Me Todos Num

Mtodos Numricos para Engenharias
Tarcisio Ferreira Maciel

Universidade Federal do Cear
Centro de Tecnologia
9 de Outubro de 2012
T. F. Maciel (UFC-CT) Mtodos Numricos para Engenharias 9 de Outubro de 2012 1 / 203
Parte 1
Erros em aproximao numrica
Contedo
1
Fundamentos
Representao de nmeros no computador
Erros em aproximao numrica Fundamentos
Contedo
1
Fundamentos
Fundamentos
Mtodos numricos mtodos matemticos para resolver problemas:
que so difceis de resolver analiticamente
que no possuem soluo analtica
Soluo numrica aproximao para a soluo analtica, porm muito
precisa
m
F
: o coeciente de atrito esttico
g: a acelerao da gravidade
m: massa do bloco
F =
mg
cos() + sin()
Se o valor de F conhecido, o ngulo
necessrio para mover o bloco pode ser
determinado numericamente, mas no
analiticamente
Resolvendo um problema em Engenharia
Declarao do problema
Descrio/denio do problema e suas variveis
Restries, condies iniciais e condies de contorno
Formulao da soluo
Modelagem fsica
Deduo das equaes do modelo
Deve ser consistente com as ferramentas analticas ou numricas utilizadas
Programao da soluo numrica
Seleo do mtodo numrico
Implementao do algoritmo
Interpretao da soluo
Anlise da preciso da soluo numrica
Anlise de possveis erros de programao
Validao da soluo
Vide [GS08, Exemplo 1-1,pg. 23]
Erros em aproximao numrica Representao de nmeros no computador
Contedo
1
Fundamentos
Sistema de numerao possui uma base B e dgitos d para representar
nmeros
Sistema decimal base B = 10 e dgitos d = 0, 1, . . . , 9 (note que B 1 = 9)
Nmeros maiores que B 1 so representados usando notao posicional
Os dgitos d multiplicam a base B elevada posio p ocupada pelo dgito
As posies so negativas direita do separador da parte fracionria
Para a base 10, tem-se que 1.423, 35
10

Posio p 3 2 1 0 -1 -2
Potncia B
p
10
3
10
2
10
1
10
0
10
1
10
2
Dgito d 1 4 2 3 3 5
Valor 1 10
3
+ 4 10
2
+ 2 10
1
+ 3 10
0
+ 3 10
1
+ 5 10
2
= 1.423, 35
Sistema binrio: converso binrio/decimal
Sistemas digitais usam sistema binrio
Sistema binrio base B = 2 e dgitos d = 0, 1 (note que B 1 = 1)
Cada dgito denominado bit (abreviao de BInary digiT)
Um conjunto de 8 bits chamado byte
O nmero binrio 110, 101
2
corresponde a 6, 625
10
Posio p 2 1 0 -1 -2 -3
Posio B
p
2
2
2
1
2
0
2
1
2
2
2
3
. . .
Dgito d 1 1 0 1 0 1
Valor 1 2
2
+ 1 2
1
+ 0 2
0
+ 1 2
1
+ 0 2
2
+ 1 2
3
= 6, 625
Representao em ponto utuante: forma decimal
Nmeros de ponto utuante notao cientca d, dddddd 10
p
Um nico algarismo esquerda da vrgula e os demais direita da vrgula
O nmero 0, dddddd chamado mantissa
A ordem do nmero corresponde a
p se o nmero antes da vrgula menor que 5
p + 1 se o nmero antes da vrgula maior ou igual a 5
Notao cientca
6519, 23 6, 51923 10
3
0, 00000391 3, 91 10
6
Ordem O()
6519, 23 O
_
10
4
_
0, 00000391 O
_
10
6
_
Representao em ponto utuante: forma binria
Nmeros binrios em ponto utuante 1, bbbbbb 2
bbb
Um nico algarismo esquerda da vrgula e os demais direita da vrgula
O nmero 0, bbbbbb chamado mantissa
A potncia de 2, i.e., 2
bbb
, chamada expoente
Mantissa e expoente escritos em forma binria
Escrita de um nmero decimal N na forma 1, bbbbbb 2
bbb
Obtida atravs de normalizao
Divide e multiplica N pela maior potncia de 2 menor que N
Normalizao
50
50
2
5
2
5
= 1, 5625 2
5
1, 1001 2
101
1344
1344
2
10
2
10
= 1, 3125 2
10
1, 0101 2
1010
0, 3125
0, 3125
2
2
2
2
= 1, 25 2
2
1, 01 2
10
Representao em ponto utuante: IEEE-754
A norma IEEE-754 prev nmeros de preciso simples (32 bits) e de
preciso dupla (64 bits)
O computador armazena mantissa e expoente separadamente
Preciso simples: 8 bits para expoente, 23 bits para mantissa
Preciso dupla: 11 bits para expoente, 52 bits para mantissa
Antes do armazenamento, uma polarizao acrescida ao expoente
Preciso simples: 127 mnimo expoente -127, mximo expoente 128
Preciso dupla: 1023 mnimo expoente -1023, mximo expoente 1024
Considere, por exemplo, o nmero 22,5 a ser representado em preciso
dupla
Aplicando a normalizao, temos
22, 5
2
4
2
4
= 1, 40625 2
4
1, 01101 2
100
Polarizando o expoente, 4 + 1023 = 1027 = 10000000011
2
Assim, temos
Nmero de bits limitado para expoente e mantissa maior e menor
nmeros armazenveis (em mdulo)
O menor nmero em preciso dupla 2
1023
1, 1 10
308
O maior nmero em preciso dupla 2
1024
1, 8 10
308
Tentar armazenar nmeros fora desses limites gera erros de underow
ou overow
Nem todo nmero armazenvel em binrio de forma exata
Erros em aproximao numrica Erros em aproximao numrica
Contedo
1
Fundamentos
Solues numricas muito precisas mas inexatas
Dois tipos de erros: de arredondamento e de truncamento
Juntos, esses dois erros constituem o erro total
Erros de arredondamento forma de armazenamento e processamento
Nmero nito de bits da mantissa nmero nito dgitos aps a vrgula
Corte (descarte) ou arredondamento com certo nmero de dgitos aps a
vrgula
2/3 com 4 casas decimais 0, 6666 (corte) ou 0, 6667 (arredondamento)
Vide [GS08, pg. 31]
Erros de truncamento
Devidos aproximaes usadas nos mtodos numricos
Aproximao por srie de Taylor sin(x) =
x
1!

x
3
3!
+
x
5
5!

x
3
7!
+ . . .
Vide [GS08, pg. 33]
Soluo numrica aproximao envolvendo erros de arredondamento e
de truncamento (de acordo com o mtodo)
Erro total (ou erro real) E
Real
diferena entre a soluo exata S
Exata
e a soluo numrica S
Num
E
Real
= S
Exata
S
Num
(1)
Erro total (ou erro real) E
Relat
mdulo da razo entre o erro real
E
Real
e a S
Exata
E
Relat
=
E
Real
S
Exata
S
Exata
S
Num
S
Exata
(2)
Erro real e o erro relativo soluo exata precisa ser conhecida
H outras maneiras de estimar o erro (ou sua ordem de grandeza)
Parte 2
Zeros de funes e soluo de sistemas de equaes no-lineares
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo da falsa posio
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Soluo numrica de sistemas no-lineares
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Zeros de funes Fundamentos
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Fundamentos
Soluo de equaes diversas aplicaes nas engenharia
Uma equao de uma nica varivel x
f(x) = 0 (3)
Zero da funo o valor de x onde f(x) zero
Uma equao pode ter nenhum, um ou vrios zeros (solues)
Equaes simples soluo analtica
Equaes complicadas soluo numrica aproximada
Fundamentos
Em alguns casos impossvel obter a soluo analtica
Determinar na gura abaixo esquerda para A
S
= 8 m
2
e r = 3 m
A rea A
S
expressa como
A
S
=
1
2
r
2
( sin())
f() = A
S
1
2
r
2
( sin()) = 0 8 4, 5( sin()) = 0
A funo f() plotada na gura acima direita
Tipos de mtodos
Dois grupos de mtodos numricos para soluo de equaes
Mtodos de connamento identicam um intervalo contendo a soluo
que reduzido sucessivamente (gura esquerda)
Mtodos abertos assumem uma soluo inicial aproximada que
melhorada sucessivamente (gura direita)
Estimao de erros em solues numricas
Considere x
TS
como a soluo verdadeira e x
NS
como a soluo
numrica
O erro real E
Real
E
Real
= x
TS
x
NS
Tolerncia T
f
em f(x) T
f
= |f(x
TS
) f(x
NS
)|
Tolerncia na soluo T
x
T
x
=
b a
2
(mtodos de connamento)
Erro relativo E
Relat
e erro relativo estimado

E
Relat

E
Relat
=
x
TS
x
NS
x
TS
, e

E
Relat
=
x
(n)
NS
x
(n1)
NS
x
(n1)
NS
onde n a ndice da iterao

Em geral h uma tolerncia caracteriza a preciso da soluo
Zeros de funes Mtodo da bisseo
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Mtodo da bisseo
Mtodo de connamento intervalo [a, b] contendo a soluo conhecido
Funo f(x) contnua em [a, b]
Intervalo [a, b] com f(a) > 0 e f(b) < 0 ou f(a) < 0 e f(b) > 0
f(a)f(b) < 0
O ponto central do intervalo x
(1)
NS
=
a + b
2
Soluo numrica inicial
Soluo imprecisa reduz intervalo e busca nova soluo
Mtodo da bisseo: algoritmo
Escolha o intervalo [a, b]
contendo a soluo
Calcule a primeira estimativa
x
(1)
NS
=
a + b
2
Determina se x
NS
[a, x
(n)
NS
]
ou se x
NS
[x
(n)
NS
, b] e
atualiza o intervalo
Repete o processo at atingir a
preciso desejada
Diferentes critrios de
tolerncia/erro podem ser
usados
Entrada: f(x), [a, b] com f(a)f(b) < 0, preciso
Sada: Soluo x
NS
com |f(x
NS
)|
1: n = 1; a
(n)
= a; b
(n)
= b;
2: x
(n)
NS
=
a
(n)
+b
(n)
2
;
3: enquanto
f(x
(n)
NS
)
> faa
4: se f(a
(n)
)f(x
(n)
NS
) < 0 ento
5: a
(n+1)
= a
(n)
;
6: b
(n+1)
= x
(n)
NS
;
7: m-se;
8: se f(b
(n)
)f(x
(n)
NS
) < 0 ento
9: a
(n+1)
= x
(n)
NS
;
10: b
(n+1)
= b
(n)
;
11: m-se;
12: n = n + 1;
13: x
(n)
=
a
(n)
+b
(n)
2
;
14: m-enquanto;
15: retorne x
NS
= x
(n)
NS
Mtodo da bisseo
O mtodo converge quando a raiz pertence ao intervalo
O mtodo pode no convergir se f(x) tangente ao eixo x
A convergncia do mtodo lenta comparada a outros mtodos
Sugesto de atividade computacional
Implemente o mtodo da bisseo em linguagem de programao C++ como uma
funo que recebe como parmetros um ponteiro para uma funo, os limites do
intervalo e a preciso desejada.
A funo implementada deve retornar o zero da funo passada como parmetro ou
Not-a-Number caso no consiga determinar o zero da mesma.
Crie variaes da mesma funo com diferentes critrios para tolerncia/erro.
Zeros de funes Mtodo da falsa posio
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Mtodo de connamento intervalo [a, b] contendo a soluo conhecido
Funo f(x) contnua em [a, b]
Intervalo [a, b] com f(a) > 0 e f(b) < 0 ou f(a) < 0 e f(b) > 0
f(a)f(b) < 0
Os extremos do intervalo so conectados por uma reta e a soluo inicial
x
(1)
NS
o ponto onde a reta corta o eixo x
Soluo imprecisa reduz intervalo e busca nova soluo
Mtodo da falsa posio: algoritmo
Escolha o intervalo [a, b]
contendo a soluo
Calcule a primeira estimativa
y =
f(b) f(a)
b a
(x
(1)
NS
b) + f(b) = 0
x
(1)
NS
=
af(b) bf(a)
f(b) f(a)
Determina se x
NS
[a, x
(n)
NS
]
ou se x
NS
[x
(n)
NS
, b] e
atualiza o intervalo
Repete o processo at atingir a
preciso desejada
Diferentes critrios de
tolerncia/erro podem ser
usados
Entrada: f(x), [a, b] com f(a)f(b) < 0, preciso
Sada: Soluo x
NS
com |f(x
NS
)|
1: n = 1; a
(n)
= a; b
(n)
= b;
2: x
(n)
NS
=
a
(n)
f(b
(n)
)b
(n)
f(a
(n)
)
f(b
(n)
)f(a
(n)
)
;
3: enquanto
f(x
(n)
NS
)
> faa
4: se f(a
(n)
)f(x
(n)
NS
) < 0 ento
5: a
(n+1)
= a
(n)
;
6: b
(n+1)
= x
(n)
NS
;
7: m-se;
8: se f(b
(n)
)f(x
(n)
NS
) < 0 ento
9: a
(n+1)
= x
(n)
NS
;
10: b
(n+1)
= b
(n)
;
11: m-se;
12: n = n + 1;
13: x
(n)
NS
=
a
(n)
f(b
(n)
)b
(n)
f(a
(n)
)
f(b
(n)
)f(a
(n)
)
;
14: m-enquanto;
15: retorne x
NS
= x
(n)
NS
Mtodo da falsa posio: algoritmo
O mtodo converge quando a raiz pertence ao intervalo
Frequentemente, f(x) cncava ou convexa no intervalo um dos
extremos do intervalo permanece constante durante todo o processo
A convergncia do mtodo poderia ser mais rpida se ambos os extremos
do intervalo se movessem
Implemente o mtodo da falsa posio em linguagem de programao C++ como uma
funo que recebe como parmetros um ponteiro para uma funo, os limites do
intervalo e a preciso desejada.
Refaa as implementaes considerando o mtodo da falsa posio modicado descrito
em [GS08, Problema 3.18]
Zeros de funes Mtodo de Newton
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Mtodo de Newton
Mtodo aberto soluo prxima a um ponto inicial
Funo f(x) contnua e diferencivel
Escolhe um ponto x
1
como estimativa inicial da soluo
Prxima estimativa da soluo dada pelo cruzamento com o eixo x da
reta tangente a f(x) no ponto (x
1
, f(x
1
))
Soluo imprecisa busca nova estimativa
Mtodo de Newton
Deduzido a partir da expanso em srie de Taylor em torno de x
1
f(x) = f(x
1
) + f
(x
1
)(x x
1
) +
f
(x
1
)(x x
1
)
2
2!
+
f
(x
1
)(x x
1
)
3
3!
+ . . .
Tomando apenas os primeiros termos e calculando f(x
2
) tem-se
f(x
2
) = f(x
1
) + f
(x
1
)(x
2
x
1
) x
2
= x
1
+
f(x
2
) f(x
1
)
f
(x
1
)
Como x
2
o ponto que cruza o eixo x, ento f(x
2
) = 0 e, portanto
x
2
= x
1
f(x
1
)
f
(x
1
)
Repetindo a expanso em torno de x
2
, tem-se x
3
= x
2
f(x
2
)
f
(x
2
)
e, de
forma geral, tem-se
x
i+1
= x
i
f(x
i
)
f
(x
i
)
Mtodo de Newton: algoritmo
Escolha a soluo inicial x
1
Enquanto o erro de aproximao for maior
que o tolerado, aprimore a soluo
fazendo x
i+1
= x
i
f(x
i
)
f
(x
i
)
A derivada f
(x) pode ser determinada

analiticamente ou numericamente
Diferentes critrios de tolerncia/erro
podem ser usados, e.g.,
x
i+1
x
i
x
i

Entrada: f(x), f
(x), x
1
, preciso
Sada: Soluo x
NS
com
|f(x
NS
)|
1: i = 1;
2: enquanto |f(x
i
)| > faa
3: x
i+1
= x
i
f(x
i
)
f
(x
i
)
;
4: i = i + 1;
5: m-enquanto;
6: retorne x
NS
= x
i
Mtodo de Newton
Converge rapidamente quando a soluo inicial est prxima verdadeira
Problemas de convergncia f
(x) 0 na vizinhana de x
TS
Implemente o mtodo de Newton em linguagem de programao C++ como uma
funo que recebe como parmetros um ponteiro para uma funo f(x), um ponteiro
para a funo f
(x), a soluo inicial e a preciso desejada.

