Baixe o app para aproveitar ainda mais
Prévia do material em texto
NOTAS DE AULA Cálculo Numérico Universidade Tecnológica Federal do Paraná - UTFPR - Professores: Lauro Cesar Galvão Luiz Fernando Nunes Cálculo Numérico – (Lauro / Nunes) ii Índice 1 Noções básicas sobre Erros ........................................................................... 1-1 1.1 Erros ............................................................................................................. 1-1 1.2 Erros Absolutos e Relativos ............................................................................ 1-1 1.2.1 Erro Absoluto.................................................................................................................. 1-1 1.2.2 Erro Relativo ou Taxa de Erro ......................................................................................... 1-2 1.3 Erros de Arredondamento e Truncamento...................................................... 1-2 1.3.1 Erro de Arredondamento ............................................................................................... 1-2 1.3.2 Erro de Truncamento ..................................................................................................... 1-2 1.4 Aritmética de Ponto Flutuante ....................................................................... 1-2 1.5 Conversão de Bases ....................................................................................... 1-3 1.5.1 Conversão da Base para a Decimal (10) ................................................................ 1-3 1.5.2 Conversão da Base Decimal para a (10) ................................................................ 1-4 1.5.3 Exercícios: Conversão de Bases ...................................................................................... 1-6 1.6 Operações de Pontos Flutuantes .................................................................... 1-7 1.6.1 Representações .............................................................................................................. 1-7 1.6.2 Exercícios ........................................................................................................................ 1-7 1.6.3 Exercícios complementares ............................................................................................ 1-8 2 Zeros reais de funções reais ........................................................................ 2-11 2.1 Introdução .................................................................................................. 2-11 2.2 Fase I: Isolamento das raízes ........................................................................ 2-11 2.3 Fase II: Refinamento - Critérios de Parada .................................................... 2-15 2.3.1 Método da Bissecção (ou Método da Dicotomia) ........................................................ 2-15 2.3.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das Aproximações sucessivas) 2-18 2.3.3 Método de Newton, Newton-Raphson (ou Método das Tangentes) ........................... 2-26 2.3.4 Método da Secante ...................................................................................................... 2-29 2.3.5 Comparação entre os métodos .................................................................................... 2-32 3 Resolução de sistemas de equações lineares .............................................. 3-34 3.1 Introdução .................................................................................................. 3-34 3.1.1 Forma Algébrica de Sn .................................................................................................. 3-34 3.1.2 Forma Matricial de Sn .................................................................................................. 3-34 3.1.3 Matriz Aumentada ou Matriz Completa do Sistema .................................................... 3-34 3.1.4 Solução do Sistema ...................................................................................................... 3-34 3.1.5 Classificação de um Sistema Linear .............................................................................. 3-34 3.1.6 Classificação quanto ao Determinante de A ................................................................ 3-35 3.2 Métodos diretos .......................................................................................... 3-35 3.2.1 Método de Eliminação de Gauss .................................................................................. 3-35 3.2.2 Estratégia de Pivoteamento Completo ........................................................................ 3-38 3.2.3 Fatoração LU ................................................................................................................ 3-40 3.2.4 Refinamento de Soluções ............................................................................................. 3-46 3.3 Métodos iterativos ...................................................................................... 3-47 3.3.1 Testes de parada .......................................................................................................... 3-47 3.3.2 Método de Gauss-Jacobi .............................................................................................. 3-47 3.3.3 Método de Gauss-Seidel .............................................................................................. 3-50 3.3.4 Comparação entre os métodos .................................................................................... 3-51 3.3.5 Critério de Sassenfeld ................................................................................................... 3-53 Cálculo Numérico – (Lauro / Nunes) iii 4 Interpolação .............................................................................................. 4-55 4.1 Interpolação polinomial ............................................................................... 4-55 4.1.1 Existência e Unicidade do Polinômio Interpolador Pn(x) .............................................. 4-55 4.1.2 Forma de Lagrange ....................................................................................................... 4-56 4.1.3 Forma de Newton ......................................................................................................... 4-58 4.2 Estudo de erro na interpolação .................................................................... 4-59 4.2.1 Estimativa para o Erro .................................................................................................. 4-60 4.3 Interpolação inversa: casos existentes.......................................................... 4-61 4.3.1 Encontrar x tal que nP )(x ...................................................................................... 4-61 4.3.2 Interpolação inversa ..................................................................................................... 4-62 4.4 Funções spline em interpolação ................................................................... 4-63 4.4.1 Função Spline ............................................................................................................... 