C´lculo Num´rico — Fundamentos e Aplica¸˜es a e co

Claudio Hirofume Asano Eduardo Colli Departamento de Matem´tica Aplicada – IME-USP a 11 de abril de 2007

2

Sum´rio a
I Sistemas Lineares
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9
11 11 11 12 13 15 16 17 18 21 21 24 28 29 31 31 32 33 37 37 38 40 41

1 Exemplos de aplica¸oes de sistemas lineares c˜ 1.1 Introdu¸ao . . . . . . . . . . . . . . . . . . . . . . c˜ 1.2 Provetas . . . . . . . . . . . . . . . . . . . . . . . 1.3 Petr´leo . . . . . . . . . . . . . . . . . . . . . . . o 1.4 Cores . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Interpola¸ao polinomial . . . . . . . . . . . . . . c˜ 1.6 Outros problemas de determina¸ao de polinˆmios c˜ o 1.7 Splines . . . . . . . . . . . . . . . . . . . . . . . . 1.8 Problemas de contorno . . . . . . . . . . . . . . .

2 O M´todo de Escalonamento e 2.1 O m´todo . . . . . . . . . . . . . . . . . . . . . . . . e 2.2 Algarismos significativos . . . . . . . . . . . . . . . . 2.3 O determinante no M´todo de Escalonamento . . . . e 2.4 A desvantagem da Regra de Cramer . . . . . . . . . 2.5 Sistemas mal-condicionados e refinamento de solu¸ao c˜ 2.5.1 Sistemas mal-condicionados . . . . . . . . . . 2.5.2 Matrizes de Hilbert . . . . . . . . . . . . . . . 2.5.3 Refinamento . . . . . . . . . . . . . . . . . . 3 M´todos iterativos e 3.1 O M´todo de Jacobi . . . e 3.2 Crit´rio das Linhas . . . . e 3.3 Crit´rio de parada . . . . e 3.4 O M´todo de Gauss-Seidel e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

II

Ajuste de Fun¸˜es co

47
49 49 50 50

4 Ajuste de fun¸oes c˜ 4.1 O problema do ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Os m´ ınimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Parˆmetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 3

4 4.3.1 4.3.2 4.3.3 4.3.4 4.3.5 4.3.6 Densidade . . . . . . . . . Caten´ria . . . . . . . . . a Naftalinas e fun¸oes afins c˜ Decaimento exponencial . Leis de potˆncia e fractais e Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

´ SUMARIO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 52 52 53 54 55 59 59 60 61 62 64 65 66 66 68 71 71 73 74 75 77 77 79 81 81 84

5 Fun¸oes lineares nos parˆmetros c˜ a 5.1 Dependˆncia linear dos parˆmetros . . . . . . . . e a 5.2 Cont´ ınuo vs. discreto . . . . . . . . . . . . . . . . 5.3 Um parˆmetro . . . . . . . . . . . . . . . . . . . a 5.4 Dois parˆmetros . . . . . . . . . . . . . . . . . . a 5.5 Ajuste de qualquer fun¸ao linear nos parˆmetros c˜ a 5.6 O caso cont´ ınuo . . . . . . . . . . . . . . . . . . . 5.7 Exemplos . . . . . . . . . . . . . . . . . . . . . . 5.7.1 Dinamˆmetro . . . . . . . . . . . . . . . . o 5.7.2 Cosseno aproximado por um polinˆmio . o 6 Levando a s´rio o produto escalar e 6.1 Produto escalar e distˆncia . . . . . a 6.2 Existˆncia e unicidade de solu¸oes no e c˜ 6.3 O caso cont´ ınuo . . . . . . . . . . . . 6.4 Outros produtos escalares: pesos . . . . . . ajuste . . . . . . . .

. . . . linear . . . . . . . .

7 Fam´ ılias ortogonais 7.1 Defini¸oes e exemplos . . . . . . . . . . . . . . . . c˜ 7.2 Calculando polinˆmios ortogonais por recorrˆncia . o e 7.3 Um exemplo de aplica¸ao de polinˆmios ortogonais c˜ o 7.4 Exemplo de an´lise harmˆnica . . . . . . . . . . . a o 7.5 Uso de fun¸oes tabeladas por mudan¸a de vari´vel c˜ c a

III

Equa¸˜es e Zeros de Fun¸˜es co co
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

87
89 89 90 90 93 95 96

8 Zeros de fun¸oes e o M´todo da Dicotomia c˜ e 8.1 Introdu¸ao . . . . . . . . . . . . . . . . . . . . . . . c˜ 8.2 Raiz c´ bica de 10 . . . . . . . . . . . . . . . . . . . u 8.3 P´ra-quedista ou bolinha em queda dentro d’´gua a a 8.4 O cilindro deitado . . . . . . . . . . . . . . . . . . 8.5 Caten´ria . . . . . . . . . . . . . . . . . . . . . . . a 8.6 M´todo da Dicotomia . . . . . . . . . . . . . . . . e

9 M´todos iterativos e 99 9.1 Plano geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 9.2 Pontos fixos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 9.3 Fun¸oes auxiliares candidatas . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 c˜

. . . . . . . . . .a escolha de ϕ . . . . . . . . . .1 Exemplo do uso da forma de Newton . . . . . . . . . . . . . . . . . . . 139 141 141 142 144 146 147 151 152 13 Importˆncia da integra¸˜o num´rica a ca e 13. . . . . . . .6. 5 102 104 109 110 111 113 115 117 118 121 123 124 10 O M´todo de Newton e 10. . . .2 Forma de Newton . . . . . .9 Visualizando itera¸oes . . . . . . . . . . . . . . . . . . . . 161 o c˜ e 15. . . . .1 Determina¸ao da forma de uma corda c˜ . . . . . . . . . . . . . . . . .1 Polinˆmios de Lagrange . . 157 e 15 Estimativa do erro nos m´todos de integra¸˜o e ca 161 15. . . . . . .2 Aplica¸ao das f´rmulas de erro . . . . . . . . . . . . . . . .1.2 C´lculo de ´reas . . . . . . . . . . . a 13. . . . . . . . . . . . . . . . . c˜ 13. . . . .1 Introdu¸ao . . . . . . . . . . . . . . . . 155 e e 14. . . . . . . .2 O M´todo dos Trap´zios . a 13. . . . . . . . . . . . . . . . . . .1 Introdu¸ao . . . . . . . . . . . . . . . . . .1 O caso ϕ (x ) = 0: convergˆncia quadr´tica . . . . .6 9. . . . . . . . . . . . . . . . . V Integra¸˜o de Fun¸˜es ca co . . . . . . . . . a a 13. . . . . . . . . . . . . . . . . . . . . . . .6 C´lculo de π e de logaritmos . . . . . . . . . . . . 163 c˜ o . . . . . . . . . . .4 Distˆncia percorrida e tempo decorrido . . . . . . . . . . . . c˜ A escolha de x0 . . . . . . . . . . . .2. . . . . . . . . . . . . c˜ Iterando perto de pontos fixos . . . . . e 10. . . . . . . . . . . . . . . . . . . o 10. . . .2 M´todo de Newton em dimens˜es mais altas . . . . . . . . . . . . . . 14 M´todos de integra¸˜o num´rica e ca e 155 14. . . 12. . . . . . . . .1 Quando o M´todo de Newton funciona? . . . . . . . . . . . .1 F´rmulas de erro e compara¸ao dos m´todos . . . . . . . . . . . . . . . . . . . . .5 9. . . . . . . . . . . . . . . .´ SUMARIO 9. . . . . . . .3 Comprimento de curvas e gr´ficos . . . . . . . . . . . . . . . . . . . . .5 Per´ ıodo do pˆndulo e as integrais el´ e ıpticas 13. . . . .7 9. . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . Teorema do Valor M´dio e velocidade de convergˆncia e e ′ ∗ 9. . . . . . . . . e a Calculando zeros de fun¸oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Retirando a hip´tese f ′ (x∗ ) = 0 . . . . e . .3 O M´todo de Simpson . . . . . . . . . . . IV Interpola¸˜o Polinomial ca 127 129 133 133 133 137 11 Estimativa do erro nas interpola¸oes c˜ 12 T´cnicas de interpola¸˜o e ca 12. . . . . . . . . . . . . . . . . . . . . . . . . . .4 9. . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 c˜ 14. . . . . . . . . . . . . . . .7 A gaussiana . . . .8 9. . . . . . . . . . e o 10. . . . . . . . . . . . . . . a 13. . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 12. . . . . . Um crit´rio de parada . . . . . . . . . . . . . .

. . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 16. . . . . . . . . . . . . . . . . . .M´todo dos Trap´zios . . . . . . . . .6 Runge-Kutta em sistemas de equa¸oes autˆnomas . . . . . . . . . . . . . . . . .8.6 Terceira Abordagem . . . . . a 17. . a 17. . . . . . . . .3 P´ra-quedista . . . . . . . . . . . . . . . . . . . . . . . .3 Segunda Abordagem . . . . . . .2 Crescimento populacional a taxas constantes . . . . .5 Explorando a linearidade . . . . . . . . . . . . . . . . . .8 O determinante . . c˜ c˜ A. . . . . . . . . . . . . . . . . . . . .1 Naftalinas . . . .5 Equa¸oes diferenciais com mais vari´veis . . .2 Dimens˜o 3 . . . . . . . . . 18. . . . . . . . . . . . . . . . . . . . . . . .M´todo de Simpson . . . .3 Alguns exemplos . . . . . . . . . . . . . . e 16. . .5 Runge-Kutta . .3. . . . . . . . . . . . . . . . .3. . . . a A. . A. . . .M´todo dos Trap´zios e e 16. . . . . . . . . .4 Invers˜o de matrizes . .1 Dimens˜o 2 . . . . . . . . . . . . .3. . . sobrejetividade. . . . . . . . . . . . . . . . . . . . . . . . .3 O M´todo de Euler . . . . . . . . e c˜ A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 17. . . . . . . . . . . . . .8 Transferˆncia de calor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17. . . . . . . . . .8. . . . . . . . . . . . . . . . . . . .8.6 Existˆncia e unicidade de solu¸oes . . . . . . . . . . . . . . . . . . . c˜ 17. . . . . . . . . . . . . . . . . . . . .3 Nota¸ao e interpreta¸ao . . . . . . .3. . c˜ a 18. .. . . . . . . . . . . . . . . . . . . . . . . 17. . .3. . . . . . c˜ a 18 Solu¸˜o num´rica de equa¸oes diferenciais ca e c˜ 18. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜ 18. . . . . . . . . . . . . .4 Crescimento populacional com restri¸oes de espa¸o c˜ c 17. . . . . . . . c˜ o 17.1 Primeira Abordagem . . . . . . . . . .3 Dimens˜o n . . . . . . . . .2 Transforma¸oes lineares . . . . . . . 17. 18. . . a .6 Escoamento de um copo furado . . . . . . . . . . A. . . quem ´ f ? . . . . . . . . . . . . . . . . .7 Dada ϕ do M´todo de Newton. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a A. . . . . . . . . . . . . . . .4 Segunda Abordagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Equa¸oes separ´veis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI Equa¸˜es Diferenciais co . . . a A. . . . . . . . . .3. .1 Introdu¸ao . . . . . . e e 16. . . . . 17. . . . .4 Indo para segunda ordem . .2 Discretiza¸ao .2 Solu¸ao de equa¸oes autˆnomas e separ´veis . . . . . . . . .7 Injetividade. . . . . . .4 Entendimento qualitativo de equa¸oes autˆnomas . . .5 Terceira Abordagem . . . . . . . . . . . . . . . glup! . . . . . . . . . . . . . . . . . .1 Sistemas lineares e interse¸oes de hiperplanos c˜ A.2 Primeira Abordagem . . . . . . . .M´todo de Simpson . . . . . . . . . . . . . .6 16 Obten¸˜o das f´rmulas de erro ca o 16. . . . . c˜ o A Entendendo os sistemas lineares A. . . . c˜ c˜ o a 17. . c˜ A. . . . . . . . . . e e 17. . . . . . . . . . . . . . . . . . . . . . . . . . . .3. .5 Caten´ria . . . e 18.3. . . . . . . . . . . . e ´ SUMARIO 167 168 169 169 170 171 172 . . . . . .M´todo de Simpson . . . . 175 177 177 179 180 180 180 181 181 182 183 185 185 186 187 191 191 192 194 196 198 202 205 205 206 208 208 209 212 213 214 214 216 218 17 Breve introdu¸˜o `s equa¸oes diferenciais ca a c˜ 17. . .M´todo dos Trap´zios e e 16. .

. . . . . . . .2 Polinˆmio e F´rmula de Taylor . . .5 O Teorema Fundamental do C´lculo . . . o o D Respostas de exerc´ ıcios selecionados . . . . . .8 O Teorema do Valor M´dio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 Quadro comparativo . . . . . . . . . . . . . . . B. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B. . . . . . . . . . .1 Polinˆmios de grau zero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . .3 Aproxima¸ao de grau 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.4 A integral indefinida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B. . . . . . .2 Aproxima¸ao da fun¸ao nula c˜ c˜ C. . . . . . . e B. . . . . . . . . . .7 O logaritmo . . . . . . . . 219 B Revis˜o de C´lculo a a B.6 A praticidade do Teorema Fundamental do C´lculo a B. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a B. . . . . . . . . . . . . . . o C. . . . . . . . B. . . . . . . . . . . .1. . . . . . .´ SUMARIO 7 A. . . . . c˜ c˜ B. . . . . . . . c˜ C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Integral . . . . . . . . . . . .2 Primitivas . . . . . . c˜ C. . . . . . . . . . . . . . . . . . . . . . . . . .10 Regras do produto e do quociente . . . . .1. . .12 Truques de primitiviza¸ao: substitui¸ao . . . . . . . . . . . . . . . . . . . .11 Truques de primitiviza¸ao: integra¸ao por partes . . . . 221 221 222 223 224 226 228 229 233 234 236 237 237 241 241 242 242 242 243 247 . . . . . . . . . . . . . . . . . .1 Derivadas . . . . . . . . . . . . c˜ c˜ C F´rmula de Taylor o C. . . . . . . . . . .9 A Regra da Cadeia . . . . . . B. . . . . . . .1 Introdu¸ao . B. . .

8 ´ SUMARIO .

Parte I Sistemas Lineares 9 .

.

infelizmente. isto ´. + amn xn = bm Os n´ meros aij s˜o os coeficientes do sistema linear. e s˜o fornecidos no problema. e em cada proveta os materiais s˜o dispostos em camadas. . m = n. + a2n xn = b2 . Os bi ’s u a a s˜o chamados de termos independentes. e que saibamos a massa da proveta vazia. + a1n xn = b1 a21 x1 + a22 x2 + . o 1. da seguinte e c˜ o forma: a11 x1 + a12 x2 + . com n inc´gnitas x1 . xn . . n˜o misturadas.1 Introdu¸˜o ca Um sistema linear ´ um conjunto de m equa¸oes.Cap´ ıtulo 1 Exemplos de aplica¸˜es de co sistemas lineares 1. . 11 . ıvel Dado que possamos medir a massa total de cada proveta. am1 x1 + am2 x2 + . . a rela¸ao entre o determinante dos coeficientes do sistema e a c˜ existˆncia e unicidade de solu¸oes). exporemos dois m´todos iterativos de resolu¸ao e c˜ dos sistemas lineares (que. . . s´ funcionam em certos casos). queremos calcular a densidade de cada um dos materiais. .2 Provetas Considere o seguinte problema. . a a de modo que seja poss´ medir facilmente o volume de cada material em cada uma delas. . no Apˆndice A discutimos um pouco da e teoria envolvida (por exemplo. x2 . no Cap´ e c˜ ıtulo 2 falaremos de sua solu¸ao pelo M´todo de c˜ e Escalonamento e no Cap´ ıtulo 3. finalmente. Quatro tipos de materiais particulados est˜o distribu´ a ıdos por quatro provetas. . Trataremos neste Cap´ c˜ o e ıtulo de alguns exemplos onde se aplicam sistemas lineares.. Aqui estudaremos apenas os sistemas lineares que a tenham tantas equa¸oes quanto inc´gnitas. .

12 CAP´ ITULO 1. quanto petr´leo de cada po¸o se deve colocar? a o c Mais uma vez equacionemos o problema: chamaremos de c1A a concentra¸ao de A no c˜ petr´leo do Po¸o 1. ıvel c˜ e uma coluna de material ´ retirada. mas n˜o poder´ a ıamos desmanchar a coluna para medir a densidade de cada material isoladamente. m3 e m4 . mas antes do refino precisa obter uma mistura com o e c uma concentra¸ao escolhida das substˆncias A e B. Uma sonda faz o papel das provetas. C a e D. B. B. As concentra¸oes que queremos obter s˜o chamadas de c˜ e c˜ a cA e cB . v1C e v1D o volume dos materiais A. u Entre os dados dispon´ ıveis para resolvˆ-lo e est˜o a massa conjunta dos quatro materiais a em cada uma das provetas (numeradas de 1 a 4). C e D na Proveta 2. B. situados em regi˜es o e c o o distintas.3 Petr´leo o Outro problema para Ge´logos e afins. 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00 1 11 00 11 00 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00 11 00 11 00 2 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 A 11 00 11 00 3 11 00 11 00 11 00 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00 4 Al´m disso. j´ a descontada a tara das provetas. ca 1. C e D na Proveta 1. obteremos quatro equa¸oes: c˜ v1A · ρA + v1B v2A · ρA + v2B v3A · ρA + v3B v4A · ρA + v4B · ρB + v1C · ρB + v2C · ρB + v3C · ρB + v4C · ρC · ρC · ρC · ρC + v1D · ρD + v2D · ρD + v3D · ρD + v4D · ρD = m1 = m2 = m3 = m4 Trata-se de um sistema linear de quatro equa¸oes e quatro inc´gnitas. sob o risco de alterar a compacta¸˜o. a massa do material A na Proveta 1 e a ´ v1A · ρA . c1B a concentra¸ao de B no petr´leo do Po¸o 1. Em trˆs po¸os de petr´leo. A sonda permitiria medir a dimens˜o e a de cada camada. v1B . Essa o c c˜ o c informa¸ao ´ conhecida previamente. a o n´ meros que queremos descobrir. obtemos que a massa total m1 contida na Proveta 1 ´ e v1A · ρA + v1B · ρB + v1C · ρC + v1D · ρD . Essas s˜o as inc´gnitas do problema. e assim por diante. e suas densidades respectivas de ρA . ρC e ρD . v2B . Como a densidade ´ a raz˜o entre massa e volume. Uma c˜ a central recebe o petr´leo dos trˆs po¸os. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Para colocar o problema em termos matem´ticos. o material coletado tem diferentes concentra¸oes de duas substˆncias A e B. chamemos os materiais de A. e assim por diante. ρB . que chamaremos de m1 . v2C e v2D o volume dos materiais A. c˜ o Uma poss´ aplica¸ao em Geologia seria a seguinte. Estendendo esse racioc´ e ınio para os demais materiais. v2A . contendo materiais diferentes dispostos em camadas e (pode ser at´ uma sonda coletando material gelado). Considerando as quatro provetas. A pergunta ´: em cada litro de petr´leo c˜ a e o que ser´ gerado para o refino. Chae maremos de v1A . temos o volume de cada um dos materiais em cada uma das provetas. m2 . As inc´gnitas s˜o as quantidades relativas de petr´leo de cada po¸o que colocaremos o a o c .

Al´m disso. Pensando o mesmo sobre o material B. Queremos um par de concentra¸oes (cA . CORES 13 na mistura final. cB ) tal que existam q1 . e cB (c1A . e devem ser tais a que q1 + q2 + q3 = 1 .cB ) (c3A . . a O conjunto de valores de cA e cB para os quais haveria uma solu¸ao para esse problema pode ser c˜ representado da seguinte forma. a concentra¸ao do material A ap´s a mistura dos trˆs ser´ dada por e c˜ o e a c1A · q1 + c2A · q2 + c3A · q3 . Por exemplo. (c2A . q2 e q3 . n˜o h´ como obter a mistura satisfatoriamente. se a concentra¸ao cA desejada na mistura for superior `s c˜ a concentra¸oes de A em cada um dos po¸os. Elas s˜o medidas em litros. Esse conc˜ junto de possibilidades est´ representado no plano a cartesiano na figura ao lado. c1B ). q2 e q3 e encontrados n˜o sejam negativos.c3B ) (c2A .c2B ) cA 1. e ´ denominado ene volt´ria convexa dos pontos (c1A . Ele ´ o menor conjunto convexo que e cont´m os pontos citados.c1B ) possiveis (cA . ficamos com trˆs equa¸oes lineares e trˆs inc´gnitas: e c˜ e o c1A · q1 c1B · q1 q1 + + + c2A · q2 c2B · q2 q2 + + + c3A · q3 c3B · q3 q3 = = = cA cB 1 Aqui ´ importante salientar que o problema n˜o teria uma solu¸ao satisfat´ria para qualquer e a c˜ o escolha de cA e cB . c˜ q2 e q3 satisfazendo as equa¸oes acima. que chamaremos de cores puras. na qual provavelmente c˜ a c˜ uma das inc´gnitas q1 .4 Cores Um exemplo muito semelhante pode ser obtido trabalhando-se com combina¸oes de cores. q2 ou q3 teria que ser negativa! o Portanto no problema real devemos adicionar a exigˆncia de que os valores q1 . c3B ). c˜ A maior parte das cores conhecidas podem ser formadas pela combina¸ao de trˆs cores: c˜ e vermelho (R).1. verde (G) e azul (B). c˜ c a a Mesmo assim poderia haver uma solu¸ao matem´tica para a equa¸ao. que chamaremos de q1 .4. c2B ) o e (c3A . as letras correspondendo ` nomenclatura em inglˆs a e red-green-blue.

0) e a e c˜ (0. Elas s˜o representadas por pontos no tri˜ngulo T . 1. 0. e esses n´ meros s˜o geometriu a camente vistos pela posi¸ao que rec˜ presentam no primeiro octante formado pelos trˆs eixos coordenados e no espa¸o tridimensional. qB ) para cada i = 1. 3. a a (i) (i) (i) . Q(3) e Q(4) . cada um indicando a a quantidade de cada uma das trˆs coe res. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Isto significa que as cores podem ser representadas por trˆs n´ meros e u n˜o-negativos. 0) + qG (0. xG . 1) . 4. qG . Q(2) .14 CAP´ ITULO 1. 1. 3. 0. 1) deve resultar na mesma cor que (3. (0. c B G R No entanto h´ um bocado de informa¸ao redundante nessa representa¸ao. 1. 0. uma vez que o a c˜ c˜ ponto (1. 0).0) (1. c˜ a Suponha agora que produzimos quatro cores distintas Q(1) . 0) + qB (0. 3). Chamaremos de T esse triˆngulo. xB deu notam a quantidade de litros de cada cor pura e sempre quisermos produzir exatamente 1 litro de mistura. a Cada ponto Q desse triˆngulo ´ obtido como combina¸ao convexa de (1. (0. 0. qG . ent˜o ´ necess´rio que a e a xR + xG + xB = 1 .1. 1).0) G vermelho verde R A equa¸ao acima restringe o espa¸o de cores c˜ c poss´ ıveis ` intersec¸ao do plano xR + xG + a c˜ xB = 1 com o primeiro octante.1) Se pensarmos que os n´ meros xR . sendo que Q(i) = (qR . isto ´. que ´ o e triˆngulo mostrado na figura ao lado. 2. B azul (0. e Q = (qR . com a condi¸ao de que qR + qG + qB = 1.0. a unica diferen¸a sendo a quantidade ´ c de material produzido. qB ) = qR (1.0.

p(x) y1 x2 x1 y2 x3 y3 Um polinˆmio quadr´tico ´ escrito. Q(2) . b e c. y1 ).5 Interpola¸˜o polinomial ca Imagine que queiramos passar um polinˆmio quadr´tico (isto ´. na sua forma geral. y2 ) e (x3 . a o e Explicitando as equa¸oes. INTERPOLACAO POLINOMIAL ¸˜ 15 O conjunto de todas as combina¸oes poss´ c˜ ıveis dessas quatro cores (formando um litro) ´ o e menor conjunto convexo em T que cont´m ese sas quatro cores. Q(3) e Q(4) que produzam 1 litro da cor cinza Q. como ilustra a figura ao lado. esteja contida nesse menor 3 3 3 conjunto convexo.1. desde que x1 . x3 e x4 das cores Q(1) . e gostar´ ıamos de determinar as quantidades x1 . Como neste problema nosso objetivo ´ determinar o polinˆmio quadr´tico. suponha que a cor cinza. pois o e o e c˜ gr´fico do polinˆmio deve passar pelos trˆs pontos dados: p(x1 ) = y1 . B Q (2) Q (1) R Q (4) Q (3) G Por exemplo. p(x2 ) = y2 e p(x3 ) = y3 . Para encontrar as inc´gnitas dispomos de trˆs equa¸oes. x2 e x3 sejam todos diferentes entre si. y3 ). as inc´gnitas s˜o e o a o a os trˆs coeficientes a. x2 . uma par´bola) pelos pontos o a e a (x1 . com x1 + x2 + x3 + x4 = 1. 1 . (x2 . ficamos com c˜ ax2 + bx1 + c = y1 1 ax2 + bx2 + c = y2 2 ax2 + bx3 + c = y3 3 . 1 ). Se Q ´ uma tal cor. dada por Q = ( 1 . x2 .5. x3 e x4 : o qR x1 (1) qG x1 (1) qB x1 x1 (1) + + + + qR x2 (2) qG x2 (2) qB x2 x2 (2) + qR x3 (3) + qG x3 (3) + qB x3 + x3 (3) + + + + qR x4 (4) qG x4 (4) qB x4 x4 (4) = 1 3 1 = 3 1 = 3 = 1 1. como o a e p(x) = ax2 + bx + c . Isso nos d´ quatro equa¸oes lineares a c˜ nas inc´gnitas x1 . ent˜o e a Q = x1 Q(1) + x2 Q(2) + x3 Q(3) + x4 Q(4) .

. 1. . A c˜ e ´ resposta ´ sim (desde que os xi ’s sejam distintos entre si. . n−1 xn · an−1 = = = = y1 y2 . (0. onde os coeficientes s˜o as n inc´gnitas: c˜ a o a0 a0 . . e se ela ´ unica. (3. . 0). . a0 + + + x1 · a1 x2 · a1 . .7. + . temos o c˜ sistema de n equa¸oes. . −1) e (4. . Sejam os pares (x1 .. (xn . 1). . . p(x2 ) = o a e y2 . 19) e o (4. Exerc´ ıcio 1. yn Podemos nos perguntar se sempre existe solu¸ao para esse sistema. .. A id´ia a c˜ o e fica mais clara a partir do seguinte exemplo. . + n−1 x1 · an−1 n−1 x2 · an−1 . isso sugere que fixemos k = n − 1.16 CAP´ ITULO 1. . xn · a1 + + + x2 · a2 1 x2 · a2 2 . Queremos achar um polinˆmio p(x) cujo gr´fico passe pelos pontos dados. + . ´ o (3. . com os xi ’s distintos dois a dois. yn ). ... em determinados pontos. . Assim. + + . y1 ).2 Encontre o polinˆmio interpolador para os pontos (−1.. mas veremos a justificativa mais e adiante. p(xn ) = yn . EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ e reescrevendo-as evidenciamos o car´ter de sistema linear do problema: a x2 · a + x1 · b + c = y1 1 x2 · a + x2 · b + c = y2 2 x2 · a + x3 · b + c = y3 3 Nem ´ preciso dizer que o mesmo tipo de problema se generaliza para um n´ mero qualquer e u n de pontos. na Se¸ao A. −5). c˜ Exerc´ ıcio 1. isto ´: p(x1 ) = y1 . .1 Ache o unico polinˆmio de grau 3 passando pelos pontos (−1. 1). (0.6 Outros problemas de determina¸˜o de polinˆmios ca o Outro problema de interpola¸ao polinomial que pode ser reduzido a um sistema linear ocorre c˜ quando s˜o impostas condi¸oes nas derivadas do polinˆmio. 45). . yn y y n−1 x1 x2 y2 xn−1 xn 1 Se procurarmos por um polinˆmio de grau k teremos k + 1 coeficientes a determinar. x2 · a2 n + . . . o Como temos que satisfazer n equa¸oes. . 0).

fixa-se o valor e a derivada de p em dois pontos. Explicitamente. . yn ) (a numera¸ao come¸a a e c˜ c de zero. 3. fica-se com 4 inc´gnitas. . se p(x) = a0 + a1 x + a2 x2 + a3 x3 . com k = 1. (xn . . pois a c˜ 2 p(x)dx 1 = = a x3 3 2 1 +b x2 2 2 1 + cx 2 1 3 7 a+ b+c.7. o u 2. Com um polinˆmio e a c˜ o de grau 3. Por e c˜ o exemplo. duas vezes diferenci´vel e com derivada segunda cont´ a ınua. 1 isso nos d´ uma equa¸ao linear. um polinˆmio c´ bico em cada intervalo [xk−1 . o que d´ 4 equa¸oes. . n. igual aos valores especificados yk nos pontos xk . achar uma fun¸ao que seja: c˜ 1. ent˜o o a as 4 equa¸oes se transformam em c˜ a0 a0 − a1 + 3a1 a1 a1 + + − + a2 9a2 2a2 6a2 − + + + a3 27a3 3a3 27a3 = = = = 1 0 0 0 Tamb´m pode-se impor alguma condi¸ao de integral definida para o polinˆmio. inclusive nos pontos extremos dos intervalos (em particular. . com derivada zero nos extremos (ou com valores especificados da derivada nos extremos). a fun¸ao tamb´m deve ser diferenci´vel). o Isto ´. SPLINES 17 Problema: “achar um polinˆmio tal que p(−1) = 1.1. 3 2 1. x0 x1 x2 x3 x4 x5 . xk ].7 Splines H´ tamb´m o problema de “spline”. . p′ (−1) = 0 e p′ (3) = 0”. . c˜ e a 4. Dados pontos (x0 . p(3) = 0. se p(x) = ax2 + bx + c ´ polinˆmio de grau 2 e sabemos que e o 2 p(x)dx = 3 . y0 ). . desta vez) como na figura abaixo com n = 5.

3 Monte o sistema linear relativo ao spline dos pontos da figura. 1 n e tamb´m a continuidade da derivada em cada n´dulo: e o p′ (x1 ) = p′ (x1 ) .5 2. Al´m disso. Temos que impor os valores extremos p1 (x0 ) = y0 . .0 1. 1) e (1. 1 2 n−1 n Ao todo s˜o 4n equa¸oes! a c˜ ´ E poss´ mostrar que o sistema da´ resultante sempre tem unica solu¸ao. nos demais n´dulos (mais 2n − 2 equa¸oes): c˜ o c˜ p1 (x1 ) = y1 e p2 (x1 ) = y1 . 2 n−1 n 1 perfazendo mais n + 1 equa¸oes. .18 CAP´ ITULO 1. pn (xn ) = yn (no desenho. y0 e yn s˜o iguais a zero). pn (x) os polinˆmios. . .4 Fa¸a um spline c´bico com os pontos (−1. . p′ (xn−1 ) = p′ (xn−1 ) . com mais n − 1 equa¸oes: o c˜ p′′ (x1 ) = p′′ (x1 ) . . p′′ (xn−1 ) = p′′ (xn−1 ) . com os seguintes dados: k 0 1 2 3 4 5 xk −3. . 0). Chamaremos de p1 (x). . . xk ]. Finalmente. . .4 0. com derivada c u zero nos extremos.0 Exerc´ ıcio 1.5 1. Ser´ que temos 4n equa¸oes o o a c˜ tamb´m? e Vejamos.0 0. pn−1 (xn−1 ) = yn−1 e pn (xn−1 ) = yn−1 . 0). . devemos impor a a c˜ e a segunda condi¸ao especificada acima. .0 0. J´ temos duas equa¸oes. sendo que o polinˆmio pk (x) o o corresponde ao intervalo [xk−1 . .0 2. e s˜o o u a portanto 4n inc´gnitas (quatro coeficientes de cada polinˆmio). .8 Problemas de contorno O problema do equil´brio termost´tico (ou tamb´m do eletrost´tico) ´ outro exemplo de ı a e a e redu¸ao a um sistema linear. Temos ainda que impor as derivadas nos extremos (zero e c˜ neste caso): p′ (x0 ) = 0 . ıvel ı ´ c˜ Exerc´ ıcio 1. . temos que impor tamb´m a continuidade da c˜ e segunda derivada nos n´dulos. p′ (xn ) = 0 .0 −1.5 4.7 2. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Nesse problema temos que achar n polinˆmios c´ bicos (um para cada intervalo).0 yk 0. 1. At´ agora totalizamos 2n equa¸oes. (0. c˜ .

PROBLEMAS DE CONTORNO 19 Suponha uma situa¸ao como a c˜ mostrada na figura ao lado. O quadrado inclinado. ∂x2 ∂y 2 significando que devemos procurar uma fun¸ao cont´ c˜ ınua T (x. numeramos os v´rtices da malha cujas teme peraturas n˜o est˜o fixadas. Em seguida. Tb . T2 . ` a temperatura Tb 3. ` temperatura Tc a A quest˜o ´: como se distribuir´ a e a a temperatura. e discretizamos o plano (x.1. e de cima para baixo). no equil´ ıbrio. a o c˜ se traduz no fato de que a temperatura de equil´ ıbrio na posi¸ao i tem que ser igual ` m´dia c˜ a e . com trˆs fontes de calor: e 1. no equil´ c˜ ıbrio. adotamos da esquerda para a direita. Vb e Vc . c˜ Esse problema ´ modelado pela equa¸ao de Laplace e c˜ ∂2T ∂2T + =0. . Na posi¸ao i queremos determinar a temperatura Ti . y). TN a determinar. se nas regi˜es mostradas fix´ssemos valores Va . Tc nem precisariam ser fixos: poderiam variar conforme a posi¸ao. . os o a valores Ta . .y) T(x. e ser˜o N inc´gnitas T1 .y) Tc O mesmo problema pode ser formulado com um potencial eletrost´tico V (x. em fun¸ao da posi¸ao (x. . ` a temperatura Ta 2. como mostra a figura ao lado. A barra. Na verdade. em a a qualquer ordem (por exemplo. quando discretizada. A equa¸ao de Laplace. O entorno do quadrado. Se forem N v´rtices. e c c˜ Tb Ta Tc Para obter uma solu¸ao c˜ num´rica.8. y) com uma rede quadrada. y) cujo valor sobre as fontes seja aquele pr´-determinado e tal que fora delas satisfa¸a essa equa¸ao. ao inv´s a e da temperatura. y)? c˜ c˜ Tb Ta (x.

4) n˜o v´ servir para c˜ a a nada). Veja que estamos usando r para indexar as linhas e s para indexar as colunas. . . 1). T2 . para o primeiro v´rtice. 1] com c˜ ∂x2 ∂y2 condi¸ao de contorno dada por T (x. 0) = x2 e T (x. Divida o intervalo [0. c ı c˜ 2 2 . s). para 0 ≤ y ≤ 1. c˜ a c˜ c˜ 1111111111111111111111111111111111 0000000000000000000000000000000000 s Vejamos um exemplo. e a reuni˜o de todas essas equa¸oes formar´ um a c˜ a c˜ a sistema linear de N equa¸oes e N inc´gnitas. (5. . 8). 1] × [0. 4). Rearranjando a equa¸ao temos a o c˜ 4T1 − T2 − T7 = 2Tb . . 1 1 2 3 4 5 6 7 8 9 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 2 1 0 1 0 1 0 3 1 0 1 0 1 0 4 1 0 1 0 1 0 5 1 0 1 0 1 0 11 00 11 00 11 00 6 1 0 1 0 1 0 7 8 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 Tb 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 Ta 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 11 00 11 00 11 00 r 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 11 00 11 00 11 00 1 0 1 0 1 0 1 0 1 0 1 0 A discretiza¸ao da equa¸ao de Laplace significa que. donde resulta um sistema e e c˜ linear com 37 equa¸oes e 37 inc´gnitas. 3). c˜ o A solu¸ao do sistema assim obtido ser´ uma aproxima¸ao da distribui¸ao de temperatura. teremos e T1 = 1 (Tb + Tb + T2 + T7 ) . (r. e para o v´rtice i queremos e e saber a temperatura de equil´ ıbrio Ti . nos v´rtices em que a temperatura c˜ c˜ e n˜o foi fixada. (5.5 Discretizar e resolver a equa¸ao ∂ T + ∂ T = 0 no quadrado [0. Assim. c˜ para s = 1. 4). EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ da temperatura nos quatro vizinhos imediatos (na vertical e horizontal). com uma grade de poucos v´rtices.20 CAP´ ITULO 1. 9. . 1] em N = 3 subintervalos de mesmo comprimento. o valor da temperatura ser´ dado pela m´dia dos valores dos quatro v´rtices a a e e mais pr´ximos. e (r. T37 a serem a e o determinadas. vemos que h´ 37 v´rtices livres. y) = xy. Na grade fixamos Ta nas posi¸oes (4. y) = x2 − y 2 . M = 8). 5) e (6. 4 pois o vizinho de cima e o vizinho ` esquerda tˆm valor fixo Tb e os vizinhos ` direita e a e a embaixo s˜o as inc´gnitas T2 e T7 . s) e (9. Compare sua solu¸ao com a solu¸ao exata T (x. c˜ c˜ Exerc´ ıcio 1. Chamaremos de N o n´ mero de linhas u (no exemplo. c˜ o Exerc´ ıcio 1. Na figura. 4) (embora a posi¸ao interna (5. para r = 1. N = 9) e M o n´ mero u de colunas (no exemplo. O desenho da fie gura ao lado mostra uma grade 9 × 8. . . Para cada v´rtice. Por´m cada v´rtice livre produz uma equa¸ao. 8. Numeraremos esses v´rtices da seguinte forma: da esquerda para a direita e o e de cima para baixo (como na leitura de um texto em portuguˆs). 1) = x2 −1 para 0 ≤ x ≤ 1 e T (0. . e Tb nas posi¸oes (1.6 Fa¸a o mesmo exerc´cio com a fun¸ao T (x. . portanto 37 inc´gnitas T1 . y) = −y 2 c˜ e T (1. y) = 1 − y 2 . c˜ (5. . . . e isso se traduzir´ numa equa¸ao (linear).

. . ..1 O m´todo e Nesta Se¸ao discutiremos um m´todo de resolu¸ao de sistemas lineares. da equa¸ao acima determina-se tamb´m xn−1 . 1 bn . chamado M´todo do c˜ e c˜ e Escalonamento ou M´todo de Elimina¸ao de Gauss. + a1n xn a2n xn a3n xn ann xn = = = . e Um sistema triangularizado torna-se ent˜o o objetivo do m´todo. xn ´ solu¸ao de um sistema c˜ u e c˜ ent˜o automaticamente ser´ solu¸ao do outro. .n−1 xn−1 + an−1. a a c˜ 21 . b1 b2 b3 = bn Na verdade. .n−1 (bn−1 − an−1. ´ tanto necess´rio quanto suficiente que todos os coeficientes na diagonal sejam e a n˜o-nulos para que se explicite a solu¸ao de forma unica (se um dos termos da diagonal for a c˜ ´ nulo ent˜o haver´ vari´veis livres e uma infinidade de solu¸oes). + + . ou seja: se um conjunto de n´ meros x1 . + + . em primeiro lugar. E assim por a c˜ e diante.. at´ se conseguir o valor de x1 . a e pretende-se obter um sistema linear triangularizado equivalente ao original. nesse caso. Primeiro.. O m´todo se baseia. ann Como xn j´ foi determinado.n xn = bn−1 .n xn ) . ent˜o a xn−1 = 1 an−1. se a a a c˜ c˜ obt´m a partir da ultima equa¸ao... Para ser mais preciso. . A solu¸ao. isola-se xn : e ´ c˜ xn = A pen´ ltima equa¸ao ´ u c˜ e an−1.Cap´ ıtulo 2 O M´todo de Escalonamento e 2. Aqui entenderemos que dois sistemas lineares s˜o equivalentes se eles possuem exatamente a as mesmas solu¸oes. . e c˜ e no fato de que um sistema triangularizado como abaixo tem f´cil solu¸ao: a c˜ a11 x1 + a12 x2 a22 x2 + + a13 x3 a23 x3 a33 x3 + .

´ onde α = 0. . + a2n xn = b2 . . . Mais precisamente. Antes de explicar o procee dimento. . . no entanto. . O METODO DE ESCALONAMENTO Pode-se trocar um sistema linear por outro equivalente atrav´s do seguinte processo. convencionemos uma forma mais f´cil de escrever o sistema linear: a a forma matricial. + ann xn = bn passa a ter. + a1n xn = b1 a21 x1 + a22 x2 + .22 ´ CAP´ ITULO 2.  . . . . . a seguinte linha: (αaj1 + βai1 )x1 + . . ent˜o u c˜ a j´ garantimos que esses n´ meros satisfazem todas as equa¸oes do sistema original. an1 x1 + an2 x2 + . Nessa forma de escrever. a linha i e a linha j. s´ colocamos o que realmente interessa no sistema o linear: os coeficientes. an1 an2 . a1n b1  a21 a22 .  . e O essencial nesse “truque” ´ que podemos controlar α e β de forma que a linha substituta e tenha um zero em certa posi¸ao. sim. . + (αajn + βain )xn = αbj + βbi . no lugar da linha j. . Acontece que subtraindo da linha alterada a linha i multiplicada c˜ por β vemos que a linha j ´ automaticamente satisfeita. . . . e no lugar da linha j coloca-se uma linha que seja combina¸ao linear da linha i com a linha j. Ser´ que c˜ a c˜ a vale o inverso? De fato.  . suponha que na linha i o termo aik (k-´sima c˜ e coluna) seja diferente de zero. . Por exemplo. contanto que α = 0. ann bn . c˜ at´ chegar a um sistema triangularizado equivalente ao original. . aik Usando judiciosamente essa opera¸ao podemos ir substituindo as linhas. . . Com isso. uma por uma. deixando a ultima coluna para os termos independentes (e em geral separando essa coluna das ´ demais para n˜o haver confus˜o): a a   a11 a12 . . E evidente que a ıda qualquer solu¸ao do sistema linear original ser´ solu¸ao do sistema linear alterado. . . Basta colocar a linha e 1 · (linha j) − Assim. . e Escolhem-se duas linhas. o sistema linear a11 x1 + a12 x2 + . . . para que a linha j n˜o seja meramente substitu´ pela linha i. exceto que essa combina¸ao linear n˜o pode c˜ c˜ a ser somente a linha i (sen˜o a informa¸ao sobre a linha j desaparece. Numa matriz de n linhas e n + 1 colunas colocamos todos eles. o que pode tornar o a c˜ sistema indeterminado). . . . a2n b2     . . xn formam uma solu¸ao do sistema alterado. . Se os n´ meros x1 . podemos substituir a linha j por uma linha em que na k-´sima coluna o coeficiente seja nulo. o k-´simo coeficiente ser´ e a ajk − ajk · aik = 0 . exceto a u c˜ possivelmente a equa¸ao j. aik ajk · (linha i) .

. verificamos se a22 = 0. ´ poss´ e e ıvel at´ escolher o pivˆ.´ 2. o que pode ser conseguido atrav´s de uma troca de linhas. . O METODO 23 Uma observa¸ao importante que devemos fazer neste ponto da exposi¸ao ´ que a ordem c˜ c˜ e das linhas n˜o importa na montagem da equa¸ao. escolher o pivˆ como sendo o a o maior dos n´meros dispon´veis na coluna.1. . . dentre os v´rios n´ meros da primeira coluna que sejam diferentes de e o a u zero. Aqui entende-se por “maior” n´ mero aquele que u ı u tem o maior valor absoluto dentro da coluna. . . . Mais uma vez. 0 an2 . Al´m e disso. Esse procedimento ´ chamado de condensa¸ao e c˜ pivotal. . a princ´ a a a ıpio. teremos antes o que renumerar as inc´gnitas! o O procedimento de escalonamento funciona assim. passamos diretamente a a para a terceira etapa. De fato. J´ a ordem das colunas ´ importante. . etc. a1n  0 a22 . a segunda representa os o coeficientes da inc´gnita x2 . De qualquer forma. Na segunda etapa. a11 O sistema linear ficar´ ent˜o da seguinte forma: a a  a11 a12 . Se n˜o for. percebe-se que de fato o sistema linear envolve apenas n − 1 inc´gnitas em n equa¸oes. os coeficientes n˜o s˜o os e c˜ a a mesmos do sistema linear original! Nessa primeira etapa descrita. atrav´s c˜ e e de calculadora ou computador.  onde ´ preciso lembrar que. sob o ponto de vista dos erros de c´lculo e a originados de arredondamentos (veja discuss˜o mais adiante). . e todas a c˜ a c˜ as equa¸oes devem ser satisfeitas ao mesmo tempo. escolhido entre a segunda linha e a o a u ultima. o c˜ havendo grande chance de n˜o ter solu¸ao. usando o truque descrito acima. ´ mais vantajoso. procuramos entre as linhas abaixo da a segunda alguma cujo segundo coeficiente seja n˜o-nulo. . trocamos a linha encontrada com a segunda linha. . n) ser´ substitu´ pela linha e a ıda (linha j) − aj1 · (linha 1) . . . a j-´sima linha (j = 2. Se n˜o for. . . como veremos adiante. Ou seja. por causa das opera¸oes com linhas. pode-se adotar a condensa¸ao pivotal. ann b1 b2 . nem trocada de posi¸ao com outras. tomando como pivˆ o maior ´ c˜ o em valor absoluto. procuramos alguma linha cujo primeiro coeficiente seja diferente de zero e a a trocamos de posi¸ao com a primeira. Em cada etapa haver´ u e o a um pivˆ. Aqui o a a c˜ pivˆ ser´ o n´ mero diferente de zero da segunda coluna. . a O objetivo da primeira etapa ´ usar o fato de que a11 = 0 para trocar uma a uma as e linhas de 2 a n por linhas cujo primeiro coeficiente seja nulo. Vimos que o pivˆ tem que ser necessariamente diferente o o de zero. Se n˜o houver. c˜ a e pois a primeira coluna representa os coeficientes da inc´gnita x1 . a2n   . bn     . . . Se n˜o houver nenhuma linha cujo primeiro coeficiente c˜ a seja n˜o-nulo ent˜o x1 n˜o entra no sistema linear e pode ser. Na maioria das situa¸oes em que se resolve um sistema linear por este m´todo. Primeiramente verificamos se a11 = 0.  . o n´ mero a11 ´ chamado de pivˆ. Se quisermos trocar a ordem das colunas. pois as linhas s˜o as equa¸oes. . se isso acontecer n˜o haver´ a c˜ a a nada a ser feito nessa primeira etapa e poderemos passar imediatamente ` etapa seguinte. Observe que a primeira linha n˜o ser´ mais alterada. . qualquer. . Se houver. .

. Por exemplo. dificilmente nos aventurar´ ıamos na resolu¸ao ` m˜o do problema de contorno da Se¸ao 1.. baseados na nota¸ao decimal (internamente pode ser em outra base. . . mas o que nos c˜ aparece ´. e computadores mais modernos podem usar valores bem mais altos. ´ a E f´cil ver que em n − 1 etapas teremos um sistema linear triangularizado que. ann     .2 Algarismos significativos x e e A mantissa de x. . E isso ´ pouco: imagine uma grade bem mais fina! o e A solu¸ao de um sistema linear pelo M´todo do Escalonamento ´ exata.6067977 √ e Observe que x = 50000 ´ tal que Em geral recorremos a um computador.24 ´ CAP´ ITULO 2. a22 lembrando mais uma vez que os coeficientes s˜o diferentes em rela¸ao ` etapa anterior. . a nota¸ao decimal). pode ser facilmente resolvido.. . portanto o expoente ´ n = 3 nesse exemplo. . b1 b2 b3 ..   2. O METODO DE ESCALONAMENTO Se ap´s a troca tivermos a22 = 0. 102 ≤ x < 103 . Ent˜o e a x ≈ 0. calculadoras e computadores n˜o trabalham dessa forma. .. a Num computador ou numa calculadora cient´ ıfica os n´ meros s˜o representados em ponto u a flutuante. . . e ficaremos com um sistema linear da forma  a11 a12 a13  0 a22 a23   0 0 a33   . exceto a c˜ a os da primeira linha. ´ a representa¸ao decimal de 10n at´ a k-´sima casa decimal. Trocaremos cada linha j = 3. que ficam inalterados. . ... Por exemplo. podemos usar nosso truque para zerar todos os segundos o coeficientes desde a linha 3 at´ a ultima linha. 0 0 an3 . . n pela linha e ´ (linha j) − aj2 · (linha 2) . . . a1n a2n a3n . Na nota¸ao de ponto flutuante.2236067977 × 103 . . quando pe¸o para minha calculadora o c √ valor de 50000 ela me responde 223. Em geral as calculadoras usam k > 6.8. seu expoente ser´ o n´ mero inteiro n tal e u a u que 10n−1 ≤ x < 10n . que resulta num c˜ a a c˜ sistema linear de 37 inc´gnitas. Se x ´ um n´ mero real. ou no m´ ınimo usamos uma calculadora. de ordem k. bn  . . como j´ a observamos acima. . . . um n´ mero tem um e c˜ c˜ u expoente e uma mantissa.  . . . na medida em c˜ e e que o resultado final pode ser expresso em termos de fra¸oes envolvendo os coeficientes do c˜ sistema linear original. quando se trata de resolver sistemas lineares razoavelmente grandes. em geral. No entanto. . e c˜ com arredondamento.

. N−2 . . . Assumiremos que ela seja sempre infinita. + N−k+1 · 10−k+1 . . 1. .2. + N1 · 101 + N0 · 100 + N−1 · 10−1 + N−2 · 10−2 + . Podemos e a e seguir a regra: se N−k−1 = 0. . . 3. . A direita a seq¨ˆncia dos Ni ’s pode ser infinita c˜ ue (e inclusive h´ n´ meros que podem ser escritos de duas formas diferentes. . + N−k · 10−k e menor do que Np · 10p + . . observamos primeiramente que x ´ maior ou igual a e Np · 10p + . . N−k−1 . . + N1 · 101 + N0 + N−1 · 10−1 + . e assim por diante. . mas tamb´m est´ entre Np · 10p + Np−1 · 10p−1 a e a e Np · 10p + (Np−1 + 1) · 10p−1 . esse tamanho ´ 10.999 . ˆ . na nota¸ao u c˜ decimal: x = Np Np−1 . 8. Mesmo sem estarmos familiarizados com s´ries. .2236067977 25 As m´quinas trabalham com um tamanho fixo para a mantissa: na calculadora que eu a usei. por exemplo a u 0. . isto ´. ent˜o x = X + N−k · 10−k . N−k+1 (N−k + 1) . . ent˜o a x = Np . A ordem k da mantissa que escolhemos para operar com um n´ mero e u ´ tamb´m chamada de “n´ mero de algarismos significativos”. . . definiremos c˜ X = Np · 10p + .N−1 N−2 N−3 . 9 a ˆ a ent˜o x = X + (N−k + 1) · 10−k . . . Suponha que um n´ mero x se escreva da seguinte forma. s˜o os algarismos da nota¸ao. isto ´. . N1 N0 . uma soma de infinitos termos: c˜ e e x = Np · 10p + Np−1 · 10p−1 + . . N0 . + N1 · 101 + N0 + N−1 · 10−1 + . Isso a o ´ determinado pelo algarismo seguinte na expans˜o decimal de x. j´ a c˜ u a ` que se trata de representa¸ao na base 10.N−1 . onde Np .2. e ˆ precisamos saber se x est´ mais pr´ximo de X + N−k · 10−k ou de X + (N−k + 1) · 10−k . . Se 0 ≤ e c˜ N−k ≤ 8. . a ˆ No segundo caso ´ preciso tomar cuidado ao se voltar para a nota¸ao decimal. . ALGARISMOS SIGNIFICATIVOS A mantissa de x de ordem 10 ´ o n´ mero e u 0. . vejamos como se d´ o processo c˜ e a de arredondamento. pois mesmo que n˜o seja a podemos torn´-la completando a seq¨ˆncia com zeros. . e e u Antes de discorrermos sobre como fazer opera¸oes aritm´ticas com n´ meros nessa rec˜ e u presenta¸ao (a chamada “aritm´tica de ponto flutuante”). . podemos entender o n´ mero x da seguinte e u forma: x est´ entre Np · 10p e (Np + 1) · 10p . + (N−k + 1) · 10−k . . de fato n´ meros entre 0 e 9. + N1 · 101 + N0 + N−1 · 10−1 + . . e. 2. 6. = 1. 4.000 . . N0 . para simplificar a nota¸ao. que denotaremos por x. de forma que X + N−k · 10−k ≤ x < X + (N−k + 1) · 10−k . j´ se N−k−1 = 5. 7. N−1 . . a ue Essa nota¸ao representa uma s´rie infinita. .). . Se quisermos arredondar na k-´sima casa decimal depois da v´ e ırgula. . Para obter o arredondamento de x na k-´sima casa decimal. .

pois 2. o c˜ c˜ Ap´s o exemplo.448 = 14. Pascal. N−k+1 .1 de 943 e continuar com 943.12448·102. O mesmo vale c˜ para as opera¸oes de multiplica¸ao e divis˜o. d´ 0.5769996 para a sexta casa decimal ´ e 1. pois 12.69. cada opera¸ao deve ser feita (se poss´ com mais algarismos do que c˜ ıvel os significativos.1245 · 102 . c c˜ usando 3 algarismos significativos. o dobro em geral) e o resultado da opera¸ao arredondado. pois 2. Este exemplo servir´ para ilustrar como. a Para ilustrar.448 = 0. Por exemplo. fa¸amos o escalonamento e a resolu¸ao de um sistema linear de ordem 3. ou 12. resultando 0.35/7. Ent˜o arredondamos o segundo para que fique a a com 4 algarismos significativos.741 (confira!). A soma. Basic.448. o arredondamento de 1. Para u e entender bem. etc). com 3 algarismos c˜ c˜ a significativos.236 = 0. tem 5 algarismos significativos.236 + 12. o a a c˜ c˜ faremos o arredondamento ap´s todas as adi¸oes (ou multiplica¸oes).22.405 = 943 . ´ a E f´cil ver que haver´ um ac´ mulo de erro se um grande n´ mero de opera¸oes aritm´ticas a u u c˜ e for efetuado em cadeia. O METODO DE ESCALONAMENTO Se.405 = 943 − 0.448 para 12.45 + 2. Agora voltemos ` quest˜o das opera¸oes aritm´ticas. arredondado. A regra a e o c˜ s´ n˜o ser´ muito clara sobre a ordem de seguidas adi¸oes ou multiplica¸oes: neste caso.527 = 942 .68. Mas se N−k+1 for tamb´m e igual a 9. com 4 algarismos significativos. elas devem a a c˜ e a ser feitas sempre respeitando um certo n´ mero pr´-fixado de algarismos significativos.236 + 12. Por exemplo.122 de 943 com 3 algarismos c˜ significativos. mas ´ E preciso tomar bastante cuidado com subtra¸oes e somas de n´ meros com expoentes d´ c˜ u ıspares.122 + 0.2236 · 101 . c˜ O primeiro n´ mero j´ est´ escrito com 4 algarismos significativos. fica 14. Digamos que se queira efetuar a opera¸ao 2. N−k = 9. . Aqui. Evidentemente um bom a c˜ programa (h´ alguns j´ prontos para uso) tratar´ de minimizar o quanto for poss´ os erros a a a ıvel de arredondamento causados pelo n´ mero limitado de algarismos significativos.686. nada melhor do que alguns exemplos. Isso faz com que no lugar de N−k + 1 coloquemos um zero e somemos 1 ao algarismo precedente.122) − 0. Da´ pode-se ver que em alguns casos a a o ı ordem das opera¸oes de adi¸ao e subtra¸ao pode ser importante.684 a e que. Vejamos um exemplo de subtra¸ao: queremos subtrair 0. como exerc´ o ıcio. que implemente no computador. no entanto. Por exemplo. Fortran. u a a mas o seguinte n˜o. No mundo das m´quinas. ao inv´s de obter zero!! u e Tamb´m deve-se tomar cuidado com a subtra¸ao de n´ meros muito parecidos. principalmente se essas opera¸oes forem feitas em grande n´ mero. em linhas gerais. teremos N−k + 1 = 10. c˜ c˜ c˜ (943 − 0.45. Isso d´ 943. 5. ao u contr´rio. no entanto. logo somos obrigados a arredondar o resultado: 14.577000.236 = 14. Observe que ter´ ıamos obtido um n´ mero ligeiramente u diferente se n˜o houv´ssemos arredondado 12.405) = 943 − 0. ent˜o trocamos esse n´ mero por um zero e somamos 1 ao precedente. ap´s arredondamento. at´ isso n˜o a u e a mais acontecer. um programa que resolva sistemas 943 − (0. usando alguma linguagem (C. Sen˜o corremos o risco c˜ u a de subtrair 9430 vezes o n´ mero 0. a se d´ a resolu¸ao de um sistema por um programa de computador. sugerimos ao leitor. pois pode-se obter um zero onde deveria haver um n´ mero simplesmente muito pequeno! u Como regra geral. tentaremos levar ao p´ da letra a regra de arredondar ap´s cada opera¸ao. e fazemos a soma: 12.26 ´ CAP´ ITULO 2. cuja diferen¸a e c˜ u c se encontre al´m dos d´ e ıgitos significativos.45.

1. 1.33 Para a terceira linha.33 o ´ maior do que 0.67 + 6.33 0 0.667 = 0.333 × 3 = 1 − 0.502 .33 x1 = −1 − 6. pois ´ maior do que o e os demais coeficientes da mesma coluna. nota-se que a terceira linha deve servir como pivˆ. A unica solu¸ao seria n˜o arredondar o multiplicador antes de fazer ´ c˜ a a conta. Observe que a escolha do multiplicador como 0.44 1.334 n˜o ajudaria a a resolver o problema.49 que tem apenas coeficientes inteiros.999 = 0.33 1. sem arredondamento (mantendo fra¸oes).33 −2.667 −0.47 . e c˜ N˜o h´ arredondamentos a fazer. mas nem sempre ´ isso o que acontece num programa. Ent˜o faz-se a troca da segunda linha com a terceira.67 + 2.2.4 =− = −4.33 −2. que c˜ 2 2 pode ser obtida por escalonamento tamb´m. Isso ser´ ignorado na hora de a a se fazer o escalonamento. e Dessa primeira etapa sai o sistema   3 1 2 −1  0 0. 1. O leitor pode achar estranho que 1 − 0.001.33 × 2.667. no princ´ a a ıpio. enquanto que para a a u 2 u terceira linha ele tem que ser 3 = 0. O “3” da primeira coluna serve como pivˆ. ALGARISMOS SIGNIFICATIVOS 27 Olhando para a segunda coluna.33 e da´ temos ı  3  0 0 1 1. 3 3 .90 8. usa-se o multiplicador 0.67 0 1.57 x2 = = = = 6. 3).96 1.667 −0.504  −1 1.96 .666 2. ficando e a   3 1 2 −1  0 1.49 = 2.  1 1 2 0 2 2 −1 1 Portanto e 1. pois 1. 0.667.96 13. A primeira etapa consiste em subtrair da segunda e da terceira linha m´ ltiplos convenientes da primeira para que s´ reste o “3” como coeficiente u o 1 n˜o nulo.33 0. porque todos os coeficientes s˜o inteiros a com 1 algarismo significativo. o m´ ltiplo tem que ser 3 = 0.33  .666 2.33 0 x3 = 2 −2.67  . Para a segunda linha.44 − 2 × 2.33 lineares de qualquer ordem (que a ordem seja apenas limitada por problemas de falta de mem´ria. por exemplo). x3 ) = (− 9 . Ele tem solu¸ao exata (x1 .2. 13 . 1. o Considere o sistema   3 1 2 −1  .333.33 1.67  . x2 . o que faz com que de fato o primeiro coeficiente da segunda linha n˜o se anule. Chamaremos esses m´ ltiplos de multiplicadores.504 1.

789 10. Utilize o m´todo de Gauss para resolver o sistema a e obtido considerando aritm´tica de ponto flutuante com dois algarismos significativos. I2 e I3 . no qual R1 = 6Ω. . c˜ Mais adiante.5 Dado o sistema linear Ax = b onde   −4.4 −0. Exerc´ ıcio 2. podemos ver que o maior erro absoluto foi de 0. quando se for dividir por 3.031 com 3 algarismos significativos. resultante em um resistor de resistˆncia R.90 −2.4 Considere o circuito el´trico da figura abaixo. e R1 R3 I1 19V U1 2.3 Resolva o sistema linear 7. c˜ Exerc´ ıcio 2. c˜ e Exerc´ ıcio 2. arredondar e depois a e 3 multiplicar pelo numerador. veremos como melhorar o c´lculo.2 1. O METODO DE ESCALONAMENTO Observe que n˜o ´ preciso. un ) de Rn (normaliza¸ao.6   6Ω 4Ω 1Ω   ¡ R4 I3 U2   4Ω 2V I2 U3 R2 6V resolva-o pelo M´todo de Elimina¸ao de Gauss com condensa¸ao pivotal.3  2.70  0. A divis˜o ´ considerada uma opera¸ao elementar. .10  3.1  −3. U1 = 19V .4 −0. obtenha um sistema linear cujas vari´veis ` e e a s˜o os valores das correntes I1 .1 2.06. ´ ∆V = RI).01 0.5. ∆V . usando o refinamento de c˜ a solu¸oes. R2 = 4Ω. utilizando aritm´tica e c˜ c˜ e de ponto flutuante e 2 algarismos significativos.3 −4. a e c˜ Comparando com a solu¸ao exata. U2 = 6V e U3 = 2V .1 A =  0. e R3 = 4Ω.70 −3. Resolva o sistema do c a exemplo acima usando apenas 2 algarismos significativos.4 b =  2.2 Implemente a resolu¸ao por escalonamento no computador. . Exerc´ ıcio 2.3. devido c e a passagem de corrente el´trica I. c˜ Exerc´ ıcio 2.1 Fa¸a as contas intermedi´rias do exemplo acima. Utilizando a Lei de Kirchoff (a soma das diferen¸as de potenciais em qualquer loop de um circuito ´ igual a zero) e a Lei c e de Ohm (a diferen¸a de potencial. . na Subse¸ao 2.3 O determinante no M´todo de Escalonamento e Observemos em primeiro lugar que as propriedades do determinante1 de uma n-upla de vetores (u1 .52 0.8 . R4 = 1Ω. calcular 1 .28 ´ CAP´ ITULO 2. alternˆncia e linearidade) podem ser formuladas c˜ a 1 Veja A. N˜o esque¸a de arredondar ap´s cada a c o opera¸ao aritm´tica.

xn ) ´ c˜ para Au = b. pela linearidade de A. . . . podemos separ´-lo na soma de n determinantes. . . . x1 Ae1 + . . e 3) se uma coluna se escreve como combina¸ao αu + βv. a u Em seguida. . . ent˜o o c˜ a determinante ´ a soma de α vezes o determinante da mesma matriz com a coluna αu + βv e trocada por u com β vezes o determinante da mesma matriz com a coluna αu + βv trocada por v. . e por conseguinte o determinante do sistema tamb´m ´ a a e e n˜o-nulo. Aei+1 . 2) a troca de duas colunas faz mudar o sinal do determinante. . . uj + βui . . + xn Aen . . . . a 2. Pois se A tem inversa. . uj . b. . . . . .2. feitas por conta da condensa¸˜o ca pivotal.) . . . onde quer´ c˜ ıamos provar que se A tem inversa ent˜o det A = 0. . . Aei+1 . logo o determinante n˜o se altera quando somamos a uma coluna um m´ ltiplo de uma outra. . Aei−1 . xn ? a Note que se trocarmos a i-´sima coluna pelo vetor b e calcularmos o determinante da e matriz resultante teremos det(. existe unica solu¸ao u = (x1 .3. Aei+1 .) = det(. . . Por exemplo. Logo as propriedades de det A em rela¸ao a suas linhas s˜o as mesmas que det AT = det A em rela¸ao c˜ a c˜ a suas colunas. Isso porque n˜o ´ dif´ mostrar que a transposta de A. Pela linearidade do determinante. det(u1 . usando a no¸ao e o a c˜ de determinante. apenas o determinante com xi Aei ser´ n˜o-nulo: c˜ a a det(. Aei−1 . u2 . xi Aei . pois b = Au = x1 Ae1 + . onde em cada um deles teremos na i-´sima a e posi¸ao um dos vetores xj Aej . . . mas quais s˜o os valores de x1 . que. . . exceto as trocas de linhas. . . Aei+1 . . Por outro lado. . un ) . un ) = det(u1 . Aei−1 . ressaltamos que as mesmas propriedades s˜o v´lidas com linhas ao inv´s de a a e colunas. a ıvel Isto completa o argumento da Subse¸ao A. u2 . cujo detere minante ´ dado pelo produto dos coeficientes da diagonal. A DESVANTAGEM DA REGRA DE CRAMER 29 diretamente para uma matriz A: 1) det(Id) = 1. uj + βui . que ´ a e ıcil e a matriz A onde se trocam colunas por linhas. Portanto todas as opera¸oes realizadas no M´todo de Escalonamento n˜o alteram o deterc˜ e a minante da matriz de coeficientes. denotada por AT . . . u2 .8. significa somar um m´ ltiplo da i-´sima coluna ` j-´sima coluna. . . + xn Aen . . . . . . . . tem o mesmo determinante que A. b. em termos matriciais.4 A desvantagem da Regra de Cramer A Regra de Cramer ´ uma f´rmula bastante pr´tica de se resolver Au = b. e nesse a o caso o sistema ser´ imposs´ ou indeterminado. . Ent˜o o determinante do sistema e a ser´ zero se e somente se ap´s o escalonamento houver um termo nulo na diagonal. . segue que o sistema tem unica solu¸ao e todos os a ´ c˜ termos da diagonal s˜o n˜o-nulos. No entanto. . . Nesse caso. u e a e Pelas propriedades do determinante. . .4. Suponha que det A = 0. . suponha que queiramos calcular det(u1 . . pois cada troca de linha muda o sinal do determinante. . o resultado final do escalonamento ´ uma matriz triangular. . un ) . . . Aei−1 . .) .) = det(.

) = xi det A . totalizando n!(n−1) opera¸oes de multiplica¸ao. devemos tomar um certo cuidado com a maneira pela qual fizemos a compara¸ao entre os dois m´todos. . . c˜ o E quanto ao M´todo de Escalonamento. .6 Mostre que o n´mero de adi¸oes/subtra¸oes. O METODO DE ESCALONAMENTO Mais uma vez pela linearidade. . c˜ c˜ c˜ o a Regra de Cramer pede n + 1 determinantes. Essa compara¸ao a c˜ e e c˜ ´ feita assim: calcula-se o n´ mero de opera¸oes aritm´ticas necess´rias em cada m´todo em e u c˜ e a e fun¸ao do tamanho n do sistema linear.) . vemos que na Regra de Cramer s˜o u c˜ a necess´rias mais do que n! opera¸oes. c˜ c˜ O n´ mero de produtos de n termos que aparecem no c´lculo de um determinante ´ n! u a e (mostre isso).30 ´ CAP´ ITULO 2. Aei−1 . . Para facilitar a compara¸ao. s˜o n! opera¸oes de adi¸ao. . ignoraremos as c˜ instru¸oes de controle de fluxo que seriam necess´rias caso os m´todos fossem implementados c˜ a e num computador. b. . . ou seja. quando n ´ grande ent˜o n! ´ muito maior do que 2n3 . multiplica¸oes e divis˜es necesu c˜ c˜ c˜ o s´rias para se completar o M´todo de Escalonamento num sistema linear de n equa¸oes e n a e c˜ inc´gnitas n˜o passa de 2n3 . det A que ´ a Regra de Cramer. . logo s˜o n!(n + 1) adi¸oes e n!(n − 1)(n + 1) a c˜ multiplica¸oes. para cada uma delas. o a Se quisermos comparar o n´ mero de opera¸oes totais. Aei−1 . b. Se vocˆ mostrou isso com sucesso. Ent˜o vˆ-se que num m´todo esse n´ mero cresce c˜ a e e u muito mais rapidamente com n do que no outro. De fato. Aei+1 . Logo xi = det(. quantas opera¸oes aritm´ticas ser˜o necess´rias? e c˜ e a a Em vez de darmos a resposta sugere-se ao leitor fazer por ele mesmo. que ficar´ multiplicado pelo a pr´prio determinante da matriz A: o det(. qualquer que seja a potˆncia p. mais as n divis˜es ao final de tudo. Para calcular as n inc´gnitas. Um n´ mero de opera¸oes aritm´ticas muito grande ´ desvantajoso por duas raz˜es: auu c˜ e e o menta o tempo de computa¸ao e aumenta a propaga¸ao dos erros de arredondamento. a c˜ Exerc´ ıcio 2. precisamos c˜ e c˜ . Verifique! Na verdade. Se estivermos pensando em tempo de computa¸ao. ver´ ent˜o que seu e a a argumento serve para mostrar que. .7 Mostre que. Aei+1 . . como indicado no seguinte exerc´ ıcio. . podemos tirar o escalar xi . e A desvantagem da Regra de Cramer ´ que o n´ mero de opera¸oes necess´rias para se chee u c˜ a gar ` solu¸ao ´ em geral muito maior do que no M´todo de Escalonamento. Para obter cada produto s˜o n − 1 a c˜ c˜ a multiplica¸oes. e a e a raz˜o a 2n3 n! vai a zero quando n vai a infinito. Exerc´ ıcio 2. a raz˜o e a np n! sempre vai a zero.

SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 31 saber quanto a m´quina gasta para fazer cada uma das opera¸oes.5. se pensarmos em hiperplanos quase paralelos.5. a Para exemplificar. a ponto de c˜ pequenas incertezas em seus valores provocarem grandes altera¸oes na solu¸ao final.1 Sistemas mal-condicionados e refinamento de solu¸˜o ca Sistemas mal-condicionados Na teoria. Decida qual dos m´todos ´ mais vantajoso. . consideremos o sistema 2 × 2 x + y 99x + 100y = 1 = 99. A id´ia vale em dimens˜es mais altas.5 . e a multiplica¸ao tome o c˜ e c˜ mesmo tempo que a adi¸ao e a subtra¸ao.5.5 2.4x + 99. Para alguns sistemas. Podemos tamb´m pensar nos vetores-coluna de A (ou nos vetores-linha): e se Ae1 . se um sistema linear Au = b satisfaz det A = 0.4. y = 0. erros podem c˜ a e se acumular e a solu¸ao se afastar da solu¸ao verdadeira. experimente o leitor.9y = = 1 99.4. que tem solu¸ao unica e exata x = 0. ent˜o o sistema ser´ mala a condicionado.5. . Isso pode ser parcialmente sanado c˜ c˜ pela Condensa¸ao Pivotal. ent˜o existe uma e s´ uma a o solu¸ao u. para cada um dos dois sistemas.5% nos coeficientes originais (o que ´ bastante razo´vel c˜ a e a para uma medida experimental). por´m. quando resolvemos o sistema via computador. Aen forem “quase” linearmente dependentes. Nota-se que o problema ´ c˜ e devido ao fato de que as retas correspondentes a cada equa¸ao s˜o quase paralelas. ıcio Exerc´ ıcio 2. onde T ´ uma constante qualquer maior do que zero. descrita no Cap´ c˜ ıtulo 2. com altera¸oes de n˜o mais do que 0. do qual e daremos uma id´ia abaixo. radicalmente c˜ ´ e diferente da anterior.8 Suponha que uma divis˜o nunca demore mais do que T vezes uma mula tiplica¸ao. A divis˜o certamente gasta a c˜ a mais tempo do que as outras opera¸oes. Sua solu¸ao unica e exata ´ x = 1. e o M´todo de Cramer apresenta menos divis˜es (apec˜ e o nas n) do que o M´todo de Escalonamento (cada multiplicador ´ calculado atrav´s de uma e e e divis˜o). por causa do exerc´ acima. Esses c˜ c˜ sistemas s˜o chamados de mal-condicionados. c˜ a 2.2.2 . y = −0. Na pr´tica. e O principal problema vem do fato de que muitas vezes os coeficientes do sistema e os termos independentes s˜o retirados de medidas f´ a ısicas ou de modelos aproximados. e pelo M´todo de Refinamento. J´ na contabilidade das outras opera¸oes o M´todo de Cramer perde do M´todo de a a c˜ e e Escalonamento. Ae2 . . desenhar as retas que correspondem a cada uma das equa¸oes. a solu¸ao pode depender sensivelmente de seus coeficientes. . Para entender porque isso acontece. Agora considere o sistema c˜ ´ x + y 99. sob o c˜ c˜ e e ponto de vista de tempo de computa¸ao para complet´-lo. no e o lugar de retas. . o que c˜ a faz com que o ponto de intersec¸ao das duas seja muito sens´ a pequenas mudan¸as nos c˜ ıvel c coeficientes.

