Métodos Numéricos Interpolação Polinomial. Filomena Teodoro Departamento de Matemática Escola Superior de Tecnologia de Setúbal
|
|
- Luiz Felipe Coelho Camelo
- 6 Há anos
- Visualizações:
Transcrição
1 Métodos Numéricos Interpolação Polinomial Filomena Teodoro Departamento de Matemática Escola Superior de Tecnologia de Setúbal Ano Lectivo 2003/2004
2 1 Introdução Seja f(x) uma função real de variável real apenas conhecida em n +1 pontos (x i,f(x i )),i=0, 1,,n O problema genérico da interpolação de consiste em aproximar a função f(x) através de uma outra função g(x) =a 0 b 0 (x)+ + a n b n (x), em que b 0 (x),b 1 (x),,b n (x) são funções pré-definidas e a 0,a 1,,a n são constantes, de forma que g(x) e f(x) coincidam nos pontos (x i,f(x i )),i= 0, 1,,n Nada nos garante que este problema tenha solução evidente Por exemplo, fazendo b 0 (x) =1e b 1 (x) =x 2 não existe nenhuma função g(x) =a 0 b 0 (x)+a 1 b 1 (x) =a 0 + a 1 x 2 que passe em (1, 1) e ( 1, 0) Note-se que sendo b 0 (x) e b 1 (x) funções pares, g(x) também é uma função par e g( 1) = g(1) A função g(x) designa-se habitualmente por função interpoladora de f(x) e o conjunto de pontos {(x i,f(x i )), 0 i n} designa-se suporte de interpolação As abcissas x 0,x 1,,x n dizem-se os nós de interpolação e as ordenadas y 0 = f(x 0 ),y 1 = f(x 1 ),,y n = f(x n ) são os valores nodais O tipo de interpolação depende da estrutura da família de funções b 0 (x),b 1 (x),, b n (x) Quando g(x) =a 0 + a 1 e ix + a 2 e 2ix + + a n e nix, a interpolação denomina-se trigonométrica, se g(x) =a 0 + a 1 e x + a 2 e 2x + + a n e nx a interpolação denomina-se de exponencial Se g(x) for um polinómio, isto é, se g(x) =a 0 + a 1 x + a 2 x a n x n estaremos no caso da interpolação polinomial A necessidade de fazer interpolação surge, por exemplo, quando a função f(x) se encontra tabelada para um certo conjunto de valores x 0,x 1,,x n, x x 0 x 1 x 2 x n f (x) f (x 0 ) f (x 1 ) f (x 2 ) f(x n ), e se pretende determinar um valor não tabelado f(x), comx x i,i= 0,,n O erro na determinação do valor não tabelado através da função interpoladora deve-se ao facto de se estimar f(x) àcustadeg(x) (excepto no caso da função tabelada ser a função interpoladora), aos erros de arredondamento e à propagação dos erros iniciais 1
3 2 Definição de polinómio interpolador Existência e Unicidade Polinómio interpolador de Lagrange Passaremos a designar por p n (x) afunçãointerpoladorag(x), umavezque limitaremos o nosso estudo ao caso particular da interpolação polinomial A interpolação polinomial é de grande interesse do ponto de teórico e prático em áreas como teoria da aproximação, equações não lineares, integração e derivação numéricas e solução numérica de equações diferenciais e integrais Dada uma função f(x) conhecida em n+1 pontos (x i,f(x i )),i=0, 1,,n, o objectivo da interpolação polinomial consiste em determinar o polinómio de grau n, p n (x) =a 0 + a 1 x + a 2 x a n x n, que coincide com f(x) naqueles pontos, isto é, p n (x i )=f (x i )=f i, i =0,,n Exemplo 1 Determine o polinómio interpolador que aproxima a função f(x) dada natabela seguinte x f (x) Neste caso tem-se que o suporte de interpolação é o conjunto {( 1, 2), (0, 3), (1, 2)} Procuramos o polinómio p 2 (x) =a 0 + a 1 x + a 2 x 2 quesatisfazas igualdades p 2 (x i )=f(x i ),i=0, 1, 2 Ora, ou seja, p 2 (x 0 )=f(x 0 ) p 2 (x 1 )=f(x 1 ) p 2 (x 2 )=f(x 2 ) a 0 + a 1 x 0 + a 2 x 2 0 = f(x 0 ) a 0 + a 1 x 1 + a 2 x 2 1 = f(x 1 ) a 0 + a 1 x 2 + a 2 x 2 2 = f(x 2 ) a 0 a 1 + a 2 =2 a 0 =3 a 0 + a 1 + a 2 =2 a 2 = 1 a 0 =3 a 1 =0 Consequentemente, o polinómio interpolador é p 2 (x) =3 x 2 Quando se consideram apenas 2, 3 e 4 pontos a interpolação polinomial denomina-se, respectivamente, interpolação linear, quadrática (ou parabólica) ecúbica O seguinte teorema mostra-nos que o polinómio interpolador existe e é único Além disto, fornece uma forma explícita para o cálculo de p n (x) 2,
4 Teorema 1 Seja P n o conjunto dos polinómios de grau menor ou igual n Dada uma função f(x) e n +1 pontos distintos (x i,f i ),i=1,,n,tem-se: (i) Existe um e um só polinómio p n (x) P n,talque p n (x i )=f i, i =0, 1,,n (ii) p n (x) pode ser dado explicitamente por em que p n (x) = L i (x) = n L i (x) f i (1) i=0 n j=0,j i (x x j ) (x i x j ) Quando escrito na forma (1), p n (x) denomina-se por polinómio interpolador de Lagrange As funções L i (x), i =0, 1,,n, designam-se por polinómios de Lagrange Dem (i)as condições p n (x i )=a 0 + a 1 x i + a 2 x 2 i + + a n x n i = f i, i =1,,n, conduzem ao seguinte sistema de equações linear nas incógnitas a 0,a 1,,a n, a 0 + a 1 x 0 + a 2 x a n x n 0 = f 0 a 0 + a 1 x n + a 2 x 2 n + + a n x n n = f n cuja forma matricial é em que 1 x 0 x 2 0 x n 0 1 x 1 x 2 1 x n 1 V = 1 x n x 2 n x n n VA= F, A = a 0 a 1 a n e F = f 0 f 1 f n A matriz de coeficientes V designa-se por matriz de Vandermonde O sistemaépossíveledeterminado(istoé,admiteumaeumasósolução),see só se det V 0 3
5 Prova-se facilmente que se os nós de interpolação x 0,x 1,,x n são distintos, então det V 0 Com efeito, para i =1, 2,,n 1, subtraindo à coluna i +1acolunai multiplicada por x 0,obtém-se 1 x 0 x 2 0 x n 0 1 x 1 x 2 1 x n 1 det V = D n+1 = 1 x n x 2 n x n n x 1 x 0 x 1 (x 1 x 0 ) x1 n 1 (x 1 x 0 ) = 1 x n x 0 x n (x n x 0 ) x n 1 n (x n x 0 ) Pelo teorema de Laplace, desenvolvendo a primeira linha, vem x 1 x 0 x 1 (x 1 x 0 ) x n 1 1 (x 1 x 0 ) det V = D n+1 =( 1) n+1 x n x 0 x n (x n x 0 ) xn n 1 (x n x 0 ) Cada elemento da linha i (i =1,,n) contém o factor (x i x 0 ),peloque em que det V = D n+1 =(x 1 x 0 )(x 2 x 0 ) (x n x 0 ) D n, D n = 1 x 1 x 2 1 x n x 2 x 2 2 x n x n x 2 n xn n 1 é o determinante de Vandermonde de ordem n Repetindo o raciocínio o número suficiente de vezes obtém-se a relação geral [ n ] D n k+1 = (x j x k ) D n k, 0 k n 1 j=k+1 Como os nós são distintos, x j x i, (j k) então (x j x k ) 0, 0 k n 1, k +1 j n com D 1 =1 0 4
6 Assim, os determinantes de Vandermonde são não nulos Logo, o sistema VA= F admite solução única, o que equivale a dizer que o polinómio interpolador p n (x) existe e é único A unicidade pode ser verificada de uma maneira alternativa, significativamente menos trabalhosa Basta supor que existe um outro polinómio interpolador q n (x) P n, que verifica q n (x i )=p n (x i )=f i, 0 i n Então, q n (x) p n (x) P n eanula-senosn +1 pontos x i Pelo Teorema Fundamental da Álgebra, um polinómio de grau n não tem mais de n raízes Como q n (x) p n (x) tem n +1 raízes, q n (x) p n (x) =0, isto é, q n (x) = p n (x) (ii) Consideremos os n +1polinómios de Lagrange de grau n, L i (x) = n j=0,j i (x x j ) (x i x j ) = (x x 0) (x x i 1 )(x x i+1 ) (x x n ) (x i x 0 ) (x i x i 1 )(x i x i+1 ) (x i x n ) Ora, pelo que é tal que L i (x) =δ ij = p n (x) = p n (x i )=f i, { 1, j = i 0, j i n L i (x) f i i=0 i =0, 1,,n Exemplo 2 Dadaatabeladafunçãof(x) = x, x f (x) , obtenha o polinómio interpolador de Lagrange e o seu valor em x =3 Procuramos p 2 (x) =a 0 + a 1 x + a 2 x 2 tal que p 2 (x) = 2 L i (x) f i i=0 5