Zeros de funes Mtodo da secante
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Mtodo da secante
Usa dois pontos x
1
e x
2
na vizinhana da soluo verdadeira para
determinar uma soluo inicial
Prxima estimativa da soluo dada pelo cruzamento com o eixo x da
reta secante que liga (x
1
, f(x
1
)) a (x
2
, f(x
2
))
Mtodo da secante
A inclinao da reta y(x) que passa por (x
1
, f(x
1
)), (x
2
, f(x
2
)) e
(x
3
, y(x
3
))
f(x
2
) f(x
1
)
x
2
x
1
=
y(x
3
) f(x
2
)
x
3
x
2
Isolando x
3
acima e sabendo que ele o ponto onde y(x) cruza o eixo x,
i.e., y(x
3
) = 0, tem-se
f(x
2
) f(x
1
)
x
2
x
1
=
f(x
2
)
x
3
x
2
x
3
= x
2
f(x
2
)(x
2
x
1
)
f(x
2
) f(x
1
)
Repetindo o processo para (x
2
, f(x
2
)) e (x
3
, f(x
3
)), tem-se
x
4
= x
3
f(x
3
)(x
3
x
2
)
f(x
3
) f(x
2
)
e, de forma geral, tem-se
x
i+1
= x
i
f(x
i
)(x
i
x
i1
)
f(x
i
) f(x
i1
)
Mtodo da secante: algoritmo
Escolha os pontos x
1
e x
2
e
determine a soluo inicial x
3
Enquanto o erro de aproximao for
maior que o tolerado, aprimore a
soluo fazendo
x
i+1
= x
i
f(x
i
)(x
i
x
i1
)
f(x
i
) f(x
i1
)
Corresponde ao mtodo de Newton
com
f
(x
i
)
f(x
i
) f(x
i1
)
x
i
x
i1
Diferentes critrios de tolerncia/erro
podem ser usados, e.g.,
x
i+1
x
i
x
i

Entrada: f(x), x
1
, x
2
, preciso
Sada: Soluo x
NS
com |f(x
NS
)|
1: i = 2;
2: repita
3: x
i+1
= x
i
f(x
i
)(x
i
x
i1
)
f(x
i
) f(x
i1
)
;
4: i = i + 1;
5: at |f(x
i
)|
6: retorne x
NS
= x
i
Mtodo da secante
Implemente o mtodo da secante em linguagem de programao C++ como uma
funo que recebe como parmetros um ponteiro para a funo, a soluo inicial e a
preciso desejada.
Zeros de funes Mtodo do ponto xo
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Mtodo do ponto xo
O mtodo implementado escrevendo x = g(x) funo de iterao
Quando x soluo de f(x) y = x y = g(x)
O ponto de interseo chamado ponto xo
Comea com uma soluo inicial prxima ao ponto xo
Prxima soluo obtida como x
i+1
= g(x
i
)
Mtodo do ponto xo
Quando funciona, as
iteraes x
i+1
= g(x
i
)
convergem para o ponto xo
possvel que o mtodo no
convirja
Quando f(x) = 0 no
permite achar x = g(x)
x + f(x) x = 0 x =
x + f(x)
H vrias g(x) |g
(x)| < 1
garante convergncia
(condio de Lipschitz)
Vide exemplo em [GS08,
pg. 91]
Mtodo do ponto xo: algoritmo
Entrada: f(x), g(x) com |g
(x)| < 1, x
1
, preciso
Sada: Soluo x
NS
com |f(x
NS
)|
1: i = 1;
2: enquanto |f(x
i
)| > faa
3: x
i+1
= g(x
i
);
4: i = i + 1;
5: m-enquanto;
6: retorne x
NS
= x
i
Implemente o mtodo da secante em linguagem de programao C++ como uma
funo que recebe como parmetros um ponteiro para a funo f(x), um ponteiro para
a funo g(x), a soluo inicial e a preciso desejada.
Soluo numrica de sistemas no-lineares Fundamentos
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Soluo numrica de sistemas no-lineares Fundamentos
Sistemas de equaes no-lineares
Composto por duas ou mais equaes no-lineares
Encontra diversas aplicaes em problemas de engenharia e cincias
Uma aplicao importante o popular mtodo das diferenas nitas
utilizado para a soluo de equaes diferenciais ordinrias no-lineares,
o qual requer a soluo de um sistema de equaes no-lineares
Soluo numrica de sistemas no-lineares Mtodo do ponto xo
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Mtodo da iterao de ponto xo
Extenso para mltiplas equaes do mtodo da iterao de ponto xo
Para um sistema com n equaes e n incgnitas x
1
, x
2
, . . . , x
n
temos
f
1
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
) = 0,
f
2
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
) = 0,
. . .
f
n
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
) = 0
(4)
O sistema (5) pode ser rescrito como
x
(k+1)
1
= g
1
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
),
x
(k+1)
2
= g
2
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
),
. . .
x
(k+1)
n
= g
n
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
),
(5)
onde g
i
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
) so as funes de iterao
Convergncia do mtodo da iterao de ponto xo
A cada iterao, uma nova aproximao para a soluo do sistema
obtida pelo mtodo do ponto xo
As iteraes podem ser terminadas quando uma determinada preciso for
atingida para a soluo
O mtodo da iterao de ponto xo converge se
As funes g
1
, g
2
, . . . , g
n
e suas derivadas parciais forem contnuas e
limitadas na vizinhana da soluo
g
j
x
1
g
j
x
2
+ . . . +
g
j
x
n
1, para j = 1, 2, . . . , n
A estimativa inicial x
(1)
1
, x
(1)
2
, . . . , x
(1)
n
estiver sucientemente prxima da
soluo
Soluo numrica de sistemas no-lineares Mtodo de Newton
Contedo
2
Zeros de funes
Fundamentos
Mtodo da bisseo
Mtodo de Newton
Mtodo da secante
Mtodo do ponto xo
3
Fundamentos
Mtodo do ponto xo
Mtodo de Newton
Mtodo de Newton com duas equaes
Extenso para mltiplas equaes do mtodo de Newton
Para um sistema com duas equaes e duas incgnitas x e y temos
f
1
(x, y) = 0
f
2
(x, y) = 0
(6)
O processo comea com a escolha de uma soluo estimada x
1
e y
1
Se x
2
e y
2
so a soluo exata do sistema (desconhecida) e esto
sucientemente prximas de x
1
e y
1
, ento a expanso em srie de Taylor
de f
1
e f
2
em x
2
e y
2
podem ser expressas em torno de x
1
e y
1
como
f
1
(x
2
, y
2
) = f
1
(x
1
, y
1
) + (x
2
x
1
)
f
1
x
x1,y1
+ (y
2
y
1
)
f
1
y
x1,y1
+ . . . ,
f
2
(x
2
, y
2
) = f
2
(x
1
, y
1
) + (x
2
x
1
)
f
2
x
x1,y1
+ (y
2
y
1
)
f
2
y
x1,y1
+ . . .
(7)
Como x
2
e y
2
esto prximos de x
1
e y
1
, os valores de f
1
(x
2
, y
2
) e
f
2
(x
2
, y
2
) podem ser aproximados usando (7) desconsiderando nesta os
termos de ordem superior
Como f
1
(x
2
, y
2
) = 0 e f
2
(x
2
, y
2
) = 0, a equao 7 pode ser rescrita
como o sistema
x
f
1
x
x1,y1
+y
f
1
y
x1,y1
= f
1
(x
1
, y
1
),
x
f
2
x
x1,y1
+y
f
2
y
x1,y1
= f
2
(x
1
, y
1
),
(8)
onde x = x
2
x
1
e y = y
2
y
1
so as incgnitas
O sistema (8) pode ser resolvido usando a regra de Cramer
x =
f
1
(x
1
, y
1
)
f
2
y
x1,y1
+ f
2
(x
1
, y
1
)
f
1
y
x1,y1
J(f
1
(x
1
, y
1
), f
2
(x
1
, y
1
))
,
y =
f
2
(x
1
, y
1
)
f
1
x
x1,y1
+ f
1
(x
1
, y
1
)
f
2
x
x1,y1
J(f
1
(x
1
, y
1
), f
2
(x
1
, y
1
))
,
J(f
1
, f
2
) = det
_
_
f
1
x
f
1
y
f
2
x
f
2
y
_
_
(9)
onde J(f
1
(x
1
, y
1
), f
2
(x
2
, y
2
)) o Jacobiano de f
1
(x
1
, y
1
) e f
2
(x
2
, y
2
)
Logo, x
2
= x
1
+x e y
2
= y
1
+y, respectivamente
Vale notar que x
2
e y
2
so solues aproximadas (os termos de ordem
superior em (7) foram desconsiderados), porm boas aproximaes
(esto prximas de x
1
e y
1
)
Mtodo de Newton com n equaes
O mtodo de Newton descrito pode ser generalizado para n equaes e n
incgnitas x
1
, x
2
, . . . , x
n
e, nesse caso, tem-se
f
1
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
) = 0,
f
2
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
) = 0,
. . .
f
n
(x
(k)
1
, x
(k)
2
, . . . , x
(k)
n
) = 0
(10)
Os valores de f
i
() na aproximao x
(k+1)
1
, x
(k+1)
2
, . . . , x
(k+1)
n
da soluo so
obtidas usando a srie de Taylor e levam ao sistema
_
_
_
_
_
_
_
_
_
_
f
1
x
1
f
1
x
2
. . .
f
1
x
n
f
2
x
1
f
2
x
2
. . .
f
2
x
n
.
.
.
.
.
.
.
.
.
.
.
.
f
n
x
1
f
n
x
2
. . .
f
n
x
n
_
_
|
x
(k)
_
_
_
_
_
x
(k)
1
x
(k)
2
. . .
x
(k)
n
_
_
=
_
_
_
_
f
1
(x
(k)
)
f
2
(x
(k)
)
. . .
f
n
(x
(k)
)
_
_
, e
x
(k+1)
1
= x
(k)
1
+x
(k)
1
x
(k+1)
2
= x
(k)
2
+x
(k)
2
. . .
x
(k+1)
n
= x
(k)
n
+x
(k)
n
(11)
Convergncia do mtodo de Newton
O mtodo de Newton iterativo com x
(k+1)
obtida a partir de x
(k)
O mtodo de Newton tipicamente converge (rapidamente) se
As funes f
1
, f
2
, . . . , f
n
e suas derivadas forem contnuas e limitadas na
vizinhana da soluo
O Jacobiano for diferente de zero na vizinhana da soluo
A estimativa inicial x
(1)
1
, x
(1)
2
, . . . , x
(1)
n
estiver sucientemente prxima da
soluo
As derivadas parciais presentes no Jacobiano podem ser obtidas analtica
ou numericamente e o sistema (11) deve ser solucionado numericamente
para n > 3
Parte 3
Soluo de sistemas de equaes lineares
Contedo
4
Soluo numrica de sistemas lineares
Fundamentos
Mtodos diretos: regra de Cramer
Mtodos diretos: eliminao de Gauss
Mtodos diretos: eliminao de Gauss-Jordan
Mtodos diretos: decomposio LU
Mtodos iterativos: iterao de Jacobi
Mtodos iterativos: iterao de Gauss-Seidel
Soluo numrica de sistemas lineares Fundamentos
Contedo
4
Fundamentos
Sistema de equaes lineares
Considere um sistema de n equaes lineares e n variveis x
1
, x
2
, . . . , x
n
,
a
1,1
x
1
+ a
1,2
x
2
+ . . . + a
1,n
x
n
= b
1
a
2,1
x
1
+ a
2,2
x
2
+ . . . + a
2,n
x
n
= b
2
. . .
a
n,1
x
1
+ a
n,2
x
2
+ . . . + a
n,n
x
n
= b
n
(12)
onde os coecientes a
i,j
e b
i
so dados e i, j = 1, 2, . . . , n
Usando notao matricial, podemos denir
A =
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
, x =
_
_
x
1
x
2
.
.
.
x
n
_
_
, e; b =
_
_
b
1
b
2
.
.
.
b
n
_
_
Ax = b (13)
Alm disso, costuma-se ainda denir a matriz estendida

A =
_
A b

Soluo de sistemas lineares
O sistema homogneo b = 0 (no-homogneo, caso contrrio)
Soluo de (13) vetor x que satisfaz as n equaes
Sistemas lineares diversos problemas em engenharia
Sistemas de foras agindo sobre um corpo (leis de Newton)
Sistemas de equaes para os ns e malhas de um circuito eltrico (leis de
Kirchhof)
Sistemas de equaes balanceando reagentes qumicos (leis da conservao
da massa, propores denidas e propores mltiplas)
Solucionar sistemas da forma (13) mtodos numricos ecientes
Mtodos diretos : utilizam tcnicas de lgebra linear
Mtodos iterativos: soluo inicial assumida e atualizada iterativamente
para solues com melhor preciso
Soluo numrica de sistemas lineares Mtodos diretos: regra de Cramer
Contedo
4
Fundamentos
Soluo de sistemas lineares pela regra de Cramer
Denotando as colunas de A por a
j
, j = 1, 2, . . . , n, temos
A =
_
a
1
a
2
. . . a
n
(14)
Utilizando (14), vamos denir as matrizes A
j
como
A
j
=
_
_
[b a
2
. . . a
n
], j = 1,
[a
1
a
2
. . . a
j1
b a
j+1
. . . a
n1
a
n
], 1 < j < n,
[a
1
a
2
. . . a
n1
b], j = n
(15)
A
j
equivale a A com a j-sima coluna substituda por b
A regra de Cramer diz que, se existir, a soluo do sistema (13) dada
por
x
j
=
det(A
j
)
det (A)
, j = 1, 2, . . . , n. (16)
Soluo de sistemas pela regra de Cramer
O determinante det (A) de uma matriz A pode ser escrito como
det (A) =
n
i=1
a
i,j
c
i,j
=
n
j=1
a
i,j
c
i,j
, (17)
c
i,j
o cofator associado a a
i,j
, o qual dado por
c
i,j
= (1)
i+j
det (A
i,j
) , (18)
A matriz A
i,j
formada a partir de A pela excluso de sua i-sima linha
e j-sima coluna
De acordo com (17) determinante uma funo recursiva
Soluo de sistemas pela regra de Cramer
A regra de Cramer conceitualmente simples
A regra de Cramer porm computacionalmente ineciente
calcula n + 1 determinantes de matrizes n n
H mtodos mais ecientes computacionalmente para solucionar (13)
Implemente o mtodo de soluo de sistemas lineares atravs da regra de Cramer. Para
tanto, escreva em C/C++ uma funo recursiva que calcule o valor do determinante de
uma matriz A em funo de seus cofatores. Uma funo recursiva uma funo que
contm uma ou mais chamadas para si mesma.
Soluo numrica de sistemas lineares Mtodos diretos: eliminao de Gauss
Contedo
4
Fundamentos
Princpio do mtodo de eliminao de Gauss
Mtodo sistemtico reduz (13) a um sistema triangular superior
_
_
_
_
_
_
_
a
1,1
a
1,2
a
1,3
. . . a
1,n
a
2,1
a
2,2
a
2,3
. . . a
2,n
a
3,1
a
3,2
a
3,3
. . . a
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n,1
a
n,2
a
n,3
. . . a
n,n
_
_
. .
A
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
. .
x
=
_
_
_
_
_
_
_
b
1
b
2
b
3
.
.
.
b
n
_
_
. .
b
Elim. de Gauss
_
_
_
_
_
_
_
a
1,1
a
1,2
a
1,3
. . . a
1,n
0 a
2,2
a
2,3
. . . a
2,n
0 0 a
3,3
. . . a
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . a
n,n
_
_
. .
A
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
. .
x
=
_
_
_
_
_
_
_
b
1
b
2
b
3
.
.
.
b
n
_
_
. .
b
(19)
Sistemas da forma (19) soluo simples usando substituio regressiva
O algoritmo de substituio regressiva
x
n
pode ser obtido a partir da n-sima equao de (19) como
x
n
=
b
n
a
n,n
(20)
Substituindo x
n
na (n 1)-sima equao de (19) e resolvendo para x
n1
x
n1
=
1
a
n1,n1
_
b
n1
a
n1,n
x
n
_
(21)
Substituindo x
n
e x
n1
na (n 2)-sima equao de (19) e resolvendo para
x
n2
x
n2
=
1
a
n2,n2
_
b
n1
a
n2,n1
x
n1
a
n2,n
x
n
_
(22)
Assim, denindo i = n 1, n 2, . . . , 1, temos que
x
i
=
1
a
i,i
_
_
b
i
j=i+1
a
i,j
x
j
_
_
(23)
O algoritmo de substituio progressiva
Alternativamente, podemos converter o sistema (13) para uma forma
triagular inferior
Sistema triangular inferior soluo simples usando substituio
progressiva
x
1
obtido como
x
1
=
b
1
a
1,1
(24)
onde a
i,j
, i = 1, 2, . . . , n, j = 1, . . . , i, so os elementos da matriz
triangular inferior

