Baixe o app para aproveitar ainda mais
Prévia do material em texto
Programação e Cálculo Numérico Me. André Abdala Noel Esp. Kryssian Romeiro Manoel dos Santos C397 CENTRO UNIVERSITÁRIO DE MARINGÁ. Núcleo de Educação a Distância; NOEL, André Abdala; SANTOS, Kryssian Romeiro Ma- noel dos. Programação e Cálculo Numérico. André Abdala Noel; Krys- sian Romeiro Manoel dos Santos. Maringá-PR.: Unicesumar, 2020. 248 p. “Graduação - Híbridos”. 1. Programação. 2. Cálculo . 3. Numérico 4. EaD. I. Título. ISBN 978-85-459-2036-6 CDD - 22 ed. 005 CIP - NBR 12899 - AACR/2 NEAD - Núcleo de Educação a Distância Av. Guedner, 1610, Bloco 4 - Jardim Aclimação CEP 87050-900 - Maringá - Paraná unicesumar.edu.br | 0800 600 6360 Impresso por: Coordenador de Conteúdo Fabio Augusto Genti- line e Crislaine Rodrigues Galan. Designer Educacional Tacia Rocha. Revisão Textual Cintia Prezoto Ferreira e Erica Fernanda Ortega. Editoração Lavígnia da Silva Santos. Ilustração Welington Vainer Satin de Oliveira. Realidade Aumentada Matheus Alexander de Oli- veira Guandalini e Maicon Douglas Curriel. DIREÇÃO UNICESUMAR Reitor Wilson de Matos Silva, Vice-Reitor e Pró-Reitor de Administração Wilson de Matos Silva Filho, Pró-Reitor Executivo de EAD William Victor Kendrick de Matos Silva, Pró-Reitor de Ensino de EAD Janes Fidélis Tomelin, Presidente da Mantenedora Cláudio Ferdinandi. NEAD - NÚCLEO DE EDUCAÇÃO A DISTÂNCIA Diretoria Executiva Chrystiano Mincoff, James Prestes e Tiago Stachon; Diretoria de Graduação e Pós-gra- duação Kátia Coelho; Diretoria de Permanência Leonardo Spaine; Diretoria de Design Educacional Débora Leite; Head de Metodologias Ativas Thuinie Daros; Head de Curadoria e Inovação Tania Cristia- ne Yoshie Fukushima; Gerência de Projetos Especiais Daniel F. Hey; Gerência de Produção de Conteúdos Diogo Ribeiro Garcia; Gerência de Curadoria Carolina Abdalla Normann de Freitas; Supervisão de Projetos Especiais Yasminn Talyta Tavares Zagonel; Projeto Gráfico José Jhonny Coelho e Thayla Guimarães Cripaldi; Fotos Shutterstock PALAVRA DO REITOR Em um mundo global e dinâmico, nós trabalha- mos com princípios éticos e profissionalismo, não somente para oferecer uma educação de qualida- de, mas, acima de tudo, para gerar uma conversão integral das pessoas ao conhecimento. Baseamo- -nos em 4 pilares: intelectual, profissional, emo- cional e espiritual. Iniciamos a Unicesumar em 1990, com dois cursos de graduação e 180 alunos. Hoje, temos mais de 100 mil estudantes espalhados em todo o Brasil: nos quatro campi presenciais (Maringá, Curitiba, Ponta Grossa e Londrina) e em mais de 300 polos EAD no país, com dezenas de cursos de graduação e pós-graduação. Produzimos e revi- samos 500 livros e distribuímos mais de 500 mil exemplares por ano. Somos reconhecidos pelo MEC como uma instituição de excelência, com IGC 4 em 7 anos consecutivos. Estamos entre os 10 maiores grupos educacionais do Brasil. A rapidez do mundo moderno exige dos educadores soluções inteligentes para as ne- cessidades de todos. Para continuar relevante, a instituição de educação precisa ter pelo menos três virtudes: inovação, coragem e compromisso com a qualidade. Por isso, desenvolvemos, para os cursos de Engenharia, metodologias ativas, as quais visam reunir o melhor do ensino presencial e a distância. Tudo isso para honrarmos a nossa missão que é promover a educação de qualidade nas diferentes áreas do conhecimento, formando profissionais cidadãos que contribuam para o desenvolvimento de uma sociedade justa e solidária. Vamos juntos! Prezado(a) Acadêmico(a), bem-vindo(a) à Co- munidade do Conhecimento. Essa é a característica principal pela qual a Unicesumar tem sido conhecida pelos nossos alu- nos, professores e pela nossa sociedade. Porém, é importante destacar aqui que não estamos falando mais daquele conhecimento estático, repetitivo, local e elitizado, mas de um conhecimento dinâ- mico, renovável em minutos, atemporal, global, democratizado, transformado pelas tecnologias digitais e virtuais. De fato, as tecnologias de informação e comu- nicação têm nos aproximado cada vez mais de pessoas, lugares, informações, da educação por meio da conectividade via internet, do acesso wireless em diferentes lugares e da mobilidade dos celulares. As redes sociais, os sites, blogs e os tablets ace- leraram a informação e a produção do conheci- mento, que não reconhece mais fuso horário e atravessa oceanos em segundos. A apropriação dessa nova forma de conhecer transformou-se hoje em um dos principais fatores de agregação de valor, de superação das desigualdades, propagação de trabalho qualificado e de bem-estar. Logo, como agente social, convido você a saber cada vez mais, a conhecer, entender, selecionar e usar a tecnologia que temos e que está disponível. Da mesma forma que a imprensa de Gutenberg modificou toda uma cultura e forma de conhecer, as tecnologias atuais e suas novas ferramentas, equipamentos e aplicações estão mudando a nossa cultura e transformando a todos nós. Então, prio- rizar o conhecimento hoje, por meio da Educação a Distância (EAD), significa possibilitar o contato com ambientes cativantes, ricos em informações e interatividade. É um processo desafiador, que ao mesmo tempo abrirá as portas para melhores oportunidades. Como já disse Sócrates, “a vida sem desafios não vale a pena ser vivida”. É isso que a EAD da Unicesumar se propõe a fazer. Seja bem-vindo(a), caro(a) acadêmico(a)! Você está iniciando um processo de transformação, pois quando investimos em nossa formação, seja ela pessoal ou profissional, nos transformamos e, consequentemente, transformamos também a so- ciedade na qual estamos inseridos. De que forma o fazemos? Criando oportunidades e/ou estabe- lecendo mudanças capazes de alcançar um nível de desenvolvimento compatível com os desafios que surgem no mundo contemporâneo. O Centro Universitário Cesumar mediante o Núcleo de Educação a Distância, o(a) acompa- nhará durante todo este processo, pois conforme Freire (1996): “Os homens se educam juntos, na transformação do mundo”. Os materiais produzidos oferecem linguagem dialógica e encontram-se integrados à proposta pedagógica, contribuindo no processo educa- cional, complementando sua formação profis- sional, desenvolvendo competências e habilida- des, e aplicando conceitos teóricos em situação de realidade, de maneira a inseri-lo no mercado de trabalho. Ou seja, estes materiais têm como principal objetivo “provocar uma aproximação entre você e o conteúdo”, desta forma possibilita o desenvolvimento da autonomia em busca dos conhecimentos necessários para a sua formação pessoal e profissional. Portanto, nossa distância nesse processo de crescimento e construção do conhecimento deve ser apenas geográfica. Utilize os diversos recursos pedagógicos que o Centro Universitário Cesumar lhe possibilita. Ou seja, acesse regularmente o Stu- deo, que é o seu Ambiente Virtual de Aprendiza- gem, interaja nos fóruns e enquetes, assista às aulas ao vivo e participe das discussões. Além disso, lembre-se que existe uma equipe de professores e tutores que se encontra disponível para sanar suas dúvidas e auxiliá-lo(a) em seu processo de apren- dizagem, possibilitando-lhe trilhar com tranquili- dade e segurança sua trajetória acadêmica. APRESENTAÇÃO Olá, nobre aluno(a) das artes exatas! Muitas vezes vemos a área de exatas como algo frio e mecânico. No entanto, não precisa ser assim. Nesta disciplina, vislumbraremos uma bela obra de arte resultante da junção de duas áreas próximas: a matemática e a computação. Particularmente, gostamos muito de estudar a história da computação e sempre aprendemos mais com isso. É interessante conhecer como, o que hoje temos como óbvio e habitual, no passado foi desbravado por mentes excelentes que conseguiram enxergar na matemática o que hoje podemos utilizar em computadores, seja assistindo vídeo, ouvindo música, editando textos ou diversas outras atividades que fazemos. Nestelivro, abordaremos o cálculo numérico e a programação, nesta ordem. Contudo, o que vem a ser o cálculo numérico? De forma simples, consiste em encontrar métodos para realizar o cálculo de uma forma computacional, ou seja, de forma que o computador processe as informações tendo em vista que ele é uma máquina que executa instruções, muitas vezes diferentes da forma que o nosso cérebro trabalha. Sendo assim, na primeira unidade, estudaremos os métodos numéricos que podem ser utilizados para encontrar as raízes de equações. Você vai ver que algumas equações você já sabe resolver encontrando raízes exatas, vai desco- brir métodos novos, trabalhando com a ideia de aproximação. Na segunda unidade, estudaremos a solução de sistemas de equações lineares por métodos numéricos. Para resolver sistemas lineares já passamos a ter mais trabalho manual, pois temos que resolver equações interligadas, fazer substituições etc. Aqui veremos como passar isso para uma forma mecânica que o computador faz melhor do que nós. Em seguida, na Unidade 3, estudaremos a aproximação polinomial, que nos ajuda a encontrar pontos aproximando-se à solução real de uma função que podemos não conhecer o comportamento. Fecharemos a parte do estudo de cálculo numérico na Unidade 4, estudando métodos numéricos para resolver integração numérica e equações diferen- ciais, aprendendo formas de encontrar resultados computacionalmente. A seguir, começaremos a parte mais voltada à programação. Assim, na Unidade 5, estudaremos conceitos básicos de programação. Portanto, se você não sabe nada de programação, fique tranquilo(a). A ideia é que você comece a aprender de forma introdutória. Não chegaremos a ensinar a programação propriamente dita, mas você terá todo