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˜

157 e 15 Estimativa do erro nos m´todos de integra¸˜o e ca 161 15.2 C´lculo de ´reas . . . . . . . . . . . . . e 10. . 161 o c˜ e 15. . c˜ Iterando perto de pontos fixos . . . . . . . . 139 141 141 142 144 146 147 151 152 13 Importˆncia da integra¸˜o num´rica a ca e 13. . . . . . . . .1 O caso ϕ (x ) = 0: convergˆncia quadr´tica . .1 Exemplo do uso da forma de Newton . . . . . . . . .3 O M´todo de Simpson . . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . .1 Quando o M´todo de Newton funciona? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 13. . . . . . . . . . . . . . . .2 Forma de Newton . . . . . 5 102 104 109 110 111 113 115 117 118 121 123 124 10 O M´todo de Newton e 10. . V Integra¸˜o de Fun¸˜es ca co . . . IV Interpola¸˜o Polinomial ca 127 129 133 133 133 137 11 Estimativa do erro nas interpola¸oes c˜ 12 T´cnicas de interpola¸˜o e ca 12.2. . . . . . . Teorema do Valor M´dio e velocidade de convergˆncia e e ′ ∗ 9. . . . . . . . . . . . . . . . Um crit´rio de parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 9. . . . . .1 Introdu¸ao . . . .4 9. . . . . . . . . . . . . . . . . . . . . . . . . .8 9. . . . . . . . . . . . . . . . . . . . . . . . . . .2 O M´todo dos Trap´zios . . . a 13. . . . . . . . . .2 M´todo de Newton em dimens˜es mais altas . . . . . . . . . . . . . . . . .5 Per´ ıodo do pˆndulo e as integrais el´ e ıpticas 13. . . . . . e a Calculando zeros de fun¸oes . . . . .1 Retirando a hip´tese f ′ (x∗ ) = 0 . . . . . . . . . . . o 12. . .a escolha de ϕ . . . . . . . . . . . . . . . .1 Determina¸ao da forma de uma corda c˜ . . a 13. . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .´ SUMARIO 9. . . . . . . e o 10. . . . 14 M´todos de integra¸˜o num´rica e ca e 155 14. . .7 A gaussiana .6 C´lculo de π e de logaritmos . . . . . . . . . .3 Comprimento de curvas e gr´ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12. . . . . . . . . . . .5 9. . . . c˜ 13. . e . . . . . . . . . 155 e e 14. . . . . . . . . a a 13. . . . . . . o 10. . . . . .2. . . . . . . .9 Visualizando itera¸oes . . . . . . . . . . . . . 163 c˜ o . . . .4 Distˆncia percorrida e tempo decorrido . . . . . . 155 c˜ 14. . . . . . . . . . . . . . . . . . . . . . .6 9. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Introdu¸ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 F´rmulas de erro e compara¸ao dos m´todos . . . . .2 Aplica¸ao das f´rmulas de erro . . . . . . . . . . . . . . . . . . c˜ A escolha de x0 . . . . . . . . .1 Polinˆmios de Lagrange . . .

. .1 Dimens˜o 2 . . . . . . . . . . . . . . . .2 Primeira Abordagem . . . VI Equa¸˜es Diferenciais co . . . . . . . . . .8 O determinante . . . . . . . .1 Introdu¸ao . . . . .6 Escoamento de um copo furado . .5 Equa¸oes diferenciais com mais vari´veis . .3. . . . . . . . . . . . . .3. . . . . . . glup! . . . . . a A. . . . . . . . quem ´ f ? . . . . . . .4 Segunda Abordagem . . . . . . . . . . . . . . . . . . 17. . . . . .4 Indo para segunda ordem . . . . . .3 Nota¸ao e interpreta¸ao . . .M´todo dos Trap´zios e e 16. . .8. . .2 Dimens˜o 3 . . c˜ a 18 Solu¸˜o num´rica de equa¸oes diferenciais ca e c˜ 18. . .3.1 Equa¸oes separ´veis . . . . . . . . . . . . . . . . . . . . e e 16. e e 17. . . . . . . . . . . . . . . . . . . . .3 Dimens˜o n . . . . . . . . . . . . . . . . . . . . . . . . . . e c˜ A. .3 P´ra-quedista . . . . . . . . . . . . . . . .3 Segunda Abordagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 18. .M´todo de Simpson . . .M´todo de Simpson . c˜ a 18. . . . . . .3. e 16. . . . . . . . . . . . . . . . . .4 Crescimento populacional com restri¸oes de espa¸o c˜ c 17. . . . . sobrejetividade. . . . . . . a A. . . . . . . . . . . a 17. . . . . . .2 Solu¸ao de equa¸oes autˆnomas e separ´veis . . . . . . .3 Alguns exemplos . . c˜ 17. . . . . . . . . . . . . .7 Injetividade. . . .7 Dada ϕ do M´todo de Newton. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3. . . . . . . . . .5 Runge-Kutta . . . . . e 17. . . . . 18. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜ o 17. . . . . . . . . . . . . . .3. . . .6 Terceira Abordagem . . . . . . . . . . . . . . . a 17.2 Crescimento populacional a taxas constantes . . . . . . . . . . . . . . 17. . . . . . . . . . . . . . . . . . . . . . c˜ c˜ o a 17. . . . A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8. a A. . . . . . . e 16. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜ c˜ A. . . . . . . . . . . . . . . . . . . .2 Transforma¸oes lineares . . . . . . . . . . . . .3. . . . . . . .5 Terceira Abordagem . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Caten´ria . . . . . . . . . . . . . . . . . . . . . . .8. . . . . . . . . . . . . . . . .3. . . . . . . . . . . .8 Transferˆncia de calor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A. . . . A. . c˜ o A Entendendo os sistemas lineares A. . .. . . . . . . .M´todo dos Trap´zios . . . . . . . . . . . . . . . .6 Runge-Kutta em sistemas de equa¸oes autˆnomas . . . . . . . . . . . . 18. . . c˜ 18. . . . . . 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. 17. . . . . .1 Primeira Abordagem . . . .5 Explorando a linearidade . . . .M´todo dos Trap´zios e e 16. . . . . . . . . . . . . . e ´ SUMARIO 167 168 169 169 170 171 172 . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜ A. . . . . . . . . . . . . . . . .. . . .1 Sistemas lineares e interse¸oes de hiperplanos c˜ A. . . . . . . . . . . . . . . . . . .2 Discretiza¸ao . . . . . . . . . . . . . . . . . . . . . . . .6 Existˆncia e unicidade de solu¸oes . . . . . . . . . . .M´todo de Simpson . . .1 Naftalinas . a . . .3 O M´todo de Euler . . . .4 Invers˜o de matrizes . . . .4 Entendimento qualitativo de equa¸oes autˆnomas . . . . . . . . . . .6 16 Obten¸˜o das f´rmulas de erro ca o 16. . . . . . . . . . . 17. . . . . . .

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

8 ´ SUMARIO .

Parte I Sistemas Lineares 9 .

.

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

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

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

0) (1. 3. com a condi¸ao de que qR + qG + qB = 1. 1) . uma vez que o a c˜ c˜ ponto (1. xB deu notam a quantidade de litros de cada cor pura e sempre quisermos produzir exatamente 1 litro de mistura. qG . Elas s˜o representadas por pontos no tri˜ngulo T .1) Se pensarmos que os n´ meros xR . 0. a unica diferen¸a sendo a quantidade ´ c de material produzido. 0) + qB (0. a a (i) (i) (i) . a Cada ponto Q desse triˆngulo ´ obtido como combina¸ao convexa de (1. xG . 3. 2. Q(2) . c˜ a Suponha agora que produzimos quatro cores distintas Q(1) . 0.0) G vermelho verde R A equa¸ao acima restringe o espa¸o de cores c˜ c poss´ ıveis ` intersec¸ao do plano xR + xG + a c˜ xB = 1 com o primeiro octante.0. 1). 0) e a e c˜ (0. 1. e Q = (qR . 3). qB ) = qR (1. Q(3) e Q(4) . sendo que Q(i) = (qR . 0. qG . B azul (0. qB ) para cada i = 1. isto ´.0. 1.1.14 CAP´ ITULO 1. ent˜o ´ necess´rio que a e a xR + xG + xB = 1 . c B G R No entanto h´ um bocado de informa¸ao redundante nessa representa¸ao. 1) deve resultar na mesma cor que (3. 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. 0. 1. Chamaremos de T esse triˆngulo. (0. 0). 0) + qG (0. (0. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES ¸˜ Isto significa que as cores podem ser representadas por trˆs n´ meros e u n˜o-negativos. que ´ o e triˆngulo mostrado na figura ao lado.

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

xn · a1 + + + x2 · a2 1 x2 · a2 2 . .2 Encontre o polinˆmio interpolador para os pontos (−1. 1.. yn ). (0. . a0 + + + x1 · a1 x2 · a1 . 19) e o (4. . + n−1 x1 · an−1 n−1 x2 · an−1 .. . p(xn ) = yn . (xn . . 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. . −1) e (4. A c˜ e ´ resposta ´ sim (desde que os xi ’s sejam distintos entre si.. x2 · a2 n + . mas veremos a justificativa mais e adiante. 1). + . . 1). (0. .16 CAP´ ITULO 1. Exerc´ ıcio 1. Sejam os pares (x1 . c˜ Exerc´ ıcio 1. −5). .. 0). + . isso sugere que fixemos k = n − 1. 45). . onde os coeficientes s˜o as n inc´gnitas: c˜ a o a0 a0 . . n−1 xn · an−1 = = = = y1 y2 . . . + + . y1 ). ´ o (3. . na Se¸ao A.7.6 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). . isto ´: p(x1 ) = y1 . o Como temos que satisfazer n equa¸oes. e se ela ´ unica. A id´ia a c˜ o e fica mais clara a partir do seguinte exemplo. . p(x2 ) = o a e y2 . 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.. Queremos achar um polinˆmio p(x) cujo gr´fico passe pelos pontos dados. . . . em determinados pontos. Assim. yn Podemos nos perguntar se sempre existe solu¸ao para esse sistema. temos o c˜ sistema de n equa¸oes. (3.. com os xi ’s distintos dois a dois. . .1 Ache o unico polinˆmio de grau 3 passando pelos pontos (−1.

ent˜o o a as 4 equa¸oes se transformam em c˜ a0 a0 − a1 + 3a1 a1 a1 + + − + a2 9a2 2a2 6a2 − + + + a3 27a3 3a3 27a3 = = = = 1 0 0 0 Tamb´m pode-se impor alguma condi¸ao de integral definida para o polinˆmio. y0 ). xk ]. . 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. o u 2. a fun¸ao tamb´m deve ser diferenci´vel).1. . o que d´ 4 equa¸oes. yn ) (a numera¸ao come¸a a e c˜ c de zero. p(3) = 0. um polinˆmio c´ bico em cada intervalo [xk−1 . SPLINES 17 Problema: “achar um polinˆmio tal que p(−1) = 1. duas vezes diferenci´vel e com derivada segunda cont´ a ınua. (xn . Dados pontos (x0 . inclusive nos pontos extremos dos intervalos (em particular. p′ (−1) = 0 e p′ (3) = 0”. se p(x) = a0 + a1 x + a2 x2 + a3 x3 .7. igual aos valores especificados yk nos pontos xk . Explicitamente. . fixa-se o valor e a derivada de p em dois pontos. 1 isso nos d´ uma equa¸ao linear. o Isto ´. Com um polinˆmio e a c˜ o de grau 3. 3 2 1. . 3. x0 x1 x2 x3 x4 x5 . . n. . desta vez) como na figura abaixo com n = 5.7 Splines H´ tamb´m o problema de “spline”. com k = 1. fica-se com 4 inc´gnitas. com derivada zero nos extremos (ou com valores especificados da derivada nos extremos). achar uma fun¸ao que seja: c˜ 1. se p(x) = ax2 + bx + c ´ polinˆmio de grau 2 e sabemos que e o 2 p(x)dx = 3 . c˜ e a 4. . Por e c˜ o exemplo. .

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

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

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

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

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

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

. .. . . como j´ a observamos acima. .. em geral. calculadoras e computadores n˜o trabalham dessa forma. pode ser facilmente resolvido. . . exceto a c˜ a os da primeira linha.24 ´ CAP´ ITULO 2.2236067977 × 103 . 0 0 an3 . . . seu expoente ser´ o n´ mero inteiro n tal e u a u que 10n−1 ≤ x < 10n . 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. 102 ≤ x < 103 . a Num computador ou numa calculadora cient´ ıfica os n´ meros s˜o representados em ponto u a flutuante. portanto o expoente ´ n = 3 nesse exemplo. a nota¸ao decimal). Em geral as calculadoras usam k > 6. quando se trata de resolver sistemas lineares razoavelmente grandes. Se x ´ um n´ mero real.  . ou no m´ ınimo usamos uma calculadora. de ordem k.. .8. e ficaremos com um sistema linear da forma  a11 a12 a13  0 a22 a23   0 0 a33   . . . quando pe¸o para minha calculadora o c √ valor de 50000 ela me responde 223. que ficam inalterados.2 Algarismos significativos x e e A mantissa de x. e computadores mais modernos podem usar valores bem mais altos. Por exemplo. podemos usar nosso truque para zerar todos os segundos o coeficientes desde a linha 3 at´ a ultima linha. mas o que nos c˜ aparece ´. Ent˜o e a x ≈ 0. . . . ´ a representa¸ao decimal de 10n at´ a k-´sima casa decimal. a22 lembrando mais uma vez que os coeficientes s˜o diferentes em rela¸ao ` etapa anterior.6067977 √ e Observe que x = 50000 ´ tal que Em geral recorremos a um computador. a1n a2n a3n . . Na nota¸ao de ponto flutuante. baseados na nota¸ao decimal (internamente pode ser em outra base. um n´ mero tem um e c˜ c˜ u expoente e uma mantissa.. que resulta num c˜ a a c˜ sistema linear de 37 inc´gnitas. Trocaremos cada linha j = 3. b1 b2 b3 . ann     . . .. . ´ a E f´cil ver que em n − 1 etapas teremos um sistema linear triangularizado que.   2. Por exemplo. E isso ´ pouco: imagine uma grade bem mais fina! o e A solu¸ao de um sistema linear pelo M´todo do Escalonamento ´ exata. O METODO DE ESCALONAMENTO Se ap´s a troca tivermos a22 = 0. e c˜ com arredondamento. No entanto. . .. bn  . n pela linha e ´ (linha j) − aj2 · (linha 2) . dificilmente nos aventurar´ ıamos na resolu¸ao ` m˜o do problema de contorno da Se¸ao 1. . .

N1 N0 . e assim por diante. N0 . 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”). ent˜o x = X + N−k · 10−k . . Isso a o ´ determinado pelo algarismo seguinte na expans˜o decimal de x. ALGARISMOS SIGNIFICATIVOS A mantissa de x de ordem 10 ´ o n´ mero e u 0. . Para obter o arredondamento de x na k-´sima casa decimal.999 . . 6. . definiremos c˜ X = Np · 10p + . . 4. N0 . 9 a ˆ a ent˜o x = X + (N−k + 1) · 10−k . N−k+1 (N−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”. 2.2236067977 25 As m´quinas trabalham com um tamanho fixo para a mantissa: na calculadora que eu a usei. j´ a c˜ u a ` que se trata de representa¸ao na base 10. . e.2. 8. para simplificar a nota¸ao. 1. . a ˆ No segundo caso ´ preciso tomar cuidado ao se voltar para a nota¸ao decimal. . Se quisermos arredondar na k-´sima casa decimal depois da v´ e ırgula. . + N1 · 101 + N0 + N−1 · 10−1 + . 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.N−1 . podemos entender o n´ mero x da seguinte e u forma: x est´ entre Np · 10p e (Np + 1) · 10p . + (N−k + 1) · 10−k . Mesmo sem estarmos familiarizados com s´ries. . + N1 · 101 + N0 + N−1 · 10−1 + . . . N−1 . Assumiremos que ela seja sempre infinita. + N1 · 101 + N0 · 100 + N−1 · 10−1 + N−2 · 10−2 + . vejamos como se d´ o processo c˜ e a de arredondamento. por exemplo a u 0. isto ´. ent˜o a x = Np . . esse tamanho ´ 10. de forma que X + N−k · 10−k ≤ x < X + (N−k + 1) · 10−k . . na nota¸ao u c˜ decimal: x = Np Np−1 . . . . Suponha que um n´ mero x se escreva da seguinte forma. que denotaremos por x. . . . . + N1 · 101 + N0 + N−1 · 10−1 + . N−2 .N−1 N−2 N−3 .2. = 1. . uma soma de infinitos termos: c˜ e e x = Np · 10p + Np−1 · 10p−1 + . Se 0 ≤ e c˜ N−k ≤ 8. onde Np . . + N−k · 10−k e menor do que Np · 10p + . a ue Essa nota¸ao representa uma s´rie infinita. isto ´. ˆ . 7. observamos primeiramente que x ´ maior ou igual a e Np · 10p + . mas tamb´m est´ entre Np · 10p + Np−1 · 10p−1 a e a e Np · 10p + (Np−1 + 1) · 10p−1 . . s˜o os algarismos da nota¸ao.). j´ se N−k−1 = 5. .000 . . . pois mesmo que n˜o seja a podemos torn´-la completando a seq¨ˆncia com zeros. Podemos e a e seguir a regra: se N−k−1 = 0. . N−k−1 . . + N−k+1 · 10−k+1 . . . . . . de fato n´ meros entre 0 e 9. . e ˆ precisamos saber se x est´ mais pr´ximo de X + N−k · 10−k ou de X + (N−k + 1) · 10−k . 3.

cuja diferen¸a e c˜ u c se encontre al´m dos d´ e ıgitos significativos.22.448 = 0. o dobro em geral) e o resultado da opera¸ao arredondado.26 ´ CAP´ ITULO 2. usando alguma linguagem (C. fa¸amos o escalonamento e a resolu¸ao de um sistema linear de ordem 3. pois 2.2236 · 101 . Por exemplo.45.236 = 0. logo somos obrigados a arredondar o resultado: 14. no entanto.12448·102. como exerc´ o ıcio. ent˜o trocamos esse n´ mero por um zero e somamos 1 ao precedente.577000. Vejamos um exemplo de subtra¸ao: queremos subtrair 0. Agora voltemos ` quest˜o das opera¸oes aritm´ticas.686. o c˜ c˜ Ap´s o exemplo. um programa que resolva sistemas 943 − (0.5769996 para a sexta casa decimal ´ e 1. Fortran. Basic.448 = 14.741 (confira!). teremos N−k + 1 = 10. mas ´ E preciso tomar bastante cuidado com subtra¸oes e somas de n´ meros com expoentes d´ c˜ u ıspares.122) − 0.405 = 943 − 0. 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.45.527 = 942 . com 4 algarismos significativos. Mas se N−k+1 for tamb´m e igual a 9. e fazemos a soma: 12. Pascal. c˜ c˜ c˜ (943 − 0. resultando 0.405) = 943 − 0. pois 12.45 + 2.35/7.448. a Para ilustrar. at´ isso n˜o a u e a mais acontecer. 5.236 + 12. ´ 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. arredondado. etc). pois pode-se obter um zero onde deveria haver um n´ mero simplesmente muito pequeno! u Como regra geral. 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. N−k+1 .122 + 0. ap´s arredondamento.68. o a a c˜ c˜ faremos o arredondamento ap´s todas as adi¸oes (ou multiplica¸oes). elas devem a a c˜ e a ser feitas sempre respeitando um certo n´ mero pr´-fixado de algarismos significativos. 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 arredondamento de 1.684 a e que. c c˜ usando 3 algarismos significativos. Sen˜o corremos o risco c˜ u a de subtrair 9430 vezes o n´ mero 0. Por exemplo. nada melhor do que alguns exemplos. sugerimos ao leitor. Por exemplo.448 para 12. pois 2. Este exemplo servir´ para ilustrar como.1 de 943 e continuar com 943. em linhas gerais.405 = 943 . u a a mas o seguinte n˜o. com 3 algarismos c˜ c˜ a significativos. tem 5 algarismos significativos. no entanto. ao u contr´rio. Isso faz com que no lugar de N−k + 1 coloquemos um zero e somemos 1 ao algarismo precedente. Isso d´ 943. principalmente se essas opera¸oes forem feitas em grande n´ mero. A soma.1245 · 102 . O METODO DE ESCALONAMENTO Se. Aqui. c˜ O primeiro n´ mero j´ est´ escrito com 4 algarismos significativos.236 = 14.122 de 943 com 3 algarismos c˜ significativos. a se d´ a resolu¸ao de um sistema por um programa de computador. cada opera¸ao deve ser feita (se poss´ com mais algarismos do que c˜ ıvel os significativos.69. ao inv´s de obter zero!! u e Tamb´m deve-se tomar cuidado com a subtra¸ao de n´ meros muito parecidos. tentaremos levar ao p´ da letra a regra de arredondar ap´s cada opera¸ao.236 + 12. fica 14. Digamos que se queira efetuar a opera¸ao 2. No mundo das m´quinas. Observe que ter´ ıamos obtido um n´ mero ligeiramente u diferente se n˜o houv´ssemos arredondado 12. que implemente no computador. N−k = 9. Ent˜o arredondamos o segundo para que fique a a com 4 algarismos significativos. Para u e entender bem. O mesmo vale c˜ para as opera¸oes de multiplica¸ao e divis˜o. . d´ 0. ou 12.

