Terceira - Unidade Numerico

Material sujeito a correções
1 Interpolação......................................................................................................................................... 2
1.1 Interpolação Linear ..................................................................................................................... 2
1.2 Diferenças divididas.................................................................................................................... 3
1.3 Diferenças Finitas ....................................................................................................................... 5
1.4 Interpolação Parabólica............................................................................................................. 11
2 Integração Numérica......................................................................................................................... 12
2.1 Métodos de Newton-Cotes........................................................................................................ 12
2.1.1 Método Dos Trapézios...................................................................................................... 15
2.1.2 Método de Simpson (1ª regra) .......................................................................................... 17
2.1.2.1 Outra dedução da 1ª regra de Simpson ......................................................................... 18
2.1.3 Segunda Regra de Simpson .............................................................................................. 20
3 Diferenciação Numérica ................................................................................................................... 21
3.1 Solução numérica de um PVI de 1ª ordem ............................................................................... 24
3.2 Método de Euler........................................................................................................................ 25
3.3 Método de Runge-Kutta............................................................................................................ 29
Prof. José Augusto Lucas Matos Página 1 de 31

1 Interpolação
1.1 Interpolação Linear
Seja a função y = f ( x ) dada pele tabela abaixo:
y0 = f ( x 0 )
y2 = f ( x1 )
y3 = f ( x2 )
..................
yn = f ( xn )
tabela esta obtida através da expressão analítica de f ( x ) , ou de determinações

experimentais. Considerando a figura abaixo, temos:
____ ____
DB BA f ( x ) − f ( x1 ) x − x1
Temos ____
= ____
, ou = ∴
f ( x2 ) − f ( x1 ) x 2 − x1
EC CA
f ( x2 ) − f ( x1 )
f ( x ) = f ( x1 ) + ( x − x1 )
x 2 − x1
Exemplo: Interpolar o seno de 22º ( f ( 22º ) na tabela abaixo:
0 − 0,00000
10 − 0,17365
20 − 0,34202
30 − 0,50000
40 − 0,64279
 22 − 20 
sen22 = 0,34202 +  (0,5 − 0,34202) = 0,37461
 30 − 20 

1.2 Diferenças divididas
x f ( x) 1ª Dif . 2ª Dif .div . 3ª Dif . Dividida 4ª Dif . Dividida

x0 -- f ( x0 ) f [ x0 , x1 ] f [ x0 , x1 , x2 ] f [ x0 , x1 , x 2 , x3 ] f [ x0 , x1 , x2 , x 3 , x4 ]
x1 -- f ( x1 ) f [ x1 , x2 ] f [ x1 , x 2 , x3 ] f [ x1 , x 2 , x 3 , x4 ]
x2 -- f ( x2 ) f [ x2 , x 3 ] f [ x 2 , x 3 , x4 ]
x3 -- f ( x3 ) f [ x3 , x4 ]
x4 -- f ( x4 )
A primeira diferença dividida é definida como:
f ( x0 ) − f ( x1 )
f [ x0 , x1 ] =
x0 − x1
analogamente, as diferenças de ordem superior são definida como:
f [ x0 , x1 ] − f [ x1 , x 2 ]
f [ x0 , x1 , x2 ] =
x0 − x1
f [ x0 , x1 , x2 ] − f [ x1 , x2 , x3 ]
f [ x0 , x1 , x2 , x 3 ] =
x0 − x 3
.......................................................................................
f [ x0 , x1 ,...., xn − 1 ] − f [ x1 , x2 ,...., xn ]
f [ x0 , x1 ,... xn − 1 , xn ] =
x0 − x4
Desenvolvendo as expressões das diferenças divididas dos numeradores, resulta:
p
f ( xk )
f [ x0 , x1 , x2 , x 3 , x4 ] = ∑ (x − x0 )( xk − x1 ).....( xk − x k − 1 )( xk − x k + 1 )....( xk − x p )
k =0 k
Equação 1

Sendo por definição:
f ( x0 ) − f ( x1 )
f [ x0 , x1 ] =
x0 − x1
Resulta:
f ( x ) = f ( x0 ) + ( x − x0 ) f [ x , x0 ]
Como:
f [ x , x0 ] = f [ x0 , x1 ] + ( x − x1 ) f [ x , x0 , x1 ]
Se substituirmos teremos:
f ( x ) = f ( x0 ) + ( x − x0 ) f [ x0 , x1 ]( x − x0 )( x − x1 ) f [ x , x0 , x1 ]
Generalizando, temos:
f ( x ) = f ( x0 ) + ( x − x0 ) f [ x0 , x1 ]( x − x0 )( x − x1 ) f [ x , x0 , x1 ] +
+ ( x − x0 )( x − x1 )( x − x2 ) f [ x0 , x1 , x2 , x3 ] + .......................... +
+ ( x − x0 )( x − x1 )( x − x2 )....( x − xn − 1 ) f [ x0 , x1 , x 2 ,........., xn ] +
+ ( x − x0 )( x − x1 )( x − x2 )....( x − xn ) f [ x0 , x1 , x2 ,........., x n ]
Equação 2
Que é fórmula de interpolação, por diferenças divididas, de Newton, onde a última parcela se
refere ao erro de arredondamento.
Das Equações 1 e 2, é obtida a Fórmula de Lagrange:
n
f (x) = ∑ Lk ( f ( x k )
k =0
onde:
( x − x0 )( x − x1 ).........( x − x k − 1 )( x − x k + 1 )..........( x − xn )
Lk ( x ) =
( x k − x0 )( x k − x1 )......( x k − x k − 1 )( x − xk + 1 )......( x k − xn )