A
De modo anlogo a (23) temos para i = 2, 3, . . . , n que
x
i
=
1
a
i,i
_
_
b
i
i1
j=1
a
i,j
x
j
_
_
(25)
O algoritmo de substituio regressiva
Implemente o algoritmo de substituio regressiva em linguagem de programao C++
como uma funo que recebe como parmetros um ponteiro para a matriz A, um
ponteiro para o vetor independente b, um ponteiro para o vetor soluo x, e a dimenso
n do sistema.
A funo implementada deve vericar se os coecientes a
i,i
so diferentes de zero e deve
preencher o vetor x com Not-a-Number caso os dados de entrada sejam inconsistentes.
Implemente o algoritmo de substituio progressiva em linguagem de programao
C++ como uma funo que recebe como parmetros um ponteiro para a matriz A, um
ponteiro para o vetor independente b, um ponteiro para o vetor soluo x, e a dimenso
n do sistema.
A funo implementada deve vericar se os coecientes a
i,i
so diferentes de zero e deve
preencher o vetor x com Not-a-Number caso os dados de entrada sejam inconsistentes.
Algoritmo de eliminao de Gauss
Partindo do sistema (13), a converso deste para forma triangular
mostrada em (19) realizada em passos
Para ilustrar o processo, consideremos um caso particular com n = 4
equaes/incgnitas, i.e.,
a
1,1
x
1
+ a
1,2
x
2
+ a
1,3
x
3
+ a
1,4
x
4
= b
1
(26a)
a
2,1
x
1
+ a
2,2
x
2
+ a
2,3
x
3
+ a
2,4
x
4
= b
2
(26b)
a
3,1
x
1
+ a
3,2
x
2
+ a
3,3
x
3
+ a
3,4
x
4
= b
3
(26c)
a
4,1
x
1
+ a
4,2
x
2
+ a
4,3
x
3
+ a
4,4
x
4
= b
4
(26d)
cuja forma matricial corresponde a
_
_
a
1,1
a
1,2
a
1,3
a
1,4
a
2,1
a
2,2
a
2,3
a
2,4
a
3,1
a
3,2
a
3,3
a
3,4
a
4,1
a
4,2
a
4,3
a
4,4
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
b
1
b
2
b
3
b
4
_
_
(27)
No passo 1, a equao 26a no modicada e os termos que envolvem
x
1
so eliminados das demais equaes em (26)
Isso feito uma equao por vez usando a primeira equao
(equao 26a), chamada equao piv, e o coeciente a
1,1
, chamado
coeciente piv
Para eliminar a
2,1
x
1
de (26b), a equao piv 26a multiplicada por
m
2,1
=
a
2,1
a
1,1
e ento subtrada de (26b), i.e.,
a
2,1
x
1
+ a
2,2
x
2
+ a
2,3
x
3
+ a
2,4
x
4
= b
2
m
2,1
(a
1,1
x
1
+ a
1,2
x
2
+ a
1,3
x
3
+ a
1,4
x
4
) = m
2,1
b
1
0 + (a
2,2
m
2,1
a
1,2
)

a
(1)
2,2
x
2
+ (a
2,3
m
2,1
a
1,3
)

a
(1)
2,3
x
3
+ (a
2,4
m
2,1
a
1,4
)

a
(1)
2,4
x
4
= b
2
m
2,1
b
1

b
(1)
2
Aps essa operao, a forma matricial (27) torna-se
_
_
a
1,1
a
1,2
a
1,3
a
1,4
0 a
(1)
2,2
a
(1)
2,3
a
(1)
2,4
a
3,1
a
3,2
a
3,3
a
3,4
a
4,1
a
4,2
a
4,3
a
4,4
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
b
1
b
(1)
2
b
3
b
4
_
_
(28)
Denindo m
3,1
= a
3,1
/a
1,1
e m
4,1
= a
4,1
/a
1,1
e aplicando o processo
anterior para as equaes 26c e 26d obtemos, respectivamente,
0 + (a
3,2
m
3,1
a
1,2
)
. .
a
(1)
3,2
x
2
+ (a
3,3
m
3,1
a
1,3
)
. .
a
(1)
3,3
x
3
+ (a
3,4
m
3,1
a
1,4
)
. .
a
(1)
3,4
x
4
= b
3
m
3,1
b
1
. .
b
(1)
3
0 + (a
4,2
m
4,1
a
1,2
)
. .
a
(1)
4,2
x
2
+ (a
4,3
m
4,1
a
1,3
)
. .
a
(1)
4,3
x
3
+ (a
4,4
m
4,1
a
1,4
)
. .
a
(1)
4,4
x
4
= b
4
m
4,1
b
1
. .
b
(1)
4
levando a equao 27 para a forma
_
_
a
1,1
a
1,2
a
1,3
a
1,4
0 a
(1)
2,2
a
(1)
2,3
a
(1)
2,4
0 a
(1)
3,2
a
(1)
3,3
a
(1)
3,4
0 a
(1)
4,2
a
(1)
4,3
a
(1)
4,4
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
b
1
b
(1)
2
b
(1)
3
b
(1)
4
_
_
(29)
Isto conclui o passo 1 e o sistema (26) agora tem a forma
a
1,1
x
1
+ a
1,2
x
2
+ a
1,3
x
3
+ a
1,4
x
4
= b
1
(30a)
0 + a
(1)
2,2
x
2
+ a
(1)
2,3
x
3
+ a
(1)
2,4
x
4
= b
(1)
2
(30b)
0 + a
(1)
3,2
x
2
+ a
(1)
3,3
x
3
+ a
(1)
3,4
x
4
= b
(1)
3
(30c)
0 + a
(1)
4,2
x
2
+ a
(1)
4,3
x
3
+ a
(1)
4,4
x
4
= b
(1)
4
(30d)
De forma anloga ao passo 1, no passo 2 a equao 30b tomada
como equao piv e a
(1)
2,2
como coeciente piv e, portanto, no
alterada
No passo 2, o termo em x
2
eliminado de (30c) subtrando da mesma a
equao piv vezes m
3,2
= a
(1)
3,2
/a
(1)
2,2
e o termo em x
2
eliminado de
(30d) subtrando da mesma a equao piv vezes m
4,2
= a
(1)
4,2
/a
(1)
2,2
As equaes resultantes destas operaes so respectivamente
0 + 0 + (a
(1)
3,3
m
3,2
a
(1)
2,3
)
. .
a
(2)
3,3
x
3
+ (a
(1)
3,4
m
3,2
a
(1)
2,4
)
. .
a
(2)
3,4
x
4
= b
(1)
3
m
3,2
b
(1)
2
. .
b
(2)
3
0 + 0 + (a
(1)
4,3
m
4,2
a
(1)
2,3
)
. .
a
(2)
4,3
x
3
+ (a
(1)
4,4
m
4,2
a
(1)
2,4
)
. .
a
(2)
4,4
x
4
= b
(1)
4
m
4,2
b
(1)
2
. .
b
(2)
4
Isto conclui o passo 2 e a agora a equao 27 foi reduzida forma
_
_
a
1,1
a
1,2
a
1,3
a
1,4
0 a
(1)
2,2
a
(1)
2,3
a
(1)
2,4
0 0 a
(2)
3,3
a
(2)
3,4
0 0 a
(2)
4,3
a
(2)
4,4
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
b
1
b
(1)
2
b
(2)
3
b
(2)
4
_
_
(31)
Isto conclui o passo 2 e o sistema (26) agora tem a forma
a
1,1
x
1
+ a
1,2
x
2
+ a
1,3
x
3
+ a
1,4
x
4
= b
1
(32a)
0 + a
(1)
2,2
x
2
+ a
(1)
2,3
x
3
+ a
(1)
2,4
x
4
= b
(1)
2
(32b)
0 + 0 + a
(2)
3,3
x
3
+ a
(2)
3,4
x
4
= b
(2)
3
(32c)
0 + 0 + a
(2)
4,3
x
3
+ a
(2)
4,4
x
4
= b
(2)
4
(32d)
Seguindo o mesmo procedimento dos passos anteriores, a equao 32c
tomada como equao piv e a
(2)
3,3
como coeciente piv no sendo
alterado portanto
No passo 3, o termo em x
3
eliminado de (32d) subtraindo da mesma
a equao piv vezes m
4,3
= a
(2)
4,3
/a
(2)
3,3
resultando em
0 + 0 + 0 + (a
(2)
4,4
m
4,3
a
(2)
3,4
)
. .
a
(3)
4,4
x
4
= b
(2)
4
m
4,3
b
(2)
3
. .
b
(3)
4
Isto conclui o algoritmo de eliminao de Gauss e agora o sistema (27)
foi reduzido forma triangular superior
_
_
a
1,1
a
1,2
a
1,3
a
1,4
0 a
(1)
2,2
a
(1)
2,3
a
(1)
2,4
0 0 a
(2)
3,3
a
(2)
3,4
0 0 0 a
(3)
4,4
_
_
_
_
x
1
x
2
x
3
x
4
_
_
=
_
_
b
1
b
(1)
2
b
(2)
3
b
(3)
4
_
_
(33)
A forma triangular superior em (33) pode ento ser facilmente
solucionada utilizando o algoritmo de substituio regressiva
Quando se programa o algoritmo de eliminao de Gauss, mais
conveniente realizar as operaes algbricas sobre a matriz estendida
A = [A b]
Algoritmo de eliminao de Gauss e a pivotao
Comparado ao uso da regra de Cramer, o algoritmo de eliminao de
Gauss computacionalmente mais simples
No entanto, potenciais diculdades surgem quando
Um piv zero, de modo o valor de m
,
no pode ser determinado
Um piv muito pequeno em relao aos demais elementos da equao
piv, o que eleva erros de arredondamento e pode levar a solues incorretas
para o sistema
Para contornar esses problemas, a tcnica de pivotao pode ser utilizada
Nela, a ordem das equaes do sistema modicada de modo que a cada
passo o coeciente piv seja no-nulo e de maior valor absoluto possvel
Por exemplo, no sistema
0x
1
+ 2x
2
+ 3x
3
= 46 (34a)
4x
1
3x
2
+ 2x
3
= 16 (34b)
2x
1
+ 4x
2
3x
3
= 12 (34c)
a equao 34b escolhida como equao piv para o passo 1 do
algoritmo de eliminao de Gauss
Isto deve ser feito pois o coeciente piv 4 associado a x
1
no-nulo (diferentemente do coeciente associado a x
1
na equao 34a)
Tem o maior valor absoluto (superior ao do coeciente 2 associado a x
1
na
equao 34c)
Implemente em C/C++ o mtodo de eliminao de Gauss na forma de uma funo que
reduz uma matriz uma forma triangular superior equivalente. Em seguida, combine
essa funo funo de substituio regressiva implementada anteriormente.
Escreva ento uma variante do mtodo de eliminao de Gauss que reduza uma matriz a
uma forma triangular inferior e combine-a com o algoritmo de substituio progressiva.
Estenda as funes implementadas para operarem considerando pivotao parcial.
Soluo numrica de sistemas lineares Mtodos diretos: eliminao de Gauss-Jordan
Contedo
4
Fundamentos
Princpio do mtodo de eliminao de Gauss-Jordan
Mtodo sistemtico para reduzir um sistema linear a um sistema
diagonal onde os coecientes a
i,i
so unitrios ( a
i,i
= 1, i = 1, 2, . . . , n)
_
_
_
_
_
a
1,1
a
1,2
. . . a
1,n
a
2,1
a
2,2
. . . a
2,n
.
.
.
.
.
.
.
.
.
.
.
.
a
n,1
a
n,2
. . . a
n,n
_
_
. .
A
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
. .
x
=
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
. .
b
Elim. de Gauss-Jordan
_
_
_
_
_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
. .
A=I
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
. .
x
=
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
. .
b
(35)
Logo, no mtodo de eliminao de Gauss-Jordan, o vetor soluo x do
sistema (35) igual ao vetor

b
Algoritmo de eliminao de Gauss-Jordan
A eliminao de Gauss-Jordan similar de Gauss, exceto por:
A equao piv normalizada com a diviso de todos os seus coecientes
pelo coeciente piv
A equao piv utilizada na eliminao dos elementos fora da diagonal em
todas as demais equaes, ou seja, nas equaes abaixo e acima da
equao piv
Quando se programa o algoritmo de eliminao de Gauss-Jordan, mais
conveniente considerar a matriz estendida

