Sebenta Teorica

Mtodos Numricos
Escola Superior de Tecnologia e Gesto

Instituto Politcnico de Viana do Castelo
ndice
1. Erros Numricos
1.1. Introduo --------------------------------------------------------------------------------- 2
1.2. Representao de nmeros -------------------------------------------------------------- 3
1.3. Sistemas de ponto flutuante ------------------------------------------------------------- 4
1.4. Erro, erro absoluto e erro relativo ------------------------------------------------------ 5
1.5. Algarismos significativos e casas decimais ------------------------------------------- 9
1.6. Regras de arredondamento -------------------------------------------------------------- 11
1.7 Propagao de erros ----------------------------------------------------------------------- 14
1.8 Condicionamento e estabilidade --------------------------------------------------------- 17
Quadro resumo --------------------------------------------------------------------------------- 18
2. Resoluo Numrica de Equaes

2.1. Introduo --------------------------------------------------------------------------------- 18
2.2. Localizao das razes ------------------------------------------------------------------- 19
2.3. Critrios de paragem --------------------------------------------------------------------- 21
2.4. Estimativa para o erro ------------------------------------------------------------------- 22
2.5. Condicionamento ------------------------------------------------------------------------ 22
2.6. Mtodos numricos ---------------------------------------------------------------------- 23
Quadro resumo -------------------------------------------------------------------------------- 32
3. Resoluo de Sistemas Lineares

3.1. Introduo -------------------------------------------------------------------------------- 32
3.2. Condicionamento e equilibragem ----------------------------------------------------- 33
3.3. Mtodos iterativos ----------------------------------------------------------------------- 40
Quadro resumo -------------------------------------------------------------------------------- 50
4. Interpolao Numrica
4.1. Introduo -------------------------------------------------------------------------------- 51
4.2. Funes spline em interpolao ------------------------------------------------------- 51
Quadro resumo -------------------------------------------------------------------------------- 66
5. Integrao Numrica
5.1. Introduo --------------------------------------------------------------------------------- 67
5.2. Frmulas de Newton-Cotes ------------------------------------------------------------- 68
5.3. Erros de integrao ----------------------------------------------------------------------- 77
5.4. Erros de arredondamento ---------------------------------------------------------------- 81
5.5. Regras compostas ------------------------------------------------------------------------ 83
5.6. Integrao com splines ------------------------------------------------------------------ 93
Quadro resumo -------------------------------------------------------------------------------- 95
6. Integrao Numrica de Equaes Diferenciais

6.1. Introduo --------------------------------------------------------------------------------- 96
6.2. Problemas de valor inicial -------------------------------------------------------------- 100
6.3. Problemas de valor fronteira ----------------------------------------------------------- 118
Quadro resumo -------------------------------------------------------------------------------- 124
Bibliografia ----------------------------------------------------------------------------------- 126
Francisco Miranda 1
1. Erros Numricos
1.1. Introduo
Um dos aspectos importantes que deve ser tratado aquando a resoluo de um problema
utilizando mtodos numricos o erro por eles provocados, quer seja intrnseco ao
mtodo ou de arredondamento. O objectivo tentar diminuir da melhor maneira
possvel e de diversas formas esse erro, dado que a sua origem no nica. Por isso a
importncia de comearmos por estudar este captulo.
No esquema em baixo, podemos visualizar os passos a dar na resoluo numrica de um
problema real.
Problema real Levantamento de dados
Construo do Escolha do mtodo Implementao

modelo numrico adequado computacional deste
matemtico mtodo
Anlise dos Se necessrio, reformular o modelo

resultados obtidos matemtico e/ou escolher novo mtodo
numrico
Um passo muito importante o da anlise dos resultados, pois eles so valores no

exactos (providos de erro), e se o erro ultrapassar os limites delineados por ns devemos
reformular o modelo matemtico e/ou escolher um novo mtodo numrico.
Como j foi dito, os erros podem ser originrios de diversos momentos na resoluo
numrica do problema:
Erros iniciais (dados e parmetros do problema)

Erros de truncatura (obtidos pelo mtodo numrico)
Erros de arredondamento (obtidos na computao)
Criao do mtodo numrico
Erros iniciais Erros de truncatura
Implementao computacional
do mtodo numrico
Erros de arredondamento
Francisco Miranda 2
Exemplo 1.1
Suponhamos que pretendemos saber a altura de um edifcio. Se utilizarmos um

cronmetro para contabilizar o tempo que a bola
demora a percorrer a distncia do ponto mais alto do
edifcio at ao cho, podemos utilizar o conhecido
t 3s mtodo matemtico:
1
d d 0 v0 t at 2 ,
2
para calcular a altura do edifcio, onde a a
acelerao gravitacional.
Consideremos que a bola demora 3 segundos. Ento,
temos
1
d 0 0 3 9.8 32 44.1 m
2
O resultado obtido no de confiana, porque foram cometidos diferentes erros. No
modelo matemtico falta considerar a resistncia do ar, a velocidade do vento, etc. A
preciso de leitura do tempo pelo cronmetro pode no ser a correcta. (Erros iniciais).
Vejamos se o nosso dedo fosse 0.5 segundos mais lento a parar o cronmetro quando a
bola batesse no cho ( t 3.5s ). Teramos:
1
d 0 0 3.5 9.8 3.5 2 60.025 m
2
Valor muito diferente do anterior. Um pequeno erro inicial pode provocar grandes erros
nos resultados, por isso muito importante termos uma noo do erro obtido na
resoluo numrica de um problema real.
Antes do estudo dos erros, iremos introduzir nas duas seces seguintes alguns
conceitos importantes.
1.2. Representao de nmeros
A representao de um nmero depende:
Base escolhida ou disponvel na mquina em uso

Nmero mximo de dgitos utilizados
Exemplos de bases:
Nos clculos aritmticos quotidianos
Base 10 (decimal)
Na Antiguidade
Base 12
Base 60 - associada actual contagem de tempo
Francisco Miranda 3
Nos computadores
Base 2 (binria) a mais usual

Base 8 (octal) e base 16 (hexadecimal) - variantes da base 2
Exemplo 1.2
Exemplos de representao de nmeros:
347.510 3 10 2 4 101 7 100 5 10 1
101112 1 2 4 0 23 1 2 2 1 21 1 20 2310
1.3. Sistemas de ponto flutuante
Definio 1.1
Um nmero real em ponto (vrgula) flutuante um nmero representado na forma
.d1d 2 d t b b n
onde:
b a base (inteira) 2 do sistema de numerao utilizado,

t o nmero de algarismos da mantissa m .d1d 2 d t b , 0 d i b 1, i 2,, t ,
0 d1 b 1 ,
n o expoente.
FPb, t , e1 , e2 designa o sistema de representao em ponto flutuante de base b, cuja

mantissa ocupa t digitos (base b) e cujo expoente um inteiro pertencente ao
intervalo fechado com extremos e1 e e2.
Exemplo 1.3
- FP(10,6,2) designa o sistema de ponto flutuante de base 10, cuja mantissa possui 6
dgitos e cujo expoente pode variar entre -99 e 99.
- 0.43211023 FP10,4,99,98 .
Os sistemas de ponto flutuante so limitados, discreto, e finito. Sempre que o valor

absoluto do resultado de uma operao exceda o nmero mximo, dizemos que se
atingiu uma condio de overflow, devendo o instrumento de clculo afixar uma
mensagem avisadora, interrompendo os clculos ou o programa. Sempre que o valor
absoluto do resultado de uma operao for inferior ao nmero mnimo, dizemos que
Francisco Miranda 4
estamos numa situao de underflow, indicado e assumido normalmente como 0 (zero),
no provocando interrupo.
Exemplo 1.4
No sistema FP(10,6,-99,98), o nmero 0.321456 10100 est na zona de overflow.
No sistema FP(10,6,-99,98), o nmero 0.321456 10 105 est na zona de underflow,

sendo assumido como 0 (zero).
A necessidade de arredondamentos nos sistemas de ponto flutuante faz com que as

propriedades associativa e distributiva no sejam vlidas nesta aritmtica, isto ,
abc pode ser diferente de a b c
abc pode ser diferente de a b c
a b c pode ser diferente de ab ac
Exemplo 1.5
Suponhamos que as operaes abaixo so processadas por uma mquina com cinco
dgitos na mantissa.
x 0.34915 10 4 , y 0.23450 10 1
y x x 0.23450 10 1 0.34915 10 4 0.34915 10 4

0.34915 10 4 0.34915 10 4 0.00000 10 4

y x x 0.23450 10 1 0.34915 10 4 0.34915 10 4
0.23450 10 1 0.00000 10 4 0.23450 10 1
Como podemos ver, a associatividade da adio no se verifica nessa mquina.
Depois de sabermos que um nmero pode ter diferentes representaes e que os

sistemas de ponto flutuante tm as suas limitaes, passemos, ento, ao estudo dos
erros.
1.4. Erro, erro absoluto e erro relativo
Definio 1.2
Seja x 0 um valor aproximado de x. A diferena
x0 x x0
Francisco Miranda 5
chama-se erro de x 0 .
A aproximao de x por x 0 diz-se por defeito se x0 0 e por excesso se x0 0 .
Definio 1.3
Seja x 0 um valor aproximado de x. A expresso
x0 x x0
chama-se erro absoluto de x 0 .
Exemplo 1.6
Consideremos a fraco x 2 3 e um seu valor aproximado x0 0.667 . O erro

absoluto da aproximao
2 2 667 1 1
x0 0.667 .
3 3 1000 3000 3000
Geralmente, x no conhecido, portanto o erro absoluto tambm no o . Somos, ento,

levados a procurar um limite superior desse erro.
Definio 1.4
Um limite superior (majorante) do erro absoluto um nmero no negativo que

satisfaz a condio
x x0 x0 x x0 x x0 , x0 ,
que abreviadamente habitual escrever
x x0 .
Exemplo 1.7
Consideremos o valor aproximado 3.14 de . Como = 3.14159265, podemos

assegurar que 0.0016, 0.002, 0.5 ou ainda 527 so limites superiores do erro absoluto da
aproximao, pois qualquer destes valores no inferior a
3.14 .
Francisco Miranda 6
Portanto fica claro que se for um limite superior do erro absoluto com que x 0
representa x, qualquer nmero maior do que ainda um limite superior daquele erro.
Contudo, conveniente escolher o limite superior mnimo.
Definio 1.5
O limite superior mnimo do erro absoluto chama-se erro absoluto mximo, e denota-
se por x0 .
O erro absoluto com que um nmero x 0 representa a medida x de uma certa grandeza
no d, s por si, qualquer ideia sobre o rigor com que a medio foi feita. Vejamos:
Aproximao grosseira x
so poucos centmetros
Erro de 1 cm
Aproximao rigorosa x
so vrios quilmetros
Definio 1.6
x x0
Er ,x0
x
chama-se erro relativo com que x 0 representa x.
Exemplo 1.8
J vimos que tomando 0.667 como valor aproximado da fraco 2/3, o erro absoluto
1/3000; assim o erro relativo da aproximao 0.667
1
3000 .
2
3
Tal como o erro absoluto, o erro relativo tambm , geralmente, inacessvel e ter-se- de
procurar um limite superior.
x x0 x x0 x x0 x0 x x0 x0 .
Como, normalmente, x0 , temos
Francisco Miranda 7
x x0
. (limite superior (majorante) para o erro relativo)
x x0
Definio 1.7
O mnimo do conjunto dos limites superiores do erro relativo, chama-se erro relativo
mximo.
Definio 1.8

, x0 0
x0
chama-se estimativa do erro relativo com que x 0 representa x.
Exemplo 1.10
Seja x = 73 2, entendendo-se que 73 um valor aproximado de x e 2 um limite

superior do erro da aproximao. Uma estimativa para o erro relativo do valor
aproximado
2
Er .
73
Um limite superior para o erro relativo ser
2 2
.
x0 73 2 71
Estimativas e limites superiores do erro relativo podem ser apresentados em

percentagem, multiplicando os valores respectivos por 100 (percentagem de erro).
Definio 1.9
Dois nmeros no nulos y e z tais que |y| |z|, dizem-se da mesma ordem de grandeza
e escreve-se |y| |z| se 0.1< |y| \ |z| 1.
Se, pelo contrrio, |y| \ |z| 0.1, isto , |y| pelo menos dez vezes menor do que |z|,
ento diz-se que y menosprezvel relativamente a z, e escreve-se |y| << |z|.
Exemplo 1.11
Os nmeros 2.5 e 2.66 so da mesma ordem de grandeza, ou seja, 2.5 2.66, porque
Francisco Miranda 8
0.1 < 2.5/2.66 = 250/266 < 1.
Os nmeros 2.66 e 26.7 no so da mesma ordem de grandeza, ou seja, 2.66 << 26.7,
porque 2.66/26.7 = 266/2670 < 0.1.
1.5. Algarismos significativos e casas decimais
Comecemos por introduzir as trs seguintes definies.
Definio 1.10
Algarismos posicionais da representao decimal de um nmero real x, tal que

0 x 1 , so os zeros utilizados para fixar a vrgula decimal na referida
representao.
Se |x| 1 ou x = 0, a sua representao decimal no tem algarismos posicionais.
Definio 1.11
Algarismos relevantes, na representao decimal de um nmero real, so todos os

algarismos no posicionais.
Definio 1.12
O algarismo relevante colocado mais esquerda (o de maior ordem) na representao

decimal de um nmero real chamado o mais relevante; se a representao decimal
for finita, o algarismo situado mais direita (o de menor ordem) o menos relevante.
Exemplo 1.12
No nmero 0.005608 5 10 3 6 10 4 0 10 5 8 10 6 , os trs primeiros zeros

so posicionais e os restantes algarismos so relevantes, sendo o algarismos 5 (ordem
10 3 ) o mais relevante e o 8 (ordem 10 6 ) o menos relevante.
No nmero 35.0070, todos os nmeros so relevantes, sendo o algarismo 3 (ordem 101 )

o mais relevante e o 0, mais direita, (ordem 10 4 ) o menos relevante.
No nmero 12300, todos os algarismos so relevantes, sendo o algarismo 1 (ordem 10 4 )

o mais relevante.
Os conceitos anteriores de algarismos posicionais e relevantes, foram introduzidos com

as representaes decimais de nmeros reais, sendo, porm, facilmente generalizveis a
qualquer sistema de numerao numa base b (nmero inteiro, com b 2).
Exemplo 1.13
Dividindo a unidade em quatro partes iguais e tomando trs delas, temos um nmero
real, que representado por 0.75 (base 10) e 0.3 (base 4). Ambas as representaes, do
Francisco Miranda 9
mesmo nmero, tm um algarismo posicional, mas, enquanto a representao decimal
tem dois algarismos relevantes, a representao na base 4 tem apenas um algarismo
relevante.
extremamente importante perceber que na realidade no o nmero, em si, que tem

algarismos relevantes ou posicionais, mas sim as suas representaes.
Definio 1.13
Um algarismo relevante de um valor aproximado x 0 de x algarismo significativo do

valor aproximado x 0 , se (um majorante do erro absoluto da aproximao x 0 ) no
exceder (menor ou igual) meia unidade da ordem decimal do algarismo relevante, em
x 0 . Ou seja,
Se 0.5 10 k , k Z, o algarismo da ordem 10 k algarismo significativo de x 0 ,

caso seja relevante.
Se 0.5 10 k , k Z, o algarismo da ordem 10 k no algarismo significativo de x 0 .
Exemplo 1.14
Seja x = 1.03789 0.004. Determinemos quais os algarismos significativos da

aproximao x 0 = 1.03789, que tem seis algarismos relevantes, comeando pelo seu
algarismo mais relevante.
- O algarismo 1 o da ordem 10 0 1 , logo algarismo significativo de x 0 , pois =

0.004 < 0.5 1 = 0.5.
- O algarismo 0, da ordem 10 1 0.1, tambm algarismo significativo de x 0 , pois =

0.004 < 0.5 0.1 = 0.05.
- O algarismo 3, da ordem 10 2 0.01 , ainda algarismo significativo de x 0 , pois =

0.004 < 0.5 0.01 = 0.005.
- O algarismo 7, da ordem 10 3 0.001 , j no algarismo significativo de x 0 , pois =

0.004 > 0.5 0.001 = 0.0005, assim como os algarismos relevantes de ordem inferior
tambm no so significativos.
Portanto a aproximao x 0 = 1.03789, com 6 algarismos relevantes, tem 3 algarismos

significativos (os mais relevantes).
Podemos resolver este problema de uma maneira mais simples, como se segue.
Como 0.004 0.005 0.5 10 2 e 0.004 0.0005 0.5 10 3 , o algarismo de ordem

10 2 o algarismo menos relevante que significativo, sendo significativo esse e todos
Francisco Miranda 10
os relevantes sua esquerda.
Portanto o valor aproximado x 0 = 1.03789 tem exactamente trs algarismos
significativos (os mais relevantes).
Quando se apresenta um valor aproximado x 0 , sem indicao explcita do limite

superior do erro absoluto , deve assumir-se que todos os algarismos relevantes de x 0
so significativos, e tomar como meia unidade da ordem do algarismo menos
significativo de x 0 ( x0 ).
Definio 1.14
Diz-se que um valor aproximado x 0 de x tem n casas decimais se for n o nmero de

algarismos direita do ponto decimal.
Exemplo 1.15
Os nmeros 0.01358 e 57.30001 tm, respectivamente, 4 e 7 algarismos significativos e

tm ambos 5 casas decimais. Ambos os nmeros tm 0.000005 como limite superior
mnimo do erro absoluto.
2 10 4 tem 1 algarismo significativo, 0 casas decimais e 0.5 10 4 como limite superior

mnimo do erro absoluto.
2.00 10 4 tem 3 algarismos significativos, 2 casas decimais e 0.005 10 4 como limite

superior mnimo do erro absoluto.
Definio 1.15
De todos os algarismos significativos, o mais relevante chamado o mais significativo

e o menos relevante o menos significativo.
Tal como se passava com os algarismos relevantes, a representao de um nmero que

tem, ou no, algarismos significativos, e no o nmero em si.
1.6. Regras de arredondamento
Quando algarismos menos significativos (ou menos relevantes) (mais direita) de x 0

tiverem de ser suprimidos, o ltimo algarismo a conservar deve ser arredondado de
acordo com as seguintes regras:
Seja o algarismo da ordem 10 k , k Z, o ltimo algarismo que pretendemos conservar.

Seja a k 1 o algarismo da ordem 10 k 1 .
Se a k 1 5 arredonda-se por defeito, isto , despreza-se o algarismo da ordem

10 k 1 e os situados sua direita e, caso k > 0, multiplica-se por 10 k o nmero
obtido.
Se a k 1 5 arredonda-se por excesso, isto , efectua-se o arredondamento por
defeito e, ao nmero obtido, adiciona-se uma unidade da ordem 10 k se o nmero
for positivo e subtrai-se uma unidade da ordem 10 k se o nmero for negativo.
Este arredondamento conhecido por arredondamento simtrico ou usual.
Exemplo 1.16
Arredondando simetricamente o nmero 27.3201 ordem 10 1 , obtemos 27.3.
Arredondando simetricamente o nmero -1.437 ordem 10 2 , obtemos -1.44.
Arredondando simetricamente o nmero 14.2501 ordem 10 1 , obtemos 14.3
Arredondando simetricamente o nmero -45678.9012 ordem 10 2 , obtemos -457

10 2 .
Segundo este conjunto de regras o nmero x 0 = 3.26 aproxima um nmero exacto x

(desconhecido) tal que 3.255 x < 3.265. Conclui-se assim que x0 5 10 3 (sendo
desta forma todos os algarismos significativos).
Se x for conhecido, o erro absoluto mximo poder ser indicado com maior preciso.
(Exemplo: 0 3.14 , x0 1.6 10 3 , sendo = 3.14159)
Casas decimais e erro absoluto
Torna-se evidente que o erro absoluto de uma representao decimal x 0 de um nmero

real x est associado ao nmero de casas decimais de x 0 , uma vez que, face s regras de
arredondamento simtrico, um nmero com n casas decimais deve sempre considerar-se
afectado de um erro absoluto mximo de 5 10n1 .
Exemplo 1.17
A aproximao x 0 = 3.26 tem 2 casas decimais, logo o erro absoluto mximo

5 10 21 5 10 3 , como j vimos.
Algarismos significativos e erro relativo
Seja x m 10 p , com p nmero inteiro e m nmero real, tendo-se 0.1 |m| 1.

