INTRODUO

Geralmente as opes de ajuda(Help) que vem nos (softwares) ou aparecem com

uma linguagem de difcil compreenso para pessoas leigas na rea de Informtica ou ento
so muito sintticas sem nenhum exemplo prtico acompanhando as explicaes.
Esta apostila destina-se principalmente aos alunos e Professores da Universidade
Federal de So Joo del-Rei, servindo como um texto bsico para vrias disciplinas que
utilizam a Matemtica e Estatstica em seus Cursos.
Procurou-se detalhar os passos para a utilizao das vrias frmulas que o Excel
dispe, numa linguagem o mais popular possvel.
Um dos objetivos incentivar os Professores a usarem no s o software Microsoft
Excel que possui bastante aplicao para vrias disciplinas e tambm em aes do
cotidiano., mas tambm os vrios recursos da rea de Informtica que melhoram
consideravelmente o desenvolvimento do Ensino-Aprendizagem com economia de tempo,
tornando as aulas mais atrativas e com melhor visualizao dos problemas a serem
resolvidos.

1. Aplicaes do Excel ao Clculo Numrico

1.1. Razes de equaes transcendentais
Resolues de equaes do tipo f(x) = 0.
1.1.1. Mtodo de Iterao Linear(M.I.L.)
Seja o problema de se determinar a raiz positiva da equao abaixo, , com a
tolerncia dada igual a 0,0001;

x2 cos(x) = 0 Equao 1
Fazemos x2 = cos(x) e traamos as duas curvas: y = x 2 e y = cos(x) no mesmo
grfico. Onde se interceptam as curvas so as razes da equao.
De acordo com os dados da Tabela 1, traamos as curvas como mostrado no
Grfico 1.

1
2
3
4
5
6
7
8
9
10
11
12
13

x
-5
-4
-3
-2
-1
0
1
2
3
4
5

B
C
Dados das curvas
y = x2 y = cos(x)
25
0,283662
16
-0,65364
9
-0,98999
4
-0,41615
1
0,540302
0
1
1
0,540302
4
-0,41615
9
-0,98999
16
-0,65364
25
0,283662

Determinao do valor inicial(X0)

30
25
20
15

y = x^2

10

y = cos(x)

5
0
-5

-5

-4

-3

-2

-1

Tabela 1

Grfico 1

Achamos as possveis funes de iterao, colocando a equao 1x2 cos(x) = 0

Equao 1x2 cos(x) = 0 Equao 1 na forma
x = F(x), onde F(x) uma funo
de iterao.
Neste caso, as possveis funes de iterao so:
F1(x) = cos(x)/x
F2(x) = raiz(cos(x)
F3(x) = arc cos(x2)
F4(x) = x2 +x cos(x)
Agora testamos qual funo de iterao pode levar convergncia do mtodo,
aplicando as condies:

Se | F (x0) | > 1

ento o mtodo no converge.

Se | F (x0) | 1 ento o mtodo pode convergir.

No nosso exemplo, ao aplicar essas condies, verificamos que:
F1(x) = (-sen(x) cos(x))/x2, logo | F1(0,5) | = 5,428032 ento F1(x) uma funo
de iterao que no leva convergncia.
F2(x) = -sen(x)/2*raiz(cos(x)), logo | F2(x) | = 0,224561 ento F2(x) uma funo
de iterao que pode levar convergncia deste mtodo.
Vamos usar ento estas duas funes de iterao para exemplificar os dois casos: o
de convergncia e o da no convergncia.

A
B
C
D
E
F
1
Clculo da raiz da equao: x 2 - cos(x) = 0 usando o M.I.L.
2 Valor de Funo de iterao
Clculo do
Valor da
Raiz
Valor de
3
x0
(cos(x))/x
ERRO RELATIVO Tolerncia aproximada
f(x)
4
0,5
1,755165124
2,510330248
0,0001 no converge 3,263930676
5
-0,104449469
17,80396412
-0,983640420
6
-9,521830263
0,989030526
91,660545671
7
0,104527606
92,09392857
-0,983615942
8
9,514634472
0,989014018
91,524234750
9
-0,104677234
91,89497405
-0,983569016
10
-9,500884775
0,98898237
91,263916783
11
0,104948676
91,52886777
-0,983483716
12
9,476040884
0,988924839
90,794037180
13
-0,105390675
90,91346619
-0,983344347
14
-9,435858935
0,988830834
90,035372446
15
0,105972187
90,04090036
-0,983160096
16
9,383501744
0,988706542
89,049253242
17
18
Valor inicial(x 0) = (0 + 1)/2 = 0,5
19
20
Para a tolerncia dada, o mtodo no converge para a raiz positiva.

Planilha 1
Na planilha acima mostramos a no convergncia, usando a funo de iterao
generalizada:

x i + 1 = cos(x i)/x i
Na primeira iterao, o valor da clula C4 ser: = cos(A4)/A4
Aplicamos o teste da convergncia que feito em relao tolerncia dada:
Se | x i + 1 x i | / | x i | < tolerncia ento o valor atual x i + 1 a raiz
procurada, caso contrrio teramos que fazer mais iteraes at chegar neste valor, caso a
funo de iterao pudesse levar convergncia.
Na clula C4 a frmula usada :
3

= abs((B4 a4)/b4)
Verificamos que at 13 iterao o mtodo no convergiu.
Na coluna F esto calculados os valores da funo f(x) para os valores x i

calculados. Na clula F4 temos a seguinte frmula:

= A4 2 cos(A4)
Agora usando a funo de iterao generalizada:

x i + 1 = raiz (cos (x i))

vamos determinar a raiz da equao x2 cos(x) = 0, verificando se realmente convergir.
A

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

B
C
D
E
2
Clculo da raiz da equao: x - cos(x) = 0 usando o M.I.L.
Valor de Funo de iterao
Clculo do
Valor da
Raiz
x0
raiz(cos(x))
ERRO RELATIVO Tolerncia aproximada
0,5
0,936793767
0,873587534
0,0001
0,824116083
0,769658501
0,217155096
0,847436344
0,091780159
0,813576671
0,041618294
0,828796411
0,018363666
0,822048318
0,008208877
0,825058882
0,003648908
0,823719438
0,001626092
0,824316106
0,000723834
0,824050459
0,000322367
0,824168759
0,000143537
0,824116083
6,3918E-05
0,824139539
2,84618E-05

F
Valor de
f(x)
0,285208353
-0,125774149
0,056241358
-0,024996492
0,011140054
-0,004958721
0,002208445
-0,000983330
0,000437883
-0,000194983
0,000086825
-0,000038662
0,000017216

Valor inicial(x0) = (0 + 1)/2 = 0,5

Para a tolerncia dada, o mtodo converge para a raiz positiva 0,824116083.