A = [A b]
Aps a aplicao do algoritmo de eliminao de Gauss-Jordan,

A
reduzida forma
_
_
_
_
_
a
1,1
a
1,2
. . . a
1,n
b
1
a
2,1
a
2,2
. . . a
2,n
b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n,1
a
n,2
. . . a
n,n
b
n
_
_
. .
A
Elim. de Gauss-Jordan
_
_
_
_
_
1 0 . . . 0

b
1
0 1 . . . 0

b
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1

b
n
_
_
(36)
Implemente em C/C++ o mtodo de eliminao de Gauss a partir das funes de
eliminao de Gauss implementadas anteriormente.
Soluo numrica de sistemas lineares Mtodos diretos: decomposio LU
Contedo
4
Fundamentos
Denio da decomposio LU
Fatora uma matriz A em um produto entre uma matriz triangular inferior L e
uma matriz triangular superior U
_
_
_
_
_
_
_
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . .
_
_
. .
A
=
_
_
_
_
_
_
_
1 0 0 . . . 0
1 0 . . . 0
1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . 1
_
_
. .
L
_
_
_
_
_
_
_
. . .
0 . . .
0 0 . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . .
_
_
. .
U
(37)
A matriz L, cf. (37) ter 1s na sua diagonal
Decomposio LU muito aplicada na soluo de sistemas lineares
AX = B (38)
A, B so matrizes n n conhecidas e X uma matrix n n de incgnitas
O sistema (38) corresponde a n sistemas Ax
i
= b
i
, onde x
i
e b
i
so s
colunas de X e B, respectivamente
Decomposio LU
A decomposio LU pode ser obtida usando a eliminao de Gauss
_
_
_
_
_
_
_
_
a
(0)
1,1
a
(0)
1,2
a
(0)
1,3
. . . a
(0)
1,n
a
(0)
2,1
a
(0)
2,2
a
(0)
2,3
. . . a
(0)
2,n
a
(0)
3,1
a
(0)
3,2
a
(0)
3,3
. . . a
(0)
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
(0)
n,1
a
(0)
n,2
a
(0)
n,3
. . . a
(0)
n,n
_
_
. .
A
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
. .
x
=
_
_
_
_
_
_
_
_
b
(0)
1
b
(0)
2
b
(0)
3
.
.
.
b
n
_
_
. .
b
Elim. de Gauss
_
_
_
_
_
_
_
_
a
(0)
1,1
a
(0)
1,2
a
(0)
1,3
. . . a
(0)
1,n
0 a
(1)
2,2
a
(1)
2,3
. . . a
(1)
2,n
0 0 a
(2)
3,3
. . . a
(2)
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . a
(n1)
n,n
_
_
. .
A
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
. .
x
=
_
_
_
_
_
_
_
_
b
(0)
1
b
(1)
2
b
(2)
3
.
.
.
b
(n1)
n
_
_
. .
b
(39)
Decomposio LU
Como vimos anteriormente, no mtodo de eliminao de Gauss, os
coecientes a
(k)
i,j
so obtidos em passos
No passo k, k = 1, 2, . . . , n 1, os coecientes a
(k)
i,j
de cada linha
i, k < i n, so obtidos subtraindo da linha i da matriz o produto de
m
i,k
=
a
(k1)
i,k1
a
(k1)
k1,k1
pela linha k da matriz A do passo k 1, ou seja,
a
(k)
i,j
= a
(k1)
i,j
m
i,k
a
(k1)
k1,j
(40)
Decomposio LU
Aplicando esse procedimento sucessivamente, temos que
_
_
_
_
_
_
_
_
a
(0)
1,1
a
(0)
1,2
a
(0)
1,3
. . . a
(0)
1,n
a
(0)
2,1
a
(0)
2,2
a
(0)
2,3
. . . a
(0)
2,n
a
(0)
3,1
a
(0)
3,2
a
(0)
3,3
. . . a
(0)
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
(0)
n,1
a
(0)
n,2
a
(0)
n,3
. . . a
(0)
n,n
_
_
Passo 1
_
_
_
_
_
_
_
_
a
(0)
1,1
a
(0)
1,2
a
(0)
1,3
. . . a
(0)
1,n
0 a
(1)
2,2
a
(1)
2,3
. . . a
(1)
2,n
0 a
(1)
3,2
a
(1)
3,3
. . . a
(1)
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
(1)
n,2
a
(1)
n,3
. . . a
(1)
n,n
_
_
Passo 2
_
_
_
_
_
_
_
_
a
(0)
1,1
a
(0)
1,2
a
(0)
1,3
. . . a
(0)
1,n
0 a
(1)
2,2
a
(1)
2,3
. . . a
(1)
2,n
0 0 a
(2)
3,3
. . . a
(2)
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
(2)
n,3
. . . a
(2)
n,n
_
_
Passo 3
. . . Passo n-1
_
_
_
_
_
_
_
_
a
(0)
1,1
a
(0)
1,2
a
(0)
1,3
. . . a
(0)
1,n
0 a
(1)
2,2
a
(1)
2,3
. . . a
(1)
2,n
0 0 a
(2)
3,3
. . . a
(2)
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . a
(n1)
n,n
_
_
Decomposio LU
A aplicao da eliminao de Gauss fornece a decomposio LU de A
As matrizes L e U so escritas como
L =
1 0 0 . . . 0 0
l
2,1
1 0 . . . 0 0
l
3,1
l
3,2
1 . . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
l
n1,1
l
n1,2
l
n1,3
. . . 1 0
l
n,1
l
n,2
l
n,3
. . . l
n,n1
1
1 0 0 . . . 0 0
m
2,1
1 0 . . . 0 0
m
3,1
m
3,2
1 . . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
m
n1,1
m
n1,2
m
n1,3
. . . 1 0
m
n,1
m
n,2
m
n,3
. . . m
n,n1
1
U =
u
1,1
u
1,2
u
1,3
. . . u
1,n1
u
1,n
0 u
2,2
u
2,3
. . . u
2,n1
u
2,n
0 0 u
3,3
. . . u
3,n1
u
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . u
n1,n1
u
n1,n
0 0 0 . . . 0 u
n,n
a
(0)
1,1
a
(0)
1,2
a
(0)
1,3
. . . a
(0)
1,n1
a
(0)
1,n
0 a
(1)
2,2
a
(1)
2,3
. . . a
(1)
2,n1
a
(1)
2,n
0 0 a
(2)
3,3
. . . a
(2)
3,n1
a
(2)
3,n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . a
(n2)
n1,n1
a
(n2)
n1,n
0 0 0 . . . 0 a
(n1)
n,n

Decomposio LU
Considerando a decomposio LU de A aplicada linha por linha de cima
para baixo (omitindo, portanto, os ndices (k) dos n 1 passos),
podemos sintetizar as equaes da decomposio LU
u
1,j
= a
1,j
j = 1, 2, . . . , n (41a)
m
i,1
=
a
i,1
u
1,1
i = 2, . . . , n (41b)
u
i,j
= a
i,j
i1
s=1
m
i,s
u
s,j
j = i, i + 1, . . . , n, i 2 (41c)
m
i,j
=
1
u
j,j
_
a
i,j
j1
s=1
m
i,s
u
s,j
_
i = j + 1, j + 2, . . . , n, j 2 (41d)
Decomposio LU
Implemente em C/C++ a decomposio LU utilizando as funes implementadas
anteriormente para eliminao de Gauss.
Implemente ainda uma variante compacta em termos de uso de memria onde L e U
sejam armazenadas numa mesma matriz. Note que a diagonal de L composta de 1s
(constantes) e no precisa ser armazenada. Logo, os elementos de L podem ser
armazenados nas posies no utilizadas de U.
Mtodo de Doolittle
Soluo de sistemas lineares usando a decomposio LU
O mtodo de Doolittle utiliza a decomposio LU para solucionar
sistemas de equaes lineares
Considere o sistema
Ax = b L Ux
..
y
= b
_
Ly = b
Ux = y
(42)
Como L triangular inferior, o sistema Ly = b pode ser solucionado
primeiro utilizando o algoritmo de substituio progressiva
y
1
= b
1
(43a)
y
i
= b
i
i1
j=1
l
i,j
y
j
, i = 2, 3, . . . , n (43b)
Mtodo de Doolittle
Soluo de sistemas lineares usando a decomposio LU
Uma vez que y j foi determinado no passo anterior e dado que U
triangular inferior, o sistema Ux = y pode ser facilmente solucionado
utilizando o algoritmo de substituio regressiva
x
n
=
y
n
u
n,n
(44a)
x
i
=
1
u
i,i
_
_
y
i
j=i+1
u
i,j
y
j
_
_
, i = n 1, n 2, . . . , 1 (44b)
Mtodo de Doolittle
Inverso de matrizes
Um sistema da forma AX = B pode ser visto como um conjunto de n
sistemas da forma Ax
i
= b
i
Quando B = I, a soluo X do sistema, se existir, corresponde inversa A
1
de A, pois AX = I
Aplicando uma nica vez a decomposio LU matriz A obtemos L e U
Aplicando o mtodo de Doolittle aos sistemas Ly
i
= b
i
e Ux
i
= y
i
obtemos
as colunas de A
1
X = A
1
existe se det(A) = 0 e como o determinante de uma matriz
triangular igual ao produto dos elementos de sua diagonal, temos
det(L) = 1, e que det(U) = u
1,1
u
2,2
u
3,3
u
n,n
(45)
Como o determinante do produto igual ao produto dos determinantes temos
A = LU det(A) = det(L) det(U) = u
1,1
u
2,2
u
3,3
u
n,n
(46)
Mtodo de Doolittle
Combinando a decomposio LU, os algoritmos de substituio regressiva e progressiva,
e o mtodo de Doolittle, implemente em C/C++ uma funo que solucione sistemas
lineares da forma AX = B.
Como um caso particular da funo acima, implemente uma funo que determine a
inversa de uma matrix solucionando AX = I
A partir da decomposio LU, escreva tambm uma funo que calcula o determinante
de uma matriz.
Soluo numrica de sistemas lineares Mtodos iterativos: iterao de Jacobi
Contedo
4
Fundamentos
Mtodo iterativo de Jacobi
Mtodos iterativos soluo iterativa usando o princpio do ponto xo
Cada equao do sistema colocada numa forma explcita onde uma
varivel escrita em funo das demais
a
1,1
x
1
+ a
1,2
x
2
+ . . . + a
1,n
x
n
= b
1
a
2,1
x
1
+ a
2,2
x
2
+ . . . + a
2,n
x
n
= b
2
. . .
a
n,1
x
1
+ a
n,2
x
2
+ . . . + a
n,n
x
n
= b
n
x
(k+1)
1
=
b
1
(a
1,2
x
(k)
2
+ . . . + a
1,n
x
(k)
n
)
a
1,1
x
(k+1)
2
=
b
2
(a
1,1
x
(k)
1
+ . . . + a
1,n
x
(k)
n
)
a
2,2
. . .
x
(k+1)
n
=
b
n
(a
1,1
x
(k)
1
+ . . . + a
1,n1
x
(k)
n1
)
a
n,n
Uma soluo inicial x
(k)
assumida e a prxima soluo x
(k+1)
calculada substituindo x
(k)
na equao acima
A forma geral para a incgnita x
(k+1)
i
portanto
x
(k+1)
i
=
1
a
i,i
_
_
b
i
j=1,j=i
a
i,j
x
(k)
j
_
_
, i = 1, 2, . . . , n (47)
Mtodo iterativo de Jacobi
O mtodo descrito por (47) conhecido como mtodo de Jacobi
Para um sistema Ax = b, uma condio suciente para a convergncia
do mtodo de Jacobi que A seja diagonalmente dominante, i.e., que
|a
i,i
| >
n
j=1,j=i
|a
i,j
| (48)
Em geral, as iteraes do mtodo de Jacobi continuam at que a
diferena entre as solues atingidas em duas iteraes sucessivas seja
pequena, ou seja,
x
(k+1)
i
x
(k)
i
x
(k)
i
< , i = 1, 2, . . . , n (49)
Soluo numrica de sistemas lineares Mtodos iterativos: iterao de Gauss-Seidel
Contedo
4
Fundamentos
Soluo numrica de sistemas lineares Mtodos iterativos: iterao de Gauss-Seidel
Mtodo iterativo de Gauss-Seidel
O mtodo de Gauss-Seidel similar ao de Jacobi, porm, apenas
x
2
, x
3
, . . . , x
n
assumem valores iniciais x
(1)
2
, x
(1)
3
, . . . , x
(1)
n
O valor de x
(k+1)
1
calculado em funo de x
(k)
2
, x
(k)
3
, . . . , x
(k)
n
e em
seguida o valor de x
(k+1)
2
calculado em funo de
x
(k+1)
1
, x
(k)
3
, . . . , x
(k)
n
, seguido pelo valor de x
(k+1)
3
em funo de
x
(k+1)
1
, x
(k+1)
2
, . . . , x
(k)
n
, a assim por diante
Utilizando (47), o mtodo de Gauss-Seidel leva frmula iterativa
x
(k+1)
1
=
1
a
1,1
_
b
i
j=2
a
1,j
x
(k)
j
_
,
x
(k+1)
i
=
1
a
i,i
_
b
i
i1
j=1
a
i,j
x
(k+1)
j

n
j=i+1
a
i,j
x
(k)
j
_
, i = 2, . . . , n 1,
x
(k+1)
n
=
1
a
n,n
_
b
n
n1
j=1
a
n,j
x
(k+1)
j
_
(50)
Parte 4
Ajuste de curvas e interpolao
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Mtodo de interpolao de Lagrange
Mtodo de interpolao de Newton
Mtodo de interpolao por splines
Ajuste de curvas Fundamentos
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Conceitos de ajuste de curvas
Muitas observaes cientcas e de engenharia medidas
experimentais
Tais medidas so chamadas tambm dados ou pontos experimentais
Atualmente, dados so coletados atravs de sensores/equipamentos de
aquisio digitais
Uso frequente dos dados experimentais traado de curvas associadas a
um fenmeno ou processo
Ajuste de curvas ao conjunto de dados como um todo
Interpolao de valores entre os pontos experimentais
Equaes de tais curvas predio/extrapolao dos dados
Conceitos de ajuste de curvas
Ajuste de curvas
Frmula matemtica que melhor
represente o conjunto de dados
A funo no tem que fornecer o
valor exato em cada ponto
A curva indica a tendncia geral
dos dados
Interpolao
Estimativa de valores entre os
pontos experimentais
Determinao de polinmio que
fornea o valor exato da funo
nos pontos experimentais
Quando o conjunto de pontos
muito grande interpolao por
partes
Ajuste de curvas Regresso linear
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Regresso linear
Representao f(x) = a
1
x + a
0
no nica
Necessidade de critrio
escolha entre diferentes f(x)
Medida pontual de erro em
(x
i
, y
i
) resduo r
i
r
i
= y
i
(a
1
x
i
+ a
0
) (51)
Erro total
Erro total E soma dos erros pontuais (ou uma funo deles)
E(a
0
, a
1
) =
n
i=1
r
i
= y
i
(a
1
x
i
+ a
0
) (52a)
E(a
0
, a
1
) =
n
i=1
|r
i
| = |y
i
(a
1
x
i
+ a
0
)| (52b)
E(a
0
, a
1
) =
n
i=1
|r
i
|
2
= |y
i
(a
1
x
i
+ a
0
)|
2
(52c)
Soluo tima por mnimos quadrados
Expandindo (52c), temos
E(a
0
, a
1
) =
n
i=1
(y
i
a
1
x
i
a
0
)(y
i
a
1
x
i
a
0
)
= y
2
i
a
1
x
i
y
i
a
0
y
i
a
1
x
i
y
i
+ a
2
1
x
2
i
+ a
1
a
0
x
i
a
0
y
i
+ a
1
a
0
x
i
+ a
2
0
= y
2
i
+ a
2
1
x
2
i
+ a
2
0
2a
1
x
i
y
i
2a
0
y
i
+ 2a
1
a
0
x
i
(53)
Derivando (53) com relao a a
0
e a
1
temos
E
a
0
=
n
i=1
2y
i
+ 2a
1
x
i
+ 2a
0
= 2
n
i=1
y
i
a
1
x
i
a
0
(54a)
E
a
1
=
n
i=1
2y
i
+ 2a
1
x
2
i
+ 2a
0
x
i
= 2
n
i=1
(y
i
a
1
x
i
a
0
)x
i
(54b)
2
E
a
2
0
= 2n e