o embasamento que precisa para o estudo. Na Unidade 6, compreenderemos como funcionam as linguagens de progra- mação, necessárias para se escrever os programas de computador. Veremos algumas características das linguagens e como fazem diferença para cada uma. Depois de entender o que são as linguagens, iremos nos debruçar, na Unidade 7, em como os programas de computador são escritos e como passam de có- digo a programas executáveis. Ainda, discutiremos algumas diferenças entre programas compilados ou interpretados e entre programação web ou desktop. Voltaremos a tratar de matemática na Unidade 8, juntando as duas áreas e analisando alguns softwares que ajudam em soluções de cál- culo. Passaremos por planilhas de cálculo, programação matemática e softwares online. Por fim, na Unidade 9, voltaremos ao cálculo numérico, aplicando os méto- dos numéricos estudados no início em forma de programação, utilizando a linguagem GNU Octave, compatível com a famosa MATLAB. Prepare o seu coração, um café bem saboroso e vamos colocar esses neurô- nios para trabalharem em prol desse conhecimento. A programação está cada vez mais presente no nosso dia a dia. É cada vez mais necessária para todas as áreas de atuação. Vamos lá colocar o computador para trabalhar! CURRÍCULO DOS PROFESSORES Me. Andre Abdala Noel Professor e programador, mestre em Ciência da Computação pela Universidade Estadual de Maringá, com ênfase em sistemas de computação, possui bacharel em Ciência da Compu- tação pela Universidade Estadual de Maringá. Boa experiência em programação, aplicando também na docência superior, desde 2008. Autor do site Vida de Programador, se mantém bem ativo na comunidade de desenvolvedores. Currículo Lattes disponível em: http://lattes.cnpq.br/9035823171388697 Esp. Kryssian Romeiro Possui MBA Internacional Executivo em Gestão Industrial pela Fundação Getúlio Vargas em conjunto com a University of Tampa (EUA, 2014), possui graduação em Engenharia Têxtil pela Universidade Estadual de Maringá (2011). Tem experiência na área de Têxtil automotiva e de auditoria. Atualmente cursa mestrado em Engenharia Química pela Universidade Estadual de Maringá e atua como Professora Mediadora no curso de Engenharia de Produção (EAD- -UniCesumar). Currículo Lattes disponível em: http://lattes.cnpq.br/3102388870189147 Métodos Numéricos 13 Solução de Sistemas de Equações Lineares 39 Aproximação de Funções 63 Integração Numérica e Equações Diferenciais Conceitos Básicos de Programação 87 115 Linguagens de Programação 139 Criação e Execução de Programas Programas e Bibliotecas Matemáticos 189 Cálculo Numérico Utilizando Octave 217 163 17 Método de bissecção 127 Loop + Ramificação condicional 170 Processo de compilação Utilize o aplicativo Unicesumar Experience para visualizar a Realidade Aumentada. PLANO DE ESTUDOS OBJETIVOS DE APRENDIZAGEM Me. André Abdala Noel Esp. Kryssian Romeiro Manoel dos Santos • Entender o uso de métodos numéricos para obtenção de soluções a partir do método da bisseção. • Aprender o método das cordas para a obtenção de so- luções. • Conhecer o método Pégaso para convergir para soluções. • Estudar o método de Newton para encontrar raízes. • Analisar o método da iteração para resolver equações. Método da Bisseção Método das Cordas Método de Newton Método da IteraçãoMétodo Pégaso Métodos Numéricos Método da Bisseção Olá, aluno(a), tudo bem? Seja muito bem-vindo(a) ao nosso estudo de métodos numéricos. Trataremos, nesta primeira unidade, como encontrar raízes de funções. Primeiramente, veremos como fazer para casos com equações algébricas e, posteriormente, trataremos dos casos em que as equações são trans- cendentes. Segundo Barroso et al. (1987), as equações al- gébricas de 1º e 2º graus, certas equações de 3º e 4º graus e algumas equações transcendentes podem ter raízes computadas por métodos analíticos; po- rém, as demais podem ser resolvidas apenas por métodos que aproximam as resoluções. Para encontrarmos as raízes dessas equações ou o zero das funções, ou seja, para resolvermos f x( ) = 0 , iremos precisar dispor de métodos nu- méricos para encontrar tais valores aproximados para a raiz. Assim, chegaremos ao ponto deste capítulo, em que, juntos, iremos conhecer a exis- tência e aplicabilidade desses métodos numéricos que irão nos ajudar a resolver essas equações al- gébricas e transcendentes. 15UNIDADE 1 Equações Algébricas e Transcendentes Primeiramente, vamos esclarecer o que são as equações algébricas ou transcendentes. As equações algébricas são aquelas funções y f x= ( ) que, segundo Chapra e Canale (2011), podem ser expressas na forma f y f y f y fn n n n� � � � �� � 1 1 1 0 0... , onde f1 é um polinômio de grau n em x. Os polinômios são uma classe simples de funções algébricas que são representadas, em geral, por f x a a x a x a xn n n( ) ...� � � � �0 1 2 2 , (em que n é o grau do polinômio e as letras “a” são constantes). Como exemplos, temos: 3 5 2 1 04 3 2x x x x� � � � � x x x3 24 2 5 0� � � � Para Chapra e Canale (2011, p. 94) “[...] uma função transcendental é uma função que não é algébrica. Incluem-se as funções trigonométricas, exponenciais, logarítmicas e outras funções menos familiares” (grifo do autor). Exemplos são: f x x( ) ln� �2 1 f e sen( ) ( , ),x xx� ��0 2 3 0 5 Não existem fórmulas que resolvam essas equações, assim, as equações algébricas racionais inteiras também são designadas, por sua vez, por equações polinomiais. O método da bisseção é um método em que reduzimos o intervalo onde a raiz de f x( ) está contida. Para isso, devemos saber que: 1. A raiz está dentro de um dado intervalo [ , ]a b . 2. f x( ) é uma função contínua. 3. A equação possui uma solução. Quando esse é o caso, f x( ) tem sinais opostos nos pontos finais do intervalo, ou seja, f a f b( ) ( ) < 0 . Conforme mostrado na Figura 1, se f x( ) é contínua e tem uma solução entre os pontos x a= e x b= , então ou f a( ) > 0 e f b( ) < 0 ou f a( ) < 0 e f b( ) > 0 (GILAT; SUBRAMANIAM, 2008). 16 Métodos Numéricos Algoritmo para o Método da Bisseção Seguindo em nosso estudo, Gilat e Subramaniam (2008) ainda dizem que podemos basear o métododa bisseção em quatro passos, facilitando a sua execução e compreensão. São eles: 1. Escolha o primeiro intervalo, encontrando os pontos a e b entre os quais existe uma solução. Isso significa que f a( ) e f b( ) têm sinais diferentes, de forma que f a f b( ) ( ) < 0 . Os pontos podem ser determinados a partir de um gráfico de f x( ) versus x . 2. Então, vamos fazer uma estimativa da solução, que será um ponto entre a e b, que chamaremos de xNS1 . Calcule a primeira estimativa da solução numérica xNS1 usando: x a bNS1 2 � �( ) 3. Determine se a solução exata está entre a e xNS1 ou entre xNS1 e b. Isso é feito com a verificação do sinal do produto. Se f a f xNS( ) ( )1 0< , a solução exata está entre a e xNS1 . Se f a f xNS( ) ( )1 0> , a solução exata está entre xNS1 e b. 4. Selecione o subintervalo que contém a solução exata (a até xNS1 ou xNS1 até b) como o novo intervalo [ , ]a b e volte para o passo 2. Os passos 2 a 4 são repetidos até que a tolerância especificada seja satisfeita ou um determinado limite de erro seja atingido. a y ƒ(a) > 0 Solução exata ƒ(b) < 0 NSX Xb a y ƒ(b) > 0Soluçãoexata ƒ(a) < 0 NSX X ba y ƒ(a) > 0 Solução exata ƒ(b) < 0 NSX Xb a y ƒ(b) > 0Soluçãoexata ƒ(a) < 0 NSX X b Figura 1 - Solução de f(x) = 0 entre x = a e x = b Fonte: Gilat e Subramaniam (2008, p. 77). Tenha sua dose extra de conhecimento assistindo ao vídeo. Para acessar, use seu leitor de QR Code. 17UNIDADE 1 Agora, para fixarmos, iremos resolver um exemplo em que será possível aplicar esses passos e praticarmos o método da bisseção. Vamos determinar um valor aproximado da raiz quadrada de 5, com erro menor ou igual a 0,01. Determinar 5 é equivalente a determinar o zero positivo da equação x2 5 0� � (HUMES et al., 1984). Resolução: sabemos que o intervalo [ , ]2 3 contém esta raiz. Vamos aplicar o algo- ritmo da dicotomia. Em cada iteração i, em que i = 0 1 2, , ,... , denotaremos por ai e bi os extremos inferior e superior, respectivamente; do intervalo que está sendo considerado por xi , o valor aproximado da raiz; e por ei o erro máximo cometido na i-ésima iteração. Estes valores estão dispostos na Tabela 1. Inicialmente, temos: f a f( ) ( . )0 2 0 0� � e f b f( ) ( . )0 3 0 0� � . 1 EXEMPLO a b ba xNS1 x x ƒ(x) Solução exata Solução exata Primeira estimativa Primeiro intervalo Segundo intervalo Primeira iteração ba xNS2 x Solução exata Segunda estimativa Segunda iteração Terceiro intervalo ba xNS3 x Solução exata Terceira estimativa Terceira iteração Figura 2 - Método da Bisseção Fonte: Gilat e Subramaniam (2008, p. 77). Método de bissecção 18 Métodos Numéricos Tabela 1 - Dados obtidos pelo Método da Bissecção i ai bi x b a i i i ~ 2 i i i b a 2 f x f ai i ~ 0 2,0 3,0 2,5 0,5 - 1 2,0 2,5 2,25 0,25 - 2 2,0 2,25 2,125 0,125 + 3 2,125 2,25 2,1875 0,0625 + 4 2,1875 2,25 2,21875 0,03125 + 5 2,21875 2,25 2,234375 0,015625 + 6 2,234375 2,25 2,2421875 0,0078125 Fonte: adaptada de Humes et al. (1984). Portanto, ,5 2 2421875 0 0078125. É importante lembrar que o método sempre converge para uma resposta, desde que uma raiz esteja contida no intervalo inicial [ , ]a b . Além de que o método pode falhar quando a função é tangente ao eixo x, não o cruzando em f x( ) = 0 . Ainda, a convergência do método é lenta em comparação com outros métodos (GILAT; SUBRAMANIAM, 2008). 