Bashforth e Métodos de Adams - Moulton. Nestes métodos, o Problema de Valor
Inicial: y'(t) = f(t, y(t)) e y(t0) = y0 é transformado na seguinte formulação integral:
ti ti t
i
J f(t,y(t)) dt
tJ y'(t) dt = t Jf (t,y(t)) dt
y(ti) = y(ti-i) + e y(t0) = y0.
i-i i-i t
i-i
Analogamente às etapas propostas na Introdução deste módulo (após a primeira

observação da Seção i), observe que a partição do intervalo I = [t0, T] considerou pontos
igualmente espaçados: ti = to + ih, 0 < i < n, onde h = (T - to)/n.
Após a formulação integral do PVI, a construção dos métodos numéricos de Adams

deve se basear nas seguintes etapas:
(i) Para t e [to, T], defina a função G(t) = f(t, y(t)).
(ii) Construa os polinômios interpoladores de Lagrange de grau m para a função G

considerando os seguintes (m + i) pontos de interpolação: (I) ti, ti-i, ti-m ou
(II) ti-i, ti-2, ti-(m + i).
t t
J p(I)( t ) dt
i i
(iii) Considere as seguintes aproximações: (I) J G(t,y(t)) dt ; (II)
t t ti-i ti-i
J p II (t) dt;
i i
J G(t , y(t)) dt » ( ) desprezando-se os erros de integração.

t
i-i t
i-i
(iv) Substitua y(ti) e y(ti-i) pelos valores aproximados yi e yi-i. Nas regras de integração,
substitua G(ti-j) = f(ti-j, y(ti-j)) pelo valor aproximado f(ti-j, yi-j), para cada j, o £ j £ m + i.
i96
Cálculo Numérico
Observação: O erro local dos métodos de Adams coincide com o erro de integração
numérica:
it t i
E(I) = J G(t,y(t)) dt - J p(I (t) dt ou )

t
i-i t i-i
ti ti
Em = J G(t,y(t)) dt - J p[I1 (t) dt. )
t
i-i t i- i
Observação: Os métodos que são construídos com a utilização do polinômio p(I) são
denominados métodos implícitos (Adams - Moulton) e os que utilizam o polinômio p(II)
são denominados métodos explícitos (Adams - Bashforth).
4.1. Métodos de Adams - Bashforth - Moulton de ordem 2
Considere o polinômio de Lagrange de grau i sobre os pontos: (I) xo,I = ti-i e xi,I = ti
e sobre os pontos: (II) xo,II = ti-2 e xi,II = ti-i. Estes polinômios serão representados por
p(J)(t) = G(xo,j)Lo,j(t) + G(xi,j)Li,j(t), onde Loj(t) = (X X^T; LJt) = ;
(x - X );
o,9 i, 9/
Li,j(t)
( - )
xi,9 xo,9
J = I ou J = II e G(t) = f(t, y(t)).
t
J p(I)(t ) dt
i
O valor de RI = deve ser calculado para se deduzir o método implícito.

t i-i
Porém este cálculo é exatamente o mesmo que foi realizado na obtenção da Regra do
Trapézio (Seção 5.i do Módulo 3). Portanto,
Ri = (h/2){G(ti-i) + G(ti)} — Ri = (h/2){f(t-i, y(t-i)) + f(t, y(ti))}.

t
J p II (t ) dt.
i
No método explícito, é preciso calcular RII = ( ) Fazendo a troca de
variáveis t = ti-i + uh obtém-se que

t i-i
i i i
Rii = J P( 11 (ti
o
) -i + uh) hdu = G(ti-2) J-uhdu
o
+ G(t,-i) J (u + i) hdu
o
■ Rii = (h/2){- G(t-2) + 3G(ti-i)} — Rii = (h/2){- f(t-2, y(t-2)) + 3f(t-i, y(t-i))}.
Desta forma, os métodos de Adams implícito e explícito de ordem 2 são dados,

respectivamente, por:
yi = yi-i + (h/2){f(tM, yi-i) + f(ti, yi)}; i £ i £ n, (Adams - Moulton)

e
yi = yi-i + (h/2){- f(ti-2, yi-2) + 3f(ti-i, yi-i)}; 2 £ i £ n, (Adams - Bashforth).
i97
Cálculo Numérico
Observação: O primeiro método anterior é implícito porque a sua expressão é da forma
yi = FI(yi), onde FI(yi) = yi-1 + (h/2){f(ti-1, yi-1) + f(ti, yi)}. Portanto, yi está em função dele
mesmo, ou seja, yi está definido de modo implícito. O valor de yi, em geral, é calculado
através de um método apropriado para obter zero de função, tal como o Método do
Ponto Fixo (ou Método Iterativo Linear).
Observação: O segundo método anterior é explícito e de passo 2 porque a sua

expressão é da forma yi = Fofa, yi-1) = yi-1 + (h/2){- f(ti-2, + fti-1, yi-1)}. Portanto,
dados os dois valores iniciais, y0 e y1, os demais valores são calculados, explicitamente,
sem a necessidade de métodos iterativos.
Fórmulas dos Erros de Integração - métodos de ordem 2
Os métodos implícito e explícito apresentados anteriormente são de ordem 2 porque os

erros associados às regras de integração empregadas em suas deduções são do tipo
O(h3), como será mostrado a seguir.
Lembre-se de que o erro de integração é a integral do erro de interpolação (veja a Seção

G(2)(t) ti
5 do módulo 3). Desta forma, E(I) =

ti 2!
J
N (t) 27 dt ■ onde N(t) = (t - ti-1)(t - ti) < 0,
-1
t e (ti-1, ti).
Supondo que a derivada segunda G(2) seja contínua então E(I) vai ter a mesma expressão
do erro da Regra do Trapézio (veja a Seção 5.1 do Módulo 3). Assim, E(I) =
h3G(2)(c)
-------12 ■ onde c e (ti-1, ti).
(II) t G 2 (t) ( )
J N(t) 2277 dt ■
i
Além disto, E(II) = t i-1 onde N(t) = (t - ti-2)(t - ti-1) > 0, " t e (ti-1, ti).
Considerando-se a mesma hipótese anterior sobre G(2) e usando o Teorema do Valor
Intermediário para integrais (veja as observações apresentadas na Seção 5.1 do Módulo
3) tem-se que: E(II) =

