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˜

. . . . . . . .1. . . . . e o 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 Visualizando itera¸oes . . . . . . . . . . . . . . . . . 5 102 104 109 110 111 113 115 117 118 121 123 124 10 O M´todo de Newton e 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Quando o M´todo de Newton funciona? . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Introdu¸ao . 155 e e 14. . . . . . . . . . . .´ SUMARIO 9. . . . .2. . 163 c˜ o . . .1 O caso ϕ (x ) = 0: convergˆncia quadr´tica . . . . . . . . . . . . . . . . . . .5 9. . . . .5 Per´ ıodo do pˆndulo e as integrais el´ e ıpticas 13. . . . . . . . . . . . . . . . . . . . . . . . .8 9. . . . . . . . . . . . . . . . . . . . a 13. . . c˜ A escolha de x0 . .7 9. . . . . . . .6 C´lculo de π e de logaritmos . . . . . . e 10. . . . . .2 M´todo de Newton em dimens˜es mais altas . . . . . . . . . . . . . .6 9. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e . . . . . 155 c˜ 14.2 Forma de Newton .1 Introdu¸ao . . . . .6. . . . . . . . . a a 13. . . . . . . . . . .4 9. . . . . . 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. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 C´lculo de ´reas . . . . . 14 M´todos de integra¸˜o num´rica e ca e 155 14. a 13. . . .2 Aplica¸ao das f´rmulas de erro . . . . . . . . . . . . . . . . . . . .3 O M´todo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Polinˆmios de Lagrange . . . . . .3 Comprimento de curvas e gr´ficos . . . . . . . . . . . . . . . . . . . a 13. . . . . . .1 F´rmulas de erro e compara¸ao dos m´todos . . . . . . .2. . . . . . . .1 Retirando a hip´tese f ′ (x∗ ) = 0 . . . . . . Teorema do Valor M´dio e velocidade de convergˆncia e e ′ ∗ 9. o 12. . . . . . . . . . 139 141 141 142 144 146 147 151 152 13 Importˆncia da integra¸˜o num´rica a ca e 13. . . . . . . . . . . .7 A gaussiana . . . . . . . o 10. . . . . . . . 12. . . . . . . . . . . . . . . . .a escolha de ϕ . . . . . . . . . . . . . . . . . . . . . . . 157 e 15 Estimativa do erro nos m´todos de integra¸˜o e ca 161 15. . . . . . . . . . . . . . . . . . . . .4 Distˆncia percorrida e tempo decorrido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜ 13. . . . . . . . . . V Integra¸˜o de Fun¸˜es ca co . . . . . . . . . . c˜ Iterando perto de pontos fixos . . . . . . . . . . . Um crit´rio de parada . . e a Calculando zeros de fun¸oes . . . . . . . .1 Determina¸ao da forma de uma corda c˜ . . . . . . . . .1 Exemplo do uso da forma de Newton . .2 O M´todo dos Trap´zios . . . . . . . . . . 161 o c˜ e 15.

. . . A. . . c˜ o 17. . . . . . . . . . . . . .5 Caten´ria . . . . .3 Segunda Abordagem . . . . . . . a A. . . . . . . . . . . . . a . . . . . . . . . . . . c˜ a 18 Solu¸˜o num´rica de equa¸oes diferenciais ca e c˜ 18. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . glup! . . . . . . . . . . . . . . . . . . . . . a A. . e e 17.. . . . . .M´todo dos Trap´zios e e 16. . . . e 17. . . . . . .3. . . . . . . . . . . . . . 17. . . . . . . . . . . . .5 Terceira Abordagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 18. . . . . . . . . . . . . . .1 Dimens˜o 2 . .2 Crescimento populacional a taxas constantes . . .. . . . . . . . . . .M´todo de Simpson . . .7 Injetividade. . . . . . . . . . . . . . . . . . . . . .2 Transforma¸oes lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . .M´todo dos Trap´zios . . . . . . e e 16. . . . . . . . .M´todo de Simpson . . . . . . . .M´todo de Simpson . . . .3. . . . . . . . . . . . . . . .4 Indo para segunda ordem . . . . . .3 Dimens˜o n . .3 Nota¸ao e interpreta¸ao . . . . . . . . . . . . . . . . . . A. . . . . . . . . .3. . . . . . . . . . a A. . . . . . .8. . . . . . . . . . . . . . .1 Sistemas lineares e interse¸oes de hiperplanos c˜ A. . . . . . . . . .2 Discretiza¸ao . . .1 Introdu¸ao . . . . . . . . . . . . . . . . . . . . . . . . e c˜ A. VI Equa¸˜es Diferenciais co . . . . . . . . . . . . . . . . . . .2 Primeira Abordagem . . . . . . . . c˜ 17. . . 17. sobrejetividade. . . . . . . . .6 Escoamento de um copo furado . . . . . . . . . . . . . . . . . . . . . . . .3 Alguns exemplos . . . . . . .5 Runge-Kutta . . . .3. . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . c˜ o A Entendendo os sistemas lineares A. . . . .1 Equa¸oes separ´veis . . . e ´ SUMARIO 167 168 169 169 170 171 172 . . . . .1 Primeira Abordagem . . . . . . . . . . . . . .6 16 Obten¸˜o das f´rmulas de erro ca o 16. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 Dada ϕ do M´todo de Newton. . . . . . .8. . .5 Equa¸oes diferenciais com mais vari´veis . . . . . . . . . . . . e 16. . . . . . . . . . . c˜ c˜ o a 17. . . . c˜ A. . . . . . . . c˜ 18. . . . . . . . . . .4 Crescimento populacional com restri¸oes de espa¸o c˜ c 17. . . . . . . .6 Existˆncia e unicidade de solu¸oes . 17. . . . . . a 17.5 Explorando a linearidade . . .3 P´ra-quedista . . . . . 18. . . . . . . . .M´todo dos Trap´zios e e 16. . . . . . . . . . . . . . . . . . . . . . . .1 Naftalinas .3. c˜ c˜ A. . . . . . 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. . . . . . . . . . . . . . . . . . . . . . . . e 16. . . . . . . .3 O M´todo de Euler . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Entendimento qualitativo de equa¸oes autˆnomas . . . .4 Invers˜o de matrizes . . . 17. 18. . . . . . . . . . . . . a 17. . . . . . . . . . . . . . . . . . . . . . . . c˜ a 18. . . . . quem ´ f ? . . . . . . . . . . A. . . . .2 Dimens˜o 3 . . . . . . . . . . . . . . . . . . . . . .8 Transferˆncia de calor . . . . . . . . .6 Terceira Abordagem . . . . . . . . . . . .6 Runge-Kutta em sistemas de equa¸oes autˆnomas . .3. . . . . . .4 Segunda Abordagem .8 O determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Solu¸ao de equa¸oes autˆnomas e separ´veis .

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

8 ´ SUMARIO .

Parte I Sistemas Lineares 9 .

.

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

que chamaremos de m1 . EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Para colocar o problema em termos matem´ticos. m3 e m4 . v2B . temos o volume de cada um dos materiais em cada uma das provetas. mas n˜o poder´ a ıamos desmanchar a coluna para medir a densidade de cada material isoladamente. Uma sonda faz o papel das provetas. As inc´gnitas s˜o as quantidades relativas de petr´leo de cada po¸o que colocaremos o a o c . C a e D. ıvel c˜ e uma coluna de material ´ retirada. v1B . obtemos que a massa total m1 contida na Proveta 1 ´ e v1A · ρA + v1B · ρB + v1C · ρC + v1D · ρD . C e D na Proveta 2.12 CAP´ ITULO 1. a o n´ meros que queremos descobrir. ρB . As concentra¸oes que queremos obter s˜o chamadas de c˜ e c˜ a cA e cB . Chae maremos de v1A . Como a densidade ´ a raz˜o entre massa e volume. v2A . 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. B. contendo materiais diferentes dispostos em camadas e (pode ser at´ uma sonda coletando material gelado). 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. A sonda permitiria medir a dimens˜o e a de cada camada. j´ a descontada a tara das provetas. chamemos os materiais de A. mas antes do refino precisa obter uma mistura com o e c uma concentra¸ao escolhida das substˆncias A e B. Essas s˜o as inc´gnitas do problema. situados em regi˜es o e c o o distintas. a massa do material A na Proveta 1 e a ´ v1A · ρA . Em trˆs po¸os de petr´leo. Essa o c c˜ o c informa¸ao ´ conhecida previamente.3 Petr´leo o Outro problema para Ge´logos e afins. Estendendo esse racioc´ e ınio para os demais materiais. o material coletado tem diferentes concentra¸oes de duas substˆncias A e B. c1B a concentra¸ao de B no petr´leo do Po¸o 1. ca 1. C e D na Proveta 1. c˜ o Uma poss´ aplica¸ao em Geologia seria a seguinte. e assim por diante. Considerando as quatro provetas. 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). v1C e v1D o volume dos materiais A. B. A pergunta ´: em cada litro de petr´leo c˜ a e o que ser´ gerado para o refino. e assim por diante. B. ρC e ρD . Uma c˜ a central recebe o petr´leo dos trˆs po¸os. v2C e v2D o volume dos materiais A. m2 . sob o risco de alterar a compacta¸˜o. 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. e suas densidades respectivas de ρA .

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

2. Q(3) e Q(4) . 3.0) (1. 1. 3). Q(2) . Chamaremos de T esse triˆngulo. qB ) = qR (1. 0. xB deu notam a quantidade de litros de cada cor pura e sempre quisermos produzir exatamente 1 litro de mistura. qG . 3. (0.1) Se pensarmos que os n´ meros xR . qB ) para cada i = 1. ent˜o ´ necess´rio que a e a xR + xG + xB = 1 . cada um indicando a a quantidade de cada uma das trˆs coe res.14 CAP´ ITULO 1. 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. 1). 1) . que ´ o e triˆngulo mostrado na figura ao lado. 0) e a e c˜ (0. sendo que Q(i) = (qR .0. c˜ a Suponha agora que produzimos quatro cores distintas Q(1) . 0. a unica diferen¸a sendo a quantidade ´ c de material produzido. a a (i) (i) (i) . 0) + qG (0.1. e Q = (qR . 4. a Cada ponto Q desse triˆngulo ´ obtido como combina¸ao convexa de (1. 0. qG . Elas s˜o representadas por pontos no tri˜ngulo T . 1) deve resultar na mesma cor que (3. c B G R No entanto h´ um bocado de informa¸ao redundante nessa representa¸ao. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Isto significa que as cores podem ser representadas por trˆs n´ meros e u n˜o-negativos. 1. isto ´. com a condi¸ao de que qR + qG + qB = 1. uma vez que o a c˜ c˜ ponto (1. (0.0. xG . 0). 0. B azul (0. 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. 0) + qB (0.

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

p(xn ) = yn . o Como temos que satisfazer n equa¸oes. na Se¸ao A. c˜ Exerc´ ıcio 1. ´ o (3. . com os xi ’s distintos dois a dois. xn · a1 + + + x2 · a2 1 x2 · a2 2 . . . Queremos achar um polinˆmio p(x) cujo gr´fico passe pelos pontos dados. p(x2 ) = o a e y2 . . mas veremos a justificativa mais e adiante. + n−1 x1 · an−1 n−1 x2 · an−1 . + .1 Ache o unico polinˆmio de grau 3 passando pelos pontos (−1. (0. . e se ela ´ unica. 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. . . Assim. yn Podemos nos perguntar se sempre existe solu¸ao para esse sistema. −5).2 Encontre o polinˆmio interpolador para os pontos (−1. a0 + + + x1 · a1 x2 · a1 . . (3. −1) e (4. 0). 0).7. (0. Sejam os pares (x1 . . isso sugere que fixemos k = n − 1. (xn . onde os coeficientes s˜o as n inc´gnitas: c˜ a o a0 a0 . 1). 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. .. Exerc´ ıcio 1. . y1 ). . yn ). + . temos o c˜ sistema de n equa¸oes. x2 · a2 n + .16 CAP´ ITULO 1. . . 45).. n−1 xn · an−1 = = = = y1 y2 . em determinados pontos. isto ´: p(x1 ) = y1 . . + + . . . 1)... . 1. .. A c˜ e ´ resposta ´ sim (desde que os xi ’s sejam distintos entre si.. . . A id´ia a c˜ o e fica mais clara a partir do seguinte exemplo.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. 19) e o (4.

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

Ser´ que temos 4n equa¸oes o o a c˜ tamb´m? e Vejamos. sendo que o polinˆmio pk (x) o o corresponde ao intervalo [xk−1 . .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 . Finalmente. pn−1 (xn−1 ) = yn−1 e pn (xn−1 ) = yn−1 . pn (x) os polinˆmios. com derivada c u zero nos extremos. xk ]. p′ (xn ) = 0 . e s˜o o u a portanto 4n inc´gnitas (quatro coeficientes de cada polinˆmio). 1 n e tamb´m a continuidade da derivada em cada n´dulo: e o p′ (x1 ) = p′ (x1 ) . . 1) e (1. . . 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.0 1.5 2. . 1. . 0). J´ temos duas equa¸oes.0 Exerc´ ıcio 1. 0). temos que impor tamb´m a continuidade da c˜ e segunda derivada nos n´dulos. c˜ . At´ agora totalizamos 2n equa¸oes.5 1.5 4. . devemos impor a a c˜ e a segunda condi¸ao especificada acima. Al´m disso. y0 e yn s˜o iguais a zero). . . . . EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Nesse problema temos que achar n polinˆmios c´ bicos (um para cada intervalo). p′ (xn−1 ) = p′ (xn−1 ) .7 2.0 −1.4 Fa¸a um spline c´bico com os pontos (−1. .0 2. com os seguintes dados: k 0 1 2 3 4 5 xk −3.0 0. pn (xn ) = yn (no desenho. p′′ (xn−1 ) = p′′ (xn−1 ) . . ıvel ı ´ c˜ Exerc´ ıcio 1. (0. Chamaremos de p1 (x). 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. com mais n − 1 equa¸oes: o c˜ p′′ (x1 ) = p′′ (x1 ) .0 yk 0.18 CAP´ ITULO 1. . Temos que impor os valores extremos p1 (x0 ) = y0 .0 0. .3 Monte o sistema linear relativo ao spline dos pontos da figura. .4 0.

Tc nem precisariam ser fixos: poderiam variar conforme a posi¸ao. . no equil´ c˜ ıbrio. e ser˜o N inc´gnitas T1 . como mostra a figura ao lado. PROBLEMAS DE CONTORNO 19 Suponha uma situa¸ao como a c˜ mostrada na figura ao lado.y) T(x. T2 . TN a determinar. A equa¸ao de Laplace. numeramos os v´rtices da malha cujas teme peraturas n˜o est˜o fixadas. com trˆs fontes de calor: e 1. O quadrado inclinado. os o a valores Ta . ` a temperatura Ta 2. . . se nas regi˜es mostradas fix´ssemos valores Va . A barra. Na posi¸ao i queremos determinar a temperatura Ti . Se forem N v´rtices. no equil´ ıbrio. ` temperatura Tc a A quest˜o ´: como se distribuir´ a e a a temperatura. ` a temperatura Tb 3. Tb .1. e c c˜ Tb Ta Tc Para obter uma solu¸ao c˜ num´rica. y)? c˜ c˜ Tb Ta (x.y) Tc O mesmo problema pode ser formulado com um potencial eletrost´tico V (x. e discretizamos o plano (x. ∂x2 ∂y 2 significando que devemos procurar uma fun¸ao cont´ c˜ ınua T (x. . Na verdade. ao inv´s a e da temperatura. Vb e Vc . adotamos da esquerda para a direita. O entorno do quadrado. y). y) com uma rede quadrada. em a a qualquer ordem (por exemplo. quando discretizada. Em seguida. y) cujo valor sobre as fontes seja aquele pr´-determinado e tal que fora delas satisfa¸a essa equa¸ao. 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 . e de cima para baixo). c˜ Esse problema ´ modelado pela equa¸ao de Laplace e c˜ ∂2T ∂2T + =0.8. em fun¸ao da posi¸ao (x.

.20 CAP´ ITULO 1. T2 . . Na figura. 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). Chamaremos de N o n´ mero de linhas u (no exemplo. . 4) (embora a posi¸ao interna (5. (r. nos v´rtices em que a temperatura c˜ c˜ e n˜o foi fixada. donde resulta um sistema e e c˜ linear com 37 equa¸oes e 37 inc´gnitas. y) = xy. e para o v´rtice i queremos e e saber a temperatura de equil´ ıbrio Ti . para r = 1. . . 0) = x2 e T (x. portanto 37 inc´gnitas T1 . com uma grade de poucos v´rtices. e isso se traduzir´ numa equa¸ao (linear). M = 8). 5) e (6. . Veja que estamos usando r para indexar as linhas e s para indexar as colunas. T37 a serem a e o determinadas. 1] com c˜ ∂x2 ∂y2 condi¸ao de contorno dada por T (x. 4) n˜o v´ servir para c˜ a a nada). Por´m cada v´rtice livre produz uma equa¸ao. para 0 ≤ y ≤ 1. c˜ para s = 1. (5. . EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ da temperatura nos quatro vizinhos imediatos (na vertical e horizontal). c˜ (5. . Rearranjando a equa¸ao temos a o c˜ 4T1 − T2 − T7 = 2Tb . c˜ o Exerc´ ıcio 1. c˜ o A solu¸ao do sistema assim obtido ser´ uma aproxima¸ao da distribui¸ao de temperatura. 8. 9. e (r. para o primeiro v´rtice. teremos e T1 = 1 (Tb + Tb + T2 + T7 ) . 8). 4). y) = −y 2 c˜ e T (1. c ı c˜ 2 2 . 1] × [0.5 Discretizar e resolver a equa¸ao ∂ T + ∂ T = 0 no quadrado [0. 1) = x2 −1 para 0 ≤ x ≤ 1 e T (0.6 Fa¸a o mesmo exerc´cio com a fun¸ao T (x. . 4). 1). . s) e (9. Assim. Na grade fixamos Ta nas posi¸oes (4. Para cada v´rtice. y) = 1 − y 2 . (5. N = 9) e M o n´ mero u de colunas (no exemplo. O desenho da fie gura ao lado mostra uma grade 9 × 8. . 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 . 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 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. Divida o intervalo [0. c˜ c˜ Exerc´ ıcio 1. s). 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. Compare sua solu¸ao com a solu¸ao exata T (x. y) = x2 − y 2 . e Tb nas posi¸oes (1. vemos que h´ 37 v´rtices livres. . c˜ a c˜ c˜ 1111111111111111111111111111111111 0000000000000000000000000000000000 s Vejamos um exemplo. 3).

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 + . .. at´ se conseguir o valor de x1 . . .1 O m´todo e Nesta Se¸ao discutiremos um m´todo de resolu¸ao de sistemas lineares.n xn = bn−1 . A solu¸ao. Aqui entenderemos que dois sistemas lineares s˜o equivalentes se eles possuem exatamente a as mesmas solu¸oes. ann Como xn j´ foi determinado. + a1n xn a2n xn a3n xn ann xn = = = . ou seja: se um conjunto de n´ meros x1 ... da equa¸ao acima determina-se tamb´m xn−1 .n−1 xn−1 + an−1.. 1 bn . O m´todo se baseia.n xn ) . se a a a c˜ c˜ obt´m a partir da ultima equa¸ao. . Primeiro. chamado M´todo do c˜ e c˜ e Escalonamento ou M´todo de Elimina¸ao de Gauss. a a c˜ 21 .. + + . .n−1 (bn−1 − an−1. e Um sistema triangularizado torna-se ent˜o o objetivo do m´todo.Cap´ ıtulo 2 O M´todo de Escalonamento e 2. nesse caso.. Para ser mais preciso. . E assim por a c˜ e diante. isola-se xn : e ´ c˜ xn = A pen´ ltima equa¸ao ´ u c˜ e an−1. a e pretende-se obter um sistema linear triangularizado equivalente ao original. em primeiro lugar. + + . ´ 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). b1 b2 b3 = bn Na verdade. ent˜o a xn−1 = 1 an−1. xn ´ solu¸ao de um sistema c˜ u e c˜ ent˜o automaticamente ser´ solu¸ao do outro.

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

1. Em cada etapa haver´ u e o a um pivˆ. procuramos alguma linha cujo primeiro coeficiente seja diferente de zero e a a trocamos de posi¸ao com a primeira. pode-se adotar a condensa¸ao pivotal. verificamos se a22 = 0. a segunda representa os o coeficientes da inc´gnita x2 . Observe que a primeira linha n˜o ser´ mais alterada. o n´ mero a11 ´ chamado de pivˆ. tomando como pivˆ o maior ´ c˜ o em valor absoluto. . ´ poss´ e e ıvel at´ escolher o pivˆ. a1n  0 a22 . Primeiramente verificamos se a11 = 0. percebe-se que de fato o sistema linear envolve apenas n − 1 inc´gnitas em n equa¸oes. . 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. sob o ponto de vista dos erros de c´lculo e a originados de arredondamentos (veja discuss˜o mais adiante). . Ou seja. . . atrav´s c˜ e e de calculadora ou computador. ´ mais vantajoso. ann b1 b2 . o que pode ser conseguido atrav´s de uma troca de linhas. trocamos a linha encontrada com a segunda linha. . nem trocada de posi¸ao com outras. Se n˜o for. . Se n˜o for. procuramos entre as linhas abaixo da a segunda alguma cujo segundo coeficiente seja n˜o-nulo. a j-´sima linha (j = 2. . c˜ a e pois a primeira coluna representa os coeficientes da inc´gnita x1 . usando o truque descrito acima. . escolher o pivˆ como sendo o a o maior dos n´meros dispon´veis na coluna. De qualquer forma. 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. dentre os v´rios n´ meros da primeira coluna que sejam diferentes de e o a u zero. por causa das opera¸oes com linhas. 0 an2 . a princ´ a a a ıpio. pois as linhas s˜o as equa¸oes. passamos diretamente a a para a terceira etapa. teremos antes o que renumerar as inc´gnitas! o O procedimento de escalonamento funciona assim. os coeficientes n˜o s˜o os e c˜ a a mesmos do sistema linear original! Nessa primeira etapa descrita. . . . e todas a c˜ a c˜ as equa¸oes devem ser satisfeitas ao mesmo tempo. Aqui o a a c˜ pivˆ ser´ o n´ mero diferente de zero da segunda coluna. etc. . . Aqui entende-se por “maior” n´ mero aquele que u ı u tem o maior valor absoluto dentro da coluna.  onde ´ preciso lembrar que. Al´m e disso.´ 2. . De fato. a11 O sistema linear ficar´ ent˜o da seguinte forma: a a  a11 a12 . . qualquer. Se houver. a2n   . se isso acontecer n˜o haver´ a c˜ a a nada a ser feito nessa primeira etapa e poderemos passar imediatamente ` etapa seguinte. como veremos adiante. Na maioria das situa¸oes em que se resolve um sistema linear por este m´todo. bn     . Se quisermos trocar a ordem das colunas. . . Na segunda etapa. o c˜ havendo grande chance de n˜o ter solu¸ao. Mais uma vez. . . 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.  . Se n˜o houver. J´ a ordem das colunas ´ importante. escolhido entre a segunda linha e a o a u ultima. n) ser´ substitu´ pela linha e a ıda (linha j) − aj1 · (linha 1) . . Esse procedimento ´ chamado de condensa¸ao e c˜ pivotal. . . Vimos que o pivˆ tem que ser necessariamente diferente o o de zero.

a nota¸ao decimal).6067977 √ e Observe que x = 50000 ´ tal que Em geral recorremos a um computador.. . . Em geral as calculadoras usam k > 6. Ent˜o e a x ≈ 0. a1n a2n a3n . .   2. podemos usar nosso truque para zerar todos os segundos o coeficientes desde a linha 3 at´ a ultima linha. Na nota¸ao de ponto flutuante. bn  . a Num computador ou numa calculadora cient´ ıfica os n´ meros s˜o representados em ponto u a flutuante. . . a22 lembrando mais uma vez que os coeficientes s˜o diferentes em rela¸ao ` etapa anterior. . . .2236067977 × 103 . ou no m´ ınimo usamos uma calculadora. . .24 ´ CAP´ ITULO 2. . Trocaremos cada linha j = 3.. baseados na nota¸ao decimal (internamente pode ser em outra base. de ordem k. . ´ a E f´cil ver que em n − 1 etapas teremos um sistema linear triangularizado que.. . . calculadoras e computadores n˜o trabalham dessa forma. . que resulta num c˜ a a c˜ sistema linear de 37 inc´gnitas. exceto a c˜ a os da primeira linha. mas o que nos c˜ aparece ´. Se x ´ um n´ mero real. . ´ a representa¸ao decimal de 10n at´ a k-´sima casa decimal. portanto o expoente ´ n = 3 nesse exemplo. em geral.2 Algarismos significativos x e e A mantissa de x. No entanto. 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.  . O METODO DE ESCALONAMENTO Se ap´s a troca tivermos a22 = 0. . 0 0 an3 . . seu expoente ser´ o n´ mero inteiro n tal e u a u que 10n−1 ≤ x < 10n . dificilmente nos aventurar´ ıamos na resolu¸ao ` m˜o do problema de contorno da Se¸ao 1.. . . pode ser facilmente resolvido. . n pela linha e ´ (linha j) − aj2 · (linha 2) .. quando pe¸o para minha calculadora o c √ valor de 50000 ela me responde 223. e c˜ com arredondamento. .8. 102 ≤ x < 103 . e ficaremos com um sistema linear da forma  a11 a12 a13  0 a22 a23   0 0 a33   . Por exemplo.. E isso ´ pouco: imagine uma grade bem mais fina! o e A solu¸ao de um sistema linear pelo M´todo do Escalonamento ´ exata. como j´ a observamos acima. que ficam inalterados. um n´ mero tem um e c˜ c˜ u expoente e uma mantissa. ann     . e computadores mais modernos podem usar valores bem mais altos. . quando se trata de resolver sistemas lineares razoavelmente grandes. b1 b2 b3 . Por exemplo.

Assumiremos que ela seja sempre infinita.2. + N1 · 101 + N0 + N−1 · 10−1 + . 4. + N1 · 101 + N0 + N−1 · 10−1 + . . . 6. + N−k · 10−k e menor do que Np · 10p + . . . 8.).N−1 . + N1 · 101 + N0 · 100 + N−1 · 10−1 + N−2 · 10−2 + . Mesmo sem estarmos familiarizados com s´ries. 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. podemos entender o n´ mero x da seguinte e u forma: x est´ entre Np · 10p e (Np + 1) · 10p . . = 1. e assim por diante. . . . . j´ a c˜ u a ` que se trata de representa¸ao na base 10. de forma que X + N−k · 10−k ≤ x < X + (N−k + 1) · 10−k . . . Se 0 ≤ e c˜ N−k ≤ 8. observamos primeiramente que x ´ maior ou igual a e Np · 10p + . . N−k+1 (N−k + 1) . .000 . N0 . . . Podemos e a e seguir a regra: se N−k−1 = 0. de fato n´ meros entre 0 e 9. isto ´. . + N−k+1 · 10−k+1 . pois mesmo que n˜o seja a podemos torn´-la completando a seq¨ˆncia com zeros. . N0 .N−1 N−2 N−3 . 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”). N−1 . . e ˆ precisamos saber se x est´ mais pr´ximo de X + N−k · 10−k ou de X + (N−k + 1) · 10−k . . N−k−1 . . + N1 · 101 + N0 + N−1 · 10−1 + . ent˜o x = X + N−k · 10−k . . 1. . 2. definiremos c˜ X = Np · 10p + . N−2 . mas tamb´m est´ entre Np · 10p + Np−1 · 10p−1 a e a e Np · 10p + (Np−1 + 1) · 10p−1 . a ˆ No segundo caso ´ preciso tomar cuidado ao se voltar para a nota¸ao decimal. por exemplo a u 0. ˆ . . . .999 . vejamos como se d´ o processo c˜ e a de arredondamento. na nota¸ao u c˜ decimal: x = Np Np−1 . 9 a ˆ a ent˜o x = X + (N−k + 1) · 10−k . a ue Essa nota¸ao representa uma s´rie infinita. + (N−k + 1) · 10−k . s˜o os algarismos da nota¸ao. onde Np . isto ´. e. . . . N1 N0 .2. Suponha que um n´ mero x se escreva da seguinte forma. . j´ se N−k−1 = 5. . 3. que denotaremos por x. esse tamanho ´ 10. . Se quisermos arredondar na k-´sima casa decimal depois da v´ e ırgula. . para simplificar a nota¸ao. .2236067977 25 As m´quinas trabalham com um tamanho fixo para a mantissa: na calculadora que eu a usei. A ordem k da mantissa que escolhemos para operar com um n´ mero e u ´ tamb´m chamada de “n´ mero de algarismos significativos”. Para obter o arredondamento de x na k-´sima casa decimal. ent˜o a x = Np . . . 7. ALGARISMOS SIGNIFICATIVOS A mantissa de x de ordem 10 ´ o n´ mero e u 0. . Isso a o ´ determinado pelo algarismo seguinte na expans˜o decimal de x. uma soma de infinitos termos: c˜ e e x = Np · 10p + Np−1 · 10p−1 + .

