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˜

. . . . . . . . . . . . . . . .´ SUMARIO 9.1. . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Exemplo do uso da forma de Newton . . . . . . . . . Um crit´rio de parada . . .3 O M´todo de Simpson . . . . . .5 9. . . . . . . . a 13. . a 13. . . . .2 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . .1 Introdu¸ao . . 139 141 141 142 144 146 147 151 152 13 Importˆncia da integra¸˜o num´rica a ca e 13. . . . . . . . . . . . . . . . . . . . . . . . . . .7 A gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a a 13. . . . . . . .2 C´lculo de ´reas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 e 15 Estimativa do erro nos m´todos de integra¸˜o e ca 161 15. . . . . . . . . . . . . . . . . . . . . . . . . . . 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. . . . . . . . . . . . . . o 10. . . e o 10. . 161 o c˜ e 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 10. . . . . . . . . . . . Teorema do Valor M´dio e velocidade de convergˆncia e e ′ ∗ 9. .1 Determina¸ao da forma de uma corda c˜ . . . . . . . . . . . . . . . . . . . . . . . . . . . .8 9. . . . . . . . . . . . . . . . . . . . . . . . . .1 F´rmulas de erro e compara¸ao dos m´todos . . . . . . . . . . .2. c˜ 13. . . . . . . . . . . . 5 102 104 109 110 111 113 115 117 118 121 123 124 10 O M´todo de Newton e 10. . . . . . . . .9 Visualizando itera¸oes . . . . . . . . . . . . . . . .6 C´lculo de π e de logaritmos . . . . . . . . .1 Polinˆmios de Lagrange . . . . . . . . . . . V Integra¸˜o de Fun¸˜es ca co . .2 O M´todo dos Trap´zios . . .1 O caso ϕ (x ) = 0: convergˆncia quadr´tica . . . . . . . . . . . . . . . . 155 e e 14. . . . . . 163 c˜ o . . . . . c˜ Iterando perto de pontos fixos . . . . . . . . . . c˜ A escolha de x0 . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Distˆncia percorrida e tempo decorrido . . o 12. . . . . . . . . . .5 Per´ ıodo do pˆndulo e as integrais el´ e ıpticas 13. . . . . .6 9. . .1 Quando o M´todo de Newton funciona? . . . e a Calculando zeros de fun¸oes . . . . . . . . a 13. . .a escolha de ϕ .3 Comprimento de curvas e gr´ficos . . . . . . . . . . . . . . . . . . .7 9. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 M´todo de Newton em dimens˜es mais altas . . . . . . . . 155 c˜ 14. . . . . . . . . . . . . . . e . . .2 Aplica¸ao das f´rmulas de erro . . . . . . . . . . . . . . 12. . . . . . . . . . . . 14 M´todos de integra¸˜o num´rica e ca e 155 14. . . . .1 Retirando a hip´tese f ′ (x∗ ) = 0 . . . . . . . . . . . . . . . . . . . . . .2. . . . . .1 Introdu¸ao . . .4 9. .

. . . . . . . . A. . .. . . . . . a A. . . e c˜ A. . . . . . . . . quem ´ f ? . . . . . . .8. . . . . . . A. . . . . . . . . .4 Invers˜o de matrizes . . c˜ a 18. . . . . . . . . . 18. . . . . . . . . .3. . . . . . . .2 Transforma¸oes lineares . . . . . .4 Segunda Abordagem . . . . . . . . . . VI Equa¸˜es Diferenciais co . . . . . . . . . . . . . . . . . . . . . . .2 Discretiza¸ao . . . . . . . . . . . . .3. . . a 17. . . . . . . . . . . . . . . . .3 Segunda Abordagem . . . . . . . . . 18. . . .M´todo dos Trap´zios e e 16. . . . . . . . . . . . . . . . . . . .3 Dimens˜o n . . . . . . . . . . . . . . . . . . . e e 16. . . . . . . . . . . . . c˜ c˜ A. . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . .M´todo de Simpson . . . . . . . . . .1 Sistemas lineares e interse¸oes de hiperplanos c˜ A. . . . . . .2 Primeira Abordagem . . . . . . . . a . . . . . . . . . . . . . . . 17. . . . . . . . .1 Equa¸oes separ´veis . . . . . . . . . . . . . . . . . . . . .M´todo de Simpson . 17. . . . . . . . . . . . e 18. . . . . . . . . . . c˜ o 17. . . . .M´todo dos Trap´zios e e 16. . . . . 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. . . .3 P´ra-quedista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Solu¸ao de equa¸oes autˆnomas e separ´veis . . . . . . . . . . . . . . . . . . . . . .4 Entendimento qualitativo de equa¸oes autˆnomas . .1 Naftalinas . . .M´todo dos Trap´zios . . . .3 Alguns exemplos . . . . .8 Transferˆncia de calor . . e 16. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . . . . . .5 Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜ A. . . . . . . . . . . . . .3 O M´todo de Euler . e 17.6 16 Obten¸˜o das f´rmulas de erro ca o 16. . . e ´ SUMARIO 167 168 169 169 170 171 172 . . . . . . . . . . c˜ o A Entendendo os sistemas lineares A. . . . . .2 Dimens˜o 3 . . . . . . . . . . . . . . . . . sobrejetividade. . . . . . . . . . . . .3. . . . .1 Dimens˜o 2 . . .7 Injetividade. . . a A.6 Escoamento de um copo furado . . .4 Indo para segunda ordem . . . . . . . . . . . . .5 Terceira Abordagem . . . . . . . . . . . c˜ a 18 Solu¸˜o num´rica de equa¸oes diferenciais ca e c˜ 18. . . 17. . . . . . . . . . . . . . . . . . . . . e e 17. . . . . . . . . .1 Introdu¸ao . . . . . . . . . . . . . . . . . a A. . . . . .6 Runge-Kutta em sistemas de equa¸oes autˆnomas . . . . . . . . . . . . .8. . . . . . . .8. . . . . . . . . .4 Crescimento populacional com restri¸oes de espa¸o c˜ c 17. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Explorando a linearidade . . . . . . . . . . . . . . . . . . e 16. . . . . . . . . . . . . .3. . . . . . . .3. . . . . . . .. . . . . . . . .M´todo de Simpson . . .5 Equa¸oes diferenciais com mais vari´veis . . . . . . . . . . . . . . . . . . . . . . .3 Nota¸ao e interpreta¸ao . . . . . . . . . . . . . . . . . . . . . a 17. . .1 Primeira Abordagem . . . . . . . . . . . . . . . . . . . . . . . .8 O determinante . . . . . . . . . c˜ c˜ o a 17. . . .6 Terceira Abordagem . . . . .6 Existˆncia e unicidade de solu¸oes . . . . . . . c˜ 17. . . . . . . . . . . . . . . . . . . . . . A. . . c˜ 18. . . . . . . . . . . . . . . . . . . . .7 Dada ϕ do M´todo de Newton. . . . . . . 17. . . . .2 Crescimento populacional a taxas constantes .5 Caten´ria . . . . . . . . .3. . . . . glup! . . . . . . . . . .

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

8 ´ SUMARIO .

Parte I Sistemas Lineares 9 .

.

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

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

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

1. com a condi¸ao de que qR + qG + qB = 1. (0. c˜ a Suponha agora que produzimos quatro cores distintas Q(1) . (0. 1.0. sendo que Q(i) = (qR . uma vez que o a c˜ c˜ ponto (1. a a (i) (i) (i) . e Q = (qR . xG . 0) + qG (0. 3. a unica diferen¸a sendo a quantidade ´ c de material produzido. 0) + qB (0. qB ) para cada i = 1. qG . 0). 3).0) (1.1) Se pensarmos que os n´ meros xR . c B G R No entanto h´ um bocado de informa¸ao redundante nessa representa¸ao. 2. Q(3) e Q(4) . ent˜o ´ necess´rio que a e a xR + xG + xB = 1 . 0. 3. 1. 1). Chamaremos de T esse triˆngulo. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Isto significa que as cores podem ser representadas por trˆs n´ meros e u n˜o-negativos. 0. Q(2) . Elas s˜o representadas por pontos no tri˜ngulo T . B azul (0. isto ´.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. xB deu notam a quantidade de litros de cada cor pura e sempre quisermos produzir exatamente 1 litro de mistura. que ´ o e triˆngulo mostrado na figura ao lado. qG . 0) e a e c˜ (0. 1) deve resultar na mesma cor que (3. qB ) = qR (1. 1. 0.0. 1) . 4. cada um indicando a a quantidade de cada uma das trˆs coe res. 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.14 CAP´ ITULO 1. 0. a Cada ponto Q desse triˆngulo ´ obtido como combina¸ao convexa de (1.

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

na Se¸ao A. . . 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. . . + . .. n−1 xn · an−1 = = = = y1 y2 .. Queremos achar um polinˆmio p(x) cujo gr´fico passe pelos pontos dados. e se ela ´ unica. Sejam os pares (x1 . −1) e (4..2 Encontre o polinˆmio interpolador para os pontos (−1. onde os coeficientes s˜o as n inc´gnitas: c˜ a o a0 a0 . . + + . 0).. . + . Assim. p(x2 ) = o a e y2 . isso sugere que fixemos k = n − 1. com os xi ’s distintos dois a dois. −5). temos o c˜ sistema de n equa¸oes. 19) e o (4. . A id´ia a c˜ o e fica mais clara a partir do seguinte exemplo. p(xn ) = yn . y1 ).. (0. a0 + + + x1 · a1 x2 · a1 . c˜ Exerc´ ıcio 1. . ´ o (3. isto ´: p(x1 ) = y1 . yn ). . o Como temos que satisfazer n equa¸oes. mas veremos a justificativa mais e adiante. .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. (0. . . Exerc´ ıcio 1.7. .16 CAP´ ITULO 1. 1. . . 0). . . 1). 1). em determinados pontos. (xn . yn Podemos nos perguntar se sempre existe solu¸ao para esse sistema.1 Ache o unico polinˆmio de grau 3 passando pelos pontos (−1. xn · a1 + + + x2 · a2 1 x2 · a2 2 . . A c˜ e ´ resposta ´ sim (desde que os xi ’s sejam distintos entre si.. + n−1 x1 · an−1 n−1 x2 · an−1 . . (3. x2 · a2 n + . 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. . 45).

y0 ).7 Splines H´ tamb´m o problema de “spline”. Dados pontos (x0 . o u 2. 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. . c˜ e a 4. (xn . Por e c˜ o exemplo. . . . desta vez) como na figura abaixo com n = 5. o que d´ 4 equa¸oes. 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. xk ]. o Isto ´. com k = 1. SPLINES 17 Problema: “achar um polinˆmio tal que p(−1) = 1. . fica-se com 4 inc´gnitas. n. um polinˆmio c´ bico em cada intervalo [xk−1 . . Com um polinˆmio e a c˜ o de grau 3. igual aos valores especificados yk nos pontos xk . 3 2 1. com derivada zero nos extremos (ou com valores especificados da derivada nos extremos). yn ) (a numera¸ao come¸a a e c˜ c de zero. inclusive nos pontos extremos dos intervalos (em particular. se p(x) = a0 + a1 x + a2 x2 + a3 x3 . . Explicitamente.1. fixa-se o valor e a derivada de p em dois pontos. p′ (−1) = 0 e p′ (3) = 0”. duas vezes diferenci´vel e com derivada segunda cont´ a ınua. achar uma fun¸ao que seja: c˜ 1. x0 x1 x2 x3 x4 x5 . p(3) = 0.7. 3. . 1 isso nos d´ uma equa¸ao linear. se p(x) = ax2 + bx + c ´ polinˆmio de grau 2 e sabemos que e o 2 p(x)dx = 3 . a fun¸ao tamb´m deve ser diferenci´vel).

EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Nesse problema temos que achar n polinˆmios c´ bicos (um para cada intervalo). Ser´ que temos 4n equa¸oes o o a c˜ tamb´m? e Vejamos. devemos impor a a c˜ e a segunda condi¸ao especificada acima. . p′′ (xn−1 ) = p′′ (xn−1 ) . 1 2 n−1 n Ao todo s˜o 4n equa¸oes! a c˜ ´ E poss´ mostrar que o sistema da´ resultante sempre tem unica solu¸ao. ıvel ı ´ c˜ Exerc´ ıcio 1. 1) e (1. pn (x) os polinˆmios.0 yk 0.0 −1. .3 Monte o sistema linear relativo ao spline dos pontos da figura.7 2. . At´ agora totalizamos 2n equa¸oes. com os seguintes dados: k 0 1 2 3 4 5 xk −3. y0 e yn s˜o iguais a zero).5 2. . 1.4 0. pn (xn ) = yn (no desenho. com derivada c u zero nos extremos.0 0. 1 n e tamb´m a continuidade da derivada em cada n´dulo: e o p′ (x1 ) = p′ (x1 ) . . 0). . nos demais n´dulos (mais 2n − 2 equa¸oes): c˜ o c˜ p1 (x1 ) = y1 e p2 (x1 ) = y1 .0 Exerc´ ıcio 1.0 0. J´ temos duas equa¸oes.0 2. . e s˜o o u a portanto 4n inc´gnitas (quatro coeficientes de cada polinˆmio). temos que impor tamb´m a continuidade da c˜ e segunda derivada nos n´dulos. (0.5 1. xk ].18 CAP´ ITULO 1.5 4. 0). c˜ . . pn−1 (xn−1 ) = yn−1 e pn (xn−1 ) = yn−1 . . .4 Fa¸a um spline c´bico com os pontos (−1. sendo que o polinˆmio pk (x) o o corresponde ao intervalo [xk−1 . . Chamaremos de p1 (x). com mais n − 1 equa¸oes: o c˜ p′′ (x1 ) = p′′ (x1 ) . . .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 . Al´m disso. p′ (xn ) = 0 . Temos que impor os valores extremos p1 (x0 ) = y0 . . .0 1. 2 n−1 n 1 perfazendo mais n + 1 equa¸oes. p′ (xn−1 ) = p′ (xn−1 ) . . Finalmente.

y) T(x. O quadrado inclinado. 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 c c˜ Tb Ta Tc Para obter uma solu¸ao c˜ num´rica. adotamos da esquerda para a direita.8. no equil´ ıbrio. ao inv´s a e da temperatura. e discretizamos o plano (x. Tc nem precisariam ser fixos: poderiam variar conforme a posi¸ao. os o a valores Ta . . c˜ Esse problema ´ modelado pela equa¸ao de Laplace e c˜ ∂2T ∂2T + =0.1. numeramos os v´rtices da malha cujas teme peraturas n˜o est˜o fixadas. O entorno do quadrado. Em seguida. A barra. y). se nas regi˜es mostradas fix´ssemos valores Va . Na posi¸ao i queremos determinar a temperatura Ti . quando discretizada. A equa¸ao de Laplace. y) com uma rede quadrada. . Tb .y) Tc O mesmo problema pode ser formulado com um potencial eletrost´tico V (x. TN a determinar. como mostra a figura ao lado. ` a temperatura Tb 3. com trˆs fontes de calor: e 1. y)? c˜ c˜ Tb Ta (x. no equil´ c˜ ıbrio. em fun¸ao da posi¸ao (x. Na verdade. em a a qualquer ordem (por exemplo. PROBLEMAS DE CONTORNO 19 Suponha uma situa¸ao como a c˜ mostrada na figura ao lado. . Vb e Vc . y) cujo valor sobre as fontes seja aquele pr´-determinado e tal que fora delas satisfa¸a essa equa¸ao. ` temperatura Tc a A quest˜o ´: como se distribuir´ a e a a temperatura. e ser˜o N inc´gnitas T1 . . e de cima para baixo). Se forem N v´rtices. ` a temperatura Ta 2. T2 . ∂x2 ∂y 2 significando que devemos procurar uma fun¸ao cont´ c˜ ınua T (x.

donde resulta um sistema e e c˜ linear com 37 equa¸oes e 37 inc´gnitas. 1) = x2 −1 para 0 ≤ x ≤ 1 e T (0. 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 . (r. 4) n˜o v´ servir para c˜ a a nada). . . . nos v´rtices em que a temperatura c˜ c˜ e n˜o foi fixada. para 0 ≤ y ≤ 1. c˜ o A solu¸ao do sistema assim obtido ser´ uma aproxima¸ao da distribui¸ao de temperatura. . 1] em N = 3 subintervalos de mesmo comprimento. . Para cada v´rtice. (5. e isso se traduzir´ numa equa¸ao (linear). 1). . O desenho da fie gura ao lado mostra uma grade 9 × 8. e (r. c˜ para s = 1. y) = −y 2 c˜ e T (1. . portanto 37 inc´gnitas T1 . para o primeiro v´rtice. 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). M = 8). teremos e T1 = 1 (Tb + Tb + T2 + T7 ) . 8. com uma grade de poucos v´rtices. Rearranjando a equa¸ao temos a o c˜ 4T1 − T2 − T7 = 2Tb . 4). . Assim. N = 9) e M o n´ mero u de colunas (no exemplo. .5 Discretizar e resolver a equa¸ao ∂ T + ∂ T = 0 no quadrado [0. s). para r = 1. Compare sua solu¸ao com a solu¸ao exata T (x. y) = xy. Na grade fixamos Ta nas posi¸oes (4. . c ı c˜ 2 2 . . c˜ c˜ Exerc´ ıcio 1. T37 a serem a e o determinadas. y) = 1 − y 2 . 1] com c˜ ∂x2 ∂y2 condi¸ao de contorno dada por T (x. 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. vemos que h´ 37 v´rtices livres. 9. c˜ (5. 4). 8). y) = x2 − y 2 . c˜ a c˜ c˜ 1111111111111111111111111111111111 0000000000000000000000000000000000 s Vejamos um exemplo. o valor da temperatura ser´ dado pela m´dia dos valores dos quatro v´rtices a a e e mais pr´ximos. . 5) e (6.6 Fa¸a o mesmo exerc´cio com a fun¸ao T (x. c˜ o Exerc´ ıcio 1. e para o v´rtice i queremos e e saber a temperatura de equil´ ıbrio Ti . Veja que estamos usando r para indexar as linhas e s para indexar as colunas. 1] × [0. (5. s) e (9. Na figura. 0) = x2 e T (x. Divida o intervalo [0.20 CAP´ ITULO 1. 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. e Tb nas posi¸oes (1. Por´m cada v´rtice livre produz uma equa¸ao. Chamaremos de N o n´ mero de linhas u (no exemplo. 4) (embora a posi¸ao interna (5. T2 . 3). EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ da temperatura nos quatro vizinhos imediatos (na vertical e horizontal).

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

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

Se houver. . . . nem trocada de posi¸ao com outras. Al´m e disso. . a segunda representa os o coeficientes da inc´gnita x2 . a princ´ a a a ıpio. escolhido entre a segunda linha e a o a u ultima. ´ poss´ e e ıvel at´ escolher o pivˆ. e todas a c˜ a c˜ as equa¸oes devem ser satisfeitas ao mesmo tempo. a j-´sima linha (j = 2. . 0 an2 . 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. . . Na maioria das situa¸oes em que se resolve um sistema linear por este m´todo. sob o ponto de vista dos erros de c´lculo e a originados de arredondamentos (veja discuss˜o mais adiante). a11 O sistema linear ficar´ ent˜o da seguinte forma: a a  a11 a12 . a1n  0 a22 . Se n˜o for.´ 2. Primeiramente verificamos se a11 = 0. por causa das opera¸oes com linhas. . O METODO 23 Uma observa¸ao importante que devemos fazer neste ponto da exposi¸ao ´ que a ordem c˜ c˜ e das linhas n˜o importa na montagem da equa¸ao. . percebe-se que de fato o sistema linear envolve apenas n − 1 inc´gnitas em n equa¸oes. . trocamos a linha encontrada com a segunda linha. dentre os v´rios n´ meros da primeira coluna que sejam diferentes de e o a u zero. c˜ a e pois a primeira coluna representa os coeficientes da inc´gnita x1 . . De fato. ann b1 b2 . a2n   . bn     . tomando como pivˆ o maior ´ c˜ o em valor absoluto. verificamos se a22 = 0. escolher o pivˆ como sendo o a o maior dos n´meros dispon´veis na coluna. . o c˜ havendo grande chance de n˜o ter solu¸ao. como veremos adiante. pode-se adotar a condensa¸ao pivotal. o n´ mero a11 ´ chamado de pivˆ. ´ mais vantajoso. etc. .  onde ´ preciso lembrar que. atrav´s c˜ e e de calculadora ou computador. . Aqui entende-se por “maior” n´ mero aquele que u ı u tem o maior valor absoluto dentro da coluna. pois as linhas s˜o as equa¸oes. . Esse procedimento ´ chamado de condensa¸ao e c˜ pivotal. . usando o truque descrito acima. se isso acontecer n˜o haver´ a c˜ a a nada a ser feito nessa primeira etapa e poderemos passar imediatamente ` etapa seguinte. . Na segunda etapa. . . procuramos entre as linhas abaixo da a segunda alguma cujo segundo coeficiente seja n˜o-nulo. Se n˜o for.1. . 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 quisermos trocar a ordem das colunas. procuramos alguma linha cujo primeiro coeficiente seja diferente de zero e a a trocamos de posi¸ao com a primeira. . Em cada etapa haver´ u e o a um pivˆ. De qualquer forma.  . Vimos que o pivˆ tem que ser necessariamente diferente o o de zero. . Ou seja. Se n˜o houver. passamos diretamente a a para a terceira etapa. teremos antes o que renumerar as inc´gnitas! o O procedimento de escalonamento funciona assim. . Aqui o a a c˜ pivˆ ser´ o n´ mero diferente de zero da segunda coluna. Observe que a primeira linha n˜o ser´ mais alterada. os coeficientes n˜o s˜o os e c˜ a a mesmos do sistema linear original! Nessa primeira etapa descrita. o que pode ser conseguido atrav´s de uma troca de linhas. n) ser´ substitu´ pela linha e a ıda (linha j) − aj1 · (linha 1) . J´ a ordem das colunas ´ importante. qualquer. Mais uma vez.

