Calculo Numérico

Sumrio a
I Sistemas Lineares
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
9 9 9 10 12 13 15 15 17 21 21 23 24 25 25 28 30 31 31 34 35 37 39 39 42 47
1 Exemplos de aplicaes de sistemas lineares co 1.1 Introduo . . . . . . . . . . . . . . . . . . . . . . ca 1.2 Provetas . . . . . . . . . . . . . . . . . . . . . . . 1.3 Petrleo . . . . . . . . . . . . . . . . . . . . . . . o 1.4 Cores . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Interpolao polinomial . . . . . . . . . . . . . . ca 1.6 Outros problemas de determinao de polinmios ca o 1.7 Splines . . . . . . . . . . . . . . . . . . . . . . . . 1.8 Problemas de contorno . . . . . . . . . . . . . . . 2 Entendendo os sistemas lineares 2.1 Sistemas lineares e intersees de hiperplanos co 2.2 Transformaes lineares . . . . . . . . . . . . co 2.3 Notao e interpretao . . . . . . . . . . . . ca ca 2.4 Inverso de matrizes . . . . . . . . . . . . . . a 2.5 Explorando a linearidade . . . . . . . . . . . 2.6 Existncia e unicidade de solues . . . . . . e co 2.7 Injetividade, sobrejetividade... glup! . . . . . 2.8 O determinante . . . . . . . . . . . . . . . . . 2.8.1 Dimenso 2 . . . . . . . . . . . . . . . a 2.8.2 Dimenso 3 . . . . . . . . . . . . . . . a 2.8.3 Dimenso n . . . . . . . . . . . . . . . a 2.9 Quadro comparativo . . . . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
3 O Mtodo de Escalonamento e 3.1 O mtodo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 3.2 Algarismos signicativos . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 O determinante no Mtodo de Escalonamento . . . . . . . . . . . . . . . e 1
2 3.4 3.5 A desvantagem da Regra de Cramer . . . . . . . . . Sistemas mal-condicionados e renamento de soluo ca 3.5.1 Sistemas mal-condicionados . . . . . . . . . . 3.5.2 Matrizes de Hilbert . . . . . . . . . . . . . . . 3.5.3 Renamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SUMARIO . . . . . . . . . . . . . . . 48 50 50 51 52 57 57 58 61 61
4 Mtodos iterativos e 4.1 O Mtodo de Jacobi . . . e 4.2 Critrio das Linhas . . . . e 4.3 Critrio de parada . . . . e 4.4 O Mtodo de Gauss-Seidel e
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
II
Ajuste de Funes co
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
69 69 70 71 71 72 73 74 75 75 81 81 82 83 85 87 87 88 88 91 93 93 95
5 Ajuste de funes co 5.1 O problema do ajuste . . . . . . 5.2 Os m nimos quadrados . . . . . . 5.3 Parmetros . . . . . . . . . . . . a 5.3.1 Densidade . . . . . . . . . 5.3.2 Catenria . . . . . . . . . a 5.3.3 Naftalinas e funes ans co 5.3.4 Decaimento exponencial . 5.3.5 Leis de potncia e fractais e 5.3.6 Gaussiana . . . . . . . . .
6 Funes lineares nos parmetros co a 6.1 Dependncia linear dos parmetros . . . . . . . . e a 6.2 Cont nuo vs. discreto . . . . . . . . . . . . . . . . 6.3 Um parmetro . . . . . . . . . . . . . . . . . . . a 6.4 Dois parmetros . . . . . . . . . . . . . . . . . . a 6.5 Ajuste de qualquer funo linear nos parmetros ca a 6.6 O caso cont nuo . . . . . . . . . . . . . . . . . . . 6.7 Exemplos . . . . . . . . . . . . . . . . . . . . . . 6.7.1 Dinammetro . . . . . . . . . . . . . . . . o 6.7.2 Cosseno aproximado por um polinmio . o
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
7 Levando a srio o produto escalar e 7.1 Produto escalar e distncia . . . . . . . . . . . . . . . . . . . . . . . . . a 7.2 Existncia e unicidade de solues no ajuste linear . . . . . . . . . . . . e co
SUMARIO 7.3 7.4 O caso cont nuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Outros produtos escalares: pesos . . . . . . . . . . . . . . . . . . . . . .
3 97 98 101 101 103 105 106 109
8 Fam lias ortogonais 8.1 Denies e exemplos . . . . . . . . . . . . . . . . co 8.2 Calculando polinmios ortogonais por recorrncia . o e 8.3 Um exemplo de aplicao de polinmios ortogonais ca o 8.4 Exemplo de anlise harmnica . . . . . . . . . . . a o 8.5 Uso de funes tabeladas por mudana de varivel co c a
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
III
Equaes e Zeros de Funes co co
111
113 113 114 114 117 120 121 125 125 126 127 128 130 135 137 138 141 142 145 147 149 151 153
9 Zeros de funes e o Mtodo da Dicotomia co e 9.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . ca 9.2 Raiz cbica de 10 . . . . . . . . . . . . . . . . . . . u 9.3 Pra-quedista ou bolinha em queda dentro dgua a a 9.4 O cilindro deitado . . . . . . . . . . . . . . . . . . 9.5 Catenria . . . . . . . . . . . . . . . . . . . . . . . a 9.6 Mtodo da Dicotomia . . . . . . . . . . . . . . . . e
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
10 Mtodos iterativos e 10.1 Plano geral . . . . . . . . . . . . . . . . . . . . . . . . 10.2 Pontos xos . . . . . . . . . . . . . . . . . . . . . . . . 10.3 Funes auxiliares candidatas . . . . . . . . . . . . . . co 10.4 Visualizando iteraes . . . . . . . . . . . . . . . . . . co 10.5 Iterando perto de pontos xos . . . . . . . . . . . . . . 10.6 Teorema do Valor Mdio e velocidade de convergncia e e ) = 0: convergncia quadrtica . . 10.6.1 O caso (x e a 10.7 Calculando zeros de funes - a escolha de . . . . . co 10.8 A escolha de x0 . . . . . . . . . . . . . . . . . . . . . . 10.9 Um critrio de parada . . . . . . . . . . . . . . . . . . e 11 O Mtodo de Newton e 11.1 Quando o Mtodo de Newton funciona? . . . e 11.1.1 Retirando a hiptese f (x ) = 0 . . . . o 11.2 Mtodo de Newton em dimenses mais altas . e o 11.2.1 Determinao da forma de uma corda ca
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
SUMARIO
IV
Interpolao Polinomial ca
155
157
12 Estimativa do erro nas interpolaes co
13 Tcnicas de interpolao e ca 163 13.1 Polinmios de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . 163 o 13.2 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 13.2.1 Exemplo do uso da forma de Newton . . . . . . . . . . . . . . . . 167
Integrao de Funes ca co
171
173 173 174 176 179 180 185 186
14 Importncia da integrao numrica a ca e 14.1 Introduo . . . . . . . . . . . . . . . . . . ca 14.2 Clculo de reas . . . . . . . . . . . . . . a a 14.3 Comprimento de curvas e grcos . . . . . a 14.4 Distncia percorrida e tempo decorrido . . a 14.5 Per odo do pndulo e as integrais el e pticas 14.6 Clculo de e de logaritmos . . . . . . . a 14.7 A gaussiana . . . . . . . . . . . . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
15 Mtodos de integrao numrica e ca e 187 15.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 ca 15.2 O Mtodo dos Trapzios . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 e e 15.3 O Mtodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 e 16 Estimativa do erro nos mtodos de integrao e ca 193 16.1 Frmulas de erro e comparao dos mtodos . . . . . . . . . . . . . . . . 193 o ca e 16.2 Aplicao das frmulas de erro . . . . . . . . . . . . . . . . . . . . . . . 195 ca o 17 Obteno das frmulas de erro ca o 17.1 Primeira Abordagem - Mtodo dos Trapzios e e 17.2 Primeira Abordagem - Mtodo de Simpson . e 17.3 Segunda Abordagem - Mtodo dos Trapzios e e 17.4 Segunda Abordagem - Mtodo de Simpson . . e 17.5 Terceira Abordagem - Mtodo dos Trapzios . e e 17.6 Terceira Abordagem - Mtodo de Simpson . . e 201 202 203 204 205 206 206
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
SUMARIO
VI
Equaes Diferenciais co
209
211 211 213 214 214 214 215 216 217 218 220 220 221 223 227 227 228 230 233 235 240 243 243 244 246 247 249 250 252 257 258 260 261 262
18 Breve introduo `s equaes diferenciais ca a co 18.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 18.2 Soluo de equaes autnomas e separveis . . . . . . . . ca co o a 18.3 Alguns exemplos . . . . . . . . . . . . . . . . . . . . . . . 18.3.1 Naftalinas . . . . . . . . . . . . . . . . . . . . . . . 18.3.2 Crescimento populacional a taxas constantes . . . 18.3.3 Pra-quedista . . . . . . . . . . . . . . . . . . . . . a 18.3.4 Crescimento populacional com restries de espao co c 18.3.5 Catenria . . . . . . . . . . . . . . . . . . . . . . . a 18.3.6 Escoamento de um copo furado . . . . . . . . . . . 18.3.7 Dada do Mtodo de Newton, quem f ? . . . . . e e 18.3.8 Transferncia de calor . . . . . . . . . . . . . . . . e 18.4 Entendimento qualitativo de equaes autnomas . . . . . co o 18.5 Equaes diferenciais com mais variveis . . . . . . . . . . co a 19 Soluo numrica de equaes diferenciais ca e co 19.1 Equaes separveis . . . . . . . . . . . . . . . . . co a 19.2 Discretizao . . . . . . . . . . . . . . . . . . . . . ca 19.3 O Mtodo de Euler . . . . . . . . . . . . . . . . . . e 19.4 Indo para segunda ordem . . . . . . . . . . . . . . 19.5 Runge-Kutta . . . . . . . . . . . . . . . . . . . . . 19.6 Runge-Kutta em sistemas de equaes autnomas . co o A Reviso de Clculo a a A.1 Derivadas . . . . . . . . . . . . . . . . . . . . . . . A.2 Primitivas . . . . . . . . . . . . . . . . . . . . . . . A.3 Integral . . . . . . . . . . . . . . . . . . . . . . . . A.4 A integral indenida . . . . . . . . . . . . . . . . . A.5 O Teorema Fundamental do Clculo . . . . . . . . a A.6 A praticidade do Teorema Fundamental do Clculo a A.7 O logaritmo . . . . . . . . . . . . . . . . . . . . . . A.8 O Teorema do Valor Mdio . . . . . . . . . . . . . e A.9 A Regra da Cadeia . . . . . . . . . . . . . . . . . . A.10 Regras do produto e do quociente . . . . . . . . . . A.11 Truques de primitivizao: integrao por partes . ca ca A.12 Truques de primitivizao: substituio . . . . . . ca ca
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
6 B Frmula de Taylor o B.1 Introduo . . . . . . . . . . . . . . . ca B.1.1 Polinmios de grau zero . . . o B.1.2 Aproximao da funo nula ca ca B.1.3 Aproximao de grau 1 . . . ca B.2 Polinmio e Frmula de Taylor . . . o o
SUMARIO 265 265 266 266 267 268
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
Parte I
Sistemas Lineares
Cap tulo 1
Exemplos de aplicaes de co sistemas lineares

