Métodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho
|
|
- Paulo Fortunato Dias
- 6 Há anos
- Visualizações:
Transcrição
1 Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
2 Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
3 Introdução Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
4 Introdução Apresentação - Docente Aulas teóricas A. Ismael F. Vaz - aivaz@dps.uminho.pt Aula teórico-prática e práticas Senhorinha Teixeira st@dps.uminho.pt Ana Maria Rocha arocha@dps.uminho.pt Horário de atendimento Quintas das 14h00 às 15h00. Marcação por . As docentes das TPs e Ps terão o seu horário de atendimento. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
5 Introdução Apresentação - Disciplina Página da disciplina; 6 fichas TPs a realizar ao longo do semestre (17 valores nas aulas Ts) e 6 fichas Ps a realizar ao longo do semestre (3 valores cada - nas aulas Ps). A classificação final é: Fichas TPs + Fichas Ps. Não é obrigatória a presença nas aulas Ts, TPs ou Ps. Mas atenção aos momentos de avaliação. A avaliação feitas nas aulas Ps é considerada avaliação laboratorial, pelo que é exigido o valor mínimo de 50% para ter frequência (poder ir a exame). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
6 Introdução Material necessário e de apoio Calculadora científica; Folhas das fichas TPs; Papel e caneta; Livro de Computação Numérica; Software CoNum; Formulário e acetatos disponíveis na página; A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
7 Introdução Programa detalhado Dia 28-Fev 06-Mar 13-Mar 27-Mar 03-Abr Matéria Apresentação da disciplina. Erros. Algarismos significativos. Fórmula fundamental dos erros. Erros de truncatura. Solução de equações não lineares. Método dos gráficos. Método da secante e sua convergência. Método de Newton e sua convergência. Critérios de paragem. Sistemas de equações lineares. Eliminação de Gauss com pivotagem parcial. Avaliação sobre zeros de funções (2.5 valores). Métodos iterativos de Gauss-Seidel e Jacobi. Sistemas de equações não lineares. Método de Newton. Interpolação polinomial. Diferenças divididas. Fórmula interpoladora de Newton. Erro da fórmula interpoladora de Newton. Avaliação sobre sistemas lineares e não lineares (2.5 valores). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
8 Introdução Programa detalhado Dia 10-Abr 17-Abr 24-Abr 08-Mai 30-Mai 05-Jun 12-Jun 19-Jun 26-Jun 03-Jul Matéria Splines lineares e cúbicas. Splines cúbicas. Revisões Revisões. Avaliação sobre interpolação (3 valores). Mínimos quadrados polinomiais e modelos lineares. Equações diferenciais com condições iniciais de 1 a. Sistemas de equações diferenciais de 1 a ordem. Equações diferenciais de ordem superior. Avaliação sobre mínimos quadrados (3 valores). Equações diferencias com condições fronteira. Integração numérica. Fórmulas simples e compostas do Trapézio, Simpson e 3/8. Revisões. Avaliação sobre equações diferenciais (3 valores). Revisões. Avaliação sobre integração (3 valores). Revisões. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
9 Introdução Motivação da disciplina Presente em todos os cursos de engenharia (aplicações em todas as áreas da engenharia); A disciplina de métodos numéricos dedica-se à resolução numérica de problemas matemáticos. Com o desenvolvimento dos computadores encontra-se direccionada para a implementação de algoritmos estáveis. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
10 Introdução Controlo óptimo - Um exemplo Problema de optimização do processo semi-contínuo de produção de Etanol. O problema de optimização é: (t 0 = 0 e t f = 61.2 dias) max u(t) s.t. J(t f ) x 3 (t f )x 4 (t f ) dx 1 = g 1 x 1 u x 1 dt x 4 dx 2 = 10g 1 x 1 + u 150 x 2 dt x 4 dx 3 = g 2 x 1 u x 3 dt x 4 dx 4 = u dt 0 x 4 (t f ) u(t) 12 t [t 0, t f ] com ( ) ( ) x 2 g 1 = 1 + x 3 / x 2 ( ) ( ) 1 x 2 g 2 = 1 + x 3 / x 2 onde x 1, x 2 e x 3 são as concentrações da massa celular, substrato e produto (g/l), e x 4 é o volume (L). As condições iniciais são: x(t 0 ) = (1, 150, 0, 10) T. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
11 Introdução Abordagem para a resolução Grande exigência em termos numéricos; Grande exigência em termos de programação; Solução da equação diferencial com o CVODE (software em C); Problemas codificados em AMPL (linguagem de modelação); Algoritmo para optimização sem derivadas; A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
12 Erros Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
13 Erros Formato de vírgula flutuante normalizado fl(x) = ±0.d 1 d 2...d k 10 e onde, 0.d 1 d 2... d k corresponde à mantissa, e e é o expoente. fl t (x) representa o valor de x em vírgula flutuante truncado e fl a (x) representa o valor de x em vírgula flutuante arredondado. Exemplo x = 2 3 fl t (x) = fl a (x) = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
14 Erros Formato de vírgula flutuante (norma IEEE-754, 32 bits) σ e + 64 d 1 d 2 d 3 d 4 d 5 d 6 1 bit 7 bits 4 bits 4 bits 4 bits 4 bits 4 bits 4 bits Exemplo x = = = ( ) σ e + 64 d 1 d 2 d 3 d 4 d 5 d 6 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
15 Erros Exemplo de programação A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
16 Erros Exemplo de programação A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
17 Erros Erros Seja x o valor exacto e x o seu valor aproximado, que será usado nos cálculos x x é o erro absoluto (normalmente não se pode calcular, porque x é desconhecido); x x δ x é o limite superior do erro absoluto; r x = x x x = δx x δx x é o erro relativo. Exemplo Pediu-se a duas pessoas para contarem laranjas de dois cestos. A primeira contou 980 laranjas num cesto de 1000 e a segunda contou 480 num cesto de 500. Apesar de cometerem o mesmo erro absoluto (δ 1 = 20 laranjas e δ 2 = 20 laranjas) a segunda cometeu um erro maior, visto que r 1 = = 0.02 e r 2 = = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
18 Erros Fórmula fundamental dos erros Dados n valores aproximados, x 1,..., x n, e os seus respectivos erros absolutos é possível calcular um majorante para o erro absoluto cometido quando se aplica uma função f, através da fórmula fundamental dos erros. δ f M x1 δ x1 + M x2 δ x M xn δ xn f onde max x I xi Mxi, com I = I x1 I xn I xi = [x i δ xi, x i + δ xi ] r f δ f f(x 1,..., x n ) e A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
19 Erros Exemplo Cálculo dos limites do erro absoluto e relativo do cálculo da função f(x) = x 1 x 2. Temos que f x 1 Mx1 = 1 e f x 2 Mx2 = 1, logo e δ f = δ x1 + δ x2 r f δ x 1 + δ x2 x 1 x 2 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
20 Erros Algarismos Significativos Casa decimais são as casas (algarismos) à direita da vírgula. Os algarismos significativos são aqueles em que temos confiança do seu valor. Exemplos: tem 1 algarismo significativo se δ = 0.05, 2 se δ = e 7 se δ = tem 7 casas decimais e 2 algarismos significativos (δ = ). Quando todas as casas decimais são significativas 0.2 é diferente de A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