24 ´ CAP´ ITULO 2.6067977 √ e Observe que x = 50000 ´ tal que Em geral recorremos a um computador. podemos usar nosso truque para zerar todos os segundos o coeficientes desde a linha 3 at´ a ultima linha. em geral. baseados na nota¸ao decimal (internamente pode ser em outra base. . 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. No entanto. n pela linha e ´ (linha j) − aj2 · (linha 2) . Na nota¸ao de ponto flutuante. como j´ a observamos acima. um n´ mero tem um e c˜ c˜ u expoente e uma mantissa. .  . . a22 lembrando mais uma vez que os coeficientes s˜o diferentes em rela¸ao ` etapa anterior. .. 102 ≤ x < 103 . . a nota¸ao decimal). e computadores mais modernos podem usar valores bem mais altos. . . quando se trata de resolver sistemas lineares razoavelmente grandes. portanto o expoente ´ n = 3 nesse exemplo. . . pode ser facilmente resolvido. Em geral as calculadoras usam k > 6. . b1 b2 b3 . 0 0 an3 ..2 Algarismos significativos x e e A mantissa de x. . e c˜ com arredondamento. ´ a representa¸ao decimal de 10n at´ a k-´sima casa decimal. a Num computador ou numa calculadora cient´ ıfica os n´ meros s˜o representados em ponto u a flutuante. . dificilmente nos aventurar´ ıamos na resolu¸ao ` m˜o do problema de contorno da Se¸ao 1. exceto a c˜ a os da primeira linha. quando pe¸o para minha calculadora o c √ valor de 50000 ela me responde 223. Por exemplo. mas o que nos c˜ aparece ´. . . . . O METODO DE ESCALONAMENTO Se ap´s a troca tivermos a22 = 0. e ficaremos com um sistema linear da forma  a11 a12 a13  0 a22 a23   0 0 a33   . de ordem k. E isso ´ pouco: imagine uma grade bem mais fina! o e A solu¸ao de um sistema linear pelo M´todo do Escalonamento ´ exata. calculadoras e computadores n˜o trabalham dessa forma. Trocaremos cada linha j = 3. . Se x ´ um n´ mero real. . que ficam inalterados. a1n a2n a3n .. . ´ a E f´cil ver que em n − 1 etapas teremos um sistema linear triangularizado que. ou no m´ ınimo usamos uma calculadora.. Por exemplo.   2. .8. . seu expoente ser´ o n´ mero inteiro n tal e u a u que 10n−1 ≤ x < 10n . . . que resulta num c˜ a a c˜ sistema linear de 37 inc´gnitas. Ent˜o e a x ≈ 0..2236067977 × 103 . bn  .. ann     .

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

a Para ilustrar. .22. Pascal. com 3 algarismos c˜ c˜ a significativos. pois 2. sugerimos ao leitor.122 de 943 com 3 algarismos c˜ significativos. resultando 0.1245 · 102 . teremos N−k + 1 = 10. d´ 0. Fortran.236 + 12. um programa que resolva sistemas 943 − (0.405 = 943 .26 ´ CAP´ ITULO 2. Agora voltemos ` quest˜o das opera¸oes aritm´ticas. Para u e entender bem.45 + 2.448. arredondado.35/7. Basic. ent˜o trocamos esse n´ mero por um zero e somamos 1 ao precedente.448 = 0. c˜ c˜ c˜ (943 − 0.122 + 0. mas ´ E preciso tomar bastante cuidado com subtra¸oes e somas de n´ meros com expoentes d´ c˜ u ıspares. em linhas gerais. cada opera¸ao deve ser feita (se poss´ com mais algarismos do que c˜ ıvel os significativos. 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. u a a mas o seguinte n˜o. fica 14. A regra a e o c˜ s´ n˜o ser´ muito clara sobre a ordem de seguidas adi¸oes ou multiplica¸oes: neste caso. o a a c˜ c˜ faremos o arredondamento ap´s todas as adi¸oes (ou multiplica¸oes). Ent˜o arredondamos o segundo para que fique a a com 4 algarismos significativos. como exerc´ o ıcio. ao inv´s de obter zero!! u e Tamb´m deve-se tomar cuidado com a subtra¸ao de n´ meros muito parecidos. 5. ´ 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. tem 5 algarismos significativos. N−k+1 .68.2236 · 101 . A soma. c˜ O primeiro n´ mero j´ est´ escrito com 4 algarismos significativos. o arredondamento de 1.686. Aqui. pois pode-se obter um zero onde deveria haver um n´ mero simplesmente muito pequeno! u Como regra geral. N−k = 9. tentaremos levar ao p´ da letra a regra de arredondar ap´s cada opera¸ao. Isso d´ 943. e fazemos a soma: 12. o dobro em geral) e o resultado da opera¸ao arredondado. no entanto.577000.69. Por exemplo. elas devem a a c˜ e a ser feitas sempre respeitando um certo n´ mero pr´-fixado de algarismos significativos.12448·102. etc). o c˜ c˜ Ap´s o exemplo. O mesmo vale c˜ para as opera¸oes de multiplica¸ao e divis˜o. ou 12.448 para 12.236 = 0.741 (confira!). O METODO DE ESCALONAMENTO Se. No mundo das m´quinas.405) = 943 − 0. ao u contr´rio. cuja diferen¸a e c˜ u c se encontre al´m dos d´ e ıgitos significativos. c c˜ usando 3 algarismos significativos. com 4 algarismos significativos. 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. nada melhor do que alguns exemplos. Digamos que se queira efetuar a opera¸ao 2. Por exemplo. principalmente se essas opera¸oes forem feitas em grande n´ mero. Vejamos um exemplo de subtra¸ao: queremos subtrair 0. at´ isso n˜o a u e a mais acontecer.684 a e que. Sen˜o corremos o risco c˜ u a de subtrair 9430 vezes o n´ mero 0. ap´s arredondamento. pois 12.527 = 942 . Observe que ter´ ıamos obtido um n´ mero ligeiramente u diferente se n˜o houv´ssemos arredondado 12.236 + 12. pois 2. logo somos obrigados a arredondar o resultado: 14. usando alguma linguagem (C.1 de 943 e continuar com 943. Isso faz com que no lugar de N−k + 1 coloquemos um zero e somemos 1 ao algarismo precedente.45.45. a se d´ a resolu¸ao de um sistema por um programa de computador. Este exemplo servir´ para ilustrar como.448 = 14. Mas se N−k+1 for tamb´m e igual a 9. que implemente no computador. Por exemplo. fa¸amos o escalonamento e a resolu¸ao de um sistema linear de ordem 3. no entanto.405 = 943 − 0.5769996 para a sexta casa decimal ´ e 1.236 = 14.122) − 0.

4 =− = −4. O “3” da primeira coluna serve como pivˆ.96 13.67  .667 −0.33  .67  . que c˜ 2 2 pode ser obtida por escalonamento tamb´m.2.33 0 0.333 × 3 = 1 − 0.667.33 −2.33 o ´ maior do que 0. 1.334 n˜o ajudaria a a resolver o problema.33 × 2. porque todos os coeficientes s˜o inteiros a com 1 algarismo significativo.49 = 2. e Dessa primeira etapa sai o sistema   3 1 2 −1  0 0. sem arredondamento (mantendo fra¸oes).33 1.33 1. 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. pois ´ maior do que o e os demais coeficientes da mesma coluna. e c˜ N˜o h´ arredondamentos a fazer. mas nem sempre ´ isso o que acontece num programa.504  −1 1.33 x1 = −1 − 6.96 1.502 . Isso ser´ ignorado na hora de a a se fazer o escalonamento.33 lineares de qualquer ordem (que a ordem seja apenas limitada por problemas de falta de mem´ria. nota-se que a terceira linha deve servir como pivˆ. o Considere o sistema   3 1 2 −1  . Ent˜o faz-se a troca da segunda linha com a terceira.67 + 6.333. 0.33 0.33 e da´ temos ı  3  0 0 1 1. 13 . A unica solu¸ao seria n˜o arredondar o multiplicador antes de fazer ´ c˜ a a conta.44 1. Chamaremos esses m´ ltiplos de multiplicadores. Para a segunda linha.667.96 . 1. o m´ ltiplo tem que ser 3 = 0.666 2. enquanto que para a a u 2 u terceira linha ele tem que ser 3 = 0.90 8. x3 ) = (− 9 .44 − 2 × 2.49 que tem apenas coeficientes inteiros. x2 .  1 1 2 0 2 2 −1 1 Portanto e 1.999 = 0.57 x2 = = = = 6.67 0 1.67 + 2.47 . por exemplo). 3 3 . 3). O leitor pode achar estranho que 1 − 0. 1. usa-se o multiplicador 0.001. pois 1.33 0 x3 = 2 −2. Observe que a escolha do multiplicador como 0.2.33 Para a terceira linha.504 1. 1. Ele tem solu¸ao exata (x1 . ALGARISMOS SIGNIFICATIVOS 27 Olhando para a segunda coluna.667 −0.666 2.33 −2. ficando e a   3 1 2 −1  0 1. o que faz com que de fato o primeiro coeficiente da segunda linha n˜o se anule. no princ´ a a ıpio.

veremos como melhorar o c´lculo.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. A divis˜o ´ considerada uma opera¸ao elementar.1 Fa¸a as contas intermedi´rias do exemplo acima. U2 = 6V e U3 = 2V . alternˆncia e linearidade) podem ser formuladas c˜ a 1 Veja A.031 com 3 algarismos significativos.4 −0.4 b =  2.3 O determinante no M´todo de Escalonamento e Observemos em primeiro lugar que as propriedades do determinante1 de uma n-upla de vetores (u1 . un ) de Rn (normaliza¸ao. c˜ Mais adiante.8 .10  3. I2 e I3 .3 Resolva o sistema linear 7. no qual R1 = 6Ω. 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.90 −2. O METODO DE ESCALONAMENTO Observe que n˜o ´ preciso.1 A =  0. c˜ Exerc´ ıcio 2. utilizando aritm´tica e c˜ c˜ e de ponto flutuante e 2 algarismos significativos. R2 = 4Ω.01 0. na Subse¸ao 2.1 2. quando se for dividir por 3. ∆V . . calcular 1 .52 0. Utilize o m´todo de Gauss para resolver o sistema a e obtido considerando aritm´tica de ponto flutuante com dois algarismos significativos. resultante em um resistor de resistˆncia R. . usando o refinamento de c˜ a solu¸oes.2 Implemente a resolu¸ao por escalonamento no computador. e R3 = 4Ω. c˜ Exerc´ ıcio 2. U1 = 19V .4 Considere o circuito el´trico da figura abaixo. devido c e a passagem de corrente el´trica I.4 −0. podemos ver que o maior erro absoluto foi de 0. ´ ∆V = RI). . Exerc´ ıcio 2. Exerc´ ıcio 2.28 ´ CAP´ ITULO 2.3 −4.3. obtenha um sistema linear cujas vari´veis ` e e a s˜o os valores das correntes I1 . e R1 R3 I1 19V U1 2.70  0.06.70 −3.1  −3.789 10. R4 = 1Ω.2 1. arredondar e depois a e 3 multiplicar pelo numerador.5 Dado o sistema linear Ax = b onde   −4. . N˜o esque¸a de arredondar ap´s cada a c o opera¸ao aritm´tica. Resolva o sistema do c a exemplo acima usando apenas 2 algarismos significativos.3  2.5. a e c˜ Comparando com a solu¸ao exata. c˜ e Exerc´ ıcio 2.

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

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

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. 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. sob o c˜ c˜ e e ponto de vista de tempo de computa¸ao para complet´-lo. A id´ia vale em dimens˜es mais altas. quando resolvemos o sistema via computador.4.5.5. descrita no Cap´ c˜ ıtulo 2. Para entender porque isso acontece. Nota-se que o problema ´ c˜ e devido ao fato de que as retas correspondentes a cada equa¸ao s˜o quase paralelas.2 . Esses c˜ c˜ sistemas s˜o chamados de mal-condicionados. onde T ´ uma constante qualquer maior do que zero. J´ na contabilidade das outras opera¸oes o M´todo de Cramer perde do M´todo de a a c˜ e e Escalonamento. Decida qual dos m´todos ´ mais vantajoso. . .1 Sistemas mal-condicionados e refinamento de solu¸˜o ca Sistemas mal-condicionados Na teoria. ent˜o existe uma e s´ uma a o solu¸ao u. para cada um dos dois sistemas. se um sistema linear Au = b satisfaz det A = 0. a Para exemplificar. y = 0. y = −0.5. A divis˜o certamente gasta a c˜ a mais tempo do que as outras opera¸oes. por´m. por causa do exerc´ acima.5 . Aen forem “quase” linearmente dependentes. Sua solu¸ao unica e exata ´ x = 1. . ent˜o o sistema ser´ mala a condicionado. 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). Podemos tamb´m pensar nos vetores-coluna de A (ou nos vetores-linha): e se Ae1 . do qual e daremos uma id´ia abaixo. radicalmente c˜ ´ e diferente da anterior. experimente o leitor.4. Isso pode ser parcialmente sanado c˜ c˜ pela Condensa¸ao Pivotal. ıcio Exerc´ ıcio 2. Na pr´tica. Ae2 .2. Para alguns sistemas. c˜ a 2. .5 2. 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. se pensarmos em hiperplanos quase paralelos. consideremos o sistema 2 × 2 x + y 99x + 100y = 1 = 99. no e o lugar de retas. .5% nos coeficientes originais (o que ´ bastante razo´vel c˜ a e a para uma medida experimental). SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 31 saber quanto a m´quina gasta para fazer cada uma das opera¸oes. Agora considere o sistema c˜ ´ x + y 99.4x + 99.5. com altera¸oes de n˜o mais do que 0. a ponto de c˜ pequenas incertezas em seus valores provocarem grandes altera¸oes na solu¸ao final. e pelo M´todo de Refinamento. a solu¸ao pode depender sensivelmente de seus coeficientes. que tem solu¸ao unica e exata x = 0. e a multiplica¸ao tome o c˜ e c˜ mesmo tempo que a adi¸ao e a subtra¸ao.8 Suponha que uma divis˜o nunca demore mais do que T vezes uma mula tiplica¸ao.9y = = 1 99.

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

2. 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. ent˜o ˆ a b = Au = A(ˆ + w) . Na Se¸ao 2. E assim por diante. A solu¸ao obtida pode ser considerada uma primeira aproxima¸ao. u(0) + w(0) pode n˜o ser a solu¸ao exata. mesmo que n˜o correta (por causa dos erros de arredondamento). Como u = u + w. e depois ˆ a melhor´-la. c˜ 2.5. ´ fazer o refinamento. ent˜o u = u(0) + w(0) seria a solu¸ao correta. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 33 s˜o chamadas de matrizes de Hilbert.  1 1 2 0 2 2 −1 1 Aw = b − Aˆ . definimos a diferen¸a w = u − u para a solu¸ao verdadeira u. causada pelo c˜ mau condicionamento do sistema. Vejamos um exemplo ilustrativo. que consiste em obter uma solu¸ao e c˜ u de Au = b.5.47 u(0) =  6.2. e c˜ Calcula-se ent˜o w(0) = u − u(0) resolvendo-se o sistema a Aw(0) = b − Au(0) . 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. usamos 3 algarismos significativos para c˜ resolver   −1 3 1 2  .3 Refinamento Uma das maneiras de sanar o problema de se encontrar uma solu¸ao “ruim”. c˜ a a c˜ Como erros s˜o inevit´veis. chamada de u(0) : c˜ c˜   −4.97  .7. c˜ O m´todo pode ser implementado assim: calcula-se a primeira solu¸ao aproximada u(0) . a Para melhorar u. 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). a a a c˜ a Calcula-se ent˜o w(1) = u − u(1) .2). e ser´ chamada de u(1) . como veremos mais adiante (vide Subse¸ao 5.04 Au(0) =  1. u logo Ou seja. e aparecem naturalmente no problema do ajuste polia nomial.2. e tentamos ˆ c ˆ c˜ calcular w.44  . resolvendo-se a Aw(1) = b − Au(1) . que ´ o teste usual para ver se u(0) ´ realmente solu¸ao. Se a solu¸ao desse sistema n˜o contivesse erros. Obtemos a e e c˜   −1. u Calculamos ent˜o Au(0) .96 .

a a e uma vez que b e Au(i) s˜o vetores cujas coordenadas tˆm valores muito pr´ximos. 0.0267  .0167 0. O crit´rio pode ser feito nas solu¸oes u(i) ou nos testes Au(i) .04 3 1 2  1 1 0.333 vezes a primeira linha e da terceira linha subtra´ ımos 0.96 3. principalmente no caso de se fazer a e e implementa¸ao no computador. w3 ) = (−0.44 −4.0842. As transforma¸oes do lado direito s˜o c˜ a         0. o dobro de algarismos significativos). para chegar ` etapa seguinte.04 (i) (ii) (iii)  0. n˜o ´ certeza que o refinamento c˜ u a e levar´ ` melhor aproxima¸ao da solu¸ao correta.02 . c˜ Ent˜o n˜o precisamos fazer tudo de novo no lado esquerdo. 0. com erro absoluto m´ximo de 0. 0 Com a limita¸ao do n´ mero de algarismos significativos.667 vezes a primeira linha.04 0.34 ´ CAP´ ITULO 2. a solu¸ao de partida j´ era bastante c˜ a razo´vel.0267  . no a a c˜ c˜ a c´lculo de b − Au(i) . nada muito melhor do que Au(0) .04 b − Au(0) =  0. com a u(1) = u(0) + w.02). Somando com u(0) obtemos ı u(1) = (−4. 2.0597). em (ii) trocamos as posi¸oes da segunda e da terc˜ ceira linhas e em (iii) subtra´ ımos da terceira linha 0. 2. somente no vetor de termos ina a dependentes do lado direito. O sistema escalonado fica   0. 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.0167  −→  −0.04 0. c˜ e c˜ e da´ chegamos a w = (w1 . e ent˜o tiramos a diferen¸a a c   0. u =  6. 0 3 2 −1 0 sempre usando 3 algarismos significativos.04 0.0301 Agora queremos obter w do sistema Aw = b − Au(0) .04 3 1 2  0 1.0267 0.04. for usada precis˜o dupla (isto ´. w2 .0543. 0 0 0. 0 −0.02. Melhores resultados s˜o obtidos se. O METODO DE ESCALONAMENTO onde em (i) subtra´ ımos da segunda linha 0.03  .53 (2) (3) u =  6. a Para conferir. Vale a pena o leitor fazer mais algumas etapas. De fato. 6.03  .03  −→  0.52.0301 Se procedermos ao escalonamento.0267  −→  −0.94).504 0. mesmo com a possibilidade de refinamento. 0.52.53  .44  . 3. notamos que Au(1) = (−1. a oe u ´ E preciso tamb´m colocar um crit´rio de parada. e conferir os seguintes valores: a     −4.502 vezes a segunda linha.2.33 −2.33 −0. temos que resolver o sistema   0. Isto diminui sensivelmente o ac´ mulo de erros. Obviamente a e o os benef´ ıcios da precis˜o dupla podem ser usados nos computadores e calculadoras modernos. Ou seja. seguiremos exatamente os mesmos passos feitos na Se¸ao 2.

com algum crit´rio de parada.2 e sua solu¸ao obtida com c˜ c˜ 2 algarismos significativos. a Exerc´ ıcio 2.12 Dado o sistema linear Ax = b onde   −3. O problema ´ quando o denominador ´ igual a zero. o programa deve utilizar o “hist´rico” do escalonamento..5. olhando para os n´ meros u |un − un | ˆ |u1 − u1 | ˆ . Compare com a solu¸ao exata. (ii) se uj = 0 e uj = 0. Pode-se convencionar que: c˜ e e (i) se uj = 0 e uj = 0 ent˜o a varia¸ao ´ zero.0 −4.0 1 4. num sise e tema mal-condicionado.40 1.10 Tome o sistema discutido na Subse¸ao 2. . chamando-a de u(0) .94 0. c˜ (b) Resolva-o com dois algarismos significativos. un ) e u(i+1) = (ˆ1 . a Exerc´ ıcio 2. |u1 | |un | e pedindo que eles sejam menores do que um certo valor (por exemplo. 1 (a) Ache sua solu¸ao exata.9 −2. un ). da etapa i para a etapa i + 1.5 −0. far´ com que o processo continue). . 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. obtivemos e       −3.11 Considere o sistema  1/2 1/3 1/4  1/3 1/4 1/5 1/4 1/5 1/6  −1 0  .5  .6 2. .6 2 5. calculando b − Au(0) com dupla precis˜o. . SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 35 Por exemplo.4 ˜ 2.0 −2.90 −1.5   .2 −5. . pode-se comparar o quanto u ˆ ˆ as coordenadas variam. 0. . u2 . .47 0.0 3.0 A =  −3.9 Melhorar o programa que implementa o M´todo de Escalonamento com cone densa¸ao pivotal. pode alterar drasticamente a solu¸ao. .1 Execute uma etapa de refinamento.. Para fazer o c˜ e refinamento. A =  0. Obtenha o refinamento u(1) . ..5.5 b =  −4.4 3. . em geral. u2 .05. os multiplicao e dores e as trocas de linha (para que n˜o se repita tudo a cada etapa). . . acrescentando o refinamento. . c˜ Exerc´ ıcio 2. significando 5% de varia¸ao). ent˜o a varia¸ao ´ igual ˆ a c˜ e ˆ a c˜ e a 1 (o que.0 −4.0  p= 3  x(0) =  −7. Isto c˜ mostra que o refinamento tamb´m ´ limitado pelo arredondamento inicial que.. a Exerc´ ıcio 2.2. se u(i) = (u1 . arredondando para dois c e algarismos significativos. mas a partir da´ ache sua solu¸ao usando o m´ximo de algaı c˜ a rismos significativos que sua calculadora permite. relativamente. .7  −1. isto ´. (c) Agora fa¸a a seguinte experiˆncia: escreva o mesmo sistema.2 −5.