G(2)(c)
2 Jt t
i
i-1
N(t) dt.
N (t) dt' Utilizando a troca de variáveis t = ti-1 + uh
obtém-se que
G(2)( c) 1
E(II) = 2 J Nuh)hdu = J(„ +1) Udu = 52^,
12
0
02 0
c e (ti-1, ti).
Observação: Como G(c) = f(c, y(c)) = y’(c) então G(2)(c) = f (2)(c, y(c)) = y(3)(c).
198
Cálculo Numérico
Método Previsor - Corretor de ordem 2
Utilizando-se os métodos de Adams implícito e explícito, pode-se construir um

esquema numérico denominado método previsor - corretor, que é aplicado na resolução
de um PVI. As etapas deste procedimento são exibidas a seguir.
(i) Obtenha os valores iniciais do método previsor (método explícito de passo múltiplo -
Método de Adams-Bashforth), utilizando um método auto-iniciante que tenha a mesma
ordem que os métodos implícito e explícito.
(ii) Calcule o valor de yi pelo método previsor e denote este valor por yi(0).
(iii) Use o valor yi(0) no lado direito da expressão do método corretor (método implícito
- Método de Adams-Moulton). Mais especificamente, com a notação utilizada
anteriormente (veja a primeira observação da Seção 4.1 deste módulo), substitua FI(yi)
por FI(yi(0)).
(iv) Execute quantas correções forem necessárias para obter a aproximação desejada
para yi. Note que, para cada i, está sendo executado o Método do Ponto Fixo (análogo
ao estudado no tópico Zero de Função): yi(k) = Fi(yi(k-1)), k > 1.
O esquema previsor - corretor será aplicado no próximo exercício.
Exercício 2. (Método Previsor - Corretor) Considere o seguinte PVI:
y'(t) = fa, y(t)) = t + y; y(1) = y(t0) = y0 = 2.

Seja h = 0.05. Obtenha uma aproximação da solução do PVI, em T = 1.2. Utilize o par
previsor - corretor de Adams-Bashforth-Moulton de ordem2.
Sabemos que I = [í0, T] = [1, 1.2]; h = (T - Í0)/n • n = (1.2 - 1)/0.05 = 20/5 = 4.

Além disto, ti = Í0 + ih, 0 < i < 4, ou seja, Í0 = 1; t1 = 1.05; t2 = 1.1; Í3 = 1.15 e Í4 = 1.2.
Seguindo as etapas do esquema previsor - corretor, tem-se que
(i) O método previsor tem expressão dada por yi = yi-1 + (h/2){- f(ti-2, yi-2) + 3f(ti-1, yi-1)},
logo precisa de dois valores inicias y0 e y1. De acordo com o PVI, y0 = 2. O valor de y1
deve ser ser calculado por um método de ordem 2, auto-iniciante (ou de passo 1).
Utilizando o Método de Runge-Kutta de ordem 2, considere y1 = 2.155.
(ii) Dado y1, o método previsor nos fornece
199
Cálculo Numérico
y2(0) = y1 + (h/2){— /(tc, yc) + 3f(t1, y1)} = 2.155 + 0.025{- fa + yc) + 3(t1 + y1)} •
• y2(0) = 2.155 + 0.025{- (1 + 2) + 3(1.05 + 2.155)} = 2.320375.
(iii e iv) A partir de y2(0) serão realizadas iterações (neste exercício, serão realizadas
apenas duas iterações) com o método corretor (método implícito): y2(k) = FI(y2(k-1)), k = 1
e k = 2. Como o método iterativo é dado por y2(k) = y1 + (h/2)f(t1, y1) + (h/2)f(t2, y2(k-1))
então durante as iterações o valor de y1 + (h/2)f(t1, y1) não se altera. Desta forma, o
método corretor fornecerá as seguintes aproximações:
( Corretor: yi = y^ + (h/2){ffa1, y^) + f(t,, y,)} )
valor constante:
y1 + (h/2)f(t1, y1) = 2.155 + 0.025(1.05 + 2.155) = 2.235125.

iterações:
y2(1) = 2.235125 + (h/2)/fa, y2(0)) = 2.235125 + 0.025(t2 + y2(0)) •
• y2(1) = 2.235125 + 0.025(1.1 + 2.320375) = 2.320634375.
y2(2) = 2.235125 + (h/2)/fa, y2(1)) = 2.235125 + 0.025(t2 + y2(1)) •
• y2(2) = 2.235125 + 0.025(1.1 + 2.320634375) = 2.320640859.
Repetindo-se as etapas anteriores, obtêm-se:
( Previsor: y, = y,A + (h/2){- fita, y,-2) + 3fit,-1, y,-1)} )
y3(0) = y2 + (h/2){- /fa, y1) + 3/fa, y2)} = 2.320640859 + 0.025{- fa + y1) + 3(t2 + y2)} •
y3(0) = 2.320640859 + 0.025{- (1.05 + 2.155) + 3(1.1 + 2.320640859)} = 2.497063923.
( Corretor: y, = y^ + (h/2){f(t,-1, y^) + f(t,, y,)} )
valor constante:
y2 + (h/2)f(t2, y2) = 2.320640859 + 0.025(1.1 + 2.320640859) = 2.40615688.
iterações:
y3(1) = 2.40615688 + (h/2)f(t3, y3(0)) = 2.40615688 + 0.025(t3 + y3(0)) •
• y3(1) = 2.40615688 + 0.025(1.15 + 2.497063923) = 2.497333479.
y3(2) = 2.40615688 + (h/2)f(t3, y3(1)) = 2.40615688 + 0.025(t3 + y3(1)) •
• y3(2) = 2.40615688 + 0.025(1.15 + 2.497333479) = 2.497340217.
200
Cálculo Numérico
( Previsor: yi = yi-1 + (h/2){- f(ti-2, y-2) + 3f(ti-1, yi-1)} )
y4(0) = y3 + (h/2){- fo, 72) + 3f(t3, y3)} = 2.497340217 + 0.025{- (t2 + y2) + 3(t3 + y3)} •
y4(0) = 2.497340217 + 0.025{- (1.1 + 2.320640859) + 3(1.15 + 2.497340217)} =

2.685374712.
( Corretor: yi = yi-1 + (h/2){f(ti-1, yi-1) + f(ti, y)} )
valor constante:
y3 + (h/2)f(t3, ys) = 2.497340217 + 0.025(1.15 + 2.497340217) = 2.588523722.
iterações:
y4(1) = 2.588523722 + (h/2)f(t4, y4(0)) = 2.587116135 + 0.025(t4 + y/0)) •
• y4(1) = 2.588523722 + 0.025(1.2 + 2.685374712) = 2.68565809.
y4(2) = 2.588523722 + (h/2)f(t4, y4(1)) = 2.587116135 + 0.025(t4 + y4(1)) •
• y4(2) = 2.588523722 + 0.025(1.2 + 2.68565809) = 2.685665174.
Lembre-se de que a solução analítica, y(t) = 4e(t - 1} - t - 1, fornece y(1.2) =