1.1 Introduo ca
Um sistema linear um conjunto de m equaes, com n incgnitas x1 , x2 , . . ., xn , da e co o seguinte forma: a11 x1 + a12 x2 + . . . + a1n xn = b1 a21 x1 + a22 x2 + . . . + a2n xn = b2 . . . am1 x1 + am2 x2 + . . . + amn xn = bm Os nmeros aij so os coecientes do sistema linear, e so fornecidos no problema. Os bi s u a a so chamados de termos independentes. Aqui estudaremos apenas os sistemas lineares a que tenham tantas equaes quanto incgnitas, isto , m = n. Trataremos neste Cap co o e tulo de alguns exemplos onde se aplicam sistemas lineares, no Cap tulo 2 entenderemos um pouco da teoria envolvida (por exemplo, a relao entre o determinante dos coecientes ca do sistema e a existncia e unicidade de solues), no Cap e co tulo 3 falaremos de sua soluo ca pelo Mtodo de Escalonamento e no Cap e tulo 4, nalmente, exporemos dois mtodos e iterativos de resoluo dos sistemas lineares (que, infelizmente, s funcionam em certos ca o casos).
1.2
Provetas
Considere o seguinte problema. Quatro tipos de materiais particulados esto distribu a dos por quatro provetas, e em cada proveta os materiais so dispostos em camadas, no a a misturadas, de modo que seja poss medir facilmente o volume de cada material em vel 9
10
CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES
cada uma delas. Dado que possamos medir a massa total de cada proveta, e que saibamos a massa da proveta vazia, queremos calcular a densidade de cada um dos materiais. Para colocar o problema em termos matemticos, chamemos os materiais de A, a B, C e D, e suas densidades respectivas de D D D D A , B , C e D . Essas so as incgnitas a o do problema, nmeros que queremos desu C C C C cobrir. B Entre os dados dispon veis para resolv-lo e B B esto a massa conjunta dos quatro materia B A A ais em cada uma das provetas (numeradas A A de 1 a 4), que chamaremos de m1 , m2 , m3 1 2 3 4 e m4 , j descontada a tara das provetas. a Alm disso, temos o volume de cada um dos materiais em cada uma das provetas. e Chamaremos de v1A , v1B , v1C e v1D o volume dos materiais A, B, C e D na Proveta 1, v2A , v2B , v2C e v2D o volume dos materiais A, B, C e D na Proveta 2, e assim por diante. Como a densidade a razo entre massa e volume, a massa do material A na Proveta e a 1 v1A A . Estendendo esse racioc e nio para os demais materiais, obtemos que a massa total m1 contida na Proveta 1 e v1A A + v1B B + v1C C + v1D D . Considerando as quatro provetas, obteremos quatro equaes: co v1A A + v1B v2A A + v2B v3A A + v3B v4A A + v4B B B B B + v1C + v2C + v3C + v4C C C C C + v1D D + v2D D + v3D D + v4D D = m1 = m2 = m3 = m4
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 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 " # " # " # " # " # ( ) ( ) ( ) ( ) ( ) ! ! ! ! ! ! ! ! ! ! ! ! ! ( ) ( ) ( ) ( ) ( ) ! ! ! ! ! ! ! ! ! ! ! ! ! & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' & ' $ % $ % $ % $ % $ % $ % $ % $ % $ % $ % $ % $ % $ % $ % $ % $ %
Trata-se de um sistema linear de quatro equaes e quatro incgnitas. co o Uma poss vel aplicao em Geologia seria a seguinte. Uma sonda faz o papel das ca provetas, e uma coluna de material retirada, contendo materiais diferentes dispostos e em camadas (pode ser at uma sonda coletando material gelado). A sonda permitiria e medir a dimenso de cada camada, mas no poder a a amos desmanchar a coluna para medir a densidade de cada material isoladamente, sob o risco de alterar a compactao. ca
1.3
Petrleo o
Outro problema para Gelogos e ans. Em trs poos de petrleo, situados em regies o e c o o distintas, o material coletado tem diferentes concentraes de duas substncias A e B. co a
1.3. PETROLEO
11
Uma central recebe o petrleo dos trs poos, mas antes do reno precisa obter uma o e c mistura com uma concentrao escolhida das substncias A e B. A pergunta : em cada ca a e litro de petrleo que ser gerado para o reno, quanto petrleo de cada poo se deve o a o c colocar? Mais uma vez equacionemos o problema: chamaremos de c1A a concentrao de A no ca petrleo do Poo 1, c1B a concentrao de B no petrleo do Poo 1, e assim por diante. o c ca o c Essa informao conhecida previamente. As concentraes que queremos obter so ca e co a chamadas de cA e cB . As incgnitas so as quantidades relativas de petrleo de cada o a o poo que colocaremos na mistura nal, que chamaremos de q1 , q2 e q3 . Elas so medidas c a em litros, e devem ser tais que q1 + q2 + q3 = 1 . Alm disso, a concentrao do material A aps a mistura dos trs ser dada por e ca o e a c1A q1 + c2A q2 + c3A q3 . Pensando o mesmo sobre o material B, camos com trs equaes lineares e trs incgnitas: e co e o c1A q1 + c2A q2 + c3A q3 = cA c1B q1 + c2B q2 + c3B q3 = cB q1 + q2 + q3 = 1 Aqui importante salientar que o problema no teria uma soluo satisfatria para e a ca o qualquer escolha de cA e cB . Por exemplo, se a concentrao cA desejada na mistura ca for superior `s concentraes de A em cada um dos poos, no h como obter a mistura a co c a a satisfatoriamente. Mesmo assim poderia haver uma soluo matemtica para a equao, ca a ca na qual provavelmente uma das incgnitas q1 , q2 ou q3 teria que ser negativa! o Portanto no problema real devemos adicionar a exigncia de que os valores q1 , q2 e e q3 encontrados no sejam negativos. a O conjunto de valores de cA e cB para os quais cB haveria uma soluo para esse problema pode ca (c1A ,c1B ) ser representado da seguinte forma. Queremos um par de concentraes (cA , cB ) tal que co possiveis (cA ,cB ) existam q1 , q2 e q3 satisfazendo as equaes co acima. Esse conjunto de possibilidades est a representado no plano cartesiano na gura ao (c3A ,c3B ) lado, e denominado envoltria convexa dos e o (c2A ,c2B ) pontos (c1A , c1B ), (c2A , c2B ) e (c3A , c3B ). Ele o menor conjunto convexo que contm os e e cA pontos citados.
12
1.4
Cores
Um exemplo muito semelhante pode ser obtido trabalhando-se com combinaes de co cores. A maior parte das cores conhecidas podem ser formadas pela combinao de trs ca e cores: vermelho (R), verde (G) e azul (B), as letras correspondendo ` nomenclatura em a ingls red-green-blue, que chamaremos de cores puras. e Isto signica que as cores poB dem ser representadas por trs e nmeros no-negativos, cada um u a indicando a quantidade de cada uma das trs cores, e esses e nmeros so geometricamente u a vistos pela posio que represenca tam no primeiro octante formado G pelos trs eixos coordenados no e R espao tridimensional. c No entanto h um bocado de informao redundante nessa representao, uma vez a ca ca que o ponto (1, 1, 1) deve resultar na mesma cor que (3, 3, 3), a unica diferena sendo a c quantidade de material produzido.
B
azul (0,0,1)
Se pensarmos que os nmeros xR , xG , xB u denotam a quantidade de litros de cada cor pura e sempre quisermos produzir exatamente 1 litro de mistura, ento nea e cessrio que a xR + xG + xB = 1 .
(1,0,0)
(0,1,0)
G
vermelho verde
A equao acima restringe o espao de coca c res poss veis a interseco do plano xR + ` ca xG + xB = 1 com o primeiro octante, que o tringulo mostrado na gura ao lado. e a
Cada ponto Q desse tringulo obtido como combinao convexa de (1, 0, 0), (0, 1, 0) a e ca e (0, 0, 1), isto , e Q = (qR , qG , qB ) = qR (1, 0, 0) + qG (0, 1, 0) + qB (0, 0, 1) , com a condio de que qR + qG + qB = 1. Chamaremos de T esse tringulo. ca a Suponha agora que produzimos quatro cores distintas Q(1) , Q(2) , Q(3) e Q(4) , sendo que (i) (i) (i) Q(i) = (qR , qG , qB )
1.5. INTERPOLACAO POLINOMIAL para cada i = 1, 2, 3, 4. Elas so representadas por pontos no tringulo T . a a O conjunto de todas as combinaes co poss veis dessas quatro cores (formando um litro) o menor conjunto convexo em e T que contm essas quatro cores, como e ilustra a gura ao lado. Se Q uma tal e cor, ento a Q = x1 Q(1) + x2 Q(2) + x3 Q(3) + x4 Q(4) , com x1 + x2 + x3 + x4 = 1.
R
Q (4)
13
Q (2) Q
(1)
Q (3)
Por exemplo, suponha que a cor cinza, dada por Q = ( 1 , 1 , 1 ), esteja contida nesse 3 3 3 menor conjunto convexo, e gostar amos de determinar as quantidades x1 , x2 , x3 e x4 das cores Q(1) , Q(2) , Q(3) e Q(4) que produzam 1 litro da cor cinza Q. Isso nos d quatro a equaes lineares nas incgnitas x1 , x2 , x3 e x4 : co 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
1.5
Interpolao polinomial ca
Imagine que queiramos passar um polinmio quadrtico (isto , uma parbola) pelos o a e a pontos (x1 , y1 ), (x2 , y2 ) e (x3 , y3 ), desde que x1 , x2 e x3 sejam todos diferentes entre si.
p(x) y1 x2 x1 y2 x3 y3
Um polinmio quadrtico escrito, na sua forma geral, como o a e p(x) = ax2 + bx + c . Como neste problema nosso objetivo determinar o polinmio quadrtico, as incgnitas e o a o so os trs coecientes a, b e c. Para encontrar as incgnitas dispomos de trs equaes, a e o e co
14
pois o grco do polinmio deve passar pelos trs pontos dados: p(x1 ) = y1 , p(x2 ) = y2 a o e e p(x3 ) = y3 . Explicitando as equaes, camos com co ax2 + bx1 + c = y1 1 ax2 + bx2 + c = y2 2 ax2 + bx3 + c = y3 3 e reescrevendo-as evidenciamos o carter 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 nmero e u qualquer n de pontos. Sejam os pares (x1 , y1 ), . . . , (xn , yn ), com os xi s distintos dois a dois. Queremos achar um polinmio p(x) cujo grco passe pelos pontos dados, isto : o a e p(x1 ) = y1 , p(x2 ) = y2 , . . . , p(xn ) = yn .
yn y y x1 x2 y2
n-1 1
xn-1
xn
Se procurarmos por um polinmio de grau k teremos k + 1 coecientes a determinar. o Como temos que satisfazer n equaes, isso sugere que xemos k = n 1. Assim, temos co o sistema de n equaes, onde os coecientes so as n incgnitas: co a o a0 + x1 a1 + x2 a2 + . . . + xn1 an1 1 1 a0 + x2 a1 + x2 a2 + . . . + xn1 an1 2 2 . . . . . . . . . . . . . . . 2 a n1 a a0 + xn a1 + xn 2 + . . . + xn n1 = y1 = y2 . = . . = yn
Podemos nos perguntar se sempre existe soluo para esse sistema, e se ela unica. ca e A resposta sim (desde que os xi s sejam distintos entre si, mas veremos a justicativa e mais adiante, na Seo 2.7. ca Exerc cio. Ache o unico polinmio de grau 3 passando pelos pontos (1, 0), (0, 1), o (3, 1) e (4, 0).
1.6. OUTROS PROBLEMAS DE DETERMINACAO DE POLINOMIOS
15
1.6
Outros problemas de determinao de polinmios ca o
Outro problema de interpolao polinomial que pode ser reduzido a um sistema linear ca ocorre quando so impostas condies nas derivadas do polinmio, em determinados a co o pontos. A idia ca mais clara a partir do seguinte exemplo. e Problema: achar um polinmio tal que p(1) = 1, p(3) = 0, p (1) = 0 e p (3) = o 0. Isto , xa-se o valor e a derivada de p em dois pontos, o que d 4 equaes. e a co Com um polinmio de grau 3, ca-se com 4 incgnitas. Explicitamente, se p(x) = o o a0 + a1 x + a2 x2 + a3 x3 , ento as 4 equaes se transformam em a co a0 a1 a0 + 3a1 a1 a1 + a2 + 9a2 2a2 + 6a2 a3 + 27a3 + 3a3 + 27a3 = = = = 1 0 0 0
Tambm pode-se impor alguma condio de integral denida para o polinmio. Por e ca o 2 + bx + c polinmio de grau 2 e sabemos que exemplo, se p(x) = ax e o
2
p(x)dx = 3 ,
1
isso nos d uma equao linear, pois a ca

2 1
p(x)dx = a =
x2 x3 2 |1 + b |2 + cx|2 1 3 2 1 7 3 a+ b+c. 3 2
1.7
Splines
H tambm o problema de spline. Dados pontos (x0 , y0 ), . . . , (xn , yn ) (a numerao a e ca comea de zero, desta vez) como na gura abaixo com n = 5, achar uma funo que c ca seja: 1. um polinmio cbico em cada intervalo [xk1 , xk ], com k = 1, . . . , n; o u 2. igual aos valores especicados yk nos pontos xk ; 3. duas vezes diferencivel e com derivada segunda cont a nua, inclusive nos pontos extremos dos intervalos (em particular, a funo tambm deve ser diferencivel); ca e a 4. com derivada zero nos extremos (ou com valores especicados da derivada nos extremos).
16
x0
x1
x2
x3
x4
x5
Os pontos x0 , . . . , xn so chamados de ndulos. a o Nesse problema temos que achar n polinmios cbicos (um para cada intervalo), e o u so portanto 4n incgnitas (quatro coecientes de cada polinmio). Ser que temos 4n a o o a equaes tambm? co e Vejamos. Chamaremos de p1 (x), . . . , pn (x) os polinmios, sendo que o polinmio o o pk (x) corresponde ao intervalo [xk1 , xk ]. Temos que impor os valores extremos p1 (x0 ) = y0 , pn (xn ) = yn (no desenho, y0 e yn so iguais a zero). J temos duas equaes. Alm disso, devemos a a co e impor a segunda condio especicada acima, nos demais ndulos (mais 2n2 equaes): ca o co p1 (x1 ) = y1 e p2 (x1 ) = y1 , . . . , pn1 (xn1 ) = yn1 e pn (xn1 ) = yn1 . At agora totalizamos 2n equaes. Temos ainda que impor as derivadas nos extremos e co (zero neste caso): p1 (x0 ) = 0 , pn (xn ) = 0 , e tambm a continuidade da derivada em cada ndulo: e o p1 (x1 ) = p2 (x1 ) , . . . , pn1 (xn1 ) = pn (xn1 ) , perfazendo mais n + 1 equaes. Finalmente, temos que impor tambm a continuidade co e da segunda derivada nos ndulos, com mais n 1 equaes: o co p1 (x1 ) = p2 (x1 ) , . . . , pn1 (xn1 ) = pn (xn1 ) . Ao todo so 4n equaes! a co E poss mostrar que o sistema da resultante sempre tem unica soluo. vel ca Exerc cio. Monte o sistema linear relativo ao spline dos pontos da gura, com os seguintes dados:
1.8. PROBLEMAS DE CONTORNO k 0 1 2 3 4 5 xk -3.0 -1.4 0.0 1.5 2.5 4.0 yk 0.0 0.7 2.0 2.5 1.0 0.0
17
Exerc cio. Faa um spline cbico com os pontos (1, 0), (0, 1) e (1, 0), com derivada c u zero nos extremos.
1.8
Problemas de contorno
O problema do equil brio termosttico (ou tambm do eletrosttico) outro exemplo de a e a e reduo a um sistema linear. ca Suponha uma situao como ca a mostrada na gura ao lado, com trs fontes de calor: e 1. O entorno do quadrado, a ` temperatura Ta 2. O quadrado inclinado, ` a temperatura Tb 3. A barra, ` temperatura a Tc A questo : como se disa e tribuir a temperatura, no a equil brio, em funo da ca posio (x, y)? ca O mesmo problema pode ser formulado com um potencial eletrosttico V (x, y), ao a invs da temperatura, se nas regies mostradas xssemos valores Va , Vb e Vc . Na e o a verdade, os valores Ta , Tb , Tc nem precisariam ser xos: poderiam variar conforme a posio. ca Esse problema modelado pela equao de Laplace e ca 2T 2T + =0, x2 y 2
Tb
Ta
(x,y) T(x,y)
Tc
18
signicando que devemos procurar uma funo cont ca nua T (x, y) cujo valor sobre as fontes seja aquele pr-determinado e tal que fora delas satisfaa essa equao. e c ca Para obter uma soluo ca numrica, discretizamos o e plano (x, y) com uma rede quadrada, como mostra a gura ao lado. Em seguida, numeramos os vrtices da e malha cujas temperaturas no esto xadas, em quala a quer ordem (por exemplo, adotamos da esquerda para a direita, e de cima para baixo).
Tb
Ta
Tc
Na posio i queremos determinar a temperatura Ti , no equil ca brio. Se forem N vrtices, sero N incgnitas T1 , T2 , . . . , TN a determinar. A equao de Laplace, quando e a o ca discretizada, se traduz no fato de que a temperatura de equil brio na posio i tem que ca ser igual ` mdia da temperatura nos quatro vizinhos imediatos (na vertical e horizontal). a e Para cada vrtice, isso se traduzir numa equao (linear), e a reunio de todas essas e a ca a equaes formar um sistema linear de N equaes e N incgnitas. co a co o Vejamos um exemplo, com uma grade de poucos vrtices. O desenho e da gura ao lado mostra uma grade 9 8. Chamaremos de N o nmero u de linhas (no exemplo, N = 9) e M o nmero de colunas (no exemplo, u M = 8). Na grade xamos Ta nas posies (4, 4), (5, 3), (5, 4), (5, 5) co e (6, 4) (embora a posio interna ca (5, 4) no v servir para nada), e a a Tb nas posies (1, s) e (9, s), para co s = 1, . . . , 8, e (r, 1), (r, 8), para r = 1, . . . , 9. Veja que estamos usando r para indexar as linhas e s para indexar as colunas.
s
1

2

3

4

5
! !
6
" "# # ! !
7
$ $% % i $ $ " "# #
1
&' &
Ta
c bc b ` a ` a ` a b b ` ` ` 2 3 2 3 2 3 4 5 4 5 4 5
5 6
6 7
A discretizao da equao de Laplace signica que, nos vrtices em que a temperaca ca e tura no foi xada, o valor da temperatura ser dado pela mdia dos valores dos quatro a a e
TU
RS
RS
PQ
PQ
HI
HI
FG
FG
BC
@A
VW
89
8
A
7
9
3
0 1
hi
2
( )
' 6 7 6 7
Tb
1.8. PROBLEMAS DE CONTORNO
19
vrtices mais prximos. Numeraremos esses vrtices da seguinte forma: da esquerda e o e para a direita e de cima para baixo (como na leitura de um texto em portugus), e e para o vrtice i queremos saber a temperatura de equil e brio Ti . Assim, para o primeiro vrtice, teremos e 1 T1 = (Tb + Tb + T2 + T7 ) , 4 pois o vizinho de cima e o vizinho ` esquerda tm valor xo Tb e os vizinhos ` direita e a e a embaixo so as incgnitas T2 e T7 . Rearranjando a equao temos a o ca 4T1 T2 T7 = 2Tb . Na gura, vemos que h 37 vrtices livres, portanto 37 incgnitas T1 , T2 , . . . , T37 a serem a e o determinadas. Porm cada vrtice livre produz uma equao, donde resulta um sistema e e ca linear com 37 equaes e 37 incgnitas. co o
20
Cap tulo 2
Entendendo os sistemas lineares

