NOTAS DE AULAS

DE

CÁLCULO NUMÉRICO

ciências – uema

Elaborada por :
Raimundo Merval Morais Gonçalves
Licenciado em Matemática/UFMA
Professor Auxiliar/UEMA
Especialista em Ensino de Ciências/UEMA

São Luís – Ma
JULHO / 2006
 ÍNDICE

p.
1. Zeros.de Funções Reais ................................................................. 01
– Método da Bisseção
– Método de Newton
– Método da Secante

2. Sistemas Lineares .......................................................................... 07

– Método de Gauss
– Método de Gauss – Seidel

3. Interpolação .................................................................................... 12
– Polinômio Interpolador de Lagrange
– Polinômio Interpolador de Newton
– Polinômio Interpolador de Newton–Gregory

4. Integração Numérica ...................................................................... 22

– Regra dos Trapézios
– Regra de Simpson
– Integrais Múltiplas

5. Ajuste de Curvas ............................................................................. 30

– Ajuste Linear
– Ajuste Polinomial
– Transformações
 1

ZEROS DE FUNÇÃO REAIS

1. INTRODUÇÃO
Nas diversas áreas das ciências exatas ocorrem freqüentemente, situações que envolvem a
resolução de uma equação do tipo ƒ( x ) = 0, ou seja, devemos encontrar um número ε tal que ƒ( ε ) = 0.
Este número ε é chamado raiz da equação ƒ( x ) = 0 ou Zero da função ƒ( x ).
As equações algébricas de 1º e 2º graus, certas classes de 3º e 4º graus e algumas equa-
ções transcendentes podem ter suas raízes computadas através de Métodos Analíticos, mas para poli-
nômios de grau superior a quatro e para a grande maioria das equações transcendentes o problema só
podem ser resolvido por Métodos Numéricos, ou seja , Métodos que aproximam as soluções.
Embora estes métodos não forneçam raízes exatas, elas podem ser calculadas com exati-
dão que o problema requeira, desde que certas condições sobre ƒ sejam satisfeitas.

2. ISOLAMENTO DE RAÍZES
Qualquer que seja o método numérico( iterativo ) utilizado para encontrar as raízes de
uma equação ƒ( x ) = 0, duas etapas devem ser seguidas :

a) Localizar ou isolar as raízes, ou seja, devemos encontrar um intervalo [ a, b ], o menor possível,

que contenha uma e somente uma raiz da equação ƒ( x ) = 0 ;

b) Melhorar o valor da raiz aproximada, isto é, refiná-la até o grau de exatidão requerido.

2.1 – LOCALIZAÇÃO DAS RAÍZES

Graficamente, os Zeros reais são representados pelas abscissas dos pontos onde uma curva
intercepta o eixo-x, como mostra as figuras abaixo.

Para esta fase, faremos uso do teorema abaixo.

TEOREMA 1 : Seja ƒ( x ) uma função contínua num intervalo [ a, b ]. Se ƒ( a ) . ƒ( b ) < 0, então

existe pelo menos um ponto x = ε entre a e b que é Zero de ƒ( x ).

Graficamente temos :
 2

OBSERVAÇÃO: A raiz ε existe e é única se a derivada ƒ ' ( x ) existir e preservar o sinal dentro do
intervalo ( a, b ), isto é, se ƒ ' ( x ) > 0 ou ƒ ' ( x ) < 0 para a < x < b.

Uma forma de isolar as raízes de ƒ( x ) utilizando os resultados anteriores é tabelar ƒ( x )

para vários valores de x e analisar as mudanças de sinal de ƒ( x ) e o sinal da derivada nos intervalos
em que ƒ( x ) mudar de sinal.

EXERCÍCIO PROPOSTO : Determinar os intervalos em que as equações possuem raízes.

a) ƒ( x ) = x3 – 9x + 3 b) ƒ( x ) = x –5.e
–x

TEOREMA 2 : Sejam a n > 0 , a o ≠ 0 e k ( 0 ≤ k ≤ n – 1 ) o maior índice dos coeficientes negativos do

polinômio P( x ) . Então, para o limite superior das raízes positivas da equação P( x ) = 0
pode–se tomar o número :

B
L=1+ n −k , onde B é o máximo dos valores absolutos dos coeficientes ne-
an
gativos do polinômio P( x ).

2.2 – CONVERGÊNCIA DA RAIZ

Se uma raiz ( ε ) já estiver isolada em dado intervalo [ a, b ] , então a próxima etapa con-
siste em gerar uma sequência { x o , x 1, x 2 , . . . , x k , . . . ε } ∈ [ a, b ] que convirja para o valor exato
da raiz de ƒ ( x ) = 0. Antes de serem abordados os métodos de resolução é necessário definir um cri-
tério de parada, quando se deve interromper a geração da sequência. A sequência é interrompida
quando seus valores satisfizerem pelo menos um dos três critérios abaixo :

| x n − x n −1 |
a) | ƒ( x n ) | ≤ E b) | x n – x n – 1 | ≤ E c) ≤ E , onde ( E ) é o erro fornecido
| xn |
pelo exercício.

3. MÉTODOS ITERATIVOS PARA SE OBTER ZEROS REAIS DE FUNÇÕES

3.1 – MÉTODO DA BISSECÇÃO

Seja uma função ƒ( x ) contínua no intervalo [ a, b ] e tal que ƒ( a ) . ƒ( b ) < 0.
Vamos supor, que o intervalo [ a, b ] contém uma única raiz da equação ƒ( x ) = 0.
O objetivo do método é reduzir a amplitude do intervalo que contém a raiz até se atingir a
precisão requerida : ( b – a ) < E( erro ), utilizando–se para isto a sucessiva divisão de [ a, b] ao meio.
Dividindo o intervalo [ a, b ] ao meio, obtém-se x o , havendo, pois dois subintervalos, [ a,
x o ] e [ x o , b ] , a ser considerados .
Se ƒ( x o ) = 0, então ε = x o ; caso contrário, a raiz estará no subintervalo onde a função tem si-
nais opostos nos pontos extremos, ou seja, se ƒ( a ) . ƒ ( x o ) < 0, então ε ∈ ( a, x o ) ; se ƒ( a ) . ƒ ( x o ) > 0,
então ε ∈ ( x o , b ).
 3

EXERCÍCIO RESOLVIDO : Calcular a raiz positiva da equação ƒ ( x ) = x ² – 3 , com E ≤ 0,01

SOLUÇÃO

Isolando-se a raiz, tem-se que ε ∈ ( 1, 2 ) e que ƒ( 1 ) = – 2 e ƒ( 2 ) = 1 .

n an bn xn ƒ( x n ) E
0 1,00000 2,00000 1,50000 – 0,75000
1 2,00000 1,50000 1,75000 + 0,06250 0,25000
2 1,50000 1,75000 1,62500 – 0,35938 0,12500
3 1,75000 1,62500 1,68750 – 0,15234 0,06250
4 1,75000 1,68750 1,71875 – 0,04590 0,03125
5 1,75000 1,71875 1,73437 + 0,00806 0,01563
6 1,71875 1,73437 1,72656 – 0,01899 0,00781
7 1,73437 1,72656 1,73047 – 0,00549 0,00391
8 1,73437 1,73047 1,73242 + 0,00128 0,00195

EXERCÍCIOS PROPOSTOS

1. Calcular a raiz positiva da equação ƒ( x ) = x2 – 5 com E ≤ 0,01.

R . ε = 2,23607

2. Calcular a raiz da equação ƒ( x ) = x2 + ln x com E ≤ 0,01, sendo que ε ∈ ( 0,5 ; 1 ).

R . ε = 0,65292

3. Encontre a raiz da equação ƒ( x ) = x 4 – 10 com E ≤ 0,01, sabendo-se que ε ∈ ( 1,5 ; 2 ).

R . ε = 1,77828

3.2 – MÉTODO DE NEWTON – RAPHSON

O Método de Newton combina duas idéias básicas comuns nas aproximações numéricas :
linearização e iteração.
Na linearização, procuramos substituir ( numa certa vizinhança ) um problema complica-
do por uma aproximação linear que, por via de regra, é facilmente resolvida.
Por outro lado, um processo iterativo, ou aproximações sucessivas, consiste na repetição
sistemática de um procedimento até que atingido o grau de aproximação desejado.
No caso do Método de Newton, a linearização consiste na " substituição " da curva y = ƒ( x )
por sua reta tangente.
Seja x o uma aproximação inicial da raiz, como ilustra a figura. Aproximando a curva
y = ƒ( x ) por sua reta tangente traçada no ponto ( x o , ƒ( x o ) ) obtemos a aproximação linear. Encon-
trando o ponto de interseção desta reta com o eixo dos x, obteremos uma nova aproximação para a
raiz, o ponto x 1 da figura.
O processo iterativo será obtido pela repetição do procedimento. Para estabelecer expres-
sões que permitam o cálculo de x1 , x2 , x3 , . . . observamos que a tangente do ângulo θ pode ser
obtida tanto da definição da função trigonométrica tangente quanto pela derivada de ƒ( x ) no ponto
x o ( inclinação da reta tangente ). Assim temos que :
 4

f (x o )
tg θ = = ƒ' ( x o ) c .
x o − x1

f (x o )
Da igualdade anterior explicitamos x 1 e temos : x 1 = x o – ; na repetição, ou seja,
f ' (x o )
uma nova interação, calculamos x 2 a partir de x 1 e assim sucessivamente.
Seja ƒ( x ) uma função contínua no intervalo [ a, b ] e ε o seu único zero neste intervalo ;
as derivadas ƒ'( x ) e ƒ''( x ) devem também ser contínuas. Encontra-se uma aproximação x n para a raiz
ε , e então utiliza-se a expressão abaixo, que é uma generalização, da expressão anterior, a para gerar as
aproximações seguintes :
f (x n )
xn+1 = xn – , para n = 0, 1, 2, . . . . O lado direito desta expressão defi-
f ' (x n )
ne a Função de Interação do Método de Newton.
As iterações param quando x n + 1 = x n , para o E( erro ) considerado.
Para podermos aplicar o método de Newton – Raphson, devemos, portanto, observar as
seguintes condições para convergência :
I – as derivadas ƒ ' ( x ) e ƒ '' ( x ) devem ser não nulas e preservar o mesmo sinal em [ a, b ] ;
II – a escolha do ponto x o deve ser tal que ƒ ( x o ) . ƒ '' ( x o ) > 0 ;

