trabalho de cálculo numérico
TRANSCRIPT
UNIVERSIDADE FEDERAL DO OESTE DA BAHIADISCIPLINA: CÁLCULO NUMÉRICOPROF: JAILSON FRANÇA DOS SANTOSESTUDANTES: CAROLINE PIANI CAMPOS, GLEYSON BUCKER
ARRUDA, HINDIRA FEITOZA DE ARAÚJO, ITAYLANE MALTA SANTOS.
MÉTODOS NUMÉRICOS
1. Integração Numérica
Seja f uma função contínua no intervalo [a, b] da qual se conhece a primitiva F. O valor da integral definida de f pode ser calculada usando a fórmula de Newton‐Leibniz:
I=∫a
bf ( x )dx=F (b )−F (a )
Os métodos de integração numérica aproximam valores de integrais definidas. Esse métodos são muito úteis quando:
Não se conhece a função f. Tem‐se apenas uma tabela de valores para f; f é conhecida, mas é muito complexa, o que dificulta a determinação de sua primitiva.
Dessa forma, f é aproximada por uma função p, mais simples, cuja primitiva é mais fácil de obter.
I=∫a
bf ( x )dx≈∫a
bp ( x )dx
Sendo o erro absoluto calculado pelo módulo da diferença entre o valor exato e o valor numérico.
Os métodos de integração numérica tratados nesse trabalho são: Método dos Trapézios e Método de Simpson.
Método dos Trapézios
Esse método consiste em aproximar a função a ser integrada por retas no intervalo de integração.
Seja I=∫a
bf ( x )dx . Considere a subdivisão do intervalo [a, b] em n
subintervalos [ x i , x i+1 ] de comprimento h > 0. Assim, temos:
• h = (b – a)/n• xi = a + ih, i = 0,1,2, ..., n.
I=h∗[f 0+f n
2+∑i=1
n−1f i ]
Método de Simpson
Seja I=∫a
bf ( x )dx . Considera-se novamente uma subdivisão do intervalo [a, b]
em um número de subintervalos n(par). A Regra de Simpson faz aproximações para pequenos trechos de curvas usando
arcos parabólicos. Assim, temos:
I=h3∗{[ f ( x0 )+ f ( xm) ]+4∗[ f ( x1)+ f ( x3 )+ .. .+f ( xm−1 ) ]+2∗[ f ( x2 )+ f ( x4 )+. .. f ( xm−2 )}
Análise
Para o presente trabalho foram desenvolvidos 2 programas computacionais para
aproximação da integral definida I=∫0
0. 2( 4+8 x )cosh (2 x )dx , usando o Método dos
Trapézios e o Método de Simpson.
Cálculo da Integral definida:I=∫0
0. 2( 4+8 x )cosh (2 x )dx
I=∫0
0. 2[ 4 *cosh (2 x )+8 x*cosh (2 x ) ]dx
I=∫0
0. 24 *cosh (2 x )dx+∫0
0.28 x*cosh (2x )dx
I=2∗senh (2x )dx+∫0
0 .28 x*cosh (2 x )dx
Tomando u=8x e dv=cosh(2x)dx. Temos que du=8dx e v=senh(2x)/2.
I=2∗senh (2 x )dx|00 .2+[
8 x∗senh (2 x )2
|00 .2−∫0
0 .2 senh (2 x )∗82
dx ]
I=2∗senh (2x )dx|00 . 2+[4∗x∗senh (2 x )|0
0. 2−∫0
0.24 senh(2 x )dx ]
I=2∗senh (2x )dx|00 . 2+[4∗x∗senh (2 x )|0
0. 2−2*cosh (2 x )|00 .2
I=0 . 987961768571
Utilizando os programas elaborados, obteve-se os seguintes resultados:
Método dos Trapézios Método de Simpson I Erro Absoluto I Erro Absoluto
n=10 0,988137 0,000175231 0,987962 2,3143E-07n=50 0,987969 7,23143E-06 0,987962 2,3143E-07
n=100 0,987964 2,23143E-06 0,987962 2,3143E-07
Observação: O computador utilizado possui uma precisão de 6 casas após a vírgula.
Concluiu-se que o Método de Simpson foi mais eficiente que o Método dos Trapézios. Esse fato já era esperado, haja vista que o Método de Simpson faz
aproximações para pequenos trechos usando arcos parabólicos e o Método dos Trapézios faz aproximações utilizando retas.
2. Interpolação Polinomial
Métodos de interpolação polinomial são utilizados para aproximar uma função f(x), principalmente nas seguintes situações:
Conhece-se apenas valores de f(x) em apenas pontos discretos; f(x) é extremamente complicada e de difícil manejo; f(x) não é conhecida explicitamente.
Existem diversos métodos para a aproximação de funções polinomiais, entretanto, no presente trabalho foi utilizado o Método de Lagrange.
Método de Lagrange
O Método de Lagrange representa o polinômio interpolador diretamente a partir dos pontos originais. Seja um conjunto de n+1 dados [xi, f(xi)]. O polinômio interpolador p(x), de grau n, que passe por todos os pontos distintos {x0, x1, ..., xn}, é dado pela fórmula genérica:
p( x )=∑i=0
n
Li( x i)∗f ( x i )
Onde:
Li( x i )=( x−x0 )∗(x−x1 )∗.. .∗( x−xi−1)∗( x−x i+1)∗.. .∗( x−xn )
( x i−x0 )∗( xi−x1 )∗. ..∗( xi−x i−1 )∗( x i−x i+1)∗.. .∗( xi−xn )
Análise
O método de Lagrange é fácil de ser calculado, mas pode se tornar cansativo, a depender do número de pontos conhecidos da função, haja vista que quanto maior o número de pontos conhecidos, mais próximo o polinômio será da função original. Desta forma, foi desenvolvido um programa computacional que interpola o valor da função no determinado ponto que se deseja a partir de n+1 pontos conhecidos, sendo n>=1.