21 Zeros de funções Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
22 Zeros de funções Forma geral do problema Pretende-se determinar x tal que f(x) = 0 Exemplo Temos x = como solução para e x + x = 0 Nota: uma equação não linear pode não ter solução, ou ter mais do que uma. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
23 Zeros de funções Métodos iterativos Uma sequência diz-se iterativa se é definida por uma função F independente de k e dependente de um ou vários elementos anteriores a ele, x k = F (x k 1, x k 2,... ) Aproximações iniciais Um método que se baseie numa sequência iterativa com k 1 elementos anteriores necessita também de k 1 valores iniciais. Exemplo x k = x k 1 + x k 2 Partindo de x 0 = 1 e x 1 = 1 temos x 2 = x 1 + x 0 = 2, x 3 = x 2 + x 1 = = 3, x 4 = x 3 + x 2 = = 5 gera uma sequência com os números de Fibonacci. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
24 Zeros de funções Convergência Uma sequência iterativa diz-se convergente quando Convergência superlinear lim x k = x k lim k + x x k+1 x = L ou lim x k k + x x k+1 x x k = 0 Convergência quadrática x x k+1 lim k + x x k 2 = L A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
25 Zeros de funções Critério de Paragem A sequência de aproximações pode ser infinita. Como se pretende obter uma aproximação à solução implementa-se um critério de paragem. Estimativa do erro relativo d k = x k+1 x k x k+1 ɛ 1 Valor da função f(x k+1 ) ɛ 2 Número máximo de iterações k n max A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
26 Zeros de funções Método dos gráficos Uma aproximação ao zero da função f(x) pode obter-se pela intersecção do gráfico de f(x) com o eixo dos xx; se f(x) = g(x) h(x) os zeros de f(x) são os pontos de intersecção de g(x) com h(x). O método dos gráficos é frequentemente usado para obtermos uma aproximação inicial para outros métodos mais precisos. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
27 Zeros de funções Exemplo f(x) = e x + x g(x) = e x h(x) = x g(x) 0.2 h(x) y f(x) x A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
28 Zeros de funções Método da bissecção Se f(x i )f(x s ) < 0 então existe um número ímpar de raízes de f(x) no intervalo [x i, x s ]. Aproxima-se da raiz calculando x k = x i+x s 2, k = 1, 2,... Considera-se o intervalo [x i, x k ] se f(x i )f(x k ) < 0 e faz-se x s x k ou [x k, x s ] se f(x k )f(x s ) < 0 e faz-se x i x k A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
29 Zeros de funções Interpretação gráfica (Bissecção) f(x) = e x + x f(x) xi xk+1 xk xs xs x A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
30 Zeros de funções Método da secante Método iterativo em que se fornece o x 1 e x 2 (a raiz não está necessariamente no intervalo [x 1, x 2 ]). O próximo valor é calculado pela seguinte fórmula (equação iterativa): x k+1 = x k (x k x k 1 )f(x k ), k = 2, 3,... f(x k ) f(x k 1 ) Zeros complexos: O método da secante também calcula zeros complexos, bastando para isso usar aritmética complexa. Convergência: A convergência do método da Secante depende do valor de M 2m ser pequeno. M é o max f (ξ) e m é o min f (η), onde ξ, η I. ɛ k+1 = f (ξ) 2f (η) ɛ k 1ɛ k A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
31 Zeros de funções Interpretação gráfica (Secante) f(x) = e x + x f(x) xk+2 xk+1 xk xk x A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
32 Zeros de funções Método de Newton Método iterativo em que se fornece o x 0. O próximo valor é calculado pela seguinte formula (equação iterativa): x k+1 = x k f(x k) f, k = 1, 2,... (x k ) Zeros complexos: O método de Newton também calcula zeros complexos, bastando para isso usar aritmética complexa. Convergência: A convergência do método de Newton depende do valor de M 2m ser pequeno. M é o max f (ξ) e m é o min f (η), onde ξ, η I. ɛ k+1 = f (ξ) 2f (η) ɛ2 k A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
33 Zeros de funções Interpretação gráfica (Newton) f(x) = e x + x f(x) xk+2 xk+1 xk x A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
34 Zeros de funções Principais propriedades Ambos possuem convergência local. Superlinear no caso do método da secante e quadrática no método de newton. O método da secante não usa derivadas. O método da secante e de Newton podem falhar quando o denominador da equação iterativa é próximo de zero, i.e., quando f(x k ) f(x k 1 ) ou f (x k ) 0. O método da secante e de Newton não convergem necessariamente para o zero mais próximo da aproximação inicial. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
35 Zeros de funções Exemplo e x + x = 0 Método de Newton com x 0 = 0.5, ε 1 = 0.5, ε 2 = 0.1, n max = 2. Temos então que f(x) = e x + x e que f (x) = e x a iteração x 0 = 0.5 f( 0.5) = e = e f ( 0.5) = x 1 = x 0 f( 0.5) f ( 0.5) = = CP: f( ) = (Verdadeiro) x 1 x 0 x 1 = = (Verdadeiro) O processo iterativo pára com x x 1 = E se o ε 1 fosse 0.1? A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
36 Resolução de sistemas lineares Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
37 Resolução de sistemas lineares Forma geral do problema a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2... a n1 x 1 + a n2 x a nn x n = b n É um sistema com n equações lineares nas n incógnitas, x 1, x 2,..., x n. O sistema pode ser escrito na forma matricial Ax = b a 11 a a 1n a 21 a a 2n... a n1 a n2... a nn x 1 x 2... x n = b 1 b 2... b n A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
38 Resolução de sistemas lineares Exemplo x 1 x 2 x 3 = É um sistema linear de dimensão 3 3. A matriz dos coeficientes A = R 3 3 e o vector b = (1, 1, 1) T R 3 é o vector dos termos independentes A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
39 Resolução de sistemas lineares Definições A característica de uma matriz A, c(a), é o número máximo de linhas paralelas, ou colunas, linearmente independentes que existem na matriz. Para que um sistema seja possível e determinado temos de ter c(a) = n. Caso contrário (c(a) < n) o sistema é indeterminado ou impossível. À matrix (A b) que se obtém ampliando A com a coluna do termo independente b chama-se matriz ampliada do sistema. Triangular superior (inferior): É uma matriz em que os elementos abaixo (acima) da diagonal principal são zeros. Tridiagonal: Matriz em que a ij = 0, se i j 2, i, j = 1,..., n. Uma matriz com muitos elementos nulos diz-se esparsa. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
40 Resolução de sistemas lineares Tipos de métodos Métodos directos e estáveis. Métodos que calculam a solução exacta do sistema ao fim de um número finito de operações elementares, caso não ocorram erros de arredondamento. Matrizes dos coeficientes densas e de pequena dimensão. Métodos iterativos. Métodos que definem uma sequência infinita de operações, determinando uma sequência de aproximações, cujo limite é a solução exacta do sistema. Matrizes dos coeficientes esparsas e de grande dimensão. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