19UNIDADE 1 O método das cordas, também conhecido como método da secante, é uma outra ferramenta para encontrar, de forma numérica, a solução de equa- ções. Neste método, segundo Barroso et al. (1987), o intervalo é dividido em partes proporcionais à razão − f a f b( ) / ( ) , ou seja: h b a f a f a f b 1 � � � � � ( ) ( ) ( ) Em que: x a h1 1� � portanto, temos: x a f a f b f a b a1 � � � � ( ) ( ) ( ) ( ) Aplicando ao novo intervalo ([ , ] [ , ])a x ou x b1 1∑ , obtém-se uma nova aproximação x2 da raiz. Método das Cordas 20 Métodos Numéricos Barroso et al.(1987) apresentaram a interpretação geométrica a seguir, na qual a curva y f x= ( ) é substituída por uma corda que passa pelos pontos A a f a[ , ( )] e B b f b[ , ( )] , e duas das possíveis situações são: �� � � � � � � � � f x f a f b CasoI f a f b CasoII ( ) ( ) , ( ) : ( ) , ( ) : 0 0 0 0 0 a b x B = x0 x1 x2 h1 A 0 ƒ(b) ƒ(a) y Figura 3 - Caso I Fonte: Barroso et al. (1987, p. 111). ba x B = x0x2 x1 A 0 ƒ(a) ƒ(b) y Figura 4 - Caso 2 Fonte: Barroso et al. (1987, p. 111). Para o Caso I, analisando a Figura 3, temos que: f b f x b x f x x x ( ) ( ) ( )� � � � � 0 0 0 1 0 0 x x f x x b f x f b 1 0 0 0 0 � � � � �( ) ( ) ( ) x x f x f x f b x b1 0 0 0 0� � � � ( ) ( ) ( ) ( ) Por indução: x x f x f x f b x bn n n n n� � � � �1 ( ) ( ) ( ) ( ) Em que n = 0 1 2, , ,... Para o Caso II, analisando a Figura 4, temos que: f a f x x a f x x x ( ) ( ) ( )� � � � � 0 0 0 0 1 0 x x f x x a f x f a 1 0 0 0 0 � � � �( ) ( ) ( ) x x f x f x f a x a1 0 0 0 0� � � � ( ) ( ) ( ) ( ) 21UNIDADE 1 Por indução: x x f x f x f a x an n n n n� � � � �1 ( ) ( ) ( ) ( ) Em que n = 0 1 2, , ,... Com base no que Barroso et al. (1987) expõem, podemos chegar na equação geral descrita a seguir: x x f x f x f c x cn n n n n� � � � �1 ( ) ( ) ( ) ( ) em que: • c é um ponto extremo de [ , ]a b . • A função apresenta o mesmo sinal de ′′f x( ) , ou seja, f c f c( ) ( )�� � 0 . “A análise do método da secante mostra que, quando os dois pontos que definem a reta secante são próximos entre si, esse método é na realidade uma forma apro- ximada do método de Newton” (GILAT; SUBRAMANIAM, 2008, p. 88). Podemos ver pela fórmula geral do método da secante que ela pode ser reescrita de forma a aproximar o valor da derivada de f x( ) em xi , contida no método de Newton. 22 Métodos Numéricos O método Pégaso também consiste em reduzir o intervalo [ , ]a b onde está a raiz, no entanto, além disso, ele também reduz o valor de f xn( )−1 por um fator f x f x f x n n n ( ) ( ) ( )+ +1 . Para Barroso et al. (1987), faz-se isso de modo a evitar a retenção de um ponto, a fim de obter um método de conver- gência mais rápido. Método Pégaso 23UNIDADE 1 Considerando f x( ) uma função contínua no intervalo [ , ]x x0 1 e f x f x( ) ( )0 1 0< , as aproximações ( , , ,...)x x x2 3 4 da raiz desta função podem ser obtidas pela fórmula a seguir: x x f x x x f x f xn n n n n n n � � � � � � �1 1 1 ( )( ) ( ) ( ) Em que n =1 2 3, , ,... Considerando que, se f x f xn n( ) ( )� �1 0 , então [ , ( )] [ , ( )]x f x x f xn n n n� � �1 1 , e que se f x f xn n( ) ( )� �1 0 , então [ , ( ) ( ) ( ( ) ( )) ]x f x f x f x f xn n n n n � � �� 1 1 1 . A origem ao nome do Método Pégaso ocorreu devido ao método estar salvo em um computador do tipo Pégaso, o qual todos utilizavam para fazer seus cálculos, porém até hoje não se sabe quem o desenvolveu. Fonte: adaptado de Barroso et al. (1987). Ainda segundo Barroso et al. (1987), para ambos os casos, [ , ( )]x f xn n é trocado por [ , ( )]x f xn n+ +1 1 , garantindo que os valores usados a cada iteração sejam sempre positivos. 24 Métodos Numéricos O método de Newton, também conhecido como método de Newton-Raphson, é o método mais usado para encontrar raízes de funções (CHA- PRA; CANALE, 2011). É um esquema usado para se obter a solução numérica de uma equação na forma f x( ) = 0 , em que f x( ) é contínua e di- ferenciável, e sua equação possui uma solução próxima a um ponto dado (GILAT; SUBRAMA- NIAM, 2008). O método é ilustrado na Figura 5. Se a aproximação inicial da raiz for x1 , pode- -se estender uma reta tangente a partir do ponto [ , ( )]x f x1 1 . O ponto onde essa tangente cruza o eixo x usualmente representa uma estimativa melhorada da raiz, e assim sucessivamente. Para Chapra e Canale (2011), o método de Newton pode ser deduzido com base em sua interpretação geométrica. Como na Figura6, a primeira derivada em x é equivalente à inclinação. Método de Newton 25UNIDADE 1 � � � � � f x f x x xi i i i ( ) ( ) 0 1 Reorganizando, temos a fórmula de Newton: x x f x f xi i i i � � � �1 ( ) ( ) É importante lembrar, assim como definem Gilat e Subramaniam (2008), que as iterações devem ser interrompidas nos casos a seguir: a) Erro relativo estimado: as iterações são interrompidas quando o erro relativo estimado é menor que um valor especificado e : x x x i i i � � �1 e b) Tolerância em f x( ) : as iterações são interrompidas quando o valor absoluto de f x( )1 é menor que algum número d : f xi( ) ≤ d c) O método de Newton, quando bem-sucedido, converge rapidamente. A não convergência usualmente ocorre porque o ponto de partida não está suficien- temente próximo da solução. Vamos, agora, colocar um pouco em prática o que aprendemos com um exemplo: x x2x3x4 x1 y=ƒ(x) ƒ(x1) ƒ(x2) Inclinação: ƒ’(x1) ƒ(x3) y Inclinação: ƒ’(x2)Inclinação: ƒ’(x3) Solução Figura 5 - Método de Newton Fonte: Gilat e Subramaniam (2008, p. 82). ƒ(x) 0 ƒ(xi) ƒ(xi) – 0 Inclinação = ƒ’(xi) xi+1 xxi xi+1xi – Figura 6 - Tangente - Método de Newton Fonte: Chapra e Canale (2011, p. 121). 26 Métodos Numéricos Use o método de Newton (Newton-Raphson) para fazer uma estimativa da raiz de f x e xx( ) � �� , utilizando uma aproximação inicial x0 0= (CHAPRA; CANALE, 2011). Resolução: a primeira derivada da função pode ser calculada como: � � � ��f x e x( ) 1 que pode ser substituída junto com a função original na equação: x x f x f xi i i i � � � �1 ( ) ( ) e assim temos: x x e x ei i x i x i i� � �� � � � � 1 1 Começando com uma aproximação inicial de x0 0= , essa equação iterativa pode ser aplicada para calcular: Tabela 2 - Dados obtidos pelo Método de Newton i xi et(%) 0 0 100 1 0,5 11,8 2 0,566311003 0,147 3 0,567143165 0,000022 4 0,567143290 < 10-8 Fonte: adaptada de Chapra e Canale (2011). Assim, a aproximação converge rapidamente para a raiz verdadeira. Observe que o erro relativo percentual verdadeiro em cada iteração diminui rapidamente. 2 EXEMPLO 27UNIDADE 1 O Método da Iteração Linear ou Método do Ponto Fixo é definido por Gilat e Subramaniam (2008) como um método usado para resolver uma equa- ção na forma f x( ) = 0 . O método é implemen- tado rescrevendo a equação como: x g x= ( ) Assim, a partir de uma aproximação inicial x0 gerar a sequência { }xi de aproximações para x dada por x g xi i� �1 ( ) , transformando o proble- ma de encontrar um zero de f x( ) no problema de encontrar um ponto fixo de g x( ) , sendo a função g x( ) chamada de função de iteração. Método da Iteração 28 Métodos Numéricos x x y y = x y = g(x) Solução Figura 7 - Método da iteração de ponto fixo Fonte: Gilat e Subramaniam (2008, p. 89). É importante ressaltar que este método pode tomar dois caminhos diferentes, como Gilat e Subramaniam (2008) afirmam e expressam nos gráficos a seguir: • Quando o método funciona, os valores de x obtidos são iterações sucessivas que convergem progressivamente em direção à solução. xxTS y y = x g (x2) g (x4) g (x3) g (x1) x2 = g(x1) x4 = g(x3) x3 = g(x2) x1 y = g(x) Solução x xTS y y = x g (x2) g (x1) x2 = g(x1) g(x3) x3 = g(x2) x1 y = g(x) Solução Figura 8 - Convergência do método da iteração de ponto fixo Fonte: Gilat e Subramaniam (2008, p. 90). • É possível, no entanto, que as iterações divirjam. A Figura 9 mostra que, mesmo que o ponto de partida esteja próximo da solução, os pontos subsequentes podem se afastar da solução. 29UNIDADE 1 x y y = x g (x2) g (x3) g (x1) x2 = g(x1) x4 = g(x3) x3 = g(x2) x1 y = g(x) Solução x y y = x g (x2) g (x3) g (x4) g (x1) x2 = g(x1) x4 = g(x3) x3 = g(x2) x1 y = g(x) Solução Figura 9 - Divergência do método da iteração de ponto fixo Fonte: Gilat e Subramaniam (2008, p. 90). Use a iteração de ponto fixo para localizar a raiz de g(x) (CHAPRA; CANALE, 2011). Resolução: a função pode ser separada diretamente e expressa na forma a seguir: x ei xi � ��1 Começando com uma aproximação inicial x0 0= , essa equação iterativa pode ser usada para calcular. Tabela 3 - Dados obtidos pelo Método do Ponto Fixo i xi ea(%) et(%) 0 0 100,0 1 1,000000 100,0 76,3 2 0,367879 171,8 35,1 3 0,692201 46,9 22,1 4 0,500473 38,3 11,8 5 0,606244 17,4 6,89 6 0,545396 11,2 3,83 7 0,579612 5,90 2,20 8 0,560115 3,48 1,24 9 0,571143 1,93 0,705 10 0,564879 1,11 0,399 Fonte: adaptada de Chapra e Canale (2011). Assim, cada iteração traz o valor estimado para mais perto do valor verdadeiro: 0,56714329. 