4-64 4.4.2 Spline linear interpolante ............................................................................................. 4-64 4.4.3 Spline cúbica interpolante ............................................................................................ 4-65 5 Ajuste de curvas pelo método dos mínimos quadrados ............................... 5-71 5.1 Introdução .................................................................................................. 5-71 5.2 Caso Discreto ............................................................................................... 5-72 5.3 Caso Contínuo............................................................................................. 5-76 5.4 Família de Funções Não Lineares nos Parâmetros ......................................... 5-79 6 Integração Numérica ................................................................................. 6-81 6.1 Fórmulas de Newton-Cotes .......................................................................... 6-81 6.1.1 Regra dos Trapézios ..................................................................................................... 6-81 6.1.2 Regra dos Trapézios repetida ....................................................................................... 6-83 6.1.3 Regra 1/3 de Simpson .................................................................................................. 6-84 6.1.4 Regra 1/3 de Simpson repetida .................................................................................... 6-87 7 Solução numérica de equações diferenciais ordinárias ................................ 7-90 7.1 Introdução .................................................................................................. 7-90 7.2 Problema de valor inicial (PVI) ..................................................................... 7-91 7.2.1 Solução numérica de um PVI de primeira ordem......................................................... 7-91 7.2.2 Método de Euler ........................................................................................................... 7-91 7.2.3 Métodos de Runge-Kutta ............................................................................................. 7-94 7.2.4 Método de Euler Aprimorado (Método de Runge-Kutta de Segunda Ordem) ............ 7-96 7.2.5 Fórmulas de Runge-Kutta de Quarta Ordem................................................................ 7-96 8 Referências Bibliográficas .......................................................................... 8-98 Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-1 1 Noções básicas sobre Erros Fenômenos da natureza podem ser descritos através do uso de modelos matemáticos. MODELAGEM: é a fase de obtenção de um modelo matemático que descreve o comportamento do problema que se quer estudar. RESOLUÇÃO: é a fase de obtenção da solução do modelo matemático através da aplicação de métodos numéricos. 1.1 Erros Para se obter a solução do problema através do modelo matemático, erros são cometidos nas fases: MODELAGEM e RESOLUÇÃO. 1. Calcular a área da superfície terrestre usando a formulação 𝐴 = 4𝜋𝑟2. Resolução: Aproximações (ERROS): MODELAGEM: RESOLUÇÃO: OBS. 1: Características do planeta Terra. Características Físicas: Diâmetro Equatorial: 12756Km; Diâmetro Polar: 12713Km; Massa: 5,981024Kg; Perímetro de Rotação Sideral: 23h 56min 04seg; Inclinação do Equador Sobre a Órbita: 23o 27’. Características Orbitais: Raio da Órbita, isto é, 1U.A. (unidade astronômica): 149897570Km; Distância Máxima do Sol: 152100000Km; Distância Mínima do Sol: 147100000Km; Período de Revolução Sideral: 365dias 6h 9min 9,5seg; Velocidade Orbital Média: 29,79Km/seg. 1.2 Erros Absolutos e Relativos 1.2.1 Erro Absoluto É o módulo da diferença entre um valor exato 𝑥 de um número e seu valor aproximado �̅�. 𝐸𝐴𝑥 = |𝑥 − �̅�|, onde 𝑥 é o valor exato e �̅� é o valor aproximado. Geralmente não se conhece o valor exato 𝑥. Assim, o que se faz é obter um limitante superior (𝑘1 majorante) ou uma estimativa para o módulo do erro absoluto. |𝐸𝐴𝑥| ≤ 𝑘1. MODELAGEM MODELO MATEMÁTICO RESOLUÇÃO SOLUÇÃOPROBLEMA Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-2 1.2.2 Erro Relativo ou Taxa de Erro Erro relativo de 𝑥 é o módulo do quociente entre o erro absoluto 𝐸𝐴𝑥 e o valor exato 𝑥 ou o valor aproximado �̅�, se 𝑥 ou �̅� ≠ 0. 𝐸𝑅𝑥 = | 𝐸𝐴𝑥 𝑥 | = | 𝑥−�̅� 𝑥 | ou 𝐸𝑅𝑥 = | 𝐸𝐴𝑥 �̅� | = | 𝑥−�̅� �̅� |. 2. Calcular os erros absoluto e relativo, nos itens a) e b). a) 𝑥 = 1,5 e �̅� = 1,49; b) 𝑦 = 5,4 e �̅� = 5,39. Resolução: 1.3 Erros de Arredondamento e Truncamento 1.3.1 Erro de Arredondamento Arredondar um número na casa 𝑑𝑖 é desconsiderar as casas 𝑑𝑖+𝑗 (𝑗 = 1,… ,∞) de tal forma que: 𝑑𝑖 seja a última casa se 𝑑𝑖+1 < 5; 𝑑𝑖 + 1 seja a última casa se 𝑑𝑖+1 ≥ 5. 3. Arredondar 𝜋 na quarta casa decimal, sendo que 𝜋 = 3,1415926535… Resolução: 1.3.2 Erro de Truncamento Truncar um número na casa 𝑑𝑖 é desconsiderar as casas 𝑑𝑖+𝑗 (𝑗 = 1,… ,∞). 4. Aproximar truncando na quarta casa decimal, sendo que 𝜋 = 3,1415926535… Resolução: 5. Sabendo-se que 𝑒𝑥 pode ser escrito através da fórmula abaixo, faça a aproximação de 𝑒2 através de um truncamento após quatro termos da somatória. 𝑒𝑥 =∑ 𝑥𝑖 𝑖! ∞ 𝑖=0 = 1 + 𝑥 1! + 𝑥2 2! + 𝑥3 3! + ⋯ , −∞ < 𝑥 < ∞ Resolução: 1.4 Aritmética de Ponto Flutuante Um número é representado, internamente, na máquina de calcular ou no computador através de uma seqüência de impulsos elétricos que indicam dois estados: 0 ou 1, ou seja, os números são representados na base 2 ou binária. De maneira geral, um número 𝑥 é representado na base por: Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-3 𝑥 = ± [ 𝑑1 𝛽 + 𝑑2 𝛽2 + 𝑑3 𝛽3 +⋯+ 𝑑𝑡 𝛽𝑡 ] ∗ 𝛽𝑒𝑥𝑝 Onde: 𝑑𝑖 são números inteiros contidos no intervalo 0 ≤ 𝑑𝑖 < 𝛽; 𝑖 = 1, 2, … , 𝑡; 𝑒𝑥𝑝 representa o expoente de e assume valores entre 𝐼 ≤ 𝑒𝑥𝑝 ≤ 𝑆; I, S limite inferior e limite superior, respectivamente, para a variação do expoente; [ 𝑑1 𝛽 + 𝑑2 𝛽2 + 𝑑3 𝛽3 +⋯+ 𝑑𝑡 𝛽𝑡 ] é chamada de mantissa e é a parte do número que representa seus dígitos significativos; t número de dígitos do sistema de representação. 6. Considerando no sistema de base 10, 10, represente os seguintes números, em aritmética de ponto flutuante: a) 0,34510; b) 31,41510. Resolução: OBS. 2: Os números assim representados estão NORMALIZADOS, isto é, a mantissa é um número entre 0 e 1. 7. Considerando no sistema binário, 2, represente o número 1012 em aritmética de ponto flutuante. Resolução: 1.5 Conversão de Bases 1.5.1 Conversão da Base para a Decimal (10) Um número na base pode ser escrito, na base decimal, como: m ni i ia m ma 1 1 m ma 2 2a 1a 0a 1 1 a 2 2 a 1 1 n na n na . Onde: ia 0 ia ; n , m números inteiros, com n 0 e m 0. Para a conversão, faz-se a operação entre a mantissa do número normalizado e a base exp . Nos exercícios a seguir, faça a conversão da base indicada para a decimal, determinando o valor da variável x . 8. 10112 10x . Resolução: Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-4 9. 11,012 10x . Resolução: 10. 