Introduzir o uso e prática de métodos numéricos para a solução de problemas matemáticos aplicados à Física e Engenharia. O estudante estará capacitado a descrever matematicamente e resolver numericamente problemas com o auxílio de algoritmos computacionais.
Representação computacional de números em ponto flutuante; Zeros de funções; Sistemas de equações lineares; Método dos Mínimos Quadrados; Interpolação; Integração numérica; equações diferenciais ordinárias.
• Números em ponto flutuante: representação e precisão. • Raízes de funções: método da bissecção; método da falsa posição; método de Newton-Raphson; • Solução de sistemas de equações lineares: pivotamento e escalonamento; método de Gauss. • Método dos mínimos quadrados: ajuste de funções lineares nos parâmetros ajustáveis; ajuste de funções linearizáveis; ajuste de funções não-lineares usando a biblioteca scipy.optimize • Interpolação: método de Lagrange; método de Newton; • Integração numérica: regra dos trapézios; regra de Simpson; métodos avançados implementados na biblioteca scipy.integrate. • Solução de equações diferenciais ordinárias: método de Euler; método de Runge-Kutta; métodos mais avançados da biblioteca scipy.integrate.
Cunha, M. C. C., Métodos Numéricos. Editora Unicamp, 1993. Sperandio, D., Mendes, J. T., Monken e Silva, L. H. Cálculo Numérico. Pearson, 2003 LANGTANGEN, Hans Petter. A Primer on scientific programming with Python, 2a ed. New York: Springer, 2011. LANGTANGEN, Hans Petter. Python scripting for computational science, 5a ed. New York: Springer, 2016. SCOPATZ, A.; HUFF, K. D. Effective computation in physics: field guide to research in Python. Sebastpol, CA: O’Reilly Media, 2015.