41 Resolução de sistemas lineares Estabilidade numérica Considere-se o seguinte sistema linear: { x1 + x 2 = x 1 + x 2 = 2 cuja solução é x = (1, 1) T. Usando aritmética de três algarismos significativos e considerando o multiplicador igual a = , surge o sistema condensado { x 1 + x 2 = cuja solução é x = (0, 1) T!!! x 2 = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
42 Resolução de sistemas lineares Motivação - Continuação Se nas mesmas condições usarmos a pivotagem parcial temos { x 1 + x 2 = x 1 + x 2 = m = = cuja solução é x = (1, 1) T. { x1 + x 2 = 2 x 2 = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
43 Resolução de sistemas lineares Eliminação de Gauss com Pivotagem Parcial (EGPP) Corresponde a eliminação de Gauss, mas em que a linha usada na eliminação dos elementos da coluna das linhas seguintes é o maior em módulo. Exemplo: m 21 = 3 9 m 31 = 6 9 = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
44 Resolução de sistemas lineares Eliminação de Gauss com Pivotagem Parcial (EGPP) m 32 = = 0.1 = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
45 Resolução de sistemas lineares Substituição inversa Quando a matriz é triangular superior pode-se determinar a solução directamente, através da substituição inversa. Exemplo vem que x 3 = = 0.875, x ( 2) = = x 1 = 1 ( 9) = 0.5 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
46 Resolução de sistemas lineares Substituição directa Quando a matriz é triangular inferior pode-se determinar a solução directamente, através da substituição directa. Exemplo vem que x 1 = 2 1 = 2, x 2 = = 1 x 3 = ( 1) 1 = 0 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
47 Resolução de sistemas lineares Decomposição LU Da eliminação de Gauss com Pivotagem Parcial resulta Exemplo ( ) (A I ) (U J ) ( ) ( ) A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
48 Resolução de sistemas lineares Determinantes de Matrizes det(a) = ( 1) s n u ii onde u ii corresponde aos elementos da diagonal da matriz U e s é o número de trocas de linhas para obter a matriz U. Exemplo ( 1 2 det 2 1 ) ( = ( 1) det i=1 ) = ( 1) = 3 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
49 Resolução de sistemas lineares Cálculo da Inversa de Matrizes A matriz inversa de A (A 1 ) verifica AA 1 = I = A 1 A. O cálculo da matriz inversa reduz-se a resolução de n sistemas lineares da forma Ax j = e j, j = 1,..., n, em que os vectores independentes e j são as colunas da matriz identidade. O vector solução x j corresponde à coluna j da matriz inversa. Na prática resolve-se os n sistemas em simultâneo, i.e., resolve-se a equação (U J ) por substituição inversa. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
50 Resolução de sistemas lineares Cálculo da Inversa de Matrizes - Exemplo ( ) ( ) ( ) ( ) { x11 = = x 21 = = ( ) { x12 = 1 1 ( ) 2 = x 22 = = ( ) ( ) A inversa de é A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
51 Resolução de sistemas lineares Métodos iterativos Nos métodos iterativos a solução exacta só é obtida ao fim de uma sequência infinita de operações. O processo parte de uma aproximação inicial para a solução do sistema e usa uma equação iterativa da forma Mx (k+1) = Nx (k) + b, para k = 1, 2,... Os métodos em que M e N não dependem de k dizem-se estacionários. Os métodos de Jacobi e Gauss-Seidel são métodos estacionário. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
52 Resolução de sistemas lineares Método Iterativo Jacobi D matriz dos elementos da diagonal principal, L matriz dos simétricos dos elementos abaixo da diagonal principal e U matriz dos simétricos dos elementos acima da diagonal principal. O método de Jacobi usa a partição de A em D (L + U), i.e, M = D e N = L + U A equação iterativa fica Dx (k+1) = (L + U)x (k) + b ou x (k+1) = D 1 (L + U)x (k) + D 1 b A matriz iteração é C J = M 1 N = D 1 (L + U) A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
53 Resolução de sistemas lineares Método Iterativo Gauss-Seidel M = D L N = U A equação iterativa fica Mx (k+1) = Nx (k) + b ou x (k+1) = M 1 Nx (k) + M 1 b A matriz iteração é C GS = M 1 N = (D L) 1 U. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
54 Resolução de sistemas lineares Critério de Paragem Erro relativo na aproximação x (k+1) x (k) x (k+1) < ɛ 1 Resíduo Ax (k+1) b < ɛ 2 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
55 Resolução de sistemas lineares Convergência dos métodos iterativos Condições suficientes A simétrica e definida positiva = GS exibe convergência global; A é estrita e diagonalmente dominante = J e GS exibem convergência global; C p < 1, para qualquer normal p, = J e GS exibem convergência global; C é a matriz iteração de Jacobi ou Gauss-Seidel. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
56 Resolução de sistemas lineares Algumas definições Uma matriz A diz-se simétrica se A = A T. Uma matriz é definida positiva se d T Ad > 0, d 0. É equivalente a verificar que todos os determinante das sub-matrizes principais são maiores do que zero. Uma matriz A diz-se estrita e diagonalmente dominante se a ii > n a ij, i = 1,..., n j=1 j i A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
57 Resolução de sistemas lineares Exemplo - convergência de Gauss-Seidel Considere-se a seguinte matriz dos coeficientes de um sistema linear ( ) 3 1 A = 1 2 Como a A = A T a matriz é simétrica. ( ) 3 1 det( 3 ) = 3 > 0 det(a) = = 5 > Logo A é simétrica e definida positiva e o método de Gauss-Seidel converge. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
58 Resolução de sistemas lineares Exemplo - convergência de Jacobi Considere-se o seguinte sistema ( Como 1 2 a matriz dos coeficientes não é estrita e diagonalmente dominante e nada se pode concluir acerca da convergência do método de Jacobi. No entanto se trocarmos as linhas temos ( 3 1 ) e como 3 > 1 e 2 > 1 a matriz é estrita e diagonalmente dominante, logo o método de Jacobi converge. ) A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
59 Resolução de sistemas lineares Exemplo - convergência de Jacobi Considere-se a seguinte matriz dos coeficientes de um sistema linear ( ) 3 2 A = 3 1 Como 3 > 2, mas 1 3 a matriz dos coeficientes não é estrita e diagonalmente dominante e nada se pode concluir acerca da convergência do método de Jacobi. D = ( ) L = ( ) U = ( ) A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
60 Resolução de sistemas lineares Continuação ( ) ( C J = D (L + U) = ( ) = 3 0 ) Como C J = max{ , } = 3 1 e c J 1 = max{ 0 + 3, } = 3 1 nada se pode concluir acerca da convergência do método de Jacobi. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
