Baixe o app para aproveitar ainda mais
Prévia do material em texto
Apostila Cálculo Numérico Professora Mariluci Ferreira Portes UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 1 Unidade I - Erros nas aproximações numéricas. I.1 - Considerações gerais. Há várias situações em diversos campos da ciência em que operações numéricas são utilizadas com valores aproximados e conseqüentemente obtemos resultados aproximados. Os principais motivos que concorrem para a inexatidão das operações são: I. Uso de dados provenientes de medições . Nas medições temos dois tipos de erros: A. Erros sistemáticos → são devidos à falta de perfeição na construção, regulagem, etc., do instrumento de medida utilizado no processo. B. Erro fortuitos → são devidos às variações acidentais (ao acaso) de temperatura, II. Uso de dados matemáticos inexatos → são erros provenientes da própria natureza dos números como 2 , π, e . III. Uso de dados provenientes de tabelas → as tabelas contém um número fixo de casas decimais. IV. Uso de dados inexatos provenientes da supressão de algarismos : Exemplo: Seja calcular o valor de K = (C . D) + E , onde C = 3,1234 ; D = 18,134 ; E = 5,52014 ; neste caso K = 62,159875. Se utilizar-mos para C = 3,12 ; D = 18,1 ; E = 5,52 ; teremos K = 61,992. IV. Aproximações devido à fórmulas de resolução aproximadas. Seja, por exemplo, calcular 1 05, . Se desenvolver-mos f(x) = x em Série de Taylor em torno de x0=1 e aplicar para x=1,05, temos: 024695313,1.... 6 05,0 .. 8 3 . 2 05,0 .. 4 1 05,0 2 1 1x 32 ≅−×+×−×+= VI. Ordem de cálculo nas operações: Exemplo: Calcular o valor de V = A + B C , onde A=1, B=2, C=3; 1º o modo :V = 1+ 2 3 = 1; 2ºº modo: V = A C B C + = + = + =1 3 2 3 0 333 0 666 0 999, ... , ... , ... UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 2 VII. Uso de rotinas inadequadas de cálculo. Exemplo: Seja calcular o valor médio de p(x) = ax4 + bx3 + cx2 + dx + e . Neste caso temos total de 4 adições e 10 multiplicações, a saber: ax4 = a·x·x·x·x → 4 multiplicações bx3 = b·x·x·x → 3 multiplicações cx2 = c·x·x → 2 multiplicações dx = d·x → 1 multiplicação Utilizando o dispositivo prático de Briot-Ruffini-Hormer: [ ]{ }p(x) = (a x + b) x + c x + x + e⋅ ⋅ ⋅ ⋅d , temos pois 4 adições e 4 multiplicações. Conclusão: o segundo método é mais preciso que o primeiro. VIII. Enganos: são erros devido à falta de cuidado do calculista que poderá escrever números e sinais trocados devido à sua habilidade e rapidez. I.2 - Números aproximados Definição : Número aproximado é a aproximação de um valor exato, sendo a diferença entre os dois bem pequena. Consideramos um valor exato quando não existe aproximação ou incerteza associado a ele. I.3 - Algarismos significativos de um número Definição : Os dígitos 1, 2, 3, …, 9 constituem algarismos significativos de um número. O dígito 0 (zero) também constitui um significativo, exceto nas casos em que é usado para fixar a posição da parte decimal ou preencher casas decimais de dígitos desprezados ou desconhecidos. Exemplo: 3,124 → 4 significativos 405 → 3 significativos 0,0095 = 9,5× 10-3 → 2 significativos 45,1300 → 4 significativos se os zeros estiverem preenchendo casas decimais vazias → 6 significativos se os zeros vieram do arredondamento: 4512999 451300, ,≅ I.4 - Arredondamento de um número Definição : Arredondar um número é guardar uma certa quantidade de dígitos, contados a partir da esquerda para a direita, e ignorando conseqüentemente os demais dígitos do número. Para que o arredondamento ocasione o menor erro possível, empregamos a seguinte regra: Se desejarmos um número com n algarismos e: UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 3 a) o algarismo desprezado for maior que 5, adiciona-se 1 unidade ao enésimo dígito; b) o algarismo desprezado for menor que 5, o enésimo dígito permanece inalterado; c) o algarismo desprezado for igual a 5, então: c. 1 - deixa-se o enésimo dígito inalterado se for par; c. 2 - acrescenta-se 1 unidade ao enésimo dígito se for ímpar: Exemplo: 2,45879 → 2,459 2,45376 → 2,45 4,67857 → 4,678 4,67757 → 4,678 I.5 - Tipos de Erro Seja Q o valor exato e Q * o valor aproximado de um número. I.5.1 - Erro Absoluto Definição : . Definimos erro absoluto como sendo a diferença em módulo entre o valor exato e o valor aproximado. Denotaremos por ∆ . *Q-Q=Q∆ I.5.2 - Erro Relativo Definição : É a razão entre o erro absoluto e o valor exato do número. Denotaremos porδ . δ Q Q Q = ∆ I.5.3 - Erro Percentual Relativo Definição : É o erro relativo expresso em percentagem. Denotaremos por . 100 Q Q %Q ×∆=δ Exemplos: 1) Q = 3,251408 Q* = 3,2524634 ∆Q = Q – Q* = 1,0554 .10 - 3 3100554,1Q −⋅=δ %10554,0100554,1100%Q 3 =⋅×= −δ UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 4 2) Comprimento real → L= 5 Km Comprimento aproximado → L * =5,1 Km 02,0 0,5 1,50,5 L = − =δ → relativo δ L%= 2 % → percentual relativo 3) Pressão real: 10 Kg/cm2 Pressão aproximada: 10,5 Kg/cm2 ∆ p = 0,5 Kg/cm 2 δ p = 0,05 e δ p % = 5 % Observação: 1) Os erros relativo e percentual relativo são quantidades adimensionais, permitindo comparar erros de quantidades homogêneas ou não-homogêneas. 2) Se um número é arredondado com N algarismos significativos, é claro que o erro absoluto cometido em seu arredondamento é menor ou igual a cinco unidades no algarismo que ocupa a posição (n + 1), contadas da esquerda para a direita. Q = 3,45789 Q* = 3,458 ∆Q = 3,45789 - 3,458= = ⋅ < ⋅− −0 00011 011 10 0 5 103 3, , , 1.1 I.5.4 - Cota Superior de Erro Absoluto Definição : Cota superior de erro absoluto é o limite máximo permitido para o erro absoluto e denotaremos como αααα. ∆Q < α I.5.5 - Cota Superior de Erro Relativo Definição: De modo análogo definimos cota superior de erro relativo, e denotamos por ββββ. δ βQ < Observação: Normalmente escolhemos a potência de 10 mais próxima do valor da cota superior de erro sempre por majoração. Com isto estaremos nos referindo ao erro como sendo da ordem de 10N, N Z∈ . UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 5 Aplicação: Considere e = i!i=0 1∞ ∑ e e* = i!i=0 7 1 ∑ , determine a cota superior de erro absoluto: e e e e e = + + + + + + + + = + + + + + = − = + + + = = ⋅ 1 1 1 2 1 3 1 7 1 8 1 9 1 1 1 2 1 3 1 7 1 8 1 9 1 10 1 8 1 8 1 9 1 8 9 ! ! ... ! ! ! ... * ! ! ... ! * ! ! ! ... ! ! ! ! ∆ 1 10 1 8 9 10 1 8 9 1 11 1 8 9 10 11 1 8 9 1 8 1 1 9 1 9 1 9 1 8 1 1 1 9 0 279017 10 0 3 10 2 3 2 3 4 4 ! ! ! ! ! ! ! ... ! , , = ⋅ ⋅ < ⋅ = ⋅ ⋅ ⋅ < ⋅ < + + + + → < ⋅ − ⇒ < ⋅ ⇒ < ⋅− − ∆ ∆ ∆ ∆ e e e e P.G. ilimitada decrescente com q = 1 9 Logo a cota superior de erro absoluto é 10-4. I.5.6 - Propagação de Erro em Operações Elementares A. Adição A.1 - Erro Absoluto: Considere x e y valores exatos, x* e y* valores aproximados de x e y respectivamente, ∆x e ∆Y os erros associados a x e y respectivamente. x y x x y y x y x y x yx y + = + + + = + + + = ++ ( * ) ( * ) ( * *) ( )∆ ∆ ∆ ∆ ∆ ∆ ∆ A.2 - Erro Relativo: y yx y x yx x yx y y yx x x yx y y y yx x x x yx yx yx yx yx yx δδδ δδ δ ⋅ + +⋅ + = + + + = = + ⋅∆+ + ⋅∆= + ∆+∆= + +∆= + +** * ** * ** * ** * ** * *** * ***** )( UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 6 B. Subtração B.1 - Erro Absoluto: yxyx ∆−∆=∆ − B.2 - Erro Relativo: y yx y x yx x yx δδδ ⋅− −⋅ − =− ** * ** * C. Multiplicação C.1 - Erro Absoluto: x y x y y y x y x y y x x y x y y xxy ⋅ = + ⋅ + = + + + = + ( * ) ( * ) * * * * * * ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ C.2 - Erro Relativo: δ δ δ δ δ δ xy xy y x xy x y x y x y y x x y y y x x = = + = + = + = + ∆ ∆ ∆ ∆ ∆ * * * * * * * * D. Divisão D.1 - Erro Absoluto: x y x x y y x y y y y y x x y y = + + = + ⋅ + = + ⋅ + * * * * * * * * ∆ ∆ ∆ ∆ ∆ 1 1 δ Desenvolvendo em série MacLaurin, temos: 1 22− + +δ δy y ... Desprezando as potências de ordem igual ou superior a 2, temos: 1 1 1 1 2 2 2 + ≈ − ≈ + − = + − − ≈ − δ δ y y x y x x y y y x y x y x y y x y y y x x y y x y * * ( * ) * * * * * * * * * ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ D.2 - Erro Relativo: δ δ δ δ δ δ x y x y x y x y y x x y y y x y x y x x y y x x y x y = = − ⋅ = − = − = − ∆ ∆ ∆ ∆ ∆ * * * * * * * * * * * * *2 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 7 I.6 - Algarismos significativos exatos contidos em um número aproximado. Definição: Consideramos que os “n” primeiros algarismos de um número são exatos quando o erro absoluto não exceder a uma unidade na enésima casa, contando-se da esquerda para a direita. p = 3,1415926 p* = 3,1416 ∆p = 0,0000074 < 0,001 A precisão de um resultado é função do número de algarismos significativos exatos contidos no número. Há uma relação entre o erro relativo e o número de algarismos significativos exatos. Teorema I : Se o 1o. algarismo significativo de um número aproximado A* é k, contendo o referido número N algarismos significativos, então o erro relativo associado à aproximação será: δA k N ≤ × −1 101 Considere A k L M N M * _ _ ..., _ _ ...