EXERCÍCIOS PROPOSTOS

1. Calcular a raiz negativa de ƒ( x ) = x 3 – 5x 2 + x + 3 , considerando x o = – 1,5 com E ≤ 10 – 3 .

2. Calcular pelo menos uma raiz real das equações abaixo, com E ≤ 10 –3, usando o método de Newton.

a) ƒ( x ) = 2x – sen x + 4 = 0 b) ƒ( x ) = e x + 2x = 0 c) ƒ( x ) = x 5 – 6

R. ε = – 0,64575 ; a) – 2,3542 ; b) – 0,35173 ; c) 1,43097

3.3 – MÉTODO DA SECANTE

Uma grande desvantagem do método de Newton é a necessidade de se obter e calcular o
valor numérico de ƒ'( x ) a cada interação.
Alternativamente, podemos usar retas secantes como aproximações lineares locais da
função em vez das tangentes. Neste caso, são necessárias duas aproximações para iniciarmos o pro-
cesso. Chamaremos estas aproximações iniciais de x o e x 1 .
No método da Secante, tomamos a reta que passa pelos pontos ( x o , ƒ( x o ) ) e ( x 1 , ƒ( x 1 ) )
como uma aproximação linear da curva y = ƒ( x ) , como indica a figura.
Para estabelecer a relação de recorrência do Método das Secantes, utilizamos a semelhan-
ça dos triângulos ABC e AED :
 5

f (x o ) f (x 1 )
= , onde x 2 é o ponto denotado por A na figura. Explicitando o valor
xo − x2 x1 − x 2
de x 2 teremos :
x o .f ( x 1 ) − x 1 .f ( x o )
x2 =
f (x 1 ) − f (x o )

x n −1 .f ( x n ) − x n .f ( x n −1 )
Generalizando, teremos : x n + 1 = , onde x n e x n–1 são as duas
f ( x n ) − f ( x n −1 )
aproximações iniciais para a raiz ( ε ) em um intervalo [ a, b ] e as iterações param quando x n + 1 = x n ,
para o E( erro ) considerado.

OBSERVAÇÃO : A diferença entre o Método de N–R e o das Secantes está em substituir a derivada
ƒ'( x n ) pela secante, ou seja :
f ( x n ) − f ( x n −1 )
ƒ'( x n ) ≈ .
x n − x n −1

Os critérios de convergência são praticamente os mesmos do método N–R , acrescentan-

do-se ainda que o método pode divergir se ƒ( x n ) ≈ ƒ( x n – 1 ) .

EXERCÍCIO PROPOSTO : Encontre uma raiz para a equação 2x3 – 5x2 – 10x + 20 = 0, onde ε ∈ [ 3 ; 4 ]
e E ≤ 10 – 3 .

R. 3,0672
 6

EXERCÍCIOS COMPLEMENTARES

1. Calcular a raiz da equação ƒ( x ) = x3 – 2x – 5 pelo método da bisseção onde ε ∈ [ 2 ; 2,5 ], com

E ≤ 10 – 2 .

R . ε = 2,09455

2. Calcular a raiz da equação ƒ( x ) = 4.sen x – e x com E ≤ 10 – 3 , sabendo-se que ε ∈ [ 0 ; 0,9 ] .

a) pelo método da secante b) pelo método de Newton( x o = 0,15 )

R . ε = 0,37055

3. Calcular pelo menos uma raiz real das equações abaixo, com E ≤ 10 – 3 , usando o método da se-
cante.

a) ƒ( x ) = x2 – 10 ln x – 5 = 0 b) ƒ( x ) = 2x3 + x2 – 2 = 0

R. : a) ε = 4,4690 ; b) ε = 0,8581

4. Calcular pelo menos uma raiz real da equação abaixo, com E ≤ 10 – 4 , utilizando o método da se-
cante.
2
e − x – cos x = 0 , ε ∈ [ 1, 2 ] .
R . ε = 1,4474

5. Calcular pelo menos uma raiz real das equações abaixo, utilizando o método sugerido.

a) x3 – 9x + 3 = 0 , ε ∈ [ 0,1 ] , E ≤ 10 – 4 ( Newton )

b) x . log x – 1 = 0 , x o = 2,5 ( Newton ) ou x o = 2,0 ( secante ) , E ≤ 10 – 7

c) x3 – 2x2 – 3x + 10 = 0 , x o = – 1,8 , E ≤ 10 – 4 ( Newton )

x
d) – tg x = 0 , x o = – 0,5 , E ≤ 10 – 4 ( Newton )
2

R. a) 0,3376 ; b) 2,5062 ; c) – 2,000 ; d) 0

6. Calcule as seguintes raízes com um erro menor 10 – 3 , utilizando o método de Newton.

3 5
a) 7 b) 28 c) 4 18 d) 30
 7

SISTEMAS LINEARES

1. INTRODUÇÃO
Um problema de grande interesse prático que aparece, por exemplo, em cálculo de estru-
turas e redes elétricas e soluções de equações diferenciais, é o da resolução numérica de um sistema
linear S n de n equações com n incógnitas :

⎧ a 11 x 1 + a 12 x 2 + L + a 1n x n = b1
⎪a x + a x + L + a x = b
⎪
S n = ⎨ 21 1 22 2 2n n 2

⎪ L L L L L L L L L L L L
⎪⎩a n1 x 1 + a n 2 x 2 + L + a nn x n = b n

2. TRANSFORMAÇÕES ELEMENTARES
Denominam-se transformações elementares às seguintes operações sobre as equações de
um sistema linear :

a) Trocar a ordem de duas equações do sistema

b) Multiplicar uma equação do sistema por uma constante não nula
c) Adicionar duas equações do sistema

Dois sistemas S 1 e S 2 serão equivalentes se S 2 puder ser obtido de S 1 através de trans-

formações elementares.
Dois sistemas equivalentes S 1 e S 2 ou são incompatíveis ou têm as mesmas soluções.
A resolução numérica de um sistema linear é feita, em geral, por dois caminhos : os méto-
dos diretos e os métodos iterativos.

3. MÉTODOS DIRETOS
São métodos que determinam a solução de um sistema linear com um número finito de
operações.

3.1 – MÉTODO DE GAUSS

O método de Gauss consiste em transformar o sistema linear original num sistema linear
equivalente com matriz dos coeficientes triangular superior, pois estes são de resolução imediata

Vamos através de exemplos mostrar como funciona o método de Gauss.

EXERCÍCIO RESOLVIDO : Resolver o sistema :

⎧ 2x 1 + 3x 2 − x 3 = 5
⎪
S = ⎨ 4x 1 + 4x 2 − 3x 3 = 3
⎪ 2x − 3x + x = −1
⎩ 1 2 3
 8

O dispositivo prático dado a seguir torna mais compacta a triangulação da matriz aumen-
tada do sistema. Nas linhas ( 1 ), ( 2 ) e ( 3 ) colocam-se os coeficientes das incógnitas e os termos
independentes do sistema em suas respectivas colunas, calculando-se, na coluna Multiplicador, os
multiplicadores da linha ( 1 ) que serão usados na eliminação dos primeiros elementos das linhas ( 2 )
e ( 3 ). Nas linhas ( 4 ) e ( 5 ) colocam-se as transformadas das linhas ( 2 ) e ( 3 ), indicando-se as res-
pectivas transformações na coluna Transformações ; calcula-se, também , o multiplicador da linha
( 4 ) a ser usado na eliminação do primeiro elemento não nulo da linha ( 5 ). Na linha ( 6 ) coloca-se a
transformada da linha ( 5 ) indicando a transformação na coluna Transformações :

Linha Multiplicadores Coeficientes das Termos Indepen- Transformações

Incógnitas dentes
L1 2 3 –1 5
4
− = −2
L2 2 4 4 –3 3
2
− = −1
2
L3 2 –3 1 –1
L4 −6 0 –2 –1 –7 – 2 . L1 + L2
− = −3
−2
L5 0 –6 2 –6 – 1 . L1 + L3
L6 0 0 5 15 – 3 L4 + L5

OBSERVAÇÃO : Se o pivô for Nulo ou próximo de Zero, devemos escolher para pivô o elemento de
maior módulo entre os coeficientes.