2.1 Sistemas lineares e intersees de hiperplanos co
Pode-se melhorar bastante a compreenso dos sistemas lineares se os interpretarmos sob a o ponto de vista geomtrico. e Considere o sistema 5x + 2y = 3 , x + y = 1
em que procuramos x e y que simultaneamente satisfaam as equaes dadas. c co Podemos olhar para uma equao de cada vez, examinando o conjunto dos pares ca (x, y) que satisfazem a primeira e depois o conjunto dos (x, y) que satisfazem a segunda. O que estamos procurando a interseco desses dois conjuntos, isto , os pontos do e ca e plano que satisfazem as duas equaes ao mesmo tempo. co A equao 5x + 2y = 3 determina ca uma reta. Observe que essa reta e 3 o grco da funo y(x) = 2 5 x, a ca 2 que tem inclinao 5 e cruza o ca 2 eixo das ordenadas em 3 . A ou2 tra equao determina outra reta, ca grco da funo y(x) = 1 + x, que a ca tem inclinao 1 e cruza a ordenada ca em 1. 21
3 2
5x+2y=3
22
CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES
y=1+x
3 2 1
5x+2y=3
Na gura ao lado desenhamos as duas retas, e constatamos que elas devem se cruzar num unico ponto. Esse ponto, por estar simultaneamente nas duas retas, satisfaz as duas equaes. Portanto ele a co e soluo procurada do sistema linear. ca
Por essa interpretao entende-se porque alguns ca sistemas podem no ter soluo. Isso acontece a ca se as retas forem paralelas mas no coincidentes, a como no sistema abaixo: 2x + 2y = 0 . x + y = 1
y=1+x y=x
1
As retas so os grcos das funes y = 1 + x e a a co y = x, como mostra a gura ao lado. Outra coisa que pode acontecer a existncia de uma innidade de solues. Basta e e co que as duas equaes determinem a mesma reta, como neste exemplo: co 2x + 2y = 2 . x + y = 1 Nem sempre a equao de uma reta deterca mina o grco de uma funo y(x). Esse a ca ser sempre o caso quando o coeciente a que multiplica y for igual a zero. Por exemplo, a equao 2x = 3 representa ca uma reta vertical, pois o conjunto de toe dos os (x, y) tais que x = 3 . 2
x= 3 ou 2x=3 2
3/2
E no caso de 3 equaes a 3 incgnitas? Bom, nesse caso cada uma das equaes co o co determina um plano, e as solues so todos os pontos de interseco dos trs planos. co a ca e Como no caso de 2 incgnitas, pode haver uma soluo, nenhuma ou uma innidade o ca delas. Num sistema de n equaes a n incgnitas devemos imaginar que cada equao co o ca determina um hiperplano de dimenso n 1 no espao de dimenso n. Infelizmente no a c a a podemos visualizar nada disso, mas isso no nos impede de teorizar sobre o assunto. a
2.2. TRANSFORMACOES LINEARES
23
2.2
Transformaes lineares co
Outra maneira bastante importante de se entender os sistemas lineares atravs do e e conceito de transformaes lineares, e dele nos ocuparemos at o nal do Cap co e tulo. Tomemos novamente o exemplo 5x + 2y = 3 . x + y = 1 Essa equao pode ser escrita na notao matricial ca ca 5 2 1 1 x y = 3 1 .
Para compactar ainda mais a notao, chamaremos de A a matriz, u o vetor (matriz ca coluna) de coordenadas x e y e b o vetor (matriz coluna) de coordenadas 3 e 1, e escreveremos Au = b . Essa forma de escrever sugere que pensemos A como uma funo (ou transformao, ou ca ca ainda aplicao) que toma um vetor qualquer u e transforma num outro vetor Au. ca 1 , ento a Por exemplo, se u = 2 Au = como mostra a gura abaixo. 5 2 1 1 1 2 = 1 4 ,
u=(1,2)
Au=(1,4)
Num sistema linear o que temos o problema inverso: dado o vetor b (a coluna de e x termos independentes ` direita), qual o vetor u = a e tal que Au = b? y a E fcil ver que essa idia funciona da mesma forma em dimenses mais altas. Se o e o sistema linear tem n equaes e n incgnitas ento os coecientes formam uma matriz A co o a
24
que pode ser usada como uma aplicao (ou transformao, ou funo) levando vetoresca ca ca coluna x1 . u= . . xn em vetores Au. Apesar de no ser nossa preocupao aqui, na verdade nem preciso a ca e que o nmero de incgnitas iguale o nmero de equaes para termos esse tipo de u o u co interpretao. Pois o sistema linear ca a11 x1 + a12 x2 + . . . + a1n xn = b1 a21 x1 + a22 x2 + . . . + a2n xn = b2 . . . am1 x1 + am2 x2 + . . . + amn xn = bm que tem m equaes e n incgnitas, pode ser escrito na forma matricial co o a11 . . . a1n x1 b1 . . . = . . .. . . . . . . . . . am1 . . . amn xn bm Agora a matriz dos coecientes, que tem m linhas e n colunas, leva, por multiplicao, ca vetores-coluna de tamanho n em vetores-coluna de tamanho n (ou seja, uma aplicao e ca n em Rm ). de R
2.3
Notao e interpretao ca ca
Vale a pena neste ponto fazermos alguns comentrios a respeito da notao, o que evitar a ca a confuses mais tarde. Como vimos, a matriz A dos coecientes, que n n, pode ser o e vista tambm como uma aplicao, mas no faremos distino na notao. Como matriz, e ca a ca ca A multiplica um vetor-coluna de tamanho n e o resultado um outro vetor-coluna de e tamanho n. Em notao compacta temos Au = b. Como aplicao, A toma um vetor u ca ca de Rn e transforma em outro vetor b de Rn . A rigor dever amos escrever A(u) = b, mas no o faremos. Por razes de praticidade a o (e tambm estticas, por que no?) usaremos os parnteses somente quando for preciso e e a e deixar claro que A se aplica a toda uma expresso, por exemplo, A(u + v), ao invs de a e Au + v, que poderia dar a impresso de que aplicamos A em u e depois somamos v, a quando na verdade primeiro somamos u com v e depois aplicamos A. Portanto no faremos distino clara entre a matriz A e a aplicao A, pois usaremos a ca ca a mesma notao nos dois casos. Para abusar mais um pouquinho, escreveremos muitas ca
2.4. INVERSAO DE MATRIZES
25
vezes os vetores como n-upla, ao invs de vetores-coluna, com as coordenadas separadas e por v rgulas, como por exemplo na frase tome u = (x1 , . . . , xn ) e b = Au..., cando claro que se quisermos calcular b devemos dispor o vetor u em coluna e multiplicar por A, ` esquerda. a
2.4
Inverso de matrizes a
Antes de prosseguir, observamos que a notao matricial nos propicia relacionar conceica tos aparentemente distantes. Por exemplo, o problema de inverter uma matriz quadrada A de tamanho n equivalente a resolver n sistemas lineares. e A inversa de A denida como a matriz U tal que AU = Id, onde Id a matriz e e identidade, que tem 1 ao longo da diagonal principal e 0 no restante. A propriedade fundamental da matriz identidade que Id A = A e A Id = A, funcionando de forma e anloga ao nmero 1 na multiplicao usual entre nmeros reais. A diferena principal a u ca u c entre a multiplicao de nmeros reais e a multiplicao de matrizes que a segunda ca u ca e no comutativa: h (muitos) exemplos onde A U no igual a U A (tente vericar a e a a e com matrizes 2 por 2, escolhidas ao acaso). Suponha que tenhamos A = {aij }nn e queiramos achar U = {uij }nn tal que A U = Id. Explicitamente, queremos resolver a11 a12 . . . a1n u11 u12 . . . u1n 1 0 ... 0 a21 a22 . . . a2n u21 u22 . . . u2n 0 1 ... 0 . . . . = ... ... ... ... . .. .. . . . . . . ... . ... . . . 0 0 ... 1 an1 an2 . . . ann un1 un2 . . . unn a E fcil ver que temos a n equaes do tipo Au = b, onde u e b so colunas de U e Id na co a mesma posiao. Por exemplo, para essa equao ser satisfeita deve valer c ca a11 a12 . . . a1n u11 1 a21 a22 . . . a2n u12 0 . . . = . , .. . . . . . ... . . . . an1 an2 . . . ann que corresponde ` primeira coluna. a un1 0
2.5
Explorando a linearidade
A propriedade mais importante da funo que leva vetores u em Au a linearidade. A ca e linearidade signica que, para quaisquer vetores u1 e u2 tem-se A(u1 + u2 ) = Au1 + Au2 ,
26
e que, para qualquer vetor u e qualquer nmero real , u A(u) = Au . Observe que isso equivalente a dizer que para quaisquer vetores u1 e u2 e nmeros e u e vale A(u1 + u2 ) = Au1 + Au2 . Fica como exerc para o leitor demonstrar a linearidade (em dimenso 2), supondo cio a que A= a b c d
uma matriz da forma mais geral poss e vel! No dif tente!, e depois procure mostrar a e cil, no caso geral, para matrizes n n. Para entendermos o signicado geomtrico da linearidade, vejamos primeiro o que e e a soma de vetores e sua multiplicao por um nmero (comumente chamado de escalar). ca u A multiplicao de um vetor (x, y) por um escalar o vetor (x, y), isto , cada ca e e coordenada multiplicada por . Isto signica que os dois vetores so colineares, mas o e a tamanho do novo vetor || vezes o tamanho do vetor original. Alm disso, se for um e e nmero negativo, o sentido do novo vetor ser oposto ao do vetor original (ver gura u a abaixo). Dizer ento que A(u) = Au signica dizer: tomar a imagem de um vetor u a multiplicado por o mesmo que tomar a imagem de u e depois multiplicar por . e Isto mostra que, se conhecermos Au ento saberemos quem A(u) para qualquer !! a e A soma de dois vetores vista geometricamente pela Lei dos Paralelogramos. Se e u1 = (x1 , y1 ) e u2 = (x2 , y2 ) ento a u1 + u2 = (x1 + x2 , y1 + y2 ) , como mostrado na gura abaixo.
u ( > 1 )
u1+ u2 y 2
u y 1
u ( < 0)
x1
x2
2.5. EXPLORANDO A LINEARIDADE
27
Dizer que A(u1 + u2 ) = Au1 + Au2 signica: obter a soma por meio da Lei do Paralelogramo e depois aplicar a transformao A o mesmo que aplicar a transformao ca e ca a cada um dos vetores e depois somar pela Lei do Paralelogramo. Vejamos a principal conseqncia da linearidade. Para isso, chamemos a ateno ue ca para dois vetores especiais do plano: e1 = (1, 0) e e2 = (0, 1). Eles so chamados de a vetores cannicos. Sua importncia reside no fato de que se u = (x, y) um vetor o a e qualquer ento a u = (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) = xe1 + ye2 . Dizemos que u uma combinao linear de e1 e e2 (isto , a soma de dois vetores, um e ca e colinear a e1 e o outro colinear a e2 ). Usando a linearidade, temos ento a Au = A(xe1 + ye2 ) = xAe1 + yAe2 . Isto signica que se soubermos Ae1 e Ae2 ento saberemos automaticamente Au, para a qualquer vetor u!! Em outras palavras, a ao da aplicao linear A ca completamente ca ca determinada pelo seu resultado em e1 e e2 ! Por exemplo, na gura abaixo mostramos como calcular Au, se u = (1.5, 2), se Ae1 e Ae2 forem como ilustrado.
Au Ae1 Ae2
e2 e1
1.5
Isso sugere que o sistema de coordenadas cartesiano original transferido para um e outro sistema de coordenadas, medido a partir de combinaes lineares de Ae1 e Ae2 . co Fica reforado assim o carter geomtrico dos sistemas lineares. Pois se dermos b no c a e lado direito do desenho, temos um mtodo para achar u tal que Au = b (vide gura e abaixo). Basta medir as coordenadas de b no sistema de coordenadas das combinaes co de Ae1 e Ae2 , e depois procurar no sistema cartesiano tradicional, ` esquerda, o vetor a que tem essas coordenadas!
28
e2 u e1 Ae2 b b=Au
Ae1
Vale aqui uma observao bastante pertinente: os vetores Ae1 e Ae2 so as colunas ca a a da matriz A. E fcil ver a razo: a Ae1 = a b c d 1 0 = a c , Ae2 = a b c d 0 1 = b d .
Tudo ocorre de forma semelhante em dimenso qualquer n. A soma de vetores a tambm obtida pela soma das coordenadas dos vetores. Tambm como em dimenso e e e a 2, a aplicao que leva vetores u em vetores Au linear. Os vetores cannicos so ca e o a e1 = (1, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . ., en = (0, 0, . . . , 0, 1). Qualquer vetor pode ser escrito como combinao linear dos vetores cannicos, pois ca o u = (x1 , x2 , . . . , xn ) = x1 e1 + x2 e2 + . . . + xn en . Isto implica que saber Ae1 , . . . , Aen permite calcular automaticamente qualquer Au.
2.6
Existncia e unicidade de solues e co