= − 1 2 3 1 2 3 ; N algarismos significativos exatos. UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 8 N M NM M MM N M NM NMM NM NMNM NM MN M M k A kA A A kA kkA kkA kA kA AA AA AA A kA LkA − − − − −− − − −− −− − −− − +−− − −− •< •⋅ ⋅<∆= ••≥ −•+••≥ −+•≥ −•≥ •−•≥ •−≥ •≤−≤•− •≤− ••≤∆ •≥ •++•= 1 1 2 1 2 1 1 11 1 1 11 1 )1( 1 11 10 1 10 10 10 2 1 )1(10 2 1 10 2 1 )] 10 1 ([10 2 1 )102(10 2 1 10 2 1 10 10 2 1 * 10 2 1 *10 2 1 10 2 1 * 1010 2 1 :lado outroPor 10* 10...10* δ δ Aplicação: Seja A*=3,1415 com 5 algarismos significativos exatos. Determine uma cota superior de erro relativo. A* = 3,1415 k = 3, N = 5 A < 1 3 δ δ β ⋅ = • < • = − − − − 10 0 333 10 0 333 10 10 1 5 4 4 4 , ... , ...A Resposta: A cota superior de erro relativo é 10-4. UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 9 Teorema II: Se o erro relativo δA cometido na aproximação de A for menor que 1 1 101 k N + • − (k : 1o. algarismo significativo de A*) então contém, N algarismos significativos exatos. Aplicação: Determine o número de algarismos significativos exatos contidos em A* = 3,241 sendo ∆A<0,001. Pelo Teorema II temos: ( ) δ δ δ A k k A A N N N < + • = ⇒ < • ⇒ < • − − − 1 1 10 3 1 4 10 0 25 10 1 1 1 1, Por definição temos: ( ) 3,25) ; (3,23 *A 0,013,24=A* :exatos ivossignificat Algarismos 3 321 1025,0103085,0 : vem(2) e (1) De 2103085,0 241,3 001,0 13 3 ∈ ± =⇒−=− •<• •<<∆= −− − NN A A A N δ I.7 - Propagação de Erros I.7.1 - Introdução: Algumas grandezas não podem ser medidas diretamente. Nesse caso a medida é feita de modo indireto. Exemplo: A medida do volume de um cilindro é dado pela relação V = πR2·H. Precisamos saber os erros cometidos nas medidas das grandezas raio e altura para saber o erro no cálculo do volume. A este estudo denominamos análise de propagação de erros. I.7.2 - Funções de uma variável real: Seja y = f (x) uma função contínua diferenciável em [a,b]. Sejam X, X* ∈ [a,b]. UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 10 y y = f (x) N f (x) y* = f (x*) M θ P a x* x b x x - valor real x* - valor aproximado de x ∆x - erro cometido em x* ∆y - erro cometido em y* = f (x*) Do ∆ MNP *xx (x*) f-(x) f Tg MP NP = Tg − =⇒ θθ Pelo teorema do valor médio: )(')(' )(' * *)()( )(' * *)()( )(' :que Tal )*,( max xff xfy x y xx xfxf f xx xfxf fxx ≤ ∆⋅=∆ ∆ ∆= − −= − −=∈∃ ξ ξ ξ ξξ Como x e x* são próximos, então f x f y' ( ) ' ( *)max ≈ Logo: xxfy ∆⋅≤∆ )(' UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 11 Exercícios: 1. Determine o erro absoluto cometido no cálculo do volume de um cubo de 0,45 metros de aresta, sabendo que o erro cometido na medida da aresta é inferior a 0,005 metros. 322 2, , 3 1030375,0005,0)45,0(3 .45,0.*....005,0.. 3)( *)( )( mV maeaComo aaV aaVV aaV −×=××≤∆ ==∆ = ∆⋅≤∆ = Resp: O erro cometido no cálculo do volume é inferior a 0,30375 · 10-2 m3 Resp: < 0,30375 · 10-2 m3 2. Entre que valores está o valor real do volume do cubo do exercício 1 ? a. Cálculo do volume: V = (0,45)3 = 0,91125 · 10-1 m3 b. Pelo Teorema II temos: δ δV VN N= + × ⇒ = ×− −1 1 9 10 01 101 1, (*) c. Cálculo do erro relativo: δ δ V V V V = < ⋅ ⋅ = ⋅ < ⋅ − − − − ∆ 0 30375 10 0 91125 10 0 3333 10 0 3333 10 2 1 1 1 , , , , (**) d. Comparando os resultados obtidos em (*) e (**), temos: 0,3333·10-1 < 0,1·101-N 1 - N = 0 ⇒ N = 1 1 algarismo significativo ⇒ V = 0,09 ± 0,0 1 Resp: V ∈ ( 0,08 ; 0,10 ) Resp: (0,08 ; 0,10) UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 12 I.7.3 - Funções de variáveis reais várias: Seja w = f (x1, x2, ..., xn) em que as diversas quantidades x1, x2, ..., xn estão sujeitas a erros ∆x1, ∆x2, ..., ∆xn , respectivamente. (1) f (x1 * +∆x1, x2* +∆x2, ..., xn * +∆xn) = w *+ ∆w Usando a expansão em série de Taylor para funções de variáveis reais várias, temos: ......... !2 1 .....),...,,( ),...,,.( 21 21 2 2 2 2 2 1 1 2 1 2 2 2 1 1 ** 2 * 1 * 2 * 21 * 1 + +∆⋅∆⋅+∆++∆+∆++∆+∆+ =∆+∆+∆+ xx xx f x x f x x f x x f x x f x x f xxxf xxxxxxf n n n n n nn ∂∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂ Como os erros são bem pequenos, então: n n nnn xx f x x f xxxfxxxxxxf ∆++∆+≈∆+∆+∆+ ∂ ∂ ∂ ∂ ...),...,,(),...,,( 1 1 * 2 * 1 ** 22 * 11 * De (1) vem: w *+ ∆w ≈ w* + + +∂ ∂ ∂ ∂ f x x f x x n n 1 1∆ ∆... Logo: Erro relativo: w x x f w w w n i i i ∑ = ∆ =∆= 1 ∂ ∂ ∂ (2) ∂ ∂ ∂ w w w f x x w i n ≤ = = ∑∆ ∆ 1 1 1 O segundo membro de (2) é a diferencial logarítmica de w. Logo: ∑ = ∆⋅≤ n i n xixxxfxi w 1 21 )],...,,([ln∂ ∂∂ ∑ = ∆=∆++∆≤∆ n i i i n n x x f x x f x x f w 1 1 1 ... ∂ ∂ ∂ ∂ ∂ ∂ UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 13 Exercícios: 1. Entre que valores está o valor real de z (x,y) = x2y + 2y+ 0,3 para x = 3,14 e y = 2,71; com ∆x e ∆y inferiores a 0,01. a. Cálculo de z: z = (3,14)2 × 2,71 + 2 × 2,71 + 0,3 = 32,43952 b. Cálculo do erro relativo (pela definição): ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ ∆ z < z x (*) ∂ ∂ ∂ ∂ δ ⋅ + ⋅ < + + < ⋅ ⋅ ⋅ + + ⋅ < = < = ⋅ − x z y y z xy x x y z z z z z 2 2 2 314 217 0 01 314 2 0 01 0 25487 0 25487 32 43952 0 78568 10 2 2 2 ( ) , , , [( , ) ] , , , , , c. Pelo Teorema II temos: δ δ z < 1 3 + 1 1 4 10 (**) N 1-N× = × < × − − 10 0 25 10 1 1z N, d. Comparando os resultados em (*) e (**), temos: 0,8902228×10-2 < 0,25×101-N 1-N = -1 → N = 2 2 algarismos significativos exatos z = 32 ± 1 Resposta: z ∈ (31;33) Resp: (31 , 33) 2. Sabendo-se que o volume de uma esfera é dado pela expressão V = 1/6 πd3 , determine entre que valores está o valor real de V, considerando π ≈ 3,141 ( com ∆π<0,001 ) e d = 3,71 cm (com ∆d < 0,005 cm ). V d A A V A d = = ≈ < = ⋅ ⋅ 1 6 1 6 01666 0 0001 3 3 π π , , ∆ a. Cálculo de V: V = 0,1666 × 3,41 × (3,71)3 = 26,7217 cm3 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 14 b. Cálculo do erro relativo: ln ln ln ln , , , , , , , V A d V V A A d d V V = + + = + + < + + ⋅ < ⋅ − π π δ δ 3 3 0 0001 01666 0 001 3141 3 0 005 3 71 0 49617 102 ∆ ∆ ∆π ∆ (*) c. Pelo Teorema II, temos: δ δ V V N N < × < × − − 1 3 10 0 333 10 1 1, ... (*) d. Comparando os resultados obtidos em (*) e (**), temos: 0,49617 × 10-2 < 0,333... × 101-N 1 - N = -1 N = 2 → 2 algarismos significativos exatos. Resp: 26 ± 1 cm3 V ∈ (25 cm3 ; 27 cm3) Resp: V = 26 ±±±± 1 cm3 ( 25cm3 , 27cm3 ) I.7.4 - Problema Inverso: Este tipo de problema é matematicamente indeterminado, uma vez que o erro relativo pode ser determinado mediante combinações diferentes dos erros relativos das diversas variáveis. A solução mais simples é baseada na hipótese da igualdade de efeitos. De acordo com esta hipótese tem-se : δx1 = δx2 = ... = δxn ; e a solução procurada é dada por : ∂ ∂x w ni = ≤ ≤ 1 i n Exercício: Qual deve ser a precisão da medida do raio R = 30,5 cm de um círculo e quantas decimais devem ser consideradas em π para que o erro cometido no cálculo da área não ultrapasse a 0,1%. UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 15 Solução: S R S R R = = + < π ∂ π 2 2 0 001 ∆π ∆ , Pelo princípio da igualdade de efeitos : ∆π ∆ π < < 0 0005 2 0 0005 , , R R Fazendo π ≈ 3,14 , temos: ∆π ∆π ∆ ∆ < × ⇒ < ⋅ < − × ⇒ < ⋅ − − 0 0005 314 0157 10 0 001 0 0005 30 5 2 0 7625 10 2 2 , , , ( , , ) , , R R UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 16 Lista de exercícios sobre a Unidade I 1) Arredonde cada número abaixo para 3, 4, 5, 6, 7, algarismos significativos, respectivamente: a) 85,432431 b) 0,003134499 c) 998,075414 e) 3,318051 d) 45,3083102 2) Com os números arredondados para 4 algarismos significativos e para 7 algarismos significativos, do exercício 1, determine o erro absoluto, o erro relativo e o erro percentual relativo para cada item. 3) Calcule a área de um círculo de raio 100 m, utilizando os seguintes valores aproximados para π : a) 3,14 b) 3,1416 c)3,14159 d) 3,1415926 4) Calcule o erro absoluto entre os resultados obtidos em a, b, c com o resultado obtido em d) do exercício anterior. Compare e faca sua conclusão. 