Exemplo 7.1 A seguinte tabela relaciona o calor específico (c) daágua e a temperatura (T )em
|
|
- Raphael Bergmann Caminha
- 7 Há anos
- Visualizações:
Transcrição
1 Capítulo 7 71 Introdução Freqüentemente, deparamo-nos com um conjunto discreto de valores de uma função que podem ser dados na forma de tabela ou de um conjunto de medidas Estes valores, na verdade, representam um conjunto de pontos pertencentes a uma função contínua Exemplo 71 A seguinte tabela relaciona o calor específico (c) daágua e a temperatura (T )em 0 C: T c 0, , , , , , ,99878 Suponha que se queira calcular o calor específico da água a 32 0 C ou a temperatura para a qual o calor específico é 0, A interpolação ajuda a resolver este tipo de problema, já quea informação desejada não se encontra disponível na tabela Seja, então, uma tabela da forma correspondente aos valores de uma função f em n +1 pontos x x 0 x 1 x 2 x n f(x) f(x 0 ) f(x 1 ) f(x 2 ) f(x n ) Tabela 71: Valores de f em pontos distintos reais distintos x 0,x 1,,x n Seja x um ponto distinto dos pontos x i da tabela, pertencente ao intervalo que contém os pontos x i,istoé, x x i,parai =0, 1,,n; considera ainda que existem k e j, 0 k j n tais que x k <x <x j Então, podemos dizer que interpolar opontox à tabela 71 significa calcular o valor de f(x ), ou seja, incluir o ponto (x,f(x )) àtabela71 A necessidade de se efetuar esta substituição surge em várias situações, como por exemplo: quando são conhecidos os valores numéricos da função para um conjunto de pontos e é necessário calcular o valor da função em um ponto não tabelado (como no exemplo 71); quando a função em estudo tem uma expressão tal que operações como diferenciação e integração são difíceis de serem realizadas Exemplo 72 Considere o problema de determinar o seno de 6, 5 graus Assuma a disponibilidade de uma tabela de senos na qual os valores são dados em intervalos de 1 grau Para determinar o valor desejado, tem-se três escolhas: 128
2 1 Usar série de Taylor para calcular o seno com uma certa exatidão pré-definida; 2 Tentar encontrar uma tabela que liste o valor do seno em intervalos menores e procurar o valor exato; 3 Usar os senos de 6 e 7 dados na tabela disponível para tentar determinar o seno de 6, 5, ou seja, realizar uma interpolação A função interpoladora pode ser de diversos tipos: polinomial, exponencial, entre outras Veremos, a seguir, como estabelecer o polinômio interpolador de um conjunto de pontos 72 polinomial Dadosospontos(x 0,f(x 0 )), (x 1,f(x 1 )),,(x n,f(x n )), portanto n+1 pontos, deseja-se interpolar f(x) por um polinômio p n (x), de grau menor ou igual a n, talque f(x k )=p n (x k ) para k =0, 1,,n Representa-se p n (x) porp n (x) =a 0 + a 1 x++ a n x n Portanto, obter p n (x) significa obter os coeficientes a 0,a 1,,a n Da condição f(x k )=p n (x k )parak =0, 1,,n, monta-se o seguinte sistema linear: a 0 + a 1 x 0 + a 2 x a nx n 0 = f(x 0 ) a 0 + a 1 x 1 + a 2 x a nx n 1 = f(x 1 ) (71) a 0 + a 1 x n + a 2 x 2 n + + a n x n n = f(x n ) com n +1equações e n +1variáveis: a 0,a 1,,a n A matriz dos coeficientes éumamatriz de Vandermonde, 1 x 0 x 2 0 x n 0 1 x 1 x 2 1 x n 1 1 x n x 2 n x n n a qual admite inversa desde que os pontos x 0,x 1,,x n sejam distintos Exemplo 73 Encontre o polinômio de grau menor ou igual a 2 que interpola os pontos da tabela: (72) x f(x) Solução: Tem-se que p 2 (x) =a 0 + a 1 x + a 2 x 2 e portanto, p 2 (x 0 )=f(x 0 ) a 0 a 1 + a 2 =4 p 2 (x 1 )=f(x 1 ) a 0 =1 p 2 (x 2 )=f(x 2 ) a 0 +2a 1 +4a 2 = 1 Resolvendo o sistema linear, obtém-se a 0 =1, a 1 = 7 3, a 2 = 2 3 Assim, p 2 (x) =1 7 3 x x2 éopolinômio que interpola f(x) em x 0 = 1, x 1 =0e x 2 =2 AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 129
3 Uma característica importante da interpolação polinomial é que o polinômio interpolador é único: Teorema 721 Unicidade do polinômio interpolador: Se x 0,x 1,,x n são números reais, distintos, então para números arbitrários y 0,y 1,,y n,existeumpolinômio único p n,degrau máximo n, talquep n (x i )=y i, 0 i n Prova: Unicidade: suponha dois polinômios p n e q n ; então o polinômio p n q n tem a propriedade (p n q n )(x i )=0para 0 i n Como o grau de p n q n énomáximo n, essepolinômio pode ter no máximo n raízes se ele não éopolinômio nulo Como, por hipótese, os x i são distintos, p n q n tem n +1 zeros logo ele deve ser nulo, de onde p n q n Existência: (por indução) Para n =0, obviamente existe uma função constante p 0 (de grau 0) que pode ser escolhida tal que p 0 (x 0 )=y 0 Suponha, agora, que tenhamos obtido um polinômio p k 1 de grau menor ou igual a k 1, tal que p k 1 (x i )=y i, 0 i k 1 A partir desse, queremos construir um p k na forma p k (x) =p k 1 (x)+c(x x 0 )(x x 1 ) (x x k 1 ) oqualéumpolinômio de grau k Além disso, p k interpola os pontos que p k 1 interpola, pois p k (x i )=p k 1 (x i )=y i,para0 i k 1 Para determinarmos o coeficiente c, fazemos p k (x k )=y k,deonde y k = p k 1 (x)+c(x x 0 )(x x 1 ) (x x k 1 ) a qual apresenta solução única pois os termos multiplicadores de c não são nulos Cabe salientar que, por questões de estabilidade numérica, não é adequado resolver-se o sistema (71), uma vez que a inversa da matriz de Vandermonde poderá ser altamente mal-condicionada, dependendo dos valores de x i e f(x i ) O exemplo a seguir mostra alguns dos problemas envolvidos na determinação do polinômio interpolador utilizando