Ae2=(4,6)
Voltando a pensar em dimenso 2, observe que esse a esquema geomtrico para achar u tal que Au = b e caria prejudicado se por alguma razo Ae1 e Ae2 fosa sem vetores colineares. Isso aconteceria se os vetorescoluna da matriz A fossem colineares, como por exemplo na matriz 2 4 . 3 6 Neste caso, teremos Ae1 e Ae2 como na gura ao lado.
Ae1=(2,3)
2.6. EXISTENCIA E UNICIDADE DE SOLUCOES
29
O desastre ocorre se tivermos um vetor b que no seja colinear a eles e quisermos a fcil ver porque no vai existir esse vetor: todo vetor u = (x, y) achar u tal que Au = b. E a a se escreve como combinao linear u = xe1 + ye2 , logo Au = xAe1 + yAe2 . S que se ca o Ae1 e Ae2 forem colineares ento Au tambm ser colinear a eles. Em resumo, para a e a qualquer escolha de u, o vetor imagem Au estar sempre sobre a mesma reta, na mesma a direo de Ae1 e Ae2 (a aplicao A leva todo o R2 sobre uma reta, uma aplicao longe ca ca ca de ser injetiva!). Portanto imposs que exista Au = b se b no for colinear com esses e vel a dois vetores! Esse tipo de problema ocorre justamente nos sistemas indeterminados. E o caso em que o sistema no tem soluo. Por outro lado, se b for colinear a Ae1 e Ae2 ento a ca a haver innitas solues, isto , innitas escolhas de u tais que Au = b. Para mostrar a co e isso, escrevemos Ae2 = Ae1 (j que eles so colineares, e supondo que Ae1 seja noa a a nulo), e Au = xAe1 + yAe2 = xAe1 + yAe1 = (x + y)Ae1 . Ao mesmo tempo, com a hiptese de que b seja colinear a Ae1 temos o b = Ae1 . Ento Au = b desde que a x + y = , o que determina uma reta de possibilidades de x e y. Pensando em geral, em dimenso n, o problema de se achar u tal que Au = b ter a a soluo garantida sempre que possamos achar nmeros x1 , . . . , xn tais que ca u b = x1 Ae1 + . . . + xn Aen , isto , sempre que {Ae1 , . . . , Aen } formar uma base, pois ento pela linearidade, e a b = A(x1 e1 + . . . + xn en ) = Au , se chamarmos u = (x1 , . . . , xn ). Pode-se demonstrar que {Ae1 , . . . , Aen } no forma uma base se e somente se um dos a vetores Aei for combinao linear dos demais. Sempre que {Ae1 , . . . , Aen } (lembre-se, ca so as colunas da matriz A) no formar uma base, teremos duas situaes poss a a co veis para a equao Au = b, dependendo de b: se b no for combinao linear de {Ae1 , . . . , Aen } ca a ca ento a equao no ter soluo; e se b for combinao linear de {Ae1 , . . . , Aen } ento a ca a a ca ca a haver uma innidade de solues da equao (tente mostrar isso!). a co ca J se {Ae1 , . . . , Aen } formar uma base ento b se escreve de forma unica como a a b = x1 Ae1 + . . . + xn Aen , implicando que existe uma unica soluo para Au = b, a saber u = (x1 , . . . , xn ). ca
30
2.7
Injetividade, sobrejetividade... glup!
Valem aqui alguns comentrios complementares sobre a discusso terica que estamos a a o levando. Acabamos de ver que a matriz de coecientes A nos deixa duas opes: 1) para co todo b, Au = b tem soluo (portanto a aplicao A sobrejetiva) e essa soluo unica ca ca e ca e (donde Au = Av implica u = v, isto , a aplicao A tambm injetiva); 2) existe b tal e ca e e que Au = b no tem soluo (logo A no sobrejetiva) e existe b tal que Au = b tem a ca a e vrias solues (logo A no injetiva). Ou seja, das duas uma: ou A bijetiva ou no a co a e e a nem sobrejetiva nem injetiva. e Uma caracter stica t pica de uma aplicao linear A que se A no for injetiva ento ca e a a h um vetor w no-nulo (de fato, uma innidade deles) tal que Aw = 0. Pois se A no a a a injetiva ento existem u e v, com u = v, tais que Au = Av. Logo Au Av = 0, e pela e a linearidade A(u v) = 0 . Chame w = u v. Esse vetor no-nulo porque u = v, e assim demonstramos nossa e a armativa. Para ilustrar, apliquemos essas idias ao problema de interpolao polinomial da e ca Seo 1.5. L quer ca a amos passar o grco de um polinmio p(x) de grau n 1 por n a o pontos xados (com abscissas distintas). Isto , dados (x1 , y1 ), . . . , (xn , yn ) quer e amos n1 tal que p(x ) = y , . . . , p(x ) = y , e isso nos achar p(x) = a0 + a1 x + . . . + an1 x 1 1 n n levou imediatamente a um sistema linear onde as incgnitas so os n coecientes do o a polinmio: o 1 x1 x2 . . . xn1 a0 y1 1 1 1 x2 x2 . . . xn1 a1 y2 2 2 . . . . . . = . . . . . . . . . . . . . . . . 1 xn x2 . . . xn1 n n an1 yn Queremos mostrar que essa equao sempre tem soluo e essa soluo unica. ca ca ca e Como vimos acima, isso acontece se e somente se a matriz A dos coecientes for uma aplicao injetiva. ca Suponha por contradio que essa matriz A no fosse injetiva. Ento existiria um ca a a conjunto de coecientes w = (a0 , a1 , . . . , an1 ) no-nulo (isto , pelo menos um dos a e coecientes diferente de zero) tal que Aw = 0. Ou seja, ter amos um polinmio q(x) de o grau n 1 (no mximo), no-nulo, tal que q(x1 ) = 0, . . . , q(xn ) = 0, isto , com n ra a a e zes distintas. Mas polinmios no-nulos de grau n 1 tm no mximo n 1 ra (prove usando o a e a zes seus conhecimentos de clculo!), portanto chegamos a uma contradio, o que mostra a ca que A obrigatoriamente tem que ser injetiva!
2.8. O DETERMINANTE
31
2.8
O determinante
O determinante da matriz A dos coecientes de um sistema linear serve como instrumento para saber se {Ae1 , . . . , Aen } uma base, indicando se o sistema tem ou no unica e a soluo. De fato, esta Seo tem a pretenso de convencer o leitor de que det A = 0 ca ca a se e somente se {Ae1 , . . . , Aen } uma base. A idia explicar o que o determinante e e e e de uma forma intuitiva e geomtrica, mas o leitor pode encontrar abordagens diferentes e em outros livros. E preciso salientar que o determinante ser inicialmente denido para um conjunto a de n vetores (em Rn ) e depois deniremos det A = det(Ae1 , . . . , Aen ) . Comearemos a discusso em dimenso 2, e depois comentaremos sua generalizao c a a ca para dimenso qualquer. a
2.8.1
Dimenso 2 a
O determinante d, de certa forma, uma medida do quanto dois vetores esto perto a a de ser colineares. Deniremos o determinante de um par ordenado de vetores (u1 , u2 ), denotando-o por det(u1 , u2 ) , como sendo a rea do paralelogramo determinado por esses dois vetores, com um sinal. a Sendo assim, dois vetores sero colineares entre si se e somente se seu determinante for a nulo. O determinante de uma matriz A 2 2 denido como sendo o determinante do e par (Ae1 , Ae2 ): det A det(Ae1 , Ae2 ) . Desse modo, ca evidente que o determinante de A diferente de zero se e somente e se o sistema Au = b admitir unica soluo (no importando quais sejam os termos ca a independentes, isto , o vetor b da equao). Lembrando tambm que Ae1 e Ae2 so as e ca e a colunas da matriz A, segue que det A = 0 se e somente se suas colunas forem colineares. Para que a denio que completa, precisamos estabelecer melhor o que o paca e ralelogramo determinado pelos dois vetores e denir de maneira inequ voca o sinal do determinante. Alm disso, precisamos saber calcular o determinante, e o leitor ver que e a a denio dada aqui coincide com aquela que ele provavelmente j conhece. ca a Chamaremos de P (u1 , u2 ) o paralelogramo determinado por u1 e u2 . Ele denido e como sendo o conjunto P (u1 , u2 ) = {su1 + tu2 ; 0 s 1 , 0 t 1} .
32
Isso porque, se 0 s, su1 um vetor com o mesmo sentido que u1 , e se s 1, su1 um e e vetor de tamanho menor ou igual ao tamanho de u1 . O mesmo ocorre com tu2 , para 0 t 1. O paralelogramo constitu ento de todas as somas de vetores desse tipo. e do a O sinal de det(u1 , u2 ) denido assim, se u1 e u2 no so colineares: se (u1 , u2 ) e a a pode ser suavemente alterado at que coincida com o par de vetores cannicos (e1 , e2 ) e o (na ordem correspondente, isto , u1 alterado at coincidir com e1 , e u2 com e2 ), de e e e forma que os vetores nunca se tornem colineares ao longo do processo, ento o sinal a e positivo. Caso contrrio negativo. Veja dois exemplos com sinais diferentes na gura a e abaixo. O da esquerda o positivo. e
u2 u1 u1
u2
Da resulta que det(e1 , e2 ) = +1 (sinal positivo e rea igual a 1) e que det(e2 , e1 ) = a 1. Alm disso, mais geralmente, det(u1 , u2 ) = det(u2 , u1 ), ou seja, se trocarmos a e ordem dos vetores ento o sinal do determinante ser trocado. a a Uma propriedade importante do determinante a linearidade com respeito a cada e um dos vetores. Ou seja, precisamos mostrar que det(u, v) = det(u, v) e que det(u1 + u2 , v) = det(u1 , v) + det(u2 , v) . Observe que se isso for verdade, ento enunciados semelhantes so vlidos para o segundo a a a vetor do par. Por exemplo, det(u, v) = det(v, u) = det(v, u) = det(u, v) . Para mostrar as duas propriedades de linearidade recorremos a princ pios geomtrie cos. Veja nas guras abaixo o que acontece em cada caso. No segundo caso, o princ pio de Cavalieri garante que a rea de P (u1 , v) mais a rea de P (u2 , v) igual ` rea de a a e a a P (u1 + u2 , v) (ateno, a gura no plano, no se trata de desenho em perspectiva!). ca e a
2.8. O DETERMINANTE
33
P(u1+ u ,v) 2 v
u
v u P( u,v) P(u1 ,v) u1 u1+ u2 u2 P(u2 ,v)
P(u,v)
Esse argumento convence facilmente no caso em que det(u1 , v) e det(u2 , v) tenham o mesmo sinal. Se esse no for o caso, ento sugere-se provar que a a det(u1 , v) = det((u1 + u2 ) + (u2 ), v) = det(u1 + u2 , v) + det(u2 , v) , pois fcil ver que det(u2 , v) = det(u2 , v). e a Com essas propriedades todas garantimos o clculo de qualquer determinante. Para a ver isso, escrevemos u1 = (x1 , y1 ), u2 = (x2 , y2 ), mas lembramos a outra forma de escrever esses vetores, como combinao linear de e1 e e2 : u1 = x1 e1 + y1 e2 e u2 = ca x2 e1 + y2 e2 . Ento a det(u1 , u2 ) = det(x1 e1 + y1 e2 , x2 e1 + y2 e2 ) = x1 det(e1 , x2 e1 + y2 e2 ) + y1 det(e2 , x2 e1 + y2 e2 ) , aplicando a linearidade no primeiro vetor do par. Aplicando novamente a linearidade no segundo vetor do par, temos det(u1 , u2 ) = x1 (x2 det(e1 , e1 ) + y2 det(e1 , e2 )) + y1 (x2 det(e2 , e1 ) + y2 det(e2 , e2 )) . Como det(e1 , e1 ) = det(e2 , e2 ) = 0, det(e1 , e2 ) = +1 e det(e2 , e1 ) = 1, ento a det(u1 , u2 ) = x1 y2 x2 y1 . Numa matriz a b c d os vetores coluna so u1 = (a, c) e u2 = (b, d), de forma que a det A = ad bc . Bom, essa a frmula usual do determinante que aprendemos desde o Colgio!! e o e Vale a pena lembrar as propriedades essenciais do determinante que permitem calcul-lo para qualquer par de vetores: a
34
CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES 1. det(e1 , e2 ) = 1 (normalizao); ca 2. det(u, v) = det(v, u) (alternncia); a 3. det(u + v, w) = det(u, w) + det(v, w) (linearidade).
2.8.2
Dimenso 3 a
Em dimenso 3, podemos denir o paralelep a pedo P (u1 , u2 , u3 ), onde u1 , u2 , u3 so vea tores de R3 como o conjunto P (u1 , u2 , u3 ) = {ru1 + su2 + tu3 ; 0 r, s, t 1} (no dif ver o que seria um paralelep a e cil pedo em dimenso mais alta, generalizando a essa denio). O determinante det(u1 , u2 , u3 ) ser o volume desse paralelep ca a pedo, com um sinal que devemos convencionar. De qualquer forma, um determinante nulo corresponde a um conjunto de trs vetores e em que um deles combinao linear dos outros, pois da no resulta um paralelep e ca a pedo com volume. O sinal do determinante convencionado de maneira anloga ao que zemos em e a dimenso 2. Se {u1 , u2 , u3 } uma base (ou seja, nenhum combinao linear dos a e e ca outros), o sinal de det(u1 , u2 , u3 ) ser positivo se a trinca ordenada (u1 , u2 , u3 ) puder a ser suavemente deformada at (e1 , e2 , e3 ) sem que nunca deixe de formar uma base. e Essa denio pouco prtica: como calcular det A = det(Ae1 , Ae2 , Ae3 )? Mais ca e a uma vez, conveniente demonstrar as propriedades bsicas do determinante e us-las e a a para os clculos. As propriedades bsicas so (tente se convencer voc mesmo por que a a a e elas valem): 1. det(e1 , e2 , e3 ) = +1; 2. det(u1 , u2 , u3 ) = det(u3 , u1 , u2 ) = det(u2 , u3 , u1 ) = det(u3 , u2 , u1 ) = det(u1 , u3 , u2 ) = det(u2 , u1 , u3 ); 3. det(u + v, u2 , u3 ) = det(u, u2 , u3 ) + det(v, u2 , u3 ) . Na segunda propriedade, note que qualquer troca entre vetores muda o sinal do determinante. A troca pode ocorrer com qualquer par de posies: primeira com segunda, co segunda com terceira e primeira com terceira. Isso implica em particular que sempre que houver vetores repetidos na trinca ento o determinante nulo, pois, por exemplo, a e det(u, u, v) = det(u, u, v) , logo det(u, u, v) = 0.
2.8. O DETERMINANTE Podemos usar essas regras para calcular o determinante da matriz 3 3 a11 a12 a13 A = a21 a22 a23 , a31 a32 a33
35
que o determinante de seus vetores-coluna, na ordem em que se apresentam. Temos, e pela linearidade (propriedade 3), det A = det ((a11 , a21 , a31 ), (a12 , a22 , a32 ), (a13 , a23 , a33 )) = det(a11 e1 + a21 e2 + a31 e3 , a12 e1 + a22 e2 + a32 e3 , a13 e1 + a23 e2 + a33 e3 ) = a11 a12 a13 det(e1 , e1 , e1 ) + . . . + a31 a32 a33 det(e3 , e3 , e3 ) . Dos 27 termos so no nulos apenas os determinantes det(ei , ej , ek ) tais que i, j, k so a a a todos distintos. Logo det A = a11 a22 a33 det(e1 , e2 , e3 ) + a11 a32 a23 det(e1 , e3 , e2 ) +a21 a12 a33 det(e2 , e1 , e3 ) + a21 a32 a13 det(e2 , e3 , e1 ) +a31 a12 a23 det(e3 , e1 , e2 ) + a31 a22 a13 det e3 , e2 , e1 . Todos os determinantes restantes so iguais a +1 ou 1. J sabemos que det(e1 , e2 , e3 ) = a a +1, logo det(e1 , e3 , e2 ) = 1. Isso implica det(e3 , e1 , e2 ) = +1 e det(e3 , e2 , e1 ) = 1. Que por sua vez implica det(e2 , e3 , e1 ) = +1 e det(e2 , e1 , e3 ) = 1. Ento a det A = a11 (a22 a33 a32 a23 ) + a21 (a32 a13 a12 a33 ) + a31 (a12 a23 a22 a13 ) . Esse o conhecido determinante de uma matriz 3 3!! e
2.8.3
Dimenso n a
Em dimenso n existe o conceito de volume - comumente conhecido como hipervolume. a No entanto, vimos que as propriedades de normalizao, alternncia e linearidade bastam ca a para denir inequivocamente o valor do determinante de uma n-upla de vetores. Assim, denimos det(u1 , . . . , un ) atravs de suas propriedades: e 1. Normalizao: det(e1 , . . . , en ) = 1; ca 2. Alternncia: para todo par i, j entre 1 e n, vale a det(u1 , . . . , ui , . . . , uj , . . . , un ) = det(u1 , . . . , uj , . . . , ui , . . . , un ) 3. Linearidade: det(u + v, u2 , . . . , un ) = det(u, u2 , . . . , un ) + det(v, u2 , . . . , un ).
36
Decorre dessas regras que o determinante de uma matriz A = {aij }nn e det A =
(i1 ,...,in )
ai1 1 ai2 2 . . . ain n det(ei1 , ei2 , . . . , ein ) .
J det(ei1 , ei2 , . . . , ein ) : nulo, se ocorre algum nmero repetido na lista (i1 , . . . , in ); +1, a e u se (i1 , . . . , in ) pode ser levado em (1, 2, . . . , n) por um nmero par de trocas de posies; u co e 1 se ((i1 , . . . , in ) pode ser levado em (1, 2, . . . , n) por um nmero u mpar de trocas de posies ( necessrio observar que se (i1 , . . . , in ) pode ser levado em (1, . . . , n) por um co e a nmero par de trocas de posies ento no h como fazer o mesmo com um nmero u co a a a u mpar, e vice-versa). Sem falarmos em hipervolume, vericamos tambm das trs propriedades que se um e e dos vetores for combinao linear dos demais ento o determinante nulo. Isso porque ca a e det(2 u2 + . . . + n un , u2 , . . . , un ) = = 2 det(u2 , u2 , . . . , un ) + . . . + n det(un , u2 , . . . , un ) = 0 , pois vetores repetidos levam a determinante nulo, por causa da regra de alternncia. a A implicao contrria no to bvia, a partir das trs propriedades: mostrar que ca a a e a o e se o determinante nulo ento um dos vetores combinao linear dos outros. e a e ca Provaremos a armao equivalente: se os vetores u1 , . . . , un formam uma base ca ento det(u1 , . . . , un ) no-nulo. a e a Primeiro relacionamos det(u1 , . . . , un ) com o determinante de uma matriz, denimos A como sendo a matriz tal que Ae1 = u1 , . . . , Aen = un , isto , tal que suas colunas e sejam os vetores u1 , . . . , un . Ento det A = det(u1 , . . . , un ). O que queremos mostrar a e que det A = 0 e a hiptese que temos que os vetores Ae1 , . . . , Aen formam uma base. o e Pela observao acima, basta provarmos que A tem uma inversa. ca Em seguida, observamos que A tem uma inversa. Para entender por que, basta ver que para todo b Rn poss encontrar u Rn tal que Au = b (j vimos que para e vel a aplicaes lineares a sobrejetividade implica automaticamente na bijetividade). Ora, co como {Ae1 , . . . , Aen } base ento existem nmeros x1 , . . . , xn tais que e a u b = x1 Ae1 + . . . + xn Aen . Logo b = A(x1 e1 + . . . + xn en ) , e encontramos u = (x1 , . . . , xn ). A inversa de A denotada por A1 , portanto u = A1 b. e Na Seo3.3 vamos mostrar que se A tem inversa ento det A = 0, o que completa a ca a demonstrao. Para isso, usaremos o prprio mtodo de resoluo dos sistemas lineares, ca o e ca o Mtodo de Escalonamento, do qual iremos falar no prximo Cap e o tulo.
2.9. QUADRO COMPARATIVO
37
No entanto, podemos seguir outro argumento, baseado na seguinte frmula: se A e o B so matrizes quadradas de tamanho n ento a a det(AB) = det A det B . Esta frmula pode ser deduzida das propriedades do determinante, mas no o faremos o a aqui. Ao invs disso, daremos uma intuio geomtrica de sua veracidade, logo abaixo. e ca e A aplicao da frmula se faz assim: como A tem inversa A1 , escrevemos AA1 = ca o Id. Isto porque se aplicarmos A1 a um vetor e depois aplicarmos A voltaremos ao vetor original. Ou seja, AA1 u = u para qualquer u e AA1 s pode ser a identidade. o Pela frmula do determinante, temos o det(AA1 ) = det A det A1 = det Id = 1 , portanto det A no pode ser nulo. a J para entender a intuio geomtrica da frmula det(AB) = det(A) det(B), de a ca e o forma no rigorosa, lembremos que det A representa o volume com sinal de P (Ae1 , . . . , Aen ) a (o leitor pode pensar em dimenso 3). O paralelep a pedo P (Ae1 , . . . , Aen ) a imagem e pela transformao A do paralelep ca pedo P (e1 , . . . , en ), de volume unitrio. Da lineaa ridade decorre que todo paralelep pedo formado por mltiplos dos vetores cannicos, u o quando transformado por A, tem seu volume multiplicado por det A. Da decorre (in tuitivamente, mas no to facilmente do ponto de vista matemtico) que o volume de a a a qualquer conjunto multiplicado por det A pela transformao A. e ca A intuio pode ser assim expressa: o conjunto aproximado por pequenos paraca e lelep pedos disjuntos, cujo volume total est prximo do volume total do conjunto, e a o quanto menores forem esses paralelep pedos melhor ser a aproximao. Ao transfora ca marmos o conjunto pela aplicao A, podemos imaginar tambm a transformao desses ca e ca pequenos paralelep pedos, que ter seu volume multiplicado por det A. a Portanto, se aplicarmos B e depois A, o volume dos conjuntos ser multiplicado por a det B e depois por det A. Este o sentido da frmula! e o
2.9
Quadro comparativo
Para resumir tudo o que dissemos at agora sobre a existncia e a unicidade de solues e e co de um sistema linear, faamos um quadro comparativo que ilustra as unicas duas alterc nativas que podem ocorrer para a matriz de coecientes A, quando se quer resolver um sistema linear Au = b. Alternativa 1. 1. Para qualquer b, sempre existe unica soluo para Au = b ca
38
CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES 2. A bijetiva, como transformao linear e ca 3. Au = 0 implica u = 0 4. As colunas de A so linearmente independentes a 5. As linhas de A so linearmente independentes a 6. det A = 0
Alternativa 2. 1. Ou b tal que Au = b no tem soluo ou b tal que Au = b tem innitas solues, e a ca e co e sempre existem exemplos dos dois casos 2. A no nem injetiva nem sobrejetiva a e 3. Existe u = 0 tal que Au = 0 4. As colunas de A so linearmente dependentes a 5. As linhas de A so linearmente dependentes a 6. det A = 0
Cap tulo 3
O Mtodo de Escalonamento e
3.1 O mtodo e
Nesta Seo discutiremos um mtodo de resoluo de sistemas lineares, chamado Mtodo ca e ca e do Escalonamento. O mtodo se baseia, em primeiro lugar, no fato de que um sistema e triangularizado como abaixo tem fcil soluo: a ca a11 x1 + a12 x2 + a13 x3 + . . . + a1n xn a22 x2 + a23 x3 + . . . + a2n xn a33 x3 + . . . + a3n xn = b1 = b2 = b3 . . .
ann xn = bn Na verdade, tanto necessrio quanto suciente que todos os coecientes na diagonal e a sejam no-nulos para que se explicite a soluo de forma unica (se um dos termos da a ca diagonal for nulo ento haver variveis livres e uma innidade de solues). A soluo, a a a co ca nesse caso, se obtm a partir da ultima equao. Primeiro, isola-se xn : e ca xn = A penltima equao u ca e an1,n1 xn1 + an1,n xn = bn1 , ento a xn1 = 1 an1,n1 (bn1 an1,n xn ) . 1 bn . ann
Como xn j foi determinado, da equao acima determina-se tambm xn1 . E assim a ca e por diante, at se conseguir o valor de x1 . e 39
40
CAP ITULO 3. O METODO DE ESCALONAMENTO
Um sistema triangularizado torna-se ento o objetivo do mtodo. Para ser mais a e preciso, pretende-se obter um sistema linear triangularizado equivalente ao original. Aqui entenderemos que dois sistemas lineares so equivalentes se eles possuem exaa tamente as mesmas solues, ou seja: se um conjunto de nmeros x1 , . . . , xn soluo co u e ca de um sistema ento automaticamente ser soluo do outro. a a ca Pode-se trocar um sistema linear por outro equivalente atravs do seguinte processo. e Escolhem-se duas linhas, a linha i e a linha j, e no lugar da linha j coloca-se uma linha que seja combinao linear da linha i com a linha j, exceto que essa combinao linear ca ca no pode ser somente a linha i (seno a informao sobre a linha j desaparece, o que a a ca pode tornar o sistema indeterminado). Mais precisamente, o sistema linear a11 x1 + a12 x2 + . . . + a1n xn = b1 a21 x1 + a22 x2 + . . . + a2n xn = b2 . . . an1 x1 + an2 x2 + . . . + ann xn = bn passa a ter, no lugar da linha j, a seguinte linha: (aj1 + ai1 )x1 + . . . + (ajn + ain )xn = bj + bi , onde = 0, para que a linha j no seja meramente substitu pela linha i. E evidente a da que qualquer soluo do sistema linear original ser soluo do sistema linear alterado. ca a ca Ser que vale o inverso? a De fato, sim. Se os nmeros x1 , . . . , xn formam uma soluo do sistema alterado, u ca ento j garantimos que esses nmeros satisfazem todas as equaes do sistema original, a a u co exceto possivelmente a equao j. Acontece que subtraindo da linha alterada a linha ca i multiplicada por vemos que a linha j automaticamente satisfeita, contanto que e = 0. O essencial nesse truque que podemos controlar e de forma que a linha e substituta tenha um zero em certa posio. Por exemplo, suponha que na linha i o ca termo aik (k-sima coluna) seja diferente de zero. Com isso, podemos substituir a linha e j por uma linha em que na k-sima coluna o coeciente seja nulo. Basta colocar a linha e 1 (linha j) Assim, o k-simo coeciente ser e a ajk ajk aik = 0 . aik ajk (linha i) . aik
Usando judiciosamente essa operao podemos ir substituindo as linhas, uma por ca uma, at chegar a um sistema triangularizado equivalente ao original. Antes de explicar e
3.1. O METODO
41
o procedimento, no entanto, convencionemos uma forma mais fcil de escrever o sisa tema linear: a forma matricial. Nessa forma de escrever, s colocamos o que realmente o interessa no sistema linear: os coecientes. Numa matriz de n linhas e n + 1 colunas colocamos todos eles, deixando a ultima coluna para os termos independentes (e em geral separando essa coluna das demais para no haver confuso): a a a11 a12 . . . a1n | b1 a21 a22 . . . a2n | b2 . . . . . . . . . . . . . . . an1 an2 . . . ann | bn Uma observao importante que devemos fazer neste ponto da exposio que a ca ca e ordem das linhas no importa na montagem da equao, pois as linhas so as equaes, a ca a co e todas as equaes devem ser satisfeitas ao mesmo tempo. J a ordem das colunas co a e importante, pois a primeira coluna representa a incgnita x1 , a segunda representa a o incgnita x2 , etc. Se quisermos trocar a ordem das colunas, teremos antes que renumerar o as incgnitas! o O procedimento de escalonamento funciona assim. Primeiramente vericamos se a11 = 0. Se no for, procuramos alguma linha cujo primeiro coeciente seja diferente a de zero e a trocamos de posio com a primeira. Se no houver nenhuma linha cujo ca a primeiro coeciente seja no-nulo ento x1 no entra no sistema linear e pode ser, a a a a princ pio, qualquer. Alm disso, percebe-se que de fato o sistema linear envolve apenas e n 1 incgnitas em n equaes, havendo grande chance de no ter soluo. De qualquer o co a ca forma, se isso acontecer no haver nada a ser feito nessa primeira etapa e poderemos a a passar imediatamente ` etapa seguinte. 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 coeciente seja nulo, usando o truque descrito acima. Ou seja, a j-sima linha (j = 2, . . . , n) ser substitu pela linha e a da (linha j) aj1 (linha 1) . a11
O sistema linear car ento da seguinte forma: a a a11 a12 . . . a1n 0 a22 . . . a2n . . . . . . . . . . . . 0
| b1 | b2 . , . .
an2 . . . ann | bn
onde preciso lembrar que, por causa das operaes com linhas, os coecientes no so e co a a os mesmos do sistema linear original!.
42
Nessa primeira etapa descrita, o nmero a11 chamado de piv. Em cada etapa u e o haver um piv, como veremos adiante. Vimos que o piv tem que ser necessariamente a o o diferente de zero, o que pode ser conseguido atravs de uma troca de linhas. De fato, e poss at escolher o piv, dentre os vrios nmeros da primeira coluna que sejam e vel e o a u diferentes de zero. Na maioria das situaes em que se resolve um sistema linear por co este mtodo, atravs de calculadora ou computador, mais vantajoso, sob o ponto de e e e vista dos erros de clculo (veja discusso mais adiante) originados de arredondamentos, a a escolher o piv como sendo o maior dos nmeros dispon o u veis na coluna. Aqui entendese por maior nmero aquele que tem o maior valor absoluto dentro da coluna. Esse u procedimento chamado de condensao pivotal. e ca Na segunda etapa, vericamos se a22 = 0. Se no for, procuramos entre as linhas a abaixo da segunda alguma cujo segundo coeciente seja no-nulo. Se no houver, pasa a samos diretamente para a terceira etapa. Se houver, trocamos a linha encontrada com a segunda linha. Observe que a primeira linha no ser mais alterada, nem trocada de a a posio com outras. Aqui o piv ser o nmero diferente de zero da segunda coluna, ca o a u escolhido entre a segunda linha e a ultima. Mais uma vez, pode-se adotar a condensao ca pivotal, tomando como piv o maior em valor absoluto. o Se aps a troca tivermos a22 = 0, podemos usar nosso truque para zerar todos o os segundos coecientes desde a linha 3 at a ultima linha. Trocaremos cada linha e j = 3, . . . , n pela linha aj2 (linha 2) , (linha j) a22 e caremos com um sistema linear da forma a11 a12 a13 . . . a1n 0 a22 a23 . . . a2n 0 0 a33 . . . a3n . . . . . . . . . . . . . . . 0 0 an3 . . . ann | b1 | b2 | b3 , . . . | bn
lembrando mais uma vez que os coecientes so diferentes em relao ` etapa anterior, a ca a exceto os da primeira linha, que cam inalterados. a E fcil ver que em n 1 etapas teremos um sistema linear triangularizado que, como j observamos acima, pode ser facilmente resolvido. a
3.2
Algarismos signicativos
Em geral recorremos a um computador, ou no m nimo usamos uma calculadora, quando se trata de resolver sistemas lineares razoavelmente grandes. Por exemplo, dicilmente nos aventurar amos na resoluo ` mo do problema de contorno da Seo 1.8, que ca a a ca
3.2. ALGARISMOS SIGNIFICATIVOS
43
resulta num sistema linear de 37 incgnitas. E isso pouco: imagine uma grade bem o e mais na! A soluo de um sistema linear pelo Mtodo do Escalonamento exata, na medida em ca e e que o resultado nal pode ser expresso em termos de fraes envolvendo os coecientes co do sistema linear original. No entanto, calculadoras e computadores no trabalham a dessa forma. Num computador ou numa calculadora cient ca os nmeros so representados em u a ponto utuante, baseados na notao decimal (internamente pode ser em outra base, ca mas o que nos aparece , em geral, a notao decimal). Na notao de ponto utuante, e ca ca um nmero tem um expoente e uma mantissa. Se x um nmero real, seu expoente u e u ser o nmero inteiro n tal que a u 10n1 x < 10n .
x e e A mantissa de x, de ordem k, a representao decimal de 10n at a k-sima casa e ca decimal, com arredondamento. Em geral as calculadoras usam k > 6, e computadores mais modernos podem usar valores bem mais altos. Por exemplo, quando peo para c minha calculadora o valor de 50000 ela me responde
223.6067977 Observe que x = 50000 tal que e 102 x < 103 , portanto o expoente n = 3 nesse exemplo. Ento e a x 0.2236067977 103 . A mantissa de x de ordem 10 o nmero e u 0.2236067977 As mquinas trabalham com um tamanho xo para a mantissa: na calculadora que a eu usei, esse tamanho 10. A ordem k da mantissa que escolhemos para operar com e um nmero tambm chamada de nmero de algarismos signicativos. u e e u Antes de discorrermos sobre como fazer operaes aritmticas com nmeros nessa co e u representao (a chamada aritmtica de ponto utuante), vejamos como se d o proca e a cesso de arredondamento. Suponha que um nmero x se escreva da seguinte forma, na u notao decimal: ca x = Np Np1 . . . N1 N0 .N1 N2 N3 . . . , onde Np , . . . , N0 , N1 , N2 , . . . so os algarismos da notao, de fato nmeros entre 0 e a ca u ` 9, j que se trata de representaao na base 10. A direita a seqncia dos Ni s pode ser a c ue
44
innita (e inclusive h nmeros que podem ser escritos de duas formas diferentes, por a u exemplo 0.999 . . . = 1.000 . . .). Assumiremos que ela seja sempre innita, pois mesmo que no seja podemos torn-la completando a seqncia com zeros. a a ue Essa notao representa uma srie, isto , uma soma de innitos termos: ca e e x = Np 10p + Np1 10p1 + . . . + N1 101 + N0 100 + N1 101 + N2 102 + . . . Mesmo sem estarmos familiarizados com sries, podemos entender o nmero x da see u guinte forma: x est entre Np 10p e (Np + 1) 10p , mas tambm est entre Np 10p + a e a Np1 10p1 e Np 10p + (Np1 + 1) 10p1 , e assim por diante. Se quisermos arredondar na k-sima casa decimal depois da v e rgula, observamos primeiramente que x maior ou igual a e Np 10p + . . . + N1 101 + N0 + N1 101 + . . . + Nk 10k e menor do que Np 10p + . . . + N1 101 + N0 + N1 101 + . . . + (Nk + 1) 10k , e, para simplicar a notao, deniremos ca X = Np 10p + . . . + N1 101 + N0 + N1 101 + . . . + Nk+1 10k+1 , de forma que X + Nk 10k x < X + (Nk + 1) 10k . Para obter o arredondamento de x na k-sima casa decimal, que denotaremos por x, e precisamos saber se x est mais prximo de X + Nk 10k ou de X + (Nk + 1) 10k . a o Isso determinado pelo algarismo seguinte na expanso decimal de x, isto , Nk1 . e a e Podemos seguir a regra: se Nk1 = 0, 1, 2, 3, 4, ento x = X + Nk 10k ; j se a a k . Nk1 = 5, 6, 7, 8, 9 ento x = X + (Nk + 1) 10 a No segundo caso preciso tomar cuidado ao se voltar para a notao decimal. Se e ca 0 Nk 8, ento a x = Np . . . N0 .N1 . . . Nk+1 (Nk + 1) . Se, no entanto, Nk = 9, teremos Nk + 1 = 10. Isso faz com que no lugar de Nk + 1 coloquemos um zero e somemos 1 ao algarismo precedente, Nk+1 . Mas se Nk+1 for tambm igual a 9, ento trocamos esse nmero por um zero e somamos 1 ao precedente, e a u at isso no mais acontecer. Por exemplo, o arredondamento de 1.5769996 para a sexta e a casa decimal 1.577000. e Agora voltemos ` questo das operaes aritmticas. No mundo das mquinas, a a co e a elas devem ser feitas sempre respeitando um certo nmero pr-xado de algarismos u e signicativos. Para entender bem, nada melhor do que alguns exemplos.
3.2. ALGARISMOS SIGNIFICATIVOS
45
Digamos que se queira efetuar a operao 2.236 + 12.448, com 4 algarismos sigca nicativos. O primeiro nmero j est escrito com 4 algarismos signicativos, pois u a a 2.236 = 0.2236 101 , mas o seguinte no, pois 12.448 = 0.12448 102 . Ento arredondaa a mos o segundo para que que com 4 algarismos signicativos, resultando 0.1245 102 , ou 12.45, e fazemos a soma: 12.45 + 2.236 = 14.686. A soma, no entanto, tem 5 algarismos signicativos, logo somos obrigados a arredondar o resultado: 14.69. Observe que ter amos obtido um nmero ligeiramente diferente se no houvssemos arredondado u a e 12.448 para 12.45, pois 2.236 + 12.448 = 14.684 que, arredondado, ca 14.68. a E fcil ver que haver um acmulo de erro se um grande nmero de operaes a u u co aritmticas for efetuado em cadeia. e Vejamos um exemplo de subtrao: queremos subtrair 0.122 de 943 com 3 algarismos ca signicativos. Isso d 943, aps arredondamento. Da pode-se ver que em alguns casos a o a ordem das operaes de adio e subtrao pode ser importante. Por exemplo, co ca ca (943 0.122) 0.405 = 943 0.405 = 943 , mas 943 (0.122 + 0.405) = 943 0.527 = 942 . E preciso tomar bastante cuidado com subtraes e somas de nmeros com expoentes co u d spares, principalmente se essas operaes forem feitas em grande nmero. Seno corco u a remos o risco de subtrair 9430 vezes o nmero 0.1 de 943 e continuar com 943, ao invs u e de obter zero!! Tambm deve-se tomar cuidado com a subtrao de nmeros muito e ca u parecidos, cuja diferena se encontre alm dos d c e gitos signicativos, pois pode-se obter um zero onde deveria haver um nmero simplesmente muito pequeno! u Como regra geral, cada operao deve ser feita (se poss ca vel com mais algarismos do que os signicativos, o dobro em geral) e o resultado da operao arredondado. O ca mesmo vale para as operaes de multiplicao e diviso. Por exemplo, 5.35/7.22, com co ca a 3 algarismos signicativos, d 0.741 (conra!). a Para ilustrar, faamos o escalonamento e a resoluo de um sistema linear de ordem c ca 3, usando 3 algarismos signicativos. Este exemplo servir para ilustrar como, em linhas a gerais, se d a resoluo de um sistema por um programa de computador. Evidentea ca mente um bom programa (h alguns j prontos para uso) tratar de minimizar o quanto a a a for poss vel os erros de arredondamento causados pelo nmero limitado de algarismos u signicativos. Aqui, ao contrrio, tentaremos levar ao p da letra a regra de arredona e dar aps cada operao. A regra s no ser muito clara sobre a ordem de seguidas o ca o a a adies ou multiplicaes: neste caso, faremos o arredondamento aps todas as adies co co o co (ou multiplicaes). co Aps o exemplo, sugerimos ao leitor, como exerc o cio, que implemente no computador, usando alguma linguagem (C, Pascal, Fortran, Basic, etc), um programa que resolva
46
CAP ITULO 3. O METODO DE ESCALONAMENTO (que a ordem seja apenas limitada por problemas
sistemas lineares de qualquer ordem de falta de memria, por exemplo). o Considere o sistema 3 1 2
1 2 | 1 1 0 | 2 , 2 1 | 1
9 que tem apenas coecientes inteiros. Ele tem soluo exata (x1 , x2 , x3 ) = ( 2 , 13 , 3), que ca 2 pode ser obtida por escalonamento tambm, sem arredondamento (mantendo fraes). e co No h arredondamentos a fazer, no princ a a pio, porque todos os coecientes so inteia ros. O 3 da primeira coluna serve como piv, pois maior do que os demais coecientes o e da mesma coluna. A primeira etapa consiste em subtrair da segunda e da terceira linha mltiplos convenientes da primeira para que s reste o 3 como coeciente no nulo. u o a 1 Para a segunda linha, o mltiplo tem que ser 3 = 0.333, enquanto que para a terceira u 2 linha ele tem que ser 3 = 0.667. Chamaremos esses mltiplos de multiplicadores. u O leitor pode achar estranho que 10.3333 = 10.999 = 0.001, o que faz com que de fato o primeiro coeciente da segunda linha no se anule. Isso ser ignorado na hora a a de se fazer o escalonamento. Observe que a escolha do multiplicador como 0.334 no a ajudaria a resolver o problema. A unica soluo seria no arredondar o multiplicador ca a antes de fazer a conta, mas nem sempre isso o que acontece num programa. e Dessa primeira etapa sai o sistema
3 1 2 | 1 0 0.667 0.666 | 2.33 . 0 1.33 2.33 | 1.67 Olhando para a segunda coluna, nota-se que a terceira linha deve servir como piv, pois o 1.33 maior do que 0.667. Ento faz-se a troca da segunda linha com a terceira, cando e a 3 1 2 | 1 0 1.33 2.33 | 1.67 . 0 0.667 0.666 | 2.33 Para a terceira linha, usa-se o multiplicador 0.667 = 0.502 , 1.33 e da temos 3 1 2 | 1 0 1.33 2.33 | 1.67 . 0 0 0.504 | 1.49
3.3. O DETERMINANTE NO METODO DE ESCALONAMENTO Portanto
47
1.49 = 2.96 , 0.504 1.67 + 2.33 2.96 1.67 + 6.90 8.57 x2 = = = = 6.44 1.33 1.33 1.33 x3 = x1 = 13.4 1 6.44 2 2.96 = = 4.47 . 3 3
1 Observe que no preciso, quando se for dividir por 3, calcular 3 , arredondar e depois a e multiplicar pelo numerador. A diviso considerada uma operao elementar. a e ca Comparando com a soluo exata, podemos ver que o maior erro absoluto foi de ca 0.06. Mais adiante, na Subseo 3.5.3, veremos como melhorar o clculo, usando o ca a renamento de solues. co
Exerc cio. Faa as contas intermedirias do exemplo acima. Resolva o sistema do c a exemplo acima usando apenas 2 algarismos signicativos. Exerc cio. Implemente a resoluo por escalonamento no computador. ca Exerc cio. Resolva o sistema linear 7.01 2.52 | 10.1 0.031 0.789 | 2.6 com 3 algarismos signicativos.
3.3
O determinante no Mtodo de Escalonamento e
Observemos em primeiro lugar que as propriedades do determinante de uma n-upla de vetores (u1 , . . . , un ) de Rn (normalizao, alternncia e linearidade) podem ser formuca a ladas diretamente para uma matriz A: 1) det(Id) = 1; 2) a troca de duas colunas faz mudar o sinal do determinante; e 3) se uma coluna se escreve como combinao u + v, ca ento o determinante a soma de vezes o determinante da mesma matriz com a coa e luna u + v trocada por u com vezes o determinante da mesma matriz com a coluna u + v trocada por v. Por exemplo, suponha que queiramos calcular det(u1 , u2 , . . . , uj + ui , . . . , un ) , que, em termos matriciais, signica somar um mltiplo da i-sima coluna ` j-sima u e a e coluna. Pelas propriedades do determinante, det(u1 , u2 , . . . , uj + ui , . . . , un ) = det(u1 , u2 , . . . , uj , . . . , un ) ,
48
logo o determinante no se altera quando somamos a uma coluna um mltiplo de uma a u outra. Em seguida, ressaltamos que as mesmas propriedades so vlidas com linhas ao a a invs de colunas. Isso porque no dif mostrar que a transposta de A, denotada por e a e cil AT , que a matriz A onde se trocam colunas por linhas, tem o mesmo determinante e que A. Logo as propriedades de det A em relao a suas linhas so as mesmas que ca a T = det A em relao a suas colunas. det A ca Portanto todas as operaes realizadas no Mtodo de Escalonamento no alteram o co e a determinante da matriz de coecientes, exceto as trocas de linhas, feitas por conta da condensao pivotal, pois cada troca de linha muda o sinal do determinante. ca Por outro lado, o resultado nal do escalonamento uma matriz triangular, cujo e determinante dado pelo produto dos coecientes da diagonal. Ento o determinante e a do sistema ser zero se e somente se aps o escalonamento houver um termo nulo na a o diagonal, e nesse caso o sistema ser imposs ou indeterminado. a vel Isto completa o argumento da Subseo 2.8.3, onde quer ca amos provar que se A tem inversa ento det A = 0. Pois se A tem inversa, segue que o sistema tem unica soluo e a ca todos os termos da diagonal so no-nulos, e por conseguinte o determinante do sistema a a tambm no-nulo. e e a
3.4
A desvantagem da Regra de Cramer
A Regra de Cramer uma frmula bastante prtica de se resolver Au = b, usando e o a a noo de determinante. Suponha que det A = 0. Nesse caso, existe unica soluo ca ca u = (x1 , . . . , xn ) para Au = b, mas quais so os valores de x1 , . . . , xn ? a Note que se trocarmos a i-sima coluna pelo vetor b e calcularmos o determinante e da matriz resultante teremos det(. . . , Aei1 , b, Aei+1 , . . .) = det(. . . , Aei1 , x1 Ae1 + . . . + xn Aen , Aei+1 , . . .) , pois b = Au = x1 Ae1 + . . . + xn Aen , pela linearidade de A. Pela linearidade do determinante, podemos separ-lo na soma de n determinantes, onde em cada um deles teremos a na i-sima posio um dos vetores xj Aej . No entanto, apenas o determinante com xi Aei e ca ser no-nulo: a a det(. . . , Aei1 , b, Aei+1 , . . .) = det(. . . , Aei1 , xi Aei , Aei+1 , . . .) . Mais uma vez pela linearidade, podemos tirar o escalar xi , que car multiplicado pelo a prprio determinante da matriz A: o det(. . . , Aei1 , b, Aei+1 , . . .) = xi det A .
3.4. A DESVANTAGEM DA REGRA DE CRAMER Logo xi = det(. . . , Aei1 , b, Aei+1 , . . .) , det A
49
que a Regra de Cramer. e A desvantagem da Regra de Cramer que o nmero de operaes necessrias para e u co a se chegar ` soluo em geral muito maior do que no Mtodo de Escalonamento. Essa a ca e e comparao feita assim: calcula-se o nmero de operaes aritmticas necessrias em ca e u co e a cada mtodo em funo do tamanho n do sistema linear. Ento v-se que num mtodo e ca a e e esse nmero cresce muito mais rapidamente com n do que no outro. Para facilitar a u comparao, ignoraremos as instrues de controle de uxo que seriam necessrias caso ca co a os mtodos fossem implementados num computador. e Um nmero de operaes aritmticas muito grande desvantajoso por duas razes: u co e e o aumenta o tempo de computao e aumenta a propagao dos erros de arredondamento. ca ca O nmero de produtos de n termos que aparecem no clculo de um determinante u a n! (mostre isso), ou seja, so n! operaes de adio. Para obter cada produto so e a co ca a n 1 multiplicaes, totalizando n!(n 1) operaes de multiplicao. Para calcular as co co ca n incgnitas, a Regra de Cramer pede n + 1 determinantes, logo so n!(n + 1) adies e o a co n!(n 1)(n + 1) multiplicaes, mais as n divises ao nal de tudo. co o E quanto ao Mtodo de Escalonamento, quantas operaes aritmticas sero necese co e a srias? Em vez de darmos a resposta sugere-se ao leitor fazer por ele mesmo, como a indicado no seguinte exerc cio. Exerc cio. Mostre que o nmero de adies/subtraes, multiplicaes e divises necesu co co co o srias para se completar o Mtodo de Escalonamento num sistema linear de n equaes a e co 3 , para cada uma delas. e n incgnitas no passa de 2n o a Se quisermos comparar o nmero de operaes totais, vemos que na Regra de Cramer u co so necessrias mais do que n! operaes. a a co Exerc cio. Mostre que, quando n grande ento n! muito maior do que 2n3 . De e a e fato, a razo a 6n3 n! vai a zero quando n vai a innito. Se voc mostrou isso com sucesso, ver ento que e a a seu argumento serve para mostrar que, qualquer que seja a potncia p, a razo e a np n! sempre vai a zero. Verique! Na verdade, devemos tomar um certo cuidado com a maneira pela qual zemos a comparao entre os dois mtodos. Se estivermos pensando em tempo de computao, ca e ca
50
precisamos saber quanto a mquina gasta para fazer cada uma das operaes. A diviso a co a certamente gasta mais tempo do que as outras operaes, e o Mtodo de Cramer apreco e senta menos divises (apenas n) do que o Mtodo de Escalonamento (cada multiplicador o e calculado atravs de uma diviso). J na contabilidade das outras operaes o Mtodo e e a a co e de Cramer perde do Mtodo de Escalonamento, por causa do exerc acima. e cio Exerc cio. Suponha que uma diviso nunca demore mais do que T vezes uma multia plicao, onde T uma constante qualquer maior do que zero, e a multiplicao tome ca e ca o mesmo tempo que a adio e a subtrao. Decida qual dos mtodos mais vantajoso, ca ca e e sob o ponto de vista de tempo de computao para complet-lo. ca a
3.5
3.5.1
Sistemas mal-condicionados e renamento de soluo ca