61 Resolução de sistemas lineares Uma iteração do método de Gauss-Seidel Considere-se o seguinte sistema linear ( A = ), x (1) = (0, 0) T e ɛ 1 = ɛ = 0.1 ( ) 3 0 D = L = 0 2 Equação iterativa é ( ) U = ( ) (D L)x (k+1) = Ux (k) + b A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
62 Resolução de sistemas lineares Continuação 1 a iteração C.P. ( ) ( x (2) 0 1 = 0 0 ( x (2) x (1) x (2) = ) { ( ( ) ( 0 0 ) ( ) = ( 1 1 x (2) 1 = 1 3 = x (2) 2 = = ) ( 0 0 ) ) ) = = Como o critério não se verifica deve-se continuar com a próxima iteração. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
63 Resolução de sistemas não lineares Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
64 Resolução de sistemas não lineares Sistemas de equações não lineares Forma geral do problema f 1 (x 1, x 2,..., x n ) = 0 f 2 (x 1, x 2,..., x n ) = 0... f n (x 1, x 2,..., x n ) = 0 em que f = (f 1, f 2,..., f n ) T é um vector de funções pelo menos uma vez continuamente diferenciáveis. Pretende-se determinar um x = (x 1, x 2,..., x n) T tal que f(x ) = (0, 0,..., 0) T = 0. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
65 Resolução de sistemas não lineares Fórmula de Taylor a uma dimensão Se f : R R for l + 1 vezes diferenciável temos que f(x) = l k=0 f (k) (a) k! (x a) k + f (l+1) (ξ) (x a)l+1 (l + 1)! com ξ [a, x] e a função definida em torno de a. Exemplo: Valor da função em x (k+1) definido em torno de x (k). f(x (k+1) ) f(x (k) ) + f (x (k) )(x (k+1) x (k) ) ou seja, quando se pretende que f(x (k+1) ) = 0 vem x (k+1) = x (k) f(x(k) ) f (x (k) ) Eq. it. do método de Newton A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
66 Resolução de sistemas não lineares Fórmula de Taylor para dimensão n Se f : R n R n temos que f(x (k+1) ) f(x (k) )+ f 1 (x (k) ) f 1 (x (k) ) x 1 f 2 (x (k) ) f 2 (x (k) ) x 1 x 2... x f n(x (k) ) x 1 f n(x (k) ) x 2... f 1 (x (k) ) x n f 2 (x (k) ) x n f n(x (k) ) x n x (k+1) 1 x (k) 1 x (k+1) 2 x (k) 2 x (k+1) n... x (k) n e deduzindo a equação iterativa do método de Newton para sistemas de equações não lineares temos, J(x (k) ) (k) x = f(x (k) ), com x (k+1) = x (k) + (k) x em que J(x) é o Jacobiano da função. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
67 Resolução de sistemas não lineares Critério de paragem x (k+1) x (k) 2 x (k+1) = (k) x 2 2 x (k+1) ɛ 1 2 Se x (k+1) 2 é zero, ou próximo de zero, então o critério deve ser (k) x 2 ɛ 1 Número máximo de iterações. f(x (k+1) ) 2 ɛ 2 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
68 Resolução de sistemas não lineares Propriedades Convergência local quadrática. Determina a solução de um sistema linear numa única iteração. Inconveniente do cálculo do Jacobiano. (Também existe um método da secante para sistemas.) O método falha quando o Jacobiano é singular (nova aproximação inicial). O método de Newton não converge necessariamente para a solução mais próxima da aproximação inicial. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
69 Resolução de sistemas não lineares Um exemplo Considere-se o seguinte sistema não linear { 3x 2 + 2y 2 = 35 4x 2 3y 2 cujo Jacobiano é J(x, y) = = 24 ( 6x 4y 8x 6y ) Temos f(x, y) = ( 3x 2 + 2y x 2 3y 2 24 ) e a aproximação inicial é (x, y) (1) = (2.5, 2). Pretende-se determinar a solução com uma precisão de ɛ 1 = ɛ 2 = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
70 Resolução de sistemas não lineares Continuação 1 a iteração ( ) J((x, y) (1) 15 8 ) = J(2.5, 2) = ( ) f((x, y) (1) 8.25 ) = f(2.5, 2) = 11 ( (1) (x,y) = ( ) ) ( ) ( e (x, y) (2) = (x, y) (1) + (1) (x,y) = (3.05, 2)T ) A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
71 Resolução de sistemas não lineares Continuação C.P. ( f (x, y) (2)) ( ) = = 1.21 ɛ 2 = 0.1 Como o critério não se verifica faz-se uma nova iteração. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
72 Interpolação polinomial Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
73 Interpolação polinomial Motivação Pretende-se determinar uma função aproximação que descreva o melhor possível o comportamento de um conjunto de pontos (x 0, f 0 ), (x 1, f 1 ),..., (x m, f m ). Este conjunto de pontos pode ter sido obtido de: observações de uma experiência (função desconhecida); uma função complexa cujo cálculo é difícil (função pode ser conhecida). A função aproximação server para: formular um modelo matemático que descreve o processo em causa; obter valores da função em pontos que são desconhecidos. Problema: Como implementar a função sin(x) num microcontrolador? A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
74 Interpolação polinomial Continuação Pretende-se então, dado um conjunto de pontos (x i, f i ), i = 1,..., m, determinar uma função aproximação p(x) que melhor descreve o comportamento dos dados, de acordo com uma certa medida. No nosso caso vamos apenas considerar funções aproximação polinomiais, i.e., p n (x) é um polinómio interpolador de grau n. Para construirmos o polinómio interpolador de Newton são necessárias as diferenças divididas. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
75 Interpolação polinomial Diferenças divididas com espaçamento não constante Considere-se uma função f(x) tabelada em m + 1 pontos x 0, x 1,..., x m não igualmente espaçados. Diferenças divididas de primeira ordem são onde f j = f(x j ). [x j, x j+1 ] = f j f j+1 x j x j+1 j = 0,..., m 1 A diferença dividida de primeira ordem corresponde ao declive da recta que passa em (x j, f j ) e (x j+1, f j+1 ). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
76 Interpolação polinomial Continuação As diferenças divididas de segunda ordem são [x j, x j+1, x j+2 ] = [x j, x j+1 ] [x j+1, x j+2 ] x j x j+2, j = 0,..., m 2. As diferenças divididas de ordem n são [x j, x j+1,..., x j+n ] = [x j, x j+1,..., x j+n 1 ] [x j+1, x j+2,..., x j+n ] x j x j+n para j = 0,..., m n. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
77 Interpolação polinomial Tabela das diferenças divididas 0 0 [x 0, x 1 ] x 1 f 1 [x 0, x 1, x 2 ] [x 1, x 2 ] [x 0, x 1, x 2, x 3 ] x 2 f 2 [x 1, x 2, x 3 ] [x 2, x 3 ] [x 1, x 2, x 3, x 4 ] x m 2 f m 2 [x m 3, x m 2, x m 1 ] [x m 2, x m 1 ] [x m 3, x m 2, x m 1, x m] x m 1 f m 1 [x m 2, x m 1, x m] [x m 1, x m] x m f m [x 0,..., x m 1, x m] A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
78 Interpolação polinomial Exemplo x i f i dd1 dd2 dd3 dd4 dd A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
79 Interpolação polinomial Propriedades das diferenças divididas Simétrica nos argumentos, i.e., é independente da ordem dos argumentos; Exemplo x i f i x i f i A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
80 Interpolação polinomial Propriedades das diferenças divididas Se f j = u j + v j para valores de x j, j = 0,..., m então a tabela das DD de f é igual à soma das tabelas das DD de u e v. Exemplo: f(x) = sin(x) + e x, u(x) = sin(x) e v(x) = e x. x i u i x i v i x i f i A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