45. Vejamos um exemplo de subtra¸ao: queremos subtrair 0. Aqui. Por exemplo. Sen˜o corremos o risco c˜ u a de subtrair 9430 vezes o n´ mero 0. Observe que ter´ ıamos obtido um n´ mero ligeiramente u diferente se n˜o houv´ssemos arredondado 12. teremos N−k + 1 = 10. resultando 0. ´ 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. Pascal. at´ isso n˜o a u e a mais acontecer. ent˜o trocamos esse n´ mero por um zero e somamos 1 ao precedente. Digamos que se queira efetuar a opera¸ao 2. O mesmo vale c˜ para as opera¸oes de multiplica¸ao e divis˜o. c˜ c˜ c˜ (943 − 0. mas ´ E preciso tomar bastante cuidado com subtra¸oes e somas de n´ meros com expoentes d´ c˜ u ıspares. Para u e entender bem. d´ 0. N−k = 9. Isso faz com que no lugar de N−k + 1 coloquemos um zero e somemos 1 ao algarismo precedente. com 4 algarismos significativos. N−k+1 . pois pode-se obter um zero onde deveria haver um n´ mero simplesmente muito pequeno! u Como regra geral. o dobro em geral) e o resultado da opera¸ao arredondado.741 (confira!). c c˜ usando 3 algarismos significativos. no entanto. pois 2.577000. Por exemplo.26 ´ CAP´ ITULO 2. tentaremos levar ao p´ da letra a regra de arredondar ap´s cada opera¸ao. u a a mas o seguinte n˜o. Ent˜o arredondamos o segundo para que fique a a com 4 algarismos significativos. o arredondamento de 1. principalmente se essas opera¸oes forem feitas em grande n´ mero. um programa que resolva sistemas 943 − (0. o a a c˜ c˜ faremos o arredondamento ap´s todas as adi¸oes (ou multiplica¸oes).448 = 0. .22.1 de 943 e continuar com 943.45 + 2. com 3 algarismos c˜ c˜ a significativos.122 + 0. O METODO DE ESCALONAMENTO Se. ao u contr´rio.68. No mundo das m´quinas.405) = 943 − 0. logo somos obrigados a arredondar o resultado: 14. nada melhor do que alguns exemplos. ap´s arredondamento. A regra a e o c˜ s´ n˜o ser´ muito clara sobre a ordem de seguidas adi¸oes ou multiplica¸oes: neste caso. ao inv´s de obter zero!! u e Tamb´m deve-se tomar cuidado com a subtra¸ao de n´ meros muito parecidos.69.1245 · 102 .122) − 0.35/7.405 = 943 − 0.236 = 14. cada opera¸ao deve ser feita (se poss´ com mais algarismos do que c˜ ıvel os significativos. usando alguma linguagem (C.5769996 para a sexta casa decimal ´ e 1. o c˜ c˜ Ap´s o exemplo. ou 12.236 = 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. Basic. tem 5 algarismos significativos.684 a e que. Este exemplo servir´ para ilustrar como.12448·102. 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. a se d´ a resolu¸ao de um sistema por um programa de computador. pois 2. e fazemos a soma: 12. etc). fa¸amos o escalonamento e a resolu¸ao de um sistema linear de ordem 3. a Para ilustrar. sugerimos ao leitor. cuja diferen¸a e c˜ u c se encontre al´m dos d´ e ıgitos significativos. 5. pois 12.2236 · 101 .45. Fortran.405 = 943 .448 para 12. Por exemplo. que implemente no computador. em linhas gerais.122 de 943 com 3 algarismos c˜ significativos. fica 14. como exerc´ o ıcio. no entanto.448. Isso d´ 943. Agora voltemos ` quest˜o das opera¸oes aritm´ticas.527 = 942 . elas devem a a c˜ e a ser feitas sempre respeitando um certo n´ mero pr´-fixado de algarismos significativos.236 + 12.236 + 12. arredondado.448 = 14. Mas se N−k+1 for tamb´m e igual a 9. c˜ O primeiro n´ mero j´ est´ escrito com 4 algarismos significativos.686. A soma.

33 x1 = −1 − 6.333.667. A unica solu¸ao seria n˜o arredondar o multiplicador antes de fazer ´ c˜ a a conta.90 8. por exemplo). 1. ficando e a   3 1 2 −1  0 1.33 o ´ maior do que 0. porque todos os coeficientes s˜o inteiros a com 1 algarismo significativo.33 1.667 = 0.2. o m´ ltiplo tem que ser 3 = 0. nota-se que a terceira linha deve servir como pivˆ. 1.33 0.667. Para a segunda linha.44 − 2 × 2.33 1.47 . Observe que a escolha do multiplicador como 0. usa-se o multiplicador 0. que c˜ 2 2 pode ser obtida por escalonamento tamb´m. 1. enquanto que para a a u 2 u terceira linha ele tem que ser 3 = 0. pois 1.67 + 6.334 n˜o ajudaria a a resolver o problema.999 = 0.96 1.33 e da´ temos ı  3  0 0 1 1. 0.33 lineares de qualquer ordem (que a ordem seja apenas limitada por problemas de falta de mem´ria.67 + 2. 3 3 .001. ALGARISMOS SIGNIFICATIVOS 27 Olhando para a segunda coluna.67 0 1.666 2. e Dessa primeira etapa sai o sistema   3 1 2 −1  0 0.  1 1 2 0 2 2 −1 1 Portanto e 1. 13 . Ent˜o faz-se a troca da segunda linha com a terceira. o que faz com que de fato o primeiro coeficiente da segunda linha n˜o se anule.33 Para a terceira linha. O leitor pode achar estranho que 1 − 0.33 −2.33 0 x3 = 2 −2.33  .57 x2 = = = = 6. 3).667 −0.504 1. Isso ser´ ignorado na hora de a a se fazer o escalonamento. pois ´ maior do que o e os demais coeficientes da mesma coluna. o Considere o sistema   3 1 2 −1  .67  . mas nem sempre ´ isso o que acontece num programa.33 −2. 1.33 × 2.49 = 2.4 =− = −4.666 2.504  −1 1.502 .96 .96 13. Ele tem solu¸ao exata (x1 .2. no princ´ a a ıpio. x2 . e c˜ N˜o h´ arredondamentos a fazer. x3 ) = (− 9 . 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.667 −0. sem arredondamento (mantendo fra¸oes).49 que tem apenas coeficientes inteiros.333 × 3 = 1 − 0.44 1.33 0 0.67  . Chamaremos esses m´ ltiplos de multiplicadores. O “3” da primeira coluna serve como pivˆ.

01 0. no qual R1 = 6Ω. utilizando aritm´tica e c˜ c˜ e de ponto flutuante e 2 algarismos significativos. A divis˜o ´ considerada uma opera¸ao elementar.5 Dado o sistema linear Ax = b onde   −4. na Subse¸ao 2.1  −3. arredondar e depois a e 3 multiplicar pelo numerador. Utilize o m´todo de Gauss para resolver o sistema a e obtido considerando aritm´tica de ponto flutuante com dois algarismos significativos. c˜ e Exerc´ ıcio 2.70  0. R4 = 1Ω.1 Fa¸a as contas intermedi´rias do exemplo acima.3. e R3 = 4Ω. N˜o esque¸a de arredondar ap´s cada a c o opera¸ao aritm´tica.70 −3.4 −0. Exerc´ ıcio 2. obtenha um sistema linear cujas vari´veis ` e e a s˜o os valores das correntes I1 . I2 e I3 . veremos como melhorar o c´lculo. devido c e a passagem de corrente el´trica I. ´ ∆V = RI).031 com 3 algarismos significativos.789 10.52 0. Resolva o sistema do c a exemplo acima usando apenas 2 algarismos significativos.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. U2 = 6V e U3 = 2V .5. ∆V . calcular 1 .8 . R2 = 4Ω. alternˆncia e linearidade) podem ser formuladas c˜ a 1 Veja A.3 −4. c˜ Mais adiante.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 . .28 ´ CAP´ ITULO 2. e R1 R3 I1 19V U1 2. 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.2 1.3  2. Exerc´ ıcio 2.3 Resolva o sistema linear 7.10  3. podemos ver que o maior erro absoluto foi de 0. c˜ Exerc´ ıcio 2. U1 = 19V .90 −2. . O METODO DE ESCALONAMENTO Observe que n˜o ´ preciso. . un ) de Rn (normaliza¸ao. quando se for dividir por 3.1 2. . usando o refinamento de c˜ a solu¸oes.4 −0.4 b =  2. a e c˜ Comparando com a solu¸ao exata.06. c˜ Exerc´ ıcio 2. resultante em um resistor de resistˆncia R.1 A =  0.4 Considere o circuito el´trico da figura abaixo.2 Implemente a resolu¸ao por escalonamento no computador.

) . suponha que queiramos calcular det(u1 . significa somar um m´ ltiplo da i-´sima coluna ` j-´sima coluna.4. . . A DESVANTAGEM DA REGRA DE CRAMER 29 diretamente para uma matriz A: 1) det(Id) = 1.2. . . e nesse a o caso o sistema ser´ imposs´ ou indeterminado.) = det(. Aei−1 . Aei+1 . un ) . b. apenas o determinante com xi Aei ser´ n˜o-nulo: c˜ a a det(. Aei−1 . det(u1 . ressaltamos que as mesmas propriedades s˜o v´lidas com linhas ao inv´s de a a e colunas. 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. . . u2 . . . e 3) se uma coluna se escreve como combina¸ao αu + βv. . mas quais s˜o os valores de x1 . Aei−1 . No entanto. 2) a troca de duas colunas faz mudar o sinal do determinante. . . . . + xn Aen . Aei+1 . . . . . . . o resultado final do escalonamento ´ uma matriz triangular. onde em cada um deles teremos na i-´sima a e posi¸ao um dos vetores xj Aej . . 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(. . . .8. logo o determinante n˜o se altera quando somamos a uma coluna um m´ ltiplo de uma outra. . tem o mesmo determinante que A. Pela linearidade do determinante. . . usando a no¸ao e o a c˜ de determinante. . uj . . existe unica solu¸ao u = (x1 . . Nesse caso. . . que. pela linearidade de A. . . u2 . un ) = det(u1 . 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. Aei−1 . .3. . un ) . . . Por outro lado. Portanto todas as opera¸oes realizadas no M´todo de Escalonamento n˜o alteram o deterc˜ e a minante da matriz de coeficientes. que ´ a e ıcil e a matriz A onde se trocam colunas por linhas. cujo detere minante ´ dado pelo produto dos coeficientes da diagonal. a 2. em termos matriciais. Ent˜o o determinante do sistema e a ser´ zero se e somente se ap´s o escalonamento houver um termo nulo na diagonal. . . u e a e Pelas propriedades do determinante. pois cada troca de linha muda o sinal do determinante. . a u Em seguida. x1 Ae1 + . u2 . + xn Aen . pois b = Au = x1 Ae1 + . . .) = det(. . segue que o sistema tem unica solu¸ao e todos os a ´ c˜ termos da diagonal s˜o n˜o-nulos. . . .4 A desvantagem da Regra de Cramer A Regra de Cramer ´ uma f´rmula bastante pr´tica de se resolver Au = b. . denotada por AT . podemos separ´-lo na soma de n determinantes. feitas por conta da condensa¸˜o ca pivotal. Pois se A tem inversa. . . xi Aei . . onde quer´ c˜ ıamos provar que se A tem inversa ent˜o det A = 0. . . e por conseguinte o determinante do sistema tamb´m ´ a a e e n˜o-nulo. . exceto as trocas de linhas. b. Aei+1 . uj + βui . Por exemplo. . . .) . Suponha que det A = 0. a ıvel Isto completa o argumento da Subse¸ao A. . xn ) ´ c˜ para Au = b. . . . Isso porque n˜o ´ dif´ mostrar que a transposta de A. uj + βui . .

6 Mostre que o n´mero de adi¸oes/subtra¸oes. para cada uma delas. . De fato. . . Se estivermos pensando em tempo de computa¸ao. 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. precisamos c˜ e c˜ . Para obter cada produto s˜o n − 1 a c˜ c˜ a multiplica¸oes. totalizando n!(n−1) opera¸oes de multiplica¸ao. Aei−1 . logo s˜o n!(n + 1) adi¸oes e n!(n − 1)(n + 1) a c˜ multiplica¸oes. 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. que ficar´ multiplicado pelo a pr´prio determinante da matriz A: o det(. . Aei+1 . a raz˜o e a np n! sempre vai a zero. c˜ c˜ c˜ o a Regra de Cramer pede n + 1 determinantes.7 Mostre que. Logo xi = det(. 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. o a Se quisermos comparar o n´ mero de opera¸oes totais.30 ´ CAP´ ITULO 2. 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 . como indicado no seguinte exerc´ ıcio. det A que ´ a Regra de Cramer.) = xi det A . . qualquer que seja a potˆncia p. mais as n divis˜es ao final de tudo. 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. e a e a raz˜o a 2n3 n! vai a zero quando n vai a infinito.) . 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. . Verifique! Na verdade. Aei+1 . O METODO DE ESCALONAMENTO Mais uma vez pela linearidade. Para calcular as n inc´gnitas. . ou seja. . c˜ o E quanto ao M´todo de Escalonamento. . b. vemos que na Regra de Cramer s˜o u c˜ a necess´rias mais do que n! opera¸oes. Para facilitar a compara¸ao. devemos tomar um certo cuidado com a maneira pela qual fizemos a compara¸ao entre os dois m´todos. . ver´ ent˜o que seu e a a argumento serve para mostrar que. . podemos tirar o escalar xi . Se vocˆ mostrou isso com sucesso. Aei−1 . 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. quando n ´ grande ent˜o n! ´ muito maior do que 2n3 . a c˜ Exerc´ ıcio 2. c˜ c˜ O n´ mero de produtos de n termos que aparecem no c´lculo de um determinante ´ n! u a e (mostre isso). Exerc´ ıcio 2. . b.

a solu¸ao pode depender sensivelmente de seus coeficientes. Nota-se que o problema ´ c˜ e devido ao fato de que as retas correspondentes a cada equa¸ao s˜o quase paralelas. . A divis˜o certamente gasta a c˜ a mais tempo do que as outras opera¸oes. com altera¸oes de n˜o mais do que 0.5% nos coeficientes originais (o que ´ bastante razo´vel c˜ a e a para uma medida experimental). descrita no Cap´ c˜ ıtulo 2. ent˜o existe uma e s´ uma a o solu¸ao u.5. Podemos tamb´m pensar nos vetores-coluna de A (ou nos vetores-linha): e se Ae1 .8 Suponha que uma divis˜o nunca demore mais do que T vezes uma mula tiplica¸ao. Para alguns sistemas. . Para entender porque isso acontece. Decida qual dos m´todos ´ mais vantajoso.5. .5 2. experimente o leitor.4. desenhar as retas que correspondem a cada uma das equa¸oes. erros podem c˜ a e se acumular e a solu¸ao se afastar da solu¸ao verdadeira. Ae2 . J´ na contabilidade das outras opera¸oes o M´todo de Cramer perde do M´todo de a a c˜ e e Escalonamento. radicalmente c˜ ´ e diferente da anterior. consideremos o sistema 2 × 2 x + y 99x + 100y = 1 = 99.2 .4x + 99. do qual e daremos uma id´ia abaixo. . c˜ a 2.9y = = 1 99. 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). ıcio Exerc´ ıcio 2. e a multiplica¸ao tome o c˜ e c˜ mesmo tempo que a adi¸ao e a subtra¸ao. Sua solu¸ao unica e exata ´ x = 1. no e o lugar de retas. y = 0. 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. a ponto de c˜ pequenas incertezas em seus valores provocarem grandes altera¸oes na solu¸ao final. 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. Na pr´tica. ent˜o o sistema ser´ mala a condicionado. se um sistema linear Au = b satisfaz det A = 0.2. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 31 saber quanto a m´quina gasta para fazer cada uma das opera¸oes. que tem solu¸ao unica e exata x = 0. por causa do exerc´ acima. a Para exemplificar.1 Sistemas mal-condicionados e refinamento de solu¸˜o ca Sistemas mal-condicionados Na teoria.5. se pensarmos em hiperplanos quase paralelos. A id´ia vale em dimens˜es mais altas. para cada um dos dois sistemas. por´m. .5. onde T ´ uma constante qualquer maior do que zero. Aen forem “quase” linearmente dependentes.5 . quando resolvemos o sistema via computador. Isso pode ser parcialmente sanado c˜ c˜ pela Condensa¸ao Pivotal. e pelo M´todo de Refinamento.4. y = −0. Esses c˜ c˜ sistemas s˜o chamados de mal-condicionados. 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.

32 ´ CAP´ ITULO 2. 17). −24. Em resumo. c˜ isto ´. vi = Aei Esse n´ mero estar´ entre 0 e 1. por outro lado. Aen . .8).2 Matrizes de Hilbert problema do mau condicionamento. O o e determinante ´ o hipervolume (com sinal) do hiperparalelep´ e ıpedo formado pelos vetorescoluna Ae1 . pois n˜o s˜o necess´rias a a a para a condensa¸ao pivotal). por exemplo) e seguirmos exatamente o mesmo procedimento. −11. −21. o c˜ 2. . x3 ) = (3. e fazendo contas com fra¸oes exatas. . . Al´m do mais. pelos vetores e Aei . 1 Se. 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). + x2 )1/2 . c˜ Matrizes do tipo   1 1 1 ··· 1 2 3 n 1 1 1  1 · · · n+1  3 4   2  . x2 . . . ent˜o o a hiperparalelep´ ıpedo ser´ “achatado”.8. . 27. .5. 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. 30). 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. mas tamb´m do comprimento de cada vetor. resultado mais pr´ximo mas ainda estrao nhamente longe da solu¸ao exata. .64. medidas de condicionamento s˜o dificilmente aplic´veis na pr´tica. . e quando estiver perto de zero significa que a matriz ´ u a e mal-condicionada. . (ii) calcule o valor absoluto do e n 1 determinante da nova matriz. usarmos dois algarismos significativos ( 3 = 0. obtemos a solu¸ao exata c˜ c˜ c˜ (x1 . . o n´ mero de condicionamento pode ser achado assim: (i) substitua cada u Ae coluna Aei da matriz pelo vetor vi = 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 . sugerimos Resolvendo o sistema por escalonamento (sem troca de linhas. . a e H´ outras medidas do condicionamento de uma matriz. Se esses vetores forem quase linearmente dependentes. .  . . . (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. 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. xn ) ´ dada por u = (x2 + . Ent˜o uma medida mais confi´vel e a a seria tomar o hipervolume do hiperparalelep´ ıpedo formado pela normaliza¸ao desses vetores.9. chegaremos em (2. .   . Ae2 . .33. e portanto ter´ volume pequeno. . Com trˆs algarismos e significativos. . . lembrando que a norma (euclideana) u de um i vetor u = (x1 . 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. Isso tudo no entanto foge ao escopo dessas notas. . . .

como veremos mais adiante (vide Subse¸ao 5. resolvendo-se a Aw(1) = b − Au(1) . A solu¸ao obtida pode ser considerada uma primeira aproxima¸ao. Obtemos a e e c˜   −1. e ser´ chamada de u(1) . Se a solu¸ao desse sistema n˜o contivesse erros. Vejamos um exemplo ilustrativo. mesmo que n˜o correta (por causa dos erros de arredondamento). 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).2. e depois ˆ a melhor´-la. c˜ O m´todo pode ser implementado assim: calcula-se a primeira solu¸ao aproximada u(0) . ent˜o u = u(0) + w(0) seria a solu¸ao correta. Na Se¸ao 2. e aparecem naturalmente no problema do ajuste polia nomial. 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. usamos 3 algarismos significativos para c˜ resolver   −1 3 1 2  . c˜ 2.  1 1 2 0 2 2 −1 1 Aw = b − Aˆ . que ´ o teste usual para ver se u(0) ´ realmente solu¸ao.5. chamada de u(0) : c˜ c˜   −4.5.97  . e c˜ Calcula-se ent˜o w(0) = u − u(0) resolvendo-se o sistema a Aw(0) = b − Au(0) . a Para melhorar u.44  .47 u(0) =  6. 2.2). Como u = u + w. E assim por diante. ent˜o ˆ a b = Au = A(ˆ + w) .7. a a a c˜ a Calcula-se ent˜o w(1) = u − u(1) . u logo Ou seja. u(0) + w(0) pode n˜o ser a solu¸ao exata.96 .04 Au(0) =  1. ´ fazer o refinamento. e em seguida define-se u(2) = u(1) + w(1) . a diferen¸a w entre u e u ´ a solu¸ao de um sistema linear. e tentamos ˆ c ˆ c˜ calcular w. causada pelo c˜ mau condicionamento do sistema. que consiste em obter uma solu¸ao e c˜ u de Au = b. u Calculamos ent˜o Au(0) . definimos a diferen¸a w = u − u para a solu¸ao verdadeira u.3 Refinamento Uma das maneiras de sanar o problema de se encontrar uma solu¸ao “ruim”. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 33 s˜o chamadas de matrizes de Hilbert. c˜ a a c˜ Como erros s˜o inevit´veis.

c˜ e c˜ e da´ chegamos a w = (w1 . e ent˜o tiramos a diferen¸a a c   0.504 0.34 ´ CAP´ ITULO 2. w3 ) = (−0.03  −→  0. 2. 0 0 0.333 vezes a primeira linha e da terceira linha subtra´ ımos 0. principalmente no caso de se fazer a e e implementa¸ao no computador.0267  .04 0. seguiremos exatamente os mesmos passos feitos na Se¸ao 2.02 . nada muito melhor do que Au(0) . 2. u =  6. temos que resolver o sistema   0.02).0267  −→  −0.33 −0. 6.0267  .02.04 3 1 2  1 1 0.53 (2) (3) u =  6.04 0. O METODO DE ESCALONAMENTO onde em (i) subtra´ ımos da segunda linha 0. a a e uma vez que b e Au(i) s˜o vetores cujas coordenadas tˆm valores muito pr´ximos.52.52. a solu¸ao de partida j´ era bastante c˜ a razo´vel. 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.0301 Se procedermos ao escalonamento. a Para conferir.0842.2. a oe u ´ E preciso tamb´m colocar um crit´rio de parada.502 vezes a segunda linha.0167 0. 0 Com a limita¸ao do n´ mero de algarismos significativos.94).04 0.0301 Agora queremos obter w do sistema Aw = b − Au(0) . no a a c˜ c˜ a c´lculo de b − Au(i) . em (ii) trocamos as posi¸oes da segunda e da terc˜ ceira linhas e em (iii) subtra´ ımos da terceira linha 0. O sistema escalonado fica   0. mesmo com a possibilidade de refinamento. Isto diminui sensivelmente o ac´ mulo de erros. for usada precis˜o dupla (isto ´. As transforma¸oes do lado direito s˜o c˜ a         0. De fato. com a u(1) = u(0) + w. Melhores resultados s˜o obtidos se. O crit´rio pode ser feito nas solu¸oes u(i) ou nos testes Au(i) .33 −2. 0. Somando com u(0) obtemos ı u(1) = (−4.03  .04 (i) (ii) (iii)  0.03  . somente no vetor de termos ina a dependentes do lado direito.44  .04. Vale a pena o leitor fazer mais algumas etapas.667 vezes a primeira linha.0267 0.0597).04 b − Au(0) =  0. o dobro de algarismos significativos). 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.96 3. 0.53  . 0 3 2 −1 0 sempre usando 3 algarismos significativos. c˜ Ent˜o n˜o precisamos fazer tudo de novo no lado esquerdo. Ou seja. 3.0543.44 −4. w2 . notamos que Au(1) = (−1.0167  −→  −0. e conferir os seguintes valores: a     −4. para chegar ` etapa seguinte.04 3 1 2  0 1. 0 −0. 0. com erro absoluto m´ximo de 0.

. . com algum crit´rio de parada. .. pode-se comparar o quanto u ˆ ˆ as coordenadas variam.7  −1.0 A =  −3.2 −5.0 3. chamando-a de u(0) . em geral.5. significando 5% de varia¸ao). olhando para os n´ meros u |un − un | ˆ |u1 − u1 | ˆ .5 b =  −4.5. a Exerc´ ıcio 2. (c) Agora fa¸a a seguinte experiˆncia: escreva o mesmo sistema. . O problema ´ quando o denominador ´ igual a zero.2. isto ´.2 −5. se u(i) = (u1 .. u2 . .4 3. o programa deve utilizar o “hist´rico” do escalonamento. c˜ Exerc´ ıcio 2. . SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 35 Por exemplo.4 ˜ 2.5   . un ).0 −4.6 2 5. acrescentando o refinamento. os multiplicao e dores e as trocas de linha (para que n˜o se repita tudo a cada etapa).6 2. pode alterar drasticamente a solu¸ao.5  .5 −0.47 0. obtivemos e       −3. Isto c˜ mostra que o refinamento tamb´m ´ limitado pelo arredondamento inicial que. mas a partir da´ ache sua solu¸ao usando o m´ximo de algaı c˜ a rismos significativos que sua calculadora permite. .94 0. num sise e tema mal-condicionado.0 −2. calculando b − Au(0) com dupla precis˜o. A =  0. Compare com a solu¸ao exata.0 −4.0  p= 3  x(0) =  −7. a Exerc´ ıcio 2.40 1.0 1 4. u2 .2 e sua solu¸ao obtida com c˜ c˜ 2 algarismos significativos.90 −1.05. |u1 | |un | e pedindo que eles sejam menores do que um certo valor (por exemplo. 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.9 −2.10 Tome o sistema discutido na Subse¸ao 2.11 Considere o sistema  1/2 1/3 1/4  1/3 1/4 1/5 1/4 1/5 1/6  −1 0  . c˜ (b) Resolva-o com dois algarismos significativos. . . un ) e u(i+1) = (ˆ1 .9 Melhorar o programa que implementa o M´todo de Escalonamento com cone densa¸ao pivotal.1 Execute uma etapa de refinamento. . arredondando para dois c e algarismos significativos. . a Exerc´ ıcio 2. relativamente. .12 Dado o sistema linear Ax = b onde   −3. (ii) se uj = 0 e uj = 0. far´ com que o processo continue). ent˜o a varia¸ao ´ igual ˆ a c˜ e ˆ a c˜ e a 1 (o que.. Obtenha o refinamento u(1) . Para fazer o c˜ e refinamento.. 1 (a) Ache sua solu¸ao exata. . da etapa i para a etapa i + 1. 0. Pode-se convencionar que: c˜ e e (i) se uj = 0 e uj = 0 ent˜o a varia¸ao ´ zero. .

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)

.

n. |a12 | + |a13 | + . . O Crit´rio das Linhas garante que λi < 1.. j=1 j=i |aij | . Para as outras linhas todo o procedimento ´ an´logo. . . Ent˜o e a |x1 − x1 | ≤ λ1 ∆(k − 1) .. |a11 | que deve ser menor do que 1.n ent˜o a |xi logo ∆(k) ≤ λ∆(k − 1) .. para todo i = 1. . onde λi = 1 |aii | n (k) (k) − xi | ≤ λi ∆(k − 1) .. . como quer´ ıamos demonstrar! (k) − xi | ≤ λ∆(k − 1) .n (k−1) | ≡ ∆(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 . . 3. i=1.. . Se definirmos agora e λ = max λi . .40 Note..3 Crit´rio de parada e i=1.. . . |a11 | |a12 | + |a13 | + .. .. e sempre resultar´ e a a |xi para todo i = 1. pelo Crit´rio das Linhas. 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) . no entanto. + |a1n | . METODOS ITERATIVOS | ≤ max |xi − xi i=1. . + |a1n | ∆(k − 1) . n... ..n Da desigualdade ∆(k) ≤ λ∆(k − 1).

3. Embora a convergˆncia possa ser demonstrada matematicamente. na nota¸ao da Se¸ao anterior. .n (k) − xi | ≤ λ max |xi i=1...... principalmente se o n´ mero de v´rtices da grade u e for muito grande.´ 3.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. Sua efic´cia ficar´ demonstrada e e a a a partir de uma hip´tese mais fraca que o Crit´rio das Linhas.n (1 − λ) max |xi e finalmente i=1. embora ela seja muito lenta..n (k−1) (k−1) − xi | − xi (k) = λ max |xi ≤ λ max i=1. a varia¸ao relativa das solu¸oes aproximadas pode ser muito c˜ c˜ c˜ pequena.. chamada de M´todo de Gauss-Seidel.. 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.... chamada de Crit´rio de o e e .4...n (k−1) (k) − xi | Assim i=1.n (k−1) − xi | + λ max |xi i=1..... isto ´.n i=1.n 41 max |xi (k) − xi | ≤ λ max |xi i=1.......n i λ ∆max (x(k−1) ... Experimentos num´ricos evidenciam que de fato h´ convergˆncia do M´todo de Jacobi e a e e nesses casos.8. Entretanto este segundo crit´rio n˜o garante que a distˆncia entre e a a x(k) e x seja menor que p..... de ∆(k) ≤ λ∆(k − 1) segue que i=1. com e crit´rios menos exigentes que o Crit´rio das Linhas... mas e c˜ somente pelo Crit´rio das Linhas n˜o seria poss´ afirmar que haveria convergˆncia.. discutiremos nesta Se¸ao uma varia¸ao e e c˜ c˜ do M´todo de Jacobi. O METODO DE GAUSS-SEIDEL De fato.. 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.. ..4 O M´todo de Gauss-Seidel e O M´todo de Jacobi poderia ser aplicado nos problemas de contorno da Se¸ao 1.. o que significa. Muitas vezes a velocidade de convergˆncia do m´todo ´ muito e e e lenta e mesmo longe da solu¸ao.. para alguns c˜ c˜ valores de i.n + xi (k) − xi | (k) |xi (k−1) − xi | + |xi (k) (k) − xi | (k) ≤ λ max |xi i=1.. que λi = 1.. n.. se c˜ e e |xi (k+1) − xi | ≥ p|xi | (k) (k) para algum i = 1. 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. ..