5) Determine o número de algarismos significativos exatos contidos na aproximação dos números abaixo, sendo dados os respectivos erros: a) Z* = 32,4395 ∆Z < 0,263629 b) I* = 0,984375 * 10-4 δI < 0,22858 c) A* = 45,8214 ∆A < 0,0001 d) X* = 8,57943 ∆X < 0,001 6) Determine o erro relativo cometido no cálculo do valor numérico de y(x) = 3x2 + 3x + 5 , sendo x = 3,16 e o erro absoluto cometido nessa medida inferior a 0,001. 7) Determine o número de algarismos significativos exatos contidos no cálculo de y(x) do exercício 6. UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 17 8) Sabendo-se que o volume de uma esfera é dado pela expressão V d= π 3 6 , entre que valores esta o valor real de V, sabendo-se que d = 3,71 m, ∆d < 0,005 m , π = 3,141 e ∆π < 0,001. 9) A expressão V a b c= ⋅ ⋅ ⋅ ⋅ ⋅4 3 π nos dá o volume de um elipsóide de eixos principais a, b, c. Sabendo-se que a = 5 cm, b= 100 mm, c= 0,15 dm, e que o instrumento de medição apresenta um erro inferior a 0,05 mm, pede-se: a) o volume; b) o erro relativo; c) o erro absoluto; d) entre que valores esta o valor de V. 10) Dada a expressão y e O = × × 12 20 22 1 8 , sen , π , determine entre que valores esta o valor real de y, sabendo que o instrumento de cálculo utilizado só registra 3 algarismos significativos exatos. 11) O tempo de oscilação de um pêndulo simples e dado pela expressão t l g = 2π . Sabendo-se que o comprimento l = 1,50 m, medido com erro inferior a 0,05 m e que g = 9,81 m/s2 , com erro inferior a 0,01 m/s2 , determine entre que valores esta o valor real de t. Nota: π = 3,1415926 Trabalho Computacional: Somar 0,001 mil vezes. Justifique o resultado. UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 18 Unidade II - Séries de Potências II.1 - Introdução As linguagens de programação de computadores fornecem certas funções tais como seno, cosseno, logaritmo, exponencial, etc. No entanto, muitas vezes não temos a função pré-definida e recorremos ao desenvolvimento em série de potências para fazer nossos cálculos. II.2 - Série de Taylor e MacLaurin Definição 1 : Uma série da forma c c x a c x a c x an n 0 1 2 2+ − + − + + − +( ) ( ) ... ( ) ... , onde “a” e ci (0 ≤ i < ∞) são constantes, é classificada de série de potências em (x - a). Se a = 0, temos uma série de potências em x. Obs: Toda série de potências em (x - a) é convergente, pelo menos para x = a. Ex.: x x x x x n n n − + − + + − +1 2 1 3 1 4 12 3 4 ... ( ) ... II.2.1 - Descrição do método de calcular funções por série de potências: Seja y = f(x) uma função contínua e que todas as suas derivadas existam no domínio que nos interessa. Suponha que se conheça tudo da função no ponto x = 0, ou seja: f (0) ⇒ valor da f (x) em x = 0 f ’(0) ⇒ inclinação da curva f (x) em x = 0 f ”(0) ⇒ curvatura da f (x) em x = 0 · · · f n(0) ⇒ n-ésima derivada da f (x) em x = 0 y 0 x1 x2 x3 x • Se x1 está bem próximo de x0, podemos fazer: f (x1) ≅ f(x0) ; e o erro será bem pequeno. • Para x2 um pouco afastado da origem, a melhor aproximação será dada pela tangente à curva f (x) . A inclinação da tangente é dada por f ’(0). A equação da reta é y = mx + b ⇒ f (x) = f ’(0)· x + b UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 19 Para x = 0, tem-se b = f(0) Logo, se x ∈ [0 , x2] → f (x) ≅ f(0) + f ’(0) · x • Para x3 bem afastado da origem, uma melhor aproximação será dada pela parábola: f (x) ≅ a0 + a1x + a2 x2 ; de tal forma que a0 = f(0) a1 = f ’(0) Precisamos determinar a2 . f ’(x) = a1 + 2 a2 x f ”(x) = 2 a2 ⇒ a f 2 0 2 = "( ) Então: f x f f x f x( ) ( ) ' ( ) "( )≅ + ⋅ + ⋅0 0 0 2 2 De um modo geral, para x afastado da origem o valor exato da f (x) será dado por um polinômio de grau infinito, ou seja: f x c c x c x c xn n( ) ... ...= + + + + +0 1 2 2 Para se determinar c ii ( )0 ≤ < ∞ , apliquemos a derivaçãosucessiva de f (x) em x = 0: f c f x c c x c x nc x f c f x c c x n n x f c f x c n n n x f c f n c f n c n n n n n n n n n n ( ) ' ( ) ... ... ' ( ) "( ) ... ( )c ... "( ) "' ( ) ... ( )( )c ... "' ( ) . . . ( ) ! ... ( ) ! 0 2 3 0 2 6 1 0 2 6 1 2 0 6 0 0 0 1 2 3 2 1 1 2 3 2 2 3 3 3 = = + + + + + ⇒ = = + + + ⋅ − + ⇒ = = + + ⋅ − − + ⇒ = = + ⇒ = − − − Dai, vem que: c f c f c f c f c f nn n 0 1 2 3 0 0 0 2 0 3 0 = = = = = ( ) ' ( ) "( ) ! "' ( ) ! . . . ( ) ! Então: f x f f x f x f x f n x n n( ) ( ) ' ( ) "( ) ! "' ( ) ! ... ( ) ! ...= + ⋅ + ⋅ + ⋅ + + ⋅ +0 0 0 2 0 3 02 3 , que é o desenvolvimento da f (x) em série de MacLaurin. UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 20 Como muitas vezes é inconveniente, ou mesmo impossível, desenvolver uma função em torno de x = 0 (caso do log. neperiano), então temos a generalização da série de MacLaurin que é chamada Série de Taylor. Consideremos f (x) satisfazendo a condição de continuidade e possuindo derivadas de todas as ordens em um certo domínio de nosso interesse. Suponha que se conheça o valor desta função e de suas derivadas no ponto x = a. Formemos a seguinte série de potências: f (x) = c c x a c x a c x an n 0 1 2 2+ − + − + + − +( ) ( ) ... ( ) ... Diferenciando f (x) e calculando x = a , determinamos c ii ( )0 ≤ < ∞ . Dai, vem: f x f a f a x a f a x a f a x a f a n x a n n( ) ( ) ' ( ) ( ) "( ) ! ( ) "' ( ) ! ( ) ... ( ) ! ( ) ...= + ⋅ − + ⋅ − + ⋅ − + + ⋅ − + 2 3 2 3 ; que é o desenvolvimento da f (x) em Série de Taylor. Exemplo 1 : Desenvolver f (x) = sen x , em Série de MacLaurin. f x x f f x x f f x x f f x x f f x x f f x x n f n x f f x f x f n x x x x x x IV IV n n n n ( ) sen ( ) ' ( ) cos '( ) ' ' ( ) sen ' ' ( ) ' ' ' ( ) cos ' ' ' ( ) ( ) sen ( ) . . . ( ) sen( ) ( ) sen sen ( ) ' ( ) ' ' ( ) ! ... ( ) ! ... sen ! ! ! = → = = → = = − → = = − → = − = → = = + → = = + ⋅ + ⋅ + + ⋅ + = − + − 0 0 0 1 0 0 0 1 0 0 2 0 2 0 0 0 2 0 3 5 7 2 3 5 7 π π + + ⋅ +... sen( ) ! ... n n xn π 2 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 21 Exemplo 2: Desenvolver f (x) = ln x , em torno de x = 1. ... )1()1( ... 4 )1( 3 )1( 2 )1( )1(ln ... ! )1()!1()1( ... !4 )1(6 !3 )1(2 !2 )1( )1(0ln )!1()1()1()!1()1()( . . . 6)1(6)( 2)1('''2)(''' 1)1('')('' 1)1(')(' 0)1(ln)( 1432 1432 11 4 3 2 1 +−−++−−−+−−−= +−−−++−−−+−−−+= −−=→−−= −=→−= =→= −=→−= =→= =→= + + +−+ − − − − n xxxx xx n xnxxx xx nfxnxf fxxf fxxf fxxf fxxf fxxf nn nn nnnnn IVIV Pergunta: para que valores de x este desenvolvimento do ln x é bom? Caso 1 → x = 0 ln ...0 1 1 2 1 3 1 4 1 5 = − − − − − − não converge, ou melhor, tende a - ∞ . Caso 2 → x = 1 ln 1 = 0 Caso 3 → x = 2 ln ...2 1 1 2 1 3 1 4 1 5 1 6 1 7 = − + − + − + − A convergência é garantida pelo Teorema de Leibnitz, que cujo enunciado é: “Se um série alternada c c c c c1 2 3 4 5− + − + −... satisfaz as condições: 1. Cada termo é, em módulo, menor que o anterior. 2. O limite dos termos é zero. Então a série possui uma soma finita e, além disso, o erro que se comete ao tomarmos n termos está entre zero e o termo de ordem (n + 1) não nulo .” De acordo com o Teorema, a série converge: O erro, se aproximarmos .. 5 1 4 1 3 1 2 1 12ln +−+−= = 0,78333 , está entre zero e − 1 6 . 0,617 < ln 2 < 0,78333 ln 2 = 0,6931 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 22 Caso 4 → x = 3 ln ... ln ... 3 2 2 2 3 2 4 2 5 2 6 3 2 2 8 3 16 4 32 5 64 6 2 4 5 6 = − + − + − + = − + − + − + não converge, pois cada termo, em módulo, é maior que o anterior. Obs: 1. Para x = 0 , o ln não existe e esse ponto é chamado de ponto singular. 2. O desenvolvimento em Série de Taylor só é válido para uma região conhecida como região de convergência. 3. A região de converg6encia estende-se em todas as direções com um raio igual a distância ao mais próximo ponto singular. 