Académique Documents
Professionnel Documents
Culture Documents
f(x
k
)
f
(x
k
)
, k = 0, 1, . . . ,
e constitui um poderoso e simples metodo para calcular razes de equa c oes n ao lineares. Este
metodo e muitas vezes designado por metodo de Newton-Raphson pois ele foi sistematica-
mente estudado por Joseph Raphson (?-1715?) num trabalho que publicou em 1690. Devido
aos seus excelentes trabalhos, neste e noutros campos, Newton e considerado como um dos
grandes precursores da an alise numerica.
2.2 Introdu cao
A solu c ao de equa c oes e sistemas de equa c oes e um captulo em que a an alise numerica
encontra uma solu c ao bastante precisa. Neste captulo vamos expor alguns metodos que nos
permitem obter uma aproxima c ao da solu c ao real de uma equa c ao real da forma
f(x) = 0, (2.1)
1
Vieta, que possuia um profundo conhecimento matem atico, serviu-se para o seu estudo de v arias simpli-
ca c oes de nota c ao que introduziu, nomeadamente, a de usar letras n ao s o para denotar constantes como para
denotar vari aveis; as primeiras letras do alfabeto seriam reservadas para as constantes e as ultimas para as
vari aveis.
Solu c ao numerica de equa c oes e sistemas n ao lineares 15
onde f pode ser algebrica ou transcendente.
Os valores de x
b
2
4ac
2a
, a ,= 0.
Exemplo 2.2 As razes da equa cao
x
3
+ px
2
+ qx + r = 0
podem ser obtidas pelo processo que se segue, devido a Scipione del Ferro (1465-1515) e Niccolo
Tartaglia (1499-1557). Fazendo a mudan ca de variavel x = z
p
3
obtem-se assim a equa cao
z
3
+ az + b = 0,
onde
a =
1
3
(3q p
2
) e b =
1
27
(2p
3
9pq + 27r).
As razes desta nova equa cao sao dadas por
z
1
= A + B; z
2
=
A + B
2
+
AB
2
3; z
3
=
A + B
2
AB
2
3,
onde
A =
3
_
b
2
+
b
2
4
+
a
3
27
,
B =
3
_
b
2
b
2
4
+
a
3
27
.
Assim as razes da equa cao dada sao
x
1
= z
1
p
3
; x
2
= z
2
p
3
; x
3
= z
3
p
3
.
se
lim
k
e
k
= 0,
onde e
k
:= x
k
= x
x
k
e o erro (absoluto) da itera c ao k.
Dados v arios processos iterativos convergentes para para a solu c ao x
de (2.1) coloca-se a
quest ao de saber qual dos processos e mais eciente. A eciencia de um processo iterativo pode
ser medida de v arias maneiras: esfor co computacional, tempo gasto, etc. Nesta sec c ao iremos
denir um conceito que servir a para medir a velocidade de convergencia de um determinado
processo iterativo.
Deni cao 2.4 Uma sucess ao de itera c oes x
k
diz-se que converge com ordem de convergen-
cia p 1 para um ponto x
. Neste
caso a constante erro M ter a que ser inferior a 1 (para o metodo convergir) e a rela c ao (2.3)
pode ser escrita na forma
[e
k+1
[ M
k+1
[e
0
[.
Se p = 2 diz-se que a convergencia e quadratica.
Solu c ao numerica de equa c oes e sistemas n ao lineares 17
Outras quest oes que surgem naturalmente quando se fala de metodos iterativos s ao as
seguintes.
Como determinar a aproxima c ao inicial?
Como denir um metodo iterativo convergente?
Como saber que a solu c ao dada pelo metodo iterativo constitui uma boa aproxima c ao
para a solu c ao exacta, isto e, como parar o processo iterativo?
As duas primeiras quest oes ser ao respondidas nas pr oximas sec c oes. Consideremos, por
agora, apenas o problema da deni c ao de criterios de paragem para processos iterativos
aplicados ao c alculo das razes de (2.1).
Seja (2.2) o processo iterativo gerador de uma sucess ao de aproxima c oes convergente para
a solu c ao x
500 = 3.468.
As tecnicas usadas nos exemplos anteriores s ao muito intuitivas e n ao podem ser genera-
lizadas a uma gama elevada de problemas. O processo mais usual de obter uma aproxima c ao
inicial consiste em determinar um intervalo de pequena amplitude contendo a raiz a calcular.
Para isso iremos considerar dois metodos: o processo da localiza cao graca e o chamado metodo
de Rolle.
2.4.1 Localiza cao graca
Este metodo consiste em tentar obter gracamente um intervalo que contenha a raiz de
(2.1) que pretendemos calcular. Ora, o tra cado gr aco da fun c ao f pode n ao ser evidente e
constituir, em si, um processo de complicada resolu c ao. Este problema pode ser contornado
se reescrevermos a equa c ao (2.1) na forma equivalente
f
1
(x) = f
2
(x), (2.4)
sendo f
1
e f
2
fun c oes cujo tra cado gr aco seja mais simples que o de f. Assim as razes de
(2.1) ser ao as solu c oes de (2.4), isto e, os pontos de intersec c ao de f
1
com f
2
.
O processo de determina c ao gr aca de um intervalo que contem a raiz deve ser sempre
acompanhado de uma conrma c ao analtica, conrma c ao essa que pode ser dada pelo seguinte
teorema que resulta como corol ario imediato do Teorema de Bolzano.
Teorema 2.10 Se f for uma fun c ao contnua em [a, b] e se f(a)f(b) < 0 ent ao existe pelo
menos um c (a, b) tal que f(c) = 0.
Se para alem das hip oteses do teorema anterior se vericar que a derivada de f n ao muda
de sinal no intervalo [a, b], ent ao a raiz e unica nesse intervalo. Temos assim um criterio para
vericar a existencia e unicidade de zero de uma fun c ao contnua f num dado intervalo [a, b]:
se
1. f e contnua em [a, b];
2. f(a)f(b) < 0;
3. f
(x) = 1 e
x
, para x < 0, e como tal f
(L)(x L) +
P
(L)
2!
(x L)
2
+ +
P
(n)
(L)
n!
(x L)
n
.
Assim e f acil concluir que, nas hip otese do teorema, P(x) > 0 para todo o x > L, o que prova
o pretendido.
Um limite inferior l para as razes negativas de P(x) = 0 poderia ser obtido usando o
resultado anterior, atendendo a que as razes negativas de uma equa c ao algebrica P(x) = 0,
onde P e um polin omio de grau n, s ao as razes positivas, com sinal contr ario, de Q(x)
(1)
n
P(x) = 0.
Solu c ao numerica de equa c oes e sistemas n ao lineares 21
Exerccio 2.4.3 Prove a arma cao anterior.
Exerccio 2.4.4 Determine limites superiores e inferiores para as razes reais de
P(x) x
3
2x 5 = 0.