7 com os polinómios de Lagrange dados por L 0 (x) = (x x 1)(x x 2 ) (x 0 x 1 )(x 0 x 2 ) = (x 2) (x 4) (1 2) (1 4) = 1 3 (x 2) (x 4) = 8 3 2x x2, L 1 (x) = (x x 0)(x x 2 ) (x 1 x 0 )(x 1 x 2 ) = (x 1) (x 4) (2 1) (2 4) = 1 2 (x 1) (x 4) = x 1 2 x2 e L 2 (x) = (x x 0)(x x 1 ) (x 2 x 0 )(x 2 x 1 ) = (x 1) (x 2) (4 1) (4 2) = 1 6 (x 1) (x 2) = x x2 Então, p 2 (x) =L 0 (x) f 0 + L 1 (x) f 1 + L 2 (x) f 2 = 1 3 (x 2) (x 4) 1 1 (x 1) (x 4) (x 1) (x 2) 2 6 = x x2 O valor do polinómio em x =3é p 2 (3) = =17433 O erro cometido quando se considera p 2 (3) como valor aproximado de f(3) = 3 é dado por f(3) p 2 (3) = = O erro é menor que 12 milésimas De notar, no entanto, que os valores tabelados estão arredondados às centésimas Pode ser útil recorrer à forma matricial para obtenção dos polinómios de Lagrange e do polinómio interpolador Basta lembrar que procuramos p n (x) =a 0 + a 1 x + a 2 x a n x n 6
8 tal que p n (x i )=a 0 + a 1 x i + a 2 x 2 i + + a n x n i = f (x i )=f i, 0 i n Como vimos acima, estas condições podem representar-se matricialmente por VA= F Como a matriz de Vandermonde V é invertível, o vector das incógnitas A vem dado por A = V 1 F Sendo tem-se p n (x) =a 0 + a 1 x + a 2 x a n x n =[1 x x n ] }{{} Por outro lado, p n (x) = p n (x) =XA = XV 1 F n L i (x) f i =[L 0 (x) L 1 (x) L n (x)] }{{} i=0 L X f 0 f 1 f n a 0 a 1 a n, }{{} A }{{} F = LF, pelo que L = XV 1 Sistematizando, o processo matricial para a determinação do polinómio interpolador de Lagrange pode ser resumido em três etapas: 1 Cálculo de V e V 1, 2 Cálculo de L = XV 1, 3 Cálculo do polinómio interpolador p n (x) =LF Exemplo 3 Considerando novamente a tabela da função f(x) = x, x f (x) determinemos, recorrendo ao processo matricial, o polinómio interpolador de Lagrange 7
9 Com efeito, para determinar os polinómios de Lagrange, basta identificar amatrizdevandermonde V = = , obter a sua inversa V 1 = ecalcular = L = XV 1 = [ 1 x x 2] 5 2 = 8 3 2x x2 }{{} L 0 (x) x 1 2 x2 }{{} L 1 (x) x x2 }{{} L 2 (x) O polinómio interpolador de Lagrange vem então dado por p 2 (x) =LF [ 8 = 3 2x x x x x + 1 ] 6 x = x x2 3 Erro de Interpolação Para estimar a diferença f(x) p n (x), isto é, o erro com que o polinómio interpolador p n (x) aproxima f(x) em x I x, com I x o menor intervalo que contém x, x 0,x 1,,x n, não é suficiente conhecer o domínio de f(x) e os nós de interpolação x 0,x 1,,x n Basta lembrar que a qualquer função que assuma os mesmos valores tabelados está associado o mesmo polinómio interpolador, podendo a diferença f(x) p n (x) tornar-se arbitrariamente diferente em qualquer x I x Todavia o conhecimento da derivada de ordem n +1 de f(x) pode levar-nos a uma estimativa do erro No seguinte teorema é apresentada uma fórmula explícita para o cálculo do erro de interpolação 8
10 Teorema 2 Seja p n (x) o polinómio de grau n interpolador da função f (x) nos nós de interpolação distintos x 0,x 1,,x n [a, b] Se f(x) tiver derivadas contínuas até à ordem n +1 em [a, b] então, para cada x [a, b] existe ξ I x (com I x o menor intervalo que contém x, x 0,x 1,,x n ), tal que f (x) p n (x) = n j=0 (x x j ) f (n+1) (ξ) (n +1)! Dem O resultado é imediato se x = x i,i=0,,n, e nesse caso o erro é obviamente nulo Seja então x x i,i=0,,n Considerando n θ(t) = (t x j ) j=0 defina-se a função auxiliar F (t) =f(t) p n (t) cθ(t), (2) onde c = f (x) p n (x) (3) θ(x) A função F (t) está definida em I x eétalque F (x) =0 e F (x i )=0, i =0, 1,,n, isto é, F (t) tem pelo menos n +2zeros em I x Pelo teorema de Rolle, F (t) tem pelo menos n +1 zeros em I x,f (t) tem pelo menos n zeros em I x, etc, F (n+1) (t) tem pelo menos 1 zero em I x Sendo ξ esse zero de F (n+1) (t), derivando (2) n +1vezes obtém-se F (n+1) (ξ) =f (n+1) (ξ) p (n+1) n (ξ) cθ (n+1) (ξ) =0 Mas p (n+1) n (ξ) =0, pois o polinómio p n (t) édegrau menorouigualan Comoocoeficientedotermodemaiorgraudoprodutoθ(t) é igual a 1 tem-se θ (n+1) (ξ) =(n +1)! Então c = f (n+1) (ξ) θ (n+1) (ξ) = f (n+1) (ξ) (n +1)! e, atendendo a (3), vem f (x) p n (x) =θ(x) f (n+1) (ξ) n = (x x j ) f (n+1) (ξ) (n +1)! (n +1)!, como se queria Note-se que: 9 j=0
11 Com um só ponto de interpolação (x 0,f(x 0 )) o polinómio interpolador édegrauzeroep n (x) =f(x 0 ) O erro vem f (x) p n (x) =f (x) f (x 0 )=f (ξ), com ξ I x Comdoispontosdeinterpolação(x 0,f(x 0 ),x 1,f(x 1 )) o polinómio interpolador é de grau 1 (interpolação linear) O erro vem f (x) p n (x) = f (ξ) (x x 0 )(x x 1 ), com ξ I x Exemplo 4 Suponhamos que a função f(x) =log 10 x = ln x ln 10 se encontra tabelada e se efectua ainterpolaçãolinearnospontosx 0,x 1 tais que x 1 x 0 =001 e x 0 1 Para tal, utiliza-se o polinómio interpolador p 1 (x) =L 0 (x) f 0 + L 1 (x) f 1 = x x 1 log x 0 x 10 x 0 + x x 0 log 1 x 1 x 10 x 1 0 O erro da interpolação, para cada x>0, édadopor f (x) p 1 (x) = f (ξ) (x x 0 )(x x 1 ), com ξ I x, sendo I x o menor intervalo que contém x, x 0 e x 1 Atendendo a que f (x) = 1 e f (x) = 1 x ln 10 x 2 ln , x 2 tem-se f (x) p 1 (x) = 0434 ξ (x x 0)(x x 2 1 ), com ξ I x Admitindo que x [x 0,x 1 ] vem f (x) p 1 (x) max 0434 x 0 x x 1 ξ (x x 0)(x x 2 1 ) = (x 1 x 0 ) 2 (x 0 x 1 ) = (x 1 x 0 ) x = Assim, quando x [x 0,x 1 ], o erro de interpolação é da ordem de Note-se que não se consideraram os erros de arredondamento dos valores tabelados f(x 0 ) e f(x 1 ) 10 x 2 0
12 4 Diferenças Divididas Polinómio interpolador de Newton No cálculo do polinómio interpolador de Lagrange, a adição de mais um ponto (x n+1,y n+1 ) ao suporte de interpolação obriga a que se refaçam todos os cálculos dos novos polinómios L i (x), i =0,,n+1 É muito frequente que se testem diferentes suportes de interpolação, variando o número de pontos considerado,deformaaobedeceracondiçõesdelimitedoerrodeinterpolação, f (x) p n (x) M, comm constante positiva O polinómio interpolador de Newton com diferenças divididas permite contornar esse problema Este polinómio interpolador surge de uma construção recursiva, extremamente simples, a partir da definição de diferença dividida Definição 1 Chama-se diferença dividida de primeira ordem de f(x), relativamente aos argumentos x i,x i+1, à seguinte quantidade f [x i,x i+1 ]= f i+1 f i x i+1 x i De um modo geral, a diferença dividida de ordem k (k 2) de f(x), relativamente aos argumentos x i,x i+1,,x i+k, é a quantidade f [x i,x i+1,x i+2 ]= f [x i+1,x i+2 ] f [x i,x i+1 ] (2 a ordem) x i+2 x i f [x i,,x i+k ]= f [x i+1,,x i+k ] f [x i,,x i+k 1 ] (ordem k) x i+k x i As diferenças divididas localizam-se natabeladaseguinteforma: x f(x) f [x i,x i+1 ] f [x i,x i+1,x i+2 ] f [x i,x i+1,x i+2,x i+3 ] x 0 f 0 f [x 0,x 1 ] x 1 f 1 f [x 0,x 1,x 2 ] f [x 1,x 2 ] f [x 0,x 1,x 2,x 3 ] x 2 f 2 f [x 1,x 2,x 3 ] f [x 2,x 3 ] x 3 f 3 Indicamos seguidamente algumas propriedades das diferenças divididas: 11