A tabela a seguir lista valores de uma determinada função que se deseja interpolar.
X 0 1 3f(x) -5 1 25
Cálculo do Polinômio:
L0 (0)=(x−1)∗( x−3 )(0−1)∗(0−3)
= x ²−4 x+33
L1(1 )=( x−0 )∗( x−3)(1−0 )∗(1−3 )
= x ²−3 x−2
L2(3 )=( x−0 )∗( x−1)(3−0 )∗(3−1 )
= x ²−x6
P( x )= x ²−4 x+33
∗(−5 )+ x ²−3x−2
∗(1)+ x ²−x6
∗(25 )
P( x )=2x ²+4 x−5
Para efeito de comparação, utilizando o programa computacional elaborado, interpolou-se o ponto x=2.
Pelo polinômio obtido, P(2)=2*2²+4*2-5=11.No programa, para x=2 também foi obtido P(2)=11.
3. Solução de Equações Diferenciais
A busca de uma solução analítica para uma equação diferencial ordinária com problema de valor inicial apresenta alguns problemas:
Os procedimentos para a busca de uma solução analítica não é trivial; Muitas questões práticas não possuem solução conhecida; Os coeficientes ou as funções existentes na equação diferencial são dados na
forma de um conjunto tabelado de informações experimentais, o que torna impossível o uso de um procedimento analítico para determinar a solução da equação.
Neste trabalho trataremos apenas do Método de Runge Kutta de 4ª ordem para a solução de EDO’s (Equações Diferenciais Ordinárias).
Método de Runge Kutta de 4ª ordem
Dentre os Métodos de Runge Kutta, o de 4ª ordem é o mais popular. A solução de uma EDO é dado pela fórmula:
yn+1= y+ h6∗[ k1+2∗k2+2∗k3+k4 ]
Onde:k 1=f ( x , y )
k 2=f ( x+h2
, y+h2∗k1 )
k 3=f ( x+h2
, y+h2∗k2 )
k 4=f ( x+h , y+h∗k 3 )
Análise
Para o presente trabalho foi desenvolvido um programa computacional com o Método de Runge Kutta de 4ª ordem para a solução da seguinte EDO:
dq( t )dt
+12∗q( t )=10+β sin (2t )
Onde:
h=0.1, β=1 e q(0)=0. Dessa forma, temos que:
dq( t )dt
+12∗q( t )=10+sin(2 t )
Solução Analítica:
Método do fator integrante
Vamos procurar um fator integrante que seja função somente de t.
∫ dμ=∫ 12
dt
μ=C∗et2
, tomando C=1, tem-se:
μ=et2
Logo:
d (et2∗q( t ))dt
=et2∗
dq ( t )dt
+ 12∗q ( t )∗e
t2=(10+sin(2t ))∗e
t2
Integrando com respeito a t, temos:
et2∗q ( t )=∫(10+sin(2t ))∗e
t2 dt
et2∗q ( t )=20∗e
t2+ 2
17e
t2 [sin(2 t )−4*cos (2t ) ]+C
q ( t )=20+ 217
[ sin(2t )−4*cos (2 t )]+C∗e−t2
Utilizando o Problema de Valor Inicial (PVI), q(0)=0, obtemos a constante
C=−33217 .
Dessa forma, a solução analítica para o PVI será:
q ( t )=20+ 217
[ sin(2t )−4*cos(2 t )]−33217
∗e−t2
.
Para 6 passos, t6=t0+6∗h , dessa forma, temos:t6=0+6∗0,1=0,6
Pela solução analítica, temos:
q (0,6 )=20+ 217
[sin (02∗0,6 )−4 *cos (2∗0,6 ) ]−33217
∗e−0,6
2
q (0,6 )=5 ,4713862864Utilizando o programa computacional elaborado, obtêm-se q(0,6)=5,47139.
Dessa forma, observa-se que o valor é bem próximo, além de levar apenas alguns segundos para o seu cálculo, sendo que resolvendo pela forma analítica poderá ocorrer
erros devido ao processo algébrico ser bastante extenso. Lembrando que uma maior precisão poderá ser obtida, a depender do computador utilizado.
Referências
Ivanovitch Silva. Resolução Numérica de Equações Diferenciais Ordinárias (EDO). Universidade Federal do Rio Grande do Norte. Disponível em: <http://www.dca.ufrn.br/~ivan/DCA0399/edo.pdf>. Acessado em: 14 de novembro de 2014.
Jorge Cavalcanti. Interpolação Polinomial Parte I. Disponível em: <http://www.univasf.edu.br/~jorge.cavalcanti/7CN_Interpolacao_Parte1.pdf>. Acessado em: 14 de novembro de 2014.
Jorge Cavalcanti. Integração Numérica. Disponível em: <http://www.univasf.edu.br/~jorge.cavalcanti/8CN_integracao.pdf>. Acessado em: 14 de novembro de 2014.
Luciana Montera. Integração Numérica. Disponível em: <http://www.facom.ufms.br/~montera/integracao_parte1.pdf>. Acessado em: 14 de novembro de 2014.