EXERCÍCIOS PROPOSTOS

1. Resolver o sistema linear, utilizando o método de Gauss ;

⎧3x 1 + 2x 2 + 4x 3 = 1
⎪
S = ⎨ x 1 + x 2 + 2x 3 = 2
⎪4x + 3x − 2 x = 3
⎩ 1 2 3
R.S={(–3;5;0)}

2. Resolver pelo método de Gauss retendo, durante os cálculos, duas casas decimais, se necessário.

⎧ 4 x1 − x 2 − x 4 = 6
⎪ x − 2x + x = 8
⎪ 1 2 3
⎨
⎪ 4 x 2 − 4 x 3 + x 4 = −7
⎪⎩5 x1 + 5 x 3 − 10 x 4 = −40

R. S = { ( 2 ; – 3 ; 0 ; 5 )}
 9

4. MÉTODOS ITERATIVOS
Sistemas lineares de grande porte são em geral esparsos.
Dizemos que um sistema linear é Esparso quando a matriz ( A ) dos coeficientes possui
uma grande percentagem de elementos Nulos.
Para tais sistemas, a resolução através do método de Eliminação de Gauss não é aconse-
lhável porque este método não preserva esparsidade, ou seja, durante o processo de eliminação muitos
elementos nulos poderão se tornar não nulos.
Existem alguns métodos que fazem uso apenas dos elementos da matriz ( A ) original. Esses
métodos consistem de algoritmos simples para converter qualquer vetor x ( k ) em outro, x ( k + 1 ), que
dependem de x( k ), A e b, e preservam a esparsidade de A pois os elementos desta matriz não são
alterados. Eles pertencem à classe dos métodos Iterativos para resolver um sistema linear.

4.1 – MÉTODO ITERATIVO DE GAUSS – SEIDEL

O processo iterativo consiste em, sendo x ( 0 ) uma aproximação inicial, calcular x ( 1 ) , x ( 2 ) , .
(k)
. . , x , . . . , utilizando as igualdades :

1
x1 ( k + 1 ) = [ b1 – a12.x2 ( k ) – a13.x3( k ) – . . . – a1n.x n ( k ) ]
a 11
1
x2 ( k + 1 ) = [ b2 – a21.x1 ( k + 1 ) – a23.x3( k ) – . . . – a2n.x n ( k ) ]
a 22
1
x3 ( k + 1 ) = [ b3 – a31.x1 ( k + 1 ) – a32.x2( k + 1 ) – . . . – a3n.x n ( k ) ]
a 33
.
.
.
1
xn (k+1) = [ b n – an1.x1 ( k + 1 ) – an2.x2( k + 1 ) – . . . – a n, n – 1.x n – 1 ( k +1 ) ]
a nn

Portanto, no processo iterativo de Gauss – Seidel, no momento de se calcular x j ( k + 1 ) utilizamos

todos os valores de x1 ( k + 1 ) , . . . , x j – 1 ( k + 1 ) que já foram calculados e os valores x j + 1 ( k ) , . . . , xn ( k ) .

OBSERVAÇÕES :

1. Para que haja convergência do Método de Gauss – Seidel vamos estabelecer uma condição sufici-
ente, ou seja, temos que ter β < 1 onde β = máx βj e :
1≤j≤n

| a 12 | + | a 13 | + L + | a 1n | | a j1 | .β 1 + | a j2 | .β 2 + L + | a jj−1 | .β j−1 + L + | a jn |
β1 = e βj =
| a 11 | | a jj |

2. O critério de parada nos cálculos deve satisfazer a condição abaixo, assim como o Erro( E ) :

| x ( k +1) − x ( k ) |
| x ( k + 1 ) – x ( k ) | < E ou < E , onde E é o erro a considerado .
| x ( k +1) |
 10

⎧ 4 x1 + 0,24 x2 − 0,08 x3 = 8
EXERCÍCIO RESOLVIDO : Resolver o sistema ⎪⎨ 0,09 x1 + 3 x2 − 0,15 x3 = 9 , pelo método de Gauss – Sei-
⎪0,04 x − 0,08 x + 4 x = 20
⎩ 1 2 3
(0)
del, onde x = ( 0, 0, 0 ) e E < 0,001.

n X1 X2 x3
1 2,00000 2,94000 5,03880
2 1,92437 3,19421 5,04464
3 1,90924 3,19496 5,04481
4 1,90920 3,19496 5,04481

S = { ( 1,9092 ; 3,1946 ; 5,0448 ) }

EXERCÍCIOS PROPOSTOS :

1. Resolver o sistema linear , pelo método de Gauss – Seidel com x( 0 ) = ( 0, 0, 0 ) e Ε ≤ 0,01 :

⎧ 5x 1 + x 2 + x 3 = 5
⎪
⎨ 3x 1 + 4x 2 + x 3 = 6
⎪3x + 3x + 6x = 0
⎩ 1 2 3
R. S = { ( 1,00 ; 0,99; – 1,00 ) }

2. Seja o sistema linear, com x( 0 ) = ( 0, 0 ) e Ε ≤ 0,01, resolva-o utilizando o método de Gauss –

Seidel.

⎧ 2x 1 − x 2 = 1
⎨
⎩x 1 + 2 x 2 = 3
R. S = { ( 0,99 ; 1,00 ) }

3. Resolver o sistema linear , pelo método de Gauss – Seidel com x( 0 ) = ( 0, 0, 0 ) e Ε ≤ 10– 2 :

⎧ 8 x1 + x 2 − x 3 = 8
⎪
⎨ x1 − 7 x 2 + 2 x 3 = −4
⎪ 2 x + x + 9 x = 12
⎩ 1 2 3

R. S = { ( 1,00 ; 1,00 ; 1,00 ) }

4. Resolver o sistema linear , pelo método de Gauss – Seidel com x( 0 ) = ( 0, 0, 0 ) e Ε ≤ 10– 2 :

⎧ 10 x1 − x 2 = 9
⎪
⎨− x1 + 10 x 2 − 2 x 3 = 7
⎪ − 4 x + 10 x = 6
⎩ 2 3

R. S = { ( 1,00 ; 0,99 ; 0,99 ) }

 11

EXERCÍCIOS COMPLEMENTARES

1. Resolver os sistemas lineares abaixo, utilizando o método de Gauss :

⎧x 1 + 2 x 2 + 3x 3 + 4 x 4 = 10
⎪ 2x + x + 2x + 3x = 7 ⎧ 10x 1 + 2 x 2 + x 3 = 7
⎪ ⎪
a) ⎨ 1 2 3 4
b) ⎨ x 1 + 5x 2 + x 3 = −8
⎪ 13 x + 2 x 2 + x 3 + 2 x 4 =6 ⎪2 x + 3x + 10 x = 6
⎪⎩ 4 x 1 + 3x 2 + 2x 3 + x 4 = 5 ⎩ 1 2 3

⎧ 1 1
⎧ 2 x1 + 3x 2 + x 3 − x 4 = 6,9 ⎪ x1 + 2 x 2 + 3 x 3 = 1
⎪ − x + x − 4 x + x = −6,6 ⎪⎪ 1
⎪ 1 1
c) ⎨ 1 2 3 4
d) ⎨ x 1 + x 2 + x 3 = 0
⎪ 1 x + x 2 + x 3 + x 4 = 10,2 ⎪ 2 3 4
⎪⎩4 x1 − 5 x 2 + x 3 − 2 x 4 = −12,3 ⎪1 x + 1 x + 1 x = 0
1 2 3
⎩⎪ 3 4 5

R. S = { ( 0 ; 1 ; 0 ; 2 ) } ; b) S = { ( 0,99 ; – 1,98 ; 0,99 ) } ; S = {( 0,9 ; 2,1 ; 3,0 ; 4,2 )}

d) S = { ( 9, – 36 , 30 ) }

2. Resolva os sistemas lineares abaixo, utilizando o método de Gauss – Seidel, onde E ≤ 0,01 e x( 0 )
é dado.

⎧ x 1 − 0,25x 2 − 0,25x 3 = 0
⎪ − 0,25x + x − 0,25x = 0
⎪
a) ⎨ 1 2 4
, onde x( 0 ) = ( 0, 0, 0, 0 )
⎪ − 0, 25 x 1 + x 3 − 0, 25 x 4 = 0, 25
⎪⎩ − 0,25x 2 + x 4 = 0,25

⎧ 4x 1 + x 2 + x 3 + x 4 = 7 ⎧ − 3x 1 + 2 x 2 = 1
⎪2 x − 8x + x − x = −6 ⎪ x − 4x + x = 0
⎪ ⎪
b) ⎨ 1 2 3 4
, onde x( 0 ) = ( 0, 0, 0, 0 ) c) ⎨ 1 2 3
, onde x ( 0 ) = ( 0, 0, 0, 0 )
x
⎪ 1 + 2 x 2 − 5 x 3 + x 4 = − 1 x
⎪ 2 − 5 x 3 + x 4 = 0
⎪⎩ x 1 + x 2 + x 3 − 4 x 4 = −1 ⎪⎩ x 3 − 2x 4 = 0

⎧ 1,7 x 1 − 1,5x 3 = − 2,48

⎪
d) ⎨ 1,1x 1 + 1,6x 2 = 4,57 , onde x( 0 ) = ( 1, 2, 3 )
⎪− 2,2x + 1,5x = −0,25
⎩ 2 3

RESPOSTAS : a ) S = {( 0,119 ; 0,096 ; 0,346 ; 0,274 ) } ; b) S = {( 0,99 ; 1,00 ; 1,00 ; 1,00 )} ;

c) S = { ( – 0,404 ; – 0107 ; – 0,024 ; – 0,012 ) }
 12

INTERPOLAÇÃO

1. INTRODUÇÃO
Interpolar uma função consiste em "substituir " esta função ƒ( x ), por outra função g( x )
com o objetivo de se realizar ou facilitar certas operações.
A necessidade de se efetuar esta "substituição " surge em várias situações, como por exemplo :

a) quando são conhecidos somente os valores numéricos da função para um conjunto de pontos e é
necessário calcular o valor da função em um ponto não tabelado ;

b) quando a função em estudo tem uma expressão tal que operações como a diferenciação e a integra-
ção são difíceis( ou mesmo impossíveis ) de serem realizadas.

