LivroNumerico

Clculo Numrico Fundamentos e Aplicaes a e co
Claudio Hirofume Asano Eduardo Colli Departamento de Matemtica Aplicada IME-USP a 11 de abril de 2007
Sumrio a
I Sistemas Lineares
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
11 11 11 12 13 15 16 17 18 21 21 24 28 29 31 31 32 33 37 37 38 40 41
1 Exemplos de aplicaoes de sistemas lineares c 1.1 Introduao . . . . . . . . . . . . . . . . . . . . . . c 1.2 Provetas . . . . . . . . . . . . . . . . . . . . . . . 1.3 Petrleo . . . . . . . . . . . . . . . . . . . . . . . o 1.4 Cores . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Interpolaao polinomial . . . . . . . . . . . . . . c 1.6 Outros problemas de determinaao de polinmios c o 1.7 Splines . . . . . . . . . . . . . . . . . . . . . . . . 1.8 Problemas de contorno . . . . . . . . . . . . . . .
2 O Mtodo de Escalonamento e 2.1 O mtodo . . . . . . . . . . . . . . . . . . . . . . . . e 2.2 Algarismos signicativos . . . . . . . . . . . . . . . . 2.3 O determinante no Mtodo de Escalonamento . . . . e 2.4 A desvantagem da Regra de Cramer . . . . . . . . . 2.5 Sistemas mal-condicionados e renamento de soluao c 2.5.1 Sistemas mal-condicionados . . . . . . . . . . 2.5.2 Matrizes de Hilbert . . . . . . . . . . . . . . . 2.5.3 Renamento . . . . . . . . . . . . . . . . . . 3 Mtodos iterativos e 3.1 O Mtodo de Jacobi . . . e 3.2 Critrio das Linhas . . . . e 3.3 Critrio de parada . . . . e 3.4 O Mtodo de Gauss-Seidel e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
II
Ajuste de Funes co
47
49 49 50 50
4 Ajuste de funoes c 4.1 O problema do ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Os m nimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Parmetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 3
4 4.3.1 4.3.2 4.3.3 4.3.4 4.3.5 4.3.6 Densidade . . . . . . . . . Catenria . . . . . . . . . a Naftalinas e funoes ans c Decaimento exponencial . Leis de potncia e fractais e Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SUMARIO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 52 52 53 54 55 59 59 60 61 62 64 65 66 66 68 71 71 73 74 75 77 77 79 81 81 84
5 Funoes lineares nos parmetros c a 5.1 Dependncia linear dos parmetros . . . . . . . . e a 5.2 Cont nuo vs. discreto . . . . . . . . . . . . . . . . 5.3 Um parmetro . . . . . . . . . . . . . . . . . . . a 5.4 Dois parmetros . . . . . . . . . . . . . . . . . . a 5.5 Ajuste de qualquer funao linear nos parmetros c a 5.6 O caso cont nuo . . . . . . . . . . . . . . . . . . . 5.7 Exemplos . . . . . . . . . . . . . . . . . . . . . . 5.7.1 Dinammetro . . . . . . . . . . . . . . . . o 5.7.2 Cosseno aproximado por um polinmio . o 6 Levando a srio o produto escalar e 6.1 Produto escalar e distncia . . . . . a 6.2 Existncia e unicidade de soluoes no e c 6.3 O caso cont nuo . . . . . . . . . . . . 6.4 Outros produtos escalares: pesos . . . . . . ajuste . . . . . . . .
. . . . linear . . . . . . . .
7 Fam lias ortogonais 7.1 Denioes e exemplos . . . . . . . . . . . . . . . . c 7.2 Calculando polinmios ortogonais por recorrncia . o e 7.3 Um exemplo de aplicaao de polinmios ortogonais c o 7.4 Exemplo de anlise harmnica . . . . . . . . . . . a o 7.5 Uso de funoes tabeladas por mudana de varivel c c a
III
Equaes e Zeros de Funes co co

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
87
89 89 90 90 93 95 96
8 Zeros de funoes e o Mtodo da Dicotomia c e 8.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . c 8.2 Raiz c bica de 10 . . . . . . . . . . . . . . . . . . . u 8.3 Pra-quedista ou bolinha em queda dentro dgua a a 8.4 O cilindro deitado . . . . . . . . . . . . . . . . . . 8.5 Catenria . . . . . . . . . . . . . . . . . . . . . . . a 8.6 Mtodo da Dicotomia . . . . . . . . . . . . . . . . e
9 Mtodos iterativos e 99 9.1 Plano geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 9.2 Pontos xos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 9.3 Funoes auxiliares candidatas . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 c
SUMARIO 9.4 9.5 9.6 9.7 9.8 9.9 Visualizando iteraoes . . . . . . . . . . . . . . . . . . c Iterando perto de pontos xos . . . . . . . . . . . . . . Teorema do Valor Mdio e velocidade de convergncia e e 9.6.1 O caso (x ) = 0: convergncia quadrtica . . e a Calculando zeros de funoes - a escolha de . . . . . c A escolha de x0 . . . . . . . . . . . . . . . . . . . . . . Um critrio de parada . . . . . . . . . . . . . . . . . . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 102 104 109 110 111 113 115 117 118 121 123 124
10 O Mtodo de Newton e 10.1 Quando o Mtodo de Newton funciona? . . . e 10.1.1 Retirando a hiptese f (x ) = 0 . . . . o 10.2 Mtodo de Newton em dimenses mais altas . e o 10.2.1 Determinaao da forma de uma corda c
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
IV
Interpolao Polinomial ca
127
129 133 133 133 137
11 Estimativa do erro nas interpolaoes c 12 Tcnicas de interpolao e ca 12.1 Polinmios de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 12.2 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.2.1 Exemplo do uso da forma de Newton . . . . . . . . . . . . . . . . . . .
Integrao de Funes ca co
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
139
141 141 142 144 146 147 151 152
13 Importncia da integrao numrica a ca e 13.1 Introduao . . . . . . . . . . . . . . . . . . c 13.2 Clculo de reas . . . . . . . . . . . . . . a a 13.3 Comprimento de curvas e grcos . . . . . a 13.4 Distncia percorrida e tempo decorrido . . a 13.5 Per odo do pndulo e as integrais el e pticas 13.6 Clculo de e de logaritmos . . . . . . . a 13.7 A gaussiana . . . . . . . . . . . . . . . . .
14 Mtodos de integrao numrica e ca e 155 14.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 c 14.2 O Mtodo dos Trapzios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 e e 14.3 O Mtodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 e 15 Estimativa do erro nos mtodos de integrao e ca 161 15.1 Frmulas de erro e comparaao dos mtodos . . . . . . . . . . . . . . . . . . . 161 o c e 15.2 Aplicaao das frmulas de erro . . . . . . . . . . . . . . . . . . . . . . . . . . 163 c o
6 16 Obteno das frmulas de erro ca o 16.1 Primeira Abordagem - Mtodo dos Trapzios e e 16.2 Primeira Abordagem - Mtodo de Simpson . e 16.3 Segunda Abordagem - Mtodo dos Trapzios e e 16.4 Segunda Abordagem - Mtodo de Simpson . . e 16.5 Terceira Abordagem - Mtodo dos Trapzios . e e 16.6 Terceira Abordagem - Mtodo de Simpson . . e
SUMARIO 167 168 169 169 170 171 172
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
VI
Equaes Diferenciais co
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
175
177 177 179 180 180 180 181 181 182 183 185 185 186 187 191 191 192 194 196 198 202 205 205 206 208 208 209 212 213 214 214 216 218
17 Breve introduo `s equaoes diferenciais ca a c 17.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . . . . . c 17.2 Soluao de equaoes autnomas e separveis . . . . . . . . c c o a 17.3 Alguns exemplos . . . . . . . . . . . . . . . . . . . . . . . 17.3.1 Naftalinas . . . . . . . . . . . . . . . . . . . . . . . 17.3.2 Crescimento populacional a taxas constantes . . . 17.3.3 Pra-quedista . . . . . . . . . . . . . . . . . . . . . a 17.3.4 Crescimento populacional com restrioes de espao c c 17.3.5 Catenria . . . . . . . . . . . . . . . . . . . . . . . a 17.3.6 Escoamento de um copo furado . . . . . . . . . . . 17.3.7 Dada do Mtodo de Newton, quem f ? . . . . . e e 17.3.8 Transferncia de calor . . . . . . . . . . . . . . . . e 17.4 Entendimento qualitativo de equaoes autnomas . . . . . c o 17.5 Equaoes diferenciais com mais variveis . . . . . . . . . . c a 18 Soluo numrica de equaoes diferenciais ca e c 18.1 Equaoes separveis . . . . . . . . . . . . . . . . . c a 18.2 Discretizaao . . . . . . . . . . . . . . . . . . . . . c 18.3 O Mtodo de Euler . . . . . . . . . . . . . . . . . . e 18.4 Indo para segunda ordem . . . . . . . . . . . . . . 18.5 Runge-Kutta . . . . . . . . . . . . . . . . . . . . . 18.6 Runge-Kutta em sistemas de equaoes autnomas . c o A Entendendo os sistemas lineares A.1 Sistemas lineares e interseoes de hiperplanos c A.2 Transformaoes lineares . . . . . . . . . . . . c A.3 Notaao e interpretaao . . . . . . . . . . . . c c A.4 Inverso de matrizes . . . . . . . . . . . . . . a A.5 Explorando a linearidade . . . . . . . . . . . A.6 Existncia e unicidade de soluoes . . . . . . e c A.7 Injetividade, sobrejetividade... glup! . . . . . A.8 O determinante . . . . . . . . . . . . . . . . . A.8.1 Dimenso 2 . . . . . . . . . . . . . . . a A.8.2 Dimenso 3 . . . . . . . . . . . . . . . a A.8.3 Dimenso n . . . . . . . . . . . . . . . a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SUMARIO
A.9 Quadro comparativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 B Reviso de Clculo a a B.1 Derivadas . . . . . . . . . . . . . . . . . . . . . . . B.2 Primitivas . . . . . . . . . . . . . . . . . . . . . . . B.3 Integral . . . . . . . . . . . . . . . . . . . . . . . . B.4 A integral indenida . . . . . . . . . . . . . . . . . B.5 O Teorema Fundamental do Clculo . . . . . . . . a B.6 A praticidade do Teorema Fundamental do Clculo a B.7 O logaritmo . . . . . . . . . . . . . . . . . . . . . . B.8 O Teorema do Valor Mdio . . . . . . . . . . . . . e B.9 A Regra da Cadeia . . . . . . . . . . . . . . . . . . B.10 Regras do produto e do quociente . . . . . . . . . . B.11 Truques de primitivizaao: integraao por partes . c c B.12 Truques de primitivizaao: substituiao . . . . . . c c C Frmula de Taylor o C.1 Introduao . . . . . . . . . . . . . . . c C.1.1 Polinmios de grau zero . . . o C.1.2 Aproximaao da funao nula c c C.1.3 Aproximaao de grau 1 . . . c C.2 Polinmio e Frmula de Taylor . . . o o D Respostas de exerc cios selecionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 221 222 223 224 226 228 229 233 234 236 237 237 241 241 242 242 242 243 247
SUMARIO
Parte I
Sistemas Lineares
Cap tulo 1
Exemplos de aplicaes de co sistemas lineares

1.1 Introduo ca
Um sistema linear um conjunto de m equaoes, com n incgnitas x1 , x2 , . . ., xn , da seguinte e c o forma: a11 x1 + a12 x2 + . . . + a1n xn = b1 a21 x1 + a22 x2 + . . . + a2n xn = b2 . . . am1 x1 + am2 x2 + . . . + amn xn = bm Os n meros aij so os coecientes do sistema linear, e so fornecidos no problema. Os bi s u a a so chamados de termos independentes. Aqui estudaremos apenas os sistemas lineares que a tenham tantas equaoes quanto incgnitas, isto , m = n. Trataremos neste Cap c o e tulo de alguns exemplos onde se aplicam sistemas lineares, no Apndice A discutimos um pouco da e teoria envolvida (por exemplo, a relaao entre o determinante dos coecientes do sistema e a c existncia e unicidade de soluoes), no Cap e c tulo 2 falaremos de sua soluao pelo Mtodo de c e Escalonamento e no Cap tulo 3, nalmente, exporemos dois mtodos iterativos de resoluao e c dos sistemas lineares (que, infelizmente, s funcionam em certos casos). o
1.2
Provetas
Considere o seguinte problema. Quatro tipos de materiais particulados esto distribu a dos por quatro provetas, e em cada proveta os materiais so dispostos em camadas, no misturadas, a a de modo que seja poss medir facilmente o volume de cada material em cada uma delas. vel Dado que possamos medir a massa total de cada proveta, e que saibamos a massa da proveta vazia, queremos calcular a densidade de cada um dos materiais. 11
12
CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES
Para colocar o problema em termos matemticos, chamemos os materiais de A, B, C a e D, e suas densidades respectivas de A , B , C e D . Essas so as incgnitas do problema, a o n meros que queremos descobrir. u Entre os dados dispon veis para resolv-lo e esto a massa conjunta dos quatro materiais a em cada uma das provetas (numeradas de 1 a 4), que chamaremos de m1 , m2 , m3 e m4 , j a descontada a tara das provetas.
11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00
11 00 11 00 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00 11 00 11 00
11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 A 11 00 11 00
11 00 11 00 11 00 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00
Alm disso, temos o volume de cada um dos materiais em cada uma das provetas. Chae maremos de v1A , v1B , v1C e v1D o volume dos materiais A, B, C e D na Proveta 1, v2A , v2B , v2C e v2D o volume dos materiais A, B, C e D na Proveta 2, e assim por diante. Como a densidade a razo entre massa e volume, a massa do material A na Proveta 1 e a v1A A . Estendendo esse racioc e nio para os demais materiais, obtemos que a massa total m1 contida na Proveta 1 e v1A A + v1B B + v1C C + v1D D . Considerando as quatro provetas, obteremos quatro equaoes: c v1A A + v1B v2A A + v2B v3A A + v3B v4A A + v4B B + v1C B + v2C B + v3C B + v4C C C C C + v1D D + v2D D + v3D D + v4D D = m1 = m2 = m3 = m4
Trata-se de um sistema linear de quatro equaoes e quatro incgnitas. c o Uma poss aplicaao em Geologia seria a seguinte. Uma sonda faz o papel das provetas, vel c e uma coluna de material retirada, contendo materiais diferentes dispostos em camadas e (pode ser at uma sonda coletando material gelado). A sonda permitiria medir a dimenso e a de cada camada, mas no poder a amos desmanchar a coluna para medir a densidade de cada material isoladamente, sob o risco de alterar a compactao. ca
1.3
Petrleo o
Outro problema para Gelogos e ans. Em trs poos de petrleo, situados em regies o e c o o distintas, o material coletado tem diferentes concentraoes de duas substncias A e B. Uma c a central recebe o petrleo dos trs poos, mas antes do reno precisa obter uma mistura com o e c uma concentraao escolhida das substncias A e B. A pergunta : em cada litro de petrleo c a e o que ser gerado para o reno, quanto petrleo de cada poo se deve colocar? a o c Mais uma vez equacionemos o problema: chamaremos de c1A a concentraao de A no c petrleo do Poo 1, c1B a concentraao de B no petrleo do Poo 1, e assim por diante. Essa o c c o c informaao conhecida previamente. As concentraoes que queremos obter so chamadas de c e c a cA e cB . As incgnitas so as quantidades relativas de petrleo de cada poo que colocaremos o a o c
1.4. CORES
13
na mistura nal, que chamaremos de q1 , q2 e q3 . Elas so medidas em litros, e devem ser tais a que q1 + q2 + q3 = 1 . Alm disso, a concentraao do material A aps a mistura dos trs ser dada por e c o e a c1A q1 + c2A q2 + c3A q3 . Pensando o mesmo sobre o material B, camos com trs equaoes lineares e trs incgnitas: e c e o c1A q1 c1B q1 q1 + + + c2A q2 c2B q2 q2 + + + c3A q3 c3B q3 q3 = = = cA cB 1
Aqui importante salientar que o problema no teria uma soluao satisfatria para qualquer e a c o escolha de cA e cB . Por exemplo, se a concentraao cA desejada na mistura for superior `s c a concentraoes de A em cada um dos poos, no h como obter a mistura satisfatoriamente. c c a a Mesmo assim poderia haver uma soluao matemtica para a equaao, na qual provavelmente c a c uma das incgnitas q1 , q2 ou q3 teria que ser negativa! o Portanto no problema real devemos adicionar a exigncia de que os valores q1 , q2 e q3 e encontrados no sejam negativos. a O conjunto de valores de cA e cB para os quais haveria uma soluao para esse problema pode ser c representado da seguinte forma. Queremos um par de concentraoes (cA , cB ) tal que existam q1 , c q2 e q3 satisfazendo as equaoes acima. Esse conc junto de possibilidades est representado no plano a cartesiano na gura ao lado, e denominado ene voltria convexa dos pontos (c1A , c1B ), (c2A , c2B ) o e (c3A , c3B ). Ele o menor conjunto convexo que e contm os pontos citados. e
cB
(c1A ,c1B )
possiveis
(cA ,cB )
(c3A ,c3B ) (c2A ,c2B )
cA
1.4
Cores
Um exemplo muito semelhante pode ser obtido trabalhando-se com combinaoes de cores. c A maior parte das cores conhecidas podem ser formadas pela combinaao de trs cores: c e vermelho (R), verde (G) e azul (B), as letras correspondendo ` nomenclatura em ingls a e red-green-blue, que chamaremos de cores puras.
14
Isto signica que as cores podem ser representadas por trs n meros e u no-negativos, cada um indicando a a quantidade de cada uma das trs coe res, e esses n meros so geometriu a camente vistos pela posiao que rec presentam no primeiro octante formado pelos trs eixos coordenados e no espao tridimensional. c
G R
No entanto h um bocado de informaao redundante nessa representaao, uma vez que o a c c ponto (1, 1, 1) deve resultar na mesma cor que (3, 3, 3), a unica diferena sendo a quantidade c de material produzido.
B
azul (0,0,1)
Se pensarmos que os n meros xR , xG , xB deu notam a quantidade de litros de cada cor pura e sempre quisermos produzir exatamente 1 litro de mistura, ento necessrio que a e a xR + xG + xB = 1 .
(0,1,0)
(1,0,0)
G
vermelho verde
A equaao acima restringe o espao de cores c c poss veis ` intersecao do plano xR + xG + a c xB = 1 com o primeiro octante, que o e tringulo mostrado na gura ao lado. a
Cada ponto Q desse tringulo obtido como combinaao convexa de (1, 0, 0), (0, 1, 0) e a e c (0, 0, 1), isto , e Q = (qR , qG , qB ) = qR (1, 0, 0) + qG (0, 1, 0) + qB (0, 0, 1) , com a condiao de que qR + qG + qB = 1. Chamaremos de T esse tringulo. c a Suponha agora que produzimos quatro cores distintas Q(1) , Q(2) , Q(3) e Q(4) , sendo que Q(i) = (qR , qG , qB ) para cada i = 1, 2, 3, 4. Elas so representadas por pontos no tringulo T . a a
(i) (i) (i)
1.5. INTERPOLACAO POLINOMIAL
15
O conjunto de todas as combinaoes poss c veis dessas quatro cores (formando um litro) o e menor conjunto convexo em T que contm ese sas quatro cores, como ilustra a gura ao lado. Se Q uma tal cor, ento e a Q = x1 Q(1) + x2 Q(2) + x3 Q(3) + x4 Q(4) , com x1 + x2 + x3 + x4 = 1.
Q (2) Q
(1)
Q (4)
Q (3)
Por exemplo, suponha que a cor cinza, dada por Q = ( 1 , 1 , 1 ), esteja contida nesse menor 3 3 3 conjunto convexo, e gostar amos de determinar as quantidades x1 , x2 , x3 e x4 das cores Q(1) , Q(2) , Q(3) e Q(4) que produzam 1 litro da cor cinza Q. Isso nos d quatro equaoes lineares a c nas incgnitas x1 , x2 , x3 e x4 : o qR x1 (1) qG x1 (1) qB x1 x1
(1)
+ + + +
qR x2 (2) qG x2 (2) qB x2 x2
(2)
+ qR x3 (3) + qG x3 (3) + qB x3 + x3
(3)
+ + + +
qR x4 (4) qG x4 (4) qB x4 x4
(4)
= 1 3 1 = 3 1 = 3 = 1
1.5
Interpolao polinomial ca
Imagine que queiramos passar um polinmio quadrtico (isto , uma parbola) pelos pontos o a e a (x1 , y1 ), (x2 , y2 ) e (x3 , y3 ), desde que x1 , x2 e x3 sejam todos diferentes entre si.
p(x) y1 x2 x1 y2 x3 y3
Um polinmio quadrtico escrito, na sua forma geral, como o a e p(x) = ax2 + bx + c . Como neste problema nosso objetivo determinar o polinmio quadrtico, as incgnitas so e o a o a os trs coecientes a, b e c. Para encontrar as incgnitas dispomos de trs equaoes, pois o e o e c grco do polinmio deve passar pelos trs pontos dados: p(x1 ) = y1 , p(x2 ) = y2 e p(x3 ) = y3 . a o e Explicitando as equaoes, camos com c ax2 + bx1 + c = y1 1 ax2 + bx2 + c = y2 2 ax2 + bx3 + c = y3 3
16
e reescrevendo-as evidenciamos o carter de sistema linear do problema: a x2 a + x1 b + c = y1 1 x2 a + x2 b + c = y2 2 x2 a + x3 b + c = y3 3 Nem preciso dizer que o mesmo tipo de problema se generaliza para um n mero qualquer e u n de pontos. Sejam os pares (x1 , y1 ), . . . , (xn , yn ), com os xi s distintos dois a dois. Queremos achar um polinmio p(x) cujo grco passe pelos pontos dados, isto : p(x1 ) = y1 , p(x2 ) = o a e y2 , . . . , p(xn ) = yn .
yn y y n1 x1 x2 y2 xn1 xn
1
Se procurarmos por um polinmio de grau k teremos k + 1 coecientes a determinar. o Como temos que satisfazer n equaoes, isso sugere que xemos k = n 1. Assim, temos o c sistema de n equaoes, onde os coecientes so as n incgnitas: c a o a0 a0 . . . a0 + + + x1 a1 x2 a1 . . . xn a1 + + + x2 a2 1 x2 a2 2 . . . x2 a2 n + ... + + ... + . . . + ... +
n1 x1 an1 n1 x2 an1 . . . n1 xn an1
= = = =
y1 y2 . . . yn
Podemos nos perguntar se sempre existe soluao para esse sistema, e se ela unica. A c e resposta sim (desde que os xi s sejam distintos entre si, mas veremos a justicativa mais e adiante, na Seao A.7. c Exerc cio 1.1 Ache o unico polinmio de grau 3 passando pelos pontos (1, 0), (0, 1), o (3, 1) e (4, 0). Exerc cio 1.2 Encontre o polinmio interpolador para os pontos (1, 5), (0, 1), (3, 19) e o (4, 45).
1.6
Outros problemas de determinao de polinmios ca o
Outro problema de interpolaao polinomial que pode ser reduzido a um sistema linear ocorre c quando so impostas condioes nas derivadas do polinmio, em determinados pontos. A idia a c o e ca mais clara a partir do seguinte exemplo.
1.7. SPLINES
17
Problema: achar um polinmio tal que p(1) = 1, p(3) = 0, p (1) = 0 e p (3) = 0. o Isto , xa-se o valor e a derivada de p em dois pontos, o que d 4 equaoes. Com um polinmio e a c o de grau 3, ca-se com 4 incgnitas. Explicitamente, se p(x) = a0 + a1 x + a2 x2 + a3 x3 , ento o a as 4 equaoes se transformam em c a0 a0 a1 + 3a1 a1 a1 + + + a2 9a2 2a2 6a2 + + + a3 27a3 3a3 27a3 = = = = 1 0 0 0
Tambm pode-se impor alguma condiao de integral denida para o polinmio. Por e c o exemplo, se p(x) = ax2 + bx + c polinmio de grau 2 e sabemos que e o
2
p(x)dx = 3 ,
1
isso nos d uma equaao linear, pois a c

2
p(x)dx
1
= =
x3 3
2 1
+b
x2 2
2 1
+ cx
2 1
3 7 a+ b+c. 3 2
1.7
Splines
H tambm o problema de spline. Dados pontos (x0 , y0 ), . . . , (xn , yn ) (a numeraao comea a e c c de zero, desta vez) como na gura abaixo com n = 5, achar uma funao que seja: c 1. um polinmio c bico em cada intervalo [xk1 , xk ], com k = 1, . . . , n; o u 2. igual aos valores especicados yk nos pontos xk ; 3. duas vezes diferencivel e com derivada segunda cont a nua, inclusive nos pontos extremos dos intervalos (em particular, a funao tambm deve ser diferencivel); c e a 4. com derivada zero nos extremos (ou com valores especicados da derivada nos extremos).
x0
x1
x2
x3
x4
x5
18
Nesse problema temos que achar n polinmios c bicos (um para cada intervalo), e so o u a portanto 4n incgnitas (quatro coecientes de cada polinmio). Ser que temos 4n equaoes o o a c tambm? e Vejamos. Chamaremos de p1 (x), . . . , pn (x) os polinmios, sendo que o polinmio pk (x) o o corresponde ao intervalo [xk1 , xk ]. Temos que impor os valores extremos p1 (x0 ) = y0 , pn (xn ) = yn (no desenho, y0 e yn so iguais a zero). J temos duas equaoes. Alm disso, devemos impor a a c e a segunda condiao especicada acima, nos demais ndulos (mais 2n 2 equaoes): c o c p1 (x1 ) = y1 e p2 (x1 ) = y1 , . . . , pn1 (xn1 ) = yn1 e pn (xn1 ) = yn1 . At agora totalizamos 2n equaoes. Temos ainda que impor as derivadas nos extremos (zero e c neste caso): p (x0 ) = 0 , p (xn ) = 0 , 1 n e tambm a continuidade da derivada em cada ndulo: e o p (x1 ) = p (x1 ) , . . . , p (xn1 ) = p (xn1 ) , 2 n1 n 1 perfazendo mais n + 1 equaoes. Finalmente, temos que impor tambm a continuidade da c e segunda derivada nos ndulos, com mais n 1 equaoes: o c p (x1 ) = p (x1 ) , . . . , p (xn1 ) = p (xn1 ) . 1 2 n1 n Ao todo so 4n equaoes! a c E poss mostrar que o sistema da resultante sempre tem unica soluao. vel c Exerc cio 1.3 Monte o sistema linear relativo ao spline dos pontos da gura, com os seguintes dados: k 0 1 2 3 4 5 xk 3.0 1.4 0.0 1.5 2.5 4.0 yk 0.0 0.7 2.0 2.5 1.0 0.0
Exerc cio 1.4 Faa um spline cbico com os pontos (1, 0), (0, 1) e (1, 0), com derivada c u zero nos extremos.
1.8
Problemas de contorno
O problema do equilbrio termosttico (ou tambm do eletrosttico) outro exemplo de a e a e reduao a um sistema linear. c
1.8. PROBLEMAS DE CONTORNO
19
Suponha uma situaao como a c mostrada na gura ao lado, com trs fontes de calor: e 1. O entorno do quadrado, ` a temperatura Ta 2. O quadrado inclinado, ` a temperatura Tb 3. A barra, ` temperatura Tc a A questo : como se distribuir a e a a temperatura, no equil brio, em funao da posiao (x, y)? c c
Tb
Ta
(x,y) T(x,y)
Tc
O mesmo problema pode ser formulado com um potencial eletrosttico V (x, y), ao invs a e da temperatura, se nas regies mostradas xssemos valores Va , Vb e Vc . Na verdade, os o a valores Ta , Tb , Tc nem precisariam ser xos: poderiam variar conforme a posiao. c Esse problema modelado pela equaao de Laplace e c 2T 2T + =0, x2 y 2 signicando que devemos procurar uma funao cont c nua T (x, y) cujo valor sobre as fontes seja aquele pr-determinado e tal que fora delas satisfaa essa equaao. e c c
Tb
Ta
Tc
Para obter uma soluao c numrica, e discretizamos o plano (x, y) com uma rede quadrada, como mostra a gura ao lado. Em seguida, numeramos os vrtices da malha cujas teme peraturas no esto xadas, em a a qualquer ordem (por exemplo, adotamos da esquerda para a direita, e de cima para baixo).
Na posiao i queremos determinar a temperatura Ti , no equil c brio. Se forem N vrtices, e sero N incgnitas T1 , T2 , . . . , TN a determinar. A equaao de Laplace, quando discretizada, a o c se traduz no fato de que a temperatura de equil brio na posiao i tem que ser igual ` mdia c a e
20
da temperatura nos quatro vizinhos imediatos (na vertical e horizontal). Para cada vrtice, e isso se traduzir numa equaao (linear), e a reunio de todas essas equaoes formar um a c a c a sistema linear de N equaoes e N incgnitas. c o A soluao do sistema assim obtido ser uma aproximaao da distribuiao de temperatura. c a c c
1111111111111111111111111111111111 0000000000000000000000000000000000
Vejamos um exemplo, com uma grade de poucos vrtices. O desenho da e gura ao lado mostra uma grade 9 8. Chamaremos de N o n mero de linhas u (no exemplo, N = 9) e M o n mero u de colunas (no exemplo, M = 8). Na grade xamos Ta nas posioes (4, 4), c (5, 3), (5, 4), (5, 5) e (6, 4) (embora a posiao interna (5, 4) no v servir para c a a nada), e Tb nas posioes (1, s) e (9, s), c para s = 1, . . . , 8, e (r, 1), (r, 8), para r = 1, . . . , 9. Veja que estamos usando r para indexar as linhas e s para indexar as colunas.
1 1 2 3 4 5 6 7 8 9
1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0
1 0 1 0 1 0
1 0 1 0 1 0
1 0 1 0 1 0
1 0 1 0 1 0
11 00 11 00 11 00
1 0 1 0 1 0
1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0
Tb
11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00
Ta
1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0
11 00 11 00 11 00
1 0 1 0 1 0
1 0 1 0 1 0
1 0 1 0 1 0
1 0 1 0 1 0
11 00 11 00 11 00
1 0 1 0 1 0
1 0 1 0 1 0
A discretizaao da equaao de Laplace signica que, nos vrtices em que a temperatura c c e no foi xada, o valor da temperatura ser dado pela mdia dos valores dos quatro vrtices a a e e mais prximos. Numeraremos esses vrtices da seguinte forma: da esquerda para a direita e o e de cima para baixo (como na leitura de um texto em portugus), e para o vrtice i queremos e e saber a temperatura de equil brio Ti . Assim, para o primeiro vrtice, teremos e T1 = 1 (Tb + Tb + T2 + T7 ) , 4
pois o vizinho de cima e o vizinho ` esquerda tm valor xo Tb e os vizinhos ` direita e a e a embaixo so as incgnitas T2 e T7 . Rearranjando a equaao temos a o c 4T1 T2 T7 = 2Tb . Na gura, vemos que h 37 vrtices livres, portanto 37 incgnitas T1 , T2 , . . . , T37 a serem a e o determinadas. Porm cada vrtice livre produz uma equaao, donde resulta um sistema e e c linear com 37 equaoes e 37 incgnitas. c o Exerc cio 1.5 Discretizar e resolver a equaao T + T = 0 no quadrado [0, 1] [0, 1] com c x2 y2 condiao de contorno dada por T (x, 0) = x2 e T (x, 1) = x2 1 para 0 x 1 e T (0, y) = y 2 c e T (1, y) = 1 y 2 , para 0 y 1. Divida o intervalo [0, 1] em N = 3 subintervalos de mesmo comprimento. Compare sua soluao com a soluao exata T (x, y) = x2 y 2 . c c Exerc cio 1.6 Faa o mesmo exerccio com a funao T (x, y) = xy. c c
2 2
Cap tulo 2
O Mtodo de Escalonamento e
2.1 O mtodo e
Nesta Seao discutiremos um mtodo de resoluao de sistemas lineares, chamado Mtodo do c e c e Escalonamento ou Mtodo de Eliminaao de Gauss. O mtodo se baseia, em primeiro lugar, e c e no fato de que um sistema triangularizado como abaixo tem fcil soluao: a c a11 x1 + a12 x2 a22 x2 + + a13 x3 a23 x3 a33 x3 + ... + + ... + + ... + a1n xn a2n xn a3n xn ann xn = = = . . . b1 b2 b3
= bn
Na verdade, tanto necessrio quanto suciente que todos os coecientes na diagonal sejam e a no-nulos para que se explicite a soluao de forma unica (se um dos termos da diagonal for a c nulo ento haver variveis livres e uma innidade de soluoes). A soluao, nesse caso, se a a a c c obtm a partir da ultima equaao. Primeiro, isola-se xn : e c xn = A pen ltima equaao u c e an1,n1 xn1 + an1,n xn = bn1 , ento a xn1 = 1 an1,n1 (bn1 an1,n xn ) . 1 bn . ann
Como xn j foi determinado, da equaao acima determina-se tambm xn1 . E assim por a c e diante, at se conseguir o valor de x1 . e Um sistema triangularizado torna-se ento o objetivo do mtodo. Para ser mais preciso, a e pretende-se obter um sistema linear triangularizado equivalente ao original. Aqui entenderemos que dois sistemas lineares so equivalentes se eles possuem exatamente a as mesmas soluoes, ou seja: se um conjunto de n meros x1 , . . . , xn soluao de um sistema c u e c ento automaticamente ser soluao do outro. a a c 21
22
CAP ITULO 2. O METODO DE ESCALONAMENTO
Pode-se trocar um sistema linear por outro equivalente atravs do seguinte processo. e Escolhem-se duas linhas, a linha i e a linha j, e no lugar da linha j coloca-se uma linha que seja combinaao linear da linha i com a linha j, exceto que essa combinaao linear no pode c c a ser somente a linha i (seno a informaao sobre a linha j desaparece, o que pode tornar o a c sistema indeterminado). Mais precisamente, o sistema linear a11 x1 + a12 x2 + . . . + a1n xn = b1 a21 x1 + a22 x2 + . . . + a2n xn = b2 . . . an1 x1 + an2 x2 + . . . + ann xn = bn passa a ter, no lugar da linha j, a seguinte linha: (aj1 + ai1 )x1 + . . . + (ajn + ain )xn = bj + bi , onde = 0, para que a linha j no seja meramente substitu pela linha i. E evidente que a da qualquer soluao do sistema linear original ser soluao do sistema linear alterado. Ser que c a c a vale o inverso? De fato, sim. Se os n meros x1 , . . . , xn formam uma soluao do sistema alterado, ento u c a j garantimos que esses n meros satisfazem todas as equaoes do sistema original, exceto a u c possivelmente a equaao j. Acontece que subtraindo da linha alterada a linha i multiplicada c por vemos que a linha j automaticamente satisfeita, contanto que = 0. e O essencial nesse truque que podemos controlar e de forma que a linha substituta e tenha um zero em certa posiao. Por exemplo, suponha que na linha i o termo aik (k-sima c e coluna) seja diferente de zero. Com isso, podemos substituir a linha j por uma linha em que na k-sima coluna o coeciente seja nulo. Basta colocar a linha e 1 (linha j) Assim, o k-simo coeciente ser e a ajk ajk aik = 0 . aik ajk (linha i) . aik
Usando judiciosamente essa operaao podemos ir substituindo as linhas, uma por uma, c at chegar a um sistema triangularizado equivalente ao original. Antes de explicar o procee dimento, no entanto, convencionemos uma forma mais fcil de escrever o sistema linear: a a forma matricial. Nessa forma de escrever, s colocamos o que realmente interessa no sistema o linear: os coecientes. Numa matriz de n linhas e n + 1 colunas colocamos todos eles, deixando a ultima coluna para os termos independentes (e em geral separando essa coluna das demais para no haver confuso): a a a11 a12 . . . a1n b1 a21 a22 . . . a2n b2 . . . . . . . . . . . . . . . an1 an2 . . . ann bn
2.1. O METODO
23
Uma observaao importante que devemos fazer neste ponto da exposiao que a ordem c c e das linhas no importa na montagem da equaao, pois as linhas so as equaoes, e todas a c a c as equaoes devem ser satisfeitas ao mesmo tempo. J a ordem das colunas importante, c a e pois a primeira coluna representa os coecientes da incgnita x1 , a segunda representa os o coecientes da incgnita x2 , etc. Se quisermos trocar a ordem das colunas, teremos antes o que renumerar as incgnitas! o O procedimento de escalonamento funciona assim. Primeiramente vericamos se a11 = 0. Se no for, procuramos alguma linha cujo primeiro coeciente seja diferente de zero e a a trocamos de posiao com a primeira. Se no houver nenhuma linha cujo primeiro coeciente c a seja no-nulo ento x1 no entra no sistema linear e pode ser, a princ a a a pio, qualquer. Alm e disso, percebe-se que de fato o sistema linear envolve apenas n 1 incgnitas em n equaoes, o c havendo grande chance de no ter soluao. De qualquer forma, se isso acontecer no haver a c a a nada a ser feito nessa primeira etapa e poderemos passar imediatamente ` etapa seguinte. a O objetivo da primeira etapa usar o fato de que a11 = 0 para trocar uma a uma as e linhas de 2 a n por linhas cujo primeiro coeciente seja nulo, usando o truque descrito acima. Ou seja, a j-sima linha (j = 2, . . . , n) ser substitu pela linha e a da (linha j) aj1 (linha 1) . a11
O sistema linear car ento da seguinte forma: a a a11 a12 . . . a1n 0 a22 . . . a2n . . . . . . . . . . . . 0 an2 . . . ann
b1 b2 . . . bn
onde preciso lembrar que, por causa das operaoes com linhas, os coecientes no so os e c a a mesmos do sistema linear original! Nessa primeira etapa descrita, o n mero a11 chamado de piv. Em cada etapa haver u e o a um piv, como veremos adiante. Vimos que o piv tem que ser necessariamente diferente o o de zero, o que pode ser conseguido atravs de uma troca de linhas. De fato, poss e e vel at escolher o piv, dentre os vrios n meros da primeira coluna que sejam diferentes de e o a u zero. Na maioria das situaoes em que se resolve um sistema linear por este mtodo, atravs c e e de calculadora ou computador, mais vantajoso, sob o ponto de vista dos erros de clculo e a originados de arredondamentos (veja discusso mais adiante), escolher o piv como sendo o a o maior dos nmeros disponveis na coluna. Aqui entende-se por maior n mero aquele que u u tem o maior valor absoluto dentro da coluna. Esse procedimento chamado de condensaao e c pivotal. Na segunda etapa, vericamos se a22 = 0. Se no for, procuramos entre as linhas abaixo da a segunda alguma cujo segundo coeciente seja no-nulo. Se no houver, passamos diretamente a a para a terceira etapa. Se houver, trocamos a linha encontrada com a segunda linha. Observe que a primeira linha no ser mais alterada, nem trocada de posiao com outras. Aqui o a a c piv ser o n mero diferente de zero da segunda coluna, escolhido entre a segunda linha e a o a u ultima. Mais uma vez, pode-se adotar a condensaao pivotal, tomando como piv o maior c o em valor absoluto.
24
Se aps a troca tivermos a22 = 0, podemos usar nosso truque para zerar todos os segundos o coecientes desde a linha 3 at a ultima linha. Trocaremos cada linha j = 3, . . . , n pela linha e (linha j) aj2 (linha 2) , a22
lembrando mais uma vez que os coecientes so diferentes em relaao ` etapa anterior, exceto a c a os da primeira linha, que cam inalterados. a E fcil ver que em n 1 etapas teremos um sistema linear triangularizado que, como j a observamos acima, pode ser facilmente resolvido.
e caremos com um sistema linear da forma a11 a12 a13 0 a22 a23 0 0 a33 . . . . . . . . . 0 0 an3
... ... ... . . .
a1n a2n a3n . . .
b1 b2 b3 . . . bn
. . . ann
2.2
Algarismos signicativos
x e e A mantissa de x, de ordem k, a representaao decimal de 10n at a k-sima casa decimal, e c com arredondamento. Em geral as calculadoras usam k > 6, e computadores mais modernos podem usar valores bem mais altos. Por exemplo, quando peo para minha calculadora o c valor de 50000 ela me responde 223.6067977 e Observe que x = 50000 tal que
Em geral recorremos a um computador, ou no m nimo usamos uma calculadora, quando se trata de resolver sistemas lineares razoavelmente grandes. Por exemplo, dicilmente nos aventurar amos na resoluao ` mo do problema de contorno da Seao 1.8, que resulta num c a a c sistema linear de 37 incgnitas. E isso pouco: imagine uma grade bem mais na! o e A soluao de um sistema linear pelo Mtodo do Escalonamento exata, na medida em c e e que o resultado nal pode ser expresso em termos de fraoes envolvendo os coecientes do c sistema linear original. No entanto, calculadoras e computadores no trabalham dessa forma. a Num computador ou numa calculadora cient ca os n meros so representados em ponto u a utuante, baseados na notaao decimal (internamente pode ser em outra base, mas o que nos c aparece , em geral, a notaao decimal). Na notaao de ponto utuante, um n mero tem um e c c u expoente e uma mantissa. Se x um n mero real, seu expoente ser o n mero inteiro n tal e u a u que 10n1 x < 10n .
102 x < 103 , portanto o expoente n = 3 nesse exemplo. Ento e a x 0.2236067977 103 .
2.2. ALGARISMOS SIGNIFICATIVOS A mantissa de x de ordem 10 o n mero e u 0.2236067977
25
As mquinas trabalham com um tamanho xo para a mantissa: na calculadora que eu a usei, esse tamanho 10. A ordem k da mantissa que escolhemos para operar com um n mero e u tambm chamada de n mero de algarismos signicativos. e e u Antes de discorrermos sobre como fazer operaoes aritmticas com n meros nessa rec e u presentaao (a chamada aritmtica de ponto utuante), vejamos como se d o processo c e a de arredondamento. Suponha que um n mero x se escreva da seguinte forma, na notaao u c decimal: x = Np Np1 . . . N1 N0 .N1 N2 N3 . . . , onde Np , . . . , N0 , N1 , N2 , . . . so os algarismos da notaao, de fato n meros entre 0 e 9, j a c u a ` que se trata de representaao na base 10. A direita a seqncia dos Ni s pode ser innita c ue (e inclusive h n meros que podem ser escritos de duas formas diferentes, por exemplo a u 0.999 . . . = 1.000 . . .). Assumiremos que ela seja sempre innita, pois mesmo que no seja a podemos torn-la completando a seqncia com zeros. a ue Essa notaao representa uma srie innita, isto , uma soma de innitos termos: c e e x = Np 10p + Np1 10p1 + . . . + N1 101 + N0 100 + N1 101 + N2 102 + . . . Mesmo sem estarmos familiarizados com sries, podemos entender o n mero x da seguinte e u forma: x est entre Np 10p e (Np + 1) 10p , mas tambm est entre Np 10p + Np1 10p1 a e a e Np 10p + (Np1 + 1) 10p1 , e assim por diante. Se quisermos arredondar na k-sima casa decimal depois da v e rgula, observamos primeiramente que x maior ou igual a e Np 10p + . . . + N1 101 + N0 + N1 101 + . . . + Nk 10k e menor do que Np 10p + . . . + N1 101 + N0 + N1 101 + . . . + (Nk + 1) 10k , e, para simplicar a notaao, deniremos c X = Np 10p + . . . + N1 101 + N0 + N1 101 + . . . + Nk+1 10k+1 , de forma que X + Nk 10k x < X + (Nk + 1) 10k . Para obter o arredondamento de x na k-sima casa decimal, que denotaremos por x, e precisamos saber se x est mais prximo de X + Nk 10k ou de X + (Nk + 1) 10k . Isso a o determinado pelo algarismo seguinte na expanso decimal de x, isto , Nk1 . Podemos e a e seguir a regra: se Nk1 = 0, 1, 2, 3, 4, ento x = X + Nk 10k ; j se Nk1 = 5, 6, 7, 8, 9 a a ento x = X + (Nk + 1) 10k . a No segundo caso preciso tomar cuidado ao se voltar para a notaao decimal. Se 0 e c Nk 8, ento a x = Np . . . N0 .N1 . . . Nk+1 (Nk + 1) .
26
Se, no entanto, Nk = 9, teremos Nk + 1 = 10. Isso faz com que no lugar de Nk + 1 coloquemos um zero e somemos 1 ao algarismo precedente, Nk+1 . Mas se Nk+1 for tambm e igual a 9, ento trocamos esse n mero por um zero e somamos 1 ao precedente, at isso no a u e a mais acontecer. Por exemplo, o arredondamento de 1.5769996 para a sexta casa decimal e 1.577000. Agora voltemos ` questo das operaoes aritmticas. No mundo das mquinas, elas devem a a c e a ser feitas sempre respeitando um certo n mero pr-xado de algarismos signicativos. Para u e entender bem, nada melhor do que alguns exemplos. Digamos que se queira efetuar a operaao 2.236 + 12.448, com 4 algarismos signicativos. c O primeiro n mero j est escrito com 4 algarismos signicativos, pois 2.236 = 0.2236 101 , u a a mas o seguinte no, pois 12.448 = 0.12448102. Ento arredondamos o segundo para que que a a com 4 algarismos signicativos, resultando 0.1245 102 , ou 12.45, e fazemos a soma: 12.45 + 2.236 = 14.686. A soma, no entanto, tem 5 algarismos signicativos, logo somos obrigados a arredondar o resultado: 14.69. Observe que ter amos obtido um n mero ligeiramente u diferente se no houvssemos arredondado 12.448 para 12.45, pois 2.236 + 12.448 = 14.684 a e que, arredondado, ca 14.68. a E fcil ver que haver um ac mulo de erro se um grande n mero de operaoes aritmticas a u u c e for efetuado em cadeia. Vejamos um exemplo de subtraao: queremos subtrair 0.122 de 943 com 3 algarismos c signicativos. Isso d 943, aps arredondamento. Da pode-se ver que em alguns casos a a o ordem das operaoes de adiao e subtraao pode ser importante. Por exemplo, c c c (943 0.122) 0.405 = 943 0.405 = 943 , mas E preciso tomar bastante cuidado com subtraoes e somas de n meros com expoentes d c u spares, principalmente se essas operaoes forem feitas em grande n mero. Seno corremos o risco c u a de subtrair 9430 vezes o n mero 0.1 de 943 e continuar com 943, ao invs de obter zero!! u e Tambm deve-se tomar cuidado com a subtraao de n meros muito parecidos, cuja diferena e c u c se encontre alm dos d e gitos signicativos, pois pode-se obter um zero onde deveria haver um n mero simplesmente muito pequeno! u Como regra geral, cada operaao deve ser feita (se poss com mais algarismos do que c vel os signicativos, o dobro em geral) e o resultado da operaao arredondado. O mesmo vale c para as operaoes de multiplicaao e diviso. Por exemplo, 5.35/7.22, com 3 algarismos c c a signicativos, d 0.741 (conra!). a Para ilustrar, faamos o escalonamento e a resoluao de um sistema linear de ordem 3, c c usando 3 algarismos signicativos. Este exemplo servir para ilustrar como, em linhas gerais, a se d a resoluao de um sistema por um programa de computador. Evidentemente um bom a c programa (h alguns j prontos para uso) tratar de minimizar o quanto for poss os erros a a a vel de arredondamento causados pelo n mero limitado de algarismos signicativos. Aqui, ao u contrrio, tentaremos levar ao p da letra a regra de arredondar aps cada operaao. A regra a e o c s no ser muito clara sobre a ordem de seguidas adioes ou multiplicaoes: neste caso, o a a c c faremos o arredondamento aps todas as adioes (ou multiplicaoes). o c c Aps o exemplo, sugerimos ao leitor, como exerc o cio, que implemente no computador, usando alguma linguagem (C, Pascal, Fortran, Basic, etc), um programa que resolva sistemas 943 (0.122 + 0.405) = 943 0.527 = 942 .
2.2. ALGARISMOS SIGNIFICATIVOS
27
Olhando para a segunda coluna, nota-se que a terceira linha deve servir como piv, pois 1.33 o maior do que 0.667. Ento faz-se a troca da segunda linha com a terceira, cando e a 3 1 2 1 0 1.67 . 1.33 2.33 0 0.667 0.666 2.33 Para a terceira linha, usa-se o multiplicador 0.667 = 0.502 , 1.33 e da temos 3 0 0 1 1.33 0 x3 = 2 2.33 0.504 1 1.67 . 1.49
que tem apenas coecientes inteiros. Ele tem soluao exata (x1 , x2 , x3 ) = ( 9 , 13 , 3), que c 2 2 pode ser obtida por escalonamento tambm, sem arredondamento (mantendo fraoes). e c No h arredondamentos a fazer, no princ a a pio, porque todos os coecientes so inteiros a com 1 algarismo signicativo. O 3 da primeira coluna serve como piv, pois maior do que o e os demais coecientes da mesma coluna. A primeira etapa consiste em subtrair da segunda e da terceira linha m ltiplos convenientes da primeira para que s reste o 3 como coeciente u o 1 no nulo. Para a segunda linha, o m ltiplo tem que ser 3 = 0.333, enquanto que para a a u 2 u terceira linha ele tem que ser 3 = 0.667. Chamaremos esses m ltiplos de multiplicadores. O leitor pode achar estranho que 1 0.333 3 = 1 0.999 = 0.001, o que faz com que de fato o primeiro coeciente da segunda linha no se anule. Isso ser ignorado na hora de a a se fazer o escalonamento. Observe que a escolha do multiplicador como 0.334 no ajudaria a a resolver o problema. A unica soluao seria no arredondar o multiplicador antes de fazer c a a conta, mas nem sempre isso o que acontece num programa. e Dessa primeira etapa sai o sistema 3 1 2 1 0 0.667 0.666 2.33 . 1.67 0 1.33 2.33
lineares de qualquer ordem (que a ordem seja apenas limitada por problemas de falta de memria, por exemplo). o Considere o sistema 3 1 2 1 , 1 1 2 0 2 2 1 1
Portanto
1.49 = 2.96 , 0.504 1.67 + 2.33 2.96 1.67 + 6.90 8.57 x2 = = = = 6.44 1.33 1.33 1.33 x1 = 1 6.44 2 2.96 13.4 = = 4.47 . 3 3
28
Observe que no preciso, quando se for dividir por 3, calcular 1 , arredondar e depois a e 3 multiplicar pelo numerador. A diviso considerada uma operaao elementar. a e c Comparando com a soluao exata, podemos ver que o maior erro absoluto foi de 0.06. c Mais adiante, na Subseao 2.5.3, veremos como melhorar o clculo, usando o renamento de c a soluoes. c Exerc cio 2.1 Faa as contas intermedirias do exemplo acima. Resolva o sistema do c a exemplo acima usando apenas 2 algarismos signicativos. Exerc cio 2.2 Implemente a resoluao por escalonamento no computador. c Exerc cio 2.3 Resolva o sistema linear 7.01 0.031 com 3 algarismos signicativos. Exerc cio 2.4 Considere o circuito eltrico da gura abaixo, no qual R1 = 6, R2 = 4, e R3 = 4, R4 = 1, U1 = 19V , U2 = 6V e U3 = 2V . Utilizando a Lei de Kircho (a soma das diferenas de potenciais em qualquer loop de um circuito igual a zero) e a Lei c e de Ohm (a diferena de potencial, V , resultante em um resistor de resistncia R, devido c e a passagem de corrente eltrica I, V = RI), obtenha um sistema linear cujas variveis ` e e a so os valores das correntes I1 , I2 e I3 . Utilize o mtodo de Gauss para resolver o sistema a e obtido considerando aritmtica de ponto utuante com dois algarismos signicativos. e R1 R3 I1 19V U1 2.52 0.789 10.1 2.6
6 4
R4 I3 U2
4 2V
I2 U3
R2 6V
resolva-o pelo Mtodo de Eliminaao de Gauss com condensaao pivotal, utilizando aritmtica e c c e de ponto utuante e 2 algarismos signicativos. No esquea de arredondar aps cada a c o operaao aritmtica. c e
Exerc cio 2.5 Dado o sistema linear Ax = b onde 4.3 4.2 1.1 A = 0.90 2.4 0.70 0.70 3.4 0.10
3.4 b = 2.1 3.3
2.3
O determinante no Mtodo de Escalonamento e
Observemos em primeiro lugar que as propriedades do determinante1 de uma n-upla de vetores (u1 , . . . , un ) de Rn (normalizaao, alternncia e linearidade) podem ser formuladas c a
1 Veja
A.8
2.4. A DESVANTAGEM DA REGRA DE CRAMER
29
diretamente para uma matriz A: 1) det(Id) = 1; 2) a troca de duas colunas faz mudar o sinal do determinante; e 3) se uma coluna se escreve como combinaao u + v, ento o c a determinante a soma de vezes o determinante da mesma matriz com a coluna u + v e trocada por u com vezes o determinante da mesma matriz com a coluna u + v trocada por v. Por exemplo, suponha que queiramos calcular det(u1 , u2 , . . . , uj + ui , . . . , un ) , que, em termos matriciais, signica somar um m ltiplo da i-sima coluna ` j-sima coluna. u e a e Pelas propriedades do determinante, det(u1 , u2 , . . . , uj + ui , . . . , un ) = det(u1 , u2 , . . . , uj , . . . , un ) , logo o determinante no se altera quando somamos a uma coluna um m ltiplo de uma outra. a u Em seguida, ressaltamos que as mesmas propriedades so vlidas com linhas ao invs de a a e colunas. Isso porque no dif mostrar que a transposta de A, denotada por AT , que a e cil e a matriz A onde se trocam colunas por linhas, tem o mesmo determinante que A. Logo as propriedades de det A em relaao a suas linhas so as mesmas que det AT = det A em relaao c a c a suas colunas. Portanto todas as operaoes realizadas no Mtodo de Escalonamento no alteram o deterc e a minante da matriz de coecientes, exceto as trocas de linhas, feitas por conta da condensao ca pivotal, pois cada troca de linha muda o sinal do determinante. Por outro lado, o resultado nal do escalonamento uma matriz triangular, cujo detere minante dado pelo produto dos coecientes da diagonal. Ento o determinante do sistema e a ser zero se e somente se aps o escalonamento houver um termo nulo na diagonal, e nesse a o caso o sistema ser imposs ou indeterminado. a vel Isto completa o argumento da Subseao A.8.3, onde quer c amos provar que se A tem inversa ento det A = 0. Pois se A tem inversa, segue que o sistema tem unica soluao e todos os a c termos da diagonal so no-nulos, e por conseguinte o determinante do sistema tambm a a e e no-nulo. a
2.4
A desvantagem da Regra de Cramer
A Regra de Cramer uma frmula bastante prtica de se resolver Au = b, usando a noao e o a c de determinante. Suponha que det A = 0. Nesse caso, existe unica soluao u = (x1 , . . . , xn ) c para Au = b, mas quais so os valores de x1 , . . . , xn ? a Note que se trocarmos a i-sima coluna pelo vetor b e calcularmos o determinante da e matriz resultante teremos det(. . . , Aei1 , b, Aei+1 , . . .) = det(. . . , Aei1 , x1 Ae1 + . . . + xn Aen , Aei+1 , . . .) , pois b = Au = x1 Ae1 + . . . + xn Aen , pela linearidade de A. Pela linearidade do determinante, podemos separ-lo na soma de n determinantes, onde em cada um deles teremos na i-sima a e posiao um dos vetores xj Aej . No entanto, apenas o determinante com xi Aei ser no-nulo: c a a det(. . . , Aei1 , b, Aei+1 , . . .) = det(. . . , Aei1 , xi Aei , Aei+1 , . . .) .
30
Mais uma vez pela linearidade, podemos tirar o escalar xi , que car multiplicado pelo a prprio determinante da matriz A: o det(. . . , Aei1 , b, Aei+1 , . . .) = xi det A . Logo xi = det(. . . , Aei1 , b, Aei+1 , . . .) , det A
que a Regra de Cramer. e A desvantagem da Regra de Cramer que o n mero de operaoes necessrias para se chee u c a gar ` soluao em geral muito maior do que no Mtodo de Escalonamento. Essa comparaao a c e e c feita assim: calcula-se o n mero de operaoes aritmticas necessrias em cada mtodo em e u c e a e funao do tamanho n do sistema linear. Ento v-se que num mtodo esse n mero cresce c a e e u muito mais rapidamente com n do que no outro. Para facilitar a comparaao, ignoraremos as c instruoes de controle de uxo que seriam necessrias caso os mtodos fossem implementados c a e num computador. Um n mero de operaoes aritmticas muito grande desvantajoso por duas razes: auu c e e o menta o tempo de computaao e aumenta a propagaao dos erros de arredondamento. c c O n mero de produtos de n termos que aparecem no clculo de um determinante n! u a e (mostre isso), ou seja, so n! operaoes de adiao. Para obter cada produto so n 1 a c c a multiplicaoes, totalizando n!(n1) operaoes de multiplicaao. Para calcular as n incgnitas, c c c o a Regra de Cramer pede n + 1 determinantes, logo so n!(n + 1) adioes e n!(n 1)(n + 1) a c multiplicaoes, mais as n divises ao nal de tudo. c o E quanto ao Mtodo de Escalonamento, quantas operaoes aritmticas sero necessrias? e c e a a Em vez de darmos a resposta sugere-se ao leitor fazer por ele mesmo, como indicado no seguinte exerc cio. Exerc cio 2.6 Mostre que o nmero de adioes/subtraoes, multiplicaoes e divises necesu c c c o srias para se completar o Mtodo de Escalonamento num sistema linear de n equaoes e n a e c incgnitas no passa de 2n3 , para cada uma delas. o a Se quisermos comparar o n mero de operaoes totais, vemos que na Regra de Cramer so u c a necessrias mais do que n! operaoes. a c Exerc cio 2.7 Mostre que, quando n grande ento n! muito maior do que 2n3 . De fato, e a e a razo a 2n3 n! vai a zero quando n vai a innito. Se voc mostrou isso com sucesso, ver ento que seu e a a argumento serve para mostrar que, qualquer que seja a potncia p, a razo e a np n! sempre vai a zero. Verique! Na verdade, devemos tomar um certo cuidado com a maneira pela qual zemos a comparaao entre os dois mtodos. Se estivermos pensando em tempo de computaao, precisamos c e c
2.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO
31
saber quanto a mquina gasta para fazer cada uma das operaoes. A diviso certamente gasta a c a mais tempo do que as outras operaoes, e o Mtodo de Cramer apresenta menos divises (apec e o nas n) do que o Mtodo de Escalonamento (cada multiplicador calculado atravs de uma e e e diviso). J na contabilidade das outras operaoes o Mtodo de Cramer perde do Mtodo de a a c e e Escalonamento, por causa do exerc acima. cio Exerc cio 2.8 Suponha que uma diviso nunca demore mais do que T vezes uma mula tiplicaao, onde T uma constante qualquer maior do que zero, e a multiplicaao tome o c e c mesmo tempo que a adiao e a subtraao. Decida qual dos mtodos mais vantajoso, sob o c c e e ponto de vista de tempo de computaao para complet-lo. c a
2.5
2.5.1
Sistemas mal-condicionados e renamento de soluo ca