2.685611033. Portanto, a aproximação anterior foi a melhor obtida com um método de
ordem 2. Perceba que a quantidade de cálculos efetuados com o método previsor-
corretor foi bem maior do que a quantidade efetuada por todos os outros métodos de
ordem 2. O esforço computacional é o preço que se paga para se obter métodos mais
precisos. □
4.2. Métodos de Adams - Bashforth - Moulton de ordem 3
Considere o polinômio de Lagrange de grau 2 sobre os pontos: (I) x0,I = ti-2 , x1,I = ti-1
e x2,I = ti e sobre os pontos: (II) x0,II = ti-3 , x1,II = ti-2 e x1,II = ti-1. Usando a mesma
notação da Seção 4.1, estes polinômios serão representados por p(J)(t) = G(x0,J)L0,J(t) +
(t - X1, s)(t - X 2,9)
G(x1,J)L1,J(t) + G(x2,J)L2,J(t), onde L0,J(t) -x ) ; L1,J(t)
(X0,9-X1,9)( X,0,9 X2,9)
) )
(t X0,9 (t X2,9 , L (t) = (t - X 0,9)(t - X 1,9) .
J = I ou J = II e G(t) =
( - )( - )
X1,9 X0,9 X1,9 X2,9
; L2,J(t)
( - )( -
X2,9 X0,9 X2,9 X1, 9) ’
f(t, y(t)).
Os métodos implícito e explícito serão deduzidos de forma análoga às deduções que

foram feitas, anteriormente, para os métodos de ordem 2, na Seção 4.1. Desta forma,
será preciso calcular as integrais dos polinômios de grau 2, p(J)(t), J = I e J = II, no
intervalo [ti-1, ti-1].
201
Cálculo Numérico
Utilizando a troca usual de variáveis, t = t-i + uh, obtém-se que:
ti 1 1
uh(u-1)h
Ri = j p( \ t) dt = j p I ( ti
j -11
i- + uh) hdu = Gfa) j -h(-2h) h du +
ti-1 0 0
1 (u+1)h(u-1)h
1 (u +1) h uh h
G(M j h(-h) hdu + G(t0 Jo 2h (h) h du
Ri = (h/12)[ - 1G(ti_2) + 8G(ti-i) + 5G(ti)].
t
i 11
(u+1) h uh
Rii = j p^11 \t) dt = j (t + uh ) hdu
) -11
ii- = G(ti-3) j -h (-2h) h du +
t
i-1
1 (u+2)h uh 1 (u+2)h(u+1)h
Gt«» r-h-hThdu + G(tH) j 2h(h) hdu
• Rii = (h/12)[5G(ti-3) - 16G(ti-2) + 23G(ti-1)].
Desta forma, os métodos de Adams implícito e explícito de ordem 3 são dados,

respectivamente, por:
yi = y-1 + (h/12){-1f(ti-2, yi-2) + 8f(ti-1, yi-1) + 5f(ti, yi)}; 2 £ i £ n, (Adams - Moulton)
yi = yi-1 + (h/12){5fl>3, yi-3) - 16f(ti-2, yi-2) + 23f(ti-1, yi-1)}; 3 £ i £ n, (Adams - Bashforth).
Observação: Os dois métodos anteriores são de passo múltiplo. O método implícito

(Adams - Moulton) é de passo 2 porque necessita de dois valores iniciais, y0 e y1,
enquanto que o método explícito (Adams - Bashforth) é de passo 3 porque precisa de 3
valores iniciais, y0, y1 e y2.
Fórmulas dos Erros de Integração - métodos de ordem 3
Os métodos implícito e explícito apresentados anteriormente são de ordem 3 porque os

erros associados às regras de integração empregadas em suas deduções são do tipo
O(h4), como será mostrado a seguir.
Lembre-se de que o erro de integração é a integral do erro de interpolação (veja a Seção

5 do módulo 3). Desta forma, utilizando a notação apresentada na Seção 4 anterior, E(i) =
ti G(3)(t )
tijN
-1
i(t )
3! dt’ onde Ni(t) = (t - ti-2)(t - tf-1)(t - ti) < 0, " t e (ti-1, ti);
3!
202
Cálculo Numérico
(II)
Em =
tJ Nn(t) G 33 !(t ) dt,
i ( )
onde Nii(t) = (t - ti-3)(t - ti-3)(t - ti-i) > 0, " t e (t-i, ti).
ti-i 3!
Supondo que a derivada terceira G(3) seja contínua; usando o Teorema do Valor
Intermediário para integrais (veja as observações apresentadas na Seção 5.i do Módulo
3) e a troca de variáveis t = ti-i + uh, tem-se que:
G(3)(c) ti
-h4 G(3)(c)
E(I) J N (t) dt I c e (ti-i, ti).
6
t i-i
24
G( 3)(C) t i
9 h4G(3\C)
E(II) = J N (t) dt II C e (ti-i, ti).
6
t i -i
24
Observação: Como G(c) = f(c, y(c)) = y'(c) então G(3)(c) = f (3)(c, y(c)) = y(4)(c).
Já deu para perceber que a resolução numérica de um PVI através dos métodos de
Adams de passo múltiplo, baseados em integração numérica, vai demandar muito
esforço computacional. Por esta razão, não é conveniente ficar fazendo os vários
cálculos exigidos nas iterações do corretor e nas sucessivas avaliações da função f,
exigidas tanto no método previsor quanto no corretor, apenas com o auxílio de uma
calculadora. O ideal é elaborar um programa computacional que faça todos estes
cálculos. Este programa computacional será exibido na Seção 6.

de exercícios
Em alguns exercícios desta lista você precisará lidar com o desenvolvimento de Taylor
de funções de uma ou duas variáveis; portanto, é fundamental que você recorde a teoria
vista sobre este assunto na disciplina Cálculo III.
Quarta Lista de Exercícios de Cálculo Numérico
i) Integrando-se a EDO de um PVI no intervalo [xi-1 xi], obtém-se que y(xi) = y(xi-1) +
xi
J f(x,y(x))dx . Seja G(x) = f(x,y(x)). A integral de G(x) pode ser aproximada pelos
xi-i
polinômios interpoladores sobre os pontos x0 = xi-2, x1 = xi-1 e x2 = xi ou sobre os
2o3
Cálculo Numérico
pontos: x0 = xi-3, x1 = xi-2 e x2 = xi-1. A notação fi denotará f(xi, yi). O procedimento
anterior dará origem aos seguintes métodos:
I) yk = yk-1 + (h/12) [-fk-2 + 8 fk-1+ 5fk], com erro local OI(h4) = (-1/24).h4.y(4)(h);
II) yk = yk-1 + (h/12) [5fk-3 - 16fk-2 + 23fk-1], com erro local OII(h4) = (3/8).h4.y(4)(m);
he msão constantes. Considere y1 = 2,07626; y2 = 2,15508 e o PVI: y' = x + y; y(1) =

