Faculdade de Engenharia da Universidade do Porto

´ Licenciatura em Engenharia Electrotecnica e de Computadores

Apontamentos de An´lise Num´rica a e

An´ ıbal Castilho Coimbra de Matos

Setembro de 2005

Nota introdut´ria o
Estes apontamentos destinam-se a apoiar as aulas da disciplina de An´lise Num´rica da Lia e cenciatura em Engenharia Electrot´cnica e de Computadores da Faculdade de Engenharia de e Universidade do Porto. A sua organiza¸˜o reflecte a forma como tenho vindo a leccionar as aulas te´ricas desta disciplina ca o desde o ano lectivo 2001/2002. Estes apontamentos n˜o pretender ser um texto de referˆncia, a e mas t˜o s´ permitir aos alunos um melhor acompanhamento da mat´ria leccionada. Para um a o e estudo mais aprofundado e sistem´tico dos assuntos abordados, os alunos s˜o remetidos para as a a diferentes obras referidas na bibliografia. As discuss˜es mantidas com o Prof. Jos´ Fernando Oliveira, principalmente no ano lectivo o e 2001/2002, e com o Prof. Carlos Mendon¸a e Moura, desde ent˜o, contribu´ c a ıram de forma decisiva para a organiza¸˜o destes apontamentos. Por todos os ensinamentos, mas tamb´m pela ca e forma como correu e ainda decorre o trabalho realizado em conjunto na lecciona¸˜o de An´lise ca a Num´rica, n˜o poderia deixar de manifestar aqui o meu profundo agradecimento a estes meus e a Professores.

An´ ıbal Matos, Set/2005

i

. . . . . . . . . . . . . . . a e 1 1 2 4 7 9 10 14 16 16 19 21 27 31 36 40 42 43 50 50 50 52 55 55 56 60 2 Equa¸˜es N˜o Lineares co a 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 3. . . .6 2. . . . . . . . . . . .6 1. . . . . . . . . . . . . . . . . . . . . . . . . ca a co C´lculo de s´ries e erro de truncatura . . . . . . . . . . . . . . . . e ii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Normas de matrizes . . . . . . . . . .2 4. . .9 Introdu¸˜o . . . . . . . . . . . .2 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 3. . . .1 4. . . . . .5 2. . . . . . . . .3 Introdu¸˜o . . . . . . . . . . . . . . ca M´todo das bissec¸˜es sucessivas . . . . . . . . . . . . .Conte´do u 1 Fundamentos 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . e co Propaga¸˜o de erros no c´lculo de fun¸˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 1. . . . . . . . . . . .4 1. .7 2. . . . . . . . . . . . . o 3 Normas de vectores e matrizes 3. . . e ca M´todo de Newton . . . . . . . . e co M´todo da falsa posi¸˜o (regula falsi ) . . . ca Valores exactos e aproximados: erros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e M´todo de Newton .2 1. Sistemas de v´ ırgula flutuante . . . Localiza¸˜o de zeros . . . . . . . . . . .1 1. . . . . . . .3 1. e Ordem de convergˆncia e . . . . . . . . . . . . . . . . . . . . . .3 Introdu¸˜o . . .8 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca M´todo iterativo simples (itera¸˜o de ponto fixo) . . . . . . . .4 2. . . . . . . Algarismos significativos . . . . . . . . . . . . . . . . . ca Ra´ ızes de polin´mios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Normas de vectores . . . . . . . . Aritm´tica em representa¸˜es finitas . . . . . . . e M´todo da secante . . . . . . e ca M´todo iterativo simples . . . . . . . . . . . . . . . . .1 2. . . . . . . . . . . . . 4 Sistemas de Equa¸˜es N˜o Lineares co a 4. .7 Introdu¸˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 2.

.8 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 ca Dupla interpola¸˜o . . . . . . . . . . . . . . . . . . . . . . . . . . .1 6. . . .5 Introdu¸˜o . . . . 142 ca Quadratura gaussiana . . . . . . . . . . .1 9. . . . . . . . 111 Interpola¸˜o directa e inversa . . . . . . .9 Introdu¸˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Interpola¸˜o ca 7. . . . . . . . . . 105 Forma de Aitken-Neville . . . . . . . . ca Fun¸˜es aproximantes e desvios . . . . . . . . . . . . .4 7. . . . .6 7. . . . . . . . . . . .4 5. . . . . . 126 ca 8 Integra¸˜o Num´rica ca e 8. . . . . . . . . . . . . . . 139 Integra¸˜o de Romberg . . . . . . . . 137 e Regra de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . .2 5. . . . . . . 120 ca 7. . . . . .4 8. . . . . . .3 7. . . . . . . . . . .5 7. . . . . . . . e Relaxa¸˜o dos m´todos de Jacobi e Gauss-Seidel . . . . . . . . . . . . . . . ca e 64 64 65 70 73 75 85 88 88 89 90 94 95 99 99 6 Aproxima¸˜o dos M´ ca ınimos Quadrados 6. . . . . . . . . . . . . . . . . . . . . . . . . . ca Interpola¸˜o polinomial . . . . . . . . . . . . . . . . . . . . . . . . .3 6. . . . . . . . .6 Introdu¸˜o . 135 ca a Regra dos trap´zios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 ca 7. . . . . . . . . . . . . . . . . . . .1 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Sistemas de Equa¸˜es Lineares co 5. . . . . . . . . . . . . . . . . . . . . . . . . . .4 6. Redu¸˜o a problemas de m´ ca ınimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 5. . . . . . . . . . . .7 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 7. . .12 Interpola¸˜o polinomial segmentada (splines) . . . . .5 8. . . . . . .1 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . co Aproxima¸˜o dos m´ ca ınimos quadrados . . . . . . . . . . . . . . . . . 149 ca Solu¸˜o num´rica de equa¸˜es diferenciais . . . . . . . .2 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 149 9 Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 9. . . . . . . . . . . . . . . . . . . . . . . . . . 102 o e Forma de Lagrange . .2 7. . . . . . . . . . . . . .6 134 Introdu¸˜o . . . 124 o o ca 7. . . . . . . . . ca Perturba¸˜es no sistema de equa¸˜es . . 107 Forma de Newton . . .3 Introdu¸˜o . . . .10 Erro de interpola¸˜o . . . . . 110 Diferen¸as divididas e diferen¸as finitas c c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Elimina¸˜o gaussiana . . . . . . . . . . . . . . 151 co a iii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .11 Polin´mios de Chebyshev e n´s de interpola¸˜o . . . . . . ca Erro e res´ ıduo de uma solu¸˜o aproximada . . . . . . . . . . . 134 ca Regras de integra¸˜o b´sicas e compostas . . . . . .2 9. . . . 150 ca e co Equa¸˜es diferenciais ordin´rias de ordem 1 . . . .3 5. . . . . . . . . . . . . . . . . . . . . . . . . 100 ca Polin´mio interpolador: unicidade e existˆncia . Aproxima¸˜o em espa¸os vectoriais e m´ ca c ınimos quadrados . . . . . . co co M´todos iterativos .3 8. . . . . . . . . . . . . .2 6. . . . . . . . . . . . . . . . . .

. . . . . . .7 9. . . . . . . . . 159 e e M´todos de Runge-Kutta . . . . 160 e Sistemas de equa¸˜es diferenciais . . . . . . . .4 9. . . . . . . 153 e M´todos de Taylor . . . . . 164 co Equa¸˜es diferenciais de ordem n . . . . . . . . . . . .6 9. . . . . . . . . . . . . . . . . . . . . . . . . . . .9 M´todos de Euler . . . . . . . . .5 9. . . 157 e Consistˆncia e convergˆncia . . . . . . . . . . . .8 9. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9. . . . . 167 co 169 Bibliografia iv . . . . . . . . . . . . . . . . . . . . . . .

ou c´lculos a efectuados de forma aproximada.Cap´ ıtulo 1 Fundamentos 1. de que s˜o e a exemplos erros associados a processos de medida. Esta impossibilidade pode ter origens diversas. em seguida. modelos abstractos aproximados. que permite calcular o volume a partir dos compria mentos das trˆs arestas. o modelo e abstracto consiste na express˜o V = abc.1. Obviamente que a c˜ ı este valor aproximado ter´ associado um erro que depender´ dos erros cometidos nos processos a a de medida. perpendiculares entre si. Contudo esta situa¸˜o n˜o ´ necessariamente m´. b e c. A situa¸˜o descrita neste exemplo de n˜o se conseguir obter um valor num´rico exacto para ca a e muitos problemas ´ a mais comum. o processo de medi¸ao fornecer´ valores aproximados dos comprimentos c˜ a das arestas. o De uma forma simples. Ora.1. pode dizer-se que a An´lise Num´rica abrange o estudo de m´todos a e e 1 . a medi¸˜o de cada uma das arestas est´ associado um erro (erro ` ca a de medida). o produto das medidas dos trˆs comprimentos ir-se-´ obter um valor que e a apenas poder´ ser considerado uma aproxima¸ao do volume do paralelip´pedo. pois na ca a e a grande maioria (ou at´ talvez na totalidade) dos problemas bastar´ obter um valor num´rico e a e suficientemente pr´ximo do valor exacto.1 Introdu¸˜o ca Sempre que se pretende tratar algum problema cuja solu¸˜o toma a forma do c´lculo de um ca a valor num´rico ´ habitual ter de considerar n˜o s´ conceitos de car´cter mais abstracto (que e e a o a fornecem um modelo consistente para a an´lise do problema) mas tamb´m quest˜es de natureza a e o mais pr´tica relacionadas com os c´lculos a efectuar ou com os n´meros necess´rios a realiza¸˜o a a u a ` ca de tais c´lculos. a Exemplo 1. Neste caso. sendo eventualmente poss´ obter alguma caracteriza¸˜o dos erros de medida. Ou seja. Ao ıvel ca efectuar. Para aplicar esta express˜o ´ ent˜o necess´rio come¸ar por medir e a e a a c cada uma das arestas. Suponha-se que se pretende determinar o volume V de um paralelip´ ıpedo a partir dos comprimentos de trˆs arestas a.

a Designa-se por valor aproximado ou aproxima¸˜o. e ent˜o n˜o se utilizaria tal aproxima¸˜o! a a a ca 3. ca c isto ´.14159265359. ∆x* x* x Figura 1.1: Valor exacto e aproxima¸˜o. se ambos fossem conhecidos. o valor exacto x poder-se-ia calcular por interm´dio da express˜o x = x∗ + ∆x∗ . ser´ representado por x. |∆x∗ | = |x − x∗ |. E sabido que π 3 3.1 3.. verificando-se ent˜o que ∆x∗ > 0. e ∆x∗ = x − x∗ . e representa-se por x∗ . qualquer valor ca que se pretende utilizar como solu¸˜o do problema. . a co e O valor absoluto do erro de aproxima¸˜o. tendo-se ent˜o que ∆x∗ < 0. a aproxima¸˜o diz-se ser por defeito..15 3. no que se segue. n˜o ´ conhecido o erro ∆x∗ associado a uma dada aproxima¸˜o a e e x∗ .2 Valores exactos e aproximados: erros Consideremos um problema cuja solu¸˜o ´ um n´mero real.14 3. ca ca Note-se que de um modo geral. ´ Exemplo 1. Ent˜o. ca ca a No caso de x∗ < x.1.Cap´ ıtulo 1.142 .. 1. Este n´mero ´ designado por valor ca e u u e exacto do problema e. s˜o aproxima¸˜es de π por defeito e a co 4 s˜o aproxima¸˜es de π por excesso.141 . Associado a um dado valor aproximado x∗ ca define-se o erro de aproxima¸˜o como a diferen¸a entre o valor exacto e o valor aproximado. e Neste cap´ ıtulo apresentam-se os conceitos fundamentais necess´rios a compreens˜o e utiliza¸˜o a ` a ca dos m´todos num´ricos que ir˜o ser estudados nos cap´ e e a ıtulos subsequentes. De facto.2. E por natureza uma disciplina que se situa na fronteira entre a Matem´tica e a a Ciˆncia de Computadores. ca a No caso de x∗ > x.. a aproxima¸˜o diz-se ser por excesso. Fundamentos 2 e t´cnicas que permitam obter solu¸˜es aproximadas de problemas num´ricos de uma forma e co e ´ eficiente. ´ designado por erro absoluto.2 3. a 3.

3. Os erros relativos exprimem-se habitualmente em termos percentuais. que se define por ca |∆x∗ | . pretende dizer-se que 1.02 ´ normalmente referido como um erro de 2%. Exemplo 1. utiliza-se a nota¸˜o a ca x = x∗ ± (100ε ) %.05). Neste caso. isto ´. 1.02.14. 1.Cap´ ıtulo 1. E a a Ent˜o. como sendo um mae a jorante do erro relativo. a Para uma dada aproxima¸˜o x∗ . x∗ (1+ε )].2 ± 5%. e ca Exemplo 1.05)]. verifica-se que a x ∈ [x∗ − ε.21.2 ´ uma aproxima¸ao de e c˜ x com um erro m´ximo relativo de 5% (ou seja. se x∗ for um valor aproximado de x com um erro m´ximo absoluto ε. x∗ + ε].2.23 ± 0. |x| onde ε representa um erro m´ximo absoluto. Tamb´m aqui ´ normal trabalhar com a aproxa e e ima¸˜o do erro m´ximo relativo dada por (notar o abuso de nota¸˜o) ca a ca ε = ε . ou seja. isto significa que x estar´ no intervalo a a [1. Neste caso ´ habitual usar-se a nota¸˜o x = x∗ ± ε. para designar um majorante do erro absoluto. Ao escrever-se x = 1.2. e ε = ε . e e Outra forma de caracterizar uma aproxima¸˜o x∗ ´ atrav´s do erro relativo. |x∗ | a valor que ´ poss´ calcular com base na aproxima¸˜o x∗ e no erro m´ximo absoluto ε conhecido.2.2 · (1 − 0. [1. Significa isto que o valor exacto x estar´ a a no intervalo [1.23 ´ uma aproxima¸˜o e ca de x com um erro m´ximo absoluto de 0. Este intervalo ´ muitas vezes caracterizado a partir de majorantes do erro absoluto. ou seja. o erro m´ximo relativo pode ser calculado a partir do erro ca m´ximo absoluto conhecido e vice-versa.26]. Muitas vezes ´ tamb´m considerado o erro relativo aproxie e mado definido por |∆x∗ | . Fundamentos 3 Assim. 0. dizer que x∗ ´ uma aproxima¸˜o de x com um erro m´ximo relativo ε ´ equivalente a dizer que o valor exacto x est´ no intervalo [x∗ (1−ε ). ainda que de uma forma aproximada. |x| para valores de x diferentes de zero. |x∗ | A no¸˜o de erro relativo adv´m do facto de o mesmo erro absoluto poder ter significados reais ca e diferentes consoante o valor exacto em causa. Ao escrever-se x = 1. e ıvel ca e ca a e Assim. e Define-se tamb´m erro m´ximo relativo. Por exemplo. A express˜o erro m´ximo absoluto ´ utilizada a a e ´ usual indicar o erro m´ximo absoluto por ε. a .2 · (1 + 0.25]. a situa¸˜o mais comum ´ aquela em que se conhece um determinado valor aproximado ca e ca e x∗ e um intervalo para o erro de aproxima¸˜o ∆x∗ . pretende dizer-se que 1. normalmente indicado por ε .05).02. um erro relativo de 0. 1. Habitualmente.

5. Por exemplo.45 3 × 10−3 . . 3. .d−1 d−2 d−3 ´ designada por mantissa e o n´mero inca e u teiro e designa-se por expoente.d−1 d−2 d−3 . 102. d1 d0 . Exemplo 1. 4. dn dn+1 dn+2 . Fundamentos 4 os erros m´ximos quer absolutos quer relativos s˜o indicados com um n´mero reduzido de casas a a u decimais (raramente mais do que duas). 2.. 6.01 3. ou seja. .1023 × 102 . 1. 8. ε 1. d1 d0 . resultando em que os valores sejam muito pr´ximos.2. 0.7 A utiliza¸˜o abusiva do majorante do erro relativo dado por ca normalmente se ter que ε e ε |x| ´ justificada pelo facto de e ε |x∗ | |x|.7 com ε = 0. d1 d0 .23 poder´ ser tamb´m representado por 1. equivalentemente. a Seja x∗ = 3. ´ Como na pr´tica apenas podemos utilizar representa¸˜es finitas e por vezes n˜o queremos ou a co a n˜o podemos utilizar mais do que um dado n´mero de algarismos da mantissa surge a quest˜o a u a de como representar um valor suposto exacto que a partida n˜o ser´ represent´vel.07 × 2.). . u a e Note-se que mesmo a representa¸˜o decimal tradicional permite representar certos n´meros de ca u mais do que uma forma (o n´mero 2 pode tamb´m ser representado por 1. . o n´mero 10. teremos ca x = ± dn dn−1 . . Ent˜o ε a Seja x∗ = −2. ou. de base 10. 7.023 × 10. ε |x∗ | 0. Concreta` a a a a mente. × 10e A parte da representa¸˜o dn dn−1 . .07. (n˜o interessa a localiza¸˜o do ponto decimal. visto que pode ser alterada por simples manipula¸˜o do exca ca poente) e que apenas pretendemos utilizar os n primeiros algarismos. etc.3 Algarismos significativos Um n´mero real x ´ representado na forma decimal (base 10) pelo seu sinal (+ ou −) e por u e uma sequˆncia (finita ou n˜o) de algarismos do conjunto {0. .19.3 × 10−1 . . 9} posicionada e a relativamente ao ponto (ou v´ ırgula) decimal (.. A necessidade de representar n´meros de diferentes grandezas de uma forma compacta conu duziu a introdu¸˜o da designada nota¸˜o cient´ ` ca ca ıfica. suponhamos que temos um valor com a mantissa d1 d2 . . Podemos aqui utilizar dois processos: a truncatura e o arredondamento.d−1 d−2 d−3 . 0.Cap´ ıtulo 1. . o a 1.45 com ε = 0. que mais n˜o ´ do que a introdu¸˜o na a e ca representa¸˜o de um factor multiplicativo correspondente a uma potˆncia inteira da base de ca e representa¸˜o. . . ou seja. .01. .4. A localiza¸˜o do ponto decimal na mantissa pode ser alterada. . Assim. Ent˜o ε 0.9999999999 . embora u e esta ultima seja infinita!). Isto ser´ tanto mais verdade quando mais pequeno for ε . ca bastando para tal modificar o valor do expoente de forma correspondente. . x = ± dn dn−1 .

tendo em aten¸˜o que os que correspondam a algarismos inteiros devem ser substitu´ ca ıdos por zeros e posteriormente eliminados por altera¸˜o de expoente. ficando impl´ ıcito qual o majorante do erro absoluto. Uma forma a a de tornar mais simples a representa¸˜o de aproxima¸˜es ´ considerar majorantes do erro absoluto ca co e ca ea apenas da forma 0. arredonda-se para cima. ca ca ca pois o erro m´ximo absoluto inicial.26. Arredondar as d´cimas os n´meros: 1. .2. ´ a Exemplo 1. se 0. depois arredonda-se x∗ para a casa decimal 10n . . > 0.04 corresponde a dizer que o valor exacto est´ no ca a intervalo [2.3.5 soma-se uma unidade ` casa decimal n (e alteram-se se necess´rio as casas ` esquerda desta).3.5 mant´m-se a casa decimal n. Ao truncar o n´mero 7395 para as centenas.3. Quando se utiliza esta conven¸˜o.5 × 10n e representar apenas a aproxima¸˜o at´ ` casa decimal 10n .25 e 1. 2. A representa¸˜o assim obtida diferir´ do ca ca a valor original menos do que uma unidade da ultima casa decimal n˜o eliminada.3.3. designam-se algarismos ca ca a ´ significativos.35.2 e 1. 2. com excep¸˜o dos zeros ` esquerda.1. se 0. < 0. arredonda-se para baixo.5 × 10n . atr´s introduzida. . = 0. ca A passagem de uma aproxima¸˜o da forma x∗ ±ε para uma representa¸˜o apenas com algarismos ca significativos ´ normalmente efectuada em dois passos: primeiro majora-se ε por um n´mero da e u forma 0. significando ca agora que o valor exacto estaria no intervalo [2. Para tal. 3. Ao truncar os n´meros 123.5 arredonda-se para cima ou para baixo de forma a que o algarismo da casa decimal n seja par (neste caso ´ tamb´m poss´ utilizar o arredondamento para e e ıvel cima).24.4.15].5 × 10n . respectivamente. ser´ sempre substitu´ por um seu majorante da forma a a ıdo 0.dn+1 dn+2 .05.1.5. ignoram-se os algarismos da mantissa a partir do ´ ındice n + 1. 1. A aproxima¸˜o 2. para indicar que x∗ ´ uma aproxima¸˜o de ca ca x com um erro m´ximo absoluto ε tende a ser algo extensa e por tal pouco pr´tica. se 0. obter´ u ıamos 73 × 102 . 1. ou seja.14]. Fundamentos 5 No caso da truncatura. a e 2. Esta aproxima¸˜o representar-se-ia simplesmente por 2. ou seja. ` e u De acordo com as regras acima temos: 1.Cap´ ıtulo 1. . E de notar que esta simplifica¸˜o da nota¸˜o acarreta uma perda de informa¸˜o.dn+1 dn+2 . Exemplo 1. No caso do arredondamento. utilizam-se as seguintes regras a a 1.06. os algarismos da ca mantissa de uma representa¸˜o.1 ± 0. o objectivo ´ escolher o n´mero represent´vel mais pr´ximo do e u a o valor original.dn+1 dn+2 .51 `s d´cimas. obtemos em ambos os u a e casos 123.2. 1. a e ca A utiliza¸˜o da nota¸˜o x = x∗ ±ε. . .56 e 123. a a Exemplo 1. 1. Estas regras asseguram que toda a representa¸˜o aproximada obtida por arredondamento difere ca do valor original n˜o mais do que 5 unidades da primeira casa n˜o representada. ε. .

2. de e a forma a garantir que todos os valores exactos poss´ ıveis est˜o considerados. a Este exemplo ilustra tamb´m que o erro m´ximo relativo diminui a medida que aumenta o e a ` n´mero de algarismos significativos de uma aproxima¸˜o.2(3). De facto. 51.2405] [145. ca O exemplo acima ilustra como pode ser enorme a perda de informa¸˜o ao utilizar representa¸˜es ca co apenas com algarismos significativos. 51. Uma aproxima¸˜o com n algarismos significativos tem um erro relativo aproca ximado inferior ou igual a 5 × 10−n .5. e a o menor intervalo em que se garante estar o valor exacto.25].3 × 10−2 5 × 10−1 5 × 10−1 Note-se a diferen¸a entre as duas primeiras situa¸˜es.5. representando valores no intervalo [51. 51.2395.18. u bem como o erro m´ximo relativo. n˜o englobando todos os valores iniciais poss´ a ıveis. A tabela seguinte mostra alguns exemplos de aproxima¸˜es em que apenas se co representam os algarismos significativos. 2.5 para o erro absoluto e representar a a a aproxima¸˜o apenas por 51.235. .208.2 × 10−4 3.5 × 102 1 × 102 0. 51.1 × 103 ε 0.Cap´ ıtulo 1. a x∗ 2.023 por 0. 150] Algarismos significativos 3 4 2 1 1 ε 2. Assim.231 ± 0.2 × 10−3 2.046 e no fim apenas se pode concluir que ele est´ num intervalo a de largura 1.0005 5 50 50 Intervalo [2. de um erro m´ximo absoluto 10 vezes menor.24 2.245] [2.240 1.1.4.3. como se mostra no teorema abaixo. 150] [50. Ter-se-ia ent˜o que considerar o majorante 0. Para evitar estas situa¸˜es podem utilizar-se algarismos suplementares. existe uma rela¸˜o entre u ca ca estas quantidades.005 0. inicialmente sabia-se que o valor exacto estava num intervalo de largura 0.254]. Contudo esta representa¸˜o apenas retrata ca ca valores no intervalo [51. a Exemplo 1. Fundamentos 6 O exemplo seguinte mostra que por vezes ´ necess´rio considerar um majorante maior de ε.28]. sendo por isso inv´lida. a aproxima¸˜o do a a e ca exemplo acima representar-se-ia por 51. o n´mero de algarismos significativos.3. A aproxima¸ao 51.15.231 para as d´cimas. e que s˜o representados entre parˆntesis. Teorema 1. ´ apresentado o erro m´ximo absoluto. o que indicaria que o valor exacto estaria no intervalo [50. 155] [50. e ser´ ıamos levados a utilizar a representa¸˜o 51. Majorando 0.05 e arredondando 51.023 corresponde a dizer que o valor exacto est´ no c˜ a intervalo [51. onde se real¸a a utiliza¸˜o de um zero ` c co c ca a direita depois do ponto decimal para significar a existˆncia de mais um algarismo significativo e e. Em cada caso. logo. ´ E importante n˜o confundir esta nota¸˜o com a utilizada para representar algarismos que se a ca repetem em d´ ızimas infinitas peri´dicas! o Exemplo 1.3. Efectivamente.5]. que se sabe co n˜o serem significativos.2.

d1 d2 . a O erro m´ximo relativo (aproximado) ε satisfaz a ε = 0. |x∗ | d1 d2 · · · dn × 10k d1 d2 · · · dn Como d1 = 0 tem-se que 10n−1 ≤ d1 d2 · · · dn < 10n . n. . u a . para i = 1. . Fundamentos 7 Demonstra¸˜o. de forma a tornar poss´ representar n´meros com ıvel u valores absolutos menores e maiores do que a unidade. n. ent˜o x∗ ´ da forma ca e ca a e x∗ = ±d1 d2 · · · dn × 10k . e Assim.5 = 5 × 10−n . Independentemente de se tratar de um sistema normalizado ou n˜o. . o conjunto de expoentes permitidos limita a gama u de valores represent´veis e o n´mero de d´ a u ıgitos da mantissa caracteriza a precis˜o com que se a podem aproximar n´meros que n˜o tenham representa¸˜o exacta. e di .5 × 10k ε 0. m. De acordo com a conven¸˜o utilizada. Nestes sistemas. de forma a que apenas seja necess´rio utilizar os d´ a ıgitos “0” e “1”.4 Sistemas de v´ ırgula flutuante A representa¸˜o mais comum de n´meros reais em sistemas computacionais ´ realizada em ca u e v´ ırgula flutuante. dn ) × β e onde e ´ um inteiro tal que m ≤ e ≤ M .Cap´ ıtulo 1. co u e e ca u d1 = 0. ca ca a para algum k ∈ Z e com d1 = 0. s˜o d´ e a ıgitos na base β. esta aproxima¸˜o ter´ ´ um erro m´ximo absoluto ε = 0. o n´mero de d´ ca u ıgitos da mantissa (n) e os valores m´ximos e m´ a ınimos do expoente (m e M . M ) ´ equivalente a ter e x = ±(0. . dizer que x ∈ FP(β. Um sistema de v´ ırgula flutuante ´ caracterizado por 4 parˆmetros: a base e a de representa¸˜o (β). concluindo-se finalmente que ε ≤ 0. os sistemas computacionais utilizam sistemas de v´ ırgula flutuante de base 2. m. Obviamente que um sistema de v´ ırgula flutuante apenas permite representar um subconjunto finito de n´meros reais. Note-se que habitualmente se tem que m < 0 < M . .5 = = . Tal sistema ´ habitualmente representado por FP(β. qualquer sistema de v´ a ırgula flutuante ter´ a si associado o n´mero diferente de zero com menor valor absoluto represent´vel a u a bem como o n´mero com o maior valor absoluto represent´vel. n. u a ca Diz-se ainda que um sistema de v´ ırgula flutuante se encontra normalizado se apenas permitir representa¸˜es de n´meros cujo primeiro algarismo da mantissa seja diferente de zero. M ). isto ´.5 × 10k (metade da ultima casa decimal representada). . respectivamente). isto para al´m de permitir a representa¸˜o do n´mero zero. 10n−1 1. Se x∗ ´ uma aproxima¸˜o com n algarismos significativos. Habitualmente.

3. Refira-se tamb´m que muitos sistemas computacionais co e n˜o sinalizam a ocorrˆncia de underflow. ca ca O resultado da opera¸ao z/x ´ c˜ e 0. sendo necess´rio definir. todavia. Assim a a u a e opera¸˜o x × y resulta numa situa¸˜o de underflow. M ).200 × 10−8 y = 0. Por tal motivo. ca Exemplo 1. ´ comum os sistemas computacionais tratarem as situa¸˜es de overe co flow e underflow como situa¸˜es de erro. seja porque o seu valor absoluto ´ superior ao maior valor absoa e luto represent´vel. De facto o menor n´mero positivo represent´vel ´ 0. que ´.1 × 10−10 . a Os erros resultantes de tais aproxima¸˜es ser˜o analisados na sec¸˜o seguinte.3 × 1037 . a forma como s˜o co e a a aproximados os resultados que n˜o possuem representa¸˜o exacto.4. limitando-se a fornecer o valor 0 como resultado da a e opera¸˜o em causa. Fundamentos 8 Quando se utiliza um sistema de v´ ırgula flutuante. −10. os algoritmos que implementam as opera¸˜es aritm´ticas b´sicas. em muitas situa¸˜es o resultado da opera¸˜o u a co ca n˜o ter´ representa¸˜o exacta nesse sistema. 30) normalizado. co a ca Situa¸˜es h´. Sejam ainda os n´meros u x = 0.999 × 1030 . Verifica-se assim que a opera¸ao z/x resulta numa situa¸˜o de overflow. A primeira destas situa¸˜es ´ designada por underflow e a segunda por a co e overflow. pois o erro relativo de tal aproxima¸˜o poder´ ser arbitrariamente ca a elevado. Contudo.Cap´ ıtulo 1. e a e c˜ ca 0.1. as opera¸˜es aritm´ticas ser˜o realizadas soco e a bre n´meros represent´veis nesse sistema. seja porque o seu valor absoluto ´ n˜o nulo mas inferior ao menor a e a valor absoluto represent´vel. n. o tratamento de situa¸˜es de a ca co . m. em que o resultado de uma dada opera¸˜o se encontra fora da gama co a ca de valores represent´veis. Este resultado n˜o ´ represent´vel no sistema considerado por o expoente ser inferior ao menor a e a expoente represent´vel. ca O resultado da opera¸˜o x × y ´ ca e 0. pode facilmente concluir-se que a implementa¸˜o de um sistema de v´ ca ırgula flutuante pode ser bastante complexa. Do exposto acima. Nestes casos n˜o ´ aconselh´vel utilizar um n´mero do sistema de v´ a e a u ırgula flutuante para representar o resultado.600 × 1028 todos com representa¸˜o exacta neste sistema.8 × 10−14 . Consideremos um hipot´tico sistema de v´ e ırgula flutuante FP(10. para al´m dos parˆmetros a e a (β. Este valor ´ superior ao maior valor (positivo) represent´vel no sistema considerado. Desta forma o valor fornecido pelo sistema coma a ca putacional ser´ um valor aproximado (tipicamente obtido por arredondamento ou truncatura).400 × 10−5 z = 0.

5.01 × 100 0. n. mesmo quando a partida ` se crˆ estar a usar o mesmo sistema de v´ e ırgula flutuante. entre outros.50 × 100 + 0. e Este exemplo mostra que ao somar n´ meros de magnitudes diferentes poder˜o ser “perdidos” u a algarismos menos significativos do n´mero de menor magnitude.50 × 100 + 0. faz com que se cometam e ca diversos erros de arredondamento desses resultados interm´dios. O exemplo seguinte ilustra este efeito.54 × 100 Utilizando aritm´tica exacta o resultado seria sempre 0. dupla e estendida. sendo o resultado afectado de u um erro. podendo resultar em elevados erros no resultado ` a final. Calcular 0. co 1.Cap´ ıtulo 1.12 × 10−1 (0.52 × 100 + 0.02 × 100 ) + 0.04 × 100 0. Um dos pontos a considerar adv´m do facto de opera¸˜es aritm´ticas que habitualmente gozam e co e de associatividade (como a soma e a multiplica¸˜o) poderem perder essa propriedade quando se ca trabalha em representa¸˜es finitas.53 × 100 b) Somando da direita para a esquerda 0. Como resposta a estas desvantagens surgiu em ca e ca 1985 a norma IEEE 754 que define formatos para precis˜es simples. trataca mento de excep¸˜es. possam produzir resultados diferentes. Este facto pode ser bastante desvantajoso.24 × 10−1 + 0. De tal. diferentes vers˜es de um mesmo sistema de v´ o ırgula flutuante FP(β. entre outros. Esta norma tem vindo a ser adoptada pelos fabricantes de sistemas computacionais. De facto.12 × 10−1 ) 0.012 utilizando 2 d´ ıgitos em v´ ırgula flutuante. a necessidade de guardar co resultados interm´dios.24 × 10−1 ) + 0. m. Fundamentos 9 underflow e overflow. erros esses que se podem ir e acumulando a medida que os c´lculos progridem.50 × 100 + 0. nomeadamente em termos de repetibilidade de resultados. arredondamentos e tratamento de ca a excep¸˜es.36 × 10−1 0. facto resulta que as mesmas opera¸˜es aritm´ticas. obviamente utilizando uma representa¸˜o finita. . podem diferir em termos de implementa¸˜o de arredondamentos.1.536. bem como o directrizes de implementa¸˜o dos procedimentos de c´lculo.50 × 100 + (0.5 Aritm´tica em representa¸˜es finitas e co O c´lculo de uma express˜o envolvendo m´ltiplas opera¸˜es aritm´ticas realizadas utilizando a a u co e representa¸˜es finitas deve ser efectuado com algum cuidado. com co co e os mesmos dados de entrada. M ).12 × 10−1 0.50 × 100 + 0. Assim. co Exemplo 1. portabilidade de c´digo de o computa¸˜o num´rica e valida¸˜o de resultados.024 + 0. a) Somando da esquerda para a direita (0.5 + 0.

a magnitude da soma parcial poder´ a tornar-se elevada face ` das parcelas. ca u e O valor exacto da subtrac¸˜o ´ 0.02. evitando tal fen´meno. nessa m´quina hipot´tica. e n˜o 106 ! Efectivamente. O c´lculo de y pela express˜o dada pode a a originar um erro relativo elevado devido ao cancelamento subtractivo. obtemos como resultado a a a e final o valor 104 . somando as parcelas duas a duas. Arredondando os dois n´meros dados para 3 algarismos obt´m-se 2. Outro caso que ´ necess´rio ter em aten¸˜o ´ a subtrac¸˜o de dois n´meros quase iguais. ´ por vezes poss´ dispor os c´lculos de forma a evitar tal cancelaa e ıvel a mento. No entanto. respectivamente. Contudo. originando um a a erro relativo elevado. Seja x equivalente y=√ permite calcular y. e O cancelamento subtractivo pode levar a resultados com elevados erros relativos que s˜o sempre a indesej´veis. Este fen´meno de perda de algarismos significativos ´ designado por o e cancelamento subtractivo. por exemplo.034 − 2.5. Tal efeito pode a tornar-se muito nefasto. originando erros no processo de soma. u e O resultado aproximado da subtrac¸˜o. Este problema poder´ ser evitado quer utilizando m´quinas com precis˜o (leiase n´mero de d´ u ıgitos da mantissa) suficiente. o 1 e y = √ x+1− √ x.01. aproximadamente. utilizando os n´meros arredondados ´ x∗ = 0. a soma de 104 com 1 a a a resulta em 104 . fazendo com que o resultado final obtido com aritm´tica finita esteja e muito longe do verdadeiro valor.016 utilizando 3 d´ ca ıgitos em v´ ırgula flutuante. pelo que o erro absoluto de x∗ ´ 0. Exemplo 1.008 e o seu erro relativo ca e e ´ 44%.03 e 2. a express˜o a 1 √ x+1+ x 1. ou ent˜o. Fundamentos 10 Este problema poder´ ocorrer tamb´m ao somar sequencialmente um elevado n´ mero de parcelas a e u de magnitudes semelhantes e com o mesmo sinal: de facto.2. Resolu¸˜o ca Em primeiro lugar ´ necess´rio representar os n´meros em quest˜o apenas com 3 d´ e a u a ıgitos. e depois tais somas novamente duas as duas. etc. se numa m´quina com 4 d´ a ıgitos de mantissa tentarmos somar sequencialmente um milh˜o de parcelas de valor 1. Por exemplo. ca ca a co Abordaremos primeiro o caso de uma fun¸˜o real de vari´vel real e posteriormente o caso de ca a uma fun¸˜o real de vari´vel vectorial. ca a .Cap´ ıtulo 1.3.6 Propaga¸˜o de erros no c´lculo de fun¸˜es ca a co Nesta sec¸˜o iremos analisar como se propagam os erros de aproxima¸˜o no c´lculo de fun¸˜es. Aqui.5.018. e a ca e ca u o resultado poder´ ter um erro m´ximo absoluto da sua ordem de grandeza. Exemplo 1. organizando os c´lculos de uma forma a a alternativa. Efectuar a subtrac¸˜o 2.

interessa tamb´m caracterizar e ca o erro cometido nesta aproxima¸˜o. E claro que o erro ∆y ∗ = y − y ∗ depender´ do erro ∆x∗ = x − x∗ e tamb´m da a e de x por x ´ fun¸˜o f em quest˜o.Cap´ ıtulo 1. ca y* y x x* f Figura 1. A situa¸˜o que iremos tratar pode descrever-se do seguinte modo: a ca conhecendo uma aproxima¸˜o x∗ de x. pode utilizar-se o valor y ∗ = f (x∗ ) como aproxima¸˜o de y = f (x).2: f (x∗ ) aproxima¸˜o de f (x). Nesta situa¸˜o. ou melhor. e ca . Se a fun¸˜o f for continuamente diferenci´vel. que ´ a mais usual. o erro de aproxima¸˜o ∆y ∗ ´ obtido pela express˜o ca a ca e a ∆y ∗ = y − y ∗ = f (x) − f (x∗ ) = f (x∗ + ∆x∗ ) − f (x∗ ). ca e Para al´m da determina¸˜o do valor aproximado de y ∗ = f (x∗ ). a aplica¸˜o do teorema do valor m´dio permite ca a ca e escrever x f (x∗ + ∆x∗ ) − f (x∗ ) = f (¯) · ∆x∗ f y* y x x* y* y x f x* Fun¸˜o de varia¸˜o lenta ca ca Fun¸˜o de varia¸˜o r´pida ca ca a Figura 1. Fundamentos 11 Seja ent˜o f : R → R.3: Influˆncia de f na propaga¸˜o de erros. relacionar este erro com o erro de aproxima¸˜o ca ca ∗ . De facto. que valor y ∗ considerar para aproximar y = f (x) e como ca relacionar os erros de aproxima¸˜o de x∗ e de y ∗ ? ca No caso de a fun¸˜o f ser cont´ ca ınua verifica-se que a medida que x∗ se aproxima de x mais o ` ca e valor f (x∗ ) se aproxima de f (x).

Nesta express˜o. o n´ mero de condi¸˜o de f em x ´ definido como sendo ca u ca e xf (x) . dy · εx = max |cos x| · εx x dx No intervalo em quest˜o. x = 0. Ent˜o. x∗ + εx ]. a fun¸˜o cos ´ positiva e decrescente. o valor m´ximo e ca a a e de |f | ´ determinado no intervalo [x∗ − εx .1.57 (isto ´.005).6. Quando o n´mero de u ca ca u condi¸˜o for elevado a fun¸˜o diz-se mal condicionada e o erro relativo ´ amplificado.005) · 0.57 ± 0.5396.2 × 10−3 . o valor a εy = |f ||max · εx ´ um majorante para o erro absoluto da aproxima¸˜o y ∗ de y. e Dados x ∈ R e uma fun¸˜o f . x |∆y ∗ | = |f (¯)| · |∆x∗ |. Obt´m-se ent˜o que ¯ e a x ∆y ∗ = f (¯) · ∆x∗ .5396 ± 4.57 − 0.1) 0. Exemplo 1. ca ca e . e Resolu¸˜o ca Um valor aproximado ser´ y = sin x = sin 0.2 × 10−3 Finalmente tem-se que y = 0. Partindo da equa¸˜o (1. Quando a ca ca ca o n´mero de condi¸˜o for reduzido a fun¸˜o diz-se bem condicionada.54 ± 5 × 10−3 .6. ou ainda. f (x) Este valor pode ser utilizado para avaliar a perda ou o ganho de algarismos significativos no c´lculo de uma fun¸˜o. Ent˜o a ca e a εy ≤ cos(0.Cap´ ıtulo 1.005 4.57 a ¯ ¯ O erro m´ximo absoluto ser´ a a εy ≤ max x (1. x∗ + εx ]. x f (x) max · εx e o m´ximo de a xf (x) f (x) ´ determinado no intervalo [x∗ − εx . uma vez que caracteriza a amplia¸˜o ou redu¸˜o do erro relativo. y ≈ 0. ou ainda.1) pode escrever-se que ca |∆y ∗ | x f (¯)x |∆x∗ | = · |y| y |x| permitindo obter o majorante para o erro relativo de y ∗ = f (x∗ ) dado por εy = f (x) · onde εx = εx |x| . Sendo εx um majorante para |∆x∗ | conclui-se que |∆y ∗ | ≤ |f ||max · εx .6. Calcular um valor aproximado de y = sin x e o correspondente erro m´ximo a absoluto quando x ≈ 0. Fundamentos 12 para algum x entre x∗ e x∗ + ∆x∗ .

. O erro m´ximo relativo no c´lculo de w = xyz. .4. . um valor aproximado de xi . Quantos d´ ıgitos significativos se podem perder no c´lculo da fun¸ao y = tan(x) a c˜ quando x est´ pr´ximo de 1? E quando x est´ pr´ximo de 1. Nesta express˜o. obter-se-ia a poderiam perder at´ 2 d´ e ıgitos significativos. n. onde f ´ uma fun¸˜o de R em Rn . .6. . Fundamentos 13 Exemplo 1. que se considera continuamente diferenci´vel.2 > 1 tan(1) = x=1 = x=1 podendo perder-se um d´ ıgito significativo. tomando-se agora εxi = εxi |xi |. . concluindo-se que em tal caso se εy = i=1 n i=1 [xi ∂f ∂xi max · εx i . Exemplo 1. . . n. . xi + εxi ].6. seja x∗ . . . x∗ ) 1 2 n a ser´ um valor aproximado de y = f (x1 . para i = 1. x2 . e ca a Para cada i = 1.2.5.5? a o a o Resolu¸˜o ca Como dy dx = 1 + tan2 (x) tem-se que dy x · dx y (1 + tan2 (x)) · x tan(x) 1 + tan2 (1) ≈ 2. As a e i maximiza¸˜es s˜o ainda realizadas no conjunto indicado acima.Cap´ ıtulo 1. . co a Exemplo 1. com erro m´ximo absoluto εxi . pode ser obtido a partir dos a a erros m´ximos relativos em x. . xn ) com erro m´ximo absoluto a n dy dx · x y ≈ 21. . . Repetindo os c´lculos para x = 1.3. isto ´. Passemos agora a analisar o caso em que y depende de diversas vari´veis. x2 . xn ). . a i Nestas condi¸˜es verifica-se que co y ∗ = f (x∗ . . . onde cada um dos m´ximos das derivadas parciais de f em rela¸˜o `s diversas vari´veis indea ca a a pendentes ´ determinado em e − εxi . O erro m´ximo absoluto no c´lculo de s = a + b pode ser obtido a partir dos a a erros m´ximos absolutos em a e b da seguinte forma a εs = ∂s ∂a max · εa + ∂s ∂b max · εb = ε a + ε b . . n ´ E tamb´m poss´ obter o erro relativo m´ximo para y ∗ dado por e ıvel a εy = i=1 ∂f xi · ∂xi f max · εx i .6. . quando y = a e f (x1 . y e z da seguinte forma a εw = ∂w x ∂w y ∂w z · · · · εx + · εy + ·ε ∂x w max ∂y w max ∂z w max z x y z = yz · · εx + xz · · εy + xy · ·ε xyz max xyz max xyz max z = εx + εy + εz . considera-se que εxi ´ um majorante do erro relativo de x∗ . x∗ . .

1 1 1 1 + − + − ··· 3 5 7 9 Determinar quantos termos s˜o necess´rios para calcular este a a valor com um erro inferior a Resolu¸˜o ca O termo geral desta s´rie ´ e e 10−4 . como refere o teorema seguinte. 1. Efectivamente. . O erro cometido quando se toma uma aproxima¸˜o resultante da realiza¸˜o de um co ca ca n´mero finito de opera¸˜es designa-se erro de truncatura. A s´rie alternada e 1− ´ convergente para o valor e π 4. ou a n=0 a e seja. . ≥ an ≥ . inferior ou igual ao primeiro termo n˜o e a considerado. Este tipo de a an´lise ´ por vezes suficiente pois nem sempre interessa conhecer um majorante do erro.7 C´lculo de s´ries e erro de truncatura a e Por vezes a determina¸˜o de um certo valor envolve a realiza¸˜o de uma sucess˜o infinita de ca ca a opera¸˜es. o erro de truncatura ´. Considere-se a sucess˜o {an }∞ decrescente e de termos n˜o negativos. H´ contudo um tipo de s´ries. Exemplo 1. . e a Teorema 1.1. Fundamentos 14 A terminar esta exposi¸˜o ´ conveniente salientar a importˆncia de nas express˜es de propaga¸˜o ca e a o ca de erros absolutos e relativos se considerar o valor m´ximo poss´ para o factor de amplifica¸˜o a ıvel ca (ou redu¸˜o do erro). pela soma parcial Sn = Neste caso. . e a a e e em que esta tarefa ´ bastante simples. ≥ 0.7. em valor absoluto.1.. . u co Um dos casos em que se surge o erro de truncatura ´ no caso da aproxima¸˜o da soma S de uma e ca s´rie convergente e Rn = S − Sn . ou seja. Est˜o a s´rie S. a0 ≥ a1 ≥ . o 1 ≤ 10−4 2n + 1 primeiro termo a n˜o considerar dever´ satisfazer a a .7. . em an´lises mais simplificadas da propaga¸˜o de erros apenas se considera o valor de a ca tal factor num ponto (normalmente o valor aproximado da vari´vel independente). o erro de truncatura ser´ a para um n´mero u |S − Sn | ≤ an+1 . (−1)n 2n+1 . Verifica-se ainda que a soma parcial Sn = ∞ i e i=0 (−1) ai ´ convergente n i a verifica a rela¸˜o ca i=0 (−1) i ∞ i=0 ai n i=0 ai . 1. mas a e apenas a sua ordem de grandeza. a a Contudo. Para se garantir o erro pretendido. s´ esta maximiza¸˜o garante que se conseguem obter ca o ca majorantes para os erros nas vari´veis dependentes a partir dos erros nas vari´veis independentes. para n = 0. .Cap´ ıtulo 1. as s´ries alternadas. No caso geral n˜o ´ simples determinar o n´mero de termos a somar para calcular o valor da a e u s´rie com um dado erro m´ximo pretendido.

1] e x ∈ [−2. devendo-se portanto utilizar um a polin´mio de grau 12. pelo que se dever˜o somar os termos e a a de 0 at´ 4999. O erro de truncatura na aproxima¸˜o f (x) ≈ Px0 .2.Cap´ ıtulo 1.0 × 10−5 . Considere aproxima¸˜es da fun¸˜o ex no intervalo [−2.1 × 10−6 13 1. e O erro de truncatura ´ particularmente importante quando se efectua a aproxima¸˜o de uma e ca fun¸˜o por polin´mios de Taylor. reduzindo assim o seu c´lculo a realiza¸˜o de opera¸˜es de ca o a ` ca co soma. obtˆm-se os seguintes valores e n 2 8 (n+1)! n+1 xn+1 2n+1 ≤8 (n + 1)! (n + 1)! 10 4.7.n (x) para algum θ ∈ [0. Como n ´ inteiro far-se-´ n = 5000. bastando para tal considerar um n´mero suficientemente elevado de termos. a e a O desenvolvimento de Taylor de uma fun¸˜o f em torno do ponto x0 permite escrever ca f (x) = f (x0 ) + f (x0 )(x − x0 ) + · · · + f (n) (x0 ) Px0 . o .n (x) ´ dado pelo resto de Taylor Rx0 .5. Calculando estes majorantes para alguns valores de n. n ≥ 4999. 2] dadas por polin´mios co ca o de Taylor. para θ ∈ [0. n+1 n→+∞ x2 xn + ··· + + Rn (x). subtrac¸˜o. Qual dever´ ser o grau do polin´mio a utilizar se se pretender que o erro absoluto a o devido ` truncatura da s´rie seja inferior a 5 × 10−5 ? a e Resolu¸˜o ca O desenvolvimento de Taylor em torno de 0 ´ e ex = 1 + x + x onde Rn (x) = eθx (n+1)! .5 × 10−7 Conclui-se ent˜o que para n = 12 se tem εtrunc ≤ 1. u Exemplo 1.n (x) − − − 0 a aproxima¸˜o por polin´mios de Taylor pode ser t˜o boa quanto se queira. 2].8 × 10−5 12 1.1 × 10−4 11 6.n (x). multiplica¸˜o e divis˜o. Se ca e − −→ ca o a se verificar que Rx0 . 1]. que s˜o as opera¸˜es aritm´ticas elementares ` custa ca ca a a co e a das quais todos os c´lculos num´ricos s˜o realizados.n (x) = f (n+1) (x0 + (x − x0 )θ) (x−x0 ) (n+1)! n+1 (x − x0 )n n! + Rx0 . 1]. Fundamentos 15 ou seja. 2 n! O erro absoluto devido a truncatura pode ser majorado da seguinte forma ` εtrunc = |Rn (x)| = eθx uma vez que θ ∈ [0.n (x) onde Rx0 .

e o co 16 . a equa¸˜o ´ resolvida por interm´dio de express˜es que envolvem a fun¸˜o f .1 Introdu¸˜o ca Neste cap´ ıtulo iremos estudar alguns m´todos para a resolu¸˜o num´rica de equa¸˜es alg´bricas e ca e co e n˜o lineares. Estes m´todos apenas se aplicam a alguns tipos de ca e e problemas. equa¸˜es que se possam escrever na forma f (x) = 0. As ca e e o ca solu¸˜es da equa¸˜o s˜o determinadas de uma forma exacta ap´s um n´mero finito de opera¸˜es co ca a o u co (supondo a utiliza¸˜o de aritm´tica exacta). neste caso. e e Nos primeiros. isto ´. Um exemplo ´ a f´rmula resolvente de equa¸˜es do 2o grau. ou se existem e ca e ´ diferentes solu¸˜es e. isto ´. onde f ´ uma fun¸˜o a e co e ca real de vari´vel real. saber qual ou quais importa determinar. Todo o valor s que anula f . tal que f (s) = 0.Cap´ ıtulo 2 Equa¸˜es N˜o Lineares co a 2. antes de tentar aplicar um qualquer m´todo de resolu¸˜o. ca e ca ´ importante garantir que de facto a equa¸˜o tenha solu¸˜o. ca ca ca f(x) x Figura 2.1: Zeros de uma fun¸˜o ca Perante uma equa¸˜o do tipo f (x) = 0. Muitas vezes importa tamb´m determinar se a solu¸˜o ´ unica. designa-se por zero a e da fun¸˜o f ou solu¸˜o da equa¸˜o f (x) = 0. ou seja. co Os m´todos de resolu¸˜o de uma equa¸˜o do tipo f (x) = 0 podem dividir-se em dois grandes e ca ca grupos: m´todos directos e m´todos iterativos. que existe um real s tal e ca ca que f (s) = 0.

quadr´ticas. associadas a cada m´todo. etc. fun¸˜es afins. uma nova estimativa. ca co ca monotonia. A aplica¸˜o bem sucedida de um m´todo iterativo para a determina¸˜o de uma solu¸˜o da ca e ca ca equa¸˜o f (x) = 0 envolve um conjunto de quest˜es que interessa analisar. ca e a ` e e xk . Como e a iremos ver. a aplica¸˜o de m´todos iterativos exige apenas a co a ca e satisfa¸˜o de condi¸˜es sobre propriedades mais gerais da fun¸˜o f . x0 . . Por aplica¸˜o de um procedimento bem definido. Contrariamente aos m´todos directos. Em cada itera¸˜o ´ calculado um termo da sucess˜o.2: Aplica¸˜o de um m´todo iterativo ca e Quando se pretendem determinar m´ltiplas solu¸˜es de uma equa¸˜o. Estas aplica¸˜es dever˜o necessariae co co a mente partir de estimativas iniciais x0 diferentes. a co valor inicial ca 1a itera¸˜o 2a itera¸˜o ca x0 : : : f (x0 ) = 0 f (x1 ) = 0 f (x2 ) = 0 ↓ x1 ↓ x2 ↓ . ´ poss´ estabelecer condi¸˜es. Equa¸˜es N˜o Lineares co a 17 Os m´todos iterativos caracterizam-se por gerarem sucess˜es convergentes para as solu¸˜es e o co da equa¸˜o a resolver. A mais importante ca o e destas prende-se com a convergˆncia da sucess˜o das estimativas {xn } gerada pelo m´todo. . que exigem formas bem espec´ e ıficas da fun¸˜o f (por ca exemplo. que uma vez satisfeitas e ıvel co e garantem que a sucess˜o gerada converge para a solu¸˜o da equa¸˜o pretendida. ser´ necess´rio aplicar o u co ca a a m´todo iterativo para cada uma das solu¸˜es a calcular. Estas condi¸˜es a ca ca co ´ claro que existem situa¸˜es em que s˜o designadas por condi¸˜es suficientes de convergˆncia. v˜o sendo gerados os ca ca a ca termos de uma sucess˜o de estimativas {xn } que se pretende que convirja para a solu¸˜o s prea tendida. Estes m´todos distinguem-se entre si pela forma como s˜o geradas ca e a as sucess˜es de solu¸˜es aproximadas. ou seja. como sejam continuidade. e Este processo iterativo ´ terminado assim que a estimativa xk satisfaz um dado crit´rio de e o o o u paragem (por exemplo xk estar pr´ximo de s ou f (xk ) ser pr´ximo de 0) ou ap´s um n´mero m´ximo de itera¸˜es ou tempo de processamento. ou limites inferiores ou superiores de derivadas. Os m´todos iterativos s˜o aplic´veis vastas gamas de o co e a a problemas. diferenciabilidade. Tipicamente. E a co e co .). da ca e solu¸˜o a determinar. itera¸˜o k ca ↓ xk : f (xk ) ≈ 0 ou xk ≈ s Figura 2. a aplica¸˜o de um m´todo iterativo parte de uma estimativa inicial.Cap´ ıtulo 2. por interm´dio de uma regra que caracteriza o m´todo. xk−1 . a custa da estimativa anterior.