Resolu cao: Assim, atendendo a que
0 1 2 3
P(x) +
P
(x) +
P
(x) +
P
(x) +
,
L = 3 e limite superior das razes de P(x) = 0. Para determinar um limite inferior das
razes seja
Q(x) (1)
3
P(x) = x
3
2x + 5
Ora, atendendo a que
0 1
Q(x) +
Q
(x) +
Q
(x) +
Q
(x) +
,
temos que l = 1 e limite inferior das razes de P(x) = 0.
2.5 Calculo das razes
Seja f uma fun c ao contnua em [a, b] tal que f(a)f(b) < 0. Ent ao, pelo Teorema 2.10 existe
pelo menos uma raiz x
[a, x
1
]; caso contr ario temos que x
[x
1
, b]. Su-
ponhamos, sem perda de generalidade, que x
I
1
= [a, x
1
]. Obtemos assim um intervalo que
2
Localizar uma raiz signica encontrar um intervalo que a contenha essa e apenas essa raiz.
Solu c ao numerica de equa c oes e sistemas n ao lineares 22
contem a raiz x
, de amplitude
igual a metade da amplitude do intervalo I
1
. Seja esse intervalo I
2
= [x
1
, x
2
]. O processo
repetia-se determinando uma sucess ao x
k
que converge, evidentemente, para x
.
O algoritmo do metodo da bissec c ao pode ser dado como se segue.
Algoritmo 2.1 Metodo da bissec cao
Ler a e b;
Se f(a)f(b) 0 ent ao parar;
Repetir
c :=
a+b
2
;
Se f(a)f(c) 0 ent ao b := c caso contr ario a := c
ate que [b a[
1
ou [f(c)[
2
;
Escrever x
c.
Exerccio 2.5.1 Melhore o algoritmo anterior.
Observa cao 2.14 Notemos que, no metodo da bissec c ao, a exigencia de unicidade de raiz
e superua. A unica exigencia e a de que a fun c ao tenha sinal contr ario nos extremos do
intervalo e tal e vericado sempre que exista, nesse intervalo, um n umero mpar de razes.
Verica-se facilmente que, sendo o intervalo inicial I
0
= [a, b], a amplitude do intervalo I
n
(obtido ao m de n itera c oes) e dada por
b a
2
n
,
uma vez que a amplitude do intervalo I
k+1
e sempre igual a metade da amplitude do intervalo
I
k
, para k = 1, 2, . . ..
Exerccio 2.5.2 Considere o metodo da bissec cao. Seja L a amplitude do intervalo [a, b] que
contem uma e uma s o raiz x
de f(x) = 0 e x
1
, x
2
, . . . a sucessao de pontos medios gerados
pelo referido metodo. Mostre que
1. [x
x
k+1
[ [x
k+1
x
k
[ =
L
2
k+1
.
2. O n umero n de itera c oes necessarias para garantir uma aproxima cao da raiz com uma
precisao e dado por n
ln
L
ln 2
.
Resolu cao: 1. Faz-se, sem problemas, por indu cao.
Solu c ao numerica de equa c oes e sistemas n ao lineares 23
2. Ao m de n itera c oes obtemos o valor x
n
. Assim, pela primeira parte, para calcular
qual o n que verica [x
x
n
[ , vamos determinar qual o n tal que
[x
n
x
n1
[ =
L
2
n
.
Temos, sucessivamente,
L
2
n
L
2
n
n
ln
L
ln 2
.
Observa cao 2.15 Note-se que, atendendo ao que foi demonstrado no exerccio anterior, a
demonstra c ao da convergencia do metodo da bisse c ao resulta imediatamente uma vez que
lim
k
[x
x
k
[ lim
k
L
2
k
= 0.
Este metodo possui algumas vantagens bem como algumas desvantagens em rela c ao a
outros metodos que iremos estudar nas sec c oes seguintes. A primeira grande vantagem e que
o metodo da bissec c ao converge sempre (desde que exista raiz no intervalo inicial). A segunda
vantagem e que existe uma possibilidade de, a priori, poder indicar um majorante para o erro
cometido ao m de um certo n umero de itera c oes.
A grande desvantagem do metodo da bissec c ao reside no facto da sua velocidade de con-
vergencia ser muito lenta quando comparada com a dos outros metodos. De facto prova-se
que, atendendo ` a deni c ao de ordem de convergencia dada, o metodo da bissec c ao converge
linearmente e possui uma constante erro M =
1
2
, isto e,
[e
k+1
[
1
2
[e
k
[.
Exemplo 2.16
E bem sabido que os planetas ao girar em torno do Sol (e os satelites articiais
em torno da Terra) descrevem orbitas elpticas. Para determinar em que ponto da elpse se
encontra o m ovel num determinado instante t ha que resolver a chamada equa cao de Kepler
x e sin x = z,
onde e e a excentricidade (conhecida) da elipse (e que e um valor que varia entre zero, caso a
orbita fosse circular, e pr oximo de um, caso a orbita fosse muito alongada) e z e um n umero que
se calcula a partir de t. Aqui f(x) = x e sin x z.
Vamos considerar o caso em que e = 0.5 e z = 0.7. Temos que f(0) = 0.7 < 0 e
f(2) = 1.3 0.5 sin 2 > 1.3 0.5 = 0.8 > 0. Assim, podemos come car o metodo da bissec cao
com o intervalo I
0
= [0, 2]. Pelo facto de f(1) < 0 temos que a solu cao pretendida se encontra no
intervalo I
1
= [1, 2]. Ap os cinco aplica c oes do metodo da bissec cao conclumos que a solu cao se
encontra no intervalo I
5
= [1.125, 1.1875]. Tomando como aproxima cao para a solu cao o ponto
medio 1.15625 = (1.125 + 1.1875)/2 temos a garantia que o valor absoluto do erro e inferior a
0.03125.
Exerccio 2.5.3 Usando o metodo da bissec cao, determine um valor aproximado para o zero de
f(x) = [x[ e
x
, com um erro que nao exceda 0.15.
Solu c ao numerica de equa c oes e sistemas n ao lineares 24
Resolu cao: Atendendo ao exerccio 3.1, temos que a raiz x
x
n
[ 0.15. Pelo
exerccio anterior, esse valor pode ser determinado por
1
2
n
0.15 n
ln0.15
ln 2
= 2.74.
Logo, n = 3, isto e, temos que efectuar 3 itera c oes. Partindo do intervalo inicial (1, 0)
temos x
1
= 0.5. Como f(x
1
) = 0.16065 vem que
x
[1, 0.5].
Prosseguindo o processo obtemos x
2
= 0.75 e como f(0.75) = 2.7776 vem que
x
[0.75, 0.5].
Conclumos entao que x
x
3
= 0.6256 e uma aproxima cao cujo erro nao excede a
tolerancia dada.
