Listas de exerccios

(Use 10 dgitos significativos, mostre os clculos, escreva de forma clara e concisa)

Exerccios sobre Erros e sistemas de numerao:

1). Dado o nmero decimal x = -(10,05)10:

(2,0) a). Calcule os 32 bits da varivel IEEE que armazena x em float/single;
(0,5) b). Calcule o erro de arredondamento percentual exato gerado no armazenamento do Decimal x em
Binrio.
1). Dado o nmero decimal x=-(15,05)10:
(2,0) a). Calcule os 32 bits da varivel IEEE que armazena x em float/single;
(0,5) b). Calcule o erro de arredondamento percentual exato gerado no armazenamento do Decimal x em
Binrio.
(1,0) 2). Explique como voc calcularia o erro total em computador, contabilizando os arredondamentos e
truncamentos, existentes em uma raiz x de Pn(x)=0 aproximada com a varivel de 32 bits pelo mtodo de
Newton-Raphson otimizado para polinmios, com N iteraes.
(2,0) 1). Monte um algoritmo que calcule em computador o erro total, contabilizando os arredondamentos e
truncamentos, da funo exp(x) calculada na varivel float, atravs de aproximao por srie de Taylor com
n=4 em x=-0,111, conforme expresso abaixo:

exp( x) = e x 1 +

x x 2 x3 x 4
xn
+ + + + ... +
1! 2! 3! 4!
n!

1).
-1
(1,5)1a). Determine os parmetros s, e, f do armazenamento de (-1,11.10 )10 em Binrio na varivel float
padro IEEE 754 de 32 bits;
(1,0)1b). Explique como voc calcularia o erro de arredondamento da funo exp(x) calculada na varivel
float, aproximada por srie de Taylor com 5 termos (at n=4) para x=-0,111, conforme expresso abaixo:

x x 2 x3
xn
e 1 + + + + ... +
1! 2! 3!
n!
x

Resposta: Erro de arredondamento = |VA-VE| sempre, mas o erro de arredondamento de um calculo esta
includo em VA (Valor Aproximado com n=4 e variavel float) e o VE (Valor Exato) deve ser o obtido o mais
exato possvel, sem arredondamento algum se fosse possvel, ento usamos VE como um VA refeito, mas
com preciso dupla (com o mesmo n=4 e variavel double), uma vez que preciso infinita no existe.
(1,0)1c). Explique como voc calcularia o erro de truncamento da funo exp(x), aproximada por srie de
Taylor com 5 termos (at n=4) para x=-0,111, conforme expresso abaixo:

ex 1+

x x 2 x3
xn
+ + + ... +
1! 2! 3!
n!

(Sugesto: Calcule tudo em dupla preciso, para isolar a influncia de arredondamentos)

Resposta: Erro de truncamento = |VA-VE| sempre, mas o erro de truncamento de um calculo esta includo
em VA (Valor Aproximado com n=4) e o VE (Valor Exato) deve ser o obtido o mais exato possvel, sem
truncamento algum se fosse possvel, ento usamos VE como um VA refeito, mas com truncamento
mnimo, usando uma srie com n dobrado 8, uma vez que a srie infinita no existe. Para garantir que os
arredondamesntos no atrapalhem, no afetem os resultados, recomenda-se usar variaveis double nos
calculos de VA e de VE.

(1,0)1d). Explique como voc calcularia o erro total da funo exp(x) calculada na varivel float,
aproximada por srie de Taylor com 5 termos (at n=4) para x=-0,111, conforme expresso abaixo:

ex 1+

x x 2 x3
xn
+ + + ... +
1! 2! 3!
n!

Resposta: Erro total = |VA-VE| sempre, mas o erro total de um calculo esta includo em VA (Valor
Aproximado com n=4 e com variavel float) e o VE (Valor Exato) deve ser o obtido o mais exato possvel,
sem arredondamentos e sem truncamento algum, se fosse possvel, ento usamos VE como um VA refeito,
mas com mnimos arredondamentos e com truncamento mnimo, usando uma srie com preciso dupla e
com n dobrado 8, uma vez que a preciso infinita e a srie infinita no existem.
(1,0)1e). Explique como voc calcularia o erro de truncamento estimado de uma raiz x de f(x)=0 obtida pelo
mtodo de Newton-Raphson, com N iteraes.

P.S.: Lembre que no mtodo de Newton-Raphson (N-R), o erro de truncamento assumido na aproximao
da raiz x decorrente da somatria das parcelas da srie de Taylor que aproxima f(x)=f(xi+dx)=0, a partir
2
3
n
do termo de ordem n=2: Erro de truncamento = f''(xi)dx /2!+f'''(xi)dx /3!+....+f(n)(xi)dx /n!+....
Este erro de truncamento poderia ser reduzido:
i). diminuindo o nmero de parcelas truncadas, mas isso seria outro mtodo numrico, no N-R;
ii). reduzindo o valor de 'dx', aumentando o nmero de iteraes 'N' em um processo convergente.
Resposta: Erro truncamento de x = |VA-VE| sempre, mas o erro de truncamento de um clculo esta includo
em VA (Valor Aproximado de uma raiz x de f(x)=0 obtida pelo mtodo de Newton-Raphson, com N
iteraes) e o VE (Valor Exato de uma raiz x de f(x)=0) que deve ser o obtido o mais exato possvel, sem
sem truncamento algum, se fosse possvel. Usando o mtodo de Newton-Raphson temos raiz x de f(x)=0,
sempre aproximada, ento podemos usar uma estimativa de VE como um VA refeito, mas com
truncamento mnimo, usando o mesmo mtodo com um nmero de iteraes com N mais prximo do
infinito. Assim, pode-se calcular VE com um nmero de iteraes N dobrado, 2N, que tem muito mesmo
truncamento que a raiz obtida com N iteraes e serve de valor Exaro estimado.

Exerccios sobre Equaes no lineares e polinomiais:

(3,0) 3). Dada a funo f ( x ) = x * tan( x ) Bi = 0 ( x radianos ) , com Bi=1:
Monte um algoritmo que determine as n=05 (cinco) primeiras razes positivas 'x' de f(x)=0, com erro mximo
menor

f ( x k +1 ) 0,000001 pelo mtodo de Newton-Raphson. Considere dados os 05 valores iniciais das

05 primeiras razes reais positivas, determinadas previamente, como

xi=[ 1. 3. 6. 9. 12. ].
4

4). Dada a equao polinomial P4(x)= x + 4.x + 1 = 0:

(0,3) a). Monte um quadro com as possibilidades de suas 4 razes, aplicando a regra de Sinais de
Descartes (positivas, negativas e/ou complexas);
(0,2) b). Defina o mdulo mximo destas razes;
(0,5) c). Estime os 04 valores iniciais para as razes de P4(x)=0, considerando os resultado da regra de
sinais e do mdulo mximo destas razes;
(2,0) d). Determine uma segunda raiz real x2 de P4(x) = 0, reduzindo o grau do polinmio inicial P4(x)
atravs da primeira raiz x1=-0,250992, usando o mtodo de Newton-Raphson otimizado para polinmios
(com Briot-Ruffini), a partir do valor inicial xi2 =-1,5, com erro mximo P3 ( x2 ) 0,001 .
(3,0) 3). Dado o grau n e os coeficientes reais ai de uma equao polinomiais Pn(x)=0, sabendo que
funes polinomiais so sempre contnuas:
Monte um algoritmo de busca que localize todas as suas razes reais ir, positivas e negativas, dentro do
intervalo total [-alpha; alpha] e armazene os sub-intervalos [Air,Bir] de comprimento h=0,01, que contm
cada raiz real ir.
Dada: function que calcula mdulo mximo das razes: alpha=modulomax(n,a) (propriedade 9).
4

4). Dada a equao polinomial P4(x)= x + x + 4.x + 1 = 0:

(0,3) a). Monte um quadro com as possibilidades de suas 4 razes, aplicando a regra de Sinais de
Descartes (positivas, negativas e/ou complexas);
(0,2) b). Defina o mdulo mximo destas razes;
(0,5) c). Estime os 04 valores iniciais para as razes de P4(x)=0, considerando os resultado da regra de
sinais e do mdulo mximo destas razes;
(1,5) d). Determine uma segunda raiz real x2 de P4(x) = 0, a partir do valor inicial xi2 =-1,25, no polinmio de
grau reduzido P3(x)=0, dada a primeira raiz x1=-0,269472. Use o mtodo de Newton-Raphson otimizado
para polinmios (com Briot-Ruffini), com erro mximo P3 ( x2 ) 0,001 .
(1,0) e). Refine uma segunda raiz real x2=-1,24938, obtida de P3(x) = 0, usando o mtodo de NewtonRaphson otimizado para polinmios (com Briot-Ruffini), de modo que erro mximo P4 ( x2 ) 0,000001.
(2,0)2). Dado f(x)=exp(x)x1 = 0 e f(x)=exp(x)1 .
Aplicando a frmula do mtodo de Newton-Raphson normal, a partir de xi=1, so obtidos:

f(x)=exp(x)-x-1=0
passo
xi
1
1
2
0,581977
3
0,319055
4
0,167996
5
0,086349
6
0,043796
7
0,022058
8
0,011069
9
0,005545
10
0,002775
11
0,001388
12
0,000694
13
0,000347
14
0,000174
15
8,68E-05

f(xi)
0,718282
0,207596
0,056772
0,014936
0,003838
0,000973
0,000245
6,15E-05
1,54E-05
3,85E-06
9,64E-07
2,41E-07
6,03E-08
1,51E-08
3,77E-09

f'(xi)
1,718282
0,789572
0,375827
0,182932
0,090187
0,044769
0,022303
0,011131
0,00556
0,002779
0,001389
0,000694
0,000347
0,000174
8,68E-05

dx=f(xi)/f'(xi)
-0,418023293
-0,262921666
-0,151058868
-0,081647299
-0,04255317
-0,021738018
-0,010988298
-0,005524483
-0,00276989
-0,001386866
-0,000693914
-0,000347077
-0,000173569
-8,67919E-05
-4,33978E-05

x=xi+dx erro=|f(x)|+|dx|
0,581977
0,625618983
0,319055
0,319693675
0,167996
0,165994779
0,086349
0,085485025
0,043796
0,043526357
0,022058
0,021983088
0,011069
0,01104979
0,005545
0,005539884
0,002775
0,002773744
0,001388
0,001387829
0,000694
0,000694155
0,000347
0,000347138
0,000174
0,000173584
8,68E-05
8,67957E-05
4,34E-05
4,33988E-05