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

|a11 | − x1 | ≤ β1 ∆(k) . i=1. . . mostramos que a − xi | ≤ βi ∆(k) . 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) . |a11 | |a12 | + |a13 | + |a14 | . 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. O METODO DE GAUSS-SEIDEL para todo i = 1. . para todo i = 1. 4. |a22 | β1 |a31 | + β2 |a32 | + |a34 | ∆(k) ≡ β3 ∆(k) |a33 | Continuando. |a44 | |xi (k+1) Em conclus˜o.4 .´ 3. Agora levamos em conta essa ultima inequa¸ao para mostrar que ´ c˜ |x2 (k+1) − x2 | ≤ β1 |a21 | + |a23 | + |a24 | ∆(k) ≡ β2 ∆(k) . sai c˜ |x1 (k+1) − x1 | ≤ |a13 | |a14 | |a12 | (k) (k) (k) · |x2 − x2 | + · |x3 − x3 | + · |x4 − x4 | .3. ent˜o |x1 Definimos β1 = para ficar com |x1 (k+1) (k+1) (k) − x1 | ≤ |a12 | + |a13 | + |a14 | ∆(k) . |a11 | |a11 | |a11 | a Como |xi − xi | ≤ ∆(k). n. .4.2. 3. 2.

β2 . e e 1 2 5 x w 7 3 y z 1 3 0 Exerc´ ıcio 3.i+1 | + .5 Considere a tabela acima. .. β1 = |a12 | + |a13 | + . da seguinte maneira. |aii | isto ´. . Compare a velocidade de cone e vergˆncia nos dois m´todos. βi−1 . y. ent˜o teremos ∆(k + 1) ≤ λ∆(k). para i ≥ 2. Primeiro. + βi−1 |ai. w0 ) = c c˜ . METODOS ITERATIVOS Se cada um dos n´ meros β1 . z. no numerador os βi ’s aparecem multiplicando os coeficientes da linha i ` esquerda e a da diagonal. + |a1n | .. .n Exerc´ ıcio 3.. β2 .44 ´ CAP´ ITULO 3.. Para um sistema linear de n equa¸oes e n inc´gnitas.2 Tente mostrar o Crit´rio de Sassenfeld n × n. y0 . 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).. . Use o M´todo de Gauss-Seidel para achar x. enquanto que os coeficientes ` direita da diagonal s˜o multiplicados por 1. o M´todo de Gauss-Seidel tamb´m tem a desiguale e e dade λ ∆(k) ≤ ∆max (x(k−1) . O a a coeficiente da diagonal aparece no denominador (como no Crit´rio das Linhas) e n˜o aparece e a no numerador. Os demais coeficientes s˜o definidos indutivamente. partindo de (x0 . i=1. β3 e β4 for menor do que 1. u a com λ < 1. Ent˜o βi se define como a a βi = β1 |ai1 | + . . + |ain | .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. x(k) ) 1−λ desde que λ = max βi seja estritamente menor que 1. o Crit´rio de Sassenfeld pode ser c˜ o e enunciado de forma indutiva. Fa¸a 4 itera¸oes. . |a11 | como no Crit´rio das Linhas. .i−1 | + |ai.8 satisfazem o Crit´rio de c˜ e Sassenfeld Exerc´ ıcio 3.3 Mostre que os problemas de contorno da Se¸ao 1. . e Exerc´ ıcio 3. Suponha e a que j´ tenham sido definidos β1 . . Analogamente ao M´todo de Jacobi. z0 .

5z + 1z + 1.) a Exerc´ ıcio 3. 0. O METODO DE GAUSS-SEIDEL 45 (0. Portanto eles s˜o equivalentes. 2].´ 3. 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). (d) Sabendo-se que a solu¸ao exata est´ em [−3. ´ c˜ a Queremos encontrar a solu¸ao do sistema (1) (ou (2)) usando o M´todo de Gauss-Seidel. 0). (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. 4] × [−1.5z = 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). 5] × [−2.   5x + 2y 2x − 5y  1x + 1y + 2. 0. c˜ e partindo de um certo chute inicial fixado (x0 . e arredondando para 2 algarismos significativos ap´s cada etapa. 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. ı e c˜ A qual dos dois sistemas devemos aplicar o M´todo de Gauss-Seidel segundo esse objetivo? e Justifique.8 o c˜ na p´gina 18.5z = 6 = 3 = 4 . y0 . z0 ).4.6 Considere o sistema linear Ax = b. 0.7 Considere os sistemas lineares  1z = 2  4x + 1y + 2x − 5y + 1z = 3 (1) e  1x + 1y + 1. (Veja a Se¸ao 1.

46 ´ CAP´ ITULO 3. METODOS ITERATIVOS .

Parte II Ajuste de Fun¸˜es co 47 .

.

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

1 Dados os pontos (−2. c˜ Al´m disso. . . Isto ´. e ´ conhecido como qui-quadrado (sem pesos. 5.4 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 . como vimos nas Se¸oes 1. N . i = 1. 2. levar´ a concluir que isso n˜o vale a pena. i = 1. . e procure adivinhar o resultado por antecipa¸ao.0.5 e A. .4). mas como? E desej´vel tamb´m que a f´rmula de f n˜o seja muito complicada. sempre podemos achar um polinˆmio de grau N − 1 tal que p(xi ) = yi .6). . N . . c˜ ´ E claro que o problema. Com isso.8. Isto e c˜ ´. e queremos avaliar o quanto uma e c˜ determinada fun¸ao f difere desses dados. Q(p) ´ zero e n˜o h´ c˜ e a a como encontrar uma fun¸ao melhor do que essa.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. ´ preciso estabelecer um crit´rio comparativo do que seja a qualidade de uma e e e aproxima¸ao. −0. . AJUSTE DE FUNCOES ¸˜ ´ desses dados. usando o crit´rio do qui-quadrado? Desenhe as retas e os pontos em papel e milimetrado antes de fazer as contas. ser´ necess´rio a a . e dentro desse conjunto menor c˜ de fun¸oes procurar aquela que melhor se adapte a nossos pontos. Esse n´ mero c˜ u u deve ser sempre n˜o-negativo. (6. . elevar essa diferen¸a ao c quadrado e depois somar os resultados obtidos para cada xi . c˜ O bom senso. a e o a pois isso facilitaria mais tarde sua utiliza¸ao como preditor.0 + 1.0.2 Os m´ ınimos quadrados Precisamos de uma medida num´rica para avaliar a qualidade de uma aproxima¸ao. que pode ser justificado por raz˜es o estat´ ısticas fora do alcance destas notas. (1.0).50 CAP´ ITULO 4. 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 . .32x. o para todo i = 1. na e Se¸ao 6. onde os xi ’s nunca se repitam. associando a f um n´ mero Q(f ). qual das duas fun¸oes se ajusta c˜ c˜ melhor aos dados. . x Exerc´ ıcio 4. c˜ 4.86x e f2 (x) = −1. De fato. (4. colocado dessa forma. para qualquer conjunto de dados (xi . . .5. Veja que o problema em alguns casos perde o sentido se n˜o a fizermos isso. Duas raz˜es concretas a a o podem ser dadas imediatamente: se a quantidade de dados for muito grande.8 + 0. no entanto. temos que avaliar. No entanto.6). f(xi ) yi xi Em palavras. a diferen¸a c entre o dado yi e o valor de f em xi . yi ).7. (3.6. podemos restringir bastante o universo das fun¸oes candidatas. para cada xi . yi ). Aqui adotaremos o mais comum deles. como decidir se uma fun¸ao se adequa mais aos dados do que outra? c˜ e c˜ 4. parece muito complicado. −1. a e c˜ Evidentemente h´ um certo grau de arbitrariedade no m´todo que escolhemos para dea e terminar Q. 4. temos uma cole¸ao de dados (xi .7) e as fun¸oes afins f1 (x) = −0. N .

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

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

R(T ) = 2 isto ´. Por outro e e aa ıcie lado 4 V (r) = πr3 . isto ´. onde t ´ o tempo (a vari´vel) e R0 .3. b) que melhor aproxime os dados experimentais.2) que a quantidade do is´topo c˜ o decresce (na maioria dos casos) exponencialmente. a taxa de perda de volume ´ proporcional ` ´rea da superf´ da bolinha. e gostar´ e a ıamos de achar o par (a. T ´ tal c˜ o e que R0 . a radia¸ao emitida por unidade c˜ de tempo R(t) obedece ` lei a R(t) = R0 e−αt . Portanto e c˜ e c˜ r(t) = r0 − αt . Cada reta n˜o vertical do a a plano ´ gr´fico de r(t) = a + bt. 3 de forma que 4 V (t) = V (r(t)) = πr(t)3 3 e ˙ V (t) = 4πr(t)2 r(t) . Num experimento. ou seja. o qui-quadrado ´ uma fun¸ao de duas vari´veis. e R0 = R0 e−αT . teremos uma s´rie de e dados (ti . A emiss˜o de radia¸ao ´ proporcional a quantidade de is´topo. ´ uma fun¸ao afim. que produza o menor qui-quadrado poss´ e ıvel. ri ) que se dispor˜o aproximadamente sobre uma reta. 2 . PARAMETROS 53 isto ´. b). Ao contr´rio dos problemas da densidade e da a caten´ria. onde r0 = r(0). b) teremos uma fun¸ao e c˜ a c˜ diferente a + bt e um qui-quadrado Q(a. ˙ logo r(t) ´ uma fun¸ao de derivada constante negativa. a c˜ a 4. ˙ ˙ Juntando as duas equa¸oes em V (t) e cancelando r(t)2 . Desta feita. o e a Admitindo a proporcionalidade entre a radia¸ao emitida e a quantidade do is´topo. supondo que o racioc´ ınio acima se confirme.3. Veremos mais adiante (Subse¸ao 17. e ´ oriunda a c˜ e ` o e de seu decaimento. aqui aparece uma fun¸ao que envolve dois parˆmetros. e emite radia¸ao. α s˜o dois parˆmetros. 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. ficamos com c˜ r(t) = −α . pois para cada par (a.ˆ 4. que pode ser detectada por um e o c˜ contador geiger.3. Ou seja.4 Decaimento exponencial Um material cont´m um is´topo radioativo.

c˜ a Escolha um tamanho l e divida o mapa em quadrados de tamanho l. 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 . fa¸a o experimento acima sugerido. ´ o o log-log. e Esse tipo de fun¸ao aparece ligado ao conceito de fractal. N (l) ´ proporcional a l−d . no decaimento de c˜ e a temperatura de um corpo em contato com um reservat´rio mais frio. Preste c˜ a a c˜ aten¸ao em desconsiderar valores de l muito grandes ou muito pequenos. por exemplo. pois o logaritmo de uma soma n˜o pode ser desmembrado. log f (x) ´ uma fun¸ao afim de log x. onde e d ´ a chamada dimens˜o fractal daquele peda¸o de litoral. Os pap´is mono-log. AJUSTE DE FUNCOES ¸˜ log 2 . atrav´s da determina¸ao e c˜ o e c˜ da quantidade de carbono-14.5 Leis de potˆncia e fractais e log f (x) = log c + α log x . e c˜ e e vendidos em algumas papelarias. em fun¸ao dos dados da abscissa. s˜o uma maneira de se plotar o logaritmo dos dados da a ordenada. sem fazer contas. a e Exerc´ ıcio 4. de forma que s´ haja uma maneira a u o de se dividir o mapa em quadrados.2 Munido de bons mapas. dentro dos limites inerentes ao experimento. Para exemplificar. a a . onde −α ´ sua derivada. Se realmente N (l) = cl−d ent˜o vocˆ ver´ uma reta a e a de inclina¸ao negativa. que tˆm dois parˆmetros. em busca de uma reta. e para cada l contamos N (l). para que se possa fazer uma an´lise razoavelmente detalhada.3. tome a linha c˜ do litoral. A experiˆncia tem e mostrado que. em rela¸ao ao is´topo mais abundante carbono-12: quanto c˜ o menor for a quantidade de carbono-14. a e 4. α O conceito de meia-vida ´ muito usado para data¸ao de f´sseis. fotografada num mapa de sat´lite.. Tomamos valores de l cada vez menores. 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. Em seguida contamos o n´mero N (l) de quadrados que u intersectam a linha do litoral. t. c˜ Isto n˜o vale quando o decaimento exponencial ´ assint´tico a um valor diferente de zero.54 equa¸ao que resolvida nos d´ c˜ a CAP´ ITULO 4.. mais antigo ´ o material. 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. mas cuja temperatura o n˜o ´ necessariamente zero. e o papel recomendado para se plotar os e c˜ dados. N˜o adianta tirar o logaritmo. onde fatalmente c˜ n˜o se ver´ uma reta. log R(t). e pode ocorrer. ou seja. Para fun¸oes f (x) = cxα . a a Esse tipo de fun¸ao tem trˆs parˆmetros. e suponha que a foto do sat´lite tenha boa e e resolu¸ao. 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. L(t) ≡ log R(t) ´ uma fun¸ao afim. 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. a e o em fun¸oes do tipo c˜ f (t) = b + ce−αt .

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

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

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

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

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

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

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

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

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

c˜ 5. . a2 . g 1 a1 + + g 1 . i=1 Com essa nomenclatura. onde k ´ o n´ mero de parˆmetros. g 2 a2 = = g1 . y g2 .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. .2 Construa um conjunto de dados e ajuste uma reta. . Denotaremos por gl . 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. e u a A fun¸ao Q. que o torna muito mais simples de memorizar! Exerc´ ıcio 5. y . . Aqui vale a pena introduzir uma nota¸ao simplificadora. . g 1 a1 g 2 . que d´ o erro do ajuste. usando o exposto nesta Se¸ao. dada por c˜ a f (x) = a1 g1 (x) + a2 g2 (x) + . . y a soma N gl (xi )yi .. n˜o necessariamente a passando pela origem. . . sendo que somente a os termos independentes usam os yi ’s. . gm a soma c˜ a N gl (xi )gm (xi ) i=1 e por gl . + ak gk (xi ) − yi )2 . ak ) = i=1 (a1 g1 (xi ) + a2 g2 (xi ) + . . . g 2 a2 g 2 . reescrevemos o sistema linear: g 1 . ak : c˜ a a N Q(a1 . . que tornar´ muito mais f´cil a c˜ a a aplica¸ao do acima exposto em problemas pr´ticos.64 ˆ CAP´ ITULO 5. depende agora dos k parˆmetros a1 . + ak gk (x) .

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

0 23. e a cada litro colocado (x) medimos a distens˜o y do el´stico. 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. que pode ser facilmente medida a a por uma r´gua. a a Os dados encontrados est˜o na tabela abaixo. e 5. FUNCOES LINEARES NOS PARAMETROS ¸˜ e. colocamos ´gua a o a c˜ a no balde. 5.0 5. onde gl . O el´stico a o a ´ forte.0 1. 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.5 34. . Com uma jarra.1 Dinamˆmetro o Suponha que precisemos usar um el´stico como dinamˆmetro.0 54. y = c gl (x)y(x)dx . cujo peso n˜o ´ suficiente para distender o el´stico (melhor ainda. serve para colocar a e a o el´stico muito pr´ximo ` posi¸ao de repouso. depois de uma simples manipula¸ao da equa¸ao. gm = c d gl (x)gm (x)dx d e gl . chegando a c˜ c˜ g l . . por uma ponta. + g l .5 42. ao a inv´s de uma soma. e esticado). penduramos o el´stico no teto. y . e ag¨ enta v´rios quilos.0 47.66 ˆ CAP´ ITULO 5. fa¸amos dois exemplos nesta Se¸ao.5 . um para o caso a c c˜ discreto e um para o caso cont´ ınuo. g 2 a2 + .7. e na outra atrelamos um a balde. exceto pelo fato de que os “produtos escalares” s˜o calculados por uma integral. g k ak = g l .5 53.7 Exemplos Para que n˜o fique tudo muito abstrato. para pesar objetos. Juntando-se as k equa¸oes resulta um sistema linear idˆntico `quele obtido no caso disc˜ e a creto.5 13. g 1 a1 + g l .5 55.0 50. e Para tanto.

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

2 logo a3 deve estar pr´ximo de −0. e que a2 teria que ser negativo.0088925. aproximadamente.0088925x4 ´ compat´ e ıvel com os dados (pelo menos visualmente). g1 (x) = π 2 −π 2 1 · 1dx = π .7. por exemplo. para saber se n˜o houve algum erro de conta. Por exemplo. E o caso de g1 . a3 teria que ser negativo. 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). 12 π 2 x4 dx = −π 2 π5 . quanto devem ser. Temos que calcular os produtos escalares. Al´m disso. o Veremos se nossos palpites se confirmam. π ]. a e o 2 2 Antes de resolver o problema. Para que o polinˆmio se anule em π ´ preciso e o 2 e que π 2 1 + a3 =0.4.28427x3 + 0. FUNCOES LINEARES NOS PARAMETROS ¸˜ Calculando os coeficientes e resolvendo. desta vez de grau 2. 80 e do lado dos termos independentes π 2 cos x = 2 . vale a pena investigar o que achamos que ser´ o resultado.5040x2 − 0. a g1 (x). a2 = −0. para a e poder criar o ponto de inflex˜o na regi˜o x > 0. 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 .68 ˆ CAP´ ITULO 5. Recomenda-se verificar se a fun¸ao obtida c˜ f (x) = 2. que agora s˜o integrais. Precisamos calcular π 2 x2 dx = −π 2 π3 . os e o valores dos coeficientes? Como o cosseno vale 1 em x = 0. g2 e g2 . Este teste sempre vale a pena em c a problemas de ajuste.28427 e a3 = 0. junto com os dados experimentais. Gostar´ ıamos de aproxim´-la tamb´m por um polinˆmio. 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. Se o leitor tentar resolver o sistema por conta pr´pria ver´ que ele ´ extremao a e mente mal-condicionado. Algumas integrais s˜o nulas. A solu¸ao apresentada foi obtida com 10 algarismos significativos. a Outro teste de compatibilidade m´ ınimo ´ observar que a1 teria que ser realmente positivo.2 Cosseno aproximado por um polinˆmio o Para exemplificar um ajuste linear cont´ ınuo. a a 5. ´ uma fun¸ao par. tomemos a fun¸ao y(x) = cos x no intervalo c˜ [− π . c˜ e arredondada somente ao final para 5 algarismos significativos. e isso pode ser feito atrav´s de seu e esbo¸o no gr´fico. g3 . obtemos a1 = 2. −π 2 . e pois a concavidade do gr´fico ´ para cima em x = 0.5040.

embora o Cap´ ıtulo 7 possa ser compreendido sem o aux´ do Cap´ ılio ıtulo 6. obt´m-se a1 = 0. por ser ´ e ımpar. ı ` c˜ no intervalo [0. como discutimos na Subse¸ao 2. e 1 gl . tem problemas quando implementado e ´ numericamente. 12 5 3 π 1 2 π 0 80 | 2 π − 4 12 Da segunda equa¸ao conclui-se imediatamente que a2 = 0.0 0.98016 e a3 = −0. com l = 0. . . ı Exerc´ ıcio 5.65 . Antes. Por exemplo.50 4. c˜ o e valores bem pr´ximos das estimativas iniciais.0 1. . Resolvendo o sistema.25 2. e c˜ O sistema linear fica igual a   3 π 0 π | 2 12 3   0 | 0  0 π  . investigando. 0. 1] por um polinˆmio o f (x) = a0 + a1 x + .5. o que reduz o sistema linear a duas c˜ equa¸oes e duas inc´gnitas. Exerc´ ıcio 5. quest˜es o como a unicidade. e resta calcular π 2 69 x2 cos x . −π 2 1 usando a t´cnica de Integra¸ao por Partes duas vezes.0 1.00 3. 2]. .0 0.0 1. . discorreremos um pouco mais e e abstratamente sobre o m´todo dos m´ e ınimos quadrados. por´m. + ak xk . no caso do ajuste de uma fun¸ao y(x) definida no intervalo c˜ [0.41777. E comum que os sistemas lineares a serem resolvidos sejam muito mal condicionados. apesar de simples.4 Ajuste f (x) = a + b(x − 1)2 por m´nimos quadrados a fun¸ao y(x) = x3 − 3x. l+m+1 Isto implica que a matriz dos coeficientes do sistema linear ´ uma matriz de Hilbert.3 Ajuste f (x) = a(arctan x)2 aos seguintes dados xi yi por m´nimos quadrados. dando 2 π 2 − 4. EXEMPLOS a integral de x cos x ´ nula.2. que ´ e e um conhecido exemplo de matriz mal condicionada. .5. gm = 0 xl+m dx = 1 .7. c˜ No Cap´ ıtulo 7 discutiremos outra forma de se fazer ajustes. que s˜o especialmente uteis a ´ para ajustes polinomiais e trigonom´tricos.0 1. temos gl (x) = xl−1 . por exemplo. o O m´todo que apresentamos. k.

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

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

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

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

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

w . A fun¸ao f ´ a proje¸ao de y em G. . ou produto escalar em E. que entra no cˆmputo do qui-quadrado da o seguinte maneira: N Q(f ) = i=1 pi (f (xi ) − yi )2 . em geral em medidas experimentais. . e da´ seguem as conseq¨ˆncias que advˆm diretamente dessas e ı ue e propriedades. ent˜o c˜ a d h. 2. No entanto. notamos que o c´lculo do qui-quadrado pressup˜e uniformidade dos dados (xi . hn que gere E. Simetria: u. No entanto. yi ). Essas propriedades podem ser usadas para definir o produto interno. N˜o ´ dif´ mostrar que a defini¸ao acima de h. . sendo portanto uma solu¸ao do problema de ajuste. 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. Se h e f s˜o e a fun¸oes de E. dado o conjunto de fun¸oes c˜ c˜ g1 . u . . que foi a defini¸ao que usamos previamente. como fizemos com o determinante no Cap´ ıtulo A. tal que qualquer elemento de E possa ser e escrito como combina¸ao linear desses elementos. w = α u.6. u. a o isto ´. f no espa¸o a e ıcil c˜ c E ´ a de um produto interno. v = v. c˜ 6. isto ´. o conjunto de todas as suas combina¸oes lineares ´ um subespa¸o vetorial de dimens˜o finita de E (que chamaremos de G). 3. f = c h(x)f (x)dx . w + β v. s´ nos utilizamos c˜ c˜ o das propriedades do produto interno. a saber: 1.4 Outros produtos escalares: pesos Pensando novamente no caso discreto (mas com conseq¨ˆncias igualmente v´lidas no caso ue a cont´ ınuo). Positividade: se u = 0. Linearidade: αu + βv. . que certos dados e s˜o mais confi´veis do que outros. ´ comum sabermos. c˜ c˜ Observe o leitor que nas considera¸oes que fizemos nas Se¸oes anteriores. cada dado entra com igual peso na f´rmula e o N Q(f ) = i=1 (f (xi ) − yi )2 . . u > 0. . onde f ∈ G e ξ ∈ G⊥ . como nota¸ao. logo tem uma base ortonormal. 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 . O subespa¸o G tem dimens˜o finita.4. . 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 . . c˜ e c a Podemos tamb´m definir um produto interno. e minimiza a distˆncia de y aos c˜ e c˜ a pontos de G. gk (aquelas com as quais queremos fazer o ajuste).

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

. . . gl gl . . y al = . . . ... . . gk } fosse ortonormal. . que a fam´ de fun¸oes {g1 . .Cap´ ıtulo 7 Fam´ ılias ortogonais 7. . gl . . y Podemos observar que a resolu¸ao do sistema linear c˜ seria enormemente facilitada se as fun¸oes g1 . Isto ´ o mesmo que dizer que as fun¸oes g1 ... . g 2 a2 g 2 . gk s˜o todas ortogonais entre si e c˜ a ou. gl . gk satisfizessem a propriedade de que os c˜ produtos escalares mistos sejam nulos.1 Defini¸˜es e exemplos co g 1 . . . ılia c˜ e Neste caso. . g k . . g 1 a1 . g 1 a1 + + + g 1 . gk } ´ ortogonal. y g2 . . de modo similar. isto ´. . o c˜ c c˜ 77 . + . gl = 1 para todo ılia e l = 1. g 2 a2 . . . gl . e gl . . g k ak . . gk . . isto ´. . g k ak = = = = g1 . . gm = 0 . . gk . . g k . gl e portanto k f= l=1 y. g k . gl gl . + g 1 . ... . .. k. . y . + . se l = m. g 1 a1 g 2 . gl Melhor ainda seria se a fam´ {g1 . g k ak g 2 . g 2 a2 + + + . . pois a f´rmula ficaria o k f= l=1 y. ter´ ıamos gl . 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 .

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

Observe que come¸amos a numerar nossos polinˆmios a partir de zero. a O ponto central ´ a seguinte afirma¸ao. f1 . Em cada etapa. da o mesma forma que fizemos previamente. Procede-se assim: fixa-se f0 (x) ≡ 1 e calcula-se o primeiro polinˆmio f1 (x) = x + a. .0. fk } gera o subespa¸o formado por todos os polinˆmios de c o grau k (mostre isso como exerc´ ıcio. g = i=1 f (xi )g(xi ) . Agora suponha que o processo continua. . ´ 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 .2. . em rela¸ao a esse produto escalar.2. obtendo-se polinˆmios f2 . pois assim seu c o ´ ındice assim corresponder´ exatamente a seu grau. facilitando os argumentos.′′ onde ak e bk s˜o coeficientes apropriados. o c˜ isto ´ e xf1 (x) − f2 (x) = a2 f1 (x) + b2 f0 (x) . O valor de a ir´ depender do produto interno. Veremos logo adiante como usar tabelas de fun¸oes ortogonais. f3 . 4.2 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. exigindo-se c˜ o apenas que o coeficiente de mais alto grau seja sempre igual a 1. c˜ Exerc´ ıcio 7. somente e c˜ a com os polinˆmios fk−1 e fk−2 : “para todo k ≥ 2. xN ) como no caso cont´ ınuo (com qualquer intervalo de integra¸ao). 0.1 Considere (x1 . CALCULANDO POLINOMIOS ORTOGONAIS POR RECORRENCIA 79 do produto escalar utilizado que. . c˜ Exerc´ ıcio 7. 3. x3 .a obten¸ao dos polinˆmios ortogonais recai na c˜ c˜ o resolu¸ao de v´rios sistemas lineares.7. x4 ) = (0. Essa rela¸ao de recorrˆncia funciona tanto e c˜ e c˜ e no caso discreto (com qualquer conjunto de pontos x1 . 7. 1. e ´ a e escolhido de maneira que f0 .ˆ ˆ 7. com qualquer dos produtos c˜ internos que descrevemos. .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. {f0 . . se for o caso). por´m. etc. atrav´s de uma rela¸ao de recorrˆncia. em nosso caso. 0. x2 . f1 = 0. ou seja. a a o A boa not´ ıcia. . depende somente do intervalo de integra¸ao c˜ (e do peso. vale o xfk−1 (x) − fk (x) = ak fk−1 (x) + bk fk−2 (x) . No entanto. f4 . com um argumento indutivo). .” Note que para k = 2 ela ´ verdadeira porque a e xf1 (x) − f2 (x) ´ um polinˆmio de grau 1 (o termo x2 cancela. de graus 2. 2π] c˜ a (admitindo-se o produto escalar com peso uniforme). pois os coeficientes de mais alto grau s˜o e o a sempre iguais a 1). Ache p(x) = x2 + ax + b que seja ortogonal a q(x) = x. com ou sem pesos.3) e o produto escalar 4 f. para k ≥ 2. . como descrito na Se¸ao anterior. que permitir´ calcular fk (x). etc.

fk−2 bk = xfk−1 . a ent˜o fk . xfj (x) . veremos ı c˜ que xfk−1 (x). fk−2 . fj = 0 Para k ≥ 3 o racioc´ ınio ´ parecido. A´ entra o “pulo do gato”. fk−2 = ak fk−1 .. . fk−1 . . . usamos o fato de que. fj (x) = 0 . f0 . a c˜ c˜ Optamos pelo contr´rio porque a afirma¸ao n˜o parece ser muito ´bvia. . f1 . se j ≤ k − 3. fk−2 xfk−1 . Como xfj (x) tem grau j + 1. . sendo apenas necess´rio calcular ak e bk . fk−1 . ent˜o xfj (x) pode ser escrito e a como combina¸ao linear de f0 . fk−2 + bk fk−2 . fk−1 . fj = 0. c˜ Talvez fosse mais did´tico apresentar o uso da afirma¸ao antes de sua demonstra¸ao. fj = 0 e fk−2 . Ou seja. fk−2 . fk−1 = ak fk−1 . O e a polinˆmio o xfk−1 (x) − fk (x) ˜ para todo j ≤ k − 3. basta mostrarmos que Como f e o a ˜ f . fk−1 − fk . e o produto interno resulta nulo. restando apenas mostrar que a xfk−1 (x).. mas h´ uma pequena dificuldade a resolver. 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 ). . pois se observarmos as defini¸oes dos produtos internos.80 CAP´ ITULO 7. FAM´ ILIAS ORTOGONAIS tem grau k − 1. ˜e A nossa afirma¸ao estar´ demonstrada se provarmos que f ´ identicamente nulo. Segue que ele pode ser escrito como combina¸ao c˜ ˜ linear dos vetores fk−1 . c˜ a ˜ ´ um polinˆmio de grau no m´ximo k − 3. Isolando f na express˜o acima. e j + 1 ´ menor do que k − 1.3 Obtenha os quatro primeiros polinˆmios ortogonais usando o m´todo acima o e descrito. fk−2 − fk . Para isso. fk−2 . . fk−2 . fk−1 Exerc´ ıcio 7. fk−1 resulta ak = e de resulta xfk−1 . fj (x) = fk−1 (x). fk−1 + bk fk−2 . para o produto interno 1 f. f1 . de xfk−1 . 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) . fj = 0. Ent˜o a c˜ o a ˜ xfk−1 (x) − fk (x) = ak fk−1 (x) + bk fk−2 (x) + f (x) . Chamaremos de f a parte dessa combina¸ao linear c˜ que corresponde ` combina¸ao de polinˆmios fj com j ≤ k − 3. pois o termo xk se cancela. g = −1 f (x)g(x)dx .