4. No desenvolvimento acima, o raio de convergência é igual a 1. II.3 - Raio de Convergência: Teorema: Seja c x an n n ( )− = ∞ ∑ 0 uma série de potências em (x - a). Se lim n n n c c R R →∞ + = ≤ ≤ ∞ 1 0 , então R é raio de convergência da série de potências. No desenvolvimento da Série de Taylor, c f a n f a n R f a n f a n n f a f a n n n n n n n n n n = = + = + = + + + →∞ + →∞ + ( ) ! ( ) ( )! lim ( ) ! ( ) ( )! lim( ) ( ) ( ) c 1 1 1 1 1 1 1 Aplicação: (no cálculo de ln x ) f f R n n n n n n n n n n n n n ( ) ( ) ( ) ( ) lim( ) ( ) ( ) lim lim 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 = − = − = + − − = + = + = + + + →∞ + + →∞ →∞ (n -1)! n! (n -1)! n! II.4 - Erro de truncamento no desenvolvimento em série. Considere a função f (x) desenvolvida em Série de Taylor em torno de x = a, ou seja: [f x f a f a x a f a x a f a x a f a x a n n n Rn( ) ( ) ( )( ) ( )( ) ! ( )( ) ! ... ( )( ) ! ..., ,, ,,, = + − + − + − + + − + 2 3 2 3 Sejam Rn os termos da série após o termo que envolve a n-ésima derivada. Queremos uma expressão para Rn. Se f (x) é contínua e suas derivadas existem em [a , x] , então: f t dt f x f a f x f a f t dt a x a x , ,( ) ( ) ( ) ( ) ( ) ( )⋅ = − ⇒ = + ⋅∫∫ UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 23 Comparando com o desenvolvimento em Série de Taylor, vem: R f t dt a x 0 = ⋅∫ ,( ) Integremos R0 por partes: u = f ’(t) → du = f ”(t) dt dv = dt → v = t - x f t dt f t t x f t x t dt a x a f t x t dta x a x a x a x , , ,, , ,,( ) [ ( )( )] ( )( ) ( )( ) ( )( )⋅ = − + − = − + −∫ ∫∫ f Logo: f (x) = f (a) + R0 f (x) = f (a) + f a x a f t x t dt a x , ,,( )( ) ( )( )− + −∫ R1 = f t x t dt a x ,,( )( )−∫ Integrando R1 por partes: u = f ”(t) → du = f ’”(t) dt dv = (x - t) dt → v = − −( )x t 2 2 f t x t dt f t x t f t x t dt f a x a f t x t dt a x a x a x a x ,, ,, ,,, ,, ,,, ( )( ) ( )( ) ( )( ) ( )( ) ( )( )− = − − + − = − + −∫ ∫∫ 2 2 2 2 2 2 2 2 Logo: f x f a f a x a f a x a f t x t dt a x ( ) ( ) ( )( ) ( )( ) ( )( ), ,, ,,, = + − + − + −∫ 2 2 2 2 R2 = f t x t dt a x ,,,( )( )− ∫ 2 2 Dai concluímos que: R f t x t dt nn n n a x = − + ∫ 1( )( ) ! Vamos transformar Rn na forma Lagrangiana. Para t ∈ [a , x], f n + 1 (t) possuí distintos valores. Seja m o menor desses valores e M o maior deles. m x t dt n R M x t dt n m x t n R M x t n m x a n R M x a n n na x n a x n a x n n a x n n n ( ) ! ( ) ! ( ) ( )! ( ) ( )! ( ) ( )! ( ) ( )! − ≤ ≤ − ⋅ − − + ≤ ≤ ⋅ − − + ⋅ − + ≤ ≤ ⋅ − + ∫ ∫ + + + + 1 1 1 1 1 1 1 1 Existe ξ1 ∈ [a , x] tal que o resto sob a Forma Lagrangiana é )!1( )( )( 1 1 1 + −= + + n ax fR n n n ξ OBS: Na prática, trabalhamos com uma cota superior para f n + 1 (t).,ou seja R M x a nn n ≤ ⋅ − + +( ) ( )! 1 1 , onde M = máx | f n + 1 (t)| em [a , x] UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 24 Exemplo: Determine o valor da constante exponencial , com erro inferior a 10-6. A. Desenvolver f (x) = ex em série de MacLaurin ... ! ... !4!3!2 1 1)()( 1)0(')(' 1)0()( 432 +++++++= =→=⋅ ⋅ =→= =→= n xxxx xe xfexf fexf fexf n x nxn x x Para x = 1 , temos: ... ! 1 ... !4 1!3 1 !2 1 11 +++++++= n e B. Raio de Convergência R n n f f n n = + = ∞ →∞ → → + lim ( ) ( ) ( ) 1 1 1 1 0 0 ⇒ Para x ∈ Reais temos a convergência garantida. C. Erro de Truncamento R M x a n M x M max e n n n x < − + < = → → = ⋅ < + < → < − + − − − − 10 1 10 10 3 1 10 10 6 1 6 6 6 6 ( ) ( )! ( )] ( )! max [f em [0,1] 0 ponto de desenvolvimento 1 ponto de calculo em [0,1] M = e < 3 3 (1- 0) (n + 1)! Por tentativa temos que para n = 9 3 10! n+1 n+1 Então: e e = + + + + + + + + + = 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 7182807 ! ! ! ! ! ! ! ! , Obs: Pela calculadora o valor e = 2,718281828 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 25 Lista de exercícios sobre a Unidade II 1) Desenvolva as funções abaixo em Série de MacLaurin: a) f(x) = sen x b) f(x) = cos x c) f(x) = ex 2) a) Desenvolva f(x) = ln x em Série de Taylor em torno de a = 1 . b) Calcule o raio de convergência da Série acima. c) Calcule ln 1,2 com 2 decimais exatas. 3) Calcule o raio de convergência do desenvolvimento em série das funções do exercício 1. 4) a) Desenvolva f(x) = 1/ ex em serie de Taylor em torno do ponto a = 1. b) Calcule o raio de convergência. c) Calcule 1/ e1,3 com 3 decimais exatas. 5) Desenvolva f(x) = sen x em torno de a = π/2 , e determine o seno de 93o (graus) com 3 decimais exatas. 6) Desenvolva f(x) = x em torno de a = 1 e determine o valor e 1 4, com 3 decimais exatas. Trabalho Computacional: Desenvolver a função f (x) = sen (x) em Série de Taylor em torno do ponto a = 1, e calcular f (1) com 30 termos, 60 termos e 100 termos que aparecem no desenvolvimento. Compare os resultados obtidos com o valor obtido quando utilizamos a função “ sen (x) ” pré-definida. UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 26 Unidade III - Resolução de Equações Algébricas Transcendentes III.1 - Introdução Existem fórmulas para resolução de equações algébricas em que f (x) é uma expressão quadrática, cúbica ou biquadrática. No entanto, para equações em que f (x) é um polinômio de grau superior a 4 ou uma função em que a incógnita figura em expressões logarítmicas, trigonométricas, etc., podendo aparecer em expressões elementares, não existem fórmulas para resolver tais equações. Neste caso empregamos métodos gráficos ou numéricos. III.2 - Métodos Gráficos Seja a equação f (x) = 0 da qual se deseja determinar a raiz. Graficamente existem 2 métodos III.2.1 - Interseção da curva com o eixo das abcissas. Neste caso, tabela-se a função e esboça-se o gráfico. Exemplo: f (x) = x2 - 5x + 6 = 0 , nos pontos 0, 1, 2, 3, 4, 5. III.2.2 - Interseção de duas curvas. Neste caso, desdobramos f (x) em duas funções h (x) e g (x), de tal modo que: f (x) = h (x) - g (x) = 0 O ponto de interseção de h (x) com g (x) fornece a raiz de f (x) = 0. Exemplo: f (x) = sen x - cos x h (x) = sen x g (x) = cos x UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 27 III.3 - Métodos Numéricos III.3.1 - Determinação do intervalo onde se encontra a raiz real Suponha que a função f (x) seja continua em [a , b]. Admitindo-se que: A. Se f (x) tem sinais diferentes em dois pontos de abcissas a e b, então a função se anula pelo menos uma vez em [a , b] ou em geral um número ímpar de vezes. B. Se f (x) tem sinal igual em dois pontos de abcissas a e b, ou f (x) não se anula em [a , b], ou se anula um número par de vezes. C. Se f (x) é constantemente crescente (decrescente) em [a , b], e se f '(x) tem sinal determinado, e além disso o sinal de : a) f (a) sinal de f (b)≠ , com certeza existe uma única raiz em [a , b]. b) f (a) sinal de f (b)= , não existe raiz em [a , b]. (a) (b) UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 28 Exemplo: Analise a existência de raízes da equação f (x) = x - cos = 0 , nos quatro quadrantes. Solução: f (x) = h (x) - g (x) h (x) = x → contínua g (x) = cos x → contínua f (x) é contínua em todo ℜ f '(x) = 1 + sen x A. 0 2 , π f f ( )0 1 0 2 2 0 = − < = > π π f (x) é contínua em 0 2 , π f '(x) > 0 em 0 2 , π ⇒ ∃ uma raiz em 0 2 , π _______________________________________ B. π π 2 , f f π π π π 2 2 0 1 0 = > = + >( ) f (x) é contínua em π π 2 , f '(x) > 0 em π π 2 , ⇒ não existe uma raiz em π π 2 , C. π π, 3 2 f f ( )π π π π = + > = > 1 0 3 2 3 2 0 f (x) é contínua em π π, 3 2 f '(x) > 0 em π π, 3 2 ⇒ não existe uma raiz em 2 3 , ππ _______________________________________ D. 3 2 2 π π, f 3 2 3 2 0 π π = > f ( )2 2 1 0π π= − > f (x) é contínua em 3 2 2 π π, f '(x) > 0 em 3 2 2 π π, ⇒ não existe uma raiz em 3 2 2 π π, UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 29 III.3.2 - Método de Newton-Raphson (método das tangentes) III.3.2.1 - Introdução Seja a equação f (x) = 0 que possua uma raiz real em [a , b] . O método consiste em traçar a tangente à curva f (x) em uma de suas extremidades e determinar a interseção da tangente com o eixo das abcissas. Se o ponto for a raiz, o problema está resolvido! Caso contrário, determina-se o valor da f (x) nesse ponto e repete-se o procedimento anterior. O critério de parada desse procedimento é quando se encontra a raiz com a precisão desejada. θ β III.3.2.2 – Dedução da fórmula de iteração do Método Do triângulo retângulo temos: tg f a x a a f a x a x a f a f a θ = − − = − − = − ( ) ( ) ( ) ( ) ( ), 1 1 1 f , De modo análogo: tg f x x x x f x x x x x f x f x β = − − = − − = − ( ) ( ) ( ) ( ) ( ), 1 2 1 1 1 2 1 2 1 1 1 f , Generalizando: x x f x f x n n n n + = −1 ( ) ( ), UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 30 III.3.2.3 - Critério de Fourrier condição de convergência Se aplicarmos o mesmo critério no extremo b, o intervalo para determinar a raiz aumentaria. Neste caso, para escolhermos adequadamente o extremo, aplicamos o critério de Fourrier, que é: a) f '(x) tem que ter sinal determinado em [a , b] . b) f "(x) não pode se anular em [a , b] . c) Escolhe-se o extremo em que f (x) · f "(x) > 0 Exemplo: Determine a raiz da equação f (x) = x + ln x = 0 , com 2 decimais exatas. Solução: A. Método Gráfico: f (x) = h (x) - g (x) h (x) = ln x g (x) = - x f (0 , 5) < 0 f (0 , 6) > 0 Logo a raiz ∈ [0,5 ; 0,6] B. Método numérico de Newton-Raphson B.1 - Critério de Fourrier a) f x x ,( ) = + >1 1 0 em [0,5 ; 0,6] → sinal determinado b) f x x ,,( ) = − 1 2 não se anula em [0,5 ; 0,6] c) f f f ( , ) , ( , ) ( , ) ( , ) ,, ,, 0 5 0193147 0 5 4 0 5 0 5 0 = − = − ⋅ > f Extremo escolhido 0,5 (x0 = 0,5) UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 31 B.2 - Newton-Raphson 1o. Iteração: x x f x f x x f f x x x x 1 0 0 0 1 1 1 1 0 0 5 0 5 0 5 0 5 01931471 3 0 5643823 0 0643823 0 001 = − = − = − − = − = > ( ) ( ) , ( , ) ( , ) , ( , ) , , , , , (*) 2o. Iteração: x x f x f x x x x 2 1 1 1 2 2 1 0 5671389 0 00275668 0 001 = − = − = > ( ) ( ) , , , , 3o. Iteração:001,00000043,0 5671432,0 )( )( 23 3 2 , 2 23 <=− = −= xx x xf xf xx Resp: x = 0,56 + 0,01 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 32 III.3.3 - Erro de truncamento Desenvolvendo-se f (x) em Série de Taylor e considerando até o termo que envolve a segunda derivada, temos: f x f a f a x a f x a ( ) ( ) ( ) ( ) ( ) ( ), ,,= + ⋅ − + ⋅ −ε1 2 2 , onde ε1 ∈ [a , x] Seja x a raiz de f (x) = 0 ⇒ f ( x ) = 0 0 = f (a) + f ’(a)·( x - a) + f x a,,( ) ( )ε1 2 2 ⋅ − Supondo f ’(a) ≠ 0 , vamos dividir a expressão acima por f ’(a). 