81 Interpolação polinomial Propriedades das diferenças divididas A diferença dividida de cf(x), com c constante, é igual ao produto da diferença dividida de f(x) por c. Exemplo: f(x) = sin(x), cf(x) = 2 sin(x) x i f i x i 2f i A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
82 Interpolação polinomial Propriedades das diferenças divididas As diferenças divididas de ordem n da função x n são iguais a 1 e as de ordem r > n são nulas. Como consequência as diferenças divididas de ordem n de um polinómio de ordem n são iguais e diferentes de zero. Exemplo: f(x) = x 2 + 3x + 1 x i f i dd1 dd2 dd3 dd A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
83 Interpolação polinomial Fórmula interpoladora de Newton Das definições das diferenças divididas pode-se concluir que f(x) = f 0 + (x x 0 )[x 0, x] = f 0 + (x x 0 ) f(x) f 0 x x 0 [x 0, x] = [x 0, x 1 ] + (x x 1 )[x 0, x 1, x] [x 0, x 1, x] = [x 0, x 1, x 2 ] + (x x 2 )[x 0, x 1, x 2, x]... [x 0, x 1,..., x n 1, x] = [x 0, x 1,..., x n 1, x n ] + (x x n )[x 0, x 1,..., x n 1, x n, x]... deduzindo-se a fórmula interpoladora de Newton f(x) = f 0 + (x x 0 )[x 0, x 1 ] + (x x 0 )(x x 1 )[x 0, x 1, x 2 ] + + (x x 0 )... (x x n 1 )[x 0, x 1,..., x n ] + A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
84 Interpolação polinomial Polinómio interpolador de Newton O polinómio interpolador de grau n obtém-se usado apenas n + 1 termos da fórmula interpoladora de Newton, p n (x) = f 0 + (x x 0 )[x 0, x 1 ] + (x x 0 )(x x 1 )[x 0, x 1, x 2 ] + + (x x 0 )... (x x n 1 )[x 0, x 1,..., x n ] e temos que R(x) = f(x) p n (x) = (x x 0 )(x x 1 )... (x x n 1 )(x x n ) f (n+1) (ξ) (n+1)!, ξ [x 0, x n ]. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
85 Interpolação polinomial Diferenças divididas e derivadas Da dedução da fórmula do erro de truncatura temos que [x 0, x 1,..., x n ] = f (n) (ξ), ξ [x 0, x n ], n! ou seja, as diferenças divididas de primeira ordem são aproximações as primeiras derivadas e a diferença dividida de ordem n é uma aproximação à derivada de ordem n da função sobre n!. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
86 Interpolação polinomial Determinação do polinómio interpolador Em geral temos que m > n. Para construirmos o polinómio interpolador de grau n são necessários n + 1 pontos. A escolha dos pontos está relacionada com o valor de x para o qual se pretende obter uma estimativa da função f( x). A escolha dos pontos deve obedecer as seguintes regras: os pontos x j e x j+1 em que x j < x < x j+1 devem ser incluídos. os restantes, até formar os n + 1 necessários, são aqueles que estão mais próximos de x. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
87 Interpolação polinomial Exemplo Considere-se a seguinte tabela de pontos i x i f i pretende-se obter uma estimativa de f(8) através usando uma interpolação quadrática (polinómio de colocação de grau 2). Precisamos de 3 pontos para construir o polinómio de grau 2. x 4 e x 5 devem ser incluídos, uma vez que x 4 < 8 < x 5, e o restante será o x 3. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
88 Interpolação polinomial Continuação Construindo a tabela das diferenças divididas temos que x i f i e p 2 (x) = 5 + (x 6) 1 + (x 6)(x 7) , ficando f(8) p 2 (8) = 5 + (8 6) 1 + (8 6)(8 7) = Nota: x 0 = 6, x 1 = 7, e x 2 = 10 para efeitos do cálculo do polinómio. Sendo o polinómio interpolador único qualquer combinação de pontos resulta no mesmo polinómio. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
89 Interpolação polinomial Continuação x i f i e p 2 (x) = 6 + (x 7) (x 7)(x 10) , ficando f(8) p 2 (8) = 6 + (8 7) (8 7)(8 10) = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
90 Interpolação polinomial Cálculo do majorante do erro absoluto ET (x) = (x x 0)(x x 1 )(x x 2 ) f (3) (ξ), ξ [6, 10] 3! Como necessitámos de uma estimativa para f (3) (ξ) e a função f(x) é desconhecida vamos usar as diferenças divididas para a obter. Com os pontos usados na construção do polinómio não é possível obter uma diferença dividida de ordem 3 e por isso vamos acrescentar mais um ponto à tabela anterior. É indiferente inserir o ponto no início ou no final da tabela, uma vez que o valor de dd3 será o mesmo. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
91 Interpolação polinomial Continuação x i f i ET (8) = (8 6)(8 7)(8 10) ( ) = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
92 Interpolação segmentada - Splines Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
93 Interpolação segmentada - Splines Motivação Pretende-se aproximar uma função f(x) conhecida em alguns pontos do seu domínio por ser desconhecida a sua expressão analítica (experiência laboratorial); porque a sua expressão analítica é demasiado complexa. Dará bons resultados aproximar uma função conhecida em 11 pontos por um polinómio de grau 10? A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
94 Interpolação segmentada - Splines Exemplo Dada a função f(x) conhecida para os seguintes pontos (i = 0,..., 10) x i f i p 10 (x) x A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
95 Interpolação segmentada - Splines Interpolação segmentada A ideia subjacente à interpolação segmentada consiste na construção de segmentos entre pontos (em oposição à construção de um único polinómio). A facilidade de usar polinómios fazem com que sejam candidatos naturais para a construção dos segmentos: quando o segmento é um polinómio de grau 1 estamos na presença de uma Spline linear; quando o segmento é um polinómio de grau 3 estamos na presença de uma Spline cúbica. O grau do polinómio usado na construção do segmento não está relacionado com o número de pontos. Para um conjunto de n + 1 pontos temos n segmentos. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
96 Interpolação segmentada - Splines Exemplo p 10 (x) 0.6 s 1 9 (x) p 10 (x), s 1 (x), s 3 (x) s 3 2 (x) s 3 3 (x) s 1 8 (x) s 1 10 (x) s 3 (x) x A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
97 Interpolação segmentada - Splines Splines lineares Considere-se dois pontos consecutivos (x i 1, x i ) na construção de um segmento da Spline linear. Podemos usar, por exemplo, o polinómio interpolador de Newton para deduzir a equação da Spline linear. Equação da Spline linear x i 1 f i 1 f i f i 1 x i x i 1 x i f i s i 1 (x) = f i 1 + f i f i 1 x i x i 1 (x x i 1 ) Interpolação nos segmentos O segmento s i 1 (x) apenas está definido para x [x i 1, x i ], i = 1,..., n. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
98 Interpolação segmentada - Splines Propriedades Função segmentada A Spline linear é uma função definida por segmentos. s 1 1 (x) se x [x 0, x 1 ] s s 1 (x) = 2 1 (x) se x [x 1, x 2 ] s n 1 (x) se x [x n 1, x n ] Mas na grande maioria das vezes só se calcula o segmento necessário. Simplicidade vs diferenciabilidade São segmentos simples de determinar, mas a função final, no caso geral, não é diferenciável (nos nós intermédios). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