666 2. O leitor pode achar estranho que 1 − 0.33 −2.96 13.67  .96 .67 + 2.504  −1 1. o m´ ltiplo tem que ser 3 = 0.333.333 × 3 = 1 − 0.33 0. ALGARISMOS SIGNIFICATIVOS 27 Olhando para a segunda coluna.502 .999 = 0.49 que tem apenas coeficientes inteiros. sem arredondamento (mantendo fra¸oes).33 x1 = −1 − 6.666 2.57 x2 = = = = 6. pois ´ maior do que o e os demais coeficientes da mesma coluna. 1.44 − 2 × 2.67 0 1.49 = 2.33 0 0. 13 . e c˜ N˜o h´ arredondamentos a fazer. usa-se o multiplicador 0. Observe que a escolha do multiplicador como 0. Ent˜o faz-se a troca da segunda linha com a terceira.33 e da´ temos ı  3  0 0 1 1.67  .001.  1 1 2 0 2 2 −1 1 Portanto e 1. 1. mas nem sempre ´ isso o que acontece num programa. 0. que c˜ 2 2 pode ser obtida por escalonamento tamb´m. 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.2.33 Para a terceira linha.667. e Dessa primeira etapa sai o sistema   3 1 2 −1  0 0. x3 ) = (− 9 . 3). o Considere o sistema   3 1 2 −1  . por exemplo). x2 .33 −2. Chamaremos esses m´ ltiplos de multiplicadores.67 + 6. 3 3 .504 1.334 n˜o ajudaria a a resolver o problema. Para a segunda linha. enquanto que para a a u 2 u terceira linha ele tem que ser 3 = 0.33 o ´ maior do que 0. pois 1.667 = 0. O “3” da primeira coluna serve como pivˆ.2. 1. Ele tem solu¸ao exata (x1 . 1. ficando e a   3 1 2 −1  0 1. nota-se que a terceira linha deve servir como pivˆ.33 lineares de qualquer ordem (que a ordem seja apenas limitada por problemas de falta de mem´ria.667 −0.667.96 1.33  .33 × 2.33 1.4 =− = −4. Isso ser´ ignorado na hora de a a se fazer o escalonamento. A unica solu¸ao seria n˜o arredondar o multiplicador antes de fazer ´ c˜ a a conta.90 8.47 . porque todos os coeficientes s˜o inteiros a com 1 algarismo significativo.667 −0.33 0 x3 = 2 −2. o que faz com que de fato o primeiro coeficiente da segunda linha n˜o se anule.33 1. no princ´ a a ıpio.44 1.

veremos como melhorar o c´lculo. R4 = 1Ω. arredondar e depois a e 3 multiplicar pelo numerador. U2 = 6V e U3 = 2V .1 Fa¸a as contas intermedi´rias do exemplo acima.06.28 ´ CAP´ ITULO 2. c˜ Exerc´ ıcio 2. Exerc´ ıcio 2.52 0. e R1 R3 I1 19V U1 2. c˜ Exerc´ ıcio 2.3 −4. Utilize o m´todo de Gauss para resolver o sistema a e obtido considerando aritm´tica de ponto flutuante com dois algarismos significativos.4 Considere o circuito el´trico da figura abaixo. un ) de Rn (normaliza¸ao. R2 = 4Ω.90 −2. e R3 = 4Ω. quando se for dividir por 3.3.031 com 3 algarismos significativos. devido c e a passagem de corrente el´trica I. podemos ver que o maior erro absoluto foi de 0. 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.5 Dado o sistema linear Ax = b onde   −4.2 1. U1 = 19V .01 0.3 O determinante no M´todo de Escalonamento e Observemos em primeiro lugar que as propriedades do determinante1 de uma n-upla de vetores (u1 .70  0.8 . c˜ Mais adiante. c˜ e Exerc´ ıcio 2.6   6Ω 4Ω 1Ω   ¡ R4 I3 U2   4Ω 2V I2 U3 R2 6V resolva-o pelo M´todo de Elimina¸ao de Gauss com condensa¸ao pivotal.3  2. alternˆncia e linearidade) podem ser formuladas c˜ a 1 Veja A. obtenha um sistema linear cujas vari´veis ` e e a s˜o os valores das correntes I1 . ´ ∆V = RI).3 Resolva o sistema linear 7. .4 −0.789 10. usando o refinamento de c˜ a solu¸oes. resultante em um resistor de resistˆncia R. utilizando aritm´tica e c˜ c˜ e de ponto flutuante e 2 algarismos significativos.4 b =  2. Resolva o sistema do c a exemplo acima usando apenas 2 algarismos significativos.1 2. .70 −3. I2 e I3 . calcular 1 . .5.4 −0. no qual R1 = 6Ω. N˜o esque¸a de arredondar ap´s cada a c o opera¸ao aritm´tica. A divis˜o ´ considerada uma opera¸ao elementar.10  3. O METODO DE ESCALONAMENTO Observe que n˜o ´ preciso.1  −3. Exerc´ ıcio 2.2 Implemente a resolu¸ao por escalonamento no computador. a e c˜ Comparando com a solu¸ao exata.1 A =  0. ∆V . . na Subse¸ao 2.

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

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

8 Suponha que uma divis˜o nunca demore mais do que T vezes uma mula tiplica¸ao. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 31 saber quanto a m´quina gasta para fazer cada uma das opera¸oes. experimente o leitor. a ponto de c˜ pequenas incertezas em seus valores provocarem grandes altera¸oes na solu¸ao final. por causa do exerc´ acima. Sua solu¸ao unica e exata ´ x = 1. do qual e daremos uma id´ia abaixo.4x + 99. ent˜o o sistema ser´ mala a condicionado. Decida qual dos m´todos ´ mais vantajoso. descrita no Cap´ c˜ ıtulo 2. A divis˜o certamente gasta a c˜ a mais tempo do que as outras opera¸oes. que tem solu¸ao unica e exata x = 0. c˜ a 2.9y = = 1 99. 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. . y = 0. 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). a Para exemplificar.2. no e o lugar de retas. se um sistema linear Au = b satisfaz det A = 0. se pensarmos em hiperplanos quase paralelos. consideremos o sistema 2 × 2 x + y 99x + 100y = 1 = 99.4. a solu¸ao pode depender sensivelmente de seus coeficientes. Para alguns sistemas.5 . radicalmente c˜ ´ e diferente da anterior. .5 2. e pelo M´todo de Refinamento. J´ na contabilidade das outras opera¸oes o M´todo de Cramer perde do M´todo de a a c˜ e e Escalonamento. Esses c˜ c˜ sistemas s˜o chamados de mal-condicionados.5.5. Isso pode ser parcialmente sanado c˜ c˜ pela Condensa¸ao Pivotal. com altera¸oes de n˜o mais do que 0. quando resolvemos o sistema via computador. Para entender porque isso acontece. Aen forem “quase” linearmente dependentes. Nota-se que o problema ´ c˜ e devido ao fato de que as retas correspondentes a cada equa¸ao s˜o quase paralelas. 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. para cada um dos dois sistemas. e a multiplica¸ao tome o c˜ e c˜ mesmo tempo que a adi¸ao e a subtra¸ao.5% nos coeficientes originais (o que ´ bastante razo´vel c˜ a e a para uma medida experimental).5. Na pr´tica. Podemos tamb´m pensar nos vetores-coluna de A (ou nos vetores-linha): e se Ae1 . Ae2 . . .1 Sistemas mal-condicionados e refinamento de solu¸˜o ca Sistemas mal-condicionados Na teoria. A id´ia vale em dimens˜es mais altas. ent˜o existe uma e s´ uma a o solu¸ao u. Agora considere o sistema c˜ ´ x + y 99.5. ıcio Exerc´ ıcio 2. . sob o c˜ c˜ e e ponto de vista de tempo de computa¸ao para complet´-lo.4. por´m. y = −0.2 . 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. onde T ´ uma constante qualquer maior do que zero.

. . obteremos (0. Considere o sistema  1  x1 + 2 x2 1 1 x1 + 3 x2  2 1 1 3 x1 + 4 x2 + + + 1 3 x3 1 4 x3 1 5 x3 = 1 = 1 = 1 . mas tamb´m do comprimento de cada vetor.9.8). Em resumo. . medidas de condicionamento s˜o dificilmente aplic´veis na pr´tica. Ent˜o uma medida mais confi´vel e a a seria tomar o hipervolume do hiperparalelep´ ıpedo formado pela normaliza¸ao desses vetores. c˜ Matrizes do tipo   1 1 1 ··· 1 2 3 n 1 1 1  1 · · · n+1  3 4   2  . ent˜o o a hiperparalelep´ ıpedo ser´ “achatado”. . −21. resultado mais pr´ximo mas ainda estrao nhamente longe da solu¸ao exata. −11. . . o n´ mero de condicionamento pode ser achado assim: (i) substitua cada u Ae coluna Aei da matriz pelo vetor vi = Aei . . x2 . 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. a e H´ outras medidas do condicionamento de uma matriz. por outro lado. pois n˜o s˜o necess´rias a a a para a condensa¸ao pivotal). Al´m do mais. por exemplo) e seguirmos exatamente o mesmo procedimento.33. (iii) observe se o n´ mero obtido est´ pr´ximo de zero ou de u a o um: se estiver perto de zero ent˜o a matriz A ´ mal-condicionada. vi = Aei Esse n´ mero estar´ entre 0 e 1. 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). . . Isso tudo no entanto foge ao escopo dessas notas. . . .64. e quando estiver perto de zero significa que a matriz ´ u a e mal-condicionada. e fazendo contas com fra¸oes exatas.  .32 ´ CAP´ ITULO 2. 1 Se. Com trˆs algarismos e significativos. Aen .2 Matrizes de Hilbert problema do mau condicionamento. usarmos dois algarismos significativos ( 3 = 0. 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. x3 ) = (3. c˜ isto ´. 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. . . . Se esses vetores forem quase linearmente dependentes. xn ) ´ dada por u = (x2 + .8. . chegaremos em (2. . . 30). o c˜ 2. lembrando que a norma (euclideana) u de um i vetor u = (x1 . obtemos a solu¸ao exata c˜ c˜ c˜ (x1 . (ii) calcule o valor absoluto do e n 1 determinante da nova matriz. . . −24. O o e determinante ´ o hipervolume (com sinal) do hiperparalelep´ e ıpedo formado pelos vetorescoluna Ae1 .   . . 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 )1/2 . . . pelos vetores e Aei .5. sugerimos Resolvendo o sistema por escalonamento (sem troca de linhas. e portanto ter´ volume pequeno. 17). Ae2 . 27. .

Como u = u + w. que consiste em obter uma solu¸ao e c˜ u de Au = b. e aparecem naturalmente no problema do ajuste polia nomial. e c˜ Calcula-se ent˜o w(0) = u − u(0) resolvendo-se o sistema a Aw(0) = b − Au(0) . c˜ a a c˜ Como erros s˜o inevit´veis. a a a c˜ a Calcula-se ent˜o w(1) = u − u(1) . 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. E assim por diante.  1 1 2 0 2 2 −1 1 Aw = b − Aˆ .3 Refinamento Uma das maneiras de sanar o problema de se encontrar uma solu¸ao “ruim”. e depois ˆ a melhor´-la. Na Se¸ao 2. definimos a diferen¸a w = u − u para a solu¸ao verdadeira u.04 Au(0) =  1. Vejamos um exemplo ilustrativo. que ´ o teste usual para ver se u(0) ´ realmente solu¸ao. mesmo que n˜o correta (por causa dos erros de arredondamento). usamos 3 algarismos significativos para c˜ resolver   −1 3 1 2  .7. u logo Ou seja.47 u(0) =  6. e tentamos ˆ c ˆ c˜ calcular w.44  . SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 33 s˜o chamadas de matrizes de Hilbert. 2. causada pelo c˜ mau condicionamento do sistema. ent˜o ˆ a b = Au = A(ˆ + w) . ent˜o u = u(0) + w(0) seria a solu¸ao correta. a Para melhorar u. u(0) + w(0) pode n˜o ser a solu¸ao exata.2. u Calculamos ent˜o Au(0) . Obtemos a e e c˜   −1. e em seguida define-se u(2) = u(1) + w(1) .96 . Se a solu¸ao desse sistema n˜o contivesse erros. a diferen¸a w entre u e u ´ a solu¸ao de um sistema linear.2). como veremos mais adiante (vide Subse¸ao 5.5. e ser´ chamada de u(1) .5. ´ fazer o refinamento. resolvendo-se a Aw(1) = b − Au(1) . c˜ 2. onde os termos indepenc ˆe c˜ dentes s˜o dados por b − Aˆ e os coeficientes s˜o os mesmos do sistema linear original (o que a u a facilita as coisas do ponto de vista de programa¸ao). c˜ O m´todo pode ser implementado assim: calcula-se a primeira solu¸ao aproximada u(0) . A solu¸ao obtida pode ser considerada uma primeira aproxima¸ao.97  .2. chamada de u(0) : c˜ c˜   −4.

53 (2) (3) u =  6.0267  −→  −0. 0.04 0.02). seguiremos exatamente os mesmos passos feitos na Se¸ao 2.0167 0. 0 Com a limita¸ao do n´ mero de algarismos significativos.504 0.44 −4.03  −→  0. 2. o dobro de algarismos significativos). O METODO DE ESCALONAMENTO onde em (i) subtra´ ımos da segunda linha 0.04 3 1 2  0 1. para chegar ` etapa seguinte.04 (i) (ii) (iii)  0. com a u(1) = u(0) + w. a a e uma vez que b e Au(i) s˜o vetores cujas coordenadas tˆm valores muito pr´ximos. Obviamente a e o os benef´ ıcios da precis˜o dupla podem ser usados nos computadores e calculadoras modernos. 2. 0 −0. 0 3 2 −1 0 sempre usando 3 algarismos significativos.0597).0267  . O crit´rio pode ser feito nas solu¸oes u(i) ou nos testes Au(i) . w2 . Vale a pena o leitor fazer mais algumas etapas.333 vezes a primeira linha e da terceira linha subtra´ ımos 0.2.53  . u =  6. mesmo com a possibilidade de refinamento.04 3 1 2  1 1 0.502 vezes a segunda linha. 0. nada muito melhor do que Au(0) .0267  . notamos que Au(1) = (−1.34 ´ CAP´ ITULO 2.04 0. e ent˜o tiramos a diferen¸a a c   0.0167  −→  −0.0842. em (ii) trocamos as posi¸oes da segunda e da terc˜ ceira linhas e em (iii) subtra´ ımos da terceira linha 0. 0.03  .0267 0.04 b − Au(0) =  0.0301 Agora queremos obter w do sistema Aw = b − Au(0) . Isto diminui sensivelmente o ac´ mulo de erros. c˜ Ent˜o n˜o precisamos fazer tudo de novo no lado esquerdo. De fato. com erro absoluto m´ximo de 0.667 vezes a primeira linha.52.94). c˜ e c˜ e da´ chegamos a w = (w1 .52. 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.03  . 3. for usada precis˜o dupla (isto ´. 6. Melhores resultados s˜o obtidos se.04 0. a oe u ´ E preciso tamb´m colocar um crit´rio de parada. e conferir os seguintes valores: a     −4.33 −2. a solu¸ao de partida j´ era bastante c˜ a razo´vel. Ou seja. somente no vetor de termos ina a dependentes do lado direito. a Para conferir.96 3. temos que resolver o sistema   0. n˜o ´ certeza que o refinamento c˜ u a e levar´ ` melhor aproxima¸ao da solu¸ao correta. no a a c˜ c˜ a c´lculo de b − Au(i) .04.0301 Se procedermos ao escalonamento. w3 ) = (−0. 0 0 0.0543. As transforma¸oes do lado direito s˜o c˜ a         0.02. principalmente no caso de se fazer a e e implementa¸ao no computador. Somando com u(0) obtemos ı u(1) = (−4.02 .44  .33 −0. O sistema escalonado fica   0.

isto ´. Pode-se convencionar que: c˜ e e (i) se uj = 0 e uj = 0 ent˜o a varia¸ao ´ zero. O problema ´ quando o denominador ´ igual a zero. pode-se comparar o quanto u ˆ ˆ as coordenadas variam.90 −1. |u1 | |un | e pedindo que eles sejam menores do que um certo valor (por exemplo.47 0.11 Considere o sistema  1/2 1/3 1/4  1/3 1/4 1/5 1/4 1/5 1/6  −1 0  . a Exerc´ ıcio 2.1 Execute uma etapa de refinamento.40 1. Isto c˜ mostra que o refinamento tamb´m ´ limitado pelo arredondamento inicial que. num sise e tema mal-condicionado.05. far´ com que o processo continue).2 −5. u2 . relativamente. (ii) se uj = 0 e uj = 0. . . a Exerc´ ıcio 2.0 −2. se u(i) = (u1 . em geral.9 Melhorar o programa que implementa o M´todo de Escalonamento com cone densa¸ao pivotal. chamando-a de u(0) .5   .2 −5. .7  −1. .6 2. com algum crit´rio de parada.2 e sua solu¸ao obtida com c˜ c˜ 2 algarismos significativos. ent˜o a varia¸ao ´ igual ˆ a c˜ e ˆ a c˜ e a 1 (o que.4 ˜ 2.0 3.. obtivemos e       −3. . olhando para os n´ meros u |un − un | ˆ |u1 − u1 | ˆ .5. a Exerc´ ıcio 2. . Obtenha o refinamento u(1) . (c) Agora fa¸a a seguinte experiˆncia: escreva o mesmo sistema. Compare com a solu¸ao exata.4 3. .2. A =  0.. un ) e u(i+1) = (ˆ1 .9 −2. .5. acrescentando o refinamento.5 b =  −4. 1 (a) Ache sua solu¸ao exata. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO ¸˜ 35 Por exemplo. arredondando para dois c e algarismos significativos. c˜ Exerc´ ıcio 2. u2 .94 0. .5 −0.0 A =  −3.0 −4. c˜ (b) Resolva-o com dois algarismos significativos. Para fazer o c˜ e refinamento.0  p= 3  x(0) =  −7. . un ). . o programa deve utilizar o “hist´rico” do escalonamento. 0. .6 2 5.5  .10 Tome o sistema discutido na Subse¸ao 2... pode alterar drasticamente a solu¸ao. os multiplicao e dores e as trocas de linha (para que n˜o se repita tudo a cada etapa).12 Dado o sistema linear Ax = b onde   −3. 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. significando 5% de varia¸ao). .0 1 4. calculando b − Au(0) com dupla precis˜o. mas a partir da´ ache sua solu¸ao usando o m´ximo de algaı c˜ a rismos significativos que sua calculadora permite. . da etapa i para a etapa i + 1.0 −4.

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)

.

como quer´ ıamos demonstrar! (k) − xi | ≤ λ∆(k − 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 | + .40 Note. . . Se definirmos agora e λ = max λi . . e sempre resultar´ e a a |xi para todo i = 1.3 Crit´rio de parada e i=1. METODOS ITERATIVOS | ≤ max |xi − xi i=1.. .n (k−1) | ≡ ∆(k − 1) . O Crit´rio das Linhas garante que λi < 1. .n ent˜o a |xi logo ∆(k) ≤ λ∆(k − 1) ... podemos deduzir uma express˜o que relaciona ∆(k) com a (k) (k−1) (k−1) (k) a c˜ a − xi | que corresponde ` varia¸ao m´xima entre x(k−1) ∆max (x .. . . n. no entanto. . para todo i = 1.n Da desigualdade ∆(k) ≤ λ∆(k − 1). Para as outras linhas todo o procedimento ´ an´logo. . . i=1. onde λi = 1 |aii | n (k) (k) − xi | ≤ λi ∆(k − 1) .. j=1 j=i |aij | . + |a1n | ∆(k − 1) .. . |a12 | + |a13 | + . + |a1n | . x ) = max |xi e x(k) ... |a11 | que deve ser menor do que 1. n. .... Ent˜o e a |x1 − x1 | ≤ λ1 ∆(k − 1) . 3. . pelo Crit´rio das Linhas..

. na nota¸ao da Se¸ao anterior. chamada de M´todo de Gauss-Seidel. n.. 3..8.... se c˜ e e |xi (k+1) − xi | ≥ p|xi | (k) (k) para algum i = 1. ..´ 3. Experimentos num´ricos evidenciam que de fato h´ convergˆncia do M´todo de Jacobi e a e e nesses casos.n (k−1) (k−1) − xi | − xi (k) = λ max |xi ≤ λ max i=1. chamada de Crit´rio de o e e ...n + xi (k) − xi | (k) |xi (k−1) − xi | + |xi (k) (k) − xi | (k) ≤ λ max |xi i=1..n (1 − λ) max |xi e finalmente i=1.. Muitas vezes a velocidade de convergˆncia do m´todo ´ muito e e e lenta e mesmo longe da solu¸ao. Embora a convergˆncia possa ser demonstrada matematicamente.. O METODO DE GAUSS-SEIDEL De fato....n (k−1) − xi | + λ max |xi i=1. ..4.n (k−1) (k) − xi | Assim i=1.n 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 − 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.. embora ela seja muito lenta. isto ´.. 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. 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.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 (k) − xi | ≤ λ max |xi i=1. de ∆(k) ≤ λ∆(k − 1) segue que i=1.... discutiremos nesta Se¸ao uma varia¸ao e e c˜ c˜ do M´todo de Jacobi... 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. que λi = 1.. para alguns c˜ c˜ valores de i.. Entretanto este segundo crit´rio n˜o garante que a distˆncia entre e a a x(k) e x seja menor que p.....n 41 max |xi (k) − xi | ≤ λ max |xi i=1.. .... mas e c˜ somente pelo Crit´rio das Linhas n˜o seria poss´ afirmar que haveria convergˆncia.... o que significa...

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

obtemos |x3 e |x4 (k+1) (k+1) − x3 | ≤ − x4 | ≤ β1 |a41 | + β2 |a42 | + β3 |a43 | ∆(k) ≡ β4 ∆(k) . |a11 | − x1 | ≤ β1 ∆(k) . O METODO DE GAUSS-SEIDEL para todo i = 1. . |a44 | |xi (k+1) Em conclus˜o. |a22 | β1 |a31 | + β2 |a32 | + |a34 | ∆(k) ≡ β3 ∆(k) |a33 | Continuando. . n. i=1. logo ∆(k + 1) ≤ ( max βi )∆(k) . 4.2.4. . para todo i = 1. |a11 | |a12 | + |a13 | + |a14 | . 2. sai c˜ |x1 (k+1) − x1 | ≤ |a13 | |a14 | |a12 | (k) (k) (k) · |x2 − x2 | + · |x3 − x3 | + · |x4 − x4 | . .4 .3. 3. mostramos que a − xi | ≤ βi ∆(k) . ent˜o |x1 Definimos β1 = para ficar com |x1 (k+1) (k+1) (k) − x1 | ≤ |a12 | + |a13 | + |a14 | ∆(k) . Num sistema de 4 equa¸oes e 4 inc´gnitas temos c˜ o x1 (k+1) 43 − x1 − x1 − x1 − x1 = = = = x2 x3 x4 (k+1) (k+1) (k+1) 1 a11 1 a22 1 a33 1 a44 a12 (x2 − x2 ) + a13 (x3 − x3 ) + a14 (x4 − x4 ) a21 (x1 − x1 a31 (x1 − x1 a41 (x1 − x1 (k+1) (k) (k) (k) ) + a23 (x3 − x3 ) + a24 (x4 − x4 ) ) + a32 (x2 − x2 ) + a42 (x2 − x2 (k+1) (k) (k) (k+1) ) + a34 (x4 − x4 ) ) + a43 (x3 − x3 (k+1) (k) (k+1) (k+1) ) Da primeira equa¸ao. Agora levamos em conta essa ultima inequa¸ao para mostrar que ´ c˜ |x2 (k+1) − x2 | ≤ β1 |a21 | + |a23 | + |a24 | ∆(k) ≡ β2 ∆(k) . |a11 | |a11 | |a11 | a Como |xi − xi | ≤ ∆(k).´ 3.

