Baixe o app para aproveitar ainda mais
Prévia do material em texto
U N O PA R C Á LC U LO AVA N Ç A D O : N Ú M ERO S CO M PLEXO S, EQ U A ÇÕ ES D IFEREN C IA IS E M ÉTO D O S N U M ÉRICO S Cálculo avançado: números complexos, equações diferenciais e métodos numéricos Cálculo avançado: números complexos, equações diferenciais e métodos numéricos Diego Fogaça Carvalho Debora Cristiane Barbosa Kirnev Keila Tatiana Boni Dados Internacionais de Catalogação na Publicação (CIP) Carvalho, Diego Fogaça ISBN 978-85-8482-525-7 1. Cálculo avançado. 2. Cálculo integral. 3. Cálculo diferencial. I. Kirnev, Debora Cristiane Barbosa. II. Boni, Keila Tatiana. III. Título. CDD 515 diferenciais e métodos numéricos / Diego Fogaça Carvalho, Debora Cristiane Barbosa Kirnev, Keila Tatiana Boni. – Londrina: Editora e Distribuidora Educacional S.A., 2017. 192 p. C331c Cálculo avançado: números complexos, equações © 2017 por Editora e Distribuidora Educacional S.A. Todos os direitos reservados. Nenhuma parte desta publicação poderá ser reproduzida ou transmitida de qualquer modo ou por qualquer outro meio, eletrônico ou mecânico, incluindo fotocópia, gravação ou qualquer outro tipo de sistema de armazenamento e transmissão de informação, sem prévia autorização, por escrito, da Editora e Distribuidora Educacional S.A. Presidente Rodrigo Galindo Vice-Presidente Acadêmico de Graduação Mário Ghio Júnior Conselho Acadêmico Dieter S. S. Paiva Camila Cardoso Rotella Emanuel Santana Alberto S. Santana Lidiane Cristina Vivaldini Olo Cristiane Lisandra Danna Danielly Nunes Andrade Noé Ana Lucia Jankovic Barduchi Grasiele Aparecida Lourenço Paulo Heraldo Costa do Valle Thatiane Cristina dos Santos de Carvalho Ribeiro Revisor Técnico João Carlos dos Santos Editoração Emanuel Santana Lidiane Cristina Vivaldini Olo Cristiane Lisandra Danna André Augusto de Andrade Ramos Erick Silva Griep Adilson Braga Fontes Diogo Ribeiro Garcia eGTB Editora 2017 Editora e Distribuidora Educacional S.A. Avenida Paris, 675 – Parque Residencial João Piza CEP: 86041-100 — Londrina — PR e-mail: editora.educacional@kroton.com.br Homepage: http://www.kroton.com.br/ Sumário Unidade 1 | Tópicos de cálculo numérico Seção 1 - Zero de funções e zero de polinômios 1.1 | Recordando funções 1.2 | Zero de funções 1.2.1 | Método da bissecção 1.2.2 | Método de Newton-Raphson 1.3 | Zero de polinômios Seção 2 - Sistemas de equações lineares e inversão de matrizes 2.1 | Recordando sistemas de equações lineares 2.2 | Método da eliminação de Gauss 2.3 | Método iterativo de Gauss-Jacobi 2.3.1 | Critério de convergência 2.4 | Método iterativo de Gauss-Seidel 2.5 | Inversa de matrizes 7 11 11 12 16 20 23 29 29 31 34 37 38 40 Unidade 2 | Interpolação e ajustes de curvas Seção 1 - Tipos de interpolação 1.1 | Polinômios e funções polinomiais 1.2 | Interpolação linear 1.3 | Erro de truncamento 1.4 | Interpolação quadrática 1.5 | Interpolação polinomial 1.6 | Interpolação polinomial de Lagrange 1.7 | Forma de interpolação polinomial de Newton Seção 2 - Ajustes de curvas pelo método dos mínimos quadrados 2.1 | Dedução do método dos mínimos quadrados 2.2 | Forma geral do método dos mínimos quadrados 51 55 55 58 61 62 66 70 74 79 79 82 Unidade 3 | Integração numérica e soluções numéricas de equações diferenciais ordinárias Seção 1 - Fórmulas de Newton-Cotes e quadratura gaussiana 1.1 | Integração numérica 1.2.1 | Regra dos trapézios 1.2.2 | Regra 1/3 de Simpson 1.3 | Quadratura gaussiana 93 97 97 99 105 110 Seção 2 - Problemas de valor inicial e equações de ordem superior em problemas de valor de contorno 2.1 | Equações diferenciais 2.2 | Problemas de valor inicial (PVI) 2.3 | Métodos de passo simples 2.3.1 | Método de Euler 2.3.2 | Métodos de série de Taylor 2.3.3 | Métodos de Runge-Kutta 2.4 | Métodos de passo múltiplo 2.5 | Equações de ordem superior 2.6 | Problemas de valor de contorno – o método das diferenças finitas 115 115 118 119 119 120 123 130 132 136 Unidade 4 | Tópicos de cálculo avançado Seção 1 - Números complexos, funções elementares, integrais e série de potências 1.1 | Números complexos 1.2 | Funções elementares 1.3 | A integral 1.3.1 | A Integral imprópria 1.4 | Série de potências Seção 2 - Funções analíticas, série de Fourier, introdução à transformada de Fourier e à transformada de Laplace 2.1 | Funções analíticas 2.2 | Séries de Fourier 2.3 | Transformada de Laplace 2.4 | Introdução à transformada de Fourier 145 149 149 156 158 161 163 169 169 172 175 178 Apresentação O objetivo deste livro é auxiliar no processo de aprendizagem dos estudantes da disciplina Cálculo avançado: números complexos e equações diferenciais, métodos numéricos. Os conteúdos abordados têm por objetivo introduzir o estudo de métodos iterativos que possibilitam a obtenção de soluções numéricas, que consistem em aproximações controladas por um erro pré-fixado, bem como o estudo de números complexos, funções analíticas e as transformadas, que foram o escopo de tópicos de cálculo avançado. O material foi dividido em quatro unidades. Na primeira o foco incide sobre o estudo de métodos numéricos para a obtenção de zero de funções e polinômios, bem como soluções de sistemas lineares e inversão de matrizes. A Unidade 2 aborda métodos numéricos para o ajuste de curvas e interpolação. Nesse caso, considerando uma série de pontos, tem-se que encontrar uma função que mais se apoxime dos pontos, com o intuito de descrever o comportamento dos pontos dados. O foco da Unidade 3 incide sobre o processo de integração numérica, bem como a obtenção de soluções numéricas para equações diferenciais ordinárias. Enfim, na Unidade 4, serão estudados os tópicos de cálculo avançado, retomando o conceito de números complexos, definindo funções analíticas, séries de potência, séries de Fourier, para então tecer considerações a respeito da transformada de Fourier e a transformada de Laplace. Com o intuito de complementar os conhecimentos necessários para a disciplina, vários materiais complementares e de simples compreensão foram disponibilizados na seção Saiba mais em forma de vídeo e de texto. Bons estudos! Professor Diego Fogaça Carvalho Tópicos de cálculo numérico Objetivos de aprendizagem Esta unidade tem por objetivo de aprendizagem apresentar tópicos a respeito do cálculo numérico, especificadamente o estudo do zero de funções e polinômios, soluções de sistemas de equações lineares e a inversão de matrizes. Diego Fogaça Carvalho Unidade 1 Nesta seção serão apresentados dois métodos iterativos que têm por objetivo obter aproximações do zero de funções – o primeiro é o método da bissecção e o segundo, o método de Newton-Raphson. Finaliza-se com uma adaptação do último método mencionado para a obtenção de zero de polinômios. Esta seção é iniciada com o estudo do método direto para a obtenção de soluções de sistemas lineares denominado de eliminação de Gauss. Após, o enfoque será no estudo de dois métodos iterativos nos quais se obtém soluções aproximadas controladas por um erro a priori: método de Gauss-Jordan e Gauss-Seidel. Finaliza-se a seção com a inversão de matrizes por meio de operações elementares, semelhante à eliminação de Gauss. Seção 1 | Zero de funções e zero de polinômios Seção 2 | Sistema de equações lineares e Inversão de matrizes Tópicos de cálculo numérico U1 8 Tópicos de cálculo numérico U1 9 Introdução à unidade Esta unidade é dedicada ao estudo de tópicos de cálculo numérico. Em matemática, você deve estar acostumado a estudar técnicas e métodos de resolução em que sempre chegamos a soluções exatas, ou seja, encontramos o valor que satisfaz a demanda dos problemas ou exercícios que estamos resolvendo. Todavia, ao modelar matematicamente situações do mundo real, geralmente não obtemos expressões “redondinhas” como as apresentadas nos livros de matemática. Dessa forma,os métodos analíticos não são pertinentes para ser empregados, muitas vezes não apresentam solução para a situação em questão, ou, se apresentam, o custo computacional, relacionado ao uso da memória do computador, é muito alto. Diante desse contexto o cálculo numérico surge como uma alternativa. Todavia, na maioria dos casos, obtemos aproximações dos valores verdadeiros, levando-nos a controlar a variação entre o valor encontrado e o valor real por meio de erros fixados pelo pesquisador de antemão. Nesse sentido, noções de cálculo numérico se colocam pertinentes à formação universitária por apresentarem uma matemática flexível, controlada por aproximações. Tópicos de cálculo numérico U1 10 Tópicos de cálculo numérico U1 11 Seção 1 Zero de funções e zero de polinômios Introdução à seção 1.1 Recordando funções É comum nos depararmos com situações do dia a dia em que grandezas de diversas naturezas se relacionam. Uma relação em específico e que apresenta grande relevância para as ciências e matemática é a relação de função. Nesse caso, uma dessas grandezas se apresenta dependente das demais, ou seja, o seu comportamento é colocado em função do comportamento das grandezas independentes. Por outro lado, esse comportamento pode ser descrito por meio de um polinômio, fato que caracteriza a função por polinomial. Nesta seção estamos interessados em compreender técnicas numéricas que possibilitam a obtenção do zero em funções e em polinômios. Todavia, algumas definições relacionadas aos objetos matemáticos destacados serão retomadas com o intuito de contextualizar o conteúdo abordado. De acordo com Gerônimo e Franco (2008, p. 176), função é definida da seguinte maneira: Podemos observar que a relação f