o sistema (71) Exemplo 74 Obtenha p 3 (x) que interpola f(x) nos pontos x 0, x 1, x 2 e x 3 de acordo com a tabela abaixo: x 0, 1 0, 2 0, 3 0, 4 f(x) O sistema linear resultante para esta tabela é a 0 +0, 1 a 1 +0, 01 a 2 +0, 001 a 3 = 5 a 0 +0, 2 a 1 +0, 04 a 2 +0, 008 a 3 = 13 a 0 +0, 3 a 1 +0, 09 a 2 +0, 027 a 3 = 4 a 0 +0, 4 a 1 +0, 16 a 2 +0, 064 a 3 = 8 Usando aritmética de ponto flutuante com três dígitos e o método de eliminação de Gauss, o resultado é p 3 (x) = 0, (0, ) x (0, ) x 2 +(0, ) x 3 e, para x =0, 4, obtém-se p 3 (x) = 9 8 =f(0, 4) oqueobviamenteestá errado Esse exemplo mostra que nem sempre se pode utilizar o sistema (71) para determinar o polinômio interpolador e, usualmente, utilizam-se outras técnicas, como as formas de Newton ede Lagrange, dentreoutras AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 130
4 73 Forma de Newton Note que o processo de determinação de p k,naprovadoteorema721,é recursivo Além disso, p k é obtido a partir de p k 1 pela adição de um único termo; logo, ao fim do processo, p k será uma soma de termos, de tal forma que cada p 0,p 1,,p k 1 será identificável em p k O polinômio p k tem a forma p k (x) = c 0 + c 1(x x 0)+c 2(x x 0)(x x 1)++ c k (x x 0) (x x k 1 )= i 1 k = (x x j) (73) c i i=0 j=0 ( m ) onde j=0 (x x j) = 1 quando m<0 Procedendo ao uso da fórmula (73), os primeiros polinômios interpoladores na forma de Newton são os seguintes: p 0 (x) = c 0 p 1 (x) = c 0 + c 1 (x x 0 ) p 2 (x) = c 0 + c 1 (x x 0 )+c 2 (x x 0 )(x x 1 ) Por questões de eficiência e de estabilidade numérica, os polinômios acima são avaliados utilizando multiplicação aninhada, também conhecida como fórmula de Horner Suponha o polinômio interpolador na forma de Newton escrito como u = k i=0 d j = c 0 + c 1 d 0 + c 2 d 0 d c k d 0 d 1 d k 1 ; c i i 1 j=0 podemos, então, reescrevê-lo na forma aninhada u =((((c k )d k 1 + c k 1 ) d k 2 + c k 2 ) d k c 1 ) d 0 + c 0 a qual pode ser calculada partindo do parênteses mais interno: u k c k u k 1 u k d k 1 + c k 1 u k 2 u k 1 d k 2 + c k 2 u 0 u 1 d 0 + c 0 e, como u 0 contém o valor de u, basta usar o seguinte algoritmo, já substituindo d k por (x x k ), conforme aparece na Equação (73): u c k for i = k 1,k 2,,0do u (x x i )u + c i endfor de forma a se calcular u p k (x) Resta-nos, agora, calcular os coeficientes c k do polinômio p n ; c k é dado por c k = y k p k 1 (x k ) (x k x 0 )(x k x 1 ) (x k x k 1 ) (74) com a qual podemos escrever o algoritmo 731: AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 131
5 Algoritmo 731 Polinômio interpolador de Newton proc polinômio interpolador de Newton(input: n, [x 0,x 1,,x n 1 ], [y 0,y 1,,y n 1 ]; output: [c 0,c 1,,c n ]) c 0 y 0 for k =1, 2,,n do d x k x k 1 u c k 1 for i = k 2,k 3,,0 do u (x k x i )u + c i d d(x k x i ) endfor c k y k u d endfor endproc Vejamos como utilizar as equações e algoritmos visto nessa seção: Exemplo 75 Dados os pontos tabulados abaixo, obtenha o polinômio interpolador na forma de Newton: i x y Solução: c 0 y 0 =1 c 1 y 1 u = 23 1 =2 d 12 c 2 y 2 u = =3 d 11 c 3 y 3 u = =4 d 210 de onde o polinômio interpolador pode ser escrito como p 3 (x) =1+2(x 5) + 3(x 5)(x +7)+4(x 5)(x +7)(x +6) Éfácil verificar, por inspeção, que o polinômio p 3 (x) satisfaz p 3 (5) = 1; para os demais pontos tabulados, basta avaliar p 3 (x) em cada um deles O polinômio interpolador, bem como os pontos interpolados, é mostrado na figura Forma de Lagrange Podemos obter o polinômio único que interpola um dado conjunto de pontos utilizando a forma de Lagrange, a qual expressa p(x) como p(x) =y 0 l 0 (x)+y 1 l 1 (x)++ y n l n (x) = onde l i (x) são polinômios dependentes apenas de x 0,x 1,,x n (e não de y i ) O polinômio l 0 édaforma l 0 (x) =c(x x 1 )(x x 2 ) (x x n )=c n y k l k (x) (75) k=0 n (x x j ) j=1 AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 132
6 Figura 71: A curva do polinômio interpolador de Newton, p 3 (x) =1+2(x 5) + 3(x 5)(x + 7) + 4(x 5)(x +7)(x + 6), e os pontos interpolados onde o coeficiente c é obtido substituindo x por x 0 na equação acima, de onde, assumindo que y 0 =1, n n 1=c (x 0 x j ) c = (x 0 x j ) 1 logo, j=1 l 0 (x) = n j=1 j=1 j=1 ( ) (x xj ) ; (x 0 x j ) os demais l i (x) são obtidos de forma similar, podendo ser expressos por n ( ) (x xj ) l i (x) = (76) (x i x j ) Os polinômios l i (x) são também conhecidos como funções cardinais O exemplo que segue mostra como obter o polinômio interpolador na forma de Lagrange Exemplo 76 Afórmula de Lagrange para a interpolação de dois pontos distintos (x 0,f(x 0 )) e (x 1,f(x 1 )) é: p 1 (x) =y 0 l 0 (x)+y 1 l 1 (x) onde l 0 (x) = (x x 1) (x 0 x 1 ), l 1(x) = (x x 0) (x 1 x 0 ) Assim, (x x 1 ) p 1 (x) =y 0 (x 0 x 1 ) + y (x x 0 ) 1 (x 1 x 0 ) ou seja, p 1 (x) = (x 1 x)y 0 +(x x 0 )y 1 x 1 x 0 que é exatamente a equação da reta que passa por (x 0,f(x 0 )) e (x 1,f(x 1 )) AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 133