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

0.6 Considere o sistema linear Ax = b. z0 ). (Veja a Se¸ao 1. quantas itera¸oes s˜o c˜ a c˜ a necess´rias para que o erro seja menor que 10−2 ? a Exerc´ ıcio 3. O METODO DE GAUSS-SEIDEL 45 (0. 0). ´ c˜ a Queremos encontrar a solu¸ao do sistema (1) (ou (2)) usando o M´todo de Gauss-Seidel. 2].) a Exerc´ ıcio 3.5z = 6 = 3 = 4 . (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. Portanto eles s˜o equivalentes.5z + 1z + 1.´ 3. e arredondando para 2 algarismos significativos ap´s cada etapa. y0 . c˜ e partindo de um certo chute inicial fixado (x0 . de forma a obter a melhor precis˜o a poss´vel na vig´sima itera¸ao. 5] × [−2. 0. onde     −1 4 −3 4 8  e b =  −3  A =  −5 −3 −6 2 3 3 (a) A matriz A satisfaz o Crit´rio das Linhas para alguma permuta¸ao de linhas? e c˜ (b) A matriz A tem alguma permuta¸ao das linhas a qual satisfaz o Crit´rio de Sassenfeld? c˜ e Qual? Justifique.7 Considere os sistemas lineares  1z = 2  4x + 1y + 2x − 5y + 1z = 3 (1) e  1x + 1y + 1.5z = 4 (2) Observe que o sistema (2) foi obtido do sistema (1) substituindo-se a primeira equa¸ao de c˜ (1) pela soma desta com a ultima equa¸ao de (1). (d) Sabendo-se que a solu¸ao exata est´ em [−3. 0). 4] × [−1.4. ı e c˜ A qual dos dois sistemas devemos aplicar o M´todo de Gauss-Seidel segundo esse objetivo? e Justifique.   5x + 2y 2x − 5y  1x + 1y + 2.8 o c˜ na p´gina 18.

METODOS ITERATIVOS .46 ´ CAP´ ITULO 3.

Parte II Ajuste de Fun¸˜es co 47 .

.

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

1 Dados os pontos (−2. De fato.0).6). 5. .8 + 0. como decidir se uma fun¸ao se adequa mais aos dados do que outra? c˜ e c˜ 4. −1. . a diferen¸a c entre o dado yi e o valor de f em xi . AJUSTE DE FUNCOES ¸˜ ´ desses dados. .8. e ´ conhecido como qui-quadrado (sem pesos.50 CAP´ ITULO 4. e queremos avaliar o quanto uma e c˜ determinada fun¸ao f difere desses dados. . i = 1. a e o a pois isso facilitaria mais tarde sua utiliza¸ao como preditor.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 . colocado dessa forma.4). . usando o crit´rio do qui-quadrado? Desenhe as retas e os pontos em papel e milimetrado antes de fazer as contas. no entanto. . x Exerc´ ıcio 4. e deve ser usado de forma comparativa: se Q(f1 ) for menor a do que Q(f2 ) ent˜o f1 ´ uma aproxima¸ao aos dados melhor do que f2 . c˜ ´ E claro que o problema. .6). para qualquer conjunto de dados (xi .32x.7. onde os xi ’s nunca se repitam. levar´ a concluir que isso n˜o vale a pena. yi ). yi ). N .2 Os m´ ınimos quadrados Precisamos de uma medida num´rica para avaliar a qualidade de uma aproxima¸ao. o para todo i = 1. elevar essa diferen¸a ao c quadrado e depois somar os resultados obtidos para cada xi . e dentro desse conjunto menor c˜ de fun¸oes procurar aquela que melhor se adapte a nossos pontos. Duas raz˜es concretas a a o podem ser dadas imediatamente: se a quantidade de dados for muito grande. c˜ O bom senso. Esse n´ mero c˜ u u deve ser sempre n˜o-negativo. temos uma cole¸ao de dados (xi . f(xi ) yi xi Em palavras. (3. i = 1. (6.0. N . . ser´ necess´rio a a . Isto e c˜ ´. (1. Aqui adotaremos o mais comum deles. . 4.0. como vimos nas Se¸oes 1. (4. e procure adivinhar o resultado por antecipa¸ao. Com isso. a e c˜ Evidentemente h´ um certo grau de arbitrariedade no m´todo que escolhemos para dea e terminar Q.5 e A. associando a f um n´ mero Q(f ). . Q(p) ´ zero e n˜o h´ c˜ e a a como encontrar uma fun¸ao melhor do que essa.86x e f2 (x) = −1. para cada xi . sempre podemos achar um polinˆmio de grau N − 1 tal que p(xi ) = yi . N .0 + 1. . ´ preciso estabelecer um crit´rio comparativo do que seja a qualidade de uma e e e aproxima¸ao. que pode ser justificado por raz˜es o estat´ ısticas fora do alcance destas notas.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. . mas como? E desej´vel tamb´m que a f´rmula de f n˜o seja muito complicada. −0.6. qual das duas fun¸oes se ajusta c˜ c˜ melhor aos dados. podemos restringir bastante o universo das fun¸oes candidatas. Isto ´. na e Se¸ao 6. No entanto. c˜ 4. c˜ Al´m disso.5. parece muito complicado. Veja que o problema em alguns casos perde o sentido se n˜o a fizermos isso. temos que avaliar. 2.7) e as fun¸oes afins f1 (x) = −0.

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

Agora sabemos que a corrente assume a a forma de uma fun¸ao f como acima.3. determinar a posi¸ao e e c˜ exata do m´ ınimo. . Conv´m. 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 17.2 Caten´ria a Quando suspendemos uma corrente em dois pontos de sustenta¸ao. AJUSTE DE FUNCOES ¸˜ 4. n˜o necessariamente horizontalc˜ a mente alinhados. por sublima¸ao. Como evolui o raio da naftalina em fun¸ao do tempo? c˜ Se V (t) ´ o volume da bolinha. ela assume um determinado formato (entre os dois pontos de sustenta¸ao).52 CAP´ ITULO 4.3. e ´ e c c˜ e razoavelmente dif´ saber que valor ele vai assumir ao pendurarmos a corrente. c˜ Como proceder? Para explicitar a existˆncia de um parˆmetro. j´ que se trata de uma medida experimental. obtendo assim um conjunto de dados (xi . i = 1. c˜ a 4. 2 Observe que a fun¸ao foi dada de tal forma que para x = 0 ela vale 0. . Se usarmos sempre a a mesma corrente ele pode ser modificado atrav´s da mudan¸a dos pontos de sustenta¸ao. dado pela c˜ fun¸ao caten´ria: c˜ a f (x) = 1 (cosh(cx) − 1) . 0). adota-se a nota¸ao c˜ c˜ 1 fc (x) = (cosh(cx) − 1) . pois depende de v´rias coisas. e depois procurar o parˆmetro c c˜ a para o qual Q(fc ) ´ m´ e ınimo. que ser´ o ponto (x.5). que ´ um n´ mero. al´m disso. . . N . a uma taxa proporcional a sua c˜ superf´ ıcie. a come¸ar pela posi¸ao dos pontos a e a c c˜ de sustenta¸ao. ou seja. Esse n´ mero a e e u u n˜o ´ conhecido a priori. que obviamente faz parte da defini¸ao da e a c˜ fun¸ao.3. c x onde cosh ´ a fun¸ao conhecida como cosseno hiperb´lico. mas nos resta saber com que valor de c isso acontece. a fun¸ao c → Q(fc ) ´ uma c˜ e fun¸ao de uma vari´vel. ent˜o a hip´tese implica que e a o ˙ V (t) = −α4πr(t)2 . e ´ dada por e c˜ o e cosh x = ex + e−x . . c Para cada fun¸ao fc podemos medir o qui-quadrado Q(fc ). poder´ a ıamos medir a posi¸ao da c˜ corrente em alguns pontos. y) = (0. que denotaremos simplesmente por Q(c). ıcil No entanto. Como c varia ao longo da reta real. c˜ a c˜ Na express˜o de f tamb´m aparece uma constante c. convencionando x para a horizontal e y para a vertical. O n´ mero c ´ outro t´ c˜ u e ıpico exemplo de um parˆmetro.3 Naftalinas e fun¸˜es afins co Uma bolinha de naftalina perde seu material. yi ).

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

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

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

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

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

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

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

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

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

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

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

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

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

exceto pelo fato de que os “produtos escalares” s˜o calculados por uma integral. um para o caso a c c˜ discreto e um para o caso cont´ ınuo.7. 5. fa¸amos dois exemplos nesta Se¸ao. por uma ponta. y . depois de uma simples manipula¸ao da equa¸ao. que pode ser facilmente medida a a por uma r´gua.66 ˆ CAP´ ITULO 5.0 1. serve para colocar a e a o el´stico muito pr´ximo ` posi¸ao de repouso. e ag¨ enta v´rios quilos. g 1 a1 + g l . gm = c d gl (x)gm (x)dx d e gl . g k ak = g l . 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. + g l . Com uma jarra. g 2 a2 + .5 34. a a Os dados encontrados est˜o na tabela abaixo.1 Dinamˆmetro o Suponha que precisemos usar um el´stico como dinamˆmetro.5 13. e na outra atrelamos um a balde. .0 5. onde gl .0 50. colocamos ´gua a o a c˜ a no balde.5 42.5 53. e a cada litro colocado (x) medimos a distens˜o y do el´stico. e Para tanto. e esticado). cujo peso n˜o ´ suficiente para distender o el´stico (melhor ainda.0 23.0 47. . chegando a c˜ c˜ g l . Juntando-se as k equa¸oes resulta um sistema linear idˆntico `quele obtido no caso disc˜ e a creto.5 55. 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. penduramos o el´stico no teto. O el´stico a o a ´ forte.5 .7 Exemplos Para que n˜o fique tudo muito abstrato. para pesar objetos. ao a inv´s de uma soma. e 5.0 54. y = c gl (x)y(x)dx . FUNCOES LINEARES NOS PARAMETROS ¸˜ e.

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

para saber se n˜o houve algum erro de conta.68 ˆ CAP´ ITULO 5. 80 e do lado dos termos independentes π 2 cos x = 2 . a Se f (x) = a1 + a2 x + a3 x2 ´ o polinˆmio procurado. a2 = −0.7. Se o leitor tentar resolver o sistema por conta pr´pria ver´ que ele ´ extremao a e mente mal-condicionado. Gostar´ ıamos de aproxim´-la tamb´m por um polinˆmio. e pois a concavidade do gr´fico ´ para cima em x = 0. pois o intervalo de integra¸ao ´ sim´trico e os integrandos s˜o a c˜ e e a ´ fun¸oes ´ c˜ ımpares. aproximadamente. Precisamos calcular π 2 x2 dx = −π 2 π3 .4. obtemos a1 = 2. a e o 2 2 Antes de resolver o problema. a3 teria que ser negativo. e que a2 teria que ser negativo. para a e poder criar o ponto de inflex˜o na regi˜o x > 0. FUNCOES LINEARES NOS PARAMETROS ¸˜ Calculando os coeficientes e resolvendo. ´ uma fun¸ao par. Algumas integrais s˜o nulas.28427x3 + 0. 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).0088925x4 ´ compat´ e ıvel com os dados (pelo menos visualmente). o Veremos se nossos palpites se confirmam. e isso pode ser feito atrav´s de seu e esbo¸o no gr´fico.28427 e a3 = 0. quanto devem ser.5040. a Outro teste de compatibilidade m´ ınimo ´ observar que a1 teria que ser realmente positivo. a a 5. Este teste sempre vale a pena em c a problemas de ajuste.2 Cosseno aproximado por um polinˆmio o Para exemplificar um ajuste linear cont´ ınuo. tem concavidade para baixo e se anula e c˜ em − π e + π . 12 π 2 x4 dx = −π 2 π5 . por exemplo. π ]. 2 logo a3 deve estar pr´ximo de −0.0088925. −π 2 . que agora s˜o integrais. E o caso de g1 . c˜ e arredondada somente ao final para 5 algarismos significativos. Al´m disso. A solu¸ao apresentada foi obtida com 10 algarismos significativos.5040x2 − 0. vale a pena investigar o que achamos que ser´ o resultado. g2 e g2 . Para que o polinˆmio se anule em π ´ preciso e o 2 e que π 2 1 + a3 =0. junto com os dados experimentais. Temos que calcular os produtos escalares. desta vez de grau 2. g3 . Recomenda-se verificar se a fun¸ao obtida c˜ f (x) = 2. a g1 (x). os e o valores dos coeficientes? Como o cosseno vale 1 em x = 0. tomemos a fun¸ao y(x) = cos x no intervalo c˜ [− π . Por exemplo. g1 (x) = π 2 −π 2 1 · 1dx = π . ent˜o imaginamos um polinˆmio quadr´tico com caracter´ a o a ısticas semelhantes.

7. 2]. que ´ e e um conhecido exemplo de matriz mal condicionada. discorreremos um pouco mais e e abstratamente sobre o m´todo dos m´ e ınimos quadrados. ı ` c˜ no intervalo [0. −π 2 1 usando a t´cnica de Integra¸ao por Partes duas vezes. . . obt´m-se a1 = 0. investigando.0 1. o O m´todo que apresentamos. e 1 gl . c˜ No Cap´ ıtulo 7 discutiremos outra forma de se fazer ajustes.65 . o que reduz o sistema linear a duas c˜ equa¸oes e duas inc´gnitas. Exerc´ ıcio 5. c˜ o e valores bem pr´ximos das estimativas iniciais. como discutimos na Subse¸ao 2. .5.2. 1] por um polinˆmio o f (x) = a0 + a1 x + . por ser ´ e ımpar. dando 2 π 2 − 4. + ak xk . e resta calcular π 2 69 x2 cos x . ı Exerc´ ıcio 5. . com l = 0. quest˜es o como a unicidade. que s˜o especialmente uteis a ´ para ajustes polinomiais e trigonom´tricos. Por exemplo.98016 e a3 = −0. . e c˜ O sistema linear fica igual a   3 π 0 π | 2 12 3   0 | 0  0 π  .41777. . 0.5. apesar de simples. EXEMPLOS a integral de x cos x ´ nula. 12 5 3 π 1 2 π 0 80 | 2 π − 4 12 Da segunda equa¸ao conclui-se imediatamente que a2 = 0. embora o Cap´ ıtulo 7 possa ser compreendido sem o aux´ do Cap´ ılio ıtulo 6. k.0 0. tem problemas quando implementado e ´ numericamente. Antes. no caso do ajuste de uma fun¸ao y(x) definida no intervalo c˜ [0.3 Ajuste f (x) = a(arctan x)2 aos seguintes dados xi yi por m´nimos quadrados. Resolvendo o sistema.0 1.0 1. E comum que os sistemas lineares a serem resolvidos sejam muito mal condicionados.0 1.0 0. l+m+1 Isto implica que a matriz dos coeficientes do sistema linear ´ uma matriz de Hilbert.00 3.4 Ajuste f (x) = a + b(x − 1)2 por m´nimos quadrados a fun¸ao y(x) = x3 − 3x. por´m. temos gl (x) = xl−1 . gm = 0 xl+m dx = 1 . por exemplo.50 4.25 2.

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

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

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

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

a e c˜ r e c e O vetor u = i=1 y. . a a a c˜ 6. Em E est˜o definidas a adi¸ao e a multiplica¸ao por n´meros reais: se h1 e h2 s˜o fun¸oes de E. A origem ou elemento nulo de E ´ a fun¸ao identicamente nula em [c. . c˜ a a portanto certamente n˜o ser´ unica a solu¸ao para o problema de ajuste. g − y > u − y. g − y = g − u + u − y. . . Finalmente lembremos que. suponha que g1 (x) = 1. e eles s˜o iguais. mas o leitor a c˜ e´ e est´ convidado a justific´-la inspirando-se no que est´ escrito na Se¸ao A. Ser´ que a solu¸ao do problema de ajuste ´ unica? A resposta ´ sim. . N˜o h´ como ter k > N vetores linearmente independentes em RN . . a e c˜ e quase sem modifica¸oes! c˜ No lugar de RN consideramos um espa¸o de fun¸oes. . e N ≥ k. . . gk (x) = xk−1 . .74 ´ CAP´ ITULO 6.3 O caso cont´ ınuo No caso cont´ ınuo n˜o temos um espa¸o de dimens˜o finita (RN ) para trabalhar.. . Al´m disso. g − u + u − y = g − u. logo g − y.7. Para ver a raz˜o. g3 (x) = x2 . gk . . pode haver diversas maneiras de se escrever esse elemento como combina¸ao a c˜ linear dos vetores g1 . que mostraremos ser maior a e do que a distˆncia de u a y. g − u. . 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). g − y . Suponha que y(x) seja uma fun¸ao cont´ c˜ ınua definida no intervalo [c. u − y + u − y. suponha que o n´ mero N de pontos dados seja menor do que o n´ mero k u u de fun¸oes do ajuste. . o subespa¸o vetorial em quest˜o ´ o c a e conjunto de todas as combina¸oes lineares dos vetores g1 . . no problema do ajuste. . e a afirma¸ao segue. Ent˜o consideramos o conjunto E de todas as fun¸oes cont´ a c˜ ınuas definidas nesse intervalo. como conclu´ ´ a ımos acima. O conjunto E ´ um espa¸o vetorial porque essas opera¸oes sempre resultam e c c˜ em elementos de E. ak ) tal que ´ a f = a1 g1 + . gk . a c˜ e se α ´ um n´ mero real. g2 (x) = x. + ak gk minimiza a distˆncia a y? a A resposta ´ n˜o. wi wi ´ a componente de y no subespa¸o G. . onde a desigualdade estrita confirma a unicidade. . que nenhum deles possa e ser escrito como combina¸ao linear dos outros. 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. mas como g − u ∈ G e u − y ∈ G⊥ . u − y . Ser´ que da´ a ı podemos concluir que sempre existe um unico conjunto de parˆmetros (a1 . gk sejam linearmente independentes. Para que haja apenas uma maneira de se escrever u ´ preciso e que os vetores g1 . . nem sempre!! Embora s´ haja um elemento u do subespa¸o que minie a o c mize a distˆncia. que podemos particularizar (para n˜o c c˜ a dificultar as coisas). A distˆncia de g a y ´ a raiz quadrada de 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⊥ . que ´ a raiz quadrada de u − y. a a´ c˜ Outro exemplo. u − y . tome um outro vetor qualquer ` a a g ∈ G. g − u + 2 g − u. Que espa¸o a c a c utilizamos? Ser´ que as id´ias das se¸oes anteriores tamb´m se aplicam? Veremos que sim. d]. u − y = 0. u − y . tamb´m chamada de proje¸ao de y em G. segue que g − u. c˜ Por exemplo. define-se a fun¸ao h = αh1 como sendo aquela que leva x em e u c˜ h(x) = αh1 (x). e c˜ e assim por diante. . . existe um c˜ c unico elemento que minimiza a distˆncia ao ponto y. isto ´. Logo eles tˆm que ser ambos nulos. escrevemos a g − y. d]. Nesse subespa¸o. . Para comparar as duas a e distˆncias. g − u ´ e e positivo.

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

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

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

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

e ´ a e escolhido de maneira que f0 .1 Considere (x1 . Essa rela¸ao de recorrˆncia funciona tanto e c˜ e c˜ e no caso discreto (com qualquer conjunto de pontos x1 . c˜ Exerc´ ıcio 7.2 Calculando polinˆmios ortogonais por recorrˆncia o e Na Se¸ao anterior vimos que podemos recorrer a polinˆmios ortogonais para facilitar a rec˜ o solu¸ao do problema de ajuste. Ache p(x) = x2 + ax + b que seja ortogonal a q(x) = x. ou seja. Observe que come¸amos a numerar nossos polinˆmios a partir de zero. que permitir´ calcular fk (x). depende somente do intervalo de integra¸ao c˜ (e do peso.7. f1 = 0. em nosso caso. 2π] c˜ a (admitindo-se o produto escalar com peso uniforme). de graus 2. {f0 . a O ponto central ´ a seguinte afirma¸ao. f4 . somente e c˜ a com os polinˆmios fk−1 e fk−2 : “para todo k ≥ 2. 1. c˜ Exerc´ ıcio 7.3) e o produto escalar 4 f. . . . 0. 7. Agora suponha que o processo continua. por´m. o c˜ isto ´ e xf1 (x) − f2 (x) = a2 f1 (x) + b2 f0 (x) . pois os coeficientes de mais alto grau s˜o e o a sempre iguais a 1). . . com qualquer dos produtos c˜ internos que descrevemos. 3.2. Logo esse polinˆmio pode ser escrito como combina¸ao linear de f0 e f1 . facilitando os argumentos. obtendo-se polinˆmios f2 . com um argumento indutivo). f1 . etc. CALCULANDO POLINOMIOS ORTOGONAIS POR RECORRENCIA 79 do produto escalar utilizado que. tarefa que pode ser t˜o ou mais trabalhosa do que se c˜ a a n˜o us´ssemos esses polinˆmios. vale o xfk−1 (x) − fk (x) = ak fk−1 (x) + bk fk−2 (x) . . ´ que h´ uma maneira mais f´cil de se calcular os polinˆmios e e a a o ortogonais. para k ≥ 2.′′ onde ak e bk s˜o coeficientes apropriados. a a o A boa not´ ıcia. com ou sem pesos. O valor de a ir´ depender do produto interno.” Note que para k = 2 ela ´ verdadeira porque a e xf1 (x) − f2 (x) ´ um polinˆmio de grau 1 (o termo x2 cancela. 4. atrav´s de uma rela¸ao de recorrˆncia.a obten¸ao dos polinˆmios ortogonais recai na c˜ c˜ o resolu¸ao de v´rios sistemas lineares.2. 0. x2 . em rela¸ao a esse produto escalar. x3 .ˆ ˆ 7. f3 . fk } gera o subespa¸o formado por todos os polinˆmios de c o grau k (mostre isso como exerc´ ıcio. como descrito na Se¸ao anterior. g = i=1 f (xi )g(xi ) . . x4 ) = (0. . da o mesma forma que fizemos previamente. xN ) como no caso cont´ ınuo (com qualquer intervalo de integra¸ao). Em cada etapa. Procede-se assim: fixa-se f0 (x) ≡ 1 e calcula-se o primeiro polinˆmio f1 (x) = x + a. Veremos logo adiante como usar tabelas de fun¸oes ortogonais. etc.0. No entanto. . se for o caso). exigindo-se c˜ o apenas que o coeficiente de mais alto grau seja sempre igual a 1. pois assim seu c o ´ ındice assim corresponder´ exatamente a seu grau.2 Mostre que as fun¸oes sen x e cos x s˜o ortogonais no intervalo [0.