Tomemos x0 m'10 p , m' IR, como um valor aproximado de x com n algarismos
significativos. Logo
m m' 0.5 10 n ;
Erro absoluto da aproximao x 0 : x0 x x0 0.5 10 n 10 p ;
Erro relativo da aproximao x 0 :
x0 0.5 10 n 10 p 0.5 10 n 10 p
Er 0.5 101n
x m 10 p
0.1 10 p
Desta forma, conhecendo o nmero de algarismos significativos de uma aproximao,

podemos encontrar um limite superior para o erro relativo dessa aproximao.
Inversamente, fixando um limite superior > 0, para o erro relativo de uma
aproximao x 0 , podemos encontrar um nmero mnimo de algarismos significativos
para x 0 que garanta Er .
Exemplo 1.18
Seja x 0 = 35.85 (4 algarismos significativos). Um limite superior do erro absoluto da

aproximao 0.005 e uma estimativa do erro relativo ser
0.005
Er 0.00014.
35.85
Utilizando a relao anterior, podemos determinar um limite superior para o erro

relativo de x 0 :
Er 0.5 1014 0.5 10 3 0.0005 0.00014,
confirmando-se a majorao, relativamente estimativa.
A eliminao de dgitos menos significativos na representao de um nmero pode

ainda decorrer por truncatura (arredondamento por corte).
Definio 1.16
Arredondamento por corte ou truncatura assenta unicamente na eliminao do

algarismo da ordem 10 k 1 e os situados sua direita e, caso k > 0, multiplica-se por
10 k o nmero obtido.
Contudo, o erro absoluto mximo nesta situao aumenta significativamente.
Exemplo 1.19
Seja x0 3.26 uma aproximao de um nmero x. Ento 3.26 x <3.27, e portanto

x0 10 2 . De facto, o erro absoluto mximo duplica.
Estes conceito facilmente se generaliza para qualquer base b 2.

Um majorante de erro apresenta-se normalmente com um, ou no mximo dois
algarismos relevantes e os eventuais arredondamentos devero ser sempre efectuados
por excesso.
1.7. Propagao de erros
Um problema fundamental na teoria dos erros o seguinte:
Seja f: X IR IR uma funo real, de varivel real. Sejam x X, x 0 um valor

aproximado de x e x um limite superior do erro da aproximao de forma que [ x 0 - x,
x 0 + x] X. Tomando y 0 = f( x 0 ) como valor aproximado de y = f(x), pretende-se
determinar um limite superior, para o erro absoluto (erro propagado) da aproximao
y 0 . Admitindo que a funo regular no intervalo I = [ x 0 - x, x 0 + x] X, sendo x o
verdadeiro valor da aproximao x 0 , temos que x I e, pelo Teorema de Lagrange,
existe pelo menos um ponto c, entre x e x 0 , tal que
f x f x0 f ' c x x0 .
Ora daqui temos:

f x f x0 f ' c x x0 y0 f ' c x0 .
Sendo a derivada f limitada no intervalo I e majorando o 2 membro, vem
y0 f ' x M x,
onde f ' x M representa um majorante do mdulo da derivada no intervalo I. Assim,
y f ' x M x,
ou, utilizando a sugestiva notao de Leibnitz para a derivada,
dy
y x Frmula Fundamental do Clculo (Propagao) de Erros - FFCE
dx M
Estimativa do erro absoluto da aproximao y 0 :
dy
y 0 x
dx x x0
Utilizando a estimativa de y 0 , nada nos garante que se obtenha um majorante do erro

y 0 .
Exemplo 1.20
Seja f x 3x 2 1 , x IR, e tomemos 2.7 como um valor aproximado de x,

considerando significativos todos os algarismos da aproximao, isto , x = 2.7 0.05.
Assim, temos,
y0 3 2.7 1 22.87
2
e como I [2.7-0.05,2.7+0.05], aplicando FFCE, obtemos:
y 6 x M x 6 2.7 0.05 0.05 0.83 .
Ento, x = 2.7 0.05 implica y = 22.87 0.83.

Um majorante do erro de arredondamento da varivel x foi propagado para a varivel
y, por um factor multiplicativo relacionado com a derivada da funo numa vizinhana
de 2.7.
Vejamos a importncia da majorao do mdulo da derivada:
y max 3 2.75 1 23.6875

2
f crescente em I e
y min 3 2.65 1 22.0675 ,
2
Como |22.87 23.6875| = 0.8175 e |22.87 22.0675| = 0.8025 y0 0.8175 ,
confirmando-se a correco do majorante encontrado, pois 0.8175 0.83.
Utilizando a estimativa de y 0 , que no efectua a referida majorao, vem
dy
y0 x 6 2.7 0.05 0.81,
dx x x0
que no um majorante do erro de y 0 , pois 0.81 no excede o erro mximo 0.8175.
Generalizao
Sendo y f x1 , x2 ,, xn , com xi xi ,0 xi e y y0 y , tomando

y0 f x1,0 , x2,0 ,, xn,0 , temos FFCE dada por
n
f
y xi ,
i 1 xi M
desde que as derivadas parciais sejam contnuas no domnio considerado.
Uma estimativa do erro absoluto de y 0 ser dada por
n
f
y 0 x .
i 1 xi x1 ,, xn x1, 0 ,, xn , 0
Exemplo 1.21
Sejam z f x, y xy x 2 3 , x = 2.3 0.02 e y = 15.2 0.3. Temos,
z 0 f x0 , y0 2.3 15.2 2.32 3 32.67
f f
z x y
x M y M
y 2 x M x x M y
15.2 0.3 2 2.3 0.02
0.02 2.3 0.02 0.3
0.92.
onde o valor de z foi arredondado por excesso, para dois algarismos relevantes, e
escrevemos
z 32.67 0.92.
O algarismo menos significativo o das dezenas, donde o valor aproximado 32.67 tem
apenas um algarismo significativo.
Aplicao da FFCE s operaes elementares
Adio: z = x + y
z z
z x y z 1 0 M x 0 1 M y
x M y M
z x y.
Subtraco: z = x y
z z
z x y z 1 0 M x 0 1 M y
x M y M
z x y.
Multiplicao: z = xy
z z
z x y z y M x x M y
x M y M
Diviso: z = x/y, y 0 (0 [y0 - y, y0 + y])
z z 1 x
z x y z x y
x M y M
y M
y2 M
1.8. Condicionamento e estabilidade
O condicionamento diz respeito ao problema numrico, enquanto a estabilidade est

ligada aos algoritmos que resolvem um problema bem condicionado.
Definio 1.17
Um problema numrico diz-se mal condicionado, se pequenas variaes nos dados

implicarem fortes variaes na soluo do problema; se a soluo apresentar fraca
sensibilidade s variaes dos dados, o problema diz-se bem condicionado.
Definio 1.18
Um algoritmo numrico diz-se instvel se a acumulao e propagao dos erros de

arredondamento influenciar fortemente o resultado; se o resultado apresentar fraca
sensibilidade aos referidos erros, o algoritmo diz-se estvel.
A unidade de arredondamento (majorante para o erro relativo das representaes num

sistema) do sistema de ponto flutuante utilizado vai influenciar a estabilidade do
algoritmo, aumentando a estabilidade quando aumenta a preciso do sistema, isto ,
quando diminui a unidade de arredondamento: a passagem da preciso simples (na base
2 utiliza 23 bits para a mantissa - disponibiliza 24 bits) para a dupla (na base 2 utiliza 52
bits para a mantissa - disponibiliza 53 bits) tende a aumentar a estabilidade de um
algoritmo. Um algoritmo estvel produz bons resultados em problemas bem
condicionados, mas um algoritmo instvel pode levar a maus resultados no mesmo
problema.
Um algoritmo estvel aplicado a um problema mal condicionado, dificilmente levar a
um resultado fivel.
Exemplo 1.22
Consideremos a equao
1 1
x2 x 0, (1.1)
3 36
cujas razes so x1 x2 1 6 . A equao
x 2 0.333333x 0.027778 0, (1.2)
no tem razes reais!
Os coeficientes da equao (1.2) so aproximaes dos correspondentes coeficientes da
equao (1.1) com erros absolutos inferiores a 0.5 10 6 . Aqui, uma pequena variao
nos coeficientes da equao originou uma grande variao na soluo. Note-se que a
diferena existente entre o primeiro problema e o segundo mais ou menos a
induzida pela representao de (1.1) num sistema de vrgula flutuante dum
computador.
Exemplo 1.23
Operaes instveis:
- Subtrair dois nmeros muito prximos acarreta a queda de algarismos significativos

que vimos estarem relacionados com o erro relativo, o que provoca um claro acrscimo
no erro relativo do resultado face aos erros relativos dos argumentos.
- A diviso por nmeros muito pequenos aumenta o erro relativo do resultado.
Quadro resumo
Erro absoluto de x 0 (valor aproximado de x ) x0 x x0
Limite superior (majorante) do erro absoluto

0 : x x0
de x 0 (valor aproximado de x )
x x0
Erro relativo de x 0 (valor aproximado de x ) Er ,x0
x
Limite superior (majorante) do erro relativo
, x x0
de x 0 (valor aproximado de x ) x0
Estimativa do erro relativo de x 0 (valor
, x0 0
aproximado de x ) x0
n
f
y xi , onde
i 1 xi M
y f x1 , x2 ,, xn , com
Frmula Fundamental do Clculo
(Propagao) de Erros
xi xi ,0 xi e y y0 y , para
y0 f x1,0 , x2,0 ,, xn,0
Estimativa do erro absoluto de y 0 (valor n
f
y 0 x
aproximado de y f x1 , x2 ,, xn ) i 1 xi x1 ,, xn x1, 0 ,, xn , 0
2. Resoluo Numrica de Equaes
2.1. Introduo
Desde sempre temo-nos debatido com a necessidade de resolver equaes de todos os

tipos, lineares e no lineares, com o intuito de resolver problemas importantes
relacionados com o mundo que nos rodeia. Esta necessidade esbarrou sempre com
algumas equaes com resoluo bastante complexa e mesmo impossvel de resolver
analiticamente. Assim, surgiu a resoluo numrica de equaes, que veio colmatar a
falta de mecanismos e instrumentos analticos.
2.2. Localizao das razes
Determinar uma raiz x de uma dada equao f(x) = 0 por via iterativa construir, a
partir de um valor aproximado x 0 de x, uma sucesso xn nIN , convergente para x. O
uso de mtodos iterativos exige, geralmente, uma adequada localizao e separao
intervalar das razes da equao a resolver.
Mtodo dos nmeros de Rolle
Seja f(x) uma funo real de varivel real, contnua e derivvel no seu domnio D IR.
Os pontos fronteira de D e os zeros de f(x) constituem os nmeros de Rolle da equao
f(x) = 0. Tais nmeros, depois de ordenados, gozam da seguinte propriedade:
Entre dois nmeros de Rolle consecutivos existe, quando muito, uma raiz daquela
equao. No h raiz nenhuma, ou h uma e uma s, consoante f(x) tenha, naqueles
nmeros, o mesmo sinal ou sinais contrrios.
Exemplo 2.1
Consideremos a equao
f x x3 2 x 5 0.
- f(x) continua e derivvel em IR.
- f ' x 3x 2 2 0 x
2
.
3
Logo os nmeros de Rolle da equao dada so:
2 2
, , ,
3 3
Por fim, obtemos
- lim f x
x
2
x , : f x 0
3
2
- f 0

3
2 2
x , : f x 0
3 3
2
- f 0

3
2
1 x , : f x 0
3
2
- lim f x e x ,, f ' x 0
x
3

A funo f tem, portanto, um e um s zero x 2 3 , e facilmente se reconhece
12
que 2 < x < 3.
Mtodo grfico
A separao das razes da equao f(x) =0 pode obter-se atravs de um esboo do

grfico de f, mas frequentemente mais vantajoso dar aquela equao outras formas
equivalentes, tais como x = f(x), ou mais geralmente, f1 x f 2 x , esboar os grficos
de f 1 e de f 2 e separar as abcissas dos pontos de interseco daqueles grficos, as
quais, evidentemente, coincidem com os zeros de f.
Exemplo 2.2
Tomando
x3 5
x3 2x 5 0 x
2

e fazendo y1 x e y 2 x 3 5 2 , obtemos os seguintes grficos:
x3 5
y2
2
y1 x
Raiz
Se fizermos f1 x x 3 e f 2 x 2 x 5 , obtemos
f1 x x 3
f 2 x 2 x 5
Raiz
2.3. Critrios de paragem
Consideremos agora o problema da definio de paragem de processos iterativos para

calcular uma raiz x* de f(x) = 0. Existem duas interpretaes computacionais possveis
para o problema posto com a equao f(x) = 0:
Calcular um valor x k muito prximo de x*.

Critrio de paragem: xk xk 1 (paragem por estimativa do erro absoluto)
Calcular um valor x k tal que f xk muito pequeno.

Critrio de paragem: f xk
2.4. Estimativa para o erro
Seja x1 , x2 , xk , uma sequncia de aproximaes convergindo para uma raiz real x*

de f(x) = 0 (tal que f(x*) 0), obtidas utilizando um mtodo iterativo. Aplicando o
Teorema do valor mdio (de Lagrange) em f C 1 I , sendo I um intervalo aberto onde
se localiza a raiz, obtemos
f xk f x * xk x * f ' c ,
onde c min xk , x *, maxxk , x * I e f(c) 0. Como f(x*) = 0, tem-se
f xk
x * xk .
f ' c
Dado que o valor c no conhecido em minxk , x *, maxxk , x * , podemos escrever
f xk
x * xk , x I , f ' x 0.
min f ' x
xI
onde I designa a aderncia do intervalo aberto I.
2.5. Condicionamento
Ao calcular uma raiz de f(x) = 0 utilizando um mtodo numrico importante recordar

que, em geral, f no representada exactamente no computador.
Passemos, ento, a conhecer o efeito de perturbaes de f nos seus zeros. Seja
f x f x x
~
onde x . Seja x* raiz de f(x) = 0 e ~

x * a correspondente raiz de f x 0 .
~
Tem-se
f ~
x * .
Se x* zero simples da funo f contnua numa vizinhana de x* contendo ~

x * , e se f
no se anula nessa vizinhana,
~
x * x * .
f ' x *
Assim, se |f(x*)| pequeno, ento ~ x * x * grande. Neste caso o problema de

calcular x* mal condicionado.
Se x* uma raiz de multiplicidade m verifica-se
1
m! m
x * x * ( m)
~ .
f x *

Assim, por causa do expoente 1/m, conclumos que o clculo de razes mltiplas em
geral mal condicionado.(Recordemos o exemplo 1.20)
Reformular o problema de clculo de uma raiz mltipla
Seja f C m I e x* uma raiz de multiplicidade m de f(x) = 0. Defina-se u(x) =

f(x)/f(x). Ento,
u x 1
lim ,
x x* x x * m
isto , x* uma raiz simples de u(x) = 0.
2.6. Mtodos numricos
Mtodo das bisseces sucessivas
Seja [a,b] um intervalo contido no domnio de f e que contm a raiz a determinar.
Condio suficiente de convergncia do mtodo:
f contnua em [a,b]
f(a)f(b)<0
Algoritmo:
Sejam I 0 a0 , b0 a, b e I k ak , bk a, b, k =1,2,
frmula iteradora do processo:
ak bk
xk 1 .
2
Se f xk 1 0 x* xk 1 , e o algoritmo termina aqui.
Se f ak f xk 1 0 , faz-se ak 1 ak e bk 1 xk 1 de tal modo que

x* I k 1 ak 1 , bk 1 .
Se f bk f xk 1 0 , faz-se ak 1 xk 1 e bk 1 bk de tal modo que

x* I k 1 ak 1 , bk 1 .
Anlise do erro:
ba
x * xk 1
2k 1
Critrio de paragem:
Fixando previamente > 0, o algoritmo pra quando
xk 1 xk ou f xk 1
Como
xk 1 x * xk 1 xk ,
podemos parar o algoritmo quando
ba ln b a ln
k 1
k 1 .
2 ln 2
Exemplo 2.3
O mtodo das bisseces sucessivas aplicado equao
x3 2 x 5 0,
onde I 0 2,3 e 0.5 10 6 , produziu os seguintes resultados:
Iterao a b x y
1.00000000000000 2.00000000000000 3.00000000000000 2.50000000000000 5.62500000000000
2.00000000000000 2.00000000000000 2.50000000000000 2.25000000000000 1.89062500000000
3.00000000000000 2.00000000000000 2.25000000000000 2.12500000000000 0.34570312500000
4.00000000000000 2.00000000000000 2.12500000000000 2.06250000000000 -0.35131835937500
5.00000000000000 2.06250000000000 2.12500000000000 2.09375000000000 -0.00894165039063
6.00000000000000 2.09375000000000 2.12500000000000 2.10937500000000 0.16683578491211
7.00000000000000 2.09375000000000 2.10937500000000 2.10156250000000 0.07856225967407
8.00000000000000 2.09375000000000 2.10156250000000 2.09765625000000 0.03471428155899
9.00000000000000 2.09375000000000 2.09765625000000 2.09570312500000 0.01286233216524
10.00000000000000 2.09375000000000 2.09570312500000 2.09472656250000 0.00195434782654
11.00000000000000 2.09375000000000 2.09472656250000 2.09423828125000 -0.00349514919799
12.00000000000000 2.09423828125000 2.09472656250000 2.09448242187500 -0.00077077520837
13.00000000000000 2.09448242187500 2.09472656250000 2.09460449218750 0.00059169267297
14.00000000000000 2.09448242187500 2.09460449218750 2.09454345703125 -0.00008956467605
15.00000000000000 2.09454345703125 2.09460449218750 2.09457397460938 0.00025105814629
16.00000000000000 2.09454345703125 2.09457397460938 2.09455871582031 0.00008074527209
17.00000000000000 2.09454345703125 2.09455871582031 2.09455108642578 -0.00000441006773
18.00000000000000 2.09455108642578 2.09455871582031 2.09455490112305 0.00003816751074
19.00000000000000 2.09455108642578 2.09455490112305 2.09455299377441 0.00001687869864
20.00000000000000 2.09455108642578 2.09455299377441 2.09455204010010 0.00000623430974
21.00000000000000 2.09455108642578 2.09455204010010 2.09455156326294 0.00000091211957
O mtodo das bisseces sucessivas convergente.
f x x 3 2 x 5
Portanto x* 2.09455156 0.5110 6 .
Mtodo da falsa posio
f contnua em [a,b]
f(a)f(b)<0
f(x) 0, x [a,b]
Algoritmo:
Sejam I 0 a0 , b0 a, b e I k ak , bk a, b, k =1,2,
a k f bk bk f a k
xk 1 .
f bk f a k
Se f xk 1 0 x* xk 1 , e o algoritmo termina aqui.
Se f ak f xk 1 0 , faz-se ak 1 ak e bk 1 xk 1 de tal modo que

x* I k 1 ak 1 , bk 1 .
Se f bk f xk 1 0 , faz-se ak 1 xk 1 e bk 1 bk de tal modo que

x* I k 1 ak 1 , bk 1 .
Critrio de paragem:
xk 1 xk ou f xk 1
Mtodo da falsa posio modificado
O mtodo da falsa posio tende a desenvolver uma convergncia lenta quando um dos
extremos, a k ou bk , se imobiliza (por exemplo ak ak 1 ak 2 ). Para evitar este
inconveniente pode usar-se uma modificao (empregar os pontos ak , f ak 2 e
bk , f bk para traar a secante em vez dos pontos ak , f ak e bk , f bk .
Controlo do erro:
1 xmx f ' ' x

a ,b
x * xk 1 x * w x * xk , k 0,
2 min f ' x
xa ,b
onde w o extremo fixado desde a 1 iterao.
Exemplo 2.4
O mtodo da falsa posio aplicado equao
x3 2 x 5 0,
onde I 0 2,3 I0 = [2,3] e 0.5 10 6 , produziu os seguintes resultados:
Iterao a b x y
1.00000000000000 2.00000000000000 3.00000000000000 2.05882352941176 -0.39079991858335
2.00000000000000 2.05882352941176 3.00000000000000 2.08126365984502 -0.14720405955375
3.00000000000000 2.08126365984502 3.00000000000000 2.08963921009085 -0.05467650327329
4.00000000000000 2.08963921009085 3.00000000000000 2.09581889274962 0.01415622692999
5.00000000000000 2.08963921009085 2.09581889274962 2.09454797134618 -0.00003917875829
6.00000000000000 2.09454797134618 2.09581889274962 2.09455147903899 -0.00000002794085
7.00000000000000 2.09455147903899 2.09581889274962 2.09455148154054 -0.00000000001993
O mtodo da falsa posio convergente.
f x x 3 2 x 5
Portanto x* 2.09455148 0.5110 6 .
Mtodo iterativo simples
Dada a equao f(x) = 0 com raiz em [a,b], comecemos por lhe dar a forma x = g(x), o
que sempre possvel e de infinitas maneiras, pois, sendo t 0 um parmetro arbitrrio,
ento
f x 0 0 tf x x x tf x ,
isto ,
x g x : g x x tf x .
Facilmente se constata que se x* ponto fixo de f, ou seja, x* = g(x*) ento x* zero de

f.
f contnua em [a,b]
f(a)f(b)<0
Escolher uma funo g tal que f(x) = 0 g(x) = x com:
g C 1 a, b e max g ' x 1.
xa,b
Algoritmo:
Valor inicial: x0 a, b .
xk 1 g xk .
Anlise do erro:
k 1
max g ' x
x x .
xa ,b
x * x k 1
1 max g ' x
1 0
xa ,b
Critrio de paragem:
xk 1 xk ou f xk 1
Exemplo 2.5
Apliquemos o mtodo iterativo simples equao
x3 2 x 5 0,
onde I = [2,3], x0 2.5 e 0.5 10 6 .