3 EXEMPLO 30 Métodos Numéricos Comparação entre Métodos Como ressaltam Barroso et al. (1987), cada um dos métodos apresentados aqui possui uma particularidade, vejamos no quadro comparativo a seguir: Quadro 1 - Comparação dos métodos Método Observações finais Bisseção Não exige conhecimento de derivada. Convergência lenta. Deve ser usado apenas para diminuir intervalo que contém raiz. Cordas Exige que o sinal da derivada segunda permaneça constante no intervalo. Se o ponto c for razoavelmente próximo da raiz ( ( ) )� �f c 10 , terá boa convergência, caso contrário, será mais lento que a bisseção. Pégaso Não exige conhecimento do sinal da derivada. Tem boa convergência, superada apenas por Newton. Newton Requer conhecimento da forma analítica de ′f x( ) . Convergência extraordinária. Iteração Linear Difícil de encontrar uma função de iteração que satisfaça a condição de convergência. O teste � �f x( )0 1 pode levar a um engano se x0 não estiver suficien- temente próximo à raiz. A velocidade de convergência é inversamente proporcional à ′f ( )e . Fonte: adaptada de Barroso et al. (1987). Chegamos ao fim da nossa primeira unidade, cuja finalidade foi mostrar as possíveis formas de como calcular raízes de equações algébricas e transcendentes. Vimos que cada método tem sua particularidade que o caracteriza singularmente e, mesmo sendo o de Newton o mais indicado para diversas situações, isso não o torna o melhor método. O que torna o método o melhor é a exigência e informação fornecida por cada situação que será calculada. Podemos dizer que a escolha do me- lhor método para se encontrar a raiz de uma equação está diretamente ligada com as suas características, ou seja, depende do comportamento na função na região da raiz exata, das dificuldades com o cálculo de ′f x( ) , critério de paradas etc. De forma geral, a escolha do método está ligada à natureza e características dos seus dados de entrada, sendo a qualidade e a eficácia do método ligados diretamente à assertividade da análise prévia dos dados iniciais. Observamos, desde o início, como os computadores nos auxiliarão em cálculos que precisam de um determinado nível de precisão e de repetição de métodos, coisas que os computadores fazem muito bem e que, para nós, são maçantes. 31 Você pode utilizar seu diário de bordo para a resolução. 1. Sobre equações algébricas e transcendentes: I) As equações algébricas são aquelas funções y f x= ( ) , que puderam ser expressas na forma f y f y f y fn n n n� � � � �� � 1 1 1 0 0... , em que fi é um polinômio de grau n em x . II) Os polinômios são uma classe simples de funções algébricas que são repre- sentadas, em geral, por f x a a x a x a xn n n( ) ...� � � � �0 1 2 2 (em que n é o grau do polinômio e os a’s são constantes). III) f x x( ) ln� �2 1 é um exemplo de equação algébrica. IV) Uma função transcendental é uma que não é algébrica. Incluem-se as funções trigonométricas, exponenciais, logarítmicas e outras funções menos familiares. Assinale a alternativa correta: a) Apenas I e II estão corretas. b) Apenas II e III estão corretas. c) Apenas I está correta. d) Apenas I, II e IV estão corretas. e) Nenhuma das alternativas está correta. 2. Dada a função f x x x( ) log� �2 10 , encontre a raiz pelo método da bissecção. (sendo a=0,5; b=1,0; E=0,005).a) r � �0 987 0 004, , b) r � �0 244 0 003, , c) r � �0 526 0 005, , d) r � �0 421 0 006, , e) r � �0 735 0 005, , 32 3. Use o método das cordas para fazer uma estimativa da raiz de f x x x( ) � � �3 9 3 . Comece com as estimativas iniciais de x� �1 0 e x0 1 0= , . Assinale a alternativa correta: a) x x x 1 2 3 0 45327 0 34567 0 26743 = = = , , , b) x x x 1 2 3 0 83270 0 70384 0 50045 = = = , , , c) x x x 1 2 3 0 37500 0 33194 0 33763 = = = , , , d) x x x 1 2 3 0 85900 0 09546 0 00356 = = = , , , e) x x x 1 2 3 0 61270 0 56384 0 56717 = = = , , , 33 O Jogo da Imitação Ano: 2014 Sinopse: durante a Segunda Guerra Mundial, o governo britânico monta uma equipe que tem por objetivo quebrar o Enigma, o famoso código que os ale- mães usam para enviar mensagens aos submarinos. Um de seus integrantes é Alan Turing (Benedict Cumberbatch), um matemático de 27 anos estritamente lógico e focado no trabalho, que tem problemas de relacionamento com prati- camente todos à sua volta. Não demora muito para que Turing, apesar de sua intransigência, lidere a equipe. Seu grande projeto é construir uma máquina que permita analisar todas as possibilidades de codificação do Enigma em apenas 18 horas, de forma que os ingleses conheçam as ordens enviadas antes que elas sejam executadas. Entretanto, para que o projeto dê certo, Turing terá que aprender a trabalhar em equipe e temem Joan Clarke (Keira Knightley) sua grande incentivadora. FILME Métodos Numéricos - Aula 01 - Introdução: motivação e exemplos iniciais Esse é o primeiro vídeo de uma série de aulas sobre métodos numéricos da Univesp. Você pode complementar seu conhecimento com essa série. Para acessar, use seu leitor de QR Code. WEB 34 BARROSO, L. C.; BARROSO, M. M. A.; CAMPOS, F. F. C.; CARVALHO, M. L. B.; MAIA, M. L. Cálculo numé- rico (com aplicações). 2. ed. São Paulo: Harbra, 1987. CHAPRA, S. C.; CANALE, R. P. Métodos numéricos para engenharia. 5. ed. Porto Alegre: AMGH, 2011. GILAT, A.; SUBRAMANIAM, V. Métodos numéricos para engenharia e cientistas. Porto Alegre: Bookman,2008. HUMES, A. F. P. C.; MELO, I. S. H.; YOSHIDA, L. K.; MARTINS, W. T. Noções de cálculo numérico. São Paulo: McGraw-Hill do Brasil, 1984. 35 1. D. A afirmação III está incorreta, pois a expressão é transcendente e não algébrica. 2. A ± B R ± ER 0,5 - 1,0 0,75 + 0,5 0,5 - 0,75 0,625 + 0,25 0,5 - 0,625 0,5625 + 0,125 0,5 - 0,5625 0,5313 + 0,0625 0,5 - 0,5313 0,5157 - 0,0313 0,5157 - 0,5313 0,5235 - 0,0156 0,5235 - 0,5313 0,5274 + 0,0078 0,5235 - 0,5274 0,5255 - 0,0039 R = 0 526, ou r � �0 526 0 005, , 3. Aplicando a fórmula x x f x f x f c x cn n n n n� � � � �1 ( ) ( ) ( ) ( ), temos: x f f f1 1 1 1 0 1 0 1 5 5 3 1 5 8 0 375� � � � � � � � � �� � � � � � � � � � , x f f f2 0 375 0 375 0 375 1 0 375 1� � � � � � � � � �� �, , , , � � � � � �� � � � 0 375 0 32226 0 32226 5 0 625, , , , = 0 331942348, x f f f3 0 33194 0 33194 0 33194 0 375 0 33194 0 375� � � � � � � � � �� �, , , , , , � � � �� � �� �0 33194 0 049114531 0 049114531 0 32226 0 04306, , , , , = 0 33763414, Portanto, x x x 1 2 3 0 37500 0 33194 0 33763 = = = , , , 36 37 38 PLANO DE ESTUDOS OBJETIVOS DE APRENDIZAGEM • Apresentar o conceito de sistemas de equações lineares e possíveis aplicações. • Identificar sistemas triangulares e aplicar a decomposição de sistemas. • Estudar o procedimento de solução de sistemas lineares proposto por Gauss. • Entender a utilização dos Métodos Jacobi para solucionar sistemas. • Utilizar os métodos Gauss-Seidel para obter as soluções de sistemas lineares. Sistemas de Equações Lineares Solução de Sistemas Triangulares Métodos Jacobi Métodos Gauss-SeidelMétodos Gauss Me. André Abdala Noel Esp. Kryssian Romeiro Manoel dos Santos Solução de Sistemas de Equações Lineares 40 Solução de Sistemas de Equações Lineares Sistemas de Equações Lineares Olá, aluno(a)! Espero que você tenha chegado bem à nossa segunda unidade e que tenha com- preendido bem a unidade sobre os métodos nu- méricos. Em sua caminhada pelo conhecimento, é importante que você realize as atividades, faça os exercícios e refaça os exemplos. São boas formas de fixar o conteúdo. Além disso, é o momento em que surgem as dúvidas que precisam ser sanadas para uma melhor compreensão. Agora, o foco do nosso estudo está nos Sis- temas de Equações Lineares. Esses sistemas são aqueles nos quais temos equações com um núme- ro grande de variáveis dependentes. Esses sistemas têm vasta aplicabilidade na engenharia, como cál- culos estruturais e redes elétricas, porém, assim como Gilat e Subramaniam (2008) explicam, além da engenharia e ciência, os sistemas de equações lineares são aplicados virtualmente em todas as demais áreas, tais como negócios, estatística e eco- nomia, por exemplo, em que um sistema de duas ou três equações com duas ou três incógnitas po- dem ser resolvidos manualmente por substituição ou com o uso de métodos numéricos. 41UNIDADE 2 Para resolver esses sistemas de equações lineares de forma computacional, apli- caremos, nesta unidade, métodos diretos e iterativos. Juntos, compreenderemos a importância desses tópicos e sua aplicabilidade. Classificação de Sistemas Lineares Como já vimos, sistemas de equações lineares são amplamente utilizados para cál- culos de estruturas, redes elétricas ou solução de equações diferenciais, tornando-se um problema de grande interesse prático. Formalmente, temos uma equação linear quando cada termo da equação apresen- ta apenas uma variável, que aparece apenas na primeira potência (FRANCO, 2006). Com isso, uma equação 3 0xy = não é linear, nem uma equação 2 3 1 02x x� � � . Sendo assim, um Sistema de n Equações Lineares ou um Sistema Linear de Ordem n é um conjunto de n equações lineares com n variáveis. Resolver um sis- tema linear significa encontrar os valores para as n variáveis de forma que todas as equações sejam satisfeitas simultaneamente (FRANCO, 2006). Um sistema linear Sn pode ser escrito da seguinte forma: S a x a x a x b a x a x a x b a x n n n n n n � � � � � � � � � � 11 1 12 2 1 1 21 1 22 2 2 2 1 1 ... ... aa x a x bn nn n n2 2 � � � � � � � � � � ... ou S a x b i nn ij j i j n � � � � � , , ,...,1 2 1 Sob a forma matricial Sn pode ser escrita como: Ax b= em que A é uma matriz nxn, x e b são vetores de n elementos. Os sistemas lineares podem ser classificados como: • Sistema possível (ou consistente): quando possui, pelo menos, uma solução. • Sistema impossível (ou inconsistente): quando não admite solução. 42 Solução de Sistemas de Equações Lineares Dentre os sistemas possíveis, temos os sistemas determinados, quando admitem uma única solução, ou indeterminados, quando admitem mais de uma solução (FRANCO, 2006). Por exemplo, dados os três sistemas a seguir: ( )I x y x y � � � � � � � 3 1 ( )II x y x y � � � � � � � 2 3 2 4 6 ( )III x y x y 2 5 2 1 � � � � � � � Para o sistema linear (I), temos apenas um par de x e y que satisfazem o sistema, que é: x = 2 e y =1 . Portanto, é um sistema possível e determinado. Para resolver circuitos eletrônicos e determinar as grandezas de tensões, correntes ou resistência, muitas vezes podemos utilizar as Leis de Kirchhoff, em que temos a lei das malhas e a lei dos nós, que nos dizem que: (i) a soma das tensões em uma malha é igual a zero e (ii) a soma das correntes em um nó é zero. Essas leis produzem equações lineares que podem ser resolvidas a partir de um sistema linear. Dependendo do tamanho do circuito e do tamanho da malha, um sistema computacional com métodos numéricos se mostra bem eficaz para resolver um circuito. Ao representar as duas equações do sistema em um gráfico, podemos observar o ponto onde as retas se encontram, que é exatamente a nossa solução. x - y = 1 x + y =3 Figura 1 - Representação do encontro das equações de um sistema possível e determinadoFonte: os autores. 