Planilha 2
A clula B3 da Planilha 2 tem a seguinte frmula:
= raiz(cos(A3))
A clula C3 tem a seguinte frmula:
= abs((B3 A3)/B3)
A clula F3 vem com a frmula especificada abaixo:
= A 2 cos(A3))
Verificamos ento que o M.I.L., para a tolerncia dada, convergiu na 4 iterao,
sendo a raiz da equao igual a 0,824132312.
1.1.2. Mtodo de Newton-Raphson(M.N.R.)
Os passos para se determinar o valor inicial x0 o mesmo usado no M.I.L. A partir
deste valor inicial, usa-se a seguinte funo de iterao:

x i + 1 = x i - f(x i)/ f(x i)

Neste mtodo a tolerncia tambm dada e o teste da convergncia o mesmo
aplicado ao M.I.L., ou seja, as iteraes so feitas at que o erro relativo seja menor que a
tolerncia dada.
Como f(x) = 2x + cos(x), levando este valor funo de iterao, temos:

x i + 1 = x i - (x i 2 cos(x i )/ (2*x i + sen(x i))

Planilha 3
A clula B3, que representa a 1 iterao, tem a frmula:
= A3 (A3^2 cos(A3))/(2*A3 + sen(A3))
A clula C3, que representa o erro relativo na 1 iterao, possui a seguinte frmula:

= abs((B3 A3)/B3)
A clula F3, que representa o valor de f(x0), tem a frmula:

= A3^2 cos(A3)

1.2. Interpolao
Seja o intervalo finito [a, b], dados n + 1 pontos de abscissas xi, o estudo da
interpolao resolve, basicamente dois tipos de problemas:

1) Conhecida a funo em somente n + 1 pontos, conhec-la aproximadamente em

qualquer ponto x [a, b].
2) Conhecida a expresso analtica de f(x), aproxim-la por outra expresso mais
simples, bastando para tanto avali-la em um nmero finito n + 1 pontos.
1.2.1. Mtodo de Lagrange
Aqui voc determinar uma funo polinomial, o maior grau do polinmio
corresponder a n.
Como exemplo vamos aproximar a funo log10 x, no intervalo [2, 3] por interpolao
A
1
2
3

B
C
D
E
F
G
INTERPOLAO USANDO MTODO DE LAGRANGE

Dada a tabela abaixo, para valores de log(x), determinar p(2,4)

xi

fi

L0(x)

L1(x)

L2(x)

P2(x)

5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

0
1
2

2
2,5
3

0,30103
0,39794
0,477121

2,4

0,12

0,96

-0,08

0,379976

Valor de log (2,4) =

0,380211

FRMULA DE LAGRANGE:

n ( x x j)
P n (x ) = f i
i =0 j=0 ( x i x j)
i j
n

polinomial, usando trs pontos c

Planilha 4
As clulas relativas Frmula de Lagrange, tm os respectivos contedos:
E5 tem digitado:
F5 tem o contedo:
G5 tem digitado:
H5 tem a frmula:

=((D5 B6)*(D5 B7))/((B5 B6)*(B5 B7))

=((D5 B5)*(D5 B7))/((B6 B5)*(B6 B7))
=((D5 B5)*(D5 B6))/((B6 B5)*(B7 B6))
=(C5*E5) + (C6*F5) + (C7*G5)
1.2.2. Mtodo de Newton(Diferenas finitas)

Aqui usa-se uma tabela de n + 1 pontos equidistantes.

Segue abaixo a Planilha 5 com um modelo de uma tabela de diferenas
progressivas:
A

PREENCHIMENTO DA TABELA DE PONTOS EQUIDISTANTES

1
2
3
4
5
6
7
8

0
1
2
3
4
5

2
2,2
2,4
2,6
2,8
3

3
4
5
2
f ( xi )
fi
fi
f i
f
f

0,30103
0,34242
0,38021
0,41497
0,44716
0,47712

0,04139
0,03779
0,03476
0,03219
0,02996

-0,0036
-0,00303
-0,00257
-0,00223

0,00057
0,00046
0,00034

-0,00011
-0,00012

-0,00001

Planilha 5
As diferenas progressivas so calculadas nas seguintes clulas:
D3 com a frmula:
=C4 C3
E3 com a frmula:
=D4 D3
F3 com a frmula:
=E4 E3
G3 com a frmula: =F4 F3
H3 com a frmula: =G4 G3
Na frmula de Newton x o valor que se quer interpolar, antes faz-se a seguinte
mudana de varivel:

u=

x x

onde:
u uma varivel auxiliar que correspondente abscissa x a interpolar;
x0 o valor inicial da abscissa;
h o passo( h = x i + 1 x i)
A funo aproximante P(u), dada na planilha 6, onde
u
u!

n
= (u n)!n!

A
B
C
D
E
F
G
H
I
J
INTERPOLAO POLINOMIAL, USANDO TABELA DE PONTOS EQUIDISTANTES
MTODO DE NEWTOM PROGRESSIVO
EXERCCIO:

1
2
3

5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

CALCULAR O VALOR DE SEN (

I
0
1
2
3

f ( xi )

0
0,5236
1,0472
1,5708

0
0,5
0,866
1

/4 ), USANDO A TABELA:

f f f
3

h
u
-0,13397 -0,0981 0,52360 1,5
-0,23205

0,5
0,366
0,134

P (u)
n

0,71202

Valor exato
0,70711

O mtodo aplicado para n + 1 pontos

FRMULA DE NEWTON PROGRESSIVA

P (u) = f
n

u
+
1

u
f 0 + 2

u
f 0 + . . . + n

f
n

Planilha 6
Resolvendo o problema:
n+1=4 n=3

0
x x0
3
u=
= 4
= = 1.5

h
2
6

(u )
3

(1.5 )
3

(1.5 )

u
+
1
f

u 2
+
2

u 3
+
3

1.5
1.5
1.5

= 0 +
*
0
.
5
+
*
(

0
.
13397
)
+
1
2
3
* (0.0981)

= 0,71202

Este o clculo aproximado, por interpolao, do seno de 45, cujo valor mais exato
0.70711.

