Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Cálculo Numérico 2 UNIDADE 1 Erros numéricos Seção 1 – Sistema de ponto flutuante Para garantir uma maior representatividade de números reais em um computador, usamos a notação de ponto flutuante (no Brasil, usamos a vírgula para separar a parte inteira da fracionária de um número. Portanto, poderíamos chamar esse sistema de vírgula flutuante). Nesta notação, um número real é escrito da seguinte forma: base d1d 2 d3...dk e mantissa 0, d1d 2 d3 ...dk x , onde: k número de dígitos na mantissa 0 d j (1); j 1,2,..., k e d1 0 e expoente no intervalo[e1 ,e2 ] Usualmente podemos representar um sistema de ponto flutuante por: F (, k, e1 , e2 ) , onde: base; k precisão; e1 menor expoente e e2 maior expoente. Na tabela a seguir, apresentamos alguns exemplos de sistemas de ponto flutuante de algumas máquinas: Tabela 1.1 - Exemplos de sistemas de ponto flutuante F (, k, e1 , e2 ) k e1 e2 HP25 10 9 -98 100 HP 48G 10 12 -500 499 HP 50G 10 12 -500 499 IBM 3090 16 5 -65 62 3 Exemplo 1.1: vamos considerar uma máquina que opera no sistema F (10, 4, 4, 4) . Os números serão representados em notação de ponto flutuante da seguinte forma: 0, d1d 2 d3 d 4 x 10 e ; 0 d 9 ; d1 0 e e [4, 4] Exemplo 1.2: considere o sistema de ponto flutuante da máquina do exemplo 1.1. Qual o maior e o menor número, em valor absoluto, que essa máquina representa? No exemplo anterior, vimos que os dígitos d j podem ser 0 d j 9 , já que a base da máquina é 10. Portanto, para formar o maior número que essa máquina pode representar, vamos usar todos os dígitos iguais a 9 e o maior expoente do intervalo. Maior 0,9999x104 9999 Já, para determinar o menor número em valor absoluto que essa máquina consegue representar, devemos tomar o menor número decimal entre 0 e 9, porém, devemos observar que o primeiro dígito tem que ser diferente de zero e o expoente, o menor do intervalo. Logo o menor número será: Menor 0,1000x104 0,00001 OBS: se nos cálculos com essa máquina aparecem números com magnitude menor do que 10 4 teremos uma situação em que a capacidade mínima da máquina não é atingida (underflow), e esse número, é normalmente ajustado para zero. OBS: se nos cálculos com essa máquina, surgem números com magnitude maior do que 10 4 significa que a capacidade da máquina é excedida e se tem um estouro (overflow) que pode levar a falhas na computação. j 4 Seção 2 – Métodos de arredondamento e truncamento Na seção anterior verificamos que a representação de um número real nos computadores e calculadoras é feita na forma de ponto flutuante. Portanto, a mantissa do número é limitada em k dígitos, conforme o sistema F. Vamos apresentar dois métodos de limitar a mantissa de um número: um método chamado de truncamento que consiste em desprezar os dígitos que ultrapassam a quantidade k. Exemplo 1.3: vamos considerar uma máquina com o seguinte sistema de ponto flutuante, F (10, 4, 2, 3) e seja um número x 24,28976 . Usando o método de truncamento, essa calculadora vai fazer a leitura do número da seguinte maneira: x 24,28976 0,2428976x102 , como k 4 , a máquina está limitada a leitura de quatro dígitos, logo o número x para essa máquina, pelo método do truncamento, será: x 0,2428x102 24,28 , ou seja, você corta ou despreza os dígitos que ultrapassam a quantidade k. E, o outro método é o de arredondamento. Nesse método, você adiciona 1 ao último dígito do algarismo limitado por k, ou seja, dk , se dk 1 (próximo dígito a direita de dk ) for igual ou superior a 5 e, se de todos os dígitos seguintes. dk 1 for menor do que 5, simplesmente fazemos o corte Dizemos que, quando escolhemos o método de arredondamento, arredondamos para cima se dk 1 5 e arredondamos para baixo se dk 1 < 5. Exemplo 1.4: para o mesmo sistema do exemplo 1.3 e para o mesmo valor de x, usando o método de arredondamento, x seria representado nessa máquina, da seguinte forma: x 24,28976 0,2428975x102 0,2429x102 24,29 . Observe que arredondamos para cima, pois que nesse caso é 8. dk 1 = 9 e, portanto, acrescentamos 1 a dk , Exemplo 1.5: vamos fazer a representação dos números a seguir, usando os métodos de arredondamento e truncamento para um sistema de ponto flutuante F (10, 4, 2, 3) . 5 X Número em ponto Método de Método de flutuante arredondamento truncamento 2,3674 0,23674x10 1 2,367 2,367 -0,23478 0,23478x100 -0,2348 -0,2347 29,8728 0,298728x10 2 29,87 29,87 3,987 0,3987x10 1 3,987 3,987 0,000002 0,2x10 5 Observe que o expoente é menor do que -2 Observe que o expoente é menor do que -2 Na próxima seção daremos destaque a propagação do erro quando usamos uma máquina, para realizar uma sequência de operações em aritmética de ponto flutuante. Seção 3 – Propagação de erros Ao resolvemos um problema numérico, do tipo 2 2 , usando uma máquina, quando calculamos 2 2 e usamos com a precisão dessa máquina, em cada uma dessas etapas, surgem diferentes tipos de erros que podem ser gerados por truncamento ou arredondamento. Estes erros se propagam e o resultado final obtido estará afetado por eles. Destacamos que, se uma pequena variação nos dados de entrada de um problema leva a uma grande diferença no resultado final, houve uma grande propagação de erros e, portanto essa operação é considerada mal-condicionada. Já, se essa pequena variação nos dados de entrada leva a apenas uma pequena diferença no resultado final, temos uma operação bem-condicionada. No exemplo a seguir, vamos fazer as operações indicadas em um sistema de ponto flutuante: F (10, 4, 10,10) , com o objetivo de verificar como o erro pode se propagar. 6 Exemplo 1.6: dados x 0,3956x105 e y 0,2345x102 , obter: x y; x.y e x . y Na operação da adição em ponto flutuante, devemos ajustar os pontos decimais dos dois números, ou seja: x 0,3956x105 e y 0,0002345x105 , logo: x y 0,3956x105 0,0002345x105 (0,3956 0,0002345)x105 0,3958345x105 Como o sistema de ponto flutuante dessa máquina é: F (10, 4, 10,10) , o resultado da operação adição será: x y 0,3958x105 usando o método do truncamento e também usando o método de arredondamento, já que o dígito dk 1 = 3 e é menor do que 5. Na multiplicação, fazemos: x.y (0,3956x105 )x(0,2345x102 ) 0,0927682x107 O resultado dessa operação será: x.y 0,9276x106 , no Truncamento x.y 0,9277x106 , no Arredondamento Na operação divisão, procedemos da seguinte maneira: 𝑥 𝑦 = 0,3956 . 105 0,2345 . 102 = 1,68699360341 . 103 O resultdo será: 𝑥 𝑦 = 0,1686 . 104 , no Truncamento 𝑥 𝑦 = 0,1687 . 104 , no Arredondamento Observe que nas operações perdemos dígitos significativos e, se esse resultado for ser usado em outra operação, esse erro será propagado. 7 A Seção 4 – Erros absolutos e relativosSe x é uma aproximação para x , definimos o erro absoluto (EA ) como sendo a diferença entre o valor exato x e o seu aproximado absoluto da seguinte maneira: x . Podemos representar o erro EA (x) x x O erro relativo (ER ) é definido como sendo a razão entre o erro absoluto pelo valor aproximado de x, ou seja: 𝐸𝑅(𝑥) = |𝑥 − 𝑥∗| 𝑥∗ Exemplo 1.7: se x 0,2000x101 e x0,2100x101 , o erro absoluto e relativo são calculados da seguinte maneira: E (x) 0,2000x101 0,2100x101 0,01x101 0,1 ER (x) 0,1 0,2100x10 1 0,047619 Podemos escrever o erro relativo em termos percentuais, ou seja, um erro de 4,7619%. A análise desse erro é mais significativa do que o erro absoluto, pois leva em consideração a magnitude dos valores. Exemplo 1.8: para os valores x 0,0000009 e x0,0000007 o erro absoluto é igual a EA (x) 0,2x10 6 que é muito baixo. Calcule o erro relativo. 𝐸𝑅(𝑥) = |𝑥 − 𝑥∗| 𝑥∗ = 0,2 . 10−6 0,7 . 