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

sen 2x. Desenhe um gr´fico do polinˆmio c˜ o u a o obtido e compare com a fun¸ao h(x) = sen x. s˜o ortogonais entre c˜ a si (prove!). Portanto. f2 = . teremos c˜ a0 = 1 2π 2π y(x)dx . f1 = 8 8 2 . c˜ Exerc´ ıcio 7. 2π]. f1 . 3 ´ dado por e al = y. fl . etc. . . f ´ dada pela proje¸ao de y no espa¸o G das combina¸oes e c˜ c c˜ lineares desses polinˆmios. f3 . cos 2x.ˆ 7. Obtenha os coeficia c˜ a entes e explicite a fun¸ao f como um polinˆmio c´bico. fl Os denominadores s˜o as normas ao quadrado. Fazendo o exerc´ do final da Se¸ao anterior. usando polinˆmios ortogonais. 1] por um c˜ polinˆmio c´ bico. Todas as fun¸oes 1. Calcule os produtos y. ´ muito importante tamb´m a seguinte fam´ de fun¸oes e o e e ılia c˜ trigonom´tricas. fl .4 Exemplo de an´lise harmˆnica a o Al´m dos polinˆmios ortogonais. 1]. al = 0 1 π 2π y(x) cos(lx)dx 0 . onde ser´ preciso integrar a xl sen x (sugest˜o: integra¸ao por partes).3. 2. por m´nimos quadrados. UM EXEMPLO DE APLICACAO DE POLINOMIOS ORTOGONAIS ¸˜ 81 7. 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 .6 Ajuste um polinˆmio quadr´tico a fun¸ao ex em [−1. f ´ facilmente calcul´vel. f3 (x) = x3 − x . fl . Tente n˜o errar nas contas. f0 = 2 . isto ´. 1. f2 (x) = x2 − 1 3 . f3 = . 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 . l = 0. se quisermos ajustar y por uma fun¸ao desse tipo. 3 45 175 Exerc´ ıcio 7. cos x. sen x. Temos a f0 .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. o Exerc´ ıcio 7. f2 . Como eles s˜o ortogonais. 1] usando polinˆmios o a ` c˜ o ortogonais. definidas no intervalo [0. e como vimos anteriormente. cos 3x. cada o a e a e um dos coeficientes al . 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) . f1 (x) = x ..5 Ajuste. sen 3x. um polinˆmio de primeiro grau a fun¸ao ı o ` c˜ h(x) = senx no intervalo [0.4 Termine o exemplo. . 7.

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

a a e e e um valor de k muito grande ´ necess´rio para se conseguir uma boa aproxima¸ao de π. A primeira integral ´ nula. Est´ fora do escopo deste livro demonstrar isto. l2 lim l=1 1 π2 = . que ´ o ponto intermedi´rio c˜ e a do intervalo. Portanto a e 1 1 lim − 2 k→∞ 6 π Escrito de outra forma. que ´ igual a zero. e e Quanto ` segunda integral. Assim podemos fazer o ajuste de x(1 − x) usando quantas fun¸oes trigonom´tricas quic˜ e sermos. 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 . 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). k→∞ l2 l2 i=1 k Assim. Usando a primitiva. e a c˜ . O computador ser´ necess´rio porque a convergˆncia para o limite ´ bastante lenta. E a integral de cos u em qualquer per´ e ıodo completo tamb´m ´ nula. porque u cos u pode ser escrito como (u − πl) cos u + πl cos u. Se formos at´ l = k. l2 Exerc´ ıcio 7.´ ˆ 7. podemos obter uma f´rmula para π: o π= 6 ∞ l=1 1 . chegamos em al = − 1 π2 l2 . integramos por partes duas vezes e achamos a primitiva a u2 sen u + 2u cos u − 2 sen u de u2 cos u. 2 l 6 O limite da soma ´ denotado como se a soma fosse infinita e ∞ l=1 1 1 ≡ lim . f (0) estar´ cada vez mais perto de y(0).4.7 Fa¸a um pequeno programa de computador para ver se a f´rmula acima est´ c o a correta. k k→∞ k l=1 1 =0. e portanto sua integral ´ nula. Em c˜ a c˜ particular. 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). O e primeiro termo da soma ´ uma fun¸ao ´ e c˜ ımpar em rela¸ao a x = πl.

fazendo a mudan¸a de vari´veis u = L(x) (com du = L′ (x)dx = λdx). d]. e gostar´ ıamos de ter uma fam´ de fun¸oes ortogonais no intervalo [ˆ. f1 . 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. e e c a Assumiremos que temos uma fam´ de fun¸oes ortogonais f0 . 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) . com peso uniforme. 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 . tomando-se os devidos cuidados. s´ precisamos e c ˆ o mostrar que ˆ d c ˆ ˆ ˆ fl (x)fk (x)dx = 0 . usando a informa¸ao de que. d−c Para facilitar a nota¸ao. Outras situa¸oes c˜ podem ser consideradas. d]. mas n˜o discutiremos receitas a gerais aqui. mas a fun¸ao h(x) ılia c˜ e c˜ da qual queremos fazer o ajuste est´ definida em um intervalo diferente. Isso pode ser feito explicitamente: L(x) = c + d−c (x − c) . d] no intervalo c˜ c ˆ [c. usando uma u ılia o tabela). 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. . sobrejetivamente. ou mesmo a fam´ de fun¸oes trigonom´tricas acima mencionada. nesse caso. c Observe que consideramos apenas o caso cont´ ınuo. Para isso. ılia c˜ c ˆ Em primeiro lugar. . constru´ ımos uma fun¸ao afim L que leve o intervalo [ˆ. . para l = k. c˜ d fl (x)fk (x)dx = 0 . e a maneira ´ simples: recorremos a uma mudan¸a de vari´veis afim.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. chamaremos de λ o coeficiente linear de L: c˜ λ= Afirmamos que a fam´ f0 . tabelada no intervalo ılia c˜ [c. . f1 . . . Ser´ que ainda assim a a podemos aproveitar a informa¸ao dispon´ c˜ ıvel? A resposta ´ sim. d]. . FAM´ ILIAS ORTOGONAIS 7.84 CAP´ ITULO 7.

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

FAM´ ILIAS ORTOGONAIS .86 CAP´ ITULO 7.

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

.

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

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

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

g g Chamando A = B C D = = = v∗ [v(0) − v ∗ ] − h0 g v∗ v∗ [v(0) − v ∗ ] g v∗ g . Assim. g g Agora. 0 t onde h(0) = 0.92 ´ CAP´ ITULO 8. A vari´vel s ´ usada a a e como auxiliar. t h(t) − h(0) = v(s)ds . No gr´fico de velocidades. para diferir do extremo de integra¸ao. pela maneira como fixamos a coordenada. 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) . teremos que resolver a equa¸ao c˜ h0 = g v∗ v∗ [v(0) − v ∗ ] + v ∗ T − [v(0) − v ∗ ]e− v∗ T . isso corresponde a a achar a ´rea sob a curva v(t). se quisermos achar T tal que h(T ) = h0 . ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ v v0 v* 0 h(t) Ent˜o a t O espa¸o percorrido ´ dado pela integral da velocic e dade no intervalo de tempo considerado. g g v∗ v∗ [v(0) − v ∗ ] + v ∗ t − [v(0) − v ∗ ]e− v∗ t .

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

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

o valor de θ correspondente a um volume de ´gua de 3 a ¯ ¯ litros. O mesmo procedimento pode ser e c˜ adotado para se calcular as marquinhas correspondentes a outros valores do volume. CATENARIA 95 onde θ varia entre 0 e π. suponhamos uma corrente pendurada em dois pontos de sustenta¸ao. O gr´fico de v(θ) (de fato. 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. de forma que o gr´fico fique indea ˜ pendente do raio r e do comprimento l do cilindro. ´ o do gr´fico da fun¸ao a e a c˜ f (x) = 1 (cosh(cx) − 1) . Esse ´ o problema de achar a raiz da fun¸ao v(θ) − 3.5. . c˜ c˜ ˜ lr 2 A fun¸ao v (θ) tem derivada nula em θ = 0 (e por simetria em θ = π). o gr´fico de v = v(θ)/lr2 ) est´ esbo¸ado a a ˜ a c na figura abaixo. 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. de forma que toda a escala possa ser constru´ ıda. v ′ (0) = 1 − cos(0) = 0 . no gr´fico. no contorno do cilindro. a achar o valor de θ para o qual v(θ) = 3 (se o volume a for medido em 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) . como j´ dissemos.5 Caten´ria a Mais uma vez. Isso corresponde.´ 8. colocamos na vertical a vari´vel v = lr2 . 8. c desde que a origem do plano cartesiano coincida com o ponto de m´ ınimo da curva.

pois 33 − 20 > 0. 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 . ao qual chamaremos provisoriamente de c0 : e c0 = a0 + b 0 . 2 . 1 (cosh(cx0 ) − 1) . podemos achar o parˆmetro c. usemos a fun¸ao f (x) = x3 − 20. e a e e cosh(cx0 ) − cy0 − 1 = 0 . pois 23 − 20 < 0 e b0 = 3. y0 ). a0 x* b0 No desenho ao lado. 0). um zero da fun¸ao e a e c˜ F (c) = cosh(cx0 ) − cy0 − 1 . f (a0 ) < 0 e f (b0 ) > 0. Seria ao contr´rio se no desenho a fun¸ao fosse decrescente. Da convexidade do cosseno hiperb´lico segue que h´ a c˜ o a apenas dois pontos onde as fun¸oes coincidem. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ Na Subse¸ao 4. isto ´. Para calcular c explicitamente. Sejam a0 e b0 os extremos desse intervalo.2 propusemos uma maneira de achar o parˆmetro c experimentalmente. necessariamente. c˜ Em seguida passamos a cercar a raiz com intervalos. Escolhemos a0 = 2.3. ent˜o c fica completamente a c˜ a determinado uma vez dado (x0 .6 M´todo da Dicotomia e Nesta Se¸ao apresentaremos o M´todo da Dicotomia. e um deles ´ c = 0. o parˆmetro c ´. Escolhemos o ponto m´dio do intervalo. Como c n˜o pode ser c˜ e a zero (pois aparece no denominador. na express˜o da fun¸ao f ). reduziremos o problema a achar o zero de uma fun¸ao cuja vari´vel ´ o parˆmetro c˜ a e a c. no caso n˜o linear. ´ necess´rio algum m´todo num´rico. a Para tanto. Esse a c˜ primeiro passo depende muito do conhecimento pr´vio que e se tem a respeito da fun¸ao. y0 ) = (0. 2. M´todos mais sofisticados ser˜o estudados nos pr´ximos Cap´ c˜ e a o ıtulos. cada intervalo com um tamanho igual ` metade do tamanho do intervalo anterior. Observe que achar x∗ tal que e c˜ f (x∗ ) = 0 ´ o mesmo que achar a raiz c´ bica de 20. Aqui veremos que. a Para ilustrar o m´todo. e u 1. e f f (a0 ) · f (b0 ) < 0 . Observamos ent˜o que a fun¸ao assume valores com sinais a c˜ opostos nesses extremos. c 8. que ´ um m´todo intuitivo de se achar c˜ e e e a raiz de uma fun¸ao. a partir da posi¸ao de e c˜ a c˜ um unico ponto da corrente (excetuando o ponto de m´ ´ ınimo). Graficamente. no entanto. Isso significa que y0 = f (x0 ) = Ent˜o a isto ´. Suponha que a corrente passa por um certo ponto (x0 .96 ´ CAP´ ITULO 8. O primeiro passo ´ isolar a raiz x∗ dentro de um intervalo onde a fun¸ao seja mon´tona: e c˜ o ou crescente ou decrescente. c˜ a atrav´s de um ajuste de fun¸oes.

No entanto em cada etapa s´ sabemos com certeza que a raiz o est´ entre an e bn .5.6875 2.5 2. 97 4.753 − 20 = 0. Repetimos o procedimento 2).12 19.53 − 20 = −4.703125 2. o que nos faz definir o novo intervalo aa [a1 .712890625 2.07 2.989 19.75) = 2.0006 3 rn 15. De posse desse valor.93 20.71484375 2.005 2. Testamos o valor de f em c0 : f (c0 ) = f (2. portanto o erro em assumi-la com o valor de cn ´ a e b n − an .72 ± 0.713867188 2. Conclu´ ımos que x∗ est´ ` esquerda de c1 .5 2.5) = 2.7109375 2.7129 ± 0. colocamos os dados numa tabela.7144 ± 0.9996 Na tabela.714355469 2. o que nos faz definir o novo intervalo aa [a2 .6875 2.0011 2.75 2.7109375 2.´ 8.6.2 19.5 ± 0.75 2.375 < 0 . com um erro en a e garantindo que a raiz esteja entre rn − en e rn + en . b2 ] = [a1 .8 18. calculamos os extremos e centros dos intervalos usando todas as casas decimais dispon´ ıveis na calculadora. 2 Os valores de rn s˜o arredondamentos de cn at´ uma certa casa decimal.69 ± 0.75 19.016 2.5 20. com todas as casas decimais poss´ ıveis.6875 2.625 2. 3. O crit´rio para a determina¸ao de rn e en foi o seguinte. ou seja.703125 2.703 ± 0. b0 ] .13 2.71484375 2. 2 5.04 2.63 ± 0. b1 ].71875 2.966 19.625 2.71875 2.71484375 2.5 2.25 2.75 .7139 ± 0. Prosseguindo.5 3 2.71875 2.713867188 2. Avaliamos f em c1 : f (c1 ) = f (2.71484375 2. agora com o intervalo [a1 .0020 2.715 ± 0. 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 2.013 19.712890625 2.6 20.75 2. c1 ] .71875 2.75 2.75 ± 0. calculamos o ponto m´dio e a1 + b 1 c1 = = 2.796875 > 0 . escolheu-se o n´ mero u 2 . c0 = 2.711 ± 0. Conclu´ ımos que x∗ est´ ` direita de c0 . b1 ] = [c0 .7109375 2. Primeiro determinou-se o erro e c˜ 1 (bn − an ). METODO DA DICOTOMIA Neste caso.008 2.

sen˜o a condi¸ao (ii) pode n˜o ser satisfeita). 13. a a Por exemplo.72. ZEROS DE FUNCOES E O METODO DA DICOTOMIA ¸˜ de algarismos significativos para expressar en . 15. 14.03125. . E preciso a´ testar a condi¸ao ı c˜ (iii): 2.76 > b4 .03. tudo bem. 5. 25.68 < a4 e 2. 11. bn ].71875 na segunda casa decimal. 3. (ii) tomando rn como o arredondamento de cn na casa decimal correspondente a´ ` ultima casa decimal de en . 7. Em seguida arredondamos a c˜ a ´ c4 = 2. de forma que: (i) o primeiro ou os dois primeiros algarismos significativos de en sejam uma dentre as possibilidades 10. (iii) en seja o menor poss´ ıvel. 12. Se essa condi¸ao n˜o c˜ a fosse satisfeita.04 = 2. respeitando (i). para n = 4 temos 1 (b4 − a4 ) = 0.98 ´ CAP´ ITULO 8. 24. o intervalo [rn − en ..72 − 0. .72 + 0. 6. .04 (n˜o 2 podemos usar 0. (ii) e (iii) ao mesmo tempo.04 = 2. 1 ou 2. obtendo r4 = 2. en teria que ser ligeiramente aumentado. rn + en ] contenha o intervalo [an . 4. . O crit´rio dessa escolha baseou-se num e certo grau de “razoabilidade”. ent˜o tomamos e4 = 0. 8 e 9.

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

a conclus˜o ´ que x∗ a e e ϕ(x∗ ) tˆm que ser iguais! e Para resumir. a diagonal. a fun¸ao ϕ esbo¸ada a c˜ c tem 2 pontos fixos (suas quatro ra´ n˜o nos interessam). Em algumas calculadoras. ϕ seja uma fun¸ao cont´ c˜ ınua. 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 ). Exerc´ ıcios de itera¸ao ficam bem mais f´ceis com uma boa calculadora cient´ c˜ a ıfica. uma condi¸ao necess´ria para que o plano geral de achar a raiz x∗ de f por c˜ a itera¸ao de uma fun¸ao ϕ funcione ´ que. Todo ponto x para o qual se tenha ϕ(x) = x ´ chamado de ponto fixo da fun¸ao ϕ. ent˜o a seq¨ˆncia ϕ(xk ) ´ a pr´pria seq¨ˆncia a ue e o ue dos xk . no m´ ınimo. Esboce o gr´fico de ϕ.100 ´ CAP´ ITULO 9. METODOS ITERATIVOS 9. ent˜o ϕ(xk ) deve tender a ϕ(x∗ ) (´ a defini¸ao de fun¸ao cont´ a e c˜ c˜ ınua. Construa a seq¨ˆncia de iterados xk+1 = ϕ(xk ) a partir de x0 = 0. converge para algum ponto fixo? Fa¸a o mesmo para x0 = 2.5.2 Pontos fixos A primeira observa¸ao pertinente a respeito do plano geral tra¸ado acima ´ sobre o tipo de c˜ c e ponto que deve ser x∗ . ent˜o xk tende a a ϕ(x∗ ). e depois c para x0 = 1. Por outro lado tem-se que ϕ(xk ) = xk+1 . A seq¨ˆncia a ue ue converge? Se converge. valha ϕ(x∗ ) = x∗ . O que e c˜ acabamos de concluir ´ que a fun¸ao auxiliar ϕ deve ter a raiz x∗ de f como ponto fixo. pense nisso!). As vezes essa vari´vel pode ser colocada na f´rmula ´ a a o . Ora. n˜o ´ suficiente para que o plano dˆ certo. Algumas vezes ´ preciso iterar bastante. Na figura abaixo. Como ϕ(xk ) tende a ϕ(x∗ ).1 Determine os pontos fixos (se houver) de ϕ(x) = x2 − x + 0. 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. ao contr´rio das ra´ de f . 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. existe uma vari´vel de mem´ria que a a o ` guarda a resposta do ultimo c´lculo. se xk tende a x∗ . que s˜o localizadas pelo cruzamento a a ızes a do gr´fico de f com a abscissa (y = 0). por exemplo. no m´ c˜ c˜ e ınimo. como veremos mais c˜ a e e adiante. adiantada no ´ ındice k de uma unidade. ızes a ϕ 1 0 1 0 1 0 1 0 Exerc´ ıcio 9. no entanto. notamos que. Esta condi¸ao. mas se xk tende ao mesmo tempo para x∗ e para ϕ(x∗ ).5. Supondo que.

a H´ tamb´m.2 Tome ϕ(x) = 3.3 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∗ . defina c c˜ c˜ e ϕ(x) = x + f (x) . x∗ ´ um ponto fixo de ϕ. assim aparecer´ o valor de x2 . (iv) o e a a partir da´ ´ s´ ir apertando “EXE” que v˜o aparecendo os xk ’s.9. em algumas calculadoras CASIO essa vari´vel chama-se “Ans”.3. fazendo com que 1. FUNCOES AUXILIARES CANDIDATAS ¸˜ 101 completa. Inversamente.3. isto ´. a possibilidade de se fazer um pequeno programa em computador a e e para realizar essas contas. em seq¨ˆncia. (ii) escreve-se “Ans2 − Ans + 0. ou mesmo e u ϕ(x) = x + α(x)f (x) . O que acontece com a seq¨ˆncia de ue iterados? 9.25. Calculadoras que permitem colocar a f´rmula inteira antes de fazer a conta o s˜o as melhores para isso. Exerc´ ıcio 9. a Procede-se assim. Note que se x∗ for uma raiz de f ent˜o a ϕ(x∗ ) = x∗ + f (x∗ ) = x∗ . ´ claro.5 e aperta-se “EXE”. e e substituindo o valor anterior). e de maneira surpreendentemente simples! Para come¸ar.5 seja armazenado em “Ans”. que ´ o x1 (e esta resposta ´ armazenada em “Ans”.5 e ϕ(x) = x2 − x + 0. 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.1x(1 − x) e x0 = 0.3 Tome ϕ(x) = 4x(1 − x) e x0 = 0. mesmo assim ela deve ter maneiras de a armazenar valores em mem´ria. Por exemplo. que ´ o x1 . . para x0 = 1. se x∗ for um ponto fixo de ϕ ent˜o x∗ ser´ e e a a tamb´m uma raiz de f . onde α ´ um n´ mero real qualquer. ıe o a ue Se a calculadora n˜o dispuser desses recursos. Em conclus˜o. tome a fun¸ao f (x) e adicione a ela a fun¸ao identidade.5”. isto ´. s´ que a partir do novo valor de “Ans”.5: (i) escreve-se 1. Qualquer linguagem que lide facilmente com n´ meros reais serve u para isso. O que acontece com a seq¨ˆncia de ue iterados? Exerc´ ıcio 9. 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) .3. (iii) apertando “EXE” novamente a calculadora far´ a mesma a conta. Guarde o resultado xk na mem´ria e procure us´-la na hora o o a de calcular xk+1 . onde α(x) ´ uma fun¸ao (cont´ e c˜ ınua) qualquer. apertase “EXE” e aparece a resposta 1.

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

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

0.7 Se a regra fosse “verticalmente at´ a diagonal e horizontalmente at´ o e e gr´fico”. (iii) x0 = 0. (iv) x0 = 0. isto ´.104 ´ CAP´ ITULO 9.6 Como se explica um ponto fixo no procedimento acima? Exerc´ ıcio 9. Para come¸ar. que c o e numa vizinhan¸a (pequena) de x∗ n˜o exista nenhum outro ponto fixo. adotaremos como hip´tese que o ponto fixo x∗ seja isolado. 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.0. n˜o ue a converge? D´ para inferir o que acontecer´ com o restante das condi¸oes iniciais? a a c˜ Exerc´ ıcio 9. (v) x0 = 0.8 Uma pr´-imagem de um ponto y pela fun¸ao ϕ ´ um ponto x tal que ϕ(x) = y. tra¸ado no come¸o do Cap´ c c ıtulo.75. Isto tamb´m significa c a e que perto de x∗ o gr´fico de ϕ s´ toca a diagonal no pr´prio x∗ .5 Iterando perto de pontos fixos Vejamos agora. uma vez que nosso e a objetivo ´ encontrar o ponto fixo por aproxima¸oes sucessivas. METODOS ITERATIVOS ϕ(x) x4 x3 x1 x2 x0 Exerc´ ıcio 9. (vi) x0 = 1. atrav´s de esbo¸os. (vii) x0 = 1. o procedimento estaria bem definido? A regra seria clara? a Exerc´ ıcio 9. O que acontece com cada seq¨ˆncia de iterados? Converge.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. e c˜ e Muitas vezes um ponto tem mais do que uma pr´-imagem. Usando um gr´fico de ϕ.25.5. (ii) x0 = 0. Sem isso. n˜o teremos condi¸ao e c˜ a c˜ de preencher o terceiro item do nosso plano geral. 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 o o . 9.25.5.