 . . xn ) ´ dada por u = (x2 + . ent˜o o a hiperparalelep´ ıpedo ser´ “achatado”. O argumento s´ falha a a o no sentido de que o volume n˜o depende somente do grau de achatamento do hiperparalea lep´ ıpedo. usarmos dois algarismos significativos ( 3 = 0. Ae2 . por outro lado. 17). Em resumo. . 30). . . . . Com trˆs algarismos e significativos.2 Matrizes de Hilbert problema do mau condicionamento.8. pelos vetores e Aei . obteremos (0. Considere o sistema  1  x1 + 2 x2 1 1 x1 + 3 x2  2 1 1 3 x1 + 4 x2 + + + 1 3 x3 1 4 x3 1 5 x3 = 1 = 1 = 1 . x2 .64. Isso tudo no entanto foge ao escopo dessas notas. . a e H´ outras medidas do condicionamento de uma matriz. . chegaremos em (2. . .   . pois n˜o s˜o necess´rias a a a para a condensa¸ao pivotal). . e portanto ter´ volume pequeno. e fazendo contas com fra¸oes exatas. . −11. medidas de condicionamento s˜o dificilmente aplic´veis na pr´tica. resultado mais pr´ximo mas ainda estrao nhamente longe da solu¸ao exata. 1 Se. (iii) observe se o n´ mero obtido est´ pr´ximo de zero ou de u a o um: se estiver perto de zero ent˜o a matriz A ´ mal-condicionada. . vi = Aei Esse n´ mero estar´ entre 0 e 1. mas tamb´m do comprimento de cada vetor. . c˜ isto ´.5. o c˜ 2. assim como h´ f´rmulas que a a o relacionam o erro cometido no M´todo de Escalonamento com essas medidas e com o n´ mero e u de algarismos significativos utilizados nas contas. obtemos a solu¸ao exata c˜ c˜ c˜ (x1 . Se esses vetores forem quase linearmente dependentes. lembrando que a norma (euclideana) u de um i vetor u = (x1 . Aen . por exemplo) e seguirmos exatamente o mesmo procedimento. . + x2 )1/2 . .32 ´ CAP´ ITULO 2. e quando estiver perto de zero significa que a matriz ´ u a e mal-condicionada. . e a a a pois s˜o t˜o (ou mais) dif´ a a ıceis de serem obtidas quanto a pr´pria solu¸ao do sistema linear.8). −24. . . Al´m do mais.9. (ii) calcule o valor absoluto do e n 1 determinante da nova matriz. . .33. o n´ mero de condicionamento pode ser achado assim: (i) substitua cada u Ae coluna Aei da matriz pelo vetor vi = Aei . O o e determinante ´ o hipervolume (com sinal) do hiperparalelep´ e ıpedo formado pelos vetorescoluna Ae1 . 27. O METODO DE ESCALONAMENTO Uma maneira de se “medir” o condicionamento da matriz seria calculando seu determinante (embora muitas vezes s´ possamos conhecˆ-lo depois de escalonar a matriz). 1 1 1 1 · · · 2n−1 n n+1 n+2 Para que o leitor se familiarize melhor com o que acompanhe o seguinte Exemplo. . sugerimos Resolvendo o sistema por escalonamento (sem troca de linhas. −21. c˜ Matrizes do tipo   1 1 1 ··· 1 2 3 n 1 1 1  1 · · · n+1  3 4   2  . . x3 ) = (3. Ent˜o uma medida mais confi´vel e a a seria tomar o hipervolume do hiperparalelep´ ıpedo formado pela normaliza¸ao desses vetores. .

ent˜o u = u(0) + w(0) seria a solu¸ao correta. a Para melhorar u.97  . u(0) + w(0) pode n˜o ser a solu¸ao exata.  1 1 2 0 2 2 −1 1 Aw = b − Aˆ . e ser´ chamada de u(1) . mesmo que n˜o correta (por causa dos erros de arredondamento). c˜ 2. e tentamos ˆ c ˆ c˜ calcular w. c˜ a a c˜ Como erros s˜o inevit´veis. e c˜ Calcula-se ent˜o w(0) = u − u(0) resolvendo-se o sistema a Aw(0) = b − Au(0) . Na Se¸ao 2. ´ fazer o refinamento. e aparecem naturalmente no problema do ajuste polia nomial. Se a solu¸ao desse sistema n˜o contivesse erros. causada pelo c˜ mau condicionamento do sistema. Vejamos um exemplo ilustrativo.04 Au(0) =  1. onde os termos indepenc ˆe c˜ dentes s˜o dados por b − Aˆ e os coeficientes s˜o os mesmos do sistema linear original (o que a u a facilita as coisas do ponto de vista de programa¸ao). c˜ O m´todo pode ser implementado assim: calcula-se a primeira solu¸ao aproximada u(0) . A solu¸ao obtida pode ser considerada uma primeira aproxima¸ao. u logo Ou seja. 1 Os passos do escalonamento ali usados s˜o importantes para n˜o se repetir as mesmas contas a a a cada etapa do refinamento.2.96 . e em seguida define-se u(2) = u(1) + w(1) .3 Refinamento Uma das maneiras de sanar o problema de se encontrar uma solu¸ao “ruim”. ent˜o ˆ a b = Au = A(ˆ + w) . definimos a diferen¸a w = u − u para a solu¸ao verdadeira u.47 u(0) =  6. usamos 3 algarismos significativos para c˜ resolver   −1 3 1 2  . como veremos mais adiante (vide Subse¸ao 5. Obtemos a e e c˜   −1. Como u = u + w. chamada de u(0) : c˜ c˜   −4. a a a c˜ a Calcula-se ent˜o w(1) = u − u(1) . resolvendo-se a Aw(1) = b − Au(1) .7. e depois ˆ a melhor´-la.2.2).44  . 2.5. a diferen¸a w entre u e u ´ a solu¸ao de um sistema linear. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 33 s˜o chamadas de matrizes de Hilbert.5. E assim por diante. u Calculamos ent˜o Au(0) . que consiste em obter uma solu¸ao e c˜ u de Au = b. que ´ o teste usual para ver se u(0) ´ realmente solu¸ao.

De fato. 0 −0.44  .0167  −→  −0. o dobro de algarismos significativos). em (ii) trocamos as posi¸oes da segunda e da terc˜ ceira linhas e em (iii) subtra´ ımos da terceira linha 0. Isto diminui sensivelmente o ac´ mulo de erros.0842.0267 0. a solu¸ao de partida j´ era bastante c˜ a razo´vel.0267  −→  −0.04. w2 .02). e ent˜o tiramos a diferen¸a a c   0. com erro absoluto m´ximo de 0.04 b − Au(0) =  0.44 −4. c˜ e c˜ e da´ chegamos a w = (w1 .333 vezes a primeira linha e da terceira linha subtra´ ımos 0. n˜o ´ certeza que o refinamento c˜ u a e levar´ ` melhor aproxima¸ao da solu¸ao correta. Obviamente a e o os benef´ ıcios da precis˜o dupla podem ser usados nos computadores e calculadoras modernos.04 0. for usada precis˜o dupla (isto ´.53  .02 . no a a c˜ c˜ a c´lculo de b − Au(i) . a a e uma vez que b e Au(i) s˜o vetores cujas coordenadas tˆm valores muito pr´ximos.0597).96 3.53 (2) (3) u =  6. e conferir os seguintes valores: a     −4. w3 ) = (−0.04 (i) (ii) (iii)  0.0543. mesmo com a possibilidade de refinamento.0167 0. 3. 0.0267  . 0 Com a limita¸ao do n´ mero de algarismos significativos. 2. a quando se escrevem v´rias opera¸oes concatenadas na mesma linha e o arredondamento para a c˜ precis˜o simples s´ ´ feito no final. somente no vetor de termos ina a dependentes do lado direito.52.33 −0. Somando com u(0) obtemos ı u(1) = (−4. 0 0 0.03  −→  0.502 vezes a segunda linha.33 −2.04 3 1 2  1 1 0. 0. c˜ Ent˜o n˜o precisamos fazer tudo de novo no lado esquerdo. com a u(1) = u(0) + w. notamos que Au(1) = (−1.0301 Se procedermos ao escalonamento.03  .2. O sistema escalonado fica   0.504 0. 2.03  . O crit´rio pode ser feito nas solu¸oes u(i) ou nos testes Au(i) .04 0.667 vezes a primeira linha. Ou seja. As transforma¸oes do lado direito s˜o c˜ a         0. 0 3 2 −1 0 sempre usando 3 algarismos significativos. temos que resolver o sistema   0.94). O METODO DE ESCALONAMENTO onde em (i) subtra´ ımos da segunda linha 0. 6. nada muito melhor do que Au(0) . 0.02. principalmente no caso de se fazer a e e implementa¸ao no computador.04 0. a Para conferir.0301 Agora queremos obter w do sistema Aw = b − Au(0) .04 3 1 2  0 1. para chegar ` etapa seguinte. seguiremos exatamente os mesmos passos feitos na Se¸ao 2. u =  6. Melhores resultados s˜o obtidos se. Vale a pena o leitor fazer mais algumas etapas. a oe u ´ E preciso tamb´m colocar um crit´rio de parada.34 ´ CAP´ ITULO 2.52.0267  .

se u(i) = (u1 . A =  0. un ).0 A =  −3. arredondando para dois c e algarismos significativos. . .5   .. pode-se comparar o quanto u ˆ ˆ as coordenadas variam. ap´s resolvˆ-lo utilizando o M´todo de Elimina¸ao de Gauss com condensa¸ao pivotal e o e e c˜ c˜ aritm´tica de ponto flutuante com 2 algarismos significativos.4 ˜ 2. pode alterar drasticamente a solu¸ao. far´ com que o processo continue).6 2. . . a Exerc´ ıcio 2. Obtenha o refinamento u(1) . . Compare com a solu¸ao exata.0 −2.90 −1.47 0. u2 . mas a partir da´ ache sua solu¸ao usando o m´ximo de algaı c˜ a rismos significativos que sua calculadora permite. obtivemos e       −3.2. 1 (a) Ache sua solu¸ao exata.94 0.10 Tome o sistema discutido na Subse¸ao 2. c˜ (b) Resolva-o com dois algarismos significativos. a Exerc´ ıcio 2.5. .. Pode-se convencionar que: c˜ e e (i) se uj = 0 e uj = 0 ent˜o a varia¸ao ´ zero. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 35 Por exemplo.6 2 5. (ii) se uj = 0 e uj = 0. c˜ Exerc´ ıcio 2.5 −0. .0 −4.0 3.4 3. ent˜o a varia¸ao ´ igual ˆ a c˜ e ˆ a c˜ e a 1 (o que. num sise e tema mal-condicionado. da etapa i para a etapa i + 1.05.1 Execute uma etapa de refinamento. . significando 5% de varia¸ao). .9 Melhorar o programa que implementa o M´todo de Escalonamento com cone densa¸ao pivotal.12 Dado o sistema linear Ax = b onde   −3.2 e sua solu¸ao obtida com c˜ c˜ 2 algarismos significativos. Para fazer o c˜ e refinamento. .. com algum crit´rio de parada. 0. o programa deve utilizar o “hist´rico” do escalonamento.0 1 4.5 b =  −4. isto ´. chamando-a de u(0) .0  p= 3  x(0) =  −7. calculando b − Au(0) com dupla precis˜o. O problema ´ quando o denominador ´ igual a zero.2 −5. |u1 | |un | e pedindo que eles sejam menores do que um certo valor (por exemplo. olhando para os n´ meros u |un − un | ˆ |u1 − u1 | ˆ ..11 Considere o sistema  1/2 1/3 1/4  1/3 1/4 1/5 1/4 1/5 1/6  −1 0  . . .5  .0 −4. .7  −1. (c) Agora fa¸a a seguinte experiˆncia: escreva o mesmo sistema. .9 −2. em geral. un ) e u(i+1) = (ˆ1 . u2 . os multiplicao e dores e as trocas de linha (para que n˜o se repita tudo a cada etapa). Isto c˜ mostra que o refinamento tamb´m ´ limitado pelo arredondamento inicial que. acrescentando o refinamento. relativamente.2 −5.40 1.5. a Exerc´ ıcio 2.

36

´ CAP´ ITULO 2. O METODO DE ESCALONAMENTO

Cap´ ıtulo 3

M´todos iterativos e
3.1 O M´todo de Jacobi e

O M´todo de Jacobi ´ um procedimento iterativo para a resolu¸ao de sistemas lineares. Tem e e c˜ a vantagem de ser mais simples de se implementar no computador do que o M´todo de e Escalonamento, e est´ menos sujeito ao ac´ mulo de erros de arredondamento. Seu grande a u defeito, no entanto, ´ n˜o funcionar em todos os casos. e a Suponha um sistema linear nas inc´gnitas x1 , ..., xn da seguinte forma: o a11 x1 a21 x1 . . . an1 x1 + + a12 x2 a22 x2 . . . + + + a13 x3 a23 x3 . . . an3 x3 + ... + + ... + . . . + ... + a1n xn a2n xn . . . ann xn = = b1 b2 . . .

+ an2 x2

= bn

Suponha tamb´m que todos os termos aii sejam diferentes de zero (i = 1, . . . , n). Se n˜o e a for o caso, isso `s vezes pode ser resolvido com uma troca na ordem das equa¸oes. Ent˜o a a c˜ a solu¸ao desse sistema satisfaz c˜ x1 x2 . . . xn = = = 1 [b1 − a12 x2 − a13 x3 − . . . − a1n xn ] a11 1 [b2 − a21 x1 − a23 x3 − . . . − a2n xn ] a22 . . . 1 [bn − an1 x1 − an2 x2 − . . . − an,n−1 xn−1 ] ann

Em outras palavras, se (x1 , . . . , xn ) for solu¸ao do sistema e esses valores forem “colocados” c˜ no lado direito das equa¸oes, ent˜o resultar˜o no lado esquerdo os mesmos valores x1 , . . . , xn . c˜ a a (0) (0) O M´todo de Jacobi consiste em “chutar” valores x1 , . . . , xn , colocar esses valores no e (1) (1) lado direito das equa¸oes, obter da´ x1 , . . . , xn , em seguida colocar esses novos valores nas c˜ ı 37

38 equa¸oes e obter x1 , . . . , xn , etc. Ent˜o c˜ a
(2) (2)

´ CAP´ ITULO 3. METODOS ITERATIVOS

1 (k) (k) b1 − a12 x2 − a13 x3 − . . . − a1n x(k) n a11 1 (k+1) (k) (k) x2 = b2 − a21 x1 − a23 x3 − . . . − a2n x(k) n a22 . . . . . . 1 (k) (k) (k) (k+1) bn − an1 x1 − an2 x2 − . . . − an,n−1 xn−1 xn = ann x1
(k+1)

=

Espera-se que para todo i = 1, . . . , n a seq¨ˆncia {xi }k convirja para o valor verdadeiro xi . ue Como dissemos, no entanto, nem sempre ocorre essa convergˆncia. Ser´ que ´ poss´ e a e ıvel saber de antem˜o se o m´todo vai ou n˜o vai funcionar? a e a Daremos um crit´rio, chamado de ‘Crit´rio das Linhas’ que, se for satisfeito, implica na e e convergˆncia do M´todo. Infelizmente, da´ n˜o poderemos concluir a afirmativa inversa. Isto e e ı a ´, ´ falso dizer “n˜o satisfaz o Crit´rio das Linhas ent˜o n˜o converge”. Pode haver sistemas e e a e a a em que o M´todo de Jacobi funcione por´m n˜o satisfa¸a o Crit´rio das Linhas. e e a c e

(k)

3.2

Crit´rio das Linhas e
n

O Crit´rio das Linhas pede que e

j=1 j=i

|aij | < |aii |

para todo i = 1, . . . , n. Em palavras: “o valor absoluto do termo diagonal na linha i ´ maior e do que a soma dos valores absolutos de todos os outros termos na mesma linha”, ou seja, a diagonal da matriz do sistema linear ´ dominante. e ´ E importante observar que o Crit´rio das Linhas pode deixar de ser satisfeito se houver e troca na ordem das equa¸oes, e vice-versa: uma troca cuidadosa pode fazer com que o sistema c˜ passe a satisfazer o Crit´rio. e Teorema. Se o sistema linear satisfaz o Crit´rio das Linhas ent˜o o M´todo de Jacobi e a e converge. Sugerimos o seguinte exerc´ ıcio, antes de passarmos ` demonstra¸ao desse Teorema. a c˜ Exerc´ ıcio 3.1 Mostre que os sistemas lineares gerados por problemas de contorno (Se¸ao 1.8) c˜ em geral n˜o satisfazem o Crit´rio das Linhas. Mesmo assim, monte um programa de coma e putador que resolva o problema, baseado no M´todo de Jacobi. O que acontece? e Para provar o Teorema, precisamos mostrar (usando o Crit´rio das Linhas) que as seq¨ˆncias e ue (k) (k) (k) (0) (0) (0) x1 , x2 ,...,xn , formadas a partir dos chutes iniciais x1 , x2 ,...,xn , convergem para os valores procurados x1 , . . . , xn . Ent˜o precisamos mostrar que a |x1 − x1 | −→ 0 , |x2 − x2 | −→ 0 , . . . , |x(k) − xn | −→ 0 , n
(k) k→∞ (k) k→∞ k→∞

´ 3.2. CRITERIO DAS LINHAS ou, introduzindo uma nota¸ao mais compacta, de forma que c˜
(k) ∆(k) = ∆max (x(k) , x) = max{|x1 − x1 |, . . . , |xn − xn |} −→ 0 . (k) k→∞

39

e isso provar´ nossa afirma¸ao. a c˜ J´ para conseguir essa desigualdade, provaremos que para todo k ≥ 1 vale a ∆(k) ≤ λ∆(k − 1) . Ent˜o teremos a ∆(1) ≤ λ∆(0) ∆(2) ≤ λ∆(1) ≤ λ2 ∆(0) . . . . . . ∆(k) ≤ λk ∆(0) ,

De fato, iremos mostrar que ∆(k) decai geometricamente, isto ´, existem um λ < 1 e uma e constante c > 0 tal que ∆(k) ≤ cλk ,

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

ou seja, a constante c pode ser o pr´prio ∆(0), que ´ a maior diferen¸a entre o valor inicial o e c e a solu¸ao verdadeira. c˜ Por sua vez, provar que ∆(k) ≤ λ∆(k − 1) − xi | ≤ λ∆(k − 1) = λ max |xi
i=1,...,n (k−1)

− xi | .

Faremos a demonstra¸ao completa para i = 1, mas ficar´ claro que o argumento valer´ para c˜ a a (k) todo i = 1, . . . , n, desde que escolhamos λ adequadamente. Precisamos escrever xi − xi , lembrando que x1 =
(k)

1 (k−1) (k−1) (k−1) b1 − a12 x2 − a13 x3 − . . . − a1n xn a11 1 (b1 − a12 x2 − a13 x3 − . . . − a1n xn ) . a11

e, como os x1 , . . . , xn formam uma solu¸ao, c˜ x1 = Ent˜o a x1 − x1 =
(k)

1 (k−1) (k−1) (k−1) a12 (x2 − x2 ) + a13 (x3 − x3 ) + . . . + a1n (xn − xn ) a11

.

Tomando o valor absoluto (o m´dulo) e lembrando que “o m´dulo da soma ´ menor ou igual o o e a ` soma dos m´dulos”, temos o |x1 − x1 | ≤ 1 (k−1) (k−1) (k−1) |a12 | · |x2 − x2 | + |a13 | · |x3 − x3 | + . . . + |a1n | · |xn − xn | |a11 |
(k)

.

.. j=1 j=i |aij | . .3 Crit´rio de parada e i=1. . .n (k−1) | ≡ ∆(k − 1) .. . . |a11 | |a12 | + |a13 | + . no entanto. Ent˜o e a |x1 − x1 | ≤ λ1 ∆(k − 1) . podemos deduzir uma express˜o que relaciona ∆(k) com a (k) (k−1) (k−1) (k) a c˜ a − xi | que corresponde ` varia¸ao m´xima entre x(k−1) ∆max (x .n Da desigualdade ∆(k) ≤ λ∆(k − 1). que por defini¸ao c˜ |xj − xj portanto |x1 − x1 | ≤ Agora definimos a constante λ1 = (k) (k−1) ´ CAP´ ITULO 3.. . . x ) = max |xi e x(k) . |a12 | + |a13 | + .... O Crit´rio das Linhas garante que λi < 1.. . e sempre resultar´ e a a |xi para todo i = 1. . . . 3. n. como quer´ ıamos demonstrar! (k) − xi | ≤ λ∆(k − 1) . n. . Se definirmos agora e λ = max λi .. |a11 | que deve ser menor do que 1.. i=1.40 Note. onde λi = 1 |aii | n (k) (k) − xi | ≤ λi ∆(k − 1) . + |a1n | ∆(k − 1) . . Para as outras linhas todo o procedimento ´ an´logo.n ent˜o a |xi logo ∆(k) ≤ λ∆(k − 1) . pelo Crit´rio das Linhas... METODOS ITERATIVOS | ≤ max |xi − xi i=1. para todo i = 1. + |a1n | .

n (k−1) (k−1) − xi | − xi (k) = λ max |xi ≤ λ max i=1.8.. pois os e a ıvel e v´rtices livres produzem equa¸oes onde o elemento da diagonal ´ exatamente igual ` soma e c˜ e a dos demais termos. ... se c˜ e e |xi (k+1) − xi | ≥ p|xi | (k) (k) para algum i = 1..n 41 max |xi (k) − xi | ≤ λ max |xi i=1...n − xi | max |xi (k) − xi | ≤ que com nossa nota¸ao compacta se torna c˜ ∆(k) ≤ λ (k) (k−1) − xi | max |x 1 − λ i=1. Muitas vezes a velocidade de convergˆncia do m´todo ´ muito e e e lenta e mesmo longe da solu¸ao..n i=1. Experimentos num´ricos evidenciam que de fato h´ convergˆncia do M´todo de Jacobi e a e e nesses casos. chamada de M´todo de Gauss-Seidel. .n (k−1) − xi | + λ max |xi i=1.. a Outro crit´rio de parada ´ aquele em que somente calculamos a itera¸ao seguinte caso a e e c˜ varia¸ao relativa seja maior que uma quantidade p pr´-fixada.. 3.. a varia¸ao relativa das solu¸oes aproximadas pode ser muito c˜ c˜ c˜ pequena. Entretanto este segundo crit´rio n˜o garante que a distˆncia entre e a a x(k) e x seja menor que p.n (k−1) (k) − xi | Assim i=1. principalmente se o n´ mero de v´rtices da grade u e for muito grande..4.. para alguns c˜ c˜ valores de i...n (1 − λ) max |xi e finalmente i=1. com e crit´rios menos exigentes que o Crit´rio das Linhas.... chamada de Crit´rio de o e e .. n... isto ´.... que λi = 1.´ 3. Sua efic´cia ficar´ demonstrada e e a a a partir de uma hip´tese mais fraca que o Crit´rio das Linhas. O METODO DE GAUSS-SEIDEL De fato. embora ela seja muito lenta..n + xi (k) − xi | (k) |xi (k−1) − xi | + |xi (k) (k) − xi | (k) ≤ λ max |xi i=1... na nota¸ao da Se¸ao anterior.. ...... discutiremos nesta Se¸ao uma varia¸ao e e c˜ c˜ do M´todo de Jacobi..n i λ ∆max (x(k−1) .... de ∆(k) ≤ λ∆(k − 1) segue que i=1. Embora a convergˆncia possa ser demonstrada matematicamente.. x(k) ) 1−λ Um crit´rio de parada para o M´todo de Jacobi consiste em calcular o lado direito da desie e gualdade acima e parar quando esta for menor que a precis˜o desejada. o que significa.4 O M´todo de Gauss-Seidel e O M´todo de Jacobi poderia ser aplicado nos problemas de contorno da Se¸ao 1.n (k) − xi | ≤ λ max |xi i=1.. mas e c˜ somente pelo Crit´rio das Linhas n˜o seria poss´ afirmar que haveria convergˆncia....

.   . . x(k+1) n = 1 a11 1 a22 1 a33 .  . u(k+1) = w − Bu(k) . . as coordenadas x1 . .. . queremos avaliar a diferen¸a entre a aproxima¸ao obtida c˜ c c˜ na etapa k e a solu¸ao original. . . xn de u . 1 ann b1 − a12 x2 − a13 x3 − · · · − a1n x(k) n b2 − a21 x1 b3 − a31 x1 (k+1) (k) (k) − a23 x3 − · · · − a2n x(k) n − a32 x3 (k+1) (k) (k+1) − · · · − a3n x(k) n (k+1) bn − an1 x1 (k+1) − an2 x2 (k+1) − · · · − an. . . c˜ e (k+1) (k+1) (k) No M´todo de Jacobi. . xn ) a partir do vetor (x1 . . . . .n−1 xn−1 Para introduzir o Crit´rio de Sassenfeld e discutir a convergˆncia. . e para isso precisaremos mostrar que |xi (k+1) − xi | ≤ λ∆(k) . o J´ no M´todo de Gauss-Seidel as coordenadas atualizadas s˜o imediatamente usadas na a e a atualiza¸ao das demais. xn de u(k+1) s˜o obtidas todas de uma vez a (k) (k) (k) s´. METODOS ITERATIVOS Sassenfeld. e mostrar que essa diferen¸a se reduz a cada etapa.   .. temos c˜ x1 (k+1) (k+1) = = = x2 (k+1) x3 (k+1) . e o crit´rio emergir´ de modo natural.. . Mais uma vez.. . . .    . onde x1 .42 ´ CAP´ ITULO 3. Explicitamente. .. . . .  . Com isso. . nosso objetivo ´ mostrar que c˜ e existe λ < 1 tal que ∆(k + 1) ≤ λ∆(k) . . .n (k) − xi | . e e a Assim como na Se¸ao anterior. . u c˜ a evitaremos o excesso de elipses (os trˆs pontinhos). xn representa a solu¸ao verdadeira.  . (k) xn ) da seguinte forma:  (k+1)       (k)  a12 a13 0 · · · a1n x1 x1 b1 /a11 a11 a11 a11  (k+1)   a a23 0 · · · a2n   x(k)    b2 /a22   a21  2   x2 a22 a22    22 =  − . .. . . ´ melhor ilustrarmos e e e com um sistema com 4 equa¸oes. N˜o ser´ dif´ mostrar que os problemas de contorno citados satisfazem esse a a ıcil crit´rio.   .  . de forma sucinta. an1 an2 an3 (k) (k+1) bn /ann ··· 0 xn xn ann ann ann ou. Depois enunciaremos o Crit´rio para sistemas com um c˜ e n´ mero qualquer de equa¸oes. . tomamos c ∆(k) = max |xi i=1. . . . .. e ficar´ claro que os argumentos se generalizam. . calcula-se o vetor (x1 e . desde que se tenha um m´ e ınimo de cuidado na numera¸ao dos v´rtices livres. . a partir das coordenadas x1 . (k+1) Em cada etapa. Para c˜ c medir essa diferen¸a.

O METODO DE GAUSS-SEIDEL para todo i = 1. .3. Agora levamos em conta essa ultima inequa¸ao para mostrar que ´ c˜ |x2 (k+1) − x2 | ≤ β1 |a21 | + |a23 | + |a24 | ∆(k) ≡ β2 ∆(k) .4. . 3.´ 3. |a22 | β1 |a31 | + β2 |a32 | + |a34 | ∆(k) ≡ β3 ∆(k) |a33 | Continuando. mostramos que a − xi | ≤ βi ∆(k) . |a11 | − x1 | ≤ β1 ∆(k) . . |a11 | |a12 | + |a13 | + |a14 | . n. 4. obtemos |x3 e |x4 (k+1) (k+1) − x3 | ≤ − x4 | ≤ β1 |a41 | + β2 |a42 | + β3 |a43 | ∆(k) ≡ β4 ∆(k) . logo ∆(k + 1) ≤ ( max βi )∆(k) . i=1. |a44 | |xi (k+1) Em conclus˜o. |a11 | |a11 | |a11 | a Como |xi − xi | ≤ ∆(k). ent˜o |x1 Definimos β1 = para ficar com |x1 (k+1) (k+1) (k) − x1 | ≤ |a12 | + |a13 | + |a14 | ∆(k) . Num sistema de 4 equa¸oes e 4 inc´gnitas temos c˜ o x1 (k+1) 43 − x1 − x1 − x1 − x1 = = = = x2 x3 x4 (k+1) (k+1) (k+1) 1 a11 1 a22 1 a33 1 a44 a12 (x2 − x2 ) + a13 (x3 − x3 ) + a14 (x4 − x4 ) a21 (x1 − x1 a31 (x1 − x1 a41 (x1 − x1 (k+1) (k) (k) (k) ) + a23 (x3 − x3 ) + a24 (x4 − x4 ) ) + a32 (x2 − x2 ) + a42 (x2 − x2 (k+1) (k) (k) (k+1) ) + a34 (x4 − x4 ) ) + a43 (x3 − x3 (k+1) (k) (k+1) (k+1) ) Da primeira equa¸ao. sai c˜ |x1 (k+1) − x1 | ≤ |a13 | |a14 | |a12 | (k) (k) (k) · |x2 − x2 | + · |x3 − x3 | + · |x4 − x4 | . para todo i = 1. 2.4 . .2.

w e tais que cada casinha que contenha uma inc´gnita seja a m´dia das quatro adjacentes (cono e siderando apenas verticais e horizontais). Fa¸a 4 itera¸oes. partindo de (x0 . β2 . .2 Tente mostrar o Crit´rio de Sassenfeld n × n. β1 = |a12 | + |a13 | + . Analogamente ao M´todo de Jacobi. o Crit´rio de Sassenfeld pode ser c˜ o e enunciado de forma indutiva. ent˜o teremos ∆(k + 1) ≤ λ∆(k). βi−1 . enquanto que os coeficientes ` direita da diagonal s˜o multiplicados por 1.4 Obtenha a solu¸ao com 3 algarismos significativos do sistema linear c˜ 4x1 −x1 2x1 + 2x2 + 2x2 + x2 + x3 = = = 11 3 16 + 4x3 usando o M´todo de Jacobi e o M´todo de Gauss-Seidel. o M´todo de Gauss-Seidel tamb´m tem a desiguale e e dade λ ∆(k) ≤ ∆max (x(k−1) . + |ain | . y. e Exerc´ ıcio 3. .. para i ≥ 2. Compare a velocidade de cone e vergˆncia nos dois m´todos. no numerador os βi ’s aparecem multiplicando os coeficientes da linha i ` esquerda e a da diagonal. w0 ) = c c˜ . i=1. β3 e β4 for menor do que 1. Primeiro.n Exerc´ ıcio 3.5 Considere a tabela acima.. z0 . Ent˜o βi se define como a a βi = β1 |ai1 | + . O a a coeficiente da diagonal aparece no denominador (como no Crit´rio das Linhas) e n˜o aparece e a no numerador. + βi−1 |ai. β2 . da seguinte maneira.. y0 . e e 1 2 5 x w 7 3 y z 1 3 0 Exerc´ ıcio 3. . METODOS ITERATIVOS Se cada um dos n´ meros β1 . .. Os demais coeficientes s˜o definidos indutivamente. + |a1n | .8 satisfazem o Crit´rio de c˜ e Sassenfeld Exerc´ ıcio 3. .3 Mostre que os problemas de contorno da Se¸ao 1. z. Para um sistema linear de n equa¸oes e n inc´gnitas.i+1 | + . . . x(k) ) 1−λ desde que λ = max βi seja estritamente menor que 1. . u a com λ < 1. Use o M´todo de Gauss-Seidel para achar x.. |aii | isto ´. Suponha e a que j´ tenham sido definidos β1 .44 ´ CAP´ ITULO 3.i−1 | + |ai. . |a11 | como no Crit´rio das Linhas.

c˜ e partindo de um certo chute inicial fixado (x0 .´ 3.5z + 1z + 1. z0 ).7 Considere os sistemas lineares  1z = 2  4x + 1y + 2x − 5y + 1z = 3 (1) e  1x + 1y + 1. 0. onde     −1 4 −3 4 8  e b =  −3  A =  −5 −3 −6 2 3 3 (a) A matriz A satisfaz o Crit´rio das Linhas para alguma permuta¸ao de linhas? e c˜ (b) A matriz A tem alguma permuta¸ao das linhas a qual satisfaz o Crit´rio de Sassenfeld? c˜ e Qual? Justifique. 0). 4] × [−1. e arredondando para 2 algarismos significativos ap´s cada etapa.6 Considere o sistema linear Ax = b. Portanto eles s˜o equivalentes. de forma a obter a melhor precis˜o a poss´vel na vig´sima itera¸ao. quantas itera¸oes s˜o c˜ a c˜ a necess´rias para que o erro seja menor que 10−2 ? a Exerc´ ıcio 3. (Veja a Se¸ao 1. ı e c˜ A qual dos dois sistemas devemos aplicar o M´todo de Gauss-Seidel segundo esse objetivo? e Justifique.4. 5] × [−2.5z = 6 = 3 = 4 . (d) Sabendo-se que a solu¸ao exata est´ em [−3. (c) Escreva as equa¸oes de recorrˆncia do m´todo de Gauss-Seidel e calcule uma itera¸ao a c˜ e e c˜ partir de x(0) = (1. 0. 0.8 o c˜ na p´gina 18.5z = 4 (2) Observe que o sistema (2) foi obtido do sistema (1) substituindo-se a primeira equa¸ao de c˜ (1) pela soma desta com a ultima equa¸ao de (1). O METODO DE GAUSS-SEIDEL 45 (0. y0 . ´ c˜ a Queremos encontrar a solu¸ao do sistema (1) (ou (2)) usando o M´todo de Gauss-Seidel.) a Exerc´ ıcio 3.   5x + 2y 2x − 5y  1x + 1y + 2. 0). 2].

46 ´ CAP´ ITULO 3. METODOS ITERATIVOS .

Parte II Ajuste de Fun¸˜es co 47 .

.

mas n´s gostar´ a a eo o ıamos de obter. suponha que queiramos usar a um el´stico como dinamˆmetro. a c˜ yi xi x Muitas vezes n˜o dispomos de um modelo que explique a dependˆncia de y em rela¸ao a x. e em que resultar´ a medida de y se soubermos x. i = 1. a e c˜ de forma que n˜o podemos deduzir essa fun¸ao apenas de teoria. . . x ´ a a a e e distens˜o do el´stico e y o peso do objeto (ou poderia ser o contr´rio. o que nos dar´ uma cole¸ao de dados (xi . o experimento pode a c˜ se dar justamente como uma forma de investigar essa rela¸ao. a partir da distens˜o do el´stico. i = 1. para criar um embasamento c˜ da teoria sobre dados reais. Neste exemplo. . ´ sempre desej´vel ter um a o e a modelo preditor. N . se desej´ssemos prever a a a a a distens˜o que o el´stico teria para um determinado peso). ´ interessante saber prever. Para isso. fixamos uma das extremidades do el´stico e na a o a outra extremidade penduramos o objeto do qual desejamos conhecer o peso. yi ). isso ´ ´bvio. . yi ). fazemos v´rias medidas do montante da distens˜o em a a a fun¸ao do peso do objeto. . esperamos que haja uma rela¸ao entre a vari´vel y e a c˜ a vari´vel x. N . De fato. pelo menos de forma aproximada.Cap´ ıtulo 4 Ajuste de fun¸˜es co 4. freq¨ entemente nos deparamos u com uma tabela de dados (xi . que seria expressa por uma fun¸ao: y = f (x). um valor num´rico para seu peso. quer dizer. O c˜ a c˜ que n´s queremos agora ´ encontrar uma fun¸ao y = f (x) que se aproxime o melhor poss´ o e c˜ ıvel 49 . . que representamos visualmente por meio de um gr´fico. . Quanto mais pesado for o objeto. mais o el´stico se distender´. Por exemplo. Para isso.1 O problema do ajuste y Em medidas experimentais. Mesmo que o experimento n˜o culmine num modelo te´rico. Em gea ral. a a Para ter uma f´rmula a ser usada no dinamˆmetro precisamos conhecer muito bem como o o se comporta nosso el´stico. .

a e c˜ Evidentemente h´ um certo grau de arbitrariedade no m´todo que escolhemos para dea e terminar Q. 4. i = 1.4). 2.50 CAP´ ITULO 4. . . x Exerc´ ıcio 4.6. que pode ser justificado por raz˜es o estat´ ısticas fora do alcance destas notas. onde os xi ’s nunca se repitam. Com isso. c˜ 4. .7) e as fun¸oes afins f1 (x) = −0. e deve ser usado de forma comparativa: se Q(f1 ) for menor a do que Q(f2 ) ent˜o f1 ´ uma aproxima¸ao aos dados melhor do que f2 . Esse n´ mero c˜ u u deve ser sempre n˜o-negativo. (6. . e dentro desse conjunto menor c˜ de fun¸oes procurar aquela que melhor se adapte a nossos pontos. como decidir se uma fun¸ao se adequa mais aos dados do que outra? c˜ e c˜ 4. sempre podemos achar um polinˆmio de grau N − 1 tal que p(xi ) = yi . temos que avaliar. c˜ O bom senso.5 e A. (1. De fato.5. AJUSTE DE FUNCOES ¸˜ ´ desses dados. Isto e c˜ ´. yi ). para qualquer conjunto de dados (xi .0. associando a f um n´ mero Q(f ). c˜ Al´m disso. . −1. usando o crit´rio do qui-quadrado? Desenhe as retas e os pontos em papel e milimetrado antes de fazer as contas. para cada xi . Isto ´. na e Se¸ao 6. No entanto. podemos restringir bastante o universo das fun¸oes candidatas. o para todo i = 1.1 Dados os pontos (−2. . e procure adivinhar o resultado por antecipa¸ao. (3. N . . parece muito complicado. c˜ ´ E claro que o problema. como vimos nas Se¸oes 1. N . qual das duas fun¸oes se ajusta c˜ c˜ melhor aos dados. f(xi ) yi xi Em palavras. no entanto. . Q(p) ´ zero e n˜o h´ c˜ e a a como encontrar uma fun¸ao melhor do que essa.86x e f2 (x) = −1. −0.6). i = 1.7.6). Veja que o problema em alguns casos perde o sentido se n˜o a fizermos isso. ´ preciso estabelecer um crit´rio comparativo do que seja a qualidade de uma e e e aproxima¸ao.8. . . . Aqui adotaremos o mais comum deles.0).2 Os m´ ınimos quadrados Precisamos de uma medida num´rica para avaliar a qualidade de uma aproxima¸ao. 5.8 + 0.0 + 1.32x. temos uma cole¸ao de dados (xi . yi ). . N .3 Parˆmetros a Precisamos resolver tamb´m a quest˜o do conjunto de fun¸oes aonde vamos procurar aquela e a c˜ que minimiza o qui-quadrado. a diferen¸a c entre o dado yi e o valor de f em xi .0. elevar essa diferen¸a ao c quadrado e depois somar os resultados obtidos para cada xi . a e o a pois isso facilitaria mais tarde sua utiliza¸ao como preditor. e ´ conhecido como qui-quadrado (sem pesos. e queremos avaliar o quanto uma e c˜ determinada fun¸ao f difere desses dados. colocado dessa forma. mas como? E desej´vel tamb´m que a f´rmula de f n˜o seja muito complicada. Duas raz˜es concretas a a o podem ser dadas imediatamente: se a quantidade de dados for muito grande. ser´ necess´rio a a . levar´ a concluir que isso n˜o vale a pena.4 abordamos o qui-quadrado com pesos): c˜ a distˆncia de f (x) aos dados experimentais ´ definida como a e sendo N y f Q(f ) = i=1 (f (xi ) − yi )2 . (4.

Se. 4. ele pode ser encontrado com exatid˜o a procurando-se ρ0 tal que Q′ (ρ0 ) = 0 . faremos mais a medidas e. a Para cada fun¸ao fρ podemos medir o qui-quadrado Q(fρ ).1 Densidade Suponha que queiramos determinar a densidade de um certo material. Olhamos (num sentido abstrato) para todas as poss´ ıveis fun¸oes fρ (V ) = ρV . no entanto. ent˜o Q′ (ρ) = 0.) a Q(ρ) ρ0 ρ . e a Veremos que podemos tamb´m tirar um valor para a densidade a partir desse gr´fico. PARAMETROS 51 achar um polinˆmio de grau bastante grande para interpolar esses dados. evidentemente. Note agora que ρ. e e essa dependˆncia ´ explicitamente dada por ρ0 V . Se houe a ver um m´ ınimo. e depois procurar o parˆmetro c˜ a ρ para o qual Q(fρ ) ´ m´ e ınimo. que denotaremos simplesmente por Q(ρ).3. Se admitirmos que isso ´ verdade podemos tentar. passando pela origem. Observe que cada fun¸ao a a c˜ c˜ fρ ´ uma fun¸ao de uma vari´vel (V ). agora ´ a pr´pria vari´vel de Q(ρ) = Q(fρ )! a e o a Podemos visualizar Q(ρ) atrav´s de um gr´fico. (Por´m aten¸ao: Q′ (ρ) = 0 n˜o implica necessariamente e c˜ a que ρ seja m´ ınimo.3. conv´m fazer um gr´fico Massa (m) vs. Para ilustrar. que ´ chamado de e c˜ a u e parˆmetro. vejamos a c˜ alguns exemplos. Basta medir o volume de uma certa quantidade de material. tiraremos a m´dia dos resultados. a fun¸ao ρ → Q(fρ ) ´ c˜ e uma fun¸ao de uma vari´vel. Somento o inverso ´ a e v´lido: se ρ for m´ a ınimo. temos que m = f (V ) = ρ0 V . c˜ a que era parˆmetro para fρ (V ). e a Chamando de ρ0 a densidade do material. se dispusermos dos instrumentos adequados. Haver´ a dificuldade o a de se achar o polinˆmio e depois a dificuldade de se utiliz´-lo. onde ρ0 ´ uma constante fixa chamada e e e densidade”. poderia se tratar de um m´ximo. essas medidas e forem tomadas com volumes diferentes. a a Se estivermos um pouco mais preocupados com a precis˜o do resultado. Para achar o valor de ρ0 que melhor se adapta aos dados experimentais recorremos ao qui-quadrado. o a Menos objetiva do que essa raz˜o ´ o fato bastante comum em experiˆncias de que sabemos a e e muitas vezes de antem˜o que tipo de fun¸ao estamos procurando. achar o e a valor de ρ0 . mas que depende do n´ mero ρ. O procedimento ´ e claro. Volume (V). o que em portuguˆs pode ser assim entendido: “a massa do material depende apenas de seu volume. ou um a ponto de inflex˜o com derivada zero. c˜ cujos gr´ficos s˜o retas de inclina¸ao ρ. a partir do gr´fico. Como ρ varia ao longo da reta real.ˆ 4. sua massa e proceder ` raz˜o massa por volume.

ela assume um determinado formato (entre os dois pontos de sustenta¸ao). a origem das c˜ coordenadas ´ imposta como sendo o ponto de m´ e ınimo da corrente (uma justificativa para essa fun¸ao ser´ dada na Subse¸ao 17. Esse n´ mero a e e u u n˜o ´ conhecido a priori.52 CAP´ ITULO 4. ou seja. c˜ a c˜ Na express˜o de f tamb´m aparece uma constante c.3 Naftalinas e fun¸˜es afins co Uma bolinha de naftalina perde seu material. .3. 2 Observe que a fun¸ao foi dada de tal forma que para x = 0 ela vale 0. . . j´ que se trata de uma medida experimental. pois depende de v´rias coisas. a come¸ar pela posi¸ao dos pontos a e a c c˜ de sustenta¸ao.3. yi ). Agora sabemos que a corrente assume a a forma de uma fun¸ao f como acima. c˜ Como proceder? Para explicitar a existˆncia de um parˆmetro. convencionando x para a horizontal e y para a vertical. mas nos resta saber com que valor de c isso acontece. Como c varia ao longo da reta real. a fun¸ao c → Q(fc ) ´ uma c˜ e fun¸ao de uma vari´vel. al´m disso. y) = (0. Como evolui o raio da naftalina em fun¸ao do tempo? c˜ Se V (t) ´ o volume da bolinha. que ´ um n´ mero. n˜o necessariamente horizontalc˜ a mente alinhados. adota-se a nota¸ao c˜ c˜ 1 fc (x) = (cosh(cx) − 1) . que ser´ o ponto (x. ıcil No entanto. AJUSTE DE FUNCOES ¸˜ 4. obtendo assim um conjunto de dados (xi . que denotaremos simplesmente por Q(c). Se usarmos sempre a a mesma corrente ele pode ser modificado atrav´s da mudan¸a dos pontos de sustenta¸ao. 0).5).3. i = 1. c˜ a 4.2 Caten´ria a Quando suspendemos uma corrente em dois pontos de sustenta¸ao. dado pela c˜ fun¸ao caten´ria: c˜ a f (x) = 1 (cosh(cx) − 1) . . Conv´m. e depois procurar o parˆmetro c c˜ a para o qual Q(fc ) ´ m´ e ınimo. O n´ mero c ´ outro t´ c˜ u e ıpico exemplo de um parˆmetro. N . por sublima¸ao. e ´ dada por e c˜ o e cosh x = ex + e−x . e ´ e c c˜ e razoavelmente dif´ saber que valor ele vai assumir ao pendurarmos a corrente. determinar a posi¸ao e e c˜ exata do m´ ınimo. ent˜o a hip´tese implica que e a o ˙ V (t) = −α4πr(t)2 . poder´ a ıamos medir a posi¸ao da c˜ corrente em alguns pontos. c Para cada fun¸ao fc podemos medir o qui-quadrado Q(fc ). . a uma taxa proporcional a sua c˜ superf´ ıcie. que obviamente faz parte da defini¸ao da e a c˜ fun¸ao. c x onde cosh ´ a fun¸ao conhecida como cosseno hiperb´lico.

onde t ´ o tempo (a vari´vel) e R0 . Por outro e e aa ıcie lado 4 V (r) = πr3 . a taxa de perda de volume ´ proporcional ` ´rea da superf´ da bolinha. 3 de forma que 4 V (t) = V (r(t)) = πr(t)3 3 e ˙ V (t) = 4πr(t)2 r(t) . 2 . R(T ) = 2 isto ´.3. α s˜o dois parˆmetros. aqui aparece uma fun¸ao que envolve dois parˆmetros. ficamos com c˜ r(t) = −α . e ´ oriunda a c˜ e ` o e de seu decaimento. onde r0 = r(0). Portanto e c˜ e c˜ r(t) = r0 − αt . ou seja. Desta feita. T ´ tal c˜ o e que R0 . supondo que o racioc´ ınio acima se confirme. Veremos mais adiante (Subse¸ao 17. A constante R0 ´ a quantidade e a a a e de radia¸ao emitida por unidade de tempo no instante t = 0 e α > 0 representa a taxa de c˜ decaimento: quanto maior for α mais r´pido ele ser´. a a A meia-vida do is´topo ´ o tempo T necess´rio para que sua quantidade caia pela metade. a radia¸ao emitida por unidade c˜ de tempo R(t) obedece ` lei a R(t) = R0 e−αt . b). e gostar´ e a ıamos de achar o par (a.3. ˙ ˙ Juntando as duas equa¸oes em V (t) e cancelando r(t)2 . e R0 = R0 e−αT . o e a Admitindo a proporcionalidade entre a radia¸ao emitida e a quantidade do is´topo.4 Decaimento exponencial Um material cont´m um is´topo radioativo. e emite radia¸ao. Num experimento. a c˜ a 4.ˆ 4. b) que melhor aproxime os dados experimentais. pois para cada par (a. que produza o menor qui-quadrado poss´ e ıvel. Ao contr´rio dos problemas da densidade e da a caten´ria. PARAMETROS 53 isto ´. A emiss˜o de radia¸ao ´ proporcional a quantidade de is´topo. b) teremos uma fun¸ao e c˜ a c˜ diferente a + bt e um qui-quadrado Q(a.3. o qui-quadrado ´ uma fun¸ao de duas vari´veis. teremos uma s´rie de e dados (ti . ´ uma fun¸ao afim. isto ´. ri ) que se dispor˜o aproximadamente sobre uma reta. Cada reta n˜o vertical do a a plano ´ gr´fico de r(t) = a + bt. Ou seja. que pode ser detectada por um e o c˜ contador geiger.2) que a quantidade do is´topo c˜ o decresce (na maioria dos casos) exponencialmente. ˙ logo r(t) ´ uma fun¸ao de derivada constante negativa.

Para facilitarmos o argumento suporemos que o mapa ´ quadrado e escolheremos apenas valores de l que sejam e iguais ` lateral do mapa dividida por um n´ mero inteiro. a e 4. O nome fractal vem do fato de e a c que d pode ser um n´ mero fracion´rio (n˜o inteiro). e coloque os c dados N (l) versus l em papel log-log.5 Leis de potˆncia e fractais e log f (x) = log c + α log x .. pois o logaritmo de uma soma n˜o pode ser desmembrado. t. AJUSTE DE FUNCOES ¸˜ log 2 . recomenda-se tamb´m tirar o logaritmo: c˜ e a e Desta vez. e a dimens˜o fractal d ser´ o valor absoluto dessa inclina¸ao. e Esse tipo de fun¸ao aparece ligado ao conceito de fractal. dentro dos limites inerentes ao experimento. no decaimento de c˜ e a temperatura de um corpo em contato com um reservat´rio mais frio. a a . que tˆm dois parˆmetros. atrav´s da determina¸ao e c˜ o e c˜ da quantidade de carbono-14. Tomamos valores de l cada vez menores. por exemplo. em busca de uma reta. onde −α ´ sua derivada. ´ o o log-log. a e o em fun¸oes do tipo c˜ f (t) = b + ce−αt . a a Esse tipo de fun¸ao tem trˆs parˆmetros. c˜ a Escolha um tamanho l e divida o mapa em quadrados de tamanho l. Para fun¸oes f (x) = cxα .. Para exemplificar. e pode ocorrer. e o inesperado vem do fato de que se o u a a litoral fosse uma reta ent˜o d seria igual a 1! Ocorre que em geral d ´ maior do que 1. sem fazer contas. em fun¸ao dos dados da abscissa. ou seja. e c˜ e e vendidos em algumas papelarias. α O conceito de meia-vida ´ muito usado para data¸ao de f´sseis. Os pap´is mono-log. fa¸a o experimento acima sugerido. s˜o uma maneira de se plotar o logaritmo dos dados da a ordenada. onde fatalmente c˜ n˜o se ver´ uma reta. em rela¸ao ao is´topo mais abundante carbono-12: quanto c˜ o menor for a quantidade de carbono-14. log R(t). e para cada l contamos N (l). log f (x) ´ uma fun¸ao afim de log x. mais antigo ´ o material. onde e d ´ a chamada dimens˜o fractal daquele peda¸o de litoral. Preste c˜ a a c˜ aten¸ao em desconsiderar valores de l muito grandes ou muito pequenos. Em seguida contamos o n´mero N (l) de quadrados que u intersectam a linha do litoral. N (l) ´ proporcional a l−d .3. fotografada num mapa de sat´lite. e A fun¸ao a dois parˆmetros R(t) recai no caso afim quando tiramos o logaritmo: c˜ a T = log R(t) = log R0 − αt .54 equa¸ao que resolvida nos d´ c˜ a CAP´ ITULO 4. de forma que s´ haja uma maneira a u o de se dividir o mapa em quadrados. A experiˆncia tem e mostrado que. mas cuja temperatura o n˜o ´ necessariamente zero. e suponha que a foto do sat´lite tenha boa e e resolu¸ao.2 Munido de bons mapas. L(t) ≡ log R(t) ´ uma fun¸ao afim. N˜o adianta tirar o logaritmo. c˜ Isto n˜o vale quando o decaimento exponencial ´ assint´tico a um valor diferente de zero. tome a linha c˜ do litoral. a e Exerc´ ıcio 4. e o papel recomendado para se plotar os e c˜ dados. Se realmente N (l) = cl−d ent˜o vocˆ ver´ uma reta a e a de inclina¸ao negativa. para que se possa fazer uma an´lise razoavelmente detalhada.

E a a claro que se aumentarmos o n´ mero n ent˜o em m´dia os nj ’s devem aumentar. IN . o escolhe-se um intervalo ∆t e divide-se a reta dos tempos em intervalos de tamanho ∆t. S˜o feitas n e a medidas T1 . Para fazer o histograma. . . sempre da mesma altura. O histou grama ´ desenhado construindo-se bare ras de base Ij e altura igual a nj . diminuirmos pela metade o tamanho dos intervalos. isto ´. mas isso j´ ´ outra hist´ria. no “cume” do sino.3. pois cada barra ter´ ´rea a a aa ∆t · e a soma da ´rea de todas as barras ser´ a a N j=1 nj nj = n∆t n nj 1 = n n N nj = j=1 1 ·n=1. n . Tn . E claro que a diminui¸ao dos intervalos e o aumento do n´ mero de medidas devem ser feitos de forma c˜ u acoplada. digamos. O valor mais prov´vel do que deve ser o tempo de queda (que servir´ a a por exemplo para se estimar a acelera¸ao da gravidade) se situa pr´ximo dos intervalos que c˜ o apresentam maiores valores de nj . . em vez de colocarmos as barras ` altura nj . . Esses intervalos podem ser numerados: I1 .3. . por exemplo. se mantivermos n mas. ae o O leitor mais atento pode estar pensando que ao mudarmos o n´mero n de experimentos u ´ ou o tamanho do intervalo b´sico ∆t n˜o poderemos comparar um histograma com outro. nj I1 I2 ∆t Ij IN Nesse problema e em v´rios outros.ˆ 4. . e Se o experimento n˜o tiver erros sistem´ticos.6 Gaussiana Suponha que v´rias medidas foram feitas de um mesmo fenˆmeno. . isso far´ com que em m´dia os nj ’s caiam pela metade. e dessas medidas constr´i-se um histograma. por exemplo. . Assim.. o tempo de a o queda de um objeto que ´ solto. seria a e interessante ter um histograma que n˜o dependesse demais de n e ∆t. fazemos um reescalonamento da a ordenada. n∆t Com isso. a partir do repouso. o formato de sino ser´ tanto melhor aproa a a ´ ximado quanto mais medidas forem feitas e quanto menor forem os intervalos. Para a cada intervalo Ij conta-se o n´ mero de u medidas Ti que incidem em Ij . o que dar´ u a e a histogramas radicalmente diferentes quando n = 500 ou n = 5000. mantidos iguais os ∆t’s. a tendˆncia do histograma ´ adotar o formato aproa e e ximado de um “sino”. chamando esse n´ mero de nj . mas para a numera¸ao ser c˜ finita ´ preciso n˜o incluir aqueles que e a est˜o longe dos tempos medidos. a soma total da ´rea das barras ser´ igual a 1. Por outro lado.. Para isso. PARAMETROS 55 4. colocando as barras ` altura a nj . e permitisse comparar a histogramas do mesmo fenˆmeno constru´ o ıdos de formas diferentes.

Para entender melhor essa fun¸ao. agora fixo. e decresce ` direita e ` esquerda a a (simetricamente). O fator que multiplica a exponencial est´ colocado para normalizar a fun¸ao. se considerarmos hσ (t) = exp{− t2 } = exp{− 2σ 2 t √ 2σ 2 t } = h( √ ) 2σ √ a ent˜o teremos o seguinte efeito: se 2σ > 1. basta medir a ´rea total c˜ a das barras sobre esses intervalos. n˜o importando os valores de σ a a a e τ. alargando o sino. e seu valor sempre representa a posi¸ao c˜ do “cume”. indo a zero quando t vai a +∞ ou −∞. observe que c˜ ela ´ uma varia¸ao de e c˜ h(t) = exp{−t } = e 2 −t2 1 h(t) = e−t 0 2 . fazer a c˜ e com que a ´rea debaixo de seu gr´fico seja sempre igual a 1. o formato do histograma se aproxima cada vez mais de um formato de sino. a a 2σ que ´ menor do que t. a ` A medida em que se dimui ∆t e se aumenta n.56 CAP´ ITULO 4. ent˜o o valor de hσ (t) ser´ o valor de h em √t . Se agora tomarmos hτ (t) = exp{−(t − τ )2 }. Se quisermos saber a e c˜ a propor¸ao de eventos Ti que caiu num determinado conjunto de Ij ’s. conforme for positivo ou negativo. ao contr´rio. e decrescer´ ` direita e a aa esquerda de τ . a fun¸ao valer´ 1 e atingir´ c˜ a a o m´ximo em t = τ . AJUSTE DE FUNCOES ¸˜ Al´m disso. e a c √ a Se.τ (t) . 2σ < 1. a curva decrescer´ mais rapidamente. a . isto ´. Ent˜o o parˆmetro τ tem o a a papel de “deslocar o sino” para a direita ou para a esquerda. A fun¸ao h(t) tem um m´ximo em t = 0 e c˜ a h(0) = 1. Esse n´ mero ser´ um n´ mero entre 0 e 1 (que multiplicado u a u por 100 dar´ a porcentagem de eventos ocorridos nos intervalos considerados). Esse formato de sino ´ tipicamente descrito pela e fun¸ao Gaussiana c˜ (t − τ )2 1 f (t) = √ exp{− }. σ e τ . ent˜o seria mais correto denot´-la c˜ a a a por fσ. Isso far´ com que a curva decres¸a mais lentamente. o histograma passa a ter a seguinte fun¸ao utilit´ria. t 1 hτ (t) τ t 0 Por outro lado. 2σ 2 σ 2π Observe que essa fun¸ao depende de dois parˆmetros.

escolhido de forma que a integral de f seja igual a 1. c˜ queremos saber qual ´ o melhor par de parˆmetros (σ.ˆ 4. i=1 (ti − τ )2 . podemos sempre estimar o qui-quadrado Q(fσ. . A fun¸ao fσ. que ´ aproximadamente o mesmo que calcular a integral e tb fσ.) que os melhores parˆmetros τ e σ e ae o a s˜o a m´dia e o desvio-padr˜o da cole¸ao de dados t1 . a c˜ enquanto que σ indica o qu˜o “agudo” ´ o pico. e admitindo as considera¸oes acima. e y1 . tN como os pontos centrais dos intervalos I1 .τ ). Se quisermos saber c˜ em m´dia qual ´ a propor¸ao de medidas que ocorrer´ entre ta e tb . τ indica a posi¸ao horizontal do cume. . Com esses dados. ta Pode-se mostrar (isso tamb´m j´ ´ outra hist´ria. podemos tratar as barras como pontos. procurando o par (σ. . estando de posse de um histograma. . . . IN . Isso resolve o problema de se achar o menor qui-quadrado. . τ ) que o minimize. PARAMETROS 57 2σ <1 2σ >1 h hσ hσ(t)=h( t ) 2σ h t t 2σ hσ t 0 hσ(t)=h( t ) 2σ t 2σ t t Em resumo.τ (t)dt . combinando os dois parˆmetros. Ou seja. . . a e a c˜ 1 τ= n e σ2 = 1 n n i=1 n ti .. τ ) que aproxima o formato delineado e a pelas barras. . bastar´ encontrar a ´rea e e c˜ a a a do histograma entre ta e tb . c˜ Finalmente. tomando t1 . yN a altura das respectivas barras.τ encontrada serve como um preditor do experimento. . . ..3. tn . . . A altura do pico ´ dada pelo fator de a e e 1 normaliza¸ao σ√2π . . mas raros s˜o os casos em que a a solu¸ao ´ t˜o expl´ c˜ e a ıcita! . Para isso.

58 CAP´ ITULO 4. AJUSTE DE FUNCOES ¸˜ .

a ´ E preciso n˜o confundir entre “fun¸ao linear nos parˆmetros” e “fun¸ao linear”.1 Dependˆncia linear dos parˆmetros e a Estaremos particularmente interessados nos casos em que a dependˆncia da fun¸ao nos e c˜ parˆmetros ´ linear. . basta ver os exemplos que demos acima. a fun¸ao identicamente igual a 1) e g2 (x) = x. No exemplo do c´lculo da densidade temos uma fun¸ao do tipo f (x) = ax. + ak gk (x) . . a2 . J´ uma fun¸ao linear nos parˆmetros n˜o ´ necessariamente linear c˜ a c˜ a a e em x. isso significa que. com que tipos de problemas nos deparamos nos exemplos do o Cap´ ıtulo anterior. . J´ o decaimento exponencial f (x) = ae−bx n˜o a a a a ´. que ´ linear a c˜ e no parˆmetro a e na vari´vel x.ak se escreve como a a f (x) = a1 g1 (x) + a2 g2 (x) + .. e reservamos o termo fun¸ao afim para c˜ a e c˜ fun¸oes da forma a + bx. Analisemos. A fun¸ao da caten´ria f (x) = 1 (cosh(cx) − 1) ´ um exemplo a a c˜ a e c de fun¸ao com apenas 1 parˆmetro que por´m n˜o ´ linear nesse parˆmetro.Cap´ ıtulo 5 Fun¸˜es lineares nos parˆmetros co a 5. se a fun¸ao tiver k a e c˜ parˆmetros a1 . a2 = b.. . a2 = b. . na fun¸ao c˜ ax + b sen x identificamos a1 = a.. g1 (x) = 1 (isto ´. . e c˜ Mesmo uma fun¸ao linear c˜ ax tem apenas um parˆmetro: a1 = a e g1 (x) = x. mas o problema pode ser transformado num problema de fun¸ao afim (e portanto linear e c˜ nos parˆmetros). Ou sen˜o na fun¸ao afim a c˜ a + bx identificamos a1 = a. Uma a c˜ a c˜ fun¸ao linear de uma vari´vel ´ sempre da forma ax. g1 (x) = x e g2 (x) = sen x.. sob essa ´tica. Colocando de forma geral. 59 . ak . pois a log f (x) = log a − bx . ent˜o f = fa1 . As fun¸oes afins c˜ a e a e a c˜ das naftalinas s˜o lineares nos parˆmetros. Por exemplo.

. ent˜o sim ter´ a a ıamos a linearidade. neste caso. com x c˜ a variando no intervalo [c. y(x)). A lei de potˆncia f (x) = axb tamb´m n˜o ´ linear no parˆmetro b. e a Este conceito pode ser util quando y(x) tem uma express˜o conhecida mas muito com´ a plicada. + ak cos(kx)+ +b1 sen(x) + b2 sen(2x) + . a fun¸ao Gaussiana n˜o ´ linear nos parˆmetros “m´dia” e “desvio-padr˜o”. com i variando de 1 at´ N . a e . e a substitu´ ımos por uma express˜o polinomial ou trigonom´trica f (x). entre f e y. da maneira tradicional. a2 . + bk sen(lx) . . d] e gostar´ ıamos de aproxim´-la o melhor poss´ por alguma fun¸ao do tipo a ıvel c˜ f (x) = a1 g1 (x) + . Trataremos a partir de agora apenas do ajuste de fun¸oes lineares nos parˆmetros. yi ). discreto Vale a pena aqui introduzir um problema de ajuste ligeiramente modificado em rela¸ao ao c˜ que vimos discutindo at´ agora. ´ dado por e d Q(f ) = c (f (x) − y(x))2 dx . e o objetivo ´ procurar o conjunto de parˆmetros (a1 . Suponha que conhecemos determinada fun¸ao y(x) num e c˜ intervalo fixo [c. ak ) que minimize Q(f ).60 ˆ CAP´ ITULO 5. c˜ a e a e a mas estes podem ser encontrados. . + ak gk (x) . . mas pode ser transe e a e a formada num problema linear atrav´s do logaritmo. e Finalmente. FUNCOES LINEARES NOS PARAMETROS ¸˜ J´ f (x) = c+ae−bx tem trˆs parˆmetros e n˜o ´ linear em b: se b fosse fixado (n˜o considerado a e a a e a como parˆmetro). c˜ Mais uma vez precisamos de um crit´rio para quantificar a proximidade entre f e os e dados. ou seja. mas sem d´ vida e a e a u deve-se pensar caso a caso. + ak xk e os ajustes por fun¸oes trigonom´tricas c˜ e f (x) = a0 + a1 cos(x) + a2 cos(2x) + . . d]. Agora e nossa informa¸ao se d´ num conjunto infinito de pontos: sabemos todos os (x. Destacam-se entre os ajustes lineares os ajustes por polinˆmios o f (x) = a0 + a1 x + a2 x2 + . 5. Observe que antes t´ ınhamos um conjunto de dados (xi . V´rios c˜ a a casos onde a dependˆncia no parˆmetro ´ n˜o linear podem ser adaptados. . . . . porque conhecemos a fun¸ao y(x). O correspondente qui-quadrado.2 Cont´ ınuo vs. para se ajustarem aos dados experimentais. . . .

portanto. O gr´fico de Q(a) ´. a . . (xN . isto ´. correspondente ` fun¸ao g(x) = x. podemos calcular o qui-quadrado Q(fa ). conv´m come¸ar pelas situa¸oes mais sime c c˜ ples. y1 ). a reta pontilhada indica mais ou menos o que esperamos do nosso ajuste. O caso da fun¸ao linear a ´ a c˜ ´ apenas um caso particular.ˆ 5. que denotaremos simplesmente por Q(a). Explicitamente N N Q(a) = i=1 (fa (xi ) − yi )2 = i=1 (ag(xi ) − yi )2 .. Notemos que para cada i vale 2 (ag(xi ) − yi )2 = g(xi )2 · a2 − 2g(xi )yi · a + yi . . pois o termo a e a e que multiplica a2 ´ certamente positivo. e Em conclus˜o. Isto significa que queremos achar o valor de a que melhor aproxima os pontos dados. Isto pode ser visto diretamente se desenvolvermos a o a a soma que define Q(a): N N N Q(a) = i=1 g(xi )2 a2 − 2 g(xi )yi i=1 a+ i=1 2 yi . com um parˆmetro e linear nesse unico parˆmetro. x x1 x2 x3 x4 x5 x6 Em vez de tratarmos esse caso em particular. suponha que tenhamos dados como acima e queiramos ajustar uma fun¸ao e c˜ fa (x) = ag(x).3 Um parˆmetro a y Para introduzirmos o assunto gradualmente. UM PARAMETRO 61 5. A fun¸ao Q(a) deve ser assim entendida: para cada a calculamos o erro Q(a) cometido entre c˜ a fun¸ao fa (x) = ag(x) e os dados yi . Suponha que temos N dados (x1 . achar o m´ a ınimo da fun¸ao Q(a) se resume a achar o m´ c˜ ınimo de uma par´bola. por ser uma soma de quadrados. e a c˜ Para cada a. yN ) como na figura ao lado e que queiramos ajustar uma fun¸ao linear c˜ f (x) = ax a esses pontos. Isto ´.3. Nossa tarefa ser´ procurar o valor a0 tal que Q(a0 ) c˜ a seja m´ ınimo. uma par´bola. ent˜o Q(a) tamb´m ´ um o a e o a a e e polinˆmio quadr´tico na vari´vel a. (x2 . y2 ). A concavidade ´ “para cima”. faremos uma discuss˜o um pouco mais a geral. . Como e e o a a a soma de polinˆmios quadr´ticos ´ um polinˆmio quadr´tico. Na figura. cada termo da soma que define Q(a) ´ um polinˆmio quadr´tico na vari´vel a.

a c˜ a Temos N ∂ d Q(a) = (ag(xi ) − yi )2 . a c˜ Ent˜o calcularemos a derivada de Q(a). que se prestar´ mais a generaliza¸oes quando tivermos mais parˆmetros. “a derivada de algo ao quadrado ´ duas vezes esse algo vezes a derivada do algo”. e temos que d Q(a) = da N i=1 2g(xi )(ag(xi ) − yi ) . por exemplo). e portanto a0 ´ dado por c˜ e e a0 = N i=1 xi yi N 2 i=1 xi . da ∂a i=1 se lembrarmos que “a derivada da soma ´ a soma das derivadas”. pela Regra da e e Cadeia. e depois ajuste uma fun¸ao ax.1 Invente um conjunto de dados que estejam pr´ximos de uma reta passando o pela origem (N = 6. a= N i=1 g(xi )yi N 2 i=1 g(xi ) .62 ˆ CAP´ ITULO 5. N N a· donde sai facilmente o valor de a: g(xi )2 = i=1 i=1 g(xi )yi . Rearranjando. mas n˜o pela express˜o acima.4 Dois parˆmetros a Suponha que queiramos ajustar uma reta aos dados experimentais. Num papel milimetrado. Ent˜o queremos resolver a N i=1 ag(xi )2 − g(xi )yi = 0 . sabemos que podemos procurar o ponto de m´ a ınimo da d par´bola pelo ponto que anula a derivada. e sim pela express˜o a a a a original. Esse ´ o a0 que est´vamos procurando! e a No caso de uma reta. lembrando que a derivada ´ em rela¸ao ao parˆmetro a!!!! e c˜ a O fator 2 pode ser posto em evidˆncia no somat´rio. c˜ coloque os dados e depois esboce a reta obtida. Para isso. precisamos ajustar uma fun¸ao na forma f (x) = c˜ . mas n˜o necessariamente a uma reta que passe pelo zero. de forma que quando igualarmos a e o derivada de Q(a) a zero ele desaparece. 5. procuramos a solu¸ao de da Q(a) = 0. Exerc´ ıcio 5. FUNCOES LINEARES NOS PARAMETROS ¸˜ Conhecendo o c´lculo diferencial. ou seja. a fun¸ao g(x) ´ igual a x. Al´m disso.