2. INTERPOLAÇÃO POLINOMIAL
Dados os pontos ( x o, ƒ( x o) ) , ( x1, ƒ( x1 ) ) , . . . , ( x n, ƒ( x n ) ), portanto ( n + 1 ) pontos,
queremos aproximar ƒ( x ) por um Polinômio de grau ≤ n , p n( x ) tal que :

ƒ( x k ) = p n( x k ) , para k = 0, 1, 2, 3, . . ., n

OBSERVAÇÃO : Sempre existe um polinômio p n( x ) que satisfaz as condições acima e este polinô-
mio é único.

3. FORMAS DE SE OBTER p n( x )
Conforme a observação acima, o polinômio que interpola ƒ( x ) em x o, x1, . . ., x n é úni-
co, porém existem várias formas para se obter tal polinômio. Entre estas formas veremos as forma de
Lagrange e a de Newton.

3.1 – POLINÔMIO INTERPOLADOR DE LAGRANGE

Sejam x o, x 1, x 2, . . . , x n, ( n + 1 ) pontos distintos e y i = ƒ( x i ), ∀ i = 0, . . . , n.
Seja p n( x ) , o polinômio de grau ≤ n que interpola ƒ em x o, x1, . . . , x n . Podemos
representar p n( x ) na forma p n( x ) = y o.L o( x ) + y 1.L 1( x ) + . . . + y n.L n( x ), onde L k( x ) são po-
linômios de grau ≤ n. Para cada ( i ), queremos que a condição p n( x i ) = y i seja satisfeita, ou seja :

p n( x ) =y o.L o( x ) + y 1.L 1( x ) + . . . + y n.L n( x ) = y i , onde :

( x − x o ).( x − x 1 ).L.( x − x k −1 ).( x − x k +1 ).L .( x − x n )

L k( x ) = , esta é a Forma de
( x k − x o ).( x k − x 1 ).L.( x k − x k −1 ).( x k − x k +1 ).L .( x k − x n )
Lagrange para o Polinômio Interpolador.
 13

OBSERVAÇÕES :
1. Podemos utilizar o seguinte dispositivo prático para cálculo dos L k( x ).
Dados i = 0, 1, 2, 3, . . . , n , temos :

x – xo xo – x1 xo – x2 xo – x3 xo – x4 . . . xo – xn = Do
x1 – xo x – x1 x1 – x2 x1 – x3 x1 – x4 . . . x1 – xn = D1
x2 – xo x2 – x1 x – x2 x2 – x3 x2 – x4 . . . x2 – xn = D2
x3 – xo x3 – x1 x3 – x2 x – x3 x3 – x4 . . . x3 – xn = D3
. . . . . . .
. . . . . . .
. . . . . . .
xn – xo xn – x1 xn – x2 xn – x3 xn – x4 . . . x1 – xn–1 = Dn

N(x ) N(x ) N(x )

Então L 1( x ) = , L2 ( x ) = , . . . , L n( x ) = , logo :
D1 D2 Dn
N(x ) N(x ) N(x ) N(x )
p n( x ) = . yo + . y1 + . y2 + . . . + . y n , onde :
Do D1 D2 Dn

N( x i ) = ( x – x o ) . ( x – x 1 ) . ( x – x 2 ) . ( x – x 3 ) . . . . . ( x – x n )

Di = ( xi – xo ) . ( xi – x1 ) . ( xi – x2 ) . ( xi – x3 ) . . . . . ( xi – xn )

2. Toda vez que realizamos uma interpolação, cometemos um Erro ( E ), que pode ser de Arredonda-
mento ( E A ) ou de Truncamento( E T ). Sempre que for possível encontrar este erro, o mesmo é i-
gual a :

E n ( x ) = ƒ( x ) – P n ( x ) .

3. Se não for possível determinar o erro, então podemos fazer uma estimativa para o mesmo através
da expressão :

M n +1
| En ( x ) | ≤ | ( x – xo ) . ( x – x1 ) . . . . . ( x – xn ) | . , onde M n + 1 = máx | ƒ ( n + 1 ) ( ε ) | e ε ∈ ( a, b )
(n + 1)!

EXERCÍCIO RESOLVIDO : Calcular L 2 ( 0,2 ), utilizando os dados da tabela abaixo :

x 0,1 0,6 0,8

y 1,221 3,32 4,953

SOLUÇÃO

x – 0,1 0,1 – 0,6 0,1 – 0,8 0,2 – 0,1 – 0,5 – 0,7

0,6 – 0,1 x – 0,6 0,6 – 0,8 0,5 0,2 – 0,6 – 0,2
0,8 – 0,1 0,8 – 0,6 x – 0,8 0,7 0,2 0,2 – 0,8

N = 0,1 . ( – 0,4 ) . ( – 0,6 ) ⇒ N = 0,024

⎛ yo y1 y 2 ⎞ ⎛ 1,221 3,32 4,953 ⎞

L 2 ( 0, 2 ) = N . ⎜⎜ + + ⎟ ⇒ L 2 ( 0, 2 ) = 0,024 . ⎜⎜ + − ⎟⎟ ⇒ L 2 ( 0, 2 ) = 1,4141
⎟
⎝ Do D1 D 2 ⎠ ⎝ 0,035 0,04 0,084 ⎠
 14

EXERCÍCIOS PROPOSTOS

1. Dada a tabela abaixo, determinar P( x ) e calcular P( 2,5 ).

X 1 2 3 4
Y 2 5 10 17
R. P( 2,5 ) = 7,25

2. Determinar o valor de p 2 ( 0,2 ) e o erro de truncamento, usando os valores tabelados da função

ƒ( x ) = x2 – 2x + 1.

x 0,5 0,3 0,1

y 0,25 0,49 0,81
R . p 2 ( 0,2 ) = 0,64 e E T( x ) = 0

3. Encontre a forma de Lagrange para obter p 2( x ) , p 2( 1 ) e p 2 ( 1,5 ), utilizando a tabela abaixo :

x –1 0 2
ƒ( x ) 4 1 –1
7 2 2
R. : p 2( x ) = 1 − x + x 2 ; p 2 ( 1 ) = – ; p 2( 1,5 ) = – 1
3 3 3

4. Seja a tabela abaixo, determinar :

a) o polinômio de Lagrange b) p 3( 0,3 )

xi 0,0 0,2 0,4 0,5

yi 0,000 2,008 4,064 5,125

R . a) p 3 ( x ) = x3 + 10x ; b ) 3,207

5. Seja uma função ƒ( x ), onde são conhecidos apenas os pontos tabelados, encontre um valor apro-
ximado para ƒ( 0,2 ).

xi 0,00 0,10 0,30 0,60

yi 1,000 2,001 4,081 8,296

R. : ƒ( 0,2 ) = 3,008

3.2 – POLINÔMIO INTERPOLADOR DE NEWTON

A forma de Newton para o polinômio p n( x ) que interpola ƒ em x o , x 1 , . . . , x n , ( n + 1 )
pontos distintos é a seguinte :

p n( x ) = d o + d 1 . ( x – x o ) + d 2 . ( x – x o )( x – x 1 ) + . . . + d n. ( x – x o )( x – x 1 ) . . . . . ( x – x n – 1 ),
onde d k , k = 0, 1, 2, . . . , n são chamados de operador diferenças divididas.
 15

A) OPERADOR DE DIFERENÇAS DIVIDIDAS

Seja ƒ( x ) uma função tabelada em x o, x 1, x 2, . . . , x n , ( n + 1 ) pontos distintos. Defi-
nimos operador diferenças divididas por :

ƒ[ x o] = ƒ( x o )

f [x1 ] − f [x o ] f (x1 ) − f (x o )
ƒ[ x o, x1] = = ( Ordem 1 )
x1 − x o x1 − x o

f [x1 , x 2 ] − f [x o , x1 ]
ƒ[ x o, x1, x2 ] = ( Ordem 2 )
x2 − xo

f [x 1 , x 2 , x 3 ] − f [x o , x1 , x 2 ]
ƒ[ x o, x1, x2, x3 ] = ( Ordem 3 )
x3 − xo

f [ x 1 , x 2 , x 3 , L , x n ] − f [ x o , x 1 , x 2 , L , x n −1 ]
ƒ[ x o, x1, x2, . . ., x n ] = ( Ordem n )
xn − xo

B) TABELA DE DIFERENÇAS DIVIDIDAS

Dada uma função ƒ( x ) e conhecidos os valores que ƒ( x ) assume nos pontos distintos x
o, x1, . . . , x n , podemos construir a tabela :

x
◭0 yo ◭1 yo ◭2 yo ◭3 yo ◭n yo
xo ƒ[ x o ] ƒ[ x o, x 1 ] ƒ[ x o, x 1, x 2 ] ƒ[ x o, x 1, x 2, x 3 ] ƒ[ x o , x1, x2, . . ., x n ]
x1 ƒ[ x 1 ] ƒ[ x 1, x 2 ] ƒ[ x 1, x 2, x 3 ] ƒ[ x 1, x 2, x 3, x 4 ]
x2 ƒ[ x 2 ] ƒ[ x 2, x 3 ] ƒ[ x 2, x 3, x 4 ] .
x3 ƒ[ x 3 ] ƒ[ x 3, x 4 ] . .
x4 ƒ[ x 4 ] . . .
. . . . ƒ[ x n – 3, x n – 2, x n – 1, x n ]
. . . ƒ[ x n – 2, x n – 1, x n ]
. . ƒ[ x n – 1, x n ]
xn ƒ[ x n ]