Cap´ ıtulo 2. Equa¸˜es N˜o Lineares co a

18

os m´todos produzem sucess˜es convergentes para a solu¸˜o sem que as condi¸˜es suficientes e o ca co sejam satisfeitas, mas . . . ser´ que vale a pena arriscar? a Outro aspecto a considerar ´ j´ referido crit´rio de paragem. Uma vez que ´ normal apenas se e a e e ca a e garantir que a sucess˜o {xn } converge para a solu¸˜o s, n˜o ´ de supor que se tenha xk = s a a partir de uma dada itera¸˜o. O crit´rio de paragem n˜o ´ mais do que uma regra, a avaliar ca e a e em cada itera¸˜o, que permite decidir se se p´ra na estimativa mais actual ou se continua a ca a calcular novas estimativas. Em abstracto devemos terminar a aplica¸˜o do m´todo iterativo ca e o ca assim que a estimativa da itera¸˜o k, xk , esteja suficientemente pr´xima da solu¸˜o s, de acordo ca com uma tolerˆncia definida. Note-se que que como s n˜o ´ conhecido, para aplicar este tipo de a a e crit´rio ser´ necess´rio proceder a uma majora¸˜o do erro de aproxima¸˜o. Uma possibilidade e a a ca ca o ´ terminar a aplica¸˜o do m´todo assim que f (xk ) seja suficientemente pr´ximo de zero. Como e ca e se ver´, ´ muitas vezes poss´ relacionar o erro de aproxima¸˜o s − xk com o valor de f (xk ). a e ıvel ca Nas implementa¸˜es computacionais dos m´todos iterativos ´ ainda usual estabelecer um n´mero co e e u m´ximo de itera¸˜es ao fim das quais o m´todo ´ terminado, mesmo que n˜o se verifique qualquer a co e e a outro crit´rio de paragem. e Finalmente, mas n˜o de menor importˆncia, h´ a considerar a maior ou menor rapidez de a a a ca convergˆncia da sucess˜o {xn } para a solu¸˜o pretendida s. De uma forma simplista, a rapidez e a de convergˆncia ´ medida atrav´s da evolu¸˜o do erro de aproxima¸˜o ek = s − xk em fun¸˜o e e e ca ca ca do ´ ındice de itera¸˜o k. Como iremos ver, esta evolu¸˜o depende do m´todo aplicado e tamb´m ca ca e e das propriedades da fun¸˜o f que define a equa¸˜o f (x) = 0. ca ca Antes de iniciar a exposi¸˜o dos diferentes m´todos iterativos, apresenta-se um resultado que ca e relaciona o valor de uma fun¸˜o num ponto com a distˆncia desse ponto ao zero da fun¸˜o, que ca a ca ser´ unico nas condi¸˜es do teorema. a´ co Teorema 2.1.1. Seja f uma fun¸˜o continuamente diferenci´vel no intervalo [a, b]. Suponha-se ca a e a que m1 = minξ∈[a,b] |f (ξ)| > 0 e tamb´m que existe s ∈ [a, b] tal que f (s) = 0. Ent˜o |s − x| ≤ |f (x)| m1 ∀x ∈ [a, b].

Demonstra¸˜o. Sendo x ∈ [a, b], o teorema do valor m´dio permite afirmar que ca e f (s) − f (x) = f (ξ)(s − x) para algum ξ entre x e s. Ent˜o ξ ∈ [a, b] e, uma vez que f (s) = 0, verifica-se a |f (x)| = |f (ξ)| · |s − x| ≥ m1 · |s − x|, obtendo-se o resultado pretendido, pois m1 > 0. Repare-se que a partir deste teorema ´ imediata a obten¸˜o de um crit´rio de paragem. De facto e ca e se se parar a aplica¸˜o do m´todo assim que |f (xk )| ≤ m1 · ε, garante-se que o erro absoluto da ca e a e a aproxima¸˜o xk est´ majorado por ε. Contudo ´ necess´rio conhecer um minorante em valor ca absoluto n˜o nulo da derivada da fun¸˜o (m1 ). a ca

Cap´ ıtulo 2. Equa¸˜es N˜o Lineares co a

19

2.2

M´todo das bissec¸oes sucessivas e c˜

Consideremos uma fun¸˜o f cont´ ca ınua um intervalo [a, b] e tal que f (a) e f (b) possuem sinais diferentes. O teorema dos valores interm´dios permite afirmar que existe um n´mero s no e u intervalo [a, b] tal que f (s) = 0. Para simplificar a exposi¸˜o vamos supor que tal n´mero s ´ ca u e unico. ´ O m´todo das bissec¸˜es sucessivas parte do intervalo inicial [a, b] que se sabe conter o zero de e co f , suposto unico. Em cada itera¸˜o ´ produzido um intervalo com metade do comprimento do ´ ca e intervalo actual. Para tal, divide-se o intervalo actual a meio e escolhe-se o subintervalo esquerdo ou direito de forma a que a fun¸˜o tenha sinais diferentes nos extremos do subintervalo escolhido. ca ca Ou seja, sendo [an , bn ] o intervalo na itera¸˜o n, calcula-se xn+1 = ca s ∈ [an , bn ] em qualquer itera¸˜o.
an +bn 2 .

O valor xn+1 substitui

an ou bn consoante f (xn+1 )f (bn ) < 0 ou f (xn+1 )f (an ) < 0. Desta forma, assegura-se que

f(x)

a x1 b x

Figura 2.3: Bissec¸˜es sucessivas co M´todo das bissec¸˜es sucessivas e co Inicializa¸˜o [a0 , b0 ] = [a, b] ca 1. Repetir 2. xn+1 =
an +bn 2 ;

Se f (xn+1 )f (an ) < 0 Ent˜o an+1 = an ; bn+1 = xn+1 ; a Sen˜o an+1 = xn+1 ; bn+1 = bn ; a

At´ e

verificar crit´rio de paragem e

O teorema seguinte estabelece condi¸˜es suficientes para a convergˆncia do m´todo das bissec¸˜es co e e co sucessivas. Teorema 2.2.1. Seja f cont´ ınua em [a, b] tal que f (a)f (b) ≤ 0, e seja s o unico zero de f nesse ´ intervalo. Ent˜o, o m´todo das bissec¸˜es sucessivas gera uma sucess˜o convergente para s. a e co a e a e Demonstra¸˜o. A sucess˜o {an } ´ crescente e limitada e a sucess˜o {bn } ´ decrescente e limitada, ca a

Cap´ ıtulo 2. Equa¸˜es N˜o Lineares co a

20

pelo que s˜o ambas convergentes. a Como se verifica que bn − an = Como xn+1 =
an +bn 2 b−a 2n ,

conclui-se que lim an = lim bn = z, para algum z ∈ [a, b].

tem-se tamb´m que lim xn = z. e

A aplica¸˜o do m´todo garante que f (an )f (bn ) ≤ 0, para todo o n. Ent˜o, como f ´ cont´ ca e a e ınua e o tem-se que [f (z)]2 ≤ 0, o que implica que f (z) = 0, ou seja, z = s, uma vez que s ´, por hip´tese, o unico zero de f em [a, b]. ´ Uma vez que s ∈ [an , bn ] e xn+1 =
an +bn 2 ,

verifica-se facilmente que b−a bn − an = n+1 2 2

|s − xn+1 | ≤

Pode ent˜o afirmar-se que o erro absoluto da estimativa xn est´ majorado por a a b−a . 2n O n´mero de itera¸˜es suficientes para garantir um erro absoluto n˜o superior a δ pode ser u co a calculado fazendo
b−a 2n

≤ δ obtendo-se o valor n ≥ log2 b−a . δ

O exemplo seguinte ilustra a aplica¸˜o deste m´todo. ca e Exemplo 2.2.1. Determinar uma aproxima¸˜o com um erro absoluto inferior a 5 × 10−3 da ca (´nica) solu¸˜o da equa¸˜o 1 + x + ex = 0 que se sabe estar no intervalo [−2, −1]. u ca ca Resolu¸˜o ca Verifica¸˜o de condi¸˜es de convergˆncia ca co e A fun¸˜o f (x) = 1 + x + ex ´ mon´tona, f (−2) = −0.865 < 0, e f (−1) = 0.368 > 0. ca e o Determina¸˜o do n´mero de itera¸˜es ca u co Como se pretende uma precis˜o de 5 × 10−3 deve-se escolher n tal que a n > log2 −1 − (−2) ⇒ n > 7.6 ⇒ n = 8 5 × 10−3
1 28

Efectuando 8 itera¸˜es a partir de [−2, −1] tem-se um erro m´ximo absoluto de co a Itera¸˜es co Partindo do intervalo [−2, −1], temos na primeira itera¸ao, c˜ −2 + (−1) = −1.5 2 f (−1.5) = −0.277 x1 = Como f (−1.5) · f (−2) > 0 o novo intervalo ser´ [−1.5, −1]. a

≈ 4 × 10−3 .

500 −1. a aplica¸˜o do m´todo pararia nessa itera¸˜o! ca e ca .375 −1. xn+1 ] ou o subintervalo [xn+1 .037 +0.006 +0. −1. a A tabela seguinte apresenta os valores resultantes da aplica¸˜o do m´todo para as 8 itera¸oes ca e c˜ necess´rias.250 −1. a divis˜o do intervalo ´ feita no ponto xn+1 .5) < 0 o novo intervalo ser´ [−1.281. conclui-se facilmente que y = f (an ) + xn+1 = an f (bn ) − bn f (an ) f (bn ) − f (an ) ´ E de notar que sendo f (an )f (bn ) < 0 se tem que xn+1 ∈ ]an .016 +0. f (bn )).277 +0.043 −0.000 −1.375 −1.037 −0.006 xn+1 −1.266 −1.000 −1. sendo em cada itera¸˜o o intervalo [an .122 −0.500 −1. No entanto.500 −1. −1.004 −0.25 2 f (−1. Na itera¸˜o seguinte ´ utilizado o subintervalo [an .037 +0.001 Solu¸˜o ca A solu¸˜o da equa¸˜o ser´ s = −1. ca Este m´todo ´ an´logo ao m´todo das bissec¸˜es. correspondente a e a ` intersec¸˜o com o eixo dos xx da recta que passa pelos pontos (an .281 f (an ) −0.037 x2 = Como f (−1.273]. A hip´tese de existˆncia de apenas um zero em [a.266 −1.25) = 0.016 +0.25) · f (−1. consoante ca e ıcil se verifique que f (an )f (xn+1 ) < 0 ou f (xn+1 )f (bn ) < 0.250 −1. f (an )) e (bn .004 bn −1. bn ].037 +0.122 −0.277 −0. Partindo ca da equa¸˜o ca f (bn ) − f (an ) (x − an ) bn − an da recta que une os referidos pontos.281 −1. s ∈ [−1.313 −1.250 −1.25]. bn ] e e a e co ca dividido em duas partes. bn [.368 +0.281 −1.865 −0.368 +0.277 ± 4 × 10−3 . ou seja. No caso (dif´ de detectar) de f (xn+1 ) = 0.277 f (xn+1 ) −0.313 −1.037 +0.277 −0.000 −1.Cap´ ıtulo 2. b] que toma valores com sinais opostos nos extremos desse intervalo.3 M´todo da falsa posi¸˜o (regula falsi ) e ca O m´todo da falsa posi¸˜o (tamb´m designado por regula falsi ) permite tamb´m determinar o e ca e e zero (suposto unico) de uma fun¸˜o f cont´ ´ ca ınua num intervalo [a.273 f (bn ) +0.250 −1. Equa¸˜es N˜o Lineares co a 21 Na segunda itera¸˜o temos ca −1. a n 0 1 2 3 4 5 6 7 an −2. b] visa o e apenas facilitar a exposi¸˜o.004 −0.004 +0.5.281 −1. ca ca a 2.5 + (−1) = −1.043 −0.250 −1.273 −1.

b0 ] = [a. quando se pretende determinar o valor do zero com um dado erro m´ximo absoluto a ´ necess´rio calcular estimativas do erro ao longo das itera¸˜es para verificar a satisfa¸˜o da e a co ca precis˜o requerida. ca e a a a ou seja. a At´ e verificar crit´rio de paragem e O teorema seguinte estabelece condi¸˜es suficientes para a convergˆncia do m´todo da falsa co e e posi¸˜o. Se a fun¸˜o f for cont´ ca ınua e estritamente mon´tona no intervalo [a. de um modo geral. Equa¸˜es N˜o Lineares co a 22 f(x) an xn+1 bn x Figura 2. a Sen˜o an+1 = xn+1 . M´todo da falsa posi¸˜o e ca Inicializa¸˜o [a0 . ca Teorema 2.1. a O teorema seguinte apresenta uma forma de determinar um majorante do erro de aproxima¸˜o.Cap´ ıtulo 2.3. bn+1 = xn+1 . Seja f uma fun¸ao continuamente diferenci´vel no intervalo [a. n˜o ´ poss´ e ca a e ıvel. f variar pouco (isto no caso de f ser diferenci´vel). xn+1 = an f (bn )−bn f (an ) f (bn )−f (an ) . b] ca 1.3. b] e tal que c˜ a f (a)f (b) ≤ 0. e suponha-se que .b] |f (ξ)|. b] e se o f (a)f (b) ≤ 0. ca Teorema 2. ent˜o o m´todo da falsa posi¸ao produz uma sucess˜o convergente para o unico a e c˜ a ´ zero de f nesse intervalo.2. Se f (xn+1 )f (an ) < 0 Ent˜o an+1 = an . No m´todo da falsa posi¸˜o. ca ı Esta aproxima¸˜o ´ tanto mais razo´vel quanto mais o gr´fico de f se aproximar de uma recta.4: M´todo da falsa posi¸˜o e ca O m´todo da falsa posi¸˜o corresponde a aproximar a fun¸˜o pela recta secante nos extremos e ca ca do intervalo e a utilizar o zero de recta como estimativa do zero da fun¸˜o (da´ o seu nome). u co a ca ca Assim. bn+1 = bn . determinar antecipadamente um n´mero de itera¸˜es que garanta uma dada precis˜o na aproxima¸˜o do zero da fun¸˜o.b] |f (ξ)| e M1 = maxξ∈[a. Repetir 2. Definam-se m1 = minξ∈[a.

pela estimativa xn+1 satisfaz a a c˜ ´ rela¸˜o ca |s − xn+1 | ≤ M1 − m1 |xn+1 − xn |.1. Utilizar o m´todo da falsa posi¸˜o para determinar uma aproxima¸ao. m1 O estabelecimento de um crit´rio de paragem com base no majorante do erro definido atr´s. Ent˜o. sendo o erro absoluto em xn+1 a bastante inferior a εn+1 .3679 ⇒ εn = 0.298. unico zero de f em [a. b].Cap´ ıtulo 2. Alternativamente. f (−1) − f (−2) . do (´nico) zero da fun¸˜o f (x) = 1 + x + ex . pode tamb´m estabelecer-se um crit´rio de paragem com base no majorante e e do erro de aproxima¸˜o fornecido pelo teorema 2. e co Exemplo 2. Resolu¸˜o ca Convergˆncia e intervalo inicial e f ´ estritamente mon´tona e f (−2)f (−1) < 0.3. e a pode ser feito como se indica em seguida.−1] |f (x)| = 1. Para a utiliza¸˜o deste crit´rio de paragem ´ necess´rio determinar os valores m1 e M1 ca e e a ´ tamb´m importante notar que por vezes a estimativa antes de iniciar a aplica¸˜o do m´todo. −1] temos co f (−2) = −0. Ap´s a determina¸˜o da estimativa xn+1 (de acordo o ca com a express˜o do m´todo da falsa posi¸˜o) ´ calculado do majorante do erro absoluto de xn+1 a e ca e εn+1 = M1 − m1 |xn+1 − xn | m1 parando-se a aplica¸˜o do m´todo assim que este majorante seja inferior a um dado valor preca e tendido.368 pelo que teremos x1 = (−2) · f (−1) − (−1) · f (−2) = −1.−1] |f (x)| = 1. com e ca c˜ u ca um erro absoluto inferior a 5 × 10−3 .1. e o e Estima¸˜o do erro ca f (x) = 1 + ex m1 = minx∈[−2.1353 M1 = minx∈[−2. ca O exemplo seguinte ilustra a aplica¸˜o do m´todo da falsa posi¸˜o a equa¸˜o j´ resolvida pelo ca e ca ` ca a m´todo das bissec¸˜es sucessivas.1. o erro de aproxima¸ao de s. Equa¸˜es N˜o Lineares co a 23 m1 > 0.205 |xn+1 − xn | Itera¸˜es Para o intervalo [−2. E ca e e do erro dada por este majorante poder´ ser algo pessimista. logo o m´todo converge.865 f (−1) = 0.

Como ε2 ≤ 5 × 10−3 .57 +3. como se pode co constatar pelo exemplo seguinte.065 +1.237 +0.64 × 10−3 +5. o novo intervalo ser´ [−1.1).300 +1. 1.300 +1. n 0 1 2 3 4 5 ··· 50 51 52 an +0.126 +0.026 bn −1.300 ··· +1.000 −1. co n 0 1 an −2.274 +37. a Neste caso.300 +1.065 +1.065 f (an ) −4.237 +0.274 +37.274 +37.3.3] pelo m´todo da falsa c˜ ca posi¸˜o.000 −1. co Para a segunda itera¸˜o temos ent˜o ca a x2 = (−1.76 +3. Aplicando o m´todo das bissec¸˜es sucessivas ao mesmo problema.065 +1.006 bn +1.274 +37.497 +0.065 f (xn+1 ) −3.274 xn+1 +0. conduziu aos seguintes resultados (onde a majora¸˜o ca a do erro foi efectuada de acordo com o teorema 2.Cap´ ıtulo 2. o crit´rio de paragem est´ satisfeito.300 +1.763 −3.279.566 −3.274 +37.065 +1.63 × 10−3 5 Analisando os resultados.298) O majorante o erro de aproxima¸˜o ser´ ca a ε2 = 0. f (−1) − f (−1. este comportamento nem sempre se verifica.368 +0.472 ··· −0.300 +1.279 f (xn+1 ) −2.300 +1.54 × 10−3 +4. Equa¸˜es N˜o Lineares co a 24 Como o crit´rio de paragem exige o conhecimento de duas estimativas consecutivas devemos e a prosseguir as itera¸˜es.000 +0. e Exemplo 2. pelo o valor aproximado da solu¸˜o e a ca ser´ x2 .87 +3.298) = −1.37 ··· −6. Sendo f (x1 ) = −2. No entanto.274 ··· +37.000 f (bn ) +0.298 f (an ) −0.334 +0.420 +0.57 −3.297.0 × 10−3 .274 +37.298 −1. o m´todo da falsa posi¸˜o demonstrou ser bastante mais eficiente que o m´todo das e ca e bissec¸˜es sucessivas.000 −3.55 × 10 −8.47 +3.87 −3. verifica-se que o extremo superior do intervalo permanece constante e o extremo inferior converge para o zero de f .566 ··· +1.874 −3.008 −0. com um erro absoluto m´ximo de 4.300 +1.0 × 10−3 Solu¸˜o ca A solu¸˜o aproximada ser´ ent˜o s ca a a −1.300 f (bn ) +37. A determina¸ao do zero de x+ex −5 no intervalo [0.420 +0.76 −3.126 +0. garante-se o mesmo erro e co m´ximo apenas em 9 itera¸˜es! a co .2. com um erro m´ximo de 5 × 10−3 .662 −3.55 × 10−2 .47 −3.1.63 × 10−3 εn+1 +3.22 × 10−4 −2 εn+1 − +4.205|x2 − x1 | = 4 × 10−3 . −1].66 +3.298. a A tabela seguinte apresenta os valores relevantes das itera¸˜es efectuadas.54 × 10−3 −4.368 xn+1 −1.64 × 10−3 −5.37 ··· +6.274 +37.865 −0.007 −0.298) · f (−1) − (−1) · f (−1.66 −3.334 +0.497 ··· +1.

853 −0. ent˜o existe uma a lateral verifica-se em muitas situa¸˜es.220 −0.066 f (bn ) +37.300 +1.097 +1. ´ n˜o ´ poss´ obter uma estimativa para o erro de aproxima¸˜o apenas com e a e ıvel ca base na largura do intervalo utilizado em cada itera¸˜o. b].077 +1.274 +2. Note-se que este efeito de convergˆncia ca e ınua. o m´todo da falsa posi¸˜o n˜o fornece uma sucess˜o e ca a a de intervalos com largura a convergir para zero. contrariamente ao m´todo das bissec¸˜es sue co cessivas.220 −0.274 +37.650 +0.077 +1. y 0 1.220 −0. se f (a)f (b) ≤ 0 e se o sinal de f n˜o variar em [a.853 +2.056 +1.990 +0.056 +1.323 +0.5: Convergˆncia lateral do m´todo da falsa posi¸˜o e e ca O teorema seguinte justifica este tipo de comportamento caracter´ ıstico do m´todo da falsa e posi¸˜o.300 +1. ent˜o a sucess˜o produzida pelo m´todo da falsa posi¸˜o converge monotonamente para o zero de f nesse intervalo.611 −0.227 −1.061 +1.094 −0.094 bn +1.Cap´ ıtulo 2.3. Tamb´m e ca e se verifica que um dos extremos do intervalo permanece inalterado.274 +37.000 +0.323 +0. Se a fun¸˜o f for estritamente mon´tona e duplamente diferenci´vel no inca o a a a a tervalo [a.056 +1.056 +1. a e ca ` medida que o outro extremo vai convergindo (lentamente) para a solu¸˜o pretendida.300 +1.3 x x1 x2 x3 s Figura 2.220 +0.066 +1. Sempre que se verifica este comportamento. ca Teorema 2.138 +1.064 f (xn+1 ) −3.066 +1.038 xn+1 +0.990 +0.138 +1. pois sendo f cont´ co a vizinhan¸a de s em que f n˜o troca de sinal! c . Equa¸˜es N˜o Lineares co a 25 n 0 1 2 3 4 5 6 7 8 an +0.975 +0.220 −0.029 A convergˆncia lenta do m´todo da falsa posi¸˜o patente no exemplo acima est´ relacionada e e ca a com o facto de um dos extremos do intervalo que cont´m a solu¸˜o permanecer inalterado.000 −3. como se ca ilustra na figura.227 −1. se f (s) = 0. Assim.975 +1.611 −1.975 +1.056 +1.3.038 +0.138 +1.611 +2. b].853 +0.061 f (an ) −4.038 −0.097 +1.650 +0.

Fb = f (b0 ) ca 1. a At´ e verificar crit´rio de paragem e Apresenta-se em seguida a aplica¸˜o deste m´todo ao exemplo anterior.3. foi agora eliminado. Se f for cont´ ınua.1. c O teorema seguinte apresenta condi¸˜es suficientes para a convergˆncia do m´todo da falsa co e e posi¸˜o modificado. M´todo da falsa posi¸˜o modificado e ca Inicializa¸˜o [a0 . excepto que sempre que f (xn )f (xn+1 ) > 0 o valor da ordenada do extremo do intervalo ca que se mant´m constante ´ divido por 2.1.4. b0 ] = [a. Fb = f (xn+1 ). Se f (xn+1 )f (an ) < 0 Ent˜o an+1 = an . b]. lenta por natureza. Sen˜o an+1 = xn+1 . Este m´todo ´ em tudo an´logo ao da falsa e e a posi¸˜o. O estabelecimento de um crit´rio de paragem com base no erro de aproxima¸˜o da estimativa e ca xn pode ser feito recorrendo mais uma vez ao majorante fornecido pelo teorema 2. ca e o efeito da convergˆncia lateral. bn+1 = bn . bn+1 = xn+1 . Fa = f (xn+1 ). Fa = f (a0 ). a a Se f (xn+1 )f (xn ) > 0 Ent˜o Fa = a Se f (xn+1 )f (xn ) > 0 Ent˜o Fb = Fa 2 .Cap´ ıtulo 2. ca Teorema 2. Como se pode verificar. 2. Estas condi¸˜es s˜o em tudo an´logas as apresentadas para o m´todo da ca co a a ` e falsa posi¸˜o.6: M´todo da falsa posi¸˜o modificado e ca O m´todo da falsa posi¸˜o modificado constitui uma alternativa ao m´todo da falsa posi¸˜o e ca e ca que procura evitar este tipo de comportamento. e . Repetir xn+1 = an Fb −bn Fa Fb −Fa . a sucess˜o produzida pelo m´todo da falsa posi¸ao modificado a e c˜ converge para o zero de f em [a. Equa¸˜es N˜o Lineares co a 26 Fb Fb /2 Fb /4 a x1 x2 x3 x4 b f (x) Figura 2. Fb 2 . Procura-se desta forma evitar que um dos extremos e e do intervalo permane¸a fixo durante todo o processo iterativo. b]. b]. estritamente mon´tona e tiver sinais contr´rios nos exo a tremos de um intervalo [a.

300 +1.060 +1. com um erro absoluto inferior a 5 × 10−3 .198 +0.763 −3.57 +3. produz sucess˜es que convergem para zeros da fun¸˜o f . que s ´ um ponto fixo da fun¸˜o F . onde F ser´ uma nova fun¸˜o a determinar de modo que as duas equa¸˜es sejam equivalentes. ´ necess´rio em primeiro e a ca ca e a lugar obter uma equa¸˜o equivalente a esta que tenha a forma ca x = F (x).3].037 +1.102 +1.067 +1.300 +1. Resolu¸˜o ca Convergˆncia e f ´ estritamente mon´tona e f (0)f (1.3.3.198 +1. Equa¸˜es N˜o Lineares co a 27 Exemplo 2.126 +0.300 +1..206 −2.102 +1.3) < 0.415 +0.300 +1.21 −2. o ca .065 f (xn+1 ) −3.57 −3.060 +1.61 × 10−3 5 5 ⇒ minx∈[0. 1.3] |f (x)| = 1 ⇒ εn = |f (xn )| ≤ δ ⇒ |xn − s| ≤ δ 2.415 +0.129 −0.126 +0. logo o m´todo converge.39 × 10−1 −1.660 +0. e se a fun¸˜o de recorrˆncia F for cont´ ca e ınua.20 −6.29 × 10−1 +6. ou seja. a Para aplicar este m´todo ` resolu¸˜o de uma equa¸˜o do tipo f (x) = 0.300 +1.14 +1.102 +1. A fun¸˜o F ´ por vezes designada fun¸˜o de recorrˆncia. ou seja. escolhe-se um valor inicial x0 e gera-se a sucess˜o {xn } por interm´dio da rela¸˜o de recorrˆncia e xn+1 = F (xn ) para n = 0.138 −0.318 +4.660 +0. verifica-se ent˜o a que s = F (s).76 −3. Utilizar o m´todo da falsa posi¸˜o modificado para determinar uma aproxe ca ima¸˜o.Cap´ ıtulo 2.237 +0.61 × 10−3 εn+1 +3.29 × 10−1 +6. Uma vez que por hip´tese se tem e ca o que f (x) = 0 ⇔ x = F (x). .274 +18.000 +0.274 +37. 1.65 × 10−2 −1.637 +9.000 −3.067 Fb +37.066 xn+1 +0.599 +0. a ca co a e ca Em seguida.138 −2. .1.4 M´todo iterativo simples e O m´todo iterativo simples.65 × 10−2 +1.921 +1.921 +0.39 × 10−1 +1. tamb´m designado por itera¸˜o de ponto fixo.659 +2.76 +3. do zero de f (x) = x + ex − 5 no intervalo ca [0.330 +1.21 +2.037 +1.14 +1.237 +0.572 −3.874 −3.921 +1.060 Fa −4. conclui-se finalmente que f (s) = 0. . para um dado valor s. ´ um m´todo de e e ca e e importˆncia fundamental e simultaneamente de grande simplicidade. que o m´todo iterativo e simples. ca e ca e A justifica¸˜o do funcionamento deste m´todo reside no seguinte argumento.639 −0. quando convergente. Se a sucess˜o {xn } ca e a convergir.300 +1.87 +3.102 +1.129 bn +1. e o e Estima¸˜o do erro ca f (x) = 1 + 5x4 ex Itera¸˜es co n 0 1 2 3 4 5 6 7 8 9 an +0.87 −3.20 +6.

e Dependendo da fun¸˜o de recorrˆncia F e do valor inicial x0 . Como se pode verificar. e tendo-se F (x) = x + rf (x). a a a ca O teorema seguinte apresenta condi¸˜es que garantem a convergˆncia do m´todo iterativo simco e e ples. Este teorema fornece um crit´rio que permite seleccionar fun¸˜es de recorrˆncia desej´veis. quando converge. e co e a . o m´todo pode ter diferentes ca e comportamentos. ´ E de referir que para uma dada equa¸˜o f (x) = 0 se pode obter uma infinidade de fun¸˜es de ca co recorrˆncia F . obtendo-se a fun¸˜o de recorrˆncia F ca ca e a x > 0.7: M´todo iterativo simples e A implementa¸˜o deste m´todo ´ muito simples. Poder-se-ia tamb´m passar da equa¸˜o x = e−x ca e ˜ (x) = − ln(x). para aplicar este m´todo na a e ca resolu¸˜o da equa¸˜o x − e−x = 0 poder-se-ia passar para a equa¸˜o equivalente x = e−x . a fun¸˜o de recorrˆncia F ´ obtida por manipula¸˜o alg´brica da equa¸˜o f (x) = ca e e ca e ca 0 de forma a isolar num dos membros a vari´vel x. e M´todo iterativo simples e Inicializa¸˜o Escolher x0 ca Repetir At´ e xn+1 = F (xn ) verificar crit´rio de paragem e Habitualmente. ´ importante conhecer a a ca ca e algum tipo de crit´rio que permita avaliar se uma dada fun¸˜o de recorrˆncia (juntamente com e ca e um ponto inicial) gerar´ ou n˜o uma sucess˜o convergente para a solu¸˜o s pretendida. bastando para tal encontrar uma fun¸˜o de ca e e ca recorrˆncia F e um valor inicial x0 . v´lida para para a equa¸˜o x = − ln(x).4. basta notar que f (x) = 0 ⇔ x = x + rf (x) para qualquer r = 0.Cap´ ıtulo 2. o m´todo nem sempre converge e. Por exemplo. a sucess˜o gerada pode ser mon´tona ou e a o n˜o. Para isso. Uma vez que h´ grande liberdade na escolha da fun¸˜o de itera¸˜o. ca ca e ca obtendo-se a fun¸˜o de recorrˆncia F (x) = e−x . alguns dos quais se podem observar na figura 2. Equa¸˜es N˜o Lineares co a 28 y=x F (x0 ) F (x2 ) F (x1 ) y = F (x) x0 x2 s x1 Figura 2.

Como s = F (x) e ca x1 = F (x0 ) temos x1 − s = F (x0 ) − F (s) = F (ξ0 ) · (x0 − s) para algum ξ0 ∈ [a. a Este teorema permite afirmar que se a fun¸˜o de recorrˆncia for tal que |F (s)| < 1. Uma vez analisada a quest˜o da convergˆncia. ξn−1 ∈ [a. vamos agora estudar o comportamento do erro a e de aproxima¸˜o. b] tal que s = F (s). ξ1 ∈ [a. . a sucess˜o gerada pelo a m´todo iterativo simples converge para s. para qualquer valor inicial x0 ∈ [a.b] |F (x)| < 1 e existir a a s ∈ [a. e o Demonstra¸˜o. Como 0 ≤ L < 1.Cap´ ıtulo 2. Se F for continuamente diferenci´vel em [a. ent˜o Ln → 0 e logo |xn − s| → 0. b]. Equa¸˜es N˜o Lineares co a 29 y=x y = F(x) y = F(x) y=x y = F(x) y=x x0 x1 x2 s x x0 x2 s x1 x s x0 x1 x2 x Convergˆncia mon´tona e o Convergˆncia “alternada” e Divergˆncia e Figura 2. o m´todo ca e e o iterativo simples converge desde que o valor inicial x0 esteja suficientemente pr´ximo de s. Continuando este racioc´ xn − s = F (ξn−1 ) · F (ξn−2 ) · · · F (ξ0 ) · (x0 − s) a onde ξ0 . tais que o m´todo convirja. Por hip´tese temos L < 1. Seja L = maxx∈[a. b]. . e e Teorema 2. Ent˜o |xn − s| = |F (ξn−1 )| · |F (ξn−2 )| · · · |F (ξ0 )| · |x0 − s| ≤ Ln · |x0 − s|.4. maxx∈[a. b]. . de forma a se poder estabelecer um crit´rio de paragem. b]. ent˜o. ou seja xn → s.1) .4. (2. ca e Na demonstra¸˜o do teorema acima obteve-se a express˜o ca a |xn − s| ≤ Ln · |x0 − s|.b] |F (x)|. b]. Das muitas (infinitas!) possibilidades de escolha de F ´ necess´rio seleccionar uma que verifique e a c ca |F (x)| < 1 numa vizinhan¸a da solu¸˜o.1.8: Diferentes comportamentos do m´todo iterativo simples e isto ´. Como x2 = F (x1 ) temos x2 − s = F (x1 ) − F (s) = F (ξ1 ) · (x1 − s) = F (ξ1 ) · F (ξ0 ) · (x0 − s) ınio conclui-se que para ξ0 .

No entanto. pelo que ser´ interessante encontrar outra express˜o para o erro de aproxima¸˜o. que se sabe estar no intervalo [−2.Cap´ ıtulo 2. Resolu¸˜o ca Fun¸ao de itera¸ao e valor inicial c˜ c˜ Fazendo F (x) = −1 − ex tem-se que f (x) = 0 ⇔ x = F (x). Agora pode escrever-se e xn+1 − s = F (ξn ) · (xn − s) xn+1 − s = F (ξn ) · (xn − s − xn+1 + xn+1 ) |xn+1 − s| = |F (ξn )| · |xn+1 − s + xn − xn+1 | |xn+1 − s| ≤ L · |xn+1 − s + xn − xn+1 | |xn+1 − s| ≤ L · (|xn+1 − s| + |xn − xn+1 |) (1 − L) · |xn+1 − s| ≤ L · |xn − xn+1 | L |xn+1 − s| ≤ · |xn − xn+1 |. com e ca u c˜ um erro absoluto inferior a 5 × 10−5 . mais rapidamente a o convergir´ para zero o erro de aproxima¸˜o. Utilizar o m´todo iterativo simples para determinar uma aproxima¸˜o. dever-se-´ terminar a aplica¸˜o do m´todo ` a ca e e e a assim que εn+1 ≤ δ. Esta express˜o fornece um majorante o a ca ´ a e do erro de aproxima¸˜o de xn+1 com base no erro de aproxima¸˜o de x0 .4. definido a partida. verifica-se que L = maxx∈[−2. Como F (x) = −ex .1. a e e Exemplo 2. garantindoca e ca se a existˆncia de ξn nesse intervalo tal que F (xn )−F (s) = F (ξn )(xn −s).1) permite desde j´ prever que quanto mais pr´ximo de zero for L. do (´nico) zero da fun¸ao f (x) = 1 + x + ex . majorante esse que pode ser calculado ap´s a determina¸˜o de xn+1 .b] |F (x)|.4. Equa¸˜es N˜o Lineares co a 30 onde L = maxx∈[a. −1]. o O valor εn+1 = L 1−L |xn+1 − xn | constitui assim um majorante do erro em xn+1 . ´ apenas necess´rio determinar L antes de iniciar a aplica¸˜o do m´todo. que se sup˜e ser inferior a 1. 1−L onde L = maxx |F (x)| se sup˜e menor do que 1. ˜ A fun¸˜o F (x) = ln(−1 − x) n˜o poder´ ser utilizada pois tem-se que maxx |F (x)| > 1 em ca ˜ a a qualquer vizinhan¸a da solu¸˜o! c ca . Para utilizar este crit´rio de paragem. pelo que menos itera¸˜es ser˜o necess´rias para a ca co a a alcan¸ar uma dada precis˜o pretendida. e e Escolhendo x0 = −2 garante-se a convergˆncia do m´todo. Ora este ultimo n˜o ´ ca habitualmente conhecido e um seu majorante conhecido pode ser bastante pessimista. c a Para obter uma express˜o para o erro de aproxima¸˜o de xn+1 .3679 < 1. Se se pretender determinar s com um erro o ca absoluto inferior a um dado δ.−1] |F (x)| = 0. vamos partir novamente da a ca aplica¸˜o do teorema do valor m´dio para a fun¸˜o F no intervalo de extremos xn e s. a express˜o a a ca a (2. Note-se no entanto que esta determina¸˜o de L ´ muitas ca e ca e vezes necess´ria para garantir a convergˆncia do m´todo.

Como ε2 5 × 10−5 continua-se a aplica¸ao do m´todo.8 × 10−4 +1. c˜ e Itera¸˜es co A tabela seguinte apresenta os resultados da aplica¸ao do m´todo at´ ` satisfa¸˜o do crit´rio de c˜ e ea ca e paragem. garante o erro m´ximo pretendido. e a Itera¸˜o 1 ca x1 = F (x0 ) = −1 − ex0 = −1.32131 −1.9 × 10−4 +5.26678 −1.27756 −1.582 · |x1 − x0 | = 5 × 10−1 .28174 −1. 2. no a ca ponto correspondente ao valor anterior da sucess˜o.7 × 10−3 +2. ca e Solu¸˜o ca A estimativa obtida ser´ s a −1.13534 ε1 = 0. este m´todo parte de uma estimativa inicial x0 e gera uma sucess˜o {xn } de uma forma e recorrente.5 M´todo de Newton e O m´todo de Newton ´ um dos m´todos mais poderosos para resolver equa¸˜es do tipo f (x) = 0. n 0 1 2 3 4 5 6 7 8 xn −2.00000 −1.582 · |x2 − x1 | = 1.2 × 10−2 +8. (f (xn )).27846.2 × 10−5 +1.27848 xn+1 = F (xn ) −1.Cap´ ıtulo 2.5 × 10−5 5 × 10−5 continua-se a aplica¸˜o do m´todo. ´ determinado como sendo a abcissa do ponto de intersec¸˜o a com o eixo dos xx da recta tangente ao gr´fico da fun¸˜o no ponto (xn .27872 −1. e e e co Tal como no caso do m´todo iterativo simples (de que pode ser considerado um caso particue a lar). Como ε1 Itera¸˜o 2 ca x2 = F (x1 ) = −1 − ex1 = −1.582 · |xn+1 − xn | Crit´rio de paragem e Estabelecendo o crit´rio de paragem εn+1 ≤ 5 × 10−5 .13534 −1.27848 −1.0 × 10−1 +1.27756 −1.26678 −1. a ca e A express˜o de recorrˆncia que permite determinar xn+1 em fun¸˜o de xn obt´m-se facilmente a e . e ca Cada novo valor da sucess˜o.13534 −1.27846 εn+1 +5.27839 −1.27839 −1.32131 ε2 = 0.1 × 10−1 +3. com um erro absoluto inferior a 2 × 10−5 . ou seja. Equa¸˜es N˜o Lineares co a 31 Estima¸˜o do erro ca εn+1 = L 1−L |xn+1 − xn | = 0.32131 −1.4 × 10−3 +6. xn+1 .1 × 10−1 .27872 −1.28174 −1.

9: M´todo de Newton e notando que a recta tangente ao gr´fico de f no ponto (xn . (f (xn )) pode ser descrita pela equa¸˜o a ca y = f (xn ) + f (xn ) · (x − xn ). ca ca O teorema apresentado em seguida fornece condi¸˜es suficientes para a convergˆncia do m´todo co e e de Newton.5 algumas situa¸˜es em que o m´todo n˜o produz sucess˜es convergentes co e a o para a solu¸˜o da equa¸˜o que se pretende calcular. f (xn ) que ser´ ent˜o a express˜o de recorrˆncia do m´todo de Newton. Substituindo a a e e na equa¸˜o da recta este ponto e resolvendo a equa¸˜o obtida em ordem a xn+1 obt´m-se ca ca xn+1 = xn − f (xn ) . f (x) M´todo de Newton e Inicializa¸˜o Escolher x0 ca Repetir At´ e xn+1 = xn − f (xn ) f (xn ) verificar crit´rio de paragem e Antes de apresentar condi¸˜es que garantem a convergˆncia do m´todo de Newton. Refira-se que neste m´todo se a a a e e e ca e tem tamb´m que xn+1 = F (xn ) para a fun¸˜o de recorrˆncia e F (x) = x − Note-se ainda que se f (x) = 0 se tem que f (x) = 0 ⇔ x = x − f (x) . f (x) f (x) . De acordo com o exposto atr´s. necess´rias. Estas condi¸˜es n˜o s˜o. esta recta passar´ tamb´m pelo ponto (xn+1 . 0). isto ´. mostram-se co e e graficamente na figura 2. em geral. Equa¸˜es N˜o Lineares co a 32 f (x) s x2 x1 x0 Figura 2.Cap´ ıtulo 2. h´ situa¸˜es em que elas n˜o co a a a e a co a .

´ poss´ concluir que xn+1 ≤ xn que xn+1 ≥ s e ainda que f (xn+1 ) ≥ 0. c˜ ca e Consideremos o caso f > 0 e f ≥ 0 (nos outros casos a demonstra¸˜o ´ semelhante). O desenvolvimento de Taylor de f em torno do ponto x0 permite escrever f (s) = f (x0 ) + f (x0 )(s − x0 ) + f (ξ0 ) (s − x0 )2 . Como. 4. Mais ainda. Refira-se tamb´m que ´ poss´ estabelecer outras condi¸˜es e e e ıvel co suficientes de convergˆncia. Seja ent˜o x0 ∈ [a.10: Alguns comportamentos indesej´veis do m´todo de Newton a e se verificam e o m´todo converge. e Teorema 2. Supondo que xn ≥ s. por forma a que f (x0 )f (x0 ) ≥ 0. .1. a e o Demonstra¸ao. tem-se s − x0 = − f (ξ0 ) f (x0 ) f (x0 ) − (s − x0 )2 ≤ − f (x0 ) 2f (x0 ) f (x0 ) f atendendo aos sinais de f e f . Seja f ∈ C 2 ([a. a e (x0 a e ıvel 5. ent˜o x1 ≥ s e tamb´m f (x1 ) ≥ 0. e f (x) ≤ 0 ou f (x) ≥ 0 em [a. por hip´tese. tem-se ainda que x1 ≤ x0 . 2 o para algum ξ0 entre x0 e s. a 2. f (s) = 0. Seja ainda s o (´nico) zero de f em [a.Cap´ ıtulo 2. b]. Como x1 = x0 − f (x0 )) . e argumentando como atr´s. Como x1 = x0 − f (x0 ) f (x0 ) .5. 1. Ent˜o a sucess˜o gerada pelo m´todo de Newton u a a e converge para s sempre que o ponto inicial x0 ∈ [a. b]. b] satisfizer f (x0 )f (x0 ) ≥ 0. Como f ´ crescente tem-se ent˜o que x0 ≥ s. Equa¸˜es N˜o Lineares co a 33 y = f(x) y = f(x) x1 s x1 x0 x2 x s x0 x2 x Anulamento da derivada Mudan¸a de concavidade c Figura 2. b]. a sucess˜o gerada ´ mon´tona. b] tal que f (x0 ) ≥ 0. R) tal que f (x) = 0. e a 3.

4. ´ ` Vamos agora determinar a evolu¸˜o do erro de aproxima¸˜o para as estimativas geradas pelo ca ca m´todo de Newton. xn+1 = xn − a e e que f (xn ) + f (xn )(xn+1 − xn ) = 0. pode afirmar-se que M2 |xn+1 − xn |2 . a ) f 7. 2m1 express˜o esta que poder´ ser utilizada para determinar o majorante do erro de aproxa a |xn+1 − s| ≤ ima¸˜o de xn+1 .2). verificando-se assim que f (xn+1 ) = f (ξn ) (xn+1 − xn )2 .5. b]. e supondo que m1 > 0. Como xn+1 = xn − f (xnn e f e f s˜o fun¸˜es cont´ a co ınuas. Acabou de se mostrar. a f (x (z) ou ainda f (z) = 0.5. 2 |f (ξn )| |xn+1 − xn |2 . |f (ζn )||xn+1 − s| = f (ξn ) (xn+1 − xn )2 . 2. garante-se a existˆncia de ζn entre xn+1 e e s. do desenvolvimento de Taylor de f em torno de xn . garante-se a existˆncia de ξn entre xn e xn+1 tal que f (xn+1 ) = f (xn ) + f (xn )(xn+1 − xn ) + f (ξn ) (xn+1 − xn )2 .5. b]. tal que f (xn+1 ) = f (s) + f (ζn )(xn+1 − s). dado por ca εn+1 = M2 |xn+1 − xn |2 . 2 (2. no intervalo [a. esta express˜o pode ser escrita na forma a f (xn+1 ) = f (ζn )(xn+1 − s). por indu¸˜o. Mais uma vez.b] |f (x)| e m1 = minx∈[a. Combinando agora as express˜es (2.5. 2m1 . Da express˜o de recorrˆncia do m´todo de Newton.b] |f (x)|. ent˜o no limite tem-se z = z − f (z) .2) 5. 8. 2 f (xn ) f (xn ) . Na exposi¸˜o que se segue sup˜e-se que {xn } ⊂ [a. Definindo agora M2 = maxx∈[a. Uma vez que f (s) = 0.1) 3. 2 podemos concluir (2. que {xn } ´ decrescente e limitada inferiormente por ca e e s. Do desenvolvimento de Taylor de f em torno de s. Sendo este zero unico (devido a monotonia estrita de f ) conclui-se finalmente que z = s.1) e (2. pode escrever-se o f (ζn )(xn+1 − s) = ou ainda. Equa¸˜es N˜o Lineares co a 34 6. para um dado valor z. e ca o e 1.Cap´ ıtulo 2. Ent˜o {xn } ´ convergente.

ca e a Itera¸˜o 1 ca x1 = x0 − f (x0 ) = −1. Resolu¸˜o ca Condi¸˜es de convergˆncia co e f (x) = 1 + ex f (x) = ex → → f >0 f >0 ` a O m´todo converge desde que x0 esteja a direita do zero.68 × 10−1 +1. Utilizar o m´todo de Newton para determinar uma aproxima¸˜o.22 × 10−2 +1. Estima¸˜o do erro ca Utilizando a estimativa do erro de aproxima¸˜o atr´s deduzida temos ca a m1 = M2 = min |f (x)| = 1 + e−2 = 1.2 × 10−1 +1.26894 −1.162 · |x2 − x1 |2 = 1.2 × 10−1 Como ε1 Itera¸˜o 2 ca x2 = x1 − f (x1 ) = −1.27845 −1. que se sabe estar no intervalo [−2. Ent˜o.1.−1] x∈[−2.6 × 10−11 . co Itera¸˜es co A tabela seguinte resume a aplica¸˜o do m´todo.162 2m1 a pelo que εn+1 = 0. com um erro e ca u ca absoluto inferior a 5 × 10−6 .26894 −1. e e e escolhendo x0 = −1.26894 f (x0 ) ε1 = 0.27485 f (x1 ) 5 × 10−6 . Crit´rio de paragem e De acordo com a majora¸˜o do erro o crit´rio de paragem a utilizar ser´ εn+1 ≤ 5 × 10−6 . Equa¸˜es N˜o Lineares co a 35 Exemplo 2.27 × 10−5 f (xn ) +1.27845 f (xn ) +3.162 · |x1 − x0 |2 = 1.5 × 10−5 Como ε2 5 × 10−6 .162 · |xn+1 − xn |2 ser´ um majorante do erro de xn+1 .5 × 10−5 +1.1353 |f (x)| = e−1 = 0.27846 εn+1 +1. devemos prosseguir as itera¸˜es.281 +1. devemos prosseguir as itera¸˜es.5. garante-se a convergˆncia do m´todo.368 +1.3679 x∈[−2.278 xn+1 −1.00000 −1.Cap´ ıtulo 2. do (´nico) zero da fun¸˜o f (x) = 1 + x + ex .−1] max M2 = 0. −1]. co ε2 = 0. ca e n 0 1 2 xn −1. garantindo f (x0 )f (x0 ) > 0.