99 Interpolação segmentada - Splines Erro de truncatura Erro de truncatura - spline linear f(x) s 1 (x) 1 8 h2 M 2 Onde h = max i (x i x i 1 ) e M 2 é um majorante do valor absoluto de f (x) em [x 0, x n ] (max ξ [x0,x n] f (ξ) M 2 ). Majorante de f (x) Quando não é possível obter o majorante de outra forma deve-se usar as diferenças divididas para obter uma estimativa (atenção ao 2!). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
100 Interpolação segmentada - Splines Splines cúbicas Considere-se um conjunto de pontos x 0 x 1 x n. Definição Um segmento cúbico (polinómio de grau 3) entre dois pontos está bem definido? Resposta Claro que não (existe um infinidade de polinómios de grau 3 que interpolam os dois pontos). Condições necessárias para definir a spline cúbica Serão necessárias condições adicionais (de continuidade da spline) para que se consiga deduzir a(s) sua(s) equação(ões). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
101 Interpolação segmentada - Splines Dedução da equação s i 3 (x) é um polinómio de grau 3, logo a sua segunda derivada é uma recta. Sejam M(x 0 ) = M 0, M(x 1 ) = M 1,..., M(x n ) = M n as segundas derivadas da spline cúbica nos nós x 0, x 1,..., x n, respectivamente. Então temos que (s i 3 (x)) (s i 3(x)) = x x i x i 1 x i M i 1 + x x i 1 x i x i 1 M i A spline cúbica pode também ser usada para aproximar as segundas derivadas. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
102 Interpolação segmentada - Splines Equação da spline Integrando duas vezes (s i 3 (x)) obtém-se s i 3 (x), i = 1,..., n s i 3(x) = M i 1 M i 6(x i x i 1 ) (x i x) 3 + 6(x i x i 1 ) (x x i 1) 3 + [ f i 1 (x i x i 1 ) M ] i 1(x i x i 1 ) (x i x)+ 6 [ f i (x i x i 1 ) M ] i(x i x i 1 ) (x x i 1 ) 6 Impondo as condições de continuidade da spline e o facto de que cada segmento é um polinómio interpolador (por exemplo s i 3 (x i) = f i ). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
103 Interpolação segmentada - Splines Condições adicionais Os valores de M i, i = 0,..., n são, usualmente, incógnitas (segundas derivadas da função f(x) nos nós). Continuidade da primeira derivada da spline Resulta que (s i 3 (x i)) = (s i+1 3 (x i )), i = 1,..., n 1, i.e., (x i x i 1 )M i 1 + 2(x i+1 x i 1 )M i + (x i+1 x i )M i+1 = 6 6 (f i+1 f i ) (f i f i 1 ) x i+1 x i x i x i 1 para o nó i (nós interiores). Temos então n 1 equações lineares para determinar n + 1 incógnitas, o que torna o sistema linear indeterminado (infinidade de soluções). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
104 Interpolação segmentada - Splines Tipos de splines cúbicas Natural M 0 = M n = 0, i.e., (s 1 3 (x 0)) = (s n 3 (x n)) = 0, i.e., curvatura nula nas extremidades Completa Impondo que (s 1 3 (x 0)) = f (x 0 ) e (x n 3 (x n)) = f (x n ) resulta em mais duas equações: 6 2(x 1 x 0 )M 0 + (x 1 x 0 )M 1 = (f 1 f 0 ) 6f (x 0 ) x 1 x 0 2(x n x n 1 )M n + (x n x n 1 )M n 1 = 6f (x n ) Livre 6 x n x n 1 (f n f n 1 ) Na prática desde que sejam dadas mais duas condições é possível determinar a spline de forma única. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
105 Interpolação segmentada - Splines Spline cúbica completa Caso em que derivadas são desconhecidas No caso em que se pretende uma spline cúbica completa, mas as derivadas nos extremos são desconhecidas, estas podem ser estimadas por diferenças divididas usando dois pontos auxiliares a e b. f (x 0 ) = f(a) f 0 a x 0 f (x n ) = f(b) f n b x n Neste caso os pontos usados na obtenção da estimativa das derivadas devem ser removidas da construção da spline (usualmente considerámos a = x 1 e b = x n 1 ). Se conhecer f(x) Se f(x) for conhecida deve-se usar a derivada para obter os valores (exactos) de f 0 e f n. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
106 Interpolação segmentada - Splines Spline Spline cúbica Cada segmento i só pode ser usado para interpolar a função no intervalo [x i 1, x i ], uma vez que a spline é uma função definida por segmentos: s 1 3 (x) se x [x 0, x 1 ] s s 3 (x) = 2 3 (x) se x [x 1, x 2 ] s n 3 (x) se x [x n 1, x n ] Que segmento? Na prática determinamos apenas o segmento que possa interessar para obter uma estimativa da função. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
107 Interpolação segmentada - Splines Erro de truncatura Erro de truncatura da spline f(x) s 3 (x) h4 M 4 em que h é o maior espaçamento entre pontos usados na construção da spline e M 4 e um majorante do valor absoluto da quarta derivada de f(x) no intervalo [x 0, x n ], i.e, max ξ [x 0,x n] f (iv) (ξ) M 4 Erro de truncatura da derivada da spline f (x) s 3(x) 1 24 h3 M 4 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
108 Interpolação segmentada - Splines Árvore de decisão Natural Usando todos os pontos da tabela, considerar M 0 = M n = 0. Spline cúbica Completa Deriv. desc. Deriv. conhec. f (x 0 ) =?, f (x n ) =? f (x 0 ), f (x n ) Estimar as derivadas por diferenças divididas, removendo dois pontos na tabela Usar as derivadas nas duas equações adicionais Resolver um sistema de equações lineares por EGPP para obter os M s. Determinar segmento e calcular aproximação. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
109 Interpolação segmentada - Splines Exemplo Enunciado Ao efectuar observações astronómicas medindo as variações na magnitude aparente, M, de uma estrela variável chamada variável Cepheid, ao longo de um período de tempo, t, foram obtidos os seguintes valores: tempo (t) Magnitude aparente (M) Determine um valor aproximado da magnitude aparente da variável Cepheid no instante t = 0.4, utilizando uma spline cúbica completa. Como se trata de uma spline completa em que se desconhece as derivadas em t = 0 e t = 0.8, considerámos a = 0.3 e b = 0.6 como pontos auxiliares no cálculo da aproximação a f 0 e f n (mudança de notação para não dar confusão com as incógnitas da spline). A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
110 Interpolação segmentada - Splines Resolução Temos então que: f 0 = e ficámos com = f 2 = i t i f i Só existe uma equação para o único nó interior (i = 1). = (t 1 t 0 )M 0 + 2(t 2 t 0 )M 1 + (t 2 t 1 )M 2 = 6 (f 2 f 1 ) 6 (f 1 f 0 ) t 2 t 1 t 1 t 0 0.5M M M 2 = 6( ) 0.3 6( ) 0.5 = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
111 Interpolação segmentada - Splines Resolução Cont. Como a spline é completa temos as duas condições adicionais: 2(t 1 t 0 )M 0 + (t 1 t 0 )M 1 = 6 t 1 t 0 (f 1 f 0 ) 6f 0 2(t 2 t 1 )M 2 + (t 2 t 1 )M 1 = 6f 2 6 (f 2 f 1 ) t 2 t 1 Substituindo: 6( ) M M 1 = 6 ( ) = ( ) 0.6M M 1 = 6 ( 0.555) = Resultando no seguinte sistema linear: M 0 = M 1 = M 2 = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
112 Interpolação segmentada - Splines Segmento Como t = 0.4 se encontra no primeiro segmento da spline temos: M 0 M 1 s 1 3(t) = 6(t 1 t 0 ) (t 1 t) 3 + 6(t 1 t 0 ) (t t 0) 3 + [ f 0 (t 1 t 0 ) M ] 0(t 1 t 0 ) (t 1 t)+ 6 [ s 1 3(t) = (0.5 t) t 3 + [ f 1 (t 1 t 0 ) M 1(t 1 t 0 ) 6 ] (t t 0 ) ] (0.5 t)+ [ ] t A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