10−6 ≅ 0,2857 ≅ 28,57% Pode ser considerado alto. 8 Exercícios 1.1 Em uma máquina que tem o sistema de ponto flutuante F (10, 3, 3, 5) qual o menor e o maior número em valor absoluto representados nessa máquina? 1.2 Seja um sistema de aritmética de ponto flutuante F (10, 5, 10,10) . Dados os números: x 0,23402x103 ; y 0,32456x102 e z 0,21346x101 e, usando os métodos de truncamento e arredondamento, determine: a. x y z b. x.y z c. x y d. x y z 1.3 Faça a representação sugerida dos números a seguir num sistema de aritmética de ponto flutuante F (10, 3, 5, 5) : X Representação em Ponto Flutuante Representação pelo Método de Arredondamento Representação pelo Método de Truncamento 23,45678 0,3489 23456,789 0,0000003 345678,234 34,5673 9 UNIDADE 2 Polinômios Seção 1 – Introdução Nesta seção vamos discutir o conceito, determinar o grau, o valor numérico, a raiz ou zero de um polinômio e, ainda, classificá-lo quanto ao número de termos. 1.1 Conceito de polinômio Um polinômio tem a forma: P(x) an x an1 x n1 ... a2 x a1 x a0 na qual, os coeficientes ai são números reais e an 0 , n é um número natural e x é uma variável. Exemplos: P(x) x 4 2x3 x 2 x 9 P(x) 2x2 x 3 P(x) x3 3x 1 1.2 Grau de um polinômio O polinômio P(x) an x an1 x n1 ... a2 x a1 x a0 que tem pelo menos um coeficiente ai 0 é de grau n se, e somente se, an 0 e todos os coeficientes ai com i n são nulos e denotamos por g(P) . Exemplos: No polinômio P(x) x 2 2x 1, o grau é: g(P) 2 O polinômio P(x) 3 , tem grau: g(P) 0 Já, no polinômio P(x) 3x 2 2x 5x 4 1 o grau é: g(P) 4 n 2 n 2 10 1.3 Valor numérico Seja x e , o valor numérico do polinômio P(x) an x an1 x n1 ... a2 x a1 x a0 quando x é dado por: P(x) an an1 n1 ... a2 a1a0 . Exemplo 2.1: determine o valor numérico do polinômio x 1; x 0; x 2 e x 1 . 2 Anotações: P(x) 3x4 2x 2 x 1 para: n 2 n 2 11 Podemos observar na expressão anterior de P(x) que para determinar o valor numérico de x usando o método de Horner são necessárias um total de n operações de adição e n operações de multiplicação. Exemplo 2.2: determinar o valor numérico de x 2 , usando o método de Horner. P(x) 2x 4 3x3 2x 2 4x 5 para P(x) 2x 4 3x3 2x 2 4x 5 (2x3 3x2 2x 4).x 5 ((2x 2 3x 2).x 4).x 5 (((2x 3).x 2).x 4).x 5 Logo: P(2) (((2.2 3).2 2).2 4).2 5 ((1).2 2).2 4).2 5 (4.2 4).2 5 8 5 13 1.4 Raiz ou zero de um polinômio Se x come P() 0 , então dizemos que é uma raiz ou zero do polinômio P(x) . Exemplo 2.3: verificar se x 1 e x 1 , são raízes ou zero do polinômio P(x) x 2 1 Verificação: P(1) (1)2 1 1 1 0 P(1) 12 1 1 1 0 , logo x 1 e x 1 são raízes ou zeros de P(x) x 2 1. 1.5 Expressão algébrica Uma expressão algébrica pode ser denominada como um conjunto de algarismos e letras, unidos por sinais de operações. Ela pode ser composta com duas ou mais letras, que são denominadas variáveis. Exemplos: 2.10 Os polinômios algébricas na variável x . P(x) an x an1 x n1 ... a2 x a1 x a0 são expressões 2.11 Os termos de um polinômio tais como: an x ; an1 x n1 ; ... ; a2 x ; a1 x; a0 de um polinômio, são expressões algébricas na variável x . 2.12 4x 2 y 3 é uma expressão algébrica nas variáveis x e y . n 2 n 2 12 2.13 Já, 2a 3b 2c é uma expressão algébrica nas variáveis a, b e c . Uma expressão algébrica com mais de uma variável, pode representar um polinômio. Vejamos o exemplo a seguir: Exemplo 2.4: a expressão 2x 4 y yx3 3y3 x 2 é um polinômio na variável x e o seu grau é g(P) 4 . Já a mesma expressão é um polinômio na variável y e o seu grau é g(P) 3 . Essa expressão, também representa um polinômio nas variáveis x e y e o seu grau é g(P) 5 1.6 Termos semelhantes Quando dois ou mais termos de um polinômio diferem apenas nos seus coeficientes, dizemos que eles são semelhantes. Desta forma, podemos simplificar esses termos, efetuando a simplificação de termos semelhantes. Exemplo 2.5: no polinômio P(x) 3x 4 2x3 4x3 x 2x 1, os termos: 2x 3 e 4x 3 ; -x e 2x são semelhantes. Simplificando os termos semelhantes, podemos escrever o polinômio na forma reduzida P(x) 3x4 2x3 x 1 . 1.7 Divisão de polinômios Dados dois polinômios P(x) e D(x) , com D(x) 0 . Efetuar a divisão de P(x) por D(x) é determinar os polinômios seguir: Q(x) e R(x) , que satisfaça as condições a 1. P(x) D(x).Q(x) R(x) 2. g(R) g(D) ou R(x) 0 Podemos representar a divisão de polinômios por meio de um dispositivo prático, da seguinte forma: Quando R(x) 0 , dizemos que a divisão é exata. 13 Exemplo 2.6: dividir P(x) x 4 x3 8x 2 7x 2 por D(x) x 2 x 2 . Vamos usar o dispositivo prático: Ou seja: x 4 x3 8x 2 7x 2 (x 2 x 2).(x 2 2x 8) (5x 14) 1.6.1 Divisão de um polinômio P(x) por um binômio na forma x a Para efetuar a divisão de um polinômio P(x) por um binômio na forma x a vamos usar o dispositivo prático do Briot-Ruffini. Exemplo 2.7: determinar o quociente e o resto da divisão do polinômio P(x) 3x3 5x2 x 2 por (x 2). Para aplicar o dispositivo de Briot-Ruffini seguimos os seguintes passos: 1º) Colocamos a raiz do divisor (que nesse caso é: a 2 ) e os coeficientes do dividendo ( 3, - 5,1, - 2) ordenadamente na parte de cima conforme abaixo: 2º) O primeiro coeficiente do dividendo é repetido abaixo. 14 3º) Multiplicamos a raiz do divisorpor esse coeficiente repetido abaixo e somamos o produto com o 2º coeficiente do dividendo, colocando o resultado abaixo deste. Repete esse procedimento, ou seja, multiplicamos a raiz do divisor pelo número colocado abaixo do 2º coeficiente e somamos o produto com o 3º coeficiente, colocando o resultado abaixo deste, e assim sucessivamente. 4º) Separamos o último número formado, que é igual ao resto da divisão, e os números que ficam à esquerda deste serão os coeficientes do quociente. Observe que o grau de Q(x) é uma unidade inferior ao de P(x), pois o divisor é de grau 1. Logo, a resposta será: Q(x) 3x 2 x 3 e R(x) 4 . Exemplo 2.8: dividir o polinômio P(x) x3 8 por D(x) x 2 . O dispositivo do Briot-Ruffini pode ser usado para valores negativos ou positivos de a , pois podemos escrever x a x (a) . Resolvendo: Logo: Q(x) x 2 2x 4 e R(x) 0 . Nesse caso, o resto da divisão é igual a zero. Portanto, podemos concluir que a divisão é exata. 15 Exercícios 1.4 A divisão de P(x) x 2 x 6 por D(x) x 2 é exata, ou seja, o resto R(x) 0 . Encontre o polinômio Q(x) que satisfaz a relação: P(x) D(x).Q(x) R(x) . 16 Seção 2 – Equações polinomiais Nesta seção, vamos determinar o número de raízes e encontrar todas as raízes reais de uma equação polinomial. 3.1 Introdução Seja o polinômio P(x) an x an1 x n1 ... a2 x a1 x a0 na variável x . A equação an x an1 x n1 ... a2 x a1 x a0 0 ou P(x) 0 com n 1, onde os coeficientes ai são números reais ou complexos e an 0 é dita uma equação polinomial ou algébrica. Definição 2.1 – Um número é dito uma raiz ou zero de uma equação polinomial de grau n (n 1) quando P() 0 . Exemplo 2.9: seja P(x) x 3 , 3 é uma raiz ou zero da equação P(x) 0 . 3.2 Decomposição de um polinômio em um produto de fatores do 1° grau Uma equação polinomial ou algébrica pode ser escrita na forma de fatores lineares. Vejamos: Um polinômio P(x) é divisível por P() 0 . x se, e somente se, é raiz de P(x) , ou seja, se Portanto, se1 é raiz de P(x) então: P(x) (x 1 ).q0 (x) 0 . Se 2 também é raiz de P(x) 0 temos: q0 (x) (x 2 ).q1 (x) . Continuando procedendo dessa forma, podemos obter a equação na forma fatorada em fatores lineares. P(x) an (x 1 ).(x 2 )...(x n1 ).(x n ) 0 n 2 n 2 17 Exemplo 2.10: obter as raízes de P(x) x3 x 2 9x 9 sabendo que uma das raízes é 1 1. Apresentar a forma fatorada. Vimos que se 1 é raiz de P(x) então: P(x) (x 1 ).q0 (x) 0 ⇒ P(x) (x 1 ) 0 . Logo: x 3 x 2 9x 9 (x 1).