C) FORMA DE NEWTON PARA O POLINÔMIO INTERPOLADOR

Seja ƒ( x ) contínua e com tantas derivadas contínuas quantas forem necessárias num
intervalo [ a, b ].
Sejam a = x o < x 1 < x 2 < x 3 . . . < x n = b , ( n + 1 ) pontos, então a forma de Newton
para o Polinômio de grau n que interpola ƒ( x ) em x o, x 1, . . ., x n é :

p n( x ) = ƒ( x o ) + ( x – x o ) . ƒ[ x o, x 1] + ( x – x o )( x – x 1 ) . ƒ[ x o, x 1, x 2 ] + . . . +

+ ( x – x o )( x – x 1 ) . . . . . ( x – x n – 1 ) . ƒ[ x o, x 1, x 2 , . . ., x n ] e uma estimativa para o erro

é dado por :
| E n ( x ) | ≈ | ( x – x o ) . ( x – x1 ) . . . . . ( x – x n ) | . | máximo das diferenças divididas de ordem n + 1 | .
 16

EXERCÍCIO RESOLVIDO : Calcular P 2 ( 1,2 ), utilizando os dados da tabela abaixo :

x 0,9 1,1 2,0

y 3,211 2,809 1,614

SOLUÇÃO

xi yi
◭1 yi ◭2 yi
0,9 3,211 – 2,01 0,62
1,1 2,809 – 1,328 –
2,0 1,614 – –

P 2 ( 1, 2 ) = y o + ◭ y o ( x – x o ) + ◭ 2 y o ( x – x o ) . ( x – x 1 )

P 2 ( 1, 2 ) = 3,211 – 2,01 . ( 1,2 – 0,9 ) + 0,62 . ( 1,2 – 0,9 ) . ( 1,2 – 2,0 )

P 2 ( 1, 2 ) = 2,4592

EXERCÍCIOS PROPOSTOS
1. Obter, utilizando a forma de Newton o polinômio p 2( x ) , que interpola ƒ( x ) nos pontos dados
abaixo e calcule p( 1, 2 ) .

x –1 0 2
y 3 1 1
2 2 4
R : p2( x ) = x − x + 1 ; p 2 ( 1, 2 ) = 0,36
3 3

2. Seja a tabela abaixo. Utilize polinômios interpoladores de Newton, para calcular P 3 ( 0,2 ) e P 4 ( 0,5 ) .

x 0,1 0,3 0,4 0,6 0,7

y 0,3162 05477 0,6325 0,7746 0,8367
R. 0,4456 ; 0,7078

3.3 – POLINÔMIO INTERPOLADOR DE NEWTON – GREGORY

Em muitas ocasiões, os valores x i tabelados estão igualmente espaçados, ou seja :

x i – x i – 1 = h , onde h é constante .

Nestes casos, é mais conveniente a utilização de diferenças finitas para encontrarmos o

polinômio interpolador.
 17

DEFINIÇÃO : Sejam x o , x 1 , x 2 , . . . , pontos que se sucedem por uma diferença h , isto é :

x i = x o + i . h. Chamamos Operador Diferença Finita ,

∆ ƒ( x ) = ƒ( x + h ) – ƒ( x )
∆² ƒ( x ) = ∆ ƒ( x + h ) – ∆ ƒ( x )
∆³ ƒ( x ) = ∆² ƒ( x + h ) – ∆² ƒ( x )
.
.
.
∆ n ƒ( x ) = ∆ n – 1 ƒ( x + h ) – ∆ n – 1 ƒ( x ) e ∆ 0 ƒ( x ) = ƒ( x )

Do mesmo modo que construímos uma tabela para as diferenças dividida, podemos cons-
truir para as diferenças finitas

x yo ∆ yo ∆ 2 yo ∆ 3 yo ∆ n yo
xo ƒ( x o ) ∆ƒ( x o ) ∆ 2ƒ( x o ) ∆ 3ƒ( x o ) ∆ nƒ( x o )
x1 ƒ( x 1 ) ∆ƒ( x 1 ) ∆ 2ƒ( x 1 ) ∆ 3ƒ( x 1 )
x2 ƒ( x 2 ) ∆ƒ( x 2 ) ∆ 2ƒ( x 2 ) .
x3 ƒ( x 3 ) ∆ƒ( x 3 ) . .
x4 ƒ( x 4 ) . . .
3
. . . . ∆ ƒ( x n – 3 )
. . . ∆ 2ƒ( x n – 2 )
. . ∆ƒ( x n – 1 )
xn ƒ( x n )

∆n f ( x o )
TEOREMA : Se x i = x o + i . h , com i = 0, 1, 2, . . . , n então : ƒ [ x o , x 1 , x 2 , . . . , x n ] = .
h n . n!

A) FORMA DO POLINÔMIO INTERPOLADOR DE NEWTON – GREGORY

Seja o polinômio interpolador na forma de Newton :
p n( x ) = ƒ( x o ) + ( x – x o ) . ƒ[ x o, x 1 ] + ( x – x o )( x – x 1 ) . ƒ[ x o , x 1 , x 2 ] + . . . +

+ ( x – x o )( x – x 1 ) . . . . . ( x – x n – 1 ) . ƒ[ x o, x 1, x 2, . . . ,x n ], então utilizando o teo-

rema anterior temos :

∆f ( x o ) ∆2 f ( x o )
p n( x ) = ƒ( x o ) + ( x – x o ) . + ( x – x o )( x – x 1 ) . +...+
h 2h 2
∆n f ( x o )
+ ( x – x o )( x – x 1 ) . . . . . ( x – x n – 1 ) . c , que é a forma para polinômio interpo-
h n . n!
lador de Newton – Gregory .
 18

Utilizando a variável auxiliar z , podemos modificar a forma do polinômio interpolador

x − xo
de Newton – Gregory. Então sendo z = ⇒ x = z . h + x o ⇒ x – x o = z . h , temos :
h
x – x1 = x – ( xo + 1 . h ) = x – xo – h = z . h – h = h . ( z – 1 )
x – x2 = x – ( xo + 2 . h ) = x – xo – 2 . h = z . h – 2 . h = h . ( z – 2 )
.
.
.
x – x n – 1 = x – [ x o + ( n – 1) . h ] = x – x o – ( n – 1) . h = z . h – ( n – 1) . h = h . [ z – ( n – 1 ) ]

Então substituindo-se as expressões acima em c temos :

z z(z − 1) z.(z − 1).L[z − (n − 1)]
p n( z ) = y o + . ∆ yo + . ∆2 yo + . . . + . ∆n yo .
1! 2! n!

EXERCÍCIO RESOLVIDO : Calcular P 2 ( 115 ), utilizando os dados da tabela abaixo :

x 110 120 130

y 2,041 2,079 2,114

SOLUÇÃO

xi yi ∆1 yi ∆2 yi
110 2,041 0,038 – 0,003
120 2,079 0,035 –
130 2,114 – –

1
P 2 ( 115 ) = P 2 ( 0,5 ) = y o + ∆ y o . z + ∆2 yo . z . ( z – 1 )
2!

1
P 2 ( 0,5 ) = 2,041 + 0,038 . 0,5 – . 0,003 . 0,5 . ( 0,5 – 1 ) ⇒ P 2 ( 0,5 ) = 2,0603
2
 19

EXERCÍCIOS PROPOSTOS :

1. Na tabela abaixo está discriminado o número de habitantes da Alto Paraíso nos último quatro censos

Ano 1970 1980 1990 2000

número de habitantes 35.272 68.390 123.503 181.499

Determinar o número aproximado de habitantes de Alto Paraíso em 1975, utilizando um

polinômio de 3º grau de Newton – Gregory.
R.47.887 hab.

4x − 7
2. Seja a tabela abaixo, gerada pela função g( x ) = .
x−2
x 1,6 1,7 1,8 1,9
y 1,500 0,667 – 1,00 – 6,00

a) Encontre o valor aproximado de g( 1,75 ) utilizando um polinômio interpolador de 2º grau.

b) Encontre o valor aproximado de g( 1,75 ) utilizando um polinômio interpolador de 3º grau.

c) Encontre o erro cometido nos itens ( a ) e ( b ) e faça uma comparação entre eles.