113 Interpolação segmentada - Splines Aproximação s 1 3(t) = (0.5 t) t (0.5 t) t Não desenvolver o polinómio s 1 3(0.4) = ( ) ( ) = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
114 Interpolação segmentada - Splines Erro de truncatura Para o cálculo do erro de truncatura da spline temos calcular h = max(t i t i 1 ) = max( , ) = max(0.5, 0.3) = 0.5 i Uma vez que a função é desconhecida (majorante da quarta derivada) temos que usar as diferenças divididas. t i f i (M i ) dd1 dd2 dd3 dd A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
115 Interpolação segmentada - Splines Erro de truncatura Logo temos que M 4 = ! = !, resultando em (Se existissem mais diferenças divididas de quarta hora escolher-se-ia a de maior valor absoluto e se não existirem pontos suficientes não é possível calcular o erro de truncatura.) s 3 (x) f(x) ! = A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
116 Mínimos quadrados lineares Conteúdo 1 Introdução 2 Erros 3 Zeros de funções 4 Resolução de sistemas lineares 5 Resolução de sistemas não lineares 6 Interpolação polinomial 7 Interpolação segmentada - Splines 8 Mínimos quadrados lineares 9 Equações diferenciais - Condições iniciais 10 Equações diferenciais - Condições Fronteira 11 Integração numérica A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
117 Mínimos quadrados lineares Mínimos quadrados lineares Motivação Os mínimos quadrados são usados quando os dados obtidos para uma determinada função f(x) estão afectados de erros (ou ruídos). Neste caso não faz muito sentido usar uma interpolação, mas sim construir uma função que reflicta, na generalidade, o comportamento dos dados. Exemplo Suponhamos que se pretende estimar o consumo de um automóvel em função da velocidade. Através da realização de várias experiências chegou-se aos seguintes valores: x i (velocidade - km/h) f i (consumo l/100km) A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
118 Mínimos quadrados lineares Cont. Seria correcto usar um polinómio interpolador para modelar a função f(x)? Consumo (l/100km) Velocidade (km/h) O mais correcto seria determinar um polinómio de grau 2 (ou c 1 + c 2e x?) que melhor se aproxima-se dos dados da tabela. A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
119 Mínimos quadrados lineares Forma geral do problema - Caso discreto Dado um conjunto de valores (x i, f i ), i = 1,..., m, pretende-se determinar um modelo M(x) que aproxima o melhor possível a função dada, ou seja, minimizar f M(x), f M(x) em que Pretende-se então m g(x), h(x) = ω(x i )g(x i )h(x i ). i=1 m minimizar (f i M(x i )) 2 i=1 A. Ismael F. Vaz (UMinho) MN MIEMec. 2007/ / 203
Métodos 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 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 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 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. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.
Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.
Leia maisMétodos Numéricos C Apresentação da Disciplina
Métodos Numéricos C Apresentação da Disciplina Isabel Espírito Santo Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho iapinho@dps.uminho.pt http://www.norg.uminho.pt/iapinho/
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 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 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 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 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 maisSISTEMAS LINEARES PROF. EDÉZIO
SOLUÇÕES NUMÉRICAS DE SISTEMAS LINEARES PROF. EDÉZIO Considere o sistema de n equações e n incógnitas: onde E : a x + a x +... + a n x n = b E : a x + a x +... + a n x n = b. =. () E n : a n x + a n x
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 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 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 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 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 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 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 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 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 maisBioinformática Avançada e Biologia de Sistemas Optimização
Bioinformática Avançada e Biologia de Sistemas Optimização A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado em Bioinformática
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 maisINSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: 2002/
INSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: / ANÁLISE NUMÉRICA Exercícios Considere o sistema linear 6 x 5 y = a)
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 maisINSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: 2002/2003
INSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo 00/003 ANÁLISE NUMÉRICA Formulário 1. Representação de Números e Teoria
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 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 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 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 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 - 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 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 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 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 maisUniversidade de Coimbra Departamento de Engenharia Electrotecnica e Computadores Matemática Computacional
Ano Lectivo: 2007/2008 Sumários da turma Teórico-Prática [TP1]: Aula: 1 Data: 2008-02-12 Hora de Início: 15:00 Duração: 1h30m Apresentação da Unidade Curricular. Discussão de aspectos relacionados com
Leia maisDisciplina: Cálculo Numérico IPRJ/UERJ. Sílvia Mara da Costa Campos Victer. Aula 6 - Solução de Sistema de Equações Algébricas
Disciplina: Cálculo Numérico IPRJ/UERJ Sílvia Mara da Costa Campos Victer Aula 6 - Solução de Sistema de Equações Algébricas Métodos diretos: 1- Eliminação de Gauss com substituição recuada 2- Decomposição
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 III Resolução Numérica de Sistemas de Equações Normas, Erros e Condicionamento.
Leia maisMétodos Numéricos e Estatísticos Parte I-Métodos Numéricos
Métodos Numéricos e Estatísticos Parte I-Métodos Numéricos Lic. Eng. Biomédica e Bioengenharia-2009/2010 lineares Muitos problemas da Física, Matemática, Engenharia, Biologia, economia e outras ciências,
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 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 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 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 maisEXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR. QUESTÃO 1: Indique as afirmativas verdadeiras.