(x 9) x 2 9 0 . Resolvendo a equação x 2 9 0 , x 1 (x 1) teremos que as outras raízes da equação são: 2 3 e 3 3 . A forma fatorada do polinômio será: P(x) (x 1).(x 3).(x 3) 3.3 Raízes racionais Exemplo 2.11: seja a 2x 3 7x 2 7x 2 0 . Se essa equação possui raiz racional p , ela será da forma que p é divisor de -2 e q é divisor de 2. Como os divisores de q 2 são 1,1,2,2, as possíveis raízes são: {1,1, 1 , 1 ,2,2}. Realmente, as raízes da 2 2 p equação dada são: equação. 1; 0,5 ; 2 . Observe que nem todas as raízes q são raízes da 2 18 UNIDADE 3 Equações algébricas e transcendentais Seção 1 – Introdução Determinar uma raiz real de equações polinomiais ou transcendentais significa determinar um número , com , de forma que f () 0 . Para encontrar esse valor fazendo uso de Métodos Numéricos devemos seguir duas etapas: Etapa I: Isolamento de raízes – que consiste em encontrar um intervalo [a, b], que contenha uma raiz da equação f (x) 0 . Etapa II: Refinamento ou melhoramento – é a etapa na qual refinamos ou melhoramos a aproximação encontrada para a raiz estimada na etapa anterior até que atenda a uma precisão pré-fixada. 1.1 Etapa I – Isolamento de raízes Interpretação Gráfica: f ' (x) 0, x [a, b] f '(x) 0, x [a, b] 19 Exemplo 3.1: fazendo uma análise gráfica, determine um intervalo [a, b], que contenha uma raiz da equação f (x) x3 2x 2 x 2 0 . Observando o gráfico da Figura 3.3, podemos perceber que ele intercepta o eixo dos “x” em três pontos. Portanto, concluímos que essa equação tem três raízes. Os intervalos [a, b] que contém as raízes podem ser: 1 [1,5; 0,5];2 [0,5;1,5] e 3 [1,6; 2,5] . Exemplo 3.2: construa o gráfico da equação transcendente determine um intervalo [a, b] que contenha uma raiz dessa equação. f (x) 1 ex 0 e x Observando o gráfico, podemos definir que a raiz da equação está no intervalo [0, 1]. 20 Exemplo 3.3: determinar um intervalo [a, b] para a equação f (x) 1 ex 0 x que contenha uma raiz dessa equação, usando equações equivalentes. A equação 1 ex 0 pode ser escrita como: x 1 ex , onde x g(x) 1 x e h(x) ex . Figura 3.5 Observando a figura 3.5, verificamos que a abscissa do ponto de intersecção das duas curvas g(x) e h(x) está no intervalo [0, 1]. 21 1.2 Etapa II – Refinamento ou melhoramento Nesta etapa faremos o refinamento ou melhoramento do intervalo encontrado na etapa I, aplicando métodos numéricos. Esses métodos pertencem à classe dos métodos iterativos que consiste em uma seqüência de instruções executadas passo a passo, algumas das quais podem ser repetidas em ciclos. Em cada iteração realizada, usamos o resultado da iteração anterior. Para que se aponte um resultado final que atenda a tolerância pré- fixada, é necessário aplicar critérios de parada. Quando esses critérios forem atingidos, podemos anunciar a resposta aproximada para o problema. De uma forma geral podemos representar as etapas para a execução de um método iterativo como segue: Resumo dos passos para executar um método iterativo Passo a Passo Ação a ser realizada Estimativa inicial Iniciar a execução do método a partir da aproximação inicial. Gerando aproximações Aplicar os mais diversos métodos iterativos para gerar uma seqüência xk ; k 0,1, 2, 3,..., n de aproximações da raiz. Critério de parada Estabelecer um critério de parada que indica quando o processo iterativo deve parar, por exemplo, o critério x ou f (x ) , onde tolerância . Tolerância ou estimativa de exatidão Está associada ao critério de parada com o objetivo de estimar o erro cometido. 22 Seção 2 – Método da bissecção Seja uma função f (x) contínua no intervalo[a, b] e f (a). f (b) 0 de forma que, nesse intervalo, contenha uma única raiz da equação f (x) 0 . O objetivo do método da bissecção ou partição é reduzir a amplitude do intervalo [a, b] que contém a raiz até que a precisão requerida seja atingida. Para isso, devemos dividir ao meio o intervalo inicial, em dois subintervalos [a, c] e[c, d ] a serem considerados. Se f (a). f (b) 0 , então [a, c] caso contrário, [c, d ] . O novointervalo que contém é dividido ao meio e obtém-se uma nova aproximação para a raiz. Esse processo se repete até que se obtenha uma aproximação da raiz exata que atenda a tolerância estabelecida. Interpretação geométrica 23 0 1 2 3 Exemplo 3.4: a raiz ou zero da equação x 2 ln(x) 0 está no intervalo [0,5; 1]. Determine uma aproximação para essa raiz que atenda a tolerância cálculos utilize o método de arredondamento. 102 . Nos Vamos realizar as iterações para gerar a seqüência k 0,1, 2, 3,..., n : 1ª Iteração: k 0 xk , de aproximações, com f (0,5) 0 x 0,5 1 0,75 ⇒ f (1) 0 ⇒ (0,5; 0,75) 2 f (0,75) 0 Critério de Parada : CP 0,75 - 0,5 0,25 2ª Iteração: k 1 f (0,5) 0 x 0,5 0,75 0,63 ⇒ f (0,75) 0 ⇒ (0,63; 0,75) 2 f (0,63) 0 Critério de Parada : CP 0,75 - 0,63 0,12 3ª Iteração: k 2 f (0,63) 0 x 0,63 0,75 0,69 ⇒ f (0,75) 0 ⇒ (0,63; 0,69) 2 f (0,69) 0 Critério de Parada : CP 0,69 - 0,63 0,06 4ª Iteração: k 3 f (0,63) 0 x 0,63 0,69 0,66 ⇒ f (0,69) 0 ⇒ (0,63; 0,66) 2 f (0,66) 0 Critério de Parada : CP 0,66 - 0,63 0,03 5ª Iteração: k 4 0,63 0,66 f (0,63) 0 x4 0,65 ⇒ f (0,66) 0 ⇒ (0,65; 0,66) 2 f (0,65) 0 Critério de Parada : CP 0,66 - 0,65 0,01 102 Logo, a aproximação da raiz que atende a tolerância é: x4 0,65 24 0 1 2 Exemplo 3.5: determine uma aproximação para a raiz real da equação x5 2x3 2x 1 que atenda a precisão 102 . Nos cálculos utilize o método de truncamento. Figura 3.8 Analisando o gráfico, podemos definir o intervalo [-1, 0] como o que contém a raiz da equação. Lembramos que quanto menor for a amplitude do intervalo, menos cálculos serão realizados. 1ª Iteração: k 0 f (1) 0 x 1 0 0,5 ⇒ f (0) 0 ⇒ (0,5; 0) 2 f (0,5) 0 Critério de Parada : CP - 0,5 - 0 0,5 2ª Iteração: k 1 f (0,5) 0 x 0,5 0 0,25 ⇒ f (0) 0 ⇒ (0,5; - 0,25) 2 f (0,25) 0 Critério de Parada : CP - 0,25 0,5 0,25 3ª Iteração: k 2 f (0,25) 0 x 0,25 0,5 0,37 ⇒ f (0,5) 0 ⇒ (0,5; - 0,37) 2 f (0,37) 0 Critério de Parada : CP - 0,37 0,5 0,13 25 3 4 5 4ª Iteração: k 3 f (0,37) 0 x 0,37 0,5 0,43 ⇒ f (0,5) 0 ⇒ (0,43; - 0,37) 2 f (0,43) 0 Critério de Parada : CP - 0,37 0,43 0,06 5ª Iteração: k 4 f (0,43) 0 x 0,43 0,37 0,40 ⇒ f (0,37) 0 ⇒ (0,43; - 0,40) 2 f (0,40) 0 Critério de Parada : CP - 0,40 0,43 0,03 6ª Iteração: k 5 f (0,43) 0 x 0,43 0,40 0,41 ⇒ f (0,40) 0 ⇒ (0,43; - 0,41) 2 f (0,41) 0 Critério de Parada : CP - 0,41 0,43 0,02 7ª Iteração: k 6 x 0,43 0,41 6 2 f (0,43) 0 0,42 ⇒ f (0,41) 0 ⇒ (0,42; - 0,41) f (0,42) 0 Critério de Parada : CP - 0,41 0,42 0,01 102 Logo: x6 0,42 é a aproximação da raiz que atende a tolerância Resumos dos cálculos da equação x 5 2x3 2x 1 26 0 Exemplo 3.6: determine a raiz da equação sen(x) ln(x) 0 que atenda uma tolerância 105 . Nos cálculos use o método do arredondamento. A equação sen(x) ln(x) 0 pode ser escrita como: sen(x) ln(x) , onde h(x) sen(x) e g(x) ln(x) . Construindo os gráficos g(x) e h(x) no mesmo eixo cartesiano temos: Figura 3.9 Observando os gráficos podemos verificar que a abscissa do ponto de intersecção está no intervalo [2; 2,5]. Portanto, podemos aplicar o método da bissecção a partir desse intervalo. 