13 1 As diferenças divididas f [x 0,x 1,x 2,,x n ] são invariantes para qualquer variação dos índices de suporte, isto é, são funções simétricas nos seus argumentos: qualquer que seja a ordem dos x i o valor de f [x 0,x 1,x 2,,x n ] mantém-se 2 Tem-se f [x 0,x 1,x 2,,x n ]= n i=0 n j=0,j i f i (x i x j ) 3 Dado um polinómio de grau n, p n (x) =a 0 + a 1 x + a 2 x a n x n, vem que p n [x 0,x]=p n 1 (x), p n [x 0,x 1,x 2,,x n ]=a n, p n [x 0,x 1,x 2,,x n,x n+1 ]=0 4 Sendo f(x) uma função n vezes diferenciável num intervalo [a, b] que contém n +1pontos distintos x 0,x 1,x 2,,x n, então f [x 0,x 1,x 2,,x n ]= f (n) (ξ),paraalgumξ ]a, b[ n! Vejamos como se obtém o polinómio interpolador de Newton Das diferenças divididas sai que e f [x, x 0 ]= f(x) f(x 0) x x 0 e f [x, x 0,x 1 ]= f [x, x 0] f [x 0,x 1 ] x x 1 f(x) =f(x 0 )+(x x 0 ) f [x 0,x] (4) f [x, x 0 ]=f [x 0,x 1 ]+(x x 1 ) f [x, x 0,x 1 ], (5) respectivamente Então, substituindo (5) em (4), vem f(x) =f(x 0 )+(x x 0 ) f [x 0,x] = f(x 0 )+(x x 0 )(f [x 0,x 1 ]+(x x 1 ) f [x, x 0,x 1 ]) = f(x 0 )+(x x 0 ) f [x 0,x 1 ]+(x x 0 )(x x 1 ) f [x, x 0,x 1 ] 12
14 Procedendo sucessivamente deste modo, utilizando o facto que da diferença de ordem k +1, f [x, x 0,,x k ]= f [x, x 0,,x k 1 ] f [x 0,x 1,,x k ], x x k se conclui que f [x, x 0,,x k 1 ]=f [x 0,x 1,,x k ]+(x x k ) f [x, x 0,,x k ], facilmente se obtém Isto é, onde f(x) =f(x 0 )+(x x 0 ) f [x 0,x 1 ]+(x x 0 )(x x 1 ) f [x 0,x 1,x 2 ] + +(x x 0 )(x x 1 ) (x x n 1 ) f [x 0,,x n ] +(x x 0 )(x x 1 ) (x x n ) f [x, x 0,,x n ] f(x) =p n (x)+r n (x) (6) n 1 p n (x) =f(x 0 )+ (x x 0 ) (x x i ) f [x 0,,x i+1 ] i=0 éopolinómio interpolador de Newton com diferenças divididas e De notar que ou seja, R n (x) =(x x 0 )(x x 1 ) (x x n ) f [x, x 0,,x n ] n 2 p n (x) =f(x 0 )+ (x x 0 ) (x x i ) f [x 0,,x i+1 ] i=0 +(x x 0 ) (x x n 1 ) f [x 0,,x n ], p n (x) =p n 1 (x)+(x x 0 )(x x 1 ) (x x n 1 ) f [x 0,,x n ] O interesse prático desta fórmula resulta de possibilitar a construção recursiva do polinómio interpolador De facto, quando se acrescenta um ponto ao suporte de interpolação, há somente que adicionar uma parcela ao polinómio obtido anteriormente O erro de interpolação obtém-se da igualdade (6): f(x) p n (x) =R n (x) =(x x 0 )(x x 1 ) (x x n ) f [x, x 0,x 1,x 2,,x n ] 13
15 No caso de f(x) ser n +1 vezes diferenciável no intervalo [a, b], em que [a, b] éomenorintervaloquecontémx, x 0,x 1,x 2,,x n, pode-se aplicar a propriedade 4 acima Para algum ξ tal que a < ξ < bverifica-se que f(x) p n (x) = (x x 0)(x x 1 ) (x x n ) f (n+1) (ξ) (n +1)! (x x 0 )(x x 1 ) (x x n ) max f (n+1) (x) a<x<b (n +1)! }{{} M = (x x 0 )(x x 1 ) (x x n ) M Exemplo 5 Consideremos a função f(x) = x nos pontos (1, 1), (3, 1732), (4, 2) e (5, 2236) Construa-se a tabela das diferenças divididas x f(x) f [, ] f [,,] f [,,,] Pretende-se calcular aproximadamente f(2) pela fórmula interpoladora O polinómio interpolador é p 3 (x) =1+(x 1) (x 1) (x 3) ( 00327) +(x 1) (x 3) (x 4) = x 00663x x 3 O valor aproximado de f(2) é f(2) p 3 (2) = =14071 O erro cometido vem f(2) p 3 (2) = =00071 correspondendo a uma percentagem de erro da ordem dos 5% 14
16 5 Diferenças finitas A introdução de operadores de diferenças finitas permite obter resultados vantajosos Conhecida uma função f(x) nos pontos (x i,f(x i )),i=1,,n, definiremos as diferenças descendentes (ou progressivas) e ascendentes (ou regressivas) Suponhamos que os nós de interpolação x 0,x 1,,x n se encontram ordenados na forma x 0 <x 1 < <x n As diferenças descendentes e ascendentes são usadas quando os nós de interpolação são equidistantes, isto é, quando ou, de forma equivalente, x i+1 = x i + h, 0 i n 1 x i+1 = x 0 + ih, 0 i n 1, sendo h o passo (distância entre quaisquer dois nós consecutivos) De notar que as diferenças divididas se usam quer os nós de interpolação sejam ou não equidistantes Definição 2 Designa-se, respectivamente, diferença descendente (ou progressiva) de primeira ordem de f(x), para x = x i, à seguinte quantidade: f(x i )= f i = f(x i+1 ) f(x i ) De um modo geral, a diferença descendente de ordem k (k 2) de f(x), para x = x i, define-se por Por exemplo, 2 f i = 2 f i = f i+1 f i, k f i = ( ) k 1 f i = k 1 f i+1 k 1 f i 2 f i = f i+1 f i = f i+2 f i+1 (f i+1 f i )=f i+2 2f i+1 + f i e 3 f i = 2 f i+1 2 f i = f i+2 f i+1 ( f i+1 f i ) =(f i+3 2f i+2 + f i+1 ) (f i+2 2f i+1 + f i ) = f i+3 3f i+2 +3f i+1 f i 15
17 Prova-se, em geral, que k f i = k 1 f i+1 k 1 f i = k ( ) k ( 1) j f i+k j j j=0 Denominam-se diferenças descendentes pois diferenças do mesmo índice, de ordem superior, encontram-se em posição descendente na tabela x f(x) 2 3 x 0 f(x 0 ) f 0 x 1 f(x 1 ) 2 f 0 x 2 f(x 2 ) f 1 3 f 0 2 f 1 f 2 x 3 f(x 3 ) Definição 3 Designa-se, respectivamente, diferença ascendente (ou regressiva) de primeira ordem de f(x), para x = x i, à seguinte quantidade f(x i )= f i = f(x i ) f(x i 1 ) De um modo geral, a diferença ascendente de ordem k (k 2) de f(x), para x = x i, define-se por Por exemplo, 2 f i = 2 f i = f i f i 1, k f i = ( ) k 1 f i = k 1 f i k 1 f i 1 2 f i = f i f i 1 = f i f i 1 (f i 1 f i 2 )=f i 2f i 1 + f i 2 e 3 f i = 2 f i 2 f i 1 =(f i 2f i 1 + f i 2 ) (f i 1 2f i 21 + f i 3 ) = f i 3f i 1 +3f i 2 f i 3 16
18 Prova-se, em geral, que k f i = k 1 f i+1 k 1 f i = k ( ) k ( 1) j f i j j j=0 Denominam-se diferenças ascendentes ou regressivas pois diferenças do mesmo índice, de ordem superior encontram-se em posição ascendente na tabela: x f(x) 2 3 x 0 f(x 0 ) f 1 x 1 f(x 1 ) 2 f 2 f 2 3 f 3 x 2 f(x 2 ) 2 f 3 f 3 x 3 f(x 3 ) Podem-se estabelecer algumas propriedades das diferenças finitas, relacionálas com as diferenças divididas e realçar algumas das propriedades das diferenças de um polinómio Com efeito, verifica-se: 1 f i = f i+1 2 n f i = n f i+n 3 f n = f 0 + n 1 f i i=0 4 Quando os nós de interpolação são equidistantes de passo h, n f i = n!h n f [x i,x i+1,x i+2,,x i+n ], n f i = n!h n f [x i,x i 1,x i 2,,x i n ], i 0 5 Se f(x) é uma função com derivada de ordem n contínua num intervalo [a, b] que contém n +1nós de interpolação distintos x 0,x 1,x 2,,x n, de passo h, então, para x [a, b], n f(x) = f (n) (ξ),paraalgumξ ]a, b[ n! 17