´ ca y = f(x) s xn+1 xn xn-1 x Figura 2. conseguindo-se uma precis˜o maior num menor n´mero de a e a u itera¸˜es. de uma forma geral.6 M´todo da secante e O m´todo da secante ´ semelhante ao m´todo de Newton.5. R) e s um zero de f em [a. ´ convergente desde ca e e o ca que parta de uma estimativa inicial x0 suficientemente pr´xima da solu¸˜o s a determinar. A terminar a exposi¸˜o sobre o m´todo de Newton. com a diferen¸a de que a recta e e e c tangente ao gr´fico da fun¸˜o ´ substitu´ (como o pr´prio nome indica) pela recta secante a ca e ıda o nos dois ultimos pontos.Cap´ ıtulo 2.27846 (com todos os algarismos exactos). Este m´todo obriga a que em cada itera¸˜o sejam guardadas as duas ´ e ca ultimas estimativas da solu¸˜o a determinar. Este teorema co e e justifica a constata¸˜o de que o m´todo de Newton. apresenta-se em seguida um teorema que ca e fornece outras condi¸˜es suficientes para a convergˆncia do m´todo de Newton. Note-se no entanto que a sua aplica¸˜o exige o c´lculo e e a ca a de valores da derivada da fun¸˜o e tamb´m que as condi¸˜es para a sua convergˆncia podem ser ca e co e mais dif´ ıceis de verificar.11: M´todo da secante e . 2. Como ser´ discutido mais a frente. Neste exemplo verificou-se que o m´todo de Newton apresentou uma convergˆncia bastante mais e e r´pida do que os m´todos anteriores. s + δ]. ent˜o e existe δ > 0 tal que a sucess˜o {xn } gerada pelo m´todo de Newton converge para s sempre que a x0 ∈ [s − δ. Sendo f ∈ C 2 ([a. Equa¸˜es N˜o Lineares co a 36 Solu¸˜o ca A solu¸˜o aproximada ser´ s ca a −1. a Teorema 2. o m´todo de Newton ´ na generalidade dos casos co a ` e e um m´todo de convergˆncia mais r´pida. b]. tal que f (s) = 0.2. b].

b].5. Assim. b].1. f (xn )) ´ descrita pela equa¸˜o e ca y = f (xn−1 ) + f (xn ) − f (xn−1 ) (x − xn−1 ). E e e c co co do teorema 2. pela express˜o a xn+1 = xn − f (xn ) f (xn−1 )−f (xn ) xn−1 −xn . x0 ∈ [a. a sucess˜o gerada ´ mon´tona. o ponto xn+1 poder´ n˜o estar entre xn e xn+1 . Fazendo esta substitui¸˜o rapidamente se conclui a a que xn+1 ser´ dado pela express˜o xn+1 = xn−1 f (xn ) − xn f (xn−1 ) . e ca M´todo da secante e Inicializa¸˜o Escolher x−1 e x0 ca Repetir At´ e xn+1 = xn−1 f (xn )−xn f (xn−1 ) f (xn )−f (xn−1 ) verificar crit´rio de paragem e O seguinte resultado (que n˜o ser´ aqui demonstrado) fornece condi¸˜es suficientes para a cona a co ´ de notar a semelhan¸a entre estas condi¸˜es e as condi¸˜es vergˆncia do m´todo da secante. que salienta a sua semelhan¸a ao m´todo de Newton.Cap´ ıtulo 2. tem-se e ca que o ponto (xn+1 . c a e e ca equivalente. ´ poss´ obter um e e ıvel majorante do erro de aproxima¸˜o com base nas distˆncias entre estimativas consecutivas. R) tal que f (x) = 0. Este m´todo poder´ n˜o convergir quando aplicado a problemas em que o m´todo da falsa posi¸˜o converge. xn − xn−1 e ca Como a estimativa xn+1 ´ dada pela abcissa da intersec¸˜o desta recta com o eixo dos xx. Seja ainda s o (´nico) zero de f em [a. Consideremos a fun¸˜o polinomial de grau 2 ca p(x) = f (xn−1 ) + f (xn )−f (xn−1 ) xn −xn−1 · (x − xn−1 ) + f (xn+1 ) (xn+1 −xn−1 )·(xn+1 −xn ) · (x − xn−1 )(x − xn ). c e Na aplica¸˜o do m´todo da secante n˜o se garante que f tome em xn e xn−1 valores com sinais ca e a a a e a a opostos. f (xn−1 )) e (xn . De uma forma semelhante ao que foi efectuado para o m´todo de Newton. 1. e Teorema 2. f (xn ) − f (xn−1 ) onde se pode notar a semelhan¸a com a express˜o de recorrˆncia do m´todo da falsa posi¸˜o ou. 0) ´ um ponto desta recta.1 relativo ao m´todo de Newton.6. Equa¸˜es N˜o Lineares co a 37 A recta que passa pelos pontos (xn−1 . Mais ainda. e f (x) ≤ 0 ou f (x) ≥ 0 em [a. tal ca a como se mostra em seguida. b]. . Seja f ∈ C 2 ([a. Ent˜o a sucess˜o gerada pelo m´todo da secante u a a e converge para s sempre que os pontos iniciais x−1 . b] satisfizerem f (x−1 )f (x−1 ) ≥ 0 e a e o f (x0 )f (x0 ) ≥ 0.

Como p (x) = 2f (xn+1 ) (xn+1 −xn )(xn+1 −xn−1 ) . Sendo s tal que f (s) = 0. e ca Exemplo 2.2) obt´m-se a express˜o o e a xn+1 − s = f (ξn ) · (xn+1 − xn )(xn+1 − xn−1 ). 2f (ζn ) (2. como anteriormente.2) 6. para algum ξn .1) f (xn+1 ) = f (ξn ) · (xn+1 − xn )(xn+1 − xn−1 ).6. Como p(xn−1 ) = f (xn−1 ) p(xn ) = f (xn ) p(xn−1 ) = f (xn−1 ) conclui-se que f (x) − p(x) tem pelo menos 3 zeros f (x) − p (x) tem pelo menos 2 zeros f (x) − p (x) tem pelo menos 1 zero e. do (´nico) zero da fun¸˜o f (x) = 1 + x + ex .6. Resolu¸˜o (comparar com exemplo do m´todo de Newton) ca e Condi¸˜es de convergˆncia co e . −1]. resulta |xn+1 − s| ≤ pelo que o valor εn+1 definido por εn+1 = M2 · |xn+1 − xn | · |xn+1 − xn−1 | 2m1 M2 · |xn+1 − xn | · |xn+1 − xn−1 |. f (ξn ) = p (ξn ). 5. 2 4. e supondo-se ainda que m1 > 0.1) e (2.1. portanto.6. com um erro e c˜ u ca absoluto inferior a 5 × 10−6 .Cap´ ıtulo 2. Combinando as express˜es (2. que se sabe estar no intervalo [−2. ent˜o a (2.6. 3. Utilizar o m´todo da secante para determinar uma aproxima¸ao.b] |f (x)|. Equa¸˜es N˜o Lineares co a 38 2. pode dizer-se que f (xn+1 ) = f (ζn ) · (xn+1 − s) para algum ζn . 2m1 ´ um majorante do erro de aproxima¸˜o de xn+1 . M2 = maxx∈[a.6.b] |f (x)| e m1 = minx∈[a. Considerando.

27846 f (xn+1 ) +7.Cap´ ıtulo 2.27249 −1.27846 (com todos os algarismos exactos).1 → → f (x−1 ) = 0.1353 |f (x)| = e−1 = 0. devemos prosseguir as itera¸˜es.162 · |x2 − x1 | · |x2 − x0 | = 1. ca e a Itera¸˜o 1 ca x1 = x−1 f (x0 ) − x0 f (x−1 ) = −1. co Itera¸˜es co A tabela seguinte resume a aplica¸˜o do m´todo. Equa¸˜es N˜o Lineares co a 39 f (x) = 1 + ex f (x) = ex → → f >0 f >0 O m´todo converge desde que x−1 e x0 sejam tais que f (x−1 )f (x−1 ) > 0 e f (x0 )f (x0 ) > 0. ca e n 0 1 2 xn−1 −1.10000 −1.7 × 10−4 Como ε2 5 × 10−6 .162 · |x1 − x0 | · |x1 − x−1 | = 7.01 × 10−7 εn+1 7.27249 xn −1.2329 garante-se a convergˆncia do m´todo.27834 f (x1 ) − f (x0 ) 5 × 10−6 .7 × 10−4 1.27834 −1.3679 f (x0 ) = 0.27249 f (x0 ) − f (x−1 ) ε1 = 0. .−1] min |f (x)| = 1 + e−2 = 1.27249 −1.65 × 10−3 +1.162 · |xn+1 − xn | · |xn+1 − xn−1 | ser´ um majorante do erro de xn+1 . devemos prosseguir as itera¸˜es.162 2m1 a pelo que εn+1 = 0. Crit´rio de paragem e De acordo com a majora¸˜o do erro o crit´rio de paragem a utilizar ser´ εn+1 ≤ 5 × 10−6 .6 × 10−3 1.27834 xn+1 −1.3679 max M2 = 0. e Ent˜o.00000 −1.6 × 10−3 Como ε1 Itera¸˜o 2 ca x2 = x0 f (x1 ) − x1 f (x0 ) = −1.−1] x∈[−2.10000 −1. escolhendo a x−1 = −1 x0 = −1.2 × 10−7 Solu¸˜o ca A estimativa obtida ´ s e −1. co ε2 = 0.55 × 10−4 +1. e e Estima¸˜o do erro ca Utilizando a estimativa do erro de aproxima¸˜o atr´s deduzida temos ca a m1 = M2 = x∈[−2.

p! −(−1)p F (p) (s) − s)p . Quando p = 1 a ca e e e a convergˆncia diz-se linear ou de 1a ordem. tal que F (s) = s. e o Comecemos por considerar um m´todo iterativo com fun¸˜o de recorrˆncia F e um valor s que e ca e seja ponto fixo da fun¸˜o F . Suponha-se tamb´m que F ´ uma fun¸˜o ca e e e ca c de classe C p numa vizinhan¸a do ponto s. para cada Como ξn → s. Esta rapidez pode ser medida atrav´s da no¸˜o de ordem de convergˆncia de um e e ca e m´todo iterativo.7 Ordem de convergˆncia e Ap´s a apresenta¸˜o dos diferentes m´todos iterativos vamos agora analisar a sua rapidez de o ca e convergˆncia. ∆n = s − xn (erro em xn ). . respectivamente. Supondo que em ambos os casos se tem que ∆0 = 10−1 . + =s+ F (p) (ξn ) (xn − s)p p! F (p) (ξn ) (xn p! F (p−1) (s) F (p) (ξn ) (xn − s)p−1 + (xn − s)p (p − 1)! p! para algum ξn entre xn e s. convergente para s. obt´m-se ∆n+1 = −(−1)p F (p) (ξn ) p ∆n . n pelo que o erro na itera¸˜o n + 1 ´ proporcional a potˆncia de ordem p do erro na itera¸˜o n. . para os quais se tem ∆n+1 = 10−2 ∆n e e ∆n+1 = ∆2 . tal que xn+1 = F (xn ). Equa¸˜es N˜o Lineares co a 40 2. = F (p−1) (s) = 0 (se p > 1) ou seja. Quando p = 2 a convergˆncia diz-se quadr´tica ou e de 2a ordem. e Do desenvolvimento de Taylor de F em torno de s obt´m-se e F (xn ) = F (s) + F (s)(xn − s) + . ou seja. tal que F (p) (s) = 0 F (s) = . isto ´. Considere dois m´todos iterativos A e B.1. que todas as suas derivadas at´ ` ordem p − 1 se anulam no ponto fixo s e a derivada ea de ordem p ´ n˜o nula nesse ponto. pode ainda escrever-se xn+1 − s = e n. n determine a evolu¸˜o do erro para as primeiras 6 itera¸oes de aplica¸ao de cada m´todo. Como xn+1 = F (xn ). que se exp˜e em seguida. ca e ` e ca Nesta situa¸˜o diz-se que o m´todo iterativo tem convergˆncia de ordem p. n p! ∆p . gerada por este m´todo. Definindo. . .7. para n suficientemente elevado verifica-se ∆n+1 ∆n+1 ∝ ∆p . isto e ´.Cap´ ıtulo 2. e a e a e Suponha-se tamb´m que {xn } ´ uma sucess˜o. ca c˜ c˜ e Resolu¸˜o ca . Exemplo 2.

ca a e e Vamos agora analisar a ordem de convergˆncia do m´todo de Newton. tem-se que F (s) = a que ser´. A) e 0 1 2 3 4 5 6 10 −1 ∆n (m´t. tem-se que F (s) = 0. Reparea e se que a partir da defini¸˜o de limite. Suponha-se ent˜o e ıvel ca e a a e a que {en } ´ uma sucess˜o convergente para 0. Se existir uma constante p. ´ de um m´todo de 2a ordem. Pode tamb´m mostrar-se que quer o m´todo das bissec¸˜es quer o m´todo da falsa posi¸˜o s˜o m´todos de convergˆncia linear. Explica-se e a e e deste modo o comportamento do m´todo de Newton. Conclui-se assim que o m´todo a a e de Newton tem uma convergˆncia quadr´tica. Derivando esta fun¸˜o obt´m-se ca e [f (x)]2 − f (x)f (x) f (x)f (x) = . tal que n→+∞ lim |en+1 | = K. Como j´ visto. de um m´todo de convergˆncia linear ou de e e e e e co e 1a ordem. maior do que zero. a fun¸˜o e e a ca de recorrˆncia deste m´todo ´ F (x) = x − e e e F (x) = 1 − f (x) f (x) . ca Vamos agora analisar a ordem de convergˆncia de alguns dos m´todos estudados. em geral. No caso e e do m´todo iterativo simples n˜o se imp˜e qualquer condi¸˜o sober a nulidade da fun¸˜o de e a o ca ca recorrˆncia F . Ent˜o. ou seja. B) e 10−1 10−2 10−4 10−8 10−16 10−32 10−64 10−3 10−5 10−7 10−9 10−11 10−13 Como se ilustra neste exemplo. Equa¸˜es N˜o Lineares co a 41 n ∆n (m´t. quanto maior for a ordem de convergˆncia de um m´todo iterae e tivo. no caso geral. O c´lculo de F fornece (verifique!) F (x) = [f (x)]3 f (x) + f (x)[f (x)]2 f (x) − 2f (x)f (x)[f (x)]2 [f (x)]4 f (s) f (s) . |en |p onde 0 < K < +∞. 2 [f (x)] [f (x)]2 ca ca e Sendo s um zero de f tal que f (s) = 0 (condi¸˜o habitualmente imposta na aplica¸˜o do m´todo a de Newton). diz-se que a sucess˜o {en } tem ordem de convergˆncia p. ca co ´ E tamb´m poss´ definir a no¸˜o de ordem de convergˆncia de uma sucess˜o. que habitualmente permite obter solu¸˜es e co com menores erros de aproxima¸˜o em menos itera¸˜es.Cap´ ıtulo 2. se pode concluir que para valores de n suficientemente ca a ` ca e elevados se tem que |en+1 | ∝ |en |p . n˜o nulo. mais rapidamente o erro de aproxima¸˜o converge para zero. de uma forma an´loga a defini¸˜o de ordem de convergˆncia . Trata-se portanto.

8 Localiza¸˜o de zeros ca Cada aplica¸˜o de um m´todo iterativo permite (mediante a satisfa¸˜o de certas condi¸˜es) ca e ca co determinar o valor de um zero de uma fun¸˜o. Por vezes. as quais dever˜o ser satisfeitas ca a num dado intervalo ao qual se aplica o m´todo. a equa¸˜o f (x) = 0 ´ a ca ca e reescrita na forma equivalente g(x) = h(x).Cap´ ıtulo 2. cada um dos quais contendo apenas um zero de f . O estudo dos zeros de f fica ent˜o reduzido a a ca a ` an´lise das intersec¸˜es dos gr´ficos de g e h. que a verifica¸˜o de condi¸˜es suficientes de convergˆncia de m´todos ca co e e iterativos exige certas propriedades da fun¸˜o e das suas derivadas. antes de a e iniciar a aplica¸˜o de um m´todo ´ necess´rio proceder a uma an´lise preliminar para estabelecer ca e e a a qual ou quais os zeros a determinar. por outro lado. Ao se pretender calcular v´rios zeros. a ca O esbo¸o do gr´fico da fun¸˜o f permite em muitas situa¸˜es determinar de uma forma visual c a ca co intervalos disjuntos. atrav´s de um estudo a ca e anal´ ıtico das propriedades de f . onde g e h s˜o fun¸˜es cujos gr´ficos s˜o mais a co a a simples de estudar do que o gr´fico da fun¸˜o f . em vez de se analisar directamente o gr´fico da fun¸˜o f . ca A determina¸˜o de intervalos contendo um e s´ zero da fun¸˜o e que satisfazendo condi¸˜es ca o ca co suficientes de convergˆncia. mas sempre e a recorrendo a uma ou mais das seguintes abordagens • c´lculo de valores da fun¸˜o. de uma forma geral. generalizando ca e a de algum modo a no¸˜o de ordem de convergˆncia de um m´todo iterativo. ser´ ca a a necess´rio aplicar o ou os m´todos iterativos quantos os zeros a determinar. e a Esta defini¸˜o de ordem de convergˆncia permite considerar ordens n˜o inteiras. Assim. ca Note-se. ca Este processo ´ designado por separa¸˜o dos zeros e consiste na determina¸˜o de intervalos e ca ca disjuntos. cada um contendo um zero da fun¸˜o. Se p = 1 a convergˆncia diz-se linear. ou mesmos ambos os processos de uma forma conjugada. Se p > 1 a convergˆncia diz-se e e e supralinear. os erros de aproxima¸˜o do m´todo da secante apresentam uma ca e convergˆncia de ordem e √ 1+ 5 2 (≈ 1. Se p = 2 a convergˆncia diz-se quadr´tica. Pode mostrarca e e se que. Trata-se portanto de um m´todo supralinear.618). a co a . pode ser feita de uma forma mais ou menos autom´tica. e 2. bem como eventualmente a sua localiza¸˜o aproximada. a ca • estudo do gr´fico da fun¸˜o. Equa¸˜es N˜o Lineares co a 42 de um m´todo iterativo. ou que contenha a estimativa inicial para a sua e aplica¸˜o. O gr´fico da fun¸˜o pode ser obtido utilizando meios computacionais. a ca • an´lise de propriedades da fun¸˜o.

a determina¸˜o de ra´ ca ızes de polin´mios de grau superior a 4 (ou at´ mesmo de grau o e 3 ou 4) ter´ na maioria das situa¸˜es de ser efectuada por m´todos iterativos.8. Relembremos a ca u que se designam por n´ meros de Rolle de uma fun¸˜o f : D → R os pontos fronteira de D e u ca os zeros da fun¸˜o f . entre dois n´meros de Rolle consecutivos existe quando e a u muito um zero de f . a co e Os m´todos estudados anteriormente para a determina¸˜o de zeros de fun¸˜es podem tamb´m ser e ca co e .2. ca Teorema 2.1. Equa¸˜es N˜o Lineares co a 43 f(x) s3 s1 s2 x Figura 2.12: Gr´fico de f mostrando a localiza¸˜o dos zeros a ca g(x) h(x) s1 s2 x Figura 2. Se f ´ diferenci´vel.Cap´ ıtulo 2. f tem no m´ximo um zero em [a.13: Solu¸˜es de g(x) = h(x). b].8. ca Os dois teoremas apresentados abaixo constituem a justifica¸˜o te´rica dos m´todos anal´ ca o e ıticos de separa¸˜o de zeros. b]. 2. Assim.9 Ra´ ızes de polin´mios o A determina¸˜o directa de ra´ ca ızes de polin´mios (ou seja dos zeros das fun¸˜es polinomiais o co correspondentes) s´ ´ poss´ de efectuar no caso geral para polin´mios de grau n˜o superior a oe ıvel o a 4. co Os m´todos anal´ e ıticos de separa¸˜o dos zeros de f baseiam-se principalmente na determina¸˜o de ca ca intervalos de monotonia de f e no c´lculo e ordena¸˜o dos n´meros de Rolle de f . e o a Teorema 2. Se f ´ estritamente mon´tona em [a.

Equa¸˜es N˜o Lineares co a 44 utilizados na determina¸˜o de ra´ ca ızes reais de polin´mios. por um polin´mio de grau 2 a o o da forma x2 − αx − β. . r2 . Teorema 2. . ..9. tal como se apresenta em seguida.. Comecemos por relembrar o seguinte resultado sobre as ra´ ızes de um polin´mio. o Teorema 2.2. i = 0. . + b1 x + b0 e o resto r podem ser obtidos por divis˜o polinomial ou pela regra de Ruffini. e r = a0 + sb0 . . Se o resto da divis˜o de p(x) por x − s for o polin´mio nulo ent˜o s ´ raiz de a o a e p(x). . . Ent˜o. ou ca a o seja. . a an s bn−1 an−1 bn−2 . Contudo. . sejam estas reais ou complexas.3. Os c´lculos desta regra a a s˜o habitualmente dispostos na forma de uma tabela. . O objecto de estudo nesta sec¸˜o ser´ um polin´mio de grau n com todos os coeficientes reais. Um polin´mio p de grau n tem exactamente n ra´ o ızes (contando com a multiplicidade).1. a1 b0 || a0 sb0 r sbn−1 . . p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 . de grau n ≥ 2. . . Sendo s ∈ C tem-se que p(x) = (x − s)q(x) + r.9.9. o A aplica¸˜o sucessiva da regra de Ruffini permite ainda demonstrar o seguinte resultado.. Consideremos agora a divis˜o do polin´mio p(x). ca ızes do polin´mio de grau n. contando com eventuais multiplicidades. para i = n − 2. . Nesta sec¸˜o apresentam-se resultados sobre a localiza¸˜o de ra´ ca ca ızes de polin´mios e m´todos o e especialmente dedicados ` determina¸˜o das suas ra´ a ca ızes.Cap´ ıtulo 2.. . p(x) pode ser escrito como a p(x) = an (x − r1 )(x − r2 ) · · · (x − rn ). onde ai ∈ R. Se os coeficientes do polin´mio forem o todos reais as ra´ ızes complexas surgem em pares conjugados. . onde q ´ um polin´mio de grau n − 1 (designado e o quociente) e r designa-se por resto. rn as n ra´ a1 x + a0 . sb1 Os coeficientes do quociente e o valor do resto s˜o determinados de acordo com as express˜es a o e bn−1 = an . Pode assim obter-se e a o seguinte resultado. 0. bi = ai+1 + sbi+1 . p(x) = an xn + · · · + o Teorema 2. Estas ra´ ızes podem ser reais ou complexas. Mais ainda. . n. as restantes ra´ ızes de p(x) s˜o as ra´ a ızes do polin´mio quociente. Uma consequˆncia directa da regra de Rufinni ´ o facto de o resto da divis˜o de p(x) por x − s ser p(s). O quociente q(x) = bn−1 xn−1 + . Sejam r1 . Facilmente se pode concluir a seguinte igualdade p(x) = (x2 − αx − β)q(x) + (rx + s). e an = 0. ´ sabido que os polin´mios o e o (mesmo de coeficientes reais) podem ter ra´ ızes complexas. .

r = a1 + αb0 + βb1 . o e Os coeficientes dos polin´mios quociente e resto podem ser obtidos de uma forma expedita o dispondo os c´lculos como se mostra na tabela a an β α bn−2 onde se verificam as rela¸˜es co bn−2 = an . ´ por vezes importante obter informa¸˜o co u e ca sobre a localiza¸˜o das ra´ ca ızes de um polin´mio sem as determinar. e e Tal como no caso geral de fun¸˜es com m´ltiplos zeros. . Enunciam-se em seguida o alguns resultados que podem ser utilizados para obter tal informa¸˜o. . Seja p(x) = an xn + an−1 xn−1 + ..9. optando-se por o apresentar aqui alguns dos considerados de aplica¸˜o mais imediata.6 (Regra dos sinais de Descartes I). o O resultado seguinte fornece uma express˜o geral para as ra´ a ızes racionais de polin´mios de o coeficientes inteiros. + a1 x + a0 . . 0. com ai ∈ Z. .Cap´ ıtulo 2. . αb1 bn−4 . e s = a0 + βb0 . bn−3 = an−1 + αbn−2 . ou menor pela diferen¸a de um n´mero par. . e e a Teorema 2.9.. . n − 3.9. Ent˜o. a2 a1 αb0 || r s a0 βbn−2 . Se o resto da divis˜o de p(x) = an xn + · · · + a1 x + a0 (onde an = 0) por a o a ızes de x2 − αx − β s˜o tamb´m ra´ a e ızes de p(x). Teorema 2. Equa¸˜es N˜o Lineares co a 45 onde q(x) = bn−2 xn−2 + bn−3 xn−3 + . an = 0 e a0 = 0.. a . bn−3 an−1 an−2 . O seguinte resultado ´ uma consequˆncia da divis˜o polinomial indicada acima. toda a raiz racional de p(x) ´ da forma a e ± d0 dn para i = n − 4. . b0 βb1 βb0 onde d0 ´ um divisor de a0 e dn ´ um divisor de an . + b1 x + b0 ´ um polin´mio de grau n − 2 designado por e o quociente. O n´mero de ra´ u ızes reais positivas de um polin´mio p(x) ´ igual. ca Teorema 2. .5. ao n´mero de mudan¸as de o e c u u c sinal dos seus coeficientes n˜o nulos. . bi = ai+2 + αbi+1 + βbi+2 . as ra´ As restantes ra´ ızes de p(x) s˜o as ra´ a ızes do polin´mio quociente. .. e o polin´mio rx + s ´ designado por resto. x2 − αx − β for o polin´mio nulo ent˜o. βb2 αbn−2 αbn−3 . .4. Refira-se que existe ca um grande n´mero de resultados sobre a localiza¸˜o de ra´ u ca ızes de polin´mios.

2 e 2. por aplica¸˜o de um m´todo iterativo.9.Cap´ ıtulo 2. Ent˜o os zeros reais de e a p s˜o majorados por a ak 1 + max ak <0 an complexo) centrado na origem e de raio 1+ max ak .4 permitem definir uma estrat´gia sistem´tica para a determina¸˜o de e a ca todas as ra´ ızes de um polin´mio p(x). . o polin´mio considerado ´ dividido por x − s (ou por x2 − αx − β no caso de um o e par de ra´ ızes). . Equa¸˜es N˜o Lineares co a 46 ´ E imediato verificar que as ra´ do polin´mio m(x) = p(−x) s˜o sim´tricas das ra´ de p(x). am < 0 ou seja. Tal como ent˜o. a express˜o de recorrˆncia ´ co a a e e xk+1 = xk − p(xk ) . a1 . Esta estrat´gia consiste em obter uma raiz o e s (ou um par de ra´ ızes) de cada vez. an 1 n−m . an−1 .7. aplicando-se em seguida novamente um m´todo iterativo mas agora ao polin´mio e o quociente e assim sucessivamente at´ se chegar a um polin´mio cujas ra´ e o ızes se determinem por um m´todo directo. e a Corol´rio (Regra dos sinais de Descartes II). . os quais de uma forma ca ca geral v˜o aumentando a medida que se v˜o obtendo novas ra´ a ` a ızes e calculando os polin´mios o quociente. . . ızes o a e ızes pelo que facilmente se obt´m o seguinte corol´rio. p (xk ) . ou menor pela diferen¸a de um n´mero par. o Em seguida ser˜o apresentados dois m´todos iterativos para a obten¸˜o das ra´ a e ca ızes de um polin´mio: o m´todo de Newton e o m´todo de Lin.9. Teorema 2. Todos os zeros do polin´mio p(x) situam-se no interior do c´ o ırculo (no plano 0≤k≤n−1 Os teoremas 2. a Teorema 2. ap´s a obten¸˜o de todas as ra´ o ca ızes.9. Ap´s a obten¸˜o ca e o ca de uma raiz. e ´ E importante ter em aten¸˜o a propaga¸˜o de erros de arredondamento. Por forma a diminuir estes erros. O n´mero de ra´ a u ızes reais negativas de um polin´mio p(x) ´ igual. . . am ´ o primeiro coeficiente negativo de {an . . Seja p(x) um polin´mio cujos coeficientes satisfazem o an > 0. ´ por vezes utie lizado um procedimento de refinamento das ra´ ızes. . de grau n. o e e A aplica¸˜o do m´todo de Newton ´ em tudo ao caso geral apresentado para a determina¸˜o de ca e e ca zeros de fun¸˜es. que consiste em aplicar um m´todo iterativo e partindo das estimativas das solu¸˜es determinadas anteriormente mas utilizando directamente co o polin´mio original p(x). ao n´mero de mudan¸as de o e c u u c sinal dos coeficientes n˜o nulos de p(−x).8. a0 }. an−1 ≥ 0. am+1 ≥ 0.9.

00j −0.99j −2. e Exemplo 2. n 0 1 2 3 4 5 6 xn −1. Equa¸˜es N˜o Lineares co a 47 A principal diferen¸a ´ que agora se pode escolher a estimativa inicial x0 ∈ C.97 + 1.1.11 + 1.40 + 12. e Resolu¸˜o ca Derivada e f´rmula de recorrˆncia o e p (x) = 4x3 + 6x2 + 20x + 24 p(xk ) xk+1 = xk − p (xk ) Determina¸˜o do ponto inicial ca x2 + 2x + 10 = 0 x0 = −1 + 3j Obten¸˜o do primeiro par de ra´zes ca ı Itera¸˜o 1: ca p(x0 ) = x4 + 2x3 + 10x2 + 24x0 + 80 = 56 + 72j 0 0 0 p (x0 ) = 4x3 + 6x2 + 20x0 + 24 = 60 − 48j 0 0 x1 = x0 − p(x0 ) p (x0 ) ⇒ x = −1 ± 3j = −0.53 + 111.20j 48.07j 13.81j −2.81j Itera¸˜o 2: ca p(x1 ) = x4 + 2x3 + 10x2 + 24x1 + 80 = 43.00j 1 1 1 p (x1 ) = 4x3 + 6x2 + 20x1 + 24 = 25.73 + 1.98 + 1.57 − 69.01 + 56. e e co De uma forma geral.70 + 63.26 − 15.91j −0.88j 32. No entanto isto obriga a efectuar opera¸˜es co em aritm´tica complexa.02 − 0.00 − 48.84 + 0. considerando apenas os trˆs termos de ordem mais elevada de p(x). obtˆm-se e os resultados apresentados na tabela seguinte.00j 25.12j 47.Cap´ ıtulo 2. x0 ´ escolhido como uma das solu¸˜es de an x2 + an−1 x + an−2 = 0 ou seja.73 + 1.03j .40 + 12.00 + 2.79j −1.00 + 72.13j 1.00 + 3.00j 43.73j 8.00j −2.45 + 23.02j ≈0 p (xn ) 60.00j −2.74j o e Continuando a aplicar o processo iterativo at´ que xn+1 esteja suficiente pr´ximo de xn .07j 1 1 x2 = x1 − p(x1 ) p (x1 ) = −2.74j −2. podendo c e determinar-se directamente uma raiz complexa.9.98 + 1.00j p(xn ) 56.00 + 2. Determinar todas as ra´ ızes do polin´mio p(x) = x4 + 2x3 + 10x2 + 24x + 80 o aplicando o m´todo de Newton.11 + 54.35 + 23.

Equa¸˜es N˜o Lineares co a 48 ∗ A raiz obtida ser´ ent˜o r1 = −2 + 2j. obtidas directamente.2. fazendo-se ent˜o as substitui¸˜es a e o ca a co pi → pi+1 e qi → qi+1 . que o polin´mio o p e q de forma a que as ra´ ¯ ¯ ızes de x2 + px + q sejam ra´ ¯ ¯ x2 + px + q seja divisor de p(x). + pi x + qi x + pi x + qi Esta divis˜o ´ parada ap´s a obten¸˜o do quociente q(x).. a Resultado As ra´ ızes de p(x) s˜o −2 ± 2j e 1 ± 3j. e o s˜o 1 ± 3j..9. −pi b1 . a O m´todo de Lin permite obter ra´ complexas de um polin´mio efectuando apenas opera¸˜es e ızes o co em aritm´tica real.. b0 Pode assim concluir-se que a determina¸˜o de pi+1 ´ qi+1 ´ feita resolvendo ca e e  a1 − qi b1 − pi+1 b0 = 0 a − q b = 0 0 i+1 0 Exemplo 2. ou seja. . As ra´ deste polin´mio. e Resolu¸˜o ca Inicialmente escolheu-se p0 = 1 e q0 = 1. Em cada itera¸˜o ´ realizada a divis˜o polinomial ca e a x2 rx + s p(x) = q(x) + 2 . a2 a1 −qi b1 −pi+1 b0 || 0 0 a0 −qi+1 b0 . .. o A aplica¸˜o deste m´todo ´ facilitada dispondo os c´lculos da divis˜o polinomial da seguinte ca e e a a forma an −qi −pi bn−2 bn−3 an−1 . Este m´todo consiste em construir sucess˜es {pi } e {qi } convergentes para e e o ¯ ¯ ızes de p(x).Cap´ ıtulo 2. Este a processo ´ repetido at´ termos consecutivos das sucess˜es {pi } e {qi } se tornarem suficientemente e e o pr´ximos. . . −qi b2 −pi bn−2 . . Determinar os zeros de p(x) = x4 − 6x3 + 18x2 − 24x + 16 pelo m´todo de Lin. Obt´m-se ent˜o imediatamente a raiz r2 = r1 = −2 − 2j a a e a Determina¸ao das restantes ra´ c˜ ızes Fazendo m(x) = (x − r1 )(x − r2 ) = (x + 2 − 2j)(x + 2 + 2j) = (x2 + 4x + 8) e dividindo p(x) por ızes o m(x) obt´m-se o polin´mio q(x) = x2 −2x+10. sendo ent˜o determinados pi+1 e qi+1 de modo a anular o resto rx+s.

. Conclui-se assim que as ra´zes de p(x) s˜o 1 ± j e 2 ± 2j.58507p2 = 0 16 − 13.70833 e q1 = 0. conclui-se que o p(x) o co ´ divis´ por x2 − 2x + 2.52778 −13. dividindo p(x) por x2 − 2x + 2 obt´m-se o polin´mio x2 − 4x + 8.58507q2 Agora o sistema de equa¸˜es a resolver ser´ co a  −24 + 3.70833 −3. ı a . e o ızes s˜o a Finalmente.52778 − 13.Cap´ ıtulo 2.58507 || −24 −13. ap´s mais algumas itera¸˜es conclui-se que pi → −2 e qi → 2. s˜o tamb´m ra´ a a e ızes de p(x).66667 0.17776.50696 e q2 = 1. co ca e 1 −0.58507p2 0 0 16 3. cujas ra´ 2 ± 2j.58507q = 0 2 resultando p2 = −1.29167 −6 18 −0. As ra´ e ıvel ızes de x2 − 2x + 2. Equa¸˜es N˜o Lineares co a 49 No quadro seguinte apresenta-se a divis˜o polinomial at´ obter o quociente.66667 0.66667 . que s˜o 1 ± j. As opera¸˜es da segunda itera¸˜o do m´todo encontram-se na tabela abaixo.70833 1 −5.74826 13. Assim. . a e 1 −6 −1 −1 −1 1 −7 18 −1 7 24 || −24 −24p1 0 0 16 7 −24q1 O sistema de equa¸˜es a resolver para anular o resto ser´ co a  −24 + 7 − 24p1 = 0 16 − 24q = 0 1 resultando p1 = −0. .

. xn ) de Rn . x ≥ 0 ∀x ∈ V e αx = |α| · x x = 0 ⇒ x = 0. Habitualmente. Alguns exemplos de normas em Rn . No entanto. . ∀x ∈ V . x2 . onde ´ co x = (x1 .Cap´ ıtulo 3 Normas de vectores e matrizes 3. . x2 . x+y ≤ x + y e A no¸˜o de norma est´ associada ao tamanho de um vector. . ´ ca a utilizada a norma euclidiana que se define por x 2 = x2 + x2 + · · · + x2 n 1 2 para todo o vector x = (x1 . . xn ). que sejam mais uteis em certas situa¸˜es. . . . (com p ≥ 1) 50 . representado por x .1 Introdu¸˜o ca Neste cap´ ıtulo apresentam-se alguns resultados sobre normas em espa¸os vectoriais que ir˜o ser c a necess´rios no tratamento de problemas de sistemas de equa¸˜es. s˜o a n → norma 1 → norma ∞ → norma p i=1 |xi | 1≤i≤n n i=1 max |xi | 1 p |xi |p .2 Normas de vectores Comecemos por relembrar que uma norma num espa¸o vectorial real V ´ uma fun¸˜o que associa c e ca a cada elemento x ∈ V um n´mero real. ∀x. ∀α ∈ R. a co 3. y ∈ V . 2. podem definir-se outras normas. que verifica as seguintes condi¸˜es u co 1. quando V = Rn . 3.

∀x ∈ Rn . x 2 = 1. x 1.1. x 2 = i=1 x2 i e x ∞ = max |xi | = |xi0 | 1≤i≤n o para algum 1 ≤ i0 ≤ n. Das suas defini¸˜es co Exemplo 3. Ent˜o existem constantes k1 . Normas de vectores e matrizes 51 x2 1 1 x1 Figura 3. respectivamente. k2 > 0 tais que a k1 x α ≤ x β ≤ k2 x · 2 α.2.2. Sejam · α e · β duas normas definidas em Rn . x 3 =1e x ∞ = 1.1. a Embora diferentes.Cap´ ıtulo 3.1: Visualiza¸˜o de diferentes normas em R2 . no sentido apresentado no seguinte teorema. todas as normas em Rn s˜o de alguma forma equivalentes. Consideremos as normas temos n e · ∞. De dentro para fora aparecem as linhas ca x 1 = 1. . definidas em Rn . Teorema 3. Destas express˜es conclui-se facilmente que x e tamb´m que e n ∞ = |xi0 | = x20 i n ≤ i=1 x2 i x resultando finalmente 2 = i=1 x2 ≤ i n · x20 = i √ √ n · |xi0 | x ∞ ≤ x 2 ≤ n· x ∞.4 = 1.

teremos A A A 1 2 = max x x 1 =1 Ax Ax 1 2 ∞ = max x 2 =1 ∞ = max ∞ =1 Ax A considera¸˜o de diversas normas justifica-se n˜o s´ por haver situa¸˜es em que interessa utilizar ca a o co uma dada norma em particular como tamb´m pelo facto das normas induzidas de matrizes e n˜o apresentarem todas as mesmas facilidades de c´lculo. 1. 2. a a e a Teorema 3. tˆm particular interesse e normas que resultem da considera¸˜o dos elementos deste espa¸o como sendo operadores lineares ca c de Rn em Rn . I = 1 (onde I ´ a matriz identidade). Normas de vectores e matrizes 52 3. Seja A ∈ Rn×n de elemento gen´rico aij . pela express˜o a Ax x que por simplicidade se representa tamb´m por e A = sup x=0 para qualquer A ∈ Rn×n . E poss´ definir uma norma em Rn×n .. a . AB ≤ A B .. ∀A. · .3. B ∈ Rn×n e 2. e ´ E de referir que diferentes normas em Rn conduzem a diferentes normas induzidas. i=1 ou seja.1. as normas induzidas · 1 e · ∞ s˜o de c´lculo extremamente simples. Esta norma em Rn×n designa-se por norma induzida pela norma ca definida em Rn .n |aij |. para qualquer A ∈ Ax ≤ A x .3 Normas de matrizes O espa¸o das matrizes quadradas Rn×n ´ em si mesmo um espa¸o vectorial real (de dimens˜o c e c a n×n) no qual se podem obviamente definir diversas normas. Por exemplo.Cap´ ıtulo 3. Algumas propriedades importantes de qualquer norma induzida s˜o ainda a 1. Da defini¸˜o de norma induzida resulta imediatamente. A = max x =1 Ax = A Ax . ∀x ∈ Rn Rn×n . o m´ximo das somas por colunas dos valores absolutos dos elementos de A. ∃x ∈ Rn \ {0} 3. Como mostram os dois resultados a a seguintes. Seja ent˜o a · ´ ıvel uma qualquer norma definida em Rn . x . No entanto.. Ent˜o verifica-se n A 1 = max j=1..

. Teorema 3. j=1 ou seja... i=1..... Logo ¯ n n n n n = max | i=1...... a Seja tamb´m x o vector de Rn tal que e ¯ xj = ¯ Ent˜o. · max j=1. Sendo x ∈ Rn qualquer tem-se ca n n  |aij | |xj | ≤ max  max |xj | · i=1...n |aij |. Ent˜o verifica-se e a n A ∞ = max i=1..n n 1≤j≤n n j=1  |aij | Ax ∞ = max | i=1..... i=1 Desta forma......... o (ou um) ´ ındice de coluna que corresponda ` maior soma de valores absolutos... j=1 Desta forma... Sendo x ∈ Rn qualquer tem-se ca n n n n n n Ax 1 = i=1 | j=1 n aij xj | ≤ i=1 j=1 n j=1.n |aij | = x ¯ j=1 ∞ · max i=1..Cap´ ıtulo 3.. Seja A ∈ Rn×n de elemento gen´rico aij ..n |aij |.  1 se ai0 j ≥ 0 xj = ¯ −1 se a < 0 i0 j Ent˜o x a ¯ A¯ x ∞ ∞ = 1 e ai0 j xj = |ai0 j |...n |aij | = x ¯ i=1 1 · max j=1......2...n j=1 ∞ = max |xj | · max 1≤j≤n i=1.n n j=1 |aij |.. o m´ximo das somas por linhas dos valores absolutos dos elementos de A. conclui-se que A = maxi=1.n Seja agora j0 tal que n i=1 |aij0 | = maxj=1...n |aij | = x j=1 · max i=1...n |aij xj | = j=1 1 |xj | i=1 n |aij | |aij |....n j=1 aij xj | ≤ max n i=1. a Demonstra¸˜o. conclui-se que A = maxj=1..3....n |aij |. j=1 Seja agora i0 tal que Seja tamb´m x tal que e ¯ n j=1 |ai0 j | = maxi=1. x a ¯ 1  1 0 se j = j0 se j = j0 =1e n n n n n 1 A¯ x = i=1 | j=1 aij xj | = ¯ i=1 1 |aij0 | = max j=1.n j=1 aij xj | ≥ | ¯ j=1 ∞ ai0 j xj | = ¯ j=1 |ai0 j | = max n j=1 |aij |.n |aij |.n n i=1 |aij |.... Normas de vectores e matrizes 53 Demonstra¸˜o......n ou seja..... i=1 ≤ j=1 |xj | · max |aij | = x i=1 n i=1 |aij |.n ..

λn s˜o os valores pr´prios de C. . Seja    −3 −1 2 4 A=  2 1 −1 1  3 −2 2 5 ent˜o a A A 1 −2 0 1 6       = max{10.1. e = max{9. Dada uma matriz A ∈ Rn×n e um ε > 0. verificando-se que e a a A 2 2 = ρ(AT A) onde ρ ´ o raio espectral.3. Assim. 4. · ∞ A norma 1 e a norma ∞ s˜o efectivamente as de c´lculo mais simples. sendo C ∈ Rn×n o seu raio espectral a o o ρ(C) ´ dado por e ρ(C) = max |λi |. 1≤i≤n onde λ1 . . Para qualquer norma induzida · e para qualquer A ∈ Rn×n verifica-se que ρ(A) ≤ A . 12} = 12. · tal que . ca o O seguinte teorema estabelece uma rela¸˜o entre o raio espectral de uma matriz e as normas ca induzidas dessa matriz.Cap´ ıtulo 3. . Teorema 3. . existe uma norma induzida A ≤ ρ(A) + ε. O raio espectral de uma matriz quadrada define-se como sendo o e m´ximo dos m´dulos dos valores pr´prios da matriz. permitindo considerar o raio espectral de uma matriz como o ´ ınfimo das normas induzidas dessa mesma matriz. 6. 16} = 16. De forma conclui-se que o c´lculo da norma a o a induzida · 2 exige a determina¸˜o de valores pr´prios. Normas de vectores e matrizes 54 Exemplo 3. A norma induzida a a ´ j´ de c´lculo mais trabalhoso.3. 5.3. 10.

. . podemos definir o vector x = (x1 . . . . . xn ) podendo agora o sistema de equa¸˜es ser escrito como co F (x) = 0. . . . .1. f2 . . fn (x) f1 (x)   f1 (x1 .     f (x . x2 . fn s˜o fun¸˜es de Rn em R. . Exemplo 4. . . . . . x2 . . . . x2 . . x2 . xn )T e a ca fun¸˜o F : Rn → Rn de acordo com ca    f2 (x)  F (x) =  .1 Introdu¸˜o ca Neste cap´ ıtulo iremos abordar o problema de resolu¸˜o num´rica de sistemas de equa¸˜es n˜o ca e co a lineares. . .   fn (x1 . xn )            f2 (x1 . .  .Cap´ ıtulo 4 Sistemas de Equa¸˜es N˜o Lineares co a 4. . x ) = 0 n 1 2 n a co onde f1 . xn ) = 0      f2 (x1 . Um sistema de n equa¸˜es nas n vari´veis x1 . .1. . xn ) = 0 . . x2 .   . O sistema de equa¸˜es co 4x1 x2 − 2x2 x2 + 2 = 0 2 1 √ 2x1 − 4x2 + x1 x2 − 3 = 0 55 . xn )   = . .   . . . xn pode ser escrito na forma co a   f1 (x1 . x2 . . . . . x2 . Utilizando uma nota¸˜o mais compacta. . x . .  . .

e ca co a Trata-se em ambos os casos de extens˜es de m´todos j´ estudados para a resolu¸˜o de uma o e a ca equa¸˜o n˜o linear. . ou seja. . . .     x = g (x . . . sendo necess´rio recorrer a m´todos iterativos. .Cap´ ıtulo 4. gn s˜o as componentes de G.   x1 = g1 (x1 . .   . . g2 . . . Sistemas de Equa¸˜es N˜o Lineares co a 56 pode ser reescrito na forma F (x) = 0 definindo a fun¸ao c˜ F : Rn → Rn x→ 4x1 x2 − 2x2 x2 + 2 2 1 √ 2x1 − 4x2 + x1 x2 − 3 Na quase totalidade das situa¸˜es n˜o existem m´todos directos para a resolu¸˜o de sistemas co a e ca de equa¸˜es n˜o lineares. ou seja. . Pretende-se que esta sucess˜o de pontos em Rn convirja para um ponto fixo s da fun¸˜o G. k = 0. . . 1. O m´todo interativo simples consiste ent˜o em gerar uma sucess˜o de pontos em Rn por ine a a term´dio da rela¸˜o de recorrˆncia e ca e x(k+1) = G(x(k) ). . . . tal que F (s) = 0. Este proca a cedimento simplifica o problema e deve ser realizado sempre que poss´ ıvel. o m´todo iterativo simples baseia-se na possibilidade de e escrever o sistema de equa¸˜es F (x) = 0 num outro equivalente da forma co x = G(x) onde G : Rn → Rn . Refira-se tamb´m que por vezes ´ poss´ por manipula¸˜o alg´brica das ca a e e ıvel ca e diferentes de equa¸˜es proceder ` elimina¸˜o de vari´veis reduzindo o n´mero de equa¸˜es a co a ca a u co resolver e eventualmente ficando apenas com uma equa¸˜o n˜o linear para resolver. tal que s = G(s) que ser´ portanto solu¸˜o do sistema ca e a ca original. x2 . . . . x2 .2 M´todo iterativo simples (itera¸˜o de ponto fixo) e ca Analogamente ao caso unidimensional. ca a . 4. Este m´todo ´ totalmente an´logo ao m´todo iterativo simples j´ estudado. x ) n n 1 2 n a onde g1 . xn ) . isto ´. x . Nas sec¸˜es seguintes co a a e co iremos estudar dois m´todos iterativos para a resolu¸˜o de sistemas de equa¸˜es n˜o lineares. a a partir de um ponto inicial x(0) . . sendo agora necess´rio e e a e a a calcular em cada itera¸˜o as novas estimativas de todas as vari´veis. xn )      x2 = g2 (x1 .

(1) = x2.48757 0. . x2.88976 1.00000 0.1. .48434 0.50000 2.48434 0.99015 1.49134 0.(k) + 8   x  1.98357 1.88976 1.49541 0. temos na primeira itera¸ao c˜ x1.10137 1. Teorema 4.(0) = 1.47457 0. E e c co o caso unidimensional.(k) .96531 1. . x2.(k) .47646 0.49359 0.(1) ln(x1.30619 0. 0.99247 1. . .99469 1.30619 = 4    e continuando a aplicar o m´todo.99611 1.99469 1.(0) x2. g1 (x1.30619 0. x2.98489 1.(k) 1. ´ importante analisar a convergˆncia do m´todo e e e e iterativo simples. x2.43819 0.43819 0.49541 .49359 0.98357 1. .1. O seguinte resultado fornece condi¸˜es suficientes para a convergˆncia do co e ´ de notar a semelhan¸a entre estas condi¸˜es e as apresentadas para m´todo iterativo simples.50122 0.2.49666 . Como se passa com todos os m´todos iterativos.(k+1) = 4 Partindo da estimativa inicial x1.(0) ) + 8 = 2.99015 1.(0) = 1.50122 0. . Seja G : D → Rn de classe C 1 e seja · uma norma em Rn .98489 1.10137 1.(k) 1.2.48757 0. Seja D ⊂ Rn um conjunto fechado e convexo.98643 1.(k) x2.(0) − 3 = 0.(k+1) =   4 x1 =  √  2x1.(k) ) g2 (x1. Reescrevendo o sistema 4x1 − ln(x1 x2 ) − 8 = 0 √ 2x1 − 4x2 + x1 x2 − 3 = 0 na forma equivalente ln(x1 x2 ) + 8 4√   x2 = 2x1 + x1 x2 − 3 4 obt´m-se a seguinte express˜o de recorrˆncia e a e  ln x1.96531 1. Se .99611 . . x1.47646 0.5.0137 4√ 2x1.98643 1.1.(0) x2.(k) + x1. obtˆm-se os seguintes resultados e e k 0 1 2 3 4 5 6 7 8 9 10 . Sistemas de Equa¸˜es N˜o Lineares co a 57 Exemplo 4.49134 0.(k) − 3    x2.Cap´ ıtulo 4. .(k) ) 2.99721 .(k) x2.99247 1.47457 0.(0) + x1. .