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

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

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

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

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

ambos atratores? Justifique sua resposta. O exerc´cio fornecer´ apenas uma e c˜ e ı a resposta aproximada. com inclina¸ao dada pela derivada de ϕ no ponto fixo. temos e xk+1 − x∗ = ϕ′ (ck )(xk − x∗ ) . Existe dk entre ck e x∗ a e tal que ϕ′ (ck ) = ϕ′ (ck ) − ϕ′ (x∗ ) = ϕ′′ (dk )(ck − x∗ ) . c˜ e Para aplicar o Teorema do Valor M´dio na derivada de ϕ assumiremos que ϕ seja duas e vezes diferenci´vel. e e a Um ponto fixo com derivada nula ´ tamb´m chamado de super-atrator. al´m disso. se xk estiver nessa vizinhan¸a. Suponha que c˜ a a distˆncia da condi¸ao inicial x0 ao ponto fixo x∗ seja da ordem de D. ent˜o |ck − x∗ | ≤ |xk − x∗ |. baseada em suposi¸oes que nem sempre s˜o satisfeitas. Portanto |xk+1 − x∗ | = |ϕ′′ (dk )| · |ck − x∗ | · |xk − x∗ | . por causa da e e rapidez com que se d´ a convergˆncia. Como ck est´ entre xk e x∗ . os valores de ϕ′′ (dk ) estar˜o muito pr´ximos de ϕ′′ (x∗ ).16 E poss´vel existir uma fun¸ao cont´nua ϕ que tenha apenas dois pontos ı c˜ ı fixos. em m´dulo. Podemos ir e e a e mais al´m no Teorema do Valor M´dio. o que a significa que a taxa de convergˆncia ´ melhor do que qualquer raz˜o geom´trica. Ent˜o. a a ´ Exerc´ ıcio 9.110 x ´ CAP´ ITULO 9. xk − x∗ Exerc´ ıcio 9. supondo que ϕ′′ seja a a e cont´ ınua. e e e obter uma informa¸ao mais precisa sobre a taxa de convergˆncia. mas guarde os iterados. Calcule ϕ′ (x∗ ) e compare com as raz˜es ` o xk+1 − x∗ . 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∗ . 9. METODOS ITERATIVOS Exerc´ ıcio 9. ter-se-´ o a c a |xk+1 − x∗ | ≤ C|xk − x∗ |2 .14 Tome a fun¸ao ϕ(x) = e4 − x. Mas se ϕ′ (x∗ ) = 0 ent˜o podemos usar o Teorema do Valor M´dio. a e . o que significa que a c˜ taxa geom´trica de aproxima¸ao ´ mais ou menos constante. Iterando a partir de x0 = 0. ache seu ponto c˜ ∗ fixo x mais a esquerda.6.15 Este exerc´cio ´ para transformar a informa¸ao sobre a velocidade de conı e c˜ vergˆncia em informa¸ao sobre o tempo de convergˆncia. que motiva a definir o regime de convergˆncia com o nome de convergˆncia quadr´tica. aplicando-o novamente desta feita na derivada de ϕ. Depois acrescentaremos a hip´tese de que essa segunda derivada tamb´m a o e seja cont´ ınua. 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. e portanto estar˜o limitados a o a por uma constante C.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. Retomando a desigualdade obtida no Teorema do Valor M´dio.

1(x−1) 1 Ocorre no entanto que nos casos onde a derivada ´ 1. Observe que se f ′ (x∗ ) for igual a zero ent˜o ϕ′ (x∗ ) ser´ igual a 1.A ESCOLHA DE ϕ ¸˜ 111 Exerc´ ıcio 9. tome a fun¸ao f (x) = (x − 1)2 . pois j´ temos todos os ingredientes para isso: uma maneira c˜ a de se construir fun¸oes ϕ que tenham x∗ como ponto fixo. Compare com a convergˆncia geom´trica. que n˜o chega nem a ser geom´trica. Na verdade podemos saber sim. por exemplo. e crit´rios para saber se o ponto fixo x∗ ´ atrator ou n˜o. mesmo havendo convergˆncia ela se e e d´ de forma muito lenta. Por exemplo. e compare as velocidades de convergˆncia. Mostre que 1 2k ak ≤ (Ca0 ) . se desenharmos o gr´fico a e a a de ϕ. e ` 9. e a´ n˜o poderemos a a ı a saber se h´ convergˆncia ou n˜o. c˜ que tem raiz x∗ = 1.1f (x) = x + 0. c˜ e e 1 c˜ Exerc´ ıcio 9. CALCULANDO ZEROS DE FUNCOES . ` ent˜o a seq¨ˆncia convera ue gir´ para o ponto fixo.a escolha de ϕ co Podemos neste momento retornar ao plano geral tra¸ado no come¸o do Cap´ c c ıtulo para achar uma raiz x∗ de uma fun¸ao f . e de ak a distˆncia a a de xk a x∗ .18 Itere ϕ(x) = x + sen x e ψ(x) = x + 2 sen x. escrevendo ϕ(x) = c˜ x + αf (x). 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.9. a luz do que foi exposto acima. em fun¸ao da derivada da f : c˜ ϕ′ (x) = 1 + αf ′ (x) . . e a com constante C.17 Chame de a0 a distˆncia de x0 ao super-atrator x∗ . Mais adiante veremos como a a e superar este problema. Suponha que em todos os iterados vale a estimativa de convergˆncia quadr´tica. a 2 f(x) = x + 0. De acordo com o que dissemos. Essa raiz ´ ponto fixo de ϕ(x) = e x + 0.7 Calculando zeros de fun¸˜es . a partir da condi¸ao inicial x0 = 1. como mostra a figura ao lado. e e a Nosso objetivo ´ explorar a escolha de α na express˜o ϕ(x) = x + αf (x) de modo que a e a raiz procurada x∗ seja um atrator e o plano geral funcione.7. ´ preciso que a derivada ϕ′ (x∗ ) tenha m´dulo menor do e o que 1. A derivada de ϕ sabemos calcular. Sabemos que se iniciarmos a itera¸ao com c˜ x0 perto e a esquerda de 1.1(x − 1)2 .

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

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

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

. .28. esta ´ a que adotaremos neste livro).2787. 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. e e Como estamos supondo que f ´ mon´tona. Suponha que queiramos determinar uma aproxima¸ao de x∗ com precis˜o p. que tem unica raiz (veja isto esbo¸ando o ´ c gr´fico!). Os iterados x6 e x7 foram a rigor desnecess´rios. Se esse produto for negativo. isso s´ acontecer´ se f assumir sinais opostos e o o a em x − p e x + p. Observe que a c˜ ¯ pelo crit´rio de parada j´ poder´ e a ıamos parar em x5 . e Para exemplificar. ´ preciso uniformizar a maneira de encontr´-las). ´ E claro que devemos prestar um pouco de aten¸ao para o n´ mero de casas decimais que c˜ u usamos nas contas.29) < 0 ent˜o podemos considerar a aproxima¸ao x = 1. fornecem tamb´m a margem e e de erro da aproxima¸ao. isto ´.3213.9 Um crit´rio de parada e Existem v´rios crit´rios de parada. e a . o e a e ou seja. e para cada iterado xk calcular f (xk − p)f (xk + p) . Ent˜o x1 = 2. .2668. a fun¸ao ´ e c˜ e mon´tona. regras para se considerar um determinado iterado a e e xk como a aproxima¸ao desejada para a raiz procurada x∗ . xk . obtendo valores a c˜ x0 . a x2 = 1. . x1 . e em segundo e a lugar para automatizar os procedimentos. Temos que usar no m´ ınimo um n´ mero de u casas decimais compat´ com a precis˜o desejada. Neste ıvel a a caso. no entorno da raiz. x7 = 1. UM CRITERIO DE PARADA 115 9.27) > 0 e f (1. mas se tivermos que ıvel a automatizar para um programa de computador conv´m tomar certos cuidados. e cada etapa arredondaremos para a quarta casa decimal. x6 = 1. como aquele que vamos ver aqui.2817. Partindo de x0 = 0. x + p] (a interpreta¸ao do que significa exatamente a precis˜o p varia de acordo com x ¯ c˜ a o gosto do freguˆs.. f (x1 )f (x2 ) < 0 . ent˜o nada mais temos a fazer do que iterar a fun¸ao auxiliar ϕ. e se fixarmos xk talvez queiramos arredondar para uma casa decimal compat´ com a precis˜o desejada. seja f (x) = e−x − x + 1 = 0. x5 = 1. Isto significa c˜ a que gostar´ ıamos de encontrar um valor x tal que a verdadeira raiz x∗ esteja no intervalo ¯ [¯ − p. Usaremos ϕ(x) = e−x + 1 como fun¸ao auxiliar. Isso pode ser feito com bom senso. x4 = 1. faremos as contas com todas os algarismos significativos da calculadora. ent˜o podemos considerar xk como sendo a aproxima¸ao desea c˜ jada.2776. se x1 < x∗ < x2 ent˜o os valores de f (x1 ) e f (x2 ) tˆm sinais opostos. x3 = 1. . Como f (1.´ 9. isto ´. . c˜ O crit´rio do qual falaremos aqui funciona quando. no entanto ao arredondarmos para 1. por exemplo 4 parece ser razo´vel.28 conv´m fazer o teste novamente. ¯ ¯ Bom. Alguns crit´rios de parada.1353. . para achar a raiz x∗ com precis˜o a c˜ a p = 10−2 . a fim de minimizar os erros.9. obtemos os iterados.

116 ´ CAP´ ITULO 9. METODOS ITERATIVOS .

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

e assim por diante. Ora. o A t´ ıtulo de exemplo apliquemos o m´todo no exemplo f (x) = x3 − 20. xk . por exemplo x0 = 3.7144175) = 2. 3x2 k Em primeiro lugar “chutamos” o valor de x0 .71441753 − 20 = −0.7144176 ± 0. x2 .0000018 > 0 . Ent˜o verificamos a a se os n´ meros f (2.6 2 2.0000001 . usaremos 7 casas decimais depois da v´ ırgula.71441773 − 20 = 0.7144177) = 2.7407407 .7146696 20.1 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 .0000026 < 0 e f (2.0056 3 2. .7144177) tˆm sinais opostos. e obtemos x1 : x1 = 74 2 · 33 + 20 = = 2.7144176 19.118 ´ CAP´ ITULO 10. Neste exemplo.9999996 4 2. convergindo ` raiz x∗ procurada? ue a . x4 .7144175) 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 . . para facilitar os argumentos). 10. A partir de x1 calculamos x2 . a ıpio e Por exemplo.7407407 20. queremos saber se essa resposta tem precis˜o de 0. .0000001. . . donde conclu´ ımos que √ 3 20 = 2. n xn x3 n 0 3 27 1 2. u e f (2. pois um arredondamento foi ´ a e efetuado. 3 · 32 27 ´ E claro que a ultima igualdade n˜o ´ de fato uma igualdade. e Para f (x) = x3 − 20 temos f ′ (x) = 3x2 . 3x2 k x3 − 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.7144176 19. O METODO DE NEWTON desde que f ′ (xk ) = 0 (hip´tese que assumiremos gratuitamente. Os resultados se encontram na tabela abaixo. x3 .

. . .5 = 0 5. f ′ (x)2 e como f (x∗ ) = 0. Antes disso. quase sempre podemos garantir que “se x0 for escolhida suficientemente pr´xima de x∗ ent˜o a seq¨ˆncia x1 . por exemplo. com derivada cont´ c˜ a ınua. . convergir´ para x∗ ”. No caso f ′ (x∗ ) = 0 n˜o podemos aplicar o racioc´ a ınio diretamente. Mais ainda. . . nem sempre isso ´ poss´ e ıvel sem se conhecer a raiz!!). . −2 + 3x = e−x 2.5x = 0 4. a seq¨ˆncia ue x1 . . . (x) Ora. a resposta ´ n˜o! Vejamos dois argumentos bastante e a simplistas para justificar o porquˆ. x3 . 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. x2 . a seq¨ˆncia x1 . x2 . Esse caso ser´ analisado na pr´xima Subse¸ao.3x4 + 0. obtemos c˜ ϕ′ (x) = f (x)f ′′ (x) . a convergˆncia ´ (no m´ ue e e e ınimo) quadr´tica. . mais r´pida do que qualquer a e a a a seq¨ˆncia geom´trica. x4 .1x + 0. xn . pode se afastar! Veja um exemplo na figura ao lado. Exerc´ ıcio 10. xn . usando as regras usuais de deriva¸ao. a o c˜ c pediremos sempre que f seja uma fun¸ao diferenci´vel. xn . x2 . . . . porque teremos uma divis˜o “zero sobre zero”.´ 10. . x5 + 3x2 − x + 1 = 0 3. x3 . x4 .3x4 − x3 − x2 − 2x + 2 = 0 . x3 . . O “quase o a ue a sempre” se refere `s hip´teses que devemos exigir que a fun¸ao f satisfa¸a. 0. QUANDO O METODO DE NEWTON FUNCIONA? 119 Se formulada a pergunta desse jeito. 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) . calculada na raiz x∗ . vale a a o c˜ a pena fazer alguns exerc´ ıcios. cos x + 0. f (x) = x2 − 4. De fato. . devemos examinar como f se comporta perto da raiz (infelizmente. x4 . s´ poder´ convergir para uma das ue o a ra´ ızes! A outra fatalmente ser´ esquecida. e O primeiro: imagine uma fun¸ao com duas ra´ c˜ ızes. segue que ϕ′ (x∗ ) = 0. vale zero. Para qualquer escolha de x0 . f x* x0 x 1 No entanto. . . 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. 0. .1.1 Use o M´todo de Newton para resolver as seguintes equa¸oes: e c˜ 1. .2x3 + x2 + 0. Por exemplo. .

7 Considere a fun¸ao f da figura abaixo.5 Considere a caten´ria dada por a g(x) = 1 (cosh(cx) − 1) . c 2 Repare que g(0) = 0. f ′ (x) . . com precis˜o a −7 p = 10 . (iii) x0 = 1.5.2 Considere a fun¸ao ψ cujo gr´fico est´ mostrado na figura acima. c˜ ´ CAP´ ITULO 10. que tem unica raiz x∗ = 0. Se usarmos o M´todo de Newton c˜ e para essa fun¸ao. x1 = ψ(x0 ). y) = (0. o que acontece com a seq¨ˆncia x0 . teremos que considerar iterados de c˜ ϕ(x) = x − f (x) . . a esc˜ a a ` querda. .3 Esboce uma fun¸ao que tenha ra´zes a e b (com a < b). qual ser´ o menor valor de k para o qual c˜ a xk < 10−20 ? Exerc´ ıcio 10. (iv) x0 = 2. xk = ψ k (x0 ). ` e Exerc´ ıcio 10. (ii) x0 = 1.6 Considere f (x) = x5 . O METODO DE NEWTON 2 ψ 2 1 1 1 2 1 2 f Exerc´ ıcio 10. . Exerc´ ıcio 10. justificando (pode usar desenhos nas justificativas!). Justifique sua resposta da melhor forma que puder.0. a direita? Dˆ duas justificativas essencialmente diferentes para sua resposta. .4 Encontre numericamente o valor de x tal que e−x = x. isto ´. a curva passa por (x. 2. 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).0. qual ´ o valor de c? e Exerc´ ıcio 10.120 Aten¸ao: alta probabilidade de pegadinhas.2. (v) x0 = 2. Se a curva tamb´m passa por e e (x. . 1). Se o M´todo de Newton ´ e for aplicado a partir da condi¸ao inicial x0 = 1. A fun¸ao ψ pode ser a fun¸ao de itera¸ao de M´todo de Newton aplicado a fun¸ao f c˜ c˜ c˜ e ` c˜ acima. y) = (1. Exerc´ ıcio 10. para cada uma das cinco possibilidades: ue (i) x0 = 0. 0). . Descreva.7. 1.

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

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

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

e . precisamos acrescentar um parˆmetro h.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. porque afinal n˜o faz sentido a dividir por vetores. ou seja. de modo a que 1 f (x) = cosh(c(x − a)) + h c ´ a maneira mais geral de se representar o formato da corda. a No entanto. A implementa¸ao c˜ c˜ desta id´ia deve ser feita com o aux´ do computador. x − x(k) tomando-se o cuidado de tomar a norma no denominador. Assim como a solu¸ao de um sistema linear ´ um encontro de hiperplanos em Rn . onde x(k+1) ´ a inc´gnita. que ser´ somado ` express˜o acima. 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. isso ´ um problema. uma corda ou corrente pendurada assume o formato do c˜ gr´fico da fun¸ao a c˜ 1 cosh(cx) . por exemplo) e do comprimento da corda entre os dois pontos. c˜ c˜ que pode freq¨ entemente levar o m´todo a divergir. Para n = 2.124 O resto R1 tem a propriedade de que lim ´ CAP´ ITULO 10. pela quantidade de c´lculos a serem e ılio a feitos. os hiperplanos s˜o retas e as hipersuperf´ a ıcies s˜o curvas.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. c˜ DF (x(k) )x(k+1) = DF (x(k) )x(k) − F (x(k) ) . c conhecida como caten´ria. pelo menos organize uma estrat´gia baseada ı e 2 no M´todo de Newton. Observe que essa equa¸ao ´ um sistema linear.2. 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) ). O METODO DE NEWTON x→x(k) R1 (x) =0. mas mesmo assim deve-se prestar bastante aten¸ao para o chute da condi¸ao inicial. e Exerc´ ıcio 10. Bom. 10. De modo geral. Para definir x(k+1) . Sugere-se fazer o seguinte exerc´ a ıcio para fixar id´ias. ignoramos R1 e igualamos a aproxima¸ao de primeira ordem a zero: c˜ 0 = F (x(k) ) + DF (x(k) )(x(k+1) − x(k) ) .2. u e Como vimos na Subse¸ao 4. principalmente porque e e pode haver mais do que uma intersec¸ao entre as curvas. Quanto ao chute inicial. se quisermos deslocar a corda na vertical.3. a c˜ e solu¸ao de um sistema n˜o-linear ´ um encontro de hipersuperf´ c˜ a e ıcies em Rn .

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

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

Parte IV Interpola¸˜o Polinomial ca 127 .

.

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

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

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

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

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

Portanto a diferen¸a pi (t) − pi (t) ´ um polinˆmio de grau c j j−1 no m´ximo j − i. . . . . tj−1 . Nesta Se¸ao veremos outra forma de interpolar. . sejam i e j tais que 0 ≤ i ≤ j ≤ k e seja pi (t) o polinˆmio o j interpolador dos pontos (ti .134 ´ CAP´ ITULO 12. . Ela leva c˜ certa vantagem em um aspecto: ´ mais f´cil acrescentar um ponto ` interpola¸ao. . zj−1 . . z0 ). e atrav´s de uma combina¸ao linear dos polinˆmios de c˜ c˜ e c˜ o Lagrange. tj−1 eles coincidem. . tj ) . c˜ Olharemos para as interpola¸oes parciais. tj ) . . 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. . . . respectivamente. tem grau zero e ´ identicamente igual a zi ). k−1 k−2 (12. e os zi ’s podem c˜ o ser experimentais ou provenientes de uma fun¸ao (zi = f (ti )). . a c˜ Seja (t0 . tanto faz. . ´ que os ti ’s sejam dois a dois distintos. . (t − tk−1 ) . . (t − 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. (t − tk−2 ) . isto ´. . sem ter e a a c˜ que desmanchar (ou revisar) as contas feitas anteriormente. . e da mesma forma teremos pi (t) − pi+1 (t) = c(t − ti+1 ) . . a pi (t) − pi (t) = c(t − ti )(t − ti+1 ) .1) A constante c depende dos pares (ti . . como de h´bito. com i < o j tome pi (t) e pi (t). zi ). . enquanto que pi (t) ´ o polinˆmio interpolador de um ponto s´ (portanto pi (t) ≡ e o o i i k zi . Lembremos que o grau (m´ximo) de e e a pi (t) ´ j − i. (t − tj−1 ) . . . (tj . . . o polinˆmio interpolador procurado ´ o e p(t) = p0 (t). pois pi (t) ´ o polinˆmio interpolador de j − i + 1 pontos. k k−1 mas tamb´m e p0 (t) = p0 (t) + ω(t0 . assumindo-se implicitamente que os zi ’s est˜o automaticamente associados aos ti ’s. Nos pontos ti . Mais precisamente. . tk )(t − t0 )(t − t1 ) . por indu¸ao. (tk . . teremos que investigar um pouco mais alguns aspectos e subjacentes ` interpola¸ao. . . . . pois assumem os mesmos valores c˜ e o zi . j j−1 (12. pois da´ sairia o polinˆmio interpoe ı o lador. tk−1 )(t − t0 ) . j−1 j e ser´ denotada por a ω(ti . chamada forma de Newton. que se anula nos pontos ti . . . . A unica ´ exigˆncia. t1 . . . . que envolvem apenas certos subconjuntos dos c˜ pontos acima. que nada mais ´ do que o n´ mero u e u j de pontos que ele interpola. . ˜ j j onde c ´ denotada por ˜e α(ti . zj ). Por exemplo. que diferem entre si pelo fato de que pi (t) n˜o abrange tj em a j j−1 j−1 sua interpola¸ao. . (tj . (t1 . . a Podemos alternativamente suprimir o primeiro ponto da lista. . zk ) o conjunto de pontos que se deseja interpolar. z1 ). . Para obter esse novo m´todo. A vantagem de se determinar os ω’s (ou α’s) ´ clara. . ti+1 . zj ) (pois estes determinam pi (t) e pi (t)). . TECNICAS DE INTERPOLACAO ¸˜ da interpola¸ao gera uma equa¸ao. Ter´ c˜ ıamos p0 (t) = p0 (t) + ω(t0 . . . ou seja. zi ). e e o j j Chamaremos de ordem de pi (t) ao n´ mero j − i + 1.2) . Assim. .

porque podem ser a c deduzidos da Equa¸ao 12. mas pi (tj ) depende de se conhecer previamente o polinˆmio o j j−1 pi (t). c˜ J´ a interpola¸ao de dois pontos ti e ti+1 (0 ≤ i ≤ k − 1) ´ um polinˆmio de grau 1.1. . + ω(t0 . tk )(t − tk )+ k +α(tk−2 . embora n˜o possamos nos livrar e a a de alguma indu¸ao. 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. . estipulando-se que α(ti ) = zi . . . Assim c˜ ω(ti . zi+1 ). logo ω(ti . . Os ω’s (e analogamente os α’s) s˜o chamados de diferen¸as divididas. t1 )(t − t0 )+ k 0 +ω(t0 . . (t − tk−1 ) . . (tj − tj−1 ) onde conhecemos pi (tj ) = zj . colocando-se t = tj . c˜ Partiremos de uma pequena observa¸ao sobre os polinˆmios de ordem 1 e 2 (um e dois c˜ o pontos). Nosso e j−1 objetivo ´ buscar um meio mais f´cil de determinar ω’s e α’s.12. t2 )(t − t0 )(t − t1 ) + . . . (tj − ti ) . ti+1 − ti ti+1 − ti . FORMA DE NEWTON e assim por diante. pi (t) = zi+1 + α(ti . ti+1 ) = Analogamente. mas ´ um caminho trabalhoso. tk )(t − tk−1 )(t − tk ) + . . Isso possibilita achar os ω’s indutivamente. i por defini¸ao. (t − tk ) . cujo a c˜ e o gr´fico ´ uma reta. t1 . zi ) e (ti+1 . portanto pi (t) = zi = ω(ti ) = α(ti ) . ti+1 )(t − ti+1 ) . . k. c˜ zi+1 − zi ω(ti+1 ) − ω(ti ) = . . . tk )(t − t0 ) . c˜ Se procedˆssemos inversamente na ordem dos pontos. para todo i = 0. . . . . . e depois enunciaremos um resultado geral que servir´ a nossos prop´sitos. chegar´ e ıamos em p0 (t) = α(tk ) + α(tk−1 . pois α(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. ti+1 )(t − ti ) . . + α(t0 . . de forma que p0 (t) = p0 (t) + ω(t0 . 135 Como p0 (t) ≡ z0 . k). . Temos a e pi (t) = zi + ω(ti . . . tk )(t − t1 ) . .2. . tj ) = pi (tj ) − pi (tj ) j j−1 . ti+1 ) = ω(ti . . i+1 donde α(ti . . . convencionaremos que ω(t0 ) = z0 (e ω(ti ) = zi . i+1 que pode ser obtido da Equa¸ao 12. 0 para que a nota¸ao fique uniforme.1 diretamente. . ∀i = 0. . tk−1 . Vejamos como generalizar nossas observa¸oes para qualquer ordem. ti+1 ) ´ tamb´m a inclina¸ao da c˜ e e c˜ reta que passa por (ti . Mas ω(ti . ti+1 ).