1ª Iteração: k 0 f (2) 0 x 2 2,5 2,25 ⇒ f (2,5) 0 ⇒ (2; 2,25) 2 f (2,25) 0 Critério de Parada : CP 2,25 - 2 0,25 27 1 2 3 4 5 6 2ª Iteração: k 1 f (2) 0 x 2 2,25 2,125 ⇒ f (2,25) 0 ⇒ (2,125; 2,25) 2 f (2,125) 0 Critério de Parada : CP 2,25 2,125 0,125 3ª Iteração: k 2 f (2,125) 0 x 2,125 2,25 2,1875 ⇒ f (2,25) 0 ⇒ (2,1875; 2,25) 2 f (2,1875) 0 Critério de Parada : CP 2,25 - 2,1875 0,0625 4ª Iteração: k 3 f (2,1875) 0 x 2,1875 2,25 2,21875 ⇒ f (2,25) 0 ⇒ (2,21875; 2,25) 2 f (2,21875) 0 Critério de Parada : CP 2,25 - 2,21875 0,03125 5ª Iteração: k 4 f (2,21875) 0 x 2,21875 2,25 2,23438 ⇒ f (2,25) 0 ⇒ (2,21875; 2,23438) 2 f (2,23438) 0 Critério de Parada : CP 2,23438 - 2,21875 0,01563 6ª Iteração: k 5 f (2,21875) 0 x 2,21875 2,23438 2,22657 ⇒ f (2,23438) 0 ⇒ (2,21875; 2,22657) 2 f (2,22657) 0 Critério de Parada : CP 2,22657 - 2,21875 0,00782 7ª Iteração: k 6 f (2,21875) 0 x 2,21875 2,22657 2,22266 ⇒ f (2,22657) 0 ⇒ (2,21875; 2,22266) 2 f (2,22266) 0 Critério de Parada : CP 2,22266 - 2,21875 0,00391 8ª Iteração: k 7 28 f (2,21875) 0 7 8 9 x 2,21875 2,22266 2,22071 ⇒ f (2,22266) 0 ⇒ (2,21875; 2,22071) 2 f (2,22071) 0 Critério de Parada : CP 2,22071 - 2,21875 0,00196 9ª Iteração: k 8 f (2,21875) 0 x 2,21875 2,22071 2,21973 ⇒ f (2,22071) 0 ⇒ (2,21875; 2,21973) 2 f (2,21973) 0 Critério de Parada : CP 2,21973 - 2,21875 0,00098 10ª Iteração: k 9 f (2,21875) 0 x 2,21875 2,21973 2,21924 ⇒ f (2,21973) 0 ⇒ (2,21875; 2,21924) 2 f (2,21924) 0 Critério de Parada : CP 2,21924 - 2,21875 0,00049 11ª Iteração: k 10 f (2,21875) 0 x10 2,21875 2,21924 2,21900 ⇒ f (2,21924) 0 ⇒ (2,21900; 2,21924) 2 f (2,21900) 0 Critério de Parada : CP 2,21924 - 2,21900 0,00024 12ª Iteração: k 11 f (2,21900) 0 x11 2,21900 2,21924 2,21912 ⇒ f (2,21924) 0 ⇒ (2,21900; 2,21912) 2 f (2,21912) 0 Critério de Parada : CP 2,21912 - 2,21900 0,00012 13ª Iteração: k 12 f (2,21900) 0 x12 2,21900 2,21912 2,21910 ⇒ f (2,21912) 0 ⇒ (2,21910; 2,21912) 2 f (2,21910) 0 Critério de Parada : CP 2,21912 - 2,21910 0,00002 14ª Iteração: k 13 29 f (2,21910) 0 x13 2,21910 2,21912 2 2,21911 ⇒ f (2,21912) 0 ⇒ (2,21911; 2,21912) f (2,21911) 0 Critério de Parada : CP 2,21912 - 2,21911 0,00001 105 Logo, a raiz da equação que atende a precisão do problemaé: x13 2,21911 Resumos dos cálculos da equação sen(x) ln(x) 0 30 Exercícios 3.1 Calcular a raiz real da equação transcendente cos(x) ln(x) 0 , pelo método da bissecção com uma precisão 102 . Nos cálculos, use o método de arredondamento. Sugestão: Use um recurso computacional para a construção do gráfico. 3.2 Usando o método da bissecção, determinar a raiz real da equação algébrica x 3 2x 2 x 1 0 que atenda uma tolerância para o erro 104 . Use o método de arredondamento nos cálculos. 3.3 Determinar, pelo método da bissecção, a primeira raiz real positiva da equação transcendente tg(x) 2x 0 sabendo que a tolerância exigida é 106 . Usar o método de arredondamento nos cálculos. 31 Seção 3 – Método da falsa posição Seja f (x) uma função contínua no intervalo [a, b] de forma que f (a). f (b) 0 e que no intervalo dado, exista apenas uma raiz da equação f (x) 0 . No método da bissecção a raiz aproximada de é calculada fazendo a média aritmética de a e b, ou seja, x a b . 2 Nas mesmas condições iniciais do método da bissecção, o método da falsa posição toma a média aritmética ponderada do intervalo [a, b] com pesos f (a) e f(b) que pode ser expressa da seguinte forma: xk a. f (b) b. f (a) f (b) f (a) , já que f (a) e f (b) tem sinais opostos. Graficamente, esta média é o ponto x que é a intersecção da reta que une os pontos (a, f (a)) e (b, f (b)) com o eixo dos “x”. Após a divisão do intervalo, escolhe-se o novo subintervalo de acordo com a variação do sinal da curva f . Interpretação gráfica: a. f (b) b. f (a) f (b) f (a) 32 O método da falsa posição aplicado na figura 3.10 nos mostra que f (a). f (x0 ) 0 , logo o novo intervalo que contém a raiz é dado por [a, x0]. Seguindo esse mesmo raciocínio, deve-se continuar o processo para determinar o novo intervalo que contém a raiz. Exemplo 3.8: o intervalo [0,5; 1] contém a raiz da equação x 2 ln(x) 0 . Determine uma aproximação para essa raiz, usando o método da falsa posição, que atenda a tolerância 102 . Para critério de parada vamos usar f (xk ) , k 0,1, 2, 3..., n . Nos cálculos utilizar o método de arredondamento. Vamos determinar a seqüência de aproximações xk , com k 0,1, 2, 3..., n usando: x a. f (b) b. f (a) k f (b) f (a) f (a) f (b) f (0,5) 0,52 ln(0,5) 0,44 0 f (1) 12 ln(1) 1 0 1ª Iteração: k 0 x 0,5.1 1.(0,44) 0 1 (0,44) Logo a raiz da equação é: x0 0,65 0,65 ; CP: f (x0 ) 0,01 0,01 33 0 1 2 Exemplo 3.9: use o método da falsa posição para determinar a raiz da equação x 3 2x 1 0 que está no intervalo [0, 1] e que atenda a tolerância 103 . Use o método de truncamento no processo de resolução. Cálculos: f (a) f (b) f (0) 03 2.0 1 1 0 f (1) 13 2.1 1 2 0 1ª Iteração: k 0 x 0.2 1.(1) 0 2 (1) 0,333 ; CP: f (x0 ) 0,297 Definição do intervalo que contém a raiz: a raiz está no intervalo [a, x0] ou [x0, b]. Como f (x0 ) 0 significa que a raiz está no intervalo: [x0, b] = [0,333; 1] 2ª Iteração: k 1 x x0 . f (b) b. f (x0 ) 1 f (b) f (x ) 0,333.2 1.(0,297) 2 (0,297) 0,419 ; CP: f (x1 ) 0,088 Definição do intervalo que contém a raiz: a raiz está no intervalo [x1, b] ou [x0, x1]. Como f (x1 ) 0 significa que a raiz está no intervalo: [x1, b] = [0,419; 1] 3ª Iteração: k 2 x x1 . f (b) b. f (x1 ) 2 f (b) f (x ) 0,419.2 1.(0,088) 2 (0,088) 0,443 CP: f (x2 ) 0,027 Definição do intervalo que contém a raiz: a raiz está no intervalo [x2, b] ou [x2, x1]. Como f (x2 ) 0 significa que a raiz está no intervalo: [x2, b] = [0,443 1 4ª Iteração: k 3 x x2 . f (b) b. f (x2 ) 3 f (b) f (x ) 0,443.2 1.(0,027) 2 (0,027) 0,450 CP: f (x3 ) 0,008 Definição do intervalo que contém a raiz: a raiz está no intervalo [x3 b]ou [x3, x2]. Como f (x3 ) 0 significa que a raiz está no intervalo: [x3, b] = [0,450; 1] 34 3 3 5ª Iteração: k 4 x x3 . f (b) b. f (x3 ) 4 f (b) f (x ) 0,450.2 1.(0,008) 2 (0,008) 0,452 CP: f (x4 ) 0,003 6ª Iteração: k 5 x x4 . f (b) b. f (x3 ) 5 f (b) f (x ) 0,452.2 1.(0,003) 2 (0,003) 0,452 Observe que o resultado dessa iteração é igual ao resultado da iteração anterior, logo a raiz é x5 0,452 . Resumo dos cálculos da equação x 3 2x 1 0 35 Exercícios 3.4 Calcular a raiz real da equação transcendente log(x) x 0 , pelo método da falsa posição com uma precisão 102 . Nos cálculos, use o método de arredondamento. Sugestão: Use um recurso computacional para a construção do gráfico. 3.5 Usando o método da falsa posição, determinar a raiz real positiva da equação algébrica x 5 x3 2x 2 x 1 0 que atenda uma tolerância para o erro 104 . Use o método de arredondamento nos cálculos. 3.6 Determinar, pelo método da falsa posição, a raiz real negativa da equação transcendente cos(x) x2 0 que atenda uma tolerância para o erro 103 . Use o método de arredondamento nos cálculos. 36 k k 1 k Seção 4 – Método da secante Quando na aplicação do método de Newton-Raphson o cálculo da derivada de f (x) for complicado podemos substituir a derivada f ' (xk ) por: f ' (x ) f (xk ) f (xk 1 ) xk xk 1 Onde, xk e xk 1 são duas aproximações para a raiz da equação f (x) 0 . Portanto a equação de iteração de Newton-Raphson passa a ser: x x f (xk ) x . f (x ) x . f (x ) x k k k 1 k k 1 k f (x ) f (x ) k xk xk 1 f (xk ) f (xk 1 ) Ou ainda: xk 1 x . f (x ) x . f (x ) k 1 k k k 1 , k 1, 2,..., n f (xk ) f (xk 1 ) Na aplicação dessa equação é necessário o uso de duas aproximações xk e xk 1 para a raiz da equação f (x) 0 . Este método que é conhecido como Método da secante. 37 Interpretação geométrica Figura 3.14 Na figura 3.14 percebe-se que traçamos uma reta secante à curva f (x) passando pelos pontos (x0 , f (x0 )) e (x1 , f (x1 )) para determinar a aproximação x2 que é a abscissa do ponto de intersecção da reta secante e o eixo dos “x”. Se essa aproximação atende a precisão estabelecida , x2 é a aproximação da raiz. Caso contrário traça-se outra reta secante a curva f (x), agora passando pelos pontos (x1 , f (x1 )) e (x2 , f (x2 )) para determinar a aproximação estabelecida. x3 e, assim sucessivamente até atingir a precisão Exemplo 3.10: determinar uma aproximação para a raiz real da equação x 3 x 2 2x 5 0 , que atenda a precisão 102 tendo como aproximações: x0 1,0 e x1 1,3 . Nos cálculos usar o método de arredondamento. Equação de iteração: xk 1 x . f (x ) x . f (x ) k 1 k k k 1 , k 1, 2,..., n f (xk ) f (xk 1 ) 38 1 0 2 1 3 2 1ª Iteração: k 1 x x0 . f (x1 ) x1. f (x0 ) 2 f (x ) f (x ) 1,0.