1.3. Sistema de Equaes Lineares

1.3.1. Mtodo de Eliminao de Gauss
A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

C
D
E
F
G
H
RESOLUO DE SISTEMA DE EQUAES LINEARES
MTODO DE ELIMINAO DE GAUSS
TRANSFORMA A MATRIZ DO SISTEMA NUMA MATRIZ TRIANGULAR SUPERIOR

2 x1 + 2 x2 + x3 + x4 = 7

x1 x2 + 2 x3 x4 = 1
Re solver o sistema de equaes :
3x1 + 2 x2 3x3 2 x4 = 4
4 x + 3x + 2 x + x = 12
1
2
3
4

x1
2
1
3
4

x2
2
-1
2
3

1
0
0
0

1
-2
-1
-1

1
0
0
0

1
1
0
0

1
0
0
0

1
1
0
0

1
0
0
0

1
1
0
0

MATRIZ EXTENDIDA
x3
x4
Term. Indep
1
1
7
2
-1
1
-3
-2
4
2
1
12
1 ELIMINAO
0,5
0,5
3,5
1,5
-1,5
-2,5
-4,5
-3,5
-6,5
0
-1
-2
2 ELIMINAO
0,5
0,5
3,5
-0,75
0,75
1,25
-5,25
-2,75
-5,25
-0,75
-0,25
-0,75
3 ELIMINAO
0,5
0,5
3,5
-0,75
0,75
1,25
1
0,52381
1
0
0,142857
0
4 ELIMINAO
0,5
0,5
3,5
-0,75
0,75
1,25
1
0,52381
1
0
1
0
SOLUO:
x1 =
1

40

x2 =

41

x3 =

42

x4 =

Planilha 7

Na 1 eliminao faz-se com que o 1 piv que estar na clula a19 seja igual a
1,este se originar da clula A14(que 2 e para se transformar em 1 devemos dividi-lo por
2), para isto dividimos a linha 14 por 2 e obtemos a linha 19.
Em seguida, o objetivo zerar todos os elementos que esto abaixo do 1 piv.
A linha 20 resultar da linha 15 menos a linha 19.
A linha 21 resultar da linha 16 menos 3 vezes a linha 19.
A linha 22 obteremos da linha 17 menos 4 vezes a linha 19.
Na 2 eliminao trabalharemos com o 2 piv representado pela clula B25 e se
originar da clula B20 dividida por 2, logo a linha 25 resultar da diviso da linha 20 por
2.
A linha 24 ser a repetio da linha 19.
A linha 26 ser a linha 21 somada com a linha 25.
A linha 27 resultar da linha 22 somada com a linha 25.
Na 3 eliminao a linha 29 ser a repetio da linha 24 e a linha 30 ser a repetio
da linha 25.
O 3 piv representado pela clula C31 resultar da diviso da clula C26 por 5.25,
logo a linha 31 ser resultado da linha 26 dividida por 5.25.
A linha 32 resultado da linha 27 mais (a linha 31 vezes 0.75).
Na 4 eliminao a linha 34 ser a repetio da linha 29, a linha 35 ser a repetio
da linha 30 e a linha 36 ser a repetio da linha 31.
Para transformar o piv(agora clula D37) igual a 1, a linha 37 dever ser dividida
por 0.142857.
Comparando a clula D37 com E37, obtemos x4 = 0.
Substituindo este valor na linha 36 obtemos x3 = 1.
Substituindo estes dois ltimos valores na linha 35 obtemos x2 = 2.
Substituindo estes trs ltimos valores na linha 34 obtemos x1 = 1.
1.3.2. Mtodo de Eliminao de Gauss-Jordan
A maneira de resolver as eliminaes semelhante ao mtodo de Gauss, s que
agora devemos transformar a matriz do sistema numa matriz identidade. A primeira
eliminao igual ao mtodo de Gauss, nas outras eliminaes, alm de zerar os elementos
que esto abaixo de cada piv, devemos zerar tambm os elementos acima de cada piv.
No final resultar a matriz identidade e os valores das incgnitas sero obtidos diretamente.

10

A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

B
C
D
E
F
RESOLUO DE SISTEMA DE EQUAES LINEARES
MTODO DE ELIMINAO DE GAUSS-JORDAN
TRANSFORMA A MATRIZ DO SISTEMA NUMA MATRIZ IDENTIDADE

Re solver o sistema de equaes :

x1
2
1
3
4

x2
2
-1
2
3

1
0
0
0

1
-2
-1
-1

1
0
0
0

0
1
0
0

1
0
0
0

0
1
0
0

1
0
0
0

0
1
0
0

2x + 2x + x + x = 7
x x + 2x x = 1
3x + 2 x 3 x 2 x = 4
4 x + 3x + 2 x + x = 12
1

MATRIZ EXTENDIDA
x3
x4
Term. Indep
1
1
7
2
-1
1
-3
-2
4
2
1
12
1 ELIMINAO
0,5
0,5
3,5
1,5
-1,5
-2,5
-4,5
-3,5
-6,5
0
-1
-2
2 ELIMINAO
1,25
-0,25
2,25
-0,75
0,75
1,25
-5,25
-2,75
-5,25
-0,75
-0,25
-0,75
3 ELIMINAO
0
-0,904761905
1
0
1,142857143
2
1
0,523809524
1
0
0,142857143
0
4 ELIMINAO
0
0
1
0
0
2
1
0
1
0
1
0
SOLUO:
1
x1 =

40

x2 =

41

x3 =

42

x4 =

Planilha 8

11

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

A
B
C
D
E
F
G
H
CLCULO DA INVERSA DE UMA MATRIZ USANDO O MTODO DE GAUSS-JORDAN
2
1
3
4

2
-1
2
3

1
2
-3
2

1
0
0
0

1
-2
-1
-1

0,5
1,5
-4,5
0

1
0
0
0

0
1
0
0

1,25
-0,75
-5,25
-0,75

1
0
0
0

0
1
0
0

0
0
1
0

1
0
0
0

0
1
0
0

0
0
1
0

1
1
-1
0
-2
0
1
0
1 ELIMINAO
0,5
0,5
-1,5
-0,5
-3,5
-1,5
-1
-2
2 ELIMINAO
-0,25
0,25
0,75
0,25
-2,75
-1,25
-0,25
-1,75
3 ELIMINAO
-0,904761905 -0,04762
1,142857143 0,428571
0,523809524 0,238095
0,142857143 -1,57143
4 ELIMINAO
0
-10
0
13
0
6
1
-11
SOLUO:

0
1
1
0

0
0
0
0

0
0
0
1

0
1
1
0

0
0
0
0

0
0
0
1

0,5
-0,5
0,5
-0,5

0
0
0
0

0
0
0
1

0,619048
-0,57143
-0,09524
-0,57143

0
0
0
0

0
0
0
1

-3
4
2
-4

0
0
0
0

6,333333
-8
-3,66667
7

Esta ltima matriz 4X4(na cor vermelha) a inversa da matriz dada(na cor azul).
Planilha 9
1.3.3. Mtodo de iterao de Jacobi