43UNIDADE 2 Perceba que o sistema linear (II) é um sistema possível, porém indeterminado, pois as retas de ambas equações são coincidentes, ou seja, o sistema admite infinitas soluções. Por exemplo, os pares (0, 1,5), (1, 1) ou (3, 0) são soluções para as equações de (II). Graficamente, vemos como as retas se sobrepõem. x+2y=3 2x+4y=6 Figura 2 - Representação do encontro das equações de um sistema possível e indeterminado Fonte: os autores. Por último, o sistema linear (III) é um sistema impossível, pois não há valores para x e y que satisfaçam as duas equações simultaneamente. Isto é, temos duas retas que nunca se encontram, ou sejam, retas paralelas no plano. São chamadas de equações contraditórias (FRANCO, 2006). 2x+y=5 2x+y=1 Figura 3 - Representação das equações de um sistema impossível Fonte: os autores. 44 Solução de Sistemas de Equações Lineares Métodos Diretos (Exatos) ou Iterativos Para resolver sistemas lineares, utilizaremos métodos numéricos para sistemas de ordem n que possuem uma única solução, ou seja, sistemas lineares possíveis deter- minados. Temos dois tipos de métodos numéricos utilizados para resolver sistemas de equa- ções lineares algébricas, são eles os diretos, também chamados de exatos, e os métodos iterativos. Nos métodos diretos, a solução é obtida com a realização de operações algébricas nas equações. Nos métodos iterativos, uma solução inicial aproximada é assumida e, então, utilizada em um processo iterativo para que soluções mais precisas sejam obtidas sucessivamente (GILAT; SUBRAMANIAM, 2008). Os métodos diretos e os métodos iterativos possuem vantagens e desvantagens. O método direto pode encontrar uma solução exata, se houver, e, desconsiderando erros de arredondamento, em um número finito de operações, enquanto os métodos iterativos podem exigir um número infinito de operações para chegar à solução exata. Os métodos iterativos possuem erro de truncamento e arredondamento, enquanto os métodos exatos possuem apenas erros de arredondamento. Contudo, em sistemas de grande porte, os erros de arredondamento em métodos diretos podem levar a soluções sem significado, enquanto em métodos iterativos não há acumulação de erros de arredondamento (FRANCO, 2006). 45UNIDADE 2 Prezado(a) aluno(a), vamos dar uma rápida re- cuada nesta aula, enfatizando que, nos métodos diretos, manipulamos o sistema inicial, de forma a facilitar a sua resolução, ou seja, encontramos sistemas equivalentes, que nos permitem encon- trar a mesma solução, porém de uma maneira mais simples. As formas mais comuns de manipulação são os sistemas triangular superior, triangular inferior e diagonal apresentados nos exemplos a seguir. Sistemas Triangulares Inferior, Triangular Superior e Diagonal Um sistema é considerado triangular inferior se ele pode ser escrito como o exemplo a seguir, em que há valores apenas nas posições que com- põe a diagonal da matriz e nas posições abaixo da diagonal. As posições acima da diagonal são todas nulas (zero). Solução de Sistemas Triangulares 46 Solução de Sistemas de Equações Lineares a a a a a a a a a a x x x x 11 21 22 31 32 33 41 42 43 44 1 2 3 4 0 0 0 0 0 0 � � � � � � � � � � � � � � �� � � � � � � � � � � � � � � � � � � � � � � b b b b 1 2 3 4 a x b a x a x b a x a x a x b a x a x an n 11 1 1 21 1 22 2 2 31 1 32 2 33 3 3 1 1 2 2 � � � � � � � � � � � nn nn n nx a x b3 3 � � � � � � �� � � � � … Se o sistema linear puder ser escrito na forma de uma matriz triangular inferior, fa- cilmente percebemos que ele pode ser resolvido por meio de substituições simples, iniciando pelo valor obtido na primeira equação, em que há apenas uma variável. De forma análoga, um sistema linear de ordem n é triangular superior quando possui valores apenas na diagonal e acima da diagonal da matriz A que forma o sistema. a a a a a a a a a a x x x x 11 12 13 14 22 23 24 33 34 44 1 2 3 4 0 0 0 0 0 0 � � � � � � � � � � � � � � �� � � � � � � � � � � � � � � � � � � � � � � b b b b 1 2 3 4 a x a x a x a x b a x a x a x b a x n n n n 11 1 12 2 13 3 1 1 22 2 23 3 2 2 33 3 � � � � � � � � � � � … … … aa x b a x b n n nn n n 3 3� � � � � � �� � � � � � � Da mesma forma, também pode ser resolvido por meio de substituições simples, a partir da última equação, que possui apenas uma variável, com o resultado direto. Por fim, temos o sistema linear diagonal, que é escrito de forma em que há valo- res apenas na diagonal principal da matriz A, gerando o sistema. Dessa forma, cada equação terá apenas um termo com uma variável cada, o que já nos entrega a solução do sistema (GILAT; SUBRAMANIAM, 2008). a a a a x x x x b11 22 33 44 1 2 3 4 0 0 0 0 0 0 0 0 0 0 0 0 � � � � � � � � � � � � � � � � � � � � � � � � � 11 2 3 4 b b b � � � � � � � � � � � � a x b a x b a x b a x bnn n n 11 1 1 22 2 2 33 3 3 � � � � � � � � �� � � � � 47UNIDADE 2 Decomposição LU Em geral, os sistemas de equações lineares não são sistemas triangulares como os que foram apresentados. Contudo, podemos decompor uma matriz quadrada A aij= ( ) no produto de uma matriz triangular inferior por uma matriz triangular superior. Temos o seguinte teorema, conhecido como Teorema LU: sejam A aij= ( ) a matriz quadrada de ordem n, e Ak o menor principal, constituído das k primeiras linhas e k primeiras colunas de A. Assumimos que det( )Ak ≠ 0 para k n� �1 2 1, ,..., . Então, existe uma única matriz triangular inferior L ij= ( ) , com 11 22 1= = = =... nn , e uma única matriz triangular U uij= ( ) , tal que LU A= . Além disso, det( ) ...A u u unn= 11 22 (FRANCO, 2006). Não iremos, neste curso, demonstrar a prova do teorema, porém, ele serve de base para realizarmos a decomposição LU. A decomposição de uma matriz em uma matriz L (triangular inferior) e uma matriz U (triangular superior) pode ser feita a partir da igualdade . De forma prática, as matrizes L e U podem ser representadas como: LU u u n n n � � � � � � � � � � � � � � � � � 1 1 1 1 1 21 31 32 1 2 3 11 ... ... ... ... 112 13 1 22 23 2 33 3 u u u u u u u u n n n nn ... ... ... ... ... � � � � � � � � � � � � � � � � Tenha sua dose extra de conhecimento assistindo ao vídeo. Para acessar, use seu leitor de QR Code. Decomposição LU Passo a Passo Podemos calcular os elementos das matrizes L e U seguindo os seguintes passos (FRANCO, 2006): 1a linha de U: calculamos o produto da primeira linha de L por todas as colunas de U, igualando com os elementos da primeira linha de A: TEOREMA1 48 Solução de Sistemas de Equações Lineares 1 11 11 11 11� � � �u a u a 1 12 12 12 12� � � �u a u a ... 1 1 1 1 1� � � �u a u an n n n Logo, u a j nj j1 1 1 2= =, , ,..., 1a coluna de L: calculamos o produto de todas as linhas de L (a partir da segunda linha) pela 1a coluna de U, igualando com os elementos da 1a coluna de A: 21 11 21 21 21 11 u a a u � � � 31 11 31 31 31 11 u a a u � � � ... n n n nu a a u1 11 1 1 1 11 � � � Logo, i ia u j n1 1 11 2 3= =, , ,..., 2a linha de U: podemos calcular o produto da 2a linha de L por todas as colunas de U (a partir da segunda), igualando com os elementos da 2a linha de A (a partir da diagonal principal): 21 12 22 22 22 22 21 12u u a u a u� � � � � 21 13 23 23 23 23 21 13u u a u a u� � � � � ... 21 1 2 2 2 2 21 1u u a u a un n n n n n� � � � � Logo, u a u j nj j j2 2 21 1 2 3� � � , , ,..., 49UNIDADE 2 2a coluna de L: obtemos a 2a coluna de L calculando o produto de todas as linhas de L (a partir da terceira) pela segunda coluna de U, igualando aos elementos da 2a coluna de A (a seguir da diagonal principal): 31 12 32 22 32 32 32 31 12 22 u u a a u u � � � � � 41 12 42 22 42 42 42 41 12 22 u u a a u u � � � � � ... n n n n n nu u a a u u112 2 22 2 2 2 1 12 22 � � � � � Logo, i i ia u u i n2 2 1 12 22 3� � �, ,..., O processo continua pelas próximas linhas e colunas, levando às fórmulas gerais a seguir: u a u i j a u u ij ij ik kj k i ij ij ik kj k j j � � � � � � � �� � � �� � � � � � � , , / 1 1 1 1 jj i j, .� � � � � � � � Aplicando a Decomposição LU a Sistemas Lineares Temos por definição que um sistema de equações lineares pode ser escrito como Ax b= . Sendo um sistema que satisfaz as condições para a decomposição LU, vimos que LU A= , logo, nosso sistema pode ser escrito na forma LUx b= . Então, para encontrar a solução do sistema decomposto, podemos fazer Ux y= e aplicar na equação anterior, para resolver primeiro pelo sistema triangular inferior, tendo Ly b= . Ao obter o vetor y, aplicamos na equação em relação ao sistema trian- gular superior para obter o vetor x, que é a solução para o nosso sistema original. Mais adiante, em nosso livro, veremos como esse método pode ser aplicado em programação, utilizando sistemas como Matlab ou Octave para solucionar sistemas lineares. 