(1,89) 1,3.(3) 1,89 (3) 1,81 Critério de Parada: CP f (x2 ) 1,27 2ª Iteração: k 2 x x1. f (x2 ) x2 . f (x1 ) 3 f (x ) f (x ) 1,3.1,27 1,81.(1,89) 1,27 (1,89) 1,61 Critério de Parada: CP f (x3 ) 0,20 3ª Iteração: k 3 x x2 . f (x3 ) x3 . f (x2 ) 4 f (x ) f (x ) 1,81.(0,20) 1,61.1,27 0,20 1,27 1,64 Critério de Parada: CP f (x4 ) 0,001 10 2 Logo a raiz da equação que atende a precisão é: x4 1,64 Tabela 3.6 – Resumo dos cálculos da equação x3 x 2 2x 5 0 Fonte: produzido pelo autor, 2008 Exemplo 3.11: fazendo uma análise gráfica, escolha as duas aproximações xk e xk 1 para a raiz negativa da equação sen(x) x 2 0 que atenda a precisão 105 . Use o método de arredondamento nos cálculos. 39 1 0 2 1 3 2 4 3 Figura 3.15 Observando o gráfico na figura 3.15 podemos tomar para as aproximações inicias os valores: xk 0,8 e xk 1 1,0 1ª Iteração: k 1 x x0 . f (x1 ) x1. f (x0 ) 2 f (x ) f (x ) 1,0.(0,07736) (0,8).(0,15853) 0,07736 0,15853 0,86559 Critério de Parada: CP f (x2 ) 0,01223 2ª Iteração: k 2 x x1. f (x2 ) x2 . f (x1 ) 3 f (x ) f (x ) 0,8.(0,01223) (0,86559).(0,07736) 0,01223 (0,07736) 0,87885 Critério de Parada: CP f (x3 ) 0,00237 3ª Iteração: k 3 x x2 . f (x3 ) x3 . f (x2 ) 4 f (x ) f (x ) 0,86559.0,00237 (0,87885).(0,01223) 0,00237 (0,01223) 0,87670 Critério de Parada: CP f (x3 ) 0,00003 4ª Iteração: k 4 x x3 . f (x4 ) x4 . f (x3 ) 5 f (x ) f (x ) 0,87885.(0,00003) (0,87670).(0,00237) 0,00003 0,00237 0,87673 40 Critério de Parada: CP f (x3 ) 0,00001 10 5 Logo a raiz da equação que atende a precisão é: x5 0,87673 Tabela 3.7 – Resumo dos cálculos da equação sen(x) x 2 0 41 Exercícios 3.7 Determinar uma aproximação para a raiz real negativa da equação algébrica x 7 3x 2 1 0 pelo método da secante que atenda a precisão 102 . Use as aproximações iniciais arredondamento. x0 1 e x1 0,7 para a raiz da equação e o método de 3.8 Após uma análise gráfica estimar as aproximações iniciais x0 e x1 para a primeira raiz real negativa da equação sen(x) e3 x 0 e, em seguida usando o método da secante encontre uma aproximação para a raiz que atenda a tolerância para o erro 104 . Use o método de arredondamento nos cálculos. 3.9 Determinar, pelo método da secante, a raiz real da equação 3x3 2x 2 x 1 0 que atenda uma tolerância para o erro 103 . Use o método de arredondamento nos cálculos e as aproximações iniciais x0 0,2 e x1 0,5 . 42 UNIDADE 4 SISTEMAS DE EQUAÇÕES LINEARES ALGÉBRICAS Seção 1 – Introdução Vários problemas de interesses práticos, nas mais diversas áreas das ciências exatas, podem ser modelados por um sistema de equações lineares algébricas como, por exemplo: sistema de destilação de misturas químicas, balanceamento de uma reação química, cálculo estrutural, circuitos elétricos, tratamento numérico de equações diferenciais etc. O objetivo dessa unidade é apresentar os métodos numéricos para a resolução de sistemas de equações lineares algébricas que podem estar divididos em dois grupos: • Métodos Diretos – fornecem a solução exata do sistema linear em uma quantidade finita de operações. Nesses métodos, os erros que por ventura surjam, são provenientes do método de arredondamento. • Métodos Iterativos – geram uma seqüência de aproximações x k , k 0,1, 2,..., n a partir de uma aproximação inicial x0 que, sob certas condições pode convergir para a solução do sistema, caso ela exista. Na seqüência, estaremos apresentando a definição de um sistema de equações lineares algébricas, classificação, sistemas triangulares e as transformações elementares que podem ser realizadas com as equações de um sistema linear algébrico. 43 Definição 4.1 – Um sistema de equações lineares algébricas é definido como um conjunto de m equações com n incógnitas que pode ser escrito na forma: onde xn são as incógnitas, aij são os coeficientes e b j são os termos independentes. Uma forma compacta de escrever o sistema Sm é: m Sm ∑ aij x j ; i j 1, 2, 3,.., n Um sistema de equações lineares também pode ser escrito na forma matricial AX b , onde: A é a matriz dos coeficientes; X a matriz das incógnitas e b é a matriz dos termos independentes, ou seja: Definição 4.2 – Definimos a matriz alongada [ A, b] do sistema Sm como sendo a matriz dos coeficientes acrescida dos termos independentes, ou seja: Definição 4.3 – A matriz X de ordem nx1 é dita solução do sistema Sm se, xi , i 1, 2, 3,.., n , verifique a equação AX b , ou seja: 44 1.1 Classificação dos sistemas quanto ao número de soluções Um sistema de equações lineares algébricas pode ser classificado quanto ao número de soluções em: • Compatível – quando admite soluções. • Incompatível – quando não admite soluções. Definição 4.4 – Um sistema compatível é dito determinado, quando possui uma única solução e indeterminado quando possui infinitas soluções. Exemplo 4.1: o sistema de equações lineares algébricas x1 x2 3 2x1 3x2 4 , tem apenas uma solução, ou seja, X T determinado – SCD. Interpretação geométrica: [1 2] , portanto ele é dito – sistema compatível Figura 4.1 – retas das equações do sistema, no mesmo plano cartesiano 45 Observando a figura 4.1 podemos perceber que as retas que representam as equações do sistema, se interceptam apenas no ponto (1, 2) e, portanto, o sistema tem apenas uma solução. Exemplo 4.2: já o sistema de equações lineares algébricas x1 x2 0 3x1 3x2 0 , tem infinitas soluções, vejamos: os pares [0, 0]; [1, -1], [-1, 1]; [2, -2],... são soluções do sistema. Portanto podemos classificá-lo em – sistema compatível indeterminado – SCI Interpretação geométrica: Figura 4.2 – retas das equações do sistema, no mesmoplano cartesiano Observando a figura 4.2 podemos perceber que as retas que representam as equações do sistema, são coincidentes e, portanto, qualquer ponto da reta é uma solução para o sistema, logo ele tem infinitas soluções. Exemplo 4.3: o sistema x1 x2 2 x1 x2 0 interpretar esse fato geometricamente: é incompatível. Portanto, não tem solução. Vamos 46 Figura 4.3 – retas das equações do sistema, no mesmo plano cartesiano Observando a figura 4.3 podemos perceber que as retas que representam as equações do sistema, são paralelas e, portanto, não existe nenhum ponto em comum, logo o sistema não tem solução. Definição 4.5 – Quando todos os termos independentes b j , j 1, 2, 3,..., m de um sistema de equações lineares algébricas são iguais a zero, ou seja, b j 0 dizemos que ele é homogêneo e possui a solução trivial, sistema homogêneo. 1.2 Sistemas triangulares X 0 . O sistema do exemplo 4.2 é um Nessa unidade vamos estudar os sistemas de equações lineares algébricas onde o número de equações é igual ao número de incógnitas. Portanto, vamos denotar os sistemas por Snxn ou simplesmente Sn . Definição 4.6 – Um sistema de n equações lineares algébricas é dito triangular superior, quando os elementos da matriz dos coeficientes são tais que aij 0 para j i, i, j 1, 2, 3, ... , n . 