2. Sistemas de Equa¸˜es N˜o Lineares co a 58 i) JG (x) ≤ L < 1 ii) G(D) ⊂ D ent˜o a ∀x ∈ D i) existe um e s´ um z ∈ D tal que z = G(z) o ii) o m´todo iterativo simples converge para z. a Exemplo 4. qualquer que seja x(0) ∈ D e iii) verifica-se que z − x(k+1) ≤ L x − x(k) 1 − L (k+1) O exemplo seguinte ilustra a aplica¸˜o deste teorema na resolu¸˜o de um sistema de equa¸˜es ca ca co n˜o lineares. determinar a solu¸˜o do sistema de e ca equa¸˜es co 4x1 − cos(x1 + x2 ) = 4 3x2 − sin(x1 + x2 ) = 6 com um erro m´ximo. G(x) = Condi¸oes de convergˆncia c˜ e g1 (x) g2 (x) = 1 + 1 cos(x1 + x2 ) 4 2 + 1 sin(x1 + x2 ) 3 JG (x) = Ent˜o.2. x2 ) ∈ R2 . Conclui-se assim que o sistema tem uma solu¸˜o unica e que o m´todo iterativo simples com a express˜o ca ´ e a . de 10−5 .1) x2 = 2 + 1 sin(x1 + x2 ) 3 ou ainda. 1 | sin(x1 + x2 )| + 1 | cos(x1 + x2 )|} 4 3 4 3 7 1 1 ≤ + = 4 3 12 7 12 pelo que definindo L = tem-se JG (x) 1 ≤ L < 1 para qualquer (x1 . Utilizando o m´todo iterativo simples. na norma 1.2.Cap´ ıtulo 4. a JG (x) 1 − 1 sin(x1 + x2 ) − 1 sin(x1 + x2 ) 4 4 1 3 cos(x1 + x2 ) 1 3 cos(x1 + x2 ) = max{ 1 | sin(x1 + x2 )| + 1 | cos(x1 + x2 )|. a Resolu¸˜o ca Obten¸˜o da fun¸˜o de recorrˆncia ca ca e Este sistema pode ser reescrito na forma x1 = 1 + 1 cos(x1 + x2 ) 4 (4.

13297 2.75041 0.(1) = 2 + 1 sin(x1.1) converge para essa solu¸˜o.4 x(k+1) − x(k) 1 1 ≤ L x − x(k) 1 − L (k+1) 1 = 1.98085 2.0 5 × 10−5 .76023 0.09450 2.0 × 10−5 7.76161 0.09431 2. Sistemas de Equa¸˜es N˜o Lineares co a 59 de recorrˆncia dada por (4.75704 0.2.5 × 10−2 3.75704 0.4 x(1) − x(0) = 2.89596 4 x2. x2.7 × 10−3 2.76023 x2.76043 0.75041 0. ca Assim.Cap´ ıtulo 4.30310 1.8 × 10−6 Solu¸˜o ca O ponto obtido x1 = 0.76023.(k) ) g2 (x1. k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 x1.76022 0.09529 2.4 × 10−4 1. qualquer que seja o ponto inicial e ca escolhido.09436 2.13297 2.0 6.09435 2.09436 εk+1 2.07854 2.00000 2.76023 0. a a c˜ .(0) = e 1.30310 3 Como ε1 = 1.07854 2.76021 0.09198 2.09435 2.(k) .76026 0.6 × 10−4 3.(0) + x2. continua-se com a itera¸ao 2.4 × 10−1 9.76043 0. escolheu-se arbitrariamente o ponto inicial x1.09431 2. x2 = 2.09436 ser´ ent˜o a solu¸ao procurada. se εk+1 ≤ 10−5 tem-se que x(k+1) − s Estimativa inicial Uma vez que o m´todo converge globalmente.10042 2.09450 2.76161 0.10042 2. um majorante da norma do erro de aproxima¸˜o x(k+1) − s 1 .4 x(k+1) − x(k) 1 .76015 0.76015 0.1 × 10−5 2.09438 2.76021 0.4 × 10−2 5.(0) ) = 2.(0) + x2.5 × 10−1 2.89596 0.09438 2.(k) 1.75971 0. c˜ 1 ≤ 10−5 .(0) ) = 0.(1) = 1 + 1 cos(x1.09436 g1 (x1. Resultados A tabela seguinte apresenta os resultados da aplica¸ao do m´todo at´ ` satisfa¸˜o do crit´rio de c˜ e ea ca e paragem.89596 0.09529 2.77075 0.09400 2.75971 0.76023 2.09400 2.76022 0.(k) ) 0. Crit´rio de paragem e Temos ainda que x(k+1) − s sendo ent˜o a εk+1 = 1.00000 0.76023 0.(k) 1.09198 2.77075 0.3 × 10−4 5.2 × 10−3 8. Itera¸˜o 1 ca x1.98085 2.(k) .(0) = 1.76026 0.30310 1. x2.7 × 10−2 1. x2.

··· ∂f1 ∂xn     x(k) . tal que x(0) −z < ε para ε > 0 suficientemente pequeno. onde z ´ a solu¸˜o pretendida. ou seja.1 permitem guiar a escolha co e ca da fun¸˜o de itera¸˜o G. . a Finalmente..Cap´ ıtulo 4. . . ou ainda a x = x − [JF (x)]−1 F (x). . sendo o ponto inicial x(0) convenientemente escolhido. . Este c´lculo efectua-se resolvendo o a seguinte sistema de equa¸˜es lineares co JF (x(k) ) v(k) = F (x(k) ). Sistemas de Equa¸˜es N˜o Lineares co a 60 As condi¸˜es suficientes de convergˆncia enunciadas no teorema 4. Nestas e ca condi¸˜es ´ poss´ co e ıvel garantir a convergˆncia do m´todo qualquer que seja o ponto inicial x(0) e e suficientemente pr´ximo de z. este sistema ´ ainda co equivalente a JF (x)−1 F (x) = 0. . obt´m-se x(k+1) a partir da express˜o e x(k+1) = x(k) − v(k) .3 M´todo de Newton e O m´todo de Newton para a resolu¸˜o de sistemas de equa¸˜es ´ tamb´m uma generaliza¸˜o do e ca co e e ca m´todo j´ estudado para o caso de apenas uma equa¸˜o. . 2. e a Para obter x(k+1) ´ necess´rio determinar   JF (x(k) ) =   ∂f1 ∂x1 k = 1. . verifica-se que este m´todo apresenta uma convergˆncia e e quadr´tica desde que a matriz jacobiana avaliada na solu¸˜o do sistema de equa¸˜es seja n˜o a ca co a singular. Devemos assim escolher uma fun¸˜o ca ca G tal que JG (z) < 1. . Consideremos novamente o sistema de e a ca e a e equa¸˜es F (x) = 0. O seguinte teorema apresenta condi¸˜es suficientes para a convergˆncia do m´todo de Newco e e ton. bem como do ponto inicial x(0) . para alguma norma induzida. ∂fn ∂x1 ∂fn ∂xn sendo em seguida calculado v(k) = [JF (x(k) )]−1 F (x(k) ). Tal como no caso unidimensional. Supondo que a matriz jacobiana JF (x) ´ n˜o singular. O m´todo de Newton consiste em utilizar esta express˜o como rela¸˜o de recorrˆncia para gerar e a ca e ca uma sucess˜o de pontos {x(k) } que se pretende convergente para a solu¸˜o z do sistema de a equa¸˜es.2. Os termos da sucess˜o s˜o calculados a partir co a a x(k+1) = x(k) − [JF (x(k) )]−1 F (x(k) ). o 4. ··· . .

Cap´ ıtulo 4.(k−1) x2 2.(0) = 1.(k−1) x1.5 2.(k−1) x2.1.(k−1) x2.5 e x2. 3.(0) = 1 obt´m-se co F (x(0) ) = e tamb´m e JF (x(0) ) = −2 7.1.(k−1) + 2 √ 2x1.(k−1) x2.(k−1) −4 + 1 2 x1. Se det(JF (z)) = 0 ent˜o a a sucess˜o gerada pelo m´todo de Newton ´ convergente para z qualquer que seja o ponto inicial a e e o x(0) suficientemente pr´ximo de z.(k−1) 2+ 1 2 x2. Sejam F de classe C 2 e z tal que F (z) = 0. co a Exemplo 4. Sistemas de Equa¸˜es N˜o Lineares co a 61 Teorema 4. 2 4x2 2. 2+ 8x1 x2 − 2x2 1 x1 1 −4 + 2 x2  .3.77526 .(k−1) x2.(k−1) − 2x1.(k−1) + x1.5 −2.(k−1) 2 4x1.(k−1) − v1.(k−1) − 2x1. Verifica-se ainda que existe uma constante positiva c tal que z − x(k+1) ≤ c z − x(k) 2 .(k−1) − 4x1.3. A express˜o de recorrˆncia do m´todo de Newton tomar´ para este caso a forma a e e a x1.(k−1) = . ou seja a convergˆncia ´ quadr´tica.(k−1) − 3 .(k) x2.40825 −3.(k−1) − 4x2.(k−1)   v1. Voltemos ao sistema de equa¸˜es co 4x1 x2 − 2x2 x2 + 2 = 0 2 1 √ 2x1 − 4x2 + x1 x2 − 3 = 0 Definindo a fun¸˜o ca F (x) = obt´m-se a matriz jacobiana e  JF (x) =  4x2 2 − 4x1 x2 1 2 x2 x1 4x1 x2 − 2x2 x2 + 2 2 1 √ 2x1 − 4x2 + x1 x2 − 3 . e Iniciando as itera¸˜es no ponto x1.(k−1) v2.(k−1) 8x1.(k−1) x2. e e a O exemplo seguinte ilustra a aplica¸˜o do m´todo de Newton na resolu¸˜o de um sistema de ca e ca equa¸˜es n˜o lineares.(k−1) v2.38763 .(k−1) x2.(k) onde   = x1.

2.Cap´ ıtulo 4. co Por exemplo.5 −2.45401 0. Muitas vezes ainda.38763 Resolvendo este sistema obt´m-se e v1.(k) −0.45401 0. as derivadas parciais que comp˜em a ca a o matriz jacobiana s˜o aproximadas por quocientes de diferen¸as finitas.93340 2.29366 1.79366 0.(0) v2.40825 −3.36026 −0.50000 2.29097 −0.(0) v2.00000 x2.04616 0.(0) resultando ent˜o a x1. .25502 0.50017 f1 (x(k) ) 3.77526 −0.50000 −0. em muitas situa¸˜es n˜o existem ` partida estimativas iniciais suficiene co a a temente pr´ximas da solu¸˜o que garantam a convergˆncia do m´todo de Newton.00000 2. Entre as suas maiores desvantae e gens inclui-se o elevado n´mero de opera¸˜es necess´rias ` execu¸˜o de cada itera¸˜o do m´todo u co a a ca ca e (nomeadamente a resolu¸˜o de um sistema de equa¸˜es lineares) e tamb´m a necessidade de ca co e recorrer ao c´lculo de derivadas das fun¸˜es que definem o sistema de equa¸˜es. resultando muitas vezes num menor esfor¸o total para a obten¸˜o co a a c ca da solu¸˜o com uma dada precis˜o.00050 v1.(k) 1. Esta caracter´ ca co rapidez ´ uma das grandes vantagens do m´todo de Newton.74662 0.(k) 1.00000 0.74498 .93340 2.00017 x2. a rapidez de convergˆncia do m´todo (avaliada em n´mero de itera¸˜es) mas as e e u co itera¸˜es ser˜o mais r´pidas.50000 A convergˆncia quadr´tica do m´todo de Newton ´ patente neste exemplo em que se obt´m a e a e e e ıstica de elevada solu¸˜o do sistema em 3 itera¸˜es com um erro inferior a 10−5 .(0) = 3.29366 1.(k) 0.00000 f2 (x(k) ) −2.79366 0. ´ habitual n˜o recalcular a matriz e e a jacobiana (e obviamente a sua inversa) todas as itera¸˜es.(1) = = −0. Este procedimento reduz.(k+1) 0. para diminuir o peso computacional do m´todo.50017 0. Tendo em o ca e e vista ultrapassar as principais desvantagens e dificuldades deste m´todo podem ser utilizadas e algumas modifica¸˜es do seu funcionamento.29366 0.00000 v2.19989 0. a c Para garantir a convergˆncia do m´todo para um maior conjunto de pontos iniciais ´ frequente e e e alterar a express˜o de recorrˆncia do m´todo para a e e x(k) = x(k−1) − αk−1 · [JF (x(k−1) )]−1 F (x(k−1) ). na maioria co dos casos.06661 0.08540 −0. Deve ainda a co co referir-se que uma das maiores dificuldades na aplica¸˜o deste m´todo ´ a garantia da sua ca e e convergˆncia.25502 2.77526 .74498 0.5 v1.00000 x2.(1) x2.01235 −0.74498 0. Continuando a aplicar o m´todo obtˆm-se os resultados constantes na tabela seguinte e e k 0 1 2 3 x1. De facto.(k+1) 2. Sistemas de Equa¸˜es N˜o Lineares co a 62 Tem-se ent˜o que a −2 7.

sendo aqui utilizada F como “medida da distˆncia a solu¸˜o do sistema”. Sistemas de Equa¸˜es N˜o Lineares co a 63 onde o valor positivo αk−1 .Cap´ ıtulo 4. em cada itera¸˜o. de forma a que e ca F (x(k) ) < F (x(k−1) ) . a ` ca . designado por passo. ´ escolhido.

com solu¸˜o unica. o c´lculo de um determinante de ordem n. . isto ´. ca a ca 64 .   . Este tipo de sistemas pode ser resolvido pela regra de Cramer. embora de aspecto simples. co o   a11 x1 + a12 x2 + · · · + a1n xn = b1      a21 x1 + a22 x2 + · · · + a2n xn = b2 . sistemas de n equa¸˜es a co a n inc´gnitas poss´ o ıveis e determinados. De facto. Nestes sistemas tem-se que e ca ´ A ∈ Rn×n .1 Introdu¸˜o ca Neste cap´ ıtulo iremos abordar a resolu¸˜o de sistemas de equa¸˜es lineares. ou seja. e o Este estudo incidir´ sobre os designados sistemas de Cramer. de elementos xj . Esta e e express˜o. verificando-se que xi = det Ai . ´ geralmente pouco atractiva para a determina¸˜o da a e ca solu¸˜o de um sistema. de elementos bi . verificando-se ainda que det A = 0. e ´ o vector dos termos independentes. n onde Ai ´ a matriz que se obt´m substituindo a coluna i de A pelo vector coluna b. . De uma forma geral ca co poderemos ter um sistema m equa¸˜es a n inc´gnitas como o representado abaixo. . . pode ainda ser escrito na forma ca Ax = b onde se tem que A ∈ Rm×n b∈ x∈ Rm Rn ´ a matriz dos coeficientes.     a x + a x + ··· + a x = b m1 1 m2 2 mn n m Este sistema.Cap´ ıtulo 5 Sistemas de Equa¸˜es Lineares co 5. det A i = 1. utilizando uma nota¸˜o matricial. . e ´ o vector de inc´gnitas. . de elementos aij . a partir da defini¸˜o. . .

.Cap´ ıtulo 5. u co a ` ca Os principais objectivos deste cap´ ıtulo ser˜o estudar m´todos que permitam resolver numericaa e mente sistemas de n equa¸˜es a n inc´gnitas de modo eficiente.n xn = bn−1     ann xn = bn a obten¸˜o da solu¸˜o ´ imediata. n. para al´m de demorarem um tempo n˜o desprez´vel a realizar. . bem como analisar algumas quest˜es num´ricas associadas aos sistemas de equa¸˜es o e co lineares. ann Substituindo o valor de xn na pen´ltima equa¸˜o obt´m-se u ca e xn = an−1.2 Elimina¸˜o gaussiana ca A elimina¸˜o gaussiana ´ um m´todo directo de resolu¸˜o de uma sistemas de equa¸˜es lineares ca e e ca co pois fornece a solu¸˜o exacta do sistema num n´mero finito de opera¸˜es. e ca para j = i + 1. .     an−1. conhecidos os valores de xj .n−1 xn−1 + a1n xn = b1      a22 x2 + · · · + a2. Da ultima equa¸˜o obt´m-se imediatamente o valor de xn ca ca e ´ ca e por bn . para calcular um co co determinante de ordem 10 seriam necess´rias mais de 40 milh˜es de opera¸˜es aritm´ticas. isto ´. podem conduzir a e a a resultados sem qualquer utilidade. e o De uma forma geral.n−1 .n−1 xn−1 + an−1. isto ´.n abnn an−1. . . Sistemas de Equa¸˜es Lineares co 65 requer (n − 1)n! multiplica¸˜es e n! − 1 somas ou subtrac¸˜es. e eficaz. ou seja xi = bi − n j=i+1 aij xj aii . e Comecemos por recordar que se o sistema a resolver estiver numa forma triangular   a11 x1 + a12 x2 + · · · + a1. . devido a erros de arredondamento. Embora seja poss´ calcular determinantes de modo muito mais eficiente do que a partir da ıvel defini¸˜o. . a o co e as quais. 5.n bn = bn−1 ann ⇔ xn−1 = n bn−1 − an−1.n−1 xn−1 + a2n xn = b2   . Substituindo agora os valores de xn e xn−1 na antepen´ltima equa¸˜o obt´m-se o valor de xn−2 u ca e e assim sucessivamente at´ obter os valores de todas as outras inc´gnitas. executando um pequeno co o e n´mero de opera¸˜es aritm´ticas. o valor de xi obt´m-se a partir da equa¸˜o i. . quando se utiliza ca u co aritm´tica exacta. Por exemplo.n−1 xn−1 + an−1. fornecendo boas aproxima¸˜es da solu¸˜o u co e e co ca exacta. . existem outros m´todos que permitem obter a solu¸˜o do sistema com a realiza¸˜o de ca e ca ca um menor n´mero de opera¸˜es do que as necess´rias a aplica¸˜o da regra de Cramer.

anulando o ca 2 elemento a21 • a equa¸˜o pivot. tal que aij = 0. a equa¸˜o j dever´ ser trocada com uma equa¸˜o i. ıda u ca e Na etapa j. Esta elimina¸˜o ´ feita por pivota¸˜o.Cap´ ıtulo 5. para cada i > j a equa¸˜o i ´ co ca e ca ca e substitu´ pela sua soma com m´ltiplo da equa¸˜o j. consiste em transformar o sistema original num e ca outro equivalente que seja triangular superior. Resolver o sistema de equa¸˜es por elimina¸˜o gaussiana. a equa¸˜o j ´ designada por equa¸˜o pivot e o elemento ajj ´ designado por ca e ca ca a ca a elemento pivot. Exemplo 5. multiplicada por m32 = − −2 = 3. condi¸˜o que ´ equivalente a det A = 0. ajj ca a ca Caso o elemento pivot ajj seja nulo. ∀i. ou seja. Este processo ´ realizado em etapas sucessivas. O m´ltiplo mij da equa¸˜o j a somar ` equa¸˜o i dever´ ser u aij mij = − . com i > j. com i > j. co ca   2x1 + 3x2 − x3 = 5   4x1 + 4x2 − 3x3 = 3    −2x + 3x − x = 1 1 2 3 Resolu¸˜o ca 1 a etapa: equa¸ao pivot: 1 . multiplicada por m21 = − 4 = −2. de modo a anular o elemento aij . ´ somada a 3 ca e ` 2 elemento a31 a a a a equa¸˜o. Sistemas de Equa¸˜es Lineares co 66 Este processo ´ poss´ de aplicar se e s´ se aii = 0. multiplicada por m22 = − −2 = 1. elemento pivot: a11 = 2 c˜ e a ca • a equa¸˜o pivot. elemento pivot: a22 = −2 c˜ 6 • a equa¸˜o pivot. ´ somada a 3 ca e ` a equa¸˜o. a vari´vel xj ´ eliminada nas a equa¸˜es i > j. ou seja.1.2. anulando o ca Ap´s a 1 etapa o sistema a resolver ser´ o a   2x1 + 3x2 −      2 a a x3 = 5 6 −2x2 − x3 = −7 6x2 − 2x3 = etapa: equa¸ao pivot: 2 . e ıvel o ca e como dever´ ser para que o sistema tenha solu¸˜o unica. ´ somada ` 2 equa¸˜o. ou de elimina¸˜o gaussiana. a ca ´ O m´todo de Gauss. anulando o ca elemento a32 Ap´s a 2 etapa o sistema a resolver ser´ o a   2x1 + 3x2 − x3 = 5   − 2x2 − x3 = −7    − 5x3 = −15 a . e a e Na etapa j s˜o anulados os coeficientes aij .

471x2 = 4.674 −1.471 = −1. com a ordem das equa¸˜es alterada.209 2. O exemplo e a seguinte ilustra estas dificuldades.118 × 104 Agora.117 × 104 − 2.672 × 1.673 − 1.118 = 1.001 1. 0.209 = −1.672x2 = 1.000 × 10−4 2. Sistemas de Equa¸˜es Lineares co 67 Este ´ um sistema triangular superior cuja solu¸ao se determina facilmente por substitui¸˜o e c˜ ca inversa.117 Substituindo este valor na equa¸˜o 1 obt´m-se ca e x1 = 1.336x1 − 2.000 × 10−4 2. ou seja.672x2 = 1.000 × 10−4 x1 = −5.118 × 104 obtendo-se o sistema 2 × 10−4 x1 + 1.000 x2 = 1.471 = −1.117 × 104 e o termo independente ser´ a −6680 × 1.336 c˜ a Sendo m21 = − 2×10−4 = −6680.117 × 104 x2 = −1.209 Nota: A solu¸˜o exacta deste sistema ´ x1 = 5. Exemplo 5. x2 determina-se facilmente por x2 = 1.336x1 − 2.000 × 10−4 = = = −5. co 1.001 pelo que a solu¸˜o obtida ´ ca e Resolvamos agora o sistema.000 2.118 × 104 + 4.471x2 = 4. resultando   x1 = 1   x =2  2   x =3 3 As dificuldades de utiliza¸˜o do m´todo de elimina¸˜o gaussiana aparecem apenas quando se ca e ca utiliza aritm´tica com precis˜o finita com os inerentes erros de arredondamento.673 1.2.001 1. ca e Resolu¸˜o ca 1.673 + 4. x2 = 1. Resolver o sistema seguinte com aritm´tica de 4 d´ e ıgitos.672x2 = 1.2.Cap´ ıtulo 5.673 − 1.0000 × 10−4 x1 + 1. o coeficiente de x2 na equa¸ao 2 ser´ −6680 × 1672 − 2.673 − 1.209 = −1.0002x1 + 1.673 .

336x1 − 2.497 × 10−4 × 4.336 interessando portanto que a12 a11 seja o menor poss´ ıvel. ser´ ca a −1.672x2 = 1.000.672 1.497 × 10−4 × (−2.336 −4 = −1.700 × 10−4 + 1. a11 Note-se que no primeiro caso se tinha a12 1.336 quando no primeiro caso se obteve x1 = −5.471x2 = 4.000 4.209 + 2.000 1. em valor absoluto.209 1.672 = 1.471 = = 1. ent˜o x1 vir´ afectado de um erro.0000×10 1. a11 2 × 10−4 enquanto no segundo este quociente era a12 2.672 = 1. a11 1.001 = 5.672 = 1.002 1.471 × 1. a11 a11 onde os elementos da matriz de coeficientes e do vector de termos independentes se referem ao a sistema triangular superior obtido.Cap´ ıtulo 5.209 + 1. Generalizando agora este resultado.471) + 1. ap´s a redu¸˜o do sistema a uma forma triangular superior e ao c´lculo de x2 a o ca a e partir da ultima equa¸˜o.336 = 5.850.209+2.672 = 3.001 obter-se-ia a x1 = 4.301 × 10−4 + 1.673 = −6. Sistemas de Equa¸˜es Lineares co 68 Sendo m21 = − 2.672 A solu¸˜o assim obtida ser´ ca a x2 = x1 = 1.497 × 10−4 . dado por a a12 ε.672 e o termo independente desta mesma equa¸ao fica c˜ −1.471×1.000 que ´ a solu¸˜o exacta! e ca Mesmo que no c´lculo de x1 se tivesse usado x2 = 1.672 obtendo-se o sistema 1. conclui-se facilmente da express˜o de c´lculo de xi por a a substitui¸˜o inversa ca xi = bi − n j=i+1 aij xj aii . o valor de x1 ´ obtido por ´ ca x1 = b1 a12 − x2 . Qual a raz˜o de t˜o grande diferen¸a? a a c Neste exemplo.672 = = 8360. Se o valor de x2 usado nesta express˜o estiver afectado de a um erro absoluto ε. o coeficiente de x2 na equa¸˜o 2 de agora.

. a A estrat´gia parcial de pivot (ou pivota¸˜o parcial) apenas permite a troca de linhas de e ca acordo com o seguinte procedimento 1. Sistemas de Equa¸˜es Lineares co 69 que estando os valores xj afectados de erros.Cap´ ıtulo 5. Na etapa j ´ escolhida a equa¸˜o pivot k e ca i≤l≤n ( j ≤ k ≤ n) (a) calculam-se os valores di = max |ail | i = j. . . |aii | j a De forma a diminuis a influˆncia dos erros de xj . Troca-se a equa¸˜o j com a equa¸˜o k. di (c) selecciona-se para pivot equa¸˜o k como sendo aquela em que ca |akj | dk 2. no c´lculo de xi . ca 3.672x2 = 1. interessa que os e quocientes |aij | |aii | sejam pequenos.471x2 = 4. Aplicando a estrat´gia parcial de pivot ao exemplo anterior obt´m-se e e 2. concluindo-se que a equa¸˜o pivot deve ser a ca . Troca-se a equa¸˜o k com a j. ca ca ( j ≤ k. A obten¸˜o de valores pequenos para tais quocientes pode ser garantida usando as designadas ca estrat´gias de escolha de pivot.2. (b) calculam-se os quocientes |aij | i = j.673 1. Na etapa j escolhe-se o elemento pivot akl → |akl | ´ m´ximo.5406. quer da equa¸˜o pivot a utilizar (troca de linhas) ca ca quer da vari´vel pivot a utilizar (troca de colunas). . . ent˜o xi tamb´m estar´. de acordo com a express˜o a e a a n εx i ≤ j=i+1 |aij | εx .000 × 10−4 x1 + 1. l ≤ n) a11 d1 = 1. Estas estrat´gias tiram partindo da possibilidade de escolha.209 pelo que segunda! Outra forma poss´ de escolha do elemento pivot ´ a designada estrat´gia total de pivot ıvel e e (ou pivota¸˜o total) que se pode resumir nos seguintes passos ca 1. ca ´ m´ximo. e a 2. para j > i. n. Realiza-se a elimina¸˜o. e a Exemplo 5. .3. e e numa qualquer etapa j da elimina¸˜o gaussiana. . .336x1 − 2.196 × 10−4 e a21 d2 = 0. n.

673 1.471.471 a verifica-se que max1≤i. ser´ que a um erro pequeno e a ca a ˜ ¯ a corresponde um res´ ıduo pequeno? E a um res´ ıduo pequeno.2. x que s˜o ambos elementos de a A quest˜o que aqui se coloca ´ a da estima¸˜o do erro de aproxima¸˜o e. verifica-se tamb´m ca e que a pivota¸˜o parcial produz resultados suficientemente bons na maioria das situa¸˜es.Cap´ ıtulo 5. Realiza-se a elimina¸˜o.j≤2 |aij | = 2.672x2 + 2. Se este a a ca ¯ valor estivesse dispon´ ter´ ıvel ıamos o nosso problema resolvido.672x2 = 1. Repare-se que erro e res´ a ıduo est˜o a relacionados.672 → d2 = 2. Designando co Sejam A ∈ Rn×n (invert´ por x a solu¸˜o exacta e sendo x uma solu¸˜o aproximada definem-se ¯ ca ˜ ca • • erro da solu¸˜o aproximada: ca res´ ıduo da solu¸˜o aproximada: ca Rn . e ıvel) e b ∈ Rn e considere-se o sistema de equa¸˜es Ax = b. Neste caso ca a o sistema ficaria −2.000 × 10−4 x1 = 1.4. a a 4.3 Erro e res´ ıduo de uma solu¸˜o aproximada ca Como em todos os problemas de resolu¸˜o num´rica. Note-se que este a e ca ca erro n˜o se pode calcular directamente uma vez que n˜o dispomos da solu¸˜o exacta x. ¯ ˜ r = b − A˜. Sistemas de Equa¸˜es Lineares co 70 3. Por outro lado se o res´ e a ıduo for nulo. e o res´ ˜ ¯ a e ıduo tamb´m ser´ nulo.336x1 = 4. ca co 1. isto para al´m da troca de linhas. Troca-se a vari´vel xj com a vari´vel xl . diminui¸˜o da propaga¸˜o dos erros num´ricos resultantes de arredondamentos. Ent˜o deve trocar-se a primeira equa¸˜o com a segunda (trocas de linhas) e a vari´vel x1 com x2 (troca de colunas). x x x ˜ Se x = x ent˜o o erro ´ nulo. e = x − x.471x2 = 4. pois r = A¯ − A˜ = A(¯ − x) = Ae. o erro tamb´m o ser´ (e a solu¸˜o ser´ exacta). e nem precisar´ ıamos de estimar erros de solu¸˜es aproximadas! Resta-nos ent˜o tentar obter estimativas para este erro.471x2 + devendo agora eliminar-se x2 da segunda equa¸˜o.336x1 − 2. ca Exemplo 5.209 1. Em termo de qualidade dos resultados. E quando x = x. ca Como ´ f´cil de entender.000 × 10−4 x1 + 1. para i = 2 e j = 2. Contudo. a estrat´gia de pivota¸˜o total ´ computacionalmente mais “cara” pois e a e ca e exige troca de colunas. e ou seja. corresponder´ um erro pequeno? a .673 5. Voltando ainda ao exemplo anterior 2. Uma co a das possibilidades ser´ utilizar o res´ a ıduo atr´s definido.209 → d1 = 1. pode ca ca e demonstrar-se que a pivota¸˜o total conduz a melhores resultados. tamb´m na resolu¸˜o dos sistemas de ca e e ca equa¸˜es lineares se coloca a quest˜o da qualidade da solu¸˜o aproximada obtida por via co a ca num´rica.

¯ A x = A−1 b ¯ x = A−1 b ≤ A−1 · b ¯ r .1) e e = A−1 r e = A−1 r ⇓ ≤ A−1 r x1 x2 = 2 −2 x1 x2 = 2 2 . O erro relativo ´ ca ˆ agora de 100% em cada componente.01 tem como solu¸˜o exacta x = [1 1]T . e Para a solu¸˜o aproximada x = [2 0]T tem-se e = [−1 1]T e r = [−0.3. ca ¯ Para a solu¸˜o aproximada x = [1.01 0.2. O sistema 1. os erros e res´ ıduos foram comparados usando valores “relativos”. no caso do res´ a ıduo. Como estes exemplos ilustram.3. ca ˜ O erro relativo ´ de 1% em cada componente e o res´ e ıduo relativo ´ agora de 100% em cada e componente.02]T . nem sempre erros pequenos correspondem a res´ ıduos pequenos nem res´ ıduos pequenos a erros pequenos.99 1. e a a ca a ` componente m´xima do vector de termos independentes.01]T tem-se e = [−0. O sistema 1. tem-se que b = A¯ x b = A¯ ≤ A · x x ¯ concluindo-se tamb´m que e b ≤ x ≤ A−1 · b . Vamos ent˜o analisar a rela¸˜o entre erro e res´ a ca ıduo de uma solu¸˜o ca aproximada. ca ˜ O erro relativo ´ de 1% em cada componente e o res´ e ıduo relativo ´ tamb´m de 1% em cada e e componente.01 − 0. sendo o res´ ıduo relativo de apenas 1% em cada componente.02 0. (5. ca ¯ Para a solu¸˜o aproximada x = [101 − 99] tem-se e = [−1 − 1] e r = [−2 − 2].01]T e r = [−0.01 1.02 − 0. Nestes exemplos.02].Cap´ ıtulo 5.1.3.99 0.01 tem como solu¸˜o exacta x = [100 − 100]. no caso do erro. Exemplo 5.99 1. Sistemas de Equa¸˜es Lineares co 71 Exemplo 5.01 0. Estes valores foram determinados relativamente ` componente m´xima da solu¸˜o. Do exposto atr´s pode escrever-se a r = Ae ⇓ r = Ae ≤ A concluindo-se que r ≤ e ≤ A−1 A Por outro lado.99 0.

de forma equivalente 1 A−1 · b ≤ 1 A ≤ .2 era A= 1. .3.01 0. b x ¯ b O valor A · A−1 que aparece nesta ultima express˜o ´ designado por n´ mero de condi¸˜o ´ a e u ca ´ da matriz A e habitualmente representado por cond(A).3. x ¯ b (5.3.01 .1 e 5.3. Uma alternativa para estimar cond(A) ser´ utilizar a seguinte propriedade a a 1 = min cond(A) B singular A−B A .3. Exemplo 5. o que pode n˜o ser muito a ca ca pr´tico.Cap´ ıtulo 5.3. a O c´lculo de cond(A) pela defini¸˜o implica a determina¸˜o de A−1 .1) e (5. Nesta situa¸˜o. Se cond(A) 1 a matriz diz-se mal condicionada. Notando que para toda a matriz A invert´ se tem I = AA−1 conclui-se que ıvel 1 = I ≤ A · A−1 verificando-se ent˜o que cond(A) ≥ 1. Em tais casos.2) pode ainda concluir-se que o 1 A · A−1 · r e r ≤ ≤ A · A−1 · . a rela¸˜o entre erro relativo e res´ ca ıduo relativo obtida atr´s ´ pouco informativa. A erros pequenos podem corresponder res´ a e ıduos grandes e res´ ıduos pequenos podem corresponder a erros grandes.2) Das express˜es (5.99 0. Sistemas de Equa¸˜es Lineares co 72 ou.99 1. Podemos a o tamb´m concluir que o n´mero de condi¸˜o de A ser´ tanto maior quanto mais A estiver pr´xima e u ca a o de uma matriz singular. E de notar que o n´mero de condi¸˜o u ca de uma matriz depende obviamente da norma escolhida. A matriz dos coeficientes dos sistemas dos exemplos 5. o erro ca r b ser´ da mesma ordem de grandeza do res´ a ıduo relativo . A−B Este minorante ser´ tanto melhor quanto mais “pr´xima” de A for a matriz B utilizada. cond(A) b x ¯ b onde e x ¯ pode ser interpretado como o erro relativo e r b como o res´ ıduo relativo. Escolhendo ent˜o uma matriz B singular obt´m-se um minorante para cond(A) dado por a e cond(A) ≥ A . a rela¸˜o entre erro e res´ ca ıduo pode ser escrita como r e r 1 ≤ ≤ cond(A) .3. a Diz-se que a matriz A ´ bem condicionada quando cond(A) e relativo e x ¯ 1. Agora.

tal a ca como ent˜o se tinha verificado. quer no vector b. Seja x a solu¸˜o deste sistema. pois cond(A) = A · A−1 .01 × r b ∞ ∞ ≤ e x ¯ ∞ ∞ ≤ 100 × r b ∞ ∞ pelo que o res´ ıduo relativo n˜o fornece grande informa¸˜o sobre o erro relativo e vice-versa. x = A−1 b. na norma ∞. Seja tamb´m a ˜ ∈ Rn e represente-se por x a solu¸˜o do sistema (perturbado) Ax = ˜ ou seja. tem-se b = A¯. x ¯ b b). x = A−1˜ ˜ ca b. quer na matriz A. O majorante aqui apresentado pode ser. isto ´. = A−B ∞ 0. Dado que x − x = A−1 (b − ˜ obt´m-se a rela¸˜o ca ¯ ˜ x − x ≤ A−1 · b − ˜ ¯ ˜ b Por outro lado. verifica-se a rela¸˜o ca a co ca 0. a 5. Considere-se o sistema de equa¸˜es Ax = b. Sistemas de Equa¸˜es Lineares co 73 Escolhendo a matriz singular B= conclui-se.99 0.99 0.02 0. ˜ b. como se pode comprovar calculando-o pela pela defini¸˜o. bastante pessimista. que cond(A) ≥ 2 A ∞ = 100.99 0.99 Na verdade. onde se sup˜e que A ∈ Rn×n ´ co o e a ¯ ca e ¯ e n˜o singular e b ∈ Rn ´ n˜o nulo. ou ainda x ¯ 1 ≤ A x ¯ 1 b Multiplicando termo a termos estas desigualdades obt´m-se a rela¸˜o e ca b−˜ b x−x ¯ ˜ ≤ A · A−1 x ¯ b que ´ equivalente a rela¸˜o pretendida.4 Perturba¸˜es no sistema de equa¸˜es co co Em muitas situa¸˜es. os elementos da matriz de coeficientes A ou do vector de termos indeco pendentes b est˜o sujeitos a erros. e ca Demonstra¸˜o. Ent˜o. Estas considera¸˜es tornam relevante a an´lise da sensibilidade da co a solu¸˜o do sistema de equa¸˜es Ax = b face a perturba¸˜es.Cap´ ıtulo 5. e logo b ≤ A · x .4. tem-se neste caso que cond(A) = 100. e ` ca . Estes erros podem resultar do facto de tais elementos serem a obtidos a partir de medi¸˜es (sempre sujeitas a erros) ou de c´lculos que originem erros de co a arredondamento (ou outros). para aqueles sistemas de equa¸˜es. e Teorema 5. por vezes.1. b Ent˜o verifica-se que a x−x ¯ ˜ b−˜ b ≤ cond(A) . ca co co O resultado apresentado em seguida afirma que “varia¸˜es relativas” nos termos independentes co aparecem multiplicadas pelo n´mero de condi¸˜o de A como “varia¸˜es relativas” na solu¸˜o do u ca co ca sistema.

medida na mesma norma.4. isto ´. medida na norma ∞.2 1 − 0.Cap´ ıtulo 5.1 2. e ca ˜ b A “varia¸˜o relativa” nos termos independentes.2]T . ¯ ˜ ˜ Ent˜o. E de notar que em algumas situa¸˜es esta estimativa pode ser bastante pessimista. obt´m-se a solu¸˜o x = [−0. x = A−1 b.4. ´ ca e 0.42]T . x = A−1 b.7. = x ∞ ¯ 1 ou seja. onde co     1 2 4 1      4 3 1   2 . ˜ x x − x = A−1 (A − A)˜. Considerando o novo termo independente ca e ¯ T ˜ = [1.2 0. O resultado seguinte relaciona co “varia¸˜es relativas” na matriz dos coeficientes com “varia¸˜es relativas” na solu¸˜o do sistema. onde se sup˜e que A ∈ Rn×n ´ co o e a ¯ ca e ¯ n˜o singular e b ∈ Rn ´ n˜o nulo. Considere-se o sistema de equa¸˜es Ax = b. ´ ca c˜ e x−x ∞ ¯ ˜ 0. ou seja.9] . A= e b=   2 2 3 1 A solu¸˜o deste sistema ´ x = [−0. ˜ Ax ˜ Ent˜o verifica-se que a ˜ A−A x−x ¯ ˜ ≤ cond(A) .2.1. Ou ainda. = b ∞ 2 enquanto a “varia¸˜o relativa” nas solu¸oes.7 − 0. As hip´teses do teorema permitem escrever ca o ˜ ˜ ˜x x x ˜ x = A−1 b = A−1 A˜ = A−1 (A + A − A)˜ = A−1 (A − A)˜ + x ¯ ou seja. verifica-se que x − x ≤ A−1 · A − A · x . co e Teorema 5.62 1. Sistemas de Equa¸˜es Lineares co 74 Exemplo 5. a a ˜ ca Seja tamb´m A ∈ Rn×n . Neste caso tem-se que cond(A) = 48 na norma ∞. e represente-se por x a solu¸˜o do sistema (perturbado) e ˜ ˜ = b.1. x ˜ A Demonstra¸˜o. n˜o singular. ˜ ˜ A−A A−A = cond(A) A A . Consideremos agora perturba¸˜es na matriz dos coeficientes. Considere-se o sistema de equa¸˜es Ax = b.7 = 0. Seja x a solu¸˜o deste sistema.2 b−˜ ∞ b = 0. co co ca Mais uma vez. 7 vezes superior. o factor de amplifica¸˜o do majorante aqui apresentado ´ o n´mero de condi¸˜o ca e u ca ´ da matriz A. a ¯ ˜ ˜ x−x ¯ ˜ ≤ A−1 · A x ˜ como se pretendia mostrar.

    0 0 1 1 cuja solu¸˜o ´ x = [1 1 1]T . ca e ˜ 1 0.4. = A ∞ 16 160 A varia¸˜o relativa na solu¸˜o ser´ ca ca a x−x ∞ ¯ ˜ = x ∞ ˜ ou seja.5 M´todos iterativos e Vamos agora estudar m´todos iterativos para a resolu¸˜o de sistemas de equa¸˜es lineares. . 51 (cerca de 125) vezes maior. os m´todos co e iterativos consistem na substitui¸˜o do sistema original por um outro equivalente.1 ˜ A solu¸˜o do sistema Ax = b ´ x = ca e ˜ A perturba¸˜o na matriz dos coeficientes ´ ca e   0 0 0   ˜ A − A =  0 0 0 . e . a varia¸˜o relativa na matriz dos coeficientes ´.2. onde co     1 5 10 16     A =  0 1 −6  e b =  −5  . Obviamente que se pretende que a sucess˜o {x(k) } seja convergente para A−1 b. ca a a e onde G ∈ Rn×n e d ∈ Rn . . que ´ o valor procurado. e na gera¸˜o de uma sucess˜o {x(k) } ⊂ Rn pela express˜o de recorrˆncia x(k+1) = Gx(k) + d k = 0. Sistemas de Equa¸˜es Lineares co 75 Exemplo 5. Considere-se o sistema de equa¸˜es Ax = b. 6400 51 40 11 51 11 51 11 5 11 10 T . ca e ¯ ˜ Considere-se tamb´m a matriz A. Neste caso tem-se que cond(A) = 736 na norma ∞. . 11 = 40 . e ca co Consideremos novamente um sistema de equa¸˜es Ax = b.   0 0 0.1 Neste caso. na norma ∞. 5.1 A−A ∞ = . a a partir de um valor inicial x(0) ∈ Rn . da forma ca x = Gx + d. De uma forma geral. 1. definida por e   1 5 10   ˜ A =  0 1 −6    0 0 1. .Cap´ ıtulo 5.

(k+1) 4 1. obt´m-se o sistema equivalente ca a a e  a13 b1  x1 = − a12 x2 − a11 x3 − · · · − a1n xn + a11  a11 a11    a23 b2  x2 = − a21 x1 − a22 x3 − · · · − a2n xn + a22 a22 a22 . . .(k+1) = j=1 bij xj.  . . i.(k+1) =   3 x2. e este ultimo sistema pode ser escrito como x = Bx + c. . .(k) + ci .(k) + 3 2 2  2.Cap´ ıtulo 5. .(k) 4 . . co   a11 x1 + a12 x2 + · · · + a1n xn = b1      a21 x1 + a22 x2 + · · · + a2n xn = b2 .5.    x = − an1 x − an2 x − an3 x − · · · n + abnn n ann 1 ann 2 ann 3 Definindo B ∈ Rn×n e c ∈ Rn respectivamente por  − aij se i = j aii bij = 0 se i = j ci = bi aii i = 1. . ´ O m´todo iterativo de Jacobi ´ caracterizado por utilizar a express˜o de recorrˆncia e e a e x(k+1) = Bx(k) + c ou. j = 1. isto para i = 1.      x3 3 1 −2 4 Resolu¸˜o ca Express˜es de recorrˆncia o e Isolando uma vari´vel em cada uma das equa¸oes. de forma equivalente para cada uma das vari´veis. .(k) + 1 x = − 1 x3. . . . n. ca e Exemplo 5. . onde aii = 0 ∀i.  .  .(k) − 3 x3. .1.(k+1)  1 1  x = − x + x + 3 3.(k) 2 2. a n xi. Sistemas de Equa¸˜es Lineares co 76 Dado o sistema de equa¸˜es. obtˆm-se as express˜es de recorrˆncia a c˜ e o e  1 1  x1.     a x + a x + ··· + a x = b n1 1 n2 2 nn n n resolvendo cada equa¸˜o i em ordem ` vari´vel xi . . n. O seguinte exemplo ilustra a aplica¸˜o do m´todo de Jacobi . . n. . Aplicar o m´todo de Jacobi para resolver o sistema e      3 3 −1 1 x1       0 2 1   x2  =  3  . .   .

0260 0. obtˆm-se as seguintes estimativas ca e e k 0 1 2 3 4 5 6 7 8 9 10 11 x1.7500 1. i − 1.(k) 0 0.9995 0.(1)   x 1 1 3 3.5000 1.(k+1) = j=1 bij xj.9998 que convergem para a solu¸˜o [1 ca 1 1]T . O m´todo iterativo de Gauss-Seidel tira partido deste facto. ou seja.0020 1.9998 x2.(2) = 1 × 1.0000 0.(k+1) + j=i+1 bij xj.5 − 1 × 0. . Cona ca a siderando que as novas estimativas s˜o determinadas sequencialmente.0087 0.9998 0.75 + 1 = 1. verifica-se que quando se vai calcular a nova estimativa a o a de xi j´ se disp˜e de novos valores para as vari´veis xj .0174 1. verifica-se a determina¸˜o da nova a e e ca estimativa de uma vari´vel utiliza as estimativas da itera¸˜o anterior das outras vari´veis. a e depois x2 e assim sucessivamente at´ xn .Cap´ ıtulo 5. . .0104 1.75 + 3 = 1. primeiro x1 . utilizando no c´lculo da nova e a estimativa de uma vari´vel sempre a ultima estimativa dispon´ das vari´vel necess´rias.9957 1.5 x 2 2  2.5 + 4 = 1. podemos caracterizar o m´todo de Gauss-Seidel pela express˜o de recorrˆncia e a e i−1 n xi.0010 0.0000 1. .0000 1.0052 0.125 2  2.2500 0. .9479 1.25 Itera¸˜o 2 ca Resultados Continuando a aplica¸˜o do m´todo. Asa ´ ıvel a a sim.(k) + ci .0010 1.(2) = − 4 × 1 + 2 × 1.9583 0.(1) = 1 × 0 − 1 × 0 + 1 = 1  3 3  = − 1 × 0 + 3 = 1.(2)   x 1 1 3 3.0000 0.75  x  1.9961 0.8750 1.25  3 3  1 x = − 2 × 0.(k) 0 1.9954 0. Analisando a express˜o de recorrˆncia do m´todo de Jacobi. como j = 1.9583 1.9999 x3.9999 1. Sistemas de Equa¸˜es Lineares co 77 Estimativa inicial Escolhamos x0 = [0 Itera¸˜o 1 ca 0 0]T .  x  1.(k) 0 1.9948 0.0005 0.1250 0.9990 1.(1) = − 4 × 0 + 2 × 0 + 4 = 0.2500 1.

(1) = − 4 × 1 + Itera¸˜o 2 ca  x  1.(k) 0 1.9878 1.Cap´ ıtulo 5. .9999 1.0058 0.9861 1.(k) − 3 x3.25 × 1.  x  1.(1)   x 1 3.5000 0.9999 . Pretende-se com esta altera¸˜o obter uma maior rapidez de convergˆncia para ca e a solu¸˜o pretendida. ca e Exemplo 5.9167 1.(k+1) + 1 x2.0000 1.0003 0.5 − × 1. Aplicar o m´todo de Gauss-Seidel para resolver o sistema e      3 −1 1 3 x1       0 2 1   x2  =  3  .9167 Resultados Continuando a aplica¸˜o do m´todo.8750 1.0243 0.875 + = 0.2500 0.(k) 0 1.5 + 3 4 = 1.9925 1. .0833 3 4 = − 1 × 1.9985 1.9989 1. Sistemas de Equa¸˜es Lineares co 78 para i = 1.0023 0.0002 0.2.25 + 1 = 1.25 + 3 = 0.0833 0.0833 + 2 × 0. .(k+1) 4 2 4 Estimativa inicial Escolhamos x0 = [0 Itera¸˜o 1 ca 0 0]T .0000 x2.(k) + 1 = − 1 x3.(2) = − 4 × 1.(k+1)   x = − 1 x1.0038 0.      x3 1 −2 4 3 Resolu¸˜o ca Express˜es de recorrˆncia o e As express˜es de recorrˆncia s˜o agora as seguintes o e a  1 1  x1.5 × 1.(k) + 3 x 2 2  2.9993 1. .(k+1) =   3 x2.5.(k) 0 1.(k+1) + 3 3.(2)   x 1 1 3.(2) =   1 3 1 3 = 1.0417 0.9999 x3.0005 0.(1) =   1 3 1 3 ×0− ×0+1=1 3 2 1 2 = −1 × 0 + x 2  2. obtˆm-se as seguintes estimativas ca e e k 0 1 2 3 4 5 6 7 8 x1.875 x 2 2  2. n. ca A aplica¸˜o do m´todo de Gauss-Seidel encontra-se ilustrada no exemplo seguinte.

como se pode observar pela tabela seguinte..7500 0..Cap´ ıtulo 5.0000 1.. como se pode ver pela tabela seguinte.5000 0. Sistemas de Equa¸˜es Lineares co 79 que convergem para a solu¸˜o [1 ca 1 1]T . converge para a solu¸˜o (´nica) x = [1 1 1] ca u ¯ k 0 1 2 3 4 5 6 7 8 9 .2500 0..7500 0.9375 1.. x1.2500 1.9922 0.5000 0.7500 0.3.9922 0.9844 0.8438 0.. como se mostra no seguinte exemplo.0000 1. Em ambos os exemplos atr´s apresentados verifica-se que as sucess˜es geradas pelos m´todos a o e iterativos convergem para a solu¸˜o do sistema procurada. No entanto este comportamento nem ca sempre se verifica.0000 1.8750 0. x2. x3. a ca k 0 1 2 3 4 5 6 7 8 9 .9375 0.9961 0.2500 0..6875 0. Exemplo 5..0000 1.0469 .(k) 0 0....5000 1.9688 0.(k) 0 0.5000 0.0000 1.5000 0.7500 0.0000 1.7500 0.2656 ..9375 0.8750 0.      x3 1 1 −2 2 Resolu¸˜o ca e a a Aplicando o m´todo de Jabobi.5.8750 0.9980 .6250 0.8750 0. obt´m-se uma sucess˜o que n˜o e T ... obt´m-se uma e e e sucess˜o que converge para a solu¸˜o do sistema.(k) 0 0..9961 0. . Aplicar o m´todo de Jacobi e tamb´m o m´todo de Gauss-Seidel para resolver e e e o sistema        0 2 −1   x2  =  1  . x3.9844 0.9980 .(k) 0 0.0000 1.5000 0.(k) 0 1. 1 −1  1 x1   1  Aplicando agora o m´todo de Gauss-Seidel e partindo tamb´m de x0 = [0 0 0]T .9375 0..9844 0.8750 1.0000 1.(k) 0 1.0000 1.0000 .8125 0.0000 1. x1. x2.7188 1.9688 0.8594 . partindo de x0 = [0 0 0]T .9688 0.