Dado um sistema de n equaes com n incgnitas xi (i de 1 a n), o primeiro passo

expressar as equaes da seguinte forma:
Na 1 equao, explicitar a primeira incgnita x1 em funo das outras.
Na 2 equao, explicitar a segunda incgnita x2 em funo das outras.
E assim sucessivamente, at expressar a ensima incgnita xn em funo das outras.
Exemplo:

Dada a equao:

4 x1 + x 2 = 2

x1 + 4 x 2 x3 = 6
+4 =2
x 2 x3

teremos:

12

(i )

(i )

(2 x2

=
=

( i 1)

4
(2 +

( i 1)
2

(i )
2

(6 +

( i 1)
3

( i 1)

A partir de uma aproximao inicial x1(0) = x2(0) = x3(0) = 0, vo se fazendo as

sucessivas iteraes at que o erro absoluto de um iterao seja menor que

uma tolerncia dada, de maneira semelhante convergncia do MIL ou do
MNR.
A
1
2
3
4
5
6
7
8
9
10
11
12
13
14 Valores iniciais
15
1 iterao
16
2 iterao
17
3 iterao
18
4 iterao

B
C
D
E
RESOLUO DE SISTEMA DE EQUAES LINEARES
MTODO DE ITERAO DE JACOBI
Fazer 3 iteraes, verificar se converge na 3 iterao
{ 4x + y = 2
{ -x + 4y - z = 6
{ -y + 4z = 2

Tolerncia
0,001

x
4
-1
0

y
1,00000
4,00000
-1,00000

z
0
-1
4

0,00000
0,50000
0,12500
0,06250
0,06250

0,00000
1,50000
1,75000
1,75000
1,75000

0,00000
0,50000
0,87500
0,93750
0,93750

Termo indep.
2
6
2
TESTE DA CONVERGNCIA
1,000000
1,000000 1,000000
3,000000
0,142857 0,428571
1,000000
0,000000 0,066667
0,000000
0,000000 0,000000

Planilha 10
1.3.4. Mtodo de iterao de Gauss-Seidel
Semelhante ao mtodo de Jacobi, s que na mesma iterao j se pode usar o valor
dos xi que j foram calculados, melhorando a rapidez da convergncia do mtodo.
Na primeira equao usa-se o valor inicial das incgnitas xi(i de 2 a n) igual a 0.
A partir da 2 funo de iterao, usamos os valores das incgnitas que j estejam
definidos, caso contrrio usamos 0.

13

1
2
3
4
5
6
7
8
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

RESOLUO DE SISTEMA DE EQUAES LINEARES

MTODO DE ITERAO DE GAUSS-SEIDEL
Fazer 3 iteraes, verificar se converge na 3 iterao
{ 4x + y = 2
{ -x + 4y - z = 6
{ -y + 4z = 2

Valores iniciais
1 iterao
2 iterao
3 iterao
4 iterao
5 iterao
6 iterao
7 iterao
8 iterao

Tolerncia
0,01

x
4
-1
0

y
1,00000
4,00000
-1,00000

z
0
-1
4

x
0,00000
0,50000
0,09375
0,06250
0,06250
0,06250
0,06250
0,06250
0,06250

y
0,00000
1,62500
1,75000
1,75000
1,75000
1,75000
1,75000
1,75000
1,75000

z
0,00000
0,90625
0,93750
0,93750
0,93750
0,93750
0,93750
0,93750
0,93750

termo indep.
2
6
2

Teste de convergncia
1,000000 1,000000 1,000000
4,333333 0,071429 0,033333
0,500000 0,000000 0,000000
0,000000 0,000000 0,000000
0,000000 0,000000 0,000000
0,000000 0,000000 0,000000
0,000000 0,000000 0,000000
0,000000 0,000000 0,000000

O mtodo convergiu na 4 iterao

Planilha 11
1.4. Integrao Numrica
Usamos a integrao numrica quando a primitiva complexa, quando no
conseguimos determinar a primitiva(no caso das integrais elpticas) ou quando no temos
uma funo definida mas somente um conjunto de pontos que representam uma funo.
Usamos n +1 pontos equidistantes num intervalo [a, b].
1.4.1. Mtodo dos trapzios
Na determinao da rea sob uma curva, dividimos a curva em n subintervalos, nos
quais, cada um representa a rea de um trapzio, a rea total do intervalo [a, b], ser a soma
das reas dos trapzios.
A frmula para o clculo da integral em [a, b] ser:
h
A = ( f + 2 f + 2 f + ... + 2 f
+2 f
+ f )
0
1
2
n 2
n 1
n
2
onde h a largura de cada subintervalo:

h=

x x
n

14

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

C
D
E
F
G
H
I
INTEGRAO NUMRICA - MTODO DOS TRAPZIOS
Integral de uma tabela de pontos equidistantes
Integral da funo y = cos(x) entre 1 e 4
x
f(x)
h
rea
x
f(x)
h
rea
0
7
1
42,5
1
0,540302
0,25
1,5899
1
5
1,25
0,315322
2
8
1,5
0,070737
3
1
1,75
-0,17825
4
3
2
-0,41615
5
9
2,25
-0,62817
6
6
2,5
-0,80114
7
4
2,75
-0,9243
8
6
3
-0,98999
3,25
-0,99413
3,5
-0,93646
3,75
-0,82056
4
-0,65364
Clculo da rea usando o clculo integral
4

cos( x)dx =1,59827348

1

Planilha 12
1.4.2. Mtodo de Simpson
Semelhante ao mtodo dos trapzios, s que cada subintervalo representa a rea sob
uma parbola e este mtodo s aplicvel para um nmero mpar de pontos.
A frmula para a integral em [a, b], usando o mtodo de Simpson, ser:

h
( f + 4 f + 2 f +... + 2 f
+4 f
+ f )
0
1
2
n 2
n 1
n
3
4
Como exemplo, pede-se determinar 1 cos( x ) dx usando 13 intervalos.
Logo
A=

n + 1 = 13 n = 13 1 = 12 intervalos

h=

x x
n

41
= 0,25
12

0,25
(0,540302 + 4 * 0,315322 + 2 * 0,070737 + 4 * 0,178246 + 2 * 0,416147 +
3
+ 4 * 0,628174 + 2 * 0,801144 + 4 * 0,924302 + 0,989992)
A=