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

. . 2 ). ficamos com 4 1 p(t) = 1 + t − 3t2 + t3 . 3 2 3 2 2 Juntando termos de mesmo grau. tk−2 ) ω(tk−1 ) ω(tk−1 . . . . . . . t1 . . . ω(t0 . . 0). tk ) 1 1 2 −1 3 −2 −1 3 7 3 −1 0 4 3 2 2 Da tabela. Isso ´ poss´ porque conhecemos os ω’s de ordem 1. . . que s˜o os zi ’s. . . . . 1). tiramos o polinˆmio interpolador procurado: o 1 1 4 1 3 p(t) = 1 + (−1) · (x − 0) + (− )(x − 0)(x − ) + (x − 0)(x − )(x − ) . . p( 2 ) e p(2) e vemos que batem 2 1 com 1. acabaremos por montar a seguinte tabela (confira!): 0 1 2 3 2 ω(t0 . tk ) . o 2 3 ( 2 . . . . −1 e 0. −1). . . .12. . . . . tk−1 . p( 1 ). . . .2. FORMA DE NEWTON 137 12. . tk ) ··· ω(tk−2 . tk ) ω(tk ) Cada ω(ti . . . . . . ··· . . . . 0 k−1 ) . . 6 3 3 Para verificar que deu certo. tj ) ´ o cume. . se quisermos achar o polinˆmio interpolador dos pontos (0.2. c˜ t0 t1 t2 . . . tj ) pode ser obtido da diferen¸a entre os dois elementos adjacentes da coluna c imediatamente ` esquerda (o de baixo menos o de cima). (2. .3 permite que calculemos os ω’s em fun¸ao de seus correspondentes de ordem c˜ c˜ inferior. . . t2 ) . tk−2 tk−1 tk ω(t0 ) ω(t0 . dividida pela diferen¸a tj − ti . ω(t1 . . . . . ω(t . .1 Exemplo do uso da forma de Newton A Equa¸ao 12. . testamos os valores p(0). . . t2 ) ω(t2 ) . . ( 1 . e 1 Por exemplo. 2 . t . A seguinte e ıvel a tabela mostra como podemos esquematizar as informa¸oes. ω(tk−2 ) ω(tk−1 . . . . t1 ) ω(t1 ) ω(t1 . a c onde ti e tj s˜o encontrados como as extremidades da base da pirˆmide (deitada) da qual a a ω(ti .

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

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

.

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

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

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

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

β sen t). a a para algum 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 ) . a distˆncia ser´ aproximadamente c˜ a a a igual a ∆t x′ (ti )2 + y ′ (ti )2 . cos t). y(t)). isto a e ´. O vetor γ ′ (t) = (x′ (ti ). Portanto o comprimento do c´ ırculo ´ e ′ 2π 0 γ ′ (t) dt = 0 2π dt = 2π . ou ∆t (x′ (ti ). de forma que o per´ ımetro p da elipse ´ dado por e 2π p= 0 a2 sen2 t + b2 cos2 t dt . Cada termo da soma ´ a distˆncia entre dois pontos consecutivos γ(ti ) e γ(ti+1 ). Por exemplo. logo a γ (t) = 1. y) pertence ` curva ent˜o (x. b sen t). sen t) e γ ′ (t) = (− sen t. . a Se cada uma das fun¸oes coordenadas for diferenci´vel. podemos proceder com uma id´ia semelhante ` exposta acima para calcular o comprimento do e a gr´fico de uma fun¸ao. . COMPRIMENTO DE CURVAS E GRAFICOS 145 com t variando em [0.3. b cos t). α2 β Uma curva γ(t) ´ expressa com duas fun¸oes. a Estamos sempre supondo que a e b s˜o positivos.´ 13. que o semi-eixo maior da elipse est´ na vertical. Basta ver que se (x. no caso do c´ ırculo unit´rio. seu per´ ımetro l depende de a e b. Tomando γ(t) = (a cos t. b]). Somando o comprimento dos e segmentos e fazendo o limite quando ∆t vai a zero. e c˜ Se quisermos calcular o comprimento total da curva (com t variando no intervalo [a. y ′ (ti )) ´ o vetor derivada da curva γ(t). . y ′ (ti ) . conclu´ ımos que o comprimento da curva ´ dado pela integral e b a γ ′ (t) dt . Esta e a distˆncia ´ dada explicitamente por a e (x(ti+1 ) − x(ti ))2 + (y(ti+1 ) − y(ti ))2 . b] com uma parti¸ao a = t0 < t1 < . temos e a γ ′ (t) = (−a sen t. y) = (α cos t. logo x2 y2 + 2 =1. uma para cada coordenada: γ(t) = (x(t). Dividimos o intervalo [a. e iremos tamb´m assumir que a < b. que s˜o os tamanhos dos semi-eixos. pelo Teorema de Pit´goras. 2π]. como era de se esperar! No caso da elipse. γ(t) = (cos t.

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

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

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

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

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

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

Ele pode ser obtido. para sermos honestos.σ (t)dt = a 1 √ σ 2π b−τ a−τ e− 2σ2 du .7 A gaussiana Como vimos na Subse¸ao 4. 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. e c˜ e ıcio c˜ 13.2). Ent˜o a b Pτ.σ (x) = √ exp{− 2σ 2 σ 2π Para sabermos a probabilidade de ocorrer um evento dentro do intervalo [a. u2 .152 ˆ ´ CAP´ ITULO 13. tomemos u = t − τ (du = dt). S´ c˜ e o que. a c˜ A constante e ´ definida como sendo o (´ nico) n´ mero que satisfaz a equa¸ao e u u c˜ ln x = 1 . Pτ. Como e e e c˜ x ln x ≡ 1 1 dt t (vide Apˆndice B). 1 + t2 Lembremos tamb´m que o logaritmo ´ definido atrav´s de uma integra¸ao. b] precisamos calcular a integral b Pτ. 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. 1 + t2 π 4. mas atrav´s de uma mudan¸a e c 2 de coordenadas podemos reduzir o problema a calcular integrais de e−x .σ (t)dt . resolvendo-se essa equa¸ao pelo M´todo de Newton. ent˜o a x 1 . a ´ E um pouco chato calcular integrais com essas constantes.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 . 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. a distribui¸ao de probabilidade mais comum na natureza ´ c˜ c˜ e dada pela fun¸ao c˜ 1 (t − τ )2 }. Por exemplo. 1 + x2 1 dt .6. por exemplo.

onde A = e 2 eB= b−τ √ . Em probabilidade. uma integral de e−x no intervalo [A. a−τ √ σ 2 2 isto ´. B]. . σ 2 Acontece que e−x ´ uma daquelas fun¸oes que n˜o tˆm f´rmula para sua primitiva. que u a a servem para a maioria dos prop´sitos.7.13. como ´ muito ı o e e freq¨ ente o uso dessa integral. Essas tabelas podem ser facilmente montadas com os o m´todos de integra¸ao do pr´ximo Cap´ e c˜ o ıtulo. 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 √ ). A GAUSSIANA Em seguida. adotam-se tabelas com precis˜o limitada mas razo´vel. e e c˜ a e o a partir da´ s´ se prossegue com estimativas num´ricas. σ 2 Obtemos e−x dx .

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

Cap´ ıtulo 14

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

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

f (x)dx ′′ .

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

14.2

O M´todo dos Trap´zios e e

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

156

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

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

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

xi

xi+1

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

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

´ 14.3. O METODO DE SIMPSON

157

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

i 0 1 2 3 4 5 6 7 8 9 10 Ent˜o a

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

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

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

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

14.3

O M´todo de Simpson e

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

158

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

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

f (x)dx
x2i

´ aproximada pela integral e

x2i+2

pi (x)dx .
x2i

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

f (x)dx .
a

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

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

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

p(x)dx =
−h

1 2h2

h

h

h

y2i
−h

x(x − h)dx − 2y2i+1

−h

(x + h)(x − h)dx + y2i+2

x(x + h)dx
−h

.

7246294 + 0. 3 Semelhantemente. 1 + x2 0 valor que difere de π por menos do que 3 × 10−8 . 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). π=4 1 dx ≈ 3.3. todos com tamanho h. 3 Para exemplificar e comparar com o M´todo dos Trap´zios. b] em 2n intervalos. 3 h (x + h)xdx = Com esses valores.7246294 . resultado bem melhor do que o obtido no M´todo dos Trap´zios. + (y2n−2 + 4y2n−1 + y2n )} . 3 que ´ igual a e h {y0 + 4y1 + 2y2 + 4y3 + 2y4 + . 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 . como acima. ` semelhan¸a do M´todo dos Trap´zios. 3 Observe como. .50000) . Obtemos e 2(y2 + y4 + y6 + y8 ) = 6. . c˜ a tivermos a parti¸ao do intervalo [a. Se. voltamos ` integral de p(x): a h −h p(x)dx = −h h (y2i + 4y2i+1 + y2i+2 ) . ent˜o a soma c˜ a de todas as aproxima¸oes ser´ c˜ a h {(y0 + 4y1 + y2 ) + (y2 + 4y3 + y4 ) + . 1 + x2 3 1 ou seja. Usaremos 9 algarismos significativos. . + 2y2n−2 + 4y2n−1 + y2n } .0000 + 6. de modo que 1 0 0. . essa f´rmula facilita o cˆmputo a c e e o o geral da aproxima¸ao.´ 14. mesmo com uma subdivis˜o em muitos intervalos.1 1 dx ≈ (1. e e . = 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 .33731529 e 4(y1 + y3 + y5 + y7 + y9 ) = 15.33731529 + 15.14159263 .

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

4 × 10−9 3. em valor absoluto.14143 |4T (h) − π| 0.1415926512 2. por exemplo). 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 . 8 . olhemos para a seguinte tabela. 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. 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.4 × 10−5 3.14094 3.00065 0.131 3. multiplicados por quatro (para c˜ 1 1 comparar com π). Na e e e quarta e na sexta est˜o as diferen¸as. enquanto que no M´todo e e e de Simpson. n 4 8 16 32 h 1/4 1/8 1/16 1/32 4T (h) 3.141592653552 3.0026 0. usando-se 20 algarismos significativos.1415926535897932385 .141569 2. uma estimativa m´xima para o erro cometido na integra¸ao de a c˜ 161 . neste exemplo.00016 4S(h) |4S(h) − π| 3.1 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. A cada vez que h ´ reduzido por 2. Para e e e verificar melhor essa afirma¸ao. por exemplo.011 0.Cap´ ıtulo 15 Estimativa do erro nos m´todos e de integra¸˜o ca 15. 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. entre os n´ meros obtidos e o valor a c u π = 3.7 × 10−11 Na tabela podemos observar que o M´todo de Simpson n˜o s´ ´ mais eficiente (compare e a oe na primeira linha. Gosa a a e tar´ ıamos de ter.5 × 10−7 3.1390 3. Os c´lculos e 4 foram feitos com o software Maple. fornecido pelo Maple com 20 algarismos significativos. 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. o e e e erro no M´todo dos Trap´zios diminui aproximadamente 4 vezes. Na terceira e na quinta os valores de T (h) e S(h).14159250 1. 16 e 32 .

b] como fixos. 3 ou 4. Na verdade. percebemos primeiro que todas as f´rmulas s˜o do tipo Chβ . c c e apenas menor do que ET (h). dessas estimativas: ET = ET (h) e c˜ e ES = ES (h).2h2 . o c˜ c´lculo de ET (h) e ES (h). dado o tamanho h dos intervalos da parti¸ao. Se calcularmos T (h). No entanto. no caso do M´todo dos Trap´zios. mesmo que 1000h4 seja a maior do que 0. obtendo ao final resultados similares. com β igual a 2. 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. de acordo com as f´rmulas que discutiremos abaixo.2h2 = 2 × 10−5 . e isso vai depender muito da fun¸ao integranda. de forma que freq¨ enteu mente exprimiremos apenas a dependˆncia em rela¸ao a h. Se. c Pode-se dizer ent˜o que a previs˜o de erro foi bastante pessimista.2h2 a ´ tanto menor quanto menor for h. Usaremos trˆs aborc˜ e dagens diferentes para o problema. menor do que 0. Os resultados est˜o expostos na a a tabela abaixo. Essa estimativa ser´ c˜ c˜ a chamada de ET .01 e ent˜o 1000h4 = 10−5 . O limite indica mais ainda do que isso: a raz˜o entre 1000h4 e 0.2h2 quando h tende a zero. a .05. do tamanho total b − a do intervalo de integra¸ao e a c˜ de h. Em outros casos. assumiremos f e o intervalo [a. na pr´tica. ent˜o a a a 1000h4 = 62. que o valor correto da integral est´ entre T (h) − ET (h) e a ´ T (h) + ET (h). m´ximo que deve ser avaliado dentro do intervalo a [a. Nas constantes. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ uma fun¸ao f : [a. Essa diferen¸a ´. devidos ` limita¸ao no n´ mero de algarismos significativos. por exemplo.0014 (truncamento de 500000−1/2). isso nunca vai acontecer se h for suficientemente pequeno. Por a a c˜ u outro lado. O significado de ET (h) (e similarmente de ES (h)) ´ o seguinte. por exemplo. e adotaremos. 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. a t´ a u ıtulo de exemplo. Quem ser´ menor. na determina¸ao de π que fizemos acima. pois se h = 0. C3 h3 ou C4 h4 ? Ou colocando em n´ meros. para certos valores de h. 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 claro que essa interpreta¸ao n˜o leva em conta os erros de arredondamento c˜ a cometidos nos c´lculos. ent˜o e a saberemos. est´ presente o m´ximo o a a a valor absoluto de certas derivadas de f . e ES . b] → R.162 ´ CAP´ ITULO 15. 1000h4 ou 0.2h2 ? e Evidentemente n˜o h´ resposta a essa pergunta. pois 1000h4 = 5000h2 → 0 0. e e e Tanto ET como ES depender˜o de f . aquelas que julgaremos ser as melhores estimativas. Por exemplo.5.5. ent˜o basta tomar h menor do que 0.2h2 = 0. por´m. b].2h2 . C2 h2 . 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. com certeza. que ´ (bem) maior do que 0. a a e ela pode acabar sendo realista. com absoluta certeza. quem ´ menor. no caso do M´todo de Simpson. o conhecimento pr´vio do erro inerente ao processo permite avaliar com quantos e algarismos significativos deve ser feita a integra¸ao. mas por outro lado se h = 0.

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

com a precis˜o requerida! a E o M´todo de Simpson. Ent˜o precisamos dividir o intervalo [1. Essa fun¸ao ´ positiva e decrescente em [1. da ordem da casa decimal anterior. h h 0. . onde e a N ´ o n´ mero de casas decimais utilizadas. Ent˜o a e e a ES (h) = 24 4 2 4 h = h .139 . . Pela f´rmula a a o de Simpson. . Ent˜o o n´ mero n de intervalos da parti¸ao ser´ maior do que a u c˜ a 1 = 7.164 ´ CAP´ ITULO 15. . Na u verdade. Mas antes teremos a c a que determinar o n´ mero de algarismos significativos ou de casas decimais envolvidos.5 × 10−N (por exemplo.7 . que depende do m´ximo valor absoluto da quarta derivada. que ´ igual a 24 . 180 15 Como queremos ES (h) < 5 × 10−5 . Usando N casas decimais. . de forma que o erro m´ximo a 3 por arredondamento no valor final ficar´ menor do que 0. 2] em a no m´ ınimo 58 intervalinhos para conseguir a estimativa desejada. . Portanto n = 8 j´ ´ uma boa escolha! ae Como o M´todo de Simpson se revela consideravelmente menos trabalhoso para se obter. se usarmos a 5 casas decimais o arredondamento provocar´ erro de no m´ximo 0. e h< 15 · 5 × 10−5 2 1 4 = 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). o a 6 24 2 c˜ e entre 1 e 2. Observe que o erro em cada arredondamento de f (xi ) ´ de. 10×10−N . O erro a a e acumulado ser´. implicando que n deve ser maior ou igual a 58. a ado¸ao de n = 8 nos leva a um erro m´ximo c˜ a ES (h) = 2 15 1 8 4 ≈ 3. ou seja.26 × 10−5 . 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. ent˜o a n= b−a 1 1 = > = 57. temos f ′′′ (x) = − x4 e f (iv) (x) = x5 . no m´ximo.01732 . . ´ melhor considerar fixo o n´ mero de e u casas decimais. fa¸amos os c´lculos correspondentes. basta tomar h tal que 2 4 h < 5 × 10−5 .18 . . 0. Acontece a a 1 e a que depois essa soma ser´ multiplicada por h . e garantidamente. como se trata de delimitar um erro absoluto. Como f ′′ (x) = x3 . .139 . 0. . 15 isto ´. . 2] de forma que seu m´ximo ´ atingido em x = 1 e ´ igual a 24. a precis˜o desejada. .5 × 10−N . . ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ Como b − a = 1 e h < 0. no m´ximo.5 × 10−5 ). . .01732 . 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).

000 f (xi ) 1.50000 1 1 S( ) = × 16. de maneira geral.500 1. e c˜ ı Exerc´ ıcio 15.250 1. largamente utilizada em Probabilidade e Estat´stica.00000 0. que resolve esta equa¸ao c˜ c˜ e c˜ numericamente. x . Determine a fun¸ao de itera¸ao ϕ do M´todo de Newton. Determine o erro m´ximo de se calcular ln x.375 1.750 1.125 1. e levando em conta a precis˜o que se quer atingir no resultado a final. O que nos faz concluir que o uso de 5 casas decimais ´ e suficiente para os c´lculos. dentro. para 1 ≤ x ≤ 3. usando o M´todo u e c˜ e c˜ e de Newton e calculando logaritmos somente atrav´s da defini¸ao.63568 = 0. a Ent˜o vamos a eles! A tabela abaixo mostra os valores de f nos pontos da parti¸ao. portanto e com folga. 2.4 Procure integrar numericamente fun¸oes cujas primitivas sejam conhecidas. c˜ Exerc´ ıcio 15.80000 0.625 1.1 A integral 2 1 ex dx x ´ maior ou menor do que 3? Justifique sua resposta e dˆ uma estimativa para a integral. 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 .72727 0. Proponha uma “receita” para essa escolha. a c˜ arredondados para 5 casas decimais.875 2.53333 0.5 Considere a fun¸ao ln x = 1 1 dt.69315 .2. e c˜ 1.3 Determine uma f´rmula para S( h ) em fun¸ao de T (h) e T ( h ). 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.000 1. e e 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. usando o M´todo de a e Simpson com 8 intervalos. Examine a integra¸ao c˜ 2 num´rica da fun¸ao Gaussiana e−x . 8 24 que difere do valor verdadeiro por menos do que 10−5 . baseado no a e e e que foi feito no exemplo acima. a Exerc´ ıcio 15.´ 15. i 0 1 2 3 4 5 6 7 8 Obtemos xi 1.61538 0. da precis˜o pedida.88889 0.57143 0.2 Investigue.66667 0. o 2 2 Exerc´ ıcio 15. c˜ de forma a comparar os resultados obtidos com os valores exatos.

por sucessivas integra¸oes por eı c˜ partes. g1 (x) = x. g1 >= 3 . c˜ 4. Tome x0 = 3 e calcule x1 = ϕ(x0 ) (use 4 casas decimais para os valores de intervalos para a integra¸ao).716. Exerc´ ıcio 15. Outras integrais ou ser˜o nulas (porque o integrando ´ ´mpar) ou podem ser reduzidas. Calcule x2 = ϕ(x1 ). g4 >= 128 a a 11025 . g3 >= 175 . Para isso. e 8 5. g4 (x) = x4 − 7 x2 + 35 . obtenha x1 = ϕ(x0 ). < g1 . < g2 . aproxime e−x por um polinˆmio e ı o de grau 4 no intervalo [−1. < g3 . use a fam´lia de polinˆmios ortogonais (nesse ı o 6 3 1 intervalo) g0 (x) = 1. Observe que ser´ preciso calcular a integral gaussiana. 1. g0 >= 2. a integral gaussiana.7 Considere a equa¸ao f (x) = c˜ x −t2 dt 0 e 2 − 1 = 0. no e e a intervalo [2. g3 (x) = x3 − 3 x. g2 (x) = x2 − 3 . c˜ c˜ e c˜ 2. com 4 casas decimais e 8 intervalos. Exerc´ ıcio 15.166 ´ CAP´ ITULO 15. 1]. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO ¸˜ 1 t. Com x0 = 1. g2 >= 45 . . com certeza. 3.6 Usando o m´todo de m´nimos quadrados. Estime os valores num´ricos usando uma aproxima¸ao para essa ` e c˜ integral. Discuta uma estrat´gia que vocˆ adotaria para mostrar que e est´. 5 8 8 2 sabendo que < g0 . 2. Defina a fun¸ao de itera¸ao ϕ do M´todo de Newton para resolver a equa¸ao.720]. < g4 .

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

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

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

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

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

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

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

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

Parte VI Equa¸˜es Diferenciais co 175 .

.

