Baixe o app para aproveitar ainda mais
Prévia do material em texto
Formulário - Cálculo Numérico Wellington José Corrêa Universidade Tecnológica Federal do Paraná Campus Campo Mourão DAMAT, 2016. Nome: 1 Interpolação Os métodos de Lagrange, Newton e Newton-Grégory possuem a mesma estimativa para o erro dada por: E(x) ≤ |Ψ(x)| (n+ 1)! M (1) onde Ψ(x) = n∏ i=0 (x− xi) e M = máx {∣∣∣f (n+1)(ξ)∣∣∣ ; ξ ∈ [x0, xn]} . Fórmula de Lagrange Coeficientes `k’s: `k(x) = (x− x0) · (x− x1) · · · (x− xk−1) · (x− xk+1) · · · (x− xn) (xk − x0) · (xk − x1) · · · (xk − xk−1) · (xk − xk+1) · · · (xk − xn) (2) Polinômio interpolador: P (x) = n∑ k=0 yk `k(x) . (3) Fórmula Interpolatória de Newton Diferenças Divididas x O rd em 0 O rd em 1 O rd em 2 x 0 f [x 0 ] f [x 0 ,x 1 ] = f [x 1 ] − f [x 0 ] x 1 − x 0 x 1 f [x 1 ] f [x 0 ,x 1 ,x 2 ] = f [x 1 ,x 2 ] − f [x 0 ,x 1 ] x 2 − x 0 f [x 1 ,x 2 ] = f [x 2 ] − f [x 1 ] x 2 − x 1 x 2 f [x 2 ] f [x 1 ,x 2 ,x 3 ] = f [x 2 ,x 3 ] − f [x 1 ,x 2 ] x 3 − x 1 f [x 2 ,x 3 ] = f [x 3 ] − f [x 2 ] x 3 − x 2 x 3 f [x 3 ] Polinômio interpolador baseado nas diferenças divididas: P (x) = f [x0] + (x− x0) f [x0, x1] + (x− x0) (x− x1) f [x0, x1, x2] + . . .+ (x− x0) (x− x1) . . . (x− xn−1) f [x0, x1, . . . , xn] (4) Fórmula Interpolatória de Newton - Grégory Diferenças Finitas: ∆0f ∆1f ∆2f ∆3f x0 ∆ 0f(x0) ∆1f(x0) x1 ∆ 0f(x1) ∆ 2f(x0) ∆1f(x1) ∆ 3f(x0) x2 ∆ 0f(x2) ∆ 2f(x1) ∆1f(x2) x3 ∆ 0f(x3) onde ∆rf(xi) = ∆ r−1f(xi+1)−∆r−1f(xi), r ≥ 1 . (5) Polinômio interpolador baseado nas diferenças finitas: P (x) = ∆0f(x0) + (x− x0) · ∆ 1f(x0) 1!h1 + (x− x0) · (x− x1) · ∆ 2f(x0) 2!h2 + ... + (x− x0) · (x− x1)...(x− xn−1) · ∆ nf(x0) n!hn . (6) 1 Spline Cúbica Natural Neste caso, consideremos µ0 = µn = 0 e devemos resolver o seguinte sistema de (n− 1) equações lineares: 2(h0+h1) h1 h1 2(h1+h2) h2 0 h2 2(h2+h3) h3 . . . . . . . . . 0 hn−2 2(hn−2+hn−1) × µ1 µ2 µ3 ... µn−1 = b1 − b0 b2 − b1 b3 − b2 ... bn−1 − bn−2 (7) com bi = 6 ( yi+1 − yi hi ) . Os n polinômios de interpolação por spline para i = 0, 1, . . . , n− 1 são: pi(x) = yi + αi (x− xi) + βi (x− xi)2 + γi (x− xi)3 (8) onde αi = yi+1 − yi hi − µi+1 6 hi − µi 3 hi (9) βi = µi 2 (10) γi = µi+1 − µi 6hi . (11) Método dos Mínimos Quadrados: Caso Discreto Dada a função g(x) = α1 g1(x) + α2 g2(x) + . . .+ αn gn(x), devemos resolver o seguinte sistema 〈g1, g1〉 〈g1, g2〉 · · · 〈g1, gn〉 〈g2, g1〉 〈g2, g2〉 · · · 〈g2, gn〉 ... ... . . . ... 〈gn, g1〉 〈gn, g2〉 · · · 〈gn, gn〉 α1 α2 ... αn = 〈g1, f〉 〈g2, f〉 ... 〈gn, f〉 (12) onde o produto interno neste caso é dado por 〈x, y〉 = m∑ k=1 xk · yk, ∀x, y ∈ Rm . (13) Método dos Mínimos Quadrados: Caso Contínuo Dada a função g(x) = α1 g1(x) + α2 g2(x) + . . .