7 Exemplo 77 Dados os pontos tabulados, obtenha o polinômio interpolador na forma de Lagrange: i x y Solução: l 0 (x) = l 1 (x) = l 2 (x) = l 3 (x) = (x +7)(x +6)(x) (5 + 7)(5 + 6)(5) (x 5)(x +6)(x) ( 7 5)( 7+6)( 7) (x 5)(x +7)(x) ( 6 5)( 6+7)( 6) (x 5)(x +7)(x +6) (0 5)(0+ 7)(0+ 6) de onde o polinômio interpolador pode ser escrito como ( ) p 3 (x) = 1 (x+7)(x+6)(x) ( ) 54 (x 5)(x+7)(x) ( ) (x 5)(x+6)(x) ( 84 (x 5)(x+7)(x+6) 210 Note como esse polinômio tem uma forma bastante diferente da do polinômio interpolador de Newton; no entanto, ele igualmente satisfaz à condição de interpolação, o que pode ser verificado avaliando-se p 3 (x) em cada ponto Particularmente, p 3 (5) = =1 75 Forma de Newton com diferenças divididas Seja f uma função calculável em pontos (ou nós) x 0,x 1,,x n,distintosmasnão necessariamente ordenados Como sabemos, existe um único polinômio p, degraun no máximo, que interpola f nos n +1nós: p(x i )=f(x i ), 0 i n Evidentemente, p pode ser construído a partir das bases 1, x, x 2,, x n,masissonão é recomendado devido a problemas de instabilidade numérica Portanto, utilizam-se bases mais amenas, como aquelas do polinômio interpolador na forma de Newton: q 0 (x) = q 1 (x) = (x x 0 ) q 2 (x) = (x x 0 )(x x 1 ) q n (x) = (x x 0 )(x x 1 ) (x x n 1 ) ) o que leva à já conhecida forma de Newton, p(x) = n c j q j (x) j=0 Utilizando a condição de interpolação (p(x i )=f(x i )), obtemos um sistema de equações para a determinação dos coeficientes c j : n c j q j (x i )=f(x i ), j=0 0 i n AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 134
8 Note que, se escrevermos o sistema acima na forma Ax = b, amatriza, deordemn+1, tem como elementos a ij = q j (x i ), 0 i n, 0 j n No entanto, como j 1 q j (x i )= (x i x k )=0, se i j 1 k=0 então A é uma matriz triangular inferior Por exemplo, com três nós x 0,x 1,x 2,temos p 2 (x) = c 0 q 0 + c 1 q 1 + c 2 q 2 = c 0 + c 1 (x x 0 )+c 2 (x x 0 )(x x 1 ) e, para determinarmos os c i, fazemos p 2 (x 0 )=f(x 0 ), p 2 (x 1 )=f(x 1 )ep 2 (x 2 )=f(x 2 ), de onde obtemos o sistema (x 1 x 0 ) 0 c 0 c 1 = f(x 0) f(x 1 ) (77) 1 (x 2 x 0 ) (x 2 x 0 )(x 2 x 1 ) c 2 f(x 2 ) Analisando a estrutura do sistema (77), vemos que épossível obter os coeficientes c i em ordem crescente, ie c 0, c 1, ;além disso, o coeficiente c i depende apenas dos valores de f(x 0 ), f(x i ),, f(x i ), e essa dependência é denotada por c n = f[x 0,x 1,,x n ] (78) onde c n é o coeficiente de q n quando n k=0 c kq k interpola f em x 0,x 1,,x n Como q n =(x x 0 )(x x 1 ) (x x n 1 )=x n + O(n 1) podemos igualmente dizer que f[x 0,x 1,,x n ]é o coeficiente de x n À expressão f[x 0,x 1,,x n ] chamamos de diferenças divididas, pois ela tem a forma de uma divisão de duas subtrações, conforme veremos a seguir Algumas das fórmulas de diferenças divididas são as seguintes: 1 f[x 0 ]é o coeficiente de x 0 no polinômio de grau 0que interpola f em x 0 ; logo, f[x 0 ]=f(x 0 ) 2 f[x 0,x 1 ]é o coeficiente de x 1 no polinômio de grau 1, no máximo, interpolando f em x 0 e x 1 Como esse polinômio é p x = f(x 0 )+ f(x 1) f(x 0 ) (x x 0 ) x 1 x 0 vemos que f[x 0,x 1 ]= f(x 1) f(x 0 ) x 1 x 0 3 Para diferenças divididas de maior ordem, podemos nos valer de um teorema que nos diz que elas satisfazem a relação f[x 0,x 1,,x n ]= f[x 1,x 2,,x n ] f[x 0,x 1,,x n 1 ] (79) x n x 0 de onde podemos obter, por exemplo: f[x 0,x 1 ] = f[x 1] f[x 0 ] x 1 x 0 f[x 0,x 1,x 2 ] = f[x 1,x 2 ] f[x 0,x 1 ] x 2 x 0 f[x 0,x 1,x 2,x 3 ] = f[x 1,x 2,x 3 ] f[x 0,x 1,x 2 ] x 3 x 0 AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 135
9 O polinômio interpolador na forma de Newton pode, agora, ser escrito como p(x) = n c k q k (x) = k=0 n k=0 k 1 f[x 0,x 1,,x k ] (x x j ) (710) oqualéequivalenteàequação (73), mas os coeficientes c k são mais facilmente obtidos em termos de diferenças divididas, usando o esquema mostrado na Tabela 72 Note que os coeficientes do polinômio, conforme a Equação (710), aparecem na primeira linha da tabela x y Coeficientes x 0 f[x 0 ] f[x 0,x 1 ] f[x 0,x 1,x 2 ] f[x 0,x 1,x 2,x 3 ] x 1 f[x 1 ] f[x 1,x 2 ] f[x 1,x 2,x 3 ] x 2 f[x 2 ] f[x 2,x 3 ] x 3 f[x 3 ] Tabela 72: Esquema de construção dos coeficientes do polinômio interpolador por diferenças divididas: as flechas indicam as dependências O exemplo que segue ilustra a construção do polinômio interpoladorusando diferenças divididas Exemplo 78 Dados os pontos tabulados abaixo, obtenha o polinômio interpolador na forma de Newton: i x y Solução: x y Coeficientes 5 1 f[x 0,x 1 ]=2 f[x 0,x 1,x 2 ]=3 f[x 0,x 1,x 2,x 3 ]= f[x 1,x 2 ]= 31 f[x 1,x 2,x 3 ]= f[x 2,x 3 ]= onde os coeficientes foram obtidos como segue: j=0 f[x 0,x 1 ] = f[x 1] f[x 0 ] = 23 1 x 1 x =2 f[x 1,x 2 ] = f[x 2] f[x 1 ] 54 ( 23) = x 2 x 1 6 ( 7) f[x 2,x 3 ] = f[x 3] f[x 2 ] x 3 x 2 = 954 ( 54) 0 ( 6) = 31 = 150 f[x 0,x 1,x 2 ] = f[x 1,x 2 ] f[x 0,x 1 ] x 2 x 0 = =3 f[x 1,x 2,x 3 ] = f[x 2,x 3 ] f[x 1,x 2 ] x 3 x 1 = 150 ( 31) 0 ( 7) = 17 f[x 0,x 1,x 2,x 3 ] = f[x 1,x 2,x 3 ] f[x 0,x 1,x 2 ] = 17 3 =4 x 3 x Opolinômio interpolador pode ser escrito, então, como p 3 (x) = f[x 0 ]+f[x 0,x 1 ](x x 0 )+ f[x 0,x 1,x 2 ](x x 0 )(x x 1 )+ f[x 0,x 1,x 2,x 3 ](x x 0 )(x x 1 )(x x 2 )= = 1+2(x 5) + 3(x 5)(x +7)+4(x 5)(x +7)(x +6) AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 136