403,125 10x . Resolução: 1.5.2 Conversão da Base Decimal para a (10) Aplica-se um processo para a parte inteira e um outro para a parte fracionária. a) PARTE INTEIRA ( N ): a.1) N 10N N . a.2) N N 1r 1q 2r 2q 1nq nr nq Até que nq 10N ( nq nr 1nr 3r 2 r 1r ) 11.Converta 5910 para a base 2. Resolução: 12. Converta 5910 para a base 3. Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-5 Resolução: b) PARTE FRACIONÁRIA ( F ): Multiplica-se F por e toma-se a parte inteira do produto como o primeiro dígito do número na base . Repete-se o processo com a parte fracionária do produto tomando sua parte inteira. Continua-se até que a parte fracionária seja igual a zero. Nos exercícios a seguir, determinar o valor de x : 13. 0,187510 2x . Resolução: 14. 0,610 2x . Resolução: 15. 13,2510 2x . Resolução: Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-6 1.5.3 Exercícios: Conversão de Bases Transforme para a base que se pede (determine o valor de x ). 16. 100101,10012 10x . Resolução: 17. 19,3867187510 4x . Resolução: 18. Transforme a medida 35 h 48 min 18 seg para minutos. DICA: 35:48,1860 10x min . Resolução: 19. Transforme 35,805 horas para horas, minutos e segundos. DICA: 35,80510 60x . Resolução: Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-7 1.6 Operações de Pontos Flutuantes 1.6.1 Representações Precisão dupla: “dobra” a mantissa (2 t ); O zero em ponto flutuante é em geral representado com o menor expoente ( exp I ) possível na máquina; Ao converter um número para determinada aritmética de ponto flutuante, emprega-se sempre o arredondamento; Não é possível representar todos os números reais em determinada aritmética de ponto flutuante (reta furada). OBS. 3: Um exemplo da reta furada é: Considere a aritmética de pontos flutuantes com parâmetros 10 e t 3. Tome os números consecutivos 3,57 e 3,58. Existem infinitos números reais entre 3,57 e 3,58 que não podem ser representados nesta aritmética de pontos flutuantes. Por exemplo: 3,571 ou 3,57437. 1.6.2 Exercícios 20. Preencher a tabela a seguir, com base nos parâmetros: 3, 10, 5, 5 e −5 ≤ exp ≤ 5. Número Truncamento Arredondamento 6,48 0,0002175 3498,3 0,00000001452 2379441,5 OBS. 4: Deve-se converter os valores para a aritmética de ponto flutuante com 3 algarismos significativos. Nos exercícios seguintes, calcular o valor das expressões utilizando aritmética de ponto flutuante com 3 algarismos significativos. 21. (4,26 9,24) 5,04 Resolução: t I S Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-8 22. 4,26 (9,24 5,04) Resolução: 23. (4210 4,99) 0,02 Resolução: 24. 4210 (4,99 0,02) Resolução: 25. 7 2 (4,0237 6,106) Resolução: 26. 7 1066023742 ),,( Resolução: OBS. 5: Em aritmética de ponto flutuante não valem as propriedades associativas nem distributivas. 27. Sendo 10, t 4 e exp [5,5], calcule: a) 42450 10 1 3 i ; b) 10 1 3 i 42450. Resolução: 1.6.3 Exercícios complementares Nos exercícios seguintes, converter os números para a base decimal, determinando o valor da variável x : 28. 11000112 10x . Resolução: 29. 11111112 10x . Resolução: Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-9 30. 10101012 10x . Resolução: 31. 101,00112 10x . Resolução: 32. 0,01111112 10x . Resolução: 33. 1,0100112 10x . Resolução: Nos exercícios seguintes, converter os números para a base binária, determinando o valor da variável x : 34. 3710 2x . Resolução: Cálculo Numérico Noções básicas sobre Erros Lauro / Nunes 1-10 35. 234510 2x . Resolução: 36. Determine x com 36 dígitos: 0,121710 2x . Resolução: 37. Determine x com 8 dígitos: 2,4710 2x . Resolução: Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-11 2 Zeros reais de funções reais 2.1 Introdução Dada uma função real f definida e contínua em um intervalo aberto I , chama-se de zero desta função em I , a todo x I , tal que f( x ) 0. Neste capítulo são apresentados alguns processos iterativos para calcular de forma aproximada os zeros reais de uma função real dada. Por um processo iterativo entende-se um processo que calcula uma seqüência de aproximações , , , da solução desejada. O cálculo de uma nova aproximação é feito utilizando aproximações anteriores. Dizemos que a seqüência , , , converge para , se dado 0, ℕ (ℕ números naturais), tal que qualquer que seja , . Neste caso tem-se que , o que também poderá ser indicado por . Nos processos iterativos que serão apresentados, a determinação dos zeros de uma função real de variável real será feita em duas etapas: Fase I: Isolar cada zero que se deseja determinar da função f em um intervalo [ a , b ], sendo que cada intervalo deverá conter um e somente um zero da função f . Fase II: Cálculo dos zeros aproximados utilizando um método iterativo, com precisão prefixada ou não. 2.2 Fase I: Isolamento das raízes Teorema 1 Seja f (x) uma função contínua num intervalo [a, b]. Se 𝑓(𝑎) ∙ 𝑓(𝑏) < 0, então existe pelo menos um zero de f (x) entre a e b. OBS. 1: Sob as hipóteses do teorema 1, o zero x será definido e único em [ a , b ] se a derivada 'f ( x ) existir e preservar o sinal dentro do intervalo ] a , b [, isto é se 'f ( x )0, x ] a , b [ ou 'f ( x )0, x ] a , b [. Isto significa dizer que a função f ( x ) é estritamente crescente ou estritamente decrescente, respectivamente, no intervalo ] a , b [. f 1x 2x 3x 1x 2x 3x x N n N xxn n n x lim x nx x y x y =f x( ) a b y x y =f x( ) a b Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-12 Na pesquisa dos zeros reais de funções reais é muito útil o uso do Teorema 1 (que fornece condições de existência de zeros em um intervalo), bem como da OBS 1. (que garante a unicidade, isto é, garante que no intervalo considerado existe um e somente um zero da função f ). Outro recurso bastante empregado é: a partir da equação 𝑓(𝑥) = 0, obter a equação equivalente ( ) ( ) e esboçar os gráficos destas funções obtendo os pontos onde as mesmas se intersectam, pois ()0 () (). 38. Isolar os zeros da função f ( x ) 3x 9 x 3. Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x 4 3 2 1 0 1 2 3 f ( x ) g x h x f g h y x y =f x( ) 4321-1-2-3-41 2 3 y x 4321-1-2-3-4 1 2 3 g x( ) h x( ) Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-13 39. Isolar os zeros da função 23,ln)( xxxf . Resolução: Pode-se construir uma tabela de valores para )(xf e analisar os sinais: x 1 2 3 4 )(xf y x y = f’ x( ) 4321-1-2-3-4 33- x y =f x( ) 0 -0,1 -0,2 -0,3 -0,4 -0,5 -0,6 -0,7 -0,8 -0,9 -1,0 -0,8 2,6 2,8 3,0 3,2 3,4 0,1 0,2 0,3 y Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-14 40. Isolar os zeros da função xxxf 4025 ,log)( . Resolução: Pode-se construir uma tabela de valores para )(xf e analisar os sinais: x 1 2 3 )(xf 41. Isolar os zeros da função xexxf 5)( . Resolução: Pode-se construir uma tabela de valores para )(xf e analisar os sinais: x 0 1 2 3 )(xf y x1 1 x( )f’ y x x( ) 21 3 2 1 h x( )g Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-15 2.3 Fase II: Refinamento - Critérios de Parada 2.3.1 Método da Bissecção (ou Método da Dicotomia) Este método é normalmente utilizado para diminuir o intervalo que contém o zero da função, para a aplicação de outro método, pois o esforço computacional cresce demasiadamente quando se aumenta a precisão exigida. O processo consiste em