47 a Definição 4.7 – Um sistema de n equações lineares algébricas é dito triangular inferior, quando os elementos da matriz dos coeficientes são tais que aij 0 para i j, i, j 1, 2, 3, ... , n . Método de resolução – substituição retroativa, para os sistemas triangulares superiores e progressiva para os sistemas triangulares inferiores. Ou seja, no sistema triangular superior calcula-se x bn na última equação e em seguida leva-se esse valor para n nn equação imediatamente superior e encontra-se o valor da incógnita xn1 , e assim sucessivamente. O mesmo raciocínio serve para o sistema triangular inferior, ou seja, b calcula-se x 1 na primeira equação e em seguida leva-se esse valor para a equação 1 11 imediatamente inferior e encontra-se o valor da incógnita x2 , e assim sucessivamente. Exemplo 4.4: resolver o seguinte sistema de equações lineares algébrica: O sistema acima é triangular superior, portanto, vamos usar o método de resolução substituição retroativa. a 48 Na última equação calculamos o valor de x4 4 , substituindo na equação imediatamente superior, encontramos: 2x3 4 2 ⇒ x3 3 . Substituindo os valores de x4 4 e x3 3 na segunda equação, calculamos: x2 3.3 4 3 ⇒ x2 2 e, finalmente, na primeira equação determinamos o valor de: x1 2.2 3 4 4 ⇒ x1 1. Portanto, a solução do sistema é: [1 2 3 4] T . Logo o sistema é compatível determinado (SCD). Exemplo 4.5: determinar a solução do sistema: Para que o sistema seja triangular superior, devemos completar a segunda equação com o termo 0x2 , ou seja, o sistema fica: Nas duas últimas equações encontramos os valores de x4 4 e x3 3 . Substituindo esses valores na terceira equação temos: 0x2 3.3 4 5 ⇒ 0x2 0 ⇒ x2 , . Para encontrar o valor da incógnita x1 fazemos: x1 23 4 4 ⇒ x1 5 2. Logo a solução do sistema é: [5 2 . Logo o sistema é compatível indeterminado (SCI). 3 4] T , onde Exemplo 4.6: determinar a solução do sistema: Usando o mesmo raciocínio do exemplo anterior, devemos escrever esse sistema como: 49 Como x4 4 e x3 3 vamos encontrar o valor de x2 na terceira equação: 0x2 3.3 4 1 ⇒ 0x2 6 . Observando essa equação verificamos que não existe solução. Logo podemos concluir que o sistema é incompatível (SI). 1.3 Transformações elementares Podemos realizar operações com as equações de um sistema linear de tal forma que o novo conjunto de equações mantém a solução do sistema inicial. A esse conjunto de operações damos o nome de transformações elementares. Exemplos de transformações elementares: • trocar a ordem de duas equações no sistema; • multiplicar ou dividir uma equação do sistema por uma constante , com 0 e ; • somar duas equações do sistema e depois, substituir o resultado por uma delas. Definição 4.8 – Dizemos que dois sistemas S e S1 são equivalentes se um pode ser obtido do outro por meio de transformações elementares. Portanto, se S é equivalente a S1 eles têm a mesma solução ou são incompatíveis. Exercícios 4.1 Determinar a solução dos sistemas de equações lineares algébricas, a seguir. Em seguida, faça a classificação dos mesmos quanto ao número de soluções: 50 51 Seção 2 – Métodos diretos Nesta seção, estudaremos os métodos diretos para a resolução de sistemas de equações lineares algébricas. Nesses métodos realizamos um número fixo de passos, estando sujeito apenas, a erros de arredondamento. 2.1 Método de Gauss O método de Gauss consiste transformar o sistema de equações lineares algébricas AX b , em um sistema triangular equivalente, usando operações elementares com as equações do sistema. Portanto, a solução do sistema triangular também será solução do sistema AX b . Exemplo 4.7: resolver, usando o método de Gauss, o sistema de equações lineares algébricas a seguir: Para resolver o sistema pelo método de Gauss, devemos promover transformações elementares com as equações do sistema S de forma a gerar um sistema triangular superior S1 que é equivalente a S . Escrevendo a matriz inicial A (0) , alongada do sistema S , temos: A(0) = 1 2 3 1 1 ' -1 3 ' - 3 1 ' 6 9 0 em seguida, devemos promover operações com as linhas da matriz de maneira tal que os elementos abaixo da diagonal principal, fiquem iguais a zero. Dessa forma, geramos uma matriz triangular superior equivalente a matriz A(0) e em seguida, escrevemos o sistema triangular superior o qual resolveremos pelo método das substituições retroativas. Vejamos as operações: 52 3 3 2 3 3 Vamos chamar as linhas da matriz inicial A (0) de: l (0) ; l (0) e l (0) e realizar as seguintes 1 2 3 operações com as linhas l (0) e l (0) : multiplicar a linha l (0) por -2 (chamado de 1 2 1 multiplicador m21 ); somar o resultado com a linha (0) 2 e em seguida substituir o resultado pela linha l (0) . Em seguida, multiplicar a linha l (0) por -3 (multiplicador m ), 2 somar o resultado com a linha l (0) 1 e, depois substituir pela linha l (0) 31 . A seguir faremos um resumo das operações realizadas com as linhas da matriz inicial A(0) que vai gerar a matriz equivalente A(1) : Para determinar o multiplicador m21 fazemos: m21 a21 a11 , onde a11 0 e é chamado de pivô. Logo: m21 2 2 . 1 Devemos seguir o mesmo raciocínio para determinar o multiplicador m31 , ou seja, Resumo das operações: Observe que zeramos todosos elementos da matriz, na primeira coluna, abaixo do pivô a11 1. Para que a matriz fique triangular superior, devemos zerar o elemento abaixo do número -3 que passa a ser o novo pivô (elemento a22 da matriz A (1) ). Para tanto, vamos fazer a seguinte operação: multiplicar a segunda linha da matriz A(1) por -2 (multiplicador m32 a32 a22 6 3 2 ) e adicionar com a terceira linha, ou seja, 2.l (1) l (1) e substituir o resultado pela linha l (1) que vai gerar a matriz equivalente A(2) : l 53 Observe que a matriz sistema: x1 x2 x3 6 A(2) é triangular superior e, portanto, podemos escrever o S1 3x2 x3 3 4x3 12 Resolvendo S1 por substituições retroativas, temos: x3 3 ⇒ x2 2 ⇒ x1 1, logo a solução de S1 é [1 2 3] T . Como S1 é equivalente a S podemos dizer que a solução de S é igual a solução de S1 . Podemos simplificar essas operações por meio de uma tabela que pode ser feita com o auxílio do software Excel®. Tabela 4.1 – Resolvendo um sistema de equações lineares – Método de Gauss Fonte: tela da planilha Excel®, produzida pelo autor, 2008 Observando a planilha, podemos perceber que as linhas 1, 4 e 6 são as linhas que vão x1 x2 x3 6 formar o sistema triangular superior igual a: S1 3x2 x3 3 que já resolvemos anteriormente. 4x3 12 54 Exemplo 4.8: resolver o sistema de equações lineares, a seguir, usando o método de Gauss e, durante todas as etapas de resolução, inclusive as substituições retroativas, use duas casas decimais e a técnica de arredondamento. Na resolução desse sistema usaremos a tabela que pode ser feita com o auxílio do software Excel® do exemplo anterior, tendo o cuidado de formatar as células de cálculo para duas casas decimais, para em seguida determinar a solução do sistema. Tabela 4.2 – Resolvendo um sistema de equações lineares – Método de Gauss As linhas que formam o sistema triangular superior são: 1, 4 e 6. Portanto o sistema será: Resolvendo o sistema pelo método de substituições retroativas teremos a seguinte solução: X [1,35; - 2,87; 0,98]T , como S e S1 são sistemas equivalentes, podemos anunciar a solução do sistema como sendo: X [1,35; - 2,87; 0,98]T . 55 Exemplo 4.9: resolver o sistema de equações lineares, a seguir, e em seguida, avaliar a precisão 102 , determinando o resíduo gerado pelo erro de arredondamento adotado em todos os cálculos. A tabela a seguir, gera o sistema triangular superior S1 que é equivalente a S , levando- se em consideração duas casas decimais em todos os cálculos, ou seja, os erros de arredondamento produzidos em cada etapa se propagaram para as etapas seguintes: Tabela 4.3 – Resolvendo um sistema de equações lineares – Método de Gauss Logo: 56 Resolvendo o sistema triangular acima, teremos: x4 169,20 41,88 4,04 x3 5,28 1,45.4,04 0,19 3,04 x2 17,75 6,85.3,04 5,48.4,04 8,20 2,00 x1 14,68 3,21.2,00 0,87.3,04 2,01.4,04 2,83 0,98 Logo a solução aproximada do sistema S é: X [0,98; 2,00; 3,04; 4,04]T . Para calcular o resíduo gerado pelo erro de arredondamento provocado em todos os cálculos em função da precisão Acompanhe. 