2.5.2 Metodo de Newton
O metodo de Newton, que iremos estudar nesta sec c ao, e um dos metodos mais conhecidos
e usados na determina c ao de aproxima c oes numericas de razes de equa c oes n ao lineares.
Para o denir, iremos come car por efectuar uma abordagem analtica fazendo depois a sua
interpreta c ao geometrica.
Seja f C
2
([a, b]), com [a, b] IR, e x
) = f(x
0
) + f
(x
0
)(x
x
0
) +
f
()
2
(x
x
0
)
2
, Ix
, x
0
.
Como f(x
) = 0 e supondo f
(x
= x
0
f(x
0
)
f
(x
0
)
f
()
2f
(x
0
)
(x
x
0
)
2
, Ix
, x
0
. (2.5)
Seja x
1
= x
0
f(x
0
)
f
(x
0
)
. Procedendo de forma an aloga, poderemos denir um metodo iterativo
dado pela f ormula de recorrencia
x
k+1
= x
k
f(x
k
)
f
(x
k
)
, k = 0, 1 . . . , (2.6)
que pretendemos que seja convergente para x
(x
k
)
(x x
k
).
O ponto de intersec c ao da recta tangente com o eixo das abcissas e dado por
x = x
k
f(x
k
)
f
(x
k
)
.
Temos assim que a itera c ao x
k+1
dada pelo metodo de Newton e a abcissa do ponto de
intersec c ao da recta tangente ` a curva y = f(x) no ponto (x
k
, f(x
k
)) com a recta y = 0.
x
2
x
1
x
0
Figura 2.3: Metodo de Newton.
Vamos agora estabelecer quais as condi c oes que dever ao ser impostas para que a sucess ao
de aproxima c oes geradas pelo metodo de Newton convirja para a raiz x
de f(x) = 0.
Teorema 2.17 Se
1. f C
2
([a, b]),
2. f(a)f(b) < 0,
3. f
(x) 0 ou f
(x
0
) > 0,
converge para a unica raiz x
e positiva
em [a, b] e que f
, x
k
], para todo o k IN
0
. Por
(2.5) tem-se que,
x
x
1
=
f
()
2f
(b)
(x
b)
2
0, Ix
, b,
isto e, x
x
1
. Por outro lado, por (2.6), com k = 0, tem-se que x
1
< b.
Suponhamos agora que x
k
[x
, x
k1
] [x
_
x
k
f(x
k
)
f
(x
k
)
_
=
f
(
k
)
2f
(x
k
)
(x
x
k
)
2
,
k
Ix
, x
k
, (2.7)
ou seja
x
x
k+1
=
f
(
k
)
2f
(x
k
)
(x
x
k
)
2
0.
Isto implica que x
x
k+1
. Por outro lado, por (2.6) e atendendo ` as hip oteses do
teorema, temos que x
k+1
x
k
0. Prov amos ent ao o pretendido.
A sucess ao converge para x
.
A convergencia da sucess ao decorre do facto de ela ser n ao crescente e limitada. Seja
= lim
k+
x
k
. Vamos provar que = x
()
o que implica f() = 0. Uma vez que x
.
Est a assim demonstrado o teorema.
O teorema seguinte estabelece igualmente uma condi c ao necess aria para a convergencia
do metodo de Newton. A diferen ca em rela c ao ao anterior reside apenas na quinta condi c ao:
enquanto que o teorema anterior nos d a um criterio para a escolha da aproxima c ao inicial, o
seguinte d a-nos uma condi c ao que garante a convergencia do metodo para qualquer aproxi-
ma c ao inicial escolhida no intervalo [a, b].
Teorema 2.18 Se
1. f C
2
([a, b]),
2. f(a)f(b) < 0,
3. f
(x) 0 ou f
(x) 0,
5.
f(a)
f
(a)
b a e
f(b)
f
(b)
b a,
ent ao, qualquer que seja x
0
[a, b], a sucess ao x
k
gerada pelo metodo (2.6) converge para
a unica raiz x
(x) 0 ou f
(x) 0.
Consideremos f
x
1
=
f
()
2f
(a)
(x
x
0
)
2
0, (a, x
),
e, como tal, x
1
(a, x
) e,
sucessivamente, x
k+1
(x
k
, x
), k = 0, 1, . . ..
Prov amos assim que a sucess ao x
k
converge monotonamente para x
.
Os restantes casos podem ser considerados de forma an aloga.
O algoritmo para o metodo de Newton pode ser dado como se segue.
Algoritmo 2.2 Metodo de Newton
Ler x
0
;
k := 0;
Repetir
d :=
f(x
k
)
f
(x
k
)
;
x
k+1
:= x
k
d;
k := k + 1
ate que [d[
1
ou k = kmax;
Escrever x
x
k
.
Exerccio 2.5.4 Melhore o algoritmo anterior.
Este metodo possui vantagens e desvantagens em rela c ao ao metodo da bissec c ao. As
grandes desvantagens do metodo de Newton residem no facto deste poder divergir (caso a
aproxima c ao inicial escolhida n ao seja sucientemente pr oxima da raiz) e de haver necessidade
de calcular a derivada da fun c ao (mais esfor co computacional). Por outro lado o metodo de
Newton converge muito rapidamente o que faz com que seja um dos metodos mais ecazes
para a aproxima c ao de razes de equa c oes n ao lineares.
N ao e difcil provar a convergencia e quadr atica do metodo de Newton. De facto, por
(2.7),
x
x
k+1
=
f
()
2f
(x
k
)
(x
x
k
)
2
, Ix
, x
k
.
Solu c ao numerica de equa c oes e sistemas n ao lineares 28
Tomando m odulos obtemos
[e
k+1
[ M[e
k
[
2
,
com
M =
1
2
max
x[a,b]
[f
(x)[
min
x[a,b]
[f
(x)[
. (2.8)
Assim, supondo vericadas as hip oteses do Teorema 2.17, conclumos que o metodo de Newton
tem ordem de convergencia p = 2.
Exerccio 2.5.5 Mostre que, se x
k
for a sucessao gerada pelo metodo de Newton (2.6) entao
[x
x
k+1
[ M[x
k+1
x
k
[
2
,
com M dado por (2.8).
Outra vantagem do metodo de Newton em rela c ao ao metodo da bissec c ao tem a ver
com o facto do metodo de Newton se poder generalizar muito facilmente (como veremos)
para sistemas de equa c oes n ao lineares. Alem disso, este metodo tambem se pode aplicar ao
c alculo numerico de razes complexas.
Exerccio 2.5.6 Localize gracamente as razes de f(x) = 0, onde
f(x) = x
2
1 ln (x + 1),
e aproxime a maior delas usando o metodo de Newton duas vezes.
Resolu cao: Como f(x) = 0 x
2
1 = ln (x + 1), tra cando o graco de y = x
2
1 e de
y = ln (x + 1) (gura 4) vericamos que f(x) = 0 possui duas razes reais: x
1
(1, 0) e
x
2
(1, 2).