2, com x e I = [1, 1.2]. Seja h = 0.025 o comprimento dos subintervalos de I.
i) Calcule o valor de y3 pelo método implícito; para isto, use o valor inicial fornecido
pelo método explícito.
xi g”((x))
ii) Obtenha uma das fórmulas do erro: J - - — N(x )dx , onde N(x) = (x-xo)(x-xi)
xi-1
(x-x2).
Sugestão: Mostre que N(x) não muda de sinal no intervalo dado e use o Teorema do
Valor Intermediário, como na dedução do erro na regra de integração do Trapézio.
iii) Ambos os métodos são de passo múltiplo. Diga qual é a multiplicidade do passo de
cada um deles. Justifique.
iv) Comente a seguinte afirmação: “Se o PVI a ser resolvido tiver equação y' = x + y
então os valores iniciais dos métodos I e II poderiam ser calculados pelo método de
Taylor de ordem 3, sem comprometer o esforço computacional. Porém, se o PVI tiver
equação y' = (2/x) y + x2ex, então o método de Runge-Kutta de ordem 3 seria mais
adequado para o cálculo dos valores inicias”.
2) Considere o PVI y' = yx2 - y; y(0) = 1, com x e I = [0, 2]. Seja h = 0.25 o
comprimento dos subintevalos de I. O método de Euler tem equação yi = yi-1 + h fi-1,
onde fi-1 = f(xi-1, yi-1); o método do ponto médio tem equação dada por yi = yi-2 + 2h fi-1, e
possui erro local da forma O(h3). O método de Runge-Kutta explícito de dois estágios e
ordem dois, denominado Euler Modificado, tem equação da forma: yi = yi-1 + hf(xi-1 +
h/2, yi-1 + [h/2]fi-1). O método de Taylor de ordem dois tem equação yi = yi-1 + hfi-1 +
[h2/2] { fx(xi-1, yi-1) + fi-1 fy(xi-1, yi-1) }. Os métodos baseados na regra do trapézio
possuem erro de truncamento do tipo O(h3) e têm equações dadas por: yi = yi-1 + (h/2)
[fi-i + fi] ° F(yi) e yi = y^ + (h/2){- fa + 3fi-i}.
i) Considerando-se o valor de h dado acima, qual deve ser o valor de n para se obter yn »
y(2) ?
ii) Escreva a equação do método de Taylor de ordem 2 para o PVI acima.
iii) Quais dos métodos anteriores são auto-iniciantes? Justifique.
204
Cálculo Numérico
iv) Dos métodos exibidos acima, quais são de passo 2? Seria adequado usar o método de
Euler para se obter o valor inicial y1 dos métodos de passo 2?
v) Em relação à precisão, existe alguma diferença entre o método de Taylor e o de

Runge-Kutta exibidos acima? Justifique a sua resposta. Qual a principal diferença entre
eles?
vi) Use um dos métodos anteriores para obter o valor de y1 que seja adequado para ser
usado nos métodos de passo 2 dados anteriormente.
vii) Obtenha (y2)(0), y2 e (y3)(0) usando o par previsor-corretor dado pelos métodos explícito e
implícito do trapézio. Faça apenas uma iteração com o corretor (método implícito).
3) O professor de Cálculo Numérico percebendo que os seus alunos andavam muito

displicentes nas aulas de laboratório resolveu pregar uma peça em um dos alunos, o
mais cara-de-pau. O “cara-de-pau com força” (que será denotado por m_cp.cf) nem ao
menos trocou o nome dos arquivos que estavam no disquete de sua colega de classe
(Sim, disquete! Naquele tempo ainda não existia pen-drive), a qual havia participado
minutos antes da aula destinada aos 30 primeiros alunos da turma. O logro acabou
virando um teste que foi estendido a todos os alunos daquela turma.
O “m_cp.cf” possuía dois arquivos no disquete, um deles foi nomeado de mari.m e

continha uma rotina do método previsor-corretor de Adams-Moulton. O professor
solicitou ao aluno que alterasse a função do PVI estudado. A partir daí seguiram-se
alguns questionamentos:
(i) Um código calcula a aproximação de y' = f(x,y), no ponto x = 2.3, partindo do valor
inicial y(2) = 0.5 e usando h = 0.015. Alterando-se o valor inicial para y(1) = 2, quantos
passos são necessários para se obter a aproximação do problema modificado, no mesmo
ponto x = 2.3, considerando subintervalos de comprimento h £ 0.015 ?
h
(ii) Obtido yp, calculado pelo método previsor: yi =yi-1 + ( 55 f-i - 59 fi.2 + 37 fi-3 -
24
h
9 fi-4 ), o método corretor, yi = yi-1 +(9 fi + 19 fi-i - 5 fi-2 + 1fi-3 ), em que fi = f(Xi, yi),
24
é empregado de modo eficiente, com esforço mínimo, da seguinte forma:
yp = yi; y = yi-i; xx = x- + h; func(5) = f(xx, yp);
yc = y + (h/24)(19 func(4) - 5 func(3) + func(2));
for k=i:i:i0
205
Cálculo Numérico
y=yc + 24func(5);
func(5) = f(xx, y);
end
%y será a aprox,mação para y(x,).
Explique o procedimento anterior. Indique quantas iterações foram feitas. Quais os

valores que estão sendo armazenados nas componentes func(4), func(3) e func(2)?
Justifique porquê o esforço será mínimo. Qual é o passo de cada um dos métodos de
passo múltiplo? Indique os valores inicias.
4) O método de Runge-Kutta explícito de dois estágios e ordem dois possui equação

dada por:
yk = yk-1 + h{b1 fk-1 + b2 f(xk-1 + hc2, yk-1 + hc2 fk-1)}, onde
b1 + b2 = 1 e b2 c2 = 1/2. Considere c2 =1 e o PVI: y' - x + y - 2 = 0 ; y(0) = 2. Use h =

0.1 e o método acima para obter y1 @ y(0.1).
5) O modelo de Gompertz é adequado para traduzir crescimento celular (plantas,

bactérias, tumores etc). A EDO y' = b.y(t).e-at que representa este modelo é facilmente
resolvida pelo método de separação de variáveis. Considere b = 1.5, a = 0.5 e y(0) =1.
i) Para se obter uma estimativa para y(1.5), usando h = 0.1, quantos passos devem ser
executados?
Da regra do trapézio obtém-se a fórmula: yk = yk-1 + (h/2) [fk-1 + fk] ° F(yk), que é um
método implícito de passo simples: necessita de apenas um valor inicial, porém yk está
em função dele mesmo (yk = F(yk)). Para resolver um PVI utilizando tal método
necessita-se de um processo previsor-corretor. Este processo consiste em obter uma
estimativa para yk (denotada por yk(p)) através de um método explícito de mesma ordem
que o método dado. Em seguida, resolvendo-se yk = F(yk(p)), corrige-se esta estimativa.
ii) Considere o PVI apresentado anteriormente; faça um passo do previsor-corretor, com
uma única correção. Para o previsor, escolha o mais adequado dos seguintes métodos:
Euler ou Runge-Kutta de 2a ordem, justifique a escolha.
6) Considere o seguinte método para a solução numérica de PVI:

yk+1 = yk-3 + (4h/3) [2fk-2 - fk-1+ 2fk],
com erro local Eloc = (14/45)h5 f(4)(c).
206
Cálculo Numérico
i) O método é de passo múltiplo. Quais são os valores iniciais necessários, além de yo?
Justifique. Os valores iniciais devem ser calculados por um método de qual ordem?
ii) Dado o PVI: y' - x2 + y2 = 0; y(1) = 1, obtenha uma aproximação para y(1.8), com o
método dado; use h = 0.2 e os valores iniciais y(1.2) = 0.96, y(1.4) = 0.89 e y(1.6) =
0.79.
7) O método de Runge-Kutta explícito de dois estágios e ordem dois possui equação

dada por: yk = yk-1 + h {b1 fk-1 + b2 f(xk-1 + hc2, yk-1 + h c2 fk-1)}, onde, bi + b2 = i e b2c2 =
i/2.
Considere o PVI: y' = -20y, y(0) = y0 = i.
i) Mostre que yk = yk-1 p(h), onde p(h) = 1 - 20h + 200h2.
ii) Use o item anterior para concluir que yk = y0 [p(h)]k.
iii) Mostre que p(h) > i h > 0.1.
iv) Prove que h > 0.1 =^> lim yk = + ¥.

