Prova Simulada 2

Cálculo Numérico
Faculdade de Ciências Sociais Aplicadas e Comunicação – FCASC

Faculdade de Engenharia, Arquiteturas e Urbanismo – FEAU
Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia)
2ª Lista de Exercícios
A. Exercícios sobre interpolação numérica

1) Considere os pontos da tabela abaixo:
x 1 1.5 3
y 330 710 2720
a) Encontre a função que interpola os dois primeiros pontos (x0 e x1), ou seja, obtenha
P1(x).
b) Encontre a função que interpola os três pontos (x0, x1 e x2), ou seja, obtenha P2(x).
c) Calcule P1(1.2) e P2(1.2) e compare com o valor da função f(x)= 5+35x +290x2
original no ponto 1.2
d) Qual dos dois polinômios da um valor mais próximo de f(1.2).
DICA: Para encontrar o polinômio interpolador basta resolver o sistema de equações pelo
método direto de eliminação de Gauss e encontrar os coeficientes (ai) do polinômio.
2) Considere os pontos da tabela abaixo:
x 1 2 3
y 5 5.24 6.288
a) Encontre a função que interpola os dois últimos pontos (x1 e x2), ou seja, obtenha
P1(x).
b) Encontre a função que interpola os três pontos (x0, x1 e x2), ou seja, obtenha P2(x).
c) Calcule P1(2.5) e P2(2.5) e compare com o valor da função f(x)= 5+log(x)/10x3
original no ponto 2.5
d) Qual dos dois polinômios da um valor mais próximo de f(2.5).
DICA: Para encontrar o polinômio interpolador basta resolver o sistema de equações pelo
método direto de eliminação de Gauss e encontrar os coeficientes (ai) do polinômio.
2ª Lista de Exercícios – Cálculo Numérico – Prof. Dr. Sergio Pilling 1

3) Considerando um função do tipo f(x)= 5x + ln(x+1),
a) Escreva o polinômio interpolador de Lagrange de ordem 2 passando que passa pelos
pontos x=1, 2 e 3. Calcule P2(1.3)
b) Escreva o polinômio interpolador de Lagrange de ordem 3 passando que passa pelos
pontos x=1, 2, 3 e 4. Calcule P3(1.3)
Dica: f(1)=5.69; f(2);= 11.09; f(3)= 16.38; f(4)= 21.60

P2(x) = f(x0)L0(x) + f(x1)L1(x) + f(x2)L2(x)
P3(x) = f(x0)L0(x) + f(x1)L1(x) + f(x2)L2(x) + f(x3)L3(x);
n n
onde Lk(x)= Π (x-xj) / Π (xk-xj)
J=0 J=0
J≠k J≠k
4) Considerando uma função do tipo f(x)=5x + ln(x+1),

a) escreva o polinômio interpolador de Newton de ordem 2 passando que passa pelos pontos
x=1, 2 e 3. Calcule P3(1.3).
b) escreva o polinômio interpolador de Newton de ordem 3 passando que passa pelos pontos
x=1, 2, 3 e 4. Calcule P3(1.3).
Dica: f(1)=5.69; f(2);= 11.09; f(3)= 16.38; f(4)= 21.60

P2(x) = f[x0] + (x - x0) f[x0,x1]+ (x - x0) (x- x1) f[x0,x1,x2]
P3(x) = f[x0] + (x - x0) f[x0,x1]+ (x - x0) (x- x1) f[x0,x1,x2] +

+ (x-x0) (x-x1) (x-x2) f[x0,x1,x2,x3]
onde f[x0] = f(x0)
f ( x2 ) − f ( x1 ) f ( x1 ) − f ( x0 )
−
x2 − x1 x1 − x0
=
x 2 − x0
=
f ( x3 ) − f ( x2 ) f ( x2 ) − f ( x1 ) f ( x2 ) − f ( x1 ) f ( x1 ) − f ( x0 )
− −
x3 − x2 x2 − x1 x2 − x1 x1 − x0
−
x3 − x1 x2 − x0
=
x3 − x0

B. Exercícios sobre ajuste de curvas pelo método dos mínimos quadrados

C. Exercícios sobre Integração Numérica
1) Calcular o valor numérico das integrais abaixo utilizando a regra do trapézio e a regra 1/3 de
Simpson:
a) b) c)
2) Determinar o valor das integrais abaixo utilizando a regra do trapézio repetida com n=5
subdivisões
3) Seja a integral:
a) Calcular com a regra de Simpson repetida com 6 subdivisões o valor numérico da

integral e dar uma estimativa para o erro utilizando este método.
b) Para obtermos uma precisão de ε=10-8 utilizando esta técnica numérica seriam
necessário termos quantas subdivisões?
2) Seja a integral:
a) Calcular com a regra de Simpson repetida com 10 subdivisões o valor numérico da

integral e dar uma estimativa para o erro utilizando este método.
b) Para obtermos uma precisão de ε=10-6 utilizando esta técnica numérica seriam
necessário termos quantas subdivisões?
Dicas: consular Revisão 2 no site do curso.

| C.N. | Programa | Exercícios | Provas | Professor | Links |
PRIMEIRA PROVA DE CÁLCULO NUMÉRICO - 1997
(2º semestre )
Questão 1-Seja um computador binário, cujo sistema de ponto flutuante tenha 1 bit para o sinal do número, 4 bits para o
expoente e 7 bits para a mantissa num total de 12 bits.Responda:
a-qual o menor número positivo nele representável
b-qual o maior número positivo nele representável
c-qual o maior e > 0 , tal que 4,25 + e = 4,25
d-qual o menor número maior que 4,25 , nele representável
e-qual o maior número menor que 20, nele representável
(Operações matemáticas usam acumulador duplo e há arredondamento)
(Indique os números acima em binário ou em decimal)
Questão 2-No cálculo da raiz de sen(x)+2x-2=0 , pelo método da iteração linear, fazem-se as transformações:
x = g1(x) = sen(x) + 3x - 2
x = g2(x) = (2 - sen(x)) / 2
x = g3(x) = (sen(x) + 4x - 2) / 2
x = g4(x) = 2 - sen(x) - x
x = g5(x) = (2 - sen(x) + x) / 3
Parte-se de um valor de xo , obtido a partir de um esboço gráfico, para se estimar a raiz. Sem calcular a raiz, responda:
a- em quais das funções acima a convergência é garantida ?
b- em qual a convergência é mais rápida ?
Questão 3-Pelo método de Newton-Raphson, calcule duas raízes reais da equação f(x)=0, abaixo, com erro menor que
0.0001.
f(x)= e-x - 5 + X = 0
Questão 4-Resolva o sistema abaixo pelo método de LU e por Gauss-Seidel, fazendo neste três iterações completas.
20 X1 - 1 X2 = 41
-1 X1 + 20 X2 - 1 X3 = - 24
-1 X2 + 20 X3 = 41
Questão 5-Calcule, com erro menor que 0,1 , as 3 raízes do polinômio abaixo, por Birge-Vieta.
P(x) = x3 - 15 x2 + 56 x - 60 = 0
Questão 6-Dada a tabela abaixo, estime o valor de y(1,5), interpolando com um polinômio de terceiro grau. Estime o valor
de y(5) pela reta dos mínimos quadrados.
x 1 2 3 4
y 0,5 2,6 4,5 6,4
Questão 7-Explique o que entende por:
a- convergência quadrática
b- matriz mal condicionada
Outro exemplo de Primeira Prova
| C.N. | Programa | Exercícios | Provas | Professor | Links |

PRIMEIRA PROVA DE CÁLCULO NUMÉRICO - 2003
(1º semestre – 12 pontos)
Questão 1-Seja um computador binário, cujo sistema de ponto flutuante tenha 1 bit para o sinal do
número, 3 bits para o expoente e 6 bits para a mantissa num total de 10 bits. (2 pontos)
a- represente, nele, os números r = 2,125 , s = -2,5 , t = 0,55.
b- que número é representado por 1000010100 ?
c- qual o maior número positivo nele representável ?
d- qual o maior número menor que 1 ?
Resolução
Análise do expoente:
000 001 010 011 100 101 110 111
-2 -2 -1 0 +1 +2 +3 reservado
a) represente, nele, os números r = 2,125 , s = -2,5 , t = 0,55.

r = 2,125 = 10,001 = 1,0001 . 21
0 1 0 0 0 0 0 1 0 0
s = -2,5 = -10,0 = - 1,01 . 21
1 1 0 0 0 1 0 0 0 0
t = 0,55 = 0,100011001100... = 1,000110011... . 2-1

0 0 1 0 0 0 0 1 1 0
b) que número é representado por 1000010100 ?
1 0 0 0 0 1 0 1 0 0
-0,0101 . 2-2 = - 0, 000101 = -( 2-4 + 2-6 ) = -0, 078125
c) qual o maior número positivo nele representável ?
0 1 1 0 1 1 1 1 1 1
1,111111 . 23 = 1111,111 = 15,875

d) qual o maior número menor que 1 ?
1 = 1,0 = 1,000000 . 20
maior número menor que 1 será: 1,111111 . 2-1 =
= 0,1111111 = 1 – 2-7 = 0,9921875
Questão 2-No cálculo da raiz de f(x) = e -x – 3x –3 = 0 , pelo método da iteração linear, fazem-se
as transformações:
· x = g1(x) = ( e –x –3 ) / 3
· x = g2(x) = e -x - 2x – 3
· x = g3(x) = - ln(3+3x)
Obtenha, graficamente, uma boa estimativa xo , da raiz. (1 ponto)
Indique, sem iteragir, que função ou funções irão convergir para a raiz. (1 ponto)
Resolução
Como vemos, fazendo e

-x = 3x + 3, temos que x = - 0,5 é uma boa estimativa para a raiz.
0
Para ver quais funções convergiriam para a raiz, tem-se que calcular as derivadas.
g ’(x) = - e –x / 3 onde g ’(-0,5) = -0,55
1 1 que estando entre (-1,+1) garante a
convergência.
g2’(x) = -e -x – 2 onde g2’(-0,5) = -3,65 não convergindo
g3’(x) = - 3/(3+3x) onde g3’(-0,5) = -2 não convergindo.

Logo, só podemos garantir a convergência da função g1(x).
Questão 3-Pelo método de Newton-Raphson, calcule a raiz positiva da equação

f(x) = e x – 2cos(x) = 0, com erro menor que 0.001. (1 ponto)
Resolução
Vamos estimar graficamente a raiz, fazendo ex = 2 cos(x).
Vê-se que a raiz é aproximadamente 0,5. Logo x0 = 0,5.
Sendo f(x) = e x – 2cos(x), tem-se f’(x) = e x + 2sen(x).

Fazendo-se xi+1 = xi – f(xi)/f’(xi+1) tem-se:
xi+1 = xi – (e xi – 2cos(xi )/( exi + 2sen(x)).
Daí a seqüência:
x0 = 0,5 x1 = 0,54082 com Dx = 0,04082 > 0,001
x1= 0,54082 x2 = 0,53979 com Dx = 0,00103 > 0,001
x2 = 0,53979 x3 = 0,53979 com Dx = 0 < 0,001.
Logo r @ 0,53979 ou r @ 0,540.

Questão 4-Resolva o sistema A.X = B , abaixo, pelo método iterativo de Gauss Seidel, fazendo
neste três iterações completas, partindo de (0,0,0) e usando 2 casas decimais. (1 ponto)
5 X1 - 2 X2 = 1,0
-1 X1 + 5 X2 – 1 X3 = 10,0
- 2 X2 + 5 X3 = -9,0
Resolução
Método de Gauss-Seidel
x1 = (1,0 + 2 x2) / 5
x2 = (10,0 + x1 + x3) / 5
x3 = (-9,0 + 2x2) / 5
Seqüência de iterações:
Raízes: x1 = 1,00 x2 = 2,00 x3 = -1,00
Questão 5- Resolva a questão anterior pelo método LU. (1 ponto)

Resolução
Ao se fazer L2 – (-1/5) L1 , isto é: L2 + (1/5) L1 tem-se:
Ao se fazer L3 – (-2/4,6)L2 , isto é: L3 + (2/4,6) L2 tem-se:
ou:
A=L.U
A.X=B L.U.X=B fazendo U . X = Y , tem-se:
L.Y=B que é um sistema triangular de fácil solução.

Logo: Y1 = 1 -0,2 + Y2 = 10 logo Y2 = 10,2
-0,43 . 10,2 + Y3 = -9 logo Y3 = -4,61
Mas U.X = Y , logo:
Assim:
X3 = -1,01
4,6 X2 + 1,01 = 10,2 donde X2 = 2,00
5X1 – 4 = 1 donde X1 = 1,00
Assim:
Questão 6-Calcule, com erro menor que 0,1 , as 3 raízes do polinômio abaixo, por Birge-Vieta.
Trabalhe com 2 casas decimais. (1,5 pontos)
P(x) = 1,0 x3 – 14 x2 + 35 x + 50 = 0
Resolução x0 = 0
1 -14 35 50
0 1 -14 35 50
0 1 -14 35
x1 = 0 – 50/35 = -1,43
1 -14 35 50
-1,43 1 -15,43 57,06 -31,60
-1,43 1 -16,86 81,17
x2 = -1,43 – (-31,60)/81,17 = -1,04
1 -14 35 50
-1,04 1 -15,04 50,64 -2,67
-1,04 1 -16,08 67,36
x3 = -1,04 – (-2,67)/67,36 = -1,00
1 -14 35 50
-1,00 1 -15 50 0
r1 = -1,00
x0= -1,00
1 -15 50
-1,00 1 -16 66
-1,00 1 -17
x1 = -1,00 – 66/(-17)= 2,88
1 -15 50
2,88 1 -12,12 15,09
2,88 1 -9,24
x2 = 2,88 – 15,09/(-9,24)= 4,51

1 -15 50
4,51 1 -10,49 2,69
4,51 1 -5,98
x3 = 4,51 – 2,69/(-5,98) = 4,96
1 -15 50
4,96 1 -10,04 0,20
4,96 1 -5,08
x4 = 4,96 – 0,20/(-5,08) = 5,00
1 -15 50
5,00 1 -10 0
r2 = 5,00
x0 = 5,00
1 -10
5,00 1 -5
5,00 1
x1 = 5,00 –(-5/1) = 10,00
1 -10
10,00 1 0
r3 = 10,00
Raízes: -1,00 5,00 10,00
Questão 7 – O que entende por matriz mal condicionada? Que cuidados devem ser tomados quando aparecem em
sistemas lineares. (0,5 ponto) O que entende por convergência linear e convergência quadrática, no cálculo de raízes ?
(0,5 ponto) Explique a importância do Método LU.(0,5 ponto)
Resolução
Entende-se por Matriz Mal Condicionada a matriz cujo determinante é muito
pequeno quando comparado com a ordem de grandeza de seus elementos. (uma
definição mais precisa exigiria definir norma de matriz). São matrizes que, quando
envolvidas na solução de sistemas lineares, tornam os resultados pouco confiáveis,
pois pequenos arredondamentos nos componentes da matriz, ou em resultados
intermediários, alteram profundamente o cálculo final das raízes do sistema. Tendo
um Sistema Linear uma matriz mal condicionada, os cálculos deverão ser feitos
com a maior precisão possível, procurando-se minimizar a propagação desses erros,
que são críticos nesse caso, podendo levar a resultados profundamente diferentes
dos verdadeiros.
Convergência– quando se calcula uma raiz de uma equação por um processo
iterativo, busca-se, a cada nova iteração, aproximar-se mais e mais do verdadeiro
valor da raiz. Em cada iteração, entretanto, há um erro associado a ela. Num
método que convirja, a tendência é a da diminuição dos erros, que deverão tender a
zero.
Se o erro de uma iteração é aproximadamente proporcional ao erro da iteração
anterior, isto é, ei+1 » k.ei , diz que a convergência é linear, sendo |k| < 1.
Se ei+1 » k ei2 , isto é, se cada novo erro é proporcional ao quadrado do erro
anterior, diz-se que a convergência é quadrática.
Admitindo-se que os erros sejam pequenos, o quadrado do erro tende a zero mais
rapidamente, daí a convergência quadrática ser mais rápida que a convergência
linear.
Método LU para resolução de Sistemas Lineares– nesse método, fatora-se a matriz

do sistema no produto de duas matrizes: uma triangular inferior e outra triangular
superior. Assim, transforma-se um sistema A.X = B num sistema L.U.X = B, onde
L é uma matriz triangular inferior e U uma matriz triangular superior.
Chamando-se U.X de Y , tem-se o sistema L.Y = B, de imediata solução, pois L é
uma matriz triangular.
Calculado o vetor Y, passa-se ao sistema U.X = Y, também triangular e de solução
imediata.
Assim calcula-se X, que é a solução do sistema A.X = B.
É muito comum, na prática, ter-se que resolver sistemas onde só muda o vetor B,
considerado, em geral, a carga do sistema. A solução fica acelerada pela fatoração
inicial da matriz A e a resolução posterior de dois sistemas triangulares. Para cada
novo vetor B, lado direito do sistema, repete-se a solução dos dois sistemas
triangulares, de solução rápida.
Cálculo Numérico
Faculdade de Ciências Sociais Aplicadas e Comunicação – FCSAC
Avaliação P2c
Nome do aluno: ____________________________________________ Data: ____________
Matrícula:__________________Turma: _________________ Curso:__________________
1ª Questão (8pts):
Após plantar um grão de feijão mágico que recebeu de um andarilho, Joãozinho resolveu anotar a altura do pé
de feijão em função dos dias.
x (dias) 0 1 2 3 4 5 6 7 8 9 10
y (m) 0 0.2 4.2 21.4 30 52.5 76 120 160 250 302
Resolva os itens abaixo baseados na tabela acima:

a) (2pts) Considere os pontos em x=3 e x=7 e ajuste um polinômio de ordem 1, P1(x), utilizando o
método de direto (P(xk)=f(xk)).
b) (2pts) Considere os pontos em x=0, x=5 e x=10 e ajuste um polinômio de ordem 2, P2(x), utilizando
o método de Lagrange.
c) (1pt) A partir dos polinômios encontrados nos itens acima calcule os valores P1(4.25) e P2(4.25)?
d) (2pts) Encontre a melhor função parabólica (ϕ (x) = a1 + a2 x + a3x2) que ajusta todos pontos da
tabela utilizando o Método dos Mínimos quadrados.
e) (1pt) Em quantos dias o pé de feijão atingiria a altura de 4km, onde supostamente mora um gigante
num castelo mágico sobre as nuvens de gelo?
20
e2 x
Seja a integral ao lado: I = ∫ dx . Calcule numericamente o valor da integral pela regra 1/3 de Simpson
2
x
repetida com 6 subdivisões.
Boa Sorte!
Será que os macacos
ficariam orgulhosos de nos?
Observações
- Não serão consideradas respostas finais sem seus respectivos cálculos ou justificativas.
- Questões respondidas a lápis não terão direito à revisão.
1
Formulário:
Li = L*i − mij L j
n
Pn ( x ) = ∑ a k x k = a0 + a1 x + a 2 x 2 + a3 x 3 + .... + a n x n aij
mij =
k =0
a jj
n
n
∏ (x − x )
j =0
j
Pn ( x ) = ∑ f ( x k ) Lk ( x ) = f ( x 0 ) L0 ( x ) + f ( x1 ) L1 ( x ) + .... + f ( x n ) Ln ( x ) Lk ( x ) =
j≠k
n
∏ (x
k =0
k − xj)
j =0
j≠k
n
Pn ( x ) = f [ x0 ] + ∑ f [ x0 ,..., xk ]( x − x0 )...( x − xk −1 ) =
k =1
= f [ x0 ] + f [ x0 , x1 ]( x − x0 ) + f [ x0 , x1 , x2 ]( x − x0 )( x − x1 ) + f [ x0 , x1 , x2 , x3 ]( x − x0 )( x − x1 )( x − x2 ) +
+ .... + f [ x0 , x1 , x2 , x3 ,.... xn ]( x − x0 )( x − x1 )( x − x2 )( x − x3 )....( x − xn −1 )
n
f ( x ) ≈ φ ( x ) = ∑ ai g i ( x ) = a1 g1 ( x ) + a 2 g 2 ( x ) + a3 g 3 ( x )... + a n g n ( x ) n∈Ι
i =1
⎛ a11 a12 ... a1n ⎞ ⎛ a1 ⎞ ⎛ b1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ m m
⎜ a21 a22 ... a2 n ⎟ ⎜ a2 ⎟ ⎜ b2 ⎟
× =
aij = ∑ g i ( xk ) g j ( xk ) =a ji bi = ∑ f ( xk ) g i ( xk )
⎜ ... ... ... ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟ k =1 k =1
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ a n1 an 2 ... ann ⎟⎠ ⎜⎝ an ⎟⎠ ⎜⎝ bn ⎟⎠
=ITR
b−a
h=
n
=ISR
b−a b−a
h= =
m 2n
2
3
4
5
6
7
Cálculo Numérico
Avaliação P2b
Após plantar um grão de feijão mágico que recebeu de um andarilho, Joãozinho resolveu anotar a altura do pé
de feijão em função dos dias.
x (dias) 0 1 2 3 4 5 6 7 8 9 10
y (m) 0 0,3 5 22 32 55 71 133 169 270 305
Resolva os itens abaixo baseados na tabela acima:

