Baixe o app para aproveitar ainda mais
Prévia do material em texto
> Modelagem Matemática Aula 8: Métodos de integração numérica Apresentação: Nas duas últimas aulas, você estudou os métodos de aproximação polinomial, com foco nas técnicas de interpolação polinomial e de ajuste de funções. Deste modo, você conheceu diversos métodos, além de ver as implementações associadas em Python. Agora, nós veremos um outro problema clássico em Engenharia – a integração numérica. Trata-se de uma ferramenta importante em um sem número de casos em Engenharia, de modo que o conhecimento de técnicas computacionais pode ser decisivo em situações-problema da Engenharia. Assim, na aula de hoje, você conhecerá os métodos mais tradicionais de integração numérica. Inicialmente, você estudará os métodos de interpolação de Newton-Cotes: retângulos, trapézios e regras de Simpson. Por �m, você será capaz de aplicar os métodos estudados, por meio da implementação computacional de programas em Python para resolução de problemas clássicos em Engenharia. Objetivos: Identi�car os principais métodos de integração numérica Descrever exemplos de aplicação em situações-problema típicas em Engenharia, por meio da implementação computacional em Python. Introdução à integração numérica Conforme indicado em Moura (2017), a integral de�nida apresenta a seguinte notação: Assim, nós temos que o resultado da expressão indicada é equivalente à área de�nida sob a curva f(x) no plano cartesiano entre os pontos a e b.Veja a região hachurada da Figura 1: f(x)dx∫ ba Temos certeza de que você já estudou o conceito de integral. No entanto, talvez esteja esquecido de sua utilidade. Pois bem: a integral de�nida e sua aplicação são muito úteis em diversas áreas, como Física, Engenharia e Economia, dentre outras. Por outro lado, creio que você se lembre de que o cálculo matemático da integral de�nida nem sempre é fácil. Por vezes, a função é difícil de integrar ou mesmo de impossível integração. Mesmo quando o resultado é conhecido, há situações em que o cálculo somente pode ser obtido de modo aproximado. Figura 1 – Integral Definida de f(x) no intervalo entre a e b [1] Em síntese, existem diversas situações que nos lembram de que nem sempre é possível calcular a integral de uma função f(x) em um intervalo [a,b]. Nestes casos, aplicam-se métodos numéricos de integração – os denominados métodos de integração numérica. Qual é o princípio fundamental para estes métodos de integração numérica? Simples: a lembrança de que a integral de uma função equivale a uma área. Com base neste princípio, foram criados diversos métodos que dividem a área a ser calculada em vários elementos, de pequena dimensão. Conforme exposto em Moura (2017), a soma destas pequenas partes resulta na área total equivalente à integral que se deseja calcular – a menos de erros de aproximação inerentes ao modelo utilizado. Quanto menor for o intervalo de integração de cada uma destas partes, menor o erro; no entanto, isto implica em aumento da quantidade necessária de operações, ou seja, um aumento da ordem de complexidade do algoritmo. Logo, temos um dilema: complexidade ou precisão? Para resolver a integral e permitir que você chegue a uma conclusão, temos diversos métodos em que a função f(x) passa a ser aproximada por funções polinomiais de grau cada vez maior: 0 (função constante), 1 (função linear), 2 (função quadrática) e assim por diante. De acordo com Moura (2017), temos que o método básico envolvido nesta aproximação é a denominada quadratura numérica. Este método consiste em aproximar a integral de�nida por uma expressão do