Sistemas mal-condicionados
Na teoria, se um sistema linear Au = b satisfaz det A = 0, ento existe uma e s uma a o soluao u. Na prtica, porm, quando resolvemos o sistema via computador, erros podem c a e se acumular e a soluao se afastar da soluao verdadeira. Isso pode ser parcialmente sanado c c pela Condensaao Pivotal, descrita no Cap c tulo 2, e pelo Mtodo de Renamento, do qual e daremos uma idia abaixo. e O principal problema vem do fato de que muitas vezes os coecientes do sistema e os termos independentes so retirados de medidas f a sicas ou de modelos aproximados. Para alguns sistemas, a soluao pode depender sensivelmente de seus coecientes, a ponto de c pequenas incertezas em seus valores provocarem grandes alteraoes na soluao nal. Esses c c sistemas so chamados de mal-condicionados. a Para exemplicar, consideremos o sistema 2 2 x + y 99x + 100y = 1 = 99.5 ,
que tem soluao unica e exata x = 0.5, y = 0.5. Agora considere o sistema c x + y 99.4x + 99.9y = = 1 99.2 ,
com alteraoes de no mais do que 0.5% nos coecientes originais (o que bastante razovel c a e a para uma medida experimental). Sua soluao unica e exata x = 1.4, y = 0.4, radicalmente c e diferente da anterior. Para entender porque isso acontece, experimente o leitor, para cada um dos dois sistemas, desenhar as retas que correspondem a cada uma das equaoes. Nota-se que o problema c e devido ao fato de que as retas correspondentes a cada equaao so quase paralelas, o que c a faz com que o ponto de intersecao das duas seja muito sens a pequenas mudanas nos c vel c coecientes. A idia vale em dimenses mais altas, se pensarmos em hiperplanos quase paralelos, no e o lugar de retas. Podemos tambm pensar nos vetores-coluna de A (ou nos vetores-linha): e se Ae1 , Ae2 , . . . , Aen forem quase linearmente dependentes, ento o sistema ser mala a condicionado.
32
Uma maneira de se medir o condicionamento da matriz seria calculando seu determinante (embora muitas vezes s possamos conhec-lo depois de escalonar a matriz). O o e determinante o hipervolume (com sinal) do hiperparalelep e pedo formado pelos vetorescoluna Ae1 , Ae2 , . . . , Aen . Se esses vetores forem quase linearmente dependentes, ento o a hiperparalelep pedo ser achatado, e portanto ter volume pequeno. O argumento s falha a a o no sentido de que o volume no depende somente do grau de achatamento do hiperparalea lep pedo, mas tambm do comprimento de cada vetor. Ento uma medida mais convel e a a seria tomar o hipervolume do hiperparalelep pedo formado pela normalizaao desses vetores, c isto , pelos vetores e Aei . vi = Aei Esse n mero estar entre 0 e 1, e quando estiver perto de zero signica que a matriz u a e mal-condicionada. Em resumo, o n mero de condicionamento pode ser achado assim: (i) substitua cada u Ae coluna Aei da matriz pelo vetor vi = Aei , lembrando que a norma (euclideana) u de um i vetor u = (x1 , . . . , xn ) dada por u = (x2 + . . . + x2 )1/2 ; (ii) calcule o valor absoluto do e n 1 determinante da nova matriz; (iii) observe se o n mero obtido est prximo de zero ou de u a o um: se estiver perto de zero ento a matriz A mal-condicionada. a e H outras medidas do condicionamento de uma matriz, assim como h frmulas que a a o relacionam o erro cometido no Mtodo de Escalonamento com essas medidas e com o n mero e u de algarismos signicativos utilizados nas contas. Isso tudo no entanto foge ao escopo dessas notas. Alm do mais, medidas de condicionamento so dicilmente aplicveis na prtica, e a a a pois so to (ou mais) dif a a ceis de serem obtidas quanto a prpria soluao do sistema linear. o c
2.5.2
Matrizes de Hilbert
problema do mau condicionamento, sugerimos
Resolvendo o sistema por escalonamento (sem troca de linhas, pois no so necessrias a a a para a condensaao pivotal), e fazendo contas com fraoes exatas, obtemos a soluao exata c c c (x1 , x2 , x3 ) = (3, 24, 30). 1 Se, por outro lado, usarmos dois algarismos signicativos ( 3 = 0.33, por exemplo) e seguirmos exatamente o mesmo procedimento, obteremos (0.9, 11, 17). Com trs algarismos e signicativos, chegaremos em (2.64, 21.8, 27.8), resultado mais prximo mas ainda estrao nhamente longe da soluao exata. c Matrizes do tipo 1 1 1 1 2 3 n 1 1 1 1 n+1 3 4 2 . . . . . . . . . . . . . . . . 1 1 1 1 2n1 n n+1 n+2
Para que o leitor se familiarize melhor com o que acompanhe o seguinte Exemplo. Considere o sistema 1 x1 + 2 x2 1 1 x1 + 3 x2 2 1 1 3 x1 + 4 x2
+ + +
1 3 x3 1 4 x3 1 5 x3
= 1 = 1 = 1
33
so chamadas de matrizes de Hilbert, e aparecem naturalmente no problema do ajuste polia nomial, como veremos mais adiante (vide Subseao 5.7.2). c
2.5.3
Renamento
Uma das maneiras de sanar o problema de se encontrar uma soluao ruim, causada pelo c mau condicionamento do sistema, fazer o renamento, que consiste em obter uma soluao e c u de Au = b, mesmo que no correta (por causa dos erros de arredondamento), e depois a melhor-la. a Para melhorar u, denimos a diferena w = u u para a soluao verdadeira u, e tentamos c c calcular w. Como u = u + w, ento a b = Au = A( + w) , u logo Ou seja, a diferena w entre u e u a soluao de um sistema linear, onde os termos indepenc e c dentes so dados por b A e os coecientes so os mesmos do sistema linear original (o que a u a facilita as coisas do ponto de vista de programaao). c O mtodo pode ser implementado assim: calcula-se a primeira soluao aproximada u(0) . e c Calcula-se ento w(0) = u u(0) resolvendo-se o sistema a Aw(0) = b Au(0) . Se a soluao desse sistema no contivesse erros, ento u = u(0) + w(0) seria a soluao correta. c a a c Como erros so inevitveis, u(0) + w(0) pode no ser a soluao exata, e ser chamada de u(1) . a a a c a Calcula-se ento w(1) = u u(1) , resolvendo-se a Aw(1) = b Au(1) , e em seguida dene-se u(2) = u(1) + w(1) . E assim por diante. Vejamos um exemplo ilustrativo. Na Seao 2.2, usamos 3 algarismos signicativos para c resolver 1 3 1 2 . 1 1 2 0 2 2 1 1 Aw = b A . u
Calculamos ento Au(0) , que o teste usual para ver se u(0) realmente soluao. Obtemos a e e c 1.04 Au(0) = 1.97 , 1
Os passos do escalonamento ali usados so importantes para no se repetir as mesmas contas a a a cada etapa do renamento. A soluao obtida pode ser considerada uma primeira aproximaao, chamada de u(0) : c c 4.47 u(0) = 6.44 . 2.96
34
onde em (i) subtra mos da segunda linha 0.333 vezes a primeira linha e da terceira linha subtra mos 0.667 vezes a primeira linha, em (ii) trocamos as posioes da segunda e da terc ceira linhas e em (iii) subtra mos da terceira linha 0.502 vezes a segunda linha. O sistema escalonado ca 0.04 3 1 2 0 1.33 2.33 0.0267 , 0 0 0.504 0.0301
Se procedermos ao escalonamento, seguiremos exatamente os mesmos passos feitos na Seao 2.2. c Ento no precisamos fazer tudo de novo no lado esquerdo, somente no vetor de termos ina a dependentes do lado direito. As transformaoes do lado direito so c a 0.04 0.04 0.04 0.04 (i) (ii) (iii) 0.03 0.0167 0.0267 0.0267 , 0 0.0267 0.0167 0.0301
Agora queremos obter w do sistema Aw = b Au(0) , para chegar ` etapa seguinte, com a u(1) = u(0) + w. Ou seja, temos que resolver o sistema 0.04 3 1 2 1 1 0.03 . 0 3 2 1 0
sempre usando 3 algarismos signicativos, e ento tiramos a diferena a c 0.04 b Au(0) = 0.03 . 0
Com a limitaao do n mero de algarismos signicativos, no certeza que o renamento c u a e levar ` melhor aproximaao da soluao correta. Melhores resultados so obtidos se, no a a c c a clculo de b Au(i) , for usada preciso dupla (isto , o dobro de algarismos signicativos), a a e uma vez que b e Au(i) so vetores cujas coordenadas tm valores muito prximos. Obviamente a e o os benef cios da preciso dupla podem ser usados nos computadores e calculadoras modernos, a quando se escrevem vrias operaoes concatenadas na mesma linha e o arredondamento para a c preciso simples s feito no nal. Isto diminui sensivelmente o ac mulo de erros. a oe u E preciso tambm colocar um critrio de parada, principalmente no caso de se fazer a e e implementaao no computador. O critrio pode ser feito nas soluoes u(i) ou nos testes Au(i) . c e c
e da chegamos a w = (w1 , w2 , w3 ) = (0.0543, 0.0842, 0.0597). Somando com u(0) obtemos u(1) = (4.52, 6.52, 3.02), com erro absoluto mximo de 0.02. a Para conferir, notamos que Au(1) = (1.04, 2, 0.94), nada muito melhor do que Au(0) . De fato, mesmo com a possibilidade de renamento, a soluao de partida j era bastante c a razovel. Vale a pena o leitor fazer mais algumas etapas, e conferir os seguintes valores: a 4.44 4.53 (2) (3) u = 6.44 , u = 6.53 . 2.96 3.02
35
Por exemplo, se u(i) = (u1 , u2 , . . . , un ) e u(i+1) = (1 , u2 , . . . , un ), pode-se comparar o quanto u as coordenadas variam, relativamente, da etapa i para a etapa i + 1, olhando para os n meros u |un un | |u1 u1 | , ... , , ... , |u1 | |un | e pedindo que eles sejam menores do que um certo valor (por exemplo, 0.05, signicando 5% de variaao). O problema quando o denominador igual a zero. Pode-se convencionar que: c e e (i) se uj = 0 e uj = 0 ento a variaao zero; (ii) se uj = 0 e uj = 0, ento a variaao igual a c e a c e a 1 (o que, em geral, far com que o processo continue). a Exerc cio 2.9 Melhorar o programa que implementa o Mtodo de Escalonamento com cone densaao pivotal, acrescentando o renamento, com algum critrio de parada. Para fazer o c e renamento, o programa deve utilizar o histrico do escalonamento, isto , os multiplicao e dores e as trocas de linha (para que no se repita tudo a cada etapa). a Exerc cio 2.10 Tome o sistema discutido na Subseao 2.5.2 e sua soluao obtida com c c 2 algarismos signicativos, chamando-a de u(0) . Obtenha o renamento u(1) , calculando b Au(0) com dupla preciso. a Exerc cio 2.11 Considere o sistema 1/2 1/3 1/4 1/3 1/4 1/5 1/4 1/5 1/6 1 0 . 1
(a) Ache sua soluao exata. c
(b) Resolva-o com dois algarismos signicativos. (c) Agora faa a seguinte experincia: escreva o mesmo sistema, arredondando para dois c e algarismos signicativos, mas a partir da ache sua soluao usando o mximo de alga c a rismos signicativos que sua calculadora permite. Compare com a soluao exata. Isto c mostra que o renamento tambm limitado pelo arredondamento inicial que, num sise e tema mal-condicionado, pode alterar drasticamente a soluao. c Exerc cio 2.12 Dado o sistema linear Ax = b onde 3.2 5.0 4.0 A = 3.0 2.9 2.7 1.5 0.40 1.1
Execute uma etapa de renamento.
aps resolv-lo utilizando o Mtodo de Eliminaao de Gauss com condensaao pivotal e o e e c c aritmtica de ponto utuante com 2 algarismos signicativos, obtivemos e 3.2 5.0 4.0 1 4.4 2.0 3.0 p= 3 x(0) = 7.5 . A = 0.47 0.94 0.90 1.6 2 5.6
2.5 b = 4.4 3.5
36
Cap tulo 3
Mtodos iterativos e
3.1 O Mtodo de Jacobi e
O Mtodo de Jacobi um procedimento iterativo para a resoluao de sistemas lineares. Tem e e c a vantagem de ser mais simples de se implementar no computador do que o Mtodo de e Escalonamento, e est menos sujeito ao ac mulo de erros de arredondamento. Seu grande a u defeito, no entanto, no funcionar em todos os casos. e a Suponha um sistema linear nas incgnitas x1 , ..., xn da seguinte forma: o a11 x1 a21 x1 . . . an1 x1 + + a12 x2 a22 x2 . . . + + + a13 x3 a23 x3 . . . an3 x3 + ... + + ... + . . . + ... + a1n xn a2n xn . . . ann xn = = b1 b2 . . .
+ an2 x2
= bn
Suponha tambm que todos os termos aii sejam diferentes de zero (i = 1, . . . , n). Se no e a for o caso, isso `s vezes pode ser resolvido com uma troca na ordem das equaoes. Ento a a c a soluao desse sistema satisfaz c x1 x2 . . . xn = = = 1 [b1 a12 x2 a13 x3 . . . a1n xn ] a11 1 [b2 a21 x1 a23 x3 . . . a2n xn ] a22 . . . 1 [bn an1 x1 an2 x2 . . . an,n1 xn1 ] ann
Em outras palavras, se (x1 , . . . , xn ) for soluao do sistema e esses valores forem colocados c no lado direito das equaoes, ento resultaro no lado esquerdo os mesmos valores x1 , . . . , xn . c a a (0) (0) O Mtodo de Jacobi consiste em chutar valores x1 , . . . , xn , colocar esses valores no e (1) (1) lado direito das equaoes, obter da x1 , . . . , xn , em seguida colocar esses novos valores nas c 37
38 equaoes e obter x1 , . . . , xn , etc. Ento c a

(2) (2)
CAP ITULO 3. METODOS ITERATIVOS
1 (k) (k) b1 a12 x2 a13 x3 . . . a1n x(k) n a11 1 (k+1) (k) (k) x2 = b2 a21 x1 a23 x3 . . . a2n x(k) n a22 . . . . . . 1 (k) (k) (k) (k+1) bn an1 x1 an2 x2 . . . an,n1 xn1 xn = ann x1
(k+1)
Espera-se que para todo i = 1, . . . , n a seqncia {xi }k convirja para o valor verdadeiro xi . ue Como dissemos, no entanto, nem sempre ocorre essa convergncia. Ser que poss e a e vel saber de antemo se o mtodo vai ou no vai funcionar? a e a Daremos um critrio, chamado de Critrio das Linhas que, se for satisfeito, implica na e e convergncia do Mtodo. Infelizmente, da no poderemos concluir a armativa inversa. Isto e e a , falso dizer no satisfaz o Critrio das Linhas ento no converge. Pode haver sistemas e e a e a a em que o Mtodo de Jacobi funcione porm no satisfaa o Critrio das Linhas. e e a c e
(k)
3.2
Critrio das Linhas e

n
O Critrio das Linhas pede que e
j=1 j=i
|aij | < |aii |
para todo i = 1, . . . , n. Em palavras: o valor absoluto do termo diagonal na linha i maior e do que a soma dos valores absolutos de todos os outros termos na mesma linha, ou seja, a diagonal da matriz do sistema linear dominante. e E importante observar que o Critrio das Linhas pode deixar de ser satisfeito se houver e troca na ordem das equaoes, e vice-versa: uma troca cuidadosa pode fazer com que o sistema c passe a satisfazer o Critrio. e Teorema. Se o sistema linear satisfaz o Critrio das Linhas ento o Mtodo de Jacobi e a e converge. Sugerimos o seguinte exerc cio, antes de passarmos ` demonstraao desse Teorema. a c Exerc cio 3.1 Mostre que os sistemas lineares gerados por problemas de contorno (Seao 1.8) c em geral no satisfazem o Critrio das Linhas. Mesmo assim, monte um programa de coma e putador que resolva o problema, baseado no Mtodo de Jacobi. O que acontece? e Para provar o Teorema, precisamos mostrar (usando o Critrio das Linhas) que as seqncias e ue (k) (k) (k) (0) (0) (0) x1 , x2 ,...,xn , formadas a partir dos chutes iniciais x1 , x2 ,...,xn , convergem para os valores procurados x1 , . . . , xn . Ento precisamos mostrar que a |x1 x1 | 0 , |x2 x2 | 0 , . . . , |x(k) xn | 0 , n
(k) k (k) k k
3.2. CRITERIO DAS LINHAS ou, introduzindo uma notaao mais compacta, de forma que c
(k) (k) = max (x(k) , x) = max{|x1 x1 |, . . . , |xn xn |} 0 . (k) k
39
e isso provar nossa armaao. a c J para conseguir essa desigualdade, provaremos que para todo k 1 vale a (k) (k 1) . Ento teremos a (1) (0) (2) (1) 2 (0) . . . . . . (k) k (0) ,
De fato, iremos mostrar que (k) decai geometricamente, isto , existem um < 1 e uma e constante c > 0 tal que (k) ck ,
remete a provar que, para todo i = 1, . . . , n, vale |xi

(k)
ou seja, a constante c pode ser o prprio (0), que a maior diferena entre o valor inicial o e c e a soluao verdadeira. c Por sua vez, provar que (k) (k 1) xi | (k 1) = max |xi
i=1,...,n (k1)
xi | .
Faremos a demonstraao completa para i = 1, mas car claro que o argumento valer para c a a (k) todo i = 1, . . . , n, desde que escolhamos adequadamente. Precisamos escrever xi xi , lembrando que x1 =
(k)
1 (k1) (k1) (k1) b1 a12 x2 a13 x3 . . . a1n xn a11 1 (b1 a12 x2 a13 x3 . . . a1n xn ) . a11
e, como os x1 , . . . , xn formam uma soluao, c x1 = Ento a x1 x1 =

(k)
1 (k1) (k1) (k1) a12 (x2 x2 ) + a13 (x3 x3 ) + . . . + a1n (xn xn ) a11
Tomando o valor absoluto (o mdulo) e lembrando que o mdulo da soma menor ou igual o o e a ` soma dos mdulos, temos o |x1 x1 | 1 (k1) (k1) (k1) |a12 | |x2 x2 | + |a13 | |x3 x3 | + . . . + |a1n | |xn xn | |a11 |
(k)
40 Note, no entanto, que por deniao c |xj xj portanto |x1 x1 | Agora denimos a constante 1 =
(k) (k1)
| max |xi xi
i=1,...,n
(k1)
| (k 1) ,
|a12 | + |a13 | + . . . + |a1n | (k 1) . |a11 | |a12 | + |a13 | + . . . + |a1n | , |a11 |
que deve ser menor do que 1, pelo Critrio das Linhas. Ento e a |x1 x1 | 1 (k 1) . Para as outras linhas todo o procedimento anlogo, e sempre resultar e a a |xi para todo i = 1, . . . , n, onde i = 1 |aii |
n (k) (k)
xi | i (k 1) ,
j=1 j=i
|aij | .
O Critrio das Linhas garante que i < 1, para todo i = 1, . . . , n. Se denirmos agora e = max i ,
i=1,...,n
ento a |xi logo (k) (k 1) , como quer amos demonstrar!

(k)
xi | (k 1) ,
3.3
Critrio de parada e
i=1,...,n
Da desigualdade (k) (k 1), podemos deduzir uma expresso que relaciona (k) com a (k) (k1) (k1) (k) a c a xi | que corresponde ` variaao mxima entre x(k1) max (x , x ) = max |xi e x(k) .
3.4. O METODO DE GAUSS-SEIDEL De fato, de (k) (k 1) segue que

i=1,...,n
41
max |xi
(k)
xi | max |xi
i=1,...,n i=1,...,n
(k1) (k1)
xi | xi
(k)
= max |xi max

i=1,...,n
+ xi
(k)
xi |
(k)
|xi
(k1)
xi | + |xi
(k)
(k)
xi |
(k)
max |xi
i=1,...,n
(k1)
xi | + max |xi
i=1,...,n (k1) (k)
xi |
Assim
i=1,...,n
(1 ) max |xi e nalmente

i=1,...,n
(k)
xi | max |xi
i=1,...,n
xi |
max |xi
(k)
xi |
que com nossa notaao compacta se torna c (k)
(k) (k1) xi | max |x 1 i=1,...,n i
max (x(k1) , x(k) ) 1
Um critrio de parada para o Mtodo de Jacobi consiste em calcular o lado direito da desie e gualdade acima e parar quando esta for menor que a preciso desejada. a Outro critrio de parada aquele em que somente calculamos a iteraao seguinte caso a e e c variaao relativa seja maior que uma quantidade p pr-xada, isto , se c e e |xi
(k+1)
xi | p|xi |
(k)
(k)
para algum i = 1, . . ., n. Entretanto este segundo critrio no garante que a distncia entre e a a x(k) e x seja menor que p. Muitas vezes a velocidade de convergncia do mtodo muito e e e lenta e mesmo longe da soluao, a variaao relativa das soluoes aproximadas pode ser muito c c c pequena.
3.4
O Mtodo de Gauss-Seidel e
O Mtodo de Jacobi poderia ser aplicado nos problemas de contorno da Seao 1.8, mas e c somente pelo Critrio das Linhas no seria poss armar que haveria convergncia, pois os e a vel e vrtices livres produzem equaoes onde o elemento da diagonal exatamente igual ` soma e c e a dos demais termos, o que signica, na notaao da Seao anterior, que i = 1, para alguns c c valores de i. Experimentos numricos evidenciam que de fato h convergncia do Mtodo de Jacobi e a e e nesses casos, embora ela seja muito lenta, principalmente se o n mero de vrtices da grade u e for muito grande. Embora a convergncia possa ser demonstrada matematicamente, com e critrios menos exigentes que o Critrio das Linhas, discutiremos nesta Seao uma variaao e e c c do Mtodo de Jacobi, chamada de Mtodo de Gauss-Seidel. Sua eccia car demonstrada e e a a a partir de uma hiptese mais fraca que o Critrio das Linhas, chamada de Critrio de o e e
42
Sassenfeld. No ser dif mostrar que os problemas de contorno citados satisfazem esse a a cil critrio, desde que se tenha um m e nimo de cuidado na numeraao dos vrtices livres. c e (k+1) (k+1) (k) No Mtodo de Jacobi, calcula-se o vetor (x1 e , . . . , xn ) a partir do vetor (x1 , . . ., (k) xn ) da seguinte forma: (k+1) (k) a12 a13 0 a1n x1 x1 b1 /a11 a11 a11 a11 (k+1) a a23 0 a2n x(k) b2 /a22 a21 2 x2 a22 a22 22 = . . . . , . . . . . . . . . . . . . . . . . . . . an1 an2 an3 (k) (k+1) bn /ann 0 xn xn ann ann ann ou, de forma sucinta, u(k+1) = w Bu(k) .
(k+1)
Em cada etapa, as coordenadas x1 , . . ., xn de u(k+1) so obtidas todas de uma vez a (k) (k) (k) s, a partir das coordenadas x1 , . . ., xn de u . o J no Mtodo de Gauss-Seidel as coordenadas atualizadas so imediatamente usadas na a e a atualizaao das demais. Explicitamente, temos c x1
(k+1)
(k+1)
= = =
x2
(k+1)
x3
(k+1)
. . . x(k+1) n =
1 a11 1 a22 1 a33 . . . 1 ann
b1 a12 x2 a13 x3 a1n x(k) n b2 a21 x1 b3 a31 x1

(k+1)
(k)
(k)
a23 x3 a2n x(k) n a32 x3

(k+1)
(k)
(k+1)
a3n x(k) n
(k+1)
bn an1 x1
(k+1)
an2 x2
(k+1)
an,n1 xn1
Para introduzir o Critrio de Sassenfeld e discutir a convergncia, melhor ilustrarmos e e e com um sistema com 4 equaoes. Depois enunciaremos o Critrio para sistemas com um c e n mero qualquer de equaoes, e car claro que os argumentos se generalizam. Com isso, u c a evitaremos o excesso de elipses (os trs pontinhos), e o critrio emergir de modo natural. e e a Assim como na Seao anterior, queremos avaliar a diferena entre a aproximaao obtida c c c na etapa k e a soluao original, e mostrar que essa diferena se reduz a cada etapa. Para c c medir essa diferena, tomamos c (k) = max |xi
i=1,...,n (k)
xi | ,
onde x1 , . . . , xn representa a soluao verdadeira. Mais uma vez, nosso objetivo mostrar que c e existe < 1 tal que (k + 1) (k) , e para isso precisaremos mostrar que |xi
(k+1)
xi | (k)
3.4. O METODO DE GAUSS-SEIDEL para todo i = 1, . . . , n. Num sistema de 4 equaoes e 4 incgnitas temos c o x1
(k+1)
43
x1 x1 x1 x1
= = = =
x2 x3 x4
(k+1)
(k+1)
(k+1)
1 a11 1 a22 1 a33 1 a44
a12 (x2 x2 ) + a13 (x3 x3 ) + a14 (x4 x4 ) a21 (x1 x1 a31 (x1 x1 a41 (x1 x1
(k+1)
(k)
(k)
(k)
) + a23 (x3 x3 ) + a24 (x4 x4 ) ) + a32 (x2 x2 ) + a42 (x2 x2

(k+1)
(k)
(k)
(k+1)
) + a34 (x4 x4 ) ) + a43 (x3 x3

(k+1)
(k)
(k+1)
(k+1)
Da primeira equaao, sai c |x1

(k+1)
x1 |
|a13 | |a14 | |a12 | (k) (k) (k) |x2 x2 | + |x3 x3 | + |x4 x4 | , |a11 | |a11 | |a11 |
a Como |xi xi | (k), para todo i = 1, 2, 3, 4, ento |x1 Denimos 1 = para car com |x1
(k+1) (k+1)
(k)
x1 |
|a12 | + |a13 | + |a14 | (k) . |a11 |
|a12 | + |a13 | + |a14 | , |a11 | x1 | 1 (k) .
Agora levamos em conta essa ultima inequaao para mostrar que c |x2
(k+1)
x2 |
1 |a21 | + |a23 | + |a24 | (k) 2 (k) . |a22 | 1 |a31 | + 2 |a32 | + |a34 | (k) 3 (k) |a33 |
Continuando, obtemos |x3 e |x4

(k+1) (k+1)
x3 |
x4 |
1 |a41 | + 2 |a42 | + 3 |a43 | (k) 4 (k) . |a44 | |xi

(k+1)
Em concluso, mostramos que a xi | i (k) ,
logo (k + 1) ( max i )(k) .

i=1,2,3,4
44
Se cada um dos n meros 1 , 2 , 3 e 4 for menor do que 1, ento teremos (k + 1) (k), u a com < 1. Para um sistema linear de n equaoes e n incgnitas, o Critrio de Sassenfeld pode ser c o e enunciado de forma indutiva, da seguinte maneira. Primeiro, 1 = |a12 | + |a13 | + . . . + |a1n | , |a11 |
como no Critrio das Linhas. Os demais coecientes so denidos indutivamente. Suponha e a que j tenham sido denidos 1 , 2 , . . ., i1 , para i 2. Ento i se dene como a a i = 1 |ai1 | + . . . + i1 |ai,i1 | + |ai,i+1 | + . . . + |ain | , |aii |
isto , no numerador os i s aparecem multiplicando os coecientes da linha i ` esquerda e a da diagonal, enquanto que os coecientes ` direita da diagonal so multiplicados por 1. O a a coeciente da diagonal aparece no denominador (como no Critrio das Linhas) e no aparece e a no numerador. Analogamente ao Mtodo de Jacobi, o Mtodo de Gauss-Seidel tambm tem a desiguale e e dade (k) max (x(k1) , x(k) ) 1 desde que = max i seja estritamente menor que 1.
i=1,...,n
Exerc cio 3.2 Tente mostrar o Critrio de Sassenfeld n n. e Exerc cio 3.3 Mostre que os problemas de contorno da Seao 1.8 satisfazem o Critrio de c e Sassenfeld Exerc cio 3.4 Obtenha a soluao com 3 algarismos signicativos do sistema linear c 4x1 x1 2x1 + 2x2 + 2x2 + x2 + x3 = = = 11 3 16
+ 4x3
usando o Mtodo de Jacobi e o Mtodo de Gauss-Seidel. Compare a velocidade de cone e vergncia nos dois mtodos. e e
1 2 5 x w 7
3 y z 1 3 0
Exerc cio 3.5 Considere a tabela acima. Use o Mtodo de Gauss-Seidel para achar x, y, z, w e tais que cada casinha que contenha uma incgnita seja a mdia das quatro adjacentes (cono e siderando apenas verticais e horizontais). Faa 4 iteraoes, partindo de (x0 , y0 , z0 , w0 ) = c c
3.4. O METODO DE GAUSS-SEIDEL
45
(0, 0, 0, 0), e arredondando para 2 algarismos signicativos aps cada etapa. (Veja a Seao 1.8 o c na pgina 18.) a Exerc cio 3.6 Considere o sistema linear Ax = b, onde 1 4 3 4 8 e b = 3 A = 5 3 6 2 3 3
(a) A matriz A satisfaz o Critrio das Linhas para alguma permutaao de linhas? e c (b) A matriz A tem alguma permutaao das linhas a qual satisfaz o Critrio de Sassenfeld? c e Qual? Justique. (c) Escreva as equaoes de recorrncia do mtodo de Gauss-Seidel e calcule uma iteraao a c e e c partir de x(0) = (1, 0, 0). (d) Sabendo-se que a soluao exata est em [3, 4] [1, 5] [2, 2], quantas iteraoes so c a c a necessrias para que o erro seja menor que 102 ? a Exerc cio 3.7 Considere os sistemas lineares 1z = 2 4x + 1y + 2x 5y + 1z = 3 (1) e 1x + 1y + 1.5z = 4
(2)
Observe que o sistema (2) foi obtido do sistema (1) substituindo-se a primeira equaao de c (1) pela soma desta com a ultima equaao de (1). Portanto eles so equivalentes. c a Queremos encontrar a soluao do sistema (1) (ou (2)) usando o Mtodo de Gauss-Seidel, c e partindo de um certo chute inicial xado (x0 , y0 , z0 ), de forma a obter a melhor preciso a possvel na vigsima iteraao. e c A qual dos dois sistemas devemos aplicar o Mtodo de Gauss-Seidel segundo esse objetivo? e Justique.
5x + 2y 2x 5y 1x + 1y
+ 2.5z + 1z + 1.5z
= 6 = 3 = 4
46
Parte II
Ajuste de Funes co
47
Cap tulo 4
Ajuste de funes co
4.1 O problema do ajuste
y
Em medidas experimentais, freq entemente nos deparamos u com uma tabela de dados (xi , yi ), i = 1, . . . , N , que representamos visualmente por meio de um grco. Em gea ral, esperamos que haja uma relaao entre a varivel y e a c a varivel x, que seria expressa por uma funao: y = f (x). a c
yi xi
Muitas vezes no dispomos de um modelo que explique a dependncia de y em relaao a x, a e c de forma que no podemos deduzir essa funao apenas de teoria. De fato, o experimento pode a c se dar justamente como uma forma de investigar essa relaao, para criar um embasamento c da teoria sobre dados reais. Mesmo que o experimento no culmine num modelo terico, sempre desejvel ter um a o e a modelo preditor, quer dizer, interessante saber prever, pelo menos de forma aproximada, e em que resultar a medida de y se soubermos x. Por exemplo, suponha que queiramos usar a um elstico como dinammetro. Para isso, xamos uma das extremidades do elstico e na a o a outra extremidade penduramos o objeto do qual desejamos conhecer o peso. Quanto mais pesado for o objeto, mais o elstico se distender, isso bvio, mas ns gostar a a eo o amos de obter, a partir da distenso do elstico, um valor numrico para seu peso. Neste exemplo, x a a a e e distenso do elstico e y o peso do objeto (ou poderia ser o contrrio, se desejssemos prever a a a a a distenso que o elstico teria para um determinado peso). a a Para ter uma frmula a ser usada no dinammetro precisamos conhecer muito bem como o o se comporta nosso elstico. Para isso, fazemos vrias medidas do montante da distenso em a a a funao do peso do objeto, o que nos dar uma coleao de dados (xi , yi ), i = 1, . . . , N . O c a c que ns queremos agora encontrar uma funao y = f (x) que se aproxime o melhor poss o e c vel 49
50
CAP ITULO 4. AJUSTE DE FUNCOES
desses dados, mas como? E desejvel tambm que a frmula de f no seja muito complicada, a e o a pois isso facilitaria mais tarde sua utilizaao como preditor. c E claro que o problema, colocado dessa forma, parece muito complicado. No entanto, podemos restringir bastante o universo das funoes candidatas, e dentro desse conjunto menor c de funoes procurar aquela que melhor se adapte a nossos pontos. c Alm disso, preciso estabelecer um critrio comparativo do que seja a qualidade de uma e e e aproximaao. Isto , como decidir se uma funao se adequa mais aos dados do que outra? c e c
4.2
Os m nimos quadrados
Precisamos de uma medida numrica para avaliar a qualidade de uma aproximaao. Isto e c , temos uma coleao de dados (xi , yi ), i = 1, . . . , N , e queremos avaliar o quanto uma e c determinada funao f difere desses dados, associando a f um n mero Q(f ). Esse n mero c u u deve ser sempre no-negativo, e deve ser usado de forma comparativa: se Q(f1 ) for menor a do que Q(f2 ) ento f1 uma aproximaao aos dados melhor do que f2 . a e c Evidentemente h um certo grau de arbitrariedade no mtodo que escolhemos para dea e terminar Q. Aqui adotaremos o mais comum deles, que pode ser justicado por razes o estat sticas fora do alcance destas notas, e conhecido como qui-quadrado (sem pesos, na e Seao 6.4 abordamos o qui-quadrado com pesos): c a distncia de f (x) aos dados experimentais denida como a e sendo
N
Q(f ) =
i=1
(f (xi ) yi )2 .
f(xi ) yi xi
Em palavras, temos que avaliar, para cada xi , a diferena c entre o dado yi e o valor de f em xi , elevar essa diferena ao c quadrado e depois somar os resultados obtidos para cada xi .
Exerc cio 4.1 Dados os pontos (2.8, 1.6), (1.6, 0.6), (3.0, 2.4), (4.5, 4.0), (6.0, 5.7) e as funoes ans f1 (x) = 0.8 + 0.86x e f2 (x) = 1.0 + 1.32x, qual das duas funoes se ajusta c c melhor aos dados, usando o critrio do qui-quadrado? Desenhe as retas e os pontos em papel e milimetrado antes de fazer as contas, e procure adivinhar o resultado por antecipaao. c
4.3
Parmetros a
Precisamos resolver tambm a questo do conjunto de funoes aonde vamos procurar aquela e a c que minimiza o qui-quadrado. Veja que o problema em alguns casos perde o sentido se no a zermos isso. De fato, para qualquer conjunto de dados (xi , yi ), i = 1, . . . , N , onde os xi s nunca se repitam, sempre podemos achar um polinmio de grau N 1 tal que p(xi ) = yi , o para todo i = 1, . . . , N , como vimos nas Seoes 1.5 e A.7. Com isso, Q(p) zero e no h c e a a como encontrar uma funao melhor do que essa. c O bom senso, no entanto, levar a concluir que isso no vale a pena. Duas razes concretas a a o podem ser dadas imediatamente: se a quantidade de dados for muito grande, ser necessrio a a
4.3. PARAMETROS
51
achar um polinmio de grau bastante grande para interpolar esses dados. Haver a diculdade o a de se achar o polinmio e depois a diculdade de se utiliz-lo. o a Menos objetiva do que essa razo o fato bastante comum em experincias de que sabemos a e e muitas vezes de antemo que tipo de funao estamos procurando. Para ilustrar, vejamos a c alguns exemplos.
4.3.1
Densidade
Suponha que queiramos determinar a densidade de um certo material. O procedimento e claro, se dispusermos dos instrumentos adequados. Basta medir o volume de uma certa quantidade de material, sua massa e proceder ` razo massa por volume. a a Se estivermos um pouco mais preocupados com a preciso do resultado, faremos mais a medidas e, evidentemente, tiraremos a mdia dos resultados. Se, no entanto, essas medidas e forem tomadas com volumes diferentes, convm fazer um grco Massa (m) vs. Volume (V). e a Veremos que podemos tambm tirar um valor para a densidade a partir desse grco. e a Chamando de 0 a densidade do material, temos que m = f (V ) = 0 V , o que em portugus pode ser assim entendido: a massa do material depende apenas de seu volume, e e essa dependncia explicitamente dada por 0 V , onde 0 uma constante xa chamada e e e densidade. Se admitirmos que isso verdade podemos tentar, a partir do grco, achar o e a valor de 0 . Para achar o valor de 0 que melhor se adapta aos dados experimentais recorremos ao qui-quadrado. Olhamos (num sentido abstrato) para todas as poss veis funoes f (V ) = V , c cujos grcos so retas de inclinaao , passando pela origem. Observe que cada funao a a c c f uma funao de uma varivel (V ), mas que depende do n mero , que chamado de e c a u e parmetro. a Para cada funao f podemos medir o qui-quadrado Q(f ), e depois procurar o parmetro c a para o qual Q(f ) m e nimo. Como varia ao longo da reta real, a funao Q(f ) c e uma funao de uma varivel, que denotaremos simplesmente por Q(). Note agora que , c a que era parmetro para f (V ), agora a prpria varivel de Q() = Q(f )! a e o a Podemos visualizar Q() atravs de um grco. Se houe a ver um m nimo, ele pode ser encontrado com exatido a procurando-se 0 tal que Q (0 ) = 0 . (Porm atenao: Q () = 0 no implica necessariamente e c a que seja m nimo, poderia se tratar de um mximo, ou um a ponto de inexo com derivada zero. Somento o inverso a e vlido: se for m a nimo, ento Q () = 0.) a
Q()
52
4.3.2
Catenria a
Quando suspendemos uma corrente em dois pontos de sustentaao, no necessariamente horizontalc a mente alinhados, ela assume um determinado formato (entre os dois pontos de sustentaao), dado pela c funao catenria: c a f (x) = 1 (cosh(cx) 1) , c
onde cosh a funao conhecida como cosseno hiperblico, e dada por e c o e cosh x = ex + ex . 2
Observe que a funao foi dada de tal forma que para x = 0 ela vale 0, ou seja, a origem das c coordenadas imposta como sendo o ponto de m e nimo da corrente (uma justicativa para essa funao ser dada na Subseao 17.3.5). c a c Na expresso de f tambm aparece uma constante c, que um n mero. Esse n mero a e e u u no conhecido a priori, pois depende de vrias coisas, a comear pela posiao dos pontos a e a c c de sustentaao. O n mero c outro t c u e pico exemplo de um parmetro. Se usarmos sempre a a mesma corrente ele pode ser modicado atravs da mudana dos pontos de sustentaao, e e c c e razoavelmente dif saber que valor ele vai assumir ao pendurarmos a corrente. cil No entanto, j que se trata de uma medida experimental, poder a amos medir a posiao da c corrente em alguns pontos, convencionando x para a horizontal e y para a vertical, obtendo assim um conjunto de dados (xi , yi ), i = 1, . . . , N . Convm, alm disso, determinar a posiao e e c exata do m nimo, que ser o ponto (x, y) = (0, 0). Agora sabemos que a corrente assume a a forma de uma funao f como acima, mas nos resta saber com que valor de c isso acontece. c Como proceder? Para explicitar a existncia de um parmetro, que obviamente faz parte da deniao da e a c funao, adota-se a notaao c c 1 fc (x) = (cosh(cx) 1) . c Para cada funao fc podemos medir o qui-quadrado Q(fc ), e depois procurar o parmetro c c a para o qual Q(fc ) m e nimo. Como c varia ao longo da reta real, a funao c Q(fc ) uma c e funao de uma varivel, que denotaremos simplesmente por Q(c). c a
4.3.3
Naftalinas e funes ans co
Uma bolinha de naftalina perde seu material, por sublimaao, a uma taxa proporcional a sua c superf cie. Como evolui o raio da naftalina em funao do tempo? c Se V (t) o volume da bolinha, ento a hiptese implica que e a o V (t) = 4r(t)2 ,
4.3. PARAMETROS
53
isto , a taxa de perda de volume proporcional ` rea da superf da bolinha. Por outro e e aa cie lado 4 V (r) = r3 , 3 de forma que 4 V (t) = V (r(t)) = r(t)3 3 e V (t) = 4r(t)2 r(t) . Juntando as duas equaoes em V (t) e cancelando r(t)2 , camos com c r(t) = , logo r(t) uma funao de derivada constante negativa, ou seja, uma funao am. Portanto e c e c r(t) = r0 t , onde r0 = r(0). Num experimento, supondo que o racioc nio acima se conrme, teremos uma srie de e dados (ti , ri ) que se disporo aproximadamente sobre uma reta. Cada reta no vertical do a a plano grco de r(t) = a + bt, e gostar e a amos de achar o par (a, b) que melhor aproxime os dados experimentais, isto , que produza o menor qui-quadrado poss e vel. Desta feita, o qui-quadrado uma funao de duas variveis, pois para cada par (a, b) teremos uma funao e c a c diferente a + bt e um qui-quadrado Q(a, b). Ao contrrio dos problemas da densidade e da a catenria, aqui aparece uma funao que envolve dois parmetros. a c a
4.3.4
Decaimento exponencial
Um material contm um istopo radioativo, e emite radiaao, que pode ser detectada por um e o c contador geiger. A emisso de radiaao proporcional a quantidade de istopo, e oriunda a c e ` o e de seu decaimento. Veremos mais adiante (Subseao 17.3.2) que a quantidade do istopo c o decresce (na maioria dos casos) exponencialmente. Ou seja, a radiaao emitida por unidade c de tempo R(t) obedece ` lei a R(t) = R0 et , onde t o tempo (a varivel) e R0 , so dois parmetros. A constante R0 a quantidade e a a a e de radiaao emitida por unidade de tempo no instante t = 0 e > 0 representa a taxa de c decaimento: quanto maior for mais rpido ele ser. a a A meia-vida do istopo o tempo T necessrio para que sua quantidade caia pela metade. o e a Admitindo a proporcionalidade entre a radiaao emitida e a quantidade do istopo, T tal c o e que R0 , R(T ) = 2 isto , e R0 = R0 eT , 2
54 equaao que resolvida nos d c a
log 2 . O conceito de meia-vida muito usado para dataao de fsseis, atravs da determinaao e c o e c da quantidade de carbono-14, em relaao ao istopo mais abundante carbono-12: quanto c o menor for a quantidade de carbono-14, mais antigo o material. e A funao a dois parmetros R(t) recai no caso am quando tiramos o logaritmo: c a T = log R(t) = log R0 t , ou seja, L(t) log R(t) uma funao am, onde sua derivada. Os papis mono-log, e c e e vendidos em algumas papelarias, so uma maneira de se plotar o logaritmo dos dados da a ordenada, log R(t), em funao dos dados da abscissa, t, sem fazer contas. c Isto no vale quando o decaimento exponencial assinttico a um valor diferente de zero, a e o em funoes do tipo c f (t) = b + cet . No adianta tirar o logaritmo, pois o logaritmo de uma soma no pode ser desmembrado. a a Esse tipo de funao tem trs parmetros, e pode ocorrer, por exemplo, no decaimento de c e a temperatura de um corpo em contato com um reservatrio mais frio, mas cuja temperatura o no necessariamente zero. a e
4.3.5
Leis de potncia e fractais e

log f (x) = log c + log x .
Para funoes f (x) = cx , que tm dois parmetros, recomenda-se tambm tirar o logaritmo: c e a e
Desta vez, log f (x) uma funao am de log x, e o papel recomendado para se plotar os e c dados, em busca de uma reta, o o log-log. e Esse tipo de funao aparece ligado ao conceito de fractal. Para exemplicar, tome a linha c do litoral, fotografada num mapa de satlite, e suponha que a foto do satlite tenha boa e e resoluao, para que se possa fazer uma anlise razoavelmente detalhada. c a Escolha um tamanho l e divida o mapa em quadrados de tamanho l. Para facilitarmos o argumento suporemos que o mapa quadrado e escolheremos apenas valores de l que sejam e iguais ` lateral do mapa dividida por um n mero inteiro, de forma que s haja uma maneira a u o de se dividir o mapa em quadrados. Em seguida contamos o nmero N (l) de quadrados que u intersectam a linha do litoral. Tomamos valores de l cada vez menores, e para cada l contamos N (l). A experincia tem e mostrado que, dentro dos limites inerentes ao experimento, N (l) proporcional a ld , onde e d a chamada dimenso fractal daquele pedao de litoral. O nome fractal vem do fato de e a c que d pode ser um n mero fracionrio (no inteiro), e o inesperado vem do fato de que se o u a a litoral fosse uma reta ento d seria igual a 1! Ocorre que em geral d maior do que 1... a e Exerc cio 4.2 Munido de bons mapas, faa o experimento acima sugerido, e coloque os c dados N (l) versus l em papel log-log. Se realmente N (l) = cld ento voc ver uma reta a e a de inclinaao negativa, e a dimenso fractal d ser o valor absoluto dessa inclinaao. Preste c a a c atenao em desconsiderar valores de l muito grandes ou muito pequenos, onde fatalmente c no se ver uma reta. a a
4.3. PARAMETROS
55
4.3.6
Gaussiana
Suponha que vrias medidas foram feitas de um mesmo fenmeno, por exemplo, o tempo de a o queda de um objeto que solto, a partir do repouso, sempre da mesma altura. So feitas n e a medidas T1 , . . . , Tn , e dessas medidas constri-se um histograma. Para fazer o histograma, o escolhe-se um intervalo t e divide-se a reta dos tempos em intervalos de tamanho t. Esses intervalos podem ser numerados: I1 , . . . , IN , mas para a numeraao ser c nita preciso no incluir aqueles que e a esto longe dos tempos medidos. Para a cada intervalo Ij conta-se o n mero de u medidas Ti que incidem em Ij , chamando esse n mero de nj . O histou grama desenhado construindo-se bare ras de base Ij e altura igual a nj .
nj
I1 I2
Ij
IN
Nesse problema e em vrios outros, a tendncia do histograma adotar o formato aproa e e ximado de um sino. O valor mais provvel do que deve ser o tempo de queda (que servir a a por exemplo para se estimar a aceleraao da gravidade) se situa prximo dos intervalos que c o apresentam maiores valores de nj , isto , no cume do sino. e Se o experimento no tiver erros sistemticos, o formato de sino ser tanto melhor aproa a a ximado quanto mais medidas forem feitas e quanto menor forem os intervalos. E claro que a diminuiao dos intervalos e o aumento do n mero de medidas devem ser feitos de forma c u acoplada, mas isso j outra histria... ae o O leitor mais atento pode estar pensando que ao mudarmos o nmero n de experimentos u ou o tamanho do intervalo bsico t no poderemos comparar um histograma com outro. E a a claro que se aumentarmos o n mero n ento em mdia os nj s devem aumentar, o que dar u a e a histogramas radicalmente diferentes quando n = 500 ou n = 5000, por exemplo, mantidos iguais os ts. Por outro lado, se mantivermos n mas, digamos, diminuirmos pela metade o tamanho dos intervalos, isso far com que em mdia os nj s caiam pela metade. Assim, seria a e interessante ter um histograma que no dependesse demais de n e t, e permitisse comparar a histogramas do mesmo fenmeno constru o dos de formas diferentes. Para isso, em vez de colocarmos as barras ` altura nj , fazemos um reescalonamento da a ordenada, colocando as barras ` altura a nj . nt Com isso, a soma total da rea das barras ser igual a 1, pois cada barra ter rea a a aa t e a soma da rea de todas as barras ser a a
N j=1
nj nj = nt n
nj 1 = n n
nj =
j=1
1 n=1. n
56
Alm disso, o histograma passa a ter a seguinte funao utilitria. Se quisermos saber a e c a proporao de eventos Ti que caiu num determinado conjunto de Ij s, basta medir a rea total c a das barras sobre esses intervalos. Esse n mero ser um n mero entre 0 e 1 (que multiplicado u a u por 100 dar a porcentagem de eventos ocorridos nos intervalos considerados). a ` A medida em que se dimui t e se aumenta n, o formato do histograma se aproxima cada vez mais de um formato de sino, agora xo. Esse formato de sino tipicamente descrito pela e funao Gaussiana c (t )2 1 f (t) = exp{ }. 2 2 2 Observe que essa funao depende de dois parmetros, e , ento seria mais correto denot-la c a a a por f, (t) . O fator que multiplica a exponencial est colocado para normalizar a funao, isto , fazer a c e com que a rea debaixo de seu grco seja sempre igual a 1, no importando os valores de a a a e .
Para entender melhor essa funao, observe que c ela uma variaao de e c h(t) = exp{t } = e
2 t2
1 h(t) = et 0
2
A funao h(t) tem um mximo em t = 0 e c a h(0) = 1, e decresce ` direita e ` esquerda a a (simetricamente), indo a zero quando t vai a + ou . Se agora tomarmos h (t) = exp{(t )2 }, a funao valer 1 e atingir c a a o mximo em t = , e decrescer ` direita e a aa esquerda de . Ento o parmetro tem o a a papel de deslocar o sino para a direita ou para a esquerda, conforme for positivo ou negativo, e seu valor sempre representa a posiao c do cume.
h (t)
t
0
Por outro lado, se considerarmos h (t) = exp{ t2 } = exp{ 2 2 t 2
2
t } = h( ) 2
a ento teremos o seguinte efeito: se 2 > 1, ento o valor de h (t) ser o valor de h em t , a a 2 que menor do que t. Isso far com que a curva decresa mais lentamente, alargando o sino. e a c a Se, ao contrrio, 2 < 1, a curva decrescer mais rapidamente. a
4.3. PARAMETROS
57
2 <1
2 >1
h h h(t)=h( t )
2
h
t t
2
0
h(t)=h( t )
2
t
2
Em resumo, combinando os dois parmetros, indica a posiao horizontal do cume, a c enquanto que indica o quo agudo o pico. A altura do pico dada pelo fator de a e e 1 normalizaao 2 , escolhido de forma que a integral de f seja igual a 1. c Finalmente, estando de posse de um histograma, e admitindo as consideraoes acima, c queremos saber qual o melhor par de parmetros (, ) que aproxima o formato delineado e a pelas barras. Para isso, podemos tratar as barras como pontos, tomando t1 , . . . , tN como os pontos centrais dos intervalos I1 , . . . , IN , e y1 , . . . , yN a altura das respectivas barras. Com esses dados, podemos sempre estimar o qui-quadrado Q(f, ), procurando o par (, ) que o minimize. A funao f, encontrada serve como um preditor do experimento. Se quisermos saber c em mdia qual a proporao de medidas que ocorrer entre ta e tb , bastar encontrar a rea e e c a a a do histograma entre ta e tb , que aproximadamente o mesmo que calcular a integral e
tb
f, (t)dt .
ta
Pode-se mostrar (isso tambm j outra histria...) que os melhores parmetros e e ae o a so a mdia e o desvio-padro da coleao de dados t1 , . . . , tn . Ou seja, a e a c 1 = n e 2 = 1 n
n i=1 n
ti ,
i=1
(ti )2 .
Isso resolve o problema de se achar o menor qui-quadrado, mas raros so os casos em que a a soluao to expl c e a cita!
58
Cap tulo 5
Funes lineares nos parmetros co a

5.1 Dependncia linear dos parmetros e a
Estaremos particularmente interessados nos casos em que a dependncia da funao nos e c parmetros linear. Colocando de forma geral, isso signica que, se a funao tiver k a e c parmetros a1 , a2 , . . . , ak , ento f = fa1 ,...,ak se escreve como a a f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) . Por exemplo, na funao c ax + b sen x identicamos a1 = a, a2 = b, g1 (x) = x e g2 (x) = sen x. Ou seno na funao am a c a + bx identicamos a1 = a, a2 = b, g1 (x) = 1 (isto , a funao identicamente igual a 1) e g2 (x) = x. e c Mesmo uma funao linear c ax tem apenas um parmetro: a1 = a e g1 (x) = x. a E preciso no confundir entre funao linear nos parmetros e funao linear. Uma a c a c funao linear de uma varivel sempre da forma ax, e reservamos o termo funao am para c a e c funoes da forma a + bx. J uma funao linear nos parmetros no necessariamente linear c a c a a e em x, basta ver os exemplos que demos acima. Analisemos, sob essa tica, com que tipos de problemas nos deparamos nos exemplos do o Cap tulo anterior. No exemplo do clculo da densidade temos uma funao do tipo f (x) = ax, que linear a c e no parmetro a e na varivel x. A funao da catenria f (x) = 1 (cosh(cx) 1) um exemplo a a c a e c de funao com apenas 1 parmetro que porm no linear nesse parmetro. As funoes ans c a e a e a c das naftalinas so lineares nos parmetros. J o decaimento exponencial f (x) = aebx no a a a a , mas o problema pode ser transformado num problema de funao am (e portanto linear e c nos parmetros), pois a log f (x) = log a bx . 59
60
CAP ITULO 5. FUNCOES LINEARES NOS PARAMETROS
J f (x) = c+aebx tem trs parmetros e no linear em b: se b fosse xado (no considerado a e a a e a como parmetro), ento sim ter a a amos a linearidade. A lei de potncia f (x) = axb tambm no linear no parmetro b, mas pode ser transe e a e a formada num problema linear atravs do logaritmo. e Finalmente, a funao Gaussiana no linear nos parmetros mdia e desvio-padro, c a e a e a mas estes podem ser encontrados, para se ajustarem aos dados experimentais, da maneira tradicional. Trataremos a partir de agora apenas do ajuste de funoes lineares nos parmetros. Vrios c a a casos onde a dependncia no parmetro no linear podem ser adaptados, mas sem d vida e a e a u deve-se pensar caso a caso. Destacam-se entre os ajustes lineares os ajustes por polinmios o f (x) = a0 + a1 x + a2 x2 + . . . + ak xk e os ajustes por funoes trigonomtricas c e f (x) = a0 + a1 cos(x) + a2 cos(2x) + . . . + ak cos(kx)+ +b1 sen(x) + b2 sen(2x) + . . . + bk sen(lx) .
5.2
Cont nuo vs. discreto
Vale a pena aqui introduzir um problema de ajuste ligeiramente modicado em relaao ao c que vimos discutindo at agora. Suponha que conhecemos determinada funao y(x) num e c intervalo xo [c, d] e gostar amos de aproxim-la o melhor poss por alguma funao do tipo a vel c f (x) = a1 g1 (x) + . . . + ak gk (x) . Observe que antes t nhamos um conjunto de dados (xi , yi ), com i variando de 1 at N . Agora e nossa informaao se d num conjunto innito de pontos: sabemos todos os (x, y(x)), com x c a variando no intervalo [c, d], porque conhecemos a funao y(x). c Mais uma vez precisamos de um critrio para quanticar a proximidade entre f e os e dados, ou seja, entre f e y. O correspondente qui-quadrado, neste caso, dado por e
d
Q(f ) =
c
(f (x) y(x))2 dx .
e o objetivo procurar o conjunto de parmetros (a1 , a2 , . . . , ak ) que minimize Q(f ). e a Este conceito pode ser util quando y(x) tem uma expresso conhecida mas muito com a plicada, e a substitu mos por uma expresso polinomial ou trigonomtrica f (x). a e
5.3. UM PARAMETRO
61
5.3
Um parmetro a
y
Para introduzirmos o assunto gradualmente, convm comear pelas situaoes mais sime c c ples. Suponha que temos N dados (x1 , y1 ), (x2 , y2 ), . . ., (xN , yN ) como na gura ao lado e que queiramos ajustar uma funao linear c f (x) = ax a esses pontos. Isto signica que queremos achar o valor de a que melhor aproxima os pontos dados. Na gura, a reta pontilhada indica mais ou menos o que esperamos do nosso ajuste.
x
x1 x2 x3 x4 x5 x6
Em vez de tratarmos esse caso em particular, faremos uma discusso um pouco mais a geral. Isto , suponha que tenhamos dados como acima e queiramos ajustar uma funao e c fa (x) = ag(x), com um parmetro e linear nesse unico parmetro. O caso da funao linear a a c apenas um caso particular, correspondente ` funao g(x) = x. e a c Para cada a, podemos calcular o qui-quadrado Q(fa ), que denotaremos simplesmente por Q(a). Explicitamente
N N
Q(a) =
i=1
(fa (xi ) yi )2 =
i=1
(ag(xi ) yi )2 .
A funao Q(a) deve ser assim entendida: para cada a calculamos o erro Q(a) cometido entre c a funao fa (x) = ag(x) e os dados yi . Nossa tarefa ser procurar o valor a0 tal que Q(a0 ) c a seja m nimo. Notemos que para cada i vale
2 (ag(xi ) yi )2 = g(xi )2 a2 2g(xi )yi a + yi ,
isto , cada termo da soma que dene Q(a) um polinmio quadrtico na varivel a. Como e e o a a a soma de polinmios quadrticos um polinmio quadrtico, ento Q(a) tambm um o a e o a a e e polinmio quadrtico na varivel a. Isto pode ser visto diretamente se desenvolvermos a o a a soma que dene Q(a):
N N N
Q(a) =
i=1
g(xi )2
a2 2
g(xi )yi
i=1
a+
i=1
2 yi .
O grco de Q(a) , portanto, uma parbola. A concavidade para cima, pois o termo a e a e que multiplica a2 certamente positivo, por ser uma soma de quadrados. e Em concluso, achar o m a nimo da funao Q(a) se resume a achar o m c nimo de uma parbola. a
62
Conhecendo o clculo diferencial, sabemos que podemos procurar o ponto de m a nimo da d parbola pelo ponto que anula a derivada, ou seja, procuramos a soluao de da Q(a) = 0. a c Ento calcularemos a derivada de Q(a), mas no pela expresso acima, e sim pela expresso a a a a original, que se prestar mais a generalizaoes quando tivermos mais parmetros. a c a Temos N d Q(a) = (ag(xi ) yi )2 , da a i=1 se lembrarmos que a derivada da soma a soma das derivadas. Alm disso, pela Regra da e e Cadeia, a derivada de algo ao quadrado duas vezes esse algo vezes a derivada do algo, e temos que d Q(a) = da
N i=1
2g(xi )(ag(xi ) yi ) ,
lembrando que a derivada em relaao ao parmetro a!!!! e c a O fator 2 pode ser posto em evidncia no somatrio, de forma que quando igualarmos a e o derivada de Q(a) a zero ele desaparece. Ento queremos resolver a
N i=1
ag(xi )2 g(xi )yi = 0 .
Rearranjando,
N N
a donde sai facilmente o valor de a:
g(xi )2 =
i=1 i=1
g(xi )yi ,
a=
N i=1 g(xi )yi N 2 i=1 g(xi )
Esse o a0 que estvamos procurando! e a No caso de uma reta, a funao g(x) igual a x, e portanto a0 dado por c e e a0 =
N i=1 xi yi N 2 i=1 xi
Exerc cio 5.1 Invente um conjunto de dados que estejam prximos de uma reta passando o pela origem (N = 6, por exemplo), e depois ajuste uma funao ax. Num papel milimetrado, c coloque os dados e depois esboce a reta obtida.
5.4
Dois parmetros a
Suponha que queiramos ajustar uma reta aos dados experimentais, mas no necessariamente a uma reta que passe pelo zero. Para isso, precisamos ajustar uma funao na forma f (x) = c
5.4. DOIS PARAMETROS
63
a + bx, isto , uma funao am. Esse problema se insere no caso geral de ajuste de uma e c funao com dois parmetros, que de forma geral pode ser escrita como c a fa1 ,a2 (x) = a1 g1 (x) + a2 g2 (x) . Raciocinando como na Seao anterior, queremos minimizar a funao erro c c
N
Q(fa1 ,a2 ) =
i=1
(fa1 ,a2 (xi ) yi )2 .
Agora, porm, a funao erro depende de dois parmetros, a1 e a2 , por causa da forma de f , e c a e a denotaremos por Q(a1 , a2 ):
N
Q(a1 , a2 ) =
i=1
(a1 g1 (xi ) + a2 g2 (xi ) yi )2 .
Precisamos de 3 dimenses para traar um grco da funao Q. o c a c No ponto de m nimo de Q necessariamente todas as derivadas parciais se anulam. No presente caso, elas so duas: em relaao a a1 e em relaao a a2 . Observe que no necessaria c c a amente (a princ pio, sem um exame mais aprofundado) vale o inverso, isto , se as derivadas e parciais se anularem ento no obrigatoriamente se trata de um ponto de m a a nimo. Portanto o par de parmetros procurado deve satisfazer duas exigncias simultneas: a e a Q Q (a1 , a2 ) = 0 e (a1 , a2 ) = 0 . a1 a2 Se acharmos um ponto que satisfaa essas duas exigncias teremos um candidato a ponto de c e m nimo de Q(a1 , a2 ). Adiante, no Cap tulo 6, discutiremos melhor at que ponto podemos conar que a soluao e c desse problema seja realmente o m nimo procurado. As duas equaoes podem ser escritas explicitamente, e aps elaboraao as deixaremos em c o c uma forma conveniente. Temos
N i=1 N i=1
(a1 g1 (xi ) + a2 g2 (xi ) yi )2 = 0 a1 (a1 g1 (xi ) + a2 g2 (xi ) yi )2 = 0 a2
Usando a Regra da Cadeia, fazemos as derivadas parciais, obtendo