a) (2pts) Considere os pontos em x=1, x=3 e x=7 e ajuste um polinômio de ordem 2, P2(x), utilizando o
método de direto (P(xk)=f(xk)).
b) (2pts) Considere os pontos em x=0, x=5 e x=10 e ajuste um polinômio de ordem 2, P2(x), utilizando
o método de Newton.
c) (1pt) Calcule o valor de P2(4,3) para os dois polinômios encontrados nos itens acima.
d) (2pts) Encontre a melhor função parabólica (ϕ (x) = a1 + a2 x + a3x2) que ajusta todos pontos da
tabela utilizando o Método dos Mínimos quadrados.
e) (1pt) Em quantos dias o pe de feijão atingiria a altura de 4.4km, onde supostamente moraria um
gigante num castelo mágico sobre as nuvens de gelo?
5.5
Seja a integral I = ∫ 1,2 xe ( 4− x ) dx
−2
a) (1pt) Calcule numericamente o valor da integral pela regra do trapézio repetida com 7 sub-
divisões.
b) (1pt) Quantas subdivisões devemos fazer para que o erro seja menor do que 10-7?
Boa Sorte!
Será que os macacos
ficariam orgulhosos de nos?
Observações
- Questões respondidas a lápis não terão direito à revisão.
1
Formulário:
n
Li = L*i − mij L j
Pn ( x ) = ∑ a k x k = a0 + a1 x + a 2 x 2 + a3 x 3 + .... + a n x n
aij
mij =
k =0 a jj
n
∏ (x − x )
j =0
j
Pn ( x ) = ∑ f ( x k ) Lk ( x ) = f ( x 0 ) L0 ( x ) + f ( x1 ) L1 ( x ) + .... + f ( x n ) Ln ( x ) Lk ( x ) =
j≠k
n
∏ (x
k =0
k − xj)
j =0
j≠k
n
Pn ( x ) = f [ x0 ] + ∑ f [ x0 ,..., xk ]( x − x0 )...( x − xk −1 ) =
k =1
n
f ( x ) ≈ φ ( x ) = ∑ ai g i ( x ) = a1 g1 ( x ) + a 2 g 2 ( x ) + a3 g 3 ( x )... + a n g n ( x ) n∈Ι
i =1
⎛ a11 a12 ... a1n ⎞ ⎛ a1 ⎞ ⎛ b1 ⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟ m m
⎜ a21 a22 ... a2 n ⎟ ⎜ a2 ⎟ ⎜ b2 ⎟
× =
aij = ∑ g i ( xk ) g j ( xk ) =a ji bi = ∑ f ( xk ) g i ( xk )
⎜ ... ... ... ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟ k =1 k =1
⎜⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ a n1 an 2 ... ann ⎟⎠ ⎜⎝ an ⎟⎠ ⎜⎝ bn ⎟⎠
=ITR
b−a
h=
n
=ISR
b−a b−a
h= =
m 2n
2
3
4
5
6
7
8
Cálculo Numérico
d
Prof. Dr. Sergio Pilling
Avaliação P1
1ª Questão (2.5pts):
x 2
Seja a função f(x)=e -4x e sua raiz ξ no intervalo [0,1]. Tomando xo=0.5 encontre o valor da raiz com uma
-2
precisão de ε = 10 , usando:
0.5x
a) o MPF com ϕ(x) =0.5 e
b) o método de Newton.
O sistema abaixo descreve o numero de carros azuis (x) vermelhos (y) e pretos (z) que atravessam um dado
cruzamento por hora em dado sentido. Resolva o sistema linear utilizando o método direto de eliminação de
Gauss. Utilize a técnica de pivoteamento parcial caso necessário.
3x – 4y + z = 9
4x +2y– 3z = –2
x + 2y + 2z = 3
a) Transforme os números 923728 e 0,000542456 para o formato ponto flutuante.
b) Armazene os números do item a nas maquinas digitais que operam com as seguintes aritméticas de
ponto flutuante: F(9,10,-8,8); F(4,10,-8,8) e F(4,10,-2,2). Considere que as maquinas fazem
truncamento.
c) Quais seriam os números máximos e mínimos que podem ser representados nas três máquinas do
item b.
Um português ganhou de presente do pai uma máquina de calcular super moderna, capaz de armazenar 3
dígitos na mantissa utilizando truncamento. Muito satisfeito, o ansioso rapaz efetuou duas operações em sua
maquina nova envolvendo os números de arvores da plantação de seu pai (A=1852) e o número médio de frutas
de cada arvore (F=90218).
a) Calcule os erros absolutos (EA), erros relativos (ER) e erros relativos percentuais (ER%) envolvidos
no processo de utilização da máquina digital para cada número A e F?
b) Após realizar as operações A-F e A÷F percebeu que uma das duas operações resultava no erro
relativo maior. Qual foi?
Formulário
EAx =| x − x |
| f ( x k ) |< ε ou | x k − x k −1 |< ε ou | bk − a k |< ε
EAx x−x log(b0 − a0 ) − log(ε )

ERx = = k>
x x log(2)
a k + bk
EA( xy ) =| x EAy + yEAx | xk =
2
EA( x ± y ) =| EAx ± EAy | f ( xk )
xk +1 = xk −
EAx x EAy f ' ( xk )
EA( x / y ) =| − 2 |
y y xk −1 f ( xk ) − xk f ( xk −1 )
xk +1 =
F (t , β , emin , emax ) → ±0, d1 ...d t × β e
f ( xk ) − f ( xk −1 )
ER( xy ) =| ERx + ERy | +δ aik

L'i ← Li − mik Lk mik =
ER( x / y ) =| ERx − ERy | +δ akk
x y ak f (bk ) − bk f ( ak )
ER( x ± y ) = ERx ± ER y + δ xk =
x±y x±y f (bk ) − f ( ak )
δ = 10 − t +1 ou 1 2 10 − t +1 xk + 1 = φ ( xk )
Boa Sorte!
Não esqueçam de usar
o cérebro. Ok?
Observações:
- Os cálculos podem ser feitos a lápis mas as respostas finais devem ser apresentadas a caneta.
- Questões puramente discursivas devem ser respondidas a caneta.
- Não é permitido a utilização de celulares ou outros aparelhos eletrônicos (com exceção da calculadora).
- Não é permitido ir ao banheiro ou sair para beber água durante a prova (exceto em emergências).
- Os alunos só poderão entregar a prova e serem liberados após 30 minutos do início da prova.
- Para assinar a lista de presença é obrigatório apresentar algum documento de identificação com foto.
- Não destaque as folhas de prova.
- TODAS as folhas de prova devem ser assinadas IMEDIATAMENTE após o recebimento do aluno.
Cálculo Numérico
c
Avaliação P1
O sistema abaixo descreve o numero de carros azuis (x) vermelhos (y) e pretos (z) que atravessam um dado
3x – 4y + z = 9
4x – 3z = –2
x + 2y + 2z = 3
a) Calcule as 4 primeiras iterações usando o método da Bissecção para a função f(k)= 8sen(k)- ek para
encontar a raiz que esta dentro do intervalo [0,1].
b) Se fizéssemos 93 iterações qual seria aproximadamente a precisão atingida nesse método?
a) Transforme os números 923728 e 0,000542456 para o formato ponto flutuante.
b) Armazene os números do item a nas maquinas digitais que operam com as seguintes aritméticas de
ponto flutuante: F(9,10,-8,8); F(4,10,-8,8) e F(4;10,2,2). Considere que as maquinas fazem
truncamento.
c) Quais seriam os números máximos e mínimos que podem ser representados nas três máquinas do
item b.
d) Qual seria a representação binária do número 59,091?
e) Qual seria a representação decimal do numero (10,0101)2?
Um holandês ganhou de presente do pai uma máquina de calcular super moderna, capaz de armazenar 3 dígitos
na mantissa utilizando truncamento. Muito satisfeito, o ansioso rapaz efetuou duas operações em sua maquina
nova envolvendo os números de arvores da plantação de seu pai (A=9532) e o número médio de frutas de cada
arvore (F=2178).
no processo de utilização da máquina digital para cada número A e F?
b) Após realizar as operações A+F e A×F percebeu que uma das duas operações resultava no erro
relativo maior. Qual foi?
c) Calcule o erro relativo envolvido na operação A3?
Formulário
EAx =| x − x |

ERx = = k>
x x log(2)
a k + bk
2
EA( x ± y ) =| EAx ± EAy | f ( xk )
xk +1 = xk −
EA( x / y ) =| − 2 |
y y xk −1 f ( xk ) − xk f ( xk −1 )
xk +1 =
f ( xk ) − f ( xk −1 )

ER( x ± y ) = ERx ± ER y + δ xk =
x±y x±y f (bk ) − f ( ak )
δ = 10 − t +1 ou 1 2 10 − t +1 xk + 1 = φ ( xk )
Boa Sorte!
o cérebro. Ok?
Observações:
Cálculo Numérico
b
Prof. Dr. Sergio Pilling
Avaliação P1
1ª Questão (2.5 pts):

Calcule as 3 primeiras iterações para o valor aproximado da raiz da função f(w)= w log(w) – 1 nos métodos
abaixo:
a) Método da Bissecção. Use como intervalo para a raiz os valores [2,3].
b) Quantas iterações deveríamos fazer para encontrar a raiz da função com uma precisão de cálculo de ε
-9
=10 utilizando o método da bisseção?
c) Método do ponto fixo. Use como função equivalente ϕ(w)= w – 1.3(w logw – 1) e como chute
inicial w0=2.5.

Um coreano ganhou de presente do pai uma máquina de calcular super moderna, capaz de armazenar 4 dígitos
na mantissa utilizando arredondamento. Muito satisfeito, o ansioso rapaz efetuou duas operações em sua
maquina nova envolvendo os números de arvores da plantação de seu pai (x=17532) e o número médio de
frutas de cada arvore (y=21178).
no processo de utilização da máquina digital para cada número x e y?
b) Após realizar as operações x-y e x/y percebeu que uma das duas operações resultava no erro relativo
maior. Qual foi?

O sistema abaixo descreve o numero de carros cinza (x1) vermelhos (x2) e pretos (x3) que atravessam um dado
2x2 + 3x3 = 11
9x1 + 5x2 + x3 = -8
2x1 + 3x2 + 10x3 = 6
4ª Questão (2.5 pts)

a) Dos métodos numéricos estudados para encontrar zeros de funções quais necessitam que seja definido
um intervalo onde supostamente estaria o zero da função? e Quais métodos precisam de 1 chute inicial para se
encontrar o zero da função e qual método exigem 2 chutes inicias?
b) Qual dos métodos numéricos estudados para encontrar zeros de funções é necessário utilizar a
derivada da função no processo iterativo?
c) Qual seria a representação ponto flutuante do número 523899,091?
Como seria a representação do número do item c nas maquinas digitais que operam com as seguintes
aritméticas de ponto flutuante: F(9,10, -8,8); F(4,10,-8,8) e F(4,10,-2,2). Considere o truncamento.
d) Quais seriam os números máximos e mínimos que podem ser representados nas três máquinas do
item c.
Formulário
EAx =| x − x |

ERx = = k>
x x log(2)
a k + bk
2
EA( x ± y ) =| EAx ± EAy | f ( xk )
xk +1 = xk −
EA( x / y ) =| − 2 |
y y xk −1 f ( xk ) − xk f ( xk −1 )
xk +1 =
f ( xk ) − f ( xk −1 )

ER( x ± y ) = ERx ± ER y + δ xk =
x±y x±y f (bk ) − f ( ak )
δ = 10 − t +1 ou 1 2 10 − t +1 xk + 1 = φ ( xk )
Boa Sorte!
o cérebro. Ok?
Observações:
Cálculo Numérico Zeros reais de funções reais 1
1. Isolar os zeros da função f ( x )= x 3 −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) − + + + + − − +
Como f ( −4) ⋅ f ( −3) < 0 , f ( 0 ) ⋅ f (1) < 0 e f ( 2 ) ⋅ f (3) < 0 , conclui- se, de acordo com o
teorema 1, que existem zeros de f ( x ) nos intervalos [−4,−3], [0,1] e [2,3]. Como
f ( x ) =0 tem exatamente 3 raízes, pode-se afirmar que existe exatamente um zero em
cada um destes intervalos.
y
y = f(x )
α1 α2 α3 x
-4 -3 -2 -1 1 2 3 4
Pode-se também chegar às mesmas conclusões partindo da equação

f ( x )= x 3 −9 x +3=0, obtendo-se a equação equivalente x 3 =9 x −3. Neste caso, tem-se
que g ( x ) = x 3 e h( x ) = 9 x − 3 . Traçando os gráficos de g ( x ) e h( x ) , verifica-se que as
abscissas dos pontos de intersecção destas curvas estão nos intervalos [−4,−3], [0,1] e
[2,3].
y
g(x) h(x)
α1 x
-4 -3 -2 -1 α2 1 2 α3 3 4
Outra forma de se verificar a unicidade de zeros nestes intervalos, é traçar o gráfico da

função derivada de f ( x ) , f ' ( x ) = 3 x 2 − 9 e confirmar que a mesma preserva o sinal em
cada um dos intervalos ]−4,−3[, ]0,1[ e ]2,3[, conforme a Erro! Fonte de referência não
encontrada..
Lauro / Nunes
y
y = f ’( x)
- 3 3 x
-4 -3 -2 -1 1 2 3 4
Lauro / Nunes
2. Isolar os zeros da função f ( x ) = x ln x − 3,2 .

x 1 2 3 4
f ( x) − − + +
Como f ( 2 ) ⋅ f (3) < 0 , conclui-se, de acordo com o teorema 1, que existem zeros de
f ( x ) no intervalo [2,3].
y y = f(x)
0,3
0,2
0,1 3,2 x
2,6 2,8 3,0 3,4
0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
-0,7
-0,8
-0,9
-1,0
Pode-se ainda verificar graficamente que a função derivada da função f (x ) ,

f ' ( x ) = 1 + ln x preserva o sinal no intervalo ]2,3[, neste caso f ' ( x ) > 0 ∀x ∈]2,3[, o que
pela Erro! Fonte de referência não encontrada. garante que só existe um zero de f ( x )
neste intervalo.
y f’ (x )
1 x
Lauro / Nunes
3. Isolar os zeros da função f ( x ) = 5 log x − 2 + 0,4 x .

x 1 2 3
f ( x) − + +
Como f (1) ⋅ f ( 2) < 0 , conclui-se, de acordo com o teorema 1, que existem zeros de
Pode-se também chegar a esta mesma conclusão partindo da equação
f ( x ) = 5 log x − 2 + 0,4 x =0, obtendo-se a equação equivalente 5 log x = 2 − 0,4 x . Neste
caso, tem-se que g ( x ) = 5 log x e h ( x ) = 2 − 0,4 x . Traçando os gráficos de g ( x ) e h( x ) ,
verifica-se que a abscissa do único ponto de intersecção destas curvas está no intervalo
[1,2].
y g (x)
2
1
h(x)
1 α2 3 x
4. Isolar os zeros da função f ( x ) = x − 5e − x .

x 0 1 2 3
f ( x) − − + +
Como f (1) ⋅ f ( 2) < 0 , conclui-se, de acordo com o teorema 1, que existem zeros de
Pode-se também chegar a esta mesma conclusão partindo da equação
f ( x ) = x − 5e − x =0, obtendo-se a equação equivalente x = 5e − x . Neste caso, tem-se
que g ( x ) = x e h( x ) = 5e− x . Traçando os gráficos de g ( x ) e h( x ) , verifica-se que a
abscissa do único ponto de intersecção destas curvas está no intervalo [1,2].
y
2
g (x)
h(x)
1 α 2 3 x
Lauro / Nunes
5. Determinar um valor aproximado para 5 , com erro inferior a 10−2 .

Resolução: Determinar 5 é equivalente a obter o zero positivo da função f ( x ) = x 2 −5.
Sabe-se que o intervalo [2,3] contém este zero e a tolerância neste caso é ε = 10 −2 . Assim,
a quantidade mínima de iterações para se obter a resposta com a precisão exigida é:
log( b − a ) − log ε log(3 − 2 ) − log 10 −2 log 1 + 2 log 10 0 + 2 ⋅1
n≥ ⇒ n≥ ⇒ n≥ ⇒ n≥ ⇒
log 2 log 2 log 2 log 2
⇒ n ≥ 6,643856. Como n deve ser intero, tem-se n =7.
n a x b f (a ) f (x) f (b ) ( b − a )/2
1 2,0 2,5 3,0 − + + 0,5
2 2,0 2,25 2,5 − + + 0,25
3 2,0 2,125 2,25 − − + 0,125
4 2,125 2,1875 2,25 − − + 0,0625
5 2,1875 2,21875 2,25 − − + 0,03125
6 2,21875 2,234375 2,25 − − + 0,015625
7 2,234375 2,2421875 2,25 − + + 0,0078125
Portanto 5 ≅2,2421875±0,0078125
6. 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
 h 
topo, o volume V da água é: V= L ⋅ 0,5 ⋅ π ⋅ r 2 − r 2arcsen  − h ( r 2 − h 2 )  . Supondo
 r 
que L =10 ft , r=1 ft e V=12,4 ft 3 , encontre a profundidade da água no tanque com
precisão de 0,01 ft .
r θ
h h
Resolução: Para calcular a profundidade r−h da água, substitui-se os valores de r , L e V

na expressão anterior para obter a equação arcsen( h) + h 1 − h 2 +1,24−0,5π=0 cuja raiz
é h . Assim, deve-se calcular o zero da função f (h ) = arcsen( h) + h 1 − h 2 +1,24−0,5π,
com precisão de ε= 10 −2 . Para isto, primeiramente isola-se o zero desta função num
intervalo da seguinte forma.
Pode-se construir uma tabela de valores para f (h ) e analisar os sinais:
h −1 0 1
f (h ) − − +
Como f ( 0 ) ⋅ f (1) < 0 , conclui-se, de acordo com o teorema 1, que existem zeros de
f (h ) no intervalo [0,1].
Lauro / Nunes
Para se confirmar a unicidade deste zero neste intervalo, pode-se utilizar a OBS. 1, isto é,
calcula-se a derivada f , ( h) de f (h ) para verificar que a mesma preserva o sinal no
1 h −1 / 2
intervalo ]0,1[. Assim, obtém-se f , (h ) =
2
+ 1 − h 2 + 1 − h2
2
( )
⋅(2 h )
1− h
2(1 − h2 )
f , ( h) = > 0 ∀h ∈]0,1[ , o que significa que f (h ) é estritamente crescente neste
2
1−h
intervalo, o que garante a unicidade do zero de f (h ) em ]0,1[.
Agora determina-se o número de iterações necessárias para se obter a precisão exigida:
log( b − a ) − log ε log 1 − log 10−2
n≥ ⇒n ≥ ⇒ n ≥6,643856
log 2 log 2
Logo são necessárias n = 7 iterações.
n a h b f (a ) f (h ) f (b) (b−a)/2
1 0 0,5 1 − + + 0,5
2 0 0,25 0,5 − + + 0,25
3 0 0,125 0,25 − − + 0,125
4 0,125 0,1875 0,25 − + + 0,0625
5 0,125 0,15625 0,1875 − − + 0,03125
6 0,15625 0,171875 0,1875 − + + 0,015625
7 0,15625 0,1640625 0,171875 − − + 0,0078125
Assim, h =0,1640625±0,0078125 e a profundidade r − h da água da água solicitada é
aproximadamente 1−(0,1640625) ft .
7. Obter algumas funções de ponto fixo para a função f (x ) = x 2 + x − 6 .