50 Solução de Sistemas de Equações Lineares Caro(a) aluno(a), resolveremos, agora, um sis- tema de equação linear pelo método de Gauss, que, apesar de ser um dos métodos mais antigos para resolver equações simultâneas, mantém-se como um dos algoritmos mais importantes. É a base da resolução de equações lineares em mui- tos pacotes de software populares (CHAPRA; CANALE, 2011). Nesse procedimento, um sistema de equações genérico é manipulado até apresentar a forma triangular superior, que é então resolvida com o emprego da substituição regressiva (GILAT; SUBRAMANIAM, 2008). Para ajudar na compreensão deste método, vamos resolver um exemplo: Métodos Gauss 51UNIDADE 2 Resolver (BARROSO et al., 1987): 2 3 5 4 4 3 3 2 3 1 1 2 3 1 2 3 1 2 3 x x x x x x x x x � � � � � � � � � � � � � � � Resolução: pelo método de Gauss 1ª etapa: Escreve-se a matriz aumentada apresentada do sistema: B A b0 2 3 1 5 4 4 3 3 2 3 1 1 � � � � � � � � � � � � � � � � � � | | | | Fazendo B B0 = e chamando de L L L1 0 2 0 3 0( ) ( ) ( ), , as linhas 1, 2 e 3, respectivamente, de B0 , escolhe-se a11 0( ) como pivô e calculam-se os multiplicadores: m a a21 0 21 0 11 0 4 2 2( ) ( ) ( ) � � � � � � m a a31 0 31 0 11 0 2 2 1( ) ( ) ( ) � � � � � � Fazem-se, agora, as seguintes transformações elementares sobre as linhas de B0 : L L1 0 1 1( ) ( )→ m L L L21 0 1 0 2 0 2 1( ) ( ) ( ) ( )� � m L L L31 0 1 0 3 0 3 1( ) ( ) ( ) ( )� � L L L1 1 2 1 3 1( ) ( ) ( ), , são linhas da matriz transformada B1 . Finaliza-se, assim, a 1ª etapa, que consiste em eliminar todos os valores a seguir do pivô a11 0 2( ) = . Efetuando-se as transformações na matriz apresentada, tem-se: B A b1 2 3 1 5 0 2 1 7 0 6 2 6 � � � � � � � � � � � � � � � � � � � � | | | | 1 EXEMPLO 52 Solução de Sistemas de Equações Lineares 2ª etapa Escolhe-se a22 1 2( ) � � como pivô e calcula-se o multiplicador: m a a32 1 32 1 22 1 6 2 3( ) ( ) ( ) ( ) � � � � � � � � São feitas, agora, as seguintes transformações elementares sobre as linhas B1 : L L1 1 1 2( ) ( )→ L L2 1 2 2( ) ( )→ m L L L32 1 2 1 3 1 3 2( ) ( ) ( ) ( )� � L L L1 2 2 2 3 2( ) ( ) ( ), , são linhas da matriz transformada B2 , que já está na forma triangular: B A b2 2 3 1 5 0 2 1 7 0 0 5 15 � � � � � � � � � � � � � � � � � � | | | | sendo a matriz B2 a matriz aumentada do sistema triangular superior: 2 3 5 2 7 5 15 1 2 3 2 3 3 x x x x x x � � � � � � � � � � � � � Resolvendo-o por substituição retroativas, obtém-se a solução x T� � �1 2 3 , que é também a solução do sistema dado, uma vez que são equivalentes. 53UNIDADE 2 Sigamos adiante em nossos métodos numéri- cos. Segundo Gilat e Subramaniam (2008), nos métodos iterativos, as equações são colocadas em uma forma explícita na qual cada incógnita é escrita em termos das demais incógnitas. Métodos Jacobi Existem diversas operações matemáticas que reali- zamos em nosso dia a dia, principalmente na área de Engenharias, em que precisamos do cálculo numérico para resolver. Não nos damos muito conta disso porque, quando precisamos, pegamos uma calculadora e ela realiza o trabalho pesado. 54 Solução de Sistemas de Equações Lineares A forma explícita de um sistema de equações, que foi adaptado de Gilat e Subrama- niam (2008), é ilustrada a seguir: à direita (a) está a forma padronizada; à esquerda (b) está a forma explícita de um sistema de quatro equações. a x a x a x a x b a x a x a x a x b a x 11 1 12 2 13 3 14 4 1 21 1 22 2 23 3 24 4 2 31 1 � � � � � � � � � aa x a x a x b a x a x a x a x b a Escreven 32 2 33 3 34 4 3 41 1 42 2 43 3 44 4 4 � � � � � � � ( ) ddo as equações de forma lícita x b a x a x a x exp � � � � �1 1 12 2 13 3 14[ ( 44 11 2 2 21 1 23 3 24 4 22 3 3 31 1 32 2 )] / [ ( )] / [ ( a x b a x a x a x a x b a x a x � � � � � � � �� � � � � a x a x b a x a x a x a b 34 4 33 4 4 41 1 42 2 43 3 44 )] / [ ( )] / ( ) Ainda como Gilat e Subramaniam (2008) explicam, o processo de solução começa com a escolha de valores iniciais para as incógnitas (primeira solução estimada). Na primeira iteração, a primeira solução assumida é substituída no lado direito das equações, e os novos valores calculados para as incógnitas formam a segunda solução estimada. Na segunda iteração, a segunda solução é substituída de volta nas equações para que novos valores sejam obtidos para as incógnitas, e isso constitui a terceira solução estimada. As iterações continuam da mesma forma e, quando o método dá certo, as soluções obtidas durante as iterações sucessivas convergem para a solução real. Em um sistema com n equações, as equações explícitas para as incógnitas [xi] são (ARENALES; DAREZZO, 2016): x a b a xi k ii i ij j k j j i j n ( ) ( )� � � � � � � � � � � � � � � � � � � � � � � � � � � � �1 1 1 , i = 1, 2, ..., n De acordo com Barroso et al. (1987), o Método Jacobi funciona do seguinte modo: a) Escolhe-se uma aproximação inicial x( )0 . b) Geram-se aproximações sucessivas de x k( ) a partir da iteração: x Fx dk k( ) ( )� � �1 , k = 0, 1, 2, ... c) Continua-se a gerar aproximações até que um dos critérios a seguir sejam satisfeitos: • max ( ) ( )x xi k i k� � �1 e , em que e é a tolerância ou • k M> , em que M é o número máximo de iterações. Observação: a tolerância e fixa o grau de precisão das soluções. 55UNIDADE 2 Passamos, agora, ao próximo método em nosso estudo. Seguindo a linha de explicação de Barroso et al. (1987), se temos o sistema Ax b= , o método iterativo de Gauss-Seidel consiste em: a) Partindo-se de uma aproximação inicial x x x xn t ( ) ( ) ( ) ( ), ,...,0 1 0 2 0 0� � � . b) Calcula-se a sequência de aproximações x x x k( ) ( ) ( ), ,..., ,...1 2 , utilizando-se as equações: Métodos Gauss-Seidel 56 Solução de Sistemas de Equações Lineares x a b a x a x a xk k k n n k 1 1 11 1 12 2 13 3 1 1( ) ( ) ( ) ( )...� � � � � ��� � � x a b a x a x a xk k k n n k 2 1 22 2 21 1 23 3 2 1( ) ( ) ( ) ( )...� � � � � ��� � � x a b a x a x a xn k nn n n k n k n n n k( ) ( ) ( ) , ( )...� � � � � �� � � � ��� 1 1 1 1 2 2 1 1 1 11 �� � ou, então, x d F x F xi k ij j k ij j k j i n j i ( ) ( ) ( ) ,� � � �� � � � � � � � � � � � � ��1 1 11 1 onde ii n k � � � � � 1 2 0 1 2 , ,..., , , ,... c) Continua-se a gerar aproximações até que um dos critérios a seguir sejam satisfeitos: • max ( ) ( )x xi k i k� � �1 e , com tolerância 1≤ ≤i n ou • k M> , em que M é o número máximo de iterações. Sendo assim, percebemos que os métodos iterativos podem ser executados até chegar a um limite mínimo de tolerância (erro) ou até um número máximo de iterações. Devemos lembrar que, por mais que os sistemas computacionais sejam cada vez mais potentese baratos, ainda são finitos e limitados. Uma aproximação boa o suficiente muitas vezes é o que precisamos. Terminamos, então, nossa unidade sobre Sistemas de Equações Lineares. Vale lembrar que adiante veremos como aproveitar esse conhecimento em linguagens computacionais. Ainda temos mais a tratar sobre o cálculo numérico, mas até aqui você já deve ter per- cebido que encontramos formas de automatizar processos mecânicos de cálculos e, por vezes, utilizamos caminhos diferentes do que usaríamos para calcular manualmente. Isso é necessário, pois a máquina não tem a mesma visão do todo e do contexto que nós temos. É importante frisar que não precisamos ter medo dessas fórmulas e desses cálculos, porque, a partir do ponto em que eles foram estabelecidos, esse processo será passado para as máquinas calcularem. Para elas, um processo mecânico repetitivo é simples e menos suscetível a erros do que quando nós fazemos os cálculos. Continue firme em seus estudos e nos vemos na próxima unidade! 57 Você pode utilizar seu diário de bordo para a resolução. 1. Nos métodos diretos, manipulamos o sistema inicial, de forma a facilitar a sua resolução, ou seja, encontramos sistemas equivalentes, que nos permitem en- contrar a mesma solução, porém de uma maneira mais simples. Considerando o texto, avalie as afirmações a seguir. I) Um sistema triangular inferior necessita de um sistema triangular superior para que a solução seja encontrada. II) A partir da manipulação de sistemas lineares, podemos deixá-los na forma triangular, de onde a solução é obtida de forma mais fácil. III) A decomposição LU gera duas matrizes triangulares a partir de um sistema original. IV) Um sistema triangular superior possui apenas valores 0 (zero) na parte su- perior da matriz, ou seja, acima da diagonal principal. Está correto o que se afirma em: a) Apenas I e II estão corretas. b) Apenas II e III estão corretas. c) Apenas III e IV estão corretas. d) Apenas I, II e III estão corretas. e) Apenas II, III e IV estão corretas. 2. Dada a matriz A � � � � � � � 5 3 8 4 , faça a decomposição de A em LU, ou seja, em uma matriz triangular inferior e uma matriz triangular superior. 3. Como o nome diz, um sistema de equações lineares possui apenas equações ditas lineares. Dentre as equações a seguir, assinale a equação que é não linear. a) 3x + 4y = z b) 2t – 5w + 10h = 48 c) 9y + 12k = 5w + 2x d) 8u + 3yz – 4 = 0 e) t = y 58 O Homem que viu o Infinito Ano: 2015 Sinopse: trata-se da história de Srinivasa Ramanujan, matemático indiano que fez importantes contribuições para o mundo da matemática, bem como a teoria dos números, a série e frações contínuas. FILME 59 ARENALES, S.; DAREZZO, A. Cálculo Numérico: Aprendizagem com Apoio de Software. 2. ed. São Paulo: Cengage, 2016. BARROSO, L. C.; BARROSO, M. M. A.; CAMPOS, F. F. C.; CARVALHO, M. L. B.; MAIA, M. L. Cálculo numé- rico (com aplicações). 2. ed. São Paulo: Harbra, 1987. CHAPRA, S. C.; CANALE, R. P. Métodos numéricos para engenharia. 5. ed. Porto Alegre: AMGH, 2011. FRANCO, N. M. B. Cálculo Numérico. Pearson: São Paulo, 2006. GILAT, A.; SUBRAMANIAM, V. Métodos numéricos para engenharia e cientistas. Porto Alegre: Bookman, 2008. 