Sistemas mal-condicionados
Na teoria, se um sistema linear Au = b satisfaz det A = 0, ento existe uma e s uma a o soluo u. Na prtica, porm, quando resolvemos o sistema via computador, erros podem ca a e se acumular e a soluo se afastar da soluo verdadeira. Isso pode ser parcialmente ca ca sanado pela Condensao Pivotal, descrita no Cap ca tulo 3, e pelo Mtodo de Renamento, e do qual daremos uma idia abaixo. e O principal problema vem do fato de que muitas vezes os coecientes do sistema e os termos independentes so retirados de medidas f a sicas ou de modelos aproximados. Para alguns sistemas, a soluo pode depender sensivelmente de seus coecientes, a ca ponto de pequenas incertezas em seus valores provocarem grandes alteraes na soluo co ca nal. Esses sistemas so chamados de mal-condicionados. a Para exemplicar, consideremos o sistema 2 2 x + y = 1 99x + 100y = 99.5 ,
que tem soluo unica e exata x = 0.5, y = 0.5. Agora considere o sistema ca x + y = 1 99.4x + 99.9y = 99.2 ,
com alteraes de no mais do que 0.5% nos coecientes originais (o que bastante co a e razovel para uma medida experimental). Sua soluo unica e exata x = 1.4, y = 0.4, a ca e radicalmente diferente da anterior. Para entender porque isso acontece, experimente o leitor, para cada um dos dois sistemas, desenhar as retas que correspondem a cada uma das equaes. Nota-se que co o problema devido ao fato de que as retas correspondentes a cada equao so quase e ca a
3.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO
51
paralelas, o que faz com que o ponto de interseco das duas seja muito sens ca vel a pequenas mudanas nos coecientes. c A idia vale em dimenses mais altas, se pensarmos em hiperplanos quase paralelos, e o no lugar de retas. Podemos tambm pensar nos vetores-coluna de A (ou nos vetorese linha): se Ae1 , Ae2 , . . . , Aen forem quase linearmente dependentes, ento o sistema a ser mal-condicionado. a Uma maneira de se medir o condicionamento da matriz seria calculando seu determinante (embora muitas vezes s possamos conhec-lo depois de escalonar a matriz). O o e determinante o hipervolume (com sinal) do hiperparalelep e pedo formado pelos vetorescoluna Ae1 , Ae2 , . . . , Aen . Se esses vetores forem quase linearmente dependentes, ento a o hiperparalelep pedo ser achatado, e portanto ter volume pequeno. O argumento a a s falha no sentido de que o volume no depende somente do grau de achatamento do hio a perparalelep pedo, mas tambm do comprimento de cada vetor. Ento uma medida mais e a convel seria tomar o hipervolume do hiperparalelep a pedo formado pela normalizao ca desses vetores, isto , pelos vetores e vi = Aei . Aei
Esse nmero estar entre 0 e 1, e quando estiver perto de zero signica que a matriz u a e mal-condicionada. Em resumo, o nmero de condicionamento pode ser achado assim: (i) substitua cada u coluna Aei da matriz pelo vetor vi = Aei , lembrando que a norma (euclideana) u Aei de um vetor u = (x1 , . . . , xn ) dada por u = (x2 + . . . + x2 )1/2 ; (ii) calcule o valor e n 1 absoluto do determinante da nova matriz; (iii) observe se o nmero obtido est prximo u a o de zero ou de um: se estiver perto de zero ento a matriz A mal-condicionada. a e H outras medidas do condicionamento de uma matriz, assim como h frmulas que a a o relacionam o erro cometido no Mtodo de Escalonamento com essas medidas e com o e nmero de algarismos signicativos utilizados nas contas. Isso tudo no entanto foge u ao escopo dessas notas. Alm do mais, medidas de condicionamento so dicilmente e a aplicveis na prtica, pois so to (ou mais) dif a a a a ceis de serem obtidas quanto a prpria o soluo do sistema linear. ca
3.5.2
Matrizes de Hilbert
o problema do mau condicionamento, suge-
Para que o leitor se familiarize melhor com rimos que acompanhe o seguinte Exemplo. 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
52
Resolvendo o sistema por escalonamento (sem troca de linhas, pois no so nea a cessrias para a condensao pivotal), e fazendo contas com fraes exatas, obtemos a a ca co soluo exata (x1 , x2 , x3 ) = (3, 24, 30). ca Se, por outro lado, usarmos dois algarismos signicativos ( 1 = 0.33, por exemplo) 3 e seguirmos exatamente o mesmo procedimento, obteremos (0.9, 11, 17). Com trs e algarismos signicativos, chegaremos em (2.64, 21.8, 27.8), resultado mais prximo mas o ainda estranhamente longe da soluo exata. ca Matrizes do tipo 1 1 1 1 2 3 n 1 1 1 1 n+1 3 4 2 . . . . . . . . . . . . . . . . 1 1 1 1 n n+1 n+2 2n1 so chamadas de matrizes de Hilbert, e aparecem naturalmente no problema do ajuste a polinomial, como veremos mais adiante (vide Subseo 6.7.2). ca
3.5.3
Renamento
Uma das maneiras de sanar o problema de se encontrar uma soluo ruim, causada ca pelo mau condicionamento do sistema, fazer o renamento, que consiste em obter uma e soluo u de Au = b, mesmo que no correta (por causa dos erros de arredondamento), ca a e depois melhor-la. a Para melhorar u, denimos a diferena w = u u para a soluo verdadeira u, e c ca tentamos calcular w. Como u = u + w, ento a b = Au = A( + w) , u logo Aw = b A . u Ou seja, a diferena w entre u e u a soluo de um sistema linear, onde os termos c e ca independentes so dados por b A e os coecientes so os mesmos do sistema linear a u a original (o que facilita as coisas do ponto de vista de programao). ca O mtodo pode ser implementado assim: calcula-se a primeira soluo aproximada e ca (0) . Calcula-se ento w (0) = u u(0) resolvendo-se o sistema u a Aw(0) = b Au(0) . Se a soluo desse sistema no contivesse erros, ento u = u(0) + w(0) seria a soluo ca a a ca correta. Como erros so inevitveis, u(0) + w(0) pode no ser a soluo exata, e ser a a a ca a (1) . Calcula-se ento w (1) = u u(1) , resolvendo-se chamada de u a Aw(1) = b Au(1) ,
53
e em seguida dene-se u(2) = u(1) + w(1) . E assim por diante. Vejamos um exemplo ilustrativo. Na Seo 3.2, usamos 3 algarismos signicativos ca para resolver 3 1 2 | 1 1 1 0 | 2 . 2 2 1 | 1 Os passos do escalonamento ali usados so importantes para no se repetir as mesmas a a contas a cada etapa do renamento. A soluo obtida pode ser considerada uma primeira aproximao, chamada de u(0) : ca ca 4.47 u(0) = 6.44 . 2.96 Calculamos ento Au(0) , que o teste usual para ver se u(0) realmente soluo. Obtea e e ca mos 1.04 Au(0) = 1.97 , 1 sempre usando 3 algarismos signicativos, e ento tiramos a diferena a c 0.04 b Au(0) = 0.03 . 0 Agora queremos obter w do sistema Aw = b Au(0) , para chegar ` etapa seguinte, a com u(1) = u(0) + w. Ou seja, temos que resolver o sistema 3 1 2 | 0.04 1 1 0 | 0.03 . 3 2 1 | 0 Se procedermos ao escalonamento, seguiremos exatamente os mesmos passos feitos na Seo 3.2. Ento no precisamos fazer tudo de novo no lado esquerdo, somente no vetor ca a a de termos independentes do lado direito. As transformaes do lado direito so co a 0.04 0.04 0.04 0.04 (iii) (ii) (i) 0.03 0.0167 0.0267 0.0267 , 0.0301 0.0167 0.0267 0
54
onde em (i) subtra mos da segunda linha 0.333 vezes a primeira linha e da terceira linha subtra mos 0.667 vezes a primeira linha, em (ii) trocamos as posies da segunda e da co terceira linhas e em (iii) subtra mos da terceira linha 0.502 vezes a segunda linha. O sistema escalonado ca 3 1 2 | 0.04 0 1.33 2.33 | 0.0267 , 0 0 0.504 | 0.0301 e da chegamos a w = (w1 , w2 , w3 ) = (0.0543, 0.0842, 0.0597). Somando com u(0) obtemos u(1) = (4.52, 6.52, 3.02), com erro absoluto mximo de 0.02. a (1) = (1.04, 2, 0.94), nada muito melhor do que Au(0) . Para conferir, notamos que Au De fato, mesmo com a possibilidade de renamento, a soluo de partida j era bastante ca a razovel. Vale a pena o leitor fazer mais algumas etapas, e conferir os seguintes valores: a 4.44 4.53 u(2) = 6.44 , u(3) = 6.53 . 2.96 3.02 Com a limitao do nmero de algarismos signicativos, no certeza que o renaca u a e mento levar ` melhor aproximao da soluo correta. Melhores resultados so obtidos aa ca ca a se, no clculo de b Au(i) , for usada preciso dupla (isto , o dobro de algarismos siga a e nicativos), uma vez que b e Au(i) so vetores cujas coordenadas tm valores muito a e prximos. Obviamente os benef o cios da preciso dupla podem ser usados nos computaa dores e calculadoras modernos, quando se escrevem vrias operaes concatenadas na a co mesma linha e o arredondamento para preciso simples s feito no nal. Isto diminui a oe sensivelmente o acmulo de erros. u E preciso tambm colocar um critrio de parada, principalmente no caso de se fazer e e a implementao no computador. O critrio pode ser feito nas solues u(i) ou nos ca e co testes Au(i) . Por exemplo, se u(i) = (u1 , u2 , . . . , un ) e u(i+1) = (1 , u2 , . . . , un ), pode-se u comparar o quanto as coordenadas variam, relativamente, da etapa i para a etapa i + 1, olhando para os nmeros u |u1 u1 | |un un | , ... , , ... , |u1 | |un | e pedindo que eles sejam menores do que um certo valor (por exemplo, 0.05, signicando 5% de variao). O problema quando o denominador igual a zero. Pode-se convenca e e cionar que: (i) se uj = 0 e uj = 0 ento a variao zero; (ii) se uj = 0 e uj = 0, ento a ca e a a variao igual a 1 (o que, em geral, far com que o processo continue). ca e a Exerc cio. Melhorar o programa que implementa o Mtodo de Escalonamento com e condensao pivotal, acrescentando o renamento, com algum critrio de parada. Para ca e
55
fazer o renamento, o programa deve utilizar o histrico do escalonamento, isto , os o e multiplicadores e as trocas de linha (para que no se repita tudo a cada etapa). a Exerc cio. Tome o sistema discutido na Subseo 3.5.2 e sua soluo obtida com 2 ca ca (0) . Obtenha o renamento u(1) , calculando algarismos signicativos, chamando-a de u b Au(0) com dupla preciso. a Exerc cio. Considere o sistema 1/2 1/3 1/4 | 1 1/3 1/4 1/5 | 0 . 1/4 1/5 1/6 | 1 1. Ache sua soluo exata. ca 2. Resolva-o com dois algarismos signicativos. 3. Agora faa a seguinte experincia: escreva o mesmo sistema, arredondando para c e dois algarismos signicativos, mas a partir da ache sua soluo usando o mximo ca a de algarismos signicativos que sua calculadora permite. Compare com a soluo ca exata. Isto mostra que o renamento tambm limitado pelo arredondamento e e inicial que, num sistema mal-condicionado, pode alterar drasticamente a soluo. ca
56
Cap tulo 4
Mtodos iterativos e
4.1 O Mtodo de Jacobi e
O Mtodo de Jacobi um procedimento iterativo para a resoluo de sistemas lineares. e e ca Tem a vantagem de ser mais simples de se implementar no computador do que o Mtodo e de Escalonamento, e est menos sujeito ao acmulo de erros de arredondamento. Seu a u grande defeito, no entanto, no funcionar em todos os casos. e a Suponha um sistema linear nas incgnitas x1 , ..., xn da seguinte forma: o a11 x1 a21 x1 . . . + a12 x2 + a22 x2 . . . + a13 x3 + . . . + a1n xn = b1 + ... + . . . + a2n xn = b2 . . . . . . . . . . . . + ... + . . . + ann xn = bn
an1 x1 + an2 x2
Suponha tambm que todos os termos aii sejam diferentes de zero (i = 1, . . . , n). Se e no for o caso, isso `s vezes pode ser resolvido com uma troca na ordem das equaes. a a co Ento a soluo desse sistema satisfaz a ca 1 [b1 a12 x2 a13 x3 . . . a1n xn ] a11 1 x2 = [b2 a21 x1 a23 x3 . . . a2n xn ] a22 . . . . . . 1 xn = [bn an1 x1 an2 x2 . . . an,n1 xn1 ] ann x1 = Em outras palavras, se (x1 , . . . , xn ) for soluo do sistema e esses valores forem colocaca dos no lado direito das equaes, ento resultaro no lado esquerdo os mesmos valores co a a x1 , . . . , xn . 57
58
CAP ITULO 4. METODOS ITERATIVOS