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

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

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

α(t) ≡ α. ´ uma fun¸ao afim. e sendo muito mais razo´vel. 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.180 CAP´ ITULO 17. do instante t para o instante e t + h. ca 17. e Podemos dizer que a equa¸ao ´ autˆnoma. dividir tudo por h. ou seja. supor que x(t) varia continuamente (hip´tese razo´vel c˜ o a se a popula¸ao ´ grande). mede-se o incremento (ou decrescimento) x(t + h) − x(t). ˙ onde β ´ uma constante positiva. e x(t) como sendo a popula¸ao de determinada esp´cie no c˜ e instante t. 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 . podemos. A unica singularidade da equa¸ao c˜ ´ c˜ ´ x∗ = 0.3 Alguns exemplos Nesta Se¸ao examinaremos alguns exemplos de equa¸oes diferenciais que surgem da modelac˜ c˜ gem de problemas do “mundo real”. α(t) = x(t) onde α(t) indica a taxa de crescimento instantˆneo no instante t. Podemos deduzir a solu¸ao. ficamos com x′ (t) . Este caso n˜o passa de uma simples primitiviza¸ao. esse valor ´ muito dependente do tempo h decorrido entre os dois instantes. e discutiremos sua solu¸˜o.3. mas ´ muito mais do que isso. a c˜ 17. Fazendo depois o limite quando h a tende a zero. isto c˜ e c˜ c˜ e ´. Portanto e c˜ e c˜ r(t) = r0 − αt . e divide-se pela popula¸ao que havia no instante t: c˜ x(t + h) − x(t) . x(t) Mesmo assim. por aproxima¸ao. portanto.3.1 Naftalinas Na Subse¸ao 4. onde r0 = r(0).2 Crescimento populacional a taxas constantes Se tomarmos t como sendo o tempo. Ent˜o e c˜ a a x(t) x0 1 du = α(t − t0 ) . a A hip´tese Malthusiana de crescimento ´ que α(t) seja constante. sem apelar para “chutes”. o que o e e leva ` equa¸ao a c˜ x′ (t) = αx(t) .3. isto ´. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS ¸˜ ` ¸˜ 17. A taxa de varia¸ao da popula¸ao ´ medida percentualmente.

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

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

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

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

com solu¸ao x(t). gera uma dada fun¸ao de itera¸ao ϕ. x(t0 ) = x0 . c˜ O caso em que b(t) = 0 ´ um caso particular de equa¸ao separ´vel. Seja x(t) a temperatura do corpo no instante t. ˙ cuja solu¸ao discutiremos abaixo. e c˜ e c˜ c˜ Em outras palavras. a varia¸ao da c˜ temperatura do corpo ´ proporcional ` diferen¸a entre sua temperatura e a temperatura do e a c reservat´rio.3.3. mas ainda assim ´ simples o suficiente para ser sol´ vel. usamos um truque: ˙ c˜ R − tt a(s)ds examinamos a derivada de y(t) = x(t)e 0 . ficamos com e ˙ y(t) = b(t)e ˙ t0 . x) ent˜o a c˜ o ˙ a f (t. por´m substituindo x(t) por a(t)x(t) + b(t).8 Transferˆncia de calor e Um corpo est´ em contato com um grande reservat´rio. 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!).7 Dada ϕ do M´todo de Newton. cuja temperatura ´ uma fun¸ao do a o e c˜ tempo T (t). Para o problema afim x = a(t)x + b(t). A equa¸ao s´ est´ definida fora dos pontos fixos de ϕ. A cada instante. dada a fun¸ao ϕ e sabendo-se que c˜ ϕ(x) = x − f (x) . pois se escrevermos x = f (t. Equacionando: o x(t) = α (T (t) − x(t)) . Esta equa¸ao tampouco ´ separ´vel. 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.3. que tem solu¸ao e c˜ a c˜ t x(t) = x0 exp{ t0 a(s)ds} se x0 = x(t0 ). 17. e Aqui n˜o se trata mais de uma equa¸ao autˆnoma. x) = α (T (t) − x) . no M´todo de Newton. ˙ onde α ´ uma constante positiva. c˜ e a e u Ela se enquadra no conjunto das equa¸oes do tipo c˜ x = a(t)x + b(t) . ALGUNS EXEMPLOS 185 17.17. 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 . f ′ (x) achar f . x − ϕ(x) onde x faz o papel de t e f o papel de x. . obtemos a equa¸ao separ´vel c˜ a f ′ (x) = 1 f (x) . Manipulando.

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

y = sin x + yx3 ˙ Neste caso. como c˜ c˜ e o mostra a figura abaixo. 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. entender a equa¸ao de crescimento populacional a c˜ x = x(a − bx) . 2 a Entre as duas. 17. 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. . E se come¸ar acima decrescer´ assintoticamente at´ o c a e 2 mesmo equil´ ıbrio. ˙ Como essa equa¸ao s´ faz sentido para x ≥ 0. as solu¸oes n˜o podem ser assint´ticas a pontos que n˜o sejam c˜ o c˜ a o a singularidades). `s singularidades (de c˜ a o a fato. As setas entre as singularidades indicam para que lado as solu¸oes c˜ naquele intervalo tendem quando t tende a infinito. por exemplo. para t indo a mais ou menos infinito. que e c˜ envolvem simultaneamente duas ou mais fun¸oes e suas respectivas primeiras derivadas. x = 3x2 − y + 3 ˙ . 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. Nessa regi˜o. X(x) ´ positiva e ` direita de x∗ a fun¸ao X(x) ´ negativa. nos restringiremos a essa regi˜o. em equa¸oes autˆnomas. 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. Por c˜ exemplo. c˜ o a a a fun¸ao X(x) = x(a − bx) tem duas singularidades: x∗ = 0 e x∗ = a . 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∗ .5 Equa¸˜es diferenciais com mais vari´veis co a Existem tamb´m os chamados sistemas de equa¸oes diferenciais (de primeira ordem).´ 17.5.

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

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

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

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

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

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

Como x′ = f . Ao leitor assustado com o tamanho das express˜es recomenda-se paciˆncia: ao final. Para achar a solu¸ao c˜ a c˜ expl´ ıcita. reagrupando os termos. 1].194 ´ CAP´ ITULO 18.3 O M´todo de Euler e x(t + h) = x(t) + x′ (t)h + o(h) . obtemos a x′′′ = ftt + f ftx + (ft + f fx )fx + f (fxt + f fxx) e. inteiramente em fun¸ao de f e de suas derivadas parciais. o M´todo sugere que. obtenhamos xk+1 = x(tk+1 ) = x(tk + h) e a como xk+1 = xk + f (tk . na pr´tica. ent˜o o erro acumulado ser´ da ordem de a a h (b − a)h. em geral. 2 onde fx denota (fx )2 e n˜o a derivada em rela¸ao a x de f composta com si mesma. at´ a ordem c˜ a e desejada. A itera¸ao a partir de x0 acumular´ um erro da ordem de h2 em cada etapa. e que a regra da Cadeia deve e ser usada. mesmo assim precisaremos da express˜o de x′′′ e c˜ e a x′′′′ . e log x(t) − log 2 = −t3 . xk )h . A t´ ıtulo de ilustra¸ao. iremos tecer considera¸oes somente at´ ordem 4. e suas o c˜ e poss´ ıveis varia¸oes. como x′′ = ft + f fx . vejamos um exemplo cuja solu¸ao exata ´ conhecida. Tomemos c˜ c˜ e a equa¸ao separ´vel x′ = −3t2 x. no intervalo [0. temos que isolar x(t) em x(t) 2 1 du = − u t 0 3s2 ds . podendo c˜ a acumular ao final um erro de nh2 . 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 . 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´. . Sugere-se a c˜ fortemente ao leitor que verifique essa conta. x′′′ = ft fx + f (fx )2 + ftt + 2f ftx + f 2 fxx . isto ´. Como n = b−a . da ordem de h2 c˜ a ou mais. x(t)). com x(0) = 2. Neste Cap´ c˜ ıtulo. Ent˜o. c˜ 18. 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. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ Segue dessas considera¸oes que a express˜o de x(t + h) pode ser escrita. Para obter x′′′ temos que derivar em rela¸ao a t a express˜o de x′′ . lembrando sempre c˜ a que cada derivada parcial de f tamb´m depende de (t.

Depois. ela diz que. x0 = 2 e f (t. x0 )h .1.917 1.285 1. a a a Por exemplo. E preciso tomar cuidado com a avalia¸ao do erro.4 0.419 = 0.786 2e−tk 2.0 0.6 0. com quatro c˜ casas decimais.994 1.947 1. e Temos x1 = x0 + f (t0 .1 0.970 1.984 1. para fixarmos melhor o entendimento do m´todo. arredondados para 3 casas decimais depois de obtido cada a xk .688 1.876 1.1. No entanto.3.3 0.506 − 1.419 1.8 0. de forma que a informa¸ao n˜o ´ suficiente c˜ a e para estimar o erro. O resultado est´ na tabela abaixo. a 3 195 Compararemos essa solu¸ao exata com a solu¸ao obtida pelo M´todo de Euler com passo c˜ c˜ e h = 0.994 .965 0.0 xk 2.2 0.998 1. mas n˜o chea ´ gou a 0.506 1.12 × 2 × 0.000 1.199 0.7 0.825 1. 1 de forma que substituindo os valores conseguimos x2 = 2 − 3 × 0.05.5 0. Portanto x1 = x0 = 2.000 2.000 1.736 3 O maior erro cometido em rela¸ao ` solu¸ao verdadeira c˜ a c˜ ocorreu em tk = 0.9 1.7 (1. O METODO DE EULER Ent˜o x(t) = 2e−t . calculemos os primeiros valores xk com cuidado. se reduzirmos h ent˜o o erro m´ximo se reduzir´ proporcionalmente. Antes de apresentar o resultado.611 1. Essa constante pode ser muito grande. .765 1. pois sabemos apenas que ele pode c˜ ser da ordem de h.087). k 0 1 2 3 4 5 6 7 8 9 10 tk 0.1 = 2 − 6 × 10−3 = 1. temos x2 = x1 + f (t1 .´ 18. com t0 = 0. vejamos o que resulta da mesma equa¸ao com passo igual a 0.038 0. x) = −3t2 x. x1 )h = x1 − 3t2 x1 h . o tamanho do passo. mas isso significa apenas que ele ´ mee nor do que uma constante vezes h.

1.7592 2e−tk 2.45 0.9995 0. Consideremos.1210 0.1986 1.10 0.3116 1.0000 1. ´ preciso ir al´m da e e e aproxima¸ao de primeira ordem em x(t + h).60 0.30 0.8971 1.25 0.20 0.9592 1.15 0.65 0.9896 1. 0.4 Indo para segunda ordem Para que a redu¸ao de h seja mais eficiente ´ preciso fazer com que a ordem de grandeza c˜ e do erro dependa de h elevado a uma potˆncia mais alta. com a nota¸ao x(t + h) = xk+1 . . x = xk . x) = −3t2 x. 18. x) = a −3t2 .9690 1.6497 1.8516 1.9161 1.85 0.7650 1.6115 1.9648 0. por exemplo.75 0. t = tk . e a Exerc´ ıcio 18. no intervalo [0. com passo h = 0.4193 1.75.90 0.9933 1.8760 1.5606 1.55 0.2400 1.5197 1.8781 0. x) = −6tx e fx (t.35 0.3543 1.40 0. obtemos o c˜ a rela¸ao de recorrˆncia c˜ e 3 xk+1 = xk + 3tk xk h −tk − h + t3 h 2 k .6].9963 1. temos f (t.196 ´ CAP´ ITULO 18.9777 1. Obtenha uma discretiza¸ao/aproxima¸ao da solu¸ao usando o M´todo de Euler de c˜ c˜ c˜ e primeira ordem.00 xk 2.95 1.70 0. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 tk 0.9980 1.7954 1. que c c˜ a ´ metade da discrepˆncia obtida com passo igual a 0.8485 0. ft (t.80 0. ainda no exemplo x′ = −3t2 x.9326 1. Para isso.6935 1.8258 1.9841 1.05 0.7358 3 A maior diferen¸a em rela¸ao ao valor verdadeiro n˜o passou de 0.1.0822 0.043.0000 1.1 Considere a equa¸ao diferencial x′ = x2 − sent. 2 onde x′ = f e x′′ = ft + f fx . a aproxima¸ao de c˜ c˜ segunda ordem: 1 x(t + h) ≈ x + x′ h + x′′ h2 . Ent˜o. com a condi¸ao inicial c˜ c˜ x(0) = 1.9467 1.4617 1.0000 2.7281 1.00 0.9993 1.9998 1. em tk = 0. Substituindo essas express˜es.50 0.

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

Pensando na passagem de xk para xk+1 a id´ia ´ escrever e e x(t + h) − x(t) = h(γ1 ξ1 + γ2 ξ2 + .3203 −1.3164 −2. k 0 1 2 3 4 5 6 7 8 9 10 tk 0. Usando o passo h = 0.7650 1.19208 −0.7 0.005. xk ) e. com o problema x′ = −3t2 x. 2 A vantagem desse m´todo ´ que n˜o precisamos calcular derivadas parciais de f .7586 −2.4144 1.1 0.071633 −0.9841 1. no intervalo [0.22627 − h 2 (ξ1 Observamos que a diferen¸a para o valor correto foi de. e o e e a algoritmo fica consideravelmente mais simples.7350 −2. ao passarmos de xk para xk+1 .198 ´ CAP´ ITULO 18. x(0) = 2. xk )).96478 0.1946 0.5 0.21978 −0.060000 −0. calcular ξ2 = f (tk + h.8760 1.3368 −1. .0792 −2.6 0. e vale para qualquer ordem a m.2 0.89866 −1. xk + hξ1 ) .6065 1. O acr´scimo em xk para se chegar a xk+1 ser´ a m´dia desses dois valores.9467 1.52483 −0. para que n˜o seja preciso calcular derivadas parciais de f . .014942 −0.90783 −1.8722 1.1065 −2.9821 1.3 0.23892 −0. e depois usamos ξ1 para calcular outro valor de f . 0.1862 − + ξ2 ) −0. no m´ximo. xk + hξ1 ). e a e multiplicada pelo passo h.9 1.9970 1.7604 1.3392 − ξ2 −. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ Vejamos como isso se d´ na pr´tica.73637 ξ1 0 −0.73576 3 xk 2.0 2e−tk 2.0 0. a coluna ξ1 significa ξ1 = −3t2 xk k e a coluna ξ2 significa ξ2 = −3t2 (xk + hξ1 ) .1986 0.6115 1. + γm ξm ) . Na tabela abaixo fazemos esse algoritmo. desta feita no ponto (tk + h.9980 1.96264 0. temos que calcular ξ1 = f (tk .52875 −0.0000 1. . Pensando em termos a a de algoritmo. Apenas calculamos ξ1 (que ´ o valor de f e no ponto (tk .5 Runge-Kutta O m´todo de Runge-Kutta ´ uma generaliza¸ao do algoritmo que desenvolvemos em segunda e e c˜ ordem.059910 −0. tomando esse valor de ξ1 .2936 −2.4 0. 1].23785 −0.8 0.0030000 −0. k+1 pois tk + h = tk+1 . Assim xk+1 = xk + h (ξ1 + ξ2 ) . c a 18.23196 −0.0000 1.1.15395 −0.4193 1.3455 −2.11177 −0.9438 1.038330 −0.

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

6) (18.3) (18. γ3 b1 b2 h2 f fx . Por exemplo. γ3 a1 b2 h2 ft fx . b2 hξ2 fx = b2 h(f + a1 hft + b1 hf fx )fx + o(h2 ) . 2 2 2 2 Finalmente. isto ´. Por sorte. 1 2 1 2 2 Da compara¸ao termo a termo com a expans˜o de c˜ a x(t + h) − x(t) .7) (18. 2 2 2 2 1 1 2 2 2 b h ξ2 fxx = b2 h2 f 2 fxx + o(h2 ) . temos ξ1 = f . podemos desprezar os termos que tenha ordem mais alta do que h2 .1) (18. x + b1 hf ) = 1 1 = f + a1 hft + b1 hf fx + a2 h2 ftt + a1 b1 h2 f ftx + b2 h2 f 2 fxx + o(h2 ) . 2 1 2 1 J´ a express˜o de ξ3 ´ mais complicada. h que corresponde ao “lado esquerdo” da equa¸ao. (γ2 b1 + γ3 b2 )hf fx .4) (18.5) (18. uma vez que os termos com h2 . s˜o termos e a o(h2 ).200 ´ CAP´ ITULO 18.2) (18. 1 (γ2 a2 + γ3 a2 )h2 ftt . quando multiplicados por h. e conseguiremos uma soma com os seguin2 tes termos: (γ1 + γ2 + γ3 )f . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ No caso m = 3. (γ2 a1 b1 + γ3 a2 b2 )h2 f ftx e (γ2 b2 + γ3 b2 )h2 f 2 fxx . podemos reunir γ1 ξ1 +γ2 ξ2 +γ3 x3 . ficam h3 . 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 ) . 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. portanto ξ2 = f (t + a1 h. (γ2 a1 + γ3 a2 )hft . pois devemos substituir a express˜o de ξ2 em a a e a cada lugar onde aparece.8) .

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

= f (t + dh. e o leitor ver´ que o M´todo pode ser aplicado a qualquer tipo de sistema c˜ a e de equa¸oes diferenciais. x) . . Para o M´todo de Simpson use n = 4. ı c˜ e Exerc´ ıcio 18. 1 6. usando o M´todo de Runge-Kutta de c˜ c˜ c˜ e segunda ordem. com a condi¸ao inicial x(0) = 1.5) usando o M´todo de c˜ a e Newton e o M´todo de Simpson combinados. x + cξ2 h) . 0. Baseando-se no racioc´nio feito em ordem 3. ache todas as e c˜ ı poss´veis implementa¸oes do M´todo de Runge-Kutta em ordem 2. saber minimamente como eles funcionam. H´ atualmente muitos programas de computador com a os algoritmos j´ implementados. = f (t + bh.8 Implemente o M´todo de Runge-Kutta de ordem 4 no computador. para minimizar ainda mais os erros. a Exerc´ ıcio 18. Discuta e o erro envolvido ao se resolver a equa¸ao dessa maneira. da melhor forma que vocˆ puder.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. principala e ´ mente quando se trata de integrar a equa¸ao diferencial em grandes intervalos de tempo. 2 e mostre que essas constantes podem assumir os seguintes valores: α = 1 1 δ = 6 . Tente partir da suposi¸ao de que e c˜ x(t + h) − x(t) = h(αξ1 + βξ2 + γξ3 + γξ4 ) + o(h4 ) .7 O algoritmo de Runge-Kutta de ordem 4 pode ser deduzido de forma an´loga. = f (t + ch.5 Considere a equa¸ao x′ = ex t. c = 2 e d = 1. a Para isso ´ preciso fazer as contas com muito cuidado. Outros a a c˜ algoritmos mais finos s˜o tamb´m usados. x + dξ3 h) . SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS ¸˜ ¸˜ tˆm mais do que uma solu¸ao. Exerc´ ıcio 18.6 Considere a mesma equa¸ao e a mesma condi¸ao inicial do Exerc´cio anc˜ c˜ ı terior. b = 1 . E c˜ recomend´vel. onde ξ1 ξ2 ξ3 ξ4 = f (t. bastando ao usu´rio somente digitar as equa¸oes. autˆnomas ou n˜o. no entanto. a Suponha que queiramos integrar o sistema de equa¸oes diferenciais c˜ x′ y′ = = f (x. Para o M´todo de Newton. Aproveite o fato de ser uma equa¸ao separ´vel para obter x(0. γ = 2 6. 2 β = 2 6.202 ´ CAP´ ITULO 18. Exerc´ ıcio 18. e 18. tudo dependendo de se dec˜ o a duzir o algoritmo convenientemente. em qualquer ordem. c˜ e Compare com o resultado da quest˜o anterior. y) . use condi¸ao inicial e e c˜ igual a 1 e calcule 3 iterados posteriores. Obtenha c˜ c˜ uma discretiza¸ao/aproxima¸ao da solu¸ao em [0. x + bξ1 h) . y) g(x.5]. Desenvolveremos o M´todo de Runge-Kutta de ordem 2 para um sistema de e duas equa¸oes.

y) + f (x + f h. y) + o(h) . y + gh)) + o(h2 ) (g(x. c˜ .1. RUNGE-KUTTA EM SISTEMAS DE EQUACOES AUTONOMAS ¸˜ At´ segunda ordem. y + gh)) + o(h2 ) . y) + o(h) e hf gx + hggy = g(x + f h. temos e x(t + h) − x(t) = y(t + h) − y(t) = Como x′ = f e y ′ = g.5 e y(0) = 0. usando o M´todo de Euler de primeira ordem com passo 0. c˜ Exerc´ ıcio 18.ˆ 18. estime t > 0 necess´rio para que a solu¸ao (x(t). 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 . Portanto x(t + h) − x(t) y(t + h) − y(t) = = h 2 h 2 (f (x.9 Considere o sistema de equa¸oes diferenciais c˜ x ˙ y ˙ = x2 + y 1 = 1+x Se x(0) = −0.5.10 Deduzir o M´todo de Runge-Kutta de ordem 4 para sistemas autˆnomos e o de duas equa¸oes. ent˜o a x′′ = x′ fx + y ′ fy = f fx + gfy e y ′′ = x′ gx + y ′ gy = f gx + ggy . Mas hf fx + hgfy = f (x + f h. e Exerc´ ıcio 18. y(t)) cruze o a c˜ eixo y.11 Usar os M´todos de Runge-Kutta para integrar os sistemas de equa¸oes e c˜ diferenciais da Se¸ao 17. y) + g(x + f h.6. y + gh) − f (x. y + gh) − f (x. . Exerc´ ıcio 18.2.

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

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

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

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

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

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

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

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

ENTENDENDO OS SISTEMAS LINEARES A. xn tais que u b = x1 Ae1 + . Aen } (lembre-se. Ao mesmo tempo. . Pode-se demonstrar que {Ae1 . . . . como por exemplo na matriz 2 −4 −3 6 . S´ que se Ae1 e Ae2 forem c˜ o colineares ent˜o Au tamb´m ser´ colinear a eles. Isso aconteceria se os vetores-coluna da matriz A fossem colineares. se chamarmos u = (x1 . 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. teremos Ae1 e Ae2 como na figura ao lado. . teremos duas situa¸oes poss´ a c˜ ıveis para a equa¸ao c˜ . isto ´. para qualquer escolha de u. . E f´cil ver porque n˜o vai existir esse vetor: todo vetor u = (x. . na mesma dire¸ao de Ae1 e Ae2 (a a c˜ aplica¸ao A leva todo o R2 sobre uma reta. xn ). Aen } formar uma base. + xn Aen . . y) se escreve a como combina¸ao linear u = xe1 + ye2 . escrevemos c˜ e Ae2 = αAe1 (j´ que eles s˜o colineares. . Aen } n˜o forma uma base se e somente se um dos a vetores Aei for combina¸ao linear dos demais. Ent˜o Au = b desde que a x + αy = β . e a a a Au = xAe1 + yAe2 = xAe1 + αyAe1 = (x + αy)Ae1 . . se b for colinear a Ae1 e Ae2 ent˜o haver´ infinitas a c˜ a a solu¸oes. . Ae1=(2.212 ˆ APENDICE A. . . . 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. . pois ent˜o pela linearidade. s˜o as c˜ a colunas da matriz A) n˜o formar uma base. isto ´. . logo Au = xAe1 + yAe2 . . sempre que {Ae1 . . observe que esse “esa quema geom´trico” para achar u tal que Au = b ficaria e prejudicado se por alguma raz˜o Ae1 e Ae2 fossem vetores a colineares. o que determina uma reta de possibilidades de x e y.6 Existˆncia e unicidade de solu¸˜es e co Ae2=(−4. Por outro lado. o problema de se achar u tal que Au = b ter´ solu¸ao a a c˜ garantida sempre que possamos achar n´ meros x1 .6) Voltando a pensar em dimens˜o 2. e supondo que Ae1 seja n˜o-nulo). e a b = A(x1 e1 + . . . . . . em dimens˜o n. E o caso em que o sistema n˜o tem solu¸ao. com a hip´tese de que b seja colinear a Ae1 temos o b = βAe1 . Pensando em geral.−3) Neste caso. a e a o vetor imagem Au estar´ sempre sobre a mesma reta. Para mostrar isso. Sempre que {Ae1 . + xn en ) = Au . infinitas escolhas de u tais que Au = b. . uma aplica¸ao longe de ser injetiva!). Em resumo.