3. Utilizando um polinômio interpolador de Newton – Gregory , calcule o valor aproximado de

P 2 ( 2,15 ), de acordo com os dados da tabela abaixo.

x 2,1 2,2 2,3 2,4

y 0,369 0,514 0,673 0,842
 20

EXERCÍCIOS COMPLEMENTARES

1. A função y = ƒ( x ) passa pelos pontos registrados na tabela abaixo. Pede-se :

a) determinar o valor aproximado de ƒ( 0,32 ) usando um polinômio interpolador de 2º grau( Lagran-

ge ou Newton ), ou seja, calcular P 2( 0,32 ) ;

b) calcular P 3( 0,32 ) ;

c) determinar o valor de ƒ( 0,32 ), sabendo que a função ƒ( x ) = x3 – 4x2 – 2x + 1 ;

d) calcular E 1 = ƒ( 0,32 ) – P 2( 0,32 ) e E 2 = ƒ( 0,32 ) – P 3( 0,32 )

x 0,000 0,100 0,300 0,400

y 1,000 0,761 0,067 – 0,376

R. a) – 0,0165 ; b) – 0, 0168 ; c) – 0,0168 ; d) E 1 = – 0,0003 e E 2 = 0

2. Seja a tabela abaixo, encontre ln ( 3,7 ) utilizando a forma de Newton e o E T.

x 1 2 3 4
ln 0 0,6931 1,0986 1,3863

R. a) 1,30226 ; b) 0,00607

3. Seja ƒ( x ) = e x + x – 1 tabelada abaixo, obter ƒ( 0, 7 ) por interpolação linear, utilizando a forma

de Newton e a forma de Newton– Gregory . Compare os resultados e determine o erro máximo .

x 0 0,5 1 1,5 2
y 0,0 1,1487 2,7183 4,9811 8,3890

R. a) 1,7260 e 1,6933 ; b) 0,0205

4. Seja ƒ( x ) dada na forma tabelar abaixo. Determine ƒ( 0,47 ) usando um polinômio de grau dois,
utilizando a forma de Newton e faça uma estimativa para o erro.

x 0,2 0,34 0,4 0,52 0,6

y 0,16 0,22 0,27 0,29 0,32

R. p 2( x ) = 0,278 ; E( x ) = 0,008303
 21

5. A tabela abaixo relaciona o calor específico da água em função da temperatura. Calcular o calor
específico da água a uma temperatura de 25ºC, usando um polinômio de 3º grau e :

a) a forma de Lagrange b) a forma de Newton

Temperatura( ºC) 20 30 45 55
C. Específico 0,99907 0,99826 0,99849 0,99919

R. a) P 3( 25 ) = 0,99854 ; b) P 3( 25 ) = 0,99854

6. Determinar um polinômio interpolador de grau 4 de Newton– Gregory que tome os valores abaixo :

x 2 4 6 8 10
y 0 0 1 0 0
1
R. z.(z–1).(2–z).(z–5)
4

7. Utilizar a fórmula de Lagrange para obter um polinômio de terceiro grau que verifica os pares ( x, y )
da tabela seguinte e calcule os valores p( 2 ), p( 3 ) e p( 5 ).

x 0 1 4 6
y 1 –1 1 –1

R. p( 2 ) = –1 ; p( 3 ) = 0 p( 5 ) = 1

8. Na tabela abaixo, d é a distância, em metros, que uma bala percorre ao longo do cano de um ca-
nhão em t segundos. Encontrar a distância percorrida pela bala 5 segundos após ter sido disparada,
utilizando um polinômio de Newton– Gregory de grau 4 .

t( s ) 0 2 4 6 8
D( m ) 0 0,049 0,070 0,087 0,103

9. Utilizando as tabelas abaixo, calcular

a) o valor aproximado para F( G( 0,25 )) ;
b) o valor aproximado de x para que se tenha F( G( x )) = 0,50.

x F( x ) X G( x )
1,00 0,00 0,00 1,001
1,10 0,21 0,20 1,083
1,30 0,69 0,40 1,645
1,60 1,56 0,60 3,167
2,00 3,00 0,80 6,129

R. 0,3451 ; 0,2806
 22

INTEGRAÇÃO NUMÉRICA

1. INTRODUÇÃO
Se uma função ƒ( x ) é contínua em um intervalo [ a, b ] e sua primitiva F( x ) é conheci-
da, então a integral definida desta função neste intervalo é dada por :

∫ f (x)dx = F( b ) – F( a )
a
n , onde F'( x ) = ƒ( x ).

Entretanto, em alguns casos, o valor desta primitiva F( x ) não é conhecido ou de fácil

obtenção, o que dificulta ou mesmo impossibilita o cálculo desta integral.
Por outro lado, em situações práticas, nem sempre se tem a função a ser integrada definida
por uma fórmula analítica, e sim por meio de tabela de pontos, o que torna inviável a utilização da e-
quação n .
Para se calcular o valor da integral definida de ƒ( x ), nas duas situações citadas acima ou
em qualquer outra, torna-se necessária a utilização de métodos numéricos.
Os métodos de integração numérica estão classificados em duas categorias :

a) os métodos de Newton - Cotes, que empregam os valores de ƒ( x ) , onde os valores estão unifor-
memente espaçados ;

b) o método da Quadratura Gaussiana , que utiliza os pontos x com espaçamentos distintos.

Nesta unidade daremos ênfase ao primeiro dos métodos, ou seja as fórmulas de Newton -
Cotes.
Entre as fórmulas de Newton - Cotes, veremos as seguintes : a regra dos trapézios( sim-
ples e repetida ) e as regras de Simpson( simples e repetida ).

Para a utilização dos métodos de Newton - Cotes, faremos uso do polinômio interpolador
de Newton – Gregory para aproximar a função do integrando, ou seja :

z z.(z − 1) z.(z − 1).(z − 2).[z − (n − 1)] n

p n( z ) = y o + ∆ yo + ∆² y o + . . . + ∆ y o +R n , onde R n é
1! 2! n!
x − xo
o resíduo da aproximação da interpolação e z = . A expressão do resíduo é :
h

z.(z − 1).(z − 2).K.(z − n ).h n +1 .f n +1 (ε)

Rn = ,a≤ε≤b.
(n + 1)!

2. REGRA DOS TRAPÉZIOS

Para determinarmos a regra dos trapézios mais simples de integração numérica, vamos
utilizar um polinômio interpolador de 1º grau. assim fazendo n = 1 na expressão do polinômio de
Newton – Gregory temos :

z z.(z − 1).h 2 .f '' (ε)

p n( z ) = y o + ∆ yo e R1 ( z ) =
1! 2!
 23

x − xo 1
Temos que : z = ⇒ dz = dx ⇒ dx = h . dz e fazendo-se a = xo e b = x 1 obte-
h h
b
mos z o = 0 e z 1 = 1 , substituindo-se estes dados na integral I = ∫ f (x)dx
a
e resolvendo os mesma,

teremos a fórmula dos trapézios simples. Então :

b 1 1
⎛ z2 ⎞ ⎛ 1 ⎞
I= ∫a
f ( x )dx = ∫
0
( y o + z . ∆ y o ) . h . dz = h . ⎜⎜ y o .z + ∆y o ⎟⎟ = h . ⎜ y o + ∆y o ⎟
⎝ 2 ⎠0 ⎝ 2 ⎠
⎡ 1 ⎤ ⎡1 1 ⎤ h
I = h . ⎢ y o + (y1 − y o )⎥ = h . ⎢ y o + y1 ⎥ ⇒ I = . (y o + y 1 ), onde h é amplitude do intervalo
⎣ 2 ⎦ ⎣2 2 ⎦ 2
[ a, b ]( intervalo de integração ) .

Para determinarmos o erro de truncamento( E T ) na integração pela regra dos trapézios,

devemos integrar o resíduo. Assim temos que :

b 1
z.(z − 1).h 2 .f '' (ε) h 3 . f ' ' (ε )
ET = ∫
a
R 1 dx = ∫
0
2!
. h . dz ⇒ E T = –
12
,a≤ε≤b.

3, 6
dx
EXERCÍCIO RESOLVIDO : Calcular a integral I = ∫
3
x
pela regra dos trapézios e encontre o valor do erro.

SOLUÇÃO :
3,6
dx 0,6
I= ∫
3
x
=
2
. ( 3 – 1 + 3,6 – 1 ) = 0,3 . 0,6111 ⇒ I = 0,1833

EXERCÍCIO PROPOSTO

1. Resolver as integrais abaixo, utilizando a 1ª regra dos trapézios.

4 1

∫ ∫
dx dx
a) b) 2

1
x
0
1 + 3 xe x
R. 1,875 ; 0,5546

3. REGRA DOS TRAPÉZIOS REPETIDA

Uma forma de melhorar a fórmula anterior é subdividindo-se o intervalo [ a, b ] em n
subintervalos de amplitude h e a cada subintervalo aplica-se a regra dos trapézios acima, então tem-
se :

h
I TR = { ƒ( x o ) + 2.[ ƒ( x 1 ) + ƒ( x 2 ) + . . . + ƒ( x m – 1 ) ] + ƒ( x m ) } e o erro é dado por :
2

( b − a ) 3 f ' ' (ε )
E TR = – e h é a amplitude dos subintervalos.
12n 2
 24

OBSERVAÇÃO : Quando não for possível calcular exatamente ƒ"( ε ), visto que não conhecemos o
ponto ε , então calculamos um limitante superior para o erro( a ≤ ε ≤ b ).

1
EXERCÍCIO RESOLVIDO : Seja
∫ e dx . Calcule uma aproximação para a integral utilizando 10 su-
x

0
bintervalos e a regra dos Trapézios repetida e estime o erro cometido.

SOLUÇÃO :

∫ e dx = 0,05 . [ e
0
I= x
+ 2 . (e 0,1 + e 0,2 + e 0,3 + e 0,4 + e 0,5 + e 0,6 + e 0,7 + e 0,8 + e 0,9 ) + e 1 ]
0

1
I= ∫ e dx = 1,7197
x

EXERCÍCIO PROPOSTO : Resolver as integrais abaixo, utilizando a regra dos trapézios repetida, com
n = 6 subintervalos.