-2 -1 1 2
-3
-2
-1
1
2
3
y=ln(x+1)
y=x
2
Figura 2.4: Localiza c ao gr aca.
Fa camos a conrma cao analtica apenas para x
2
. Assim:
1. f C((1, 2));
2. f(1)) = ln 2 < 0 e f(2) = 3 ln 3 = 1.901388 > 0;
3. f
(x) = 2x (x 1)
1
> 0, para x (1, 2).
Solu c ao numerica de equa c oes e sistemas n ao lineares 29
Logo a raiz x
2
de f(x) = 0 existe e e unica no intervalo [1, 2].
Para aplicarmos o metodo de Newton temos que primeiro provar a sua convergencia. Como
f(x) = x
2
1 ln (x + 1), f
(x) = 2x (x 1)
1
e f
(x) = 2 + (x 1)
2
temos que
f C
2
([1, 2]). Por outro lado, como f
2
desde que x
0
seja escolhido por forma a que f(x
0
)f
(x
0
) > 0, isto e,
por forma a que
f(x
0
) > 0.
Seja entao x
0
= 2. Assim
x
1
= 2
f(2)
f
(2)
= 1.48144;
x
2
= 1.48144
f(1.48144)
f
(1.48144)
= 1.369785.
Uma estimativa para o erro pode ser dada por
[x
2
x
1
[ = 0.1116554.
Metodo da secante. A desvantagem que o metodo de Newton apresenta ao calcular a
derivada de uma fun c ao pode ser contornada pelo metodo da secante. Este metodo consiste
em substituir em (2.6) f
(x
k
) por (f(x
k
) f(x
k1
))/(x
k
x
k1
). Obtemos assim a f ormula
de recorrencia
x
k+1
= x
k
f(x
k
)
f(x
k
) f(x
k1
)
(x
k
x
k1
), k = 0, 1, . . . .
Em termos geometricos este metodo resulta do metodo de Newton pela substitui c ao da recta
tangente ` a curva y = f(x) em (x
k
, f(x
k
)) pela secante que passa pelos pontos (x
k
, f(x
k
)) e
(x
k1
, f(x
k1
)). Essa recta e dada pela express ao
y = f(x
k
) +
f(x
k
) f(x
k1
)
x
k
x
k1
(x x
k
).
Considerando y = 0 temos que o valor de x obtido e igual ao valor de x
k+1
obtido pelo metodo
da secante.
3
Para que a sucess ao gerada pelo metodo da secante convirja para a unica raiz de
f(x) = 0 em [a, b] prova-se que e suciente que se veriquem as hip oteses do Teorema 2.18.
Prova-se ainda que a ordem de convergencia do metodo da secante e
p =
1 +
5
2
1.618.
Por este facto a convergencia deste metodo diz-se superlinear.
Exerccio 2.5.7 Construa o algoritmo para o metodo da secante.
Exerccio 2.5.8 Repita o exerccio 2.5.6 para o metodo da secante.
3
Note-se que o metodo da secante necessita n ao de uma mas de duas aproxima c oes iniciais x
1
e x
0
, muitas
vezes tomadas como sendo os extremos do intervalo que contem a raiz.
Solu c ao numerica de equa c oes e sistemas n ao lineares 30
2.5.3 Metodo do ponto xo
O metodo do ponto xo n ao e propriamente um metodo mas sim uma classe de metodos (o
metodo de Newton, por exemplo, pertence ` a classe de metodos do ponto xo). Este metodo
tem grande import ancia na resolu c ao de todo o tipo de equa c oes, incluindo as equa c oes
diferenciais e integrais. Neste momento vamos apenas considerar o problema da determina c ao
das razes de uma equa c ao n ao linear f(x) = 0.
O metodo do ponto xo consiste em converter o problema de determinar os zeros de uma
fun c ao no problema (equivalente) de calcular os pontos xos de uma outra fun c ao.
Deni cao 2.19 Seja f uma fun c ao denida num intervalo [a, b] IR. Dizemos que x
[a, b] e um ponto xo de f se x
= f(x
).
Assim, o problema de determinar os valores de x para os quais f(x) = 0 (zeros de f) e
transformado no problema equivalente de determinar os valores de x para os quais g(x) = x
(pontos xos de g). Consideremos o seguinte exemplo.
Exemplo 2.20 A excentricidade da orbita de Venus e dada por e = 0.07. Suponhamos que
pretendemos resolver a equa cao de Kepler
f(x) = 0 x 0.007 sin x z = 0,
quando z = 0.7. Como o termo 0.007 sin x e muito menor que 0.7 temos que uma aproxima cao
para a raiz da solu cao pode ser dada por x 0.7. Substituindo este valor em 0.007 sin x obtemos
0.007 sin 0.7 0.004510. Introduzindo este valor na equa cao de Kepler temos uma nova
aproxima cao para a sua raiz dada por x 0.7 + 0.004510 = 0.704510. Este processo poderia
continuar dando assim origem a um processo iterativo da forma x
k+1
= 0.007 sin x
k
0.7,
k = 0, 1, . . ., e x
0
= 0.7.
Depois de transformarmos o problema na forma da determina c ao dos pontos xos de uma
fun c ao g, as sucessivas aproxima c oes s ao calculadas, a partir de uma aproxima c ao inicial x
0
dada, pela f ormula
x
k+1
= g(x
k
), k = 0, 1, 2, . . . . (2.9)
A fun c ao g e chamada fun cao de itera cao do metodo. Notemos que, no caso do metodo de
Newton, a fun c ao de itera c ao e dada por
g(x) = x
f(x)
f
(x)
.
No exemplo anterior escolhemos para fun c ao de itera c ao g(x) = 0.7 + 0.007 sin x.
A quest ao que se coloca e a seguinte: dada uma equa c ao f(x) = 0 com raiz x
[a, b],
como escolher uma fun c ao de itera c ao g por forma a que as sucessivas aproxima c oes dadas
por (2.9) convirjam para x
, se verica
x
= limx
k+1
= limg(x
k
) = g(limx
k
) = g(x
).
Assim, uma condi c ao necess aria para que o processo iterativo (2.9) convirja para zero x
de
f e que x
seja um ponto xo de g.
Solu c ao numerica de equa c oes e sistemas n ao lineares 31
Exemplo 2.21 Notemos que a equa cao de Kepler dada no exemplo anterior se pode escrever
na forma
x = g(x) = arcsin
x 0.7
0.007
.
Neste caso, para a aproxima cao inicial x
0
= 0.7 temos que x
1
= 0 e x
2
= arcsin (100) que e
um valor que nem sequer esta denido.