Resolução: Efetuando diferentes manipulações algébricas sobre a equação f (x ) =0 ou
x 2 + x − 6 =0, podem-se obter diferentes funções de ponto fixo, como por exemplo:
a) x 2 + x − 6 =0⇒ x = 6 − x 2 , logo φ1 ( x) = 6 − x 2 . Como φ1 (−3) =−3 e φ1 (2) =2, tem-se
que −3 e 2 são pontos fixos de φ1 ( x ) .
b) x 2 + x − 6 =0⇒ x = ± 6 − x , logo pode-se ter φ 2 ( x ) = 6 − x e neste caso tem-se que
2 é ponto fixo de φ 2 ( x) , pois φ 2 (2) = 2 , ou φ 2 ( x ) = − 6 − x e neste caso tem-se que −3
é ponto fixo de φ 2 ( x) , pois φ 2 (−3) = −3 .
6 x 6 6
c) x 2 + x − 6 =0⇒ x ⋅ x + x − 6 = 0 ⇒ x = − ⇒ x = − 1 , logo φ 3 ( x ) = − 1 . Como
x x x x
φ 3 ( −3) =−3 e φ 3 ( 2) =2, tem-se que −3 e 2 são pontos fixos de φ 3 ( x ) .
6 6
d) x 2 + x − 6 =0⇒ x ⋅ x + x − 6 = 0 ⇒ x ( x + 1) − 6 = 0 ⇒ x = , logo φ 4 ( x ) = .
x +1 x+1
Como φ 4 ( −3) =−3 e φ 4 ( 2) =2, tem-se que −3 e 2 são pontos fixos de φ 4 ( x) .
No próximo passo algumas destas funções serão utilizadas na tentativa de gerar
seqüências aproximadoras dos zeros α de f (x ) .
Lauro / Nunes
8. Aproximar o maior zero da função f (x ) = x 2 + x − 6 , utilizando a função

φ 2 ( x ) = 6 − x , e x 0 =1,5.
Resolução: Neste caso a fórmula de recorrência x n+1 = φ ( x n ) , n = 0, 1, 2, … será:
x n+1 = φ 2 ( x n ) = 6 − x n , e pode-se construir a seguinte tabela:
n xn x
= φ 2 (x n ) = 6 − x n
n +1
0 1,5 2,12132
1 2,12132 1,96944
2 1,96944 2,00763
3 2,00763 1,99809
4 1,99809 2,00048
M M M
Percebe-se que neste caso a seqüência {x n } converge para a raiz α=2 da equação
x 2 + x − 6 = 0.
y y= x
φ 2 (x)
x0 x2 x3 x1 6 x
α =2
Lauro / Nunes
9. Aproximar o maior zero da função f (x ) = x 2 + x − 6 , utilizando a função

φ1 ( x) = 6 − x 2 , e x 0 =1,5.
Resolução: Neste caso a fórmula de recorrência x n+1 = φ ( x n ) , n =0, 1, 2, … será:
x n+1 = φ1( x n ) = 6 − xn2 , e pode-se construir a seguinte tabela:
n xn x n+1 = φ1 ( x n ) = 6 − x 2
0 1,5 3,75
1 3,75 −8,0625
2 −8,0625 −59,003906
3 −59,003906 −3475,4609
M M M
Percebe-se que neste caso a seqüência {x n } não converge para a raiz α = 2 da equação
x 2 + x − 6 = 0.
y
6 y= x
x2
x0 x1 x
α =2
φ1 (x )
10. Verificar as condições i) e ii) do teorema anterior quando do uso da função

φ 2 ( x ) = 6 − x no 8.
Resolução:
Verificação da condição i):
• φ 2 ( x ) = 6 − x é contínua no conjunto S ={ x ∈ℜ/x ≤ 6}.
−1
• φ 2' ( x ) = é contínua no conjunto T ={ x ∈ℜ/x < 6}.
2⋅ 6 − x
Verificação da condição ii):
−1
• φ2 '( x ) < 1 ⇔ < 1 ⇔ x < 5,75
2⋅ 6 − x
Logo, é possível obter um intervalo I , tal que α=2∈ I , onde as condições i) e ii) estão
satisfeitas.
Lauro / Nunes
11. Verificar as condições i) e ii) do teorema anterior quando do uso da função
φ1 ( x) = 6 − x 2 .
Resolução:
Verificação da condição i):
• φ1 ( x ) = 6 − x 2 e φ1 ' ( x ) = −2 x são contínuas em ℜ.
Verificação da condição ii):
1 1
• φ1' ( x ) < 1 ⇔ − 2 x < 1 ⇔ − < x < .
2 2
Logo, não existe um intervalo I , com α=2∈ I , e tal que φ1' ( x ) < 1, ∀ x ∈ I .
Lauro / Nunes
12. Encontrar o zero de f (x ) = e x − x 2 + 4 com precisão ε = 10 −6 , utilizando o método do

ponto fixo.
x −3 −2 −1
f (x ) − + +
Como f ( −3) ⋅ f ( −2 ) < 0 , conclui-se, de acordo com o Erro! Fonte de referência não
encontrada., que existem zeros de f ( x ) no intervalo [−3,−2].
Fazendo h ( x ) = e x e g ( x ) = x 2 − 4 , pode-se verificar que os gráficos das mesmas se
intersectam em apenas um ponto, o que garante que só existe um zero de f ( x ) neste
intervalo.
y h(x ) = e x
5 g (x) = x 2 - 4
4
3
2
1
-3 α -2 -1 1 2 3 x
-1
-2
-3
-4
Assim, o zero de f (x ) está isolado em [−3,−2].

Procurando uma função de ponto fixo adequada pode-se fazer:
e x − x 2 + 4 =0 ⇒ x 2 = e x + 4 ⇒ x = − e x + 4 ⇒ φ( x) = − e x + 4
Verificando as hipóteses i) e ii) do Erro! Fonte de referência não encontrada.:
ex
i) φ' ( x) = −
2 ex + 4
φ( x ) e φ ' ( x ) são contínuas em [−3,−2], o que garante a primeira condição do Erro!
Fonte de referência não encontrada..
ii) k = max φ' ( x )
x∈[−3 ,−2 ]
ex
φ'( x ) = −
2. e x + 4
e −3
φ ' ( −3) = − = −0,01237
−3
2. e + 4
e −2
φ ' ( −2) = − = −0,03328
−2
2. e + 4
Como φ' ( x) é decrescente no intervalo I =[−3,−2], k = 0,03328 < 1, o que garante a
segunda condição do Erro! Fonte de referência não encontrada..
Lauro / Nunes
Procura-se agora, o extremo do intervalo I =[−3,−2] mais próximo do zero α de f ( x ) :
Para isto, segue-se o indicado na observação 10, isto é, calcula-se o ponto médio do
( −3 + ( −2))
intervalo I =[−3,−2]: x̂ = = −2,5 e φ( xˆ ) = φ( −2,5) = − e −2 ,5 + 4 = −2,02042.
2
Como x̂ < φ( xˆ ) , isto é x̂ =−2,5 < φ( xˆ ) = φ( −2,5) = −2,02042, então α está entre x̂ =−2,5 e
−2, ou seja, −2 é o extremo de I mais próximo de α. Desta forma, iniciando o processo
recursivo pelo ponto x0 = −2, garante-se que todos os termos da seqüência aproximadora
pertencerão ao intervalo I =[−3,−2].
Logo, utilizando φ( x ) = − e x + 4 a partir de x0 = −2, gera-se uma seqüência
convergente para o zero α de f ( x ) .
n xn x n+1 xn+1 − x n
0 −2 −2,0335524 0,0335524 > 10-6
1 −2,0335524 −2,0324541 0,0010983 > 10-6
2 −2,0324541 −2,0324895 0,0000354 > 10-6
3 −2,0324895 −2,0324884 0,0000011 > 10-6
4 −2,0324884 −2,0324884 0 < 10-6
Portanto, x = −2,0324884.
Lauro / Nunes
13. Encontrar a solução para a equação x = cos x com precisão ε = 10 −6 .

Resolução: x = cos x ⇒ cos x − x = 0 ⇒ f ( x ) = cos x − x
Pode-se construir uma tabela de valores para f ( x ) e analisar os sinais:
π
x 0
2
f ( x) + −
π
Como f ( 0) ⋅ f ( ) < 0 , conclui-se, de acordo com o Erro! Fonte de referência não
2
π
encontrada., que existem zeros de f ( x ) no intervalo [0, ].
2
Fazendo g (x ) = x e h (x) = cos x , pode-se verificar que os gráficos das mesmas se
intersectam em apenas um ponto, o que garante que só existe um zero de f ( x ) neste
intervalo. Esta informação também pode ser verificada observando que a função
π
f ' ( x ) =−sen x – 1, preserva o sinal ∀x ∈]0, [, isto é, tem-se que neste caso f ' ( x )<0,
2
π π
∀x ∈]0, [ (e também em [0, ] ). Isto significa dizer que a função f ( x ) é estritamente
2 2
π
decrescente no intervalo ]0, [.
2
y g (x) = x
1
3π h(x )= cos x
π 2
α π 2π x
2
-1
π π
Como f ' ' ( x ) = − cos x , também preserva o sinal em [0, ], ( f ' ' ( x )<0, ∀x ∈]0, [,
2 2
tem-se que as condições i), ii) e iii) do teorema 3 são satisfeitas.
cos(xn ) − xn
Assim, a fórmula recursiva de Newton para este caso fica: xn +1 = xn −
− sen( xn ) − 1
π
para n ≥ 0 . Agora deve-se escolher x0 convenientemente: Pode-se verificar que x0 = é
4
uma boa escolha (o que garantirá que todos os termos da seqüênc ia gerada pertencerão ao
intervalo considerado. Outra opção é seguir a dica da observação 14.
n xn xn +1 xn+1 − xn
0 0,785398163 0,739536133 0,04586203 > 10-6
1 0,739536133 0,739085178 4,50955.10-4 > 10-6
2 0,739085178 0,739085133 4,5.10-8 <10-6
Portanto, x = 0,739085133.
Lauro / Nunes
Nos exercícios seguintes, considerando cada método especificado, determine uma
aproximação para o zero da função.
14. Pelo método da Bissecção, determine uma aproximação para x ∈(1,2) da função
2
f ( x )= e − x − cos x com aproximação ε1 = 10 −4 tal que ( b − a )/2< ε1 .
Resolução:
n a x b f (a ) f ( x ) f (b ) ( b − a )/2
1 1 1,5 2 - + + 0,5
2 1 1,25 1,5 - - + 0,25
3 1,25 1,375 1,5 - - + 0,125
4 1,375 1,4375 1,5 - - + 0,0625
5 1,4375 1,46875 1,5 - + + 0,03125
6 1,4375 1,453125 1,46875 - + + 0,015625
7 1,4375 1,4453125 1,453125 - - + 0,0078125
8 1,4453125 1,44921875 1,453125 - + + 0,00390625
9 1,4453125 1,447265625 1,44921875 - - + 0,001953125
10 1,447265625 1,448242188 1,44921875 - + + 0,000976563
11 1,447265625 1,447753906 1,448242188 - + + 0,000488281
12 1,447265625 1,447509766 1,447753906 - + + 0,000244141
13 1,447265625 1,447387695 1,447509766 - - + 0,00012207
14 1,447387695 1,44744873 1,447509766 - + + 6,10352E-05
Logo, x =1,44744873
15. Pelo método do Ponto Fixo ou Aproximações Sucessivas, determine uma aproximação
2
para x ∈(1,2) da função f ( x )= e − x − cos x com aproximação ε1 = ε 2 =10 −4 tal que
| f ( xn+1 )|< ε1 ou | xn+1 − x n |< ε 2 . Utilize x 0 =1,5.
Resolução:
2
f ( x )= e − x − cos x
2
f ( x )=0 ⇒ e − x − cos x + x − x =0
2
φ 1 ( x )=− cos x + e − x + x ⇒ φ1' ( x )>1 em (1,2)
2
φ 2 ( x )= cos x − e − x + x ⇒ φ 2 ' ( x )<1 em (1,2)
⇒ 2
φ( x )= cos x − e − x + x ⇒ xn+1 =φ( x n )
n xn xn+1 | xn+1 − x n | | f ( xn+1 )| Parada
0 1,5 1,465337977 0,034662023 0,01154599
1 1,465337977 1,453791987 0,01154599 0,004075472
2 1,453791987 1,449716515 0,004075472 0,001466938
3 1,449716515 1,448249577 0,001466938 0,000531683
4 1,448249577 1,447717894 0,000531683 0,000193187
5 1,447717894 1,447524708 0,000193187 7,02578E-05 | f ( xn+1 )|< ε1
Logo, x =1,447524708.
Lauro / Nunes
16. Pelo método de Newton-Raphson, determine uma aproximação para x ∈(1,2) da função
2
f ( x )= e − x − cos x com aproximação ε1 = ε 2 = 10 −4 tal que | f ( xn+1 )|< ε1 ou
| xn+1 − x n |< ε 2 . Utilize x 0 =1,5.
Resolução:
2 2
f ( x )= e − x − cos x ⇒ f ' ( x )=−2 x e − x + senx
2
f ( x) e − x − cos x
φ( x )= x − ⇒ φ( x )= x − 2 ⇒ xn+1 =φ( x n )
f ' ( x) − 2 xe− x + senx
n xn xn+1 | xn+1 − x n | | f ( xn+1 )| Parada
0 1,5 1,4491235 0,0508765 0,001088623
1 1,4491235 1,447416347 0,001707153 1,32044E-06 | f ( xn+1 )|< ε1
Logo, x =1,447416347.
Lauro / Nunes
Exercı́cios de Cálculo Numérico
Zero de Função
1. Dê um exemplo de função f (x), que tenha pelo menos uma raiz, que não pode
ser determinada usando o Método da Bisseção.
2. Dê um exemplo de função f (x), que tenha pelo menos uma raiz, onde o Método
de Newton-Raphson não converge.
3. A equação x2 ° 7x + 12 = 0 tem 3 e 4 como raı́zes. Considere a função de

iteração dada por '(x) = x2 ° 6x + 12. Determine o intervalo (a, b), onde
para qualquer que seja x0 escolhido a sequência xn+1 = '(xn ) converge para a
raiz x = 3. Mostre que a convergência é quadrática.
4. Para determinar a raiz quadrada de um número c ∏ 0, basta resolver a equação

x2 °c = 0. É possı́vel determinar sua raiz quadrada usando a função de iteração
'(x) = c/x. Justifique a resposta.
5. As funções de iterações '1 (x) = x2 /2 ° 2x + 4 e '2 (x) = x2 /2 ° 2.5x + 5, geram

sequências convergentes para a raiz x = 2, para qualquer aproximação inicial
x0 2 (1.5, 3). Qual das duas funções geram sequências mais rapidamente
convergente para esta raiz. Justifique a resposta.
6. Determine um intervalo (a, b) e uma função de iteração '(x) associada, de tal

forma que 8x0 2 (a, b) a função de iteração gere uma sequência convergente
para a(s) raiz(es) de cada uma das funções abaixo, usando o método iterativo
linear (MIL) com tolerância ≤ ∑ 1.10°3 .
p
(a) f1 (x) = x ° e°x
(b) f2 (x) = ln(x) ° x + 2
(c) f3 (x) = ex/2 ° x3
(d) f4 (x) = sen(x) ° x2
(e) f5 (x) = x/4 ° cos(x)
7. Determine a(s) raiz(es) da função f1 (x), usando o método da Bisseção, Método

da Falsa posição e da Falsa posição modificada com tolerância " = 1.10°3 .
Quantas iterações foram necessárias para cada um dos métodos.
8. Determine as raı́zes do exercı́cio (6), usando o Método de Newton-Raphson.
9. Determine as raı́zes do exercı́cio (6), usando o Método das Secantes.
10. Determine os pontos extremos do exercı́cio (6), usando o Método de Newton-

Raphson.
11. Determine o ponto de intersecção entre as funções f1 (x) e f2 (x), f2 (x) e f3 (x)
e entre f1 (x), f2 (x) e f3 (x).
12. O Teorema do Valor Médio, diz que para função diferenciável f (x), existe um
número 0 < Æ < 1, tal que :
f (x) = f (a) + (x ° a)f 0 (a + Æ(x ° a))
Considere a = 0; Æ = 1/2 e f (x) = arctan(x). Determine o x > 0 que satisfaz

a igualdade acima.
13. Sabe-se que se x = ª é uma raiz dupla de f (x) então o Método de Newton-
Raphson não converge quadraticamente. Mostre que se
f 0 (ª) = 0, mas todas as outras condições de convergência estão satisfeitas,
então a iteração:
2f (xn )
xn+1 = '(xn ) = xn ° 0
f (xn )
converge quadraticamente.
14. Seja x = ª uma raiz de f (x), tal que f 0 (ª) 6= 0 e f ”(ª) = 0. Mostre que neste
caso o Método de Newton-Raphson tem convergência cúbica.
15. Encontre todas as raı́zes reais do polinômio abaixo pelo método de Newton-
Raphson.
p(x) = x4 ° 2x3 + 4x ° 1.6
16. Uma pessoa tomou um empréstimo de A reais, que acrescenta os juros no total
antes de computar o pagamento mensal. Assim, se a taxa mensal de juros, em
porcentagem, é q e o empréstimo é pelo prazo de n meses, a quantia total que
o tomador concorda em pagar é:
q
C = A + A.n. .
100
Isto é dividido por n para dar o total de cada pagamento P , ou seja
C ≥1 q ¥
P = =A +
n n 100
Isto é perfeitamente legal e muito usado em lojas de departamento .( É chamado

o empréstimo com acréscimo). Mas a verdadeira taxa de juros que o tomador
está pagando é alguma coisa além de q%, porque ele não conserva o total do
empréstimo por todos os n meses: Ele está pagando-o de volta com o decorrer
do tempo. A verdadeira taxa de juros pode ser encontrada pela determinação
de uma raiz x da equação:
F (x) = (Ax ° P )(1 + x)n + P = 0
Isto fornece a taxa de juros por perı́odo de pagamento, que pode ser convertida
em taxa anual multiplicando-se a mesma por 12. Seja A = R$1000, n = 24 e
q = 5%. Determine a verdadeira taxa de juros.
Gabarito – Zero de Função
Exercí ci o 1:
Um exemplo é f(x) = (x - r ) , r ∈ R
2
A raiz x = r não pode ser determinada pelo Método da Bisseção porque f(x) ∀ x ∈ R.
Temos também que f (x)′ muda de sinal quando x se aproxima de r.
Exercí ci o 2:
Seja r a raiz de f(x). O método de Newton-Raphson pode não convergir se − é

“grande”.
Um exemplo: f(x) = arctg(x).
Para algum xc ∈ [1.39,1.40] , se x0 > xc , a seqüência {x n } diverge, xn − r cresce a

cada iteração.
Duas observações-extras:
1. Se x0 = xc , então o método produz o ciclo x1 = −xc , x 2 = xc , x3 = −xc,...

2. Se x0 < xc , a seqüência {x n } converge para r = 0.
Exercí ci o 3:
I = (2, 4).
(x) = x 2 − 6x + 12
f(x) = x 2 − 7x + 12
Supondo x0 = 2.1 , temos:
x1 = (2.1) 2 − 6(2.1) + 12 = 3.81

x 2 = 3.6561
x 3 = 3.43046721
x4 = 3.185302019
x5 = 3.03433683 7
x6 = 3.001179018
x7 = 3.00000138 9
x8 = 2.999999997
x9 = 3.00000000 2
x10 = 2.999999998
x11 = 3
x12 = 3
.
.
.
xk = 3, k → ∞
Obs.: Se eu escolher x0 = 2, xk = 4, quando k → ∞.

