Академический Документы
Профессиональный Документы
Культура Документы
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
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
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.
Implementao computacional
do mtodo numrico
Erros de arredondamento
Francisco Miranda 2
Exemplo 1.1
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.
Exemplos de bases:
Base 10 (decimal)
Na Antiguidade
Base 12
Base 60 - associada actual contagem de tempo
Francisco Miranda 3
Nos computadores
Exemplo 1.2
101112 1 2 4 0 23 1 2 2 1 21 1 20 2310
Definio 1.1
.d1d 2 d t b b n
onde:
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 .
Francisco Miranda 4
estamos numa situao de underflow, indicado e assumido normalmente como 0 (zero),
no provocando interrupo.
Exemplo 1.4
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
0.23450 10 1 0.00000 10 4 0.23450 10 1
Definio 1.2
x0 x x0
Francisco Miranda 5
chama-se erro de x 0 .
Definio 1.3
x0 x x0
Exemplo 1.6
2 2 667 1 1
x0 0.667 .
3 3 1000 3000 3000
Definio 1.4
x x0 x0 x x0 x x0 , x0 ,
x x0 .
Exemplo 1.7
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
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 .
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
Exemplo 1.10
2
Er .
73
Um limite superior para o erro relativo ser
2 2
.
x0 73 2 71
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.
Definio 1.10
Definio 1.11
Definio 1.12
Exemplo 1.12
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.
Definio 1.13
Exemplo 1.14
Podemos resolver este problema de uma maneira mais simples, como se segue.
Francisco Miranda 10
os relevantes sua esquerda.
Portanto o valor aproximado x 0 = 1.03789 tem exactamente trs algarismos
significativos (os mais relevantes).
Definio 1.14
Exemplo 1.15
Definio 1.15
Francisco Miranda 11
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.
Exemplo 1.16
Exemplo 1.17
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 :
Francisco Miranda 12
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
Exemplo 1.18
0.005
Er 0.00014.
35.85
Definio 1.16
Exemplo 1.19
Francisco Miranda 13
1.7. Propagao de erros
f x f x0 f ' c x x0 .
y0 f ' x M x,
y f ' x M x,
dy
y x Frmula Fundamental do Clculo (Propagao) de Erros - FFCE
dx M
dy
y 0 x
dx x x0
Exemplo 1.20
Francisco Miranda 14
Assim, temos,
y0 3 2.7 1 22.87
2
dy
y0 x 6 2.7 0.05 0.81,
dx x x0
Generalizao
n
f
y xi ,
i 1 xi M
n
f
y 0 x .
i 1 xi x1 ,, xn x1, 0 ,, xn , 0
Francisco Miranda 15
Exemplo 1.21
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.
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
Francisco Miranda 16
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
Definio 1.17
Definio 1.18
Exemplo 1.22
Consideremos a equao
1 1
x2 x 0, (1.1)
3 36
Francisco Miranda 17
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:
Quadro resumo
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
2.1. Introduo
Francisco Miranda 18
analiticamente. Assim, surgiu a resoluo numrica de equaes, que veio colmatar a
falta de mecanismos e instrumentos analticos.
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.
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 3x 2 2 0 x
2
.
3
2 2
, , ,
3 3
Francisco Miranda 19
- 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
Mtodo grfico
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:
Francisco Miranda 20
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
Francisco Miranda 21
2.4. Estimativa para o erro
f xk f x * xk x * f ' c ,
f xk
x * xk .
f ' c
f xk
x * xk , x I , f ' x 0.
min f ' x
xI
2.5. Condicionamento
f x f x x
~
Tem-se
f ~
x * .
~
x * x * .
f ' x *
Francisco Miranda 22
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)
u x 1
lim ,
x x* x x * m
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,
ak bk
xk 1 .
2
Francisco Miranda 23
Anlise do erro:
ba
x * xk 1
2k 1
Critrio de paragem:
xk 1 xk ou f xk 1
Como
xk 1 x * xk 1 xk ,
ba ln b a ln
k 1
k 1 .