Como poderemos decidir qual a melhor escolha para a fun c ao de itera c ao? Em geral,
interessa que g(x) varie pouco com x. O caso ideal seria ter g constante; nesse caso, para
x
0
arbitr ario, teramos x
1
= x
2
[ = [g(
1
) g(
2
)[ = [g
()[[
1
2
[ K[
1
2
[,
onde pertence ao intervalo denido por
1
e
2
. Assim sendo (1 K)[
1
2
[ 0 o
que implica
1
=
2
, uma vez que 0 K < 1.
Convergencia
Considerando x
0
[a, b] temos que
[x
k+1
x
[ = [g(x
k
) g(x
)[ = [g
(
k
)[[x
k
x
[ K[x
k
x
[,
onde pertence ao intervalo denido por x
k
e x
. Assim sendo
[x
k+1
x
[ K
k+1
[x
0
x
[. (2.10)
Tomando limites e atendendo a que K < 1 temos que
lim
k+
x
k+1
= x
,
o que prova o pretendido.
Solu c ao numerica de equa c oes e sistemas n ao lineares 32
Exemplo 2.23 Resolvamos mais uma vez a equa cao de Kepler mas, desta vez, consideremos:
1. a excentricidade e = 0.5 e z = 0.7;
2. a excentricidade e = 0.5 e z = 2.
Vamos apenas efectuar os calculos para o caso 2, isto e, vamos considerar apenas a equa cao
x 0.5 sin x 2 = 0. Para usar o metodo do ponto xo consideremos a fun cao de itera cao
g(x) = 0.5 sin x + 2, x [2, 3].
Vejamos se, para esta fun cao e para este intervalo, se vericam as condi c oes de convergencia do
metodo.
Como g e uma fun cao contnua, vamos provar que g(x) [2, 3], para todo o x [2, 3], isto e,
que o graco de g esta totalmente contido no quadrado [2, 3] [2, 3]. Para isso temos que provar
que g(2), g(3) [2, 3] e que o valor g em todos os seus extremos locais tambem se encontra
nesse intervalo. Ora, g(2) = 2.4546, g(3) = 2.0706 e a fun cao g e mon otona decrescente (pois
g
(x) = 0, 5 cos x). Assim sendo, g(x) [2, 3], para todo o x a variar nesse intervalo.
Para provar que o metodo converge basta apenas provar que o majorante do m odulo de g
em
[2, 3] e inferior a um. Como se ve facilmente
[g
1
(x)[ [g
2
(x)[ < 1, x [a, b],
podemos concluir que a sucess ao denida pelo metodo x
k+1
= g
1
(x
k
), k = 0, 1, 2, . . ., converge
mais rapidamente que a sucess ao denida por x
k+1
= g
2
(x
k
), k = 0, 1, 2, . . ., pois para o
primeiro metodo temos [e
k+1
[ M
1
[e
k
[ e para o segundo [e
k+1
[ M
2
[e
k
[, com M
1
M
2
.
Assim sendo, a escolha deveria recair sobre a fun c ao g
1
.
Observa cao 2.25 Notemos que, no caso geral, o metodo do ponto xo tem uma convergencia
linear. Alem disso, essa convergencia e local, uma vez que ela s o acontece quando o x
0
est a
sucientemente pr oximo do ponto xo.
Consideremos agora os seguintes corol arios do Teorema do Ponto Fixo.
Corolario 2.26 Nas hip oteses do teorema anterior tem-se que
[e
k
[ K
k
maxx
0
a, b x
0
.
Demonstra cao: Resulta imediatamente de (2.10).
Corolario 2.27 Nas hip oteses do teorema anterior tem-se que
[e
k
[
K
k
1 K
[x
1
x
0
[.
Demonstra cao: Por um processo an alogo ao efectuado na demonstra c ao do Teorema do
Ponto Fixo temos que
[x
k+1
x
k
[ K
k
[x
1
x
0
[.
Solu c ao numerica de equa c oes e sistemas n ao lineares 34
Consideremos l > k e [x
l
x
k
[. Assim
[x
l
x
k
[
l1
j=k
[x
j+1
x
j
[ [x
1
x
0
[
l
j=k
K
j
.
Logo
l
j=k
K
j
K
k
j=0
K
j
=
K
k
1 K
.
Conclumos ent ao que
[x
l
x
k
[
K
k
1 K
[x
1
x
0
[.
Tomando limites quando l + temos
[x
x
k
[
K
k
1 K
[x
1
x
0
[,
o que prova o pretendido.
Como vimos, o metodo do ponto xo tem convergencia linear. No entanto, o metodo de
Newton (caso particular do metodo do ponto xo quando a fun c ao de itera c ao e dada por
g(x) = x f(x)/f
(x
) = 0 (onde x
.
Falta apenas provar que a convergencia e quadr atica.
Pela f ormula de Taylor temos que
x
k+1
x
= g(x
k
) g(x
) = g
(x
)(x
k
x
) +
1
2
g
(
k
)(x
k
x
)
2
, Ix
, x
k
.
Como g
(x
(x)[.
Est a assim demonstrado o pretendido.
Exerccio 2.5.9 Mostre que se no ponto xo x
de g se tem g
(x
) = g
(x
) = 0 podemos
concluir (mediante certas condi c oes) que o metodo (2.9) tem convergencia c ubica. Diga quais
sao essas condi c oes de convergencia.
Solu c ao numerica de equa c oes e sistemas n ao lineares 35
2.6 Zeros de polin omios
Suponhamos agora que pretendemos resolver a equa c ao algebrica p(x) = 0 onde
p(x) = a
n
x
n
+ a
n1
x
n1
+ + a
1
x + a
0
, a
n
,= 0, (2.11)
e um polin omio de coecientes reais. Este problema aparece com muita frequencia e existem
para ele muitos resultados especcos. Nesta sec c ao faremos apenas uma breve referencia a
alguns desses resultados.
2.6.1 Resultados basicos
Um resultado b asico sobre polin omios e dado no Teorema Fundamental da
Algebra, devido a
Gauss e a Euler e que apresentamos sem demonstra c ao.
Teorema 2.29 (Teorema Fundamental da
Algebra) Seja p um polin omio de grau n
1 de coecientes reais. Ent ao existe x
) = 0.
Temos tambem que, no caso particular dos polin omios, se x
)q(x),
onde q e um polin omio de grau n 1 de coecientes reais. Se x
e um zero complexo de p o
seu conjugado x
)(x x
)q(x),
sendo q um polin omio de grau n 2 de coecientes reais. Atendendo a estes resultados
podemos escrever.
Corolario 2.30 Se p for um polin omio de grau n de coecientes reais, admite n zeros, reais
ou complexos, iguais ou distintos.
Corolario 2.31 Se p for um polin omio de grau mpar admite, pelo menos, uma raiz real.