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

Al´m a e disso 2πl 2π 1 l 1 sen2 udu = sen2 udu . S´ nos resta obter o al = 1 0 x(1 − x) cos(2πlx)dx 1 2 . d]. . cos(2πl ) . donde o c˜ rela¸ao a x = 2 . k. e mesmo assim gostar´ ıamos de aproxim´-la por fun¸oes trigonom´tricas. 1 a c˜ para todo l = 1. FAM´ ILIAS ORTOGONAIS 2π y(x) sen(lx)dx . . que tem norma 1. 2. faremos a an´lise harmˆnica de y(x) = x(1 − x) (uma par´bola) no a o a intervalo [0. d−c d−c Para exemplificar. . . sen2 (2πlx)dx = 2πl 0 2πl 0 0 e analogamente 1 0 2π 2π cos2 (2πlx)dx = 2πl2 0 2π cos2 u . que vale 1 . intervalo for escrito como [c. e as fun¸oes sen(2πlx) s˜o ´ c˜ 1 produto das duas ´ ´ e ımpar em rela¸ao a x = 2 . que s˜o c˜ a ortogonais entre si. Mas a´ se o a c˜ e ı. 1] ´ sim´trico em torno c˜ e e 1 a de x = 2 . usando que cos 2u = 1 − a 2 sen2 u = 2 cos2 u − 1). O fator 2π em a0 corresponde ` norma ao quadrado da fun¸ao 1 a 1. para todo l ≥ 1. Teremos que usar as fun¸oes 1. . Temos a mais f´cil. 1]. . basta usar as fun¸oes c˜ 1 . . 6 Depois observamos que os bl ’s s˜o todos nulos. . 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 . portanto todas as normas ao quadrado s˜o iguais a 1 . Como o intervalo [0. Com a primeira fun¸ao ´ a pr´pria integral de x(1 − x). 1 Primeiro calculamos as normas ao quadrado. . excetuando-se a 2 a primeira fun¸ao. As integrais 0 sen2 udu e 0 cos2 udu s˜o iguais a π (prove. 2π]. Isso porque a fun¸ao x(1 − x) ´ par em a c˜ e 1 c˜ a ımpares em rela¸ao ao mesmo ponto. ent˜o 1 0 x(1 − x) sen(2πlx)dx = 0 . Ent˜o c˜ e o 6 a0 = 1 0 1 · x(1 − x)dx 1 0 1 · 1dx = 1 . 3. 2.82 e bl = 1 π 0 CAP´ ITULO 7. sen(2πl x−c x−c ) . l = 1. 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 os fatores π nos demais termos correspondem ` norma ao quadrado de cada uma das fun¸oes restantes (prove tamb´m isto!). c˜ e Esse tipo de ajuste ´ chamado de an´lise harmˆnica. cos(2πlx). . 2. sen(2πlx). . l = 1. 0 1 · 1dx = 1..

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

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

3 obtivemos os polinˆmios ortogonais c˜ o f0 (x) = 1. f3 (x) = x3 − 3 x. respectivamente de mesmo o a c˜ e a o grau. Os polinˆmios procurados s˜o dados por fl = fl ◦L.´ 7. tamb´m ser˜o polinˆmios. 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. Vejamos um exemplo. dada por L(x) = −1 + 2(x − 1) = 2x − 3 ˆ (procure sua pr´pria maneira de ach´-la!). no caso de as fun¸oes f0 . Achamos primeiro a fun¸ao afim L que leve o a c˜ intervalo [1. 1]. . para ilustrar. . relativamente ao produto interno 3 5 usual no intervalo [−1. 2] no intervalo [−1. a o Al´m do mais. f1 . 2]. Na Se¸ao 7. . serem poe c˜ ˆ ˆ linˆmios ent˜o as fun¸oes f0 . f1 (x) = x.5. . 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 . 1]. 2π]. Ent˜o procedemos como descrito acima. 1]. . 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. . f1 . mas no exemplo fizemos a an´lise harmˆnica adaptada para o intervalo [0. f2 (x) = x2 − 1 .

FAM´ ILIAS ORTOGONAIS .86 CAP´ ITULO 7.

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

.

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

o meio oferece resistˆncia ao movimento. encontramos x pela intersec¸ao de ¯ c˜ {y = x3 } com {y = 10}. No caso da ıvel bolinha. ela ´ bastante alta. e cai sob a for¸a da gravidade.2 Raiz c´ bica de 10 u Suponha que queiramos achar um n´ mero x positivo tal que x3 = 10. estamos procurando a raiz de f (x) = x3 −10. Observe tamb´m que o problema ´ equivalente e e a resolver a equa¸ao c˜ x3 − 10 = 0 . como mostra a figura ao lado. u Graficamente. da altura h0 . Levando em conta que a queda n˜o ´ completamente a c a e livre. y=x3 10 y=10 x 8. isto ´. No caso do p´rac a e a quedista. . Esse n´ mero ´ o que u√ ¯ ¯ u e denominamos a raiz c´ bica de 10. uma bolinha que parte do repouso ` altura h0 dentro de um tubo cheio a d’´gua. a a alternativamente. Ou. 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. a velocidade inicial ´ zero e cresce com o tempo. ou seja. 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.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. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ 8. ou 3 10. e Empiricamente.90 ´ CAP´ ITULO 8. constata-se que o meio oferece resistˆncia ao movimento com uma for¸a e c tanto maior quanto maior for a velocidade.

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

g g Agora. A vari´vel s ´ usada a a e como auxiliar. 0 t onde h(0) = 0. 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. g g v∗ v∗ [v(0) − v ∗ ] + v ∗ t − [v(0) − v ∗ ]e− v∗ t . para diferir do extremo de integra¸ao. pela maneira como fixamos a coordenada. Assim. isso corresponde a a achar a ´rea sob a curva v(t). 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) . se quisermos achar T tal que h(T ) = h0 . teremos que resolver a equa¸ao c˜ h0 = g v∗ v∗ [v(0) − v ∗ ] + v ∗ T − [v(0) − v ∗ ]e− v∗ T . g g Chamando A = B C D = = = v∗ [v(0) − v ∗ ] − h0 g v∗ v∗ [v(0) − v ∗ ] g v∗ g .92 ´ CAP´ ITULO 8. t h(t) − h(0) = v(s)ds . No gr´fico de velocidades.

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

A rela¸ao entre h e θ ´ simples: r cos θ + h = r. a e a a a A ´rea excedente ´ o produto d1 d2 . ou seja. A(2r) = πr2 e A(r) = 1 πr2 .94 ´ CAP´ ITULO 8. a a e lembrando que para θ = 2π a ´rea ´ πr2 : a e θ = 2π θ 1 −→ πr2 =⇒ a(θ) = θr2 . Logo a e A(h) = θr2 − r2 sin θ cos θ = r2 (θ − 1 sin 2θ) . a parametrizado pelo ˆngulo θ. e o excedente ´ a ´rea de dois triˆngulos-retˆngulos. 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. o volume o v(θ) depende de θ pela f´rmula o v(θ) = lr2 (θ − 1 sin 2θ) . que chamaremos de A(h). como se fossem as mara cas de um rel´gio (pode-se fazer uma escala vertical. Resumindo. 2 . o mas as contas ficar˜o mais complicadas). onde d1 = r cos θ e d2 = r sin θ. −→ a(θ) 2 Como mostra a figura. h = r(1 − cos θ). Note que h varia entre 0 e 2r. 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. Essa conta sugere que talvez seja mais f´cil fazer a escala ao longo do contorno do cilindro. c˜ e Lembremos agora que a ´rea de um setor de ˆngulo θ pode ser achada por regra de trˆs. a ´rea que queremos calcular ´ menor do que a ´rea de dois setores a e a de ˆngulo θ (perfazendo θr2 ). a 3l 2l θ=0 1l ´ a E f´cil ver que a mesma f´rmula vale quando h > r (verifique!). e que A(0) = 0. 2 θ=π lembrando que θ depende de h pela rela¸ao h = c˜ r(1 − cos θ).

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

a partir da posi¸ao de e c˜ a c˜ um unico ponto da corrente (excetuando o ponto de m´ ´ ınimo). c˜ Em seguida passamos a cercar a raiz com intervalos. M´todos mais sofisticados ser˜o estudados nos pr´ximos Cap´ c˜ e a o ıtulos. isto ´. Para calcular c explicitamente. ao qual chamaremos provisoriamente de c0 : e c0 = a0 + b 0 . a0 x* b0 No desenho ao lado. um zero da fun¸ao e a e c˜ F (c) = cosh(cx0 ) − cy0 − 1 . cada intervalo com um tamanho igual ` metade do tamanho do intervalo anterior. podemos achar o parˆmetro c. e a e e cosh(cx0 ) − cy0 − 1 = 0 .6 M´todo da Dicotomia e Nesta Se¸ao apresentaremos o M´todo da Dicotomia. Esse a c˜ primeiro passo depende muito do conhecimento pr´vio que e se tem a respeito da fun¸ao. o parˆmetro c ´. e um deles ´ c = 0.3. a Para tanto. 2 . e f f (a0 ) · f (b0 ) < 0 . y0 ) = (0. 2. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ Na Subse¸ao 4. Suponha que a corrente passa por um certo ponto (x0 . Sejam a0 e b0 os extremos desse intervalo. c˜ a atrav´s de um ajuste de fun¸oes. Graficamente.96 ´ CAP´ ITULO 8. 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. 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 .2 propusemos uma maneira de achar o parˆmetro c experimentalmente. Aqui veremos que. Observamos ent˜o que a fun¸ao assume valores com sinais a c˜ opostos nesses extremos. no entanto. 0). pois 23 − 20 < 0 e b0 = 3. Como c n˜o pode ser c˜ e a zero (pois aparece no denominador. Seria ao contr´rio se no desenho a fun¸ao fosse decrescente. Isso significa que y0 = f (x0 ) = Ent˜o a isto ´. Da convexidade do cosseno hiperb´lico segue que h´ a c˜ o a apenas dois pontos onde as fun¸oes coincidem. na express˜o da fun¸ao f ). a Para ilustrar o m´todo. que ´ um m´todo intuitivo de se achar c˜ e e e a raiz de uma fun¸ao. f (a0 ) < 0 e f (b0 ) > 0. Escolhemos o ponto m´dio do intervalo. y0 ). pois 33 − 20 > 0. Escolhemos a0 = 2. reduziremos o problema a achar o zero de uma fun¸ao cuja vari´vel ´ o parˆmetro c˜ a e a c. necessariamente. no caso n˜o linear. ´ necess´rio algum m´todo num´rico. ent˜o c fica completamente a c˜ a determinado uma vez dado (x0 . Observe que achar x∗ tal que e c˜ f (x∗ ) = 0 ´ o mesmo que achar a raiz c´ bica de 20. usemos a fun¸ao f (x) = x3 − 20. c 8. e u 1. 1 (cosh(cx0 ) − 1) .

75) = 2.7144 ± 0.713867188 2.013 19.715 ± 0. portanto o erro em assumi-la com o valor de cn ´ a e b n − an . o que nos faz definir o novo intervalo aa [a2 .5 2. colocamos os dados numa tabela.5. 3.625 2.008 2.625 2. agora com o intervalo [a1 .016 2.75 .5 2.989 19.´ 8.63 ± 0. No entanto em cada etapa s´ sabemos com certeza que a raiz o est´ entre an e bn . De posse desse valor.6875 2.5 2.712890625 2.796875 > 0 .71484375 2.0020 2.12 19.2 19.71875 2. Conclu´ ımos que x∗ est´ ` direita de c0 .6.375 < 0 .71875 2. Conclu´ ımos que x∗ est´ ` esquerda de c1 .703125 2.71484375 2. Prosseguindo. o que nos faz definir o novo intervalo aa [a1 . b0 ] .04 2. calculamos o ponto m´dio e a1 + b 1 c1 = = 2. Avaliamos f em c1 : f (c1 ) = f (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 2.71484375 2.6 20.75 2.714355469 2. c0 = 2.0006 3 rn 15. ou seja.703125 2. Primeiro determinou-se o erro e c˜ 1 (bn − an ).75 19.25 2.75 ± 0. com todas as casas decimais poss´ ıveis.7109375 2. escolheu-se o n´ mero u 2 . com um erro en a e garantindo que a raiz esteja entre rn − en e rn + en .75 2.7129 ± 0.005 2. b1 ]. b1 ] = [c0 . 97 4. calculamos os extremos e centros dos intervalos usando todas as casas decimais dispon´ ıveis na calculadora.6875 2. O crit´rio para a determina¸ao de rn e en foi o seguinte.69 ± 0.71875 2.07 2. c1 ] .7109375 2. Testamos o valor de f em c0 : f (c0 ) = f (2.8 18.0011 2.5) = 2.703 ± 0.713867188 2.966 19.5 20. 2 5. METODO DA DICOTOMIA Neste caso.5 ± 0.53 − 20 = −4. 2 Os valores de rn s˜o arredondamentos de cn at´ uma certa casa decimal.9996 Na tabela.13 2.6875 2.7139 ± 0.75 2.712890625 2.93 20.7109375 2. Repetimos o procedimento 2).71875 2.753 − 20 = 0.75 2.5 3 2.711 ± 0.72 ± 0. b2 ] = [a1 .71484375 2.

sen˜o a condi¸ao (ii) pode n˜o ser satisfeita). tudo bem. 14. . rn + en ] contenha o intervalo [an . .71875 na segunda casa decimal.03125.76 > b4 . 8 e 9. 15. 1 ou 2. en teria que ser ligeiramente aumentado. (ii) tomando rn como o arredondamento de cn na casa decimal correspondente a´ ` ultima casa decimal de en .04 = 2. 7. 4. 3. respeitando (i). Se essa condi¸ao n˜o c˜ a fosse satisfeita. 24. (iii) en seja o menor poss´ ıvel. 12. .72 − 0. 11. bn ]. Em seguida arredondamos a c˜ a ´ c4 = 2. . para n = 4 temos 1 (b4 − a4 ) = 0. o intervalo [rn − en . O crit´rio dessa escolha baseou-se num e certo grau de “razoabilidade”. ent˜o tomamos e4 = 0. 6.03. 25. E preciso a´ testar a condi¸ao ı c˜ (iii): 2. 13. 5.72 + 0..68 < a4 e 2.04 = 2. de forma que: (i) o primeiro ou os dois primeiros algarismos significativos de en sejam uma dentre as possibilidades 10.98 ´ CAP´ ITULO 8. a a Por exemplo. (ii) e (iii) ao mesmo tempo. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ de algarismos significativos para expressar en . obtendo r4 = 2.04 (n˜o 2 podemos usar 0.72.

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

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 ). n˜o ´ suficiente para que o plano dˆ certo. no entanto. converge para algum ponto fixo? Fa¸a o mesmo para x0 = 2. As vezes essa vari´vel pode ser colocada na f´rmula ´ a a o .5. por exemplo. a fun¸ao ϕ esbo¸ada a c˜ c tem 2 pontos fixos (suas quatro ra´ n˜o nos interessam).5. Por outro lado tem-se que ϕ(xk ) = xk+1 . pense nisso!). Como ϕ(xk ) tende a ϕ(x∗ ). e depois c para x0 = 1. a conclus˜o ´ que x∗ a e e ϕ(x∗ ) tˆm que ser iguais! e Para resumir. ϕ seja uma fun¸ao cont´ c˜ ınua. a diagonal.1 Determine os pontos fixos (se houver) de ϕ(x) = x2 − x + 0.100 ´ CAP´ ITULO 9. adiantada no ´ ındice k de uma unidade. existe uma vari´vel de mem´ria que a a o ` guarda a resposta do ultimo c´lculo. ao contr´rio das ra´ de f . A seq¨ˆncia a ue ue converge? Se converge. se xk tende a x∗ . Todo ponto x para o qual se tenha ϕ(x) = x ´ chamado de ponto fixo da fun¸ao ϕ. 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. Exerc´ ıcios de itera¸ao ficam bem mais f´ceis com uma boa calculadora cient´ c˜ a ıfica. Algumas vezes ´ preciso iterar bastante. no m´ ınimo. ent˜o a seq¨ˆncia ϕ(xk ) ´ a pr´pria seq¨ˆncia a ue e o ue dos xk . METODOS ITERATIVOS 9. 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. no m´ c˜ c˜ e ınimo. Supondo que.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∗ . ent˜o xk tende a a ϕ(x∗ ). Em algumas calculadoras. Construa a seq¨ˆncia de iterados xk+1 = ϕ(xk ) a partir de x0 = 0. ent˜o ϕ(xk ) deve tender a ϕ(x∗ ) (´ a defini¸ao de fun¸ao cont´ a e c˜ c˜ ınua. notamos que. Esta condi¸ao. 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. O que e c˜ acabamos de concluir ´ que a fun¸ao auxiliar ϕ deve ter a raiz x∗ de f como ponto fixo. como veremos mais c˜ a e e adiante. Na figura abaixo. valha ϕ(x∗ ) = x∗ . mas se xk tende ao mesmo tempo para x∗ e para ϕ(x∗ ). Ora. que s˜o localizadas pelo cruzamento a a ızes a do gr´fico de f com a abscissa (y = 0). Esboce o gr´fico de ϕ. ızes a ϕ 1 0 1 0 1 0 1 0 Exerc´ ıcio 9.

ou mesmo e u ϕ(x) = x + α(x)f (x) . em seq¨ˆncia. e de maneira surpreendentemente simples! Para come¸ar. (ii) escreve-se “Ans2 − Ans + 0. Em conclus˜o.3. O que acontece com a seq¨ˆncia de ue iterados? 9. isto ´. ıe o a ue Se a calculadora n˜o dispuser desses recursos.5 e aperta-se “EXE”. a Procede-se assim. apertase “EXE” e aparece a resposta 1. defina c c˜ c˜ e ϕ(x) = x + f (x) . O que acontece com a seq¨ˆncia de ue iterados? Exerc´ ıcio 9. que ´ o x1 (e esta resposta ´ armazenada em “Ans”.9. fazendo com que 1. Inversamente. e e substituindo o valor anterior). onde α(x) ´ uma fun¸ao (cont´ e c˜ ınua) qualquer. Por exemplo. a possibilidade de se fazer um pequeno programa em computador a e e para realizar essas contas.5: (i) escreve-se 1. 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”.25.2 Tome ϕ(x) = 3. Calculadoras que permitem colocar a f´rmula inteira antes de fazer a conta o s˜o as melhores para isso. onde α ´ um n´ mero real qualquer.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∗ .5 e ϕ(x) = x2 − x + 0.1x(1 − x) e x0 = 0. se x∗ for um ponto fixo de ϕ ent˜o x∗ ser´ e e a a tamb´m uma raiz de f .5 seja armazenado em “Ans”. isto ´. a H´ tamb´m. ´ claro. FUNCOES AUXILIARES CANDIDATAS ¸˜ 101 completa.3. x∗ ´ um ponto fixo de ϕ.3 Tome ϕ(x) = 4x(1 − x) e x0 = 0. que ´ o x1 . 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. em algumas calculadoras CASIO essa vari´vel chama-se “Ans”. para x0 = 1. Guarde o resultado xk na mem´ria e procure us´-la na hora o o a de calcular xk+1 . Note que se x∗ for uma raiz de f ent˜o a ϕ(x∗ ) = x∗ + f (x∗ ) = x∗ . mesmo assim ela deve ter maneiras de a armazenar valores em mem´ria. (iv) o e a a partir da´ ´ s´ ir apertando “EXE” que v˜o aparecendo os xk ’s. assim aparecer´ o valor de x2 .3. . Qualquer linguagem que lide facilmente com n´ meros reais serve u para isso. (iii) apertando “EXE” novamente a calculadora far´ a mesma a conta. Exerc´ ıcio 9. s´ que a partir do novo valor de “Ans”. tome a fun¸ao f (x) e adicione a ela a fun¸ao identidade.

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

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

5. 9. METODOS ITERATIVOS ϕ(x) x4 x3 x1 x2 x0 Exerc´ ıcio 9. Isto tamb´m significa c a e que perto de x∗ o gr´fico de ϕ s´ toca a diagonal no pr´prio x∗ . Sem isso. e c˜ e Muitas vezes um ponto tem mais do que uma pr´-imagem.7 Se a regra fosse “verticalmente at´ a diagonal e horizontalmente at´ o e e gr´fico”. que c o e numa vizinhan¸a (pequena) de x∗ n˜o exista nenhum outro ponto fixo.8 Uma pr´-imagem de um ponto y pela fun¸ao ϕ ´ um ponto x tal que ϕ(x) = y. uma vez que nosso e a objetivo ´ encontrar o ponto fixo por aproxima¸oes sucessivas. n˜o teremos condi¸ao e c˜ a c˜ de preencher o terceiro item do nosso plano geral. o que acontece com a seq¨ˆncia de iterados quando a e c ue condi¸ao inicial est´ pr´xima de um ponto fixo.25. O que acontece com cada seq¨ˆncia de iterados? Converge.75.25. (iii) x0 = 0. tra¸ado no come¸o do Cap´ c c ıtulo.6 Como se explica um ponto fixo no procedimento acima? Exerc´ ıcio 9. (vii) x0 = 1. atrav´s de esbo¸os. n˜o ue a converge? D´ para inferir o que acontecer´ com o restante das condi¸oes iniciais? a a c˜ Exerc´ ıcio 9. a o o . (vi) x0 = 1. o procedimento estaria bem definido? A regra seria clara? a Exerc´ ıcio 9. 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). Usando um gr´fico de ϕ. (v) x0 = 0.5. adotaremos como hip´tese que o ponto fixo x∗ seja isolado.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. isto ´.0.0. (iv) x0 = 0.104 ´ CAP´ ITULO 9.5 Iterando perto de pontos fixos Vejamos agora. Para come¸ar. A pergunta a ser respondida ´: ser´ que c˜ a o e a ela converge para esse ponto fixo? A resposta ´ de suma importˆncia. (ii) x0 = 0.

podemos imaginar diversas possibilidades para o gr´fico de ϕ. a o a diagonal e o que chamaremos de diagonal secund´ria em x∗ . entre as duas diagonais. Nos diagramas. de acordo com a a posi¸ao em rela¸ao ao cone duplo formado pela diagonal e pela diagonal secund´ria. como c˜ c˜ a mostra a figura abaixo. 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. x∗ ). Isto tem um a . (a) (b) (c) (d) (e) (f) (g) (h) (i) (j) (l) Nos casos (d). Para simplificar.9.5. que ´ a a e reta de inclina¸ao −1 passando por c˜ (x∗ . (e). x∗ ). ϕ x* x* Assim. (f ) e (g) o gr´fico de ϕ tangencia a diagonal em x∗ . ITERANDO PERTO DE PONTOS FIXOS 105 Na figura ao lado mostramos os ingredientes b´sicos de que necessitarea mos: o gr´fico de ϕ. assumiremos que tamb´m a diagonal secund´ria s´ e a o seja intersectada pelo gr´fico de ϕ no a ponto (x∗ . pr´ximo a x∗ . hachuramos o que queremos convencionar como a “parte interna” do cone.

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

os iterados se afastam. Se. Se |ϕ′ (x∗ )| = 1 n˜o ´ poss´ a e a e ıvel prever o comportamento dos iterados. e e e a x . dizendo quem c˜ ´ atrator e quem ´ repulsor apenas atrav´s do desenho do gr´fico. Da argumenta¸ao acima. afasta os iterados de x∗ . ao contr´rio. em a c˜ geral ligadas a derivadas de ordem mais alta. a n˜o ser que se tenha outras informa¸oes sobre ϕ. 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. em verdade. o que impossibilita a aproxima¸ao a x∗ e. dizemos que o ponto fixo ´ atrator. Isto pode c˜ ser visto na figura abaixo. ent˜o dizemos que o ponto fixo ´ o a e repulsor. a e ′ ∗ enquanto que se |ϕ (x )| > 1 ent˜o x∗ ´ um ponto fixo 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.5.9 Esboce a fun¸ao ϕ(x) = e4 − x e determine seus pontos fixos. conclu´ c˜ ımos que se |ϕ′ (x∗ )| < 1 ent˜o x∗ ´ um ponto fixo atrator. Exerc´ ıcio 9. e a mesmo que xk esteja arbitrariamente pr´ximo de x∗ . Veja mais sobre isso nos exerc´ ıcios abaixo.

Tente a e fazer desenhos caprichados criando casos onde h´ atra¸ao e outros onde h´ repuls˜o. J´ se a seq¨ˆncia n˜o for mon´tona. Os casos (h) e (j) s˜o os mais delicados. o ponto x teria que ser um outro ponto fixo de x∗ . quer dizer. O leitor deve tentar a o se convencer ao m´ximo de cada uma delas. 5. Isso ue no entanto n˜o tem que ser necessariamente verdade.10 Considere a equa¸ao e−x = x − 1. o que implicaria que a seqˆˆncia |xk − x∗ | vai a zero (equivalente a dizer que xk tende a x∗ ). se usarmos as hip´teses estabelecidas de in´cio. nem toda seq¨ˆncia em que a ue 1 cada termo ´ menor do que seu predecessor vai a zero. c˜ a 3. e 6. Exerc´ ıcio 9. principalmente. para aqueles que gostam de um pouco mais de ı e rigor nos argumentos. e xk fique alternando de lado. a seq¨ˆncia 1 + k . Ent˜o o a ı c a esta situa¸ao n˜o pode ocorrer. pois a a a c˜ a derivada ´ negativa. METODOS ITERATIVOS Exerc´ ıcio 9. e 3. ´ c˜ Exerc´ ıcio 9. Investigue se ϕ(x) = e−x + 1 pode ser c˜ util para achar a solu¸ao. o ponto fixo ´ atrator pelo lado esquerdo e repulsor pelo lado direito. e n˜o pode ser positiva em (f) a a e (j). Observamos que no caso (a) ocorre |xk+1 − x∗ | < |xk − x∗ |. pode acontecer tamb´m de que |xk −x∗ | tenda para a ue a o e um valor maior do que zero. a c˜ 1. Nos casos (g) e (l) o ponto fixo ´ repulsor. 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. ent˜o a seq¨ˆncia tem que convergir para um outro ponto a a ue x que n˜o ´ x∗ . ficar s´ do lado direito ou s´ do lado esquerdo. A segunda derivada n˜o pode ser negativa em (d) e (h). O exerc´cio a ı ajudar´ a fixar melhor a teoria discutida nesta Se¸ao. Se a seq¨ˆncia for mon´tona. (i). que e ue tende a 1 e ´ decrescente. verifique as seguintes observa¸oes: a c˜ 1. Para isso. Nos casos (e). J´ e a em (f) ele ´ atrator pelo lado direito e repulsor pelo esquerdo. isto ´. Nos casos (e) e (i) o ponto fixo ´ atrator. onde a derivada de ϕ no ponto fixo tem m´dulo 1. usando desenhos. e n˜o ´ claro a priori qual vai prevalecer (no caso (j) ocorre o oposto). H´ alternˆncia de lado na itera¸ao. No entanto. e ue o e o o se |xk − x∗ | n˜o for a zero.108 ´ CAP´ ITULO 9.2. Por exemplo. a e o . A terceira derivada n˜o e a pode ser negativa em (i) e em (g). ˆ a e 2. contradizendo tamb´m as hip´teses. Ache-a. Mostre que nesses pontos o gr´fico de ϕ a tocaria a diagonal secund´ria. (g) e (l) a segunda derivada de ϕ ´ nula. e n˜o pode ser positiva em (e) e (l). a c˜ a a sempre no caso (h). e depois tente o mesmo para o caso (j).11 Este exerc´cio ´ um conjunto de “observa¸oes dirigidas” a respeito dos ı e c˜ casos n˜o discutidos. a 4.12 Este exerc´cio ´ opcional. mas c˜ ˆ n´s j´ t´nhamos isolado uma vizinhan¸a de x∗ sem nenhum outro ponto fixo. isso e o ı ser´ verdade. No caso (d). tendendo para dois pontos simetricamente posicionados em torno de x∗ . Olhando para o caso (h). e 2. Pelo que vimos na Se¸ao 9.

ou mesmo menor do a e que um certo λ tamb´m menor do que 1. Se xk estiver na vizinhan¸a acima referida. Observe tamb´m que a mesma igualdade do Teorema do Valor M´dio mostra que. TEOREMA DO VALOR MEDIO E VELOCIDADE DE CONVERGENCIA 109 9. podemos isolar o uma vizinhan¸a de x∗ .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. 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. 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. por causa da continuidade da derivada. Como xk+1 = ϕ(xk ) e x∗ = ϕ(x∗ ) e ent˜o queremos comparar |ϕ(xk ) − ϕ(x∗ )| com |xk − x∗ |.´ ˆ 9. Em outras palavras.8) falaremos um pouco mais sobre c˜ este assunto. ent˜o ck u c a tamb´m estar´. para todo x na vizinhan¸a. de preferˆncia sim´trica. o que caracteriza uma convergˆncia (ao menos) geom´trica (lembre-se de uma P. ent˜o ϕ′ (ck ) se aproxima e a de ϕ′ (x∗ ). ela deve assumir valores pr´ximos de γ perto de x∗ . 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). e o argumento poder´ a c a ser repetido ad infinitum. o Chamemos de γ a derivada de ϕ em x∗ . xk − x∗ e ck . A unica hip´tese adicional ser´ que a e ´ o a derivada de ϕ ´ uma fun¸ao cont´ e c˜ ınua. Logo adiante (na Subse¸ao 9. a e a e Vamos demonstrar essa afirma¸ao de maneira mais simples. tamb´m se aproxima de x∗ . ` e e a medida que os iterados se aproximam do ponto fixo. sem usar o desenho. e se |ϕ′ (x∗ )| > 1 ent˜o x∗ ´ repulsor”. e c Nosso interesse ´ comparar |xk+1 − x∗ | com |xk − x∗ |. 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. usando c˜ o Teorema do Valor M´dio.G. 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.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.6. de tal forma que para qualquer x escolhido c e e dentro dessa vizinhan¸a ter-se-´ c a |ϕ′ (x) − γ| muito pequeno. estando “espremido” entre x∗ e xk . hip´tese que se verifica na maioria dos casos. Pois como ϕ′ (ck ) = xk+1 − x∗ . Como a derivada de ϕ ´ uma fun¸ao cont´ e c˜ ınua. e teremos |ϕ′ (ck )| menor do que λ. isso tem toda a “cara” de a Teorema do Valor M´dio. Logo e a |ϕ(xk ) − ϕ(x∗ )| ≤ λ|xk − x∗ | . Exerc´ ıcio 9. para algum n´ mero ck entre xk e x∗ . a e . a raz˜o entre |xk+1 − x∗ | e |xk − x∗ | se a aproxima de |γ| = |ϕ′ (x∗ )|. pois e ϕ(xk ) − ϕ(x∗ ) = ϕ′ (ck )(xk − x∗ ) . de e e raz˜o menor do que 1). Ent˜o. Ora.