N i=1 N i=1
2g1 (xi )(a1 g1 (xi ) + a2 g2 (xi ) yi ) = 2g2 (xi )(a1 g1 (xi ) + a2 g2 (xi ) yi ) =
64
Os somatrios podem ainda ser decompostos: o

N N N
2a1
i=1 N
g1 (xi )2 + 2a2
i=1 N
g1 (xi )g2 (xi ) 2 g2 (xi )g2 (xi ) 2
g1 (xi )yi
i=1 N
2a1
i=1
g2 (xi )g1 (xi ) + 2a2

i=1
g2 (xi )yi
i=1
Rearranjando de forma adequada ca evidente que reca mos num sistema linear de duas equaoes nas incgnitas a1 e a2 : c o
N i=1 g1 (xi )g1 (xi ) N i=1 g2 (xi )g1 (xi )
a1 a1
+ +
N i=1 N i=1
g1 (xi )g2 (xi ) a2 g2 (xi )g2 (xi ) a2
= =
N i=1 N i=1
g1 (xi )yi g2 (xi )yi
Todos os coecientes do sistema linear so tirados dos dados do problema, sendo que somente a os termos independentes usam os yi s. Aqui vale a pena introduzir uma notaao simplicadora, que tornar muito mais fcil a c a a aplicaao do acima exposto em problemas prticos. Denotaremos por gl , gm a soma c a
N
gl (xi )gm (xi )

i=1
e por gl , y a soma
N
gl (xi )yi .
i=1
Com essa nomenclatura, reescrevemos o sistema linear: g 1 , g 1 a1 g 2 , g 1 a1 + + g 1 , g 2 a2 g 2 , g 2 a2 = = g1 , y g2 , y ,
que o torna muito mais simples de memorizar! Exerc cio 5.2 Construa um conjunto de dados e ajuste uma reta, no necessariamente a passando pela origem, usando o exposto nesta Seao. c
5.5
Ajuste de qualquer funo linear nos parmetros ca a
As idias das Seoes anteriores podem ser usadas em qualquer situaao que se queira ajustar e c c uma funao que dependa linearmente dos parmetros, dada por c a f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) , onde k o n mero de parmetros. e u a A funao Q, que d o erro do ajuste, depende agora dos k parmetros a1 , . . ., ak : c a a
N
Q(a1 , a2 , . . . , ak ) =
i=1
(a1 g1 (xi ) + a2 g2 (xi ) + . . . + ak gk (xi ) yi )2 .
5.6. O CASO CONT INUO Se o m nimo de Q ocorre em (a1 , a2 , . . . , ak ) ento a Q (a1 , a2 , . . . , ak ) = 0 , al
65
para todo l entre 1 e k, simultaneamente. Isso nos d k equaoes, lineares nos parmetros a c a (sugere-se ao leitor fazer as passagens). Abaixo, mostramos as k equaoes, usando a notaao c c introduzida ao nal da Seao anterior: c g 1 , g 1 a1 g 2 , g 1 a1 . . . g k , g 1 a1 + + + g 1 , g 2 a2 g 2 , g 2 a2 . . . g k , g 2 a2 + + + ... + ... + ... ... + g 1 , g k ak g 2 , g k ak . . . g k , g k ak = = = = g1 , y g2 , y . . . gk , y
Logo adiante veremos a razo de se utilizar essa notaao para os somatrios, idntica ` a c o e a utilizada para o produto escalar de dois vetores. Aqui entendemos como vetores os conjuntos de dados da abscissa x = (x1 , . . . , xN ), da ordenada y = (y1 , . . . , yN ), e os valores das funoes gl avaliados em cada um desses pontos: gl = (gl (x1 ), . . . , gl (xN )). Assim a notaao c c faz sentido!
5.6
O caso cont nuo
No caso cont nuo, tudo se passa de maneira anloga. Suponha que temos uma funao y(x) a c denida no intervalo [c, d], e gostar amos de procurar uma funao da forma c f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) , que se aproxime dela o melhor poss vel. O erro do ajuste tambm uma funao dos k e e c parmetros, mas desta vez calculado por meio de uma integral, ao invs de uma soma: a e e
d
Q(a1 , a2 , . . . , ak ) =
c
(a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) y(x)) dx .
E util comparar com o caso discreto. A soma ao longo do ndice i foi substitu pela integral da na varivel x, dentro do intervalo [c, d]. Ao mesmo tempo, os yi deram lugar aos valores da a funao y(x). c Mais uma vez, o ponto de m nimo de Q deve, necessariamente, anular todas as k derivadas parciais de Q, o que nos d um critrio de busca para esse m a e nimo, se resolvermos as k equaoes resultantes. Para cada l = 1, . . . , k obtemos a equaao c c 0= Q (a1 , a2 , . . . , ak ) = al al
d c
(a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) y(x)) dx .
Como a varivel de integraao x diferente da varivel de diferenciaao al , podemos intera c e a c cambiar a ordem das operaoes, obtendo c
d
0=
c
2gl (x) (a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) y(x)) dx ,
66
e, depois de uma simples manipulaao da equaao, chegando a c c g l , g 1 a1 + g l , g 2 a2 + . . . + g l , g k ak = g l , y , onde gl , gm =

c d
gl (x)gm (x)dx
d
e gl , y =
c
gl (x)y(x)dx .
Juntando-se as k equaoes resulta um sistema linear idntico `quele obtido no caso disc e a creto, exceto pelo fato de que os produtos escalares so calculados por uma integral, ao a invs de uma soma. e
5.7
Exemplos
Para que no que tudo muito abstrato, faamos dois exemplos nesta Seao, um para o caso a c c discreto e um para o caso cont nuo.
5.7.1
Dinammetro o
Suponha que precisemos usar um elstico como dinammetro, para pesar objetos. O elstico a o a forte, e ag enta vrios quilos. Queremos calibrar o elstico para que a medida do peso e u a a possa ser inferida pela distenso que ele provoca no elstico, que pode ser facilmente medida a a por uma rgua. e Para tanto, penduramos o elstico no teto, por uma ponta, e na outra atrelamos um a balde, cujo peso no suciente para distender o elstico (melhor ainda, serve para colocar a e a o elstico muito prximo ` posiao de repouso, e esticado). Com uma jarra, colocamos gua a o a c a no balde, e a cada litro colocado (x) medimos a distenso y do elstico. a a Os dados encontrados esto na tabela abaixo. a i 0 1 2 3 4 5 6 7 8 9 10 11 xi (kg) 0 1 2 3 4 5 6 7 8 9 10 11 yi (cm) 0.0 1.0 5.5 13.0 23.5 34.5 42.0 47.0 50.5 53.0 54.5 55.5
5.7. EXEMPLOS
67
Os dados da tabela so ct a cios, mas qualitativamente se assemelham bastante a experincias reais. Nota-se que a resposta do elstico menor para pesos pequenos e grandes, e a e e atinge seu mximo aproximadamente entre 3 e 5 quilos. a Discutiremos o ajuste da funao y(x) (distenso em funao do peso), embora na aprec a c sentaao do problema est c vessemos interessados na funao inversa x(y), que d o peso em c a funao da distenso. Se o leitor zer um grco dos dados da tabela, ver que a funao c a a a c peso em funao da distenso parece ser singular em 0 (tem uma derivada innita), e esse c a tipo de funao se presta muito mal ao tipo de ajuste que faremos, baseado em polinmios. c o O problema desaparece se olharmos para y(x), pois esta funao parece ter derivada zero em c x = 0. Se pensarmos em ajustar y(x) por um polinmio, temos primeiramente que escolher seu o grau. Claramente o grau desse polinmio deve ser maior do que 2, pois retas e parbolas no o a a tm pontos de inexo, como aparenta ser o caso. Polinmios c bicos podem ter o formato e a o u desejado, mas talvez convenha ter um pouco mais de liberdade no ajuste usando polinmios o de quarto grau. Para ajustar um polinmio de quarto grau temos que resolver um problema a 5 parmetros. o a Isso recair num sistema linear de 5 equaoes e 5 incgnitas, e nesse caso convm ter implea c o e mentado um programa de computador para resolv-lo. Como queremos apenas exemplicar e as coisas, restringiremo-nos a um certo conjunto dos polinmios de quarto grau, que reduzir o a nosso problema a apenas 3 parmetros, embora o mais recomendvel seja seguir a primeira a a soluao. c Observe que se f (x) = c0 +c1 x+c2 x2 +c3 x3 +c4 x4 ento f (0) = c0 . Como ns j sabemos a o a que f (0) = 0, pois a nenhum peso corresponde nenhuma distenso, ento j podemos supor a a a que c0 = 0. Alm disso, o grco d a forte sensaao de que f (0) = 0, e como f (0) = c1 , e a a c ter amos c1 tambm igual a zero. Desta forma, procuraremos o menor qui-quadrado entre a e fam lia f (x) = a1 x2 + a2 x3 + a3 x4 , linear em seus trs parmetros. Para uniformizar a notaao com a parte terica, temos e a c o g1 (x) = x2 , g2 (x) = x3 e g3 (x) = x4 . Agora temos que calcular os produtos escalares gl , gm , com l e m variando entre 1 e 3. Como essas funoes so potncias de x, nossa tarefa ca razoavelmente facilitada, porque c a e vrios dos produtos escalares sero iguais. Por exemplo, a a
11 11
g1 , g3 =
i=0
x2 x4 i i
==
i=0
x6 , i
igual a e
11
g2 , g2 =
i=0
x3 x3 . i i
O sistema linear ca x4 i x5 i x6 i x5 i x6 i x7 i x6 i x7 i x8 i | | | yi x2 i yi x3 . i yi x4 i
68
Calculando os coecientes e resolvendo, obtemos a1 = 2.5040, a2 = 0.28427 e a3 = 0.0088925. Se o leitor tentar resolver o sistema por conta prpria ver que ele extremao a e mente mal-condicionado. A soluao apresentada foi obtida com 10 algarismos signicativos, c e arredondada somente ao nal para 5 algarismos signicativos. Recomenda-se vericar se a funao obtida c f (x) = 2.5040x2 0.28427x3 + 0.0088925x4 compat e vel com os dados (pelo menos visualmente), e isso pode ser feito atravs de seu e esboo no grco, junto com os dados experimentais. Este teste sempre vale a pena em c a problemas de ajuste, para saber se no houve algum erro de conta. a Outro teste de compatibilidade m nimo observar que a1 teria que ser realmente positivo, e pois a concavidade do grco para cima em x = 0, e que a2 teria que ser negativo, para a e poder criar o ponto de inexo na regio x > 0. a a
5.7.2
Cosseno aproximado por um polinmio o
Para exemplicar um ajuste linear cont nuo, tomemos a funao y(x) = cos x no intervalo c [ , ]. Gostar amos de aproxim-la tambm por um polinmio, desta vez de grau 2. a e o 2 2 Antes de resolver o problema, vale a pena investigar o que achamos que ser o resultado. a Se f (x) = a1 + a2 x + a3 x2 o polinmio procurado, quanto devem ser, aproximadamente, os e o valores dos coecientes? Como o cosseno vale 1 em x = 0, uma funao par, tem concavidade para baixo e se anula e c em e + , ento imaginamos um polinmio quadrtico com caracter a o a sticas semelhantes. 2 2 Ele teria que ter a1 = 1 (para valer 1 em x = 0) e a2 = 0 (por ser parbola centrada na a origem). Alm disso, a3 teria que ser negativo. Para que o polinmio se anule em preciso e o 2 e que 2 1 + a3 =0, 2 logo a3 deve estar prximo de 0.4. o Veremos se nossos palpites se conrmam. Temos que calcular os produtos escalares, que agora so integrais. Por exemplo, a g1 (x), g1 (x) =
2
1 1dx = .
Algumas integrais so nulas, pois o intervalo de integraao simtrico e os integrandos so a c e e a funoes c mpares. E o caso de g1 , g2 e g2 , g3 , por exemplo. Precisamos calcular
2
x2 dx =
3 , 12
x4 dx =
5 , 80
e do lado dos termos independentes

2
cos x = 2 ,
5.7. EXEMPLOS a integral de x cos x nula, por ser e mpar, e resta calcular
2
69
x2 cos x ,
2 1 usando a tcnica de Integraao por Partes duas vezes, dando 2 2 4. e c O sistema linear ca igual a 3 0 | 2 12 3 0 | 0 0 . 12 5 3 1 2 0 80 | 2 4 12
Da segunda equaao conclui-se imediatamente que a2 = 0, o que reduz o sistema linear a duas c equaoes e duas incgnitas. Resolvendo o sistema, obtm-se a1 = 0.98016 e a3 = 0.41777, c o e valores bem prximos das estimativas iniciais. o O mtodo que apresentamos, apesar de simples, tem problemas quando implementado e numericamente. E comum que os sistemas lineares a serem resolvidos sejam muito mal condicionados. Por exemplo, no caso do ajuste de uma funao y(x) denida no intervalo c [0, 1] por um polinmio o f (x) = a0 + a1 x + . . . + ak xk , temos gl (x) = xl1 , com l = 0, . . . , k, e
1
gl , gm =
0
xl+m dx =
1 . l+m+1
Isto implica que a matriz dos coecientes do sistema linear uma matriz de Hilbert, que e e um conhecido exemplo de matriz mal condicionada, como discutimos na Subseao 2.5.2. c No Cap tulo 7 discutiremos outra forma de se fazer ajustes, que so especialmente uteis a para ajustes polinomiais e trigonomtricos. Antes, porm, discorreremos um pouco mais e e abstratamente sobre o mtodo dos m e nimos quadrados, investigando, por exemplo, questes o como a unicidade, embora o Cap tulo 7 possa ser compreendido sem o aux do Cap lio tulo 6. Exerc cio 5.3 Ajuste f (x) = a(arctan x)2 aos seguintes dados xi yi por mnimos quadrados. Exerc cio 5.4 Ajuste f (x) = a + b(x 1)2 por mnimos quadrados a funao y(x) = x3 3x, ` c no intervalo [0, 2]. 0.0 0.0 1.0 0.25 2.0 1.00 3.0 1.50 4.0 1.65
70
Cap tulo 6
Levando a srio o produto e escalar

6.1 Produto escalar e distncia a
Vale a pena aqui uma pequena digresso, que nos levar a uma compreenso melhor do a a a problema do ajuste de funoes lineares nos parmetros e nos permitir, alm disso, dispor de c a a e outras maneiras de realizar o ajuste. Primeiramente, como de praxe, concentremo-nos no problema de ajuste discreto onde, dados os pontos (x1 , y1 ), (x2 , y2 ), . . . , (xN , yN ), queremos achar o conjunto de parmetros a (a1 , . . . , ak ) que minimize o qui-quadrado de f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) , para um certo conjunto de funoes previamente xadas g1 (x), . . . , gk (x). c Para entendermos o problema de forma geomtrica, consideremos o espao RN das N e c uplas u = (u1 , . . . , uN ), isto , o espao de vetores N -dimensional. Assim, os valores da e c ordenada nos pontos dados podem ser representados por um vetor de RN : y = (y1 , y2 , . . . , yN ) . Alm disso, cada uma das funoes gl (x), l = 1, . . . , k gera um vetor de RN , cujas coordenadas e c so os valores da funao nos pontos x1 , . . . , xN : a c gl = (gl (x1 ), gl (x2 ), . . . , gl (xN )) . O produto escalar ou produto interno em RN a funao que associa a cada par de vetores e c u = (u1 , . . . , uN ) e v = (v1 , . . . , vN ) o n mero real u u, v = u1 v1 + u2 v2 + . . . + uN vN . Sendo assim, ca evidente que a deniao que demos de gl , gm corresponde exatamente ao c produto escalar dos vetores gl e gm , e gl , y o produto escalar dos vetores gl e y. e 71
72
CAP ITULO 6. LEVANDO A SERIO O PRODUTO ESCALAR
O produto escalar fornece automaticamente uma noao de tamanho de vetores (ou norma c de vetores, no jargo matemtico) e, em conseqncia, de distncia no espao RN . Em R2 , o a a ue a c tamanho u de um vetor u = (u1 , u2 ) dado pelo Teorema de Pitgoras: u = u2 + u2 . E e a 1 2 3 fcil ver com o Teorema de Pitgoras que em R a norma de um vetor u = (u1 , u2 , u3 ) dada a a e c e por u = u2 + u2 + u2 . A generalizaao em RN natural. A norma de u = (u1 , . . . , uN ) 1 2 3 dada por e u = u2 + u2 + . . . + u2 , 1 2 N expresso que pode ser escrita em termos do produto escalar: a u = u, u .
A noao de norma d origem ` idia de distncia em RN . Olhando agora u e v como c a a e a pontos, a distncia entre eles a norma do vetor u v (ou v u, tanto faz). Denotaremos a e essa distncia por d(u, v) e, explicitamente, ela vale a
N
d(u, v) =
u v, u v =
i=1
(ui vi )2 .
Podemos ainda relacionar o qui-quadrado com isso tudo. O qui-quadrado de uma funao c f (para esses dados), denotado por Q(f ), dado por e
N
Q(f ) =
i=1
(f (xi ) yi )2 .
Se chamarmos de f o vetor (f (x1 ), f (x2 ), . . . , f (xN )), ento a Q(f ) = f y, f y = d(f, y)2 . Portanto, minimizar o qui-quadrado um problema de minimizar a distncia ao vetor y no e a espao RN . c Quando limitamos f (x) a ser uma combinaao linear das funoes g1 (x), . . . , gk (x) estamos, c c automaticamente, limitando o vetor f a ser uma combinaao linear dos vetores g1 , . . . , gk . c Isso implica que vamos procurar f que minimiza a distncia ao vetor y apenas entre os vetores a que so uma combinaao linear dos vetores g1 , . . . , gk . a c Mas o que o conjunto dos vetores que so combinaao linear dos vetores g1 , . . . , gk ? e a c Esse tipo de conjunto chamado de subespao vetorial (de RN ). Um subespao vetorial um e c c e conjunto com a seguinte propriedade: qualquer combinaao linear de vetores do conjunto c e tambm um vetor do conjunto. Por exemplo, em R3 um subespao vetorial s pode ser de e c o um dos seguintes tipos: a origem (dimenso zero), isto , o conjunto formado apenas pelo a e ponto (0, 0, 0); uma reta que passa pela origem (dimenso 1); um plano que passa pela origem a (dimenso 2); ou todo o R3 (dimenso 3). Note que todo subespao contm a origem, pois a a c e se u pertence ao subespao ento u u = 0 tambm pertence. Em RN tambm existem c a e e subespaos de todas as dimenses variando desde zero at N . c o e Pois bem, o problema do ajuste se reduz agora a achar, dentro do subespao formado c pelas combinaoes lineares de g1 , . . . , gl , o ponto que minimiza a distncia a um certo ponto c a y. Disso trataremos na prxima Seao. o c
6.2. EXISTENCIA E UNICIDADE DE SOLUCOES NO AJUSTE LINEAR
73
6.2
Existncia e unicidade de solues no ajuste linear e co
Nesta Seao discutiremos a possibilidade de soluao para o problema do ajuste linear, no c c caso discreto. Deixaremos o caso cont nuo para a prxima Seao. Lembraremos alguns fatos o c de Geometria Anal tica e Algebra Linear, sem demonstr-los todos. Os que faltarem podem a ser encontrados em textos clssicos, voltados especicamente para esse assunto. a Seja G um subespao de RN . Denimos o subespao G dos vetores de RN ortogonais a c c todo vetor de G, lembrando que u e v so ortogonais se u, v = 0. Fica para o leitor mostrar a que G um subespao. e c O primeiro fato para o qual chamaremos a atenao o seguinte: qualquer y RN pode c e ser escrito como soma de um vetor de G com um vetor de G . Para mostrar isso, tome uma base ortonormal {w1 , . . . , wr } de G (a existncia dessa base um dos fatos que cam e e de lado nessa exposiao, mas o leitor pode encontrar nos livros de Algebra Linear no tpico c o Ortogonalizaao de Gram-Schimdt). O que caracteriza esse conjunto como base ortonormal c o fato de ser base (todo vetor de G pode ser escrito como combinaao linear dos vetores e c desse conjunto) e wi , wj ser igual a zero se i = j e igual a 1 se i = j. Agora tome o vetor
r
u=
i=1
y, wi wi .
O vetor u uma soma de m ltiplos dos wi s (de fato, a soma da projeao de y sobre as e u e c direoes dadas pelos wi s), portanto um vetor de G. Por outro lado, vamos mostrar que c e y u um vetor de G . Com isso, teremos e y = (y u) + u , mostrando que y pode ser escrito como soma de um vetor de G (o vetor y u) com um vetor de G (o vetor u). Mostrar que y u G mostrar que y u ortogonal a qualquer vetor de G. Um e e vetor qualquer g de G pode ser escrito como combinaao linear dos vetores da base: c
r
g=
i=1
i wi .
Para mostrar que y u, g = 0 basta substituir a expresso de u e a expresso de g, em a a termos dos vetores da base, e levar em conta que a base ortonormal. Fica como exerc e cio!!! A segunda observaao que a decomposiao de um vetor y em uma soma de dois vetores, c e c um de G e outro de G unica. Em outras palavras, se y = u + v = u + v , com u, u G e e v, v G , ento u = u e v = v . Para mostrar isso, vamos apenas nos utilizar do fato de que a o unico vetor que pertence a ambos os subespaos a origem (pois se u pertence a ambos os c e subespaos, ento u ortogonal a ele mesmo, ou seja, u, u = 0; s que u, u = u 2, e o c a e o unico vetor que tem norma zero o vetor nulo). Se y = u + v e y = u + v ento e a 0 = y y = (u u) + (v v ) , isto , e uu=vv .
74
Do lado esquerdo da igualdade temos um vetor de G e do lado direito da igualdade temos um vetor de G , e eles so iguais. Logo eles tm que ser ambos nulos, e a armaao segue. a e c r e c e O vetor u = i=1 y, wi wi a componente de y no subespao G, tambm chamada de projeao de y em G. A terceira observaao que temos a fazer que o vetor u o (nico) c c e e u elemento de G a menor distncia de y. Para ver a razo, tome um outro vetor qualquer ` a a g G. A distncia de g a y a raiz quadrada de g y, g y , que mostraremos ser maior a e do que a distncia de u a y, que a raiz quadrada de u y, u y . Para comparar as duas a e distncias, escrevemos a g y, g y = g u + u y, g u + u y = g u, g u + 2 g u, u y + u y, u y , mas como g u G e u y G , segue que g u, u y = 0. Alm disso, g u, g u e e positivo, logo g y, g y > u y, u y ,
onde a desigualdade estrita conrma a unicidade. Finalmente lembremos que, no problema do ajuste, o subespao vetorial em questo o c a e conjunto de todas as combinaoes lineares dos vetores g1 , . . . , gk . Nesse subespao, existe um c c unico elemento que minimiza a distncia ao ponto y, como conclu a mos acima. Ser que da a podemos concluir que sempre existe um unico conjunto de parmetros (a1 , . . . , ak ) tal que a f = a1 g1 + . . . + ak gk minimiza a distncia a y? a A resposta no, nem sempre!! Embora s haja um elemento u do subespao que minie a o c mize a distncia, pode haver diversas maneiras de se escrever esse elemento como combinaao a c linear dos vetores g1 , . . . , gk . Para que haja apenas uma maneira de se escrever u preciso e que os vetores g1 , . . . , gk sejam linearmente independentes, isto , que nenhum deles possa e ser escrito como combinaao linear dos outros. c Por exemplo, suponha que o n mero N de pontos dados seja menor do que o n mero k u u de funoes do ajuste. No h como ter k > N vetores linearmente independentes em RN , c a a portanto certamente no ser unica a soluao para o problema de ajuste. a a c Outro exemplo, suponha que g1 (x) = 1, g2 (x) = x, g3 (x) = x2 , . . ., gk (x) = xk1 , e N k. Ser que a soluao do problema de ajuste unica? A resposta sim, mas o leitor a c e e est convidado a justic-la inspirando-se no que est escrito na Seao A.7. a a a c
6.3
O caso cont nuo
No caso cont nuo no temos um espao de dimenso nita (RN ) para trabalhar. Que espao a c a c utilizamos? Ser que as idias das seoes anteriores tambm se aplicam? Veremos que sim, a e c e quase sem modicaoes! c No lugar de RN consideramos um espao de funoes, que podemos particularizar (para no c c a dicultar as coisas). Suponha que y(x) seja uma funao cont c nua denida no intervalo [c, d]. Ento consideramos o conjunto E de todas as funoes cont a c nuas denidas nesse intervalo. Em E esto denidas a adiao e a multiplicaao por nmeros reais: se h1 e h2 so funoes de E, a c c u a c ento dene-se a funao h = h1 + h2 como sendo aquela que leva x em h(x) = h1 (x) + h2 (x), a c e se um n mero real, dene-se a funao h = h1 como sendo aquela que leva x em e u c h(x) = h1 (x). O conjunto E um espao vetorial porque essas operaoes sempre resultam e c c em elementos de E. A origem ou elemento nulo de E a funao identicamente nula em [c, d], e c e assim por diante.
6.4. OUTROS PRODUTOS ESCALARES: PESOS
75
O espao vetorial E no tem dimenso nita porque no podemos escolher um nmero c a a a u nito de elementos h1 , . . . , hn que gere E, isto , tal que qualquer elemento de E possa ser e escrito como combinaao linear desses elementos. No entanto, dado o conjunto de funoes c c g1 , . . . , gk (aquelas com as quais queremos fazer o ajuste), o conjunto de todas as suas combinaoes lineares um subespao vetorial de dimenso nita de E (que chamaremos de G). c e c a Podemos tambm denir um produto interno, ou produto escalar em E. Se h e f so e a funoes de E, ento c a
d
h, f =
c
h(x)f (x)dx ,
que foi a deniao que usamos previamente, como notaao. c c Observe o leitor que nas consideraoes que zemos nas Seoes anteriores, s nos utilizamos c c o das propriedades do produto interno, a saber: 1. Simetria: u, v = v, u ; 2. Linearidade: u + v, w = u, w + v, w ; 3. Positividade: se u = 0, u, u > 0. Essas propriedades podem ser usadas para denir o produto interno, como zemos com o determinante no Cap tulo A. No dif mostrar que a deniao acima de h, f no espao a e cil c c E a de um produto interno, e da seguem as conseqncias que advm diretamente dessas e ue e propriedades. O subespao G tem dimenso nita, logo tem uma base ortonormal, e da podemos c a mostrar que todo elemento y E pode ser decomposto de forma unica como uma soma de duas funoes: c y =f + , onde f G e G . A funao f a projeao de y em G, e minimiza a distncia de y aos c e c a pontos de G, sendo portanto uma soluao do problema de ajuste. c
6.4
Outros produtos escalares: pesos
Pensando novamente no caso discreto (mas com conseqncias igualmente vlidas no caso ue a cont nuo), notamos que o clculo do qui-quadrado pressupe uniformidade dos dados (xi , yi ), a o isto , cada dado entra com igual peso na frmula e o
N
Q(f ) =
i=1
(f (xi ) yi )2 .
No entanto, comum sabermos, em geral em medidas experimentais, que certos dados e so mais conveis do que outros. A atribuiao de um peso a cada dado se daria da seguinte a a c forma: para cada i escolhemos um certo pi > 0, que entra no cmputo do qui-quadrado da o seguinte maneira:
N
Q(f ) =
i=1
pi (f (xi ) yi )2 .
76
Assim, quanto mais alto for wi maior ser a contribuiao do dado (xi , yi ) para o qui-quadrado. a c Por conseguinte, ao procurarmos minimizar o qui-quadrado teremos que obter menores diferenas f (xi ) yi para os valores de i tais que pi seja mais alto. Isso far com que a funao c a c f (x) ajustada aproxime melhor esses pontos (xi , yi ) em detrimento de outros que tenham menor peso. Em medidas experimentais, em geral, o peso dado pelo inverso da varincia e a pi = 1 2 , i
uma estimativa do erro que deve ser obtida de forma independente. Quando todos os dados tm estimativas de erro iguais, ento o mtodo de m e a e nimos quadrados se reduz `quele que a hav amos visto anteriormente. No caso cont nuo o peso uma funao p(x) denida no intervalo [c, d] da funao dada e c c y(x), e o qui-quadrado dado pela expresso e a
d
Q(f ) =
c
p(x)(f (x) y(x))2 dx .
Se o qui-quadrado adotado tem pesos, temos que reformular a deniao do produto escalar c entre dois vetores u = (u1 , . . . , uN ) e v = (v1 , . . . , vN ) para
N
u, v =
i=1
pi ui vi ,
e no caso cont nuo, se u(x) e v(x) so funoes do intervalo [c, d], para a c
d
u, v =
c
p(x)u(x)v(x)dx .
Esses produtos escalares satisfazem as propriedades que se esperam dos produtos escalares: simetria, linearidade e positividade. Toda a argumentaao feita anteriormente se c segue de forma idntica, e o menor qui-quadrado entre a fam de funoes a k parmetros e lia c a f (x) = a1 g1 (x) + . . . + ak gk (x) ser para a k-upla (a1 , . . . , ak ) que satisfaz o sistema linear a g 1 , g 1 a1 g 2 , g 1 a1 . . . g k , g 1 a1 + + + g 1 , g 2 a2 g 2 , g 2 a2 . . . g k , g 2 a2 + ... + + ... + ... + ... + g 1 , g k ak g 2 , g k ak . . . g k , g k ak = = = = g1 , y g2 , y . . . gk , y
onde os produtos escalares foram modicados para incluir os pesos.
Cap tulo 7
Fam lias ortogonais

7.1 Denies e exemplos co
g 1 , g 1 a1 g 2 , g 1 a1 . . . g k , g 1 a1 + + + g 1 , g 2 a2 g 2 , g 2 a2 . . . g k , g 2 a2 + + + ... + ... + ... ... + g 1 , g k ak g 2 , g k ak . . . g k , g k ak = = = = g1 , y g2 , y . . . gk , y
Podemos observar que a resoluao do sistema linear c
seria enormemente facilitada se as funoes g1 , . . . , gk satiszessem a propriedade de que os c produtos escalares mistos sejam nulos, isto , e gl , gm = 0 , se l = m. Isto o mesmo que dizer que as funoes g1 , . . . , gk so todas ortogonais entre si e c a ou, de modo similar, que a fam de funoes {g1 , . . . , gk } ortogonal. lia c e Neste caso, ter amos gl , y al = , gl , gl e portanto
k
f=
l=1
y, gl gl . gl , gl
Melhor ainda seria se a fam {g1 , . . . , gk } fosse ortonormal, isto , gl , gl = 1 para todo lia e l = 1, . . . , k, pois a frmula caria o
k
f=
l=1
y, gl gl .
O leitor que acompanhou atentamente o Cap tulo 6 perceber que esta nada mais que a e a frmula da projeao de y no subespao G das combinaoes lineares de g1 , . . . , gk . o c c c 77
78
CAP ITULO 7. FAM ILIAS ORTOGONAIS
Vejamos a partir de agora um exemplo de como podemos fazer um ajuste de m nimos quadrados sem recorrer a um sistema linear, usando, ao invs, o conceito de ortogonalidade. e O exemplo de um ajuste cont e nuo, mas as idias de apllicam no caso discreto. e Como primeiro exemplo, xemos o intervalo [0, 1] como dom nio para as funoes de E c (isto , c = 0 e d = 1). Se tomarmos as funoes g1 (x) = 1, g2 (x) = x, g3 (x) = x2 , . . ., e c gk (x) = xk1 , o subespao G de suas combinaoes lineares consiste de todos os polinmios c c o de grau at k 1. No dif mostrar que essas funoes so linearmente independentes, e a e cil c a formando portanto uma base de G. No entanto, elas no so ortogonais entre si (e tampouco a a tm norma igual a 1). Para ver isso, basta tomar um dos produtos internos: e
1 1
g1 , g2 =
0
g1 (x)g2 (x)dx =
0
xdx =
1 =0. 2
E ento como construir uma base ortonormal (ou ortogonal) de G? Faremos isso inspiraa dos no processo de Ortogonalizaao de Gram-Schimdt. S para no confundir, denominarec o a mos os vetores dessa nova base de f1 , . . . , fk . Imporemos primeiramente que o primeiro vetor da base seja a funao constante igual a 1: f1 (x) 1. A segunda funao ser um polinmio de c c a o grau 1: f2 (x) = a + bx, mas podemos supor que b = 1, se multiplicarmos por uma constante (multiplicaoes por constantes s mudam a norma, mas no inuenciam na ortogonalidade). c o a Alm disso, queremos que ele seja ortogonal ao primeiro, ou seja, queremos que e
1 1
f1 , f2 =
0 1 Isso nos obriga a ter a = 2 , logo
f1 (x)f2 (x)dx =
0
(a + x)dx = 0 .
1 f2 (x) = + x . 2 A terceira funao ser um polinmio de grau 2, cujo coeciente de ordem mais alta tambm c a o e ser igual a 1: f3 (x) = a + bx + x2 (a e b diferentes dos anteriores, aqui usados somente como a parmetros auxiliares). Esta funao deve ser ortogonal `s duas previamente criadas, isto , a c a e f1 , f3 = 0 , f2 , f3 = 0 . Da primeira equaao sai c
0 1
(a + bx + x2 )dx = 0 ,
e da segunda sai
0
1 ( + x)(a + bx + x2 )dx = 0 . 2
As duas equaoes reunidas formam um sistema linear nas incgnitas a e b, e resolvendo-o ca c o determinada a funao f3 . c O processo continua do mesmo jeito, at se chegar ` k-sima funao. Observe que no e a e c a nos livramos totalmente dos sistemas lineares para acharmos a base ortogonal, mas nosso trabalho car enormemente facilitado se algum j tiver feito isso por ns. Existem tabelas a e a o de polinmios ortogonais prontas para serem usadas! Cada fam leva em conta a deniao o lia c
7.2. CALCULANDO POLINOMIOS ORTOGONAIS POR RECORRENCIA
79
do produto escalar utilizado que, em nosso caso, depende somente do intervalo de integraao c (e do peso, se for o caso). Veremos logo adiante como usar tabelas de funoes ortogonais. c Exerc cio 7.1 Considere (x1 , x2 , x3 , x4 ) = (0.0, 0.2, 0.7, 1.3) e o produto escalar
4
f, g =
i=1
f (xi )g(xi ) .
Ache p(x) = x2 + ax + b que seja ortogonal a q(x) = x, em relaao a esse produto escalar. c Exerc cio 7.2 Mostre que as funoes sen x e cos x so ortogonais no intervalo [0, 2] c a (admitindo-se o produto escalar com peso uniforme).
7.2
Calculando polinmios ortogonais por recorrncia o e
Na Seao anterior vimos que podemos recorrer a polinmios ortogonais para facilitar a rec o soluao do problema de ajuste. No entanto,a obtenao dos polinmios ortogonais recai na c c o resoluao de vrios sistemas lineares, tarefa que pode ser to ou mais trabalhosa do que se c a a no usssemos esses polinmios. a a o A boa not cia, porm, que h uma maneira mais fcil de se calcular os polinmios e e a a o ortogonais, atravs de uma relaao de recorrncia. Essa relaao de recorrncia funciona tanto e c e c e no caso discreto (com qualquer conjunto de pontos x1 , . . . , xN ) como no caso cont nuo (com qualquer intervalo de integraao), com ou sem pesos, ou seja, com qualquer dos produtos c internos que descrevemos. Procede-se assim: xa-se f0 (x) 1 e calcula-se o primeiro polinmio f1 (x) = x + a, da o mesma forma que zemos previamente. O valor de a ir depender do produto interno, e a e escolhido de maneira que f0 , f1 = 0. Agora suponha que o processo continua, como descrito na Seao anterior, obtendo-se polinmios f2 , f3 , f4 , etc, de graus 2, 3, 4, etc, exigindo-se c o apenas que o coeciente de mais alto grau seja sempre igual a 1. Em cada etapa, {f0 , f1 , . . . , fk } gera o subespao formado por todos os polinmios de c o grau k (mostre isso como exerc cio, com um argumento indutivo). Observe que comeamos a numerar nossos polinmios a partir de zero, pois assim seu c o ndice assim corresponder exatamente a seu grau, facilitando os argumentos. a O ponto central a seguinte armaao, que permitir calcular fk (x), para k 2, somente e c a com os polinmios fk1 e fk2 : para todo k 2, vale o xfk1 (x) fk (x) = ak fk1 (x) + bk fk2 (x) , onde ak e bk so coecientes apropriados. Note que para k = 2 ela verdadeira porque a e xf1 (x) f2 (x) um polinmio de grau 1 (o termo x2 cancela, pois os coecientes de mais alto grau so e o a sempre iguais a 1). Logo esse polinmio pode ser escrito como combinaao linear de f0 e f1 , o c isto e xf1 (x) f2 (x) = a2 f1 (x) + b2 f0 (x) .
80
tem grau k 1, pois o termo xk se cancela. Segue que ele pode ser escrito como combinaao c linear dos vetores fk1 , fk2 , . . ., f1 , f0 . Chamaremos de f a parte dessa combinaao linear c que corresponde ` combinaao de polinmios fj com j k 3. Ento a c o a xfk1 (x) fk (x) = ak fk1 (x) + bk fk2 (x) + f (x) . e A nossa armaao estar demonstrada se provarmos que f identicamente nulo. c a um polinmio de grau no mximo k 3, basta mostrarmos que Como f e o a f , fj = 0
Para k 3 o racioc nio parecido, mas h uma pequena diculdade a resolver. O e a polinmio o xfk1 (x) fk (x)
para todo j k 3. Isolando f na expresso acima, usamos o fato de que, se j k 3, a ento fk , fj = 0, fk1 , fj = 0 e fk2 , fj = 0, restando apenas mostrar que a xfk1 (x), fj (x) = 0 . A entra o pulo do gato, pois se observarmos as denioes dos produtos internos, veremos c que xfk1 (x), fj (x) = fk1 (x), xfj (x) . Como xfj (x) tem grau j + 1, e j + 1 menor do que k 1, ento xfj (x) pode ser escrito e a como combinaao linear de f0 , f1 , . . ., fk2 , e o produto interno resulta nulo. c Talvez fosse mais didtico apresentar o uso da armaao antes de sua demonstraao. a c c Optamos pelo contrrio porque a armaao no parece ser muito bvia. Ela d uma frmula a c a o a o para fk (x) em funao dos dois polinmios anteriores: c o fk (x) = (x ak )fk1 (x) bk fk2 (x) , sendo apenas necessrio calcular ak e bk . Para isso, fazemos o produto interno da equaao a c por fk1 (a m de obter ak ) e por fk2 (a m de obter bk ). Ou seja, de xfk1 , fk1 fk , fk1 = ak fk1 , fk1 + bk fk2 , fk1 resulta ak = e de resulta xfk1 , fk2 fk , fk2 = ak fk1 , fk2 + bk fk2 , fk2 bk = xfk1 , fk2 . fk2 , fk2 xfk1 , fk1 , fk1 , fk1
Exerc cio 7.3 Obtenha os quatro primeiros polinmios ortogonais usando o mtodo acima o e descrito, para o produto interno
1
f, g =
1
f (x)g(x)dx .
7.3. UM EXEMPLO DE APLICACAO DE POLINOMIOS ORTOGONAIS
81
7.3
Um exemplo de aplicao de polinmios ortogonais ca o
Gostar amos de aproximar a funao y(x) = sen x (em radianos) no intervalo [1, 1] por um c polinmio c bico. Fazendo o exerc do nal da Seao anterior, constatamos que qualquer o u cio c polinmio c bico pode ser gerado por combinaao linear dos polinmios ortogonais o u c o f0 (x) = 1 , f1 (x) = x , f2 (x) = x2 1 3 , f3 (x) = x3 x . 3 5
Estamos procurando o melhor conjunto de parmetros que ajuste a f = a0 f 0 + a1 f 1 + a2 f 2 + a3 f 3 , e como vimos anteriormente, f dada pela projeao de y no espao G das combinaoes e c c c lineares desses polinmios. Como eles so ortogonais, f facilmente calculvel, isto , cada o a e a e um dos coecientes al , l = 0, 1, 2, 3 dado por e al = y, fl . fl , fl
Os denominadores so as normas ao quadrado. Temos a f0 , f0 = 2 , f1 , f1 = 8 8 2 , f2 , f2 = , f3 , f3 = . 3 45 175
Exerc cio 7.4 Termine o exemplo. Calcule os produtos y, fl , onde ser preciso integrar a xl sen x (sugesto: integraao por partes). Tente no errar nas contas. Obtenha os coecia c a entes e explicite a funao f como um polinmio cbico. Desenhe um grco do polinmio c o u a o obtido e compare com a funao h(x) = sen x. c Exerc cio 7.5 Ajuste, por mnimos quadrados, um polinmio de primeiro grau a funao o ` c h(x) = senx no intervalo [0, 1], usando polinmios ortogonais. o Exerc cio 7.6 Ajuste um polinmio quadrtico a funao ex em [1, 1] usando polinmios o a ` c o ortogonais.
7.4
Exemplo de anlise harmnica a o
Alm dos polinmios ortogonais, muito importante tambm a seguinte fam de funoes e o e e lia c trigonomtricas, denidas no intervalo [0, 2], que a coleao de todas as funoes do tipo e e c c
k
a0 +
l=1
(al cos lx + bl sen lx) .
Todas as funoes 1, cos x, cos 2x, cos 3x, . . ., sen x, sen 2x, sen 3x, etc, so ortogonais entre c a si (prove!). Portanto, se quisermos ajustar y por uma funao desse tipo, teremos c a0 = 1 2
2
y(x)dx , al =
0
y(x) cos(lx)dx
0
82 e bl = 1
0
y(x) sen(lx)dx ,
1 a c para todo l = 1, 2, 3, . . . , k. O fator 2 em a0 corresponde ` norma ao quadrado da funao 1 a 1, e os fatores nos demais termos correspondem ` norma ao quadrado de cada uma das funoes restantes (prove tambm isto!). c e Esse tipo de ajuste chamado de anlise harmnica. e a o O problema que em geral a funao a ser ajustada no se encontra denida no intervalo e c a [0, 2], e mesmo assim gostar amos de aproxim-la por funoes trigonomtricas. Mas a se o a c e , intervalo for escrito como [c, d], basta usar as funoes c
1 , sen(2l
xc xc ) , cos(2l ) , l = 1, 2, . . . dc dc
Para exemplicar, faremos a anlise harmnica de y(x) = x(1 x) (uma parbola) no a o a intervalo [0, 1]. Teremos que usar as funoes 1, sen(2lx), cos(2lx), l = 1, 2, . . ., que so c a ortogonais entre si. 1 Primeiro calculamos as normas ao quadrado. Temos a mais fcil, 0 1 1dx = 1. Alm a e disso 2l 2 1 l 1 sen2 udu = sen2 udu , sen2 (2lx)dx = 2l 0 2l 0 0 e analogamente
1 0 2 2
cos2 (2lx)dx = 2l2

0
cos2 u .
As integrais 0 sen2 udu e 0 cos2 udu so iguais a (prove, usando que cos 2u = 1 a 2 sen2 u = 2 cos2 u 1), portanto todas as normas ao quadrado so iguais a 1 , excetuando-se a 2 a primeira funao, que tem norma 1. c Agora temos que calcular os produtos internos dessas funoes com a funao y(x) = x(1 c c a x) = x x2 . Com a primeira funao a prpria integral de x(1 x), que vale 1 . Ento c e o 6 a0 =
1 0
1 x(1 x)dx
1 0
1 1dx
1 . 6
Depois observamos que os bl s so todos nulos. Isso porque a funao x(1 x) par em a c e 1 c a mpares em relaao ao mesmo ponto, donde o c relaao a x = 2 , e as funoes sen(2lx) so c 1 produto das duas e mpar em relaao a x = 2 . Como o intervalo [0, 1] simtrico em torno c e e 1 a de x = 2 , ento
1 0
x(1 x) sen(2lx)dx = 0 ,
para todo l 1. S nos resta obter o al =
1 0
x(1 x) cos(2lx)dx
1 2
7.4. EXEMPLO DE ANALISE HARMONICA Com u = 2lx obtemos al = 2 (2l)2

2l 0
83
u cos udu
2 (2l)3
2l 0
u2 cos udu .
A primeira integral nula, porque u cos u pode ser escrito como (u l) cos u + l cos u. O e primeiro termo da soma uma funao e c mpar em relaao a x = l, que o ponto intermedirio c e a do intervalo, e portanto sua integral nula. E a integral de cos u em qualquer per e odo completo tambm nula. e e Quanto ` segunda integral, integramos por partes duas vezes e achamos a primitiva a u2 sen u + 2u cos u 2 sen u de u2 cos u. Usando a primitiva, chegamos em al = 1 2 l2 .
Assim podemos fazer o ajuste de x(1 x) usando quantas funoes trigonomtricas quic e sermos. Se formos at l = k, teremos e f (x) = 1 1 6 2
k
l=1
1 cos(2lx) l2
(o leitor est convidado a fazer um grco de x(1 x) e um grco de f (x) para l = 2 e a a a comparar visualmente o resultado). Est fora do escopo deste livro demonstrar isto, mas se tomarmos k indo para innito a a funao de ajuste f (x) estar cada vez mais perto da funao ajustada y(x) = x(1 x). Em c a c particular, f (0) estar cada vez mais perto de y(0), que igual a zero. Portanto a e 1 1 lim 2 k 6 Escrito de outra forma,
k k k
l=1
1 =0. l2
lim
l=1
1 2 = . 2 l 6
O limite da soma denotado como se a soma fosse innita e

l=1
1 1 lim . k l2 l2 i=1
Assim, podemos obter uma frmula para : o = 6

l=1
1 . l2
Exerc cio 7.7 Faa um pequeno programa de computador para ver se a frmula acima est c o a correta. O computador ser necessrio porque a convergncia para o limite bastante lenta, a a e e e um valor de k muito grande necessrio para se conseguir uma boa aproximaao de . e a c
84
7.5
Uso de funes tabeladas por mudana de varivel co c a
Freq entemente conhecemos uma fam de polinmios ortogonais (por exemplo, usando uma u lia o tabela), ou mesmo a fam de funoes trigonomtricas acima mencionada, mas a funao h(x) lia c e c da qual queremos fazer o ajuste est denida em um intervalo diferente. Ser que ainda assim a a podemos aproveitar a informaao dispon c vel? A resposta sim, e a maneira simples: recorremos a uma mudana de variveis am. e e c a Assumiremos que temos uma fam de funoes ortogonais f0 , f1 , . . . tabelada no intervalo lia c [c, d], e gostar amos de ter uma fam de funoes ortogonais no intervalo [, d]. lia c c Em primeiro lugar, constru mos uma funao am L que leve o intervalo [, d] no intervalo c c [c, d], sobrejetivamente. Isso pode ser feito explicitamente: L(x) = c + dc (x c) . dc
Sua inversa tambm pode ser calculada de forma expl e cita: L1 (x) = c + dc (x c) . dc
Para facilitar a notaao, chamaremos de o coeciente linear de L: c = Armamos que a fam f0 , f1 , . . . dada por lia dc dc
fl (x) = fl (L(x)) ortogonal com respeito ao produto interno usual do intervalo [, d]. Para isso, s precisamos e c o mostrar que
d c
fl (x)fk (x)dx = 0 ,
para l = k, usando a informaao de que, nesse caso, c

d
fl (x)fk (x)dx = 0 .
c
Entretanto
c
fl (x)fk (x)dx =
c
fl (L(x))fk (L(x))dx
e, fazendo a mudana de variveis u = L(x) (com du = L (x)dx = dx), obtemos c a

L(d) L() c
1 1 fl (u)fk (u) du =
fl (u)fk (u)du = 0 .
c
Observe que consideramos apenas o caso cont nuo, com peso uniforme. Outras situaoes c podem ser consideradas, tomando-se os devidos cuidados, mas no discutiremos receitas a gerais aqui.
7.5. USO DE FUNCOES TABELADAS POR MUDANCA DE VARIAVEL
85
Perceba tambm que no exemplo de anlise harmnica da Seao passada ns zemos e a o c o isso, pois originalmente hav amos apresentado funoes trigonomtricas ortogonais entre si no c e intervalo [0, 2], mas no exemplo zemos a anlise harmnica adaptada para o intervalo [0, 1]. a o Alm do mais, olhando para o que zemos, no caso de as funoes f0 , f1 , . . . serem poe c linmios ento as funoes f0 , f1 , . . . tambm sero polinmios, respectivamente de mesmo o a c e a o grau. Vejamos um exemplo, para ilustrar. Na Seao 7.3 obtivemos os polinmios ortogonais c o f0 (x) = 1, f1 (x) = x, f2 (x) = x2 1 , f3 (x) = x3 3 x, relativamente ao produto interno 3 5 usual no intervalo [1, 1], porm gostar e amos de fazer um ajuste polinomial no intervalo [1, 2]. Ento procedemos como descrito acima. Achamos primeiro a funao am L que leve o a c intervalo [1, 2] no intervalo [1, 1], dada por L(x) = 1 + 2(x 1) = 2x 3 (procure sua prpria maneira de ach-la!). Os polinmios procurados so dados por fl = fl L. o a o a Portanto f1 (x) (x) f2 f3 (x) f4 (x) = = = = f1 (L(x)) = 1 f2 (L(x)) = L(x) = 3 + 2x 1 f3 (L(x)) = L(x)2 3 = 4x2 12x + 26 3 3 3 f4 (L(x)) = L(x) 5 L(x) = 8x3 36x2 + 54x 6 x 5
126 5
86
Parte III
Equaes e Zeros de Funes co co
87
Cap tulo 8
Zeros de funes e o Mtodo da co e Dicotomia

8.1 Introduo ca
Considere o seguinte problema: dada uma funao real f , achar suas ra c zes, isto , os valores e de x para os quais f (x) = 0, como ilustra a gura abaixo (os pontos pretos indicam as ra zes da funao representada no desenho). c
Pode a princ pio parecer um problema espec co, mas ele aparece toda vez que tivermos uma equaao a ser resolvida. Uma equaao nada mais do que uma expresso c c e a f1 (x) = f2 (x) , onde procuramos o(s) valor(es) de x que a satisfaa(m). Ora, mas isso o mesmo que achar c e as ra da funao f (x) = f1 (x) f2 (x). zes c Alm disso, o problema se relaciona com a inverso de funoes. Por exemplo, temos uma e a c funao g(x) conhecida, mas gostar c amos de determinar g 1 em certos pontos. Lembrando que g 1 (y) denido como sendo o valor x tal que g(x) = y temos que, para um dado y, e resolver a equaao g(x) = y e determinar x = g 1 (y). Resolver a equaao g(x) = y o c c e mesmo que achar um zero da funao f (x) = g(x) y. c Nas prximas Seoes veremos alguns exemplos que ilustram o problema. o c 89
90
CAP ITULO 8. ZEROS DE FUNCOES E O METODO DA DICOTOMIA
8.2
Raiz c bica de 10 u
Suponha que queiramos achar um n mero x positivo tal que x3 = 10. Esse n mero o que u u e denominamos a raiz c bica de 10, ou 3 10. u Gracamente, encontramos x pela intersecao de c {y = x3 } com {y = 10}, como mostra a gura ao lado. Observe tambm que o problema equivalente e e a resolver a equaao c x3 10 = 0 , ou seja, estamos procurando a raiz de f (x) = x3 10.
y=x3 10 y=10 x
8.3
Pra-quedista ou bolinha em queda dentro dgua a a
Imagine um pra-quedista que abre seu pra-quedas no instante t = 0, da altura h0 . Ou, a a alternativamente, uma bolinha que parte do repouso ` altura h0 dentro de um tubo cheio a dgua, e cai sob a fora da gravidade. Levando em conta que a queda no completamente a c a e livre, isto , o meio oferece resistncia ao movimento, quanto tempo levar a queda do prae e a a quedista ou da bolinha?
h0 h0
A diferena bsica entre os dois problemas a velocidade inicial. No caso do prac a e a quedista, ela bastante alta, e o pra-quedas tender a amortec-la at atingir uma velocidade e a a e e compat com a possibilidade do corpo humano suportar o choque com o solo. No caso da vel bolinha, a velocidade inicial zero e cresce com o tempo. e Empiricamente, constata-se que o meio oferece resistncia ao movimento com uma fora e c tanto maior quanto maior for a velocidade.
8.3. PARA-QUEDISTA OU BOLINHA EM QUEDA DENTRO DAGUA
91
Num grco, ter a amos algo como mostrado na gura ao lado. Isso implica que h um valor de velocidade fora de a resistencia v para o qual a fora de resistncia exatamente c e e igual ` fora da gravidade. Se o corpo em queda est a c a mg a essa velocidade, a fora da gravidade e a resistncia c e do meio se anulam entre si, e a resultante das foras c zero. Isso implica que o corpo no ser acelerado e a a (nem desacelerado), e portanto permanecer consa v* velocidade tantemente em movimento ` velocidade v . a Por outro lado, se a velocidade inicialmente maior do que v , ento a fora de resistncia e a c e ser maior do que a fora de gravidade, o que far com que o corpo reduza sua velocidade. a c a Tudo sugere que os grcos Velocidade vs. Tempo tenham o seguinte aspecto, dependendo a da relaao entre v0 e v , onde v0 a velocidade inicial do corpo. c e
v v0 = v* t
v0 v*
v v* v0 t
Sob a hiptese de que a fora de resistncia do ar proporcional ` velocidade do corpo, o c e e a em valor absoluto, poss mostrar que a evoluao da velocidade em funao do tempo e vel c c e dada por g v(t) v = (v0 v )e v t , onde g a constante de gravidade ` superf terrestre (vide Seao 17.3.3 para uma justie a cie c cativa). Como interpretar essa frmula? Ora, note que se denirmos v(t) = v(t) v , isto , a o e diferena entre a velocidade do corpo e a velocidade de equil c brio, a frmula apenas diz que o g a v no instante t igual a v no instante t = 0 multiplicado por e v t . Isso est de acordo e com as guras que hav amos desenhado.
0
Sabendo agora como evolui a velocidade do corpo em funao c do tempo, como podemos deduzir a evoluao da altura h(t)? c Primeiro precisamos xar coerentemente as coordenadas. Temos considerado velocidades positivas para corpos em queda, logo temos que medir a altura, com a coordenada h, de cima para baixo. Por convenincia, xaremos o zero de e h como sendo ` altura h0 , de forma que o solo ser atingido a a no instante T tal que h(T ) = h0 .
h= h0 h
92
v v0 v* 0 h(t)
Ento a
t
O espao percorrido dado pela integral da velocic e dade no intervalo de tempo considerado. Assim,
t
h(t) h(0) =
v(s)ds ,
0
onde h(0) = 0, pela maneira como xamos a coordenada. No grco de velocidades, isso corresponde a a achar a rea sob a curva v(t). A varivel s usada a a e como auxiliar, para diferir do extremo de integraao. c
h(t) =
0 t
(v + [v(0) v ]e v s )ds v ds + [v(0) v ]