Se considerarmos
x3 5
g x ,
2
obtemos os seguintes resultados:
Iterao x y
1.00000000000000 2.50000000000000 5.31250000000000
2.00000000000000 5.31250000000000 72.46643066406250
1.0e+005 *
0.00003000000000 0.00072466430664 1.90272011798462
1.0e+015 *
0.00000000000000 0.00000000019027 3.44425053621914
O mtodo iterativo simples no convergente.
Como podemos verificar
x a, b : g ' x 1.
Mas isto no indica nada acerca da convergncia do mtodo, visto que a condio
max g ' x 1
xa,b
uma condio suficiente, mas no necessria.

Consideremos agora
g x 3 2 x 5.
Como a funo g respeita a condio
max g ' x 1
xa,b
podemos dizer que o mtodo convergente, produzindo os seguintes resultados:
Iterao x y
1.00000000000000 2.15443469003188 2.10361202860239
2.00000000000000 2.10361202860239 2.09592740990288
3.00000000000000 2.09592740990288 2.09476054548540
4.00000000000000 2.09476054548540 2.09458325022543
5.00000000000000 2.09458325022543 2.09455630907113
6.00000000000000 2.09455630907113 2.09455221512892
7.00000000000000 2.09455221512892 2.09455159301747
8.00000000000000 2.09455159301747 2.09455149848199
9.00000000000000 2.09455149848199 2.09455148411646
O mtodo iterativo simples convergente.
f x x 3 2 x 5
f x x
Portanto x* 2.09455150 0.5110 6 .
Mtodo de Newton
f contnua em [a,b]
f(a)f(b)<0
f(x) 0, x [a,b]
f(x) 0 ou f(x) 0 , x [a,b]
|f(c)/ f(c)| < b a, onde c designa o extremo de [a,b] onde |f(c)| assume menor
valor.
Algoritmo:
Valor inicial: x0 a, b .
habitual tomar para x 0 o extremo de [a,b] em que f( x 0 )f( x 0 ) > 0.
f xk
xk 1 x k .
f ' xk
Anlise do erro:
2 k 1 1
max f ' ' x

1 xa ,b 2 k 1
x * x k 1 x * x0 , k 0,1,...
2 min f ' x
xa ,b
2 k 1 2 k 1
onde podemos substituir x * x0 por b a , pois x * x0 b a . H que ter
conscincia que esta majorao pode ser bastante grosseira.
Critrio de paragem:
xk 1 xk ou f xk 1
Exemplo 2.6
O mtodo de Newton aplicado equao
x3 2 x 5 0,
onde I = [2,3], x0 3 e 0.5 10 6 , produziu os seguintes resultados:
Iterao x y
1.00000000000000 2.36000000000000 3.42425600000000
2.00000000000000 2.12719678015882 0.37109984624720
3.00000000000000 2.09513603693363 0.00652662595369
4.00000000000000 2.09455167382427 0.00000214614314
5.00000000000000 2.09455148154235 0.00000000000023
O mtodo de Newton convergente.
f x x 3 2 x 5
Portanto x* 2.09455148 0.5110 6 .
Quadro resumo
Mtodo
Algoritmo Anlise do erro(3)
numrico
ba
x * xk 1
Bisseces a k bk 2k 1
x k 1
sucessivas ba ln b a ln
k 1
2
k 1
2 ln 2
a k f bk bk f a k 1 xmx f ' ' x
Falsa a ,b
xk 1 x * xk 1 x * w x * xk (1)
posio f bk f a k 2 min f ' x
xa ,b
k 1
max g ' x
xk 1 g xk
Iterativo
x x .
xa ,b
x * x k 1
1 max g ' x
simples 1 0
xa ,b
2 k 1 1
f xk max f ' ' x

x k 1 x k 1 xa ,b 2 k 1 (2)
Newton x * x k 1 x * x0
f ' xk 2 min f ' x
xa ,b
(1) w o extremo fixado desde a 1 iterao (mtodo da falsa posio modificado aplicado desde a 1 iterao)
2 k 1 k 1
(2) Podemos substituir x * x0 por b a 2 .
(3) O erro obtido em qualquer mtodo numrico pode ser analisado utilizando a frmula geral
f x k
x * xk , x I , f ' x 0.
min f ' x
xI
3. Resoluo de Sistemas Lineares
3.1. Introduo
Um sistema de n equaes lineares em n incgnitas pode ser escrito na forma
a11 x1 a12 x 2 a1n x n b1

a x a x a x b
21 1 22 2 2n n 2
, (3.1)

a n1 x1 a n 2 x 2 a nn x n bn
onde os coeficientes a ij (i, j = 1,2,,n) e os termos independentes bi (i = 1,2,,n)

so constantes dadas. O problema determinar x1 , x2 , xn , incgnitas do sistema de
modo que as n equaes em (3.1) sejam satisfeitas simultaneamente. O sistema (3.1)
pode escrever-se na forma matricial
AX B, (3.2)
Sendo A aij a matriz dos coeficientes do tipo n n, b bi o vector coluna dos
termos independentes e x xi o vector coluna das incgnitas.
Diz-se que um sistema de equaes lineares possvel determinado se tem soluo
nica. Uma condio necessria e suficiente para que (2) seja possvel determinado
que a matriz A seja invertvel, isto , |A| 0.
Ao longo deste captulo assumiremos que os sistemas considerados tm soluo nica.
3.2. Condicionamento e equilibragem
Definio 3.1
Sistemas bem condicionados so aqueles em que uma pequena mudana em um ou

mais coeficientes e/ou termos independentes, resulta numa igualmente pequena
mudana na soluo.
Sistemas mal condicionados so aqueles em que uma pequena mudana em um ou

mais coeficientes e/ou termos independentes, resulta numa grande mudana na soluo.
Exemplo 3.1
Consideremos o sistema de equaes lineares
x 2 y 10
.
1.1x 2 y 10.4
Matricialmente, temos AX B , onde
1 2 x 10
A , X e B .
1.1 2 y 10.4
O determinante da matriz dos coeficientes
A 1 2 1.1 2 0.2 0,
o que nos garante a existncia e unicidade da soluo, isto , o sistema possvel e

determinado. Utilizando a regra de Cramer, resulta que a soluo (x,y)
10 2 1 10
10.4 2 1.1 10.4
x 4 e y 3.
0.2 0.2
Seja, agora,
1 2
A .
1.05 2
(diferena perfeitamente possvel por questes de arredondamento, que representa uma
variao de 5% no referido coeficiente).
Utilizando novamente a regra de Cramer, obtemos
10 2 1 10
10.4 2 0.8 1.05 10.4
x 8 e y 1.
1 2 0.1 1 2
1.05 2 1.05 2
No h qualquer similaridade com as solues dos sistemas anteriores: so sistemas

mal condicionados.
Todas as solues foram determinadas com aritmtica exacta, no havendo assim

qualquer instabilidade ao algoritmo utilizado.
Exemplo 3.2
Consideremos o sistema linear
x y 0
.
x y 2
O determinante da matriz dos coeficientes
1 1
A
1 1
A 1 1 1 1 2 0,
e aplicando a regra de Cramer, temos a soluo (x,y) = (1,1).

O sistema
x y 0
,
x 1.01y 2
com uma variao de 1% no coeficiente alterado tem
1 1
A
1 1.01
como matriz dos coeficientes, cujo determinante
A 1 1.01 1 1 2.01 0,
e a aplicao da regra de Cramer conduz soluo x = y 0.9950, a qual tem uma

variao de cerca de 0.5% relativamente do sistema no perturbado. Estes sistemas
so bem condicionados.
Interpretao geomtrica dos condicionamentos dos exemplos anteriores
O conjunto soluo do sistema mal condicionado
x 2 y 10

1.1x 2 y 10.4
so as coordenadas do ponto de interseco de duas rectas quase paralelas, pelo que

qualquer pequena variao nos declives ou nas ordenadas na origem pode afastar
consideravelmente o eventual ponto comum s duas rectas.
1.1x 2 y 10.4
x 2 y 10
As referidas variaes podem mesmo colocar as rectas estritamente paralelas (sistema

impossvel).
Exemplo 3.3
Seja o sistema linear
x 2y 1
,
1.05 x 2 y 1
que tem soluo (x,y) = (0,0.5).

Considerando uma pequena variao no coeficiente a 22 ,
x 2y 1
,
1.05 x 2.1y 1
e obtemos um sistema impossvel, ou seja, no tem soluo.
x 2y 1
1.05x 2.1y 1
As referidas variaes podem, ainda, colocar as rectas coincidentes (sistema possvel

indeterminado), ou seja, o conjunto soluo so as coordenadas de qualquer ponto das
rectas.
Exemplo 3.4
Seja o sistema linear
x 2y 1
,
1.05 x 2 y 1
que tem soluo (x,y) = (0,0.5).

Considerando uma pequena variao no coeficiente a 22 e no termo independente b2 ,
x 2y 1
,
1.05 x 2.1y 1.05
e obtemos um sistema possvel indeterminado, ou seja, tem infinitas solues.
x 2 y 1 1.05x 2.1y 1.05
O conjunto soluo do sistema bem condicionado
x y 0
,
x y 2
o ponto (1,1) em que as duas rectas so perpendiculares. Com declives 1 e -1,

respectivamente.
x y 2
x y 0
A perpendicularidade uma situao ptima de bom condicionamento, pois o ponto de

interseco ser pouco sensvel a perturbaes nos parmetros das rectas.
Observando os determinantes das matrizes dos coeficientes dos sistema dos exemplos
3.1 e 3.2, vemos que um determinante cujo mdulo seja prximo de 0 (zero) parece
indicar um sistema mal condicionado, o que se explica facilmente, pois esse valor surge
em denominador na regra de Cramer, ampliando qualquer pequena variao nos
numeradores da mesma. O exemplo seguinte pretende travar qualquer concluso
precipitada.
Exemplo 3.5
Como vimos o sistema linear
x 2 y 10

1.05 x 2 y 10.4
mal condicionado, sendo - 0.1 o determinante da matriz dos coeficientes. Tomando o

sistema anterior e multiplicando por 1000 ambos os membros da segunda equao, vem
x 2y 10
,
1050 x 2000 y 10400
sistema equivalente ao primeiro, mal condicionado, embora o determinante da matriz

dos coeficientes seja
1 2
A 2000 1 2 1050 100,
1050 2000
bem afastado de 0 (zero).

Igualmente, vimos que o sistema linear
x y 0

x y 2
bem condicionado e o determinante da matriz dos coeficientes toma o valor 2.

Tomando o sistema anterior e dividindo por 1000 ambos os membros da segunda
equao, vem
x y 0
,
0.001x 0.001y 0.002
sistema equivalente ao primeiro, bem condicionado, embora o determinante da matriz

dos coeficientes A seja
1 1
A 1 0.001 1 0.001 0.002,
0.001 0.001
bastante prximo de 0 (zero).
O exemplo anterior mostra a necessidade de eliminar o efeito de linhas com valores de

ordem de grandeza muito diferente (problemas de escala), para se poderem tirar
concluses indicativas sobre o condicionamento de um sistema de equaes lineares, a
partir do determinante da matriz dos coeficientes.
Definio 3.2
Uma matriz real diz-se equilibrada ou escalada, quando o nmero 1 elemento

(entrada) de todas as linhas e os restantes elementos (entradas) tm mdulo no
superior a 1.
A definio anterior mostra-nos o caminho a seguir para proceder equilibragem ou

escalagem de uma matriz A, sem linhas nulas: sendo a ij um elemento de maior valor
absoluto da linha i, vamos multiplicar a linha i por 1 aij , para todo o i.
Sendo C a matriz obtida por equilibragem da matriz A, temos que C e A so matrizes
equivalentes, pois a operao de equilibragem feita com operaes elementares sobre
as linhas de uma matriz (multiplicao por uma constante real, diferente de 0). Sendo A
matriz (n n), temos
C EA,
em que E uma matriz diagonal (n n) com elementos diagonais 1 aij .
Exemplo 3.6
Para
1 2
A
1.1 2
temos
0.5 1
C .
0.55 1
Desta forma,
C 0.5 1 0.55 1 0.05,
o que sugere um mal condicionamento para qualquer sistema de equaes lineares em

que a matriz dos coeficientes seja equivalente a A.
Exemplo 3.7
Para
1 1
A C
1 1
temos
C 1 1 1 1 2,
o que sugere um bom condicionamento para qualquer sistema de equaes lineares em

Exemplo 3.8
Para
3 7 57
A 11 23 1

23 27 5
temos
3 7
57 1
57
11 1
C 1 .
23 23
23 1
5
27 27
Desta forma,
C 1.34,
o que sugere um bom condicionamento para qualquer sistema de equaes lineares em

3.3. Mtodos iterativos
Consideremos o sistema AX = B que se segue
a11 x1 a12 x 2 a1n x n b1

a x a x a x b
21 1 22 2 2n n 2
, (3.3)

a n1 x1 a n 2 x 2 a nn x n bn
com det(A) 0.
Objectivo: Gerar uma sucesso de vectores (matrizes colunas) X 1 , X 2 ,, X k , , a
partir de uma estimativa inicial da soluo X 0 IR n , que convirja para a soluo
exacta X* do sistema linear.
Para tal, estudemos dois mtodos iterativos.
Mtodo de Jacobi
Suponhamos que aij 0 , i = 1,,n e consideremos o sistema equivalente a (3.3):

x1 a b1 a12 x 2 a1n x n
1
11

x2
1
b2 a 21 x1 a 23 x3 a 2 n xn
a 22 .

x n a bn a n1 x1 a n ,n 1 x n 1
1
nn
Frmula iteradora do mtodo: Dado o vector X 0 (aproximao inicial), obtemos

X 1 , X 2 ,, X k , atravs da seguinte relao recursiva:
k 1
x1
1
a11
k
b1 a12 x 2 a1n x n
k

k 1
x2
1
k k
b2 a 21 x1 a 23 x3 a 2 n x n
k

a 22 ,

k 1
xn
1
k
bn a n1 x1 a n ,n 1 x n 1
k

a nn
ou seja,

k 1 1 n
k
xi bi aij x j , i 1,2, , n.
aii j 1
j i
Critrio de paragem: O processo iterativo repetido at que o vector X k 1 esteja

suficientemente prximo do vector X k . A distncia entre X k 1 e X k aqui
definida atravs de
k 1 k
d k 1 max xi xi .
1i n
Estabelecida uma preciso > 0 ou > 0, o vector X k 1 escolhido como soluo
aproximada do sistema se
k 1 d k 1
d k 1 ou dr k 1
.
max xi
1i n
Exemplo 3.9
Consideremos
10 x1 2 x2 x3 7 0.7

x1 5 x2 x3 8, X 0
1.6, 0.05.
2x 3x2 10 x3 6 0.6
1
Frmula iteradora:
k 1 1
x1
10
k
7 2 x 2 x3
k

k 1 1
x2
k
8 x1 x3
5
k
.

k 1 1
x3
k
6 2 x1 3x 2 k

10
1 iterao: k 0
x1 1 0.96
1
x 2 1.86.
1
x3 0.94
Como
1 0
x1 x1 0.26
1 0
x2 x2 0.26,
1 0
x3 x3 0.34
temos
1 d 1 0.34
dr 1
0.1828 .
max xi 1.86
1i 3
2 iterao: k 1
x1 2 0.978
2
x 2 1.98,
2
x3 0.966
onde
2 0.12
dr 0.0606 .
1.98
3 iterao: k 2
x1 3 0.9994
3
x 2 1.9888,
3
x3 0.9984
onde
3
dr 0.0163 .
Ento, a soluo do sistema linear acima, com estimativa do erro relativo inferior a 0.05,
obtida pelo mtodo de Jacobi, o vector X 3 0.9994,1.9888,0.9984 .
Convergncia do mtodo:
Teorema 3.1 (Critrio das linhas)
Dado um sistema AX = B, seja
a
j 1
ij
j i
i , i 1,2, , n.
aii
Se
max i 1,
1i n
ento o mtodo de Jacobi gera uma sucesso X 1 , X 2 ,, X k , convergente para a

soluo do sistema dado, independentemente da escolha da aproximao inicial X 0 .
Exemplo 3.10
Consideremos a matriz dos coeficientes do sistema linear do exemplo anterior.
10 2 1
A 1 5 1 .
2 3 10
Desta forma,
2 1
1 0. 3 1
10
11
2 0.4 1.
5
23
3 0.5 1
10
Assim, max i 1, e temos portanto a garantia da convergncia do mtodo de

1i 3
Jacobi.
O teorema do critrio das linhas apenas fornece uma condio suficiente para a
convergncia, mas no necessria.
Exemplo 3.11
Consideremos, novamente, o mesmo sistema linear, mas desta vez seja = 0.00005.
Obtemos os seguintes resultados:
Iterao x1 x2 x3 ....
1.00000000000000 0.96000000000000 -1.86000000000000 0.94000000000000
2.00000000000000 0.97800000000000 -1.98000000000000 0.96600000000000
3.00000000000000 0.99940000000000 -1.98880000000000 0.99840000000000
4.00000000000000 0.99792000000000 -1.99956000000000 0.99676000000000
5.00000000000000 1.00023600000000 -1.99893600000000 1.00028400000000
6.00000000000000 0.99975880000000 -2.00010400000000 0.99963360000000
7.00000000000000 1.00005744000000 -1.99987848000000 1.00007944000000
8.00000000000000 0.99996775200000 -2.00002737600000 0.99995205600000
9.00000000000000 1.00001026960000 -1.99998396160000 1.00001466240000
O mtodo de Jacobi converge.
Graficamente, temos
Mtodo de Gauss-Seidel
Suponhamos que aij 0 , i = 1,,n e consideremos o sistema equivalente a (3.3):

x1 a b1 a12 x 2 a1n x n
1
11

x2
1
b2 a 21 x1 a 23 x3 a 2 n xn
a 22 .

x n a bn a n1 x1 a n ,n 1 x n 1
1
nn
Frmula iteradora do mtodo: Dado o vector X 0 (aproximao inicial), obtemos

X 1 , X 2 ,, X k , atravs da seguinte relao recursiva:
k 1
x1
1
a11
k
b1 a12 x 2 a1n x n
k

k 1
x2
1

b2 a 21 x1
k 1 k
a 23 x3 a 2 n x n
k

a 22 ,

k 1
xn
1

bn a n1 x1
k 1
a n ,n 1 x n 1
k 1
a nn
ou seja,
k 1 1 i 1 n
k
xi bi aij x j k 1 a xj , i 1,2,, n.
ij
aii j 1 j i 1
Critrio de paragem: O processo iterativo repetido at que o vector X k 1 esteja

suficientemente prximo do vector X k . A distncia entre X k 1 e X k aqui
definida atravs de
k 1 k
d k 1 max xi xi .
1i n
Estabelecida uma preciso > 0 ou > 0, o vector X k 1 escolhido como soluo

aproximada do sistema se
k 1 d k 1
d k 1 ou dr k 1
.
max xi
1i n
Exemplo 3.12
Consideremos
10 x1 2 x2 x3 7 0.7

x1 5x2 x3 8, X 1.6, 0.05.
0
2x 3x2 10 x3 6 0.6
1
Frmula iteradora:
k 1 1
x1
10
k
7 2 x 2 x3
k

k 1 1
x2
8 x1
5
k 1
x3
k
.