19 6 A diferença de 1 a ordem de um polinómio de grau n é um polinómio de grau n 1 7 A diferença de ordem n de um polinómio de grau n, p n (x) =a 0 +a 1 x+ a 2 x a n x n, éumaconstantedadapor n p n (x) =a n n!h n 8 Se as diferenças de ordem k de uma função f(x) são iguais e não nulas, então existe um e um só polinómio de grau k que toma os mesmos valores tabelados (k n) Exemplo 6 Construa-se a tabela de diferenças divididas de f(x) =log 10 x, para os seguintes valores de argumento 1, 3, 5, 7, 9 x f(x) f [, ] f [,,] f [,,,] f [,,,,] Pela tabela, f [1, 3, 5, 7, 9] = Pela 4 a propriedade anterior tem de se verificar que 4 f 1 =4!h 4 f [x 0,x 1,x 2,x 3,x 4 ]=4!2 4 f [1, 3, 5, 7, 9] Construa-se a tabela das diferenças não divididas x f(x)
20 Como 4 f 1 = = , tem-se 4 f 1 4!h = = = f [1, 3, 5, 7, 9] Devemo-nos lembrar, no entanto, que os valores tabelados não são exactos mas sim arredondados à 5 a casa décimal Exemplo 7 Seja p 3 (x) =x 3 A diferença de primeira ordem do polinómio vem p 3 (x) =p 3 (x + h) p 3 (x) =(x + h) 3 x 3 = x 3 + h 3 +3x 2 h +3xh 2 x 3 = h 3 +3x 2 h +3xh 2 que é um polinómio de grau 2 como seria de esperar pela 4 a propriedade Exemplo 8 Se considerarmos a tabela da função x f(x) as diferenças de 3 a ordem são constantes Então as diferenças de ordem superior são nulas O polinómio p(x) de grau 3 que toma os mesmos valores nos pontos tabelados é tal que o coeficiente do termo de maior grau vem 3 =96=a 3 3! 2 3 = a 3 =2= p(x) =2x Fórmulas interpoladoras de Gregory-Newton Quando os nós de interpolação x 0,x 1,,x n, estão igualmente espaçados, pode-se usar a relação n f i = n!h n f [x i,x i+1,x i+2,,x i+n ] 19
21 de forma a simplificar o polinómio interpolador Substituindo f[x 0,x 1,x 2,, x i ] por i f 0 no polinómio interpolador de Newton com diferenças divididas obtemos a fórmula interpoladora de Gregory-Newton progressiva: i!h i n p n (x) =f(x 0 )+ (x x 0 ) (x x i 1 ) i f 0 i!h i Fazendo a mudança de variável i=1 x = x 0 + θh θ = x x 0 h e, lembrando que os nós de interpolação estão igualmente espaçados, surge a fórmula interpoladora de Gregory-Newton progressiva na versão mais usual: p n (x) =f 0 + θ f 0 + θ (θ 1) 2 f 0 + θ (θ 1) (θ 2) 3 f 0 + 3! + θ (θ 1) (θ 2) (θ (n 1)) n f 0 n! Pode-se obter um polinómio interpolador semelhante mas usando diferenças ascendentes ou regressivas Para isso basta usar a relação n f i = n!h n f [x i,x i 1,x i 2,,x i n ] de forma a simplificar o polinómio interpolador de Newton às diferenças divididas Substituindo agora f [x 0,x 1,x 2,,x n ] por i f n no polinómio interpolador de Newton com diferenças divididas obtemos a fórmula interpoladora n!h n de Gregory-Newton regressiva n ) p n (x) =f(x n )+ (x x n ) (x i f n x n (i 1) i!h i Por mudança de variável i=1 x = x n + θh θ = x x n h e, lembrando que os nós de interpolação estão igualmente espaçados, surge a fórmula interpoladora de Gregory-Newton regressiva na forma mais utilizada: p n (x) =f n + θ f n + θ (θ +1) 2 f n + θ (θ +1)(θ +2) 3 f n + 3! + θ (θ +1)(θ +2) (θ +(n 1)) n f n n! 20
22 Exemplo 9 Considerando o suporte de interpolação {( 2, 25), (0, 3), (2, 7), (4, 83), (6, 327)} calcule-se o valor aproximado de f( 1) edef(45) Construa-se a tabela de diferenças não divididas x f(x) \ 2 \ 2 3 \ 3 4 \ Note-se que, para obter o polinómio interpolador, usando Gregory-Newton progressiva, a escolha entre 2 ou 0 para x 0 é indiferente pois as diferenças de 4 a ordem são nulas e o polinómio interpolador é de 3 o grau Seja x 0 = 2 Então e θ = x x 0 h = x +2 2 p 3 (x) = 25 + θ 28 + θ (θ 1) ( 24) + θ (θ 1) (θ 2) 96 3! Para obter os valores aproximados de f( 1) e f(45) basta calcular o valor de θ para cada caso Para x = 1 vem x = 1 θ = x x 0 h = =05 f( 1) p 3 ( 1) = (05 1) (05 1) (05 2) 96 3! = 2 21
23 Para x =45 vem x =45 θ = x x 0 h = =325 f(45) p 3 (45) = (325 1) (325 1) (325 2) 96 3! =1245 Vamos obter exactamente os mesmos resultados ao usarmos a fórmula de Gregory-Newton regressiva Basta lembrar que o polinómio interpolador é único A escolha de 4 ou 6 para x n é indiferente pois as diferenças de 4 a ordem são nulas e o polinómio interpolador é de 3 o grau Seja x n =6 Então e θ = x x n h = x 6 2 p 3 (x) =327+θ θ (θ +1) (168) + θ (θ +1)(θ +2) 96 3! Para obter os valores aproximados de f( 1) e f(45) basta calcular o valor de θ para cada casopara x = 1 vem x = 1 θ = x x n h = = 35 f( 1) p 3 ( 1) = ( 35+1) ( 35+1)( 35+2) 96 3! = 2 Para x =45 vem x =45 θ = x x n h = = 075 f(45) p 3 (45) = ( ) ( ) ( ) 96 3! =1245 Note-se que, à semelhança das fórmulas de Gregory-Newton, também o polinómio interpolador de Lagrange pode ser obtido directamente do polinómio 22
24 interpolador de Newton para diferenças divididas recorrendo à propriedade já indicada atrás, n f i f [x 0,x 1,x 2,,x n ]= n i=0 (x i x j ) j=0,j i Sabendo que existem várias fórmulas para obter o polinómio interpolador, é importante relembrar que o polinómio interpolador é único, independentemente do método escolhido Antes de passarmos à interpolação inversa, urge colocar uma questão Será que, ao aumentar o número de pontos do suporte de interpolação num certo intervalo, o polinómio interpolador obtido melhora as estimativas da função? A resposta à questão é um pouco delicada Para x 0,x 1,x 2,,x n escolhidos criteriosamente e funções f(x) regulares o erro de interpolação decresce à medida que n aumenta Para algumas funções f(x) a sequência dos polinómiosobtidoséconvergente paratodososargumentos x Para outras funções essa convergência é limitada a um intervalo restrito Nesta situação, o erro de interpolação tende para zero na parte central do intervalo considerado e tende a oscilar fortemente nos extremos desse mesmo intervalo Este comportamento é uma severa restrição ao uso de polinómios interpoladores com grau elevado 7 Interpolação inversa Dadosospontos(x i,y i )=(x i,f(x i )), 0 i n, é frequente querermos calcular x dado y = f(x) y i É o que acontece quando, por exemplo, queremos determinar uma raiz de f(x) a partir dos valores tabelados (x i,f(x i )), 0 i n Este problema denomina-se interpolação inversa Como é óbvio,oproblemadainterpolaçãoinversaexigequeafunçãosejaunivocamente determinada para um certo intervalo de valores do argumento A maneira mais usual de resolução do problema da interpolação inversa éporinversão de tabela Para o suporte (y i,x i ) = (y i,f 1 (y i )), 0 i n, comy i y j (i j) existirá um polinómio interpolador p n (y) que interpola a função inversa x = f 1 (y) =g(y), caso ela exista obviamente Para a obtenção do polinómio interpolador pode-se escolher qualquer dos métodos indicados sendo importante verificar se o argumento y 0,y 1,y 2,,y n são equidistantes O mais usual é usar a fórmula interpoladora de Newton com diferenças divididas p n (y) =x 0 +(y y 0 ) g [y 0,y 1 ]+ +(y y 0 ) (y y n 1 ) g [y 0,,y n ] 23