60 1. B. 2. A u a u a a u u � � � � � � � � � � � � � � � � 5 3 8 4 5 3 1 0 8 5 1 6 11 11 12 12 11 12 21 21 11 , 221 22 22 21 12 22 0 4 1 6 3 0 8 1 1 0 1 6 1 5 3 0 0 � � � � � � � � � � � � � � � � � � u a u L U , , , ,,8 � � � � � � 3. D. 61 62 PLANO DE ESTUDOS OBJETIVOS DE APRENDIZAGEM • Apresentar o conceito de aproximação polinomial e sua aplicação. • Entender o conceito de interpolação linear para aproxi- mação. • Estudar a interpolação quadrática e sua utilização. • Aprender a utilizar a interpolação de Lagrange. • Analisar e aplicar o método de interpolação polinomial de Newton. Aproximação Polinomial Interpolação Linear Interpolação de Lagrange Interpolação de NewtonInterpolação Quadrática Me. André Abdala Noel Esp. Kryssian Romeiro Manoel dos Santos Aproximação de Funções 64 Aproximação de Funções Aproximação Polinomial Olá, aluno(a), tudo bem? Seja muito bem-vindo(a) novamente à continuação dos nossos estudos! Nesta unidade, trataremos de aprofundar nossos conhe- cimentos e aprender a calcular de forma numérica problemas que exijam aproximações de funções. Existem várias formas de se realizar uma apro- ximação polinomial, como Interpolação, Métodos dos Mínimos Quadrados, Mini-Max, entre outros. Para Chapra e Canale (2011), é oportuno fazer estimativas de valores intermediários entre dados precisos. O método mais comum usado para esse propósito é a interpolação polinomial, por isso dedicaremos o nosso foco agora a esse método. Dividimos nosso estudo do método de interpo- lação em: linear, quadrática, Lagrange e interpo- lação de Newton. Antes de apresentar cada uma, abordaremos o que vem a ser essa aproximação. 65UNIDADE 3 No uso cotidiano, algumas funções podem ser complexas de serem resolvidas e uma boa forma de simplificar é aproximar essas funções a funções mais simples, de onde os resultados possam ser obtidos com menos esforço. Podemos utilizar de aproximações quando precisamos avaliar diferentes pontos ou quando precisamos derivar ou integrar; também quando temos um conjunto de pontos da função, mas não sabemos sua forma analítica real (ARENALES; DARE- ZZO, 2016). É comum a necessidade de se fazer estimativas de pontos intermediários entre dados precisos. Para isso, usamos as técnicas de Aproximação Polinomial. O método mais comum, que discutimos nesta unidade, é a interpolação polinomial. A fórmula geral para um polinômio de grau n é f x a a x a xn n( ) ...� � � �0 1 2 Para n +1 pontos dados, existe um e somente um polinômio de grau n que passa por todos os pontos. A interpolação polinomial consiste em determinar o único polinômio de grau n que passa pelos n +1 pontos dados. Esse polinômio, então, fornece uma fórmula para calcular valores intermediários (CHAPRA; CANALE, 2011). Este polinômio recebe o nome de polinômio interpolador. O polinômio inter- polador de uma função f x( ) definida em x x xn0 1, ,..., (n+1) pontos distintos de um intervalo a b,� � é o polinômio P x( ) de grau igual ou menor a n, que coincide com a função nos pontos x i ni , ,...,= 0 . Isso significa que P x f x y y ni i i( ) ( ) , ,...,= = = 0 (ARENALES; DAREZZO, 2016). A interpolação gráfica é um recurso bastante utilizado em computação gráfica, seja para gráficos estáticos 2D ou 3D ou, ainda, para animações e jogos de computador. A partir da interpolação, é possível “criar” pontos e/ou elementos a partir de um contexto. Em jogos de computador, a interpolação pode suavizar efeitos como “zoom in” e “zoom out”, utilizando o seu cenário e interpolando a modificação da imagem, para fazer a transição de forma mais suave. Fonte: Isidro (2016, on-line)1. 66 Aproximação de Funções De uma forma um pouco mais visual, podemos entender um pouco do funciona- mento por meio da figura a seguir, em que temos alguns pontos da função f(x) e encontramos um polinômio P(x) que passa por esses pontos. y y y1 y0 x0 = a = bx1 n x xn Pn (x)– Pn (x) f (x) x– . . . ... ƒ(x)– Figura 1 - Exemplo de polinômio interpolador Fonte: adaptada de Arenales e Darezzo (2016). Descreveremos no tópico a seguir algumas alternativas de cálculo do método de interpolação polinomial. 67UNIDADE 3 A forma mais simples de interpolação é ligar dois pontos dados com uma reta. Essa técnica, chama- da de interpolação linear, é descrita graficamente na Figura 2, usando semelhança de triângulos, que é a fórmula de interpolação linear. f x f x x x f x f x x x 1 0 0 1 0 1 0 ( ) ( ) ( ) ( )� � � � � que pode ser reescrito como: f x f x f x f x x x x x1 0 1 0 1 0 0( ) ( ) ( ) ( ) ( )� � � � � A notação f x1( ) indica que esse é um polinô- mio interpolador de primeiro grau. Observeque, além de representar a inclinação da reta ligando os pontos, o termo f x f x x x( ) ( ) / ( )1 0 1 0�� � � é uma aproximação por diferenças divididas finitas da primeira derivada. Em geral, quanto menor o intervalo entre os pontos dados, melhor a apro- ximação, o que se deve ao fato de que, conforme o intervalo diminui, uma função contínua será mais bem aproximada por uma reta (CHAPRA; CANALE, 2011). Interpolação Linear 68 Aproximação de Funções x ƒ(x) ƒ(x1) ƒ(x0) x0 x x1 ƒ1(x) Figura 2 - Representação gráfica de interpolação linear Fonte: Chapra e Canale (2011, p. 410). Seja a função y f x= ( ) definida pelos pontos (0,00; 1,35) e (1,00; 2,94), determinar aproximadamente o valor de f ( , )0 73 (BARROSO et al., 1987). Resolução: P x a x a1 1 0( ) � � é o polinômio interpolar de 1º grau que passa pelos pontos dados. Logo, tem-se: P a a a P a a a 1 1 0 0 1 1 0 1 0 0 1 35 1 35 1 1 2 94 1 59 ( ) , , ( ) , , � � � � � � � � � � � � � � � P x x1 1 59 1 35( ) , ,� � P1 0 73 1 59 0 73 1 35 2 51( , ) , , , ,� � � � Segundo Barroso et al. (1987), o resultado obtido no Exemplo 1 está afetado por dois tipos de erro: a) Erro de arredondamento ( )eA : é cometido durante a execução das operações e no caso de o resultado ser arredondado. b) Erro de truncamento ( )eT : é cometido quando a fórmula de interpolação a ser utilizada é escolhida, pois a aproximação de uma função conhecida apenas por meio de dois pontos é feita por um polinômio de 1º grau. 1 EXEMPLO 69UNIDADE 3 Faça uma estimativa do logaritmo natural de 2 usando uma interpolação linear. Pri- meiro, faça o cálculo interpolando entre ln( )1 0= e ln( ) ,6 1 791759= . Então, repita o procedimento, mas use o intervalo menor de ln( )1 a ln( ) ,4 1 386294= . Observe que o valor verdadeiro de ln( ) ,2 0 6931472= (CHAPRA; CANALE, 2011). Resolução: usamos a Equação f x f x f x f x x x x x1 0 1 0 1 0 0( ) ( ) ( ) ( ) ( )� � � � � e a interpo- lação linear para ln( )2 de x0 1= a x1 6= para obter: f1 2 0 1 791759 0 6 1 2 1 0 3583519( ) , ( ) ,� � � � � � o que representa um erro de eT = 48 3, % . O uso do intervalo menor de x0 1= a x1 4= fornece: f1 2 0 1 386294 0 4 1 2 1 0 4620981( ) , ( ) ,� � � � � � Logo, o uso do intervalo menor reduz o erro relativo percentual para eT = 33 3, % . Ambas as interpolações estão mostradas na Figura 3, junto com a função verdadeira. ƒ(x) ƒ(x) = In x ƒ1(x) 2 1 0 0 5 x Estimativas lineares Valor verdadeiro Figura 3 - Duas interpolações lineares para estimar ln(2) Fonte: Chapra e Canale (2011, p. 411). Pelos exemplos, podemos perceber que, quanto menor o intervalo, mais próxima será a nossa aproximação. Entretanto, em muitos casos, a aproximação pode trazer um erro aceitável. 2 EXEMPLO 70 Aproximação de Funções Para Chapra e Canale (2011), a interpolação qua- drática é um método mais preciso do que a linear, devido ao fato de que a aproximação não é de uma reta com uma curva. A fim de obter-se uma certa curvatura, são necessários três pontos, o que pode ser conseguido com um polinômio de segundo grau (também chamado de polinômio quadrático ou de parábola). Uma fórmula particularmente conveniente para esse propósito é: f x b b x x b x x x x2 0 1 0 2 0 1( ) ( ) ( )( )� � � � � � Desenvolvendo-a, temos: f x b b x b x b x b x x b xx b xx2 0 1 1 0 2 2 2 0 1 2 0 2 1( ) � � � � � � � Colecionando os termos: f x a a x a x2 0 1 2 2( ) � � � em que a b b x b x x0 0 1 0 2 0 1� � � a b b x b x1 1 2 0 2 1� � � a b2 2= Interpolação Quadrática 71UNIDADE 3 Retomando a equação f x b b x x b x x x x2 0 1 0 2 0 1( ) ( ) ( )( )� � � � � � e considerando x x= 0 para encontramos b0 , temos que: b f x0 0= ( ) Logo, substituindo b f x0 0= ( ) na equação f x b b x x b x x x x2 0 1 0 2 0 1( ) ( ) ( )( )� � � � � � , e ainda considerando x x= 1 , podemos encontrar b1 : b f x f x x x1 1 0 1 0 � � � ( ) ( ) Seguindo a mesma lógica, resolvendo a substituição de b0 e b1 em f x b b x x b x x x x2 0 1 0 2 0 1( ) ( ) ( )( )� � � � � � , e considerando x x= 2 , teremos, final- mente, uma equação para b2 : b f x f x x x f x f x x x x x2 2 1 2 1 1 0 1 0 2 0 � � � � � � � ( ) ( ) ( ) ( ) Ainda segundo Chapra e Canale (2011), b1 representa a inclinação da reta ligando os pontos x0 e x1 . Logo, b b x x0 1 0� �( ) são equivalentes à interpolação linear de x0 e x1 ; já o último termo, b x x x x2 0 1( )( )− − , introduz a curvatura de segundo grau na fórmula. Ajuste um polinômio de segundo grau aos três pontos usados no Exemplo 2, veja a seguir (CHAPRA; CANALE, 2011): x f x x x f x f x 0 0 1 2 1 2 1 0 4 6 1 386294 1 791759 = = = = = = ( ) ( ) , ( ) , Use o polinômio para calcular ln( )2 . Resolução: aplicando b f x0 0= ( ) , temos que b0 0= . Para b f x f x x x1 1 0 1 0 � � � ( ) ( ) b1 1 386294 0 4 1 0 4620981� � � � , , 3 EXEMPLO 72 Aproximação de Funções Finalmente, para b2 , temos: b f x f x x x f x f x x x x x2 2 1 2 1 1 0 1 0 2 0 � � � � � � � ( ) ( ) ( ) ( ) b2 1 791759 1 386294 6 4 0 4620981 6 1 0 0518731� � � � � � � , , , , Substituindo esses valores na equação f x b b x x b x x x x2 0 1 0 2 0 1( ) ( ) ( )( )� � � � � � , obtém-se a fórmula quadrática: f x x x x2 0 0 4620981 1 0 0518731 1 4( ) , ( ) , ( )( )� � � � � � f x x x2 20 0518731 0 7214636 0 6695905( ) , , ,� � � � a qual pode ser calculada em x = 2 para fornecer: f x2 0 5658444( ) ,= o que representa um erro relativo de eT =18 4, % . Logo, a curvatura introduzida pela fórmula quadrática melhora a interpolação quando comparada com o resultado obtido usando-se retas no Exemplo 2. Veja a comparação gráfica entre os Exemplos 2 e 3, em que o Exemplo 2 é repre- sentado pela linha rosa tracejada, enquanto o Exemplo 3 é representado pela linha contínua rosa, e a função real pela linha contínua preta: ƒ(x) ƒ(x) = In x ƒ2(x) 2 1 0 0 5 x Estimativa quadrática Estimativa linear Valor verdadeiro Figura 4 - Interpolações linear e quadrática (Exemplos 2 e 3) Fonte: Chapra e Canale (2011, p. 412). Percebemos o quanto a interpolação quadrática se aproxima mais do que a interpolação linear do valor real. Podemos encarar como um refinamento da nossa solução. 