+ αn gn(x) , devemos resolver o sistema (12) onde agora o produto interno é definido como 〈f(x), g(x)〉 = ∫ b a f(x) g(x) dx . (14) 2 Integração Numérica Regra do Trapézio • Regra do Trapézio Simples Para h = x1 − x0, temos:∫ x1 x0 f(x) dx ≈ h 2 [f(x0) + f(x1)] . (15) Erro: E = −h 3 12 f ′′(ξ), x ∈ [x0, xn] . (16) • Regra dos Trapézios Generalizadas Considerando h = xn − x0 n , x0 = a, xn = b, temos:∫ xn x0 f(x) dx ≈ h 2 [f(x0) + 2f(x1) + 2f(x2) + . . . + 2f(xn−1) + f(xn)] dx . (17) cuja estimativa do erro é |E| ≤ h 2 12 M · (xn − x0), onde M = max {|f ′′(ξ)|; ξ ∈ [x0 , xn]} . Regra de Simpson • Regra 1/3 de Simpson ∫ x2 x0 f(x) dx ≈ h 3 [f(x0) + 4 f(x1) + f(x2)] , onde h = x2 − x0 2 . Uma estimativa para o erro nesta situação é |E| ≤ h 5 90 M, onde M = max { |f (4)(ξ)|; ξ ∈ [x0 , x2] } . 2 • Regra 1/3 de Simpson Generalizada: Tendo em mente que h = xn − x0 n temos que ∫ xn x0 f(x) dx ∼= h 3 [ f(x0) + 4f(x1) + 2f(x2) + 4f(x3) + . . .+ 2f(xn−2) + 4f(xn−1) + f(xn) ] (18) onde n é um número par e o erro estimado é |E| ≤ h 4 180 (xn − x0)M onde M = max{|f (4)(θ)|, θ ∈ [x0, xn]}. • Regra 3/8 de Simpson ∫ x3 x0 f(x) dx ∼= 3 8 h [f(x0) + 3 f(x1) + 3 f(x2) + f(x3)] com h = x3 − x0 3 e um limitante superior para o erro é |E| ≤ 3 80 h5M onde M = max{|f (4)(θ)|, θ ∈ [x0, x3]}. • Regra 3/8 de Simpson Generalizada: ∫ xn x0 f(x) dx ∼= 3 8 h [ f(x0) + 3 (f(x1) + f(x2) + f(x4) + f(x5) + . . . + f(xn−2) + f(xn−1)) + 2 (f(x3) + f(x6) + . . . + f(xn−3)) + f(xn) ] com h = xn − x0 n , onde n é múltiplo de três. Neste caso, o limitante para o erro superior é |E| ≤ h 4 80 (xn − x0)M onde M = max{|f (4)(θ)|, θ ∈ [x0, xn]}. Quadratura de Gauss Se P (x) é qualquer polinômio de grau menor que 2n, então,∫ 1 −1 P (x) dx = n∑ i=1 ci · P (xi) . (19) Os valores das contantes ci quanto das raízes xi dos polinô- mios de Legendre são extensivamente tabuladas. A seguinte tabela lista esses valores para n = 2, 3, 4 e 5. n raízes xi Coeficientes ci i 2 0,5773502692 1 1 -0,5773502692 1 2 3 0,7745966692 0,5555555556 1 0 0,8888888889 2 -0,7745966692 0,5555555556 3 4 0,8611363116 0,3478548451 1 0,3399810436 0,6521451549 2 -0,3399810436 0,6521451549 3 -0,8611363116 0,3478548451 4 5 0,9061798459 0,2369268850 1 0,5384693101 0,4786286705 2 0 0,5688888889 3 -0,5384693101 0,4786286705 4 -0,9061798459 0,2369268850 5 Figura 1: Tabela que lista os valores das raízes xi e dos coefici- entes ci para n = 2, 3, 4, 5. Para aplicar o método da quadratura de Gauss para a integral∫ b a f(x) dx sobre um intervalo arbitrário [a, b], devemos usar a seguinte mudança de variável x = 1 2 [(b− a) t+ a+ b], o que resulta∫ b a f(x) dx = (b− a) 2 ∫ 1 −1 f ( (b− a) t+ a+ b 2 ) dt . (20) 3 Solução Numérica de Equações Diferenciais Ordinárias Considere o seguinte problema de valor inicial:{ y′ = f(x, y) y(x0) = y0 Método de Euler Tomando n subintervalos de [a, b], n ≥ 1 de modo que xj = x0 + j · h; h = b− a n , (21) onde j = 0, 1, . . . , n, x0 = a e xn = b. O método de