25 Exemplo 10 Considere a tabela função da f(x) =senx cos x eindiqueo valor da sua raiz: x f (x) Estamos perante um problema de interpolação inversa Admita-se que f(x) é contínua Como muda de sinal quando passa de x =06 para x =08 a raiz está em (06, 08) Sendo a função crescente para os valores tabelados, podemos admitir que é injectiva e invertível no intervalo (06, 12) Numa primeira fase trocamos as colunas Depois passamos ao cálculo das diferenças divididas pois y 0,y 1,y 2,y 3 não são equidistantes y x = g(y) g [, ] g [,,] g [,,,] O polinómio interpolador vem p 3 (y) =x 0 +(y y 0 ) g [y 0,y 1 ]+(y y 0 )(y y 1 ) g [y 0,y 1,y 2 ] +(y y 0 )(y y 1 )(y y 2 ) g [y 0,y 1,y 2,y 3 ] =06+[y ( 02607)] [y ( 02607)] (y 00206) [y ( 02607)] (y 00206) (y 03012) = y y y 3 Como se pretende o valor aproximado da raiz então x = p 3 (0) = Sabendo que função tabelada é f(x) =sinx cos x, pode-se obter o valor exacto da raiz, f(x) =0 sin x cos x =0 sin x =cosx x = kπ + π,k inteiro 4 Ora x assume valores no primeiro quadrante x = π 4 =
26 O erro cometido é Exemplo 11 Considere-se a tabela da função distribuição de probabilidade y = f(x) = 2 π x 0 e x2 dx, x f (x) Para que quantil (valor de x), afunçãodistribuiçãoatinge50%? Efectue-se a interpolação quadrática inversa, recorrendo à fórmula interpoladora de Newton y x = g(y) g [, ] g [,,] p 2 (y) =x 0 +(y y 0 ) g [y 0,y 1 ]+(y y 0 )(y y 1 ) g [y 0,y 1,y 2 ] =047 + (y ) (y )(y ) = y y 2 O quantil obtido para a acumulada correspodente ao valor 50% é x = p 2 (05) = = À semelhança da interpolação directa, pode-se obter a expressão para o majorante do erro de interpolação, com ξ pertencente ao menor intervalo que contenha y 0,,y n, f 1 (y) p n (y) =g (y) p n (y) = 25 n j=0 (y y j ) g(n+1) (ξ) (n +1)!
27 É necessário que se conheça g(x) e que as suas derivadas sejam bem comportadas A inversão de tabela não é a única abordagem possível para a interpolação inversa Uma outra alternativa é o método das aproximações sucessivas Consideremos que estamos a resolver a equação f(x) =C (7) em que C é uma constante real e suponhamos que f(x 0 ) C e f(x 1 ) C têm sinais opostos e que f(x) é uma função contínua Suponha-se também os nós de interpolação x 0,x 1,,x n, são equidistantes de passo h Utilizando o polinómio interpolador de Gregory-Newton progressivo, resolver (7) equivale a determinar θ =(x x 0 )/h tal que, p n (x) =f 0 + θ f 0 + θ (θ 1) 2 f 0 Esta igualdade pode ser reescrita na forma + θ (θ 1) (θ 2) 3 f 0 3! + = C ou onde θ f 0 = C f 0 θ (θ 1) 2 f 0 ϕ (θ) = 1 f 0 θ = ϕ (θ) θ (θ 1) (θ 2) 3 f 0 3!, ( ) C f 0 θ (θ 1) 2 f 0 θ (θ 1) (θ 2) 3 f 0 3! A equação θ = ϕ (θ) sugere o processo iterativo θ i+1 = ϕ (θ i ),comθ 0 = C f 0 f 0 Note-se que o valor inicial do processo iterativo corresponde à interpolação linear As iteradas seguintes correspondem ao aparecimento de mais termos na função ϕ, normalmente mais um, calculados com o valor da iterada anterior O processo pára quando algum critério de paragem pré-definido for verificado Exemplo 12 Considere novamente a tabela da função f(x) =sinx cos x x f (x)
28 e obtenha uma aproximação para a raiz de forma que a diferença entre iteradas sucessivas seja inferior a uma milésima Já se discutiu o facto da função ser univoca no intervalo dos argumentos Como os nós de interpolação são equidistantes de passo h =02 pode-se obter o polinómio interpolador de Gregory-Newton Construa-se a tabela de diferenças não divididas x f(x) \ 2 \ 2 3 \ O polinómio interpolador vem p 3 (x) =f 0 + θ f 0 + θ (θ 1) 2 f 0 Como se pretende obter a raiz do polinómio tem-se + θ (θ 1) (θ 2) 3 f 0 3! p 3 (x) =C =0 f 0 + θ f 0 + θ (θ 1) 2 f 0 A iterada inicial corresponde a interpolação linear, ie, + θ (θ 1) (θ 2) 3 f 0 3! f 0 + θ 0 f 0 =0 θ 0 = f 0 = f = A segunda aproximação surge de =0 e f 0 + θ 1 f 0 + θ 0 (θ 0 1) 2 f 0 =0 θ 1 = 1 ( ) f 0 θ 0 (θ 0 1) 2 f 0 f 0 = 1 ( ( ) ) = O critério de paragem está verificado: θ 1 θ 0 = = <
29 O valor aproximado da raiz resulta de x = x 0 + θh, logo x = x 0 + θ 2 h = = Se o critério de paragem não fosse satisfeito, a segunda iterada correspondia a considerarmos mais um termo no polinómio interpolador, correspondente àdiferençade3 a ordem: e f 0 + θ 2 f 0 + θ 1 (θ 1 1) 2 f 0 θ 2 = 1 ( f 0 θ 1 (θ 1 1) 2 f 0 f 0 + θ 1 (θ 1 1) (θ 1 2) 3 f 0 3! =0 ) θ 1 (θ 1 1) (θ 1 2) 3 f 0 3! Consegue-seigualmentededuzirummajorantedoerrodeinterpolação para o método das aproximações sucessivas No entanto, é mais importante realçar que os resultados obtidos pelos dois métodos são, em geral, diferentes É natural que o sejam pois por inversão de tabela usa-se um polinómio em y e por aproximações sucessivas recorre-se a um polinómio em x Os dois métodos são idênticos no caso da interpolação linear Referências [1] Carpentier, M P J, Análise Numérica-Teoria, Sebenta editada pela AEIST em Fev 1993 [2] Rosa,M & Graça, M, Tópicos de Análise Numérica, Universidade de Aveiro, 1992 [3] Dahlquist & Bjork, Numerical Methods, Prentice Hall, 1974 [4] Conte, S D & Boor, C, Elementary Numerical Analysis, McGraw-Hill, 1980 [5] Gerald, C e Wheatley, P, Applied Numerical Analysis, Addison-Wesley, 1997 [6] Lindfield, G e Penny, J, Numerical Methods Using Matlab Ellis Horwood, 1995 [7] Kreyszig, Erwin, Advanced Engineering Mathematics (Cap 17 e 18), Willey, 1999 (Livro de texto) [8] Pina, Heitor, Métodos Numéricos, McGraw-Hill, 1995 [9] Moreira, M, Apontamentos de Métodos Numéricos, EST,
Métodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução A interpolação é outra técnicas bem conhecida e básica do cálculo numérico. Muitas funções são conhecidas apenas em um
Leia maisMétodos Numéricos e Estatísticos Parte I-Métodos Numéricos
Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic Eng Biomédica e Bioengenharia-2009/2010 O problema geral da interpolação polinomial consiste em, dados n + 1 pontos (reais ou complexos) x
Leia maisExercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo IV Aproximação de Funções 1 Interpolação Polinomial 1. Na tabela seguinte
Leia maisPodem ser calculados num número finito de operações aritméticas, ao contrário de outras funções (ln x, sin x, cos x, etc.)