T 0
=
0
e v s ds
= Logo h(t) =
g v v t + [v(0) v ]( )(e v t 1) . g
g v v [v(0) v ] + v t [v(0) v ]e v t . g g
Agora, se quisermos achar T tal que h(T ) = h0 , teremos que resolver a equaao c h0 =
g v v [v(0) v ] + v T [v(0) v ]e v T . g g
Chamando A = B C D = = = v [v(0) v ] h0 g v v [v(0) v ] g v g
8.4. O CILINDRO DEITADO
93
A+Bt
ento estamos procurando a raiz da funao a c f (t) = A + Bt CeDt . Gracamente, essa raiz dada pela projeao e c na abscissa do encontro entre a reta A + Bt com a funao CeDt , vide ao lado. c
CeDt T t
8.4
O cilindro deitado
Considere um cilindro colocado horizontalmente sobre um plano, paralelo ao solo, como na gura ao lado. O cilindro tem uma abertura, na parte superior, para a colocaao de c a gua (para dramatizar o exemplo, imagine um continer de petrleo, gigante, com esse fore o mato e nessa posiao). O problema : como c e determinar uma escala com marcaoes que inc diquem o volume de gua dentro do cilindro (e a no simplesmente a altura do n da gua)? a vel a
Para ver a relaao entre essa questo e o problema de achar o zero de uma funao, c a c quantiquemos um pouco mais o problema. Seja l o comprimento do cilindro e r o raio de uma seao transversal, perpendicular ao seu eixo. O volume total do cilindro dado por c e v = l r2 , pois r2 a rea da base e l a altura do cilindro, embora ele esteja deitado. e a
94
L A(h)
rcos() h
Se ele estiver cheio at a altura h ento o voe a lume de gua ali contido ser l vezes a rea a a a preenchida pela gua numa seao transvera c sal qualquer, que chamaremos de A(h). Note que h varia entre 0 e 2r, e que A(0) = 0, A(2r) = r2 e A(r) = 1 r2 . Mas e os outros 2 valores de h? Como achar a funao A(h)? c
Aqui podemos fazer um pouco de geometria: supomos que h < r (o racioc nio ser a completamente anlogo para h > r) e consideramos o ngulo formado entre a vertical e a a a linha L. A relaao entre h e simples: r cos + h = r, ou seja, h = r(1 cos ). c e Lembremos agora que a rea de um setor de ngulo pode ser achada por regra de trs, a a e lembrando que para = 2 a rea r2 : a e = 2 1 r2 = a() = r2 . a() 2
Como mostra a gura, a rea que queremos calcular menor do que a rea de dois setores a e a de ngulo (perfazendo r2 ), e o excedente a rea de dois tringulos-retngulos. a e a a a A rea excedente o produto d1 d2 , onde d1 = r cos e d2 = r sin . Logo a e A(h) = r2 r2 sin cos = r2 ( 1 sin 2) , 2
=
lembrando que depende de h pela relaao h = c r(1 cos ). Essa conta sugere que talvez seja mais fcil fazer a escala ao longo do contorno do cilindro, a parametrizado pelo ngulo , como se fossem as mara cas de um relgio (pode-se fazer uma escala vertical, o mas as contas caro mais complicadas). a
3l 2l
=0
1l
a E fcil ver que a mesma frmula vale quando h > r (verique!). Resumindo, o volume o v() depende de pela frmula o v() = lr2 ( 1 sin 2) , 2
8.5. CATENARIA
95
onde varia entre 0 e . O grco de v() (de fato, o grco de v = v()/lr2 ) est esboado a a a c na gura abaixo.
v v = lr 2
v () v =
1 2
1 v = 2 sen(2 )
0
1 2
v a Na gura, colocamos na vertical a varivel v = lr2 , de forma que o grco que indea pendente do raio r e do comprimento l do cilindro. As linhas pontilhadas indicam as duas 1 funoes ( e 2 sin 2) que somadas produzem a funao v () = v() . c c lr 2 A funao v () tem derivada nula em = 0 (e por simetria em = ), pois c
v () = 1 e
1 2 cos 2 2
Suponha agora que o volume total do cilindro seja da ordem de 10 litros e que queremos marcar, no contorno do cilindro, o valor de correspondente a um volume de gua de 3 a litros. Isso corresponde, no grco, a achar o valor de para o qual v() = 3 (se o volume a for medido em litros). Esse o problema de achar a raiz da funao v() 3. O mesmo procedimento pode ser e c adotado para se calcular as marquinhas correspondentes a outros valores do volume, de forma que toda a escala possa ser constru da.
v (0) = 1 cos(0) = 0 .
8.5
Catenria a
Mais uma vez, suponhamos uma corrente pendurada em dois pontos de sustentaao. Seu c formato, como j dissemos, o do grco da funao a e a c f (x) = 1 (cosh(cx) 1) , c
desde que a origem do plano cartesiano coincida com o ponto de m nimo da curva.
96
Na Subseao 4.3.2 propusemos uma maneira de achar o parmetro c experimentalmente, c a atravs de um ajuste de funoes, no caso no linear. Aqui veremos que, a partir da posiao de e c a c um unico ponto da corrente (excetuando o ponto de m nimo), podemos achar o parmetro c. a Para tanto, reduziremos o problema a achar o zero de uma funao cuja varivel o parmetro c a e a c. Suponha que a corrente passa por um certo ponto (x0 , y0 ) = (0, 0). Isso signica que y0 = f (x0 ) = Ento a isto , o parmetro c , necessariamente, um zero da funao e a e c F (c) = cosh(cx0 ) cy0 1 . Gracamente, podemos pensar tambm que c o cruzamento do grco de cosh(cx0 ) e e a com o grco da funao am 1 + cy0 . Da convexidade do cosseno hiperblico segue que h a c o a apenas dois pontos onde as funoes coincidem, e um deles c = 0. Como c no pode ser c e a zero (pois aparece no denominador, na expresso da funao f ), ento c ca completamente a c a determinado uma vez dado (x0 , y0 ). Para calcular c explicitamente, no entanto, necessrio algum mtodo numrico. e a e e cosh(cx0 ) cy0 1 = 0 , 1 (cosh(cx0 ) 1) . c
8.6
Mtodo da Dicotomia e
Nesta Seao apresentaremos o Mtodo da Dicotomia, que um mtodo intuitivo de se achar c e e e a raiz de uma funao. Mtodos mais sosticados sero estudados nos prximos Cap c e a o tulos. O primeiro passo isolar a raiz x dentro de um intervalo onde a funao seja montona: e c o ou crescente ou decrescente. Sejam a0 e b0 os extremos desse intervalo. Observamos ento que a funao assume valores com sinais a c opostos nesses extremos, isto , e f f (a0 ) f (b0 ) < 0 . a0 x* b0 No desenho ao lado, f (a0 ) < 0 e f (b0 ) > 0. Seria ao contrrio se no desenho a funao fosse decrescente. Esse a c primeiro passo depende muito do conhecimento prvio que e se tem a respeito da funao. c Em seguida passamos a cercar a raiz com intervalos, cada intervalo com um tamanho igual ` metade do tamanho do intervalo anterior. a Para ilustrar o mtodo, usemos a funao f (x) = x3 20. Observe que achar x tal que e c f (x ) = 0 o mesmo que achar a raiz c bica de 20. e u 1. Escolhemos a0 = 2, pois 23 20 < 0 e b0 = 3, pois 33 20 > 0. 2. Escolhemos o ponto mdio do intervalo, ao qual chamaremos provisoriamente de c0 : e c0 = a0 + b 0 . 2
8.6. METODO DA DICOTOMIA Neste caso, c0 = 2.5. 3. Testamos o valor de f em c0 : f (c0 ) = f (2.5) = 2.53 20 = 4.375 < 0 . Conclu mos que x est ` direita de c0 , o que nos faz denir o novo intervalo aa [a1 , b1 ] = [c0 , b0 ] .
97
4. Repetimos o procedimento 2), agora com o intervalo [a1 , b1 ], ou seja, calculamos o ponto mdio e a1 + b 1 c1 = = 2.75 . 2 5. Avaliamos f em c1 : f (c1 ) = f (2.75) = 2.753 20 = 0.796875 > 0 . Conclu mos que x est ` esquerda de c1 , o que nos faz denir o novo intervalo aa [a2 , b2 ] = [a1 , c1 ] . Prosseguindo, colocamos os dados numa tabela, indo at a dcima etapa: e e n 0 1 2 3 4 5 6 7 8 9 10 an bn cn rn en 2 3 2.5 2.5 0.5 2.5 3 2.75 2.75 0.25 2.5 2.75 2.625 2.63 0.13 2.625 2.75 2.6875 2.69 0.07 2.6875 2.75 2.71875 2.72 0.04 2.6875 2.71875 2.703125 2.703 0.016 2.703125 2.71875 2.7109375 2.711 0.008 2.7109375 2.71875 2.71484375 2.715 0.005 2.7109375 2.71484375 2.712890625 2.7129 0.0020 2.712890625 2.71484375 2.713867188 2.7139 0.0011 2.713867188 2.71484375 2.714355469 2.7144 0.0006
3 rn 15.6 20.8 18.2 19.5 20.12 19.75 19.93 20.013 19.966 19.989 19.9996
Na tabela, calculamos os extremos e centros dos intervalos usando todas as casas decimais dispon veis na calculadora. No entanto em cada etapa s sabemos com certeza que a raiz o est entre an e bn , portanto o erro em assumi-la com o valor de cn a e b n an . 2 Os valores de rn so arredondamentos de cn at uma certa casa decimal, com um erro en a e garantindo que a raiz esteja entre rn en e rn + en . O critrio para a determinaao de rn e en foi o seguinte. Primeiro determinou-se o erro e c 1 (bn an ), com todas as casas decimais poss veis. De posse desse valor, escolheu-se o n mero u 2
98
de algarismos signicativos para expressar en , 1 ou 2. O critrio dessa escolha baseou-se num e certo grau de razoabilidade, de forma que: (i) o primeiro ou os dois primeiros algarismos signicativos de en sejam uma dentre as possibilidades 10, 11, 12, 13, 14, 15, . . ., 24, 25, 3, 4, 5, 6, 7, 8 e 9; (ii) tomando rn como o arredondamento de cn na casa decimal correspondente a ` ultima casa decimal de en , o intervalo [rn en , rn + en ] contenha o intervalo [an , bn ]; (iii) en seja o menor poss vel. a a Por exemplo, para n = 4 temos 1 (b4 a4 ) = 0.03125, ento tomamos e4 = 0.04 (no 2 podemos usar 0.03, seno a condiao (ii) pode no ser satisfeita). Em seguida arredondamos a c a c4 = 2.71875 na segunda casa decimal, obtendo r4 = 2.72. E preciso a testar a condiao c (iii): 2.72 0.04 = 2.68 < a4 e 2.72 + 0.04 = 2.76 > b4 , tudo bem. Se essa condiao no c a fosse satisfeita, en teria que ser ligeiramente aumentado, respeitando (i), (ii) e (iii) ao mesmo tempo.
Cap tulo 9
Mtodos iterativos e
9.1 Plano geral
Neste Cap tulo discutiremos a determinaao de zeros de funoes por meio de mtodos itec c e rativos. Os mtodos iterativos (no so interativos, atenao!) so realizados da seguinte e a a c a maneira. 1. Dada a funao f da qual se procura uma raiz x , fabrica-se uma funao auxiliar c c (quais caracter sticas ela deve ter e como ach-la, veremos aos poucos). a 2. Arrisca-se um palpite inicial x0 , e a partir desse palpite constri-se uma seqncia o ue de valores x0 , x1 , x2 , . . ., onde o valor xk+1 depende do valor xk pela relaao c xk+1 = (xk ) . 3. Se a escolha de e de x0 for feita com algum critrio, espera-se que a seqncia {xk }k e ue convirja para x , como mostra esquematicamente a gura abaixo. 4. Com algum critrio de parada, em funao da preciso que se deseja na resposta, toma-se e c a um dos xk s como aproximaao de x . c
f
1 0 1 0
x* x1
1 1 0 x2 x3 0
1 0 1 0
1 0 1 0
1 0 1 0
x0
99
100
9.2
Pontos xos
A primeira observaao pertinente a respeito do plano geral traado acima sobre o tipo de c c e ponto que deve ser x , em relaao ` aplicaao (em relaao ` funao f j sabemos: x c a c c a c a e uma raiz de f ). Supondo que, no m nimo, seja uma funao cont c nua, notamos que, se xk tende a x , ento (xk ) deve tender a (x ) ( a deniao de funao cont a e c c nua, pense nisso!). Por outro lado tem-se que (xk ) = xk+1 , ento a seqncia (xk ) a prpria seqncia a ue e o ue dos xk , adiantada no ndice k de uma unidade. Como (xk ) tende a (x ), ento xk tende a a (x ). Ora, mas se xk tende ao mesmo tempo para x e para (x ), a concluso que x a e e (x ) tm que ser iguais! e Para resumir, uma condiao necessria para que o plano geral de achar a raiz x de f por c a iteraao de uma funao funcione que, no m c c e nimo, valha (x ) = x . Esta condiao, no entanto, no suciente para que o plano d certo, como veremos mais c a e e adiante. Todo ponto x para o qual se tenha (x) = x chamado de ponto xo da funao . O que e c acabamos de concluir que a funao auxiliar deve ter a raiz x de f como ponto xo. e c Um ponto xo da funao localizado pelo cruzamento do grco de y = (x) com o c e a grco de y = x, a diagonal, ao contrrio das ra de f , que so localizadas pelo cruzamento a a zes a do grco de f com a abscissa (y = 0). Na gura abaixo, por exemplo, a funao esboada a c c tem 2 pontos xos (suas quatro ra no nos interessam). zes a
1 0 1 0 1 0 1 0
Exerc cio 9.1 Determine os pontos xos (se houver) de (x) = x2 x + 0.5. Esboce o grco de . Construa a seqncia de iterados xk+1 = (xk ) a partir de x0 = 0. A seqncia a ue ue converge? Se converge, converge para algum ponto xo? Faa o mesmo para x0 = 2, e depois c para x0 = 1.5. Exerc cios de iteraao cam bem mais fceis com uma boa calculadora cient c a ca. Algumas vezes preciso iterar bastante, por isso convm reduzir ao mximo o n mero de operaoes e e a u c na mquina em cada etapa. Em algumas calculadoras, existe uma varivel de memria que a a o ` guarda a resposta do ultimo clculo. As vezes essa varivel pode ser colocada na frmula a a o
9.3. FUNCOES AUXILIARES CANDIDATAS
101
completa. Por exemplo, em algumas calculadoras CASIO essa varivel chama-se Ans. a Procede-se assim, para x0 = 1.5 e (x) = x2 x + 0.5: (i) escreve-se 1.5 e aperta-se EXE, fazendo com que 1.5 seja armazenado em Ans; (ii) escreve-se Ans2 Ans + 0.5, apertase EXE e aparece a resposta 1.25, que o x1 (e esta resposta armazenada em Ans, e e substituindo o valor anterior); (iii) apertando EXE novamente a calculadora far a mesma a conta, s que a partir do novo valor de Ans, que o x1 , assim aparecer o valor de x2 ; (iv) o e a a partir da s ir apertando EXE que vo aparecendo os xk s, em seqncia. e o a ue Se a calculadora no dispuser desses recursos, mesmo assim ela deve ter maneiras de a armazenar valores em memria. Guarde o resultado xk na memria e procure us-la na hora o o a de calcular xk+1 . Calculadoras que permitem colocar a frmula inteira antes de fazer a conta o so as melhores para isso. a H tambm, claro, a possibilidade de se fazer um pequeno programa em computador a e e para realizar essas contas. Qualquer linguagem que lide facilmente com n meros reais serve u para isso. Exerc cio 9.2 Tome (x) = 3.1x(1 x) e x0 = 0.3. O que acontece com a seqncia de ue iterados? Exerc cio 9.3 Tome (x) = 4x(1 x) e x0 = 0.3. O que acontece com a seqncia de ue iterados?
9.3
Funes auxiliares candidatas co
E natural nos questionarmos se podemos achar uma funao tal que (x ) = x se no c a conhecemos exatamente x , anal estamos desenvolvendo um mtodo cuja nalidade ultima e justamente achar x ! Acontece que por um pequeno truque isto perfeitamente poss e e vel, e de maneira surpreendentemente simples! Para comear, tome a funao f (x) e adicione a ela a funao identidade, isto , dena c c c e (x) = x + f (x) . Note que se x for uma raiz de f ento a (x ) = x + f (x ) = x , isto , x um ponto xo de . Inversamente, se x for um ponto xo de ento x ser e e a a tambm uma raiz de f . Em concluso, se for denida dessa maneira ento as razes de f e a a coincidiro exatamente com os pontos xos de ! a O mesmo acontecer se denirmos a (x) = x + f (x) , onde um n mero real qualquer, ou mesmo e u (x) = x + (x)f (x) , onde (x) uma funao (cont e c nua) qualquer.
102
Como no devemos nunca dispensar um desea nho, em tudo o que fazemos na matemtica, a vejamos como podemos esboar (x) = x + c f (x) diretamente a partir do esboo do c grco da funao f . Se for positivo, ao mula c tiplicarmos a funao f por estaremos encoc lhendo (se < 1) ou dilatando (se > 1) o grco na direao vertical. Nas ra a c zes, como a funao vale zero, o efeito nulo. Se for nec e gativo o grco ser, alm disso, reetido em a a e torno da abscissa. Depois dessa multiplicaao c temos apenas que somar o grco resultante a a ` diagonal. Na gura ao lado esboamos o proc 1 cesso com igual a 2 .
(x) = x
1 2
f(x)
f(x)
1 2
f(x)
Exerc cio 9.4 Considere f (x) = sen(x) (no se esquea, x em radianos!). Esboce o grco a c a 1 de (x) = x + f (x). Esboce tambm o grco de (x) = x 2 f (x). Itere e a partir da e a condiao inicial x = 1 e compare os resultados. c
9.4
Visualizando iteraes co
E importante se ter noao visual do processo de iteraao de uma funao , e para isso c c c veremos como fazer iteraoes usando apenas o esboo da funao. Obviamente haver um c c c a ac mulo de erro quando zermos iteraoes sucessivas, mas os desenhos nos ajudaro a melhor u c a compreender os diversos tipos de comportamentos presentes nos mtodos iterativos. e
9.4. VISUALIZANDO ITERACOES
103
A primeira coisa que devemos fazer desee nhar o grco da funao, e em seguida a dia c agonal, que nos auxiliar. Depois escolhemos a uma condiao inicial x0 ( apenas um ponto da c e abscissa), e o objetivo encontrar a posiao, e c na abscissa, de x1 = (x0 ). Movendo-nos verticalmente, encontraremos o grco de , na a posiao (x0 , (x0 )). Como (x0 ) = x1 , este c e o ponto (x0 , x1 ), ou seja, j encontramos x1 , a mas ele a segunda coordenada do ponto ene contrado. Nosso objetivo, no entanto, ene contrar o ponto da abscissa (x1 , 0).
(x)
(x1 , 0)
(x0 , 0)
(x1 , x1)
(x0 , x1)
Ento movemo-nos horizontalmente, isto , mantendo xa a segunda coordenada, a partir a e de (x0 , x1 ) at encontrar a diagonal. Na diagonal, os valores da primeira e da segunda e coordenada so iguais; como a segunda foi mantida sempre igual a x1 , ento esse ponto ser a a a (x1 , x1 ), e com um movimento vertical determinamos x1 sobre a abscissa.
Para a determinaao de x2 o procedimento anlogo: movimento vertical at encontrar c e a e o grco, depois movimento horizontal at encontrar a diagonal e nalmente movimento a e vertical at encontrar a abscissa. E assim por diante! e
Observe que podemos poupar um pouco de trabalho quando fazemos uma srie de iteraoes e c sucessivas. De x0 vamos verticalmente at o grco (` altura x1 ), depois horizontalmente at e a a e a diagonal (` posiao horizontal x1 ). Depois, de acordo com o que foi descrito acima, ir a c amos verticalmente at a abscissa (` altura zero) e ento verticalmente at o grco (` altura e a a e a a x2 = (x1 )). Ora, a composiao de dois movimentos verticais ainda um movimento vertic e cal, que poderia ser feito de uma vez s. Ou seja, logo aps nos movermos horizontalmente o o at a diagonal, encontrando (x1 , x1 ), podemos nos mover verticalmente at o grco, ene e a contrando (x1 , x2 ). Em seguida continuamos, indo horizontalmente at a diagonal, no ponto e (x2 , x2 ), e depois verticalmente at o grco, no ponto (x2 , x3 ), e assim por diante. Coletando e a as primeiras coordenadas de cada ponto de encontro com o grco, teremos a seqncia de a ue iterados a partir de x0 . Veja na gura abaixo uma ilustraao desse procedimento. c
104
(x)
x4 x3 x1 x2 x0
Exerc cio 9.5 Faa um esboo de = 2x(1 x) e itere a partir das seguintes condioes c c c iniciais: (i)x0 = 0.5; (ii) x0 = 0.0; (iii) x0 = 0.25; (iv) x0 = 0.5; (v) x0 = 0.75; (vi) x0 = 1.0; (vii) x0 = 1.25. O que acontece com cada seqncia de iterados? Converge, no ue a converge? D para inferir o que acontecer com o restante das condioes iniciais? a a c Exerc cio 9.6 Como se explica um ponto xo no procedimento acima? Exerc cio 9.7 Se a regra fosse verticalmente at a diagonal e horizontalmente at o e e grco, o procedimento estaria bem denido? A regra seria clara? a Exerc cio 9.8 Uma pr-imagem de um ponto y pela funao um ponto x tal que (x) = y. e c e Muitas vezes um ponto tem mais do que uma pr-imagem. Usando um grco de , invente e a um mtodo rpido para achar todas as pr-imagens de um ponto dado (suponha que o ponto e a e dado foi indicado sobre a abscissa).
9.5
Iterando perto de pontos xos
Vejamos agora, atravs de esboos, o que acontece com a seqncia de iterados quando a e c ue condiao inicial est prxima de um ponto xo. A pergunta a ser respondida : ser que c a o e a ela converge para esse ponto xo? A resposta de suma importncia, uma vez que nosso e a objetivo encontrar o ponto xo por aproximaoes sucessivas. Sem isso, no teremos condiao e c a c de preencher o terceiro item do nosso plano geral, traado no comeo do Cap c c tulo. Para comear, adotaremos como hiptese que o ponto xo x seja isolado, isto , que c o e numa vizinhana (pequena) de x no exista nenhum outro ponto xo. Isto tambm signica c a e que perto de x o grco de s toca a diagonal no prprio x . a o o
9.5. ITERANDO PERTO DE PONTOS FIXOS
105
Na gura ao lado mostramos os ingredientes bsicos de que necessitarea mos: o grco de , prximo a x , a o a diagonal e o que chamaremos de diagonal secundria em x , que a a e reta de inclinaao 1 passando por c (x , x ). Para simplicar, assumiremos que tambm a diagonal secundria s e a o seja intersectada pelo grco de no a ponto (x , x ). Essas hipteses no so o a a demasiadamente restritivas: raro ene contrar um caso em que elas no sejam a respeitadas.
x*
x*
Assim, podemos imaginar diversas possibilidades para o grco de , de acordo com a a posiao em relaao ao cone duplo formado pela diagonal e pela diagonal secundria, como c c a mostra a gura abaixo. Nos diagramas, hachuramos o que queremos convencionar como a parte interna do cone, entre as duas diagonais.
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
(j)
(l)
Nos casos (d), (e), (f ) e (g) o grco de tangencia a diagonal em x . Isto tem um a
106
signicado, se for uma funao diferencivel: (x ) = 1, pois basta lembrar que a derivada c a a inclinaao da reta tangente ao grco. Nos casos (h), (i), (j) e (l) o grco de tangencia e c a a a diagonal secundria em x , ou seja, (x ) = 1. a No caso (a), a tangente ao grco de em x uma reta de inclinaao menor do que 1 a e c (pois menor do que a inclinaao da diagonal) e maior do que 1 (ou seja, menos negativa e c do que a inclinaao da diagonal secundria). Portanto c a 1 < (x ) < +1 no caso (a). No caso (b) temos (x ) < 1 e no caso (c) temos (x ) > +1 . Em resumo, podemos considerar 3 possibilidades, de acordo com o mdulo de (x ): (i) o | (x )| < 1, caso (a); (ii) | (x )| > 1, casos (b) e (c); (iii) | (x )| = 1, casos (d) a (l). Uma espcie de rec e proca tambm vlida: sempre que | (x )| for menor do que 1 o e e a grco de na vizinhana de x assumir o aspecto de (a), e sempre que | (x )| for maior a c a do que 1 ele assumir o aspecto de (b) ou (c), de acordo com o sinal. No entanto, se | (x )| a for igual a 1, haver todas as possibilidades mostradas de (d) at (l). a e Nosso objetivo fazer uma anlise da convergncia das seqncias x0 , x1 = (x0 ), x2 = e a e ue (x1 ), . . . para o ponto xo x , quando x0 escolhido perto de x , porm restringiremos e e nossa argumentaao apenas aos casos (a), (b) e (c). A razo que, primeiramente, alguns c a e dos outros casos podem ser facilmente analisados de forma semelhante (e outros no to a a facilmente), como mostram os exerc cios propostos abaixo. Alm disso, cada caso apresentar e a um comportamento distinto: pode haver convergncia ou no, e em alguns casos a resposta e a depende at de saber se x0 est ` esquerda ou ` direita de x ! e aa a No caso (a) note que, se xk estiver prximo a x ento (xk ) estar dentro do cone, isto o a a , e xk x < (xk ) x < x xk , (xk < x )
ou xk x > (xk ) x > x xk , (xk > x ) pois y = x + (x x ) e y = x (x x ) so as diagonais principal e secundria passando a a por x . Isto o mesmo que e |(xk ) x | < |xk x | , ou seja, xk+1 = (xk ) est mais perto de x do que est xk . O mesmo valer de xk+1 a a a para xk+2 , de modo que os iterados xk , xk+1 , . . . se aproximaro cada vez mais de x (veja a exerc abaixo para tornar mais rigoroso este argumento). cio Outra maneira (mais intuitiva) de se chegar ` mesma concluso esboando a evoluao a a e c c dos iterados no desenho, como mostra a gura abaixo, em duas situaoes: (x ) > 0 e c (x ) < 0. Observe pela gura que quando (x ) < 0 os iterados xk , xk+1 , . . . se alternam a ` direita e ` esquerda de x , quando esto sucientemente prximos de x . a a o
9.5. ITERANDO PERTO DE PONTOS FIXOS
107
x* x*
x* xk xk+1 xk+2 xk+3 xk xk+2 x* xk+3 xk+1
Nos casos (b) e (c) ocorre o oposto: tem-se |xk+1 x | > |xk x | , o que impossibilita a aproximaao a x e, em verdade, afasta os iterados de x . Isto pode c ser visto na gura abaixo.
x*
x*
x* xk+3 xk+2 xk+1 xk xk+2
x* xk xk+1 xk+3
Quando o ponto xo tal que a seqncia de iterados iniciada em sua proximidade e ue converge para ele, dizemos que o ponto xo atrator. Se, ao contrrio, os iterados se afastam, e a mesmo que xk esteja arbitrariamente prximo de x , ento dizemos que o ponto xo o a e repulsor. Da argumentaao acima, conclu c mos que se | (x )| < 1 ento x um ponto xo atrator, a e enquanto que se | (x )| > 1 ento x um ponto xo repulsor. Se | (x )| = 1 no poss a e a e vel prever o comportamento dos iterados, a no ser que se tenha outras informaoes sobre , em a c geral ligadas a derivadas de ordem mais alta. Veja mais sobre isso nos exerc cios abaixo. Exerc cio 9.9 Esboce a funao (x) = e4 x e determine seus pontos xos, dizendo quem c atrator e quem repulsor apenas atravs do desenho do grco. e e e a
x
108
Exerc cio 9.10 Considere a equaao ex = x 1. Investigue se (x) = ex + 1 pode ser c util para achar a soluao. Ache-a. c Exerc cio 9.11 Este exerccio um conjunto de observaoes dirigidas a respeito dos e c casos no discutidos, onde a derivada de no ponto xo tem mdulo 1. O leitor deve tentar a o se convencer ao mximo de cada uma delas, usando desenhos, principalmente. O exerccio a ajudar a xar melhor a teoria discutida nesta Seao. a c 1. Nos casos (e) e (i) o ponto xo atrator. e 2. Nos casos (g) e (l) o ponto xo repulsor. e 3. Nos casos (e), (i), (g) e (l) a segunda derivada de nula. A terceira derivada no e a pode ser negativa em (i) e em (g), e no pode ser positiva em (e) e (l). a 4. A segunda derivada no pode ser negativa em (d) e (h), e no pode ser positiva em (f) a a e (j). 5. No caso (d), o ponto xo atrator pelo lado esquerdo e repulsor pelo lado direito. J e a em (f) ele atrator pelo lado direito e repulsor pelo esquerdo. e 6. Os casos (h) e (j) so os mais delicados. H alternncia de lado na iteraao, pois a a a c a derivada negativa. Olhando para o caso (h), h aproximaao para o ponto xo a e a c cada vez que se passa pelo lado direito e afastamento a cada vez que se passa pelo lado esquerdo, e no claro a priori qual vai prevalecer (no caso (j) ocorre o oposto). Tente a e fazer desenhos caprichados criando casos onde h atraao e outros onde h repulso, a c a a sempre no caso (h), e depois tente o mesmo para o caso (j). Exerc cio 9.12 Este exerccio opcional, para aqueles que gostam de um pouco mais de e rigor nos argumentos. Observamos que no caso (a) ocorre |xk+1 x | < |xk x |, o que implicaria que a seqncia |xk x | vai a zero (equivalente a dizer que xk tende a x ). Isso ue no entanto no tem que ser necessariamente verdade, quer dizer, nem toda seqncia em que a ue 1 cada termo menor do que seu predecessor vai a zero. Por exemplo, a seqncia 1 + k , que e ue tende a 1 e decrescente. No entanto, se usarmos as hipteses estabelecidas de incio, isso e o ser verdade. Para isso, verique as seguintes observaoes: a c 1. Se a seqncia for montona, isto , car s do lado direito ou s do lado esquerdo, e ue o e o o se |xk x | no for a zero, ento a seqncia tem que convergir para um outro ponto a a ue x que no x . a e 2. Pelo que vimos na Seao 9.2, o ponto x teria que ser um outro ponto xo de x , mas c ns j tnhamos isolado uma vizinhana de x sem nenhum outro ponto xo. Ento o a c a esta situaao no pode ocorrer. c a 3. J se a seqncia no for montona, pode acontecer tambm de que |xk x | tenda para a ue a o e um valor maior do que zero, e xk que alternando de lado, tendendo para dois pontos simetricamente posicionados em torno de x . Mostre que nesses pontos o grco de a tocaria a diagonal secundria, contradizendo tambm as hipteses. a e o
9.6. TEOREMA DO VALOR MEDIO E VELOCIDADE DE CONVERGENCIA
109
9.6
Teorema do Valor Mdio e velocidade de convergncia e e
A Seao anterior pode ser resumida na seguinte armaao: se x ponto xo e se | (x )| < c c e 1 ento x atrator, e se | (x )| > 1 ento x repulsor. a e a e Vamos demonstrar essa armaao de maneira mais simples, sem usar o desenho, usando c o Teorema do Valor Mdio. A demonstraao tambm nos ajudar a saber qual a velocidade e c e a e de convergncia no caso de o ponto xo ser atrator. A unica hiptese adicional ser que a e o a derivada de uma funao cont e c nua, hiptese que se verica na maioria dos casos. o Chamemos de a derivada de em x . Como a derivada de uma funao cont e c nua, ela deve assumir valores prximos de perto de x . Em outras palavras, podemos isolar o uma vizinhana de x , de preferncia simtrica, de tal forma que para qualquer x escolhido c e e dentro dessa vizinhana ter-se- c a | (x) | muito pequeno. Suponha agora que um n mero de mdulo menor do que 1 ( o caso em que queremos e u o e mostrar que x um atrator). Ento, podemos encontrar uma vizinhana de x em que e a c | (x) | seja to pequena que tambm | (x)| seja menor do que 1, ou mesmo menor do a e que um certo tambm menor do que 1, para todo x na vizinhana. e c Nosso interesse comparar |xk+1 x | com |xk x |. Como xk+1 = (xk ) e x = (x ) e ento queremos comparar |(xk ) (x )| com |xk x |. Ora, isso tem toda a cara de a Teorema do Valor Mdio, pois e (xk ) (x ) = (ck )(xk x ) , para algum n mero ck entre xk e x . Se xk estiver na vizinhana acima referida, ento ck u c a tambm estar, e teremos | (ck )| menor do que . Logo e a |(xk ) (x )| |xk x | . Ento a cada iteraao a distncia de xk a x multiplicada por um n mero menor do a c a e u que , o que caracteriza uma convergncia (ao menos) geomtrica (lembre-se de uma P.G. de e e razo menor do que 1). a O importante de se escolher uma vizinhana simtrica em torno do ponto xo que isso c e e garante que o ponto xk+1 cair ainda dentro da mesma vizinhana, e o argumento poder a c a ser repetido ad innitum. Logo adiante (na Subseao 9.8) falaremos um pouco mais sobre c este assunto. Observe tambm que a mesma igualdade do Teorema do Valor Mdio mostra que, ` e e a medida que os iterados se aproximam do ponto xo, a razo entre |xk+1 x | e |xk x | se a aproxima de || = | (x )|. Pois como (ck ) = xk+1 x , xk x
e ck , estando espremido entre x e xk , tambm se aproxima de x , ento (ck ) se aproxima e a de (x ), por causa da continuidade da derivada. Exerc cio 9.13 Observe que se | (x )| > 1 ento o Teorema do Valor Mdio implica que a e no pode haver convergncia para o ponto xo. a e
110
x
Exerc cio 9.14 Tome a funao (x) = e4 x. Iterando a partir de x0 = 0, ache seu ponto c xo x mais a esquerda, mas guarde os iterados. Calcule (x ) e compare com as razes ` o xk+1 x . xk x Exerc cio 9.15 Este exerccio para transformar a informaao sobre a velocidade de con e c vergncia em informaao sobre o tempo de convergncia. O exerccio fornecer apenas uma e c e a resposta aproximada, baseada em suposioes que nem sempre so satisfeitas. Suponha que c a a distncia da condiao inicial x0 ao ponto xo x seja da ordem de D. Suponha tambm a c e que a condiao inicial esteja numa vizinhana do ponto xo onde a funao aproximadac c c e mente linear, com inclinaao dada pela derivada de no ponto xo, o que signica que a c taxa geomtrica de aproximaao mais ou menos constante. Calcule o nmero de iteraoes e c e u c k necessrias para que xk esteja mais perto do que a distncia p de x . a a Exerc cio 9.16 E possvel existir uma funao contnua que tenha apenas dois pontos c xos, ambos atratores? Justique sua resposta.
9.6.1
O caso (x ) = 0: convergncia quadrtica e a
No caso em que (x ) = 0 a razo entre |xk+1 x | e |xk x | se aproxima de zero, o que a signica que a taxa de convergncia melhor do que qualquer razo geomtrica. Podemos ir e e a e mais alm no Teorema do Valor Mdio, aplicando-o novamente desta feita na derivada de , e e e obter uma informaao mais precisa sobre a taxa de convergncia. c e Para aplicar o Teorema do Valor Mdio na derivada de assumiremos que seja duas e vezes diferencivel. Depois acrescentaremos a hiptese de que essa segunda derivada tambm a o e seja cont nua. Retomando a desigualdade obtida no Teorema do Valor Mdio, temos e xk+1 x = (ck )(xk x ) . Mas se (x ) = 0 ento podemos usar o Teorema do Valor Mdio. Existe dk entre ck e x a e tal que (ck ) = (ck ) (x ) = (dk )(ck x ) . Portanto |xk+1 x | = | (dk )| |ck x | |xk x | . Como ck est entre xk e x , ento |ck x | |xk x |; alm disso, supondo que seja a a e cont nua, os valores de (dk ) estaro muito prximos de (x ), e portanto estaro limitados a o a por uma constante C, em mdulo. Ento, se xk estiver nessa vizinhana, ter-se- o a c a |xk+1 x | C|xk x |2 , que motiva a denir o regime de convergncia com o nome de convergncia quadrtica. e e a Um ponto xo com derivada nula tambm chamado de super-atrator, por causa da e e rapidez com que se d a convergncia. a e
9.7. CALCULANDO ZEROS DE FUNCOES - A ESCOLHA DE
111
Exerc cio 9.17 Chame de a0 a distncia de x0 ao super-atrator x , e de ak a distncia a a de xk a x . Suponha que em todos os iterados vale a estimativa de convergncia quadrtica, e a com constante C. Mostre que 1 2k ak (Ca0 ) , C e que para se aproximar xk de x da distncia p so necessrias a a a 1 ln Cp ln ln 2 ln Ca0 iteraoes. Compare com a convergncia geomtrica. c e e
1 c Exerc cio 9.18 Itere (x) = x + sen x e (x) = x + 2 sen x, a partir da condiao inicial x0 = 1, e compare as velocidades de convergncia, a luz do que foi exposto acima. e `
9.7
Calculando zeros de funes - a escolha de co
Podemos neste momento retornar ao plano geral traado no comeo do Cap c c tulo para achar uma raiz x de uma funao f , pois j temos todos os ingredientes para isso: uma maneira c a de se construir funoes que tenham x como ponto xo, por exemplo, escrevendo (x) = c x + f (x); e critrios para saber se o ponto xo x atrator ou no. e e a Nosso objetivo explorar a escolha de na expresso (x) = x + f (x) de modo que a e a raiz procurada x seja um atrator e o plano geral funcione. De acordo com o que dissemos, preciso que a derivada (x ) tenha mdulo menor do e o que 1. A derivada de sabemos calcular, em funao da derivada da f : c (x) = 1 + f (x) , Observe que se f (x ) for igual a zero ento (x ) ser igual a 1, e a no poderemos a a a saber se h convergncia ou no. Na verdade podemos saber sim, se desenharmos o grco a e a a de . Por exemplo, tome a funao f (x) = (x 1)2 , c que tem raiz x = 1. Essa raiz ponto xo de (x) = e x + 0.1f (x) = x + 0.1(x 1)2 , como mostra a gura ao lado. Sabemos que se iniciarmos a iteraao com c x0 perto e a esquerda de 1, ` ento a seqncia convera ue gir para o ponto xo. a
2 f(x) = x + 0.1(x1)
Ocorre no entanto que nos casos onde a derivada 1, mesmo havendo convergncia ela se e e d de forma muito lenta, que no chega nem a ser geomtrica. Mais adiante veremos como a a e superar este problema.
112
Consideremos ento o caso f (x ) = 0. Ora, pedir que | (x )| seja menor do que 1 o a e mesmo que pedir que 1 < 1 + f (x ) < +1 .
2 Ou seja deve estar entre 0 e f (x ) .
Exerc cio 9.19 Verique o intervalo de escolhas possveis de para se calcular a raiz x = de f (x) = sen x usando a funao de iteraao (x) = x + sen x. Conra a resposta usando c c desenhos. Notemos agora que, apesar de haver todo um intervalo de poss veis escolhas de , h a uma escolha preferencial, que faz com que a derivada de no ponto xo seja nula e ele seja o super-atrator. E s escolher de modo que 1 + f (x ) seja igual a zero, isto , e = 1 f (x ) .
Essa escolha de garantiria convergncia rpida, mas o leitor atento pode perguntar: e a como escolher em funao de f (x ) se para saber f (x ) precisamos conhecer x , que c e justamente o que estamos procurando? A pergunta faz todo sentido pois, apesar de estar claro em teoria que valor de nee cessrio para o mtodo funcionar, no claro na prtica como proceder, uma vez que no a e a e a a dispomos do valor de f (x ). H duas respostas para esta questo, cuja ecincia vai depender do tipo de problema a a e que se quer resolver. Uma das respostas ser o Mtodo de Newton, do qual falaremos no prximo Cap a e o tulo. Em vez de usarmos a funao c f (x) (x) = x , f (x ) a qual no podemos determinar por no conhecermos x , usamos a a (x) = x f (x) . f (x)
Se x estiver prximo de x ento f (x) estar prximo de f (x ), e jogar um papel semeo a a o a 1 e lhante. Em cada iteraao, o fator que multiplica f (x), em vez de xo e igual a f (x ) , c 1 c e varivel e igual a f (x) . Observe que essa funao do tipo a (x) = x + (x)f (x) , introduzida previamente, com o unico problema que (x) = f 1 no cont a e nua onde a (x) derivada se anula. Voltaremos ao assunto adiante. A outra resposta no to fcil de dar, e em linhas gerais consiste no seguinte procedia e a a mento. Lembrando que nosso objetivo achar tal que 1 < 1+f (x ) < +1, suponha que e consigamos isolar a raiz da funao num intervalo [a, b] e mostrar que, dentro desse intervalo, c sua derivada f (x) satisfaz 1 < 1 + f (x) < +1 para todo x no intervalo. Ora, se satisfaz para todo x [a, b] em particular satisfaz para x , e ento estaremos prontos para usar esse a valor de .
9.8. A ESCOLHA DE X0 Ento tudo o que queremos que a e 2 < f (x) < 0 , x [a, b] .
113
Em primeiro lugar, temos que escolher [a, b] de forma que sua derivada no se anule: ou a sempre negativa ou sempre positiva. Se a derivada f (x) for negativa, mas muito alta em e e valor absoluto, basta escolher positivo e pequeno. J se a derivada f (x) for positiva e alta a em valor absoluto, basta multiplicar por negativo e pequeno. Exerc cio 9.20 Considere a equaao f (x) = ex cos x = 0. O objetivo do exerccio c e trabalhar com uma funao (x) = x+f (x) para achar a menor raiz positiva de f , admitindo c o fato de que essa raiz, que chamaremos de x , seja a unica localizada estritamente entre 0 e (isso no parece fcil de se mostrar, mas se quiser tente!). a a 2 1. Mostre que f (1) < 0 e f ( ) > 0, o que indica que a raiz procurada est no intervalo a 2 [a, b] = [1, ]. 2 2. Estime valores m e M tais que m f (x) M a para todo x [1, ] (ser preciso investigar em detalhe o comportamento das derivadas 2 x2 de e e cos x no intervalo considerado). 3. Use o item anterior para escolher de modo que 1 < (x) < 1, para todo x [1, ]. 2 4. Determine qual extremo est mais prximo de x : x = 1 ou x = a o
2?
2
5. Use esse extremo como condiao inicial e itere, para determinar a raiz com preciso de c a 104 . Exerc cio 9.21 Compare as funoes de iteraao 1 , 2 , 3 e 4 dadas abaixo, no que diz c c respeito a eccia de se obter a soluao da equaao cos x = x2 (considerando-se condioes ` a c c c iniciais apropriadas). Ache a soluao, com o maior nmero de casas decimais possveis. c u 1 (x) = cos x 2x2 , 2 (x) = cos x + x2 , x sen x + cos x + x2 1 . 3 (x) = x + (cos x x2 ) , 4 (x) = 8 sen x + 2x
9.8
A escolha de x0
Observe que para saber o quo prximo da raiz o ponto inicial x0 pode ser escolhido, podemos a o adotar o seguinte procedimento. Em primeiro lugar, usar o Mtodo da Dicotomia para cercar um intervalo pequeno [a, b] e que contenha a raiz, e depois eventualmente encolher mais ainda o intervalo para que a derivada de f no se anule, como comentado na Seao anterior. Isso permitir escolher e a c a construir para fazer as iteraoes. c
114
Essas consideraoes serviro tambm para o Mtodo de Newton, do qual falaremos no c a e e prximo Cap o tulo. O importante conseguir o intervalo [a, b] de forma a isolar a raiz e obter e que | (x)| < 1 em todo o intervalo. Isso far com que a |xk+1 x | |xk x | , se xk estiver em [a, b] (concluso que pode ser obtida mesmo sem conhecermos x ). a Observe que o problema no termina neste ponto. Uma vez escolhido x0 dentro do a intervalo [a, b], com a condiao sobre a derivada satisfeita, ento teremos certeza que x1 c a estar mais prximo da raiz x do que x0 . a o Isso no garante, no entanto, que x1 esteja a dentro do intervalo [a, b], e se isso no acontea x0 x* x cer, no poderemos mais saber se x2 se aproa 1 ximar de x mais do que x1 (vide gura ao a a lado). b Uma soluao para esse obstculo tomar x0 como sendo o extremo do intervalo [a, b] que c a e esteja mais prximo da raiz x . Por exemplo, suponha que b seja esse extremo, isto , o e |b x | < |a x | . Tomando x0 = b, teremos |x1 x | < |b x |, logo x1 [a, b]. O mesmo acontecer com os a termos seguintes da seqncia, pois todos eles estaro a uma distncia da raiz menor do que ue a a a distncia de b a essa raiz. a S que esse racioc o nio s funcionar na prtica se soubermos determinar qual extremo o a a do intervalo [a, b] est mais prximo da raiz. O truque o seguinte: olhamos para o ponto a o e mdio do intervalo e chamamos esse ponto de x0 (pelo menos provisoriamente: o chute inicial e x0 ser de fato o extremo do intervalo que estamos tentando determinar). Calculando x1 , a sabemos que a distncia de x1 ` raiz x ser menor do que a distncia de x0 a x . Ento a a a a a basta ver se x1 cai ` direita ou ` esquerda de x0 . a a Se x1 > x0 ento conclu a mos que x > x0 (logo o extremo direito do intervalo est mais a 1 prximo da raiz), pois se x estivesse ` es- x > x0 o a querda de x0 e x1 ` direita, ento ter a a amos |x1 x | > |x0 x |, absurdo, pois em [a, b] a distncia ` raiz deve diminuir! Note que o ara a gumento funciona mesmo que x1 caia fora do intervalo [a, b]. Se x1 < x0 ento conclu a mos que x < x0 . O argumento o mesmo que no x < x0 e 1 caso anterior.
x* a x0 = a+b 2
x 1 b
x 1 a
x* x0 = a+b 2 b
Se porventura x1 = x0 , ento x0 a raiz (prove!), e ambos os extremos esto a igual a e a distncia dela. a
9.9. UM CRITERIO DE PARADA
115
9.9
Um critrio de parada e
Existem vrios critrios de parada, isto , regras para se considerar um determinado iterado a e e xk como a aproximaao desejada para a raiz procurada x . Os critrios de parada so c e a importantes primeiramente por razo de coerncia (imagine uma extensa lista de ra sendo a e zes calculadas numericamente, preciso uniformizar a maneira de encontr-las), e em segundo e a lugar para automatizar os procedimentos. Alguns critrios de parada, como aquele que vamos ver aqui, fornecem tambm a margem e e de erro da aproximaao. c O critrio do qual falaremos aqui funciona quando, no entorno da raiz, a funao e c e montona, isto , se x1 < x < x2 ento os valores de f (x1 ) e f (x2 ) tm sinais opostos, o e a e ou seja, f (x1 )f (x2 ) < 0 . Suponha que queiramos determinar uma aproximaao de x com preciso p. Isto signica c a que gostar amos de encontrar um valor x tal que a verdadeira raiz x esteja no intervalo [ p, x + p] (a interpretaao do que signica exatamente a preciso p varia de acordo com x c a o gosto do fregus, esta a que adotaremos neste livro). e e Como estamos supondo que f montona, isso s acontecer se f assumir sinais opostos e o o a em x p e x + p. Bom, ento nada mais temos a fazer do que iterar a funao auxiliar , obtendo valores a c x0 , x1 , . . . , xk , . . ., e para cada iterado xk calcular f (xk p)f (xk + p) . Se esse produto for negativo, ento podemos considerar xk como sendo a aproximaao desea c jada. E claro que devemos prestar um pouco de atenao para o n mero de casas decimais que c u usamos nas contas, e se xarmos xk talvez queiramos arredondar para uma casa decimal compat com a preciso desejada. Isso pode ser feito com bom senso, mas se tivermos que vel a automatizar para um programa de computador convm tomar certos cuidados. e Para exemplicar, seja f (x) = ex x + 1 = 0, que tem unica raiz (veja isto esboando o c grco!). Usaremos (x) = ex + 1 como funao auxiliar, para achar a raiz x com preciso a c a p = 102 . Partindo de x0 = 0, obtemos os iterados. Temos que usar no m nimo um n mero de u casas decimais compat com a preciso desejada, por exemplo 4 parece ser razovel. Neste vel a a caso, faremos as contas com todas os algarismos signicativos da calculadora, e cada etapa arredondaremos para a quarta casa decimal, a m de minimizar os erros. Ento x1 = 2, a x2 = 1.1353, x3 = 1.3213, x4 = 1.2668, x5 = 1.2817, x6 = 1.2776, x7 = 1.2787. Como f (1.27) > 0 e f (1.29) < 0 ento podemos considerar a aproximaao x = 1.28. Observe que a c pelo critrio de parada j poder e a amos parar em x5 , no entanto ao arredondarmos para 1.28 convm fazer o teste novamente. Os iterados x6 e x7 foram a rigor desnecessrios. e a
116
Cap tulo 10
O Mtodo de Newton e
Como j mencionado no Cap a tulo anterior, o Mtodo de Newton consiste em fazer a iteraao e c xk+1 = xk f (xk ) , f (xk )
a partir de uma condiao inicial bem escolhida x0 , e assim obter aproximaoes sucessivas de c c alguma raiz x de f .
A maneira de achar x1 em funao de x0 , e c igualmente depois de achar xk+1 em funao c de xk , tem uma forte inspiraao geomtrica: c e olhamos para a reta tangente ao grco de f a no ponto (xk , f (xk )) e denimos xk+1 como sendo o ponto de encontro dessa reta com a abscissa.
f( xk )
f x*
xk xk+1
Vejamos como a frmula acima se relaciona com esta idia geomtrica. Para isso, notamos o e e que a inclinaao da reta tangente ao grco de f no ponto (xk , f (xk )) dada pela derivada c a e f (xk ). A unica reta com inclinaao f (xk ) que passa por (xk , f (xk )) dada por c e y = f (xk ) + f (xk )(x xk ) . O ponto xk+1 denido como o valor de x para o qual y = 0, isto e e 0 = f (xk ) + f (xk )(xk+1 xk ) , ou xk+1 = xk 117 f (xk ) , f (xk )
118
CAP ITULO 10. O METODO DE NEWTON
desde que f (xk ) = 0 (hiptese que assumiremos gratuitamente, para facilitar os argumentos). o A t tulo de exemplo apliquemos o mtodo no exemplo f (x) = x3 20, para compararmos e com o Mtodo da Dicotomia. e Para f (x) = x3 20 temos f (x) = 3x2 , ento a frmula de iteraao ca a o c xk+1 = xk que neste caso pode ser simplicada para xk+1 = 2x3 + 20 k . 3x2 k x3 20 k , 3x2 k
Em primeiro lugar chutamos o valor de x0 , por exemplo x0 = 3, e obtemos x1 : x1 = 74 2 33 + 20 = = 2.7407407 . 3 32 27
E claro que a ultima igualdade no de fato uma igualdade, pois um arredondamento foi a e efetuado. Neste exemplo, usaremos 7 casas decimais depois da v rgula. A partir de x1 calculamos x2 , e assim por diante. Os resultados se encontram na tabela abaixo. n xn x3 n 0 3 27 1 2.7407407 20.6 2 2.7146696 20.0056 3 2.7144176 19.9999996 4 2.7144176 19.9999996 Surpreendente! Em poucos iterados chega-se a um valor com preciso de muitas casas decia mais! Podemos testar a preciso desse valor usando o mesmo princ do Mtodo da Dicotomia. a pio e Por exemplo, queremos saber se essa resposta tem preciso de 0.0000001. Ento vericamos a a se os n meros f (2.7144175) e f (2.7144177) tm sinais opostos. Ora, u e f (2.7144175) = 2.71441753 20 = 0.0000026 < 0 e f (2.7144177) = 2.71441773 20 = 0.0000018 > 0 , donde conclu mos que 3 20 = 2.7144176 0.0000001 .
10.1
Quando o Mtodo de Newton funciona? e
Ser que o Mtodo de Newton sempre funciona? Ser que qualquer chute inicial levar a a e a a uma seqncia x1 , x2 , x3 , x4 , . . . , xk , . . . convergindo ` raiz x procurada? ue a
10.1. QUANDO O METODO DE NEWTON FUNCIONA?
119
Se formulada a pergunta desse jeito, a resposta no! Vejamos dois argumentos bastante e a simplistas para justicar o porqu. e O primeiro: imagine uma funao com duas ra c zes, f (x) = x2 4, por exemplo. Para qualquer escolha de x0 , a seqncia x1 , x2 , x3 , x4 , . . . , xn , . . . s poder convergir para uma das ue o a ra zes! A outra fatalmente ser esquecida, e isso pode acontecer quando menos esperarmos! a
O segundo: mesmo que s haja o uma raiz x e que x0 esteja razoavelmente perto dela, a seqncia ue x1 , x2 , x3 , x4 , . . . , xn , . . . pode se afastar! Veja um exemplo na gura ao lado.
f x* x0 x 1
No entanto, quase sempre podemos garantir que se x0 for escolhida sucientemente prxima de x ento a seqncia x1 , x2 , x3 , x4 , . . . , xn , . . . convergir para x . O quase o a ue a sempre se refere `s hipteses que devemos exigir que a funao f satisfaa. Por exemplo, a o c c pediremos sempre que f seja uma funao diferencivel, com derivada cont c a nua. Mais ainda, devemos examinar como f se comporta perto da raiz (infelizmente, nem sempre isso poss e vel sem se conhecer a raiz!!). Na hiptese de que f (x ) = 0 e que a condiao inicial x0 seja escolhida sucienteo c mente perto da raiz ento a convergncia ser bastante rpida, mais rpida do que qualquer a e a a a seqncia geomtrica. De fato, a convergncia (no m ue e e e nimo) quadrtica, se usarmos os rea sultados deduzidos no Cap tulo anterior: basta mostrar que a derivada da funao de iteraao c c f (x) = x f (x) , calculada na raiz x , vale zero. (x) Ora, usando as regras usuais de derivaao, obtemos c (x) = f (x)f (x) , f (x)2
e como f (x ) = 0, segue que (x ) = 0. No caso f (x ) = 0 no podemos aplicar o racioc a nio diretamente, porque teremos uma diviso zero sobre zero. Esse caso ser analisado na prxima Subseao. Antes disso, vale a a o c a pena fazer alguns exerc cios. Exerc cio 10.1 Use o Mtodo de Newton para resolver as seguintes equaoes: e c 1. 2 + 3x = ex 2. x5 + 3x2 x + 1 = 0 3. cos x + 0.5x = 0 4. 0.3x4 + 0.2x3 + x2 + 0.1x + 0.5 = 0 5. 0.3x4 x3 x2 2x + 2 = 0
120 Atenao: alta probabilidade de pegadinhas. c
f
Exerc cio 10.2 Considere a funao cujo grco est mostrado na gura acima, a esc a a ` querda. 1. Descreva, justicando (pode usar desenhos nas justicativas!), o que acontece com a seqncia x0 , x1 = (x0 ), . . . , xk = k (x0 ), . . . para cada uma das cinco possibilidades: ue (i) x0 = 0.0; (ii) x0 = 1.0; (iii) x0 = 1.5; (iv) x0 = 2.2; (v) x0 = 2.7. 2. A funao pode ser a funao de iteraao de Mtodo de Newton aplicado a funao f c c c e ` c acima, a direita? D duas justicativas essencialmente diferentes para sua resposta. ` e Exerc cio 10.3 Esboce uma funao que tenha razes a e b (com a < b), mas para o qual c exista uma condiao inicial x0 entre a e b tal que o Mtodo de Newton produza um resulc e tado divergente (apesar de o Mtodo estar bem denido para x0 e todos os seus iterados e posteriores). Justique sua resposta da melhor forma que puder. Exerc cio 10.4 Encontre numericamente o valor de x tal que ex = x, com preciso a 7 p = 10 . Exerc cio 10.5 Considere a catenria dada por a g(x) = 1 (cosh(cx) 1) . c
2
Repare que g(0) = 0, isto , a curva passa por (x, y) = (0, 0). Se a curva tambm passa por e e (x, y) = (1, 1), qual o valor de c? e Exerc cio 10.6 Considere f (x) = x5 , que tem unica raiz x = 0. Se o Mtodo de Newton e for aplicado a partir da condiao inicial x0 = 1, qual ser o menor valor de k para o qual c a xk < 1020 ? Exerc cio 10.7 Considere a funao f da gura abaixo. Se usarmos o Mtodo de Newton c e para essa funao, teremos que considerar iterados de c (x) = x f (x) . f (x)
10.1. QUANDO O METODO DE NEWTON FUNCIONA?
121
Esboce o grco de , com base na intuiao geomtrica sobre o Mtodo de Newton. No a c e e a esquea de desenhar: abscissa, ordenada, diagonal e os pontos a, b e c. c
10.1.1
Retirando a hiptese f (x ) = 0 o
A hiptese de que a derivada de f seja diferente de zero na raiz x no necessria para se o a e a mostrar convergncia, e pode ser substitu por uma hiptese bem mais fraca, desde que o e da o chute inicial x0 esteja sucientemente prximo de x . o Antes de deduzir resultados gerais, vejamos o que acontece com alguns exemplos. Consideremos f (x) = ax2 , que tem raiz em x = 0, mas a derivada de f na raiz nula. e Montando a funao de iteraao do Mtodo de Newton obtemos c c e (x) = x f (x) ax2 =x , (x) f 2ax
que a princ pio no estaria denida em x = 0. No entanto, as iteraoes so tomadas fora do a c a zero, onde est bem denida. Alm disso, a expresso pode ser simplicada de modo a a e a esconder o problema: x (x) = . 2 ue a Agora a derivada de no zero de f igual a 1 , que signica que a seqncia de iterados ir e 2 1 convergir para a raiz zero ` razo geomtrica de 2 . a a e Se considerarmos f (x) = axn , ento teremos a (x) = (1 1 )x , n
1 a a e e e portanto 1 n ser a razo da convergncia geomtrica. Aparentemente, essas consideraoes levam a crer que quando f (x ) = 0 o Mtodo de Newc e ton ainda funciona, mas a velocidade de convergncia passa a ser mais lenta (de quadrtica e a passa a ser apenas geomtrica). At que ponto isso pode ser generalizado? e e A melhor maneira de compreender o que se passa por meio de polinmios de Taylor (vide e o o Apndice C para uma reviso sobre o assunto). Para facilitar os argumentos, suporemos e a
122
que a funao f pode ser diferenciada innitamente. A expanso de f em torno de x assim c a e escrita: f (x) = f (x ) + f (x )(x x ) + f (x ) f (n) (x ) (x x )2 + . . . + (x x )n + o((x x )n ) , 2 n!
onde o((x x )n ) indica a presena de termos de ordem mais alta do que (x x )n , ou c em outras palavras, denota a presena de um resto que vai a zero mais rapidamente do que c (x x )n quando x tende a x . Como x a raiz de f , e estamos supondo que f tem derivada nula em x , os dois e primeiros termos sero nulos, necessariamente. J a derivada segunda pode ou no ser nula. a a a Para a maioria das situaoes, haver um primeiro termo no nulo, de ordem m, que pode ser c a a 2 ou mais. Assim, podemos escrever f como f (x) = ou ainda, f (x) = m! o((x x )m ) f (m) (x ) (x x )m 1 + (m) m! f (x ) (x x )m . f (m) (x ) (x x )m + o((x x )m ) , m!
Como o((x x )m ) tem ordem mais alta do que (x x )m , o quociente dos dois vai a zero, e assim podemos escrever f (x) = f (m) (x ) (x x )m (1 + r1 (x)) , m!
onde r1 (x) vai a zero quando x tende a x . Da mesma forma, a funao f (x) pode ser expressa na sua frmula de Taylor. Desta vez, c o o primeiro termo no nulo ser de ordem m 1, e teremos a a f (x) = m f (m) (x ) (x x )m1 (1 + r2 (x)) , m!
onde r2 (x) vai a zero quando x tende a x . Posto tudo isso, podemos montar a funao de iteraao , usando essas expresses no lugar c c o de f (x) e f (x): 1 1 + r1 (x) (x) = x (x x ) . m 1 + r2 (x) Subtraindo x dos dois lados, e colocando (x x ) em evidncia no lado direito da equaao, e c obtemos 1 1 + r1 (x) (x) x = (x x ) 1 . m 1 + r2 (x) S que o quociente envolvendo r1 e r2 tende a 1, ento o a (x) x x x
1 e a o e e e tende a 1 m . Esta a razo assinttica de convergncia geomtrica do Mtodo de Newton, que s depende da ordem m da funao f em x . o c
10.2. METODO DE NEWTON EM DIMENSOES MAIS ALTAS
123
10.2
Mtodo de Newton em dimenses mais altas e o
Suponha que F : Rn Rn seja uma funao diferencivel e estejamos procurando um ponto c a x tal que F (x ) = 0. Esse o anlogo multidimensional do problema que vimos discutindo e a at agora. Se ao leitor o problema parece muito abstrato, observe que F leva (x1 , . . . , xn ) e num elemento de Rn , que pode ser explicitado por cada uma de suas componentes, isto , e F (x1 , x2 , . . . , xn ) = (f1 (x1 , . . . , xn ), . . . , fn (x1 , . . . , xn )) . Ento achar um zero de F achar uma soluao para o sistema de equaoes a e c c f1 (x1 , . . . , xn ) = 0 f2 (x1 , . . . , xn ) = 0 . . . fn (x1 , . . . , xn ) = 0 que no necessariamente linear. a e Para generalizar, devemos examinar com cuidado a motivaao do mtodo em dimenso 1. c e a Para denir x(k+1) em funao de x(k) , passamos uma reta por x(k) com a mesma inclinaao c c que a derivada de f em x(k) (usaremos essa forma de indexar para no confundir com o a ndice que indica as coordenadas de x, quando x Rn ). Isto o mesmo que aproximar f e pela sua expanso em Taylor de ordem 1: a f (x) = f (x(k) ) + f (x(k) )(x x(k) ) + R1 (x) , mas ignorando R1 . O ponto x(k) era denido pelo encontro dessa reta com o zero, ou seja 0 = f (x(k) ) + f (x(k) )(x(k+1) x(k) ) , e a frmula do Mtodo de Newton foi obtida isolando-se x(k+1) nessa equaao. o e c A expanso em Taylor igualmente vlida em dimenso mais alta. Para primeira ordem, a e a a por exemplo, podemos escrever F (x) = F (x(k) ) + DF (x(k) )(x x(k) ) + R1 (x) , onde x Rn , R1 uma funao de Rn em Rn (assim como F ) e DF (x) a matriz jacobiana e c e no ponto x, isto e f f1 f 1 . . . x1 x1 x2 n f2 f2 f x1 x2 . . . x2 n . DF (x) = . . . , . . . . . . . . fn fn fn . . . xn x1 x2
sendo que por economia de espao ca impl c cito que cada uma das derivadas parciais e calculada no ponto x. Portanto, o termo DF (x(k) )(x x(k) ) a multiplicaao de uma matriz e c por um vetor (coluna), que resulta em outro vetor.
124 O resto R1 tem a propriedade de que lim
xx(k)
R1 (x) =0, x x(k)
tomando-se o cuidado de tomar a norma no denominador, porque anal no faz sentido a dividir por vetores. Para denir x(k+1) , ignoramos R1 e igualamos a aproximaao de primeira ordem a zero: c 0 = F (x(k) ) + DF (x(k) )(x(k+1) x(k) ) , ou seja, Observe que essa equaao um sistema linear, onde x(k+1) a incgnita, a matriz de coc e e o ecientes a matriz jacobiana DF (x(k) ) e o vetor de termos independentes dado por e e DF (x(k) )x(k) F (x(k) ). Assim como a soluao de um sistema linear um encontro de hiperplanos em Rn , a c e soluao de um sistema no-linear um encontro de hipersuperf c a e cies em Rn . Para n = 2, os hiperplanos so retas e as hipersuperf a cies so curvas. Sugere-se fazer o seguinte exerc a cio para xar idias. e Exerc cio 10.8 Achar numericamente a intersecao das curvas dadas por x2 + y 2 1 = 0 c (um crculo!) e 1 x4 +3(1cos y)2 1 = 0. Bom, pelo menos organize uma estratgia baseada e 2 no Mtodo de Newton. Quanto ao chute inicial, isso um problema, principalmente porque e e pode haver mais do que uma intersecao entre as curvas. c DF (x(k) )x(k+1) = DF (x(k) )x(k) F (x(k) ) .
10.2.1
Determinao da forma de uma corda ca
Uma aplicaao interessante do Mtodo de Newton em dimenso 3 ocorre na determinaao c e a c do formato de uma corda a partir das coordenadas de dois pontos (podem ser os pontos de sustentaao, por exemplo) e do comprimento da corda entre os dois pontos. A implementaao c c desta idia deve ser feita com o aux do computador, pela quantidade de clculos a serem e lio a feitos, mas mesmo assim deve-se prestar bastante atenao para o chute da condiao inicial, c c que pode freq entemente levar o mtodo a divergir. u e Como vimos na Subseao 4.3.2, uma corda ou corrente pendurada assume o formato do c grco da funao a c 1 cosh(cx) , c conhecida como catenria. a No entanto, assume-se a que a origem das coordenadas esteja uma unidade abaixo do ponto mais baixo da corda. De modo geral, se quisermos deslocar a corda na vertical, precisamos acrescentar um parmetro h, que ser somado ` expresso acima, e se quisermos a a a a deslocar a corda horizontalmente em a unidades ento devemos trocar x por x a, de modo a que 1 f (x) = cosh(c(x a)) + h c a maneira mais geral de se representar o formato da corda. e
10.2. METODO DE NEWTON EM DIMENSOES MAIS ALTAS
125
Se nosso modelo pretende ser consistente, deveria prever exatamente a forma da corda, desde que informemos dois pontos de sustentaao e o comprimento total da corda entre os c dois pontos. Ou seja, com essas trs informaoes deveria ser poss determinar c, a e h, e e c vel portanto f . Sejam (x0 , y0 ) e (x1 , y1 ) os pontos de sustentaao. Ento c a y0 = e 1 cosh(c(x0 a)) + h c
1 cosh(c(x1 a)) + h . c O comprimento da corda entre os pontos de sustentaao ser chamado de l. Portanto c a y1 =
x1
l=
x0
1 + f (x)2 dx
(ver Seao 13.3 adiante, para uma justicativa desta frmula). Como c o f (x) = sinh(c(x a)) , e logo l=
x0
1 + sinh2 t = cosh2 t ,
x1
cosh(c(x a))dx =
1 {sinh(c(x1 a)) sinh(c(x0 a))} . c
O sistema pode ser resolvido numericamente pelo Mtodo de Newton. e
Com isso, obtivemos um sistema no-linear de trs equaoes e trs incgnitas: a e c e o c(y0 h) cosh(c(x0 a)) = 0 c(y1 h) cosh(c(x1 a)) = 0 lc + sinh(c(x0 a)) sinh(c(x1 a)) = 0
126
Parte IV
Interpolao Polinomial ca
127
Cap tulo 11
Estimativa do erro nas interpolaes co