k -> +w
v) O que acontece com a solução numérica se h = 0.1?
vi) Sabendo que a solução analítica do PVI é y(x) = e-20x e que lim y( x) = o,
x -> +w
explique porquê h < 0.1 é uma escolha adequada para se obter aproximações com este
k
método. Lembre-se de que lim a = o, se |a| < i.
k -> +w
vii) Obtenha uma aproximação para y(1/20), usando h = 0.001.
2o7
Cálculo Numérico
Atividade 2 - Método do Ponto Médio
Prezado(a) aluno(a), Você poderá encontrar vários problemas práticos relacionados a

problemas de valor inicial na página da Faculdade de Matemática da UFU:
www.portal.famat.ufu.br/node/278 (Laboratório - Unidade 6).
(I) Leia atentamente um dos seguintes materiais didáticos sobre Métodos Baseados em
série de Taylor: (i) apostila do curso; (2) Apostila do professor Castilho e slides (Aula -
Unidade 6), ambos localizados em www.portal.famat.ufu.br/node/278 e (3) livro de
Cálculo Numérico da professora Neide Maria Bertoldi Franco.
i
(II) A equação diferencial y'(t) = f(t, y(t)) = , com y(t) > o, pode ser resolvida
ln( y(t))
analiticamente utilizando o método das variáveis separáveis, visto em Cálculo 3. A
função incógnita não tem uma forma explícita, ou seja, ela é dada implicitamente por
meio da seguinte equação: y(t)[ln(y(t)) - i] = t + K, onde K é uma constante. Por
exemplo, se considerarmos a condição inicial y(i) = e > i, a constante K será igual a -i.
Neste caso, podemos assumir que a função y(t) é crescente em uma vizinhança de t = i.
(a) Obtenha uma aproximação para y(2) usando o método do ponto médio:
yi = yi-2 + 2h.f(ti-i, yi-i), com n = 4.
Utilize um método de mesma ordem para obter o valor inicial yi. Observe que a função
f(t, y) = i/(ln(y)) não depende diretamente da variável t. Neste caso a equação é dita
autônoma.
(b) Encontre y(2) utilizando o método de Newton - Raphson. Para isto, resolva o
problema de zero de função: F(y(t)) = y(t).[ln(y(t)) - i] - t - K = o, com t = 2 e K = -i.
Mostre que a função F(y) = y.[ln(y) - i] - i muda de sinal no intervalo [3, 4] e que
F'(y) > o. Portanto, neste intervalo existe uma única raiz da equação F(y) = o.
Observação: A precisão da solução obtida pelo Método do Ponto Médio é melhorada

se for considerada uma quantidade maior de subintervalos (n), ou seja, se for
considerado um valor menor de h (note que h = i/n).
(ai.i) Obtenção do valor de h e de to.
2o8
Cálculo Numérico
O valor inicial do PVI é dado no ponto t0 = 1 e o valor final é dado no ponto T = 2. De
acordo com o enunciado do exercício, o intervalo [t0 , T] = [1, 2] será particionado em
n = 4 subintervalos. Neste caso, o valor do comprimento dos subintervalos é dado por
T-t 0 2-1
h= = 0.25.
n 4
(a1.2) Obtenção de t1; t2; t3 e t4.
t1 = t0 + h = 1.25; t2 = t0 + 2h = 1.50; t3 = t0 + 3h = 1.75 e t4 = t0 + 4h = 2.0.
(a1.3) Obtenção de y0.
O valor inicial do PVI é dado por y(1) = e » 2,71828; portanto, y(t0) = y0 = e.
(a2) Cálculo de y1.
Como o Método do Ponto Médio tem ordem 2 então o mais adequado é que o valor
inicial y1 seja calculado por um método auto-iniciante de ordem 2. Vamos utilizar o
Método de Euler Modificado:
yi = yi-1 + h.f(ti-1 + h/2, yi-1+ (h/2).f(ti-1 , yi-1)).
1
Note que a função do PVI é dada por f(t, y) = assim
ln (y)
1
f(t0, y0) = f(0, e) = 7-7-T = 1.
ln(e)
0.25 0.25
Portanto, y1 = y0 + ----------------------------- ---e +---------------------- = 2.9575 25674.
ln (y0 + 0.125f (t 0, y,))-----------ln (e + 0.125)
(a3) Fórmula do ponto Médio: yi = yi-2 + 2h.f(ti-1, yi-1).
y2 = y0 + 2h.f(t1, yx) = e + 0.5 = 3.179386285;

ln( y1)
y3 = y1 + 2h.f(t2, y2) = y1 + 0.5 = 3.389794289;

ln( y2)
y4 = y2 + 2h.f(t2, ya) = y2 + 0.5 = 3.588964102.