Observe que n˜o necessaria c˜ c˜ a amente (a princ´ ıpio. se as derivadas e parciais se anularem ent˜o n˜o obrigatoriamente se trata de um ponto de m´ a a ınimo. a2 ): N Q(a1 . por´m. sem um exame mais aprofundado) vale o inverso. a2 ).ˆ 5. e c˜ a e a denotaremos por Q(a1 . a fun¸ao erro depende de dois parˆmetros. queremos minimizar a fun¸ao erro c˜ c˜ N Q(fa1 . ∂a1 ∂a2 Se acharmos um ponto que satisfa¸a essas duas exigˆncias teremos um candidato a ponto de c e m´ ınimo de Q(a1 . a2 ) = 0 e (a1 . Portanto o par de parˆmetros procurado deve satisfazer duas exigˆncias simultˆneas: a e a ∂Q ∂Q (a1 . a2 ) = 0 . DOIS PARAMETROS 63 a + bx. Raciocinando como na Se¸ao anterior. no Cap´ ıtulo 6. No presente caso. Temos N i=1 N i=1 ∂ (a1 g1 (xi ) + a2 g2 (xi ) − yi )2 = 0 ∂a1 ∂ (a1 g1 (xi ) + a2 g2 (xi ) − yi )2 = 0 ∂a2 Usando a Regra da Cadeia.a2 (xi ) − yi )2 . Precisamos de 3 dimens˜es para tra¸ar um gr´fico da fun¸ao Q. que de forma geral pode ser escrita como c˜ a fa1 . e ap´s elabora¸ao as deixaremos em c˜ o c˜ uma forma conveniente. uma fun¸ao afim. discutiremos melhor at´ que ponto podemos confiar que a solu¸ao e c˜ desse problema seja realmente o m´ ınimo procurado. Esse problema se insere no caso geral de ajuste de uma e c˜ fun¸ao com dois parˆmetros. isto ´. por causa da forma de f . fazemos as derivadas parciais. As duas equa¸oes podem ser escritas explicitamente.a2 (x) = a1 g1 (x) + a2 g2 (x) . isto ´. a1 e a2 . a2 ) = i=1 (a1 g1 (xi ) + a2 g2 (xi ) − yi )2 . Agora. elas s˜o duas: em rela¸ao a a1 e em rela¸ao a a2 . obtendo N i=1 N i=1 2g1 (xi )(a1 g1 (xi ) + a2 g2 (xi ) − yi ) = 2g2 (xi )(a1 g1 (xi ) + a2 g2 (xi ) − yi ) = 0 0 .4. o c a c˜ No ponto de m´ ınimo de Q necessariamente todas as derivadas parciais se anulam.a2 ) = i=1 (fa1 . Adiante.

i=1 Com essa nomenclatura. . . y . ak : c˜ a a N Q(a1 . . Aqui vale a pena introduzir uma nota¸ao simplificadora. c˜ 5. . g 1 a1 g 2 . + ak gk (xi ) − yi )2 .64 ˆ CAP´ ITULO 5. . . . a2 .. g 2 a2 = = g1 . FUNCOES LINEARES NOS PARAMETROS ¸˜ Os somat´rios podem ainda ser decompostos: o N N N 2a1 i=1 N g1 (xi )2 + 2a2 i=1 N g1 (xi )g2 (xi ) − 2 g2 (xi )g2 (xi ) − 2 g1 (xi )yi i=1 N = 0 2a1 i=1 g2 (xi )g1 (xi ) + 2a2 i=1 g2 (xi )yi i=1 = 0 Rearranjando de forma adequada fica evidente que reca´ ımos num sistema linear de duas equa¸oes nas inc´gnitas a1 e a2 : c˜ o N i=1 g1 (xi )g1 (xi ) N i=1 g2 (xi )g1 (xi ) · a1 · a1 + + N i=1 N i=1 g1 (xi )g2 (xi ) · a2 g2 (xi )g2 (xi ) · a2 = = N i=1 N i=1 g1 (xi )yi g2 (xi )yi Todos os coeficientes do sistema linear s˜o tirados dos dados do problema. + ak gk (x) . depende agora dos k parˆmetros a1 . . . reescrevemos o sistema linear: g 1 . dada por c˜ a f (x) = a1 g1 (x) + a2 g2 (x) + . que o torna muito mais simples de memorizar! Exerc´ ıcio 5. onde k ´ o n´ mero de parˆmetros.5 Ajuste de qualquer fun¸˜o linear nos parˆmetros ca a As id´ias das Se¸oes anteriores podem ser usadas em qualquer situa¸ao que se queira ajustar e c˜ c˜ uma fun¸ao que dependa linearmente dos parˆmetros. g 2 a2 g 2 . . que tornar´ muito mais f´cil a c˜ a a aplica¸ao do acima exposto em problemas pr´ticos. . e u a A fun¸ao Q. g 1 a1 + + g 1 . n˜o necessariamente a passando pela origem. usando o exposto nesta Se¸ao. .2 Construa um conjunto de dados e ajuste uma reta. y g2 . ak ) = i=1 (a1 g1 (xi ) + a2 g2 (xi ) + . Denotaremos por gl . gm a soma c˜ a N gl (xi )gm (xi ) i=1 e por gl . que d´ o erro do ajuste. sendo que somente a os termos independentes usam os yi ’s. y a soma N gl (xi )yi .

d]. + . O CASO CONT´ INUO Se o m´ ınimo de Q ocorre em (a1 . . . Para cada l = 1. . dentro do intervalo [c. anular todas as k derivadas parciais de Q. .. + ak gk (x) − y(x)) dx .6 O caso cont´ ınuo No caso cont´ ınuo. + . ak ) ent˜o a ∂Q (a1 . . Assim a nota¸ao c˜ c˜ faz sentido! 5. g k ak g 2 ... . c˜ Mais uma vez. . . xN ).. . usando a nota¸ao c˜ c˜ introduzida ao final da Se¸ao anterior: c˜ g 1 . . .. . o que nos d´ um crit´rio de busca para esse m´ a e ınimo. . y . g 1 a1 . .5. . Isso nos d´ k equa¸oes. g 2 a2 g 2 . 2 Como a vari´vel de integra¸ao x ´ diferente da vari´vel de diferencia¸ao al . + ak gk (x) − y(x)) dx . o ponto de m´ ınimo de Q deve. g 2 a2 . . . . da ordenada y = (y1 . ak ) = ∂al ∂al d c (a1 g1 (x) + a2 g2 (x) + . . . . . g k . A soma ao longo do ´ ındice i foi substitu´ pela integral ıda na vari´vel x. . a2 . g 1 a1 + + + g 1 . g k ak .. . podemos intera c˜ e a c˜ cambiar a ordem das opera¸oes. . . Abaixo. . . que se aproxime dela o melhor poss´ ıvel. ak ) = 0 . Ao mesmo tempo. g 1 a1 g 2 . g k . . . Suponha que temos uma fun¸ao y(x) a c˜ definida no intervalo [c. os yi deram lugar aos valores da a fun¸ao y(x). . a2 . . simultaneamente. . gl (xN )). . . . . ak ) = c (a1 g1 (x) + a2 g2 (x) + . e gostar´ ıamos de procurar uma fun¸ao da forma c˜ f (x) = a1 g1 (x) + a2 g2 (x) + . + ak gk (x) − y(x)) dx . lineares nos parˆmetros a c˜ a (sugere-se ao leitor fazer as passagens). g k . a2 . yN ). y g2 . . + ak gk (x) .. . ∂al 65 para todo l entre 1 e k. y Logo adiante veremos a raz˜o de se utilizar essa nota¸ao para os somat´rios. d]. . idˆntica ` a c˜ o e a utilizada para o produto escalar de dois vetores. Aqui entendemos como vetores os conjuntos de dados da abscissa x = (x1 . k obtemos a equa¸ao c˜ c˜ 0= ∂ ∂Q (a1 . g 2 a2 + + + . . 2 ´´ E util comparar com o caso discreto. e os valores das fun¸oes gl avaliados em cada um desses pontos: gl = (gl (x1 ). obtendo c˜ d 0= c 2gl (x) (a1 g1 (x) + a2 g2 (x) + . ao inv´s de uma soma: a e e d Q(a1 . . . mostramos as k equa¸oes. + g 1 . . . . tudo se passa de maneira an´loga. O erro do ajuste tamb´m ´ uma fun¸ao dos k e e c˜ parˆmetros. mas desta vez ´ calculado por meio de uma integral. necessariamente. .. g k ak = = = = g1 .6. a2 . se resolvermos as k equa¸oes resultantes. . . . gk .

5 42. e 5. + g l . g 1 a1 + g l . O el´stico a o a ´ forte. . Queremos calibrar o el´stico para que a medida do peso e u a a possa ser inferida pela distens˜o que ele provoca no el´stico.7 Exemplos Para que n˜o fique tudo muito abstrato. e na outra atrelamos um a balde. que pode ser facilmente medida a a por uma r´gua.7.1 Dinamˆmetro o Suponha que precisemos usar um el´stico como dinamˆmetro.5 . e esticado). chegando a c˜ c˜ g l .5 13.0 1. e Para tanto.0 47. onde gl . penduramos o el´stico no teto. colocamos ´gua a o a c˜ a no balde. 5. . exceto pelo fato de que os “produtos escalares” s˜o calculados por uma integral.0 54. para pesar objetos. e a cada litro colocado (x) medimos a distens˜o y do el´stico.5 53.5 55. a a Os dados encontrados est˜o na tabela abaixo. um para o caso a c c˜ discreto e um para o caso cont´ ınuo.66 ˆ CAP´ ITULO 5. cujo peso n˜o ´ suficiente para distender o el´stico (melhor ainda. a i 0 1 2 3 4 5 6 7 8 9 10 11 xi (kg) 0 1 2 3 4 5 6 7 8 9 10 11 yi (cm) 0. serve para colocar a e a o el´stico muito pr´ximo ` posi¸ao de repouso. y = c gl (x)y(x)dx . g 2 a2 + .0 50. por uma ponta. Com uma jarra. gm = c d gl (x)gm (x)dx d e gl . e ag¨ enta v´rios quilos. Juntando-se as k equa¸oes resulta um sistema linear idˆntico `quele obtido no caso disc˜ e a creto.0 23. g k ak = g l . FUNCOES LINEARES NOS PARAMETROS ¸˜ e. ao a inv´s de uma soma. y .5 34. fa¸amos dois exemplos nesta Se¸ao. depois de uma simples manipula¸ao da equa¸ao.0 5.

Al´m disso. o gr´fico d´ a forte sensa¸ao de que f ′ (0) = 0. Para uniformizar a nota¸ao com a parte te´rica. Desta forma. procuraremos o menor qui-quadrado entre a e fam´ ılia f (x) = a1 x2 + a2 x3 + a3 x4 . c˜ o O problema desaparece se olharmos para y(x). temos e a c˜ o g1 (x) = x2 . a a 11 11 g1 . g3 = i=0 x2 x4 i i == i=0 x6 . e como f ′ (0) = c1 . pois retas e par´bolas n˜o o a a tˆm pontos de inflex˜o. EXEMPLOS 67 Os dados da tabela s˜o fict´ a ıcios. Como n´s j´ sabemos a o a que f (0) = 0. g2 = i=0 x3 x3 . nossa tarefa fica razoavelmente facilitada. Polinˆmios c´ bicos podem ter o formato e a o u desejado. linear em seus trˆs parˆmetros. ent˜o j´ podemos supor a a a que c0 = 0. como aparenta ser o caso. que d´ o peso em c˜ a fun¸ao da distens˜o. o a Isso recair´ num sistema linear de 5 equa¸oes e 5 inc´gnitas. Claramente o grau desse polinˆmio deve ser maior do que 2. porque c˜ a e v´rios dos produtos escalares ser˜o iguais. ver´ que a fun¸ao c˜ a a a c˜ peso em fun¸ao da distens˜o parece ser singular em 0 (tem uma derivada infinita). Agora temos que calcular os produtos escalares gl . embora o mais recomend´vel seja seguir a primeira a a solu¸ao. e a e e atinge seu m´ximo aproximadamente entre 3 e 5 quilos.7. Para ajustar um polinˆmio de quarto grau temos que resolver um problema a 5 parˆmetros. g2 (x) = x3 e g3 (x) = x4 . baseado em polinˆmios. i yi x4 i . mas talvez convenha ter um pouco mais de liberdade no ajuste usando polinˆmios o de quarto grau. Como essas fun¸oes s˜o potˆncias de x.5. i i O sistema linear fica   x4 i x5 i x6 i x5 i x6 i x7 i x6 i x7 i x8 i | | |  yi x2 i yi x3  . restringiremo-nos a um certo conjunto dos polinˆmios de quarto grau. mas qualitativamente se assemelham bastante a experiˆncias reais. temos primeiramente que escolher seu o grau. a Discutiremos o ajuste da fun¸ao y(x) (distens˜o em fun¸ao do peso). embora na aprec˜ a c˜ senta¸ao do problema est´ c˜ ıvessemos interessados na fun¸ao inversa x(y). Como queremos apenas exemplificar e as coisas. com l e m variando entre 1 e 3. que reduzir´ o a nosso problema a apenas 3 parˆmetros. gm . Se pensarmos em ajustar y(x) por um polinˆmio. e a a c˜ ter´ ıamos c1 tamb´m igual a zero. pois esta fun¸ao parece ter derivada zero em c˜ x = 0. pois a nenhum peso corresponde nenhuma distens˜o. Nota-se que a resposta do el´stico ´ menor para pesos pequenos e grandes. i ´ igual a e 11 g2 . e esse c˜ a tipo de fun¸ao se presta muito mal ao tipo de ajuste que faremos. Se o leitor fizer um gr´fico dos dados da tabela. c˜ Observe que se f (x) = c0 +c1 x+c2 x2 +c3 x3 +c4 x4 ent˜o f (0) = c0 . e nesse caso conv´m ter implea c˜ o e mentado um programa de computador para resolvˆ-lo. Por exemplo.

´ uma fun¸ao par. a a 5. g1 (x) = π 2 −π 2 1 · 1dx = π .0088925x4 ´ compat´ e ıvel com os dados (pelo menos visualmente). que agora s˜o integrais. a g1 (x). a3 teria que ser negativo. A solu¸ao apresentada foi obtida com 10 algarismos significativos. e pois a concavidade do gr´fico ´ para cima em x = 0. aproximadamente. a e o 2 2 Antes de resolver o problema.7.5040. a Outro teste de compatibilidade m´ ınimo ´ observar que a1 teria que ser realmente positivo. FUNCOES LINEARES NOS PARAMETROS ¸˜ Calculando os coeficientes e resolvendo. pois o intervalo de integra¸ao ´ sim´trico e os integrandos s˜o a c˜ e e a ´ fun¸oes ´ c˜ ımpares. a Se f (x) = a1 + a2 x + a3 x2 ´ o polinˆmio procurado. 80 e do lado dos termos independentes π 2 cos x = 2 . tomemos a fun¸ao y(x) = cos x no intervalo c˜ [− π . π ]. Por exemplo.4. Este teste sempre vale a pena em c a problemas de ajuste. Se o leitor tentar resolver o sistema por conta pr´pria ver´ que ele ´ extremao a e mente mal-condicionado. g2 e g2 . desta vez de grau 2. ent˜o imaginamos um polinˆmio quadr´tico com caracter´ a o a ısticas semelhantes. tem concavidade para baixo e se anula e c˜ em − π e + π . Para que o polinˆmio se anule em π ´ preciso e o 2 e que π 2 1 + a3 =0.0088925. por exemplo. Algumas integrais s˜o nulas.2 Cosseno aproximado por um polinˆmio o Para exemplificar um ajuste linear cont´ ınuo.5040x2 − 0. −π 2 .28427x3 + 0. Al´m disso. e que a2 teria que ser negativo. 2 logo a3 deve estar pr´ximo de −0. g3 . c˜ e arredondada somente ao final para 5 algarismos significativos. obtemos a1 = 2. Temos que calcular os produtos escalares. Recomenda-se verificar se a fun¸ao obtida c˜ f (x) = 2. quanto devem ser.28427 e a3 = 0. a2 = −0. E o caso de g1 . para a e poder criar o ponto de inflex˜o na regi˜o x > 0.68 ˆ CAP´ ITULO 5. 2 2 Ele teria que ter a1 = 1 (para valer 1 em x = 0) e a2 = 0 (por ser par´bola centrada na a origem). para saber se n˜o houve algum erro de conta. Precisamos calcular π 2 x2 dx = −π 2 π3 . Gostar´ ıamos de aproxim´-la tamb´m por um polinˆmio. 12 π 2 x4 dx = −π 2 π5 . o Veremos se nossos palpites se confirmam. junto com os dados experimentais. vale a pena investigar o que achamos que ser´ o resultado. e isso pode ser feito atrav´s de seu e esbo¸o no gr´fico. os e o valores dos coeficientes? Como o cosseno vale 1 em x = 0.

por´m. . 1] por um polinˆmio o f (x) = a0 + a1 x + . . gm = 0 xl+m dx = 1 . . que s˜o especialmente uteis a ´ para ajustes polinomiais e trigonom´tricos.00 3. dando 2 π 2 − 4. no caso do ajuste de uma fun¸ao y(x) definida no intervalo c˜ [0. o que reduz o sistema linear a duas c˜ equa¸oes e duas inc´gnitas.65 .4 Ajuste f (x) = a + b(x − 1)2 por m´nimos quadrados a fun¸ao y(x) = x3 − 3x.0 0.0 0. por exemplo. . e c˜ O sistema linear fica igual a   3 π 0 π | 2 12 3   0 | 0  0 π  .0 1. tem problemas quando implementado e ´ numericamente. discorreremos um pouco mais e e abstratamente sobre o m´todo dos m´ e ınimos quadrados.0 1. Antes.5. o O m´todo que apresentamos. −π 2 1 usando a t´cnica de Integra¸ao por Partes duas vezes.5.98016 e a3 = −0. . 0. como discutimos na Subse¸ao 2.3 Ajuste f (x) = a(arctan x)2 aos seguintes dados xi yi por m´nimos quadrados. l+m+1 Isto implica que a matriz dos coeficientes do sistema linear ´ uma matriz de Hilbert. 2].7. c˜ No Cap´ ıtulo 7 discutiremos outra forma de se fazer ajustes. . k.2. investigando.25 2. Por exemplo. embora o Cap´ ıtulo 7 possa ser compreendido sem o aux´ do Cap´ ılio ıtulo 6. EXEMPLOS a integral de x cos x ´ nula. com l = 0. que ´ e e um conhecido exemplo de matriz mal condicionada. quest˜es o como a unicidade. e resta calcular π 2 69 x2 cos x . Resolvendo o sistema. apesar de simples. ı ` c˜ no intervalo [0. ı Exerc´ ıcio 5.50 4.41777. + ak xk .0 1. temos gl (x) = xl−1 . e 1 gl . c˜ o e valores bem pr´ximos das estimativas iniciais. obt´m-se a1 = 0. E comum que os sistemas lineares a serem resolvidos sejam muito mal condicionados. Exerc´ ıcio 5.0 1. 12 5 3 π 1 2 π 0 80 | 2 π − 4 12 Da segunda equa¸ao conclui-se imediatamente que a2 = 0. por ser ´ e ımpar.

FUNCOES LINEARES NOS PARAMETROS ¸˜ .70 ˆ CAP´ ITULO 5.

dados os pontos (x1 . . gl (x2 ).1 Produto escalar e distˆncia a Vale a pena aqui uma pequena digress˜o. y2 ). . gm corresponde exatamente ao c˜ produto escalar dos vetores gl e gm . . . yN ). . cujas coordenadas e c˜ s˜o os valores da fun¸ao nos pontos x1 . xN : a c˜ gl = (gl (x1 ). y ´ o produto escalar dos vetores gl e y. como de praxe. os valores da e c ordenada nos pontos dados podem ser representados por um vetor de RN : y = (y1 . . (xN . Al´m disso. uN ). concentremo-nos no problema de ajuste discreto onde. fica evidente que a defini¸ao que demos de gl .Cap´ ıtulo 6 Levando a s´rio o produto e escalar 6. . . . . c˜ Para entendermos o problema de forma geom´trica. vN ) o n´ mero real u u. . . . O produto escalar ou produto interno em RN ´ a fun¸ao que associa a cada par de vetores e c˜ u = (u1 . y1 ). . . . e 71 . . . . queremos achar o conjunto de parˆmetros a (a1 . isto ´. uN ) e v = (v1 . + ak gk (x) . l = 1. . . . . cada uma das fun¸oes gl (x). . . e gl . (x2 . para um certo conjunto de fun¸oes previamente fixadas g1 (x). . . gk (x). . Primeiramente. gl (xN )) . v = u1 v1 + u2 v2 + . y2 . yN ) . . que nos levar´ a uma compreens˜o melhor do a a a problema do ajuste de fun¸oes lineares nos parˆmetros e nos permitir´. . . . . Sendo assim. ak ) que minimize o qui-quadrado de f (x) = a1 g1 (x) + a2 g2 (x) + . k gera um vetor de RN . . . . dispor de c˜ a a e outras maneiras de realizar o ajuste. . consideremos o espa¸o RN das N e c uplas u = (u1 . Assim. . o espa¸o de vetores N -dimensional. . . . . . . al´m disso. + uN vN .

. de distˆncia no espa¸o RN . ou todo o R3 (dimens˜o 3). f (xN )). uma reta que passa pela origem (dimens˜o 1). . o problema do ajuste se reduz agora a achar. u3 ) ´ dada a a e c˜ e por u = u2 + u2 + u2 . o a a ue a c ´ tamanho u de um vetor u = (u1 . gk . v) = u − v. . A no¸ao de norma d´ origem ` id´ia de distˆncia em RN . um plano que passa pela origem a (dimens˜o 2). y)2 . Olhando agora u e v como c˜ a a e a pontos. Por exemplo. Um subespa¸o vetorial ´ um e c c e conjunto com a seguinte propriedade: qualquer combina¸ao linear de vetores do conjunto ´ c˜ e tamb´m um vetor do conjunto. u . o conjunto formado apenas pelo a e ponto (0. c o e Pois bem. 0. E e a 1 2 3 f´cil ver com o Teorema de Pit´goras que em R a norma de um vetor u = (u1 .72 ´ CAP´ ITULO 6. Em RN tamb´m existem c a e e subespa¸os de todas as dimens˜es variando desde zero at´ N . f (x2 ). Se chamarmos de f o vetor (f (x1 ). o ponto que minimiza a distˆncia a um certo ponto c˜ a y. . . . v) e. Disso trataremos na pr´xima Se¸ao. gk ? e a c˜ Esse tipo de conjunto ´ chamado de subespa¸o vetorial (de RN ). gk (x) estamos. a distˆncia entre eles ´ a norma do vetor u − v (ou v − u. . . em conseq¨ˆncia. isto ´. ´ dado por e N Q(f ) = i=1 (f (xi ) − yi )2 . minimizar o qui-quadrado ´ um problema de minimizar a distˆncia ao vetor y no e a espa¸o RN . u2 ) ´ dado pelo Teorema de Pit´goras: u = u2 + u2 . . . c˜ Isso implica que vamos procurar f que minimiza a distˆncia ao vetor y apenas entre os vetores a que s˜o uma combina¸ao linear dos vetores g1 . Denotaremos a e essa distˆncia por d(u. . A generaliza¸ao em RN ´ natural. 0). dentro do subespa¸o formado c pelas combina¸oes lineares de g1 . A norma de u = (u1 . em R3 um subespa¸o vetorial s´ pode ser de e c o um dos seguintes tipos: a origem (dimens˜o zero). . . denotado por Q(f ). explicitamente. . u − v = i=1 (ui − vi )2 . Em R2 . O qui-quadrado de uma fun¸ao c˜ f (para esses dados). . 1 2 N express˜o que pode ser escrita em termos do produto escalar: a u = u. u2 . + u2 . . . ent˜o a Q(f ) = f − y. . tanto faz). . . uN ) 1 2 3 ´ dada por e u = u2 + u2 + . pois a a c e se u pertence ao subespa¸o ent˜o u − u = 0 tamb´m pertence. a c˜ Mas o que ´ o conjunto dos vetores que s˜o combina¸ao linear dos vetores g1 . o c˜ . c Quando limitamos f (x) a ser uma combina¸ao linear das fun¸oes g1 (x). LEVANDO A SERIO O PRODUTO ESCALAR O produto escalar fornece automaticamente uma no¸ao de tamanho de vetores (ou norma c˜ de vetores. . . . no jarg˜o matem´tico) e. Note que todo subespa¸o cont´m a origem. ela vale a N d(u. . limitando o vetor f a ser uma combina¸ao linear dos vetores g1 . c˜ c˜ automaticamente. Portanto. gl . . gk . f − y = d(f. . . . Podemos ainda relacionar o qui-quadrado com isso tudo. . .

e levar em conta que a base ´ ortonormal. Por outro lado. ou seja. wi wi . e o c a e o unico vetor que tem norma zero ´ o vetor nulo). Para mostrar que y − u. se y = u + v = u + v . Os que faltarem podem a ser encontrados em textos cl´ssicos. ´ a soma da proje¸ao de y sobre as e u e c˜ dire¸oes dadas pelos wi ’s). no c˜ c˜ caso discreto. e c O primeiro fato para o qual chamaremos a aten¸ao ´ o seguinte: qualquer y ∈ RN pode c˜ e ser escrito como soma de um vetor de G com um vetor de G⊥ . teremos e y = (y − u) + u . . sem demonstr´-los todos. Lembraremos alguns fatos o c˜ ´ de Geometria Anal´ ıtica e Algebra Linear. Mostrar que y − u ∈ G⊥ ´ mostrar que y − u ´ ortogonal a qualquer vetor de G. v ∈ G⊥ . Agora tome o vetor r u= i=1 y. ˜ ˜ . voltados especificamente para esse assunto. Deixaremos o caso cont´ ınuo para a pr´xima Se¸ao. . ˜ ˜ isto ´. vamos mostrar que c˜ e y − u ´ um vetor de G⊥ . Definimos o subespa¸o G⊥ dos vetores de RN ortogonais a c c todo vetor de G. ent˜o u ´ ortogonal a ele mesmo. v = 0.2. s´ que u. u = u 2. Fica para o leitor mostrar a que G⊥ ´ um subespa¸o. . Se y = u + v e y = u + v ent˜o ´ e ˜ ˜ a 0 = y − y = (u − u) + (v − v ) . u = 0. mostrando que y pode ser escrito como soma de um vetor de G⊥ (o vetor y − u) com um vetor de G (o vetor u). ent˜o u = u e v = v . u ∈ G e e´ ˜ ˜ ˜ v. tome uma base ortonormal {w1 . Com isso. Fica como exerc´ e ıcio!!! A segunda observa¸ao ´ que a decomposi¸ao de um vetor y em uma soma de dois vetores. O que caracteriza esse conjunto como base ortonormal c˜ ´ o fato de ser base (todo vetor de G pode ser escrito como combina¸ao linear dos vetores e c˜ desse conjunto) e wi . O vetor u ´ uma soma de m´ ltiplos dos wi ’s (de fato. c˜ e c˜ um de G e outro de G⊥ ´ unica. wj ser igual a zero se i = j e igual a 1 se i = j. lembrando que u e v s˜o ortogonais se u.2 Existˆncia e unicidade de solu¸˜es no ajuste linear e co Nesta Se¸ao discutiremos a possibilidade de solu¸ao para o problema do ajuste linear. u. EXISTENCIA E UNICIDADE DE SOLUCOES NO AJUSTE LINEAR ¸˜ 73 6. Para mostrar isso. Em outras palavras. com u. em a a termos dos vetores da base. wr } de G (a existˆncia dessa base ´ um dos fatos que ficam e e ´ de lado nessa exposi¸ao. Para mostrar isso. a Seja G um subespa¸o de RN . vamos apenas nos utilizar do fato de que ˜ a ˜ ˜ o unico vetor que pertence a ambos os subespa¸os ´ a origem (pois se u pertence a ambos os ´ c e subespa¸os. . e u−u=v−v . g = 0 basta substituir a express˜o de u e a express˜o de g. mas o leitor pode encontrar nos livros de Algebra Linear no t´pico c˜ o “Ortogonaliza¸ao de Gram-Schimdt”).ˆ 6. Um e e vetor qualquer g de G pode ser escrito como combina¸ao linear dos vetores da base: c˜ r g= i=1 αi wi . portanto ´ um vetor de G.

g2 (x) = x. gk . . N˜o h´ como ter k > N vetores linearmente independentes em RN . c˜ Por exemplo.7. g − u. u − y . . . que podemos particularizar (para n˜o c c˜ a dificultar as coisas). g3 (x) = x2 . Ser´ que da´ a ı podemos concluir que sempre existe um unico conjunto de parˆmetros (a1 . g − y = g − u + u − y. e a afirma¸ao segue. A distˆncia de g a y ´ a raiz quadrada de g − y. mas como g − u ∈ G e u − y ∈ G⊥ . u − y . no problema do ajuste. wi wi ´ a componente de y no subespa¸o G. A origem ou elemento nulo de E ´ a fun¸ao identicamente nula em [c. LEVANDO A SERIO O PRODUTO ESCALAR Do lado esquerdo da igualdade temos um vetor de G e do lado direito da igualdade temos um vetor de G⊥ . c˜ a a portanto certamente n˜o ser´ unica a solu¸ao para o problema de ajuste. Em E est˜o definidas a adi¸ao e a multiplica¸ao por n´meros reais: se h1 e h2 s˜o fun¸oes de E. Que espa¸o a c a c utilizamos? Ser´ que as id´ias das se¸oes anteriores tamb´m se aplicam? Veremos que sim. a e c˜ r e c e O vetor u = i=1 y. d]. Para que haja apenas uma maneira de se escrever u ´ preciso e que os vetores g1 . Ser´ que a solu¸ao do problema de ajuste ´ unica? A resposta ´ sim. tamb´m chamada de proje¸ao de y em G. a a´ c˜ Outro exemplo. . suponha que g1 (x) = 1. . Ent˜o consideramos o conjunto E de todas as fun¸oes cont´ a c˜ ınuas definidas nesse intervalo. . segue que g − u. define-se a fun¸ao h = αh1 como sendo aquela que leva x em e u c˜ h(x) = αh1 (x). . .74 ´ CAP´ ITULO 6. g − y . . u − y . a e c˜ e quase sem modifica¸oes! c˜ No lugar de RN consideramos um espa¸o de fun¸oes. pode haver diversas maneiras de se escrever esse elemento como combina¸ao a c˜ linear dos vetores g1 . Suponha que y(x) seja uma fun¸ao cont´ c˜ ınua definida no intervalo [c. mas o leitor a c˜ e´ e est´ convidado a justific´-la inspirando-se no que est´ escrito na Se¸ao A. . a c˜ c˜ u a c˜ ent˜o define-se a fun¸ao h = h1 + h2 como sendo aquela que leva x em h(x) = h1 (x) + h2 (x). o subespa¸o vetorial em quest˜o ´ o c a e conjunto de todas as combina¸oes lineares dos vetores g1 . Finalmente lembremos que. Logo eles tˆm que ser ambos nulos. que nenhum deles possa e ser escrito como combina¸ao linear dos outros. . g − y > u − y. . Al´m disso. . u − y = 0. g − u + u − y = g − u. g − u ´ e e positivo.. u − y + u − y. . a a a c˜ 6. + ak gk minimiza a distˆncia a y? a A resposta ´ n˜o. . ak ) tal que ´ a f = a1 g1 + . e eles s˜o iguais. d]. gk (x) = xk−1 . como conclu´ ´ a ımos acima. tome um outro vetor qualquer ` a a g ∈ G. isto ´. . . e N ≥ k. . . e c˜ e assim por diante. gk sejam linearmente independentes. . Para ver a raz˜o. logo g − y. Nesse subespa¸o. Para comparar as duas a e distˆncias. O conjunto E ´ um espa¸o vetorial porque essas opera¸oes sempre resultam e c c˜ em elementos de E. que mostraremos ser maior a e do que a distˆncia de u a y.3 O caso cont´ ınuo No caso cont´ ınuo n˜o temos um espa¸o de dimens˜o finita (RN ) para trabalhar. escrevemos a g − y. a c˜ e se α ´ um n´ mero real. g − u + 2 g − u. . A terceira observa¸ao que temos a fazer ´ que o vetor u ´ o (´nico) c˜ c˜ e e u elemento de G a menor distˆncia de y. existe um c˜ c unico elemento que minimiza a distˆncia ao ponto y. gk . . suponha que o n´ mero N de pontos dados seja menor do que o n´ mero k u u de fun¸oes do ajuste. que ´ a raiz quadrada de u − y. onde a desigualdade estrita confirma a unicidade. nem sempre!! Embora s´ haja um elemento u do subespa¸o que minie a o c mize a distˆncia.

w + β v. notamos que o c´lculo do qui-quadrado pressup˜e uniformidade dos dados (xi . yi ). OUTROS PRODUTOS ESCALARES: PESOS 75 O espa¸o vetorial E n˜o tem dimens˜o finita porque n˜o podemos escolher um n´mero c a a a u finito de elementos h1 . tal que qualquer elemento de E possa ser e escrito como combina¸ao linear desses elementos. u . . c˜ c˜ Observe o leitor que nas considera¸oes que fizemos nas Se¸oes anteriores. a saber: 1. . gk (aquelas com as quais queremos fazer o ajuste). w . como nota¸ao. Simetria: u.6. O subespa¸o G tem dimens˜o finita. 2. Se h e f s˜o e a fun¸oes de E. Positividade: se u = 0. ´ comum sabermos. ent˜o c˜ a d h. u > 0. f no espa¸o a e ıcil c˜ c E ´ a de um produto interno. c˜ e c a Podemos tamb´m definir um produto interno. sendo portanto uma solu¸ao do problema de ajuste. o conjunto de todas as suas combina¸oes lineares ´ um subespa¸o vetorial de dimens˜o finita de E (que chamaremos de G). ou produto escalar em E. . Linearidade: αu + βv. . e minimiza a distˆncia de y aos c˜ e c˜ a pontos de G. . No entanto. c˜ 6. dado o conjunto de fun¸oes c˜ c˜ g1 . .4. u. Essas propriedades podem ser usadas para definir o produto interno.4 Outros produtos escalares: pesos Pensando novamente no caso discreto (mas com conseq¨ˆncias igualmente v´lidas no caso ue a cont´ ınuo). A fun¸ao f ´ a proje¸ao de y em G. N˜o ´ dif´ mostrar que a defini¸ao acima de h. A atribui¸ao de um peso a cada dado se daria da seguinte a a c˜ forma: para cada i escolhemos um certo pi > 0. 3. isto ´. como fizemos com o determinante no Cap´ ıtulo A. s´ nos utilizamos c˜ c˜ o das propriedades do produto interno. onde f ∈ G e ξ ∈ G⊥ . que entra no cˆmputo do qui-quadrado da o seguinte maneira: N Q(f ) = i=1 pi (f (xi ) − yi )2 . a o isto ´. . No entanto. e da´ podemos c a ı mostrar que todo elemento y ∈ E pode ser decomposto de forma unica como uma soma de ´ duas fun¸oes: c˜ y =f +ξ . hn que gere E. v = v. que certos dados e s˜o mais confi´veis do que outros. logo tem uma base ortonormal. w = α u. que foi a defini¸ao que usamos previamente. . f = c h(x)f (x)dx . cada dado entra com igual peso na f´rmula e o N Q(f ) = i=1 (f (xi ) − yi )2 . e da´ seguem as conseq¨ˆncias que advˆm diretamente dessas e ı ue e propriedades. em geral em medidas experimentais. .

. onde os produtos escalares foram modificados para incluir os pesos. g k . o peso ´ dado pelo inverso da variˆncia e a pi = 1 2 . g 1 a1 . + g 1 . . . . . + .. gk . . g k . + + . g k ak . . yi ) em detrimento de outros que tenham menor peso. g 2 a2 . g k ak g 2 . LEVANDO A SERIO O PRODUTO ESCALAR Assim. .. . para a c˜ d u. Se o qui-quadrado adotado tem pesos. g 1 a1 + + + g 1 . y g2 . e o menor qui-quadrado entre a fam´ de fun¸oes a k parˆmetros e ılia c˜ a f (x) = a1 g1 (x) + . . No caso cont´ ınuo o peso ´ uma fun¸ao p(x) definida no intervalo [c. e no caso cont´ ınuo. ak ) que satisfaz o sistema linear a g 1 . . . quanto mais alto for wi maior ser´ a contribui¸ao do dado (xi . e o qui-quadrado ´ dado pela express˜o e a d Q(f ) = c p(x)(f (x) − y(x))2 dx . g k . se u(x) e v(x) s˜o fun¸oes do intervalo [c. g k ak = = = = g1 . Quando todos os dados tˆm estimativas de erro iguais. uN ) e v = (v1 . g 2 a2 g 2 . a c˜ Por conseguinte. . d] da fun¸ao dada e c˜ c˜ y(x).. y . . g 2 a2 + . em geral. vN ) para N u.. Isso far´ com que a fun¸ao c a c˜ f (x) ajustada “aproxime” melhor esses pontos (xi .. + . Toda a argumenta¸ao feita anteriormente se c˜ segue de forma idˆntica. . . . .76 ´ CAP´ ITULO 6. v = i=1 pi ui vi . ao procurarmos minimizar o qui-quadrado teremos que obter menores diferen¸as f (xi ) − yi para os valores de i tais que pi seja mais alto. σi uma estimativa do erro que deve ser obtida de forma independente. d]. . . Esses produtos escalares satisfazem as propriedades que se esperam dos produtos escalares: simetria.. yi ) para o qui-quadrado. .. y . Em medidas experimentais. ent˜o o m´todo de m´ e a e ınimos quadrados se reduz `quele que a hav´ ıamos visto anteriormente. g 1 a1 g 2 . v = c p(x)u(x)v(x)dx . temos que reformular a defini¸ao do produto escalar c˜ entre dois vetores u = (u1 . .. linearidade e positividade. . + ak gk (x) ser´ para a k-upla (a1 .

. gk s˜o todas ortogonais entre si e c˜ a ou. . g 1 a1 g 2 . . g 1 a1 + + + g 1 . ılia c˜ e Neste caso. . . . . . . . . y Podemos observar que a resolu¸ao do sistema linear c˜ seria enormemente facilitada se as fun¸oes g1 . . g k . O leitor que acompanhou atentamente o Cap´ ıtulo 6 perceber´ que esta nada mais ´ que a e a f´rmula da proje¸ao de y no subespa¸o G das combina¸oes lineares de g1 ... Isto ´ o mesmo que dizer que as fun¸oes g1 . y g2 . gl . gl . . . g 1 a1 .. g k .. gk } ´ ortogonal. y . se l = m.. . k. g k ak . . gl = 1 para todo ılia e l = 1. gm = 0 .Cap´ ıtulo 7 Fam´ ılias ortogonais 7.. gl . de modo similar. g k ak g 2 . y al = . gl gl . ter´ ıamos gl . g 2 a2 g 2 . e gl . . .. isto ´. gl Melhor ainda seria se a fam´ {g1 . . .. g k . . . . . isto ´. gk } fosse ortonormal. . . . + g 1 . gl gl . o c˜ c c˜ 77 . gk . g k ak = = = = g1 . . gk satisfizessem a propriedade de que os c˜ produtos escalares mistos sejam nulos.1 Defini¸˜es e exemplos co g 1 . que a fam´ de fun¸oes {g1 . pois a f´rmula ficaria o k f= l=1 y. . . + . gk . + . . gl e portanto k f= l=1 y. . g 2 a2 + + + . . g 2 a2 .

ao inv´s. mas n˜o influenciam na ortogonalidade). fk . FAM´ ILIAS ORTOGONAIS Vejamos a partir de agora um exemplo de como podemos fazer um ajuste de m´ ınimos quadrados sem recorrer a um sistema linear. a c˜ a e f1 . Para ver isso. basta tomar um dos produtos internos: e 1 1 g1 . at´ se chegar ` k-´sima fun¸ao. mas podemos supor que b = 1. Imporemos primeiramente que o primeiro vetor da base seja a fun¸ao constante igual a 1: f1 (x) ≡ 1. c˜ o a Al´m disso. denominarec˜ o a mos os vetores dessa nova base de f1 . . c = 0 e d = 1). ou seja. mas as id´ias de apllicam no caso discreto. S´ para n˜o confundir.. 2 As duas equa¸oes reunidas formam um sistema linear nas inc´gnitas a e b. Se tomarmos as fun¸oes g1 (x) = 1. se multiplicarmos por uma constante (multiplica¸oes por constantes s´ mudam a norma. Observe que n˜o e a e c˜ a nos livramos totalmente dos sistemas lineares para acharmos a base ortogonal. . f3 = 0 . c˜ O processo continua do mesmo jeito. fixemos o intervalo [0. 2 A terceira fun¸ao ser´ um polinˆmio de grau 2. isto ´. elas n˜o s˜o ortogonais entre si (e tampouco a a tˆm norma igual a 1). e da segunda sai 0 1 1 (− + x)(a + bx + x2 )dx = 0 . Existem tabelas a e a o de polinˆmios ortogonais prontas para serem usadas! Cada fam´ leva em conta a defini¸ao o ılia c˜ . g2 (x) = x. 1] como dom´ ınio para as fun¸oes de E c˜ (isto ´. Da primeira equa¸ao sai c˜ 0 1 (a + bx + x2 )dx = 0 . N˜o ´ dif´ mostrar que essas fun¸oes s˜o linearmente independentes. f2 . g2 = 0 g1 (x)g2 (x)dx = 0 xdx = 1 =0. . A segunda fun¸ao ser´ um polinˆmio de c˜ c˜ a o grau 1: f2 (x) = a + bx. . . aqui usados somente como a parˆmetros auxiliares). cujo coeficiente de ordem mais alta tamb´m c˜ a o e ser´ igual a 1: f3 (x) = a + bx + x2 (a e b diferentes dos anteriores.78 CAP´ ITULO 7. queremos que ele seja ortogonal ao primeiro. 1 f2 (x) = − + x . usando. mas nosso trabalho ficar´ enormemente facilitado se algu´m j´ tiver feito isso por n´s. . g3 (x) = x2 . logo f1 (x)f2 (x)dx = 0 (a + x)dx = 0 . o conceito de ortogonalidade. e O exemplo ´ de um ajuste cont´ e ınuo. 2 E ent˜o como construir uma base ortonormal (ou ortogonal) de G? Faremos isso inspiraa dos no processo de Ortogonaliza¸ao de Gram-Schimdt. . f3 = 0 . f2 = 0 1 Isso nos obriga a ter a = − 2 . e Como primeiro exemplo. e c˜ gk (x) = xk−1 . o subespa¸o G de suas combina¸oes lineares consiste de todos os polinˆmios c c˜ o de grau at´ k − 1. No entanto. Esta fun¸ao deve ser ortogonal `s duas previamente criadas. e resolvendo-o fica c˜ o determinada a fun¸ao f3 . e a e ıcil c˜ a formando portanto uma base de G. queremos que e 1 1 f1 .

1.2. f1 . com um argumento indutivo). etc. Observe que come¸amos a numerar nossos polinˆmios a partir de zero. depende somente do intervalo de integra¸ao c˜ (e do peso.7.0. Agora suponha que o processo continua. 0. ou seja. g = i=1 f (xi )g(xi ) . Essa rela¸ao de recorrˆncia funciona tanto e c˜ e c˜ e no caso discreto (com qualquer conjunto de pontos x1 . se for o caso). pois os coeficientes de mais alto grau s˜o e o a sempre iguais a 1). para k ≥ 2. fk } gera o subespa¸o formado por todos os polinˆmios de c o grau k (mostre isso como exerc´ ıcio. somente e c˜ a com os polinˆmios fk−1 e fk−2 : “para todo k ≥ 2. . Procede-se assim: fixa-se f0 (x) ≡ 1 e calcula-se o primeiro polinˆmio f1 (x) = x + a. com ou sem pesos. facilitando os argumentos. xN ) como no caso cont´ ınuo (com qualquer intervalo de integra¸ao). c˜ Exerc´ ıcio 7. . que permitir´ calcular fk (x). 0. 7. f1 = 0. Em cada etapa. O valor de a ir´ depender do produto interno. x4 ) = (0. f4 . x2 . e ´ a e escolhido de maneira que f0 . em nosso caso. .′′ onde ak e bk s˜o coeficientes apropriados. com qualquer dos produtos c˜ internos que descrevemos. o c˜ isto ´ e xf1 (x) − f2 (x) = a2 f1 (x) + b2 f0 (x) .1 Considere (x1 . x3 . . 2π] c˜ a (admitindo-se o produto escalar com peso uniforme). . 4.” Note que para k = 2 ela ´ verdadeira porque a e xf1 (x) − f2 (x) ´ um polinˆmio de grau 1 (o termo x2 cancela.2. por´m. Veremos logo adiante como usar tabelas de fun¸oes ortogonais. . a a o A boa not´ ıcia. c˜ Exerc´ ıcio 7. como descrito na Se¸ao anterior. ´ que h´ uma maneira mais f´cil de se calcular os polinˆmios e e a a o ortogonais. Logo esse polinˆmio pode ser escrito como combina¸ao linear de f0 e f1 .ˆ ˆ 7. . atrav´s de uma rela¸ao de recorrˆncia. f3 . etc. da o mesma forma que fizemos previamente. de graus 2. a O ponto central ´ a seguinte afirma¸ao. {f0 . exigindo-se c˜ o apenas que o coeficiente de mais alto grau seja sempre igual a 1. . . 3. em rela¸ao a esse produto escalar. obtendo-se polinˆmios f2 .3) e o produto escalar 4 f.2 Calculando polinˆmios ortogonais por recorrˆncia o e Na Se¸ao anterior vimos que podemos recorrer a polinˆmios ortogonais para facilitar a rec˜ o solu¸ao do problema de ajuste. Ache p(x) = x2 + ax + b que seja ortogonal a q(x) = x.a obten¸ao dos polinˆmios ortogonais recai na c˜ c˜ o resolu¸ao de v´rios sistemas lineares. CALCULANDO POLINOMIOS ORTOGONAIS POR RECORRENCIA 79 do produto escalar utilizado que. pois assim seu c o ´ ındice assim corresponder´ exatamente a seu grau.2 Mostre que as fun¸oes sen x e cos x s˜o ortogonais no intervalo [0. tarefa que pode ser t˜o ou mais trabalhosa do que se c˜ a a n˜o us´ssemos esses polinˆmios. No entanto. vale o xfk−1 (x) − fk (x) = ak fk−1 (x) + bk fk−2 (x) .

fj (x) = 0 . se j ≤ k − 3. fj = 0. fk−1 resulta ak = e de resulta xfk−1 . ent˜o xfj (x) pode ser escrito e a como combina¸ao linear de f0 .80 CAP´ ITULO 7. xfj (x) . fk−2 bk = xfk−1 . fk−2 . f1 . usamos o fato de que. fazemos o produto interno da equa¸ao a c˜ por fk−1 (a fim de obter ak ) e por fk−2 (a fim de obter bk ). FAM´ ILIAS ORTOGONAIS tem grau k − 1. .3 Obtenha os quatro primeiros polinˆmios ortogonais usando o m´todo acima o e descrito. a c˜ c˜ Optamos pelo contr´rio porque a afirma¸ao n˜o parece ser muito ´bvia. fj (x) = fk−1 (x). fk−2 + bk fk−2 . Para isso. Ent˜o a c˜ o a ˜ xfk−1 (x) − fk (x) = ak fk−1 (x) + bk fk−2 (x) + f (x) . fk−2 − fk . fj = 0 e fk−2 . a ent˜o fk . fk−1 . veremos ı c˜ que xfk−1 (x). pois se observarmos as defini¸oes dos produtos internos. . basta mostrarmos que Como f e o a ˜ f . restando apenas mostrar que a xfk−1 (x). ˜e A nossa afirma¸ao estar´ demonstrada se provarmos que f ´ identicamente nulo. fj = 0 Para k ≥ 3 o racioc´ ınio ´ parecido. . pois o termo xk se cancela. de xfk−1 . . g = −1 f (x)g(x)dx . f0 . fk−1 . . c˜ a ˜ ´ um polinˆmio de grau no m´ximo k − 3. . fk−1 . fk−2 . fk−1 Exerc´ ıcio 7. . Segue que ele pode ser escrito como combina¸ao c˜ ˜ linear dos vetores fk−1 .. Ou seja. O e a polinˆmio o xfk−1 (x) − fk (x) ˜ para todo j ≤ k − 3. fj = 0. mas h´ uma pequena dificuldade a resolver. sendo apenas necess´rio calcular ak e bk . fk−1 + bk fk−2 . fk−2 = ak fk−1 . fk−2 xfk−1 . c˜ Talvez fosse mais did´tico apresentar o uso da afirma¸ao antes de sua demonstra¸ao. f1 . para o produto interno 1 f. fk−2 . e o produto interno resulta nulo. Ela d´ uma f´rmula a c˜ a o a o para fk (x) em fun¸ao dos dois polinˆmios anteriores: c˜ o fk (x) = (x − ak )fk−1 (x) − bk fk−2 (x) . e j + 1 ´ menor do que k − 1. Como xfj (x) tem grau j + 1.. Isolando f na express˜o acima. fk−1 = ak fk−1 . A´ entra o “pulo do gato”. Chamaremos de f a parte dessa combina¸ao linear c˜ que corresponde ` combina¸ao de polinˆmios fj com j ≤ k − 3. fk−2 . fk−1 − fk .

3 Um exemplo de aplica¸˜o de polinˆmios ortogonais ca o Gostar´ ıamos de aproximar a fun¸ao y(x) = sen x (em radianos) no intervalo [−1. f2 (x) = x2 − 1 3 . c˜ Exerc´ ıcio 7. 1]. que ´ a cole¸ao de todas as fun¸oes do tipo e e c˜ c˜ k a0 + l=1 (al cos lx + bl sen lx) . Portanto. fl . Calcule os produtos y. f3 (x) = x3 − x . usando polinˆmios ortogonais.ˆ 7. por m´nimos quadrados. f2 . o Exerc´ ıcio 7. f1 = 8 8 2 . .4 Exemplo de an´lise harmˆnica a o Al´m dos polinˆmios ortogonais. definidas no intervalo [0. sen 2x. fl . fl Os denominadores s˜o as normas ao quadrado. 3 5 Estamos procurando o melhor conjunto de parˆmetros que ajuste a f = a0 f 0 + a1 f 1 + a2 f 2 + a3 f 3 . sen 3x. 7. cos 3x. al = 0 1 π 2π y(x) cos(lx)dx 0 .3. constatamos que qualquer o u ıcio c˜ polinˆmio c´ bico pode ser gerado por combina¸ao linear dos polinˆmios ortogonais o u c˜ o f0 (x) = 1 . Fazendo o exerc´ do final da Se¸ao anterior. se quisermos ajustar y por uma fun¸ao desse tipo. f ´ dada pela proje¸ao de y no espa¸o G das combina¸oes e c˜ c c˜ lineares desses polinˆmios. teremos c˜ a0 = 1 2π 2π y(x)dx . Desenhe um gr´fico do polinˆmio c˜ o u a o obtido e compare com a fun¸ao h(x) = sen x. 1. fl . f1 . f2 = .4 Termine o exemplo. etc. f1 (x) = x . Obtenha os coeficia c˜ a entes e explicite a fun¸ao f como um polinˆmio c´bico. f3 = . f3 . sen x.5 Ajuste. 3 45 175 Exerc´ ıcio 7. UM EXEMPLO DE APLICACAO DE POLINOMIOS ORTOGONAIS ¸˜ 81 7. cos 2x. Como eles s˜o ortogonais. s˜o ortogonais entre c˜ a si (prove!). 3 ´ dado por e al = y. ´ muito importante tamb´m a seguinte fam´ de fun¸oes e o e e ılia c˜ trigonom´tricas. l = 0. . Tente n˜o errar nas contas. Temos a f0 . 1] usando polinˆmios o a ` c˜ o ortogonais. f0 = 2 . cos x. onde ser´ preciso integrar a xl sen x (sugest˜o: integra¸ao por partes).. e como vimos anteriormente. Todas as fun¸oes 1. 2π]. isto ´. um polinˆmio de primeiro grau a fun¸ao ı o ` c˜ h(x) = senx no intervalo [0. cada o a e a e um dos coeficientes al . 1] por um c˜ polinˆmio c´ bico.6 Ajuste um polinˆmio quadr´tico a fun¸ao ex em [−1. 2. . f ´ facilmente calcul´vel.

e as fun¸oes sen(2πlx) s˜o ´ c˜ 1 produto das duas ´ ´ e ımpar em rela¸ao a x = 2 . Isso porque a fun¸ao x(1 − x) ´ par em a c˜ e 1 c˜ a ımpares em rela¸ao ao mesmo ponto. 1]. c˜ e Esse tipo de ajuste ´ chamado de an´lise harmˆnica.. donde o c˜ rela¸ao a x = 2 . 1 a c˜ para todo l = 1. . basta usar as fun¸oes c˜ 1 . cos(2πl ) . excetuando-se a 2 a primeira fun¸ao. e a o O problema ´ que em geral a fun¸ao a ser ajustada n˜o se encontra definida no intervalo e c˜ a [0. e mesmo assim gostar´ ıamos de aproxim´-la por fun¸oes trigonom´tricas. S´ nos resta obter o al = 1 0 x(1 − x) cos(2πlx)dx 1 2 . e os fatores π nos demais termos correspondem ` norma ao quadrado de cada uma das fun¸oes restantes (prove tamb´m isto!). Como o intervalo [0. c˜ Agora temos que calcular os produtos internos dessas fun¸oes com a fun¸ao y(x) = x(1 − c˜ c˜ a x) = x − x2 . que s˜o c˜ a ortogonais entre si. . 2. . l = 1. Mas a´ se o a c˜ e ı. 3. l = 1. sen2 (2πlx)dx = 2πl 0 2πl 0 0 e analogamente 1 0 2π 2π cos2 (2πlx)dx = 2πl2 0 2π cos2 u . . 1] ´ sim´trico em torno c˜ e e 1 a de x = 2 .82 e bl = 1 π 0 CAP´ ITULO 7. . intervalo for escrito como [c. FAM´ ILIAS ORTOGONAIS 2π y(x) sen(lx)dx . usando que cos 2u = 1 − a 2 sen2 u = 2 cos2 u − 1). cos(2πlx). . Temos a mais f´cil. As integrais 0 sen2 udu e 0 cos2 udu s˜o iguais a π (prove. Ent˜o c˜ e o 6 a0 = 1 0 1 · x(1 − x)dx 1 0 1 · 1dx = 1 . Teremos que usar as fun¸oes 1. k. 0 1 · 1dx = 1. 2. que vale 1 . 1 Primeiro calculamos as normas ao quadrado. ent˜o 1 0 x(1 − x) sen(2πlx)dx = 0 . d−c d−c Para exemplificar. O fator 2π em a0 corresponde ` norma ao quadrado da fun¸ao 1 a 1. Com a primeira fun¸ao ´ a pr´pria integral de x(1 − x). sen(2πlx). que tem norma 1. para todo l ≥ 1. faremos a an´lise harmˆnica de y(x) = x(1 − x) (uma par´bola) no a o a intervalo [0. . Al´m a e disso 2πl 2π 1 l 1 sen2 udu = sen2 udu . . portanto todas as normas ao quadrado s˜o iguais a 1 . . d]. sen(2πl x−c x−c ) . 2π]. 6 Depois observamos que os bl ’s s˜o todos nulos. . . 2.

E a integral de cos u em qualquer per´ e ıodo completo tamb´m ´ nula. e e Quanto ` segunda integral.4. Se formos at´ l = k. l2 lim l=1 1 π2 = .´ ˆ 7. Portanto a e 1 1 lim − 2 k→∞ 6 π Escrito de outra forma. teremos e f (x) = 1 1 − 6 π2 k l=1 1 cos(2πlx) l2 (o leitor est´ convidado a fazer um gr´fico de x(1 − x) e um gr´fico de f (x) para l = 2 e a a a comparar visualmente o resultado). EXEMPLO DE ANALISE HARMONICA Com u = 2πlx obtemos al = 2 (2πl)2 2πl 0 83 u cos udu − 2 (2πl)3 2πl 0 u2 cos udu . O computador ser´ necess´rio porque a convergˆncia para o limite ´ bastante lenta. 2 l 6 O limite da soma ´ denotado como se a soma fosse infinita e ∞ l=1 1 1 ≡ lim . e a c˜ . Em c˜ a c˜ particular. chegamos em al = − 1 π2 l2 . A primeira integral ´ nula. e portanto sua integral ´ nula. Assim podemos fazer o ajuste de x(1 − x) usando quantas fun¸oes trigonom´tricas quic˜ e sermos. Usando a primitiva. podemos obter uma f´rmula para π: o π= 6 ∞ l=1 1 .7 Fa¸a um pequeno programa de computador para ver se a f´rmula acima est´ c o a correta. mas se tomarmos k indo para infinito a a fun¸ao de ajuste f (x) estar´ cada vez mais perto da fun¸ao ajustada y(x) = x(1 − x). porque u cos u pode ser escrito como (u − πl) cos u + πl cos u. integramos por partes duas vezes e achamos a primitiva a u2 sen u + 2u cos u − 2 sen u de u2 cos u. l2 Exerc´ ıcio 7. que ´ igual a zero. k→∞ l2 l2 i=1 k Assim. Est´ fora do escopo deste livro demonstrar isto. a a e e e um valor de k muito grande ´ necess´rio para se conseguir uma boa aproxima¸ao de π. que ´ o ponto intermedi´rio c˜ e a do intervalo. k k→∞ k l=1 1 =0. O e primeiro termo da soma ´ uma fun¸ao ´ e c˜ ımpar em rela¸ao a x = πl. f (0) estar´ cada vez mais perto de y(0).

. f1 . para l = k. Para isso. dada por ılia ˆ ˆ d−c ˆ ˆ d−c ˆ fl (x) = fl (L(x)) ´ ortogonal com respeito ao produto interno usual do intervalo [ˆ. Ser´ que ainda assim a a podemos aproveitar a informa¸ao dispon´ c˜ ıvel? A resposta ´ sim. c Observe que consideramos apenas o caso cont´ ınuo. d]. ˆ ˆ ˆ d−c Sua inversa tamb´m pode ser calculada de forma expl´ e ıcita: L−1 (x) = c + ˆ ˆ ˆ d−c (x − c) . sobrejetivamente. ılia c˜ c ˆ Em primeiro lugar. Outras situa¸oes c˜ podem ser consideradas. fazendo a mudan¸a de vari´veis u = L(x) (com du = L′ (x)dx = λdx). e a maneira ´ simples: recorremos a uma mudan¸a de vari´veis afim. usando uma u ılia o tabela). FAM´ ILIAS ORTOGONAIS 7. d]. tomando-se os devidos cuidados. Isso pode ser feito explicitamente: L(x) = c + d−c (x − c) . obtemos c a ˆ L(d) L(ˆ) c 1 1 fl (u)fk (u) du = λ λ d fl (u)fk (u)du = 0 . . . c˜ d fl (x)fk (x)dx = 0 . d] no intervalo c˜ c ˆ [c.5 Uso de fun¸˜es tabeladas por mudan¸a de vari´vel co c a Freq¨ entemente conhecemos uma fam´ de polinˆmios ortogonais (por exemplo. ou mesmo a fam´ de fun¸oes trigonom´tricas acima mencionada. . d].84 CAP´ ITULO 7. s´ precisamos e c ˆ o mostrar que ˆ d c ˆ ˆ ˆ fl (x)fk (x)dx = 0 . c Entretanto c ˆ ˆ d ˆ ˆ fl (x)fk (x)dx = c ˆ ˆ d fl (L(x))fk (L(x))dx e. f1 . usando a informa¸ao de que. d−c Para facilitar a nota¸ao. nesse caso. constru´ ımos uma fun¸ao afim L que leve o intervalo [ˆ. chamaremos de λ o coeficiente linear de L: c˜ λ= Afirmamos que a fam´ f0 . . . . d]. e e c a Assumiremos que temos uma fam´ de fun¸oes ortogonais f0 . mas a fun¸ao h(x) ılia c˜ e c˜ da qual queremos fazer o ajuste est´ definida em um intervalo diferente. mas n˜o discutiremos receitas a gerais aqui. com peso uniforme. e gostar´ ıamos de ter uma fam´ de fun¸oes ortogonais no intervalo [ˆ. tabelada no intervalo ılia c˜ [c.

1]. para ilustrar. 1]. .3 obtivemos os polinˆmios ortogonais c˜ o f0 (x) = 1. . mas no exemplo fizemos a an´lise harmˆnica adaptada para o intervalo [0. f3 (x) = x3 − 3 x. 1]. por´m gostar´ e ıamos de fazer um ajuste polinomial no intervalo [1. olhando para o que fizemos. . pois originalmente hav´ ıamos apresentado fun¸oes trigonom´tricas ortogonais entre si no c˜ e intervalo [0. respectivamente de mesmo o a c˜ e a o grau. 2π]. . relativamente ao produto interno 3 5 usual no intervalo [−1. a o Al´m do mais. 2]. f2 (x) = x2 − 1 . Ent˜o procedemos como descrito acima.5. . f1 . Vejamos um exemplo. dada por L(x) = −1 + 2(x − 1) = 2x − 3 ˆ (procure sua pr´pria maneira de ach´-la!).´ 7. tamb´m ser˜o polinˆmios. f1 . serem poe c˜ ˆ ˆ linˆmios ent˜o as fun¸oes f0 . 2] no intervalo [−1. f1 (x) = x. Achamos primeiro a fun¸ao afim L que leve o a c˜ intervalo [1. no caso de as fun¸oes f0 . o a o a Portanto ˆ f1 (x) ˆ (x) f2 ˆ f3 (x) ˆ f4 (x) = = = = f1 (L(x)) = 1 f2 (L(x)) = L(x) = −3 + 2x 1 f3 (L(x)) = L(x)2 − 3 = 4x2 − 12x + 26 3 3 3 f4 (L(x)) = L(x) − 5 L(x) = 8x3 − 36x2 + 54x − 6 x − 5 126 5 . Na Se¸ao 7. USO DE FUNCOES TABELADAS POR MUDANCA DE VARIAVEL ¸˜ ¸ 85 Perceba tamb´m que no exemplo de an´lise harmˆnica da Se¸ao passada n´s fizemos e a o c˜ o isso. Os polinˆmios procurados s˜o dados por fl = fl ◦L. .

FAM´ ILIAS ORTOGONAIS .86 CAP´ ITULO 7.

Parte III Equa¸˜es e Zeros de Fun¸˜es co co 87 .

.

temos uma e a c˜ fun¸ao g(x) conhecida. Resolver a equa¸ao g(x) = y ´ o c˜ c˜ e mesmo que achar um zero da fun¸ao f (x) = g(x) − y. os valores e de x para os quais f (x) = 0”. Ora. achar suas ra´ c˜ ızes. Uma equa¸ao nada mais ´ do que uma express˜o c˜ c˜ e a f1 (x) = f2 (x) . e resolver a equa¸ao g(x) = y e determinar x = g −1 (y). Lembrando que g −1 (y) ´ definido como sendo o valor x tal que g(x) = y temos que. ızes c˜ Al´m disso. como ilustra a figura abaixo (os pontos pretos indicam as ra´ ızes da fun¸ao representada no desenho). c˜ f Pode a princ´ ıpio parecer um problema espec´ ıfico. o c˜ 89 . para um dado y. onde procuramos o(s) valor(es) de x que a satisfa¸a(m). Por exemplo.Cap´ ıtulo 8 Zeros de fun¸˜es e o M´todo da co e Dicotomia 8. o problema se relaciona com a invers˜o de fun¸oes. mas ele aparece toda vez que tivermos uma equa¸ao a ser resolvida.1 Introdu¸˜o ca Considere o seguinte problema: “dada uma fun¸ao real f . mas gostar´ c˜ ıamos de determinar g −1 em certos pontos. mas isso ´ o mesmo que achar c e as ra´ da fun¸ao f (x) = f1 (x) − f2 (x). isto ´. c˜ Nas pr´ximas Se¸oes veremos alguns exemplos que ilustram o problema.

e cai sob a for¸a da gravidade. No caso do p´rac a e a quedista. No caso da ıvel bolinha. e o p´ra-quedas tender´ a amortecˆ-la at´ atingir uma velocidade e a a e e compat´ com a possibilidade do corpo humano suportar o choque com o solo. estamos procurando a raiz de f (x) = x3 −10. uma bolinha que parte do repouso ` altura h0 dentro de um tubo cheio a d’´gua. ela ´ bastante alta. u Graficamente.3 P´ra-quedista ou bolinha em queda dentro d’´gua a a Imagine um p´ra-quedista que abre seu p´ra-quedas no instante t = 0. a velocidade inicial ´ zero e cresce com o tempo. Ou. e Empiricamente. ou 3 10. y=x3 10 y=10 x 8. constata-se que o meio oferece resistˆncia ao movimento com uma for¸a e c tanto maior quanto maior for a velocidade. a a alternativamente. da altura h0 . Levando em conta que a queda n˜o ´ completamente a c a e livre. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ 8.2 Raiz c´ bica de 10 u Suponha que queiramos achar um n´ mero x positivo tal que x3 = 10. o meio oferece resistˆncia ao movimento. quanto tempo levar´ a queda do p´rae e a a quedista ou da bolinha? h0 h0 A diferen¸a b´sica entre os dois problemas ´ a velocidade inicial. Observe tamb´m que o problema ´ equivalente e e a resolver a equa¸ao c˜ x3 − 10 = 0 .90 ´ CAP´ ITULO 8. encontramos x pela intersec¸ao de ¯ c˜ {y = x3 } com {y = 10}. isto ´. como mostra a figura ao lado. . ou seja. Esse n´ mero ´ o que u√ ¯ ¯ u e denominamos a raiz c´ bica de 10.

PARA-QUEDISTA OU BOLINHA EM QUEDA DENTRO D’AGUA 91 Num gr´fico. e a resultante das for¸as c ´ zero. Como interpretar essa f´rmula? Ora.´ ´ 8. com a coordenada h. onde g ´ a constante de gravidade ` superf´ terrestre (vide Se¸ao 17. a f´rmula apenas diz que o g a ∆v no instante t ´ igual a ∆v no instante t = 0 multiplicado por e− v∗ t . dependendo a da rela¸ao entre v0 e v ∗ . Isso implica que o corpo n˜o ser´ acelerado e a a (nem desacelerado). de forma que o solo ser´ atingido a a no instante T tal que h(T ) = h0 . a for¸a da gravidade e a resistˆncia c e do meio se anulam entre si. a o e diferen¸a entre a velocidade do corpo e a velocidade de equil´ c ıbrio. ent˜o a for¸a de resistˆncia e a c e ser´ maior do que a for¸a de gravidade. Se o corpo em queda est´ a c a mg a essa velocidade. e portanto permanecer´ consa v* velocidade tantemente em movimento ` velocidade v ∗ . h= h0 h . como podemos deduzir a evolu¸ao da altura h(t)? c˜ Primeiro precisamos fixar coerentemente as coordenadas. Por conveniˆncia. onde v0 ´ a velocidade inicial do corpo. isto ´. Tempo tenham o seguinte aspecto.3 para uma justifie a ıcie c˜ cativa). Isso implica que h´ um valor de velocidade força de a resistencia v ∗ para o qual a for¸a de resistˆncia ´ exatamente c e e igual ` for¸a da gravidade. o que far´ com que o corpo reduza sua velocidade. note que se definirmos ∆v(t) = v(t) − v ∗ . logo temos que medir a altura. ´ poss´ mostrar que a evolu¸ao da velocidade em fun¸ao do tempo ´ e ıvel c˜ c˜ e dada por g v(t) − v∗ = (v0 − v∗ )e− v∗ t . a c a Tudo sugere que os gr´ficos Velocidade vs. Temos considerado velocidades positivas para corpos em queda. se a velocidade inicialmente ´ maior do que v ∗ . o c e e a em valor absoluto.3. Isso est´ de acordo e com as figuras que hav´ ıamos desenhado. fixaremos o zero de e h como sendo ` altura h0 . ter´ a ıamos algo como mostrado na figura ao lado. 0 Sabendo agora como evolui a velocidade do corpo em fun¸ao c˜ do tempo. a Por outro lado.3. c˜ e v v0 = v* t v0 v* v v* v0 t v t Sob a hip´tese de que a for¸a de resistˆncia do ar ´ proporcional ` velocidade do corpo. de cima para baixo.

0 t onde h(0) = 0. Assim. pela maneira como fixamos a coordenada. se quisermos achar T tal que h(T ) = h0 .92 ´ CAP´ ITULO 8. isso corresponde a a achar a ´rea sob a curva v(t). g g Agora. g g v∗ v∗ [v(0) − v ∗ ] + v ∗ t − [v(0) − v ∗ ]e− v∗ t . ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ v v0 v* 0 h(t) Ent˜o a t O espa¸o percorrido ´ dado pela integral da velocic e dade no intervalo de tempo considerado. c˜ h(t) = 0 t (v ∗ + [v(0) − v ∗ ]e− v∗ s )ds v ∗ ds + [v(0) − v ∗ ] T 0 g = 0 e− v∗ s ds g = Logo h(t) = g v∗ v ∗ t + [v(0) − v ∗ ](− )(e− v∗ t − 1) . No gr´fico de velocidades. A vari´vel s ´ usada a a e como auxiliar. g g Chamando A = B C D = = = v∗ [v(0) − v ∗ ] − h0 g v∗ v∗ [v(0) − v ∗ ] g v∗ g . t h(t) − h(0) = v(s)ds . teremos que resolver a equa¸ao c˜ h0 = g v∗ v∗ [v(0) − v ∗ ] + v ∗ T − [v(0) − v ∗ ]e− v∗ T . para diferir do extremo de integra¸ao.

perpendicular ao seu eixo. na parte superior. paralelo ao solo. embora ele esteja deitado. essa raiz ´ dada pela proje¸ao e c˜ na abscissa do encontro entre a reta A + Bt com a fun¸ao Ce−Dt . O CILINDRO DEITADO 93 A+Bt ent˜o estamos procurando a raiz da fun¸ao a c˜ f (t) = A + Bt − Ce−Dt . como na figura ao lado. O problema ´: como c˜ e determinar uma escala com marca¸oes que inc˜ diquem o volume de ´gua dentro do cilindro (e a n˜o simplesmente a altura do n´ da ´gua)? a ıvel a Para ver a rela¸ao entre essa quest˜o e o problema de achar o zero de uma fun¸ao. Seja l o comprimento do cilindro e r o raio de uma se¸ao transversal. vide ao lado. para a coloca¸ao de c˜ a ´gua (para dramatizar o exemplo. c˜ a c˜ quantifiquemos um pouco mais o problema. c˜ Ce−Dt T t 8. e a . com esse fore o mato e nessa posi¸ao). gigante. imagine um contˆiner de petr´leo.4. O cilindro tem uma abertura.4 O cilindro deitado Considere um cilindro colocado horizontalmente sobre um plano. O volume total do cilindro ´ dado por c˜ e v = l · πr2 . pois πr2 ´ a “´rea da base” e l a “altura” do cilindro. Graficamente.8.

onde d1 = r cos θ e d2 = r sin θ. a ´rea que queremos calcular ´ menor do que a ´rea de dois setores a e a de ˆngulo θ (perfazendo θr2 ). a parametrizado pelo ˆngulo θ. que chamaremos de A(h).94 ´ CAP´ ITULO 8. 2 θ=π lembrando que θ depende de h pela rela¸ao h = c˜ r(1 − cos θ). Mas e os outros 2 valores de h? Como achar a fun¸ao A(h)? c˜ Aqui podemos fazer um pouco de geometria: supomos que h < r (o racioc´ ınio ser´ a completamente an´logo para h > r) e consideramos o ˆngulo θ formado entre a vertical e a a a linha L. 2 . A rela¸ao entre h e θ ´ simples: r cos θ + h = r. ou seja. A(2r) = πr2 e A(r) = 1 πr2 . ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ r θ L A(h) rcos(θ) h Se ele estiver cheio at´ a altura h ent˜o o voe a lume de ´gua ali contido ser´ l vezes a ´rea a a a preenchida pela ´gua numa se¸ao transvera c˜ sal qualquer. e o excedente ´ a ´rea de dois triˆngulos-retˆngulos. c˜ e Lembremos agora que a ´rea de um setor de ˆngulo θ pode ser achada por regra de trˆs. −→ a(θ) 2 Como mostra a figura. Essa conta sugere que talvez seja mais f´cil fazer a escala ao longo do contorno do cilindro. a 3l 2l θ=0 1l ´ a E f´cil ver que a mesma f´rmula vale quando h > r (verifique!). Note que h varia entre 0 e 2r. o mas as contas ficar˜o mais complicadas). a a e lembrando que para θ = 2π a ´rea ´ πr2 : a e θ = 2π θ 1 −→ πr2 =⇒ a(θ) = θr2 . h = r(1 − cos θ). Resumindo. como se fossem as mara cas de um rel´gio (pode-se fazer uma escala vertical. Logo a e A(h) = θr2 − r2 sin θ cos θ = r2 (θ − 1 sin 2θ) . e que A(0) = 0. o volume o v(θ) depende de θ pela f´rmula o v(θ) = lr2 (θ − 1 sin 2θ) . a e a a a A ´rea excedente ´ o produto d1 d2 .

o gr´fico de v = v(θ)/lr2 ) est´ esbo¸ado a a ˜ a c na figura abaixo. suponhamos uma corrente pendurada em dois pontos de sustenta¸ao. a achar o valor de θ para o qual v(θ) = 3 (se o volume a for medido em litros). CATENARIA 95 onde θ varia entre 0 e π.5 Caten´ria a Mais uma vez. Esse ´ o problema de achar a raiz da fun¸ao v(θ) − 3. v v = lr 2 π v (θ) v =θ 1 2 1 v = −2 sen(2 ) θ 0 1 2 π θ v a Na figura. colocamos na vertical a vari´vel v = lr2 . c desde que a origem do plano cartesiano coincida com o ponto de m´ ınimo da curva. pois c˜ ˜ v ′ (θ) = 1 − e 1 · 2 cos 2θ 2 Suponha agora que o volume total do cilindro seja da ordem de 10 litros e que queremos ¯ marcar. o valor de θ correspondente a um volume de ´gua de 3 a ¯ ¯ litros. de forma que toda a escala possa ser constru´ ıda. As linhas pontilhadas indicam as duas 1 fun¸oes (θ e − 2 sin 2θ) que somadas produzem a fun¸ao v (θ) = v(θ) . de forma que o gr´fico fique indea ˜ pendente do raio r e do comprimento l do cilindro.´ 8. O gr´fico de v(θ) (de fato. Isso corresponde. 8. como j´ dissemos. .5. Seu c˜ formato. c˜ c˜ ˜ lr 2 A fun¸ao v (θ) tem derivada nula em θ = 0 (e por simetria em θ = π). O mesmo procedimento pode ser e c˜ adotado para se calcular as marquinhas correspondentes a outros valores do volume. v ′ (0) = 1 − cos(0) = 0 . ´ o do gr´fico da fun¸ao a e a c˜ f (x) = 1 (cosh(cx) − 1) . no contorno do cilindro. no gr´fico.