k 1 1
x3 6 2 x1 k 1
3x2
k 1

10
1 iterao: k 0
x1 1 0.96
1
x 2 1.912.
1
x3 0.9816
Como
1 0
x1 x1 0.26
1 0
x2 x2 0.312,
1 0
x3 x3 0.3816
temos
1 d 1 0.3816
dr 1
0.1996 .
max xi 1.912
1i 3
2 iterao: k 1
x12 0.98424
2
x 2 1.993168,
2
x3 1.0011024
onde
2 0.081168
dr 0.0407 .
1.993168
Ento, a soluo do sistema linear acima, com estimativa do erro relativo inferiro a 0.05,
obtida pelo mtodo de Gauss-Seidel, o vector X 2 0.98424,1.993168,1.0011024 .
Convergncia do mtodo:
Teorema 3.2 (Critrio de Sassenfeld)
Dado um sistema AX = B, sejam
a12 a13 a1n

1
a11
ai1 1 ai ,i 1 i 1 ai ,i 1 ain
i .
aii
para i = 2,,n. Seja
maxi .
1i n
Se < 1, ento o mtodo de Gauss-Seidel gera uma sequncia convergncia, qualquer
que seja o vector inicial X 0 . Alis, quanto menor for , mais rpida ser a
convergncia.
Exemplo 3.13
Consideremos a matriz dos coeficientes do sistema linear do exemplo anterior.
10 2 1
A 1 5 1 .
2 3 10
Desta forma,
2 1
1 0.3 1
10
1 0.3 1
2 0.26 1.
5
2 0.3 3 0.26
3 0.138 1
10

1i 3
Gauss-Seidel.
Como no critrio das linhas, o critrio de Sassenfeld fornece uma condio suficiente,
mas no necessria, para a convergncia. Se existir algum i 1 , permutamos as
equaes do sistema ou mesmo a posio das incgnitas de modo a tentar combater o
problema. Podemos fazer o mesmo no critrio das linhas.
Exemplo 3.14
Consideremos o seguinte sistema de equaes lineares.
2 x1 x2 3x3 9

x2 x3 1.
x 3x3 3
1
Como 1 1 3 2 2 1, permutamos as 1 e 3 equaes, obtendo
x1 3x3 3

x2 x3 1.
2 x x 3x3 9
1 2
Mesmo assim, 1 0 3 1 3 1. Permutamos as 1 e 3 colunas, obtendo
3x3 x1 3

x3 x2 1. (3.4)
3x x2 2 x1 9
3
Deste modo
1
1 1
3
1
0
3 1
2 1.
1 3
1 1
3
3 3 3 2 1
2 3

1i 3
Gauss-Seidel aplicado ao sistema (3.4).
O teorema do critrio das linhas apresentado no mtodo de Jacobi pode ser aplicado no
estudo da convergncia no mtodo de Gauss-Seidel. De facto, se o critrio das linhas
verificado, ento o critrio de Sassenfeld tambm verificado. No entanto, o critrio de
Sanssenfeld pode ser satisfeito mesmo que o critrio das linhas no o seja, como de
seguida se exemplifica.
Exemplo 3.15
No sistema
3x1 x3 3

x1 x2 1,
3x x2 2 x3 9
1
o critrio das linhas no satisfeito, pois 1 1 1 3 1 e 2 1 1 1 ; ao passo que

o critrio de Sassenfeld verificado, dado que 2 1 3 1 e
3 3 1 3 1 3 2 2 3 1 .
Exemplo 3.16
Consideremos
10 x1 2 x2 x3 7 0.7

x1 5x2 x3 8, X 1.6, 0.00005.
0
2x 3x 2 10 x3 6 0.6
1
Obtemos os seguintes resultados:
Iterao x1 x2 x3 ....
1.00000000000000 0.96000000000000 -1.91200000000000 0.98160000000000
2.00000000000000 0.98424000000000 -1.99316800000000 1.00110240000000
3.00000000000000 0.99852336000000 -1.99992515200000 1.00027287360000
4.00000000000000 0.99995774304000 -2.00004612332800 1.00002228839040
5.00000000000000 1.00000699582656 -2.00000585684339 1.00000035788771
O mtodo de Gauss-Seidel converge.
Graficamente, temos
Quadro resumo
Mtodo
Jacobi Gauss-Seidel
numrico

k 1 1 n
k k 1 1i 1 n
k
xi bi aij x j ,
xi bi aij x j k 1
a xj ,
Frmula ij
aii j 1 aii
j 1 j i 1
iteradora j i
i 1,2, , n
i 1,2, , n
k 1 k 1 d k 1
d ou d r k 1
,
Critrio de max xi
1i n
paragem
k 1 k 1 k
onde d max xi xi
1i n
max i 1,
1i n
max i 1, a12 a13 a1n
1i n
onde 1
onde a11
Convergncia n
do mtodo a ij
e
j 1
j i
ai1 1 ai ,i 1 i 1 ai ,i 1 ain
i , i 1,2, , n i ,
aii aii
i 2, n
4. Interpolao numrica
4.1. Introduo
Um problema com que muitas vezes nos deparamos : dados alguns pontos do
referencial cartesiano XOY obter outros que esto relacionados com os pontos dados,
atravs de uma funo. Para tal precisamos de conhecer uma aproximao dessa funo
cuja representao grfica contm os pontos dados. S assim ser possvel conhecer
novos pontos. aqui que se aplica a interpolao numrica. Na interpolao numrica
recorresse muitas vezes interpolao polinomial, isto , a funo a construir ser da
famlia dos polinmios, dado que so funes bastante regulares e portanto fceis de
estudar e compreender. Quando o ponto que pretendemos conhecer tem a abcissa fora
do intervalo dos pontos dados chamamos de extrapolao.
4.2. Funes spline em interpolao
A interpolao polinomial um processo simples de aproximar uma dada funo por

polinmios num certo intervalo.
O erro de interpolao diminui quando aumentamos o grau do polinmio, isto , o

polinmio interpolador tende para a funo interpolada num certo intervalo, quando n
?
De facto, nem sempre tal sucede, pois medida que n aumenta o polinmio p n x pode
desenvolver oscilaes cada vez mais acentuadas o que aumenta o erro de interpolao.
Este comportamento por vezes referido como denunciando a rigidez dos polinmios
para acompanhar a funo.
Exemplo 4.1 (fenmeno de Runge 1901)
f x , x 1,1 . Interpolemos esta funo no

1
Consideremos a funo
1 25 x 2
intervalo [-1,1], utilizando polinmios de grau 2n, em pontos equidistantes
i
xi , i n,,1,0,1,, n.
n
Graficamente, obtemos
p30 x
p20 x
f x
y 1
1 25 x 2
p10 x
Observa-se que, medida que n aumenta, o polinmio p 2 n x desenvolve oscilaes

cada vez mais acentuadas, pelo que f x p2 n x no tende para zero e, portanto,
p 2 n x no converge para a funo f(x) que est a ser interpolada.
Uma forma de explicar as oscilaes que se verificam ao interpolar com polinmios de

grau elevado a seguinte: se o polinmio interpolador for
pn x a0 a1 x an1 x an x , ento os coeficientes das suas derivadas so
n 1 n
a1 ,, n 1an1 , nan , em geral maiores (em valor absoluto) que os coeficientes de

p n x , tornando assim possveis variaes e oscilaes importantes.
O que acabamos de ver desfaz qualquer ideia que porventura pudssemos ter de que a
interpolao polinomial produziria automaticamente polinmios que aproximassem to
bem quanto fosse preciso qualquer funo contnua.
Como os polinmios so, em todo o caso, computacionalmente atractivos, dada a sua
simplicidade, uma soluo a este entrave, reside na utilizao de polinmios contnuos
por partes (de facto verifica-se, talvez com alguma surpresa, que um excesso de
regularidade das funes interpoladoras pode ser prejudicial convergncia),
designados splines.
Definio 4.1
Uma funo S um spline polinomial de grau m IN 0 , relativo aos pontos

a x0 x1 xn b , se verificar as seguintes propriedades:
S coincide em cada subintervalo xi 1 , xi , i = 1,,n, com um polinmio de grau

m;
S diferencivel at ordem m 1 e as derivadas so contnuas.
Notao: hi xi xi 1 e h max hi .
1i n
Splines de grau zero
A funo spline S coincide em cada subintervalo xi 1 , xi com um polinmio Si de

grau zero e contnua por partes em x0 , xn a, b , ou seja, contnua em cada intervalo
xi 1 , xi . bvio que
Si x yi , xi 1 x xi , i 1,2,..., n
e em que y i o valor do spline no subintervalo xi 1 , xi .
Exemplo 4.2
Consideremos a funo de Runge
f x
1
.
1 25 x 2
Vamos interpolar a funo de Runge por um spline de grau zero, numa malha uniforme
com 7 pontos no intervalo [-1,1]. Desta forma, temos

S1 x 26 , 1 x 3
1 2

S 2 x 9 , 2 x 1

S x 13 3 3.

S6 x ,
9 2
x 1
13 3
Graficamente, temos
S 4 x
y
f x
1
1 25 x 2
S3 x S5 x
S1 x S 2 x S6 x
Apesar do seu aspecto singelo, estes splines tm grande interesse terico (basta recordar
que o conceito de integral Riemann recorre a este tipo de funes) e prtico.
Para construir este spline preciso tomar uma opo relativamente escolha dos
valores dos y i s. Se o spline interpolar uma funo f C 1 a, b podemos escolher
pontos ai xi 1 , xi e fazer S i x f ai , i = 1,2,,n. Os casos mais vulgares so
tomar o extremo esquerdo do subintervalo, i. e., ai xi 1 (utilizado no exemplo
anterior), ou o extremo direito, i. e., ai xi , ou o ponto mdio, i. e., ai xi 1 xi 2 .
A escolha afecta naturalmente o erro de interpolao.
Teorema 4.1
Seja f C 1 a, b e S um spline interpolador de f de grau zero. Se

majr a xb f x L1 , ento
max f x S x L1 h
x0 x xn
ou
max f x S x
L1
h,
x0 x xn 2
no caso de os pontos de interpolao coincidirem com os extremos dos subintervalos ou

com os pontos mdios dos subintervalos, respectivamente.
Exemplo 4.3
Consideremos a funo de Runge e x = - 0.7. Ento
f 0.7 S 0.7 max f ' x x 1, 2 0.0758.

1

3 3

Donde escrevemos
f 0.7
1
0.076.
26
Splines de grau um (lineares)
A funo spline S coincide em cada subintervalo xi 1 , xi com um polinmio Si de

grau 1 e contnua em x0 , xn a, b . bvio que
xi x x xi 1
S i x yi 1 yi , xi 1 x xi , i 1,2,..., n
hi hi
onde yi f xi . Esta expresso assegura a continuidade de S.
Exemplo 4.4
Consideremos, novamente a funo de Runge
f x
1
.
1 25 x 2
Vamos interpolar a funo de Runge por um spline linear, numa malha uniforme com 7
pontos no intervalo [-1,1]. Desta forma, temos
1 2 3 x 9 x 1
S1 x 26 1 3 109 1 3 ,
2
1 x
3

S x 9 1 3 x 9 x 2 3 2 1
, x
S x 2 109 1 3 34 1 3 3 3.

9 1 x 1 x 2 3
S6 x
2
, x 1
109 1 3 26 1 3 3
Graficamente, temos
S3 x
S 4 x
y
S 2 x S5 x
f x
1
S1 x 1 25 x 2 S6 x
Teorema 4.2
Seja f C 2 a, b e S um spline interpolador de f de grau um. Se majr a xb f x L2 ,

ento
max f x S x L2 h 2 .
1
x0 x xn 8
Exemplo 4.5
Consideremos a funo de Runge e x = - 0.7. Ento
2
1
f 0.7 S 0.7 max f ' ' x x 1, 2
1
0.0127.
8
3 3
Donde escrevemos
f 0.7
443
0.013.
5668
Splines de grau dois (quadrticos)
A funo spline S coincide em cada intervalo xi 1 , xi com um polinmio Si de grau

2 e continuamente diferencivel em x0 , xn a, b . fcil visualizar este spline
quadrtico como formado por troos de parbolas que se ligam de modo contnuo e com
tangentes tambm contnuas.
Como em cada subintervalo xi 1 , xi o spline coincide com um polinmio de grau 2,
so precisos 3 coeficientes para definir este polinmio neste subintervalo e, por
conseguinte, um total de 3n coeficientes. A condio de que o spline interpola nos ns
x0 , x1 ,, xn fornece 2n equaes, e o requisito de continuidade da primeira derivada
nos pontos interiores x1 ,, xn1 d mais n 1 equaes. Ficamos a dispor, no total, de
3n -1 equaes lineares para 3n incgnitas, o que insuficiente. Para especificar de
forma nica este spline torna-se necessrio impor uma condio suplementar que pode
ser, por exemplo, a de obrigar a primeira derivada num dos pontos extremos, x 0
digamos, a assumir um determinado valor.
Seja S i o polinmio de grau 2 com o qual o spline quadrtico S coincide em cada

subintervalo xi 1 , xi . Podemos escrever
Si x yi 1 mi 1 x xi 1 x xi 1 2
Mi
(4.1)
2
em que recorremos seguinte notao
mi S ' xi , i 0,1, , n
M i Si ' ' x , i 1, , n.
Convm notar que esta forma de representao garante partida a continuidade da

derivada do spline nos pontos interpoladores. A expresso (4.1) assegura que o spline
quadrtico assume para xi 1 o valor y i 1 . Como
Si ' x mi 1 M i x xi 1
temos
mi Si ' xi mi 1 M i hi
donde se retira a relao
mi mi 1
Mi , i 1,, n (4.2)
hi
que permite obter os M i s a partir dos mi s. Para que o spline interpole o valor y i em
x i devemos ter
Si xi yi 1 mi 1hi
Mi 2
hi yi .
2
Combinando esta expresso com (4.2), obtemos
yi yi 1
mi 2 mi 1 , i 1,, n. (4.3)
hi
Assim, se m0 for dado, podemos obter atravs de (4.3) os valores das derivadas
m1 , m2 , e, por meio de (4.2), os valores dos parmetros M i . Fica deste modo
completamente definida a expresso de S i .
Na utilizao de splines quadrticos surgem por vezes dificuldades relacionadas com
um comportamento algo instvel (podemos verificar isto no exemplo a seguir), havendo
uma alternativa fcil e mais utilizada, os splines cbicos, que iremos estudar.
Exemplo 4.17
f x
1
.
1 25 x 2
Vamos interpolar a funo de Runge por um spline quadrtico, numa malha uniforme
com 7 pontos no intervalo [-1,1], fazendo m0 0 . Desta forma, temos

S1 x x 12 ,
1 1125 2
1 x
26 2834 3
2
375 2 6290098425 2
S x S 2 x 109 1417 x 3 7441236634 x 3 , 3 x 3.
9 2 1

S 6 x ,
2
x 1
3
Graficamente, temos
S 4 x
S3 x
S6 x
y S 2 x f x
1
S1 x 1 25 x 2
S5 x
Splines de grau trs (cbicos)
A funo spline S coincide em cada intervalo xi 1 , xi com um polinmio S i de grau

3 e possui derivadas contnuas at 2 ordem em x0 , xn a, b .
Seja S i o polinmio de grau 3 com o qual o spline cbico S coincide em cada

subintervalo xi 1 , xi . bvio que a segunda derivada S i x um polinmio de grau
1 em xi 1 , xi , assim podemos escrever
xi x x xi 1
Si ' ' x M i 1 Mi ,
hi hi

onde M i S i xi S xi , i = 0,1,,n. Este ponto de partida assegura a continuidade
das 2 derivadas. Aos parmetros M i costuma designar-se por momentos. Integrando

duas vezes S i x , obtemos
xi x 3 x xi 1 3 xi x x xi 1
S i x M i 1 Mi ci di ,
6hi 6hi hi hi
onde c i e d i so constantes de integrao, que se determinam impondo as condies de

interpolao: S i xi 1 yi 1 e S i xi yi . Assim
2 2
hi h
ci yi 1 M i 1 , d i yi M i i .
6 6
Desta forma,
xi x 3 x xi 1 3 hi xi x
2
hi x xi 1
2
S i x M i 1 Mi
yi 1 M i 1
h yi M i 6 h .
6hi 6hi 6 i i
Para concluir a construo do spline cbico falta determinar os valores M 0 , M 1 ,, M n .

Impondo a condio de continuidade da 1 derivada nos pontos de interpolao,

Si ' xi Si 1 ' xi , i 1,2,, n 1. (4.4)
Derivando o S i x encontrado, temos
xi x 2 x xi 1 2 yi yi 1 h
S i ' x M i 1 Mi M i M i 1 i , (4.5)
2hi 2hi hi 6
e desta forma, obtemos

Si ' xi yi yi 1 hi hi M i 1 6 hi M i 3 ,

' x y yi hi 1 hi 1M i 3 hi 1M i 1 6 .

Si 1 i i 1
Substituindo estas relaes em (4.4) e agrupando termos, vem
hi h hi 1 h y yi yi yi 1
M i 1 i M i i 1 M i 1 i 1 , i 1,2,, n 1.
6 3 6 hi 1 hi
Este conjunto de igualdades formam um sistema de n1 equaes, em que os momentos

M 0 , M 1 ,, M n so as incgnitas. Como h n + 1 incgnitas e n 1 equaes, temos de
impor duas condies suplementares. Estas condies so ditadas pela finalidade a que
se destina o spline, sendo mais vulgares as seguintes:
Spline completo: corresponde situao em que a 1 derivada nos extremos do

intervalo a, b x0 , xn conhecida, isto , S1 x0 y0 e S n xn y n , onde y 0 e
y n so constantes dadas. Ento, as condies suplementares so facilmente
extradas de (4.5), vindo
y1 y0 h1 h1M1 6 h1M 0 3 y'0 ,

yn yn1 hn hn M n1 6 hn M n 3 y'n .
Spline natural: na ausncia de qualquer informao especfica nos extremos do
intervalo frequente optar pelas condies: S1x0 M 0 0 e S nxn M n 0 .
Contudo, a imposio destas condies artificiais reduz a preciso do spline (a
menos que f x0 f xn 0 , como evidente) o que deve ser tido em
considerao.
Em qualquer um dos casos, obtemos um sistema linear de n + 1 incgnitas e n + 1
equaes. A matriz dos coeficientes estritamente diagonal dominante e
consequentemente o sistema possvel determinado.
Spline completo: o sistema apresenta-se matricialmente do seguinte modo:
2 0 0 0 M 0 b0
2 1 0 M 1 b1
1
,

0 n 1 2 n 1 M n 1 bn 1
0 0 n 2 M n bn
onde
6 y1 y0
0 1, b0 y '0
h1 h1
6 y yn 1
n 1, bn y 'n n
hn hn
e, para i =1,,n 1,
hi 1 hi
i , i 1 i ,
hi hi 1 hi hi 1
6 yi 1 yi yi yi 1
bi .
hi hi 1 hi 1 hi
Exemplo 4.6
f x
1
.
1 25 x 2
Vamos interpolar a funo de Runge por um spline completo, numa malha uniforme
com 7 pontos no intervalo [-1,1], onde y0 f 1 e y1 f 1 . Arredondando os M i s
ordem 10 4 , vem

2 3 x 3 2.2644 x 13
1S x 1. 6574
2 2
1 1 2 3 x 2
1.6574 ,1 x
26 54 1 3 3

S x 9 1 x 1 .
2.2644
109 54 1 3

S6 x ,
2
x 1
3
Graficamente, temos
S3 x S 4 x
f x
1
1 25 x 2
S1 x S 2 x S5 x S6 x
Spline natural: o sistema apresenta-se matricialmente do seguinte modo:
1 0 0 0 M 0 0

1 2 1 0 M 1 b1
,

0 n 1 2 n 1 M n 1 bn 1
0 0 0 1 M n 0
onde, para i =1,,n 1,
hi 1
i ,
hi hi 1
hi
i 1 i ,
hi hi 1
6 yi 1 yi yi yi 1
bi .
hi hi 1 hi 1 hi
Exemplo 4.7
f x
1
.
1 25 x 2
Vamos interpolar a funo de Runge por um spline natural, numa malha uniforme com
7 pontos no intervalo [-1,1]. Arredondando os M i s ordem 10 4 , vem
x 1
3
1 2 3 x 9 1 x 1
S1 x 1.8181
2
1.8181 ,1 x
2 26 1 3 109 54 1 3 3

S x .

S 6 x ,
2
x 1
3
Graficamente, temos
S3 x S 4 x
f x
1
1 25 x 2
S1 x S 2 x S5 x S6 x
As boas propriedades do spline cbico, nomeadamente a ausncia de oscilaes

esprias, encontram justificao terica no seguinte teorema.
Teorema 4.3 (Holladay)
Sejam dados os pontos a x0 x1 xn b e as suas imagens y0 , y1 ,, y n .