Interpolação polinomial 1 Interpolação Polinomial Slide 1 Definição simples Definição 1 Dados os conjuntos de valores x 0, x 1,..., x n e y 0, y 1,..., y n, determinar uma função f tal que: Slide 2 f(x
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 1 o semestre de 2007/2008 - Engenharia Biológica Teoria de erros e Representação de números no computador Nos exercícios deste capítulo os números são representados
Leia maisx exp( t 2 )dt f(x) =
INTERPOLAÇÃO POLINOMIAL 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia Aproximação
Leia maisexercícios de análise numérica II
exercícios de análise numérica II lic. matemática aplicada e computação (4/5) aulas práticas - capítulo Exercício. Mostre que a soma dos polinómios base de Lagrange é a função constante. Exercício. Usando
Leia maisCCI-22 FORMALIZAÇÃO CCI-22 MODOS DE SE OBTER P N (X) Prof. Paulo André CCI - 22 MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO
CCI - MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO Prof. Paulo André ttp://www.comp.ita.br/~pauloac pauloac@ita.br Sala 0 Prédio da Computação -Gregory DEFINIÇÃO Em matemática computacional, interpolar significa
Leia mais3.6 Erro de truncamento da interp. polinomial.
3 Interpolação 31 Polinômios interpoladores 32 Polinômios de Lagrange 33 Polinômios de Newton 34 Polinômios de Gregory-Newton 35 Escolha dos pontos para interpolação 36 Erro de truncamento da interp polinomial
Leia maisInterpolação polinomial: Polinômio de Lagrange
Interpolação polinomial: Polinômio de Lagrange Marina Andretta ICMC-USP 09 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500 - cálculo
Leia maisMatemática Computacional - 2 o ano LEMat e MEQ
Instituto Superior Técnico Departamento de Matemática Secção de Matemática Aplicada e Análise Numérica Matemática Computacional - o ano LEMat e MEQ Exame/Teste - 5 de Fevereiro de - Parte I (h3m). Considere
Leia maisMatemática Computacional - 2 o ano LEMat e MEQ
Instituto Superior Técnico Departamento de Matemática Secção de Matemática Aplicada e Análise Numérica Matemática Computacional - o ano LEMat e MEQ Exame/Teste - 1 de Janeiro de 1 - Parte I (1h3m) 1. Considere
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 2 o semestre de 2005/2006 - LEE, LEGI e LERCI Programação em Mathematica 1. Calcule no Mathematica e comente os resultados: (a) 7; (b) 7.0; (c) 14406; (d) cos π 6
Leia maisLucia Catabriga e Andréa Maria Pedrosa Valli
1-35 Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-35
Leia maisde Interpolação Polinomial
Capítulo 10 Aproximação de Funções: Métodos de Interpolação Polinomial 101 Introdução A aproximação de funções por polinômios é uma das idéias mais antigas da análise numérica, e ainda uma das mais usadas
Leia maisAndréa Maria Pedrosa Valli
Interpolação Polinomial Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-32
Leia maisMatemática Computacional Ficha 5 (Capítulo 5) 1. Revisão matéria/formulário
Matemática Computacional Ficha 5 (Capítulo 5) Integração numérica 1. Revisão matéria/formulário A técnica de aproximar o integral de f pelo integral do seu polinómio interpolador passando num conjunto
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisInterpolação polinomial: Diferenças divididas de Newton
Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 16 de maio de 2012 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisMatemática Computacional. Exercícios. Teoria dos erros
Matemática Computacional Exercícios 1 o Semestre 2014/15 Teoria dos erros Nos exercícios deste capítulo os números são representados em base decimal. 1. Represente x em ponto flutuante com 4 dígitos e
Leia mais6 Ajuste de mínimos quadrados
6 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }} n Tipicamente quando m < n esse polinômio
Leia maisExercícios de MATEMÁTICA COMPUTACIONAL. 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares
Exercícios de MATEMÁTICA COMPUTACIONAL Mestrado Integrado em Engenharia Biomédica 1 0 Semestre de 2009/2010 Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x) e x = 0. a) Prove que
Leia maisétodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno
étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA
Leia maisAjuste de mínimos quadrados
Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}
Leia maisInstituto Politécnico de Tomar Escola Superior de Tecnologia de Tomar Área Interdepartamental de Matemática
Instituto Politécnico de Tomar Escola Superior de Tecnologia de Tomar Área Interdepartamental de Matemática Análise Numérica Licenciaturas em Engenharia Ambiente,Civil e Química I - Equações Não Lineares.
Leia maisCapítulo 5 - Interpolação Polinomial
Capítulo 5 - Interpolação Polinomial Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos Balsa
Leia maisCálculo Diferencial e Integral I
Cálculo Diferencial e Integral I Complementos ao texto de apoio às aulas. Amélia Bastos, António Bravo Julho 24 Introdução O texto apresentado tem por objectivo ser um complemento ao texto de apoio ao
Leia maisMAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração. φ(x k ) ψ(x k ).