Exemplo: Seja a tabela:

x P( x)
1 10
2 15
4 20
5 30
Interpolar o valor de P ( 3) .
( 3 − 2)( 3 − 4)( 3 − 5) ( 3 − 1)( 3 − 4)( 3 − 5)

P ( 3) = .10 + .15 +
(1 − 2)(1 − 4)(1 − 5) ( 2 − 1)( 2 − 4)( 2 − 5)
( 3 − 1)( 3 − 2)( 3 − 5) ( 3 − 1)( 3 − 2)( 3 − 4)
+ .20 + .30 =
(4 − 1)(4 − 2)(4 − 5) (5 − 1)(5 − 2)(5 − 4)
= −1,66666 + 10 + 13,33333 − 5 = 16,66666...
1.3 Diferenças Finitas

Uma diferença finita de uma função f ( x ) é o valor da função no ponto x1 menos o valor da
função no ponto x 2 .
Algebricamente é representada como f ( x1 ) − f ( x 2 ) .
Geometricamente é:
Onde:
∆f ( x i ) → é chamada de difernça ascendene(ou progressiva );

∇f ( xi ) → é chamada de difernça descendente(ou regressiva) e
δf ( x i ) é chamada de diferença central.
Considerando uma função f ( x ) , tabulada com espaçamentos iguais em seus valores de x,

teremos:
x f ( x) ∆ ∆2 ∆3 ∆4 ∆5
0 0 10 0 20 − 60 150
1 10 10 20 − 40 90
2 20 30 − 20 50
3 50 10 30
4 60 40
5 100
As diferenças ascendentes (as quais utilizaremos no curso) na tabela anterior para o ponto x0
são:
∆f (0) = 10
∆2 f (0) = 0
∆3 f (0) = 20
∆4 f (0) = −60
∆5 f (0) = 150
Para o ponto x = 3 , teremos:
Difernça ascendente ∆f (3) = 10 e

Difernça descendente ∆f (3) = 30.

A fórmula de Newton pode ser apresentada como:
f ( x ) = a1 + a 2 ( x − x1 ) + a3 ( x − x1 )( x − x 2 ) + a4 ( x − x1 )( x − x2 )( x − x 3 ) +
+ ............................................... + an − 1 ( x − x1 )( x − x 2 ).......( x − xn )
se substituirmos x por x1 , x 2 , x 3 ,......, xn teremos:
f ( x1 ) = a1
f ( x2 ) = a1 + a2 ( x2 − x1 )
f ( x3 ) = a1 + a2 ( x3 − x1 ) + a3 ( x3 − x1 )( x3 − x2 )
...........................................................................
f ( xn + 1 ) = a1 + a 2 ( x n + 1 − x1 ) + a 3 ( x n + 1 − x1 )( xn + 1 − x 2 ) + ..... +
+ a n + 1 ( xn + 1 − x1 )( x n + 1 − x2 )...................................( xn + 1 − xn )
Os coeficiente a1 , a 2 a 3 ,......., a n + 1 podem ser achados por substituições sucessivas.
Quando consideramos os intervalos iguais, temos:
h = x 2 − x1 = x3 − x 2 = ......... = x n + 1 − x n
Substituindo h no sistema anterior vem:
f ( x1 ) = a1
f ( x1 + h) = a1 + a 2 ( h)
f ( x1 + 2h) = a1 + a 2 ( 2h) + a3 ( 2h)( h)
...........................................................................
f ( x1 + nh) = a1 + a 2 ( nh) + a3 ( nh)[( n − 1)h)] + .....

+ a n + 1 ( nh)[( n − 1)h]...........( h)

que, quando resolvido resulta em:
a1 = f ( x1 )
f ( x1 + h) − f ( x1 )
a2 =
h
f ( x1 + 2h) − 2 f ( x1 + h) + f ( x1 )
a3 =
2h 2
...........................................................
É então possível simplificas estas expressões, notando que os denominadores podem ser
expressos por:
h i − 1 ( i − 1)!
Donde obtemos:
a1 = f ( x1 )
∆f ( x1 )
a2 =
1! h
∆2 f ( x1 )
a3 =
2! h2
.......................
∆n f ( x1 )
an +1 =
n! hn
Que para o coeficiente a i , é:
∆i − 1 f ( x1 )
ai =
( i − 1)! hi − 1
Logo:
∆f ( x1 ) ∆2 f ( x1 )
f ( x ) = f ( x1 ) + ( x − x1 ) + ( x − x1 )( x − x 2 ) +
1! h 2! h2
∆3 f ( x1 )
................. + ( x − x1 )( x − x2 )( x − x 3 ) + ................ +
3! h3
∆n f ( x1 )
....................... + ( x − x1 )( x − x2 )................( x − xn )
n! hn