10 o qual é idêntico ao polinômio interpolador de Newton mostrado no exemplo na seção 73; porém, com o esquema de diferenças divididas, ele é facilmente obtido Os coeficientes do polinômio interpolador, calculados por diferenças divididas, podem ser obtidos, também, através do seguinte algoritmo: Algoritmo 751 Diferenças-divididas proc diferenças divididas(input: n, [x 0,x 1,,x n 1 ], [y 0,y 1,,y n 1 ]; output: [c 0,c 1,,c n ]) for j =0, 1,,n do c j,0 = y j endfor for j =1, 2,,n do for i =0, 1,,j 1 do c i,j ci+1,j 1 ci,j 1 x i+j x i endfor endfor endproc onde os c i,j são os coeficientes desejados; particularmente, c 0,0 = f[x 0 ], c 0,1 = f[x 0,x 1 ], c 1,1 = f[x 1,x 2 ], e assim por diante 76 Forma de Newton com diferenças simples Sejam os valores y = f(x) dados através da tabela (x i,y i ), para i =0, 1,,n, onde os valores de x são eqüidistantes, isto é, x i+1 x i = h Assim define-se o polinômio p n (x) = y 0 + x x 0 h y 0 + (x x 0)(x x 1 ) 2! h 2 2 y (x x 0)(x x 1 ) (x x n 1 ) n! h n n y 0 (711) onde k y i éumadiferença simples de ordem k, calculada conforme y i = y i+1 y i Ordem 1 2 y i = y i+1 y i = y i+2 2 y i+1 + y i Ordem 2 k y i = k 1 y i+1 k 1 y i Ordem k e, a fim de facilitar a determinação dos valores k y i, pode-se construir uma tabela como a que segue: i x i y i y i 2 y i 3 y i 4 y i 0 x 0 y 0 y 0 2 y 0 3 y 0 4 y 0 1 x 1 y 1 y 1 2 y 1 3 y 1 2 x 2 y 2 y 2 2 y 2 3 x 3 y 3 y 3 4 x 4 y 4 AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 137
11 aqualébastante similar àquela utilizada para a determinação do polinômio interpolador de Newton através de diferença-divididas Épossível estabelecer-se a seguinte relação entre diferenças divididas e simples: f[x i+k,,x i ]= k y i k! h k (712) para h constante Efetuando-se a mudança de variável z = x x 0, (713) h o polinômio interpolador de Newton com diferenças simples (711) pode ser escrito como z (z 1) p n (z) = y 0 + z y 0 + 2! h 2 2 y 0 + z (z 1) (z n +1) + n! h n n y 0 (714) Exemplo 79 Dada a tabela x i y i correspondente aos valores de uma função f, interpoleopontox =2, 5 Solução: Como os pontos são eqüidistantes, pode-se construir a tabela i x i y i y i 2 y i 3 y i Com isto, a fórmula para o polinômio interpolador de Newton com diferenças simples (711) é ou, p 3 (x) = y 0 + x x 0 h y 0 + (x x 0)(x x 1 ) 2! h 2 2 y 0 + (x x 0)(x x 1 )(x x 2 ) 3! h 3 3 y 0 p 3 (x) = 1+ x 1 1 de onde p 3 (2, 5) = 15, inversa (x 1)(x 2) 2! 1 8+ (x 1)(x 2)(x 3) 3! 1 O problema da interpolação inversa consiste em, dado ȳ (f(x 0 ),f(x n )), obter x tal que f( x) =ȳ Este problema pode ser resolvido de duas formas: 1 Obter p n (x) queinterpolaf(x) emx 0,x 1,,x n e em seguida encontrar x tal que p n ( x) =ȳ; 2 Se f(x) forinversível num intervalo contendo ȳ, fazer a interpolação de x = f 1 (ȳ) =g(ȳ) Uma condição para que uma função contínua num intervalo [a, b] seja inversível é que ela seja monótona crescente ou decrescente neste intervalo Basta então considerar x como função de y e aplicar um método de interpolação conhecido: x = f 1 (y) =g(y) p n (y) Exemplo 710 Dada a tabela 6 AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 138
12 x 0, 2 0, 3 0, 4 y = e x 1, , , 4918 obter x tal que e x =1, 3165 usando um processo de interpolação quadrática Solução:Pode-se usar a fórmula de Newton para obter p 2 (y) que interpola g(y) =f 1 (y) Para isto, constrói-se a tabela de diferenças divididas: Opolinômio p 2 (y) é determinado por i y i g[y i ] g[y i+1,y i ] g[y i+2,y i+1,y i ] 0 1, , 2 0, , , , 3 0, , , 4 p 2 (y) = g[y 0 ]+(y y 0 ) g[y 1,y 0 ]+(y y 0 )(y y 1 ) g[y 2,y 1,y 0 ] = 0, 2+(y 1, 2214) 0, (y 1, 2214)(y 1, 3499) ( 0, 2718) de forma que p 2 (1, 3165) = 0, Assim, e 0,27487 =1, por splines Suponha que se deseja interpolar um conjunto de pontos por uma função polinomial; então, uma função spline consiste de um conjunto de polinômios de grau pequeno que atuam sobre alguns dos pontos daquele conjunto Formalmente, suponha que n+1 pontos t 0,t 1,,t n, chamados de nós, tenham sido especificados, satisfazendo t 0 <t 1 < < t n,além de um número inteiro k 0Umafunção spline de grau k, comnós t 0,t 1,,t n,é uma função S tal que 1 Em cada subintervalo [t i 1,t i ), S é um polinômio de grau menor ou igual a k; 2 S temassuasprimeirask 1 derivadas contínuas em [t 0,t n ] Diz-se, portanto, que S é um polinômio contínuo de grau k, por partes, apresentando derivadas de ordem igual ou inferior a k 1 contínuas Vejamos alguns exemplos: Spline de grau 0: são polinômios constantes, os quais podem ser dados por S 0 (x) =c 0 t 0 x<t 1 S 1 (x) =c 1 t 1 x<t 2 S(x) = S n 1 (x) =c n 1 t n 1 x<t n Spline de grau 1: são retas que unem os nós, as quais podem ser dadas por S 0 (x) =a 0 x + b 0 t 0 x<t 1 S 1 (x) =a 1 x + b 1 t 1 x<t 2 S(x) = S n 1 (x) =a n 1 x + b n 1 t n 1 x<t n As splines são normalmente usadas na forma cúbica Assuma que uma tabela de dados seja dada, ie, x t 0 t 1 t n 1 t n y y 0 y 1 y n 1 y n AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 139
13 Em cada intervalo [t i,t i+1 ], S é dada por um polinômio cúbico diferente Seja S i o polinômio cúbico que representa S no intervalo [t i,t i+1 ]; então, como S = S 0 (x) t 0 x t 1 e S = S 1 (x) t 1 x t 2, temos necessariamente, em x = t 1,queS 0 (t 1 )=y 1 = S 1 (t 1 ) Generalizando, exigimos que S i 1 (t i )=y i = S i (t i ), 1 i n 1 Além disso, exigimos que S e S sejam contínuas, a fim de podermos impor as condições necessárias para que S seja contínua ao longo do intervalo [t 0,t n ] Vejamos se a continuidade de S, S e S é suficiente para se definir a spline cúbica Um polinômio cúbico tem a forma a 0 + a 1 x + a 2 x 2 + a 3 x 3 e, como desejamos obter um polinômio cúbico em cada um dos n intervalos, vemos que será necessário determinar 4n coeficientes Em cada intervalo [t i,t i+1 ], temos duas condições de interpolação S(t i ) = y i (715) S(t i+1 ) = y i+1 (716) ou seja, poderemos determinar 2n coeficientes A continuidade de S apenas nos dá a