2 ln 2
Exemplo 2.3
x3 2 x 5 0,
Iterao a b x y
Francisco Miranda 24
14.00000000000000 2.09448242187500 2.09460449218750 2.09454345703125 -0.00008956467605
f x x 3 2 x 5
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,
Francisco Miranda 25
frmula iteradora do processo:
a k f bk bk f a k
xk 1 .
f bk f a k
Critrio de paragem:
xk 1 xk ou f xk 1
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:
Exemplo 2.4
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
Francisco Miranda 26
2.00000000000000 2.05882352941176 3.00000000000000 2.08126365984502 -0.14720405955375
f x x 3 2 x 5
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 .
f contnua em [a,b]
Francisco Miranda 27
f(a)f(b)<0
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
x3 2 x 5 0,
x3 5
g x ,
2
Iterao x y
Francisco Miranda 28
1.0e+005 *
1.0e+015 *
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
g x 3 2 x 5.
max g ' x 1
xa,b
Iterao x y
Francisco Miranda 29
f x x 3 2 x 5
f x x
Mtodo de Newton
f contnua em [a,b]
f(a)f(b)<0
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
Francisco Miranda 30
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
x3 2 x 5 0,
Iterao x y
f x x 3 2 x 5
Francisco Miranda 31
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
3.1. Introduo
AX B, (3.2)
Francisco Miranda 32
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.
Definio 3.1
Exemplo 3.1
x 2 y 10
.
1.1x 2 y 10.4
1 2 x 10
A , X e B .
1.1 2 y 10.4
A 1 2 1.1 2 0.2 0,
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
Francisco Miranda 33
(diferena perfeitamente possvel por questes de arredondamento, que representa uma
variao de 5% no referido coeficiente).
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
Exemplo 3.2
x y 0
.
x y 2
1 1
A
1 1
A 1 1 1 1 2 0,
x y 0
,
x 1.01y 2
1 1
A
1 1.01
Francisco Miranda 34
A 1 1.01 1 1 2.01 0,
x 2 y 10
1.1x 2 y 10.4
1.1x 2 y 10.4
x 2 y 10
Exemplo 3.3
x 2y 1
,
1.05 x 2 y 1
Francisco Miranda 35
x 2y 1
,
1.05 x 2.1y 1
x 2y 1
1.05x 2.1y 1
Exemplo 3.4
x 2y 1
,
1.05 x 2 y 1
x 2y 1
,
1.05 x 2.1y 1.05
Francisco Miranda 36
x 2 y 1 1.05x 2.1y 1.05
x y 0
,
x y 2
x y 2
x y 0
Francisco Miranda 37
Exemplo 3.5
x 2 y 10
1.05 x 2 y 10.4
x 2y 10
,
1050 x 2000 y 10400
1 2
A 2000 1 2 1050 100,
1050 2000
x y 0
x y 2
x y 0
,
0.001x 0.001y 0.002
1 1
A 1 0.001 1 0.001 0.002,
0.001 0.001
Francisco Miranda 38
Definio 3.2
C EA,
Exemplo 3.6
Para
1 2
A
1.1 2
temos
0.5 1
C .
0.55 1
Desta forma,
Exemplo 3.7
Para
1 1
A C
1 1
temos
Francisco Miranda 39
C 1 1 1 1 2,
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,
com det(A) 0.
Francisco Miranda 40
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
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
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
k 1 k
d k 1 max xi xi .
1i n
Francisco Miranda 41
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
Francisco Miranda 42
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:
a
j 1
ij
j i
i , i 1,2, , n.
aii
Se
max i 1,
1i n
Francisco Miranda 43
Exemplo 3.10
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
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 ....
Graficamente, temos
Francisco Miranda 44
Mtodo de Gauss-Seidel
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
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
Francisco Miranda 45
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
k 1 k
d k 1 max xi xi .
1i n
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
Francisco Miranda 46
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:
ai1 1 ai ,i 1 i 1 ai ,i 1 ain
i .
aii
maxi .