2
E
a
2
1
= 2
n
i=1
x
2
i
(54c)
2
E
a
0
a
1
= 2
n
i=1
x
i
e

2
E
a
1
a
0
= 2
n
i=1
x
i
(54d)
O pontos crtico de E(a
1
, a
0
) obtido fazendo
E
a
0
= 0 e
E
a
1
= 0 (55)
Sistema de equaes (55) facilmente resolvido usando a regra de
Cramer
na
0
+
n
i=1
x
i
. .
S
x
a
1
=
n
i=1
y
i
. .
S
y
(56a)
n
i=1
x
i
. .
S
x
a
0
+
n
i=1
x
2
i
. .
S
xx
a
1
=
n
i=1
x
i
y
i
. .
S
xy
(56b)
Logo, resolvendo (56) temos que o nico ponto crtico de E(a
1
, a
0
)
a
0
=
S
xx
S
y
S
xy
S
x
nS
x
(S
x
)
2
, e a
1
=
nS
xy
S
x
S
y
nS
x
(S
x
)
2
(57)
O determinante da matriz Hessiana H
E
de E(a
1
, a
0
)
det (H
E
) = det
_
_
_
_
_
_
_
_
2
E
a
2
0
2
E
a
0
a
1
2
E
a
1
a
0
2
E
a
2
1
_
_
_
_
_
_
= 4n
n
i=1
x
2
i
4
_
n
i=1
x
i
_
2
(58)
Como

2
E
a
2
0
> 0,

2
E
a
2
1
> 0 e det(H
E
) 0 temos que o ponto (a
1
, a
0
)
em (57) ser um ponto do mnimo
Para concluir que det(H
E
) 0, note que
_
x
i
x
i
n
_
2
0
x
2
i
2
x
i
x
i
n
+
_
x
i
n
_
2
0
x
2
i

2
n
x
i
x
i
+ n
_
x
i
n
_
2
0
x
2
i

2
n
_
x
i
_
2
+
1
n
_
x
i
_
2
0
x
2
i

(
x
i
)
2
n
0
x
2
i

(
x
i
)
2
n
0 n
x
2
i

_
x
i
_
2
(59)
Linearizao de funes no-lineares
Diversas funes podem ser transformadas em uma relao linear
equivalente
Permite aplicar regresso linear sobre os dados transformados
Permite recuperar os parmetros da funo original de forma simples
y = bx
m
ln(y) = mln(x) + ln(b) (60a)
y = be
mx
ln(y) = mx + ln(b) (60b)
y = b10
mx
log
10
(y) = mx + log
10
(b) (60c)
y =
1
mx + b

1
y
= mx + b (60d)
y =
mx
b + x

1
y
=
b
m
1
x
+
1
m
(60e)
Ajuste de curvas Regresso polinomial
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Ajuste de curvas Regresso polinomial
Regresso polinomial
...
Interpolao numrica Fundamentos
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Conceito de interpolao
Interpolar uma funo f(x) aproximar f(x) para x entre os pontos
x
0
, x
1
, . . . , x
n
onde y
0
= f(x
0
), y
1
= f(x
1
), . . . , y
n
= f(x
n
)
Valores y
0
, y
1
, . . . , y
n
obtidos
De uma frmula matemtica aproximao por funo mais simples
De uma funo emprica processo de observao ou experimentos
A ideia padro em interpolao achar um polinmio interpolador
p
n
(x) de grau n (ou menor) tal que
p
n
(x
0
) = a
n
x
n
0
+ a
n1
x
n1
0
+ . . . + a
1
x
0
+ a
0
= y
0
,
p
n
(x
1
) = a
n
x
n
1
+ a
n1
x
n1
1
+ . . . + a
1
x
1
+ a
0
= y
1
,
p
n
(x
2
) = a
n
x
n
2
+ a
n1
x
n1
2
+ . . . + a
1
x
2
+ a
0
= y
2
,
. . .
p
n
(x
n
) = a
n
x
n
n
+ a
n1
x
n1
n
+ . . . + a
1
x
n
+ a
0
= y
n
(61)
Questo de interesse prtico achar p
n
(x) (diferentes mtodos)
Motivaes para o uso polinmios em interpolao
Fceis de lidar derivao e integrao resultam em polinmios
Permitem aproximar funes contnuas com qualquer preciso
1
Teorema da aproximao de Weierstrass
Para toda funo f(x), contnua em [a, b], e preciso > 0, R, existe um polinmio
p
n
(x) de grau n sucientemente elevado tal que |f(x) p
n
(x)| < , x [a, b]
Existe um polinmio p
n
(x) que satisfaz o sistema (61) Existncia
O polinmio p
n
(x) que satisfaz (61) nico Unicidade
Unicidade
Se alm de p
n
(x) existe q
n
(x) tal que q
n
(x
0
) = y
0
, . . . , q
n
(x
n
) = y
n
, ento
p
n
(x
i
) q
n
(x
i
) = 0, x
i
, i = 0, 1, . . . , n. Porm, um polinmio p
n
(x
i
) q
n
(x
i
) de grau
n (ou menor) com n + 1 razes precisa ser identicamente nulo. Logo, p
n
(x) = q
n
(x).
1
Karl Theodor Wilhelm Weierstrass (18151897)
Interpolao numrica Mtodo de interpolao de Lagrange
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Interpolao linear de Lagrange
Ideia bsica de Lagrange
2
dados os ns (x
0
, y
0
), (x
1
, y
1
), . . . , (x
n
, y
n
),
multiplicar cada y
i
por um polinmio L
i
de valor 1 em x
i
e 0 em x
j
,
j = i
As funes L
i
, i = 0, 1, . . . , n so chamadas funes de Lagrange
Interpolao linear entre os ns (x
0
, y
0
), (x
1
, y
1
) interpolao pelo
polinmio de 1
a
ordem p
1
(x) (linha reta) que passa pelos dois ns
Interpolao linear de Lagrange:
p
1
(x) = L
0
(x)y
0
+L
1
(x)y
1
=
l
0
(x)
l
0
(x
0
)
y
0
+
l
1
(x)
l
1
(x
1
)
y
1
=
x x
1
x
0
x
1
y
0
+
x x
0
x
1
x
0
y
1
(62)
x
y
f(x)
y
0
x
0
p
1
(x)
x
y
1
x
1
2
Joseph Louis Lagrange (17361813)
Interpolao quadrtica de Lagrange
Interpolao quadrtica entre os ns (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
)
interpolao por um polinmio de 2
a
ordem p
2
(x) (parbola) que passa
pelos trs ns
Seguindo a ideia bsica de Lagrange para a interpolao quadrtica
p
2
(x) = L
0
(x)y
0
+ L
1
(x)y
1
+ L
2
(x)y
2
=
l
0
(x)
l
0
(x
0
)
y
0
+
l
1
(x)
l
1
(x
1
)
y
1
+
l
2
(x)
l
2
(x
2
)
y
2
(63)
=
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
y
0
+
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
y
1
+
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
y
2
A ideia bsica para construo de L
k
(x) simples
L
i
(x
j
) = 0 se i = j, pois o termo (x x
j
) de l
i
(x) zero para x = x
j
L
i
(x
j
) = 1 se i = j, pois o numerador l
i
(x) se igual ao denominador l
i
(x
i
)
Interpolao geral de Lagrange
Interpolao geral de Lagrange a interpolao por um polinmio p
n
(x)
de grau n entre os n + 1 ns (x
0
, y
0
), (x
1
, y
1
), . . . , (x
n
, y
n
)
Estendendo a ideia bsica de Lagrange, obtm-se o polinmio
interpolador de Lagrange de grau n como
p
n
(x) =
n
i=0
L
i
(x)y
i
=
n
i=0
l
i
(x)
l
i
(x
i
)
y
i
=
n
i=0
n
j=0,j=i
(x x
j
)
n
j=0,j=i
(x
i
x
j
)
y
i
, (64)
onde
l
i
(x) =
_
_
(x x
1
)(x x
2
) (x x
n
) i = 0,
(x x
0
) (x x
i1
)(x x
i+1
) (x x
n
), 1 i n 1,
(x x
0
)(x x
1
) (x x
n1
) i = n
(65)
Exemplos de interpolao linear e quadrtica de Lagrange
Calcule o ln(9, 2) = 2, 2192 a partir de ln(9) = 2, 1972, ln(9, 5) = 2, 2513, e ln(11) = 2, 3979.
Dados: x
0
= 9, x
1
= 9, 5, x
2
= 11, y
0
= ln(9) = 2, 1972, y
1
= ln(9, 5) = 2, 2513,
y
2
= ln(11) = 2, 3979
Interpolao linear
L
0
(9, 2) =
9, 2 9, 5
9 9, 5
= 0, 6 L
1
(9, 2) =
9, 2 9
9, 5 9
= 0, 4
ln(9, 2) L
0
(9, 2)y
0
+ L
1
(9, 2)y
1
= 0, 6 2, 1972 + 0, 4 2, 2513 = 2, 2188
Interpolao quadrtica
L
0
(9, 2) =
(9, 2 9, 5)(9, 2 11)
(9 9, 5)(9 11)
= 0, 54 L
1
(9, 2) =
(9, 2 9)(9, 2 11)
(9, 5 9)(9, 5 11)
= 0, 48
L
2
(9, 2) =
(9, 2 9)(9, 2 9, 5)
(11 9)(11 9, 5)
= 0, 02
ln(9, 2) L
0
(9, 2)y
0
+ L
1
(9, 2)y
1
+ L
2
(9, 2)y
2
= 0, 54 2, 1972 + 0, 48 2, 2513 0, 02 2, 3979 = 2, 2192
Observaes sobre a interpolao de Lagrange
Espaamento entre os pontos experimentais (x
i
, y
i
) no precisa ser
uniforme
Para um dado conjunto de dados (x
i
, y
i
), i = 0, 1, . . . , n
O calculo do polinmio de Lagrange para cada valor de x
O polinmio inteiro precisa ser recalculado para cada valor de x
Se um dado valor for interpolado para um certo conjunto de dados e
novos dados forem adicionados
Todo o polinmio de Lagrange precisa ser recalculado
No possvel aproveitar os clculos anteriores
Interpolao numrica Mtodo de interpolao de Newton
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Motivaes para a interpolao de Newton
Para um conjunto de ns (x
0
, y
0
), (x
1
, y
1
), . . . , (x
n
, y
n
) p
n
(x)
nico, porm sua forma no
Forma de Lagrange til para derivao e integrao numrica
Forma de Newton
3
mais apropriada para clculo computacional
Na prtica no se conhece a ordem n do polinmio interpolador p
n
(x)
necessria para atingir uma certa preciso requerida
Pode ser necessrio elevar a ordem do polinmio, e.g., de n 1 para n
Na forma de Lagrange, um polinmio p
n
(x) completamente novo gerado
Na forma de Newton, o clculo de p
n1
(x) reusado para construir p
n
(x)
A forma geral do polinmio interpolador de Newton de ordem n
p
n
(x) = a
0
+ a
1
(x x
0
) + a
2
(x x
0
)(x x
1
)+
+ a
3
(x x
0
)(x x
1
)(x x
2
) + . . . +
+ a
n
(x x
0
)(x x
1
) (x x
n1
) (66)
3
Isaac Newton (16431727)
Caracterstica particular do polinmio de Newton processo simples de
determinao de a
0
at a
n
Polinmio de Newton de 1
a
ordem
p
1
(x
0
) = y
0
a
0
+ a
1
(x
0
x
0
) = y
0
a
0
= y
0
p
1
(x
1
) = y
1
y
0
+ a
1
(x
1
x
0
) = y
1
a
1
=
y
1
y
0
x
1
x
0
Polinmio de Newton de 2
a
ordem
p
2
(x
0
) = y
0
a
0
+ a
1
(x
0
x
0
) + a
2
(x
0
x
0
)(x
0
x
1
) = y
0
a
0
= y
0
p
2
(x
1
) = y
1
y
0
+ a
1
(x
1
x
0
) + a
2
(x
1
x
0
)(x
1
x
1
) = y
1
a
1
=
y
1
y
0
x
1
x
0
p
2
(x
2
) = y
2
y
0
+
y
1
y
0
x
1
x
0
(x
2
x
0
) + a
2
(x
2
x
0
)(x
2
x
1
) = y
2

a
2
=
y
2
y
1
x
2
x
1
y
1
y
0
x
1
x
0
x
2
x
0
De forma geral, p
n
(x) escrito em funo de p
n1
(x) como
p
n
(x) = p
n1
(x) +
g
n
(x)
..
a
n
(x x
0
)(x x
1
) (x x
n1
)
p
n
(x) = p
n1
(x) + g
n
(x) g
n
(x) = p
n
(x) p
n1
(x)
(67)
Como p
n
(x) de grau n, em geral g
n
(x) tambm tem grau n
Pela interpolao, tem-se que p
n1
(x
0
) = y
0
, . . . , p
n1
(x
n1
) = y
n1
Temos ainda que g
n
(x) deve ser tal que p
n
(x
0
) = y
0
, . . . , p
n
(x
n
) = y
n
Como p
n
(x
i
) = p
n1
(x
i
) para i = 0, . . . , n 1, temos que g
n
(x
i
) = 0
Denindo x = x
n
em (67), e usando p
n
(x
n
) = y
n
, obtm-se
a
n
=
p
n
(x
n
) p
n1
(x
n
)
(x
n
x
0
)(x
n
x
1
) (x
n
x
n1
)
=
y
n
p
n1
(x
n
)
(x
n
x
0
)(x
n
x
1
) (x
n
x
n1
)
(68)
Diferenas divididas de Newton
a
n
chamada a n-sima diferena dividida de Newton e pode ser
denida recursivamente como
a
1
= f[x
1
, x
0
] =
y
1
y
0
x
1
x
0
a
2
= f[x
2
, x
1
, x
0
] =
f[x
2
, x
1
] f[x
1
, x
0
]
x
2
x
0
a
3
= f[x
3
, x
2
, x
1
, x
0
] =
f[x
3
, x
2
, x
1
] f[x
2
, x
1
, x
0
]
x
3
x
0
. . .
a
n
= f[x
n
, . . . , x
0
] =
f[x
n
, . . . , x
1
] f[x
n1
, . . . , x
0
]
x
n
x
0
(69)
Para n = 1, p
n1
(x
n
) = p
0
(x
0
) = y
0
, que constante
Usando (67) e (69), o 1
o
polinmio interpolador de Newton (n = 1)
p
1
(x) = y
0
+ (x x
0
)
y
1
y
0
x
1
x
0
= y
0
+ (x x
0
)f[x
1
, x
0
] (70)
Usando (69) e (70), o 2
o
polinmio interpolador de Newton (n = 2)
p
2
(x) = p
1
(x) + (x x
0
)(x x
1
)f[x
2
, x
1
, x
0
]
= y
0
+ (x x
0
)f[x
1
, x
0
] + (x x
0
)(x x
1
)f[x
2
, x
1
, x
0
]
(71)
Enm, para n = k, o k-simo polinmio interpolador de Newton
p
k
(x) = p
k1
(x) + (x x
0
)(x x
1
) (x x
k1
)f[x
k
, . . . , x
0
] (72)
Mtodo das diferenas divididas de Newton
Entrada: x
0
, . . . , x
n
; y
0
, . . . , y
n
; x
Sada: Aproximao p
n
( x) de f( x)
1: para j = 0, . . . , n faa
2: f[x
j
] = y
j
;
3: m-para;
4: para j = 1, . . . , n 1 faa
5: para k = 0, . . . , n j faa
6: f[x
k+j
, . . . , x
k
] =
f[x
k+j
, . . . , x
k+1
] f[x
k+j1
, . . . , x
k
]
x
k+j
x
k
;
7: m-para;
8: m-para;
9: p
0
( x) = y
0
;
10: para k = 1, . . . , n faa
11: p
k
( x) = p
k1
( x) + ( x x
0
) ( x x
k1
)f[x
k
, . . . , x
0
];
12: m-para;
13: retorne p
n
( x);
Mtodo de Newton com espaamento uniforme
O mtodo das diferenas divididas de Newton vlido para ns
espaados arbitrariamente
Muitos experimentos prticos possuem porm um espaamento uniforme
entre as amostras (ns) das funo a ser interpolada
Se h denota o espaamento entre os valores de x onde a funo f(x)
amostrada, tem-se que
x
i
= x
0
+ ih, i = 0, 1, . . . , n (73)
Denamos a primeira, a segunda, e a k-sima diferena direta
respectivamente como
y
j
= y
j+1
y
j
,
2
y
j
= y
j+1
y
j
,
. . . ,
k
y
j
=
k1
y
j+1
k1
y
j
(74)
Usando (74) podemos redenir (69) como
a
1
= f[x
0
, x
1
] =
y
1
y
0
x
1
x
0
=
1
h
y
0
a
2
= f[x
0
, x
1
, x
2
] =
1
h
y
1
1
h
y
0
2h
=
y
1
y
0
2h
2
=
1
2h
2
2
y
0
a
3
= f[x
0
, x
1
, x
2
, x
3
] =
f[x
1
, x
2
, x
3
] f[x
0
, x
1
, x
2
]
3h
=
f[x
2
, x
3
] f[x
1
, x
2
] f[x
1
, x
2
] f[x
0
, x
1
]
6h
2
=
(y
3
y
2
) (y
2
y
1
) (y
2
y
1
) (y
1
y
0
)
6h
3
=
y
2
y
1
y
1
y
0
6h
3
=