Ento, de todas as funes f C 2 a, b que interpolam estes valores, o spline cbico
natural a nica funo que torna mnimo o valor de
J f f ' ' x dx.

b 2
Interpretao: Tendo em conta que o valor de f(x) um indicador da curvatura da

funo f, o valor de J(f) representa uma espcie de curvatura mdia de f no intervalo
[a,b]. O enunciado diz-nos que o spline cbico natural , de todas as curvas
interpoladoras com derivadas contnuas at segunda ordem, aquela que mais
direita.
Erro de interpolao
Teorema 4.4
Seja f C 4 a, b e S um spline cbico satisfazendo qualquer das condies

suplementares referidas anteriormente. Se majr a xb f 4 x L4 , ento
max f x S x
5
L4 h 4
x0 x x n 384
3 1
max
d
x0 x xn dx
f x S x L4 h 3
216 24
max
d2
2
f x S x 1 1 h L4 h 2
x0 x x n dx 12 3 h
1 h
2
d3
max f x S x 1 L4 h,
x0 x x n dx 3 2 h
em que
h min hi.
1i n
Exemplo 4.8
Consideremos a funo de Runge e x = 0.7. Ento
4
1
f 0.7 S 0.7 max f 4 x 2
5
0.0047.
384 3 x 1,
3
Comparao dos splines (linear, quadrtico e cbico natural) na interpolao da funo

de Runge
x
Na figura anterior, utilizamos 7 pontos de interpolao uniformemente distribudos no
intervalo [-1,1]. Os resultados da figura anterior, permitem extrair algumas concluses:
O spline linear, apesar da sua modstia, acompanha o andamento geral de f.
O spline quadrtico, obtido com m0 0 , tem um comportamento razovel no

intervalo [-1,0], mas desenvolve oscilaes violentas no intervalo [0,1],
confirmando a aluso feita atrs quanto sua propenso para a instabilidade.
O spline cbico, construdo como sline natural, tem o melhor comportamento, como
seria de esperar, embora exiba ainda ligeiras oscilaes.
Utilizemos, agora, 11 pontos de interpolao uniformemente distribudos no intervalo
1,1 .
x
O aumento do nmero de pontos de interpolao para 11, confirma estas concluses. A
escala do grfico no consegue fazer a distino entre o spline cbico e a funo f.
Quadro resumo
Mtodo
Polinmio interpolador Erro de tuncatura
numrico
Pontos de interpolao
coincidem com os extremos
dos subintervalos:
max f x S x L1 h
S i x yi , xi 1 x xi ,
x0 x xn
Spline de grau
0 i 1,2,..., n Pontos de interpolao
coincidem com os pontos
mdios dos subintervalos:
max f x S x
L1
h,
x0 x xn 2
xi x x xi 1
S i x yi 1 yi ,
max f x S x
Spline de grau 1
hi hi L2 h 2
1 x0 x xn 8
xi 1 x xi , i 1,2,..., n
Si xi yi 1 mi 1hi i hi yi onde
Spline de grau M 2
2 2
mi mi 1
Mi , i 1,, n
hi
e
yi yi 1
mi 2 mi 1 , i 1,, n.
hi
Si x
M i 1
xi x 3 M x xi 1 3
i
6hi 6hi
h x x
2
yi 1 M i 1 i i
6 hi
h x xi 1
2
yi M i i
6 hi
tal que
2 0 0 0 M 0 b0
2 0 M 1 b1
1 1
,

Spline de grau 0 n 1 2 n 1 M n 1 bn 1
0 0 n 2 M n bn
3 completo
onde
6 y1 y0
0 1, b0 y '0
h1 h1
6 y yn 1
n 1, bn y 'n n
hn hn
max f x S x
e 5
L4 h 4
hi 1 hi x0 x xn 384
i , i 1 i
hi hi 1 hi hi 1
6 yi 1 yi yi yi 1
bi
hi hi 1 hi 1 hi
para i 1,, n 1 .
Si x
M i 1
xi x 3 M x xi 1 3
i
6hi 6hi
h x x
2
yi 1 M i 1 i i
6 hi
Spline de grau hi x xi 1
2

yi M i
3 natural h
6 i
tal que
1 0 0 0 M 0 0
2 0 M b
1 1 1 1
,

0 n 1 2 n 1 M n 1 bn 1
0 0 0 1 M n 0
onde
hi 1
i ,
hi hi 1
hi
i 1 i ,
hi hi 1
6 yi 1 yi yi yi 1
bi
hi hi 1 hi 1 hi
para i 1,, n 1 .
5. Integrao Numrica
5.1. Introduo
Neste captulo, abordaremos processos de obteno de valores aproximados do integral

de uma funo (integrvel) no intervalo [a,b], ou seja, formas de calcular aproximaes
de
I f , a, b f x dx.
b
a
A necessidade de se recorrer a mtodos numricos para calcular I(f,[a,b]), provm
normalmente de uma das seguintes situaes:
A expresso analtica de f no conhecida o que acontece quando esta funo
dada por tabelas ou obtida por medies de grandezas fsicas;
A expresso analtica de f dada, mas a primitiva desta funo no conhecida e,

portanto, a forma usual de determinao do integral no vivel, ou demasiado
complexa e, portanto, a forma usual de determinao do integral no se revela
econmica.
A ideia base da integrao numrica a aproximao
I f , a, b f x dx g x dx,
b b
a a
em que g uma funo que aproxima f, num certo sentido, e cuja primitiva seja fcil
de calcular. Este objectivo conseguido recorrendo, por exemplo, a polinmios
interpoladores de f. Assim, seja p n o polinmio interpolador de grau n da funo f
nos pontos a x0 x1 xn b . razovel esperar que o valor
I pn , a, b
seja, sob certas condies, um valor aproximado de I[f,[a,b]). Nomeadamente, o erro de

truncatura cometido neste processo
Etr f , a, b I f , a, b I pn , a, b I f pn , a, b
em que a ltima passagem se justifica pela linearidade do operador de integrao. Como
vemos, o erro depende da maior ou menor aproximao do polinmio p n a f e adiante
veremos estimativas desta importante grandeza.
5.2. Frmulas de Newton-Cotes
A estratgia no desenvolvimento das frmulas de Newton-Cotes tomar como funo g

aproximada de f o polinmio de grau n interpolador de f em n + 1 pontos igualmente
espaados do intervalo [a,b]. Se f C n1 a, b ento,
f x pn x Rn x , (5.1)
tais que
pn x l0 x f x0 l1 x f x1 ln x f xn ,
onde os li x so os polinmios de Lagrange associados a estes pontos, e
f n1
Rn x x x0 x x1 x xn ,
n 1!
onde minx, x0 ,, xn , maxx, x0 ,, xn .
Integrando (5.1) entre a e b, obtemos
f x dx pn x dx Rn x dx.
b b b
a a a
Assim, o valor de
pn x dx
b
a
uma aproximao para o valor de
f x dx ,
b
com um erro de integrao (truncatura) igual a
R x dx.
b
n
a
Desta forma, temos
f xdx pn x dx,
b b
a a
ou
f xdx A f x A f x A f x ,
b
0 0 1 1 n n (5.2)
a
sendo
Ai li x dx, i 0,1,, n.
b
(5.3)
a
A expresso (5.2) costuma designar-se por regra de integrao de Newton-Cotes ou

frmula de quadratura de Newton-Cotes, e os Ai s por coeficientes ou pesos dessa
regra. Consoante o valor de n se obtm diferentes regras de integrao.
Como vemos, o clculo exacto do integral foi substitudo pelo clculo de uma soma
ponderada de valores da funo integranda. O emprego de polinmios interpoladores
para construir regras de integrao, justifica que se introduza o seguinte conceito.
Definio 5.1
Uma regra de integrao diz-se de grau (de exactido) n se integrar exactamente todos
os polinmios de grau n e existir pelo menos um polinmio de grau n+1 que no
por ela integrado exactamente.
Como veremos oportunamente, o grau de uma regra de integrao est intimamente

relacionado com a sua preciso. Uma concluso imediata a de que o grau de exactido
da frmula (5.2) quando os pesos so calculados pela expresso (5.3) , por construo,
n.
Vamos deduzir alguns casos particulares de regras de integrao, correspondentes a
diferentes escolhas de polinmios interpoladores.
Regras dos rectngulos
Comecemos pelo caso mais simples, o do polinmio de grau n = 0 que interpola a

funo f no ponto x 0 . Ento,
p0 x f x0
e, portanto,
I f , a, b I p0 , a, b f x0 dx b a f x0 .
b
O valor exacto do integral foi deste modo substitudo pelo valor da rea de um
rectngulo de lado b a e altura f x0 , Por este motivo estas frmulas de integrao
so conhecidas por regras do rectngulo. Se fizermos coincidir x 0 com o extremo
esquerdo do intervalo, isto , x0 a , obtemos a regra do rectngulo esquerda
I f , a, b b a f a .
Exemplo 5.1
Suponhamos que pretendemos calcular um valor aproximado para
2 sen2 x dx,
6
utilizando a regra do rectngulo esquerda. Obtemos
Regra do rectngulo esquerda
I(p0,[1,6]) erro
14.54648713412841 -6.36300792646568
Graficamente, temos
p0 x f 1
I p0 , 1,6

f x 2 sen 2 x
Se tomarmos x0 b , teremos naturalmente a regra do rectngulo direita
I f , a, b b a f b.
Exemplo 5.2
2 sen2 x dx,
6
utilizando a regra do rectngulo direita. Obtemos
Regra do rectngulo direita
I(p0,[1,6]) erro
5.08678780215553 3.09669140550720
Graficamente, temos
p0 x f 6

f x 2 sen 2 x
I p0 , 1,6
Ambas estas regras do rectngulo possuem grau zero.
Regra do ponto mdio
Uma outra escolha natural, ser fazer x0 a b 2 , obtendo-se a regra do ponto

mdio
ab
I f , a, b b a f .
2
Exemplo 5.3
2 sen2 x dx,
6
utilizando a regra do ponto mdio. Obtemos
Regra do ponto mdio
I(p0,[1,6]) erro
7.17652050592846 1.00695870173426
Graficamente, temos
p0 x f 3.5
I p0 , 1,6

f x 2 sen 2 x
Esta regra de grau um. Alerta-se para o facto de que o grau de exactido de uma regra
de integrao no tem de coincidir necessariamente com o grau do polinmio
interpolador utilizado na sua construo, embora esteja com ele naturalmente
relacionado.
Regra do trapzio
Se passarmos aos polinmios interpoladores de grau n 1 cuja forma de Lagrange
p1 x l0 x f x0 l1 x f x1
temos
p1 x dx A0 f x0 A1 f x1 ,
x1
x0
onde
x x1 x x0
A0 l 0 x dx
x1 x1
dx 1
x0 x0 x0 x1 2
x x0 x x0
A1 l1 x dx
x1 x1
dx 1 .
x0 x0 x1 x0 2
Escolhendo x0 a e x1 b , obtemos a regra do trapzio
ba
I f , a, b f a f b.
2
Note-se que podemos chegar regra dos trapzios, e a outras frmulas de Newton-
Cotes, integrando o polinmio interpolador na forma de Newton.
Exemplo 5.4
2 sen2 x dx,
6
utilizando a regra do trapzio. Obtemos
Regra do trapzio
I(p1,[1,6]) erro
9.81663746814197 -1.63315826047924
Graficamente, temos
p1 x 3.2877 0.3784 x
I p1 , 1,6

f x 2 sen 2 x
O grau desta regra um.
Regra de Simpson
Continuando a aumentar o grau do polinmio interpolador, passamos agora ao caso n

2. O polinmio interpolador na forma de Newton em diferenas divididas da funo f
nos pontos x 0 , x1 , x 2
p 2 x f x 0 f x 0 , x 1 x x 0 f x 0 , x 1 , x 2 x x 0 x x 1 .
Tomando x0 a , x1 a b 2 , x2 b e integrando este polinmio em [a,b], vem
ba ab
I f , [a, b] f a 4 f f b .
6 2
Esta frmula constitui a clebre regra de integrao de Simpson.
Exemplo 5.5
2 sen2 x dx,
6
utilizando a regra de Simpson. Obtemos

Regra de Simpson
I(p2,[1,6]) erro
8.05655949333297 0.12691971432976
Graficamente, temos
p2 x 3.7946 0.9698x 0.0845x 2
I p2 , 1,6
f x 2 sen 2 x
A sua construo garante que o respectivo grau pelo menos dois, mas possvel
verificar que este de facto trs, como se ver adiante.
No exemplo anterior, a aproximao pela regra de Simpson conduziu a uma melhor
aproximao que a regra dos trapzios, situao que, embora frequente, no geral,
como se exemplifica a seguir.
Exemplo 5.6
2 1
1 25x 0.1 dx,
2 2
utilizando a regra do trapzio e a regra de Simpson. Obtemos
Regra do trapzio
I(p1,[-2,2]) erro
0.43960396039604 -0.45920988138418
Regra de Simpson
I(p2,[-2,2]) erro
3.07986798679868 -3.09947390778682
Graficamente, temos
p2 x 1.1 0.2475x 2
I p2 , 2,2
f x
1
1 25x 2 0.1
p1 x 0.1099
I p1 , 2,2
O erro obtido na utilzao da regra de Simpson maior do que na regra do trapzio.
As regras de Newton-Cotes podem ser deduzidas de forma sistemtica e constituem a

famlia de regras de Newton-Cotes. A tabela seguinte rene algumas destas regras.
Frmulas de Newton-Cotes
ba n
I f , a, b ai f xi
d i 0
xi a ih , i = 0,1,,n, h = (b a)/n, Nota: ani ai
n d a0 a1 a2 a3 a4
1 2 1
2 6 1 4
3 8 1 3
4 90 7 32 12
5 288 19 75 50
6 840 41 216 27 272
7 17280 751 3577 1323 2989
8 28350 989 5888 -928 10496 -4540
Como podemos observar, a partir das regras com n = 8 aparecem pesos com sinais
positivos e negativos. Do ponto de vista do efeito dos erros de arredondamento, esta
caracterstica nociva j que promove o aparecimento de cancelamento subtractivo. Por
esta razo, as frmulas de Newton-Cotes de grau elevado no so muito aconselhveis.
5.3. Erros de integrao
Para podermos escolher qual a regra de integrao a utilizar num dado caso concreto
conveniente dispor de estimativas do erro cometido que possam orientar essa escolha.
Como vimos, o polinmio interpolador satisfaz a relao
f x pn x f x0 , x1 ,, xn , xx x0 x xn .
Ento, o erro de integrao (truncatura) dado por
Etr f , a, b f x0 , x1 ,, xn , xx x0 x xn dx.
b
(5.4)
a
H duas situaes tpicas e com interesse prtico em que esta expresso pode sofrer uma
simplificao notvel, as quais passamos a descrever.
A primeira quando o polinmio x x0 x xn no muda de sinal no intervalo
[a,b]. Neste caso, invocando o teorema do valor mdio para integrais, podemos dizer
que
Etr f , a, b f x0 , x1 ,, xn , x x0 x xn dx,
b
com ]a,b[. Admitindo que f C n1 a, b , vem que
f n1 c b
Etr f , a, b x x0 x xn dx,
n 1! a
(5.5)
com c ]a,b[.
Uma concluso imediata que podemos extrair desta expresso a de que o grau de
exactido das respectivas regras de integrao igual a n, coincidente, portanto, com o
grau do polinmio interpolador utilizado na sua construo.
A segunda situao a que aludimos acima verifica-se quando
x x x x dx 0.
b
0 n (5.6)
a
Neste caso estamos impedidos de recorrer ao teorema do valor mdio para simplificar a
expresso (5.4). Todavia, tendo em ateno a definio e a propriedade de simetria das
diferenas divididas, podemos empregar a identidade
f x0 , x1 ,, xn , x f x0 , x1 ,, xn , xn1 f x0 , x1 ,, xn , xn1 , xx xn1 ,
em que x n 1 um ponto arbitrrio cuja especificao ser feita mais adiante.

Introduzindo esta relao em (5.4), temos que
Etr f , a, b f x0 , x1 , , x n , x n 1 x x0 x x n dx
b
f x0 , x1 , , x n , x n 1 , xx x0 x x n x x n 1 dx
b
e, tendo em ateno a hiptese (5.6),
Etr f , a, b f x0 , x1 ,, xn , xn1 , xx x0 x xn1 dx.

b
Se for possvel escolher x n 1 de modo a que x x0 x xn1 possua um nico sinal

em [a,b], podemos novamente aplicar o teorema do valor mdio ao integral no segundo
membro da expresso acima, vindo
Etr f , a, b f x0 , x1 ,, xn , xn1 , x x0 x xn1 dx.

b
Se f C n2 a, b , ento podemos concluir que
f n 2 c b
Etr f , a, b x x0 x xn1 dx.
n 2! a
(5.7)
O grau de exactido da frmula agora igual a n + 1, uma unidade superior ao do grau

do polinmio utilizado na construo da regra de integrao, o que pode ser considerado
um bnus inesperado.
Apliquemos estas estimativas de erro s regras de integrao mais usuais
Regras do rectngulo
Para a regra do rectngulo esquerda xa no muda de sinal em [a,b], pelo que

podemos aplicar a expresso (5.5), vindo
Etr f , a, b f ' c x a dx f ' c b a .

b 1 2
a 2
Para a regra do rectngulo direita xb no muda de sinal em [a,b], pelo que podemos
aplicar a expresso (5.5), vindo
Etr f , a, b f ' c x b dx f ' c b a .
b 1 2
a 2
Para a regra do ponto mdio x (a + b)/2 muda de sinal no intervalo [a,b]. Contudo,
b ab
x
a
dx 0,
2
pelo que podemos tentar a segunda variante da anlise do erro apresentada atrs.
Escolhendo x1 x0 , resulta que
x x0 x x1 x a b
2
que de sinal nico (positivo) no intervalo [a,b]. Logo, estamos em condies de

aplicar a expresso (5.7), vindo
Etr f , a, b f ' ' c b a .

1 3
24
A regra do ponto mdio tem, pois, grau de exactido igual a um.
Exemplo 5.7
Determinemos um majorante para o mdulo do erro de integrao das aproximaes de
2 sen2 x dx,
6
obtidas pelas regras dos rectngulos.
regras do rectngulo esquerda e direita
6 12 majr f ' x 52 cos 2

Etr f , 1,6
x
x1, 6
majr 8.5.
2 2 x x1, 6
regras do ponto mdio
Etr f , 1,6
6 13 majr f ' ' x x1, 6
53
majr

cos 2 x 2 x sen 2 x
3
24 24 2x 2 x1, 6
3

5 1
cos 2 2sen2 3.6523.
24 2
Regra do trapzio
Para a regra do trapzio (x a)(x b) no muda de sinal em [a,b] e
x a x bdx 12 b a .
b 1 3
a
Resulta que
Etr f , a, b f ' ' c b a .