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)

.

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

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

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

para todo i = 1. |a11 | − x1 | ≤ β1 ∆(k) . .4.4 . 3. |a11 | |a11 | |a11 | a Como |xi − xi | ≤ ∆(k). ent˜o |x1 Definimos β1 = para ficar com |x1 (k+1) (k+1) (k) − x1 | ≤ |a12 | + |a13 | + |a14 | ∆(k) . logo ∆(k + 1) ≤ ( max βi )∆(k) . Agora levamos em conta essa ultima inequa¸ao para mostrar que ´ c˜ |x2 (k+1) − x2 | ≤ β1 |a21 | + |a23 | + |a24 | ∆(k) ≡ β2 ∆(k) . n. . mostramos que a − xi | ≤ βi ∆(k) . . Num sistema de 4 equa¸oes e 4 inc´gnitas temos c˜ o x1 (k+1) 43 − x1 − x1 − x1 − x1 = = = = x2 x3 x4 (k+1) (k+1) (k+1) 1 a11 1 a22 1 a33 1 a44 a12 (x2 − x2 ) + a13 (x3 − x3 ) + a14 (x4 − x4 ) a21 (x1 − x1 a31 (x1 − x1 a41 (x1 − x1 (k+1) (k) (k) (k) ) + a23 (x3 − x3 ) + a24 (x4 − x4 ) ) + a32 (x2 − x2 ) + a42 (x2 − x2 (k+1) (k) (k) (k+1) ) + a34 (x4 − x4 ) ) + a43 (x3 − x3 (k+1) (k) (k+1) (k+1) ) Da primeira equa¸ao. |a44 | |xi (k+1) Em conclus˜o.´ 3. 4. 2. obtemos |x3 e |x4 (k+1) (k+1) − x3 | ≤ − x4 | ≤ β1 |a41 | + β2 |a42 | + β3 |a43 | ∆(k) ≡ β4 ∆(k) . sai c˜ |x1 (k+1) − x1 | ≤ |a13 | |a14 | |a12 | (k) (k) (k) · |x2 − x2 | + · |x3 − x3 | + · |x4 − x4 | . |a22 | β1 |a31 | + β2 |a32 | + |a34 | ∆(k) ≡ β3 ∆(k) |a33 | Continuando.3. |a11 | |a12 | + |a13 | + |a14 | . . i=1. O METODO DE GAUSS-SEIDEL para todo i = 1.2.

. o Crit´rio de Sassenfeld pode ser c˜ o e enunciado de forma indutiva. + |a1n | .3 Mostre que os problemas de contorno da Se¸ao 1. Os demais coeficientes s˜o definidos indutivamente. METODOS ITERATIVOS Se cada um dos n´ meros β1 . . w0 ) = c c˜ . i=1.2 Tente mostrar o Crit´rio de Sassenfeld n × n. da seguinte maneira.i−1 | + |ai..5 Considere a tabela acima. |aii | isto ´. .i+1 | + . . Compare a velocidade de cone e vergˆncia nos dois m´todos. + βi−1 |ai. Analogamente ao M´todo de Jacobi. . . para i ≥ 2. . . β1 = |a12 | + |a13 | + .n Exerc´ ıcio 3. no numerador os βi ’s aparecem multiplicando os coeficientes da linha i ` esquerda e a da diagonal. βi−1 . . Fa¸a 4 itera¸oes. partindo de (x0 ..44 ´ CAP´ ITULO 3. y. Primeiro. |a11 | como no Crit´rio das Linhas. Use o M´todo de Gauss-Seidel para achar x. 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). u a com λ < 1. β3 e β4 for menor do que 1. β2 . e e 1 2 5 x w 7 3 y z 1 3 0 Exerc´ ıcio 3. z.4 Obtenha a solu¸ao com 3 algarismos significativos do sistema linear c˜ 4x1 −x1 2x1 + 2x2 + 2x2 + x2 + x3 = = = 11 3 16 + 4x3 usando o M´todo de Jacobi e o M´todo de Gauss-Seidel. o M´todo de Gauss-Seidel tamb´m tem a desiguale e e dade λ ∆(k) ≤ ∆max (x(k−1) . O a a coeficiente da diagonal aparece no denominador (como no Crit´rio das Linhas) e n˜o aparece e a no numerador. Para um sistema linear de n equa¸oes e n inc´gnitas. + |ain | .8 satisfazem o Crit´rio de c˜ e Sassenfeld Exerc´ ıcio 3. enquanto que os coeficientes ` direita da diagonal s˜o multiplicados por 1. ent˜o teremos ∆(k + 1) ≤ λ∆(k). .. x(k) ) 1−λ desde que λ = max βi seja estritamente menor que 1. Suponha e a que j´ tenham sido definidos β1 . y0 . β2 . z0 . e Exerc´ ıcio 3.. Ent˜o βi se define como a a βi = β1 |ai1 | + .

0. (d) Sabendo-se que a solu¸ao exata est´ em [−3. Portanto eles s˜o equivalentes. 5] × [−2. z0 ).7 Considere os sistemas lineares  1z = 2  4x + 1y + 2x − 5y + 1z = 3 (1) e  1x + 1y + 1. 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.8 o c˜ na p´gina 18. ı e c˜ A qual dos dois sistemas devemos aplicar o M´todo de Gauss-Seidel segundo esse objetivo? e Justifique.´ 3.4. O METODO DE GAUSS-SEIDEL 45 (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. 0). 0.   5x + 2y 2x − 5y  1x + 1y + 2. de forma a obter a melhor precis˜o a poss´vel na vig´sima itera¸ao.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). c˜ e partindo de um certo chute inicial fixado (x0 .5z = 6 = 3 = 4 .6 Considere o sistema linear Ax = b. y0 . quantas itera¸oes s˜o c˜ a c˜ a necess´rias para que o erro seja menor que 10−2 ? a Exerc´ ıcio 3. 4] × [−1. 2]. e arredondando para 2 algarismos significativos ap´s cada etapa. 0).5z + 1z + 1.) a Exerc´ ıcio 3. 0. (Veja a Se¸ao 1. ´ c˜ a Queremos encontrar a solu¸ao do sistema (1) (ou (2)) usando o M´todo de Gauss-Seidel.

METODOS ITERATIVOS .46 ´ CAP´ ITULO 3.

Parte II Ajuste de Fun¸˜es co 47 .

.

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

c˜ O bom senso.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. ´ preciso estabelecer um crit´rio comparativo do que seja a qualidade de uma e e e aproxima¸ao. parece muito complicado.5 e A.8. onde os xi ’s nunca se repitam. temos uma cole¸ao de dados (xi . a e o a pois isso facilitaria mais tarde sua utiliza¸ao como preditor. a e c˜ Evidentemente h´ um certo grau de arbitrariedade no m´todo que escolhemos para dea e terminar Q. AJUSTE DE FUNCOES ¸˜ ´ desses dados. levar´ a concluir que isso n˜o vale a pena. mas como? E desej´vel tamb´m que a f´rmula de f n˜o seja muito complicada. . a diferen¸a c entre o dado yi e o valor de f em xi . −1. c˜ ´ E claro que o problema.7.6).0. usando o crit´rio do qui-quadrado? Desenhe as retas e os pontos em papel e milimetrado antes de fazer as contas. Esse n´ mero c˜ u u deve ser sempre n˜o-negativo. N . para cada xi . ser´ necess´rio a a . que pode ser justificado por raz˜es o estat´ ısticas fora do alcance destas notas. yi ). podemos restringir bastante o universo das fun¸oes candidatas. . 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 . Aqui adotaremos o mais comum deles. . Com isso. como decidir se uma fun¸ao se adequa mais aos dados do que outra? c˜ e c˜ 4.8 + 0. . o para todo i = 1.5. x Exerc´ ıcio 4.50 CAP´ ITULO 4. para qualquer conjunto de dados (xi . i = 1. c˜ 4.86x e f2 (x) = −1. . (1.7) e as fun¸oes afins f1 (x) = −0. . Isto e c˜ ´.0 + 1. .6.1 Dados os pontos (−2. No entanto. (6. Q(p) ´ zero e n˜o h´ c˜ e a a como encontrar uma fun¸ao melhor do que essa. no entanto. associando a f um n´ mero Q(f ). 4. 5.0). sempre podemos achar um polinˆmio de grau N − 1 tal que p(xi ) = yi . colocado dessa forma. 2. . Duas raz˜es concretas a a o podem ser dadas imediatamente: se a quantidade de dados for muito grande. e ´ conhecido como qui-quadrado (sem pesos. De fato. i = 1. e dentro desse conjunto menor c˜ de fun¸oes procurar aquela que melhor se adapte a nossos pontos. Veja que o problema em alguns casos perde o sentido se n˜o a fizermos isso. (3.4). temos que avaliar. e queremos avaliar o quanto uma e c˜ determinada fun¸ao f difere desses dados. N . (4.3 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. N . e procure adivinhar o resultado por antecipa¸ao.0.2 Os m´ ınimos quadrados Precisamos de uma medida num´rica para avaliar a qualidade de uma aproxima¸ao. qual das duas fun¸oes se ajusta c˜ c˜ melhor aos dados. f(xi ) yi xi Em palavras. .32x.6). na e Se¸ao 6. Isto ´. elevar essa diferen¸a ao c quadrado e depois somar os resultados obtidos para cada xi . yi ). . c˜ Al´m disso. −0. .

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

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

PARAMETROS 53 isto ´. 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. b) que melhor aproxime os dados experimentais. 2 . Ao contr´rio dos problemas da densidade e da a caten´ria. e ´ oriunda a c˜ e ` o e de seu decaimento. R(T ) = 2 isto ´. Desta feita. onde r0 = r(0). 3 de forma que 4 V (t) = V (r(t)) = πr(t)3 3 e ˙ V (t) = 4πr(t)2 r(t) . Por outro e e aa ıcie lado 4 V (r) = πr3 .2) que a quantidade do is´topo c˜ o decresce (na maioria dos casos) exponencialmente. ri ) que se dispor˜o aproximadamente sobre uma reta. a radia¸ao emitida por unidade c˜ de tempo R(t) obedece ` lei a R(t) = R0 e−αt .4 Decaimento exponencial Um material cont´m um is´topo radioativo. Cada reta n˜o vertical do a a plano ´ gr´fico de r(t) = a + bt. a taxa de perda de volume ´ proporcional ` ´rea da superf´ da bolinha. pois para cada par (a.ˆ 4.3. α s˜o dois parˆmetros. ´ uma fun¸ao afim. supondo que o racioc´ ınio acima se confirme. ou seja. ficamos com c˜ r(t) = −α . aqui aparece uma fun¸ao que envolve dois parˆmetros. o e a Admitindo a proporcionalidade entre a radia¸ao emitida e a quantidade do is´topo. b). ˙ ˙ Juntando as duas equa¸oes em V (t) e cancelando r(t)2 . teremos uma s´rie de e dados (ti . e gostar´ e a ıamos de achar o par (a. Num experimento. e emite radia¸ao. onde t ´ o tempo (a vari´vel) e R0 .3. a a A meia-vida do is´topo ´ o tempo T necess´rio para que sua quantidade caia pela metade. que produza o menor qui-quadrado poss´ e ıvel. a c˜ a 4. Ou seja. que pode ser detectada por um e o c˜ contador geiger.3. T ´ tal c˜ o e que R0 . Veremos mais adiante (Subse¸ao 17. Portanto e c˜ e c˜ r(t) = r0 − αt . o qui-quadrado ´ uma fun¸ao de duas vari´veis. A emiss˜o de radia¸ao ´ proporcional a quantidade de is´topo. e R0 = R0 e−αT . 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´. isto ´.

log R(t). N (l) ´ proporcional a l−d . e pode ocorrer. pois o logaritmo de uma soma n˜o pode ser desmembrado. ´ o o log-log. 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 . O nome fractal vem do fato de e a c que d pode ser um n´ mero fracion´rio (n˜o inteiro). A experiˆncia tem e mostrado que. e Esse tipo de fun¸ao aparece ligado ao conceito de fractal. tome a linha c˜ do litoral. onde e d ´ a chamada dimens˜o fractal daquele peda¸o de litoral. Para fun¸oes f (x) = cxα . no decaimento de c˜ e a temperatura de um corpo em contato com um reservat´rio mais frio. em busca de uma reta. a e 4.54 equa¸ao que resolvida nos d´ c˜ a CAP´ ITULO 4. c˜ a Escolha um tamanho l e divida o mapa em quadrados de tamanho l.3.. L(t) ≡ log R(t) ´ uma fun¸ao afim.2 Munido de bons mapas. N˜o adianta tirar o logaritmo. atrav´s da determina¸ao e c˜ o e c˜ da quantidade de carbono-14. a e o em fun¸oes do tipo c˜ f (t) = b + ce−αt . t. a a Esse tipo de fun¸ao tem trˆs parˆmetros. em fun¸ao dos dados da abscissa. c˜ Isto n˜o vale quando o decaimento exponencial ´ assint´tico a um valor diferente de zero. para que se possa fazer uma an´lise razoavelmente detalhada. Se realmente N (l) = cl−d ent˜o vocˆ ver´ uma reta a e a de inclina¸ao negativa. e para cada l contamos N (l). fotografada num mapa de sat´lite. AJUSTE DE FUNCOES ¸˜ log 2 . s˜o uma maneira de se plotar o logaritmo dos dados da a ordenada. Preste c˜ a a c˜ aten¸ao em desconsiderar valores de l muito grandes ou muito pequenos. log f (x) ´ uma fun¸ao afim de log x. por exemplo. fa¸a o experimento acima sugerido. e o papel recomendado para se plotar os e c˜ dados. de forma que s´ haja uma maneira a u o de se dividir o mapa em quadrados. α O conceito de meia-vida ´ muito usado para data¸ao de f´sseis. onde −α ´ sua derivada. dentro dos limites inerentes ao experimento. e a dimens˜o fractal d ser´ o valor absoluto dessa inclina¸ao. ou seja. e coloque os c dados N (l) versus l em papel log-log. e suponha que a foto do sat´lite tenha boa e e resolu¸ao. recomenda-se tamb´m tirar o logaritmo: c˜ e a e Desta vez. 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. e c˜ e e vendidos em algumas papelarias.5 Leis de potˆncia e fractais e log f (x) = log c + α log x . que tˆm dois parˆmetros. 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. Para exemplificar. em rela¸ao ao is´topo mais abundante carbono-12: quanto c˜ o menor for a quantidade de carbono-14. Em seguida contamos o n´mero N (l) de quadrados que u intersectam a linha do litoral. mas cuja temperatura o n˜o ´ necessariamente zero. sem fazer contas. Tomamos valores de l cada vez menores. a e Exerc´ ıcio 4. a a . Os pap´is mono-log.. onde fatalmente c˜ n˜o se ver´ uma reta. mais antigo ´ o material.

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

a . σ e τ . Se agora tomarmos hτ (t) = exp{−(t − τ )2 }. Ent˜o o parˆmetro τ tem o a a papel de “deslocar o sino” para a direita ou para a esquerda. AJUSTE DE FUNCOES ¸˜ Al´m disso. e seu valor sempre representa a posi¸ao c˜ do “cume”. e decresce ` direita e ` esquerda a a (simetricamente). Isso far´ com que a curva decres¸a mais lentamente.56 CAP´ ITULO 4. n˜o importando os valores de σ a a a e τ. A fun¸ao h(t) tem um m´ximo em t = 0 e c˜ a h(0) = 1. ent˜o o valor de hσ (t) ser´ o valor de h em √t . conforme for positivo ou negativo. t 1 hτ (t) τ t 0 Por outro lado. 2σ 2 σ 2π Observe que essa fun¸ao depende de dois parˆmetros. O fator que multiplica a exponencial est´ colocado para normalizar a fun¸ao. a ` A medida em que se dimui ∆t e se aumenta n. o histograma passa a ter a seguinte fun¸ao utilit´ria. e decrescer´ ` direita e a aa esquerda de τ . alargando o sino. ao contr´rio. a a 2σ que ´ menor do que t. 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. observe que c˜ ela ´ uma varia¸ao de e c˜ h(t) = exp{−t } = e 2 −t2 1 h(t) = e−t 0 2 . ent˜o seria mais correto denot´-la c˜ a a a por fσ. a curva decrescer´ mais rapidamente. 2σ < 1. o formato do histograma se aproxima cada vez mais de um formato de sino. isto ´. Para entender melhor essa fun¸ao. se considerarmos hσ (t) = exp{− t2 } = exp{− 2σ 2 t √ 2σ 2 t } = h( √ ) 2σ √ a ent˜o teremos o seguinte efeito: se 2σ > 1. 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). basta medir a ´rea total c˜ a das barras sobre esses intervalos. Esse formato de sino ´ tipicamente descrito pela e fun¸ao Gaussiana c˜ (t − τ )2 1 f (t) = √ exp{− }. indo a zero quando t vai a +∞ ou −∞. agora fixo.τ (t) . fazer a c˜ e com que a ´rea debaixo de seu gr´fico seja sempre igual a 1. a fun¸ao valer´ 1 e atingir´ c˜ a a o m´ximo em t = τ .

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

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

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

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

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

4 Dois parˆmetros a Suponha que queiramos ajustar uma reta aos dados experimentais. Num papel milimetrado. sabemos que podemos procurar o ponto de m´ a ınimo da d par´bola pelo ponto que anula a derivada. Exerc´ ıcio 5. FUNCOES LINEARES NOS PARAMETROS ¸˜ Conhecendo o c´lculo diferencial. c˜ coloque os dados e depois esboce a reta obtida. precisamos ajustar uma fun¸ao na forma f (x) = c˜ . a c˜ a Temos N ∂ d Q(a) = (ag(xi ) − yi )2 . da ∂a i=1 se lembrarmos que “a derivada da soma ´ a soma das derivadas”. e depois ajuste uma fun¸ao ax. a c˜ Ent˜o calcularemos a derivada de Q(a). e temos que d Q(a) = da N i=1 2g(xi )(ag(xi ) − yi ) . e sim pela express˜o a a a a original. Para isso. Ent˜o queremos resolver a N i=1 ag(xi )2 − g(xi )yi = 0 . de forma que quando igualarmos a e o derivada de Q(a) a zero ele desaparece. N N a· donde sai facilmente o valor de a: g(xi )2 = i=1 i=1 g(xi )yi . mas n˜o pela express˜o acima. lembrando que a derivada ´ em rela¸ao ao parˆmetro a!!!! e c˜ a O fator 2 pode ser posto em evidˆncia no somat´rio. que se prestar´ mais a generaliza¸oes quando tivermos mais parˆmetros. a fun¸ao g(x) ´ igual a x. Esse ´ o a0 que est´vamos procurando! e a No caso de uma reta. a= N i=1 g(xi )yi N 2 i=1 g(xi ) . Rearranjando. procuramos a solu¸ao de da Q(a) = 0. ou seja. “a derivada de algo ao quadrado ´ duas vezes esse algo vezes a derivada do algo”. mas n˜o necessariamente a uma reta que passe pelo zero. Al´m disso.1 Invente um conjunto de dados que estejam pr´ximos de uma reta passando o pela origem (N = 6.62 ˆ CAP´ ITULO 5. pela Regra da e e Cadeia. por exemplo). e portanto a0 ´ dado por c˜ e e a0 = N i=1 xi yi N 2 i=1 xi . 5.

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

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

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

que pode ser facilmente medida a a por uma r´gua. FUNCOES LINEARES NOS PARAMETROS ¸˜ e. g k ak = g l . . a a Os dados encontrados est˜o na tabela abaixo. cujo peso n˜o ´ suficiente para distender o el´stico (melhor ainda. um para o caso a c c˜ discreto e um para o caso cont´ ınuo. e a cada litro colocado (x) medimos a distens˜o y do el´stico. fa¸amos dois exemplos nesta Se¸ao.5 42. 5. e esticado). serve para colocar a e a o el´stico muito pr´ximo ` posi¸ao de repouso. e Para tanto.0 50.0 23. exceto pelo fato de que os “produtos escalares” s˜o calculados por uma integral. 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 55.5 53. penduramos o el´stico no teto. onde gl . + g l . gm = c d gl (x)gm (x)dx d e gl . y . depois de uma simples manipula¸ao da equa¸ao. Juntando-se as k equa¸oes resulta um sistema linear idˆntico `quele obtido no caso disc˜ e a creto.0 5.7 Exemplos Para que n˜o fique tudo muito abstrato. colocamos ´gua a o a c˜ a no balde.5 34.66 ˆ CAP´ ITULO 5. g 1 a1 + g l . . para pesar objetos.7. 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. ao a inv´s de uma soma. O el´stico a o a ´ forte. e na outra atrelamos um a balde. Com uma jarra.0 47.5 13. e 5.0 1. e ag¨ enta v´rios quilos. por uma ponta.1 Dinamˆmetro o Suponha que precisemos usar um el´stico como dinamˆmetro.0 54. y = c gl (x)y(x)dx .5 . g 2 a2 + . chegando a c˜ c˜ g l .