dividir o intervalo que contém o zero ao meio e por aplicação do Teorema 1, aplicado aos subintervalos resultantes, determinar qual deles contém o zero. 2 ba a, , b ba , 2 O processo é repetido para o novo subintervalo até que se obtenha uma precisão prefixada. Desta forma, em cada iteração o zero da função é aproximado pelo ponto médio de cada subintervalo que a contém. Assim, na figura anterior tem-se: 2 1 ba m , 2 1 2 ma m , 2 12 3 mm m , Desta forma, o maior erro que se pode cometer na: 1a iteração ( n 1): é 2 )( ab 2a iteração ( n 2): é 22 )( ab y x x( ) 21 3 2 1 h x( )g y x2 1 3 x( )f a bmm m Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-16 3a iteração ( n 3): é 32 )( ab n a iteração: é n ab 2 )( Se o problema exige que o erro cometido seja inferior a um parâmetro , determina-se a quantidade n de iterações encontrando o maior inteiro que satisfaz a inequação: n ab 2 )( que se resolve da seguinte maneira: n ab 2 )( log n ab 2 )( log )log( ab log n2 log )log( ab n log 2 log n 2log log)log( ab 42. Determinar um valor aproximado para 5 , com erro inferior a 210 . Resolução: Determinar 5 é equivalente a obter o zero positivo da função )(xf = 2x 5. n a x b f ( a ) f ( x ) f ( b ) ( b a )/2 1 2 3 4 5 6 7 Portanto 5 43. Um tanque de comprimento L tem uma secção transversal no formato de um semicírculo com raio r (veja a figura). Quando cheio de água até uma distância h do topo, o volume V da água é: V )(arcsen, 222250 hrh r h rrL . Supondo que L 10 ft , r1 ft e V12,4 3ft , encontre a profundidade da água no tanque com precisão de 0,01 ft . Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-17 Resolução: Pode-se construir uma tabela de valores para )(xf e analisar os sinais: h 1 0 1 )(hf Para se confirmar a unicidade deste zero neste intervalo, pode-se utilizar a OBS. 1, isto é, calcula-se a derivada )(, hf de )(hf para verificar que a mesma preserva o sinal no intervalo ]0,1[. n a h b )(af )(hf )(bf (ba)/2 1 2 3 4 5 6 7 Assim, h h h r Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-18 Algoritmo do Método da Bissecção Seja )(xf uma função contínua em um intervalo [a,b], com )(af . )(bf <0 e a raiz de )(xf isolada em [ a , b ]. Dados de Entrada: Pontos extremos a e b do intervalo; precisão ou tolerância () e o número máximo de iterações (ITMAX). Saída: Solução aproximada x ou mensagem de "solução não encontrada" com a precisão desejada no número máximo de iterações. PASSO 1 Faça i 1 FA= )(af PASSO 2 Enquanto i ITMAX execute os passos de 3 a 6 PASSO 3 Faça x 2 )( ba e FX )(xf PASSO 4 Se FX 0 ou 2 )( ab < , então Saída ( x ) (Procedimento executado com sucesso) FIM PASSO 5 Faça i i 1 PASSO 6 Se FA·FX > 0 então faça a x e FA FX Caso contrário faça b x PASSO 7 Saída (Solução não encontrada com a precisão exigida) FIM 2.3.2 Método do Ponto Fixo (ou Método da Iteração Linear ou Método das Aproximações sucessivas) Neste método a seqüência de aproximações do zero de uma função 𝑓(𝑥) (𝑓(𝛼) = 0) é obtida através de uma relação de recorrência da forma: )(1 nn xx , n 0, 1, 2, O ponto 0x será considerado uma aproximação inicial do zero da função )(xf e )(x é uma função que tem como ponto fixo, isto é, )( . A primeira pergunta a ser respondida é: dada uma função )(xf com zero , como encontrar uma função )(x que tenha como ponto fixo? Isto pode ser feito através de uma série de manipulações algébricas sobre a equação )(xf 0, transformando-a em uma equação equivalente da forma )(xx . Nestas transformações devem-se tomar os devidos cuidados para que )(x esteja definida em e para que pertença à imagem de . Como o zero é desconhecido, é necessário determinar um intervalo I que contenha e que esteja contido tanto no domínio quanto na imagem de . É necessário que o zero de )(xf seja único no intervalo I, caso contrário não será possível discernir qual o zero determinado. Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-19 44. Obter algumas funções de ponto fixo para a função )(xf 62 xx . Resolução: Efetuando diferentes manipulações algébricas sobre a equação )(xf 0 ou 62 xx 0, podem-se obter diferentes funções de ponto fixo, como por exemplo: No próximo passo algumas destas funções serão utilizadas na tentativa de gerar seqüências aproximadoras dos zeros de )(xf . 45. Aproximar o maior zero da função )(xf 62 xx , utilizando a função xx 6)(2 , e 0x 1,5. Resolução: Neste caso a fórmula de recorrência )(1 nn xx , n 0, 1, 2, será: nnn xxx 6)(21 , e pode-se construir a seguinte tabela: n nx nnn xxx 6)(21 0 1 2 3 4 y x y x= Ponto fixo de (Zero de ) x( ) x( ) x( )f Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-20 46. Aproximar o maior zero da função )(xf 62 xx , utilizando a função 2 1 6)( xx , e 0x 1,5. Resolução: Neste caso a fórmula de recorrência )(1 nn xx , n 0, 1, 2, será: 2 11 6 nnn xxx )( , e pode-se construir a seguinte tabela: n nx 2 11 6)( xxx nn 0 1 2 3 y x x( ) 0 x 1x2 x3 y x= x 6 6 2= 2 y x x( ) 0 1 x2 x y x= x 6 2= 1 Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-21 Assim, os dois exercícios anteriores mostram que dependendo da transformação )(xx escolhida, a relação de recorrência )(1 nn xx pode ou não fornecer uma seqüência }{ nx convergente. Desta forma, como determinar a priori, quais transformações fornecerão seqüências convergentes? As figuras que seguem ilustram alguns casos onde ocorrem convergência e alguns casos onde não ocorre convergência. A seqüência converge para o zero (Convergência do tipo escada). A seqüência converge para o zero (Convergência do tipo caracol). A seqüência não converge para o zero . kx y xx0x1x2x3 y x= x( ) kx y xx0x1 x2x3 y x= x4 x( ) kx y xx0 x1 x2 x3 y x= x( ) Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-22 A seqüência não converge para o zero . O Teorema que segue estabelece condições suficientes para garantir a convergência do processo iterativo. OBS. 2: Como as condições que o teorema que segue são apenas suficientes, dada uma função que não satisfaça estas condições, não se pode garantir que a seqüência gerada ,,, 321 xxx diverge. Convergência do Método das Aproximações Sucessivas Teorema 2 Seja um zero de uma função f, isolada em um intervalo I[a,b], e seja uma função tal que . Se: i) ' e são funções contínuas em I; ii) 1 xk Ix 'max iii) Ix 0 e Ixx nn )(1 , para n = 0, 1, 2, Então a seqüência nx converge para o zero . OBS. 3: Para se resolver um problema com o método das aproximações sucessivas, utiliza-se o teorema anterior da seguinte forma: inicialmente determina-se um intervalo I onde o zero de )(xf esteja isolado, e uma função que tenha como ponto fixo. Analisando e ' , pode-se verificar se as condições i) e ii) do Teorema 2 estão satisfeitas. Estas condições podem não estar satisfeitas pelo fato do intervalo I ter sido superdimensionado. Neste caso procura-se por um intervalo I ’ satisfazendo as condições do teorema. Na demonstração do Teorema 2 , que pode ser vista em HUMES, Ana Flora C., et al. Noções de Cálculo Numérico. São Paulo: McGraw-Hill, p. 16, 1984, tem-se que as condições i) e ii) garantem que se 1nx I então nx < 1 nx . Entretanto, isto não implica que nx I . Uma maneira simples para garantir que baIxn , 