Please enable JavaScript.

Coggle requires JavaScript to display documents.

CÁLCULO NUMÉRICO, A=[valores da matriz, separar com ';']; …

- - - - Gauss
        
        function [x,k,erro]=gauss(A,b,x0,tol)
        n=length(A);
        %%%%%%%%%%%%%Matriz Iterativa%%%%%%%%%%%
        n=length(A);
        for i=1:n
        for j=1:n
        if i==j
        F(i,j)=0;
        else
        F(i,j)=-A(i,j)/A(i,i);
        d(i,1)=b(i,1)/A(i,i);
        end
        end
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        k=0; erro=tol+1;
        x=x0;
        while erro>tol
        for i=1:n
        x(i,1)=F(i,:)*x+d(i,1);
        end
        erro=max(abs(x-x0));
        x0=x;
        k=k+1;
        end
        end
      - clear,clc
        %=================================
        %Dados de entrada
        A=[10 2 1;1 -15 1;2 3 10];
        b=[7 32 6]';
        x0=[0 0 0]';
        tol=0.001;
        %============================
        [x,k,erro]=gauss(A,b,x0,tol)
      - A diferença entre o método de Gauss-Seidel e Gauss-Jacobi está no fato de como as
        variáveis são atualizadas a cada iteração. No método de Gauss-Seidel as aproximações já
        calculadas para uma variável, na iteração K, são utilizadas para determinar as outras
        variáveis.
      - As fórmulas são obtidas exatamente como no método de Gauss-Jacobi, ou seja,
        isola-se X1 na primeira equação do sistema, X2 na segunda equação e X3 na terceira. Assim,
        obtemos as equações.
    - - clear, clc
        %========================================
        %Dados de entrada
        A=[9 1 0 1 1;1 10 1 2 2;2 2 5 1 2; 1 1 1 9 2;1 1 1 2 13];
        b=[180 170 150 350 180]';
        x0=[0 0 0 0 0]';
        tol=0.01
        %========================================
        [x,k,erro]=jacobi(A,b,x0,tol)
  - - - Podemos iniciar o processo de
        ajuste colocando os pontos da tabela em um gráfico no plano cartesiano, chamado de
        diagrama de dispersão.
    - - Para fazer o gráfico, este é o comando no MATLAB:
        
        x=[valores de x];
        y=[valores de y];
        plot(x,y,'*'), grid
        xlabel('x'),ylabel('f(x)')
        title('Exemplo de Diagrama de Dispersão')
        axis square
        
        https://faculdadesftec-my.sharepoint.com/personal/felipe_dutra_acad_ftec_com_br/Documents/Quadr%C3%A1tica.pdf
  - - - clear,clc
        %===============================
        xi=[0.2618 0.5234 0.7854];
        yi=[1.0353 2 2.8284 ];
        %===============================
        ilagrange(xi,yi)
  - - - Conseguir a função:
        clear, clc
        xi=[0 1 2 3 4];
        yi=[0 1 2 3 4];
        ilagrange(xi,yi)
        
        Plotar Gráfico
        xi=[1 2 3];
        yi=[1 2 3];
        syms x
        g2=escrever aqui a função
        h=ezplot(g2,[1 3]);
        set(h,'linewidth',1); hold on
        plot(xi,yi,'pr'),
        xlabel('x')
        ylabel('y')
        set(gca,'xaxislocation','origin','yaxislocation','origin')
        legend('Polinômio interpolador', 'Nodos')
        title('Interpolação Polinomial')
        grid
  - - - Uma fórmula para o integrando pode ser conhecida, mas pode ser difícil ou impossível encontrar uma antiderivada que seja uma função elementar . Um exemplo de tal integrando é f ( x ) = exp (- x 2 ), a antiderivada do qual (a função de erro , vezes uma constante) não pode ser escrita na forma elementar;
        
        Pode ser possível encontrar uma antiderivada simbolicamente, mas pode ser mais fácil calcular uma aproximação numérica do que calcular a antiderivada. Esse pode ser o caso se a antiderivada for dada como uma série ou produto infinito, ou se sua avaliação exigir uma função especial que não está disponível.