Trocando a variável x por h , usando convenientemente a expressão: x = x1 + uh , Teremos:
( x − x1 ) = uh
( x − x2 ) = ( x1 + uh) − ( x1 + h) = h( u − 1)
( x − x3 ) = ( x1 + uh) − ( x1 + 2h) = h( u − 2)
....................................................................
( x − xn ) = ( x1 + uh) − [ x1 + ( n − 1)h] = h[u − ( n − 1)]
Substituindo, teremos:
∆f ( x1 ) ∆2 f ( x1 )
f ( x ) = f ( x1 ) + u+ u( u − 1) +
1! 2!
∆n f ( x1 )
+ ............ + u( u − 1)( u − 2).......[u − ( n − 1)]
n!
Exemplo: Consideremos a tabela de diferenças finitas, abaixo:
x f ( x) ∆ ∆2 ∆3 ∆4
1 30 20 − 10 30 − 30
3 50 10 20 0
5 60 30 20
7 90 50
9 140
Aplicando a fórmula de Newton para intervalos iguais, teremos para o ponto x = 4 :
x = x1 + uh , e como h = 2, x1 = 1 e x = 4 , vem:
4−1
u= ∴ u = 1,5
2
Então:
20 ( −10) 30
f (1,5) = 30 + .1,5 + .1,5(1,5 − 1) + .1,5(1,5 − 1)(1,5 − 2) +
1! 2! 3!
( −30)
+ .1,5(1,5 − 1)(1,5 − 2)(1,5 − 3) =
4!
( −10) 30 ( −30)
= 30 + 20(1,5) + .1,5.0,5 + .1,5.0,5( −0,5) + .1,5.0,5( −0,5)( −1,5) =
2 6 24
= 30 + 30 − 3,75 − 1,875 − 0,703125 = 53,671875

Resolvendo o mesmo problema por diferenças divididas teremos:
x f ( x) ∆ ∆2 ∆3 ∆4
1 30 10 − 1,25 0,625 − 0,078125
3 50 5 2,5 0
5 60 15 2,5
7 90 25
9 140
140 − 90
9−7
Aplicando a fórmula de Newton para diferenças divididas, temos para o ponto x = 4 :
f ( x ) = ( 30) + (10)(4 − 1) + ( −1,25)(4 − 1)(4 − 3) + (0,625)(4 − 1)(4 − 3)(4 − 5) +

+ ( −0,078125)(4 − 1)(4 − 3)(4 − 5)(4 − 7) =
= 30 + 30 − 3,75 − 1,875 − 0,73125 =
= 53,671875

1.4 Interpolação Parabólica

Dada a tabela:
x P( x)
20 0,34202
25 0,42252
30 0,50000
calcular o seno de 22º.
Se usarmos a expressão P ( x ) = a1 x 2 + a 2 x + a 3 e nela substituirmos os valores dos pontos da

tabela, vem:
400a1 + 20a 2 + a 3 = 0,34202

625a1 + 25a 2 + a 3 = 0,42262
900a1 + 30a 2 + a 3 = 0,50000
E resolvendo o sistema, teremos:
a1 = −0,0000644, a 2 = 0,019018 e a 3 = −0,01258

logo,
P ( 22) = 484.0,0000644 + 22.0,019018 − 0,01258 ∴ P ( 22) = 0,3746464
Outro sistema pode ser obtido, assumindo a parábola como:
P ( x ) = a1 + a 2 ( x − 20) + a 3 ( x − 20)( x − 25)
Substituindo os valores tabulados, temos:
0,34202 = a1
0,42262 = a1 + 5a 2
0,50000 = a1 + 10a2 + (10)(5)a 3
Resolvendo por substituição sucessiva vem:
a1 = 0,34202
a 2 = 0,01612
a 3 = −0,0000644
P ( 22) = 0,34202 + 0,1612( 22) + ( −0,0000644( 2)( −3)) = 0,37429864

2 Integração Numérica
2.1 Métodos de Newton-Cotes
Surge da idéia de calcular f ( x ) em certo número finito de pontos, fazendo uma interpolação
polinomial e integrando o polinômio ao invés de f ( x ) .
Isto é: Se são conhecidos n + 1 pontos de f ( x )
( x0 , f ( x0 ), ( x1 , f ( x1 ), ( x2 , f ( x2 ), ....... , ( x n , f ( xn + 1 )
b
e como o objetivo é calcular a integral de f ( x ) , τ = ∫ f ( x )dx e só dispomos de pontos da
a
função, obtemos a expressão do polinômio P ( x ) de grau máximo n que passe por estes
pontos e aproximamos o valor da integral para:
b
τ = ∫a P ( x )dx
Equação 3
A obtenção de P ( x ) pode ser feita pelos métodos de Newton ou pelo método de Lagrange.
Quando os pontos constituem uma tabela de pontos equivalentes, este processo é conhecido
como método de Newton-Cotes, no caso ainda de mais particular em que x0 − a e x n − b ,
obtemos as fórmulas fechadas de Newton-Cotes.
No caso geral, o problema pode ser resolvido com a Equação 4, onde P ( x ) é obtido através de
uma das fórmulas citadas no parágrafo anterior.

Nos métodos fechados de Newton-Cotes, temos:
x0 = a , xn = b
x i + 1 − x i = h com h > 0 e i = 0,1,2,3,......, n
e podemos dizer que aos pontos conhecidos provêm da partição do intervalo de integração em
n partes iguais, ou seja:
xx − x
h=
n
A integral aproximada seria
x
τ ' = ∫x n Pn ( x )dx
0
Equação 5
onde Pn ( x ) é um polinômio de interpolação obtido por diferenças finitas.
Finalmente observamos que, como se trata de uma tabela de pontos eqüidistantes, podemos
fazer uma mudança de variáveis de x para u , como método de Newton por diferenças
finitas.
Teremos então;
n
τ ' = ∫0 Pn ( u)du
Equação 6
sendo:
x − x0
u=
h
Esta última fórmula Equação 4 resolve o problema dos métodos “fechados” de Newton-Cotes.
Estes métodos usuais, se entanto, se baseiam na partição do intervalo de integração em n m
subintervalos que contém n + 1 pontos da tabela, sendo dois nas extremidades.
Aplicando-se um método “fechado” de Newton-Cotes a cada subintervalo, o valor de τ ' será a

soma de todas as integrais ao do intervalo [a , b] ,
Obtêm-se assim as fórmulas compostas cuja precisão se revela plenamente satisfatória em

casos ordinários.