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. Mas se ϕ′ (x∗ ) = 0 ent˜o podemos usar o Teorema do Valor M´dio.16 E poss´vel existir uma fun¸ao cont´nua ϕ que tenha apenas dois pontos ı c˜ ı fixos. 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∗ . O exerc´cio fornecer´ apenas uma e c˜ e ı a resposta aproximada. baseada em suposi¸oes que nem sempre s˜o satisfeitas. ache seu ponto c˜ ∗ fixo x mais a esquerda. supondo que ϕ′′ seja a a e cont´ ınua. c˜ e Para aplicar o Teorema do Valor M´dio na derivada de ϕ assumiremos que ϕ seja duas e vezes diferenci´vel. Suponha que c˜ a a distˆncia da condi¸ao inicial x0 ao ponto fixo x∗ seja da ordem de D. em m´dulo. aplicando-o novamente desta feita na derivada de ϕ. 9. por causa da e e rapidez com que se d´ a convergˆncia. METODOS ITERATIVOS Exerc´ ıcio 9. Portanto |xk+1 − x∗ | = |ϕ′′ (dk )| · |ck − x∗ | · |xk − x∗ | . que motiva a definir o regime de convergˆncia com o nome de convergˆncia quadr´tica. Iterando a partir de x0 = 0.110 x ´ CAP´ ITULO 9. temos e xk+1 − x∗ = ϕ′ (ck )(xk − x∗ ) . Podemos ir e e a e mais al´m no Teorema do Valor M´dio. ter-se-´ o a c a |xk+1 − x∗ | ≤ C|xk − x∗ |2 . o que significa que a c˜ taxa geom´trica de aproxima¸ao ´ mais ou menos constante. e e e obter uma informa¸ao mais precisa sobre a taxa de convergˆncia. os valores de ϕ′′ (dk ) estar˜o muito pr´ximos de ϕ′′ (x∗ ). com inclina¸ao dada pela derivada de ϕ no ponto fixo. se xk estiver nessa vizinhan¸a.6. Ent˜o. al´m disso. Calcule ϕ′ (x∗ ) e compare com as raz˜es ` o xk+1 − x∗ . Existe dk entre ck e x∗ a e tal que ϕ′ (ck ) = ϕ′ (ck ) − ϕ′ (x∗ ) = ϕ′′ (dk )(ck − x∗ ) . Como ck est´ entre xk e x∗ . 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. xk − x∗ Exerc´ ıcio 9. a e . ambos atratores? Justifique sua resposta. Retomando a desigualdade obtida no Teorema do Valor M´dio. ent˜o |ck − x∗ | ≤ |xk − x∗ |. e portanto estar˜o limitados a o a por uma constante C. o que a significa que a taxa de convergˆncia ´ melhor do que qualquer raz˜o geom´trica.14 Tome a fun¸ao ϕ(x) = e4 − x. e e a Um ponto fixo com derivada nula ´ tamb´m chamado de super-atrator.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. Depois acrescentaremos a hip´tese de que essa segunda derivada tamb´m a o e seja cont´ ınua. mas guarde os iterados. a a ´ Exerc´ ıcio 9.

Suponha que em todos os iterados vale a estimativa de convergˆncia quadr´tica. tome a fun¸ao f (x) = (x − 1)2 . a partir da condi¸ao inicial x0 = 1. escrevendo ϕ(x) = c˜ x + αf (x).1f (x) = x + 0. a luz do que foi exposto acima. 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 . e a´ n˜o poderemos a a ı a saber se h´ convergˆncia ou n˜o. Na verdade podemos saber sim. e de ak a distˆncia a a de xk a x∗ . e a com constante C. 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. como mostra a figura ao lado. que n˜o chega nem a ser geom´trica. pois j´ temos todos os ingredientes para isso: uma maneira c˜ a de se construir fun¸oes ϕ que tenham x∗ como ponto fixo. e compare as velocidades de convergˆncia.1(x−1) 1 Ocorre no entanto que nos casos onde a derivada ´ 1. c˜ e e 1 c˜ Exerc´ ıcio 9. 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. Essa raiz ´ ponto fixo de ϕ(x) = e x + 0. CALCULANDO ZEROS DE FUNCOES . ` ent˜o a seq¨ˆncia convera ue gir´ para o ponto fixo. Por exemplo. Mostre que 1 2k ak ≤ (Ca0 ) . c˜ que tem raiz x∗ = 1.7.18 Itere ϕ(x) = x + sen x e ψ(x) = x + 2 sen x.9. em fun¸ao da derivada da f : c˜ ϕ′ (x) = 1 + αf ′ (x) . a 2 f(x) = x + 0. A derivada de ϕ sabemos calcular. se desenharmos o gr´fico a e a a de ϕ. ´ preciso que a derivada ϕ′ (x∗ ) tenha m´dulo menor do e o que 1. e ` 9. mesmo havendo convergˆncia ela se e e d´ de forma muito lenta.7 Calculando zeros de fun¸˜es .1(x − 1)2 . De acordo com o que dissemos.A ESCOLHA DE ϕ ¸˜ 111 Exerc´ ıcio 9. Compare com a convergˆncia geom´trica. . Mais adiante veremos como a a e superar este problema. Sabemos que se iniciarmos a itera¸ao com c˜ x0 perto e a esquerda de 1.17 Chame de a0 a distˆncia de x0 ao super-atrator x∗ . e crit´rios para saber se o ponto fixo x∗ ´ atrator ou n˜o. Observe que se f ′ (x∗ ) for igual a zero ent˜o ϕ′ (x∗ ) ser´ igual a 1.

apesar de haver todo um intervalo de poss´ ıveis escolhas de α. n˜o ´ claro na pr´tica como proceder. Em cada itera¸ao. Confira a resposta usando c˜ c˜ desenhos. e ent˜o estaremos prontos para usar esse a valor de α. Em vez de usarmos a fun¸ao c˜ f (x) ϕ(x) = x − ′ ∗ . Notemos agora que. se satisfaz para todo x ∈ [a. f ′ (x) Se x estiver pr´ximo de x∗ ent˜o f ′ (x) estar´ pr´ximo de f ′ (x∗ ). cuja eficiˆncia vai depender do tipo de problema a a e que se quer resolver. isto ´. em vez de fixo e igual a − f ′ (x∗ ) . do qual falaremos no pr´ximo Cap´ a e o ıtulo. Observe que essa fun¸ao ´ do tipo a ϕ(x) = x + α(x)f (x) . que faz com que a derivada de ϕ no ponto fixo seja nula e ele seja ´ o super-atrator. apesar de estar claro em teoria que valor de α ´ nee cess´rio para o m´todo funcionar. e α=− 1 f ′ (x∗ ) . . usamos a a ϕ(x) = x − f (x) . que ´ c˜ e justamente o que estamos procurando? A pergunta faz todo sentido pois. Uma das respostas ser´ o M´todo de Newton. uma vez que n˜o a e a e a a dispomos do valor de f ′ (x∗ ). f (x ) a qual n˜o podemos determinar por n˜o conhecermos x∗ . c˜ sua derivada f ′ (x) satisfaz −1 < 1 + αf ′ (x) < +1 para todo x no intervalo. dentro desse intervalo. ´ c˜ 1 c˜ e vari´vel e igual a − f ′ (x) . Essa escolha de α garantiria convergˆncia r´pida. H´ duas respostas para esta quest˜o. e jogar´ um papel semeo a a o a 1 e lhante. 2 Ou seja α deve estar entre 0 e − f ′ (x∗ ) . A outra resposta n˜o ´ t˜o f´cil de dar. com o unico problema que α(x) = − f ′1 n˜o ´ cont´ ´ a e ınua onde a (x) derivada se anula.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. 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. suponha que e consigamos isolar a raiz da fun¸ao num intervalo [a. METODOS ITERATIVOS Consideremos ent˜o o caso f ′ (x∗ ) = 0.112 ´ CAP´ ITULO 9. b] e mostrar que. o fator que multiplica f (x). e em linhas gerais consiste no seguinte procedia e a a mento. Voltaremos ao assunto adiante. h´ a uma escolha preferencial. introduzida previamente. Ora. Exerc´ ıcio 9. pedir que |ϕ′ (x∗ )| seja menor do que 1 ´ o a e mesmo que pedir que −1 < 1 + αf ′ (x∗ ) < +1 . E s´ escolher α de modo que 1 + αf ′ (x∗ ) seja igual a zero. b] em particular satisfaz para x∗ . Lembrando que nosso objetivo ´ achar α tal que −1 < 1+αf ′ (x∗ ) < +1.

mas se quiser tente!). b] de forma que sua derivada n˜o se anule: ou a ´ sempre negativa ou ´ sempre positiva. π ]. 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).8. b] e que contenha a raiz. e depois eventualmente encolher mais ainda o intervalo para que a derivada de f n˜o se anule. Ache a solu¸ao. para todo x ∈ [1. Estime valores m e M tais que m ≤ f ′ (x) ≤ M a para todo x ∈ [1. como comentado na Se¸ao anterior. Exerc´ ıcio 9.9. Use o item anterior para escolher α de modo que −1 < ϕ′ (x) < 1. seja a unica localizada estritamente entre 0 ´ e π (isso n˜o parece f´cil de se mostrar. ϕ4 (x) = 8 sen x + 2x 9. 2 4. b] = [1. Isso permitir´ escolher α e a c˜ a construir ϕ para fazer as itera¸oes. a a 2 1. podemos a o adotar o seguinte procedimento. Determine qual extremo est´ mais pr´ximo de x∗ : x = 1 ou x = a o π 2? 2 5. Use esse extremo como condi¸ao inicial e itere.21 Compare as fun¸oes de itera¸ao ϕ1 . x sen x + cos x + x2 1 . J´ se a derivada f ′ (x) for positiva e alta a em valor absoluto. com o maior n´mero de casas decimais poss´veis. b] . Exerc´ ıcio 9.8 A escolha de x0 Observe que para saber o qu˜o pr´ximo da raiz o ponto inicial x0 pode ser escolhido. mas muito alta em e e valor absoluto. admitindo c˜ o fato de que essa raiz. 2 2. Se a derivada f ′ (x) for negativa. Mostre que f (1) < 0 e f ( π ) > 0. π ]. ϕ2 . ϕ2 (x) = − cos x + x2 . para determinar a raiz com precis˜o de c˜ a 10−4 . que chamaremos de x∗ . usar o M´todo da Dicotomia para cercar um intervalo pequeno [a. c˜ .20 Considere a equa¸ao f (x) = e−x − cos x = 0. ϕ3 (x) = x + (cos x − x2 ) . π ] (ser´ preciso investigar em detalhe o comportamento das derivadas 2 −x2 de e e cos x no intervalo considerado). temos que escolher [a. 113 Em primeiro lugar. ϕ3 e ϕ4 dadas abaixo. o que indica que a raiz procurada est´ no intervalo a 2 [a. 3. Em primeiro lugar. basta multiplicar por α negativo e pequeno. x ∈ [a. A ESCOLHA DE X0 Ent˜o tudo o que queremos ´ que a e −2 < αf ′ (x) < 0 . c˜ u ı ϕ1 (x) = cos x − 2x2 . 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 .

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

e e Como estamos supondo que f ´ mon´tona. ´ preciso uniformizar a maneira de encontr´-las). mas se tivermos que ıvel a automatizar para um programa de computador conv´m tomar certos cuidados.27) > 0 e f (1. . isso s´ acontecer´ se f assumir sinais opostos e o o a em x − p e x + p. c˜ O crit´rio do qual falaremos aqui funciona quando. como aquele que vamos ver aqui. obtemos os iterados. x + p] (a interpreta¸ao do que significa exatamente a precis˜o p varia de acordo com x ¯ c˜ a o gosto do freguˆs.2817. Observe que a c˜ ¯ pelo crit´rio de parada j´ poder´ e a ıamos parar em x5 . Usaremos ϕ(x) = e−x + 1 como fun¸ao auxiliar. e cada etapa arredondaremos para a quarta casa decimal.28 conv´m fazer o teste novamente. x6 = 1.2787. e Para exemplificar. seja f (x) = e−x − x + 1 = 0. no entorno da raiz. xk . se x1 < x∗ < x2 ent˜o os valores de f (x1 ) e f (x2 ) tˆm sinais opostos.3213. e para cada iterado xk calcular f (xk − p)f (xk + p) . . esta ´ a que adotaremos neste livro).2776. f (x1 )f (x2 ) < 0 . Suponha que queiramos determinar uma aproxima¸ao de x∗ com precis˜o p. ´ E claro que devemos prestar um pouco de aten¸ao para o n´ mero de casas decimais que c˜ u usamos nas contas. x3 = 1. ent˜o podemos considerar xk como sendo a aproxima¸ao desea c˜ jada. Os iterados x6 e x7 foram a rigor desnecess´rios. isto ´. Como f (1.1353.´ 9. UM CRITERIO DE PARADA 115 9.. . regras para se considerar um determinado iterado a e e xk como a aproxima¸ao desejada para a raiz procurada x∗ .28. Neste ıvel a a caso. e se fixarmos xk talvez queiramos arredondar para uma casa decimal compat´ com a precis˜o desejada. a fun¸ao ´ e c˜ e mon´tona. ent˜o nada mais temos a fazer do que iterar a fun¸ao auxiliar ϕ. e em segundo e a lugar para automatizar os procedimentos. . x7 = 1. Temos que usar no m´ ınimo um n´ mero de u casas decimais compat´ com a precis˜o desejada. por exemplo 4 parece ser razo´vel. x1 . x4 = 1. e a . o e a e ou seja. Isso pode ser feito com bom senso. no entanto ao arredondarmos para 1. Isto significa c˜ a que gostar´ ıamos de encontrar um valor x tal que a verdadeira raiz x∗ esteja no intervalo ¯ [¯ − p. fornecem tamb´m a margem e e de erro da aproxima¸ao. para achar a raiz x∗ com precis˜o a c˜ a p = 10−2 .9 Um crit´rio de parada e Existem v´rios crit´rios de parada. Alguns crit´rios de parada. que tem unica raiz (veja isto esbo¸ando o ´ c gr´fico!). x5 = 1.29) < 0 ent˜o podemos considerar a aproxima¸ao x = 1. obtendo valores a c˜ x0 .9. Partindo de x0 = 0. . a fim de minimizar os erros. ¯ ¯ Bom. 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. . Se esse produto for negativo. . Ent˜o x1 = 2. faremos as contas com todas os algarismos significativos da calculadora. a x2 = 1. isto ´.2668.

116 ´ CAP´ ITULO 9. METODOS ITERATIVOS .

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

3 · 32 27 ´ E claro que a ultima igualdade n˜o ´ de fato uma igualdade. usaremos 7 casas decimais depois da v´ ırgula.7144177) tˆm sinais opostos. por exemplo x0 = 3.7407407 20. e assim por diante. Os resultados se encontram na tabela abaixo.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 .7144176 19.7144177) = 2. .7144176 ± 0. x3 . Neste exemplo.6 2 2. . 3x2 k x3 − 20 k . para compararmos e com o M´todo da Dicotomia. 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 . 10. u e f (2. .7144175) = 2. e obtemos x1 : x1 = 74 2 · 33 + 20 = = 2. para facilitar os argumentos).7146696 20. x4 .0000026 < 0 e f (2. 3x2 k Em primeiro lugar “chutamos” o valor de x0 . xk . n xn x3 n 0 3 27 1 2. . pois um arredondamento foi ´ a e efetuado.0000001. donde conclu´ ımos que √ 3 20 = 2.7407407 . O METODO DE NEWTON desde que f ′ (xk ) = 0 (hip´tese que assumiremos gratuitamente. queremos saber se essa resposta tem precis˜o de 0. A partir de x1 calculamos x2 . a ıpio e Por exemplo. e Para f (x) = x3 − 20 temos f ′ (x) = 3x2 . Ora. .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.118 ´ CAP´ ITULO 10. convergindo ` raiz x∗ procurada? ue a . x2 .0000018 > 0 .7144176 19. . . Ent˜o verificamos a a se os n´ meros f (2.0056 3 2.71441753 − 20 = −0.9999996 4 2.71441773 − 20 = 0.7144175) e f (2. o A t´ ıtulo de exemplo apliquemos o m´todo no exemplo f (x) = x3 − 20.0000001 .

x3 . . Antes disso. . 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. 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) . . 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.´ 10. . calculada na raiz x∗ . . vale zero. a resposta ´ n˜o! Vejamos dois argumentos bastante e a simplistas para justificar o porquˆ. . . x3 . . f (x) = x2 − 4. cos x + 0. x5 + 3x2 − x + 1 = 0 3. . a convergˆncia ´ (no m´ ue e e e ınimo) quadr´tica.2x3 + x2 + 0. xn . Exerc´ ıcio 10. f ′ (x)2 e como f (x∗ ) = 0. 0. porque teremos uma divis˜o “zero sobre zero”. convergir´ para x∗ ”.3x4 − x3 − x2 − 2x + 2 = 0 . com derivada cont´ c˜ a ınua. 0. Para qualquer escolha de x0 . . e O primeiro: imagine uma fun¸ao com duas ra´ c˜ ızes. . De fato. .5 = 0 5. . vale a a o c˜ a pena fazer alguns exerc´ ıcios. xn . usando as regras usuais de deriva¸ao. xn . x4 .1x + 0.5x = 0 4. −2 + 3x = e−x 2.1 Use o M´todo de Newton para resolver as seguintes equa¸oes: e c˜ 1. (x) Ora.1. nem sempre isso ´ poss´ e ıvel sem se conhecer a raiz!!). x4 . mais r´pida do que qualquer a e a a a seq¨ˆncia geom´trica. . QUANDO O METODO DE NEWTON FUNCIONA? 119 Se formulada a pergunta desse jeito. segue que ϕ′ (x∗ ) = 0. . a o c˜ c pediremos sempre que f seja uma fun¸ao diferenci´vel. Mais ainda. pode se afastar! Veja um exemplo na figura ao lado. obtemos c˜ ϕ′ (x) = f (x)f ′′ (x) . No caso f ′ (x∗ ) = 0 n˜o podemos aplicar o racioc´ a ınio diretamente. . por exemplo. quase sempre podemos garantir que “se x0 for escolhida suficientemente pr´xima de x∗ ent˜o a seq¨ˆncia x1 . Esse caso ser´ analisado na pr´xima Subse¸ao. x2 . s´ poder´ convergir para uma das ue o a ra´ ızes! A outra fatalmente ser´ esquecida. x2 . Por exemplo.3x4 + 0. O “quase o a ue a sempre” se refere `s hip´teses que devemos exigir que a fun¸ao f satisfa¸a. x3 . f x* x0 x 1 No entanto. a seq¨ˆncia x1 . x2 . x4 . . . . devemos examinar como f se comporta perto da raiz (infelizmente. . a seq¨ˆncia ue x1 . .

Exerc´ ıcio 10.2 Considere a fun¸ao ψ cujo gr´fico est´ mostrado na figura acima. Se o M´todo de Newton ´ e for aplicado a partir da condi¸ao inicial x0 = 1. (iii) x0 = 1.120 Aten¸ao: alta probabilidade de pegadinhas. 2. Exerc´ ıcio 10. que tem unica raiz x∗ = 0. ` e Exerc´ ıcio 10.7. Descreva. a direita? Dˆ duas justificativas essencialmente diferentes para sua resposta.5. y) = (0. .0. qual ser´ o menor valor de k para o qual c˜ a xk < 10−20 ? Exerc´ ıcio 10. Se usarmos o M´todo de Newton c˜ e para essa fun¸ao. justificando (pode usar desenhos nas justificativas!).2. (ii) x0 = 1. c˜ ´ CAP´ ITULO 10. a esc˜ a a ` querda. 1). para cada uma das cinco possibilidades: ue (i) x0 = 0. a curva passa por (x. 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). x1 = ψ(x0 ).6 Considere f (x) = x5 .5 Considere a caten´ria dada por a g(x) = 1 (cosh(cx) − 1) . xk = ψ k (x0 ). . O METODO DE NEWTON 2 ψ 2 1 1 1 2 1 2 f Exerc´ ıcio 10. . o que acontece com a seq¨ˆncia x0 . c 2 Repare que g(0) = 0. Justifique sua resposta da melhor forma que puder.3 Esboce uma fun¸ao que tenha ra´zes a e b (com a < b). y) = (1. . . 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. 1. .4 Encontre numericamente o valor de x tal que e−x = x.7 Considere a fun¸ao f da figura abaixo. Se a curva tamb´m passa por e e (x. com precis˜o a −7 p = 10 . (iv) x0 = 2. isto ´. qual ´ o valor de c? e Exerc´ ıcio 10. 0). teremos que considerar iterados de c˜ ϕ(x) = x − f (x) . f ′ (x) . (v) x0 = 2. .0.

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

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

O ponto x(k) era definido pelo encontro dessa reta com o zero. xn ) = 0 que n˜o ´ necessariamente linear. . . a e Para generalizar. fn (x1 . .  . . Se ao leitor o problema parece muito abstrato. Para primeira ordem. Esse ´ o an´logo multidimensional do problema que vimos discutindo e a at´ agora. . . . c˜ e a Para definir x(k+1) em fun¸ao de x(k) . onde x ∈ Rn . observe que F leva (x1 . . . . xn )) . que pode ser explicitado por cada uma de suas componentes. Portanto.  ∂fn ∂fn ∂fn . . . . 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) . . . DF (x) =  . . isto ´ e  ∂f  ∂f1 ∂f 1 .2. . . . . . . . ∂x1 ∂x1 ∂x2 n  ∂f2 ∂f2  ∂f  ∂x1 ∂x2 . x2 . Ent˜o achar um zero de F ´ achar uma solu¸ao para o sistema de equa¸oes a e c˜ c˜ f1 (x1 . . . o termo DF (x(k) )(x − x(k) ) ´ a multiplica¸ao de uma matriz e c˜ por um vetor (coluna). . . . . . xn ). . . xn ) = (f1 (x1 . xn ) = 0 . . .   . . . . ∂x2  n  . ou seja 0 = f (x(k) ) + f ′ (x(k) )(x(k+1) − x(k) ) . . o e c˜ A expans˜o em Taylor ´ igualmente v´lida em dimens˜o mais alta. . xn ) e num elemento de Rn . quando x ∈ Rn ). xn ) = 0 f2 (x1 . 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. .´ ˜ 10. . que resulta em outro vetor. . . . isto ´. fn (x1 . mas ignorando R1 . e F (x1 . . . devemos examinar com cuidado a motiva¸ao do m´todo em dimens˜o 1. R1 ´ uma fun¸ao de Rn em Rn (assim como F ) e DF (x) ´ a matriz jacobiana e c˜ e no ponto x. . e a f´rmula do M´todo de Newton foi obtida isolando-se x(k+1) nessa equa¸ao. METODO DE NEWTON EM DIMENSOES MAIS ALTAS 123 10. a e a a por exemplo. ∂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. .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. podemos escrever F (x) = F (x(k) ) + DF (x(k) )(x − x(k) ) + R1 (x) . . .

e . precisamos acrescentar um parˆmetro h. pelo menos organize uma estrat´gia baseada ı e 2 no M´todo de Newton. 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) ). Sugere-se fazer o seguinte exerc´ a ıcio para fixar id´ias. ou seja. Observe que essa equa¸ao ´ um sistema linear.2. mas mesmo assim deve-se prestar bastante aten¸ao para o chute da condi¸ao inicial. que ser´ somado ` express˜o acima. e Exerc´ ıcio 10. uma corda ou corrente pendurada assume o formato do c˜ gr´fico da fun¸ao a c˜ 1 cosh(cx) . 10. A implementa¸ao c˜ c˜ desta id´ia deve ser feita com o aux´ do computador. x − x(k) tomando-se o cuidado de tomar a norma no denominador. Assim como a solu¸ao de um sistema linear ´ um encontro de hiperplanos em Rn .124 O resto R1 tem a propriedade de que lim ´ CAP´ ITULO 10. Para definir x(k+1) . Bom.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. onde x(k+1) ´ a inc´gnita. c conhecida como caten´ria.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. 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. pela quantidade de c´lculos a serem e ılio a feitos.3. c˜ c˜ que pode freq¨ entemente levar o m´todo a divergir. O METODO DE NEWTON x→x(k) R1 (x) =0. se quisermos deslocar a corda na vertical. 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 . 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) ) . de modo a que 1 f (x) = cosh(c(x − a)) + h c ´ a maneira mais geral de se representar o formato da corda. por exemplo) e do comprimento da corda entre os dois pontos. a No entanto. os hiperplanos s˜o retas e as hipersuperf´ a ıcies s˜o curvas.2. isso ´ um problema. principalmente porque e e pode haver mais do que uma intersec¸ao entre as curvas. De modo geral. Quanto ao chute inicial. c˜ DF (x(k) )x(k+1) = DF (x(k) )x(k) − F (x(k) ) . u e Como vimos na Subse¸ao 4. Para n = 2.

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

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

Parte IV Interpola¸˜o Polinomial ca 127 .

.

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

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

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

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

e cada ponto o a o 133 . . podemos definir. .2 Forma de Newton J´ vimos duas maneiras de fazer uma interpola¸ao polinomial: atrav´s de um sistema linear. . + zk Lk (t) . . para cada ti . . em t0 ele vale (t0 −t1 )(t0 −t2 ) · · · (t0 −tk ). 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. Considere o polinˆmio o que tem grau k e se anula em t1 . . . Analogamente. Al´m disso. . . . e a c˜ c˜ 12. o a o 12.5 de redu¸ao a um sistema linear. tk . . Portanto. o Agora observe que a soma de polinˆmios de grau k ´ um polinˆmio de grau k.. se quisermos e o achar um polinˆmio de grau k que valha z0 . . ck em tk .. . zk nos pontos t0 . . c1 em t1 . um polinˆmio Li (t) de grau k que vale 1 em ti e zero nos demais pontos.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. a c˜ e onde as inc´gnitas s˜o os coeficientes do polinˆmio que se quer determinar. tk basta tomar os ci ’s o iguais aos zi ’s: p(t) = z0 L0 (t) + z1 L1 (t) + . 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 . . . .1 Polinˆmios de Lagrange o (t − t1 )(t − t2 ) · · · (t − tk ) . + ck Lk (t) ´ um polinˆmio de grau k. tk . logo o e o c0 L0 (t) + c1 L1 (t) + . que vale c0 em t0 . .. . . .

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

2. tk )(t − t0 ) . zi+1 ). . k. convencionaremos que ω(t0 ) = z0 (e ω(ti ) = zi . estipulando-se que α(ti ) = zi . Isso possibilita achar os ω’s indutivamente. para todo i = 0. . 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. . . . tk )(t − t1 ) . k). . t1 . . + α(t0 .1 diretamente. mas pi (tj ) depende de se conhecer previamente o polinˆmio o j j−1 pi (t). colocando-se t = tj . pois α(ti . ti+1 ) = ω(ti . portanto pi (t) = zi = ω(ti ) = α(ti ) . tk−1 . . . . . tk )(t − tk )+ k +α(tk−2 . tk )(t − tk−1 )(t − tk ) + . . 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 1.12. Temos a e pi (t) = zi + ω(ti . c˜ zi+1 − zi ω(ti+1 ) − ω(ti ) = . ti+1 ). .1. (tj − tj−1 ) onde conhecemos pi (tj ) = zj . (tj − ti ) . t1 )(t − t0 )+ k 0 +ω(t0 . tj ) = pi (tj ) − pi (tj ) j j−1 . (t − tk ) . FORMA DE NEWTON e assim por diante. + ω(t0 . cujo a c˜ e o gr´fico ´ uma reta. (t − tk−1 ) . . mas ´ um caminho trabalhoso. 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. . porque podem ser a c deduzidos da Equa¸ao 12. ti+1 )(t − ti ) . . 135 Como p0 (t) ≡ z0 . . . Nosso e j−1 objetivo ´ buscar um meio mais f´cil de determinar ω’s e α’s. i+1 que pode ser obtido da Equa¸ao 12. . logo ω(ti . i+1 donde α(ti . . . . ti+1 ) ´ tamb´m a inclina¸ao da c˜ e e c˜ reta que passa por (ti . Mas ω(ti . ti+1 ) = Analogamente. zi ) e (ti+1 . . i por defini¸ao. . embora n˜o possamos nos livrar e a a de alguma indu¸ao. . de forma que p0 (t) = p0 (t) + ω(t0 . 0 para que a nota¸ao fique uniforme. ti+1 − ti ti+1 − ti . c˜ Partiremos de uma pequena observa¸ao sobre os polinˆmios de ordem 1 e 2 (um e dois c˜ o pontos). ∀i = 0. . . . e depois enunciaremos um resultado geral que servir´ a nossos prop´sitos. t2 )(t − t0 )(t − t1 ) + . . . Os ω’s (e analogamente os α’s) s˜o chamados de diferen¸as divididas. pi (t) = zi+1 + α(ti . Vejamos como generalizar nossas observa¸oes para qualquer ordem. Assim c˜ ω(ti . ti+1 )(t − ti+1 ) . c˜ Se procedˆssemos inversamente na ordem dos pontos.