4 1

∫ ∫
dx dx
a) b) 2

1
x
0
1 + 3 xe x
R. 1,4054 ; 0,4064

1
4. REGRA DE SIMPSON ( n = 2, [ a, b ] = [ x o, x 2 ] )
3
Para encontrarmos a regra de Simpson podemos utilizar um polinômio de Newton – Gre-
gory de grau 2. Seja p 2( x ) o polinômio que interpola ƒ( x ) nos pontos x o = a , x 1 e x 2 = b. Então a
fórmula de integração para Simpson é :

h
IS = [ ƒ( x o ) + 4.ƒ( x 1 ) + ƒ( x 2 ) ] e h é a amplitude dos subintervalos
3

4
dx
EXERCÍCIO RESOLVIDO : Seja ∫x
1
. Calcule uma aproximação para a integral utilizando a 1ª regra

de Simpson.

SOLUÇÃO :

4
dx 1 2 1
I= ∫x
1
=
2
.[1+4.
5
+
4
] ⇒ I = 0,5 . 2,85 ⇒ I = 1,425
 25

EXERCÍCIOS PROPOSTOS

∫e
x
1. Seja dx . Calcule uma aproximação para a integral utilizando a 1ª regra de Simpson .
0
R.1,7189

1
4
2. Seja ∫1+ x
0
2
dx . Calcule uma aproximação para a integral utilizando a 1ª regra de Simpson .

R. R. 3,1333

1
5. REGRA DE SIMPSON REPETIDA
3
Se aplicarmos repetidas vezes a regra de Simpson no intervalo [ a, b ], ou seja se dividir-
mos o intervalo [ a, b ] em n subintervalos de mesma amplitude e aplicarmos a regra de Simpson em
cada um dos subintervalos, então teremos a seguinte fórmula para integração :

h
I SR = {[ƒ( x o ) + ƒ( x m )] + 4[ƒ( x 1 ) + ƒ( x 3 ) + . . . + ƒ( x m – 1 )] + 2[ƒ( x 2 ) + ƒ( x 4 ) + . . . ƒ( x m – 2 )]}
3
(b − a ) 5 f iv ( ε )
e h é a amplitude dos subintervalos e E sR = –
180n 4

∫e
x
EXERCÍCIO RESOLVIDO : Seja dx . Calcule uma aproximação para a integral utilizando a regra
0
de Simpson repetida utilizando 10 subintervalos.

SOLUÇÃO :

0,1
I= [ e 0 + e 1 + 4 . [ e 0,1 + e 0,3 + e 0,5 + e 0,7 + e 0,9 ] + 2 . [ e 0,2 + e 0,4 + e 0,6 + e 0,8 ] }
2
0,1
I= . ( 1 + 2,7183 + 34,3084 + 13,5218 ) ⇒ I = 1,7183
2

EXERCÍCIO PROPOSTO : Calcule as integrais abaixo pela regra repetida de Simpson .

π 4 2

∫ senx ∫ ∫ x.
dx
a) dx , para n = 6 b) , para n = 6 c) x 2 + 1 dx , n = 4
x
0 1 0

R. 2,00086 ; 1,3877 ; 3,3917

 26

6. EXTRAPOLAÇÃO DE RICHARDSON
A extrapolação de Richardson é um método utilizado para melhoria do resultado obtido na
aplicação das fórmulas de integração de Newton – Cotes e baseia-se na aplicação repetidas de tais
fórmulas.

A generalização das fórmulas para a extrapolação de Richardson é a seguinte :

n 1p
I = I2 + ( I 2 – I 1 ), onde :
n p2 − n 1p

I 1 → resultado obtido na 1ª aplicação da regra ;

I 2 → resultado obtido na 2ª aplicação da regra ;
n 1 → número de subintervalos utilizados na 1ª aplicação da regra ;
n 2 → número de subintervalos utilizados na 2ª aplicação da regra ;
p = 2 para as regras do Trapézios e p = 4 para as regras de Simpson

EXERCÍCIOS PROPOSTOS
π
1. Calcular o valor da integral I = ∫ senx dx , aplicando a regra dos trapézios, para
0
n=2e n=4,

respectivamente. Após este cálculo aplicar a extrapolação de Richardson.

∫ (x
2
2. Calcular o valor da integral I = + 2 x + 1)dx , aplicando a regra dos trapézios, para n = 4 e n =
1
8 , respectivamente. Após este cálculo aplicar a extrapolação de Richardson.

∫ x. cos x
2
3. Resolva a integral dx , aplicando pela regra de Simpson repetida, para n = 4 e n = 6.
0

4. Aplique a fórmula da extrapolação de Richardson para melhorar os resultados encontrados na ques-

tão anterior.

7. INTEGRAIS MÚLTIPLAS
O cálculo numérico de integral de uma função de mais de uma variável, que também é
denominada integral múltipla( duplas e triplas ), é uma extensão natural do que foi abordado para o
caso da integral de função a uma variável.
b d
A determinação do valor de uma integral dupla definida ( I = ∫∫
a c
ƒ( x , y ) dy dx ) c é

de grande valia na solução de problemas de diversas áreas. De modo similar à integração simples, a
função integrando ƒ( x, y ) pode ser aproximada por um polinômio interpolador, e a integral deste
polinômio é, então, obtida analiticamente.
A resolução da integral c pode ser calculada através de integrações sucessivas, utilizan-
do as fórmula já conhecidas( Trapézios e Simpson ).
 27

7.1 – REGRA DOS TRAPÉZIOS SIMPLES

Seja uma função ƒ( x, y ) definida no retângulo R : a ≤ x ≤ b e c ≤ y ≤ d , então a integral :

b d
h.k
I= ∫∫
a c
ƒ( x , y ) dy dx =
4
. [ ƒ( a, c ) + ƒ( a, d ) + ƒ( b, c ) + ƒ( b, d ) ], onde h = b – a e k = d – c .

7.2 – REGRA DE SIMPSON SIMPLES

Utilizando a regra simples de Simpson, a integral c fica igual a :

b d
h.k
I= ∫∫
a c
ƒ( x , y ) dy dx =
9
. { ƒ( x 0 , y 0 ) + ƒ( x 0 , y 2 ) + ƒ( x 2 , y 0 ) + ƒ( x 2 , y 2 ) +4[ ƒ( x 0 , y 1 )

+ ƒ( x 1 , y 0 ) + ƒ( x 1 , y 2 ) + ƒ( x 2 , y 1 ) ] + 16. ƒ( x 1 , y 1 ) }

Uma maneira simplifica para a expressão acima é :

b d
h.k
I= ∫∫
a c
ƒ( x , y ) dy dx =
9
. [ ƒ 0, 0 + ƒ 0, 2 + ƒ 2, 0 + ƒ 2, 2 + 4.( ƒ 0, 1 + ƒ 1, 0 + ƒ 1, 2 + ƒ 2, 1 ) + 16. ƒ 1, 1 ]

EXERCÍCIOS PROPOSTOS : Resolva as integrais abaixo, utilizando a regra dos trapézios e a regra de
Simpson simples.

π π
2 4 2 2
⎛x⎞
a) ∫∫
0 0
sen( x + y ) dy dx b) ∫∫
1 1
cos ⎜⎜ ⎟⎟ dy dx
⎝y⎠

As fórmulas repetidas de integração podem ser utilizadas na resolução de integrais múlti-

plas, estas seguem a mesma idéia de justaposição já utilizada nas fórmulas repetidas de funções de
uma variável.

EXERCÍCIOS PROPOSTOS : Resolva as integrais abaixo, utilizando as regras repetidas.

π π
2 4 1 1
a) ∫∫
0 0
sen( x + y ) dy dx ( trapézio ; n x = 3 e n y = 4 ) b) ∫∫ (e
0 0
x2 + y2
) dx dy( Simpson ; n x = n y = 4 )

4 2 10 1
1 x2
c) ∫ ∫ ( x + y)
3 1
2
dx dy ( Simpson ; n x = n y = 4 ) d) ∫ ∫ 1+ y
1 0
2
dx dy ( trapézio ; n x = n y = 4 )

R. a) 0,98147 ; b) 2,1786 ; c) 0,0408 ; d) 0,3015

 28

EXERCÍCIOS COMPLEMENTARES

1. Calcule as integrais abaixo pela regra dos Trapézios e pela de Simpson, utilizando quatro e seis
divisões de [ a, b ] e compare os resultados.

2 14
dx
∫e ∫
x
a) dx b)
1 2
x

RESPOSTAS :
a) IT4 = 4,6950759 ; IT6 = 4,6815792 ; IS4 = 4,670873 e IS6 = 4,6707894

b) IT4 = 4,7683868 ; IT6 = 4,7077771 ; IS4 = 4,6763744 e IS6 = 4,6614894

0, 6
dx
2. Calcule o valor aproximado de ∫1+ x
0
com três casas decimais de precisão usando

a) Simpson b) Trapézios

R. a) 0,4700171 ; b) 0,4702288

2
3. Dada a função y = ƒ( x ) através da tabela abaixo, calcular o valor de I = ∫ f ( x)dx .
0
x 0 0,5 1 1,5 2
y 0,0 1,1487 2,7183 4,9811 8,3890

R. ISR = 6,3908 ; ITR = 6, 5219

4. Calcule o valor da integral abaixo, utilizando 4 subintervalos em cada integração, utilizando a

regra de Simpson repetida.