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

4. A solu¸ao apresentada foi obtida com 10 algarismos significativos. o Veremos se nossos palpites se confirmam. para saber se n˜o houve algum erro de conta. g3 . 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. junto com os dados experimentais. Por exemplo. e pois a concavidade do gr´fico ´ para cima em x = 0.28427 e a3 = 0.68 ˆ CAP´ ITULO 5. 12 π 2 x4 dx = −π 2 π5 . Precisamos calcular π 2 x2 dx = −π 2 π3 . g1 (x) = π 2 −π 2 1 · 1dx = π . Este teste sempre vale a pena em c a problemas de ajuste. Al´m disso. obtemos a1 = 2. π ]. tomemos a fun¸ao y(x) = cos x no intervalo c˜ [− π . para a e poder criar o ponto de inflex˜o na regi˜o x > 0. ´ uma fun¸ao par.28427x3 + 0. Algumas integrais s˜o nulas. a2 = −0. ent˜o imaginamos um polinˆmio quadr´tico com caracter´ a o a ısticas semelhantes. a Se f (x) = a1 + a2 x + a3 x2 ´ o polinˆmio procurado.0088925x4 ´ compat´ e ıvel com os dados (pelo menos visualmente).7. g2 e g2 . 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. vale a pena investigar o que achamos que ser´ o resultado. pois o intervalo de integra¸ao ´ sim´trico e os integrandos s˜o a c˜ e e a ´ fun¸oes ´ c˜ ımpares. aproximadamente. quanto devem ser.5040. a a 5. 2 2 Ele teria que ter a1 = 1 (para valer 1 em x = 0) e a2 = 0 (por ser par´bola centrada na a origem). 80 e do lado dos termos independentes π 2 cos x = 2 . Recomenda-se verificar se a fun¸ao obtida c˜ f (x) = 2. que agora s˜o integrais. e que a2 teria que ser negativo. FUNCOES LINEARES NOS PARAMETROS ¸˜ Calculando os coeficientes e resolvendo. −π 2 . 2 logo a3 deve estar pr´ximo de −0. E o caso de g1 . Se o leitor tentar resolver o sistema por conta pr´pria ver´ que ele ´ extremao a e mente mal-condicionado. c˜ e arredondada somente ao final para 5 algarismos significativos. a3 teria que ser negativo. os e o valores dos coeficientes? Como o cosseno vale 1 em x = 0. Gostar´ ıamos de aproxim´-la tamb´m por um polinˆmio. Temos que calcular os produtos escalares.5040x2 − 0. por exemplo. desta vez de grau 2.0088925. e isso pode ser feito atrav´s de seu e esbo¸o no gr´fico. tem concavidade para baixo e se anula e c˜ em − π e + π . a g1 (x).

gm = 0 xl+m dx = 1 . que ´ e e um conhecido exemplo de matriz mal condicionada.3 Ajuste f (x) = a(arctan x)2 aos seguintes dados xi yi por m´nimos quadrados. 0.00 3. .7. dando 2 π 2 − 4.0 0.50 4. por´m. embora o Cap´ ıtulo 7 possa ser compreendido sem o aux´ do Cap´ ılio ıtulo 6. tem problemas quando implementado e ´ numericamente. −π 2 1 usando a t´cnica de Integra¸ao por Partes duas vezes. Resolvendo o sistema. como discutimos na Subse¸ao 2. ı ` c˜ no intervalo [0. E comum que os sistemas lineares a serem resolvidos sejam muito mal condicionados. 2].65 . . e 1 gl . por ser ´ e ımpar. Por exemplo. 12 5 3 π 1 2 π 0 80 | 2 π − 4 12 Da segunda equa¸ao conclui-se imediatamente que a2 = 0. quest˜es o como a unicidade. com l = 0. e c˜ O sistema linear fica igual a   3 π 0 π | 2 12 3   0 | 0  0 π  . no caso do ajuste de uma fun¸ao y(x) definida no intervalo c˜ [0.2. investigando. temos gl (x) = xl−1 . l+m+1 Isto implica que a matriz dos coeficientes do sistema linear ´ uma matriz de Hilbert. apesar de simples. + ak xk .5. o que reduz o sistema linear a duas c˜ equa¸oes e duas inc´gnitas.98016 e a3 = −0. que s˜o especialmente uteis a ´ para ajustes polinomiais e trigonom´tricos. . Exerc´ ıcio 5.0 1. Antes. c˜ o e valores bem pr´ximos das estimativas iniciais.0 1. ı Exerc´ ıcio 5. k. .41777.4 Ajuste f (x) = a + b(x − 1)2 por m´nimos quadrados a fun¸ao y(x) = x3 − 3x.0 1. .25 2. e resta calcular π 2 69 x2 cos x . 1] por um polinˆmio o f (x) = a0 + a1 x + . o O m´todo que apresentamos. obt´m-se a1 = 0.0 0. por exemplo. discorreremos um pouco mais e e abstratamente sobre o m´todo dos m´ e ınimos quadrados.5. c˜ No Cap´ ıtulo 7 discutiremos outra forma de se fazer ajustes. .0 1. EXEMPLOS a integral de x cos x ´ nula.

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

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

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

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

. Logo eles tˆm que ser ambos nulos. . u − y . que ´ a raiz quadrada de u − y. no problema do ajuste. d]. Suponha que y(x) seja uma fun¸ao cont´ c˜ ınua definida no intervalo [c. o subespa¸o vetorial em quest˜o ´ o c a e conjunto de todas as combina¸oes lineares dos vetores g1 . mas como g − u ∈ G e u − y ∈ G⊥ . gk . . . Finalmente lembremos que. e N ≥ k. . .3 O caso cont´ ınuo No caso cont´ ınuo n˜o temos um espa¸o de dimens˜o finita (RN ) para trabalhar. tome um outro vetor qualquer ` a a g ∈ G. Para que haja apenas uma maneira de se escrever u ´ preciso e que os vetores g1 . 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). ak ) tal que ´ a f = a1 g1 + . Al´m disso. suponha que g1 (x) = 1. . segue que g − u. como conclu´ ´ a ımos acima. . isto ´. define-se a fun¸ao h = αh1 como sendo aquela que leva x em e u c˜ h(x) = αh1 (x). g − u. a e c˜ e quase sem modifica¸oes! c˜ No lugar de RN consideramos um espa¸o de fun¸oes. gk (x) = xk−1 . A distˆncia de g a y ´ a raiz quadrada de g − y. . . mas o leitor a c˜ e´ e est´ convidado a justific´-la inspirando-se no que est´ escrito na Se¸ao A. pode haver diversas maneiras de se escrever esse elemento como combina¸ao a c˜ linear dos vetores g1 . e c˜ e assim por diante. u − y + u − y. Ent˜o consideramos o conjunto E de todas as fun¸oes cont´ a c˜ ınuas definidas nesse intervalo. A origem ou elemento nulo de E ´ a fun¸ao identicamente nula em [c. g − u + u − y = g − u. existe um c˜ c unico elemento que minimiza a distˆncia ao ponto y. wi wi ´ a componente de y no subespa¸o G. a c˜ e se α ´ um n´ mero real. c˜ Por exemplo. O conjunto E ´ um espa¸o vetorial porque essas opera¸oes sempre resultam e c c˜ em elementos de E. . Ser´ que a solu¸ao do problema de ajuste ´ unica? A resposta ´ sim. Que espa¸o a c a c utilizamos? Ser´ que as id´ias das se¸oes anteriores tamb´m se aplicam? Veremos que sim. nem sempre!! Embora s´ haja um elemento u do subespa¸o que minie a o c mize a distˆncia. . g − y > u − y. g − u + 2 g − u. u − y . Nesse subespa¸o. gk sejam linearmente independentes. a e c˜ r e c e O vetor u = i=1 y. Ser´ que da´ a ı podemos concluir que sempre existe um unico conjunto de parˆmetros (a1 . g − u ´ e e positivo. suponha que o n´ mero N de pontos dados seja menor do que o n´ mero k u u de fun¸oes do ajuste. . . onde a desigualdade estrita confirma a unicidade. gk . . . + ak gk minimiza a distˆncia a y? a A resposta ´ n˜o.74 ´ CAP´ ITULO 6.7. 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. u − y = 0. escrevemos a g − y. Para comparar as duas a e distˆncias. 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. e a afirma¸ao segue. tamb´m chamada de proje¸ao de y em G. g − y = g − u + u − y. logo g − y. a a´ c˜ Outro exemplo. e eles s˜o iguais.. que podemos particularizar (para n˜o c c˜ a dificultar as coisas). que mostraremos ser maior a e do que a distˆncia de u a y. N˜o h´ como ter k > N vetores linearmente independentes em RN . g3 (x) = x2 . . Para ver a raz˜o. g − y . 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⊥ . g2 (x) = x. . que nenhum deles possa e ser escrito como combina¸ao linear dos outros. . d]. . u − y . c˜ a a portanto certamente n˜o ser´ unica a solu¸ao para o problema de ajuste. . a a a c˜ 6. .

´ comum sabermos. e minimiza a distˆncia de y aos c˜ e c˜ a pontos de G. hn que gere E. . logo tem uma base ortonormal. Se h e f s˜o e a fun¸oes de E. sendo portanto uma solu¸ao do problema de ajuste. A fun¸ao f ´ a proje¸ao de y em G. em geral em medidas experimentais. f = c h(x)f (x)dx . w . 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 . a o isto ´. . 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. Simetria: u. . e da´ seguem as conseq¨ˆncias que advˆm diretamente dessas e ı ue e propriedades. u. N˜o ´ dif´ mostrar que a defini¸ao acima de h. 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 . u . f no espa¸o a e ıcil c˜ c E ´ a de um produto interno. No entanto. gk (aquelas com as quais queremos fazer o ajuste). .4 Outros produtos escalares: pesos Pensando novamente no caso discreto (mas com conseq¨ˆncias igualmente v´lidas no caso ue a cont´ ınuo). yi ). . c˜ e c a Podemos tamb´m definir um produto interno. o conjunto de todas as suas combina¸oes lineares ´ um subespa¸o vetorial de dimens˜o finita de E (que chamaremos de G). 2. c˜ c˜ Observe o leitor que nas considera¸oes que fizemos nas Se¸oes anteriores. tal que qualquer elemento de E possa ser e escrito como combina¸ao linear desses elementos. Essas propriedades podem ser usadas para definir o produto interno. como fizemos com o determinante no Cap´ ıtulo A. que entra no cˆmputo do qui-quadrado da o seguinte maneira: N Q(f ) = i=1 pi (f (xi ) − yi )2 . que foi a defini¸ao que usamos previamente. 3. w = α u. w + β v. Positividade: se u = 0. v = v. Linearidade: αu + βv. isto ´. como nota¸ao. No entanto.4. O subespa¸o G tem dimens˜o finita. . ent˜o c˜ a d h. s´ nos utilizamos c˜ c˜ o das propriedades do produto interno. onde f ∈ G e ξ ∈ G⊥ . notamos que o c´lculo do qui-quadrado pressup˜e uniformidade dos dados (xi . a saber: 1. . que certos dados e s˜o mais confi´veis do que outros. dado o conjunto de fun¸oes c˜ c˜ g1 . . . ou produto escalar em E. u > 0.6. c˜ 6. cada dado entra com igual peso na f´rmula e o N Q(f ) = i=1 (f (xi ) − yi )2 .

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

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

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

exigindo-se c˜ o apenas que o coeficiente de mais alto grau seja sempre igual a 1. . . 0. vale o xfk−1 (x) − fk (x) = ak fk−1 (x) + bk fk−2 (x) . 3. o c˜ isto ´ e xf1 (x) − f2 (x) = a2 f1 (x) + b2 f0 (x) . Agora suponha que o processo continua. 2π] c˜ a (admitindo-se o produto escalar com peso uniforme). f1 = 0. 7. x4 ) = (0. se for o caso). x3 . . . Observe que come¸amos a numerar nossos polinˆmios a partir de zero. em rela¸ao a esse produto escalar. que permitir´ calcular fk (x). . Essa rela¸ao de recorrˆncia funciona tanto e c˜ e c˜ e no caso discreto (com qualquer conjunto de pontos x1 . xN ) como no caso cont´ ınuo (com qualquer intervalo de integra¸ao). c˜ Exerc´ ıcio 7.7. f4 . etc.2. e ´ a e escolhido de maneira que f0 . com qualquer dos produtos c˜ internos que descrevemos. 1. 0. depende somente do intervalo de integra¸ao c˜ (e do peso. Ache p(x) = x2 + ax + b que seja ortogonal a q(x) = x.2. No entanto. da o mesma forma que fizemos previamente. f1 . com ou sem pesos. pois assim seu c o ´ ındice assim corresponder´ exatamente a seu grau.0. f3 . Procede-se assim: fixa-se f0 (x) ≡ 1 e calcula-se o primeiro polinˆmio f1 (x) = x + a. c˜ Exerc´ ıcio 7. etc. Veremos logo adiante como usar tabelas de fun¸oes ortogonais.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.a obten¸ao dos polinˆmios ortogonais recai na c˜ c˜ o resolu¸ao de v´rios sistemas lineares.1 Considere (x1 . 4.′′ onde ak e bk s˜o coeficientes apropriados. facilitando os argumentos. g = i=1 f (xi )g(xi ) . obtendo-se polinˆmios f2 . ou seja. como descrito na Se¸ao anterior. {f0 . CALCULANDO POLINOMIOS ORTOGONAIS POR RECORRENCIA 79 do produto escalar utilizado que. pois os coeficientes de mais alto grau s˜o e o a sempre iguais a 1). .2 Mostre que as fun¸oes sen x e cos x s˜o ortogonais no intervalo [0. .” Note que para k = 2 ela ´ verdadeira porque a e xf1 (x) − f2 (x) ´ um polinˆmio de grau 1 (o termo x2 cancela. fk } gera o subespa¸o formado por todos os polinˆmios de c o grau k (mostre isso como exerc´ ıcio. a O ponto central ´ a seguinte afirma¸ao. para k ≥ 2. em nosso caso. com um argumento indutivo). .ˆ ˆ 7. Em cada etapa. atrav´s de uma rela¸ao de recorrˆncia. ´ que h´ uma maneira mais f´cil de se calcular os polinˆmios e e a a o ortogonais. a a o A boa not´ ıcia. somente e c˜ a com os polinˆmios fk−1 e fk−2 : “para todo k ≥ 2. de graus 2. x2 . Logo esse polinˆmio pode ser escrito como combina¸ao linear de f0 e f1 . tarefa que pode ser t˜o ou mais trabalhosa do que se c˜ a a n˜o us´ssemos esses polinˆmios. . por´m.3) e o produto escalar 4 f. O valor de a ir´ depender do produto interno.

. fk−1 − fk . sendo apenas necess´rio calcular ak e bk . f1 . ent˜o xfj (x) pode ser escrito e a como combina¸ao linear de f0 . fk−2 . . ˜e A nossa afirma¸ao estar´ demonstrada se provarmos que f ´ identicamente nulo. . fk−2 xfk−1 . Isolando f na express˜o acima. e j + 1 ´ menor do que k − 1. fk−2 bk = xfk−1 . pois se observarmos as defini¸oes dos produtos internos. fj = 0 Para k ≥ 3 o racioc´ ınio ´ parecido. c˜ Talvez fosse mais did´tico apresentar o uso da afirma¸ao antes de sua demonstra¸ao. 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) . . f1 .. Segue que ele pode ser escrito como combina¸ao c˜ ˜ linear dos vetores fk−1 . usamos o fato de que. fk−2 . Chamaremos de f a parte dessa combina¸ao linear c˜ que corresponde ` combina¸ao de polinˆmios fj com j ≤ k − 3. Como xfj (x) tem grau j + 1. 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 ). g = −1 f (x)g(x)dx . se j ≤ k − 3. . fj = 0. fj (x) = 0 . fj = 0. de xfk−1 . xfj (x) . fk−2 + bk fk−2 . a c˜ c˜ Optamos pelo contr´rio porque a afirma¸ao n˜o parece ser muito ´bvia. pois o termo xk se cancela. fk−1 . fk−1 = ak fk−1 . fk−2 = ak fk−1 . mas h´ uma pequena dificuldade a resolver. FAM´ ILIAS ORTOGONAIS tem grau k − 1. a ent˜o fk . fj (x) = fk−1 (x). Ou seja. fk−1 Exerc´ ıcio 7. veremos ı c˜ que xfk−1 (x). para o produto interno 1 f. fk−1 resulta ak = e de resulta xfk−1 . Para isso. . Ent˜o a c˜ o a ˜ xfk−1 (x) − fk (x) = ak fk−1 (x) + bk fk−2 (x) + f (x) .80 CAP´ ITULO 7. O e a polinˆmio o xfk−1 (x) − fk (x) ˜ para todo j ≤ k − 3.3 Obtenha os quatro primeiros polinˆmios ortogonais usando o m´todo acima o e descrito. f0 . e o produto interno resulta nulo. A´ entra o “pulo do gato”. fk−1 . basta mostrarmos que Como f e o a ˜ f . . restando apenas mostrar que a xfk−1 (x). fk−2 . fk−1 + bk fk−2 .. fk−1 . fj = 0 e fk−2 . fk−2 . fk−2 − fk . c˜ a ˜ ´ um polinˆmio de grau no m´ximo k − 3.

f2 . Portanto. 7. al = 0 1 π 2π y(x) cos(lx)dx 0 . f1 . usando polinˆmios ortogonais.6 Ajuste um polinˆmio quadr´tico a fun¸ao ex em [−1. . Tente n˜o errar nas contas. f0 = 2 .5 Ajuste. f2 (x) = x2 − 1 3 . e como vimos anteriormente. f1 = 8 8 2 . fl .3. ´ muito importante tamb´m a seguinte fam´ de fun¸oes e o e e ılia c˜ trigonom´tricas. f ´ facilmente calcul´vel. por m´nimos quadrados. definidas no intervalo [0. sen 3x. o Exerc´ ıcio 7. um polinˆmio de primeiro grau a fun¸ao ı o ` c˜ h(x) = senx no intervalo [0. 3 45 175 Exerc´ ıcio 7. fl . s˜o ortogonais entre c˜ a si (prove!). 3 ´ dado por e al = y. onde ser´ preciso integrar a xl sen x (sugest˜o: integra¸ao por partes). fl . f2 = . cos 2x. UM EXEMPLO DE APLICACAO DE POLINOMIOS ORTOGONAIS ¸˜ 81 7.3 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. Fazendo o exerc´ do final da Se¸ao anterior. 1. Temos a f0 . Todas as fun¸oes 1. 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 . Calcule os produtos y. 1]. f ´ dada pela proje¸ao de y no espa¸o G das combina¸oes e c˜ c c˜ lineares desses polinˆmios. sen 2x. sen x. 2π]. f1 (x) = x . f3 (x) = x3 − x . .. Desenhe um gr´fico do polinˆmio c˜ o u a o obtido e compare com a fun¸ao h(x) = sen x. . f3 = .ˆ 7.4 Exemplo de an´lise harmˆnica a o Al´m dos polinˆmios ortogonais. teremos c˜ a0 = 1 2π 2π y(x)dx . 1] usando polinˆmios o a ` c˜ o ortogonais. isto ´. 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) . Obtenha os coeficia c˜ a entes e explicite a fun¸ao f como um polinˆmio c´bico. f3 . 2. Como eles s˜o ortogonais. c˜ Exerc´ ıcio 7.4 Termine o exemplo. 1] por um c˜ polinˆmio c´ bico. cos x. l = 0. cos 3x. etc. 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 . se quisermos ajustar y por uma fun¸ao desse tipo. cada o a e a e um dos coeficientes al . fl Os denominadores s˜o as normas ao quadrado.

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

E a integral de cos u em qualquer per´ e ıodo completo tamb´m ´ nula. Se formos at´ l = k. 2 l 6 O limite da soma ´ denotado como se a soma fosse infinita e ∞ l=1 1 1 ≡ lim . 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). k k→∞ k l=1 1 =0.4. Usando a primitiva.7 Fa¸a um pequeno programa de computador para ver se a f´rmula acima est´ c o a correta. que ´ igual a zero. l2 lim l=1 1 π2 = . que ´ o ponto intermedi´rio c˜ e a do intervalo. e a c˜ . A primeira integral ´ nula. 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 . Em c˜ a c˜ particular. e portanto sua integral ´ nula. podemos obter uma f´rmula para π: o π= 6 ∞ l=1 1 . O computador ser´ necess´rio porque a convergˆncia para o limite ´ bastante lenta. k→∞ l2 l2 i=1 k Assim. Portanto a e 1 1 lim − 2 k→∞ 6 π Escrito de outra forma. e e Quanto ` segunda integral. a a e e e um valor de k muito grande ´ necess´rio para se conseguir uma boa aproxima¸ao de π. O e primeiro termo da soma ´ uma fun¸ao ´ e c˜ ımpar em rela¸ao a x = πl. f (0) estar´ cada vez mais perto de y(0). integramos por partes duas vezes e achamos a primitiva a u2 sen u + 2u cos u − 2 sen u de u2 cos u.´ ˆ 7. Est´ fora do escopo deste livro demonstrar isto. chegamos em al = − 1 π2 l2 . l2 Exerc´ ıcio 7. 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). porque u cos u pode ser escrito como (u − πl) cos u + πl cos u. Assim podemos fazer o ajuste de x(1 − x) usando quantas fun¸oes trigonom´tricas quic˜ e sermos.