condição S i 1 (t i )=S i (t i ), equivalente às duas condições de interpolação em cada intervalo Impondo continuidade de S edes, podemos escrever S i 1 (t i) = S i (t i) (717) S i 1(t i ) = S i (t i ) (718) obtendo 2(n 1) outras condições Ao todo, temos, portanto, 4n 2 condições; as duas que faltam podem ser obtidas de várias formas mas, usualmente, escreve-se S 0 (t 0) = 0(719) S n 1(t n ) = 0 (720) e, com isso, temos todas as 4n condições necessárias para se determinar os coeficientes da spline cúbica Vejamos como definir S i em [t i,t i+1 ] Escrevendo z i = S i (t i), temos que, por definição, z i existe para 0 i n 1 e satisfaz lim x t i S i (x) =z i = lim x t + i S i (x), 1 i n 1 pois S écontínua em cada nó interno (diferentes de t 0 e t n ) Como S i é um polinômio cúbico em [t i,t i+1 ], S i é uma função linear satisfazendo S i (t i)=z i e S i (t i+1) =z i+1 e, portanto, éuma reta que passa por z i e z i+1 : S i (x) = z i (t i+1 x)+ z i+1 (x t i ) (721) h i h i onde h i = t i+1 t i Integrando a equação acima duas vezes, obtemos S i (x) = z i (t i+1 x) 3 + z i+1 (x t i ) 3 + C(x t i )+D(t i+1 x) (722) 6h i 6h i onde C e D são constantes de integração Agora, usando S i (t i )=y i e S i (t i+1 )=y i+1,podemos determinar C e D: S i (t i ) = y i z i (t i+1 t i ) 3 + z i+1 (t i t i ) 3 + C(t i t i )+D(t i+1 t i ) 6h i 6h i = y i z i 6 (t i+1 t i ) 2 + Dh i = y i AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 140
14 com h i = t i+1 t i, de onde Para determinar C, escrevemos D = y i z ih i h i 6 (723) de onde S i (t i+1 ) = y i+1 z i (t i+1 t i+1 ) 3 + z i+1 (t i+1 t i ) 3 + C(t i+1 t i )+D(t i+1 t i+1 ) 6h i 6h i = y i+1 z i+1 6 h2 i + Ch i = y i+1 C = y i+1 h i z i+1h i 6 Logo, podemos escrever S i opolinômio cúbico em cada intervalo [t i,t i+1 ] como ( ) yi+1 (x t i )+ S i (x) = z i (t i+1 x) 3 + z i+1 (x t i ) 3 + 6h i 6h i ( yi z ) ih i (t i+1 x) h i 6 h i z i+1h i 6 (724) Agora, resta determinar os z i,1 i n 1, usando a continuidade em S Para tanto, temos S i 1 (t i)=s i (t i), nos nós interiores Diferenciando a expressão (725) e substituindo x = t i,temos e S i 1(t i )= z ih i z i 1h i 1 6 y i 1 h i 1 + y i h i S i (t i)= z ih i 3 z i+1h i y i + y i+1 6 h i h i de onde, igualando ambas as expressões acima, vem h i 1 z i 1 +2(h i + h i 1 )z i + h i z i+1 = 6 h i (y i+1 y i ) 6 h i 1 (y i y i 1 ) aqual,comz 0 = z n =0,para1 i n 1, nos leva a um sistema de equações de n 1equações a n 1variáveis, u 1 h 1 h 1 u 2 h 2 z = v (725) h n 3 u n 2 h n 2 h n 2 u n 1 onde: h i = t i+1 t i u i = 2(h i + h i 1 ) b i = 6 h i (y i+1 y i ) v i = b i b i 1 O sistema (725) pode ser resolvido por eliminação de Gauss, sem pivotamento, já que ele é diagonal dominante Um algoritmo para resolver o referido sistema pode ser escrito como AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 141
15 Algoritmo 781 Coeficientes da spline proc coeficientes spline(input: n, [t 0,t 1,,t n ], [y 0,y 1,,y n ]; output: [z 0,z 1,,z n ]) for i =0, 1,,n 1 do h i = t i+1 t i b i = 6 h i (y i+1 y i ) endfor u 1 =2(h 0 + h 1 ) v 1 = b 1 b 0 for i =2, 3,,n 1 do u i = 2(hi+hi 1) h2 i 1 u i 1 v i = bi bi 1 hi 1vi 1 u i 1 endfor z n =0 for i = n 1,n 2,,1 do z i = vi hizi+1 u i endfor z 0 =0 endproc Uma vez obtidos os z i, pode-se avaliar S i (x) usando a expressão abaixo, na forma aninhada: S i (x) =y i +(x t i )(C i +(x t i )(B i (x t i )A i )) (726) onde 1 A i = (z i+1 z i ) 6h i B i = z i 2 C i = h i 6 z i+1 h i 3 z i + y i+1 y i h i Cabe relembrar que, para cada intervalo [t i,t i+1 ], deve ser utilizada a Equação (726) com os valores adequados: z i e z i+1 ; y i e y i+1 ;eh i = t i+1 t i 79 Estudo do erro na interpolação Seja f uma função contínua com (n + 1) derivadas contínuasemumintervaloi, x 0 <x 1 << x n,(n + 1) pontos distintos pertencentes ao intervalo I e p n (x) o polinômio interpolador de f relativamente aos pontos x 0,x 1,,x n Ao se aproximar esta função f(x) por um polinômio interpolador p n (x), de grau menor ou igual a n, comete-se um erro de truncamento na interpolação de x Este é definido por E n (x) =f(x) p n (x) =(x x 0 )(x x 1 )(x x 2 ) (x x n ) f (n+1) (ξ) (n +1)! (727) para ξ (x 0,x n ) Para utilizar esta fórmula, é preciso conhecer f (n+1) eopontoξ Mas, em geral, a forma analítica da função f não é conhecida, não sendo possível portanto determinar nem f (n+1) e, conseqüentemente, nem E n (x) Ainda assim, mesmo quando se conhece a forma analítica de f, AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 142
16 não se sabe o valor de ξ e, portanto, não se pode calcular E n (x) exatamente Entretanto, pode-se delimitar o erro pela desigualdade: E n (x) (x x 0 )(x x 1 )(x x 2 ) (x x n ) max x I f (n+1) (x) (728) (n +1)! Exemplo 711 Seja o problema de se obter ln(3, 7) por interpolação linear, onde ln(x) está tabelada abaixo: x ln(x) 0 0, , , 3863 Solução:Como x =3, 7 (3; 4) escolhe-se x 0 =3e x 1 =4 Pela forma de Newton, o polinômio interpolador é p 1 (x) = y 0 + x x 0 h y 0 = 1, (x 3) = 1, (x 3) (0, 2877) (1, , 0986) 4 3 Conseqüentemente, p 1 (3, 7) = 1, 3000 Neste caso, dado que, com quatro casas decimais, f(3, 7) = ln(3, 7) = 1, 3083, tem-se condições de calcular o erro exato: E 1 (3, 7) = f(3, 7) p n (3, 7) = 1, , 3 =0, 0083 Por outro lado, tem-se também a seguinte majoração para o erro: 791 Estimativa para o erro f (x) E 1 (3, 7) (3, 7 3) (3, 7 4) max x [3;4] 2! (3, 7 3) (3, 7 4) 1 2 0, 105 Se a função f(x) é dada em forma de tabela, o valor absoluto do erro E n (x) só pode ser estimado, já que não épossível calcular f (n+1) Entretanto, construindo a tabela de diferenças divididas até ordem (n + 1), tem-se que E n (x) (x x 0 )(x x 1 ) (x x n ) f[x n+1,x n,,x 0 ] (729) ou, para pontos igualmente espaçados, E n (x) (x x 0 )(x x 1 ) (x x n ) n+1 y 0 (n +1)!h n+1, (730) já que para h constante f[x n+1,x n,,x 0 ]= n+1 y 0 (n +1)!h n+1 (731) Exemplo 712 Seja f(x) dada na forma x 0, 4 0, 52 0, 6 0, 72 f(x) 0, 27 0, 29 0, 32 0, 37 AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 143