1i n
Francisco Miranda 47
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
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
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
2 x1 x2 3x3 9
x2 x3 1.
x 3x3 3
1
x1 3x3 3
x2 x3 1.
2 x x 3x3 9
1 2
Francisco Miranda 48
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
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
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
Francisco Miranda 49
Obtemos os seguintes resultados:
Iterao x1 x2 x3 ....
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
Francisco Miranda 50
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.
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.
Francisco Miranda 51
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
Francisco Miranda 52
Definio 4.1
Notao: hi xi xi 1 e h max hi .
1i n
Exemplo 4.2
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
Francisco Miranda 53
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
max f x S x L1 h
x0 x xn
ou
max f x S x
L1
h,
x0 x xn 2
Francisco Miranda 54
Exemplo 4.3
Donde escrevemos
f 0.7
1
0.076.
26
xi x x xi 1
S i x yi 1 yi , xi 1 x xi , i 1,2,..., n
hi hi
Exemplo 4.4
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
Francisco Miranda 55
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
max f x S x L2 h 2 .
1
x0 x xn 8
Exemplo 4.5
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
Francisco Miranda 56
Splines de grau dois (quadrticos)
Si x yi 1 mi 1 x xi 1 x xi 1 2
Mi
(4.1)
2
mi S ' xi , i 0,1, , n
M i Si ' ' x , i 1, , n.
Si ' x mi 1 M i x xi 1
temos
mi Si ' xi mi 1 M i hi
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
Francisco Miranda 57
Si xi yi 1 mi 1hi
Mi 2
hi yi .
2
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
Francisco Miranda 58
S 4 x
S3 x
S6 x
y S 2 x f x
1
S1 x 1 25 x 2
S5 x
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
2 2
hi h
ci yi 1 M i 1 , d i yi M i i .
6 6
Francisco Miranda 59
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
Si ' xi Si 1 ' xi , i 1,2,, n 1. (4.4)
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
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
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
Francisco Miranda 60
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.
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
Francisco Miranda 61
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
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
Francisco Miranda 62
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
Francisco Miranda 63
S3 x S 4 x
f x
1
1 25 x 2
S1 x S 2 x S5 x S6 x
Erro de interpolao
Teorema 4.4
Francisco Miranda 64
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
4
1
f 0.7 S 0.7 max f 4 x 2
5
0.0047.
384 3 x 1,
3
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 cbico, construdo como sline natural, tem o melhor comportamento, como
seria de esperar, embora exiba ainda ligeiras oscilaes.
Francisco Miranda 65
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
Francisco Miranda 66
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
Francisco Miranda 67
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
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;
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
Etr f , a, b I f , a, b I pn , a, b I f pn , a, b
Francisco Miranda 68
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.
f x pn x Rn x , (5.1)
tais que
pn x l0 x f x0 l1 x f x1 ln x f xn ,
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
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
Francisco Miranda 69
sendo
Ai li x dx, i 0,1,, n.
b
(5.3)
a
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.
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
Francisco Miranda 70
2 sen2 x dx,
6
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
I f , a, b b a f b.
Exemplo 5.2
2 sen2 x dx,
6
I(p0,[1,6]) erro
5.08678780215553 3.09669140550720
Graficamente, temos
Francisco Miranda 71
p0 x f 6
f x 2 sen 2 x
I p0 , 1,6
ab
I f , a, b b a f .
2
Exemplo 5.3
2 sen2 x dx,
6
I(p0,[1,6]) erro
7.17652050592846 1.00695870173426
Graficamente, temos
Francisco Miranda 72
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
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
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.
Francisco Miranda 73
Exemplo 5.4
2 sen2 x dx,
6
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
Regra de Simpson
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 .
ba ab
I f , [a, b] f a 4 f f b .
6 2
Francisco Miranda 74
Esta frmula constitui a clebre regra de integrao de Simpson.
Exemplo 5.5
2 sen2 x dx,
6
I(p2,[1,6]) erro
8.05655949333297 0.12691971432976
Graficamente, temos
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
Francisco Miranda 75
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
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
Francisco Miranda 76
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.