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

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

86 CAP´ ITULO 7. FAM´ ILIAS ORTOGONAIS .

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

.

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

2 Raiz c´ bica de 10 u Suponha que queiramos achar um n´ mero x positivo tal que x3 = 10. encontramos x pela intersec¸ao de ¯ c˜ {y = x3 } com {y = 10}. Observe tamb´m que o problema ´ equivalente e e a resolver a equa¸ao c˜ x3 − 10 = 0 . u Graficamente. ou seja. Levando em conta que a queda n˜o ´ completamente a c a e livre. e cai sob a for¸a da gravidade. o meio oferece resistˆncia ao movimento. da altura h0 . constata-se que o meio oferece resistˆncia ao movimento com uma for¸a e c tanto maior quanto maior for a velocidade. a velocidade inicial ´ zero e cresce com o tempo. No caso da ıvel bolinha. ela ´ bastante alta. No caso do p´rac a e a quedista. y=x3 10 y=10 x 8. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ 8. estamos procurando a raiz de f (x) = x3 −10. Ou.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. isto ´. 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. como mostra a figura ao lado. e Empiricamente. a a alternativamente. uma bolinha que parte do repouso ` altura h0 dentro de um tubo cheio a d’´gua. 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. ou 3 10. . Esse n´ mero ´ o que u√ ¯ ¯ u e denominamos a raiz c´ bica de 10.90 ´ CAP´ ITULO 8.

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

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

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

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

o valor de θ correspondente a um volume de ´gua de 3 a ¯ ¯ litros. As linhas pontilhadas indicam as duas 1 fun¸oes (θ e − 2 sin 2θ) que somadas produzem a fun¸ao v (θ) = v(θ) . CATENARIA 95 onde θ varia entre 0 e π. de forma que o gr´fico fique indea ˜ pendente do raio r e do comprimento l do cilindro. Isso corresponde. c desde que a origem do plano cartesiano coincida com o ponto de m´ ınimo da curva. c˜ c˜ ˜ lr 2 A fun¸ao v (θ) tem derivada nula em θ = 0 (e por simetria em θ = π). no contorno do cilindro. no gr´fico. como j´ dissemos. de forma que toda a escala possa ser constru´ ıda. suponhamos uma corrente pendurada em dois pontos de sustenta¸ao. colocamos na vertical a vari´vel v = lr2 . O gr´fico de v(θ) (de fato. Esse ´ o problema de achar a raiz da fun¸ao v(θ) − 3.5.´ 8.5 Caten´ria a Mais uma vez. 8. 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. Seu c˜ formato. pois c˜ ˜ v ′ (θ) = 1 − e 1 · 2 cos 2θ 2 Suponha agora que o volume total do cilindro seja da ordem de 10 litros e que queremos ¯ marcar. o gr´fico de v = v(θ)/lr2 ) est´ esbo¸ado a a ˜ a c na figura abaixo. ´ 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). O mesmo procedimento pode ser e c˜ adotado para se calcular as marquinhas correspondentes a outros valores do volume. . v ′ (0) = 1 − cos(0) = 0 .

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

calculamos o ponto m´dio e a1 + b 1 c1 = = 2.796875 > 0 . 97 4.75 2.6875 2.6875 2.5 2. calculamos os extremos e centros dos intervalos usando todas as casas decimais dispon´ ıveis na calculadora.712890625 2. O crit´rio para a determina¸ao de rn e en foi o seguinte.7109375 2.989 19.71484375 2.5 2.93 20. De posse desse valor. b2 ] = [a1 .703125 2.0020 2.75 2.6.´ 8. 3.7139 ± 0. Prosseguindo.75 ± 0.0006 3 rn 15.713867188 2.711 ± 0. Repetimos o procedimento 2).25 2.71875 2.5 3 2.75 2.75) = 2. ou seja.2 19.53 − 20 = −4. b1 ]. 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 2.715 ± 0. com um erro en a e garantindo que a raiz esteja entre rn − en e rn + en . 2 5.7129 ± 0.714355469 2.625 2. o que nos faz definir o novo intervalo aa [a2 .75 19. b0 ] .71875 2.71875 2.375 < 0 .8 18. c0 = 2. portanto o erro em assumi-la com o valor de cn ´ a e b n − an .04 2.625 2. Conclu´ ımos que x∗ est´ ` direita de c0 .75 . com todas as casas decimais poss´ ıveis.13 2.713867188 2.72 ± 0.5 2.71484375 2. Avaliamos f em c1 : f (c1 ) = f (2.69 ± 0. c1 ] . agora com o intervalo [a1 .703125 2.6875 2.7144 ± 0.016 2. No entanto em cada etapa s´ sabemos com certeza que a raiz o est´ entre an e bn .5) = 2.9996 Na tabela.12 19.0011 2.703 ± 0. METODO DA DICOTOMIA Neste caso. Testamos o valor de f em c0 : f (c0 ) = f (2.71875 2. colocamos os dados numa tabela.75 2.63 ± 0.013 19.71484375 2.7109375 2.008 2.71484375 2. escolheu-se o n´ mero u 2 .5 ± 0.5 20.6 20.966 19.5.712890625 2. Primeiro determinou-se o erro e c˜ 1 (bn − an ).005 2. o que nos faz definir o novo intervalo aa [a1 . Conclu´ ımos que x∗ est´ ` esquerda de c1 . 2 Os valores de rn s˜o arredondamentos de cn at´ uma certa casa decimal.753 − 20 = 0.07 2. b1 ] = [c0 .7109375 2.

ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ de algarismos significativos para expressar en . 7. rn + en ] contenha o intervalo [an . O crit´rio dessa escolha baseou-se num e certo grau de “razoabilidade”. (ii) tomando rn como o arredondamento de cn na casa decimal correspondente a´ ` ultima casa decimal de en .71875 na segunda casa decimal. .03125.04 (n˜o 2 podemos usar 0. 14. sen˜o a condi¸ao (ii) pode n˜o ser satisfeita). 24.04 = 2. ent˜o tomamos e4 = 0. obtendo r4 = 2. 4. 13. 3. 15. 25.68 < a4 e 2. 5. en teria que ser ligeiramente aumentado. bn ]. a a Por exemplo. 1 ou 2. 12. Em seguida arredondamos a c˜ a ´ c4 = 2. Se essa condi¸ao n˜o c˜ a fosse satisfeita. 8 e 9. respeitando (i). (iii) en seja o menor poss´ ıvel.98 ´ CAP´ ITULO 8. para n = 4 temos 1 (b4 − a4 ) = 0.72 + 0.. de forma que: (i) o primeiro ou os dois primeiros algarismos significativos de en sejam uma dentre as possibilidades 10. 11.03. .04 = 2.72 − 0. .76 > b4 .72. (ii) e (iii) ao mesmo tempo. 6. o intervalo [rn − en . E preciso a´ testar a condi¸ao ı c˜ (iii): 2. . tudo bem.

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

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

5”.3. onde α ´ um n´ mero real qualquer. s´ que a partir do novo valor de “Ans”. ´ claro. a possibilidade de se fazer um pequeno programa em computador a e e para realizar essas contas. fazendo com que 1. Exerc´ ıcio 9. Por exemplo.5 e aperta-se “EXE”. Qualquer linguagem que lide facilmente com n´ meros reais serve u para isso.9. ou mesmo e u ϕ(x) = x + α(x)f (x) .5 seja armazenado em “Ans”. em algumas calculadoras CASIO essa vari´vel chama-se “Ans”.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∗ .3 Tome ϕ(x) = 4x(1 − x) e x0 = 0.5 e ϕ(x) = x2 − x + 0.5: (i) escreve-se 1. (iv) o e a a partir da´ ´ s´ ir apertando “EXE” que v˜o aparecendo os xk ’s. Inversamente. 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) . Note que se x∗ for uma raiz de f ent˜o a ϕ(x∗ ) = x∗ + f (x∗ ) = x∗ . para x0 = 1. a H´ tamb´m. x∗ ´ um ponto fixo de ϕ. 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. que ´ o x1 . defina c c˜ c˜ e ϕ(x) = x + f (x) . Calculadoras que permitem colocar a f´rmula inteira antes de fazer a conta o s˜o as melhores para isso.1x(1 − x) e x0 = 0. (ii) escreve-se “Ans2 − Ans + 0. se x∗ for um ponto fixo de ϕ ent˜o x∗ ser´ e e a a tamb´m uma raiz de f . onde α(x) ´ uma fun¸ao (cont´ e c˜ ınua) qualquer. e e substituindo o valor anterior). O que acontece com a seq¨ˆncia de ue iterados? Exerc´ ıcio 9. . tome a fun¸ao f (x) e adicione a ela a fun¸ao identidade. assim aparecer´ o valor de x2 . em seq¨ˆncia. ıe o a ue Se a calculadora n˜o dispuser desses recursos. Guarde o resultado xk na mem´ria e procure us´-la na hora o o a de calcular xk+1 . FUNCOES AUXILIARES CANDIDATAS ¸˜ 101 completa.25. a Procede-se assim. Em conclus˜o. mesmo assim ela deve ter maneiras de a armazenar valores em mem´ria. (iii) apertando “EXE” novamente a calculadora far´ a mesma a conta. O que acontece com a seq¨ˆncia de ue iterados? 9.3. e de maneira surpreendentemente simples! Para come¸ar.2 Tome ϕ(x) = 3.3. apertase “EXE” e aparece a resposta 1. isto ´. que ´ o x1 (e esta resposta ´ armazenada em “Ans”. isto ´.

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

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

isto ´.6 Como se explica um ponto fixo no procedimento acima? Exerc´ ıcio 9.5 Iterando perto de pontos fixos Vejamos agora. (iii) x0 = 0.0. tra¸ado no come¸o do Cap´ c c ıtulo.5.0.7 Se a regra fosse “verticalmente at´ a diagonal e horizontalmente at´ o e e gr´fico”. o procedimento estaria bem definido? A regra seria clara? a Exerc´ ıcio 9. Sem isso. e c˜ e Muitas vezes um ponto tem mais do que uma pr´-imagem. atrav´s de esbo¸os. (iv) x0 = 0.8 Uma pr´-imagem de um ponto y pela fun¸ao ϕ ´ um ponto x tal que ϕ(x) = y. 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). A pergunta a ser respondida ´: ser´ que c˜ a o e a ela converge para esse ponto fixo? A resposta ´ de suma importˆncia. o que acontece com a seq¨ˆncia de iterados quando a e c ue condi¸ao inicial est´ pr´xima de um ponto fixo. n˜o ue a converge? D´ para inferir o que acontecer´ com o restante das condi¸oes iniciais? a a c˜ Exerc´ ıcio 9. Usando um gr´fico de ϕ. Isto tamb´m significa c a e que perto de x∗ o gr´fico de ϕ s´ toca a diagonal no pr´prio x∗ . n˜o teremos condi¸ao e c˜ a c˜ de preencher o terceiro item do nosso plano geral. O que acontece com cada seq¨ˆncia de iterados? Converge. uma vez que nosso e a objetivo ´ encontrar o ponto fixo por aproxima¸oes sucessivas.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. a o o . Para come¸ar. adotaremos como hip´tese que o ponto fixo x∗ seja isolado.75. (vii) x0 = 1. (ii) x0 = 0. (v) x0 = 0. METODOS ITERATIVOS ϕ(x) x4 x3 x1 x2 x0 Exerc´ ıcio 9.25. 9.25.5. (vi) x0 = 1. que c o e numa vizinhan¸a (pequena) de x∗ n˜o exista nenhum outro ponto fixo.104 ´ CAP´ ITULO 9.

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

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

em a c˜ geral ligadas a derivadas de ordem mais alta. conclu´ c˜ ımos que se |ϕ′ (x∗ )| < 1 ent˜o x∗ ´ um ponto fixo atrator. Se. e e e a x . 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∗ | . o que impossibilita a aproxima¸ao a x∗ e. Isto pode c˜ ser visto na figura abaixo. afasta os iterados de x∗ .9.9 Esboce a fun¸ao ϕ(x) = e4 − x e determine seus pontos fixos. 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. ao contr´rio. e a mesmo que xk esteja arbitrariamente pr´ximo de x∗ . Veja mais sobre isso nos exerc´ ıcios abaixo. os iterados se afastam. dizemos que o ponto fixo ´ atrator. a e ′ ∗ enquanto que se |ϕ (x )| > 1 ent˜o x∗ ´ um ponto fixo repulsor. Exerc´ ıcio 9. em verdade. a n˜o ser que se tenha outras informa¸oes sobre ϕ. ent˜o dizemos que o ponto fixo ´ o a e repulsor. dizendo quem c˜ ´ atrator e quem ´ repulsor apenas atrav´s do desenho do gr´fico. Se |ϕ′ (x∗ )| = 1 n˜o ´ poss´ a e a e ıvel prever o comportamento dos iterados. Da argumenta¸ao acima.5.

Observamos que no caso (a) ocorre |xk+1 − x∗ | < |xk − x∗ |. Ent˜o o a ı c a esta situa¸ao n˜o pode ocorrer. pois a a a c˜ a derivada ´ negativa. J´ e a em (f) ele ´ atrator pelo lado direito e repulsor pelo esquerdo.10 Considere a equa¸ao e−x = x − 1. Pelo que vimos na Se¸ao 9. Exerc´ ıcio 9. principalmente. Nos casos (e) e (i) o ponto fixo ´ atrator. verifique as seguintes observa¸oes: a c˜ 1. isso e o ı ser´ verdade. usando desenhos.2. No entanto. Os casos (h) e (j) s˜o os mais delicados. Isso ue no entanto n˜o tem que ser necessariamente verdade. o ponto x teria que ser um outro ponto fixo de x∗ . para aqueles que gostam de um pouco mais de ı e rigor nos argumentos. A terceira derivada n˜o e a pode ser negativa em (i) e em (g). Olhando para o caso (h). No caso (d). J´ se a seq¨ˆncia n˜o for mon´tona. Por exemplo. e n˜o pode ser positiva em (f) a a e (j). quer dizer. Para isso.108 ´ CAP´ ITULO 9. a 4. 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. e n˜o ´ claro a priori qual vai prevalecer (no caso (j) ocorre o oposto). e 2. O leitor deve tentar a o se convencer ao m´ximo de cada uma delas. mas c˜ ˆ n´s j´ t´nhamos isolado uma vizinhan¸a de x∗ sem nenhum outro ponto fixo. Ache-a. contradizendo tamb´m as hip´teses. METODOS ITERATIVOS Exerc´ ıcio 9. a e o . ´ c˜ Exerc´ ıcio 9. H´ alternˆncia de lado na itera¸ao. 5. Nos casos (e). isto ´. o que implicaria que a seqˆˆncia |xk − x∗ | vai a zero (equivalente a dizer que xk tende a x∗ ). Investigue se ϕ(x) = e−x + 1 pode ser c˜ util para achar a solu¸ao. a c˜ 1. tendendo para dois pontos simetricamente posicionados em torno de x∗ . Tente a e fazer desenhos caprichados criando casos onde h´ atra¸ao e outros onde h´ repuls˜o. a c˜ a a sempre no caso (h). e 6. 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. a seq¨ˆncia 1 + k . O exerc´cio a ı ajudar´ a fixar melhor a teoria discutida nesta Se¸ao. c˜ a 3. e n˜o pode ser positiva em (e) e (l). e xk fique alternando de lado. nem toda seq¨ˆncia em que a ue 1 cada termo ´ menor do que seu predecessor vai a zero. e ue o e o o se |xk − x∗ | n˜o for a zero. onde a derivada de ϕ no ponto fixo tem m´dulo 1.11 Este exerc´cio ´ um conjunto de “observa¸oes dirigidas” a respeito dos ı e c˜ casos n˜o discutidos. pode acontecer tamb´m de que |xk −x∗ | tenda para a ue a o e um valor maior do que zero. que e ue tende a 1 e ´ decrescente. Nos casos (g) e (l) o ponto fixo ´ repulsor.12 Este exerc´cio ´ opcional. A segunda derivada n˜o pode ser negativa em (d) e (h). o ponto fixo ´ atrator pelo lado esquerdo e repulsor pelo lado direito. Mostre que nesses pontos o gr´fico de ϕ a tocaria a diagonal secund´ria. Se a seq¨ˆncia for mon´tona. ˆ a e 2. (i). e 3. se usarmos as hip´teses estabelecidas de in´cio. e depois tente o mesmo para o caso (j). (g) e (l) a segunda derivada de ϕ ´ nula.

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

e portanto estar˜o limitados a o a por uma constante C. Retomando a desigualdade obtida no Teorema do Valor M´dio.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. a e . 9. Portanto |xk+1 − x∗ | = |ϕ′′ (dk )| · |ck − x∗ | · |xk − x∗ | . se xk estiver nessa vizinhan¸a. ambos atratores? Justifique sua resposta. METODOS ITERATIVOS Exerc´ ıcio 9. Podemos ir e e a e mais al´m no Teorema do Valor M´dio. em m´dulo. Existe dk entre ck e x∗ a e tal que ϕ′ (ck ) = ϕ′ (ck ) − ϕ′ (x∗ ) = ϕ′′ (dk )(ck − x∗ ) .6. a a ´ Exerc´ ıcio 9. O exerc´cio fornecer´ apenas uma e c˜ e ı a resposta aproximada. ter-se-´ o a c a |xk+1 − x∗ | ≤ C|xk − x∗ |2 . o que a significa que a taxa de convergˆncia ´ melhor do que qualquer raz˜o geom´trica. c˜ e Para aplicar o Teorema do Valor M´dio na derivada de ϕ assumiremos que ϕ seja duas e vezes diferenci´vel. al´m disso.14 Tome a fun¸ao ϕ(x) = e4 − x. e e e obter uma informa¸ao mais precisa sobre a taxa de convergˆncia. Suponha tamb´m a c˜ e que a condi¸ao inicial esteja numa vizinhan¸a do ponto fixo onde a fun¸ao ´ aproximadac˜ c c˜ e mente linear.110 x ´ CAP´ ITULO 9. Como ck est´ entre xk e x∗ . ent˜o |ck − x∗ | ≤ |xk − x∗ |. xk − x∗ Exerc´ ıcio 9.16 E poss´vel existir uma fun¸ao cont´nua ϕ que tenha apenas dois pontos ı c˜ ı fixos. Depois acrescentaremos a hip´tese de que essa segunda derivada tamb´m a o e seja cont´ ınua. os valores de ϕ′′ (dk ) estar˜o muito pr´ximos de ϕ′′ (x∗ ). baseada em suposi¸oes que nem sempre s˜o satisfeitas. com inclina¸ao dada pela derivada de ϕ no ponto fixo. mas guarde os iterados. 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∗ . por causa da e e rapidez com que se d´ a convergˆncia. que motiva a definir o regime de convergˆncia com o nome de convergˆncia quadr´tica.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. temos e xk+1 − x∗ = ϕ′ (ck )(xk − x∗ ) . Ent˜o. Iterando a partir de x0 = 0. o que significa que a c˜ taxa geom´trica de aproxima¸ao ´ mais ou menos constante. e e a Um ponto fixo com derivada nula ´ tamb´m chamado de super-atrator. Suponha que c˜ a a distˆncia da condi¸ao inicial x0 ao ponto fixo x∗ seja da ordem de D. Calcule ϕ′ (x∗ ) e compare com as raz˜es ` o xk+1 − x∗ . supondo que ϕ′′ seja a a e cont´ ınua. aplicando-o novamente desta feita na derivada de ϕ. ache seu ponto c˜ ∗ fixo x mais a esquerda.

Observe que se f ′ (x∗ ) for igual a zero ent˜o ϕ′ (x∗ ) ser´ igual a 1. se desenharmos o gr´fico a e a a de ϕ. que n˜o chega nem a ser geom´trica. Mais adiante veremos como a a e superar este problema.A ESCOLHA DE ϕ ¸˜ 111 Exerc´ ıcio 9. ` ent˜o a seq¨ˆncia convera ue gir´ para o ponto fixo. a luz do que foi exposto acima.9. .17 Chame de a0 a distˆncia de x0 ao super-atrator x∗ . a partir da condi¸ao inicial x0 = 1.18 Itere ϕ(x) = x + sen x e ψ(x) = x + 2 sen x. Mostre que 1 2k ak ≤ (Ca0 ) . Essa raiz ´ ponto fixo de ϕ(x) = e x + 0.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 . pois j´ temos todos os ingredientes para isso: uma maneira c˜ a de se construir fun¸oes ϕ que tenham x∗ como ponto fixo. CALCULANDO ZEROS DE FUNCOES . como mostra a figura ao lado. De acordo com o que dissemos.7 Calculando zeros de fun¸˜es . 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. tome a fun¸ao f (x) = (x − 1)2 . Por exemplo. c˜ que tem raiz x∗ = 1. e crit´rios para saber se o ponto fixo x∗ ´ atrator ou n˜o.7.1(x − 1)2 . 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. e ` 9. e a´ n˜o poderemos a a ı a saber se h´ convergˆncia ou n˜o. escrevendo ϕ(x) = c˜ x + αf (x). em fun¸ao da derivada da f : c˜ ϕ′ (x) = 1 + αf ′ (x) .1f (x) = x + 0. por exemplo. Compare com a convergˆncia geom´trica. Sabemos que se iniciarmos a itera¸ao com c˜ x0 perto e a esquerda de 1. Na verdade podemos saber sim. mesmo havendo convergˆncia ela se e e d´ de forma muito lenta.1(x−1) 1 Ocorre no entanto que nos casos onde a derivada ´ 1. e a com constante C. c˜ e e 1 c˜ Exerc´ ıcio 9. e compare as velocidades de convergˆncia. A derivada de ϕ sabemos calcular. ´ preciso que a derivada ϕ′ (x∗ ) tenha m´dulo menor do e o que 1. Suponha que em todos os iterados vale a estimativa de convergˆncia quadr´tica. a 2 f(x) = x + 0. e de ak a distˆncia a a de xk a x∗ .