Por exemplo:
Onde (P2= P2i ) e:
P21 é o polinômioi nterpolante de grau 2 do 1º intervalo,

..
..
P2i é o polinômioi nterpolante de grau 2 do i - ésimo intervalo.
..
Assim:
τ ' = τ 1' + τ 2' + ......... + τ n' 2
Donde:
x x x
τ ' = ∫x 2 P21 ( x )dx + ∫ x 4 P21 ( x )dx + ...... + ∫ x n P21 ( x )dx
0 2 n− 2

2.1.1 Método Dos Trapézios
No caso de m = 1 , teremos o método dos trapézios, onde cada integral parcial é aproximada
pela área de um trapézio.
Calculando as expressões τ i' , (1,2,............., n) pela Equação 4, vem:
 u
P1i ( u) = f i − 1 +   ∆f i − 1 ou P1i ( u) = f i − 1 + u∆f i − 1
1
x − xi −1
Por outro lado, para cada valor τ i' temos: u = e usando a Equação 4 vem:
h
1
τ i' = h∫0 ( f i −1 + u∆f i −1 )du =
1
u2 
= h( f i −1u + ∆f i −1  =
2
0
h
= hfi −1 + ∆f i −1
2
' h
Como: ∆f i − 1 = f i − f i − 1 , vem: τ i = ( f i + f i −1 )
2
O valor de τ ' que chamaremos de τ t , é:
h
τ t = ( f 0 + 2 f1 + 2 f 2 + ...... + 2 f n −1 + f n )
2
Equação 7
Que é a fórmula dos trapézios para a aproximação de integrais numericamente.

Quando n − 1 temos a fórmula fechada de Newton-Cotes para um subintervalo.
h
τ '= [ f 0 + f1 ]
2
onde podemos notar que quanto maior o valor de n , mais exata será a aproximação,
considerando-se apenas o erro intrínseco ao processo.

2.1.2 Método de Simpson (1ª regra)

Uma aproximação, bem melhor, da integral pode ser obtida quando usamos parábolas do 2º
grau interpoladas em cada subintervalo.
Neste caso m = 2 e n deve ser par.
x2i x − x2i − 2
Seja a Equação 5 τ ' = ∫ P2' ( x )dx onde temos u = , então:
x2i−2 h
 u  u
P2i ( u) = f 2 i − 2 +   ∆f 2 i − 2 +   ∆f 2 i − 2
 1  2
Integrando, teremos:
2 u(u − 1) 2
τ i' = h∫0 ( f 2i − 2 + u∆f2i − 2 + )∆ f 2i − 2 )du =
2
2
 u2  u3 u2  
= h f 2i − 2u + ∆f 2i − 2 +  − ∆2 f 2i − 2  =
 2  6 4  0
 1 
= h f 2i − 2 + 2∆f 2i − 2 + ∆2 f2i − 2 
 3 
como:
∆f 2 i − 2 = f 2 i − 1 − f 2 i − 2
e
∆2 f 2 i − 2 = f 2 i − 2 f 2 i − 1 + f 2 i − 2

vem:
f 2i 2 f
τ i' = h( 2 f 2 i − 2 + 2 f 2 i − 1 − 2 f 2 i − 2 + − f 2i −1 + 2i − 2 )
3 3 3
donde:
h
τ i' = [ f 2i + 4 f 2i −1 + f 2i − 2 ]
3
O valor de τ i' que chamaremos de τ s , será:
n
2
h
τs = ∑ [ f 2 i + 4 f 2i −1 + f 2 i − 2 ]
i =1 3
isto é:
h
τ i' = [ f 0 + 4 f1 + 2 f 2 + 4 f 3 + ......... + 2 f n − 2 + 4 f n −1 + f n ]
3
Que é conhecida como fórmula da 1ª regra de Simpson e só pode ser aplicada para para um
número de pontos ímpar.
2.1.2.1 Outra dedução da 1ª regra de Simpson

Consideremos um polinômio P2 ( x ) que passe pelos pontos x0 = 0, x1 = 1 e x1 = 2 .
que é um polinômio de segundo Grau.

O polinômio tem a seguinte expressão:
P ( x ) = L0 ( x ) y0 + L1 ( x ) y1 + L2 ( x ) y2
onde:
( x − 1)( x − 2) 1 2
L0 ( x ) = = ( x − 3 x + 2)
(0 − 1)(0 − 2) 2
( x − 0)( x − 2)
L1 ( x ) = = x(2 − x ) = − x 2 + x
(1 − 0)(1 − 2)
( x − 0)( x − 1) 1 2
L2 ( x ) = = ( x − x)
( 2 − 0)( 2 − 1) 2
daí:
2 2
∫0 P ( x )dx = ∫ [L0 ( x ) y0 + L1 ( x ) y1 + L2 ( x ) y2 ]dx
0
2 2 2 2
∫0 P ( x )dx = ∫0 L0 ( x ) y0dx + ∫0 L1 ( x ) y1dx + ∫0 L2 ( x ) y2dx
2 2 2 2
∫0 P ( x )dx = y0 ∫0 L0 ( x )dx + y1 ∫0 L1 ( x )dx + y2 ∫0 L2 ( x )dx
2 21 2 21
∫0 P ( x )dx = y0 ∫
0 2
( x 2 + 3 x + 2)dx + y1 ∫ ( − t 2 + 2t )dx + y2 ∫
0 0 2
( t 2 − t )dx
2 2 2
2  1  t 3 3t 2   − t 3 2t 2   1  t 3 t 2 
∫0 0 
   − 
P ( x )dx = y
2 3
−
2
+ 2 t  + y1
3
+
2
 + y 2  
    0  0   3 2   0
2
2 1  8 12   8  1  8 
∫0 P ( x )dx = y0  2  3 − 2
+ 4   + y1  − + 4 + y2   − 2  
  3  2  3 
2 y0 4 y1 y2 1
∫0 P ( x )dx = + + = [ y0 + 4 y1 + y2 ]
3 3 3 3
No caso geral em que x0 ≠ 0, h ≠ 1, x1 = x0 + h e x 2 = x1 + h . Por meio de uma mudança de