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 .
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
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.
x x x x dx 0.
b
0 n (5.6)
a
Francisco Miranda 77
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
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
f n 2 c b
Etr f , a, b x x0 x xn1 dx.
n 2! a
(5.7)
Regras do rectngulo
Para a regra do rectngulo direita xb no muda de sinal em [a,b], pelo que podemos
aplicar a expresso (5.5), vindo
Francisco Miranda 78
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
24
Exemplo 5.7
2 sen2 x dx,
6
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
Francisco Miranda 79
Regra do trapzio
x a x bdx 12 b a .
b 1 3
a
Resulta que
12
Exemplo 5.8
2 sen2 x dx,
6
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
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,
Francisco Miranda 80
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
Etr f , 1,6
6 1
5
majr f 4 x
55 1
9 cos 2 22sen2 3.2213.
2880 x1, 6 2880 8
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
Francisco Miranda 81
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
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
n
E arr f , a, b f Ai x
i 0
A x 1.
i 0
i
Exemplo 5.10
2 sen2 x dx,
6
Francisco Miranda 82
mtodo de Simpson, considerando que se utilizou 14 casas decimais nos
arredondamentos.
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
N N
I p0 , a, b hf ai 1 h f ai 1 .
i 1 i 1
Francisco Miranda 83
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
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
N h I(p0,[1,6]) erro
Francisco Miranda 84
p0,1 x f 1
p0,6 x f 3.5
f x 2 sen 2 x
I p0 , 1,6
Etr f , 1,6
5 0.5
majr
cos 2 x
0.85.
2 x x1, 6
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
Francisco Miranda 85
Regra do rectngulo direita composta
N h I(p0,[1,6]) erro
p0,1 x f 1.5
p0,6 x f 4
f x 2 sen 2 x
I p0 , 1,6
Etr f , 1,6
5 0.5
majr
cos 2 x 0.85.
2 x x1, 6
Francisco Miranda 86
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
N h I(p0,[1,6]) erro
Francisco Miranda 87
p0,1 x f 1.25
p0,6 x f 3.75
I p0 , 1,6
f x 2 sen 2 x
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
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
Francisco Miranda 88
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
N h I(p1,[1,6]) erro
Francisco Miranda 89
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
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
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[.
Francisco Miranda 90
Exemplo 5.15
2 sen2 x dx,
6
N h I(p2,[1,6]) erro
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
Francisco Miranda 91
Um majorante para o valor absoluto do erro de truncatura, considerando 10
subintervalos,
5 0.5 4 1
Etr f , 1,6 9 cos 2 22sen2 3.2213 10 4.
2880 8
Exemplo 5.16
2 sen2 x dx,
6
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
N
ba
E arr f , a, b f b a f ,
i 1 N
Etr f , a, b 0,
Francisco Miranda 92
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.
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
3
hi
S i x dx yi 1 yi hi M i 1 M i .
xi
xi 1 2 24
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
Exemplo 5.17
2 sen2 x dx,
6
n h I(S,[1,6]) erro
Francisco Miranda 93
5.00000000000000 1.00000000000000 8.17508492132405 0.00839428633868
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
n h I(S,[1,6]) erro
Francisco Miranda 94
4.00000000000000 1.25000000000000 8.18792968373514 -0.00445047607241
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
Francisco Miranda 95
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
6.1. Introduo
Definio 6.1
Exemplo 6.1
Li' t E Ri v I i, v
.
Cv' t f v i V i, v
Definio 6.2
Francisco Miranda 96
f x, yx , y' x y n x 0,
Exemplo 6.2
y ' y x;
y' x 2 y 2 ;
y ' ' 1 y 2 y ' y 0.
Definio 6.3
y y n y
f x1 xn , yx1 xn , , , ,, k1 0,
x1 xn x1 xn n
k
Exemplo 6.3
2 z 2 z
0,
x 2 y 2
com z z(x,y).
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.