Voltemos ` questo (abordada nas Seoes 1.5 e A.7) da interpolaao de um polinmio de grau a a c c o k a k + 1 pontos dados (t0 , z0 ), (t1 , z1 ), . . ., (tk , zk ), que ser importante na Parte seguinte a do livro, onde falaremos de integraao de funoes. c c Nesta Parte do livro, usaremos t como varivel (no lugar de x), valores z (no lugar de a y) e pontos indexados de 0 a k (no lugar de n). Tudo isso justamente para no fazermos a confuso na Parte V, quando usaremos alguns conceitos aqui expostos. a Imagine que utilizemos a interpolaao polinomial como uma maneira de aproximar c uma funao. Mais precisamente, seja f : [tL , tR ] R uma funao (cuja regularidade s c c o especicaremos adiante) e uma partiao de seu dom c nio
tL = t0 < t1 < t2 < . . . < tk1 < tk = tR ,
no necessariamente a intervalos regulares. Assumiremos sempre que tL < tR e que k 1. a Aos k + 1 pontos (t0 , f (t0 )), (t1 , f (t1 )), . . ., (tk , f (tk )) podemos interpolar um polinmio o p(t) de grau k, que unico. A pergunta : quanto se perde ao se trocar f (t) pelo polinmio e e o interpolador p(t)? Ou seja, quo grande a diferena f (t) p(t), para cada ponto t do a e c intervalo [tL , tR ]? Vejamos primeiro como deve ser a funao diferena F (t) f (t) p(t). Para k = 1 a c c partiao tem que ser tL = t0 < t1 = tR , e o polinmio interpolador a funao am cujo c o e c grco passa por (t0 , f (t0 )) e (t1 , f (t1 )). Como p(t0 ) = f (t0 ) e p(t1 ) = f (t1 ), ento F se anula a a em t0 e t1 . Veja na gura abaixo, esquematicamente, como devem ser f e p (` esquerda) e a F (` direita). a 129
130
CAP ITULO 11. ESTIMATIVA DO ERRO NAS INTERPOLACOES
p
t0
t0
t1
t1
Pelas mesmas razes, para valores quaisquer de k, a funao F se anula em todos os pontos o c t0 , t1 , . . ., tk da partiao. Ela pode at se anular em outros pontos, mas no necessrio que c e a e a isto ocorra. Veja na gura abaixo uma situaao com k = 2, onde p tem que ser um polinmio c o quadrtico. a
1 0 1 0
f
1 0 1 0
1 0 1 0
p F
1 0 1 0 11 00 11 00 1 0 1 0
t0
t1
t2
t0
t1
t2
Se p e f no diferem nos pontos da partiao, quanto ser a diferena para os demais a c a c valores de t? Para responder, tentaremos denir uma funao (no-negativa) S(t) tal que c a S(t) F (t) S(t) (ou |F (t)| S(t)) para todo t [tL , tR ], sabendo de antemo que S(t) pode se anular em a t0 , t1 , . . . , tk . A forma de S e S, em linha pontilhada, seria algo assim (para k = 4):
131
S
1 0 1 0 1 0 1 0 1 0 1 0
F S
1 0 1 0
11 00 11 00
t0
t4
t1
t2
t3
E claro que S deveria ser do tipo mais simples poss vel. Uma tentativa olhar para um e polinmio no-nulo q(t) de grau k+1 que se anule nos pontos t0 , . . . , tk e tomar S(t) = c|q(t)|, o a onde c uma constante positiva. O polinmio e o q(t) = (t t0 )(t t1 ) . . . (t tk ) , por exemplo, satisfaz a condiao pedida. c O que faremos agora mostrar que uma tal estimativa poss e e vel, e alm do mais apree sentar um valor de c, que possa ser calculado a partir de algum conhecimento sobre a funao c f. De fato, mostraremos um resultado mais forte, que implicar automaticamente o que a queremos. Provaremos que, para cada t [tL , tR ] existe um outro ponto s = st (st indica a dependncia de s em relaao a t) tal que e c F (t) = F (k+1) (s) q(t) , (k + 1)!
onde F (k+1) (s) indica a derivada (k + 1)-sima de F em s. e Como conseqncia dessa armaao, teremos que ue c |F (t)| F (k+1) (s) s[tL ,tR ] (k + 1)! max |q(t)| .
Alm disso, no devemos esquecer que F (t) = f (t) p(t), onde p(t) polinmio de grau k. e a e o Como a derivada (k + 1)-sima de um polinmio de grau k zero, ento e o e a F (k+1) = f (k+1) , logo |F (t)| e podemos tomar c = max f (k+1) (s) . s[tL ,tR ] (k + 1)! f (k+1) (s) s[tL ,tR ] (k + 1)! max |q(t)| ,
132
CAP ITULO 11. ESTIMATIVA DO ERRO NAS INTERPOLACOES
E claro que esta resposta s poss se f for uma funao pelo menos (k + 1) vezes difeoe vel c rencivel. E o que ocorre com a maioria das funoes com que nos deparamos na prtica, mas a c a pode haver exceoes. c Finalmente s nos falta provar a armaao, que diz que para cada t em [tL , tR ] existe um o c s neste mesmo intervalo tal que (k + 1)!F (t) = F (k+1) (s)q(t) . A armaao trivialmente vlida se t for um dos pontos t0 , t1 , . . . , tk , pois F e q se anulam c e a nesses pontos, e os dois lados da equaao cam iguais a zero. Resta-nos assim provar a c armaao quando t no nenhum desses pontos. c a e Em primeiro lugar, fazemos a constataao esperta de que (k+1)! a (k+1)-sima derivada c e e de q, pois o polinmio q tem grau (k + 1) e o coeciente de tk+1 igual a 1. Ento nos bastar o e a a demonstrar que existe s = st tal que q (k+1) (s)F (t) F (k+1) (s)q(t) = 0 . Para isso denimos a funao c G(s) = q(s)F (t) F (s)q(t) , lembrando que t est xo, neste racioc a nio. Desta maneira, queremos apenas mostrar que existe s onde G(k+1) se anula. Acontece que G uma funao que se anula em todos os pontos t0 , t1 , . . . , tk , pois tanto q e c como F se anulam nesses pontos, mas G tambm se anula em s = t, pois e G(t) = q(t)F (t) F (t)q(t) = 0 . Como estamos interessados no caso em que t no nenhum dos pontos t0 , t1 , . . . , tk , ento G a e a se anula em pelo menos k + 2 pontos distintos. Pelo Teorema do Valor Mdio, entre cada par e consecutivo de pontos onde G se anula h um ponto onde a derivada de G se anula. Portanto a G se anula, obrigatoriamente, em pelo menos k + 1 pontos. Pelo mesmo racioc nio, G se (k) anula em pelo menos k pontos. Continuando indutivamente, temos que G se anula em 2 pontos e, nalmente, que G(k+1) se anula em 1 ponto, como quer amos demonstrar. Tendo em vista que os resultados deste Cap tulo sero usados no Cap a tulo 16, resumimos a estimativa obtida (com a notaao j exposta): c a |f (t) p(t)| c|q(t)| , onde c= e q(t) = (t t0 )(t t1 ) . . . (t tk ) . f (k+1) (s) s[tL ,tR ] (k + 1)! max
Cap tulo 12
Tcnicas de interpolao e ca
Neste Cap tulo apresentaremos duas tcnicas de interpolaao que servem como alternativas e c ao mtodo j descrito na Seao 1.5 de reduao a um sistema linear. e a c c
12.1
Polinmios de Lagrange o
(t t1 )(t t2 ) (t tk ) ,
Considere o polinmio o que tem grau k e se anula em t1 , . . . , tk . Alm disso, em t0 ele vale (t0 t1 )(t0 t2 ) (t0 tk ), e e portanto o polinmio o L0 (t) = (t t1 )(t t2 ) (t tk ) (t0 t1 )(t0 t2 ) (t0 tk )
vale 1 em t0 e zero nos demais pontos t1 , . . . , tk . Analogamente, podemos denir, para cada ti , um polinmio Li (t) de grau k que vale 1 em ti e zero nos demais pontos. o Agora observe que a soma de polinmios de grau k um polinmio de grau k, logo o e o c0 L0 (t) + c1 L1 (t) + . . . + ck Lk (t) um polinmio de grau k, que vale c0 em t0 , c1 em t1 , ..., ck em tk . Portanto, se quisermos e o achar um polinmio de grau k que valha z0 , . . . , zk nos pontos t0 , . . . , tk basta tomar os ci s o iguais aos zi s: p(t) = z0 L0 (t) + z1 L1 (t) + . . . + zk Lk (t) . Essa uma maneira de achar o polinmio interpolador sem resolver nenhum sistema linear! e o Os polinmios Li so conhecidos como polinmios de Lagrange. o a o
12.2
Forma de Newton
J vimos duas maneiras de fazer uma interpolaao polinomial: atravs de um sistema linear, a c e onde as incgnitas so os coecientes do polinmio que se quer determinar, e cada ponto o a o 133
134
CAP ITULO 12. TECNICAS DE INTERPOLACAO
da interpolaao gera uma equaao; e atravs de uma combinaao linear dos polinmios de c c e c o Lagrange. Nesta Seao veremos outra forma de interpolar, chamada forma de Newton. Ela leva c certa vantagem em um aspecto: mais fcil acrescentar um ponto ` interpolaao, sem ter e a a c que desmanchar (ou revisar) as contas feitas anteriormente. Para obter esse novo mtodo, teremos que investigar um pouco mais alguns aspectos e subjacentes ` interpolaao. a c Seja (t0 , z0 ), (t1 , z1 ), . . . , (tk , zk ) o conjunto de pontos que se deseja interpolar. A unica exigncia, como de hbito, que os ti s sejam dois a dois distintos, mas no h necessidade e a e a a que sua enumeraao respeite a ordem em que eles se dispem sobre a reta, e os zi s podem c o ser experimentais ou provenientes de uma funao (zi = f (ti )), tanto faz. c Olharemos para as interpolaoes parciais, que envolvem apenas certos subconjuntos dos c pontos acima. Mais precisamente, sejam i e j tais que 0 i j k e seja pi (t) o polinmio o j interpolador dos pontos (ti , zi ), . . . , (tj , zj ). Assim, o polinmio interpolador procurado o e p(t) = p0 (t), enquanto que pi (t) o polinmio interpolador de um ponto s (portanto pi (t) e o o i i k zi , isto , tem grau zero e identicamente igual a zi ). Lembremos que o grau (mximo) de e e a pi (t) j i, pois pi (t) o polinmio interpolador de j i + 1 pontos. e e o j j Chamaremos de ordem de pi (t) ao n mero j i + 1, que nada mais do que o n mero u e u j de pontos que ele interpola. Em seguida podemos observar que um polinmio de ordem l > 1 se relaciona de forma o mais ou menos simples com algum polinmio de ordem inferior. Por exemplo, com i < o j tome pi (t) e pi (t), que diferem entre si pelo fato de que pi (t) no abrange tj em a j j1 j1 sua interpolaao. Nos pontos ti , . . . , tj1 eles coincidem, pois assumem os mesmos valores c e o zi , . . . , zj1 , respectivamente. Portanto a diferena pi (t) pi (t) um polinmio de grau c j j1 no mximo j i, que se anula nos pontos ti , . . . , tj1 , ou seja, a pi (t) pi (t) = c(t ti )(t ti+1 ) . . . (t tj1 ) . j j1 (12.1)
A constante c depende dos pares (ti , zi ), . . . , (tj , zj ) (pois estes determinam pi (t) e pi (t)), j1 j e ser denotada por a (ti , ti+1 , . . . , tj ) , assumindo-se implicitamente que os zi s esto automaticamente associados aos ti s. a Podemos alternativamente suprimir o primeiro ponto da lista, e da mesma forma teremos pi (t) pi+1 (t) = c(t ti+1 ) . . . (t tj ) , j j onde c denotada por e (ti , . . . , tj ) . A vantagem de se determinar os s (ou s) clara, pois da sairia o polinmio interpoe o lador, por induao. Ter c amos p0 (t) = p0 (t) + (t0 , t1 , . . . , tk )(t t0 )(t t1 ) . . . (t tk1 ) , k k1 mas tambm e p0 (t) = p0 (t) + (t0 , . . . , tk1 )(t t0 ) . . . (t tk2 ) , k1 k2 (12.2)
12.2. FORMA DE NEWTON e assim por diante, de forma que p0 (t) = p0 (t) + (t0 , t1 )(t t0 )+ k 0 +(t0 , t1 , t2 )(t t0 )(t t1 ) + . . . + (t0 , . . . , tk )(t t0 ) . . . (t tk1 ) .
135
Como p0 (t) z0 , convencionaremos que (t0 ) = z0 (e (ti ) = zi , para todo i = 0, . . . , k), 0 para que a notaao que uniforme. c Se procedssemos inversamente na ordem dos pontos, chegar e amos em p0 (t) = (tk ) + (tk1 , tk )(t tk )+ k +(tk2 , tk1 , tk )(t tk1 )(t tk ) + . . . + (t0 , . . . , tk )(t t1 ) . . . (t tk ) , estipulando-se que (ti ) = zi , i = 0, . . . , k. Os s (e analogamente os s) so chamados de diferenas divididas, porque podem ser a c deduzidos da Equaao 12.1, colocando-se t = tj . Assim c (ti , . . . , tj ) = pi (tj ) pi (tj ) j j1 , (tj ti ) . . . (tj tj1 )
onde conhecemos pi (tj ) = zj , mas pi (tj ) depende de se conhecer previamente o polinmio o j j1 pi (t). Isso possibilita achar os s indutivamente, mas um caminho trabalhoso. Nosso e j1 objetivo buscar um meio mais fcil de determinar s e s, embora no possamos nos livrar e a a de alguma induao. c Partiremos de uma pequena observaao sobre os polinmios de ordem 1 e 2 (um e dois c o pontos), e depois enunciaremos um resultado geral que servir a nossos propsitos. a o No h muito o que dizer em ordem 1: a interpolaao de um ponto um polinmio de a a c e o grau zero, portanto pi (t) = zi = (ti ) = (ti ) , i por deniao. c J a interpolaao de dois pontos ti e ti+1 (0 i k 1) um polinmio de grau 1, cujo a c e o grco uma reta. Temos a e pi (t) = zi + (ti , ti+1 )(t ti ) , i+1 que pode ser obtido da Equaao 12.1 diretamente. Mas (ti , ti+1 ) tambm a inclinaao da c e e c reta que passa por (ti , zi ) e (ti+1 , zi+1 ), logo (ti , ti+1 ) = Analogamente, pi (t) = zi+1 + (ti , ti+1 )(t ti+1 ) , i+1 donde (ti , ti+1 ) = (ti , ti+1 ), pois (ti , ti+1 ) a inclinaao da mesma reta! e c Assim mostramos que s e s coincidem at ordem 2 e relacionamos s de ordem 2 e com s de ordem 1. Vejamos como generalizar nossas observaoes para qualquer ordem. c zi+1 zi (ti+1 ) (ti ) = . ti+1 ti ti+1 ti
136
Mostraremos o seguinte enunciado: para todo par i, j tal que 0 i j, temos (ti , . . . , tj ) = (xi , . . . , xj ), e se i < j temos (ti , . . . , tj ) = (ti+1 , . . . , tj ) (ti , . . . , tj1 ) . tj ti (12.3)
O enunciado j foi demonstrado acima em ordens 1 e 2, isto , sempre que j i + 1 2. a e Sejam agora i e j tais que j i + 1 3 e considere os polinmios pi+1 (t) e pi (t) que o j1 j interpolam j i pontos, e portanto tm grau (mximo) j i 1. Como eles coincidem em e a ti+1 , . . . , tj1 , ento a pi+1 (t) pi (t) = a(t ti+1 ) . . . (t tj1 ) . j1 j (12.4) Acharemos o valor de a de trs maneiras diferentes, o que fornecer as igualdades que quee a remos demonstrar. (i) Tomamos t = tj na Equaao 12.4. Ento c a a(tj ti+1 ) . . . (tj tj1 ) = pi+1 (tj ) pi (tj ) . j1 j Como pi+1 (t) inclui tj em sua interpolaao, pi+1 (tj ) = zj , mas zj tambm o valor de pi (tj ), c e e j j j logo o lado direito igual a e pi (tj ) pi (tj ) = (ti , . . . , tj )(tj ti )(tj ti+1 ) . . . (tj tj1 ) . j j1 Da segue que a = (tj ti )(ti , . . . , tj ) . (ii) Tomamos t = ti na Equaao 12.4. Ento c a a(ti ti+1 ) . . . (ti tj1 ) = pi+1 (ti ) pi (ti ) . j1 j O lado direito igual a e pi+1 (ti ) pi (ti ) = (ti , . . . , tj )(ti ti+1 ) . . . (ti tj ) , j j logo o que mostra que (ti , . . . , tj ) = (ti , . . . , tj ). (iii) Depois que vimos que s e s coincidem, usamos a mesma Equaao 12.4, manipulando-a c de outra forma, para estabelecer a relaao dos s com seus correspondentes de ordem inferior. c Observe que pi+1 (t) pi (t) = pi+1 (t) pi+1 (t) + pi+1 (t) pi (t) , j1 j1 j j j1 j1 que, pela deniao de s e s, igual a c e (ti+1 , . . . , tj )(t ti+1 ) . . . (t tj1 ) (ti , . . . , tj1 )(t ti+1 ) . . . (t tj1 ) . Como (ti , . . . , tj1 ) = (ti , . . . , tj1 ), segue que pi+1 (t) pi (t) = [(ti+1 , . . . , tj ) (ti , . . . , tj1 )] (t ti+1 ) . . . (t tj1 ) . j1 j Ento a Como j sabemos que a = (tj ti )(ti , . . . , tj ), conclu a mos a Equaao 12.3. c a = (ti+1 , . . . , tj ) (ti , . . . , tj1 ) . a = (tj ti )(ti , . . . , tj ) ,
12.2. FORMA DE NEWTON
137
12.2.1
Exemplo do uso da forma de Newton
A Equaao 12.3 permite que calculemos os s em funao de seus correspondentes de ordem c c inferior. Isso poss porque conhecemos os s de ordem 1, que so os zi s. A seguinte e vel a tabela mostra como podemos esquematizar as informaoes. c t0 t1 t2 . . . . . . . . . tk2 tk1 tk (t0 ) (t0 , t1 ) (t1 ) (t1 , t2 ) (t2 ) . . . . . . . . . (tk2 ) (tk1 , tk2 ) (tk1 ) (tk1 , tk ) (tk ) Cada (ti , . . . , tj ) pode ser obtido da diferena entre os dois elementos adjacentes da coluna c imediatamente ` esquerda (o de baixo menos o de cima), dividida pela diferena tj ti , a c onde ti e tj so encontrados como as extremidades da base da pirmide (deitada) da qual a a (ti , . . . , tj ) o cume. e 1 Por exemplo, se quisermos achar o polinmio interpolador dos pontos (0, 1), ( 1 , 2 ), o 2 3 ( 2 , 1), (2, 0), acabaremos por montar a seguinte tabela (conra!): 0
1 2 3 2
(t0 , t1 , t2 ) . . . . . . . . . . . . . . . . . . . . (t , . . . , t . 0 k1 ) . . . (t0 , . . . , tk ) . . . (t1 , . . . , tk )
(tk2 , tk1 , tk )
1
1 2
1
3 2
1 3
7 3
1 0
4 3
Da tabela, tiramos o polinmio interpolador procurado: o 1 1 4 1 3 p(t) = 1 + (1) (x 0) + ( )(x 0)(x ) + (x 0)(x )(x ) . 3 2 3 2 2 Juntando termos de mesmo grau, camos com 4 1 p(t) = 1 + t 3t2 + t3 . 6 3
3 Para vericar que deu certo, testamos os valores p(0), p( 1 ), p( 2 ) e p(2) e vemos que batem 2 1 com 1, 2 , 1 e 0.
138
H outras formas de se tirar o mesmo polinmio da tabela. Por exemplo, pegando os s a o de baixo: 7 3 4 3 1 p(t) = 0 + 2(t 2) + (t 2)(t ) + (t 2)(t )(t ) . 3 2 3 2 2 Ou seno em zigue-zague: a p(t) = (t2 )+(t1 , t2 )(tt2 )+(t0 , t1 , t2 )(tt2 )(tt1 )+(t0 , t1 , t2 , t3 )(tt2 )(tt1 )(tt0 ) , que igual a e 3 3 1 3 1 4 3 1 1 (t ) (t )(t ) + (t )(t )(t 0) . 2 2 3 2 2 3 2 2 O zigue-zague pode servir para se escolher os melhores coecientes, facilitando a tarefa de juntar termos de mesmo grau logo depois, mas no aconselhvel por ser mais sujeito a a e a erros.
Parte V
Integrao de Funes ca co
139
Cap tulo 13
Importncia da integrao a ca numrica e

13.1 Introduo ca
No prximo Cap o tulo falaremos de mtodos numricos para o clculo de integrais denidas, e e a mas antes devemos atentar para a razo de sua utilidade. O Clculo ensina que, para se a a obter
b
f (x)dx ,
a
basta achar uma primitiva, isto , uma funao F (x) tal que F (x) = f (x), de forma que e c
b a
f (x)dx = F (b) F (a)
(vide Apndice B). e Uma funao f , em geral, dada por uma frmula, que nada mais do que a combinaao c e o e c nita, via somas, multiplicaoes, divises e composioes de funoes elementares. As funoes c o c c c elementares so as usuais: potncias de x (negativas e positivas), funoes trigonomtricas e a e c e suas inversas, logaritmo e exponencial. Entretanto, no mundo abstrato de todas as funoes poss c veis, essas funoes formam apenas c uma min scula parte. Em outras palavras, a grande maioria das funoes no tem uma u c a frmula que as represente, embora nas aplicaoes do mundo real os modelos freq entemente o c u conduzam a funoes descritas por meio de frmulas. c o Mesmo se nos restringirmos apenas `s funoes dadas por frmulas, acabaremos por nos a c o deparar com um fato matemtico: nem todas elas admitem uma primitiva que tambm seja a e escrita como combinaao (nita) de funoes elementares! c c E claro que existe o recurso de se escrever a primitiva F como uma combinaao innita c de funoes elementares, por exemplo atravs de uma srie de potncias c e e e F (x) =
k=0
ck xk .
141
142
CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA
Isto poss (em muitos casos de forma at razoavelmente fcil), mas com dois inconvenie vel e a entes: primeiro, quando formos avaliar F (a) e F (b) atravs da srie (ou da frmula innita) e e o pode ser necessria uma quantidade to grande de termos (ou operaoes) que inviabilize ou a a c torne muito lento o clculo. Alm disso, nem sempre sries de potncia convergem para todos a e e e os valores de x, o que exigiria uma anlise criteriosa do alcance dessa convergncia, em cada a e caso. De outra parte, preciso tambm dispor de instrumentos para estimar integrais a partir e e de dados experimentais. As aplicaoes mais bvias se encontram no clculo de comprimentos, c o a a reas, volumes, massa, centro de massa, distncia percorrida, tempo decorrido, etc. No que a segue, discutiremos algum exemplos onde a integraao numrica se faz necessria: ora por se c e a tratar de medida experimental ora porque no h primitiva elementar da funao que se quer a a c integrar.
13.2
Clculo de reas a a
Gostar amos de um mtodo sistemtico e a para estimar a rea de guras planas a como a mostrada ao lado (poderia ser uma ilha, por exemplo). Para isso, vamos nos basear no Princ pio de Cavalieri, que diz: dados dois conjuntos A e B, se houver uma linha L tal que toda perpendicular a L cruze A e B em intervalos de tamanhos iguais, ento A e a B tm a mesma area. e Por exemplo, os tringulos da gura abaixo (` esquerda) tm reas iguais, pois cada reta a a e a R horizontal, ` altura y, cruza os tringulos em segmentos de tamanho igual a l(y). Para a a entender porque l(y) igual para os dois tringulos, observe que em ambos l(y) varia como e a uma funao am (linearmente), em y = 0 tem-se l(0) = b (os tringulos tm bases de igual c a e tamanho) e em y = h tem-se l(h) = 0 (os tringulos tm alturas iguais). Portanto a funao a e c l(y) tem o aspecto mostrado ` direita, na gura. a Isso explica porque todos os tringulos com base e altura iguais tm a mesma rea, que a e a 1 pode ser obtida de um deles, por exemplo o da direita. Essa rea vale 2 bh, e o leitor pode a observar que essa tambm a rea sob o grco de l(y) (observaao que ser importante logo e e a a c a adiante).
13.2. CALCULO DE AREAS
143
y h b l(y) y 0 b b h
O Princ pio de Cavalieri tem uma formulaao anloga para volumes. Dois slidos S e T c a o tero mesmo volume se houver uma linha L tal que todo plano perpendicular a L cruze S e a T em regies de reas iguais. Para o leitor que ainda no acreditou nesse princ o a a pio, imagine uma pilha de cartas com um arame passando no meio, e ento incline e retora o arame, de a c forma que a pilha que desalinhada. As duas pilhas continuam tendo a mesma altura, a rea a de cada corte a mesma, e o volume (que a soma dos volumes innitesimais das cartas) e e se mantm. e
O que podemos fazer com uma gura plana em geral criar uma segunda gura com mesma e a rea apoiada no eixo horizontal. Na prtica, a temos que fazer isso para um n mero disu creto de cortes verticais: medimos o comprimento do corte e transferimos esse valor para a segunda gura. Assim, a segunda gura e um esboo do grco Comprimento do corte c a vs. Posiao do corte, mais precisamente a c e regio compreendida entre esse grco e a lia a nha horizontal. Quando o corte ocorrer em dois intervalos separados a altura do grco a ser igual ` soma dos comprimentos das duas a a intersecoes. c
x0 x1 ......
x6
......
x11
y
1 0 1 0 1 0 11 00 1 0 1 0 1 0 1 1 1 0 1 0 0 0 0 1 1 1 1 0 0 1 0 0 1 0 1 0 1 0
1 0 1 0 1 0 1 0
Ao nal, teremos uma seqncia de pontos x0 , x1 , . . . , xn , que fornecem a posiao de cada ue c corte, e valores correspondentes y0 , y1 , . . . , yn , que so os respectivos comprimentos de cada a corte. Esses dados que sero usados para se fazer a integraao. e a c O curioso que o mesmo tipo de coleta de dados ser feito para a integraao de uma e a c funao f (x) dada por uma frmula. Se a integraao se der no intervalo [a, b], ento deve-se c o c a dividir o intervalo com uma partiao c a = x0 < x1 < x2 < . . . < xn = b e tomar os valores da funao nos extremos dos intervalos da partiao: c c y0 = f (x0 ) , y1 = f (x1 ) , . . . , yn = f (xn )
144
(que podem at ser negativos). A partir desses dados, a maneira de se proceder ser a mesma, e a tanto no caso experimental como no caso terico. A unica diferena que no caso terico o c e o ns teremos, na maioria dos casos, uma maneira de delimitar o erro cometido na integraao. o c O volume de um lago ou de uma montanha tambm pass de ser estimado usando esse e e vel tipo de dados. Pode-se fazer isso em duas etapas. Primeiramente, escolhe-se uma direao c (x, por exemplo) onde se posicionaro, perpendicularmente, as retas dos cortes. Para cada a corte do lago, posicionado em xi , estima-se sua rea A(xi ), usando dados (yi , zi ). Depois a estima-se a integral da funao rea do corte, usando-se os dados (xi , A(xi )), que resulta no c a volume.
13.3
Comprimento de curvas e grcos a
Considere o seguinte problema: calcular o comprimento do grco da funao f entre a e a c b. Se a funao f for diferencivel, esse problema remete a uma integral. c a Para entender melhor, tentemos aproximar a curva por pequenos segmentos de reta e seu comprimento pela soma dos tamanhos desses segmentos. Como sempre, dividimos o intervalo [a, b] com uma partiao a = x0 < x1 < . . . < xn = b e em cada intervalo [xi , xi+1 ] c (i = 0, . . . , n 1) aproximamos a funao pelo segmento de reta que une os pontos (xi , f (xi )) c e (xi+1 , f (xi+1 )). Pelo Teorema de Pitgoras, esse segmento tem tamanho igual a a (xi+1 xi )2 + (f (xi+1 ) f (xi ))2 . Para simplicar um pouco, podemos supor que todos os intervalos tenham o mesmo tamanho x. Alm disso, aproximamos a diferena f (xi+1 ) f (xi ) por f (xi )x, de forma que e c somando para todos os segmentos obtenhamos, aproximadamente,
n1
x
i=0
1 + f (xi )2 .
Fazendo x ir a zero estaremos, por um lado, fazendo com que a soma dos comprimentos dos segmentos esteja cada vez mais prxima do comprimento verdadeiro da curva e, por outro o lado, fazendo com que a aproximaao pela derivada seja cada vez mais dedigna. No limite, c teremos um n mero que ao mesmo tempo o comprimento da curva e tambm a integral u e e
b
1 + f (x)2 dx .
a
O grco de f entre a e b um caso particular de curva no plano. Cada ponto dessa curva a e pode ser obtido tomando-se t no intervalo [a, b] e ento o ponto (t, f (t)). Podemos imaginar a esse processo como uma funao com dom [a, b] e contradom R2 , que leva t em (t, f (t)). c nio nio Na verdade, podemos generalizar para situaoes que no correspondam a grcos de funoes. c a a c Por exemplo, tome a funao c (t) = (cos t, sen t) , com t variando no intervalo [0, 2]. Para cada t, o ponto (t) um ponto do c e rculo unitrio, a correspondente a um giro de ngulo t. Uma elipse a imagem da funao a e c (t) = ( cos t, sen t) ,
13.3. COMPRIMENTO DE CURVAS E GRAFICOS
145
com t variando em [0, 2]. Basta ver que se (x, y) pertence ` curva ento (x, y) = ( cos t, sen t), a a para algum t, logo x2 y2 + 2 =1. 2 Uma curva (t) expressa com duas funoes, uma para cada coordenada: (t) = (x(t), y(t)). e c Se quisermos calcular o comprimento total da curva (com t variando no intervalo [a, b]), podemos proceder com uma idia semelhante ` exposta acima para calcular o comprimento do e a grco de uma funao. Dividimos o intervalo [a, b] com uma partiao a = t0 < t1 < . . . < a c c tn = b (com intervalos iguais de tamanho t) e aproximamos o comprimento da curva pela soma
n1 i=0
(ti+1 ) (ti ) .
Cada termo da soma a distncia entre dois pontos consecutivos (ti ) e (ti+1 ). Esta e a distncia dada explicitamente por a e (x(ti+1 ) x(ti ))2 + (y(ti+1 ) y(ti ))2 , pelo Teorema de Pitgoras. a Se cada uma das funoes coordenadas for diferencivel, a distncia ser aproximadamente c a a a igual a t x (ti )2 + y (ti )2 , ou t (x (ti ), y (ti ) . O vetor (t) = (x (ti ), y (ti )) o vetor derivada da curva (t). Somando o comprimento dos e segmentos e fazendo o limite quando t vai a zero, conclu mos que o comprimento da curva dado pela integral e
b a
(t) dt .
Por exemplo, no caso do c rculo unitrio, (t) = (cos t, sen t) e (t) = ( sen t, cos t), logo a (t) = 1. Portanto o comprimento do c rculo e
2 0
(t) dt =
0
dt = 2 ,
como era de se esperar! No caso da elipse, seu per metro l depende de a e b, que so os tamanhos dos semi-eixos. a Estamos sempre supondo que a e b so positivos, e iremos tambm assumir que a < b, isto a e , que o semi-eixo maior da elipse est na vertical. Tomando (t) = (a cos t, b sen t), temos e a (t) = (a sen t, b cos t), de forma que o per metro p da elipse dado por e
2
p=
0
a2 sen2 t + b2 cos2 t dt .
146
Por razes de simetria, podemos integrar somente de 0 a e multiplicar por quatro. Alm o e 2 disso podemos substituir cos2 por 1 sen2 , e colocar b em evidncia na integral: e p = 4b
0
2
1 2 sen2 tdt ,
onde 2 denido como sendo e
a2 , b2 um n mero positivo e menor do que 1 (ele vale 1 quando a elipse um c u e rculo, e 0 quando a elipse degenera num segmento de reta vertical). A integral 1 1 2 sen2 tdt
conhecida como integral elptica do primeiro tipo, e no admite uma expresso via come a a binaao nita de funoes elementares. Em outras palavras, no h uma frmula fechada para c c a a o o per metro da elipse.
13.4
Distncia percorrida e tempo decorrido a
A F sica est repleta de conceitos denidos por meio de integraao. Faremos aqui uma a c pequena discusso sobre movimentos unidimensionais, isto , movimentos num espao cuja a e c posiao possa ser determinada por apenas uma coordenada. Pode ser o movimento de uma c part cula numa reta, um carro numa estrada, um pndulo simples, etc. O caso do pndulo e e ser discutido com detalhes na prxima Seao. a o c O movimento unidimensional de um corpo pode ser descrito por uma funao x(t), onde c x(t) indica a posiao em cada instante de tempo t. No caso de um pndulo, sua posiao c e c e indicada por um ngulo (t) (para ser mais preciso, sua posiao circular), medido a partir a c e da posiao vertical mais baixa. c A velocidade do corpo v(t) a derivada da funao x(t): e c v(t) = x (t) , e a aceleraao a derivada de v(t). No caso em que a posiao descrita por um ngulo, c e c e a falamos em velocidade angular, denotada por (t): (t) = (t) . Conhecendo a posiao inicial x0 (no instante t = 0) e a maneira como evolui a velocidade c em funao do tempo, podemos recuperar a funao posiao: c c c
t
x(t) = x0 +
0
v( )d ,
equaao que nada mais do que o Teorema Fundamental do Clculo. Fisicamente, podemos c e a pensar que no instante , a velocidade v( ) e, sendo cont e nua, assume valores prximos a o v( ) em instantes prximos a . Tomando um intervalo de tempo prximo a , teremos o o
13.5. PER IODO DO PENDULO E AS INTEGRAIS EL IPTICAS
147
que a distncia percorrida ser aproximadamente igual a v( ) . Da diviso em pedacinhos a a a de tamanho do intervalo de tempo onde percurso acompanhado, a distncia percorrida e a a integral de v( ), o que justica a frmula de forma emp e o rica. Da mesma forma, em coordenadas angulares, temos
t
(t) = 0 +
0
( )d .
Ocorre entretanto que, em muitas aplicaoes f c sicas, conhecemos a velocidade em funao c da posiao, e no do tempo. O pndulo ser um exemplo disso. No vamos discorrer a c a e a a respeito de outros exemplos, mas imagine o leitor que seja esse o caso. E suponha que agora o problema outro: da posiao inicial x0 at a posiao nal x, em cada ponto sabe-se que e c e c a velocidade assume o valor v() (mas nunca se anula). Quanto tempo durou o percurso? A exigncia de que a velocidade no se anule no percurso pode ser justicada assim: se o e a corpo pra numa posiao , e depois recobra seu movimento, no h como saber quanto tempo a c a a ele cou parado, logo no h como obter uma resposta unica para a pergunta. Eventualmente a a poderemos considerar que a velocidade se anule instantaneamente, principalmente se se tratar de = x0 ou = x. Como no caso anterior, podemos dividir o espao percorrido em pequenos intervalos de c tamanho . Em cada intervalo, a velocidade aproximadamente constante, por exemplo, e prxima ao valor v() do extremo do intervalo. O tempo dispendido nesse pequeno trecho o de percurso aproximadamente igual a e . v() Portanto somando esses tempos e fazendo ir a zero, teremos que o tempo decorrido ser a
x
T =
x0
1 d . v() 1 d , ()
No caso angular, temos
T =
0
onde agora representa a varivel angular de posiao. Esta frmula ser aplicada na prxima a c o a o Seao para se calcular o per c odo do pndulo simples. e
13.5
Per odo do pndulo e as integrais el e pticas
Consideremos um pndulo simples sem atrito. Mostraremos que a Lei de Conservaao da e c Energia implica que a velocidade depende somente da posiao do pndulo. c e A energia cintica do pndulo dada por 1 mv 2 , onde v representa sua velocidade linear. e e e 2 Se o comprimento da haste for igual a l, essa velocidade igual a l, onde a velocidade e e angular. Por outro lado, a energia potencial igual a mgh, onde h a altura do pndulo em relaao e e e c ao solo. A bem da verdade a energia potencial uma grandeza relativa, o que quer dizer que e
148
podemos somar uma constante a essa energia e nada se alterar. Ou ainda, quer dizer que a podemos supor que o solo est na altura que quisermos, inclusive acima do pndulo!! Aqui a e assumiremos que o solo est na altura do ponto mais baixo do pndulo, de forma que a h se a e relaciona com a coordenada angular por h = l l cos .
1 0
l
11 00 11 00 11 00
A energia total a soma da energia cintica com a energia potencial, e essa energia e e e constante: 1 2 2 ml + mgl(1 cos ) = E . 2 Mas quanto vale essa constante E? Observe que a constante E tem a ver com a amplitude 0 do movimento: quanto maior for a amplitude, maior ser essa energia. Para no car dvidas, 0 representa o ngulo a a u a mximo que o pndulo alcana a partir da posiao vertical mais baixa, logo o maior valor a e c c que pode assumir, em tese, (estamos evitando considerar o movimento em que a posiao e c = atravessada). Quando o pndulo atinge o ngulo mximo (0 ou 0 , tanto faz), e e a a h uma reverso do movimento, e a velocidade angular instantaneamente se anula. Nesse a a caso, a energia cintica nula, e toda a energia se concentra na energia potencial. Em outras e e palavras, a energia total E igual a energia potencial no ngulo mximo 0 . e ` a a Substituindo na equaao acima, obtemos c 2 = 2g [(1 cos 0 ) (1 cos )] . l
A expresso entre colchetes pode ser simplicada para cos cos 0 , porm mais tarde vola e taremos a deix-la dessa forma por razes tcnicas. a o e Notemos que essa equaao tem duas soluoes, uma positiva e uma negativa. De toda c c forma, ela evidencia a dependncia da velocidade angular em relaao ` posiao: xada a e c a c amplitude 0 do movimento, para cada posiao (entre 0 e 0 ), a velocidade angular c s pode assumir dois valores, um negativo e um positivo, e ambos de igual mdulo. Um dos o o valores representa o movimento de ida do pndulo e o outro de volta. e Para obter o per odo do pndulo, podemos calcular o tempo decorrido para se ir de 0 e at 0 , no movimento de ida (velocidade angular positiva). De fato, pela simetria do e
13.5. PER IODO DO PENDULO E AS INTEGRAIS EL IPTICAS
149
movimento, basta analisar o percurso de = 0 at = 0 , percorrido em um quarto do e per odo. Levando em conta as consideraoes da Seao anterior, teremos c c T = 4 logo T =4 l 2g
0 0 0 0
1 d , ()
1 d . cos cos 0
Vale apenas examinarmos com mais atenao essa integral, tentando esboar o integrando. c c Primeiro desenhamos a funao cos , marcando a altura de cos 0 (que pode ser negativo, se c c c e 0 > ). A partir da esboamos a funao cos cos 0 , no intervalo [0, 0 ], que o que nos 2 interessa. Essa funao tem derivada no nula em 0 , a no ser que 0 = , mas esse caso no c a a a ser considerado. a
cos cos 0
(cos cos 0 )
1/2
(cos cos 0 )
1/2
mos a raiz dessa funao, e observamos que a inclinaao da funao c c c Em seguida, extra cos cos 0 vai a innito quando vai a 0 . Como a funao original tinha cara de c 1 c(0 ) (perto de 0 ), quando tiramos raiz ela ca com cara de c(0 ) 2 (basta a e c comparar com os grcos y = cx e y = cx, porm armaoes mais precisas podem ser a obtidas usando Frmula de Taylor, vide Apndice C). o e 1 1 Acontece que o integrando (cos cos 0 ) 2 , que tem cara de c(0 ) 2 perto de e 0 . E uma funao divergente em 0 (vai a innito), e natural que nos questionemos sobre c e a convergncia da integral. Fisicamente sabemos que a integral tem que convergir, pois o e pndulo alcana o ngulo de amplitude mxima em tempo nito. Mas e matematicamente? e c a a 1 E emp rico porm extremamente vlido pensar na integrabilidade da funao x 2 entre e a c 0 e 1. Neste caso, a divergncia ocorre em x = 0. Essa integral existe, pois se tomarmos a e integral
1
x1/2 dx = 2x1/2
1 a
= 2(1 a1/2 ) ,
teremos que ela tende a 2 quando a tende a zero, e portanto converge. De fato, a integral de qualquer funao x , com 0 < < 1 existe em (0, 1), pelas mesmas razes. Fica para o c o leitor vericar que o mesmo no ocorre com 1! a Apesar de no haver problema quanto ` convergncia da integral que fornece o per a a e odo do pndulo, veremos no prximo Cap e o tulo que nossos mtodos se prestaro mais a funoes e a c
150
que sejam cont nuas no intervalo de integraao, inclusive nos extremos. O pulo do gato c neste caso que uma mudana de coordenadas (muito) esperta pode transformar a integral e c acima numa outra cujo integrando seja uma funao cont c nua dentro de um intervalo, isto , sem pontos de divergncia. Faamos ento essa mudana de coordenadas, que a bem da e e c a c verdade ser uma seqncia de duas substituioes. a ue c A primeira substituiao ser inofensiva. Faremos = 0 (logo d = d ), e caremos com c a 0 uma integral no intervalo (0, 1) (independentemente de 0 ): T =4 l 0 2g
1 0
1 cos(0 ) cos 0
d .
Em seguida lembramos de como estava escrito o radicando, para obtermos cos(0 ) cos 0 = (1 cos 0 ) (1 cos(0 )) =
1
1 cos 0
1 cos(0 ) , 1 cos 0
e j tiramos o fator (1 cos 0 ) 2 para fora da integral. S para no nos perdermos nas a o a contas, o conjunto de termos que multiplica a integral e 4 Observe que a fraao c 1 cos(0 ) 1 cos 0 l 0 . 2g 1 cos 0
varia monotamente de 0 a 1 quando varia de 0 a 1. Fazemos ento a substituiao a c sen2 = 1 cos(0 ) , 1 cos 0
d onde varia entre 0 e . Da teremos uma integral de 0 a de cos , mas precisamos colocar 2 2 tudo em funao de . Diferenciando os dois lados da equaao acima e dividindo por cos , c c obtemos 0 d 2 sen d = sen(0 ) , 1 cos 0 cos
logo
sen 2(1 cos 0 ) d = d . cos 0 sen(0 ) Note que ainda temos um termo dependendo de . Da equaao onde introduzimos a substic tuiao, podemos isolar cos(0 ): c cos(0 ) = 1 (1 cos 0 ) sen2 , logo sen(0 ) = 1 [1 (1 cos 0 ) sen2 ]2
13.6. CALCULO DE E DE LOGARITMOS ou, simplicando, sen(0 ) = J que a

1cos 0 2
151
2 1 cos 0 sen
1 cos 0 sen2 . 2
sempre um n mero no negativo, denominamos e u a 2 = 1 cos 0 , 2
e juntando tudo obtemos (depois de vrios cancelamentos) a T =4 l g

2
1 1 2 sen2
d .
Se 0 < ento 2 < 1 e o denominador do integrando nunca se anula. Portanto este a integrando cont e nuo no intervalo [0, ]. No caso em que 0 = o integrando divergente e 2 o e e c em e a prpria integral divergente (o leitor convidado a comparar com sua intuiao 2 f sica). De fato, quanto mais 0 se aproxima de maior se torna T , em outras palavras, o per odo do movimento vai a innito quando a amplitude se aproxima de . Por outro lado, quando a amplitude se aproxima de 0 signica que 2 se aproxima de 0, e o integrando se aproxima da funao constante igual a 1. Isso implica que o per c odo se aproxima do conhecido valor l 2 . g A integral 1 1 2 sen2
d ,
com 0 < 2 < 1, conhecida como integral elptica do segundo tipo e no pode ser expressa por e a meio de combinaoes nitas de funoes elementares. Portanto no h uma frmula fechada c c a a o para o perodo do pndulo em funao da amplitude do movimento. e c
13.6
Clculo de e de logaritmos a
A integraao numrica se presta tambm para calcular constantes matemticas, por exemplo c e e a o n mero , que denido como sendo rea do c u e a a rculo unitrio. Como para o c a rculo unitrio se tem x2 + y 2 = 1, ento y = 1 x2 , ou seja, a a
1
=2
1
1 x2 dx .
Aqui poss e vel at achar uma primitiva para o integrando, mas o problema que essa e e primitiva acabar sendo expressa em termos de . Pode-se mostrar teoricamente que o lado a direito igual ao esquerdo, obtendo-se uma bela equaao = !!!! O valor numrico de s e c e o poder ser obtido, no entanto, se zermos a integraao precisa da funao no integrando. a c c
152
Outra maneira de se obter via integraao usando o fato de que c e (arctan x) = Como arctan(0) = 0, ento a
x
1 . 1 + x2 1 dt . 1 + t2
4,
arctan x =
0
A nos aproveitamos do fato de que arctan 1 = uma integral

1
de forma a podermos expressar como
=4
0
1 dt . 1 + t2
Lembremos tambm que o logaritmo denido atravs de uma integraao. Como e e e c

x
ln x
1 dt t
(vide Apndice B), ento para cada x o valor numrico de ln x ser obtido como uma rea e a e a a debaixo do grco de uma funao. a c A constante e denida como sendo o ( nico) n mero que satisfaz a equaao e u u c ln x = 1 . Ele pode ser obtido, por exemplo, resolvendo-se essa equaao pelo Mtodo de Newton. S c e o que, para sermos honestos, temos que aplicar o Mtodo de Newton calculando todos os e logaritmos atravs da integraao numrica (vide Exerc na Seao 15.2). e c e cio c
13.7
A gaussiana
Como vimos na Subseao 4.3.6, a distribuiao de probabilidade mais comum na natureza c c e dada pela funao c 1 (t )2 }. P, (x) = exp{ 2 2 2 Para sabermos a probabilidade de ocorrer um evento dentro do intervalo [a, b] precisamos calcular a integral
b
P, (t)dt .
a
E um pouco chato calcular integrais com essas constantes, mas atravs de uma mudana e c 2 de coordenadas podemos reduzir o problema a calcular integrais de ex . Por exemplo, tomemos u = t (du = dt). Ento a
b
P, (t)dt =
a
1 2
b a
e 22 du .
u2
13.7. A GAUSSIANA Em seguida, fazemos outra mudana de coordenadas x = c 1 2 2

2 b 2 a 2
153
u 2
(dx =
du ). 2
Obtemos
ex dx ,
a 2
isto , uma integral de ex no intervalo [A, B], onde A = e

2
eB=
b . 2
Acontece que ex uma daquelas funoes que no tm frmula para sua primitiva, e e c a e o a partir da s se prossegue com estimativas numricas. Em probabilidade, como muito o e e freq ente o uso dessa integral, adotam-se tabelas com preciso limitada mas razovel, que u a a servem para a maioria dos propsitos. Essas tabelas podem ser facilmente montadas com os o mtodos de integraao do prximo Cap e c o tulo.
154
Cap tulo 14
Mtodos de integrao numrica e ca e

14.1 Introduo ca
Queremos resolver o seguinte problema: dada uma funao f : [a, b] R, achar a integral c de f nesse intervalo, denotada por
b a
f (x)dx .
Aqui trataremos de dois mtodos de integraao de funoes, a saber, o Mtodo dos Trapzios e c c e e e o Mtodo de Simpson. e
14.2
O Mtodo dos Trapzios e e
A primeira coisa a fazer dividir o intervalo [a, b] em n intervalos (no necessariamente de e a tamanhos iguais). Isto , xar x0 = a (extremo esquerdo do intervalo) e xn = b (extremo e direito do intervalo), e escolher pontos x1 , . . . , xn1 entre a e b de modo que valha a = x0 < x1 < x2 < x3 < . . . < xn1 < xn = b . Em seguida, deve-se estimar a rea (com sinal) entre cada par de pontos sucessivos. Por a exemplo, entre xi e xi+1 : podemos aproximar essa rea tomando o retngulo cuja base o a a e intervalo [xi , xi+1 ] e cuja altura seja a mdia entre f (xi ) e f (xi+1 ). Esse retngulo ter rea e a aa de f (xi ) + f (xi+1 ) (xi+1 xi ) . 2 Finalmente, somam-se as estimativas de cada retngulo, obtendo-se a rea (aproximada) a a total. Algumas observaoes so pertinentes. Para comear, por que o Mtodo dos Trapzios c a c e e assim se chama? Anal, nenhum trapzio apareceu para justicar o nome...! e 155
156
CAP ITULO 14. METODOS DE INTEGRACAO NUMERICA
Observe que em vez de termos pego o retngulo com altura mdia a e (f (xi ) + f (xi+1 ))/2 poder amos ao invs ter pego o trapzio cujos e e vrtices so (xi , 0), (xi+1 , 0), (xi+1 , f (xi+1 )) e (xi , f (xi )). A rea desse e a a trapzio pode ser calculada da seguinte forma: completamos a altura e com um trapzio de mesmas proporoes, formando um retngulo de ale c a tura f (xi ) + f (xi+1 ) e base xi+1 xi . A rea desse retngulo o dobro a a e da rea do trapzio, donde essa ultima deve valer a e f (xi ) + f (xi+1 ) (xi+1 xi ) , 2
f(x i+1) f(x i)
xi
xi+1
ou seja, o mesmo valor que t nhamos obtido de outra forma! No preciso que o espaamento entre os pontos seja sempre igual, mas se for facilita a e c bastante. Suponha que a distncia entre eles seja igual a h, isto , a e x1 x0 = x2 x1 = x3 x2 = . . . = xn xn1 = h . Ento o trapzio com base [xi , xi+1 ] tem rea a e a h (f (xi ) + f (xi+1 )) . 2 Para todos os trapzios aparece a multiplicaao por h , portanto podemos deixar essa mule c 2 tiplicaao por ultimo (o que o mesmo que colocar em evidncia esse fator). Ento a rea c e e a a total dos trapzios ser e a h (f (x0 ) + f (x1 ) + f (x1 ) + f (x2 ) + f (x2 ) + f (x3 ) + . . . 2 . . . + f (xn2 ) + f (xn1 ) + f (xn1 ) + f (xn )) . Excetuando o primeiro e o ultimo termo, todos os outros aparecem duas vezes na soma. Ento a rea total ser a a a h {f (x0 ) + 2f (x1 ) + 2f (x2 ) + . . . + 2f (xn1 ) + f (xn )} . 2 Isso facilita bastante na hora de se fazer as contas!! Outra pergunta: que erro estamos cometendo ao fazer a aproximaao da rea por trapzios? c a e Veremos mais adiante como calcular esse erro. Por enquanto camos com a percepao (corc reta) de que nosso resultado ser tanto mais preciso quanto menor for o tamanho dos intervaa linhos da diviso. Nem sempre porm nos interessa calcular a integral de funoes exatamente a e c conhecidas, pois muitas vezes estamos diante de uma funao obtida atravs de dados exc e perimentais. Ou seno queremos simplesmente estimar a rea de uma regio, e colhemos a a a os dados de forma semelhante ao que foi feito acima: para cada xi , medimos o valor yi da funao. Todo o procedimento ser o mesmo. A unica coisa que no poderemos controlar a c a e a preciso da estimativa, por falta de mais informaoes sobre a funao e devido ao erro inerente a c c aos dados experimentais. Para exemplicar o uso do Mtodo dos Trapzios, ilustremos com um exemplo cujo ree e sultado bem conhecido. Sabendo que a derivada da funao arctan 1+x2 , segue que e c e 1
1 0
1 dx = arctan(1) arctan(0) = , 1 + x2 4
14.3. O METODO DE SIMPSON
157
pelo Teorema Fundamental do Clculo. Logo a estimativa dessa integral levar a uma estia a mativa do valor de . Como ainda no falamos em estimativa de erro para o Mtodo, nossa escolha em relaao a e c ao tamanho dos intervalos da partiao e ao n mero de algarismos signicativos ser arbitrria. c u a a Mais adiante veremos como fazer escolhas mais conscientes. Dividiremos o intervalo [0, 1] em 10 intervalos iguais, ou seja, faremos h = 0.1. Ento a 0.1 {f (0) + 2f (0.1) + 2f (0.2) + . . . + 2f (0.9) + f (1)} , 4 2
1 e c onde f (x) = 1+x2 a funao do integrando. Os dados para realizar essa soma (com 5 algarismos signicativos) so: a
i 0 1 2 3 4 5 6 7 8 9 10 Ento a
xi 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
f (xi ) 1.0000 0.99010 0.96514 0.91743 0.86207 0.80000 0.73529 0.67114 0.60976 0.55249 0.50000
f (0) + 2f (0.1) + 2f (0.2) + . . . + 2f (0.9) + f (1) 15.700 , logo 4 0.1 15.700 = 3.1400 , 2
valor ` distncia de aproximadamente 1.6 103 do valor verdadeiro. a a
14.3
O Mtodo de Simpson e
Se notarmos bem, no Mtodo dos Trapzios o que ns zemos foi aproximar a funao f , em e e o c cada intervalo, por uma reta coincidente com a funao nos extremos. O Mtodo de Simpson c e um melhoramento dessa estratgia, pois considera polinmios quadrticos como forma de e e o a aproximar a funao. Vejamos como ele funciona. c Como no Mtodo dos Trapzios, a primeira coisa a fazer dividir o intervalo de integraao e e e c em intervalinhos, s que agora em um nmero par de intervalos. Ou seja, denominar x0 = a, o u x2n = b e escolher pontos intermedirios a a = x0 < x1 < x2 < . . . < x2n2 < x2n1 < x2n = b .
158
Depois para cada i = 0, . . . , n 1 considerar os trs pontos x2i , x2i+1 , x2i+2 e os valores e respectivos da funao avaliada nesses trs pontos: f (x2i ), f (x2i+1 ), f (x2i+2 ). Para simplicar c e a notaao, chamar esses valores de y2i , y2i+1 , y2i+2 . c Em seguida encontrar o unico polinmio quadrtico (isto , de grau 2) pi (x) tal que o a e pi (x2i ) = y2i , pi (x2i+1 ) = y2i+1 , pi (x2i+2 ) = y2i+2 , e usar esse polinmio pi (x) como aproximaao para a funao no intervalo [x2i , x2i+2 ] (o o c c polinmio pode ser achado com qualquer um dos mtodos descritos na Seao 1.5 ou no o e c Cap tulo 12). Assim a integral
x2i+2
f (x)dx
x2i
aproximada pela integral e
x2i+2
pi (x)dx .
x2i
Finalmente, h que se somar as aproximaoes obtidas em cada intervalo para se obter a a c aproximaao de c
b
f (x)dx .
a
Vejamos como ca o caso em que todos os intervalos da partio tm o mesmo tamanho h. ca e Resultar da uma frmula bastante elegante para a aproximaao da integral (parecida com a o c a frmula de integraao pelo Mtodo dos Trapzios), conhecida como frmula de Simpson. o c e e o Em primeiro lugar, temos que desenvolver em detalhe o passo do procedimento que consiste em achar o polinmio interpolador pelos trs pontos (x2i , y2i ), (x2i+1 , y2i+1 ) e (x2i+2 , y2i+2 ). o e Como no estamos interessados no polinmio em si mas sim na sua integral denida no intera o valo [x2i , x2i+2 ], ser mais simples trabalharmos no intervalo [h, h], interpolando os pontos a (h, y2i ), (0, y2i+1 ) e (h, y2i+2 ) (ca ao leitor detalhista a tarefa de mostrar por que isso pode ser realmente feito). O polinmio interpolador p(x) = pi (x) pode ser calculado como no Cap o tulo 12, com o aux dos polinmios de Lagrange: lio o p(x) = y2i isto , e p(x) = Da que
h
(x + h)(x h) (x + h)x x(x h) + y2i+1 + y2i+2 , (h)(2h) h(h) (2h)(h)
1 {x(x h)y2i 2(x + h)(x h)y2i+1 + x(x + h)y2i+2 } . 2h2
p(x)dx =
h
1 2h2
y2i
h
x(x h)dx 2y2i+1
(x + h)(x h)dx + y2i+2
x(x + h)dx
h
14.3. O METODO DE SIMPSON Fazemos ento uma a uma cada uma das trs integrais: a e
h h h
159
x(x h)dx =
h
x x3 h 3 h 2 2 = h3 . 3 Semelhantemente, =
h h
h 2 h h
(x2 hx)dx = == (h)3 h3 3 3 h h2 (h)2 2 2 =
(x + h)(x h)dx =
h
4 x2 h2 dx = h3 3 h 2 3 h . 3
(x + h)xdx = Com esses valores, voltamos ` integral de p(x): a

h h
p(x)dx =
h
h (y2i + 4y2i+1 + y2i+2 ) . 3
Observe como, ` semelhana do Mtodo dos Trapzios, essa frmula facilita o cmputo a c e e o o geral da aproximaao, mesmo com uma subdiviso em muitos intervalos. Se, como acima, c a tivermos a partiao do intervalo [a, b] em 2n intervalos, todos com tamanho h, ento a soma c a de todas as aproximaoes ser c a h {(y0 + 4y1 + y2 ) + (y2 + 4y3 + y4 ) + . . . + (y2n2 + 4y2n1 + y2n )} , 3 que igual a e h {y0 + 4y1 + 2y2 + 4y3 + 2y4 + . . . + 2y2n2 + 4y2n1 + y2n } . 3 Para exemplicar e comparar com o Mtodo dos Trapzios, calculemos a mesma integral e e 1 1 dx usando a mesma diviso de intervalinhos (neste caso poss porque o n mero a e vel u 0 1+x2 de intervalos par). Usaremos 9 algarismos signicativos. Obtemos e 2(y2 + y4 + y6 + y8 ) = 6.33731529 e 4(y1 + y3 + y5 + y7 + y9 ) = 15.7246294 , de modo que
1 0
0.1 1 dx (1.0000 + 6.33731529 + 15.7246294 + 0.50000) , 1 + x2 3