apresentada nessa definição é a lei de formação da função, que pode ser expressa por meio de uma expressão Sejam A e B dois conjuntos quaisquer. Uma função de A em B, denotada por f: A→B (ou simplesmente f quando os conjuntos A e B estão explicitamente definidos), é uma terna (f, A, B,) onde f é uma relação de A em B satisfazendo as seguintes condições: a) Dom (f)=A, ou seja, para qualquer x em A, existe y em B tal que (x,y) está em f. b) Se xfy/y=f(x) e xfz/z=f(x), então y=z. Tópicos de cálculo numérico U1 12 algébrica. Você já deve conhecer muitas dessas expressões, e as mais comuns são: f x ax b( ) = + (função afim), f x ax bx c( ) = + +2 (função quadrática), f x ex( ) = (função exponencial), f x x( ) ln= (função logaritmo neperiano). O conjunto A é designado por domínio da função f:A→B e é denotado por Dom (f). O conjunto B, por sua vez, é denominador de contradomínio de f:A→B denotado por Cdom(f). Outras informações importantes: • São denominadas unívocas as relações que apresentam a propriedade b. Essa relação é a garantia de que cada elemento do conjunto A está relacionado a um único elemento de B. • Vamos considerar x ∈ A e y=f(x), denomina-se imagem de x em f. Já o elemento x é designado por pré-imagem de y em f. Além disso, o conjunto imagem pode ser definido da seguinte maneira: Im( ) { ( ) | }f f x x A= ∈ . • Os elementos que pertencem ao conjunto A são denominados por variáveis independentes e os elementos do conjunto imagem são denominados variáveis dependentes. Podemos afirmar também que o conjunto imagem está contido no contradomínio. Em linguagem de conjunto, temos: Im( ) ( )f Cdom f⊃ . Você já estudou outros tipos de funções matemáticas? Procure associar essas funções com o cotidiano da profissão de engenheiro. 1.2 Zero de funções Há diversas situações nas ciências e na matemática em que a obtenção dos zeros de funções se colocam pertinentes, f(x)=0. Por exemplo, ao descrever a trajetória de um projétil em queda livre, o momento em que o projetil chega ao solo pode ser descrito como sendo s(t)=0. Você já deve ter resolvido muitas situações como essa durante seu processo de escolarização. A fórmula resolutiva de equações do segundo grau, conhecida popularmente por fórmula de Bhaskara, ou as tentativas de tentar isolar o x por meio de operações inversas, ou a analogia com a balança em equilíbrio, utilizada em equações do primeiro grau, são métodos analíticos nos quais as soluções Tópicos de cálculo numérico U1 13 apresentadas sempre são exatas e únicas. Todavia, há circunstâncias em que obter o zero de funções/equações que descrevem os fenômenos modelados não é tão simples, e por meio de métodos analíticos se torna impossível ou inviável, do ponto de vista computacional. Diante dessa necessidade é que o cálculo numérico emerge como uma alternativa para a solução dessas situações. Quando se trabalha com resoluções numéricas, é preciso ter ciência de que não obtemos a solução exata como nos métodos analíticos, mas, sim, aproximações, que sempre estão associadas a erros, representados pela letra grega µ (épsilon), mas que possuem a função de estabelecer uma variação mínima aceitável para a solução encontrada. Nesse sentido, faz-se necessário definir dois tipos de erros que serão retomados em toda a unidade. De acordo com Ruggiero e Lopes (1996), o erro absoluto é definido como sendo a diferença entre o valor exato de um número x e de seu valor aproximado x : EA = x x x- (1) É necessário ressaltar que geralmente não se conhece o valor x , o valor exato, fato que inviabiliza a utilização da expressão (1). No entanto, utiliza-se um limitante superior ou uma estimativa para o módulo do erro absoluto. Consideremos agora duas ou mais soluções que são aceitáveis de acordo com um erro pré-fixado. Como saber qual desses valores são os mais precisos? É necessário comparar a ordem de grandeza entre os valores aceitáveis que se têm em mãos. Nesse sentido, quanto maior esse valor, mais perto do valor exato a aproximação está. Diante das limitações apresentadas pelo erro absoluto e da necessidade de acurar cada vez mais as soluções, define-se o erro relativo. Para Ruggiero e Lopes (1996), o erro relativo (2) é definido como o erro absoluto dividido pelo valor aproximado: ER EA x x x x x x = = − (2) Podemos também apresentar essa informação por meio de uma porcentagem, o erro relativo percentual (3). EP ER EA x x x x x x x = ⋅ = ⋅ = − ⋅100 100 100 (3) Exemplo 1: o fluido dos freios de um veículo é uma substância higroscópica, ou seja, absorve água. Com o passar do tempo, a umidade do ar é absorvida e o fluido passa a apresentar um desempenho menos eficiente e, em alguns casos, pode Tópicos de cálculo numérico U1 14 levar a acidentes, colocando a vida dos passageiros em risco. Recomenda-se que a troca desses fluídos ocorra de 12 em 12 meses, ou a partir de 30 mil quilômetros rodados. Considerando um erro aceitável igual a | | ,EAx ≤ ⋅1 5 10 2 , determine a quilometragem máxima e mínima para que se possa realizar seguramente a troca do fluido. Primeiramente temos de observar que há uma inequação modular e que a solução dessa inequação vai determinar uma margem de variação. Vamos estabelecer essa margem, evidenciando a quilometragem máxima e mínima, que se refere aos extremos da margem de variação. Consideremos a definição de módulo: | | , , x x x x x se se ≥ − < 0 0 , dessa definição, obtemos: − ⋅ ≤ ≤ ⋅1 5 10 1 5 102 2, ,EAx Como EA = x x x- e x = 30000 , iremos substituir na inequação e resolver as potências (1,5 ⋅ 10 ⋅ 10 = 150 e 1,5 ⋅ 10 ⋅ 10 = -150) − ≤ − ≤150 30000 150x Lembre-se de que x é o valor aproximado e é a incógnita que temos de isolar. Note que para anular 30000 é necessário somar -30000 em todas as partes da desigualdade, resultando em: − − ≤ − + − ≤ − +30000 150 30000 30000 30000 150x − ≤ − ≤ −30150 29850x Multiplicando por (-1) todas as partes da desigualdade com o intuito de tornar x positivo condizente com o contexto: − ⋅ − ≤ − ⋅ − ≤ − ⋅ −30150 1 1 29850 1( ) ( ) ( )x 2985030150≤ ≤x Note que foi necessário reorganizar os valores após a multiplicação por -1 , para manter a ordem numérica na desigualdade. Com essa solução, podemos concluir que a quilometragem mínima é 29.850km e a máxima 30.150km rodados. Todavia, como calcularemos o zero das funções? Como os tipos de erros apresentados se articulam nessa tarefa? Dada uma função e uma aproximação inicial para seu zero, iremos, por meio de um processo iterativo, ou seja, uma série de repetições de procedimentos apresentados pelo algoritmo do método, refinar a aproximação inicial até que o erro, prefixado inicialmente, utilizado como erro de truncamento, seja satisfeito. Tópicos de cálculo numérico U1 15 Para Ruggiero e Lopes (1996, p. 29), esses métodos apresentam duas fases: Na fase I é necessário realizar uma análise teórica e profunda do gráfico da função em estudo, lembrando que o sucesso da fase sequente dependerá desses resultados. Durante essa análise, é necessário que você utilize os resultados advindos do teorema apresentado a seguir: Teorema 1: seja f(x) uma função contínua em um intervalo [a,b]. Se f(a) f(b)<0 então existe pelo menos um ponto x = ξ entre a e b, que é o zero de f(x), ou seja, f(ξ)=0. Podemos observar as implicações desse teorema quando analisamos o gráfico apresentado na Figura 1.1. Nesse gráfico a função apresentada é f x x( ) ln= . Observe que a raiz da função é x =1 e o intervalo que estamos considerando é I = [ , ; ]0 5 2 . Fase I: localização ou isolamento das raízes, que consiste em obter um intervalo que contém a raiz. Fase II: refinamento, que consiste em, escolhidas aproximações iniciais no intervalo encontrado na fase I, melhorá-las sucessivamente até se obter uma aproximação para raiz dentro de uma precisão ε prefixada. Fonte: elaborada pelo autor. Figura 1.1 | Ilustração teorema 1 Tópicos de cálculo numérico U1 16 Observe os extremos dos intervalos e a variação do sinal da função. Podemos compreender que quando há variação de sinal entre os extremos do intervalo considerado, pelo menos em algum x que pertence ao intervalo, temos que f(x)=0, ou seja, uma raiz da função. Cabe salientar que o estudo detalhado do comportamento de f(x) ou da equação f(x)=0 é de fundamental importância para o estabelecimento de aproximações cada vez mais acuradas das raízes. Após determinar os intervalos em que as raízes das funções poderão ser localizadas, deve-se procurar o método numérico adequado para a situação em estudo. Nesta unidade trabalharemos com o método da bissecção e o de Newton- Raphson. No entanto, antes desse estudo, cabe esclarecer alguns termos que serão recorrentes em vários momentos nesta unidade. Os métodos aplicados são de natureza numérica e pertencem à classe dos métodos iterativos. Para Ruggiero e Lopes (1996, p. 37), os métodos iterativos “consistem em uma sequência de instruções que são executadas passo a passo, algumas das quais são repetidas em ciclos”. A realização de um ciclo recebe o nome de iteração. Em cada uma das iterações utiliza-se o resultado advindo da outra, e os resultados que vão sendo obtidos são submetidos a testes que visam qualificar os resultados. Porém, quando vamos ter certeza que x é uma aproximação adequada? Em relação aos critérios de parada dos processos iterativos, as mesmas autoras apresentam dois critérios: I) | |x − <ξ ε ou II) | ( ) |f x < ε Geralmente não conhecemos o valor de ξ , então teremos o objetivo de reduzir o intervalo ao qual a raiz pertence até que a seguinte condição seja satisfeita: ξ ∈[ , ]a b e b a− < ε . Observe que ∀ ∈ − <x a b x[ , ],| |ξ ε . Portanto, ∀ ∈x a b[ , ] pode ser tomado como x . Ou seja, se realizarmos a diferença entre os extremos dos intervalos refinados, e se essa diferença for menor que o erro, podemos escolher qualquer x desse intervalo que poderá ser utilizado como uma aproximação pertinente da raiz. 1.2.1 Método da bissecção Esse método tem por objetivo reduzir a amplitude do intervalo ao qual a raiz da função pertence até que a seguinte condição seja satisfeita: ( )b a− < ε . O método promove sucessivas divisões do intervalo [a,b] na sua metade e, por meio do estudo das imagens da função nos extremos e do valor localizado em seu meio, o intervalo é redefinido até que condições apresentadas anteriormente sejam satisfeitas. Tópicos de cálculo numérico U1 17 Exemplo 2: dada a função f x x x( ) = − −3 3 1 , calcule um dos zeros da função que pertence ao intervalo I=[1,2] com ε = −10 3 =0,001. Primeiramente, iremos esboçar o gráfico da função com o intuito de compreender o comportamento por ela apresentado. Observando o gráfico apresentado na Figura 1.2, podemos verificar que nos seguintes intervalos localizamos as raízes de f x( ) : I1 2 1= − −[ ; ] , I2 1 0= −[ , ] , I3 1 2= [ , ] . Iremos considerar somente o intervalo I3 para detalhar a resolução. É prudente verificar se no início dos procedimentos a margem aceitável de erro já não é satisfeita, pois, se assim for, basta escolher um valor compreendido no intervalo que a aproximação já é aceitável para a raiz da função: ( ) ( )b a0 0 2 1 1− = − = . Fonte: elaborada pelo autor. Figura 1.2 | Gráfico de f x x x( ) = − −3 3 1 Como um é maior que o erro, iremos dar continuidade ao processo obtendo o valor situado no meio do intervalo. Para obter esse valor, iremos utilizar a média aritmética entre os extremos dos intervalos, assim os somaremos e dividiremos por 2. a0 1= e b0 2= . x a b0 0 0 2 1 2 2 3 2 1 5= + = + = = , O valor x0 1 5= , é o que está localizado no meio do intervalo. Vamos agora pensar no sinal que a imagem dos extremos e de x0 , calculando f a( )0 , f b( )0 e f x( )0 , pois é diante desses valores que iremos reformular os extremos dos Tópicos de cálculo numérico U1 18 intervalos, deixando-o menor: f f(a ) ( )0 31 1 3 1 1 3= = − ⋅ − = − , f f(b ) ( )0 32 2 3 2 1 1= = − ⋅ − = e f x f( ) ( , ) , , ,0 31 5 1 5 3 1 5 1 2 125= = − ⋅ − = − Com essas informações, podemos realizar a seguinte análise: f a( )0 0< , f b( )0 0> e f x( )0 0< . Logo, pode-se evidenciar que a função em x0 e a0 apresentam o mesmo sinal, o que implica que a raiz da função está localizada entre x0 e b0 , pois são entre esses extremos que, de acordo com o Teorema 1, há pelo menos uma raiz da função. Você pode recorrer ao gráfico da função e observar que a raiz está localizada no novo intervalo, [1,5; 2]. Podemos, então, reestruturar os valores da seguinte forma: x a0 1= e b b0 1= . Vamos agora atentar ao erro, pois se ( )b a1 1− < ε , qualquer x que pertence ao intervalo pode ser considerado uma aproximação aceitável. Observe o erro que foi fixado no início, determinando uma margem aceitável de aproximações em torno do valor verdadeiro (desconhecido) da raiz. Nesse caso, como ( , ) ,2 1 5 0 5− = > ε , iremos realizar uma nova iteração, visando reduzir pela metade, novamente, o intervalo redefinido ao qual a raiz da função pertence. E se o sinal de f x( )0 fosse maior que zero, os valores de a1 e b1 seriam os mesmos? Qual intervalo teríamos? Procure pensar análogo ao que foi apresentado anteriormente. Cabe observar que os próximos procedimentos iterativos serão organizados no quadro apresentado na continuidade e as justificativas dos procedimentos se assemelham com o apresentado anteriormente, salvo em situações como a iteração três, em que na análise do sinal das imagens da função verifica-se que f a( )3 <0, f b( )3 >0 e f x( )3 >0. Conservando o raciocínio anterior, vemos que a raiz está compreendia entre [1,875; 1,9375]. Opta-se também por considerar seis casas decimais após a vírgula para apresentar os resultados, salvo em situações em que a sexta casa é zero e a sequente também é apresentada. Observe no Quadro 1.1 que ao iniciar a décima iteração a condição do erro foi satisfeita, pois 0,000977<0,001, o que indica que qualquer valor que esteja compreendido entre 1,877929 e 1,878906 pode ser assumido comouma aproximação da raiz da função de acordo com o erro fixado no início do procedimento. Tópicos de cálculo numérico U1 19 Dado o erro e o intervalo que contém a raiz, pode-se estimar a quantidade de iterações que serão necessárias. Para isso, utilizaremos a seguinte expressão, sendo k o número de iterações: Quadro 1.1 | Procedimento iterativo pelo método da bissecção Iteração (k) a b (b-a) x a b= + 2 f(x) k=0 1 2 1 1,5 -2,125 k=1 1,5 2 0,5 1,75 -0,890625 k=2 1,75 2 0,25 1,875 -0,033203 k=3 1,875 2 0,125 1,9375 0,460693 k=4 1,875 1,9375 0,0625 1,90625 0,2081604 k=5 1,875 1,90625 0,03125 1,890625 0,086093 k=6 1,875 1,890625 0,015625 1,882812 0,0261006 k=7 1,875 1,882812 0,007812 1,878906 0,003639 k=8 1,875 1,878906 0,003906 1,876953 -0,018442 k=9 1,876953 1,878906 0,001953 1,877929 -0,011046 k=10 1,877929 1,878906 0,000977 __________ __________ Fonte: elaborado pelo autor. Para saber mais sobre os procedimentos do método da bissecção, consulte os seguintes links: <https://www.youtube.com/watch?v=WPaJb3_Wh_o>; <https://www.youtube.com/watch?v=8KEd4NaLGQ4>; <https://www.youtube.com/watch?v=TczufNvoVzk>; <https://www.youtube.com/watch?v=XmfMPyhilaA> e <http://www2.sorocaba.unesp.br/professor/amartins/aulas/numerico/ bissec.pdf>. Acesso em: 6 set. 2016. Tópicos de cálculo numérico U1 20 k a> − −log(b ) log( ) log( ) 0 0 2 ε Focando o exemplo resolvido anteriormente, temos que a0 1= , b0 2= e ε = 0 001, , substituindo os valores na expressão: log( ) log( , ) log( ) , , 2 1 0 001 2 0 3 0 301229 9 965 10 − − = + = + ⇒ =k 1.2.2 Método de Newton-Raphson Seja f(x) uma função contínua em um intervalo [a,b] que contém somente uma raiz e considere que f’(x) e f’’(x) não se anulam e conservam o sinal. Para utilizar esse método é necessário ter em mãos uma estimativa inicial k0 (um chute) que pertence ao intervalo que inicialmente está sendo considerado. O método gera uma sequência de estimativas em que cada ponto é a interseção da reta tangente y=f(x) com o eixo das abscissas (eixo de x). O critério de parada nesse caso é semelhante ao que foi utilizado no método da bissecção, mas serão dois erros que utilizaremos; um para as aproximações, | |x x1 0 2− < ε , e outro para a imagem da função, |f( x0 )|ε1 . Todavia, para facilitar os cálculos, a seguinte igualdade será utilizada . A fórmula para o refinamento das estimativas (4) é apresentada na sequência. x x f x f xk k k k + = −1 ( ) (́ ) (4) Resolveremos o exemplo anterior por esse método com o intuito de realizar uma comparação da eficiência de convergência. Exemplo 3: dada a função f x x x( ) = − −3 3 1 , calcule um dos zeros da função que pertence ao intervalo I=[1,1; 2] com ε 1 = ε 2 = 10-3 e um valor aproximado x0 1 2= , . O primeiro passo que realizaremos é observar as condições sobre f’(x) e f’’(x), pois para que o método possa ser empregado, a derivada da primeira e da segunda função deve ser diferente de zero no intervalo e preservar o sinal. Derivando a função e a derivada da função, temos: f x x'( ) = −3 32 e f x x''( ) = 6 Agora analisaremos o sinal da função no intervalo apresentado. Substituindo os valores dos extremos, temos que: f f'( , ) , ''( ) ,1 1 0 63 1 6 6= = e e f f'( ) ''( )2 9 2 12= = e ε 1 =ε 2 Tópicos de cálculo numérico U1 21 Observe que os valores obtidos são todos positivos, ou seja, o sinal foi conservado, satisfazendo as condições de utilização do método. É prudente verificar, inicialmente, se |f( x0 )|ε1 . Nesse sentido, temos: 2,96>10−3 , o que implica a continuidade do emprego do método. O próximo passo é calcular o valor de x1 , e para isso temos de ter em mãos os seguintes valores: x0 1 2= , , f x( ) ,0 2 872= − e f x'( ) ,0 1 32= . Substituindo esses valores na expressão (4), teremos: x1 1 2 2 872 1 32 1 2 2 175757 3 375757= − − = − − = −, , , , ( , ) , Verificaremos, agora, os erros: | (x ) |f 1 1< ε , o que no caso não satisfaz, pois 27 34198 10 3, > − . Iremos, então, realizar o segundo teste | |x x1 0 2− < ε , substituindo os valores, | , , | ,3 375758 1 2 2 175758 2− = > ε , não satisfazendo o critério. Temos que agora assumir x1 como uma nova aproximação e realizar mais processos de iteração. Organizaremos os cálculos a serem realizados no Quadro 1.2 com o intuito de sintetizar o procedimento de resolução. Qual seria a representação gráfica para o método Newton- Raphson? Como a função e as aproximações geradas pela expressão (4) se comportariam em um mesmo plano? Quadro 1.2 | Procedimento iterativo pelo método Newton-Raphson Iteração (k) xk f xk( ) f xk'( ) | ( ) |f xk+ <1 1ε | |x xk k+ −1 ε2 0 1,2 -2,872 1,32 | ( ) |f x0 1> ε ___________ 1 3,375758 27,34198 31,18722 | ( ) |f x1 1> ε 2,175758>ε2 2 2,499053 7,11009 15,7358 | ( ) |f x2 1> ε 0,876705>ε2 3 1,896961 0,135256 7,795382 | ( ) |f x3 1> ε 0,602092>ε2 4 1,87961 0,001708 7,598802 | ( ) |f x4 1> ε 0,017351>ε2 5 1,879385 0,00000018 11,27766 | ( ) |f x5 1< ε ___________ Fonte: elaborado pelo autor. Tópicos de cálculo numérico U1 22 Como na iteração 5 | ( ) |f x5 1< ε , temos que x =1 879385, Pensando em uma motivação geométrica para compreender a maneira como se dá a convergência do método de Newton-Raphson, Ruggiero e Lopes (1996) conceberam a seguinte estrutura: Considerando o ponto (x , (x ))k kf , iremos traçar a reta L xk ( ) que é tangente à curva nesse ponto. De acordo com a Geometria Analítica, essa reta apresenta a seguinte equação: L x f f x x xk k k k( ) (x ) '( )( )= + − Fique claro que L xk ( ) aproxima a função de uma vizinhança de xk . Quando o zero desse modelo é encontrado, obtemos a seguinte situação: L x x x f x f xk k k k ( ) - ( ) '( ) = ⇔ =0 Considerando, então, que x xk+ =1 . Contribuindo para a última reflexão apresentada, na Figura 1.3 representa-se a maneira como o método Newton-Raphson é obtido geometricamente. Observe que a raiz da função ξ =1 e o “chute inicial” é x0 2= . A reta tangente L0 é tangente no ponto ( , ( ))x f x0 0 , que no caso é representado pela letra B. Essa reta corta o eixo de x na segunda aproximação x1 0 61= , . Realizando o procedimento anterior, ao traçar L1 tangente ao ponto ( , ( )x f x1 1 ) , obtemos x2 0 91= , , a segunda aproximação. Ao realizar mais uma iteração, podemos notar que já temos uma aproximação melhor que a anterior. Diante desse contexto, é importante retomar os erros, tanto absoluto quanto relativo, e destacar o seu papel no processo de resolução numérica, pois é elaborada uma margem pertinente para as aproximações. Observe: se considerarmos ε = 0 1, , identificamos que a margem aceitável para a raiz varia entre [0,9; 1,1], isso mostra que x2 0 91= , já é uma aproximação a ser considerada para a raiz da função. Comparando os dois métodos, podemos verificar que o método de Newton- Raphson converge para a raiz em um número menor de iterações do que o método da bissecção. Por outro lado, é necessário que algumas condições sejam atendidas e nem sempre isso pode ocorrer. Um exemplo se refere ao fato do intervalo do Exemplo 3 ser diferente do Exemplo 2. Houve a necessidade de adaptar o intervalo pelo fato de em x=1, a função derivada resultar em 0, o que, de acordo com (4), nos levou a uma divisão por 0; uma limitação do emprego do método, sendo necessário realizar adaptações no extremo do intervalo. Observe, na Figura 1.3, uma interpretação geométrica da convergência do método Newton-Raphson para a raiz da função. Tópicos de cálculo numérico U1 23 Fonte: elaborada pelo autor. Figura 1.3 | Interpretação gráfica do método Newton-Raphson O método da bissecção também se torna inviável quando o erro é muito pequeno, pois quanto menor for o erro, mais iterações precisarão ser realizadas. Em relação à complexidade dos cálculos, o método da bissecção apresenta operações menos laboriosas do que o método de Newton-Raphson, que exige conhecimentos da derivada dafunção. Por fim, a aplicação do método de Newton- Raphson é mais criteriosa do que o método da bissecção, que só exige que a função seja contínua no intervalo a ser considerado. Para saber mais sobre o método Newton-Raphson e outros métodos numéricos, acesse: <https://www.youtube.com/watch?v=Yx90nD1qonU>; <https://www.youtube.com/watch?v=grUYOfgRZGs>; <https://www.youtube.com/watch?v=VWx-KkoZdmU>; <http://www2.sorocaba.unesp.br/professor/amartins/aulas/numerico/ nr.pdf> e <http://www2.sorocaba.unesp.br/professor/amartins/aulas/numerico/ mil.pdf>. Acesso em: 6 set. 2016. 1.3 Zero de polinômios Como os polinômios aparecem constantemente na matemática, faz-se necessário tecer considerações específicas a respeito de algoritmos numéricos Tópicos de cálculo numérico U1 24 para obtenção de seus zeros/raízes. Todavia, os métodos já apresentados se configuram pertinentes para essa tarefa. Os algoritmos que serão apresentados são eficientes para determinação de raízes isoladas de polinômios, reais ou complexas. De acordo com Franco (2006), considere um polinômio de grau n: P x a x a x a x a a x an n n n i i n i n ( ) ... ,= + + + + = ≠+ + = ∑1 1 1 0 0 0 Os seguintes resultados são válidos: I. O polinômio admite, pelo menos, um zero. II. O polinômio admite, exatamente, n zeros, caso um zero de multiplicidade k seja considerado k vezes. III. Dois polinômios de grau ≤ n são considerados idênticos caso seus respectivos valores numéricos coincidam para mais de n valores distintos de x. IV. Um polinômio P x( ) pode ser expresso unicamente na forma fatorada: P x a x x x x x xn n( ) ( )( )...= − − −( )1 2 Sendo x x xn1 2, , ... zeros do polinômio. v. Se os coeficientes a k nk ( , ,... )= 0 1 forem reais e se a bi+ for um zero complexo de P x( ) , logo a bi− também será um zero do polinômio. Como podemos adaptar os métodos de zero de funções até agora estudadas para os métodos de zero de polinômios? Exemplo 4: (adaptado de FRANCO, 2006, p. 94-95) Determine a raiz do polinômio a seguir com a aproximação inicial igual a 0,9: P x x x x( ) , .= + − −3 22 0 85 1 7 com ε = −10 2 . Para encontrar esses zeros iremos utilizar o método de Newton, que já foi estudado anteriormente, e apresentaremos o algoritmo de Briot-Ruffini-Horner. Optamos por omitir sua fundamentação matemática, sem prejuízo de compreensão do método, sendo apresentado link para consulta no próximo item Saiba mais. Para utilizar o método Newton-Raphson devemos ter em mãos os valores de P(0,9) e P’(0,9). Calcularemos esses valores por meio do algoritmo de Briot-Ruffini- Tópicos de cálculo numérico U1 25 Horner. Para isso, teremos de separar os valores dos coeficientes dos polinômios. Observe: a3 1= , a2 2= , a1 0 85= − , e a0 1 7= − , . As operações elementares obedecem à seguinte ordem: vamos transcrever o coeficiente de a3 (1) na terceira linha, passando a ser designado por b3 0 9 1( , ) = . Os próximos elementos foram calculados da seguinte forma: multiplicamos a estimativa inicial (0,9) por b3 0 9( , ) e somamos com a2 , o resultado pode ser designado por b2 0 9 2 9( , ) ,= e foi acomodado ao lado de b3 0 9( , ) , na terceira linha. Analogamente a esse procedimento, multiplicamos a estimativa inicial por b2 0 9( , ) e somamos com a1 , o resultado, b1 0 9 1 76( , ) ,= , foi acomodado ao lado de b2 0 9( , ) . Continuando, multiplicamos a estimativa por b1 0 9( , ) e somamos com a0 , resultando em b0 0 9 0 1164( , ) ,= − , que é acomodado ao lado de b1 . De acordo com Ruggiero e Lopes (1996), temos que: b P0 0 9 0 9 0 1164( , ) ( , ) ,= = − . Veja todos esses procedimentos organizados no Quadro 1.3. Quadro 1.3 | Algoritmo Briot-Ruffini-Horner aplicado em P x( ) com x0 P(x) 1 2 -0,85 -1,7 0,9 0,9 2,61 1,584 1 2,9 1,76 -0,1164 0,9 0,9 3,42 1 3,8 5,18 Fonte: elaborado pelo autor. É necessário também calcular o valor de P’(0,9). Para isso realizaremos os mesmos procedimentos do algoritmo com os coeficientes presentes na segunda linha do Quadro 1.3. Os novos valores obtidos são assim designados: c b3 30 9 0 9 1( , ) ( , )= = e, c2 0 9 3 8( , ) ,= e c1 0 9 5 18( , ) ,= . De acordo com Ruggiero e Lopes (1996), p c c'( ) = 1 , ou seja, c P1 0 9 0 9 5 18( , ) '( , ) ,= = . Com essas informações já podemos utilizar o método de Newton-Raphson, e então temos: x b c1 0 1 0 9 0 9 0 9 = −, ( , ) ( , ) Substituindo os valores e realizando as operações, temos: x x1 10 9 0 1164 5 18 0 9224= − − ⇒ =, , , , É necessário calcular o erro entre as aproximações, e tanto o erro relativo quanto o absoluto podem ser utilizados. Portanto, para o erro absoluto, teremos: Tópicos de cálculo numérico U1 26 | | | , , | ,x x1 0 0 9224 0 9 0 0224− = − = . Podemos perceber que o valor do erro calculado é maior que ε = =−10 0 012 , , fato que implica a necessidade de realizar uma nova iteração. Veja os cálculos para x1 organizados no Quadro 1.4. Quadro 1.4 | Algoritmo Briot-Ruffini-Horner aplicado em P x( ) com x1 P(x) 1 2 -0,85 -1,7 0,9224 0,9224 2,6956 1,7024 1 2,9224 1,8456 0,0024 0,9224 0,9224 3,5464 1 3,8448 5,392 Fonte: elaborado pelo autor. Semelhante ao raciocínio que utilizamos no procedimento anterior podemos extrair os seguintes valores: b P0 0 9224 0 0024 0 9224( , ) , ( , )= = e c P1 0 9224 5 392 0 9224( , ) , '( , )= = . x b c2 0 1 0 9224 0 9224 0 9224 = −, ( , ) ( , ) Substituindo os valores e realizando as operações, temos: x x2 20 9224 0 0024 5 392 0 9220= − ⇒ =, , , , Ao calcular o erro absoluto, temos: | | | , , | ,x x2 1 0 9220 0 9224 0 0004− = − = . Como o erro foi menor 10 2− , temos que x = 0 9220, é uma raiz de acordo com a precisão fixada pela questão. É válido destacar que, ao ter ciência do valor aproximado de uma raiz, podemos nos valer da seguinte relação e calcular as demais raízes: P x x Q x( ) ( ) ( )= −ξ , sendo ξ um zero do polinômio (5). Q x P x x ( ) ( ) ( ) = −ξ e Q x b x b x b( ) = + +3 2 2 1 Utilizaremos novamente o algoritmo de Briot-Ruffini-Horner para x1 =0,9220. Os dados foram organizados no Quadro 1.5. Tópicos de cálculo numérico U1 27 Quadro 1.5 | Algoritmo Briot-Ruffini-Horner aplicado em P x( ) com x1 P(x) 1 2 -0,85 -1,7 0,9220 0,9220 2,6941 1,7002 1 2,9220 1,8441 0,0002 Fonte: elaborado pelo autor. Observe que Q x x x( ) , ,= + +2 2 9220 1 8441 . Como temos uma equação de segundo grau, podemos abdicar dos métodos numéricos e aplicar métodos analíticos, como a fórmula resolutiva de equações do segundo grau. x b b ac a = − ± −2 4 2 Sendo a =1 , b = 2 9220, e c =1 8441, , temos as demais aproximações para as raízes do polinômio: x2 0 9235= − , e x3 1 9985= − , . É importante que o erro fixado no início seja satisfeito. Então calcularemos 2( ) 0,00307–~P x e P x( ) ,3 0 00251= , ambos os casos são menores que o erro. Para saber mais sobre métodos numéricos para zero de polinômios, acesse: <http://www.uesb.br/mat/download/publicacoes/FlaullesIII.pdf> e <http://www2.peq.coppe.ufrj.br/Pessoal/Professores/Arge/EQE358/ Matlab_Octave/exemplos/zerosdepolinomios.pdf>. Acesso em: 6 set. 2016. 