Observe que a raiz exata 0 (zero), mas a raiz aproximada na 6a. Iterao foi de 0,021983088 (apenas 2
dgitos esto exatos), pois o processo iterativo se tornou lento, perdeu a convergncia quadrtica tpica do
mtodo de Newton-Raphson em funo da reduo do valor da derivada f'(x), e desta forma o clculo de
dx=-f/f' no foi reduzido adequadamente, pois tende uma indeterminao 0/0.
O erro de convergncia adequado para estes casos deve considerar |dx| e |f(x)|, erro=|dx|+|f(x)|.
Um forma de resolver esta indeterminao aplicar a Regra de L'Hospital expresso dx, derivando o seu
numerador e seu denominador (dx=-f/f'=-f'/f''), de forma anloga correo do mtodo de Newton-Raphson
aplicado aos polinmios com razes mltiplas, onde tambm os valores de f' se tornam muito pequenos
para multiplicidade maiores ou iguais a 2.
Ento, corrija a frmula de Newton-raphson, dx=-f(xi)/f'(xi), aplicando a Regra de L'Hospital, e determine a
raiz de f(x) com 10 dgitos significativos exatos, erro=|f(x)|+|dx|<1.e-10.

f(x)=exp(x)-x-1=0
passo
xi
0
1
1
0,367879
2
0,06008
3
0,001769
4
1,56E-06
5
1,22E-12

f'(xi)
1,718282
0,444668
0,061922
0,001771
1,56E-06
1,22E-12

L'Hopital
f''(xi)
dx=f'(xi)/f''(xi) x=xi+dx erro=|f(x)|+|dx|
2,718282 -0,632120559 0,367879
0,708908979
1,444668 -0,307799372 0,06008
0,309640874
1,061922 -0,058310869 0,001769
0,058312435
1,001771 -0,001767635 1,56E-06
0,001767635
1,000002
-1,56411E-06 1,22E-12
1,56411E-06
1
-1,22324E-12 7,78E-17
1,22335E-12
5

3). Dada a equao polinomial P5(x)= +x +x x x + 0,1x = 0:

(0,5) 3a). Monte um quadro com as possibilidades de suas razes aplicando a regra de Sinais de Descartes
(positivas, negativas e/ou complexas);
(0,5) 3c). Determine 5 valores iniciais para as razes de P5(x) = 0;
(2,0) 3d). Sabendo que a ltima raiz encontrada de P5(x)=0 +0.97363, calculada em P1(x)=0 por redues
sucessivas de grau de P5(x)=0, determine esta ltima raiz REFINADA aplicando o mtodo de NewtonRaphson otimizado no polinmio exato original, sem erros da reduo de grau (P5(x)=0, ou P4(x)=0, onde
x.P4(x)=P5(x)), com erro mximo |P5(x)|<1.e-6 (ou |P4(x)|<1.e-6).
4). A funo f(x)=x*tan(x)-1=0 (x radianos) tem infinitas razes, quase-peridicas:
(1,0) 4a). Determine um intervalo que contenha a segunda raiz real positiva 'x' (excluir descontinuidades);
(1,0) 4b). Determine o seu valor aproximado com erro mximo e mtodo de sua escolha. Escreva a raiz e o
erro obtido;
(2,0) 4c). Supondo que no seja conhecida a expresso da derivada de f(x) acima, monte um algoritmo
completo que determine a sua segunda raiz real positiva 'x' pelo mtodo de Newton-Raphson com derivada
aproximada numericamente. Imprima a raiz e o erro aproximado encontrados.
e x

(3,0) 1). Monte um algoritmo, tipo function x=sqrtn(n,C), que determine x = n C , para nN, C
usando apenas operaes artimticas bsicas: + - * / .
P.S.: Pode ser usada uma funo bsica que determine um valor inicial xi de x:
function xi=finicializa(C)

if(C>1) xi=1+eps;
else
xi=0+eps;end
end
(4,0) 2). Monte um algoritmo que determine todas as 'n' razes 'x', reais, complexas, simples ou mltiplas,
de um polinmio Pn(x) de grau 'n' definido pelos seus 'n+1' coeficientes 'a', com 16 dgitos significativos
exatos, erro=abs(x)<eps, onde 'eps' representa a preciso da varivel 'double', de 52 bits na mantissa,
equivale
-52
2 = 2.2204e-016.
Dados:

-xi=fLocalizaPoli(n,a)%vetor de 'n' razes de Pn(x), reais se existirem,

e as demais sero genericamente razes complexas dentro de um crculo
limite;
-[x M erro cont]=fNRPoliM(n,a,xi,erroMax)%determina raiz 'x', mltipla
ou no, do polinmio de grau 'n' e coeficientes 'a', a partir de xi c/
erroMax;
-b=fDivBrio(n,a,xi)%determina 'n+1' coeficientes b da diviso Pn(x),
de grau 'n' e coeficientes 'a', por (x-xi), via Briot-Ruffini;

Exerccios sobre sistemas de Equaes lineares:

(3,0) 2). Monte um algoritmo genrico tipo x=substituicoes(n,A,b), que determina a soluo x do sistema
linear A.x=b, a partir da matriz A, que j contm L\U juntos e do vetor b, fazendo as duas substituies
L.c=b e U.x=c.
Determine o nmero de operaes aritmticas em ponto flutuante do algoritmo x=substituicoes(n,A,b), em
funo de n.
Dada a funo: [A b]=fLU(n,A,b) - que retorna a matriz A decomposta (LU de Crout), com as matrizes L, U
armazenadas juntas [A=L\U], com pivotao parcial interna, atravs da funo [A b]=pivotacao(k,n,A,b) que troca linhas da matriz A e do vetor b e retorna a linha k contendo o maior coeficiente em mdulo na
coluna k.
3). Dado o sistema linear abaixo para n=10000 equaes:
equao i = 1 x + x = 150
= 100
equao i = 2 n/2 x + 9. x + x + x
equao i = n/2 + 1 n 1 x
+ x + 9. x + x = 200
equao i = n x + x = 300
(0,5) 3a). Se o sistema for resolvido por mtodos iterativos, como Jacobi e Gauss-Seidel, a sua
convergncia para a soluo garantida? Justifique;
(0,5) 3b). O processo iterativo de convergncia poder ser do tipo oscilatrio ou no-oscilatrio
(monotnico)? recomendo testar a utilizao de fatores de sub-relaxao? Justifique;
(4,0) 3c). Monte um algoritmo otimizado, que calcule e imprima a soluo do sistema linear acima com 10
dgitos significativos exatos, para as n=10.000 incgnitas, pelo mtodo que efetue o menor nmero de
operaes aritmticas em ponto flutuante. Justifique a escolha do mtodo adotado.
(0,75) 1a). Que cuidados devem ser tomados ao se resolver sistemas mal-condicionados por mtodos diretos. Seria
indicado resolver sistemas mal-condicionados por mtodos iterativos? Justifique;
(2,0) 1b). Monte um algoritmo otimizado, tipo function A=fescalona(n,A), que determine a matriz escalonada
triangular superior de Gauss, a partir das entradas n (n de equaes) e da matriz expandida A=[Ao b] de um
sistema genrico Ao.x=b, exportando a matriz expandida escalonada triangular superior e b, A=[A b].
xi xi +1 = 0,1
x + 2.x x = 0,1
i 1
i
i +1

xi 2 x i 1 + 3..x i xi +1 = 0,2
xi 1 + 2.xi = 0,3

para i = 1

para i = 2,..., n1 1
para i = n1 ,..., n2 1
para i = n2

2). Dado o sistema linear com 4 tipos de equaes:

(0,75) 2a). Considerando n1=300 e n2=400, se o sistema for resolvido por mtodos iterativos, a sua convergncia ser
garantida? Justifique sua resposta.
(0,5) 2b). Se o sistema acima convergir lentamente para a soluo por mtodos iterativos, como a sua convergncia
pode ser acelerada? Justifique sua resposta.
(2,0) 2c). Determine a soluo x e o resduo mximo das equaes, do sistema acima, para n1=3 e n2=4, pelo mtodo de
Gauss (sem pivotao);
(2,0) 2d). Determine a soluo do sistema acima, para n1=3 e n2=4, com erro mximo max|x(i)-xi(i)| de sua escolha,
pelo mtodo de Gauss-Seidel (sem fator de sub-relaxao).
(2,0) 1b). Monte um algoritmo otimizado, tipo function x=fsubstituicoesLU(n,L,U,b), que determine a soluo x
do sistema A.x=b, a partir das entradas n, L, U e b, (L.U=A), resolvendo as duas substituies L.c=b e U.x=c e
exportando a soluo x;
2). Dado o sistema linear com 4 tipos de equaes:

xi xi +1 = 0,1
x + 4.x x = 0,1
i 1
i
i +1

xi 2 xi 1 + 2.xi = 0,2
xi 1 + 2.xi = 0,3

para i = 1

para i = 2,..., n1 1

para i = n1 ,..., n2 1

para i = n2

(0,75) 2a). Considerando n1=300 e n2=400, se o sistema for resolvido por mtodos iterativos, a sua convergncia ser
garantida? Justifique sua resposta.
(0,5) 2b). Se o sistema acima convergir de forma oscilatria ao longo de um processo iterativo, como a sua
convergncia pode ser acelerada? Justifique sua resposta.
(2,0) 2c). Determine as matrizes L e U decompostas de A, tal que L.U=A, referente ao sistema acima para n1=3 e n2=4,
pelo mtodo de Crout (sem pivotao);
(2,0) 2d). Determine a soluo do sistema acima, para n1=3 e n2=4, com erro mximo max|x(i)-xi(i)|<2.e-2 (ou a seu
critrio), pelo mtodo de Gauss-Seidel (sem fator de sub-relaxao), partir da soluo inicial NULA.
x 1 + x 2 + 1, 5 . x 3 = 4
x 1 + 0,01. x 2 + 0 , 51 . x 3 = 3
2 ,9 . x + x + 2 x = 1
1
2
3