Se eu escolher x0 = 4, xk = 4, quando k → ∞.
Mas, se eu escolher 2 < x0 < 4, xk = 3, quando k → ∞.
Para mostrar que a convergência é quadrática, temos que aplicar:
xn +1 − r
lim 2
= C, 0 ≤ C ≤ 1, quando n → ∞
n →∞ xn − r
Então:
x n +1 − 3 (( ) −3 x n 2 − 6x n + 12 − 3 x n 2 − 6x n + 9 xn − 3
2
n
lim 2
= lim 2
= lim 2
= lim 2
= lim 2
=1
n →∞ xn − 3 n →∞ xn − 3 n →∞ xn − 3 n →∞ xn − 3 n →∞ xn − 3
Portanto, a convergência é quadrática.
Exercí ci o 4:
Condição suficiente para convergência: ′(r) < 1 ⇒ -1 < ′(r) < 1
Aqui, sabemos que as raízes são: r1 = c e r2 = − c
c 2
Então, ′(x) = <1 ⇒ x > c ⇒ x > c ⇒ x < − c ou x > c
2
x
Como r1 e r 2 não pertencem ao intervalo I = (- ∞, - c ) ∪ ( c , + ∞ ), logo não é possível

c
determinar a raiz quadrada de um número c ≥ 0 usando a função de iteração (x) = .
x
Exercí ci o 5:
x2
1 (x) = − 2x + 4 ⇒ 1' (x) = x −2
2
Nas proximidad es da raiz (r ≈ 2), temos que 1' (2) = 0

x2
2 (x) = − 2.5x + 5 ⇒ 2 ' (x) = x − 2.5
2
Nas proximidad es da raiz (r ≈ 2) temos que 2 ' (2) = 0.5
Como 1' (2) < 2' (2) , então 1 (x) convergirá mais rapidamente para a raiz.
Veja o comportamento de ambas as funções:
Para ϕ1 (x) Para ϕ 2 (x)
Exercí ci o 6:
−
(a) f 1 (x) = x −e x
− − −
x −e x =0 ⇒ x = e x ⇒ x = e 2x ⇒ 1 (x) = e −2x
Graficamen te, percebemos que r ∈ (0,1).
Um bom intervalo para encontrar a raiz é I = (0.42, 0.44).
Usando x0 = 0.43 , temos:
x1 = 0.42316208 2 ⇒ = 0.006837.. . > 0.001

x 2 = 0.42898893 ⇒ = 0.005826.. . > 0.001
x 3 = 0.42401864 1 ⇒ = 0.0049702. .. > 0.001
x4 = 0.42825465 ⇒ = 0.00423600 9... > 0.001
x5 = 0.42464179 5 ⇒ = 0.0036128. .. > 0.001
x6 = 0.42772124 6 ⇒ = 0.00307945 ... > 0.001
x7 = 0.42509504 8 ⇒ = 0.00262619 ... > 0.001
x8 = 0.42733368 9 ⇒ = 0.00223864 ... > 0.001
x9 = 0.42542467 3 ⇒ = 0.00190901 5... > 0.001
x10 = 0.42705206 2 ⇒ = 0.00162738 9... > 0.001
x11 = 0.42566436 2 ⇒ = 0.00138769 9... > 0.001
x12 = 0.42684739 2 ⇒ = 0.00118303 06... > 0.001
x13 = 0.42583863 9 ⇒ = 0.00100875 208... > 0.001
x14 = 0.42669863 9 ⇒ = 0.00086000 0166 < 0.001 ⇒ aqui está a aproxim ação!
(b) f 2 (x) = ln(x) − x + 2
ln(x) − x + 2 = 0 ⇒ x − 2 = ln(x) ⇒ x = e x −2 ⇒ 2 (x) = e x −2
Temos duas raízes : r1 ∈ (0, 0.5) e r2 ∈ (3, 3.5)
usando x0 = 0.43, temos :
x1 = 0.20804518 2 ⇒ = 0.22195481 8 > 0.001

x 2 = 0.16663411 1 ⇒ = 0.04141107 1 > 0.001
x 3 = 0.15987454 1 ⇒ = 0.00675957 > 0.001
x4 = 0.15879750 2 ⇒ = 0.00107703 9 > 0.001
x5 = 0.15862656 3 ⇒ = 0.00017093 9 < 0.001 ⇒ aqui está a aproximaçã o!
(c)f 3 (x) = e x/2 − x 3
(
e x/2 − x 3 = 0 ⇒ e x/2 = x 3 ⇒ e x/2 )1/3
( )
= x3
1/3
⇒ e x/6 = x ⇒ 3 (x) = e x/6
Então, pelo gráfico, r ∈ (1, 2).

x0 = 1.3 (uma a proximação inicial a rbitrária)
x1 = 1.24193005 6 ⇒ = 0.05806994 4 > 0.001
x 2 = 1.22996823 4 ⇒ = 0.01196182 2 > 0.001
x 3 = 1.22751856 6 ⇒ = 0.0024496. .. > 0.001
x 4 = 1.2270175 ⇒ = 0.00050106 ... < 0.001 ⇒ aqui está a aproxima ção!
(d)f4 (x) = sen(x) − x 2
41(x) = sen(x)
r1 ∈ (0,
x0 = 1.5
x1 = 0.99874670 7
x 2 = 0.91694774 5
x 3 = 0.89092581
x 4 = 0.88184699 9
x5 = 0.87858658 1
x6 = 0.87740386 8 ⇒ = 0.00118271 3 > 0.001
x7 = 0.87697329 2 ⇒ = 0.00043057 6 < 0.001 ⇒ uma das ra ízes
A outra raiz terá de ser encontrada em 42 (x) = − sen(x)
x
(e ) f5 ( x ) = − cos( x )
4
x x x  x
− cos( x ) = 0 ⇒ cos( x ) = ⇒ x = arccos   ⇒ 5(x) = arccos  
4 4 4 4
Usando x0 = 1.5 temos :
x1 = 1.18639955 2 ⇒ = 0.31360044 8 > 0.001

x 2 = 1.26966597 1 ⇒ = 0.08326641 9 > 0.001
x 3 = 1.24779248 2 ⇒ = 0.02187348 8 > 0.001
x 4 = 1.25355354 3 ⇒ = 0.00576106 147 > 0.001
x5 = 1.25203725 5 ⇒ = 0.00151628 804 > 0.001
x6 = 1.25243640 9 ⇒ = 0.00039915 439 < 0.001 ⇒ uma aproxi mação para a raiz
Exercí ci o 7:
(i) Método da Bisseção:
f 1 (x) = x − e −x
r ∈ (0, 1);
0 +1
x0 = = 0.5 ⇒ f 1 (0.5) = 0.10057612 1 > 0 ⇒ r ∈ (0, 0.5)
2
0 + 0.5
x1 = = 0.25 ⇒ f 1 (0.25) = -0.2788007 83 < 0 ⇒ r ∈ (0.25, 0.5)
2
0.25 + 0.5
x2 = = 0.375 ⇒ f 1 (0.375) = -0.0749168 43 < 0 ⇒ r ∈ (0.375, 0.5)
2
0.375 + 0.5
x3 = = 0.4375 ⇒ f 1 (0.4375) = -0.8873924 7 < 0 ⇒ r ∈ (0.4375,0. 5)
2
0.4375 + 0.5
x4 = = 0.46875 ⇒ f 1 (0.46875) = 0.05886918 7 > 0 ⇒ r ∈ (0.4375,0. 46875)
2
0.4375 + 0.46875
x5 = = 0.453125 ⇒ f 1 (0.453125) = 0.03750692 7 > 0 ⇒ r ∈ (0.4375,0. 453125)
2
0.4375 + 0.453125
x6 = = 0.4453125 ⇒ f 1 (0.4453125 ) = 0.02669334 1 > 0
2
⇒ r ∈ (0.4375,0. 4453125)
0.4375 + 0.4453125
x7 = = 0.44140625 ⇒ f 1 (0.4414062 5) = 0.02125273 1 > 0
2
⇒ r ∈ (0.4375,0. 44140625)
0.4375 + 0.44140625
x8 = = 0.43945125 ⇒ f 1 (0.4394512 5) = 0.01852126 > 0
2
⇒ r ∈ (0.4375,0. 43945125)
0.4375 + 0.43945125
x9 = = 0.43847562 5 ⇒ = 0.43945125 -0.4384756 25 = 0.00097562 5 < 0.001
2
Portanto, a raiz apr oximada é x 9 = 0.43847562 5
(ii) Método da Falsa Posição:
Aqui, usamos média ponderada entre a e b com pesos |f(b)| e |f(a)|, respectivamente.
a f(b) + b f(a) af(b) − bf(a)

x = = , visto que f(a) e f(b) têm sinais opostos.
f(b) + f(a) f(b) − f(a)
r ∈ (0, 1) ⇒ f 1 (0) = −1 < 0 ; f 1 (1) = 0.63212055 8 > 0
0(0.632120 558) − 1( −1)

x0 = = 0.61269983 7 ⇒ f 1 (0.6126998 37) = 0.24086556 4 > 0
0.63212055 8 − ( −1)
⇒ r ∈ (0, 0.61269983 7)
- 0.612699837(-1)
x1 = = 0.379921807 ⇒ f1(0.379921807) = - 0.067536909 < 0 ⇒
1.612699837
r ∈ (0.379921807, 0.612699837)
0.379921807(0.240865564) − 0.612699837( −0.067536909)

x2 = = 0.430897755
0.240865564 − ( −0.067536909)
⇒ f1(0.430897755) = 0.00650268784 > 0 ⇒ r ∈ (0.379921807, 0.430897755)
0.379921807(0.006502668784) − 0.430897755( −0.067536909)

x3 = = 0.426420694
0.006502668784 + 0.067536909
⇒ f1(0.426420694) = 0.000167316215 > 0 ⇒ r ∈ (0.379921807, 0.426420694)
x4 = 0.426305782 ⇒ = 0.000114911851 < 0.001 ⇒ aqui está uma aproximação!
Exercí ci o 8: Usar Método de Newton-Raphson para as letras (a), (b), (c), (d), (e) do Ex. 6.
Exercí ci o 9: Usar Método das Secantes para as letras (a), (b), (c), (d), (e) do Ex. 6.
Exercí ci o 10: Pontos extremos são pontos onde f’(x) = 0. Resolver essa equação por
Newton-Raphson para as letras (a), (b), (c), (d), (e) do Ex. 6.
Exercí ci o 11:
(i) f1(x) = f 2 (x)
−
x − e x = ln(x) − x + 2
isolando x no membro esquerdo da equação, obtemos :
x −e − x + x −2
ln(x) = x − e −x + x − 2 ⇒ x = e
w(x)
Pelo gráfico abaixo, temos duas raízes : r1 ∈ (0, 1) e r2 ∈ (1, 2).
Vamos resolver pelo Método de Newton-Raphson usando 4 casas decimais:
Aqui, já uso as equações :
h(x) = x − e − x − ln(x) + x − 2
1 1
h ′(x) = + e −x − +1
2 x x
Para aplicar a fórmula de Newton - Raphson :
h(x n )
xn +1 = xn −
h ′(xn )
Usando x0 = 0.07 temos :
x1 = 0.0759
x 2 = 0.0762
x 3 = 0.0762 ⇒ Aqui, está uma aproximaçã o!
f1(0.0762) = f 2 (0.0762) = −0.6506
Portanto, um dos pontos de interseção é P1 = (0.0762, - 0.6506)
Agora, para r2 ∈ (1, 2).
Usando x0 = 1.4, temos :
x1 = 1.3998
x 2 = 1.3998
f1(1.3998) = f 2 (1.3998) = 0.9365
Então, outro ponto de interseção é P2 = (1.3998, 0.9365)

(ii) f 2 (x) = f 3 (x)
ln(x) - x + 2 = e x/2 − x 3 ⇒ e x/2 = ln(x) − x + 2 + x 3

h1 (x) h 2 (x)
Pelo gráfico abaixo, temos apenas uma raiz r ∈ (0, 1) :
Vamos resolver pelo Método de Newton-Raphson usando 4 casas decimais:
Obs. :
f(x) = e x/2 − x 3 − ln(x) + x − 2
1 x/2 1
′ =
f (x) e − 3x 2 − + 1
2 x
Usando x 0 = 0.7, temos :
x1 = 0.8116
x 2 = 0.8022
x 3 = 0.8021
x 4 = 0.8021
f 2 (0.8021) = f 3 (0.8021) = 0.9774
O ponto de interseção é (0.8021, 0.9774)

f1 ∩ f 2 :
P1 = (0.0762, −0.6506)
P2 = (1.3998,0. 9365)
f 3 (0.0762) = 1.0384 ≠ −0.6506

f 3 (1.3998) = −0.7293 ≠ 0.9365
f 2 ∩ f 3 ⇒ P = (0.8021,0. 9774)
f 1 (0.8021) = 0.4472 ≠ 0.9774
Portanto, não existe ponto de interseção entre f1 , f 2 e f 3 simultanea mente.

Exercí ci o 12:
Substituin do os valores dados na equação, temos :
x 
arctg(x) = arctg(0) + (x - 0) f ′ 
0
2 
x 
arctg(x) = x f ′ 
2 
′ 1
Sabendo que (arctg(x) ) = , temos :
1 x2
+
 
   
1 1 4x
arctg(x) = x   ⇒ arctg(x) = x  
 4 + x 2 /4  ⇒ arctg(x) = 4 + x 2
1 +  x 2  
  4   ( ) h1 (x)
   h 2 (x)
Obs. : O exercício pede x > 0, então r ∈ (1, 2).
Vamos resolver por Método de Newton-Raphson com duas casas decimais:
4x
f(x) = arctg(x) - 2
x +4
5x 4 − 4x 2
′ =
f (x)
x + 9x 4 + 24x 2 + 16
8
Usando x 0 = 1.4, temos :
x 1 = 1.29
x 2 = 1.29
Então, x ≈ 1.29
Exercí ci o 13:
Definição: uma raiz ε da função f(x) é dita de multiplicidade p se 0 ε )|

g(x) = (x - ε )-p f(x).
Note que nessas condições: f( ε ) = f’( ε ) = f” ( ε ) = ... = f p-1 ( ε ) = 0.
Vamos mostrar agora um algoritmo, que tem convergência quadrática, mesmo quando
as raízes têm multiplicidade p > 1.
Considere o desenvolvimento de Taylor de f(x) na vizinhança da raiz ε . Então:
(x − )2 (x − )p (x − )p
f ( x ) = f ( ) + ( x − ) f ′( ) + f ′′( ) + ... + f p
( )= f p
( ), onde ∈ ( x, )
2! p! p!
pois pela hipótese é uma raiz de multiplicidade p. Derivando f(x), obtemos que:
( x − ) p −1 ( x − ) p −1
f ′( x ) = p f p
( )= f p
( )
p! ( p − 1)!
f (x)
Definimos h(x) = .
f ′( x )
Então,
p
h(x) f(x) (x − f p( 1
lim = lim = lim = ≠0
x→ x− ′
x → f (x)(x − x→ p! p −1 p
(x − f p( −
(p − 1)!
Da definição de multiplicidade conclui-se que h(x) tem uma raiz x = simples ou de

multiplicidade 1, pois
1
lim h(x) = lim (x − =0
x→ p x→
Dessa forma pode ser empregado qualquer método numérico para obtenção da raiz de
h(x), mantendo a ordem de convergência. Em particular para o Método de Newton-
Raphson, temos:
h( xn )
x n +1 = x n − , n = 0,1,...
h ′( x n )
(1)
Por definição,
f (x) f ′(x)f(x)
′ f ′′( x )
h( x ) = ⇒ h ′(x) = 1 - = 1− h( x ) .
f ′( x ) [f ′( x ) ]
2 f ′( x )
Assim temos o seguinte algoritmo para determinar a raiz simples da função h(x):
 f ( xn )
h ( x n ) =
 f ′( x n )
 f ′′( x n )
h ′( x n ) = 1 − h( xn ) , n = 0,1,... (2)
 f ′( x n )
 h( xn )
x n +1 = x n −
 h ′( x n )
Definição (Ordem de Convergência): Seja x n +1 = ( x n ) , n = 0, 1, 2,... uma seqüência

convergente com lim x n = e seja V uma vizinhança da raiz tal que x n ∈ V para todo
n →∞
n. Então a iteração converge com ordem p > 1 em V, se ∈ C p (V ) e
(j)
( )=0 , ∀j = 1,2,...,(p - 1) e (p)
( )≠0
Proposição: Considere a seguinte modificação do Método de Newton-Raphson
f ( xn )
x n +1 = x n − p , n = 0,1,...
f ′( x n )
Seja p a multiplicidade da raiz de f(x). Prove que o método iterativo acima tem
convergência quadrática.
Prova: Usando a definição acima, basta mostrar que ′′( ) ≠ 0 , onde

f (x)
(x) = x − p
f ′( x )
Exercí ci o 14:
Seja x = uma raiz de f(x), tal que f ′( )≠0 e f ′′( ) = 0 . Então do MNR tem-se que
f ( xn )
x n +1 = x n −
f ′( x n )
Subtraindo em ambos os lados da igualdade e definindo o erro e n = x n − tem-se
f ( xn )
e n +1 = e n − (1)
f ′( x n )
Fazendo o desenvolvimento de Taylor de x na vizinhança de x n temos:
( x − xn ) 2 ( x − xn ) 3
f ( x ) = f ( xn ) + ( x − xn ) f ′( xn ) + f ′′( xn ) + f ′′′( n ) , onde n ∈ (x , xn ) . (2)
2! 3!
Tomando x = em (2), obtemos
( en ) 2 (e ) 3
0 = f ( ) = f ( x n ) − e n f ′( x n ) + f ′′( x n ) − n f ′′′( n ) (3)
2! 3!
′ n ) ≠ 0 , obtemos
Dividindo a igualdade por f (x
f ( xn ) ( e ) 2 f ′′( x n ) ( e n ) 3 f ′′′( n )
− = −e n + n − (4)
f ′( x n ) 2! f ′( x n ) 3! f ′( x n )
Substituindo em (1), obtemos que
( e n ) 2 f ′′( x n ) ( e n ) 3 f ′′′( n )
e n +1 = − (5)
2! f ′( x n ) 3! f ′( x n )
f ′′( x n )
Fazendo n → ∞ tem-se que lim = 0 . Logo,
n →∞ f ′( x n )
e n +1 f ′′′( n ) f ′′′( )
lim = − lim =− =C ≠0
n →∞ ( en ) 3 n →∞ 3! f ′( x n ) 3! f ′( )
Portanto a ordem de convergência é cúbica nesse caso.

Exercí ci o 15:
p(x) = x 4 − 2x 3 + 4x − 1.6
Gráfico de x 4 – 2x 3 = 1.6 – 4x
Pela tabela abaixo:
x -2 -1 0 +1 +2 +3 +4
p(x) 22,4 -2,6 -1,6 1,4 6,4 37,4 142,4
Temos duas raízes duplas: r1 ∈ ( −2,−1) e r2 ∈ ( 0, 1)
Vamos então aplicar o algoritmo de Briot-Ruffini com Newton-Raphson:
Para r1 ∈ ( −2,−1) , com uma aproximação inicial de x 0 = 1,50 e usando duas casas
decimais, temos:
1 -2 0 4 -1,6
-1,50 1 -3,50 5,25 -3,88 4,22 = p(1,50)
-1,50 1 -5,00 12,75 -23,00 = p’(-1,50)
p(x0 ) 4,22
x1 = x0 − = −1,50 + ≈ −1,32
′
p (x0 ) 23,00
1 -2 0 4 -1,6
-1,32 1 -3,32 4,38 -1,78 0,75 = p(-1,32)
-1,32 1 -4,64 10,50 -15,64 = p’(-1,32)
p(x1 ) 0,75
x 2 = x1 − = −1,32 + ≈ −1,27
p ′(x1 ) 15,64
1 -2 0 4 -1,6
-1,27 1 -3,27 4,15 -1,27 0,01= p(-1,27)
-1,27 1 -4,54 9,92 -13,87 = p’(-1,27)
Então, r1 ≈ 1,27
Para r2 ∈ ( 0, 1) , com uma aproximação inicial de x 0 = 0,50, vamos usar duas casas
decimais. Como já achamos uma das raízes ( r1 ≈ 1,27 ) então vamos usar apenas os
coeficientes do último q(x). Assim, temos:
1 -3,27 4,15 -1,27
0,50 1 -2,77 2,75 0,11 = p(0,50)
0,50 1 -2,27 1,62 = p’(0,50)
p(x0 ) 0,11
x1 = x0 − = 0,50 − ≈ 0,43
p′(x0 ) 1,62
1 -3,27 4,15 -1,27

0,43 1 -2,84 2,93 -0,01 = p(0,43)
0,43 1 -2,41 1,89 = p’(0,43)
p(x1 ) 0,01
x 2 = x1 − = 0,43 + ≈ 0,44
p′(x1 ) 1,89
1 -3,27 4,15 -1,27

0,44 1 -2,83 2,90 0,01 = p(0,44)
0,44 1 -2,39 1,85 = p’(0,44)
Então, r2 ≈ 0,44
Exercí ci o 16:
Dados do problema:
A = 1000 reais
N = 24 meses = 2 anos
q = 5% a.m = 60% a.a.
Substituindo esses dados na segunda equação do enunciado, que dá o valor de P,

temos:
1 60 
P = 1000  +  = 1000 (0,5 + 0,6 ) = 1000 (1,1) = 1100 reais
 2 100 
Agora, substituindo os valores de A, P e n na equação de F(x), temos:
( )
F(x) = (1000x - 1100)(1 + x) 2 + 1100 = 0 ⇒ F(x) = 10x 3 + 9x 2 − 12x = 0 ⇒ x 10x 2 + 9x − 12 = 0
Repare que x = 0 é uma das raízes da equação. Mas como se trata de taxa de juros,
essa raiz é descartada.
Vamos tentar resolver com o Algoritmo de Briot-Ruffini associado ao Método de Newton-

