Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DO OESTE DA BAHIA DISCIPLINA: CÁLCULO NUMÉRICO PROF: JAILSON FRANÇA DOS SANTOS ESTUDANTES: CAROLINE PIANI CAMPOS, GLEYSON BUCKER ARRUDA, HINDIRA FEITOZA DE ARAÚJO, ITAYLANE MALTA SANTOS. MÉTODOS NUMÉRICOS Integração Numérica Seja f uma função contínua no intervalo [a, b] da qual se conhece a primitiva F. O valor da integral definida de f pode ser calculada usando a fórmula de Newton‐Leibniz: Os métodos de integração numérica aproximam valores de integrais definidas. Esse métodos são muito úteis quando: Não se conhece a função f. Tem‐se apenas uma tabela de valores para f; f é conhecida, mas é muito complexa, o que dificulta a determinação de sua primitiva. Dessa forma, f é aproximada por uma função p, mais simples, cuja primitiva é mais fácil de obter. Sendo o erro absoluto calculado pelo módulo da diferença entre o valor exato e o valor numérico. Os métodos de integração numérica tratados nesse trabalho são: Método dos Trapézios e Método de Simpson. Método dos Trapézios Esse método consiste em aproximar a função a ser integrada por retas no intervalo de integração. Seja . Considere a subdivisão do intervalo [a, b] em n subintervalos de comprimento h > 0. Assim, temos: • h = (b – a)/n • xi = a + ih, i = 0,1,2, ..., n. Método de Simpson Seja . Considera-se novamente uma subdivisão do intervalo [a, b] em um número de subintervalos n(par). A Regra de Simpson faz aproximações para pequenos trechos de curvas usando arcos parabólicos. Assim, temos: Análise Para o presente trabalho foram desenvolvidos 2 programas computacionais para aproximação da integral definida , usando o Método dos Trapézios e o Método de Simpson. Cálculo da Integral definida: Tomando u=8x e dv=cosh(2x)dx. Temos que du=8dx e v=senh(2x)/2. Utilizando os programas elaborados, obteve-se os seguintes resultados: Método dos Trapézios Método de Simpson I Erro Absoluto I Erro Absoluto n=10 0,988137 0,000175231 0,987962 2,3143E-07 n=50 0,987969 7,23143E-06 0,987962 2,3143E-07 n=100 0,987964 2,23143E-06 0,987962 2,3143E-07 Observação: O computador utilizado possui uma precisão de 6 casas após a vírgula. Concluiu-se que o Método de Simpson foi mais eficiente que o Método dos Trapézios. Esse fato já era esperado, haja vista que o Método de Simpson faz aproximações para pequenos trechos usando arcos parabólicos e o Método dos Trapézios faz aproximações utilizando retas. Interpolação Polinomial Métodos de interpolação polinomial são utilizados para aproximar uma função f(x), principalmente nas seguintes situações: Conhece-se apenas valores de f(x) em apenas pontos discretos; f(x) é extremamente complicada e de difícil manejo; f(x) não é conhecida explicitamente. Existem diversos métodos para a aproximação de funções polinomiais, entretanto, no presente trabalho foi utilizado o Método de Lagrange. Método de Lagrange O Método de Lagrange representa o polinômio interpolador diretamente a partir dos pontos originais. Seja um conjunto de n+1 dados [xi, f(xi)]. O polinômio interpolador p(x), de grau n, que passe por todos os pontos distintos {x0, x1, ..., xn}, é dado pela fórmula genérica: Onde: Análise O método de Lagrange é fácil de ser calculado, mas pode se tornar cansativo, a depender do número de pontos conhecidos da função, haja vista que quanto maior o número de pontos conhecidos, mais próximo o polinômio será da função original. Desta forma, foi desenvolvido um programa computacional que interpola o valor da função no determinado ponto que se deseja a partir de n+1 pontos conhecidos, sendo n>=1. A tabela a seguir lista valores de uma determinada função que se deseja interpolar. X 0 1 3 f(x) -5 1 25 Cálculo do Polinômio: Para efeito de comparação, utilizando o programa computacional elaborado, interpolou-se o ponto x=2. Pelo polinômio obtido, P(2)=2*2²+4*2-5=11. No programa, para x=2 também foi obtido P(2)=11. Solução de Equações Diferenciais A busca de uma solução analítica para uma equação diferencial ordinária com problema de valor inicial apresenta alguns problemas: Os procedimentos para a busca de uma solução analítica não é trivial; Muitas questões práticas não possuem solução conhecida; Os coeficientes ou as funções existentes na equação diferencial são dados na forma de um conjunto tabelado de informações experimentais, o que torna impossível o uso de um procedimento analítico para determinar a solução da equação. Neste trabalho trataremos apenas do Método de Runge Kutta de 4ª ordem para a solução de EDO’s (Equações Diferenciais Ordinárias). Método de Runge Kutta de 4ª ordem Dentre os Métodos de Runge Kutta, o de 4ª ordem é o mais popular. A solução de uma EDO é dado pela fórmula: Onde: Análise Para o presente trabalho foi desenvolvido um programa computacional com o Método de Runge Kutta de 4ª ordem para a solução da seguinte EDO: Onde: h=0.1, =1 e q(0)=0. Dessa forma, temos que: Solução Analítica: Método do fator integrante Vamos procurar um fator integrante que seja função somente de t. , tomando C=1, tem-se: Logo: Integrando com respeito a t, temos: Utilizando o Problema de Valor Inicial (PVI), q(0)=0, obtemos a constante . Dessa forma, a solução analítica para o PVI será: . Para 6 passos, , dessa forma, temos: Pela solução analítica, temos: Utilizando o programa computacional elaborado, obtêm-se q(0,6)=5,47139. Dessa forma, observa-se que o valor é bem próximo, além de levar apenas alguns segundos para o seu cálculo, sendo que resolvendo pela forma analítica poderá ocorrer erros devido ao processo algébrico ser bastante extenso. Lembrando que uma maior precisão poderá ser obtida, a depender do computador utilizado. Referências Ivanovitch Silva. Resolução Numérica de Equações Diferenciais Ordinárias (EDO). Universidade Federal do Rio Grande do Norte. Disponível em: <http://www.dca.ufrn.br/~ivan/DCA0399/edo.pdf>. Acessado em: 14 de novembro de 2014. Jorge Cavalcanti. Interpolação Polinomial Parte I. Disponível em: <http://www.univasf.edu.br/~jorge.cavalcanti/7CN_Interpolacao_Parte1.pdf>. Acessado em: 14 de novembro de 2014. Jorge Cavalcanti. Integração Numérica. Disponível em: <http://www.univasf.edu.br/~jorge.cavalcanti/8CN_integracao.pdf>. Acessado em: 14 de novembro de 2014. Luciana Montera. Integração Numérica. Disponível em: <http://www.facom.ufms.br/~montera/integracao_parte1.pdf>. Acessado em: 14 de novembro de 2014.
Compartilhar