2
y
1
2
y
0
6h
3
=
1
6h
3
3
y
0
. . .
a
k
= f[x
0
, . . . , x
k
] =
1
k!h
k
k
y
0
(75)
Denindo x = x
0
+ rh temos
x x
0
= rh,
x x
1
= (r 1)h,
. . . ,
x x
n
= (r n + 1)h
(76)
Usando (75) e (76), o polinmio interpolador de Newton com diferenas
divididas diretas pode ser formulado como
p
n
(x) =
n
s=0
_
r
s
_
s
y
0
=
n
s=0
r!
s!(r s)!
s
y
0
=y
0
+ ry
0
+
r(r 1)
2!

2
y
0
+ . . .
. . . +
r(r 1) (r n + 1)
n!

n
y
0
(77)
Interpolao numrica Mtodo de interpolao por splines
Contedo
5
Ajuste de curvas
Fundamentos
Regresso linear
Regresso polinomial
6
Interpolao numrica
Fundamentos
Motivaes para o uso de splines
Elevar a grau do polinmio interpolador nem sempre leva a uma melhor
aproximao para a funo interpolada
necessrio estar preparado para possveis instabilidades numricas
Para vrias funes os polinmios interpoladores correspondentes tendem a
oscilar mais e mais quando o nmero n de ns cresce, como ocorre com a
funo de Runge
4
f(x) = 1/(1 + 25x
2
)
1 0.5 0 0.5 1
0.2
0
0.2
0.4
0.6
0.8
1
x
f
(
x
)

p(x), n = 4
p(x), n = 8
p(x), n = 12
f(x) = 1/(1+25x
2
)
A ideia de splines dividir o intervalo [x
0
, x
n
] em L subintervalos e aproximar
f(x) por vrios polinmios de grau reduzido, um para cada subintervalo
4
Carl David Tolm Runge (18561927)
Splines cbicas
Dada f(x), o intervalo [x
0
, x
n
] particionado em I subintervalos
[x
0
, x
1
], [x
1
, x
2
], . . . , [x
n1
, x
n
]
A spline g(x) que interpola f(x) igual a f(x) em todos os pontos x
i
,
i.e., g(x
i
) = f(x
i
) = y
i
, 0 i n e vrias vezes diferencivel nesses
pontos
Splines cbicas so as mais usadas na prtica, sendo funes contnuas e
diferenciveis at a segunda ordem em [x
0
, x
n
]
Em cada subintervalo, uma spline cbica representada por um
polinmio de grau menor ou igual a trs
Adicionando restries para as direes tangentes (derivadas) de g(x)
em x
0
e x
n
como
g
(x
0
) = k
0
e g
(x
n
) = k
n
, (78)
a spline g(x) que aproxima f(x) nica
Teorema da unicidade para splines cbicas
Seja f(x) denida nos intervalos [x
0
, x
n
], [x
0
, x
1
], [x
1
, x
2
], . . . , [x
n1
, x
n
] uma partio
do intervalo [x
0
, x
n
], e k
0
e k
n
duas constantes dadas. Ento existe apenas uma nica
spline cbica g(x) que satisfaz g(x
i
) = f(x
i
) = y
i
, 0 i n, g
(x
0
) = k
0
e
g
(x
n
) = k
n
Para cada subintervalo [x
i
, x
i+1
], tem-se que g(x) concorda com um polinmio
p
i
(x) de grau menor ou igual a trs que atende s seguintes condies
p
i
(x
i
) = y
i
, p
i
(x
i+1
) = y
i+1
, p
i
(x
i
) = k
i
, p
i
(x
i+1
) = k
i+1
, 0 i n (79)
Denindo c
i
= 1/(x
i+1
x
i
), o nico polinmio cbico que satisfaz (79)
calculado diretamente por substituio como
p
i
(x) =y
i
c
2
i
(x x
i+1
)
2
[1 + 2c
i
(x x
i
)]+
y
i+1
c
2
i
(x x
i
)
2
[1 2c
i
(x x
i+1
)]+
k
i
c
2
i
(x x
i
)(x x
i+1
)
2
+ k
i+1
c
2
i
(x x
i
)
2
(x x
i+1
)
(80)
Derivando duas vezes p
i
(x) duas vezes, tem-se
p
i
(x
i
) = 6c
2
i
(y
i
y
i+1
) 2c
i
(2k
i
+ k
i+1
), (81a)
p
i
(x
i+1
) = +6c
2
i
(y
i
y
i+1
) + 2c
i
(k
i
+ 2k
i+1
) (81b)
Como g(x) tem derivadas segundas contnuas, tem-se as condies
p
i1
(x
i
) = p
i
(x
i
), i = 1, 2, . . . , n 1 (82)
Usando (81b), com i substitudo por i 1, e (81a) nas condies de (82),
obtido o sistema de n 1 equaes onde i = 1, 2, . . . , n 1
c
i1
k
i1
2(c
i1
+ c
i
)k
i
+ c
i
k
i+1
= 3[c
2
i1
(y
i
y
i+1
. .
y
i
) + c
2
i
(y
i+1
y
i
. .
y
i+1
)]
c
i1
k
i1
2(c
i1
+ c
i
)k
i
+ c
i
k
i+1
= 3[c
2
i1
y
i
+ c
2
i
y
i+1
]
(83)
Como a matrix de coecientes do sistema (83) diagonalmente dominada, o
sistema (83) possui uma nica soluo k
1
, k
2
, . . . , k
n1
Determinao de splines
O sistema (83) esparso e tridiagonal, pode ser solucionado ecientemente usando
mtodos numricos e, embora vlido para espaamento arbitrrio, simplicado para
k
i1
+ 4k
i
+ k
i+1
=
3
h
(y
i+1
y
i1
), i = 1, 2, . . . , n 1, (84)
se os ns so igualmente espaados, i.e., com x
i
= x
0
+ ih, com k
0
e k
n
dados por
(78)
No i-simo, com i = 0, 1, . . . , n 1, a spline g(x) dada pelo polinmio cbico
p
i
(x) = a
i,0
+ a
i,1
(x x
i
) + a
i,2
(x x
i
)
2
+ a
i,3
(x x
i
)
3
, (85a)
a
i,0
= p
i
(x
i
) = y
i
, (85b)
a
i,1
= p
i
(x
i
) = k
i
, (85c)
a
i,2
=
1
2
p
i
(x
i
) =
3
h
2
(y
i+1
y
i
)
1
h
(k
i+1
+ 2k
i
), (85d)
a
i,3
=
1
6
p
i
(x
i
) =
2
h
3
(y
i
y
i+1
)
1
h
2
(k
i+1
+ k
i
) (85e)
Os coecientes de (85b) at (85e) so obtidos usando a srie de Taylor com a
i,0
e
a
i,1
derivando de (79), a
i,2
de (81), e a
i,3
sendo obtido isolando p
i
(x
i+1
) em (85a)
e utilizando o resultado em (81b) e (85d)
Parte 5
Diferenciao e integrao numrica
Contedo
7
Derivao numrica
Fundamentos
8
Integrao numrica
Regra do retngulo
Regra do trapzio
Regra de Simpson
Derivao numrica Fundamentos
Contedo
7
Derivao numrica
Fundamentos
8
Integrao numrica
Regra do retngulo
Regra do trapzio
Regra de Simpson
Derivao numrica Fundamentos
Derivao numrica
Integrao numrica signica calcular numericamente o valor
Integrao numrica
Integrao numrica
Integrao numrica signica calcular numericamente o valor
J =
_
b
a
f(x)dx
So dados os limites de integrao a e b e a funo f(x) (analiticamente
por uma frmula ou empiricamente por uma tabela de valores)
Se a funo F(x) cuja derivada F
(x) = f(x) conhecida, tem-se que

J = F(b) F(a)
Aplicaes prticas levam frequentemente a integrais de soluo analtica
muito complicada ou mesmo impossvel
Distribuio Normal
J =
2
2
2
_
b
0
exp
_
1
2
_
x
_
2
_
dx
Integrao numrica feita aproximando f(x) por funes facilmente
integrveis
Integrao numrica Regra do retngulo
Contedo
7
Derivao numrica
Fundamentos
8
Integrao numrica
Regra do retngulo
Regra do trapzio
Regra de Simpson
Integrao numrica Regra do retngulo
Regra do retngulo
A regra de integrao mais simples a regra do retngulo
O intervalo [a, b] dividido em n subintervalos de tamanho
h = (b a)/n
Em cada subintervalo, f(x) aproximada por f
i
= f(x
i
), onde
x
i
, i = 1, 2, . . . , n o ponto mdio do i-simo subintervalo
y = f(x)
x
y
. . .
. . .
a b
f
1
f
2
f
3
f
n
x
1
x
2
x
3 x
n
O valor de J aproximado pela soma das reas dos n retngulos como
J =
_
b
a
f(x)dx h(f
1
+ f
2
+ f
3
+ . . . + f
n
) (86)
Integrao numrica Regra do trapzio
Contedo
7
Derivao numrica
Fundamentos
8
Integrao numrica
Regra do retngulo
Regra do trapzio
Regra de Simpson
Integrao numrica Regra do trapzio
Regra do trapzio
A regra do trapzio similar regra do retngulo, como o intervalo [a, b] sendo
dividido em n subintervalos de tamanho h = (b a)/n
Em cada subintervalo [x
i1
, x
i
], f(x) aproximada pela reta unindo
f(x
i1
) = f
i1
a f(x
i
) = f
i
,
y = f(x)
x
y
. . .
. . .
a b
f
a
f
b
f
1
f
2
f
3
f
n1
x
1
x
2
x
3
x
n1
onde i = 1, 2, . . . , n, x
0
= a e x
n
= b, f(x
0
) = f(a) = f
a
e f(x
n
) = f(b) = f
b
O valor de J aproximado pela soma das reas dos n trapzio como
J =
b
_
a
f(x)dx
n
i=1
(f
i1
+ f
i
)
2
h = h
_
1
2
f
a
+ f
1
+ f
2
+ . . . + f
n1
+
1
2
f
b
_
(87)
Integrao numrica Regra de Simpson
Contedo
7
Derivao numrica
Fundamentos
8
Integrao numrica
Regra do retngulo
Regra do trapzio
Regra de Simpson
Regra de Simpson
Para aproximar o integrando f(x) em um subintervalo:
Regra do retngulo: considera uma constante (polinmio de grau zero)
Regra do trapzio: considera uma reta (polinmio de grau um)
Regra de Simpson: considera uma parbola (polinmio de grau dois)
Intervalo [a, b] dividido em 2m de subintervalos de largura h = (b a)/2m
De dois em dois subintervalos f(x) aproximada pelo polinmio interpolador
de Lagrange calculado para os ns compondo os referidos subintervalos
replacements
y = f(x)
x
y
. . .
. . .
1
a
parbola
2
a
parbola
ltima parbola
a x
1
x
2
x
3
x
4
x
2m2
x
2m1
b
Regra de Simpson
Considerando os dois primeiros subintervalos, obtm-se o polinmio de
Lagrange
p
2
(x) =
(x x
1
)(x x
2
)
(x
0
x
1
)(x
0
x
2
)
f
0
+
(x x
0
)(x x
2
)
(x
1
x
0
)(x
1
x
2
)
f
1
+
(x x
0
)(x x
1
)
(x
2
x
0
)(x
2
x
1
)
f
2
=
(x x
1
)(x x
2
)
2h
2
f
0
+
(x x
0
)(x x
2
)
h
2
f
1
+
(x x
0
)(x x
1
)
2h
2
f
2
(88)
Denindo s = (x x
1
)/h, tem-se que x x
0
= (s + 1)h, x x
1
= sh, e
x x
2
= (s 1)h, que substitudos em (88) resultam em
p
2
(s) =
1
2
s(s 1)f
0
(s + 1)(s 1)f
1
+
1
2
(s + 1)sf
2
(89)
Como dx = h ds, integrar p
2
(x) entre x
0
e x
2
em (88) o mesmo que
integrar p
2
(s) em (89) entre -1 e 1, resultando em
_
x
2
x
0
f(x)dx
_
x
2
x
0
p
2
(x)dx = h
_
1
1
p
2
(s)ds = h
_
1
3
f
0
+
4
3
f
1
+
1
3
f
2
_
(90)
Regra de Simpson
O desenvolvimento feito para os ns (x
0
, f
0
), (x
1
, f
1
), e (x
2
, f
2
) pode ser
facilmente adaptado para os prximos pares de subintervalos
Somando o resultado das integrais das 2m frmulas, a regra de Simpson
obtida como
b
_
a
f(x)dx
h
3
(f
0
+ 4f
1
+ 2f
2
+ 4f
3
+ 2f
4
+ 4f
5
+ . . .
. . . + 2f
2m2
+ 4f
2m1
+ f
2m
) (91)
Algoritmo para integrao de Simpson
Entrada: a, b, m, f
0
, . . . , f
2m
Sada: Aproximao

J para J =
_
b
a
f(x)dx
1: s
0
= f
0
+ f
2m
;
2: s
1
= f
1
+ f
3
+ f
5
+ . . . + f
2m1
;
3: s
2
= f
2
+ f
4
+ f
6
+ . . . + f
2m2
;
4: h = (b a)/2m;
5:

J = (h/3)(s
0
+ 4s
1
+ 2s
2
);
6: retorne

J
Parte 6
Soluo de equaes diferenciais ordinrias
Contedo
9
Conceitos de equaes diferenciais
Solues numricas de uma EDO
Mtodos passo-a-passo
Mtodo das diferenas nitas
Mtodo dos elementos nitos
Mtodos de Euler
Mtodo do ponto central
Mtodos de Runge-Kutta
Sistemas de EDOs e EDOs de ordem superior
10
Bibliograa
Soluo de equaes diferenciais ordinrias Conceitos de equaes diferenciais
Contedo
9
Mtodos de Euler
10
Bibliograa
Equaes diferenciais ordinrias
Equao diferencial uma equao que contm derivadas de uma funo
desconhecida
A soluo dessa equao a funo que satisfaz equao diferencial
Equaes diferenciais ordinrias (EDOs) so equaes diferenciais que
envolvem derivadas de uma varivel dependente, e.g., y, em relao a
apenas uma varivel independente, e.g., x
A ordem de uma EDO a ordem n da maior derivada
d
n
y
dx
n
da varivel
dependente y em relao independente x
Por exemplo, uma EDO de 1
a
ordem apresenta combinaes de x, y e
dy
dx
Equaes diferenciais ordinrias lineares e no-lineares
Uma EDO linear se ela for uma funo linear da varivel dependente y
e de suas derivadas
dy
dx
, . . . ,
d
n
y
dx
n
em relao varivel independente x
Assim, uma EDO de 1
a
ordem linear se ela for uma funo linear de y
e
dy
dx
Por exemplo, a EDO
dy
dx
+ ax
2
+ by = 0
linear enquanto a EDO
dy
dx
+ ayx + b
y = 0
no-linear
Exemplo de EDO de 1
a
ordem
EDOs aparecem em todos os ramos das cincias e das
engenharias
Como um exemplo, seja um tanque cilndrico que
recebe gua por cima e a deixa sair por um cano
conectado ao fundo
O uxo de entrada de gua por unidade de tempo
dm
e
dt
dado, e.g., por
dm
e
dt
= f(t) = k
1
+k
2
cos(k
3
t),
com k
1
, k
2
e k
3
sendo constantes conhecidas
O uxo de sada
dm
s
dt
depende da altura h, da rea da
seo do cano de sada A
c
e da presso no interior do
tanque, sendo dado por
dm
s
dt
= A
c
2gh, onde a
densidade da gua e g a acelerao da gravidade
A
c
A
t
h
dm
e
dt
dm
s
dt
Exemplo de EDO de 1
a
ordem
A variao de massa
dm
dt
no interior do tanque a
diferena entre os uxos de entrada e sada, i.e.,
dm
dt
=
dm
e
dt

dm
s
dt
Como a massa m no interior m = A
t
h, onde
A
t
a rea da seo do tanque e h o nvel de
gua do tanque, a taxa de variao
dh
dt
do nvel de
gua no tanque pode ser expresso pela EDO
no-linear de 1
a
ordem
A
t
dh
dt
= k
1
+ k
2
cos(k
3
t) A
c
_
2gh
com
h(t)|
t=0
= h
0
A
c
A
t
h
dm
e
dt
dm
s
dt
Problemas de valor inicial e problemas de valor de contorno
Para solucionar uma EDO de 1
a
ordem necessria uma restrio da
forma
y(x
1
) = y
1
Os problemas fsicos associados a EDOs de 1
a
ordem envolvem
frequentemente a variao temporal, i.e., x = t, de modo que a restrio
y(x
1
) = y(t)|
t=0
= y
1
,
chamada condio inicial do problema de valor inicial associado
Para uma EDO de ordem n, so necessrias n restries xando valores
para y e suas derivadas em determinados valores de x
Se as restries xam y e suas derivadas num mesmo x, temos um
problema de valor inicial, caso contrrio temos um problema de valor
de contorno
Em problemas de valor de contorno, as restries xam normalmente os
valores de y e suas derivadas nos limites do domnio a x b e so
chamadas de condies de contorno
Soluo de equaes diferenciais ordinrias Solues numricas de uma EDO
Contedo
9
Mtodos de Euler
10
Bibliograa
Soluo de equaes diferenciais ordinrias Solues numricas de uma EDO
Soluo numrica de uma EDO
A soluo numrica de uma EDO dada por pontos discretos que
representam a funo y(x) de forma aproximada no domnio a x b
Normalmente, os pontos so obtidos dividindo o intervalo [a, b] em n
subintervalos especicados por n + 1 valores de x
A soluo numrica ento formada pelos pontos (x
1
= a, y
1
), (x
2
, y
2
),
. . ., (x
n
, y
n
), (x
n+1
= b, y
n+1
)
H diferentes procedimentos de soluo numrica de EDOs:
Mtodos passo-a-passo: aplicam-se geralmente a EDOs de 1
a
ordem
encontrando passo-a-passo a soluo da forma (x
i
, y
i
) a partir da soluo
obtida em um ou mais passos anteriores
Mtodos das diferenas nitas: aproximam as derivadas na EDO por
frmulas baseadas em diferenas nitas criando um sistema de equaes nos
pontos (x
i
, y
i
) que pode ser solucionado numericamente
Mtodos dos elementos nitos: dividem o domnio em subdomnios,
denominados elementos nitos, e aproximam a soluo da equao
diferencial em cada subdomnio utilizando funes de aproximao
(polinmios interpoladores) e tcnicas baseadas em mtodos variacionais
Soluo de equaes diferenciais ordinrias Mtodos passo-a-passo
Contedo
9
Mtodos de Euler
10
Bibliograa
Tipos de mtodos passo-a-passo
Encontrando uma soluo em passos, esses mtodos podem ser
De passo simples: a soluo no passo seguinte calculada a partir da
soluo no passo atual
Multipasso: soluo no passo seguinte calculada a partir da soluo em
vrios passos anteriores
Na soluo de cada passo podem ser usados mtodos explcitos ou
implcitos para calcular o valor da incgnita y
i+1
para o prximo valor da
varivel independente x
i+1
Mtodos explcitos: usam uma expresso da forma
y
i+1
= F(x
i
, x
i+1
, y
i
)
onde y
i+1
aparece apenas no lado esquerdo da equao
Mtodos implcitos: usam uma expresso da forma
y
i+1
= F(x
i
, x
i+1
, y
i+1
)
onde y
i+1
aparece em ambos os lados da equao
Mtodos explcitos de passo simples
Mtodos implcitos so normalmente mais precisos que os explcitos,
porm so mais dispendiosos computacionalmente
Tanto nos mtodos implcitos quanto explcitos a incgnita y
i+1
deve ser
resolvida numericamente
Em um mtodo explcito de passo simples, a soluo numrica
aproximada (x
i+1
, y
i+1
) calculada a partir da soluo conhecida no
ponto (x
i
, y
i
) usando
x
i+1
= x
i
+ h, (92)
y
i+1
= y
i
+ h, (93)
onde h a largura do passo e a estimativa da inclinao
dy
dx
no
intervalo [x
i
, x
i+1
]
Exemplos: mtodo de Euler progressivo e mtodo do ponto central
Mtodo de Euler progressivo: considera constante no intervalo
[x
i
, x
i+1
] e igual quela em (x
i
, y
i
)
x
i+1
= x
i
+ h, e y
i+1
= y
i
+ f(x
i
, y
i
)
. .
h
Mtodo do ponto central: considera constante no intervalo [x
i
, x
i+1
] e
igual quela no ponto mdio do intervalo
x
m
= x
i
+
h
2
, y
m
= y
i
+ f(x
i
, y
i
)
h
2
, e y
i+1
= y
i
+ f(x
m
, y
m
)
. .
h
Exemplo: mtodos de Runge-Kutta
Famlia de mtodos explcitos de passo simples para soluo de EDOs de 1
a
ordem
onde calculada a partir de vrios pontos no intervalo [x
i
, x
i+1
]
O nmero de pontos utilizados na estimativa dene a ordem do mtodo
Mais precisos que o mtodo de Euler, porm mais dispendiosos computacionalmente
A forma geral do mtodo de Runge-Kutta de ordem n
y
i+1
= y
i
+
_
n
l=1
c
l
k
l
_
. .
h, k
1
= f(x
i
, y
i
), e k
l
= f
_
x
i
+ a
l
h, y
i
+
_
l1
m=1
b
l,m
k
m
_
h
_
onde c
l
, a
l
e b
l,m
so constantes com valores caractersticos para o mtodo
Por exemplo, o mtodo de Runge-Kutta clssico de 4
a
ordem tem a forma
y
i+1
= y
i
+
1
6
(k
1
+ 2k
2
+ 2k
3
+ k
4
)h, com k
1
= f(x
i
, y
i
),
k
2
= f
_
x
i
+
1
2
h, y
i
+
1
2
k
1
h
_
, k
3
= f
_
x
i
+
1
2
h, y
i
+
1
2
k
2
h
_
, e
k
4
= f(x
i
+ h, y
i
+ k
3
h)
Exemplo: mtodos de Adams-Bashforth
Os mtodos de Adams-Bashforth so mtodos multipasso explcitos
deduzidos a partir da integrao da EDO de 1
a
ordem no intervalo [x
i
, x
i+1
]
como
y
i+1
= y
i
+
_
x
i+1
x
i
f(x, y)dx
onde a integral aproximada com um polinmio que interpola f(x
i
, y
i
) em
(x
i
, y
i
) e em pontos anteriores
Os mtodos 2
a
, 3
a
e 4
a
ordem tm respectivamente as formas
y
i+1
= y
i
+
h
2
[3f(x
i
, y
i
) f(x
i1
, y
i1
)],
y
i+1
= y
i
+
h
12
[23f(x
i
, y
i
) 16f(x
i1
, y
i1
) + 5f(x
i2
, y
i2
)],
y
i+1
= y
i
+
h
24
[55f(x
i
, y
i
) 59f(x
i1
, y
i1
) + 37f(x
i2
, y
i2
) 9f(x
i3
, y
i3
)]
Para os mtodos de ordem m, a soluo da equao diferencial nos m1
pontos anteriores precisa ser determinada usando outros mtodos de
soluo de EDOs
Soluo de equaes diferenciais ordinrias Mtodo das diferenas nitas
Contedo
9
Mtodos de Euler
10
Bibliograa
Soluo de equaes diferenciais ordinrias Mtodo das diferenas nitas
No mtodo das diferenas nitas os pontos (x
1
= a, y
1
), (x
2
, y
2
), . . .,
(x
n
, y
n
), (x
n+1
= b, y
n+1
) so chamados pontos de malha e
normalmente x
i+1
= x
i
+ h
Considerando as frmulas de diferena central para
dy
dx
e
d
2
y
dx
2
temos
dy
dx
=
y
i+1
y
i1
2h
e
d
2
y
dx
2
=
y
i1
2y
i
+ y
i+1
h
2
Assim, o problema de valor de contorno de 2
a
ordem
d
2
y
dx
2
+ f(x)
dy
dx
+ g(x)y = h(x),
pode ser rescrito nos ns da malha como
y
i1
2y
i
+ y
i+1
h
2
+f(x
i
)
y
i+1
y
i1
2h
+g(x
i
)y
i
= h(x
i
), i = 2, 3, . . . n
O sistema de n 1 equaes acima pode ser solucionado usando um
mtodo numrico e os valores de contorno y
1
e y
n+1
Soluo de equaes diferenciais ordinrias Mtodo dos elementos nitos
Contedo
9
Mtodos de Euler
10
Bibliograa
O mtodo dos elementos nitos um mtodo mais sosticado para solucionar
EDOs e requer conhecimentos de mtodos variacionais
Considerando o problema de valor de contorno de 2
a
ordem abaixo
d
dx
_
a
dy
dx
_
+cyf = 0, para 0 x L, com y(0) = y
0
e y a
dy
dx
x=L
= y
0
,
O mtodo dos elementos nitos divide o domnio = [0, L] em n subdomnios
e
= [x
i
, x
i+1
], i = 1, 2, . . . , n denominados elementos nitos
Em cada elemento
e
, um resduo ponderado ou uma forma fraca da EDO
construdo utilizando mtodos variacionais
Por exemplo, a forma fraca EDO acima obtida a partir da manipulao do
funcional
_
x
i+1
x
i
w
_
d
dx
_
a
dy
dx
_
+ cy f
_
dx = 0
utilizando integrao por partes, onde w uma funo peso a ser escolhida
Em seguida, a soluo y
e
(x) da EDO no elemento
e
aproximada como
y
e
(x)
m
j=1
y
e
j
e
j
(x)
y
e
j
valor de y nos ns do elemento nito
e
e
e
j
(x) so as funes de
aproximao no elemento, usualmente polinmios de grau m1
Substituindo y
e
i
na forma fraca da EDO e realizando integrao, um
sistema sistema de equaes gerado, o qual pode ser solucionado
utilizando mtodos numricos
A escolha das funes peso w, o uso de resduos ponderados ou o uso da
forma fraca da EDO permitem denir diferentes mtodos numricos
baseados em elementos nitos (e.g., mtodos de Ritz, de Galerkin, etc).
Soluo de equaes diferenciais ordinrias Mtodos de Euler
Contedo
9
Mtodos de Euler
10
Bibliograa
Mtodo de Euler progressivo
O mtodo explcito de Euler a
tcnica mais simples de soluo de
uma EDO de 1
a
ordem da forma
dy
dx
= f(x, y), (94)
com a condio inicial y(x
1
) = y
1
A inclinao de (93) calculada a
partir da prpria equao diferencial
dy
dx
x=x
i
= f(x
i
, y
i
)
Assume que numa pequena
vizinhana h de x
i
, a funo y(x)
tem uma inclinao constante e
igual derivada em (x
i
, y
i
)
Partindo dessa suposio, x
i+1
e
y
i+1
so calculados como
x
i+1
= x
i
+ h
y
i+1
= y
i
+ f(x
i
, y
i
)h
O mtodo de Euler progressivo pode ser deduzido usando tanto integrao quanto
diferenas nitas
Usando integrao temos que
dy
dx
= f(x, y)
_
y
i+1
y
i
dy =
_
x
i+1
x
i
f(x, y)dx y
i+1
= y
i
+
_
x
i+1
x
i
f(x, y)dx,
onde o lado direito da equao pode ser solucionado utilizando mtodos de
integrao numrica como, no caso mais simples, a regra do retngulo, de modo que
y
i+1
= y
i
+
_
x
i+1
x
i
f(x, y)dx y
i+1
= y
i
+ f(x
i
, y
i
) (x
i+1
x
i
)
. .
h
y
i+1
= y
i
+ f(x
i
, y
i
)h
Usando diferenas nitas, temos que
dy
dx
x=x
i
= f(x
i
, y
i
)
dy
dx
x=x
i
y
i+1
y
i
x
i+1
x
i
. .
h
= f(x
i
, y
i
) y
i+1
= y
i
+ f(x
i
, y
i
)h
O mtodo de Euler progressivo inspirado na srie de Taylor desenvolvida no
ponto x
i
para cada subintervalo, pois
y(x
i+1
) = y(x
i
) + y
(x
i
)(x
i+1
x
i
) +
1
2
y
(x
i
)(x
i+1
x
i
)
2
+ . . .
y(x
i+1
) = y(x
i
) + y
(x
i
)h + y
(x
i
)h
2
+ . . . ,
onde apenas os dois primeiros termos so levados em considerao, i.e.,
y(x
i+1
) = y(x
i
) + y
(x
i
)h
Do mesmo modo, o erro local
l
tambm dado pela termo de erro da srie de
Taylor
l
=
1
2
y
()h
2
, [x
i
, x
i+1
] (95)
O erro total
t
do mtodo de Euler o acumulado dos erros locais, que
limitado por
t