¯ Aplicando sucessivamente esta express˜o. como se pretendia mostrar. . . ˜ x ˜ concluindo-se imediatamente que G ≥ 1. 1. converge para x. Se para alguma norma induzida se verificar G < 1. . como seria de esperar. verifica-se que ¯ x x x x − x(k+1) = G¯ + d − (Gx(k) + d) = G(¯ − x(k) ). a ¯ k = 0. . 1. a e 2. . . ou ainda e a ˜ x = G˜. k = 0. verifica-se que ˜ x x = G˜ ≤ G · x . . o erro de aproxima¸˜o de x por x(k+1) .5. Como x = G¯ + d e x(k+1) = Gx(k) + d. A equa¸˜o x = Gx + d ´ equivalente a (I − G)x = d. ¯ ¯ 3. conclui-se que a x x x x − x(k+1) = G(¯ − x(k) ) = G2 (¯ − x(k−1) ) = · · · = Gk (¯ − x(0) ). a sucess˜o {x(k) }.1. Como este facto contraria a hip´tese G < 1. que ter´ uma e uma s´ solu¸˜o se a ca e a o ca matriz I − G for n˜o singular. G 1− G x(k+1) − x(k) . Ent˜o existe x = 0 (em Rn ) tal que (I − G)˜ = 0. Teorema 5. Sejam G ∈ Rn×n e d ∈ Rn . para a norma considerada. obter condi¸˜es que garantam e a co a convergˆncia dos m´todos iterativos estudados. a x Suponha-se que I − G ´ singular. . . qualquer que seja o ponto inicial x(0) . Sistemas de Equa¸˜es Lineares co 80 Este exemplo mostra que ´ necess´rio. k = 0. .Cap´ ıtulo 5. satisfaz ca ¯ x − x(k+1) ≤ ¯ Demonstra¸˜o. ¯ ¯ podendo ent˜o escrever-se que x − x(k) ≤ Gk · x − x(0) . . a o matriz I − G ter´ de ser n˜o singular. . a a 2. ca 1. existe uma e uma s´ solu¸˜o x ∈ Rn da equa¸˜o o ca ¯ x = Gx + d. 1. x − x(k+1) . As condi¸˜es que iremos estudar s˜o casos e e co a particulares de uma resultado mais geral sobre convergˆncia de m´todos iterativo de express˜o e e a de recorrˆncia e x(k+1) = Gx(k) + d. . ent˜o a ca 1. ∀k. Logo. k = 0. . 1. . gerada pela express˜o de recorrˆncia a x(k+1) = Gx(k) + d. . que apresentamos em seguida. .

Dado que G < 1. h´ casos em co a a a e e e a que estas condi¸˜es n˜o se verificam e o m´todo converge. . . obtendo-se imediatamente a express˜o pretendida. No co e e entanto. ¯ x x Desta express˜o resulta que a x − x(k+1) ≤ G(¯ − x(k+1) ) + G(x(k+1) − x(k) ) ¯ x ≤ G · x − x(k+1) + G · x(k+1) − x(k) . . 3. resultando ent˜o que a lim x − x(k) = 0. Sejam A ∈ Rn×n e b ∈ Rn . Isto ´. e a O resultado seguinte fornece condi¸˜es suficientes para a convergˆncia do m´todo de Jacobi. a Seja novamente A ∈ Rn×n . qualquer que seja o ponto inicial x(0) .Cap´ ıtulo 5. ¯ que pode ser reescrita como (1 − G ) x − x(k+1) ¯ ≤ G · x(k+1) − x(k) . pode afirmar-se que limk→+∞ G k→+∞ = 0. ca co ¯ . . i = 1. . ¯ v´lida para k = 0. designada x. Sistemas de Equa¸˜es Lineares co 81 Por outro lado. 1.5. n. tem-se que k vezes k vezes k G = G × G × ··· × G ≤ G × G × · · · × G = G k. ¯ como se pretendia mostrar. Se a matriz A for estritamente diagonalmente dominante por linhas ent˜o a sucess˜o gerada pelo m´todo de Jacobi converge para a unica a a e ´ solu¸˜o do sistema de equa¸˜es Ax = b. Partindo da express˜o a x x − x(k+1) = G(¯ − x(k) ). .2. pode concluir-se que a a x − x(k+1) = G(¯ − x(k+1) + x(k+1) − x(k) ) = G(¯ − x(k+1) ) + G(x(k+1) − x(k) ). ou seja. . k Como G < 1. co a e Teorema 5. Diz-se que matriz A ´ estritamente diagonalmente dominante e por linhas quando se verifica n |aii | > j=1 j=i |aij |. estas condi¸˜es n˜o s˜o necess´rias para a convergˆncia do m´todo. quando para cada linha da matriz se verifica que o valor absoluto do elemento da diagonal ´ superior ` soma dos valores absolutos de todos os outros elementos. tem-se 1 − G > 0.. como visto atr´s.

Cap´ ıtulo 5. Sistemas de Equa¸˜es Lineares co

82

Demonstra¸˜o. A express˜o de recorrˆncia do m´todo de Jacobi ´ ca a e e e x(k+1) = Bx(k) + c, onde B e c s˜o obtidos a custa de A e b, de acordo com as express˜es vistas atr´s. a ` o a Sendo A estritamente diagonalmente dominante por linhas, verifica-se que todos os elementos da sua diagonal s˜o n˜o nulos. Logo, a matriz B e o vector c est˜o bem definidos. a a a Tem-se tamb´m, para qualquer i = 1, . . . , n, que e
n n

|bij | =
j=1 j=1 j=i ∞

aij 1 = aii |aii |

n

|aij | < 1,
j=1 j=i

concluindo-se imediatamente que B

< 1.

Aplicando agora o resultado sobre convergˆncia de m´todos iterativos, pode afirmar-se que a e e equa¸˜o x = Bx + c tem uma e uma s´ solu¸˜o x, e tamb´m que o m´todo de Jacobi converge ca o ca ¯ e e para x, qualquer que seja o ponto inicial x(0) . ¯ Este teorema fica demonstrado notando que a equa¸˜o x = Bx + c ´ equivalente a Ax = b, pelo ca e que x ´ a unica solu¸˜o desta ultima equa¸˜o. ¯e ´ ca ´ ca Como corol´rio deste resultado tem-se que toda a matriz quadrada estritamente diagonalmente a dominante por linhas ´ n˜o singular. e a Este resultado, ao fornecer condi¸˜es suficientes para a convergˆncia do m´todo de Jacobi, indica co e e como proceder para garantir que a aplica¸˜o deste m´todo fornecer´ uma sucess˜o convergente. ca e a a De facto, se a matriz A dos coeficientes do sistema n˜o for estritamente diagonalmente dominante a por linhas n˜o h´ garantia da convergˆncia do m´todo. Em tais situa¸˜es dever-se-´ proceder a a e e co a a uma pr´via manipula¸˜o de A de forma a satisfazer as condi¸˜es de convergˆncia. Esta e ca co e manipula¸˜o pode passar pela troca de linhas da matriz (que corresponde a troca de ordem ca ` de equa¸˜es), ou troca de colunas (que corresponde a troca da ordem das vari´veis), ou ainda co ` a a ` realiza¸˜o de outras opera¸˜es sobre a matriz que mantenham a equivalˆncia do sistema de ca co e equa¸˜es. co ´ E tamb´m imediato concluir da validade da seguinte express˜o para a majora¸˜o da norma do e a ca erro em x(k+1) x − x(k+1) ≤ ¯ B ∞ x − x(k) . 1 − B ∞ (k+1)

Exemplo 5.5.4. Aplicando o m´todo de Jacobi, obter uma solu¸˜o aproximada do sistema de e ca equa¸˜es, com um erro m´ximo absoluto em cada vari´vel de 5 × 10−3 . co a a   4x1 − 2x2 + x3 = 3   x − x2 + 3x3 = 3  1   −x + 3x =2 1 2

Cap´ ıtulo 5. Sistemas de Equa¸˜es Lineares co

83

Resolu¸˜o ca Uma vez que a matriz dos coeficientes n˜o ´ estritamente diagonalmente dominante por linhas, a e torna-se necess´rio efectuar opera¸˜es sobre a matriz previamente a aplica¸˜o do m´todo. Assim, a co ` ca e trocando a segunda equa¸˜o com a terceira ca  4 −2   −1 3  1 −1 obt´m-se o sistema equivalente e     1 3 x1     0   x2  =  2      x3 3 3

cuja matriz de coeficientes j´ ´ estritamente diagonalmente dominante por linhas, garantindo a ae convergˆncia do m´todo de Jacobi. e e A express˜o de recorrˆncia do m´todo de Jacobi ´ x(k) = Bx(k−1) + c, tendo-se aqui que a e e e   B=  0
1 3 −1 3 1 2

−1 4

 e

  c= 

0
1 3

 0   0

3 4 2 3

  . 

1

ca Sendo e(k) o erro na itera¸˜o k, e uma vez que B e(k)

= 3 , verifica-se a estimativa 4 = 3 x(k) − x(k−1)

3 4

1−

3 4

x(k) − x(k−1)

Garantir um erro m´ximo absoluto em cada vari´vel de 5 × 10−3 na itera¸˜o k ´ equivalente a a a ca e ter e(k)

≤ 5 × 10−3 . Para tal, bastar´ impor εk = 3 x(k) − x(k−1) a

≤ 5 × 10−3 , que ser´ a a

condi¸˜o de paragem do m´todo. ca e Partindo da condi¸ao inicial nula, obtiveram-se os resultados apresentados na tabela ao lado. c˜ De acordo com a estimativa do erro, parou-se a aplica¸ao do m´todo assim que εk ≤ 5 × 10−3 . c˜ e c˜ a A solu¸˜o do sistema ´ x1 = x2 = x3 = 1, obtendo-se na itera¸ao 10 erros m´ximos absolutos ca e −4 , pelo que a estimativa do erro utilizada ´, neste caso, em todas as vari´veis inferiores a 5 × 10 a e algo conservadora.
k 0 1 2 3 4 5 6 7 8 9 10 x1,(k) 0 0.75000 0.83333 0.96528 0.96528 0.99595 0.99228 0.99995 0.99818 1.00020 0.99955 x2,(k) 0 0.66667 0.91667 0.94444 0.98843 0.98843 0.99865 0.99743 0.99998 0.99939 1.00007 x3,(k) 0 1.00000 0.97222 1.02778 0.99306 1.00772 0.99749 1.00212 0.99916 1.00060 0.99973 εk − 3 7.5 × 10−1 4.0 × 10−1 1.3 × 10−1 9.2 × 10−2 3.1 × 10−2 2.3 × 10−2 8.9 × 10−3 6.0 × 10−3 2.6 × 10−3

Cap´ ıtulo 5. Sistemas de Equa¸˜es Lineares co

84

Passemos agora ao m´todo de Gauss-Seidel. O teorema seguinte fornece condi¸˜es de cone co vergˆncia para este m´todo. e e Teorema 5.5.3. Sejam A ∈ Rn×n e b ∈ Rn . Se a matriz A for estritamente diagonalmente dominante por linhas ent˜o a sucess˜o gerada pelo m´todo de Gauss-Seidel converge para a unica a a e ´ solu¸˜o do sistema de equa¸˜es Ax = b, qualquer que seja o ponto inicial x(0) . ca co Estas condi¸˜es de convergˆncia do m´todo de Gauss-Seidel s˜o semelhantes `s apresentadas co e e a a para o m´todo de Jacobi. Tal como ent˜o, trata-se apenas de condi¸˜es suficientes, ou seja, h´ e a co a situa¸˜es em que estas condi¸˜o n˜o se verificam e o m´todo de Gauss-Seidel converge. co ca a e A an´lise aqui apresentada n˜o permite concluir qual dos m´todos (Jacobi ou Gauss-Seidel) a a e possui uma convergˆncia mais r´pida. Contudo, ´ frequente o m´todo de Gauss-Seidel convergir e a e e mais rapidamente que o m´todo de Jacobi. e Exemplo 5.5.5. Aplicando o m´todo de Gauss-Seidel, obter uma solu¸˜o aproximada do sistema e ca de equa¸˜es. Terminar o m´todo assim que a diferen¸a entre duas estimativas consecutivas seja co e c a inferior ou igual a 10−3 , em todas as vari´veis.   x1 − 4x3 = −3   4x2 − 2x3 = 2    4x − 2x = 2 1 2 Resolu¸˜o ca A matriz dos coeficientes do sistema n˜o ´ estritamente diagonalmente dominante por linhas. a e No entanto, trocando a primeira equa¸˜o com a terceira obt´m-se o sistema equivalente ca e      4 0 −2 2 x1       0 4 −2   x2  =  2       x3 1 0 −4 −3 cuja matriz de coeficientes ´ estritamente diagonalmente dominante por linhas, condi¸˜o sufie ca ciente para a convergˆncia do m´todo de Gauss-Seidel. e e As express˜es de recorrˆncia ser˜o o e a   x1,(k) = 1 x3,(k−1) +   2 x = 1x +  2,(k) 2 3,(k−1)  1  x + 3,(k) = 4 x1,(k) sendo a condi¸˜o de paragem definida por x(k) − x(k−1) ca

1 2 1 2 3 4

≤ 10−3 .

Cap´ ıtulo 5.(k) 0 0.(k+1) 1 aii  bi −   aij xj.99902 0.93750 0.99988 x2. ca e k 0 1 2 3 4 5 x1.4 × 10−1 5. Sistemas de Equa¸˜es Lineares co 85 Partindo da condi¸˜o inicial nula.6 Relaxa¸˜o dos m´todos de Jacobi e Gauss-Seidel ca e  n j=1 j=i A express˜o de recorrˆncia do m´todo de Jacobi ´ a e e e  xi. i−1 n aij xj.87500 0.(k+1) − j=1 j=i A relaxa¸˜o deste m´todo ´ de igual modo efectuada considerando um valor ω > 0 e utilizando ca e e agora a express˜o de recorrˆncia a e xi.99805 0.(k)  .(k+1) = xi.(k+1)  1  = xi.99902 0.(k+1) − j=1 j=i .50000 0.93750 0.(k+1)  1  = xi. obtˆm-se os resultados apresentados na tabela seguinte.8 × 10−3 8. aij xj.(k) 0 0.(k)  .99997 x(k) − x(k−1) − 8.98438 0.99219 0.(k+1) = aii j=1 j=i+1 pode tamb´m tomar a forma e xi.(k) + ω · bi − aii n j=1  aij xj.99219 0.(k) + bi − aii n j=1  aij xj. ca A relaxa¸˜o do m´todo de Jacobi consiste em tomar uma constante ω > 0 e utilizar a express˜o ca e a de recorrˆncia e xi.50000 0.(k) + bi − aii i−1 n  aij xj.(k)  .(k)  . a express˜o de recorrˆncia e a e   i−1 n 1  aij xj. que n˜o ´ mais do que o res´ a e ıduo da equa¸˜o i dividido pelo termo aii .99976 0. com o objectivo de alterar a convergˆncia do m´todo. e e No caso do m´todo de Gauss-Seidel.(k+1) = que pode ainda ser escrita na forma xi.(k+1) − aij xj.(k)  bi − xi.(k) 0 0. e ` a qual evidencia que cada nova estimativa de xi ´ obtida somando a estimativa anterior um dado valor.8 × 10−1 4.5 × 10−2 6.5 × 10−4 ∞ 5.99988 x3.(k)    1  = xi.(k) + ω ·  1  bi − aii  aij xj.

enquanto a considera¸˜o de ω > 1. e k 0 1 2 3 4 5 6 7 8 x1.(k) + x3. x3 = −5.(k) − 3x2.(0) = x2.(0) = x3.(k) + 4 1 = x3.(k) = x2.(k) + x2.00447 3. permite tornar ca ca convergente um m´todo que inicialmente n˜o o seria. o valor ´ptimo co e ıvel ca o do parˆmetro ω que conduz a uma maior rapidez de convergˆncia.01831 3.00000 1.1. Efectivamente.(k+1) − 4x2. Compare o desempenho dos m´todos de Gauss-Seidel e SOR com ω = 1.00279 3. x2 = 4.6.(k+1) 1 24 − 4x1.(0) = x2.(k) + −24 + x2.02930 3. em fun¸˜o da matriz A de coeficientes do sistema.(0) = x3.(k) x3.03433 3.25000 3.08789 3.(0) = 1 obtˆm-se os resultados apresentados na tabela seguinte.(k) x2.00000 5.(k) 4 1 30 − 3x1.88281 −5. co Resolu¸˜o ca As express˜es de recorrˆncia do m´todo de Gauss-Seidel s˜o o e e a x1.97139 −5.14063 3. a considera¸˜o de ω < 1. desige a ca nada por sobre-relaxa¸˜o.(k+1) − 4x3.(k) 1.25 na e resolu¸˜o do sistema de equa¸oes ca c˜   4x1 + 3x2  = 24 = 30 = −24 2  1  −x + 4x 2 3 3x + 4x − x3 cuja solu¸˜o ´ x1 = 3.01144 3.00000 1. Em ambos os casos partir de x1.(k+1) x3.81250 −5.(k+1) = x1.00838 3. a e Exemplo 5.98882 −5.99302 −5.92676 −5. permite acelerar a convergˆncia de um m´todo. podendo contudo ca e e torn´-lo divergente! a A sobre-relaxa¸˜o do m´todo de Gauss-Seidel ´ habitualmente designada por m´todo das ca e e e sobre-relaxa¸˜es sucessivas (successive over relaxation – SOR) sendo bastante utilizada na co resolu¸˜o de sistemas de equa¸˜es lineares por m´todos iterativos. designada por sub-relaxa¸˜o.00175 . Sistemas de Equa¸˜es Lineares co 86 De uma maneira geral.01341 3.(k) 4 Partindo x1.04688 3.05493 3.00715 3. em muitas ca co e situa¸˜es ´ poss´ determinar.98212 −5.95422 −5.(0) = 1 ca e e efectuar 8 itera¸˜es.Cap´ ıtulo 5.02146 3.

(k) + 4 1.25 s˜o o e e a x1.99545 3.05475 2.99205 −4.(k) + x3.(k) 4 Partindo x1.(k+1) 1.(k) x3.(k) − 3x2.99980 −5.61000 −6.31700 2.73100 3.12130 3.92500 −4.25 = x3.00000 1. e k 0 1 2 3 4 5 6 7 8 x1.97810 −5.(k) 4 1.(k+1) − 4x2.00087 3.00807 3.(k) 1.(0) = 1 obtˆm-se os resultados apresentados na tabela seguinte.99690 −5.25 30 − 3x1.00000 1.(k) x2.00000 6.(k) + −24 + x2.00118 3.00027 3.99951 −5. Sistemas de Equa¸˜es Lineares co 87 As express˜es de recorrˆncia do m´todo SOR com ω = 1. ca .(k) + x2.(k+1) − 4x3.99877 −4.Cap´ ıtulo 5.(k) = x2.99144 3.(0) = x2.75910 3.25 24 − 4x1.00002 Comparando os resultados constata-se facilmente que a sucess˜o produzida pelo m´todo SOR a e converge muito mais rapidamente para a solu¸˜o do problema.10000 3.00018 3.(k+1) = x1.(k+1) x3.99984 3.(0) = x3.00264 3.

. . y2 ). yn ) (x1 . ca co De um modo semelhante ao que se passa com os problemas de interpola¸˜o. (x2 . n˜o fazendo muito sentido a a “obrigar” a fun¸˜o g a satisfazer as condi¸˜es g(xi ) = yi . Dado um conjunto de pares ordenados (x1 . no problema ca de aproxima¸˜o apenas se exige que os valores da fun¸˜o aproximante estejam pr´ximos dos ca ca o valores dados. .. . pretende-se determinar o uma fun¸˜o aproximante g tal que g(xi ) seja pr´ximo de yi . para i = 1. (xn . o crit´rio de aproxima¸˜o que permitir´ seleccionar a co e ca a 88 . ca ´ E de notar que contrariamente ao problema de interpola¸˜o. yn ). y1 ). ao tratar um ca problema de aproxima¸˜o ser´ necess´rio abordar algumas quest˜es tais como a escolha da ca a a o classe de fun¸˜es aproximantes a utilizar. y2 ) x Figura 6. ca y g(x) (xn . no qual se pretendia determinar uma ca fun¸˜o que tomasse valores bem definidos num conjunto de pontos determinados.1 Introdu¸˜o ca O problema de aproxima¸˜o que ser´ estudado neste cap´ ca a ıtulo pode ser descrito como se segue. 2. y1 ) (x2 . . .1: Aproxima¸˜o. Muitas vezes os valores yi est˜o afectados por erros.Cap´ ıtulo 6 Aproxima¸˜o dos M´ ca ınimos Quadrados 6. n. .

sendo agora c1 . a resolu¸˜o de um dado problema de aproxima¸˜o consistir´ em determinar os valores ca ca a ca c1 . minimizar i=1 d2 i .2 Fun¸˜es aproximantes e desvios co De um modo geral. yi )n . i = 1. Aproxima¸˜o dos M´ ca ınimos Quadrados 89 “melhor” fun¸˜o aproximante dentro da classe de fun¸˜es consideradas e ainda a forma de obter ca co tal fun¸˜o. ck ). . . c2 e c3 os valores a determinar. c1 . . poderemos dizer que a classe de fun¸˜es aproximantes estar´ parametrizada co a por um conjunto de valores c1 . ck definem-se os desvios como sendo as diferen¸as entre cada um dos valores yi dados e e o respectivo valor da fun¸˜o aproximante F (xi . Assim. . e ` Por exemplo. isto ´. . c1 . . c2 . c2 ) = c1 + c2 x + c3 x2 . ca 6. .Cap´ ıtulo 6. partindo dos dados do problema. ck que definem a fun¸˜o que melhor aproxima os dados (xi . . c2 . . O crit´rio de selec¸˜o da melhor fun¸˜o dever´ traduzir o maior ou menor grau de aproxima¸˜o e ca ca a ca dos valores da fun¸˜o aproximante aos valores dados. . c2 . isto ´. 2. c1 . . . . a sendo c1 e c2 os valores a determinar. minimizar i=1 |di | max |di | n 2. minimizar 1≤i≤n 3. . n. ck ). se se pretender aproximar os pontos dados por uma linha recta ser´ natural que a a classe de fun¸˜es aproximantes seja da forma co F (x. . Ser´ ent˜o natural que o crit´rio de compara¸˜o de fun¸˜es aproximantes que permite decidir qual a a e ca co delas ´ melhor seja baseado nestes desvios. . teremos F (x. . c1 . se se pretender aproximar os pontos por uma par´bola. Este crit´rio dever´ conduzir a fun¸˜es aproximantes e e a co que tornem tais desvios “pequenos”. ck . para cada conjunto de valores ca c c1 . . ca di = yi − F (xi . c1 . de acordo com um i=1 dado crit´rio definido a partida. . toda fun¸˜o aproximante g poder´ ser escrita e ca a na forma g(x) = F (x. c2 . . em valor absoluto. . . ck ). c2 . . Desta forma. c2 ) = c1 + c2 x. . . c2 . . . Alguns crit´rios poss´ e ıveis ser˜o a n 1. .

. N˜o se colocando qualquer restri¸˜o sobre os parˆmetros. . Aproxima¸˜o dos M´ ca ınimos Quadrados 90 ´ E de referir que em qualquer dos casos a minimiza¸˜o consistir´ em encontrar o conjunto de ca a ınimo o crit´rio em causa. ck que tornam m´ a n n n k 2 e(c1 . c1 . . . Tal facto constitui assim uma desvantagem destes crit´rios. . . . . ∂ ∂cj n k n k yi − l=1 k cl φl (xi ) cl φl (xi ) l=1 k n = i=1 (−2) yi − l=1 n cl φl (xi ) n · ∂ ∂cj k k cl φl (xi ) l=1 = −2 i=1 n yi − · φj (xi ) = −2 i=1 yi φj (xi ) − i=1 l=1 cl φl (xi )φj (xi ) = −2 i=1 yi φj (xi ) − l=1 cl i=1 ∂e ∂cj k φl (xi )φj (xi ) E ent˜o. e as fun¸˜es φ1 . . equivalentemente. ∂e = 0. + ck φk (xi ) )] = i=1 2 yi − l=1 cl φl (xi ) ou seja.3 Aproxima¸˜o dos m´ ca ınimos quadrados Dados os pares (xi . . . . . como se pretende ter a = 0. ou. a co e onde φ1 (x). φk . . . . . a co 6. pois os desvios considerados. ck ) = c1 φ1 (x) + c2 φ2 (x) · · · + ck φk (x). . e logo e valores c1 . . . ck . resulta n n cl l=1 i=1 φl (xi )φj (xi ) = i=1 yi φj (xi ). . . Este ´ um problema de minimiza¸˜o e ca a ca a em Rk . . dependem destes parˆmetros. temos o designado m´todos dos m´ ınimos quadrados. ck ) seja m´ ınimo ser´ necess´rio que a a ∇e = 0. e No terceiro caso. . de um modo geral. . que minimizam a soma dos quadrados dos desvios. a aproxima¸˜o dos m´ co ca ınimos ınima a quantidade quadrados consiste em determinar os parˆmetros c1 . k. . para que e(c1 . . ca a Os dois primeiros crit´rios acima apresentados conduzem. . . . . . ∂cj Calculando estas derivadas parciais obt´m-se e ∂e = ∂cj n i=1 2 j = 1. que ser´ estudado nas sec¸˜es seguintes. c2 . φk (x) s˜o fun¸˜es dadas. . yi ). ck ) = i=1 d2 i = i=1 [yi − ( c1 φ1 (xi ) + . φ2 (x). . com i = 1.Cap´ ıtulo 6. . Neste caso. ` resolu¸˜o de e a ca sistemas de equa¸˜es n˜o lineares para determinar os parˆmetros que definem a melhor fun¸˜o co a a ca aproximante. . n. . . . . a determina¸˜o da melhor fun¸˜o ´ efectuada resolvendo um sistema de ca ca e co equa¸˜es lineares nos parˆmetros c1 . . sempre que a classe de fun¸˜es aproximantes seja co a definida por F (x. c2 . . ck que tornem m´ a fun¸˜o a minimizar. .

.. o sistema de equa¸˜es a resolver toma a forma co  n    1 + c2  c1    c  1   i=1 n i=1 n n xi = i=1 n i=1 yi i=1 n xi + c2 x2 = i xi yi i=1 Estes somat´rios s˜o facilmente determinados organizando os c´lculos numa tabela como a o a a seguinte. finalmente. dever-se-´ ter k = 3 e as fun¸˜es φ1 (x) = 1.  n n n n    c1 1 + c2 xi + c3 x2 = yi  i    i=1 i=1 i=1 i=1   n n n n  c1 xi + c2 x2 + c3 x3 = xi yi i i   i=1 i=1 i=1 i=1   n n n n    c  1 x2 + c2 x3 + c3 x4 = x2 yi  i i i i  i=1 i=1 i=1 i=1 ..... Teremos ent˜o k = 2 e as fun¸˜es φ1 (x) = 1 e φ2 (x) = x.. as fun¸˜es aproximantes ser˜o da ca a co a a a co forma g(x) = c1 + c2 x + c3 x2 . Aproxima¸˜o dos M´ ca ınimos Quadrados 91 obtendo-se. φ2 (x) = x e co e φ3 (x) = x2 .    n n n      c1 φk (xi )φ1 (xi ) + c2 φk (xi )φ2 (xi ) + · · · + ck φ2 (xi ) = k  i=1 i=1 i=1 n yi φ1 (xi ) i=1 n yi φ2 (xi ) i=1 n yi φk (xi ) i=1 Este sistema de k equa¸˜es lineares em k inc´gnitas permite obter as constantes c1 . O sistema de equa¸˜es a resolver ´ o seguinte...Cap´ ıtulo 6. yn yi x2 i x2 1 x2 2 . xn yn xi yi Se se pretender efectuar uma aproxima¸˜o por uma par´bola. . a Se pretendermos aproximar os pontos por uma recta. x2 n x2 i xi yi x1 y1 x2 y2 .. ck que co o caracterizam a melhor fun¸˜o aproximante no sentido dos m´ ca ınimos quadrados. xi x1 x2 . Vamos para j´ a supor que este sistema tem solu¸˜o unica. Ent˜o.. .. xn xi yi y1 y2 . . Neste caso... A an´lise de existˆncia e unicidade de solu¸˜o deste ca ´ a e ca sistema ser´ abordada mais tarde.. as fun¸˜es aproximantes ser˜o da forma co a a co g(x) = c1 + c2 x. .. o sistema de equa¸˜es co  n n n   c1  φ2 (xi ) + c2 φ1 (xi )φ2 (xi ) + · · · + ck φ1 (xi )φk (xi ) = 1     i=1 i=1 i=1  n n n     c1 φ2 (xi )φ1 (xi ) + c2 φ2 (xi ) + · · · + ck φ2 (xi )φk (xi ) = 2 i=1 i=1 i=1    .

c2 e c3 determinados por ca a  2  c1  i 1 + c2 i xi + c3 i xi = i yi  c x + c2 i x2 + c3 i x3 = i xi yi i i  1 i i  2+c 3+c 4 2  c 1 2 3 i xi i xi i xi = i xi yi . A recta aproximante ser´ ent˜o y = 0.75 + 0. b) Por uma par´bola. co xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7 x2 i 1 4 16 25 49 64 100 xi yi 1 4 16 20 35 48 70 194 37 29 259 O sistema a resolver ser´ a 7c1 + 37c2 = 29 37c1 + 259c2 = 194 a a resultando c1 = 0.Cap´ ıtulo 6.64189x. a c) Por uma recta que minimize o erro em x. x 1 2 4 5 7 8 10 y 1 2 4 4 5 6 a) Por uma recta. sendo c1 . b) A fun¸˜o aproximante ser´ F (x) = c1 + c2 x + c3 x2 .75 e c2 = 0. Resolu¸˜o ca a) A fun¸˜o aproximante ser´ F (x) = c1 + c2 x.1. Aproxima¸˜o dos M´ ca ınimos Quadrados 92 Exemplo 6. sendo c1 e c2 calculados resolvendo o sistema ca a c1 c1 7 i=1 1 + c2 7 i=1 xi + c2 7 i=1 xi = 7 2 i=1 xi = 7 i=1 yi 7 i=1 xi yi 7 Na tabela abaixo encontram-se os c´lculos necess´rios a completa defini¸ao deste sistema de a a ` c˜ equa¸˜es.3. Determine a aproxima¸˜o dos m´ ca ınimos quadrados aos pontos da tabela.64189.

c2 = 0. a c) Agora tem-se F (y) = c1 + c2 y.99468 e c2 = 1.890625 e c3 = −0.288690 − 0.99468 + 1. o sistema de equa¸˜es a resolver ser´ co a 7c1 + 29c2 = 37 29c1 + 147c2 = 194 a do qual resultam os valores c1 = −0.51596y.023065x2 . a recta aproximante ser´ x = −0. A par´bola que aproxima os pontos ser´ portanto a y = 0.51596. Aproxima¸˜o dos M´ ca ınimos Quadrados 93 Os coeficientes do sistema determinam-se a partir dos c´lculos expostos na seguinte tabela.890625x + 0. a xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7 x2 i 1 4 16 25 49 64 x3 i 1 8 64 125 343 512 x4 i 1 16 256 625 2401 4096 xi yi 1 4 16 20 35 48 70 194 x2 yi i 1 8 64 100 245 384 700 1502 100 1000 10000 37 29 259 2053 17395 O sistema de equa¸˜es a resolver ser´ ent˜o co a a   7c1 + 37c2 + 259c3 = 29   37c1 + 259c2 + 2053c3 = 194    259c + 2053c + 17395c = 1502 1 2 3 a resultando c1 = 0.023065. Agora. As constantes c1 e c2 s˜o calculadas resolvendo o sistema c1 c1 7 i=1 1 + c2 7 i=1 yi + c2 7 i=1 yi = 7 2 i=1 yi = 7 i=1 xi 7 i=1 yi xi Os c´lculos necess´rios a defini¸ao deste sistema apresentam-se na tabela seguinte.Cap´ ıtulo 6. .288690. a a ` c˜ xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7 2 yi yi xi 1 4 16 20 35 48 70 194 1 4 16 16 25 36 49 37 29 147 Assim.

bk = ψk (ck ). . ck que caracterizam a a a a fun¸˜o aproximante pretendida. ck s˜o os parˆmetros a determinar e suponha-se que existe uma fun¸˜o g tal que g(F (x. para fun¸˜es ψ1 . . . . . k. . a ca co Nestas situa¸˜es. . . . . φk s˜o fun¸˜es conhecidas. c1 . Claro est´ que co co a . a co a a onde φ1 . tamb´m conhecidas. . . O problema que se est´ agora a resolver consiste em determinar a fun¸˜o a ca b1 φ1 (x) + · · · + bk φk (x) ınimos quadrados. . . . . Uma vez a ca co a resolvido este problema ser´ necess´rio determinar os parˆmetros c1 . Isto equivale a transformar a classe de fun¸˜es dada numa outra em que os e co parˆmetros a determinar sejam os coeficientes de uma combina¸˜o linear de fun¸˜es conhecidas. c1 . . a aplica¸˜o do m´todo dos m´ co ca e ınimos quadrados para a determina¸˜o ca ca ca dos parˆmetros c1 . . bk . + ck φk (x). . . ck ) = c1 φ1 (x) + .Cap´ ıtulo 6. Aproxima¸˜o dos M´ ca ınimos Quadrados 94 6. . . . ck que definem a melhor fun¸˜o aproximante resulta na resolu¸˜o de um a sistema de equa¸˜es n˜o lineares. . . perdendo-se algum do significado do conceito de melhor fun¸˜o aproxca imante. a vantagem obtida com a redu¸˜o do problema original a simples resolu¸˜o ca ` ca de um sistema de equa¸˜es lineares compensa em muitas situa¸˜es tal perda. Para tal ser˜o utilizadas as rela¸˜es ca a co −1 cj = ψj (bj ). . . ck por interm´dio das rela¸˜es b1 = ψ1 (c1 ). . isto ´. . c1 . ck ) que n˜o podem ser escritas co a e ca na forma F (x. . . g(yi )) no sentido dos m´ reduz-se ` resolu¸˜o de uma sistema de equa¸˜es lineares nos parˆmetros b1 . .4 Redu¸˜o a problemas de m´ ca ınimos quadrados Por vezes interessa considerar fun¸˜es aproximantes F (x. . ψk . co a Contudo. ck ). Nestes casos. Refira-se que esta abordagem de determina¸˜o da melhor fun¸˜o aproximante n˜o permite deterca ca a minar a fun¸˜o que minimiza a soma dos quadrados dos desvios. . . . . . ´ poss´ determinar a fun¸˜o aproximante que minimiza a soma dos quadrados co e ıvel ca dos desvios modificados resolvendo um sistema de equa¸˜es lineares. Estes desvios modificaco dos definem-se por g(yi ) − g(F (xi . . Considere-se ent˜o que a classe de fun¸˜es aproximantes ´ da forma a a co e F (x. . em diversas situa¸˜es ´ poss´ transformar estes problemas em outros cuja resolu¸˜o co e ıvel ca seja mais f´cil. bk se relacionam com os parˆmee co co tros c1 . c1 . j = 1. a a ca onde c1 . . ck )) = b1 φ1 (x) + · · · + bk φk (x). . Este problema que melhor aproxima os pontos (xi . mas sim a soma dos quadrados ca dos desvios modificados. . . . . . . . . . . . . ck )) = g(yi ) − [b1 φ1 (xi ) + · · · + bk φk (xi )]. . como uma combina¸˜o linear de fun¸˜es dadas. . . c1 . . e os parˆmetros b1 . Todavia. . . . .

3 1.68741. Desta forma. Agora tem-se que ln(y) = b1 φ1 (x) + b2 φ2 (x).34547b2 = 1. Esta inclus˜o permite n˜o ca c a a .4 2 1. obt´m-se um e problema cuja solu¸˜o ´ determinada resolvendo um sistema de equa¸oes lineares.12946 1.4 1.7 Resolu¸˜o ca e Aplicando uma transforma¸˜o logar´ ca ıtmica aos valores y = axb obt´m-se ln(y) = ln(a) + b ln(x). Para tal basta ca e c˜ tomar φ1 (x) = 1 e φ2 (x) = ln(x). Na tabela seguinte apresentam-se os valores de y dados.68741 1 1 1.68741.05247x0.5 Aproxima¸˜o em espa¸os vectoriais e m´ ca c ınimos quadrados O problema de aproxima¸˜o dos m´ ca ınimos quadrados que temos vindo a abordar pode ser inclu´ ıdo num problema mais geral de aproxima¸˜o em espa¸os vectoriais.6 1.73460b2 = 0.05247 e b = b2 = 0. bem como os valores obtidos com a fun¸˜o aproximante determinada.3 1.2 1.6 2 y 1 1. ca x y 1.34547b1 + 0. sendo b1 = ln(a) e b2 = b as constantes a determinar. Aproximar por uma fun¸˜o da forma y = axb os pontos ca x 1 1. Ent˜o a = eb1 = 1. A ca e fun¸˜o aproximante ser´ ca a y = 1.193 1. Aproxima¸˜o dos M´ ca ınimos Quadrados 95 a principal dificuldade desta abordagem est´ na determina¸˜o da fun¸˜o g.57378 a cuja solu¸˜o ´ b1 = 0.1. ca co Exemplo 6.454 1.052 1.05247x0. minimizando a soma dos quadrados dos desvios dos logaritmos de y. isto ´. da transa ca ca e forma¸˜o dos dados do problema que permite obter a classe de fun¸˜es aproximantes como uma ca co combina¸˜o linear de fun¸˜es conhecidas.05144 e b2 = 0.4. a co As constantes b1 e b2 s˜o calculadas resolvendo as equa¸˜es b1 b1 4 4 4 i=1 1 + b2 i=1 ln(xi ) = i=1 ln(yi ) 4 4 4 2 i=1 ln(xi ) + b2 i=1 ln (xi ) = i=1 ln(yi ) ln(xi ) Calculando os somat´rios indicados.Cap´ ıtulo 6.7 1.695 6.2 1.68741 . obt´m-se o sistema o e 4b1 + 1.

. . · . ck . . A combina¸˜o linear c1 v1 + c2 v2 + · · · + ck vk que torna m´ ca o valor u − (c1 v1 + c2 v2 + · · · + ck vk ) satisfaz as rela¸˜es co vj . 2. isto ´. . j = 1. . . Seja ainda u um qualquer vector de V e consideremos o problema de determinar a combina¸˜o linear c1 v1 + c2 v2 + · · · + ck vk que melhor aproxima u no ca sentido de tornar m´ ınimo u − (c1 v1 + c2 v2 + · · · + ck vk ) 2 . . c Destas rela¸˜es de ortogonalidade ´ poss´ concluir que co e ıvel vj . bem como sistematizar o estudo de tais o o problemas. vk = vj . . Este problema mais n˜o ´ do que o de determinar o elemento do subespa¸o de V gerado pelos a e c o vectores v1 . Seja ainda considerado. v1 + c2 vj . pois afirma que a diferen¸a ca e c e entre o vector u e a combina¸˜o linear c1 v1 + c2 v2 + · · · + ck vk que melhor o aproxima ´ ortogonal ca a cada um dos vectores v1 . . vk }. u − (c1 v1 + c2 v2 + · · · + ck vk ) = 0. c1 vj . trata-se de um problema de c minimiza¸˜o em Rk . v2 . a Teorema 6. . 2 Este resultado tem uma interpreta¸˜o geom´trica bastante simples. . vk que geram o subespa¸o considerado. . e v = v.1. . vk que se encontra mais pr´ximo do vector u. . . v2 . v2 + . vk } de vectores de V linearmente indeınimo pendentes e um vector u ∈ V . . Consideremos ent˜o um espa¸o vectorial real V no qual se encontra definido um produto interno a c que representaremos por ·. . {v1 . . u − vj . u para j = 1. . v2 . c2 . as quais permitir˜o determinar tal elemento. ca O teorema seguinte estabelece um conjunto de condi¸˜es que tˆm de ser satisfeitas pelo elemento co e minimizante. Aproxima¸˜o dos M´ ca ınimos Quadrados 96 s´ perspectivar extens˜es do problema considerado. . · a norma em V induzida pelo produto interno Tomemos um conjunto de vectores de V . . . k. . Obt´m-se ent˜o o seguinte sistema de k equa¸˜es lineares nas k inc´gnitas e a co o . v . . que por simplicidade de tratamento suporemos linearmente independentes. . v ∈ V. . 2. . . Uma vez que os elementos de tal subespa¸o se encontram parametrizados por c1 . . . + ck vj . Considere-se o conjunto {v1 . v2 . k.Cap´ ıtulo 6. c1 v1 + c2 v2 + · · · + ck vk = 0 ou seja.5.

. φ2 . v = i=1 u i vi . . Este sistema de equa¸˜es co a co co a tem solu¸˜o unica uma vez que se est´ a supor que os vectores v1 . v1   . u     . φ1 .  . . φk . v2 v2 . . vk s˜o linearmente ca ´ a independentes.   . . . .  . s˜o determinados resolvendo a  ¯ ¯ φ1 . . . .Cap´ ıtulo 6. v1 v1 . . . u = i=1 u2 i .. . . . φk   c2       . O problema de aproxima¸˜o dos m´ ca ınimos quadrados ´ ent˜o equivalente ao problema de detere a ¯1 + c2 φ2 + · · · + ck φk que torna m´ ¯ ¯ minar a combina¸˜o linear c1 φ ca ınimo o valor ¯ ¯ ¯ y − (c1 φ1 + c2 φ2 + · · · + ck φk ) 2 . . ck . φk ¯ ¯ ¯ φ ck ¯ ¯ φ1 . φ1 φ ¯ o seguinte sistema de equa¸˜es. c2 . e y =      e Consideremos o produto interno usual definido em Rn e a respectiva norma induzida.. . isto ´. . y φ ¯     . . vk .  . . . .   v1 . . . . . ¯k . u   = . . φ2 =   . . .. i=1 ¯ ¯ ¯ Considerem-se os vectores de Rn . v1 v1 .   .. . n u.   ¯k . φk e y definidos por ¯      φ1 (x1 ) φ2 (x1 ) φk (x1 )       φ1 (x2 )   φ2 (x2 )   φk (x2 )     ¯  ¯ ¯ φ1 =   . Voltemos agora ao problema original de aproxima¸˜o dos m´ ca ınimos quadrados que consiste em determinar a combina¸˜o linear ca c1 φ1 (x) + c2 φ2 (x) + · · · + ck φk (x). vk . . . conclui-se que os valores c1 .   vk .  vk .      . φ1 . . .  ¯k . v2 . ck . . φ1   φ2 . v2 .       v2 .. φ1 ¯ ¯   . . φ2 .    v2 . . y ¯ ¯ φ2 .. . . .. vk .  =  .  . yn     . . . . .   . Aproxima¸˜o dos M´ ca ınimos Quadrados 97 c1 . ¯ Trata-se ent˜o de um problema de aproxima¸˜o em espa¸os vectoriais como o acima apresentado. a ca c ca Desta forma. vk        c1 c2 . . yi )n . v2 . φ2 . co    ¯ ¯ ¯ ¯ φ1 . ∀u ∈ Rn . φk c1    ¯ ¯ ¯ ¯ φ2 . . . u ck Habitualmente estas equa¸˜es s˜o designadas por equa¸˜es normais. que minimiza a soma dos quadrados dos desvios relativos aos pares (xi . vk v2 . que caracterizam a solu¸˜o do problema. . . . . . . v ∈ Rn n 1/2 u = u. . φk =  . φ2 .      φ1 (xn ) φ2 (xn ) φk (xn )   y1 y2 . . ∀u. . v1 .         ¯ . φ2 . c2 . y . .

.. Daqui resulta naturalmente que o n´mero de pontos n dever´ ser sempre superior u a ou igual ao n´mero de fun¸˜es consideradas k. atr´s definidos. i=1 n φ1 (xi )φk (xi ) φ2 (xi )φk (xi ) i=1 c1 i=1 n φ1 (xi )yi φ2 (xi )yi i=1 φ2 (xi )φ1 (xi ) i=1 . . .. u co . φk (xi )φ1 (xi ) n i=1 . que mais n˜o ´ do que aquele anteriormente obtido.. . . φk (xi )yi . φk (xi )φ2 (xi ) n i=1 . forem linearmente independentes. . . φk s˜o linearmente independentes nos pontos co x1 . . ck n i=1 . .. pode concluir-se que este problema tem a e ca ¯ ¯ ¯1 . . φk (xi )φk (xi ) = n i=1 .. . x2 . . . . . . a solu¸˜o unica se os vectores φ ca ´ a Neste caso diz-se que as fun¸˜es φ1 .. . . φ2 . a e Esta abordagem da aproxima¸˜o dos m´ ca ınimos quadrados permite agora analisar facilmente a quest˜o da existˆncia e unicidade de solu¸˜o. . . Assim.. φk . . . xn . . . este sistema de equa¸˜es toma a forma co ¾ n n n ¿¾ ¿ ¾ n ¿ φ1 (xi )φ1 (xi ) i=1 n i=1 n φ1 (xi )φ2 (xi ) φ2 (xi )φ2 (xi ) i=1 . Aproxima¸˜o dos M´ ca ınimos Quadrados 98 Atendendo ao produto interno considerado em Rn . c2 .Cap´ ıtulo 6.

y g(x) (xn .1: Interpola¸˜o. . i = 0. (x1 . a 99 . . ca ca ca . (xn . y0 ) (x1 . . tal que g(xi ) = yi . n. .. ca o ca ca Os valores x0 . Os correspondentes valores y0 . y1 ). . . . . 1. . ca ca O problema de interpola¸˜o tem aplica¸˜es em diversas situa¸˜es como sejam ca co co • o c´lculo de fun¸˜es fornecidas por tabelas quando se pretende avaliar a fun¸˜o em pontos a co ca n˜o tabelados (muito importante no passado!). dado um conjunto de pares ordenados (x0 . . determinar uma fun¸˜o g. y1 . designada fun¸˜o interpoladora. ca a a ca o das quais se destacam a escolha da classe de fun¸˜es interpoladoras a utilizar e a forma de co determinar concretamente a fun¸˜o (ou uma fun¸˜o) interpoladora.Cap´ ıtulo 7 Interpola¸˜o ca 7. . serem todos diferentes. y1 ) x Figura 7. Perante um dado problema de interpola¸˜o ser´ necess´rio ter em considera¸˜o diversas quest˜es. . . yn ). xn designam-se por n´s de interpola¸˜o e devem satisfazer a condi¸˜o i = j ⇒ xi = xj . ou seja. yn ) (x0 . y0 ). . x1 .1 Introdu¸˜o ca O problema de interpola¸˜o consiste em. yn designam-se por valores nodais.

existe uma fun¸˜o polinomial p tal que a ca max |f (x) − p(x)| < ε. Interpola¸˜o ca 100 • quando apenas se conhecem os valores de uma fun¸˜o em certos pontos. • As opera¸˜es de deriva¸˜o e primitiva¸˜o de fun¸˜es polinomiais s˜o simples e podem ser co ca ca co a facilmente realizadas de forma autom´tica.2 Interpola¸˜o polinomial ca Comecemos por relembrar que uma fun¸˜o p diz-se polinomial de grau n se puder ser escrita ca na forma p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 onde n ∈ N0 e an = 0. Ent˜o.2. b]. Seja [a. e e O estudo de problemas de interpola¸˜o aqui apresentado centra-se na interpola¸˜o polinomial ca ca (fun¸˜es interpoladoras polinomiais).). . e co • a aproxima¸˜o de fun¸˜es cujo c´lculo seja complexo ou exija grande esfor¸o. e se pretende avaliar a fun¸˜o em novos pontos ca (sem repetir experiˆncias ou medi¸˜es .1 (Weierstrass).b] . por conven¸˜o. • O c´lculo dos valores de fun¸˜es polinomiais ´ feito com um n´mero finito de multiplica¸˜es a co e u co e somas. x∈[a. 7. ca co a c • a base de muitos m´todos num´ricos. Teorema 7.Cap´ ıtulo 7. uma fun¸˜o polinomial ´ aqui identificada com o polin´mio que a ca e o caracteriza. por exemplo ca resultantes de medidas experimentais. −∞. a • As fun¸˜es polinomiais s˜o de classe C ∞ . e o seu grau ´. Por abuso de linguagem. excepto quando n = 0 em que an pode ser nulo. . b] um intervalo real e f uma fun¸˜o cont´ ca ınua em [a. Neste ultimo caso o ´ polin´mio diz-se nulo. o e ca Das justifica¸˜es para a utiliza¸˜o de fun¸˜es interpoladoras polinomiais podemos destacar as co ca co que se seguem. abordando ainda a interpola¸˜o polinomial segmentada co ca (splines polinomiais). qualquer que seja ε > 0. co a • As fun¸˜es polinomiais aproximam tanto quanto se queira qualquer fun¸˜o cont´ co ca ınua num intervalo finito (ver resultado abaixo).

que em determinadas circunstˆncias. No entanto. Para a forma de potˆncias simples. O c´lculo do valor de um polin´mio p num ponto x pode ser efectuado de uma forma eficiente a o (reduzindo o n´mero de opera¸˜es aritm´ticas a realizar) empregando o designado algoritmo u co e de Horner. p(x) = a0 + a1 x + · · · + an xn .2: Teorema de Weierstrass. ˜ a onde os ci (i = 1. n˜o fornece nenhuma indica¸˜o sobre a ca ´ como determinar tais polin´mios. tem-se y = an Para i = n − 1 at´ 0 fazer e y = ai + y · (x − ci+1 ) . p(x) = a0 + a1 (x − c1 ) + · · · + an (x − c1 ) · · · (x − cn ). . Interpola¸˜o ca 101 y f (x) + ε f (x) f (x) − ε p(x) a x b Figura 7. . o Um dado polin´mio p (leia-se fun¸˜o polinomial) pode ser apresentado de diversas formas. E o ca ca de referir. em fun¸˜o dependendo de uma aproxima¸˜o ε pretendida. a interpola¸˜o polinomial produz a ca polin´mios aproximantes. ¯ onde c ´ uma constante. designadas por centros.Cap´ ıtulo 7. Na forma de Newton ser´ escrito como e a ˜ ˜ ˜ p(x) = a0 + a1 (x − c1 ) + a2 (x − c1 )(x − c2 ) + · · · + an (x − c1 ) · · · (x − cn ). no entanto. tem-se e y = an Para i = n − 1 at´ 0 fazer e y = ai + y · x Para a forma de Newton. n) s˜o constantes. Este teorema afirma a existˆncia de polin´mios que aproximam tanto quanto se queira qualquer e o fun¸˜o cont´ ca ınua (num intervalo limitado). Na o ca forma de potˆncias simples ser´ escrito como e a p(x) = a0 + a1 x + a2 x2 + · · · + an xn . Na forma de potˆncias centradas ser´ agora escrito como e a ¯ ¯ ¯ p(x) = a0 + a1 (x − c) + a2 (x − c)2 + · · · + an (x − c)n . . designada por centro. .