tipo em que os valores α são reais (peso da função) e Assim, é importante você saber desde já que o emprego de funções de maior grau acaba promovendo uma melhor captura do comportamento da função a ser integrada. Desta forma, conseguimos reduzir a quantidade de operações matemáticas requeridas, bem como os erros de aproximação já citados. Bem, agora é hora de conhecer os métodos. Vamos para a próxima seção desta aula! f( )∑ni=1 αi xi i ∀ ∈ R ⇒ ∈ [a, b]xi xi Métodos de integração numérica O método de retângulos O primeiro método que nós veremos na aula de hoje é o Método dos Retangulos. Neste método, o princípio básico para fazer a aproxímação da integral de�nida por é dividir o intervalo de integração [a,b] em h partes iguais. Desta forma, a integral é calculada de acordo com a expressão apresentada a seguir: Veja só como funciona esta técnica, analisando a Figura 2 apresentada a seguir: Neste exemplo, nosso objetivo é calcular a integral dada por (em que f(x) é a linha indicada em vermelho). Para fazer esta operação, nós dividimos o intervalo de integração [2,3] em 5 intervalos iguais, indicados na cor azul. Naturalmente, como o intervalo de integração tem tamanho 1, cada intervalo apresenta dimensão h dada por: f (x)dx∫ b a f( ) = h f ( )∑ni=1 αi xi ∑ n i=1 + xi xi+1 2 Figura 2 – A integral como soma de 5 subáreas (retângulos azuis) – Método dos Retângulos (MOURA, 2017). Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online f(x) dx = + cos(x) dx∫ 32 ∫ 3 2 x 2 h = = 0,23 − 2 5 Em cada um destes 5 intervalos, adota-se como referência o valor da função no ponto médio de cada intervalo, em que o dito ponto médio é dado por Repare que cada ponto (x ) corresponde ao valor de seu antecessor (x ). adicionado do tamanho de cada intervalo (h). Desta maneira, você deve ter percebido que os cálculos �cam como está exposto na tabela a seguir: Feitos estes cálculos, nós conseguimos chegar a uma aproximação para a integral de , dada por: Como já era esperado, o resultado obtido apresenta uma diferença em relação ao valor exato da integral proposta que conseguimos ao realizar a operação dita analítica (5,5652). Assim, você pode perguntar-se: tem como fazer melhor? Podemos fazer isto, pelo menos, de duas formas diferentes: reduzindo o tamanho do intervalo h ou aprimorando a função de aproximação, o que veremos a seguir, com a apresentação do Método dos Trapézios. = + xi xi+1 2 +( +h)xi xi 2 i+1 i Intervalo Limite inferior Limite superior Ponto médio Valor da função no ponto médio 1 2 2,2 2,1 f (2,1) = 3,91 2 2,2 2,4 2,3 f (2,3) = 4,62 3 2,4 2,6 2,5 f (2,5) = 5,45 4 2,6 2,8 2,7 f (2,7) = 6,39 5 2,8 3,0 2,9 f (2,9) = 7,44 f (x) = + cos (x)x2 f( ) = h f ( ) = 0, 2 f ( )∑ni=1 αi xi ∑ n i=1 +xi xi+1 2 ∑5i=1 (2+i × 0,2) + [2 + (i−1) × 0,2] 2 → 0, 2 × 3, 91 + 0, 2 × 4, 62 + 0, 2 × 5, 45 + 0, 2 × 6, 39 + 0, 2 × 7, 44 = 0, 2 × ( 3, 91 + 4, 62 + 5, 45 + 6, 39 + 7, 44) = 5, 562 Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online O método dos trapézios No Método dos Trapézios, a estratégia para fazer o cálculo da aproximação da integral de�nida por também consiste em dividir do intervalo de integração [a,b] em h partes iguais. Só que a expressão de cálculo dentro de cada intervalo é diferente daquela que vimos para o método anterior. Neste caso, a integral é calculada de acordo com a expressão apresentada a seguir: Para entender melhor como isto é feito, veja a Figura 3 apresentada abaixo: f (x)dx∫ b a f( ) = h ∑ni=1 αi xi ∑ n i=1 f( ) + f( ) xi xi+1 2 Para ajudar, vamos utilizar o mesmo exemplo que vimos no Método dos Retângulos, calculando . Como mencionado