0n é tomar como valor inicial 0x o extremo de I mais próximo do zero . Na seqüência, será mostrado que neste caso Ixx )( 01 : Supondo que a seja o extremo de I mais próximo de , tem- se: 1x < 0x a b , logo 1x I . A demonstração é análoga para o caso em que b o extremo de I mais próximo de . OBS. 4: A condição iii) do Teorema 2 pode ser substituída por: iii’) o zero é o ponto médio do intervalo I . Na verdade, se para o intervalo I ba, , estão satisfeitas as condições kx y x0x 1 x2x3 y x= x x( ) Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-23 i) e ii) do Teorema 2, e se a estiver mais próximo de do que de b então, denotando a por r, tem-se que para qualquer 0x ra , a hipótese iii) do teorema é verificada. Mais ainda, para todo I ba, nas condições do teorema 2, existe I ’ I tal que qualquer que seja 0x I ’ tem-se que nx I ’, n 1. OBS. 5: A determinação do extremo de I ba, mais próximo do zero pode ser feito da seguinte maneira: Suponhamos satisfeitas as hipóteses i) e ii) do Teorema 2. Nestas condições, seja xˆ 2 )( ba (ponto médio do intervalo I ). Sabe-se que )ˆ(x está mais próximo de do que xˆ . Se xˆ < )ˆ(x , então está entre xˆ e b , ou seja, b é o extremo de I mais próximo de . Analogamente, se xˆ > )ˆ(x , então a é o extremo de I mais próximo de . Se xˆ )ˆ(x , então xˆ é o zero procurado. Este é o caso em que b é o extremo mais próximo de . OBS. 6: Sejam dados ( x ), e k x Ix 'max satisfazendo as hipóteses do teorema anterior. Se nx ( 1nx ), então nx k k 1 1 nn xx . Desta forma, obtém-se um limitante superior para o erro cometido na n -ésima iteração ( nx ). 47. Verificar as condições i) e ii) do teorema anterior quando do uso da função xx 6)(2 no exercício número 45. Resolução: Verificação da condição i): Verificação da condição ii): Logo, 48. Verificar as condições i) e ii) do teorema anterior quando do uso da função 2 1 6)( xx . Resolução: Verificação da condição i): xx( ) a b x xx( ) a b x Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-24 Verificação da condição ii): Logo, Algoritmo do Método das aproximações sucessivas Para encontrar uma solução para p )( p dada uma aproximação inicial 0p . Dados de Entrada: Aproximação inicial 0p , precisão ou tolerância () e o número máximo de iterações (ITMAX). Saída: Solução aproximada p ou mensagem de “solução não encontrada”. PASSO 1 Faça i 1 PASSO 2 Enquanto i ITMAX, execute os passos 3 – 6 PASSO 3 Faça p )( p (calcular ip ) PASSO 4 Se 0pp < então Saída ( p ) (procedimento efetuado com sucesso) FIM PASSO 5 Faça i i + 1 PASSO 6 Faça 0p p (atualize 0p ) PASSO 7 Saída (solução não encontrada após ITMAX iterações) FIM OBS. 7: Outros critérios de parada podem ser utilizados: 1nn pp n nn p pp 1 )( npf 49. Encontrar o zero de )(xf 42 xe x com precisão 610 , utilizando o método do ponto fixo. Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x 3 2 1 )(xf Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-25 Procurando uma função de ponto fixo adequada pode-se fazer: Verificando as hipóteses i) e ii) do Teorema 2: y x x( ) 21 3 2 1 h x( )g -2 -1-3 -2 -3 -4 -1 3 4 5 = e x = x 2 - 4 Cálculo Numérico Zeros reais de funções reais Lauro/ Nunes 2-26 n nx 1nx nn xx 1 0 1 2 3 4 Portanto, x = 2.3.3 Método de Newton, Newton-Raphson (ou Método das Tangentes) Este método é uma particularidade do método das aproximações sucessivas. A idéia é construir uma função para a qual exista um intervalo contendo o zero , onde |𝜙′(𝑥)| < 1. Esta construção é feita impondo . Como deve ser uma função contínua, existe sempre uma vizinhança I de onde <1. Obtenção da função )(x : A forma mais geral de )(xx equivalente a )(xf 0 é dada por: x x + )()( xfxA )(x onde é uma função contínua tal que . Escolhe-se de forma que . Derivando-se a equação anterior, obtém-se 1 . Calculando esta derivada no ponto , obtém-se: 1 . Supondo que 𝑓′(𝛼) ≠ 0, para que , deve-se ter = . Assim, uma escolha satisfatória para será portanto: )(xA = )(' 1 xf , uma vez que x . Substituindo )(xA na equação inicial, tem-se: )(x x )(' )( xf xf Assim, o processo iterativo de Newton é definido por: 1nx nx )(' )( n n xf xf , n 0, 1, 2, OBS. 8: A )(x é válida mesmo que )(' f 0, uma vez que nx . )(x 0)(' )(' x )('max x Ix )(xA 0)( A )(xA 0)(' )(' x )()(')(')( xfxAxfxA )(' )(')( fA 0)(' )(A )(' 1 f )(xA Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-27 Interpretação Geométrica do Método de Newton O ponto 1nx é obtido traçando-se a tangente ao gráfico da função )(xf no ponto ))(,( nn xfx . A intersecção da reta tangente com o eixo das abscissas fornece a nova aproximação 1nx . Esta interpretação justifica o nome de método das tangentes. 1 nn n n xx xf xf )( )('tg )(' )( n n nn xf xf xx 1 Convergência do Método de Newton Teorema 3 Seja , duas vezes diferenciável, com contínua. Suponha que: i) ii) iii) não troca de sinal em Então, a seqüência gerada pelas iterações do método de Newton-Raphson utilizando a função que equivale a converge para o único zero de , isolado em , se for escolhido convenientemente. OBS. 9: Para se escolher o ponto inicial , pode-se, por exemplo, fazer se ou caso contrário. Algoritmo do Método de Newton Para encontrar uma solução para =0, dada a derivada de e uma aproximação inicial . Dados de Entrada: Aproximação inicial , precisão ou tolerância () e o número máximo de iterações (ITMAX). Saída: Solução aproximada p ou mensagem de “solução não encontrada”. PASSO 1 Faça i =1 PASSO 2: Enquanto i ITMAX, execute os passos 3 – 6 PASSO 3 Faça (calcular ) PASSO 4 y xx( ) 0 x1x2xf nx x x( )f n+1 n baf ,: xf " 0 bfaf ,)(' 0xf ],[ bax )('' xf ba, xf xf xx ' n n nn xf xf xx ' 1 f ba, bax ,0 0x 0x a baa , 0x b )(xf )(xf 0p 0p )('/)( 000 pfpfpp ip Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-28 Se < então Saída (p) (procedimento efetuado com sucesso) FIM PASSO 5 Faça i = i 1 PASSO 6 Faça =p (atualize ) Passo 7: Saída (solução não encontrada após ITMAX iterações) FIM OBS. 10: Outros critérios de parada podem ser utilizados: OBS. 11: O Método de Newton irá falhar se para algum n, 0. 50. Encontrar a solução para a equação x = xcos com precisão 610 . Resolução: Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais: x 0 2 )(xf 0pp 0p 0p 1nn pp n nn p pp 1 )( 1npf )(' 1npf Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-29 n nx 1nx nn xx 1 0 1 2 3 4 Portanto, x = 2.3.4 Método da Secante Uma grande desvantagem do método de Newton é a necessidade de se obter a derivada 𝑓′(𝑥) e calcular o seu valor numérico a cada iteração. Para contornar este problema podemos substituir o cálculo da primeira derivada 𝑓′(𝑥) pelo quociente das diferenças, usando assim, um modelo linear baseado nos dois valores calculados mais recentemente: 𝑓′(𝑥) = 𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1) 𝑥𝑛 − 𝑥𝑛−1 onde 𝑥𝑛 e 𝑥𝑛−1 são duas aproximações para a raiz. Substituindo o valor aproximado da derivada acima na fórmula e Newton, obtém-se: 𝑥𝑛+1 = 𝑥𝑛 − 𝑓(𝑥𝑛) 𝑓′(𝑥) 𝑥𝑛+1 = 𝑥𝑛 − 𝑓(𝑥𝑛) 𝑥𝑛 − 𝑥𝑛−1 𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1) Assim, o processo iterativo do Método da Secante é definido por: 𝑥𝑛+1 = 𝑥𝑛 − 𝑓(𝑥𝑛) ∙ (𝑥𝑛 − 𝑥𝑛−1) 𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1) ou 