. .Cap´ ıtulo 7. existe um e um s´ polin´mio p de grau menor ou igual a n tal que i=0 p(xi ) = yi . que tomam os mesmos valores num conjunto de n´s x0 . e 7. d ser tamb´m o polin´mio nulo. ent˜o p(x) = (x − z1 ) · (x − z2 ) · · · (x − zk ) · r(x) onde r ´ tamb´m um polin´mio.3. ou e o e o seja. Seja d o polin´mio diferen¸a entre p e q. Seja m o grau de r e suponha-se que m ≥ 0. a Conclui-se assim que n˜o se pode ter m ≥ 0.3.3 Polin´mio interpolador: unicidade e existˆncia o e Nesta sec¸˜o iremos mostrar que para um conjunto de n´s distintos (xi )n e respectivos valores ca o i=0 o o nodais (yi )n quaisquer. n. . z2 . . . . Ent˜o pode escrever-se a d(x) = (x − x0 ) · (x − x1 ) · · · (x − xn ) · r(x) para algum polin´mio r. a A alternativa ´ r ser o polin´mio nulo e. que ser´ utica o a lizado posteriormente. . ou polin´mios p e q serem iguais. .2 (Unicidade do polin´mio interpolador). o a e a Como p e q tomam valores iguais em x0 . xn distintos. . . . . o a Demonstra¸˜o. consequentemente. de grau inferior o o a ou igual a n. x1 . Se z1 . . ´ imediato concluir que x0 . . e e o O resultado seguinte afirma que se existir um polin´mio interpolador de grau menor ou igual a o n ent˜o ele ´ unico. de grau a a e o o o menor ou igual a n. x1 . + an xn . . o Ent˜o o grau de d seria n + 1 + m. x1 . . Ent˜o o estes polin´mios s˜o iguais. Comecemos por relembrar o seguinte resultado sobre factoriza¸˜o de polin´mios. p(x) = a0 + a1 x + . zk forem zeros distintos do polin´mio p. . . n) . Se o polin´mio.1. . a e´ Teorema 7. . o Passemos agora ` quest˜o da existˆncia do polin´mio interpolador. . Sejam p e q polin´mios. interpolar os valores yi nos n´s xi (i = 0. o a Teorema 7. xn s˜o ra´ ızes distintas de d. xn . . . . . para i = 0. . isto ´ ca o c e d(x) = p(x) − q(x) Este polin´mio ter´ grau inferior ou igual a n. Interpola¸˜o ca 102 Em ambos os casos p(x) ´ dado pelo valor final de y. contrariando o facto do grau de d ser inferior ou igual a n.

. .. xn ) = 0 0 . designa-se por determinante de Vandermonde nos n + 1 pontos x0 . .     a0 + a1 xn + . . a1 . . . . x2 (x2 − x0 ) x2 (x2 − x0 ) . . . . . . . . x0 0 n−1 x1 (x1 . . x1 (x1 − x0 ) .. . . . xn e ´ dado por e 1 x0 v(x0 . x1 . . . .. x0 xn 0 n−1 . . .. . . . x1 xn 1 . . x1 (x1 − x0 ) x1 (x1 − x0 ) n−2 n−1 x2 (x2 − x0 ) . n−2 n−1 1 xn − x0 xn (xn − x0 ) . . xn n 0 n n Subtraindo agora a pen´ltima coluna a ante-pen´ltima coluna multiplicada por x0 . . . . . . Este.. x1 . ent˜o os seus coeficientes ter˜o de verificar a a   a0 + a1 x0 + . Interpola¸˜o ca 103 distintos.. − x0 ) . n−2 xn−2 (x − x ) xn−1 (x − x ) 1 xn x2 .. . n−2 n−1 xn − x0 xn (xn − x0 ) . . . . n−1 . . . . x1 . . xn ) = x2 − x0 . n−2 n−1 x1 (x1 − x0 ) . . . . x1 . n−1 xn−1 (x − x ) 1 xn x2 . Comecemos por subtrair ` ultima cola´ e una deste determinante a pen´ltima coluna multiplicada por x0 . xn n 0 n 0 n n n Repetindo este processo at´ subtrair a segunda coluna a primeira coluna multiplicada por x0 . . . . . xn ) = 1 x1 . . . . x2 0 x2 1 . ´ ent˜o equivalente a existˆncia de solu¸˜o deste sistema de e o e a ` e ca equa¸˜es. . . . . . . . resulta ` u u 1 x0 v(x0 . e ` obt´m-se e 1 v(x0 . . + an xn = y0  0    a + a x + . chega-se a x1 − x0 v(x0 . . . . . . . . . . .. n−1 . . n−2 x1 − x0 ) . . . . . Obt´m-se assim o determinante u equivalente 1 x0 v(x0 . . . . . . . . . .. . n−2 . . xn ) = 1 x1 . . . xn (xn − x0 ) xn (xn − x0 ) . . . . . x1 . . . . .. . 0 n−2 x1 (x1 0 − x0 ) n−1 x1 (x1 1 x1 − x0 . . n−1 x1 − x0 ) . + an xn = yn n que n˜o ´ mais do que um sistema de n + 1 equa¸˜es lineares nas n + 1 inc´gnitas a0 . . . + a xn = y 0 1 1 n 1 1  . . . . an . .. .. . . . xn n n O valor deste determinante pode calculado como se segue. n−1 xn 1 xn x2 . . . xn (xn − x0 ) xn (xn − x0 ) Desenvolvendo este determinante pela primeira linha. . x1 . . . x2 0 x2 1 . .. . . x0 0 n−2 x1 (x1 0 − x0 ) n−1 x1 (x1 . . . . . Esta quest˜o pode ser avaliada analisando o determinante da matriz dos coeficientes do co a sistema. . . . .Cap´ ıtulo 7. . . . . . . . xn ) = 1 x1 . . . . x2 0 x2 1 . . . a e co o A existˆncia do polin´mio p.

na segunda linha x2 − x0 . Uma possibilidade ´ resolver o sistema de equa¸˜es de interpola¸˜o e co ca n j=0 aj xj = yi . n˜o ´ aconselh´vel. . . . . xn ) =  n  (xj − x0 ) · v(x1 . j=1 onde v(x1 . xn ) e assim sucessivamente. . x1 . ·  n  (xj − xn−1 ) j=2 j=n a a o concluindo-se ent˜o que v(x0 . . ca e ` Nas sec¸˜es seguintes ser˜o estudados processos mais eficientes de determinar o polin´mio interco a o polador. . . Interessa aqui real¸ar que os processos apresentados constituem diferentes formas de c obter o mesmo polin´mio interpolador (dado um mesmo conjunto de n´s e respectivos valores o o nodais). . e assim e ´ sucessivamente. Interpola¸˜o ca 104 Colocando agora em evidˆncia na primeira linha x1 − x0 . embora simples. 1. . que pioram a medida que n cresce. a Verifica-se deste modo que o sistema de equa¸˜es que permite obter os coeficientes do polin´mio co o interpolador ´ poss´ (e determinado). . . . . . . . . xn ) =  n j=1   (xj − x0 ) ·  n   (xj − x1 ) · . . . . . . a resolu¸˜o deste sistema pode acarretar elevados erros num´ricos devidos ` ca e a utiliza¸˜o de aritm´tica finita. a i=0 i=0 Uma vez mostrada a existˆncia e unicidade do polin´mio interpolador. . . . . x1 . a e a u a Por outro lado. x1 . . pois exige um n´mero elevado de c´lculos.Cap´ ıtulo 7. at´ xn − x0 na ultima linha. . . . . xn ) ´ o determinante de Vandermonde nos n pontos x1 . . . . . . tem-se ainda que e 1 x1 v(x0 . . xn ) ser´ n˜o nulo desde que os n´s xi sejam todos diferentes. xn ) = (x1 − x0 ) · (x2 − x0 ) · · · (xn − x0 ) · 1 x2 . . . . . podendo ent˜o afirmar-se que existe um polin´mio de e ıvel a o o grau n˜o superior a n que interpola os valores (yi )n nos n´s distintos (xi )n .. . . depois para v(x2 . x1 . . obt´m-se a express˜o e a  v(x0 . n−1 . . . . . Esta abordagem. e Repetindo o processo acima para o determinante v(x1 . . . x1 n−1 . . . . . . xn . xn n pelo que se pode escrever  v(x0 . interessa agora encontrar e o formas de o determinar. i i = 0. xn ). . . n. . x2 1 x2 2 . xn ). . x2 . . n−1 1 xn x2 .

de grau menor ou igual a n. . yn nos n´s distintos x0 . 1. x1 . para cada n´ xi tem-se que e o n n p(xi ) = k=0 yk Lk (xi ) = k=0 yk δki = yi pelo que p interpola os valores nodais. y1 . designam-se por polin´mios de Lagrange. = 0 se k = j. Por outro lado.Cap´ ıtulo 7.4. . que interpola o conjunto de valores o o e y0 . relativos aos n´s x0 . .4 Forma de Lagrange Consideremos novamente um conjunto de n´s distintos (xi )n . . . .1. . o o O polin´mio interpolador na forma de Lagrange ´ obtido como uma combina¸˜o linear dos o e ca polin´mios de Lagrange relativos aos n´s em quest˜o. y L0 (x) 1 L1 (x) L3 (x) x0 x1 x2 x3 L2 (x) x Figura 7. conclui-se que o grau de p ca e o ´ menor ou igual a n. .3: Polin´mios de Lagrange (exemplo com 4 n´s). n. . xn ´ dado por n p(x) = k=0 yk Lk (x). Interpola¸˜o ca 105 7. x1 . como se refere no seguinte teorema. O polin´mio p. . onde δkj ´ o o co e designado delta de Kronecker. o o Facilmente se conclui que estes polin´mios verificam as rela¸˜es Lk (xj ) = δkj . Os polin´mios (de grau n) o o i=0 definidos pela express˜o a Lk (x) = i=0 i=k n x − xi . ou seja δkj  1 se k = j. . . . . xk − xi k = 0. a Teorema 7. Demonstra¸˜o. . Como p ´ a soma de polin´mios de grau n ou nulos. Os coeficientes desta combina¸˜o linear o o a ca ser˜o os valores nodais a interpolar. . . xn .

4. n˜o ´ necess´rio recalcular os polin´mios Lk . a e a o Por outro lado. Determinar o polin´mio de grau menor ou igual a 3 que interpola os valores o x −1 y Resolu¸˜o ca Inicialmente calculam-se os polin´mios de Lagrange relativos aos n´s de interpola¸˜o. quando se altera ou adiciona um n´ ´ necess´rio recalcular todos os polin´mios oe a o a Lk . mas algum ou alguns dos valores nodais for o ca ca alterado. .1. desaproveitando todos os c´lculos entretanto efectuados. 2 2 A forma de Lagrange do polin´mio interpolador ´ bastante f´cil de determinar. mas somente a sua combina¸˜o linear. o e a e se os n´s de interpola¸˜o se mantiverem fixos. ca o Exemplo 7.Cap´ ıtulo 7. o o ca L0 (x) = = L1 (x) = = L2 (x) = = L3 (x) = = (x − x1 )(x − x2 )(x − x3 ) (x0 − x1 )(x0 − x2 )(x0 − x3 ) 1 (x − 0)(x − 2)(x − 3) = − x(x − 2)(x − 3) (−1 − 0)(−1 − 2)(−1 − 3) 12 (x − x0 )(x − x2 )(x − x3 ) (x1 − x0 )(x1 − x2 )(x1 − x3 ) 1 (x − (−1))(x − 2)(x − 3) = (x + 1)(x − 2)(x − 3) (0 − (−1))(0 − 2)(0 − 3) 6 (x − x0 )(x − x1 )(x − x3 ) (x2 − x0 )(x2 − x1 )(x2 − x3 ) 1 (x − (−1))(x − 0)(x − 3) = − (x + 1)x(x − 3) (2 − (−1))(2 − 0)(2 − 3) 6 (x − x0 )(x − x1 )(x − x2 ) (x3 − x0 )(x3 − x1 )(x3 − x2 ) 1 (x − (−1))(x − 0)(x − 2) = (x + 1)x(x − 2) (3 − (−1))(3 − 0)(3 − 2) 12 0 2 3 6 −12 18 24 O polin´mio interpolador na forma de Lagrange ser´ o a p(x) = 6 · L0 (x) + (−12) · L1 (x) + 18 · L2 (x) + 24 · L3 (x) 1 = − x(x − 2)(x − 3) − 2(x + 1)(x − 2)(x − 3) 2 −3(x + 1)x(x − 3) + 2(x + 1)x(x − 2) Este polin´mio escrito na forma de potˆncias simples fica o e 29 7 p(x) = − x3 + x2 − 12. Interpola¸˜o ca 106 O exemplo seguinte ilustra a obten¸˜o do polin´mio interpolador na forma de Lagrange. Al´m disso.

e os polin´mios pm. m + k.k como o polin´mio o ca de grau menor ou igual a k que interpola os valores (yi )m+k nos n´s (xi )m+k . o Sejam m um inteiro entre 0 e n. e defina-se pm. xm − xm+k+1 Demonstra¸˜o. k um inteiro entre 0 e n − m. A obten¸˜o i=m i=m do polin´mio interpolador na forma de Aitken-Neville ´ ilustrada na figura seguinte. Ent˜o pm. .k e pm+1. Seja i um inteiro tal que m + 1 ≤ i ≤ m + k.k+1 resta ent˜o verificar que a a q(xi ) = yi .k+1 satisfaz a o rela¸˜o ca pm.k (xi ) = yi e pm+1.k s˜o polin´mios de grau n˜o superior a k.1.k e pm+1.k (xi ) = yi .k e pm+1.k+1 ´ constru´ a custa dos polin´mios pm. Para mostrar que q ≡ pm. O teorema seguinte apresenta a express˜o que permite o c´lculo do polin´mio interpolador na a a o forma de Aitken-Neville. Calculando a .Cap´ ıtulo 7. o polin´mio pm. Como pm.4: Forma de Aitken-Neville.k+1 (x) ym ym+1 pm. Dados m e k. para i = m. considerando sucessivamente mais n´s de interpola¸˜o e respectivos o ca valores nodais.k . m + 1. .k (x) + (xm − x) · pm+1.k (x) + (xm − x) · pm+1. m + k + 1.k+1 (x) = (x − xm+k+1 ) · pm. .5 Forma de Aitken-Neville A forma de Aitken-Neville permite calcular o valor do polin´mio interpolador num ponto o x de uma forma recursiva.k (x) xm xm+1 xm+k xm+k+1 x Figura 7. . o y ym+k ym+k+1 pm+1.k (x) .k .k (x) xm − xm+k+1 ter´ grau menor ou igual a k + 1. o polin´mio q ca a o a o definido por q(x) = (x − xm+k+1 ) · pm.5. o Teorema 7.k (x) pm. Interpola¸˜o ca 107 7. onde o o e e ıdo ` o polin´mio pm.

. em x. o o A forma de Aitken-Neville ´ muitas vezes tamb´m designada por interpola¸˜o linear iterada. e ca Uma vez que pi. tem-se respectivamente que (xm − xm+k+1 ) · ym = ym e xm − xm+k+1 (xm − xm+k+1 ) · ym+k+1 q(xm+k+1 ) = = ym+k+1 . n. como pm.1 (x). pi. ´ necess´rio calcular o i=0 i=0 pi.k (xm ) = ym e pm+1.i+1 (x) pi. .k (xm+k+1 ) = ym+k+1 . n − 1. i = 0..5. ca A express˜o de recorrˆncia da forma de Aitken-Neville pode ainda ser escrita como a e pm. A aplica¸˜o repetida da express˜o (7. . p0. . xm − xm+k+1 o e a Para avaliar o polin´mio que interpola (yi )n nos n´s (xi )n .k+1 (x) = pm+1.. permite avaliar o valor do ca a polin´mio interpolador nesse ponto sem determinar os coeficientes do polin´mio. e. .k (x) x − xm x − xm+k+1 .i+2 (x) .1) para um dado ponto x.k (x) pm. .5. .1 (x) = yi. .. . xm − xm+k+1 xm − xm+k+1 Por outro lado. ´ habitual utilizar a nota¸˜o pi. m + 1. . m + k + 1. . Interpola¸˜o ca 108 q(xi ) obt´m-se e q(xi ) = (xi − xm+k+1 ) · yi + (xm − xi ) · yi (xm − xm+k+1 ) · yi = = yi .0 (x) ≡ yi .n (x) = p(x).2 (x) = yi. . i = 0.1) corresponde a uma generaliza¸˜o da express˜o a ca a (x − x1 ) · y0 + (x0 − x) · y1 x0 − x1 que permite calcular o valor em x da fun¸˜o linear que interpola y0 em x0 e y1 em x1 . e e ca De facto. m + k.. como se pretendia mostrar.i+1. a express˜o (7. finalmente. xm − xm+k+1 q(xm ) = concluindo-se portanto que q(xi ) = yi para i = m. .0 (x).0 (x) = yi (x) pi.Cap´ ıtulo 7. .

y12 (1) = −12 18 1−0 1−2 = 3.i+1. y01 (x) x − x0 y012 (x) = y12 (x) x − x2 x0 − x2 ... Contudo.i+2 c˜ −30 y012 (1) = 1+1 = −8. a ca a ca . Determinar. A principal caracter´ ıstica que distingue a forma de Aitken-Neville prende-se com o facto de permitir calcular o valor do polin´mio interpolador num dados ponto sem calcular os seus coefio cientes. o valor do polin´mio de grau menor ou igual a 3 que o interpola os valores da seguinte tabela. obt´m-se o valor y0123 pretendido e −8 1 + 1 y0123 (1) = 6 1−3 −1 − 3 = −1.. obtˆm-se os valores yi....5. Esta forma permite ainda adicionar e retirar n´s nos “extremos” reutilizando os c´lculos o a j´ efectuados.. em x = 1. y123 (1) = 3 1−0 12 1−3 0−3 =6 3 1−2 −1 − 2 Finalmente. Interpola¸˜o ca 109 tendo-se ent˜o a y0 x − x0 y01 (x) = y1 x − x1 x0 − x1 . x −1 y 0 2 3 6 −12 18 24 Resolu¸˜o ca Interpolando linearmente entre cada dois pontos consecutivos.. y23 (1) = 18 24 1−2 1−3 2−3 = 12 0−2 Segue-se a interpola¸ao dos valores obtidos acima para obter os valores yi.Cap´ ıtulo 7.i+1 e 6 1+1 y01 (1) = −12 1 − 0 −1 − 0 = −30. Exemplo 7. . y12 (x) = y1 x − x1 y2 x − x2 x1 − x2 . exige a repeti¸˜o dos c´lculos se houver altera¸˜o dos valores nodais.1.

designados polin´mios nodais. . a1 . xn . n. . . . a1 . . ent˜o o polin´mio pk interpola os valores (yj )k nos n´s (xj )k . ficando a sua determina¸˜o reduzida ao c´lculo dos coeficientes a0 . a o o j=0 j=0 Demonstra¸˜o. p1 (x) = a0 + a1 W0 (x). . . pk (x) = pk−1 (x) + ak Wk−1 (x). Interpola¸˜o ca 110 7. . . p1 . . .. . . . xn . definam-se os o e polin´mios p0 . Fazendo a0 = y0 e ak = yk − pk−1 (xk ) . .. . . an do polin´mio interpolador na forma de Newton.6 Forma de Newton Consideremos novamente os n´s de interpola¸˜o distintos x0 . x1 . . . a O teorema seguinte mostra como se devem calcular os valores dos coeficientes a0 . . . escrito na forma Newton acima indicada. . . . . e o Note-se que o polin´mio pk apenas depende dos valores a0 . . 1. . . p2 (x) = a0 + a1 W0 (x) + a2 W1 (x). ak e tamb´m que o polin´mio o interpolador p ser´ dado por pn . x1 . . an . n. da seguinte forma W0 (x) = x − x0 W1 (x) = (x − x0 )(x − x1 ) . pn por interm´dio de o p0 (x) = a0 . . Definam-se os polin´mios o ca o o Wi . ca ca a ca . Estes polin´mios podem obter-se de uma forma recursiva fazendo o p0 (x) = a0 e k = 1.. . . isto para k = 0. . . o Teorema 7. . . .Cap´ ıtulo 7. ca a Partindo do polin´mio interpolador p. 1.. Wk−1 (xk ) k = 1. isto ´. para i = 0. n. o p(x) = a0 + a1 W0 (x) + · · · + an Wn−1 (x). . Esta demonstra¸˜o ser´ feita por indu¸˜o. Wn−1 (x) = (x − x0 )(x − x1 ) · · · (x − xn−1 ) O polin´mio interpolador p pode ser escrito na forma de Newton tomando como centros os o e n´s distintos x0 . n − 1.1.6. . . .

W0 (x1 ) 2+1 3 Usando finalmente o n´ 3. Wk−1 (xk ) concluindo-se finalmente que pk interpola os valores (yj )k nos n´s (xj )k . concluindo-se ent˜o que pk (xj ) = pk−1 (xj ) = yj . e Passando a agora ao n´ 1. Determinar. na forma de Newton.1 (x − xm ) + · · · + am. tem-se o p2 (x) = p1 (x) + 5 − (1 + 2 (3 + 1)) y2 − p1 (x2 ) 2 3 W1 (x) = 1 + (x + 1) + (x + 1)(x − 2) W1 (x2 ) 3 (3 + 1)(3 − 2) Sendo ent˜o o polin´mio interpolador p(x) = p2 (x) dado por a o 1 2 p(x) = 1 + (x + 1) + (x + 1)(x − 2).0 + am. . . . Por outro lado. . tem-se que pk (xk ) = pk−1 (xk ) + yk − pk−1 (xk ) Wk−1 (xk ) = yk . . o j=0 j=0 Do processo de determina¸˜o dos coeficientes do polin´mio na forma de Newton. o polin´mio de grau menor ou igual a 2 o que interpola os valores da seguinte tabela. Da defini¸˜o dos polin´mios W0 . . . . ∀j = 0. e a Exemplo 7.6.Cap´ ıtulo 7. . W1 . . 1.k (x − xm ) · · · (x − xm+k−1 ) . Interpola¸˜o ca 111 Como p0 (x) = y0 . 3 3 7. . k − 1. obt´m-se o p1 (x) = p0 (x) + 2 y1 − p0 (x1 ) 3−1 W0 (x) = 1 + (x + 1) = 1 + (x + 1). Embora seja habitual ordenar os n´s de interpola¸˜o. tem-se que a Wk−1 (xj ) = 0. podendo estes ser considerados por qualquer ordem. este polin´mio ser´ i=m i=m pm. j=0 j=0 ca o pk (x) = pk−1 (x) + ak Wk−1 (x).k como o polin´mio de grau menor ou igual a a o o o a k que interpola os valores (yi )m+k nos n´s (xi )m+k . Wn−1 . e fazendo W0 (x) = x − x0 = x + 1. x −1 2 3 y 1 3 5 o Resolu¸˜o Come¸ando com o n´ 0 tem-se que p0 (x) = y0 = 1.k (x) = am. .1. k − 1. eo o o a Suponha-se agora que pk−1 interpola os valores (yj )k−1 nos n´s (xj )k−1 . tal n˜o a a o ca a ´ necess´rio. 1. Como se viu atr´s. polin´mio que interpola o ca c o primeiro ponto da tabela. ∀j = 0. aproveitando os ca o a c´lculos entretanto j´ efectuados. conclui-se que ca o a considera¸˜o de novos n´s apenas exige o c´lculo dos coeficientes adicionais. e como W0 (x) = (x − x0 )(x − x1 ) = (x + 1)(x − 1). ´ ´bvio que este polin´mio interpola y0 em x0 . defina-se pm.7 Diferen¸as divididas e diferen¸as finitas c c Sendo m e k inteiros n˜o negativos. Na forma de Newton.

. xk+1 ] = com 0 ≤ m ≤ k ≤ n − 1. 1.. e c y[xm . k. . . xk+1 ] = y[xm+1 . que interpolam o k+1 k+1 k a o (yj )k j=m em (xj )j=m e (yj )j=m+1 em (xj )j=m+1 . xm+j ] e designa-se por diferen¸a dividida (de ordem j nos n´s xm .k−m+1 . o Demonstra¸˜o.k−m . . com 0 ≤ j ≤ n. yk+1 em xm . xk+1 ] − y[xm . . xk+1 ] − y[xm . . Este coeficiente i=m i=m representa-se por am. . x2 ] = x2 − x0 y[x0 . . .Cap´ ıtulo 7. . Interpola¸˜o ca 112 A constru¸˜o do polin´mio interpolador na forma de Newton permite concluir que o coeficiente ca o o am. . . . . y[xj ] = yj . xn ](x − x0 ) · · · (x − xn−1 ) onde y[x0 ] = y0 y[x1 ] − y[x0 ] x1 − x0 y[x1 . . . x1 ] = . . xk+1 − xm am+1.k−m os polin´mios. usando diferen¸as divididas.7. . o polin´mio q definido y[xm+1 . . . xk+1 − xm A utiliza¸˜o de diferen¸as divididas permite escrever o polin´mio interpolador na forma de ca c o Newton como p(x) = y[x0 ] + y[x0 .k−m − am. c y[xm . x1 .j .0 (x) = yj interpola yj em xj . . xk ] xk+1 − xm pela express˜o a q(x) = xk+1 − x x − xm pm+1. . xk ] . Igualando os o e coeficientes do termo xk−m+1 obt´m-se am.j = y[xm . de graus menores ou iguais a k − m. . . . respectivamente. . . . xm+j ). . a Teorema 7. x1 . x2 ] − y[x0 . . . . As diferen¸as dividas satisfazem y[xj ] = yj .k−m e pm+1. . . apenas depende dos valores (yi )m+j e dos n´s (xi )m+j . x1 ](x − x0 ) + · · · + y[x0 . . . . .k−m+1 = ou ainda. uma vez que o polin´mio constante pj.1. x1 ] y[x0 . Da unicidade do polin´mio interpolador tem-se que q ≡ pm.k−m (x) xk+1 − xm xk+1 − xm interpola ym . para j = 0.k−m (x) + pm. . . . ca Sejam pm. . . . c o O teorema seguinte estabelece uma rela¸˜o entre diferen¸as divididas que permite efectuar o seu ca c c´lculo de um modo recursivo. xk+1 e tem grau menor ou igual a k − m + 1 (notar a semelhan¸a entre esta express˜o e a rela¸˜o de recorrˆncia da forma de Aitken-Neville do polin´mio c a ca e o interpolador). . . Ent˜o. . . . .

Interpola¸˜o ca 113 Os c´lculos das diferen¸as divididas podem ser organizados de um modo expedito dispondo-os a c numa tabela como se mostra abaixo (exemplo com 4 n´s). 1. x1 . . x −1 y 6 0 2 3 24 −12 18 Resolu¸˜o ca A tabela das diferen¸as divididas correspondente aos valores dados ´ c e x −1 0 2 3 y[·] 6 −18 −12 15 18 6 24 −3 11 −7 2 y[·. x1 . ·. . . ·] y[·. ·.7. h h h k = 0. ·] O exemplo seguinte ilustra a utiliza¸˜o de diferen¸as divididas para a obten¸˜o do polin´mio ca c ca o interpolador na forma de Newton. o polin´mio de grau menor ou igual a 3 o que interpola os valores da seguinte tabela. ·] E ent˜o o polin´mio interpolador ser´ a o a p(x) = 6 − 18(x + 1) + 11(x + 1)x − 7 (x + 1)x(x − 2). ·. x3 ] y3 y[x1 . x1 ] y1 y[x1 . ·] y[·. x2 . Exemplo 7. x3 ] y[x0 .Cap´ ıtulo 7. ·. 2 Para al´m das diferen¸as divididas. ·] y[·. e c e c ca A diferen¸a finita de ordem k ∈ N0 e passo h > 0 da fun¸˜o f representa-se por ∆k f e o seu c h valor no ponto x ´ e ∆0 f (x) = f (x). x2 ] y[x0 . Determinar. x2 . na forma de Newton. h ∆k+1 f (x) = ∆k f (x + h) − ∆k f (x). ·] y[·. ·. x2 ] y2 y[x2 . podem tamb´m definir-se as designadas diferen¸as finitas. o x x0 x1 x2 x3 y[·] y0 y[x0 .1. . ·. x3 ] y[·.

. tem-se ca y[xi . a Desta forma. as diferen¸as finitas dos valores nodais (yi )n s˜o dadas por i=0 a ∆ 0 yi = yi ∆1 y . . . . . . . . O resultado apresentado em seguida estabelece uma rela¸˜o entre as diferen¸as finitas e as ca c diferen¸as divididas dos valores nodais correspondentes a n´s igualmente espa¸ados. . xi+k+1 ] − y[xi . . . . xi+k satisfaz y[xi . . A diferen¸a dividida de ordem k dos valores nodais y nos n´s h-equidistantes c o xi .Cap´ ıtulo 7. . xi+k+1 ] = y[xi+1 . h ∆2 f (x) = ∆1 f (x + h) − ∆1 f (x) = [f (x + 2h) − f (x + h)] − [f (x + h) − f (x)].. . . . . . xi+k+1 ] = 1 ∆k yi+1 k!hk 1 − k!hk ∆k yi (k + 1)h Da defini¸˜o das diferen¸as finitas tem-se ∆k+1 yi = ∆k yi+1 − ∆k yi . . xi+1 . n i = 0. .. . . . tem-se que ∆1 f (x) = f (x + h) − x(x). quando existe um o ca c e c valor h tal que xi+1 − xi = h. c o c Teorema 7. a validade da express˜o dada para k + 1.7. n − 1 i = 0. . . . . .2. . . ∆1 f. ca . . . xi+k ] xi+k+1 − xi Supondo a validade da rela¸˜o a mostrar para k. . h h h . Sempre que n˜o haja ambiguidade quanto ao valor do passo h.. . xi+k+1 ] = 1 1 1 ∆k+1 yi = ∆k+1 yi k (k + 1)h k!h (k + 1)!hk+1 ou seja. . obtendo-se ca c y[xi . Quando os n´s de interpola¸˜o se encontram igualmente espa¸ados. n − 1. . . . . por defini¸˜o. xi+k ] = 1 ∆ k yi k!hk i i = 0. Interpola¸˜o ca 114 Em particular. Sendo k = 0 verifica-se que y[xi ] = yi = ∆0 yi . 1. ∆2 f. . ca ca A rela¸˜o de recorrˆncia entre as diferen¸as divididas permite escrever ca e c y[xi . n − 2 = ∆yi = yi+1 − yi ∆2 yi = ∆1 yi+1 − ∆1 yi Demonstra¸˜o. . . para i = 0. . isto ´. o resultado fica demonstrado por indu¸˜o. . . .. as diferen¸as finitas representama c se simplesmente por ∆0 f.

...... . . x x0 x1 ..7.. ∆n−1 y ∆n y ∆ 2 y0 .... que interpola os valores (yi )n nos n´s h-equidistantes (xi )n na forma de o i=0 i=0 Newton utilizando diferen¸as finitas. Este polin´mio ser´ dado por c o a p(x) = y0 + ∆y0 ∆ 2 y0 (x − x0 ) + (x − x0 )(x − x1 )+ h 2h2 ny ∆ 0 + ··· + (x − x0 )(x − x1 ) · · · (x − xn−1 ) n!hn n ou. i=0 Exemplo 7. p(x) = k=0 ∆ k y0 k!hk k−1 (x − xi ) . y y0 ∆y0 y1 ∆y1 .. Interpola¸˜o ca 115 Tal como no caso das diferen¸as divididas. o que interpola os valores da seguinte tabela. Determinar o polin´mio p.2.. . x −1 1 3 5 y Resolu¸˜o ca A tabela das diferen¸as finitas dos valores nodais ´ c e x −1 1 3 5 y ∆y 2 3 5 −2 3 −2 1 0 −5 5 ∆2 y ∆ 3 y 2 5 3 1 .. .. ´ tamb´m vantajoso dispor os c´lculos das diferen¸as c e e a c finitas numa tabela. de grau o ca e a ıvel o menor ou igual a n..Cap´ ıtulo 7. ∆n−1 y1 ∆n−1 y0 ∆ n y0 Caso os n´s de interpola¸˜o sejam equidistantes ´ ent˜o poss´ obter o polin´mio p. . numa forma compacta. .... de grau menor ou igual a 3.... ∆yn−2 xn−1 yn−1 ∆yn−1 xn yn ∆2 y n−2 ∆y ∆2 y ..

Cap´ ıtulo 7. Interpola¸˜o ca

116

Pelo que o polin´mio interpolador ser´ o a p(x) = 2 + 3 (x + 1) − 2
5 2×4 (x

+ 1)(x − 1) +

5 6×8 (x

+ 1)(x − 1)(x − 3).

Como fica patente pelos exemplos apresentados, a determina¸˜o dos valores nodais obriga a ca refazer todos os c´lculos na determina¸˜o do polin´mio da forma de Newton. Refira-se tamb´m a ca o e que estes c´lculos se tornam mais simples se os n´s estiverem igualmente espa¸ados (utilizando a o c diferen¸as finitas em vez de diferen¸as divididas). c c

7.8

Interpola¸˜o directa e inversa ca

Sejam f : [a, b] → R , (xi )n n´s distintos pertencentes a [a, b] e yi = f (xi ) para i = 0, 1, . . . , n. i=0 o o A interpola¸˜o directa de f nos n´s (xi )n consiste em determinar o polin´mio p (de grau ca o i=0 menor ou igual a n) que verifica p(xi ) = yi para i = 0, 1, . . . , n. Se f admitir inversa em [a, b] ent˜o a interpola¸˜o inversa de f consiste em determinar um a ca polin´mio q (de grau menor ou igual a n) tal que o q(yi ) = xi , i = 0, 1, . . . , n.

o ca ca Agora (yi )n s˜o os n´s de interpola¸˜o e (xi )n s˜o os valores nodais, da fun¸˜o f −1 a interi=0 a i=0 a polar. Uma das aplica¸˜es da interpola¸˜o inversa ´ a determina¸˜o de zeros de fun¸˜es, como se ilustra co ca e ca co no exemplo seguinte. Exemplo 7.8.1. Determinar um valor aproximado do zero de f (x) = Resolu¸˜o ca Um zero s ´, por defini¸˜o, um valor tal que f (s) = 0. e ca Tem-se que f (0) = −1 e f (1) = 0.89433. Como f ´ estritamente crescente em [0, 1] (porquˆ?) e e ent˜o f admite inversa nesse intervalo. Logo conclui-se que a f (s) = 0 ⇔ s = f −1 (0) Utilizando interpola¸˜o inversa de f e calculando o valor de um polin´mio interpolador de f −1 ca o em 0 obter-se-´ um valor aproximado do zero de f . a Escolhendo alguns n´s em [0, 1] e calculando os valores nodais obt´m-se o e x 0 0.4 0.6 1
3 2

sin(x) − e−x em [0, 1].

y = f (x) −1.00000 −0.08619 0.29815 0.89433

Cap´ ıtulo 7. Interpola¸˜o ca

117

Utilizando a forma de Newton calculada a partir das diferen¸as divididas c y −1.00000 x 0 0.43773 −0.08619 0.4 0.52037 0.28815 0.89433 O polin´mio interpolador fica o p(y) = 0 + 0.43773(y + 1) + 0.06366(y + 1)(y + 0.08619) + + 0.04745(y + 1)(y + 0.08619)(y − 0.28815) E ent˜o, s = f −1 (0) ≈ p(0) = 0.44200 (verificando-se que f (0.44200) = −0.00113). a 0.6 0.67094 1 0.15356 0.06366 0.04745 x[, ] x[, , ] x[, , , ]

7.9

Dupla interpola¸˜o ca

Consideremos o problema descrito em seguida. Conhecidos os valores zij = f (xi , yj ) de uma e fun¸˜o f : R2 → R, onde (xi )n s˜o distintos, e (yj )m s˜o tamb´m distintos, pretende-se obter ca i=0 a i=0 a um valor aproximado de f (¯, y ). Este ´ um problema de interpola¸˜o em R2 , mas que pode x ¯ e ca ser “resolvido” utilizando interpola¸˜o em R. Para tal poder-se-´ aplicar o m´todo designado ca a e por dupla interpola¸˜o, que consiste em efectuar interpola¸˜es polinomiais independentes nas ca co duas vari´veis, uma de cada vez. Estas interpola¸˜es podem ser efectuadas de duas formas a co alternativa. A primeira alternativa consiste em realizar as opera¸˜es co 1. interpolando em x, obt´m-se para cada j o polin´mio pj que interpola os valores (zij )n e o i=0 nos n´s (xi )n ; o i=0 2. posteriormente, determina-se o polin´mio q que interpola os valores pj (¯) nos n´s (yj )m ; o x o j=0 sendo o valor procurado q(¯). Para esta alternativa ser´ vantajoso dispor os c´lculos como se y a a mostra na seguinte tabela. f (x, y) x0 . . . xk x ¯ xk+1 . . . xn y0 z00 . . . zk0 p0 (¯) x ... ... .. . ... ... yl z0l . . . zkl pl (¯) x q(¯) y y ¯ yl+1 z0,l+1 . . . zk,l+1 pl+1 (¯) x ... ... .. . ... ... ym z0m . . . zkm pm (¯) x

zk+1,0 . . . zk+1,l . . .. . . . . . zn0 ... znl

zk+1,l+1 . . . zk+1,m . . .. . . . . . zn,l+1 ... znm

Cap´ ıtulo 7. Interpola¸˜o ca

118

A segunda alternativa consiste em realizar as opera¸˜es co 1. interpolando em y, obt´m-se para cada i o polin´mio qi que interpola os valores (zij )m e o j=0 nos n´s (yj )m ; o j=0 2. posteriormente, determina-se o polin´mio p que interpola os valores qi (¯) nos n´s (xi )n . o y o i=0 sendo agora o valor procurado p(¯). Neste caso dever-se-˜o dispor os c´lculos como se mostra x a a na seguinte tabela. f (x, y) x0 . . . xk x ¯ xk+1 . . . xn y0 z00 . . . zk0 ... ... .. . ... yl z0l . . . zkl y ¯ q0 (¯) y . . . qk (¯) y p(¯) y zk+1,0 . . . zk+1,l qk+1 (¯) zk+1,l+1 . . . zk+1,m y . . . . . .. .. . . . . . . . . . . . . zn0 ... znl qn (¯) y zn,l+1 ... znm yl+1 z0,l+1 . . . zk,l+1 ... ... .. . ... ym z0m . . . zkm

Exemplo 7.9.1. Considere a seguinte tabela de alguns valores de z(x, y) conhecidos.
y z 1 x 2 5 1 2 4 6 22 20 14 10 15 18 7 12 15 5 8 10

1. Interpolando linearmente em x e em y, estime o valor de z(4, 5) (a) interpolando primeiro em x. (b) interpolando primeiro em y. 2. Estime agora z(4, 5) utilizando interpola¸˜o linear em x e quadr´tica em y e interpolando ca a primeiro em x. Resolu¸˜o ca 1. Interpola¸˜o linear em x e y, escolhendo para cada vari´vel os dois pontos mais pr´ximos. ca a o (a) Interpolando primeiro em x

obt´m-se e z01 (4. 4) z(5. 6) 4−2 4−5 4−2 4−5 y = 11. 4) z(2. 6) 4 − 5 2−5 = 13. 5) = 4−6 = 12 Interpolando agora em x os valores calculados. 6) z(5. 5) = 4−6 = 17.Cap´ ıtulo 7. 5) = (b) Interpolando primeiro em y z(2. 4) z(5.833. 5) 4 − 2 z01 (4. obt´m-se e z01 (2. 5) = z01 (5. 4) = z(2. escolhendo para cada vari´vel os pontos mais ca a a pr´ximos. 6) = 2−5 = 16 Interpolando agora em y os valores calculados. Interpola¸˜o ca 119 z01 (4. A obten¸˜o do mesmo valor fazendo as interpola¸˜es nas duas vari´veis por ordem diferente ca co a ter´ sido coincidˆncia? a e 2. z01 (2. Interpola¸˜o linear em x e quadr´tica em y. 6) 5−4 5−6 5−4 5−6 y 4 z01 (4.5 z 1 x 2 4 5 1 10 7 5 2 5 6 22 20 14 15 18 12 15 8 10 z01 (5.833. o Interpolando primeiro em x . 6) z(5. 4) z(2. 4) 5 − 4 z01 (4.6667 z 1 x 2 4 5 1 10 7 5 2 15 12 8 4 18 15 10 5 6 22 20 14 2−5 z01 (4. 6) 5 − 6 4−6 = 13.

5) 5 − 2 z12 (4. 5) = ¬ ¬ ¬ ¬ ¬ ¬ ¬ ¬ ¬ ¬ ¬ ¬ ¬ ¬ z01 (4.1. x1 . . k! . b] tal que a f [x0 .Cap´ ıtulo 7. 4) 4−2 4−5 = 9. 5) 5 − 6 2−6 z012 (4. b].3333 z 1 = 11. 4) z(5. . xk ] = 1 (k) f (ξ). 4) 5 − 4 z01 (4. 4) = 2−5 z(2.8333 z01 (4. 2) z(5. 5) = ¬ ¬ ¬ ¬ ¬ ¬ ¬ = 12.5833. .10. De facto.10 Erro de interpola¸˜o ca Se os valores nodais a interpolar corresponderem a valores de uma dada fun¸˜o f . e a o 7. obt´m-se e ¬ ¬ ¬ ¬ ¬ ¬ ¬ z01 (4. b]. 2) 4−2 4−5 2−5 z(2. Nota: Em todos os c´lculos foi utilizada a forma de Aitken-Neville uma vez que em cada caso a apenas ´ necess´rio calcular o valor do polin´mio interpolador num ponto. . x1 −x0 (Relembremos que as diferen¸as c divididas dos valores da fun¸˜o f s˜o representadas por f [.]. . . R) e (xi )k um conjunto de n´s distintos em [a. Interpola¸˜o ca 120 z01 (4.8333 ¬ ¬ ¬ ¬ ¬ ¬ ¬ z12 (4. fazendo k = 1 no enunciado do resultado abaixo obt´me se directamente aquele teorema pois f [x0 . 6) 5 − 6 4−6 ¬ ¬ ¬ ¬ ¬ ¬ ¬ = 13. 2) 5 − 2 z01 (4. 6) 4−2 4−5 z01 (4. pode ser ca interessante analisar em que medida o polin´mio interpolar se aproxima da fun¸˜o.) ca a o Teorema 7.6667 x 2 4 5 1 10 7 5 2 15 12 8 y 4 18 15 10 5 6 22 20 14 z01 (4. x1 ] = f (x1 )−f (x0 ) . 6) = 2−5 = 16 Interpolando agora em y os valores calculados. 5) = = 13. 2) = z(2. 6) z(5. Sejam f ∈ C k ([a. o ca O resultado apresentado em seguida generaliza o conhecido teorema do valor m´dio que permite e concluir a existˆncia de um ponto onde a tangente ao gr´fico da de uma fun¸˜o ´ paralela a e a ca e uma dada recta secante. obviamente o ca que em pontos distintos dos n´s de interpola¸˜o. i=0 Ent˜o existe ξ ∈ [a. 4) 5 − 4 2−4 z01 (4.

(n+1)! f tem pelo menos k zeros distintos em [a. ∀i. x1 . concluindoo se ent˜o que k!f [x0 . . . ca ¯ e e Se x = xi para algum i. o ca ca o Teorema 7. x1 . como pretendido. Designando por ak o coeficiente de xk em p verifica-se que p(k) (x) ≡ k!ak . O polin´mio q de grau menor ou igual a n + 1. . . para qualquer x ∈ [a. . . a x x x ¯ Como j´ visto. . existe ξ ∈ [a. pode ser escrito como (relembrar a forma de Newton) o ¯ ¯ q(x) = p(x) + f [x0 . b]. b] tal que f (k) (ξ) = p(k) (ξ). . b]. ¯e i=0 que interpola f nos n´s x0 . x1 . − p(2) tem pelo menos k − 1 zeros distintos em [a. . e(k) = f (k) − p(k) tem pelo menos 1 zero em [a. . b] tal que f [x0 . Ent˜o. Na express˜o do erro de interpola¸˜o a ca e(x) = 1 f (n+1) (ξ)Wn (x). . xn . . . b]. xn e x. xn . x1 . o erro ´ nulo e o teorema ´ verdadeiro. b]. . b] existe o a i=0 ξ ∈ [a. xk ]. R) e p o polin´mio de grau menor ou igual a n que interpola f nos n´s distintos (xi )n . . a O teorema seguinte permite estimar o erro cometido ao aproximar uma fun¸˜o f por um ca polin´mio interpolador dessa fun¸˜o. b] tal que e(x) ≡ f (x) − p(x) = onde Wn (x) = (x − x0 )(x − x1 ) · · · (x − xn ). . x1 . x] = a mente que e(¯) = f (¯) − p(¯) = x x x como se pretendia mostrar. xn . b]. .2. b]. Demonstra¸˜o. habitualmente designado por erro de interpola¸˜o. pois Wn (xi ) = 0.. . = f (2) 1 f (n+1) (ξ)Wn (x). Da forma de Newton do polin´mio interpolador verifica-se que ak = f [x0 . x1 . x]Wn (x). ¯ x Desta express˜o resulta que f (¯) = q(¯) = p(¯) + f [x0 . . . b]. x]Wn (¯). Logo i=0 e =f −p e(2) . Seja p o polin´mio de grau menor ou igual a k que interpola f nos n´s distintos ca o o a ca (xi )k . a fun¸˜o e = f − p tem pelo menos k + 1 zeros distintos em [a. . existe ξ ∈ [a. pertencentes a [a. .. xk ] = f (k) (ξ).Cap´ ıtulo 7. (n + 1)! 1 (n+1) (ξ).10. . Sejam f ∈ C n+1 ([a. Seja x um qualquer elemento de [a. (n + 1)! obtendo-se final- 1 f (n+1) (ξ)Wn (¯) x (n + 1)! . ou seja. . Interpola¸˜o ca 121 Demonstra¸˜o. Ent˜o. ¯ o Suponha-se agora que x ´ distinto de (xi )n .

(i = 0. Seja f : [−1. (n + 1)! z∈[a.b] z∈[a. ser´ usada uma tabela com 80 pontos (incluindo os extremos) a Uma quest˜o que surge com alguma naturalidade ´ a de saber se ` medida que se aumenta o a e a n´mero de n´s de interpola¸˜o.10. cujo valor m´ximo a a c˜ em [0.2. .10. xn ] conduz ainda ao seguinte majorante do erro absoluto |e(x)| ≤ que ´ v´lida para todo o x ∈ [x0 . por forma a que o erro absoluto cometido quando se interpola linearmente o c ınimo entre os n´s? o nesta tabela n˜o exceda 5 × 10−5 . u o ca o ca ou seja se o erro de interpola¸˜o diminui a medida que o grau do polin´mio interpolador aumenta. 4).1. 1 + 25x2 i e o Tomando como n´s de interpola¸˜o os pontos −1 + 2 . 1] → R definida por f (x) = 1 .5. xn ]. 377 754 . e a Exemplo 7. (n + 1)! z∈[a. c obtendo-se h ≤ 10−2 . a majora¸˜o de |Wn | no c a o ca intervalo [x0 .b] · max |f | a Tem-se ainda que f (x) = [tan(x)] = [1 + tan2 (x)] = 2 tan(x)(1 + tan2 (x)). Para obter o erro m´ximo desejado bastar´ impor a condi¸ao 4 e 4 h2 4×2 × 4 ≤ 5 × 10−5 π ≈ 78. obt´m-se o polin´mio o ca interpolador p4 (x) = 1250 4 3225 2 x − x + 1.b] 1 · max |f (n+1) (z)| · max |Wn (z)|. o polin´mio interpolador “converge” para a fun¸˜o a interpolar. .b] Supondo os n´s ordenados de forma crescente (o que n˜o acarreta qualquer perda de generalo a idade) e sendo h o espa¸amento m´ximo entre dois n´s consecutivos. 4×10−2 π espa¸ados de 4×79 . ca ` o Exemplo 7. Interpola¸˜o ca 122 o ponto ξ (dependente de x e dos n´s de interpola¸˜o) ´ desconhecido. o que corresponde a um n´mero de intervalos superior a u ou seja. Qual o espa¸amento m´ a Resolu¸˜o ca O erro m´ximo absoluto na interpola¸˜o linear entre n´s consecutivos ser´ a ca o a ε≤ h2 4×2 hn+1 · max |f (n+1) (z)| 4(n + 1) z∈[a. Pretende-se construir uma tabela da fun¸ao f (x) = tan(x) no intervalo [0. . sendo usual considerar o ca e uma das seguintes majora¸˜es do erro absoluto co |e(x)| ≤ ou |e(x)| ≤ 1 · max |f (n+1) (z)| · |Wn (x)|. π ] c˜ 4 com n´s equidistantes. . π ] ´ 4 (para x = π ).Cap´ ıtulo 7.

Cap´ ıtulo 7. 6). obt´m-se o polin´mio interpolador o e o p8 (x) = 200000000 8 383000000 6 228601250 4 98366225 2 x − x + x − x + 1. Na verdade. (i = 0. . Interpola¸˜o ca 123 i Interpolando nos n´s −1 + 3 . para um dado problema de aproxima¸˜o por interpola¸˜o polinomial. obt´m-se o polin´mio interpolador o e o p6 (x) = − 1265625 6 2019375 4 211600 2 x + x − x + 1. Este tipo de comportamento ´ bastante indesej´vel quando se pretendem utilizar polin´mios e a o interpoladores para aproximar fun¸˜es. . ` medida que o n´mero de n´s aumenta. Este comportamento continua a manter-se continuando a aumentar o n´mero de n´s. 3725137 3725137 3725137 7450274 p4 (x) p6 (x) p8 (x) Fun¸˜o interpolada e polin´mios interpoladores. os valores que tomam as derivadas de f s˜o algo que n˜o se pode contornar. (i = 0. 96356 96356 24089 i Interpolando agora nos n´s −1 + 4 . ´ ca o ca e . . . aumentando o n´mero de n´s e mantendoa u o os equidistantes verifica-se que os polin´mios interpoladores apresentam cada vez maiores oso cila¸˜es. . 8). j´ os polin´mios nodais poa a a o dem alterados bastando para isso alterar a localiza¸˜o dos n´s de interpola¸˜o. . a o que se traduz no eventual aparecimento de oscila¸˜es quando se obriga um polin´mio a passar co o por determinados pontos. Analisando a express˜o do erro de interpola¸˜o pode co a ca concluir-se que este comportamento pode ser causado quer pelo aumento dos valores das derivadas de ordem superior da fun¸˜o f a interpolar. . verificando-se que os polin´mios interpoladores apresentam “oscila¸˜es” de amplitudes o co crescentes. quer pelo aumento dos valores dos polin´mios nodais ca o ca ca Wi . a Neste exemplo. co u o Verifica-se assim que o polin´mios interpoladores n˜o se aproximam cada vez mais da fun¸ao a o a c˜ interpolar como seria desej´vel. Este comportamento deve-se ` habitualmente designada rigidez dos polin´mios. Se. . ca o Como se pode depreender da an´lise da figura. o erro de interpola¸˜o n˜o converge a u o ca a para 0.

Cap´ ıtulo 7.11 Polin´mios de Chebyshev e n´s de interpola¸˜o o o ca A escolha dos n´s de interpola¸˜o de forma a garantir que os polin´mios nodais tomam valores o ca o pequenos dever´ ser realizada fazendo-os coincidir com as ra´ a ızes dos designados polin´mios de o Chebyshev. . 1]. . o Sendo x ∈ [−1. . a 7. como se exp˜e em seguida. defina-se a fun¸˜o ca Tn (x) = cos(n arccos x). a o o Os polin´mios Tn (x) s˜o designados polin´mios de Chebyshev. Outra forma de evitar este comportamento ser´ utilizar fun¸˜es a co interpoladoras n˜o polinomiais. 1.. Alguns destes polin´mios o s˜o a T0 (x) = 1 T1 (x) = x T2 (x) = 2x2 − 1 T3 (x) = 4x3 − 3x T4 (x) = 8x4 − 8x2 + 1 . e ca Facilmente se verifica que Tn (x) ´ uma fun¸˜o polinomial de grau n!! Fazendo θ = arccos x pode escrever-se Tn (x) = cos(nθ) Tn+1 (x) = cos((n + 1)θ)) = cos(θ) cos(nθ) − sin(θ) sin(nθ) Tn−1 (x) = cos((n − 1)θ)) = cos(θ) cos(nθ) + sin(θ) sin(nθ) verificando-se ent˜o a Tn+1 (x) + Tn−1 (x) = 2 cos(theta) cos(nθ) = 2xTn (x) obtendo-se a express˜o de recorrˆncia a e Tn+1 (x) = 2xTn (x) − Tn−1 (x) que juntamente com as condi¸˜es co T0 (x) = 1 T1 (x) = x e ca permite concluir que Tn (x) ´ de facto uma fun¸˜o polinomial em [−1. 1] e n = 0. Interpola¸˜o ca 124 poss´ escolher os n´s de interpola¸˜o de forma a que os polin´mios nodais Wi tomem valores ıvel o ca o t˜o pequenos quanto poss´ a ıvel.