5). Dado o seguinte sistema linear:

(0,5) a). Se este sistema for resolvido por mtodo DIRETOS, verifique se um sistema mal-condicionado. Justifique;
(0,5) b). Que cuidados devemos tomar adicionalmente para resolver sistemas mal-condicionados;

(1,0) c). Determine a soluo x do sistema acima pelo mtodo de Gauss;

(0,5) d). Determine o resduo mximo do sistema acima com a soluo x obtida e avalie se este resduo satisfatrio;
(1,5) e). Monte um algoritmo genrico, tipo x=retrosubtituicao(n,Ab), que determine a soluo x a partir das entradas n e Ab, onde A.x=b, Ab=[A
b] concatenadas em n linhas e n+1 colunas, e exportando a soluo x.

xi xi +1 = 150
para i = 1
x + 3 x x x = 100
para i = 2,..., n1 1
i 1
i
i +1
i+ 2

=
para i = n1 ,..., n2 1
x
x
3
.
x
x
200
i
i +1
i 2 i 1
para i = n2
xi 1 + xi = 300
(0,5) a). Considerando n1=3000 e n2=4000 com n2 equaes, se o sistema for resolvido por mtodos iterativos, a sua convergncia ser garantida?
Justifique sua resposta.
(0,5) b). Considerando o sistema acima, recomendado testar o uso de fatores de sub-relaxao na sua resoluo por mtodos iterativos? Justifique sua
resposta.
(1,5) c). Monte um algoritmo que determine a soluo do sistema acima, para n1=3000 e n2=4000 equaes, com erro mximo Max|x(i)-xa(i)|
<1.e-6, pelo mtodo de Gauss-Seidel com fator de sub-relaxao 0.5, partir da soluo inicial UNITRIA.

6). Dado o seguinte sistema linear:

x 1 + x 2 + 1, 5 . x 3 = 4
x 1 + 0,01. x 2 + 0 , 51 . x 3 = 3
2 ,9 . x + x + 2 x = 1
1
2
3

7). Dado o seguinte sistema linear:

(0,5) a). Se este sistema for resolvido por mtodo DIRETOS, verifique se um sistema mal-condicionado. Justifique;
(0,5) b). Que cuidados devemos tomar adicionalmente para resolver sistemas mal-condicionados por mtodos diretos;
(2,0) c). Determine a soluo x do sistema acima pelo mtodo de Crout (sem pivotao);
(0,5) d). Determine o resduo mximo do sistema acima com a soluo x obtida e avalie se este resduo satisfatrio;
(1,5) e). Monte um algoritmo, tipo x=substituicoes(n,A), que determine a soluo x do sistema Ao.x=b, a partir das entradas n e A (L.U=Ao,
A=[L\U b] matriz expandida que contm L e U (juntadas) e concatenadas com b em n linhas e n+1 colunas), resolvendo as duas substituies
L.c=b e U.x=c e exportando a soluo x;
(0,5) f). Monte um algoritmo que determine a soluo x do sistema acima Ao.x=b de n equaes representado pela matriz expandida A=[Ao b],
usando o mtodo LU de Crout, com pivotao parcial.
Dadas as funes:
-> A=LU(n,A) - determina a matriz expandida decomposta, com as matrizes L, U e b armazenadas, com pivotao parcial interna, atravs da
funo A=pivotacao(n,A,k) - que determina a matriz expandida com linha k com o maior coeficiente em mdulo na coluna k e
-> x=substituicoes(n,A) - determina a soluo x a partir da matriz expandida j decomposta (L.U=Ao), que contm L e U (juntadas) e b, fazendo
as duas substituies L.c=b e U.x=c.

x i x i +1 = 0,1
para i = 1
8). Dado o seguinte sistema linear:

para i = 2,..., n1 1
x i 1 + 3 x i x i +1 x i + 2 = 0,1

para i = n1 ,..., n 2 1
x i 2 x i 1 + 3.x i x i +1 = 0, 2
x + 2.x = 0,3
para i = n 2
i
i 1
(0,5) a). Considerando n1=3000 e n2=4000 com n2 equaes, se o sistema for resolvido por mtodos iterativos, a sua convergncia ser garantida?
Justifique sua resposta.
(0,5) b). Considerando o sistema acima, recomendado testar o uso de fatores de sub-relaxao na sua resoluo por mtodos iterativos? Justifique sua
resposta.
(2,0) c). Determine a soluo do sistema acima, para n1=3 e n2=4 equaes, com erro mximo Max|x(i)-xa(i)| de sua escolha, pelo mtodo de GaussSeidel (sem fator de sub-relaxao), partir da soluo inicial UNITRIA.

1). Dado o seguinte sistema de equaes:

x 1 + x 2 + 1, 5 . x 3 = 4

x 1 + 0,01. x 2 + 0 , 51 . x 3 = 3
2 ,9 . x + x + 2 x = 1
1
2
3

a). Determine a soluo do sistema acima pelo mtodo de GAUSS (escalonamento por
triangularizao), com pivotao parcial;
b). Verifique se o sistema acima mal-condicionado. Justifique;
c). Avalie os resduos das equaes e verifique se a soluo obtida tem uma exatido satisfatria.
2). Elabore algoritmos que:
a). Fornea a matriz pivotada [A b] atravs da Pivotao Parcial de uma matriz expandida [A b]
para uma linha genrica k;
b). Fornea a matriz [A b] triangularizada pelo mtodo de Gauss de uma matriz expandida [A b]
genrica;
c). Fornea a soluo S={xi} de uma sistema escrito em forma de matriz expandida j
triangularizada [A b], pelo mtodo da Retrosubstituio de Gauss;
d). Fornea a matriz [A b],decomposta em L e U, pelo mtodo de Crout a partir de uma matriz
expandida [A b];
e). Fornea a soluo S={xi}, a partir de um sistema cuja matriz de coeficientes j est
decomposta em L e U pelo mtodo de Crout, onde L e U esto armazenadas juntas na mesma
matriz expandida [A b];
f). Clcule o residuo mximo das equaes de um sistema [A b] original para uma soluo S={xi}.
3). Determine a soluo do seguinte sistema composto por uma matriz tridiagonal pelo mtodo de
Gauss otimizado:

x 1 x 2 = 5
3x x = 4
3
2
x 2 2x 3 + x 4 = 10
x x + x = 3
4
5
3
x 4 + x 5 = 3
4). Monte um algoritmo que determine a soluo do sistema acima pelo metodo de Gauss
otimizado.

x1 x2 = 150
x 3x + x x
para i = 2,...,2999
i 1
i
i +1
i +1000 = 100
5). Dado o sistema linear
= 200 para i = 3000,...,4999
xi 1000 2,1.xi + xi +1
x4999 x5000 = 300
a). Analise o sistema anterior de 5000 equaes e escolha um mtodo adequado para sua
resoluo. Justifique sua resposta.
b). Se o sistema for resolvido por mtodos iterativos, a sua convergncia garantida?
c). O processo iterativo de convergncia dever ser do tipo oscilatrio ou no-oscilatrio
(monotnico)? Justifique sua resposta.
k +1

d). Elabore um algoritmo otimizado para obter sua soluo com Max x i x i ( = 10 5 ),
pelo mtodo de Gauss-Seidel com sub-relaxao =0.8, a partir da soluo inicial (0,0,0,...,0).
k

6). Dados o seguintes sistema linear:

x1 + 2 x 2 + x 3 = 4

x 1 + 0,1 x 2 + x 3 = 3
4 x + x + 2 x = 1
2
3
1
a). Verifique se este sistema possui diagonal dominante;
b). Efetue uma pivotao parcial em todos as linhas;
c). Verifique novamente se o sistema pivotado apresenta diagonal dominante;
d). Resolva o sistema pivotado pelo mtodo de Gauss-Seidel, com

Max x ik +1 x ik ( = 10 2 ), partindo da soluo inicial (0,0,0).