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

. ω(t . tk−2 tk−1 tk ω(t0 ) ω(t0 . . . tk ) ··· ω(tk−2 . tk−2 ) ω(tk−1 ) ω(tk−1 . 0 k−1 ) . 2 . . c˜ t0 t1 t2 . . Isso ´ poss´ porque conhecemos os ω’s de ordem 1. . . . . . .2. p( 1 ). . . 1). . . . t1 . . 2 ). ficamos com 4 1 p(t) = 1 + t − 3t2 + t3 .2. . . . tk−1 . se quisermos achar o polinˆmio interpolador dos pontos (0. a c onde ti e tj s˜o encontrados como as extremidades da base da pirˆmide (deitada) da qual a a ω(ti .3 permite que calculemos os ω’s em fun¸ao de seus correspondentes de ordem c˜ c˜ inferior. tk ) 1 1 2 −1 3 −2 −1 3 7 3 −1 0 4 3 2 2 Da tabela. . . A seguinte e ıvel a tabela mostra como podemos esquematizar as informa¸oes. . ω(t1 . . . . e 1 Por exemplo. (2. . ω(t0 . 3 2 3 2 2 Juntando termos de mesmo grau. . . . . que s˜o os zi ’s. . ( 1 . . . . . . . dividida pela diferen¸a tj − ti . tk ) . . . acabaremos por montar a seguinte tabela (confira!): 0 1 2 3 2 ω(t0 . . . . . . p( 2 ) e p(2) e vemos que batem 2 1 com 1. ω(tk−2 ) ω(tk−1 . −1 e 0.1 Exemplo do uso da forma de Newton A Equa¸ao 12. . . . . ··· . t2 ) ω(t2 ) . . . . tj ) ´ o cume.12. 6 3 3 Para verificar que deu certo. −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 − ) . testamos os valores p(0). tk ) ω(tk ) Cada ω(ti . t . . . 0). t2 ) . . o 2 3 ( 2 . . t1 ) ω(t1 ) ω(t1 . FORMA DE NEWTON 137 12. tj ) pode ser obtido da diferen¸a entre os dois elementos adjacentes da coluna c imediatamente ` esquerda (o de baixo menos o de cima). .

t2 . 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 − ) . Por exemplo. t2 )(t−t2 )(t−t1 )+ω(t0 . mas n˜o ´ aconselh´vel por ser mais sujeito a a e a erros. . t1 . t2 )(t−t2 )+ω(t0 . t3 )(t−t2 )(t−t1 )(t−t0 ) . t1 .138 ´ CAP´ ITULO 12. TECNICAS DE INTERPOLACAO ¸˜ H´ outras formas de se tirar o mesmo polinˆmio da tabela. facilitando a tarefa de juntar termos de mesmo grau logo depois. que ´ igual a e 3 3 1 3 1 4 3 1 −1 − (t − ) − (t − )(t − ) + (t − )(t − )(t − 0) . 3 2 3 2 2 Ou sen˜o em “zigue-zague”: a p(t) = ω(t2 )+ω(t1 . 2 2 3 2 2 3 2 2 O “zigue-zague” pode servir para se escolher os melhores coeficientes.

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

.

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

massa. Al´m disso.142 ˆ ´ CAP´ ITULO 13. em cada a e caso. 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). Portanto a fun¸ao a e c˜ l(y) tem o aspecto mostrado ` direita. observe que em ambos l(y) varia como e a uma fun¸ao afim (“linearmente”). cruza os triˆngulos em segmentos de tamanho igual a l(y). pois cada reta a a e a R horizontal. distˆncia percorrida. se houver uma linha L tal que toda perpendicular a L cruze A e B em intervalos de tamanhos iguais. Para isso. ent˜o A e a B tˆm a mesma area. por exemplo). c˜ o a a ´reas. . etc.” e ´ Por exemplo. por exemplo o da direita. o que exigiria uma an´lise criteriosa do alcance dessa convergˆncia.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. tempo decorrido. que a e a 1 pode ser obtida de um deles. centro de massa. Essa ´rea vale 2 bh. De outra parte. 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. 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. No que a segue. vamos nos basear no Princ´ ıpio de Cavalieri. a Isso explica porque todos os triˆngulos com base e altura iguais tˆm a mesma ´rea. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ Isto ´ poss´ (em muitos casos de forma at´ razoavelmente f´cil). os triˆngulos da figura abaixo (` esquerda) tˆm ´reas iguais. Para a a entender porque l(y) ´ igual para os dois triˆngulos. 13. na figura. volumes. As aplica¸oes mais ´bvias se encontram no c´lculo de comprimentos. 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). nem sempre s´ries de potˆncia convergem para todos a e e e os valores de x. ` altura y. que diz: “dados dois conjuntos A e B. mas com dois inconvenie ıvel e a entes: primeiro. ´ preciso tamb´m dispor de instrumentos para estimar integrais a partir e e de dados experimentais.

de a c forma que a pilha fique desalinhada. e o volume (que ´ a soma dos volumes “infinitesimais” das cartas) e e se mant´m. . 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. . mais precisamente ´ a c˜ e regi˜o compreendida entre esse gr´fico e a lia a nha horizontal. x1 . 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. .. Assim. 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. b]. . que fornecem a posi¸ao de cada ue c˜ corte. ... x6 . . Na pr´tica. que s˜o os respectivos comprimentos de cada a corte. imagine uma pilha de cartas com um arame passando no meio.. . a ´rea a de cada corte ´ a mesma. ... . xn . e ent˜o incline e retor¸a o arame. . As duas pilhas continuam tendo a mesma altura.´ ´ 13. < xn = b e tomar os valores da fun¸ao nos extremos dos intervalos da parti¸ao: c˜ c˜ y0 = f (x0 ) . ent˜o deve-se c˜ o c˜ a dividir o intervalo com uma parti¸ao c˜ a = x0 < x1 < x2 < . . e O que podemos fazer com uma figura plana em geral ´ criar uma segunda figura com mesma e a ´rea apoiada no eixo horizontal. Esses dados ´ que ser˜o usados para se fazer a integra¸ao. y1 = f (x1 ) . a segunda figura ´ e um esbo¸o do gr´fico “Comprimento do corte c a vs. 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. Para o leitor que ainda n˜o acreditou nesse princ´ o a a ıpio.. Se a integra¸ao se der no intervalo [a..2. Posi¸ao do corte”. yn . c˜ x0 x1 . . 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.. . . 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. yn = f (xn ) . y1 . e valores correspondentes y0 .. teremos uma seq¨ˆncia de pontos x0 .

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

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

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

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

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

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

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

com 0 < κ2 < 1. em outras palavras. ı e c˜ 13. quanto mais θ0 se aproxima de π maior se torna T . Por outro lado. De fato. 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. CALCULO DE π E DE LOGARITMOS ou. π ].´ 13. quando a amplitude se aproxima de 0 significa que κ2 se aproxima de 0. se fizermos a integra¸ao precisa da fun¸ao no integrando. Portanto este a integrando ´ cont´ e ınuo no intervalo [0. a c˜ c˜ . que ´ definido como sendo√ ´rea do c´ u e a a ırculo unit´rio. 2 ´ sempre um n´ mero n˜o negativo. obtendo-se uma bela equa¸ao π = π!!!! O valor num´rico de π s´ e c˜ e o poder´ ser obtido. ent˜o y = ± 1 − x2 . Como para o c´ a ırculo unit´rio se tem x2 + y 2 = 1. por exemplo c˜ e e a o n´ mero π. 0 Se θ0 < π ent˜o κ2 < 1 e o denominador do integrando nunca se anula. ou seja. e o integrando se aproxima da fun¸ao constante igual a 1. mas o problema ´ que essa e e primitiva acabar´ sendo expressa em termos de π. 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). Aqui ´ poss´ e ıvel at´ achar uma primitiva para o integrando. 2 e juntando tudo obtemos (depois de v´rios cancelamentos) a T =4 l g π 2 1 1 − κ2 sen2 ξ dξ .6.6 C´lculo de π e de logaritmos a A integra¸ao num´rica se presta tamb´m para calcular constantes matem´ticas. no entanto. Pode-se mostrar teoricamente que o lado a direito ´ igual ao esquerdo. simplificando. sen(θ0 η) = J´ que a 1−cos θ0 2 151 √ 2 1 − cos θ0 sen ξ 1− 1 − cos θ0 sen2 ξ . ´ 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. o per´ ıodo do movimento vai a infinito quando a amplitude se aproxima de π. denominamos e u a κ2 = 1 − cos θ0 . g A integral 1 1 − κ2 sen2 ξ dξ . Isso implica que o per´ c˜ ıodo se aproxima do conhecido valor l 2π . a a 1 π=2 −1 1 − x2 dx .

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 . a c˜ A constante e ´ definida como sendo o (´ nico) n´ mero que satisfaz a equa¸ao e u u c˜ ln x = 1 . 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.σ (t)dt = a 1 √ σ 2π b−τ a−τ e− 2σ2 du . resolvendo-se essa equa¸ao pelo M´todo de Newton. Ent˜o a b Pτ. ent˜o a x 1 . b] precisamos calcular a integral b Pτ. u2 .σ (x) = √ exp{− 2σ 2 σ 2π Para sabermos a probabilidade de ocorrer um evento dentro do intervalo [a.3. 1 + x2 1 dt . Como e e e c˜ x ln x ≡ 1 1 dt t (vide Apˆndice B).σ (t)dt . 1 + t2 Lembremos tamb´m que o logaritmo ´ definido atrav´s de uma integra¸ao.152 ˆ ´ CAP´ ITULO 13.2). mas atrav´s de uma mudan¸a e c 2 de coordenadas podemos reduzir o problema a calcular integrais de e−x . S´ c˜ e o que. 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. Ele pode ser obtido. por exemplo. a ´ E um pouco chato calcular integrais com essas constantes. a distribui¸ao de probabilidade mais comum na natureza ´ c˜ c˜ e dada pela fun¸ao c˜ 1 (t − τ )2 }.6. tomemos u = t − τ (du = dt). Pτ. para sermos honestos. e c˜ e ıcio c˜ 13.7 A gaussiana Como vimos na Subse¸ao 4. 1 + t2 π 4. 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. Por exemplo.

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

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

.

33731529 e 4(y1 + y3 + y5 + y7 + y9 ) = 15. Obtemos e 2(y2 + y4 + y6 + y8 ) = 6. 3 que ´ igual a e h {y0 + 4y1 + 2y2 + 4y3 + 2y4 + . como acima. = 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 . . Se. de modo que 1 0 0. 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 . 3 h (x + h)xdx = Com esses valores. Usaremos 9 algarismos significativos.1 1 dx ≈ (1. b] em 2n intervalos. .´ 14.33731529 + 15. essa f´rmula facilita o cˆmputo a c e e o o geral da aproxima¸ao. ` semelhan¸a do M´todo dos Trap´zios.14159263 .7246294 + 0.3. π=4 1 dx ≈ 3. . todos com tamanho h.7246294 . 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). e e . 3 Para exemplificar e comparar com o M´todo dos Trap´zios. 3 Semelhantemente. ent˜o a soma c˜ a de todas as aproxima¸oes ser´ c˜ a h {(y0 + 4y1 + y2 ) + (y2 + 4y3 + y4 ) + . resultado bem melhor do que o obtido no M´todo dos Trap´zios. + (y2n−2 + 4y2n−1 + y2n )} . 3 Observe como.0000 + 6. c˜ a tivermos a parti¸ao do intervalo [a. voltamos ` integral de p(x): a h −h p(x)dx = −h h (y2i + 4y2i+1 + y2i+2 ) . 1 + x2 0 valor que difere de π por menos do que 3 × 10−8 . .50000) . + 2y2n−2 + 4y2n−1 + y2n } . mesmo com uma subdivis˜o em muitos intervalos. 1 + x2 3 1 ou seja.

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

multiplicados por quatro (para c˜ 1 1 comparar com π).00016 4S(h) |4S(h) − π| 3.141569 2.00065 0. n 4 8 16 32 h 1/4 1/8 1/16 1/32 4T (h) 3.131 3. Para e e e verificar melhor essa afirma¸ao. uma estimativa m´xima para o erro cometido na integra¸ao de a c˜ 161 . enquanto que no M´todo e e e de Simpson.011 0. fornecido pelo Maple com 20 algarismos significativos.14143 |4T (h) − π| 0.14159250 1. Os c´lculos e 4 foram feitos com o software Maple.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.0026 0.Cap´ ıtulo 15 Estimativa do erro nos m´todos e de integra¸˜o ca 15.5 × 10−7 3.4 × 10−5 3. usando-se 20 algarismos significativos. por exemplo). por exemplo. o e e e erro no M´todo dos Trap´zios diminui aproximadamente 4 vezes.1390 3. em valor absoluto.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.1415926535897932385 . 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 . Gosa a a e tar´ ıamos de ter. A cada vez que h ´ reduzido por 2.141592653552 3.4 × 10−9 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. neste exemplo. entre os n´ meros obtidos e o valor a c u π = 3. 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. Na terceira e na quinta os valores de T (h) e S(h).1415926512 2. 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. 8 . olhemos para a seguinte tabela. 16 e 32 . 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.14094 3. Na e e e quarta e na sexta est˜o as diferen¸as.

por exemplo. a . a a e ela pode acabar sendo realista. 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. b] → R.2h2 ? e Evidentemente n˜o h´ resposta a essa pergunta.2h2 . c Pode-se dizer ent˜o que a previs˜o de erro foi bastante pessimista. C3 h3 ou C4 h4 ? Ou colocando em n´ meros. o c˜ c´lculo de ET (h) e ES (h). na determina¸ao de π que fizemos acima. Por a a c˜ u outro lado. e adotaremos.2h2 a ´ tanto menor quanto menor for h. o conhecimento pr´vio do erro inerente ao processo permite avaliar com quantos e algarismos significativos deve ser feita a integra¸ao. est´ presente o m´ximo o a a a valor absoluto de certas derivadas de f . de forma que freq¨ enteu mente exprimiremos apenas a dependˆncia em rela¸ao a h. isso nunca vai acontecer se h for suficientemente pequeno. Os resultados est˜o expostos na a a tabela abaixo. O limite indica mais ainda do que isso: a raz˜o entre 1000h4 e 0. E claro que essa interpreta¸ao n˜o leva em conta os erros de arredondamento c˜ a cometidos nos c´lculos. 1000h4 ou 0. Na verdade. mesmo que 1000h4 seja a maior do que 0. do tamanho total b − a do intervalo de integra¸ao e a c˜ de h. No entanto. dessas estimativas: ET = ET (h) e c˜ e ES = ES (h). Se calcularmos T (h).01 e ent˜o 1000h4 = 10−5 . com absoluta certeza. ent˜o e a saberemos. Se. no caso do M´todo de Simpson. c˜ Na Se¸ao seguinte nos preocuparemos em calcular ET (h) e ES (h). que o valor correto da integral est´ entre T (h) − ET (h) e a ´ T (h) + ET (h). pois 1000h4 = 5000h2 → 0 0. de acordo com as f´rmulas que discutiremos abaixo. C2 h2 . com β igual a 2. devidos ` limita¸ao no n´ mero de algarismos significativos. 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. com certeza. obtendo ao final resultados similares. 3 ou 4. menor do que 0. b]. quem ´ menor. dado o tamanho h dos intervalos da parti¸ao. Por exemplo.2h2 = 0.2h2 .0014 (truncamento de 500000−1/2). a t´ a u ıtulo de exemplo. assumiremos f e o intervalo [a. e isso vai depender muito da fun¸ao integranda. O significado de ET (h) (e similarmente de ES (h)) ´ o seguinte. na pr´tica. Quem ser´ menor. no caso do M´todo dos Trap´zios. ent˜o basta tomar h menor do que 0. Essa estimativa ser´ c˜ c˜ a chamada de ET . ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ uma fun¸ao f : [a. ent˜o a a a 1000h4 = 62. percebemos primeiro que todas as f´rmulas s˜o do tipo Chβ . quisermos que 1000h4 seja 100 vezes e menor do que 0.162 ´ CAP´ ITULO 15.5. c c e apenas menor do que ET (h).05.2h2 quando h tende a zero. para certos valores de h. e e e Tanto ET como ES depender˜o de f . 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. Usaremos trˆs aborc˜ e dagens diferentes para o problema. por exemplo. mas por outro lado se h = 0. b] como fixos. e ES . m´ximo que deve ser avaliado dentro do intervalo a [a. que ´ (bem) maior do que 0. Nas constantes. por´m. aquelas que julgaremos ser as melhores estimativas.5. pois se h = 0. Em outros casos.2h2 = 2 × 10−5 . Essa diferen¸a ´.

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

no m´ximo. . Na u verdade. Como f ′′ (x) = x3 . Ent˜o o n´ mero n de intervalos da parti¸ao ser´ maior do que a u c˜ a 1 = 7.139 . da ordem da casa decimal anterior. Observe que o erro em cada arredondamento de f (xi ) ´ de. basta tomar h tal que 2 4 h < 5 × 10−5 . . .164 ´ CAP´ ITULO 15. de forma que o erro m´ximo a 3 por arredondamento no valor final ficar´ menor do que 0. O erro a a e acumulado ser´.01732 . a ado¸ao de n = 8 nos leva a um erro m´ximo c˜ a ES (h) = 2 15 1 8 4 ≈ 3.26 × 10−5 . 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). . . .01732 . que depende do m´ximo valor absoluto da quarta derivada. como se trata de delimitar um erro absoluto. Portanto n = 8 j´ ´ uma boa escolha! ae Como o M´todo de Simpson se revela consideravelmente menos trabalhoso para se obter. . 0. com a precis˜o requerida! a E o M´todo de Simpson. . 0.7 .5 × 10−5 ). Pela f´rmula a a o de Simpson. no m´ximo. Usando N casas decimais. 180 15 Como queremos ES (h) < 5 × 10−5 . se usarmos a 5 casas decimais o arredondamento provocar´ erro de no m´ximo 0. . . ent˜o a n= b−a 1 1 = > = 57. e h< 15 · 5 × 10−5 2 1 4 = 0. que ´ igual a 24 . 2] de forma que seu m´ximo ´ atingido em x = 1 e ´ igual a 24. . Ent˜o precisamos dividir o intervalo [1. Essa fun¸ao ´ positiva e decrescente em [1. .139 . h h 0. 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. implicando que n deve ser maior ou igual a 58. ´ melhor considerar fixo o n´ mero de e u casas decimais. Ent˜o a e e a ES (h) = 24 4 2 4 h = h . ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ Como b − a = 1 e h < 0. 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). 15 isto ´. Mas antes teremos a c a que determinar o n´ mero de algarismos significativos ou de casas decimais envolvidos. a precis˜o desejada. ou seja. onde e a N ´ o n´ mero de casas decimais utilizadas.5 × 10−N . .18 . Acontece a a 1 e a que depois essa soma ser´ multiplicada por h . . 2] em a no m´ ınimo 58 intervalinhos para conseguir a estimativa desejada. o a 6 24 2 c˜ e entre 1 e 2. e garantidamente. fa¸amos os c´lculos correspondentes. temos f ′′′ (x) = − x4 e f (iv) (x) = x5 . . 10×10−N .5 × 10−N (por exemplo.

para 1 ≤ x ≤ 3.875 2. 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. Determine a fun¸ao de itera¸ao ϕ do M´todo de Newton.000 f (xi ) 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 . 8 24 que difere do valor verdadeiro por menos do que 10−5 .2.000 1.72727 0. e c˜ 1.750 1.2 Investigue. usando o M´todo de a e Simpson com 8 intervalos.125 1. de maneira geral.´ 15.4 Procure integrar numericamente fun¸oes cujas primitivas sejam conhecidas. i 0 1 2 3 4 5 6 7 8 Obtemos xi 1. x . O que nos faz concluir que o uso de 5 casas decimais ´ e suficiente para os c´lculos. e c˜ ı Exerc´ ıcio 15.61538 0. baseado no a e e e que foi feito no exemplo acima.69315 .5 Considere a fun¸ao ln x = 1 1 dt.3 Determine uma f´rmula para S( h ) em fun¸ao de T (h) e T ( h ).53333 0. 2. o 2 2 Exerc´ ıcio 15.00000 0. que resolve esta equa¸ao c˜ c˜ e c˜ numericamente.375 1. a Ent˜o vamos a eles! A tabela abaixo mostra os valores de f nos pontos da parti¸ao.50000 1 1 S( ) = × 16.63568 = 0. c˜ de forma a comparar os resultados obtidos com os valores exatos.625 1. dentro. da precis˜o pedida. Proponha uma “receita” para essa escolha.250 1. Examine a integra¸ao c˜ 2 num´rica da fun¸ao Gaussiana e−x . a Exerc´ ıcio 15. a c˜ arredondados para 5 casas decimais. e levando em conta a precis˜o que se quer atingir no resultado a final.500 1.57143 0. Determine o erro m´ximo de se calcular ln x. 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. usando o M´todo u e c˜ e c˜ e de Newton e calculando logaritmos somente atrav´s da defini¸ao. e e Exerc´ ıcio 15.1 A integral 2 1 ex dx x ´ maior ou menor do que 3? Justifique sua resposta e dˆ uma estimativa para a integral.88889 0. c˜ Exerc´ ıcio 15.80000 0. largamente utilizada em Probabilidade e Estat´stica.66667 0. portanto e com folga.

g4 (x) = x4 − 7 x2 + 35 .166 ´ CAP´ ITULO 15. Calcule x2 = ϕ(x1 ). g1 (x) = x. com 4 casas decimais e 8 intervalos. Estime os valores num´ricos usando uma aproxima¸ao para essa ` e c˜ integral. g3 >= 175 . Com x0 = 1. Tome x0 = 3 e calcule x1 = ϕ(x0 ) (use 4 casas decimais para os valores de intervalos para a integra¸ao). Exerc´ ıcio 15. e 8 5. g3 (x) = x3 − 3 x.7 Considere a equa¸ao f (x) = c˜ x −t2 dt 0 e 2 − 1 = 0. c˜ 4. g2 >= 45 . 5 8 8 2 sabendo que < g0 . Para isso. Outras integrais ou ser˜o nulas (porque o integrando ´ ´mpar) ou podem ser reduzidas. a integral gaussiana. . < g4 . obtenha x1 = ϕ(x0 ). Observe que ser´ preciso calcular a integral gaussiana. g4 >= 128 a a 11025 . 3. com certeza. 1].716. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ 1 t. use a fam´lia de polinˆmios ortogonais (nesse ı o 6 3 1 intervalo) g0 (x) = 1. aproxime e−x por um polinˆmio e ı o de grau 4 no intervalo [−1. < g1 .6 Usando o m´todo de m´nimos quadrados. < g3 . Defina a fun¸ao de itera¸ao ϕ do M´todo de Newton para resolver a equa¸ao. Exerc´ ıcio 15. < g2 . 1. por sucessivas integra¸oes por eı c˜ partes. g1 >= 3 . g0 >= 2. 2.720]. c˜ c˜ e c˜ 2. g2 (x) = x2 − 3 . Discuta uma estrat´gia que vocˆ adotaria para mostrar que e est´. no e e a intervalo [2.

a unidade b´sica ´ um intervalo [xi . a f´rmula de erro ´ obtida primeiro para uma unidade b´sica. evidentemente. podem ser seguidas no caso geral. determinar f´rmulas mais gerais que levassem o em conta um espa¸amento irregular. Seguiremos trˆs abordagens.Cap´ ıtulo 16 Obten¸˜o das f´rmulas de erro ca o Como dissemos no Cap´ ıtulo anterior. de e e c˜ forma que |b − a| eT (h) . o e a No M´todo dos Trap´zios. mas sem d´ vida isso seria um pouco menos interessante. Poder´ ıamos. se isso for e da necessidade do leitor. a Em todas as abordagens. dedicaremos este Cap´ ıtulo para a obten¸ao das f´rmulas c˜ o de erro mencionadas. c u As id´ias da primeira abordagem. c˜ ET (h) = 167 1 max |f ′′ |h3 . 12 Observe que tamb´m h´ uma perda em rela¸ao ` constante multiplicativa. de tamanho h. 12 . 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. xi+1 ]. 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. 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. por exemplo. e como o n´ mero de intervalos ´ igual a n ent˜o e o u e a ET (h) = neT (h) . 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. na primeira e na segunda abordagens obteremos eT (h) = logo |b − a| max |f ′′ |h2 . ET (h) = h Por exemplo. Para e e a e cada intervalo obt´m-se uma f´rmula eT (h). 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. Todas as f´rmulas de erro mencionadas pressup˜em que os intervalos da parti¸ao sejam de o o c˜ igual tamanho.

M´todo dos Trap´zios e e 1 Mostraremos que |∆(h)| ≤ 12 max |f ′′ | · h3 (vide tabela acima). que tem a e a e tamanho 2h. h]. f (h)). De acordo com o exposto no Cap´ ıtulo 11. c= Ent˜o. e as unidades [x2i . No M´todo de Simpson. via uma mudan¸a de coordenadas. por eS (h). x2i+2 ] do e e M´todo de Simpson podem ser tomados como sendo [−h. h].h] h3 . em [0. f (h)). 0 x(h − x)dx = c . temos a c˜ h 1 max |f ′′ | . definimos p(x) como o polinˆmio interpolador de grau 1 por e e o (0. OBTENCAO DAS FORMULAS DE ERRO ¸˜ J´ no M´todo de Simpson. f (0)) e (h. 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. x2i+2 ]. xi+1 ] do c M´todo dos Trap´zios podem ser tomados como sendo [0.168 ´ CAP´ ITULO 16.1 Primeira Abordagem . Em cada intervalo desses troca-se f por um polinˆmio quadr´tico e examina-se o a a diferen¸a produzida na integra¸ao. Como s˜o n unidades b´sicas e 2n = |b−a| . f (−h)). em valor absoluto. pela defini¸ao de ∆(h). por eT (h). os intervalos [xi . definimos p(x) como sendo o polinˆmio quadr´tico por (−h. 6 |∆(h)| ≤ c e segue o que quer´ ıamos demonstrar. em valor absoluto. 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. resulta que a a h |b − a| eS (h) . h]. e No M´todo dos Trap´zios. a unidade b´sica ´ um intervalo da forma [x2i . e procuramos limitar a diferen¸a c h ∆(h) = −h (f (x) − p(x)) dx . e procuramos limitar a diferen¸a c h ∆(h) = 0 (f (x) − p(x)) dx . 2! [0. e o a (0. vale notar que. da seguinte forma: onde −cx(h − x) ≤ f (x) − p(x) ≤ cx(h − x) . a diferen¸a c f (x) − p(x) pode ser limitada. A f´rmula de erro para a unidade ser´ denotada por c c˜ o a eS (h).

|f (x) − p(x)| ≤ c|q(x)| . Al´m disso.2 Primeira Abordagem . em [0.2. 16. 2 Observamos ent˜o que ∆(0) = 0. consideraremos h como vari´vel e estimaremos o erro ∆(h) em a 2 fun¸ao dessa vari´vel. onde q(x) = (x + h)x(h − x) e 1 c = 3! max[−h. 2 2 . PRIMEIRA ABORDAGEM . 2 Se P for uma primitiva de f (isto ´. e portanto s´ precisamos obter a integral e c˜ e o h 0 (x + h)x(h − x)dx = |∆(h)| ≤ c 4 h . ent˜o e a ∆(h) = P (h) − P (0) − h (f (0) + f (h)) . 2 h4 . Temos c˜ a h ∆(h) = 0 f (x)dx − h (f (0) + f (h)) . h] a fun¸ao q ´ positiva. Ent˜o a h |∆(h)| ≤ c −h |q(x)|dx . |q| ´ fun¸ao par. Se pudermos limitar a derivada de ∆(h) ent˜o limitaremos seu crescimento. Para isso.M´todo dos Trap´zios e e 1 Iremos mostrar que |∆(h)| ≤ 12 max |f ′′ | · h3 . ent˜o a ∆′ (h) = 1 h (f (0) + f (h)) − f ′ (h) . De acordo com o Cap´ ıtulo 11.3 Segunda Abordagem .METODO DE SIMPSON 169 16.M´todo de Simpson e 1 Mostraremos que |∆(h)| ≤ 12 max |f ′′′ | · h4 . 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)).h] |f ′′′ | . de forma que e c˜ h |∆(h)| ≤ 2c 0 |q(x)|dx . 2 2 1 h (f (h) − f (0)) − f ′ (h) . 4 Logo de onde segue o que quer´ ıamos demonstrar. o que era de se esperar. em fun¸ao a c˜ do tamanho de h. Como q ´ fun¸ao ´ e c˜ ımpar. Temos ∆′ (h) = P ′ (h) − Como P ′ = f . P ′ (x) = f (x)).´ 16. pois nenhum erro ´ cometido se h ´ a e e nulo.

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

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

Adiante teremos uma f´rmula mais expl´ o ıcita para esse resto. 3 que ´ o mesmo valor dado pelo M´todo de Simpson. isto e ´. O M´todo de Simpson nos d´ a aproxima¸ao e a c˜ h (g(−h) + 4g(0) + g(h)) . g(0) = d. de forma que o f (x) − p3 (x) = R(x) . aplicado em pares de intere valos iguais. observaremos que o M´todo de Simpson. h Queremos avaliar o erro cometido pelo M´todo de Simpson para integrar −h f (x)dx. 2 3! R(x) −→ 0 x3 quando x → 0. 3 Mas g(−h) + g(h) = 2bh2 + 2d .6 Terceira Abordagem .172 ´ CAP´ ITULO 16. ´ exato para polinˆmios c´ bicos. logo a integral vale a 2b h3 + 2dh . Em primeiro lugar. logo e bh2 h (g(−h) + 4g(0) + g(h)) = 2h( + d) . que permitir´ qualificar as a constantes envolvidas. vemos que esse ´ exatamente o valor da integral. e e Agora consideremos uma fun¸ao f suficientemente diferenci´vel. Chamaremos de p3 o polinˆmio de Taylor. suponha que queiramos integrar g(x) = ax3 + bx2 + cx + d em [−h. OBTENCAO DAS FORMULAS DE ERRO ¸˜ 16. 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) . olharemos para a diferen¸a e c h ∆(h) = −h f (x)dx − h (f (−h) + 4f (0) + f (h)) . e o u Sem perda de generalidade. Al´m disso. −h −h 4 3 2 −h O primeiro e o terceiro termos s˜o nulos. pois e h −h (ax3 + bx2 + cx + d)dx = a x3 x2 x4 h |−h + b |h + c |h + dxh . 3 . 3 3 Por outro lado.M´todo de Simpson e 2 Iremos mostrar que ∆(h) ≤ 45 max |f (iv) | · h5 . h].