Francisco Miranda 97
y' y yx kex
y' y yx ke x
Definio 6.4
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 .
Francisco Miranda 98
Exemplo 6.4
Assim,
xy ' x y
linear e
y' ' 1 y 2 y' y 0
no linear.
Definio 6.6
Exemplo 6.5
A equao
x 2 y' ' ' xy ' x 2 1 y 0
linear homognea e
linear no homognea.
Condies fronteira: devem ser satisfeitas para mais do que um valor da varivel
independente.
Francisco Miranda 99
Exemplo 6.6
Ay x By x Cyx g x , y0 y0 , y 0 v0 .
Exemplo 6.7
y x Dy x Ey x hx , y0 y0 , yL y L , 0 x L .
y ' x f x, y x
,
y x0 y0
Teorema 6.1
Mtodos de Runge-Kutta
So de passo simples;
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.
y ' x f x, y x
,
y x0 y0
r x yx0 x x0 y ' x0
r x y0 x x0 f x0 , y0
yx1 y1 r x1 y0 hf x0 , y0 .
y k 1 y k hf xk , y k , k 0,1,2
Exemplo 3.8
h y_(2.1) erro
x2 4
yx
2x
2.002381
r x 1.906126 0.046515x
2.1
Erro de truncatura
En yxn yn ,
h2
yxn 1 yxn hf xn , yxn y ' ' cn ,
2
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
Teorema 6.2
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 ,
En
2L
e
hM L xn x0
1 .
En Ch, com
C
2L
e
M L xn x0
1 0
Exemplo 6.9
Tn
1
0.000012 2.5 1011.
4
0.00001 12 2.12
En e 1 2.563555 107.
2
Erros de arredondamento
A1 A2 1
1
A2 a1 ,
2
1
A2b11 2
1
A1 A2
2.
a1 b11 1
y k 1 y k
h
f xk , yk f xk h, yk hf xk , y k , k 0,1,
2
Exemplo 6.10
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 aperfeioado.
h y_(2.1) erro
0.10000000000000 2.00238095238095 0
x2 4
yx
2x
2.002381 r x
2.1
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
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
h y_(2.1) erro
0.10000000000000 2.00238095238095 0
2.002381 r x
2.1
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 ,
y x0 y0
y ' x0 y '0
.
y n 1 x0 y 0n 1
Exemplo 6.12
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
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
y' z
,
z' y' ' 4 z 3 y x
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
y ' y 2 z, y 0 6
.
z ' 3 y 2 z, z 0 4
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
. 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
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
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
a) O mtodo de Euler;
y' z
,
z' y' ' 4 z 3 y x
y0 4 9
.
z 0 y ' 0 7 3
Mtodo de Euler:
Mtodo de Euler
4 3x 8e3x
yx
9
r x
0.722091
0.1
4 3x 8e3x
yx
9
r x
0.722097
0.1
r x
0.722097
0.1
Exemplo 6.16
x2 4
yx
2x
Exemplo 6.17
Seja
y' z
,
z' y' ' 4 z 3 y x
4 3x 8e3x
yx
9
Exemplo 6.18
y ' 10 y 10 x 1, x0
,
y0 0
y0 ,
0.5 106
y ' 10 y 10 x 1, x0
,
y0 1
bem condicionado.
a1 y a a2 y ' a ,
b1 y b b2 y ' b ,
(6.2)
a1 a2 0,
2 2
b1 b2 0.
2 2
ya , yb . (6.3)
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.
Exemplo 6.19
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 .
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,
1.0e+002 *
1.0e+002 *
1.0e+002 *
1.0e+002 *
1.0e+002 *
1.0e+002 *
1.0e+002 *
1.0e+002 *
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
1.0e+002 *
1.0e+002 *
1.0e+002 *
1.0e+002 *
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):
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
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.
2. Resolver o PVI
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 ,
Exemplo 6.20
y 0 1,
y 1 2.
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
Graficamente, temos
yx 1 4 x x 2
Quadro resumo
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,
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,
[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.