7). Responda:
a). O que pivotao parcial e para que serve?
b). A pivotao parcial ajuda a minimizar o acmulo de erros de arredonamento ao longo do
processo de escalonamento? Justifique.
c). Quais so os requisitos para que um sistema de equaes convirja garantidamente?
d). Quais so os requisitos para que um sistema de equaes convirja rapidamente e sem
oscilaes?
8). Sabendo que um computador X opera 106 operaes em ponto flutuante por segundo, e que o
nmero total de operaes aritmticas envolvidas no mtodo de Gauss da ordem de O((1/3) n3)
operaes:
a). Quanto tempo de CPU ser necessrio para resolver um sistema de 1000 equaes neste
mesmo computador?
b). Quantos MB (megabytes) so necessrios para armazenar um sistema de 1000 equaes
utilizando variveis FLOAT (32 bits = 4 B) na forma de matriz expandida?
9). Dado o seguinte sistema de equaes:

2 . x1 x 2 + x 3 = 1

x1 2 x 2 + x 3 = 1
x 0 ,1 . x x = 3
2
3
1
(0,5) a). Verifique se o sistema acima mal condicionado. Justifique;
(2,0) b). Determine as matrizes L e U e a soluo S={x1, x2, x3} do sistema A.x=b acima pelo mtodo de decomposio L e U de
CROUT;
(0,5) c). Calcule o resduo mximo da soluo S obtida acima.

10). Dado o seguinte sistema linear:

x1 + x 3 = 1

Para i = 2 at ( n 1)
x
n 1 + 2 . x n = 3

x i 1 + 2 . x i + x i + 1 = 3

(1,0) a). Considerando n=1000 equaes, se o sistema for resolvido por mtodos iterativos, a sua convergncia ser garantida?
Justifique sua resposta.
(1,0) b). Considerando n=1000 equaes, recomendado o uso de fatores de sub-relaxao na sua resoluo por mtodos iterativos?
Justifique sua resposta.
(2,0) c). Considerando n=4 equaes, determine a soluo do sistema, com erro mximo Max|xi-xai|, pelo mtodo de Gauss-Seidel,
com fator de sub-relaxao =0,8 a partir da soluo inicial unitria ( de sua escolha). Defina o erro encontrado.
(1,5) d). Monte um algoritmo que determine a soluo do sistema acima, para n=1000 equaes, com erro mximo Max|xixai|<0,000001, pelo mtodo de Gauss-Seidel, com fator de sub-relaxao =0,8 a partir da soluo inicial unitria.
14). Dado o seguinte sistema de equaes:
x + x" + 1,5. x$ = 4
! 2. x + 0,5. x$ = 3
3. x + x" + 2. x$ = 1
(0,5) 1a). Verifique se o sistema acima mal-condicionado. Justifique;
(3,0) 1b). Determine uma soluo do sistema acima pelo mtodo de GAUSS (triangularizao e retrosubstituio), com pivotao
parcial;
(0,5) 1c). Avalie os resduos finais das equaes e verifique se a soluo obtida tem uma exatido satisfatria.
15). Dado o sistema linear para n=5000 equaes:
para i = 1 x x" = 150
!para i = 2 n 1 x + x + x = 100
para i = n x( + x( = 300
(1,0) 2a). Se o sistema for resolvido por mtodos iterativos, como Jacobi e Gauss-Seidel, a sua convergncia para a soluo
garantida? Justifique;
(1,0) 2b). Esse sistema pode ser resolvido pelo mtodo de Gauss otimizado, para matriz banda tridiagonal? Justifique;
(2,0) 2c). Elabore um algoritmo otimizado que calcule e imprima sua soluo, pelo mtodo mais eficiente (com menor nmero de
operaes artimticas). Justifique a escolha do mtodo.
17). Dado o seguinte sistema de equaes:
x + x" + 1,5. x$ = 4
!2. x + 0,01. x" + 0,5. x$ = 3
3. x + x" + 2. x$ = 1
(1,0) 1a). Verifique se o sistema acima mal-condicionado. Que cuidados so necessrios para se resolver um sistema mal
condicionado com exatido. Justifique;
(3,0) 1b). Determine a soluo do sistema acima pelo mtodo de Crout (decomposio LU);
(0,5) 1c). Avalie os resduos finais das equaes e verifique se a soluo obtida tem uma exatido satisfatria.
18). Dado o sistema linear para n=10000 equaes:
equao i = 1 x + x = 150
equao i = 2 n/2 x + 9. x + x + x
= 100
equao i = n/2 + 1 n 1 x
+ x + 9. x + x = 200
equao i = n x + x = 300
(0,5) 2a). Se o sistema for resolvido por mtodos iterativos, como Jacobi e Gauss-Seidel, a sua convergncia para a soluo
garantida? Justifique;
(0,5) 2b). Se o sistema for resolvido por mtodos iterativos, como Jacobi e Gauss-Seidel, recomenda a utilizao de fatores de subrelaxao? Justifique;
(0,5) 2c). Esse sistema pode ser resolvido pelo mtodo de Gauss otimizado, para matriz banda tridiagonal? Justifique;
(2,0) 2d). Monte um algoritmo otimizado, que calcule e imprima uma soluo satisfatria (escolha um erro adequado) para as n=10000
incgnitas, pelo mtodo que voc presuma efetuar o menor nmero de operaes artimticas em ponto flutuante (existem duas
possibilidades de solues otimizadas vistas em aula). Justifique a escolha do mtodo adotado. Escolha.

Exerccios sobre Equaes No lineares (sistemas no lineares):

(2,0) 3). Monte um algoritmo completo que determine uma soluo x=[x1, x2] das equaes abaixo pelo mtodo
de Newton com 10 digitos significativos exatos (erro=max|x(i)-xi(i)|<1.e-10), a partir da soluo inicial
UNITRIA:

x1 x2 = 1
2
2
x1 + x2 4 x1 + 2 x2 = 4
Dada uma function x=fGauss(n,A), que determina a soluo x de um sistema pelo mtodo de escalonamento de
Gauss.
(3,0) 3). Monte um algoritmo completo que determine uma soluo x=[x1, x2] das equaes abaixo pelo
mtodo de Newton com 10 digitos significativos exatos (erro=max|x(i)-xi(i)|<1.e-10), a partir da soluo
inicial UNITRIA:

f1 ( x1 , x2 ) = 0;

f 2 ( x1 , x2 ) = 0;
Dados:
- function x=fGauss(n,A), que determina a soluo x de um sistema pelo mtodo de escalonamento de
Gauss (A.x=b -> A=[A b]);
- function y=f1(x) e function y=f2(x).
(1,5) 9). Dada a equao de estado de Van der Walls,)* + - . , / = 0 2, onde R a constante universal dos gases = 8,314 (J)/(mol.K). Os valores
,
de a e b so parmetros de cada gs. Conhecidas as seguintes propriedades fsicas de um gs X e dois estados fsicos: P,v,T:
T (K)
300
600
v (m3/kmol )
0,5
0,2
P (kPa)
6235,10
49881,50
Aplique os 2 pontos dados acima, na equao de Van der Walls, gerando 2 funes no lineares, conforme abaixo:
+

3 a, b = )51 +

. 91 : ; <1 = 0 e 3" a, b = )52 +

7"8

. 92 : ; <2 = 0

Monte um algoritmo que determine os 2 parmetros deste gs X, com Erro=Max|dx(i)|<0,00001, usando o Mtodo de Newton, a partir da
soluo inicial: (a*;b*)=(0,2;0,2). Dada a funo x=fgauss(n,A,b), que determina a soluo x de sistema linear A.x=b.

(3,0) 10). Dado o sistema:

x12 + cos(2.x1 .x 2 ) 1,1 = 0

4
x1 + x 21 / 4 0,84 = 0

Determine uma soluo S={x1,x2} (radianos) deste sistema usando o Mtodo de Newton, a partir da soluo inicial (0,4;0,4) com erro
mximo de sua escolha. Defina a soluo e o erro mximo encontrados.

Exercicios sobre interpolao e ajuste de curvas:

1). Suponha que voc precise avaliar a funo f(x)=ln(x), em x[1; 2], utilizando apenas operaes
algbricas via interpolao polinomial, para utilizar posteriormente em um processador embarcado.
a). Determine o grau n mnimo necessrio do polinmio interpolador Pn(x) para que o erro de truncamento
-2
1/2
-2
mximo estimado seja da ordem de 10 (<10 .10 ); (1,0)
b). Determine a expresso do interpolador polinomial Pn(x) representativo de f(x) com n=2 no intervalo
x[1;2] por um mtodo qualquer para um x genrico; (1,0)
c). Avalie o erro de truncamento mximo estimado e o erro de truncamento mximo exato, entre Pn(x) e
f(x), para n=2. Verifique que o erro de truncamento mximo exato deve ficar abaixo do erro de truncamento
mximo estimado; (1,0)
d). Monte um algoritmo de busca que determine o grau n mnimo do polinmio interpolador Pn(x)
-6
necessrio para que o erro de truncamento mximo exato, entre Pn(x) e f(x), seja da ordem de 10
1/2
-6
(<10 .10 ), com f(x)=ln(x), em x
[1; 2].
Sugesto: Monte um algoritmo que incremente
1/2
-6
sequencialmente o valor de n at que o erro de truncamento mximo exato menor 10 .10 . (2,0)
2).A tabela abaixo com m=5 pontos, obtida experimentalmente, que relaciona a viscosidade adimensional V
de uma material fictcio em funo da sua temperatura adimensional T:
T=[ 1.00 1.25 1.50 1.75 2.00 ];
V=[ 0.09 0.15 0.20 0.27 0.33 ];
Considere que o comportamento da viscosidade V em funo da temperatura T do material conhecido e
2
dado por uma funo no polinomial V(T)=ln(a+b*T ),
a). Avalie os parmetros 'a' e 'b' atravs de ajuste de curvas transformado para polinomial, de modo a levar
em conta todas as m=5 medies experimentais; (2,0)
2
b). Calcule o desvio quadrtico total mdio, entre V(Ti)=ln(a+b*Ti ) e Vi medido experimentalmente; (1,0)
c). Monte um algoritmo que determine e imprima os parmetros a e b no lineares, de
2
V(T)=ln(a+b*T ), atravs de ajuste de curvas direto, com a minimizao do desvio quadrtico
-

= +, / = C
B A . , considerando as medies experimentais acima. (2,0)
ADE)?@ + + / 2 A
-------------------------------------------------------------------------------------------------------------------------------------------Dadas as funes:
i). s=fgauss(Nsis,A), onde Nsis = nmero de equaes do sistema armazenado na matriz expandida A e s
a soluo do sistema;
ii). z=fresto(n,coef,xp), onde n = grau do polinmio Pn(x), coef(i) = vetor de coeficientes de Pn(x) em ordem
crescente de grau e xp o valor para o qual calculado o valor z=Pn(x=xp);
iii). z=fLagrange(n,x,y,xp), onde x e y so os vetores de pontos exatos da funo f(x) a ser interpolada, n
o nmero de subdivises do intervalo [a;b] utilizada para determinar x e y, xp o valor para o qual
calculado o valor z=Pn(x=xp) pelo mtodo de Lagrange;
iv). z=fLagrange(n,x,y,xp), onde x e y so os vetores de pontos exatos da funo f(x) a ser interpolada, n
o nmero de subdivises do intervalo [a;b] utilizada para determinar x e y, xp o valor para o qual
calculado o valor z=Pn(x=xp) pelo mtodo de Gregory-Newton.