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

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

Parte VI Equa¸˜es Diferenciais co 175 .

.

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

isto ´ x′ (t) = X(˜(t)) e x(0) = x0 . como nos dois exemplos acima. x(0) = 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′ = t2 sen(tx) significa c˜ ′ 2 x (t) = t sen(tx(t)). Ela n˜o ´ a unica. As fun¸oes x(t) que verificam x′ (t) = f (t. x(t)) . Ao contr´rio do exemplo anterior. o o c˜ Pensando no caso autˆnomo. ´ a E f´cil verificar que x(t) = et ´ solu¸ao.2). e x′ (t) = f (t. e Dizemos que uma equa¸ao diferencial ´ autˆnoma quando f s´ depende de x. . 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. donde x(t) = x0 et−t0 . Na nota¸ao compacta escreve-se c˜ c˜ x′ = f (t. x) x0 ´ comumente conhecido como problema de Cauchy. temos tamb´m as equa¸oes separ´veis. Por exemplo. De fato veremos c˜ a que esse n˜o ´ o caso. Por exemplo. ˜ c˜ e˜ x ˜ Ent˜o ´ f´cil ver que x(t) = x(t−t0 ) ´ solu¸ao do problema de Cauchy x′ = X(x). c˜ Al´m disso. x(t0 ) = x0 . Al´m das equa¸oes autˆnomas. a derivada de x(t) pode depender de x(t). Seja x(t) essa solu¸ao. x(t)) s˜o chamadas solu¸oes c˜ a c˜ da equa¸ao diferencial. 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. 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 ). como na seguinte equa¸ao: c˜ c˜ x′ (t) = x(t) . t ∈ R . ent˜o a constante c fica univocamente a determinada por x0 = x(t0 ) = cet0 . No entanto. ficando impl´ ıcito o argumento das fun¸oes x e x′ . pode-se colocar o problema de valor inicial e x(t0 ) = x0 . O problema de achar x(t) tal que x′ = x(t0 ) = f (t. pois x(t) = cet tamb´m ´ e c˜ a e ´ e e solu¸ao da equa¸ao diferencial para todo c ∈ R. suponha que j´ conhe¸amos uma solu¸ao para o problema o a c c˜ de Cauchy x′ = X(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. se impusermos o problema c˜ c˜ de valor inicial x(t0 ) = x0 e supusermos x(t) = cet . por quest˜es de tradi¸ao). onde 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).3. x) . pois c˜ a princ´ ıpio poderia haver uma solu¸ao que n˜o fosse da forma x(t) = cet . pelo menos para essa equa¸ao (vide Subse¸ao 17. no caso de equa¸oes autˆnomas basta estudar o problema de Cauchy c˜ o com t0 = 0.178 CAP´ ITULO 17. isto ´. a e c˜ c˜ De modo geral. isto ´ c˜ e o o e f (t. x) = g(t)X(x) .

SOLUCAO DE EQUACOES AUTONOMAS E SEPARAVEIS ¸˜ ¸˜ 179 Veremos adiante que equa¸oes autˆnomas e separ´veis s˜o facilmente sol´ veis. e gostar´ e ıamos de saber x(t) se x(t0 ) = x0 (problema de Cauchy). isto ´. pode-se mostrar que se x(t) = x∗ para algum instante t ent˜o x(t) ≡ x∗ . . observamos primeiramente que se X(x∗ ) = 0 c˜ ˙ ent˜o x(t) ≡ x∗ ´ solu¸ao. e c˜ Est´ fora do escopo destas notas. mas eventualmente essas solu¸oes n˜o podem ser obtidas c˜ c˜ a explicitamente. mas sua express˜o expl´ ı a ıcita depender´ a 1 de podermos cumprir certas etapas. equa¸oes autˆnomas representam um c˜ o caso particular das equa¸oes separ´veis. Em outras palavras. mas com condi¸oes razo´veis sobre g e X (por exemplo.2. para ˜ a e ˜ ˜ todo t). Ent˜o c˜ ˙ a x(t) x0 1 du = X(u) t g(s)ds . se acharmos uma primitiva F para X e uma primitiva G para g. n˜o h´ como uma solu¸ao x(t) a a a c˜ chegar e sair de uma singularidade. al´m disso. ent˜o X(x(t)) n˜o se anula. para todo t) ou nunca se cruzam (x(t) = x(t). podemos escrever suas solu¸oes em termos de inversas de c˜ o e c˜ primitivas de fun¸oes elementares. ˙ O instante inicial ´ t0 . a menos c˜ o a a u de integra¸oes e invers˜es. e integrar de t0 a t: c˜ t t0 1 x(s)ds = ˙ X(x(s)) t g(s)ds . 17. t0 No lado esquerdo fazemos a substitui¸ao u = x(s). mas achar uma express˜o expl´ a ıcita ´ outra coisa!). podemos encontrar a solu¸ao da seguinte maneira. Na verdade. ent˜o a equa¸ao ficar´ a c˜ a F (x(t)) = F (x0 ) + G(t) − G(t0 ) . Por exemplo. encontrar x(t). ˙ Para discutir as solu¸oes de x = g(t)X(x). Fora das singularidades. teremos e x(t) = F −1 (F (x0 ) + G(t) − G(t0 )) . de algum modo.ˆ ´ 17. pois F ′ = X n˜o troca de sinal. e a a a podemos dividir os dois lados da equa¸ao por X(x(t)). Se. 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. 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). Um ponto x∗ dessa a e c˜ ˙ forma ´ chamado de singularidade da equa¸ao. se tomarmos g(t) ≡ 1. a c˜ a g cont´ ınua e X diferenci´vel e com derivada cont´ a ınua). Como estamos supondo que x(t) n˜o passa por singularidade. Pois uma equa¸ao autˆnoma x = X(x) tamb´m se c˜ a c˜ o ˙ e escreve como x = g(t)X(x). de forma que du = x(s)ds. Primeiro c˜ escrevemos a equa¸ao com a vari´vel t explicitada: c˜ a x(t) = g(t)X(x(t)) . pois x(t) ≡ 0 e g(t)X(x(t)) = g(t)X(x∗ ) ≡ 0.2 Solu¸˜o de equa¸˜es autˆnomas e separ´veis ca co o a Em primeiro lugar observamos que. t0 A partir da´ podemos. em teoria.

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

exponenciando os dois lados. 181 Um modelo como este se presta tamb´m ` modelagem do decaimento radioativo. Se definirmos w(t) = v(t) − v ∗ (ou seja. mg − αv seguindo o m´todo sugerido para equa¸oes autˆnomas e separ´veis. portanto. sendo mais justo c˜ escrever α(t) = h(x(t)) . o 17. e c˜ o a 17.3 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 . equa¸oes do tipo x = αx e c˜ ˙ explicam o comportamento da velocidade do p´ra-quedista. ALGUNS EXEMPLOS e. ent˜o a w(t) = w0 e− v∗ t . a taxa de crescimento deveria ser positiva. A velocidade de equil´ ıbrio v ∗ ´ definida como sendo aquela para a qual a resultante de e ∗ c for¸as ´ nula. ˙ ˙ Como α m = g v∗ . A equa¸ao tamb´m poderia ser resolvida diretamente. e tanto mais positiva quanto menor for a popula¸ao (respeitando ´ claro a velocidade de reprodu¸ao m´xima da esp´cie). ˙ 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. .17. onde a e a taxa de decaimento de uma amostra de um is´topo ´ proporcional ` quantidade desse mesmo o e a is´topo. x(t) = x0 eα(t−t0 ) .3. teremos mw(t) = mv(t) = mg − αv(t) = αv ∗ − αv(t) = −αw(t) .4 Crescimento populacional com restri¸˜es de espa¸o co c Um modelo ligeiramente mais realista do que o proposto na Subse¸ao 17.3. portanto v = mg . e a ˙ e c˜ pela Segunda Lei de Newton vale mv(t) = mg − αv(t) .2 levaria em conta c˜ a limita¸ao de espa¸o e alimento que uma popula¸ao enfrenta quando se torna muito grande. α(t) dependeria exclusivamente da popula¸ao. Se v(t) ´ velocidade do p´raa e a quedista (supondo positiva se estiver indo de cima para baixo). ent˜o v(t) ´ a acelera¸ao.3. (ii) se a popula¸ao c˜ c˜ for muito pequena. e tanto mais negativa quanto maior for a popula¸ao.3. c˜ e c˜ a e Nesse modelo. Isso d´ uma equa¸ao autˆnoma em a a c˜ o v(t). c˜ c c˜ Esse modelo preveria que: (i) se a popula¸ao for muito grande. a diferen¸a entre a c e α velocidade e a velocidade de equil´ ıbrio. a taxa de crescimento α(t) c˜ deveria ser negativa. em cada instante). g se w0 = w(0).

porque h´ o peso da corda c a agindo verticalmente e as for¸as de tens˜o para contrabalan¸ar. c a c Faremos a an´lise desse equil´ a ıbrio de for¸as sobre um segmento da corda. x(t)) ´ uma for¸a de intensidade f (t) e c desconhecida. Essa taxa decresceria continuamente com o aumento de x. 11 00 11 00 11 00 x 11 00 11 00 11 00 t Como estamos modelando uma corda parada. c˜ e c˜ ´ E comum o emprego de y e x para essas vari´veis. Em (t. As for¸as existem realmente. em nota¸ao compacta. mas c˜ n˜o o faremos para evitar confus˜o. mas achamos que ela se presta muito c˜ mais a um exame qualitativo. Vejamos. h(x) = a − bx. de forma a que a equa¸ao diferencial se escreva como y ′ = f (x. x(t)) da corda. Neste caso.5 Caten´ria a J´ falamos mais de uma vez sobre a caten´ria. 0) e um ponto arbitr´rio (t. A origem das coordea a nadas ser´ colocada sobre o ponto de m´ a ınimo da corda.182 CAP´ ITULO 17. restam as for¸as nos extremos. a e . y). BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ A fun¸ao h(x) assumiria um valor positivo em x = 0. do qual iremos falar na pr´xima Se¸ao. Para se obter a for¸a peso agindo sobre esse peda¸o. inclinada com ˆngulo θ = θ(t) cuja tangente ´ igual a x′ (t). para manter a nota¸ao que usamos at´ este ponto da exposi¸ao. que podemos investigar. ao ponto de se tornar negativa para x grande. mas em nenhum momento justificamos pora a que uma corda (ou corrente) pendurada por dois pontos assume o formato de um cosseno hiperb´lico. Poder´ ıamos resolver explicitamente esta equa¸ao. Em (0. 0) ´ uma for¸a c e c horizontal. o c˜ 17. onde x(t) indica a fun¸ao cujo gr´fico coincide a c˜ a com seu formato. Estando j´ equilibradas c a a a localmente no interior do segmento. c˜ a c˜ Em primeiro lugar. 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 . o A dedu¸ao mais razo´vel passa por uma equa¸ao diferencial. sem limita¸ao f´ c˜ c˜ ısica alguma. Por exemplo.3. c˜ x′ = x(a − bx) . com a e b positivos. satisfaz a essas exigˆncias. ´ 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). temos um equil´ ıbrio de for¸as sobre a c corda. e ter´ ıamos a equa¸ao diferencial c˜ x′ (t) = x(t) (a − bx(t)) ou. correspondente a uma taxa de crescic˜ mento ideal da popula¸ao. de intensidade f0 desconhecida. As for¸as de tens˜o agem no segmento tangencialmente ` corda. chamaremos de t a coordenada horizontal e de x a coordenada vertical no plano da corda. entre o ponto c (0.

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

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

e c˜ e c˜ c˜ Em outras palavras. x − ϕ(x) onde x faz o papel de t e f o papel de x.3. dada a fun¸ao ϕ e sabendo-se que c˜ ϕ(x) = x − f (x) . ALGUNS EXEMPLOS 185 17. x) ent˜o a c˜ o ˙ a f (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 . por´m substituindo x(t) por a(t)x(t) + b(t). pois se escrevermos x = f (t. ˙ cuja solu¸ao discutiremos abaixo.7 Dada ϕ do M´todo de Newton. obtemos a equa¸ao separ´vel c˜ a f ′ (x) = 1 f (x) . Seja x(t) a temperatura do corpo no instante t. c˜ O caso em que b(t) = 0 ´ um caso particular de equa¸ao separ´vel. com solu¸ao x(t).3. e Aqui n˜o se trata mais de uma equa¸ao autˆnoma. f ′ (x) achar f .8 Transferˆncia de calor e Um corpo est´ em contato com um grande reservat´rio. 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. x(t0 ) = x0 . Manipulando. 17. cuja temperatura ´ uma fun¸ao do a o e c˜ tempo T (t). ficamos com e ˙ y(t) = b(t)e ˙ t0 . Esta equa¸ao tampouco ´ separ´vel. A cada instante.17. x) = α (T (t) − x) . usamos um truque: ˙ c˜ R − tt a(s)ds examinamos a derivada de y(t) = x(t)e 0 . a varia¸ao da c˜ temperatura do corpo ´ proporcional ` diferen¸a entre sua temperatura e a temperatura do e a c reservat´rio. ˙ onde α ´ uma constante positiva. c˜ e a e u Ela se enquadra no conjunto das equa¸oes do tipo c˜ x = a(t)x + b(t) .3. A equa¸ao s´ est´ definida fora dos pontos fixos de ϕ. que tem solu¸ao e c˜ a c˜ t x(t) = x0 exp{ t0 a(s)ds} se x0 = x(t0 ). 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!). Para o problema afim x = a(t)x + b(t). . gera uma dada fun¸ao de itera¸ao ϕ. no M´todo de Newton. Equacionando: o x(t) = α (T (t) − x(t)) . mas ainda assim ´ simples o suficiente para ser sol´ vel.

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 . Como X(x(t)) = x(t). sem resolvˆ-las! c˜ c˜ o e Para come¸ar. e Como as solu¸oes n˜o cruzam as singularidades (isto ´ garantido por um Teorema. o que implica que o sinal de x(t) ´ sempre o mesmo. A fun¸ao ´ negativa ` esquerda de x∗ e 1 4 1 2 3 a entre x∗ e x∗ . ilustramos esquematicamente uma fun¸ao (arbitr´ria) c˜ a c˜ e a X(x). x∗ . e c˜ ˙ c˜ 17. se X c˜ a e for deriv´vel e com derivada cont´ a ınua). a c˜ Na figura abaixo. Num diagrama em que coloquemos t na abscissa e x na ordenada. A unicidade ´ garantida pela unicidade da integra¸ao de y com a condi¸ao y(t0 ) = x0 . ent˜o o sinal de x(t) ´ o mesmo que o sinal de X(x(t)). BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ t y(t) = y(t0 ) + t0 b(r)e − Rr t0 a(s)ds dr . e positiva ` direita de x∗ e nos intervalos entre x∗ e x∗ e entre x∗ e x∗ . vimos que se x∗ ´ uma singularidade da equa¸ao autˆnoma x = X(x). para todo t. Portanto as primeiras solu¸oes c˜ e a c˜ que podemos identificar na equa¸ao s˜o essas solu¸oes constantes. x∗ e x∗ . a e c˜ esse tipo de solu¸ao ´ uma linha reta horizontal ` altura de x∗ . uma solu¸ao x(t) est´ sempre confinada a um mesmo c˜ a intervalo. e suponha que x(t) est´ em a I. c e c˜ o ˙ ent˜o x(t) ≡ x∗ ´ solu¸ao. Como y(t0 ) = x0 . com quatro singularidades x∗ . 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. O que ´ o mesmo ˙ e e que dizer que x(t) ou ´ crescente ou ´ decrescente. e uma ou outra op¸ao ser´ determinada e e c˜ a pelo sinal de X no intervalo onde est´ confinada a solu¸ao. cada uma correspondendo c˜ a c˜ a um zero da fun¸ao X. Seja I um intervalo desses.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. pois se mudasse haveria uma outra singularidade no a intervalo. pelo Teorema de Bolzano. 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). por exemplo.186 e portanto CAP´ ITULO 17. c˜ . o sinal de X n˜o muda. c˜ Em cada intervalo entre duas singularidades e nos intervalos entre a ultima singularidade ´ e o infinito. mas naturalmente o mais ´bvio ´ desenharmos o gr´fico da solu¸ao x(t). e esse sinal ˙ a ˙ e ´ sempre o mesmo enquanto x(t) estiver em I.

em equa¸oes autˆnomas. X(x) ´ positiva e ` direita de x∗ a fun¸ao X(x) ´ negativa. 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. 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 .5 Equa¸˜es diferenciais com mais vari´veis co a Existem tamb´m os chamados sistemas de equa¸oes diferenciais (de primeira ordem). 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. As setas entre as singularidades indicam para que lado as solu¸oes c˜ naquele intervalo tendem quando t tende a infinito. . `s singularidades (de c˜ a o a fato. por exemplo.5. E se come¸ar acima decrescer´ assintoticamente at´ o c a e 2 mesmo equil´ ıbrio. 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. 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. 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. 17. 2 a Entre as duas. nos restringiremos a essa regi˜o. Por c˜ exemplo. Nessa regi˜o. entender a equa¸ao de crescimento populacional a c˜ x = x(a − bx) . x = 3x2 − y + 3 ˙ . para t indo a mais ou menos infinito.´ 17. que e c˜ envolvem simultaneamente duas ou mais fun¸oes e suas respectivas primeiras derivadas. c˜ o a a a fun¸ao X(x) = x(a − bx) tem duas singularidades: x∗ = 0 e x∗ = a . y = sin x + yx3 ˙ Neste caso. ˙ Como essa equa¸ao s´ faz sentido para x ≥ 0. 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∗ .

a poc˜ e c˜ pula¸ao de tartarugas n˜o precisa dos jacar´s para sobreviver. Cada vari´vel do sistema representa a poc˜ a pula¸ao de uma esp´cie. A derivada da curva γ. podemos tecer as seguintes considera¸oes. y0 ) e um instante t0 achar uma solu¸ao γ(t) tal que c˜ γ(t0 ) = (x0 . y(t)) tem que ser exatamente ˙ ˙ ˙ igual ao vetor (3x(t)2 − y(t) + 3. Ent˜o ter´ c˜ e a ıamos x′ (t) = A − Bx(t) − Cy(t) . y).y(t)) Perceba que esse sistema de equa¸oes diferenciais j´ fixa. y0 ). Como na Subse¸ao 17. mas tem suas limita¸oes de c˜ a e c˜ espa¸o e alimento usuais. y(t)) no plano xy. O sistema de equa¸oes diferenciais diz a c˜ ent˜o que. 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. . em cada instante t. a taxa de crescimento proporcional da c c˜ popula¸ao ´ uma fun¸ao parecida com A − Bx(t). sin x+yx3 ). dada por γ(t) = (x(t). sin x(t) + y(t)x(t)3 ). γ(t) x γ (t)=(x(t). representa o vetor ˙ ˙ ˙ tangente ` curva. o vetor tangente ` curva a a γ(t) dado por γ(t) = (x(t). 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. e y Podemos olhar as fun¸oes x(t) e y(t) como as coordenadas c˜ de uma curva γ : t → (x(t). mas deve-se descontar um termo tanto c˜ e c˜ maior quanto maior for a popula¸ao de jacar´s. x(t) . BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ Esse tipo de problema parece ser bastante ´rido ` primeira vista. y). Por exemplo. por exemplo Cy(t). se x(t) for a popula¸ao de tartarugas e y(t) for a c˜ e c˜ popula¸ao de jacar´s.4. y(t)).3. mas se torna mais atraente a a se o interpretarmos do ponto de vista geom´trico. Uma maneira de esbo¸ar um campo de vetores e c ´ mostrando os vetores correspondentes a alguns pontos do plano (x.188 CAP´ ITULO 17. 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 . para cada ponto (x. Em primeiro lugar. qual ser´ c˜ a a o vetor tangente de uma solu¸ao que por ali passar em algum instante: (3x2 −y+3.

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

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

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

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

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

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

para fixarmos melhor o entendimento do m´todo.970 1.786 2e−tk 2.12 × 2 × 0. .199 0. Essa constante pode ser muito grande.611 1.994 .2 0. vejamos o que resulta da mesma equa¸ao com passo igual a 0.1.506 1. o tamanho do passo.285 1. mas isso significa apenas que ele ´ mee nor do que uma constante vezes h. Depois.1 = 2 − 6 × 10−3 = 1. calculemos os primeiros valores xk com cuidado.947 1.419 = 0.0 0.3 0. O METODO DE EULER Ent˜o x(t) = 2e−t . 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. se reduzirmos h ent˜o o erro m´ximo se reduzir´ proporcionalmente. a a a Por exemplo.1. pois sabemos apenas que ele pode c˜ ser da ordem de h.4 0. x0 )h . de forma que a informa¸ao n˜o ´ suficiente c˜ a e para estimar o erro. com quatro c˜ casas decimais.0 xk 2. com t0 = 0. temos x2 = x1 + f (t1 . x) = −3t2 x.7 0. e Temos x1 = x0 + f (t0 . arredondados para 3 casas decimais depois de obtido cada a xk . Antes de apresentar o resultado.736 3 O maior erro cometido em rela¸ao ` solu¸ao verdadeira c˜ a c˜ ocorreu em tk = 0.05.8 0.994 1.9 1.688 1. x1 )h = x1 − 3t2 x1 h . k 0 1 2 3 4 5 6 7 8 9 10 tk 0.917 1.419 1.´ 18. x0 = 2 e f (t. No entanto.765 1.965 0.000 1. 1 de forma que substituindo os valores conseguimos x2 = 2 − 3 × 0.506 − 1.087). Portanto x1 = x0 = 2.7 (1.876 1.6 0.825 1. mas n˜o chea ´ gou a 0. E preciso tomar cuidado com a avalia¸ao do erro.5 0.038 0.984 1.000 2.1 0.998 1.000 1. O resultado est´ na tabela abaixo. ela diz que.3.

t = tk .043.6].196 ´ CAP´ ITULO 18.5197 1.9980 1.8760 1.0000 2.25 0.8258 1. com a condi¸ao inicial c˜ c˜ x(0) = 1.7954 1.8516 1.1210 0.80 0.9841 1. Para isso. ´ preciso ir al´m da e e e aproxima¸ao de primeira ordem em x(t + h). que c c˜ a ´ metade da discrepˆncia obtida com passo igual a 0.4 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.7281 1.5606 1.9326 1.1 Considere a equa¸ao diferencial x′ = x2 − sent.7592 2e−tk 2. x) = −6tx e fx (t.9690 1. x = xk .90 0. 18.85 0.10 0. temos f (t.0000 1.40 0.3116 1.9467 1.9998 1.50 0. em tk = 0.1. Ent˜o. e a Exerc´ ıcio 18.75 0. por exemplo. Consideremos.20 0.70 0.9993 1. x) = −3t2 x. .3543 1.9161 1.95 1.00 0.30 0.9933 1.9777 1.00 xk 2.8781 0.9963 1.1.7358 3 A maior diferen¸a em rela¸ao ao valor verdadeiro n˜o passou de 0. ainda no exemplo x′ = −3t2 x.9592 1. Substituindo essas express˜es. com a nota¸ao x(t + h) = xk+1 . no intervalo [0.9896 1.6115 1.35 0.60 0. x) = a −3t2 . com passo h = 0.6935 1.8971 1.9995 0.75.6497 1.4193 1.2400 1. obtemos o c˜ a rela¸ao de recorrˆncia c˜ e 3 xk+1 = xk + 3tk xk h −tk − h + t3 h 2 k .65 0. a aproxima¸ao de c˜ c˜ segunda ordem: 1 x(t + h) ≈ x + x′ h + x′′ h2 .9648 0. 2 onde x′ = f e x′′ = ft + f fx .7650 1.4617 1.15 0.0822 0.8485 0. Obtenha uma discretiza¸ao/aproxima¸ao da solu¸ao usando o M´todo de Euler de c˜ c˜ c˜ e primeira ordem. 0.1986 1.55 0.45 0.0000 1. 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. ft (t.05 0.

x)fx (t. apesar de a express˜o de c˜ c˜ a f (t. “Muito menor” significa que esse termo. V´rios fatores contribuem para isso: as express˜es das derivadas a o parciais de f e a combina¸ao da f´rmula. Portanto x(t + h) − x(t) = h f + 1 (f (t + h. onde o(∆t. x + hf ) − f + o(h) . que envolve v´rios termos. e √ muito menor do que ∆t2 + ∆x2 . INDO PARA SEGUNDA ORDEM 197 O erro m´ximo cometido em cada itera¸ao ´ da ordem de h3 . √ pois ∆t2 + ∆x2 = h 1 + f 2 . Isso significa que a redu¸ao e c˜ do passo pela metade provoca redu¸ao no erro da ordem de quatro vezes. se tomarmos ∆t = h e ∆x = hf ent˜o teremos a f (t + h. ∆x) denota um termo (o resto) muito menor do que a norma de (∆t. x) + f (t + h. e x(t + h) − x(t) = h (f (t. a partir da mesma c˜ e condi¸ao inicial x(0) = 2 e compare com os resultados obtidos anteriormente. ao passar para segunda ordem acabamos por c˜ a a nos envolver com uma fun¸ao de itera¸ao muito mais complicada.18. 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. 2 que escreveremos assim: 1 x(t + h) − x(t) = h f + (hft + hf fx ) + o(h2 ) . se ∆t2 + ∆x2 vai a zero. sem expressivo acr´scimo da complexidade algor´tmica. temos c˜ hft + hf fx = f (t + h. x + hf )) . Na nota¸ao compacta que propusemos.1. portanto o erro m´ximo a c˜ e a acumulado ao longo de todo o intervalo ´ da ordem de (b − a)h2 . eme ı bora a dedu¸ao do algoritmo propriamente dito possa ficar cada vez mais complicada. x) + ft (t. x + hf ) − f ) + o(h2 ) 2 (a soma de dois termos o(h2 ) ´ um termo o(h2 )). x) at´ primeira ordem: a e f (t + ∆t. 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.4. vai a zero. x)∆t + fx (t. x + ∆x) = f (t. Ou seja. x)∆x + o(∆t. c˜ Exerc´ ıcio 18. x + hf ) − f (t. ∆t) . e e c˜ c˜ Estamos interessados na diferen¸a x(t + h) − x(t). x) = hft (t. quando dividido √ √ por ∆t2 + ∆x2 . x) ser muito simples. x) + o(h) . c˜ Apesar da vantagem em rela¸ao ` precis˜o. Essa c˜ abordagem ´ conhecida como M´todo de Runge-Kutta de integra¸ao das equa¸oes diferenciais. o c˜ c´lculo de todas as derivadas parciais envolvidas e a montagem das f´rmulas. Na Se¸ao seguinte veremos como esse m´todo pode ser generalizado c˜ e inclusive para ordens mais altas. que nos permitir´ implementar um m´todo computacionale a e mente mais simples. Logo. 2 . x) + hf (t. isto ´.2 Use a rela¸ao de recorrˆncia acima com passo 0. Indo para ordem ainda c˜ o a mais alta essas complica¸oes aumentam bastante e exigem. dada por c 1 x(t + h) − x(t) = hf + h2 (ft + f fx ) + o(h2 ) . da parte do programador. ∆x).

0000 1.7350 −2.0 0. k+1 pois tk + h = tk+1 .21978 −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 + .3164 −2. ao passarmos de xk para xk+1 . e vale para qualquer ordem a m.19208 −0. no m´ximo.7650 1. 1].0792 −2.198 ´ CAP´ ITULO 18.7 0.4193 1.3455 −2.3392 − ξ2 −.6115 1.014942 −0.9821 1.23785 −0. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ Vejamos como isso se d´ na pr´tica. com o problema x′ = −3t2 x.73637 ξ1 0 −0.1946 0.3203 −1. O acr´scimo em xk para se chegar a xk+1 ser´ a m´dia desses dois valores.3 0.3368 −1. desta feita no ponto (tk + h.52875 −0. . x(0) = 2.9970 1.15395 −0.22627 − h 2 (ξ1 Observamos que a diferen¸a para o valor correto foi de. k 0 1 2 3 4 5 6 7 8 9 10 tk 0. a coluna ξ1 significa ξ1 = −3t2 xk k e a coluna ξ2 significa ξ2 = −3t2 (xk + hξ1 ) .1862 − + ξ2 ) −0. xk + hξ1 ) . + γm ξm ) .23196 −0.0000 1. e a e multiplicada pelo passo h.2936 −2. temos que calcular ξ1 = f (tk . e o e e a algoritmo fica consideravelmente mais simples.96264 0.8760 1.5 0.038330 −0.52483 −0. xk ) e. tomando esse valor de ξ1 . 0.11177 −0. para que n˜o seja preciso calcular derivadas parciais de f . Na tabela abaixo fazemos esse algoritmo.8 0. no intervalo [0.059910 −0. 2 A vantagem desse m´todo ´ que n˜o precisamos calcular derivadas parciais de f .4 0.5 Runge-Kutta O m´todo de Runge-Kutta ´ uma generaliza¸ao do algoritmo que desenvolvemos em segunda e e c˜ ordem. xk )).060000 −0.6065 1.73576 3 xk 2. c a 18.005.9438 1.9 1.1 0.9841 1.4144 1.90783 −1. xk + hξ1 ).9467 1. Apenas calculamos ξ1 (que ´ o valor de f e no ponto (tk .96478 0. . Pensando em termos a a de algoritmo.7586 −2.0030000 −0. e depois usamos ξ1 para calcular outro valor de f .2 0. Assim xk+1 = xk + h (ξ1 + ξ2 ) .89866 −1.1986 0.1.6 0. Usando o passo h = 0.8722 1.0 2e−tk 2. .9980 1.1065 −2.7604 1.071633 −0. calcular ξ2 = f (tk + h.23892 −0.