102 podemos usar a seguinte estratégia. Vamos chamar o resíduo de r que é dado por: r b AX , ou seja: 57 2.1.1 Melhoramento de Soluções No exemplo 4.9 você pôde observar que o resultado apontado para a solução de sistema de equações lineares está afetado de erros de arredondamentos provocados pelos cálculos realizados no decorrer das transformações elementares e nas substituições retroativas, gerando, portanto, uma solução aproximada X e um resíduo r para o sistema. É comum, na resolução de sistemas que envolvem problemas práticos, trabalharmos com coeficientes que não sejam números inteiros e, portanto, no processo de resolução, aplicando o método de Gauss, surgir erros de arredondamentos. Uma forma de minimizar a propagação dos erros de arredondamentos é determinar uma parcela de correção (0) que será adicionada a solução aproximada inicial (0) X , gerando uma solução melhorada (1) X , ou seja: (1) X (0) X (0) . Obtenção da solução melhorada: (0) Se X é uma solução aproximada do sistema AX b e (0) a parcela de correção e, ainda, se (1) X é uma solução melhorada, então (1) X (0) X (0) . Logo: (1) AX b ⇒ A( X (0) (0) ) b ⇒ AX (0) A(0) b , como pretendemos encontrar a parcela de correção (0) , então A(0) b AX (0) . Observe que o segundo membro da equação acima é exatamente o cálculo do resíduo inicial r (0) , ou seja, r (0) b AX (0) , portanto, a parcela de correção (0) será calculada resolvendo o sistema: A(0) r (0) , onde: A matriz dos coeficientes; (0) parcela de correçãoinicial; r ( 0 ) resíduo produzido pela soluçàoaproximada X Esse processo pode ser repetido até que a precisão do problema seja atingida, ou seja: Para determinar a primeira solução melhorada: A(0) r (0) ; Para determinar a segunda solução melhorada: A(1) r (1) ; e assim sucessivamente. (1) X (2) X (0) X (1) X (0) , resolve-se o sistema: (1) , resolve-se o sistema: ( 0 ) 58 Exemplo 4.10: determinar a solução melhorada para o sistema de equações do exemplo 4.9. No exemplo 4.9, encontramos a solução aproximada �̅� = [0,98; 2,00; 3,04; 4,04]T e o resíduo inicial r (0) = [0,01; 0,04; 0,02; 0,08] T . Portanto, para determinar a solução melhorada �̅�(1) devemos resolver o sistema: A(0) r (0) , ou seja: 2,831 3,212 0,873 2,014 0,01 3,211 4,572 5,873 3,214 0,04 2,831 3,452 4,873 3,884 0,02 0,981 3,412 4,333 5,874 0,08 Resolvendo o sistema acima com o auxílio da tabela abaixo, teremos: Tabela 4.4 – Determinando uma parcela de correção – Método de Gaus Que gera o sistema triangular: 2,831 3,212 0,873 2,014 0,01 8,202 6,853 5,484 0,05 0,193 1,454 0,05 41,884 1,65 Resolvendo o sistema acima pelo método de substituições retroativas, temos: 1,65 4 41,88 0,04 3 0,05 1,45.(0,04) 0,19 0,04 2 0,05 6,85.(0,04) 5,48.(0,04) 8,20 0,00 1 0,01 3,21.(0,00) 0,87.(0,04) 2,01.(0,04) 2,83 0,02 Logo, a parcela de correção (0) [0,02; 0,00; - 0,04; - 0,04]T . Determinando a solução melhorada (1) (0) X X (1) (1) X : X [0,98; 2,00; 3,04; 4,04] [0,02; 0,00; - 0,04; - 0,04] X (1) [1,00; 2,00; 3,00; 4,00 ]T (0) 59 Cálculo do resíduo r (1) : Como o resíduo: r (1) [0, 0, 0, 0]T podemos concluir que a aproximação �̅�(1) é a solução exata do sistema, já que gerou resíduo nulo. 60 Exercícios 4.2 Resolver pelo método de Gauss,os sistemas de equações lineares algébricas a seguir, usando o método de arredondamento em todos os cálculos. Aponte uma solução que atenda a precisão 102 : 3x1 x2 2x3 3 a) x1 x2 3x3 6 2x1 3x2 x3 7 x1 2x2 1,8x3 1,64 b) 2x1 x2 x3 3,10 x1 3x2 2x3 0,90 1,8x1 3,2x2 4,1x3 1,7x4 15,59 3,1x1 4,2x2 3,3x3 2,2x4 3,17 3,4x1 3,3x2 2,4x3 3,27x4 21,84 4,85x1 3,26x2 2,72x3 4,31x4 9,81 4.3 Determinar o resíduo provocado pelo erro de arredondamento no item c, da questão anterior. c) 61 Seção 3 – Métodos iterativos Os métodos iterativos para resolução de sistemas de equações lineares algébricas consistem em calcular uma seqüência de aproximações x (k ) k 0,1, 2,..., n para a solução aproximada �̅� do sistema, a partir de uma aproximação inicial 𝑥(0). O processo iterativo é repetido até que a solução aproximada 𝑥(𝑘) atenda a precisão estabelecida para o problema. Então, seja o sistema linear AX b, no qual: A matriz dos coeficientes de ordem n x n X vetor das variáveis de ordem n x 1 b vetor dos termos independentes de ordem n x 1 Nos métodos iterativos, esse sistema é convertido em um equivalente da forma x Sx c , onde S é uma matriz n x n; c e x são matrizes n x 1. Destacamos que (x) xS c é uma função de iteração na forma matricial. Partindo-se de uma aproximação inicial x(0) [x (0) x (0) x (0) ... x (0) ]T obtém-se: Primeira aproximação: Segunda aproximação: x(1) Sx(0) c x(2) Sx(1) c 1 2 3 n . . . De uma forma geral: x (k 1) Sx(k ) c ; k 0,1, 2,..., n Se a seqüência de aproximações x (0) , x (1) , x (2) ,..., x (k ) ,... é de tal forma que lim x (k ) , então k Sc , logo é a solução do sistema linear AX b . 62 3.1 Método iterativo de Gauss-Seidel O método iterativo de Gauss-Seidel, segue a mesma linha de raciocínio do método de Gauss-Jacobi, ou seja, o sistema linear x Sx c . AX b é escrito na forma equivalente Exemplo 4.11: resolver o sistema linear a seguir, pelo método de Gauss-Seidel, usando uma precisão 102 , o método de arredondamento, a aproximação inicial x (0) [0, 0, 0]T e, tendo como critério de parada máx x (k 1) x ( k ) , i 2 . i i 3x1 x2 x3 1 x1 4x2 2x3 5 x1 x2 5x3 3 63 64 65 Exercícios 4.3 Resolver pelo método de Gauss-Seidel os sistemas de equações lineares a seguir: 66 UNIDADE 5 Interpolação Seção 1 – Introdução Vamos considerar os dados tabelados a seguir: Observando os dados tabelados, podemos perguntar: Será que é possível determinar a população do Brasil no ano de 1985? E no ano de 2010? Previsões desse tipo podem ser feitas por meio de uma função de ajuste dos dados tabelados, que é chamada de função de aproximação. Para responder a primeira pergunta, usaremos um processo chamado de Interpolação (que é tema de estudo dessa unidade), já que o dado solicitado está dentro do intervalo de dados que compõe a tabela, ou seja, 1985 (1940,1996) . Para responder a segunda pergunta, devemos usar um processo chamado Extrapolação (que será estudado na próxima unidade), observe que o ano de 2010 (1940,1996) . As funções de aproximação que substituem as funções tabeladas ou dadas na questão podem ser de vários tipos: exponencial, logarítmica, trigonométrica e polinomial. Usaremos as funções polinomiais algébricas nessa unidade porque elas aproximam de maneira uniforme funções contínuas. Dada uma função definida e contínua em um intervalo fechado, existe um polinômio que é uma aproximação da função dada. 67 Seção 2 – Interpolação de Lagrange Nessa seção, estudaremos a interpolação de Lagrange, que determina polinômios de grau n , sendo dados (n 1) pontos distintos. Portanto, as interpolações estudadas anteriormente, passam a ser casos particulares da interpolação de Lagrange. Sejam dados (n 1) pontos (x , y )n , o polinômio de interpolação de Lagrange, de i i grau menor ou igual a é dado por: i0 Pn (x) y0 .L0 (x) y1.L1 (x) ... yn .Ln (x) ou n Pn (x) ∑ yi Li (x) i0 onde, Lk (x) são polinômios de grau n definidos por: n L (x) (x x j ) ou L (x) (x x0 ).(x x1 )...(x x k 1 )...(x xn ) k jo jk (xk x j ) (xk x0 ).