1). Suponha que voc precise avaliar a funo f(x)=sen(-1+x), em x[1; 2] (radianos), utilizando apenas
operaes algbricas via interpolao polinomial, para utilizar posteriormente em um processador
embarcado (no um computador completo).
a). Determine o grau n mnimo necessrio do polinmio interpolador Pn(x) para que o erro de truncamento
-3
1/2
-3
mximo estimado seja da ordem de 10 (<10 .10 ); (1,0)
b). Determine a expresso do interpolador polinomial Pn(x) representativo de f(x) com n=2 no intervalo
x[1;2] por um mtodo qualquer para um x genrico. (use pelo menos 6 dgitos significativos); (1,0)
c). Avalie o erro de truncamento mximo estimado e o erro mximo exato, entre Pn(x) e f(x), para n=2.
Verifique que o erro mximo exato deve ficar abaixo do erro de truncamento mximo estimado; (1,0)
d). Monte um algoritmo que determine os n+1 coeficientes do interpolador Pn(x), representativo de
f(x)=sen(-1+T), em x
[1; 2], para grau n genrico, e calcule o valor numrico do polinmio
interpolador em funo dos coeficientes obtidos em x qualquer. (2,0)
2).A tabela abaixo com m=5 pontos, obtida experimentalmente, que relaciona a viscosidade adimensional V
de uma material fictcio em funo da sua temperatura adimensional T:
T=[ 1.00 1.25 1.50 1.75 2.00 ];
V=[ 0.00 0.24 0.48 0.68 0.85 ];
Considere que o comportamento da viscosidade V em funo da temperatura T do material conhecido e
dado por uma funo no polinomial V(T)=sen(a+b*T), [T radianos].
a). Avalie os parmetros 'a' e 'b' atravs de ajuste de curvas parametrizado, transformado para polinomial,
de modo a levar em conta todas as m=5 medies experimentais; (2,0)
b). Calcule V(T=1,5), pela funo V(T)=sen(a+b*T) ajustada e calcule o desvio local em T=1,5; (1,0)

c). Monte um algoritmo que determine e imprima os parmetros a e b no lineares, de

V(T)=sen(a+b*T), atravs de ajuste de curvas direto, com a minimizao do desvio quadrtico
"

F G, : = O
PD )HIJKG + : < L M N L . , de modo a considerar as m=5 medies experimentais
acima. (2,0)
-------------------------------------------------------------------------------------------------------------------------------------------Dadas as funes: x=fgauss(Nsis,A), onde Nsis = nmero de equaes do sistema armazenado na matriz
expandida A e x a soluo do sistema; e a funo y=fresto(n,coef,xp), onde n = grau do polinmio Pn(x),
coef(i) = vetor de coeficientes de Pn(x) em ordem crescente de grau e xp o valor para o qual calculado
o valor y=Pn(x=xp).

1). Suponha que voc precise avaliar a funo f(x)=ln(1+x), em x[0;1], utilizando apenas operaes
algbricas via interpolao polinomial, em um processador embarcado (no um computador completo).
a). Determine o grau n mnimo necessrio do polinmio interpolador Pn(x) para que o erro de truncamento
-6
mximo seja inferior a 10 ; (1,0)
b). Determine o interpolador Pn(x) representativo de f(x) com n=2 no intervalo x[0;1] por qualquer mtodo.
(use 6 dgitos significativos); (1,0)
c). Avalie o erro de truncamento mximo e o erro exato, entre Pn(x) e f(x) em x=0.2 para n=2. Verifique que
o erro exato deve ficar abaixo do erro de truncamento mximo para n=2; (1,0)
d). Monte um algoritmo que determine os n+1 coeficientes do interpolador Pn(x), representativo de
f(x)=ln(1+x) no intervalo x
[0;1], para grau n genrico. Mostre, em um comentrio, a forma final do
polinmio interpolador em funo dos coeficientes obtidos. (2,0)
2).A tabela abaixo com m=5 pontos, obtidos experimentalmente, relaciona o volume adimensional de lcool
gerado V em um reator fictcio em funo da sua temperatura adimensional T mdia de reao:
T=[ 0.2 0.4 0.6 0.8 1.0 ];
V=[1.18 1.33 1.47 1.58 1.69 ];
Considere que o comportamento do volume de lcool gerado V em funo da sua temperatura mdia de
reao T conhecida e dada por uma funo no polinomial V(T)=a + b*ln(1+T).
a). Avalie os parmetros 'a' e 'b' atravs de ajuste de curvas parametrizado, transformado para polinomial,
de modo a levar em conta todas as m=5 medies experimentais; (1,0)
b). Calcule V(T=0.8), pela funo V(T)=a + b*ln(1+T) ajustada e calcule o seu desvio local em T=0.8;(0,5)
c). Determine os parmetros a e b, diretamente atravs da minimizao do desvio quadrtico D(a,b) entre
V(T)=a + b*ln(1+T), calculado em cada ponto T(k), e o valor efetivamente medido de V(k), k=1 a m:
Q R, S = Y
X W - . Compare com os valores a e b obtidos no item a. (1,5)
WDE R + S TU E + V W
d). Monte um algoritmo que determine os parmetros a e b, de V(T)=a + b*ln(1+T), atravs de ajuste
de curvas, parametrizado ou direto, de modo a considerar as m=5 medies experimentais acima.
(2,0)
------------------------------------------------------------------------------------------------------------------------------------------Dada a funo x=fgauss(Nsis,A), onde Nsis = nmero de equaes do sistema armazenado na matriz
expandida A.

1). Suponha que voc precise avaliar a funo f(x)=cos(x), em x[0; 1] radianos, utilizando apenas
operaes algbricas via interpolao polinomial, para usar em um processador embarcado (no um
computador completo).
a). Determine o grau n mnimo necessrio do polinmio interpolador Pn(x) para que o erro de truncamento
-6
mximo seja inferior a 10 ; (1,0)
b). Determine o valor numrico do interpolador Pn(x) representativo de f(x) com n=2 em x=0.2, por qualquer
mtodo; (1,0)
c). Avalie o erro de truncamento mximo e o erro exato, entre Pn(x) e f(x) em x=0.2 para n=2. Verifique que
o erro exato deve ficar abaixo do erro de truncamento mximo para n=2; (1,0)
d). Monte um algoritmo que determine os n+1 coeficientes do interpolador Pn(x), representativo de
f(x)= cos(x), no intervalo x
[0;1], para grau n genrico. Calcule e imprima o valor numrico do
polinmio interpolador em x=0.2 em funo dos coeficientes obtidos. (2,0)
2). A tabela abaixo com m=5 pontos, obtidos experimentalmente, relaciona o volume adimensional de
lcool gerado V em um reator fictcio em funo da sua temperatura adimensional T mdia de reao:
T=[ 0.2 0.4 0.6 0.8 1.0 ];
V=[ 0.04 0.14 0.30 0.49 0.69 ];
Considere que o comportamento do volume de lcool gerado V em funo da sua temperatura mdia de
reao T conhecida e dada por uma funo no polinomial N < = ZJ G + : < " .
a). Avalie os parmetros a e b atravs de ajuste de curvas parametrizado, transformado para polinomial, de
modo a levar em conta todas as m=5 medies experimentais; (1,0)

b). Calcule V(T=0.8), pela funo N < = ZJ G + : < " ajustada e calcule o seu desvio local em T=0.8;
(0,5)
c). Determine as duas equaes no lineares que permitem calcular diretamente os parmetros 'a' e 'b',
atravz da minimizao do desvio quadrtico D(a,b) entre N < = ZJ G + : < " , calculado em cada ponto
"
"
T(k), e o valor efetivamente medido de V(k), para k=1 at m: D a, b = \
]D KZJ G + : <P NP M . Como
voc determinaria a e b?
(1,5)
d). Monte um algoritmo que determine os parmetros a e b, de N < = ZJ G + : < " atravs de
ajuste de curvas, parametrizado ou direto, de modo a considerar as m=5 medies experimentais
acima. (2,0)
------------------------------------------------------------------------------------------------------------------------------------------Dada a funo x=fgauss(Nsis,A), onde Nsis = nmero de equaes do sistema armazenado na matriz
expandida A.
2). A tabela abaixo com m=4 pontos, obtida experimentalmente, relaciona a viscosidade adimensional V de uma
material fictcio em funo da sua temperatura adimensional T:
T=[ 1.00 1.25 1.50 1.75 ];
V=[ 0.00 0.24 0.48 0.68 ];
Considere que o comportamento da viscosidade V em funo da temperatura T do material conhecido e dado por
uma funo no polinomial V(T)=sen(a+b*T), [T radianos].
(1,0) 2a). Avalie os parmetros 'a' e 'b' atravs de ajuste de curvas transformado para polinomial, de modo a levar em
conta todas as m=4 medies experimentais;
(2,0) 2b). Monte um algoritmo que determine e imprima os parmetros a e b no lineares, de V(T)=sen(a+b*T),
atravs de ajuste de curvas transformado para polinomial, pelo mtodo dos mnimos quadrados, de modo a
considerar as m=4 medies experimentais acima. Determine e imprima o desvio quadrtico final mdio
= +, / =

C
ADE )^_@K+ + / 2 A M B A . .