𝑥𝑛+1 = 𝑥𝑛−1𝑓(𝑥𝑛) − 𝑥𝑛𝑓(𝑥𝑛−1) 𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1) , com 𝑛 = 0, 1, 2, … y x( ) h 2 2 2 3 =cos x x( )g = x -1 1 x Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-30 Interpretação Geométrica do Método da Secante Os valores 𝑥0 e 𝑥1 são aproximações iniciais que determinam a reta pelos pontos (𝑥0, 𝑓(𝑥0)) e (𝑥1, 𝑓(𝑥1)). A intersecção da reta secante com o eixo das abscissas fornece a nova aproximação 𝑥2. Então, de dois valores 𝑥𝑛−1 e 𝑥𝑛 é determinada a reta pelos pontos (𝑥𝑛−1, 𝑓(𝑥𝑛−1)) e (𝑥𝑛, 𝑓(𝑥𝑛)). A intersecção desta reta com o eixo das abscissas fornece a aproximação 𝑥𝑛+1. Para o desenho acima, tome 𝑥𝑛 = 𝑥1. Desta forma, 𝑥𝑛−1 = 𝑥0 e 𝑥𝑛+1 = 𝑥2. Assim, os dois triângulos abaixo são semelhantes e foram tirados da figura acima. Então, por semelhança de triângulos, temos: 𝑓(𝑥𝑛−1) 𝑓(𝑥𝑛) = 𝑥𝑛−1 − 𝑥𝑛+1 𝑥𝑛 − 𝑥𝑛+1 Isolando 𝑥𝑘+1, temos: 𝑓(𝑥𝑛−1) ∙ (𝑥𝑛 − 𝑥𝑛+1) = 𝑓(𝑥𝑛) ∙ (𝑥𝑛−1 − 𝑥𝑛+1) 𝑓(𝑥𝑛−1)𝑥𝑛 − 𝑓(𝑥𝑛−1)𝑥𝑛+1 = 𝑓(𝑥𝑛)𝑥𝑛−1 − 𝑓(𝑥𝑛)𝑥𝑛+1 𝑥𝑛+1 ∙ (𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1)) = 𝑥𝑛−1 ∙ 𝑓(𝑥𝑛) − 𝑥𝑛 ∙ 𝑓(𝑥𝑛−1) 𝑥𝑛+1 = 𝑥𝑛−1𝑓(𝑥𝑛) − 𝑥𝑛𝑓(𝑥𝑛−1) 𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1) Convergência do Método da Secante Como o método da secante é uma aproximação para o método de Newton, as condições de convergência são próximas. OBS. 12: O método da secante pode divergir se 𝑓(𝑥𝑘) ≅ 𝑓(𝑥𝑘−1). y x x( ) 0x 1x 2x f 3x 4x ( )f 1x ( )f 0x ( )f 2x ( )f 3x ( )f 4x L aur o Cesa r Ga lvã o n-1x ( )f nx ( )f n-1x n+1xn+1x nx L aur o Cesa r Ga lvã o Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-31 Algoritmo do Método da Secante Para encontrar uma solução para =0, dadas duas aproximações inicial 𝑝0 e 𝑝1. Dados de Entrada: Aproximações inicial 𝑝0 e 𝑝1, precisão ou tolerância () e o número máximo de iterações (ITMAX). Saída: Solução aproximada 𝑝 ou mensagem de “solução não encontrada”. PASSO 1 Faça i =1 PASSO 2: Enquanto i ITMAX, execute os passos 3 – 6 PASSO 3 Faça 𝑝 = 𝑝0𝑓(𝑝1)−𝑝1𝑓(𝑝0) 𝑓(𝑝1)−𝑓(𝑝0) (calcular 𝑝𝑖) PASSO 4 Se |𝑝 − 𝑝1| < então Saída (p) (procedimento efetuado com sucesso) FIM PASSO 5 Faça i = i 1 PASSO 6 Faça 𝑝0 = 𝑝1 e 𝑝1 = 𝑝 (atualize 𝑝0 e 𝑝1) Passo 7: Saída (solução não encontrada apósITMAX iterações) FIM OBS. 13: Outros critérios de parada podem ser utilizados: 51. Considerando o mesmo exercício anterior, encontrar a solução para a equação x = com precisão , usando o método da secante. Considere 𝑥0 = 0 e 𝑥1 = 1, como aproximações iniciais. Resolução: 𝑓(𝑥) = cos(𝑥) − 𝑥 = 0 Assim, a fórmula recursiva do método da secante para este caso fica: 𝑥𝑛+1 = 𝑥𝑛−1𝑓(𝑥𝑛) − 𝑥𝑛𝑓(𝑥𝑛−1) 𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1) n x(n-1) x(n) x(n+1) |x(n+1) - x(n)| 0 0 1 1 2 3 4 Portanto, = )(xf 1nn pp n nn p pp 1 )( 1npf xcos 610 x Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-32 2.3.5 Comparação entre os métodos Nos exercícios seguintes, considerando cada método especificado, determine uma aproximação para o zero da função. 52. Pelo método da Bissecção, determine uma aproximação para x (1,2) da função 𝑓(𝑥) = 𝑒−𝑥 2 − cos 𝑥 com aproximação 1 410 tal que ( b a )/2 1 . Resolução: n a x b f ( a ) f ( x ) f ( b ) ( b a )/2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Logo, x 53. Pelo método do Ponto Fixo ou Aproximações Sucessivas, determine uma aproximação para �̅�(1,2) da função 𝑓(𝑥) = 𝑒−𝑥 2 − cos 𝑥 com aproximação 𝜀1 = 𝜀1 = 10 −4 tal que |𝑓(𝑥𝑛)| < 𝜀1 ou |𝑥𝑛+1 − 𝑥𝑛| < 𝜀2. Utilize 𝑥01,5. Resolução: n nx 1nx | 1nx nx | | f ( 1nx )| Parada 0 1 2 3 4 5 Logo, x Cálculo Numérico Zeros reais de funções reais Lauro / Nunes 2-33 54. Pelo método de Newton-Raphson, determine uma aproximação para �̅�(1,2) da função 𝑓(𝑥) = 𝑒−𝑥 2 − cos 𝑥 com aproximação tal que | ( )| ou |𝑥𝑛+1 − 𝑥𝑛| < 𝜀2. Utilize 𝑥01,5. Resolução: n nx 1nx | 1nx nx | | f ( nx )| Parada 0 1 Logo, x 55. Pelo método da secante, determine uma aproximação para �̅�(1,2) da função 𝑓(𝑥) = 𝑒−𝑥 2 − cos 𝑥 com aproximação tal que | ( )| ou |𝑥𝑛+1 − 𝑥𝑛| < 𝜀2. Utilize 𝑥0 = 1,5 e 𝑥1 = 1,2, como aproximações iniciais. Resolução: 𝑥𝑛+1 = 𝑥𝑛−1𝑓(𝑥𝑛) − 𝑥𝑛𝑓(𝑥𝑛−1) 𝑓(𝑥𝑛) − 𝑓(𝑥𝑛−1) n x(n-1) x(n) x(n+1) |x(n+1) - x(n)| 0 1,5 1,2 1 2 3 Logo, 1 2 410 f 1nx 1 1 2 410 f 1nx 1 x Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-34 3 Resolução de sistemas de equações lineares 3.1 Introdução Vários problemas, como cálculo de estruturas de redes elétricas e solução de equações diferenciais, recorrem a resolução numérica de um sistema linear nS de n equações com n incógnitas. 3.1.1 Forma Algébrica de Sn nS nnnnnn nn nn bxaxaxa bxaxaxa bxaxaxa 2211 22222121 11212111 ou nS n j jijxa 1 ib , i 1, 2, , n . 3.1.2 Forma Matricial de Sn A x b nnnn n n aaa aaa aaa 21 22221 11211 nx x x 2 1 nb b b 2 1 . Onde: A matriz dos coeficientes; x vetor das incógnitas (ou vetor solução); b vetor dos termos independentes. 3.1.3 Matriz Aumentada ou Matriz Completa do Sistema B [ A b ] nnnnn n n baaa baaa baaa 21 222221 111211 . 3.1.4 Solução do Sistema x ( 1x , 2x , , nx ) T . 3.1.5 Classificação de um Sistema Linear COMPATÍVEL: apresenta soluções; INCOMPATÍVEL: caso contrário. Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-35 3.1.6 Classificação quanto ao Determinante de A Adet 0 (SPD) sistema linear possível e determinado (SOLUÇÃO ÚNICA); Adet 0 (SPI) ou (SI): a matriz A é SINGULAR. (SPI) Sistema possível e indeterminado, (SI) Sistema impossível. OBS. 1: Se ib 0, i 1, 2, , n , isto é, se b 0, o sistema é dito HOMOGÊNEO. Todo sistema homogêneo é compatível, pois admite sempre a solução x 0. A solução é chamada TRIVIAL. 3.2 Métodos diretos São métodos que determinam a solução de um sistema linear com um número finito de operações. Definição: Dois sistemas lineares são equivalentes quando possuem a mesma solução. 3.2.1 Método de Eliminação de Gauss Com ( 1) passos, o sistema linear é transformado num sistema triangular superior equivalente. Tome 0 como hipótese. A x b U x c , o que se resolve por substituição. [ A b ] [ U c ] nnnnn n n baaa baaa baaa 21 222221 111211 nnn n n cu cuu cuuu 00 0 2222 111211 . 56. Resolver o sistema 3S , com 3S 132 3344 532 321 321 321 xxx xxx xxx . Resolução: Etapa 1: em 0B , tome )(0 iL , com i 1,2,3, como as linhas de 0B e )(0 11a como pivô e calculam-se os multiplicadores )(0 1im ( i 2,3). n A x b Adet Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-36 Etapa 2: Repete-se o processo para o próximo pivô, situado na diagonal da matriz 1B . Em 1B , tome )(1 iL , com i 2,3 e )(1 22a como pivô. Método compacto para a TRIANGULAÇÃO U x c : Linha Multiplicador m Matriz Aumentada Transformação (1) 0B 2 3 -1 5 (2) )(0 21m = 4 4 -3 3 (3) )(0 31m = 2 -3 1 -1 (2) 1B (3) )(1 32m = (3) 2B As linhas contendo os pivôs formam o sistema U x c . Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-37 57. Resolver o sistema 4S com arredondamento em duas casas decimais, na matriz aumentada. 4S A x b 3106521213081021 880411523084352 74914551188524 416011390378 4321 4321 4321 4321 ,,,,, ,,,,, ,,,,, ,,,,, xxxx xxxx xxxx xxxx Resolução: Linha Multiplicador m Matriz Aumentada (1) 0B 8,70 3,00 9,30 11,00 16,40 (2) )(0 21m = 24,50 -8,80 11,50 -45,10 -49,70 (3) )(0 31m = 52,30 -84,00 -23,50 11,40 -80,80 (4) )(0 41m = 21,00 -81,00 -13,20 21,50 -106,30 (2) 1B (3) )(1 32m = (4) )(1 42m =(3) 2B (4) )(2 43m = (4) 3B Então A x b U x c [ A b ] [ U c ]. U x c Logo: x Cálculo do Resíduo Uma medida para avaliar a precisão dos cálculos é o resíduo, que é dado por: r b xA . 