1
ou seja, =4
1 dx 3.14159263 , 1 + x2 0 valor que difere de por menos do que 3 108 , resultado bem melhor do que o obtido no Mtodo dos Trapzios. e e
160
Cap tulo 15
Estimativa do erro nos mtodos e de integrao ca

15.1 Frmulas de erro e comparao dos mtodos o ca e
Aparentemente o Mtodo de Simpson se revela melhor do que o Mtodo dos Trapzios. Para e e e vericar melhor essa armaao, olhemos para a seguinte tabela, que mostra os clculos feitos c a 1 1 1 a para se obter com os dois mtodos para os valores de h iguais a 1 , 8 , 16 e 32 . Os clculos e 4 foram feitos com o software Maple, usando-se 20 algarismos signicativos. A primeira coluna indica o n mero de intervalos da partiao e a coluna seguinte o tamanho de cada intervalo da u c partiao. Na terceira e na quinta os valores de T (h) e S(h), multiplicados por quatro (para c 1 1 comparar com ). Usaremos T (h) para denotar a estimativa da integral 0 1+x2 dx com o Mtodo dos Trapzios e S(h) a estimativa da mesma integral com o Mtodo de Simpson. Na e e e quarta e na sexta esto as diferenas, em valor absoluto, entre os n meros obtidos e o valor a c u = 3.1415926535897932385 , fornecido pelo Maple com 20 algarismos signicativos. n 4 8 16 32 h 1/4 1/8 1/16 1/32 4T (h) 3.131 3.1390 3.14094 3.14143 |4T (h) | 0.011 0.0026 0.00065 0.00016 4S(h) |4S(h) | 3.141569 2.4 105 3.14159250 1.5 107 3.1415926512 2.4 109 3.141592653552 3.7 1011
Na tabela podemos observar que o Mtodo de Simpson no s mais eciente (compare e a oe na primeira linha, por exemplo), mas a cada vez que h diminu a sua eccia propore do a e cionalmente maior do que a do Mtodo dos Trapzios. A cada vez que h reduzido por 2, o e e e erro no Mtodo dos Trapzios diminui aproximadamente 4 vezes, enquanto que no Mtodo e e e de Simpson, neste exemplo, a reduao de pelo menos 64 vezes!! c e Devotaremos o restante deste Cap tulo ` discusso da eccia dos dois mtodos. Gosa a a e tar amos de ter, por exemplo, uma estimativa mxima para o erro cometido na integraao de a c 161
162
CAP ITULO 15. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO
uma funao f : [a, b] R, dado o tamanho h dos intervalos da partiao. Essa estimativa ser c c a chamada de ET , no caso do Mtodo dos Trapzios, e ES , no caso do Mtodo de Simpson. e e e Tanto ET como ES dependero de f , do tamanho total b a do intervalo de integraao e a c de h. No entanto, assumiremos f e o intervalo [a, b] como xos, de forma que freq enteu mente exprimiremos apenas a dependncia em relaao a h, dessas estimativas: ET = ET (h) e c e ES = ES (h). O signicado de ET (h) (e similarmente de ES (h)) o seguinte. Se calcularmos T (h), ento e a saberemos, com absoluta certeza, que o valor correto da integral est entre T (h) ET (h) e a T (h) + ET (h). E claro que essa interpretaao no leva em conta os erros de arredondamento c a cometidos nos clculos, devidos ` limitaao no n mero de algarismos signicativos. Por a a c u outro lado, o conhecimento prvio do erro inerente ao processo permite avaliar com quantos e algarismos signicativos deve ser feita a integraao. c Alm disso importante salientar que ET (h) (e similarmente ES (h)) no mede a real e e a diferena entre o valor obtido T (h) e o valor verdadeiro. Essa diferena , com certeza, c c e apenas menor do que ET (h). Por exemplo, na determinaao de que zemos acima, o c clculo de ET (h) e ES (h), de acordo com as frmulas que discutiremos abaixo, leva a valores a o muito maiores do que a real diferena entre os valores de T (h) e S(h) e o valor verdadeiro. c Pode-se dizer ento que a previso de erro foi bastante pessimista. Em outros casos, porm, a a e ela pode acabar sendo realista, e isso vai depender muito da funao integranda. c Na Seao seguinte nos preocuparemos em calcular ET (h) e ES (h). Usaremos trs aborc e dagens diferentes para o problema, obtendo ao nal resultados similares, e adotaremos, na prtica, aquelas que julgaremos ser as melhores estimativas. Os resultados esto expostos na a a tabela abaixo. 1a ET (h) ES (h)
1 2 12 max |f | |b a|h 1 3 24 max |f | |b a|h
2a
1 2 12 max |f | |b a|h 1 (iv) | |b a|h4 180 max |f
3a
5 2 12 max |f | |b a|h 1 (iv) | |b a|h4 45 max |f
Para entendermos melhor o signicado desta tabela, percebemos primeiro que todas as frmulas so do tipo Ch , com igual a 2, 3 ou 4. Nas constantes, est presente o mximo o a a a valor absoluto de certas derivadas de f , mximo que deve ser avaliado dentro do intervalo a [a, b]. Quem ser menor, C2 h2 , C3 h3 ou C4 h4 ? Ou colocando em n meros, a t a u tulo de exemplo, quem menor, 1000h4 ou 0.2h2 ? e Evidentemente no h resposta a essa pergunta, pois se h = 0.5, por exemplo, ento a a a 1000h4 = 62.5, que (bem) maior do que 0.2h2 = 0.05, mas por outro lado se h = 0.01 e ento 1000h4 = 105 , menor do que 0.2h2 = 2 105 . Na verdade, mesmo que 1000h4 seja a maior do que 0.2h2 , para certos valores de h, isso nunca vai acontecer se h for sucientemente pequeno, pois 1000h4 = 5000h2 0 0.2h2 quando h tende a zero. O limite indica mais ainda do que isso: a razo entre 1000h4 e 0.2h2 a tanto menor quanto menor for h. Se, por exemplo, quisermos que 1000h4 seja 100 vezes e menor do que 0.2h2 , ento basta tomar h menor do que 0.0014 (truncamento de 5000001/2). a
15.2. APLICACAO DAS FORMULAS DE ERRO
163
Nesta linha de racioc nio, quando h tende a ser pequeno, as melhores estimativas tendem a ser aquelas que tm mais alta potncia de h. So melhores nesse sentido, portanto, as e e a estimativas do Mtodo de Simpson, e dentre elas a segunda, pois, dentre as duas com h4 , e e aquela com menor constante multiplicativa: ES (h) = 1 max |f (iv) | |b a|h4 . 180
As trs estimativas para o Mtodo dos Trapzios so da mesma ordem (h2 ), sendo a terceira e e e a um pouco pior do que as outras duas, por apresentar constante multiplicativa maior. Ento a ET (h) = 1 max |f | |b a|h2 . 12
Essas duas estimativas so as que iremos adotar nas aplicaoes prticas. a c a
15.2
Aplicao das frmulas de erro ca o

2
Nesta Seao aplicaremos as frmulas de erro no clculo de c o a ln 2 =

1
1 dx . x
Suponha que queiramos calcular ln 2 com preciso de 5 105 , ou seja queremos que o valor a correto esteja a menos de 5 105 do valor estimado. Usaremos as frmulas de erro para o determinar em quanto devemos xar h para obter estimativas com essa preciso. a Examinemos primeiramente o Mtodo dos Trapzios. Sua frmula de erro envolve |b a|, e e o que igual a 1, e o maior valor absoluto da derivada segunda de f nesse intervalo. Ora, como e 1 2 1 a e c f (x) = x , ento f (x) = x2 e f (x) = x3 . Logo f (x) uma funao positiva e decrescente no intervalo considerado, atingindo seu mximo necessariamente em x = 1. O valor desse a mximo f (1) = 2. Assim sendo, a frmula de erro ca a e o ET (h) = h2 . 6
Essa frmula representa o erro mximo da estimativa. Portanto, se quisermos garantir o a que o erro da estimativa seja menor do que 5 105 , basta garantir que ET (h) seja menor do que esse valor, isto , gostar e amos de escolher h de tal forma que h2 < 5 105 . 6 Isto o mesmo que pedir e h< At agora, a concluso que qualquer valor de h menor do que 0.01732 . . . servir para e a e a obter a estimativa com a preciso desejada, usando-se o Mtodo dos Trapzios. Acontece a e e que h tambm deve ser tal que o comprimento total do intervalo seja um m ltiplo inteiro de e u h. Ou seja, devemos ter ba =n. h 30 105 = 0.01732 . . .
164
Como b a = 1 e h < 0.01732 . . . ento a n= ba 1 1 = > = 57.7 . . . , h h 0.01732 . . .
implicando que n deve ser maior ou igual a 58. Ento precisamos dividir o intervalo [1, 2] em a no m nimo 58 intervalinhos para conseguir a estimativa desejada, com a preciso requerida! a E o Mtodo de Simpson, ser que mais vantajoso neste exemplo? Ser que com mee a e a nos intervalos na partiao conseguiremos garantir a mesma preciso? Agora temos que nos c a concentrar na frmula de ES (h), que depende do mximo valor absoluto da quarta derivada, o a 6 24 2 c e entre 1 e 2. Como f (x) = x3 , temos f (x) = x4 e f (iv) (x) = x5 . Essa funao positiva e decrescente em [1, 2] de forma que seu mximo atingido em x = 1 e igual a 24. Ento a e e a ES (h) = 24 4 2 4 h = h . 180 15
Como queremos ES (h) < 5 105 , basta tomar h tal que 2 4 h < 5 105 , 15 isto , e h< 15 5 105 2
1 4
= 0.139 . . . .
Ento o n mero n de intervalos da partiao ser maior do que a u c a 1 = 7.18 . . . 0.139 . . . Aqui deve-se prestar uma atenao a mais: no Mtodo de Simpson o nmero de intervalos c e u deve ser par. Portanto n = 8 j uma boa escolha! ae Como o Mtodo de Simpson se revela consideravelmente menos trabalhoso para se obter, e garantidamente, a preciso desejada, faamos os clculos correspondentes. Mas antes teremos a c a que determinar o n mero de algarismos signicativos ou de casas decimais envolvidos. Na u verdade, como se trata de delimitar um erro absoluto, melhor considerar xo o n mero de e u casas decimais. Observe que o erro em cada arredondamento de f (xi ) de, no mximo, 0.5 10N , onde e a N o n mero de casas decimais utilizadas. Usando N casas decimais, a soma e u f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) + 4f (x5 ) + 2f (x6 ) + 4f (x7 ) + f (x8 ) acumular no mximo 20 vezes esse valor (20 a soma dos coecientes dos f (xi )s). O erro a a e acumulado ser, no mximo, 1010N , ou seja, da ordem da casa decimal anterior. Acontece a a 1 e a que depois essa soma ser multiplicada por h , que igual a 24 , de forma que o erro mximo a 3 por arredondamento no valor nal car menor do que 0.5 10N (por exemplo, se usarmos a 5 casas decimais o arredondamento provocar erro de no mximo 0.5 105 ). Pela frmula a a o de Simpson, a adoao de n = 8 nos leva a um erro mximo c a ES (h) = 2 15 1 8
4
3.26 105 ,
15.2. APLICACAO DAS FORMULAS DE ERRO
165
de forma que um erro adicional de 105 por arredondamento no nos tirar da margem a a previamente delimitada de 5 105 . O que nos faz concluir que o uso de 5 casas decimais e suciente para os clculos. a Ento vamos a eles! A tabela abaixo mostra os valores de f nos pontos da partiao, a c arredondados para 5 casas decimais. i 0 1 2 3 4 5 6 7 8 Obtemos xi 1.000 1.125 1.250 1.375 1.500 1.625 1.750 1.875 2.000 f (xi ) 1.00000 0.88889 0.80000 0.72727 0.66667 0.61538 0.57143 0.53333 0.50000
1 1 S( ) = 16.63568 = 0.69315 , 8 24
que difere do valor verdadeiro por menos do que 105 , dentro, portanto e com folga, da preciso pedida. a Exerc cio 15.1 A integral
2 1
ex dx x
maior ou menor do que 3? Justique sua resposta e d uma estimativa para a integral. e e Exerc cio 15.2 Investigue, de maneira geral, como deve se dar a escolha do nmero de u casas decimais dos clculos do Mtodo dos Trapzios e do Mtodo de Simpson, baseado no a e e e que foi feito no exemplo acima, e levando em conta a preciso que se quer atingir no resultado a nal. Proponha uma receita para essa escolha. c Exerc cio 15.3 Determine uma frmula para S( h ) em funao de T (h) e T ( h ). o 2 2 Exerc cio 15.4 Procure integrar numericamente funoes cujas primitivas sejam conhecidas, c de forma a comparar os resultados obtidos com os valores exatos. Examine a integraao c 2 numrica da funao Gaussiana ex , largamente utilizada em Probabilidade e Estatstica. e c Exerc cio 15.5 Considere a funao ln x = 1 1 dt. O objetivo deste exerccio ver que o c e t nmero e pode ser obtido atravs da soluao numrica da equaao ln x = 1, usando o Mtodo u e c e c e de Newton e calculando logaritmos somente atravs da deniao. e c 1. Determine a funao de iteraao do Mtodo de Newton, que resolve esta equaao c c e c numericamente. 2. Determine o erro mximo de se calcular ln x, para 1 x 3, usando o Mtodo de a e Simpson com 8 intervalos.
x
166

1 t,
3. Tome x0 = 3 e calcule x1 = (x0 ) (use 4 casas decimais para os valores de intervalos para a integraao). c 4. Calcule x2 = (x1 ), com 4 casas decimais e 8 intervalos.
e 8
5. Discuta uma estratgia que voc adotaria para mostrar que e est, com certeza, no e e a intervalo [2.716, 2.720]. Exerc cio 15.6 Usando o mtodo de mnimos quadrados, aproxime ex por um polinmio e o de grau 4 no intervalo [1, 1]. Para isso, use a famlia de polinmios ortogonais (nesse o 6 3 1 intervalo) g0 (x) = 1, g1 (x) = x, g2 (x) = x2 3 , g3 (x) = x3 3 x, g4 (x) = x4 7 x2 + 35 , 5 8 8 2 sabendo que < g0 , g0 >= 2, < g1 , g1 >= 3 , < g2 , g2 >= 45 , < g3 , g3 >= 175 , < g4 , g4 >= 128 a a 11025 . Observe que ser preciso calcular a integral gaussiana. Outras integrais ou sero nulas (porque o integrando mpar) ou podem ser reduzidas, por sucessivas integraoes por e c partes, a integral gaussiana. Estime os valores numricos usando uma aproximaao para essa ` e c integral. Exerc cio 15.7 Considere a equaao f (x) = c
x t2 dt 0 e
2
1 = 0.
1. Dena a funao de iteraao do Mtodo de Newton para resolver a equaao. c c e c 2. Com x0 = 1, obtenha x1 = (x0 ).
Cap tulo 16
Obteno das frmulas de erro ca o

Como dissemos no Cap tulo anterior, dedicaremos este Cap tulo para a obtenao das frmulas c o de erro mencionadas. Seguiremos trs abordagens, com a nalidade de propor diferentes e vises de como se pode estimar a integral da diferena entre a funao verdadeira e o polinmio o c c o interpolador que a substitui. O leitor reconhecer que a primeira abordagem a continuaao a e c natural das estimativas do erro de interpolaao obtidas no Cap c tulo 11. Todas as frmulas de erro mencionadas pressupem que os intervalos da partiao sejam de o o c igual tamanho. Poder amos, evidentemente, determinar frmulas mais gerais que levassem o em conta um espaamento irregular, mas sem d vida isso seria um pouco menos interessante. c u As idias da primeira abordagem, por exemplo, podem ser seguidas no caso geral, se isso for e da necessidade do leitor, mas deve-se atentar para o fato de que as frmulas de erro no sero o a a to boas quanto as outras. a Em todas as abordagens, a frmula de erro obtida primeiro para uma unidade bsica. o e a No Mtodo dos Trapzios, a unidade bsica um intervalo [xi , xi+1 ], de tamanho h. Para e e a e cada intervalo obtm-se uma frmula eT (h), e como o n mero de intervalos igual a n ento e o u e a ET (h) = neT (h) . Acontece que n tambm o tamanho total do intervalo de integraao dividido por h, de e e c forma que |b a| eT (h) . ET (h) = h Por exemplo, na primeira e na segunda abordagens obteremos eT (h) = logo |b a| max |f |h2 . 12 Observe que tambm h uma perda em relaao ` constante multiplicativa, pois na frmula e a c a o de eT (h) o mximo valor absoluto da segunda derivada obtido dentro da unidade bsica, a e a enquanto que na frmula de ET (h) trata-se do mximo ao longo de todo o intervalo de o a integraao. c ET (h) = 167 1 max |f |h3 , 12
168
CAP ITULO 16. OBTENCAO DAS FORMULAS DE ERRO
J no Mtodo de Simpson, a unidade bsica um intervalo da forma [x2i , x2i+2 ], que tem a e a e tamanho 2h. Em cada intervalo desses troca-se f por um polinmio quadrtico e examina-se o a a diferena produzida na integraao. A frmula de erro para a unidade ser denotada por c c o a eS (h). Como so n unidades bsicas e 2n = |ba| , resulta que a a h |b a| eS (h) . 2h As frmulas de erro das unidades bsicas (de acordo com a abordagem) esto contidas na o a a tabela abaixo. ES (h) = neS (h) = 1a eT (h) eS (h)
1 3 12 max |f | h 1 4 12 max |f | h
2a
1 3 12 max |f | h 1 (iv) | h5 90 max |f
3a
5 3 12 max |f | h 2 (iv) | h5 45 max |f
Finalmente, vale notar que, via uma mudana de coordenadas, os intervalos [xi , xi+1 ] do c Mtodo dos Trapzios podem ser tomados como sendo [0, h], e as unidades [x2i , x2i+2 ] do e e Mtodo de Simpson podem ser tomados como sendo [h, h]. e No Mtodo dos Trapzios, denimos p(x) como o polinmio interpolador de grau 1 por e e o (0, f (0)) e (h, f (h)), e procuramos limitar a diferena c
h
(h) =
0
(f (x) p(x)) dx ,
em valor absoluto, por eT (h). No Mtodo de Simpson, denimos p(x) como sendo o polinmio quadrtico por (h, f (h)), e o a (0, f (0)) e (h, f (h)), e procuramos limitar a diferena c
h
(h) =
h
(f (x) p(x)) dx ,
em valor absoluto, por eS (h).
16.1
Primeira Abordagem - Mtodo dos Trapzios e e
1 Mostraremos que |(h)| 12 max |f | h3 (vide tabela acima). De acordo com o exposto no Cap tulo 11, a diferena c
f (x) p(x) pode ser limitada, em [0, h], da seguinte forma: onde cx(h x) f (x) p(x) cx(h x) , c= Ento, pela deniao de (h), temos a c
h
1 max |f | . 2! [0,h] h3 , 6
|(h)| c e segue o que quer amos demonstrar.
x(h x)dx = c
16.2. PRIMEIRA ABORDAGEM - METODO DE SIMPSON
169
16.2
Primeira Abordagem - Mtodo de Simpson e
1 Mostraremos que |(h)| 12 max |f | h4 . De acordo com o Cap tulo 11, |f (x) p(x)| c|q(x)| , onde q(x) = (x + h)x(h x) e 1 c = 3! max[h,h] |f | . Ento a h
|(h)| c
|q(x)|dx .
Como q funao e c mpar, |q| funao par, de forma que e c

h
|(h)| 2c
|q(x)|dx .
Alm disso, em [0, h] a funao q positiva, e portanto s precisamos obter a integral e c e o

h 0
(x + h)x(h x)dx = |(h)| c 4 h , 2
h4 . 4
Logo de onde segue o que quer amos demonstrar.
16.3
Segunda Abordagem - Mtodo dos Trapzios e e
1 Iremos mostrar que |(h)| 12 max |f | h3 . h Queremos avaliar o erro de se aproximar a integral 0 f (x)dx pela rea do trapzio a e h (f (0) + f (h)). Para isso, consideraremos h como varivel e estimaremos o erro (h) em a 2 funao dessa varivel. Temos c a h
(h) =
0
f (x)dx
h (f (0) + f (h)) . 2
Se P for uma primitiva de f (isto , P (x) = f (x)), ento e a (h) = P (h) P (0) h (f (0) + f (h)) . 2
Observamos ento que (0) = 0, o que era de se esperar, pois nenhum erro cometido se h a e e nulo. Se pudermos limitar a derivada de (h) ento limitaremos seu crescimento, em funao a c do tamanho de h. Temos (h) = P (h) Como P = f , ento a (h) = 1 h (f (0) + f (h)) f (h) . 2 2
1 h (f (h) f (0)) f (h) . 2 2
170
Notamos tambm que (0) = 0, o que nos sugere derivar ainda mais uma vez, para delimitar e o crescimento de : h (h) = f (h) . 2 Ento a h | (h)| C , 2 onde C = max |f | .
[0,h]
Com o crescimento controlado de , voltamos a integrar:

h h
(h) = (0) +
0
(t)dt =
0 h 0
(t)dt .
Logo | (h)| Integrando mais uma vez,

h h 0
| (t)|dt C
t h2 dt = C . 2 4
|(h)| C Como quer amos demonstrar!
h3 t2 dt = (max |f |) . 4 12
16.4
Segunda Abordagem - Mtodo de Simpson e

1 90
Queremos mostrar que |(h)| Temos que avaliar

h
max |f (iv) | h5 . h (f (h) + 4f (0) + f (h)) . 3
(h) =
h
f (x)dx
Os passos so semelhantes `queles do Mtodo dos Trapzios, mas agora temos que derivar e a a e e integrar uma vez a mais. Derivando trs vezes chegamos a e h (h) = (f (h) f (h)) , 3 com (0) = (0) = (0) = 0. Pelo Teorema do Valor Mdio, existe = (h) no intervalo e [h, +h] tal que f (h) f (h) = f (iv) () 2h . Portanto, se C = max |f (iv) |
[h,h]
ento a | (h)| C
2h2 , 3
16.5. TERCEIRA ABORDAGEM - METODO DOS TRAPEZIOS e, por integraoes sucessivas, c | (h)| C | (h)| C |(h)| C 2h3 , 9 h4 , 18 h5 . 90
171
16.5
Terceira Abordagem - Mtodo dos Trapzios e e
5 Obteremos |(h)| 12 max |f | h3 . Nesta abordagem do clculo de erro, levamos em conta a expanso em Taylor da funao a a c f (vide Apndice C. O mtodo um pouco mais intuitivo que os anteriores, mas produz e e e resultados um pouco piores (no na ordem de h, mas nas constantes multiplicativas). a Como na Segunda Abordagem, olhamos para h
(h) =
0
f (x)dx
h [f (h) + f (0)] . 2
A funao f se escreve como c f (x) = f (0) + f (0)x + R(x) , onde |R(x)| max |f | J que f (0)h = a
h 0
x2 . 2
f (0)dx, temos
h
(h)
=
0 h
f (x) f (0)dx + f (0)xdx
h [f (0) f (h)] 2
h
=
0
h [f (0) f (h)] + 2
h 0 h
R(x)dx
0
= = =
f (0) f (0)
h h2 [f (h) f (0)] + 2 2
R(x)dx R(x)dx
0
h2 h [f (0)h + R(h)] + 2 2
h
h R(h) + 2
R(x)dx .
0
Usando a estimativa em |R(x)|, conclu mos que |(h)| max |f | 5h3 . 12
172
16.6
Terceira Abordagem - Mtodo de Simpson e
2 Iremos mostrar que (h) 45 max |f (iv) | h5 . Em primeiro lugar, observaremos que o Mtodo de Simpson, aplicado em pares de intere valos iguais, exato para polinmios c bicos. e o u Sem perda de generalidade, suponha que queiramos integrar
g(x) = ax3 + bx2 + cx + d em [h, h]. O Mtodo de Simpson nos d a aproximaao e a c h (g(h) + 4g(0) + g(h)) . 3 Mas g(h) + g(h) = 2bh2 + 2d . Alm disso, g(0) = d, logo e bh2 h (g(h) + 4g(0) + g(h)) = 2h( + d) . 3 3 Por outro lado, vemos que esse exatamente o valor da integral, pois e
h h
(ax3 + bx2 + cx + d)dx = a
x3 x2 x4 h |h + b |h + c |h + dxh . h h 4 3 2 h
O primeiro e o terceiro termos so nulos, logo a integral vale a 2b h3 + 2dh , 3
que o mesmo valor dado pelo Mtodo de Simpson. e e Agora consideremos uma funao f sucientemente diferencivel. Ela pode ser escrita c a como seu polinmio de Taylor de ordem 3 mais um resto R(x): o f (x) = f (0) + f (0)x + onde f (0) 2 f (0) 3 x + x + R(x) , 2 3!
R(x) 0 x3 quando x 0. Chamaremos de p3 o polinmio de Taylor, de forma que o f (x) p3 (x) = R(x) . Adiante teremos uma frmula mais expl o cita para esse resto, que permitir qualicar as a constantes envolvidas. h Queremos avaliar o erro cometido pelo Mtodo de Simpson para integrar h f (x)dx, isto e , olharemos para a diferena e c
h
(h) =
h
f (x)dx
h (f (h) + 4f (0) + f (h)) . 3
16.6. TERCEIRA ABORDAGEM - METODO DE SIMPSON Sabendo que o Mtodo de Simpson exato para grau trs, temos e e e
h
173
p3 (x)dx =
h
h (p3 (h) + 4p3 (0) + p3 (h)) , 3
logo, lembrando que p3 (0) = f (0) e que f (x) p3 (x) = R(x),

h
(h) =
h
R(x)dx
h (R(h) + R(h)) . 3
Usaremos a seguinte estimativa para o resto: |R(x)| max |f (iv) |

[0,x]
x4 , 4! 2h5 5! 2h5 . 45
de forma que
h h
R(x)dx max |f (iv) |

[h,h]
e |(h)| max |f (iv) |

[h,h]
2h5 2h5 + 5! 3 4!
= max |f (iv) |
[h,h]
174
Parte VI
Equaes Diferenciais co
175
Cap tulo 17
Breve introduo `s equaes ca a co diferenciais

17.1 Introduo ca
Uma equaao diferencial de uma varivel real uma equaao em que a incgnita uma c a e c o e funao real x : [a, b] R. Esta equaao coloca em relaao a funao e sua derivada. c c c c O tipo mais simples de equaao diferencial o problema de achar uma primitiva de uma c e dada funao. Por exemplo, c x (t) = f (t) , t [a, b] , signica que a derivada da funao x(t) igual a f (t) para todo t entre a e b. Em outras c e palavras, a funao x(t) uma primitiva da funao f (t). Na notaao de Leibniz, escrevemos c e c c x(t) = f (t)dt + C ,
indicando que todas as primitivas de f diferem por uma constante. Mais precisamente, se F1 e F2 so primitivas de f ento existe uma constante C, que depende claro de F1 e F2 , a a e tal que F1 (t) F2 (t) = C para todo t I. Uma primitiva em particular pode ser dada pela integral indenida
t
F (t) =
t0
f (s)ds ,
para um determinado t0 [a, b]. Neste caso, F (t0 ) = 0. Se adicionarmos ` equaao diferencial x (t) = f (t) a exigncia de que x(t0 ) = x0 , ento a c e a ca determinada a unica primitiva que soluao desse problema: e c
t
x(t) = x0 +
t0
f (s)ds .
Essa exigncia extra conhecida como um problema de valor inicial. e e 177
178
CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `
Em geral as equaoes diferenciais no se resumem to simplesmente a um problema de c a a integraao. Por exemplo, a derivada de x(t) pode depender de x(t), como na seguinte equaao: c c x (t) = x(t) , t R . a E fcil vericar que x(t) = et soluao. Ela no a unica, pois x(t) = cet tambm e c a e e e soluao da equaao diferencial para todo c R. No entanto, se impusermos o problema c c de valor inicial x(t0 ) = x0 e supusermos x(t) = cet , ento a constante c ca univocamente a determinada por x0 = x(t0 ) = cet0 , donde x(t) = x0 ett0 . Ao contrrio do exemplo anterior, no claro ainda neste ponto que x(t) seja a unica soluao a a e c da equaao diferencial x (t) = x(t) satisfazendo o problema de valor inicial x(t0 ) = x0 , pois c a princ pio poderia haver uma soluao que no fosse da forma x(t) = cet . De fato veremos c a que esse no o caso, pelo menos para essa equaao (vide Subseao 17.3.2). a e c c De modo geral, uma equaao diferencial colocada assim: a derivada de x(t) depende de c e t e de x(t), isto , e x (t) = f (t, x(t)) , onde f aqui denota uma funao de duas variveis (no nos preocuparemos por enquanto com c a a o dom nio da funao f ). Na notaao compacta escreve-se c c x = f (t, x) , cando impl cito o argumento das funoes x e x . Por exemplo, x = t2 sen(tx) signica c 2 x (t) = t sen(tx(t)). As funoes x(t) que vericam x (t) = f (t, x(t)) so chamadas soluoes c a c da equaao diferencial. c Alm disso, como nos dois exemplos acima, pode-se colocar o problema de valor inicial e x(t0 ) = x0 . O problema de achar x(t) tal que x = x(t0 ) = f (t, x) x0
comumente conhecido como problema de Cauchy. e Dizemos que uma equaao diferencial autnoma quando f s depende de x, isto c e o o e f (t, x) = X(x) (na medida do poss usaremos a letra f para as equaoes no autnomas vel c a o e X para as autnomas, por questes de tradiao). o o c Pensando no caso autnomo, suponha que j conheamos uma soluao para o problema o a c c de Cauchy x = X(x), x(0) = x0 . Seja x(t) essa soluao, isto x (t) = X((t)) e x(0) = x0 . c e x Ento fcil ver que x(t) = x(tt0 ) soluao do problema de Cauchy x = X(x), x(t0 ) = x0 . a e a e c Em outras palavras, no caso de equaoes autnomas basta estudar o problema de Cauchy c o com t0 = 0. Alm das equaoes autnomas, temos tambm as equaoes separveis, onde f (t, x) o e c o e c a e produto de uma funao que s depende de t por uma funao que s depende de x: c o c o f (t, x) = g(t)X(x) .
17.2. SOLUCAO DE EQUACOES AUTONOMAS E SEPARAVEIS
179
Veremos adiante que equaoes autnomas e separveis so facilmente sol veis, a menos c o a a u de integraoes e inverses, isto , podemos escrever suas soluoes em termos de inversas de c o e c primitivas de funoes elementares, mas eventualmente essas soluoes no podem ser obtidas c c a explicitamente.
17.2
Soluo de equaes autnomas e separveis ca co o a
Em primeiro lugar observamos que, de algum modo, equaoes autnomas representam um c o caso particular das equaoes separveis. Pois uma equaao autnoma x = X(x) tambm se c a c o e escreve como x = g(t)X(x), se tomarmos g(t) 1. Para discutir as soluoes de x = g(t)X(x), observamos primeiramente que se X(x ) = 0 c ento x(t) x soluao, pois x(t) 0 e g(t)X(x(t)) = g(t)X(x ) 0. Um ponto x dessa a e c forma chamado de singularidade da equaao. e c Est fora do escopo destas notas, mas com condioes razoveis sobre g e X (por exemplo, a c a g cont nua e X diferencivel e com derivada cont a nua), pode-se mostrar que se x(t) = x para algum instante t ento x(t) x . Em outras palavras, no h como uma soluao x(t) a a a c chegar e sair de uma singularidade. Na verdade, sob essas mesmas hipteses poss mostrar que duas soluoes quaisquer o e vel c x(t) e x(t) ou so idnticas (x(t) = x(t), para todo t) ou nunca se cruzam (x(t) = x(t), para a e todo t). Fora das singularidades, podemos encontrar a soluao da seguinte maneira. Primeiro c escrevemos a equaao com a varivel t explicitada: c a x(t) = g(t)X(x(t)) . O instante inicial t0 , e gostar e amos de saber x(t) se x(t0 ) = x0 (problema de Cauchy). Como estamos supondo que x(t) no passa por singularidade, ento X(x(t)) no se anula, e a a a podemos dividir os dois lados da equaao por X(x(t)), e integrar de t0 a t: c
t t0
1 x(s)ds = X(x(s))
g(s)ds .
t0
No lado esquerdo fazemos a substituiao u = x(s), de forma que du = x(s)ds. Ento c a

x(t) x0
1 du = X(u)
g(s)ds .
t0
A partir da podemos, em teoria, encontrar x(t), mas sua expresso expl a cita depender a 1 de podermos cumprir certas etapas. Por exemplo, se acharmos uma primitiva F para X e uma primitiva G para g, ento a equaao car a c a F (x(t)) = F (x0 ) + G(t) G(t0 ) . Se, alm disso, conseguirmos achar a inversa de F (pelo menos numa regio delimitada entre e a 1 a duas singularidades isso em tese poss e vel, pois F = X no troca de sinal, mas achar uma expresso expl a cita outra coisa!), teremos e x(t) = F 1 (F (x0 ) + G(t) G(t0 )) .
180
17.3
Alguns exemplos
Nesta Seao examinaremos alguns exemplos de equaoes diferenciais que surgem da modelac c gem de problemas do mundo real, e discutiremos sua soluo. ca
17.3.1
Naftalinas
Na Subseao 4.3.3 abordamos a perda de material de uma bolinha de naftalina em funao c c do tempo, e chegamos ` concluso de que seu raio r(t) obedece ` equaao a a a c r(t) = , onde uma constante positiva. e Podemos dizer que a equaao autnoma, mas muito mais do que isso. Ela diz que r(t) c e o e uma funao de derivada constante negativa, ou seja, uma funao am. Portanto e c e c r(t) = r0 t , onde r0 = r(0). Este caso no passa de uma simples primitivizaao. a c
17.3.2
Crescimento populacional a taxas constantes
Se tomarmos t como sendo o tempo, e x(t) como sendo a populaao de determinada espcie no c e instante t, podemos, por aproximaao, supor que x(t) varia continuamente (hiptese razovel c o a se a populaao grande). A taxa de variaao da populaao medida percentualmente, isto c e c c e , mede-se o incremento (ou decrescimento) x(t + h) x(t), do instante t para o instante e t + h, e divide-se pela populaao que havia no instante t: c x(t + h) x(t) . x(t) Mesmo assim, esse valor muito dependente do tempo h decorrido entre os dois instantes, e sendo muito mais razovel, portanto, dividir tudo por h. Fazendo depois o limite quando h a tende a zero, camos com x (t) , (t) = x(t) onde (t) indica a taxa de crescimento instantneo no instante t. a A hiptese Malthusiana de crescimento que (t) seja constante, isto , (t) , o que o e e leva ` equaao a c x (t) = x(t) . Podemos deduzir a soluao, sem apelar para chutes. A unica singularidade da equaao c c x = 0, e queremos achar as soluoes que no passam pelo zero. Ento e c a a
x(t) x0
1 du = (t t0 ) , u
portanto log x(t) = log x0 + (t t0 )
17.3. ALGUNS EXEMPLOS e, exponenciando os dois lados, x(t) = x0 e(tt0 ) .
181
Um modelo como este se presta tambm ` modelagem do decaimento radioativo, onde a e a taxa de decaimento de uma amostra de um istopo proporcional ` quantidade desse mesmo o e a istopo. o
17.3.3
Pra-quedista a
Alm do crescimento populacional e do decaimento radioativo, equaoes do tipo x = x e c explicam o comportamento da velocidade do pra-quedista. Se v(t) velocidade do praa e a quedista (supondo positiva se estiver indo de cima para baixo), ento v(t) a aceleraao, e a e c pela Segunda Lei de Newton vale mv(t) = mg v(t) , onde o termo v(t) corresponde ` fora de resistncia exercida em sentido contrrio ao do a c e a movimento e de intensidade proporcional ` velocidade. Isso d uma equaao autnoma em a a c o v(t). A velocidade de equil brio v denida como sendo aquela para a qual a resultante de e c foras nula, portanto v = mg . Se denirmos w(t) = v(t) v (ou seja, a diferena entre a c e velocidade e a velocidade de equil brio, em cada instante), teremos mw(t) = mv(t) = mg v(t) = v v(t) = w(t) . Como
m
g v ,
ento a w(t) = w0 e v t ,
g
se w0 = w(0). A equaao tambm poderia ser resolvida diretamente, pela integraao c e c

v(t) v0
m dv = t , mg v
seguindo o mtodo sugerido para equaoes autnomas e separveis. e c o a
17.3.4
Crescimento populacional com restries de espao co c
Um modelo ligeiramente mais realista do que o proposto na Subseao 17.3.2 levaria em conta c a limitaao de espao e alimento que uma populaao enfrenta quando se torna muito grande. c c c Esse modelo preveria que: (i) se a populaao for muito grande, a taxa de crescimento (t) c deveria ser negativa, e tanto mais negativa quanto maior for a populaao; (ii) se a populaao c c for muito pequena, a taxa de crescimento deveria ser positiva, e tanto mais positiva quanto menor for a populaao (respeitando claro a velocidade de reproduao mxima da espcie). c e c a e Nesse modelo, portanto, (t) dependeria exclusivamente da populaao, sendo mais justo c escrever (t) = h(x(t)) .
182
A funao h(x) assumiria um valor positivo em x = 0, correspondente a uma taxa de crescic mento ideal da populaao, sem limitaao f c c sica alguma. Essa taxa decresceria continuamente com o aumento de x, ao ponto de se tornar negativa para x grande. Por exemplo, h(x) = a bx, com a e b positivos, satisfaz a essas exigncias. Neste caso, e ter amos a equaao diferencial c x (t) = x(t) (a bx(t)) ou, em notaao compacta, c x = x(a bx) . Poder amos resolver explicitamente esta equaao, mas achamos que ela se presta muito c mais a um exame qualitativo, do qual iremos falar na prxima Seao. o c
17.3.5
Catenria a
J falamos mais de uma vez sobre a catenria, mas em nenhum momento justicamos pora a que uma corda (ou corrente) pendurada por dois pontos assume o formato de um cosseno hiperblico. o A deduao mais razovel passa por uma equaao diferencial. Vejamos. c a c Em primeiro lugar, chamaremos de t a coordenada horizontal e de x a coordenada vertical no plano da corda, para manter a notaao que usamos at este ponto da exposiao. c e c E comum o emprego de y e x para essas variveis, de forma a que a equaao diferencial se escreva como y = f (x, y), mas c no o faremos para evitar confuso. A origem das coordea a nadas ser colocada sobre o ponto de m a nimo da corda.
11 00 11 00 11 00
x
11 00 11 00 11 00
Como estamos modelando uma corda parada, temos um equil brio de foras sobre a c corda, que podemos investigar. As foras existem realmente, porque h o peso da corda c a agindo verticalmente e as foras de tenso para contrabalanar. c a c Faremos a anlise desse equil a brio de foras sobre um segmento da corda, entre o ponto c (0, 0) e um ponto arbitrrio (t, x(t)) da corda, onde x(t) indica a funao cujo grco coincide a c a com seu formato. Para se obter a fora peso agindo sobre esse pedao, preciso calcular seu comprimento c c e e multiplicar pela densidade linear da corda (que suporemos constante e igual a um certo n mero ). O comprimento l(t) do grco de x(t) entre 0 e t dado pela integral u a e
t
l(t) =
0
1 + x (s)2 ds .
As foras de tenso agem no segmento tangencialmente ` corda. Estando j equilibradas c a a a localmente no interior do segmento, restam as foras nos extremos. Em (0, 0) uma fora c e c horizontal, de intensidade f0 desconhecida. Em (t, x(t)) uma fora de intensidade f (t) e c desconhecida, inclinada com ngulo = (t) cuja tangente igual a x (t). a e
17.3. ALGUNS EXEMPLOS Do equil brio de foras horizontal obtm-se c e f0 = f (t) cos e do equil brio vertical gl(t) = f (t) sen . Dividindo a segunda equaao pela primeira camos com c tan = g l(t) . f0
183
J sabemos que tan = x (t) e que l(t) dado por uma integral. Derivando ambos os lados a e obtemos x (t) = c 1 + x (t)2 , onde c = g . Essa uma equaao autnoma onde a funao incgnita x (t). e c o c o e f0 a E fcil ver que x (t) = senh(ct) soluao. Pois derivando mais uma vez obteremos e c x (t) = c cosh(ct) e, por outro lado, 1 + senh2 (ct) = cosh2 (ct) = cosh(ct) .
Alm disso, x (t) = senh(ct) verica x (0) = 0, isto , a inclinaao da corda zero no ponto e e c e de m nimo. Agora basta integrar x (t) para obter x(t). Como x(0) = 0 ento a x(t) = 1 (cosh(ct) 1) . c
17.3.6
Escoamento de um copo furado
Neste exemplo, imagine um copo cheio dgua, com um buraco no fundo, por onde a gua a a escoa. Suponha que no instante t = 0 a altura do n da gua seja igual a h0 . Como evolui vel a com o tempo o n vel h da gua? Em quanto tempo o copo se esvaziar completamente? a a Se o copo tem um formato diferente, por exemplo, seu raio aumenta ou diminui conforme a altura, como se comporta a funao h(t)? c Com algum grau de empirismo, poss modelar o problema atravs de uma equaao e vel e c diferencial. O dado emp rico refere-se ` taxa de sa de gua pelo buraco, medida em volume por a da a unidade de tempo. Espera-se primeiramente que ela seja proporcional ` rea do buraco a a (a qual chamaremos de a0 ), mas no, a princ a pio, da sua forma. Tambm no se espera, e a em primeira aproximaao, que ela dependa do formato do copo. Por outro lado, ela deve c ser proporcional ` velocidade da gua que sai do buraco. Essa sua velocidade, por sua a a vez, dependeria da altura h, como se a coluna de gua ca dessa altura, alcanando uma a sse c velocidade da ordem de h (lembre-se que para um corpo em queda livre, a partir do repouso, a velocidade proporcional ` raiz da distncia j percorrida). Ento a taxa de variaao do e a a a a c volume do copo seria V (t) = ca0 h(t) .
184
Por outro lado, o decrescimento do volume implica no decrescimento do n vel da gua a h. Observe, no entanto, que quanto maior for a rea da seao transversal ao copo na altura a c h menor ser o decrescimento do n a vel, para uma mesma perda de volume. Ou pensando inversamente, se o copo for muito no ` altura h ento o n cair mais rapidamente. a a vel a Para quanticar isso, notemos que o volume de gua completamente determinado pelo a e n h atravs da funao vel e c
h
V (h) =
0
A(u)du ,
onde A(h) a funao que d a rea da seao correspondente ` altura h. Pelo Teorema e c a a c a Fundamental do Clculo, a V (h) = A(h) . A funao V (t) resulta ento da funao h(t) pela relaao c a c c V (t) V (h(t)) . Logo, pela Regra da Cadeia, V (t) = V (h(t))h (t) = A(h(t))h (t) . Juntando com a equaao emp c rica acima, temos A(h(t))h (t) = ca0 h(t) ,
que uma equaao diferencial autnoma, se a escrevermos na forma tradicional: e c o h h = ca0 . A(h) O exemplo mais simples o copo reto, quer dizer, cujas sees horizontais tm todas a e co e mesma rea A. Neste caso, a equaao se reduz a a c h (t) = Tomando t0 = 0 e h(0) = h0 , temos
h(t) h0
ca0 A
h(t) .
1 dh = t , h
onde =
ca0 A .
O lado esquerdo pode ser integrado: 2( h(t) h0 ) = t , h0 t 2

2
e h(t) pode ser isolado: h(t) = .
Portanto h(t) uma funao quadrtica em t, que vale h0 em t = 0, e se anula no seu ponto e c a de m nimo, t = 2 h0 .
17.3. ALGUNS EXEMPLOS
185
17.3.7
Dada do Mtodo de Newton, quem f ? e e
Um problema terico que pode ser resolvido com o aux de equaoes diferenciais separveis o lio c a o de achar a funao f que, no Mtodo de Newton, gera uma dada funao de iteraao . e c e c c Em outras palavras, dada a funao e sabendo-se que c (x) = x f (x) , f (x)
achar f . Manipulando, obtemos a equaao separvel c a f (x) = 1 f (x) , x (x)
onde x faz o papel de t e f o papel de x. A equaao s est denida fora dos pontos xos de , c o a mas uma anlise criteriosa mostra que as soluoes muitas vezes se estendem continuamente a c a esses pontos ( um bom exerc e cio!).
17.3.8
Transferncia de calor e
Um corpo est em contato com um grande reservatrio, cuja temperatura uma funao do a o e c tempo T (t). Seja x(t) a temperatura do corpo no instante t. A cada instante, a variaao da c temperatura do corpo proporcional ` diferena entre sua temperatura e a temperatura do e a c reservatrio. Equacionando: o x(t) = (T (t) x(t)) , onde uma constante positiva. e Aqui no se trata mais de uma equaao autnoma, pois se escrevermos x = f (t, x) ento a c o a f (t, x) = (T (t) x) . Esta equaao tampouco separvel, mas ainda assim simples o suciente para ser sol vel. c e a e u Ela se enquadra no conjunto das equaoes do tipo c x = a(t)x + b(t) , cuja soluao discutiremos abaixo. c O caso em que b(t) = 0 um caso particular de equaao separvel, que tem soluao e c a c
t
x(t) = x0 exp{
t0
a(s)ds}
se x0 = x(t0 ). Para o problema am x = a(t)x + b(t), x(t0 ) = x0 , com soluao x(t), usamos um truque: c R tt a(s)ds examinamos a derivada de y(t) = x(t)e 0 . Obtemos y(t) = x(t)e
Rt
t0
a(s)ds
x(t)a(t)e
Rt a(s)ds
Rt
t0
a(s)ds
porm substituindo x(t) por a(t)x(t) + b(t), camos com e y(t) = b(t)e
t0
186 e portanto
y(t) = y(t0 ) +
t0
b(r)e
Rr
t0
a(s)ds
dr .
Como y(t0 ) = x0 , obtemos a soluao c x(t) = e

Rt
t0
a(s)ds
x0 +
t0
b(r)e
Rr
t0
a(s)ds
dr
A unicidade garantida pela unicidade da integraao de y com a condiao y(t0 ) = x0 . e c c
17.4
Entendimento qualitativo de equaes autnomas co o
At agora no discutimos nada sobre a representaao grca das soluoes de uma equaao e a c a c c diferencial, mas naturalmente o mais bvio desenharmos o grco da soluao x(t). O que o e a c veremos nesta Seao que muito fcil desenharmos o esboo de algumas soluoes (variando c e e a c c a condiao inicial) de equaoes autnomas, sem resolv-las! c c o e Para comear, vimos que se x uma singularidade da equaao autnoma x = X(x), c e c o ento x(t) x soluao. Num diagrama em que coloquemos t na abscissa e x na ordenada, a e c esse tipo de soluao uma linha reta horizontal ` altura de x . Portanto as primeiras soluoes c e a c que podemos identicar na equaao so essas soluoes constantes, cada uma correspondendo c a c a um zero da funao X. c Em cada intervalo entre duas singularidades e nos intervalos entre a ultima singularidade e o innito, o sinal de X no muda, pois se mudasse haveria uma outra singularidade no a intervalo, pelo Teorema de Bolzano. Seja I um intervalo desses, e suponha que x(t) est em a I. Como X(x(t)) = x(t), ento o sinal de x(t) o mesmo que o sinal de X(x(t)), e esse sinal a e sempre o mesmo enquanto x(t) estiver em I. e Como as soluoes no cruzam as singularidades (isto garantido por um Teorema, se X c a e for derivvel e com derivada cont a nua), uma soluao x(t) est sempre connada a um mesmo c a intervalo, o que implica que o sinal de x(t) sempre o mesmo, para todo t. O que o mesmo e e que dizer que x(t) ou crescente ou decrescente, e uma ou outra opao ser determinada e e c a pelo sinal de X no intervalo onde est connada a soluao. a c Na gura abaixo, por exemplo, ilustramos esquematicamente uma funao (arbitrria) c a c e a X(x), com quatro singularidades x , x , x e x . A funao negativa ` esquerda de x e 1 4 1 2 3 a entre x e x , e positiva ` direita de x e nos intervalos entre x e x e entre x e x . 3 1 2 2 4 3 4
X(x)
1 0 1 0
1 0 1 0
1 0 1 0
1 0 1 0
x* 1
x* 2
x* 3
x* 4
O diagrama abaixo ilustra algumas soluoes (uma para cada intervalo). c
17.5. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS
187
x
1 0 1 0
x* 4 x* 3 x* 2 t x* 1
1 0 1 0
11 00 11 00
1 0 1 0
As soluoes so assintticas, para t indo a mais ou menos innito, `s singularidades (de c a o a fato, em equaoes autnomas, as soluoes no podem ser assintticas a pontos que no sejam c o c a o a singularidades). Uma maneira mais compacta de se representar qualitativamente o comportamento das soluoes dessa equaao diferencial usando um diagrama onde s entra a reta dos xs, como c c e o mostra a gura abaixo. As setas entre as singularidades indicam para que lado as soluoes c naquele intervalo tendem quando t tende a innito.
x* 1
1 0 1 0
x* 2
1 0 1 0
x* 3
1 0 1 0
x* 4
1 0 1 0
Assim ca fcil, por exemplo, entender a equaao de crescimento populacional a c x = x(a bx) . Como essa equaao s faz sentido para x 0, nos restringiremos a essa regio. Nessa regio, c o a a a funao X(x) = x(a bx) tem duas singularidades: x = 0 e x = a . Isso signica que a c 1 2 b populaao nula e a populaao igual a x so soluoes de equil c c c brio. 2 a Entre as duas, X(x) positiva e ` direita de x a funao X(x) negativa. Isso signica e a c e 2 que se a populaao inicial est abaixo da populaao de equil c a c brio ento tender a aumentar a a assintoticamente at o equil e brio x . E se comear acima decrescer assintoticamente at o c a e 2 mesmo equil brio.
17.5
Equaes diferenciais com mais variveis co a
Existem tambm os chamados sistemas de equaoes diferenciais (de primeira ordem), que e c envolvem simultaneamente duas ou mais funoes e suas respectivas primeiras derivadas. Por c exemplo, x = 3x2 y + 3 . y = sin x + yx3 Neste caso, achar uma soluao para o sistema signica encontrar duas funoes x(t) e y(t) que c c simultaneamente veriquem x(t) = y(t) = 3x(t)2 y(t) + 3 sin x(t) + y(t)x(t)3 .
188
Esse tipo de problema parece ser bastante rido ` primeira vista, mas se torna mais atraente a a se o interpretarmos do ponto de vista geomtrico. e
y
Podemos olhar as funoes x(t) e y(t) como as coordenadas c de uma curva : t (x(t), y(t)) no plano xy. A derivada da curva , dada por (t) = (x(t), y(t)), representa o vetor tangente ` curva. O sistema de equaoes diferenciais diz a c ento que, em cada instante t, o vetor tangente ` curva a a (t) dado por (t) = (x(t), y(t)) tem que ser exatamente igual ao vetor (3x(t)2 y(t) + 3, sin x(t) + y(t)x(t)3 ).
. (t) x (t)=(x(t),y(t))
Perceba que esse sistema de equaoes diferenciais j xa, para cada ponto (x, y), qual ser c a a o vetor tangente de uma soluao que por ali passar em algum instante: (3x2 y+3, sin x+yx3 ). c Essa funao que associa para cada ponto um vetor (que deve ser sempre tangente `s soluoes c a c do sistema) chamada de campo de vetores. Uma maneira de esboar um campo de vetores e c mostrando os vetores correspondentes a alguns pontos do plano (x, y). e
Para um sistema de equaoes diferenciais como esse tambm podemos estabelecer o proc e blema de Cauchy: dado um ponto (x0 , y0 ) e um instante t0 achar uma soluao (t) tal que c (t0 ) = (x0 , y0 ). Modelos de crescimento populacional envolvendo mais do que uma espcie so um t e a pico exemplo de sistemas de equaoes diferenciais. Cada varivel do sistema representa a poc a pulaao de uma espcie. Por exemplo, se x(t) for a populaao de tartarugas e y(t) for a c e c populaao de jacars, podemos tecer as seguintes consideraoes. Em primeiro lugar, a poc e c pulaao de tartarugas no precisa dos jacars para sobreviver, mas tem suas limitaoes de c a e c espao e alimento usuais. Como na Subseao 17.3.4, a taxa de crescimento proporcional da c c populaao uma funao parecida com A Bx(t), mas deve-se descontar um termo tanto c e c maior quanto maior for a populaao de jacars, por exemplo Cy(t). Ento ter c e a amos x (t) = A Bx(t) Cy(t) . x(t)
17.5. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS
189
Por outro lado, supondo que os jacars precisem se alimentar das tartarugas para sobrevie verem, sua taxa de crescimento proporcional na ausncia de tartarugas negativa, e ser e e a mais negativa ainda se sua populaao for muito grande, tambm por problemas relativos c e a ` limitaao do espao. Por outro lado, quanto maior for a populaao de tartarugas, mais c c c facilidade a populaao ter para crescer. Dessas consideraoes, razovel supor que c a c e a y (t) = D Ey(t) + F x(t) . y(t) Juntando tudo, camos com o sistema x = y = (A Bx Cy)x (D Ey + F x)y .
E claro que todo esse racioc nio hipottico, pois carece de dados reais. No entanto, e e cada situaao onde duas ou mais espcies se inuenciam mutuamente, seja numa relaao c e c predador-presa seja numa relaao de competiao pelo mesmo alimento ou espao, esse tipo c c c de modelagem pode ser feito. Outra classe de exemplos relevante vem das equaoes diferenciais de segunda ordem (isto c , que envolvem a segunda derivada), por exemplo, qualquer equaao do tipo x = (x, x). e c Com um pequeno truque podemos transformar essa equaao num sistema de duas equaoes c c de primeira ordem. Basta denir uma segunda varivel (na verdade, uma segunda funao do a c tempo) v(t) = x(t), de forma que x(t) = v(t). Ento camos com as duas equaoes a c x v = v = (x, v) ,
onde a primeira equaao vem simplesmente da deniao de v. c c Por exemplo, tomemos a equaao do pndulo c e g = sen . l Chamando (t) = (t), camos com = = g sen l .
190
Cap tulo 18
Soluo numrica de equaes ca e co diferenciais