A = 0,820449
15

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

C
E
F
G
H
I
INTEGRAO NUMRICA - MTODO DE SIMPSON
Integral de uma tabela de pontos equidistantes
Integral de cos(x) em [1, 3]
x
f(x)
h
rea
x
f(x)
h
0
7
1
41
1
0,540302
0,25
1
5
1,25
0,315322
2
8
1,5
0,070737
3
1
1,75
-0,17825
4
3
2
-0,41615
5
9
2,25
-0,62817
6
6
2,5
-0,80114
7
4
2,75
-0,9243
8
6
3
-0,98999

rea
0,820449

Planilha 13
2. Aplicao do Excel Programao Linear
2.1. Mtodo Simplex
Podemos usar o Excel para resolver problemas de programao linear.
Vamos resolver o sistema abaixo:

Max z = 5 x1 + 2 x2

3
x
1

x2 4
4 + 3 12
x1 x2
x1 , x2 0
A coluna C ser da incgnita x1 e a coluna D ser da incgnita x2. As clulas que
representaro as incgnitas e frmulas sero:
C12 Representa o valor inicial de x1 , aqui deve ser colocado o nmero 0. Aps
os clculos nesta clula ser inserido o valor de x1 que corresponde soluo do problema.
C14 Aqui digita-se o lado esquerdo da restrio: 4 x1 + 3 x2 12 , que no
Excel ser representada pela frmula: =4*$C$12 + 3*$D$12.
D12 Nesta clula digita-se o valor inicial de x2 que deve ser igual a 0. Aps os
clculos aqui ser inserido o valor de que corresponde soluo do problema.

16

Quando houver outras restries, deve-se digitar sempre o lado esquerdo de cada
inequao em cada clula.
F12 Nesta clula digita-se a frmula de z, ou seja, z = 5 x1 + 2x2, que ser
representada pela frmula: =5*$C$12 + 2*$D$12.
Aps digitar todos os dados correspondentes ao problema, aciona-se as opes de
menu: Ferramentas Solver, que consequentemente abrir a janela Parmetros do
Solver, que tem as seguintes opes:
Definir clula de destino
Clique no quadrado indicado na figura acima, clique na clula que contm a frmula
de z(que neste exemplo a clula F12 e em seguida clique no quadrado mostrado.
A segunda opo Igual a, voc deve a opo Mx ou Min, conforme o enunciado
do seu problema.
A terceira opo clulas variveis, clique no quadrado desta caixa(igual ao da
opo anterior) e selecione as clulas das incgnitas, neste exemplo voc selecionar as
clulas C12 e D12 e deve clicar novamente no quadrado.
A quarta opo Submeter s restries, voc deve ento clicar na opo
adicionar , aparecer ento a caixa Adicionar restrio.

Na caixa Referncia de clula voc clica no quadrado correspondente, escolhe a uma

clula que representa uma restrio, no nosso exemplo clique na clula C14, clique no
quadrado, escolha a opo e na caixa Restrio digite o nmero 12 e clique em
Adicionar.
A outra restrio que x1 0, repita a operao anterior, agora selecione a clula
C12, escolha o smbolo , na Restrio digite 0 e clique em Adicionar.

Repita as operaes para as restries x2 0, x1 3, e quando for a ltima

restrio, no caso x2 4, no final no clique em Adicionar e sim na opo OK.

Finalmente clique na opo Resolver, o Excel efetuar os clculos e na clula
correspondente a cada incgnita(no caso C12 e D12 ele colocar a soluo, como tambm
na clula que representa o valor de z(no caso F12) ele colocar o valor encontrado de z.
Nesta caixa ainda tem duas opes, Alterar e Excluir, caso voc desejar
respectivamente alterar ou excluir alguma restrio(esta deve ser selecionada antes).
Voc pode observar tambm que, logo aps efetuados os clculos nas clulas que
antes continham o lado esquerdo das inequaes(que representam as restries), aparecero
os termos do lado direito destas inequaes.
Na clula que antes continha a frmula do z, aps os clculos, ir conter o valor de z
que corresponde soluo do problema.

17

C
D
E
Resolver usando o mtodo simplex:
Max z = 5x 1+2x 2

1
2
3
4
5

Restries
x 1 menor ou igual 3

x 2 menor ou igual 4

4x 1 + 3x 2 menor ou igual a 12

8
9
10
11
12
13
14
15

x 1, x2 maior ou igual a 0
X1

X2
3

15

12

Planilha 14
3. Aplicao ao Clculo diferencial e integral:
3.1 Limite de funes
Ser mostrado um exemplo abordando um caso especial, quando existe o limite num
ponto, mas a funo no definida naquele ponto. Seja determinar o limite:

lim
x3

9
x3

Na coluna do primeiro teste o incremento de x de 0,5, como percebemos que a

indeterminao est em x = 3, pegamos ento valores para x em torno deste valor.
Na coluna do 2 teste usamos o incremento de x igual a 0,1 e na coluna do 3 teste
usamos o incremento de 0,05.
Verificamos que tanto pela esquerda(x < 3) como pela direita(x > 3) o limite tende a
6, logo:

Se

lim

x2 9

lim

x2 9

x 3 x 3 x 3+ x 3

= 6 ento

lim

x2 9

x 3

x 3

=6

Mas no existe o valor da funo para x = 3, ou seja, f(x) no contnua para x = 3.

18

1 teste
x
f(x)
0
3
0,5
3,5
1
4
1,5
4,5
2
5
2,5
5,5
3
#DIV/0!
3,5
6,5
4
7

2 teste
x
f(x)
2,5
5,5
2,6
5,6
2,7
5,7
2,8
5,8
2,9
5,9
3
#DIV/0!
3,1
6,1
3,2
6,2
3,3
6,3

3 teste
x
f(x)
2,95
5,95
2,96
5,96
2,97
5,97
2,98
5,98
2,99
5,99
3
#DIV/0!
3,01
6,01
3,02
6,02
3,03
6,03

Tabela 2

8
6
4
2
0
3,03

3,02

3,01

2,99

2,98

2,97

2,96

y=(x*x - 9)/(x - 3)