Sejam a0 e b0 os extremos desse intervalo. reduziremos o problema a achar o zero de uma fun¸ao cuja vari´vel ´ o parˆmetro c˜ a e a c.3. c 8. f (a0 ) < 0 e f (b0 ) > 0. Como c n˜o pode ser c˜ e a zero (pois aparece no denominador. M´todos mais sofisticados ser˜o estudados nos pr´ximos Cap´ c˜ e a o ıtulos. a0 x* b0 No desenho ao lado. no caso n˜o linear. e a e e cosh(cx0 ) − cy0 − 1 = 0 . pois 33 − 20 > 0. Isso significa que y0 = f (x0 ) = Ent˜o a isto ´. ao qual chamaremos provisoriamente de c0 : e c0 = a0 + b 0 . podemos achar o parˆmetro c. y0 ). necessariamente. Escolhemos o ponto m´dio do intervalo. a Para tanto.96 ´ CAP´ ITULO 8. pois 23 − 20 < 0 e b0 = 3. e u 1. c˜ a atrav´s de um ajuste de fun¸oes. e um deles ´ c = 0. um zero da fun¸ao e a e c˜ F (c) = cosh(cx0 ) − cy0 − 1 . a partir da posi¸ao de e c˜ a c˜ um unico ponto da corrente (excetuando o ponto de m´ ´ ınimo). Observamos ent˜o que a fun¸ao assume valores com sinais a c˜ opostos nesses extremos. Aqui veremos que. podemos pensar tamb´m que c ´ o cruzamento do gr´fico de cosh(cx0 ) e e a com o gr´fico da fun¸ao afim 1 + cy0 . ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ Na Subse¸ao 4. e f f (a0 ) · f (b0 ) < 0 . isto ´.2 propusemos uma maneira de achar o parˆmetro c experimentalmente. 2 . Suponha que a corrente passa por um certo ponto (x0 . y0 ) = (0. no entanto. Para calcular c explicitamente. 0). Observe que achar x∗ tal que e c˜ f (x∗ ) = 0 ´ o mesmo que achar a raiz c´ bica de 20. na express˜o da fun¸ao f ). a Para ilustrar o m´todo. ´ necess´rio algum m´todo num´rico. 1 (cosh(cx0 ) − 1) . usemos a fun¸ao f (x) = x3 − 20. c˜ Em seguida passamos a cercar a raiz com intervalos. 2. O primeiro passo ´ isolar a raiz x∗ dentro de um intervalo onde a fun¸ao seja mon´tona: e c˜ o ou crescente ou decrescente. que ´ um m´todo intuitivo de se achar c˜ e e e a raiz de uma fun¸ao. Seria ao contr´rio se no desenho a fun¸ao fosse decrescente. ent˜o c fica completamente a c˜ a determinado uma vez dado (x0 . o parˆmetro c ´. cada intervalo com um tamanho igual ` metade do tamanho do intervalo anterior. Graficamente. Da convexidade do cosseno hiperb´lico segue que h´ a c˜ o a apenas dois pontos onde as fun¸oes coincidem. Escolhemos a0 = 2. Esse a c˜ primeiro passo depende muito do conhecimento pr´vio que e se tem a respeito da fun¸ao.6 M´todo da Dicotomia e Nesta Se¸ao apresentaremos o M´todo da Dicotomia.

7109375 2.04 2.75) = 2. b1 ].5 3 2. portanto o erro em assumi-la com o valor de cn ´ a e b n − an .625 2.72 ± 0. o que nos faz definir o novo intervalo aa [a2 .13 2. indo at´ a d´cima etapa: e e n 0 1 2 3 4 5 6 7 8 9 10 an bn cn rn ± en 2 3 2. De posse desse valor. ou seja.69 ± 0.75 2.75 2. b1 ] = [c0 .796875 > 0 .75 2.625 2.5 20.71875 2.5) = 2.989 19.7109375 2. No entanto em cada etapa s´ sabemos com certeza que a raiz o est´ entre an e bn . Primeiro determinou-se o erro e c˜ 1 (bn − an ).5 2.63 ± 0. escolheu-se o n´ mero u 2 .0011 2.53 − 20 = −4. com um erro en a e garantindo que a raiz esteja entre rn − en e rn + en .5 ± 0.966 19. METODO DA DICOTOMIA Neste caso.375 < 0 . Conclu´ ımos que x∗ est´ ` esquerda de c1 .013 19. O crit´rio para a determina¸ao de rn e en foi o seguinte.753 − 20 = 0.7144 ± 0.5 2.5 2.75 ± 0. Avaliamos f em c1 : f (c1 ) = f (2.75 19.6.71875 2.712890625 2. calculamos os extremos e centros dos intervalos usando todas as casas decimais dispon´ ıveis na calculadora.703125 2. b2 ] = [a1 .6875 2.713867188 2.71875 2. agora com o intervalo [a1 .71484375 2.71875 2.713867188 2.75 . calculamos o ponto m´dio e a1 + b 1 c1 = = 2. colocamos os dados numa tabela.703125 2.5.´ 8.714355469 2. 2 Os valores de rn s˜o arredondamentos de cn at´ uma certa casa decimal.12 19.75 2. Testamos o valor de f em c0 : f (c0 ) = f (2. c1 ] . Conclu´ ımos que x∗ est´ ` direita de c0 .016 2.712890625 2.9996 Na tabela. c0 = 2. com todas as casas decimais poss´ ıveis.71484375 2.71484375 2.2 19. 2 5.93 20.703 ± 0.7129 ± 0.715 ± 0. o que nos faz definir o novo intervalo aa [a1 .07 2.0006 3 rn 15. Repetimos o procedimento 2).6875 2.71484375 2.7109375 2.8 18.7139 ± 0. Prosseguindo. 3.0020 2.6 20. 97 4.6875 2.25 2.005 2. b0 ] .711 ± 0.008 2.

a a Por exemplo. 6. O crit´rio dessa escolha baseou-se num e certo grau de “razoabilidade”.04 = 2. 5. sen˜o a condi¸ao (ii) pode n˜o ser satisfeita). . . de forma que: (i) o primeiro ou os dois primeiros algarismos significativos de en sejam uma dentre as possibilidades 10.98 ´ CAP´ ITULO 8. o intervalo [rn − en . obtendo r4 = 2. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ de algarismos significativos para expressar en . 1 ou 2..03125. 11. ent˜o tomamos e4 = 0. 25. 24.04 = 2. 3.72 + 0.76 > b4 . 4. E preciso a´ testar a condi¸ao ı c˜ (iii): 2. en teria que ser ligeiramente aumentado. 13.71875 na segunda casa decimal. Se essa condi¸ao n˜o c˜ a fosse satisfeita.72 − 0. rn + en ] contenha o intervalo [an . . (iii) en seja o menor poss´ ıvel. 12. 14. (ii) tomando rn como o arredondamento de cn na casa decimal correspondente a´ ` ultima casa decimal de en .03. . respeitando (i).72. Em seguida arredondamos a c˜ a ´ c4 = 2.04 (n˜o 2 podemos usar 0. 8 e 9. 7. bn ]. para n = 4 temos 1 (b4 − a4 ) = 0.68 < a4 e 2. tudo bem. 15. (ii) e (iii) ao mesmo tempo.

. a 2. . x2 . 1. 4.Cap´ ıtulo 9 M´todos iterativos e 9. . Os m´todos iterativos (n˜o s˜o interativos. espera-se que a seq¨ˆncia {xk }k e ue convirja para x∗ . toma-se e c˜ a um dos xk ’s como aproxima¸ao de x∗ . . x1 . Arrisca-se um “palpite” inicial x0 . Dada a fun¸ao f da qual se procura uma raiz x∗ . veremos aos poucos). e a partir desse palpite constr´i-se uma seq¨ˆncia o ue de valores x0 . como mostra esquematicamente a figura abaixo. c˜ f 1 0 1 0 x* x1 1 1 0 x2 x3 0 1 0 1 0 1 0 1 0 1 0 1 0 x0 99 .1 Plano geral Neste Cap´ ıtulo discutiremos a determina¸ao de zeros de fun¸oes por meio de m´todos itec˜ c˜ e rativos. aten¸ao!) s˜o realizados da seguinte e a a c˜ a maneira. Com algum crit´rio de parada. “fabrica-se” uma fun¸ao auxiliar ϕ c˜ c˜ (quais caracter´ ısticas ela deve ter e como ach´-la. Se a escolha de ϕ e de x0 for feita com algum crit´rio. onde o valor xk+1 depende do valor xk pela rela¸ao c˜ xk+1 = ϕ(xk ) . 3. em fun¸ao da precis˜o que se deseja na resposta.

Esboce o gr´fico de ϕ. em rela¸ao ` aplica¸ao ϕ (em rela¸ao ` fun¸ao f j´ sabemos: x∗ ´ c˜ a c˜ c˜ a c˜ a e uma raiz de f ). ent˜o ϕ(xk ) deve tender a ϕ(x∗ ) (´ a defini¸ao de fun¸ao cont´ a e c˜ c˜ ınua. e depois c para x0 = 1. A seq¨ˆncia a ue ue converge? Se converge. ϕ seja uma fun¸ao cont´ c˜ ınua. a diagonal. notamos que. O que e c˜ acabamos de concluir ´ que a fun¸ao auxiliar ϕ deve ter a raiz x∗ de f como ponto fixo. Exerc´ ıcios de itera¸ao ficam bem mais f´ceis com uma boa calculadora cient´ c˜ a ıfica.5. Na figura abaixo. a fun¸ao ϕ esbo¸ada a c˜ c tem 2 pontos fixos (suas quatro ra´ n˜o nos interessam). que s˜o localizadas pelo cruzamento a a ızes a do gr´fico de f com a abscissa (y = 0). Como ϕ(xk ) tende a ϕ(x∗ ). Algumas vezes ´ preciso iterar bastante. n˜o ´ suficiente para que o plano dˆ certo.2 Pontos fixos A primeira observa¸ao pertinente a respeito do plano geral tra¸ado acima ´ sobre o tipo de c˜ c e ponto que deve ser x∗ . Supondo que. adiantada no ´ ındice k de uma unidade. ent˜o a seq¨ˆncia ϕ(xk ) ´ a pr´pria seq¨ˆncia a ue e o ue dos xk . e c˜ Um ponto fixo da fun¸ao ϕ ´ localizado pelo cruzamento do gr´fico de y = ϕ(x) com o c˜ e a gr´fico de y = x. valha ϕ(x∗ ) = x∗ . Esta condi¸ao. no m´ ınimo. como veremos mais c˜ a e e adiante. Ora. por exemplo. Em algumas calculadoras. ao contr´rio das ra´ de f .100 ´ CAP´ ITULO 9. As vezes essa vari´vel pode ser colocada na f´rmula ´ a a o . mas se xk tende ao mesmo tempo para x∗ e para ϕ(x∗ ). no m´ c˜ c˜ e ınimo. METODOS ITERATIVOS 9. converge para algum ponto fixo? Fa¸a o mesmo para x0 = 2. se xk tende a x∗ .5. pense nisso!). ızes a ϕ 1 0 1 0 1 0 1 0 Exerc´ ıcio 9. no entanto. ent˜o xk tende a a ϕ(x∗ ). existe uma vari´vel de mem´ria que a a o ` guarda a resposta do ultimo c´lculo. a conclus˜o ´ que x∗ a e e ϕ(x∗ ) tˆm que ser iguais! e Para resumir. Por outro lado tem-se que ϕ(xk ) = xk+1 . Construa a seq¨ˆncia de iterados xk+1 = ϕ(xk ) a partir de x0 = 0.1 Determine os pontos fixos (se houver) de ϕ(x) = x2 − x + 0. uma condi¸ao necess´ria para que o plano geral de achar a raiz x∗ de f por c˜ a itera¸ao de uma fun¸ao ϕ funcione ´ que. Todo ponto x para o qual se tenha ϕ(x) = x ´ chamado de ponto fixo da fun¸ao ϕ. por isso conv´m reduzir ao m´ximo o n´ mero de opera¸oes e e a u c˜ na m´quina em cada etapa.

em algumas calculadoras CASIO essa vari´vel chama-se “Ans”. (iii) apertando “EXE” novamente a calculadora far´ a mesma a conta. Por exemplo. isto ´. Note que se x∗ for uma raiz de f ent˜o a ϕ(x∗ ) = x∗ + f (x∗ ) = x∗ . fazendo com que 1.5 e aperta-se “EXE”. Exerc´ ıcio 9. x∗ ´ um ponto fixo de ϕ. ou mesmo e u ϕ(x) = x + α(x)f (x) . a H´ tamb´m. a possibilidade de se fazer um pequeno programa em computador a e e para realizar essas contas.25. se ϕ for definida dessa maneira ent˜o as ra´zes de f e a a ı coincidir˜o exatamente com os pontos fixos de ϕ! a O mesmo acontecer´ se definirmos a ϕ(x) = x + αf (x) .5: (i) escreve-se 1. para x0 = 1. Calculadoras que permitem colocar a f´rmula inteira antes de fazer a conta o s˜o as melhores para isso. . afinal estamos desenvolvendo um m´todo cuja finalidade ultima e ´ ´ justamente achar x∗ ! Acontece que por um pequeno truque isto ´ perfeitamente poss´ e e ıvel. onde α(x) ´ uma fun¸ao (cont´ e c˜ ınua) qualquer. Qualquer linguagem que lide facilmente com n´ meros reais serve u para isso.3. onde α ´ um n´ mero real qualquer. isto ´. mesmo assim ela deve ter maneiras de a armazenar valores em mem´ria. (ii) escreve-se “Ans2 − Ans + 0. assim aparecer´ o valor de x2 .1x(1 − x) e x0 = 0.9.2 Tome ϕ(x) = 3.5”. (iv) o e a a partir da´ ´ s´ ir apertando “EXE” que v˜o aparecendo os xk ’s. s´ que a partir do novo valor de “Ans”. defina c c˜ c˜ e ϕ(x) = x + f (x) .3 Fun¸˜es auxiliares candidatas co ´ E natural nos questionarmos se podemos achar uma fun¸ao ϕ tal que ϕ(x∗ ) = x∗ se n˜o c˜ a conhecemos exatamente x∗ . Inversamente. ıe o a ue Se a calculadora n˜o dispuser desses recursos.3. a Procede-se assim. ´ claro. que ´ o x1 (e esta resposta ´ armazenada em “Ans”. que ´ o x1 .5 e ϕ(x) = x2 − x + 0.3.5 seja armazenado em “Ans”. FUNCOES AUXILIARES CANDIDATAS ¸˜ 101 completa. tome a fun¸ao f (x) e adicione a ela a fun¸ao identidade. O que acontece com a seq¨ˆncia de ue iterados? Exerc´ ıcio 9. em seq¨ˆncia. se x∗ for um ponto fixo de ϕ ent˜o x∗ ser´ e e a a tamb´m uma raiz de f . Em conclus˜o. e de maneira surpreendentemente simples! Para come¸ar. O que acontece com a seq¨ˆncia de ue iterados? 9. apertase “EXE” e aparece a resposta 1. e e substituindo o valor anterior). Guarde o resultado xk na mem´ria e procure us´-la na hora o o a de calcular xk+1 .3 Tome ϕ(x) = 4x(1 − x) e x0 = 0.

x em radianos!). Nas ra´ a c˜ ızes. o efeito ´ nulo. Esboce o gr´fico a c a 1 de ϕ(x) = x + f (x). e .4 Considere f (x) = sen(x) (n˜o se esque¸a. METODOS ITERATIVOS Como n˜o devemos nunca dispensar um desea nho. Itere ϕ e ψ a partir da e a condi¸ao inicial x = 1 e compare os resultados. Esboce tamb´m o gr´fico de ψ(x) = x − 2 f (x). ϕ(x) = x 1 2 f(x) f(x) 1 2 f(x) Exerc´ ıcio 9. a vejamos como podemos esbo¸ar ϕ(x) = x + c αf (x) diretamente a partir do esbo¸o do c gr´fico da fun¸ao f . Na figura ao lado esbo¸amos o proc 1 cesso com α igual a − 2 . refletido em a a e torno da abscissa. Se α for positivo. Se α for nec˜ e gativo o gr´fico ser´. em tudo o que fazemos na matem´tica. Obviamente haver´ um c˜ c c˜ a ac´ mulo de erro quando fizermos itera¸oes sucessivas.102 ´ CAP´ ITULO 9.4 Visualizando itera¸˜es co ´ E importante se ter no¸ao visual do processo de itera¸ao de uma fun¸ao ϕ. c˜ 9. e para isso c˜ c˜ c˜ veremos como fazer itera¸oes usando apenas o esbo¸o da fun¸ao. Depois dessa multiplica¸ao c˜ temos apenas que “somar” o gr´fico resultante a a ` diagonal. como a fun¸ao vale zero. al´m disso. mas os desenhos nos ajudar˜o a melhor u c˜ a compreender os diversos tipos de comportamentos presentes nos m´todos iterativos. ao mula c˜ tiplicarmos a fun¸ao f por α estaremos “encoc˜ lhendo” (se α < 1) ou “dilatando” (se α > 1) o gr´fico na dire¸ao vertical.

como a segunda foi mantida sempre igual a x1 . depois movimento horizontal at´ encontrar a diagonal e finalmente movimento a e vertical at´ encontrar a abscissa. no entanto. Em seguida continuamos. no ponto (x2 . E assim por diante! e Observe que podemos poupar um pouco de trabalho quando fazemos uma s´rie de itera¸oes e c˜ sucessivas. Movendo-nos verticalmente. depois horizontalmente at´ e a a e a diagonal (` posi¸ao horizontal x1 ). VISUALIZANDO ITERACOES ¸˜ 103 A primeira coisa que devemos fazer ´ desee nhar o gr´fico da fun¸ao. a composi¸ao de dois movimentos verticais ainda ´ um movimento vertic˜ e cal. e com um movimento vertical determinamos x1 sobre a abscissa. x1 ). e em seguida a dia c˜ agonal. teremos a seq¨ˆncia de a ue iterados a partir de x0 . Como ϕ(x0 ) = x1 . Depois. 0) (x1 . a mas ele ´ a segunda coordenada do ponto ene contrado. Coletando e a as primeiras coordenadas de cada ponto de encontro com o gr´fico. x1) Ent˜o movemo-nos horizontalmente. x1 ). Ora. j´ encontramos x1 . ent˜o esse ponto ser´ a a a (x1 . ene e a contrando (x1 . que poderia ser feito de uma vez s´. na a posi¸ao (x0 . ´ ene contrar o ponto da abscissa (x1 . Nosso objetivo. Veja na figura abaixo uma ilustra¸ao desse procedimento. encontrando (x1 . x3 ). x2 ). ou seja.9. x1) (x0 . a partir a e de (x0 . ϕ(x0 )). isto ´. Na diagonal. este ´ c˜ e o ponto (x0 . encontraremos o gr´fico de ϕ. de x1 = ϕ(x0 ). mantendo fixa a segunda coordenada. os valores da primeira e da segunda e coordenada s˜o iguais. x1 ). de acordo com o que foi descrito acima. e depois verticalmente at´ o gr´fico. c˜ .4. e o objetivo ´ encontrar a posi¸ao. x2 ). que nos auxiliar´. 0) (x0 . De x0 vamos verticalmente at´ o gr´fico (` altura x1 ). ir´ a c˜ ıamos verticalmente at´ a abscissa (` altura zero) e ent˜o verticalmente at´ o gr´fico (` altura e a a e a a x2 = ϕ(x1 )). logo ap´s nos movermos horizontalmente o o at´ a diagonal. 0). e c˜ na abscissa. Depois escolhemos a uma condi¸ao inicial x0 (´ apenas um ponto da c˜ e abscissa). ϕ(x) (x1 . podemos nos mover verticalmente at´ o gr´fico. Ou seja. x1 ) at´ encontrar a diagonal. Para a determina¸ao de x2 o procedimento ´ an´logo: movimento vertical at´ encontrar c˜ e a e o gr´fico. indo horizontalmente at´ a diagonal. no ponto e (x2 . e assim por diante.

25. A pergunta a ser respondida ´: ser´ que c˜ a o e a ela converge para esse ponto fixo? A resposta ´ de suma importˆncia. tra¸ado no come¸o do Cap´ c c ıtulo. 9. o que acontece com a seq¨ˆncia de iterados quando a e c ue condi¸ao inicial est´ pr´xima de um ponto fixo.5 Iterando perto de pontos fixos Vejamos agora. atrav´s de esbo¸os. (vi) x0 = 1. a o o . uma vez que nosso e a objetivo ´ encontrar o ponto fixo por aproxima¸oes sucessivas.5.104 ´ CAP´ ITULO 9.8 Uma pr´-imagem de um ponto y pela fun¸ao ϕ ´ um ponto x tal que ϕ(x) = y. isto ´. O que acontece com cada seq¨ˆncia de iterados? Converge. que c o e numa vizinhan¸a (pequena) de x∗ n˜o exista nenhum outro ponto fixo. Isto tamb´m significa c a e que perto de x∗ o gr´fico de ϕ s´ toca a diagonal no pr´prio x∗ . Para come¸ar. o procedimento estaria bem definido? A regra seria clara? a Exerc´ ıcio 9. n˜o teremos condi¸ao e c˜ a c˜ de preencher o terceiro item do nosso plano geral.75.5. Usando um gr´fico de ϕ. (iii) x0 = 0.25. Sem isso. (ii) x0 = 0.5 Fa¸a um esbo¸o de ϕ = 2x(1 − x) e itere a partir das seguintes condi¸oes c c c˜ iniciais: (i)x0 = −0. adotaremos como hip´tese que o ponto fixo x∗ seja isolado. (iv) x0 = 0. (v) x0 = 0.0.7 Se a regra fosse “verticalmente at´ a diagonal e horizontalmente at´ o e e gr´fico”. invente e a um m´todo r´pido para achar todas as pr´-imagens de um ponto dado (suponha que o ponto e a e dado foi indicado sobre a abscissa). n˜o ue a converge? D´ para inferir o que acontecer´ com o restante das condi¸oes iniciais? a a c˜ Exerc´ ıcio 9. e c˜ e Muitas vezes um ponto tem mais do que uma pr´-imagem.0.6 Como se explica um ponto fixo no procedimento acima? Exerc´ ıcio 9. (vii) x0 = 1. METODOS ITERATIVOS ϕ(x) x4 x3 x1 x2 x0 Exerc´ ıcio 9.

Nos diagramas. de acordo com a a posi¸ao em rela¸ao ao cone duplo formado pela diagonal e pela diagonal secund´ria. Isto tem um a . ITERANDO PERTO DE PONTOS FIXOS 105 Na figura ao lado mostramos os ingredientes b´sicos de que necessitarea mos: o gr´fico de ϕ. como c˜ c˜ a mostra a figura abaixo.9. (f ) e (g) o gr´fico de ϕ tangencia a diagonal em x∗ .5. entre as duas diagonais. x∗ ). que ´ a a e reta de inclina¸ao −1 passando por c˜ (x∗ . pr´ximo a x∗ . Para simplificar. a o a diagonal e o que chamaremos de diagonal secund´ria em x∗ . x∗ ). assumiremos que tamb´m a diagonal secund´ria s´ e a o seja intersectada pelo gr´fico de ϕ no a ponto (x∗ . (e). podemos imaginar diversas possibilidades para o gr´fico de ϕ. hachuramos o que queremos convencionar como a “parte interna” do cone. (a) (b) (c) (d) (e) (f) (g) (h) (i) (j) (l) Nos casos (d). ϕ x* x* Assim. Essas hip´teses n˜o s˜o o a a demasiadamente restritivas: ´ raro ene contrar um caso em que elas n˜o sejam a respeitadas.

por´m restringiremos e e nossa argumenta¸ao apenas aos casos (a).106 ´ CAP´ ITULO 9. e em alguns casos a resposta e a depende at´ de saber se x0 est´ ` esquerda ou ` direita de x∗ ! e aa a No caso (a) note que. (b) e (c). se xk estiver pr´ximo a x∗ ent˜o ϕ(xk ) estar´ dentro do cone. podemos considerar 3 possibilidades. No caso (b) temos ϕ′ (x∗ ) < −1 e no caso (c) temos ϕ′ (x∗ ) > +1 . em duas situa¸oes: ϕ′ (x∗ ) > 0 e c˜ ϕ′ (x∗ ) < 0. caso (a). a a o . quando x0 ´ escolhido perto de x∗ . casos (d) a (l). de modo que os iterados xk . (xk < x∗ ) ′ ou xk − x∗ > ϕ(xk ) − x∗ > x∗ − xk . . Nos casos (h). para o ponto fixo x∗ . a No caso (a). (ii) |ϕ′ (x∗ )| > 1. e sempre que |ϕ′ (x∗ )| for maior a c a do que 1 ele assumir´ o aspecto de (b) ou (c). (xk > x∗ ) pois y = x∗ + (x − x∗ ) e y = x∗ − (x − x∗ ) s˜o as diagonais principal e secund´ria passando a a por x∗ . ou seja. de acordo com o sinal. de acordo com o m´dulo de ϕ′ (x∗ ): (i) o |ϕ (x∗ )| < 1. Observe pela figura que quando ϕ′ (x∗ ) < 0 os iterados xk . METODOS ITERATIVOS significado. e xk − x∗ < ϕ(xk ) − x∗ < x∗ − xk . . . . . xk+1 = ϕ(xk ) est´ mais perto de x∗ do que est´ xk . . se ϕ for uma fun¸ao diferenci´vel: ϕ′ (x∗ ) = 1. menos negativa e c˜ do que a inclina¸ao da diagonal secund´ria). se aproximar˜o cada vez mais de x∗ (veja a exerc´ abaixo para tornar mais rigoroso este argumento). isto o a a ´. casos (b) e (c). (iii) |ϕ′ (x∗ )| = 1. (i). Isto ´ o mesmo que e |ϕ(xk ) − x∗ | < |xk − x∗ | . x2 = e a e ue ϕ(x1 ). como mostram os exerc´ ıcios propostos abaixo. No entanto. Uma esp´cie de rec´ e ıproca tamb´m ´ v´lida: sempre que |ϕ′ (x∗ )| for menor do que 1 o e e a gr´fico de ϕ na vizinhan¸a de x∗ assumir´ o aspecto de (a). ou seja. Portanto c˜ a −1 < ϕ′ (x∗ ) < +1 no caso (a). Al´m disso. a e Nosso objetivo ´ fazer uma an´lise da convergˆncia das seq¨ˆncias x0 . quando est˜o suficientemente pr´ximos de x∗ . cada caso apresentar´ e a um comportamento distinto: pode haver convergˆncia ou n˜o. se |ϕ′ (x∗ )| a for igual a 1. alguns c˜ a e dos outros casos podem ser facilmente analisados de forma semelhante (e outros n˜o t˜o a a facilmente). como mostra a figura abaixo. A raz˜o ´ que. x1 = ϕ(x0 ). (j) e (l) o gr´fico de ϕ tangencia e c˜ a a a diagonal secund´ria em x∗ . haver´ todas as possibilidades mostradas de (d) at´ (l). pois basta lembrar que a derivada c˜ a ´ a inclina¸ao da reta tangente ao gr´fico. xk+1 . . . O mesmo valer´ de xk+1 a a a para xk+2 . Em resumo. . se alternam a ` direita e ` esquerda de x∗ . ϕ′ (x∗ ) = −1. a tangente ao gr´fico de ϕ em x∗ ´ uma reta de inclina¸ao menor do que 1 a e c˜ (pois ´ menor do que a inclina¸ao da diagonal) e maior do que −1 (ou seja. primeiramente. xk+1 . ıcio Outra maneira (mais intuitiva) de se chegar ` mesma conclus˜o ´ esbo¸ando a evolu¸ao a a e c c˜ dos iterados no desenho.

ao contr´rio. afasta os iterados de x∗ . dizemos que o ponto fixo ´ atrator. os iterados se afastam. Se |ϕ′ (x∗ )| = 1 n˜o ´ poss´ a e a e ıvel prever o comportamento dos iterados. o que impossibilita a aproxima¸ao a x∗ e. Veja mais sobre isso nos exerc´ ıcios abaixo. dizendo quem c˜ ´ atrator e quem ´ repulsor apenas atrav´s do desenho do gr´fico. Exerc´ ıcio 9. a n˜o ser que se tenha outras informa¸oes sobre ϕ. e a mesmo que xk esteja arbitrariamente pr´ximo de x∗ . em a c˜ geral ligadas a derivadas de ordem mais alta. Da argumenta¸ao acima. Se. e e e a x .5. ent˜o dizemos que o ponto fixo ´ o a e repulsor. ϕ ϕ x* x* x* xk+3 xk+2 xk+1 xk xk+2 x* xk xk+1 xk+3 Quando o ponto fixo ´ tal que a seq¨ˆncia de iterados iniciada em sua proximidade e ue converge para ele. conclu´ c˜ ımos que se |ϕ′ (x∗ )| < 1 ent˜o x∗ ´ um ponto fixo atrator. ITERANDO PERTO DE PONTOS FIXOS 107 ϕ x* x* ϕ x* xk xk+1 xk+2 xk+3 xk xk+2 x* xk+3 xk+1 Nos casos (b) e (c) ocorre o oposto: tem-se |xk+1 − x∗ | > |xk − x∗ | .9 Esboce a fun¸ao ϕ(x) = e4 − x e determine seus pontos fixos. Isto pode c˜ ser visto na figura abaixo.9. a e ′ ∗ enquanto que se |ϕ (x )| > 1 ent˜o x∗ ´ um ponto fixo repulsor. em verdade.

H´ alternˆncia de lado na itera¸ao. ˆ a e 2. c˜ a 3. ´ c˜ Exerc´ ıcio 9. O exerc´cio a ı ajudar´ a fixar melhor a teoria discutida nesta Se¸ao. Os casos (h) e (j) s˜o os mais delicados. ficar s´ do lado direito ou s´ do lado esquerdo.2. quer dizer. No caso (d). usando desenhos. O leitor deve tentar a o se convencer ao m´ximo de cada uma delas. Nos casos (e). e depois tente o mesmo para o caso (j). Nos casos (e) e (i) o ponto fixo ´ atrator. a seq¨ˆncia 1 + k . h´ aproxima¸ao para o ponto fixo a e a c˜ cada vez que se passa pelo lado direito e afastamento a cada vez que se passa pelo lado esquerdo. Para isso. para aqueles que gostam de um pouco mais de ı e rigor nos argumentos. o que implicaria que a seqˆˆncia |xk − x∗ | vai a zero (equivalente a dizer que xk tende a x∗ ). e n˜o pode ser positiva em (f) a a e (j). Nos casos (g) e (l) o ponto fixo ´ repulsor. pode acontecer tamb´m de que |xk −x∗ | tenda para a ue a o e um valor maior do que zero.12 Este exerc´cio ´ opcional. isto ´. Exerc´ ıcio 9. A segunda derivada n˜o pode ser negativa em (d) e (h). principalmente. A terceira derivada n˜o e a pode ser negativa em (i) e em (g). o ponto fixo ´ atrator pelo lado esquerdo e repulsor pelo lado direito. No entanto.11 Este exerc´cio ´ um conjunto de “observa¸oes dirigidas” a respeito dos ı e c˜ casos n˜o discutidos. (i). Se a seq¨ˆncia for mon´tona. verifique as seguintes observa¸oes: a c˜ 1. a c˜ 1. J´ se a seq¨ˆncia n˜o for mon´tona. isso e o ı ser´ verdade. mas c˜ ˆ n´s j´ t´nhamos isolado uma vizinhan¸a de x∗ sem nenhum outro ponto fixo. que e ue tende a 1 e ´ decrescente. Ache-a.108 ´ CAP´ ITULO 9. ent˜o a seq¨ˆncia tem que convergir para um outro ponto a a ue x que n˜o ´ x∗ .10 Considere a equa¸ao e−x = x − 1. Ent˜o o a ı c a esta situa¸ao n˜o pode ocorrer. (g) e (l) a segunda derivada de ϕ ´ nula. 5. e n˜o pode ser positiva em (e) e (l). contradizendo tamb´m as hip´teses. onde a derivada de ϕ no ponto fixo tem m´dulo 1. e n˜o ´ claro a priori qual vai prevalecer (no caso (j) ocorre o oposto). e ue o e o o se |xk − x∗ | n˜o for a zero. a 4. Por exemplo. a c˜ a a sempre no caso (h). e 6. nem toda seq¨ˆncia em que a ue 1 cada termo ´ menor do que seu predecessor vai a zero. se usarmos as hip´teses estabelecidas de in´cio. Investigue se ϕ(x) = e−x + 1 pode ser c˜ util para achar a solu¸ao. Pelo que vimos na Se¸ao 9. Observamos que no caso (a) ocorre |xk+1 − x∗ | < |xk − x∗ |. e xk fique alternando de lado. Olhando para o caso (h). e 3. Tente a e fazer desenhos caprichados criando casos onde h´ atra¸ao e outros onde h´ repuls˜o. tendendo para dois pontos simetricamente posicionados em torno de x∗ . o ponto x teria que ser um outro ponto fixo de x∗ . J´ e a em (f) ele ´ atrator pelo lado direito e repulsor pelo esquerdo. e 2. Isso ue no entanto n˜o tem que ser necessariamente verdade. METODOS ITERATIVOS Exerc´ ıcio 9. pois a a a c˜ a derivada ´ negativa. a e o . Mostre que nesses pontos o gr´fico de ϕ a tocaria a diagonal secund´ria.

8) falaremos um pouco mais sobre c˜ este assunto. Ent˜o. de e e raz˜o menor do que 1). Observe tamb´m que a mesma igualdade do Teorema do Valor M´dio mostra que.6 Teorema do Valor M´dio e velocidade de convergˆncia e e A Se¸ao anterior pode ser resumida na seguinte afirma¸ao: “se x∗ ´ ponto fixo e se |ϕ′ (x∗ )| < c˜ c˜ e 1 ent˜o x∗ ´ atrator. ent˜o ck u c a tamb´m estar´. a e a e Vamos demonstrar essa afirma¸ao de maneira mais simples.6. para algum n´ mero ck entre xk e x∗ . e c Nosso interesse ´ comparar |xk+1 − x∗ | com |xk − x∗ |. TEOREMA DO VALOR MEDIO E VELOCIDADE DE CONVERGENCIA 109 9. para todo x na vizinhan¸a. a O importante de se escolher uma vizinhan¸a sim´trica em torno do ponto fixo ´ que isso c e e garante que o ponto xk+1 cair´ ainda dentro da mesma vizinhan¸a. Como xk+1 = ϕ(xk ) e x∗ = ϕ(x∗ ) e ent˜o queremos comparar |ϕ(xk ) − ϕ(x∗ )| com |xk − x∗ |. xk − x∗ e ck . sem usar o desenho. Pois como ϕ′ (ck ) = xk+1 − x∗ . ent˜o ϕ′ (ck ) se aproxima e a de ϕ′ (x∗ ). a e . Logo adiante (na Subse¸ao 9. e se |ϕ′ (x∗ )| > 1 ent˜o x∗ ´ repulsor”. e teremos |ϕ′ (ck )| menor do que λ. de preferˆncia sim´trica. pois e ϕ(xk ) − ϕ(x∗ ) = ϕ′ (ck )(xk − x∗ ) . Ent˜o a cada itera¸ao a distˆncia de xk a x∗ ´ multiplicada por um n´ mero menor do a c˜ a e u que λ. por causa da continuidade da derivada. podemos encontrar uma vizinhan¸a de x∗ em que e a c |ϕ′ (x) − γ| seja t˜o pequena que tamb´m |ϕ′ (x)| seja menor do que 1. Em outras palavras. hip´tese que se verifica na maioria dos casos. A demonstra¸ao tamb´m nos ajudar´ a saber qual ´ a velocidade e c˜ e a e de convergˆncia no caso de o ponto fixo ser atrator. o que caracteriza uma convergˆncia (ao menos) geom´trica (lembre-se de uma P.13 Observe que se |ϕ′ (x∗ )| > 1 ent˜o o Teorema do Valor M´dio implica que a e n˜o pode haver convergˆncia para o ponto fixo. estando “espremido” entre x∗ e xk . isso tem toda a “cara” de a Teorema do Valor M´dio. ` e e a medida que os iterados se aproximam do ponto fixo. a raz˜o entre |xk+1 − x∗ | e |xk − x∗ | se a aproxima de |γ| = |ϕ′ (x∗ )|. Se xk estiver na vizinhan¸a acima referida. o Chamemos de γ a derivada de ϕ em x∗ . Exerc´ ıcio 9.´ ˆ 9. Como a derivada de ϕ ´ uma fun¸ao cont´ e c˜ ınua. ou mesmo menor do a e que um certo λ tamb´m menor do que 1. tamb´m se aproxima de x∗ . e o argumento poder´ a c a ser repetido ad infinitum. Suponha agora que γ ´ um n´ mero de m´dulo menor do que 1 (´ o caso em que queremos e u o e mostrar que x∗ ´ um atrator). Logo e a |ϕ(xk ) − ϕ(x∗ )| ≤ λ|xk − x∗ | . de tal forma que para qualquer x escolhido c e e dentro dessa vizinhan¸a ter-se-´ c a |ϕ′ (x) − γ| muito pequeno. usando c˜ o Teorema do Valor M´dio. Ora. A unica hip´tese adicional ser´ que a e ´ o a derivada de ϕ ´ uma fun¸ao cont´ e c˜ ınua. podemos isolar o uma vizinhan¸a de x∗ .G. ela deve assumir valores pr´ximos de γ perto de x∗ .

16 E poss´vel existir uma fun¸ao cont´nua ϕ que tenha apenas dois pontos ı c˜ ı fixos. por causa da e e rapidez com que se d´ a convergˆncia. ambos atratores? Justifique sua resposta. supondo que ϕ′′ seja a a e cont´ ınua.14 Tome a fun¸ao ϕ(x) = e4 − x. O exerc´cio fornecer´ apenas uma e c˜ e ı a resposta aproximada. Existe dk entre ck e x∗ a e tal que ϕ′ (ck ) = ϕ′ (ck ) − ϕ′ (x∗ ) = ϕ′′ (dk )(ck − x∗ ) . com inclina¸ao dada pela derivada de ϕ no ponto fixo. baseada em suposi¸oes que nem sempre s˜o satisfeitas. ache seu ponto c˜ ∗ fixo x mais a esquerda. temos e xk+1 − x∗ = ϕ′ (ck )(xk − x∗ ) . ent˜o |ck − x∗ | ≤ |xk − x∗ |.1 O caso ϕ′ (x∗ ) = 0: convergˆncia quadr´tica e a No caso em que ϕ′ (x∗ ) = 0 a raz˜o entre |xk+1 − x∗ | e |xk − x∗ | se aproxima de zero. os valores de ϕ′′ (dk ) estar˜o muito pr´ximos de ϕ′′ (x∗ ). Suponha que c˜ a a distˆncia da condi¸ao inicial x0 ao ponto fixo x∗ seja da ordem de D. e e a Um ponto fixo com derivada nula ´ tamb´m chamado de super-atrator. e e e obter uma informa¸ao mais precisa sobre a taxa de convergˆncia. em m´dulo. se xk estiver nessa vizinhan¸a. que motiva a definir o regime de convergˆncia com o nome de convergˆncia quadr´tica. e portanto estar˜o limitados a o a por uma constante C. 9. Mas se ϕ′ (x∗ ) = 0 ent˜o podemos usar o Teorema do Valor M´dio. o que a significa que a taxa de convergˆncia ´ melhor do que qualquer raz˜o geom´trica. Portanto |xk+1 − x∗ | = |ϕ′′ (dk )| · |ck − x∗ | · |xk − x∗ | . Calcule ϕ′ (x∗ ) e compare com as raz˜es ` o xk+1 − x∗ .15 Este exerc´cio ´ para transformar a informa¸ao sobre a velocidade de conı e c˜ vergˆncia em informa¸ao sobre o tempo de convergˆncia. Suponha tamb´m a c˜ e que a condi¸ao inicial esteja numa vizinhan¸a do ponto fixo onde a fun¸ao ´ aproximadac˜ c c˜ e mente linear. a e . a a ´ Exerc´ ıcio 9. Como ck est´ entre xk e x∗ . aplicando-o novamente desta feita na derivada de ϕ.6. Retomando a desigualdade obtida no Teorema do Valor M´dio. Iterando a partir de x0 = 0. Depois acrescentaremos a hip´tese de que essa segunda derivada tamb´m a o e seja cont´ ınua. METODOS ITERATIVOS Exerc´ ıcio 9. al´m disso. Ent˜o. xk − x∗ Exerc´ ıcio 9. o que significa que a c˜ taxa geom´trica de aproxima¸ao ´ mais ou menos constante. Calcule o n´mero de itera¸oes e c˜ e u c˜ k necess´rias para que xk esteja mais perto do que a distˆncia p de x∗ . mas guarde os iterados. c˜ e Para aplicar o Teorema do Valor M´dio na derivada de ϕ assumiremos que ϕ seja duas e vezes diferenci´vel. ter-se-´ o a c a |xk+1 − x∗ | ≤ C|xk − x∗ |2 .110 x ´ CAP´ ITULO 9. Podemos ir e e a e mais al´m no Teorema do Valor M´dio.

por exemplo.a escolha de ϕ co Podemos neste momento retornar ao plano geral tra¸ado no come¸o do Cap´ c c ıtulo para achar uma raiz x∗ de uma fun¸ao f . Mostre que 1 2k ak ≤ (Ca0 ) . a 2 f(x) = x + 0.1(x−1) 1 Ocorre no entanto que nos casos onde a derivada ´ 1. e compare as velocidades de convergˆncia. e a´ n˜o poderemos a a ı a saber se h´ convergˆncia ou n˜o. Mais adiante veremos como a a e superar este problema. e de ak a distˆncia a a de xk a x∗ . em fun¸ao da derivada da f : c˜ ϕ′ (x) = 1 + αf ′ (x) . Observe que se f ′ (x∗ ) for igual a zero ent˜o ϕ′ (x∗ ) ser´ igual a 1.7 Calculando zeros de fun¸˜es . e a com constante C.9. De acordo com o que dissemos. ´ preciso que a derivada ϕ′ (x∗ ) tenha m´dulo menor do e o que 1.A ESCOLHA DE ϕ ¸˜ 111 Exerc´ ıcio 9. e ` 9.18 Itere ϕ(x) = x + sen x e ψ(x) = x + 2 sen x. pois j´ temos todos os ingredientes para isso: uma maneira c˜ a de se construir fun¸oes ϕ que tenham x∗ como ponto fixo. . Sabemos que se iniciarmos a itera¸ao com c˜ x0 perto e a esquerda de 1. a partir da condi¸ao inicial x0 = 1. que n˜o chega nem a ser geom´trica. tome a fun¸ao f (x) = (x − 1)2 . CALCULANDO ZEROS DE FUNCOES . Por exemplo. a luz do que foi exposto acima. se desenharmos o gr´fico a e a a de ϕ. e e a Nosso objetivo ´ explorar a escolha de α na express˜o ϕ(x) = x + αf (x) de modo que a e a raiz procurada x∗ seja um atrator e o plano geral funcione.7. mesmo havendo convergˆncia ela se e e d´ de forma muito lenta.1f (x) = x + 0. Suponha que em todos os iterados vale a estimativa de convergˆncia quadr´tica. como mostra a figura ao lado. Compare com a convergˆncia geom´trica. c˜ e e 1 c˜ Exerc´ ıcio 9.1(x − 1)2 . ` ent˜o a seq¨ˆncia convera ue gir´ para o ponto fixo. c˜ que tem raiz x∗ = 1. A derivada de ϕ sabemos calcular. C e que para se aproximar xk de x∗ da distˆncia p s˜o necess´rias a a a 1 ln Cp ln ln 2 ln Ca0 itera¸oes. Na verdade podemos saber sim. escrevendo ϕ(x) = c˜ x + αf (x).17 Chame de a0 a distˆncia de x0 ao super-atrator x∗ . Essa raiz ´ ponto fixo de ϕ(x) = e x + 0. e crit´rios para saber se o ponto fixo x∗ ´ atrator ou n˜o.

e em linhas gerais consiste no seguinte procedia e a a mento. E s´ escolher α de modo que 1 + αf ′ (x∗ ) seja igual a zero. Notemos agora que. se satisfaz para todo x ∈ [a. usamos a a ϕ(x) = x − f (x) . Ora. A outra resposta n˜o ´ t˜o f´cil de dar. H´ duas respostas para esta quest˜o. em vez de fixo e igual a − f ′ (x∗ ) . cuja eficiˆncia vai depender do tipo de problema a a e que se quer resolver. e jogar´ um papel semeo a a o a 1 e lhante. . uma vez que n˜o a e a e a a dispomos do valor de f ′ (x∗ ). isto ´. Essa escolha de α garantiria convergˆncia r´pida. Confira a resposta usando c˜ c˜ desenhos. dentro desse intervalo. Uma das respostas ser´ o M´todo de Newton. apesar de estar claro em teoria que valor de α ´ nee cess´rio para o m´todo funcionar. que faz com que a derivada de ϕ no ponto fixo seja nula e ele seja ´ o super-atrator. b] e mostrar que. b] em particular satisfaz para x∗ . suponha que e consigamos isolar a raiz da fun¸ao num intervalo [a. 2 Ou seja α deve estar entre 0 e − f ′ (x∗ ) . e α=− 1 f ′ (x∗ ) . c˜ sua derivada f ′ (x) satisfaz −1 < 1 + αf ′ (x) < +1 para todo x no intervalo. Voltaremos ao assunto adiante. Em vez de usarmos a fun¸ao c˜ f (x) ϕ(x) = x − ′ ∗ . h´ a uma escolha preferencial. do qual falaremos no pr´ximo Cap´ a e o ıtulo. apesar de haver todo um intervalo de poss´ ıveis escolhas de α. n˜o ´ claro na pr´tica como proceder. f (x ) a qual n˜o podemos determinar por n˜o conhecermos x∗ . f ′ (x) Se x estiver pr´ximo de x∗ ent˜o f ′ (x) estar´ pr´ximo de f ′ (x∗ ). ´ c˜ 1 c˜ e vari´vel e igual a − f ′ (x) . mas o leitor atento pode perguntar: e a como escolher α em fun¸ao de f ′ (x∗ ) se para saber f ′ (x∗ ) precisamos conhecer x∗ . Ora. Em cada itera¸ao. METODOS ITERATIVOS Consideremos ent˜o o caso f ′ (x∗ ) = 0. Lembrando que nosso objetivo ´ achar α tal que −1 < 1+αf ′ (x∗ ) < +1. com o unico problema que α(x) = − f ′1 n˜o ´ cont´ ´ a e ınua onde a (x) derivada se anula. que ´ c˜ e justamente o que estamos procurando? A pergunta faz todo sentido pois.19 Verifique o intervalo de escolhas poss´veis de α para se calcular a raiz x∗ = π ı de f (x) = sen x usando a fun¸ao de itera¸ao ϕ(x) = x + α sen x. introduzida previamente. Exerc´ ıcio 9. o fator que multiplica f (x). Observe que essa fun¸ao ´ do tipo a ϕ(x) = x + α(x)f (x) .112 ´ CAP´ ITULO 9. e ent˜o estaremos prontos para usar esse a valor de α. pedir que |ϕ′ (x∗ )| seja menor do que 1 ´ o a e mesmo que pedir que −1 < 1 + αf ′ (x∗ ) < +1 .

21 Compare as fun¸oes de itera¸ao ϕ1 . seja a unica localizada estritamente entre 0 ´ e π (isso n˜o parece f´cil de se mostrar.8 A escolha de x0 Observe que para saber o qu˜o pr´ximo da raiz o ponto inicial x0 pode ser escolhido. basta multiplicar por α negativo e pequeno. 2 4. b] e que contenha a raiz. Determine qual extremo est´ mais pr´ximo de x∗ : x = 1 ou x = a o π 2? 2 5. x sen x + cos x + x2 1 . b] = [1. c˜ u ı ϕ1 (x) = cos x − 2x2 . π ].9. Se a derivada f ′ (x) for negativa. que chamaremos de x∗ . ϕ2 (x) = − cos x + x2 . c˜ . com o maior n´mero de casas decimais poss´veis. A ESCOLHA DE X0 Ent˜o tudo o que queremos ´ que a e −2 < αf ′ (x) < 0 . π ] (ser´ preciso investigar em detalhe o comportamento das derivadas 2 −x2 de e e cos x no intervalo considerado). podemos a o adotar o seguinte procedimento. e depois eventualmente encolher mais ainda o intervalo para que a derivada de f n˜o se anule. b] . 3. J´ se a derivada f ′ (x) for positiva e alta a em valor absoluto. ϕ2 . Ache a solu¸ao. no que diz c˜ c˜ respeito a efic´cia de se obter a solu¸ao da equa¸ao cos x = x2 (considerando-se condi¸oes ` a c˜ c˜ c˜ iniciais apropriadas). ϕ4 (x) = 8 sen x + 2x 9. para todo x ∈ [1. admitindo c˜ o fato de que essa raiz. ϕ3 (x) = x + (cos x − x2 ) . mas se quiser tente!).8. o que indica que a raiz procurada est´ no intervalo a 2 [a.20 Considere a equa¸ao f (x) = e−x − cos x = 0. 2 2. b] de forma que sua derivada n˜o se anule: ou a ´ sempre negativa ou ´ sempre positiva. x ∈ [a. Isso permitir´ escolher α e a c˜ a construir ϕ para fazer as itera¸oes. basta escolher α positivo e pequeno. O objetivo do exerc´cio ´ c˜ ı e trabalhar com uma fun¸ao ϕ(x) = x+αf (x) para achar a menor raiz positiva de f . Mostre que f (1) < 0 e f ( π ) > 0. a a 2 1. ϕ3 e ϕ4 dadas abaixo. para determinar a raiz com precis˜o de c˜ a 10−4 . Estime valores m e M tais que m ≤ f ′ (x) ≤ M a para todo x ∈ [1. Em primeiro lugar. Use o item anterior para escolher α de modo que −1 < ϕ′ (x) < 1. como comentado na Se¸ao anterior. mas muito alta em e e valor absoluto. 113 Em primeiro lugar. Exerc´ ıcio 9. π ]. temos que escolher [a. Use esse extremo como condi¸ao inicial e itere. usar o M´todo da Dicotomia para cercar um intervalo pequeno [a. Exerc´ ıcio 9.

logo x1 ∈ [a. absurdo. b] de forma a isolar a raiz e obter e que |ϕ′ (x)| ≤ λ < 1 em todo o intervalo. do qual falaremos no c˜ a e e pr´ximo Cap´ o ıtulo. Isso far´ com que a |xk+1 − x∗ | ≤ λ|xk − x∗ | . pois em [a. ent˜o ter´ a a ıamos |x1 − x∗ | > |x0 − x∗ |. pois todos eles estar˜o a uma distˆncia da raiz menor do que ue a a a distˆncia de b a essa raiz. b]. a a Se x1 > x0 ent˜o conclu´ a ımos que x∗ > x0 (logo o extremo direito do intervalo est´ mais a 1 pr´ximo da raiz). a o Isso n˜o garante. b]. pois se x∗ estivesse ` es.114 ´ CAP´ ITULO 9. METODOS ITERATIVOS Essas considera¸oes servir˜o tamb´m para o M´todo de Newton. e se isso n˜o acontea x0 x* x cer. O mesmo acontecer´ com os a termos seguintes da seq¨ˆncia. b Uma solu¸ao para esse obst´culo ´ tomar x0 como sendo o extremo do intervalo [a.x > x0 o a querda de x0 e x1 ` direita. Se x1 < x0 ent˜o conclu´ a ımos que x∗ < x0 . isto ´. b] (conclus˜o que pode ser obtida mesmo sem conhecermos x∗ ). no entanto. e ambos os extremos est˜o a igual a e a distˆncia dela. b]. x* a x0 = a+b 2 x 1 b x 1 a x* x0 = a+b 2 b Se porventura x1 = x0 . Ent˜o a a a a a basta ver se x1 cai ` direita ou ` esquerda de x0 . a sabemos que a distˆncia de x1 ` raiz x∗ ser´ menor do que a distˆncia de x0 a x∗ . O argumento ´ o mesmo que no x < x0 e 1 caso anterior. que x1 esteja a dentro do intervalo [a. O truque ´ o seguinte: olhamos para o ponto a o e m´dio do intervalo e chamamos esse ponto de x0 (pelo menos provisoriamente: o chute inicial e x0 ser´ de fato o extremo do intervalo que estamos tentando determinar). Por exemplo. a S´ que esse racioc´ o ınio s´ funcionar´ na pr´tica se soubermos determinar qual extremo o a a do intervalo [a. O importante ´ conseguir o intervalo [a. Tomando x0 = b. teremos |x1 − x∗ | < |b − x∗ |. b] a distˆncia ` raiz deve diminuir! Note que o ara a gumento funciona mesmo que x1 caia fora do intervalo [a. a Observe que o problema n˜o termina neste ponto. b]. b] est´ mais pr´ximo da raiz. o e |b − x∗ | < |a − x∗ | . b] que c˜ a e esteja mais pr´ximo da raiz x∗ . n˜o poderemos mais saber se x2 se aproa 1 ∗ ximar´ de x mais do que x1 (vide figura ao a a lado). ent˜o x0 ´ a raiz (prove!). Calculando x1 . ent˜o teremos certeza que x1 c˜ a estar´ mais pr´ximo da raiz x∗ do que x0 . suponha que b seja esse extremo. com a condi¸ao sobre a derivada satisfeita. Uma vez escolhido x0 dentro do a intervalo [a. a . se xk estiver em [a.

. e e Como estamos supondo que f ´ mon´tona. Isto significa c˜ a que gostar´ ıamos de encontrar um valor x tal que a verdadeira raiz x∗ esteja no intervalo ¯ [¯ − p. Alguns crit´rios de parada. Os iterados x6 e x7 foram a rigor desnecess´rios. e para cada iterado xk calcular f (xk − p)f (xk + p) .. Se esse produto for negativo. e Para exemplificar. x5 = 1. ent˜o nada mais temos a fazer do que iterar a fun¸ao auxiliar ϕ. Os crit´rios de parada s˜o c˜ e a importantes primeiramente por raz˜o de coerˆncia (imagine uma extensa lista de ra´ sendo a e ızes calculadas numericamente. no entorno da raiz. Como f (1. obtendo valores a c˜ x0 . a fun¸ao ´ e c˜ e mon´tona. UM CRITERIO DE PARADA 115 9. xk . x + p] (a interpreta¸ao do que significa exatamente a precis˜o p varia de acordo com x ¯ c˜ a o gosto do freguˆs.2668. regras para se considerar um determinado iterado a e e xk como a aproxima¸ao desejada para a raiz procurada x∗ . esta ´ a que adotaremos neste livro). faremos as contas com todas os algarismos significativos da calculadora. Partindo de x0 = 0. .2787.27) > 0 e f (1. Ent˜o x1 = 2.29) < 0 ent˜o podemos considerar a aproxima¸ao x = 1. o e a e ou seja. ¯ ¯ Bom. Usaremos ϕ(x) = e−x + 1 como fun¸ao auxiliar. Observe que a c˜ ¯ pelo crit´rio de parada j´ poder´ e a ıamos parar em x5 . . fornecem tamb´m a margem e e de erro da aproxima¸ao.2817. mas se tivermos que ıvel a automatizar para um programa de computador conv´m tomar certos cuidados. e se fixarmos xk talvez queiramos arredondar para uma casa decimal compat´ com a precis˜o desejada. c˜ O crit´rio do qual falaremos aqui funciona quando. ent˜o podemos considerar xk como sendo a aproxima¸ao desea c˜ jada. x4 = 1. isso s´ acontecer´ se f assumir sinais opostos e o o a em x − p e x + p.´ 9. x3 = 1. que tem unica raiz (veja isto esbo¸ando o ´ c gr´fico!). Isso pode ser feito com bom senso. . Temos que usar no m´ ınimo um n´ mero de u casas decimais compat´ com a precis˜o desejada.28. ´ preciso uniformizar a maneira de encontr´-las). para achar a raiz x∗ com precis˜o a c˜ a p = 10−2 . a x2 = 1.9 Um crit´rio de parada e Existem v´rios crit´rios de parada. Suponha que queiramos determinar uma aproxima¸ao de x∗ com precis˜o p. como aquele que vamos ver aqui. x1 .2776. se x1 < x∗ < x2 ent˜o os valores de f (x1 ) e f (x2 ) tˆm sinais opostos. por exemplo 4 parece ser razo´vel.3213. f (x1 )f (x2 ) < 0 . e a . isto ´. .9. a fim de minimizar os erros. no entanto ao arredondarmos para 1. ´ E claro que devemos prestar um pouco de aten¸ao para o n´ mero de casas decimais que c˜ u usamos nas contas. e em segundo e a lugar para automatizar os procedimentos. Neste ıvel a a caso. x7 = 1.28 conv´m fazer o teste novamente. seja f (x) = e−x − x + 1 = 0. isto ´. . e cada etapa arredondaremos para a quarta casa decimal. obtemos os iterados.1353. x6 = 1. .

116 ´ CAP´ ITULO 9. METODOS ITERATIVOS .

A unica reta com inclina¸ao f ′ (xk ) que passa por (xk . notamos o e e que a inclina¸ao da reta tangente ao gr´fico de f no ponto (xk . o M´todo de Newton consiste em fazer a itera¸ao e c˜ xk+1 = xk − f (xk ) .Cap´ ıtulo 10 O M´todo de Newton e Como j´ mencionado no Cap´ a ıtulo anterior. f( xk ) f x* xk xk+1 Vejamos como a f´rmula acima se relaciona com esta id´ia geom´trica. f (xk )) ´ dada pela derivada c˜ a e f ′ (xk ). Para isso. ou xk+1 = xk − 117 f (xk ) . f (xk )) ´ dada por ´ c˜ e y = f (xk ) + f ′ (xk )(x − xk ) . isto ´ e e 0 = f (xk ) + f ′ (xk )(xk+1 − xk ) . f ′ (xk ) a partir de uma condi¸ao inicial bem escolhida x0 . O ponto xk+1 ´ definido como o valor de x para o qual y = 0. tem uma forte inspira¸ao geom´trica: c˜ e olhamos para a reta tangente ao gr´fico de f a no ponto (xk . f ′ (xk ) . A maneira de achar x1 em fun¸ao de x0 . e c˜ igualmente depois de achar xk+1 em fun¸ao c˜ de xk . f (xk )) e definimos xk+1 como sendo o ponto de encontro dessa reta com a abscissa. e assim obter aproxima¸oes sucessivas de c˜ c˜ alguma raiz x∗ de f .

7144176 19. n xn x3 n 0 3 27 1 2. 3x2 k Em primeiro lugar “chutamos” o valor de x0 .0056 3 2. .7144176 19. e assim por diante. O METODO DE NEWTON desde que f ′ (xk ) = 0 (hip´tese que assumiremos gratuitamente. A partir de x1 calculamos x2 .9999996 Surpreendente! Em poucos iterados chega-se a um valor com precis˜o de muitas casas decia mais! Podemos testar a precis˜o desse valor usando o mesmo princ´ do M´todo da Dicotomia. pois um arredondamento foi ´ a e efetuado. . Ent˜o verificamos a a se os n´ meros f (2. . 10. Ora. e Para f (x) = x3 − 20 temos f ′ (x) = 3x2 .1 Quando o M´todo de Newton funciona? e Ser´ que o M´todo de Newton sempre funciona? Ser´ que qualquer chute inicial levar´ a a e a a uma seq¨ˆncia x1 .71441753 − 20 = −0. por exemplo x0 = 3.7144177) tˆm sinais opostos. u e f (2. a ıpio e Por exemplo. x4 . . 3 · 32 27 ´ E claro que a ultima igualdade n˜o ´ de fato uma igualdade. para compararmos e com o M´todo da Dicotomia. convergindo ` raiz x∗ procurada? ue a . ent˜o a f´rmula de itera¸ao fica a o c˜ xk+1 = xk − que neste caso pode ser simplificada para xk+1 = 2x3 + 20 k .7144177) = 2.7144175) = 2.7144175) e f (2. o A t´ ıtulo de exemplo apliquemos o m´todo no exemplo f (x) = x3 − 20.71441773 − 20 = 0.118 ´ CAP´ ITULO 10. Os resultados se encontram na tabela abaixo. e obtemos x1 : x1 = 74 2 · 33 + 20 = = 2.0000018 > 0 .0000001 . . donde conclu´ ımos que √ 3 20 = 2.9999996 4 2.7144176 ± 0. 3x2 k x3 − 20 k .0000026 < 0 e f (2. Neste exemplo. x2 . para facilitar os argumentos). usaremos 7 casas decimais depois da v´ ırgula.0000001. x3 . .7407407 20. queremos saber se essa resposta tem precis˜o de 0. xk .7146696 20.6 2 2.7407407 . .

s´ poder´ convergir para uma das ue o a ra´ ızes! A outra fatalmente ser´ esquecida. . . x2 . mais r´pida do que qualquer a e a a a seq¨ˆncia geom´trica. . . Exerc´ ıcio 10. . Na hip´tese de que f ′ (x∗ ) = 0 e que a condi¸ao inicial x0 seja escolhida suficienteo c˜ mente perto da raiz ent˜o a convergˆncia ser´ bastante r´pida.5x = 0 4. . . a seq¨ˆncia x1 . a convergˆncia ´ (no m´ ue e e e ınimo) quadr´tica.´ 10. calculada na raiz x∗ . −2 + 3x = e−x 2. . obtemos c˜ ϕ′ (x) = f (x)f ′′ (x) .1x + 0. usando as regras usuais de deriva¸ao. segue que ϕ′ (x∗ ) = 0. f ′ (x)2 e como f (x∗ ) = 0. porque teremos uma divis˜o “zero sobre zero”. Esse caso ser´ analisado na pr´xima Subse¸ao. x4 . Mais ainda. com derivada cont´ c˜ a ınua.1. devemos examinar como f se comporta perto da raiz (infelizmente. . vale a a o c˜ a pena fazer alguns exerc´ ıcios. . . De fato. Para qualquer escolha de x0 . pode se afastar! Veja um exemplo na figura ao lado. a seq¨ˆncia ue x1 . x2 . x2 . xn . f x* x0 x 1 No entanto. . QUANDO O METODO DE NEWTON FUNCIONA? 119 Se formulada a pergunta desse jeito. a resposta ´ n˜o! Vejamos dois argumentos bastante e a simplistas para justificar o porquˆ. a o c˜ c pediremos sempre que f seja uma fun¸ao diferenci´vel. f (x) = x2 − 4. . . . x3 . . convergir´ para x∗ ”. Antes disso. . se usarmos os rea sultados deduzidos no Cap´ ıtulo anterior: basta mostrar que a derivada da fun¸ao de itera¸ao c˜ c˜ f ϕ(x) = x − f ′(x) .3x4 + 0. x3 . No caso f ′ (x∗ ) = 0 n˜o podemos aplicar o racioc´ a ınio diretamente. x4 . (x) Ora. e O primeiro: imagine uma fun¸ao com duas ra´ c˜ ızes. x5 + 3x2 − x + 1 = 0 3. por exemplo. 0.1 Use o M´todo de Newton para resolver as seguintes equa¸oes: e c˜ 1. . xn . Por exemplo. . . x4 .3x4 − x3 − x2 − 2x + 2 = 0 . vale zero. O “quase o a ue a sempre” se refere `s hip´teses que devemos exigir que a fun¸ao f satisfa¸a. e isso pode acontecer quando menos esperarmos! a O segundo: mesmo que s´ haja o uma raiz x∗ e que x0 esteja “razoavelmente perto” dela. xn . cos x + 0.2x3 + x2 + 0. quase sempre podemos garantir que “se x0 for escolhida suficientemente pr´xima de x∗ ent˜o a seq¨ˆncia x1 . x3 . . 0.5 = 0 5. nem sempre isso ´ poss´ e ıvel sem se conhecer a raiz!!).

A fun¸ao ψ pode ser a fun¸ao de itera¸ao de M´todo de Newton aplicado a fun¸ao f c˜ c˜ c˜ e ` c˜ acima. qual ser´ o menor valor de k para o qual c˜ a xk < 10−20 ? Exerc´ ıcio 10. 1. o que acontece com a seq¨ˆncia x0 .7 Considere a fun¸ao f da figura abaixo. y) = (1. (iii) x0 = 1. x1 = ψ(x0 ).2 Considere a fun¸ao ψ cujo gr´fico est´ mostrado na figura acima.120 Aten¸ao: alta probabilidade de pegadinhas.0. para cada uma das cinco possibilidades: ue (i) x0 = 0. Exerc´ ıcio 10. a curva passa por (x. (v) x0 = 2. . Se usarmos o M´todo de Newton c˜ e para essa fun¸ao. y) = (0. ` e Exerc´ ıcio 10. que tem unica raiz x∗ = 0.3 Esboce uma fun¸ao que tenha ra´zes a e b (com a < b). qual ´ o valor de c? e Exerc´ ıcio 10.4 Encontre numericamente o valor de x tal que e−x = x. justificando (pode usar desenhos nas justificativas!). (iv) x0 = 2. Exerc´ ıcio 10. (ii) x0 = 1.6 Considere f (x) = x5 . a direita? Dˆ duas justificativas essencialmente diferentes para sua resposta. . .0. 2. isto ´. mas para o qual c˜ ı exista uma condi¸ao inicial x0 entre a e b tal que o M´todo de Newton produza um resulc˜ e tado divergente (apesar de o M´todo estar bem definido para x0 e todos os seus iterados e posteriores). Justifique sua resposta da melhor forma que puder. c˜ ´ CAP´ ITULO 10. . Se o M´todo de Newton ´ e for aplicado a partir da condi¸ao inicial x0 = 1.5. c 2 Repare que g(0) = 0. Se a curva tamb´m passa por e e (x. .7. a esc˜ a a ` querda. 0). 1). O METODO DE NEWTON 2 ψ 2 1 1 1 2 1 2 f Exerc´ ıcio 10. teremos que considerar iterados de c˜ ϕ(x) = x − f (x) .2. . . Descreva. xk = ψ k (x0 ).5 Considere a caten´ria dada por a g(x) = 1 (cosh(cx) − 1) . com precis˜o a −7 p = 10 . f ′ (x) .

′ (x) f 2ax que a princ´ ıpio n˜o estaria definida em x = 0. essas considera¸oes levam a crer que quando f ′ (x∗ ) = 0 o M´todo de Newc˜ e ton ainda funciona. as itera¸oes s˜o tomadas fora do a c˜ a zero. mas a velocidade de convergˆncia passa a ser mais lenta (de quadr´tica e a passa a ser apenas geom´trica). ordenada.1. QUANDO O METODO DE NEWTON FUNCIONA? 121 Esboce o gr´fico de ϕ. N˜o a c˜ e e a esque¸a de desenhar: abscissa. Para facilitar os argumentos.1. n 1 a a e e e portanto 1 − n ser´ a raz˜o da convergˆncia geom´trica. mas a derivada de f na raiz ´ nula. vejamos o que acontece com alguns exemplos. com base na intui¸ao geom´trica sobre o M´todo de Newton. No entanto. At´ que ponto isso pode ser generalizado? e e A melhor maneira de compreender o que se passa ´ por meio de polinˆmios de Taylor (vide e o o Apˆndice C para uma revis˜o sobre o assunto). a express˜o pode ser simplificada de modo a a e a esconder o problema: x ϕ(x) = . que significa que a seq¨ˆncia de iterados ir´ e 2 1 convergir para a raiz zero ` raz˜o geom´trica de 2 . ent˜o teremos a ϕ(x) = (1 − 1 )x . e pode ser substitu´ por uma hip´tese bem mais fraca. Aparentemente. b e c. que tem raiz em x = 0.´ 10.1 Retirando a hip´tese f ′ (x∗ ) = 0 o A hip´tese de que a derivada de f seja diferente de zero na raiz x∗ n˜o ´ necess´ria para se o a e a mostrar convergˆncia. diagonal e os pontos a. c f a b c 10. desde que o e ıda o chute inicial x0 esteja suficientemente pr´ximo de x∗ . a a e Se considerarmos f (x) = axn . suporemos e a . 2 ue a Agora a derivada de ϕ no zero de f ´ igual a 1 . Consideremos f (x) = ax2 . o Antes de deduzir resultados gerais. onde ϕ est´ bem definida. Al´m disso. e Montando a fun¸ao de itera¸ao do M´todo de Newton obtemos c˜ c˜ e ϕ(x) = x − f (x) ax2 =x− .