variável recaímos no caso anterior ( x0 = 0 e h = 1) .
2 1
∫0 P ( x )dx = 3 [ y0 + 4 y1 + y2 ]
Exemplo: Seja calcular a integral numérica da curva dada pela tabela abaixo ente os pontos
x = 2 e x = 10 pelo método se Simpson 1ª regra:
x y
2 28
4 54
6 38
8 27
10 12
Os intervalos entre os pontos x são constantes. Logo h = 2
2
τ i' = [28 + 4(54) + 2(38) + 4(27) + 12] = 440
3
2.1.3 Segunda Regra de Simpson

De forma análoga a dedução da 1ª regra a expressão da segunda regra de Simpson é obtida
aproximando-se a função f ( x ) por um polinômio interpolador de Gregory-Newton do 3º grau
P3 ( x ) .
b b
Ι = ∫ f ( x )dx = ∫ P3 ( x )dx
a a
b u( u − 1) 2 u( u − 1)( u − 2) 3 
Ι = ∫  y0 + uy0 + ∆ y0 + ∆ y0 dx
a
 2! 3! 
3
 u2  u3 u2  2  u4 u3 u2  3 
Ι = h uy0 + 
∆ y0 +  −  ∆ y0 + 
 − +  ∆ y0 
2 6 4 24 6 4 
      0
Que resulta em:
3h
Ι= [ y0 + 3 y1 + 3 y2 + y3 ]
8
3
Que também é conhecida como a regra dos .
8
A mesma só pode ser aplicada para os seguintes números de pontos: 4, 7, 10, 13, 16, 19,...... .

3 Diferenciação Numérica
Equações diferenciais ordinárias ocorrem com muita freqüência na descrição de fenômenos da
Natureza.
Ex.: Podemos supor que sob determinadas condições ambientais, a taxa de crescimento de
uma colônia de bactérias seja proporcional ao número de indivíduos num dado tempo; se
y(t ) for o número de indivíduos num tempo t , temos a equação y( t ) = k ( y( t )) .
Nem sempre é possível obter uma solução analítica para uma Equação Diferencial Ordinária
(EDO) e nestes casos os métodos numéricos são a saída para encontrar uma solução
aproximada.
Ex.: As equações y' = x 2 + y 2 e y' ' = 6 y 2 + x não podem ser resolvidas em termos de
funções elementares.
Consideremos a equação y = x 2 , que é a equação de uma parábola. Consideremos, também,

dy
= 2x .
dx
Esta última equação, à sua maneira descreve uma parábola. Ou seja: ao invés de termos,
explicitamente o valor de y para cada x , ela descreve a inclinação (ou direção) da parábola
em cada ponto da mesma.
dy
= 2x
dx
é chamada de uma EDO.
Diferencial, devido a relação entre derivadas e ordinária pois a derivada é comum (não uma
∂y
derivada parcial ).
∂x
Além disso, como y = x 2 satisfaz a exigência de que

dy = 2 x para cada x, dizemos que
dx
y = x 2 é uma solução da EDO dy = 2x .
dx

Do cálculo conhecemos a forma como se apresenta uma equação diferencial de ordem n.
(
y n = f x , y , y (1) , y ( 2 ) ,..........., y ( n ) )
onde:
l dl y  x ∈ [a, b ]
y = l l = 1,2,3,...., n 
dx  y[a , b] → R
1. y ( 2 ) = 3 y (1) − 2 y é uma EDO de segunda ordem com f ( x , y , y (1) ) = 3 y (1) − 2 y .
Associadas a esta equação podem existir condições cujo número coincide com a ordem
da EDO. Se tais condições se referem a um único valor de x , temos um problema de
valor inicial (PVI), caso contrário temos um problema de valores de contorno.
2. O PVI seguinte é de 2ª ordem:
 y ( 2 ) = 3 y (1 ) − 2 y

 y ( 0) = −1 Equação 8
 (1 )
 y ( 0) = 0

Trataremos de métodos numéricos para conseguir os valores de y ( x ) , em pontos distintos

daqueles das condições iniciais associadas aos PVI’s.
O tipo de PVI será o mais simples: (1ª ordem).
 y (1 ) = f ( x , y )

 y ( x0 ) = y0 = η sendo η um número dado.
PVI’s de ordem superior podem ser reduzidos a PVI’s de 1ª ordem através variáveis auxiliares.
 y ( 2 ) = 3 y (1 ) − 2 y  y' = z e teremos :
  ( 2) (1 )
EX.:  y(0) = −1 , para reduzir à 1ª ordem, basta fazer: y = z e , logo:
 (1 )  (0)
 y ( 0) = 0 z = 0
 y (1 ) = z
 ( 0)
 y = −1
 (1 )
 z = 3z − 2 y
 (0)
z = 0
Este problema tem solução única se a função f ( x , y ) satisfaz:
1. É definida e contínua na faixa: a ≤ x ≤ b, com ( −∞ < y < ∞ ) , onde a e b são finitos.