2,95

Aplicao de limite

X
Grfico 2

19

4. Algumas aplicaes do Excel Estatstica

4.1 Regresso Linear
Se dados podem ser obtidos, um procedimento estatstico chamado anlise de
regresso pode ser usado para desenvolver um equao mostrando como as variveis esto
relacionadas.
A varivel que est sendo calculada chamada varivel dependente. A varivel ou as
variveis que esto sendo usadas para calcular a varivel dependente so chamadas
variveis independentes.
O tipo mais simples de regresso, envolvendo uma varivel independente e uma
varivel dependente na qual a relao entre as variveis aproximada por uma linha reta,
chamado regresso linear simples. A anlise de regresso envolvendo duas ou mais
variveis independentes chamada de anlise de regresso mltipla.
Exemplo:
Dada a tabela abaixo, fazer a regresso linear simples:
A
B
C
D
1
Exemplo de Regresso linear
2
Ano
x
y
3
1943
100
100
4
1944
100
124
5
1945
120
149
6
1946
150
195
7
1947
168
236
8
1948
193
317
9
1949
259
404
10 1950
329
507
11 1951
459
615
12 1952
645
670
13 1953
672
868
14 1954
698 1009
15 1955
788 1187
16 1956
903 1385
17 1957 1132 1561
Planilha 15
Passos para obter a Regresso pelo Excel:
Acionar as opes de menu: Ferramentas Anlise de dados Regresso.
Na janela que se abre, aparecem as caixas:
Intervalo Y de entrada Devem ser iluminadas as clulas de C3 a C17.
Intervalo X de entrada Devem ser iluminadas as clulas de B3 a B17.
Rtulos Acione esta opo se a 1 linha do intervalo de dados contiver rtulo(Por
exemplo, se no intervalo Y de entrada voc tiver selecionado as clulas de C2 a C17.
Nvel de confiana Opo usada para incluir um nvel adicional na tabela de resumo de
sada.

20

Constante zero - Selecione esta opo para forar a linha de regresso a passar pela
origem.
Intervalo sada Deve ser iluminada uma clula vazia a partir da qual sero inseridos os
resultados.
Nova planilha Acione esta opo se desejar que os resultados apaream numa nova
planilha.
Nova pasta de trabalho Se desejar que os resultados sejam inseridos numa nova pasta de
trabalho(Esta opo necessariamente usada se sua planilha est compartilhada).
Resduos, Resduos padronizados, Plotar resduos, Plotar ajuste de linha e plotagem
de probabilidade normal Dessas opes selecione aquelas que desejar que apaream
junto com os resultados.
Abaixo est uma parte dos resultados:

0,985716206
0,971636438
0,969454626
83,88381436
15

gl

SQ
MQ
1 3133593,974 3133593,974
13 91474,42604 7036,494311
14
3225068,4

Coeficientes Erro padro

Stat t
-9,942293622 36,94964225 -0,269076857
Varivel 1,410978917 0,066861687 21,10295104
X1
Planilha 16
As equaes das retas de regresso, com origem nas mdias aritmticas so:
Y = ax

ou seja:

Y = 1,410978917 x

X = 1/a y

ou seja:

X = 0,688626 y

As mesmas equaes, com origem natural, so:

Y Mdia(y) = a(x Mdia(x))

ou seja: Y 621,8 = 1,410979(x 447,7333)

21

X Mdia(x) = 1/a(y Mdia(y)) ou seja:

X 447,7333 = 0,688626(y 621,8)

Plotagem de ajuste de linha

1800
1600
1400
1200
1000
Y

Y
Y previsto

800
600
400
200
0
0

200

400

600

800

1000

1200

Varivel X

Grfico 3
4.2 Estatstica descritiva
Na coluna A esto os dados referentes ao tempo(em dias) de auditorias de fim de ano.
Os passos para que seja inserida a coluna B, com os dados estatsticos, so:
Primeiro iluminamos os dados(clulas A1 at A20);
Acionamos as opes: Ferramentas Anlise de dados Estatstica descritiva;
Abrir a Janela Estatstica descritiva com vrias caixas:
Intervalo de dados Voc clica no cone que tem um seta vermelha, ilumina as
clulas A1 at A20, clicando novamente no cone com seta vermelha;
Intervalo de sada Processo semelhante ao anterior s que agora basta voc
selecionar um clula vazia, como por exemplo B1, que corresponder a primeira
clula da coluna a ser inserida;
Agrupado Pode-se agrupar os dados por linhas ou por colunas(no nosso
exemplo os dados esto agrupados por colunas);
Rtulos na 1 linha Deve-se acionar este item se ao selecionar os dados a
clula que contm o ttulo tambm for iluminada;
Nova planilha Acione esta opo se desejar que os resultados sejam inseridos
numa nova planilha;

22

Nova pasta de trabalho - Clique nesta opo para criar uma nova pasta de
trabalho e colar os resultados em uma nova planilha na nova pasta de trabalho.
Resumo estatstico - Para o Excel gerar um campo para cada um das
estatsticas: mdia, erro, mediana, moda, desvio padro, varincia, curtose, etc.;
Nvel de confiabilidade - Selecione esta opo se quiser incluir uma linha na
tabela de sada para o nvel de confiana da mdia;
Ensimo maior - Selecione esta opo se quiser incluir uma linha na tabela de
sada para o ensimo maior valor para cada intervalo de dados
Ensimo menor - Selecione esta opo se quiser incluir uma linha na tabela de
sada para o ensimo menor valor para cada intervalo de dados.
A
B
C
1 12
Coluna 1
2 15
3 20 Mdia
19,25
4 22 Erro padro
1,215849281
5 14 Mediana
18
6 14 Modo
18
7 15 Desvio padro
5,437443285
8 27 Varincia da amostra
29,56578947
9 21 Curtose
0,769757066
10 18 Assimetria
0,987755564
11 19 Intervalo
21
12 18 Mnimo
12
13 22 Mximo
33
14 33 Soma
385
15 16 Contagem
20
16 18 Maior(1)
33
17 17 Menor(1)
12
18 23 Nvel de confiana(95,0%) 2,544802582
19 28
20 13
Planilha 17

4.3 Correlao
O coeficiente de correlao do Momento do Produto de Pearson(Dados amostrais)
definido como:

r xy =

S xy
S x*S y

onde:

rxy = coeficiente de correlao da amostra

Sxy = covarincia da amostra
Sx = desvio-padro da amostra de x
Sy = desvio-padro da amostra de y
23

Exemplo:
1
2
3
4
5
6
7
8
9
10
11

A
Vel
30
50
40
55
30
25
60
25
50
55

B
consumo(Km/h)
28
25
25
23
30
32
21
35
26
25

D
-0,91037

Planilha 18
Para o clculo do coeficiente de correlao, selecione primeiro uma clula vazia onde ser
inserido o resultado(No nosso exemplo a clula D2), clique no cone da barra de
ferramenta
colar funo e clique na categoria de funo estatstica e no nome de
funo selecione correl.