1 3
12
Assim, a regra do trapzio de grau um, tal como a do ponto mdio.
Exemplo 5.8
2 sen2 x dx,
6
obtida pela regra do trapzio.
Etr f , 1,6
6 1
3
majr f ' ' x x1,6
53 1
cos 2 2sen2 7.3045.
12 12 2
Regra de Simpson
Para a regra de Simpson (x a)(x (a + b)/2)(x b) muda de sinal em [a,b], mas
ab
x a x x b dx 0.
b
a 2
Fazendo
ab
x3 x1 ,
2
resulta que
x x0 x x1 x x2 x x3 x a x a b x b
2
uma funo com sinal nico (negativo) no intervalo [a,b]. Ento, efectuando os
clculos necessrios,
ab
2

a x a x 2 x bdx 120 b a
b 1 5
E, por conseguinte,
Etr f , a, b f 4 c b a .
1 5
2880
O grau de exactido da regra de Simpson , portanto, trs, uma unidade acima do grau
do polinmio usado na sua construo.
Exemplo 5.9
2 sen2 x dx,
6
obtida pela regra de Simpson.
Etr f , 1,6
6 1
5
majr f 4 x
55 1
9 cos 2 22sen2 3.2213.
2880 x1, 6 2880 8
5.4. Erros de arredondamento
Vamos agora estudar o problema do erro de arredondamento introduzido ao calcular o

valor aproximado dum integral definido, por uma frmula de Newton-Cotes
n
f x dx A0 f x0 A1 f x1 An f xn Ai f xi ,
b
a
i 0
em que
Ai li x dx.
b
Este erro inerente frmula usada, dependendo da exactido com que so calculados
os valores f xi da funo integranda e completamente independente do erro de
truncatura j estudado.
Sendo f xi o majorante do erro de arredondamento de cada aproximao f xi , ao
calcular a aproximao do integral definido, vamos introduzir um erro de
arredondamento, Earr f , a, b , que pode ser avaliado usando a frmula fundamental da
propagao dos erros, vindo
n
E arr f , a, b Ai x f xi .
i 0
No caso frequente de todos os valores da funo integranda estarem avaliados com a
mesma exactido, isto , f xi f , i = 0,1,,n, vem
n
E arr f , a, b f Ai x .
i 0
No caso das frmulas em que os coeficientes so todos positivos, o que se verifica at

regra com 7 subintervalos (n = 7), temos
n n b n
E arr f , a, b f Ai x f li x dx f li x dx,
b
i 0 i 0
a a
i 0
e atendendo a que
l x 1,
i 0
i
vem
Earr f , a, b f 1dx b a f ,
b
ou seja, o erro de arredondamento majorado pelo produto da amplitude do intervalo de

integrao pelo majorante do erro de arredondamento dos valores da funo integranda.
Para regras com uma partio do intervalo de integrao com mais de 7 subintervalos,
pouco utilizadas na prtica, deve-se aplicar a relao geral
n
E arr f , a, b f Ai x
i 0
devido existncia de coeficientes negativos nestas regras, vindo
A x 1.
i 0
i
Exemplo 5.10
Determinemos um majorante para o erro de arredondamento das aproximaes de
2 sen2 x dx,
6
obtidas atravs das regras estudadas, trabalhando com 14 casas decimais.
Earr f , 1,6 6 1f 5 0.5 10 14 2.5 10 14.
Determinemos o valor absoluto do erro total cometido na aproximao obtida pelo
mtodo de Simpson, considerando que se utilizou 14 casas decimais nos
arredondamentos.
Etot f , 1,6 Etr f , 1,6 Earr f , 1,6 3.2214.
5.5. Regras compostas
Aproximaes obtidas pelas regras de Newton-Cotes introduzidas atrs no tm, muitas

vezes, a preciso desejada. A utilizao de frmulas deduzidas aproximando a funo
integranda por polinmios interpoladores de grau superior pode no produzir melhores
resultados, isto por vrias razes:
Os polinmios de grau elevado podem tornar-se fortemente oscilantes, originando

erros de truncatura apreciveis;
As regras de Newton-Cotes, a partir de n = 8, tm coeficientes positivos e negativos,

o que provoca aumentos nos erros de arredondamento do resultado das frmulas;
Para efectuar uma majorao do erro de truncatura h necessidade de calcular e

majorar mdulos de derivadas de ordem elevada.
Uma alternativa s frmulas de alto grau de exactido, reside no emprego das chamadas
regras compostas, cujo princpio passamos a expor.
Observando as expresses do erro de truncatura das vrias frmulas, verificamos que
em todas elas este depende de uma certa potncia do comprimento b a do intervalo de
integrao [a,b]. Ento, uma reduo do comprimento do intervalo tender a reduzir o
erro de truncatura. A explorao desta ideia conduz s regras compostas que consistem
basicamente em subdividir o intervalo [a,b] em N subintervalos ai 1 , ai , com i =
1,,N, a0 a , a N b , e aplicar em cada um destes subintervalos uma das regras de
integrao deduzidas atrs, ou seja, partir da propriedade do integral
N
f x dx f x dx
b ai
a
i 1
ai 1
e calcular cada um dos N integrais do segundo membro por integrao numrica.

Vejamos alguns dos casos mais utilizados, supondo que os subintervalos so todos de
igual amplitude h = (b a)/N. O caso de malhas no-uniformes no oferece dificuldade
de maior.
Regras do rectngulo compostas
Consideremos a regra do rectngulo esquerda composta. Neste caso a frmula

resultante bvia, vindo
N N
I p0 , a, b hf ai 1 h f ai 1 .
i 1 i 1
O erro de truncatura cometido a soma dos erros de truncatura cometidos em cada
subintervalo, pelo que temos
N
h2 N
Etr f , a, b Etr f , ai 1 , ai f ' c ,
i
i 1 2 i 1
onde ci ai 1 , ai . Mas, admitindo que f C 1 a, b e invocando o teorema do valor

mdio para somatrios de valores duma funo, podemos escrever que
h2 N
h2 ba
Etr f , a, b f ' ci Nf ' c f ' c h,
2 i 1 2 2
com c ]a,b[.
Exemplo 5.11
2 sen2 x dx,
6
utilizando a regra do rectngulo esquerda composta. Obtemos
Regra do rectngulo esquerda composta
N h I(p0,[1,6]) erro
1.00000000000000 5.00000000000000 14.54648713412841 -6.36300792646568
2.00000000000000 2.50000000000000 10.86150382002844 -2.67802461236571
3.00000000000000 1.66666666666667 9.88701211457119 -1.70353290690846
4.00000000000000 1.25000000000000 9.43443908464745 -1.25095987698473
5.00000000000000 1.00000000000000 9.17234171171886 -0.98886250405613
6.00000000000000 0.83333333333333 9.00119513941690 -0.81771593175417
7.00000000000000 0.71428571428571 8.88060307774724 -0.69712387008451
8.00000000000000 0.62500000000000 8.79102944110931 -0.60755023344658
9.00000000000000 0.55555555555556 8.72186287111961 -0.53838366345688
10.00000000000000 0.50000000000000 8.66683953177118 -0.48336032410845
Graficamente, para N = 10 (10 subintervalos), temos
p0,1 x f 1
p0,6 x f 3.5

f x 2 sen 2 x
I p0 , 1,6
Um majorante para o valor absoluto do erro de truncatura, considerando 10

subintervalos,
Etr f , 1,6
5 0.5
majr

cos 2 x
0.85.
2 x x1, 6
Um raciocnio totalmente semelhante, leva-nos a obter as expresses equivalentes para a

regra do rectngulo direita composta, as quais so
N N
I p0 , a, b hf ai h f ai ,
i 1 i 1
ba
Etr f , a, b f ' c h,
2
com c ]a,b[.
Exemplo 5.12
2 sen2 x dx,
6
1
utilizando a regra do rectngulo direita composta. Obtemos
Regra do rectngulo direita composta
1.00000000000000 5.00000000000000 5.08678780215553 3.09669140550720
2.00000000000000 2.50000000000000 6.13165415404200 2.05182505362073
3.00000000000000 1.66666666666667 6.73377900391356 1.44970020374917
4.00000000000000 1.25000000000000 7.06951425165424 1.11396495600849
5.00000000000000 1.00000000000000 7.28040184532429 0.90307736233844
6.00000000000000 0.83333333333333 7.42457858408808 0.75890062357464
7.00000000000000 0.71428571428571 7.52921745889397 0.65426174876875
8.00000000000000 0.62500000000000 7.60856702461270 0.57491218305003
9.00000000000000 0.55555555555556 7.67078516756707 0.51269404009566
10.00000000000000 0.50000000000000 7.72086959857389 0.46260960908884
p0,1 x f 1.5
p0,6 x f 4

f x 2 sen 2 x
I p0 , 1,6

subintervalos,
Etr f , 1,6
5 0.5
majr
cos 2 x 0.85.
2 x x1, 6
Pelas expresses dos erros de truncatura, podemos concluir que, se f C 1 a, b , ento

estas regras de integrao produzem um erro que tende para zero com h.
Regra do ponto mdio composta
A regra do ponto mdio composta tambm no oferece dificuldade, pelo que nos
limitamos a apresentar as frmulas finais,
N
h
I p0 , a, b h f ai 1 ,
i 1 2
ba
Etr f , a, b f ' ' c h 2 ,
24
com c ]a,b[.
Exemplo 5.13
2 sen2 x dx,
6
utilizando a regra do ponto mdio composta. Obtemos
Regra do ponto mdio composta
1.00000000000000 5.00000000000000 7.17652050592846 1.00695870173426
2.00000000000000 2.50000000000000 8.00737434926648 0.17610485839625
3.00000000000000 1.66666666666667 8.11537816426261 0.06810104340012
4.00000000000000 1.25000000000000 8.14761979757116 0.03585941009157
5.00000000000000 1.00000000000000 8.16133735182349 0.02214185583924
6.00000000000000 0.83333333333333 8.16842863970697 0.01505056795576
7.00000000000000 0.71428571428571 8.17257234083612 0.01090686682660
8.00000000000000 0.62500000000000 8.17520579866462 0.00827340899811
9.00000000000000 0.55555555555556 8.17698490141748 0.00649430624524
10.00000000000000 0.50000000000000 8.17824396236809 0.00523524529463
p0,1 x f 1.25
p0,6 x f 3.75
I p0 , 1,6
f x 2 sen 2 x

subintervalos,
Etr f , 1,6
5 0.5 2
majr

cos 2 x 2 x sen 2 x
3
24 2x 2 x1, 6
5 0.5 1
2
cos 2 2sen2 0.0366.
24 2
A convergncia desta regra quadrtica em h para funes f C 2 a, b .
Regra do trapzio composta
Neste caso temos que
f ai 1 f ai h 1 f a f ai 1 f b.
N N 1
I p1 , a, b
h
i 1 2 2 i 1 2
A circunstncia de esta regra utilizar valores de integranda nos extremos dos

subintervalos faz com que o valor direita dum subintervalo coincida com o valor
esquerda do subintervalo seguinte, daqui resultando uma importante economia
computacional.
O erro de truncatura vem agora dado por
ba
Etr f , a, b f ' ' c h 2 .
12
com c ]a,b[.
Exemplo 5.14
2 sen2 x dx,
6
utilizando a regra do trapzio composta. Obtemos
Regra do trapzio composta
1.00000000000000 5.00000000000000 9.81663746814197 -1.63315826047924
2.00000000000000 2.50000000000000 8.49657898703522 -0.31309977937249
3.00000000000000 1.66666666666667 8.31039555924237 -0.12691635157965
4.00000000000000 1.25000000000000 8.25197666815085 -0.06849746048812
5.00000000000000 1.00000000000000 8.22637177852158 -0.04289257085885
6.00000000000000 0.83333333333333 8.21288686175249 -0.02940765408976
7.00000000000000 0.71428571428571 8.20491026832061 -0.02143106065788
8.00000000000000 0.62500000000000 8.19979823286100 -0.01631902519827
9.00000000000000 0.55555555555556 8.19632401934334 -0.01284481168061
10.00000000000000 0.50000000000000 8.19385456517253 -0.01037535750980
p1,1 x
p1, 2 x
p1,3 x
p1, 4 x
p1,5 x

I p1 , 1,6

f x 2 sen 2 x

subintervalos,
Etr f , 1,6
5 0.5 2
majr

cos 2 x 2 x sen 2 x
3
12 2x 2 x1, 6
5 0.5 2 1
cos 2 2sen2 0.0731.
12 2
Regra de Simpson composta
Obtemos as seguintes expresses
h N 1 N
h
I p 2 , a, b f a f b 2 f a i 4 f ai 1 ,
6 i 1 i 1 2
b a 4
Etr f , a, b f c h 4 .
2880
com c ]a,b[.
Agora, se a funo f C 4 a, b , o erro de truncatura tende para zero com h 4 , uma

convergncia bastante rpida, portanto.
Exemplo 5.15
2 sen2 x dx,
6
utilizando a regra de Simpson composta. Obtemos
Regra de Simpson composta
1.00000000000000 5.00000000000000 8.05655949333297 0.12691971432976
2.00000000000000 2.50000000000000 8.17044256185606 0.01303664580667
3.00000000000000 1.66666666666667 8.18038396258920 0.00309524507353
4.00000000000000 1.25000000000000 8.18240542109772 0.00107378656501
5.00000000000000 1.00000000000000 8.18301549405618 0.00046371360655
6.00000000000000 0.83333333333333 8.18324804705547 0.00023116060725
7.00000000000000 0.71428571428571 8.18335164999762 0.00012755766511
8.00000000000000 0.62500000000000 8.18340327673008 0.00007593093265
9.00000000000000 0.55555555555556 8.18343127405944 0.00004793360329
10.00000000000000 0.50000000000000 8.18344749663624 0.00003171102649
p1,1 x
p1, 2 x
p1,3 x
p1, 4 x
p1,5 x

I p2 , 1,6

f x 2 sen 2 x
subintervalos,
5 0.5 4 1
Etr f , 1,6 9 cos 2 22sen2 3.2213 10 4.
2880 8
Observando a expresso do erro de truncatura de qualquer das regras compostas, vemos

que uma aplicao extrema interessante destas regras, decorre de podermos escolher
previamente a partio do intervalo de integrao (valor N), de modo a que o mdulo do
erro de truncatura no exceda um dado nmero positivo.
Exemplo 5.16
2 sen2 x dx,
6
utilizando a regra de Simpson composta. Determinemos uma partio do intervalo de

integrao de modo a garantir que o mdulo do erro de truncatura no exceda 0.001.
Etr f , 1,6
N
5 5
4
1
9 cos 2 22sen2 0.001
2880 8
1
9 cos 2 22sen2 55
8
N4 N 7.5336.
2880 0.001
Portanto, fazemos N = 8.
Erro de arredondamento
Supondo que os valores da funo, f xi , esto todos calculados com arredondamento

simtrico mesma ordem decimal f xi f (i =0,,N) e n 7, podemos majorar o
erro de arredondamento por
N
ba
E arr f , a, b f b a f ,
i 1 N
resultado idntico ao achado para as regras simples, de coeficientes positivos,

mostrando a independncia do majorante em relao partio escolhida. Aumentando
o nmero de pontos da partio, o majorante do mdulo do erro de truncatura diminui e
o erro de arredondamento mantm-se constante. No limite, quando N , temos
Etr f , a, b 0,
ficando o erro total reduzido ao erro de arredondamento.
Note-se que esta concluso no pode ser tirada com as frmulas simples pois, quando n
aumenta, varia a ordem da derivada na expresso do erro de truncatura. O erro de
arredondamento pode ser controlado, calculando os valores da funo com um elevado
nmero de algarismos significativos.
5.6. Integrao com splines
Um processo de obter frmulas de integrao com aspecto semelhante ao das frmulas

compostas, consiste em recorrer a splines em vez de polinmios de classe C a, b .
De facto, a utilizao do spline de grau zero, consoante a posio escolhida para os
pontos de interpolao, permite obter as vrias frmulas do rectngulo, e o spline de
grau um reproduz a regra do trapzio composta. No entanto, os splines de ordem
superior do origem a regras diferentes. Tomemos, para exemplificar, o spline cbico
xi x 3 x xi 1 3 h x x
2
h x xi 1
2
S i x M i 1 Mi yi 1 M i 1 i i yi M i i .
6hi 6hi 6 hi 6 hi
para x xi 1 , xi . Integrando em xi 1 , xi , vem
3
hi
S i x dx yi 1 yi hi M i 1 M i .
xi

xi 1 2 24
Somando as contribuies de cada subintervalo xi 1 , xi , chegamos expresso
hi n 3

I S , a, b S x dx yi 1 yi
hi
M i 1 M i .
b
i 1
2 24
a
Interpolando a funo f por um spline e aplicando a expresso acima, obtemos um valor

aproximado de I(f,[a,b]), fazendo I(f,[a,b]) I(S,[a,b]).
Exemplo 5.17
2 sen2 x dx,
6
utilizando um spline cbico natural. Obtemos
Regra do Spline cbico natural
n h I(S,[1,6]) erro
1.00000000000000 5.00000000000000 9.81663746814197 -1.63315826047924
2.00000000000000 2.50000000000000 8.16656436675853 0.01691484090420
3.00000000000000 1.66666666666667 8.15977136835241 0.02370783931032
4.00000000000000 1.25000000000000 8.16988853398498 0.01359067367775
5.00000000000000 1.00000000000000 8.17508492132405 0.00839428633868
6.00000000000000 0.83333333333333 8.17811669458971 0.00536251307302
7.00000000000000 0.71428571428571 8.17986331730359 0.00361589035914
8.00000000000000 0.62500000000000 8.18094031072519 0.00253889693754
9.00000000000000 0.55555555555556 8.18163285315493 0.00184635450780
10.00000000000000 0.50000000000000 8.18209710689714 0.00138210076559
Graficamente, para n = 10 (10 subintervalos), temos
S1 x
S 2 x
S3 x
S 4 x
S5 x

I S , 1,6
f x 2 sen 2 x
Exemplo 5.18
2 sen2 x dx,
6
utilizando um spline cbico completo, com y0 cos2 e y n cos 2 6 6 . Obtemos
Regra do Spline cbico completo
n h I(S,[1,6]) erro
1.00000000000000 5.00000000000000 8.79188571749069 -0.60840650982796
2.00000000000000 2.50000000000000 8.24039104937239 -0.05691184170967
3.00000000000000 1.66666666666667 8.19653425361445 -0.01305504595173
4.00000000000000 1.25000000000000 8.18792968373514 -0.00445047607241
5.00000000000000 1.00000000000000 8.18538170849552 -0.00190250083280
6.00000000000000 0.83333333333333 8.18442153534551 -0.00094232768278
7.00000000000000 0.71428571428571 8.18399696728691 -0.00051775962418
8.00000000000000 0.62500000000000 8.18378648675708 -0.00030727909435
9.00000000000000 0.55555555555556 8.18367276316246 -0.00019355549973
10.00000000000000 0.50000000000000 8.18360704766602 -0.00012784000329
Graficamente, para n = 10 (10 subintervalos), temos
S1 x
S 2 x
S3 x
S 4 x
S5 x

I S , 1,6
f x 2 sen 2 x
Quadro resumo
Mtodo
Frmula Erro de tuncatura(1) Erro total
numrico
Regra do
I f , a, b b a f a Etr f , a, b L1 b a
1 2 Earr f , a, b b a f ,
rectngulo
esquerda
2 sendo f o
Regra do majorante do
I f , a, b b a f b Etr f , a, b L1 b a
1
Simples
2
rectngulo mdulo do erro
2 de
direita
arredondamento
ab
I f , a, b b a f Etr f , a, b
Regra do ponto 1
L2 b a