2. Existe uma constante L tal que para todo x ∈ [a , b] e todo par de números y e y *
temos f ( x , y ) − f ( x , y * ≤ L y − y * .
Então existe uma função y ( x ) , satisfazendo:
• y ( x ) é contínua e diferenciável para todo x ∈ [a , b] ;

• y (1) ( x ) = f ( x , y( x )), para x ∈ [a , b] e
• y(a ) = η , onde η é um número dado.
Observemos que a condição 2 acima será satisfeita se f ( x , y ) tem derivada contínua em

relação a y e limitada na faixa em questão, pois então, do teorema do valor médio:
_
* ∂f
f ( x, y) − f ( x, y ) = ( x , y )( y − y * )
∂y
onde y é um valor entre y e y * .

∂f
A existência de não é necessária para que a equação do item 2 seja satisfeita. É bom
∂y
notar que L na é em geral, possível de ser computado.
3.1 Solução numérica de um PVI de 1ª ordem

 y ( 2 ) = 3 y (1 ) − 2 y

Suponhamos que o PVI  y(0) = −1 satisfaça as condições de existência e unicidade.
 (1 )
 y ( 0) = 0
Para obtermos sua solução numérica, tomemos “m” subintervalos de [a , b], com ( m ≥ 1) , e
(b − a )
façamos x j = x0 + jh onde h = para j = 0,1,2,............, m e x j ∈ [a , b] .
m
A solução numérica y m ( x ) é a função linear por partes, cujo gráfico é uma poligonal com
vértice nos pontos ( x j , y j ) onde y j foi calculado usando algum método numérico
b−a
Se por exemplo m = 2 n , então hn = para n = 0,1,2,........ , teremos uma seqüência de
2n
funções poligonais { yn ( x )} que convergem uniformemente para a solução y ( x ) do PVI.
Convém observar que os métodos numéricos vistos em seguida têm por objetivo calcular os
vértices { yo , y1 , y2 ,........., yn ,} .

Convencionou-se usar a notação y( x j ), j = 0,1,2,...., m para indicar a solução exata o PVI nos
pontos x j ∈ Ιh .
A notação y( x j ) ≅ y j significa que y j é aproximação para y ( x j ) , com x j ∈ Ιh .
3.2 Método de Euler

Seja o PVI:
 y (1 ) = f ( x , y )

 y ( x0 ) = y0 = η
Desejamos as aproximações y1 , y2 , y3 ,.........., yn , para as soluções exatas

y( x1 ), y( x2 ), ,.........., yn .
Observemos a figura abaixo:

Como desconhecemos o valor de y( x1 ) , tomemos y1 como aproximação de y( x1 ) . Para isto

tracemos a tangente T á curva y( x ) no ponto ( x0 , y( x0 )) , cuja equação é:
y ( x ) − y ( x 0 ) = ( x − x 0 ) y' ( x 0 )
Fazemos x = x1 e lembrando que y' ( x0 ) = f ( x0 , y( x0 )) e y1 ≅ y ( x1 ) , temos:
y1 = y0 + hf ( x0 , y( x0 ) )
O erro cometido na aproximação de y( x1 ) por y1 é e1 = y1 − y( x1 ) (diferença entre a

solução numérica e a solução exata.
Generalizando, teremos:
(
y j + 1 = y j + hf x j − y j ) com j = 0,1,2,......., m − 1
Equação 9
Cujo erro é:
e j + 1 = y j + 1 − y( x j + 1 )
O método de EULER consiste em calcular recursivamente as fórmulas:
( A )  y0 = y ( a ) = η

(B )  y j + 1 = y j + hf ( x j , y j ) j = 0,1,2,...........m − 1
Estas fórmulas admitem várias interpretações analíticas:
1. Aproximando-se a derivada que aparece no PVI no ponto x j , y j ( ) por uma diferença

dividida vem:
y j +1 − y j
= f (xj, yj )
h
E resolvendo-se para y j + 1 , obtemos a Equação 2.
2. Integrando-se y' ( t ) = f (t , y( t )) entre x e x + k obtemos:
x+r
y ( x + k ) − y( x ) = ∫ f ( t , ( y( t ))dt
x

Fazendo-se x = x j e k = h ,
x j +1
y( x j + 1 ) − y( x j ) = ∫ f ( t , ( y( t ))dt
xj
Aproximando-se a integral de forma bem grosseira: tamanho do intervalo vezes o valor

do integrando à esquerda e identificando-se y ( x j ) com y j obtém-se a Equação 2.
3. Supondo uma expansão da solução y ( x ) pela série de Taylor em torno de x j ,
1
( )
y( x j + h ) = y( x j ) + hf x j , y( x j ) + h2 y ( 2 ) ( x j ) + ....
2
Truncando-se a série após o termo em h e identificando-se y = x j com x j , teremos