ln( y3)
b1) Teorema do Valor Intermediário (TVI).
209
Cálculo Numérico
Observe que a função F(y) = y[ ln(y) - 1 ] - 1 satisfaz as hipóteses do TVI no intervalo
[3, 4]: F é contínua neste intervalo e F(3).F(4) < 0, pois F(3) < 0 e F(4) > 0.
b2) Método de Newton - Raphson.
F (y)
y(n) = j(y(n-1)) , onde j(y) = y - e y(0) é dado.
F' (y)
Note que F'(y) = ln(y); assim,
j(y) = y+1
ln (y)
Vamos utilizar y(0) = 3.5, que é o ponto médio do intervalo que contém a raiz da
equação F(y) = 0. Desta forma, obtemos: y(1) » 3.592060201; y(2) » 3.591121573; y(3) »
3.591121477. Observe que F(y(3)) » 0.42 x 10(-9); portanto, y(3) é uma aproximação de
y(2) com precisão de 9 casas decimais.
Atividade 3 - Método Iterativo do tipo Previsor - Corretor
Vimos que o Método do Ponto Médio, yi = yi-2 + 2h.f(xi-1, yi-1), precisa de 2 valores
iniciais, y0 e y1, para ser inicializado e, portanto, é um método de passo múltiplo (passo
2). Outros métodos de passo múltiplo podem ser deduzidos considerando-se integração
numérica. Um esquema numérico deste tipo é obtido como segue. Integrando-se a EDO
xi
de um PVI no intervalo [xi-1 xi], obtém-se que y(xi) = y(xi-1) + J
f-x,y-x))dx . Seja
xi-1
G(x) = f(x,y(x)). A integral de G(x) pode ser aproximada pelos polinômios
interpoladores sobre os pontos x0 = xi-2, x1 = xi-1 e x2 = xi ou sobre os pontos: x0 = xi-3,
x1 = xi-2 e x2 = xi-1. A notação fi denotará f(xi, yi). O procedimento anterior dará origem
aos seguintes métodos:
I) yi = yi-1 + (h/12) [-fi-2 + 8 fi-1+ 5fi] = F(yi), com erro local OI(h4) = (-1/24).h4.y(4)(h);
II) yi = yi-1 + (h/12) [5fi-3 - 16fi-2 + 23fi-1], com erro local OII(h4) = (3/8).h4.y(4)(m).
O primeiro método tem passo 2 (precisa de dois valores iniciais: y0 e y1) e é implícito
(yi aparece tanto no lado esquerdo como no lado direito da equação I) . O segundo
método é explícito e tem passo 3, isto é, dados os valores inicias y0, y1 e y2, pode-se
encontrar explicitamente o valor de y3.
210
Cálculo Numérico
O esquema previsor - corretor é utilizado da seguinte forma: (i) obtenha os valores
iniciais do método previsor (explícito); (ii) calcule o valor de yi pelo método previsor e
denote este valor por yi(0); (iii) use o valor yi(0) no lado direito do método corretor
(implícito), mais especificamente, no lado direito de I, substitua fi por f(xi, yi(0)); (iv)
execute quantas correções forem necessárias para obter a aproximação desejada para yi.
Note que, para cada i, está sendo executado o Método do Ponto Fixo (análogo ao
estudado no tópico Zero de Função): yi(n) = F(yi(n - * i)) = yi-1 + (h/12).[-fi-2 + 8.fi-1] +
(5h/i2).f(xi, yi(n-i)). Sob certas condições (convergência do Método do Ponto Fixo:
d )
5h f (xi,y < , ) (n) á ( é . ã d ( )
< i ), yi(n) convergira para y. (que é a aproximaçao de y(xi).
i2 dy
(I) Leia atentamente um dos seguintes materiais didaticos sobre métodos de passo
múltiplo: (i) apostila do curso; (2) Apostila do professor Castilho e slides (Aula -
Unidade 6), ambos localizados na pagina da FAMAT:
(II) O PVI apresentado a seguir (livro da Neide) esta associado a um problema de

engenharia mecânica e representa a resposta (positiva) de uma certa valvula hidraulica
sujeita a uma entrada de variaçao senoidal.
d -R— 2
y ’ yo = y(to) = y(0) = 0.
sen2( t )
(i) Suponha que v(t) seja contínua em t 0 e tenha derivada,

y' (0 )= lim y (t) — (0) neste ponto. Sabendo-se que v(0) = 0 e
y
t—0
lim “!!Í£Í = i,
t 0 t+ o t
mostre que lim y (t) = y' (0) .
t+0 sen(t)
(ii) Supondo-se que v'(t) seja contínua em t = 0, mostre que v'(0) = . Para isto,
3
use o item anterior para concluir que y ’ (0) — lim dy =
t + o dt
J2 — 2(y ’(0))2 .
(iii) Observe que f(t, y) = J 2. ( i— y ) ; assim, f(0,0) = y'(0) = J| . Considere

sen2(t) 3
h = 0.i e os valores iniciais y0 = 0, yi = 0.08i6i9463 e y2 = 0.i62886278 (calculados
pelo método de Runge - Kutta de ordem 3). Use o método previsor-corretor dado
2ii
Calculo Numérico
anteriormente (I: corretor e II: previsor), com duas iterações do corretor, para calcular y3
(que será aproximadamente 0.243477727).
lim «*ít) = 1 to_S = 1

(1) Como y(0) = 0 e então
t+ o t t+ o sen(t)
lim -M = lim J-ZÍil

t + o sen(t) t+ o t sen( t
= lim y t> y
t o t—0
( — (o > lim sen(t
t
)
t+o
= y'(o).
(2) Observe que
()
y' o =lim d- =
t+ o dt
V lim
Vt+ o
[ 2.(1—senM (t^)]
)
t= 2
i
2 — 2i-
2lim
y2(t)
21.
t+o sen (t)
Do item anterior (i), segue-se que
y' (o ) = ^ 2 — 2lim
t+ o sen (t)
= V 2 — 2 (y' (o ))2.
Assim, [y'(o)]2 = 2 - 2 [y'(o)]2, ou seja, 3 [y'(o)]2 = 2. Logo, y'(o) = |.
(3) O método previsor é dado por yi = yi-1 + (h/12) [5fi-3 - 16fi-2 + 23fi-1]. Utilizando os valores
inicias: yo = o, y1 = o.o81619463 e y2 = o.162886278; a função do PVI, f(t, y) =
2. (1----- — ) ; h = o.1; to = o; ti = o.1; t2 = o.2, encontramos o seguinte

sen2(t)
valor:
y3(o) = y2 + (o.1/12) [ 5.f(to, yo) - 16.f(t1, y1) + 23.f(t2, y2) ] = o.1969o6968 -

o.1o8583oo2 + o.155187595 = o.243511561.
(4) As iterações com o método corretor são dadas por
yi(n) = F(yi(n - 1)) = yi-1 + (h/12).[-fi-2 + 8.fi-1] + (5h/12).f(ti, yi(n-1)).
Como f(t, y) = 2. (1----- — ) ; h = o.i; to = o; ti = o.i; t2 = o.2; yo = o,

sen2(t)
212
Cálculo Numérico
y1 = 0.081619463 ; y2 = 0.162886278; y3(0) = 0.243511561, então
y3(1) = y2 + (h/12).[- fi + 8f] + (5h/12).f(t3, y3(0)) = 0.162886278 -

(0.1/12) 0.814372517 + (0.8/12) 0.809674413 + (0.5/12) 0.801258719 = 0.243463914;
y3(2) = y2 + (h/12).[- f1 + 8.f2] + (5h/12).f(t3, y3(1)) = 0.162886278 -

(0.1/12) 0.814372517 + (0.8/12) 0.809674413 + (0.5/12) 0.801590236 = 0.243477727.
6. Atividade suplementar
sã
Atividades
Suplementares
Atividade 1
Parte 1. Deduza o Método de Adams - Moulton (implícito) e o Método de Adams -