. e colocando (x − x∗ ) em evidˆncia no lado direito da equa¸ao. podemos montar a fun¸ao de itera¸ao ϕ. denota a presen¸a de um resto que vai a zero mais rapidamente do que c (x − x∗ )n quando x tende a x∗ . m! onde r1 (x) vai a zero quando x tende a x∗ . a a a Para a maioria das situa¸oes. que pode ser c˜ a a 2 ou mais. o c˜ . o quociente dos dois vai a zero. e c˜ obtemos 1 1 + r1 (x) ϕ(x) − x∗ = (x − x∗ ) 1 − . . A expans˜o de f em torno de x∗ ´ assim c˜ a e escrita: f (x) = f (x∗ ) + f ′ (x∗ )(x − x∗ ) + f ′′ (x∗ ) f (n) (x∗ ) (x − x∗ )2 + . m 1 + r2 (x) Subtraindo x∗ dos dois lados. f (x) = m! o((x − x∗ )m ) f (m) (x∗ ) (x − x∗ )m 1 + (m) ∗ m! f (x ) (x − x∗ )m . f (m) (x∗ ) (x − x∗ )m + o((x − x∗ )m ) . c˜ o o primeiro termo n˜o nulo ser´ de ordem m − 1. usando essas express˜es no lugar c˜ c˜ o de f (x) e f ′ (x): 1 1 + r1 (x) ϕ(x) = x − (x − x∗ ) . Desta vez. de ordem m. ou c em outras palavras. O METODO DE NEWTON que a fun¸ao f pode ser diferenciada infinitamente. os dois e primeiros termos ser˜o nulos. necessariamente. m 1 + r2 (x) S´ que o quociente envolvendo r1 e r2 tende a 1. a fun¸ao f ′ (x) pode ser expressa na sua f´rmula de Taylor. e estamos supondo que f tem derivada nula em x∗ . ent˜o o a ϕ(x) − x∗ x − x∗ 1 e a o e e e tende a 1 − m . m! Como o((x − x∗ )m ) tem ordem mais alta do que (x − x∗ )m . Esta ´ a raz˜o assint´tica de convergˆncia geom´trica do M´todo de Newton.122 ´ CAP´ ITULO 10. J´ a derivada segunda pode ou n˜o ser nula. e assim podemos escrever f (x) = f (m) (x∗ ) (x − x∗ )m (1 + r1 (x)) . Da mesma forma. que s´ depende da ordem m da fun¸ao f em x∗ . Como x∗ ´ a raiz de f . podemos escrever f como f (x) = ou ainda. e teremos a a f ′ (x) = m f (m) (x∗ ) (x − x∗ )m−1 (1 + r2 (x)) . Posto tudo isso. + (x − x∗ )n + o((x − x∗ )n ) . Assim. m! onde r2 (x) vai a zero quando x tende a x∗ . haver´ um primeiro termo n˜o nulo. 2 n! onde o((x − x∗ )n ) indica a presen¸a de termos de ordem mais alta do que (x − x∗ )n .

. O ponto x(k) era definido pelo encontro dessa reta com o zero. . xn ) = 0 f2 (x1 . R1 ´ uma fun¸ao de Rn em Rn (assim como F ) e DF (x) ´ a matriz jacobiana e c˜ e no ponto x. Isto ´ o mesmo que aproximar f ı e pela sua expans˜o em Taylor de ordem 1: a f (x) = f (x(k) ) + f ′ (x(k) )(x − x(k) ) + R1 (x) . x2 . . Portanto. . devemos examinar com cuidado a motiva¸ao do m´todo em dimens˜o 1. xn ) = (f1 (x1 . . . . ∂x1 ∂x1 ∂x2 n  ∂f2 ∂f2  ∂f  ∂x1 ∂x2 .2 M´todo de Newton em dimens˜es mais altas e o Suponha que F : Rn → Rn seja uma fun¸ao diferenci´vel e estejamos procurando um ponto c˜ a x∗ tal que F (x∗ ) = 0. isto ´. . . a e a a por exemplo. Ent˜o achar um zero de F ´ achar uma solu¸ao para o sistema de equa¸oes a e c˜ c˜ f1 (x1 . que resulta em outro vetor. . .  . . xn ) e num elemento de Rn . . . . o e c˜ A expans˜o em Taylor ´ igualmente v´lida em dimens˜o mais alta. . . . . . isto ´ e  ∂f  ∂f1 ∂f 1 . . . xn ) = 0 que n˜o ´ necessariamente linear. c˜ e a Para definir x(k+1) em fun¸ao de x(k) . . . observe que F leva (x1 . xn )) . mas ignorando R1 . e F (x1 . .  ∂fn ∂fn ∂fn . . Para primeira ordem. .´ ˜ 10. que pode ser explicitado por cada uma de suas componentes. xn ). . . METODO DE NEWTON EM DIMENSOES MAIS ALTAS 123 10. . . fn (x1 . . . . Esse ´ o an´logo multidimensional do problema que vimos discutindo e a at´ agora. . . .   . ∂x2  n  . . fn (x1 . . e a f´rmula do M´todo de Newton foi obtida isolando-se x(k+1) nessa equa¸ao. quando x ∈ Rn ). o termo DF (x(k) )(x − x(k) ) ´ a multiplica¸ao de uma matriz e c˜ por um vetor (coluna). . ∂xn ∂x1 ∂x2 sendo que por economia de espa¸o fica impl´ c ıcito que cada uma das derivadas parciais ´ e calculada no ponto x. . . . a e Para generalizar. xn ) = 0 . . onde x ∈ Rn . Se ao leitor o problema parece muito abstrato. DF (x) =  .2. . podemos escrever F (x) = F (x(k) ) + DF (x(k) )(x − x(k) ) + R1 (x) . . . . ou seja 0 = f (x(k) ) + f ′ (x(k) )(x(k+1) − x(k) ) . . . passamos uma reta por x(k) com a mesma inclina¸ao c˜ c˜ que a derivada de f em x(k) (usaremos essa forma de indexar para n˜o confundir com o a ´ndice que indica as coordenadas de x.

pela quantidade de c´lculos a serem e ılio a feitos.3.124 O resto R1 tem a propriedade de que lim ´ CAP´ ITULO 10. porque afinal n˜o faz sentido a dividir por vetores. a c˜ e solu¸ao de um sistema n˜o-linear ´ um encontro de hipersuperf´ c˜ a e ıcies em Rn . Quanto ao chute inicial. Bom. x − x(k) tomando-se o cuidado de tomar a norma no denominador. Para definir x(k+1) . uma corda ou corrente pendurada assume o formato do c˜ gr´fico da fun¸ao a c˜ 1 cosh(cx) . e Exerc´ ıcio 10. principalmente porque e e pode haver mais do que uma intersec¸ao entre as curvas. 10. isso ´ um problema. mas mesmo assim deve-se prestar bastante aten¸ao para o chute da condi¸ao inicial. a matriz de coc˜ e e o eficientes ´ a matriz jacobiana DF (x(k) ) e o vetor de termos independentes ´ dado por e e DF (x(k) )x(k) − F (x(k) ).2. Observe que essa equa¸ao ´ um sistema linear. Assim como a solu¸ao de um sistema linear ´ um encontro de hiperplanos em Rn . Para n = 2. precisamos acrescentar um parˆmetro h. ignoramos R1 e igualamos a aproxima¸ao de primeira ordem a zero: c˜ 0 = F (x(k) ) + DF (x(k) )(x(k+1) − x(k) ) .2. por exemplo) e do comprimento da corda entre os dois pontos.8 Achar numericamente a intersec¸ao das curvas dadas por x2 + y 2 − 1 = 0 c˜ (um c´rculo!) e 1 x4 +3(1−cos y)2 −1 = 0. pelo menos organize uma estrat´gia baseada ı e 2 no M´todo de Newton. c˜ c˜ que pode freq¨ entemente levar o m´todo a divergir. se quisermos deslocar a corda na vertical. que ser´ somado ` express˜o acima. e .1 Determina¸˜o da forma de uma corda ca Uma aplica¸ao interessante do M´todo de Newton em dimens˜o 3 ocorre na determina¸ao c˜ e a c˜ do formato de uma corda a partir das coordenadas de dois pontos (podem ser os pontos de sustenta¸ao. os hiperplanos s˜o retas e as hipersuperf´ a ıcies s˜o curvas. c˜ DF (x(k) )x(k+1) = DF (x(k) )x(k) − F (x(k) ) . Sugere-se fazer o seguinte exerc´ a ıcio para fixar id´ias. onde x(k+1) ´ a inc´gnita. a No entanto. O METODO DE NEWTON x→x(k) R1 (x) =0. ou seja. De modo geral. c conhecida como caten´ria. u e Como vimos na Subse¸ao 4. e se quisermos a a a a deslocar a corda horizontalmente em a unidades ent˜o devemos trocar x por x − a. assume-se a´ que a origem das coordenadas esteja uma unidade abaixo do ı ponto mais baixo da corda. A implementa¸ao c˜ c˜ desta id´ia deve ser feita com o aux´ do computador. de modo a que 1 f (x) = cosh(c(x − a)) + h c ´ a maneira mais geral de se representar o formato da corda.

METODO DE NEWTON EM DIMENSOES MAIS ALTAS 125 Se nosso modelo pretende ser consistente. y0 ) e (x1 . e logo l= x0 1 + sinh2 t = cosh2 t . Ou seja. e e c˜ ıvel portanto f . Ent˜o c˜ a y0 = e 1 cosh(c(x0 − a)) + h c 1 cosh(c(x1 − a)) + h .2. c O comprimento da corda entre os pontos de sustenta¸ao ser´ chamado de l. deveria prever exatamente a forma da corda. Como c˜ o f ′ (x) = sinh(c(x − a)) .3 adiante. e Com isso. com essas trˆs informa¸oes deveria ser poss´ determinar c. Sejam (x0 . obtivemos um sistema n˜o-linear de trˆs equa¸oes e trˆs inc´gnitas: a e c˜ e o  c(y0 − h) − cosh(c(x0 − a)) = 0  c(y1 − h) − cosh(c(x1 − a)) = 0  lc + sinh(c(x0 − a)) − sinh(c(x1 − a)) = 0 . c O sistema pode ser resolvido numericamente pelo M´todo de Newton. a e h. desde que informemos dois pontos de sustenta¸ao e o comprimento total da corda entre os c˜ dois pontos. x1 cosh(c(x − a))dx = 1 {sinh(c(x1 − a)) − sinh(c(x0 − a))} . Portanto c˜ a y1 = x1 l= x0 1 + f ′ (x)2 dx (ver Se¸ao 13. para uma justificativa desta f´rmula). y1 ) os pontos de sustenta¸ao.´ ˜ 10.

O METODO DE NEWTON .126 ´ CAP´ ITULO 10.

Parte IV Interpola¸˜o Polinomial ca 127 .

.

z0 ). f (t1 )). a Imagine que utilizemos a interpola¸ao polinomial como uma maneira de “aproximar” c˜ uma fun¸ao. f (t0 )) e (t1 . . . < tk−1 < tk = tR . Mais precisamente. f (t1 )). quando usaremos alguns conceitos aqui expostos. . tR ] → R uma fun¸ao (cuja regularidade s´ c˜ c˜ o especificaremos adiante) e uma parti¸ao de seu dom´ c˜ ınio tL = t0 < t1 < t2 < . Veja na figura abaixo. . que ser´ importante na Parte seguinte a do livro. z1 ). (tk . . .. zk ). como devem ser f e p (` esquerda) e a F (` direita). Como p(t0 ) = f (t0 ) e p(t1 ) = f (t1 ). a Aos k + 1 pontos (t0 . Para k = 1 a c˜ c parti¸ao tem que ser tL = t0 < t1 = tR . para cada ponto t do a e c intervalo [tL . usaremos t como vari´vel (no lugar de x). qu˜o grande ´ a diferen¸a f (t) − p(t). f (t0 )). f (tk )) podemos interpolar um polinˆmio o p(t) de grau k. Tudo isso justamente para n˜o fazermos a confus˜o na Parte V. (t1 .7) da interpola¸ao de um polinˆmio de grau a a c˜ c˜ o k a k + 1 pontos dados (t0 .5 e A. esquematicamente. . n˜o necessariamente a intervalos regulares. A pergunta ´: quanto se perde ao se trocar f (t) pelo polinˆmio e´ e o interpolador p(t)? Ou seja. . onde falaremos de integra¸ao de fun¸oes. que ´ unico. e o polinˆmio interpolador ´ a fun¸ao afim cujo c˜ o e c˜ gr´fico passa por (t0 . (t1 . seja f : [tL . valores z (no lugar de a y) e pontos indexados de 0 a k (no lugar de n). ent˜o F se anula a a em t0 e t1 .Cap´ ıtulo 11 Estimativa do erro nas interpola¸˜es co Voltemos ` quest˜o (abordada nas Se¸oes 1. (tk . c˜ c˜ Nesta Parte do livro. Assumiremos sempre que tL < tR e que k ≥ 1. a 129 . tR ]? Vejamos primeiro como deve ser a fun¸ao diferen¸a F (t) ≡ f (t) − p(t)..

onde p tem que ser um polinˆmio c˜ o quadr´tico. . t1 . ESTIMATIVA DO ERRO NAS INTERPOLACOES ¸˜ p t0 t0 t1 f t1 F Pelas mesmas raz˜es. Veja na figura abaixo uma situa¸ao com k = 2. sabendo de antem˜o que S(t) pode se anular em a t0 . Ela pode at´ se anular em outros pontos.130 CAP´ ITULO 11. para valores quaisquer de k. . tk . seria algo assim (para k = 4): . A forma de S e −S. a 1 0 1 0 f 1 0 1 0 1 0 1 0 p F 1 0 1 0 11 00 11 00 1 0 1 0 t0 t1 t2 t0 t1 t2 Se p e f n˜o diferem nos pontos da parti¸ao. tk da parti¸ao. tR ]. mas n˜o ´ necess´rio que c˜ e a e a isto ocorra. a fun¸ao F se anula em todos os pontos o c˜ t0 . . em linha pontilhada. quanto ser´ a diferen¸a para os demais a c˜ a c valores de t? Para responder.. t1 . . . . tentaremos definir uma fun¸ao (n˜o-negativa) S(t) tal que c˜ a −S(t) ≤ F (t) ≤ S(t) (ou |F (t)| ≤ S(t)) para todo t ∈ [tL . .

O polinˆmio e o q(t) = (t − t0 )(t − t1 ) . o a onde c ´ uma constante positiva. e a e o Como a derivada (k + 1)-´sima de um polinˆmio de grau k ´ zero.tR ] (k + 1)! max |q(t)| . satisfaz a condi¸ao pedida. (k + 1)! onde F (k+1) (s) indica a derivada (k + 1)-´sima de F em s. s∈[tL . De fato. tR ] existe um outro ponto s = st (st indica a dependˆncia de s em rela¸ao a t) tal que e c˜ F (t) = F (k+1) (s) q(t) . e Como conseq¨ˆncia dessa afirma¸ao. que possa ser calculado a partir de algum conhecimento sobre a fun¸ao c˜ f. c˜ O que faremos agora ´ mostrar que uma tal estimativa ´ poss´ e e ıvel. onde p(t) ´ polinˆmio de grau k. . Al´m disso. e al´m do mais apree sentar um valor de c. (t − tk ) . . n˜o devemos esquecer que F (t) = f (t) − p(t). para cada t ∈ [tL . Uma tentativa ´ olhar para um e polinˆmio n˜o-nulo q(t) de grau k+1 que se anule nos pontos t0 . . teremos que ue c˜ |F (t)| ≤ F (k+1) (s) s∈[tL .tR ] (k + 1)! max |q(t)| . . logo |F (t)| ≤ e podemos tomar c = max f (k+1) (s) . ent˜o e o e a F (k+1) = f (k+1) . . que implicar´ automaticamente o que a queremos. . . mostraremos um resultado mais forte. Provaremos que. por exemplo.tR ] (k + 1)! f (k+1) (s) s∈[tL .131 S 1 0 1 0 1 0 1 0 1 0 1 0 F − S 1 0 1 0 11 00 11 00 t0 t4 t1 t2 t3 ´ E claro que S deveria ser do tipo mais simples poss´ ıvel. tk e tomar S(t) = c|q(t)|.

Ent˜o nos bastar´ o e a a demonstrar que existe s = st tal que q (k+1) (s)F (t) − F (k+1) (s)q(t) = 0 . Tendo em vista que os resultados deste Cap´ ıtulo ser˜o usados no Cap´ a ıtulo 16. ent˜o G a e a se anula em pelo menos k + 2 pontos distintos. temos que G se anula em 2 pontos e. como quer´ ıamos demonstrar. mas a c˜ a pode haver exce¸oes. pois e G(t) = q(t)F (t) − F (t)q(t) = 0 . Para isso definimos a fun¸ao c˜ G(s) = q(s)F (t) − F (s)q(t) . Resta-nos assim provar a c˜ afirma¸ao quando t n˜o ´ nenhum desses pontos. Pelo Teorema do Valor M´dio. . entre cada par e consecutivo de pontos onde G se anula h´ um ponto onde a derivada de G se anula. finalmente. . pois F e q se anulam c˜ e a nesses pontos. queremos apenas mostrar que existe s onde G(k+1) se anula. . pois o polinˆmio q tem grau (k + 1) e o coeficiente de tk+1 ´ igual a 1. . Desta maneira. mas G tamb´m se anula em s = t. . G′′ se (k) anula em pelo menos k pontos. resumimos a estimativa obtida (com a nota¸ao j´ exposta): c˜ a |f (t) − p(t)| ≤ c|q(t)| . t1 . A afirma¸ao ´ trivialmente v´lida se t for um dos pontos t0 . E o que ocorre com a maioria das fun¸oes com que nos deparamos na pr´tica. tk . . . Como estamos interessados no caso em que t n˜o ´ nenhum dos pontos t0 . Acontece que G ´ uma fun¸ao que se anula em todos os pontos t0 . fazemos a constata¸ao esperta de que (k+1)! ´ a (k+1)-´sima derivada c˜ e e de q. neste racioc´ a ınio. tk . Pelo mesmo racioc´ ınio. . . t1 . Continuando indutivamente. pois tanto q e c˜ como F se anulam nesses pontos. que diz que para cada t em [tL . c˜ a e Em primeiro lugar. .132 CAP´ ITULO 11. que G(k+1) se anula em 1 ponto. Portanto a G′ se anula. tR ] existe um o c˜ s neste mesmo intervalo tal que (k + 1)!F (t) = F (k+1) (s)q(t) . lembrando que t est´ fixo. ESTIMATIVA DO ERRO NAS INTERPOLACOES ¸˜ ´ E claro que esta resposta s´ ´ poss´ se f for uma fun¸ao pelo menos (k + 1) vezes difeoe ıvel c˜ ´ renci´vel.tR ] (k + 1)! max . tk . c˜ Finalmente s´ nos falta provar a afirma¸ao. obrigatoriamente. onde c= e q(t) = (t − t0 )(t − t1 ) . f (k+1) (s) s∈[tL . t1 . . . e os dois lados da equa¸ao ficam iguais a zero. . (t − tk ) . em pelo menos k + 1 pontos. .

. Portanto. . .5 de redu¸ao a um sistema linear.. o Agora observe que a soma de polinˆmios de grau k ´ um polinˆmio de grau k. em t0 ele vale (t0 −t1 )(t0 −t2 ) · · · (t0 −tk ). . podemos definir. c1 em t1 . Analogamente.Cap´ ıtulo 12 T´cnicas de interpola¸˜o e ca Neste Cap´ ıtulo apresentaremos duas t´cnicas de interpola¸ao que servem como alternativas e c˜ ao m´todo j´ descrito na Se¸ao 1. Essa ´ uma maneira de achar o polinˆmio interpolador sem resolver nenhum sistema linear! e o Os polinˆmios Li s˜o conhecidos como polinˆmios de Lagrange. . zk nos pontos t0 . Al´m disso. . um polinˆmio Li (t) de grau k que vale 1 em ti e zero nos demais pontos. .. ck em tk . . ..2 Forma de Newton J´ vimos duas maneiras de fazer uma interpola¸ao polinomial: atrav´s de um sistema linear. + ck Lk (t) ´ um polinˆmio de grau k. e e portanto o polinˆmio o L0 (t) = (t − t1 )(t − t2 ) · · · (t − tk ) (t0 − t1 )(t0 − t2 ) · · · (t0 − tk ) vale 1 em t0 e zero nos demais pontos t1 . o a o 12. . para cada ti . . . . tk basta tomar os ci ’s o iguais aos zi ’s: p(t) = z0 L0 (t) + z1 L1 (t) + . que vale c0 em t0 . e a c˜ c˜ 12. . Considere o polinˆmio o que tem grau k e se anula em t1 . tk . . se quisermos e o achar um polinˆmio de grau k que valha z0 . . . e cada ponto o a o 133 . logo o e o c0 L0 (t) + c1 L1 (t) + . tk . a c˜ e onde as inc´gnitas s˜o os coeficientes do polinˆmio que se quer determinar. . . .1 Polinˆmios de Lagrange o (t − t1 )(t − t2 ) · · · (t − tk ) . + zk Lk (t) . .

tem grau zero e ´ identicamente igual a zi ). tk )(t − t0 )(t − t1 ) . . que envolvem apenas certos subconjuntos dos c˜ pontos acima. pois pi (t) ´ o polinˆmio interpolador de j − i + 1 pontos. por indu¸ao. (t − tj−1 ) .2) . . j j−1 (12. A unica ´ exigˆncia. . . e e o j j Chamaremos de ordem de pi (t) ao n´ mero j − i + 1. . Assim. a c˜ Seja (t0 . z0 ). sem ter e a a c˜ que desmanchar (ou revisar) as contas feitas anteriormente. tj ) . . . Por exemplo. e da mesma forma teremos pi (t) − pi+1 (t) = c(t − ti+1 ) . respectivamente. (t − tk−2 ) . . . (t − tk−1 ) . isto ´. ou seja. . pois da´ sairia o polinˆmio interpoe ı o lador. o polinˆmio interpolador procurado ´ o e p(t) = p0 (t). e os zi ’s podem c˜ o ser experimentais ou provenientes de uma fun¸ao (zi = f (ti )). A vantagem de se determinar os ω’s (ou α’s) ´ clara. zk ) o conjunto de pontos que se deseja interpolar. .134 ´ CAP´ ITULO 12. (tk . tj ) . zi ). . ˜ j j onde c ´ denotada por ˜e α(ti . . zj ) (pois estes determinam pi (t) e pi (t)). . que nada mais ´ do que o n´ mero u e u j de pontos que ele interpola. . . Para obter esse novo m´todo. . tk−1 )(t − t0 ) . . . que diferem entre si pelo fato de que pi (t) n˜o abrange tj em a j j−1 j−1 sua interpola¸ao. Ter´ c˜ ıamos p0 (t) = p0 (t) + ω(t0 . sejam i e j tais que 0 ≤ i ≤ j ≤ k e seja pi (t) o polinˆmio o j interpolador dos pontos (ti . mas n˜o h´ necessidade e a e a a que sua enumera¸ao respeite a ordem em que eles se disp˜em sobre a reta. . . . zj ). Nesta Se¸ao veremos outra forma de interpolar. (t − tj ) . (tj . a pi (t) − pi (t) = c(t − ti )(t − ti+1 ) . . . t1 . tanto faz. . que se anula nos pontos ti . zi ). teremos que investigar um pouco mais alguns aspectos e subjacentes ` interpola¸ao. . zj−1 . . como de h´bito. a Podemos alternativamente suprimir o primeiro ponto da lista. . (t1 . . ti+1 . enquanto que pi (t) ´ o polinˆmio interpolador de um ponto s´ (portanto pi (t) ≡ e o o i i k zi . . Mais precisamente. Em seguida podemos observar que um polinˆmio de ordem l > 1 se relaciona de forma o mais ou menos simples com algum polinˆmio de ordem inferior. . . tj−1 eles coincidem. . . .1) A constante c depende dos pares (ti . . tj−1 . Nos pontos ti . chamada forma de Newton. . j−1 j e ser´ denotada por a ω(ti . assumindo-se implicitamente que os zi ’s est˜o automaticamente associados aos ti ’s. . (tj . pois assumem os mesmos valores c˜ e o zi . TECNICAS DE INTERPOLACAO ¸˜ da interpola¸ao gera uma equa¸ao. . z1 ). . . . . . k k−1 mas tamb´m e p0 (t) = p0 (t) + ω(t0 . e atrav´s de uma combina¸ao linear dos polinˆmios de c˜ c˜ e c˜ o Lagrange. . . k−1 k−2 (12. . Ela leva c˜ certa vantagem em um aspecto: ´ mais f´cil acrescentar um ponto ` interpola¸ao. c˜ Olharemos para as interpola¸oes parciais. ´ que os ti ’s sejam dois a dois distintos. Portanto a diferen¸a pi (t) − pi (t) ´ um polinˆmio de grau c j j−1 no m´ximo j − i. Lembremos que o grau (m´ximo) de e e a pi (t) ´ j − i. com i < o j tome pi (t) e pi (t). .

. 0 para que a nota¸ao fique uniforme. Os ω’s (e analogamente os α’s) s˜o chamados de diferen¸as divididas. . ti+1 )(t − ti ) . . tk )(t − t0 ) . tk )(t − t1 ) . ∀i = 0. ti+1 ) = ω(ti . ti+1 − ti ti+1 − ti . (tj − ti ) . chegar´ e ıamos em p0 (t) = α(tk ) + α(tk−1 . c˜ J´ a interpola¸ao de dois pontos ti e ti+1 (0 ≤ i ≤ k − 1) ´ um polinˆmio de grau 1. e depois enunciaremos um resultado geral que servir´ a nossos prop´sitos. t1 . . c˜ zi+1 − zi ω(ti+1 ) − ω(ti ) = . i+1 que pode ser obtido da Equa¸ao 12. i+1 donde α(ti . c˜ Se procedˆssemos inversamente na ordem dos pontos. . c˜ Partiremos de uma pequena observa¸ao sobre os polinˆmios de ordem 1 e 2 (um e dois c˜ o pontos). ti+1 )(t − ti+1 ) . k). i por defini¸ao. de forma que p0 (t) = p0 (t) + ω(t0 . + ω(t0 . . k. para todo i = 0. . (t − tk ) . zi+1 ). . FORMA DE NEWTON e assim por diante. ti+1 ) ´ a inclina¸ao da mesma reta! e c˜ Assim mostramos que ω’s e α’s coincidem at´ ordem 2 e relacionamos ω’s de ordem 2 e com ω’s de ordem 1. . 135 Como p0 (t) ≡ z0 . . . pois α(ti . estipulando-se que α(ti ) = zi . ti+1 ) ´ tamb´m a inclina¸ao da c˜ e e c˜ reta que passa por (ti . . + α(t0 . tk )(t − tk−1 )(t − tk ) + .12. . . . . Assim c˜ ω(ti . portanto pi (t) = zi = ω(ti ) = α(ti ) . .1. a o N˜o h´ muito o que dizer em ordem 1: a interpola¸ao de um ponto ´ um polinˆmio de a a c˜ e o grau zero. . . . . logo ω(ti . convencionaremos que ω(t0 ) = z0 (e ω(ti ) = zi . (t − tk−1 ) . (tj − tj−1 ) onde conhecemos pi (tj ) = zj . . t1 )(t − t0 )+ k 0 +ω(t0 . . Nosso e j−1 objetivo ´ buscar um meio mais f´cil de determinar ω’s e α’s. tj ) = pi (tj ) − pi (tj ) j j−1 . t2 )(t − t0 )(t − t1 ) + .2. mas ´ um caminho trabalhoso.1 diretamente. . zi ) e (ti+1 . . tk−1 . colocando-se t = tj . mas pi (tj ) depende de se conhecer previamente o polinˆmio o j j−1 pi (t). pi (t) = zi+1 + α(ti . Isso possibilita achar os ω’s indutivamente. Temos a e pi (t) = zi + ω(ti . ti+1 ). ti+1 ) = Analogamente. embora n˜o possamos nos livrar e a a de alguma indu¸ao. Mas ω(ti . . . cujo a c˜ e o gr´fico ´ uma reta. Vejamos como generalizar nossas observa¸oes para qualquer ordem. porque podem ser a c deduzidos da Equa¸ao 12. . . . tk )(t − tk )+ k +α(tk−2 .

. . tj )(t − ti+1 ) . . . . . . .3. . . tj − ti (12. . manipulando-a c˜ de outra forma. tj ). . o que fornecer´ as igualdades que quee a remos demonstrar. (ti − tj ) . tj ) = ω(ti . . ´ igual a c˜ e ω(ti+1 . Ent˜o c˜ a a(tj − ti+1 ) . (t − tj−1 ) . . pi+1 (tj ) = zj . .4. . tj−1 )] (t − ti+1 ) . . j−1 j Como pi+1 (t) inclui tj em sua interpola¸ao. j j−1 Da´ segue que ı a = (tj − ti )ω(ti . xj ). (ii) Tomamos t = ti na Equa¸ao 12. . . tj ) − ω(ti . tj−1 )(t − ti+1 ) . .136 ´ CAP´ ITULO 12. tj−1 ) = ω(ti . . . tj ) = ω(ti+1 . . . . . . . . tj−1 . . pela defini¸ao de ω’s e α’s. . . . temos α(ti .4. . .4. . . Ent˜o c˜ a a(ti − ti+1 ) . . j j logo o que mostra que α(ti . . . tj )(tj − ti )(tj − ti+1 ) . sempre que j − i + 1 ≤ 2. . tj ) . . j−1 j O lado direito ´ igual a e pi+1 (ti ) − pi (ti ) = −α(ti . isto ´. j−1 j (12. . . c˜ e e j j j logo o lado direito ´ igual a e pi (tj ) − pi (tj ) = ω(ti . . conclu´ a ımos a Equa¸ao 12. . . a = (tj − ti )α(ti . (t − tj−1 ) . tj ). tj ) − ω(ti . . . . tj−1 ) ′′ . . . . . . . j tal que 0 ≤ i ≤ j. . tj−1 ). . . . . . . . (iii) Depois que vimos que ω’s e α’s coincidem. . (tj − tj−1 ) .3) O enunciado j´ foi demonstrado acima em ordens 1 e 2. a e Sejam agora i e j tais que j − i + 1 ≥ 3 e considere os polinˆmios pi+1 (t) e pi (t) que o j−1 j interpolam j − i pontos. . . . (tj − tj−1 ) = pi+1 (tj ) − pi (tj ) . tj ) . . mas zj tamb´m ´ o valor de pi (tj ). . segue que pi+1 (t) − pi (t) = [ω(ti+1 . . . . . . . . . . ent˜o a pi+1 (t) − pi (t) = a(t − ti+1 ) . j−1 j Ent˜o a Como j´ sabemos que a = (tj − ti )ω(ti . (t − tj−1 ) − α(ti . .4) Acharemos o valor de a de trˆs maneiras diferentes. (i) Tomamos t = tj na Equa¸ao 12. para estabelecer a rela¸ao dos ω’s com seus correspondentes de ordem inferior. . . . . . . Como eles coincidem em e a ti+1 . tj )(ti − ti+1 ) . e portanto tˆm grau (m´ximo) j − i − 1. tj ) = ω(xi . . . . . . (ti − tj−1 ) = pi+1 (ti ) − pi (ti ) . Como α(ti . . (t − tj−1 ) . . TECNICAS DE INTERPOLACAO ¸˜ Mostraremos o seguinte enunciado: “para todo par i. tj ) − ω(ti . . . . e se i < j temos ω(ti . . j−1 j−1 j j j−1 j−1 que. . c˜ a = ω(ti+1 . c˜ Observe que pi+1 (t) − pi (t) = pi+1 (t) − pi+1 (t) + pi+1 (t) − pi (t) . usamos a mesma Equa¸ao 12. . . tj−1 ) . .

. que s˜o os zi ’s. 1). . . ω(t0 . . . acabaremos por montar a seguinte tabela (confira!): 0 1 2 3 2 ω(t0 . p( 1 ). . (2. −1). tiramos o polinˆmio interpolador procurado: o 1 1 4 1 3 p(t) = 1 + (−1) · (x − 0) + (− )(x − 0)(x − ) + (x − 0)(x − )(x − ) . c˜ t0 t1 t2 . . . tk−2 tk−1 tk ω(t0 ) ω(t0 .1 Exemplo do uso da forma de Newton A Equa¸ao 12. . . . se quisermos achar o polinˆmio interpolador dos pontos (0. ··· . . ω(tk−2 ) ω(tk−1 .2. tk−2 ) ω(tk−1 ) ω(tk−1 . . . . tk−1 . tj ) pode ser obtido da diferen¸a entre os dois elementos adjacentes da coluna c imediatamente ` esquerda (o de baixo menos o de cima). tk ) ω(tk ) Cada ω(ti . . . . . ficamos com 4 1 p(t) = 1 + t − 3t2 + t3 . . . . . testamos os valores p(0). a c onde ti e tj s˜o encontrados como as extremidades da base da pirˆmide (deitada) da qual a a ω(ti . . e 1 Por exemplo. . ( 1 . . . . ω(t . . .12. −1 e 0. . 3 2 3 2 2 Juntando termos de mesmo grau. t1 ) ω(t1 ) ω(t1 . tk ) ··· ω(tk−2 . o 2 3 ( 2 . 0). . . ω(t1 . t2 ) . 6 3 3 Para verificar que deu certo. . . t . 2 ). tk ) 1 1 2 −1 3 −2 −1 3 7 3 −1 0 4 3 2 2 Da tabela. . t1 . 0 k−1 ) . 2 . . . t2 ) ω(t2 ) . .3 permite que calculemos os ω’s em fun¸ao de seus correspondentes de ordem c˜ c˜ inferior. . dividida pela diferen¸a tj − ti . . . . . A seguinte e ıvel a tabela mostra como podemos esquematizar as informa¸oes.2. FORMA DE NEWTON 137 12. . . . Isso ´ poss´ porque conhecemos os ω’s de ordem 1. . tj ) ´ o cume. p( 2 ) e p(2) e vemos que batem 2 1 com 1. . . . . . tk ) . . . . . . .

pegando os ω’s a o de baixo: 7 3 4 3 1 p(t) = 0 + 2(t − 2) + (t − 2)(t − ) + (t − 2)(t − )(t − ) . mas n˜o ´ aconselh´vel por ser mais sujeito a a e a erros. Por exemplo. 3 2 3 2 2 Ou sen˜o em “zigue-zague”: a p(t) = ω(t2 )+ω(t1 . que ´ igual a e 3 3 1 3 1 4 3 1 −1 − (t − ) − (t − )(t − ) + (t − )(t − )(t − 0) . t2 )(t−t2 )(t−t1 )+ω(t0 . t1 . t1 . t2 )(t−t2 )+ω(t0 . facilitando a tarefa de juntar termos de mesmo grau logo depois. t3 )(t−t2 )(t−t1 )(t−t0 ) . 2 2 3 2 2 3 2 2 O “zigue-zague” pode servir para se escolher os melhores coeficientes. t2 .138 ´ CAP´ ITULO 12. . TECNICAS DE INTERPOLACAO ¸˜ H´ outras formas de se tirar o mesmo polinˆmio da tabela.

Parte V Integra¸˜o de Fun¸˜es ca co 139 .

.

As fun¸oes c˜ o c˜ c˜ c˜ elementares s˜o as usuais: potˆncias de x (negativas e positivas). acabaremos por nos a c˜ o deparar com um fato matem´tico: nem todas elas admitem uma primitiva que tamb´m seja a e escrita como combina¸ao (finita) de fun¸oes elementares! c˜ c˜ ´ E claro que existe o recurso de se escrever a primitiva F como uma combina¸ao infinita c˜ de fun¸oes elementares. Em outras palavras. O C´lculo ensina que. logaritmo e exponencial. a basta achar uma primitiva. em geral. via somas. a grande maioria das fun¸oes n˜o tem uma u c˜ a f´rmula que as represente.1 Introdu¸˜o ca No pr´ximo Cap´ o ıtulo falaremos de m´todos num´ricos para o c´lculo de integrais definidas. uma fun¸ao F (x) tal que F ′ (x) = f (x). e e a mas antes devemos atentar para a raz˜o de sua utilidade. para se a a obter b f (x)dx .Cap´ ıtulo 13 Importˆncia da integra¸˜o a ca num´rica e 13. isto ´. e Uma fun¸ao f ´. 141 . que nada mais ´ do que a combina¸ao c˜ e o e c˜ finita. Entretanto. divis˜es e composi¸oes de fun¸oes elementares. por exemplo atrav´s de uma s´rie de potˆncias c˜ e e e F (x) = ∞ k=0 ck xk . fun¸oes trigonom´tricas e a e c˜ e suas inversas. no mundo abstrato de todas as fun¸oes poss´ c˜ ıveis. de forma que e c˜ b a f (x)dx = F (b) − F (a) (vide Apˆndice B). dada por uma “f´rmula”. c˜ o Mesmo se nos restringirmos apenas `s fun¸oes dadas por f´rmulas. multiplica¸oes. essas fun¸oes formam apenas c˜ uma min´ scula parte. embora nas aplica¸oes do ‘mundo real’ os modelos freq¨ entemente o c˜ u conduzam a fun¸oes descritas por meio de f´rmulas.

que a e a 1 pode ser obtida de um deles.142 ˆ ´ CAP´ ITULO 13. ` altura y. na figura. c˜ o a a ´reas. ´ preciso tamb´m dispor de instrumentos para estimar integrais a partir e e de dados experimentais. mas com dois inconvenie ıvel e a entes: primeiro. se houver uma linha L tal que toda perpendicular a L cruze A e B em intervalos de tamanhos iguais. tempo decorrido. observe que em ambos l(y) varia como e a uma fun¸ao afim (“linearmente”). Para isso. As aplica¸oes mais ´bvias se encontram no c´lculo de comprimentos. No que a segue. discutiremos algum exemplos onde a integra¸ao num´rica se faz necess´ria: ora por se c˜ e a tratar de medida experimental ora porque n˜o h´ primitiva elementar da fun¸ao que se quer a a c˜ integrar. que diz: “dados dois conjuntos A e B. vamos nos basear no Princ´ ıpio de Cavalieri. por exemplo o da direita. volumes. 13. por exemplo). Para a a entender porque l(y) ´ igual para os dois triˆngulos. massa. nem sempre s´ries de potˆncia convergem para todos a e e e os valores de x. cruza os triˆngulos em segmentos de tamanho igual a l(y). pois cada reta a a e a R horizontal. em cada a e caso. Al´m disso. Essa ´rea vale 2 bh. o que exigiria uma an´lise criteriosa do alcance dessa convergˆncia. ent˜o A e a B tˆm a mesma area. distˆncia percorrida. Portanto a fun¸ao a e c˜ l(y) tem o aspecto mostrado ` direita. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ Isto ´ poss´ (em muitos casos de forma at´ razoavelmente f´cil). centro de massa.” e ´ Por exemplo. etc. os triˆngulos da figura abaixo (` esquerda) tˆm ´reas iguais. quando formos avaliar F (a) e F (b) atrav´s da s´rie (ou da f´rmula infinita) e e o pode ser necess´ria uma quantidade t˜o grande de termos (ou opera¸oes) que inviabilize ou a a c˜ torne muito lento o c´lculo.2 C´lculo de ´reas a a Gostar´ ıamos de um m´todo sistem´tico e a para estimar a ´rea de figuras planas a como a mostrada ao lado (poderia ser uma ilha. em y = 0 tem-se l(0) = b (os triˆngulos tˆm bases de igual c˜ a e tamanho) e em y = h tem-se l(h) = 0 (os triˆngulos tˆm alturas iguais). . e o leitor pode a observar que essa tamb´m ´ a ´rea sob o gr´fico de l(y) (observa¸ao que ser´ importante logo e e a a c˜ a adiante). a Isso explica porque todos os triˆngulos com base e altura iguais tˆm a mesma ´rea. De outra parte.

x1 . a ´rea a de cada corte ´ a mesma.. . a segunda figura ´ e um esbo¸o do gr´fico “Comprimento do corte c a vs. imagine uma pilha de cartas com um arame passando no meio. b]. . e ent˜o incline e retor¸a o arame.. y1 = f (x1 ) . Posi¸ao do corte”. Se a integra¸ao se der no intervalo [a. de a c forma que a pilha fique desalinhada. teremos uma seq¨ˆncia de pontos x0 . yn = f (xn ) . que s˜o os respectivos comprimentos de cada a corte. x6 . Assim. Para o leitor que ainda n˜o acreditou nesse princ´ o a a ıpio. e O que podemos fazer com uma figura plana em geral ´ criar uma segunda figura com mesma e a ´rea apoiada no eixo horizontal. . As duas pilhas continuam tendo a mesma altura.. que fornecem a posi¸ao de cada ue c˜ corte. e o volume (que ´ a soma dos volumes “infinitesimais” das cartas) e e se mant´m. xn . . ent˜o deve-se c˜ o c˜ a dividir o intervalo com uma parti¸ao c˜ a = x0 < x1 < x2 < . . ... yn .. x11 x y 1 0 1 0 1 0 11 00 1 0 1 0 1 0 1 1 1 0 1 0 0 0 0 1 1 1 1 0 0 1 0 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 x Ao final. .. ..2. .´ ´ 13. c˜ x0 x1 . CALCULO DE AREAS 143 y h b l(y) y 0 b b h O Princ´ ıpio de Cavalieri tem uma formula¸ao an´loga para volumes. . Na pr´tica. mais precisamente ´ a c˜ e regi˜o compreendida entre esse gr´fico e a lia a nha horizontal. Esses dados ´ que ser˜o usados para se fazer a integra¸ao.. e valores correspondentes y0 . . . Dois s´lidos S e T c˜ a o ter˜o mesmo volume se houver uma linha L tal que todo plano perpendicular a L cruze S e a T em regi˜es de ´reas iguais. < xn = b e tomar os valores da fun¸ao nos extremos dos intervalos da parti¸ao: c˜ c˜ y0 = f (x0 ) . y1 . . Quando o corte ocorrer em dois intervalos separados a altura do gr´fico a ser´ igual ` soma dos comprimentos das duas a a intersec¸oes. . a temos que fazer isso para um n´ mero disu creto de cortes verticais: medimos o comprimento do corte e transferimos esse valor para a segunda figura. e a c˜ O curioso ´ que o mesmo tipo de “coleta de dados” ser´ feito para a integra¸ao de uma e a c˜ fun¸ao f (x) dada por uma f´rmula..

b] com uma parti¸ao a = x0 < x1 < . uma maneira de delimitar o erro cometido na integra¸ao. sen t) . f (t)). escolhe-se uma dire¸ao c˜ (x. . f (xi+1 )). que leva t em (t. c˜ a Para entender melhor. a correspondente a um giro de ˆngulo t.3 Comprimento de curvas e gr´ficos a Considere o seguinte problema: “calcular o comprimento do gr´fico da fun¸ao f entre a e a c˜ b”. Se a fun¸ao f for diferenci´vel. Al´m disso. o ponto γ(t) ´ um ponto do c´ e ırculo unit´rio. < xn = b e em cada intervalo [xi . 13. as retas dos “cortes”. . na maioria dos casos.144 ˆ ´ CAP´ ITULO 13. c˜ teremos um n´ mero que ´ ao mesmo tempo o comprimento da curva e tamb´m a integral u e e b 1 + f ′ (x)2 dx . podemos generalizar para situa¸oes que n˜o correspondam a gr´ficos de fun¸oes. . usando dados (yi . . podemos supor que todos os intervalos tenham o mesmo tamanho ∆x. n − 1) aproximamos a fun¸ao pelo segmento de reta que une os pontos (xi . zi ). aproximamos a diferen¸a f (xi+1 ) − f (xi ) por f ′ (xi )∆x. Primeiramente. No limite. b] e ent˜o o ponto (t. Para cada a corte do lago. c˜ ınio ınio Na verdade. A unica diferen¸a ´ que no caso ’te´rico’ o ´ c e o n´s teremos. aproximadamente. Pode-se fazer isso em duas etapas. de forma que e c somando para todos os segmentos obtenhamos. . β sen t) . por outro o lado. . fazendo com que a aproxima¸ao pela derivada seja cada vez mais fidedigna. tentemos aproximar a curva por pequenos segmentos de reta e seu comprimento pela soma dos tamanhos desses segmentos. Fazendo ∆x ir a zero estaremos. perpendicularmente. e a tanto no caso ’experimental’ como no caso ’te´rico’. Pelo Teorema de Pit´goras. a maneira de se proceder ser´ a mesma. Depois a estima-se a integral da fun¸ao “´rea do corte”. o c˜ O volume de um lago ou de uma montanha tamb´m ´ pass´ de ser estimado usando esse e e ıvel tipo de dados. esse problema remete a uma integral. b] e contradom´ R2 . . que resulta no c˜ a volume. Cada ponto dessa curva a e pode ser obtido tomando-se t no intervalo [a. estima-se sua ´rea A(xi ). Podemos imaginar a esse processo como uma fun¸ao com dom´ [a. fazendo com que a soma dos comprimentos dos segmentos esteja cada vez mais pr´xima do comprimento verdadeiro da curva e. c˜ a a c˜ Por exemplo. posicionado em xi . A partir desses dados. tome a fun¸ao c˜ γ(t) = (cos t. com t variando no intervalo [0. usando-se os dados (xi . f (t)). por exemplo) onde se posicionar˜o. Uma elipse ´ a imagem da fun¸ao a e c˜ γ(t) = (α cos t. n−1 ∆x i=0 1 + f ′ (xi )2 . dividimos o intervalo [a. esse segmento tem tamanho igual a a (xi+1 − xi )2 + (f (xi+1 ) − f (xi ))2 . f (xi )) c˜ e (xi+1 . por um lado. Para simplificar um pouco. a O gr´fico de f entre a e b ´ um caso particular de curva no plano. Para cada t. 2π]. A(xi )). Como sempre. xi+1 ] c˜ (i = 0. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ (que podem at´ ser negativos).

2π]. O vetor γ ′ (t) = (x′ (ti ). Cada termo da soma ´ a distˆncia entre dois pontos consecutivos γ(ti ) e γ(ti+1 ). Basta ver que se (x. conclu´ ımos que o comprimento da curva ´ dado pela integral e b a γ ′ (t) dt . pelo Teorema de Pit´goras. y) = (α cos t. y) pertence ` curva ent˜o (x. logo a γ (t) = 1. COMPRIMENTO DE CURVAS E GRAFICOS 145 com t variando em [0. no caso do c´ ırculo unit´rio. isto a e ´. a Se cada uma das fun¸oes coordenadas for diferenci´vel. uma para cada coordenada: γ(t) = (x(t). α2 β Uma curva γ(t) ´ expressa com duas fun¸oes. y(t)). β sen t). seu per´ ımetro l depende de a e b. de forma que o per´ ımetro p da elipse ´ dado por e 2π p= 0 a2 sen2 t + b2 cos2 t dt . cos t). . temos e a γ ′ (t) = (−a sen t. a Estamos sempre supondo que a e b s˜o positivos. e c˜ Se quisermos calcular o comprimento total da curva (com t variando no intervalo [a. sen t) e γ ′ (t) = (− sen t.´ 13. Portanto o comprimento do c´ ırculo ´ e ′ 2π 0 γ ′ (t) dt = 0 2π dt = 2π . Esta e a distˆncia ´ dada explicitamente por a e (x(ti+1 ) − x(ti ))2 + (y(ti+1 ) − y(ti ))2 . b] com uma parti¸ao a = t0 < t1 < . Tomando γ(t) = (a cos t. como era de se esperar! No caso da elipse. Somando o comprimento dos e segmentos e fazendo o limite quando ∆t vai a zero. b cos t). Dividimos o intervalo [a. podemos proceder com uma id´ia semelhante ` exposta acima para calcular o comprimento do e a gr´fico de uma fun¸ao. a a para algum t. b]). y ′ (ti ) . Por exemplo. γ(t) = (cos t. ou ∆t (x′ (ti ). que s˜o os tamanhos dos semi-eixos. < a c˜ c˜ tn = b (com intervalos iguais de tamanho ∆t) e aproximamos o comprimento da curva pela soma n−1 i=0 γ(ti+1 ) − γ(ti ) . e iremos tamb´m assumir que a < b.3. y ′ (ti )) ´ o vetor derivada da curva γ(t). a distˆncia ser´ aproximadamente c˜ a a a igual a ∆t x′ (ti )2 + y ′ (ti )2 . . b sen t). logo x2 y2 + 2 =1. que o semi-eixo maior da elipse est´ na vertical. .

sua posi¸ao ´ circular). onde κ2 ´ definido como sendo e a2 . denotada por ω(t): ω(t) = θ′ (t) . assume valores pr´ximos a o v(τ ) em instantes pr´ximos a τ . um pˆndulo simples. 13. equa¸ao que nada mais ´ do que o Teorema Fundamental do C´lculo. Conhecendo a posi¸ao inicial x0 (no instante t = 0) e a maneira como evolui a velocidade c˜ em fun¸ao do tempo. sendo cont´ e ınua.4 Distˆncia percorrida e tempo decorrido a A F´ ısica est´ repleta de conceitos definidos por meio de integra¸ao. a o c˜ O movimento unidimensional de um corpo pode ser descrito por uma fun¸ao x(t).146 ˆ ´ CAP´ ITULO 13. um carro numa estrada. A integral 1− 1 − κ2 sen2 tdt ´ conhecida como integral el´ptica do primeiro tipo. Em outras palavras. podemos c˜ e a pensar que no instante τ . Faremos aqui uma a c˜ pequena discuss˜o sobre movimentos unidimensionais. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ Por raz˜es de simetria. movimentos num espa¸o cuja a e c posi¸ao possa ser determinada por apenas uma coordenada. e n˜o admite uma express˜o via come ı a a bina¸ao finita de fun¸oes elementares. etc. b2 um n´ mero positivo e menor do que 1 (ele vale 1 quando a elipse ´ um c´ u e ırculo. e 0 quando a elipse degenera num segmento de reta vertical). Fisicamente. Tomando um intervalo de tempo ∆τ pr´ximo a τ . sua posi¸ao ´ c˜ e c˜ e indicada por um ˆngulo θ(t) (para ser mais preciso. O caso do pˆndulo e e ser´ discutido com detalhes na pr´xima Se¸ao. medido a partir a c˜ e da posi¸ao vertical mais baixa. c˜ A velocidade do corpo v(t) ´ a derivada da fun¸ao x(t): e c˜ v(t) = x′ (t) . onde c˜ x(t) indica a posi¸ao em cada instante de tempo t. Al´m o e 2 disso podemos substituir cos2 por 1 − sen2 . c˜ e c˜ e a falamos em velocidade angular. No caso de um pˆndulo. isto ´. Pode ser o movimento de uma c˜ part´ ıcula numa reta. e colocar b em evidˆncia na integral: e p = 4b 0 π 2 1 − κ2 sen2 tdt . e a acelera¸ao ´ a derivada de v(t). No caso em que a posi¸ao ´ descrita por um ˆngulo. podemos integrar somente de 0 a π e multiplicar por quatro. a velocidade ´ v(τ ) e. teremos o o . podemos recuperar a fun¸ao posi¸ao: c˜ c˜ c˜ t x(t) = x0 + 0 v(τ )dτ . n˜o h´ uma f´rmula fechada para c˜ c˜ a a o o per´ ımetro da elipse.

e pr´xima ao valor v(ξ) do extremo do intervalo.5 Per´ ıodo do pˆndulo e as integrais el´ e ıpticas Consideremos um pˆndulo simples sem atrito. e 13. em coordenadas angulares. Em cada intervalo. onde h ´ a altura do pˆndulo em rela¸ao e e e c˜ ao solo. Mostraremos que a Lei de Conserva¸ao da e c˜ Energia implica que a velocidade depende somente da posi¸ao do pˆndulo. N˜o vamos discorrer a c˜ a e a a respeito de outros exemplos. Esta f´rmula ser´ aplicada na pr´xima a c˜ o a o Se¸ao para se calcular o per´ c˜ ıodo do pˆndulo simples. Como no caso anterior. v(ξ) 1 dξ . o que justifica a f´rmula de forma emp´ e o ırica. temos t θ(t) = θ0 + 0 ω(τ )dτ . Quanto tempo durou o percurso? A exigˆncia de que a velocidade n˜o se anule no percurso pode ser justificada assim: se o e a corpo p´ra numa posi¸ao ξ. principalmente se se tratar de ξ = x0 ou ξ = x. onde ω ´ a velocidade e e angular. mas imagine o leitor que seja esse o caso. c˜ e A energia cin´tica do pˆndulo ´ dada por 1 mv 2 .5. O tempo dispendido nesse pequeno trecho o de percurso ´ aproximadamente igual a e ∆ξ . logo n˜o h´ como obter uma resposta unica para a pergunta. em muitas aplica¸oes f´ c˜ ısicas. A bem da verdade a energia potencial ´ uma grandeza relativa. podemos dividir o espa¸o percorrido em pequenos intervalos de c tamanho ∆ξ. v(ξ) Portanto somando esses tempos e fazendo ∆ξ ir a zero. por exemplo. a velocidade ´ aproximadamente constante. a energia potencial ´ igual a mgh. PER´ IODO DO PENDULO E AS INTEGRAIS EL´ IPTICAS 147 que a distˆncia percorrida ser´ aproximadamente igual a v(τ )∆τ . onde v representa sua velocidade linear. conhecemos a velocidade em fun¸ao c˜ da posi¸ao. e e e 2 Se o comprimento da haste for igual a l. n˜o h´ como saber quanto tempo a c˜ a a ele ficou parado. Eventualmente a a ´ poderemos considerar que a velocidade se anule instantaneamente. ω(ξ) No caso angular. O pˆndulo ser´ um exemplo disso.ˆ 13. temos θ T = θ0 onde ξ agora representa a vari´vel angular de posi¸ao. em cada ponto ξ sabe-se que e c˜ e c˜ a velocidade assume o valor v(ξ) (mas nunca se anula). Ocorre entretanto que. E suponha que agora o problema ´ outro: da posi¸ao inicial x0 at´ a posi¸ao final x. essa velocidade ´ igual a lω. Da mesma forma. e n˜o do tempo. e depois recobra seu movimento. a distˆncia percorrida e a ´ a integral de v(τ ). Da divis˜o em pedacinhos a a a de tamanho ∆τ do intervalo de tempo onde percurso ´ acompanhado. Por outro lado. teremos que o tempo decorrido ser´ a x T = x0 1 dξ . o que quer dizer que e .

a energia cin´tica ´ nula. no movimento de “ida” (velocidade angular positiva). por´m mais tarde vola e taremos a deix´-la dessa forma por raz˜es t´cnicas. quer dizer que a podemos supor que o solo est´ na altura que quisermos. e toda a energia se concentra na energia potencial. e essa energia ´ e e e constante: 1 2 2 ml ω + mgl(1 − cos θ) = E .148 ˆ ´ CAP´ ITULO 13. maior ser´ essa energia. e a velocidade angular instantaneamente se anula. logo o maior valor a e c c˜ que pode assumir. l A express˜o entre colchetes pode ser simplificada para cos θ − cos θ0 . e ` a a Substituindo na equa¸ao acima. inclusive acima do pˆndulo!! Aqui a e assumiremos que o solo est´ na altura do ponto mais baixo do pˆndulo. pela simetria do e . Ou ainda. a velocidade angular ω c˜ s´ pode assumir dois valores. Quando o pˆndulo atinge o ˆngulo m´ximo (θ0 ou −θ0 . de forma que a h se a e relaciona com a coordenada angular θ por h = l − l cos θ . Em outras e e palavras. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ podemos somar uma constante a essa energia e nada se alterar´. a o e Notemos que essa equa¸ao tem duas solu¸oes. para cada posi¸ao θ (entre −θ0 e θ0 ). ela evidencia a dependˆncia da velocidade angular em rela¸ao ` posi¸ao: fixada a e c˜ a c˜ amplitude θ0 do movimento. Para n˜o ficar d´vidas. e ambos de igual m´dulo. uma positiva e uma negativa. Um dos o o valores representa o movimento de “ida” do pˆndulo e o outro de “volta”. tanto faz). De fato. podemos calcular o tempo decorrido para se ir de −θ0 e at´ θ0 . em tese. 1 0 θ l 11 00 11 00 11 00 h A energia total ´ a soma da energia cin´tica com a energia potencial. De toda c˜ c˜ forma. obtemos c˜ ω2 = 2g [(1 − cos θ0 ) − (1 − cos θ)] . um negativo e um positivo. 2 Mas quanto vale essa constante E? Observe que a constante E tem a ver com a amplitude θ0 do movimento: quanto maior for a amplitude. e Para obter o per´ ıodo do pˆndulo. a energia total E ´ igual a energia potencial no ˆngulo m´ximo θ0 . e e a a h´ uma revers˜o do movimento. θ0 representa o ˆngulo a a u a m´ximo que o pˆndulo alcan¸a a partir da posi¸ao vertical mais baixa. Nesse a a caso. ´ π (estamos evitando considerar o movimento em que a posi¸ao e c˜ θ = π ´ “atravessada”).

com 0 < α < 1 existe em (0. a integral de qualquer fun¸ao x−α . teremos c˜ c˜ T = 4 logo T =4· l 2g θ0 0 θ0 0 1 dθ . Mas e matematicamente? e c a a 1 ´ E emp´ ırico por´m extremamente v´lido pensar na integrabilidade da fun¸ao x− 2 entre e a c˜ 0 e 1. Essa integral existe. a cos θ −cos θ0 (cos θ −cos θ0 ) 1/2 (cos θ −cos θ0 ) − 1/2 0 π 2 θ 0 π θ 0 θ θ 0 0 θ θ 0 ımos a raiz dessa fun¸ao. que ´ o que nos 2 interessa. o e 1 1 Acontece que o integrando ´ (cos θ − cos θ0 )− 2 . Como a fun¸ao original tinha “cara” de c˜ 1 c(θ0 − θ) (perto de θ0 ). PER´ IODO DO PENDULO E AS INTEGRAIS EL´ IPTICAS 149 movimento. pois o e pˆndulo alcan¸a o ˆngulo de amplitude m´xima em tempo finito. tentando esbo¸ar o integrando. De fato. e ´ natural que nos questionemos sobre c˜ e a convergˆncia da integral. quando tiramos √ raiz ela fica com “cara” de c(θ0 − θ) 2 (basta a e c˜ comparar com os gr´ficos y = cx e y = cx. por´m afirma¸oes mais precisas podem ser a obtidas usando F´rmula de Taylor. c˜ c Primeiro desenhamos a fun¸ao cos θ. extra´ cos θ − cos θ0 vai a infinito quando θ vai a θ0 . a divergˆncia ocorre em x = 0. Essa fun¸ao tem derivada n˜o nula em θ0 . pelas mesmas raz˜es. cos θ − cos θ0 Vale apenas examinarmos com mais aten¸ao essa integral. θ0 ]. marcando a altura de cos θ0 (que pode ser negativo.5. basta analisar o percurso de θ = 0 at´ θ = θ0 . mas esse caso n˜o c˜ a a a ser´ considerado. Fisicamente sabemos que a integral tem que convergir. A partir da´ esbo¸amos a fun¸ao cos θ − cos θ0 . Levando em conta as considera¸oes da Se¸ao anterior. e portanto converge. 1). veremos no pr´ximo Cap´ e o ıtulo que nossos m´todos se prestar˜o mais a fun¸oes e a c˜ . percorrido em um quarto do e per´ ıodo. Fica para o c˜ o leitor verificar que o mesmo n˜o ocorre com α ≥ 1! a Apesar de n˜o haver problema quanto ` convergˆncia da integral que fornece o per´ a a e ıodo do pˆndulo. a n˜o ser que θ0 = π. vide Apˆndice C). no intervalo [0. Neste caso. e observamos que a inclina¸ao da fun¸ao c˜ c˜ c˜ √ Em seguida. pois se tomarmos a e integral 1 x−1/2 dx = 2x1/2 1 a a = 2(1 − a1/2 ) . ω(θ) 1 √ dθ . que tem “cara” de c(θ0 − θ)− 2 perto de e ´ θ0 . E uma fun¸ao divergente em θ0 (vai a infinito). se c˜ ı c c˜ e θ0 > π ).ˆ 13. teremos que ela tende a 2 quando a tende a zero.

150 ˆ ´ CAP´ ITULO 13. Da´ teremos uma integral de 0 a π de cos ξ . 1 − cos θ0 cos ξ logo sen ξ 2(1 − cos θ0 ) dη · = dξ . a ue c˜ θ A primeira substitui¸ao ser´ inofensiva. S´ para n˜o nos perdermos nas a o a contas. o conjunto de termos que multiplica a integral ´ e 4· Observe que a fra¸ao c˜ 1 − cos(ηθ0 ) 1 − cos θ0 l θ0 . Fa¸amos ent˜o essa mudan¸a de coordenadas. ·√ 2g 1 − cos θ0 varia monotamente de 0 a 1 quando η varia de 0 a 1. que a bem da e e c a c verdade ser´ uma seq¨ˆncia de duas substitui¸oes. Faremos η = θ0 (logo dη = dθ ). O “pulo do gato” c˜ neste caso ´ que uma mudan¸a de coordenadas (muito) esperta pode transformar a integral e c acima numa outra cujo integrando seja uma fun¸ao cont´ c˜ ınua dentro de um intervalo. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ que sejam cont´ ınuas no intervalo de integra¸ao. 1 − cos θ0 e j´ tiramos o fator (1 − cos θ0 )− 2 para fora da integral. Em seguida lembramos de como estava escrito o radicando. isto ´. cos ξ θ0 sen(θ0 η) Note que ainda temos um termo dependendo de η. inclusive nos extremos. sem pontos de divergˆncia. 1 − cos θ0 dη onde ξ varia entre 0 e π . Da equa¸ao onde introduzimos a substic˜ tui¸ao. mas precisamos colocar ı 2 2 tudo em fun¸ao de ξ. e ficaremos com c˜ a θ0 uma integral no intervalo (0. c˜ c˜ obtemos θ0 dη 2 sen ξdξ = sen(θ0 η) . logo sen(θ0 η) = 1 − [1 − (1 − cos θ0 ) sen2 ξ]2 . podemos isolar cos(θ0 η): c˜ cos(θ0 η) = 1 − (1 − cos θ0 ) sen2 ξ . para obtermos cos(ηθ0 ) − cos θ0 = (1 − cos θ0 ) − (1 − cos(ηθ0 )) = 1 1 − cos θ0 · 1− 1 − cos(ηθ0 ) . 1) (independentemente de θ0 ): T =4· l · θ0 2g 1 0 1 cos(ηθ0 ) − cos θ0 dη . Diferenciando os dois lados da equa¸ao acima e dividindo por cos ξ. Fazemos ent˜o a substitui¸ao a c˜ sen2 ξ = 1 − cos(ηθ0 ) .

mas o problema ´ que essa e e primitiva acabar´ sendo expressa em termos de π. De fato. por exemplo c˜ e e a o n´ mero π.6. CALCULO DE π E DE LOGARITMOS ou. ou seja. Portanto este a integrando ´ cont´ e ınuo no intervalo [0. Portanto n˜o h´ uma f´rmula fechada c˜ c˜ a a o para o per´odo do pˆndulo em fun¸ao da amplitude do movimento. a c˜ c˜ . com 0 < κ2 < 1. obtendo-se uma bela equa¸ao π = π!!!! O valor num´rico de π s´ e c˜ e o poder´ ser obtido. o per´ ıodo do movimento vai a infinito quando a amplitude se aproxima de π. em outras palavras. e o integrando se aproxima da fun¸ao constante igual a 1. Isso implica que o per´ c˜ ıodo se aproxima do conhecido valor l 2π . sen(θ0 η) = J´ que a 1−cos θ0 2 151 √ 2 1 − cos θ0 sen ξ 1− 1 − cos θ0 sen2 ξ . No caso em que θ0 = π o integrando ´ divergente e 2 o e e c˜ em π e a pr´pria integral ´ divergente (o leitor ´ convidado a comparar com sua intui¸ao 2 f´ ısica). π ]. a a 1 π=2 −1 1 − x2 dx . 2 e juntando tudo obtemos (depois de v´rios cancelamentos) a T =4 l g π 2 1 1 − κ2 sen2 ξ dξ . 2 ´ sempre um n´ mero n˜o negativo. no entanto. g A integral 1 1 − κ2 sen2 ξ dξ .´ 13. quanto mais θ0 se aproxima de π maior se torna T . ´ conhecida como integral el´ptica do segundo tipo e n˜o pode ser expressa por e ı a meio de combina¸oes finitas de fun¸oes elementares. quando a amplitude se aproxima de 0 significa que κ2 se aproxima de 0. ı e c˜ 13. Por outro lado. que ´ definido como sendo√ ´rea do c´ u e a a ırculo unit´rio. ent˜o y = ± 1 − x2 . Como para o c´ a ırculo unit´rio se tem x2 + y 2 = 1.6 C´lculo de π e de logaritmos a A integra¸ao num´rica se presta tamb´m para calcular constantes matem´ticas. se fizermos a integra¸ao precisa da fun¸ao no integrando. Aqui ´ poss´ e ıvel at´ achar uma primitiva para o integrando. 0 Se θ0 < π ent˜o κ2 < 1 e o denominador do integrando nunca se anula. simplificando. denominamos e u a κ2 = 1 − cos θ0 . Pode-se mostrar teoricamente que o lado a direito ´ igual ao esquerdo.

σ (t)dt = a 1 √ σ 2π b−τ a−τ e− 2σ2 du . Pτ.6. S´ c˜ e o que. Ele pode ser obtido. resolvendo-se essa equa¸ao pelo M´todo de Newton.2). Por exemplo. b] precisamos calcular a integral b Pτ.152 ˆ ´ CAP´ ITULO 13.σ (t)dt . Ent˜o a b Pτ. para sermos honestos. por exemplo. a distribui¸ao de probabilidade mais comum na natureza ´ c˜ c˜ e dada pela fun¸ao c˜ 1 (t − τ )2 }. a c˜ A constante e ´ definida como sendo o (´ nico) n´ mero que satisfaz a equa¸ao e u u c˜ ln x = 1 . tomemos u = t − τ (du = dt). e c˜ e ıcio c˜ 13. 1 + x2 1 dt . mas atrav´s de uma mudan¸a e c 2 de coordenadas podemos reduzir o problema a calcular integrais de e−x .7 A gaussiana Como vimos na Subse¸ao 4. u2 .3. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ Outra maneira de se obter π via integra¸ao ´ usando o fato de que c˜ e (arctan x)′ = Como arctan(0) = 0. 1 + t2 π 4.σ (x) = √ exp{− 2σ 2 σ 2π Para sabermos a probabilidade de ocorrer um evento dentro do intervalo [a. a ´ E um pouco chato calcular integrais com essas constantes. arctan x = 0 A´ nos aproveitamos do fato de que arctan 1 = ı uma integral 1 de forma a podermos expressar π como π=4 0 1 dt . 1 + t2 Lembremos tamb´m que o logaritmo ´ definido atrav´s de uma integra¸ao. Como e e e c˜ x ln x ≡ 1 1 dt t (vide Apˆndice B). temos que aplicar o M´todo de Newton calculando todos os e logaritmos atrav´s da integra¸ao num´rica (vide Exerc´ na Se¸ao 15. ent˜o a x 1 . ent˜o para cada x o valor num´rico de ln x ser´ obtido como uma ´rea e a e a a debaixo do gr´fico de uma fun¸ao.

B]. a−τ √ σ 2 2 isto ´. σ 2 Acontece que e−x ´ uma daquelas fun¸oes que n˜o tˆm f´rmula para sua primitiva. . Essas tabelas podem ser facilmente montadas com os o m´todos de integra¸ao do pr´ximo Cap´ e c˜ o ıtulo. A GAUSSIANA Em seguida. que u a a servem para a maioria dos prop´sitos. onde A = e 2 eB= b−τ √ . Em probabilidade.7. e e c˜ a e o a partir da´ s´ se prossegue com estimativas num´ricas. uma integral de e−x no intervalo [A. σ 2 Obtemos e−x dx .13. fazemos outra mudan¸a de coordenadas x = c 1 √ 2σ 2 π 2 b−τ √ σ 2 a−τ √ σ 2 153 u √ σ 2 (dx = du √ ). adotam-se tabelas com precis˜o limitada mas razo´vel. como ´ muito ı o e e freq¨ ente o uso dessa integral.

IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ .154 ˆ ´ CAP´ ITULO 13.

Cap´ ıtulo 14

M´todos de integra¸˜o num´rica e ca e
14.1 Introdu¸˜o ca

Queremos resolver o seguinte problema: “dada uma fun¸ao f : [a, b] → R, achar a integral c˜ de f nesse intervalo, denotada por
b a

f (x)dx ′′ .