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

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). podemos a o adotar o seguinte procedimento. Estime valores m e M tais que m ≤ f ′ (x) ≤ M a para todo x ∈ [1. 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 . Isso permitir´ escolher α e a c˜ a construir ϕ para fazer as itera¸oes. o que indica que a raiz procurada est´ no intervalo a 2 [a. com o maior n´mero de casas decimais poss´veis. Se a derivada f ′ (x) for negativa. b] = [1. Mostre que f (1) < 0 e f ( π ) > 0.8. π ] (ser´ preciso investigar em detalhe o comportamento das derivadas 2 −x2 de e e cos x no intervalo considerado). seja a unica localizada estritamente entre 0 ´ e π (isso n˜o parece f´cil de se mostrar. Use o item anterior para escolher α de modo que −1 < ϕ′ (x) < 1. para determinar a raiz com precis˜o de c˜ a 10−4 . mas se quiser tente!). admitindo c˜ o fato de que essa raiz. ϕ3 (x) = x + (cos x − x2 ) . para todo x ∈ [1. usar o M´todo da Dicotomia para cercar um intervalo pequeno [a. Em primeiro lugar. Exerc´ ıcio 9. x sen x + cos x + x2 1 .9. b] e que contenha a raiz. Ache a solu¸ao. c˜ . 2 2. b] de forma que sua derivada n˜o se anule: ou a ´ sempre negativa ou ´ sempre positiva. J´ se a derivada f ′ (x) for positiva e alta a em valor absoluto.21 Compare as fun¸oes de itera¸ao ϕ1 .8 A escolha de x0 Observe que para saber o qu˜o pr´ximo da raiz o ponto inicial x0 pode ser escolhido. ϕ2 (x) = − cos x + x2 . ϕ2 . A ESCOLHA DE X0 Ent˜o tudo o que queremos ´ que a e −2 < αf ′ (x) < 0 . Use esse extremo como condi¸ao inicial e itere. π ]. ϕ3 e ϕ4 dadas abaixo. 2 4. basta multiplicar por α negativo e pequeno. ϕ4 (x) = 8 sen x + 2x 9. Exerc´ ıcio 9. 3. π ]. como comentado na Se¸ao anterior. basta escolher α positivo e pequeno. x ∈ [a. Determine qual extremo est´ mais pr´ximo de x∗ : x = 1 ou x = a o π 2? 2 5. mas muito alta em e e valor absoluto. c˜ u ı ϕ1 (x) = cos x − 2x2 .20 Considere a equa¸ao f (x) = e−x − cos x = 0. b] . 113 Em primeiro lugar. que chamaremos de x∗ . e depois eventualmente encolher mais ainda o intervalo para que a derivada de f n˜o se anule. a a 2 1. temos que escolher [a.

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

seja f (x) = e−x − x + 1 = 0. isto ´.28. Se esse produto for negativo.´ 9.27) > 0 e f (1. x7 = 1.2776. por exemplo 4 parece ser razo´vel.2668. . no entanto ao arredondarmos para 1. e se fixarmos xk talvez queiramos arredondar para uma casa decimal compat´ com a precis˜o desejada.1353.29) < 0 ent˜o podemos considerar a aproxima¸ao x = 1. faremos as contas com todas os algarismos significativos da calculadora. ¯ ¯ Bom. Usaremos ϕ(x) = e−x + 1 como fun¸ao auxiliar. . a fun¸ao ´ e c˜ e mon´tona. isso s´ acontecer´ se f assumir sinais opostos e o o a em x − p e x + p. para achar a raiz x∗ com precis˜o a c˜ a p = 10−2 . obtemos os iterados. se x1 < x∗ < x2 ent˜o os valores de f (x1 ) e f (x2 ) tˆm sinais opostos. Alguns crit´rios de parada. UM CRITERIO DE PARADA 115 9. a x2 = 1.9 Um crit´rio de parada e Existem v´rios crit´rios de parada. o e a e ou seja. que tem unica raiz (veja isto esbo¸ando o ´ c gr´fico!). como aquele que vamos ver aqui. .2817. e em segundo e a lugar para automatizar os procedimentos. x3 = 1. e cada etapa arredondaremos para a quarta casa decimal. e a . ´ preciso uniformizar a maneira de encontr´-las). regras para se considerar um determinado iterado a e e xk como a aproxima¸ao desejada para a raiz procurada x∗ . mas se tivermos que ıvel a automatizar para um programa de computador conv´m tomar certos cuidados. Temos que usar no m´ ınimo um n´ mero de u casas decimais compat´ com a precis˜o desejada. Neste ıvel a a caso. Ent˜o x1 = 2. e para cada iterado xk calcular f (xk − p)f (xk + p) . Os iterados x6 e x7 foram a rigor desnecess´rios. 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. ent˜o nada mais temos a fazer do que iterar a fun¸ao auxiliar ϕ.3213.. ent˜o podemos considerar xk como sendo a aproxima¸ao desea c˜ jada. c˜ O crit´rio do qual falaremos aqui funciona quando. x + p] (a interpreta¸ao do que significa exatamente a precis˜o p varia de acordo com x ¯ c˜ a o gosto do freguˆs. Observe que a c˜ ¯ pelo crit´rio de parada j´ poder´ e a ıamos parar em x5 . xk . Como f (1. e Para exemplificar. f (x1 )f (x2 ) < 0 . .28 conv´m fazer o teste novamente. x5 = 1. esta ´ a que adotaremos neste livro).2787. x6 = 1. . Isso pode ser feito com bom senso. x1 . obtendo valores a c˜ x0 . . Partindo de x0 = 0. isto ´. a fim de minimizar os erros. e e Como estamos supondo que f ´ mon´tona. fornecem tamb´m a margem e e de erro da aproxima¸ao. x4 = 1. 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. . Isto significa c˜ a que gostar´ ıamos de encontrar um valor x tal que a verdadeira raiz x∗ esteja no intervalo ¯ [¯ − p.9. no entorno da raiz.

116 ´ CAP´ ITULO 9. METODOS ITERATIVOS .

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

x3 . O METODO DE NEWTON desde que f ′ (xk ) = 0 (hip´tese que assumiremos gratuitamente.7144175) e f (2. usaremos 7 casas decimais depois da v´ ırgula.71441773 − 20 = 0. Ent˜o verificamos a a se os n´ meros f (2.71441753 − 20 = −0. por exemplo x0 = 3. n xn x3 n 0 3 27 1 2. .6 2 2. convergindo ` raiz x∗ procurada? ue a .7144175) = 2.0056 3 2.7144176 19. . . .7144176 ± 0. e obtemos x1 : x1 = 74 2 · 33 + 20 = = 2.7144177) tˆm sinais opostos.7144177) = 2. a ıpio e Por exemplo. 10. queremos saber se essa resposta tem precis˜o de 0.118 ´ CAP´ ITULO 10. donde conclu´ ımos que √ 3 20 = 2. x2 . xk .7407407 20. . e assim por diante.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. o A t´ ıtulo de exemplo apliquemos o m´todo no exemplo f (x) = x3 − 20. 3 · 32 27 ´ E claro que a ultima igualdade n˜o ´ de fato uma igualdade. pois um arredondamento foi ´ a e efetuado.0000018 > 0 .7146696 20. Ora. e Para f (x) = x3 − 20 temos f ′ (x) = 3x2 . x4 . Neste exemplo. Os resultados se encontram na tabela abaixo.7407407 . u e f (2. 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 .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. A partir de x1 calculamos x2 . .0000001.9999996 4 2.0000026 < 0 e f (2. para facilitar os argumentos). 3x2 k Em primeiro lugar “chutamos” o valor de x0 .0000001 . . 3x2 k x3 − 20 k .

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

qual ser´ o menor valor de k para o qual c˜ a xk < 10−20 ? Exerc´ ıcio 10.3 Esboce uma fun¸ao que tenha ra´zes a e b (com a < b). a direita? Dˆ duas justificativas essencialmente diferentes para sua resposta. que tem unica raiz x∗ = 0. a esc˜ a a ` querda. 1). . 0). para cada uma das cinco possibilidades: ue (i) x0 = 0. . 2. c 2 Repare que g(0) = 0. Se a curva tamb´m passa por e e (x. o que acontece com a seq¨ˆncia x0 .120 Aten¸ao: alta probabilidade de pegadinhas. teremos que considerar iterados de c˜ ϕ(x) = x − f (x) . O METODO DE NEWTON 2 ψ 2 1 1 1 2 1 2 f Exerc´ ıcio 10. y) = (0.7. y) = (1.5 Considere a caten´ria dada por a g(x) = 1 (cosh(cx) − 1) .2 Considere a fun¸ao ψ cujo gr´fico est´ mostrado na figura acima.5.4 Encontre numericamente o valor de x tal que e−x = x. Exerc´ ıcio 10. isto ´. f ′ (x) . Descreva.7 Considere a fun¸ao f da figura abaixo. a curva passa por (x.2.6 Considere f (x) = x5 . 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. xk = ψ k (x0 ). Exerc´ ıcio 10.0. . c˜ ´ CAP´ ITULO 10. justificando (pode usar desenhos nas justificativas!). ` e Exerc´ ıcio 10. Justifique sua resposta da melhor forma que puder. (iv) x0 = 2. Se o M´todo de Newton ´ e for aplicado a partir da condi¸ao inicial x0 = 1. (v) x0 = 2. (iii) x0 = 1. Se usarmos o M´todo de Newton c˜ e para essa fun¸ao. . qual ´ o valor de c? e Exerc´ ıcio 10.0. . . (ii) x0 = 1. 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 ). 1. com precis˜o a −7 p = 10 .

vejamos o que acontece com alguns exemplos. mas a derivada de f na raiz ´ nula. a express˜o pode ser simplificada de modo a a e a esconder o problema: x ϕ(x) = . Al´m disso. com base na intui¸ao geom´trica sobre o M´todo de Newton. que significa que a seq¨ˆncia de iterados ir´ e 2 1 convergir para a raiz zero ` raz˜o geom´trica de 2 . suporemos e a . Consideremos f (x) = ax2 . essas considera¸oes levam a crer que quando f ′ (x∗ ) = 0 o M´todo de Newc˜ e ton ainda funciona. ′ (x) f 2ax que a princ´ ıpio n˜o estaria definida em x = 0. e Montando a fun¸ao de itera¸ao do M´todo de Newton obtemos c˜ c˜ e ϕ(x) = x − f (x) ax2 =x− . b e c. e pode ser substitu´ por uma hip´tese bem mais fraca.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. que tem raiz em x = 0. ent˜o teremos a ϕ(x) = (1 − 1 )x . Aparentemente. No entanto. onde ϕ est´ bem definida. desde que o e ıda o chute inicial x0 esteja suficientemente pr´ximo de x∗ . diagonal e os pontos a.1.1.´ 10. n 1 a a e e e portanto 1 − n ser´ a raz˜o da convergˆncia geom´trica. c f a b c 10. mas a velocidade de convergˆncia passa a ser mais lenta (de quadr´tica e a passa a ser apenas geom´trica). a a e Se considerarmos f (x) = axn . 2 ue a Agora a derivada de ϕ no zero de f ´ igual a 1 . o Antes de deduzir resultados gerais. QUANDO O METODO DE NEWTON FUNCIONA? 121 Esboce o gr´fico de ϕ. Para facilitar os argumentos. as itera¸oes s˜o tomadas fora do a c˜ a zero. 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). N˜o a c˜ e e a esque¸a de desenhar: abscissa. ordenada.

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

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

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. De modo geral. c˜ DF (x(k) )x(k+1) = DF (x(k) )x(k) − F (x(k) ) . Sugere-se fazer o seguinte exerc´ a ıcio para fixar id´ias. mas mesmo assim deve-se prestar bastante aten¸ao para o chute da condi¸ao inicial. se quisermos deslocar a corda na vertical. ou seja. x − x(k) tomando-se o cuidado de tomar a norma no denominador. c conhecida como caten´ria. onde x(k+1) ´ a inc´gnita. que ser´ somado ` express˜o acima. O METODO DE NEWTON x→x(k) R1 (x) =0. assume-se a´ que a origem das coordenadas esteja uma unidade abaixo do ı ponto mais baixo da corda. e se quisermos a a a a deslocar a corda horizontalmente em a unidades ent˜o devemos trocar x por x − a. A implementa¸ao c˜ c˜ desta id´ia deve ser feita com o aux´ do computador. e . 10. de modo a que 1 f (x) = cosh(c(x − a)) + h c ´ a maneira mais geral de se representar o formato da corda. isso ´ um problema. Para definir x(k+1) . c˜ c˜ que pode freq¨ entemente levar o m´todo a divergir.3. principalmente porque e e pode haver mais do que uma intersec¸ao entre as curvas. Para n = 2. os hiperplanos s˜o retas e as hipersuperf´ a ıcies s˜o curvas.2. Quanto ao chute inicial. 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) ). a No entanto. porque afinal n˜o faz sentido a dividir por vetores. e Exerc´ ıcio 10.8 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 = 0.2. 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) ) . Observe que essa equa¸ao ´ um sistema linear. por exemplo) e do comprimento da corda entre os dois pontos. pela quantidade de c´lculos a serem e ılio a feitos. uma corda ou corrente pendurada assume o formato do c˜ gr´fico da fun¸ao a c˜ 1 cosh(cx) .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. u e Como vimos na Subse¸ao 4. precisamos acrescentar um parˆmetro h. a c˜ e solu¸ao de um sistema n˜o-linear ´ um encontro de hipersuperf´ c˜ a e ıcies em Rn . Bom.

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

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

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

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

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

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

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

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

. . .3. Ent˜o c˜ a a(tj − ti+1 ) . pela defini¸ao de ω’s e α’s. . . tj )(tj − ti )(tj − ti+1 ) . . . mas zj tamb´m ´ o valor de pi (tj ). . . . . . . . . j j−1 Da´ segue que ı a = (tj − ti )ω(ti . . tj )(ti − ti+1 ) . . . . .4) Acharemos o valor de a de trˆs maneiras diferentes. tj ) = ω(xi . tj ) = ω(ti+1 . . tj−1 ) . . o que fornecer´ as igualdades que quee a remos demonstrar. j j logo o que mostra que α(ti . j−1 j Ent˜o a Como j´ sabemos que a = (tj − ti )ω(ti . tj−1 ) ′′ . . . Ent˜o c˜ a a(ti − ti+1 ) . . e se i < j temos ω(ti . . tj ) − ω(ti . j tal que 0 ≤ i ≤ j. . tj ) . (ti − tj ) . tj )(t − ti+1 ) . . . tj−1 . . j−1 j (12. (tj − tj−1 ) = pi+1 (tj ) − pi (tj ) . temos α(ti . . (t − tj−1 ) . . (tj − tj−1 ) . xj ). (t − tj−1 ) . . . . . . tj ) − ω(ti . e portanto tˆm grau (m´ximo) j − i − 1. . . c˜ e e j j j logo o lado direito ´ igual a e pi (tj ) − pi (tj ) = ω(ti . tj−1 ). . . j−1 j−1 j j j−1 j−1 que. . . . . . . .3) O enunciado j´ foi demonstrado acima em ordens 1 e 2. sempre que j − i + 1 ≤ 2. usamos a mesma Equa¸ao 12.4. c˜ Observe que pi+1 (t) − pi (t) = pi+1 (t) − pi+1 (t) + pi+1 (t) − pi (t) . . (ii) Tomamos t = ti na Equa¸ao 12. pi+1 (tj ) = zj . . j−1 j O lado direito ´ igual a e pi+1 (ti ) − pi (ti ) = −α(ti . tj ). . . . . . ent˜o a pi+1 (t) − pi (t) = a(t − ti+1 ) . . (i) Tomamos t = tj na Equa¸ao 12. . . Como α(ti . . . TECNICAS DE INTERPOLACAO ¸˜ Mostraremos o seguinte enunciado: “para todo par i. (t − tj−1 ) − α(ti . . .4. (t − tj−1 ) . a = (tj − ti )α(ti . . . tj−1 ) = ω(ti . . . . . tj ). . . . ´ igual a c˜ e ω(ti+1 . . . . . (iii) Depois que vimos que ω’s e α’s coincidem. . . . conclu´ a ımos a Equa¸ao 12.136 ´ CAP´ ITULO 12. . j−1 j Como pi+1 (t) inclui tj em sua interpola¸ao. . tj ) − ω(ti . . . isto ´. tj−1 )] (t − ti+1 ) . para estabelecer a rela¸ao dos ω’s com seus correspondentes de ordem inferior. c˜ a = ω(ti+1 . .4. . . (ti − tj−1 ) = pi+1 (ti ) − pi (ti ) . . . . . . . . segue que pi+1 (t) − pi (t) = [ω(ti+1 . tj − ti (12. 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. . . . . Como eles coincidem em e a ti+1 . . tj−1 )(t − ti+1 ) . . . . . tj ) = ω(ti . tj ) . manipulando-a c˜ de outra forma.

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

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

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

volumes. observe que em ambos l(y) varia como e a uma fun¸ao afim (“linearmente”). que a e a 1 pode ser obtida de um deles. De outra parte. centro de massa. na figura. cruza os triˆngulos em segmentos de tamanho igual a l(y). Para a a entender porque l(y) ´ igual para os dois triˆngulos. ´ preciso tamb´m dispor de instrumentos para estimar integrais a partir e e de dados experimentais. o que exigiria uma an´lise criteriosa do alcance dessa convergˆncia. pois cada reta a a e a R horizontal. nem sempre s´ries de potˆncia convergem para todos a e e e os valores de x. por exemplo). Portanto a fun¸ao a e c˜ l(y) tem o aspecto mostrado ` direita. mas com dois inconvenie ıvel e a entes: primeiro. em y = 0 tem-se l(0) = b (os triˆngulos tˆm bases de igual c˜ a e tamanho) e em y = h tem-se l(h) = 0 (os triˆngulos tˆm alturas iguais).” e ´ Por exemplo. As aplica¸oes mais ´bvias se encontram no c´lculo de comprimentos. tempo decorrido. c˜ o a a ´reas. a Isso explica porque todos os triˆngulos com base e altura iguais tˆm a mesma ´rea.142 ˆ ´ CAP´ ITULO 13. No que a segue. em cada a e caso. Al´m disso. massa. etc. por exemplo o da direita. Para isso. ` altura y. Essa ´rea vale 2 bh. IMPORTANCIA DA INTEGRACAO NUMERICA ¸˜ Isto ´ poss´ (em muitos casos de forma at´ razoavelmente f´cil). 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. . 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). ent˜o A e a B tˆm a mesma area. os triˆngulos da figura abaixo (` esquerda) tˆm ´reas iguais. vamos nos basear no Princ´ ıpio de Cavalieri. distˆncia percorrida. 13.2 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. que diz: “dados dois conjuntos A e B. se houver uma linha L tal que toda perpendicular a L cruze A e B em intervalos de tamanhos iguais. 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.

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

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

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

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

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

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

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

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

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

a distribui¸ao de probabilidade mais comum na natureza ´ c˜ c˜ e dada pela fun¸ao c˜ 1 (t − τ )2 }. 1 + t2 π 4.σ (x) = √ exp{− 2σ 2 σ 2π Para sabermos a probabilidade de ocorrer um evento dentro do intervalo [a. 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. Pτ. Ele pode ser obtido. 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 . tomemos u = t − τ (du = dt).6.3. 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 . mas atrav´s de uma mudan¸a e c 2 de coordenadas podemos reduzir o problema a calcular integrais de e−x . u2 . 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.σ (t)dt . S´ c˜ e o que. Ent˜o a b Pτ. resolvendo-se essa equa¸ao pelo M´todo de Newton.7 A gaussiana Como vimos na Subse¸ao 4.2). Como e e e c˜ x ln x ≡ 1 1 dt t (vide Apˆndice B). ent˜o a x 1 .152 ˆ ´ CAP´ ITULO 13. para sermos honestos. b] precisamos calcular a integral b Pτ. por exemplo. 1 + x2 1 dt . e c˜ e ıcio c˜ 13. Por exemplo. a c˜ A constante e ´ definida como sendo o (´ nico) n´ mero que satisfaz a equa¸ao e u u c˜ ln x = 1 . a ´ E um pouco chato calcular integrais com essas constantes. 1 + t2 Lembremos tamb´m que o logaritmo ´ definido atrav´s de uma integra¸ao.

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

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

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

.

e e .33731529 e 4(y1 + y3 + y5 + y7 + y9 ) = 15. Obtemos e 2(y2 + y4 + y6 + y8 ) = 6. Se. ent˜o a soma c˜ a de todas as aproxima¸oes ser´ c˜ a h {(y0 + 4y1 + y2 ) + (y2 + 4y3 + y4 ) + . 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). voltamos ` integral de p(x): a h −h p(x)dx = −h h (y2i + 4y2i+1 + y2i+2 ) .14159263 . essa f´rmula facilita o cˆmputo a c e e o o geral da aproxima¸ao. Usaremos 9 algarismos significativos. 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 .0000 + 6. 3 Para exemplificar e comparar com o M´todo dos Trap´zios. π=4 1 dx ≈ 3. resultado bem melhor do que o obtido no M´todo dos Trap´zios. 3 Semelhantemente. todos com tamanho h.´ 14. mesmo com uma subdivis˜o em muitos intervalos. 3 h (x + h)xdx = Com esses valores. = 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 . + (y2n−2 + 4y2n−1 + y2n )} .50000) . . 1 + x2 0 valor que difere de π por menos do que 3 × 10−8 . .3. b] em 2n intervalos. c˜ a tivermos a parti¸ao do intervalo [a.7246294 + 0. como acima. .33731529 + 15. + 2y2n−2 + 4y2n−1 + y2n } .7246294 . de modo que 1 0 0. 1 + x2 3 1 ou seja. 3 que ´ igual a e h {y0 + 4y1 + 2y2 + 4y3 + 2y4 + . . ` semelhan¸a do M´todo dos Trap´zios. 3 Observe como.1 1 dx ≈ (1.