há pouco, mais uma vez nós vamos dividir o intervalo de integração [2,3] em 5 intervalos iguais de tamanho: Aqui vem a diferença: em cada um destes 5 intervalos, adota-se, como função de referência, a média entre os valores da função nos pontos-limite de cada intervalo, ou seja, . Mais uma vez, note que cada ponto (x ) corresponde ao valor de seu antecessor (x ), adicionando do tamanho de cada intervalo (h). Desta maneira, neste segundo exemplo, temos a situação exposta na tabela apresentada a seguir: Com isso, tem-se a seguinte aproximação para a integral de , dada por: Como imaginávamos, o resultado obtido ainda apresenta uma diferença em relação ao valor exato da integral proposta(5,5652), mas a diferença se reduziu. Ainda assim, o resultado pode ser melhor: podemos reduzir o tamanho do intervalo h ou aprimorar a função de aproximação, empregando o denominado Método de Simpson para n = 3 . Figura 3 – A integral da função f(x) (em vermelho) como soma de 4 subáreas (trapézios hachurados em azul) – Método dos Trapézios (MOURA, 2017). f(x) dx = + cos(x) dx∫ 32 ∫ 3 2 x 2 h = = 0,23 − 2 5 f ( ) + f ( )xi xi+h 2 i+1 i Intervalo Limite inferior Limite superior Valor da função no ponto médio 1 2 2,2 2 2,2 2,4 3 2,4 2,6 4 2,6 2,8 5 2,8 3,0 = 3, 9177 f (2) + f (2,2) 2 = 4, 6371 f (2,2) + f (2,4) 2 = 5, 4629 f (2,4) + f (2,6) 2 = 6, 4004 f (2,6) + f (2,8) 2 = 7, 4539 f (2,8) + f (3) 2 f (x) = + cos (x)x2 f( ) = h = 0, 2 ∑ni=1 αi xi ∑ n i=1 f( ) +f( )xi xi+1 2 ∑5i=1 f(2+(i −1)× 0,2) +f [2 + i × 0,2] 2 → 0, 2 × ( 3, 9177 + 4, 6371 + 5, 4629 + 6, 4004 + 7, 4539) = 5, 5744 O método de Simpson No Método de Simpson para n = 3, como nos métodos anteriores, o princípio básico para calcular consiste em dividir o intervalo de integração [a,b] em h partes iguais. Assim, a integral é calculada de acordo com a expressão apresentada a seguir: Vamos ver qual é o efeito desta modi�cação? Mais uma vez utilizando o exemplo desta aula, considere o cálculo de . Como nos demais casos, nós dividimos o intervalo de integração [2,3] em 5 intervalos iguais de tamnaho: Conforme exposto em Moura (2017), em cada um destes 5 intervalos, adota-se como referência uma aproximação quadrática entre os valores da função nos pontos-limite de cada intervalo, considerando-se como ponto focal da parábola o ponto médio do intervalo, ou seja: De igual modo ao que �zemos nos casos anteriores, cada ponto (x ) equivale ao valor de seu antecessor (x ), adicionado do tamanho de cada intervalo (h). Vamos ver como �cam os cálculos neste terceiro caso? Veja a tabela apresentada a seguir: Com isso, tem-se a seguinte aproximação para a integral de , com resultado igual a 5,5652. Eis os cálculos: Atenção! Aqui existe uma videoaula, acesso pelo conteúdo online f (x)dx∫ b a f( ) = h ,onde y =∑ni=1 αi xi ∑ n i=1 f( ) +4 f(y) + f( )xi xi+1 6 + xi xi+1 2 f(x) dx = + cos(x) dx∫ 32 ∫ 3 2 x 2 h = = 0,23 − 2 5 ,onde y = f( ) +4 f(y) + f( )xi xi+1 6 + xi xi+1 2 i+1 i Intervalo Limite inferior Limite superior Ponto médio Valor da função no ponto médio 1 2 2,2 2,1 2 2,2 2,4 2,3 3 2,4 2,6 2,5 4 2,6 2,8 2,7 5 2,8 3,0 2,9 = 3, 9093 f (2) +4 f (2,1) + f (2,2) 6 = 4, 6282 f (2,2) +4 f (2,3) + f (2,4) 6 = 5, 4535 f (2,4) +4 f (2,5) + f (2,6) 6 = 6, 3908 f (2,6) +4 f (2,7) + f (2,8) 6 = 7, 4440 f (2,8) +4 f (2,9) + f (3) 6 f (x) = + cos (x)x2 h = 0, 2 , onde y = ∑ni=1 f( ) + 4 f (y) + f( )xi xi+1 6 ∑5i=1 f (a + (i−1)h) + 4 f (y) + f (a+ih) 6 (a + (i−1)h) + (a +ih) 2 0, 2 × f (2) + 4 f (2,1) + 2 f (2,2) +4 f (2,3) + 2 f (2,4) + 4 f (2,5) +2 f (2,6) + 4 f ( 2,7) + 2 f (2,8) + 4 f (2,9) + f (3,0) 6 →= 5, 5652 Como você pode