17 obter f(0, 47) utilizando um polinômio de grau 2 e dar uma estimativa para o erro Solução: A tabela de diferenças é dada por i x i f[x i ] f[x i+1,x i ] f[x i+2,x i+1,x i ] f[x i+3,x i+2,x i+1,x i ] 0 0, 4 0, 27 0, , , , 52 0, 29 0, 375 0, , 6 0, 32 0, , 72 0, 37 Assim, usando a fórmula de Newton, p 2 (x) = f[x 0 ]+(x x 0 ) f[x 1,x 0 ]+(x x 0 )(x x 1 ) f[x 2,x 1,x 0 ] = 0, 27 + (x 0, 4) 0, (x 0, 4)(x 0, 52) 1, 0415 de onde f(0, 47) = p 2 (0, 47) = 0, 2780 A estimativa para o erro de truncamento é ou seja, E 2 (x) (x x 0 )(x x 1 )(x x 2 ) f[x 3,x 2,x 1,x 0 ] (x 0, 4) (x 0, 52) (x 0, 6) 2, 6031 E 2 (0, 47) 1, Exercícios Exercício 71 Determine f(1, 32) apartirdatabela x 1, 3 1, 4 1, 5 f(x) 3, 669 4, 055 4, 482 Exercício 72 Considere o exemplo 74 O que ocorreu naquela situação? Explique por que o valor calculado não coincide com o valor tabelado Exercício 73 A integral elíptica completa é definida por π 2 dx K(k) = 0 (1 k 2 sen 2 k) 1 2 Consultando uma tabela de valores destas integrais, tem-se que K(1) = 1, 5708 K(3) = 1, 5719 K(5) = 1, 5738 Calcule K(3, 5) usando um polinômio interpolador do segundo grau Exercício 74 Interpole o ponto x =0 5 àtabela 0 x f(x) utilizando o polinômio interpolador na forma de Newton Exercício 75 Calcule uma aproximação para f(2, 3) pela forma interpoladora de Lagrange AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 144
18 x 2, 0 2, 4 2, 6 2, 8 f(x) 0, , , , Exercício 76 A tabela abaixo fornece a demanda diária máxima de energia elétrica em uma cidade Encontre a data do pico máximo e o valor deste pico x (data) 5 outubro 15 outubro 25 outubro 4 novembro y (demanda) Exercício 77 A função definida pela tabela x 1, 9 2, 0 2, 1 2, 2 2, 3 f(x) 1, 941 1, 000 0, 061 1, 248 2, 567 tem uma raiz no intervalo (2; 2, 1) Calcule esta raiz, aproximando a função por um polinômio de terceiro grau Exercício 78 Dada a tabela abaixo, calcular f(0, 32) e estimar o erro de truncamento do valor calculado x 0, 2 0, 3 0, 4 0, 5 f(x) 0, , , , 5831 Exercício 79 Dada a seguinte tabela para a função f(x) =e x, x 1 1, 1 1, 2 e x 2, 718 3, 004 3, 320 calcule f(1, 05) e delimite o erro para o valor interpolado, utilizando aritmética de ponto flutuante com quatro algarismos significativos AL de Bortoli, C Cardoso, MPG Fachin, RD da Cunha 145
3.6 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
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 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 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 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 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 maisMétodos 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 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 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 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 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 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 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 maisMétodos Numéricos Interpolação / Aproximação. Renato S. Silva, Regina C. Almeida
Métodos Numéricos Interpolação / Aproximação Renato S. Silva, Regina C. Almeida Interpolação / Aproximação situação: uma fábrica despeja dejetos no leito de um rio; objetivo: determinar a quantidade de
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 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 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 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 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 maisNotas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
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 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 maisInterpolaça o Polinomial
Interpolaça o Polinomial Objetivo A interpolação polinomial tem por objetivo aproximar funções (tabeladas ou dadas por equações) por polinômios de grau até n. Isso tem como intuito facilitar o cálculo
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 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 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 maisResolução de Sistemas de
Capítulo 5 Resolução de Sistemas de Equações Não-Lineares 51 Introdução Neste capítulo, apresentaremos o método de Newton para sistemas de equações não-lineares, ie, procuramos um vetor x que satisfaça
Leia maisDefinição: Uma função de uma variável x é uma função polinomial complexa se pudermos escrevê-la na forma n
POLINÔMIO I 1. DEFINIÇÃO Polinômios de uma variável são expressões que podem ser escritas como soma finita de monômios do tipo : a t k k onde k, a podem ser números reais ou números complexos. Exemplos:
Leia maisSpline cúbica. Clarimar J. Coelho. November 8, 2013