1). Suponha que voc esteja usando um compilador (linguagem de programao) muito eficiente
computacionalmente, e por isso no disponha de todas as funes matemticas pr-definidas.
Ento, se voc precisa avaliar a funo f(x)=exp(-x/2), em x pertence a [1;2], utilizando apenas
operaes algbricas:
a). Que mtodo de aproximao voc escolheria: interpolao ou ajuste? Justifique.
b). Se optar pela interpolao polinomial, qual seria o grau n mnimo necessrio do polinmio
interpolador Pn(x) para que o erro de truncamento mximo seja da ordem de 10-6?
c). Avalie Pn(x=1,378) com n=2 e calcule o erro exato, via determinao do polinmio interpolador
escrito na base cannica;
d). Avalie Pn(x=1,378) com n=2 e calcule o erro exato, via utilizao do interpolador escrito na
base dos polinmios de Lagrange;
e). Avalie Pn(x=1,378) com n=2 e calcule o erro exato, via utilizao do interpolador de GregoryNewton com diferenas Divididas (Dyi);
2).
a). Em que situaes voc empregaria o ajuste polinomial ao invs da interpolao polinomial.
b). Quando se determina um polinmio atravs da interpolao polinomial, esse polinmio
satisfaz uma determinada condio. Qual esta condio estabelecida?
c). Quando se determina um polinmio atravs do ajuste pelos mnimos quadrados, esse
polinmio satisfaz uma determinada condio. Qual esta condio estabelecida?
d). Quando ajustamos um polinmio Pn(x) de grau n a uma tabela de n+1 pontos estamos
obtendo o prprio polinmio interpolador. Justifique esta afirmao.
3). O comportamento de um determinado problema fsico C(t)=Co.Kt matematicamente
modelado pela seguinte funo: . A Tabela abaixo foi obtida experimentalmente em laboratrio:
t
C(t)

0
1

1
2.5

2
4.6

3
10

4
20

a). Determine Co e K baseado em um ajuste linearizado da funo citada sobre todos os pontos
acima;
b). Determine C(t) em t=2.5 atravs do ajuste obtido em (a). Analise a consistncia do valor
obtido.
4). A tabela abaixo relaciona, experimentalmente, o volume de lcool gerado em uma mistura em
funo da sua temperatura de reao:
Temperatura(oC) 13.9

37.0

67.8

79.0

85.5

93.1

99.2

Volume(cm3)

1.04

1.18

1.29

1.35

1.28

1.21

1.06

a). Que metodologia voc usar para equacionar o comportamento do volume de lcool em
funo da temperatura na faixa medida. Justifique.
b). Faa o equacionamento citado no item a) e fornea uma funo representativa para o
comportamento na faixa medida.
5). Uma empresa de catalizadores de concreto est testando um novo produto e relacionou a
quantidade de catalizador A (g/kg) usada no concreto com a sua resistncia final R a compresso
aps a cura (103kgf/cm2), conforme a tabela abaixo:
Catalizador (g/kg)
1.9
Resistncia (kgf/cm2) 4

2.60
12

4.5
19

6.20
25

7.5
29

8.6
32

9.6
33

a). Que metodologia voc usar para equacionar a resistncia final R (103 kgf/cm2) do concreto
em funo da quantidade do catalizador A (g/kg) usada. Justifique.
b). Faa o equacionamento citado no item a), pelo mtodo de ajuste de curvas que fornea um
polinmio representativo para o comportamento tabelado. Justifique a escolha do grau n do
polinmio que ser usado (faa um grfico dos pontos tabelados).
6). Suponha que a concentrao C de um certo componente de uma reao eletroqumica siga a
seguinte correlao temporal,
C(t)=(a+b.e-t)^(1/2)
Uma srie de medies experimentais gerou os seguinte dados:
t (s)
0
1
2
3
4
5
C(mol/l.s)
11.5
8.9
7.6
5.9
4.6
4.4
Avalie os parmetros a e b atravs de uma aproximao que leve em conta todas as medies
experimentais. Justifique a escolha do mtodo de soluo.
7). A tabela abaixo relaciona m=3 pontos, obtidos com exatido, que relacionam o volume
adimensional de lcool gerado V em um reator em funo da sua temperatura adimensional T
mdia de reao:
T=[1.00 1.05 1.10 ]
V=[1.00 0.90 0.81 ]
a). Faa um grfico representativo dos primeiros m=3 pontos V(T) obtidos experimentalmente;
b). Obtenha a formula geral do polinmio interpolador de grau n=m-1=2 escrito na base cannica,
correspondente a esses 3 pontos;
c). Obtenha a formula geral do polinmio interpolador de Lagrange de grau 2;
d). Obtenha a formula geral do polinmio interpolador de Gregory Newton de grau 2.

Exerccios sobre Integrao Numrica

2

1). Considere a integral I = 3 ( x + 1) dx ,

1

a). Determine o nmero n de subdivises necessrios para que I tenha um erro de truncamento
mximo inferior a 10-6 quando calculado pelo mtodo dos trapzios Tn;
b). Se voc integrar I numericamente, com o nmero n de subdivises obtidos acima, o erro total
cometido ser inferior a 10-6? Justifique sua resposta.
c). Determine, em computador, o nmero n de subdivises em que o erro total estimado do
resultado Tn obtido pelo mtodo dos trapzios seja mnimo (Erro estimado = |Tn-T2n|). O que
ocorre se usarmos um valor de n superior a este que gerou o erro total mnimo?
d). Determine o nmero n de subdivises necessrios para que I tenha um erro de truncamento
mximo inferior a 10-6 quando calculado pelo mtodo de Simpson de 2 ordem Sn;
e). Determine o nmero m (= n+1) de pontos calculados da funo f(x) necessrios para que I
tenha um erro de truncamento mximo inferior a 10-6 quando calculado pelo mtodo de GaussLegendre Gm;
f). Determine a integral I em cada um dos 3 (trs) mtodos citados com n=2 subdivises (ou
m=n+1=3 para o mtodo de Gauss-Legendre);
g). Avalie o erro exato em cada caso, comparando com o resultado exato;
h). Qual dos mtodos de integrao vistos acima computacionalmente o mais eficiente;
b

2). Monte um algoritmo genrico para encontrar o valor numrico da integral I = f ( x )dx , e seu
a

erro de truncamento estimado, usando:

a). Mtodo Trapzios com n subdivises, Tn;
b). Mtodo Simpson de 2 ordem com n subdivises, Sn;
c). Mtodo Gauss-Legendre com m pontos de avaliao, Gm.

3). Considere a integral

1/2

I = f ( x ) dx = sqrt ( x ) dx , I = sqrt ( x) dx = x dx = 2 / 3.x 3 / 2

(0,5) 3a). Calcule o nmero m mnimo de pontos do intervalo [a;b] necessrios para que I tenha um erro de
-4
truncamento mximo O(10 ), quando calculado pelo mtodo de Gauss-Legendre;
(1,0) 3b). Calcule a integral numrica de Gauss-Legendre, com m=3 pontos;
(2,0) 3c). Monte um algoritmo de busca que determine o nmero de pontos m mnimo (tabela com m at 5
pontos) para que a integral I aproximada pelo mtodo de Gauss-Legendre Gm, tenha um erro de truncamento
-6
mximo exato estimado, atravs de |Gm-Gm+1|, da ordem de 10 , para f(x)=sqrt(x), em x
[1; 2]. Sugesto:
Monte um algoritmo que incremente sequencialmente o valor de 'm' enquanto o erro de truncamento mximo
1/2
-6
exato estimado estiver maior que 10 .10 . (2,0)
--------------------------------------------------------------------------------Dadas as funes:
i). Tn=fTn(a,b,n), que determina o valor da Integral numrica I de f(x) pelo mtodo de Trapzios;
ii). Sn=fSn(a,b,n), que determina o valor da Integral numrica I de f(x) pelo mtodo de Simpson;
iii). Gm=fGm(a,b,m), que determina o valor da Integral numrica I de f(x) pelo mtodo de Gauss-Legendre (m at 5
pontos);
iv). y=f(x), que determina o valor de y para cada x de f ( x ) = sqrt ( x ) ;
v). x=fgauss(Nsis,A), onde Nsis = nmero de equaes do sistema armazenado na matriz expandida A e x a soluo
do sistema;

1). Considere a integral

1/2

I = f ( x) dx = sqrt ( x) dx , I = sqrt ( x) dx = x dx = 2 / 3.x 3 / 2

1a). Determine o nmero n' de subdivises necessrias do intervalo [a;b], para que I tenha um erro de truncamento
-6
mximo da ordem de 10 quando calculado pelo mtodo de Simpson, Sn; (1,0)
1b). Determine a integral numrica pelo mtodo de Simpson, Sn, com n=8 subdivises; (2,0)
1c). Monte um algoritmo genrico para determinar o nmero de subdivises n mnimo para que a integral I
-6
aproximada pelo mtodo de Simpson, Sn, tenha um erro mximo estimado da ordem de 10 . (2,0)