3
de cada
mdio 2 24
aproximao
Regra do
I f , a, b
ba
f a f b Etr f , a, b
1
L2 b a
3 f xi .
trapzio 2 12
Regra de ba a b
Etr f , a, b L4 b a
1
I f , [a, b] f a 4 f f b
5
Simpson 6 2 2880
Regra do
ba
Etr f , a, b
N N
rectngulo I p0 , a, b hf ai 1 h f ai 1 L1 h
i 1 i 1 2
esquerda
Regra do N N
ba
rectngulo I p 0 , a, b hf a i h f a i Etr f , a, b L1 h
i 1 i 1 2
Composta
direita
N
h ba
Regra do ponto I p0 , a, b h f ai 1 Etr f , a, b L2 h 2
mdio i 1 2 24
1 ba
Etr f , a, b
N 1
Regra do I p1 , a, b h f a f ai f b
1
L2 h 2
trapzio 2 i 1 2 12
h N 1 N
h
I p2 , a, b f a f b 2 f ai 4 f ai 1 ba
Etr f , a, b
Regra de 6 i 1 i 1 2 L4 h 4
Simpson 2880
I S , a, b S x dx
b
Diferenciao a
com splines nh h
3

cbicos i y i 1 y i i M i 1 M i
2
i 1 24
(1) No possvel calcular o erro de truncatura, mas podemos procurar um limite superior para o mdulo do erro de truncatura,
onde Lk majr f k x .
xa ,b
6. Integrao Numrica de Equaes Diferenciais
6.1. Introduo
Equaes diferenciais aparecem com grande frequncia em modelos que descrevem

quantitativamente fenmenos em diversas reas, como por exemplo, mecnica de
fluidos, fluxo de calor, vibraes, reaces qumicas e nucleares, economia, biologia,
etc.
Definio 6.1
Equaes envolvendo derivadas de funes, chamam-se equaes diferenciais.
Exemplo 6.1
O seguinte sistema composto de duas equaes diferenciais.
Li' t E Ri v I i, v
.
Cv' t f v i V i, v
Definio 6.2
Se uma equao diferencial tem apenas uma varivel independente

f x, yx , y' x y n x 0,
ento ela chama-se equao diferencial ordinria.
Sero este tipo de equaes diferenciais que iremos estudar.
Exemplo 6.2
So exemplos de equaes diferenciais ordinrias:
y ' y x;
y' x 2 y 2 ;

y ' ' 1 y 2 y ' y 0.
Definio 6.3
Se uma equao diferencial envolve mais que uma varivel independente
y y n y
f x1 xn , yx1 xn , , , ,, k1 0,

x1 xn x1 xn n
k

Onde k1 k n n , ento chama-se equao diferencial parcial.
Exemplo 6.3
exemplo de uma equao diferencial parcial:
2 z 2 z
0,
x 2 y 2
com z z(x,y).
Uma soluo de uma equao diferencial ordinria uma funo da varivel

independente que satisfaa a equao. Assim,
a) y = y tem yx kex , k IR, como soluo;
b) y = 0 satisfeita para yx p2 x , onde p 2 x qualquer polinmio de grau 2.
Isto ilustra um facto bem geral: uma equao diferencial possui uma famlia de solues
e no apenas uma. Os grficos seguintes mostram-nos uma famlia de solues de y = y
e de y = - y.
y' y yx kex
y' y yx ke x
A equao do exemplo a) de primeira ordem, ao passo que a do exemplo b) de 3

ordem. Assim, temos
Definio 6.4
Uma equao diferencial ordinria diz-se de ordem n se a n-sima derivada da

varivel dependente em relao varivel independente a derivada de maior ordem
na equao.
Definio 6.5
Uma equao diferencial ordinria dita linear se a funo e suas derivadas aparecem
linearmente na equao,
y n g1 x y n1 g n y r x .
Exemplo 6.4
Assim,
xy ' x y
linear e

y' ' 1 y 2 y' y 0
no linear.
Definio 6.6
Uma equao diferencial ordinria linear homognea se r(x) = 0.
Exemplo 6.5
A equao

x 2 y' ' ' xy ' x 2 1 y 0
linear homognea e
y' '4 y e x senx
linear no homognea.
Os mtodos analticos de resoluo de equaes diferenciais, isto , mtodos que visem

a obteno da expresso analtica da funo soluo, variam muito de acordo com as
caractersticas da equao. De facto, em muitas situaes ainda no se conhecem
mtodos de resoluo, em particular, nas equaes diferenciais no lineares.
Desta forma, iremos abordar alguns mtodos numricos de resoluo de equaes
diferenciais ordinrias. J que, como ilustram os exemplos a) e b), uma equao
diferencial no possui soluo nica, vemos que para individualizar uma soluo, temos
de impor condies suplementares. Em geral, uma equao de ordem n requer n
condies adicionais a fim de ter uma nica soluo.
Estas condies podem ser de dois tipos:
Condies iniciais: devem ser satisfeitas para um mesmo valor da varivel

independente.
Condies fronteira: devem ser satisfeitas para mais do que um valor da varivel
independente.
Deste modo, distinguimos dois tipos de problemas:
1. Problema de valor inicial (PVI)
Exemplo 6.6
Ay x By x Cyx g x , y0 y0 , y 0 v0 .
2. Problema de valor fronteira (PVF)
Exemplo 6.7
y x Dy x Ey x hx , y0 y0 , yL y L , 0 x L .
6.2. Problemas de valor inicial
Os mtodos que estudaremos baseiam-se em: dado o PVI
y ' x f x, y x
,
y x0 y0
construmos x1 , x2 , que, embora no necessariamente, para ns sero igualmente

espaados, ou seja, xi 1 xi h x0 i 1h , i =1,2,, e calculamos as aproximaes
yi yxi nestes pontos, utilizando informaes anteriores. Ao valor h chamamos
passo e, neste caso dizemos que se utiliza passo constante ou uniforme. Se
xi 1 xi hi , com hi hi , estamos a utilizar um passo varivel.
A razo mais forte de introduzirmos mtodos numricos para aproximar solues de
PVI a dificuldade de se encontrar, analiticamente, as solues da equao. Em muitos
casos, a teoria nos garante existncia e unicidade de soluo, mas no sabemos qual a
expresso analtica desta.
Teorema 6.1
Se f(x,y) e f/y so contnuas numa regio R do plano que contm o ponto x0 , y0 ,

ento existe uma s funo y = y(x) definida em x0 h, x0 h , h IR , que satisfaz a
equao diferencial y = f(x,y) e a condio inicial yx0 y0 .
Quando para calcular y i usamos apenas y i 1 o mtodo numrico diz-se de passo

simples. No caso de y i ser obtido a partir de mais de uma aproximao anterior,
yi 1 , yi 2 ,, yi r , (r 2), o mtodo diz-se de passo mltiplo.
Mtodos de Runge-Kutta
Os mtodos que usam o desenvolvimento em srie de Taylor de y(x) teoricamente

fornecem soluo para qualquer equao diferencial. No entanto, do ponto de vista
computacional, os mtodos de srie de Taylor de ordem mais elevada so considerados
inaceitveis pois, a menos de uma classe restrita de funes f(x,y), o clculo das
derivadas totais envolvidas extremamente complicado. Desta forma existem os

mtodos de Runge-Kutta que aproveitam as qualidades dos mtodos de srie de
Taylor, mas eliminam o seu maior defeito que o clculo de derivadas de f(x,y).
Podemos dizer que os mtodos de Runge-Kutta de ordem p se caracterizam pelas trs

propriedades:
So de passo simples;
No exigem o clculo de qualquer derivada de f(x,y). Pagam, por isso, o preo de

calcular f(x,y) em vrios pontos;
Aps expandir f(x,y) por Taylor para funo de duas variveis em torno de xn , y n
e agrupar os termos semelhantes, sua expresso coincide com a do mtodo de srie
de Taylor de mesma ordem.
Mtodo de Runge- Kutta de 1 ordem - mtodo de Euler
Um mtodo numrico que podemos aplicar soluo aproximada de um PVI
y ' x f x, y x
,
y x0 y0
o mtodo de Euler, o qual consiste em: como conhecemos x 0 e y0 yx0 , ento

sabemos calcular y x0 f x0 , y0 . Assim, a recta que passa por x0 , y0 com
coeficiente angular y x0 , r(x), conhecida:
r x yx0 x x0 y ' x0
r x y0 x x0 f x0 , y0
Escolhido h > 0, sejam xk 1 xk h x0 k 1h , k = 0,1,2,. Ento, fazemos
yx1 y1 r x1 y0 hf x0 , y0 .
O raciocnio repetido em x1 , y1 e obtemos y 2 y1 hf x1 , y1 e assim

sucessivamente. Deste modo, o mtodo de Euler estabelece-se atravs da forma
recursiva
y k 1 y k hf xk , y k , k 0,1,2
Exemplo 3.8
Seja xy = x y e y(2) = 2. Determinemos valores aproximados de y(2.1) para alguns

valores de h, utilizando o mtodo de Euler.

Mtodo de Euler
h y_(2.1) erro
0.10000000000000 2.00000000000000 0.00238095238095
0.01000000000000 2.00215311004785 0.00022784233311
0.00100000000000 2.00235826584088 0.00002268654008
0.00010000000000 2.00237868469928 0.00000226768167
0.00001000000000 2.00238072562253 0.00000022675842
Graficamente, para h = 0.00001, temos
x2 4
yx
2x
2.002381
r x 1.906126 0.046515x
2.1
Erro de truncatura
Ao calcular y n como aproximao de yxn , na sequncia do processo iterativo do

mtodo de Euler, cometemos um erro de truncatura
En yxn yn ,
chamado erro de truncatura global da aproximao y n .

Admitindo a hiptese de y C 2 a, b , com x0 , x1 , a, b, xn1 xn h , e
lembrando que y xn f xn , yxn , temos
h2
yxn 1 yxn hf xn , yxn y ' ' cn ,
2

com c n entre x n e x n 1 .
O termo
h2
Tn y ' ' cn
2
chamado o erro de truncatura local e sendo y(x) contnua num intervalo fechado
[a,b] limitada nesse intervalo, isto , existe M > 0 tal que
y' ' x M , x a, b,
donde
M 2
Tn h Ch 2 ,
2
sendo a constante real C = M2 independente do passo h, o que permite concluir que o

erro de truncatura local, Tn , de ordem 2 e escrever Tn Oh 2 .
O erro de truncatura global surge como um acumulado dos erros de truncatura locais,
propagados de iterao em iterao.
Teorema 6.2
Seja y n a soluo aproximada de
y ' x f x, y x
y x0 y0
obtida pelo mtodo de Euler. Se a soluo exacta y(x) do problema anterior possui uma
derivada de segunda ordem contnua no intervalo [a,b], e se nesse intervalo as
desigualdades
f yx, y L,
y' ' x M ,
forem satisfeitas para constantes positivas L e M, o erro En yxn y n do mtodo de

Euler, num ponto xn x0 nh , majorado da seguinte maneira:
En
2L
e
hM L xn x0
1 .
Este resultado permite retirar duas concluses importantes:

lim En lim yxn yn 0 lim yn yxn , ficando demonstrada a convergncia
h0 h0 h0
do mtodo de Euler.
En Ch, com
C
2L
e
M L xn x0

1 0
e independentemente de h, mostrando assim que o erro de truncatura global do

mtodo O(h).
Seguindo um raciocnio perfeitamente anlogo ao acabado de efectuar, poderamos

concluir que, num mtodo de passo simples, se o erro de truncatura local O h p 1 ,

ento o erro de truncatura global O h p .
Exemplo 6.9
Seja xy = x y e y(2) = 2. Determinemos majorantes para os erros de truncatura local e

global cometidos no clculo do valor aproximado de y(2.1) para h = 0.00001, utilizando
o mtodo de Euler.
Majorante para o erro de truncatura local:
Tn
1
0.000012 2.5 1011.
4
Majorante para o erro de truncatura global:
0.00001 12 2.12
En e 1 2.563555 107.
2
Erros de arredondamento
No estudo anterior no se teve em conta os erros de arredondamento, inevitveis pela

preciso finita de cada iterao, os quais se propagam e acumulam, aumentando quando
h diminui por aumentarem o nmero de passos.
Sendo E arr o erro de arredondamento associado ao erro de truncatura global E n e
Etotal En Earr o erro total da aproximao, teremos
lim Etotal lim En Earr 0,

h0 h0
mostrando que no tem interesse a diminuio indefinida do passo.
Mtodos de Runge-Kutta de 2 ordem
Os mtodos de Runge-Kutta de 2 ordem so definidos da seguinte forma:

yk 1 yk h A1 K1 A2 K 2 ,
K1 f xk , yk ,
K 2 f xk a1h, yk b11K1h , k 0,1,
onde temos quatro constantes a determinar.

Para haver concordncia com o mtodo de srie de Taylor at aos termos em h 2
preciso que

A1 A2 1

1
A2 a1 ,
2
1
A2b11 2
que um sistema, no linear, de trs equaes e quatro incgnitas. Assim, o sistema

possvel e indeterminado, donde se conclui que no h apenas uma verso do mtodo de
Runge-Kutta de 2 ordem, mas sim uma famlia de mtodos dependendo do valor da
incgnita (incgnita arbitrria) fixado previamente.
Mtodo de Runge-Kutta de 2 ordem mtodo de Euler aperfeioado
Para este mtodo fixamos A2 1 2 , vindo
1
A1 A2
2.
a1 b11 1
O mtodo de Euler aperfeioado fica assim definido por
y k 1 y k
h
f xk , yk f xk h, yk hf xk , y k , k 0,1,
2
Exemplo 6.10
valores de h, utilizando o mtodo de Euler aperfeioado.
Mtodo de Euler aperfeioado
h y_(2.1) erro
0.10000000000000 2.00238095238095 0
0.01000000000000 2.00238095238095 0.00000000000000
0.00100000000000 2.00238095238095 0.00000000000000
0.00010000000000 2.00238095238095 0.00000000000000

0.00001000000000 2.00238095238096 -0.00000000000001
x2 4
yx
2x
2.002381 r x
2.1
Qualquer mtodo de Runge-Kutta de 2 ordem tem um erro de truncatura local O h 3 . O

erro de truncatura global ser O h 2 .
Mtodos de Runge-Kutta de ordem m
Os mtodos de Runge-Kutta de ordem m so definidos da seguinte forma:

m
yk 1 yk h Ai K i ,
i 1
K1 f xk , yk ,
j

K j 1 f xk a j h, yk h b js K s , j 1, , m 1.

s 1
Vejamos por ltimo, o caso particular dos mtodos de Runge-Kutta de 4 ordem.
Mtodos de Runge-Kutta de 4 ordem
Os mtodos de Runge-Kutta de 4 ordem so definidos da seguinte forma:

y k 1 y k h A1 K 1 A2 K 2 A3 K 3 A4 K 4 ,
K 1 f x k , y k ,
K 2 f x k a1 h, y k b11K1 h ,
K 3 f x k a 2 h, y k b21K 1 h b22 K 2 h ,
K 4 f x k a3 h, y k b31K 1 h b32 K 2 h b33 K 3 h
H necessidade de calcular treze constantes, havendo disponveis apenas dez equaes,

pelo que h necessidade de fixar arbitrariamente trs incgnitas para determinar
univocamente as restantes dez.
A verso clssica, que se apresenta em seguida, a mais popular dos mtodos de
Runge-Kutta.
yk 1 yk h 6 K1 2 K 2 2 K 3 K 4 ,
K1 f xk , yk ,
K 2 f xk h 2 , yk 1 2 K1h ,
K 3 f xk h 2 , yk 1 2 K 2 h ,
K 4 f xk h, yk K 3 h , k 0,1,
Exemplo 6.11

valores de h, utilizando o mtodo de Runge-Kutta de 4 ordem.
Mtodo de Runge-Kutta de 4 ordem
h y_(2.1) erro
0.10000000000000 2.00238095238095 0
0.01000000000000 2.00238095238095 0.00000000000000
0.00100000000000 2.00238095238095 0.00000000000000
0.00010000000000 2.00238095238095 0.00000000000000
0.00001000000000 2.00238095238096 -0.00000000000001

x2 4
yx
2x
2.002381 r x
2.1
Qualquer mtodo de Runge-Kutta de 4 ordem tem um erro de truncatura local O h 5 .

O erro de truncatura global O h 4 .
Equaes de ordem superior (sistemas de equaes diferenciais de 1ordem)
Em vrios problemas de valor inicial, o modelo matemtico pode ser descrito por mais
do que uma equao diferencial. Outros casos h porm, em que o modelo descrito
por uma equao diferencial mas de ordem superior a um, ou seja, comum
encontrarmos equaes diferenciais de ordem n escritas na forma:

y n x f x, yx , y' x y n1 x ,
com condies iniciais:
y x0 y0
y ' x0 y '0
.

y n 1 x0 y 0n 1
Exemplo 6.12
y ' '4 y '3 y x 0

y 0 4 9 .
y ' 0 7 3

fcil transformar uma equao de ordem n deste tipo num sistema de n equaes de
ordem 1, assim:
z1 y

z '1 y ' z 2

,
z ' y n 1 z
n 1 n
z 'n y f x, z1 , z 2 , , z n
n
com condies iniciais:
z1 x0 y x0 y0
z 2 x0 y ' x0 y '0
.

z n x0 y n 1 x0 y 0n 1
Exemplo 6.13
Para o exemplo anterior, fazemos
y' z
,
z' y' ' 4 z 3 y x
com as condies iniciais
y0 4 9
.
z 0 y ' 0 7 3
De um modo mais geral, podemos ento, ter um problema de valor inicial dado por um
sistema de n equaes diferenciais:
y '1 f1 x, y1 , y2 , , yn

,
y 'n 1 f n 1 x, y1 , y2 , , yn
y 'n f n x, y1 , y2 , , yn

y1 x0 y01

.
yn 1 x0 y0n 1
yn x0 y0n

Exemplo 6.14
Um exemplo de um PVI composto de duas equaes diferenciais de 1 ordem o que se

segue:
y ' y 2 z, y 0 6
.
z ' 3 y 2 z, z 0 4
Na forma matricial, o PVI toma a forma:
y '1 f1 x, y1 , , y n
. F x, Y
Y

y '
n n f x , y1 , , y
n
.
y 1
0

Y x Y
0 0
n
y0
Uma soluo deste sistema um vector y1 x ,, y n x de funes diferenciveis que

quando substitudas em f1 ,, f n do respectivamente y1 x ,, y n x e que satisfazem
as condies iniciais indicadas.
Uma soluo numrica num conjunto discreto de pontos x0 , x1 , obtida com base em
qualquer um dos mtodos de Runge-Kutta. Vamos, em seguida, apresentar os mtodos
de Runge-Kutta estudados para o caso de um sistema de duas equaes diferenciais de
1 ordem. Facilmente se deduzem para qualquer sistema com n equaes diferenciais de
1 ordem.
Seja xk 1 xk h , k =0,1,e
. y ' f x, y, z
Y F x, Y
z ' g x, y, z
.
Y x y
0
Y
0 z0 0

Mtodo de Euler:
y y k hf xk , y k , z k
Yk 1 Yk hF xk , Yk k 1 .
z k 1 z k hg xk , y k , z k

Mtodo de Euler aperfeioado:
y k 1 y k h 2 f1 f 2
z z h 2 g g
k 1 k 1 2
h
1f f x , y , z
Yk F x k , Yk F x k h, Yk h Y k
.
k k k
Yk 1
2 g1 g x k , y k , z k
f 2 f x k h, y k hf1 , z k hg1

g 2 g x k h, y k hf1 , z k hg1
Mtodo de Runge-Kutta de 4 ordem:
y k 1 y k h 6 f1 2 f 2 2 f 3 f 4
z z h 6 g 2 g 2 g g
k 1 k 1 2 3 4
Yk 1 Yk h 6 K 1 2 K 2 2 K 3 K 4 f1 f x k , y k , z k , g1 g x k , y k , z k
K F x , Y
1 k k f 2 f x k h 2 , y k h 2 f1 , z k h 2 g1

K 2 F x k h 2 , Yk 1 2 K 1 h g 2 g x k h 2 , y k h 2 f1 , z k h 2 g1
K F x h 2 , Y 1 2 K h f f x h 2 , y h 2 f , z h 2 g
3 k k 2
3 k k 2 k 2
K 4 F x k h, Yk K 3 h g 3 g xk h 2 , y k h 2 f 2 , z k h 2 g 2

f 4 f x k h, y k hf 3 , z k hg 3
g 4 g x k h, y k hf 3 , z k hg 3
Exemplo 6.15
Seja
y ' '4 y '3 y x 0

y 0 4 9 .
y ' 0 7 3
Determinemos valores aproximados de y(0.1) para alguns valores de h, utilizando:
a) O mtodo de Euler;
b) O mtodo de Euler aperfeioado;
c) O mtodo de Runge-Kutta de 4 ordem.
Como j vimos, este PVI equivalente a:
y' z
,
z' y' ' 4 z 3 y x

y0 4 9
.
z 0 y ' 0 7 3
Mtodo de Euler:
Mtodo de Euler
h y_(0.1) erro z_(0.1) erro
0.10000000000000 0.67777777777778 0.04431894006756 3.13333333333333 0.13295682020267
0.01000000000000 0.71681455941700 0.00528215842834 3.25044367825099 0.01584647528502
0.00100000000000 0.72155797277023 0.00053874507511 3.26467391831069 0.00161623522532
0.00010000000000 0.72204273550384 0.00005398234149 3.26612820651152 0.00016194702449
0.00001000000000 0.72209131853024 0.00000539931510 3.26627395559071 0.00001619794530
4 3x 8e3x
yx
9
r x
0.722091
0.1
Mtodo de Euler aperfeioado:

Mtodo de Euler aperfeioado
0.10000000000000 0.71777777777778 0.00431894006756 3.25333333333333 0.01295682020267
0.01000000000000 0.72204392495349 0.00005279289184 3.26613177486048 0.00015837867553
0.00100000000000 0.72209617911535 0.00000053872999 3.26628853734605 0.00000161618996
0.00010000000000 0.72209671244712 0.00000000539822 3.26629013734135 0.00000001619466

0.00001000000000 0.72209671779135 0.00000000005399 3.26629015337405 0.00000000016195
4 3x 8e3x
yx
9
r x
0.722097
0.1
Mtodo de Runge-Kutta de 4 ordem:

0.10000000000000 0.72207777777778 0.00001894006756 3.26623333333333 0.00005682020267
0.01000000000000 0.72209671547556 0.00000000236978 3.26629014642668 0.00000000710933
0.00100000000000 0.72209671784509 0.00000000000024 3.26629015353528 0.00000000000073
0.00010000000000 0.72209671784534 -0.00000000000000 3.26629015353601 -0.00000000000000
0.00001000000000 0.72209671784534 -0.00000000000000 3.26629015353599 0.00000000000001