Neste Cap tulo estudaremos algumas maneiras de se resolver numericamente uma equaao c diferencial do tipo x = f (t, x), e veremos no nal como generalizar as idias para dimenses e o mais altas.
18.1
Equaes separveis co a
Para comear, veremos nesta Seao que j dispomos dos mtodos necessrios para resolvermos c c a e a as equaoes separveis. Os mtodos propostos posteriormente sero, entretanto, muito mais c a e a gerais e, inclusive, mais prticos. a Como vimos no Cap tulo anterior, se x = g(t)X(x) for a equaao, F for uma primitiva c 1 de X e G for uma primitiva de g, ento a x(t) = F 1 (F (x0 ) + G(t) G(t0 )) . Acontece que nem sempre poss e vel obter integrais expl citas, e aqui temos que resolver duas. Resolvendo ou no, uma delas ainda ter que ser invertida, o que tambm dif ou a a e e cil imposs vel, na maioria dos casos. Todos esses problemas poderiam ser solucionados numericamente. A primitiva de g pode ser denida como
t
G(t) =
t0
g(s)ds ,
1 X
de forma que G(t0 ) = 0 e, da mesma forma, a primitiva de

x
se dene naturalmente como
F (x) =
x0
1 du , X(u)
resultando em F (x0 ) = 0, e portanto x(t) = F 1 (G(t)) . 191
192
CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS
As duas primitivas podem ser obtidas nos pontos que se quiser, usando os mtodos de ine tegraao numrica discutidos na Parte V. J ao problema de inverso da funao F pode-se c e a a c aplicar o Mtodo de Newton. e Para sermos mais precisos, imagine que queiramos calcular x(t) num determinado instante t, e todas as operaoes mencionadas acima tenham que ser feitas numericamente. Em primeiro c lugar, calculamos G(t) usando integraao numrica (com a melhor preciso poss c e a vel, claro), e e depois teremos que achar x(t) tal que F (x(t)) = G(t) , tomando-se os cuidados necessrios para que seja buscada a soluao que nos interessa. Ou a c seja, x(t) soluao da equaao e c c f (x) = F (x) G(t) = 0 . Como F (x) =
1 X(x) ,
a funao de iteraao para o Mtodo de Newton ca c c e (x) = x X(x) (F (x) G(t)) .
Com um palpite inicial x0 temos que iterar a funao , de forma a obter x1 , x2 , etc, at c e chegar prximo ` raiz com a preciso desejada. Ento o a a a
xk
xk+1 = xk X(xk ) G(t) +
x0
1 du X(u)
isto , em cada etapa da iteraao preciso estimar F (xk ) usando algum mtodo de integraao e c e e c numrica. O erro pode, em tese, ser controlado, usando-se estimativas de erro das duas e integraoes e tambm do Mtodo de Newton. c e e Se o procedimento acima for implementado no computador e x(t) for calculado para vrios a valores de t, em seqncia, o melhor palpite para a condiao inicial x0 do Mtodo de Newton ue c e o valor de x(t) obtido na etapa anterior, pois a funao x(t) cont e c e nua.
18.2
Discretizao ca
O fundamento da soluao numrica de equaoes diferenciais x = f (t, x) a discretizaao da c e c e c varivel t. Se [a, b] o intervalo onde gostar a e amos de achar a soluao x(t) ento dividimos c a esse intervalo com uma partiao regular c a = t0 < t1 < t2 < . . . < tn1 < tn = b , onde a diferena entre pontos sucessivos igual a h (o chamado passo). Determinar nuc e mericamente a funao x(t) signica achar, com preciso sucientemente boa, os valores c a x0 = x(t0 ), x1 = x(t1 ), . . ., xn = x(tn ). Em suma, a soluao numrica de uma equaao diferencial peca, inevitavelmente, pela c e c impreciso em t, pois os valores de x(t) so calculados somente para uma quantidade nita a a de valores de t, e pela impreciso na determinaao de x(t), sendo que ambas podem ser a c minimizadas, segundo os mtodos propostos abaixo, pela reduao do passo h. Ao mesmo e c
18.2. DISCRETIZACAO
193
tempo esta , para muitos propsitos, a melhor alternativa dispon e o vel, visto que a maioria das equaoes diferenciais no admite soluao expl c a c cita, em termos de funoes elementares. c Em todos os mtodos, obteremos a soluao numrica por recorrncia. A condiao inicial e c e e c x0 = x(t0 ) dada (seno no h sentido no problema, uma vez que existe uma innidade de e a a a soluoes da mesma equaao), e a partir dela obter-se-o, em sucesso, os valores de x1 , x2 , c c a a etc. Como tk+1 = tk + h (para k = 0, . . . , n 1), a estimativa de xk+1 = x(tk+1 ) pode ser obtida a partir da estimativa de xk = x(tk ) por meio de uma expanso em Taylor. Para a simplicar a notaao, denotaremos tk por t, a partir de agora, e xk por x(t), ou `s vezes c a simplesmente por x. Ento a x(t + h) = x(t) + x (t)h + 1 1 (m) x (t)h2 + . . . + x (t)hm + o(hm ) , 2! m!
onde o(hm ) denota o resto da expanso, que vai a zero quando h tende a zero mesmo se a dividido por hm (tipicamente, termos de ordem m + 1 ou mais). E claro que a funao precisa c ser diferencivel at ordem m para valer essa expresso, mas em geral esse o caso. a e a e A expresso signica que, quanto menor for h, melhor o polinmio em h (sem o resto) a o aproximar x(t+h). Alm disso, geralmente mas nem sempre, quanto maior for m melhor ser a e a a aproximaao e, principalmente, mais efetiva se tornar a reduao de h como instrumento c a c para melhorar a preciso de x(t + h) atravs do polinmio. a e o As derivadas de x(t) se relacionam com as derivadas de f atravs da equaao diferencial, e c s que f uma funao de duas variveis, t e x. Por exemplo, da prpria equaao temos a o e c a o c igualdade x (t) = f (t, x(t)). Quanto ` segunda derivada temos a x (t) = f f d f (t, x(t)) = (t, x(t)) + x (t) (t, x(t)) , dt t x
pela Regra da Cadeia aplicada a funoes de duas variveis, e portanto c a x (t) = f f (t, x(t)) + f (t, x(t)) (t, x(t)) . t t
Aqui vale, antes de prosseguirmos, simplicar a notaao. Na maioria dos casos, as dec rivadas de x sero calculadas em t, e todas as derivadas parciais de f , de qualquer ordem, a em (t, x(t)). Assim, s indicaremos explicitamente o ponto onde esto sendo calculadas as o a funoes e suas derivadas se esses pontos no forem t e x(t). Nessa notaao, teremos c a c x = f f +f . t x
Para simplicarmos mais ainda, denotaremos as derivadas parciais de f com um sub ndice. Por exemplo, 2f ftx = . tx Na hiptese de que f seja uma funao de classe C 2 (jargo matemtico para dizer que f o c a a tem derivadas parciais at segunda ordem, e cont e nuas), ento um teorema (o Teorema de a Schwarz) garante que a ordem das derivadas parciais pode ser trocada, de forma que podemos trocar ftx por fxt , ou ainda fttx por fxtt ou ftxt .
194
Segue dessas consideraoes que a expresso de x(t + h) pode ser escrita, at a ordem c a e desejada, inteiramente em funao de f e de suas derivadas parciais. Neste Cap c tulo, iremos tecer consideraoes somente at ordem 4, mesmo assim precisaremos da expresso de x e c e a x . Para obter x temos que derivar em relaao a t a expresso de x , lembrando sempre c a que cada derivada parcial de f tambm depende de (t, x(t)), e que a regra da Cadeia deve e ser usada. Ento, como x = ft + f fx , obtemos a x = ftt + f ftx + (ft + f fx )fx + f (fxt + f fxx) e, reagrupando os termos, x = ft fx + f (fx )2 + ftt + 2f ftx + f 2 fxx ,
2 onde fx denota (fx )2 e no a derivada em relaao a x de f composta com si mesma. Sugere-se a c fortemente ao leitor que verique essa conta, e em seguida que verique que 2 3 x = ft fx + f fx + +fx ftt + 3ft ftx + 5f fxftx + 3f ft fxx + 4f 2 fx fxx + fttt + 3f fttx + 3f 2 ftxx + f 3 fxxx .
Ao leitor assustado com o tamanho das expresses recomenda-se pacincia: ao nal, todos o e os algoritmos que derivaro desta linha de racioc a nio sero extremamente simples! Veremos a nas prximas Seoes de que maneira podemos implementar as idias ora expostas, e suas o c e poss veis variaoes. c
18.3
O Mtodo de Euler e
x(t + h) = x(t) + x (t)h + o(h) .
O Mtodo de Euler consiste em tomar a aproximaao de primeira ordem de x(t + h): e c
O resto o(h) indica que o erro em tomar essa aproximaao ser, em geral, da ordem de h2 c a ou mais. Como x = f , o Mtodo sugere que, na prtica, obtenhamos xk+1 = x(tk+1 ) = x(tk + h) e a como xk+1 = xk + f (tk , xk )h . A iteraao a partir de x0 acumular um erro da ordem de h2 em cada etapa, podendo c a acumular ao nal um erro de nh2 . Como n = ba , ento o erro acumulado ser da ordem de a a h (b a)h. A t tulo de ilustraao, vejamos um exemplo cuja soluao exata conhecida. Tomemos c c e a equaao separvel x = 3t2 x, no intervalo [0, 1], com x(0) = 2. Para achar a soluao c a c expl cita, temos que isolar x(t) em
x(t) 2
1 du = u
t 0
3s2 ds ,
isto , e log x(t) log 2 = t3 .
18.3. O METODO DE EULER Ento x(t) = 2et . a

3
195
Compararemos essa soluao exata com a soluao obtida pelo Mtodo de Euler com passo c c e h = 0.1. Antes de apresentar o resultado, calculemos os primeiros valores xk com cuidado, para xarmos melhor o entendimento do mtodo. e Temos
x1 = x0 + f (t0 , x0 )h ,
com t0 = 0, x0 = 2 e f (t, x) = 3t2 x. Portanto x1 = x0 = 2. Depois, temos x2 = x1 + f (t1 , x1 )h = x1 3t2 x1 h , 1 de forma que substituindo os valores conseguimos
x2 = 2 3 0.12 2 0.1 = 2 6 103 = 1.994 . O resultado est na tabela abaixo, arredondados para 3 casas decimais depois de obtido cada a xk . k 0 1 2 3 4 5 6 7 8 9 10 tk 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xk 2.000 2.000 1.994 1.970 1.917 1.825 1.688 1.506 1.285 1.038 0.786 2etk 2.000 1.998 1.984 1.947 1.876 1.765 1.611 1.419 1.199 0.965 0.736
3
O maior erro cometido em relaao ` soluao verdadeira c a c ocorreu em tk = 0.7 (1.506 1.419 = 0.087), mas no chea gou a 0.1, o tamanho do passo. E preciso tomar cuidado com a avaliaao do erro, pois sabemos apenas que ele pode c ser da ordem de h, mas isso signica apenas que ele mee nor do que uma constante vezes h. Essa constante pode ser muito grande, de forma que a informaao no suciente c a e para estimar o erro. No entanto, ela diz que, se reduzirmos h ento o erro mximo se reduzir proporcionalmente. a a a
Por exemplo, vejamos o que resulta da mesma equaao com passo igual a 0.05, com quatro c casas decimais.
196
k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
tk 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 1.00
xk 2.0000 2.0000 1.9993 1.9963 1.9896 1.9777 1.9592 1.9326 1.8971 1.8516 1.7954 1.7281 1.6497 1.5606 1.4617 1.3543 1.2400 1.1210 0.9995 0.8781 0.7592
2etk 2.0000 1.9998 1.9980 1.9933 1.9841 1.9690 1.9467 1.9161 1.8760 1.8258 1.7650 1.6935 1.6115 1.5197 1.4193 1.3116 1.1986 1.0822 0.9648 0.8485 0.7358
A maior diferena em relaao ao valor verdadeiro no passou de 0.043, em tk = 0.75, que c c a metade da discrepncia obtida com passo igual a 0.1. e a Exerc cio 18.1 Considere a equaao diferencial x = x2 sent, com a condiao inicial c c x(0) = 1. Obtenha uma discretizaao/aproximaao da soluao usando o Mtodo de Euler de c c c e primeira ordem, no intervalo [0, 0.6], com passo h = 0.1.
18.4
Indo para segunda ordem
Para que a reduao de h seja mais eciente preciso fazer com que a ordem de grandeza c e do erro dependa de h elevado a uma potncia mais alta. Para isso, preciso ir alm da e e e aproximaao de primeira ordem em x(t + h). Consideremos, por exemplo, a aproximaao de c c segunda ordem: 1 x(t + h) x + x h + x h2 , 2 onde x = f e x = ft + f fx . Ento, ainda no exemplo x = 3t2 x, temos f (t, x) = 3t2 x, ft (t, x) = 6tx e fx (t, x) = a 3t2 . Substituindo essas expresses, com a notaao x(t + h) = xk+1 , x = xk , t = tk , obtemos o c a relaao de recorrncia c e 3 xk+1 = xk + 3tk xk h tk h + t3 h 2 k .
18.4. INDO PARA SEGUNDA ORDEM
197
O erro mximo cometido em cada iteraao da ordem de h3 , portanto o erro mximo a c e a acumulado ao longo de todo o intervalo da ordem de (b a)h2 . Isso signica que a reduao e c do passo pela metade provoca reduao no erro da ordem de quatro vezes. c Exerc cio 18.2 Use a relaao de recorrncia acima com passo 0.1, a partir da mesma c e condiao inicial x(0) = 2 e compare com os resultados obtidos anteriormente. c Apesar da vantagem em relaao ` preciso, ao passar para segunda ordem acabamos por c a a nos envolver com uma funao de iteraao muito mais complicada, apesar de a expresso de c c a f (t, x) ser muito simples. Vrios fatores contribuem para isso: as expresses das derivadas a o parciais de f e a combinaao da frmula, que envolve vrios termos. Indo para ordem ainda c o a mais alta essas complicaoes aumentam bastante e exigem, da parte do programador, o c clculo de todas as derivadas parciais envolvidas e a montagem das frmulas. a o O que faremos no restante desta Seao explorar uma observaao a respeito da expanso c e c a de x(t + h) at segunda ordem, que nos permitir implementar um mtodo computacionale a e mente mais simples. Na Seao seguinte veremos como esse mtodo pode ser generalizado c e inclusive para ordens mais altas, sem expressivo acrscimo da complexidade algortmica, eme bora a deduao do algoritmo propriamente dito possa car cada vez mais complicada. Essa c abordagem conhecida como Mtodo de Runge-Kutta de integraao das equaoes diferenciais. e e c c Estamos interessados na diferena x(t + h) x(t), dada por c 1 x(t + h) x(t) = hf + h2 (ft + f fx ) + o(h2 ) , 2 que escreveremos assim: 1 x(t + h) x(t) = h f + (hft + hf fx ) + o(h2 ) . 2 Ento reparamos que o termo hft + hf fx tem certa semelhana com a expanso da funao a c a c de duas variveis f (t, x) at primeira ordem: a e f (t + t, x + x) = f (t, x) + ft (t, x)t + fx (t, x)x + o(t, t) , onde o(t, x) denota um termo (o resto) muito menor do que a norma de (t, x), isto , e muito menor do que t2 + x2 . Muito menor signica que esse termo, quando dividido por t2 + x2 , vai a zero, se t2 + x2 vai a zero. Logo, se tomarmos t = h e x = hf ento teremos a f (t + h, x + hf ) f (t, x) = hft (t, x) + hf (t, x)fx (t, x) + o(h) , pois t2 + x2 = h 1 + f 2 . Na notaao compacta que propusemos, temos c hft + hf fx = f (t + h, x + hf ) f + o(h) . Portanto x(t + h) x(t) = h f + 1 (f (t + h, x + hf ) f ) + o(h2 ) 2
(a soma de dois termos o(h2 ) um termo o(h2 )). Ou seja, e x(t + h) x(t) = h (f (t, x) + f (t + h, x + hf )) . 2
198
Vejamos como isso se d na prtica, ao passarmos de xk para xk+1 . Pensando em termos a a de algoritmo, temos que calcular 1 = f (tk , xk ) e, tomando esse valor de 1 , calcular 2 = f (tk + h, xk + h1 ) . Assim xk+1 = xk + h (1 + 2 ) . 2
A vantagem desse mtodo que no precisamos calcular derivadas parciais de f , e o e e a algoritmo ca consideravelmente mais simples. Apenas calculamos 1 (que o valor de f e no ponto (tk , xk )), e depois usamos 1 para calcular outro valor de f , desta feita no ponto (tk + h, xk + h1 ). O acrscimo em xk para se chegar a xk+1 ser a mdia desses dois valores, e a e multiplicada pelo passo h. Na tabela abaixo fazemos esse algoritmo, com o problema x = 3t2 x, x(0) = 2, no intervalo [0, 1]. Usando o passo h = 0.1, a coluna 1 signica 1 = 3t2 xk k e a coluna 2 signica 2 = 3t2 (xk + h1 ) , k+1 pois tk + h = tk+1 . k 0 1 2 3 4 5 6 7 8 9 10 tk 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 2etk 2.0000 1.9980 1.9841 1.9467 1.8760 1.7650 1.6115 1.4193 1.1986 0.96478 0.73576
3
xk 2.0000 1.9970 1.9821 1.9438 1.8722 1.7604 1.6065 1.4144 1.1946 0.96264 0.73637
1 0 0.059910 0.23785 0.52483 0.89866 1.3203 1.7350 2.0792 2.2936 2.3392
2 .060000 0.23892 0.52875 0.90783 1.3368 1.7586 2.1065 2.3164 2.3455 2.1862
+ 2 ) 0.0030000 0.014942 0.038330 0.071633 0.11177 0.15395 0.19208 0.21978 0.23196 0.22627
h 2 (1
Observamos que a diferena para o valor correto foi de, no mximo, 0.005. c a
18.5
Runge-Kutta
O mtodo de Runge-Kutta uma generalizaao do algoritmo que desenvolvemos em segunda e e c ordem, para que no seja preciso calcular derivadas parciais de f , e vale para qualquer ordem a m. Pensando na passagem de xk para xk+1 a idia escrever e e x(t + h) x(t) = h(1 1 + 2 2 + . . . + m m ) ,
18.5. RUNGE-KUTTA onde 1 = f (tk , xk ) ,
199
2 = f (tk + a1 h, xk + b1 1 h) , 3 = f (tk + a2 h, xk + b2 2 h) , . . . . . . . . . m = f (tk + am1 h, xk + bm1 m1 h) .
Ou seja, dentro de cada etapa k preciso fazer uma recorrncia de tamanho m, onde cada e e i (i 2) calculado em funao de i1 , partindo de 1 = f (tk , xk ). e c 1 Na Seao anterior, t c nhamos m = 2, 1 = 2 = 2 e a1 = b1 = 1. Agora consideraremos o caso m = 3, e tentaremos determinar as constantes 1 , 2 e 3 , assim como a1 , b1 , a2 e b2 . Ao nal, veremos que existe uma certa liberdade na escolha dessas constantes. A maneira de se organizar para uma tarefa dessas a seguinte. Desenvolveremos os dois e lados da equaao c x(t + h) x(t) = 1 1 + 2 2 + 3 3 h at ordem 2 em h (seria ordem 3, mas estamos dividindo tudo por h), e obteremos vrios e a termos envolvendo derivadas parciais de f . Como ocorre com polinmios, preciso haver o e igualdade termo a termo. Cada uma dessas igualdades ser uma equaao onde as incgnitas a c o so as constantes procuradas, e o problema car reduzido ` resoluao desse sistema (no a a a c a linear) de equaoes. c O lado esquerdo da equaao mais conhecido: c e x(t + h) x(t) 1 1 = x + x h + x h2 + o(h2 ) , h 2 6 onde as expresses de x , x e x j foram deduzidas na Seao 18.2. Introduzindo essas o a c expresses, camos com o 1 1 1 1 1 1 1 2 f + hft + hf fx + h2 ft fx + h2 f fx + h2 ftt + h2 f ftx + h2 f 2 fxx . 2 2 6 6 6 3 6 Os termos esto separados um a um, propositalmente, porque isso tornar mais fcil a coma a a paraao com o outro lado da equaao. c c Com relaao ao outro lado, preciso calcular 1 , 2 e 3 , at ordem h2 . J sabemos que c e e a 1 = f . E sabendo i calculamos i+1 por i+1 = f (t + ai h, x + bi i h) . Expandindo f at segunda ordem, obtemos e i+1 = f (t + ai h, x + bi i h) = 1 1 = f + (ai h)ft + (bi i h)fx + (ai h)2 ftt + (ai h)(bi i h)ftx + (bi i h)2 fxx + o(h2 ) . 2 2 Por outro lado, i j foi calculado de maneira semelhante, e sua expresso deveria ser subsa a titu na expresso de i+1 . da a
200
No caso m = 3, temos 1 = f , portanto 2 = f (t + a1 h, x + b1 hf ) = 1 1 = f + a1 hft + b1 hf fx + a2 h2 ftt + a1 b1 h2 f ftx + b2 h2 f 2 fxx + o(h2 ) . 2 1 2 1 J a expresso de 3 mais complicada, pois devemos substituir a expresso de 2 em a a e a cada lugar onde aparece. Por sorte, podemos desprezar os termos que tenha ordem mais alta do que h2 . Por exemplo, b2 h2 fx = b2 h(f + a1 hft + b1 hf fx )fx + o(h2 ) , uma vez que os termos com h2 , quando multiplicados por h, cam h3 , isto , so termos e a o(h2 ). H outros dois termos a expandir: a a2 b2 h2 2 ftx = a2 b2 h2 f ftx + o(h2 ) e Ento a
2 3 = f + (a2 hft ) + (b2 hf fx + a1 b2 h2 ft fx + b1 b2 h2 fx )+ 1 1 + a2 h2 ftt + a2 b2 h2 f ftx + b2 h2 f 2 fxx + o(h2 ) . 2 2 2 2
1 1 2 2 2 b h 2 fxx = b2 h2 f 2 fxx + o(h2 ) . 2 2 2 2
Finalmente, podemos reunir 1 1 +2 2 +3 x3 , e conseguiremos uma soma com os seguin2 tes termos: (1 + 2 + 3 )f , (2 a1 + 3 a2 )hft , (2 b1 + 3 b2 )hf fx , 3 a1 b2 h2 ft fx , 3 b1 b2 h2 f fx , 1 (2 a2 + 3 a2 )h2 ftt , (2 a1 b1 + 3 a2 b2 )h2 f ftx e (2 b2 + 3 b2 )h2 f 2 fxx . 1 2 1 2 2 Da comparaao termo a termo com a expanso de c a x(t + h) x(t) , h que corresponde ao lado esquerdo da equaao, obtemos as seguintes equaoes: c c f: hft : hf fx : h2 f t f x :
2 h2 f f x :
h2 ftt : h2 f ftx : h2 f 2 fxx :
1 1 2 1 2 1 6 1 6 1 6 1 3 1 6
= = = = = = = =
1 + 2 + 3 2 a1 + 3 a2 2 b1 + 3 b2 3 a1 b2 3 b1 b2 1 (2 a2 + 3 a2 ) 1 2 2 2 a1 b1 + 3 a2 b2 1 (2 b2 + 3 b2 ) 1 2 2
(18.1) (18.2) (18.3) (18.4) (18.5) (18.6) (18.7) (18.8)
18.5. RUNGE-KUTTA
201
A primeira equaao a unica que envolve 1 , assim 1 car determinado assim que 2 e 3 c e a forem determinados. Da quarta e da quinta equaoes tiramos imediatamente que a1 = b1 . c Levando isso em conta na sexta e na stima equaoes resulta que tambm a2 = b2 . Com isso, e c e as trs ultimas equaoes se tornam idnticas, a quarta e a quinta tambm, e a segunda e a e c e e terceira idem. Em resumo, camos com trs equaoes nas quatro incgnitas a1 , a2 , 2 e 3 : e c o 1 2 1 6 1 3 = = = 2 a1 + 3 a2 3 a 1 a 2 2 a2 + 3 a2 1 2
Havendo uma incgnita a mais do que o n mero de equaoes, abre-se a possibilidade para a o u c existncia de uma innidade de soluoes. Podemos escolher um valor para a2 , por exemplo, e c mas algumas escolhas podem tornar o sistema imposs vel. No entanto, saberemos como escolher se tratarmos a2 como uma constante, em vez de uma incgnita. Da segunda equaao o c 1 2 a2 = 6a1 colocada na primeira obtemos 2 a1 + Multiplicando por a1 resulta 1 1 = . 6a1 2
a1 1 , 2 6 que junto com a segunda pode ser substitu na terceira equaao, levando a da c 2 a2 = 1 3a2 3a1 + a2 = 0 , 1 depois de mais uma multiplicaao por a1 e simplicaoes. Ento c c a 3 9 12a2 . a1 = 6
1 Se tomarmos a2 = 3 teremos necessariamente que a1 = 2 . Com esses valores, obtemos 4 2 2 4 3 = 9 , 2 = 9 e 1 = 9 . A concluso que o Mtodo de Runge-Kutta pode ser aplicado com a e e
x(t + h) x(t) =
h (21 + 32 + 43 ) + o(h3 ) , 9
1 3 1 onde 1 = f (t, x), 2 = f (t + 2 h, x + 2 1 h) e 3 = f (t + 4 h, x + 3 2 h). 4
Exerc cio 18.3 Use o algoritmo de Runge-Kutta de ordem 3 deduzido acima na equaao c diferencial separvel x = 3t2 x, x(0) = 2. Aumente o nmero de algarismos signicativos. a u De preferncia, crie um programa de computador para testar os algoritmos. e Exerc cio 18.4 Na Seao anterior, obtivemos m = 2, 1 = 2 = 1 e a1 = b1 = 1 para o c 2 Mtodo de Runge-Kutta de ordem 2. No entanto, como vimos em ordem 3, pode haver outras e maneiras de implement-lo, pois as equaoes que determinam a escolha dos i s, ai s e bi s a c
202
tm mais do que uma soluao. Baseando-se no raciocnio feito em ordem 3, ache todas as e c possveis implementaoes do Mtodo de Runge-Kutta em ordem 2. c e Exerc cio 18.5 Considere a equaao x = ex t, com a condiao inicial x(0) = 1. Obtenha c c uma discretizaao/aproximaao da soluao em [0, 0.5], usando o Mtodo de Runge-Kutta de c c c e segunda ordem. Exerc cio 18.6 Considere a mesma equaao e a mesma condiao inicial do Exerccio anc c terior. Aproveite o fato de ser uma equaao separvel para obter x(0.5) usando o Mtodo de c a e Newton e o Mtodo de Simpson combinados. Para o Mtodo de Newton, use condiao inicial e e c igual a 1 e calcule 3 iterados posteriores. Para o Mtodo de Simpson use n = 4. Discuta e o erro envolvido ao se resolver a equaao dessa maneira, da melhor forma que voc puder. c e Compare com o resultado da questo anterior. a Exerc cio 18.7 O algoritmo de Runge-Kutta de ordem 4 pode ser deduzido de forma anloga. a Para isso preciso fazer as contas com muito cuidado. Tente partir da suposiao de que e c x(t + h) x(t) = h(1 + 2 + 3 + 4 ) + o(h4 ) , onde 1 2 3 4 = f (t, x) , = f (t + bh, x + b1 h) , = f (t + ch, x + c2 h) , = f (t + dh, x + d3 h) ,
1 6,
2
e mostre que essas constantes podem assumir os seguintes valores: = 1 1 = 6 , b = 1 , c = 2 e d = 1. 2
2 6,
2 6,
Exerc cio 18.8 Implemente o Mtodo de Runge-Kutta de ordem 4 no computador. e
18.6
Runge-Kutta em sistemas de equaes autnomas co o
A resoluao numrica de um sistema de equaoes autnomas muito semelhante ao que j c e c o e a zemos antes. Desenvolveremos o Mtodo de Runge-Kutta de ordem 2 para um sistema de e duas equaoes, e o leitor ver que o Mtodo pode ser aplicado a qualquer tipo de sistema c a e de equaoes diferenciais, autnomas ou no, em qualquer ordem, tudo dependendo de se dec o a duzir o algoritmo convenientemente. H atualmente muitos programas de computador com a os algoritmos j implementados, bastando ao usurio somente digitar as equaoes. Outros a a c algoritmos mais nos so tambm usados, para minimizar ainda mais os erros, principala e mente quando se trata de integrar a equaao diferencial em grandes intervalos de tempo. E c recomendvel, no entanto, saber minimamente como eles funcionam. a Suponha que queiramos integrar o sistema de equaoes diferenciais c x y = = f (x, y) g(x, y) .
18.6. RUNGE-KUTTA EM SISTEMAS DE EQUACOES AUTONOMAS At segunda ordem, temos e x(t + h) x(t) = y(t + h) y(t) = Como x = f e y = g, ento a x = x fx + y fy = f fx + gfy e y = x gx + y gy = f gx + ggy . Ento a x(t + h) x(t) = y(t + h) y(t) =
1 h f + 2 (hf fx + hgfy ) + o(h2 ) 1 h g + 2 (hf gx + hggy ) + o(h2 )
203
hx + h x + o(h2 ) 2 2 hy + h y + o(h2 ) 2
Mas hf fx + hgfy = f (x + f h, y + gh) f (x, y) + o(h) e hf gx + hggy = g(x + f h, y + gh) f (x, y) + o(h) . Portanto x(t + h) x(t) y(t + h) y(t) = =
h 2 h 2
(f (x, y) + f (x + f h, y + gh)) + o(h2 ) (g(x, y) + g(x + f h, y + gh)) + o(h2 )
Exerc cio 18.9 Considere o sistema de equaoes diferenciais c x y = x2 + y 1 = 1+x
Se x(0) = 0.5 e y(0) = 0.2, estime t > 0 necessrio para que a soluao (x(t), y(t)) cruze o a c eixo y, usando o Mtodo de Euler de primeira ordem com passo 0.1. e Exerc cio 18.10 Deduzir o Mtodo de Runge-Kutta de ordem 4 para sistemas autnomos e o de duas equaoes. c Exerc cio 18.11 Usar os Mtodos de Runge-Kutta para integrar os sistemas de equaoes e c diferenciais da Seao 17.5. c
204
Apndice A e
Entendendo os sistemas lineares

A.1 Sistemas lineares e intersees de hiperplanos co
em que procuramos x e y que simultaneamente satisfaam as equaoes dadas. c c Podemos olhar para uma equaao de cada vez, examinando o conjunto dos pares (x, y) c que satisfazem a primeira e depois o conjunto dos (x, y) que satisfazem a segunda. O que estamos procurando a intersecao desses dois conjuntos, isto , os pontos do plano que e c e satisfazem as duas equaoes ao mesmo tempo. c A equaao 5x + 2y = 3 determina uma c reta. Observe que essa reta o grco e a da funao y(x) = 3 5 x, que tem c 2 2 inclinaao 5 e cruza o eixo das orc 2 3 c denadas em 2 . A outra equaao determina outra reta, grco da funao a c y(x) = 1 + x, que tem inclinaao 1 e c cruza a ordenada em 1.
Pode-se melhorar bastante a compreenso dos sistemas lineares se os interpretarmos sob o a ponto de vista geomtrico. e Considere o sistema 5x + 2y = 3 , x + y = 1
3 2
5x+2y=3
y=1+x
3 2 1
5x+2y=3
Na gura ao lado desenhamos as duas retas, e constatamos que elas devem se cruzar num unico ponto. Esse ponto, por estar simultaneamente nas duas retas, satisfaz as duas equaoes. Portanto c ele a soluao procurada do sistema lie c near.
205
206
APENDICE A. ENTENDENDO OS SISTEMAS LINEARES
Por essa interpretaao entende-se porque alguns sisc temas podem no ter soluao. Isso acontece se as a c retas forem paralelas mas no coincidentes, como no a sistema abaixo: 2x + 2y = 0 x + y = 1 .
y=1+x y=x
1
As retas so os grcos das funoes y = 1+x e y = x, a a c como mostra a gura ao lado. Outra coisa que pode acontecer a existncia de uma innidade de soluoes. Basta que e e c as duas equaoes determinem a mesma reta, como neste exemplo: c 2x + 2y = 2 x + y = 1 .
Nem sempre a equaao de uma reta determina c o grco de uma funao y(x). Esse ser sema c a pre o caso quando o coeciente que multiplica y for igual a zero. Por exemplo, a equaao c 2x = 3 representa uma reta vertical, pois o e conjunto de todos os (x, y) tais que x = 3 . 2
x= 3 ou 2x=3 2
3/2
E no caso de 3 equaoes a 3 incgnitas? Bem, nesse caso cada uma das equaoes determina c o c um plano, e as soluoes so todos os pontos de interseco dos trs planos. Como no caso de c a ca e 2 incgnitas, pode haver uma soluao, nenhuma ou uma innidade delas. o c Num sistema de n equaoes a n incgnitas devemos imaginar que cada equaao determina c o c um hiperplano de dimenso n 1 no espao de dimenso n. Infelizmente no podemos a c a a visualizar nada disso, mas isso no nos impede de teorizar sobre o assunto. a
A.2
Transformaes lineares co
Outra maneira bastante importante de se entender os sistemas lineares atravs do conceito e e de transformaoes lineares, e dele nos ocuparemos at o nal do Cap c e tulo. Tomemos novamente o exemplo 5x + 2y = 3 x + y = 1 Essa equaao pode ser escrita na notaao matricial c c 5 2 1 1 x y = 3 1 . .
A.2. TRANSFORMACOES LINEARES
207
Para compactar ainda mais a notaao, chamaremos de A a matriz, u o vetor (matriz coluna) c de coordenadas x e y e b o vetor (matriz coluna) de coordenadas 3 e 1, e escreveremos Au = b . Essa forma de escrever sugere que pensemos A como uma funao (ou transformaao, ou ainda c c aplicaao) que toma um vetor qualquer u e transforma num outro vetor Au. c 1 Por exemplo, se u = , ento a 2 Au = como mostra a gura abaixo. 5 2 1 1 1 2 = 1 4 ,
u=(1,2)
Au=(1,4)
Num sistema linear o que temos o problema inverso: dado o vetor b (a coluna de termos e x independentes ` direita), qual o vetor u = a e tal que Au = b? y a E fcil ver que essa idia funciona da mesma forma em dimenses mais altas. Se o sistema e o linear tem n equaoes e n incgnitas ento os coecientes formam uma matriz A que pode c o a ser usada como uma aplicaao (ou transformaao, ou funao) levando vetores-coluna c c c x1 . u= . . xn
em vetores Au. Apesar de no ser nossa preocupaao aqui, na verdade nem preciso que o a c e n mero de incgnitas iguale o n mero de equaoes para termos esse tipo de interpretaao. u o u c c Pois o sistema linear a11 x1 + a12 x2 + . . . + a1n xn = b1 a21 x1 + a22 x2 + . . . + a2n xn = b2 , . . . am1 x1 + am2 x2 + . . . + amn xn = bm que tem m equaoes e n incgnitas, pode ser escrito na forma matricial c o a11 . . . a1n x1 b1 . . . = . . .. . . . . . . . . . am1 . . . amn xn bm
208
Agora a matriz dos coecientes, que tem m linhas e n colunas, leva, por multiplicaao, c vetores-coluna de tamanho n em vetores-coluna de tamanho m (ou seja, uma aplicaao de e c Rn em Rm ).
A.3
Notao e interpretao ca ca
Vale a pena neste ponto fazermos alguns comentrios a respeito da notaao, o que evitar a c a confuses mais tarde. Como vimos, a matriz A dos coecientes, que n n, pode ser o e vista tambm como uma aplicaao, mas no faremos distinao na notaao. Como matriz, A e c a c c multiplica um vetor-coluna de tamanho n e o resultado um outro vetor-coluna de tamanho e n. Em notaao compacta temos Au = b. Como aplicaao, A toma um vetor u de Rn e c c transforma em outro vetor b de Rn . A rigor dever amos escrever A(u) = b, mas no o faremos. Por razes de praticidade (e a o tambm estticas, por que no?) usaremos os parnteses somente quando for preciso deixar e e a e claro que A se aplica a toda uma expresso, por exemplo, A(u + v), ao invs de Au + v, que a e poderia dar a impresso de que aplicamos A em u e depois somamos v, quando na verdade a primeiro somamos u com v e depois aplicamos A. Portanto no faremos distinao clara entre a matriz A e a aplicaao A, pois usaremos a c c a mesma notaao nos dois casos. Para abusar mais um pouquinho, escreveremos muitas c vezes os vetores como n-upla, ao invs de vetores-coluna, com as coordenadas separadas por e v rgulas, como por exemplo na frase tome u = (x1 , . . . , xn ) e b = Au..., cando claro que se quisermos calcular b devemos dispor o vetor u em coluna e multiplicar por A, ` esquerda. a
A.4
Inverso de matrizes a
Antes de prosseguir, observamos que a notaao matricial nos propicia relacionar conceitos c aparentemente distantes. Por exemplo, o problema de inverter uma matriz quadrada A de tamanho n equivalente a resolver n sistemas lineares n n. e A inversa de A denida como a matriz U tal que AU = Id, onde Id a matriz identidade, e e que tem 1 ao longo da diagonal principal e 0 no restante. A propriedade fundamental da matriz identidade que Id A = A e A Id = A, funcionando de forma anloga ao n mero e a u 1 na multiplicaao usual entre n meros reais. A diferena principal entre a multiplicaao de c u c c n meros reais e a multiplicaao de matrizes que a segunda no comutativa: h (muitos) u c e a e a exemplos onde A U no igual a U A (tente vericar com matrizes 2 por 2, escolhidas ao a e acaso). Suponha que tenhamos A = {aij }nn e queiramos achar U = {uij }nn tal que AU = Id. Explicitamente, queremos resolver a11 a12 . . . a1n u11 u12 . . . u1n 1 0 ... 0 a21 a22 . . . a2n u21 u22 . . . u2n 0 1 ... 0 . . . . = ... ... ... ... . .. .. . . . . . . ... . ... . . . 0 0 ... 1 an1 an2 . . . ann un1 un2 . . . unn a E fcil ver que temos a n equaoes do tipo Au = b, onde u e b so colunas de U e Id na c a
A.5. EXPLORANDO A LINEARIDADE mesma posiao. Por exemplo, c a11 a21 . . . an1 para essa equaao ser satisfeita deve valer c 1 u11 a12 . . . a1n a22 . . . a2n u12 0 . . = . , .. . . . . ... . . . an2 . . . ann un1 0
209
que corresponde ` primeira coluna. a
A.5
Explorando a linearidade
A propriedade mais importante da funao que leva vetores u em Au a linearidade. A c e linearidade signica que, para quaisquer vetores u1 e u2 tem-se A(u1 + u2 ) = Au1 + Au2 , e que, para qualquer vetor u e qualquer n mero real , u A(u) = Au . Observe que isso equivalente a dizer que para quaisquer vetores u1 e u2 e n meros e e u vale A(u1 + u2 ) = Au1 + Au2 . Fica como exerc para o leitor demonstrar a linearidade (em dimenso 2), supondo que cio a A= a c b d
uma matriz da forma mais geral poss e vel! No dif tente!, e depois procure mostrar no a e cil, caso geral, para matrizes n n. Para entendermos o signicado geomtrico da linearidade, vejamos primeiro o que a e e soma de vetores e sua multiplicaao por um n mero (comumente chamado de escalar). c u A multiplicaao de um vetor (x, y) por um escalar o vetor (x, y), isto , cada c e e coordenada multiplicada por . Isto signica que os dois vetores so colineares, mas o e a tamanho do novo vetor || vezes o tamanho do vetor original. Alm disso, se for um e e n mero negativo, o sentido do novo vetor ser oposto ao do vetor original (ver gura abaixo). u a Dizer ento que A(u) = Au signica dizer: tomar a imagem de um vetor u multiplia cado por o mesmo que tomar a imagem de u e depois multiplicar por . Isto mostra e que, se conhecermos Au ento saberemos quem A(u) para qualquer !! a e A soma de dois vetores vista geometricamente pela Lei dos Paralelogramos. Se u1 = e (x1 , y1 ) e u2 = (x2 , y2 ) ento a u1 + u2 = (x1 + x2 , y1 + y2 ) , como mostrado na gura abaixo.
210
u ( > 1 )
u1+ u2 y 2
u y 1
u ( < 0)
x1
x2
Dizer que A(u1 + u2 ) = Au1 + Au2 signica: obter a soma por meio da Lei do Paralelogramo e depois aplicar a transformaao A o mesmo que aplicar a transformaao a cada c e c um dos vetores e depois somar pela Lei do Paralelogramo. Vejamos a principal conseqncia da linearidade. Para isso, chamemos a atenao para ue c dois vetores especiais do plano: e1 = (1, 0) e e2 = (0, 1). Eles so chamados de vetores a cannicos. Sua importncia reside no fato de que se u = (x, y) um vetor qualquer ento o a e a u = (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) = xe1 + ye2 . Dizemos que u uma combinaao linear de e1 e e2 (isto , a soma de dois vetores, um colinear e c e a e1 e o outro colinear a e2 ). Usando a linearidade, temos ento a Au = A(xe1 + ye2 ) = xAe1 + yAe2 . Isto signica que se soubermos Ae1 e Ae2 ento saberemos automaticamente Au, para quala quer vetor u!! Em outras palavras, a aao da aplicaao linear A ca completamente deterc c minada pelo seu resultado em e1 e e2 ! Por exemplo, na gura abaixo mostramos como calcular Au, se u = (1.5, 2), se Ae1 e Ae2 forem como ilustrado.
Au Ae1 Ae2
e2 e1
1.5
A.5. EXPLORANDO A LINEARIDADE
211
Isso sugere que o sistema de coordenadas cartesiano original transferido para um outro e sistema de coordenadas, medido a partir de combinaoes lineares de Ae1 e Ae2 . c Fica reforado assim o carter geomtrico dos sistemas lineares. Pois se dermos b no lado c a e direito do desenho, temos um mtodo para achar u tal que Au = b (vide gura abaixo). e Basta medir as coordenadas de b no sistema de coordenadas das combinaoes de Ae1 e c Ae2 , e depois procurar no sistema cartesiano tradicional, ` esquerda, o vetor que tem essas a coordenadas!
e2 u e1 Ae2 b b=Au
Ae1
Vale aqui uma observaao bastante pertinente: os vetores Ae1 e Ae2 so as colunas da c a a matriz A. E fcil ver a razo: a a c b d 1 0 a c a c b d 0 1 b d
Ae1 =
, Ae2 =
Tudo ocorre de forma semelhante em dimenso qualquer n. A soma de vetores tambm a e obtida pela soma das coordenadas dos vetores. Tambm como em dimenso 2, a aplicaao e e a c que leva vetores u em vetores Au linear. Os vetores cannicos so e1 = (1, 0, . . . , 0), e2 = e o a (0, 1, 0, . . . , 0), . . ., en = (0, 0, . . . , 0, 1). Qualquer vetor pode ser escrito como combinaao c linear dos vetores cannicos, pois o
u = (x1 , x2 , . . . , xn ) = x1 e1 + x2 e2 + . . . + xn en . Isto implica que saber Ae1 , . . . , Aen permite calcular automaticamente qualquer Au.
212
A.6
Existncia e unicidade de solues e co