(0) (0)
O Mtodo de Jacobi consiste em chutar valores x1 , . . . , xn , colocar esses valores e (1) (1) no lado direito das equaes, obter da x1 , . . . , xn , em seguida colocar esses novos co (2) (2) valores nas equaes e obter x1 , . . . , xn , etc. Ento co a 1 (k) (k) b1 a12 x2 a13 x3 . . . a1n x(k) n a11 1 (k) (k) (k+1) b2 a21 x1 a23 x3 . . . a2n x(k) x2 = n a22 . . . . . . 1 (k) (k) (k) x(k+1) = bn an1 x1 an2 x2 . . . an,n1 xn1 n ann x1
(k+1)
Espera-se que para todo i = 1, . . . , n a seqncia {xi }k convirja para o valor verdadeiro ue xi . Como dissemos, no entanto, nem sempre ocorre essa convergncia. Ser que poss e a e vel saber de antemo se o mtodo vai ou no vai funcionar? a e a Daremos um critrio, chamado de Critrio das Linhas que, se for satisfeito, implica e e na convergncia do Mtodo. Infelizmente, da no poderemos concluir a armativa e e a inversa. Isto , falso dizer no satisfaz o Critrio das Linhas ento no converge. e e a e a a Pode haver sistemas em que o Mtodo de Jacobi funcione porm no satisfaa o Critrio e e a c e das Linhas.
(k)
4.2
Critrio das Linhas e