4 3x 8e3x
yx
9
r x
0.722097
0.1
Nos exemplos anteriores, determinamos um valor aproximado para a soluo do PVI

num ponto x. Geralmente, interessa-nos determinar a soluo numrica num intervalo
[a,b], considerando para tal um nmero finito de pontos em [a,b]. A soluo numrica
num intervalo d-nos um nmero finito de aproximaes das verdadeiras solues do
PVI nesse intervalo, mostrando-nos desta forma uma aproximao do comportamento
da soluo do PVI nesse intervalo.
Exemplo 6.16
Seja xy = x y e y(2) = 2. Determinemos valores aproximados de y no intervalo [2,2.1],

atravs do mtodo de Runge-Kutta de 4 ordem, utilizando alguns valores de h.

h=0.1
x y erro
2.00000000000000 2.00000000000000 0.00000000000000
2.10000000000000 2.00238095238095 -0.00238095238095

h=0.01
x y erro
2.00000000000000 2.00000000000000 0.00000000000000
2.01000000000000 2.00002487562189 -0.00002487562189
2.02000000000000 2.00009900990099 -0.00007413427910
2.03000000000000 2.00022167487685 -0.00012266497586
2.04000000000000 2.00039215686274 -0.00017048198590
2.05000000000000 2.00060975609756 -0.00021759923482
2.06000000000000 2.00087378640777 -0.00026403031021
2.07000000000000 2.00118357487923 -0.00030978847146

2.08000000000000 2.00153846153846 -0.00035488665923
2.09000000000000 2.00193779904306 -0.00039933750460
2.10000000000000 2.00238095238095 -0.00044315333789
x2 4
yx
2x
Exemplo 6.17
Seja
y ' '4 y '3 y x 0

y 0 4 9 .
y ' 0 7 3
Determinemos valores aproximados de y no intervalo [0,0.1], atravs do mtodo de

Runge-Kutta de 4 ordem, utilizando alguns valores de h.
Como j vimos, este PVI equivalente a:
y' z
,
z' y' ' 4 z 3 y x

y0 4 9
.
z 0 y ' 0 7 3

h=0.1
x y erro z erro
0.00000000000000 0.44444444444444 0.00000000000000 2.33333333333333 0.00000000000000
0.10000000000000 0.72207777777778 -0.27763333333333 3.26623333333333 -0.93290000000000

h=0.01
x y erro z erro
0.00000000000000 0.44444444444444 0.00000000000000 2.33333333333333 0.00000000000000
0.01000000000000 0.46818180777778 -0.02373736333333 2.41454542333333 -0.08121209000000
0.02000000000000 0.49274359655638 -0.02456178859770 2.49823078966915 -0.08368536579310
0.03000000000000 0.51815491827280 -0.02541132134360 2.58446475481842 -0.08623396403079
0.04000000000000 0.54444164505657 -0.02628672620750 2.67332493516972 -0.08886017862249
0.05000000000000 0.57163043696085 -0.02718879111252 2.76489131088256 -0.09156637333756
0.06000000000000 0.59974876595830 -0.02811832797761 2.85924629787492 -0.09435498393283
0.07000000000000 0.62882494066770 -0.02907617344832 2.95647482200311 -0.09722852034495
0.08000000000000 0.65888813183361 -0.03006318964984 3.05666439550083 -0.10018956894951
0.09000000000000 0.68996839858201 -0.03108026496298 3.15990519574603 -0.10324079488895
0.10000000000000 0.72209671547556 -0.03212831482378 3.26629014642668 -0.10638494447135
4 3x 8e3x
yx
9

Condicionamento
O efeito de variaes nas condies iniciais na soluo do problema crucial quando se

pretende resolver numericamente um PVI.
Exemplo 6.18
Consideremos o problema definido por
y ' 10 y 10 x 1, x0
,
y0 0
cuja soluo y = x. Se a condio inicial substituda por
y0 ,
a soluo exacta ento y e10x x . Tomando por exemplo 0.5 10 6 , tem-se

y(2;) = 244.582. Note-se que y(2;0) = 2. Assim a uma variao de 0.5 10 6 na
condio inicial corresponde uma variao de cerca de 242 unidades na soluo para x
= 2.
0.5 106
Este um exemplo dum PVI mal condicionado.

Porm, o problema
y ' 10 y 10 x 1, x0
,
y0 1
bem condicionado.

1 0.5 106
6.3. Problemas de valor fronteira
Daremos especial enfse importante classe de problemas definidos pela equao de

segunda ordem
y' ' f x, y, y', x a, b, (6.1)
com condies de fronteira
a1 y a a2 y ' a ,
b1 y b b2 y ' b ,
(6.2)
a1 a2 0,
2 2
b1 b2 0.
2 2
Com frequncia, as condies de fronteira tomam a forma seguinte, sendo os valores de

y especificados para x = a e x = b,
ya , yb . (6.3)
Se a equao diferencial e as condies de fronteira forem lineares, ento diz-se que o

PVF linear. Assim
y' ' px y'qx y r x , x a, b,
e (6.2) (ou (6.3)) definem um problema linear de segunda ordem com condies de
fronteira. Existem dois teoremas que estabelecem a existncia e unicidade da soluo do
PVF (6.1)(6.2), no caso de ser linear e no linear. Neste captulo assumiremos que
condies que garantem existncia e unicidade de soluo do PVF em estudo so
satisfeitas. Para resolver este tipo de problemas, utilizamos o chamado mtodo de
shooting.

Mtodo de shooting
O mtodo de shooting baseia-se na converso do PVF dado num PVI equivalente. O

procedimento ilustrado atravs do seguinte exemplo.
Exemplo 6.19
Consideremos o seguinte PVF
d 2T
h' Ta T 0,
dx 2
T 0 40,
T 10 200,
onde T(x) uma funo que mede a temperatura de uma vara de 10m, h 0.01m 2 e
Ta 20 C .
1) Comea-se por transformar a equao de 2 ordem no sistema de equaes de 1

ordem:
z x ,
dT
dx
h' Ta T ,
dz
(6.4)
dx
T 0 40,
z 0 ?
A resoluo deste sistema impe que se escolha um valor inicial para z(x) = T(x).
2) Escolhe-se sorte (se possvel, seguindo alguma intuio fsica) o valor de z(0).
Faamos z(0) = 10. Utilizemos o mtodo de Runge-Kutta de 4 ordem, para
diferentes valores de h, para obtermos uma aproximao para T(10).
Obtemos,
h T_(10) erro z_(10) erro
1.0e+002 *
0.00100000000000 1.68381732045970 0.00000000014715 0.17781208734216 0.00000000001224
1.0e+002 *
0.00010000000000 1.68381732060683 0.00000000000002 0.17781208735440 0.00000000000000
1.0e+002 *
0.00001000000000 1.68381732060686 -0.00000000000001 0.17781208735440 -0.00000000000000
1.0e+002 *
0.00000100000000 1.68381732060685 -0.00000000000000 0.17781208735440 -0.00000000000000

Assim, T(10) 168.381732 que difere substancialmente do valor T(10) = 200. Deste
modo, teremos de adivinhar de novo o valor de z(0). Consideremos agora
z 0 20 .
1.0e+002 *
0.00100000000000 2.85901851397572 0.00000000027493 0.33212015081400 0.00000000002193
1.0e+002 *
0.00010000000000 2.85901851425062 0.00000000000003 0.33212015083592 0.00000000000000
1.0e+002 *
0.00001000000000 2.85901851425066 -0.00000000000001 0.33212015083593 -0.00000000000000
1.0e+002 *
0.00000100000000 2.85901851425059 0.00000000000006 0.33212015083592 0.00000000000001
Assim, T(10) 285.901851 que ainda est longe do valor T(10) = 200.
Vamos agora utilizar a interpolao linear de modo a obter um valor mais adequado
de z(0), fazendo
20 10
z 0 10 200 168.381732 12.690456 .
285.901851 168.381732
Desta forma, obtemos:
1.0e+002 *
0.00100000000000 2.00000003068993 0.00000000018153 0.21932799286378 0.00000000001485
1.0e+002 *
0.00010000000000 2.00000003087144 0.00000000000002 0.21932799287862 0.00000000000000
1.0e+002 *
0.00001000000000 2.00000003087147 -0.00000000000001 0.21932799287863 0
1.0e+002 *
0.00000100000000 2.00000003087141 0.00000000000005 0.21932799287862 0.00000000000001
Assim, T(10) 200.000003. Este valor pode ento ser usado para determinar uma
soluo apropriada do PVF inicial, atravs da resoluo de (6.4):

h=0.1
x y erro z erro
0.00000000000000 40.00000000000000 0.00000000000000 12.69045600000000 0.00000000000000
0.10000000000000 41.27006675909333 -1.27006675909333 12.71109086142102 -0.02063486142102

0.20000000000000 42.54226054258735 -1.27219378338825 12.73299684252059 -0.02190598109788
0.30000000000000 43.81670857092055 -1.27444802812128 12.75617613391506 -0.02317929139089
0.40000000000000 45.09353828995779 -1.27682971871880 12.78063105355289 -0.02445491963215
0.50000000000000 46.37287738373497 -1.27933909335185 12.80636404694643 -0.02573299338553
0.60000000000000 47.65485378722758 -1.28197640295990 12.83337768741645 -0.02701364045948
0.70000000000000 48.93959569914426 -1.28474191127614 12.86167467634952 -0.02829698891978

1.0e+002 *
0.09800000000000 1.95649151969532 -0.02148969612556 0.21577161985866 -0.00174573210978
1.0e+002 *
0.09900000000000 1.97815686660841 -0.02166534673807 0.21753892932411 -0.00176730945125
1.0e+002 *
0.10000000000000 2.00000003068993 -0.02184316390327 0.21932799286378 -0.00178906352514
Graficamente, temos
T x 20 53.45228e0.1x 73.45228e0.1x
3) Para PVFs no lineares, a interpolao linear poder no resultar numa boa

estimativa do valor inicial que nos permita chegar a uma aproximao da soluo. A
alternativa consiste em proceder a trs tentativas para z(0) e usar a interpolao
polinomial quadrtica no sentido de estimar o pretendido valor inicial. Todavia, no
seguro que tal abordagem nos conduza resposta exacta, o que impe,
eventualmente novas iteraes. Este mtodo torna-se rduo para equaes de ordens
elevadas.

De um modo geral, consideremos o PVF
y ' ' f x, y, y ',

y a ya ,
y b yb .
Reduzir este problema a um PVI exige conhecer y(a). O mtodo de shooting enceta-se
na escolha de dois valores 0 e 1 para o valor inicial y(a). O procedimento decorre,
sumariamente, de acordo com o seguinte algoritmo.
1. Seja k uma aproximao do valor inicial desconhecido y(a).
2. Resolver o PVI
y ' ' f x, y, y ',

y a ya ,
y ' a k ,
de x = a at x = b, usando um dos mtodos anteriormente estudados (mtodos RK).
y k ; b designa a soluo obtida em x = b.
3. Obter a seguinte aproximao atravs da interpolao linear
yb y k 1 ; b
k 1 k 1 k k 1 .
y k ; b y k 1; b
4. Repetir os passos 2 e 3 at
y k ; b yb ,
para um dado > 0.
Exemplo 6.20
Consideremos o seguinte PVF
yy ' '1 y ' 0,

2
y 0 1,
y 1 2.
Transformando este problema num PVI de 1ordem, obtemos

y' z,
1 z 2
z' ,
y
y 0 1,
z 0 ?
Tomemos como escolhas iniciais 0 0.5 e 1 1.0 para o valor de z(0) = y(0). Seja
h = 0.01. Os resultados patentes a seguir foram obtidos atravs do mtodo de Runge-
Kutta de 4 ordem combinado com a interpolao linear, para 1 10 8 .
alpha_(0) y_(0.5;1)
0.50000000000000 0.99999999976202
alpha_(1) y_(1;1)
1.00000000000000 1.41421356089932
alpha_(2) y_(1.7071;1)
1.70710678507518 1.84775905952974
alpha_(3) y_(1.9554;1)
1.95540967903400 1.97757915377960
alpha_(4) y_(1.9983;1)
1.99829334071749 1.99914647494028
alpha_(5) y_(2;1)
1.99999045829768 1.99999521580399
alpha_(6) y_(2;1)
2.00000002463707 1.99999999897914
O valor mais adequado para y(0) 2. Aps as trs primeiras iteraes a convergncia
poderia ter sido acelerada atravs do uso de interpolao quadrtica.
Podemos, ento, determinar uma soluo apropriada do PVF inicial, atravs da
resoluo do PVI equivalente, onde z(0) = 2:
h=0.01
x y erro z erro
0.00000000000000 1.00000000000000 0.00000000000000 2.00000000000000 0.00000000000000
0.01000000000000 1.01975487164285 -0.01975487164285 1.95144936506977 0.04855063493023
0.02000000000000 1.03903801503261 -0.01928314252648 1.90560880885045 0.04584055771095
0.03000000000000 1.05787522671314 -0.01883721008430 1.86222339107305 0.04338542045447
0.04000000000000 1.07628992099771 -0.01841469206001 1.82107065391640 0.04115274078226
0.05000000000000 1.09430342816931 -0.01801350440341 1.78195547829441 0.03911518001115
0.06000000000000 1.11193524625315 -0.01763181484119 1.74470590263736 0.03724958066396
0.07000000000000 1.12920325490893 -0.01726800499552 1.70916969822544 0.03553620992080

0.97000000000000 1.98471659133405 -0.00522170626867 0.51896577243028 0.00642078342619
0.98000000000000 1.98987435469978 -0.00515775024462 0.51259516786407 0.00637061177819
0.99000000000000 1.99496865816662 -0.00509429027301 0.50627360722691 0.00632156785428
1.00000000000000 1.99999998666061 -0.00503131522740 0.49999999277164 0.00627362167785
Graficamente, temos
yx 1 4 x x 2
Quadro resumo
Mtodo Erro de tuncatura Erro de tuncatura

Frmula
numrico local global
Tn
M 2
h Ch 2 , En e
hM L xn x0
1,
Eq. diferencial de 1 ordem
2 2L
onde
y k 1 y k hf xk , y k , k 0,1,2...
onde
Euler y' ' x M , x a, b y' ' x M , x a, b
e e
C M 2. f y x, y L .
Euler y k 1 y k
h
f xk , y k f xk h, y k hf xk , y k ,
2
Aperfeioado k 0,1,

yk 1 yk h 6 K1 2 K 2 2 K 3 K 4 ,
K1 f xk , yk ,
RK4 K 2 f xk h 2 , yk 1 2 K1h ,
K 3 f xk h 2 , yk 1 2 K 2 h ,
K 4 f xk h, yk K 3 h , k 0,1,
y k 1 y k hf x k , y k , z k ,
Euler z k 1 z k hg x k , y k , z k ,
k 0,1,2,
y k 1 y k h 2 f 1 f 2 ,
Sistemas de duas eq. diferenciais de 1 ordem
z k 1 z k h 2 g1 g 2 ,
f1 f x k , y k , z k ,
g1 g x k , y k , z k ,
Euler
Aperfeioado
f 2 f x k h, y k hf1 , z k hg1 ,
g 2 g x k h, y k hf1 , z k hg1 ,
k 0,1,2,
y k 1 y k h 6 f 1 2 f 2 2 f 3 f 4 ,
z k 1 z k h 6 g 1 2 g 2 2 g 3 g 4 ,
f 1 f x k , y k , z k , g 1 g x k , y k , z k ,
f 2 f x k h 2 , y k h 2 f 1 , z k h 2 g 1 ,
g 2 g x k h 2 , y k h 2 f 1 , z k h 2 g 1 ,
RK4 f 3 f x k h 2 , y k h 2 f 2 , z k h 2 g 2 ,
g 3 g x k h 2 , y k h 2 f 2 , z k h 2 g 2 ,
f 4 f x k h, y k hf 3 , z k hg 3 ,
g 4 g x k h, y k hf 3 , z k hg 3 ,
k 0,1,2,

Bibliografia
[1] Chapra, S. C., Canale, R. P., Numerical Methods for Engineers with Programming
and Software Applications, Ed. McGraw-Hill, 2002.
[2] Conte, S. D., de Boor, C., Elementary Numerical Analysis An Algorithmic
Approach, Ed. McGraw-Hill, 1980.
[3] Mathews, J. H., Numerical Methods for Mathematics, Science and Engineering,
Prentice-Hall International Editions, 1992.
[4] Pina, H., Mtodos Numricos, Ed. McGraw-Hill, 1995.
[5] Rodrigues, J. A., Mtodos Numricos Introduo, Aplicao e Programao,
Edies Slabo, 2003.
[6] Ruggiero, M. G., Lopes, V. R.; Clculo Numrico, Ed. Makron Books, 1997.
[7] Santos, F. C., Fundamentos de Anlies Numrica, Edies Slabo, 2002.
[8] Valena, M. R.; Mtodos Numricos; I.N.I.C., 1990.

Sebenta Teorica

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

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

Sebenta Teorica

Загружено:

Авторское право:

Доступные форматы

Mtodos Numricos

Escola Superior de Tecnologia e Gesto

2. Resoluo Numrica de Equaes

3. Resoluo de Sistemas Lineares

6. Integrao Numrica de Equaes Diferenciais

Bibliografia ----------------------------------------------------------------------------------- 126

Problema real Levantamento de dados

Construo do Escolha do mtodo Implementao

Anlise dos Se necessrio, reformular o modelo

Um passo muito importante o da anlise dos resultados, pois eles so valores no

Erros iniciais (dados e parmetros do problema)

Criao do mtodo numrico

Erros iniciais Erros de truncatura

Suponhamos que pretendemos saber a altura de um edifcio. Se utilizarmos um

1.2. Representao de nmeros

A representao de um nmero depende:

Base escolhida ou disponvel na mquina em uso

Nos clculos aritmticos quotidianos

Base 2 (binria) a mais usual

Exemplos de representao de nmeros:

347.510 3 10 2 4 101 7 100 5 10 1

1.3. Sistemas de ponto flutuante

Um nmero real em ponto (vrgula) flutuante um nmero representado na forma

b a base (inteira) 2 do sistema de numerao utilizado,

FPb, t , e1 , e2 designa o sistema de representao em ponto flutuante de base b, cuja

Os sistemas de ponto flutuante so limitados, discreto, e finito. Sempre que o valor

No sistema FP(10,6,-99,98), o nmero 0.321456 10100 est na zona de overflow.

No sistema FP(10,6,-99,98), o nmero 0.321456 10 105 est na zona de underflow,

A necessidade de arredondamentos nos sistemas de ponto flutuante faz com que as

abc pode ser diferente de a b c

abc pode ser diferente de a b c

a b c pode ser diferente de ab ac

y x x 0.23450 10 1 0.34915 10 4 0.34915 10 4

Como podemos ver, a associatividade da adio no se verifica nessa mquina.

Depois de sabermos que um nmero pode ter diferentes representaes e que os

1.4. Erro, erro absoluto e erro relativo

Seja x 0 um valor aproximado de x. A diferena

A aproximao de x por x 0 diz-se por defeito se x0 0 e por excesso se x0 0 .

Seja x 0 um valor aproximado de x. A expresso

chama-se erro absoluto de x 0 .

Consideremos a fraco x 2 3 e um seu valor aproximado x0 0.667 . O erro

Geralmente, x no conhecido, portanto o erro absoluto tambm no o . Somos, ento,

Um limite superior (majorante) do erro absoluto um nmero no negativo que

que abreviadamente habitual escrever

Consideremos o valor aproximado 3.14 de . Como = 3.14159265, podemos

Seja x 0 um valor aproximado de x. A expresso

chama-se erro relativo com que x 0 representa x.

Como, normalmente, x0 , temos

Seja x 0 um valor aproximado de x. A expresso

chama-se estimativa do erro relativo com que x 0 representa x.

Seja x = 73 2, entendendo-se que 73 um valor aproximado de x e 2 um limite

Estimativas e limites superiores do erro relativo podem ser apresentados em

1.5. Algarismos significativos e casas decimais

Comecemos por introduzir as trs seguintes definies.

Algarismos posicionais da representao decimal de um nmero real x, tal que

Se |x| 1 ou x = 0, a sua representao decimal no tem algarismos posicionais.

Algarismos relevantes, na representao decimal de um nmero real, so todos os

O algarismo relevante colocado mais esquerda (o de maior ordem) na representao

No nmero 0.005608 5 10 3 6 10 4 0 10 5 8 10 6 , os trs primeiros zeros

No nmero 35.0070, todos os nmeros so relevantes, sendo o algarismo 3 (ordem 101 )

No nmero 12300, todos os algarismos so relevantes, sendo o algarismo 1 (ordem 10 4 )

Os conceitos anteriores de algarismos posicionais e relevantes, foram introduzidos com