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

0026 0. Gosa a a e tar´ ıamos de ter.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. em valor absoluto. por exemplo).5 × 10−7 3. fornecido pelo Maple com 20 algarismos significativos. por exemplo. usando-se 20 algarismos significativos. uma estimativa m´xima para o erro cometido na integra¸ao de a c˜ 161 .141592653552 3. Para e e e verificar melhor essa afirma¸ao.00016 4S(h) |4S(h) − π| 3. 16 e 32 . entre os n´ meros obtidos e o valor a c u π = 3.14094 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. o e e e erro no M´todo dos Trap´zios diminui aproximadamente 4 vezes. 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.141569 2.00065 0.1 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. Na e e e quarta e na sexta est˜o as diferen¸as.Cap´ ıtulo 15 Estimativa do erro nos m´todos e de integra¸˜o ca 15.4 × 10−5 3. multiplicados por quatro (para c˜ 1 1 comparar com π). neste exemplo. enquanto que no M´todo e e e de Simpson. olhemos para a seguinte tabela.14159250 1. Na terceira e na quinta os valores de T (h) e S(h).1390 3. 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. 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.011 0. 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 . n 4 8 16 32 h 1/4 1/8 1/16 1/32 4T (h) 3. Os c´lculos e 4 foram feitos com o software Maple.4 × 10−9 3. A cada vez que h ´ reduzido por 2. 8 .14143 |4T (h) − π| 0.1415926535897932385 .131 3.1415926512 2.

a .01 e ent˜o 1000h4 = 10−5 .0014 (truncamento de 500000−1/2). c˜ Na Se¸ao seguinte nos preocuparemos em calcular ET (h) e ES (h). quisermos que 1000h4 seja 100 vezes e menor do que 0. C3 h3 ou C4 h4 ? Ou colocando em n´ meros. para certos valores de h. de forma que freq¨ enteu mente exprimiremos apenas a dependˆncia em rela¸ao a h.2h2 quando h tende a zero. E claro que essa interpreta¸ao n˜o leva em conta os erros de arredondamento c˜ a cometidos nos c´lculos. o c˜ c´lculo de ET (h) e ES (h). com β igual a 2. C2 h2 .2h2 = 2 × 10−5 . 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. Se. b]. e adotaremos. Na verdade. quem ´ menor.2h2 .2h2 ? e Evidentemente n˜o h´ resposta a essa pergunta. m´ximo que deve ser avaliado dentro do intervalo a [a. 1000h4 ou 0. com certeza. Nas constantes. c Pode-se dizer ent˜o que a previs˜o de erro foi bastante pessimista.5. no caso do M´todo de Simpson. ent˜o basta tomar h menor do que 0. ent˜o e a saberemos. por exemplo. O significado de ET (h) (e similarmente de ES (h)) ´ o seguinte. dessas estimativas: ET = ET (h) e c˜ e ES = ES (h). Por a a c˜ u outro lado. mas por outro lado se h = 0. mesmo que 1000h4 seja a maior do que 0. o conhecimento pr´vio do erro inerente ao processo permite avaliar com quantos e algarismos significativos deve ser feita a integra¸ao. Por exemplo. Essa estimativa ser´ c˜ c˜ a chamada de ET . Os resultados est˜o expostos na a a tabela abaixo. percebemos primeiro que todas as f´rmulas s˜o do tipo Chβ . que ´ (bem) maior do que 0. menor do que 0. que o valor correto da integral est´ entre T (h) − ET (h) e a ´ T (h) + ET (h). assumiremos f e o intervalo [a. devidos ` limita¸ao no n´ mero de algarismos significativos. a a e ela pode acabar sendo realista. por exemplo. Se calcularmos T (h). b] → R.05. no caso do M´todo dos Trap´zios.2h2 = 0. obtendo ao final resultados similares.2h2 a ´ tanto menor quanto menor for h. por´m. Em outros casos. 3 ou 4. de acordo com as f´rmulas que discutiremos abaixo. pois 1000h4 = 5000h2 → 0 0.5. com absoluta certeza.162 ´ CAP´ ITULO 15. isso nunca vai acontecer se h for suficientemente pequeno. No entanto. a t´ a u ıtulo de exemplo. est´ presente o m´ximo o a a a valor absoluto de certas derivadas de f . e isso vai depender muito da fun¸ao integranda. b] como fixos. 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. Quem ser´ menor.2h2 . Essa diferen¸a ´. na determina¸ao de π que fizemos acima. 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. e ES . do tamanho total b − a do intervalo de integra¸ao e a c˜ de h. ent˜o a a a 1000h4 = 62. e e e Tanto ET como ES depender˜o de f . ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ uma fun¸ao f : [a. na pr´tica. O limite indica mais ainda do que isso: a raz˜o entre 1000h4 e 0. Usaremos trˆs aborc˜ e dagens diferentes para o problema. pois se h = 0. dado o tamanho h dos intervalos da parti¸ao. aquelas que julgaremos ser as melhores estimativas. c c e apenas menor do que ET (h).

dentre as duas com h4 . Portanto. S˜o melhores nesse sentido. . a conclus˜o ´ que qualquer valor de h menor do que 0. Ou seja. Logo f ′′ (x) ´ uma fun¸ao positiva e decrescente no intervalo considerado. Sua f´rmula de erro envolve |b − a|. sendo a terceira e e e a um pouco pior do que as outras duas. as e e a estimativas do M´todo de Simpson.2. . h 30 × 10−5 = 0. . a f´rmula de erro fica a e o ET (h) = h2 . Usaremos as f´rmulas de erro para o determinar em quanto devemos fixar h para obter estimativas com essa precis˜o. e dentre elas a segunda. servir´ para e a e a obter a estimativa com a precis˜o desejada. APLICACAO DAS FORMULAS DE ERRO ¸˜ 163 Nesta linha de racioc´ ınio. ent˜o f ′ (x) = − x2 e f ′′ (x) = x3 . 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. usando-se o M´todo dos Trap´zios. a c˜ a 15. as melhores estimativas tendem a ser aquelas que tˆm mais alta potˆncia de h. . isto ´. 180 As trˆs estimativas para o M´todo dos Trap´zios s˜o da mesma ordem (h2 ). devemos ter b−a =n. e e o que ´ igual a 1. basta garantir que ET (h) seja menor do que esse valor. e o maior valor absoluto da derivada segunda de f nesse intervalo.01732 . 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 . portanto. 12 Essas duas estimativas s˜o as que iremos adotar nas aplica¸oes pr´ticas. Ora. . 6 Isto ´ o mesmo que pedir e h< At´ agora. a Examinemos primeiramente o M´todo dos Trap´zios. 6 Essa f´rmula representa o erro m´ximo da estimativa.01732 . por apresentar constante multiplicativa maior. pois. Assim sendo. O valor desse a m´ximo ´ f ′′ (1) = 2. atingindo seu m´ximo necessariamente em x = 1.2 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 .´ 15. quando h tende a ser pequeno. ´ e e aquela com menor constante multiplicativa: ES (h) = 1 max |f (iv) | · |b − a|h4 . x Suponha que queiramos calcular ln 2 com precis˜o de 5 × 10−5 . ou seja queremos que o valor a correto esteja a menos de 5 × 10−5 do valor estimado. gostar´ e ıamos de escolher h de tal forma que h2 < 5 × 10−5 . como e 1 2 1 a e c˜ f (x) = x .

da ordem da casa decimal anterior. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ Como b − a = 1 e h < 0.01732 . e garantidamente. . . Mas antes teremos a c a que determinar o n´ mero de algarismos significativos ou de casas decimais envolvidos. basta tomar h tal que 2 4 h < 5 × 10−5 .5 × 10−N .7 . onde e a N ´ o n´ mero de casas decimais utilizadas. . 180 15 Como queremos ES (h) < 5 × 10−5 . . Observe que o erro em cada arredondamento de f (xi ) ´ de. a ado¸ao de n = 8 nos leva a um erro m´ximo c˜ a ES (h) = 2 15 1 8 4 ≈ 3. 2] em a no m´ ınimo 58 intervalinhos para conseguir a estimativa desejada. 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.18 . Na u verdade. 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). Essa fun¸ao ´ positiva e decrescente em [1. 2] de forma que seu m´ximo ´ atingido em x = 1 e ´ igual a 24. Ent˜o a e e a ES (h) = 24 4 2 4 h = h . Portanto n = 8 j´ ´ uma boa escolha! ae Como o M´todo de Simpson se revela consideravelmente menos trabalhoso para se obter. de forma que o erro m´ximo a 3 por arredondamento no valor final ficar´ menor do que 0. . . Ent˜o precisamos dividir o intervalo [1. Acontece a a 1 e a que depois essa soma ser´ multiplicada por h . que ´ igual a 24 . a precis˜o desejada.26 × 10−5 . se usarmos a 5 casas decimais o arredondamento provocar´ erro de no m´ximo 0. Ent˜o o n´ mero n de intervalos da parti¸ao ser´ maior do que a u c˜ a 1 = 7. ´ melhor considerar fixo o n´ mero de e u casas decimais. Pela f´rmula a a o de Simpson. . como se trata de delimitar um erro absoluto. Como f ′′ (x) = x3 . h h 0.5 × 10−N (por exemplo. .5 × 10−5 ). temos f ′′′ (x) = − x4 e f (iv) (x) = x5 . 0. implicando que n deve ser maior ou igual a 58. 10×10−N .139 . . e h< 15 · 5 × 10−5 2 1 4 = 0.01732 . 15 isto ´. Usando N casas decimais. que depende do m´ximo valor absoluto da quarta derivada. ent˜o a n= b−a 1 1 = > = 57. com a precis˜o requerida! a E o M´todo de Simpson. 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). no m´ximo. . . no m´ximo. ou seja. o a 6 24 2 c˜ e entre 1 e 2. .164 ´ CAP´ ITULO 15. . . . fa¸amos os c´lculos correspondentes.139 . O erro a a e acumulado ser´.

´ 15.69315 .250 1. e e Exerc´ ıcio 15.66667 0. a c˜ arredondados para 5 casas decimais. da precis˜o pedida.375 1. 8 24 que difere do valor verdadeiro por menos do que 10−5 . i 0 1 2 3 4 5 6 7 8 Obtemos xi 1. para 1 ≤ x ≤ 3. x .53333 0. O que nos faz concluir que o uso de 5 casas decimais ´ e suficiente para os c´lculos.2 Investigue. 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. usando o M´todo u e c˜ e c˜ e de Newton e calculando logaritmos somente atrav´s da defini¸ao. de maneira geral.4 Procure integrar numericamente fun¸oes cujas primitivas sejam conhecidas.88889 0.000 f (xi ) 1.000 1.625 1.875 2. a Exerc´ ıcio 15.57143 0. Proponha uma “receita” para essa escolha.80000 0. c˜ Exerc´ ıcio 15. 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. portanto e com folga.50000 1 1 S( ) = × 16. e levando em conta a precis˜o que se quer atingir no resultado a final. a Ent˜o vamos a eles! A tabela abaixo mostra os valores de f nos pontos da parti¸ao. e c˜ ı Exerc´ ıcio 15.61538 0. Determine o erro m´ximo de se calcular ln x.500 1.72727 0. e c˜ 1.5 Considere a fun¸ao ln x = 1 1 dt.63568 = 0. 2. Determine a fun¸ao de itera¸ao ϕ do M´todo de Newton.1 A integral 2 1 ex dx x ´ maior ou menor do que 3? Justifique sua resposta e dˆ uma estimativa para a integral. que resolve esta equa¸ao c˜ c˜ e c˜ numericamente. dentro.3 Determine uma f´rmula para S( h ) em fun¸ao de T (h) e T ( h ). baseado no a e e e que foi feito no exemplo acima.00000 0. largamente utilizada em Probabilidade e Estat´stica. o 2 2 Exerc´ ıcio 15.750 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 .2.125 1. usando o M´todo de a e Simpson com 8 intervalos. c˜ de forma a comparar os resultados obtidos com os valores exatos. Examine a integra¸ao c˜ 2 num´rica da fun¸ao Gaussiana e−x .

< g3 . g1 (x) = x. g4 (x) = x4 − 7 x2 + 35 . c˜ 4. Observe que ser´ preciso calcular a integral gaussiana. < g4 . aproxime e−x por um polinˆmio e ı o de grau 4 no intervalo [−1. no e e a intervalo [2. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ 1 t. g3 (x) = x3 − 3 x.7 Considere a equa¸ao f (x) = c˜ x −t2 dt 0 e 2 − 1 = 0. Exerc´ ıcio 15. por sucessivas integra¸oes por eı c˜ partes. Calcule x2 = ϕ(x1 ). com 4 casas decimais e 8 intervalos. < g1 . g1 >= 3 . g2 (x) = x2 − 3 . g2 >= 45 . Para isso. e 8 5. 1]. com certeza. a integral gaussiana. 2. 3. . Com x0 = 1. Outras integrais ou ser˜o nulas (porque o integrando ´ ´mpar) ou podem ser reduzidas. Tome x0 = 3 e calcule x1 = ϕ(x0 ) (use 4 casas decimais para os valores de intervalos para a integra¸ao). g4 >= 128 a a 11025 . Defina a fun¸ao de itera¸ao ϕ do M´todo de Newton para resolver a equa¸ao. g0 >= 2.720]. obtenha x1 = ϕ(x0 ).166 ´ CAP´ ITULO 15. < g2 . 5 8 8 2 sabendo que < g0 .716. c˜ c˜ e c˜ 2. Exerc´ ıcio 15. Discuta uma estrat´gia que vocˆ adotaria para mostrar que e est´. Estime os valores num´ricos usando uma aproxima¸ao para essa ` e c˜ integral. use a fam´lia de polinˆmios ortogonais (nesse ı o 6 3 1 intervalo) g0 (x) = 1. 1.6 Usando o m´todo de m´nimos quadrados. g3 >= 175 .

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

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

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

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

18 h5 . TERCEIRA ABORDAGEM . c˜ |∆′′ (h)| ≤ C |∆′ (h)| ≤ C |∆(h)| ≤ C 2h3 . 0 Usando a estimativa em |R(x)|. 9 h4 . a Como na Segunda Abordagem. mas nas constantes multiplicativas). mas produz e e e resultados um pouco piores (n˜o na ordem de h.´ ´ 16.5. 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 . 2 A fun¸ao f se escreve como c˜ f (x) = f (0) + f ′ (0)x + R(x) .METODO DOS TRAPEZIOS e. onde |R(x)| ≤ max |f ′′ | J´ que f ′ (0)h = a h 0 x2 .M´todo dos Trap´zios e e 5 Obteremos |∆(h)| ≤ 12 max |f ′′ | · h3 . levamos em conta a expans˜o em Taylor da fun¸ao a a c˜ f (vide Apˆndice C. 90 171 16. conclu´ ımos que |∆(h)| ≤ max |f ′′ | 5h3 . Nesta abordagem do c´lculo de erro. por integra¸oes sucessivas. O m´todo ´ um pouco mais intuitivo que os anteriores.5 Terceira Abordagem . 2 f ′ (0)dx. olhamos para h ∆(h) = 0 f (x)dx − h [f (h) + f (0)] . 12 .

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

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

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

Parte VI Equa¸˜es Diferenciais co 175 .

.

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

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

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

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

3. ˙ ˙ Como α m = g v∗ . e tanto mais negativa quanto maior for a popula¸ao. c˜ c c˜ Esse modelo preveria que: (i) se a popula¸ao for muito grande. o 17. em cada instante). pela integra¸ao c˜ e c˜ v(t) v0 m dv = t . Se definirmos w(t) = v(t) − v ∗ (ou seja.4 Crescimento populacional com restri¸˜es de espa¸o co c Um modelo ligeiramente mais realista do que o proposto na Subse¸ao 17. Isso d´ uma equa¸ao autˆnoma em a a c˜ o v(t). . portanto.3. α(t) dependeria exclusivamente da popula¸ao. portanto v = mg . g se w0 = w(0). mg − αv seguindo o m´todo sugerido para equa¸oes autˆnomas e separ´veis. e a ˙ e c˜ pela Segunda Lei de Newton vale mv(t) = mg − αv(t) . ent˜o v(t) ´ a acelera¸ao. ALGUNS EXEMPLOS e. onde a e a taxa de decaimento de uma amostra de um is´topo ´ proporcional ` quantidade desse mesmo o e a is´topo. Se v(t) ´ velocidade do p´raa e a quedista (supondo positiva se estiver indo de cima para baixo). A velocidade de equil´ ıbrio v ∗ ´ definida como sendo aquela para a qual a resultante de e ∗ c for¸as ´ nula.3. a taxa de crescimento α(t) c˜ deveria ser negativa. ˙ 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. equa¸oes do tipo x = αx e c˜ ˙ explicam o comportamento da velocidade do p´ra-quedista. exponenciando os dois lados.2 levaria em conta c˜ a limita¸ao de espa¸o e alimento que uma popula¸ao enfrenta quando se torna muito grande. e tanto mais positiva quanto menor for a popula¸ao (respeitando ´ claro a velocidade de reprodu¸ao m´xima da esp´cie).3.3 P´ra-quedista a Al´m do crescimento populacional e do decaimento radioativo. 181 Um modelo como este se presta tamb´m ` modelagem do decaimento radioativo. A equa¸ao tamb´m poderia ser resolvida diretamente. x(t) = x0 eα(t−t0 ) . c˜ e c˜ a e Nesse modelo. e c˜ o a 17. teremos mw(t) = mv(t) = mg − αv(t) = αv ∗ − αv(t) = −αw(t) . ent˜o a w(t) = w0 e− v∗ t . a diferen¸a entre a c e α velocidade e a velocidade de equil´ ıbrio. sendo mais justo c˜ escrever α(t) = h(x(t)) . (ii) se a popula¸ao c˜ c˜ for muito pequena. a taxa de crescimento deveria ser positiva.

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

e c˜ o c˜ o e f0 ′ ´ a E f´cil ver que x (t) = senh(ct) ´ solu¸ao.17. 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) . imagine um copo cheio d’´gua. Pois derivando mais uma vez obteremos e c˜ x′′ (t) = c cosh(ct) e. f0 183 J´ sabemos que tan θ = x′ (t) e que l(t) ´ dado por uma integral.3. medida em volume por a ıda a unidade de tempo. seu raio aumenta ou diminui conforme a altura. . isto ´. 1 + senh2 (ct) = cosh2 (ct) = cosh(ct) . 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. ´ poss´ modelar o problema atrav´s de uma equa¸ao e ıvel e c˜ diferencial. O dado emp´ ırico refere-se ` taxa de sa´ de ´gua pelo buraco. alcan¸ando uma a ısse c √ velocidade da ordem de h (lembre-se que para um corpo em queda livre. como se comporta a fun¸ao h(t)? c˜ Com algum grau de empirismo. como se a coluna de ´gua ca´ dessa altura. Ent˜o a taxa de varia¸ao do e a a a a c˜ volume do copo seria V ′ (t) = −ca0 h(t) . a inclina¸ao da corda ´ zero no ponto e e c˜ e de m´ ınimo. Dividindo a segunda equa¸ao pela primeira ficamos com c˜ tan θ = δg l(t) . por sua a a vez. a partir do repouso. com um buraco no fundo. dependeria da altura h. x′ (t) = senh(ct) verifica x′ (0) = 0. Espera-se primeiramente que ela seja proporcional ` ´rea do buraco a a (a qual chamaremos de a0 ). ela deve c˜ ser proporcional ` velocidade da ´gua que sai do buraco. por outro lado. da sua forma. a velocidade ´ proporcional ` raiz da distˆncia j´ percorrida). Al´m disso. Como evolui ıvel a com o tempo o n´ ıvel h da ´gua? Em quanto tempo o copo se esvaziar´ completamente? a a Se o copo tem um formato diferente. que ela dependa do formato do copo. Derivando ambos os lados a e obtemos x′′ (t) = c 1 + x′ (t)2 . c 17. Por outro lado.3.6 Escoamento de um copo furado Neste exemplo. onde c = δg . mas n˜o. a princ´ a ıpio. e a em primeira aproxima¸ao. por onde a ´gua a a escoa. Essa sua velocidade. Suponha que no instante t = 0 a altura do n´ da ´gua seja igual a h0 . Agora basta integrar x′ (t) para obter x(t). por exemplo.