1. Considere a função f x x x( ) = − +3 24 3 e os seguintes intervalos: I1 1 0 5= − −[ ; , ], I2 0 5 1 5= [ , ; , ] e I3 3 5 4= [ , ; ]. Calcule, com ε = 0 01, , os valores aproximados para as raízes em cada um dos intervalos pelo método da bissecção. 2. Considere a função f x x x( ) = − +3 24 3 e os seguintes intervalos: I1 1 0 5= − −[ ; , ] , I2 0 5 1 5= [ , ; , ] e I3 3 5 4= [ , ; ]. Calcule, com ε = 0 01, , os valores aproximados para as raízes em cada um dos Tópicos de cálculo numérico U1 28 intervalos pelo método Newton-Raphson com os seguintes valores iniciais: x0 0 8= − , para I1, x0 0 7= , para I2 e x0 3 6= , para I3. 3. Comparando os dois métodos, qual convergiu mais rapidamente para a solução? Qual apresentou soluções com menor erro para os zeros do polinômio? Tópicos de cálculo numérico U1 29 Seção 2 Sistemas de equaçõeslineares e inversão de matrizes Introdução à seção 2.1 Recordando sistemas de equações lineares Nesta seção nossos estudos incidirão sobre a resolução de sistemas lineares e a inversão de matrizes por meio da utilização de métodos numéricos. De acordo com Ruggiero e Lopes (1996), o problema de resolver um sistema linear aparece em diversas áreas. Franco (2006, p. 114) apresenta os seguintes exemplos: Para essa mesma autora, os métodos iterativos se colocam pertinentes em relação aos métodos exatos, pois, do ponto de vista computacional, são mais econômicos, uma vez que utilizam menos memória do computador. Todavia, antes de conhecermos métodos iterativos, vamos relembrar a definição e classificação de sistemas de equações lineares. Franco (2006) afirma que uma equação é linear se cada um dos termos contém não mais do que uma variável e essa variável está na primeira potência, conforme os seguintes exemplos: 2 4 3x y z+ − = . Equações como as seguintes não são lineares: x y z3 22 3 2+ + = e 2 4xy z− = . Um sistema linear com m equações e n variáveis é escrito usualmente da seguinte forma: a x a x a x b a x a x a x b n n n n 11 1 12 2 1 1 21 1 22 2 2 2 + + ⋅⋅⋅+ = + + ⋅⋅⋅ + = a x a x a x bm m mn n m1 1 2 2+ + ⋅⋅⋅+ = Determinação do potencial elétrico em redes elétricas, cálculo da tensão na estrutura metálica da construção civil, cálculo da razão do escoamento num sistema hidráulico com derivações, previsão da concentração de reagentes sujeito a reações químicas simultâneas. Tópicos de cálculo numérico U1 30 Em que: aij :: coeficientes 1≤ ≤i m , 1≤ ≤j n x j : coeficientes j n=1,..., bi : constantes i m=1,..., Para Ruggiero e Lopes (1996), resolver um sistema linear refere-se a calcular os valores, caso existam, de x j nj , ( ,..., )=1 , de modo que satisfaçam as m equações simultaneamente. Em notação matricial, o sistema pode ser representado pela igualdade Ax b= , em que: A a a a a a a a a a n n m m mn = 11 12 1 21 22 2 1 2 K K M M M K , a matriz dos coeficientes, x x x xn = 1 2 , vetor variáveis, b b b bm = 1 2 , vetor constante. É importante também convencionarmos algumas notações com o intuito de facilitar a compreensão no decorrer desta seção. Nesse sentido, o vetor x* é o vetor solução e o vetor x é a solução aproximada para o sistema Ax b= . Assumindo como critério a solução apresentada por sistemas lineares, Franco (2006) apresenta a seguinte classificação: a) Sistemas possíveis ou consistentes: são os sistemas que apresentam pelo menos uma solução. Um sistema pode ser: • Determinado – o sistema admite uma única solução. • Indeterminado – o sistema admite mais de uma solução. b) Sistemas impossíveis ou inconsistentes: são os sistemas que não apresentam solução. Tópicos de cálculo numérico U1 31 Em relação aos métodos empregados na resolução, Ruggiero e Lopes (1996) apresentam dois grupos: • Os métodos diretos, salvo em erros de arredondamento, fornecem, caso exista, a solução exata do sistema linear, após um número finito de operações. • Os métodos iterativos, por sua vez, irão gerar uma sequência de vetores { }( )x k , a partir de uma aproximação inicial x( )0 . Em certas condições, essa sequência converge para a solução, caso exista, x* . Vale destacar que em sistemas lineares nxn, que apresentam solução única, o vetor x* pode ser obtido por meio da equação matricial x A b* = −1 . Todavia, o cálculo da matriz inversa e o produto entre essa matriz e b apresenta um alto custo computacional, que inviabiliza esse tipo de cálculo. Os métodos diretos e iterativos que serão apresentados a seguir buscam evitar o cálculo de A−1 . 2.2 Método da eliminação de Gauss Esse método tem por objetivo transformar o sistema original em um sistema equivalente com uma matriz com coeficientes triangulares, pois sua resolução é imediata. Dois sistemas são designados por equivalentes se possuem a mesma solução. Considere o sistema A bx = , onde A : é uma matriz nXn, triangular superior, e os elementos de sua diagonal são diferentes de zero. Assim, temos: a x a x a x a x b a x a x a n n11 1 11 1 11 1 1 1 22 2 23 3 2 + + + ⋅⋅⋅ + = + + ⋅⋅⋅+ nn n n n x b a x a x b = + ⋅⋅⋅ + = 2 33 3 3 3 O M +a x bnn n n= Note que na última equação temos a seguinte relação: x b an n nn = e, ao realizar substituições nas equações acima, pode-se, de maneira análoga, obter os valores de xn−1 até x1 . Exemplo 1: calcule a solução do sistema linear por meio da eliminação de Gauss. 2 3 17 4 2 3 23 5 6 x y z x y z x y z + − = + + = − + + = Tópicos de cálculo numérico U1 32 Iremos transformar a matriz A associada ao sistema em uma matriz triangular superior. Para tanto, utilizaremos os resultados do Teorema 1 para fundamentar os procedimentos empregados. Teorema 1: seja Ax b= um sistema linear. Ao aplicar sobre as equações desse sistema uma sequência de operações elementares, devemos: I. Trocar duas equações. II. Multiplicar uma equação por uma constante não nula. III. Adicionar um múltiplo de uma equação a uma outra equação. Obtemos, então, o novo sistema Ax b ~ ~ = e os sistemas Ax b= e Ax b ~ ~ = são equivalentes, ou seja, compartilham a mesma solução. Iremos extrair a matriz A e b , dispondo-a lado a lado: Chamaremos de pivô o número situado na diagonal principal. Vamos nos atentar para a11 2= . Esse valor será utilizado para operar com as linhas dois e três com o intuito de zerar os valores a21 e a31 . Para realizar essa tarefa utilizaremos Teorema 1, especificadamente o item III. Dessa forma, iremos multiplicar a linha por um número real não nulo (mnm ) e, ao somar com a segunda linha, necessariamente teremos de obter zero, atingindo o objetivo. Todavia, para manter a equivalência com o sistema original, é necessário que todos os termos das linhas, respectivamente, também sejam submetidos às mesmas operações com o mesmo número mnm . Para diferenciar cada uma das iterações, iremos sobrescrever um número entre parênteses indicando essa ordenação. A b0 0 2 3 1 1 1 5 17 23 6 ( ) ( ) − − Como poderemos determinar os valores mnm com o intuito de transformar a matriz associada ao sistema em uma matriz triangular? Uma maneira de obter os valores mnm pertinentes para aplicação do método da eliminação de Gauss é pensar em uma equação. Pelo Teorema 1, item III, temos que as operações a serem empregadas, garantindo a equivalência do sistema, são Tópicos de cálculo numérico U1 33 as seguintes: L L m L2 1 2 0 21 1 0( ) ( ) ( )= − e L L m L3 1 3 0 31 1 0( ) ( ) ( )= − . Devemos pensar então nos valores de m21 e m31 de modo que (1) (1) 21 31 0= =a a . Então, teremos: a m a m a a21 0 21 11 0 21 21 0 11 0 0( ) ( ) ( ) ( ) − = ⇒ = e m a a31 31 0 11 0 = ( ) ( ) , generalizando, ( 1) ( 1) 1,..., − −= = + k ik ik k kk am i k n a Nesse sentido, teremos m21 2= e m31 1 2 = − . Realizando as seguintes operações L L L2 1 2 0 1 02( ) ( ) ( )= − e L L L3 1 3 0 1 01 2 ( ) ( ) ( )= + entre as linhas da matriz: Agora devemos zerar a32 5 2 = . Valendo-se de um raciocínio análogo ao desenvolvido anteriormente, podemos determinar m32 5 8 = − e, pela seguinte expressão L L L3 2 3 1 2 15 8 ( ) ( ) ( )= + , a seguinte matriz triangular: A b1 1 2 3 1 0 4 5 0 5 2 9 2 17 11 29 2 ( ) ( ) = − | Ao ter essa matriz em mãos, é possível retomar o sistema linear e resolvê-lo. 2 3 17 4 5 11 61 8 61 8 x y z y z z + − = − + = − = Resolvendo a terceira equação, temos z =1. Substituindo essevalor na segunda equação, encontramos y = 4 . Por fim, substituindo z =1 e y = 4 na primeira equação, encontramos x = 3 . A solução exata do sistema é x* = 3 4 1 Segundo Ruggiero e Lopes (1996), há uma limitação para a utilização desse método, principalmente no caso do pivô ser zero ou muito próximo de zero. As autoras afirmam que os computadores e calculadoras efetuam os cálculos com aritmética de precisão finita. Logo, os valores para mnm chegam a ser maiores do que a unidade, originando uma ampliação dos erros de arredondamento. Para A b2 2 2 3 1 0 4 5 0 0 61 8 17 11 61 8 ( ) ( ) = − − − | Tópicos de cálculo numérico U1 34 contornar essa situação, é necessário trocar as equações de posição, com o intuito de que os pivôs sejam os elementos que apresentam maior módulo entre os coeficientes. 2.3 Método iterativo de Gauss-Jacobi Os dois próximos métodos que serão estudados são caracterizados por iterativos. Nesses métodos tem-se intuito realizar uma generalização de métodos para zero de funções que estudamos na seção anterior. Como critério de parada do processo iterativo, podemos utilizar tanto o erro quanto fixar uma quantidade máxima de iterações. Ruggiero e Lopes (1996) apresentam a seguinte expressão para o estudo do erro: d d máxr k k i n i k ( ) ( ) ( )| x | = ≤ ≤1 Assim, dada uma precisão ε , o vetor (solução) x k( ) será considerado x se dr k( ) < ε . O método Gauss-Jacobi transforma o sistema linear Ax b= em x Cx g= + . Acompanhe no Exemplo 2 a maneira como esse método é estruturado. Exemplo 2: (adaptado de RUGGIERO; LOPES, 1996, p. 157) resolva o sistema linear pelo método Gauss-Jacobi com a primeira aproximação s( ) , , , 0 0 7 1 6 0 6 = − e ε = 0 05, . 