2 )( )( )( )( )( 2 )( )( )( )( )( )( 0 2 _ , 1 ,, , 2 _ , 1 ,, , ax af f af af ax ax af f ax af af −⋅−−= −⋅+−+= ε ε Os dois primeiros termos do segundo membro da igualdade acima é a aproximação de x , segundo Newton-Raphson. O erro que se comete no método de Newton-Raphson é: 2 )( )( )( 2 _ , 1 ,, ax af f ET −⋅= ε Como não se conhece ε1 e x , então avaliamos o erro por meio de cotas superiores. Seja: h b a k x k h f a = − = < ⋅ ⋅ max f em [a , b] Logo: E,, T( ) ( ), 2 2 → Observação: a convergência do método de Newton-Raphson é quadrática. Exemplo: Resolva a equação: f (x) = x · (log x) - 5 = 0, sabendo que a raiz pertence ao intervalo [6,7]. Após 2 iterações qual é a precisão do resultado? Solução: A. Critério de Fourrier A.1 - f '(x) tem que ter sinal determinado em [6,7]. f x x x x e f x x c , , ( ) log log ( ) log = + ⋅ = + 1 > 0 em [6,7] A.2 - f "(x) não pode se anular em [6,7]. De fato f x x e,,( ) log= >1 0 em [6,7]. A.3 - Escolha do extremo f x f x f f ( ) ( ) ( ) ( ) ,, ,, ⋅ > ⋅ > 0 7 7 0 B. Método de Newton-Raphson 1o. Iteração: x f f 1 7 7 7 6 2842804= − =( ) ( ) , , UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 33 Análise do erro: ET < ⋅ ⋅ k h f a 2 2 ,( ) ⇒ 6 < 6,28 < 7 h = 7 - 6,2842804 k = máx |f "(x)| em [6,28 ; 7] = log , e 6 284804 a = 7 → f ’(7) 0,013835= 1,27939242 0,0691080,5122545 E × ×< ; Temos 1 significativo exato. 2o. Iteração: x = x - f (x f = 6,2709245 2 1 1 , ) ( )x1 Análise do erro: ⇒ 6 < 6,27 < 6,28 < 7 h = 6,2842804 - 6,2709245 k = máx |f "(x)| em [6,27 ; 6,28] a = 6,2842804 E T< 0,00000501137 ⇒ 5 decimais exatas. III.3.4 - Método das Partes Proporcionais O método consiste em determinar a raiz da equação f (x) = 0, sabendo que a mesma pertence ao intervalo [a , b], no qual f (a) · f (b) < 0. Substituímos o arco AB ponto A (a , f (a) ) e ponto B (b , f (b) ) pela corda AB, que determina um ponto P (x , 0) no eixo das abcissas. Se x1 for a raiz, já se alcançou o objetivo. Caso contrário, repete-se o processo acima descrito. O critério de parada é dado pela condição: | xn+1 - xn | < ε, onde ε é a precisão desejada para a raiz. C(b, f(a))C1C2 R B1 B2 PP2 P1 A(a,f(a)) B(b,f(b)) UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 34 III.3.4.1 - Fórmula de iteração para calcular a raiz: ∆ ∆ ABC PRB PR AC ≈ = ⇔ − − = − − = − − − RB CB b x b a f b f a f b x b b a f b f a f b 1 1 ( ) ( ) ( ) ( ) ( ) ( ) De modo análogo: ∆ ∆ AC P PB P P AC 1 1 1 1 1 1 1 1 1 2 1 1 1 1 2 1 1 1 1 B PB C B x x x a f x f a f x x x x a f x f a f x ≈ = ⇔ − − = − − = − − − ( ) ( ) ( ) ( ) ( ) ( ) Generalizando: Observações: 1) Se a função for constantemente crescente, o extremo fixo é o B (b , f (b) ), e a fórmula de iteração será: 2) Para se escolher o extremo fixo, basta aplicar a condição: f (x) · f "(x) > 0 3) Este método também é conhecido como “Regula Falsi” ou Falsa Posição. 4) A convergência do método não é quadrática e nem linear. )( )()(1 nn n nn xfafxf ax xx − −−=+ )( )()(1 nn n nn xfbfxf bx xx − −−=+ UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 35 III.3.5 - Método das Aproximações Sucessivas Queremos determinar a raiz de f (x) = 0 e f (x) de tal forma que pode ser escrita como h (x) - g (x) , onde g (x) = x e consequentemente , x = h ( x) Representação gráfica do método. h(x) x0 Seja x0 uma aproximação inicial para solução de x = h (x). x1 = h (x0) Como aproximação seguinte, toma-se x2 = h (x1). E assim sucessivamente até determinar a solução. De um modo geral: xn = h ( xn-1 ), onde xn é a raiz procurada. O método das aproximações sucessivas só converge no caso em que | h '(x) < 1 |. Se | h '(x) | > 1 , acontece que a cada iteração nos afastamos mais da raiz. 1.1.1 Convergência do Método A conclusão da convergência do método pode ser provada por um raciocínio elementar. Note que: x = h (x ) ⇒ xn = h (xn - 1) ⇒ xn - x = h (xn-1) - h (x ). Multiplicando-se à direita por ( ) ( ) x x x x n n − − − − 1 1 e utilizando o teorema do valor médio temos: )( onde ,)( )( 11 , xxxxhxx nnn −∈−=− −− ξξ . Seja M o valor máximo absoluto de h (x) no intervalo [a , b] : | xxn − | ≤ M |x xn− −1 | Mas, x xn− −1 | ≤ M xxn −−2 , então | xxn − ≤ M2 xxn −−2 E assim sucessivamente: | xxn − ≤ M n | xx −0 | Se M< 1 em todo intervalo [a , b] seja qual for a escolha de x0, quando n aumentar, o membro à direita tornar-se-á menor e xn se aproximará de x . O critério de parada é quando duas iterações sucessivas diferirem por um dado ε. UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 36 Exemplo: Determinar a raiz da equação f (x) = x2 – sen x = 0, com 4 casas decimais e x0 = 0,9 Solução: Há vários modos de se escolher h(x), vejamos: h1(x) = x 2 + x– sen x e g (x) = x h2 (x) = senx e g (x) = x h3 (x) = arc sen x e g (x) = x Analisando, as primeiras derivadas das 3 funções, temos: Logo: x = 0,7071 ± 0,0001 III.3.6 - Problema das Raízes Múltiplas Suponha que f (x) = 0 admita várias raízes reais iguais. Por exemplo: f (x) = x3 - 11x2 + 39x - 45 = 0 , admita a raiz dupla x = 3 e a raiz simples x = 5. Podemos empregar um dos métodos vistos, ou especificamente o método de Newton-Raphson , e eliminar cada raiz encontrada. Isto é, se f (x) = an x n + an - 1 x n - 1 + ... + a0 é um polinômio de grau n e possuí n raízes, então f (x) = an (x - x1) (x - x2) (x - x3) ... (x - xn) , onde x1 , x2 , x3 , ... , xn são as raízes de f (x) = 0. Quando as raízes são múltiplas, então vários xi são iguais entre si. Para eliminarmos uma raiz da função f (x) basta dividir a função por (x - xi). Obtemos uma f1 (x) que é um polinômio de grau n-1 e procuramos as raízes de f1 (x) = 0 . A divisão sintética por uma raiz encontrada a fim de eliminá-la da função original dada é chamada deflação da função original e pode ser efetuada pelo computador usando o seguinte algoritmo: Suponha que f (x) = am x m + ...+ a0 , é dividido por (x - xn). Obtemos : Q (x) = bm x m - 1 + bm - 1 x m - 2 +...+ b0 R (x) = f (xn) Para se obter bi utilizamos a seguinte fórmula de recorrência. bm = am bi = ai + bi + 1 xn i = (m - 1), (m - 2), ..., 2, 1. Exemplo: Determinar as raízes de x3 - 11x2 + 39x - 45 = 0 , no intervalo [2 , 6], com 2 decimais exatas. Solução: f '(x) = 3x2 - 22x + 39 → f "(x) = 6x - 22 f f f f ( ) ( ) ( ) ( ) ,, ,, 6 9 6 24 6 6 0 = = ⋅ > Apliquemos Newton-Raphson no extremo 6 : )( )()(1 nn n nn xfbfxf bx xx − −−=+ UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 37 → x0 = 6 ⇒ x1 = 6 - f f ( ) ( ), 6 6 = 6 - 9 15 = 5,4 ⇒ x1 - x0 = 0,6 → x f f x x2 2 15 4 5 4 5 4 5 4 2 30 7 68510 0 3= − = − = ⇒ − =, ( , ) ( , ) , , , , ,, → x f f x x3 3 251 51 51 51 0 44 4 83 5 01 0 09= − = − = ⇒ − =, ( , ) ( , ) , , , , ,, → x f f x x4 4 35 01 5 01 5 01 5 01 0 04 4 08 5 00 0 01= = − = ⇒ − =, ( , ) ( , ) , , , , ,, Logo x 1 = 5,00 Façamos a divisão de f (x) por x -5. Utilizamos a fórmula de recorrência. R (x) = f (5) = 0 f1(x) = bm x m - 1 + bm - 1 x m - 2 + ... + b1 ≡ b3 x2 + b2x + b1 b a b a b x m m m m m = = = + ⋅ − − 1 1 1 b3 = a3 = 1 b2 = -11 + (1·5) = -6 b1 = 39 + ((-6)·5) = 9 ∴ f1(x) = x2 - 6x + 9 Busquemos as raízes de f1(x) = 0 no intervalo [2 , 5] f1’(x) = 2x - 6 f1’(2) = 1 → f1”(2) = 2 f1’(5) = 4 → f1”(5) = 2 f (5) · f ”(5) > 0 Apliquemos o método de Newton-Raphson no extremo 5. → x0 = 5 → x1 = 5 - f f x x1 1 1 0 5 5 5 4 4 4 1 ( ) ( ), = − = ⇒ − = → x f f x x2 1 1 2 14 4 4 4 1 2 3 5 0 5= − = − = ⇒ − =( ) ( ) , ,, → x f f x x3 1 1 3 23 5 3 5 3 5 3 25 0 25 1 3 25 0 25= − = − = ⇒ − =, ( , ) ( , ) , , , ,, → x f f x x4 1 1 4 33 25 3 25 3 25 3 25 0 06 0 5 3 25 012= − = − = ⇒ − =, ( , ) ( , ) , , , , , , → x f f x x5 1 1 5 4313 313 313 313 0 02 0 26 3 05 0 08= − = − = ⇒ − =, ( , ) ( , ) , , , , ,, → x