. n − 1 e toma valores extremos em kπ n Tn (¯k ) = (−1)k x xk = cos ¯ com k = 0. Interpola¸˜o ca 125 Uma das caracter´ ısticas desta fam´ de polin´mios ´ o facto de para n ≥ 1. . o O seguinte resultado estabelece a localiza¸˜o das ra´ dos polin´mios de Chebyshev e dos seus ca ızes o valores extremos. . satisfaz a condi¸˜o o ca max |21−n Tn (x)| = 1 2n−1 . . 1. tem-se x∈[−1. isto ´. ızes simples em Teorema 7. . .11. . x∈[−1.5: Polin´mios de Chebyshev.1] o o Se Pn (x) for um polin´mio m´nico de grau n. O polin´mio Tn (x) tem n ra´ o xk = cos ¯ (2k + 1)π 2n k = 0. de acordo com o resultado anterior. e Tn (x) = 2n−1 xn + · · · T1 (x) T2 (x) T3 (x) T4 (x) −1 1 x Figura 7. Para n ≥ 1. o polin´mio de grau n 21−n Tn (x) tem coeficiente de xn unit´rio (diz-se polin´mio o a o m´nico) e.1] max |Pn (x)| ≥ 1 2n−1 . 1.Cap´ ıtulo 7. n. o coeficiente de xn ılia o e em Tn (x) ser 2n−1 .1. . .

1. . se p(x) for o polin´mio de grau menor ou igual a n que interpola o a ca f (x) nos n´s que s˜o as ra´ o a ızes de Tn+1 (x) ent˜o o erro de interpola¸˜o pode ser majorado pela express˜o a x∈[−1. fun¸˜es que em e ca co e co cada subintervalo sejam definidas por um polin´mio. Particulara co a mente interessante ´ a utiliza¸˜o de fun¸˜es polinomiais por segmentos. ter-se-´ x∈[−1. o .12 Interpola¸˜o polinomial segmentada (splines) ca Consideremos novamente a quest˜o de interpolar uma fun¸˜o f num intervalo [a. b] ser˜o os pontos a xi = ˜ 1 [(b − a)¯i + a + b] x 2 a onde xi (i = 0. 1]. mas que em diferentes subintervalos possam o ser definidas por diferentes polin´mios. . para x ∈ [−1. De acordo com o exposto acima. pois a sua avalia¸˜o num ponto utilizando aritm´tica finita est´ sujeita a erros de ca e a arredondamento. isto ´. .Cap´ ıtulo 7. Interpola¸˜o ca 126 Consideremos agora a interpola¸˜o de uma fun¸˜o f por um polin´mio de grau n nos n´s (xi )n ca ca o o i=0 de [−1.1] Caso se pretenda aproximar f por um polin´mio interpolador de grau n num intervalo [a. b].1] max |Wn (x)| ≥ 1 2n 1 2n Tn+1 (x). . sendo este valor o menor poss´ ıvel quando Wn (x) = e interpola¸˜o forem os zeros de Tn+1 (x). os n´s de interpola¸˜o que conduzem conduzem ao menor valor m´ximo de Wn (x) a o ca a no intervalo [a. 1] e Wn (x) = (x − x0 )(x − x1 ) · · · (x − xn ). por a ca a e(x) = f (x) − p(x) = 1 f (n+1) (ζ)Wn (x) (n + 1)! a c e onde ζ ∈ [−1. Em diversas a ca situa¸˜es de utiliza¸˜o de polin´mios interpoladores n˜o se verifica a convergˆncia para 0 do co ca o a e erro de interpola¸˜o a medida que se consideram mais n´s. n. . polin´mios de mais grau ca ` o e o mais elevado. . isto ´. quando os n´s de o i = 0. . Como j´ visto. 1].1] max |p(x) − f (x)| ≤ 2n (n 1 max |f (n+1) (z)|. isto ´ ca xi = cos (2i + 1)π 2(n + 1) ou seja. que poder˜o n˜o estar ` partida ca o ca a a a definidos. 1]. + 1)! z∈[−1. Por outro lado. o erro de interpola¸˜o ser´ dado. Esta express˜o real¸a a dependˆncia do erro de interpola¸˜o relativamente aos n´s de interpola¸˜o. 1. Uma alternativa ser´ utilizar fun¸˜es interpoladoras que n˜o sejam de classe C ∞ . . e o o a Uma vez que Wn (x) ´ um polin´mio m´nico de grau n + 1. ¯ 7. n) s˜o os zeros de Tn+1 (x). nem sempre ´ vantajoso do trabalhar com polin´mios de grau e o elevados. b] que o n˜o o [−1.

Cap´ ıtulo 7. Interpola¸˜o ca

127

Defini¸˜o 7.12.1. Uma fun¸˜o S diz-se um spline polinomial de grau m (onde m ∈ N), ca ca relativo aos n´s a = x0 < x1 < · · · < xn = b, quando o 1. S coincide com um polin´mio Si de grau menor ou igual a m em cada subintervalo o [xi−1 , xi ], i = 1, . . . , n. 2. S ∈ C m−1 ([a, b]; R). ca e a o Dados os n´s x0 < x1 < · · · < xn , a defini¸˜o do spline ´ feita ` custa dos polin´mios Si , que o co caracterizam S nos diferentes intervalos [xi−1 , xi ]. Sendo as fun¸˜es polinomiais de classe C ∞ , a condi¸˜o 2 ´ sempre v´lida no interior de cada subintervalo, pelo que apenas ´ necess´rio ca e a e a verific´-la nos n´s x1 , . . . , xn−1 . a o Dado um conjunto de n´s x0 < x1 < · · · < xn e os valores nodais y0 , y1 , . . . , yn respectivos, a o interpola¸˜o por splines de grau m consiste em encontrar um spline S de grau m relativo ca aos n´s x0 < x1 < · · · < xn tal que o S(xi ) = yi , i = 0, 1, . . . , n.

Tal como no caso da interpola¸˜o polinomial tamb´m agora se colocam algumas quest˜es imca e o portantes as quais interessa responder, das quais se destacam as seguintes ` • Ser´ que existe spline interpolador? a • Ser´ que o spline interpolador ´ unico? a e´ • Como se determinam os polin´mios Si que definem o spline? o • Como se estima o erro na interpola¸˜o por splines de uma fun¸˜o? ca ca Estas quest˜es ser˜o de alguma forma endere¸adas no estudo que se segue sobre interpola¸˜o o a c ca por splines.

Spline de grau 1 ou linear O spline S coincide em cada subintervalo [xi−1 , xi ] com o segmento de recta que passa pelos pontos (xi−1 , yi−1 ) e (xi , yi ). Ou seja, os polin´mios Si , definidores do spline, satisfazem o Si (xi−1 ) = yi−1 Si (xi ) = yi i = 1, . . . , n, i = 1, . . . , n.

Cap´ ıtulo 7. Interpola¸˜o ca

128

de onde resultam 2n equa¸˜es. Sendo cada Si um polin´mio de de grau 1 o spline ´ definido co o e por 2n coeficientes. Resulta daqui a existˆncia e unicidade deste spline. Tamb´m facilmente se e e concluir que os polin´mios definidores do spline ser˜o dados por o a Si (x) = yi−1 xi − x x − xi−1 + yi hi hi

para i = 1, 2, . . . , n. (Nota: nesta express˜o e no que se segue, define-se hi = xi − xi−1 , para a i = 1, 2, . . . , n.)

y
y0 y1

y2 y3 x2 x3 x4 y4

x0

x1

x

Figura 7.6: Spline linear. Caso os valores nodais yi sejam dados por uma fun¸˜o, isto ´, yi = f (xi ), onde f ´ uma fun¸˜o ca e e ca ca e de classe C 2 , pode concluir-se que o erro de interpola¸˜o por um spline de grau 1 ´ majorado por |e| ≤ com h = max{hi : 1 ≤ i ≤ n}. Esta express˜o obt´m-se directamente a partir da majora¸˜o do erro de interpola¸˜o polinomial a e ca ca para polin´mios de grau menor ou igual a um. o 1 · |f | 8 · h2

max

Spline de grau 2 ou quadr´tico a a O spline coincide em cada intervalo [xi−1 , xi ] com um arco de par´bola. Estes arcos ligam-se de forma cont´ ınua, dever˜o passar pelos valores a interpolar e assegurar a continuidade da primeira a derivada nos n´s x1 , x2 , . . . , xn−1 . o As condi¸˜es a impor aos polin´mios Si , definidores do spline S, ser˜o co o a Si (xi−1 ) = yi−1 Si (xi ) = yi Si (xi ) = Si+1 (xi ) i = 1, . . . , n, i = 1, . . . , n, i = 1, . . . , n − 1, (7.12.1) (7.12.2) (7.12.3)

a que resultam em 3n − 1 equa¸˜es a satisfazer pelos coeficientes dos Si . Neste caso, o spline ser´ co definido por 3n coeficientes. Conclui-se ent˜o que o spline quadr´tico n˜o ´ unico, pelo que ser´ a a a e´ a necess´rio impor uma condi¸˜o adicional a ca

Cap´ ıtulo 7. Interpola¸˜o ca

129

y
y0 y1

y2 y3 x2 x3 x4 y4

x0

x1

x

Figura 7.7: Spline quadr´tico. a Definido os polin´mios Si , i = 1, . . . , n, por o Si (x) = yi−1 + mi−1 · (x − xi−1 ) + Mi · (x − xi−1 )2 2

garante-se, por constru¸˜o,a satisfa¸˜o de (7.12.1). Deste modo ser´ necess´rio determinar os ca ca a a valores mi e Mi , para i = 1, . . . , n, para definir completamente o spline. Partindo de (7.12.2) e (7.12.3), ´ poss´ determinar os valores mi e Mi de uma forma recorrente e ıvel por interm´dio das express˜es e o mi = 2 · yi − yi−1 − mi−1 hi mi − mi−1 Mi = hi i = 1, . . . , n, i = 1, . . . , n.

sendo necess´rio definir o valor adicional m0 , que corresponde a estipular a derivada do spline a em x0 . ´ E de salientar o facto dos splines quadr´ticos serem pouco utilizados, por habitualmente aprea sentarem um comportamento com grandes oscila¸˜es. co

Spline de grau 3 ou c´ bico u o co Em [xi−1 , xi ] o spline S coincide com um polin´mio de grau menor ou igual a 3. Estas fun¸˜es polinomiais ligam-se de forma cont´ ınua, dever˜o passar pelos valores a interpolar e assegurar a a continuidade da primeira e segunda derivadas nos n´s x1 , x2 , . . . , xn−1 . o As condi¸˜es a impor aos polin´mios Si , definidores do spline S, ser˜o co o a Si (xi−1 ) = yi−1 Si (xi ) = yi Si (xi ) = Si+1 (xi ) Si (xi ) = Si+1 (xi ) i = 1, . . . , n, i = 1, . . . , n, i = 1, . . . , n − 1, i = 1, . . . , n − 1.

u Temos agora 4n − 2 condi¸˜es e 4n coeficientes que definem o spline. M1 . a´ a co Definindo Mi = S (xi ). . . Integrando esta express˜o a a a duas vezes obt´m-se e Si (x) = Mi−1 (xi − x)3 (x − xi−1 )3 + Mi + αi x + βi 6hi 6hi onde αi e βi s˜o constantes de integra¸˜o. Interpola¸˜o ca 130 y y0 y1 y2 y3 x2 x3 x4 y4 x0 x1 x Figura 7. . . Definindo ci = αi xi−1 + βi e di = αi xi + βi . . . . hi hi Os parˆmetros Mi s˜o habitualmente designados por momentos. 6 Impondo agora as condi¸˜es Si (xi−1 ) = yi−1 e Si (xi ) = yi . tem-se a ca ainda Si (x) = Mi−1 (xi − x)3 (x − xi−1 )3 xi − x x − xi−1 + Mi + ci + di 6hi 6hi hi hi Mi−1 h2 i 6 Mi h2 i . que s˜o os momentos M0 . . as duas condi¸˜es a impor para definir univocamente o spline s˜o M0 = 0 e co a ´ o Mn = 0 (anulamento da segunda derivada no primeiro e no ultimo n´). . n − 1. . conclui-se que os polin´mios Si podem ser representados por o Si (x) = Mi−1 (xi − x)3 (x − xi−1 )3 + Mi + 6hi 6hi Mi−1 h2 xi − x Mi h2 i i yi−1 − + yi − 6 hi 6 x − xi−1 hi Impondo a continuidade da primeira derivada nos n´s interiores conclui-se que o hi hi + hi+1 hi+1 yi+1 − yi yi − yi−1 Mi−1 + Mi + Mi+1 = − 6 3 6 hi+1 hi para i = 1. 2. Mn . . 1. n. a continuidade da segunda derivada fica assegurada fazendo-se Si (x) = Mi−1 xi − x x − xi−1 + Mi . Assim. para i = 0. diz-se que o spline ´ natural. Neste caso. sendo necess´rias duas condi¸˜es adicionais.Cap´ ıtulo 7.8: Spline c´bico. o spline c´bico n˜o co u a ser´ unico. o a Habitualmente. conclui-se que co ci = yi−1 − e d i = yi − Substituindo estes valores. . e . obtendo-se deste modo um sistema de n − 1 equa¸˜es lineares com n + 1 co inc´gnitas.

1] 5 · |f (4) | 384 · h4 . b]. e ca Caso os valores nodais obede¸am a yi = f (xi ). utilizando 7 pontos do intervalo [−1. Ent˜o. Interpola¸˜o ca 131 Os splines c´bicos s˜o bastante utilizados como fun¸˜es interpoladoras. x ∈ [−1. Tendo por base polin´mios u a co o de grau 3 s˜o fun¸˜es de f´cil avalia¸˜o num ponto e tamb´m garantem a continuidade da sea co a ca e ` gunda derivada.20910 0 0.58359 8.26464 − 0.69364 6 −7.17078 + 0.90253 44. Sejam os n´s a = x0 < · · · < xn = b e os valores nodais y0 .13232x.79393 .1.12. S6 (x) = 0. 2] 3 3 x ∈ [ 2 . yn . 1 ] 3 x ∈ [1.69061 2 3. Interpolar a fun¸˜o ca f (x) = 1 1 + 25x2 x ∈ [−1.Cap´ ıtulo 7. S5 (x) = 0. . 1] equidistantes. − 2 ] 3 x ∈ [− 2 . onde f ´ uma fun¸˜o de classe C 4 . .26622 4 −7. R) que interpolam estes pontos. . S4 (x) = 1 − 2. 1] 3 e Interpolando por um spline quadr´tico (e considerando m0 = 0) obt´m-se a i mi Mi 0 1 3 0. Resolu¸˜o ca Os valores a interpolar ser˜o a x −1 − 2 3 y 1 26 9 109 −1 3 9 34 0 1 1 3 9 34 2 3 9 109 1 1 26 Interpolando por um spline linear obt´m-se e S1 (x) = 0. − 1 ] 3 3 x ∈ [− 1 . S2 (x) = 0.12. o spline c´bico natural ´ a c˜ unica que torna m´ ´ ınimo o valor de b a [g (x)]2 dx. As suas propriedades h´ ainda a juntar a descrita no resultado seguinte.99535 −34.73681 5 6.20588x.16717 −42.17078 − 0.44684 + 0.82818 1. o erro de c interpola¸˜o por um spline c´bico ´ majorado por ca u e |e| ≤ Exemplo 7.54641x. 0] 3 x ∈ [0. S3 (x) = 1 + 2.1.20588x. max por splines polinomiais. o a u e de todas as fun¸oes g ∈ C 2 ([a. . a Teorema 7.13232x.44684 − 0.54641x.

97109x3 . − 2 ] 3 x ∈ [− 2 . Interpola¸˜o ca 132 S1 (x) = 0.89323x + 22. S2 (x) = 2.63469 + 1. x ∈ [−1. S6 (x) = −0.84530x2 .Cap´ ıtulo 7.97109x3 . − 1 ] 3 3 x ∈ [− 1 . S6 (x) = −13.63728 − 2.72721x2 + 0.21602 14.58359x − 17.89892 + 35.49388x − 2.60801x2 + 20.58359x + 4. − 2 ] 3 x ∈ [− 2 .08308 − 9.34682x2 .81814 Os polin´mios definidores do spline c´bico ser˜o o u a S1 (x) = −0. 1 ] 3 x ∈ [1.79393x + 0.74775x + 15. 1] 3 Spline linear Spline quadr´tico a .27215x3 .08308 + 9.90907x3 .43543 + 0. − 1 ] 3 3 x ∈ [− 1 . T T = [−1.36841x2 .72721x2 − 0.60801x2 − 20.90907x3 . 0] 3 x ∈ [0.39171x + 0. 1] 3 A interpola¸˜o por um spline c´bico natural (M0 = 0 e M6 = 0) passa pela resolu¸˜o do seguinte ca u ca sistema de equa¸˜es co  2 9 1 18 1 18 2 9 1 18  0 1 18 2 9 1 18  M1        0   0  0 cuja solu¸˜o ´ ca e [M1 M2 0 0 1 18 2 9 1 18 0 0 0     0   M2           0  ×  M3  =      1   M    4   18  2 M5 9 0 9975 24089 3075 1853 − 75 17 3075 1853 9975 24089          M3 M4 M5 ] = 14. S4 (x) = 1 − 13. S3 (x) = 1 − 13. S5 (x) = 2. S3 (x) = 1 + 3.49388x − 2.72616 − 27.63523x2 + 8.74775x + 15. S5 (x) = 5.63523x2 − 8.04193x − 21. 2] 3 3 x ∈ [ 2 .81814] . 2] 3 3 x ∈ [ 2 . S4 (x) = 1 + 3.72616 − 1.39697x2 .63728 + 2.41280 − 22. S2 (x) = 0.13311x2 . 1 ] 3 x ∈ [1. x ∈ [−1. 0] 3 x ∈ [0.10455x2 .27215x3 .

Cap´ ıtulo 7. a . E de relembrar que ´ a aproxima¸˜o desta fun¸˜o por polin´mios interpoladores em n´s equidistantes se torna muito ca ca o o problem´tica. os splines linear e c´bico constituem boas aproxima¸˜es da fun¸ao f . u co c˜ ´ este ultimo com propriedades de continuidade das duas primeiras derivadas. Interpola¸˜o ca 133 Spline c´bico u Como se pode verificar.

ca 134 . a aproxima¸˜o ser´ tanto melhor quanto ca e ca a melhor a fun¸˜o g aproximar f no intervalo [a. tal primitiva ´ de obten¸˜o dispendiosa e ca ou quando n˜o se conhece uma express˜o para a pr´pria fun¸˜o. b]. Nestas situa¸˜es. ´ dado por e E(f ) = I(f ) − I(g) = I(f − g) uma vez que a integra¸˜o ´ um operador linear. O erro cometido neste processo.1 Introdu¸˜o ca Em diversas aplica¸˜es ´ necess´rio calcular o integral definido de uma fun¸˜o f para a qual n˜o co e a ca a se conhece uma express˜o expl´ a ıcita de uma primitiva. pode dizer-se que os m´todos de integra¸˜o num´rica consistem em aproxe ca e imar a fun¸˜o f por outra fun¸˜o g cuja primitiva¸˜o seja simples de realizar. utilizando apenas valores da fun¸˜o f num conjunto finito de pontos no intervalo [a. Assim. o ca ca ca integral de f ser´ aproximado por a b I(f ) I(g) = a g(x)dx. Desta forma. b]. pode ser a a o ca co utilizada a designada integra¸˜o num´rica que consiste em aproximar ca e b I(f ) = a f (x)dx. ca f(x) a b x De uma forma geral. representado por E(f ).Cap´ ıtulo 8 Integra¸˜o Num´rica ca e 8.

e posteriormente em efectuar a combina¸˜o linear dos valores da fun¸˜o nos n´s. que apenas dependem dos n´s escolhidos. . apenas dependem dos n´s escolhidos. Ai = b a Li (x)dx. Os coeficientes desta combina¸˜o ca o ca linear. de acordo com a express˜o acima. b]. Integra¸˜o Num´rica ca e 135 8. a utiliza¸˜o de polin´mios interpoco a ca o ladores com fun¸˜es aproximantes constitui uma abordagem interessante ao problema de inteco gra¸˜o num´rica. b]. . pertencentes o o a [a.Cap´ ıtulo 8. obt´m-se o e n pn (x) = i=0 f (xi )Li (x) a o o a onde Li s˜o os polin´mios de Lagrange relativos aos n´s considerados. ca ca o a y0 f(x) y1 y0 p1(x) f(x) y1 y2 p2(x) a x0 x1 b x a x0 x1 x2 b x Polin´mio interpolador em 2 n´s o o Polin´mio interpolador em 3 n´s o o Diz-se que uma regra de integra¸˜o ´ de grau ou exactid˜o n se integrar exactamente todos ca e a os polin´mios de grau menor ou igual a n e existir pelo menos um polin´mio de grau n + 1 que o o n˜o ´ integrado exactamente. Representando este polin´mio na forma de Lagrange. Designemos por pn o o o polin´mio de grau menor ou igual a n que interpola f nos n´s x0 < x1 < · · · < xn . b] pelo ca a integral de um polin´mio interpolador de f num conjunto de n´s em [a. ca e As regras de integra¸˜o b´sicas consistem em aproximar o integral de f em [a. n. a e . n verifica-se que Ai f (xi ) I(pn ) = i=0 e logo o integral de f ser´ aproximado da seguinte forma a n I(f ) i=0 Ai f (xi ) ou seja. 1. Ent˜o b b n n b I(pn ) = a pn (x)dx = a f (xi )Li (x) i=0 = i=0 f (xi ) a Li (x)dx Definindo. por uma combina¸˜o linear dos valores de f nos n´s.2 Regras de integra¸˜o b´sicas e compostas ca a Dado que as fun¸˜es polinomiais s˜o simples de integrar. para i = 0. tamb´m designados por pesos. . e o ´ E claro que escolhendo diferentes n´meros de n´s e diferentes localiza¸˜es destes se obtˆm u o co e diferentes regras de integra¸˜o. A aplica¸˜o das diferentes regras consiste numa primeira fase ca ca o em determinara os pesos Ai . .

. . (n+1)! f A utiliza¸˜o de polin´mios interpoladores de maior grau conduz a regras de integra¸˜o b´sicas de ca o ca a maior exactid˜o. ∀i. hi = ai − ai−1 . . Integra¸˜o Num´rica ca e 136 Uma consequˆncia imediata desta defini¸˜o ´ o facto de toda a regra de integra¸˜o que resulte e ca e ca da aproxima¸˜o de f por um polin´mio interpolador em n + 1 n´s ser de exactid˜o maior ou ca o o a igual a n. x]Wn (x)dx. . Muitas vezes consideram-se sub-intervalos de igual largura. . . x1 . Estas consistem em dividir o intervalo [a. pois a ca o a a nem sempre se consegue reduzir o erro de integra¸˜o quando se aumenta o grau do polin´mio ca o interpolador. os polin´mios interpoladores podem apresentar comportamentos a o pouco desej´veis. . a e o e apenas importa referir aqui que sendo f de classe C n+1 se tem que x → f [x0 . . No entanto. cada um no subintervalo respectivo. a1 ]. b] tal que f [x0 . ou seja. xn . sendo tamb´m estudado o erro de integra¸˜o cometido. em termos de aproxima¸˜o da fun¸˜o interpolada. conclui-se que o erro de integra¸˜o. . xn . an ] (onde a0 = a e an = b). e ca b−a n .Cap´ ıtulo 8. . . . ca e onde Wn (x) = (x−x0 )(x−x1 ) · · · (x−xn ). ca Em seguida ser˜o estudadas duas regras de integra¸˜o compostas. No entanto. x] = 1 (n+1) (ξ). tamb´m designado por erro de truncatura. hi = h = e aplica¸˜o da regra. e Relembrando que o erro na aproxima¸˜o de f pelo polin´mio interpolador pn ´ dado por ca o e(x) = f (x) − pn (x) = f [x0 . O erro de interpola¸˜o neste tipo de regras pode ser controlado pela largura hi de cada subca intervalo [ai−1 . xn . b] aproximado pela soma dos e o integrais dos polin´mios interpoladores. Por tal motivo. f ´ interpolada por um polin´mio pi . sendo o integral de f em [a. . . . Para diminuir o erro de integra¸˜o sem aumentar o grau dos polin´mios interpoladores utilizamca o se regras de integra¸˜o compostas. a regra dos trap´zios e a a ca e regra de Simpson. [a1 . x1 . isto ´. . ai ]. Em cada um dos casos ser´ deduzida a express˜o que permite calcular o a a valor aproximado do integral de f . Em cada subintervalo [ai−1 . . x] ´ cont´ ınua e que existe ξ ∈ [a. Nota: As diferen¸as divididas de f utilizadas nesta express˜o dever˜o ser entendidas num senc a a tido mais geral uma vez que x n˜o ´ necessariamente distinto dos n´s considerados. x]Wn (x). a2 ]. ai ]. o b n ai n ai ai−1 I(f ) = a f (x)dx = i=1 ai−1 f (x)dx i=1 pi (x)dx. b] em subca intervalos [a0 . ou seja. as regras a ca ca b´sicas de integra¸˜o com polin´mios de grau elevado n˜o s˜o vulgarmente utilizadas. Claro est´ que a diminui¸˜o das larguras dos subintervalos a ca implica o aumento do seu n´mero e logo o aumento do n´mero de opera¸˜es aritm´ticas na u u co e . . ser´ a b b E(f ) = a e(x)dx = a f [x0 . . . xn . [an−1 .

Ent˜o. No intervalo [xi . xi+1 ] obt´m-se (a ´rea do trap´zio!) o xi+1 xi pi (x)dx = h (yi + yi+1 ). a=x0 x1 x2 xn-1 xn=b x Figura 8. b]. para o i = 0.. verifica-se que a largura de cada subintervalo ´ dada por h = e b−a n . 2 Passemos agora ao estudo do erro de truncatura.. . ser´ a Ei = xi ei (x)dx = xi f [xi . de grau 1. . xi+1 . n. a fun¸˜o f ´ aproximada em cada subintervalo pela fun¸˜o polinomial de grau ca e ca menor ou igual a 1 que interpola f nos extremos desse subintervalo. o erro de aproxima¸˜o de a ca xi+1 xi+1 xi f (x)dx por xi+1 xi+1 xi pi (x)dx. h e a e Integrando o polin´mio pi subintervalo [xi . e Considerando n subintervalos do intervalo original [a. 2 Somando estes valores para todos os subintervalos obt´m-se e n−1 i=0 xi+1 xi n pi (x)dx = i=1 h h (yi + yi+1 ) = (y0 + 2y1 + 2y2 + · · · + 2yn−1 + yn ). sendo os extremos destes subintervalos os pontos xi = a + ih. xi+1 ]. 2 2 pelo que a express˜o que permite o c´lculo aproximado do integral de f em [a. xi+1 . b] pela regra dos a a trap´zios ser´ e a I(f ) h (y0 + 2y1 + 2y2 + · · · + 2yn−1 + yn ). . 1. Designando por yi o valor de f em xi . que interpola f nos pontos xi e xi+1 ´ dado por e pi (x) = yi + yi+1 − yi (x − xi ).Cap´ ıtulo 8. y1 y0 y2 f(x) yn-1 yn . . x](x − xi )(x − xi+1 )dx. Ei . x](x − xi )(x − xi+1 ). o polin´mio. o erro de aproxima¸˜o ca e a ca de f por pi ´ dado pela express˜o (relembrar o erro de interpola¸˜o!) ei (x) = f (x) − pi (x) = f [xi .1: Regra dos trap´zios.3 Regra dos trap´zios e Nesta regra. . Integra¸˜o Num´rica ca e 137 8.

a fun¸˜o x → (x − xi )(x − xi+1 ) n˜o muda de sinal em [xi . ζi ] (x − xi )(x − xi+1 )dx Efectuando a mudan¸a de vari´vel z = x − xi .b] a Em algumas situa¸˜es os valores yi est˜o eles mesmo afectados de erros de arredondamento que co ir˜o provocar um erro de arredondamento na aplica¸˜o da regra dos trap´zios. sendo sempre ca n˜o positiva. a Por outro lado. b] ´ desconhecido. xi+1 ]. xi+1 .Cap´ ıtulo 8. xi+1 ] tal que a a xi+1 xi xi+1 xi f [xi . Desta forma pode 2 a escrever-se que o erro Ei ser´ Ei = − 1 f (ξi )h3 . existe ζi ∈ [xi . x](x − xi )(x − xi+1 )dx = f [xi . = . Integra¸˜o Num´rica ca e 138 Assumindo que f ´ de classe C 2 . xi+1 . 12 O erro de truncatura da regra dos trap´zios obt´m-se agora por e e n−1 n−1 E(f ) = i=0 Ei = i=0 − 1 f (ξi )h3 12 =− h3 12 n−1 f (ξi ). xi+1 . ζi ] = 1 f (ξi ). o erro de arredondamento εa satisfar´ a condi¸˜o n εa ≤ i=0 ∂ h (y0 + 2y1 + · · · + 2yn−1 + yn ) · ε ∂yi 2 h (ε + 2ε + · · · + 2ε + ε) 2 h = · 2nε 2 = (b − a)ε. conclui-se que c a xi+1 xi (x − xi )(x − xi+1 )dx = h 0 z(z − h)dz = − h3 . xi+1 . para algum ξi ∈ [xi . x] ´ cont´ e ca e ınua. b] tal que e e ıvel e n−1 f (ξi ) = nf (ξ). a express˜o do erro de truncatura da regra dos trap´zios ser´ a a e a E(f ) = − h2 (b − a)f (ξ). xi+1 ]. 6 Pode ainda afirmar-se que f [xi . pode concluir-se que a fun¸˜o x → f [xi . Considerando a ca e a a ca que cada yi tem um erro absoluto m´ximo ε. Ent˜o. i=0 Dado que f ´ suposta de classe C 2 . i=0 Ent˜o. 12 z∈[a. ´ poss´ concluir a existˆncia de ξ ∈ [a. 12 uma vez que nh = b − a. ´ usual utilizar o majorante e e do erro de truncatura em valor absoluto dado por |E(f )| ≤ h2 (b − a) max |f (z)|. Como o ponto ξ ∈ [a.

Designemos ainda por yi o valor de f em xi . Definido novamente h = b−a n . conclui-se que o erro de truncatura ser´ majorado por a h2 (b − a)|f | 12 = max 2 (1/20)2 ×2 12 4. Integra¸˜o Num´rica ca e 139 Um majorante para o erro absoluto total. e Uma vez que f (x) = (4x2 − 2)e−x ´ majorada em valor absoluto no intervalo [0.7467.3. e c Agora. Sendo f (x) = e−x . os extremos dos subintervalos ser˜o os pontos xi = a + ih. . Exemplo 8. calcular um valor aproximado de 2 1 0 f (x)dx.Cap´ ıtulo 8. 1. . pois cada par´bola interpoladora ´ definida u a a e em dois subintervalos consecutivos. . Qual o erro m´ximo absoluto admiss´ para os valores de f a a ıvel se se pretender que o erro de arredondamento n˜o seja superior ao erro de truncatura? a Resolu¸˜o ca Sendo n = 20. temos h = 1 0 1 20 e a fun¸˜o ser´ avaliada nos pontos xi = ih. . ca a 1 20 O valor aproximado do integral ser´ ent˜o a a e−x dx = 2 2 1 20 e0 + 2e−( 20 ) + · · · + 2e−( 10 ) + e−1 e0 + 2 19 i=1 1 2 19 2 2 e−( 20 ) + e−1 i 2 = 0. utilizando a regra dos trap´zios com 20 subintervalos e obter um majorante para o erro cometido (considere e que os valores de f s˜o exactos). 1. . o n´mero n de subintervalos dever´ ser par. a a Se se pretender que εa ≤ |E(f )| dever-se-´ impor que (b − a)ε ≤ 4. . a .4 Regra de Simpson Na regra de Simpson a fun¸˜o f ´ aproximada por polin´mios de grau menor ou igual a 2. cada ca e o um dos quais interpolando f em trˆs pontos igualmente espa¸ados. 8. n.2 × 10−4 . 1] por 2. 20. a a a pois b − a = 1.2 × 10−4 pelo que ε = 4. na aplica¸˜o da regra dos trap´zios ser´ ent˜o ca e a a |E(f )| + εa .1. . para i = 0. para i = 0. garantindo-se assim que o resultado apresentado ter´ 3 algarismos exactos.2 × 10−4 ser´ o erro m´ximo absoluto permitido no c´lculo de cada valor de f . .

isto para e i = 1. 2h e c a Integrando pi em [xi−1 . xi ](x − xi−1 ) + f [xi−1 . No intervalo [xi−1 . xi+1 ](x − xi−1 )(x − xi ) = yi−1 + yi − yi−1 (x − xi−1 ) + h yi+1 −yi h − yi −yi−1 h (x − xi−1 )(x − xi ). 3. com i = 1. . obt´m-se e n−1 xi+1 n−1 xi−1 i=1 i´ ımpar pi (x)dx = i=1 i´ ımpar h (yi−1 + 4yi + yi+1 ) 3 = h (y0 + 4y1 + 2y2 + 4y3 + 2y4 + · · · + 4yn−1 + yn ) 3 resultando ent˜o a seguinte express˜o para a regra de Simpson a a I(f ) h (y0 + 4y1 + 2y2 + 4y3 + 2y4 + · · · + 4yn−1 + yn ) . o Seja tamb´m pi o polin´mio de menor grau que interpola f nos pontos xi−1 . . xi e xi+1 . 3. Tem-se ent˜o que a pi (x) = yi−1 + f [xi−1 .. x](x − xi−1 )(x − xi )(x − xi+1 ). xi+1 ]. n − 1. xi+1 ]. Integra¸˜o Num´rica ca e 140 y1 y0 y2 y3 y4 f(x) yn . . xi+1 ] obt´m-se. 3 Somando estes integrais para todos os sub-intervalos [xi−1 .Cap´ ıtulo 8.. . xi . .2: Regra de Simpson. xi . de forma a cobrir todo o intervalo [a. efectuando a mudan¸a de vari´vel z = x − xi−1 . . o erro de aproxima¸˜o e da fun¸˜o f pelo polin´mio pi ´ ca o ei (x) = f (x) − pi (x) = f [xi−1 . . b]. . xi+1 xi−1 2h pi (x)dx = 0 yi−1 + yi+1 − 2yi + yi−1 2 yi − yi−1 z+ (z − hz) dz h 2h2 8h3 − 2h3 3 = yi−1 2h + = = yi − yi−1 2 yi+1 − 2yi + yi−1 2h + h 2h2 h (12yi−1 + 12yi − 12yi−1 + 2yi+1 − 4yi + 2yi−1 ) 6 h (yi−1 + 4yi + yi+1 ) . . xi+1 . 3 ca Passemos agora ao estudo do erro de truncatura. a=x0 x1 x2 x3 x4 xn=b x Figura 8. n − 1.

Integra¸˜o Num´rica ca e 141 Ent˜o. ser´ ent˜o ca a a |E(f )| + εa . ´ usual utilizar o majorante do erro de truncatura em e valor absoluto dado por |E(f )| ≤ h4 (b − a) max |f (4) (z)|. o erro de arredondamento εa na regra de Simpson satisfar´ a condi¸˜o a ca n εa ≤ i=0 ∂ h (y0 + 4y1 + 2y2 + 4y3 · · · + 4yn−1 + yn ) · ε ∂yi 3 = h (ε + 4ε + 2ε + 4ε + · · · + 4ε + ε) 3 h h · ε + n 4ε + n − 1 2ε + ε = · 3nε = 2 2 3 3 = (b − a)ε. xi+1 ]. 180 z∈[a. 180 Sendo o ponto ξ ∈ [a. na aplica¸˜o da regra de Simpson. a express˜o do erro de truncatura da regra de Simpson fica a E(f ) = − h4 (b − a)f (4) (ξ).b] a Supondo que os valores yi est˜o eles mesmo afectados de erros de arredondamento. ser´ a Ei = xi−1 ei (x)dx = xi−1 f [xi−1 . demonstra-se ainda que Ei = − para algum ξi ∈ [xi−1 . xi . Supondo f de classe C 4 . b] tal que e ıvel e n−1 i=1 i´ ımpar f (4) (ξi ) = n (4) f (ξ) 2 e como nh = b − a. b] desconhecido. cada um dos quais majorado em valor absoluto por ε. .Cap´ ıtulo 8. x](x − xi−1 )(x − xi )(x − xi+1 )dx. O erro de truncatura da regra de Simpson obt´m-se agora por e n−1 n−1 h5 (4) f (ξi ) 90 E(f ) = i=1 i´ ımpar Ei = i=1 i´ ımpar − h5 (4) f (ξi ) 90 =− h5 90 n−1 i=1 i´ ımpar f (4) (ξi ). ´ E tamb´m agora poss´ assegurar a existˆncia de ξ ∈ [a. o erro de aproxima¸˜o de a ca xi+1 xi+1 xi−1 xi+1 f (x)dx por xi+1 xi−1 pi (x)dx. xi+1 . Um majorante para o erro absoluto total. Ei .

12. Sendo f (x) = e−x .Cap´ ıtulo 8. converge para 0 ` mesma taxa que h2 .5. para i = 0. 2 1 0 f (x)dx. . designemos por T (h) o valor ´ aproximado de I dado pela regra dos trap´zios com subintervalos de largura h. Esta e a mesma conclus˜o podia j´ ser obtida a partir da express˜o anteriormente obtida para o erro de a a a . . ser´ ent˜o a a 1 0 e −x2 dx = 1 12 1 12 e0 + 4e−( 12 ) + 2e−( 12 ) + 4e−( 12 ) + · · · + 2e−( 12 ) + 4e−( 12 ) + e−1 3   3 e0 + 4 5 1 2 2 2 3 2 10 2 11 2 e j=0 −( 2j+1 ) 12 2 4 +2 j=0 e−( 2j+2 2 12 ) + e−1  = 0. E poss´ e ıvel a a onde K1 .746825 e Calculando f (4) (x) obt´m-se f (4) (x) = (16x4 − 48x2 + 12)e−x que ´ majorada em valor absoluto no intervalo [0. utilizando a regra de Simpson com 12 sub-intervalos e obter um majorante para o erro cometido (considerando a fun¸˜o ser´ avaliada nos pontos xi = ih. O m´todo exposto designa-se por inteco e e gra¸˜o de Romberg e constitui um caso particular da t´cnica designada por extrapola¸˜o de ca e ca Richardson.2 × 10−6 pelo que o resultado apresentado ter´ 5 algarismos exactos. K2 .4. . s˜o constantes independentes de h.5 Integra¸˜o de Romberg ca Nesta sec¸˜o iremos apresentar uma t´cnica que permite obter resultados de maior precis˜o a ca e a partir de diversas aplica¸˜es da regra dos trap´zios. (8. . . Sendo h um valor positivo. Desta express˜o pode concluir-se que o erro de truncatura de T (h) ´ de ordem 2. Integra¸˜o Num´rica ca e 142 Exemplo 8. a Resolu¸˜o ca Sendo h = 1 12 . calcular um valor aproximado de que os valores de f s˜o exactos). K3 . a 8. ou seja. 1. Consideremos o problema de aproximar o integral I = trap´zios. ca a O valor aproximado do integral. pela regra de Simpson.1) b−a h b a f (x)dx por aplica¸˜o da regra dos ca seja inteiro.1. e Conclui-se ent˜o que o erro de truncatura ser´ majorado por a a h4 (b − a)|f (4) | 180 = max 2 (1/12)4 × 12 180 3. 1] por 12. . . tal que e mostrar que I = T (h) + K1 h2 + K2 h4 + K3 h6 + · · · .

pelo que T (h) ´ uma aproxima¸˜o e conclui-se facilmente que I = T2 (h) + K1 h e ca 2 2 T2 (h) = 64T2 (h/2) − T2 (h) 63 de I com um erro de truncatura de ordem 6.5.2) e subtraindo-lhe a equa¸˜o (8. a c 1 dx 0 1+x2 term´dio de e Exemplo 8. 4n − 1 concluindo-se que esta aproxima¸˜o ter´ um erro de truncatura de ordem 2n + 2.Cap´ ıtulo 8. ca a Tn (h) = Esta t´cnica de obten¸˜o de aproxima¸˜es de I com ordens de erro cada vez mais elevadas e ca co permite em muitas circunstˆncias obter valores aproximados do integral de uma fun¸˜o com a ca elevada precis˜o e sem grandes esfor¸os computacionais. Integra¸˜o Num´rica ca e 143 truncatura da regra dos trap´zios. a Utilizando agora um procedimento semelhante para eliminar o termo em h4 na express˜o do erro de T1 (h). podemos definir a aproxima¸˜o Tn (h) de uma forma recursiva por inca 4n Tn−1 (h/2) − Tn−1 (h) .5.5. a express˜o acima permite ainda concluir que e a no erro de truncatura apenas aparecem termos com expoente de h par.1) obt´m-se a equa¸˜o ca ca e ca 3I = 4T (h/2) − T (h) + K2 1 − 1 h4 + K3 4 1 − 1 h6 + · · · . com erro de ordem 8. 16 Definindo.25. pelo que T1 (h) ´ uma aproxima¸˜o de I com um erro de truncatura de ordem 4. ou ainda.2) Multiplicando por 4 a equa¸˜o (8. 4 16 64 (8. No entanto. Continuando este processo. T1 (h) por interm´dio da express˜o e a T1 (h) = 4T (h/2) − T (h) 3 e ca pode concluir-se que I = T1 (h) + K1 h4 + K2 h6 + · · · . Obter uma estimativa de de inicial h = 0. podemos definir T3 (h) = a concluindo-se que I = T3 (h) + K1 h8 + K2 h10 + · · · . sendo ent˜o o erro de truncatura de T3 (h) de ordem 8. define-se 16T1 (h/2) − T1 (h) 15 6 + K h8 + · · · . Aplicando agora a regra dos trap´zios com subintervalos de largura e h 2 temos ent˜o que a I = T (h/2) + K1 (h/2)2 + K2 (h/2)4 + K3 (h/2)6 + · · · . utilizando um valor . De uma forma geral.1. I = T (h/2) + K1 2 K2 4 K3 6 h + h + h + ··· .5.

cerca de um milh˜o de subintervalos! Para efectuar tal c´lculo seria necess´rio um n´mero a a a u de opera¸˜es aritm´ticas muito mais elevado.25) a por simples aplica¸˜o de uma regra dos trap´zios exigiria um valor de h de cerca de 10−6 . Para al´m do esfor¸o na realiza¸˜o de tal c´lculo co e e c ca a deveriam ainda ser considerados eventuais erros de arredondamento resultantes da utiliza¸ao de c˜ aritm´tica com precis˜o finita. sendo a sua locale a o c iza¸˜o apenas dependente do n´mero de n´s considerados e. refira-se que para obter um valor de precis˜o semelhante a T3 (0. . Integra¸˜o Num´rica ca e 144 Resolu¸˜o ca Aplicando a regra dos trap´zios com h = 0.0625 T (h) 0. h = 0. T1 (h) 0.7827941176471 0.0625 e h = 0. . . claro.03125. em que os n´s e o n˜o se encontram igualmente espa¸ados.7853981628062 0.7852354030103 0.78539816339744830963 . .25) ´ cerca de 10−13 .7853981256147 0.7853574732937 Os valores extrapolados.03125). h 0. pelo que o erro de truncatura de T3 (0.7853981634270 — — T3 (h) 0.25 0. cn escolhidos de forma a que a o integra¸˜o seja exacta para a maior classe de polin´mios poss´ ca o ıvel. que ´ o valor obtido pela regra dos trap´zios com maior e e precis˜o utilizada. xn de [a.7847471236228 0. .7853981633882 — T2 (h) 0. c2 . e a 8. obtidos por integra¸˜o de Romberg. encontram-se na tabela seguinte ca h 0.7853981633975 — — — O valor exacto deste integral ´ e sendo aproximadamente 0. .03125).7847471236228 0.6 Quadratura gaussiana Nos m´todos estudados atr´s.Cap´ ıtulo 8. os n´s encontravam-se igualmente espa¸ados.7852354030103 0.125 0. T2 e T3 requer apenas a a a a 3 opera¸˜es aritm´ticas. ou ca e seja.7853981652856 0. Este erro ´ substancialmente inferior e e ao erro de truncatura de T (0.25 0.03125 0.03125 T (h) 0. . obtˆm-se e e os seguintes valores. h = 0. b] e os coeficientes c1 . .125 0. pelo que o maior esfor¸o na obten¸ao de T3 (0.25.25) est´ no c´lculo de co e c c˜ T (0. .7853574732937 π 4. x2 . . designado por quadratura gaussiana. Vamos agora estudar um m´todo. a c ca a A quadratura gaussiana consiste em efectuar a aproxima¸˜o ca b a n f (x)dx ≈ i=1 ci f (xi ) sendo os n´s x1 . sendo a sua localiza¸˜o um parˆmetro de escolha. do intervalo de integra¸˜o ca u o ca utilizado. Por curiosidade..7827941176471 0. Refira-se ainda que cada um dos c´lculos dos valores T1 .0625 0.125. .

´ de esperar que a quadratura gaussiana de ordem n permita integrar com e exactid˜o polin´mios de grau at´ 2n − 1. a o e Comecemos por analisar o caso n = 2. x. a1 . ou seja. a a A linearidade da opera¸˜o de integra¸˜o permite afirmar ent˜o que a integra¸˜o dever´ ser exacta ca ca a ca a para as fun¸˜es 1. . ´ co o e poss´ ıvel mostrar que tanto os n´s xi como os valores dos coeficientes ci podem ser obtidos a o partir dos designados polin´mios de Legendre. Estes polin´mios.6. Para cada n. verificam as propriedades e o 1. a2 e a3 s˜o constantes arbitr´rias. . a unica solu¸˜o deste sistema de equa¸˜es ´ c1 = 1. c2 . Para simplificar. x2 e x3 . x1 e x2 de modo que a a a rela¸˜o ca 1 −1 f (x)dx = c1 f (x1 ) + c2 f (x2 ) (8.1) se verifique quando f (x) for um polin´mio de grau menor ou igual a 2 × 2 − 1 = 3. Pn (x) ´ um polin´mio de grau n. . Pretende-se ent˜o determinar c1 . x1 = − √ 3 3 . e o . e e ıda o O procedimento seguido anteriormente por ser aplicado para qualquer valor de n. P1 (x).1) f (x) por cada uma destas fun¸˜es. conclui-se que a express˜o a 1 −1 c2 = 1. 2. Assim. Integra¸˜o Num´rica ca e 145 Havendo 2n parˆmetros a definir e sendo um polin´mio de grau 2n − 1 definido por um conjunto a o de 2n coeficientes. 1]. No entanto. f (x)dx ≈ f − √ 3 3 √ +f 3 3 ´ exacta sempre que f (x) ´ substitu´ por um polin´mio de grau inferior ou igual a 3. o f (x) = a0 + a1 x + a2 x2 + a3 x3 . aqui referenciados por o o P0 (x). 1 −1 f (x)Pn (x)dx = 0 se f (x) ´ um polin´mio de grau < n. onde a0 . Substituindo na rela¸˜o (8.6. x2 = − √ 3 3 .Cap´ ıtulo 8. ´ habitual considerar que a integra¸˜o e ca ser´ efectuada no intervalo [−1. sendo que obviamente teremos que resolver um sistema de 2n equa¸˜es a 2n inc´gnitas. co ca co obtˆm-se as seguintes rela¸˜es e co c 1 · 1 + c2 · 1 = 1 1dx = 2 −1 1 c1 · x1 + c2 · x2 = c1 · x2 + c2 · x2 = 1 2 c1 · x3 + c2 · x3 = 1 2 xdx = 0 −1 1 −1 1 −1 x2 dx = 2 3 x3 dx = 0 ´ ca co e Considerando que x2 > x1 .

3 podem ver-se os gr´ficos dos polin´mios P1 (x) a P5 (x).6. . x2 . ızes e o Sejam x1 . . Se f (x) for um polin´mio de grau < 2n.3: Polin´mios de Legendre. ent˜o o a 1 n f (x)dx = −1 i=1 ci P (xi ). xn as ra´ do n-´simo polin´mio de Legendre Pn (x) e.Cap´ ıtulo 8. para cada i = 1. . . a o P0 (x) P1 (x) P4 (x) P3 (x) −1 1 P5 (x) P2 (x) x Figura 8. 2. 1]. seja ci dado por ci = 1 −1 n j=1 j=i x − xj xi − xj dx. . 8 − 1). tal como se afirma no teorema seguinte. Estas ra´ ser˜o exactamente os n´s das ızes ızes a o regras de quadratura gaussiana. P2 (x) = P4 (x) = 1 (35x4 − 30x + 3) 8 2 1 2 (3x 2 P1 (x) = x. P3 (x) = 1 (5x3 − 3x). n. . o Uma propriedade interessante dos polin´mios de Legendre ´ o facto do polin´mio Pn (x) ter o e o exactamente n ra´ no interior do intervalo [−1. Teorema 8.1. Na figura 8. 2n n! dxn chegando-se assim facilmente ` conclus˜o que os primeiros polin´mios de Legendre ser˜o a a o a Pn (x) = P0 (x) = 1. Integra¸˜o Num´rica ca e 146 Os polin´mios de Legendre podem ser obtidos explicitamente pela express˜o o a 1 dn 2 (x − 1)n . . . . 2 e P5 (x) = 1 (63x5 − 70x3 + 15x).

b] gen´rico. 4 + (t + 1)2 .5773502692 0.0000000000 0. ıvel a Exemplo 8.3478548451 0. Na tabela seguinte apresentam-se os valores destes n´s e coefio cientes para alguns casos.6.6521451549 0.i −0. 2 1 dx 0 1+x2 .3399810436 0. Integra¸˜o Num´rica ca e 147 Com base neste resultado ´ poss´ determinar os n´s e os coeficientes das regras de integra¸˜o e ıvel o ca gaussiana de diferentes ordens. Para tal h´ que realizar uma mudan¸a de vari´vel de forma a e a c a facilmente se verifica que t = −1 ⇔ x = a e t = 1 ⇔ x = b .Cap´ ıtulo 8.5555555556 0.4786286705 0. n 2 3 xn. Utilizar quadratura gaussiana com 2.5384693101 0.5773502692 −0.3399810436 0. 1].7745966692 4 −0.3478548451 0. 3.8888888889 0. Desta mudan¸a resulta c 1 0 dx = 1 + x2 1 −1 2 dt. no integral que se pretende calcular.4786286705 0.8611363116 5 −0.5384693101 0. Ora no caso geral pretende-se calcular o integral obter-se uma integra¸˜o sobre o intervalo [−1.0000000000 0. Utilizando a mudan¸a de vari´vel ca c a t= 2x − a − b b−a ⇔ 1 x = [(b − a)t + a + b] 2 b a f (x)dx num intervalo [a.0000000000 0.5555555556 0.2369268850 0.2369268850 Em toda a dedu¸˜o das regras de integra¸˜o gaussiana considerou-se que a integra¸˜o estava a ca ca ca ser efectuada no intervalo [−1.0000000000 1.6521451549 0.i 1.1.9061798459 cn.9061798459 −0. Desta forma obt´m-se a rela¸˜o e ca b 1 f (x)dx = a −1 f (b − a)t + a + b 2 b−a dt 2 sendo agora poss´ aplicar as regras de quadratura gaussiana atr´s expostas.7745966692 0.8611363116 −0. 1].5688888889 0. 4 e 5 n´s para aproximar o Resolu¸˜o O primeiro passo consiste em efectuar a mudan¸a de vari´vel ca c a t = 2x − 1 ⇔ x= t+1 .