10 2 7 5 8 2 3 10 6 x y z x y z x y z + + = + + = − + + = A primeira ação que realizaremos é isolar, em cada uma das equações, cada uma das incógnitas. Então, teremos: x y z y x z z x y x= − − = − − − = − − ( ) 7 2 10 8 5 6 2 3 10 == − − = − − + = − − − =− − − − = − 7 2 10 0 2 10 1 10 7 10 8 5 1 5 0 1 5 8 5 6 2 y z x y z y x z x y z z x −− = − + + 3 10 2 10 3 10 0 6 10 y x y z Tópicos de cálculo numérico U1 35 Observe que a forma matricial na qual estamos transformando o sistema Ax b= , que apresentamos no início, pode ser obtida da seguinte maneira x Cx gk k( ) ( )+ = +1 : c = − − − − − − 0 2 10 1 10 1 5 0 1 5 1 5 3 10 0 e g = − 7 10 8 5 6 10 Para resolver as iterações focaremos o sistema *, então substituiremos em cada uma das equações o valor da aproximação inicial, com o intuito de gerar uma segunda aproximação, acompanhe: Para k = 0 x( ) ( , ) , , , , ,1 7 2 1 6 0 6 10 7 3 2 0 6 10 9 6 10 0 96= − ⋅ − − = + − = = y( ) , , , ,1 8 0 7 0 6 5 9 3 5 1 86= − − − = − = − z ( ) , ( , ) , , , ,1 6 2 0 7 3 1 6 10 6 1 4 4 8 10 9 4 10 0 94= − ⋅ − ⋅ − = − + = = Decorrente da primeira iteração, temos o seguinte vetor s( ) , , , 1 0 96 1 86 0 94 = − . Passaremos, então, para o teste do erro, calculando o módulo da diferença entre as coordenadas dos vetores s1 e s0 : | | | , , | ,( ) ( ) ( )x x d x 1 0 10 96 0 7 0 26− = − = = | | | , ( , ) | ,( ) ( ) ( )y y d y 1 0 11 86 1 6 0 26− = − − − = = ⇒ = = = > ≤ ≤ d xr i imáx ( ) ( ) , | | , , ,1 1 3 1 0 34 0 34 1 86 0 1828 ε | - | | , , | ,( ) ( ) ( )z z d z 1 0 10 94 0 6 0 34= − = = Podemos notar que o valor de dr ( )1 foi obtido pelo quociente entre o maior valor entre os dk ( )1 e o módulo do maior componente do vetor solução obtido na iteração. Como esse quociente é maior que o erro, devemos realizar mais uma iteração. Os procedimentos apresentados a seguir mostram um pensamento análogo ao anterior. Tópicos de cálculo numérico U1 36 Para k =1 : x( ) ( , ) , , , , ,2 7 2 1 86 0 94 10 7 3 72 0 94 10 9 78 10 0 978= − ⋅ − − = + − = = y( ) , , , ,2 8 0 96 0 94 5 9 9 5 1 98= − − − = − = − z ( ) , ( , ) , , , ,2 6 2 0 96 3 1 86 10 6 1 92 5 58 10 9 66 10 0 966= − ⋅ − ⋅ − = − + = = Proveniente dessa iteração, temos o seguinte vetor s2 0 978 1 98 0 966 = − , , , . Iremos, agora, verificar se o erro foi ou não satisfeito. Temos: | | | , , | ,( ) ( ) ( )x x d x 2 1 20 978 0 96 0 018− = − = = | | | , ( , ) | ,( ) ( ) ( )y y d y 2 1 11 98 1 86 0 12− = − − − = = ⇒ = = = > ≤ ≤ d xr i imáx ( ) ( ) , | | , , ,2 1 3 1 0 34 0 12 1 98 0 0606 ε | - | | , , | ,( ) ( ) ( )z z d z 2 1 10 966 0 94 0 026= − = = Como podemos perceber, o valor de dr ( )2 é maior que o erro fixado no início da resolução. Nesse sentido, iremos realizar uma nova iteração. Para k = 2 : x( ) ( , ) , , , , ,3 7 2 1 98 0 966 10 7 3 96 0 966 10 9 994 10 0 9994= − ⋅ − − = + − = = y( ) , , , ,3 8 0 978 0 966 5 9 944 5 1 9888= − − − = − = − z ( ) , ( , ) , , , ,3 6 2 0 978 3 1 98 10 6 1 956 5 94 10 9 984 10 0 9984= − ⋅ − ⋅ − = − + = = Observe que obtemos um novo vetor que, na sequência, foi submetido ao teste do erro. s3 0 9994 1 9888 0 9984 = − , , , | | | , , | ,( ) ( ) ( )x x d x 3 2 20 9994 0 978 0 0214− = − = = | | | , ( , ) | ,( ) ( ) ( )y y d y 3 2 11 9888 1 98 0 0088− = − − − = = | - | | , , | ,( ) ( ) ( )z z d z 3 2 30 9984 0 966 0 0324= − = = ⇒ = = = < ≤ ≤ d xr i imáx ( ) ( ) , | | , , ,3 1 3 1 0 0324 0 0324 1 9888 0 1629 ε Tópicos de cálculo numérico U1 37 Como dr ( )3 < ε podemos assumir s x3 = , com erro menor que 0,05 obtido pelo método Gauss-Jacobi. Logo: x x= = − ( ) , , , 3 0 9994 1 9888 0 9984 Uma observação importante que deve ser ressaltada é o fato de que x( )0 foi escolhido, nesse exemplo, pela seguinte expressão x b a b a b a ( ) / / / 0 1 11 2 22 3 33 = . Todavia, essa opção se fez por conveniência. É comum também optar pelo vetor nulo, porque x( )0 é arbitrário. Será que o método estudado é pertinente para qualquer sistema linear? Quais são as características apresentadas pelos sistemas que convergem? E as apresentadas pelos que não convergem? 2.3.1 Critério de convergência A convergência do método iterativo de Gauss-Jacobi é garantida pelo seguinte teorema. Teorema 2 (Critério das linhas): seja o sistema linear Ax b= e seja αk kj j j k n kk a a = = ≠ ∑( | |) | | 1 . Se α = ≤ ≤ máx k n1 αk <1 , então, a sequência gerada pelo método de Gauss-Jacobi gera uma sequência { }( )x k , que converge para a solução do sistema dado, independentemente da escolha da aproximação inicial, x( )0 . Exemplo 3: (adaptado de RUGGIEIRO; LOPES, 1996, p. 160) analise a matriz A do sistema linear resolvido no exemplo anterior e verifique a convergência. Sabemos, pelos cálculos que realizamos, que o sistema do exemplo anterior converge para a solução. Vamos realizar o teste a título de ilustração. A = 10 2 1 1 5 1 2 3 10 . De acordo com o Teorema 2, vamos olhar linha por linha da matriz, separadamente e localizar os elementos da diagonal principal. Cada αk se refere Tópicos de cálculo numérico U1 38 ao quociente entre a soma do módulo dos termos que não pertencem à diagonal principal da linha k pelo módulo do elemento que pertence à diagonal principal. Observe: α1 2 1 10 3 10 0 3 1= + = = <, ; α2 1 1 5 2 5 0 4 1= + = = <, e α3 2 3 10 5 10 0 5 1= + = = <, Então, como o má 1 3≤ ≤k x αk = <0 5 1, , temos, pelo teorema acima, que o sistema converge para a solução. 2.4 Método iterativo de Gauss-Seidel O método que estudaremos nesta seção é semelhante ao anterior, ou seja, iremos escrever o sistema linear Ax b= a forma equivalente x Cx g= + . Teremos, também, uma aproximaçãoinicial x( )0 arbitrária. Porém, de acordo com Ruggieiro e Lopes (1996), a partir do cálculo da aproximação da segunda incógnita, no mesmo processo iterativo, substituímos os valores da aproximação inicial pelos obtidos para as incógnitas que já calculamos na iteração que estamos realizando. Acompanhe no Exemplo 4. Exemplo 4: (adaptado de RUGGIEIRO; LOPES, 1996, p. 162-164) resolva o sistema 5 5 3 4 1 6 3 3 6 0 x y z x y x y z + + = + + = + + = pelo método de Gauss-Seidel com x( )0 0 0 0 = e ε = × =−5 10 0 052 , . Nosso primeiro passo será isolar cada uma das incógnitas em cada equação, teremos: x y z y x z z x y = − − = − − = − − 5 5 6 3 4 3 3 6 Iremos substituir os valores de x( )0 no sistema com as incógnitas isoladas. Para k = 0 , temos x( )1 5 0 0 5 5 5 1= − − = = . Agora não vamos mais utilizar o valor da primeira incógnita para calcular y( )1 , mas sim o que calculamos na última operação que realizamos. Observe: y( ) ,1 6 3 1 0 4 6 3 4 0 75= − ⋅ − = − = e z ( ) , , ,1 3 1 3 0 75 6 3 2 25 6 0 875= − ⋅ − ⋅ = − − = − Obtemos, então, a seguinte aproximação s( ) , , 1 1 0 75 0 875 = − . Iremos, agora, utilizar o Tópicos de cálculo numérico U1 39 teste do erro para verificar a viabilidade dessa aproximação. | | | |( ) ( )x x1 0 1 0 1− = − = | | | , | ,( ) ( )y y1 0 0 75 0 0 75− = − = ⇒ = = = >d i r máx x ( ) | |( ) 1 1 1 1 1 1 ε | | | , | ,( ) ( )z z1 0 0 875 0 0 875− = − − = Como dr ( )1 > ε temos que realizar mais uma iteração com a seguinte aproximação s( ) , , 1 1 0 75 0 875 = − . Iteração k =1 teremos: x( ) , ( , ) , ,2 5 0 75 0 875 5 5 125 5 1 025= − − − = = , conforme o raciocínio da iteração anterior, iremos utilizar no cálculo de y( )2 não mais x( )1 1= , mas, sim, x( ) ,2 1 025= , observe: y( ) , ( , ) , , , ,2 6 3 1 025 0 875 4 6 3 075 0 875 4 3 8 4 0 95= − ⋅ − − = − + = = Substituiremos, para calcular z ( )2 os seguintes valores x( ) ,2 1 025= e y( ) ,2 0 95= : z ( ) , , , , , ,2 3 1 025 3 0 95 6 3 075 2 85 6 5 925 6 0 9875= − ⋅ − ⋅ = − − = − = − . Obtemos a seguinte aproximação s2 1 025 0 95 0 9875 = − , , , e, na sequência, foi verificado o erro: | | ,( ) ( )x x2 1 0 025− = | | ,( ) ( )y y2 1 0 2− = ⇒ = = = > ≤ ≤ d xmáxr i i ( ) ( ) , | | , , ,2 1 3 2 0 2 0 2 1 025 0 1951 ε | | ,( ) ( )z z2 1 0 1125− = Com o resultado de dr ( )2 é necessário realizar uma nova iteração utilizando s2 . Observe que o raciocínio utilizado é análogo ao das outras iterações. Iteração k = 2 : x( ) , ( , ) , ,3 5 0 95 0 9875 5 5 0375 5 1 0075= − − − = = y( ) , ( , ) , , , ,3 6 3 1 0075 0 9875 4 6 3 0225 0 9875 4 3 965 4 0 99125= − ⋅ − − = − + = = Tópicos de cálculo numérico U1 40 z ( ) , , , , , ,3 3 1 0075 3 0 9912 6 3 0225 2 9736 6 5 9961 6 0 99935= − ⋅ − ⋅ = − − = − = Iremos submeter a aproximação resultante dessa iteração, s3 1 0075 0 99125 0 99935 = − , , , , à verificação do erro: | | ,( ) ( )x x3 2 0 0175− = | | ,( ) ( )y y3 2 0 04125− = ⇒ = = <dr ( ) , , ,3 0 04125 1 0075 0 0409 ε | | ,( ) ( )z z3 2 0 01185− = Como a condição do erro foi satisfeita, podemos admitir como solução, segundo o erro estipulado no início do exemplo, que x x= = − ( ) , , , 3 1 0075 0 9912 0 9993 . Sobre os critérios de convergência para esse método, cabe destacar que não se resume somente aos critérios das linhas, sendo aplicado também o critério Sanssenfeld. Considere cada uma das linhas da matriz A associada ao sistema linear. Iremos obter números β β β β1 2 3, , .... n da seguinte maneira: β1 12 13 1 11 = + + ⋅⋅⋅+| | | | | | | | a a a a n , de forma genérica, teremos: β β β β j j j jj j jn jj a a a a a = + + ⋅⋅⋅+ + ⋅⋅⋅+− −| | | | | | | | | | 1 1 2 2 1 1 Considere β =máx ≤ ≤j n1 β j{ }. Se β <1 o método de Gauss-Seidel gera uma sequência convergente para qualquer aproximação que se escolha. É interessante salientar que quanto menor β for, mais rápida será a convergência. O teste das linhas também pode ser utilizado. Nesse caso, esse teste se configura como uma segunda opção, haja vista que poderá haver situações em que o sistema converge para a solução, mas não satisfaz esse critério, satisfazendo somente o de Sanssenfeld. Em muitas situações de aplicação das matrizes, faz-se necessário obter a sua inversa com o intuito de facilitar os cálculos envolvidos. Steinbruch e Winterle 2.5 Inversa de matrizes Tópicos de cálculo numérico U1 41 (2005) definem da seguinte maneira: dada uma matriz quadrada A , de ordem n. Define-se matriz inversa de A−1 , se existir, a matriz quadrada de mesma ordem, tal que: AA I− =1 , ou seja, o produto entre a matriz A e sua inversa resulta na matriz identidade. A matriz inversa apresenta as seguintes propriedades: 1. Para que uma matriz admita inversa, ela deve ser não singular, ou seja, seu determinante deve ser diferente de 0. 