Interpolação polinomial Spline cúbica Clarimar J. Coelho November 8, 2013 1 Splines cúbicos 2 Cálculo dos coeficientes 3 Sistema linear subdeterminado 4 Splines cúbicos naturais 5 Splines cúbicos extrapolados
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 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 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 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 maisMAP Segundo exercício programa Splines cúbicos
MAP-2121 - Segundo exercício programa - 26 Splines Cúbicos Instruções gerais - Os exercícios computacionais pedidos na disciplina Cálculo Numérico têm por objetivo fundamental familiarizar o aluno com
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 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 maisCCI-22 LISTA DE EXERCÍCIOS
CCI-22 LISTA DE EXERCÍCIOS Capítulos 1 e 2: 1) Considere floats com 4 dígitos decimais de mantissa e expoentes inteiros entre -5 e 5. Sejam X =,7237.1 4, Y =,2145.1-3, Z =,2585.1 1. Utilizando um acumulador
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 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 maisPUC-GOIÁS - Departamento de Computação
PUC-GOIÁS - Departamento de Computação Fundamentos IV/Enfase Clarimar J. Coelho Goiânia, 28/05/2014 O que é interpolação polinomial? Ideia básica Permite construir um novo conjunto de dados a partir de
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 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 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 maisUNIVERSIDADE FEDERAL DO RIO DE JANEIRO Departamento de Ciência da ComputaçãoUFRJ. Cálculo Numérico. S. C. Coutinho. Provas e gabaritos
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Departamento de Ciência da ComputaçãoUFRJ Cálculo Numérico S. C. Coutinho Provas e gabaritos Lembre-se: Nas provas não são aceitas respostas sem justicativa. Você
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 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 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 maisInterpolação polinomial
Quarto roteiro de exercícios no Scilab Cálculo Numérico Rodrigo Fresneda 8 de abril de 0 Guia para respostas: Entregue suas respostas às tarefas contidas no roteiro de cada uma das quatro atividades, incluindo
Leia maisSME Cálculo Numérico. Lista de Exercícios: Gabarito
Exercícios de prova SME0300 - Cálculo Numérico Segundo semestre de 2012 Lista de Exercícios: Gabarito 1. Dentre os métodos que você estudou no curso para resolver sistemas lineares, qual é o mais adequado
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 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 maisPUC-GOIÁS - Departamento de Computação
PUC-GOIÁS - Departamento de Computação Fundamentos IV/Enfase Clarimar J. Coelho Goiânia, 28/05/2014 Polinômio de Newton Polinômio de Newton Ideia básica Ideias sobre aproximação linear e quadrática podem
Leia maisCálculo Numérico / Métodos Numéricos. Solução de equações polinomiais Briot-Ruffini-Horner
Cálculo Numérico / Métodos Numéricos Solução de equações polinomiais Briot-Ruffini-Horner Equações Polinomiais p = x + + a ( x) ao + a1 n x n Com a i R, i = 0,1,, n e a n 0 para garantir que o polinômio
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 maisUm polinômio p de grau, com coeficientes reais na variável é dado por:
Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer ÍNDICE Aula 3- Aproximação polinomial de Funções - Polinômios de Taylor Interpolação - Polinômios de Lagrange Aula 3 - Aproximação polinomial
Leia maisIntegração Numérica. = F(b) F(a)
Integração Numérica Do ponto de vista analítico, existem diversas regras que podem ser utilizadas na prática. Contudo, embora tenhamos resultados básicos e importantes para as técnicas de integração analítica,
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 maisétodos uméricos INTEGRAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos INTEGRAÇÃO NUMÉRICA Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO Lista de Exercícios / Cálculo Numérico 1ª Unidade
1) Analise as alternativas abaixo e marque V para verdadeiro e F para falso. No segundo caso, explique como as tornaria verdadeiras: ( ) O método das secantes é utilizado para solucionar um problema de
Leia maisResolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento
Resolução de sistemas de equações lineares: Método de eliminação de Gauss - estratégias de pivotamento Marina Andretta ICMC-USP 28 de março de 2012 Baseado no livro Análise Numérica, de R. L. Burden e
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 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 maisAutores: Interpolação por Spline Cúbica e Método de Integração de Simpson para Cálculo de Campo Magnético PLANO BÁSICO: MÉTODOS NUMÉRICOS
UNIVERSIDADE FEDERAL DO CEARÁ - UFC CENTRO DE TECNOLOGIA CT DEPARTAMENTO DE ENGENHARIA ELÉTRICA DEE PROGRAMA DE EDUCAÇÃO TUTORIAL - PET PLANO BÁSICO: MÉTODOS NUMÉRICOS Interpolação por Spline Cúbica e
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 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 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 maisparciais primeira parte
MÓDULO - AULA 3 Aula 3 Técnicas de integração frações parciais primeira parte Objetivo Aprender a técnica de integração conhecida como frações parciais. Introdução A técnica que você aprenderá agora lhe