Equação 2.
Ex.: Achar as aproximações para a solução do PVI:
 y' = x − y + 2
 de [0;1] com h = 0,1
 y ( 0) = 2
1−0
onde: x0 = 0 , y0 = 2 , a = 0 , b = 1 , m = ⇒ m = 10 .
0,1
(
Usando-se y( x j + h ) = y( x j ) + hf x j , y( x j ) , ) j = 0,1,2,...,9
teremos:
j = 0,
y1 = y0 + hf ( x0 , y0 )) = y0 + h( x0 - y 0 + 2) = 2 + 0,1 f (0;2) = 2 + 0,1(0 − 2 + 2) = 2
x1 = x0 + h ⇒ x1 = 0 + 0,1 ⇒ x1 = 0,1
j = 1,
y2 = y1 + hf ( x1 , y1 )) = y1 + h( x1 - y 1 + 2) = 2 + 0,1 f (0;2) = 2 + 0,1(0,1 − 2 + 2) = 2,01
x 2 = x0 + 2h ⇒ x 2 = 0 + 2(0,1) ⇒ x2 = 0,2
j = 2,
y3 = y2 + hf ( x 2 , y2 )) = y2 + h( x 2 - y 2 + 2) = 2 + 0,2 f (0,2;2) = 2 + 0,1(0,2 − 2 + 2) = 2,029
Até o valor j = 9 , teremos a tabela a seguir:

j xj yj y( x j ) y j − y( x j )
0 0 2 2
1 0,1 2 2,004837 -0,004837
2 0,2 2,01 2,018731 -0,0083731
3 0,3 2,029 2,040818 -0,011818
4 0,4 2,0561 2,070320 -0,014220
5 0,5 2,09049 2,106531 -0,016041
6 0,6 2,131441 2,148812 -0,017371
7 0,7 2,1782969 2,196585 -0,018288
8 0,8 2,2304672 2,249329 -0,118862
9 0,9 2,2874205 2,306570 -0,019149
10 1 2,348684 2,367879 -0,0192201
Olhando-se a tabela notamos que o erro cresce em valor absoluto devido à propagação.
Para determinarmos uma expressão matemática para o erro usamos a fórmula de Taylor e
desenvolvendo y ( x ) em torno de x0 , vem:
x − x 0 (1 )
y ( x ) = y ( x0 ) + y ( x0 )
1!
lembrando que: x1 − x0 = h , y (1) ( x0 ) = f ( x0 , y( x0 )) e y ( x1 ) = y1 , podemos escrever:
y1 = y0 + hf ( x0 , y0 )
Equação 10
O erro é então obtido a partir do resto da fórmula de Taylor:
( x − x0 ) 2 ( 2 )
y (ε ); x0 < ε < x1
2!
como x1 − x0 = h e usando a notação do erro como ε 1 , vem:
h2 ( 2 )
ε1 = y (ε )
2!
Numa etapa j de cálculo teremos:
h2 ( 2 )
εj = y (ε ); x j − 1 < ε < x j
2!
Que é chamado Erro local de truncamento.

3.3 Método de Runge-Kutta

Como vimos anteriormente, aumentando-se o número de pontos da malha, aumentamos o
erro acumulado.
Todos os métodos de passo simples são escritos na forma:
y j + 1 = y j + hφ ( x j ; y j ; h), j = 0,1,2,..........m − 1
onde: φ é a função incremento e h p comprimento do passo.
O método de EULER y j + 1 = y j + hf ( x j , y j ) é um método de passo simples (ordem um).
Supondo que y ( x ) possua derivadas sucessivas suficientes, pode-se desenvolver y( x + h)

em torno de x , através de Taylor:
h h
y ( x + h) = y ( x ) + y' ( x ) + y" (ξ ), x < ξ < ( x + h)
1! 2!
como:
φ ( x j ; y j ; h) = f ( x , y )
vem:
h h
y( x + h) − y( x ) − hφ ( x , y( x ); h) = y( x ) + y' ( x ) + y" (ξ ) − y( x ) − hf ( x , y ) =
1! 2!
h h2
= [ y( x ) + hy' ( x )] − [ y( x ) − hf ( x , y )] + y" (ξ ) = y" (ξ )
2! 2!
Logo Taylor fornece tantos métodos quantos se queira.
Assim:
h2
y j + 1 = y j + hy' ( x j ) + y" ( x j ) com j = 0,1,2,......m − 1
2!
Ex.: Achar as aproximações para a solução do PVI abaixo.
 y' = x − y + 2
 de [0;1] com h = 0,1
 y ( 0) = 2
1−0
onde: x0 = 0 , y0 = 2 , a = 0 , b = 1 , m = ⇒ m = 10 .
0,1

Para j = 0
h2
y1 = y0 + h( y( x0 )) + y" ( x0 )
2!
h2
y1 = y0 + h( x0 − y0 + 2) + ( y0 − x0 − 1)
2!
(0,1) 2
y1 = 2 + 0,1(0 − 2 + 2) + ( 2 − 0 − 1)
2!
y1 = 2,005
x1 = x0 + h ⇒ x1 = 0 + 0,1 ⇒ x1 = 0,1
Para j = 1
h2
y2 = y1 + h( y' ( x1 )) + y" ( x1 )
2!
h2
y2 = y1 + h( x1 − y1 + 2) + ( y1 − x1 − 1)
2!
(0,1) 2
y1 = 2,005 + 0,1(0,1 − 2,005 + 2) + ( 2,005 − 0,1 − 1)
2!
y1 = 2,019025
x 2 = x0 + 2h ⇒ x 2 = 0 + 2(0,1) ⇒ x2 = 0,2
O que faremos até j = 9 .
j xj yj y( x j ) y j − y( x j )
0 0 2 2
1 0,1 2,005 2,004837 0,000163
2 0,2 2,019025 2,018731 0,000264
3 0,3 2,0412176 2,040818 0,000399
4 0,4 2,0708020 2,070320 0,000482
5 0,5 2,1070758 2,106531 0,000544
6 0,6 2,1494036 2,148812 0,000591
7 0,7 2,1972102 2,196585 0,000625
8 0,8 2,2499753 2,249329 0,000646
9 0,9 2,3072276 2,306570 0,000657
10 1 2,3685410 2,367879 0,000662
Se compararmos com a tabela do método anterior vemos que o erro e bem menor.