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração : Sejam x =, x =, x 2 = 2 e x 3 = 3. (a) Determine os polinômios de Lagrange L i (x) correspondentes a estes pontos
Leia maisInterpolação polinomial
Cálculo Numérico Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343 1970 94, 508583 1980
Leia maisModelagem Computacional. Parte 2 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 2 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 2 e 3] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 20 (09/11/15) Interpolação: Introdução Características Interpolação Linear: Introdução Características Exercícios
Leia maisA. Equações não lineares
A. Equações não lineares 1. Localização de raízes. a) Verifique se as equações seguintes têm uma e uma só solução nos intervalos dados: i) (x - 2) 2 ln(x) = 0, em [1, 2] e [e, 4]. ii) 2 x cos(x) (x 2)
Leia maisExercícios de MATEMÁTICA COMPUTACIONAL Capítulo V
Exercícios de MATEMÁTICA COMPUTACIONAL Capítulo V Integração Numérica 1. Considere o integral: 1 0 e x2 dx a) Determine o seu valor aproximado, considerando 4 subintervalos e utilizando: i. A regra dos
Leia maisExame/Teste (1) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 12 de Janeiro de 2011, 18h30-20h00 (1º Teste)
Exame/Teste () de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, de Janeiro de, 8h-h (º Teste) ) [] Seja f(x) = e x a) Determine um p n polinómio interpolador de f nos nós {, }, tal que
Leia maisExercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo II Resolução Numérica de Equações Não-Lineares 1. Considere a equação sin(x)
Leia maisCapítulo 4 - Interpolação Polinomial
Capítulo 4 - Interpolação Polinomial Carlos Balsa balsa@ipbpt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng Civil e Electrotécnica Carlos Balsa Métodos Numéricos
Leia maisDCC008 - Cálculo Numérico
DCC008 - Cálculo Numérico Polinômios de Taylor Bernardo Martins Rocha Departamento de Ciência da Computação Universidade Federal de Juiz de Fora bernardomartinsrocha@ice.ufjf.br Conteúdo Introdução Definição
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 Interpolação Parte 1 INTERPOLAÇÃO Cálculo Numérico 3/57 MOTIVAÇÃO A seguinte tabela relaciona densidade da água e temperatura:
Leia maisTestes Formativos de Computação Numérica e Simbólica
Testes Formativos de Computação Numérica e Simbólica Os testes formativos e 2 consistem em exercícios de aplicação dos vários algoritmos que compõem a matéria da disciplina. O teste formativo 3 consiste
Leia maisLicenciatura em Engenharia Electrotécnica e de Computadores. 1 a chamada Ou seja,
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 1 a chamada 00-01-08 Resolução da Parte Prática 1 (a) O valor aproximado de w é obtido a partir dos valores aproximados de x,
Leia maisLista de Exercícios de Métodos Numéricos
Lista de Exercícios de Métodos Numéricos 1 de outubro de 010 Para todos os algoritmos abaixo assumir n = 0, 1,, 3... Bisseção: Algoritmo:x n = a+b Se f(a) f(x n ) < 0 então b = x n senão a = x n Parada:
Leia maisExercícios de Matemática Computacional -Cap. 6 Interpolação e aproximação polinomial
Exercícios de Matemática Computacional -Cap. 6 Interpolação e aproximação polinomial.. Departamento de Matemática Universidade da Beira Interior Matemática Computacional - Capítulo 6 Questão 6.1 Questão
Leia maisResolução do Exame Tipo
Departamento de Matemática e Engenharias Análise e Computação Numérica Resolução do Exame Tipo 1. O computador IBM 3090 possuía um sistema de vírgula flutuante F F(16, 5, 65, 62) (em precisão simples),
Leia maisInterpolação polinomial de funções de uma variável
Capítulo 2 Interpolação polinomial de funções de uma variável 21 Introdução Seja f uma função real definida num intervalo [a,b] R e conhecida nos pontos x 0,x 1,,x n [a,b] Suponhamos ainda, sem perda de
Leia maisEXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO
Cálculo Numérico EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES o sem/08 EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO x. Considere a seguinte tabela de valores de uma função f: i 0 f(x i ).50
Leia maisResolução do exame de matemática computacional
Resolução do exame de matemática computacional 0 de Janeiro de 00 GRUPO I f x_ : x^ x 1 g1 x_ : x^ 1 x^ g x_ : x 1 g x_ x^ 1 1 1 x Plot f x, x,, - -1 1 - -4 Graphics 1 Método de Newton Quando se procura
Leia mais1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d) 0.11 (e) (f)
1 a Lista de Exercícios de Cálculo Numérico Prof a. Vanessa Rolnik 1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d).11 (e).8125 (f) 4.69375 2. Converta os seguintes
Leia maisMatemática Computacional
Matemática Computacional MEEC 1 ạ Parte/ 1 ọ Teste 019/01/ 18h30 (+1h30) Apresente todos os cálculos e justifique convenientemente as respostas. 1. Nas duas alíneas seguintes apresente os resultados num
Leia mais- Métodos numéricos. - Métodos analíticos versus métodos numéricos. - Necessidade de se usar métodos numéricos. - Métodos iterativos
Tópicos Tópicos - Métodos numéricos - Métodos analíticos versus métodos numéricos - Necessidade de se usar métodos numéricos - Métodos iterativos - Resolução de problemas - Problemas com equações não lineares
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisMarina Andretta/Franklina Toledo. 25 de outubro de 2013
Integração Numérica Marina Andretta/Franklina Toledo ICMC-USP 25 de outubro de 2013 Baseado nos livros: Análise Numérica, de R. L. Burden e J. D. Faires; e Cálculo Numérico, de Neide B. Franco. Marina
Leia maisArtur M. C. Brito da Cruz. Escola Superior de Tecnologia Instituto Politécnico de Setúbal 2015/2016 1
Equações Não Lineares Análise Numérica Artur M. C. Brito da Cruz Escola Superior de Tecnologia Instituto Politécnico de Setúbal 2015/2016 1 1 versão 20 de Setembro de 2017 Conteúdo 1 Introdução...................................
Leia maisInterpolação Polinomial. Ana Paula
Interpolação Polinomial Sumário 1 Interpolação Polinomial 2 Forma de Lagrange 3 Revisão Interpolação Polinomial Interpolação Polinomial Interpolação Polinomial Interpolação Polinomial Suponha que se tenha
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA 5 - Integração numérica (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda). Calcule as integrais a seguir pela regra
Leia maisExercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 25/26 Capítulo V Integração Numérica 1. Demonstre que na regra de integração do ponto médio
Leia maisPARTE I EQUAÇÕES DE UMA VARIÁVEL REAL
PARTE I EQUAÇÕES DE UMA VARIÁVEL REAL. Introdução Considere f uma função, não constante, de uma variável real ou complexa, a equação f(x) = 0 será denominada equação de uma incógnita. EXEMPLO e x + senx
Leia maisAviso. Este material é apenas um resumo de parte do conteúdo da disciplina.
Aviso Este material é apenas um resumo de parte do conteúdo da disciplina. O material completo a ser estudado encontra-se no Capítulo 7 - Seção 7.1 do livro texto da disciplina: Números e Funções Reais,
Leia maisINTRODUÇÃO AOS MÉTODOS NUMÉRICOS. Solução de Sistemas Lineares
INTRODUÇÃO AOS MÉTODOS NUMÉRICOS Solução de Sistemas Lineares Introdução Uma variedade de problemas de engenharia pode ser resolvido através da análise linear; entre eles podemos citar: determinação do
Leia maisLista de exercícios de MAT / II
1 Lista de exercícios de MAT 271-26 / II 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo Erros e Aproximações Numéricas Sistemas de Equações Lineares.