73UNIDADE 3 Como falamos no tópico anterior, a aproximação por interpolação não precisa ser feita a partir ape- nas da definição das funções, mas pode ser feita a partir de pontos conhecidos. Agora, trabalhare- mos com a interpolação de Lagrange para realizar a interpolação a partir desses pontos. “ Os polinômios interpoladores de Lagrange formam uma classe específica de polinô- mios que podem ser usados para fazer o ajuste de um determinado conjunto de da- dos simplesmente a partir dos valores dos pontos. Os polinômios podem ser escritos diretamente, e os coeficientes são determi- nados sem a necessidade de nenhum cálcu- lo preliminar (GILAT; SUBRAMANIAM, 2008, p. 218). Interpolação de Lagrange 74 Aproximação de Funções ƒ(x) ƒ(x)= (x–x2) (x, y) x (x1–x2) y1 + y2 * (x–x1) (x2–x1) (x2, y2) (x1, y1) Figura 5 - Polinômio de Lagrange de primeira ordem Fonte: Gilat e Subramaniam (2008, p. 218). Ainda segundo Gilat e Subramaniam (2008), para dois pontos, ( , )x y1 1 e ( , )x y2 2 , o polinômio de Lagrange de primeira ordem (Figura 5) tem a forma: f x y a x x a x x( ) ( ) ( )� � � � �1 2 2 1 Podemos substituir os pontos na equação, o que nos leva a: y a x x a x x1 1 1 2 2 1 1� � � �( ) ( ) ou a y x x1 1 1 2 � �( ) e y a x x a x x2 1 2 2 2 2 1� � � �( ) ( ) ou a y x x2 2 2 1 � �( ) Depois, pode-se substituir a1 e a2 de volta na equação para obter: f x x x x x y x x x x y( ) ( ) ( ) ( ) ( ) � � � � � � 2 1 2 1 1 2 1 2 Nesse caso, obtemos uma função linear, na qual, se x x= 1 , teremos o polinômio igual a y1 . No caso de x x= 2 , podemos ver que o polinômio seria y2 . Quando x for um outro valor, entre x1 e x2 , teremos um valor que é a interpolação em y. Podemos, ainda,escrever a equação como: f x y y x x x x y x y x x ( ) ( ) ( ) ( ) � � � � � � 2 1 2 1 2 1 1 2 2 1 Se trabalharmos em função de três pontos, ou seja, ( , )x y1 1 , ( , )x y2 2 e ( , )x y3 3 , o polinômio de Lagrange de segunda ordem tem a forma: f x y a x x x x a x x x x a x x x x( ) ( )( ) ( )( ) ( )( )� � � � � � � � � �1 2 3 2 1 3 3 1 2 75UNIDADE 3 E o polinômio que passa pelos três pontos: f x x x x x x x x x y x x x x x x x x ( ) ( )( ) ( )( ) ( )( ) ( )( � � � � � � � � � � 2 3 1 2 1 3 1 1 3 2 1 2 33 2 1 2 3 1 3 2 3 ) ( )( ) ( )( ) y x x x x x x x x y� � � � � Esta equação já é uma equação quadrática, diferente da anterior. Segundo Gilat e Subramaniam (2008): “ Quando a coordenada x1 , x2 ou x3 de um dos três pontos é substituída, o va- lor do polinômio é igual a y1 , y2 ou y3 , respectivamente. Isso ocorre porque o coeficiente na frente do termo yi correspondente é igual a 1 e o coeficiente dos outros dois termos é igual a zero (GILAT; SUBRAMANIAM, 2008, p. 219). ƒ(x) (x, y) x * ƒ(x)= (x-x2)(x-x3) (x1-x2)(x1-x3) y1 + y2 (x-x1)(x-x3) (x2-x1)(x2-x3) + y3 (x-x1)(x-x2) (x3-x1)(x3-x2) (x2, y2) (x3, y3) (x1, y1) Figura 6 - Polinômio de Lagrange de segunda ordem Fonte: Gilat e Subramaniam (2008, p. 219). Como podemos trabalhar com diferentes números de pontos para o polinômio, uma fórmula geral para o polinômio de Lagrange, que passe por n pontos, é descrita a seguir: f x x x x x x x x x x x x x y x xn n ( ) ( )( )...( ) ( )( )...( ) ( � � � � � � � � �2 3 1 2 1 3 1 1 1))( )...( ) ( )( )...( ) ... ( )( x x x x x x x x x x y x x x x n n � � � � � � � � � 3 2 1 2 3 2 2 1 22 1 1 1 2 1 )...( )( )...( ) ( )( )...( )( x x x x x x x x x x x x i i n i i i i � � � � � � � � � xx x x x y x x x x x x x x x i i i n i n n � � � � � � � � � � 1 1 2 1 1 )...( ) ... ( )( )...( ) ( )( nn n n nx x x y � � �2 1)...( ) De forma compacta, para não assustar (tanto): 76 Aproximação de Funções f x y L x y x x x xi i i j i jj j i n i n i n ( ) ( ) ( ) ( ) � � � �� � �� ��� 111 em que as funções L x x x x xi j i jj j i n ( ) ( ) ( ) � � �� � � 1 são chamadas de funções de Lagrange. Essa forma pode ser facilmente implementada em um programa de computador (GILAT; SUBRAMANIAM, 2008). Use um polinômio interpolador de Lagrange de primeiro e segundo graus para cal- cular ln( )2 com base nos dados fornecidos no Exemplo 2, veja a seguir (CHAPRA; CANALE, 2011): x f x x x f x f x 0 0 1 2 1 2 1 0 4 6 1 386294 1 791759 = = = = = = ( ) ( ) , ( ) , Resolução: o polinômio de primeiro grau pode ser usado para se obter a estimativa em x = 2 , f x x x x x y x x x x y( ) ( ) ( ) ( ) ( ) � � � � � � 2 1 2 1 1 2 1 2 f1 2 2 4 1 4 0 2 1 4 1 1 386294 0 4620981( ) ( ) ( ) ( ) ( ) , ,� � � � � � � De modo semelhante, o polinômio de segundo grau é desenvolvido como: f x x x x x x x x x y x x x x x x x x ( ) ( )( ) ( )( ) ( )( ) ( )( � � � � � � � � � � 2 3 1 2 1 3 1 1 3 2 1 2 33 2 1 2 3 1 3 2 3 ) ( )( ) ( )( ) y x x x x x x x x y� � � � � f2 2 2 4 2 6 1 4 1 6 0 2 1 2 6 4 1 4 6 1 386294( ) ( )( ) ( )( ) ( )( ) ( )( ) , ( � � � � � � � � � � � 22 1 2 4 6 1 6 4 1 791760� � � � )( ) ( )( ) , f2 2 0 5658444( ) ,= Apesar de utilizar métodos diferentes, conseguimos os mesmos valores que obtivemos ao calcular a interpolação quadrática. 4 EXEMPLO 77UNIDADE 3 Para introduzir a interpolação de Newton, preci- samos apresentar o conceito de diferenças divi- didas. Dados os pontos x x xn0 1, ,..., que são n+1 pontos em um intervalo a b,� � , e f f fn0 1, ,..., os n+1 valores de uma função aplicada a esses pontos, a diferença dividida de uma função f x( ) pode ser definida como: f x f x k nk k[ ] ( ), , ,..., ,= = 0 1 f x x x f x x x f x x x x xo n n n n [ , ,..., ] [ , ,..., ] [ , ,..., ] 1 1 2 0 1 1 0 � � � � . Para simplificar o entendimento da definição, a diferença dividida pode ser entendida como o cálculo de uma função recursiva, em que você pode calcular o valor para diferentes pontos; para isso, você precisa recorrer a resultados anteriores, até retornar ao caso base, em que se tem f x f xk k[ ] ( )= . Interpolação de Newton 78 Aproximação de Funções Dessa forma, podemos escrever: f x x f x f x x xo [ , ] [ ] [ ] 1 1 0 1 0 � � � f x x x f x x f x x x xo [ , , ] [ , ] [ , ] 1 2 1 2 0 1 2 0 � � � f x x x x f x x x f x x x x xo [ , , , ] [ , , ] [ , , ] 1 2 3 1 2 3 0 1 2 3 0 � � � e assim por diante (FRANCO, 2006). Cuidado para não se perder no cálculo das diferenças divididas. Como auxí- lio, você pode montar uma tabela em que vai anotando por níveis os resul- tados, primeiro para um ponto, depois para dois pontos e assim por diante. Seguindo nosso estudo propriamente para a interpolação de Newton, começamos com algumas definições. Primeiro, vamos considerar uma função f x( ) contínua e que possua derivadas contínuas no intervalo a b,� � . Também, que temos os pontos x x xn0 1, ,..., e que eles são todos distintos no intervalo a b,� � . Também definimos: f x x f x f x x x x x[ , ] [ ] [ ] ,0 0 0 0� � � � para f x x x f x x f x x x x x x x x[ , , ] [ , ] [ , ] ,0 1 0 0 1 1 0 1� � � � � para e ...f x x x x f x x x x f x x x x xn n n n [ , ,..., , ] [ , ,..., , ] [ , ,... ] ,0 1 0 1 1 0 1� � � � ppara x x k nk� �, , ,...,0 1 A partir das definições para a interpolação de Newton, podemos chegar ao polinômio interpolador de Newton, que é escrito como: P x f x x x f x x x x x x f x x x x n ( ) [ ] ( ) [ , ] ( )( ) [ , , ] ... ( � � � � � � � � � 0 0 0 1 0 1 0 1 2 xx x x f x x xn n0 1 0 1)...( ) [ , ,..., ]� � Sendo ele o polinômio de interpolação da função y f x= ( ) sobre os pontos x x xn0 1, ,..., . 79UNIDADE 3 Tenha sua dose extra de conhecimento assistindo ao vídeo. Para acessar, use seu leitor de QR Code. Conhecendo a tabela (FRANCO, 2006): x -1 0 3 f(x) 15 8 -1 Calcular f ( )1 usando a fórmula de Newton do polinômio da interpolação. Sabemos que: x f f x x x f f x f f x 0 0 0 1 2 1 1 2 2 1 15 0 3 8 1 � � � � � � � � � � � , ( ) , , , ( ) , ( ) Portanto, temos que n=2 e o polinômio de Newton é calculado a partir de: P x f x x x f x x x x x x f x x x2 0 0 0 1 0 1 0 1 2( ) [ ] ( ) [ , ] ( )( ) [ , , ]� � � � � � Resolvendo as diferenças divididas, temos: f x f x x f x x x[ ] , [ , ] [ , , ]0 0 1 0 1 215 7 1� � � � e . Calculando o polinômio: P x x x x2 15 1 7 1 0 1( ) ( )( ) ( )( )( )� � � � � � � P x x x2 2 6 8( ) � � � Portanto, P f2 1 3 1( ) ( )= . Chegamos, enfim, ao final de nossa unidade sobre aproximação de funções. As interpolações têm diversos usos práticos e facilitam bastante a obtenção de valores aproximados que necessitamos. Lembre-se de que esses métodos que aprendemos aqui geralmente trazem uma aproximação que pode contar com erros de arredondamento e/ou truncamento. Portanto, é importante saber, na prática, qual é a margem de erro tolerável, que varia muito de acordo com cada domínio de aplicação. Tire um tempo de descanso (após responder as atividades), tome um café bacana e logo voltaremos a conversar sobre cálculo numérico, aplicando à integração numérica e equações diferenciais. Bom estudo! 5 EXEMPLO 80 Você pode utilizar seu diário de bordo para a resolução. 1. No uso cotidiano, algumas funções podem ser complexas de serem resolvidas, e uma boa forma de simplificar é aproximar essas funções a funções mais simples, de onde os resultados possam ser obtidos com menos esforço. Considerando o texto, avalie as afirmações a seguir. I) Os métodos de interpolação permitem encontrar valores aproximados para funções em pontos que não conhecemos ainda na função. II) A interpolação polinomial permite a simplificação de funções a partir de aproximação. III) A partir de métodos como a Interpolação Lagrange, podemos encontrar va- lores exatos para funções em qualquer ponto em um intervalo
Compartilhar