Aqui trataremos de dois m´todos de integra¸ao de fun¸oes, a saber, o M´todo dos Trap´zios e c˜ c˜ e e e o M´todo de Simpson. e

14.2

O M´todo dos Trap´zios e e

A primeira coisa a fazer ´ dividir o intervalo [a, b] em n intervalos (n˜o necessariamente de e a tamanhos iguais). Isto ´, fixar x0 = a (extremo esquerdo do intervalo) e xn = b (extremo e direito do intervalo), e escolher pontos x1 , . . . , xn−1 entre a e b de modo que valha a = x0 < x1 < x2 < x3 < . . . < xn−1 < xn = b . Em seguida, deve-se estimar a ´rea (com sinal) entre cada par de pontos sucessivos. Por a exemplo, entre xi e xi+1 : podemos aproximar essa ´rea tomando o retˆngulo cuja base ´ o a a e intervalo [xi , xi+1 ] e cuja altura seja a m´dia entre f (xi ) e f (xi+1 ). Esse retˆngulo ter´ ´rea e a aa de f (xi ) + f (xi+1 ) · (xi+1 − xi ) . 2 Finalmente, somam-se as estimativas de cada retˆngulo, obtendo-se a ´rea (aproximada) a a total. Algumas observa¸oes s˜o pertinentes. Para come¸ar, por que o M´todo dos Trap´zios c˜ a c e e assim se chama? Afinal, nenhum trap´zio apareceu para justificar o nome...! e 155

156

´ ´ CAP´ ITULO 14. METODOS DE INTEGRACAO NUMERICA ¸˜

Observe que em vez de termos pego o retˆngulo com altura m´dia a e (f (xi ) + f (xi+1 ))/2 poder´ ıamos ao inv´s ter pego o trap´zio cujos e e v´rtices s˜o (xi , 0), (xi+1 , 0), (xi+1 , f (xi+1 )) e (xi , f (xi )). A ´rea desse e a a trap´zio pode ser calculada da seguinte forma: completamos a altura e com um trap´zio de mesmas propor¸oes, formando um retˆngulo de ale c˜ a tura f (xi ) + f (xi+1 ) e base xi+1 − xi . A ´rea desse retˆngulo ´ o dobro a a e da ´rea do trap´zio, donde essa ultima deve valer a e ´ f (xi ) + f (xi+1 ) · (xi+1 − xi ) , 2

f(x i+1) f(x i)

xi

xi+1

ou seja, o mesmo valor que t´ ınhamos obtido de outra forma! N˜o ´ preciso que o espa¸amento entre os pontos seja sempre igual, mas se for facilita a e c bastante. Suponha que a distˆncia entre eles seja igual a h, isto ´, a e x1 − x0 = x2 − x1 = x3 − x2 = . . . = xn − xn−1 = h . Ent˜o o trap´zio com base [xi , xi+1 ] tem ´rea a e a h (f (xi ) + f (xi+1 )) . 2 Para todos os trap´zios aparece a multiplica¸ao por h , portanto podemos deixar essa mule c˜ 2 tiplica¸ao por ultimo (o que ´ o mesmo que colocar em evidˆncia esse fator). Ent˜o a ´rea c˜ ´ e e a a total dos trap´zios ser´ e a h (f (x0 ) + f (x1 ) + f (x1 ) + f (x2 ) + f (x2 ) + f (x3 ) + . . . 2 . . . + f (xn−2 ) + f (xn−1 ) + f (xn−1 ) + f (xn )) . Excetuando o primeiro e o ultimo termo, todos os outros aparecem duas vezes na soma. ´ Ent˜o a ´rea total ser´ a a a h {f (x0 ) + 2f (x1 ) + 2f (x2 ) + . . . + 2f (xn−1 ) + f (xn )} . 2 Isso facilita bastante na hora de se fazer as contas!! Outra pergunta: que erro estamos cometendo ao fazer a aproxima¸ao da ´rea por trap´zios? c˜ a e Veremos mais adiante como calcular esse erro. Por enquanto ficamos com a percep¸ao (corc˜ reta) de que nosso resultado ser´ tanto mais preciso quanto menor for o tamanho dos intervaa linhos da divis˜o. Nem sempre por´m nos interessa calcular a integral de fun¸oes exatamente a e c˜ conhecidas, pois muitas vezes estamos diante de uma fun¸ao obtida atrav´s de dados exc˜ e perimentais. Ou sen˜o queremos simplesmente estimar a ´rea de uma regi˜o, e colhemos a a a os dados de forma semelhante ao que foi feito acima: para cada xi , medimos o valor yi da fun¸ao. Todo o procedimento ser´ o mesmo. A unica coisa ´ que n˜o poderemos controlar a c˜ a ´ e a precis˜o da estimativa, por falta de mais informa¸oes sobre a fun¸ao e devido ao erro inerente a c˜ c˜ aos dados experimentais. Para exemplificar o uso do M´todo dos Trap´zios, ilustremos com um exemplo cujo ree e sultado ´ bem conhecido. Sabendo que a derivada da fun¸ao arctan ´ 1+x2 , segue que e c˜ e 1
1 0

π 1 dx = arctan(1) − arctan(0) = , 1 + x2 4

´ 14.3. O METODO DE SIMPSON

157

pelo Teorema Fundamental do C´lculo. Logo a estimativa dessa integral levar´ a uma estia a mativa do valor de π. Como ainda n˜o falamos em estimativa de erro para o M´todo, nossa escolha em rela¸ao a e c˜ ao tamanho dos intervalos da parti¸ao e ao n´ mero de algarismos significativos ser´ arbitr´ria. c˜ u a a Mais adiante veremos como fazer escolhas mais conscientes. Dividiremos o intervalo [0, 1] em 10 intervalos iguais, ou seja, faremos h = 0.1. Ent˜o a 0.1 π ≈ {f (0) + 2f (0.1) + 2f (0.2) + . . . + 2f (0.9) + f (1)} , 4 2
1 e c˜ onde f (x) = 1+x2 ´ a fun¸ao do integrando. Os dados para realizar essa soma (com 5 algarismos significativos) s˜o: a

i 0 1 2 3 4 5 6 7 8 9 10 Ent˜o a

xi 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

f (xi ) 1.0000 0.99010 0.96514 0.91743 0.86207 0.80000 0.73529 0.67114 0.60976 0.55249 0.50000

f (0) + 2f (0.1) + 2f (0.2) + . . . + 2f (0.9) + f (1) ≈ 15.700 , logo π ≈4× 0.1 × 15.700 = 3.1400 , 2

valor ` distˆncia de aproximadamente 1.6 × 10−3 do valor verdadeiro. a a

14.3

O M´todo de Simpson e

Se notarmos bem, no M´todo dos Trap´zios o que n´s fizemos foi aproximar a fun¸ao f , em e e o c˜ cada intervalo, por uma reta coincidente com a fun¸ao nos extremos. O M´todo de Simpson c˜ e ´ um melhoramento dessa estrat´gia, pois considera polinˆmios quadr´ticos como forma de e e o a aproximar a fun¸ao. Vejamos como ele funciona. c˜ Como no M´todo dos Trap´zios, a primeira coisa a fazer ´ dividir o intervalo de integra¸ao e e e c˜ em intervalinhos, s´ que agora em um n´mero par de intervalos. Ou seja, denominar x0 = a, o u x2n = b e escolher pontos intermedi´rios a a = x0 < x1 < x2 < . . . < x2n−2 < x2n−1 < x2n = b .

158

´ ´ CAP´ ITULO 14. METODOS DE INTEGRACAO NUMERICA ¸˜

Depois para cada i = 0, . . . , n − 1 considerar os trˆs pontos x2i , x2i+1 , x2i+2 e os valores e respectivos da fun¸ao avaliada nesses trˆs pontos: f (x2i ), f (x2i+1 ), f (x2i+2 ). Para simplificar c˜ e a nota¸ao, chamar esses valores de y2i , y2i+1 , y2i+2 . c˜ Em seguida encontrar o unico polinˆmio quadr´tico (isto ´, de grau 2) pi (x) tal que ´ o a e pi (x2i ) = y2i , pi (x2i+1 ) = y2i+1 , pi (x2i+2 ) = y2i+2 , e usar esse polinˆmio pi (x) como aproxima¸ao para a fun¸ao no intervalo [x2i , x2i+2 ] (o o c˜ c˜ polinˆmio pode ser achado com qualquer um dos m´todos descritos na Se¸ao 1.5 ou no o e c˜ Cap´ ıtulo 12). Assim a integral
x2i+2

f (x)dx
x2i

´ aproximada pela integral e

x2i+2

pi (x)dx .
x2i

Finalmente, h´ que se somar as aproxima¸oes obtidas em cada intervalo para se obter a a c˜ aproxima¸ao de c˜
b

f (x)dx .
a

Vejamos como fica o caso em que todos os intervalos da parti¸˜o tˆm o mesmo tamanho h. ca e Resultar´ da´ uma f´rmula bastante elegante para a aproxima¸ao da integral (parecida com a ı o c˜ a f´rmula de integra¸ao pelo M´todo dos Trap´zios), conhecida como f´rmula de Simpson. o c˜ e e o Em primeiro lugar, temos que desenvolver em detalhe o passo do procedimento que consiste em achar o polinˆmio interpolador pelos trˆs pontos (x2i , y2i ), (x2i+1 , y2i+1 ) e (x2i+2 , y2i+2 ). o e Como n˜o estamos interessados no polinˆmio em si mas sim na sua integral definida no intera o valo [x2i , x2i+2 ], ser´ mais simples trabalharmos no intervalo [−h, h], interpolando os pontos a (−h, y2i ), (0, y2i+1 ) e (h, y2i+2 ) (fica ao leitor detalhista a tarefa de mostrar por que isso pode ser realmente feito). O polinˆmio interpolador p(x) = pi (x) pode ser calculado como no Cap´ o ıtulo 12, com o aux´ dos polinˆmios de Lagrange: ılio o p(x) = y2i isto ´, e p(x) = Da´ que ı
h

(x + h)(x − h) (x + h)x x(x − h) + y2i+1 + y2i+2 , (−h)(−2h) h(−h) (2h)(h)

1 {x(x − h)y2i − 2(x + h)(x − h)y2i+1 + x(x + h)y2i+2 } . 2h2

p(x)dx =
−h

1 2h2

h

h

h

y2i
−h

x(x − h)dx − 2y2i+1

−h

(x + h)(x − h)dx + y2i+2

x(x + h)dx
−h

.

` semelhan¸a do M´todo dos Trap´zios. 3 Para exemplificar e comparar com o M´todo dos Trap´zios.7246294 + 0. + (y2n−2 + 4y2n−1 + y2n )} . 3 Observe como. essa f´rmula facilita o cˆmputo a c e e o o geral da aproxima¸ao. O METODO DE SIMPSON Fazemos ent˜o uma a uma cada uma das trˆs integrais: a e h −h h 159 x(x − h)dx = h x x3 −h 3 −h 2 2 = h3 . todos com tamanho h. calculemos a mesma integral e e 1 1 dx usando a mesma divis˜o de intervalinhos (neste caso ´ poss´ porque o n´ mero a e ıvel u 0 1+x2 de intervalos ´ par). = h −h −h 2 h h (x2 − hx)dx = == (−h)3 h3 − 3 3 −h h2 (−h)2 − 2 2 = (x + h)(x − h)dx = h e 4 x2 − h2 dx = − h3 3 −h 2 3 h .7246294 . como acima. Obtemos e 2(y2 + y4 + y6 + y8 ) = 6. ent˜o a soma c˜ a de todas as aproxima¸oes ser´ c˜ a h {(y0 + 4y1 + y2 ) + (y2 + 4y3 + y4 ) + . π=4 1 dx ≈ 3.50000) . Se. resultado bem melhor do que o obtido no M´todo dos Trap´zios. + 2y2n−2 + 4y2n−1 + y2n } .´ 14. de modo que 1 0 0. voltamos ` integral de p(x): a h −h p(x)dx = −h h (y2i + 4y2i+1 + y2i+2 ) .0000 + 6. Usaremos 9 algarismos significativos. mesmo com uma subdivis˜o em muitos intervalos.3.33731529 e 4(y1 + y3 + y5 + y7 + y9 ) = 15. e e . . . 3 que ´ igual a e h {y0 + 4y1 + 2y2 + 4y3 + 2y4 + . b] em 2n intervalos. . 1 + x2 3 1 ou seja. 3 h (x + h)xdx = Com esses valores.1 1 dx ≈ (1.14159263 .33731529 + 15. 3 Semelhantemente. c˜ a tivermos a parti¸ao do intervalo [a. . 1 + x2 0 valor que difere de π por menos do que 3 × 10−8 .

METODOS DE INTEGRACAO NUMERICA ¸˜ .160 ´ ´ CAP´ ITULO 14.

Na terceira e na quinta os valores de T (h) e S(h).1390 3. n 4 8 16 32 h 1/4 1/8 1/16 1/32 4T (h) 3. por exemplo. Usaremos T (h) para denotar a estimativa da integral 0 1+x2 dx com o M´todo dos Trap´zios e S(h) a estimativa da mesma integral com o M´todo de Simpson.14159250 1. por exemplo).1 F´rmulas de erro e compara¸˜o dos m´todos o ca e Aparentemente o M´todo de Simpson se revela melhor do que o M´todo dos Trap´zios. enquanto que no M´todo e e e de Simpson. o e e e erro no M´todo dos Trap´zios diminui aproximadamente 4 vezes. Os c´lculos e 4 foram feitos com o software Maple.4 × 10−9 3.141592653552 3.1415926535897932385 .5 × 10−7 3.00065 0.7 × 10−11 Na tabela podemos observar que o M´todo de Simpson n˜o s´ ´ mais eficiente (compare e a oe na primeira linha. 16 e 32 .0026 0. fornecido pelo Maple com 20 algarismos significativos. neste exemplo. a redu¸ao ´ de pelo menos 64 vezes!! c˜ e Devotaremos o restante deste Cap´ ıtulo ` discuss˜o da efic´cia dos dois m´todos. Para e e e verificar melhor essa afirma¸ao. olhemos para a seguinte tabela. A primeira coluna indica o n´ mero de intervalos da parti¸ao e a coluna seguinte o tamanho de cada intervalo da u c˜ parti¸ao.141569 2. usando-se 20 algarismos significativos. 8 . entre os n´ meros obtidos e o valor a c u π = 3. mas a cada vez que h ´ diminu´ a sua efic´cia ´ propore ıdo a e cionalmente maior do que a do M´todo dos Trap´zios. que mostra os c´lculos feitos c˜ a 1 1 1 a para se obter π com os dois m´todos para os valores de h iguais a 1 .131 3. uma estimativa m´xima para o erro cometido na integra¸ao de a c˜ 161 .14094 3.Cap´ ıtulo 15 Estimativa do erro nos m´todos e de integra¸˜o ca 15.1415926512 2. Na e e e quarta e na sexta est˜o as diferen¸as.4 × 10−5 3. Gosa a a e tar´ ıamos de ter. em valor absoluto.14143 |4T (h) − π| 0.00016 4S(h) |4S(h) − π| 3. multiplicados por quatro (para c˜ 1 1 comparar com π). A cada vez que h ´ reduzido por 2.011 0.

quisermos que 1000h4 seja 100 vezes e menor do que 0. c c e apenas menor do que ET (h). Usaremos trˆs aborc˜ e dagens diferentes para o problema. a . c˜ Na Se¸ao seguinte nos preocuparemos em calcular ET (h) e ES (h).2h2 = 2 × 10−5 . por exemplo. ent˜o basta tomar h menor do que 0. com β igual a 2. por exemplo. com absoluta certeza. aquelas que julgaremos ser as melhores estimativas. Nas constantes. pois 1000h4 = 5000h2 → 0 0. mas por outro lado se h = 0. de acordo com as f´rmulas que discutiremos abaixo. menor do que 0. obtendo ao final resultados similares. b].01 e ent˜o 1000h4 = 10−5 .5. do tamanho total b − a do intervalo de integra¸ao e a c˜ de h. E claro que essa interpreta¸ao n˜o leva em conta os erros de arredondamento c˜ a cometidos nos c´lculos. assumiremos f e o intervalo [a. 1a ET (h) ES (h) 1 ′′ 2 12 max |f | · |b − a|h 1 ′′′ 3 24 max |f | · |b − a|h 2a 1 ′′ 2 12 max |f | · |b − a|h 1 (iv) | · |b − a|h4 180 max |f 3a 5 ′′ 2 12 max |f | · |b − a|h 1 (iv) | · |b − a|h4 45 max |f Para entendermos melhor o significado desta tabela. Na verdade. dado o tamanho h dos intervalos da parti¸ao.162 ´ CAP´ ITULO 15. por´m.2h2 quando h tende a zero. que ´ (bem) maior do que 0. leva a valores a o muito maiores do que a real diferen¸a entre os valores de T (h) e S(h) e o valor verdadeiro. C3 h3 ou C4 h4 ? Ou colocando em n´ meros. pois se h = 0. percebemos primeiro que todas as f´rmulas s˜o do tipo Chβ . 3 ou 4.2h2 ? e Evidentemente n˜o h´ resposta a essa pergunta.2h2 = 0. Se. no caso do M´todo dos Trap´zios.2h2 . devidos ` limita¸ao no n´ mero de algarismos significativos. e adotaremos. o conhecimento pr´vio do erro inerente ao processo permite avaliar com quantos e algarismos significativos deve ser feita a integra¸ao. O significado de ET (h) (e similarmente de ES (h)) ´ o seguinte. Por exemplo. Essa diferen¸a ´. e ES . dessas estimativas: ET = ET (h) e c˜ e ES = ES (h). Essa estimativa ser´ c˜ c˜ a chamada de ET . 1000h4 ou 0.0014 (truncamento de 500000−1/2). Quem ser´ menor. C2 h2 . b] como fixos. c Pode-se dizer ent˜o que a previs˜o de erro foi bastante pessimista. Os resultados est˜o expostos na a a tabela abaixo. e e e Tanto ET como ES depender˜o de f . est´ presente o m´ximo o a a a valor absoluto de certas derivadas de f . na pr´tica. mesmo que 1000h4 seja a maior do que 0. Se calcularmos T (h). Por a a c˜ u outro lado. O limite indica mais ainda do que isso: a raz˜o entre 1000h4 e 0. m´ximo que deve ser avaliado dentro do intervalo a [a. com certeza. c˜ Al´m disso ´ importante salientar que ET (h) (e similarmente ES (h)) n˜o mede a real e e a diferen¸a entre o valor obtido T (h) e o valor verdadeiro. a a e ela pode acabar sendo realista.5. o c˜ c´lculo de ET (h) e ES (h). na determina¸ao de π que fizemos acima.2h2 . a t´ a u ıtulo de exemplo.2h2 a ´ tanto menor quanto menor for h. ent˜o a a a 1000h4 = 62. de forma que freq¨ enteu mente exprimiremos apenas a dependˆncia em rela¸ao a h. b] → R. ent˜o e a saberemos. no caso do M´todo de Simpson. Em outros casos. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ uma fun¸ao f : [a. quem ´ menor.05. isso nunca vai acontecer se h for suficientemente pequeno. e isso vai depender muito da fun¸ao integranda. No entanto. que o valor correto da integral est´ entre T (h) − ET (h) e a ´ T (h) + ET (h). para certos valores de h.

e o maior valor absoluto da derivada segunda de f nesse intervalo.01732 . Sua f´rmula de erro envolve |b − a|. e dentre elas a segunda. servir´ para e a e a obter a estimativa com a precis˜o desejada. Ent˜o a ET (h) = 1 max |f ′′ | · |b − a|h2 .´ 15.2 Aplica¸˜o das f´rmulas de erro ca o 2 Nesta Se¸ao aplicaremos as f´rmulas de erro no c´lculo de c˜ o a ln 2 = 1 1 dx . 12 Essas duas estimativas s˜o as que iremos adotar nas aplica¸oes pr´ticas. Portanto.2. se quisermos garantir o a que o erro da estimativa seja menor do que 5 × 10−5 . gostar´ e ıamos de escolher h de tal forma que h2 < 5 × 10−5 . sendo a terceira e e e a um pouco pior do que as outras duas. S˜o melhores nesse sentido. h 30 × 10−5 = 0. .01732 . as melhores estimativas tendem a ser aquelas que tˆm mais alta potˆncia de h. APLICACAO DAS FORMULAS DE ERRO ¸˜ 163 Nesta linha de racioc´ ınio. e e o que ´ igual a 1. a c˜ a 15. 6 Essa f´rmula representa o erro m´ximo da estimativa. a Examinemos primeiramente o M´todo dos Trap´zios. atingindo seu m´ximo necessariamente em x = 1. 180 As trˆs estimativas para o M´todo dos Trap´zios s˜o da mesma ordem (h2 ). ou seja queremos que o valor a correto esteja a menos de 5 × 10−5 do valor estimado. a conclus˜o ´ que qualquer valor de h menor do que 0. x Suponha que queiramos calcular ln 2 com precis˜o de 5 × 10−5 . . O valor desse a m´ximo ´ f ′′ (1) = 2. Logo f ′′ (x) ´ uma fun¸ao positiva e decrescente no intervalo considerado. ´ e e aquela com menor constante multiplicativa: ES (h) = 1 max |f (iv) | · |b − a|h4 . pois. . a f´rmula de erro fica a e o ET (h) = h2 . dentre as duas com h4 . as e e a estimativas do M´todo de Simpson. Usaremos as f´rmulas de erro para o determinar em quanto devemos fixar h para obter estimativas com essa precis˜o. usando-se o M´todo dos Trap´zios. por apresentar constante multiplicativa maior. isto ´. ent˜o f ′ (x) = − x2 e f ′′ (x) = x3 . Ou seja. Ora. devemos ter b−a =n. basta garantir que ET (h) seja menor do que esse valor. Acontece a e e que h tamb´m deve ser tal que o comprimento total do intervalo seja um m´ ltiplo inteiro de e u h. 6 Isto ´ o mesmo que pedir e h< At´ agora. . quando h tende a ser pequeno. Assim sendo. portanto. como e 1 2 1 a e c˜ f (x) = x . .

a precis˜o desejada. ´ melhor considerar fixo o n´ mero de e u casas decimais. . que depende do m´ximo valor absoluto da quarta derivada. Aqui deve-se prestar uma aten¸ao a mais: no M´todo de Simpson o n´mero de intervalos c˜ e u deve ser par. Observe que o erro em cada arredondamento de f (xi ) ´ de.01732 . Mas antes teremos a c a que determinar o n´ mero de algarismos significativos ou de casas decimais envolvidos. 0. a soma e u f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) + 4f (x5 ) + 2f (x6 ) + 4f (x7 ) + f (x8 ) acumular´ no m´ximo 20 vezes esse valor (20 ´ a soma dos coeficientes dos f (xi )’s). . Ent˜o o n´ mero n de intervalos da parti¸ao ser´ maior do que a u c˜ a 1 = 7. Portanto n = 8 j´ ´ uma boa escolha! ae Como o M´todo de Simpson se revela consideravelmente menos trabalhoso para se obter. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ Como b − a = 1 e h < 0. Como f ′′ (x) = x3 .26 × 10−5 . no m´ximo.164 ´ CAP´ ITULO 15. ser´ que ´ mais vantajoso neste exemplo? Ser´ que com mee a e a nos intervalos na parti¸ao conseguiremos garantir a mesma precis˜o? Agora temos que nos c˜ a concentrar na f´rmula de ES (h). ent˜o a n= b−a 1 1 = > = 57. 15 isto ´. da ordem da casa decimal anterior. . no m´ximo.01732 . . h h 0. Ent˜o precisamos dividir o intervalo [1. . . se usarmos a 5 casas decimais o arredondamento provocar´ erro de no m´ximo 0. . Usando N casas decimais. . basta tomar h tal que 2 4 h < 5 × 10−5 . fa¸amos os c´lculos correspondentes. Na u verdade. . . ou seja. Essa fun¸ao ´ positiva e decrescente em [1. Pela f´rmula a a o de Simpson. 180 15 Como queremos ES (h) < 5 × 10−5 .139 .139 .7 . e garantidamente. onde e a N ´ o n´ mero de casas decimais utilizadas. temos f ′′′ (x) = − x4 e f (iv) (x) = x5 . O erro a a e acumulado ser´. 10×10−N . com a precis˜o requerida! a E o M´todo de Simpson. 2] de forma que seu m´ximo ´ atingido em x = 1 e ´ igual a 24. e h< 15 · 5 × 10−5 2 1 4 = 0. 2] em a no m´ ınimo 58 intervalinhos para conseguir a estimativa desejada. o a 6 24 2 c˜ e entre 1 e 2.5 × 10−5 ).18 . Ent˜o a e e a ES (h) = 24 4 2 4 h = h . 0.5 × 10−N . Acontece a a 1 e a que depois essa soma ser´ multiplicada por h . . implicando que n deve ser maior ou igual a 58. . . como se trata de delimitar um erro absoluto. . que ´ igual a 24 .5 × 10−N (por exemplo. de forma que o erro m´ximo a 3 por arredondamento no valor final ficar´ menor do que 0. . a ado¸ao de n = 8 nos leva a um erro m´ximo c˜ a ES (h) = 2 15 1 8 4 ≈ 3.

Examine a integra¸ao c˜ 2 num´rica da fun¸ao Gaussiana e−x .2 Investigue.57143 0.750 1. O que nos faz concluir que o uso de 5 casas decimais ´ e suficiente para os c´lculos.875 2. largamente utilizada em Probabilidade e Estat´stica. e e Exerc´ ıcio 15.88889 0. c˜ de forma a comparar os resultados obtidos com os valores exatos. O objetivo deste exerc´cio ´ ver que o c˜ ı e t n´mero e pode ser obtido atrav´s da solu¸ao num´rica da equa¸ao ln x = 1. Proponha uma “receita” para essa escolha. para 1 ≤ x ≤ 3.5 Considere a fun¸ao ln x = 1 1 dt.125 1.´ 15.80000 0.50000 1 1 S( ) = × 16. e c˜ 1.2. dentro. da precis˜o pedida.000 f (xi ) 1. usando o M´todo u e c˜ e c˜ e de Newton e calculando logaritmos somente atrav´s da defini¸ao. a Exerc´ ıcio 15. baseado no a e e e que foi feito no exemplo acima.3 Determine uma f´rmula para S( h ) em fun¸ao de T (h) e T ( h ).63568 = 0.000 1.625 1. APLICACAO DAS FORMULAS DE ERRO ¸˜ 165 de forma que um erro adicional de 10−5 por arredondamento n˜o nos tirar´ da margem a a previamente delimitada de 5 × 10−5 .1 A integral 2 1 ex dx x ´ maior ou menor do que 3? Justifique sua resposta e dˆ uma estimativa para a integral. e levando em conta a precis˜o que se quer atingir no resultado a final. usando o M´todo de a e Simpson com 8 intervalos.69315 . e c˜ ı Exerc´ ıcio 15. a Ent˜o vamos a eles! A tabela abaixo mostra os valores de f nos pontos da parti¸ao.00000 0.53333 0.4 Procure integrar numericamente fun¸oes cujas primitivas sejam conhecidas. o 2 2 Exerc´ ıcio 15. de maneira geral.250 1. como deve se dar a escolha do n´mero de u casas decimais dos c´lculos do M´todo dos Trap´zios e do M´todo de Simpson. c˜ Exerc´ ıcio 15.61538 0.72727 0.66667 0. x . que resolve esta equa¸ao c˜ c˜ e c˜ numericamente. 8 24 que difere do valor verdadeiro por menos do que 10−5 .500 1. Determine o erro m´ximo de se calcular ln x. 2. portanto e com folga. a c˜ arredondados para 5 casas decimais.375 1. i 0 1 2 3 4 5 6 7 8 Obtemos xi 1. Determine a fun¸ao de itera¸ao ϕ do M´todo de Newton.

g4 (x) = x4 − 7 x2 + 35 .6 Usando o m´todo de m´nimos quadrados. Exerc´ ıcio 15. . Estime os valores num´ricos usando uma aproxima¸ao para essa ` e c˜ integral. por sucessivas integra¸oes por eı c˜ partes. e 8 5. Observe que ser´ preciso calcular a integral gaussiana. c˜ 4. g2 (x) = x2 − 3 . a integral gaussiana. 1. Com x0 = 1.7 Considere a equa¸ao f (x) = c˜ x −t2 dt 0 e 2 − 1 = 0. Exerc´ ıcio 15. com certeza. 2. 1]. no e e a intervalo [2. g1 >= 3 . com 4 casas decimais e 8 intervalos. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ 1 t. Tome x0 = 3 e calcule x1 = ϕ(x0 ) (use 4 casas decimais para os valores de intervalos para a integra¸ao). g2 >= 45 . < g2 . < g3 . < g1 . use a fam´lia de polinˆmios ortogonais (nesse ı o 6 3 1 intervalo) g0 (x) = 1. 5 8 8 2 sabendo que < g0 . g4 >= 128 a a 11025 .720]. c˜ c˜ e c˜ 2. Calcule x2 = ϕ(x1 ). 3. g3 (x) = x3 − 3 x. Para isso.166 ´ CAP´ ITULO 15.716. aproxime e−x por um polinˆmio e ı o de grau 4 no intervalo [−1. obtenha x1 = ϕ(x0 ). Defina a fun¸ao de itera¸ao ϕ do M´todo de Newton para resolver a equa¸ao. g0 >= 2. g1 (x) = x. Discuta uma estrat´gia que vocˆ adotaria para mostrar que e est´. g3 >= 175 . Outras integrais ou ser˜o nulas (porque o integrando ´ ´mpar) ou podem ser reduzidas. < g4 .

podem ser seguidas no caso geral. a e a enquanto que na f´rmula de ET (h) trata-se do m´ximo ao longo de todo o intervalo de o a integra¸ao. mas deve-se atentar para o fato de que as f´rmulas de erro n˜o ser˜o o a a t˜o boas quanto as outras. Acontece que n tamb´m ´ o tamanho total do intervalo de integra¸ao dividido por h. de e e c˜ forma que |b − a| eT (h) . de tamanho h. a unidade b´sica ´ um intervalo [xi . na primeira e na segunda abordagens obteremos eT (h) = logo |b − a| max |f ′′ |h2 . dedicaremos este Cap´ ıtulo para a obten¸ao das f´rmulas c˜ o de erro mencionadas. e como o n´ mero de intervalos ´ igual a n ent˜o e o u e a ET (h) = neT (h) . Seguiremos trˆs abordagens. mas sem d´ vida isso seria um pouco menos interessante. Todas as f´rmulas de erro mencionadas pressup˜em que os intervalos da parti¸ao sejam de o o c˜ igual tamanho. a Em todas as abordagens. se isso for e da necessidade do leitor.Cap´ ıtulo 16 Obten¸˜o das f´rmulas de erro ca o Como dissemos no Cap´ ıtulo anterior. Poder´ ıamos. c u As id´ias da primeira abordagem. pois na f´rmula e a c˜ a o de eT (h) o m´ximo valor absoluto da segunda derivada ´ obtido dentro da unidade b´sica. evidentemente. ET (h) = h Por exemplo. por exemplo. o e a No M´todo dos Trap´zios. 12 Observe que tamb´m h´ uma perda em rela¸ao ` constante multiplicativa. c˜ ET (h) = 167 1 max |f ′′ |h3 . Para e e a e cada intervalo obt´m-se uma f´rmula eT (h). 12 . a f´rmula de erro ´ obtida primeiro para uma unidade b´sica. com a finalidade de propor diferentes e vis˜es de como se pode estimar a integral da diferen¸a entre a fun¸ao verdadeira e o polinˆmio o c c˜ o interpolador que a substitui. determinar f´rmulas mais gerais que levassem o em conta um espa¸amento irregular. O leitor reconhecer´ que a primeira abordagem ´ a continua¸ao a e c˜ natural das estimativas do erro de interpola¸ao obtidas no Cap´ c˜ ıtulo 11. xi+1 ].

ES (h) = neS (h) = 1a eT (h) eS (h) 1 ′′ 3 12 max |f | · h 1 ′′′ 4 12 max |f | · h 2a 1 ′′ 3 12 max |f | · h 1 (iv) | · h5 90 max |f 3a 5 ′′ 3 12 max |f | · h 2 (iv) | · h5 45 max |f Finalmente. f (0)) e (h. definimos p(x) como sendo o polinˆmio quadr´tico por (−h. A f´rmula de erro para a unidade ser´ denotada por c c˜ o a eS (h). x2i+2 ]. f (0)) e (h. e No M´todo dos Trap´zios. 2! [0. OBTENCAO DAS FORMULAS DE ERRO ¸˜ J´ no M´todo de Simpson. em valor absoluto.M´todo dos Trap´zios e e 1 Mostraremos que |∆(h)| ≤ 12 max |f ′′ | · h3 (vide tabela acima). 16. 2h As f´rmulas de erro das unidades b´sicas (de acordo com a abordagem) est˜o contidas na o a a tabela abaixo. c= Ent˜o. f (h)). pela defini¸ao de ∆(h). 0 x(h − x)dx = c . definimos p(x) como o polinˆmio interpolador de grau 1 por e e o (0.1 Primeira Abordagem . temos a c˜ h 1 max |f ′′ | . h]. e procuramos limitar a diferen¸a c h ∆(h) = 0 (f (x) − p(x)) dx . vale notar que.h] h3 . x2i+2 ] do e e M´todo de Simpson podem ser tomados como sendo [−h. por eS (h). f (h)). Em cada intervalo desses troca-se f por um polinˆmio quadr´tico e examina-se o a a diferen¸a produzida na integra¸ao. 6 |∆(h)| ≤ c e segue o que quer´ ıamos demonstrar. que tem a e a e tamanho 2h. h]. em valor absoluto. e as unidades [x2i . por eT (h). Como s˜o n unidades b´sicas e 2n = |b−a| . a diferen¸a c f (x) − p(x) pode ser limitada. xi+1 ] do c M´todo dos Trap´zios podem ser tomados como sendo [0. via uma mudan¸a de coordenadas. em [0. f (−h)). a unidade b´sica ´ um intervalo da forma [x2i . os intervalos [xi . e o a (0. resulta que a a h |b − a| eS (h) . e procuramos limitar a diferen¸a c h ∆(h) = −h (f (x) − p(x)) dx . De acordo com o exposto no Cap´ ıtulo 11. h].168 ´ CAP´ ITULO 16. da seguinte forma: onde −cx(h − x) ≤ f (x) − p(x) ≤ cx(h − x) . No M´todo de Simpson.

3 Segunda Abordagem . h] a fun¸ao q ´ positiva.´ 16. PRIMEIRA ABORDAGEM . P ′ (x) = f (x)). 2 Observamos ent˜o que ∆(0) = 0. o que era de se esperar. De acordo com o Cap´ ıtulo 11. Como q ´ fun¸ao ´ e c˜ ımpar. 2 2 . pois nenhum erro ´ cometido se h ´ a e e nulo.METODO DE SIMPSON 169 16. |q| ´ fun¸ao par. Ent˜o a h |∆(h)| ≤ c −h |q(x)|dx . |f (x) − p(x)| ≤ c|q(x)| . ent˜o a ∆′ (h) = 1 h (f (0) + f (h)) − f ′ (h) . Temos c˜ a h ∆(h) = 0 f (x)dx − h (f (0) + f (h)) . e portanto s´ precisamos obter a integral e c˜ e o h 0 (x + h)x(h − x)dx = |∆(h)| ≤ c 4 h . 2 h4 . de forma que e c˜ h |∆(h)| ≤ 2c 0 |q(x)|dx . ent˜o e a ∆(h) = P (h) − P (0) − h (f (0) + f (h)) . Temos ∆′ (h) = P ′ (h) − Como P ′ = f . Al´m disso.2 Primeira Abordagem .M´todo dos Trap´zios e e 1 Iremos mostrar que |∆(h)| ≤ 12 max |f ′′ | · h3 . Se pudermos limitar a derivada de ∆(h) ent˜o limitaremos seu crescimento. 2 Se P for uma primitiva de f (isto ´. 2 2 1 h (f (h) − f (0)) − f ′ (h) . em [0. Para isso. onde q(x) = (x + h)x(h − x) e 1 c = 3! max[−h. em fun¸ao a c˜ do tamanho de h. h Queremos avaliar o erro de se aproximar a integral 0 f (x)dx pela ´rea do trap´zio a e h (f (0) + f (h)).2.M´todo de Simpson e 1 Mostraremos que |∆(h)| ≤ 12 max |f ′′′ | · h4 . 16. consideraremos h como vari´vel e estimaremos o erro ∆(h) em a 2 fun¸ao dessa vari´vel.h] |f ′′′ | . 4 Logo de onde segue o que quer´ ıamos demonstrar.

existe ξ = ξ(h) no intervalo e [−h. 4 12 16.M´todo de Simpson e 1 90 Queremos mostrar que |∆(h)| ≤ Temos que avaliar h max |f (iv) | · h5 . Portanto. OBTENCAO DAS FORMULAS DE ERRO ¸˜ Notamos tamb´m que ∆′ (0) = 0. o que nos sugere derivar ainda mais uma vez.170 ´ CAP´ ITULO 16.h] ent˜o a |∆′′′ (h)| ≤ C 2h2 . Derivando trˆs vezes chegamos a e h ∆′′′ (h) = − (f ′′′ (h) − f ′′′ (−h)) . 2 4 |∆(h)| ≤ C Como quer´ ıamos demonstrar! 0 h3 t2 dt = (max |f ′′ |) · . h h 0 |∆′′ (t)|dt ≤ C t h2 dt = C . mas agora temos que derivar e a a e e integrar uma vez a mais. 3 com ∆(0) = ∆′ (0) = ∆′′ (0) = 0. para delimitar e o crescimento de ∆′ : h ∆′′ (h) = − f ′′ (h) . [0. 2 Ent˜o a h |∆′′ (h)| ≤ C . 2 onde C = max |f ′′ | . h (f (−h) + 4f (0) + f (h)) . se C = max |f (iv) | [−h. 3 . +h] tal que f ′′′ (h) − f ′′′ (−h) = f (iv) (ξ) · 2h .4 Segunda Abordagem . Logo |∆′ (h)| ≤ Integrando mais uma vez.h] Com o crescimento controlado de ∆ . voltamos a integrar: h h ′′ ∆′ (h) = ∆′ (0) + 0 ∆′′ (t)dt = 0 h 0 ∆′′ (t)dt . Pelo Teorema do Valor M´dio. 3 ∆(h) = −h f (x)dx − Os passos s˜o semelhantes `queles do M´todo dos Trap´zios.

O m´todo ´ um pouco mais intuitivo que os anteriores.5 Terceira Abordagem . olhamos para h ∆(h) = 0 f (x)dx − h [f (h) + f (0)] . 90 171 16. por integra¸oes sucessivas. 12 . 0 Usando a estimativa em |R(x)|. a Como na Segunda Abordagem. c˜ |∆′′ (h)| ≤ C |∆′ (h)| ≤ C |∆(h)| ≤ C 2h3 . 18 h5 . Nesta abordagem do c´lculo de erro. 2 f ′ (0)dx. 2 A fun¸ao f se escreve como c˜ f (x) = f (0) + f ′ (0)x + R(x) . mas nas constantes multiplicativas). levamos em conta a expans˜o em Taylor da fun¸ao a a c˜ f (vide Apˆndice C. temos h ∆(h) = 0 h f (x) − f (0)dx + f ′ (0)xdx − h [f (0) − f (h)] 2 h = 0 h [f (0) − f (h)] + 2 h 0 h R(x)dx 0 = = = f ′ (0) f ′ (0) h h2 − [f (h) − f (0)] + 2 2 R(x)dx R(x)dx 0 h2 h − [f ′ (0)h + R(h)] + 2 2 h h − R(h) + 2 R(x)dx . conclu´ ımos que |∆(h)| ≤ max |f ′′ | 5h3 . TERCEIRA ABORDAGEM .´ ´ 16. 9 h4 .5. onde |R(x)| ≤ max |f ′′ | J´ que f ′ (0)h = a h 0 x2 . mas produz e e e resultados um pouco piores (n˜o na ordem de h.METODO DOS TRAPEZIOS e.M´todo dos Trap´zios e e 5 Obteremos |∆(h)| ≤ 12 max |f ′′ | · h3 .

que permitir´ qualificar as a constantes envolvidas. g(0) = d. isto e ´. suponha que queiramos integrar g(x) = ax3 + bx2 + cx + d em [−h. ´ exato para polinˆmios c´ bicos. 3 Mas g(−h) + g(h) = 2bh2 + 2d .6 Terceira Abordagem . de forma que o f (x) − p3 (x) = R(x) . O M´todo de Simpson nos d´ a aproxima¸ao e a c˜ h (g(−h) + 4g(0) + g(h)) . logo a integral vale a 2b h3 + 2dh . OBTENCAO DAS FORMULAS DE ERRO ¸˜ 16.172 ´ CAP´ ITULO 16. 3 . pois e h −h (ax3 + bx2 + cx + d)dx = a x3 x2 x4 h |−h + b |h + c |h + dxh . e e Agora consideremos uma fun¸ao f suficientemente diferenci´vel. Em primeiro lugar. 3 que ´ o mesmo valor dado pelo M´todo de Simpson. Ela pode ser escrita c˜ a como seu polinˆmio de Taylor de ordem 3 mais um resto R(x): o f (x) = f (0) + f ′ (0)x + onde f ′′ (0) 2 f ′′′ (0) 3 x + x + R(x) . logo e bh2 h (g(−h) + 4g(0) + g(h)) = 2h( + d) . −h −h 4 3 2 −h O primeiro e o terceiro termos s˜o nulos. vemos que esse ´ exatamente o valor da integral. e o u Sem perda de generalidade. 3 3 Por outro lado. aplicado em pares de intere valos iguais. olharemos para a diferen¸a e c h ∆(h) = −h f (x)dx − h (f (−h) + 4f (0) + f (h)) . Al´m disso.M´todo de Simpson e 2 Iremos mostrar que ∆(h) ≤ 45 max |f (iv) | · h5 . h]. 2 3! R(x) −→ 0 x3 quando x → 0. h Queremos avaliar o erro cometido pelo M´todo de Simpson para integrar −h f (x)dx. Adiante teremos uma f´rmula mais expl´ o ıcita para esse resto. Chamaremos de p3 o polinˆmio de Taylor. observaremos que o M´todo de Simpson.

x] x4 .h] 2h5 2h5 + 5! 3 · 4! = max |f (iv) | [−h. 4! 2h5 5! 2h5 .METODO DE SIMPSON Sabendo que o M´todo de Simpson ´ exato para grau trˆs.6. temos e e e h 173 p3 (x)dx = −h h (p3 (−h) + 4p3 (0) + p3 (h)) . 3 Usaremos a seguinte estimativa para o resto: |R(x)| ≤ max |f (iv) | [0.h] e |∆(h)| ≤ max |f (iv) | [−h. lembrando que p3 (0) = f (0) e que f (x) − p3 (x) = R(x). 3 logo. 45 de forma que h −h R(x)dx ≤ max |f (iv) | [−h. h ∆(h) = −h R(x)dx − h (R(−h) + R(h)) .´ 16.h] . TERCEIRA ABORDAGEM .

OBTENCAO DAS FORMULAS DE ERRO ¸˜ .174 ´ CAP´ ITULO 16.

Parte VI Equa¸˜es Diferenciais co 175 .

.

significa que a derivada da fun¸ao x(t) ´ igual a f (t) para todo t entre a e b.Cap´ ıtulo 17 Breve introdu¸˜o `s equa¸˜es ca a co diferenciais 17. Esta equa¸ao coloca em rela¸ao a fun¸ao e sua derivada. c˜ c˜ c˜ c˜ O tipo mais simples de equa¸ao diferencial ´ o problema de achar uma primitiva de uma c˜ e dada fun¸ao. ent˜o a c˜ e a fica determinada a unica primitiva que ´ solu¸ao desse problema: ´ e c˜ t x(t) = x0 + t0 f (s)ds . Em outras c˜ e palavras.1 Introdu¸˜o ca Uma equa¸ao diferencial de uma vari´vel real ´ uma equa¸ao em que a inc´gnita ´ uma c˜ a e c˜ o e fun¸ao real x : [a. que depende ´ claro de F1 e F2 . Na nota¸ao de Leibniz. b] . a a e tal que F1 (t) − F2 (t) = C para todo t ∈ I. a fun¸ao x(t) ´ uma primitiva da fun¸ao f (t). Neste caso. se F1 e F2 s˜o primitivas de f ent˜o existe uma constante C. c˜ x′ (t) = f (t) . para um determinado t0 ∈ [a. Mais precisamente. b] → R. ∀t ∈ [a. Por exemplo. e e 177 . Uma primitiva em particular pode ser dada pela integral indefinida t F (t) = t0 f (s)ds . indicando que todas as primitivas de f diferem por uma constante. escrevemos c˜ e c˜ c˜ x(t) = f (t)dt + C . b]. Se adicionarmos ` equa¸ao diferencial x′ (t) = f (t) a exigˆncia de que x(t0 ) = x0 . F (t0 ) = 0. Essa exigˆncia extra ´ conhecida como um problema de valor inicial.

x) x0 ´ comumente conhecido como problema de Cauchy.178 CAP´ ITULO 17. As fun¸oes x(t) que verificam x′ (t) = f (t. ´ a E f´cil verificar que x(t) = et ´ solu¸ao. Ao contr´rio do exemplo anterior. temos tamb´m as equa¸oes separ´veis. t ∈ R . x(0) = x0 . Por exemplo. e x′ (t) = f (t. a e a ˜ e c˜ Em outras palavras. uma equa¸ao diferencial ´ colocada assim: a derivada de x(t) depende de c˜ e t e de x(t). ent˜o a constante c fica univocamente a determinada por x0 = x(t0 ) = cet0 . no caso de equa¸oes autˆnomas basta estudar o problema de Cauchy c˜ o com t0 = 0. isto ´. Ela n˜o ´ a unica. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ Em geral as equa¸oes diferenciais n˜o se resumem t˜o simplesmente a um problema de c˜ a a integra¸ao. ˜ c˜ e˜ x ˜ Ent˜o ´ f´cil ver que x(t) = x(t−t0 ) ´ solu¸ao do problema de Cauchy x′ = X(x). No entanto. onde f (t. O problema de achar x(t) tal que x′ = x(t0 ) = f (t. como na seguinte equa¸ao: c˜ c˜ x′ (t) = x(t) . donde x(t) = x0 et−t0 .2). x′ = t2 sen(tx) significa c˜ ′ 2 x (t) = t sen(tx(t)).3. . isto ´ x′ (t) = X(˜(t)) e x(0) = x0 . x(t0 ) = x0 . n˜o ´ claro ainda neste ponto que x(t) seja a unica solu¸ao a a e ´ c˜ da equa¸ao diferencial x′ (t) = x(t) satisfazendo o problema de valor inicial x(t0 ) = x0 . x(t)) . a e c˜ c˜ De modo geral. ficando impl´ ıcito o argumento das fun¸oes x e x′ . Na nota¸ao compacta escreve-se c˜ c˜ x′ = f (t. se impusermos o problema c˜ c˜ de valor inicial x(t0 ) = x0 e supusermos x(t) = cet . c˜ Al´m disso. pode-se colocar o problema de valor inicial e x(t0 ) = x0 . pois c˜ a princ´ ıpio poderia haver uma solu¸ao que n˜o fosse da forma x(t) = cet . suponha que j´ conhe¸amos uma solu¸ao para o problema o a c c˜ de Cauchy x′ = X(x). e Dizemos que uma equa¸ao diferencial ´ autˆnoma quando f s´ depende de x. o o c˜ Pensando no caso autˆnomo. x) = g(t)X(x) . Seja x(t) essa solu¸ao. a derivada de x(t) pode depender de x(t). x(t)) s˜o chamadas solu¸oes c˜ a c˜ da equa¸ao diferencial. pelo menos para essa equa¸ao (vide Subse¸ao 17. De fato veremos c˜ a que esse n˜o ´ o caso. x) . x) = X(x) (na medida do poss´ usaremos a letra f para as equa¸oes n˜o autˆnomas ıvel c˜ a o e X para as autˆnomas. Por exemplo. onde f aqui denota uma fun¸ao de duas vari´veis (n˜o nos preocuparemos por enquanto com c˜ a a o dom´ ınio da fun¸ao f ). pois x(t) = cet tamb´m ´ e c˜ a e ´ e e solu¸ao da equa¸ao diferencial para todo c ∈ R. isto ´ c˜ e o o e f (t. como nos dois exemplos acima. por quest˜es de tradi¸ao). Al´m das equa¸oes autˆnomas. x) ´ o e c˜ o e c˜ a e produto de uma fun¸ao que s´ depende de t por uma fun¸ao que s´ depende de x: c˜ o c˜ o f (t.

Como estamos supondo que x(t) n˜o passa por singularidade. Fora das singularidades. . e integrar de t0 a t: c˜ t t0 1 x(s)ds = ˙ X(x(s)) t g(s)ds . isto ´. podemos escrever suas solu¸oes em termos de inversas de c˜ o e c˜ primitivas de fun¸oes elementares. n˜o h´ como uma solu¸ao x(t) a a a c˜ chegar e sair de uma singularidade. equa¸oes autˆnomas representam um c˜ o caso particular das equa¸oes separ´veis. Se. se tomarmos g(t) ≡ 1. ˙ Para discutir as solu¸oes de x = g(t)X(x). mas eventualmente essas solu¸oes n˜o podem ser obtidas c˜ c˜ a explicitamente. ent˜o a equa¸ao ficar´ a c˜ a F (x(t)) = F (x0 ) + G(t) − G(t0 ) . de forma que du = x(s)ds. Ent˜o c˜ ˙ a x(t) x0 1 du = X(u) t g(s)ds . sob essas mesmas hip´teses ´ poss´ mostrar que duas solu¸oes quaisquer o e ıvel c˜ x(t) e x(t) ou s˜o idˆnticas (x(t) = x(t). Pois uma equa¸ao autˆnoma x = X(x) tamb´m se c˜ a c˜ o ˙ e escreve como x = g(t)X(x). pois F ′ = X n˜o troca de sinal. conseguirmos achar a inversa de F (pelo menos numa regi˜o delimitada entre e a 1 a duas singularidades isso em tese ´ poss´ e ıvel.2. al´m disso. de algum modo. pois x(t) ≡ 0 e g(t)X(x(t)) = g(t)X(x∗ ) ≡ 0. para ˜ a e ˜ ˜ todo t). mas achar uma express˜o expl´ a ıcita ´ outra coisa!). podemos encontrar a solu¸ao da seguinte maneira. 17. Um ponto x∗ dessa a e c˜ ˙ forma ´ chamado de singularidade da equa¸ao. SOLUCAO DE EQUACOES AUTONOMAS E SEPARAVEIS ¸˜ ¸˜ 179 Veremos adiante que equa¸oes autˆnomas e separ´veis s˜o facilmente sol´ veis. e a a a podemos dividir os dois lados da equa¸ao por X(x(t)). Primeiro c˜ escrevemos a equa¸ao com a vari´vel t explicitada: c˜ a x(t) = g(t)X(x(t)) . t0 No lado esquerdo fazemos a substitui¸ao u = x(s). se acharmos uma primitiva F para X e uma primitiva G para g. teremos e x(t) = F −1 (F (x0 ) + G(t) − G(t0 )) . t0 A partir da´ podemos. Em outras palavras.ˆ ´ 17. pode-se mostrar que se x(t) = x∗ para algum instante t ent˜o x(t) ≡ x∗ . e c˜ Est´ fora do escopo destas notas. ent˜o X(x(t)) n˜o se anula. e gostar´ e ıamos de saber x(t) se x(t0 ) = x0 (problema de Cauchy). Por exemplo. para todo t) ou nunca se cruzam (x(t) = x(t). ˙ O instante inicial ´ t0 . a c˜ a g cont´ ınua e X diferenci´vel e com derivada cont´ a ınua). observamos primeiramente que se X(x∗ ) = 0 c˜ ˙ ent˜o x(t) ≡ x∗ ´ solu¸ao. a menos c˜ o a a u de integra¸oes e invers˜es. mas sua express˜o expl´ ı a ıcita depender´ a 1 de podermos cumprir certas etapas. mas com condi¸oes razo´veis sobre g e X (por exemplo. em teoria.2 Solu¸˜o de equa¸˜es autˆnomas e separ´veis ca co o a Em primeiro lugar observamos que. Na verdade. encontrar x(t).

˙ onde β ´ uma constante positiva. Este caso n˜o passa de uma simples primitiviza¸ao.2 Crescimento populacional a taxas constantes Se tomarmos t como sendo o tempo. e divide-se pela popula¸ao que havia no instante t: c˜ x(t + h) − x(t) . ´ uma fun¸ao afim.180 CAP´ ITULO 17. mas ´ muito mais do que isso. isto ´. Portanto e c˜ e c˜ r(t) = r0 − αt . A taxa de varia¸ao da popula¸ao ´ medida percentualmente. ou seja.3 abordamos a perda de material de uma bolinha de naftalina em fun¸ao c˜ c˜ do tempo. podemos. ca 17. α(t) = x(t) onde α(t) indica a taxa de crescimento instantˆneo no instante t. a c˜ 17. e discutiremos sua solu¸˜o. do instante t para o instante e t + h. Ent˜o e c˜ a a x(t) x0 1 du = α(t − t0 ) . Ela diz que r(t) c˜ e o e ´ uma fun¸ao de derivada constante negativa. supor que x(t) varia continuamente (hip´tese razo´vel c˜ o a se a popula¸ao ´ grande). esse valor ´ muito dependente do tempo h decorrido entre os dois instantes. e x(t) como sendo a popula¸ao de determinada esp´cie no c˜ e instante t.3.3. dividir tudo por h. e queremos achar as solu¸oes que n˜o passam pelo zero.3 Alguns exemplos Nesta Se¸ao examinaremos alguns exemplos de equa¸oes diferenciais que surgem da modelac˜ c˜ gem de problemas do “mundo real”. ficamos com x′ (t) . portanto. por aproxima¸ao. o que o e e leva ` equa¸ao a c˜ x′ (t) = αx(t) . α(t) ≡ α. sem apelar para “chutes”. Podemos deduzir a solu¸ao. e Podemos dizer que a equa¸ao ´ autˆnoma.3. e chegamos ` conclus˜o de que seu raio r(t) obedece ` equa¸ao a a a c˜ r(t) = −α . u portanto log x(t) = log x0 + α(t − t0 ) . x(t) Mesmo assim. Fazendo depois o limite quando h a tende a zero. isto c˜ e c˜ c˜ e ´. mede-se o incremento (ou decrescimento) x(t + h) − x(t). a A hip´tese Malthusiana de crescimento ´ que α(t) seja constante. e sendo muito mais razo´vel. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ 17.1 Naftalinas Na Subse¸ao 4. onde r0 = r(0). A unica singularidade da equa¸ao c˜ ´ c˜ ´ x∗ = 0.

sendo mais justo c˜ escrever α(t) = h(x(t)) . e tanto mais positiva quanto menor for a popula¸ao (respeitando ´ claro a velocidade de reprodu¸ao m´xima da esp´cie). equa¸oes do tipo x = αx e c˜ ˙ explicam o comportamento da velocidade do p´ra-quedista. Isso d´ uma equa¸ao autˆnoma em a a c˜ o v(t). A velocidade de equil´ ıbrio v ∗ ´ definida como sendo aquela para a qual a resultante de e ∗ c for¸as ´ nula. ent˜o v(t) ´ a acelera¸ao. portanto. x(t) = x0 eα(t−t0 ) . Se v(t) ´ velocidade do p´raa e a quedista (supondo positiva se estiver indo de cima para baixo). e a ˙ e c˜ pela Segunda Lei de Newton vale mv(t) = mg − αv(t) . ˙ onde o termo αv(t) corresponde ` for¸a de resistˆncia exercida em sentido contr´rio ao do a c e a movimento e de intensidade proporcional ` velocidade. e c˜ o a 17. mg − αv seguindo o m´todo sugerido para equa¸oes autˆnomas e separ´veis. c˜ c c˜ Esse modelo preveria que: (i) se a popula¸ao for muito grande. Se definirmos w(t) = v(t) − v ∗ (ou seja.3. a diferen¸a entre a c e α velocidade e a velocidade de equil´ ıbrio. (ii) se a popula¸ao c˜ c˜ for muito pequena.3. 181 Um modelo como este se presta tamb´m ` modelagem do decaimento radioativo. portanto v = mg .3. em cada instante). exponenciando os dois lados. A equa¸ao tamb´m poderia ser resolvida diretamente.3 P´ra-quedista a Al´m do crescimento populacional e do decaimento radioativo. . pela integra¸ao c˜ e c˜ v(t) v0 m dv = t . ALGUNS EXEMPLOS e. ˙ ˙ Como α m = g v∗ . g se w0 = w(0). e tanto mais negativa quanto maior for a popula¸ao. c˜ e c˜ a e Nesse modelo. o 17.2 levaria em conta c˜ a limita¸ao de espa¸o e alimento que uma popula¸ao enfrenta quando se torna muito grande. onde a e a taxa de decaimento de uma amostra de um is´topo ´ proporcional ` quantidade desse mesmo o e a is´topo. ent˜o a w(t) = w0 e− v∗ t .4 Crescimento populacional com restri¸˜es de espa¸o co c Um modelo ligeiramente mais realista do que o proposto na Subse¸ao 17. a taxa de crescimento deveria ser positiva.17. α(t) dependeria exclusivamente da popula¸ao.3. a taxa de crescimento α(t) c˜ deveria ser negativa. teremos mw(t) = mv(t) = mg − αv(t) = αv ∗ − αv(t) = −αw(t) .

para manter a nota¸ao que usamos at´ este ponto da exposi¸ao. h(x) = a − bx. Em (t. As for¸as de tens˜o agem no segmento tangencialmente ` corda. x(t)) da corda. mas achamos que ela se presta muito c˜ mais a um exame qualitativo. entre o ponto c (0. c a c Faremos a an´lise desse equil´ a ıbrio de for¸as sobre um segmento da corda. Estando j´ equilibradas c a a a localmente no interior do segmento. mas c˜ n˜o o faremos para evitar confus˜o. de forma a que a equa¸ao diferencial se escreva como y ′ = f (x. Essa taxa decresceria continuamente com o aumento de x. onde x(t) indica a fun¸ao cujo gr´fico coincide a c˜ a com seu formato. c˜ x′ = x(a − bx) . A origem das coordea a nadas ser´ colocada sobre o ponto de m´ a ınimo da corda. x(t)) ´ uma for¸a de intensidade f (t) e c desconhecida. 0) e um ponto arbitr´rio (t. e ter´ ıamos a equa¸ao diferencial c˜ x′ (t) = x(t) (a − bx(t)) ou. 0) ´ uma for¸a c e c horizontal. c˜ e c˜ ´ E comum o emprego de y e x para essas vari´veis. que podemos investigar. correspondente a uma taxa de crescic˜ mento ideal da popula¸ao.5 Caten´ria a J´ falamos mais de uma vez sobre a caten´ria. c˜ a c˜ Em primeiro lugar. de intensidade f0 desconhecida. Para se obter a for¸a peso agindo sobre esse peda¸o. sem limita¸ao f´ c˜ c˜ ısica alguma. mas em nenhum momento justificamos pora a que uma corda (ou corrente) pendurada por dois pontos assume o formato de um cosseno hiperb´lico. inclinada com ˆngulo θ = θ(t) cuja tangente ´ igual a x′ (t). porque h´ o peso da corda c a agindo verticalmente e as for¸as de tens˜o para contrabalan¸ar. O comprimento l(t) do gr´fico de x(t) entre 0 e t ´ dado pela integral u a e t l(t) = 0 1 + x′ (s)2 ds . temos um equil´ ıbrio de for¸as sobre a c corda. Por exemplo. Vejamos. ´ preciso calcular seu comprimento c c e e multiplicar pela densidade linear da corda (que suporemos constante e igual a um certo n´ mero δ). com a e b positivos.182 CAP´ ITULO 17. a e . do qual iremos falar na pr´xima Se¸ao. Poder´ ıamos resolver explicitamente esta equa¸ao. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ A fun¸ao h(x) assumiria um valor positivo em x = 0. ao ponto de se tornar negativa para x grande. 11 00 11 00 11 00 x 11 00 11 00 11 00 t Como estamos modelando uma corda parada. o c˜ 17. As for¸as existem realmente. restam as for¸as nos extremos. o A dedu¸ao mais razo´vel passa por uma equa¸ao diferencial. Neste caso. y). satisfaz a essas exigˆncias. em nota¸ao compacta. Em (0.3. chamaremos de t a coordenada horizontal e de x a coordenada vertical no plano da corda.

c 17. Ent˜o a taxa de varia¸ao do e a a a a c˜ volume do copo seria V ′ (t) = −ca0 h(t) . ´ poss´ modelar o problema atrav´s de uma equa¸ao e ıvel e c˜ diferencial. alcan¸ando uma a ısse c √ velocidade da ordem de h (lembre-se que para um corpo em queda livre.3. como se a coluna de ´gua ca´ dessa altura. por exemplo. com um buraco no fundo. que ela dependa do formato do copo. ela deve c˜ ser proporcional ` velocidade da ´gua que sai do buraco. Tamb´m n˜o se espera. x′ (t) = senh(ct) verifica x′ (0) = 0. ALGUNS EXEMPLOS Do equil´ ıbrio de for¸as horizontal obt´m-se c e f0 = f (t) cos θ e do equil´ ıbrio vertical δgl(t) = f (t) sen θ . seu raio aumenta ou diminui conforme a altura. Derivando ambos os lados a e obtemos x′′ (t) = c 1 + x′ (t)2 . Por outro lado. da sua forma. Essa ´ uma equa¸ao autˆnoma onde a fun¸ao inc´gnita ´ x′ (t).17. e c˜ o c˜ o e f0 ′ ´ a E f´cil ver que x (t) = senh(ct) ´ solu¸ao. Essa sua velocidade. Pois derivando mais uma vez obteremos e c˜ x′′ (t) = c cosh(ct) e. Dividindo a segunda equa¸ao pela primeira ficamos com c˜ tan θ = δg l(t) . Espera-se primeiramente que ela seja proporcional ` ´rea do buraco a a (a qual chamaremos de a0 ). 1 + senh2 (ct) = cosh2 (ct) = cosh(ct) . Suponha que no instante t = 0 a altura do n´ da ´gua seja igual a h0 . isto ´. Agora basta integrar x′ (t) para obter x(t). mas n˜o. a princ´ a ıpio. por sua a a vez. dependeria da altura h. . a partir do repouso. por onde a ´gua a a escoa. O dado emp´ ırico refere-se ` taxa de sa´ de ´gua pelo buraco. por outro lado.6 Escoamento de um copo furado Neste exemplo. a velocidade ´ proporcional ` raiz da distˆncia j´ percorrida). como se comporta a fun¸ao h(t)? c˜ Com algum grau de empirismo. imagine um copo cheio d’´gua. onde c = δg . e a em primeira aproxima¸ao. f0 183 J´ sabemos que tan θ = x′ (t) e que l(t) ´ dado por uma integral.3. Al´m disso. Como evolui ıvel a com o tempo o n´ ıvel h da ´gua? Em quanto tempo o copo se esvaziar´ completamente? a a Se o copo tem um formato diferente. medida em volume por a ıda a unidade de tempo. a inclina¸ao da corda ´ zero no ponto e e c˜ e de m´ ınimo. Como x(0) = 0 ent˜o a x(t) = 1 (cosh(ct) − 1) .

que vale h0 em t = 0. o decrescimento do volume implica no decrescimento do n´ ıvel da ´gua a h. Juntando com a equa¸ao emp´ c˜ ırica acima. . para uma mesma perda de volume. Logo. Portanto h(t) ´ uma fun¸ao quadr´tica em t. h0 − β t 2 2 e h(t) pode ser isolado: h(t) = . se a escrevermos na forma tradicional: e c˜ o √ h ′ h = −ca0 . pela Regra da Cadeia. que ´ uma equa¸ao diferencial autˆnoma. a a ıvel a Para quantificar isso. notemos que o volume de ´gua ´ completamente determinado pelo a e n´ h atrav´s da fun¸ao ıvel e c˜ h V (h) = 0 A(u)du . temos h(t) h0 ca0 A h(t) . e se anula no seu ponto e √ c˜ a de m´ ınimo. que quanto maior for a ´rea da se¸ao transversal ao copo na altura a c˜ h menor ser´ o decrescimento do n´ a ıvel. t = 2 βh0 . Ou pensando inversamente. a equa¸ao se reduz a a c˜ h′ (t) = − Tomando t0 = 0 e h(0) = h0 . O lado esquerdo pode ser integrado: 2( h(t) − h0 ) = −βt . BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ Por outro lado. no entanto. A fun¸ao V (t) resulta ent˜o da fun¸ao h(t) pela rela¸ao c˜ a c˜ c˜ V (t) ≡ V (h(t)) . V ′ (t) = V ′ (h(t))h′ (t) = A(h(t))h′ (t) . temos A(h(t))h′ (t) = −ca0 h(t) . se o copo for muito fino ` altura h ent˜o o n´ cair´ mais rapidamente.184 CAP´ ITULO 17. quer dizer. h onde β = ca0 A . onde A(h) ´ a fun¸ao que d´ a ´rea da se¸ao correspondente ` altura h. Neste caso. a V ′ (h) = A(h) . cujas se¸˜es horizontais tˆm todas a e co e mesma ´rea A. Observe. A(h) O exemplo mais simples ´ o copo reto. 1 √ dh = −βt . Pelo Teorema e c˜ a a c˜ a Fundamental do C´lculo.

3. .3. no M´todo de Newton. obtemos a equa¸ao separ´vel c˜ a f ′ (x) = 1 f (x) .17.8 Transferˆncia de calor e Um corpo est´ em contato com um grande reservat´rio. ˙ cuja solu¸ao discutiremos abaixo. A cada instante. e c˜ e c˜ c˜ Em outras palavras. ˙ onde α ´ uma constante positiva. a varia¸ao da c˜ temperatura do corpo ´ proporcional ` diferen¸a entre sua temperatura e a temperatura do e a c reservat´rio. Equacionando: o x(t) = α (T (t) − x(t)) . e Aqui n˜o se trata mais de uma equa¸ao autˆnoma. x) = α (T (t) − x) . Manipulando. ficamos com e ˙ y(t) = b(t)e ˙ t0 . mas ainda assim ´ simples o suficiente para ser sol´ vel.3. com solu¸ao x(t). quem ´ f ? e e Um problema te´rico que pode ser resolvido com o aux´ de equa¸oes diferenciais separ´veis o ılio c˜ a ´ o de achar a fun¸ao f que. gera uma dada fun¸ao de itera¸ao ϕ. ALGUNS EXEMPLOS 185 17. x) ent˜o a c˜ o ˙ a f (t. c˜ O caso em que b(t) = 0 ´ um caso particular de equa¸ao separ´vel. x − ϕ(x) onde x faz o papel de t e f o papel de x. c˜ e a e u Ela se enquadra no conjunto das equa¸oes do tipo c˜ x = a(t)x + b(t) .7 Dada ϕ do M´todo de Newton. pois se escrevermos x = f (t. 17. dada a fun¸ao ϕ e sabendo-se que c˜ ϕ(x) = x − f (x) . usamos um truque: ˙ c˜ R − tt a(s)ds examinamos a derivada de y(t) = x(t)e 0 . f ′ (x) achar f . que tem solu¸ao e c˜ a c˜ t x(t) = x0 exp{ t0 a(s)ds} se x0 = x(t0 ). Seja x(t) a temperatura do corpo no instante t. cuja temperatura ´ uma fun¸ao do a o e c˜ tempo T (t). por´m substituindo x(t) por a(t)x(t) + b(t). Obtemos y(t) = x(t)e ˙ ˙ − Rt t0 a(s)ds − x(t)a(t)e − Rt a(s)ds − Rt t0 a(s)ds . A equa¸ao s´ est´ definida fora dos pontos fixos de ϕ. c˜ o a mas uma an´lise criteriosa mostra que as solu¸oes muitas vezes se estendem continuamente a c˜ a esses pontos (´ um bom exerc´ e ıcio!). Esta equa¸ao tampouco ´ separ´vel. x(t0 ) = x0 . Para o problema afim x = a(t)x + b(t).

ent˜o o sinal de x(t) ´ o mesmo que o sinal de X(x(t)). e c˜ ˙ c˜ 17.186 e portanto CAP´ ITULO 17. uma solu¸ao x(t) est´ sempre confinada a um mesmo c˜ a intervalo. cada uma correspondendo c˜ a c˜ a um zero da fun¸ao X. Num diagrama em que coloquemos t na abscissa e x na ordenada. x∗ e x∗ . c e c˜ o ˙ ent˜o x(t) ≡ x∗ ´ solu¸ao. O que o e a c˜ veremos nesta Se¸ao ´ que ´ muito f´cil desenharmos o esbo¸o de algumas solu¸oes (variando c˜ e e a c c˜ a condi¸ao inicial) de equa¸oes autˆnomas. A unicidade ´ garantida pela unicidade da integra¸ao de y com a condi¸ao y(t0 ) = x0 . O que ´ o mesmo ˙ e e que dizer que x(t) ou ´ crescente ou ´ decrescente. Como y(t0 ) = x0 . 3 1 2 2 4 3 4 X(x) 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 x x* 1 x* 2 x* 3 x* 4 O diagrama abaixo ilustra algumas solu¸oes (uma para cada intervalo). e uma ou outra op¸ao ser´ determinada e e c˜ a pelo sinal de X no intervalo onde est´ confinada a solu¸ao. Seja I um intervalo desses. se X c˜ a e for deriv´vel e com derivada cont´ a ınua). pelo Teorema de Bolzano. mas naturalmente o mais ´bvio ´ desenharmos o gr´fico da solu¸ao x(t). Como X(x(t)) = x(t). ilustramos esquematicamente uma fun¸ao (arbitr´ria) c˜ a c˜ e a X(x). para todo t. a e c˜ esse tipo de solu¸ao ´ uma linha reta horizontal ` altura de x∗ . x∗ . Portanto as primeiras solu¸oes c˜ e a c˜ que podemos identificar na equa¸ao s˜o essas solu¸oes constantes. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ t y(t) = y(t0 ) + t0 b(r)e − Rr t0 a(s)ds dr . c˜ . c˜ Em cada intervalo entre duas singularidades e nos intervalos entre a ultima singularidade ´ e o infinito. A fun¸ao ´ negativa ` esquerda de x∗ e 1 4 1 2 3 a entre x∗ e x∗ . pois se mudasse haveria uma outra singularidade no a intervalo. o sinal de X n˜o muda. a c˜ Na figura abaixo.4 Entendimento qualitativo de equa¸˜es autˆnomas co o At´ agora n˜o discutimos nada sobre a representa¸ao gr´fica das solu¸oes de uma equa¸ao e a c˜ a c˜ c˜ diferencial. vimos que se x∗ ´ uma singularidade da equa¸ao autˆnoma x = X(x). e suponha que x(t) est´ em a I. e esse sinal ˙ a ˙ e ´ sempre o mesmo enquanto x(t) estiver em I. o que implica que o sinal de x(t) ´ sempre o mesmo. e positiva ` direita de x∗ e nos intervalos entre x∗ e x∗ e entre x∗ e x∗ . sem resolvˆ-las! c˜ c˜ o e Para come¸ar. com quatro singularidades x∗ . e Como as solu¸oes n˜o cruzam as singularidades (isto ´ garantido por um Teorema. por exemplo. obtemos a solu¸ao c˜ x(t) = e Rt t0 a(s)ds t x0 + t0 b(r)e − Rr t0 a(s)ds dr .