Leia maisIntegração Numérica. Maria Luísa Bambozzi de Oliveira. 27 de Outubro, 2010 e 8 de Novembro, SME0300 Cálculo Numérico
Integração Numérica Maria Luísa Bambozzi de Oliveira SME0300 Cálculo Numérico 27 de Outubro, 2010 e 8 de Novembro, 2010 Introdução Nas últimas aulas: MMQ: aproximar função y = f (x) por uma função F(x),
Leia maisFórmulas de Taylor - Notas Complementares ao Curso de Cálculo I
Fórmulas de Taylor - Notas Complementares ao Curso de Cálculo I Gláucio Terra Sumário 1 Introdução 1 2 Notações 1 3 Notas Preliminares sobre Funções Polinomiais R R 2 4 Definição do Polinômio de Taylor
Leia maisLista de exercícios de MAT / I
1 Lista de exercícios de MAT 271-29 / I 1. Converta os seguintes números da forma decimal para a forma binária:x 1 = 37; x 2 = 2347; x 3 =, 75; x 4 =(sua matrícula)/1; x 5 =, 1217 2. Converta os seguintes
Leia maisHomero Ghioti da Silva. 23 de Maio de 2016 FACIP/UFU. Homero Ghioti da Silva (FACIP/UFU) 23 de Maio de / 16
Homero Ghioti da Silva FACIP/UFU 23 de Maio de 2016 Homero Ghioti da Silva (FACIP/UFU) 23 de Maio de 2016 1 / 16 Interpolação Polinomial por Diferençãs Divididas Finitas (DDF) ou interpolação de Newton
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA 5 - Integração numérica (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda). Calcule as integrais a seguir pela regra
Leia maisSabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente
MÉTODOS NUMÉRICOS E COMPUTACIONAIS II EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES EXERCICIOS RESOLVIDOS - INTEGRACAO-NUMERICA - EDO. Considere a seguinte tabela de valores de uma função f x i..5.7..5 f(x
Leia maisEstudos Numéricos dos Métodos de Interpolação: Lagrange, Newton, Hermite e Spline Cúbico
201: DISSERTAÇÃO DE MESTRADO Mestrado Profissional em Matemática - PROFMAT, Universidade Federal de São João Del-Rei - UFSJ Sociedade Brasileira de Matemática - SBM Estudos Numéricos dos Métodos de Interpolação:
Leia maisModelagem Computacional. Parte 3 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 3 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 4] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisMatemática I. 1 Propriedades dos números reais
Matemática I 1 Propriedades dos números reais O conjunto R dos números reais satisfaz algumas propriedades fundamentais: dados quaisquer x, y R, estão definidos a soma x + y e produto xy e tem-se 1 x +
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 Interpolação Parte 1 INTERPOLAÇÃO Cálculo Numérico 3/57 MOTIVAÇÃO A seguinte tabela relaciona densidade da água e temperatura:
Leia maisInterpolação. Laura Goulart. 21 de Março de 2016 UESB. Laura Goulart (UESB) Interpolação 21 de Março de / 12
Interpolação Laura Goulart UESB 21 de Março de 2016 Laura Goulart (UESB) Interpolação 21 de Março de 2016 1 / 12 O que é interpolação? Para aproximar uma função por uma mais simples existem duas classes
Leia maisTeorema Do Ponto Fixo Para Contrações 1
Universidade Estadual de Maringá - Departamento de Matemática Cálculo Diferencial e Integral: um KIT de Sobrevivência 20 anos c Publicação Eletrônica do KIT http://www.dma.uem.br/kit Teorema Do Ponto Fixo
Leia maisCapı tulo 5: Integrac a o Nume rica
Capı tulo 5: Integrac a o Nume rica Capı tulo 5: Integrac a o Nume rica Sumário Quadratura de Fórmula para dois pontos Fórmula geral Mudança de intervalo Polinômios de Legendre Fórmula de Interpretação
Leia maisALGA I. Representação matricial das aplicações lineares
Módulo 6 ALGA I Representação matricial das aplicações lineares Contents 61 Matriz de uma aplicação linear 76 62 Cálculo do núcleo e imagem 77 63 Matriz da composta 78 64 GL(n Pontos de vista passivo e
Leia maisCálculo Numérico. Santos Alberto Enriquez-Remigio FAMAT-UFU 2015
Cálculo Numérico Santos Alberto Enriquez-Remigio FAMAT-UFU 2015 1 Capítulo 1 Solução numérica de equações não-lineares 1.1 Introdução Lembremos que todo problema matemático pode ser expresso na forma de
Leia maisMÉTODOS NUMÉRICOS. ENGENHARIA e GESTÃO INDUSTRIAL
UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA e GESTÃO INDUSTRIAL EXERCÍCIOS PRÁTICOS Ano lectivo de 2005/2006 Métodos Numéricos - L.E.G.I. Exercícios práticos - CONUM Solução de uma equação não linear
Leia maisFórmulas de Taylor. Notas Complementares ao Curso. MAT Cálculo para Ciências Biológicas - Farmácia Noturno - 1o. semestre de 2006.
Fórmulas de Taylor Notas Complementares ao Curso MAT0413 - Cálculo para Ciências Biológicas - Farmácia Noturno - 1o. semestre de 2006 Gláucio Terra Sumário 1 Introdução 1 2 Notações 1 3 Notas Preliminares
Leia maisCapítulo 6 - Equações Não-Lineares
Sistemas de Capítulo 6 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos Numéricos 1/
Leia maisf(h) δ h p f(x + h) f(x) (x) = lim
Capítulo 6 Derivação numérica Nesta seção vamos desenvolver métodos para estimar a derivada de uma função f calculada em um ponto x, f (x, a partir de valores conecidos de f em pontos próximos ao ponto
Leia maisInterpolação de Newton
Interpolação de Newton Laura Goulart UESB 21 de Março de 2019 Laura Goulart (UESB) Interpolação de Newton 21 de Março de 2019 1 / 16 Introdução As diferenças divididas são razões incrementais e constituem
Leia maisMétodos Numéricos C. A. Ismael F. Vaz 1. Escola de Engenharia Universidade do Minho Ano lectivo 2007/2008
Métodos Numéricos C A. Ismael F. Vaz 1 1 Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN C 2007/2008
Leia maisMÉTODOS NUMÉRICOS. ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES
UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES EXERCÍCIOS PRÁTICOS- 1 a parte Ano lectivo de 2004/2005 Exercícios práticos - CONUM Solução de uma equação não
Leia maisCap. 4- Interpolação Numérica Definições. Censos de BH. Qual o número de habitantes na cidade de Belo Horizonte em 1975?
Cap. 4- Interpolação Numérica 4.1. Definições Censos de BH População em BH (Habitantes,5,,, 1,5, 1,, 5, 194 196 198 Ano Ano 195 196 197 198 1991 1996 1 No. habitantes 5.74 68.98 1.5. 1.78.855..161.91.71.8.56.75.444
Leia maisLista 1 - Cálculo Numérico - Zeros de funções
Lista 1 - Cálculo Numérico - Zeros de funções 1.) De acordo com o teorema de Bolzano, se uma função contínua f(x) assume valores de sinais opostos nos pontos extremos do intervalo [a, b], isto é se f(a)
Leia maisAula 19 06/2014. Integração Numérica
CÁLCULO NUMÉRICO Aula 19 06/2014 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/41 Integração Numérica Cálculo Numérico 4/41 Integração Numérica Em determinadas
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Interpolação Conteúdo específico Fórmula de Lagrange
Leia maisMétodos Numéricos. Miguel Moreira DMAT. (Aproximação de dados experimentais. Método dos Mínimos Quadrados)
Métodos Numéricos (Aproximação de dados experimentais Método dos Mínimos Quadrados) Miguel Moreira DMAT 1 Introdução A determinação de funções que aproximem dados experimentais é muitas vezes necessário.
Leia maisf(x) = 1 + 2x + 3x 2.
Interpolação e ajuste não-segmentados 1 Introdução O problema geral da interpolação pode ser denido da seguinte forma: Seja F uma família de funções f : D E e {(x i, y i )} N i1 um conjunto de pares ordenados
Leia maisAula 3 11/12/2013. Integração Numérica
CÁLCULO NUMÉRICO Aula 3 11/12/2013 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/64 Integração Numérica Cálculo Numérico 4/64 Integração Numérica Em determinadas
Leia maisFundamentos. Capítulo 1
Capítulo 1 Fundamentos 1.1 Introdução Sempre que se pretende tratar algum problema cuja solução toma a forma do cálculo de um valor numérico é habitual ter de considerar não só conceitos de carácter mais
Leia maisInterpolação polinomial: Diferenças divididas de Newton
Interpolação polinomial: Diferenças divididas de Newton Marina Andretta ICMC-USP 9 de maio de 2013 Baseado no livro Análise Numérica, de R. L. Burden e J. D. Faires. Marina Andretta (ICMC-USP) sme0500
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisIntegrais. ( e 12/ )
Integrais (21-04-2009 e 12/19-05-2009) Já estudámos a determinação da derivada de uma função. Revertamos agora o processo de derivação, isto é, suponhamos que nos é dada uma função F e que pretendemos
Leia maisSME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé. (α 1)z + 88 ]
SME306 - Métodos Numéricos e Computacionais II Prof. Murilo F. Tomé 1 o sem/2016 Nome: 1 a Prova - 07/10/2016 Apresentar todos os cálculos - casas decimais 1. Considere a família de funções da forma onde
Leia maisDiogo Pinheiro Fernandes Pedrosa. Universidade Federal do Rio Grande do Norte Centro de Tecnologia. diogo
Interpolação Diogo Pinheiro Fernandes Pedrosa Universidade Federal do Rio Grande do Norte Centro de Tecnologia Departamento de Engenharia de Computação e Automação http://wwwdcaufrnbr/ diogo 1 Introdução
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,
Leia maisPolinómios Simétricos e Polinómios W-harmónicos
Sob orientação do Prof. Samuel Lopes Faculdade de Ciências da Universidade do Porto 28 de Maio de 2014 Terminologia Consideramos polinómios sobre C em n variáveis: c(j1,...,j n)x j 1 1 x n jn c (j) C O
Leia maisMétodos Numéricos I. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho
Métodos Numéricos I A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Engenharia Mecânica Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho)
Leia maisCapítulo 4 - Equações Não-Lineares
Capítulo 4 - Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos Balsa Métodos Numéricos 1/
Leia mais