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL: PRIMEIRO BIMESTRE: EDGARD JAMHOUR QUESTÃO 1: Indique as afirmativas verdadeiras. ( ) O número Pi não pode ser representado de forma exata em sistemas numéricos de
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 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 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 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 maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
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 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 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 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 maisSistemas de Equações Lineares
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 998/99 Sistemas de Equações Lineares PROBLEMAS Considere o seguinte sistema de equações da forma Ax = b : 3 2 3 2 2 2 2 x x
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios o semestre de 009/00 - LEMat e MEQ Resolução de sistemas lineares. Inuência dos erros de arredondmento. Consideremos o sistema linear A x = b, onde 0 6 0 A = 0 6,
Leia maisUniversidade Federal do Espírito Santo - UFES
Universidade Federal do Espírito Santo - UFES Centro Universitário Norte do Espírito Santo - CEUNES Departamento de Matemática Aplicada - DMA Prof. Isaac P. Santos - 2018/1 Aula: Métodos Iterativos Para
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 13 04/2014 Sistemas de Equações Lineares Parte 3 MÉTODOS ITERATIVOS Cálculo Numérico 3/44 MOTIVAÇÃO Os métodos iterativos
Leia maisMATEMÁTICA COMPUTACIONAL. Exercícios
MATEMÁTICA COMPUTACIONAL Exercícios Filipe J. Romeiras Departamento de Matemática Instituto Superior Técnico Junho de 2008 1 1. REPRESENTAÇÃO DE NÚMEROS E TEORIA DE ERROS 1 [1.1] Represente x num sistema
Leia maisMétodos Numéricos. MEI - Logística e distribuição Optimização não linear com restrições de igualdade 2004/2005
Métodos Numéricos MEI - Logística e distribuição Optimização não linear com restrições de igualdade 2004/2005 Métodos Numéricos - MEI 1 Apresentação - Docentes Aulas teóricas: A. Ismael F. Vaz - aivaz@dps.uminho.pt
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Introdução 2 Alguns Conceitos de Álgebra Linear 3 Sistemas Lineares 4 Métodos Computacionais 5 Sistemas Triangulares 6 Revisão Introdução Introdução Introdução
Leia maisSistemas de equações lineares
É um dos modelos mais u3lizados para representar diversos problemas de Engenharia (cálculo estrutural, circuitos elétricos, processos químicos etc.) Conservação da carga: i 1 i 2 i 3 = 0 i 3 i 4 i 5 =
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 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 maisSistemas Lineares. Métodos Iterativos Estacionários
-58 Sistemas Lineares Estacionários Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo -
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 mais6.Elaboração de algoritmos...13
Índice de conteúdos Capítulo 1. Computação Científica...1 1.Definição...1 2.Modelo genérico...2 3.Modelo matemático...2 4.Tipos de modelos matemáticos...3 5.Modelação matemática...5 5.1.Definição (formulação)
Leia maisCâmpus de Bauru. Plano de Ensino. Seriação ideal 3
Curso 1503 / 1504 - Licenciatura em Matemática Ênfase Identificação Disciplina 0007220A - Cálculo Numérico Computacional Docente(s) Antonio Roberto Balbo Unidade Faculdade de Ciências Departamento Departamento
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 maisCapítulo III Sistemas de equações
Capítulo III Sistemas de equações III1 - Condicionamento de sistemas lineares 1 Seja 1 0 0 10 6 e considere o sistema Ax = b, com b = 1 10 6 T, que tem por solução exacta x = 1 1 T (a) Determine cond(a)
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 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 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 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 maisResolução de Sistemas de Equações Lineares
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. Resolução de Sistemas de Equações
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 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 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 maisComputação Científica 65
Capítulo 3. 1. Métodos numéricos Sempre que se pretende resolver um problema cuja solução é um valor numérico, é habitual ter de se considerar, para além de conceitos mais abstratos (que fornecem um modelo
Leia maisAdérito Araújo. Gonçalo Pena. Adérito Araújo. Adérito Araújo. Gonçalo Pena. Método da Bissecção. Resolução dos exercícios 2.14, 2.15, 2.16 e 2.17.
1 2011-02-08 13:00 2h Capítulo 1 Aritmética computacional 1.1 Erros absolutos e relativos 1.2 O polinómio de Taylor Resolução do exercício 1.3 2 2011-02-08 15:00 1h30m As aulas laboratoriais só começam
Leia maisUma equação linear com n variáveis tem a seguinte forma:
Edgard Jamhour Uma equação linear com n variáveis tem a seguinte forma: a 1 x 1 + a 2 x 2 +... + a n x n = b onde a 1, a 2,..., a n e b são constantes reais. Um sistema de equações lineares é um conjunto
Leia maisCapítulo III: Sistemas de equações. III.1 - Condicionamento de sistemas lineares
EXERCÍCIOS DE MATEMÁTICA COMPUTACIONAL Capítulo III: Sistemas de equações III1 - Condicionamento de sistemas lineares 1 Seja 1 0 0 10 6 e considere o sistema Ax = b, com b = 1 10 6 T, que tem por solução
Leia maisAlgoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 2: Sistemas lineares c 2009 FFCf 2 2.1 Conceitos fundamentais 2.2 Sistemas triangulares 2.3 Eliminação de Gauss 2.4 Decomposição LU Capítulo 2: Sistemas lineares
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 maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Zeros de equações transcendentes e Tipos de Métodos polinomiais São dois os tipos de métodos para se achar a(s) raízes de uma equação:
Leia maisSistemas de equações lineares
DMPA IM UFRGS Cálculo Numérico Índice Sistema de Equações Lineares 1 Sistema de Equações Lineares 2 com pivoteamento parcial 3 Método de Jacobi Método Gauss-Seidel Sistema de Equações Lineares n equações
Leia maisMAP Exercício programa Data de entrega: 21/11/2012
Introdução MAP-2220 - Exercício programa 2-2012 Data de entrega: 21/11/2012 Interpolação Baricêntrica e Métodos de Colocação Este exercício programa tem como objetivo uma implementação da fórmula baricêntrica
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 maisUniversidade de Coimbra Departamento de Engenharia Electrotecnica e Computadores Matemática Computacional
Ano Lectivo: 2007/2008 Sumários da turma Teórico-Prática [TP2]: Aula: 1 Data: 2008-02-12 Hora de Início: 15:00 Duração: 1h30m Apresentação da Unidade Curricular. Discussão de aspectos relacionados com
Leia maisLista de Exercícios 1
Lista de Exercícios 1 MAT 01169 - Cálculo Numérico 2 de Agosto de 2015 As respostas de alguns exercícios estão no final da lista. Exercício 1. Converta para binário os números abaixo: (a) (102) 10 = (b)
Leia maisPlano de Ensino. Identificação. Câmpus de Bauru. Curso Licenciatura em Matemática. Ênfase. Disciplina A - Cálculo Numérico Computacional
Curso 1503 - Licenciatura em Matemática Ênfase Identificação Disciplina 0006315A - Cálculo Numérico Computacional Docente(s) Antonio Roberto Balbo Unidade Faculdade de Ciências Departamento Departamento
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 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 maisSME CÁLCULO NUMÉRICO I PROFESSORES MARCOS ARENALES MARISTELA SANTOS. Agosto 2011
SME0100 - CÁLCULO NUMÉRICO I PROFESSORES MARCOS ARENALES MARISTELA SANTOS Agosto 2011 SME0100 - Cálculo Numérico I Ementa: 1) Representação de números no computador. Erros em métodos numéricos. 2) Soluções
Leia maisSME602 - Cálculo Numérico - - Prof. Murilo F. Tomé. Solução Numérica de Sistema Lineares A = MÉTODOS DIRETOS. x y z
SME602 - Cálculo Numérico - - Prof. Murilo F. Tomé Solução Numérica de Sistema Lineares NORMAS DE VETORES E MATRIZES 1. Dado o vetor v = (, 1, 8, 2) T, calcule v 1, v 2 e v. 2. Dada a matriz: A = 5 7 2
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 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 maisCálculo Numérico Algoritmos
Cálculo Numérico Algoritmos Valdenir de Souza Junior Abril de 2007 Sumário 1 Introdução 1 2 Raízes de Equações 1 2.1 Método da Bisseção......................... 2 2.2 Método de Newton-Raphson.....................
Leia maisCapítulo 2 - Sistemas de Equações Lineares
Capítulo 2 - Sistemas de Equações Lineares 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
Leia maisExame (1º Teste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 11 de Janeiro de 2016, 15h00-16h15 (1º Teste)
Exame (º Teste) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, de Janeiro de 6, h-6h (º Teste) ) [] a) Determine p, o polinómio de menor grau tal que p() = a, p() = b, p () = p () =
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia mais