A localiza c ao das razes reais de uma equa c ao algebrica pode ser feita por variadssimos
processos. De entre os processos mais populares destaca-se o metodo de Rolle (j a referido
neste curso). Outro resultado muito util para determinar o n umero de zeros reais positivos de
um polin omio foi enunciado por Descartes em 1637: O n umero de zeros reais positivos de um
polin omio e limitado pelo n umero de vari c oes de sinal da sucess ao dos seus coecientes. Mais
tarde Gauss demonstrou que o n umero de zeros reais positivos de um poli omio (contando
com a multiplicidade) tem a mesma paridade do n umero de varia c oes de sinal da sucess ao
dos seus coecientes. Temos ent ao o seguinte teorema.
Teorema 2.32 (Regra de Sinal de Descartes) O n umero de razes reais positivas da e-
qua c ao p(x) = 0, sendo p dado por (2.11), e igual ao n umero de varia c oes de sinal da sucess ao
a
n
, a
n1
, . . . , a
0
ou um n umero inferior mas da mesma paridade.
Solu c ao numerica de equa c oes e sistemas n ao lineares 36
Demonstra cao: Vamos efectuar a demonstra c ao por indu c ao.
Comecemos por considerar p um polin omio de grau um. Neste caso o resultado e obvio
pois a raiz de p(x) = 0, com p(x) = a
1
x + a
0
, s o e positiva quando e s o quando a
1
a
0
> 0.
Suponhamos agora que o resultado e v alido para todos os polin omios de grau n 1
e consideremos p um polin omio de grau n dado por (2.11), com a
n
> 0 (sem perda de
generalidade).
Se a
0
= p(0) > 0, o n umero de varia c oes de sinal da sucess ao dos coecientes de p tem que
ser par pois o primeiro e o ultimo termo da sucess ao s ao positivos. Por outro lado, o n umero
de razes positivas de p(x) = 0 tambem e par pois lim
x+
= +.
A mesma argumenta c ao poderia ser usada no caso de a
0
= p(0) < 0; neste caso, tanto
o n umero de vari c oes de sinal da sucess ao dos coecientes de p como o n umero de zeros
positivos de p s ao mpares. Conclumos ent ao que o n umero de razes positivas de p(x) = 0
tem a mesma paridade do n umero de varia c oes de sinal.
Falta apenas provar que o n umero de varia c oes de sinal limita o n umero de razes positivas.
Suponhamos que p(x) = 0 tem m razes reais positivas e que o n umero de varia c oes de sinal
da sucess ao dos seus coecientes e V < m. Assim sendo, temos que ter m V + 2 (para
manter a paridade). Mas, pelo Teorema de Rolle, p
(x) = (x x)q
(x) + q(x),
temos que p
(x) = q(x).
O algoritmo seguinte usa o metodo de Horner e a regra de Runi para calcular o valor
de derivada de p em x.
Solu c ao numerica de equa c oes e sistemas n ao lineares 38
Algoritmo 2.6 Valores da derivada de um polin omio
Ler a
i
, i = 0, 1, . . . , n;
Ler,x;
b
n1
:= a
n
;
q := b
n1
;
Para i de n 2 ate 0 fazer
b
i
:= b
i+1
x + a
i+1
;
q := qx + b
i
;
Escrever q.
2.6.3 Calculo dos zeros
Vamos come car por considerar o caso em que p, dado por (2.11), tem apenas zeros reais
simples. Neste caso, podemos aplicar qualquer um dos metodos iterativos estudados. No
entanto, sugerimos o seguinte procedimento.
1. Determina-se a localiza c ao (mesmo que grosseira) dos zeros x
n
< x
n1
< < x
2
< x
1
.
2. Partindo de um valor x
0
> x
1
, usando o metodo de Newton, calcula-se uma aproxima c ao
numerica para o maior zero x
1
, com a precis ao desejada (prove que o metodo converge).
3. Pelo algoritmo de Horner/Runi divide-se p por x x
1
e regressa-se ao passo 2 para
determinar x
2
. Repetindo sucessivamente este processo, determinamos numericamente
todos os zeros do polin omio.
4. Para renar as aproxima c oes obtidas, aplica-se o metodo de Newton a p sendo as apro-
xima ces iniciais os valores obtidos no passo 3.
Exerccio 2.6.2 Construa o algoritmo implcito no procedimento descrito anteriormente.
No caso de alguma das razes x
)
m
q(x),
onde o polin omio q, de grau nm, e tal que q(x
(x
k
)
, k = 0, 1, 2, . . . . (2.14)
Exerccio 2.6.3 Prove que se x
.
Para calcular as razes complexas de uma equa c ao algebrica o metodo da bissec c ao n ao
pode ser usado. Quanto ao metodo de Newton (ou o da secante), ele s o convergir a para uma
raiz complexa se a aproxima c ao inicial for um n umero complexo (e se forem satisfeitas as
condi c oes de convergencia), sendo todo o processo realizado com aritmetica complexa. Note-
se que, ap os determinada uma raiz complexa, camos imediatamente a conhecer outra raiz
(a sua conjugada).
Solu c ao numerica de equa c oes e sistemas n ao lineares 39
2.7 Sistemas de equa c oes nao lineares (breve introdu cao)
2.7.1 Introdu cao
Nesta sec c ao vamos descrever, de forma sucinta, a aplica c ao dos metodos do ponto xo em
geral, e do metodo de Newton em particular, ` a resolu c ao numerica de sistemas de equa c oes
n ao lineares.
Consideremos o ponto x = (x
1
, . . . , x
n
) IR
n
e a aplica c ao F, sucientemente regular,
denida por
F : IR
n
IR
n
(x
1
, . . . , x
n
) (f
1
(x
1
, . . . , x
n
), . . . , f
n
(x
1
, . . . , x
n
))
.
= (x
1
, . . . , x
n
) do sistema de n equa c aoes em n
inc ognitas
_
_
f
1
(x
1
, . . . , x
n
) = 0
.
.
.
.
.
.
f
n
(x
1
, . . . , x
n
) = 0
,
que, noutra nota c ao, pode ser escrito na forma
F(x) = 0, (2.15)
com
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
, F(x) =
_
_
f
1
(x)
f
2
(x)
.
.
.
f
n
(x)
_
_
, 0 =
_
_
0
0
.
.
.
0
_
_
. (2.16)
A resolu c ao de sistemas de equa c oes n ao lineares por processos analticos pode ser bastante
difcil ou mesmo impossvel. Nesse caso temos necessidade de recorrer a metodos numericos
no sentido de obter uma solu c ao aproximada. Iremos considerar metodos iterativos da forma
x
(k+1)
= G(x
(k)
), k = 0, 1, . . . , (2.17)
com
G(x) =
_
_
g
1
(x)
g
2
(x)
.
.
.
g
n
(x)
_
_
, (2.18)
que determinem uma sucess ao de aproxima c oes para uma raiz x
_
x
1
x
2
.
.