Raphson.
Pela tabela abaixo:
x 0 1 2 ...
F(x) -12 7 46 ...
Vemos mudança do sinal de F(x) para ∈ .
Com uma aproximação inicial de x 0 = 0,50 temos:
10 9 -12
0,50 10 14 -5 = p(0,50)
0,50 10 19 = p’ (0,50)
p(x0 ) 5
x1 = x0 − = 0,50 + ≈ 0,76
′
p (x0 ) 19
10 9 -12
0,76 10 16,60 0,62 = p(0,76)
0,76 10 24,20 = p’ (0,76)
p(x1 ) 0,62
x 2 = x1 − = 0,76 − ≈ 0,73
p ′(x1 ) 24,20
10 9 -12
0,73 10 16,30 -0,10 = p(0,73)
0,73 10 23,60 = p’ (0,73)
0,10
x 3 = 0,73 + ≈ 0,73
23,60
73
Então, x ⇒ 73% a.a. ⇒ %a.m. ≈ 6,08 % a.m.
12
Interpolação Polinomial e Método dos Mı́nimos Quadrados
1. Para a função dada, seja x0 = 0, x1 = 0, 6 e x2 = 0, 9. Construa polinômios
de grau n ∑ 2, para aproximar f (0, 45), e encontre o valor do erro verdadeiro.
(a) f (x) = cos x

q
(b) f (x) = (1 + x)
(c) f (x) = ln(x + 1)
2. Use o Teorema do Erro, e determine uma cota superior do erro, para as aprox-
imações calculadas no exercı́cio 1
3. Sabendo-se que f (0, 81) = 16, 94410 f (0, 83) = 17, 56492 f (0, 86) = 18, 50515
e f (0, 87) = 18, 82091, calcule um valor aproximado de f (0, 84), usando:
(a) Polinômio interpolador de Lagrange de grau n ∑ 1, 2, 3

(b) Forma de Newton para polinômio interpolador de grau n ∑ 1, 2, 3
(c) Calcule uma cota superior do erro em cada caso, se possı́vel.
4. Seja uma função f tabelada nos pontos xi igualmente espaçados. Seja h o

passo e suponhamos que |f 00 (x)| ∑ M em todo intervalo da tabela. Mostre
que, ao se fazer uma interpolação linear da função f no ponto x tomando
os pontos consecutivos xi xi+1 , com xi < x < xi+1 , o valor absoluto do erro
1
cometido é no máximo " = M.h2
8
5. Deseja-se construir uma tabela da função f (x) = ex no intervalo [0, 1] com
pontos xi igualmente espaçados. Seja h o passo. Qual o valor máximo de h
para que o erro da interpolação linear em qualquer ponto do intervalo seja
menor ou igual a ≤ ∑ 1.10°2 .
6. Considere a tabela abaixo:
Altura (cm) 183 173 188 163 178

Peso(kg) 79 69 82 63 73
(a) Usando um Polinômio Interpolador de grau dois, calcule a altura aprox-

imada de uma pessoa com peso de 70 kg.
(b) Dê uma estimativa de erro para o caso anterior.
(c) Determine a melhor função da forma √(x) = Æsen(x)+Ø cos(x) que ajusta
estes pontos e calcule a altura aproximada de uma pessoa com peso de
70 Kg.
7. Sabe-se que ao longo da linha vermelha a velocidade máxima permitida é de

90km/h e foram colocados radares para medir a velocidade instantânea dos
carros. Suponha que numa distância d = 1.0km, um motorista conferiu através
do velocı́metro (suponha que o velocı́metro seja exato) as seguintes velocidade:
distância 0 0.2 0.3 0.5 0.8 1.0

velocidade 80 85 88 92 85 80
Pergunta-se:
(a) Considere um radar colocado na posição d = 0, 4. Usando um polinômio

interpolador de grau dois ou menor, calcule:
i) Velocidade aproximada neste ponto.
ii) Erro da interpolação neste ponto.
iii) Podemos concluir que o carro não será multado?
(b) Usando o Método dos Mı́nimos Quadrados faça uma regressão linear e
calcule a velocidade esperada em d = 1, 1
(c) Usando o Método dos Mı́nimos Quadrados determine o polinômio de
segundo grau ótimo, e calcule a velocidade esperada em d = 1, 1
(d) O jornal “O Globo” publicou a seguinte notı́cia: Em virtude da estima-
tiva de erro do radar ser de 10% então os carros poderiam andar a uma
velocidade máxima de 99km/h sem serem multados. O que você pensa
sobre isto?
8. A tabela abaixo representa a inflação bimestral medida pelo INPC no ano

de 2000.
bimestre janeiro f evereiro marco maio junho
inflação(%) 0, 75 0, 64 0, 24 2, 94 0, 37
(a) Estime qual foi a inflação em abril , utilizando um polinômio interpolador

de grau n ∑ 2.
(b) Calcule o erro da estimativa anterior.
(c) Podemos garantir,usando o resultado do item anterior, que a inflação
semestral foi menor que 6%?.
(d) Determine a inflação do mês de julho, usando um polinômio de grau
n ∑ 2.
9. A tabela abaixo representa o número oficial aproximado de pessoas com DENGUE,

ou seja, infectados pelo virus (Aëdes aegypti) no Rio de Janeiro:
data 1999 2000 2001 20021 20022

números 4.300 2.200 36.500 41.600 42700
Os dados relativos 20021,2 correspondem ao número de casos registrados nos

meses de janeiro e fevereiro.
(a) Usando uma reta, estime o número de infectados no mês de março de

2002, pelo método dos mı́nimos quadrados.
(b) Estime qual foi o número de infectados pelo virus em fevereiro de 2001,
utilizando um polinômio interpolador de grau n ∑ 2.
(c) Estime o erro na aproximação calculada no item c.
10. Qual é a diferença entre interpolação polinomial e o ajuste de curvas pelo

método dos mı́nimos quadrados? É possı́vel obter um mesmo polinômio que
interpola e faz o ajuste de curvas pelo método dos mı́nimos quadrados?
11. O número de bactérias, por unidade de volume, existente em uma cultura após
x horas é dado na tabela abaixo:
número de horas 0 1 2 3 4 5 6
número de bactérias 32 47 65 92 132 190 275
(a) Ajuste os dados acima a curva y = aebx pelo método dos mı́nimos quadra-
dos.
(b) Quantas horas seriam necessárias para que o número de bactérias por
unidade de volume ultrapasse 2000?
12. Dada a tabela abaixo, faça o gráfico de dispersão dos dados e ajuste uma curva
da melhor maneira possı́vel.
x 0, 5 0, 75 1 1, 5 2, 0 2, 5 3, 0
y °2, 8 °0, 6 1 3, 2 4, 8 6, 0 7, 0
13. Interpolação em duas variáveis

Seja Ω um retângulo R = {(x, y); a ∑ x ∑ b; c ∑ y ∑ d} e as seguintes
partições: Rx : a = x0 < x1 < · · · < xn = b e Ry : c = y0 < y1 < · · · < ym = d.
Considere os polinômios de Lagrange {Li (x) : 0 ∑ i ∑ n} e {Lj (y) : 0 ∑ j ∑
m} de grau n e m respectivamente. Definindo
n,m
X
P (x, y) = f (xi , yj ).Lij (x, y)
i=j=0
obtemos um polinômio interpolador de grau n em x e m em y, onde
Lij (x, y) = Li (x)Lj (y)
Considere a tabela abaixo:

Altura (cm) 183 173 188 163 178
Peso(kg) 79 69 82 63 73
Velocidade(km/h) 15 16 14 14 15
Determine, a velocidade aproximada de uma pessoa, que mede 175 cm e pesa

75 kg, usando um polinômio interpolador de grau 2 em cada variável.
Gabar ito da Lista de Inter polação e Método dos Mínimos Quadrados
Exer cício 1:
(a) f(x) = cos(x)
Pr imei ra for ma: Interpolação de Lagrange
P2 ( x ) = L 0 ( x ) f ( x 0 ) + L1 ( x ) f ( x 1 ) + L 2 ( x ) f ( x 2 )
onde :
( x − x 1 )( x − x 2 ) (0,45 − 0,6)(0,45 − 0,9)

L0 ( x ) = ⇒ L 0 ( 0,45) = = 0,125 ; f(0) = cos(0) = 1
( x 0 − x 1 )( x 0 − x 2 ) (0 − 0,6)(0 − 0,9)
( x − x 0 )( x − x 2 ) (0,45 − 0)(0,45 − 0,9)

L1 ( x ) = ⇒ L1 ( 0,45) = = 1,125 ; f(0,6) = cos(0,6) ≈ 0,825
( x 1 − x 0 )( x 1 − x 2 ) (0,6 − 0)(0,6 - 0,9)
( x − x 0 )( x − x 1 ) (0,45 − 0)(0,45 − 0,6)

L2( x ) = ⇒ L 2 ( 0,45) = = -0,25 ; f(0,9) = cos(0,9) ≈ 0,622
( x 2 − x 0 )( x 2 − x 1 ) (0,9 - 0)(0,9 - 0,6)
Portanto,
f(0,45) ≈ P2 (0,45) = 0,125 ⋅ 1 + 1,125 ⋅ 0,825 − 0,25 ⋅ 0,622 = 0,897625
Erro :
f(x) - P2 (x) = cos(0,45) − P2 (0,45) ≈ 2,822 ⋅ 10 −3
Segunda for ma: Diferenças Divididas de Newton
P2 ( x ) = d 0 + d1 ( x − x 0 ) + d 2 ( x −x 0 )( x − x 1 )
onde :
d0 = f [ x 0 ]
f [ x1 ] − f [ x 0 ]
d1 = f [ x 0 , x 1 ] =
x1 − x 0
f [ x1 , x 2 ] − f [ x 0 , x1 ]
d 2 = f [ x 0 , x1 , x 2 ] =
x2 − x0
Vamos montar a seguinte tabela:
x dd0 dd1 dd2

x0 = 0 f[x 0 ] = 1 = d 0
f[x 0 , x 1 ] = −0,292 = d 1
x1 = 0,6 f[x1] = 0,825 f[x 0 , x 1 , x 2 ] = −0,428 = d 2
f[x 1 , x 2 ] = −0,677
x2 = 0,9 f[x2] = 0,622
P2 (0,45) = 1 + ( −0,292)(0,4 5 − 0) + ( −0,428)(0,4 5 − 0)(0,45 − 0,6) = 0,89749
Exer cício 2:
Cota Super ior do Erro:
M n +1
E n (x) = f(x) − Pn (x) ≤ (x − x 0 )(x − x 1 ) ⋅ ⋅ ⋅ (x − x n )
(n + 1) !
onde :
(n +1)
M n +1 = máx f (x) para x ∈ [x 0 , x n ]
Então ,
f ′′′( x ) máx
E 2 ( x ) = f ( x ) − P2 ( x ) ≤ ( x − x 0 )( x − x 1 )( x − x 2 )
3!
f(x) = cos(x) ⇒ f ′′(x)

′ = sen(x)
f ′′(0)
′ = 0 ; f ′′(0,6)
′ ≈ 0,565 ; f ′′(0,9)
′ ≈ 0,7833
Máximo
0,7833
E 2 (0,45) ≤ (0,45 − 0)(0,45 − 0,6)(0,45 − 0,9) ≈ 3,965 ⋅ 10 −3
3!
Exer cício 3:
(a) Devemos neste item construir por Lagrange P1(x), P2(x), P3(x) tais que:
P1(x) = L0 (x)f(x 0 ) + L1(x)f(x1 )

onde :
x − x1 x − x0
L0 (x) = ; L1(x) = ; com x0 = 0,83 e x1 = 0,86
x 0 − x1 x1 − x 0
P2 (x) = L 0 (x)f(x 0 ) + L1 (x)f(x 1 ) + L 2 (x)f(x 2 )
onde :
(x − x 1 )(x − x 2 ) (x − x 0 )(x − x 2 ) (x − x 0 )(x − x 1 )

L 0 (x) = ; L1 (x) = ; L 2 (x) =
(x 0 − x 1 )(x 0 − x 2 ) (x 1 − x 0 )(x 1 − x 2 ) (x 2 − x 0 )(x 2 − x 1 )
com x 0 = 0,83 , x 1= 0,86 e x 2 = 0,87 (lembrando que escolhemos para x 0 o valor mais próximo de x)
P3 (x) = L0 (x)f(x0 ) + L1(x)f(x1 ) + L2 (x)f(x 2 ) + L3 ( x ) f ( x 3 )

onde :
(x − x1 )(x − x 2 )(x - x 3 ) (x − x0 )(x − x 2 )(x - x 3 ) (x − x0 )(x − x1 )(x - x 3 )

L0 (x) = ; L1(x) = ; L2 (x) =
(x0 − x1 )(x0 − x 2 )(x0 − x 3 ) (x1 − x0 )(x1 − x 2 )(x1 − x 3 ) (x 2 − x0 )(x 2 − x1 )(x 2 − x 3 )
com x0 = 0,81 , x1= 0,83, x 2 = 0,86 e x 3 = 0,87
(b) Usando Diferenças Divididas de Newton:
Devemos neste item construir P1(x), P2(x), P3(x) tais que:
P1 ( x ) = d 0 + d1 ( x − x 0 )
P2 ( x ) = d 0 + d1 ( x − x 0 ) + d 2 ( x − x 0 )( x − x 1 )
P3 ( x ) = d 0 + d1 ( x − x 0 ) + d 2 ( x − x 0 )( x − x 1 ) + d 3 ( x − x 0 )( x − x 1 )( x − x 2 )
e usar tabelas como usamos no exercício 1.
(c) Se a função f(x) é dada na forma de tabela, o valor absoluto do erro |En(x)| só pode ser estimado.
Isto porque, neste caso, não é possível calcular Mn+1; mas, se construirmos a tabela de diferenças
divididas até ordem n+1, podemos usar o maior valor (em módulo) destas diferenças como uma
M n +1
aproximação para no intervalo [x0 , xn].
( n + 1)!
Neste caso, dizemos que:
E n (x) ≈ (x − x 0 )(x − x 1 ) ⋅ ⋅ ⋅ (x − x n ) ⋅ (máx diferenças divididas de ordem n + 1 )
Então, neste exercício:
E 1 (x) ≈ (x − x 0 )(x − x 1 ) ⋅ (máx dd 2 )
E 2 (x) ≈ (x − x 0 )(x − x 1 )(x − x 2 ) ⋅ (máx dd 3 )
E 3 (x) ≈ (x − x 0 )(x − x 1 )(x − x 2 )(x − x 3 ) ⋅ (máx dd 4 )

Pela tabela:
x dd0 dd1 dd2 dd3

0,81 16,94410
31,041
0,83 17,56492 6 = máx|dd2|
31,341 -2,0873
0,86 18,50515 5,875
31,576
0,87 18,82091
Assim,
E1 (0,84) ≈ (0,84 − 0,83)(0,84 − 0,86) ⋅ (6 ) = 1,2 ⋅ 10 −3
E 2 (0,84) ≈ (0,84 − 0,83)(0,84 − 0,86)(0,84 − 0,87) ⋅ ( − 2,0833 ) = 1,24998 ⋅ 10 −5
Não é possível determinar |E3(x)| porque não temos as diferenças divididas de ordem 4.
Exer cício 4:
Neste exercício, temos pontos xi igualmente espaçados. Sendo h o passo, temos:
x 1 − x 0 = x 2 − x 1 = ⋅ ⋅ ⋅ = x n − x n −1 = h
Cota superior para o erro na interpolação linear:
f ′′( x ) máx
E 1 ( x ) = f ( x ) − P1 ( x ) ≤ ( x − x 0 )( x − x 1 )
2!
Também são dados do exercício : f ′(x)

′ ≤ M ; x 0 = x i ; x 1 = x i +1
Para achar ( x − x i )( x − x i +1 ) máx , basta verificarmos que como se trata de uma parábola, a coordenada
 x + x i +1 
que contém o valor máximo para w(x) = ( x − x i )( x − x i +1 ) é (x vértice , y vértice ) =  i , y vértice 
 2 
Então ,
h h
M  x i + x i +1  x i + x i +1  M  x i +1 − x i  x i − x i +1  M x i +1 − x i x i − x i +1 Mh 2
E1 ( x ) ≤  − xi  − x i +1  =    = =
2!  2  2  2  2  2  2 2 2 8
Exer cício 5:
Aplicar o resultado do exercício anterior.

Também é vál i do aqui o segui nt e cor ol ár i o par a o T eor ema do Er r o:
Par a pont os i gual ment e espaçados, ou seja: x 1 − x 0 = x 2 − x 1 = ⋅ ⋅ ⋅ = x n − x n −1 = h

onde h é o passo, t emos:
h n +1 M n +1
E n (x) = f(x) − Pn (x) <
4(n + 1)
Exer cício 6:
(a) Vamos ordenar a tabela por peso:
Altura(cm) 163 173 178 183 188

Peso (Kg) 63 69 73 79 82
Usando P2 ( x ) = d 0 + d1 ( x −x 0 ) + d 2 ( x −x 0 )( x − x1 ) , temos:
x dd0 dd1 dd2 dd3 dd4

63 163
5/3
69 = x 0 173 = d 0 -1/24
5/4 = d 1 0
73 = x 1 178 -1/24 = d 2 29/53352
5/6 29/2808 = máx|dd3|
79 = x 2 183 5/54
5/3
82 188
5 1
P2 (70) = 173 + (70 − 69) − (70 − 69)(70 − 73) = 174,375 cm
4 24
(b) Estimativa do erro:
E 2 (70) ≈ (70 − 69)(70 − 73)(70 − 79) ⋅ (29 / 2808 ) ≈ 0,27885
(c) A curva que aproximaremos para os pontos da tabela é da forma:
= sen(x) + cos(x)
Vamos ajustá-la aos dados da tabela através do Método dos Mínimos Quadrados, fazendo:
4
S( , = ∑ [f(x ) −
i =0
i sen(x i ) − cos(x i ) ] 2
onde :
4
∂S
∂
=0 ⇒ 2
i =0
∑
[f(x i ) − sen(x i ) − cos(x i ) ] ⋅ [-sen(x i ) ] = 0 (1)
4
∂S
∂
=0 ⇒ 2
i =0
∑
[f(x i ) − sen(x i ) − cos(x i ) ] ⋅ [-cos(x i ) ] = 0 (2)
Rearrumand o (1) e (2), temos :
4 4 4
2α ∑ sen
i =0
2
( xi ) + β ∑ sen ( 2x ) = 2∑ f ( x )sen ( x )
i =0
i
i =0
i i (3)
4 4 4
α ∑
i =0
sen ( 2x i ) + 2β ∑
i =0
cos 2 ( x i ) = 2∑ f (x
i =0
i ) cos( x i ) (4)
Formamos a seguinte tabela:
x y = f(x) sen2(x) cos2(x) sen(2x) ysen(x) ycos(x)

79 183 0,964 0,036 0,375 179,638 34,918
69 173 0,872 0,128 0,669 161,509 61,998
82 188 0,981 0,019 0,276 186,170 26,165
63 163 0,794 0,206 0,809 145,234 74,000
73 178 0,915 0,085 0,559 170,222 52,042
SOMAS 4,526 0,474 2,688 842,773 249,123
Assim, temos o sistema:
9,052 α + 2,688 β = 1685,546

2,688 α + 0,948 β = 498,246
Resolvendo esse sistema, achamos :
α ≈ 190,717
β ≈ -15,187
Portanto, a melhor função que ajusta estes pontos é :
ψ (x) = 190,717 sen(x) - 15,187 cos(x)
Agora, vamos usar essa equação para achar a altura aproximada de uma pessoa de 70 Kg :
ψ (70) = 190,717 sen(70º ) - 15,187 cos (70º ) ≈ 174,021 cm
Exer cício 10:
Dados :
( x i , f ( x i )) , i = 0,1,..., m (Tabela de f)
ϕ 0 ( x ), ϕ1 ( x ), ..., ϕ n ( x ) (Funções quaisquer contínuas)
Determinar uma função do tipo :

g(x) = c 0 ϕ 0 ( x ) + c 1ϕ1 ( x ) + ... + c n ϕ n ( x )
onde c i ∈ R , i = 0,1,..., n
que se ajuste à tabela dada por (x i , f ( x i )) , i = 0, 1, ..., m

A idéia mais ingênua e natural que nos ocorre para ajustar g à f é impormos a condição de
que g coincida com f nos pontos dados; ou seja, g(xi) = f(xi), i = 0,1,..., m.
Teríamos então:
c 0 ϕ 0 ( x 0 ) + c 1ϕ 1 ( x 0 ) + ... + c n ϕ n ( x 0 ) = f ( x0 )

c 0 ϕ 0 ( x 1 ) + c 1ϕ 1 ( x 1 ) + ... + c n ϕ n ( x 1 ) = f ( x1 )
. . . .