∫
x2
Ι= x 2 . e− dx
0
R. 0,2536411

2
5. A partir dos dados da tabela abaixo, estimar o valor de ∫ f (x)dx .
0
x 0 0,25 0,5 0,75 1,0 1,25 1,5 1,75 2
y 1 1,284 1,649 2,117 2,718 3,49 4,482 5,755 7,389
 29

5
6. A partir dos dados da tabela abaixo, estimar o valor de ∫ f (x)dx .
1

x 1 1,5 2 2,5 3 3,5 4 4,5 5

y 0 0,41 0,69 0,92 1,1 1,25 1,39 1,5 1,61
R. 4,0483

7. Calcule as integrais abaixo, utilizando para isto a regra dos trapézios repetida.

1 4 ,5
cos x 1
a) ∫
0
1+ x
dx , para n = 4 b) ∫4
x2
dx , para n = 5

3
8. Dada a função y = ƒ( x ) através da tabela abaixo, calcule a valor de I = ∫ f (x)dx .
0

x 0 0,5 1,0 1,5 2,0 2,5 3,0

y 5,02 6,14 6,63 6,94 7,17 7,36 7,51

9. Calcule as integrais abaixo, utilizando para isto a 1ª regra de Simpson.

3 −1
x2
∫ ∫
–3
a) I = ln( x + 1)dx , com E ≤ 10 b) I = dx
1 −2
( x − 1) 2

1,6
10. Dada a função y = ƒ( x ) através da tabela abaixo, calcule a valor de I = f ( x )dx , aplicando : ∫ 1

a) a 1ª regra de Simpson b) a 2ª regra de Simpson

x 1,0 1,1 1,2 1,3 1,4 1,5 1,6

y 0,09 0,13 0,16 0,19 0,22 0,25 0,28

11. Calcule as integrais abaixo, utilizando o método sugerido.

1 1
dx
a) I = ∫
0
senx 2 dx ; 1ª regra de Simpson, com n = 6 b) I = ∫0
1+ x2
, trapézios repetida com n = 6

5, 2
c) I = ∫ ln x dx , trapézios ; 1ª regra de Simpson
4
e 2ª regra de Simpson , com n = 4
 30

AJUSTE DE CURVAS

1. INTRODUÇÃO
Já vimos, que uma forma de se trabalhar com uma função definida por uma tabela de va-
lores é a interpolação polinomial. Contudo a interpolação não é aconselhável quando é preciso obter
um valor aproximado da função em algum ponto fora do intervalo de tabelamento, ou seja, quando se
quer extrapolar.
Surge então a necessidade de se ajustar a estas funções tabeladas, uma função que seja
uma '' uma boa aproximação '' para os valores tabelados, e que nos permita extrapolar com certa mar-
gem de segurança.
Ao se tentar ajustar as funções tabeladas à alguma função já conhecida, deve-se inicial-
mente fazer um gráfico dos dados(diagrama de dispersão ) pois ele fornece uma idéia da forma da
relação exibida por eles.

EXERCÍCIO PROPOSTO : Construir o diagrama de dispersão relativo aos pontos da tabela abaixo:

xi 1,3 3,4 5,1 6,8 8,0

yi 2,0 5,2 3,8 6,1 5,8

2. AJUSTE LINEAR SIMPLES

O modelo mais simples que relaciona duas variáveis X e Y é a equação da reta :
Y = A x + B, onde A e B são parâmetros do modelo a determinar.

2.1 – ESCOLHA DA MELHOR RETA

Dada uma tabela , temos várias retas que se aproximam dos valores tabelados, mas a me-
lhor reta que se ajusta aos dados da tabela é aquela que os coeficientes ( A e B ) minimizam a distan-
cia( desvios = D ) dos pontos da tabela a reta escolhida.
Dados os pontos : ( x 1, y 1 ), ( x 2, y 2 ), . . . , ( x n, y n ) os coeficientes A e B são calcula-
dos através das expressões :

n.∑ x i .y i − ∑ x i .∑ y i ∑ y i − (∑ x i ). A
A= B=
n.∑ x i2 − (∑ x i ) 2 n

EXERCÍCIOS PROPOSTOS

1. Ajuste os dados da tabela do exemplo anterior a uma reta de modo que D seja o menor possível.

R. Y = 2,01 + 0,522X

2. Ajustar os pontos de cada tabela abaixo a uma reta.

a)
xi – 2,0 – 0,5 1,2 2,1 3,5 5,4
yi 4,4 5,1 3,2 1,6 0,1 – 0,4

b)
xi 0,5 1,2 2,1 3,5 5,4
yi 5,1 3,2 2,8 1,0 0,4

R. Y = 3,62 – 0,798X ; Y = 4,802 – 0,906X

 31

3. AJUSTE POLINOMIAL
Podemos ajustar dados de uma tabela utilizando um polinômio de grau dois, ou seja, atra-
vés de uma curva do tipo :

Y = C + Bx + Ax 2 , onde A, B e C são coeficiente a determinar.

Os coeficientes acima são determinados através da solução do sistema :

⎡ n ∑ xi ∑ x i ⎤ ⎡C⎤ ⎡ ∑ y i ⎤
2
⎢ 2 3⎥ ⎢ ⎥ ⎢ ⎥
⎢∑ xi ∑ xi ∑ x i ⎥.⎢ B ⎥ = ⎢ ∑ x i .y i ⎥
⎢∑ x 2 3
∑ xi ∑ x i ⎥⎦ ⎢⎣A ⎥⎦ ⎢⎣∑ x i .y i ⎥⎦
4 2
⎣ i

EXERCÍCIO PROPOSTO : Dada a tabela de dispersão determine a parábola que melhor se ajusta aos
pontos da tabela.

X 1 2 3 4 5 6 7 8
Y 0,5 0,6 1,0 1,2 1,6 2,0 2,5 3,0

R. 0,0274X² + 0,116X + 0,332

4. TRANSFORMAÇÕES
Quando é feito o diagrama de dispersão é possível que os pontos não se ajustem a nenhum
modelo linear, então através de uma transformação adequada é possível transformar alguns modelos
não lineares nos parâmetros em modelos lineares por substituição de uma ou mais variáveis por fun-
ções destas variáveis.

As transformações que podemos utilizar caso os pontos não se ajustem em modelo linear
podem ser :

a) Y = b . e aX → ln Y = ln b + aX → Z = B + A . X

b) Y = b . a X → ln Y = ln b + ln ( a ) . X → Z = B + A . X

EXERCÍCIO PROPOSTO : Ajustar os pontos abaixo à equação Z = a . e bX .

xi 0,1 1,5 3,3 4,5 5,0

yi 5,9 8,8 12,0 19,8 21,5

R. Y = 1,741 + 0,263X
 32

EXERCÍCIOS COMPLEMENTARES

1. A constante de velocidade( k ) de uma reação de ordem 1 é relacionada com concentração

( C ) e o tempo( t ) pela equação C = Co.e – k t , onde Co é a concentração inicial. Calcular a
constante de ordem 1 da reação cujos valores de t e C são dados abaixo :

xi 0,05 0,10 0,15 0,20 0,25 0,30

yi 0,86 0,68 0,59 0,47 0,43 0,38
R . k = 3,249

2. A tabela abaixo mostra as alturas e pesos de uma amostra de nove homens entre as idades de 25 a
29 anos, extraída ao acaso entre funcionários de uma grande indústria :

Altura(cm) 183 173 168 188 158 163 193 163 178
Peso(kg) 79 69 70 81 61 63 79 71 73

a) Ajuste uma reta que descreva o comportamento do peso em função da altura

b) Estime o peso de um funcionário com 175cm de altura ; e estime a altura de um funcionário com 80kg

c) Ajuste agora a reta que descreve o comportamento da altura em função do peso

d) Resolva o item ( b ) com essa nova função e compare os resultados

3. Dada a tabela abaixo, faça um gráfico de dispersão dos dados e ajuste uma curva da melhor manei-
ra possível :

x 0,5 0,75 1 1,5 2,0 2,5 3

y – 2,8 – 0,6 1 3,2 4,8 6,0 7,0
R. Y = 5,47411 ln x + 0,98935

4. Determinar uma função do tipo Y = a . e bx , para os dados abaixo :

x 1 2 3 4
y 60 30 20 15

5. O número de bactérias , por unidade de volume , existente em uma cultura após x horas é apre-
sentado na tabela abaixo :

x 0 1 2 3 4 5 6
y 32 47 65 92 132 190 275

a) Faça um gráfico de dispersão ; b) Ajuste os dados a uma curva do tipo Y = A . e bx

 33

BIBLIOGRAFIA CONSULTADA

BARROSO, Leônidas Conceição e Outros – CÁLCULO NUMÉRICO COM APLICAÇÕES,

Editora Habra Ltda, 1987, 2ª Edição - São Paulo.

CAMPOS, Frederico Ferreira – ALGORITMOS NUMÉRICOS, Editora LTC. 2001, Rio de Janeiro

CUNHA, M. Cristina C . – MÉTODOS NUMÉRICOS, Editora Unicamp, 2003, 2ª Edição, São

Paulo

ROQUE, Waldir L. – INTRODUÇÃO AO CÁLCULO NUMÉRICO,Editora Atlas, 2000, 1ª Edi-

ção – São Paulo

RUGGIERO, Márcia A. Gomes e LOPES, Vera Lúcia da Rocha – CÁLCULO NUMÉRICO :

ASPECTOS TEÓRICOS E COMPUTACIONAIS, Editora Mc GRAW-HILL, 1988, São Paulo

SCHEID, Francis – ANÁLISE NUMÉRICA, Editora Mc Graw-Hill, 1991, 2ª Edição, Lisboa, Por-
tugal

SPERANDIO, Décio/ MENDES, João Teixeira e SILVA, Luiz Henry Monken e – CÁLCULO
NUMÉRICO : CARACTERÍSTICAS MATEMÁTICAS E COMPUTACIONAIS DOS MÉ-
TODOS NUMÉRICOS, Editora Prentice Hall – Makron, 2003, São Paulo