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

A equa¸ao s´ est´ definida fora dos pontos fixos de ϕ. ficamos com e ˙ y(t) = b(t)e ˙ t0 . gera uma dada fun¸ao de itera¸ao ϕ. obtemos a equa¸ao separ´vel c˜ a f ′ (x) = 1 f (x) . x) ent˜o a c˜ o ˙ a f (t. ALGUNS EXEMPLOS 185 17.7 Dada ϕ do M´todo de Newton. a varia¸ao da c˜ temperatura do corpo ´ proporcional ` diferen¸a entre sua temperatura e a temperatura do e a c reservat´rio. Seja x(t) a temperatura do corpo no instante t. com solu¸ao x(t). cuja temperatura ´ uma fun¸ao do a o e c˜ tempo T (t). f ′ (x) achar f . x − ϕ(x) onde x faz o papel de t e f o papel de x. Esta equa¸ao tampouco ´ separ´vel.3. c˜ O caso em que b(t) = 0 ´ um caso particular de equa¸ao separ´vel. dada a fun¸ao ϕ e sabendo-se que c˜ ϕ(x) = x − f (x) . Manipulando. ˙ cuja solu¸ao discutiremos abaixo. 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!). usamos um truque: ˙ c˜ R − tt a(s)ds examinamos a derivada de y(t) = x(t)e 0 . Equacionando: o x(t) = α (T (t) − x(t)) . 17. A cada instante.3. . e c˜ e c˜ c˜ Em outras palavras. ˙ onde α ´ uma constante positiva.17. e Aqui n˜o se trata mais de uma equa¸ao autˆnoma. c˜ e a e u Ela se enquadra no conjunto das equa¸oes do tipo c˜ x = a(t)x + b(t) .3. que tem solu¸ao e c˜ a c˜ t x(t) = x0 exp{ t0 a(s)ds} se x0 = x(t0 ). 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) = α (T (t) − x) . por´m substituindo x(t) por a(t)x(t) + b(t). no M´todo de Newton. x(t0 ) = x0 . Para o problema afim x = a(t)x + b(t). mas ainda assim ´ simples o suficiente para ser sol´ vel. 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 . pois se escrevermos x = f (t.8 Transferˆncia de calor e Um corpo est´ em contato com um grande reservat´rio.

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

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

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

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

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

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

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

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

at´ a ordem c˜ a e desejada. Para obter x′′′ temos que derivar em rela¸ao a t a express˜o de x′′ . Como n = b−a . o M´todo sugere que. obtemos a x′′′ = ftt + f ftx + (ft + f fx )fx + f (fxt + f fxx) e. vejamos um exemplo cuja solu¸ao exata ´ conhecida. e log x(t) − log 2 = −t3 . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ Segue dessas considera¸oes que a express˜o de x(t + h) pode ser escrita. Para achar a solu¸ao c˜ a c˜ expl´ ıcita. c˜ 18. mesmo assim precisaremos da express˜o de x′′′ e c˜ e a x′′′′ . reagrupando os termos. da ordem de h2 c˜ a ou mais. Neste Cap´ c˜ ıtulo. lembrando sempre c˜ a que cada derivada parcial de f tamb´m depende de (t. A t´ ıtulo de ilustra¸ao. 2 onde fx denota (fx )2 e n˜o a derivada em rela¸ao a x de f composta com si mesma. 1]. Ent˜o. temos que isolar x(t) em x(t) 2 1 du = − u t 0 3s2 ds . Ao leitor assustado com o tamanho das express˜es recomenda-se paciˆncia: ao final. e suas o c˜ e poss´ ıveis varia¸oes. A itera¸ao a partir de x0 acumular´ um erro da ordem de h2 em cada etapa. Sugere-se a c˜ fortemente ao leitor que verifique essa conta. em geral. xk )h . podendo c˜ a acumular ao final um erro de nh2 . ent˜o o erro acumulado ser´ da ordem de a a h (b − a)h. . obtenhamos xk+1 = x(tk+1 ) = x(tk + h) e a como xk+1 = xk + f (tk . 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´. e que a regra da Cadeia deve e ser usada. x′′′ = ft fx + f (fx )2 + ftt + 2f ftx + f 2 fxx . isto ´. iremos tecer considera¸oes somente at´ ordem 4.194 ´ CAP´ ITULO 18. Como x′ = f . 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. na pr´tica. inteiramente em fun¸ao de f e de suas derivadas parciais. no intervalo [0. x(t)). como x′′ = ft + f fx . com x(0) = 2. 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 . 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) .

7 0. Antes de apresentar o resultado. x) = −3t2 x. mas isso significa apenas que ele ´ mee nor do que uma constante vezes h. x0 = 2 e f (t.970 1. temos x2 = x1 + f (t1 .994 .3 0.6 0. para fixarmos melhor o entendimento do m´todo.000 1.087).611 1. Depois.506 − 1.7 (1.947 1. x1 )h = x1 − 3t2 x1 h .419 = 0. a 3 195 Compararemos essa solu¸ao exata com a solu¸ao obtida pelo M´todo de Euler com passo c˜ c˜ e h = 0.0 0. pois sabemos apenas que ele pode c˜ ser da ordem de h.1. 1 de forma que substituindo os valores conseguimos x2 = 2 − 3 × 0. k 0 1 2 3 4 5 6 7 8 9 10 tk 0.419 1. Portanto x1 = x0 = 2. o tamanho do passo. com quatro c˜ casas decimais.994 1.965 0.4 0. . e Temos x1 = x0 + f (t0 .05. mas n˜o chea ´ gou a 0.000 2.917 1. O METODO DE EULER Ent˜o x(t) = 2e−t . arredondados para 3 casas decimais depois de obtido cada a xk .9 1.0 xk 2.8 0.´ 18.688 1. com t0 = 0.786 2e−tk 2. ela diz que.199 0.285 1. se reduzirmos h ent˜o o erro m´ximo se reduzir´ proporcionalmente.3. x0 )h . de forma que a informa¸ao n˜o ´ suficiente c˜ a e para estimar o erro.2 0.998 1.825 1.876 1.765 1.1 0. O resultado est´ na tabela abaixo. Essa constante pode ser muito grande. vejamos o que resulta da mesma equa¸ao com passo igual a 0.12 × 2 × 0.038 0. calculemos os primeiros valores xk com cuidado.1 = 2 − 6 × 10−3 = 1. a a a Por exemplo.5 0.506 1.1. E preciso tomar cuidado com a avalia¸ao do erro. No entanto.984 1.736 3 O maior erro cometido em rela¸ao ` solu¸ao verdadeira c˜ a c˜ ocorreu em tk = 0.000 1.

0000 1.8781 0.35 0.7954 1.6935 1. e a Exerc´ ıcio 18.0000 2.70 0.8760 1.0822 0.9592 1.4 Indo para segunda ordem Para que a redu¸ao de h seja mais eficiente ´ preciso fazer com que a ordem de grandeza c˜ e do erro dependa de h elevado a uma potˆncia mais alta. ´ preciso ir al´m da e e e aproxima¸ao de primeira ordem em x(t + h). x) = −3t2 x.9896 1.8971 1.7281 1.9933 1.65 0.8516 1.9993 1. ft (t.25 0.6].1210 0. Ent˜o.05 0.1.95 1.15 0.9841 1.9161 1. no intervalo [0. x = xk . Consideremos. por exemplo.30 0.75 0.3116 1.9467 1. temos f (t.9777 1.60 0. . 2 onde x′ = f e x′′ = ft + f fx .4193 1.00 0. 18. ainda no exemplo x′ = −3t2 x.55 0.1 Considere a equa¸ao diferencial x′ = x2 − sent. a aproxima¸ao de c˜ c˜ segunda ordem: 1 x(t + h) ≈ x + x′ h + x′′ h2 .8258 1.80 0. Para isso.6115 1.9648 0.50 0. t = tk . com a condi¸ao inicial c˜ c˜ x(0) = 1.0000 1.6497 1.10 0.40 0.75.9998 1. que c c˜ a ´ metade da discrepˆncia obtida com passo igual a 0.85 0.5606 1.196 ´ CAP´ ITULO 18. x) = −6tx e fx (t.8485 0.9995 0.00 xk 2.7358 3 A maior diferen¸a em rela¸ao ao valor verdadeiro n˜o passou de 0.043. com passo h = 0.1. x) = a −3t2 .3543 1.9963 1. com a nota¸ao x(t + h) = xk+1 .7592 2e−tk 2. obtemos o c˜ a rela¸ao de recorrˆncia c˜ e 3 xk+1 = xk + 3tk xk h −tk − h + t3 h 2 k .90 0.9326 1.45 0. em tk = 0.4617 1. Substituindo essas express˜es. 0. Obtenha uma discretiza¸ao/aproxima¸ao da solu¸ao usando o M´todo de Euler de c˜ c˜ c˜ e primeira ordem. 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 0.2400 1.1986 1.5197 1.7650 1.9980 1.9690 1.20 0.

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

3164 −2.9821 1. .3 0.9980 1.73576 3 xk 2.4 0.1862 − + ξ2 ) −0.23196 −0. Na tabela abaixo fazemos esse algoritmo.73637 ξ1 0 −0. no intervalo [0. e o e e a algoritmo fica consideravelmente mais simples.059910 −0. xk ) e. . 0. xk + hξ1 ).9970 1. para que n˜o seja preciso calcular derivadas parciais de f . k+1 pois tk + h = tk+1 .3455 −2. e a e multiplicada pelo passo h.7650 1.2936 −2.6 0. no m´ximo.6115 1.21978 −0.9841 1.7 0. ao passarmos de xk para xk+1 .1986 0.6065 1.198 ´ CAP´ ITULO 18. 1].0030000 −0. c a 18. e depois usamos ξ1 para calcular outro valor de f .7604 1.3392 − ξ2 −.3203 −1. calcular ξ2 = f (tk + h. 2 A vantagem desse m´todo ´ que n˜o precisamos calcular derivadas parciais de f .9438 1.19208 −0.52875 −0.8760 1. tomando esse valor de ξ1 .52483 −0.005.7586 −2.1.3368 −1.0792 −2. a coluna ξ1 significa ξ1 = −3t2 xk k e a coluna ξ2 significa ξ2 = −3t2 (xk + hξ1 ) .89866 −1. com o problema x′ = −3t2 x.11177 −0. Pensando em termos a a de algoritmo. + γm ξm ) .5 0. O acr´scimo em xk para se chegar a xk+1 ser´ a m´dia desses dois valores. desta feita no ponto (tk + h. .060000 −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 + .15395 −0.5 Runge-Kutta O m´todo de Runge-Kutta ´ uma generaliza¸ao do algoritmo que desenvolvemos em segunda e e c˜ ordem.0 0. xk + hξ1 ) .1065 −2.4144 1.8 0.014942 −0. Usando o passo h = 0. Apenas calculamos ξ1 (que ´ o valor de f e no ponto (tk .9467 1. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ Vejamos como isso se d´ na pr´tica. Assim xk+1 = xk + h (ξ1 + ξ2 ) .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 0.96478 0.7350 −2.23892 −0. temos que calcular ξ1 = f (tk .1946 0.2 0. x(0) = 2. e vale para qualquer ordem a m.23785 −0.8722 1.96264 0. xk )).0000 1.071633 −0.0 2e−tk 2.038330 −0.1 0.9 1.4193 1.0000 1.90783 −1.

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

podemos desprezar os termos que tenha ordem mais alta do que h2 .3) (18. ficam h3 . 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. 1 2 1 2 2 Da compara¸ao termo a termo com a expans˜o de c˜ a x(t + h) − x(t) . γ3 a1 b2 h2 ft fx . s˜o termos e a o(h2 ).2) (18. e conseguiremos uma soma com os seguin2 tes termos: (γ1 + γ2 + γ3 )f . (γ2 a1 b1 + γ3 a2 b2 )h2 f ftx e (γ2 b2 + γ3 b2 )h2 f 2 fxx . h que corresponde ao “lado esquerdo” da equa¸ao. 1 (γ2 a2 + γ3 a2 )h2 ftt . podemos reunir γ1 ξ1 +γ2 ξ2 +γ3 x3 .6) (18.7) (18. (γ2 a1 + γ3 a2 )hft . b2 hξ2 fx = b2 h(f + a1 hft + b1 hf fx )fx + o(h2 ) . 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 ) . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ No caso m = 3.8) . 2 2 2 2 Finalmente. γ3 b1 b2 h2 f fx . portanto ξ2 = f (t + a1 h. 2 2 2 2 1 1 2 2 2 b h ξ2 fxx = b2 h2 f 2 fxx + o(h2 ) . (γ2 b1 + γ3 b2 )hf fx . isto ´. uma vez que os termos com h2 . 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. 2 1 2 1 J´ a express˜o de ξ3 ´ mais complicada.5) (18.200 ´ CAP´ ITULO 18.1) (18. quando multiplicados por h. temos ξ1 = f . pois devemos substituir a express˜o de ξ2 em a a e a cada lugar onde aparece. Por exemplo.4) (18.

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

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

1. y + gh) − f (x. y + gh)) + o(h2 ) . y) + o(h) .9 Considere o sistema de equa¸oes diferenciais c˜ x ˙ y ˙ = x2 + y 1 = 1+x Se x(0) = −0. Portanto x(t + h) − x(t) y(t + h) − y(t) = = h 2 h 2 (f (x. Mas hf fx + hgfy = f (x + f h. temos e x(t + h) − x(t) = y(t + h) − y(t) = Como x′ = f e y ′ = g.ˆ 18. y + gh)) + o(h2 ) (g(x. usando o M´todo de Euler de primeira ordem com passo 0. ent˜o a x′′ = x′ fx + y ′ fy = f fx + gfy e y ′′ = x′ gx + y ′ gy = f gx + ggy . y) + o(h) e hf gx + hggy = g(x + f h. . Exerc´ ıcio 18.11 Usar os M´todos de Runge-Kutta para integrar os sistemas de equa¸oes e c˜ diferenciais da Se¸ao 17.5.2. 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) + g(x + f h. e Exerc´ ıcio 18. c˜ Exerc´ ıcio 18. estime t > 0 necess´rio para que a solu¸ao (x(t). y + gh) − f (x. RUNGE-KUTTA EM SISTEMAS DE EQUACOES AUTONOMAS ¸˜ At´ segunda ordem.10 Deduzir o M´todo de Runge-Kutta de ordem 4 para sistemas autˆnomos e o de duas equa¸oes.5 e y(0) = 0.6. y) + f (x + f h. c˜ . y(t)) cruze o a c˜ eixo y.

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

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

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

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

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

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

a a¸ao da aplica¸ao linear A fica completamente deterc˜ c˜ minada pelo seu resultado em e1 e e2 ! Por exemplo. na figura abaixo mostramos como calcular Au.5 . Usando a linearidade. Vejamos a principal conseq¨ˆncia da linearidade. chamemos a aten¸ao para ue c˜ dois vetores especiais do plano: e1 = (1. temos ent˜o a Au = A(xe1 + ye2 ) = xAe1 + yAe2 . 2). y) = x(1. 2 u Au Ae1 Ae2 e2 e1 1. 1) = xe1 + ye2 . 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”. se u = (1. Sua importˆncia reside no fato de que se u = (x.5. Isto significa que se soubermos Ae1 e Ae2 ent˜o saberemos automaticamente Au. se Ae1 e Ae2 forem como ilustrado. 1). para quala quer vetor u!! Em outras palavras. y) = (x. a soma de dois vetores. 0) e e2 = (0.210 ˆ APENDICE A. um colinear e c˜ e a e1 e o outro colinear a e2 ). y) ´ um vetor qualquer ent˜o o a e a u = (x. Dizemos que u ´ uma combina¸ao linear de e1 e e2 (isto ´. 0) + (0. Para isso. Eles s˜o chamados de vetores a canˆnicos. 0) + y(0.

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

isto ´. escrevemos c˜ e Ae2 = αAe1 (j´ que eles s˜o colineares. . . S´ que se Ae1 e Ae2 forem c˜ o colineares ent˜o Au tamb´m ser´ colinear a eles. Ae1=(2.6) Voltando a pensar em dimens˜o 2. a e a o vetor imagem Au estar´ sempre sobre a mesma reta. + xn Aen . Aen } n˜o forma uma base se e somente se um dos a vetores Aei for combina¸ao linear dos demais. e supondo que Ae1 seja n˜o-nulo).212 ˆ APENDICE A. na mesma dire¸ao de Ae1 e Ae2 (a a c˜ aplica¸ao A leva todo o R2 sobre uma reta. Pode-se demonstrar que {Ae1 . sempre que {Ae1 . . 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. Sempre que {Ae1 . isto ´. Por outro lado. Ao mesmo tempo. . . teremos Ae1 e Ae2 como na figura ao lado.−3) Neste caso. para qualquer escolha de u. . . . Em resumo. . ENTENDENDO OS SISTEMAS LINEARES A. Para mostrar isso. xn tais que u b = x1 Ae1 + . se chamarmos u = (x1 . logo Au = xAe1 + yAe2 . teremos duas situa¸oes poss´ a c˜ ıveis para a equa¸ao c˜ . . infinitas escolhas de u tais que Au = b. Ent˜o Au = b desde que a x + αy = β . em dimens˜o n. Pensando em geral. o que determina uma reta de possibilidades de x e y.6 Existˆncia e unicidade de solu¸˜es e co Ae2=(−4. . . e a b = A(x1 e1 + . . e a a a Au = xAe1 + yAe2 = xAe1 + αyAe1 = (x + αy)Ae1 . . . . . + xn en ) = Au . E o caso em que o sistema n˜o tem solu¸ao. E f´cil ver porque n˜o vai existir esse vetor: todo vetor u = (x. . o problema de se achar u tal que Au = b ter´ solu¸ao a a c˜ garantida sempre que possamos achar n´ meros x1 . se b for colinear a Ae1 e Ae2 ent˜o haver´ infinitas a c˜ a a solu¸oes. pois ent˜o pela linearidade. s˜o as c˜ a colunas da matriz A) n˜o formar uma base. Aen } (lembre-se. Isso aconteceria se os vetores-coluna da matriz A fossem colineares. 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. . . 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. xn ). . . com a hip´tese de que b seja colinear a Ae1 temos o b = βAe1 . . uma aplica¸ao longe de ser injetiva!). y) se escreve a como combina¸ao linear u = xe1 + ye2 . como por exemplo na matriz 2 −4 −3 6 . Aen } formar uma base. .

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

240 ˆ ˜ ´ APENDICE B. REVISAO DE CALCULO .

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

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

cujas derivadas at´ ordem n coincidem com as derivadas de f em w.2. o numerador tende a zero.2 Polinˆmio e F´rmula de Taylor o o A ultima afirma¸ao da Se¸ao anterior ´ mais ou menos intuitiva. 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). e c˜ mostrando o que hav´ ıamos afirmado. POLINOMIO E FORMULA DE TAYLOR 243 (lembrando que polinˆmios de grau 1 tˆm retas como gr´fico. 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). x−w x→w tende a zero quando x tende a w. e Esta segunda maneira de pensar se presta facilmente a generaliza¸oes. Como f ´ deriv´vel. Basta o olharmos para a fra¸ao c˜ f (x) − f (w) − f ′ (w)(x − w) f (x) − p(x) = . Afirmamos que p(x) = f (w) + f ′ (w)(x − w) ´ o melhor polinˆmio de grau 1 que aproxima e o f em w. enquanto que o c˜ denominador tende a f ′ (w) − α. ficamos com e f (x)−f (w) − f ′ (w) x−w f (x)−f (w) −α x−w . Portanto a fra¸ao toda vai a zero. que ´ diferente de zero. 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). f (w)) e tem inclina¸ao α). 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) . 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) . com α = f ′ (w). ou seja. c˜ C. ou seja.ˆ ´ C. . . . precisamos apenas c˜ procurar o valor de α. f (x) − q(x) f (x) − f (w) − α(x − w) Colocando x − w em evidˆncia no numerador e no denominador. p(n) (w) = f (n) (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 . p′′ (w) = f ′′ (w) . e esta ´ uma maneira de se o e a e escrever a reta que passa por (w. p′ (w) = f ′ (w) . De fato. Quando x tende a w. 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.

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

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

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

53 2 5. ˜ =  −2.29 2.4 No loop ` esquerda temos −19 + 6I1 + I3 + 6 + 4I1 = 0 e no loop ` direita temos a a 4I2 +  I3 − 6 = 0. I2 = 1. 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. = 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 .25 −1.1A e I3 = 0.10 −0.7 0.0 ˜ 0 4.21A.2 p(x) = x3 − 2x2 + 3x + 1 2.1 1 3. Com a equa¸ao I1 = I2 + I3 .30 −4.4     1 13 p =  2  e ˜ =  4.4 247 1 12 .0  com vetor de permuta¸oes c˜ significativos.8 . A resposta final ´ I1 = 1. p =  3 .1 O polinˆmio interpolador ´ p(x) o e calculados pelo sistema linear  1 −1  1 0   1 3 1 4 cuja solu¸ao ´ a0 = 1.80        1.4 −3.3 x1 = 0. a1 = c˜ e 1.5 A =  −0.080 .Apˆndice D e Respostas de exerc´ ıcios selecionados 1.0 . obtemos A =  0.2 −4. b e 3 −0.21  −4. .3A.3 ˜ 2. x =  0.0 −9.1 0.51  b ˜ −0.258 e x2 = 3.0 −1.16 −0.

RESPOSTAS DE EXERC´ ICIOS SELECIONADOS  1. β2 = 24 . e .4 0.37 5.9 0.50000 0. temos β1 = 6 .12 r(0) =   ˆ APENDICE D.87500 . a e c˜   3 23 169 5 (b) Com a permuta¸ao p =  1 .248 2.0 3.5 2. β3 = 192 e M = 23 < 1.2   3.65  x(1) =  −6. (c) x(1) =  −0.5 −1. c˜ 24 2   −0.35938 (d) O erro inicial ´ estimado por 5 e n ≥ 147.23  c(0) =  0.94 r(0) =  ˜      1.59 −0.6 (a) A matriz n˜o satisfaz o Crit´rio das Linhas para qualquer permuta¸ao de linhas.2  0.

Sign up to vote on this title
UsefulNot useful