.
x
n
_
_
(0)
. (2.19)
Uma quest ao essencial quando se lida com metodos iterativos tem a ver com a convergencia
do processo: dada uma sucess ao de aproxima c oes x
(k)
gerada pelo processo iterativo, como
saber se ela e convergente para a solu c ao x
= max
1in
[x
i
[.
Estamos agora em condi c oes de introduzir o conceito de convergencia de uma sucess ao de
vectores.
Deni cao 2.36 A sucessao de vectores x
(k)
diz-se convergente para x
IR
n
se, para todo
o > 0, existe uma ordem k
0
tal que, para todo o k > k
0
, se tem |x
(k)
x
.
Apresentemos de seguida o teorema que garante a convergencia de um metodo iterativo
da forma (2.17). Este teorema e uma generaliza c ao do Teorema do Ponto Fixo para sitemas
de equa c oes e a sua demonstra c ao n ao ir a ser considerada.
Teorema 2.37 Seja x
_
g
1
x
1
(x)
g
1
x
n
(x)
.
.
.
.
.
.
.
.
.
g
n
x
1
(x)
g
n
x
n
(x)
_
_
,
ent ao o metodo (2.17) converge para x
= (x
1
, . . . , x
n
) do referido sistema sendo dada
uma aproxima c ao inicial (2.19). Suponhamos que F C
2
(1
x
), com 1
x
uma vizinhan ca de
x
) = F(x
(0)
) + J
F
(x
(0)
)(x
x
(0)
) + ,
onde
J
F
(x) =
_
_
f
1
x
1
(x)
f
1
x
n
(x)
.
.
.
.
.
.
.
.
.
f
n
x
1
(x)
f
n
x
n
(x)
_
_
e a matriz de Jacobi de F no ponto x. Como F(x
) = 0 e supondo
det (J
F
(x)) ,= 0, x 1
x
,
podemos denir, de forma identica ` a sec c ao anterior, o processo iterativo
x
(k+1)
= x
(k)
J
1
F
(x
(k)
)F(x
(k)
), k = 0, 1 . . . ,
que pretendemos que seja convergente para x
de F(x) = 0 se a aproxima cao inicial for escolhida sucientemente pr oxima dessa raiz.
Sugestao: Mostre que J
G
(x) = 0, sendo G a fun cao de itera cao (2.20).
Notemos que o car acter local da convergencia deste metodo nos obriga a ter o cuidado
de escolher uma aproxima c ao inicial que esteja sucientemente pr oxima da solu c ao que per-
tendemos determinar.
Antes de apresentar o algoritmo que traduz o metodo de Newton, notemos que podemos
evitar, em cada itera c ao, o c alculo da matriz inversa J
1
F
(x
(k)
) se zermos
_
_
_
J
F
(x
(k)
)
(k)
= F(x
(k)
)
(k)
= x
(k+1)
x
(k)
. (2.21)
Solu c ao numerica de equa c oes e sistemas n ao lineares 43
Algoritmo 2.7 Metodo de Newton
Ler x
(0)
;
k := 0;
Repetir
Se det (J
F
(x
(k)
)) = 0 ent ao parar;
Resolver J
F
(x
(k)
) = F(x
(k)
);
x
(k+1)
:= x
(k)
+ ;
k := k + 1
ate que ||
1
ou k = kmax;
Escrever x
x
(k)
.
Uma grande desvantagem do metodo de Newton consiste em determinar, em cada itera c ao,
a solu c ao de um sistema de equa c oes lineares diferente. Na pr atica e usual considerar a
mesma matriz de Jacobi em v arias itera c oes ou mesmo durante todo o processo. Nesse caso,
dizemos que estamos na presen ca do metodo de Newton modicado. Existem ainda outras
modica c oes a este metodo (para evitar, por exemplo, o c alculo de n
2
derivadas) mas n ao as
iremos considerar neste curso.
Algoritmo 2.8 Metodo de Newton modicado
Ler x
(0)
;
J
F
:= J
F
(x
(0)
);
Se det (J
F
) = 0 ent ao parar;
k := 0;
Repetir
Resolver J
F
= F(x
(k)
);
x
(k+1)
:= x
(k)
+ ;
k := k + 1
ate que ||
1
ou k = kmax;
Escrever x
x
(k)
.
Exerccio 2.7.3 Melhore os algoritmos anteriores.
Exerccio 2.7.4 Determine uma aproxima cao para a solu cao de
F(x) = 0
_
x
2
+ y
2
1 = 0
xy + x 1 = 0
,
diferente de (1, 0), efectuando duas itera c oes de metodo de Newton. Indique uma estimativa para
o erro cometido.
Solu c ao numerica de equa c oes e sistemas n ao lineares 44
Resolu cao: Seja x
= (x
1
, x
2
) a solu cao pretendida. Como vimos, a aproxima cao inicial pode
ser dada por (x, y)
(0)
= (1, 1).
Para nao sobrecarregar a nota cao consideremos (x, y)
(k)
= (x
k
, y
k
), k = 0, 1, . . .. Como
J
F
(x
k
, y
k
) =
_
2x
k
2y
k
y
k
+ 1 x
k
_
,
temos que
det (J
F
(x
k
, y
k
)) ,= 0 x
2
k
y
2
k
y
k
,= 0.
Apliquemos o metodo de Newton na forma (2.21).
Primeira Itera cao
Como x
2
0
y
2
0
y
0
= 1 ,= 0 podemos efectuar a primeira itera cao do metodo. Assim
_
2x
0
2y
0
y
0
+ 1 x
0
_ _
x
0
y
0
_
=
_
x
2
0
+ y
2
0
1
x
0
y
0
+ x
0
1
_
_
2 2
2 1
_ _
x
0
y
0
_
=
_
1
1
_
.
Daqui sai que
_
x
0
y
0
_
=
_
0.5
0
_
e, como tal,
_
x
1
y
1
_
=
_
0.5
1
_
.
Segunda Itera cao
Como x
2
1
y
2
1
y
1
= 1.75 ,= 0 podemos efectuar a segunda itera cao do metodo.
Assim obtemos, de modo analogo,
_
1 2
2 0.5
_ _
x
1
y
1
_
=
_
0.25
0
_
.
Daqui sai que
_
x
1
y
1
_
=
_
1/28
1/7
_
e, como tal,
_
x
2
y
2
_
=
_
15/28
6/7
_
.
Temos assim que
x
_
15
28
,
6
7
_
= (0.5357, 0.8571),
sendo uma estimativa para o erro cometido dada por
|x
x
(2)
|
|x
(2)
x
(1)
|
= max
_
1
28
,
1
7
_
=
1
7
= 0.1429.
Solu c ao numerica de equa c oes e sistemas n ao lineares 45
2.8 Exerccios de aplica cao `a engenharia
Exerccio 2.8.1 De Santis (1976) deduziu uma rela cao para o factor de compressibilidade dos
gases reais da forma
z =
1 + y + y
2
y
3
(1 y)
3
,
onde y = b/4, sendo b a correc cao de van der Waals e o volume molar. Se z = 0.892 qual o
valor de y?