Bashforth (explícito), de ordem 4. Para isto, considere o polinômio de Lagrange de grau
3 sobre os pontos: (I) x0,I = ti-3, x1,I = ti-2 , x2,I = ti-1 e x3,I = ti e sobre os pontos: (II)
x0,II = ti-4, x1,II = ti-3 , x2,II = ti-2 e x3,II = ti-1. Usando a mesma notação da Seção 4.1, estes
polinômios serão representados por p(J)(t) = G(x0,J)L0,J(t) + G(x1,J)L1,J(t) + G(x2,J)L2,J(t)
+ G(x3,J)L3,J(t), onde
L0,J(t) =
(t x 1, a t)( ) )(
x2,a t x3,a ;
( x -x x -x x -X
0,9 1, J( 0,9 2, J( 0,9 3, J ’
(t x )(t x )(t x )
o,a 2, a 3, a ;
L1,J(t) =
( x -x ( x -X X -x
1,9 0,J 1,9 2, J( 1, 9 3,J ’
L2,J(t) = (t x )(t X )(t x )

0,9 1,9 3,9 ;
( X -X ( X -X X -X
2,9 0,J 2,9 1, J( 2,9 3, J’
L3,J(t) = (t - X (t - X (t - X
0,J 1,J 2,J .
( X -X X -X X -X
3,9 0, J( 3,9 1, J( 3, 9 2, J ’
J = I ou J = II e G(t) = f(t, y(t)).
Os métodos implícito e explícito serão deduzidos de forma análoga às deduções que

foram feitas, anteriormente, para os métodos de ordens 2 e 3, nas Seções 4.1 e 4.2.
213
Cálculo Numérico
Desta forma, será preciso calcular as integrais dos polinômios de grau 3, p(J)(t), J = I e
J = II, no intervalo [ti-1, ti-1]. Não se esqueça de utilizar a troca de variáveis: t = ti-1 + uh.
Os métodos obtidos deverão ter as seguintes expressões:

Adams - Moulton:
yi = yi-1 + (h/24){ftti-3, yi-3) - 5f(ti-2, yi-2) + 19ftti-!, yi-1) + 9f(ti, yf)}; 3 £ i £ n,
Adams - Bashforth:
y, = y,-i + (h/24){-9f(ti-4, y,-4) + 37f(ti-3, y,-3) - 59f(ti-2, yi-2) + 55f(ti-i, y,-i)}; 4 £ i £ n.
Parte 2. Os métodos implícito e explícito apresentados anteriormente são de ordem 4

porque os erros associados às regras de integração empregadas em suas deduções são do
tipo O(h5). Obtenha as fórmulas dos erros utilizando a notação apresentada na Seção 4
anterior. Ou seja, calcule
E« = J N(t)^4^ dt, onde Ni(t) = (t - ti-3)(t - tf_2)(t - tn)(t - ti) < 0, " t e (tw, ti);
t
i-1
e
t
i
G( 4\t)
E(II) = J N (t) II dt, onde NII(t) = (t - ti-4)(t - ti-3)(t - ti-2)(t - ti-i) > 0, "t e (ti-i, ti).
t
i- i
4!
Suponha que a derivada quarta G(4) seja contínua; use o Teorema do Valor Intermediário
para integrais (veja as observações apresentadas na Seção 5.i do Módulo 3) e a troca de
variáveis t = ti-i + uh.
O resultado esperado é o seguinte:
G2M (n, (t) dt = -19 h5G(4}(c)

E(I) = c e (ti-i, ti).
24 t
ti -i
M '
720
G( 4)( C) t i
E(II) = J N II (t) dt 251 h5 G( 4)(C)

C e (ti-1, ti).
24 t
i-1
720
Parte 3. Considere o Problema de Valor Inicial exibido na atividade 3 da Seção 5

anterior:
214
Cálculo Numérico
2
dy = 2.(i- y- ) , yo = y(to) = y(o) = o.
dt V sen (t)
Este PVI está associado a um problema de engenharia mecânica e representa a resposta
(positiva) de uma certa válvula hidráulica sujeita a uma entrada de variação senoidal
( referência 6 do Módulo i: Neide Bertoldi Franco - Cálculo Numérico).
O código computacional apresentado a seguir é a implementação do método previsor
corretor de Adams - Moulton de ordem 4. Os valores inicias são calculados pelo
método de Runge-Kutta de ordem 4.
Entenda o código computacional e desenvolva o seu próprio código para resolver outros
Problemas de Valor Inicial.
Observação: Como foi mostrado na atividade 3 deste módulo (Seção 5), a função do
PVI anterior no ponto t = o é dado por f(o,o) =
CÓDIGO: Adams - Moulton de ordem 4
%Previsor - corretor de Adams-Moulton, com valores inicias calculados

%pelo método de Runge-Kutta de quarta ordem.
%Entrada de dados.
% Entre com um valor para xo associado ao PVI y'= f(x,y); y(xo) = yo;
xo = o;
% Entre com um valor para yo, valor inicial do PVI y'= f(x,y); y(xo) = yo;
yo = o;
% Forneça o valor de x, ponto em que será calculado o valor aproximado de y(x);
x = i.o;
% Entre com o número máximo de subintervalos de [xo, x];
n = ioo;
% Entre com o número de iterações do método corretor;
max=9;
2i5
Cálculo Numérico
% {Runge-Kutta de quarta ordem}
% o vetor func armazenará os valores de f(x,y) para x e y associados a cada

% um dos quatro valores iniciais (y0,y1,y2,y3) necessários para o início do
% método previsor-corretor e para x e y associado à estimativa para o previsor (y4).
func(1)=0;
func(2)=0;
func(3)=0;
func(4)=0;
func(5)=0;
h=(x-x0)/n % comprimento dos subintervalos.
func(1)=f_pc(x0,y0);
for i=2:1:4
% Cálculo dos 4 Estágios do método de R-K
k1 = h*f_pc(x0,y0);
k2 = h*f_pc(x0+h/2,y0+k1/2);
k3 = h*f_pc(x0+h/2,(y0+(k2/2)));
k4 = h*f_pc(x0+h,(y0+k3));
% Cálculo aproximado de y(x) pelo método de R-K
y = y0 + (1/6.)*(k1 + 2*k2 + 2*k3 + k4);
y0 = y;
x0 = x0 + h;
func(i) = f_pc(x0,y0);
end
216
Cálculo Numérico
for j=5:1:n+1
%{Adams-Bashforth: PREVISOR}
yp = y + (h/24.0)*(55.0*func(4) - 59.0*func(3) + 37.0*func(2) - 9.0*func(1));
xx=x0+h;
func(5) = f_pc(xx,yp);
%valor que se mantem fixo durante o processo corretor:

yc = y + (h/24.0)*(19.0*func(4) - 5.0*func(3) + func(2));
for k=1:1:max
%{Adams-Mouton: CORRETOR}
y = yc+(((h*9.0)/24)*func(5));
func(5) = f_pc(xx,y);
end
func(1) = func(2);
func(2) = func(3);
func(3) = func(4);
func(4) = func(5);
x0 = x0 + h;
end
fprintf('Para ');
fprintf('O valor estimado para y(x) eh dado por y = %12.20f\n', y);
%Fim do Código
217
Cálculo Numérico
Observação: No código anterior, a função do PVI foi definida no arquivo f_pc.m, o
qual tem o seguinte conteúdo:
function g = f_pc(x,y)
if(x == 0 && y == 0)
g = sqrt(2/3);
else
g =y/sin(x);
g = g*g;
g = sqrt(2*(1 - g));
end
%Fim da Rotina
Observação: O valor da solução do PVI em t = 1, considerando 100 subintervalos e 9

iterações com o método corretor, em cada passo, é dada por y100 =
0.75596114186817875424.
Atividade 2
Faça um código computacional implementando o Método Previsor Corretor de ordem 3

que foi deduzido na Seção 4.2. Use o Método de Runge - Kutta de ordem 3 (veja a
Seção 3.4) para calcular os valores iniciais do método previsor.
218
Cálculo Numérico
Referências Bibliográficas
ÁVILA, G. Análise Matemática para a Licenciatura, Ed.Edgard Blucher, São Paulo,

2oo6.
ÁVILA, G. Introdução à análise matemática, Ed.Edgard Blucher, São Paulo, i992.
BOLDRINI, J. L, COSTA, S. I. R., RIBEIRO, V. L. F. F. E WETZLER, H.G., Álgebra

Linear, 3a Edição, São Paulo, Harper & Row do Brasil, i98o.
BURDEN, R.L., FAIRES, J.D., Análise Numérica - tradução da 8a edição norte-

americana, São Paulo, Cengage Learning, 72i p., 2oo8.
BUTCHER, J.C. The numerical analysis of ordinary differential equations: Runge-

Kutta and general linear methods. Wiley-Interscience New York, NY, USA, i987.
CHAPRA, S.C., CANALE, R.P., Métodos Numéricos para Engenharia, São Paulo,
McGraw-Hill, 8o9 p., 2oo8.
FIGUEIREDO, Djairo Guedes de, Análise de Fourier e Equações Diferenciais Parciais.

IMPA, 2a Ed, i987.
FIGUEIREDO, D. G. Análise i. 2a Edição, Livros Técnicos e Científicos Editora S/A,

São Paulo, i996.
FRANCO, Neide Bertoldi, Cálculo Numérico, São Paulo: Pearson Prentice Hall, 2oo6.
ISSACSON, E. and KELLER, H. B., Analysis of numerical methods, John Wiley and
Sons, New York, i982.
LIMA, E. L. Curso de análise. Volume i. Projeto Euclides, SBM, Rio de Janeiro, 2ooo.
LIMA, E. L. Análise real. Volume i. Coleção Matemática Universitária, SBM, Rio de

Janeiro, 2ooi.
LIMA, Elon Lages, Curso de Análise Volume 2 (Projeto Euclides). Rio de Janeiro,
Instituto de Matemática Pura e Aplicada, CNPq, 2ooo.
ORTEGA, J. M., Numerical analysis; a second course, Academic Press, New York,
i972.
RUGGIERO, M.A.G., LOPES, V.L.R., Cálculo Numérico: Aspectos Teóricos e

Computacionais, 2a Edição, São Paulo, Pearson Education do Brasil, i996.
2i9
Cálculo Numérico

Livro - Calculo Numerico

Enviado por

Direitos autorais:

Formatos disponíveis

Livro - Calculo Numerico

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Livro - Calculo Numerico

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal de Uberlândia

Curso de Licenciatura em Matemática

César Guilherme de Almeida

MINISTRO DA EDUCAÇÃO ASSESSORA DA DIRETORIA

UNIVERSIDADE ABERTA DO BRASIL EQUIPE MULTIDISCIPLINAR

FACULDADE DE MÁTEMÁTICA - FAMAT - UFU

COORDENADOR DO CURSO DE LICENCIATURA

Sobre o Autor iii

Módulo 1 - Zero de funções reais 1

Módulo 2 - Sistemas Lineares 48

Módulo 3 - Ajuste de Curvas; Interpolação Polinomial e

Módulo 4 - Solução Numérica de Problema de Valor Inicial 174

Referências Bibliográficas 219

Atividades Vídeo Básico Leitura Atividades

Atividades Saiba Mais

Pare e Pense Atividades Atividades

Síntese Bibliografia Referências

César Guilherme de Almeida é bacharel (1989) em Matemática pela Universidade

Estatística e Computação Científica da Universidade Estadual de Campinas (Unicamp).

Pesquisadores e profissionais de diversos setores têm utilizado, com frequência, a

O objetivo geral deste curso é o de explicar os fundamentos dos principais métodos

A ementa resumida do curso é a seguinte: Zeros de Funções; Sistemas de Equações

Em Zeros de Funções, serão exibidos vários métodos numéricos para a resolução de

Conteúdos básicos do Módulo 1

• Método Iterativo Linear.

• Método de Newton - Raphson.

Conteúdos básicos do Módulo 2

• Método Iterativo de Gauss - Jacobi e de Gauss - Seidel.

• Método da Eliminação de Gauss e Decomposição LU.

• Método dos Quadrados Mínimos: Caso Discreto do Modelo Linear;

• Exemplo de redução do Modelo Não-Linear ao Modelo Linear.

Conteúdos básicos do Módulo 3

• Existência e unicidade do polinômio interpolador.

• Polinômio de Newton com diferenças divididas.

• Regra dos Trapézios.

Conteúdo básico do Módulo 4

• Métodos baseados em série de Taylor para solução de P.V.I de 1a ordem.

• Método de Euler e métodos de Runge-Kutta de segunda ordem.

• Exemplos de métodos de passo múltiplo.

• Exemplos de métodos do tipo previsor-corretor.

i) Acessar com assiduidade os materiais disponíveis no Ambiente Virtual

de Aprendizagem (AVA): vídeos; textos complementares; listas de exercícios e

ii) Dedicação, de pelo menos 1 hora por dia, à resolução de exercícios e à

leitura de textos complementares sugeridos pelo professor. Em caso de dúvidas, não

iii) Recapitulação, no início de um novo tópico, dos principais resultados

Elaboração de algoritmos e de códigos computacionais, colocando em

prática as técnicas vistas nas aulas expositivas.

Desejo aos alunos um ótimo curso.

César Guilherme de Almeida

Prezado estudante, seja bem vindo.

equivalentemente, as raízes reais da equação do segundo grau são r1 = e r2 =

2. Objetivos e conteúdo do Módulo 1

Conteúdos básicos do Módulo 1

• Método Iterativo Linear.

• Método de Newton - Raphson.

Em muitos problemas de Ciências e Engenharia há a necessidade de se determinar um

Este número é chamado de zero de f ou raiz da equação f (x) = 0. Em nossos estudos r

Graficamente, os zeros reais são representados pelos pontos de interseção da curva

0 •z!—-—------ ------ g(x)