n
O Critrio das Linhas pede que e |aij | < |aii | j=1 j=i para todo i = 1, . . . , n. Em palavras: o valor absoluto do termo diagonal na linha i e maior do que a soma dos valores absolutos de todos os outros termos na mesma linha. E importante observar que o Critrio das Linhas pode deixar de ser satisfeito se e houver troca na ordem das equaes, e vice-versa: uma troca cuidadosa pode fazer com co que o sistema passe a satisfazer o Critrio. e Teorema. Se o sistema linear satisfaz o Critrio das Linhas ento o Mtodo de Jacobi e a e converge. Sugerimos o seguinte exerc cio, antes de passarmos ` demonstrao desse Teorema. a ca
4.2. CRITERIO DAS LINHAS
59
Exerc cio. Mostre que os sistemas lineares gerados por problemas de contorno (Seo 1.8) ca em geral no satisfazem o Critrio das Linhas. Mesmo assim, monte um programa de a e computador que resolva o problema, baseado no Mtodo de Jacobi. O que acontece? e Para provar o Teorema, precisamos mostrar (usando o Critrio das Linhas) que e (k) (k) (k) (0) (0) (0) as seqncias x1 , x2 ,...,xn , formadas a partir dos chutes iniciais x1 , x2 ,...,xn , ue convergem para os valores procurados x1 , . . . , xn . Ento precisamos mostrar que a |x1 x1 | 0 , |x2 x2 | 0 , . . . , |x(k) xn | 0 , n ou, introduzindo uma notao mais compacta, de forma que ca (k) = max{|x1 x1 |, . . . , |x(k) xn |} 0 . n De fato, iremos mostrar que (k) decai geometricamente, isto , existem um < 1 e e uma constante c > 0 tal que (k) ck , e isso provar nossa armao. a ca J para conseguir essa desigualdade, provaremos que para todo k 1 vale a (k) (k 1) . Ento teremos a (1) (0) (2) (1) 2 (0) . . . . . . (k) k (0) , ou seja, a constante c pode ser o prprio (0), que a maior diferena entre o valor o e c inicial e a soluo verdadeira. ca Por sua vez, provar que (k) (k 1) remete a provar que, para todo i = 1, . . . , n, vale |xi
(k) (k) k (k) k (k) k k
xi | (k 1) = max |xi
i=1,...,n
(k1)
xi | .
Faremos a demonstrao completa para i = 1, mas car claro que o argumento valer ca a a para todo i = 1, . . . , n, desde que escolhamos adequadamente. Precisamos escrever (k) xi xi , lembrando que x1 =
(k)
1 (k1) (k1) b1 a12 x2 a13 x3 . . . a1n x(k1) n a11
60 e, como os x1 , . . . , xn formam uma soluo, ca x1 = Ento a x1 x1 =

(k)
1 (b1 a12 x2 a13 x3 . . . a1n xn ) . a11
1 (k1) (k1) (k1) a12 (x2 x2 ) + a13 (x3 x3 ) + . . . + a1n (xn xn ) a11
Tomando o valor absoluto (o mdulo) e lembrando que o mdulo da soma menor ou o o e igual ` soma dos mdulos, temos a o |x1 x1 | 1 (k1) (k1) |a12 | |x2 x2 | + |a13 | |x3 x3 | + . . . + |a1n | |xn x(k1) | n |a11 | Note, no entanto, que por denio ca |xj xj portanto |x1 x1 | Agora denimos a constante 1 = |a12 | + |a13 | + . . . + |a1n | , |a11 |
(k) (k1) (k)
| max |xi xi
i=1,...,n
(k1)
| (k 1) ,
|a12 | + |a13 | + . . . + |a1n | (k 1) . |a11 |
que deve ser menor do que 1, pelo Critrio das Linhas. Ento e a |x1 x1 | 1 (k 1) . Para as outras linhas todo o procedimento anlogo, e sempre resultar e a a |xi para todo i = 1, . . . , n, onde 1 i = |aii |
n (k) (k)
xi | i (k 1) ,
|aij | . j=1 j=i
4.3. CRITERIO DE PARADA
61
O Critrio das Linhas garante que i < 1, para todo i = 1, . . . , n. Se denirmos agora e = max i ,
i=1,...,n
ento a |xi logo (k) (k 1) , como quer amos demonstrar!

(k)
xi | (k 1) ,
4.3
Critrio de parada e
Ao implementar o Mtodo de Jacobi no computador preciso fornecer ao computador e e um critrio de parada para o programa. Isso feito xando-se uma preciso relativa p, e e a que far o programa parar (no passo k) se a |xi
(k+1)
xi | p|xi | ,
(k)
(k)
(k)
para todo i = 1, . . . , n. Ou seja, se |xi | = 0, ento a variao relativa de um passo a ca para outro (k+1) (k) |xi xi | |xi | tem que ser menor ou igual a p. E se xi = 0 ento xi a tambm deve ser zero. e preciso ter, no entanto, bastante cuidado com a escolha de p, pois muitas vezes E a velocidade de convergncia do mtodo muito lenta. Mesmo longe da soluo, a e e e ca variao relativa das solues aproximadas pode ser muito pequena. ca co
(k) (k+1) (k)
4.4
O Mtodo de Gauss-Seidel e
O Mtodo de Jacobi poderia ser aplicado nos problemas de contorno da Seo 1.8, mas e ca somente pelo Critrio das Linhas no seria poss e a vel armar que haveria convergncia, e pois os vrtices livres produzem equaes onde o elemento da diagonal exatamente e co e igual ` soma dos demais termos, o que signica, na notao da Seo anterior, que a ca ca i = 1, para alguns valores de i. Experimentos numricos evidenciam que de fato h convergncia do Mtodo de Jae a e e cobi nesses casos, embora ela seja muito lenta, principalmente se o nmero de vrtices u e da grade for muito grande. Embora a convergncia possa ser demonstrada matematie camente, com critrios menos exigentes que o Critrio das Linhas, discutiremos nesta e e
62
Seo uma variao do Mtodo de Jacobi, chamada de Mtodo de Gauss-Seidel. Sua ca ca e e eccia car demonstrada a partir de uma hiptese mais fraca que o Critrio das Lia a o e nhas, chamada de Critrio de Sassenfeld. No ser dif mostrar que os problemas de e a a cil contorno citados satisfazem esse critrio, desde que se tenha um m e nimo de cuidado na numerao dos vrtices livres. ca e (k+1) (k+1) (k) No Mtodo de Jacobi, calcula-se o vetor (x1 e , . . . , xn ) a partir do vetor (x1 , (k) . . ., xn ) da seguinte forma: (k+1) (k) a12 a13 0 a1n x1 x1 b1 /a11 a11 a11 a11 (k+1) a23 a2n (k) a21 0 a22 x2 x2 b2 /a22 a22 a22 = . . . . . . . , . . . . . . . . . . . . . . . . . an1 an2 an3 (k+1) (k) bn /ann 0 xn xn ann ann ann ou, de forma sucinta, u(k+1) = w Bu(k) . Em cada etapa, as coordenadas x1 , . . ., xn de u(k+1) so obtidas todas de uma a (k) (k) (k) . vez s, a partir das coordenadas x1 , . . ., xn de u o J no Mtodo de Gauss-Seidel as coordenadas atualizadas so imediatamente usadas a e a na atualizao das demais. Explicitamente, temos ca x1 1 a11 1 (k+1) x2 = a22 1 (k+1) x3 = a33 . . . . . . 1 (k+1) xn = ann
(k+1) (k+1) (k+1)
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
bn an1 x1
(k+1)
an2 x2
(k+1)
. . . an,n1 xn1
(k+1)
Para introduzir o Critrio de Sassenfeld e discutir a convergncia, melhor ilustrare e e mos com um sistema com 4 equaes. Depois enunciaremos o Critrio para sistemas co e com um nmero qualquer de equaes, e car claro que os argumentos se generalizam. u co a Com isso, evitaremos o excesso de elipses (os trs pontinhos), e o critrio emergir de e e a modo natural. Assim como na Seo anterior, queremos avaliar a diferena entre a aproximao ca c ca obtida na etapa k e a soluo original, e mostrar que essa diferena se reduz a cada ca c etapa. Para medir essa diferena, tomamos c (k) = max |xi
i=1,...,n (k)
xk | ,
4.4. O METODO DE GAUSS-SEIDEL
63
onde x1 , . . . , xn representa a soluo verdadeira. Mais uma vez, nosso objetivo mostrar ca e que existe < 1 tal que (k + 1) (k) , e para isso precisaremos mostrar que |xi
(k+1)
xi | (k)
para todo i = 1, . . . , n. Num sistema de 4 equaes e 4 incgnitas temos co o x1 x2

(k+1)
x1 = x1 = x1 = x1 =
(k+1)
x3 x4
(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 equao, sai ca |x1

(k+1)
x1 |
|a12 | |a13 | |a14 | (k) (k) (k) |x2 x2 | + |x3 x3 | + |x4 x4 | , |a11 | |a11 | |a11 |
Como |xi xi | (k), para todo i = 1, 2, 3, 4, ento a |x1 Denimos 1 = para car com |x1
(k+1) (k+1)
(k)
x1 |
|a12 | + |a13 | + |a14 | (k) . |a11 |
|a12 | + |a13 | + |a14 | , |a11 | x1 | 1 (k) .
Agora levamos em conta essa ultima inequao para mostrar que ca |x2
(k+1)
x2 |
1 |a21 | + |a23 | + |a24 | (k) 2 (k) . |a22 |
Continuando, obtemos |x3

(k+1)
x3 |
1 |a31 | + 2 |a32 | + |a34 | (k) 3 (k) |a33 |
64 e |x4
(k+1)
x4 |
1 |a41 | + 2 |a42 | + 3 |a43 | (k) 4 (k) . |a44 |
Em concluso, mostramos que a |xi logo (k + 1) ( max i )k .