4786286705 · g(−0.7853981602 Nota: Em cada um dos casos. como de alguma forma o exemplo acima ilustra.3478548451 · g(0.8611363116) + 0.3399810436) 1 + x2 + 0.9061798459) = 0.5555555556 · g(0.8611363116) = 0.5384693101) + 0.5384693101) 1 + x2 + 0. Integra¸˜o Num´rica ca e 148 Considerando a fun¸˜o g(t) = ca n=2 → 1 0 2 .6521451549 · g(−0.Cap´ ıtulo 8.6521451549 · g(0.7852670352 n=4 → 1 0 dx ≈ 0.5555555556 · g(−0.4786286705 · g(0.7854029762 n=5 → 1 0 dx ≈ 0. Uma das vantagens dos m´todos de quadratura gaussiana face aos outros m´todos de integra¸˜o e e ca num´rica aqui estudados reside no facto de habitualmente fornecerem maior exactid˜o para o e a mesmo n´mero de avalia¸˜es da fun¸˜o.7868852458 n=3 → 1 0 dx ≈ 0. apresentam-se sublinhados os algarismos correctos.5688888889 · g(0) + 0.7745966692) + 0.3399810436) + 0.3478548451 · g(−0.5773502692) + g(0.5773502692) 1 + x2 = 0.2369268850 · g(−0.7745966692) = 0. 4+(t+1)2 teremos ent˜o a dx ≈ g(−0. u co ca .9061798459) + 0.2369268850 · g(0.8888888889 · g(0) 1 + x2 + 0.

´ E de notar. T ]. De um modo co a geral. . x . nos quais 149 . procuraremos determinar a fun¸˜o x que satisfaz co a ca a equa¸˜o diferencial de ordem n ca x(n) = f (t.1 Introdu¸˜o ca Muitos problemas de interesse em engenharia (e tamb´m noutros dom´ e ınios) s˜o modelizados a recorrendo a equa¸˜es diferenciais. No caso geral. que permitem modelizar sistemas lina eares e invariantes no tempo. Neste cap´ ıtulo ser˜o estudados m´todos num´ricos que permitem obter solu¸˜es (aproximadas) a e e co equa¸˜es diferenciais ordin´rias. . por exemplo atrav´s de um desenvolvimento em s´rie ou e e calculando de forma aproximada o valor da solu¸˜o num conjunto finito de valores da vari´vel ca a independente.Cap´ ıtulo 9 Equa¸˜es Diferenciais Ordin´rias: co a problemas de valor inicial 9. contudo. x . Nestes casos. a caracteriza¸˜o da solu¸˜o da equa¸˜o diferencial poder´ ca ca ca a ser feita de uma forma aproximada. a resolu¸˜o de uma equa¸˜o diferencial consiste em determinar a fun¸˜o que satisfaz ca ca ca tal equa¸˜o e simultaneamente obedece a um conjunto de condi¸˜es adicionais habitualmente ca co designadas por condi¸˜es fronteira. . Trataremos apenas os designados problemas de valor inicial. x. co A maioria das equa¸˜es diferenciais n˜o admite solu¸˜es que se possam caracterizar por exco a co press˜es anal´ o ıticas. Uma destas classes ´ as equa¸˜es co e co diferencias ordin´rias lineares de coeficientes constantes. que existem importantes classes de equa¸˜es diferenciais para as quais ´ co e poss´ ıvel determinar express˜es anal´ o ıticas das suas solu¸˜es. x(n−1) ) no intervalo [t0 . quer ordin´rias quer em derivadas parciais. .

designam-se por passos da malha. ou de passo m´ltiplo. . apenas e u se estudar˜o m´todos de passo simples. T ] se t0 < t1 < · · · < tN = T. x0.1 .n−1 onde x0. Em seguida abordar-se-´ o caso de sistemas de equa¸˜es co a co diferenciais de ordem 1. co 9.0 . .0 x (t0 ) = x0. pode utilizar-se interpola¸˜o (por exemplo linear) entre cada dois n´s e ca o consecutivos. a e ´ E de notar que a solu¸˜o aproximada obtida apenas estar´ definida nos n´s ti . N. . . ti ] e a designam-se por m´todos de passo simples. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 150 a fun¸˜o x dever´ tamb´m satisfazer as condi¸˜es iniciais ca a e co x(t0 ) = x0. .n−1 s˜o valores conhecidos. As distˆncias a o a hi = ti − ti−1 . Os que recorrem a informa¸˜o fora deste intervalo e ca para determinar xi designam-se por m´todos multi-passo. Os pontos ti s˜o designados por n´s da malha. Para obter valores ca a o em pontos interm´dios. a resolu¸˜o num´rica de uma equa¸˜o diferencial consiste em definir uma malha ca e ca ca {ti }N no intervalo [t0 . . Aqui. . A malha diz-se uniforme se todas estas distˆncias forem a iguais. Tal co a a conjunto de pontos ser´ aqui representado de uma forma geral por {ti }N . T ] e em seguida calcular os valores {xi }N da solu¸˜o aproximada nos i=0 i=0 n´s da malha.1 .2 Solu¸˜o num´rica de equa¸˜es diferenciais ca e co Os m´todos num´ricos de resolu¸˜o de equa¸˜es diferenciais que ser˜o estudados produzem e e ca co a valores de solu¸˜es aproximadas num conjunto finito de pontos da vari´vel independente. . x0. a Ap´s a apresenta¸˜o de algumas no¸˜es de base. x(n−1) (t0 ) = x0. 1≤i≤N Desta forma. . tratando-se por fim o caso geral das equa¸˜es diferenciais de ordem n.Cap´ ıtulo 9. . como se mostra na figura. i = 1. Dir-se-´ ainda que a i=0 este conjunto forma uma malha do intervalo [t0 . o e ca Os m´todos em que o c´lculo de xi ´ feito apenas usando informa¸˜o do intervalo [ti−1 . . ser˜o estudados m´todos para a resolu¸˜o o ca co a e ca de equa¸˜es diferenciais de ordem 1. Tamb´m ´ usual designar por passo da malha o valor e e h = max hi .

Seja f : R × R → R uma fun¸ao com as propriedades c˜ . ca Uma vez que as solu¸˜es de equa¸˜es diferenciais s˜o fun¸˜es. ´ importante ter uma forma de medir a distˆncia entre duas fun¸˜es.T ] Claramente que estas fun¸˜es ser˜o iguais se e s´ se v − w = 0. a norma m´ximo de v. vamos relembrar resultados que garantem a existˆncia e unicidade de solu¸˜o para e ca tais equa¸˜es. co a o 9. ´ definida por e v = max |v(t)|. fun¸˜es definidas e cont´ a co ınuas no intervalo [t0 . e os m´todos num´ricos produzem co co a co e e solu¸˜es aproximadas.3. representada por v . Como j´ referido. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 151 x x0 x1 x2 … xN-1 xN t0 t1 t2 tN-1 tN t Figura 9.T ] A distˆncia entre v e w. t∈[t0 . T ]. quando a solu¸˜o da equa¸˜o existir e for unica. e e a ca a Dada uma fun¸˜o cont´ ca ınua v definida no intervalo [t0 . Teorema 9. sendo dado o valor que a fun¸˜o solu¸˜o dever´ no ponto ca ca ca a t0 . co e a co Esta distˆncia permitir´ assim medir o afastamento das solu¸˜es aproximadas produzidas pelos a a co m´todos num´ricos estudados relativamente ` solu¸˜o exacta.3 Equa¸oes diferenciais ordin´rias de ordem 1 c˜ a Antes de iniciarmos o estudos dos m´todos num´ricos de resolu¸˜o de equa¸˜es diferenciais de e e ca co ordem 1. O seguinte teorema fornece condi¸˜es suficiente para a existˆncia e unicidade de solu¸˜o para co e ca este problema de valor inicial. e ca ca ca ´ Seja ent˜o f : R × R → R uma fun¸˜o dada e consideremos a equa¸˜o diferencial a ca ca x (t) = f (t. T ]. Note-se que s´ far´ sentido obter solu¸˜es aproximadas (utilizando m´todos co o a co e num´ricos) de uma dada equa¸˜o diferencial.Cap´ ıtulo 9. T ]l.1: Solu¸˜o aproximada. t∈[t0 . x(t)) a ca no intervalo [t0 .1. o problema de valor inicial associado a esta equa¸˜o consiste em determinar a sua solu¸˜o. ´ definida por e v − w = max |v(t) − w(t)|.

T ]. x2 ∈ R. Diz-se e e ca co e ainda que um m´todo convergente possui ordem de convergˆncia igual a p > 0 se e e xh − x ≤ chp para todo o h suficientemente pequeno. Conclui-se assim que o valor da solu¸˜o exacta u no ponto t + h poderia ser calculado somando ca ao valor da solu¸˜o exacta em t o valor do integral de f (ξ. ent˜o co diz-se que tal m´todo num´rico de resolu¸˜o de equa¸˜es diferenciais ´ convergente. existe uma constante e L ≥ 0 (designada constante de Lipschitz) tal que |f (t. x1 ) − f (t. onde c ∈ ]0. t ∈ [t0 . x(t)). que se sup˜e uniforme). T ]. e mas dependente da fun¸˜o f que caracteriza a equa¸˜o diferencial. Por facilidade de nota¸˜o. Seja ainda eh = x − xh a fun¸˜o erro associada ` solu¸˜o aproximada xh . 2. u(ξ)) em [t. f ´ cont´ e ınua em [t0 . f ´ Lipschitz cont´ e ınua com respeito ao segundo argumento. t + h]. Mais ainda.Cap´ ıtulo 9. sendo tal e co a ca aproxima¸˜o normalmente controlada atrav´s do passo h da malha de pontos considerada. Ent˜o. x(ξ))dξ. x2 )| ≤ L|x1 − x2 |. ca Consideremos dois pontos consecutivos ti e ti+1 de uma malha. e e ca Seja x a solu¸˜o exacta de uma dada equa¸˜o diferencial e xh a solu¸˜o aproximada produzida ca ca por aplica¸˜o de um dado m´todo quando se utiliza uma malha de pontos de passo h (por ca e ca simplicidade consideramos aqui malhas uniformes). +∞[ ´ uma constante independente de h. a solu¸˜o a ca ´ ca deste problema ´ uma fun¸˜o continuamente diferenci´vel em [t0 . no que se segue estes pontos ser˜o simplesmente designados por t e t + h (onde h representa obviamente a o passo da malha. Se se verificar que a ca h→0 lim xh − x ≡ lim eh = 0 h→0 para todas as solu¸˜es de equa¸˜es diferenciais que verifiquem as condi¸˜es de existˆncia e co co co e a unicidade acima enunciadas e para todas as condi¸˜es iniciais tais que limt→0 |eh (t0 )| = 0. ca ca Consideremos novamente a equa¸˜o diferencial ca x (t) = f (t. e ca a Uma das caracter´ ısticas desej´veis de um m´todo num´rico de solu¸˜o de equa¸˜es diferencia e e ca co ais ´ que produza solu¸˜es t˜o aproximadas da solu¸˜o exacta quanto se pretenda. ∀t ∈ [t0 . T ]. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 152 1. Esta ca e caracter´ ıstica ´ designada por convergˆncia. T ] com respeito ao primeiro argumento. o a ca obt´m-se a rela¸˜o e ca t+h x(t + h) = x(t) + t f (ξ. ∀x1 . Uma vez que nos ca . o problema de valor inicial referido possui uma solu¸˜o unica. tal como se descreve em seguida. Integrando ent˜o a equa¸˜o diferencial entre t e t + h. isto ´.

todos os valores pretendidos poderiam e ser obtidos. Representando por Th (t. x(ξ))dξ t pode agora ser escrita como (9. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 153 problemas de valor inicial. i = 0. . bastando para tal considerar uma malha adequada. A principal dificuldade reside no facto do integral acima envolver a pr´pria fun¸˜o a determinar. h→0 h→0 Fazendo h → 0. a e ca ca ca como se ver´ posteriormente.1) x(t + h) − x(t) = F (t. x) como F (t. e assumindo a u Ent˜o. como veremos nas sec¸˜es seguintes. o o ca que impede o seu c´lculo de um modo expl´ a ıcito. x) + Th (t. se o erro de truncatura tender para 0 com h. N − 1. x(ξ))dξ t e seja Fh (t.que corresponde a aumentar o n´mero de pontos da malha. tem-se F (t. Fh (t. A equa¸˜o x(t + h) = x(t) + ca t+h f (ξ. x) o erro associado a esta aproxima¸˜o. x) + Th (t. x(ξ))dξ. . x(ξ))dξ t . e sendo xi = xh (ti ) os valores nodais ca de xh . x) um valor aproximado de F (t. Defina-se F (t.1) conduza a equa¸˜es pr´ximas da equa¸˜o original. x). co 9. x) = Fh (t. ou seja.3.Cap´ ıtulo 9. . calculando-o a de uma forma aproximada.3. x). e ca e Diferentes escolhas da fun¸˜o Fh conduzem a diferentes m´todos para resolu¸˜o num´rica do ca problema de valor inicial. ´ leg´ a e ıtimo supor que a elimina¸˜o deste ca termo em (9. x) = Fh (t. x). . como se indica em seguida. verifica-se que estes satisfazem a seguinte rela¸˜o de recorrˆncia ca e xi+1 = xi + hFh (ti . t que ser´ diferente consoante o m´todo de resolu¸˜o aproximada da equa¸˜o diferencial empregue. a designado por erro de truncatura. 1. Os m´todos num´ricos de resolu¸˜o de equa¸˜es e e ca co diferenciais caracterizam-se por prescindir do c´lculo do valor exacto do integral. x) = 1 h t+h f (ξ. o valor x(t0 ) = x0 ´ conhecido. x) + lim Th (t. h existˆncia dos limites tem-se que e x (t) = lim Fh (t. x).3.4 M´todos de Euler e Uma forma simples de aproximar o integral t+h f (ξ. x) ≈ 1 h t+h f (ξ. Representando por xh a co o ca solu¸˜o de (9.1) quando se despreza o erro de truncatura. xi ).

tamb´m designado simplesmente por m´todo de Euler. x(t)) f f(t+h. e • Th (t. . Os m´todos de Euler s˜o baseados exactamente nestas e a duas aproxima¸˜es do integral em causa. 2 Pode assim afirmar-se que a express˜o de recorrˆncia para a determina¸˜o dos valores nodais da a e ca a solu¸˜o aproximada xh ser´ ca xi+1 = xi + hf (ti . co a ` a O m´todo de Euler progressivo. 2 2 e a aproxima¸˜o fornecida por este m´todo consiste em considerar ca e x(t + h) correspondendo a ter • Fh (t. ca sendo x0 = x(t0 ) a condi¸˜o inicial. x(ξ)) . t + h]. x(t+h)) t t+h ξ t t+h ξ Rectˆngulo a esquerda a ` Rectˆngulo a direita a ` Figura 9. x(t)). e e e consiste em utilizar a aproxima¸˜o do rectˆngulo a esquerda. . xi ). x(ξ)). x(ξ)) = Ent˜o a x(t + h) = x(t) + h x (t) + h x (ξ) = x(t) + h f (t.2: Aproxima¸˜es do rectˆngulos a esquerda e ` direita. Do desenvolvimento de Taylor de x(·) temos x(t + h) = x(t) + hx (t) + para algum ξ ∈ [t.Cap´ ıtulo 9. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 154 consiste em utilizar ´reas dos rectˆngulos de base h e alturas dadas pelos valores da fun¸˜o a a a ca integrar nos dois extremos do intervalo. . x(t) + hf (t. co f f(t. x) = h f (ξ. i = 0. . bem como uma express˜o do erro de truncatura a ele a e e a associado. x) = f (t. x(t)) ∂f ∂t h2 2 x (ξ) + ∂f ∂x f ξ . N − 1. Apresenta-se em seguida a dedu¸˜o ca a ` ca da express˜o de recorrˆncia deste m´todo. 1. x(t)) + h f (ξ. Da equa¸˜o diferencial original temos que ca x (t) = f (t. x(t)) x (ξ) = f (ξ.

0290 1.3 0. Partindo ent˜o desta ca a condi¸ao e aplicando a express˜o de recorrˆncia obtida.9 1.0100 1. x(ξ))dξ t pelo valor do rectˆngulo a direita. 1. .0 0.3487 — t ∈ [0. agora a partir do a ` ponto t + h.2874 1.0000 1.0905 1.1 0. x(t + h)) .8 0.6 0.2 0.4. Resolu¸˜o ca e a e Uma vez que f (ti . x(t + h)) − h f (ξ.2305 1. obt´m-se a express˜o de recorrˆncia xi+1 = xi + 0.7 0.0000 1. Passemos agora ao m´todo de Euler regressivo que consiste em aproximar o integral e t+h f (ξ. A condi¸˜o inicial ser´ obviamente x0 = x(0) = 1. ti 0.Cap´ ıtulo 9. temos x(t) = x(t + h) − hx (t + h) + h2 2 x (ξ) para algum ξ ∈ [t.1.5 0. Utilizar o m´todo de Euler com passo constante h = 0.1 para obter uma solu¸˜o e ca aproximada de x = 1 + t − x.0561 1.1314 1.0561 1.0000 1.3487 xi+1 1.0100 1. 9. determinam-se os valores apresentados c˜ a e na seguinte tabela. xi ) = 1 + ti − xi . 1] com x(0) = 1.1783 1. x(ξ)) 2 No m´todo de Euler regressivo utiliza-se a aproxima¸˜o e ca x(t + h) o que corresponde a considerar x(t) + hf (t + h.0905 1.1314 1. De uma forma an´loga ao efectuado atr´s obtemos a a x(t + h) = x(t) + hx (t + h) − x(t + h) = x(t) + h x (t + h) h2 2 x − hx 2 (ξ) (ξ) x(t + h) = x(t) + h f (t + h.2874 1.4 0.2305 1.0290 1.1 × (1 + ti − xi ) a para i = 0. . Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 155 Exemplo 9.0 xi 1.1783 1. . . Considerando o desenvolvimento e Taylor. t + h].

o modo de resolver esta e ca ca equa¸˜o. xi+1 ). Exemplo 9. De um modo geral tem-se que xi+1 = φi (xi+1 ) o onde φi (x) = xi + hf (ti+1 . Resolu¸˜o ca Uma vez que f (ti+1 . ser´ obviamente x0 = x(0) = 1.1 t ∈ [0. a existˆncia e unicidade de solu¸˜o desta equa¸˜o e. . i = 0.2.1 × (1 + ti+1 ) . Podendo f ser E de notar que neste m´todo. x(t + h)). o valor de xi+1 pode obter-se de uma forma expl´ xi+1 = xi + 0. n˜o ser´ poss´ em muitas situa¸˜es obter uma express˜o expl´ ca a a a ıvel co a ıcita para xi+1 . o valor ui+1 ´ definido de uma forma impl´ e uma fun¸˜o n˜o linear. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 156 • Fh (t. . Interessa aqui analisar algumas quest˜es importantes. x) = − h f (ξ. 9. . obt´m-se a express˜o de recorrˆncia e a e xi+1 = xi + 0. 2 Do exposto conclui-se que a express˜o de recorrˆncia para determina¸˜o dos valores nodais da a e ca a solu¸˜o aproximada xh ser´ ca xi+1 = xi + hf (ti+1 . N − 1. xi+1 ) = 1 + ti+1 − xi+1 .1 × (1 + ti+1 − xi+1 ) ıcita por para i = 0. . a Utilizando a condi¸˜o inicial. x). Neste caso. Se esta condi¸˜o se verificar ´ poss´ garantir a existˆncia e unicidade de solu¸˜o da equa¸˜o que ca e ıvel e ca ca determina xi+1 . .4. . dx ∂x que se verifica desde que h seja suficientemente pequeno (pois f ´ Lipschitz cont´ e ınua em x). x) = f (t + h. 1.1 para obter e uma solu¸˜o aproximada de ca x = 1 + t − x. A forma desta equa¸˜o sugere a utiliza¸˜o do m´todo iterativo simples. . Utilizar o m´todo de Euler regressivo com passo constante h = 0. e • Th (t. cuja condi¸˜o ca ca ca e ca de convergˆncia ´ e e dφi (x) ∂f (ti+1 . e aplicando a express˜o de ca a . x) =h < 1. 1. . x(ξ)). por outro.Cap´ ıtulo 9. ca sendo x0 = x(t0 ) a condi¸˜o inicial. Por um lado. 1. 1] com x(0) = 1. ´ e ıcita.

1645 1. x(t))| 2 t∈[t0 .0091 1.0264 1.0830 1. o erro de truncatura e concluir que f (·.9 1. x(ξ)).0513 1.2132 1.0 xi 1. x(t)) + · · · + hp (p−1) (t. As express˜es de recorrˆncia o o e destes m´todos.3855 xi+1 1.1209 1.0264 1. x(t)) p! f . t + h]. e e ti 0.2665 1.4 0. e o valor x0 . embora dependa dos dados que caracterizam o problema de valor a inicial: a fun¸˜o f .3241 1.7 0.1645 1. x(t)) + · · · + hp (p−1) (t. x(·)) ´ cont´ dos m´todos de Euler satisfaz e Th ≤ ch.0091 1. o intervalo [t0 . x(ξ))dξ t Os m´todos de Taylor de resolu¸˜o num´rica de equa¸˜es diferencias caracterizam-se por aproxe ca e co imarem o integral por polin´mios de Taylor.0513 1.5 0.6 0. pelo que o supremo acima ´ finito. (x(t))) + h2 2 f (t. bem como os seus erros de truncatura obtˆm-se facilmente como se mostra em e e seguida.1209 1. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 157 recorrˆncia acima obtˆm-se os valores indicados na tabela abaixo.3 0.0 0.2665 1. (x(t))) + h2 2 f (t. ca 9.3241 1.0830 1. Da equa¸˜o diferencial temos ca x(t + h) = x(t) + hf (t.2132 1.1 0. T ]. Consideremos o desenvolvimento de Taylor x(t + h) = x(t) + hx (t) + h2 2 x (t) + · · · + hp (p) p! x (t) + hp+1 (p+1) (ξ) (p+1)! x onde ξ ∈ [t.8 0. onde c n˜o depende de h.5 M´todos de Taylor e t+h f (ξ. as condi¸˜es do teorema sobre existˆncia e unicidade de solu¸˜o permitem e ınua.Cap´ ıtulo 9. Assim.T ] co e ca Sendo f de classe C 1 .2 0. (p+1)! f O m´todo de Taylor de ordem p ´ caracterizado pela aproxima¸˜o e e ca x(t + h) x(t) + hf (t.3855 — O erro de truncatura em qualquer dos m´todos de Euler pode ser majorado por e Th = h sup |f (t. x(t)) p! f + hp+1 (p) (ξ.0000 1.

Usando o m´todo de Taylor de ordem 2. a ca a Exemplo 9. N − 1. o erro de truncatura deste m´todo ser´ a e a Th (t. xi ) + a e e f . 1] com x(0) = 1. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 158 o que corresponde a ter Fh (t.1.1. . verifica-se que a fun¸˜o t → f (t.. com passo 0. x) = f (t. 1. (p + 1)! ζ ∈ [t.1 × (1 + ti − xi ) + 0. xi ) + h2 hp f (ti . Obviamente que o m´todo de Taylor de ordem 1 n˜o ´ sen˜o o m´todo e a e a e de Euler progressivo.. Estas derivadas podem ser obtidas da seguinte forma e f = ft + fx x = ft + fx f 2 f = ftt + 2ftx f + fxx f 2 + fx ft + fx f . x(t)) + · · · + f (t. onde ft = ∂f ∂t e fx = ∂f ∂x . assim. Assim. T ]. xi ). o c´lculo destas derivadas a rapidamente se torna bastante complexo. 2 p! Ent˜o. afirmar-se que Th ≤ f (p) (·. xi ) + · · · + f (p−1) (ti . . x(t)) ´ tamb´m e e de classe C p no intervalo [t0 . Excepto se f tiver uma forma muito simples. x(t)).5. (ti . x(t)) o ca num ponto (t. x(t)) + h hp−1 (p−1) f (t. x) = 1 − 1 × (1 + t − x) = x − t.Cap´ ıtulo 9. Resolu¸˜o ca A express˜o de recorrˆncia ´ xi+1 = xi + hf (ti . obter uma solu¸˜o e ca aproximada de x = 1 + t − x. A express˜o de recorrˆncia do m´todo de Taylor de ordem p ser´ assim a e e a xi+1 = xi + hf (ti . pelo que ´ necess´rio calcular e a . t + h]. a express˜o de recorrˆncia ´ para este problema a e e xi+1 = xi + 0. Pode.005 × (xi − ti ) h2 2 f t ∈ [0. x(t)) gen´rico. . (p + 1)! A aplica¸˜o da express˜o de recorrˆncia dos m´todos de Taylor (assim como a avalia¸˜o do erro ca a e e ca de truncatura) necessita que sejam obtidas express˜es para as derivadas da fun¸˜o t → f (t. Sendo v´lidas as hip´teses sobre existˆncia e unicidade de solu¸˜o do problema de valor inicial a o e ca ca e e e verificando-se tamb´m que f ´ de classe C p . . x(ζ)). x) = hp f (p) (ζ. x(·)) hp . xi ) 2 p! para i = 0. obtendo-se f (t. pelo que os m´todos de Taylor de ordem elevada n˜o e a s˜o em geral de utiliza¸˜o muito pr´tica.

para todo o h suficiente pequeno e c > 0.2500 1.3072 1. T ].0412 1. Um m´todo de passo simples diz-se satisfazer a condi¸˜o de Lipschitz se Fh ca e ca verificar |Fh (t.0 xi 1.0000 1.2500 1.Cap´ ıtulo 9. .0050 1. que o erro de truncatura (e logo a ordem de consistˆncia) apenas caracterizam e o erro local em cada passo e n˜o o erro global de aproxima¸˜o da solu¸˜o exacta x por xh .5 0. . definido por ca eh = x − xh .7 0.1972 1.1.1 0. interessa saber se este erro converge para zero ` medida que h vai para zero a e.0050 1. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 159 onde i = 0. mas o erro de aproxima¸˜o global.1494 1. Apresenta-se em seguida um e e resultado que relaciona a ordem de consistˆncia e a ordem de convergˆncia de m´todos que e e e satisfazem certas condi¸˜es. .6 Consistˆncia e convergˆncia e e Um m´todo de resolu¸˜o num´rica de equa¸˜es diferenciais diz-se consistente se e ca e co h→0 lim Th = 0 e diz-se que a sua ordem de consistˆncia ´ p > 0 se e e Th ≤ chp . . contudo. v) − Fh (t. e ı Note-se. Em particular.1071 1. e Partindo da condi¸ao inicial x0 = x(0) = 1. obtˆm-se os seguintes resultados c˜ ti 0.3 0. co Defini¸˜o 9.0190 1. qual a ordem de convergˆncia do m´todo.3685 — 9. Desta defini¸˜o e do exposto atr´s resulta imediatamente que ambos os m´todos de Euler tˆm ca a e e ordem de consistˆncia igual a 1e tamb´m que o m´todo de Taylor de ordem p tem ordem de e e e consistˆncia p (da´ o seu nome!). independente de h.0708 1.6. .0 0.1972 1.0708 1.1494 1. 9.1071 1. t ∈ [t0 .6 0.2 0.0190 1.4 0.8 0.0412 1. a ca ca Em muitas situa¸˜es interessa analisar n˜o o erro de truncatura (que apenas fornece informa¸˜o co a ca local).3072 1. em caso afirmativo. w)| ≤ Lh |v − w|.3685 xi+1 1. 1.9 1.

T ]. enquanto para valores menores de h o erro aumenta por aumentarem os ca erros devidos a aritm´tica finita. e O resultado seguinte apresenta condi¸˜es de equivalˆncia entre os conceitos de consistˆncia e co e e convergˆncia e estabelece uma estimativa para o erro de aproxima¸˜o. ´ muitas vezes fonte e e de erros que se podem tornar extremamente elevados. embora aparentemente ben´fica por levar a erros mais baixo. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 160 para todo o h > 0 suficientemente pequeno. raz˜o pela qual os m´todos de Taylor de e e e a e ordem mais elevada tˆm associados erros que convergem mais rapidamente para zero. ` e Esta discuss˜o indicia que de uma forma geral os m´todos de maior ordem permitir˜o melhores a e a resultados pois os erros de truncatura e logo os de aproxima¸˜o diminuem mais rapidamente ca com a diminui¸˜o do passo h. e ca Teorema 9. o aumento da ordem de consistˆncia dos m´todos de Taylor ´ efectuado a a e e e a ` custa do esfor¸o de c´lculo de derivadas de ordem superior da fun¸˜o f .Cap´ ıtulo 9.1. quanto menor for o valor de h maior n´mero de c´lculos ser´ necess´rio para determinar a solu¸˜o da equa¸˜o diferencial no u a a a ca ca intervalo dado. ca ´ E importante referir aqui. Lh t ∈ [t0 . verifica-se que |eh (t)| ≤ eLh (t−t0 ) |e0 | + onde e0 = x(t0 ) − xh (t0 ). isto com e a diminui¸˜o do passo h.6. para h suficientemente pequeno. ca Th Lh (t−t0 ) [e − 1]. verifica-se que quanto mais c´lculos se tiverem de efectuar maiores ser˜o os erros devidos a a a ` utiliza¸˜o da aritm´tica finita. Se um m´todo de passo simples satisfizer a condi¸˜o de Lipschitz ent˜o ser´ e ca a a consistente se e s´ se for convergente.7 M´todos de Runge-Kutta e Como j´ foi visto atr´s. Dado que os c´lculos s˜o sempre (ou quase sempre) realizados em aritm´tica a a e finita. que a utiliza¸˜o de passos h muito ca reduzidos. Para um problema concreto que se pretende resolver com ca e um dado m´todo num´rico numa m´quina com uma dada precis˜o finita verifica-se que existe e e a a normalmente um valor “´ptimo” de h que conduz ao menor erro global na solu¸˜o aproximada. onde Lh ´ independente de h. ent˜o os m´todos de Taylor de ordem (de consistˆncia) p tˆm ordem de convergˆncia p. o Mais ainda. o ca Para valores de h superiores o erro aumenta por aumentar o erro devido a se utilizar um m´todo e aproximado de solu¸˜o. c a ca Os m´todos conhecidos genericamente por m´todos de Runge-Kutta foram desenvolvidos e e de forma a possu´ ırem ordens de consistˆncia superiores a 1 e a n˜o necessitarem do c´lculo de e a a . 9. o a e Se f ∈ C p e as hip´teses deste teorema se verificarem. ainda que de uma forma informal. De facto.

xi ) F2 = f (ti + α2 h. xi + h(βs.. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 161 derivadas de f para a sua aplica¸˜o. w2 . xi+1 ). O valor de xi+1 ´ calculado e e com as seguintes express˜es o F1 = f (ti . xi + h(β31 F1 + β32 F2 )) . xi ) e (ti+1 . . indicando-se o processo de determina¸˜o dos e ca coeficientes. x(t)) + w2 f (t + α2 h. De acordo com as express˜es acima tem-se neste caso que o Fh (t. x) = w1 f (t. βjk e wj s˜o parˆmetros a o e u a determinar de modo a garantir a ordem de consistˆncia desejada. Para ordens de consistˆncia at´ e e e 4 verifica-se sem poss´ obter m´todos com n´mero de est´gios igual a ordem de consistˆncia.1 F1 + βs. x(ξ))dξ − w1 f (t. como indicado em seguida. xi + hβ21 F1 ) xi+1 = xi + h(w1 F1 + w2 F2 ) onde w1 . e tamb´m o m´todo de ordem 4 mais utilizado. e e De uma forma geral. Fs = f (ti + αs h. . x(t)) − w2 f (t + α2 h. A selec¸˜o de tais pontos ca e “interm´dios” e da express˜o de c´lculo de xi+1 s˜o efectuadas de modo a garantir a ordem de e a a a consistˆncia pretendida. . s ´ um inteiro que traduz o n´mero de est´gios e αj . ıvel e u a ` e Apresentam-se em seguida os m´todos de ordem 2. x(t) + hβ21 F1 ) . + βs. e De uma forma geral os m´todos de Runge-Kutta (expl´ e ıcitos) permitem obter o valor de xi+1 efectuando os seguinte c´lculos a F1 = f (ti . xi + hβ21 F1 ) F3 = f (ti + α3 h. α2 e β21 .s−1 Fs−1 )) xi+1 = xi + h(w1 F1 + w2 F2 + . E tamb´m importante referir que os m´todos de Rungeca ´ e e Kutta gozam ainda da propriedade de possu´ ırem ordem de convergˆncia igual a sua ordem de e ` consistˆncia. s˜o determinados de modo a se obter a maior ordem de consistˆncia a e poss´ ıvel. e e M´todos de Runge-Kutta de 2 e a ordem e Estes m´todos utilizam apenas um ponto interm´dio entre ti e ti+1 . + ws Fs ) a a Nestas express˜es. x) = 1 h t+h t f (ξ)..2 F2 + . x(t) + hβ21 F1 ) sendo ent˜o o erro de truncatura dado por a Th (t. xi ) F2 = f (ti + α2 h. . a obten¸˜o do valor aproximado xi+1 no instante ti+1 ´ feita avaliando ca ca a fun¸˜o f em pontos “interm´dios” entre (ti .Cap´ ıtulo 9.

e . x) = (1 − w1 − w2 )f +h + h2 1 2 − α2 w2 )ft + 1 2 − β21 w2 )fx f α2 2 2 ftt 1 6 (ftt 2 + 2ftx f + fxx f 2 + ft fx + fx f ) − w2 + α2 β21 ftx f + 2 β21 2 2 fxx f + O(h3 ) Analisando esta express˜o conclui-se que de uma forma geral n˜o ser´ poss´ anular o termo a a a ıvel e ıvel em h2 . O c´lculo e e 2 e a a de xi+1 por este m´todo ser´ ent˜o feito de acordo com F1 = f (ti . co co cada um deles correspondendo a um m´todo num´rico para a resolu¸˜o da equa¸˜o diferencial. 2 O m´todo de Heun ´ obtido fazendo w1 = 1 . 4 M´todos de Runge-Kutta de 4 e O m´todo de Runge-Kutta de 4 e a a ordem ordem abaixo indicado ´ um dos mais utilizados. O c´lculo de xi+1 por e e a 4 4 3 este m´todo ser´ ent˜o feito de acordo com e a a F1 = f (ti . α2 = β21 = 2 . variando de autor para autor. α2 = 1 e β21 = 1. xi ) F2 = f (ti + h. Os valores dos coeficientes utilizados obtˆm-se de forma a garantir que o erro de c e e truncatura ´ de ordem h4 . ca e a e a O m´todo de Euler modificado ´ obtido fazendo w1 = w2 = 1 . basta que se verifiquem as seguintes igualdades e w1 + w 2 = 1 α2 w2 = 1 2 β21 w2 = 1 2 Como facilmente se constata. este sistema de equa¸˜es possui diferentes conjuntos de solu¸˜es. w2 = 3 .Cap´ ıtulo 9. garantindo-se assim uma ordem de consistˆncia 2. ´ poss´ anular os termos de ordem inferior a h2 . Todavia. e e ca ca ´ As escolhas mais comuns resultam nos dois m´todos abaixo indicados. xi + hF1 ) xi+1 = xi + h (F1 + F2 ). obt´m-se a seguinte express˜o e e a Th (t. ou seja. E importante referir que e a designa¸˜o destes m´todos n˜o ´ consensual. x). que se trata efectivamente de um m´todo de ordem de e consistˆncia 4. Para tal. A sua e popularidade adv´m do seu bom compromisso entre esfor¸o computacional requerido e precis˜o e c a alcan¸ada. xi + 2 hF1 ) 3 3 xi+1 = xi + h (F1 + 3F2 ). Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 162 Efectuando o desenvolvimento em s´rie de Taylor de Th (t. xi ) F2 = f (ti + 2 h.

19659 1.106531 1.004837 1.29437 0.148812 1. xi + hF3 ) xi+1 = xi + h (F1 + 2F2 + 2F3 + F4 ) 6 que se devem aplicar para i = 0.00484 1.47863 0.056100 1.026446 1.367880 Sol.5 0.42380 0.07032 1.59343 — F2 0.000000 1.106531 1.36788 — a t ∈ [0.178297 1.196585 1. .090490 1.13814 0.000000 1.018731 1.Cap´ ıtulo 9.0 xi 1.4 0.57314 0.1 0.5 0. N − 1. O exemplo seguinte sintetiza os resultados dos exemplos anteriores.1.45124 0. podendo constatar-se as diferen¸as entre eles e verificar o desempenho superior (como esperado) do m´todo de Rungec e Kutta de 4 ordem.10653 1.39353 0.18135 0.2 0.324098 1. 1. xi + h F2 ) 2 2 F4 = f (ti + h.149404 1. Aplicar o m´todo de Runge-Kutta de 4 ordem com passo 0.6 0. Exemplo 9.120921 1.3 0.22221 0.61274 — F4 0.000000 1.42228 0.14881 1.385543 Taylor 2 1.7.7 0.7. 1] com x(0) = 1.2.25918 0.041218 1.249329 1.004838 1.070320 1.070802 1.367879 a .009091 1.368541 R-K 4 1.196586 1.040818 1.39347 0.287420 1.018731 1.18127 0.3 0.266507 1.50346 0.36152 0.6 0.029000 1.10653 1.4 0.19659 1.32968 0.164474 1.131441 1.30657 1.197210 1.000000 1.22016 0.9 1.000000 1.010000 1.2 0.55071 0.8 0.09525 0.50341 0.24933 1.24933 1.9 1. e ca e ti 0.070320 1.00000 1. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 163 As express˜es que permitem determinar o valor xi+1 por este m´todo s˜o as seguintes o e a F1 = f (ti .36788 F1 0.55067 0.01873 1. 1.083013 1. Exemplo 9.0 0.36320 0.249329 1.1 0. 1.14881 1.52824 0.0 0.148812 1.47726 0.040818 1.0 Euler prog.249975 1.29622 0.000000 1.09516 0.7 0. Na tabela seguinte apresentam-se os resultados obtidos nos exemplos anteriores com os diferentes m´todos.25925 0.306570 1.00000 0.30657 1.8 0.61376 — F3 0. xi + h F1 ) 2 2 F3 = f (ti + h .005000 1.32974 0.213158 1. Resultados ti 0.45119 0. .57201 0. .230467 1.04082 1.63216 — xi+1 1.04082 1. xi ) F2 = f (ti + h .348678 Euler reg.14040 0.52700 0.01873 1.05000 0.07032 1.1 para obter uma e solu¸˜o aproximada de ca x = 1 + t − x.019025 1.00484 1. bem como a solu¸˜o exacta do problema que ´ x(t) = t + e−t .051315 1.307228 1.306570 1.04750 0.59347 0. .107076 1. exacta 1.

. x2 (t).     x (t) = f (t. . . . . T ] e a condi¸˜o inicial x(t0 ) = x0 .0 . . T ]. x2 (t). . . xi ).0 . x (t). . T ] em R. . . .8 Sistemas de equa¸˜es diferenciais co Dadas as fun¸˜es f1 . A principal diferen¸a ca e face ao caso escalar reside no facto dos valores xi a determinar por via num´rica serem elementos de Rn . . 1... para x1. f2 . xn (t)) 2 . . x (t). . . x(t)) e onde f : R1+n → Rn ´ definida por f = [f1 por x = [x1 x2 . x1 (t). sendo xh co i=0 uma solu¸˜o aproximada do problema de valor inicial. definida e ca x2 (t0 ) = x2. xn.. sendo em cada passo necess´rio calcular n n´meros reais. a u . Numa nota¸˜o mais compacta.. xn (t))  1     x (t) = f2 (t. para algum x0 ∈ Rn . .Cap´ ıtulo 9. . O problema de valor inicial consiste em determinar a fun¸˜o x que satisfaz esta equa¸˜o diferca ca ca encial vectorial num intervalo [t0 . de um modo geral. a e a a c A fun¸˜o Fh define-se em termos de f . ´ para i = 0. . xn ]T . . de R1+n em R. . um sistema de equa¸˜es diferenciais de ordem 1 co co ´ definido por e   x (t) = f1 (t. x2 . x1 (t). os valores xi = xh (ti ) ca podem ser obtidos pela express˜o de recorrˆncia a e xi+1 = xi + hFh (ti . x2. sendo tamb´m habitual considerar xh (t0 ) = x0 . . de um co co co intervalo [t0 . Os m´todos num´ricos de resolu¸˜o aproximada de problemas de valor inicial estudados para e e ca o caso escalar (uma equa¸˜o) podem ser aplicados de uma forma imediata ao caso vectorial ca (sistema de equa¸˜es). Importa referir aqui que ´ poss´ e ıvel estabelecer condi¸˜es de existˆncia co e e unicidade de solu¸˜o para este problema an´logas as formuladas no caso de uma equa¸˜o ca a ` ca diferencial escalar. .0 .0 ∈ R dados. xn (t0 ) = xn.. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 164 9. xn .0 . . . E de notar a semelhan¸a e c entre esta express˜o de recorrˆncia e a express˜o geral utilizada no caso escalar. . de forma an´loga ao caso escalar. .   . . fn . que satisfazem estas equa¸˜es diferenciais e as condi¸˜es x1 (t0 ) = x1. Considerando uma malha {ti }N de passo h no intervalo [t0 .0 . f2 . fn ]T e x ´ a fun¸˜o de R em Rn .. . x (t)) n 1 2 n n O problema de valor inicial consiste agora em determinar fun¸˜es x1 . . N −1. o sistema de equa¸˜es diferenciais representa-se por ca co x (t) = f (t. .

.i+1 = u1.i+1 = u1.1.i u2. h2 f (ti .i + hf1 (ti .i + 0. u1 . t ∈ [0. u2 ) = t + u1 − u2 A express˜o do m´todo de Euler progressivo a e ui+1 = ui + hFh (ti . u2.i − u2. u1.i + 0. e e a todos os outros m´todos s˜o de imediata adapta¸˜o: e a ca • o m´todo de Euler progressivo conduz a express˜o de recorrˆncia e ` a e xi+1 = xi + hf (ti . .1. xi ) + • .i ) u2.1 × (ti + u1.1.Cap´ ıtulo 9.i ) . u2 (0) = 0. ui ) toma neste caso a forma u1. ca e Resolu¸˜o ca a) Definam-se f1 e f2 por f1 (t. ´ E de notar agora que o c´lculo de f .i u2. 1].. u1. u2 ) = u1 u2 f2 (t. pode ser bastante complexo. u1 . e Exemplo 9.i+1 = u2.i ) ou ainda u1. ca e b) Determinar uma solu¸˜o aproximada pelo m´todo de Taylor de ordem 2 com passo 0.. • o m´todo de Taylor de ordem 2 tem por express˜o de recorrˆncia e a e xi+1 = xi + hf (ti . Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 165 Exceptuando o m´todo de Euler regressivo que ´ de extens˜o mais complexa para o caso vectorial.1 × u1.8. Considere o seguinte problema de valor inicial u1 = u1 u2 u2 = t + u1 − u2 u1 (0) = 1. u2. xi ). 2 a) Determinar uma solu¸˜o aproximada pelo m´todo de Euler progressivo com passo 0. f . pois cada componente a de f depende de t quer directamente quer indirectamente atrav´s das componentes de x. .i .i .i+1 = u2. xi ).i + hf2 (ti .

0158 1. .0 = u2 (0) = 0.5187 0.i+1 = u2. 9.9 1.8 0.1041 1. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 166 para i = 0.4353 1.2010 0.7 0.2016 1.1349 1.0612 1.0000 1.0000 1.6 0.8797 1. .1000 0.0 0.i )) devendo ser determinada para i = 0.0302 1.5 0. u2 ) = u2 u1 + u1 u2 = u1 u2 + u1 · (t + u1 − u2 ) 2 f2 (t. ti 0.1000 0.2000 0. 1.1603 1.6327 0.i u2. ui ) + h2 f (ti .1041 1.3010 0.0158 1.8531 0. 9 com as condi¸oes iniciais u1.i 1.7073 — u2.3955 1.5760 u2.2871 1.0461 1. u2 ) = 1 + u1 − u2 = 1 + u1 u2 − (t + u1 − u2 ) As express˜es de recorrˆncia tomam ent˜o a forma o e a u1.4094 0.i u2.0302 1.0202 1.0 u1.4 0.1156 — b) A express˜o do m´todo de Taylor de ordem 2 ´ a e e ui+1 = ui + hf (ti .i+1 1.i − u2.2 0.i u2.2871 1.0838 1.i 0. .3038 0.0050 1. u1 .4353 1.2016 1. .7 0.4039 0.7332 0.i · (ti + u1.4094 0.5187 0.i+1 0. .5 0.9 1.0100 1.0612 1.i − u2.005 × u1.0000 1.1349 1.0 u1.6327 0.5760 — u2.i+1 = u1.1 × u1. ti 0. Estas fun¸oes obtˆm-se de acordo com a a f1 (t.i+1 0. u1 .8 0.1156 u1. com as condi¸˜es iniciais u1.9801 1.i + 0.0 = u1 (0) = 1 e u2.3225 1.6 0. ui ) 2 c˜ e sendo ent˜o necess´rio determinar f1 e f2 . .8797 1.1603 1.0100 1.2 0.1000 0.6191 0.2322 1.7525 0.0 0.0202 1. .4039 0.3010 0.i ) + 0.1 0.6191 0.2010 0.1000 0.5096 0.8531 0.0461 1.7525 0.005 × (1 + u1. 1.3955 1.0000 0.i ) 2.i − (ti + u1.3225 1. c˜ A tabela abaixo apresenta os valores obtidos.1 0.1632 — .i u2 + u1.i 0.2000 0.3 0.3 0.5328 1.5096 0. co A tabela abaixo apresenta os resultados obtidos.i+1 1. .3038 0.i + 0.0000 1.i + 0.i − u2.4 0.0 = 0.7332 0.1632 u1.0838 1.0 = 1 e u2.5328 1.9801 1.1 × (ti + u1.0050 1.2322 1.i 1.Cap´ ıtulo 9.0000 0.7073 u2.

co .1 . xn (t)) devendo a sua solu¸˜o satisfazer as condi¸˜es iniciais ca co x1 (t0 ) = x0. . 2. x1 (t). x0. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 167 9. . x2 (t). x2 (t0 ) = x0. . Utilizando estas novas fun¸˜es tem-se ainda que co xn (t) = x(n−1) (t) = x(n) (t) = f (t. xn definidas por a e co x1 (t) = x(t) x2 (t) = x (t) ··· xn (t) = x(n−1) (t) conclui-se facilmente que xi (t) = xi+1 (t) para i = 1. as fun¸˜es) x1 . . . n − 1. Os m´todos para resolver uma equa¸˜o diferencial de ordem n ser˜o assim os mesmos que se e ca a utilizam para resolver um sistema de equa¸˜es diferenciais de ordem 1. . x2 . . x0. x1 (t). . .9 Equa¸oes diferenciais de ordem n c˜ Consideremos agora o problema de determinar a fun¸˜o x : R → R que ´ solu¸˜o de uma dada ca e ca equa¸˜o diferencial de ordem n ca x(n) (t) = f (t. . . .1 . . .Cap´ ıtulo 9.n−1 . . . . . . x(t). . . T ] e satisfaz as condi¸˜es iniciais co x(t0 ) = x0. como se indica em seguida. x (t). . .0 . x2 (t).0 x (t0 ) = x0. . xn (t0 ) = x0. . A resolu¸˜o num´rica deste problema ´ obtida transformando a equa¸˜o diferencial de ordem n ca e e ca num sistema de n equa¸˜es diferenciais de ordem 1. .n−1 para x0. xn (t)) O sistema de equa¸˜es diferenciais de ordem 1 toma ent˜o a forma co a x1 (t) = x2 (t) x2 (t) = x3 (t) ··· xn (t) = f (t.n−1 ∈ R dados. Considerando co as vari´veis dependentes (isto ´. x(n−1) (t)) num dado intervalo [t0 . .1 ··· x(n−1) (t0 ) = x0.0 . .

0851 0.3486 −0.i x2.2372 −0.0975 0. t ∈ [0.00 0.05.3066 −0.0498 0.0498 0.50 x1. pelo m´todo de Euler progressivo com passo 0.0499 −0.1947 −0.0635 0.1.0179 0.0925 0.i 0.5].3576 x1. o e ti 0.i ) com x1.1000 0.1485 −0.1947 −0. Determinar.0 = 0.25 0.2748 −0. Resolu¸˜o ca e co Definindo x1 = θ e x2 = θ .0179 0.2748 −0.40 0.0975 0.i+1 0. 0. obtˆm-se os valores apresentados na tabela seguinte.3486 −0.0000 −0. Aplicando sucessivamente estas express˜es.3066 −0.05 × 10 sin(x1.0998 −0.20 0.9.15 0.0998 −0.i+1 = x2.0004 x2. Equa¸˜es Diferenciais Ordin´rias: problemas de valor inicial co a 168 Exemplo 9.0754 0. uma solu¸˜o e ca aproximada de θ + 10 sin θ = 0.0344 0.30 0.0499 −0.0004 — x2.0851 0.i+1 −0.1 e x2.1485 −0.05 × x2.3576 — θ(0) = 0.45 0.35 0.1000 0.0925 0.2372 −0.i = θi 0.0754 0.1.10 0.3314 −0.0344 0.Cap´ ıtulo 9.i + 0.3314 −0.1000 0. θ (0) = 0.05 0. obt´m-se o sistema de equa¸˜es diferenciais x1 = x2 x2 = −10 sin(x1 ) As express˜es de recorrˆncia ser˜o o e a x1.0635 0.0 = 0.i+1 = x1.i − 0. .

Brooks Cole. 1987. Pina. Conte. Thomson Learning. [3] S. D. 1995. “Numerical Mathematics and Computing”. Burden. “M´todos Num´ricos”. Cheney. de Boor. e e 169 . Faires.Bibliografia [1] R. “Numerical Analysis”. 2001. 2004. [4] H. Kincaid. J. [2] W. McGraw-Hill. C. McGraw-Hill. “Elementary Numerical Analysis: an Algorithmic Approach”.

Sign up to vote on this title
UsefulNot useful