Na caixa de ferramenta que aparece, selecione o boto que tem a seta vermelha da
caixa Matriz 1 e selecione as clulas A2 at A11 e clique novamente no boto com a seta
vermelha. Repita a ltima operao s que para a caixa Matriz 2 selecionando agora as
clulas B2 a B11, clicando por ltimo no boto com a seta vermelha.
Em seguida clique no boto OK, ser inserido o coeficiente de correlao na clula
D2, que neste exemplo corresponder ao valor -0,91037. Este valor indica que x e y esto
relacionados negativa e linearmente.
4.4 Probabilidade
H vrias funes relacionadas com probabilidade; veremos algumas delas:
4.4.1 Distribuio binomial
A distribuio binomial aplicvel sempre que o processo de amostragem do tipo de
Bernoulli, ou seja:
1. Em cada tentativa h dois resultados possveis mutuamente exclusivos(chamados de
sucesso e fracasso);
2. As sries de tentativas, ou observaes, so constitudas de eventos independentes;
3. A probabilidade de sucesso, permanece constante de tentativa para tentativa.
Sintaxe: DISTRBINOM (nm_s;tentativas;probabilidade_s;cumulativo) onde:
Nm_s o nmero de tentativas bem-sucedidas.
Tentativas o nmero de tentativas independentes.
Probabilidade_s a probabilidade de sucesso em cada tentativa.

24

Cumulativo um valor lgico que determina a forma da funo. Se cumulativo for

VERDADEIRO, ento DISTRBINOM retornar a funo de distribuio cumulativa, que
a probabilidade de que exista no mximo nm_s de sucessos; se for FALSO, retornar a
funo massa de probabilidade, que a probabilidade de que exista nm_s de sucessos.
Exemplo: A probabilidade de que um presumvel cliente aleatoriamente faa uma
compra 0,20. Se um vendedor visita 6 presumveis clientes, a probabilidade de que ele
far exatamente 4 vendas determinada, no Excel, da seguinte maneira:
=DISTRBINOM(4;6;0,2;FALSO)
O resultado ser 0,01536.
4.4.2 Distribuio hipergeomtrica
a distribuio de probabilidade apropriada quando existir amostragem sem
reposio. Sintaxe:
DIST.HIPERGEOM(exemplo_s;exemplo_nm;populao_s;nm_populao) onde:
Exemplo_s o nmero de sucessos em uma amostra.
Exemplo_nm o tamanho da amostra.
Populao_s o nmero de sucessos na populao.
Nm_populao o tamanho da populao.
Exemplo: De seis empregados, trs esto na companhia h 5 anos ou mais. Se quatro
empregados so aleatoriamente escolhidos deste grupo de 6, qual a probabilidade de que
exatamente 2 empregados estejam na companhia h 5 anos ou mais ?
Soluo: Basta digitar a frmula abaixo numa clula vazia qualquer do Excel:
=DIST.HIPERGEOM(2;4;3;6)
O resultado ser 0,6.
4.5 Teste de hiptese
Supor que uma amostra aleatria de 12 bolas forneceu os dados das colunas A e B
Planilha 19
A

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

B
C
D
E
Dados de distncia para uma amostra aleatria de bolas de golfe
Bolas Metros
Teste
Estatstica descritiva
1
269
2
280
Mdia
277,8333
-0,815546614
3
268
Erro padro
2,656705
4
278
Mediana
278
5
282
Modo
278
6
263
Desvio padro
9,203096
7
271
Varincia da amostra
84,69697
8
285
Curtose
-0,335511
9
288
Assimetria
0,211036
10
278
Intervalo
32
11
276
Mnimo
263
12
286
Mximo
295
Soma
3334
Contagem
12
Nvel de confiana(95,0%) 5,847371

25

Planilha 19
Usando

0 =

280 da hiptese nula e s = 12 como uma estimativa do desvio-

padro da populao , o valor da estatstica do teste calculado na clula E4, ou seja:

No Excel, devem ser seguidos os passos:
Ferramentas
Anlise de dados
Estatstica descritiva
OK
Intervalo de entrada: selecione as clulas de B3 a B14
Resumo estatstico
Intervalo de sada: digite C2
OK
Posicione o cursos na clula e digite a frmula =(D3 280)/D4 para
determinar o valor de z, que representar a frmula abaixo:

z=

x 0

/ n

= ( D3 280) / D4 = (277,833 280) / 2,656705

z = 0,8155
De acordo com a regra de rejeio H0 no pode ser rejeitada(O gerente de
controle de qualidade no tem razes para duvidar da hiptese de que o processo de
fabricao est produzindo bolas de golfe com uma distncia mdia de 280 metros da
populao).

4.6 Anlise de Varincia(ANOVA)

Tcnica estatstica que pode ser usada para testar a hiptese de que as mdias de trs
ou mais populaes so iguais.
Vamos supor que, para medir o nvel de conhecimento da lngua inglesa, uma
amostra aleatria de seis funcionrios foi selecionada dentre trs Universidades(fictcias) e
submetida a um exame de conhecimento. As pontuaes obtidas por estes 18 funcionrios
esto listadas na Planilha 20. As mdias, varincias e desvios-padres amostrais para cada
grupo so tambm fornecidos.
Os reitores querem usar esses dados para testar a hiptese de que a pontuao mdia
de exame a mesma para todas as Universidades. Vamos definir:
Populao 1 Todos funcionrios na UFLP
Populao 2 Todos funcionrios na UFAG
Populao 3 Todos funcionrios na UFXT
1 - Pontuao mdia de exame para a populao 1

2 - Pontuao mdia de exame para a populao 2

3 - Pontuao mdia de exame para a populao 3
Vamos testar as seguintes hipteses:
H0: 1 = 2 = 3
Ha: Nem todas as mdias da populao so iguais
26

Passos no Excel:
Ferramentas
Anlise de dados
Anova: Fator nico
Agrupado por: colunas
Intervalo de entrada: iluminar de C3 at E8
Intervalo de sada: digite B12
OK
A melhor estimativa da mdia da distribuio amostral de x a mdia das trs
mdias de amostra(79 + 74 + 66)/3 = 73).
Uma estimativa da varincia da distribuio amostral de x fornecida pela
varincia das trs mdias de amostra.
2
2
2
2 = (79 73) + (74 73) + (66 73) = 43
sx