 . . . .
. . . .

c 0 ϕ 0 ( x m ) + c 1ϕ1 ( x m ) + ... + c n ϕ n ( x m ) = f ( x m )
que é um sistema de m + 1 equações e n + 1 incógnitas c 0 , c 1 ,..., c n .
( a ) Quando m = n, ϕ i ( x ) = x i e os pontos x i ' s são distintos teremos um problema de INTERPOLAÇ ÃO

POLINOMIAL
(b) Quando m > n teremos um sistema com mais equações do que incógnitas e um dos métodos mais usados
neste caso é o MÉTODO DOS MÍNIMOS QUADRADOS (MMQ).
É possível obter um mesmo polinômio que interpola e faz o ajuste de curvas pelo MMQ se o modelo ajustar
m
exatamente os dados. Dessa forma, o mínimo de S(c 0 , c 1 ,..., c n ) = ∑[ f (x
k =1
k ) − g ( x k ) ] 2 será zero e, portanto,
a interpolaç ão é um caso especial dentro do MMQ.
Exer cício 13:

Por ordem de peso, a tabela fica:
Peso(Kg) 63 69 73 79 82
Altura(cm) 163 173 178 183 188
Velocidade(km/h) 14 16 15 15 14
O exercício pede para usar um polinômio bidimensional de grau 2. Então:
P2 (x, y) = f(x 0 , y 0 )L 0 (x)L 0 (y) + f(x 0 , y1 )L 0 (x)L1 (y) + f(x 0 , y 2 )L 0 (x)L 2 (y) +
f(x 1 , y 0 )L1 (x)L 0 (y) + f(x 1 , y1 )L1 (x)L1 (y) + f(x 1 , y 2 )L1 (x)L 2 (y) +
f(x 2 , y0 )L 2 (x)L 0 (y) + f(x 2 , y1 )L 2 (x)L1 (y) + f(x 2 , y 2 )L 2 (x)L 2 (y)
Para a variável x : x 0 = 73, x1 = 79, x 2 = 82
L 0 (75) = 14/27 ; L1 (75) = 7/9 ; L 2 (75) = −8/27

Para a variável y : y 0 = 73, y1 = 79, y 2 = 82
L 0 (175) = 12/25 ; L1 (175) = 16/25 ; L 2 (175) = −3/25
Então, fazendo agora L ij (x, y) = L i (x)L j (y), temos :
L 00 (75,175) = 56/225, f(x 0 , y 0 ) = 16

L 01 (75,175) = 224/675, f(x 0 , y1 ) = 15
L 02 (75,175) = −14/225, f(x 0 , y 2 ) = 15
L10 (75,175) = 28/75, f(x 1 , y 0 ) = 16
L11 (75,175) = 112/225, f(x 1 , y1 ) = 15
L12 (75,175) = -21/225, f(x 1 , y 2 ) = 15
L 20 (75,175) = -32/225, f(x 2 , y 0 ) = 16
L 21 (75,175) = -128/675, f(x 2 , y1 ) = 15
L 22 (75,175) = 8/225, f(x 2 , y 2 ) = 15
Observação: na hora de calcular f(xi , yj), colocamos xi como ponto fixo (que não varia).
Depois, verificamos o valor de f(xi , yj) , a velocidade representada neste exercício, no ponto
yj .
Portanto,
56 224 14 28 112 21 32 128

P2 (75,175) = 16 ⋅ + 15 ⋅ + 15 ⋅ − + 16 ⋅ + 15 ⋅ + 15 ⋅ − + 16 ⋅ − + 15 ⋅ − +
225 675 225 75 225 225 225 675
8
+ 15 ⋅ = 15,48 km/h.
225
Integração Numérica
1. Calcule as integrais abaixo pela regra dos trapézios e pela regra 1/3 de Simp-
son, usando 4 e 6 divisões do intervalo [a, b]:
Z 2 Z 4p Z 5 Z 0.6
1 1
(a) e°x dx, (b) x dx, (c) p dx, (d) dx.
1 1 2 x 0 1+x
2. Determine o número mı́nimo de subintervalos necessários para que cada uma
das integrais do exercı́cio 1, tenham precisão " ∑ 1.10°5
3. Verifique que para qualquer polinômio P (x) de grau n ∑ 1, o valor da integral;

Z b
P (x) dx = P (m)
a
a+b
é exato, para m = ( Regra do ponto médio).
2
4. Dê um exemplo de uma função, onde a regra dos trapézios calcula o valor
exato da integral.
5. Dê um exemplo de uma função, onde a regra 1/3 de Simpson calcula o valor
exato da integral.
6. Calcule a área definida por f (x) pela regra 1/3 de Simpson:
x 2 4 6 8 10 12 14 16 18
f(x) 0.5 0.9 1.1 1.3 1.7 2.1 1.5 1.1 0.6
7. Considere a integral abaixo:

Z 1
I= x3 ex dx
0
Sabe-se que o valor exato da integral é I = 0, 5634363. Denotemos por

It (h) e Is (h), o resultado da integral obtido, respectivamente, pelo método
dos trapézios e 1/3 de Simpson. Seja h = 0, 5.
(a) Calcule It (h) e It (h/2)

(b) Calcule Is (h) e Is (h/2)
4It (h/2) ° It (h)
(c) Calcule R1 (h) = (Método de Romberg).
3
(d) Compare com o valor exato e conclua qual é o melhor resultado.
8. Considere as integrais:
Z bZ d Z bZ dZ f
(I) g(x, y) dx dy, (II) g(x, y, z) dx dy dz.
a c a c e
Determine uma fórmula geral para o cálculo das integrais usando:
(a) Regra dos Trapézios.

(b) Regra 1/3 de Simpson
(c) Considere os seguintes valores: a = c = e = 0; b = 0.5 , d = 1.0, f = 1.0
e as funções g(x, y) = y.ex , g(x, y, z) = (xy)z . Calcule valor numérico de
cada integral usando as fórmulas anteriores, com passo h1 = h2 = h3 =
0.5, para o método dos trapézios e h1 = 0.25 e h2 = h3 = 0.5, para o
método (1/3) de Simpson.
GABARITO – LISTA DE INTEGRAÇÃO NUMÉRICA
Exercício 1:
(a-i) Regra dos Trapézios, n = 4:

1
∫ e{ dx ≈ [ f (1) + 2 f (1.25) + 2 f (1.5) + 2 f (1.75) + f (2)] = 0.233754065
−x
f ( x) 8
(a-ii) Regra dos Trapézios, n = 6:
1
∫ e{ dx ≈ 12 [ f (1) + 2 f (7 / 6) + 2 f (4 / 3) + 2 f (3 / 2) + 2 f (5 / 3) + 2 f (11 / 6) + f (2)] = 0.233082205
−x
f ( x)
(a-iii) Regra de Simpson, n = 4:
1
∫ e{ dx ≈ 12 [ f (1) + 4 f (1.25) + 2 f (1.5) + 4 f (1.75) + f (2)] = 0.232549167
−x
f ( x)
(a-iv) Regra de Simpson, n = 6:
1
∫ e{ dx ≈ 18 [ f (1) + 4 f (7 / 6) + 2 f (4 / 3) + 4 f (3 / 2) + 2 f (5 / 3) + 4 f (11 / 6) + f (2)] = 0.232545151
−x
f ( x)
Exercício 2:
(a) Erro pelo Método dos Trapézios:
(b − a )3 f ′′( x) MÁX
ETRAP ≤ ≤ 10 −5
12n 2
f ′′( x) = e − x ⇒ e − x = e −1 = 0.367879441
MÁX
a = 1, b = 2 ⇒ b – a = 1
Resp.: nTRAP = 56
(b) Erro pelo Método de Simpson (aqui, n tem que ser par!):
(b − a )5 f ( iv )
( x)
MÁX
ETRAP ≤ ≤ 10 −5
180n 4
f ′′( x) = e − x ⇒ e − x = e −1 = 0.367879441
MÁX
Resp.: n SIMP = 56
Exercício 3:
∫ P( x)dx = (b − a) P(m)
a
P( x) = cx + d
Usando a Regra dos Trapézios, com n = 2, temos:
b
b−a a +b 
∫ P( x)dx ≈
a

4 
P ( a ) + 2 P
 2 
 + P(b)

Desenvolvendo essa expressão chegamos a (b − a) P(m) , que é o valor exato.
Exercício 4:
Qualquer Polinômio de grau 1 (Vide Exercício 3)
Exercício 5:
Um exemplo:
∫ P ( x)dx, onde P ( x) = x + 3x + 2, usando n = 2

2
2 2
0
Exercício 6:
I SIMP = 20.8667
Exercício 7:
(a) I t (0.5) = 0.782615536

I t (0.25) = 0.619600838 , lembrando que aqui n = 4
(b) I s (0.5) = 0.59044041

I s (0.25) = 0.565262605
(c) Método de Romberg: R1 (0.5) = 0.565262605
(d) O melhor resultado é com o Método de Romberg.

Exercício 8:
(a-I) Usando Regra dos Trapézios:
b d b d
 
∫a ∫c g ( x , y ) dxdy = ∫a ∫c g ( x, y)dy  dx
14 4244 3
It ( x)
Primeira parte:
h2  n −1

I t ( x) =
2 

g ( x , y 0 ) + 2∑i =1
g ( x, y i ) + g ( x, y n ) 

d −c
Como h2 = , então :
n
d −c n −1

I t ( x) = 
2n 
g ( x , y 0 ) + 2∑i =1
g ( x, y i ) + g ( x, y n ) 

Segunda parte:
b b
d −c  n −1

∫a I t ( x ) dx = ∫ 
2n a 
g ( x , y 0 ) + 2 ∑ g ( x, y i ) + g ( x, y n ) dx
144444 424444443
i =1
f ( x)
 d − c  b − a  n −1
=    g ( x 0 , y 0 ) + 2∑ g ( x 0 , y i ) + g ( x 0 , y n )
 2n  2m  i =1
m -1
 n −1

+ 2∑  g ( x j , y 0 ) + 2∑ g ( x j , y i ) + g ( x j , y n ) 
j=1  i =1 
n −1

+ g ( x m , y 0 ) + 2∑ g ( x m , y i ) + g ( x m , y n ) 
i =1 
(a-II) Para a integral tripla, raciocínio análogo.

Exercı́cios de Cálculo Numérico - Erros
1. Considere um computador de 14 bits com expoente máximo e = (15) e a
representação em aritmética flutuante na base 2.
(a) Determine o menor número positivo representável nesta máquina, na base

10.
(b) Determine o maior número positivo representável nesta máquina, na base
10.
(c) Represente o número x = (12, 37) nesta máquina e calcule o erro da
representação na base 10.
(d) Determine o menor valor de ✏ tal que 12, 37 + ✏ > 12, 37.
2. Numa calculadora aproxima-se o valor de ex , para todo x 2 [ 1, 1], pelo valor

do polinômio de Taylor de grau 3, obtido através da expansão de ex em série
de Taylor em torno do ponto x0 = 0.
(a) Qual a aproximação de e0.5 fornecida pela calculadora?

(b) Utilizando a expressão do erro cometido ao se aproximar a função ex pela
sua expansão em série de Taylor, forneça um limitante superior para o
erro cometido no item (a).
3. Usando a série de Taylor, determine o valor aproximado e o limitante superior

do erro, utilizando 4 dı́gitos significativos, para o cálculo de sen(47 ), em torno
do ponto x0 = (45 ), com polinômios de grau
(a) ⌘ = 2
(b) ⌘ = 3
Z 47
(c) Usando o polinômio de grau ⌘ = 2 e o erro associado, calcule sen(x) dx,
0
sabendo que o valor ”exato” é I = 0.318001639
4. Considere a integral abaixo:

Z 1
In = xn ex 1 dx
0
Fazendo uso da integral por partes obtém-se a recorrência:
In = 1 nIn 1 ; n = 2, 3, ... (1)
(a) Calcule o valor de I100 , usando (1), para n = 2, 3, ..., 100 , sabendo que
I1 = 1/e.
(1 In )
(b) Calcule o valor de I100 , usando In 1 = , para n = 200, 199, ..., 101 ,
n
utilizando a aproximação I200 ⇡ 1/201.
(c) Sabendo-se que 0  In  1/(n+1), compare os dois resultados e verifique
em qual deles o erro é maior. Qual é a melhor maneira de calcular?
Justifique a resposta.
1
X 1
5. Considere a série Harmônica dada por S = . Mostra-se que
n
n=1
S > 1 + 12 + 12 + · · · e portanto é divergente. No entanto, se calcularmos S,
1
usando o algoritmo: S1 = 1 e Sk+1 = Sk + k+1 , k 1, obtemos um resultado
finito. Explique o que ocorre.
6. Verifica-se que a série de Taylor da função ex em torno de x0 = 0 é:

1
X xi x2 x3 xn
ex = =1+x+ + + ... + + ... (2)
i=0 i! 2! 3! n!
n
X xi
As somas parciais Sn = podem ser usadas para calcular aproximações
i!
i=0
5
para o valor de e de dois modos:
(a) Tomando x = 5 em (2);

5
(b) Tomando x = 5 em (2) e lembrando que e = 1/e5 ;
(c) Compare estes dois procedimentos com n = 100. Compare também seus
resultados com o valor de e 5 da calculadora.
Gabarito – Erros
Exercício 1:
(a) Como o expoente máximo é (15)10, então o número de bits para o expoente é 5
(lembrando que o número de bits do expoente – aberviado por n.e. – é encontrado
através da relação emáx = 2n.e. – 1 – 1).
Assim, montamos a seguinte tabela que relaciona os 5 bits com os expoentes:
Bits Expoente
00000 -14 (forma desnormalizada)
00001 -14
00010 -13
... ...
01101 -2
01110 -1
01111 0
10000 +1
10001 +2
10010 +3
... ...
11101 +14
11110 +15
11111 ∞, NaN ou Indeterminação
O menor número positivo representável nesta máquina na forma normalizada deve ter
o menor expoente (00001) , zeros na mantissa, além do bit 0 para o sinal do número,
que é positivo. Então, temos:
0{ 00001
123 00000000
14243
s.n. expoente mantissa
1,00000000 x 2-14 ≈ 6,1035 x 10-5
O menor número mesmo está na forma desnormalizada e deve ter como menor
expoente 00000. Assim, temos:
0{ 00000
123 00000001
14243
0,00000001 x 2-14 ≈ 0,0238 x 10-5
(b) O maior número positivo representável nesta máquina deve ter o maior expoente
(11110), 1’s na mantissa, além do bit 0 para o sinal positivo do número. Então, temos:
0{ 11110
123 11111111
14243
1,11111111 x 215 = (20 + 2-1 + 2-2 + ... + 2-8) x 215 = 27 + 28 + 29 + ... + 215 = 216 – 27 =
65536 – 128 = 65408
(c) 12,37 = 12 + 0,37
Parte inteira: Parte fracionária:
12 | 2 0,37 x 2 = 0,74
0 6 |2 0,74 x 2 = 1,48
0 3 |2 0,48 x 2 = 0,96
1 1 |2 0,96 x 2 = 1,92
1 0 0,92 x 2 = 1,84
0,84 x 2 = 1,68
0,68 x 2 = 1,36
...
Em representação binária: 12,37 = 1100,0101111...
Mas, nesta máquina, que possui apenas 8 dígitos para a mantissa, temos:
1,10001011 x 23 = 12,34375
8 bits p/
mantissa
0{ 10010
123 10001011
14243
Erro da representação: ε = 12,37 – 12,34375 = 0,02625
(d)
12,37 = 1,10001011 x 23
ε = 0,00000001 x 23 = 1,00000000 x 2-8 x 23 = 0,03125
12,37 + ε = 1,10001100 x 23
Limite da mantissa
Exercício 2:
Polinômio de Taylor de Grau 3

x ∈[-1,1]
x0 = 0
f(x) = e x
(a)
f ′′(x 0 )(x − x 0 ) 2 f ′′′(x 0 )(x − x 0 ) 3
P3 (x) = f(x 0 ) + f ′(x 0 )(x − x 0 ) + +
2 3!
quando x = 0.5 :
e 0 ⋅ (0.5 ) 2 e 0 ⋅ (0.5) 3
P3 (0.5) = e 0 + e 0 ⋅ 0.5 + +
2 6
(0.5) 3
= 1 + 0.5 + 0.125 +
6
≈ 1.64583333 3
(b) Limitante superior para o erro:
4
f iv (x) x − x0
máx
E 3 (x) ≤
4!
Lembrando que 0 < ε < 0.5
f iv (0) = 1
f iv (0.5) = e 0.5 ≈ 1.64872127 1 > 1 (logo, esse vai ser o valor usado para o limitante)
e 0.5 ⋅ (0.5) 4
E 3 (0.5) ≤ ≈ 4.29 × 10 −3
24
Exercício 3:
(a)
f ′′(x 0 )(x − x 0 ) 2
P2 (x) = f(x 0 ) + f ′(x 0 )(x − x 0 ) +
2
47 π
x = 47 o = rad
180
π
x 0 = 45 o = rad
4
f(x) = sen(x)
f ′(x) = cos(x)
f ′′(x) = - sen(x)
2
2 2 π 2 π
P2 (x) = + x −  − x − 
2 2  4 4  4
 47π 
P2   ≈ 0.73135867
 180 
(b) fazer com η = 3
(c)
Usando polinômio de Grau 2 :

47π
180 
π 
2
2 2 π 2
∫
0
P2 (x) =
 2
+ x −  −
2  4
 x −   dx
4  4 

47π 47π 47π

 2  180  2  π 
2 180  2 π 
3 180
= x + x −   − x −  
 2  x =0  4  4 
 x =0  12  4 
 x =0
≈ 0.30528362 6
Erro associado :
47π
180
E= ∫ sen(x) − P (x) ≈ 0.01271801 3
0
2
Exercício 4:
(a)
1
I1 =
e
2 1
I2 =1- = 1 − 2!  
e e
 2 3⋅2 3! 3!  1 1
I 3 = 1 - 31 -  = 1 − 3 + =1− + = 1 − 3!  − 
 e e 2! e  2! e 
 3⋅2 4 ⋅3⋅2 4! 4! 4!  1 1 1
I 4 = 1 − 41 − 3 +  = 1− 4 + 4 ⋅3 − =1− + − = 1 − 4!  − + 
 e  e 3! 2! e  3! 2! e 
 4 ⋅3⋅2 5⋅4 ⋅3⋅2 5! 5! 5! 5!  1 1 1 1

I 5 = 1 − 51 − 4 + 4 ⋅ 3 −  = 1−5 + 5⋅4 − 5⋅4 ⋅3 + =1− + − + = 1 − 5!  − + − 
 e  e 4! 3! 2! e  4! 3! 2! e 
...
Assim, deduzimos que a fórmula para I n é :
 1 1 1 1 1
I n = 1 − n!  − + − + ... − ( −1) n −1 
 (n − 1)! (n − 2)! (n − 3)! (n − 4)! e
Então,
 1 1 1 1 1
I 100 = 1 - 100!  − + − ... − + 
 99! 98! 97! 2! e
 
 1 1 1 1  1 1 1 
= 1 - 100!  + + ... + +  −  + + ... +   << 0
199!
4444244443 144424443 
97! 3! e   98! 96! 2!
 ≈ 0.718281803 (na calculadora) ≈ 0.54308063 4(na calculadora) 

(b)
1
I 200 ≈
201
1 − I 200 1 − (1/201) (200/201) 1

I 199 = = = =
200 200 200 201
1
I 198 =
201
1
I 100 = ≈ 0.004975
201
(c)
1 1
como em (b), 0 ≤ ≤ , portanto o erro é maior em (a). A melhor maneira de calcular, então, é usar
201 101
(1 − I n ) 1
I n -1 = , porque em todas as iterações o resultado sempre converge para .
n 201
Exercício 5:
Fonte: Howard Anton – “Cálculo, um novo horizonte” – Vol.2 – 6a Edição – Ed. Bookman – pág.
60.
Uma das mais importantes de todas as séries divergentes é a série harmônica
∞
1 1 1 1 1
∑ k = 1 + 2 + 3 + 4 + 5 + ...
k =1
A série harmônica surge em conexão com os sons harmônicos produzidos pela vibração de uma
corda musical. Não é evidente que esta série diverge. Entretanto, a divergência se tornará aparente
quando exarminarmos as somas parciais em detalhe. Como os termos da série são todos positivos, a
soma parcial
S1 = 1;
1
S2 = 1 + ;
2
1 1
S3 = 1 + + ;
2 3
1 1 1
S4 = 1 + + + ;
2 3 4
...
forma uma seqüência estritamente crescente
S1 < S 2 < S 3 < ... < S n < ...
Podemos provar a divergência demonstrando que não há nenhuma constante M (cota superior para
a seqüência) que seja maior ou igual que suas somas parciais (veja o teorema no final do exercício).
Para este fim, consideraremos algumas somas parciais selecionadas, isto é, S 2, S 4 , S 8 , S16 , S 32 ,...
Note que os índices são potências sucessivas de 2, de modo que essas são as somas parciais da forma
S 2n . Essas somas parciais satisfazem as desigualdades:
1 1 1 2
S2 = 1 + > + =
2 2 2 2
1 1 1 1 1 3
S4 = S2 + + > S2 +  +  = S2 + >
3 4  4 4  2 2
1 1 1 1 1 1 1 1 1 4
S8 = S 4 + + + + > S4 +  + + +  = S4 + >
5 6 7 8 8 8 8 8 2 2
1 1 1 1 1 1 1 1  1 1 1 1 1 1 1 1  1 5
S16 = S 8 + + + + + + + + > S8 +  + + + + + + +  = S8 + >
9 10 11 12 13 14 15 16  16 16 16 16 16 16 16 16  2 2
.
.
.
n +1
S 2n >
2
Se M é uma constante qualquer, podemos achar o inteiro positivo n tal que (n+1)/2 > M. No
entanto, para este n
n +1
S 2n > >M
2
de modo que nenhuma constante M é maior ou igual que cada soma parcial da série harmônica.
Isso prova a divergência.
Teorema:
Se uma seqüência {Sn} for crescente a partir de um certo termo, então existem duas possibilidades:
(a) Existe uma constante M, chamada de cota superior para a seqüência, tal que se Sn ≤ M para
todo n a partir de um certo termo, e, neste caso, a seqüência converge a um limite L
satisfazendo L ≤ M.
(b) Não existe cota superior, e neste caso, lim S n = +∞

n →∞
Exercício 6:
n = 100
Procedimento (a): x = - 5
100
(− 5)i ( −5) 2 ( −5) 3 ( −5) 100
e −5 ≈ ∑
i =0
i!
= 1 + ( −5) +
2!
+
3!
+ ... +
100!
≈ −146,4465 = −146446,5 × 10 −3
Procedimento (b): x = 5
1 1 1 1
e −5 = 5
≈ 100
= 2 3 100
≈ = 6.73798600 3 × 10 −3
e 5 i
5 5 5 148,4123
∑ i!
i =0
1+ 5 +
14444 2!
+
3!
+ ... +
4244444 100!
3
≈ 148,4123
O procedimento (b) é o melhor!