hM
C
exp[hC(N 1) 1], (96)
onde h o passo, N 1 o nmero de subintervalos, C e M so limitantes
para
f(x, y)
y
e para
1
2
d
2
y
dx
2
, respectivamente
Logo, enquanto
l
da ordem de h
2
, o erro total
t
da ordem de h
Exemplo de aplicao do mtodo de Euler progressivo
Use o mtodo de Euler para resolver a EDO
dy
dx
= 1, 2y + 7 exp(0, 3x) para
x [0, 0; 2, 5] com condio inicial y(0) = 3 e h = 0, 5. Compare com a soluo
exata y(x) = (70/9) exp(0, 3x) (43/9) exp(1, 2x).
dy
dx
= 1, 2y + 7 exp(0, 3x) para
Soluo:
Aplicando o mtodo temos x
i+1
= x
i
+ 0, 5 e
y
i+1
= y
i
+ (1, 2y
i
+ 7 exp(0, 3x
i
))0, 5.
dy
dx
= 1, 2y + 7 exp(0, 3x) para
Soluo:
Aplicando o mtodo temos x
i+1
= x
i
+ 0, 5 e
y
i+1
= y
i
+ (1, 2y
i
+ 7 exp(0, 3x
i
))0, 5. Com a condio inicial obtemos:
i x
i
y
i
1 0, 0 3, 0
2 0, 5 3, 0 + (1, 2 3, 0 + 7 exp(0, 3 0, 0)) 0, 5 = 4, 7
3 1, 0 4, 7 + (1, 2 4, 7 + 7 exp(0, 3 0, 5)) 0, 5 = 4, 8925
4 1, 5 4, 8925 + (1, 2 4, 8925 + 7 exp(0, 3 1, 0)) 0, 5 = 4, 5499
5 2, 0 4, 5499 + (1, 2 4, 5499 + 7 exp(0, 3 1, 5)) 0, 5 = 4.0516
6 2, 5 4, 0516 + (1, 2 4, 0516 + 7 exp(0, 3 2, 0)) 0, 5 = 3, 5415
Exemplo de aplicao do mtodo de Euler
3
3.5
4
4.5
5
0 0.5 1 1.5 2 2.5
y
x
h = 0,5
h = 0,1
exata
Mtodo de Euler modicado
Nesse mtodo, a inclinao usada no clculo de y
i+1
alterada para incluir o
efeito da variao de ao longo do intervalo e corresponde mdia entre a
inclinao no incio do intervalo e a estimativa da inclinao no nal do
intervalo
Inicialmente, um valor auxiliar y
Eu
i+1
calculado como
y
Eu
i+1
= y
i
+ f(x
i
, y
i
)h
Em seguida, o valor de y
i+1
calculado como
y
i+1
= y
i
+
1
2
h[f(x
i
, y
i
) + f(x
i+1
, y
Eu
i+1
)]
Exemplo de aplicao do mtodo de Euler modicado
Use o mtodo de Euler modicado para resolver a EDO
dy
dx
= 1, 2y + 7 exp(0, 3x) para x [0, 0; 2, 5] com condio inicial y(0) = 3 e
h = 0,5. Compare com a soluo exata
y(x) = (70/9) exp(0, 3x) (43/9) exp(1, 2x).
Use o mtodo de Euler modicado para resolver a EDO
dy
dx
= 1, 2y + 7 exp(0, 3x) para x [0, 0; 2, 5] com condio inicial y(0) = 3 e
h = 0,5. Compare com a soluo exata
y(x) = (70/9) exp(0, 3x) (43/9) exp(1, 2x).
Soluo:
Aplicando o mtodo obtemos:
i x
i
y
i
1 0,0 3,0
2 0,5 3,9462
3 1,0 4,1877
4 1,5 4,0633
5 2,0 3,7635
6 2,5 3,3936
3
3.5
4
4.5
5
0 0.5 1 1.5 2 2.5
y
x
h = 0,5
h = 0,1
exata
Soluo de equaes diferenciais ordinrias Mtodo do ponto central
Contedo
9
Mtodos de Euler
10
Bibliograa
Soluo de equaes diferenciais ordinrias Mtodo do ponto central
O mtodo do ponto central mais uma modicao do mtodo explcito
de Euler
Nele, a inclinao usada para estimar y
i+1
uma estimativa para a
inclinao no ponto central do intervalo [x
i
, x
i+1
]
Primeiramente, o mtodo de Euler usado para calcular o valor y
m
no
ponto x
m
= x
i
+
h
2
, i.e.,
y
m
= y
i
+ f(x
i
, y
i
)
h
2
(97)
Em seguida, a inclinao calculada com a substituio de (x
m
, y
m
)
em
dy
dx
= f(x, y)
Esta inclinao ento usada para calcular a soluo y
i+1
da EDO, i.e.,
y
i+1
= y
i
+ f(x
m
, y
m
)h (98)
Soluo de equaes diferenciais ordinrias Mtodos de Runge-Kutta
Contedo
9
Mtodos de Euler
10
Bibliograa
Os mtodos de Runge-Kutta compem uma famlia de tcnicas
numricas explcitas de passo simples usadas na soluo de EDOs de
primeira ordem.
O valor de y
i+1
calculado usando
y
i+1
= y
i
+ h (99)
onde a inclinao calculada a partir do clculo da inclinao em
vrios pontos no intervalo [x
i
, x
i+1
]
A ordem de cada mtodo de Runge-Kutta dada pelo nmero de pontos
no subintervalo [x
i
, x
i+1
] usados para determinar
Em particular, a verso de quarta ordem do mtodo de Runge-Kutta
conhecida como mtodo clssico
Os mtodos de Runge-Kutta so mais precisos que o mtodo de Euler
No entanto, de acordo com a ordem do mtodo mais avaliaes podem
ser necessrias para se estimar a derivada de f(x, y)
Mtodo de Runge-Kutta de segunda ordem
A forma geral do mtodo de Runge-Kutta de segunda ordem
y
i+1
= y
i
+ (c
1
k
1
+ c
2
k
2
)h, com (100a)
k
1
= f(x
i
, y
i
), e k
2
= f(x
i
+ a
2
h, y
i
+b
21
k
1
h), (100b)
onde c
1
, c
2
, a
2
e b
21
so constantes
O mtodo de Euler modicado um caso particular do mtodo de
Runge-Kutta com
c
1
= c
2
=
1
2
e a
2
= b
21
= 1
O mtodo do ponto central um caso particular do mtodo de
Runge-Kutta com
c
1
= 0, c
2
= 1, e a
2
= b
21
=
1
2
Deduo do mtodo de Runge-Kutta de segunda ordem
Os mtodos de Runge-Kutta de segunda ordem podem ser associados a uma
expanso em srie de Taylor, onde o valor de y
i+1
pode ser aproximado por
y
i+1
= y
i
+ h
dy
dx
x
i
+
1
2
h
2
d
2
y
dx
2
x
i
+ O(h
3
) (101)
A primeira derivada
dy
dx
x
i
igual a f(x
i
, y
i
)
A segunda derivada
d
2
y
dx
2
x
i
pode ser determinada usando a regra da cadeia
como
d
2
y
dx
2
x
i
=
f(x, y)
x
x
i
,y
i
+
f(x, y)
y
x
i
,y
i
dy
dx
x
i
A combinao dessas equaes resulta em
y
i+1
= y
i
+ hf(x
i
, y
i
) +
1
2
h
2
f(x, y)
x
x
i
,y
i
+
1
2
h
2
f(x
i
, y
i
)
f(x, y)
y
x
i
,y
i
+ O(h
3
)
(102)
Deduo do mtodo de Runge-Kutta de segunda ordem
Substituindo k
1
= f(x
i
, y
i
) em k
2
da (100b) e expandindo k
2
em srie de
Taylor de duas variveis obtm-se
k
2
= f(x
i
, y
i
) + a
2
h
f(x, y)
x
x
i
,y
i
+ b
21
h
2
f(x, y)
y
x
i
,y
i
dy
dx
x
i
+ O(h
2
) (103)
Substituindo (103) em (100a) obtemos
y
i+1
= y
i
+ c
1
f(x
i
, y
i
)h + c
2
f(x
i
, y
i
)h+
c
2
a
2
h
2
f(x, y)
x
x
i
,y
i
+ c
2
b
21
h
2
f(x, y)
y
x
i
,y
i
dy
dx
x
i
+ O(h
3
)
(104)
Igualando (102) a (104) e comparando os termos de mesmo tipo obtemos o
sistema
c
1
+ c
2
= 1, c
2
a
2
=
1
2
, e c
2
b
21
=
1
2
, (105)
com 4 incgnitas e 3 equaes que admite, portanto, vrias solues
Os valores escolhidos para o mtodo de Euler modicado e para o mtodo do
ponto central so solues particulares de (105)
Mtodo de Runge-Kutta de terceira ordem
A forma geral do mtodo de Runge-Kutta de terceira ordem
y
i+1
= y
i
+ (c
1
k
1
+ c
2
k
2
+ c
3
k
3
)h, (106a)
k
1
= f(x
i
, y
i
), (106b)
k
2
= f(x
i
+ a
2
h, y
i
+ b
21
k
1
h), (106c)
k
3
= f(x
i
+ a
3
h, y
i
+ b
31
k
1
h + b
32
k
2
h), (106d)
onde c
1
, c
2
, c
3
, a
2
, a
3
, b
21
, b
31
e b
32
so constantes
Para o mtodo de Runge-Kutta de terceira ordem clssico, temos
c
1
= c
3
=
1
6
, c
2
=
1
6
, a
2
=
1
2
, a
3
= 1, b
21
=
1
2
, b
31
= 1, e b
32
= 2 (107)
O mtodo de Runge-Kutta de terceira ordem pode ser deduzindo
integrado a EDO no intervalo [x
i
, x
i+1
] usando o mtodo de Simpson
1/3
Mtodo de Runge-Kutta de terceira ordem
Usando os valores clssicos das oito constantes, o mtodo de Runge-Kutta de
terceira ordem torna-se
y
i+1
= y
i
+
1
6
(k
1
+ 4k
2
+ k
3
)h, com (108a)
k
1
= f(x
i
, y
i
), (108b)
k
2
= f
_
x
i
+
1
2
h, y
i
+
1
2
k
1
h
_
, (108c)
k
3
= f(x
i
+ h, y
i
k
1
h + 2k
2
h) (108d)
Outros valores possveis para as constantes so
Mtodo c
1
c
2
c
3
a
2
a
3
b
21
b
31
b
31
Clssico 1/6 4/6 1/6 1/2 1 1/2 -1 2
Nystrom 2/8 3/8 3/8 2/3 2/3 2/3 0 2/3
Quase timo 2/9 3/9 4/9 1/2 3/4 1/2 0 3/4
Heun 1/4 0 3/4 1/3 2/3 1/3 0 2/3
Mtodo de Runge-Kutta de quarta ordem
A forma geral do mtodo de Runge-Kutta de quarta ordem
y
i+1
= y
i
+ (c
1
k
1
+ c
2
k
2
+ c
3
k
3
+ c
4
k
4
)h, com (109a)
k
1
= f(x
i
, y
i
), (109b)
k
2
= f(x
i
+ a
2
h, y
i
+ b
21
k
1
h), (109c)
k
3
= f(x
i
+ a
3
h, y
i
+ b
31
k
1
h + b
32
k
2
h), (109d)
k
4
= f(x
i
+ a
4
h, y
i
+ b
41
k
1
h + b
42
k
2
h + b
43
k
3
h), (109e)
onde c
1
, c
2
, c
3
, c
4
, a
2
, a
3
, a
4
, b
21
, b
31
, b
32
, b
41
, b
42
, e b
43
so constantes
Para o mtodo de Runge-Kutta de quarta ordem clssico, temos
c
1
= c
4
=
1
6
, c
2
= c
3
=
2
6
, a
2
= a
3
= b
21
= b
32
=
1
2
,
a
4
= b
43
= 1, e b
31
= b
41
= b
42
= 0
(110)
Mtodo de Runge-Kutta de quarta ordem
Com os valores mostrados em (110), o mtodo de Runge-Kutta
clssico assume a forma
y
i+1
= y
i
+
1
6
(k
1
+ 2k
2
+ 2k
3
+ k
4
)h, com (111a)
k
1
= f(x
i
, y
i
), (111b)
k
2
= f
_
x
i
+
1
2
h, y
i
+
1
2
k
1
h
_
, (111c)
k
3
= f
_
x
i
+
1
2
h, y
i
+
1
2
k
2
h
_
, (111d)
k
4
= f(x
i
+ h, y
i
+ k
3
h), (111e)
Soluo de equaes diferenciais ordinrias Sistemas de EDOs e EDOs de ordem superior
Contedo
9
Mtodos de Euler
10
Bibliograa
Sistemas de EDOs
Frequentemente, sistemas so associados a processos envolvendo
mltiplas variveis que afetam umas s outras
Neste caso necessrio resolver um sistema de EDOs
Um exemplo disso ocorre nas reaes qumicas escritas como equaes,
como por exemplo as reaes entre hidrognio (H) e bromo (Br) abaixo
H + Br
2
HBr + Br,
HBr + Br H + Br
2
A taxa na qual essas reaes ocorrem proporcional quantidade dos
reagentes de modo que
dn
Br
dt
= k
1
n
H
n
Br
2
k
2
n
HBr
n
Br
,
dn
H
dt
= k
1
n
H
n
Br
2
+ k
2
n
HBr
n
Br
onde n
o nmero de atmos molculas por unidade de volume de um

dos tipos dados e k
1
, k
2
so coecientes da equao
Sistemas de EDOs
A forma geral de um sistema de EDOs de primeira ordem
dy
1
dx
= f
1
(x, y
1
, y
2
, . . . , y
n
), y
1
(x
1
) = Y
1
dy
2
dx
= f
2
(x, y
1
, y
2
, . . . , y
n
), y
2
(x
1
) = Y
2
. . .
dy
n
dx
= f
n
(x, y
1
, y
2
, . . . , y
n
), y
n
(x
1
) = Y
n
onde x a varivel independente e y
1
, y
2
, . . . , y
n
so as variveis
dependentes
Para a soluo de um sistema de EDOs, qualquer mtodo de soluo de
EDOs pode ser utilizado, j que as solues (x
i
, y
i
(x
i
)) so conhecidas e
podem ser usadas para determinar y
i+1
, para todo i = 1, 2, . . . , n
EDOs de ordem superior
EDOs de ordem superior podem ser convertidas em um sistema de EDOs
de primeira ordem utilizando variveis auxiliares
Por exemplo, uma EDO de segunda ordem com suas respectivas
condies iniciais tem forma
d
2
y
dx
2
= f
_
x, y,
dy
dx
_
, x [a, b] (112)
y(a) = A, e
dy
dx
x=a
= B (113)
Bibliograa
Bibliograa
[CC08] S. C. Chapra and R. P. Canale, Mtodos Numricos para Engenharia, 5th ed.
McGraw-Hill, 2008.
[GS08] A. Gilat and V. Subramanian, Mtodos numricos para engenheiros e cientistas:
uma introduo com aplicaes usando o MATLAB, 1st ed. Bookman, 2008.
[Kre99] E. Kreyszig, Advanced Engineering Mathematics, 8th ed. John Wiley & Sons,
1999.

Me Todos Num

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Me Todos Num

Загружено:

Авторское право:

Доступные форматы

Mtodos Numricos para Engenharias

Tarcisio Ferreira Maciel

onde n a ndice da iterao

(x) pode ser determinada

(x), a soluo inicial e a preciso desejada.

T. F. Maciel (UFC-CT) Mtodos Numricos para Engenharias 9 de Outubro de 2012 61 / 203

T. F. Maciel (UFC-CT) Mtodos Numricos para Engenharias 9 de Outubro de 2012 92 / 203

(x) = f(x) conhecida, tem-se que

o nmero de atmos molculas por unidade de volume de um

Вам также может понравиться