2. Dada uma matriz A e sua inversa A−1 . A A− −( ) =1 1 . 3. A matriz identidade é não singular, pois seu determinante é igual a um e ela é sua própria inversa: I I= −1 4. Dada a matriz A , não singular e sua transposta At . A matriz inversa de A AT T( ) = ( )− −1 1 ; 5. Se as matrizes A e B são não singulares e de mesma ordem, o produto entre essas matrizes AB é uma matriz singular e AB B AT( ) = − −1 1 . Você já calculou a inversa de matrizes quando cursou o Ensino Médio. Enumere as técnicas utilizadas nesse contexto escolar e relacione com as que serão apresentadas na sequência. Exemplo 5: considere a seguinte matriz A = − − 2 3 2 1 1 . Calcule A−1 . Você pode estranhar o fato de estarmos utilizando uma matriz de ordem dois por dois. Cabe destacar que sua escolha foi necessária para facilitar a compreensão do método empregado. No item Para saber mais encontram-se vídeos em que os exemplos resolvidos são matrizes quadradas de ordens superiores. De acordo com a definição de matriz inversa, temos que: AA I− =1 . Como o objetivo é obter a matriz inversa, iremos designá-la da seguinte maneira a c b d , sendo a b c d, , e incógnitas que iremos calcular. Então teremos: 2 3 2 1 1 1 0 0 1 − − ⋅ = a c b d Aplicaremos, então, a multiplicação entre matrizes, teremos: Tópicos de cálculo numérico U1 42 Para saber mais sobre como realizar o produto entre matrizes, acesse: <https://www.youtube.com/watch?v=4cgHNvfMICg>; <http://www.mat.ufmg.br/~rodney/notas_de_aula/matrizes.pdf>. Acesso em: 6 set. 2016. 2 3 2 1 2 3 2 0 0 1 a b c d a b c d − = − = − + = − + = Note que podemos estabelecer, nesse caso, dois sistemas lineares (I e II): I a b a b = − = − + = 2 3 2 1 0 e II c d c d = − = − + = 2 3 2 0 1 que apresentam a mesma matriz A associada. Dessa forma, iremos resolver esse sistema de uma só vez associando as três matrizes envolvidas. Observe: 2 3 2 1 1 1 0 0 1 − − | | Semelhante aos procedimentos que foram utilizados na eliminação de Gaus, iremos nos valer das operações elementares e do Teorema 1, item II e III, para fundamentar os procedimentos que iremos aplicar. Nosso objetivo consistiu em transformar a matriz A, associada aos dois sistemas, na matriz identidade, consequentemente, a matriz identidade ao lado se transformará na inversa da matriz A. Teremos, então, de transformar o número 2, situado na primeira linha, primeira coluna, em 1. Dessa forma, multiplicaremos toda a linha por 1 2 , que é uma constante não nula e, de acordo com o Teorema 1, item II, mantém-se a equivalência : 1 3 4 1 1 1 2 0 0 1 − − | | O próximo passo é zerar o elemento a 21 . Paraisso, de acordo com o item III, iremos somar a segunda linha com a primeira. Nesse caso não foi necessário pensar em uma constante que ao multiplicar a segunda linha e somar com a primeira resulte em zero, pois temos dois números opostos (+1 e -1). Todavia, essa situação não é comum, sendo necessário, antes de somar as linhas, pensar nessa constante. Somando as linhas: Tópicos de cálculo numérico U1 43 1 3 4 0 1 4 1 2 0 1 2 1 − | | Na continuidade, transformamos a fração 14 em 1. Para isso, vamos multiplicar toda a linha pelo inverso dessa fração, ou seja, 4 1 4= : 1 3 4 0 1 1 2 0 2 4 − | | Agora iremos zerar − 3 4 por meio das operações elementares. Dessa forma, vamos multiplicar a segunda linha por 3 4 . Note que optamos pelo simétrico do valor que iremos zerar. Após, vamos somar a segunda linha com a primeira, obtendo a seguinte matriz. 1 0 0 1 2 3 2 4 | | . Com esse resultado, obtivemos a inversa: A− = 1 2 3 2 4 Sendo a=2, b=2, c=3 e d=4. Vamos estudar um pouco mais sobre como obter a inversa de uma matriz acessando os links da seção Para saber mais. Para saber mais sobre como obter a inversa de uma matriz, acesse: <https://www.youtube.com/watch?v=EHHC6rDcfWo>; <https://www.youtube.com/watch?v=_Ovhw950MOY>; <https://www.youtube.com/watch?v=389fX3gWhxI> e <http://www.mat.ufmg.br/~rodney/notas_de_aula/matrizes_inversas. pdf>. Acesso em: 6 set. 2016. Tópicos de cálculo numérico U1 44 1. Considere o sistema linear x y x y + = − = − 7 2 5 com ε = 0 05, . Encontre uma aproximação para a solução desse sistema pelo método Gauss-Jordan utilizando x0 2 5 3 5 = , , . 2. Dado o sistema linear x y z x y z x y z + − = − + = + + = 3 2 2 11 4 18 , calcule a solução exata desse sistema por meio do método da eliminação de Gauss. Nesta unidade você aprendeu que: • Em matemática não é sempre que se obtém soluções exatas, sendo necessário recorrer a métodos numéricos que fornecem soluções aproximadas, controladas por erros pré-fixados. • Existem os erros relativos e os erros absolutos. • O método da bissecção visa dividir o intervalo do domínio da função sempre ao meio com o intuito de diminuir o intervalo até que se obtenha um intervalo menor, com amplitude menor que o erro pré-fixado. • O método Newton-Raphson apresenta melhor convergência, ou seja, um número menor de iterações se comparado com o método da bissecção para obter as aproximações das raízes. • Para obter zero de polinômios utilizamos a associação do método de Newton-Raphson e o algoritmo de Briot-Ruffini- Horner. • Para a obtenção de soluções de sistemas lineares existem Tópicos de cálculo numérico U1 45 métodos diretos, que possibilitam a solução exata, e os métodos iterativos, que possibilitam soluções aproximadas de acordo com um erro pré-fixado. • O método de eliminação de Gauss se sustenta, matematicamente, no Teorema I e consiste em transformar a matriz associada ao sistema em uma matriz triangular superior. • Os métodos Gauss-Jacobi e Gauss-Seidel diferem no momento em que calculamos as aproximações. Gauss-Jacobi trabalha integralmente com a aproximação inicial ou obtida na iteração anterior, enquanto Gauss-Seidel promove a substituição das aproximações das incógnitas pelas que foram calculadas na iteração. • A obtenção de inversa de matrizes se dá pela aplicação de operações elementares, semelhante à eliminação de Gauss, em que se tem por objetivo transformar a matriz que se quer calcular na matriz identidade. Nesta unidade você conheceu alguns tópicos de cálculo numérico. Os conhecimentos apresentados foram os mais recorrentes e elementares na aplicação de métodos numéricos em situações de pesquisa. É de suma importância que você realize a leitura dos textos e acesse os vídeos da seção para saber mais, visando aprofundar seu conhecimento sobre os conteúdos. É importante, também, que você acesse a bibliografia consultada para a elaboração da unidade, na qual poderá encontrar mais exemplos e exercícios para resolver. 1. A função ℜ→ℜ f x x x( ) = + −2 3 4 descreve o movimento realizado por um móvel. Sabe-se que antes do referencial Tópicos de cálculo numérico U1 46 adotado, o móvel já tinha realizado algum movimento. Considere o intervalo de tempo I = − −[ ; , ]5 3 5 . Assinale a alternativa que apresenta uma aproximação para essa raiz pelo método da bissecção considerando ε = 0 01, . a) Aproximadamente 4,015625. b) Aproximadamente 3,95452. c) Aproximadamente 4,251563. d) Aproximadamente 3,92478. e) Aproximadamente 4,458787. 2. A função C x x x( ) = + −5 23 4 descreve o custo total de certo produto. Sabe-se que no intervalo I = [ , ; ]0 1 2 há um zero dessa função. Assinale a alternativa que apresenta uma aproximação para o zero, por meio do método Newton- Raphson. Considere ε = 0 01, e x0 0 5= , . a) Aproximadamente 1,232323. b) Aproximadamente 0,989989. c) Aproximadamente 1,002387. d) Aproximadamente 1,101010. e) Aproximadamente 0,968881. 3. André foi ao supermercado e comprou dois pacotes de biscoito salgado e um pacote de biscoito doce. O total de sua compra foi de dez reais. Gabriel, por sua vez, também foi ao mesmo mercado, logo após André, e comprou os mesmos produtos, mas com quantidades variadas, comprou um pacote de biscoito salgado e mais três pacotes de biscoito doce, pagando quinze reais em sua compra. Utilizando o método da eliminação de Gauss, assinale a alternativa que apresenta o preço do biscoito salgado e do biscoito doce. a) O biscoito doce custa R$ 4,00 cada pacote e o salgado R$ 3,00. b) O biscoito doce custa R$ 4,00 cada pacote e o salgado R$ 2,00. c) O biscoito doce custa R$ 2,00 cada pacote e o salgado R$ 3,00. d) O biscoito doce custa R$ 6,00 cada pacote e o salgado R$ 3,00. e) O biscoito doce custa R$ 4,00 cada pacote e o salgado R$ 8,00. Tópicos de cálculo numérico U1 47 4. Considere a matriz A = 12 7 5 3 e sua inversa, A−1. Analise as afirmações apresentadas na sequência e assinale a alternativa que apresenta a relação correta entre ambas. I. A− = − − 1 3 7 5 12 , pois: II. A A I⋅ =−1 a) As afirmativas I e II são verdadeiras, mas II não justifica I. b) A afirmativa I é verdadeira e a II é falsa. c) A afirmativa II é verdadeira e a I é falsa. d) A afirmativa I é verdadeira e a II é falsa, e II é contraexemplo de I. e) As afirmativas I e II são verdadeira e II justifica I. 5. Considere o sistema linear: x y x y + = − = − 3 3 3 Assinale a alternativa que apresenta a solução aproximada para esse sistema considerando ε = 0 05, e x( )0 1 1 = pelo método de Gauss-Jordan. a) Aproximadamente x = 1 318519 1 518519 , , . b) Aproximadamente x = 1 318519 1 318519 , , . c) Aproximadamente x = 1 518519 1 318519 , , . d) Aproximadamente x = 1 518519 1 518519 , , . Tópicos de cálculo numérico U1 48 e) Aproximadamente x = 1 218519 1 818519 , , . U1 49Tópicos de cálculo numérico Referências FRANCO, N. B. Cálculo numérico. São Paulo: Pearson Prentice Hall, 2006. 