58. Com base no exercício anterior, calcular o resíduo r do sistema A x b . Resolução: r b xA . r Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-38 Algoritmo de Eliminação de Gauss Seja o sistema A x b , com nnA , 1nx e 1nb . Sempre supor que kka 0 na etapa k . TRIANGULARIZAÇÃO: A x b U x c . Para k 1, 2, , ( n 1) Para i ( k 1), , n m kk ik a a ika 0 Para j ( k 1), , n ija ija m kja ib ib m kb FIM FIM FIM RESOLUÇÃO DO SISTEMA U x c . nx nn n a b Para k ( n 1), , 2, 1 s 0 Para j ( k 1), , n s s kja jx FIM kx kk k a sb FIM 3.2.2 Estratégia de Pivoteamento Completo No momento de se calcular o multiplicador ikm , se o pivô estiver próximo de zero, o método pode ampliar os erros de arredondamento. Para se contornar estes problemas, escolhe- se como pivô ijaMAX , com i , j 1, 2, , n . Dado A x b , tome B [ A b ]. B nnnnqnn ppnpqpp nq nq baaaa baaaa baaaa baaaa 21 21 2222221 1111211 . Seja pqa ijaMAX , ( i , j 1, 2, , n ) o pivô da linha p . Então, calcula-se o multiplicador )(0 iqm )( )( 0 0 pq iq a a , em cada linha, i p com i 1, 2, , n . Assim, anulam-se os elementos ija da coluna q através da operação: Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-39 )(1 iL )(0 iqm )(0 pL )(0 iL . Eliminando-se a linha pivotal p , repete-se o processo até que se obtenha )(k iL com k conjuntos de operações elementares aplicadas sobre B , onde k 1, 2, , ( n 1). 59. Resolva 4S com arredondamento em duas casas decimais, utilizando eliminação de Gauss com pivoteamento completo. 4S A x b 3106521213081021 880411523084352 74914551188524 416011390378 4321 4321 4321 4321 ,,,,, ,,,,, ,,,,, ,,,,, xxxx xxxx xxxx xxxx . Resolução: Linha Multiplicador m Matriz Aumentada (1) )(0 12m = 8,70 3,00 9,30 11,00 16,40 (2) )(0 22m = 24,50 -8,80 11,50 -45,10 -49,70 (3) 0B 52,30 -84,00 -23,50 11,40 -80,80 (4) )(0 42m = 21,00 -81,00 -13,20 21,50 -106,30 (1) )(1 14m = (2) 1B (4) )(1 44m = (1) )(2 11m = (4) 2B (1) 3B Então A x b U x c [ A b ] [ U c ]. U x c Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-40 3.2.3 Fatoração LU “Toda matriz não singular admite uma decomposição em duas matrizes triangulares, uma superior e outra inferior”. Quem garante esse resultado é o teorema abaixo. Teorema de Gauss Seja A uma matriz quadrada de ordem n tal que det A ≠ 0. Sejam U uma matriz triangular superior, 𝑈 = { 𝑢𝑖𝑗 , se 𝑖 ≤ 𝑗 0, se 𝑖 > 𝑗 e L uma matriz triangular inferior com diagonal unitária, 𝐿 = { 0, se 𝑖 < 𝑗 1, 𝑠𝑒 𝑖 = 𝑗 𝑙𝑖𝑗, se 𝑖 > 𝑗 Então existe e é única a decomposição A = LU, onde U é a matriz resultante do processo de eliminação gaussiana e 𝑙𝑖𝑗 = 𝑚𝑖𝑗, (multiplicadores de linhas, sem troca de sinal). Apresentamos como exemplo: 𝐴 = ( 2 1 1 4 4 3 6 7 4 ) = ( 1 0 0 2 1 0 3 2 1 ) ⏟ L ( 2 1 1 0 2 1 0 0 −1 ) ⏟ U A base do método de Decomposição LU, também conhecido como método Fatoração, consiste na resolução de sistemas triangulares. Seja o sistema linear Ax = b Supor que seja possível fatorar a matriz A dos coeficientes: A = LU Nestas condições, o sistema Ax = b pode ser reescrito na forma LUx = b, o que permite o desmembramento em dois sistemas triangulares: Ly = b e Ux = y Resolvendo o primeiro sistema, calculamos y que, usado no segundo sistema, fornecerá o vetor procurado x. Dessa maneira, conhecidas L e U, o sistema será resolvido com 2n2 operações (dois sistemas triangulares), o que representa um ganho substancial comparado com as 2𝑛3 3 operações do método da eliminação de Gauss. Cálculo dos Fatores L e U: Os fatores L e U podem ser obtidos através de fórmulas para os elementos 𝑙𝑖𝑗 e 𝑢𝑖𝑗, ou então, podem ser construídos usando a ideia básica do método da Eliminação de Gauss. Veremos a seguir, através de um exemplo, como obter L e U através do processo de Gauss. 60. Decompor a matriz A, usando a Decomposição LU. A = ( 1 2 −1 2 3 −2 1 −2 1 ) Calculando o 𝑚𝑖𝑗 e 𝑢𝑖𝑗, usando o processo de Gauss (𝑚𝑖𝑗 sem troca de sinal), temos: Resolução: Para a Coluna 1 da matriz A(0): A=A(0) = ( 1 2 −1 2 3 −2 1 −2 1 ) Pivô = 𝑎11 (0) = ____ Multiplicadores: 𝑚21 (0) = __________________ 𝑚31 (0) = __________________ Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-41 Então: 𝐿1 (1) ← 𝐿1 (0) ; 𝐿2 (1) ← −𝑚21 (0) ∗ 𝐿1 (0) + 𝐿2 (0) 𝐿3 (1) ← −𝑚31 (0) ∗ 𝐿1 (0) + 𝐿3 (0) A(1) = ( ) Pivô = 𝑎22 = ____ Multiplicadores: 𝑚32 (1) = __________________ Então: 𝐿1 (2) ← 𝐿1 (1) ; 𝐿2 (2) ← 𝐿2 (1) 𝐿3 (2) ← −𝑚32 (1) ∗ 𝐿2 (1) + 𝐿3 (1) A(2) = ( ) Os fatores L e U são: A = 𝐿 ∗ 𝑈 = ( ) ∗ ( ) = ( 1 2 −1 2 3 −2 1 −2 1 ) Vamos aproveitar o Exercício acima para resolver um sistema de equações lineares através da Decomposição LU. 61. Resolva o sistema linear a seguir usando a Decomposição LU (Fatoração). { 𝑥1 + 2𝑥2 − 𝑥3 = 2 2𝑥1 + 3𝑥2 − 2𝑥3 = 3 𝑥1 − 2𝑥2 + 𝑥3 = 0 Resolução: Logo, 𝑥 = ( 𝑥1 𝑥2 𝑥3 ) = ( ). Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-42 62. Resolva o sistema linear a seguir usando a fatoração LU: { 3𝑥1 + 2𝑥2 + 4𝑥3 = −1 𝑥1 + 𝑥2 + 2𝑥3 = 10 4𝑥1 + 3𝑥2 + 2𝑥3 = 5 Resolução: 𝑥 = ( ) 63. Resolva o sistema linear a seguir usando a fatoração LU: { 3𝑥 − 0,1𝑦 − 0,2𝑧 = −1,2 0,1𝑥 + 7𝑦 − 0,3𝑧 = 7,8 0,3𝑥 − 0,2𝑦 + 10𝑧 = 3,5 Resolução: Cálculo Numérico Resolução desistemas de equações lineares Lauro / Nunes 3-43 𝑥 = ( ) 64. Considere a matriz. A = ( 1 1 1 2 1 −1 3 2 5 ) a) Calcule a fatoração LU de A. b) Usando a fatoração LU, calcule o determinante de A. Resolução: Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-44 65. Aplicando-se o método da decomposição LU a matriz: A = ( ? 4 ? −1 3 ? 10 8 ? −3 12 11 0 −2 −5 10 ) Obtiveram-se as matrizes: 𝐿 = ( ? 2 0 ? ? ? ? ? 3 0 0 ? ? 1 0 ? ) e 𝑈 = ( ? ? −1 1 ? 5 ? −2 ? 0 3 −4 0 ? 0 10 ) Preencha os espaços pontilhados com valores adequados. Resolução: Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-45 𝐴 = ( ) 𝑈 = ( ) 𝐿 = ( ) Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-46 3.2.4 Refinamento de Soluções Seja )(0x a solução aproximada para A x b . Obtém-se a solução melhorada )(1x aplicando-se a correção )(0 em )(0x . )(1x )(0x )(0 Se A )(1x b , então A ( )(0x )(0 )b A )(0x A )(0 b A )(0 b A )(0x A )(0 )(0r . Assim, )(0 vem de [ A )(0r ]. Obtido o )(0 , calcula-se )(1x )(0x )(0 . Repete-se o processo para se obter )(2x , )(3x , , )(kx , até que se tenha a precisão desejada. Logo, obtém-se o refinamento de forma iterativa pela seguinte equação: )(ix )( 1ix )( 1 i , com i 1, 2, k . 