Exerccio 2.8.2 Baseado no trabalho de Frank-Kamenetski (1955), as temperaturas no interior
de um material com fontes de calor embebidas podem ser determinadas pela equa cao
e
0.5t
cosh (e
0.5t
) =
_
0.5L
er
.
Dado L
er
= 0.088, determine t.
Exerccio 2.8.3 Um medicamento administrado a um doente produz uma concentra cao na
corrente sangunea dada por
c(t) = Ate
t/3
mg/ml
t horas depois de injectadas A unidades. A concentra cao maxima de seguran ca e de 1 mg/ml.
1. Que quantidade deve ser injectada para que seja atingida a concentra cao maxima de segu-
ran ca e em que altura ocorre esse maximo?
2. Uma concentra cao adicional do mesmo medicamento deve ser administrada no doente depois
da concentra cao ter descido para 0.25 mg/ml. Determine quando e que a segunda injec cao
deve ser administrada (em minutos).
3. Assumindo que a concentra cao ap os injec c oes consecutivas e aditiva e que 0.75% da quan-
tidade original injectada e administrada na segunda injec cao, em que altura deve ser dada
a terceira injec cao?
Exerccio 2.8.4 A concentra cao, C, de uma bacteria poluente num lago decresce de acordo
com a expressao
C = 80e
2t
+ 20e
0.1t
,
onde t representa o tempo. Determine o tempo necessario para que a concentra cao de bacterias
que reduzida a 10.
Exerccio 2.8.5 Em engenharia ambiental a equa cao que se segue pode ser usada para calcular
o nvel de oxigenio, c, existente num rio a jusante de um local de descarga de esgoto:
c = 10 15(e
0.1x
e
0.5x
),
em que x representa a distancia a partir do local de descarga. Usando um metodo `a sua escolha,
determine em que local (a partir da descarga) em que o nvel de oxigenio atinge o valor 4.
Sugestao: Sabe-se que o referido local se encontra, no maximo, a 5 km a jusante do local
de descarga.
Solu c ao numerica de equa c oes e sistemas n ao lineares 46
Exerccio 2.8.6 Em engenharia oceanica, a equa cao para a altura de uma determinada onda
num cais e dada por
h = h
0
_
sin
_
2x
_
cos
_
2tv
_
+ e
x
_
.
Determine uma aproxima cao para o valor de x sabendo que h = 0.5h
0
, = 20, t = 10 e v = 50.
Exerccio 2.8.7 Muitos campos da engenharia requerem o conhecimento de estimativas precisas
para o n umero de habitantes de uma determinada regiao. Assim, por exemplo, os engenheiros
das areas dos transportes consideram ser importante saber como varia o n umero de habitantes de
uma cidade e dos seus sub urbios.
Suponhamos que a popula cao de uma determinada zona urbana decresce ao longo do tempo
de acordo com a equa cao
P
u
(t) = P
u,max
e
k
u
t
+ P
u,min
e que a popula cao suburbana cresce ao longo do tempo de acordo com
P
s
(t) =
P
s,max
1 +
_
P
s,max
P
0
1
_
e
k
s
t
,
sendo as constantes P
u,max
, k
u
, P
u,min
, P
s,max
, P
0
e k
s
parametros estimados empiricamente.
Determine o instante t (e os correspondentes valores de P
u
(t) e P
s
(t)) em que as regi oes
urbanas e suburbanas tem o mesmo n umero de habitantes, usando, para tal, os seguintes valores:
P
u,max
= 60000, k
u
= 0.04, P
u,min
= 120000, P
s,max
= 300000, P
0
= 5000 e k
s
= 0.06.
Exerccio 2.8.8 Para calcular a aspecto de uma calha de escoamento, por gravidade, com o
objectivo de minimizar o tempo de descarga de um determinado produto granulado (Chiarella,
Charlton, Roberts (1975)), e necessario resolver as seguintes equa c oes nao lineares pelo metodo
de Newton
_
_
f
n
(
1
, . . . ,
N
)
sin
n+1
v
n+1
(1 w
n+1
)
sin
n
v
n
(1 w
n
) = 0, n = 1, . . . , N 1
f
N
(
1
, . . . ,
N
) y
N
j=1
tan
j
X = 0
,
onde
(i) v
2
n
= v
2
0
+ 2gny 2y
n
j=1
1
cos
j
, n = 1, . . . , N,
e
(ii) w
n
= yv
n
N
j=1
1
v
3
j
cos
j
, n = 1, . . . , N.
A constante v
0
e a velocidade inicial do produto granulado, X a coordenada em x do extremo nal
da calha, a for ca de atrito, N o n umero de segmentos da calha e g a constante de gravidade.
As variaveis
j
sao os angulos que os respectivos segmentos da calha fazem com a vertical e v
j
a
velocidade das partculas no j-esimo segmento da calha.
Resolva o sistema para = (
1
, . . . ,
N
) usando o metodo de Newton com = 0, X = 2,
y = 0.2, N = 20, v
0
= 0, e g = 32 pes/seg
2
, onde os valores de v
n
e w
n
sao dados por (i) e
(ii). Aplique o metodo ate que
|
(k+1)
(k)
| < 10
2
rad.
Solu c ao numerica de equa c oes e sistemas n ao lineares 47
2.9 Referencias bibliogracas
K.E. Atkinson (1989), An Introduction to Numerical Analysis, 2th ed., John Wiley, New
York.
R.L. Burden e J.D. Faires (1988), Numerical Analysis, 4th ed., PWS-Kent, Boston.
S.D. Conte e C. de Boor (1980), Elementary Numerical Analysis, 3th ed., McGraw-Hill, New
York.
H. Goldstine (1977), A History of Numerical Analysis from 16
th
Through the 19
th
Century,
Springer-Verlag, New York.
C. Houzel (1988),
Equations algebriques, Mathematiques en Mediterranee,
Edisud/Musees
de Marseille, pp. 58-67.
J.A. Ferreira e M.F. Patrcio (1999), An alise Numerica, Textos de Apoio, DMUC, Coimbra.
R. Kress (1998), Numerical Analysis, Springer-Verlag, New York.
H. Pina (1995), Metodos Numericos, McGraw-Hill, Alfragide.
J.R. Rice (1983), Numerical Methods, Software, and Analysis, McGraw-Hill, Tokyo.
M. Rosa (1992), T opicos de An alise Numerica, Textos de Apoio, DMUC, Coimbra.
J.M. Sanz-Serna (1998), Diez Lecciones de C alculo Numerico, Universidad de Valladolid,
Valladolid.
J. Stoer e R. Bulirsch (1980), Introduction to Numerical Analysis, Springer-Verlag, Berlin.
M.R. Valen ca (1988), Metodos Numericos, INIC, Braga.