503 p. GERÔNIMO, J. R.; FRANCO, V. S. Fundamentos de matemática: uma introdução à lógica matemática, teoria dos conjuntos, relações e funções. 2. ed. Maringá: Eduem, 2008. 296 p. RUGGIERO, M. A. G.; LOPES, V. L. R. Cálculo numérico: aspectos teóricos e computacionais. 2. ed. São Paulo: Makron Books, 1996. 406 p. STEINBRUCH, A.; WINTERLE, P. Álgebra linear. 2. ed. São Paulo: Pearson Makron Books, 2005, 583 p. Unidade 2 A interpolação é um tópico do cálculo numérico que auxilia no estudo de funções e na análise de dados, sendo uma ferramenta importante na resolução de problemas. Nesta seção, trataremos de diferentes tipos de interpolação, destacaremos a linear, a quadrática e a polinomial. Seção 1| Tipos de interpolação Objetivos de aprendizagem Nesta unidade, temos como objetivo tratar sobre interpolação. Iremos apresentar diferentes técnicas para esse tipo de procedimento de cálculo numérico. Abordaremos também o conceito de método dos mínimos quadrados, que pode ser outra alternativa para resolução de problemas em matemática. Ao final desta unidade, esperamos que você, aluno, compreenda as definições e propriedades referentes a esses tópicos, assim como os métodos de interpolação por meio de resolução de sistemas de equações, o método de Lagrange, a forma de Newton e o ajuste de curvas por meio do método dos mínimos quadrados. Os conceitos e as propriedades apresentados nesta unidade são de grande aplicabilidade em outras áreas, como a administração, a economia e as engenharias, por permitir a análise de dados e possibilitar tomadas de decisões. Esperamos que você aproveite e tenha bons estudos! Debora Cristiane Barbosa Kirnev Interpolação e ajustes de curvas Interpolação e Ajustes de Curvas U2 52 Ao coletarmos dados ou estudarmos o valor aproximado de uma função, a interpolação pode não ser a melhor solução para a análise desses dados, podendo ser viável realizar o ajuste de curvas. Nessas situações recorremos, por exemplo, ao método dos mínimos quadrados, que será abordado posteriormente nesta seção. Seção 2 | Ajustes de curvas pelo método dos mínimos quadrados Interpolação e Ajustes de Curvas U2 53 Introdução à unidade Nesta unidade, trataremos de elementos relacionados com procedimentos numéricos de cálculos, como a interpolação e o método dos mínimos quadrados. Essas técnicas ajudam a interpretar os dados, entretanto há uma margem de erro na sua aplicação. Na primeira seção, trataremos da interpolação linear exemplificando os procedimentos de cálculo que recorrem à resolução de um sistema de equações. Posteriormente, apresentaremos a definição e um exemplo de interpolação quadrática, que resolve de modo análogo à linear. Após esses exemplos, generalizaremos o processo de interpolação por meio da resolução de sistemas de equações e apresentaremos outras duas técnicas que não recorrem a resoluções de sistemas, que são denominadas interpolação de Lagrange e forma de interpolação de Newton. Na segunda seção, estudaremos sobre o ajuste de curvas, sendo essa uma técnica de cálculo numérico usada para, a partir de dados coletados ou obtidos, realizar extrapolações, e a forma adotada para isso é o método dos mínimos quadrados. Aprofunde os conhecimentos adquiridos aproveitando ao máximo o conteúdo disponibilizado neste material. Interpolação e Ajustes de Curvas U2 54 Interpolação e Ajustes de Curvas U2 55 Seção 1 Tipos de interpolação Introdução à seção Primeiramente, precisamos compreender o que é uma interpolação. Trata- se de um método que, a partir de um conjunto de dados discretos, obtido, por exemplo, por meio da coleta de dados, construímos um novo conjunto associado a uma regra de formação para esses dados. Essa técnica é aplicada em áreas como engenharias ou tratamento de informação, dando suporte às análises estatísticas, pois, por meio da obtenção de dados e de amostras, realizamos a interpolação e encontramos uma função que se adeque aos dados da amostra. Dessa forma, realizamos a interpolação a fim de obtermos funções mais simples. Por exemplo, se tivermos uma função exponencial com coeficientes complexos, podemos determinar uma função polinomial, obtida por meio de dados da função de origem, ou seja, a exponencial, e desse modo temos uma função mais simples para calcularmos novos dados. Nessa aplicação não obteremos os mesmos resultados da função original, porém o resultado é aproximado, e teremos que verificar a viabilidade da interpolação por meio do estudo do erro. Se o erro for aceitável, podemos simplificar as operações por meio da interpolação da função. Além disso, podemos realizar a reconstituição de uma função se conhecermos alguns pares ordenados pertencentes à função de origem. Realizando a interpolação, teremos uma ideia do comportamento dessa função, na qual se perdeu a representação gráfica ou não se conhece a lei da função. 1.1 Polinômios e funções polinomiais Vamos, primeiramente, retomar os conceitos de polinômios e funções polinomiais. Vejamos: Sabemos que um polinômio com coeficientes reais na variável x é uma função que denotamos por f: R → R , com domínio e contradomínio real, definida por: p(x) = a o + a 1 x + a 2 x² + a 3 x³ +...+ a n xn em que a o , a 1 , a 2 , ..., a n são números reais, denominados coeficientes do polinômio. Observamos que o coeficiente a o = a 0 .x0 é o termo constante. Podemos determinar o grau de um polinômio p= p(x) não nulo por meio do expoente de Interpolação e Ajustes de Curvas U2 56 seu termo dominante. Denominamos termo dominante aquele que possui o mais alto grau com o coeficiente não nulo. Temos as seguintes características aplicadas aos polinômios: 1º. Se um polinômio nulo não possui grau, não terá termo dominante. 2º. Se tivermos o coeficiente do termo dominante valendo 1, teremos um polinômio denominado mônico. 3º. Um polinômio pode ser ordenado de acordo com suas potências em ordem crescente ou decrescente. 4º. Se existir algum coeficiente nulo em um polinômio, este será denominado incompleto. 5º. Se um polinômio for incompleto de grau n, temos que o número de termos será menor ou igual a n. 6º. Temos um caso de polinômio completo quando há potências consecutivas, desde o grau mais alto até o termo constante. 7º. O número de termos de um polinômio completo será exatamente n+1. Qual é a diferença entre constante, incógnita e variável na aplicação de elementos algébricos? Outro conceito que precisamos retomar é o de função polinomial, lembrando que função é “uma regra de correspondência, que associa cada elemento x de um certo conjunto, chamado de domínio da função, a um único elemento y em um outro conjunto de contradomínio da função” (GERÔNIMO; FRANCO, 2006, p. 176). Apresentaremos a seguir exemplos de funções polinomiais definidas de f: R→R. Função afim: esse tipo de função possui a estrutura definida por f(x) = ax +b. Se b=0, temos um caso particular indicado por função linear; se a=0, temos um caso denominado função constante. Nesses casos, ao representarmos essa função no plano cartesiano, obteremos um gráfico de uma reta. Vejamos o gráfico da função f(x) = 2x + 5. Interpolação e Ajustes de Curvas U2 57 Figura 2.1 | Exemplo de função afim Fonte: elaborada pelo autor. Função quadrática: esse tipo de função possui a estrutura definida por f(x) = ax² + b x + c em que a ≠ 0. Nesse tipo de função temos um gráfico formado por uma curva que denominamos parábola, com aplicações em diferentes áreas, como cinemática, radares, antenas parabólicas e faróis de carros. Vejamos o gráfico da função g(x) = x² + 3x -1. Figura 2.2 | Exemplo de função quadrática Fonte: elaborada pelo autor. Função cúbica: esse tipo de função possui a estrutura definida por f(x) = ax³ + bx² + cx + d em que a ≠ 0. Observamos que esse tipo de função possui ao menos uma raiz, podendo, no máximo, ter três raízes. Vejamos o gráfico da função h(x) = 2x³ - x² + 4x +1. Interpolação e Ajustes de Curvas U2 58 Figura 2.3 | Exemplo de função cúbica Fonte: elaborada pelo autor. Outro modo de denominarmos as funções polinomiais é de acordo com o grau do monômio dominante da função, ou seja, a função afim também é denominada função de primeiro grau, enquanto a função quadrática também é denominada função de segundo grau. Vimos, no decorrer do curso de matemática, o uso de tecnologias, como o programa GeoGebra. Para fortalecer seu aprendizado, explore as diferentes representações gráficas de funções por meio desse programa, assista ao vídeo tutorial indicado a seguir como base para desenvolver essa atividade. Disponível em: <https://www.youtube.com/watch?v=xyHDqZJPeLQ>. Acesso
Compartilhar