(xk x1 )...(xk xk 1 )...(xk xn ) 5.1 Erro de truncamento ( ET ) Seguindo o mesmo raciocínio das seções anteriores, para calcular o erro de truncamento na interpolação de Lagrange podemos usar uma das seguintes expressões: a) ET (x) f (x) Pn (x) b) E (x) (x x ).(x x )...(x x ). f (n1) () , onde: (x , x ) T 0 1 n (n 1)! 0 n Teorema 5.1: (existência e unicidade do polinômio interpolador) Existe um único polinômio Pn (x) , de grau n , tal que: Pn (xk ) f (xk ) , k 1, 2, 3,..., n , desde que xk x j , j k . Vamos considerar o polinômio Pn (x) como sendo: Pn (x) an x ... a2 x a1 x a0 . Portanto, devemos determinar os coeficientes: an ,...,a2 , a1 , a0 . k n 2 68 Como Pn (xk ) f (xk ) , k 1, 2, 3,..., n , geramos o seguinte sistema: Essa a uma matriz de Vandermonde e, se o sistema linear acima tem solução única. x0 x1 x2 ... xn , o det( A) 0 . Portanto Exemplo 5.1: determinar o polinômio que interpola todos os pontos da tabela 5.11, a seguir: O polinômio interpolador de Lagrange é, já que temos três pontos: P(x) y0 L0 (x) y1 L1 (x) y2 L2 (x) Determinando os Lk (x) : 69 Exemplo 5.2: determinar o polinômio interpolador de Lagrange para a função conhecida pelos pontos da tabela 5.12. Em seguida, determine: P0,4 . A tabela 5.12 tem quatro pontos distintos, portanto, o polinômio de Lagrange será de terceiro grau, ou seja: P3 (x) y0 L0 (x) y1 L1 (x) y2 L2 (x) y3 L3 (x) Determinando os Lk (x) : 3 2 k 0 ⇒ L0 (x) (x x1 ).(x x2 ).(x x3 ) ( x 0,3)(x 0,5).(x 0,7) x 1,5x 0,71x 0,105 (x0 x1 ).(x0 x2 ).(x0 x3 ) (0 0,3).(0 0,5).(0 0,7) 0,105 3 2 k 1 ⇒ L1 (x) (x x0 ).(x x2 ).(x x3 ) ( x 0)(x 0,5).(x 0,7) x 1,2x 0,35x (x1 x0 ).(x1 x2 ).(x1 x3 ) (0,3 0).(0,3 0,5).(0,3 0,7) 0,024 3 2 k 2 ⇒ L2 (x) (x x0 ).(x x1 ).(xx3 ) ( x 0)(x 0,3).(x 0,7) x x 0,21x (x2 x0 ).(x2 x1 ).(x2 x3 ) (0,5 0).(0,5 0,3).(0,5 0,7) 0,02 3 2 k 3 ⇒ L3 (x) (x x0 ).(x x1 ).(x x2 ) ( x 0)(x 0,3).(x 0,5) x 0,8x 0,15x (x3 x0 ).(x3 x1 ).(x3 x2 ) (0,7 0).(0,7 0,3).(0,7 0,5) 0,056 Logo: 70 3 P (x) 4,45x3 6,93x 2 1,74x Para determinar P(0,4) , devemos substituir 0,4 em P3 (x) . Portanto P3 (0,4) 1,52 . Exemplo 5.3: usando a interpolação de Lagrange, determinar o polinômio de aproximação P2 (x) , usando os valores x0 0 ; x1 0,5 e x2 1,0 , dada a função f (x) x 4 3x3 2x 2 x 1 . Após encontrar o polinômio de aproximação, determinar o valor aproximado de P2 (0,8) e o erro de truncamento. Determinando os valores: f (0,0) 0,04 3.0,03 2.0,02 0,0 1 1,0000 f (0,5) 0,54 3.0,53 2.0,52 0,5 1 0,6875 f (1,0) 1,04 3.1,03 2.1,02 1,0 1 0,0000 Portanto, podemos apresentar a tabela: O polinômio interpolador do 2 grau de Lagrange é: P2 (x) y0 L0 (x) y1 L1 (x) y2 L2 (x) Determinando os Lk (x) : Logo: 71 2 2 P (x) 0,75x2 0,25x 1 Portanto, P (0,8) 0,75.0,82 0,25.0,8 1 0,32 Cálculo do erro de truncamento: 72 Seção 3 – Interpolação de Newton Nessa seção estudaremos a fórmula de Newton para interpolação com diferenças divididas para (n 1) pontos distintos. Portanto, antes, se faz necessário estudarmos o conceito de diferenças divididas. 5.1 Diferenças Divididas Vamos considerar a função f (x) que contêm os pontos distintos (x , y )n . Se f (x) i i i0 é contínua em um intervalo [a, b] , a primeira derivada de é dada por: f (x) em x0 , onde x0 [a, b] f ' (x0 ) lim xx0 f (x) f (x0 ) x x0 Definição 5.1: Define-se a diferença dividida de primeira ordem como uma aproximação da derivada primeira de f (x) , que pode ser expressa por: f [x, x0 ] f (x) f (x0 ) . x x0 Tomando x x1 , teremos a diferença dividida de primeira ordem em relação a x1 e x0 . Logo, a expressão acima fica: f [x1 , x0 ] f (x1 ) f (x0 ) x1 x0 Podemos observar facilmente, que f [x1 , x0 ] f [x0 , x1 ] , já que: f (x1 ) f (x0 ) x1 x0 f (x0 ) f (x1 ) , logo, concluímos que a diferença dividida é simétrica. x0 x1 Definição 5.2: Define-se a diferença dividida de ordem zero de uma função f (x) como: f [xi ] f (xi ) yi , i 0,1, 2, 3,..., n Definição 5.3: Define-se a diferença dividida de ordem dois de uma função f (x) como: f [x0 , x1 , x2 ] f [x1 , x2 ] f [x0 , x1 ] x2 x0 73 Definição 5.4: De uma forma geral, define-se a diferença dividida de ordem n de uma função f (x) como: f [x0 , x1 ,..., xn ] f [x1 , x2 ,...xn ] f [x0 , x1 ,..., xn1 ] xn x0 Podemos representar as diferenças divididas de uma função ordem n, como se segue: f (x) de ordem zero até a Exemplo 5.4: Seja uma função f (x) tabelada a seguir, determinar todas as suas diferenças divididas. Devemos determinar as seguintes diferenças divididas: 74 Logo: Resumindo: 82 Teorema 5.4: Vamos considerar f (x) uma função polinomial d grau n que passa pelos distintos pontos (xi , yi ) , i 1, 2, 3,..., k,..., n então a diferença dividida de ordem k, f [x, xi , xi1 ,..., xik 1 . é um polinômio de grau n k . 5.2 Fórmula de Newton para interpolação com diferenças divididas Vamos considerar (n 1) pontos distintos (x , y )n e, P(x) o polinômio interpolador para estes pontos. i i i0 Usando a definição de diferenças divididas, podemos escrever: Substituindo ( IV ) em ( III ), temos: 75 82 Continuando com esse raciocínio, podemos escrever de uma forma geral: Pn (x) Pn [x0 ] (x x0 ).P[x0 , x1 ] (x x0 ).(x x1 ).P[x0 , x1 , x2 ] (x x0 ).(x x1 ).(x x2 ).P[x0 , x1 , x2 , x3 ] ... (x x0 ).(x x1 )...(x xn1 )P[x0 , x1 , x2 ,..., xn ] (x x0 ).(x x1 )...(x xn )P[x, x0 , x1 , x2 ,..., xn ] Sendo, P[x, x0 , x1 , x2 ,..., xn ] 0 e como definimos Pn (x0 ) y0 , o polinômio interpolador de Newton, usando diferenças divididas é: 5.3 Erro de truncamento ( ET ) Na seção 2, usamos o polinômio interpolador de Lagrange para (n 1) pontos distintos que gera um polinômio de grau n. O polinômio interpolador de Newton usa as mesmas condições do de Lagrange. Portanto, a forma de calcular o erro de truncamento ( ET ) é a mesma da de Lagrange. Exemplo 5.5: Determinar o polinômio interpolador de Newton, usando os dados da tabela 5.17, do exemplo 5.4. Em primeiro lugar, vamos determinar as diferenças divididas: Pn (x) y0 (x x0 ).P[x0 , x1 ] (x x0 ).(x x1 ).P[x0 , x1 , x2 ] (x x0 ).(x x1 ).(x x2 ).P[x0 , x1 , x2 , x3 ] ... (x x0 ).(x x1 )...(x xn1 )P[x0 , x1 , x2 ,..., xn ] Pn (x) Pn [x0 ] (x x0 ).P[x0 , x1 ] (x x0 ).(x x1 ).P[x, x0 , x1 ] (x x0 ).(x x1 ).(x x2 ).P[x, x0 , x1 , x2 ] 76 87 Para determinar o polinômio de Newton vamos usar: Exemplo 5.6: os dados da tabela abaixo foram obtidos a partir da função, f (x) x3 2x 2 x 1 . Determinar a fórmula de Newton. P2 (0,2) e o erro de truncamento ET (0,2) usando Determinando as diferenças divididas: 77 78 Para determinar o polinômio de Newton vamos usar: P2 (x) y0 (x x0 ).P[x0 , x1 ] (x x0 ).(x x1 ).P[x0 , x1 , x2 ] Logo: P2 (0,2) 2,125 (0,2 0,5).2,25 (0,2 0,5).(0,2 0).(2,00) P2 (0,2) 1,33 Determinando o erro de truncamento: 79 Exercícios 5.1) Usando todos os dados da tabela 5.16, determinar uma aproximação para por meio do polinômio interpolador de Lagrange. x 0,4 5.2) Determinar todas as diferenças divididas para os dados da função seguir. f (x) tabelada a 5.3) Determinar o polinômio interpolador de Newton de quarta ordem, usando os dados da tabela 5.20, a seguir. 5.4) A função f (x) x3 2x 2 x 1 gerou os dados da tabela 5.21 abaixo. Determine P2 (1,4) e o erro de truncamento usando a fórmula de Newton com diferenças divididas 80 UNIDADE 6 Ajuste de curvas Seção 1 – Introdução Vamos considerar os dados tabelados abaixo, que são provenientes da relação comercial entre o Brasil e a China no período de 2000 a 2007. Tabela 6.1 – Exportação x Importação Observando a tabela 6.1, podemos considerar o seguinte problema: é possível fazer uma previsão para o valor das exportações
Compartilhar