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

Aen } ´ uma base. indicando se o sistema tem ou n˜o unica solu¸˜o. Aen } ´ uma base. . Come¸aremos a discuss˜o em dimens˜o 2.8 O determinante O determinante da matriz A dos coeficientes de um sistema linear serve como instrumento para saber se {Ae1 . O mesmo ocorre com tu2 . . e2 ) (na ordem e o . de certa forma. com um “sinal”. Ae2 ): det A ≡ det(Ae1 . e depois comentaremos sua generaliza¸ao para c a a c˜ dimens˜o qualquer. su1 ´ um vetor e e de tamanho menor ou igual ao tamanho de u1 . a Chamaremos de P (u1 . e se s ≤ 1. Isso porque. u2 ) . A id´ia ´ explicar o que ´ o determinante de uma forma intuitiva e e e e e geom´trica. ´ c˜ a isto ´. 0 ≤ t ≤ 1} . Ae2 ) . Al´m disso. . . o vetor b da equa¸ao). e a ´ ca De fato.214 ˆ APENDICE A. . . . a A. O determinante de uma matriz A 2 × 2 ´ definido como sendo o determinante do par e (Ae1 . ´ Sendo assim. denotando-o por det(u1 . Definiremos o determinante de um par ordenado de vetores (u1 . esta Se¸ao tem a pretens˜o de convencer o leitor de que det A = 0 se e somente se c˜ a {Ae1 . mas o leitor pode encontrar abordagens diferentes em outros livros. 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 ) o paralelogramo determinado por u1 e u2 . precisamos saber calcular o determinante. su1 ´ um vetor com o mesmo sentido que u1 . se 0 ≤ s. . Para que a defini¸ao fique completa. u2 ) pode e a a ser suavemente alterado at´ que coincida com o par de vetores canˆnicos (e1 . Desse modo. u2 ) = {su1 + tu2 . Lembrando tamb´m que Ae1 e Ae2 s˜o as colunas da matriz e c˜ e a A. . c˜ A. para 0 ≤ t ≤ 1. Aen ) . .8. . uma medida do quanto dois vetores est˜o perto de ser a a colineares. u2 ). Ele ´ definido como e sendo o conjunto P (u1 .1 Dimens˜o 2 a O determinante d´. e ıdo a O sinal de det(u1 . dois vetores ser˜o colineares entre si se e somente se seu determinante for a nulo. 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 . 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. precisamos estabelecer melhor o que ´ o paraleloc˜ e gramo determinado pelos dois vetores e definir de maneira inequ´ ıvoca o sinal do determinante. e o leitor ver´ que a defini¸ao dada e a c˜ aqui coincide com aquela que ele provavelmente j´ conhece. 0 ≤ s ≤ 1 . ENTENDENDO OS SISTEMAS LINEARES Exerc´ ıcio 1. u2 ) ´ definido assim.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. se u1 e u2 n˜o s˜o colineares: se (u1 . . O paralelogramo ´ constitu´ ent˜o de todas as somas de vetores desse tipo.

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

com um sinal que devemos convencionar. e2 ) = +1 e det(e2 . u3 ) ser´ o volume desse paralelep´ c˜ a ıpedo. u2 ) = = det(x1 e1 + y1 e2 . u) (alternˆncia). det(e1 . podemos definir o paralelep´ a ıpedo P (u1 . de forma que a det A = ad − bc . c) e u2 = (b. onde u1 . . u3 ) = {ru1 + su2 + tu3 . det(αu + βv. e2 ) = 0. v). mas lembramos a outra forma de escrever esses vetores. w) (linearidade).2 Dimens˜o 3 a Em dimens˜o 3. u2 ) = x1 (x2 det(e1 . ENTENDENDO OS SISTEMAS LINEARES Esse argumento convence facilmente no caso em que det(u1 . y2 ). v) + det(−u2 . s. d). u2 . e2 ) = 1 (normaliza¸ao). O determinante det(u1 . e2 )) + y1 (x2 det(e2 . w) + β det(v. 0 ≤ r. Como det(e1 . u2 . Se esse n˜o for o caso. Bom. essa ´ a f´rmula usual do determinante que aprendemos desde o Col´gio!! e o e Vale a pena lembrar as propriedades essenciais do determinante que permitem calcul´-lo a para qualquer par de vetores: 1. w) = α det(u. generalizando essa a defini¸ao). x2 e1 + y2 e2 ) x1 det(e1 . u3 s˜o vetores a de R3 como o conjunto P (u1 . det(e1 . ent˜o sugere-se provar que a a det(u1 . temos det(u1 . Ent˜o c˜ a det(u1 . e1 ) = −1.8. aplicando a linearidade no primeiro vetor do par. Para ver a isso. escrevemos u1 = (x1 . det(u. x2 e1 + y2 e2 ) . como combina¸ao linear de e1 e e2 : u1 = x1 e1 + y1 e2 e u2 = x2 e1 + y2 e2 . v) = det((u1 + u2 ) + (−u2 ). v) = det(u1 + u2 . u2 = (x2 . pois ´ f´cil ver que det(−u2 . Aplicando novamente a linearidade no segundo vetor do par. A. c˜ 2. v) tenham o mesmo sinal. e a Com essas propriedades todas garantimos o c´lculo de qualquer determinante. v) . u2 . a 3. v) = − det(v. e2 )) . Numa matriz a c b d os vetores coluna s˜o u1 = (a. v) e det(u2 .216 ˆ APENDICE A. u2 . e1 ) + y2 det(e1 . u2 ) = x1 y2 − x2 y1 . e1 ) + y2 det(e2 . u3 ). y1 ). x2 e1 + y2 e2 ) + y1 det(e2 . ent˜o a det(u1 . v) = − det(u2 . t ≤ 1} (n˜o ´ dif´ ver o que seria um paralelep´ a e ıcil ıpedo em dimens˜o mais alta. e1 ) = det(e2 .

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

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

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 . 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 . portanto u = A−1 b. tem seu volume multiplicado por det A. Da linearidade decorre a que todo paralelep´ ıpedo formado por m´ ltiplos dos vetores canˆnicos. de volume unit´rio. escrevemos AA−1 = Id. a J´ para entender a intui¸ao geom´trica da f´rmula det(AB) = det(A) det(B). c˜ A intui¸ao pode ser assim expressa: o conjunto ´ aproximado por pequenos paralec˜ e lep´ ıpedos disjuntos. a Portanto. Esta f´rmula pode ser deduzida das propriedades do determinante. portanto det A n˜o pode ser nulo. . quando se quer resolver um sistema linear Au = b. . Ou seja. podemos imaginar tamb´m a transforma¸ao desses pequenos paralec˜ e c˜ lep´ ıpedos. o a Ao inv´s disso. de forma a c˜ e o n˜o rigorosa. No entanto. o c˜ o e c˜ M´todo de Escalonamento. logo abaixo. temos det(AA−1 ) = det A · det A−1 = det Id = 1 . en ). . O paralelep´ a ıpedo P (Ae1 . se aplicarmos B e depois A. c˜ o Isto porque se aplicarmos A−1 a um vetor e depois aplicarmos A voltaremos ao vetor original. mas n˜o o faremos aqui. Para qualquer b. QUADRO COMPARATIVO 219 e encontramos u = (x1 . . . lembremos que det A representa o volume com sinal de P (Ae1 . quando transformado u o por A. Para isso. . xn ). Aen ) (o a leitor pode pensar em dimens˜o 3). Pela f´rmula do o o determinante. do qual iremos falar no pr´ximo Cap´ e o ıtulo. .9 Quadro comparativo Para resumir tudo o que dissemos at´ agora sobre a existˆncia e a unicidade de solu¸oes de e e c˜ um sistema linear. Aen ) ´ a imagem pela e transforma¸ao A do paralelep´ c˜ ıpedo P (e1 . Da´ decorre (intuitivamente. Este ´ o sentido da f´rmula! e o A. Alternativa 1.A. . . fa¸amos um quadro comparativo que ilustra as unicas duas alternativas c ´ que podem ocorrer para a matriz de coeficientes A. e Na Se¸ao 2.3 vamos mostrar que se A tem inversa ent˜o det A = 0. daremos uma intui¸ao geom´trica de sua veracidade. . usaremos o pr´prio m´todo de resolu¸ao dos sistemas lineares. podemos seguir outro argumento. AA−1 u = u para qualquer u e AA−1 s´ pode ser a identidade. e quanto a o menores forem esses paralelep´ ıpedos melhor ser´ a aproxima¸ao. o que completa a c˜ a demonstra¸ao. o volume dos conjuntos ser´ multiplicado por det B a e depois por det A. . . sempre existe unica solu¸ao para Au = b ´ c˜ . . . que ter´ seu volume multiplicado por det A. 1.9. e c˜ e A aplica¸ao da f´rmula se faz assim: como A tem inversa A−1 . Ao transformarmos o cona c˜ junto pela aplica¸ao A. cujo volume total est´ pr´ximo do volume total do conjunto.

A n˜o ´ nem injetiva nem sobrejetiva a e 3. det A = 0 . As colunas de A s˜o linearmente dependentes a 5.220 ˆ APENDICE A. det A = 0 Alternativa 2. Existe u = 0 tal que Au = 0 4. Au = 0 implica u = 0 4. como transforma¸ao linear e c˜ 3. As colunas de A s˜o linearmente independentes a 5. As linhas de A s˜o linearmente independentes a 6. A ´ bijetiva. e e a c˜ e c˜ sempre existem exemplos dos dois casos 2. As linhas de A s˜o linearmente dependentes a 6. Ou b ´ tal que Au = b n˜o tem solu¸ao ou b ´ tal que Au = b tem infinitas solu¸oes. ENTENDENDO OS SISTEMAS LINEARES 2. 1.

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

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

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

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

Pelo contr´rio. n˜o a ´ das mais usuais. Al´m disso. para x > 1 essa fun¸ao ´ positiva e representa a ´rea sob o c˜ e a gr´fico de g no intervalo [1.7 O logaritmo Uma das fun¸oes mais importantes definidas a partir de uma integral indefinida ´ o logaritmo c˜ e natural. Essa fun¸ao diverge a c˜ em x = 0 e n˜o est´ definida nesse ponto. exponenciais. a a e . Ent˜o. etc. Essa nota¸ao ´ conhecida como nota¸ao de Leibniz. Ao final nada do que j´ sab´ e a ıamos anteriormente ser´ a derrubado. t Observe no desenho que. A constante somada ´ simb´lica e apenas indica que c˜ e o a express˜o dada em f (x) n˜o ´ a unica primitiva de g. com essa nota¸ao. 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. A abordagem que seguiremos aqui para falar de logaritmos. O LOGARITMO 229 Existe uma nota¸ao que facilita a vida quando calculamos integrais na pr´tica. iremos chegar a nossas certezas atrav´s de uma argumenta¸ao a e c˜ l´gica. sin x = − cos x + C . 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 . e as demais podem ser obtidas a a e ´ somando-se uma constante a ela. Por c˜ e c˜ exemplo. a a logo vale o negativo da ´rea sob o gr´fico.7. B. a a Restringiremo-nos de in´ ıcio ` parte positiva a do dom´ ınio e definiremos. x]. cujo gr´fico c˜ est´ desenhado ao lado. Escrevec˜ a mos b f (t)|a = f (b) − f (a) . Para x < 1. quando queremos dizer que f (x) ´ primitiva de g(x) a a e escrevemos g(x)dx = f (x) + C . Assim. o 1 a Considere a fun¸ao g(x) = x . 1 Outra nota¸ao bastante utilizada se aproveita do fato de que primitivas e integrais inc˜ definidas s˜o a mesma coisa.B. ln 1 = 0. no entanto. para x > 0. a integral corre em sentido contr´rio. evidentemente. c˜ 2 1 t3 dt = t4 4 2 . sem indicar extremos de integra¸ao.

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

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

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

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

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

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

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

Se rearranjarmos a express˜o da Regra do Produto. . arcsin. pode ser derivada com a Regra do Quociente. H´ que se tomar cuidado para n˜o se escolher u de forma errada. etc. Em todos os casos procurar desenhar o gr´fico dessas e a fun¸oes e interpretar as express˜es obtidas!! c˜ o B.11 Truques de primitiviza¸˜o: integra¸˜o por partes ca ca u(x)v ′ (x) = (u(x)v(x)) ′ − u′ (x)v(x) . 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. da Regra da Cadeia segue a t´cnica c˜ e de Substitui¸ao. a fun¸ao tangente. Ent˜o a a a c a xex dx = xex − 1ex dx + C = xex − ex + C = ex (x − 1) + 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 . 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 . TRUQUES DE PRIMITIVIZACAO: INTEGRACAO POR PARTES ¸˜ ¸˜ 237 Essa express˜o tamb´m ´ conhecida como Regra do Quociente. Se chamarmos u(x) = x e v ′ (x) = ex ent˜o u′ (x) = 1 e v(x) = ex (na verdade ex + C. Para conferir.B. Obter as derivadas das inversas das fun¸oes c˜ c˜ trigonom´tricas. Por exemplo. pois agora precisamos achar a primitiva de x2 ex ! a c˜ B. teremos a Havendo a igualdade. basta derivar a primitiva obtida: (ex (x − 1))′ = ex (x − 1) + ex = xex . queremos achar uma primitiva de xex . e ent˜o ex xdx = 1 2 x x e − 2 1 2 x x e dx . mas isso n˜o far´ diferen¸a.11.12 Truques de primitiviza¸˜o: substitui¸˜o ca ca Se da Regra do Produto decorre a Integra¸ao por Partes. (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 . A Regra da Cadeia diz que c˜ f (g(x))′ = f ′ (g(x))f ′ (x) . cossecante e cotangente. 2 o que n˜o melhora nossa situa¸ao. j´ sabendo as derivadas de seno e cosseno. Obter as derivadas e das fun¸oes secante. Essa ´ a conhecida f´rmula de Integra¸ao por Partes! e o c˜ Por exemplo. confira!!). arctan. e a c˜ que ´ seno sobre cosseno.

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

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

REVISAO DE CALCULO .240 ˆ ˜ ´ APENDICE B.

para come¸ar cont´ c˜ c ınua. que ´ sempre um n´ mero maior ou igual a zero. entre dois dados polinˆmios. n˜o nos interessar´ c a a o que acontece com a fun¸ao “longe” do ponto w. c˜ o e a 241 . 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. Seja f uma fun¸ao. a aproximar uma certa fun¸ao cont´ c˜ ınua f definida no intervalo [a. c˜ Tentemos precisar melhor os conceitos. entre aqueles u e o de grau menor ou igual a n. Isto ´. b]. 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 . 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. Fixado um ponto w. uma maneira de dizer o quanto um polinˆmio est´ distante de f . Sejam p e q dois polinˆmios. fazendo aumentar o valor da integral.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. Neste Apˆndice estamos interessados em outro ponto de vista para se definir a melhor e aproxima¸ao polinomial de f . Obviamente a c c a fra¸ao s´ ´ tomada quando o denominador for n˜o nulo.Apˆndice C e F´rmula de Taylor o C. Agora n˜o estamos preocupados em aproximar f num dado c˜ a intervalo fixo. b]? Ali a quest˜o s´ pode ser respondida se antes se definir um crit´rio (relativo) de proximia o e dade. mas sim “na vizinhan¸a de um ponto”. que permita e o a decidir. e u Esse crit´rio leva em conta a proximidade de f e p em todo o intervalo [a. Ou seja. qual ´ aquele que est´ mais perto de f . e w um ponto onde ela esteja definida. qual ´ o melhor polinˆmio. 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 suponha que p e q sejam polinˆmios de grau zero. teremos que essa fra¸ao vai a zero. Se for o contr´rio.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. como termo de grau zero. o que pode ser expresso da seguinte maneira: c˜ x→w lim p(x) − f (x) =0. b0 mais perto de a a a e A do que a0 ent˜o ser´ q que aproximar´ melhor. para qualquer n ´ o melhor polinˆmio de grau n. C. supondo c˜ o que ela seja deriv´vel. Para sabermos qual dos polinˆmios aproxima melhor o a fun¸ao f em w. como esse ´ a o e o valor limite. a fun¸ao nula.1. Tamb´m p(x) ≡ 0 = 0 + 0 · x ´ o melhor polinˆmio de grau 1 e e e o a aproximar f .3 Aproxima¸˜o de grau 1 ca Vejamos como melhor aproximar uma fun¸ao f em w por um polinˆmio de grau 1. ´ 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 . 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. c˜ a Conclui-se portanto que o melhor polinˆmio de grau zero que aproxima f em w ´ p(x) = o e f (w) = A. FORMULA DE TAYLOR Em geral. e o Fica para o leitor se divertir em demonstrar (ou verificar) isso. o ponto w = 0. o e a o valor de f em w. q(x) − f (x) Podemos ver alguns exemplos simples. a a Primeiro. pela mesma raz˜o com que o melhor polinˆmio de grau zero tinha que ser a o igual a f (w). 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. a Em primeiro lugar. a c enquanto b0 − f (x) tende a b0 − a0 . se tanto a0 quanto b0 forem diferentes de A. b0 − A que ser´ menor do que 1 se a0 estiver mais pr´ximo de A do que b0 . Pela Subse¸ao anterior. Neste caso a fra¸ao ir´ a zero. Neste caso. de fato. C. com a0 = b0 . e c˜ c˜ para facilitar. quando x estiver bem pr´ximo de w o quociente ser´ tamb´m menor do que o a e 1. para aos poucos chegarmos a enunciados mais gerais. suponha que f seja uma fun¸ao (cont´ c˜ ınua) que assume o valor A em w. tomando. C. podemos ver quais s˜o as possibilidades.1.1 Polinˆmios de grau zero o Por exemplo. ent˜o o quociente tende a a a0 − A . e ent˜o p aproximar´ melhor do que q em w. Ent˜o a p(x) = f (w) + α(x − w) .1. o melhor polinˆmio de grau zero que c˜ o aproxima f em w ´ p(x) ≡ 0.242 ˆ ´ APENDICE C. para todo x. isto ´.

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

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

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

O n´ mero m ´ o grau correspondente ao primeiro coeficiente n˜o-nulo do polinˆmio (quando u e a o escrito nessa forma). Temos o Rn (x) f (x) − pn (x) = . Como q e pn n˜o s˜o o a a a iguais. + an (x − w)n−m . . a diferen¸a entre eles ´ um polinˆmio de grau no m´ximo n. e pode ser qualquer inteiro entre 0 e n. que podemos escrever c e o a como am (x − w)m + am+1 (x − w)m+1 + . 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. ficando com e Rn (x) (x − w)n−m . Basta multiplicar o numerador e o denominador por (x − w)n−m . + an (x − w)n .246 ˆ ´ APENDICE C. 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). 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)) . . . onde Q(x) = am+1 (x − w) + am+2 (x − w)2 + . FORMULA DE TAYLOR Podemos agora entender a raz˜o pela qual o polinˆmio de Taylor pn ´ a melhor aproa o e xima¸ao de grau n de f em w. . 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. f (x) − q(x) Rn (x) + pn (x) − q(x) lembrando da pr´pria defini¸ao de Rn . (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. Finalmente comparamos a proximidade de pn e q com f . e a Suponhamos agora outro polinˆmio q de grau (no m´ximo) n. polinˆmio que vai a zero o quando x tende a w.

a1 = c˜ e 1. = a0 + a1 x + a2 x2 + a3 x3 onde os coeficientes s˜o a  a0 1 −1 0 0   a1  9 27   a2 a3 16 64  0   1   =   −1  0   3 1 a2 = − 4 e a3 = 6 .8 .0 ˜ 0 4.080 .0 −9.4 −3.258 e x2 = 3.21  −4. 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 1.3A.1 1 3. p =  3 .25 −1.1 0.5 A =  −0.30 −4. . x =  0.1 O polinˆmio interpolador ´ p(x) o e calculados pelo sistema linear  1 −1  1 0   1 3 1 4 cuja solu¸ao ´ a0 = 1.80        1.0  com vetor de permuta¸oes c˜ significativos.21A.7 0.2 p(x) = x3 − 2x2 + 3x + 1 2.2 −4.4 247 1 12 .16 −0.0 . ˜ =  −2.51  b ˜ −0.4     1 13 p =  2  e ˜ =  4.4 No loop ` esquerda temos −19 + 6I1 + I3 + 6 + 4I1 = 0 e no loop ` direita temos a a 4I2 +  I3 − 6 = 0. Com a equa¸ao I1 = I2 + I3 . obtemos A =  0. b e 3 −0.53 2 5.3 ˜ 2. I2 = 1. A resposta final ´ I1 = 1.29 2.10 −0.1A e I3 = 0.0 −1.3 x1 = 0.Apˆndice D e Respostas de exerc´ ıcios selecionados 1.

2  0.248 2.87500 .12 r(0) =   ˆ APENDICE D. RESPOSTAS DE EXERC´ ICIOS SELECIONADOS  1.0 3.5 2. (c) x(1) =  −0. a e c˜   3 23 169 5 (b) Com a permuta¸ao p =  1 . e .6 (a) A matriz n˜o satisfaz o Crit´rio das Linhas para qualquer permuta¸ao de linhas.35938 (d) O erro inicial ´ estimado por 5 e n ≥ 147.37 5. temos β1 = 6 .23  c(0) =  0.2   3.65  x(1) =  −6.59 −0.4 0. c˜ 24 2   −0. β3 = 192 e M = 23 < 1.50000 0. β2 = 24 .94 r(0) =  ˜      1.5 −1.9 0.