f f x x6 1 1 6 53 05 3 05 3 05 3 05 0 002 01 3 03 0 02= − = − = ⇒ − =, ( , ) ( , ) , , , , ,, → x f f x x7 1 1 7 63 03 3 03 3 03 3 03 0 0009 0 06 3 01 0 02= − = − = ⇒ − =, ( , ) ( , ) , , , , ,, → x f f x x8 1 1 8 73 01 3 01 3 01 3 01 0 0001 0 02 3 00 0 02= − = − = ⇒ − =, ( , ) ( , ) , , , , ,, → x f f x x9 1 1 9 83 00 3 00 3 00 3 00 0 00= − = ⇒ − =, ( , ) ( , ) , ,, Logo x 2 = 3,00 Partamos em busca da outra raiz. Façamos a divisão de f1 (x) por (x - 3): UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 38 R (x) = f1 (3) = 0 f2 (x) = b2 x + b1 b a b f x x2 2 1 2 1 6 1 3 3 3 = = = − + × = − ∴ = − ( ) ( ) ( ) Mas a raiz de f2 (x) é 3. Logo as raízes são 3, 3 e 5. III.3.7 - Raízes Complexas - Método de Newton-Raphson Seja f (x) = 0 uma equação em os coeficientes são reais, mas que admita raízes complexas. Neste caso a equação admitirá um número par de raízes complexas e se x1 = α + βi for raiz de f (x) = 0 então x2 = α - βi também será raiz de f (x) = 0. Podemos empregar o método de Newton-Raphson: x x f x f xi i i i + = −1 ( ) ( ), , sendo que a estimativa inicial x0 é complexa. Exemplo : f (x) = x2 + x + 1 Solução: Como todos os coeficientes são reais, a equação é do 2o. grau e ∆ < 0, então deve admitir 2 raízes complexas. Façamos x0 = 1 + i ⇒ f ’(x) = 2x + 1 1. x i f i f i i i i i i i i i i i i i 1 1 1 1 1 2 3 3 2 1 2 3 3 2 9 4 1 12 5 13 1 12 13 5 13 1 13 8 13 0 77 0 62 = + − + + = + − + + = + − + − + ⇒ ⇒ + − + = + − + = + = + ( ) ( ) ( )( ) , , , 2. x i f i f i i2 0 77 0 62 0 77 0 62 0 77 0 62 0 52 0 63= + − + + = − +( , , ) ( , , ) ( , , ) , ,, 3. x i f i f i i3 0 52 0 63 0 52 0 63 0 52 0 63 0 49 0 91= − + − − + − + = − +( , , ) ( , , ) ( , , ) , , , 4. x i f i f i i4 0 49 0 91 0 49 0 91 0 49 0 91 0 4997 0 8670= − + − − + − + = − +( , , ) ( , , ) ( , , ) , ,, 5. x i f i f i i5 0 4997 0 8670 0 4997 0 8670 0 4997 0 8670 0 499999963 0 86602591= − + − − + − + = − +( , , ) ( , , ) ( , , ) , ,, 6. x x f x f x i6 5 5 5 0 49999999 0 86602540= − = − +( ) ( ) ( ) , ,, 7. x x f x f x i7 6 6 6 0 5 0 86602540= − = − +( ) ( ) ( ) , ,, 8. x x f x f x i8 7 7 7 0 5 0 86602540= − = − +( ) ( ) ( ) , ,, Logo x = − +0 5 0 86602540, , i Observação: Estes resultados foram retirados do livro do Stark, página 122. UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 39 Lista de exercícios sobre a Unidade III 1) Dada a equação f(x) = x3 - 3x - 1 = 0, determine os intervalos de amplitude 1, onde se encontram as suas raízes. 2) Determine a raiz da equação f(x) = x ex - 2 = 0, com duas decimais exatas, usando o método de Newton-Raphson. 3) Determine as raízes de f(x) = x2 - 2 = 0, com 4 decimais exatas, usando o método das partes proporcionais. 4) Determine as raízes de f(x) = (5 - x) ex - 5 = 0, com 3 decimais exatas. 5) Determine as raízes de f(x) = x3 - 0,2 x2 - 0,2 x - 1,2 = 0, com 4 decimais exatas. 6) Determine as raízes de f(x) = x3 - 4 x + 2 = 0, com 3 decimais exatas. 7) Dada f(x) = tg x - x = 0, determine : a) o intervalo onde se encontram as raízes reais; b) a menor raiz positiva, com 3 decimais exatas, pelo método de Newton- Raphson. 8) Idem para a equação f(x) = x2 - sen x = 0. Trabalho Computacional: Programar o método de Newton-Raphson para determinar a raiz da equação : f (x) = x3 - 0,2x2 - 0,2x -1,2 = 0 , com 8 decimais exatas. Imprima cada iteração e o erro cometido em cada uma. UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 44 Unidade IV - Sistemas Lineares IV.1 - Introdução O Problema que aparece no cálculo de estruturas, em redes elétricas, e em solução de equações diferenciais é o da resolução de um sistema linear de “ n ” equações a “ n ” incógnitas. Sn é um sistema tal que: S a x x x a x x x a x x x n n n n n n nn n = + + + + + + 11 1 12 2 21 1 2 2 1 1 2 2 a + a = b a + a = b + a + a = b 1n 1 22 2 n Λ Λ Μ Μ Λ Μ Μ Λ S an j n = ≤ ≤ = ∑ i j j x (1 i n) 1 Sob a forma matricial Sn pode ser escrito como A x = b, onde A é uma matriz de ordem “ n ” , b e x são matrizes n × 1. A matriz B = a a a b a a a b a a a b n n n n nn n 11 21 1 1 21 22 2 2 1 2 Λ Λ Μ Μ Λ Μ Μ Λ é chamada de matriz estendida do sistema Sn . Definição: O vetor x = ( x 1 , x 2 , ... , x n ) t constitui uma solução para Sn se para xi = x i (1≤ i ≤ n) as equações de Sn forem satisfeitas. Um sistema linear pode ser classificado do seguinte modo: 1. Compatível (quando possuí solução): a. Determinado (única solução) b. Indeterminado (infinitas soluções) 2. Incompatível (quando NÃO possuí solução) Exemplos: 1) O sistema Ax = 0 é homogêneo e todo sistema homogêneo é compatível, pois admite pelo a solução trivial. 2) O sistema S2 = x x x x 1 2 1 2 0 1 + = + = é incompatível. Geometricamente temos: x 2 x1 + x2 = 0 x 1 x1 + x2 = 1 As retas são paralelas UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 45 3) O sistema S2 = x x x x 1 2 1 2 0 0 + = − = O sistema é incompatível e determinado. Geometricamente temos: x 2 x1 - x2 = 0 x 1 x1 + x2 = 0 4) O sistema S2 = x x1 2 1 2 0 2 2 0 + = − = x x é incompatível indeterminado. Geometricamente temos: x 2 x 1 Retas Coincidentes x1 + x2 = 0 2x1 + 2x2 = 0 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 46 IV.1.1 - Sistemas triangulares Seja Sn um sistema da forma Ax = b, onde A = ai j tal que: aij = 0 se j < i com i, j = 1, n ou: S a a n 22 nn = + + + = + + = = a x a x a x b x a x b x b n n n n n n 11 1 12 2 1 1 2 2 2 ... ... Ο Μ Μ Μ Um sistema deste tipo é dito triangular superior. Observe que os sistemas triangulares superiores determinados, isto é, quando ai j ≠ 0 (i, j = 1,n) são facilmente resolvidos pelo processo retroativo, que consiste em: a) Obter o valor de xn da n-ésima equação por meio da relação: xn = b a n nn (ann ≠ 0) b) Substituir o valor de xn na equação de ordem (n-1) para obter xn - 1 . E assim sucessivamente, até calcular x1 . Se algum elemento da diagonal principal for zero, teremosa situação: ax ,se:1 = − = + ∑b a xij j j i n 1 1 b a xij j j i n 1 1 = = + ∑ → sistema indeterminado b1 ≠ = + ∑a xij j j i n 1 → sistema incompatível Exemplo: Resolver o S4 pelo processo retroativo: S x x - 2x 4x - 5x 2 4 4 3 4 = + − + = − + = − = = 3 4 5 10 1 3 2 1 2 3 4 2 3 4 x x x x x Solução: Da 4a. equação vem: x4 2 2 1= = Da 3a. equação vem: x3 3 5 4 2= + = Da 2a. equação vem: x2 1 2 2 1 1= − − + = − Da 1a. equação vem: x1 10 4 10 1 3 1= − + + − = Resposta : x = (1 -1 2 1) UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 47 IV.1.2 - Norma de um vetor Norma de um vetor x = (x1 , x2 , x3 ,..., xn) é todo número real denotado por || ||, associado a x, que satisfaz a: 1. || x || > 0 e || x || = 0 ↔ x = ρ 0 2. || x + y || ≤ || x || + || y || onde x, y ∈ rn 3. || c · x || = | c | · || x || onde c ∈ r Definição 1: A maior componente em módulo do vetor x é uma norma para x. || x || = máx | xi | onde 1 ≤ i ≤ n x = (3 – 50) x + y = (5 – 4 3 ) ||x|| = 5 ||x + y|| = 5 ≤ ... ||x|| + ||y|| = 8 y = (2 1 3) ||y|| = 3 Seja c = -2 c · x = (-6 10 0) || c x || = 10 = | c | · || x || Definição 2: O | |xi i n = ∑ 1 também é uma norma para o vetor x. É conhecida como norma c. IV.1.3 - Transformações elementares São operações sobre as equações dos sistemas lineares, tais como: a) Trocar a ordem de duas equações do sistema; b) Multiplicar uma equação do sistema por uma constante não nula; c) Adicionar duas equações do sistema. Definição : Dois sistemas lineares Sn e Sn’ são equivalentes quando Sn’ é obtido de Sn por meio de transformações elementares. Nesse caso, Sn tendo solução, Sn’ também terá. Os métodos para resolução de sistemas lineares são: I - Métodos de eliminação. II - Métodos iterativos. IV.2 - Método de eliminação de Gauss Dado o sistema Sn , a matriz estendida é: B a a a b a a a b a a a b n n n n nn n = 11 12 1 1 21 22 2 2 1 2 Λ Λ Μ Μ Μ Μ Μ Λ O método de Gauss consiste em transformar a matriz B em uma matriz triangular superior, da seguinte forma: 1 0 1 0 0 1 0 0 0 1 12 1 13 1 1 1 1 1 23 2 2 2 2 2 3 3 3 3 a a a b a a b a b b n n n n n ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Λ Λ Λ Μ Μ Μ Μ Μ Μ Λ , onde os índices superiores indicam o número de modificações realizadas em cada linha. UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 48 Aplica-se o processo retroativo para se obter a solução desejada. Algoritmo do método: Eliminação de ordem k: 1. Supondo akk ( k - 1) ≠ 0, dividir a linha lk( k -1) por akk( k - 1) (“pivô”), obtendo-se assim uma nova linha lk ( k ) . 