Ae2=(4,6)
Voltando a pensar em dimenso 2, observe que esse esa quema geomtrico para achar u tal que Au = b caria e prejudicado se por alguma razo Ae1 e Ae2 fossem vetores a colineares. Isso aconteceria se os vetores-coluna da matriz A fossem colineares, como por exemplo na matriz 2 4 3 6 .
Ae1=(2,3)
Neste caso, teremos Ae1 e Ae2 como na gura ao lado. O desastre ocorre se tivermos um vetor b que no seja colinear a eles e quisermos achar u a a tal que Au = b. E fcil ver porque no vai existir esse vetor: todo vetor u = (x, y) se escreve a como combinaao linear u = xe1 + ye2 , logo Au = xAe1 + yAe2 . S que se Ae1 e Ae2 forem c o colineares ento Au tambm ser colinear a eles. Em resumo, para qualquer escolha de u, a e a o vetor imagem Au estar sempre sobre a mesma reta, na mesma direao de Ae1 e Ae2 (a a c aplicaao A leva todo o R2 sobre uma reta, uma aplicaao longe de ser injetiva!). Portanto c c imposs que exista Au = b se b no for colinear com esses dois vetores! e vel a Esse tipo de problema ocorre justamente nos sistemas indeterminados. E o caso em que o sistema no tem soluao. Por outro lado, se b for colinear a Ae1 e Ae2 ento haver innitas a c a a soluoes, isto , innitas escolhas de u tais que Au = b. Para mostrar isso, escrevemos c e Ae2 = Ae1 (j que eles so colineares, e supondo que Ae1 seja no-nulo), e a a a Au = xAe1 + yAe2 = xAe1 + yAe1 = (x + y)Ae1 . Ao mesmo tempo, com a hiptese de que b seja colinear a Ae1 temos o b = Ae1 . Ento Au = b desde que a x + y = , o que determina uma reta de possibilidades de x e y. Pensando em geral, em dimenso n, o problema de se achar u tal que Au = b ter soluao a a c garantida sempre que possamos achar n meros x1 , . . . , xn tais que u b = x1 Ae1 + . . . + xn Aen , isto , sempre que {Ae1 , . . . , Aen } formar uma base, pois ento pela linearidade, e a b = A(x1 e1 + . . . + xn en ) = Au , se chamarmos u = (x1 , . . . , xn ). Pode-se demonstrar que {Ae1 , . . . , Aen } no forma uma base se e somente se um dos a vetores Aei for combinaao linear dos demais. Sempre que {Ae1 , . . . , Aen } (lembre-se, so as c a colunas da matriz A) no formar uma base, teremos duas situaoes poss a c veis para a equaao c
A.7. INJETIVIDADE, SOBREJETIVIDADE... GLUP!
213
Au = b, dependendo de b: se b no for combinaao linear de {Ae1 , . . . , Aen } ento a equaao a c a c no ter soluao; e se b for combinaao linear de {Ae1 , . . . , Aen } ento haver uma innidade a a c c a a de soluoes da equaao (tente mostrar isso!). c c J se {Ae1 , . . . , Aen } formar uma base ento b se escreve de forma unica como a a b = x1 Ae1 + . . . + xn Aen , implicando que existe uma unica soluao para Au = b, a saber u = (x1 , . . . , xn ). c
A.7
Injetividade, sobrejetividade... glup!
Valem aqui alguns comentrios complementares sobre a discusso terica que estamos lea a o vando. Acabamos de ver que a matriz de coecientes A nos deixa duas opoes: 1) para todo c b, Au = b tem soluao (portanto a aplicaao A sobrejetiva) e essa soluao unica (donde c c e c e Au = Av implica u = v, isto , a aplicaao A tambm injetiva); 2) existe b tal que Au = b e c e e no tem soluao (logo A no sobrejetiva) e existe b tal que Au = b tem vrias soluoes a c a e a c (logo A no injetiva). Ou seja, das duas uma: ou A bijetiva ou no nem sobrejetiva a e e a e nem injetiva. Uma caracter stica t pica de uma aplicaao linear A que se A no for injetiva ento h c e a a a um vetor w no-nulo (de fato, uma innidade deles) tal que Aw = 0. Pois se A no injetiva a a e ento existem u e v, com u = v, tais que Au = Av. Logo Au Av = 0, e pela linearidade a A(u v) = 0 . Chame w = u v. Esse vetor no-nulo porque u = v, e assim demonstramos nossa e a armativa. Para ilustrar, apliquemos essas idias ao problema de interpolaao polinomial da Seao 1.5. e c c L quer a amos passar o grco de um polinmio p(x) de grau n 1 por n pontos xados (com a o abscissas distintas). Isto , dados (x1 , y1 ), . . . , (xn , yn ) quer e amos achar p(x) = a0 + a1 x + . . . + an1 xn1 tal que p(x1 ) = y1 , . . . , p(xn ) = yn , e isso nos levou imediatamente a um sistema linear onde as incgnitas so os n coecientes do polinmio: o a o n1 y1 1 x1 x2 . . . x1 a0 1 1 x2 x2 . . . xn1 a1 y2 2 2 . . . . . . = . . . . . . . . . . . . . . . . 1 xn x2 n
n1 . . . xn
an1
yn
Queremos mostrar que essa equaao sempre tem soluao e essa soluao unica. Como c c c e vimos acima, isso acontece se e somente se a matriz A dos coecientes for uma aplicaao c injetiva. Suponha por contradiao que essa matriz A no fosse injetiva. Ento existiria um conc a a junto de coecientes w = (a0 , a1 , . . . , an1 ) no-nulo (isto , pelo menos um dos coecientes a e diferente de zero) tal que Aw = 0. Ou seja, ter amos um polinmio q(x) de grau n 1 (no o mximo), no-nulo, tal que q(x1 ) = 0, . . . , q(xn ) = 0, isto , com n ra distintas. a a e zes Mas polinmios no-nulos de grau n 1 tm no mximo n 1 ra o a e a zes (prove usando seus conhecimentos de clculo!), portanto chegamos a uma contradiao, o que mostra que A a c obrigatoriamente tem que ser injetiva!
214
Exerc cio 1.1 Explique por que se A for injetiva ento existe uma e somente uma soluao a c para a equaao Au = b. c
A.8
O determinante
O determinante da matriz A dos coecientes de um sistema linear serve como instrumento para saber se {Ae1 , . . . , Aen } uma base, indicando se o sistema tem ou no unica soluo. e a ca De fato, esta Seao tem a pretenso de convencer o leitor de que det A = 0 se e somente se c a {Ae1 , . . . , Aen } uma base. A idia explicar o que o determinante de uma forma intuitiva e e e e e geomtrica, mas o leitor pode encontrar abordagens diferentes em outros livros. e E preciso salientar que o determinante ser inicialmente denido para um conjunto de n a vetores (em Rn ) e depois deniremos det A = det(Ae1 , . . . , Aen ) . Comearemos a discusso em dimenso 2, e depois comentaremos sua generalizaao para c a a c dimenso qualquer. a
A.8.1
Dimenso 2 a
O determinante d, de certa forma, uma medida do quanto dois vetores esto perto de ser a a colineares. Deniremos o determinante de um par ordenado de vetores (u1 , u2 ), denotando-o por det(u1 , u2 ) , como sendo a area do paralelogramo determinado por esses dois vetores, com um sinal. Sendo assim, dois vetores sero colineares entre si se e somente se seu determinante for a nulo. O determinante de uma matriz A 2 2 denido como sendo o determinante do par e (Ae1 , Ae2 ): det A det(Ae1 , Ae2 ) . Desse modo, ca evidente que o determinante de A diferente de zero se e somente se o e sistema Au = b admitir unica soluao (no importando quais sejam os termos independentes, c a isto , o vetor b da equaao). Lembrando tambm que Ae1 e Ae2 so as colunas da matriz e c e a A, segue que det A = 0 se e somente se suas colunas forem colineares. Para que a deniao que completa, precisamos estabelecer melhor o que o paraleloc e gramo determinado pelos dois vetores e denir de maneira inequ voca o sinal do determinante. Alm disso, precisamos saber calcular o determinante, e o leitor ver que a deniao dada e a c aqui coincide com aquela que ele provavelmente j conhece. a Chamaremos de P (u1 , u2 ) o paralelogramo determinado por u1 e u2 . Ele denido como e sendo o conjunto P (u1 , u2 ) = {su1 + tu2 ; 0 s 1 , 0 t 1} . Isso porque, se 0 s, su1 um vetor com o mesmo sentido que u1 , e se s 1, su1 um vetor e e de tamanho menor ou igual ao tamanho de u1 . O mesmo ocorre com tu2 , para 0 t 1. O paralelogramo constitu ento de todas as somas de vetores desse tipo. e do a O sinal de det(u1 , u2 ) denido assim, se u1 e u2 no so colineares: se (u1 , u2 ) pode e a a ser suavemente alterado at que coincida com o par de vetores cannicos (e1 , e2 ) (na ordem e o
A.8. O DETERMINANTE
215
correspondente, isto , u1 alterado at coincidir com e1 , e u2 com e2 ), de forma que os vetores e e e nunca se tornem colineares ao longo do processo, ento o sinal positivo. Caso contrrio a e a negativo. Veja dois exemplos com sinais diferentes na gura abaixo. O da esquerda o e e positivo.
u2 u1 u1
u2
Da resulta que det(e1 , e2 ) = +1 (sinal positivo e rea igual a 1) e que det(e2 , e1 ) = 1. a Alm disso, mais geralmente, det(u1 , u2 ) = det(u2 , u1 ), ou seja, se trocarmos a ordem dos e vetores ento o sinal do determinante ser trocado. a a Uma propriedade importante do determinante a linearidade com respeito a cada um dos e vetores. Ou seja, precisamos mostrar que det(u, v) = det(u, v) e que det(u1 + u2 , v) = det(u1 , v) + det(u2 , v) . Observe que se isso for verdade, ento enunciados semelhantes so vlidos para o segundo a a a vetor do par. Por exemplo, det(u, v) = det(v, u) = det(v, u) = det(u, v) . Para mostrar as duas propriedades de linearidade recorremos a princ pios geomtricos. e Veja nas guras abaixo o que acontece em cada caso. No segundo caso, o princ de Cavalieri pio garante que a rea de P (u1 , v) mais a rea de P (u2 , v) igual ` rea de P (u1 +u2 , v) (atenao, a a e aa c a gura no plano, no se trata de desenho em perspectiva!). e a
P(u1+ u ,v) 2 v
u
v u P( u,v) P(u ,v) 1 u1 u1+ u2 u2 P(u ,v) 2
P(u,v)
216
Esse argumento convence facilmente no caso em que det(u1 , v) e det(u2 , v) tenham o mesmo sinal. Se esse no for o caso, ento sugere-se provar que a a det(u1 , v) = det((u1 + u2 ) + (u2 ), v) = det(u1 + u2 , v) + det(u2 , v) , pois fcil ver que det(u2 , v) = det(u2 , v). e a Com essas propriedades todas garantimos o clculo de qualquer determinante. Para ver a isso, escrevemos u1 = (x1 , y1 ), u2 = (x2 , y2 ), mas lembramos a outra forma de escrever esses vetores, como combinaao linear de e1 e e2 : u1 = x1 e1 + y1 e2 e u2 = x2 e1 + y2 e2 . Ento c a det(u1 , u2 ) = = det(x1 e1 + y1 e2 , x2 e1 + y2 e2 ) x1 det(e1 , x2 e1 + y2 e2 ) + y1 det(e2 , x2 e1 + y2 e2 ) ,
aplicando a linearidade no primeiro vetor do par. Aplicando novamente a linearidade no segundo vetor do par, temos det(u1 , u2 ) = x1 (x2 det(e1 , e1 ) + y2 det(e1 , e2 )) + y1 (x2 det(e2 , e1 ) + y2 det(e2 , e2 )) . Como det(e1 , e1 ) = det(e2 , e2 ) = 0, det(e1 , e2 ) = +1 e det(e2 , e1 ) = 1, ento a det(u1 , u2 ) = x1 y2 x2 y1 . Numa matriz a c b d
os vetores coluna so u1 = (a, c) e u2 = (b, d), de forma que a det A = ad bc . Bom, essa a frmula usual do determinante que aprendemos desde o Colgio!! e o e Vale a pena lembrar as propriedades essenciais do determinante que permitem calcul-lo a para qualquer par de vetores: 1. det(e1 , e2 ) = 1 (normalizaao); c 2. det(u, v) = det(v, u) (alternncia); a 3. det(u + v, w) = det(u, w) + det(v, w) (linearidade).
A.8.2
Dimenso 3 a
Em dimenso 3, podemos denir o paralelep a pedo P (u1 , u2 , u3 ), onde u1 , u2 , u3 so vetores a de R3 como o conjunto P (u1 , u2 , u3 ) = {ru1 + su2 + tu3 ; 0 r, s, t 1} (no dif ver o que seria um paralelep a e cil pedo em dimenso mais alta, generalizando essa a deniao). O determinante det(u1 , u2 , u3 ) ser o volume desse paralelep c a pedo, com um sinal que devemos convencionar.
A.8. O DETERMINANTE
217
De qualquer forma, um determinante nulo corresponde a um conjunto de trs vetores em e que um deles combinaao linear dos outros, pois da no resulta um paralelep e c a pedo com volume. O sinal do determinante convencionado de maneira anloga ao que zemos em dimenso e a a 2. Se {u1 , u2 , u3 } uma base (ou seja, nenhum combinaao linear dos outros), o sinal de e e c det(u1 , u2 , u3 ) ser positivo se a trinca ordenada (u1 , u2 , u3 ) puder ser suavemente deformada a at (e1 , e2 , e3 ) sem que nunca deixe de formar uma base. e Essa deniao pouco prtica: como calcular det A = det(Ae1 , Ae2 , Ae3 )? Mais uma vez, c e a conveniente demonstrar as propriedades bsicas do determinante e us-las para os clculos. e a a a As propriedades bsicas so (tente se convencer voc mesmo por que elas valem): a a e 1. det(e1 , e2 , e3 ) = +1; 2. det(u1 , u2 , u3 ) = det(u3 , u1 , u2 ) = det(u2 , u3 , u1 ) = det(u3 , u2 , u1 ) = det(u1 , u3 , u2 ) = det(u2 , u1 , u3 ); 3. det(u + v, u2 , u3 ) = det(u, u2 , u3 ) + det(v, u2 , u3 ) . Na segunda propriedade, note que qualquer troca entre vetores muda o sinal do determinante. A troca pode ocorrer com qualquer par de posioes: primeira com segunda, segunda c com terceira e primeira com terceira. Isso implica em particular que sempre que houver vetores repetidos na trinca ento o determinante nulo, pois, por exemplo, a e det(u, u, v) = det(u, u, v) , logo det(u, u, v) = 0. Podemos usar essas regras para calcular o determinante da matriz 3 3 a11 a12 a13 A = a21 a22 a23 , a31 a32 a33 det A = det ((a11 , a21 , a31 ), (a12 , a22 , a32 ), (a13 , a23 , a33 )) = det(a11 e1 + a21 e2 + a31 e3 , a12 e1 + a22 e2 + a32 e3 , a13 e1 + a23 e2 + a33 e3 ) = a11 a12 a13 det(e1 , e1 , e1 ) + . . . + a31 a32 a33 det(e3 , e3 , e3 ) . Dos 27 termos so no nulos apenas os determinantes det(ei , ej , ek ) tais que i, j, k so todos a a a distintos. Logo det A = a11 a22 a33 det(e1 , e2 , e3 ) + a11 a32 a23 det(e1 , e3 , e2 ) +a21 a12 a33 det(e2 , e1 , e3 ) + a21 a32 a13 det(e2 , e3 , e1 ) +a31 a12 a23 det(e3 , e1 , e2 ) + a31 a22 a13 det e3 , e2 , e1 . Todos os determinantes restantes so iguais a +1 ou 1. J sabemos que det(e1 , e2 , e3 ) = +1, a a logo det(e1 , e3 , e2 ) = 1. Isso implica det(e3 , e1 , e2 ) = +1 e det(e3 , e2 , e1 ) = 1. Que por sua vez implica det(e2 , e3 , e1 ) = +1 e det(e2 , e1 , e3 ) = 1. Ento a det A = a11 (a22 a33 a32 a23 ) + a21 (a32 a13 a12 a33 ) + a31 (a12 a23 a22 a13 ) . Esse o conhecido determinante de uma matriz 3 3!! e
que o determinante de seus vetores-coluna, na ordem em que se apresentam. Temos, pela e linearidade (propriedade 3),
218
A.8.3
Dimenso n a
Em dimenso n existe o conceito de volume - comumente conhecido como hipervolume. No a entanto, vimos que as propriedades de normalizaao, alternncia e linearidade bastam para c a denir inequivocamente o valor do determinante de uma n-upla de vetores. Assim, denimos det(u1 , . . . , un ) atravs de suas propriedades: e 1. Normalizaao: det(e1 , . . . , en ) = 1; c 2. Alternncia: para todo par i, j entre 1 e n, vale a det(u1 , . . . , ui , . . . , uj , . . . , un ) = det(u1 , . . . , uj , . . . , ui , . . . , un ) 3. Multi-linearidade: det(u+v, u2 , . . . , un ) = det(u, u2 , . . . , un )+ det(v, u2 , . . . , un ). Decorre dessas regras que o determinante de uma matriz A = {aij }nn e det A =
(i1 ,...,in )
ai1 1 ai2 2 . . . ain n det(ei1 , ei2 , . . . , ein ) .
e u J det(ei1 , ei2 , . . . , ein ) : nulo, se ocorre algum n mero repetido na lista (i1 , . . . , in ); +1, se a (i1 , . . . , in ) pode ser levado em (1, 2, . . . , n) por um n mero par de trocas de posioes; e 1 u c se ((i1 , . . . , in ) pode ser levado em (1, 2, . . . , n) por um n mero u mpar de trocas de posioes c ( necessrio observar que se (i1 , . . . , in ) pode ser levado em (1, . . . , n) por um n mero par de e a u trocas de posioes ento no h como fazer o mesmo com um n mero c a a a u mpar, e vice-versa). Sem falarmos em hipervolume, vericamos tambm das trs propriedades que se um dos e e vetores for combinaao linear dos demais ento o determinante nulo. Isso porque c a e det(2 u2 + . . . + n un , u2 , . . . , un ) = = 2 det(u2 , u2 , . . . , un ) + . . . + n det(un , u2 , . . . , un ) = 0 , pois vetores repetidos levam a determinante nulo, por causa da regra de alternncia. a A implicaao contrria no to bvia, a partir das trs propriedades: mostrar que se o c a a e a o e determinante nulo ento um dos vetores combinaao linear dos outros. e a e c Provaremos a armaao equivalente: se os vetores u1 , . . . , un formam uma base ento c a det(u1 , . . . , un ) no-nulo. e a Primeiro relacionamos det(u1 , . . . , un ) com o determinante de uma matriz: denimos A como sendo a matriz tal que Ae1 = u1 , . . . , Aen = un , isto , tal que suas colunas sejam os e vetores u1 , . . . , un . Ento det A = det(u1 , . . . , un ). O que queremos mostrar que det A = 0 a e e a hiptese que temos que os vetores Ae1 , . . . , Aen formam uma base. o e Primeiro observamos que A tem uma inversa. Para entender por que, basta ver que para todo b Rn poss encontrar u Rn tal que Au = b (j vimos que para aplicaoes lineares e vel a c a sobrejetividade implica automaticamente na bijetividade). Ora, como {Ae1 , . . . , Aen } e base ento existem n meros x1 , . . . , xn tais que a u b = x1 Ae1 + . . . + xn Aen . Logo b = A(x1 e1 + . . . + xn en ) ,
A.9. QUADRO COMPARATIVO
219
e encontramos u = (x1 , . . . , xn ). A inversa de A denotada por A1 , portanto u = A1 b. e Na Seao 2.3 vamos mostrar que se A tem inversa ento det A = 0, o que completa a c a demonstraao. Para isso, usaremos o prprio mtodo de resoluao dos sistemas lineares, o c o e c Mtodo de Escalonamento, do qual iremos falar no prximo Cap e o tulo. No entanto, podemos seguir outro argumento, baseado na seguinte frmula: se A e B so o a matrizes quadradas de tamanho n ento a det(AB) = det A det B . Esta frmula pode ser deduzida das propriedades do determinante, mas no o faremos aqui. o a Ao invs disso, daremos uma intuiao geomtrica de sua veracidade, logo abaixo. e c e A aplicaao da frmula se faz assim: como A tem inversa A1 , escrevemos AA1 = Id. c o Isto porque se aplicarmos A1 a um vetor e depois aplicarmos A voltaremos ao vetor original. Ou seja, AA1 u = u para qualquer u e AA1 s pode ser a identidade. Pela frmula do o o determinante, temos det(AA1 ) = det A det A1 = det Id = 1 , portanto det A no pode ser nulo. a J para entender a intuiao geomtrica da frmula det(AB) = det(A) det(B), de forma a c e o no rigorosa, lembremos que det A representa o volume com sinal de P (Ae1 , . . . , Aen ) (o a leitor pode pensar em dimenso 3). O paralelep a pedo P (Ae1 , . . . , Aen ) a imagem pela e transformaao A do paralelep c pedo P (e1 , . . . , en ), de volume unitrio. Da linearidade decorre a que todo paralelep pedo formado por m ltiplos dos vetores cannicos, quando transformado u o por A, tem seu volume multiplicado por det A. Da decorre (intuitivamente, mas no to a a facilmente do ponto de vista matemtico) que o volume de qualquer conjunto multiplicado a e por det A pela transformaao A. c A intuiao pode ser assim expressa: o conjunto aproximado por pequenos paralec e lep pedos disjuntos, cujo volume total est prximo do volume total do conjunto, e quanto a o menores forem esses paralelep pedos melhor ser a aproximaao. Ao transformarmos o cona c junto pela aplicaao A, podemos imaginar tambm a transformaao desses pequenos paralec e c lep pedos, que ter seu volume multiplicado por det A. a Portanto, se aplicarmos B e depois A, o volume dos conjuntos ser multiplicado por det B a e depois por det A. Este o sentido da frmula! e o
A.9
Quadro comparativo
Para resumir tudo o que dissemos at agora sobre a existncia e a unicidade de soluoes de e e c um sistema linear, faamos um quadro comparativo que ilustra as unicas duas alternativas c que podem ocorrer para a matriz de coecientes A, quando se quer resolver um sistema linear Au = b. Alternativa 1. 1. Para qualquer b, sempre existe unica soluao para Au = b c
220
2. A bijetiva, como transformaao linear e c 3. Au = 0 implica u = 0 4. As colunas de A so linearmente independentes a 5. As linhas de A so linearmente independentes a 6. det A = 0 Alternativa 2. 1. Ou b tal que Au = b no tem soluao ou b tal que Au = b tem innitas soluoes, e e a c e c sempre existem exemplos dos dois casos 2. A no nem injetiva nem sobrejetiva a e 3. Existe u = 0 tal que Au = 0 4. As colunas de A so linearmente dependentes a 5. As linhas de A so linearmente dependentes a 6. det A = 0
Apndice B e
Reviso de Clculo a a
Este Apndice uma reviso breve e informal dos principais conceitos de Clculo de uma e e a a varivel. a
B.1
Derivadas
Considere uma funao real f (x). A inclinaao c c do grco de f no ponto (x, f (x)) dada pelo a e limite do quociente f (x + h) f (x) h quando h tende a zero (pela direita ou pela esquerda). Esse limite denotado por e f (x) ,
f(x+h) f(x+h)f(x) f(x) x h x+h
e a funao f (x), que d a inclinaao do grco para cada x, chamada derivada da funao c a c a e c f. Por exemplo, se f (x) = x2 , o grco de f uma parbola, e a derivada, para cada x, o a e a e limite de (x + h)2 x2 f (x + h) f (x) = = 2x + h . h h Evidentemente, quando h tende a zero, o limite igual a 2x, e portanto f (x) = 2x se e f (x) = x2 . Algumas derivadas usuais. A funao constante f (x) = c tem derivada nula em todo c ponto: f (x) = 0 (pudera, o grco de uma funao constante uma reta horizontal). A a c e derivada de uma funao am f (x) = ax + b uma funao constante: f (x) = a, pois a c e c inclinaao do grco (que uma reta) sempre dada pelo coeciente a. Pode-se mostrar c a e e 221
222
APENDICE B. REVISAO DE CALCULO
tambm que se f (x) = xn , com n inteiro (negativo ou positivo) porm diferente de zero, ento e e a 1 f (x) = nxn1 . Por exemplo, se f (x) = x, ento f (x) = 1 x0 = 1, ou se f (x) = x1 = x a 1 2 ento f (x) = x = x2 . a Temos tambm as derivadas de funoes trigonomtricas. Se f (x) = sin x ento f (x) = e c e a cos x, e se f (x) = cos x ento f (x) = sin x. Para obter essas derivadas preciso mostrar a e antes que sin x =1, lim x0 x resultado que pode ser obtido de forma geomtrica. e Poder amos discorrer um pouco mais sobre derivadas, falando de outras funoes e de c regras de derivaao de funoes mais complicadas. Deixaremos porm essa discusso para c c e a logo adiante. S faremos antes uma observaao que certamente j nos ampliar bastante o c a a o leque de funoes que sabemos derivar. Digamos que uma funao h(x) se escreva como c c combinaao linear de duas outras funoes f (x) e g(x), isto , c c e h(x) = af (x) + bg(x) . Ento a derivada de h a combinaao linear das derivadas: a e c h (x) = af (x) + bg (x) .
Em particular, a derivada da funao f (x) + C igual ` dec e a rivada da funao f (x), pois a c derivada da funao constante c e zero (veja na gura ao lado duas funoes que diferem apenas pela c adiao de uma constante). c
f(x)+C
C
f(x)
C
B.2
Primitivas
Podemos agora colocar o seguinte problema: dada uma funao g(x), achar uma funao f (x) c c cuja derivada f (x) seja igual a g(x). E um problema inverso ao de achar a derivada. Qualquer funao f (x) cuja derivada seja igual a g(x) ser chamada de uma primitiva de g(x). c a Por exemplo, queremos achar uma primitiva de g(x) = x2 . Ora, sabemos que a derivada 1 e de x3 3x2 (pela Seao anterior), portanto f (x) = 3 x3 uma primitiva de g(x) = x2 (o fator e c de 1 necessrio para se cancelar o expoente que cai ao se derivar). e a 3 Esse problema levanta duas questes: primeiro, ser que sempre existe uma primitiva o a para a funao g? E se existe, ser que unica? c a e Vejamos primeiro que no h chance de s haver uma primitiva para cada funao. Por a a o c exemplo, suponha que encontramos uma primitiva f (x) para g(x), isto , f (x) = g(x). Agora e
B.3. INTEGRAL consideramos uma outra funao F (x) = f (x) + C. Pelo que vimos na Seao anterior, c c F (x) = f (x) = g(x) .
223
Em outras palavras, se encontrarmos uma primitiva f (x) ento todas as funoes do tipo a c f (x) + C sero tambm primitivas, para qualquer valor de C. a e A pergunta natural que viria em seguida seria: e alm dessas, ser que h outras primitie a a vas? A resposta no. Suponha que f1 (x) e f2 (x) sejam duas primitivas da mesma funao e a c g(x), isto , e
f1 (x) = g(x) = f2 (x) .
Agora considere a funao F (x) = f1 (x) f2 (x) que para cada valor de x d a diferena entre c a c os valores das duas funoes. Ento c a
F (x) = f1 (x) f2 (x) = g(x) g(x) = 0 ,
para qualquer x. Ento a funao diferena tem inclinaao zero, ou seja, uma funao a c c c e c constante (se o dom nio tiver s um pedao): o c F (x) = C . De onde conclu mos que f1 (x) = f2 (x) + C!! Colocando em palavras, acabamos de demonstrar que se duas funoes so primitivas da c a mesma funao ento elas necessariamente diferem por uma constante. Isso tem conseqncias c a ue prticas importantes: se encontrarmos uma primitiva ento automaticamente conheceremos a a todas as outras! Voltaremos ao assunto aps a Seao seguinte. o c
B.3
Integral
Considere uma funao f (x) denida no interc valo [a, b], no-negativa, como mostra a gura a ao lado. A rea da regio acima da abscissa e a a abaixo do grco da funao chamada de intea c e gral de f no intervalo [a, b], e recebe a notaao c
b
f (x)dx .
a
224
APENDICE B. REVISAO DE CALCULO A integral tambm pode ser denida para e funoes que assumem valores negativos. Nesse c caso, no podemos interpretar a integral como a a rea, a no ser que usemos a idia de rea a e a com sinal, isto , a rea contada positivae a e mente quando a funao positiva e negativac e mente quando a funao negativa. Assim, na c e gura ao lado temos
b
A1
f A3
a A2
f (x)dx = A1 A2 + A3 ,
onde A1 , A2 e A3 so as reas das regies soma a o breadas. Tambm devemos convencionar o signicado do s e mbolo acima da integral quando a no a menor ou igual a b. A convenao a seguinte: se a > b ento e c e a
b a a
f (x)dx
f (x)dx .
b
Em palavras, fazer a integraao do extremo direito para o esquerdo resulta no mesmo que c fazer da esquerda para a direita, s que com o sinal oposto. o Com essa regra, obtemos a seguinte propriedade, para qualquer trinca de n meros a, b, c, u no importando sua ordem: a
b c c
f (x)dx +
a b
f (x)dx =
a
f (x)dx .
Isso parece bvio no caso em que a < b < c, mas conra a validade da frmula em outros o o casos!
B.4
A integral indenida
Na Seao anterior, falamos da integral de uma funao entre dois extremos xos. Se resolverc c mos mudar um dos extremos, obteremos um resultado diferente para a integral, mesmo que a funao no se altere. Isso sugere que um dos extremos do intervalo de integraao possa ser c a c considerado uma varivel, do qual depende o valor da integral da funao. a c
B.4. A INTEGRAL INDEFINIDA
225
Por exemplo, considere a funao linear g(x) = c x, e xe 0 como um dos extremos de integraao. Quanto vale c
w
g(x)=x
g(x)dx ?
0
Ora, se w 0, a integral a rea do tringuloe a a 2 retngulo esboado na gura ao lado: w . a c 2
0 0
2
x w
Se w < 0, a integral tambm, em valor absoluto, igual a w , mas qual seria o sinal? e e 2 Primeiro vemos que a rea deve ser contada negativamente, pois ` esquerda do zero g(x) a a e negativa. Por outro lado, se w < 0 ento a integral est sendo percorrida da direita para a a a esquerda, o que acarreta uma segunda mudana de sinal. Isso implica que tambm no caso c e 2 w < 0 a integral vale w . Conclu mos que 2
w
xdx =
0
w2 , 2
para qualquer w. Agora podemos criar uma funao que a cada w associe a integral de g de 0 a w, e c chamaremos de f essa funao: c
w
f (w) No exemplo, g(x) = x, e portanto
g(x)dx .
0 w
f (w) =
0
xdx =
w2 . 2
Essa funao f chamada de uma integral indenida de g. Ela apenas uma e no a integral c e e a indenida porque o extremo xo de integraao foi escolhido arbitrariamente. c
g(x)=x
Por exemplo, considere outra integral inde nida f , onde o extremo xo de integraao seja c 1 e no 0: a f (w) Quanto vale f (w)?
w
f(w) x
0
xdx .
1
226
Observe que, pela regra de integraao das triplas a, b, c, podemos escrever c

1 w w
xdx +
0 1
xdx =
0
xdx .
1 e O primeiro termo do lado esquerdo vale 2 . Alm disso, o segundo termo do lado esquerdo (w), e o lado direito da equaao f (w). Ento da equaao a funao f c e c c e a
1 f (w) = f (w) + , 2 e as duas funoes diferem por uma constante. Alis esse fato bastante geral, e suas razes c a e o saltam ` vista imediatamente desse exemplo: as integrais indenidas de uma funao, assim a c como suas primitivas, diferem umas das outras por uma constante. E ser que h alguma relaao entre as primitivas e as integrais indenidas? Responderea a c mos a essa pergunta na prxima Seao. o c Antes de prosseguir, faamos uma observaao a respeito da notaao. Sempre falamos de c c c funoes dependentes da varivel x, mas agora apareceram funoes que dependem da varivel c a c a w! Ora, esses nomes, x e w, so apenas nomes, que ` funao no interessam. Assim, se a a c a 2 2 a e f (w) = w e queremos avaliar f (x) ento teremos f (x) = x . O que interessa que essa 2 2 funao em particular toma um n mero qualquer em seu dom c u nio, eleva-o ao quadrado e divide 2 2 o resultado por dois. Tanto faz se indicamos esse processo por f (w) = w ou por f (x) = x ! 2 2 Entendido isso, pode-se perguntar ento porque no denimos de uma vez a a
x
f (x) =
0
xdx ?
Por que no usar de uma vez a varivel x como extremo de integraao? Trata-se a de um a a c cuidado que tomamos para no misturar as coisas. A varivel indicada dentro da integraao a a c muda enquanto os extremos esto xos. Para cada x, temos que percorrer o intervalo [0, x] a para calcular a integral. E mais justo, portanto, usar um outro nome para indicar esse processo, evitando assim confuses. Seria prefer ento escrever o vel a
x
f (x) =
0
tdt ,
x
ou f (x) =
0
udu ,
usando, enm, qualquer letra que no seja aquela utilizada nos extremos da integraao. a c
B.5
O Teorema Fundamental do Clculo a
Nas seoes anteriores vimos o que so primitivas e integrais indenidas de uma funao g. c a c Uma primitiva de g qualquer funao f cuja derivada igual a g, e uma integral indenida e c e qualquer funao da forma e c
x
f (x) =
a
g(t)dt .
B.5. O TEOREMA FUNDAMENTAL DO CALCULO
227
O Teorema Fundamental do Clculo diz exatamente que as integrais indenidas de g so a a tambm primitivas de g. e Argumentaremos em favor do Teorema, sem excesso de tecnicalidades. O importante e entender por que ele verdadeiro. e Considere a integral indenida de g, dada por
x
f (x) =
a
g(t)dt .
Para mostrarmos que essa funao uma primitiva de g basta mostrar que f (x) = g(x). c e Lembramos ento de como denimos a derivada f (x): o limite da expresso a e a f (x + h) f (x) h quando h tende a zero. Ou seja, o limite de e 1 h Lembrando que
x+h x x+h x+h a x
g(t)dt
g(t)dt
a
x+h
g(t)dt =
a a
g(t)dt +
x
g(t)dt ,
g(t)dt
o limite que pretendemos examinar se torna 1 h

x+h
g a x x+h
g(t)dt .
x
Agora olhemos bem para essa expresso, e observemos a gura. A integral feita no a e intervalo [x, x + h] (de largura h, evidentemente), e a funao ali tem altura de aproximadac mente g(x), se h for bastante pequeno. Portanto a integral est prxima do valor h g(x). a o Lembrando que ainda temos que dividir por h, ento toda a expresso ca quase igual a g(x), a a e levando ao limite ser exatamente igual a g(x). a Interpretando geometricamente, signica que a inclinaao de f em x ser tanto maior c a quanto maior for o valor g(x). Pois f (x + h) ser f (x) mais a integral de g entre x e x + h, a que vale aproximadamente h g(x), ou seja f (x + h) f (x) + h g(x) . Donde f (x + h) f (x) g(x) . h
2
No exemplo da Seao anterior, vimos que f (x) = x uma integral indenida de g(x) = x. c 2 e Pelo Teorema Fundamental do Clculo, f (x) deve ser tambm uma primitiva. De fato, a e f (x) = 1 2x = x. 2
228
B.6
A praticidade do Teorema Fundamental do Clculo a
Veremos agora que o Teorema Fundamental do Clculo opera um verdadeiro milagre. Ele a torna o clculo de reas e integrais uma tarefa muito mais fcil do que poder a a a amos imaginar! Suponha que queiramos calcular a integral de uma funao g no intervalo [a, b]: c
b
g(t)dt .
a
Poder amos olhar essa integral da seguinte forma. Chamamos de F a integral indenida de g com extremo xo de integraao igual a a: c
x
F (x) =
a
g(t)dt .
Isso faz com que a integral que queremos calcular seja o valor de F em b, isto , F (b). Observe e tambm que F (a) = 0. e Por outro lado, F uma primitiva de g, de acordo com o Teorema Fundamental do e Clculo. Suponha que por alguma razo j conheamos alguma primitiva f (x) de g(x). a a a c Isso pode parecer estranho, mas algo muito comum quando sabemos derivar uma grande e 4 quantidade de funoes. Por exemplo, se g(x) = x3 , sabemos que f (x) = x uma primitiva c 4 e de g, porque sabemos a regra de derivaao das potncias. c e Como F (x) e f (x) so ambas primitivas de g, ento elas diferem por uma constante, a a digamos C: f (x) F (x) = C , para todo x no intervalo [a, b]. Se escolhermos x = a ou x = b a equaao continua vlida: c a f (a) F (a) = C = f (b) F (b) , de onde tiramos que F (b) F (a) = f (b) f (a) . Mas F (b) = F (b) F (a) era exatamente a integral que quer amos calcular! Resumindo: para qualquer f (x) primitiva de g(x) temos
b a
g(t)dt = f (b) f (a) .
O clculo da integral torna-se uma simples tarefa de subtraao, desde que j conheamos a c a c uma primitiva da funao!! c Por exemplo, qual a rea sob o grco da funao g(x) = x3 para x variando no intervalo e a a c 4 e a [1, 2]? Ora, como f (x) = x uma primitiva de g(x), ento 4
2 1
t3 dt = f (2) f (1) =
24 14 15 = . 4 4 4
Fcil, no?! a a
B.7. O LOGARITMO
229
Existe uma notaao que facilita a vida quando calculamos integrais na prtica. Escrevec a mos b f (t)|a = f (b) f (a) . Assim, com essa notaao, c
2 1
t3 dt =
t4 4
.
1
Outra notaao bastante utilizada se aproveita do fato de que primitivas e integrais inc denidas so a mesma coisa. Ento, quando queremos dizer que f (x) primitiva de g(x) a a e escrevemos g(x)dx = f (x) + C , sem indicar extremos de integraao. A constante somada simblica e apenas indica que c e o a expresso dada em f (x) no a unica primitiva de g, e as demais podem ser obtidas a a e somando-se uma constante a ela. Essa notaao conhecida como notaao de Leibniz. Por c e c exemplo, sin x = cos x + C .
B.7
O logaritmo
Uma das funoes mais importantes denidas a partir de uma integral indenida o logaritmo c e natural. A abordagem que seguiremos aqui para falar de logaritmos, exponenciais, etc, no a das mais usuais, porm talvez seja mais fcil at do que aquela que estamos acostumados e e a e a ver desde os tempos do colgio. Ao nal nada do que j sab e a amos anteriormente ser a derrubado. Pelo contrrio, iremos chegar a nossas certezas atravs de uma argumentaao a e c lgica. o
1 a Considere a funao g(x) = x , cujo grco c est desenhado ao lado. Essa funao diverge a c em x = 0 e no est denida nesse ponto. a a Restringiremo-nos de in cio ` parte positiva a do dom nio e deniremos, para x > 0, o logaritmo natural de x como sendo a integral de g de 1 at x: e x
1 g(x)= x
1 1 ln x x
ln x
1 dt . t
Observe no desenho que, para x > 1 essa funao positiva e representa a rea sob o c e a grco de g no intervalo [1, x]. Para x < 1, no entanto, a integral corre em sentido contrrio, a a logo vale o negativo da rea sob o grco. Alm disso, evidentemente, ln 1 = 0. a a e
230
ln x
Lembremos sempre que essa funao, por ser uma primic 1 1 tiva de x tem derivada exatamente igual a x : (ln x) = 1 . x
x 1
O grco de ln x est esboado ao lado. Quando x tende a a c a zero a funao tende a e quando x tende a innito c a funao tambm tende a innito. Esses fatos podem c e ser demonstrados levando-se em conta os comentrios a abaixo.
A propriedade mais marcante que conhecemos que o logaritmo do produto a soma e e dos logaritmos, isto , e ln xy = ln x + ln y . Essa propriedade pode ser deduzida da deniao que demos. Pois isso o mesmo que provar c e que x y xy 1 1 1 dt = dt + dt . t t 1 1 t 1 Para tanto, separamos a integral do lado esquerdo em dois pedaos: c
xy 1
1 dt = t
x 1
1 dt + t
xy x
1 dt . t
S falta vericar que o
xy 1 x t dt
igual a e
y 1 1 t dt. y 1 1 t dt
A 1 1/ y 1 B 1/x 1/xy x xy y
A integral dada por
a rea da regio A na gura ao lado, e a a
A = {(t, s) ; 1 t y , 0 s 1/t} , e a outra integral, por

xy 1 dt x t
a rea da regio B, dada e a a
B = {(t, s) ; x t xy , 0 s 1/t} . Mostremos a seguinte armaao: (t, s) um ponto de A c e 1 se e somente se (xt, x s) um ponto de B. Assim, B e e obtido de A pela multiplicaao por x na horizontal e por c 1 a c x na vertical. Em termos de rea, as duas multiplicaoes se cancelam, e a rea de B tem que ser igual ` rea de a aa A.
B.7. O LOGARITMO
231
J a armaao mostrada assim: (t, s) A se e somente se 1 t y e 0 s 1 , que a c e t 1 1 1 ocorre se e somente se x xt xy e 0 x s xt , ou seja, (xt, x s) B. Da frmula ln xy = ln x + ln y decorre, por exemplo, que ln xn = n ln x, se n 0 inteiro. o e Para ver isso, primeiro vericamos que se n = 0 ento xn = x0 = 1 e ln x0 = ln 1 = 0 = 0ln x. a Se n = 1 a frmula tambm est trivialmente correta. Se n 2 basta fazer a recurso o e a a ln xn = ln x xn1 = ln x + ln xn1 = ln x + ln x xn2 = 2 ln x + ln xn2 = . . .
= ... = n ln x . Alm disso, como ln 1 = ln x e

1 x 1 = ln x + ln x ento a
ln
1 = ln x . x
Assim podemos dizer que ln xn = n ln x, e que a frmula tambm vale para os inteiros o e negativos. Tendo ento a deniao do logaritmo natural, podemos denir outros logaritmos. Se b a c e positivo e b = 1, chamaremos de logaritmo de x na base b ao n mero u logb x ln x . ln b
Essa deniao pode parecer estranha. Anal, a deniao a que estamos acostumados diz c c assim: o n mero r = logb x aquele tal que u e br = x . Mas essa propriedade pode ser demonstrada (em vez de denida). Pois se n um n mero e u inteiro e bn = x ento a ln x ln bn n ln b logb x = = = =n. ln b ln b ln b E quanto a potncias com n meros no inteiros? A princ e u a pio no sabemos o que isso a signica, mas podemos adiante deni-las inspirados no que vimos acima. Antes, porm, observemos que o logaritmo natural um e e logaritmo em alguma base. Suponha que achemos um n mero e tal que ln e = 1. Ento u a ln x = ln x ln x = = loge x . 1 ln e
1 x 1 e
ln x
Esse n mero e existe e chamado de nmero de Euler. u e u Ele vale, at a nona casa decimal depois da v e rgula, 2.718281828 . . .
232
Outra deniao que provm do logaritmo natural a da funao exponencial. A funao exc e e c c ponencial a inversa da funao logaritmo natural e denotada por exp(x). Geometricamente, e c e se quisermos achar exp(x), temos que desenhar o grco do logaritmo natural a localizar x na ordenada (e no na abscissa!) a procurar exp(x) como o unico ponto da abscissa tal que (exp(x), x) esteja sobre o grco a (ver gura abaixo, ` esquerda). a
ln x
exp(x) 1 x x
1 exp(x)
Ento o grco da exponencial assume o aspecto da gura acima, ` direita. Enquanto o a a a dom nio do logaritmo natural o conjunto dos n meros positivos e sua imagem o conjunto e u de todos os n meros reais, com a exponencial ocorre o inverso: ela est denida para todos u a os n meros reais, mas s assume valores positivos. u o Lembremos tambm que a deniao geomtrica dada acima signica que exp(ln x) = x, e c e para todo x > 0, e que ln(exp(x)) = x, para todo x. A exponencial tem a seguinte propriedade: a exponencial da soma o produto das e exponenciais. Matematicamente, exp(x + y) = exp(x) exp(y) . Isso ocorre pois, por um lado x + y = ln exp(x + y) , e por outro x + y = ln exp(x) + ln exp(y) = ln(exp(x) exp(y)) , de onde segue a igualdade. Agora, inspirados no fato de que para n meros inteiros n e b > 0 vale u bn = exp(ln bn ) = exp(n ln b) ,
B.8. O TEOREMA DO VALOR MEDIO deniremos a operaao de potenciaao br , com b > 0 e r qualquer: c c
233
a E fcil ver que br bs = br+s , que decorre da propriedade da exponencial que acabamos de demonstrar. Da temos que, por exemplo, b 2 b 2 = b 2 + 2 = b1 = b . ou seja, 1 Isso explica por que denotamos b n n b. Finalmente, interessante notar que, com essa deniao, e c ex = exp(x ln e) = exp(x) , isto , a exponencial a potenciaao do n mero de Euler e! e e c u b2 =
1 1 1 1 1
br exp(r ln b) .
b.
B.8
O Teorema do Valor Mdio e
Cientes do fato de que o clculo de integrais depende de nossa capacidade de achar primitivas, a o que por sua vez depende de nossos conhecimentos sobre derivaao de funoes, voltemos ao c c estudo das derivadas! Nesta curta Seao, enunciaremos o Teorema do Valor Mdio. Depois, c e nas demais seoes, obteremos regras de derivaao e delas conseguiremos tambm mtodos de c c e e primitivizaao. c Imagine uma funao denida num intervalo [a, b], cujo c grco mostrado na gura ao lado. Agora trace uma a e reta L ligando os pontos (a, f (a)) e (b, f (b)) (indicada na gura por uma linha tracejada). A inclinaao dessa c reta dada por e f (b) f (a) . ba
f(b)
f(a) c b
O Teorema do Valor Mdio diz que existe (pelo menos) um ponto c no intervalo [a, b] tal e que a reta tangente a (c, f (c)) paralela a reta L. Como a inclinaao dessa reta tangente e ` c e dada por f (c), ento o Teorema do Valor Mdio diz que existe c [a, b] tal que a e f (c) = ou tal que f (b) f (a) , ba
O Teorema do Valor Mdio tambm tem sua verso em termos de integrais. Seja g uma e e a funao cont c nua no intervalo [a, b], e seja f sua primitiva. Ento existe c em [a, b] tal que a
b a
f (c)(b a) = f (b) f (a) .
g(t)dt = f (b) f (a) = f (c)(b a) = g(c)(b a) .
Ou seja, a integral pode ser trocada pela integral da funao constante g(c), que vale g(c)(ba). c
234
B.9
A Regra da Cadeia
Freq entemente nos deparamos com funoes compostas, e queremos achar suas derivadas. u c Por exemplo, f (x) = sin(x2 ) uma funao composta, resultante de se aplicar a funao seno e c c aps se elevar o n mero ao quadrado. Usaremos o desenho abaixo para representar essa o u composiao: c
u(x)= x 2
v(x)=sen x
x2
sen(x2)
f(x)=sen(x2)
De acordo com a gura, f (x) = v(u(x)) . A Regra da Cadeia nos d uma forma de calcular a derivada de f desde que saibamos derivar a as funoes que a compem. A motivaao que daremos de sua veracidade ser baseada na c o c a hiptese de que as derivadas de u e v so funoes que variam continuamente. o a c Para calcularmos a derivada de f lembremos que devemos examinar o quociente f (x + h) f (x) h e calcular seu limite quando h tende a zero.
u
c(h) x x+h d(h) u(x) u(x+h)
v
f(x) f(x+h)
f
Agora notemos que f (x) = v(u(x)) e f (x + h) = v(u(x + h)). Pelo Teorema do Valor Mdio, existe um ponto d = d(h) (sim, ele depende de h, mas `s vezes escreveremos apenas e a d) entre u(x) e u(x + h) (acompanhe na gura) tal que f (x + h) f (x) = v(u(x + h)) v(u(x)) = v (d) (u(x + h) u(x)) .
B.9. A REGRA DA CADEIA
235
Alm disso, novamente por causa do Teorema do Valor Mdio, existe c = c(h) entre x e x + h e e tal que u(x + h) u(x) = u (c) (x + h x) = u (c) h . Juntando as duas equaoes, obtemos c f (x + h) f (x) = v (d) u (c) . h Acontece que quando h tende a zero o ponto c(h) tende a x (pois est entre x e x + h), e o a ponto d(h) tende a u(x). Como assumimos que as derivadas so cont a nuas, ento u (c) tende a a u (x) e v (d) tende a v (u(x)). Assim temos a Regra da Cadeia: se f (x) = v(u(x)) ento a f (x) = v (u(x)) u (x) . E muito comum a Regra da Cadeia ser aplicada quando a primeira funao linear. Por c e exemplo, se f (x) = cos(2x) (u(x) = 2x, v(x) = cos(x)), ento a f (x) = v (u(x)) u (x) = sin(2x) 2 = 2 sin(2x) . Outra aplicaao ocorre com funoes inversas. Se u(x) e v(x) so inversas uma da outra, c c a ento a u(v(x)) = x para todo x no dom nio de v e v(u(x)) = x para todo x no dom nio de u. Isso ocorre por exemplo com as funoes ln x e ex . Derivando c dos dois lados de qualquer uma das equaoes, usando a Regra da Cadeia, temos c u (v(x)) v (x) = 1 , v (u(x)) u (x) = 1 .
1 Vejamos como isso ca se u(x) = ex e v(x) = ln x. J sabemos que v (x) = x (pela a prpria deniao do logaritmo!). Usaremos a segunda expresso para calcular a derivada de o c a u(x) = ex . Temos 1 1 = 1 = u(x) . u (x) = v (u(x)) u(x)
Concluso: a derivada de ex ex !! a e Agora tambm podemos derivar f (x) = bx . Como bx = ex ln b , ento e a f (x) = (ln b) ex ln b , pela Regra da Cadeia, isto , e f (x) = (ln b)bx .
236
B.10
Regras do produto e do quociente

1 1 {f (x + h) f (x)} = {u(x + h)v(x + h) u(x)v(x)} . h h
Quando f (x) = u(x)v(x), quanto vale f (x)? Precisamos calcular o limite
De maneira esperta, subtra mos e somamos u(x + h)v(x), sem alterar o valor da expresso: a 1 {u(x + h)v(x + h) u(x + h)v(x) + u(x + h)v(x) u(x)v(x)} , h e depois a arrumamos de forma conveniente: u(x + h) u(x + h) u(x) v(x + h) v(x) + v(x) . h h
Quando h tende a zero, essa expresso tende a a u(x)v (x) + u (x)v(x) . Concluso: a (u(x)v(x)) = u (x)v(x) + u(x)v (x) ,
que a conhecida Regra do Produto. Por exemplo, e (x2 e2x ) = 2xe2x + x2 2e2x = 2x(1 + x)e2x . A Regra do Produto tambm pode ser usada para calcular a derivada de um quociente e f (x) = u(x) , v(x)
o desde que v(x) = 0. E s pensar que f (x) tambm um produto: e e f (x) = u(x) v(x)
u(x)
1 v(x)
= u (x)v(x) + u(x)
1 v(x)
1 c a S que precisamos saber calcular a derivada de v(x) ! Para isso lanamos mo da Regra da o 1 1 1 Cadeia: v(x) a funao x aplicada aps a funao v(x). Como a derivada de x 1 , ento e c o c e x2 a
1 v(x) Logo u(x) v(x)
= v (x)
1 . v(x)2
u (x) v (x) . + u(x) v(x) v(x)2
Colocando sob o mesmo denominador, u(x) v(x)
u (x)v(x) u(x)v (x) . v(x)2
B.11. TRUQUES DE PRIMITIVIZACAO: INTEGRACAO POR PARTES
237
Essa expresso tambm conhecida como Regra do Quociente. a e e Sugere-se ao leitor testar seus conhecimentos de tcnicas de derivaao com as funoes e c c trigonomtricas, j sabendo as derivadas de seno e cosseno. Por exemplo, a funao tangente, e a c que seno sobre cosseno, pode ser derivada com a Regra do Quociente. Obter as derivadas e das funoes secante, cossecante e cotangente. Obter as derivadas das inversas das funoes c c trigonomtricas, arcsin, arctan, etc. Em todos os casos procurar desenhar o grco dessas e a funoes e interpretar as expresses obtidas!! c o
B.11
Truques de primitivizao: integrao por partes ca ca

u(x)v (x) = (u(x)v(x)) u (x)v(x) .
Se rearranjarmos a expresso da Regra do Produto, teremos a
Havendo a igualdade, os dois lados da equaao tero as mesmas primitivas (que diferem no c a mximo por uma constante): a u(x)v (x)dx = Como
(u(x)v(x)) dx
u (x)v(x)dx + C .
(u(x)v(x)) dx = u(x)v(x) + C ento a u(x)v (x)dx = u(x)v(x) u (x)v(x)dx + C .
Essa a conhecida frmula de Integraao por Partes! e o c Por exemplo, queremos achar uma primitiva de xex . Se chamarmos u(x) = x e v (x) = ex ento u (x) = 1 e v(x) = ex (na verdade ex + C, mas isso no far diferena, conra!!). Ento a a a c a xex dx = xex 1ex dx + C = xex ex + C = ex (x 1) + C .
Para conferir, basta derivar a primitiva obtida: (ex (x 1)) = ex (x 1) + ex = xex . H que se tomar cuidado para no se escolher u de forma errada. Se chamssemos a a a 1 a u(x) = ex e v (x) = x ter amos u (x) = ex e v(x) = 2 x2 , e ento ex xdx = 1 2 x x e 2 1 2 x x e dx , 2
o que no melhora nossa situaao, pois agora precisamos achar a primitiva de x2 ex ! a c
B.12
Truques de primitivizao: substituio ca ca
Se da Regra do Produto decorre a Integraao por Partes, da Regra da Cadeia segue a tcnica c e de Substituiao. A Regra da Cadeia diz que c f (g(x)) = f (g(x))f (x) .
238 Em termos de primitivas, temos f (g(x))f (x)dx =
f (g(x)) dx + C = f (g(x)) + C .
Por exemplo, podemos nos deparar com h(g(x))g (x)dx . Se acharmos f tal que f (x) = h(x) (isto , uma primitiva de h) ento e a h(g(x))g (x)dx = f (g(x))g (x)dx = f (g(x)) + C .
Embora ao leitor no parea acrescentar nada nesse caso, esse processo pode ser automatizado a c da seguinte forma: 1. Denir nova varivel u = g(x), com du = g (x)dx. a 2. Substituir na integral a nova varivel: a h(u)du.
3. Resolver o novo problema, que o mesmo que achar uma primitiva de h: e h(u)du = f (u) + C . 4. Retornar o valor de u = g(x), obtendo f (g(x)) + C . Por exemplo, queremos calcular Ficamos com x 1 + x2 dx. Fazemos u = x2 , donde du = 2xdx. 1 1 + udu . 2
S precisamos saber uma primitiva de (1 + u)1/2 . Mas esta fcil: tentemos o e a 2 (1 + u)3/2 . 3 Substituindo u = x2 na resposta, obtemos x 1 + x2 dx = 1 (1 + x2 )3/2 + C . 3
Em algumas situaoes no evidente a substituiao a ser feita. Seja H(x)dx a primitiva c a e c a calcular. Chame u = g(x), escolha que apenas uma tentativa e depende do feeling em e relaao ao problema. Se for poss inverter a funao g ento teremos x = g 1 (u). Agora c vel c a du = g (x)dx, isto , e du = g (g 1 (u))dx ,
B.12. TRUQUES DE PRIMITIVIZACAO: SUBSTITUICAO logo dx =
239
du g (g 1 (u))
= (g 1 ) (u)du .
Ento a substituiao pela nova varivel leva a a c a H(g 1 (u)) (g 1 ) (u)du . Eventualmente mais fcil calcular a primitiva de e a H(g 1 (u)) (g 1 ) (u) do que a primitiva de H(x). Se F (u) for a tal primitiva, ento basta substituir u = g(x) para a obter a primitiva desejada de H: H(x)dx = F (g(x)) + C . c Vejamos um exemplo. Queremos determinar x2 x + 1dx. Podemos fazer a substituiao u = x + 1. Ento invertemos e obtemos x = u2 1, com dx = 2udu. Em seguida fazemos a a substituiao na integral, obtendo c 2(u2 1)2 u2 du . Essa primitiva fcil de achar, pois trata-se de um polinmio: basta integrar termo a termo, e a o para obter 2 2 4 u3 ( u2 + u4 ) + C . 3 5 7 Substituindo novamente u por (x + 1)1/2 , chegamos ` primitiva procurada: a 2 (x + 1)3/2 7 8 4 x + x2 15 5 +C .
240
Apndice C e
Frmula de Taylor o
C.1 Introduo ca
Na Parte II deste livro abordada a questo da aproximaao de uma funao por polinmios: e a c c o dado um n mero inteiro n maior ou igual a zero, qual o melhor polinmio, entre aqueles u e o de grau menor ou igual a n, a aproximar uma certa funao cont c nua f denida no intervalo [a, b]? Ali a questo s pode ser respondida se antes se denir um critrio (relativo) de proximia o e dade. Isto , uma maneira de dizer o quanto um polinmio est distante de f , que permita e o a decidir, entre dois dados polinmios, qual aquele que est mais perto de f . O critrio o e a e adotado o do qui-quadrado: se p o polinmio ento mede-se e e o a
b
Q(p) =
a
(f (x) p(x))2 dx ,
que sempre um n mero maior ou igual a zero. e u Esse critrio leva em conta a proximidade de f e p em todo o intervalo [a, b]. De nada e adianta que p seja exatamente igual a f em certa parte do intervalo se em outra a diferena c se torna enorme, fazendo aumentar o valor da integral. Neste Apndice estamos interessados em outro ponto de vista para se denir a melhor e aproximaao polinomial de f . Agora no estamos preocupados em aproximar f num dado c a intervalo xo, mas sim na vizinhana de um ponto. Fixado um ponto w, no nos interessar c a a o que acontece com a funao longe do ponto w. c Tentemos precisar melhor os conceitos. Seja f uma funao, para comear cont c c nua, e w um ponto onde ela esteja denida. Sejam p e q dois polinmios. Diremos que p aproxima f o em w melhor do que q se p(x) f (x) <1 q(x) f (x) quando x est sucientemente perto de w. Ou seja, se tomarmos x sucientemente prximo a o de w ento a diferena |p(x) f (x)| ca menor do que a diferena |q(x) f (x)|. Obviamente a c c a fraao s tomada quando o denominador for no nulo. c o e a 241
242
APENDICE C. FORMULA DE TAYLOR
Em geral, teremos que essa fraao vai a zero, o que pode ser expresso da seguinte maneira: c
xw
lim
p(x) f (x) =0. q(x) f (x)
Podemos ver alguns exemplos simples, para aos poucos chegarmos a enunciados mais gerais.
C.1.1
Polinmios de grau zero o
Por exemplo, suponha que f seja uma funao (cont c nua) que assume o valor A em w. E suponha que p e q sejam polinmios de grau zero, isto , so polinmios constantes: p(x) = a0 o e a o e p(x) = b0 , para todo x, com a0 = b0 . Para sabermos qual dos polinmios aproxima melhor o a funao f em w, temos que olhar para o quociente c a0 f (x) p(x) f (x) = q(x) f (x) b0 f (x) Como f (x) tende a A ` medida que x tende a w, podemos ver quais so as possibilidades. a a Primeiro, se tanto a0 quanto b0 forem diferentes de A, ento o quociente tende a a a0 A , b0 A que ser menor do que 1 se a0 estiver mais prximo de A do que b0 . Neste caso, como esse a o e o valor limite, quando x estiver bem prximo de w o quociente ser tambm menor do que o a e 1, e ento p aproximar melhor do que q em w. Se for o contrrio, isto , b0 mais perto de a a a e A do que a0 ento ser q que aproximar melhor. a a a Se a0 = A ento teremos que a diferena a0 f (x) tende a zero quando x tende a w, a c enquanto b0 f (x) tende a b0 a0 . Neste caso a fraao ir a zero. c a Conclui-se portanto que o melhor polinmio de grau zero que aproxima f em w p(x) = o e f (w) = A.
C.1.2
Aproximao da funo nula ca ca
Vale a pena entender tambm o que se passa com a funao f (x) 0, a funao nula, tomando, e c c para facilitar, o ponto w = 0. Pela Subseao anterior, o melhor polinmio de grau zero que c o aproxima f em w p(x) 0. Tambm p(x) 0 = 0 + 0 x o melhor polinmio de grau 1 e e e o a aproximar f , de fato, para qualquer n o melhor polinmio de grau n. e o Fica para o leitor se divertir em demonstrar (ou vericar) isso.
C.1.3
Aproximao de grau 1 ca
Vejamos como melhor aproximar uma funao f em w por um polinmio de grau 1, supondo c o que ela seja derivvel. a Em primeiro lugar, fcil ver que o polinmio p(x) deve ter, como termo de grau zero, o e a o valor de f em w, pela mesma razo com que o melhor polinmio de grau zero tinha que ser a o igual a f (w). Ento a p(x) = f (w) + (x w)
C.2. POLINOMIO E FORMULA DE TAYLOR
243
(lembrando que polinmios de grau 1 tm retas como grco, e esta uma maneira de se o e a e escrever a reta que passa por (w, f (w)) e tem inclinaao ), ou seja, precisamos apenas c procurar o valor de . Como f derivvel, ento existe o limite e a a f (w) = lim Isto o mesmo que dizer que a diferena e c f (w) f (x) f (w) xw f (x) f (w) . xw
xw
tende a zero quando x tende a w. Armamos que p(x) = f (w) + f (w)(x w) o melhor polinmio de grau 1 que aproxima e o f em w, em detrimento de outros polinmios q(x) = f (w) + (x w), com = f (w). Basta o olharmos para a fraao c f (x) f (w) f (w)(x w) f (x) p(x) = . f (x) q(x) f (x) f (w) (x w) Colocando x w em evidncia no numerador e no denominador, camos com e
f (x)f (w) f (w) xw f (x)f (w) xw
Quando x tende a w, o numerador tende a zero, pelas consideraoes acima, enquanto que o c denominador tende a f (w) , que diferente de zero. Portanto a fraao toda vai a zero, e c mostrando o que hav amos armado. Conclui-se ento que a melhor aproximaao de grau 1 de f em w corresponde ` ( nica) a c a u reta que passa por w e tem inclinaao f (w). c
C.2
Polinmio e Frmula de Taylor o o
A ultima armaao da Seao anterior mais ou menos intuitiva. Ela diz que a melhor reta c c e que aproxima um grco em dado ponto a reta tangente ao grco nesse ponto. a e a Outra maneira de se ler essa concluso a seguinte. O polinmio p(x) de grau 1 que a e o melhor aproxima f em w aquele tal que p(w) = f (w) e p (w) = f (w). e Esta segunda maneira de pensar se presta facilmente a generalizaoes. De fato, pode-se c mostrar (e o faremos logo abaixo) que o polinmio de grau n que melhor aproxima f em w o aquele ( nico) tal que e u p(w) = f (w) , p (w) = f (w) , p (w) = f (w) , . . . , p(n) (w) = f (n) (w) , ou seja, cujas derivadas at ordem n coincidem com as derivadas de f em w. e E claro que ao fazermos tal armaao estamos automaticamente supondo que f pode ser c diferenciada n vezes em w! Para facilitar as coisas iremos supor que a funao f tantas vezes c e
244
diferencivel quanto queiramos, e alm do mais todas as suas derivadas de qualquer ordem a e so funoes cont a c nuas. Esse , de fato, o caso da maioria das funoes com que iremos nos e c deparar em aplicaoes (obviamente h exceoes, e nesses casos h que se tomar os devidos c a c a cuidados). O leitor pode facilmente vericar, usando as regras de derivaao, que o polinmio c o pn (x) = f (w) + f (w)(x w) + f (n) (w) f (w) (x w)2 + . . . + (x w)n 2 n!
satisfaz as exigncias acima. Este o chamado polinmio de Taylor de ordem n de f em w. e e o Antes de examinarmos a veracidade da generalizaao feita acima, podemos tambm nos c e perguntar em que grau boa a aproximaao por polinmios, em w, da funao f . Mais e c o c especicamente, podemos investigar a diferena f (x) pn (x) quando x se aproxima de w. c De fato, responderemos todas as indagaoes de uma s vez. Comecemos examinando c o a diferena entre f (x) e a aproximaao de primeira ordem p1 (x) = f (w) + f (w)(x w). c c Chamemos de R1 (x) (R de resto) essa diferena. Ento c a R1 (x) = f (x) f (w) f (w)(x w) . A idia reescrever essa expresso de forma que possamos avaliar o tamanho de R1 (x). Pelo e e a Teorema Fundamental do Clculo, temos a
x
R1 (x) =
w
f (t)dt f (w)(x w)
x
e, nesta nova expresso, podemos reconhecer a integraao por partes a c R1 (x) =

w
(x t)f (t)dt .
Podemos agora estimar R1 (x), usando o Teorema do Valor Mdio, em sua verso integral. e a Ou seja, existe entre w e x, que depende de x, tal que R1 (x) = (x w)(x )f () . Portanto temos |R1 (x)| = |x | |f ()| . |x w|
Conclui-se ento que o resto no s tende a zero quando x tende a w como tende a zero a a o mais rapidamente do que a diferena x w. c A segunda etapa ver o que acontece com ordens mais altas. Vejamos o que acontece ao e passarmos para ordem 2. Como p2 (x) = p1 (x) + f (w) (x w)2 , 2
Quando x tende a w a diferena |x | tende a zero, uma vez que est entre w e x. Alm c a e disso, como estamos supondo que todas as derivadas de f sejam cont nuas, f () tende a f (w). Logo |R1 (x)| =0. lim xw |x w|
C.2. POLINOMIO E FORMULA DE TAYLOR temos R2 (x) = f (x) p2 (x) = f (x) p1 (x) Mas f (x) p1 (x) = R1 (x), de forma que
x
245
f (w) (x w)2 . 2
R2 (x) =
w
(x t)f (t)dt
f (w) (x w)2 , 2
expresso esta que sai da integraao por partes de a c R2 (x) = 1 2

x w
(x t)2 f (t)dt .
Usando novamente o Teorema do Valor Mdio para a integral, conseguimos mostrar que e
xw
lim
|R2 (x)| =0. |x w|2
Prosseguindo indutivamente (ca para o leitor se certicar disto), conclui-se que f (x) = pn (x) + Rn (x) , conhecida como frmula de Taylor de ordem n para f em w, onde o Rn (x) = 1 n!
x w
(x t)n f (n+1) (t)dt .
A funao Rn tem a propriedade de que c

xw
lim
|Rn (x)| =0. |x w|n
Se delimitarmos um intervalo onde a (n + 1)-sima derivada de f seja cont e nua, seu mdulo ter um mximo nesse intervalo, que denotaremos por max |f (n+1) |. Como o mdulo o a a o da integral menor ou igual ` integral do mdulo (em um intervalo orientado positivamente), e a o temos x 1 |Rn (x)| |x t|n |f (n+1) (t)|dt n! w e x max |f (n+1) | |x t|n dt . |Rn (x)| n! w Fazendo um grco de |x t|n entre w e x, e prevendo as possibilidades de que x < w e a w < x, o leitor pode vericar facilmente que
x w
|x t|n dt =
|xw| 0
un du =
|x w|n+1 . n+1
Ento a |Rn (x)|
max |f (n+1) | |x w|n+1 . (n + 1)!
246
Podemos agora entender a razo pela qual o polinmio de Taylor pn a melhor aproa o e ximaao de grau n de f em w. Primeiro notamos que c lim Rn (x) =0 (x w)m
xw
para qualquer m menor ou igual a n (tiramos os mdulos para facilitar as coisas, uma vez o que o limite de uma expresso zero se e somente se o limite do mdulo da mesma expresso a e o a zero). Basta multiplicar o numerador e o denominador por (x w)nm , cando com e Rn (x) (x w)nm , (x w)n que vai a zero porque um produto de dois termos que vo a zero. e a Suponhamos agora outro polinmio q de grau (no mximo) n. Como q e pn no so o a a a iguais, a diferena entre eles um polinmio de grau no mximo n, que podemos escrever c e o a como am (x w)m + am+1 (x w)m+1 + . . . + an (x w)n . O n mero m o grau correspondente ao primeiro coeciente no-nulo do polinmio (quando u e a o escrito nessa forma), e pode ser qualquer inteiro entre 0 e n. Ento a pn (x) q(x) = (x w)m (am + Q(x)) , onde Q(x) = am+1 (x w) + am+2 (x w)2 + . . . + an (x w)nm , polinmio que vai a zero o quando x tende a w. Finalmente comparamos a proximidade de pn e q com f , para mostrar que pn est mais a prximo de f em w do que q. Temos o Rn (x) f (x) pn (x) = , f (x) q(x) Rn (x) + pn (x) q(x) lembrando da prpria deniao de Rn . A partir das consideraoes acima, essa fraao pode o c c c ser escrita como Rn (x) , Rn (x) (x w)m (am + Q(x) + (xw)m ) de onde nota-se que ela deve ir a zero quando x tende a w.
Apndice D e
Respostas de exerc cios selecionados

1.1 O polinmio interpolador p(x) o e calculados pelo sistema linear 1 1 1 0 1 3 1 4 cuja soluao a0 = 1, a1 = c e 1.2 p(x) = x3 2x2 + 3x + 1 2.3 x1 = 0.258 e x2 = 3.29 2.4 No loop ` esquerda temos 19 + 6I1 + I3 + 6 + 4I1 = 0 e no loop ` direita temos a a 4I2 + I3 6 = 0. Com a equaao I1 = I2 + I3 , obtemos o sistema linear AI = b onde 2 c 10 0 1 13 4 1 e b = 4 Depois do escalonamento com 2 algarismos A = 0 1 1 1 0 10 0 1.0 0 4.0 1.0 com vetor de permutaoes c signicativos, obtemos A = 0.10 0.25 1.4 1 13 p = 2 e = 4.0 . A resposta nal I1 = 1.3A, I2 = 1.1A e I3 = 0.21A. b e 3 0.30 4.3 2.5 A = 0.16 0.21 4.2 4.1 0.80 1.1 1 3.4 3.7 0.080 , p = 3 , = 2.8 , x = 0.51 b 0.53 2 5.0 9.4 247
1 12 ,
= a0 + a1 x + a2 x2 + a3 x3 onde os coecientes so a a0 1 1 0 0 a1 9 27 a2 a3 16 64 0 1 = 1 0
3 1 a2 = 4 e a3 = 6 .
248 2.12 r(0) =
APENDICE D. RESPOSTAS DE EXERC ICIOS SELECIONADOS
1.5 2.2 0.94
r(0) =
1.5 1.0 3.4 0.23 c(0) = 0.65 x(1) = 6.9 0.59 0.37 5.2
3.6 (a) A matriz no satisfaz o Critrio das Linhas para qualquer permutaao de linhas. a e c 3 23 169 5 (b) Com a permutaao p = 1 , temos 1 = 6 , 2 = 24 , 3 = 192 e M = 23 < 1. c 24 2 0.50000 0.87500 . (c) x(1) = 0.35938 (d) O erro inicial estimado por 5 e n 147. e

LivroNumerico

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

LivroNumerico

Uploaded by

Copyright:

Available Formats

Clculo Numrico Fundamentos e Aplicaes a e co

Equaes e Zeros de Funes co co

SUMARIO 167 168 169 169 170 171 172

Exemplos de aplicaes de co sistemas lineares

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

(c3A ,c3B ) (c2A ,c2B )

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

1.5. INTERPOLACAO POLINOMIAL

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

Outros problemas de determinao de polinmios ca o

isso nos d uma equaao linear, pois a c

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

1.8. PROBLEMAS DE CONTORNO

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

CAP ITULO 2. O METODO DE ESCALONAMENTO

CAP ITULO 2. O METODO DE ESCALONAMENTO

... ... ... . . .

a1n a2n a3n . . .

2.2. ALGARISMOS SIGNIFICATIVOS A mantissa de x de ordem 10 o n mero e u 0.2236067977

CAP ITULO 2. O METODO DE ESCALONAMENTO

2.2. ALGARISMOS SIGNIFICATIVOS

CAP ITULO 2. O METODO DE ESCALONAMENTO

3.4 b = 2.1 3.3

O determinante no Mtodo de Escalonamento e

2.4. A DESVANTAGEM DA REGRA DE CRAMER

A desvantagem da Regra de Cramer

CAP ITULO 2. O METODO DE ESCALONAMENTO

2.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

Sistemas mal-condicionados e renamento de soluo ca

CAP ITULO 2. O METODO DE ESCALONAMENTO

2.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

CAP ITULO 2. O METODO DE ESCALONAMENTO

2.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

(a) Ache sua soluao exata. c

Execute uma etapa de renamento.

2.5 b = 4.4 3.5

CAP ITULO 2. O METODO DE ESCALONAMENTO

38 equaoes e obter x1 , . . . , xn , etc. Ento c a

CAP ITULO 3. METODOS ITERATIVOS

Critrio das Linhas e

O Critrio das Linhas pede que e

|aij | < |aii |

remete a provar que, para todo i = 1, . . . , n, vale |xi

e, como os x1 , . . . , xn formam uma soluao, c x1 = Ento a x1 x1 =

CAP ITULO 3. METODOS ITERATIVOS

|a12 | + |a13 | + . . . + |a1n | (k 1) . |a11 | |a12 | + |a13 | + . . . + |a1n | , |a11 |

ento a |xi logo (k) (k 1) , como quer amos demonstrar!

3.4. O METODO DE GAUSS-SEIDEL De fato, de (k) (k 1) segue que

= max |xi max

(1 ) max |xi e nalmente

que com nossa notaao compacta se torna c (k)

(k) (k1) xi | max |x 1 i=1,...,n i

max (x(k1) , x(k) ) 1

CAP ITULO 3. METODOS ITERATIVOS

1 a11 1 a22 1 a33 . . . 1 ann

b1 a12 x2 a13 x3 a1n x(k) n b2 a21 x1 b3 a31 x1

a23 x3 a2n x(k) n a32 x3

1 a11 1 a22 1 a33 1 a44

) + a23 (x3 x3 ) + a24 (x4 x4 ) ) + a32 (x2 x2 ) + a42 (x2 x2

) + a34 (x4 x4 ) ) + a43 (x3 x3

Da primeira equaao, sai c |x1

|a12 | + |a13 | + |a14 | (k) . |a11 |

|a12 | + |a13 | + |a14 | , |a11 | x1 | 1 (k) .