Cálculo Numérico
REVISÃO DA 2ª PARTE DO CURSO
1 – Interpolação polinomial
a. Método direto (resolução de sistema de equações)
b. Método de Lagrange (calculando os fatores de Lagrange)
c. Método de Newton (calculando os operadores diferenças dividas)
2 – Ajuste de Funções pelo método dos mínimos quadrados (MMQ)

a. Caso discreto
3 – Integração numérica
a. regra do trapezio
b. regra do trapézio repetida
c. regra 1/3 de Simpson
d. regra 1/3 de Simpson repetida
3 – Métodos numéricos para resolver eq. diferenciais ordinárias (EM PREPARAÇÃO)
1 – Interpolação polinomial
Um polinômio de ordem n é escrito como:
n
Pn ( x ) = ∑ a k x k = a0 + a1 x + a 2 x 2 + a3 x 3 + .... + a n x n
k =0
a. Método direto
Nos nós da interpolação teremos sempre Pn ( xk ) = f ( xk ) = yk onde k = 0,1, 2, 3, 4, ..., n
Escrevendo essa condição para todos os pontos xk teremos n equações e n incógnitas que serão as constantes do
polinômio ( a0 , a1 , a 2 , a 3 ,...., a n ). Para encontrar essas constantes temos que resolver o sistema de equação
utilizando ou método direto de eliminação de Gauss (triangulariazação) ou algum método iterativo (Gauss-
Jacobi ou Gauss-Seidel)
1
b. Forma de Lagrange
Na forma de Lagrange o polinômio de ordem n pode ser escrito por:
n
Pn ( x ) = ∑ f ( x k ) Lk ( x ) = f ( x0 ) L0 ( x ) + f ( x1 ) L1 ( x ) + .... + f ( x n ) Ln ( x )
k =0
onde Lk(x) são equações de x conhecidas como fatores de Lagrange. Podem ser calculados a partir da formula
recursiva a baixo:
n
∏ (x − x )
j =0
j
j≠k
Lk ( x ) = n
∏ (x
j =0
k − xj)
j≠k
b. Forma de Newton
Na forma de Newton o polinômio de ordem n pode ser escrito por:
n
Pn ( x ) = f [ x0 ] + ∑ f [ x0 ,..., xk ]( x − x0 )...( x − xk −1 ) =
k =1
onde f[xk] são números calculados a partir da tabela de pontos (x, f(x)) que se quer interpolar. Estes fatores são
conhecidos como operadores diferenças divididas e são determinados pela regra geral abaixo:
f[xi] ≡ f(xi) e
Ex. f[x0]=f(x0)
2
2 – Método dos mínimos quadrados
Sejam m pares de pontos oriundos de uma função f(x). Queremos encontrar uma função ϕ(x) tal que:
n
f ( x ) ≈ φ ( x ) = ∑ ai gi ( x ) = a1 g1 ( x ) + a2 g 2 ( x ) + a3 g 3 ( x )... + an g n ( x ) n∈Ι
i =1
As funções gi(x) são funções de qualquer tipo escolhidas para tentar ajustar o conjunto de dados experimentais,
por exemplo, a partir da análise dos diagrama de dispersão (gráfico dos pontos experimentais).
a1 , a2 , a3 ,...., an são os coeficientes das funções gi(x) e vão dar o peso de cada uma delas na equação ϕ(x).
⎛ n ⎞
d ⎜ ∑ ( f ( xk ) − φ ( xk )) 2 ⎟
No método dos mínimos quadrados temos a seguinte condição: ⎝ k =1 ⎠ =0 j = 1,2,3...n
da j
Segundo essa condição, para encontrarmos a função ϕ(x) (dentre as escolhidas previamente) que melhor ajusta
os pontos experimentais utilizando o método MMQ teremos que resolver um sistema de n equações e n
incógnitas a1 , a2 , a3 ,...., an . Na forma matricial esse sistema pode ser escrito como Aˆ × aˆi = bˆi , ou ainda:
m= num. de pontos experimentais
⎛ a11 a12 ... a1n ⎞ ⎛ a1 ⎞ ⎛ b1 ⎞ m

⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ a21 a22 ... a2 n ⎟ ⎜ a2 ⎟ ⎜ b2 ⎟
onde aij = ∑ g i ( xk ) g j ( xk ) =a ji
⎜ ... × = k =1
... ... ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ m
⎝ a n1 an 2 ... ann ⎠ ⎝ an ⎠ ⎝ bn ⎠ bi = ∑ f ( xk ) g i ( xk )
k =1
Para encontrar essas incógnitas e, portanto, escrever a função que melhor ajusta os pontos experimentais pelo
método dos mínimos quadrados, temos que resolver o sistema de equações utilizando o método direto de
eliminação de Gauss (triangulariazação) ou algum método iterativo (Gauss-Jacobi ou Gauss-Seidel).
Exemplos de funções ϕ (x) típicas:
- Para ajustar os pontos a uma reta temos

ϕ (x) = a1 + a2 x→ g1(x) = 1 e g2(x) = x Sistema com 2 eqs.!
- Para ajustar os pontos a uma parábola temos

ϕ (x) = a1 + a2 x + a3x2 → g1(x) = 1 , g2(x) = x e g3(x) = x2 Sistema com 3 eqs.!
- Para ajustar os pontos a com uma função exponencial simples temos

ϕ (x) = a1 ex → g1(x) = ex 1 única equação!
3
2 – Interpolação Numérica
a. Regra do trapézio → f(x) ≈ p1(x)
( b − a )3
h=(b-a) ET ≤ max f ´´( x )
12 x∈[ a ,b ]
primeira integral → ITR=37,8181; ETR ≤ 6; n=619
primeira integral → ITR=37,8181; ETR ≤ 6; n=619
b. Regra do trapézio repetida

=ITR
h=(b-a)/n
h=(b-a)/n
c. Regra 1/3 de Simpson → f(x) ≈ p2(x)

=IS
h=(b-a)/2
h=(b-a)/2
c. Regra 1/3 de Simpson repetida

=ISR
h=(b-a)/2n
h=(b-a)/2n m=2n
n=m/2 é a metade de subdivisões do intervalo [a,b]
4
Cálculo Numérico
REVISÃO DA 1ª PARTE DO CURSO
1 – Aritmética de Ponto Flutuante e Erros em Maquinas digitais

a. Notação ponto flutuante
b. Conversão decimal ↔ binário
c. Principais fontes de erros de maquinas digitais (Mantissa finita)
d. Erro absoluto e erro relativo
d1. Erros em operações aritméticas
d2. Erros devido a representação truncada ou arredondada dos números
2 – Métodos iterativos para achar zeros (raízes) de funções reais

a. Identificando intervalos que contem raízes de funções.
b. Quando parar de fazer as contas? Critérios de parada
c. Métodos iterativos
- Met. Bissecção
- Met. Posição Falsa
- Met. Ponto Fixo
- Met. Newton
- Met. Secante.
3 - Métodos numéricos para resolver sistema de equações.

a. Met. Direto de eliminação de Gauss.
b. Met. Iterativos.
- Critérios de parada
- Método de Gauss-Jacobi
- Métodos de Gauss-Seidel
c. Critérios de convergência dos Met. Iterativos: Linhas para o met. Gauss-Jacobi e Sassenfeld para o
met. Gauss-Seidel
1
1 – Aritmética de Ponto Flutuante e Erros em Maquinas digitais
Como um máquina digital armazena um número internamente:
(N)10 → Not. Ponto flutuante (exp)10 → Conversão para binário (exp)2 → Palavra do
(mantissa)10 (mantissa)2 Computador
±01010±010101010101
exp mantissa
a. Notação ponto flutuante
t
- t =mantissa
- o que é overflow?
- o que é underflow?
b. Conversão decimal ↔ binário

Ex3. (23)10 → (x)2 Usando o método das divisões sucessivas.
23 2
1 11 2 Resposta: (x)2 = (10111)2
1 5 2
1 2 2 Dividir até que o último quociente
0 1 seja menor que a base
Leitura
Ex5. (0,1875)10 → (x)2 Usando o método das multiplicacoes sucessivas.
0,1875 0,3750 0,750 0,50 Resposta: (x)2 = (0,0011)2

x 2 x 2 x 2 x 2
0,3750 0,750 1, 50 1, 00
Parar quando não existir mais a
Leitura parte fracionária
Parte inteira: Método da divisão sucessiva
Ex7. (23,1875)10 → (10111,0011)2
Parte fracionária: Método da multiplicação sucessiva
2
Ex9. (110,11)2 → (x)10 Usando o método das multiplicações pelas potencias da base
(110,11)2 = 1x22 + 1x21 + 0x20 + 1x2-1 +1x2-2 = 6,75 = (6,75)10

4 + 2 + 0 + 1/2 + 1/4
d -1
d2
d0
c. Principais fontes de erros de maquinas digitais (Mantissa finita)
c1. Representação infinita de um numero binário!
(0,11)10 = (0,000111000010100011110101110000101000111101............)2
Repetições
Numa maquina com 6 digitos na matissa teremos:

(0,11)10 → (0,000111)2 → (0,109375)10
Truncado
c2. Mantissa finita para representação de números!
d. Erro absoluto (EA) e erro relativo (EA)
EAx x−x
EAx =| x − x | ERx = =
x x
onde x é o valor preciso e x é o valor aproximado (armazenado na máquina). x pode ser ainda um valor
truncado ou arredondado.
d1. Erros em operações aritméticas (propagação dos erros)

i) Propagação dos erros absolutos:
Soma e Subtração Multiplicação Divisão

EAx x EAy
EA( x ± y ) =| EAx ± EAy | EA( xy ) =| x EAy + yEAx | EA( x / y ) = − 2
y y
ii) Propagação dos erros relativos:
Soma e Subtração Multiplicação Divisão
x y
ER( x ± y ) = ERx ± ER y + δ ER( xy ) =| ERx + ER y | +δ ER( x / y ) =| ERx − ERy | +δ
x±y x±y
onde o fator δ, associado ao erro devido ao fato do computador trabalhar com números truncados ou
arredondados é dado por:
t = número de dígitos da mantissa
δ = 10-t+1 (no caso de truncamento)
δ = ½ 10-t+1 (no caso de arredondamento)

3
2 – Métodos iterativos para achar zeros (raízes) de funções reais
a. Identificando intervalos que contem raízes de funções.
Seja f(x) contínua num intervalo [a,b]
- Se f(a)f(b) < 0 existe PELO MENOS uma raiz dentro desse intervalo.
- Se f´(a)f´(b) > 0 existe 1 única raiz dentro desse intervalo.
b. Quando parar de fazer as contas? Quando se atingir a precisão desejada.

- Critérios de paradas dos métodos iterativos
b1. Nos métodos com intervalo inicial I=[a,b] (Bissecção e posição falsa). Paramos de fazer a conta quando
⏐f(xk)⏐< ε ou bk-ak < ε . Qualquer uma das duas condições, a que vier primeiro!
b2. Nos métodos com chute inicial (MPF, Newton ou Secante). Paramos de fazer a conta quando
⏐f(xk)⏐< ε ou |xk – xk-1| < ε. Qualquer uma das duas condições, a que vier primeiro!
Em geral ε (precisão estipulada) é um número muito pequeno, por exemplo, ε ~ 0,000001 = 10-6
c. Os métodos iterativos.
- Mecanismos de iteração dos Métodos de obtenção de zeros de funções reais:
I) Método da Bissecção
A cada iteração diminui-se o intervalo tomando uma media dos valores anteriores.
Função recursiva
ak + bk
φ ( xk ) = xk =
2
Numero de iterações no método da bissecção: Intervalo inicial
II) Método da Posição Falsa
Função recursiva
a k f (bk ) − bk f ( a k )
φ ( xk ) = xk =
f (bk ) − f ( a k )
4
Os métodos da bissecao e da Posição Falsa tem convergência garantida pois os intervalos a cada
interação sempre contem a raiz. Para ambos os métodos temos o seguinte esquema iterativo:
a0 x0 b0
Sinal da função → ⊕ ⊕
a1 x1 b1
a2 x 2 b2
.
.
.
Paramos de fazer a conta quando é satisfeito o critério de parada ⏐f(xk)⏐< ε ou bk-ak < ε, o que vier
primerio e a solução aproximada será x =xk
III) Método da Ponto Fixo (MPF)
Transformar f(x)=0 numa equação equivalente x=ϕ(x) e

a partir de um chute inicial x0 gerar uma seqüência { xk}
de aproximações através da relação
Função recursiva
xk+1 = ϕ(xk)
Graficamente, uma raiz da equação x=ϕ(x) é a abscissa

do ponto de intercessão da reta y =x e da curva y=ϕ(x)
OBS: Esse método nem sempre converge. Uma condição para convergência é que a função equivalente
escolhida tenha uma inclinação baixa nas proximidades da raiz, ou seja, que |ϕ´(xk) | < 1 nas proximidades da
raiz ξ. Alem disso, a convergência será mais rápida quanto menor for ⏐ϕ´(ξ)⏐
IV) Método de Newton ou Newton-Raphson

Esse método é bem parecido com o MPF, contudo para
acelerar a convergência escolhe-se uma ϕ(ξ) tal que
ϕ´(ξ)= 0. Nesse método utilizamos a expressão abaixo no o Chute
processo iterativo: inicial
Função recursiva
xk+1 = ϕ(xk) tangente
onde xk=0 é um chute inicial para a raiz
OBS: Esse método nem sempre converge. Se f ´(xk) ~ 0 o método pode divergir.
5
IV) Método da Secante
Uma das desvantagens no método de Newton é a tangente
necessidade de se obter f´(x) e calcular seu valor numérico
Chutes
a cada iteração, nesse método a derivada da função é
iniciais
aproximada pela expressão abaixo:
secante
onde xk=0 é xk=1 são chutes iniciais para a raiz. Nesse

método utilizamos a expressão abaixo no o processo
iterativo:
Função recursiva
xk+1 = ϕ(xk;xk-1) =
OBS: Se nesse último método tivermos f(xk) ~ f(xk-1) o método pode divergir!
3 – Métodos numéricos para resolver sistemas de equações lineares
a. Método direto de eliminação de Gauss
Sistema → Matriz sanduíche → Aplicar estratégias para pivoteamento (parcial ou total) →

Triagularizar a matriz sanduíche (Calcular o fator multiplicado e realizar operacoes envolvendo as
linhas) → Solução trivial (de baixo pra cima)
Obs. Nas estratégias de pivoteamento parcial trocar a posição de linhas e na estratégia de pivoteamento parcial
trocar a posição de colunas. Antes de eliminar os termos da próxima coluna aplicar as estratégias de
pivoetamento novamente se necessário.
Exemplo de operações:
b. Métodos Iterativos
Sistema → Verificar se tem convergência garantida para um dado método (critério das linhas ou
Sassenfeld) → Escrever o sistema equivalente (isolar xi de cada linha i) → Aplicar o método escolhido →
parar o cálculo ao atingir o critério de parada.
Obs. Se o critério de verificação de convergência falhar, trocar a posição das linhas e colunas do sistema
e aplicar o critério de verificação novamente.
6
Exercício resolvido mostrando uma comparação entre dois métodos iterativos: Calcule as duas primeiras
iterações dos métodos Gauss-Jacobi e Gauss-Seidel do sistema linear abaixo:
4x1 + 2x2 – 9x3 = 7

5x1 – 6x2 – 8x3 = 3
1x1 – 2x2 + 15x3 = 5
x1(0) 1
Use como chute inicial o vetor (matriz coluna) x(0) = x2(0) = 2
x3(0) 3
Etapa inicial – Isolar os xi de cada linha i e escrever o sistema de equações equivalentes.
4x1 + 2x2 – 9x3 = 7 x1 = + 7 – 2x2 + 9x3

5x1 – 6x2 – 8x3 = 3 4
1x1 – 2x2 + 15x3 = –5 x2 = + 3 – 5x1 + 8x3
-6
x3 = – 5 – 1x1 + 2x2
15
Abaixo temos um diagrama mostrando de forma esquemática a dependência de cada um dos termos nas três
primeiras iterações de uma matriz A:3x3 dos métodos de Gauss-Jacobi e Gauss-Seidel.
Método de Gauss-Jacobi Método de Gauss-Seidel

(0)
1 x1(1) x1(2) x1 (3)
x1 (0)
x1(1) x1(2) x1(3)
x2(0) x2(1) x2(2) x2(3) x2(0) x2(1) x2(2) x2(3)
x3(0) x3(1) x3(2) x3(3) x3(0) x3(1) x3(2) x3(3)
Segue abaixo exemplos para o calculo das três primeiras iterações (x(1), x(2) e x(3)) pelo
método de Gauss-Jacobi usando como chute inicial:
x1(1) = (+ 7 – 2x2(0) + 9x3(0))/4 = 7.50 x1(1) 7.50

(1) (1)
(1) (0) (0)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = -3.667 x = x2 = -3.667
x3(1) = (– 5 – 1x1(0) + 2x2(0) )/(15) = -0.133 x3(1) -0.133
x1(2) = (+ 7 – 2x2(1) + 9x3(1))/4 = 3.882 x1(2) 3.882

(2) (1) (1) (2) (2)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 5.572 x = x2 = 5.572
x3(2) = (– 5 – 1x1(1) + 2x2(1) )/(15) = -1.322 x3(2) -1.322
x1(3) = (+ 7 – 2x2(2) + 9x3(2))/4 = -4.010 x1(3) -4.010

(3) (2) (2)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 4.497 (3) (3)
x = x2 = 4.497
x3(3) = (– 5 – 1x1(2) + 2x2(2) )/(15) = 0.150 x3(3) 0.150
7
método de Gauss-Seidel usando como chute inicial:
x1(1) = (+ 7 – 2x2(0) + 9x3(0))/4 = 7.50 x1(1) 7.50

(1) (1) (0) (1) (1)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 1.75 x = x2 = 1.75
x3(1) = (– 5 – 1x1(1) + 2x2(1) )/(15) = -0.60 x3(1) -0.60
x1(2) = (+ 7 – 2x2(1) + 9x3(1))/4 = -0.475 x1(2) -0.475