2. “Zerar” os elementos aik (i = i +1, n) usando-se a transformação: l i (k) = li (k - 1) - ai k · lk (k) , com (k = i +1, n) e (i = 2, n) . IV.2.1 - Condensação pivotal parcial Os métodos de eliminação são exatos, mas podem conduzir a soluções errôneas devido ao erro de arredondamento. Para evitar isto, usaremos a condensação pivotal parcial, cujo procedimento é redispor as linhas de tal forma que a linha do elemento pivô permaneça fixa e que o elemento pivô seja escolhido dentre os elementos da coluna que tem o maior valor absoluto. A finalidade da condensação pivotal parcial é: 1. Minimizar o erro de arredondamento. 2. Evitar a divisão por zero. 3. Testar a singularidade do sistema. Exemplo: Resolver o sistema S x x x x x x x x x 3 1 2 3 1 2 3 1 2 3 2 3 40 39 36 106 7 63 25 5 12 32 = + = + + = − + + = + pelo método de eliminação de Gauss com condensação pivotal parcial. Solução: 2 3 40 39 36 106 7 63 25 5 12 32 36 106 7 63 2 3 40 39 25 5 12 32 36 2 25 1 2 94 019 1 75 0 2 88 39 62 42 5 0 68 5 7 25 75 5 1 1 1 2 1 2 1 1 3 1 3 1 1 − → − → = = − = − → − − − → CPP L L L L L L L L ( ) ( ) ( ) ( ) ( ) / , , , , , , , , , → − − − → = − = + → − − − → CPP L L L L L 1 2 94 019 1 75 0 68 5 7 25 75 75 0 2 88 39 62 42 5 68 5 2 88 1 2 94 019 1 75 0 1 0 106 1106 0 0 39 315 39 315 2 2 2 1 3 2 3 1 2 2 , , , , , , , , , / ( , ) , , , , , , , , ( ) ( ) ( ) ( ) ( ) → = → − − − L L3 3 3 1 39 315 1 2 94 0 19 1 75 0 1 0106 1106 0 0 1 1 ( ) ( ) / , , , , , , Pelo Processo Retroativo: x3 = 1 x2 = - 1,106 + 0,106 = -1 x1 = -1,75 - 0,19 + 2,94 = 1 Resp.: x = (1 -1 1) t IV.3 - Métodos Iterativos A solução x de um sistema linear AX = B pode ser obtida utilizando-se um método iterativo, que consiste em gerar uma seqüência de soluções x(1), x(2), x(3), ..., x(k), aproximações de x , sendo dada uma aproximação inicial x(0). UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 49 Para se aplicar o método é necessário transformar o sistema dado em: x = F (x) + d , onde: • F é uma matriz de ordem n, chamada de matriz iteração; • x, d são matrizes n × 1 Sendo x(0) = (x1 (0), x2 (0), ..., xn (0)) a aproximação inicial, determinamos: x Fx d x Fx d x Fx d x Fx dk k (1) ( ) ( ) (1) ( ) ( ) ( ) ( ) = + = + = + = +− 0 2 3 2 1 Μ Μ O critério de parada é dado por lim ( ) k kx x →∞ − = 0 . Neste caso, temos x(k) como solução aproximada. Obs.: x x má x x xk i k i ( ) ( )− = − ≤ ≤1 i n IV.3.1 - Método de Jacobi Considere o sistema: S a x a x a x b a x a x a x b a x a x a x b n n n n n n n nn n n = + + + = + + + = + + + = 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 ... ... ... Μ Μ Κ Μ Μ Explicitemos x1 na 1ª equação x2 na 2ª equação Μ Μ x n na n-ésima equação Daí resulta: x )( 1 k = 1 (b1 – a12 x2 – a13 x )1( −k x - ... – a1n x )1( −k n a11 x )( 2 k = 1 (b2 – a21 x )1( 1 −k – a23 x )1( −k x - ... – a2n x )1( −k n É necessário que aii ≠ 0 (i = 1,n). a22 . . . xn (k) = 1 (bn– an1 x )1( 1 −k – an2 x2 (k-1) - ... – an n-1 x )1( 1 − − k n a nn Desse modo, podemos escrever o sistema da forma x = F x + d. x = (x1 , x2, ..., xn ) t UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 50 F a a a a a a a a a a a a a a a a a a n n n nn n nn n nn = − − − − − − − − − 0 0 0 12 11 13 11 1 11 21 22 23 22 2 22 1 2 3 Λ Λ Μ Μ Μ Λ Μ Λ d b a b a b a n nn t = 1 11 2 22 Λ O método de Jacobi consiste em: 1. partindo-se da aproximação inicial x(0) 2. gera-se a seqüência de aproximações x(1), x(2), ..., x(k) 3. como critério de parada, utilizamos x xk k( ) ( )− <−1 ε , onde ε = precisão desejada para raiz. Exemplo: Resolver o sistema: S x x x x2 1 2 1 2 2 1 2 3 = − = + = pelo método de Jacobi, com 2 casas decimais exatas. Solução: Equações de iteração: x x x x X k k k k 1 2 1 2 1 1 0 1 2 1 1 2 3 0 9 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( , = + = − = − − 0,9) 1ª. Iteração x )1(1 = ½ (1+0,9) = 0,95 x )1(2 = ½ (3- 0,9) = 1,05 ||x(1) – x(0)|| = ||0,95 – 0,9) (1,05 – 0,9) || = ||(0,5) (0,15)|| = 0,15 > 10-3 2ª. Iteração x )2(1 = ½ (1+1,05) = 1,025 x )2(2 = ½ (3 – 0,95) = 1,025 ||x(2) – x(1)|| = 0,075 > 10-3 3ª.Iteração x )3(1 = ½ (1+1,025) = 1,0125 x )3(2 = ½ (3 – 1,025) = 0,9875 ||x3 – x2 || = 0,0375 > 10-3 UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 51 4ª. Iteração x1 (4) = ½ (1+ 0,9875) = 0,99375 x2 (4) = ½ (3 – 0,9875) = 0,99375 ||x4 – x3 || = 0,01875 > 10-3 5ª. Iteração x1 (5) = ½ (1+ 0,99375) = 0,996875 x2 (5) = ½ (3 – 0,99375) = 1,003125 ||x(5) – x(4)|| = 0,009375 > 10-3 6ª. Iteração x1 (6) = ½ (1+ 1,003125) = 1,0015625 x2 (6) = ½ ( 3 – 0,996875) = 1,0015625 ||x(6) – x(5)|| = 0,0046875 > 10-3 7ª. Iteração x1 (7) = ½ (1 + 1, 003125) = 1,00078125 x2 (7) = ½ (3 – 0.996875) = 0,99921875 ||x(7) – x(6)|| = 0,00234375 > 10-3 8ª. Iteração x1 (8) = ½ (1 + 0,99921875) = 0,99960938 x2 (8) = ½ (3 – 1,00078125) = 0,99960938 ||x(8) – x(7)|| = 0,00117187 > 10-3 9ª. Iteração x1 (9) = ½ (1 + 0,99960938) = 0,99980469 x2 (9)= ½ (3 – 0,99960938) = 1,00019531 ||x(9) – x(8)|| = 0,00058593 < 10-3 _ Resp: x = ( 0,99 1,00)t ± (0,01 0,01)t UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 52 IV.3.2 - Método de Gauss-Seidel Seja o sistema AX = b, na forma X = F X + b. O método iterativo de Gauss-Seidel consiste em: 1. partindo-se da solução inicial x(0) = ( x1 (0) x2 (0) x3 (0) ... xn (0) ) 2. gerar a seqüência de aproximações x(1), x(2), ..., x(k) através das equações de iteração: ) ... ( 1 ) ... ( 1 ) ... ( 1 ) ... ( 1 )( 1)1( )( 22 )( 11 )( )1( 3 )( 332 )( 2313 33 )( 3 )1( 2 )1( 323 )( 1212 22 )( 2 )1( 1 )1( 313 )1( 2121 11 )( 1 k nnn k n k nn nn k n k nn kkk k nn kkk k nn kkk xaxaxab a x xaxaxab a x xaxaxab a x xaxaxab a x −− − −− −−− −−−−= −−−−= −−−−= −−−−= ΜΜΜ 3. Como critério de parada utilizamos || x(k) - x(k - 1) || < ε ∴ε a precisão desejada. Obs.: Este método converge mais rápido que o de Jacobi. Exemplo: Resolver o sistema: 2x x x 1 − = + = 2 1 2 1 2 3x pelo método de Gauss-Seidel com 2 casas decimais. 1ª. Iteração x(0) = (0,9 0,9) ε = 0,001 3)0()1( )1( 2 )( 1 )( 2 )1( 1 )1( 2 )( 1 10125,0 025,1)95,03( 2 1 )3( 2 1 95,0)9,01( 2 1 )1( 2 1 − − >=− =−=⇒−= =+=⇒+= xx xxx xxx kk kk 2ª. Iteração x x x x 1 2 2 2 2 1 3 1 2 1 1 025 1 0125 1 2 3 1 0125 0 99375 0 0625 10 ( ) ( ) ( ) ( ) ( , ) , ( , ) , , = + = = − = − = > − 3ª. Iteração x x x x 1 3 2 3 3 2 3 1 2 1 0 99375 0 996875 1 2 3 0 996875 1 0015625 0 015625 10 ( ) ( ) ( ) ( ) ( , ) , ( , ) , , = + = = − = − = > − UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 53 4ª. Iteração 3)3()4( )4( 2 )4( 1 100039063,0 9996094,0)0007813,13( 2 1 0007813,1)0015625,11( 2 1 −>=− =−= =+= xx x x 5ª. Iteração 3)4()5( )5( 2 )5( 1 100009766,0 0009765,1)9992187,03( 2 1 9998047,0)9996094,01( 2 1 −<=− =−= =+= xx x x Resp: x = (0,99 1,00)t ± (0,01 0,01)t IV.3.3 - Convergência dos métodos iterativos Seja o sistema AX = b, na forma: (1) x = F x + d , e a iteração definida por: (2) x (k + 1) = F x (k) + d Subtraindo (1) de (2) → x (k + 1) - x = F (x (k) - x) Fazendo e(k + 1) = x (k + 1) - x → e(k + 1) = F e(k) Teorema : A condição suficiente para que a iteração dada em (2) convirja é que os elementos f i j da matriz F satisfaçam a desigualdade: | |f Li j i n < < = ∑ 1 1 j = 1, n Corolário 1: (Critério das linhas) A condição suficiente para que a iteração dada em (2) convirja é que: | | | |a ai i i j j j i n > = ≠ ∑ i = 1, n 1 Corolário 2: (Critério das colunas) A condição suficiente para que a iteração dada em (2) convirja é que: | | | |a aj j i j i i j n > = ≠ ∑ j = 1, n 1 Observações: 1. A matriz que satisfaz a hipótese dos corolários 1 ou 2 é chamada de matriz diagonal dominante estrita. 2. Na prática são usados os critérios de suficiência expressos nos corolários 1 ou 2, tanto para o método de Jacobi quanto para o método de Gauss-Seidel. Basta que o sistema satisfaça apenas a um desses critérios para se ter a convergência garantida, independente da escolha do vetor inicial. UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 54 IV.3.4 - Qual o método melhor ? Não se pode garantir de início que método será mais eficiente. Os métodos de eliminação se prestam a sistemas de pequeno porte com matrizes de coeficientes densos; também resolvem satisfatoriamente vários sistemas lineares com a mesma matriz de coeficientes. Os métodos iterativos, quando a convergência é garantida, são bastante vantajosos na resolução de sistemas de grande porte com matrizes de coeficientes esparsos ( grande quantidade de zeros entre seus elementos ). Os sistemas oriundos da discretização de equações diferenciais parciais são exemplos típicos. IV.3.5 - Noções de matrizes mal condicionadas Considere o sistema S x x2 2 1 1 001 2 001 0 999 1999 = + = = x + x 1 2 , , , , . Uma das soluções é x = (1 1)t . Se utilizarmos o método de Jacobi, na 5ª. Iteração encontraríamos como solução aproximada x 1 = (2,000 0,001) t , que diverge da solução. Isto aconteceu porque os coeficientes da matriz associada estão mal condicionados. Uma forma de se detectar o mal condicionamento é através do determinante normalizado de uma matriz. Se esse determinante for, sensivelmente, menor que 1 dizemos que a matriz está mal condicionada. Definição: Para a matriz A, associada ao sistema Sn , definimos determinante normalizado de A, e denotamos por det (norm A) a: det ( = det A ... 