3 1

2=n

2 = E16 + E17 + E18 = 34 + 20 + 32 = 28,67

x = 6 * 43 = 258

Este valor registrado na clula D22 denominado estimativa-entre. A estimativa

tratamentos-entre baseada na suposio de que a hiptese nula seja verdadeira. Neste
caso, cada amostra vem da mesma populao e h somente uma distribuio amostral de
x.
Quando as amostras so de mesmo tamanho, a estimativa chamada tratamentosdentro pode ser obtida calculando-se a mdia das varincias de amostras individuais:

(Registrado na clula D23)

27

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

A
Observao
1
2
3
4
5
6
Mdia da amostra
Varincia da amostra
Desvio-padro da amostra

B
UFLP
85
75
82
76
71
85
79
34
5,83

C
UFAG
71
75
73
74
69
82
74
20
4,47

D
UFXT
59
64
62
69
75
67
66
32
5,66

Contagem
6
6
6

Soma
474
444
396

Mdia
79
74
66

Varincia
34
20
32

ANOVA
Fonte da variao
Entre grupos
Dentro dos grupos

SQ
516
430

gl
2
15

MQ
258
28,66667

F
9

Total

946

17

Anova: fator nico

RESUMO
Grupo
Coluna 1
Coluna 2
Coluna 3

valor-P
F crtico
0,002703 3,682317

Planilha 20

28

4.7 Simulao de lanamento de dados

Podemos fazer uma simulao de lanamento de dados usando uma funo do Excel
chamada ALEATRIOENTRE(ou na verso em ingls: RANDBETWEEN).
Como exemplo vamos simular 17 lanamentos de dois dados simultaneamente ou no.
Na clula A4 digitamos a frmula que representar os nmeros das faces do dado 1, ou
seja: = randbetween(1;6) ou na outra verso:
=aleatrioentre(1;6). A mesma
frmula digitaremos na clula B4 representando os nmeros das faces do dado 2.
Na clula C4 inserimos a frmula para calcular a soma dos dois dados, ou seja:
=A4 + B4
Copiamos estas trs frmulas at a linha 20 representando 17 lanamentos(isto pode ser
feito para quantos lanamento quisermos).
Na clula D4 computaremos quantas vezes a soma dos dois dados foi igual a 2, nos 17
lanamentos, usando a frmula: =CONT.SE($C$4:$C$20;2).
Analogamente, nas clulas E4 at N4, computaremos as somas 3, 4, ..., 12, trocando-se
o valor entre aspas duplas respectivamente por 3, 4, ..., 12 , na frmula da funo
CONT.SE acima
1
Simulao do lanamento de dois dados
2
Lanamento dos dados
SOMAS DOS DOIS DADOS
3 Dado 1 Dado 1
Soma
2 3 4 5 6 7 8 9 10 11 12
4
3
5
8
1 0 0 1 3 3 5 1 2 0 1
5
4
6
10
Ocorrncias de cada soma
6
1
5
6
7
4
3
7
8
1
1
2
9
6
3
9
10
4
4
8
11
3
3
6
12
1
6
7
13
4
1
5
14
3
5
8
15
4
3
7
16
6
2
8
17
6
6
12
18
5
3
8
19
2
4
6
20
6
4
10

29

5. Bibliografia
KAZMIER, L. J. Estatstica aplicada Economia e Administrao. So Paulo: McGrawHill do Brasil, 1982.
ANDERSON, D. R. Estatstica aplicada Administrao e Economia. So Paulo: Pioneira
Thomson Learning, 2002.
VILA, G. S. S. Clculo 1: funes de uma varivel. Rio de Janeiro: LTC, 1981
BARROSO, L. C. et al. Clculo numrico: com aplicaes. So Paulo: Harbra,
1987.
SANTOS, V. R. B. Curso de Clculo numrico . Rio de Janeiro: Ao Livro Tcnico,
1972.
SILVA, S. M. Matemtica para os cursos de Economia, Administrao e Cincias
Contbeis, So Paulo: Atlas, 1988
HARVEY, G. Segredos do Excel 5 for windows: para leigos. SP: Berkeley, 1995.
DODGE, M. Microsoft Excel : guia autorizado Microsoft. SP: Makron Books, 1998

30

SUMRIO
Introduo ......................................................................................................................................................... I
Aplicaes do Excel ao Clculo Numrico.......................................................................................................2
Razes de equaes transcendentais................................................................................................................2
Mtodo de Iterao Linear(M.I.L.).............................................................................................................2
Mtodo de Newton-Raphson(M.N.R.)........................................................................................................4
A clula C3, que representa o erro relativo na 1 iterao, possui a seguinte frmula:..............................5
Interpolao....................................................................................................................................................5
Mtodo de Lagrange...................................................................................................................................6
Mtodo de Newton(Diferenas finitas).......................................................................................................6
D3 com a frmula:
=C4 C3....................................................................................................................7
E3 com a frmula:
=D4 D3.................................................................................................................7
Sistema de Equaes Lineares........................................................................................................................9
Mtodo de Eliminao de Gauss.................................................................................................................9
Mtodo de Eliminao de Gauss-Jordan...................................................................................................10
Mtodo de iterao de Jacobi....................................................................................................................12
Mtodo de iterao de Gauss-Seidel.........................................................................................................13
Integrao Numrica.....................................................................................................................................14
Mtodo dos trapzios................................................................................................................................14
Mtodo de Simpson..................................................................................................................................15
Aplicao do Excel Programao Linear....................................................................................................16
Mtodo Simplex.............................................................................................................................................16
Aplicao ao Clculo diferencial e integral....................................................................................................18
Limite de funes...........................................................................................................................................18
Algumas aplicaes do Excel Estatstica.....................................................................................................20
Regresso Linear...........................................................................................................................................20
Grfico 3............................................................................................................................................................22
Estatstica descritiva.....................................................................................................................................22
Planilha 17.........................................................................................................................................................23
Correlao.....................................................................................................................................................23
Planilha 18.........................................................................................................................................................24
Probabilidade................................................................................................................................................24
Distribuio binomial................................................................................................................................24
Distribuio hipergeomtrica....................................................................................................................25

31

Teste de hiptese............................................................................................................................................25
Anlise de Varincia(ANOVA)......................................................................................................................26
OK.................................................................................................................................................................27
4.7 Simulao de lanamento de dados........................................................................................................29
Bibliografia........................................................................................................................................................30

32

MARCO ANTNIO CLARET DE CASTRO

DEPARTAMENTO DE MATEMTICA,
ESTATSTIC A E CINCIAS DA
COMPUTAO

A PL I C A O

DO

EXCEL

A VRIAS DISCIPLINAS
DOS CURSOS

DE

GRADUAO
SO JOO DEL-REI
F E V E R E I R O D E 2003
33