(2) (2) (1)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = -0.095 (2) (2)
x = x2 = -0.095
x3(2) = (– 5 – 1x1(2) + 2x2(2) )/(15) = -0.314 x3(2) -0.314
x1(3) = (+ 7 – 2x2(2) + 9x3(2))/4 = 1.091
(3) (3) (2)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 0.827 x1(3) 1.091
(3) (3)
x3(3) = (– 5 – 1x1(3) + 2x2(3) )/(15) = -0.295 x = x2 = 0.827
x3(3) -0.295
Se for dada uma precisão ε quando parar de fazer os cálculos? Quando tivermos satisfeito o critério de
parada.
Critério de parada
Distancia relativa entre duas iterações numa certa etapa k, d(k), deve ser menor que ε
max | xi( k ) − xi( k −1) |

d (k )
= (k )
<ε
max | xi |
Obs: No exemplo anterior não fizemos nenhum teste para saber se os métodos iterativos
teriam convergência assegurada ou não. Na prática antes de utilizarmos esses métodos
numa maquina digital verificamos se o critério das linhas é satisfeito (no caso da utilização
o método de Gauss-Jacobi) ou o critério de Sassenfeld (no caso da utilização do método de
Gauss-Seidel).
Critério das linhas (αi < 1) Critério de Sassenfeld (βi < 1)
(ex A:4x4)
≡ α1
8
Cálculo Numérico
III – Resolução de sistemas lineares por métodos numéricos.
Objetivos: Veremos nessa aula alguns métodos numéricos (diretos e iterativos) para
resolvermos sistemas de equações lineares.
1. Introdução
A resolução de sistemas lineares é um problema que surge nas mais diversas áreas (ex. previsão
do tempo, otimização de sinais de transito e linhas de metro, mecânica quântica, etc..).
Exemplo 1.
Considere, por exemplo, o problema de determinar as componentes horizontal e vertical
das forças que atuam nas junções da treliça abaixo (ex. ponte de ferro).
45º
Para isto, temos de determinar as 17 forças desconhecidas que atuma nesta treliça. As
componentes da treliça são supostamente presas nas junções por pinos, sem fricção.
Um teorema da mecânica elementar nos diz que, como o número de junções j está relacionado
ao numero de componentes m por 2j – 3 = m, a treliça é estaticamente determinante: isto significa que
as forças componentes são determinadas completamente pelas condições de equilíbrio estático
nos nós.
Sejam Fx e Fy as componentes horizontal e vertical, respectivamente. Fazendo α = sen (45º) =
cos (45º) e supondo pequenos deslocamentos, as condições de equilíbrio são:
III – Resolução de Sistemas Lineares – Cálculo Numérico – Prof. Dr. Sergio Pilling 1
Portanto, para obter as componentes perdidas é preciso resolver esse sistema linear que
tem 17 variáveis: f1, f2, f3, ...., f17 e 17 equações.
onde
onde A é a matriz (m,n) dos coeficientes, x é o vetor (n linhas) das variáveis e b (m linhas) é o
vetor das constantes.
Chamaremos de x* o vetor solução de x, uma solução aproximada do sistema linear
Ax=b. No capitulo anterior a solução aproximada era chamada de x.
A formulação matricial do sistema Ax=b do Exemplo 1, que será resolvida no final desta
aula é dada por:
α = sen (45º) = cos (45º)
Analisemos a seguir, através de exemplos com das equações e duas variáveis as situações
que podem ocorrer com relação ao numero de soluções de um sistema linear:
Retas concorrentes
(cruzam-se)
Retas coincidentes
Retas paralelas
OBS: Mesmo no caso geral em que o sistema linear envolve m equações e n variáveis, apenas
uma entre as situações abaixo ira ocorrer:
No caso em que m=n=2 (visto acima), este fato foi facilmente verificado através dos
gráficos das retas envolvidas no sistema. Contudo, para analisar o caso geral, m equações e n
variáveis, usaremos conceitos de Álgebra linear.
Veremos nesta aula alguns métodos numéricos para resolução de sistemas lineares do
tipo n x n (n equações e n incógnitas; Matriz quadrada An×n)
5.2. Métodos diretos
Matriz inversa de A: A A-1 = 1 (identidade)
5.2.1 Método da eliminação de Gauss
Diagonal principal: Posição dos “pivos”

Etapa 0: Matriz sanduíche
•
♦x1 + ♦ x2 + ♦ x3 + ♦ x4 + ♦ x5 = •
•
♦x1 + ♦ x2 + ♦ x3 + ♦ x4 + ♦ x5 = •
♦x1 + ♦ x2 + ♦ x3 + ♦ x4 + ♦ x5 = • •
♦x1 + ♦ x2 + ♦ x3 + ♦ x4 + ♦ x5 = • •
♦x1 + ♦ x2 + ♦ x3 + ♦ x4 + ♦ x5 = • •
Etapa 1, 2, 3, ... : Eliminação ( Li’ ← Li – mik Lk onde mik = aik / akk )
• • • •
• • • •
• • • •
• • • •
• • • •
Etapa Final: Solução do sistema (de baixo pra cima)
• ♦x1 + ♦ x2 + ♦ x3 + ♦ x4 + ♦ x5 = • ♣
x1
• ♦ x2 + ♦ x3 + ♦ x4 + ♦ x5 = • x2 ♦
• ♦ x3 + ♦ x4 + ♦ x5 = • x* = x3 = ♥
• ♦ x4 + ♦ x5 = • x4 ♠
♦ x5 = • x5 •
•
remos
Somente zeros!
a seguir:
- Procedimentos para triangularizar uma matriz e estratégias para o pivoteamento.
Ex. L1 ↔ L5
Ex. L3’ ← 8L3
Ex. L2’ ← L2 - 5L1
etapa k.
Etapa 0: Escrever a matriz dos coeficientes junto do vetor das constantes: Matriz sanduíche.
Etapa 1: Eliminação dos elementos aj1 (j=2,...., n), também chamada de 1º pivoteamento.
Fator multiplicador
Elemento a ser
aik( k −1) zerado
mik = ( k −1)
a kk
Linha do pivô
’’
Pivô
Operações aritméticas com as linhas
’
Etapa 1
1 1 1 1 2 1 5
1− 3 = 0 1− 2 = 2− 4= 2− 1=
3 3 3 3 3 3 3
4 4 4 4 5
4− 3=0 3− 2 = 0 −2− 4 =0 3− 1=
3 3 3 3 3
Etapa 2: Eliminação dos elementos aj2 (j=3,...., n), também chamada de 2º pivoteamento.
Linha do pivô
X3= 0
Loop 1
Loop 2
(Triangularização)
Loop 3
já triangularizado!
ALGORITMO 1
Bem menor que o método de

Kramer: 2(n+1) × n! × (n-1)
Elemento a ser zerado
em cada etapa k do processo. Pivô

Para se contornar estes problemas devemos adotar uma estratégia de pivoteamento ou
seja, adotar um processo de escolha da linha e/ou coluna pivotal.
ESTRATEGIA DE PIVOTEAMENTO PARCIAL

Esta estratégia consiste em:
(de uma dada coluna)
Exemplo 3
Consideremos uma matriz 4×4 após a primeira etapa de pivoteamento:
Este elemento é o maior desta coluna, em modulo.
(-1/3) (-2/3)
Em seguida fazemos as operações: L3’ ← L3 –m32 L2 ; L4’ ← L4 –m42 L2 e o processo
continua até triangularizarmos a matriz dos coeficientes.
Leitura complementar
Obs. Nesse caso temos que

inverter a posição das incógnitas
na matriz das incógnitas
também!
Ex. ai=(a1 a4 a3 a2)T
Deve-se inverter a posição das incógnitas na matriz

das incógnitas também!
Exemplo 4
Consideremos o sistema linear
dois
Usamos a notação de ponto flutuante!

r= ± 0.d1d2 × 10e
Então:
Etapa 0 – Matriz sanduíche
Eliminação dos elementos aj1 (j=2,...., n); 1º pivoteamento.
Etapa 1
→ x1 = 0
ou x = 0
2.5
lembrando que nosso sistema original era:
Usando agora a estratégia de pivoteamento parcial (e ainda a aritmética de 2 dígitos), o nosso
sistema original: fica como:
Etapa 0 – Matriz sanduíche após o pivoteamento parcial (troca de
Etapa 1 – Eliminação dos elementos aj1 (j=2,...., n); - 1º
No caso anterior
tinha dado zero!
Exercício 1.
Resolva os sistemas lineares abaixo usando o método direto de eliminação de Gauss (com
pivoteamento e triangularização da matriz dos coeficientes). Use a técnica de pivoteamento
parcial se necessário (se o pivô for zero).
a) b)
c)
Compare os resultados com o programa VCN_5p1.exe
5.3. Métodos Iterativos
em uma das aulas anteriores.
Valor máximo
TESTES DE PARADA
<ε
5.3.1 Método Iterativo de Gauss-Jacobi
Para os métodos iterativos os pivôs de

cada (elementos da diagonal principal)
coluna DEVEM ser ≠ 0 !
Isolamos x1
Isolamos x2
Isolamos xn
Exemplo 5
Resolva o sistema linear abaixo pelo mét. de Gauss-Jacobi com
Chute inicial Precisão do

cálculo numérico
O processo iterativo é o seguinte:
Obs. x1(1)
x(1) = x2(1)
x3(1)
Ou ainda:
máx
Prosseguindo com as iterações temos:
Para k =1:
OK! Satisfaz
Para k=2: o critério de
parada !!!
OBS:
Somatório dos elementos da linha k (exceto o pivô)
Pivô da linha k
TEOREMA 4: Critério das linhas
Lembremos que:
Exemplo 6
Analisando a matriz A do sistema linear do exemplo anterior:
Pivô
Outros elementos
Exemplo 7
Exemplo 8
5.3.2 Método Iterativo de Gauss-Seidel
Pivô da coluna 1
Essa eq. é igual ao do
método de Gauss-Jacobi
Pivô da coluna 2
Exemplo 9
Resolva o sistema linear abaixo pelo mét. de Gauss-Seidel com
Chute inicial Precisão
5/5 1/5 1/5
6/4 3/4 1/4
0/6 3/6 3/6
x2(0) x3(0)
x3(0)
Lembremos que nesse

caso ε = 5 x 10-2 = 0.05
x2(1) x3(1)
x3(1)
Continuando as iterações obtemos:
OK. Satisfaz o critério

de parada !!!
1
= (3 − x2 )
Preparação 3
x0 da figura
x1 abaixo
Obs. Nesse caso trocamos L1 ↔ L2
Definimos
Igual ao α1 do critério das linhas!
Somas dos outros elementos da
linha 1 (sem o pivô).
Pivô da linha 1
Pivô da linha J
Se < 1 o método de Gauss-Seidel geral uma seqüência convergente qualquer
que seja x(0). Alem disso, quanto menor for o valor de β mais rápida será a convergência.
Obs. Exemplos de β2 e β3 de uma Matriz A:3x3
| a21 | β1 + | a23 | | a31 | β1 + | a32 | β 2

β2 = β3 =
| a22 | | a33 |
Exemplo
Lembremos que nesse caso:

| a12 | + | a13 | + | a14 |
β1 =
| a11 |
temos:
| a 21 | β1 + | a 23 | + | a 24 |
β2 =
| a 22 |
| a31 | β1 + | a32 | β 2 + | a34 |

β3 =
| a33 |
| a 41 | β1 + | a 42 | β 2 + | a 43 | β 3
β4 =
| a 44 |
Nesse caso β = max βj = 0.7 < 1. Portanto o critério de Sassenfeld foi satisfeito e o método de
Gauss-Seidel gerara uma seqüência convergente.
Exemplo
Seja o sistema linear ao lado
Lembremos que nesse caso:
| a12 | + | a13 |
β1 =
| a11 |
| a21 | β1 + | a23 |
β2 =
| a22 |
| a31 | β1 + | a32 | β 2
β3 =
| a33 |
Considerações finais
Exemplo
Exemplo
Exemplo
12005 iterações !!!!
Exercício resolvido mostrando uma comparação entre dois métodos iterativos

Calcule as duas primeiras iterações dos métodos Gauss-Jacobi e Gauss-Seidel do sistema linear
abaixo:
4x1 + 2x2 – 9x3 = 7
5x1 – 6x2 – 8x3 = 3
1x1 – 2x2 + 15x3 = 5
x1(0) 1
(0) (0)
Use como chute inicial o vetor (matriz coluna) x = x2 = 2
x3(0) 3
Etapa inicial – Isolar os xi de cada linha i e escrever o sistema de equações equivalentes.
4x1 + 2x2 – 9x3 = 7 x1 = + 7 – 2x2 + 9x3

5x1 – 6x2 – 8x3 = 3 4
1x1 – 2x2 + 15x3 = –5 x2 = + 3 – 5x1 + 8x3
-6
x3 = – 5 – 1x1 + 2x2
15
Abaixo temos um diagrama mostrando de forma esquemática a dependência de cada um dos

termos nas três primeiras iterações de uma matriz A:3x3 dos métodos de Gauss-Jacobi e
Gauss-Seidel.
Método de Gauss-Jacobi Método de Gauss-Seidel

(0)
x1 x1(1) x1(2) x1(3) x1(0) x1(1) x1(2) x1(3)
x2(0) x2(1) x2(2) x2(3) x2(0) x2(1) x2(2) x2(3)
x3(0) x3(1) x3(2) x3(3) x3(0) x3(1) x3(2) x3(3)
método de Gauss-Jacobi usando como chute inicial:
x1(1) = (+ 7 – 2x2(0) + 9x3(0))/4 = 7.50 x1(1) 7.50

(1) (1)
(1) (0) (0)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = -3.667 x = x2 = -3.667
x3(1) = (– 5 – 1x1(0) + 2x2(0) )/(15) = -0.133 x3(1) -0.133
x1(2) = (+ 7 – 2x2(1) + 9x3(1))/4 = 3.882 x1(2) 3.882

(2) (1) (1) (2) (2)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 5.572 x = x2 = 5.572
x3(2) = (– 5 – 1x1(1) + 2x2(1) )/(15) = -1.322 x3(2) -1.322
x1(3) = (+ 7 – 2x2(2) + 9x3(2))/4 = -4.010 x1(3) -4.010

(3) (2) (2)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 4.497 (3) (3)
x = x2 = 4.497
x3(3) = (– 5 – 1x1(2) + 2x2(2) )/(15) = 0.150 x3(3) 0.150
método de Gauss-Seidel usando como chute inicial:
x1(1) = (+ 7 – 2x2(0) + 9x3(0))/4 = 7.50 x1(1) 7.50

(1) (1) (0) (1) (1)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 1.75 x = x2 = 1.75
x3(1) = (– 5 – 1x1(1) + 2x2(1) )/(15) = -0.60 x3(1) -0.60
x1(2) = (+ 7 – 2x2(1) + 9x3(1))/4 = -0.475 x1(2) -0.475

(2) (2) (1)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = -0.095 (2) (2)
x = x2 = -0.095
x3(2) = (– 5 – 1x1(2) + 2x2(2) )/(15) = -0.314 x3(2) -0.314
x1(3) = (+ 7 – 2x2(2) + 9x3(2))/4 = 1.091
(3) (3) (2)
x2 = (+ 3 – 5x1 + 8x3 )/(-6) = 0.827 x1(3) 1.091
(3) (3)
x3(3) = (– 5 – 1x1(3) + 2x2(3) )/(15) = -0.295 x = x2 = 0.827
x3(3) -0.295
Obs: No exemplo anterior não fizemos nenhum teste para saber se os métodos iterativos
teriam convergência assegurada ou não. Na prática antes de utilizarmos esses métodos numa
maquina digital verificamos se o critério das linhas é satisfeito (no caso da utilização o
método de Gauss-Jacobi) ou o critérido de Sassenfeld (no caso da utilização do método de
Gauss-Seidel).
Exercícios propostos
Verifique se a matriz dos sistemas abaixo tem convergência garantida pelos métodos numéricos
iterativos. Dica: Aplique os critérios de linhas e de Sassenfeld.
a) b) c)
4x1 – x = 1
–x1 +4x2 –x3 =1
–x2 + 4x3 –x4 = 1
–x3 +4x4 =1
Para os sistemas acima que tiverem convergência garantida encontre as 4 primeiras iterações
usando os métodos de Gauss-Jacobi e de Gauss-Seidel. No caso do sistema que não tenha
convergência garantida, o que poderíamos fazer para que ele tivesse convergência garantida nos
métodos numéricos estudados?

Prova Simulada 2

Enviado por

Direitos autorais:

Formatos disponíveis

Prova Simulada 2

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Prova Simulada 2

Enviado por

Direitos autorais:

Formatos disponíveis

Cálculo Numérico

Faculdade de Ciências Sociais Aplicadas e Comunicação – FCASC

Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia)

A. Exercícios sobre interpolação numérica

2) Considere os pontos da tabela abaixo:

2ª Lista de Exercícios – Cálculo Numérico – Prof. Dr. Sergio Pilling 1

Dica: f(1)=5.69; f(2);= 11.09; f(3)= 16.38; f(4)= 21.60

4) Considerando uma função do tipo f(x)=5x + ln(x+1),

Dica: f(1)=5.69; f(2);= 11.09; f(3)= 16.38; f(4)= 21.60

P3(x) = f[x0] + (x - x0) f[x0,x1]+ (x - x0) (x- x1) f[x0,x1,x2] +

onde f[x0] = f(x0)

2ª Lista de Exercícios – Cálculo Numérico – Prof. Dr. Sergio Pilling 2

2ª Lista de Exercícios – Cálculo Numérico – Prof. Dr. Sergio Pilling 3

a) Calcular com a regra de Simpson repetida com 6 subdivisões o valor numérico da

a) Calcular com a regra de Simpson repetida com 10 subdivisões o valor numérico da

Dicas: consular Revisão 2 no site do curso.

2ª Lista de Exercícios – Cálculo Numérico – Prof. Dr. Sergio Pilling 4

PRIMEIRA PROVA DE CÁLCULO NUMÉRICO - 1997

a-qual o menor número positivo nele representável

b-qual o maior número positivo nele representável

c-qual o maior e > 0 , tal que 4,25 + e = 4,25

d-qual o menor número maior que 4,25 , nele representável

e-qual o maior número menor que 20, nele representável

(Operações matemáticas usam acumulador duplo e há arredondamento)

(Indique os números acima em binário ou em decimal)

a- em quais das funções acima a convergência é garantida ?

b- em qual a convergência é mais rápida ?

y 0,5 2,6 4,5 6,4

Questão 7-Explique o que entende por:

b- matriz mal condicionada

Outro exemplo de Primeira Prova

| C.N. | Programa | Exercícios | Provas | Professor | Links |

a) represente, nele, os números r = 2,125 , s = -2,5 , t = 0,55.

s = -2,5 = -10,0 = - 1,01 . 21

t = 0,55 = 0,100011001100... = 1,000110011... . 2-1

b) que número é representado por 1000010100 ?

-0,0101 . 2-2 = - 0, 000101 = -( 2-4 + 2-6 ) = -0, 078125

c) qual o maior número positivo nele representável ?

1,111111 . 23 = 1111,111 = 15,875

Como vemos, fazendo e

g3’(x) = - 3/(3+3x) onde g3’(-0,5) = -2 não convergindo.

Questão 3-Pelo método de Newton-Raphson, calcule a raiz positiva da equação

Vê-se que a raiz é aproximadamente 0,5. Logo x0 = 0,5.

Sendo f(x) = e x – 2cos(x), tem-se f’(x) = e x + 2sen(x).

x0 = 0,5 x1 = 0,54082 com Dx = 0,04082 > 0,001

x1= 0,54082 x2 = 0,53979 com Dx = 0,00103 > 0,001

x2 = 0,53979 x3 = 0,53979 com Dx = 0 < 0,001.

Logo r @ 0,53979 ou r @ 0,540.

Raízes: x1 = 1,00 x2 = 2,00 x3 = -1,00

Questão 5- Resolva a questão anterior pelo método LU. (1 ponto)

Ao se fazer L3 – (-2/4,6)L2 , isto é: L3 + (2/4,6) L2 tem-se:

A.X=B L.U.X=B fazendo U . X = Y , tem-se:

L.Y=B que é um sistema triangular de fácil solução.

-0,43 . 10,2 + Y3 = -9 logo Y3 = -4,61

Mas U.X = Y , logo:

x3 = -1,04 – (-2,67)/67,36 = -1,00

x1 = -1,00 – 66/(-17)= 2,88

x2 = 2,88 – 15,09/(-9,24)= 4,51

x3 = 4,51 – 2,69/(-5,98) = 4,96