`s singularidades (de c˜ a o a fato. que e c˜ envolvem simultaneamente duas ou mais fun¸oes e suas respectivas primeiras derivadas. 2 a Entre as duas. entender a equa¸ao de crescimento populacional a c˜ x = x(a − bx) . x* 1 1 0 1 0 x* 2 1 0 1 0 x* 3 1 0 1 0 x* 4 1 0 1 0 x Assim fica f´cil. para t indo a mais ou menos infinito. X(x) ´ positiva e ` direita de x∗ a fun¸ao X(x) ´ negativa. Isso significa e a c˜ e 2 que se a popula¸ao inicial est´ abaixo da popula¸ao de equil´ c˜ a c˜ ıbrio ent˜o tender´ a aumentar a a assintoticamente at´ o equil´ e ıbrio x∗ . por exemplo.5. Nessa regi˜o. ˙ Como essa equa¸ao s´ faz sentido para x ≥ 0. As setas entre as singularidades indicam para que lado as solu¸oes c˜ naquele intervalo tendem quando t tende a infinito.´ 17. . 17. E se come¸ar acima decrescer´ assintoticamente at´ o c a e 2 mesmo equil´ ıbrio. em equa¸oes autˆnomas. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS ¸˜ 187 x 1 0 1 0 x* 4 x* 3 x* 2 t x* 1 1 0 1 0 11 00 11 00 1 0 1 0 As solu¸oes s˜o assint´ticas. Por c˜ exemplo.5 Equa¸˜es diferenciais com mais vari´veis co a Existem tamb´m os chamados sistemas de equa¸oes diferenciais (de primeira ordem). c˜ o a a a fun¸ao X(x) = x(a − bx) tem duas singularidades: x∗ = 0 e x∗ = a . Uma maneira mais compacta de se representar qualitativamente o comportamento das solu¸oes dessa equa¸ao diferencial ´ usando um diagrama onde s´ entra a reta dos x’s. Isso significa que a c˜ 1 2 b popula¸ao nula e a popula¸ao igual a x∗ s˜o solu¸oes de equil´ c˜ c˜ c˜ ıbrio. achar uma solu¸ao para o sistema significa encontrar duas fun¸oes x(t) e y(t) que c˜ c˜ simultaneamente verifiquem x(t) = ˙ y(t) = ˙ 3x(t)2 − y(t) + 3 sin x(t) + y(t)x(t)3 . x = 3x2 − y + 3 ˙ . as solu¸oes n˜o podem ser assint´ticas a pontos que n˜o sejam c˜ o c˜ a o a singularidades). como c˜ c˜ e o mostra a figura abaixo. y = sin x + yx3 ˙ Neste caso. nos restringiremos a essa regi˜o.

mas se torna mais atraente a a se o interpretarmos do ponto de vista geom´trico. a poc˜ e c˜ pula¸ao de tartarugas n˜o precisa dos jacar´s para sobreviver. e y x Para um sistema de equa¸oes diferenciais como esse tamb´m podemos estabelecer o proc˜ e blema de Cauchy: dado um ponto (x0 . Como na Subse¸ao 17. y). em cada instante t. Uma maneira de esbo¸ar um campo de vetores e c ´ mostrando os vetores correspondentes a alguns pontos do plano (x. e y Podemos olhar as fun¸oes x(t) e y(t) como as coordenadas c˜ de uma curva γ : t → (x(t). y(t)) tem que ser exatamente ˙ ˙ ˙ igual ao vetor (3x(t)2 − y(t) + 3. y). c˜ Essa fun¸ao que associa para cada ponto um vetor (que deve ser sempre tangente `s solu¸oes c˜ a c˜ do sistema) ´ chamada de campo de vetores. mas deve-se descontar um termo tanto c˜ e c˜ maior quanto maior for a popula¸ao de jacar´s. sin x(t) + y(t)x(t)3 ). γ(t) x γ (t)=(x(t). y(t)). Em primeiro lugar.4. qual ser´ c˜ a a o vetor tangente de uma solu¸ao que por ali passar em algum instante: (3x2 −y+3.188 CAP´ ITULO 17.y(t)) Perceba que esse sistema de equa¸oes diferenciais j´ fixa. y0 ). representa o vetor ˙ ˙ ˙ tangente ` curva.3. se x(t) for a popula¸ao de tartarugas e y(t) for a c˜ e c˜ popula¸ao de jacar´s. a taxa de crescimento proporcional da c c˜ popula¸ao ´ uma fun¸ao parecida com A − Bx(t). Ent˜o ter´ c˜ e a ıamos x′ (t) = A − Bx(t) − Cy(t) . podemos tecer as seguintes considera¸oes. A derivada da curva γ. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ Esse tipo de problema parece ser bastante ´rido ` primeira vista. y(t)) no plano xy. o vetor tangente ` curva a a γ(t) dado por γ(t) = (x(t). mas tem suas limita¸oes de c˜ a e c˜ espa¸o e alimento usuais. sin x+yx3 ). por exemplo Cy(t). Modelos de crescimento populacional envolvendo mais do que uma esp´cie s˜o um t´ e a ıpico exemplo de sistemas de equa¸oes diferenciais. Cada vari´vel do sistema representa a poc˜ a pula¸ao de uma esp´cie. y0 ) e um instante t0 achar uma solu¸ao γ(t) tal que c˜ γ(t0 ) = (x0 . Por exemplo. O sistema de equa¸oes diferenciais diz a c˜ ent˜o que. . para cada ponto (x. dada por γ(t) = (x(t). x(t) .

uma segunda fun¸ao do a c˜ tempo) v(t) = x(t). tamb´m por problemas relativos c˜ e a ` limita¸ao do espa¸o. por exemplo. Outra classe de exemplos relevante vem das equa¸oes diferenciais de segunda ordem (isto c˜ ´. ficamos com ˙ θ ω ˙ = = ω − g sen θ l . Dessas considera¸oes. e c˜ ¨ ˙ Com um pequeno truque podemos transformar essa equa¸ao num sistema de duas equa¸oes c˜ c˜ de primeira ordem. que envolvem a segunda derivada). Ent˜o ficamos com as duas equa¸oes ˙ ¨ ˙ a c˜ x ˙ v ˙ = v = Γ(x.´ 17. Basta definir uma segunda vari´vel (na verdade. onde a primeira equa¸ao vem simplesmente da defini¸ao de v. x). v) . ´ razo´vel supor que c˜ a c˜ e a y ′ (t) = −D − Ey(t) + F x(t) . esse tipo c˜ c˜ c de modelagem pode ser feito. mais c˜ c c˜ facilidade a popula¸ao ter´ para crescer. ficamos com o sistema x = ˙ y = ˙ (A − Bx − Cy)x (−D − Ey + F x)y . sua taxa de crescimento proporcional na ausˆncia de tartarugas ´ negativa. e e cada situa¸ao onde duas ou mais esp´cies se influenciam mutuamente. c˜ c˜ Por exemplo. y(t) Juntando tudo. pois carece de dados reais. e ser´ e e a mais negativa ainda se sua popula¸ao for muito grande. quanto maior for a popula¸ao de tartarugas. No entanto. qualquer equa¸ao do tipo x = Γ(x.5. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS ¸˜ 189 Por outro lado. . supondo que os jacar´s precisem se alimentar das tartarugas para sobrevie verem. seja numa rela¸ao c˜ e c˜ predador-presa seja numa rela¸ao de competi¸ao pelo mesmo alimento ou espa¸o. Por outro lado. l ˙ Chamando ω(t) = θ(t). de forma que x(t) = v(t). ´ E claro que todo esse racioc´ ınio ´ hipot´tico. tomemos a equa¸ao do pˆndulo c˜ e g ¨ θ = − sen θ .

BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ .190 CAP´ ITULO 17.

1 X de forma que G(t0 ) = 0 e. Resolvendo ou n˜o. X(u) resultando em F (x0 ) = 0.Cap´ ıtulo 18 Solu¸˜o num´rica de equa¸˜es ca e co diferenciais Neste Cap´ ıtulo estudaremos algumas maneiras de se resolver numericamente uma equa¸ao c˜ diferencial do tipo x = f (t.1 Equa¸˜es separ´veis co a Para come¸ar. Acontece que nem sempre ´ poss´ e ıvel obter integrais expl´ ıcitas. e veremos no final como generalizar as id´ias para dimens˜es ˙ e o mais altas. uma delas ainda ter´ que ser invertida. A primitiva de g pode ser definida como t G(t) = t0 g(s)ds . muito mais c˜ a e a gerais e. da mesma forma. na maioria dos casos. entretanto. veremos nesta Se¸ao que j´ dispomos dos m´todos necess´rios para resolvermos c c˜ a e a as equa¸oes separ´veis. e portanto x(t) = F −1 (G(t)) . Todos esses problemas poderiam ser solucionados numericamente. Os m´todos propostos posteriormente ser˜o. 18. o que tamb´m ´ dif´ ou a a e e ıcil imposs´ ıvel. x). a Como vimos no Cap´ ıtulo anterior. a primitiva de x se define naturalmente como F (x) = x0 1 du . inclusive. se x = g(t)X(x) for a equa¸ao. ent˜o a x(t) = F −1 (F (x0 ) + G(t) − G(t0 )) . F for uma primitiva ˙ c˜ 1 de X e G for uma primitiva de g. 191 . mais pr´ticos. e aqui temos que resolver duas.

Como F ′ (x) = 1 X(x) . isto ´. J´ ao problema de invers˜o da fun¸ao F pode-se c˜ e a a c˜ aplicar o M´todo de Newton. e pela imprecis˜o na determina¸ao de x(t). com precis˜o suficientemente boa. .192 ´ CAP´ ITULO 18. . em seq¨ˆncia. < tn−1 < tn = b . “Determinar nuc e mericamente” a fun¸ao x(t) significa achar. inevitavelmente. Em primeiro c˜ lugar.. sendo que ambas podem ser a c˜ minimizadas. a solu¸ao num´rica de uma equa¸ao diferencial peca. x) ´ a discretiza¸ao da c˜ e c˜ ˙ e c˜ vari´vel t. usando-se estimativas de erro das duas e integra¸oes e tamb´m do M´todo de Newton. em cada etapa da itera¸ao ´ preciso estimar F (xk ) usando algum m´todo de integra¸ao e c˜ e e c˜ num´rica. xn = x(tn ). a fun¸ao de itera¸ao para o M´todo de Newton fica c˜ c˜ e ϕ(x) = x − X(x) (F (x) − G(t)) . e todas as opera¸oes mencionadas acima tenham que ser feitas numericamente. 18. Ou a c˜ seja. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ As duas primitivas podem ser obtidas nos pontos que se quiser. usando os m´todos de ine tegra¸ao num´rica discutidos na Parte V. . x2 . Com um palpite inicial x0 temos que iterar a fun¸ao ϕ. pela redu¸ao do passo h. de forma a obter x1 . Ent˜o o a a a xk xk+1 = xk − X(xk ) −G(t) + x0 1 du X(u) . pela c˜ e c˜ imprecis˜o em t. O erro pode. Em suma. e Para sermos mais precisos. b] ´ o intervalo onde gostar´ a e ıamos de achar a solu¸ao x(t) ent˜o dividimos c˜ a esse intervalo com uma parti¸ao regular c˜ a = t0 < t1 < t2 < . pois a fun¸ao x(t) ´ cont´ e c˜ e ınua. x(t) ´ solu¸ao da equa¸ao e c˜ c˜ f (x) = F (x) − G(t) = 0 . calculamos G(t) usando integra¸ao num´rica (com a melhor precis˜o poss´ c˜ e a ıvel. Se [a. . em tese. onde a diferen¸a entre pontos sucessivos ´ igual a h (o chamado passo). segundo os m´todos propostos abaixo. pois os valores de x(t) s˜o calculados somente para uma quantidade finita a a de valores de t. imagine que queiramos calcular x(t) num determinado instante t. etc. os valores c˜ a x0 = x(t0 ). Ao mesmo e c˜ . at´ c˜ e chegar pr´ximo ` raiz com a precis˜o desejada. o melhor palpite para a condi¸ao inicial x0 do M´todo de Newton ue c˜ e ´ o valor de x(t) obtido na etapa anterior. ´ claro). x1 = x(t1 ). tomando-se os cuidados necess´rios para que seja buscada a solu¸ao que nos interessa. c˜ e e Se o procedimento acima for implementado no computador e x(t) for calculado para v´rios a valores de t. ser controlado. e e depois teremos que achar x(t) tal que F (x(t)) = G(t) . .2 Discretiza¸˜o ca O fundamento da solu¸ao num´rica de equa¸oes diferenciais x = f (t.

visto que a maioria das equa¸oes diferenciais n˜o admite solu¸ao expl´ c˜ a c˜ ıcita. A condi¸ao inicial e c˜ e e c˜ x0 = x(t0 ) ´ dada (sen˜o n˜o h´ sentido no problema. . obteremos a solu¸ao num´rica por recorrˆncia. geralmente mas nem sempre. a partir de agora. Como tk+1 = tk + h (para k = 0. e portanto c˜ a x′′ (t) = ∂f ∂f (t. x(t)) . c˜ c˜ a a etc.2. em sucess˜o. x(t)) . de forma que podemos trocar ftx por fxt . principalmente. . . E claro que a fun¸ao precisa c˜ ser diferenci´vel at´ ordem m para valer essa express˜o. 2! m! onde o(hm ) denota o resto da expans˜o. Por exemplo. para muitos prop´sitos. teremos c˜ a c˜ x′′ = ∂f ∂f +f . x(t)) = (t. . a melhor alternativa dispon´ e o ıvel. ∂2f ftx = . Al´m disso. Na maioria dos casos. termos de ordem m + 1 ou mais). e cont´ e ınuas). e todas as derivadas parciais de f . Por exemplo. em termos de fun¸oes elementares. + x (t)hm + o(hm ) . e c˜ s´ que f ´ uma fun¸ao de duas vari´veis. denotaremos as derivadas parciais de f com um sub´ ındice. x(t)). e xk por x(t). n − 1). . Para a simplificar a nota¸ao. mais efetiva se tornar´ a redu¸ao de h como instrumento c˜ a c˜ para melhorar a precis˜o de x(t + h) atrav´s do polinˆmio. que vai a zero quando h tende a zero mesmo se a ´ dividido por hm (tipicamente. e a partir dela obter-se-˜o. x(t)) (t. ent˜o um teorema (o Teorema de a Schwarz) garante que a ordem das derivadas parciais pode ser trocada. DISCRETIZACAO ¸˜ 193 tempo esta ´. x2 . a e a e A express˜o significa que. x(t)) + x′ (t) (t. melhor o polinˆmio em h (sem o resto) a o aproximar´ x(t+h). ∂t ∂t Aqui vale. os valores de x1 . Assim.18. . a em (t. x(t)). as dec˜ rivadas de x ser˜o calculadas em t. ou `s vezes c˜ a simplesmente por x. ou ainda fttx por fxtt ou ftxt . ∂t∂x Na hip´tese de que f seja uma fun¸ao de classe C 2 (jarg˜o matem´tico para dizer que f o c˜ a a tem derivadas parciais at´ segunda ordem. . mas em geral esse ´ o caso. quanto maior for m melhor ser´ a e a a aproxima¸ao e. Quanto ` segunda derivada temos a x′′ (t) = ∂f ∂f d f (t. t e x. uma vez que existe uma infinidade de e a a a solu¸oes da mesma equa¸ao). c˜ Em todos os m´todos. simplificar a nota¸ao. antes de prosseguirmos. x(t)) + f (t. ∂t ∂x Para simplificarmos mais ainda. s´ indicaremos explicitamente o ponto onde est˜o sendo calculadas as o a fun¸oes e suas derivadas se esses pontos n˜o forem t e x(t). dt ∂t ∂x pela Regra da Cadeia aplicada a fun¸oes de duas vari´veis. Ent˜o a x(t + h) = x(t) + x′ (t)h + 1 ′′ 1 (m) x (t)h2 + . da pr´pria equa¸ao temos a o e c˜ a o c˜ igualdade x′ (t) = f (t. a estimativa de xk+1 = x(tk+1 ) pode ser obtida a partir da estimativa de xk = x(tk ) por meio de uma expans˜o em Taylor. Nessa nota¸ao. a e o As derivadas de x(t) se relacionam com as derivadas de f atrav´s da equa¸ao diferencial. de qualquer ordem. quanto menor for h. denotaremos tk por t.

ent˜o o erro acumulado ser´ da ordem de a a h (b − a)h. todos o e os algoritmos que derivar˜o desta linha de racioc´ a ınio ser˜o extremamente simples! Veremos a nas pr´ximas Se¸oes de que maneira podemos implementar as id´ias ora expostas. no intervalo [0. A t´ ıtulo de ilustra¸ao. como x′′ = ft + f fx . lembrando sempre c˜ a que cada derivada parcial de f tamb´m depende de (t. obtemos a x′′′ = ftt + f ftx + (ft + f fx )fx + f (fxt + f fxx) e. Ent˜o. mesmo assim precisaremos da express˜o de x′′′ e c˜ e a x′′′′ . Sugere-se a c˜ fortemente ao leitor que verifique essa conta. Tomemos c˜ c˜ e a equa¸ao separ´vel x′ = −3t2 x. em geral. o M´todo sugere que. e suas o c˜ e poss´ ıveis varia¸oes. x(t)). A itera¸ao a partir de x0 acumular´ um erro da ordem de h2 em cada etapa. Neste Cap´ c˜ ıtulo. isto ´. na pr´tica. podendo c˜ a acumular ao final um erro de nh2 . xk )h . inteiramente em fun¸ao de f e de suas derivadas parciais. O M´todo de Euler consiste em tomar a aproxima¸ao de primeira ordem de x(t + h): e c˜ O resto o(h) indica que o erro em tomar essa aproxima¸ao ser´.3 O M´todo de Euler e x(t + h) = x(t) + x′ (t)h + o(h) . 2 onde fx denota (fx )2 e n˜o a derivada em rela¸ao a x de f composta com si mesma. 1]. c˜ 18. temos que isolar x(t) em x(t) 2 1 du = − u t 0 3s2 ds . Como n = b−a . com x(0) = 2. iremos tecer considera¸oes somente at´ ordem 4. . e que a regra da Cadeia deve e ser usada. e log x(t) − log 2 = −t3 . e em seguida que verifique que 2 3 x′′′′ = ft fx + f fx + +fx ftt + 3ft ftx + 5f fxftx + 3f ft fxx + 4f 2 fx fxx + fttt + 3f fttx + 3f 2 ftxx + f 3 fxxx . at´ a ordem c˜ a e desejada. Ao leitor assustado com o tamanho das express˜es recomenda-se paciˆncia: ao final. Para achar a solu¸ao c˜ a c˜ expl´ ıcita. da ordem de h2 c˜ a ou mais. x′′′ = ft fx + f (fx )2 + ftt + 2f ftx + f 2 fxx . Para obter x′′′ temos que derivar em rela¸ao a t a express˜o de x′′ . reagrupando os termos.194 ´ CAP´ ITULO 18. obtenhamos xk+1 = x(tk+1 ) = x(tk + h) e a como xk+1 = xk + f (tk . vejamos um exemplo cuja solu¸ao exata ´ conhecida. Como x′ = f . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ Segue dessas considera¸oes que a express˜o de x(t + h) pode ser escrita.

1. x1 )h = x1 − 3t2 x1 h . x0 = 2 e f (t.9 1. de forma que a informa¸ao n˜o ´ suficiente c˜ a e para estimar o erro.419 1. .506 − 1.970 1. No entanto. se reduzirmos h ent˜o o erro m´ximo se reduzir´ proporcionalmente.917 1.419 = 0.3 0. Portanto x1 = x0 = 2.994 .825 1. k 0 1 2 3 4 5 6 7 8 9 10 tk 0.285 1. temos x2 = x1 + f (t1 .038 0.1 0.000 1. o tamanho do passo. arredondados para 3 casas decimais depois de obtido cada a xk .506 1.998 1.´ 18.876 1. e Temos x1 = x0 + f (t0 .7 (1.994 1.786 2e−tk 2. x) = −3t2 x.1 = 2 − 6 × 10−3 = 1. pois sabemos apenas que ele pode c˜ ser da ordem de h.000 2.12 × 2 × 0.000 1. com quatro c˜ casas decimais.4 0. O resultado est´ na tabela abaixo. E preciso tomar cuidado com a avalia¸ao do erro.2 0.5 0. Essa constante pode ser muito grande.8 0.736 3 O maior erro cometido em rela¸ao ` solu¸ao verdadeira c˜ a c˜ ocorreu em tk = 0. ela diz que. calculemos os primeiros valores xk com cuidado.1. com t0 = 0.0 0. para fixarmos melhor o entendimento do m´todo. 1 de forma que substituindo os valores conseguimos x2 = 2 − 3 × 0.199 0. a 3 195 Compararemos essa solu¸ao exata com a solu¸ao obtida pelo M´todo de Euler com passo c˜ c˜ e h = 0.7 0. Depois.6 0. vejamos o que resulta da mesma equa¸ao com passo igual a 0. mas n˜o chea ´ gou a 0.984 1. a a a Por exemplo. x0 )h .688 1.05.3. Antes de apresentar o resultado.965 0.087).611 1. O METODO DE EULER Ent˜o x(t) = 2e−t .765 1. mas isso significa apenas que ele ´ mee nor do que uma constante vezes h.947 1.0 xk 2.

7281 1.55 0.6497 1. Consideremos.9963 1.00 0.1986 1.5197 1.0000 1.9777 1.85 0.2400 1.10 0. x) = a −3t2 . obtemos o c˜ a rela¸ao de recorrˆncia c˜ e 3 xk+1 = xk + 3tk xk h −tk − h + t3 h 2 k .9841 1.40 0.05 0. Substituindo essas express˜es.65 0.7358 3 A maior diferen¸a em rela¸ao ao valor verdadeiro n˜o passou de 0.9993 1.8760 1. x) = −6tx e fx (t.0000 1. ainda no exemplo x′ = −3t2 x.9980 1.7592 2e−tk 2. 2 onde x′ = f e x′′ = ft + f fx .95 1. e a Exerc´ ıcio 18.043.9161 1.0000 2.9326 1.15 0.5606 1. que c c˜ a ´ metade da discrepˆncia obtida com passo igual a 0.9933 1.45 0.50 0.25 0. com a condi¸ao inicial c˜ c˜ x(0) = 1. com a nota¸ao x(t + h) = xk+1 . .4193 1.7954 1.196 ´ CAP´ ITULO 18.3543 1.6115 1.4 Indo para segunda ordem Para que a redu¸ao de h seja mais eficiente ´ preciso fazer com que a ordem de grandeza c˜ e do erro dependa de h elevado a uma potˆncia mais alta.90 0.9467 1.8485 0.9995 0. t = tk . com passo h = 0.8516 1. x) = −3t2 x. no intervalo [0.60 0. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 tk 0. 0.8258 1.9998 1.9896 1.30 0.20 0.75.8781 0.1 Considere a equa¸ao diferencial x′ = x2 − sent.3116 1.00 xk 2. x = xk .75 0.8971 1. Obtenha uma discretiza¸ao/aproxima¸ao da solu¸ao usando o M´todo de Euler de c˜ c˜ c˜ e primeira ordem.9648 0.70 0.1.6935 1.1210 0.35 0. por exemplo.0822 0.9690 1. a aproxima¸ao de c˜ c˜ segunda ordem: 1 x(t + h) ≈ x + x′ h + x′′ h2 .4617 1.9592 1.7650 1. Para isso. ft (t. 18.80 0.1.6]. em tk = 0. temos f (t. ´ preciso ir al´m da e e e aproxima¸ao de primeira ordem em x(t + h). Ent˜o.

√ pois ∆t2 + ∆x2 = h 1 + f 2 . Logo. a partir da mesma c˜ e condi¸ao inicial x(0) = 2 e compare com os resultados obtidos anteriormente. se ∆t2 + ∆x2 vai a zero. x) = hft (t. apesar de a express˜o de c˜ c˜ a f (t. Indo para ordem ainda c˜ o a mais alta essas complica¸oes aumentam bastante e exigem. isto ´. x + ∆x) = f (t. temos c˜ hft + hf fx = f (t + h. x) + o(h) . o c˜ c´lculo de todas as derivadas parciais envolvidas e a montagem das f´rmulas. eme ı bora a dedu¸ao do algoritmo propriamente dito possa ficar cada vez mais complicada. ∆t) . V´rios fatores contribuem para isso: as express˜es das derivadas a o parciais de f e a combina¸ao da f´rmula. Na nota¸ao compacta que propusemos. e x(t + h) − x(t) = h (f (t.1. x) + ft (t. que envolve v´rios termos. c˜ Exerc´ ıcio 18. que nos permitir´ implementar um m´todo computacionale a e mente mais simples. x)∆t + fx (t. vai a zero. x + hf ) − f (t. Essa c˜ abordagem ´ conhecida como M´todo de Runge-Kutta de integra¸ao das equa¸oes diferenciais. ∆x) denota um termo (o resto) muito menor do que a norma de (∆t. x) ser muito simples. onde o(∆t.4.18. Na Se¸ao seguinte veremos como esse m´todo pode ser generalizado c˜ e inclusive para ordens mais altas. x)∆x + o(∆t. sem expressivo acr´scimo da complexidade algor´tmica. x) + f (t + h. 2 . da parte do programador. Isso significa que a redu¸ao e c˜ do passo pela metade provoca redu¸ao no erro da ordem de quatro vezes. dada por c 1 x(t + h) − x(t) = hf + h2 (ft + f fx ) + o(h2 ) . ∆x). INDO PARA SEGUNDA ORDEM 197 O erro m´ximo cometido em cada itera¸ao ´ da ordem de h3 . x + hf )) . c˜ Apesar da vantagem em rela¸ao ` precis˜o. 2 Ent˜o reparamos que o termo hft + hf fx tem certa semelhan¸a com a expans˜o da fun¸ao a c a c˜ de duas vari´veis f (t. x + hf ) − f ) + o(h2 ) 2 (a soma de dois termos o(h2 ) ´ um termo o(h2 )). e e c˜ c˜ Estamos interessados na diferen¸a x(t + h) − x(t). a o O que faremos no restante desta Se¸ao ´ explorar uma observa¸ao a respeito da expans˜o c˜ e c˜ a de x(t + h) at´ segunda ordem. Portanto x(t + h) − x(t) = h f + 1 (f (t + h. quando dividido √ √ por ∆t2 + ∆x2 .2 Use a rela¸ao de recorrˆncia acima com passo 0. “Muito menor” significa que esse termo. x) at´ primeira ordem: a e f (t + ∆t. se tomarmos ∆t = h e ∆x = hf ent˜o teremos a f (t + h. x + hf ) − f + o(h) . ao passar para segunda ordem acabamos por c˜ a a nos envolver com uma fun¸ao de itera¸ao muito mais complicada. portanto o erro m´ximo a c˜ e a acumulado ao longo de todo o intervalo ´ da ordem de (b − a)h2 . x)fx (t. Ou seja. e √ muito menor do que ∆t2 + ∆x2 . x) + hf (t. 2 que escreveremos assim: 1 x(t + h) − x(t) = h f + (hft + hf fx ) + o(h2 ) .

5 0.52875 −0.9 1.071633 −0. temos que calcular ξ1 = f (tk .7 0.3455 −2. .9438 1.22627 − h 2 (ξ1 Observamos que a diferen¸a para o valor correto foi de. c a 18. 2 A vantagem desse m´todo ´ que n˜o precisamos calcular derivadas parciais de f .4 0.8760 1. xk ) e.11177 −0. para que n˜o seja preciso calcular derivadas parciais de f .73637 ξ1 0 −0.0792 −2. Assim xk+1 = xk + h (ξ1 + ξ2 ) .6115 1.52483 −0. e depois usamos ξ1 para calcular outro valor de f .3 0.9467 1.3164 −2.1986 0. a coluna ξ1 significa ξ1 = −3t2 xk k e a coluna ξ2 significa ξ2 = −3t2 (xk + hξ1 ) .1862 − + ξ2 ) −0. Pensando na passagem de xk para xk+1 a id´ia ´ escrever e e x(t + h) − x(t) = h(γ1 ξ1 + γ2 ξ2 + .0030000 −0.8 0. com o problema x′ = −3t2 x.9970 1.0 0.7586 −2.5 Runge-Kutta O m´todo de Runge-Kutta ´ uma generaliza¸ao do algoritmo que desenvolvemos em segunda e e c˜ ordem.7650 1.9980 1. ao passarmos de xk para xk+1 .038330 −0.060000 −0.3392 − ξ2 −. calcular ξ2 = f (tk + h. Usando o passo h = 0.6 0. no intervalo [0. e vale para qualquer ordem a m. 1].9841 1.2936 −2. e o e e a algoritmo fica consideravelmente mais simples.198 ´ CAP´ ITULO 18.0 2e−tk 2.15395 −0. . xk + hξ1 ) .23785 −0. Na tabela abaixo fazemos esse algoritmo. .89866 −1.23196 −0.73576 3 xk 2.23892 −0.014942 −0.0000 1.4193 1.1065 −2.8722 1. 0. tomando esse valor de ξ1 .9821 1. e a e multiplicada pelo passo h.005.2 0. k+1 pois tk + h = tk+1 .6065 1. Pensando em termos a a de algoritmo. O acr´scimo em xk para se chegar a xk+1 ser´ a m´dia desses dois valores. xk )).1 0. desta feita no ponto (tk + h. k 0 1 2 3 4 5 6 7 8 9 10 tk 0.96264 0. xk + hξ1 ). + γm ξm ) .19208 −0.90783 −1. x(0) = 2.0000 1.3368 −1.96478 0.1.059910 −0. Apenas calculamos ξ1 (que ´ o valor de f e no ponto (tk . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ Vejamos como isso se d´ na pr´tica.7350 −2.3203 −1.7604 1.1946 0.21978 −0.4144 1. no m´ximo.

Agora consideraremos o caso m = 3. . propositalmente. e sua express˜o deveria ser subsa a titu´ na express˜o de ξi+1 . at´ ordem h2 .5. t´ c˜ ınhamos m = 2. dentro de cada etapa k ´ preciso fazer uma recorrˆncia de tamanho m. A maneira de se organizar para uma tarefa dessas ´ a seguinte. 2 2 Por outro lado. b1 . . c˜ c˜ Com rela¸ao ao outro lado. c˜ O lado esquerdo da equa¸ao ´ mais conhecido: c˜ e x(t + h) − x(t) 1 1 = x′ + x′′ h + x′′′ h2 + o(h2 ) . ξ3 = f (tk + a2 h. a2 e b2 . ´ preciso calcular ξ1 . partindo de ξ1 = f (tk . . 2 2 6 6 6 3 6 Os termos est˜o separados um a um. ξ2 e ξ3 . ficamos com o 1 1 1 1 1 1 1 2 f + hft + hf fx + h2 ft fx + h2 f fx + h2 ftt + h2 f ftx + h2 f 2 fxx . . γ2 e γ3 . Expandindo f at´ segunda ordem. . Ou seja. γ1 = γ2 = 2 e a1 = b1 = 1. xk ). Desenvolveremos os dois e lados da equa¸ao c˜ x(t + h) − x(t) = γ1 ξ1 + γ2 ξ2 + γ3 ξ3 h at´ ordem 2 em h (seria ordem 3. obtemos e ξi+1 = f (t + ai h. xk + b2 ξ2 h) . h 2 6 onde as express˜es de x′ . ıda a . E sabendo ξi calculamos ξi+1 por ξi+1 = f (t + ai h. xk + bm−1 ξm−1 h) . .2. e tentaremos determinar as constantes γ1 . xk + b1 ξ1 h) . e obteremos v´rios e a termos envolvendo derivadas parciais de f . J´ sabemos que c˜ e e a ξ1 = f . ´ preciso haver o e igualdade termo a termo. . . ξi j´ foi calculado de maneira semelhante. .18. veremos que existe uma certa liberdade na escolha dessas constantes. ξm = f (tk + am−1 h. Cada uma dessas igualdades ser´ uma equa¸ao onde as inc´gnitas a c˜ o s˜o as constantes procuradas. x + bi ξi h) = 1 1 = f + (ai h)ft + (bi ξi h)fx + (ai h)2 ftt + (ai h)(bi ξi h)ftx + (bi ξi h)2 fxx + o(h2 ) . assim como a1 . mas estamos dividindo tudo por h). x′′ e x′′′ j´ foram deduzidas na Se¸ao 18. e c˜ 1 Na Se¸ao anterior. xk ) . Ao final. x + bi ξi h) . Introduzindo essas o a c˜ express˜es. onde cada e e ξi (i ≥ 2) ´ calculado em fun¸ao de ξi−1 . Como ocorre com polinˆmios. 199 ξ2 = f (tk + a1 h. e o problema ficar´ reduzido ` resolu¸ao desse sistema (n˜o a a a c˜ a linear) de equa¸oes. RUNGE-KUTTA onde ξ1 = f (tk . porque isso tornar´ mais f´cil a coma a a para¸ao com o outro lado da equa¸ao.

γ3 b1 b2 h2 f fx .1) (18. 1 (γ2 a2 + γ3 a2 )h2 ftt . 1 2 1 2 2 Da compara¸ao termo a termo com a expans˜o de c˜ a x(t + h) − x(t) . podemos reunir γ1 ξ1 +γ2 ξ2 +γ3 x3 .5) (18. x + b1 hf ) = 1 1 = f + a1 hft + b1 hf fx + a2 h2 ftt + a1 b1 h2 f ftx + b2 h2 f 2 fxx + o(h2 ) . (γ2 a1 b1 + γ3 a2 b2 )h2 f ftx e (γ2 b2 + γ3 b2 )h2 f 2 fxx . h que corresponde ao “lado esquerdo” da equa¸ao. portanto ξ2 = f (t + a1 h. 2 2 2 2 Finalmente. Por sorte.2) (18.3) (18. Por exemplo.7) (18. uma vez que os termos com h2 . temos ξ1 = f . γ3 a1 b2 h2 ft fx . e conseguiremos uma soma com os seguin2 tes termos: (γ1 + γ2 + γ3 )f . isto ´. b2 hξ2 fx = b2 h(f + a1 hft + b1 hf fx )fx + o(h2 ) . ficam h3 . (γ2 b1 + γ3 b2 )hf fx . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ No caso m = 3. quando multiplicados por h. s˜o termos e a o(h2 ). obtemos as seguintes equa¸oes: c˜ c˜ f: hft : hf fx : h2 f t f x : 2 h2 f f x : h2 ftt : h2 f ftx : h2 f 2 fxx : 1 1 2 1 2 1 6 1 6 1 6 1 3 1 6 = = = = = = = = γ1 + γ2 + γ3 γ2 a1 + γ3 a2 γ2 b1 + γ3 b2 γ3 a1 b2 γ3 b1 b2 1 (γ2 a2 + γ3 a2 ) 1 2 2 γ2 a1 b1 + γ3 a2 b2 1 (γ2 b2 + γ3 b2 ) 1 2 2 (18.8) . H´ outros dois termos a expandir: a a2 b2 h2 ξ2 ftx = a2 b2 h2 f ftx + o(h2 ) e Ent˜o a 2 ξ3 = f + (a2 hft ) + (b2 hf fx + a1 b2 h2 ft fx + b1 b2 h2 fx )+ 1 1 + a2 h2 ftt + a2 b2 h2 f ftx + b2 h2 f 2 fxx + o(h2 ) .6) (18. pois devemos substituir a express˜o de ξ2 em a a e a cada lugar onde aparece.200 ´ CAP´ ITULO 18. 2 1 2 1 J´ a express˜o de ξ3 ´ mais complicada. podemos desprezar os termos que tenha ordem mais alta do que h2 . (γ2 a1 + γ3 a2 )hft .4) (18. 2 2 2 2 1 1 2 2 2 b h ξ2 fxx = b2 h2 f 2 fxx + o(h2 ) .

pode haver outras e maneiras de implement´-lo. abre-se a possibilidade para a o u c˜ existˆncia de uma infinidade de solu¸oes. crie um programa de computador para testar os algoritmos.5. obtemos 4 2 2 4 γ3 = 9 . Podemos escolher um valor para a2 . Ent˜o c˜ c˜ a √ 3 ± 9 − 12a2 .3 Use o algoritmo de Runge-Kutta de ordem 3 deduzido acima na equa¸ao c˜ diferencial separ´vel x′ = −3t2 x. Aumente o n´mero de algarismos significativos. RUNGE-KUTTA 201 A primeira equa¸ao ´ a unica que envolve γ1 . a1 = 6 1 Se tomarmos a2 = 3 teremos necessariamente que a1 = 2 .18. x + 2 ξ1 h) e ξ3 = f (t + 4 h. γ2 e γ3 : e c˜ o 1 2 1 6 1 3 = = = γ2 a1 + γ3 a2 γ3 a 1 a 2 γ2 a2 + γ3 a2 1 2 Havendo uma inc´gnita a mais do que o n´ mero de equa¸oes. x). a quarta e a quinta tamb´m. 4 Exerc´ ıcio 18. Com isso. e c˜ mas algumas escolhas podem tornar o sistema imposs´ ıvel. Com esses valores. a u De preferˆncia. e a segunda e a e ´ c˜ e e terceira idem. a2 . como vimos em ordem 3. 2 6 que junto com a segunda pode ser substitu´ na terceira equa¸ao. assim γ1 ficar´ determinado assim que γ2 e γ3 c˜ e ´ a forem determinados. ficamos com trˆs equa¸oes nas quatro inc´gnitas a1 . γ2 = 9 e γ1 = 9 . e c˜ e as trˆs ultimas equa¸oes se tornam idˆnticas. ai ’s e bi ’s a c˜ . 9 1 3 1 onde ξ1 = f (t. x(0) = 2. 1 depois de mais uma multiplica¸ao por a1 e simplifica¸oes. por exemplo. A conclus˜o ´ que o M´todo de Runge-Kutta pode ser aplicado com a e e x(t + h) − x(t) = h (2ξ1 + 3ξ2 + 4ξ3 ) + o(h3 ) . pois as equa¸oes que determinam a escolha dos γi ’s. Da quarta e da quinta equa¸oes tiramos imediatamente que a1 = b1 . em vez de uma inc´gnita. levando a ıda c˜ γ2 a2 = 1 3a2 − 3a1 + a2 = 0 . No entanto. γ1 = γ2 = 1 e a1 = b1 = 1 para o c˜ 2 M´todo de Runge-Kutta de ordem 2.4 Na Se¸ao anterior. c˜ Levando isso em conta na sexta e na s´tima equa¸oes resulta que tamb´m a2 = b2 . x + 3 ξ2 h). saberemos como escolher se tratarmos a2 como uma constante. ξ2 = f (t + 2 h. Da segunda equa¸ao o c˜ 1 γ2 a2 = 6a1 colocada na primeira obtemos γ2 a1 + Multiplicando por a1 resulta 1 1 = . e Exerc´ ıcio 18. 6a1 2 a1 1 − . obtivemos m = 2. Em resumo. No entanto.

202 ´ CAP´ ITULO 18. da melhor forma que vocˆ puder. . principala e ´ mente quando se trata de integrar a equa¸ao diferencial em grandes intervalos de tempo. Obtenha c˜ c˜ uma discretiza¸ao/aproxima¸ao da solu¸ao em [0.5]. x) . em qualquer ordem. usando o M´todo de Runge-Kutta de c˜ c˜ c˜ e segunda ordem. b = 1 . Para o M´todo de Newton.6 Considere a mesma equa¸ao e a mesma condi¸ao inicial do Exerc´cio anc˜ c˜ ı terior. e 18. para minimizar ainda mais os erros. ı c˜ e Exerc´ ıcio 18. H´ atualmente muitos programas de computador com a os algoritmos j´ implementados. 1 6. x + bξ1 h) . Aproveite o fato de ser uma equa¸ao separ´vel para obter x(0. 0. onde ξ1 ξ2 ξ3 ξ4 = f (t. c = 2 e d = 1. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ tˆm mais do que uma solu¸ao. Discuta e o erro envolvido ao se resolver a equa¸ao dessa maneira. Outros a a c˜ algoritmos mais finos s˜o tamb´m usados. ache todas as e c˜ ı poss´veis implementa¸oes do M´todo de Runge-Kutta em ordem 2. 2 e mostre que essas constantes podem assumir os seguintes valores: α = 1 1 δ = 6 . x + dξ3 h) . no entanto. autˆnomas ou n˜o. c˜ e Compare com o resultado da quest˜o anterior. tudo dependendo de se dec˜ o a duzir o algoritmo convenientemente. Exerc´ ıcio 18. Baseando-se no racioc´nio feito em ordem 3. saber minimamente como eles funcionam. = f (t + bh. y) g(x. x + cξ2 h) . e o leitor ver´ que o M´todo pode ser aplicado a qualquer tipo de sistema c˜ a e de equa¸oes diferenciais. bastando ao usu´rio somente digitar as equa¸oes. γ = 2 6. a Suponha que queiramos integrar o sistema de equa¸oes diferenciais c˜ x′ y′ = = f (x. com a condi¸ao inicial x(0) = 1. = f (t + ch. Exerc´ ıcio 18.5) usando o M´todo de c˜ a e Newton e o M´todo de Simpson combinados. y) . a Para isso ´ preciso fazer as contas com muito cuidado. 2 β = 2 6. E c˜ recomend´vel.6 Runge-Kutta em sistemas de equa¸˜es autˆnomas co o A resolu¸ao num´rica de um sistema de equa¸oes autˆnomas ´ muito semelhante ao que j´ c˜ e c˜ o e a fizemos antes. use condi¸ao inicial e e c˜ igual a 1 e calcule 3 iterados posteriores.7 O algoritmo de Runge-Kutta de ordem 4 pode ser deduzido de forma an´loga. a Exerc´ ıcio 18. = f (t + dh.8 Implemente o M´todo de Runge-Kutta de ordem 4 no computador.5 Considere a equa¸ao x′ = ex t. Tente partir da suposi¸ao de que e c˜ x(t + h) − x(t) = h(αξ1 + βξ2 + γξ3 + γξ4 ) + o(h4 ) . Para o M´todo de Simpson use n = 4. Desenvolveremos o M´todo de Runge-Kutta de ordem 2 para um sistema de e duas equa¸oes.

.5 e y(0) = 0. y + gh)) + o(h2 ) .2. Portanto x(t + h) − x(t) y(t + h) − y(t) = = h 2 h 2 (f (x.ˆ 18. y) + f (x + f h. e Exerc´ ıcio 18. temos e x(t + h) − x(t) = y(t + h) − y(t) = Como x′ = f e y ′ = g. c˜ Exerc´ ıcio 18.11 Usar os M´todos de Runge-Kutta para integrar os sistemas de equa¸oes e c˜ diferenciais da Se¸ao 17. usando o M´todo de Euler de primeira ordem com passo 0. Mas hf fx + hgfy = f (x + f h. estime t > 0 necess´rio para que a solu¸ao (x(t). y(t)) cruze o a c˜ eixo y. RUNGE-KUTTA EM SISTEMAS DE EQUACOES AUTONOMAS ¸˜ At´ segunda ordem.10 Deduzir o M´todo de Runge-Kutta de ordem 4 para sistemas autˆnomos e o de duas equa¸oes. y + gh)) + o(h2 ) (g(x. y + gh) − f (x. Ent˜o a x(t + h) − x(t) = y(t + h) − y(t) = 1 h f + 2 (hf fx + hgfy ) + o(h2 ) 1 h g + 2 (hf gx + hggy ) + o(h2 ) 203 hx′ + h x′′ + o(h2 ) 2 2 hy ′ + h y ′′ + o(h2 ) 2 2 .9 Considere o sistema de equa¸oes diferenciais c˜ x ˙ y ˙ = x2 + y 1 = 1+x Se x(0) = −0.5. c˜ . y) + o(h) .1. ent˜o a x′′ = x′ fx + y ′ fy = f fx + gfy e y ′′ = x′ gx + y ′ gy = f gx + ggy . y) + o(h) e hf gx + hggy = g(x + f h. Exerc´ ıcio 18. y) + g(x + f h. y + gh) − f (x.6.

204 ´ CAP´ ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ .

A outra equa¸ao determina outra reta. y) c˜ que satisfazem a primeira e depois o conjunto dos (x. c˜ A equa¸ao 5x + 2y = 3 determina uma c˜ reta. O que estamos procurando ´ a intersec¸ao desses dois conjuntos. examinando o conjunto dos pares (x. 205 .1 Sistemas lineares e interse¸˜es de hiperplanos co em que procuramos x e y que simultaneamente satisfa¸am as equa¸oes dadas.Apˆndice A e Entendendo os sistemas lineares A. satisfaz as duas equa¸oes. Pode-se melhorar bastante a compreens˜o dos sistemas lineares se os interpretarmos sob o a ponto de vista geom´trico. que tem c˜ 2 2 inclina¸ao − 5 e cruza o eixo das orc˜ 2 3 c˜ denadas em 2 . Observe que essa reta ´ o gr´fico e a da fun¸ao y(x) = 3 − 5 x. c c˜ Podemos olhar para uma equa¸ao de cada vez. e Considere o sistema 5x + 2y = 3 . Esse ponto. ´ por estar simultaneamente nas duas retas. Portanto c˜ ele ´ a solu¸ao procurada do sistema lie c˜ near. y) que satisfazem a segunda. −x + y = 1 3 2 5x+2y=3 y=1+x 3 2 1 5x+2y=3 Na figura ao lado desenhamos as duas retas. que tem inclina¸ao 1 e c˜ cruza a ordenada em 1. e constatamos que elas devem se cruzar num unico ponto. isto ´. os pontos do plano que e c˜ e satisfazem as duas equa¸oes ao mesmo tempo. gr´fico da fun¸ao a c˜ y(x) = 1 + x.

a A. . nesse caso cada uma das equa¸oes determina c˜ o c˜ um plano. o c˜ Num sistema de n equa¸oes a n inc´gnitas devemos imaginar que cada equa¸ao determina c˜ o c˜ um hiperplano de dimens˜o n − 1 no espa¸o de dimens˜o n. a a c˜ como mostra a figura ao lado. e as solu¸oes s˜o todos os pontos de intersec¸˜o dos trˆs planos. Por exemplo. como neste exemplo: c˜ −2x + 2y = 2 −x + y = 1 . 2 x= 3 ou 2x=3 2 0 3/2 E no caso de 3 equa¸oes a 3 inc´gnitas? Bem. y) tais que x = 3 .206 ˆ APENDICE A. nenhuma ou uma infinidade delas. Nem sempre a equa¸ao de uma reta determina c˜ o gr´fico de uma fun¸ao y(x).2 Transforma¸˜es lineares co Outra maneira bastante importante de se entender os sistemas lineares ´ atrav´s do conceito e e de transforma¸oes lineares. como no a sistema abaixo: −2x + 2y = 0 −x + y = 1 . pode haver uma solu¸ao. a equa¸ao c˜ 2x = 3 representa uma reta vertical. Tomemos novamente o exemplo 5x + 2y = 3 −x + y = 1 Essa equa¸ao pode ser escrita na nota¸ao matricial c˜ c˜ 5 2 −1 1 x y = 3 1 . ENTENDENDO OS SISTEMAS LINEARES Por essa interpreta¸ao entende-se porque alguns sisc˜ temas podem n˜o ter solu¸ao. Isso acontece se as a c˜ retas forem paralelas mas n˜o coincidentes. Basta que e e c˜ as duas equa¸oes determinem a mesma reta. e dele nos ocuparemos at´ o final do Cap´ c˜ e ıtulo. mas isso n˜o nos impede de teorizar sobre o assunto. pois ´ o e conjunto de todos os (x. . Como no caso de c˜ a ca e 2 inc´gnitas. Esse ser´ sema c˜ a pre o caso quando o coeficiente que multiplica y for igual a zero. Outra coisa que pode acontecer ´ a existˆncia de uma infinidade de solu¸oes. y=1+x y=x 1 As retas s˜o os gr´ficos das fun¸oes y = 1+x e y = x. Infelizmente n˜o podemos a c a a visualizar nada disso.

A. . . a1n x1 b1  . . . xn em vetores Au. .2) Au=(−1.   .   . + a2n xn = b2 . chamaremos de A a matriz. .2. . pode ser escrito na forma matricial c˜ o      a11 . am1 .  . . se u = . . u o u c˜ c˜ Pois o sistema linear a11 x1 + a12 x2 + . u o vetor (matriz coluna) c˜ de coordenadas x e y e b o vetor (matriz coluna) de coordenadas 3 e 1. . + a1n xn = b1 a21 x1 + a22 x2 + . ent˜o a 2 Au = como mostra a figura abaixo. 5 2 −1 1 −1 2 = −1 4 . . .  . e escreveremos Au = b . .4) Num sistema linear o que temos ´ o problema inverso: dado o vetor b (a coluna de termos e x independentes ` direita). TRANSFORMACOES LINEARES ¸˜ 207 Para compactar ainda mais a nota¸ao..  =  . Essa forma de escrever sugere que pensemos A como uma fun¸ao (ou transforma¸ao. amn xn bm . . . .  u= . u=(−1. . c˜ −1 Por exemplo. . na verdade nem ´ preciso que o a c˜ e n´ mero de inc´gnitas iguale o n´ mero de equa¸oes para termos esse tipo de interpreta¸ao. ou ainda c˜ c˜ aplica¸ao) que toma um vetor qualquer u e transforma num outro vetor Au. . . + amn xn = bm que tem m equa¸oes e n inc´gnitas. . ou fun¸ao) levando vetores-coluna c˜ c˜ c˜   x1  .  .  . Se o sistema e o linear tem n equa¸oes e n inc´gnitas ent˜o os coeficientes formam uma matriz A que pode c˜ o a ser usada como uma aplica¸ao (ou transforma¸ao. Apesar de n˜o ser nossa preocupa¸ao aqui. qual ´ o vetor u = a e tal que Au = b? y ´ a E f´cil ver que essa id´ia funciona da mesma forma em dimens˜es mais altas. am1 x1 + am2 x2 + .

A. que ´ n × n. Explicitamente.  ... Como aplica¸ao. . . ... pois usaremos a c˜ c˜ a mesma nota¸ao nos dois casos. A propriedade fundamental da matriz identidade ´ que Id · A = A e A · Id = A. quando na verdade a primeiro somamos u com v e depois aplicamos A. . observamos que a nota¸ao matricial nos propicia relacionar conceitos c˜ aparentemente distantes. escolhidas ao a e acaso).. como por exemplo na frase “tome u = (x1 . 0  a21 a22 . u1n 1 0 .. . . ... . que tem m linhas e n colunas. funcionando de forma an´loga ao n´ mero e a u 1 na multiplica¸ao usual entre n´ meros reais. pode ser o e vista tamb´m como uma aplica¸ao. por multiplica¸ao. A e c˜ a c˜ c˜ multiplica um vetor-coluna de tamanho n e o resultado ´ um outro vetor-coluna de tamanho e n. por exemplo. Suponha que tenhamos A = {aij }n×n e queiramos achar U = {uij }n×n tal que A·U = Id. Portanto n˜o faremos distin¸ao clara entre a matriz A e a aplica¸ao A. a A. 0 0 . a matriz A dos coeficientes. Como vimos.3 Nota¸˜o e interpreta¸˜o ca ca Vale a pena neste ponto fazermos alguns coment´rios a respeito da nota¸ao.    . .  =  . Para abusar mais um pouquinho. a2n   u21 u22 . . a1n u11 u12 . ann un1 un2 ..  .. ao inv´s de vetores-coluna.208 ˆ APENDICE A. . com as coordenadas separadas por e v´ ırgulas.  .. queremos resolver      a11 a12 . Em nota¸ao compacta temos Au = b. onde Id ´ a matriz identidade. ENTENDENDO OS SISTEMAS LINEARES Agora a matriz dos coeficientes. Como matriz.. . u2n   0 1 . que a e poderia dar a impress˜o de que aplicamos A em u e depois somamos v. .. . unn ´ a E f´cil ver que temos a´ n equa¸oes do tipo Au = b. 0      . ficando claro que se quisermos calcular b devemos dispor o vetor u em coluna e multiplicar por A. e e que tem 1 ao longo da diagonal principal e 0 no restante. A toma um vetor u de Rn e c˜ c˜ transforma em outro vetor b de Rn . e A inversa de A ´ definida como a matriz U tal que AU = Id... . A(u + v).. mas n˜o o faremos. .. . leva. . por que n˜o?) usaremos os parˆnteses somente quando for preciso deixar e e a e claro que A se aplica a toda uma express˜o. c˜ vetores-coluna de tamanho n em vetores-coluna de tamanho m (ou seja. A rigor dever´ ıamos escrever A(u) = b. ao inv´s de Au + v. . . . 1 an1 an2 .”.  .. .4 Invers˜o de matrizes a Antes de prosseguir. A diferen¸a principal entre a multiplica¸ao de c˜ u c c˜ n´ meros reais e a multiplica¸ao de matrizes ´ que a segunda n˜o ´ comutativa: h´ (muitos) u c˜ e a e a exemplos onde A · U n˜o ´ igual a U · A (tente verificar com matrizes 2 por 2. ... . escreveremos muitas c˜ vezes os vetores como n-upla. mas n˜o faremos distin¸ao na nota¸ao. . Por exemplo. ´ uma aplica¸ao de e c˜ Rn em Rm ). o problema de inverter uma matriz quadrada A de tamanho n ´ equivalente a resolver n sistemas lineares n × n. Por raz˜es de praticidade (e a o tamb´m est´ticas. .. . . . ` esquerda. . . onde u e b s˜o colunas de U e Id na ı c˜ a . . xn ) e b = Au.. o que evitar´ a c˜ a confus˜es mais tarde.

mas o e a tamanho do novo vetor ´ |α| vezes o tamanho do vetor original.A. .  . supondo que ıcio a A= a c b d ´ uma matriz da forma mais geral poss´ e ıvel! N˜o ´ dif´ tente!. . . . Observe que isso ´ equivalente a dizer que para quaisquer vetores u1 e u2 e n´ meros α e β e u vale A(αu1 + βu2 ) = αAu1 + βAu2 . e depois procure mostrar no a e ıcil. para matrizes n × n. Isto significa que os dois vetores s˜o colineares. y2 ) ent˜o a u1 + u2 = (x1 + x2 . y) por um escalar α ´ o vetor (αx. . c˜ u A multiplica¸ao de um vetor (x. Por exemplo. . an2 . c˜  a11  a21   .  =  . u a Dizer ent˜o que A(αu) = αAu significa dizer: “tomar a imagem de um vetor u multiplia cado por α ´ o mesmo que tomar a imagem de u e depois multiplicar por α”.. . o sentido do novo vetor ser´ oposto ao do vetor original (ver figura abaixo). y1 ) e u2 = (x2 . .5. . e que. como mostrado na figura abaixo. ann un1 0 209 que corresponde ` primeira coluna..  . Al´m disso. isto ´. se α for um e e n´ mero negativo. Se u1 = e (x1 .  . cada c˜ e e coordenada ´ multiplicada por α.  . .  . . . vejamos primeiro o que ´ a e e soma de vetores e sua multiplica¸ao por um n´ mero (comumente chamado de escalar). . EXPLORANDO A LINEARIDADE mesma posi¸ao. Para entendermos o significado geom´trico da linearidade. a A. y1 + y2 ) . u A(αu) = αAu . Fica como exerc´ para o leitor demonstrar a linearidade (em dimens˜o 2).   . a2n   u12   0      .. .5 Explorando a linearidade A propriedade mais importante da fun¸ao que leva vetores u em Au ´ a linearidade. caso geral. se conhecermos Au ent˜o saberemos quem ´ A(αu) para qualquer α!! a e A soma de dois vetores ´ vista geometricamente pela Lei dos Paralelogramos. a1n a22 . Isto mostra e que. αy). para quaisquer vetores u1 e u2 tem-se A(u1 + u2 ) = Au1 + Au2 . para qualquer vetor u e qualquer n´ mero real α. an1 para essa equa¸ao ser satisfeita deve valer c˜     1 u11 a12 . A c˜ e linearidade significa que.

chamemos a aten¸ao para ue c˜ dois vetores especiais do plano: e1 = (1. um colinear e c˜ e a e1 e o outro colinear a e2 ). 0) + (0. 1). temos ent˜o a Au = A(xe1 + ye2 ) = xAe1 + yAe2 .5. Isto significa que se soubermos Ae1 e Ae2 ent˜o saberemos automaticamente Au. Eles s˜o chamados de vetores a canˆnicos. a a¸ao da aplica¸ao linear A fica completamente deterc˜ c˜ minada pelo seu resultado em e1 e e2 ! Por exemplo. 0) + y(0. na figura abaixo mostramos como calcular Au. 2). Dizemos que u ´ uma combina¸ao linear de e1 e e2 (isto ´. y) ´ um vetor qualquer ent˜o o a e a u = (x. 1) = xe1 + ye2 . Para isso. 2 u Au Ae1 Ae2 e2 e1 1. y) = x(1. 0) e e2 = (0. se u = (1. y) = (x. Usando a linearidade. Sua importˆncia reside no fato de que se u = (x.210 ˆ APENDICE A. a soma de dois vetores.5 . ENTENDENDO OS SISTEMAS LINEARES u αu (α > 1 ) u1+ u2 y 2 u y 1 αu (α < 0) x1 x2 Dizer que A(u1 + u2 ) = Au1 + Au2 significa: “obter a soma por meio da Lei do Paralelogramo e depois aplicar a transforma¸ao A ´ o mesmo que aplicar a transforma¸ao a cada c˜ e c˜ um dos vetores e depois somar pela Lei do Paralelogramo”. Vejamos a principal conseq¨ˆncia da linearidade. se Ae1 e Ae2 forem como ilustrado. para quala quer vetor u!! Em outras palavras.

xn ) = x1 e1 + x2 e2 + . 0. . temos um “m´todo” para achar u tal que Au = b (vide figura abaixo). . . .A. . . . . . o vetor que tem essas a coordenadas! e2 u e1 Ae2 b b=Au Ae1 Vale aqui uma observa¸ao bastante pertinente: “os vetores Ae1 e Ae2 s˜o as colunas da c˜ a ´ a matriz A”.. . 1. . x2 . . Tamb´m como em dimens˜o 2. e2 = e o a (0. . pois o u = (x1 . c˜ Fica refor¸ado assim o car´ter geom´trico dos sistemas lineares. . a aplica¸ao e e a c˜ que leva vetores u em vetores Au ´ linear.5. . 0). . e Basta “medir” as coordenadas de b no sistema de coordenadas das combina¸oes de Ae1 e c˜ Ae2 . 0. medido a partir de combina¸oes lineares de Ae1 e Ae2 . . . ` esquerda. . Os vetores canˆnicos s˜o e1 = (1. . 0. . . . Pois se dermos b no lado c a e direito do desenho. 0. A soma de vetores tamb´m a e ´ obtida pela soma das coordenadas dos vetores. 0). 1). . e depois procurar no sistema cartesiano tradicional. Qualquer vetor pode ser escrito como combina¸ao c˜ linear dos vetores canˆnicos. + xn en . . Isto implica que saber Ae1 . Tudo ocorre de forma semelhante em dimens˜o qualquer n. Aen permite calcular automaticamente qualquer Au. . E f´cil ver a raz˜o: a a c b d 1 0 a c a c b d 0 1 b d Ae1 = = . Ae2 = = . en = (0. EXPLORANDO A LINEARIDADE 211 Isso sugere que o sistema de coordenadas cartesiano original ´ transferido para um outro e sistema de coordenadas.

. . pois ent˜o pela linearidade. Pensando em geral. uma aplica¸ao longe de ser injetiva!). . observe que esse “esa quema geom´trico” para achar u tal que Au = b ficaria e prejudicado se por alguma raz˜o Ae1 e Ae2 fossem vetores a colineares. e a a a Au = xAe1 + yAe2 = xAe1 + αyAe1 = (x + αy)Ae1 . Ao mesmo tempo. . . S´ que se Ae1 e Ae2 forem c˜ o colineares ent˜o Au tamb´m ser´ colinear a eles. a e a o vetor imagem Au estar´ sempre sobre a mesma reta. . o problema de se achar u tal que Au = b ter´ solu¸ao a a c˜ garantida sempre que possamos achar n´ meros x1 . E f´cil ver porque n˜o vai existir esse vetor: todo vetor u = (x. ENTENDENDO OS SISTEMAS LINEARES A. teremos duas situa¸oes poss´ a c˜ ıveis para a equa¸ao c˜ . na mesma dire¸ao de Ae1 e Ae2 (a a c˜ aplica¸ao A leva todo o R2 sobre uma reta. escrevemos c˜ e Ae2 = αAe1 (j´ que eles s˜o colineares. para qualquer escolha de u. . . Isso aconteceria se os vetores-coluna da matriz A fossem colineares. xn tais que u b = x1 Ae1 + . e supondo que Ae1 seja n˜o-nulo).212 ˆ APENDICE A. isto ´. y) se escreve a como combina¸ao linear u = xe1 + ye2 . E o caso em que o sistema n˜o tem solu¸ao. . o que determina uma reta de possibilidades de x e y. . Sempre que {Ae1 . infinitas escolhas de u tais que Au = b. teremos Ae1 e Ae2 como na figura ao lado. Aen } (lembre-se. . se b for colinear a Ae1 e Ae2 ent˜o haver´ infinitas a c˜ a a solu¸oes.6 Existˆncia e unicidade de solu¸˜es e co Ae2=(−4. Portanto c˜ c˜ ´ imposs´ que exista Au = b se b n˜o for colinear com esses dois vetores! e ıvel a ´ Esse tipo de problema ocorre justamente nos sistemas indeterminados. . . + xn Aen .−3) Neste caso. Ae1=(2. . . sempre que {Ae1 . . Aen } n˜o forma uma base se e somente se um dos a vetores Aei for combina¸ao linear dos demais. Ent˜o Au = b desde que a x + αy = β . . .6) Voltando a pensar em dimens˜o 2. Por outro lado. em dimens˜o n. com a hip´tese de que b seja colinear a Ae1 temos o b = βAe1 . . isto ´. s˜o as c˜ a colunas da matriz A) n˜o formar uma base. . e a b = A(x1 e1 + . se chamarmos u = (x1 . . Para mostrar isso. xn ). . Aen } formar uma base. Em resumo. O desastre ocorre se tivermos um vetor b que n˜o seja colinear a eles e quisermos achar u a ´ a tal que Au = b. . como por exemplo na matriz 2 −4 −3 6 . . Pode-se demonstrar que {Ae1 . logo Au = xAe1 + yAe2 . + xn en ) = Au .

. . Logo Au − Av = 0. isso acontece se e somente se a matriz A dos coeficientes for uma aplica¸ao c˜ injetiva. Chame w = u − v. . . Isto ´. . . das duas uma: ou A ´ bijetiva ou n˜o ´ nem sobrejetiva a e e a e nem injetiva.. a1 . tal que q(x1 ) = 0. . xn ). . . . Suponha por contradi¸ao que essa matriz A n˜o fosse injetiva. p(xn ) = yn . an−1 ) n˜o-nulo (isto ´. . com n ra´ distintas.   . yn ) quer´ e ıamos achar p(x) = a0 + a1 x + .. y1 ). e se b for combina¸ao linear de {Ae1 . q(xn ) = 0. a aplica¸ao A ´ tamb´m injetiva). . (xn . uma infinidade deles) tal que Aw = 0. . n˜o-nulo. . pelo menos um dos coeficientes a e diferente de zero) tal que Aw = 0. GLUP! 213 Au = b. .5. . . . isto ´. + xn Aen . ´ c˜ A. . isto ´. sobrejetividade. Aen } ent˜o haver´ uma infinidade a a c˜ c˜ a a de solu¸oes da equa¸ao (tente mostrar isso!). ter´ ıamos um polinˆmio q(x) de grau n − 1 (no o m´ximo). Esse vetor ´ n˜o-nulo porque u = v. . . + an−1 xn−1 tal que p(x1 ) = y1 . .  . e assim demonstramos nossa e a afirmativa. . . . . . . . dependendo de b: se b n˜o for combina¸ao linear de {Ae1 .   . . x1 a0 1  1 x2 x2 . o que mostra que A a c˜ obrigatoriamente tem que ser injetiva! . 2) existe b tal que Au = b e c˜ e e n˜o tem solu¸ao (logo A n˜o ´ sobrejetiva) e existe b tal que Au = b tem v´rias solu¸oes a c˜ a e a c˜ (logo A n˜o ´ injetiva). e isso nos levou imediatamente a um sistema linear onde as inc´gnitas s˜o os n coeficientes do polinˆmio: o a o      n−1 y1 1 x1 x2 .  . .. . glup! Valem aqui alguns coment´rios complementares sobre a discuss˜o te´rica que estamos lea a o vando. apliquemos essas id´ias ao problema de interpola¸ao polinomial da Se¸ao 1. . . com u = v. xn−1   a1   y2  2 2       . Para ilustrar. Au = b tem solu¸ao (portanto a aplica¸ao A ´ sobrejetiva) e essa solu¸ao ´ unica (donde c˜ c˜ e c˜ e ´ Au = Av implica u = v. a saber u = (x1 . Pois se A n˜o ´ injetiva a a e ent˜o existem u e v. . .7. xn an−1 yn Queremos mostrar que essa equa¸ao sempre tem solu¸ao e essa solu¸ao ´ unica. c˜ c˜ J´ se {Ae1 . . . Aen } formar uma base ent˜o b se escreve de forma unica como a a ´ b = x1 Ae1 + . .A. . Uma caracter´ ıstica t´ ıpica de uma aplica¸ao linear A ´ que se A n˜o for injetiva ent˜o h´ c˜ e a a a um vetor w n˜o-nulo (de fato. portanto chegamos a uma contradi¸ao.  =  . a a e ızes Mas polinˆmios n˜o-nulos de grau n − 1 tˆm no m´ximo n − 1 ra´ o a e a ızes (prove usando seus conhecimentos de c´lculo!). Ent˜o existiria um conc˜ a a junto de coeficientes w = (a0 . Acabamos de ver que a matriz de coeficientes A nos deixa duas op¸oes: 1) para todo c˜ b. . 1 xn x2 n n−1 . .7 Injetividade. Como c˜ c˜ c˜ e ´ vimos acima. . e c˜ c˜ L´ quer´ a ıamos passar o gr´fico de um polinˆmio p(x) de grau n − 1 por n pontos fixados (com a o abscissas distintas). SOBREJETIVIDADE. . . tais que Au = Av. . e pela linearidade a A(u − v) = 0 . .  . . . Ou seja. . INJETIVIDADE. . Ou seja. Aen } ent˜o a equa¸ao a c˜ a c˜ n˜o ter´ solu¸ao. . . .. . implicando que existe uma unica solu¸ao para Au = b. . . dados (x1 .

. 0 ≤ t ≤ 1} . Isso porque. . . esta Se¸ao tem a pretens˜o de convencer o leitor de que det A = 0 se e somente se c˜ a {Ae1 . ´ Sendo assim. Para que a defini¸ao fique completa. c˜ A. O determinante de uma matriz A 2 × 2 ´ definido como sendo o determinante do par e (Ae1 . 0 ≤ s ≤ 1 . e ıdo a O sinal de det(u1 . . como sendo a area do paralelogramo determinado por esses dois vetores. Ele ´ definido como e sendo o conjunto P (u1 . ´ c˜ a isto ´. com um “sinal”. su1 ´ um vetor com o mesmo sentido que u1 . e2 ) (na ordem e o . . fica evidente que o determinante de A ´ diferente de zero se e somente se o e sistema Au = b admitir unica solu¸ao (n˜o importando quais sejam os termos independentes.214 ˆ APENDICE A. mas o leitor pode encontrar abordagens diferentes em outros livros. .8 O determinante O determinante da matriz A dos coeficientes de um sistema linear serve como instrumento para saber se {Ae1 . e depois comentaremos sua generaliza¸ao para c a a c˜ dimens˜o qualquer. . Ae2 ): det A ≡ det(Ae1 . Lembrando tamb´m que Ae1 e Ae2 s˜o as colunas da matriz e c˜ e a A. u2 ) = {su1 + tu2 . Desse modo. Ae2 ) . O mesmo ocorre com tu2 . uma medida do quanto dois vetores est˜o perto de ser a a colineares. para 0 ≤ t ≤ 1. se 0 ≤ s.1 Dimens˜o 2 a O determinante d´. de certa forma. . Al´m disso. denotando-o por det(u1 . u2 ) ´ definido assim. precisamos estabelecer melhor o que ´ o paraleloc˜ e gramo determinado pelos dois vetores e definir de maneira inequ´ ıvoca o sinal do determinante. Aen } ´ uma base. se u1 e u2 n˜o s˜o colineares: se (u1 . . u2 ) o paralelogramo determinado por u1 e u2 . precisamos saber calcular o determinante. . segue que det A = 0 se e somente se suas colunas forem colineares.1 Explique por que se A for injetiva ent˜o existe uma e somente uma solu¸ao a c˜ para a equa¸ao Au = b. ENTENDENDO OS SISTEMAS LINEARES Exerc´ ıcio 1. e se s ≤ 1.8. . u2 ) . Aen ) . e a ´ ca De fato. Aen } ´ uma base. O paralelogramo ´ constitu´ ent˜o de todas as somas de vetores desse tipo. indicando se o sistema tem ou n˜o unica solu¸˜o. . dois vetores ser˜o colineares entre si se e somente se seu determinante for a nulo. o vetor b da equa¸ao). A id´ia ´ explicar o que ´ o determinante de uma forma intuitiva e e e e e geom´trica. u2 ) pode e a a ser suavemente alterado at´ que coincida com o par de vetores canˆnicos (e1 . Come¸aremos a discuss˜o em dimens˜o 2. a Chamaremos de P (u1 . Definiremos o determinante de um par ordenado de vetores (u1 . u2 ). a A. e o leitor ver´ que a defini¸ao dada e a c˜ aqui coincide com aquela que ele provavelmente j´ conhece. su1 ´ um vetor e e de tamanho menor ou igual ao tamanho de u1 . e ´ E preciso salientar que o determinante ser´ inicialmente definido para um conjunto de n a vetores (em Rn ) e depois definiremos det A = det(Ae1 .

v) . Por exemplo. n˜o se trata de desenho em perspectiva!). u1 ). αv) = − det(αv. ent˜o o sinal ´ positivo. isto ´. v) mais a ´rea de P (u2 . Veja dois exemplos com sinais diferentes na figura abaixo.A. ent˜o enunciados semelhantes s˜o v´lidos para o segundo a a a vetor do par. e Veja nas figuras abaixo o que acontece em cada caso.v) P(u . Observe que se isso for verdade. v) = det(u1 . det(u1 . v) . Para mostrar as duas propriedades de linearidade recorremos a princ´ ıpios geom´tricos. mais geralmente. e a P(u1+ u . u) = −α det(v. O da esquerda ´ o e e positivo.8. v) + det(u2 .v) 1 u1 u1+ u2 u2 P(u . e2 ) = +1 (sinal positivo e ´rea igual a 1) e que det(e2 . a a Uma propriedade importante do determinante ´ a linearidade com respeito a cada um dos e vetores. v) (aten¸ao. ou seja. u) = α det(u. e u2 com e2 ). v) = α det(u. u2 ) = − det(u2 . precisamos mostrar que det(αu. se trocarmos a ordem dos e vetores ent˜o o sinal do determinante ser´ trocado. Ou seja. No segundo caso. e1 ) = −1. O DETERMINANTE 215 correspondente. ı a Al´m disso. o princ´ de Cavalieri ıpio garante que a ´rea de P (u1 . det(u. v) e que det(u1 + u2 . u1 ´ alterado at´ coincidir com e1 . Caso contr´rio a e a ´ negativo.v) 2 P(u. u2 u1 u1 u2 Da´ resulta que det(e1 . v) ´ igual ` ´rea de P (u1 +u2 . a a e aa c˜ a figura ´ no plano. de forma que os vetores e e e nunca se tornem colineares ao longo do processo.v) .v) 2 v αu v u P(α u.

escrevemos u1 = (x1 . c˜ 2. com um sinal que devemos convencionar. onde u1 .8. det(e1 . Bom. essa ´ a f´rmula usual do determinante que aprendemos desde o Col´gio!! e o e Vale a pena lembrar as propriedades essenciais do determinante que permitem calcul´-lo a para qualquer par de vetores: 1. u2 ) = x1 (x2 det(e1 . e2 ) = +1 e det(e2 . w) + β det(v. u2 . A. v) = det((u1 + u2 ) + (−u2 ). generalizando essa a defini¸ao). det(αu + βv. y2 ). como combina¸ao linear de e1 e e2 : u1 = x1 e1 + y1 e2 e u2 = x2 e1 + y2 e2 . u2 . s. Se esse n˜o for o caso. ENTENDENDO OS SISTEMAS LINEARES Esse argumento convence facilmente no caso em que det(u1 . ent˜o sugere-se provar que a a det(u1 . t ≤ 1} (n˜o ´ dif´ ver o que seria um paralelep´ a e ıcil ıpedo em dimens˜o mais alta. u3 s˜o vetores a de R3 como o conjunto P (u1 . v) + det(−u2 . u2 ) = x1 y2 − x2 y1 . O determinante det(u1 . u2 . w) = α det(u. ent˜o a det(u1 . . Aplicando novamente a linearidade no segundo vetor do par. y1 ). v) e det(u2 . Como det(e1 . a 3. temos det(u1 . e1 ) + y2 det(e1 . de forma que a det A = ad − bc . v). mas lembramos a outra forma de escrever esses vetores. e1 ) = det(e2 . pois ´ f´cil ver que det(−u2 . x2 e1 + y2 e2 ) x1 det(e1 . c) e u2 = (b. x2 e1 + y2 e2 ) . d). e a Com essas propriedades todas garantimos o c´lculo de qualquer determinante. det(u. v) = det(u1 + u2 . u2 . v) = − det(u2 . Para ver a isso. u2 = (x2 . e2 ) = 0. aplicando a linearidade no primeiro vetor do par. e2 )) + y1 (x2 det(e2 .2 Dimens˜o 3 a Em dimens˜o 3. det(e1 . u) (alternˆncia). u2 ) = = det(x1 e1 + y1 e2 .216 ˆ APENDICE A. x2 e1 + y2 e2 ) + y1 det(e2 . w) (linearidade). e1 ) = −1. u3 ). podemos definir o paralelep´ a ıpedo P (u1 . e2 )) . e1 ) + y2 det(e2 . u3 ) ser´ o volume desse paralelep´ c˜ a ıpedo. Ent˜o c˜ a det(u1 . v) . u3 ) = {ru1 + su2 + tu3 . v) = − det(v. e2 ) = 1 (normaliza¸ao). 0 ≤ r. Numa matriz a c b d os vetores coluna s˜o u1 = (a. v) tenham o mesmo sinal.

a32 ). u2 ) = − det(u2 . u. u3 ) puder ser suavemente deformada a at´ (e1 . nenhum ´ combina¸ao linear dos outros). u2 . Temos. u3 ) ser´ positivo se a trinca ordenada (u1 . e1 . Ent˜o a det A = a11 (a22 a33 − a32 a23 ) + a21 (a32 a13 − a12 a33 ) + a31 (a12 a23 − a22 a13 ) . segunda c˜ com terceira e primeira com terceira. e2 ) = −1.A. u2 . 3. e3 . u3 ) = det(u3 . Ae3 )? Mais uma vez. Ae2 . u3 ) . e1 ) = −1. O DETERMINANTE 217 De qualquer forma. ek ) tais que i. um determinante nulo corresponde a um conjunto de trˆs vetores em e que um deles ´ combina¸ao linear dos outros. . v) = − det(u. logo det(u. e2 . pois. e1 . v) = 0. A troca pode ocorrer com qualquer par de posi¸oes: primeira com segunda. u1 ) = − det(u1 . e2 . a13 e1 + a23 e2 + a33 e3 ) = a11 a12 a13 det(e1 . e1 ) +a31 a12 a23 det(e3 . J´ sabemos que det(e1 . O sinal do determinante ´ convencionado de maneira an´loga ao que fizemos em dimens˜o e a a 2. u2 . (a12 . e2 . Que por sua vez implica det(e2 . det(u1 . Isso implica em particular que sempre que houver vetores repetidos na trinca ent˜o o determinante ´ nulo. u2 . Todos os determinantes restantes s˜o iguais a +1 ou −1. note que qualquer troca entre vetores muda o sinal do determinante. c˜ e a ´ conveniente demonstrar as propriedades b´sicas do determinante e us´-las para os c´lculos. u2 . 2. a a logo det(e1 . a33 )) = det(a11 e1 + a21 e2 + a31 e3 . u2 . u2 ) = det(u2 . u. e3 . a31 a32 a33 det A = det ((a11 . e3 ) = +1. . Se {u1 . e3 . e2 ) = +1 e det(e3 . Isso implica det(e3 . e3 ) = +1. u1 ) = − det(u3 . u1 . u. e3 ) + a11 a32 a23 det(e1 . Logo det A = a11 a22 a33 det(e1 . . e2 . e1 . (a13 . e2 ) + a31 a22 a13 det e3 . det(e1 . e1 . + a31 a32 a33 det(e3 . u3 ). a e det(u. e a a a As propriedades b´sicas s˜o (tente se convencer vocˆ mesmo por que elas valem): a a e 1. e3 . u1 . u3 } ´ uma base (ou seja. j. e1 ) = +1 e det(e2 . a12 e1 + a22 e2 + a32 e3 . o sinal de e e c˜ det(u1 . e3 . ej . Na segunda propriedade. e1 . e Essa defini¸ao ´ pouco pr´tica: como calcular det A = det(Ae1 . k s˜o todos a a a distintos. e3 ) + a21 a32 a13 det(e2 . u3 . a22 . v) . Podemos usar essas regras para calcular o determinante da matriz 3 × 3   a11 a12 a13 A =  a21 a22 a23  . e2 . u2 . e2 ) +a21 a12 a33 det(e2 . e3 ) = −1. e3 ) . Dos 27 termos s˜o n˜o nulos apenas os determinantes det(ei . pois da´ n˜o resulta um paralelep´ e c˜ ı a ıpedo com volume. e2 . Esse ´ o conhecido determinante de uma matriz 3 × 3!! e que ´ o determinante de seus vetores-coluna. e1 ) + . e1 . u3 ) + β det(v. u2 . u3 . pela e linearidade (propriedade 3). por exemplo. a31 ). det(αu + βv. na ordem em que se apresentam. e3 ) sem que nunca deixe de formar uma base. a21 .8. u3 ) = α det(u. a23 .