1 n norm A) α α α⋅ ⋅ ⋅2 , onde: n1,=i ... 223 2 2 2 1 iniiii aaaa ++++=α Obs.: No sistema S2 dado: 4135066,11999,0 4149208,1001,11 110105,0 000001,2 10,999 001,11 10,999 001,11 =A) (normdet 22 2 22 1 66 21 =+= =+= <<<×== ⋅ −− α α αα UERJ - CTC - IME - Departamento de Informática e Ciência da Computação Cálculo Numérico — Professora Mariluci Ferreira Po rtes 55 Lista de exercícios sobre a Unidade IV 1) Resolva pelo processo retroativo os seguintes sistemas : a) 3 x1 + 4 x2 - 5 x3 + x4 = -10 x2 + x3 - 2 x4 = -1 4 x3 - 5 x4 = 3 2 x4 = 2 b) 3 x1 + 4 x2 - 5 x3 + x4 = -10 x3 - 2 x4 = 0 4 x3 - 5 x4 = 3 2 x4 = 2 2) Resolva pelo método de Gauss, com condensação pivotal parcial. a) 2 x1 + 2 x2 + x3 + x4 = 7 x1 - x2 + 2 x3 - x4 = 1 3 x1 + 2 x2 - 3 x3 - 2 x4 = 4 4 x1 + 3 x2 + 2 x3 + x4 = 12 b) 8,7 x1 + 3,0 x2 + 9,3 x3 + 11,0 x4 = 16,4 24,5 x1 - 8,8 x2 + 11,5 x3 - 45,1 x4 = - 49,7 52,3 x1 - 84,0 x2 - 23,5 x3 + 11,4 x4 = - 80,8 21,0 x1 - 81,0 x2 - 13,2 x3 + 21,5 x4 = -106,3 c) x1 + x2 + 2 x3 = 4 2 x1 - x2 - x3 = 0 x1 - x2 - x3 = -1 3) Resolva os sistemas abaixo usando o método de Gauss-Seidel. a) x1 + x2 + x3 = 3 2 x1 - 2 x2 + x3 = 1 3 x1 - x2 + 2 x3 = 4 b) 2 x1 - x2 + x3 = 3 x1 + 3 x2 - 2 x3 = 1 x2 + 2 x3 = 8 Trabalho Computacional: Programar o método de Gauss com condensação pivotal parcial para resolver o sistema: 8,7 x1 + 3,0 x2 + 9,3 x3 + 11,0 x4 = 16,4 24,5 x1 - 8,8 x2 + 11,5 x3 - 45,1 x4 = - 49,7 52,3 x1 - 84,0 x2 - 23,5 x3 + 11,4x4 = - 80,8 21,0 x1 - 81,0 x2 - 13,2 x3 + 21,5 x4 = -106,3 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 52 Unidade V – Interpolação V.1 - Introdução Interpolar significa determinar valores intermediários entre valores dados de uma função. Suponha que um móvel, partindo do repouso, é dirigido com uma aceleração máxima até atingir 96 Km/h e que as leituras do velocímetro, com intervalos não eqüidistantes, são apresentadas no gráfico abaixo: y (km/h) 96 94 60 48 38 16 x 0 2 7 16 22 36 40 Desejaríamos que os pontos definissem uma curva suave. No entanto, devido a erros de leitura e outros fatores, os pontos não estão muito bem situados, pois as velocidades são grandes, e outras são pequenas. A solução do problema pode ser vista sobre dois aspectos: 1. Ajuste da curva: Neste caso a provável curva ajustável não necessariamente conterá os pontos medidos. O método utilizado é dos mínimos quadrados. 2. Interpolação: Neste caso são escolhidos polinômios que conterão os valores dos pontos medidos. V.2 - Interpolação Linear Seja f (x) uma função contínua e diferenciável da qual se conhece os seguintes valores: UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 53 x f (x) x 0 f (x 0) x 1 f (x 1) Μ Μ x i f (x i ) x i + 1 f (x i + 1 ) Μ Μ x n f (x n ) Temos (n + 1) pontos tabelados. Suponha que se deseja o valor de f (x ) para x ∈ [x i ; x i + 1 ] y f(xi+1) B f(x) F f(xi) A D E 0 xi x x i+1 x A interpolação linear consiste em determinar um polinômio de 1º. grau que contenha os pontos A (x i ; f (x i )) e B ( x i + 1 ; f (x i + 1 )). Os triângulos ABE e AFD são semelhantes. Daí resulta: FD BE AD AE f x f x f x f x x x x x i i i i i = ⇔ − − = − −+ + ( ) ( ) ( ) ( )1 1 1 Logo: f x f x x x x x f x f xi i i i i i( ) ( ) [ ( ) ( )]= + − − ⋅ − + + 1 1 Observe que para x x f x f x x x f x f x i i i i = ⇒ = = ⇒ = + + ( ) ( ) ( ) ( )1 1 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 54 f ( x ) = a 0 + a 1 x , onde a f x x x x x f x f x a f x f x x x i i i i i i i i i i 0 1 1 1 1 1 = − − − ⋅ − = − − + + + + ( ) [ ( ) ( )] ( ) ( ) Então temos um polinômio interpolador do 1º. grau. Aplicação: 1- Considere sen 0° e sen 10° = 0,17365. Determine sen 6,5°. x = 6,5 x i = 0 → f (x i) = 0 x i + 1 = 10 → f (x i + 1) = 0,17365 f ( x ) = sen 6,5° = 0 + 6 5 0 10 0 , − − [ 0,17365 - 0 ] = 0,11287 2- Considere agora sen 6° = 0,10453 e sen 7° = 0,12187 Calcule sen 6,5°: sen 6,5° = 0,10453 + 6 5 6 7 6 , − − [ 0,12187 - 0,10453 ] = 0,11320 V.3 - Polinômio Interpolador Para melhor aproximação de f (x) poderíamos escolher uma curva de ordem mais elevada. dados (n + 1) pontos, a curva de mais alto grau e o polinômio de grau n, cuja expressão é: P x a x a x a x an n n n n( ) = + + + +− − 1 1 1 0Λ Para se determinar os coeficientes basta observar que P x f xn i i( ) ( )= , i = 0 (1) n . Com isso temos o seguinte sistema linear: a x a x a x a f x a x a x a x a f x a x a x a x a f x n n n n n n n n n n n n n n n n n 0 1 0 1 1 0 0 0 1 1 1 1 1 1 0 1 1 1 1 + + + + = + + + + = + + + + = − − − − − − Λ Λ Μ Μ Λ ( ) ( ) ( ) A matriz associada ao sistema é: A= x x x x x x x x x n n n n n n n n n 0 0 1 0 1 1 1 1 1 1 1 1 − − − Λ Λ Μ Μ Μ Μ Μ Λ que é a matriz de Vandermond. det A= ji > π (xi – xj) UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 55 O determinante associado a essa matriz é não nulo desde que xi , i = 0 (1) n, sejam todos distintos. Como essa condição é satisfeita, então o sistema tem solução. Utilizando um dos métodos já estudados para resolver sistemas lineares, determinamos ai , i = 0 (1) n, e conseqüentemente Pn(x). Exemplo: Dados: sen 0° = 0; sen 30° = 0,5; sen 60° = 0,866025; sen 90° = 1. Determine a expressão do polinômio interpolador e o valor do sen 45°. Solução: P x a x a x a x a3 3 3 2 2 1 0( ) = + + + a a a a a a a a a a a a 3 3 2 2 1 0 3 3 2 2 1 3 3 2 2 1 3 3 2 2 1 0 0 0 0 0 30 30 30 0 5 60 60 60 0 866025 90 90 90 1 0 a a0+ + + = ⇒ = + + = + + = + + = , , , Resolvendo o sistema acima, temos: a1 = 0,178098 · 10 -1 a2 = - 0,199435 · 10 -4 a3 = 0,605409 · 10 -6 Logo: P 3(x) = 0,605409 · 10 -6 x3 - 0,199435 · 10 -4 x2 + 0,178098 · 10 -1 P 3 (45) = V.4 - Polinômio Interpolador de Lagrange Polinômio Interpolador de Lagrange de 1ª Ordem Considere x0, x1, f (x0), f (x1). A expressão do polinômio interpolador de 1ª ordem é: P 1(x) = a 1x + a 0 em que P1(x0) = f (x0) e P1(x1) = f (x1) P x a x a f x a x a f x a x a 1 1 0 0 1 0 0 1 1 1 0 0 0 0 ( ) ( ) ( ) − − = − − = − − = UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 56 Considere agora uma constante c = 1, e: c P x a x a c f x a x a c f x a x a ⋅ − − = ⋅ − − = ⋅ − − = 1 1 0 0 1 0 0 1 1 1 0 0 0 0 ( ) ( ) ( ) Então temos um sistema linear, com 3 equações e 3 incógnitas (c; a1; a0). A matriz associada ao sistema homogêneo é: P x x f x x f x x 1 0 0 1 1 1 1 1 ( ) ( ) ( ) − − − − − − O sistema homogêneo tem solução quando o determinante da matriz associada é nulo. Logo: x P x f x x f x x f x x P x x f x x x x P x x x x x x x P x x x x x f x x x x x f x 0 1 0 0 1 1 0 1 1 0 0 1 1 1 0 0 1 1 1 0 1 0 0 1 0 1 0 0 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )f ( ) ( )f ( ) ( ) ( ) ( ) + + − − − = − + − + − = = − − + − − Observe que P1(x0) = f (x0) e P1(x1) = f (x1). A expressão obtida pode ser escrita da seguinte forma: P x L x x L x x 1 0 0 1 1( ) ( )f ( ) ( )f ( )= + , onde Li(x) são os coeficientes de Lagrange, daí o polinômio interpolador de Lagrange de 1ª ordem. Generalizando ... O polinômio interpolador de Lagrange de ordem n , tem por expressão: P x L x x L x x L f x L x xi i n n 1 0 0 1 1( ) ( )f ( ) ( )f ( ) ( ) ( )f ( )= + + + + +Λ Λ , onde L x x x x x x x x x x x x x x x x x x x x xi i i n i i i i i i i n ( ) ( )( ) ( )( ) ( ) ( )( ) ( )( ) ( ) = − − − − − − − − − − − + − + 0 1 1 1 0 1 1 1 Κ Κ Κ Κ Note que: L i(xi) = 1 L i(xj) = 0 , i ≠ j Isto acarreta que Pn (xi) = f (xi) Uma fórmula compactada do Polinômio Interpolador de Lagrange de ordem n é: P x x x x x f xn j i jj i j n i i n ( ) ( ) ( ) ( )= − − ⋅ = = = ∏∑ 00 UERJ – CTC – IME – Departamento de Informática e Ciência da Computação Cálculo Numérico – Professora Mariluci Ferreira Por tes 57 Exemplo: Dados os valores f (0) = 7,3 ; f (0,5) = - 5,1 ; f (1) = 6 ; determine a expressão do Polin. Int. de Lagrange e f (0,8). Solução: P x L x x L x x L x x 2( ) ( )f ( ) ( )f ( ) ( )f ( )=
Compartilhar