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 maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
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 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 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 maisRenato Martins Assunção
Análise Numérica Erros, Extrapolação de Richardson e Quadratura Gaussiana Renato Martins Assunção DCC - UFMG 2012 Renato Martins Assunção (DCC - UFMG) Análise Numérica 2012 1 / 40 Análise do erro Sabemos
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 maisInstituto de Matemática - UFRGS - Mat Cálculo Numérico
Primeira Verificação Questão 1. (2. pt) Sendo x =.4334 e y = 156.41, encontre fl(x + y) em F L(B, p, L, U) com dígito guarda, onde B = 1, p = 5, L = 6, U = 7. Problema: Numa máquina digital onde as operações
Leia maisLaboratório de Simulação Matemática. Parte 3 2
Matemática - RC/UFG Laboratório de Simulação Matemática Parte 3 2 Prof. Thiago Alves de Queiroz 2/2017 2 [Cap. 4] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning, 2010. Thiago
Leia mais1 a Lista de Exercícios Prof a. Vanessa Rolnik. seguir e indique o tipo de erro quando a representação não for possível.
Tópicos de Análise Numérica 1 a Lista de Exercícios Prof a. Vanessa Rolnik 1. Considere o sistema PF( 1, 3, -4, 4) de base 1, 3 dígitos na mantissa, menor expoente -4 e maior expoente 4.Quantos números
Leia maisZero de Funções ou Raízes de Equações
Zero de Funções ou Raízes de Equações Um número ξ é um zero de uma função f() ou raiz da equação se f(ξ). Graficamente os zeros pertencentes ao conjunto dos reais, IR, são representados pelas abscissas
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisA = Utilizando ponto flutuante com 2 algarismos significativos, 2 = 0, x (0)
MAP 22 - CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Sistemas Lineares : Utilizando o método de eliminação de Gauss, calcule o determinante e a seguir a inversa da matriz abaixo. Efetue todos os
Leia maisAgenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação
Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares. Um
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisCálculo Numérico BCC760 Integração Numérica
Cálculo Numérico BCC76 ntegração Numérica Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc76/ 1 ntegração Numérica - Motivação Suponha que queremos obter uma folha de papelão
Leia maisAlexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira. MAT146 - Cálculo I - Integração por Frações Parciais
MAT146 - Cálculo I - Integração por Frações Parciais Alexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira Iremos agora desenvolver um método para resolver integrais de funções racionais,
Leia maisEncontre um valor aproximado para 3 25 com precisão de 10 5 utilizando o método da bissecção.
1 a) Mostre que f (x) = x cos x possui uma raiz no intervalo [0, 1]. b) Prove que essa raiz é única. c) Sem executar o método, preveja o número de iterações que o algoritmo da bissecção utilizaria para
Leia maisAjuste de dados por mínimos quadrados
Cálculo Numérico por mínimos quadrados 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
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 maisCálculo Numérico. Resumo e Exercícios P1
Cálculo Numérico Resumo e Exercícios P1 Fórmulas e Resumo Teórico Parte 1 Aritmética de ponto flutuante Operar com o número de algarismos significativos exigido. Arredondar após cada conta. Método de escalonamento
Leia maisCÁLCULO NUMÉRICO UFRJ Lista 0: revisão de cálculo e álgebra linear
CÁLCULO NUMÉRICO UFRJ 2016 LISTAS DE EXERCÍCIOS Lista 0: revisão de cálculo e álgebra linear 1. Ao longo desta curso usaremos frequentemente as seguintes propriedades de uma função contínua g definida
Leia mais4 de outubro de MAT140 - Cálculo I - Método de integração: Frações Parciais
MAT140 - Cálculo I - Método de integração: Frações Parciais 4 de outubro de 2015 Iremos agora desenvolver técnicas para resolver integrais de funções racionais, conhecido como método de integração por
Leia maisFórmula de Taylor. Cálculo II Cálculo II Fórmula de Taylor 1 / 15
Fórmula de Taylor Cálculo II Departamento de Matemática Universidade de Aveiro 2018-2019 Cálculo II 2018-2019 Fórmula de Taylor 1 / 15 Outra vez a exponencial... Uma função pode ser aproximada (na proximidade
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 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 maisétodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisMAT 1351 : Cálculo para Funções de Uma Variável Real I. Sylvain Bonnot (IME-USP)
MAT 1351 : Cálculo para Funções de Uma Variável Real I Sylvain Bonnot (IME-USP) 2016 1 Informações gerais Prof.: Sylvain Bonnot Email: sylvain@ime.usp.br Minha sala: IME-USP, 151-A (Bloco A) Site: ver
Leia maisCálculo Numérico. que é denominado erro relativo. Temos então para os dados acima:
Cálculo Numérico 1 Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo.
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Do ponto de vista analítico existem diversas regras, que podem ser utilizadas na prática. Porém, técnicas de integração
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 Instabilidade Numérica
Leia maisUniversidade Federal do Pará Instituto de Tecnologia. Cálculo III. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia Cálculo III Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto de Tecnologia
Leia mais