. un ) atrav´s de suas propriedades: e 1. + αn det(un . . . xn tais que a u b = x1 Ae1 + . . .. . . . u2 . Ent˜o det A = det(u1 . . . . u2 . . vimos que as propriedades de normaliza¸ao. un ) = − det(u1 . . un ). Isso porque c˜ a e det(α2 u2 + . u2 . . j entre 1 e n. .in ) ai1 1 ai2 2 . Alternˆncia: para todo par i. . . . . ei2 . . . . e u J´ det(ei1 . . . Normaliza¸ao: det(e1 . . Aen } ´ e base ent˜o existem n´ meros x1 . Sem falarmos em hipervolume. . . un .. Assim. . . ein ) ´: nulo. Aen formam uma base.8. . un formam uma base ent˜o c˜ a det(u1 . . + xn en ) . . u2 . . n) por um n´ mero par de e a u trocas de posi¸oes ent˜o n˜o h´ como fazer o mesmo com um n´ mero ´ c˜ a a a u ımpar. un ). . . . . n) por um n´ mero par de trocas de posi¸oes. en ) = 1. basta ver que para todo b ∈ Rn ´ poss´ encontrar u ∈ Rn tal que Au = b (j´ vimos que para aplica¸oes lineares e ıvel a c˜ a sobrejetividade implica automaticamente na bijetividade). . in ) pode ser levado em (1. Logo b = A(x1 e1 + . . definimos det(u1 . . Aen = un .. . . pois vetores repetidos levam a determinante nulo. . . . . . . se a (i1 . un ) = 0 . . . . . . . a A implica¸ao contr´ria n˜o ´ t˜o ´bvia. . o e Primeiro observamos que A tem uma inversa.comumente conhecido como hipervolume. . c˜ 2. . . No a entanto. ui . . . ei2 . . e a Primeiro relacionamos det(u1 . . isto ´. . alternˆncia e linearidade bastam para c˜ a definir inequivocamente o valor do determinante de uma n-upla de vetores. . ..218 ˆ APENDICE A. . 2. por causa da regra de alternˆncia. . . . . ein ) . . . . . tal que suas colunas sejam os e vetores u1 . ENTENDENDO OS SISTEMAS LINEARES A. uj . . . Ora. in ) pode ser levado em (1. vale a det(u1 . . . . . . verificamos tamb´m das trˆs propriedades que se um dos e e vetores for combina¸ao linear dos demais ent˜o o determinante ´ nulo. . + xn Aen . . . . u2 . . + αn un . . . . se ocorre algum n´ mero repetido na lista (i1 . . un ) ´ n˜o-nulo”. . . . . . O que queremos mostrar ´ que det A = 0 a e e a hip´tese que temos ´ que os vetores Ae1 . . . Para entender por que. . e −1 u c˜ se ((i1 . . . . 2. . . e vice-versa).3 Dimens˜o n a Em dimens˜o n existe o conceito de volume . . a partir das trˆs propriedades: mostrar que se o c˜ a a e a o e determinante ´ nulo ent˜o um dos vetores ´ combina¸ao linear dos outros. . . . un )+β det(v. . +1. . . ain n det(ei1 . . e a e c˜ Provaremos a afirma¸ao equivalente: “se os vetores u1 . . . . . un ) = = α2 det(u2 . . un ) com o determinante de uma matriz: definimos A como sendo a matriz tal que Ae1 = u1 . . . . . . . . . in ) pode ser levado em (1. . como {Ae1 . . . . . . . . in ). un ) + . un ) = α det(u. . uj . Decorre dessas regras que o determinante de uma matriz A = {aij }n×n ´ e det A = (i1 . un ) 3. u2 . . Multi-linearidade: det(αu+βv. ui . . . n) por um n´ mero ´ u ımpar de trocas de posi¸oes c˜ (´ necess´rio observar que se (i1 . . . .

. xn ). . se aplicarmos B e depois A. . a J´ para entender a intui¸ao geom´trica da f´rmula det(AB) = det(A) det(B). A inversa de A ´ denotada por A−1 . Pela f´rmula do o o determinante.A. podemos seguir outro argumento. . c˜ o Isto porque se aplicarmos A−1 a um vetor e depois aplicarmos A voltaremos ao vetor original. de forma a c˜ e o n˜o rigorosa. Aen ) ´ a imagem pela e transforma¸ao A do paralelep´ c˜ ıpedo P (e1 . quando transformado u o por A. AA−1 u = u para qualquer u e AA−1 s´ pode ser a identidade. . . QUADRO COMPARATIVO 219 e encontramos u = (x1 . . mas n˜o t˜o ı a a facilmente do ponto de vista matem´tico) que o volume de qualquer conjunto ´ multiplicado a e por det A pela transforma¸ao A. No entanto. mas n˜o o faremos aqui. o a Ao inv´s disso. . Esta f´rmula pode ser deduzida das propriedades do determinante.3 vamos mostrar que se A tem inversa ent˜o det A = 0. e quanto a o menores forem esses paralelep´ ıpedos melhor ser´ a aproxima¸ao. baseado na seguinte f´rmula: se A e B s˜o o a matrizes quadradas de tamanho n ent˜o a det(AB) = det A · det B . o que completa a c˜ a demonstra¸ao. temos det(AA−1 ) = det A · det A−1 = det Id = 1 . tem seu volume multiplicado por det A. que ter´ seu volume multiplicado por det A. portanto det A n˜o pode ser nulo. Para isso. Alternativa 1. c˜ A intui¸ao pode ser assim expressa: o conjunto ´ aproximado por pequenos paralec˜ e lep´ ıpedos disjuntos. cujo volume total est´ pr´ximo do volume total do conjunto. daremos uma intui¸ao geom´trica de sua veracidade. Da linearidade decorre a que todo paralelep´ ıpedo formado por m´ ltiplos dos vetores canˆnicos. quando se quer resolver um sistema linear Au = b. en ). Aen ) (o a leitor pode pensar em dimens˜o 3). Da´ decorre (intuitivamente. o c˜ o e c˜ M´todo de Escalonamento. podemos imaginar tamb´m a transforma¸ao desses pequenos paralec˜ e c˜ lep´ ıpedos. do qual iremos falar no pr´ximo Cap´ e o ıtulo.9 Quadro comparativo Para resumir tudo o que dissemos at´ agora sobre a existˆncia e a unicidade de solu¸oes de e e c˜ um sistema linear. . portanto u = A−1 b. sempre existe unica solu¸ao para Au = b ´ c˜ . logo abaixo. escrevemos AA−1 = Id. . a Portanto. Ao transformarmos o cona c˜ junto pela aplica¸ao A. Este ´ o sentido da f´rmula! e o A. . e Na Se¸ao 2. usaremos o pr´prio m´todo de resolu¸ao dos sistemas lineares. Ou seja. . . e c˜ e A aplica¸ao da f´rmula se faz assim: como A tem inversa A−1 .9. . . de volume unit´rio. 1. . Para qualquer b. fa¸amos um quadro comparativo que ilustra as unicas duas alternativas c ´ que podem ocorrer para a matriz de coeficientes A. o volume dos conjuntos ser´ multiplicado por det B a e depois por det A. lembremos que det A representa o volume com sinal de P (Ae1 . O paralelep´ a ıpedo P (Ae1 .

Au = 0 implica u = 0 4. Existe u = 0 tal que Au = 0 4. As colunas de A s˜o linearmente independentes a 5. 1. As linhas de A s˜o linearmente dependentes a 6. det A = 0 . como transforma¸ao linear e c˜ 3. e e a c˜ e c˜ sempre existem exemplos dos dois casos 2. As colunas de A s˜o linearmente dependentes a 5. A n˜o ´ nem injetiva nem sobrejetiva a e 3. Ou b ´ tal que Au = b n˜o tem solu¸ao ou b ´ tal que Au = b tem infinitas solu¸oes. ENTENDENDO OS SISTEMAS LINEARES 2. det A = 0 Alternativa 2.220 ˆ APENDICE A. A ´ bijetiva. As linhas de A s˜o linearmente independentes a 6.

o limite ´ igual a 2x. pois a c˜ e c˜ inclina¸ao do gr´fico (que ´ uma reta) ´ sempre dada pelo coeficiente a. quando h tende a zero. a B. f(x+h) f(x+h)−f(x) f(x) x h x+h e a fun¸ao f ′ (x). ´ o a e a e limite de (x + h)2 − x2 f (x + h) − f (x) = = 2x + h . se f (x) = x2 . o gr´fico de uma fun¸ao constante ´ uma reta horizontal). Esse limite ´ denotado por e f ′ (x) . f (x)) ´ dada pelo a e limite do quociente f (x + h) − f (x) h quando h tende a zero (pela direita ou pela esquerda). A inclina¸ao c˜ c˜ do gr´fico de f no ponto (x. Pode-se mostrar c˜ a e e 221 . A fun¸ao constante f (x) = c tem derivada nula em todo c˜ ponto: f ′ (x) = 0 (pudera. Algumas derivadas usuais. h h Evidentemente. para cada x.Apˆndice B e Revis˜o de C´lculo a a Este Apˆndice ´ uma revis˜o breve e informal dos principais conceitos de C´lculo de uma e e a a vari´vel. ´ chamada derivada da fun¸ao c˜ a c˜ a e c˜ f. o gr´fico de f ´ uma par´bola. e portanto f ′ (x) = 2x se e f (x) = x2 . A a c˜ e derivada de uma fun¸ao afim f (x) = ax + b ´ uma fun¸ao constante: f ′ (x) = a. e a derivada.1 Derivadas Considere uma fun¸ao real f (x). Por exemplo. que d´ a inclina¸ao do gr´fico para cada x.

com n inteiro (negativo ou positivo) por´m diferente de zero. queremos achar uma primitiva de g(x) = x2 . isto ´. Em particular. lim x→0 x resultado que pode ser obtido de forma geom´trica. Agora e . Qualquer fun¸ao f (x) cuja derivada seja igual a g(x) ser´ chamada de uma primitiva de g(x). Deixaremos por´m essa discuss˜o para c˜ c˜ e a logo adiante. Ora. a derivada da fun¸ao f (x) + C ´ igual ` dec˜ e a rivada da fun¸ao f (x). Por a a o c˜ exemplo. suponha que encontramos uma primitiva f (x) para g(x). e a 3 Esse problema levanta duas quest˜es: primeiro. Por exemplo. S´ faremos antes uma observa¸ao que certamente j´ nos ampliar´ bastante o c˜ a a o leque de fun¸oes que sabemos derivar. Ent˜o a derivada de h ´ a combina¸ao linear das derivadas: a e c˜ h′ (x) = af ′ (x) + bg ′ (x) . achar uma fun¸ao f (x) c˜ c˜ ´ cuja derivada f ′ (x) seja igual a g(x)”. se f (x) = x. REVISAO DE CALCULO tamb´m que se f (x) = xn .222 ˆ ˜ ´ APENDICE B. a Temos tamb´m as derivadas de fun¸oes trigonom´tricas. Digamos que uma fun¸ao h(x) se escreva como c˜ c˜ combina¸ao linear de duas outras fun¸oes f (x) e g(x). ou se f (x) = x−1 = x a 1 ′ −2 ent˜o f (x) = −x = − x2 . ser´ que ´ unica? c˜ a e´ Vejamos primeiro que n˜o h´ chance de s´ haver uma primitiva para cada fun¸ao. portanto f (x) = 3 x3 ´ uma primitiva de g(x) = x2 (o fator e c˜ de 1 ´ necess´rio para se cancelar o expoente que “cai” ao se derivar). c˜ C f(x)+C C f(x) C x B. ent˜o e e a 1 f ′ (x) = nxn−1 . Se f (x) = sin x ent˜o f ′ (x) = e c˜ e a cos x. sabemos que a derivada 1 e de x3 ´ 3x2 (pela Se¸ao anterior). E um problema “inverso” ao de achar a derivada. e Poder´ ıamos discorrer um pouco mais sobre derivadas. falando de outras fun¸oes e de c˜ regras de deriva¸ao de fun¸oes mais complicadas. e se f (x) = cos x ent˜o f ′ (x) = − sin x.2 Primitivas Podemos agora colocar o seguinte problema: “dada uma fun¸ao g(x). c˜ a Por exemplo. ent˜o f ′ (x) = 1 · x0 = 1. Para obter essas derivadas ´ preciso mostrar a e antes que sin x =1. isto ´. f ′ (x) = g(x). c˜ c˜ e h(x) = af (x) + bg(x) . pois a c˜ derivada da fun¸ao constante ´ c˜ e zero (veja na figura ao lado duas fun¸oes que diferem apenas pela c˜ adi¸ao de uma constante). ser´ que sempre existe uma primitiva o a para a fun¸ao g? E se existe.

B.3. INTEGRAL consideramos uma outra fun¸ao F (x) = f (x) + C. Pelo que vimos na Se¸ao anterior, c˜ c˜ F ′ (x) = f ′ (x) = g(x) .

223

Em outras palavras, se encontrarmos uma primitiva f (x) ent˜o todas as fun¸oes do tipo a c˜ f (x) + C ser˜o tamb´m primitivas, para qualquer valor de C. a e A pergunta natural que viria em seguida seria: e al´m dessas, ser´ que h´ outras primitie a a vas? A resposta ´ n˜o. Suponha que f1 (x) e f2 (x) sejam duas primitivas da mesma fun¸ao e a c˜ g(x), isto ´, e
′ ′ f1 (x) = g(x) = f2 (x) .

Agora considere a fun¸ao F (x) = f1 (x) − f2 (x) que para cada valor de x d´ a diferen¸a entre c˜ a c os valores das duas fun¸oes. Ent˜o c˜ a
′ ′ F ′ (x) = f1 (x) − f2 (x) = g(x) − g(x) = 0 ,

para qualquer x. Ent˜o a fun¸ao diferen¸a tem inclina¸ao zero, ou seja, ´ uma fun¸ao a c˜ c c˜ e c˜ constante (se o dom´ ınio tiver s´ um peda¸o): o c F (x) = C . De onde conclu´ ımos que f1 (x) = f2 (x) + C!! Colocando em palavras, acabamos de demonstrar que se duas fun¸oes s˜o primitivas da c˜ a mesma fun¸ao ent˜o elas necessariamente diferem por uma constante. Isso tem conseq¨ˆncias c˜ a ue pr´ticas importantes: se encontrarmos uma primitiva ent˜o automaticamente conheceremos a a todas as outras! Voltaremos ao assunto ap´s a Se¸ao seguinte. o c˜

B.3

Integral

Considere uma fun¸ao f (x) definida no interc˜ valo [a, b], n˜o-negativa, como mostra a figura a ao lado. A ´rea da regi˜o acima da abscissa e a a abaixo do gr´fico da fun¸ao ´ chamada de intea c˜ e gral de f no intervalo [a, b], e recebe a nota¸ao c˜
b

f

f (x)dx .
a

a

b

224

ˆ ˜ ´ APENDICE B. REVISAO DE CALCULO A integral tamb´m pode ser definida para e fun¸oes que assumem valores negativos. Nesse c˜ caso, n˜o podemos interpretar a integral como a a ´rea, a n˜o ser que usemos a id´ia de “´rea a e a com sinal”, isto ´, a ´rea ´ contada positivae a e mente quando a fun¸ao ´ positiva e negativac˜ e mente quando a fun¸ao ´ negativa. Assim, na c˜ e figura ao lado temos
b

A1

f A3

a A2

b

a

f (x)dx = A1 − A2 + A3 ,

onde A1 , A2 e A3 s˜o as ´reas das regi˜es soma a o breadas. Tamb´m devemos convencionar o significado do s´ e ımbolo acima da integral quando a n˜o a ´ menor ou igual a b. A conven¸ao ´ a seguinte: se a > b ent˜o e c˜ e a
b a a

f (x)dx ≡ −

f (x)dx .
b

Em palavras, fazer a integra¸ao do extremo direito para o esquerdo resulta no mesmo que c˜ fazer da esquerda para a direita, s´ que com o sinal oposto. o Com essa regra, obtemos a seguinte propriedade, para qualquer trinca de n´ meros a, b, c, u n˜o importando sua ordem: a
b c c

f (x)dx +
a b

f (x)dx =
a

f (x)dx .

Isso parece ´bvio no caso em que a < b < c, mas confira a validade da f´rmula em outros o o casos!

B.4

A integral indefinida

Na Se¸ao anterior, falamos da integral de uma fun¸ao entre dois extremos fixos. Se resolverc˜ c˜ mos mudar um dos extremos, obteremos um resultado diferente para a integral, mesmo que a fun¸ao n˜o se altere. Isso sugere que um dos extremos do intervalo de integra¸ao possa ser c˜ a c˜ considerado uma vari´vel, do qual depende o valor da integral da fun¸ao. a c˜

B.4. A INTEGRAL INDEFINIDA

225

Por exemplo, considere a fun¸ao linear g(x) = c˜ x, e fixe 0 como um dos extremos de integra¸ao. Quanto vale c˜
w

w

g(x)=x

g(x)dx ?
0

Ora, se w ≥ 0, a integral ´ a ´rea do triˆnguloe a a 2 retˆngulo esbo¸ado na figura ao lado: w . a c 2

0 0
2

x w

Se w < 0, a integral ´ tamb´m, em valor absoluto, igual a w , mas qual seria o sinal? e e 2 Primeiro vemos que a ´rea deve ser contada negativamente, pois ` esquerda do zero g(x) ´ a a e negativa. Por outro lado, se w < 0 ent˜o a integral est´ sendo percorrida da direita para a a a esquerda, o que acarreta uma segunda mudan¸a de sinal. Isso implica que tamb´m no caso c e 2 w < 0 a integral vale w . Conclu´ ımos que 2
w

xdx =
0

w2 , 2

para qualquer w. Agora podemos criar uma fun¸ao que a cada w associe a integral de g de 0 a w, e c˜ chamaremos de f essa fun¸ao: c˜
w

f (w) ≡ No exemplo, g(x) = x, e portanto

g(x)dx .
0 w

f (w) =
0

xdx =

w2 . 2

Essa fun¸ao f ´ chamada de uma integral indefinida de g. Ela ´ apenas uma e n˜o a integral c˜ e e a indefinida porque o extremo fixo de integra¸ao foi escolhido arbitrariamente. c˜

w

g(x)=x

Por exemplo, considere outra integral indefi˜ nida f , onde o extremo fixo de integra¸ao seja c˜ 1 e n˜o 0: a ˜ f (w) ≡ ˜ Quanto vale f (w)?
w

f(w) x
0

xdx .
1

0

1

w

226

ˆ ˜ ´ APENDICE B. REVISAO DE CALCULO

Observe que, pela regra de integra¸ao das triplas a, b, c, podemos escrever c˜
1 w w

xdx +
0 1

xdx =
0

xdx .

1 e O primeiro termo do lado esquerdo vale 2 . Al´m disso, o segundo termo do lado esquerdo ˜(w), e o lado direito da equa¸ao ´ f (w). Ent˜o da equa¸ao ´ a fun¸ao f c˜ e c˜ c˜ e a

1 ˜ f (w) = f (w) + , 2 e as duas fun¸oes diferem por uma constante. Ali´s esse fato ´ bastante geral, e suas raz˜es c˜ a e o saltam ` vista imediatamente desse exemplo: as integrais indefinidas de uma fun¸ao, assim a c˜ como suas primitivas, diferem umas das outras por uma constante. E ser´ que h´ alguma rela¸ao entre as primitivas e as integrais indefinidas? Responderea a c˜ mos a essa pergunta na pr´xima Se¸ao. o c˜ Antes de prosseguir, fa¸amos uma observa¸ao a respeito da nota¸ao. Sempre falamos de c c˜ c˜ fun¸oes dependentes da vari´vel x, mas agora apareceram fun¸oes que dependem da vari´vel c˜ a c˜ a w! Ora, esses nomes, x e w, s˜o apenas nomes, que ` fun¸ao n˜o interessam. Assim, se a a c˜ a 2 2 a e f (w) = w e queremos avaliar f (x) ent˜o teremos f (x) = x . O que interessa ´ que essa 2 2 fun¸ao em particular toma um n´ mero qualquer em seu dom´ c˜ u ınio, eleva-o ao quadrado e divide 2 2 o resultado por dois. Tanto faz se indicamos esse processo por f (w) = w ou por f (x) = x ! 2 2 Entendido isso, pode-se perguntar ent˜o porque n˜o definimos de uma vez a a
x

f (x) =
0

xdx ?

Por que n˜o usar de uma vez a vari´vel x como extremo de integra¸ao? Trata-se a´ de um a a c˜ ı cuidado que tomamos para n˜o misturar as coisas. A vari´vel indicada dentro da integra¸ao a a c˜ muda enquanto os extremos est˜o fixos. Para cada x, temos que percorrer o intervalo [0, x] a ´ para calcular a integral. E mais justo, portanto, usar um outro nome para indicar esse processo, evitando assim confus˜es. Seria prefer´ ent˜o escrever o ıvel a
x

f (x) =
0

tdt ,
x

ou f (x) =
0

udu ,

usando, enfim, qualquer letra que n˜o seja aquela utilizada nos extremos da integra¸ao. a c˜

B.5

O Teorema Fundamental do C´lculo a

Nas se¸oes anteriores vimos o que s˜o primitivas e integrais indefinidas de uma fun¸ao g. c˜ a c˜ Uma primitiva de g ´ qualquer fun¸ao f cuja derivada ´ igual a g, e uma integral indefinida e c˜ e ´ qualquer fun¸ao da forma e c˜
x

f (x) =
a

g(t)dt .

´ B.5. O TEOREMA FUNDAMENTAL DO CALCULO

227

O Teorema Fundamental do C´lculo diz exatamente que as integrais indefinidas de g s˜o a a tamb´m primitivas de g. e Argumentaremos em favor do Teorema, sem excesso de tecnicalidades. O importante ´ e entender por que ele ´ verdadeiro. e Considere a integral indefinida de g, dada por
x

f (x) =
a

g(t)dt .

Para mostrarmos que essa fun¸ao ´ uma primitiva de g basta mostrar que f ′ (x) = g(x). c˜ e Lembramos ent˜o de como definimos a derivada f ′ (x): ´ o limite da express˜o a e a f (x + h) − f (x) h quando h tende a zero. Ou seja, ´ o limite de e 1 h Lembrando que
x+h x x+h x+h a x

g(t)dt −

g(t)dt
a

.

x+h

g(t)dt =
a a

g(t)dt +
x

g(t)dt ,

x

g(t)dt

o limite que pretendemos examinar se torna 1 h
x+h

g a x x+h

g(t)dt .
x

Agora olhemos bem para essa express˜o, e observemos a figura. A integral ´ feita no a e intervalo [x, x + h] (de largura h, evidentemente), e a fun¸ao ali tem altura de aproximadac˜ mente g(x), se h for bastante pequeno. Portanto a integral est´ pr´xima do valor h · g(x). a o Lembrando que ainda temos que dividir por h, ent˜o toda a express˜o fica quase igual a g(x), a a e levando ao limite ser´ exatamente igual a g(x). a Interpretando geometricamente, significa que a inclina¸ao de f em x ser´ tanto maior c˜ a quanto maior for o valor g(x). Pois f (x + h) ser´ f (x) mais a integral de g entre x e x + h, a que vale aproximadamente h · g(x), ou seja f (x + h) ≈ f (x) + h · g(x) . Donde f (x + h) − f (x) ≈ g(x) . h
2

No exemplo da Se¸ao anterior, vimos que f (x) = x ´ uma integral indefinida de g(x) = x. c˜ 2 e Pelo Teorema Fundamental do C´lculo, f (x) deve ser tamb´m uma primitiva. De fato, a e f ′ (x) = 1 · 2x = x. 2

ent˜o elas diferem por uma constante. Observe e tamb´m que F (a) = 0. se g(x) = x3 . REVISAO DE CALCULO B.6 A praticidade do Teorema Fundamental do C´lculo a Veremos agora que o Teorema Fundamental do C´lculo opera um verdadeiro milagre. F ´ uma primitiva de g.228 ˆ ˜ ´ APENDICE B. Isso faz com que a integral que queremos calcular seja o valor de F em b. sabemos que f (x) = x ´ uma primitiva c˜ 4 e de g. Se escolhermos x = a ou x = b a equa¸ao continua v´lida: c˜ a f (a) − F (a) = C = f (b) − F (b) . Suponha que por alguma raz˜o j´ conhe¸amos alguma primitiva f (x) de g(x). a Poder´ ıamos olhar essa integral da seguinte forma. Por exemplo. ent˜o 4 2 1 t3 dt = f (2) − f (1) = 24 14 15 − = . Mas F (b) = F (b) − F (a) era exatamente a integral que quer´ ıamos calcular! Resumindo: para qualquer f (x) primitiva de g(x) temos b a g(t)dt = f (b) − f (a) . como f (x) = x ´ uma primitiva de g(x). isto ´. F (b). a a digamos C: f (x) − F (x) = C . O c´lculo da integral torna-se uma simples tarefa de subtra¸ao. b]: c˜ b g(t)dt . c˜ e Como F (x) e f (x) s˜o ambas primitivas de g. qual ´ a ´rea sob o gr´fico da fun¸ao g(x) = x3 para x variando no intervalo e a a c˜ 4 e a [1. 2]? Ora. porque sabemos a regra de deriva¸ao das potˆncias. a a a c Isso pode parecer estranho. b]. 4 4 4 F´cil. para todo x no intervalo [a. Chamamos de F a integral indefinida de g com extremo fixo de integra¸ao igual a a: c˜ x F (x) = a g(t)dt . de onde tiramos que F (b) − F (a) = f (b) − f (a) . Ele a torna o c´lculo de ´reas e integrais uma tarefa muito mais f´cil do que poder´ a a a ıamos imaginar! Suponha que queiramos calcular a integral de uma fun¸ao g no intervalo [a. e Por outro lado. de acordo com o Teorema Fundamental do e C´lculo. n˜o?! a a . mas ´ algo muito comum quando sabemos derivar uma grande e 4 quantidade de fun¸oes. desde que j´ conhe¸amos a c˜ a c uma primitiva da fun¸ao!! c˜ Por exemplo.

Ent˜o. ln 1 = 0. o logaritmo natural de x como sendo a integral de g de 1 at´ x: e x 1 g(x)= x 1 1 ln x x ln x ≡ 1 1 dt . x]. por´m talvez seja mais f´cil at´ do que aquela que estamos acostumados e e a e a ver desde os tempos do col´gio. o 1 a Considere a fun¸ao g(x) = x . para x > 0. Escrevec˜ a mos b f (t)|a = f (b) − f (a) . c˜ 2 1 t3 dt = t4 4 2 . para x > 1 essa fun¸ao ´ positiva e representa a ´rea sob o c˜ e a gr´fico de g no intervalo [1. Essa nota¸ao ´ conhecida como nota¸ao de Leibniz. A constante somada ´ simb´lica e apenas indica que c˜ e o a express˜o dada em f (x) n˜o ´ a unica primitiva de g. Ao final nada do que j´ sab´ e a ıamos anteriormente ser´ a derrubado. O LOGARITMO 229 Existe uma nota¸ao que facilita a vida quando calculamos integrais na pr´tica. Pelo contr´rio. A abordagem que seguiremos aqui para falar de logaritmos. evidentemente. Para x < 1. Al´m disso. Essa fun¸ao diverge a c˜ em x = 0 e n˜o est´ definida nesse ponto. e as demais podem ser obtidas a a e ´ somando-se uma constante a ela.7. quando queremos dizer que f (x) ´ primitiva de g(x) a a e escrevemos g(x)dx = f (x) + C . t Observe no desenho que. 1 Outra nota¸ao bastante utilizada se aproveita do fato de que primitivas e integrais inc˜ definidas s˜o a mesma coisa. com essa nota¸ao. cujo gr´fico c˜ est´ desenhado ao lado.7 O logaritmo Uma das fun¸oes mais importantes definidas a partir de uma integral indefinida ´ o logaritmo c˜ e natural. Por c˜ e c˜ exemplo. no entanto. sin x = − cos x + C . a a logo vale o negativo da ´rea sob o gr´fico. exponenciais. etc. a a e . n˜o a ´ das mais usuais. a integral corre em sentido contr´rio. sem indicar extremos de integra¸ao. B. iremos chegar a nossas certezas atrav´s de uma argumenta¸ao a e c˜ l´gica. Assim. a a Restringiremo-nos de in´ ıcio ` parte positiva a do dom´ ınio e definiremos.B.

por ser uma primic˜ 1 1 tiva de x tem derivada exatamente igual a x : (ln x)′ = 1 . Essa propriedade pode ser deduzida da defini¸ao que demos.230 ˆ ˜ ´ APENDICE B. A propriedade mais marcante que conhecemos ´ que “o logaritmo do produto ´ a soma e e dos logaritmos”. e ln xy = ln x + ln y . por xy 1 dt x t ´ a ´rea da regi˜o B. 0 ≤ s ≤ 1/t} . B ´ e e obtido de A pela multiplica¸ao por x na horizontal e por c˜ 1 a c˜ x na vertical. e a a A = {(t. 1 ≤ t ≤ y . Assim. t t 1 1 t 1 Para tanto. Pois isso ´ o mesmo que provar c˜ e que x y xy 1 1 1 dt = dt + dt . e a outra integral. Em termos de ´rea. Mostremos a seguinte afirma¸ao: “(t. separamos a integral do lado esquerdo em dois peda¸os: c xy 1 1 dt = t x 1 1 dt + t xy x 1 dt . Esses fatos podem c˜ e ser demonstrados levando-se em conta os coment´rios a abaixo. e a ´rea de B tem que ser igual ` ´rea de a aa A. dada e a a B = {(t. t S´ falta verificar que o xy 1 x t dt ´ igual a e y 1 1 t dt. s) . Quando x tende a a c a zero a fun¸ao tende a −∞ e quando x tende a infinito c˜ a fun¸ao tamb´m tende a infinito. s) . x s) ´ um ponto de B”. as duas multiplica¸oes se cancelam. REVISAO DE CALCULO ln x Lembremos sempre que essa fun¸ao. y 1 1 t dt A 1 1/ y 1 B 1/x 1/xy x xy y A integral dada por ´ a ´rea da regi˜o A na figura ao lado. isto ´. 0 ≤ s ≤ 1/t} . . x ≤ t ≤ xy . s) ´ um ponto de A c˜ e 1 se e somente se (xt. x x 1 O gr´fico de ln x est´ esbo¸ado ao lado.

ln b Essa defini¸ao pode parecer estranha. a defini¸ao a que estamos acostumados diz c˜ c˜ assim: o n´ mero r = logb x ´ aquele tal que u e br = x . O LOGARITMO 231 J´ a afirma¸ao ´ mostrada assim: (t. Da f´rmula ln xy = ln x + ln y decorre.. (xt. 1 ln e 1 x 1 e ln x Esse n´ mero e existe e ´ chamado de n´mero de Euler. x Assim podemos dizer que ln x−n = −n ln x. e que a f´rmula tamb´m vale para os inteiros o e negativos. primeiro verificamos que se n = 0 ent˜o xn = x0 = 1 e ln x0 = ln 1 = 0 = 0·ln x.7. = n ln x . Ent˜o u a ln x = ln x ln x = = loge x . o e Para ver isso. . Pois se n ´ um n´ mero e u inteiro e bn = x ent˜o a ln x ln bn n ln b logb x = = = =n. Suponha que achemos um n´ mero e tal que ln e = 1.. . x s) ∈ B. Se n ≥ 2 basta fazer a recurs˜o o e a a ln xn = ln x · xn−1 = ln x + ln xn−1 = ln x + ln x · xn−2 = 2 ln x + ln xn−2 = . 2. s) ∈ A se e somente se 1 ≤ t ≤ y e 0 ≤ s ≤ 1 . por´m. que a c˜ e t 1 1 1 ocorre se e somente se x ≤ xt ≤ xy e 0 ≤ x s ≤ xt . . = . podemos definir outros logaritmos. . Tendo ent˜o a defini¸ao do logaritmo natural. ou seja. Al´m disso. u e u Ele vale. ln b ln b ln b E quanto a potˆncias com n´ meros n˜o inteiros? A princ´ e u a ıpio n˜o sabemos o que isso a significa. que ln xn = n ln x. Antes. chamaremos de logaritmo de x na base b ao n´ mero u logb x ≡ ln x .718281828 . a Se n = 1 a f´rmula tamb´m est´ trivialmente correta. . Se b ´ a c˜ e positivo e b = 1. como ln 1 = ln x · e 1 x 1 = ln x + ln x ent˜o a ln 1 = − ln x . Mas essa propriedade pode ser demonstrada (em vez de definida). mas podemos adiante defini-las inspirados no que vimos acima. por exemplo. se n ≥ 0 ´ inteiro. at´ a nona casa decimal depois da v´ e ırgula.B. Afinal. observemos que o logaritmo natural ´ um e e logaritmo em alguma base.

Enquanto o a a a dom´ ınio do logaritmo natural ´ o conjunto dos n´ meros positivos e sua imagem o conjunto e u de todos os n´ meros reais. mas s´ assume valores positivos. exp(x + y) = exp(x) · exp(y) . por um lado x + y = ln exp(x + y) . x) esteja sobre o gr´fico ´ a (ver figura abaixo. Matematicamente. ` esquerda). Isso ocorre pois. A exponencial tem a seguinte propriedade: “a exponencial da soma ´ o produto das e exponenciais”. u o Lembremos tamb´m que a defini¸ao geom´trica dada acima significa que exp(ln x) = x. com a exponencial ocorre o inverso: ela est´ definida para todos u a os n´ meros reais. inspirados no fato de que para n´ meros inteiros n e b > 0 vale u bn = exp(ln bn ) = exp(n ln b) .232 ˆ ˜ ´ APENDICE B. e c˜ e se quisermos achar exp(x). de onde segue a igualdade. Agora. Geometricamente. . a ln x exp(x) 1 x x 1 exp(x) Ent˜o o gr´fico da exponencial assume o aspecto da figura acima. temos que • desenhar o gr´fico do logaritmo natural a • localizar x na ordenada (e n˜o na abscissa!) a • procurar exp(x) como o unico ponto da abscissa tal que (exp(x). para todo x. e c˜ e para todo x > 0. e que ln(exp(x)) = x. A fun¸ao exc˜ e e c˜ c˜ ponencial ´ a inversa da fun¸ao logaritmo natural e ´ denotada por exp(x). ` direita. REVISAO DE CALCULO Outra defini¸ao que prov´m do logaritmo natural ´ a da fun¸ao exponencial. e por outro x + y = ln exp(x) + ln exp(y) = ln(exp(x) · exp(y)) .

b].8 O Teorema do Valor M´dio e Cientes do fato de que o c´lculo de integrais depende de nossa capacidade de achar primitivas. que decorre da propriedade da exponencial que acabamos de demonstrar. B. ´ interessante notar que. ı b 2 · b 2 = b 2 + 2 = b1 = b . b] tal e que a reta tangente a (c. por exemplo. Seja g uma e e a fun¸ao cont´ c˜ ınua no intervalo [a. obteremos regras de deriva¸ao e delas conseguiremos tamb´m m´todos de c˜ c˜ e e primitiviza¸ao. enunciaremos o Teorema do Valor M´dio. b] tal que a e f ′ (c) = ou tal que f (b) − f (a) . voltemos ao c˜ c˜ estudo das derivadas! Nesta curta Se¸ao. b] tal que a b a f ′ (c)(b − a) = f (b) − f (a) . g(t)dt = f (b) − f (a) = f ′ (c)(b − a) = g(c)(b − a) . O TEOREMA DO VALOR MEDIO definiremos a opera¸ao de potencia¸ao br . Agora trace uma a e reta L ligando os pontos (a. Depois. c˜ . b]. Ent˜o existe c em [a. ou seja. com essa defini¸ao. √ 1 Isso explica por que denotamos b n ≡ n b.´ B. c˜ Imagine uma fun¸ao definida num intervalo [a. f (b)) (indicada na figura por uma linha tracejada). f (a)) e (b. cujo c˜ gr´fico ´ mostrado na figura ao lado. e seja f sua primitiva. Da´ temos que. √ b. a exponencial ´ a potencia¸ao do n´ mero de Euler e! e e c˜ u b2 = 1 1 1 1 1 br ≡ exp(r ln b) . com b > 0 e r qualquer: c˜ c˜ 233 ´ a E f´cil ver que br bs = br+s . Como a inclina¸ao dessa reta tangente ´ e ` c˜ e dada por f ′ (c). Finalmente. Ou seja. que vale g(c)(b−a).8. A inclina¸ao dessa c˜ reta ´ dada por e f (b) − f (a) . f (c)) ´ paralela a reta L. b−a f(b) f(a) c b a O Teorema do Valor M´dio diz que existe (pelo menos) um ponto c no intervalo [a. e c˜ ex = exp(x ln e) = exp(x) . a o que por sua vez depende de nossos conhecimentos sobre deriva¸ao de fun¸oes. c˜ e nas demais se¸oes. a integral pode ser trocada pela integral da fun¸ao constante g(c). ent˜o o Teorema do Valor M´dio diz que existe c ∈ [a. b−a O Teorema do Valor M´dio tamb´m tem sua vers˜o em termos de integrais. isto ´.

A Regra da Cadeia nos d´ uma forma de calcular a derivada de f desde que saibamos derivar a as fun¸oes que a comp˜em. REVISAO DE CALCULO B. Usaremos o desenho abaixo para representar essa o u composi¸ao: c˜ u(x)= x 2 v(x)=sen x x x2 sen(x2) f(x)=sen(x2) De acordo com a figura.234 ˆ ˜ ´ APENDICE B. A motiva¸ao que daremos de sua veracidade ser´ baseada na c˜ o c˜ a hip´tese de que as derivadas de u e v s˜o fun¸oes que variam continuamente. ele depende de h. mas `s vezes escreveremos apenas e a d) entre u(x) e u(x + h) (acompanhe na figura) tal que f (x + h) − f (x) = v(u(x + h)) − v(u(x)) = v ′ (d) · (u(x + h) − u(x)) . . u c˜ Por exemplo. o a c˜ Para calcularmos a derivada de f lembremos que devemos examinar o quociente f (x + h) − f (x) h e calcular seu limite quando h tende a zero. Pelo Teorema do Valor M´dio. e queremos achar suas derivadas. u c(h) x x+h d(h) u(x) u(x+h) v f(x) f(x+h) f Agora notemos que f (x) = v(u(x)) e f (x + h) = v(u(x + h)). resultante de se aplicar a fun¸ao seno e c˜ c˜ ap´s se elevar o n´ mero ao quadrado.9 A Regra da Cadeia Freq¨ entemente nos deparamos com fun¸oes compostas. f (x) = v(u(x)) . f (x) = sin(x2 ) ´ uma fun¸ao composta. existe um ponto d = d(h) (sim.

. Derivando c˜ dos dois lados de qualquer uma das equa¸oes.B. Isso ocorre por exemplo com as fun¸oes ln x e ex . obtemos c˜ f (x + h) − f (x) = v ′ (d) · u′ (c) . ent˜o u′ (c) tende a a u′ (x) e v ′ (d) tende a v ′ (u(x)). Assim temos a Regra da Cadeia: se f (x) = v(u(x)) ent˜o a f ′ (x) = v ′ (u(x)) · u′ (x) . Como bx = ex ln b . Juntando as duas equa¸oes. u′ (x) = ′ v (u(x)) u(x) Conclus˜o: a derivada de ex ´ ex !! a e Agora tamb´m podemos derivar f (x) = bx . Temos 1 1 = 1 = u(x) . v(x) = cos(x)). Se u(x) e v(x) s˜o inversas uma da outra. J´ sabemos que v ′ (x) = x (pela a pr´pria defini¸ao do logaritmo!). Outra aplica¸ao ocorre com fun¸oes inversas. ent˜o e a f ′ (x) = (ln b) · ex ln b . usando a Regra da Cadeia. Por c˜ e exemplo.9. A REGRA DA CADEIA 235 Al´m disso. e o a ponto d(h) tende a u(x). c˜ c˜ a ent˜o a u(v(x)) = x para todo x no dom´ ınio de v e v(u(x)) = x para todo x no dom´ ınio de u. novamente por causa do Teorema do Valor M´dio. pela Regra da Cadeia. h Acontece que quando h tende a zero o ponto c(h) tende a x (pois est´ entre x e x + h). ent˜o a f ′ (x) = v ′ (u(x)) · u′ (x) = − sin(2x) · 2 = −2 sin(2x) . isto ´. v ′ (u(x)) · u′ (x) = 1 . e f ′ (x) = (ln b)bx . ´ E muito comum a Regra da Cadeia ser aplicada quando a primeira fun¸ao ´ linear. Como assumimos que as derivadas s˜o cont´ a ınuas. se f (x) = cos(2x) (u(x) = 2x. Usaremos a segunda express˜o para calcular a derivada de o c˜ a u(x) = ex . temos c˜ u′ (v(x)) · v ′ (x) = 1 . existe c = c(h) entre x e x + h e e tal que u(x + h) − u(x) = u′ (c) · (x + h − x) = u′ (c) · h . 1 Vejamos como isso fica se u(x) = ex e v(x) = ln x.

sem alterar o valor da express˜o: a 1 {u(x + h)v(x + h) − u(x + h)v(x) + u(x + h)v(x) − u(x)v(x)} .236 ˆ ˜ ´ APENDICE B. + u(x) · v(x) v(x)2 Colocando sob o mesmo denominador. que ´ a conhecida Regra do Produto.10 Regras do produto e do quociente 1 1 {f (x + h) − f (x)} = {u(x + h)v(x + h) − u(x)v(x)} . subtra´ ımos e somamos u(x + h)v(x). A Regra do Produto tamb´m pode ser usada para calcular a derivada de um quociente e f (x) = u(x) . u(x) v(x) ′ = u′ (x)v(x) − u(x)v ′ (x) . ent˜o e c˜ o c˜ e x2 a 1 v(x) Logo u(x) v(x) ′ ′ = v ′ (x) · −1 . h h Quando h tende a zero. Conclus˜o: a (u(x)v(x))′ = u′ (x)v(x) + u(x)v ′ (x) . 1 c a S´ que precisamos saber calcular a derivada de v(x) ! Para isso lan¸amos m˜o da Regra da o 1 1 1 Cadeia: v(x) ´ a fun¸ao x aplicada ap´s a fun¸ao v(x). Por exemplo. h e depois a arrumamos de forma conveniente: u(x + h) u(x + h) − u(x) v(x + h) − v(x) + v(x) . essa express˜o tende a a u(x)v ′ (x) + u′ (x)v(x) . REVISAO DE CALCULO B. v(x)2 . v(x)2 = u′ (x) −v ′ (x) . Como a derivada de x ´ −1 . h h Quando f (x) = u(x)v(x). E s´ pensar que f (x) tamb´m ´ um produto: e e f (x) = u(x) v(x) ′ = u(x) · 1 v(x) ′ = u′ (x)v(x) + u(x) 1 v(x) ′ . v(x) ´ o desde que v(x) = 0. quanto vale f ′ (x)? Precisamos calcular o limite De maneira esperta. e (x2 e2x )′ = 2xe2x + x2 · 2e2x = 2x(1 + x)e2x .

pois agora precisamos achar a primitiva de x2 ex ! a c˜ B. j´ sabendo as derivadas de seno e cosseno. a e e Sugere-se ao leitor testar seus conhecimentos de t´cnicas de deriva¸ao com as fun¸oes e c˜ c˜ trigonom´tricas. a fun¸ao tangente.11. Obter as derivadas das inversas das fun¸oes c˜ c˜ trigonom´tricas. H´ que se tomar cuidado para n˜o se escolher u de forma errada. TRUQUES DE PRIMITIVIZACAO: INTEGRACAO POR PARTES ¸˜ ¸˜ 237 Essa express˜o tamb´m ´ conhecida como Regra do Quociente. 2 o que n˜o melhora nossa situa¸ao. Para conferir. arcsin. etc. . arctan. cossecante e cotangente. Ent˜o a a a c a xex dx = xex − 1ex dx + C = xex − ex + C = ex (x − 1) + C . pode ser derivada com a Regra do Quociente. da Regra da Cadeia segue a t´cnica c˜ e de Substitui¸ao. e a c˜ que ´ seno sobre cosseno. basta derivar a primitiva obtida: (ex (x − 1))′ = ex (x − 1) + ex = xex . Em todos os casos procurar desenhar o gr´fico dessas e a fun¸oes e interpretar as express˜es obtidas!! c˜ o B. (u(x)v(x)) dx = u(x)v(x) + C ent˜o a u(x)v ′ (x)dx = u(x)v(x) − u′ (x)v(x)dx + C . teremos a Havendo a igualdade.12 Truques de primitiviza¸˜o: substitui¸˜o ca ca Se da Regra do Produto decorre a Integra¸ao por Partes. Obter as derivadas e das fun¸oes secante. os dois lados da equa¸ao ter˜o as mesmas primitivas (que diferem no c˜ a m´ximo por uma constante): a u(x)v ′ (x)dx = Como ′ (u(x)v(x)) dx − ′ u′ (x)v(x)dx + C . Essa ´ a conhecida f´rmula de Integra¸ao por Partes! e o c˜ Por exemplo.B.11 Truques de primitiviza¸˜o: integra¸˜o por partes ca ca u(x)v ′ (x) = (u(x)v(x)) ′ − u′ (x)v(x) . Se cham´ssemos a a a 1 a u(x) = ex e v ′ (x) = x ter´ ıamos u′ (x) = ex e v(x) = 2 x2 . queremos achar uma primitiva de xex . Se rearranjarmos a express˜o da Regra do Produto. Se chamarmos u(x) = x e v ′ (x) = ex ent˜o u′ (x) = 1 e v(x) = ex (na verdade ex + C. e ent˜o ex xdx = 1 2 x x e − 2 1 2 x x e dx . confira!!). A Regra da Cadeia diz que c˜ f (g(x))′ = f ′ (g(x))f ′ (x) . mas isso n˜o far´ diferen¸a. Por exemplo.

Resolver o novo problema. 3. obtendo f (g(x)) + C . 3 Substituindo u = x2 na resposta. Mas esta ´ f´cil: tentemos o e a 2 (1 + u)3/2 . esse processo pode ser automatizado a c da seguinte forma: 1. 4. donde du = 2xdx. REVISAO DE CALCULO f (g(x))′ dx + C = f (g(x)) + C . Por exemplo.238 Em termos de primitivas. Por exemplo. queremos calcular Ficamos com √ x 1 + x2 dx. 2 S´ precisamos saber uma primitiva de (1 + u)1/2 . com du = g ′ (x)dx. Retornar o valor de u = g(x). Seja H(x)dx a primitiva c˜ a e c˜ a calcular. Substituir na integral a nova vari´vel: a h(u)du. escolha que ´ apenas uma tentativa e depende do ’feeling’ em e rela¸ao ao problema. Se for poss´ inverter a fun¸ao g ent˜o teremos x = g −1 (u). Se acharmos f tal que f ′ (x) = h(x) (isto ´. Embora ao leitor n˜o pare¸a acrescentar nada nesse caso. isto ´. 1√ 1 + udu . Definir nova vari´vel u = g(x). uma primitiva de h) ent˜o e a h(g(x))g ′ (x)dx = f ′ (g(x))g ′ (x)dx = f (g(x)) + C . a 2. . podemos nos deparar com h(g(x))g ′ (x)dx . obtemos x 1 + x2 dx = 1 (1 + x2 )3/2 + C . Agora c˜ ıvel c˜ a du = g ′ (x)dx. Chame u = g(x). temos f ′ (g(x))f ′ (x)dx = ˆ ˜ ´ APENDICE B. que ´ o mesmo que achar uma primitiva de h: e h(u)du = f (u) + C . e du = g ′ (g −1 (u))dx . Fazemos u = x2 . 3 Em algumas situa¸oes n˜o ´ evidente a substitui¸ao a ser feita.

pois trata-se de um polinˆmio: basta integrar termo a termo. Se F (u) for a tal primitiva. 3 5 7 Substituindo novamente u por (x + 1)1/2 . √ c˜ Vejamos um exemplo. Em seguida fazemos a a substitui¸ao na integral. Ent˜o a substitui¸ao pela nova vari´vel leva a a c˜ a H(g −1 (u)) · (g −1 )′ (u)du . Eventualmente ´ mais f´cil calcular a primitiva de e a H(g −1 (u)) · (g −1 )′ (u) do que a primitiva de H(x). . ent˜o basta substituir u = g(x) para a obter a primitiva desejada de H: H(x)dx = F (g(x)) + C . e a o para obter 2 2 4 u3 ( − u2 + u4 ) + C . chegamos ` primitiva procurada: a 2 (x + 1)3/2 7 8 4 − x + x2 15 5 +C . Podemos fazer a substitui¸ao √ u = x + 1. Ent˜o invertemos e obtemos x = u2 − 1. Essa primitiva ´ f´cil de achar. obtendo c˜ 2(u2 − 1)2 u2 du . Queremos determinar x2 x + 1dx. com dx = 2udu.B. TRUQUES DE PRIMITIVIZACAO: SUBSTITUICAO ¸˜ ¸˜ logo dx = 239 du g ′ (g −1 (u)) = (g −1 )′ (u)du .12.

REVISAO DE CALCULO .240 ˆ ˜ ´ APENDICE B.

b]? Ali a quest˜o s´ pode ser respondida se antes se definir um crit´rio (relativo) de proximia o e dade. Sejam p e q dois polinˆmios. qual ´ o melhor polinˆmio.1 Introdu¸˜o ca Na Parte II deste livro ´ abordada a quest˜o da aproxima¸ao de uma fun¸ao por polinˆmios: e a c˜ c˜ o dado um n´ mero inteiro n maior ou igual a zero. que ´ sempre um n´ mero maior ou igual a zero. entre dois dados polinˆmios.Apˆndice C e F´rmula de Taylor o C. n˜o nos interessar´ c a a o que acontece com a fun¸ao “longe” do ponto w. qual ´ aquele que est´ mais perto de f . e u Esse crit´rio leva em conta a proximidade de f e p em todo o intervalo [a. e w um ponto onde ela esteja definida. para come¸ar cont´ c˜ c ınua. b]. fazendo aumentar o valor da integral. mas sim “na vizinhan¸a de um ponto”. que permita e o a decidir. entre aqueles u e o de grau menor ou igual a n. Agora n˜o estamos preocupados em aproximar f num dado c˜ a intervalo fixo. Obviamente a c c a fra¸ao s´ ´ tomada quando o denominador for n˜o nulo. a aproximar uma certa fun¸ao cont´ c˜ ınua f definida no intervalo [a. Neste Apˆndice estamos interessados em outro ponto de vista para se definir a melhor e aproxima¸ao polinomial de f . O crit´rio o e a e adotado ´ o do “qui-quadrado”: se p ´ o polinˆmio ent˜o mede-se e e o a b Q(p) = a (f (x) − p(x))2 dx . c˜ Tentemos precisar melhor os conceitos. se tomarmos x suficientemente pr´ximo a o de w ent˜o a diferen¸a |p(x) − f (x)| fica menor do que a diferen¸a |q(x) − f (x)|. Seja f uma fun¸ao. uma maneira de dizer o quanto um polinˆmio est´ distante de f . Ou seja. De nada e adianta que p seja exatamente igual a f em certa parte do intervalo se em outra a diferen¸a c se torna enorme. Diremos que p aproxima f o em w melhor do que q se p(x) − f (x) <1 q(x) − f (x) quando x est´ suficientemente perto de w. c˜ o e a 241 . Fixado um ponto w. Isto ´.

b0 mais perto de a a a e A do que a0 ent˜o ser´ q que aproximar´ melhor.2 Aproxima¸˜o da fun¸˜o nula ca ca Vale a pena entender tamb´m o que se passa com a fun¸ao f (x) ≡ 0. para todo x. e ent˜o p aproximar´ melhor do que q em w. Para sabermos qual dos polinˆmios aproxima melhor o a fun¸ao f em w. e o Fica para o leitor se divertir em demonstrar (ou verificar) isso. o e a o valor de f em w. ent˜o o quociente tende a a a0 − A . C.1 Polinˆmios de grau zero o Por exemplo. b0 − A que ser´ menor do que 1 se a0 estiver mais pr´ximo de A do que b0 . FORMULA DE TAYLOR Em geral. quando x estiver bem pr´ximo de w o quociente ser´ tamb´m menor do que o a e 1. o melhor polinˆmio de grau zero que c˜ o aproxima f em w ´ p(x) ≡ 0. se tanto a0 quanto b0 forem diferentes de A. pela mesma raz˜o com que o melhor polinˆmio de grau zero tinha que ser a o igual a f (w). tomando. para qualquer n ´ o melhor polinˆmio de grau n. a a Primeiro. s˜o polinˆmios constantes: p(x) = a0 o e a o e p(x) = b0 . o ponto w = 0. o que pode ser expresso da seguinte maneira: c˜ x→w lim p(x) − f (x) =0.1. a c enquanto b0 − f (x) tende a b0 − a0 . teremos que essa fra¸ao vai a zero. e c˜ c˜ para facilitar. suponha que f seja uma fun¸ao (cont´ c˜ ınua) que assume o valor A em w. ´ f´cil ver que o polinˆmio p(x) deve ter. c˜ a Conclui-se portanto que o melhor polinˆmio de grau zero que aproxima f em w ´ p(x) = o e f (w) = A. Ent˜o a p(x) = f (w) + α(x − w) . isto ´. Neste caso a fra¸ao ir´ a zero. E suponha que p e q sejam polinˆmios de grau zero. para aos poucos chegarmos a enunciados mais gerais. podemos ver quais s˜o as possibilidades.3 Aproxima¸˜o de grau 1 ca Vejamos como melhor aproximar uma fun¸ao f em w por um polinˆmio de grau 1. C. como termo de grau zero. q(x) − f (x) Podemos ver alguns exemplos simples.242 ˆ ´ APENDICE C. Neste caso.1. a fun¸ao nula.1. Se for o contr´rio. a a a Se a0 = A ent˜o teremos que a diferen¸a a0 − f (x) tende a zero quando x tende a w. supondo c˜ o que ela seja deriv´vel. isto ´. Tamb´m p(x) ≡ 0 = 0 + 0 · x ´ o melhor polinˆmio de grau 1 e e e o a aproximar f . de fato. Pela Subse¸ao anterior. com a0 = b0 . como esse ´ a o e o valor limite. C. a Em primeiro lugar. temos que olhar para o quociente c˜ a0 − f (x) p(x) − f (x) = q(x) − f (x) b0 − f (x) Como f (x) tende a A ` medida que x tende a w.

ou seja. com α = f ′ (w). p′′ (w) = f ′′ (w) . Quando x tende a w. e ´ E claro que ao fazermos tal afirma¸ao estamos automaticamente supondo que f pode ser c˜ diferenciada n vezes em w! Para facilitar as coisas iremos supor que a fun¸ao f ´ tantas vezes c˜ e . enquanto que o c˜ denominador tende a f ′ (w) − α. e c˜ mostrando o que hav´ ıamos afirmado. . c˜ C. . Afirmamos que p(x) = f (w) + f ′ (w)(x − w) ´ o melhor polinˆmio de grau 1 que aproxima e o f em w.2. em detrimento de outros polinˆmios q(x) = f (w) + α(x − w). . pode-se c˜ mostrar (e o faremos logo abaixo) que o polinˆmio de grau n que melhor aproxima f em w o ´ aquele (´ nico) tal que e u p(w) = f (w) . De fato. p′ (w) = f ′ (w) . Como f ´ deriv´vel. pelas considera¸oes acima. precisamos apenas c˜ procurar o valor de α. Portanto a fra¸ao toda vai a zero. Ela diz que a melhor reta ´ c˜ c˜ e que aproxima um gr´fico em dado ponto ´ a reta tangente ao gr´fico nesse ponto. O polinˆmio p(x) de grau 1 que a e o melhor aproxima f em w ´ aquele tal que p(w) = f (w) e p′ (w) = f ′ (w). ficamos com e f (x)−f (w) − f ′ (w) x−w f (x)−f (w) −α x−w . o numerador tende a zero.ˆ ´ C. f (w)) e tem inclina¸ao α). Conclui-se ent˜o que a melhor aproxima¸ao de grau 1 de f em w corresponde ` (´ nica) a c˜ a u reta que passa por w e tem inclina¸ao f ′ (w). Basta o olharmos para a fra¸ao c˜ f (x) − f (w) − f ′ (w)(x − w) f (x) − p(x) = . a e a Outra maneira de se ler essa conclus˜o ´ a seguinte. que ´ diferente de zero. p(n) (w) = f (n) (w) . ent˜o existe o limite e a a f ′ (w) = lim Isto ´ o mesmo que dizer que a diferen¸a e c f ′ (w) − f (x) − f (w) x−w f (x) − f (w) . POLINOMIO E FORMULA DE TAYLOR 243 (lembrando que polinˆmios de grau 1 tˆm retas como gr´fico. . e esta ´ uma maneira de se o e a e escrever a reta que passa por (w. ou seja. cujas derivadas at´ ordem n coincidem com as derivadas de f em w. x−w x→w tende a zero quando x tende a w. e Esta segunda maneira de pensar se presta facilmente a generaliza¸oes. f (x) − q(x) f (x) − f (w) − α(x − w) Colocando x − w em evidˆncia no numerador e no denominador.2 Polinˆmio e F´rmula de Taylor o o A ultima afirma¸ao da Se¸ao anterior ´ mais ou menos intuitiva.

podemos investigar a diferen¸a f (x) − pn (x) quando x se aproxima de w. Como p2 (x) = p1 (x) + f ′′ (w) (x − w)2 . responderemos todas as indaga¸oes de uma s´ vez. Logo |R1 (x)| =0. em w. . FORMULA DE TAYLOR diferenci´vel quanto queiramos. + (x − w)n 2 n! satisfaz as exigˆncias acima. da fun¸ao f . podemos tamb´m nos c˜ e perguntar em que grau ´ boa a aproxima¸ao por polinˆmios. Ent˜o c a R1 (x) = f (x) − f (w) − f ′ (w)(x − w) . Portanto temos |R1 (x)| = |x − ξ| · |f ′′ (ξ)| . existe ξ entre w e x. A id´ia ´ reescrever essa express˜o de forma que possamos avaliar o tamanho de R1 (x). usando as regras de deriva¸ao. c A segunda etapa ´ ver o que acontece com ordens mais altas. 2 Quando x tende a w a diferen¸a |x − ξ| tende a zero. f ′′ (ξ) tende a f ′′ (w). podemos reconhecer a integra¸ao por partes a c˜ R1 (x) = w (x − t)f ′′ (t)dt . tal que R1 (x) = (x − w)(x − ξ)f ′′ (ξ) . que depende de x. temos a x R1 (x) = w f ′ (t)dt − f ′ (w)(x − w) x e. e nesses casos h´ que se tomar os devidos c˜ a c˜ a cuidados). c De fato.244 ˆ ´ APENDICE C. Este ´ o chamado polinˆmio de Taylor de ordem n de f em w. usando o Teorema do Valor M´dio. . e a Ou seja. em sua vers˜o integral. |x − w| Conclui-se ent˜o que o resto n˜o s´ tende a zero quando x tende a w como tende a zero a a o mais rapidamente do que a diferen¸a x − w. Comecemos examinando c˜ o a diferen¸a entre f (x) e a aproxima¸ao de primeira ordem p1 (x) = f (w) + f ′ (w)(x − w). o caso da maioria das fun¸oes com que iremos nos e c˜ deparar em aplica¸oes (obviamente h´ exce¸oes. que o polinˆmio c˜ o pn (x) = f (w) + f ′ (w)(x − w) + f (n) (w) f ′′ (w) (x − w)2 + . e al´m do mais todas as suas derivadas de qualquer ordem a e s˜o fun¸oes cont´ a c˜ ınuas. de fato. Esse ´. uma vez que ξ est´ entre w e x. Podemos agora estimar R1 (x). nesta nova express˜o. lim x→w |x − w| . e e o Antes de examinarmos a veracidade da generaliza¸ao feita acima. Mais e c˜ o c˜ especificamente. c c˜ Chamemos de R1 (x) (“R” de resto) essa diferen¸a. Vejamos o que acontece ao e passarmos para ordem 2. O leitor pode facilmente verificar. como estamos supondo que todas as derivadas de f sejam cont´ ınuas. Al´m c a e disso. Pelo e e a Teorema Fundamental do C´lculo.

2 express˜o esta que sai da integra¸ao por partes de a c˜ R2 (x) = 1 2 x w (x − t)2 f ′′′ (t)dt . A fun¸ao Rn tem a propriedade de que c˜ x→w lim |Rn (x)| =0. Usando novamente o Teorema do Valor M´dio para a integral. conhecida como f´rmula de Taylor de ordem n para f em w. |x − w|n Se delimitarmos um intervalo onde a (n + 1)-´sima derivada de f seja cont´ e ınua. conclui-se que f (x) = pn (x) + Rn (x) . onde o Rn (x) = 1 n! x w (x − t)n f (n+1) (t)dt .ˆ ´ C. e prevendo as possibilidades de que x < w e a w < x. Como o m´dulo o a a o da integral ´ menor ou igual ` integral do m´dulo (em um intervalo orientado positivamente).2. 2 R2 (x) = w (x − t)f ′′ (t)dt − f ′′ (w) (x − w)2 . n+1 Ent˜o a |Rn (x)| ≤ max |f (n+1) | |x − w|n+1 . conseguimos mostrar que e x→w lim |R2 (x)| =0. o leitor pode verificar facilmente que x w |x − t|n dt = |x−w| 0 un du = |x − w|n+1 . |x − w|2 Prosseguindo indutivamente (fica para o leitor se certificar disto). (n + 1)! . e a o temos x 1 |Rn (x)| ≤ |x − t|n |f (n+1) (t)|dt n! w e x max |f (n+1) | |x − t|n dt . que denotaremos por max |f (n+1) |. POLINOMIO E FORMULA DE TAYLOR temos R2 (x) = f (x) − p2 (x) = f (x) − p1 (x) − Mas f (x) − p1 (x) = R1 (x). |Rn (x)| ≤ n! w Fazendo um gr´fico de |x − t|n entre w e x. de forma que x 245 f ′′ (w) (x − w)2 . seu m´dulo ter´ um m´ximo nesse intervalo.

Finalmente comparamos a proximidade de pn e q com f . Rn (x) (x − w)m (am + Q(x) + (x−w)m ) de onde nota-se que ela deve ir a zero quando x tende a w. + an (x − w)n−m . A partir das considera¸oes acima. para mostrar que pn est´ mais a pr´ximo de f em w do que q. . . . f (x) − q(x) Rn (x) + pn (x) − q(x) lembrando da pr´pria defini¸ao de Rn . Ent˜o a pn (x) − q(x) = (x − w)m (am + Q(x)) .246 ˆ ´ APENDICE C. essa fra¸ao pode o c˜ c˜ c˜ ser escrita como Rn (x) . . polinˆmio que vai a zero o quando x tende a w. a diferen¸a entre eles ´ um polinˆmio de grau no m´ximo n. O n´ mero m ´ o grau correspondente ao primeiro coeficiente n˜o-nulo do polinˆmio (quando u e a o escrito nessa forma). . Basta multiplicar o numerador e o denominador por (x − w)n−m . e a Suponhamos agora outro polinˆmio q de grau (no m´ximo) n. Primeiro notamos que c˜ lim Rn (x) =0 (x − w)m x→w para qualquer m menor ou igual a n (tiramos os m´dulos para facilitar as coisas. onde Q(x) = am+1 (x − w) + am+2 (x − w)2 + . FORMULA DE TAYLOR Podemos agora entender a raz˜o pela qual o polinˆmio de Taylor pn ´ a melhor aproa o e xima¸ao de grau n de f em w. Temos o Rn (x) f (x) − pn (x) = . Como q e pn n˜o s˜o o a a a iguais. (x − w)n que vai a zero porque ´ um produto de dois termos que v˜o a zero. e pode ser qualquer inteiro entre 0 e n. uma vez o que o limite de uma express˜o ´ zero se e somente se o limite do m´dulo da mesma express˜o a e o a ´ zero). ficando com e Rn (x) (x − w)n−m . + an (x − w)n . que podemos escrever c e o a como am (x − w)m + am+1 (x − w)m+1 + .

25 −1.30 −4.0 −1.3A.29 2.4 247 1 12 .16 −0.5 A =  −0. x =  0.80        1.1 1 3. A resposta final ´ I1 = 1.0 −9.Apˆndice D e Respostas de exerc´ ıcios selecionados 1. Com a equa¸ao I1 = I2 + I3 .3 ˜ 2.2 p(x) = x3 − 2x2 + 3x + 1 2.4 No loop ` esquerda temos −19 + 6I1 + I3 + 6 + 4I1 = 0 e no loop ` direita temos a a 4I2 +  I3 − 6 = 0.0  com vetor de permuta¸oes c˜ significativos. obtemos o sistema linear AI = b onde 2− c˜    10 0 1 13 4 −1  e b =  4  Depois do escalonamento com 2 algarismos A =  0 1 −1 −1 0   10 0 1.4     1 13 p =  2  e ˜ =  4. p =  3 .0 .1 O polinˆmio interpolador ´ p(x) o e calculados pelo sistema linear  1 −1  1 0   1 3 1 4 cuja solu¸ao ´ a0 = 1.2 −4.4 −3.21A.7 0.1A e I3 = 0. ˜ =  −2. .51  b ˜ −0. I2 = 1.258 e x2 = 3.53 2 5. a1 = c˜ e 1. = a0 + a1 x + a2 x2 + a3 x3 onde os coeficientes s˜o a  a0 1 −1 0 0   a1  9 27   a2 a3 16 64  0   1   =   −1  0   3 1 a2 = − 4 e a3 = 6 . b e 3 −0.3 x1 = 0.10 −0.21  −4.8 .080 . obtemos A =  0.0 ˜ 0 4.1 0.

5 −1.23  c(0) =  0. β2 = 24 . (c) x(1) =  −0.12 r(0) =   ˆ APENDICE D.50000 0. RESPOSTAS DE EXERC´ ICIOS SELECIONADOS  1.87500 .0 3. c˜ 24 2   −0.6 (a) A matriz n˜o satisfaz o Crit´rio das Linhas para qualquer permuta¸ao de linhas.5 2. a e c˜   3 23 169 5 (b) Com a permuta¸ao p =  1 .65  x(1) =  −6.2  0.94 r(0) =  ˜      1. β3 = 192 e M = 23 < 1.37 5.59 −0.35938 (d) O erro inicial ´ estimado por 5 e n ≥ 147. e .9 0.4 0.248 2.2   3. temos β1 = 6 .

Sign up to vote on this title
UsefulNot useful