66. Considerando a resposta x do exercício 2, faça o refinamento de x até que se obtenha o resíduo )(kr =0, considerando precisão dupla ( 410 0,0001), quatro casas decimais. A x b 3106521213081021 880411523084352 74914551188524 416011390378 4321 4321 4321 4321 ,,,,, ,,,,, ,,,,, ,,,,, xxxx xxxx xxxx xxxx )(0x T001011012011 ,,,, )(0r b A )(0x )(0r T4680082004200240 ,,,, REFINAMENTO: )(kx )( 1kx )( 1 k A )( 1 k )( 1kr [ A )( 1kr ] )( 1 k Resolução: k 1 [ A )(0r ] )(0 )(1x )(0x )(0 Linha Multiplicador m Matriz Aumentada (1) 0B 8,7000 3,0000 9,3000 11,0000 -0,0240 (2) )(0 21m = 24,5000 -8,8000 11,5000 -45,1000 -0,0420 (3) )(0 31m = 52,3000 -84,0000 -23,5000 11,4000 0,0820 (4) )(0 41m = 21,0000 -81,0000 -13,2000 21,5000 0,4680 (2) 1B (3) )(1 32m = (4) )(1 42m = (3) 2B (4) )(2 43m = (4) 3B Considerando 4 casas decimais: Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-47 [ A )(0r ] Então: [ A )(0r ] )(0 Como: )(1x )(0x )(0 )(1r b A )(1x Logo, 3.3 Métodos iterativos A solução x de um sistema de equações lineares xA b pode ser obtido resolvendo, de forma iterativa, o sistema equivalente da forma dxFx , onde F é uma matriz nn , x e d vetores 1n . Isto pode ser feito tomando dxFx )( , dxFxx kkk )()()( )(1 , onde k 0, 1, , M , e M é o número máximo de iterações e )(0x é o vetor inicial. 3.3.1 Testes de parada O processo iterativo )( 1kx gera aproximações até que: )()( k i k i ni xxmáx 1 1 , sendo a tolerância; ou k > M , sendo M o número máximo de iterações. 3.3.2 Método de Gauss-Jacobi Adaptação de xA b para dxFx : xA b nnnnnn nn nn bxaxaxa bxaxaxa bxaxaxa 2211 22222121 11212111 dxFx nn nnnnnnn n nn nn a xaxaxaxab x a xaxaxaxab x a xaxaxaxab x )( )( )( )()( 11332211 22 24243231212 2 11 14143132121 1 OBS. 2: Para o sistema dxFx , é necessário que iia 0, i . Caso isto não ocorra, o sistema xA 𝑏 deve ser reagrupado. Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-48 Assim, a fórmula recursiva dxFx é dada na forma matricial por: nx x x x 3 2 1 0 0 0 0 321 33 3 33 32 33 31 22 2 22 23 22 21 11 1 11 13 11 12 nn n nn n nn n n n n a a a a a a a a a a a a a a a a a a a a a a a a nx x x x 3 2 1 nn n a b a b a b a b 33 3 22 2 11 1 ou ainda )( 1kx F )(kx d o que é equivalente a: nn k nnn k n k n k nnk n k nn kkk k k nn kkk k a xaxaxaxab x a xaxaxaxab x a xaxaxaxab x )( )( )( )( )1()1( )( 33 )( 22 )( 11)1( 22 )( 2 )( 424 )( 323 )( 1212)1( 2 11 )( 1 )( 414 )( 313 )( 2121)1( 1 67. Resolva o sistema a seguir, utilizando o método de Gauss-Jacobi, com 1 0 0 nx )( e 210 0,01. xA b 61032 85 7210 321 321 321 xxx xxx xxx x F x d Resolução: F e d Neste caso a fórmula de recorrência fica: )( 1kx F )(kx d Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-49 k )(kx1 )(kx2 )(kx3 )()(max 1 31 ki k i i xx 0 0 0 0 - 1 2 3 4 5 6 Com )(0x T000 e 0,01, o processo convergiu com ........... iterações para: x Critério das linhas Uma condição suficiente (mas não necessária) para garantir a convergência do método de Gauss-Jacobi aplicado ao sistema xA b , com iia 0, i , é ii n ij j ij aa 1 , i 1, 2, 3, , n . Neste caso, a matriz dos coeficientes das incógnitas A é dita estritamente diagonal dominante. 68. Verificarse o critério das linhas é satisfeito no sistema de equações xA b , que segue: xA b 61032 85 7210 321 321 321 xxx xxx xxx Resolução: A 1032 151 1210 Logo, a matriz dos coeficientes A é estritamente diagonal dominante, o que garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de equações e incógnitas. Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-50 69. Verificar se o critério das linhas é satisfeito no sistema de equações xA b , que segue: xA b 686 3225 23 32 321 321 xx xxx xxx Resolução: A 860 225 131 Logo a matriz dos coeficientes A não é estritamente diagonal dominante. Isto significa que não é garantida a convergência do método de Gauss-Jacobi aplicado a este sistema com esta ordem de equações e incógnitas. Mas permutando adequadamente as equações do sistema, obtém-se o sistema equivalente: A Logo, esta nova matriz dos coeficientes A é estritamente diagonal dominante, o que garante a convergência do método de Gauss-Jacobi aplicado a este sistema com esta nova ordem de equações e incógnitas. 3.3.3 Método de Gauss-Seidel É semelhante ao método de Gauss-Jacobi, com a diferença de utilizar )( 1k ix , 1 i < p , para o cálculo de )( 1k px . Desta forma, as equações recursivas ficam: nn k nnn k n k n k nnk n k nn kkk k k nn kkk k k nn kkk k a xaxaxaxab x a xaxaxaxab x a xaxaxaxab x a xaxaxaxab x )( )( )( )( )( )()( )()()( )( )()()()( )( )()()()( )( )()()()( )( 1 11 1 33 1 22 1 111 33 3434 1 232 1 13131 3 22 2424323 1 12121 2 11 141431321211 1 Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-51 70. Resolva o sistema a seguir, utilizando o método de Gauss-Seidel, com 1 0 0 nx )( e 210 0,01. xA b 61032 85 7210 321 321 321 xxx xxx xxx Resolução: Neste caso a fórmula de recorrência fica: )( )( )( 1 3 1 2 1 1 k k k x x x k )(kx1 )(kx2 )(kx3 )()(max 1 31 ki k i i xx 0 0 0 0 - 1 2 3 4 Com )(0x T000 e 0,01, o processo convergiu com ......... iterações para: x 3.3.4 Comparação entre os métodos 71. Resolva o sistema xA b , utilizando o método de Gauss-Jacobi, com 1 0 0 nx )( e 0,05. xA b 0633 643 55 321 321 321 xxx xxx xxx Resolução: F e d Neste caso a fórmula de recorrência fica: )( 1kx F )(kx d )( )( )( 1 3 1 2 1 1 k k k x x x Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-52 k )(kx1 )(kx2 )(kx3 )()(max 1 31 ki k i i xx 0 0 0 0 - 1 2 3 4 5 6 7 8 9 10 11 Com )(0x T000 e 0,05, o processo convergiu com ......... iterações para: x 72. Resolva o sistema xA b , utilizando o método de Gauss-Seidel, com 1 0 0 nx )( e 0,05. xA b 0633 643 55 321 321 321 xxx xxx xxx Resolução: Neste caso a fórmula de recorrência fica: )( )( )( 1 3 1 2 1 1 k k k x x x k )(kx1 )(kx2 )(kx3 )()(max 1 31 ki k i i xx 0 0 0 0 - 1 2 3 Com )(0x T000 e 0,05, o processo convergiu com ......... iterações para: x Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-53 3.3.5 Critério de Sassenfeld Uma condição suficiente para garantir a convergência do método de Gauss-Seidel aplicado ao sistema xA b , com iia 0, i , é M 1, sendo i ni M 1 max , onde: n j ja a 2 1 11 1 1 n ij ijj i j ij ii i aa a 1 1 1 1 , i 2, 3, , n . OBS. 3: Se o critério das linhas é satisfeito, então o critério de Sassenfeld também será satisfeito. 73. Verificar se o critério de Sassenfeld é satisfeito no sistema de equações xA b , que segue: xA b 52203010 01207010 62102020 20101050 4321 4321 4321 4321 ,,,, ,,,, ,,,, ,,,, xxxx xxxx xxxx xxxx Resolução: A 1203010 2017010 1020120 1010501 ,,, ,,, ,,, ,,, 1 ][ 141312 11 1 aaa a 2 ][ 2423121 22 1 aaa a 3 ][ 34232131 33 1 aaa a 4 ][ 343242141 44 1 aaa a Então, i i M 41 max max { ........ ; ........ ; ........ ; ........ } .................... Logo o critério de Sassenfeld está satisfeito, o que garante a convergência do método de Gauss-Seidel aplicado a este sistema. Cálculo Numérico Resolução de sistemas de equações lineares Lauro / Nunes 3-54 74. Verificar se o critério de Sassenfeld é satisfeito no sistema de equações xA b , que segue: xA b 33 1 932 31 32 321 xx xx xxx Resolução: Com esta disposição de linhas e colunas, tem-se que: 1 ][ 1312 11 1 aa a 1 ][ 1312 11 1 aa a 2 ][ 23121 22 1 aa a 3 ][ 232131 33 1 aa a Então, i i M 31 max Cálculo Numérico Interpolação Lauro / Nunes 4-55 4 Interpolação 4.1 Interpolação polinomial Uma função f ( x ) pode ser conhecida por um conjunto finito e discreto de n 1 pontos. ix iy 0x 0y 1x 1y 2x 2y 3x 3y 4x 4y 5x 5y Para se INTERPOLAR os n 1 pontos obtidos da tabela, é utilizado um polinômio nP ( x ) de tal forma que: nP ( ix ) f ( ix ) para i 0, 1, , n . 4.1.1 Existência e Unicidade do Polinômio Interpolador Pn(x) Teorema 1 Existe um único polinômio
Compartilhar