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

(γ2 a1 + γ3 a2 )hft . 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 ) . 1 (γ2 a2 + γ3 a2 )h2 ftt . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ No caso m = 3.1) (18. (γ2 b1 + γ3 b2 )hf fx . podemos desprezar os termos que tenha ordem mais alta do que h2 . portanto ξ2 = f (t + a1 h. Por exemplo.200 ´ CAP´ ITULO 18. s˜o termos e a o(h2 ). podemos reunir γ1 ξ1 +γ2 ξ2 +γ3 x3 .4) (18.8) .2) (18. 2 2 2 2 Finalmente.6) (18. isto ´. pois devemos substituir a express˜o de ξ2 em a a e a cada lugar onde aparece. (γ2 a1 b1 + γ3 a2 b2 )h2 f ftx e (γ2 b2 + γ3 b2 )h2 f 2 fxx . γ3 b1 b2 h2 f fx .3) (18. e conseguiremos uma soma com os seguin2 tes termos: (γ1 + γ2 + γ3 )f . 2 1 2 1 J´ a express˜o de ξ3 ´ mais complicada. quando multiplicados por h. temos ξ1 = f . uma vez que os termos com h2 . 2 2 2 2 1 1 2 2 2 b h ξ2 fxx = b2 h2 f 2 fxx + o(h2 ) .5) (18. 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 ) . Por sorte. γ3 a1 b2 h2 ft fx .7) (18. 1 2 1 2 2 Da compara¸ao termo a termo com a expans˜o de c˜ a x(t + h) − x(t) . b2 hξ2 fx = b2 h(f + a1 hft + b1 hf fx )fx + o(h2 ) . h que corresponde ao “lado esquerdo” da equa¸ao. 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. ficam h3 .

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

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

9 Considere o sistema de equa¸oes diferenciais c˜ x ˙ y ˙ = x2 + y 1 = 1+x Se x(0) = −0. temos e x(t + h) − x(t) = y(t + h) − y(t) = Como x′ = f e y ′ = g. y) + o(h) e hf gx + hggy = g(x + f h.5. e Exerc´ ıcio 18.5 e y(0) = 0. Exerc´ ıcio 18.1. y + gh)) + o(h2 ) (g(x. RUNGE-KUTTA EM SISTEMAS DE EQUACOES AUTONOMAS ¸˜ At´ segunda ordem. ent˜o a x′′ = x′ fx + y ′ fy = f fx + gfy e y ′′ = x′ gx + y ′ gy = f gx + ggy .10 Deduzir o M´todo de Runge-Kutta de ordem 4 para sistemas autˆnomos e o de duas equa¸oes.ˆ 18. usando o M´todo de Euler de primeira ordem com passo 0. y) + g(x + f h. c˜ Exerc´ ıcio 18. y) + f (x + f h. 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 . y + gh) − f (x. Portanto x(t + h) − x(t) y(t + h) − y(t) = = h 2 h 2 (f (x.11 Usar os M´todos de Runge-Kutta para integrar os sistemas de equa¸oes e c˜ diferenciais da Se¸ao 17. y + gh) − f (x. Mas hf fx + hgfy = f (x + f h. c˜ .6. y + gh)) + o(h2 ) . estime t > 0 necess´rio para que a solu¸ao (x(t). y(t)) cruze o a c˜ eixo y. . y) + o(h) .2.

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

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

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

am1 . . e escreveremos Au = b .  .2. . Apesar de n˜o ser nossa preocupa¸ao aqui. u o vetor (matriz coluna) c˜ de coordenadas x e y e b o vetor (matriz coluna) de coordenadas 3 e 1.  . . . . . a1n x1 b1  .4) Num sistema linear o que temos ´ o problema inverso: dado o vetor b (a coluna de termos e x independentes ` direita). . Essa forma de escrever sugere que pensemos A como uma fun¸ao (ou transforma¸ao. ou fun¸ao) levando vetores-coluna c˜ c˜ c˜   x1  . + amn xn = bm que tem m equa¸oes e n inc´gnitas. chamaremos de A a matriz. . .  . se u = . + a2n xn = b2 . . ou ainda c˜ c˜ aplica¸ao) que toma um vetor qualquer u e transforma num outro vetor Au. . u o u c˜ c˜ Pois o sistema linear a11 x1 + a12 x2 + . .  =  .  u= . pode ser escrito na forma matricial c˜ o      a11 . 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. xn em vetores Au. amn xn bm . . . + a1n xn = b1 a21 x1 + a22 x2 + . . 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.   . . 5 2 −1 1 −1 2 = −1 4 .  .2) Au=(−1. . . 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.A. am1 x1 + am2 x2 + . .   . TRANSFORMACOES LINEARES ¸˜ 207 Para compactar ainda mais a nota¸ao. . c˜ −1 Por exemplo. ent˜o a 2 Au = como mostra a figura abaixo. .. u=(−1.

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

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

Eles s˜o chamados de vetores a canˆnicos. para quala quer vetor u!! Em outras palavras. 2 u Au Ae1 Ae2 e2 e1 1. Usando a linearidade. y) = x(1. chamemos a aten¸ao para ue c˜ dois vetores especiais do plano: e1 = (1. Isto significa que se soubermos Ae1 e Ae2 ent˜o saberemos automaticamente Au. Sua importˆncia reside no fato de que se u = (x. 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”. 1). 1) = xe1 + ye2 . 0) + (0. a a¸ao da aplica¸ao linear A fica completamente deterc˜ c˜ minada pelo seu resultado em e1 e e2 ! Por exemplo. y) = (x.5 . y) ´ um vetor qualquer ent˜o o a e a u = (x.210 ˆ APENDICE A. 0) e e2 = (0. se Ae1 e Ae2 forem como ilustrado. se u = (1. 2). Vejamos a principal conseq¨ˆncia da linearidade.5. na figura abaixo mostramos como calcular Au. um colinear e c˜ e a e1 e o outro colinear a e2 ). Para isso. 0) + y(0. Dizemos que u ´ uma combina¸ao linear de e1 e e2 (isto ´. temos ent˜o a Au = A(xe1 + ye2 ) = xAe1 + yAe2 . a soma de dois vetores.

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

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

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

se 0 ≤ s. precisamos saber calcular o determinante. u2 ) pode e a a ser suavemente alterado at´ que coincida com o par de vetores canˆnicos (e1 . Ae2 ) . uma medida do quanto dois vetores est˜o perto de ser a a colineares. 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. Para que a defini¸ao fique completa. . . O mesmo ocorre com tu2 . 0 ≤ t ≤ 1} .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. 0 ≤ s ≤ 1 . u2 ) ´ definido assim. O paralelogramo ´ constitu´ ent˜o de todas as somas de vetores desse tipo. Aen ) .1 Dimens˜o 2 a O determinante d´. e o leitor ver´ que a defini¸ao dada e a c˜ aqui coincide com aquela que ele provavelmente j´ conhece. . dois vetores ser˜o colineares entre si se e somente se seu determinante for a nulo. Ele ´ definido como e sendo o conjunto P (u1 . ´ Sendo assim. Aen } ´ uma base. . e se s ≤ 1. . Ae2 ): det A ≡ det(Ae1 . denotando-o por det(u1 . a A. mas o leitor pode encontrar abordagens diferentes em outros livros. indicando se o sistema tem ou n˜o unica solu¸˜o. . segue que det A = 0 se e somente se suas colunas forem colineares. Definiremos o determinante de um par ordenado de vetores (u1 . de certa forma. . . esta Se¸ao tem a pretens˜o de convencer o leitor de que det A = 0 se e somente se c˜ a {Ae1 .8 O determinante O determinante da matriz A dos coeficientes de um sistema linear serve como instrumento para saber se {Ae1 . com um “sinal”. u2 ) = {su1 + tu2 . . a Chamaremos de P (u1 . u2 ) o paralelogramo determinado por u1 e u2 . Aen } ´ uma base. Desse modo. Al´m disso. c˜ A. . . su1 ´ um vetor e e de tamanho menor ou igual ao tamanho de u1 . ENTENDENDO OS SISTEMAS LINEARES Exerc´ ıcio 1.214 ˆ APENDICE A. e ıdo a O sinal de det(u1 . precisamos estabelecer melhor o que ´ o paraleloc˜ e gramo determinado pelos dois vetores e definir de maneira inequ´ ıvoca o sinal do determinante. . se u1 e u2 n˜o s˜o colineares: se (u1 . e a ´ ca De fato. Lembrando tamb´m que Ae1 e Ae2 s˜o as colunas da matriz e c˜ e a A. su1 ´ um vetor com o mesmo sentido que u1 . e depois comentaremos sua generaliza¸ao para c a a c˜ dimens˜o qualquer. para 0 ≤ t ≤ 1. u2 ) . o vetor b da equa¸ao). ´ c˜ a isto ´. e2 ) (na ordem e o .8. O determinante de uma matriz A 2 × 2 ´ definido como sendo o determinante do par e (Ae1 . Isso porque. Come¸aremos a discuss˜o em dimens˜o 2. u2 ). como sendo a area do paralelogramo determinado por esses dois vetores. 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 . A id´ia ´ explicar o que ´ o determinante de uma forma intuitiva e e e e e geom´trica.

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

como combina¸ao linear de e1 e e2 : u1 = x1 e1 + y1 e2 e u2 = x2 e1 + y2 e2 . temos det(u1 . u3 ). de forma que a det A = ad − bc . det(e1 . v) + det(−u2 . v) tenham o mesmo sinal. e2 )) . generalizando essa a defini¸ao). a 3. A. Bom. u2 ) = x1 (x2 det(e1 . Para ver a isso. u2 . e2 ) = 0. u2 . Aplicando novamente a linearidade no segundo vetor do par. det(u. com um sinal que devemos convencionar. y2 ). . u2 = (x2 . aplicando a linearidade no primeiro vetor do par. e2 ) = +1 e det(e2 . Como det(e1 . x2 e1 + y2 e2 ) + y1 det(e2 . O determinante det(u1 . Ent˜o c˜ a det(u1 . v) = − det(u2 . escrevemos u1 = (x1 . e1 ) + y2 det(e2 . y1 ). v) . c) e u2 = (b. u3 ) ser´ o volume desse paralelep´ c˜ a ıpedo. u2 . t ≤ 1} (n˜o ´ dif´ ver o que seria um paralelep´ a e ıcil ıpedo em dimens˜o mais alta. v) = det((u1 + u2 ) + (−u2 ). det(e1 . w) + β det(v. ent˜o sugere-se provar que a a det(u1 . u3 s˜o vetores a de R3 como o conjunto P (u1 . e1 ) + y2 det(e1 . u2 ) = = det(x1 e1 + y1 e2 . u2 . e2 )) + y1 (x2 det(e2 . d). v) = − det(v. mas lembramos a outra forma de escrever esses vetores. v) e det(u2 . s. Numa matriz a c b d os vetores coluna s˜o u1 = (a. onde u1 .2 Dimens˜o 3 a Em dimens˜o 3. w) (linearidade). v) = det(u1 + u2 . c˜ 2.8. u2 ) = x1 y2 − x2 y1 . ENTENDENDO OS SISTEMAS LINEARES Esse argumento convence facilmente no caso em que det(u1 .216 ˆ APENDICE A. podemos definir o paralelep´ a ıpedo P (u1 . det(αu + βv. pois ´ f´cil ver que det(−u2 . 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. e a Com essas propriedades todas garantimos o c´lculo de qualquer determinante. Se esse n˜o for o caso. u) (alternˆncia). ent˜o a det(u1 . e2 ) = 1 (normaliza¸ao). v). e1 ) = det(e2 . u3 ) = {ru1 + su2 + tu3 . w) = α det(u. x2 e1 + y2 e2 ) x1 det(e1 . 0 ≤ r. e1 ) = −1. x2 e1 + y2 e2 ) .

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

tal que suas colunas sejam os e vetores u1 . . un ). . . . . . pois vetores repetidos levam a determinante nulo. . Decorre dessas regras que o determinante de uma matriz A = {aij }n×n ´ e det A = (i1 . Alternˆncia: para todo par i. . Isso porque c˜ a e det(α2 u2 + . . u2 . un . . verificamos tamb´m das trˆs propriedades que se um dos e e vetores for combina¸ao linear dos demais ent˜o o determinante ´ nulo. isto ´. . a A implica¸ao contr´ria n˜o ´ t˜o ´bvia. .. 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 ) = 0 . + αn det(un . . . ein ) ´: nulo. . vale a det(u1 . . . vimos que as propriedades de normaliza¸ao. . ein ) . . . ain n det(ei1 . un ). . No a entanto. . . . . . Ent˜o det A = det(u1 . . . . . . . Ora. . . Aen = un . como {Ae1 . se a (i1 . . in ) pode ser levado em (1. . . + xn en ) . .218 ˆ APENDICE A. . ui . . u2 . . in ) pode ser levado em (1. . uj . . . . ei2 . . . . u2 . . . . n) por um n´ mero par de trocas de posi¸oes. in ) pode ser levado em (1. . alternˆncia e linearidade bastam para c˜ a definir inequivocamente o valor do determinante de uma n-upla de vetores. 2. e vice-versa). en ) = 1. un ) ´ n˜o-nulo”. un ) atrav´s de suas propriedades: e 1. .comumente conhecido como hipervolume. . . Aen formam uma base.. . se ocorre algum n´ mero repetido na lista (i1 . . . . . . xn tais que a u b = x1 Ae1 + . . O que queremos mostrar ´ que det A = 0 a e e a hip´tese que temos ´ que os vetores Ae1 . . Multi-linearidade: det(αu+βv. . . . . +1.8. . j entre 1 e n. 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). . . por causa da regra de alternˆncia. . . . . . e −1 u c˜ se ((i1 . . . .3 Dimens˜o n a Em dimens˜o n existe o conceito de volume . . . un ) = − det(u1 . . 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 ) = = α2 det(u2 . un formam uma base ent˜o c˜ a det(u1 . ui . . . e u J´ det(ei1 . . . . . uj . un ) = α det(u. . . u2 . un ) + . . . e a e c˜ Provaremos a afirma¸ao equivalente: “se os vetores u1 . . . . + xn Aen . . .. . . . . . Assim. . . . . . . . . 2. . u2 . + αn un . . u2 . . n) por um n´ mero ´ u ımpar de trocas de posi¸oes c˜ (´ necess´rio observar que se (i1 . Para entender por que. Logo b = A(x1 e1 + . . un ) com o determinante de uma matriz: definimos A como sendo a matriz tal que Ae1 = u1 . . c˜ 2. Normaliza¸ao: det(e1 . in ). . . ei2 . e a Primeiro relacionamos det(u1 . . .in ) ai1 1 ai2 2 . un )+β det(v. . Sem falarmos em hipervolume. un ) 3. Aen } ´ e base ent˜o existem n´ meros x1 . .. ENTENDENDO OS SISTEMAS LINEARES A. . . . . . o e Primeiro observamos que A tem uma inversa. . . definimos det(u1 . . . . . . .

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

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

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

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

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

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

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

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

(xt. 2. Al´m disso. que a c˜ e t 1 1 1 ocorre se e somente se x ≤ xt ≤ xy e 0 ≤ x s ≤ xt . Ent˜o u a ln x = ln x ln x = = loge x . o e Para ver isso. . Suponha que achemos um n´ mero e tal que ln e = 1. podemos definir outros logaritmos. 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 = . . Afinal.. . .7. . mas podemos adiante defini-las inspirados no que vimos acima. Da f´rmula ln xy = ln x + ln y decorre. u e u Ele vale. = . x Assim podemos dizer que ln x−n = −n ln x. por exemplo. e que a f´rmula tamb´m vale para os inteiros o e negativos. s) ∈ A se e somente se 1 ≤ t ≤ y e 0 ≤ s ≤ 1 . Mas essa propriedade pode ser demonstrada (em vez de definida). O LOGARITMO 231 J´ a afirma¸ao ´ mostrada assim: (t. chamaremos de logaritmo de x na base b ao n´ mero u logb x ≡ ln x . x s) ∈ B. se n ≥ 0 ´ inteiro. a defini¸ao a que estamos acostumados diz c˜ c˜ assim: o n´ mero r = logb x ´ aquele tal que u e br = x . que ln xn = n ln x. ln b Essa defini¸ao pode parecer estranha. como ln 1 = ln x · e 1 x 1 = ln x + ln x ent˜o a ln 1 = − ln x . ou seja.B. 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. at´ a nona casa decimal depois da v´ e ırgula. 1 ln e 1 x 1 e ln x Esse n´ mero e existe e ´ chamado de n´mero de Euler. a Se n = 1 a f´rmula tamb´m est´ trivialmente correta.. primeiro verificamos que se n = 0 ent˜o xn = x0 = 1 e ln x0 = ln 1 = 0 = 0·ln x. = n ln x . 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. observemos que o logaritmo natural ´ um e e logaritmo em alguma base. Tendo ent˜o a defini¸ao do logaritmo natural. Antes. por´m. Se b ´ a c˜ e positivo e b = 1.718281828 .

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). ` direita. u o Lembremos tamb´m que a defini¸ao geom´trica dada acima significa que exp(ln x) = x. inspirados no fato de que para n´ meros inteiros n e b > 0 vale u bn = exp(ln bn ) = exp(n ln b) . de onde segue a igualdade. com a exponencial ocorre o inverso: ela est´ definida para todos u a os n´ meros reais. Geometricamente. 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. e por outro x + y = ln exp(x) + ln exp(y) = ln(exp(x) · exp(y)) . e que ln(exp(x)) = x. A exponencial tem a seguinte propriedade: “a exponencial da soma ´ o produto das e exponenciais”. para todo x. a ln x exp(x) 1 x x 1 exp(x) Ent˜o o gr´fico da exponencial assume o aspecto da figura acima. x) esteja sobre o gr´fico ´ a (ver figura abaixo. mas s´ assume valores positivos. REVISAO DE CALCULO Outra defini¸ao que prov´m do logaritmo natural ´ a da fun¸ao exponencial. ` esquerda). e c˜ e para todo x > 0.232 ˆ ˜ ´ APENDICE B. exp(x + y) = exp(x) · exp(y) . por um lado x + y = ln exp(x + y) . Matematicamente. e c˜ e se quisermos achar exp(x). Isso ocorre pois. A fun¸ao exc˜ e e c˜ c˜ ponencial ´ a inversa da fun¸ao logaritmo natural e ´ denotada por exp(x). . Agora.

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

REVISAO DE CALCULO B. existe um ponto d = d(h) (sim. e queremos achar suas derivadas. Pelo Teorema do Valor M´dio. 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. f (x) = v(u(x)) . ele depende de h.9 A Regra da Cadeia Freq¨ entemente nos deparamos com fun¸oes compostas. . 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. resultante de se aplicar a fun¸ao seno e c˜ c˜ ap´s se elevar o n´ mero ao quadrado. 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. f (x) = sin(x2 ) ´ uma fun¸ao composta. u c˜ Por exemplo.234 ˆ ˜ ´ APENDICE B. 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)) . 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. 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)).

e f ′ (x) = (ln b)bx . 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 . Outra aplica¸ao ocorre com fun¸oes inversas. v(x) = cos(x)). isto ´. usando a Regra da Cadeia. Por c˜ e exemplo.B. Como bx = ex ln b . ent˜o u′ (c) tende a a u′ (x) e v ′ (d) tende a v ′ (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. Temos 1 1 = 1 = u(x) . pela Regra da Cadeia. ´ E muito comum a Regra da Cadeia ser aplicada quando a primeira fun¸ao ´ linear. Assim temos a Regra da Cadeia: se f (x) = v(u(x)) ent˜o a f ′ (x) = v ′ (u(x)) · u′ (x) . Como assumimos que as derivadas s˜o cont´ a ınuas. v ′ (u(x)) · u′ (x) = 1 . . temos c˜ u′ (v(x)) · v ′ (x) = 1 . A REGRA DA CADEIA 235 Al´m disso. obtemos c˜ f (x + h) − f (x) = v ′ (d) · u′ (c) . Usaremos a segunda express˜o para calcular a derivada de o c˜ a u(x) = ex . Se u(x) e v(x) s˜o inversas uma da outra. e o a ponto d(h) tende a u(x). Isso ocorre por exemplo com as fun¸oes ln x e ex . novamente por causa do Teorema do Valor M´dio. 1 Vejamos como isso fica se u(x) = ex e v(x) = ln x. u′ (x) = ′ v (u(x)) u(x) Conclus˜o: a derivada de ex ´ ex !! a e Agora tamb´m podemos derivar f (x) = bx .9. se f (x) = cos(2x) (u(x) = 2x. ent˜o e a f ′ (x) = (ln b) · ex ln b . J´ sabemos que v ′ (x) = x (pela a pr´pria defini¸ao do logaritmo!). Derivando c˜ dos dois lados de qualquer uma das equa¸oes. ent˜o a f ′ (x) = v ′ (u(x)) · u′ (x) = − sin(2x) · 2 = −2 sin(2x) . h Acontece que quando h tende a zero o ponto c(h) tende a x (pois est´ entre x e x + h). Juntando as duas equa¸oes.

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

. Para conferir. e a c˜ que ´ seno sobre cosseno.11 Truques de primitiviza¸˜o: integra¸˜o por partes ca ca u(x)v ′ (x) = (u(x)v(x)) ′ − u′ (x)v(x) . 2 o que n˜o melhora nossa situa¸ao. mas isso n˜o far´ diferen¸a.12 Truques de primitiviza¸˜o: substitui¸˜o ca ca Se da Regra do Produto decorre a Integra¸ao por Partes. Em todos os casos procurar desenhar o gr´fico dessas e a fun¸oes e interpretar as express˜es obtidas!! c˜ o B. Ent˜o a a a c a xex dx = xex − 1ex dx + C = xex − ex + C = ex (x − 1) + C . teremos a Havendo a igualdade. a fun¸ao tangente. TRUQUES DE PRIMITIVIZACAO: INTEGRACAO POR PARTES ¸˜ ¸˜ 237 Essa express˜o tamb´m ´ conhecida como Regra do Quociente. confira!!). j´ sabendo as derivadas de seno e cosseno. Obter as derivadas e das fun¸oes secante. (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 .B. pois agora precisamos achar a primitiva de x2 ex ! a c˜ B. arctan. arcsin. queremos achar uma primitiva de xex . pode ser derivada com a Regra do Quociente. A Regra da Cadeia diz que c˜ f (g(x))′ = f ′ (g(x))f ′ (x) . 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. 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 . 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 . Se chamarmos u(x) = x e v ′ (x) = ex ent˜o u′ (x) = 1 e v(x) = ex (na verdade ex + C. basta derivar a primitiva obtida: (ex (x − 1))′ = ex (x − 1) + ex = xex . e ent˜o ex xdx = 1 2 x x e − 2 1 2 x x e dx . 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. etc. cossecante e cotangente.11. Por exemplo. da Regra da Cadeia segue a t´cnica c˜ e de Substitui¸ao. Se rearranjarmos a express˜o da Regra do Produto. Essa ´ a conhecida f´rmula de Integra¸ao por Partes! e o c˜ Por exemplo.

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

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

REVISAO DE CALCULO .240 ˆ ˜ ´ APENDICE B.

que ´ sempre um n´ mero maior ou igual a zero. c˜ Tentemos precisar melhor os conceitos. e w um ponto onde ela esteja definida. mas sim “na vizinhan¸a de um ponto”. 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)|. que permita e o a decidir. Neste Apˆndice estamos interessados em outro ponto de vista para se definir a melhor e aproxima¸ao polinomial de f . e u Esse crit´rio leva em conta a proximidade de f e p em todo o intervalo [a. qual ´ o melhor polinˆmio. Isto ´. b]. b]? Ali a quest˜o s´ pode ser respondida se antes se definir um crit´rio (relativo) de proximia o e dade.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. 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. c˜ o e a 241 . Seja f uma fun¸ao. uma maneira de dizer o quanto um polinˆmio est´ distante de f . Fixado um ponto w. 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 . Obviamente a c c a fra¸ao s´ ´ tomada quando o denominador for n˜o nulo. qual ´ aquele que est´ mais perto de f . Agora n˜o estamos preocupados em aproximar f num dado c˜ a intervalo fixo. entre aqueles u e o de grau menor ou igual a n. fazendo aumentar o valor da integral. Sejam p e q dois polinˆmios. para come¸ar cont´ c˜ c ınua. 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. 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. a aproximar uma certa fun¸ao cont´ c˜ ınua f definida no intervalo [a.

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

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. Portanto a fra¸ao toda vai a zero. Afirmamos que p(x) = f (w) + f ′ (w)(x − w) ´ o melhor polinˆmio de grau 1 que aproxima e o f em w. a e a Outra maneira de se ler essa conclus˜o ´ a seguinte. em detrimento de outros polinˆmios q(x) = f (w) + α(x − w). Quando x tende a w. x−w x→w tende a zero quando x tende a w. enquanto que o c˜ denominador tende a f ′ (w) − α. f (x) − q(x) f (x) − f (w) − α(x − w) Colocando x − w em evidˆncia no numerador e no denominador. pelas considera¸oes acima. . 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) . 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 . Basta o olharmos para a fra¸ao c˜ f (x) − f (w) − f ′ (w)(x − w) f (x) − p(x) = . f (w)) e tem inclina¸ao α). ficamos com e f (x)−f (w) − f ′ (w) x−w f (x)−f (w) −α x−w . e c˜ mostrando o que hav´ ıamos afirmado. . cujas derivadas at´ ordem n coincidem com as derivadas de f em w. . De fato. com α = f ′ (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) .2 Polinˆmio e F´rmula de Taylor o o A ultima afirma¸ao da Se¸ao anterior ´ mais ou menos intuitiva. que ´ diferente de zero. precisamos apenas c˜ procurar o valor de α. 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. Como f ´ deriv´vel.ˆ ´ C. p′ (w) = f ′ (w) . 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). o numerador tende a zero.2. e Esta segunda maneira de pensar se presta facilmente a generaliza¸oes. 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). p(n) (w) = f (n) (w) . ou seja. p′′ (w) = f ′′ (w) . c˜ C. ou seja.

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

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

. Temos o Rn (x) f (x) − pn (x) = . .246 ˆ ´ APENDICE C. Como q e pn n˜o s˜o o a a a iguais. onde Q(x) = am+1 (x − w) + am+2 (x − w)2 + . e pode ser qualquer inteiro entre 0 e n. polinˆmio que vai a zero o quando x tende a w. + an (x − w)n−m . . 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. para mostrar que pn est´ mais a pr´ximo de f em w do que q. Ent˜o a pn (x) − q(x) = (x − w)m (am + Q(x)) . a diferen¸a entre eles ´ um polinˆmio de grau no m´ximo n. ficando com e Rn (x) (x − w)n−m . 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. O n´ mero m ´ o grau correspondente ao primeiro coeficiente n˜o-nulo do polinˆmio (quando u e a o escrito nessa forma). A partir das considera¸oes acima. essa fra¸ao pode o c˜ c˜ c˜ ser escrita como Rn (x) . (x − w)n que vai a zero porque ´ um produto de dois termos que v˜o a zero. f (x) − q(x) Rn (x) + pn (x) − q(x) lembrando da pr´pria defini¸ao de Rn . Finalmente comparamos a proximidade de pn e q com f . . e a Suponhamos agora outro polinˆmio q de grau (no m´ximo) 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). Basta multiplicar o numerador e o denominador por (x − w)n−m . 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. que podemos escrever c e o a como am (x − w)m + am+1 (x − w)m+1 + . + an (x − w)n . .

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 1.1 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. p =  3 .16 −0.3A. ˜ =  −2.1 1 3.8 .25 −1. a1 = c˜ e 1.3 ˜ 2.30 −4. . I2 = 1.4 −3.29 2.1A e I3 = 0. b e 3 −0. Com a equa¸ao I1 = I2 + I3 .4     1 13 p =  2  e ˜ =  4.2 p(x) = x3 − 2x2 + 3x + 1 2.0 . = 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 . obtemos A =  0. A resposta final ´ I1 = 1.0 −1.10 −0.51  b ˜ −0.21A.7 0.Apˆndice D e Respostas de exerc´ ıcios selecionados 1.1 0.5 A =  −0.0 ˜ 0 4.53 2 5.4 247 1 12 .258 e x2 = 3. x =  0.0  com vetor de permuta¸oes c˜ significativos.80        1.4 No loop ` esquerda temos −19 + 6I1 + I3 + 6 + 4I1 = 0 e no loop ` direita temos a a 4I2 +  I3 − 6 = 0.0 −9.080 .21  −4.3 x1 = 0.

9 0.35938 (d) O erro inicial ´ estimado por 5 e n ≥ 147. e .65  x(1) =  −6. β3 = 192 e M = 23 < 1.94 r(0) =  ˜      1.2  0.50000 0.2   3.5 −1.0 3. temos β1 = 6 .23  c(0) =  0.248 2. (c) x(1) =  −0.59 −0.4 0. a e c˜   3 23 169 5 (b) Com a permuta¸ao p =  1 . β2 = 24 . RESPOSTAS DE EXERC´ ICIOS SELECIONADOS  1.37 5. c˜ 24 2   −0.5 2.87500 .12 r(0) =   ˆ APENDICE D.6 (a) A matriz n˜o satisfaz o Crit´rio das Linhas para qualquer permuta¸ao de linhas.