Sugesto: Monte um algoritmo que incremente, de dois em dois, o valor de 'n' (PAR), enquanto o
1/2
-6
erro de truncamento mximo exato estimado estiver maior que 10 .10 .
-----------------------------------------------------------------------------------------------------------------------------------------------------------

Dadas as funes:
i). Tn=fTn(a,b,n), que determina o valor da Integral numrica I de f(x) pelo mtodo de Trapzios;

ii). Sn=fSn(a,b,n), que determina o valor da Integral numrica I de f(x) pelo mtodo de Simpson;
iii). Gm=fGm(a,b,m), que determina o valor da Integral numrica I de f(x) pelo mtodo de Gauss-Legendre;
iv). y=f(x), que determina o valor de y para cada x de

1). Considere a integral

f ( x ) = ln( x ) ;

I = f ( x) dx = ln( x ) dx , I = ln( x) dx = x.(ln(x) 1)

1a). Determine o nmero m' de pontos necessrios do intervalo [a;b], n=m-1, para que I tenha um erro de truncamento
-3
mximo da ordem de 10 quando calculado pelo mtodo de Gauss-Legendre, Gm; (1,0)
1b). Determine a integral numrica pelo mtodo de Gauss-Legendre Gm, com m=2 pontos; (1,0)
1c). Determine a integral numrica pelo mtodo de Gauss-Legendre Gm, com m=3 pontos; (1,0)
1d). Avalie o erro exato estimado, comparando G2 com G3 (0,5)
1e). Monte um algoritmo de busca que determine o nmero de pontos m mnimo (tabela com m at 5)
para que a integral I aproximada pelo mtodo de Gauss-Legendre Gm, tenha um erro de truncamento

mximo exato estimado atravs de |Gm-Gm+1|, da ordem de 10 , com f(x)=ln(x), em x

[1; 2].
Sugesto: Monte um algoritmo que incremente sequencialmente o valor de 'm' enquanto o erro de
1/2
-6
truncamento mximo exato estimado estiver maior que 10 .10 . (2,0)
-6

-----------------------------------------------------------------------------------------------------------------------------------------------------------

Dadas as funes:
i). Tn=fTn(a,b,n), que determina o valor da Integral numrica I de f(x) pelo mtodo de Trapzios;
ii). Sn=fSn(a,b,n), que determina o valor da Integral numrica I de f(x) pelo mtodo de Simpson;
iii). Gm=fGm(a,b,m), que determina o valor da Integral numrica I de f(x) pelo mtodo de Gauss-Legendre;
iv). y=f(x), que determina o valor de y para cada x de

f ( x ) = ln( x ) ;

-----------------------------------------------------------------------------------------------------------------------------------------------------------

Exerccios sobre Equaes Diferenciais Ordinrias (ECV e EMC):

3). Resolva numericamente a equao diferencial ordinria de 1 ordem y y = x com
x[0,1;0,2] e condio inicial y(x=0,1)=1 usando n=2, duas subdivises do intervalo, obtendo
y(x=0,2) pelo mtodos numricos de:
a). Euler;
b). Runge-Kutta de 2 ordem;
c). Runge-Kutta de 4 ordem;
d). Calcule o erro total estimado do valor de y(x=0,2) obtido por Runge-Kutta de 2 ordem com
n=2 subdivises, comparando-o com o calculo y(x=0,2) com n=4 subdivises;
2

4).
a). Obtenha y(x=1,2) numericamente atravs da resoluo da equao diferencial ordinria de 1
ordem x. y + 2. y = 0 com x[1,0;1,2] e y(x=1,0)=1,0 (valor inicial), usando n=4 subdivises do
intervalo [1,0;1,2], pelo mtodo de Euler;
b). Monte um algoritmo que calcule e imprima y(x=1,2), atravs da resoluo da equao
diferencial ordinria de 1 ordem x. y + 2. y = 0 com x[1,0;1,2] e y(x=1,0)=1,0 (valor inicial),
usando n=8 subdivises do intervalo pelo mtodo de Runge-Kutta de 4 ordem;
c). Monte um algoritmo que calcule e imprima, o erro total existente na soluo numrica da
equao diferencial ordinria de 1 ordem x. y + 2. y = 0 em y(x=1,2), com x[1,0;1,2] e
y(x=1,0)=1,0 (valor inicial), usando n=8 subdivises do intervalo pelo mtodo de Runge-Kutta de
4 ordem.
5). Monte um algoritmo para estimar o erro total existente, comparando as resolues
sucessivas de uma equao diferencial de 1 ordem y ' = f ( x, y ) , com passos de integrao h1=h
(n subdivises) e h2=h/2 (2*n subdivises) pelo mtodo de Runge-Kutta de 4 ordem entre os
pontos a e b com y (x o = a) = yo . (Sugesto: Monte primeiro uma Funo separada que calcule
y(b) atravs da aplicao do mtodo RK4 com um n qualquer:
function [x y]=fRK4(a,b,n,xo,yo,f(x,y))
6).
a). Monte um sistema de 2 equaes diferenciais ordinrias de 1 ordem, y1(x) e y2(x), que
represente a equao diferencial ordinria de 2 ordem x. y"+2. y + x = 0 com x[1,0;2,0],
y(x=1,0)=1,0 e y(x=1,0)=-1,0 (valores iniciais);
b). Monte um algoritmo que resolva um sistema de duas equaes diferenciais ordinrias de 1
ordem, y1(x) e y2(x), que represente a equao diferencial ordinria de 2 ordem x. y"+2. y + x = 0
com x[1,0;2,0], y(x=1,0)=1,0 e y(x=1,0)=-1,0 (valores iniciais);
2). Dada a equao diferencial ordinria 2. y. y = 1 com x[1; 1,1] e y(x=1)=1 (yexata(x)=sqrt(x)):
2a). Resolva numericamente a equao diferencial ordinria por Runge-Kutta de 4 ordem usando n=1, uma subdiviso
do intervalo, obtendo y(x=1,1); (2,0)
2b). Monte um algoritmo genrico para calcular o erro de truncamento estimado existente, comparando as
resolues sucessivas da equao diferencial de 1 ordem 2. y. y = 0 , com x
[1; 1,1] e condio inicial
y(x=1)=1, com n subdivises e com 2*n subdivises pelo mtodo de Runge-Kutta de 4 ordem (RK4), com n
genrico de sua escolha. (1,0)
3). Monte um algoritmo genrico, pelo mtodo RK4, que resolva o sistema de 2 equaes diferenciais
ordinrias de 1 ordem, y1(x) e y2(x), que represente a equao diferencial ordinria de 2 ordem
[1;2], com suas 2 condies iniciais, y(x=1)=1, y'(x=1)=1/2, com n genrico de sua
y ' ' y ' y = x 3 / 2 / 8 com x
escolha. Imprima a soluo yi, para cada um dos n+1 pontos xi. (2,0)
-----------------------------------------------------------------------------------------------------------------------------------------------------------

Dadas as funes:
v). Dada a funo [x y]=fRK4(a,b,n,x0,y0), que calcula os vetores [x, y] com n+1 pontos soluo da EDO y'=df(x,y) com
x[a;b], a partir do intervalo [a;b], do nmero de subdivises 'n', dos valores iniciais, x0, y0, e da funo:
function dy=df(x,y)
dy = 1 /( 2. y); ;
End

2). Dada a equao diferencial ordinria

y + y = 0

com x[0; 0,1] e y(x=0)=1 (yexata(x)=exp(-x)):

2a). Resolva numericamente a equao diferencial ordinria por Runge-Kutta de 2 ordem usando n=1, uma subdiviso
do intervalo, obtendo y(x=0,1); (1,0)
2b). Resolva numericamente a equao diferencial ordinria por Runge-Kutta de 2 ordem usando n=2, duas
subdivises do intervalo, obtendo y(x=0,1); (1,0)
2c). Calcule o erro estimado mximo de y(x=0,1), comparando as duas solues, com 'n' e com '2n' subdivises; (0,5)
3). Monte um algoritmo genrico, pelo mtodo RK4, que resolva o sistema de 2 equaes diferenciais
ordinrias de 1 ordem, y1(x) e y2(x), que represente a equao diferencial ordinria de 2 ordem y ' '+2 y '+ y = 0
com x
[0;1], com suas 2 condies de contorno, y(x=0)=1, y(x=1)=1/e, com n genrico de sua escolha.
Imprima a soluo yi, para cada um dos n+1 pontos xi. (2,0)

Exerccios sobre aproximaes por sries (CCO):

1). Pode-se avaliar uma funo como f(x)= sen(x), em x[-1;1] (radianos), utilizando apenas operaes algbricas
simples, como adio, multiplicao e diviso. Ento, uma alternativa de representao a expanso de f(x) em termos
da srie de Maclaurin, que gera a seguinte srie:

sen( x) = 0 +

x
x3
x5
x7
x9
+ 0.x 2 + 0.x 4 + + 0.x 6 + 0.x8 + L
1!
3!
5!
7!
9!

(0,5) 1a). Determine o grau n mnimo da aproximao em srie de Maclaurin com erro de truncamento mximo na
-4
ordem de 10 . Observe que o erro de truncamento mximo da srie de grau 'n' pode ser obtido pelo mximo do
n+ 2
n+ 2
prximo termo geral no nulo da srie de Maclaurin dado por Rn( x) = f ( )( x ) , ou neste caso, de srie com

(n + 2)!

termos de sinais alternados (termo nulo no tem sinal), pelo prprio prximo termo abandonado

x n+ 2 ;
(n + 2)!