ver, o resultado alcançado é equivalente ao valor exato da integral proposta (5,5652) – era de se esperar que nós encontrássemos uma aproximação melhor do que a oferecida pelos métodos anteriores, mas nem sempre se chegará a um resultado exato com tão poucos intervalos. Já tratamos disto anteriormente, mas não custa repetir: podemos encontrar uma aproximação ainda melhor, reduzindo o tamanho do intervalo h ou aprimorando a função de aproximação – a partir de funções cúbicas, quárticas ou de ordem superior. Implementação em Python Vamos ver um exemplo de integração em Python? Agora, nós calcularemos a integral da função x2 no intervalo [2, 3]. Em Python, podemos implementar o Método dos Retângulos para efetuar esta aproximação da seguinte forma: import numpy as np import math f = lambda x: x**2 a = 2; b = 3; N = 5 x = np.linspace(a,b,N+1) y = f(x) dx = (b-a)/N x_medio = np.linspace(dx/2,b - dx/2,N) soma_retangulo = np.sum(f(x_medio) * dx) print("Integral:",soma_retangulo) Por sua vez, para o método dos trapézios, o mesmo cálculo pode ser feito da seguinte forma: import numpy as np import math f = lambda x: x**2 a = 2; b = 3; N = 5 x = np.linspace(a,b,N+1) y = f(x) y_maior = y[1:] y_menor = y[:-1] dx = (b-a)/N soma_trapezio = (dx/2) * np.sum(y_maior + y_menor) print("Integral:",soma_trapezio) Já para o método de Simpson, podemos utilizar o código indicado a seguir: import numpy as np import math f = lambda x: x**2 a = 2; b = 3; N = 10 x = np.linspace(a,b,N+1) y = f(x) dx = (b-a)/N soma_Simpson = dx/3 * np.sum(y[0:-1:2] + 4*y[1::2] + y[2::2]) print("Integral:",soma_Simpson) Atividades 1. Assinale a única alternativa que apresenta a aproximação adequeda para a integral de no intervalo de 1 a 2. Considere a divisão do intervalo de integração em 10 partes: ex 1+sen(x) a) 2,386 b) 2,366 c) 2,406 d) 2,426 e) Nenhuma das aulternativas anteriores 2. Assinale a única alternativa que apresenta a aproximação adequeda para a integral de no intervalo de 1 a 2. Considere a divisão do intervalo de integração em 10 partes: e−x 8 − (x)cos2 − −−−−−−−−−− √ a) 1,700 b) 1,600 c) 1,800 d) 1,900 e) Nenhuma das aulternativas anteriores 3. Assinale a única alternativa que apresenta a aproximação adequeda para a integral de no intervalo de 1 a 2. Considere a divisão do intervalo de integração em 20 partes: ex a) 3,218 b) 3,418 c) 3,018 d) 3,618 e) Nenhuma das aulternativas anteriores 4. Assinale a única alternativa que apresenta a aproximação adequeda para a integral de no intervalo de 1 a 2. Considere a divisão do intervalo de integração em 20 partes: sen (x) a) 0,745 b) 0,765 c) 0,785 d) 0,725 e) Nenhuma das aulternativas anteriores 5. Assinale a única alternativa que apresenta a aproximação adequeda para a integral de no intervalo de 1 a 2. Considere a divisão do intervalo de integração em 20 partes: y3 a) 2,279 b) 2,479 c) 2,079 d) 2,679 e) Nenhuma das aulternativas anteriores Referências MOURA, D. F. C, Cálculo Numérico. Rio de Janeiro: SESES, 2017. 144 p. UFRGS (colaborativo). Cálculo Numérico: Um Livro Colaborativo Versão Python. Porto Alegre: UFRGS, 2019. Próxima aula Os métodos mais tradicionais de resolução de EDO de 1ª ordem: O método de Euler e suas variantes; O método de Runge-Kutta. Aplicar os métodos estudados, por meio da implementação computacional de programas em Python. Explore mais Segue uma lista de sites na Internet para que você os consulte depois: Prof. Isaias Neri. Integração Numérica – Vídeo 01 – Método dos Trapézios. KLOTH, A. G., SAITO, O.H. Uso de integração numérica em problemas de Engenharia. javascript:void(0); javascript:void(0);
Compartilhar