Euler é yj+1 = yj + h f(xj , yj), j = 0, 1, . . . , n− 1. com erro dado por en = h2 2! y′′(ξ), ξ ∈ [xn, xn+1] . (22) 3 Método de Runge - Kutta • Método de Runge - Kutta de Segunda Ordem Considere n subintervalos de [a, b], n ≥ 1, tendo em mente que xj = x0 + j · h; h = b− a n , (23) onde j = 0, 1, . . . , n, x0 = a e xn = b. O Método de Runge - Kutta de Segunda Ordem é yj+1 = yj + h 2 (k1 + k2), k1 = f(xj , yj), k2 = f(xj + h, yj + h k1) , j = 0, 1, 2, . . . , n− 1. (24) • Método de Runge–Kutta de Ordem 4 Neste caso, temos as seguintes fórmulas: yj+1 = yj + h 6 (k1 + 2 k2 + 2 k3 + k4) , k1 = f(xj , yj) k2 = f ( xj + h 2 , yj + h 2 k1 ) k3 = f ( xj + h 2 , yj + h 2 k2 ) k4 = f (xj + h, yj + h k3) , j = 0, 1, . . . , n− 1 . (25) 4 Sistemas Lineares Decomposição LU Se det(Ak) 6= 0, k = 1, 2, . . . , n− 1. Então, A = L · U , onde L = 1 l21 1 0 l31 l32 1 ... ... ... . . . ln1 ln2 ln3 · · · 1 , U = u11 u21 u31 · · · un1 u22 u23 · · · un2 u33 · · · u3n 0 . . . ... unn E ainda, det(A) = u11 u22 . . . unn. Procedimento: • Passo 1: Primeira linha de U . u1j = a1j , j = 1, 2, . . . , n . • Passo 2: Primeiracoluna de L . li1 = ai1 u11 , i = 2, . . . , n . • Passo 3: Segunda linha de U . u2j = a2j − l21 u1j , j = 2, . . . , n . • Passo 4: Segunda coluna de L . li2 = ai2 − li1 u12 u22 , i = 3, . . . , n . • Passo 5: Terceira linha de U, 3a coluna de L, 4a linha de U, 4a de L, etc. uij = aij − i−1∑ k=1 lik ukj , i ≤ j lij = aij − j−1∑ k=1 lik ukj ujj , i > j . Resolução de sistema linear AX = B : Resolva primeiramente L · Y = B e depois U · X = Y . Método de Cholesky Se A = At e det(A) > 0, k = 1, 2, . . . , n, então A = G · Gt onde G = g11 g21 g22 0 g31 g32 g33 ... ... ... . . . gn1 gn2 gn3 · · · gnn . Além disso, det(A) = (g11 g22 . . . gnn) 2 . Procedimento: • Elementos Diagonais g11 = √ a11 gii = ( aii − i−1∑ k=1 g2ik ) 1 2 , i = 2, 3, · · · , n . • Elementos não diagonais de G 4 1. Primeira coluna: gi1 = ai1 g11 , i = 2, 3, · · · , n . 2. Segunda coluna: gi2 = ai2 − gi1 g21 g22 , i = 3, 4, · · · , n . 3. Demais colunas: gij = aij − j−1∑ k=1 gikgjk gjj , 2 ≤ j < i . Resolução de sistema linear AX = B : G · Y = B Gt · X = Y . Método de Eliminação de Gauss Considere o sistema linear AX = B caracterizado matricial- mente pela matriz aumentada: a (1) 11 a (1) 12 a (1) 13 . . . a (1) 1n b (1) 1 a (1) 21 a (1) 22 a (1) 23 . . . a (1) 2n b (1) 2 a (1) 31 a (1) 32 a (1) 33 . . . a (1) 3n b (1) 3 ... ... ... . . . ... ... a (1) n1 a (1) n2 a (1) n3 . . . a (1) nn b (1) n onde i, j = 1, 2, . . . , n, a(1)ij = aij e b (1) i = bi . De modo geral, o k-ésimo passo do método da eliminação de Gauss é obtido por a (k+1) ij = a (k) ij − a(k)kj a (k) ik a (k) kk , k = 1, 2, . . . , n− 1; i = k + 1, . . . , n; b (k+1) i = b (k) i − b(k)k a (k) ik a (k) kk , j = k, k + 1, . . . , n . 5
Compartilhar