(1,0) 1b). Determine a aproximao em srie de Chebyschev com grau M=3, a partir da srie de Maclaurim com grau
M=5 e estime o erro de truncamento total cometido ao abandonar o termo T5(x);
(1,5) 1c). Determine a aproximao de Pad R32(x), a partir de Maclaurin com grau total M=5;
(0,5) 1d). Calcule os erros exatos mximos de cada aproximao em srie acima, escolha qual foi a mais eficiente,
entre as sries de Maclaurin com grau M=5, Chebyschev com grau M=3 e Pad R32(x). Os erros mximos normalmente
esto nas extremidades do intervalo [a;b], mas para a srie de Chebyschev, calcule erros em pelo menos 5 pontos de
[a;b] e tome o maior valor.

7). Suponha que voc esteja usando um compilador muito eficiente computacionalmente, e por isso no
disponha de todas as funes matemticas pr-definidas. Ento, voc pode avaliar a funo f(x)=exp(x),
em x [-1;1], utilizando apenas operaes algbricas simples, como adio, multiplicao e diviso.
Ento,
-2
(1,25) a). Determine a aproximao em srie de Chebyschev com erro mximo de 10 ;
(1,25) b). Monte um algoritmo que determine os coeficientes ai e bi da aproximao de Pad R22(x), com
M=4, para f(x)=exp(x), em x[-1;1]. Calcule e imprima o erro exato mximo no final.

FORMULRIO:
------------------------------------------------------------------------------------------------------------------------------------------------------------

Varivel binria padro IEEE 754 de 32 bits:

1
8
s
e
s = 0 => v positivo e s = 1 => v negativo
s
(e-127)
Se 0 < e < 255, ento v = (-1) . 2
. (1,f)2
s
-126
Se e = 0 e f 0, ento v = (-1) . 2
. (0,f)2
s
-126
s
Se e = 0 e f = 0, ento v = (-1) . 2
. (0,) = (-1) . 0
Se e = 255,
ento v pertence a regio

23
f

(zero)

E% = (ValorExato ValorAproximado ) ValorExato .100%

f ( x * + x * ) f ( x * ) ,
x *

f ' (x* )

x =

b1 = a1

bi = ai + xi.bi1 i = 2 ate (n + 1)

Propriedade 6:

( M 1)
*
ou x = Pn ( x ) = RM
(M )
*

R
f ( x* )
= 1 x = x * + x
f ' ( x* )
R2

(x )

Pn

M .RM +1

x = x * + x

c1 = b1

ci = bi + xi.ci 1 i = 2 ate n

Pn(k) ( xi) = k!R k +1 , onde Rk+1 = resto da (k+1)-sima diviso de Pn(x) (x-xi).

Propriedade 9: Em Pn(x)=a1x +a2x +...+an+1=0. Ento, raiz 1 + Max[ a2 ,..., an+1 ] a1

n

n-1

Propriedade 14: Regra dos sinais de Descartes. Para polinmios Pn(x)=0 com coeficientes reais
colocados em ordem decrescente de grau, ento o nmero de razes positivas do polinmio igual ao
nmero de permutaes de sinal de seus coeficientes no nulos, ou menor por uma diferena par. O
nmero de razes negativas do polinmio igual ao nmero de permutaes de sinal dos coeficientes no
nulos de Pn(-x), ou menor por uma diferena par.
Para k = 1

i = 1,2,3,...,n

l i1 = a i1

j = 2,3,... ,n

u1j = a1j / l11

i = k,k+1,...,n

l ik = a ik l ir u rk

j = k+1,... ,n

k 1

1
u kj =
a kj l kr u rj
l kk

r =1

i= n

l ik = a ik l ir u rk

k 1

Para: k = 2,3,...,n-1

r =1

k 1

Para: k = n

r =1

i 1

c i = b i lij c j / lii
j =1

i = 1,2,3,...,n

x i = ci

i = n,n-1, ..., 1

Para: k = 1,...,(n-1)

a
a ij = a ij ik
akk

i = k+1,...,n e j = 1,...,n+1

|| det( A) ||=

| det( A) |
n

i =1

<< 1 (< 0,1)

| aii | | aij |, i = 1,..., n

j =1
j i

1
M

x0

2
1

x1

xn

xn2

j =1

2
ij

ij

j = i +1

x j / a ii

i {1,2,...,n}

| aii |> | aij |

L x a0 y0

L x1n a1 y1
=
L M M M

L xnn an yn

i=0

j= 0
j i

yi+1 yi
xi+1 xi

k +1

xi = xik + xik +1

, para alguma linha i.

=> xik +1 = (1 ) xik + xik +1

j =1
j i

n
0

Pn( x) = y i

y i =

2
0

i =

j =i +1

ij

.akj

x i = b i

i = n, n-1, ..., 1
n

u x

E( x )

M h n+1
( n + 1)

M = max f ( n +1) ( x ) e h =
x[ x 0 , x n ]

(x n x 0 )
n

(x x )
(x x )
j

k yi =

k 1 yi +1 k 1 yi
xi + k xi

n
k 1

Pn( x) = y0 + k y0 ( x x j )
k =1
j =0

xk
M

n
xk
f1 ( x ( 0) )

x1
f 2 ( x ( 0) )

x1

x
x

k
2
k

M
xkn+1

b0 y k

b1 = xk y k
M M M

K xk2 n bn xkn y k
L
L

x
x

n
k
n +1
k

f 1 ( x )

f1 ( x (0) )
x 2 x1
.
=

(0)

(0)

f 2 ( x ) x2
f 2 ( x )

x 2

=
k =1

(0)

f i ( x1 , x2 ,..., x j + dx j ,..., xn ) f i ( x1 , x2 ,..., xn )

f i

x j
dx j

n
h

Tn = f (a ) + 2 f ( xi ) + f (b )
2
i =2

n , passo 2
n 1, passo 2

h
S n = f (a ) + 4 f (xi ) + 2 f ( xi ) + f (b )
3
i =2
i =3

Gm =

1 m 2 1 m
2
d k = [g ( x k ) y k ]

m k =1
m k =1

D ( a, b) =

(b a ) . m
2

1
1

C m , k . f 2 (b a). t m , k + 2 (b + a)

k =1

m
1
2

c2 =

c3 =

(b a ).h 4 Max | f ( 4) (x ) |

f (2) (x ) |

180

t1 =-

9
9

( m!) 4
Max f (2m) (x)
3
(2m + 1)[( 2m)!]

1
1

t2 = +

t1 = t2 = 0

3/ 5

t3 = + 3 / 5
t1 = -0,86113631
t2 = -0,33998104
t3 = +0,33998104
t4 = +0,86113631
t1 = -0.90617985
t2 = -0.53846931
t3 = +0.00000000
t4 = +0.53846931
t5 = +0.90617985

c1 = 0,34785485
c2 = 0,65214515
c3 = 0,65214515
c4 = 0,34785485
c1 = 0.23692689
c2 = 0.47862867
c3 = 0.56888888
c4 = 0.47862867
c5 = 0.23692689

ESn =

12

tm,k
t1 = 0

c2 = 1
c1 =

(b a ).h 2 Max |

EGm = (b a ) 2 m +1

Cm,k
c1 = 2
c1 = 1

ETn =

k1f = f(xi-1, yi-1);

xi = xi-1 + h
yi = yi-1 + h.k1f, i = 2, ..., n+1;
k1f = f(xi-1, yi-1); k2f = f(xi-1 + h, yi-1 + h.k1f)
xi = xi-1 + h
yi = yi-1 + (h/2).(k1f+ k2f), i = 2, ..., n+1;
k1f = f(xi-1, yi-1); k2f = f(xi-1 + h/2, yi-1 +h/2 k1f); k3f = f(xi-1 + h/2, yi-1 + h/2 k2f); k4f = f(xi-1+h; yi-1 + h k3f)
xi = xi-1 + h
yi = yi-1 + (h/6).[k1f + 2.(k2f + k3f) + k4f], i = 2, ..., n+1;
-----------------------------------------------------------------------------------------------------------------------------------------------

(u n )' = n.(u ( n 1) ) * u ' , KHIJ ` M = abH ` `, cI HIJ ` = 9 ` = GeaHIJ 9 = sen

f ( )( x )
f ( )( x )
f ( )( x )
f ( x) = f ( ) +
+L+
+
1!44
! 44
(n + 1)!
144444
4244444n4
3 144
42444
3
n

srie de grau n

Tn ( x ) = cos( n arcos(x))
T0 ( x ) = cos( 0) = 1
T1 ( x ) = cos() = x

se

n +1

[; x]

Erro Truncamento = Rn ( x )

cos() = x

ento

T2 ( x) = cos( 2) = 2cos 2 () - 1 = 2x 2 1
T3 ( x ) = cos( 3) = 4x 3 - 3x
T4 ( x ) = cos( 4) = 8x 4 8 x 2 + 1
T5 ( x ) = cos( 5) = 16x 5 - 20x 3 + 5x
x 0 = T0
x 1 = T1

n +1

Tn ( x) = cos( n)

em x [-1;+1]

x 2 = (T2 + T0 ) 2
x 3 = ( T3 + 3T1 ) 4
x 4 = ( T4 + 4T2 + 3T0 ) 8

x 5 = (T5 + 5T3 + 10T1 ) 16

a0 + a1 x + L + a n x n
c0 + c1 x + c2 x + L + c M x =
1 + b1 x + L + b m x m
cn m+1 c n m+ 2 L cn b m
c n +1

cn m+ 2 c n m+3 L c n +1 b m -1 = - c n +2

M
M
M

c M e
c M-m c M m+1 L c M 1 b1
a0 = c0
a = b c + c
1 1 0 1
a2 = b2 c0 + b1c1 + c2

a3 = b3c0 + b2c1 + b1c2 + c3

an = bn cn m + bm 1cn m +1 + L + cn
2

(b0=1)