∂f ∂f
y" ( x0 ) = ( x0 , y0 ) + f ( x0 , y0 ). ( x0 , y0 )
∂x ∂y
y" ( x0 ) = 1 + ( x0 − y0 + 2).( −1) = 1 − x0 + y0 − 2 = ( y0 − x0 − 1)
∂f
y" ( x0 ) = ( x 0 , y0 ) + (y' em relação a x)
∂x
+ f ( x0 , y0 ) + (y' )
∂f (y' em relação a y)
+ ( x0 , y0 )
∂y

Terceira - Unidade Numerico

Загружено:

Сведения о документе

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

Terceira - Unidade Numerico

Загружено:

Авторское право:

Доступные форматы

Material sujeito a correções

Prof. José Augusto Lucas Matos Página 1 de 31

tabela esta obtida através da expressão analítica de f ( x ) , ou de determinações

Prof. José Augusto Lucas Matos Página 2 de 31

1.2 Diferenças divididas

x f ( x) 1ª Dif . 2ª Dif .div . 3ª Dif . Dividida 4ª Dif . Dividida

A primeira diferença dividida é definida como:

analogamente, as diferenças de ordem superior são definida como:

Desenvolvendo as expressões das diferenças divididas dos numeradores, resulta:

Prof. José Augusto Lucas Matos Página 3 de 31

Sendo por definição:

Das Equações 1 e 2, é obtida a Fórmula de Lagrange:

Prof. José Augusto Lucas Matos Página 4 de 31

Exemplo: Seja a tabela:

( 3 − 2)( 3 − 4)( 3 − 5) ( 3 − 1)( 3 − 4)( 3 − 5)

1.3 Diferenças Finitas

Algebricamente é representada como f ( x1 ) − f ( x 2 ) .

∆f ( x i ) → é chamada de difernça ascendene(ou progressiva );

Considerando uma função f ( x ) , tabulada com espaçamentos iguais em seus valores de x,

Para o ponto x = 3 , teremos:

Difernça ascendente ∆f (3) = 10 e

Prof. José Augusto Lucas Matos Página 6 de 31

A fórmula de Newton pode ser apresentada como:

se substituirmos x por x1 , x 2 , x 3 ,......, xn teremos:

Os coeficiente a1 , a 2 a 3 ,......., a n + 1 podem ser achados por substituições sucessivas.

Quando consideramos os intervalos iguais, temos:

Substituindo h no sistema anterior vem:

f ( x1 + nh) = a1 + a 2 ( nh) + a3 ( nh)[( n − 1)h)] + .....

Prof. José Augusto Lucas Matos Página 7 de 31

que, quando resolvido resulta em:

Prof. José Augusto Lucas Matos Página 8 de 31

Trocando a variável x por h , usando convenientemente a expressão: x = x1 + uh , Teremos:

Exemplo: Consideremos a tabela de diferenças finitas, abaixo:

Aplicando a fórmula de Newton para intervalos iguais, teremos para o ponto x = 4 :

Prof. José Augusto Lucas Matos Página 9 de 31

Resolvendo o mesmo problema por diferenças divididas teremos:

Aplicando a fórmula de Newton para diferenças divididas, temos para o ponto x = 4 :

f ( x ) = ( 30) + (10)(4 − 1) + ( −1,25)(4 − 1)(4 − 3) + (0,625)(4 − 1)(4 − 3)(4 − 5) +

Prof. José Augusto Lucas Matos Página 10 de 31

1.4 Interpolação Parabólica

calcular o seno de 22º.

Se usarmos a expressão P ( x ) = a1 x 2 + a 2 x + a 3 e nela substituirmos os valores dos pontos da

400a1 + 20a 2 + a 3 = 0,34202

E resolvendo o sistema, teremos:

a1 = −0,0000644, a 2 = 0,019018 e a 3 = −0,01258

Outro sistema pode ser obtido, assumindo a parábola como:

P ( x ) = a1 + a 2 ( x − 20) + a 3 ( x − 20)( x − 25)

Substituindo os valores tabulados, temos:

Resolvendo por substituição sucessiva vem:

P ( 22) = 0,34202 + 0,1612( 22) + ( −0,0000644( 2)( −3)) = 0,37429864

Prof. José Augusto Lucas Matos Página 11 de 31

Isto é: Se são conhecidos n + 1 pontos de f ( x )

Prof. José Augusto Lucas Matos Página 12 de 31

Nos métodos fechados de Newton-Cotes, temos:

A integral aproximada seria

onde Pn ( x ) é um polinômio de interpolação obtido por diferenças finitas.

Aplicando-se um método “fechado” de Newton-Cotes a cada subintervalo, o valor de τ ' será a

Obtêm-se assim as fórmulas compostas cuja precisão se revela plenamente satisfatória em

Prof. José Augusto Lucas Matos Página 13 de 31

Onde (P2= P2i ) e:

P21 é o polinômioi nterpolante de grau 2 do 1º intervalo,

τ ' = τ 1' + τ 2' + ......... + τ n' 2

Prof. José Augusto Lucas Matos Página 14 de 31