i=1,2,3,4 (k+1)
xi | i (k) ,
Se cada um dos nmeros 1 , 2 , 3 e 4 for menor do que 1, ento teremos (k + 1) u a (k), com < 1. Para um sistema linear de n equaes e n incgnitas, o Critrio de Sassenfeld pode co o e ser enunciado de forma indutiva, da seguinte maneira. Primeiro, 1 = |a12 | + |a13 | + . . . + |a1n | , |a11 |
como no Critrio das Linhas. Os demais coecientes so denidos indutivamente. Sue a ponha que j tenham sido denidos 1 , 2 , . . ., i1 , para i 2. Ento i se dene a a como 1 |ai1 | + . . . + i1 |ai,i1 | + |ai,i+1 | + . . . + |ain | i = , |aii | isto , no numerador os i s aparecem multiplicando os coecientes da linha i ` esquerda e a da diagonal, enquanto que os coecientes ` direita da diagonal so multiplicados por 1. a a O coeciente da diagonal aparece no denominador (como no Critrio das Linhas) e no e a aparece no numerador. Exerc cio. Mostre que os problemas de contorno da Seo 1.8 satisfazem o Critrio de ca e Sassenfeld. Exerc cio. Obtenha a soluo com 3 algarismos signicativos do sistema linear ca 4x1 + 2x2 + x3 = 11 x1 + 2x2 = 3 2x1 + x2 + 4x3 = 16 usando o Mtodo de Jacobi e o Mtodo de Gauss-Seidel. Compare a velocidade de e e convergncia nos dois mtodos. e e
4.4. O METODO DE GAUSS-SEIDEL
65
1 2 5 x w 7
3 y z 1 3 0
Exerc cio. Considere a tabela acima. Use o Mtodo de Gauss-Seidel para achar e x, y, z, w tais que cada casinha que contenha uma incgnita seja a mdia das quatro o e adjacentes (considerando apenas verticais e horizontais). Faa 4 iteraes, partindo de c co (x0 , y0 , z0 , w0 ) = (0, 0, 0, 0), e arredondando para 2 algarismos signicativos aps cada o etapa.
66
Parte II
Ajuste de Funes co
67
Cap tulo 5
Ajuste de funes co
5.1 O problema do ajuste
y
Em medidas experimentais, freqentemente nos deu paramos com uma tabela de dados (xi , yi ), i = 1, . . . , N , que representamos visualmente por meio de um grco. Em geral, esperamos que haja uma relao a ca entre a varivel y e a varivel x, que seria expressa por a a uma funo: y = f (x). ca
yi xi
Muitas vezes no dispomos de um modelo que explique a dependncia de y em a e relao a x, de forma que no podemos deduzir essa funo apenas de teoria. De fato, ca a ca o experimento pode se dar justamente como uma forma de investigar essa relao, para ca criar um embasamento da teoria sobre dados reais. Mesmo que o experimento no culmine num modelo terico, sempre desejvel ter a o e a um modelo preditor, quer dizer, interessante saber prever, pelo menos de forma aproe ximada, em que resultar a medida de y se soubermos x. Por exemplo, suponha que a queiramos usar um elstico como dinammetro. Para isso, xamos uma das extremidaa o des do elstico e na outra extremidade penduramos o objeto do qual desejamos conhecer a o peso. Quanto mais pesado for o objeto, mais o elstico se distender, isso bvio, mas a a eo ns gostar o amos de obter, a partir da distenso do elstico, um valor numrico para seu a a e peso. Neste exemplo, x a distenso do elstico e y o peso do objeto (ou poderia ser o e a a contrrio, se desejssemos prever a distenso que o elstico teria para um determinado a a a a peso). 69
70
CAP ITULO 5. AJUSTE DE FUNCOES
Para ter uma frmula a ser usada no dinammetro precisamos conhecer muito bem o o como se comporta nosso elstico. Para isso, fazemos vrias medidas do montante da a a distenso em funo do peso do objeto, o que nos dar uma coleo de dados (xi , yi ), a ca a ca i = 1, . . . , N . O que ns queremos agora encontrar uma funo y = f (x) que se o e ca aproxime o melhor poss desses dados, mas como? E desejvel tambm que a frmula vel a e o de f no seja muito complicada, pois isso facilitaria mais tarde sua utilizao como a ca preditor. E claro que o problema, colocado dessa forma, parece muito complicado. No entanto, podemos restringir bastante o universo das funes candidatas, e dentro desse conjunto co menor de funes procurar aquela que melhor se adapte a nossos pontos. co Alm disso, preciso estabelecer um critrio comparativo do que seja a qualidade e e e de uma aproximao. Isto , como decidir se uma funo se adequa mais aos dados do ca e ca que outra?
5.2
Os m nimos quadrados
Precisamos de uma medida numrica para avaliar a qualidade de uma aproximao. e ca Isto , temos uma coleo de dados (xi , yi ), i = 1, . . . , N , e queremos avaliar o quanto e ca uma determinada funo f difere desses dados, associando a f um nmero Q(f ). Esse ca u nmero deve ser sempre no-negativo, e deve ser usado de forma comparativa: se Q(f1 ) u a for menor do que Q(f2 ) ento f1 uma aproximao aos dados melhor do que f2 . a e ca Evidentemente h um certo grau de arbitrariedade no mtodo que escolhemos para a e determinar Q. Aqui adotaremos o mais comum deles, que pode ser justicado por razes o estat sticas fora do alcance destas notas, e conhecido como qui-quadrado (sem pesos, e na Seo 7.4 abordamos o qui-quadrado com pesos): ca a distncia de f (x) aos dados experimentais denida a e como sendo y f
N
Q(f ) =
i=1
(f (xi ) yi )2 .
f(xi ) yi xi
Em palavras, temos que avaliar, para cada xi , a diferena entre o dado yi e o valor de f em xi , elevar essa c diferena ao quadrado e depois somar os resultados c obtidos para cada xi .
Exerc cio. Dados os pontos (2.8, 1.6), (1.6, 0.6), (3.0, 2.4), (4.5, 4.0), (6.0, 5.7) e as funes ans f1 (x) = 0.8 + 0.86x e f2 (x) = 1.0 + 1.32x, qual das duas funes co co se ajusta melhor aos dados, usando o critrio do qui-quadrado? Desenhe as retas e os e pontos em papel milimetrado antes de fazer as contas, e procure adivinhar o resultado
5.3. PARAMETROS por antecipao. ca
71
5.3
Parmetros a
Precisamos resolver tambm a questo do conjunto de funes aonde vamos procurar e a co aquela que minimiza o qui-quadrado. Veja que o problema em alguns casos perde o sentido se no zermos isso. De fato, para qualquer conjunto de dados (xi , yi ), i = a 1, . . . , N , onde os xi s nunca se repitam, sempre podemos achar um polinmio de grau o N 1 tal que p(xi ) = yi , para todo i = 1, . . . , N , como vimos nas Sees 1.5 e 2.7. Com co isso, Q(p) zero e no h como encontrar uma funo melhor do que essa. e a a ca O bom senso, no entanto, levar a concluir que isso no vale a pena. Duas razes a a o concretas podem ser dadas imediatamente: se a quantidade de dados for muito grande, ser necessrio achar um polinmio de grau bastante grande para interpolar esses dados. a a o Haver a diculdade de se achar o polinmio e depois a diculdade de se utiliz-lo. a o a Menos objetiva do que essa razo o fato bastante comum em experincias de que a e e sabemos muitas vezes de antemo que tipo de funo estamos procurando. Para ilustrar, a ca vejamos alguns exemplos.
5.3.1
Densidade
Suponha que queiramos determinar a densidade de um certo material. O procedimento claro, se dispusermos dos instrumentos adequados. Basta medir o volume de uma e certa quantidade de material, sua massa e proceder ` razo massa por volume. a a Se estivermos um pouco mais preocupados com a preciso do resultado, faremos a mais medidas e, evidentemente, tiraremos a mdia dos resultados. Se, no entanto, essas e medidas forem tomadas com volumes diferentes, convm fazer um grco Massa (m) vs. e a Volume (V). Veremos que podemos tambm tirar um valor para a densidade a partir e desse grco. a Chamando de 0 a densidade do material, temos que m = f (V ) = 0 V , o que em portugus pode ser assim entendido: a massa do material depende apenas de seu e volume, e essa dependncia explicitamente dada por 0 V , onde 0 uma constante e e e xa chamada densidade. Se admitirmos que isso verdade podemos tentar, a partir e do grco, achar o valor de 0 . a Para achar o valor de 0 que melhor se adapta aos dados experimentais recorremos ao qui-quadrado. Olhamos (num sentido abstrato) para todas as poss veis funes f (V ) = co V , cujos grcos so retas de inclinao , passando pela origem. Observe que cada a a ca funo f uma funo de uma varivel (V ), mas que depende do nmero , que ca e ca a u e chamado de parmetro. a Para cada funo f podemos medir o qui-quadrado Q(f ), e depois procurar o ca parmetro para o qual Q(f ) m a e nimo. Como varia ao longo da reta real, a funo ca
72
Q(f ) uma funo de uma varivel, que denotaremos simplesmente por Q(). Note e ca a agora que , que era parmetro para f (V ), agora a prpria varivel de Q() = Q(f )! a e o a Podemos visualizar Q() atravs de um grco. Se e a houver um m nimo, ele pode ser encontrado com exaQ() tido procurando-se 0 tal que a Q (0 ) = 0 . (Porm ateno: Q () = 0 no implica necessariae ca a mente que seja m nimo, poderia se tratar de um mximo, ou um ponto de inexo com derivada zero. a a Somento o inverso vlido: se for m e a nimo, ento a Q () = 0.)
5.3.2
Catenria a
Quando suspendemos uma corrente em dois pontos de sustentao, no necessariamente hoca a rizontalmente alinhados, ela assume um determinado formato (entre os dois pontos de sustentao), dado pela funo catenria: ca ca a 1 f (x) = (cosh(cx) 1) , c onde cosh a funo conhecida como cosseno hiperblico, e dada por e ca o e ex + ex . 2 Observe que a funo foi dada de tal forma que para x = 0 ela vale 0, ou seja, a origem ca das coordenadas imposta como sendo o ponto de m e nimo da corrente (uma justicativa para essa funo ser dada na Subseo 18.3.5). ca a ca Na expresso de f tambm aparece uma constante c, que um nmero. Esse nmero a e e u u no conhecido a priori, pois depende de vrias coisas, a comear pela posio dos a e a c ca pontos de sustentao. O nmero c outro t ca u e pico exemplo de um parmetro. Se usarmos a sempre a mesma corrente ele pode ser modicado atravs da mudana dos pontos de e c sustentao, e razoavelmente dif saber que valor ele vai assumir ao pendurarmos a ca e cil corrente. No entanto, j que se trata de uma medida experimental, poder a amos medir a posio ca da corrente em alguns pontos, convencionando x para a horizontal e y para a vertical, obtendo assim um conjunto de dados (xi , yi ), i = 1, . . . , N . Convm, alm disso, detere e minar a posio exata do m ca nimo, que ser o ponto (x, y) = (0, 0). Agora sabemos que a cosh x =
5.3. PARAMETROS
73
a corrente assume a forma de uma funo f como acima, mas nos resta saber com que ca valor de c isso acontece. Como proceder? Para explicitar a existncia de um parmetro, que obviamente faz parte da denio e a ca da funo, adota-se a notao ca ca 1 fc (x) = (cosh(cx) 1) . c Para cada funo fc podemos medir o qui-quadrado Q(fc ), e depois procurar o parmetro ca a c para o qual Q(fc ) m e nimo. Como c varia ao longo da reta real, a funo c Q(fc ) ca uma funo de uma varivel, que denotaremos simplesmente por Q(c). e ca a
5.3.3
Naftalinas e funes ans co
Uma bolinha de naftalina perde seu material, por sublimao, a uma taxa proporcional ca a sua superf cie. Como evolui o raio da naftalina em funo do tempo? ca Se V (t) o volume da bolinha, ento a hiptese implica que e a o V (t) = 4r(t)2 , isto , a taxa de perda de volume proporcional ` rea da superf da bolinha. Por e e aa cie outro lado 4 V (r) = r3 , 3 de forma que 4 V (t) = V (r(t)) = r(t)3 3 e V (t) = 4r(t)2 r(t) . (t) e cancelando r(t)2 , camos com Juntando as duas equaes em V co r(t) = , logo r(t) uma funo de derivada constante negativa, ou seja, uma funo am. e ca e ca Portanto r(t) = r0 t , onde r0 = r(0). Num experimento, supondo que o racioc nio acima se conrme, teremos uma srie e de dados (ti , ri ) que se disporo aproximadamente sobre uma reta. Cada reta no a a vertical do plano grco de r(t) = a + bt, e gostar e a amos de achar o par (a, b) que melhor aproxime os dados experimentais, isto , que produza o menor qui-quadrado e poss vel. Desta feita, o qui-quadrado uma funo de duas variveis, pois para cada e ca a par (a, b) teremos uma funo diferente a + bt e um qui-quadrado Q(a, b). Ao contrrio ca a dos problemas da densidade e da catenria, aqui aparece uma funo que envolve dois a ca parmetros. a
74
5.3.4
Decaimento exponencial
Um material contm um istopo radioativo, e emite radiao, que pode ser detectada por e o ca um contador geiger. A emisso de radiao proporcional ` quantidade de istopo, e a ca e a o e oriunda de seu decaimento. Veremos mais adiante (Subseo 18.3.2) que a quantidade do ca istopo decresce (na maioria dos casos) exponencialmente. Ou seja, a radiao emitida o ca por unidade de tempo R(t) obedece ` lei a R(t) = R0 et , onde t o tempo (a varivel) e R0 , so dois parmetros. A constante R0 a quantidade e a a a e de radiao emitida por unidade de tempo no instante t = 0 e > 0 representa a taxa ca de decaimento: quanto maior for mais rpido ele ser. a a A meia-vida do istopo o tempo T necessrio para que sua quantidade caia pela o e a metade. Admitindo a proporcionalidade entre a radiao emitida e a quantidade do ca istopo, T tal que o e R0 R(T ) = , 2 isto , e R0 = R0 eT , 2 equao que resolvida nos d ca a log 2 T = . O conceito de meia-vida muito usado para datao de fsseis, atravs da detere ca o e minao da quantidade de carbono-14, em relao ao istopo mais abundante carbonoca ca o 12: quanto menor for a quantidade de carbono-14, mais antigo o material. e A funo a dois parmetros R(t) recai no caso am quando tiramos o logaritmo: ca a log R(t) = log R0 t , ou seja, L(t) log R(t) uma funo am, onde sua derivada. Os papis mono-log, e ca e e vendidos em algumas papelarias, so uma maneira de se plotar o logaritmo dos dados a da ordenada, log R(t), em funo dos dados da abscissa, t, sem fazer contas. ca Isto no vale quando o decaimento exponencial assinttico a um valor diferente de a e o zero, em funes do tipo co f (t) = b + cet . No adianta tirar o logaritmo, pois o logaritmo de uma soma no pode ser desmembrado. a a Esse tipo de funo tem trs parmetros, e pode ocorrer, por exemplo, no decaimento ca e a de temperatura de um corpo em contato com um reservatrio mais frio, mas cuja temo peratura no necessariamente zero. a e
5.3. PARAMETROS
75
5.3.5
Leis de potncia e fractais e
Para funes f (x) = cx , que tm dois parmetros, recomenda-se tambm tirar o logaco e a e ritmo: log f (x) = log c + log x . Desta vez, log f (x) uma funo am de log x, e o papel recomendado para se plotar e ca os dados, em busca de uma reta, o o log-log. e Esse tipo de funo aparece ligado ao conceito de fractal. Para exemplicar, tome ca a linha do litoral, fotografada num mapa de satlite, e suponha que a foto do satlite e e tenha boa resoluo, para que se possa fazer uma anlise razoavelmente detalhada. ca a Escolha um tamanho l e divida o mapa em quadrados de tamanho l. Para facilitarmos o argumento suporemos que o mapa quadrado e escolheremos apenas valores de e l que sejam iguais ` lateral do mapa dividida por um nmero inteiro, de forma que s a u o haja uma maneira de se dividir o mapa em quadrados. Em seguida contamos o nmero u N (l) de quadrados que intersectam a linha do litoral. Tomamos valores de l cada vez menores, e para cada l contamos N (l). A experincia e tem mostrado que, dentro dos limites inerentes ao experimento, N (l) proporcional a e ld , onde d a chamada dimenso fractal daquele pedao de litoral. O nome fractal e a c vem do fato de que d pode ser um nmero fracionrio (no inteiro), e o inesperado vem u a a do fato de que se o litoral fosse uma reta ento d seria igual a 1! Ocorre que em geral d a maior do que 1... e Exerc cio. Munido de bons mapas, faa o experimento acima sugerido, e coloque os c dados N (l) versus l em papel log-log. Se realmente N (l) = cld ento voc ver uma reta a e a de inclinao negativa, e a dimenso fractal d ser o valor absoluto dessa inclinao. ca a a ca Preste ateno em desconsiderar valores de l muito grandes ou muito pequenos, onde ca fatalmente no se ver uma reta. a a
5.3.6
Gaussiana
Suponha que vrias medidas foram feitas de um mesmo fenmeno, por exemplo, o tempo a o de queda de um objeto que solto, a partir do repouso, sempre da mesma altura. So e a feitas n medidas T1 , . . . , Tn , e dessas medidas constri-se um histograma. Para fazer o o histograma, escolhe-se um intervalo t e divide-se a reta dos tempos em intervalos de tamanho t.
76
Esses intervalos podem ser numerados: I1 , . . . , IN , mas para a nunj merao ser nita preciso no inca e a cluir aqueles que esto longe dos a tempos medidos. Para cada intervalo Ij conta-se o nmero de mediu das Ti que incidem em Ij , chamando esse nmero de nj . O histograma u e I1 I2 Ij IN desenhado construindo-se barras de t base Ij e altura igual a nj . Nesse problema e em vrios outros, a tendncia do histograma adotar o formato a e e aproximado de um sino. O valor mais provvel do que deve ser o tempo de queda a (que servir por exemplo para se estimar a acelerao da gravidade) se situa prximo a ca o dos intervalos que apresentam maiores valores de nj , isto , no cume do sino. e Se o experimento no tiver erros sistemticos, o formato de sino ser tanto melhor a a a aproximado quanto mais medidas forem feitas e quanto menor forem os intervalos. E claro que a diminuio dos intervalos e o aumento do nmero de medidas devem ser ca u feitos de forma acoplada, mas isso j outra histria... ae o O leitor mais atento pode estar pensando que ao mudarmos o nmero n de experiu mentos ou o tamanho do intervalo bsico t no poderemos comparar um histograma a a com outro. E claro que se aumentarmos o nmero n ento em mdia os nj s devem auu a e mentar, o que dar histogramas radicalmente diferentes quando n = 500 ou n = 5000, a por exemplo, mantidos iguais os ts. Por outro lado, se mantivermos n mas, digamos, diminuirmos pela metade o tamanho dos intervalos, isso far com que em mdia os nj s a e caiam pela metade. Assim, seria interessante ter um histograma que no dependesse a demais de n e t, e permitisse comparar histogramas do mesmo fenmeno constru o dos de formas diferentes. Para isso, em vez de colocarmos as barras ` altura nj , fazemos um reescalonamento a da ordenada, colocando as barras ` altura a nj . nt Com isso, a soma total da rea das barras ser igual a 1, 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 = nt n
nj 1 = n n
nj =
j=1
1 n=1. n
5.3. PARAMETROS
77
Alm disso, o histograma passa a ter a seguinte funo utilitria. Se quisermos saber e ca a a proporo de eventos Ti que caiu num determinado conjunto de Ij s, basta medir ca a rea total das barras sobre esses intervalos. Esse nmero ser um nmero entre 0 a u a u e 1 (que multiplicado por 100 dar a porcentagem de eventos ocorridos nos intervalos a considerados). ` A medida em que se dimui t e se aumenta n, o formato do histograma se aproxima cada vez mais de um formato de sino, agora xo. Esse formato de sino tipicamente e descrito pela funo Gaussiana ca 1 (t )2 f (t) = exp{ }. 2 2 2 Observe que essa funo depende de dois parmetros, e , ento seria mais correto ca a a denot-la por a f, (t) . O fator que multiplica a exponencial est colocado para normalizar a funo, isto , a ca e fazer com que a rea debaixo de seu grco seja sempre igual a 1, no importando os a a a valores de e . Para entender melhor essa funo, observe ca que ela uma variao de e ca h(t) = exp{t2 } = e
t2
1 h(t) = et 0
2
A funo h(t) tem um mximo em t = 0 e ca a h(0) = 1, e decresce ` direita e ` esquerda a a (simetricamente), indo a zero quando t vai a + ou . Se agora tomarmos h (t) = exp{(t )2 }, a funo valer 1 e atingir ca a a o mximo em t = , e decrescer ` direita a aa e esquerda de . Ento o parmetro tem a a o papel de deslocar o sino para a direita ou para a esquerda, conforme for positivo ou negativo, e seu valor sempre representa a posio do cume. ca
h (t)
t
Por outro lado, se considerarmos h (t) = exp{ t2 } = exp{ 2 2 t 2

2
t } = h( ) 2
78
ento teremos o seguinte efeito: se 2 > 1, ento o valor de h (t) ser o valor de h a a a t , que menor do que t. Isso far com que a curva decresa mais lentamente, em 2 e a c alargando o sino. Se, ao contrrio, 2 < 1, a curva decrescer mais rapidamente. a a
2 <1
2 >1
h h h(t)=h( t )
2
h
t t
0
h(t)=h( t )
2
t
2
Em resumo, combinando os dois parmetros, indica a posio horizontal do cume, a ca enquanto que indica o quo agudo o pico. A altura do pico dada pelo fator de a e e 1 normalizao 2 , escolhido de forma que a integral de f seja igual a 1. ca Finalmente, estando de posse de um histograma, e admitindo as consideraes acima, co queremos saber qual o melhor par de parmetros (, ) que aproxima o formato delie a neado pelas barras. Para isso, podemos tratar as barras como pontos, tomando t1 , . . . , tN como os pontos centrais dos intervalos I1 , . . . , IN , e y1 , . . . , yN a altura das respectivas barras. Com esses dados, podemos sempre estimar o qui-quadrado Q(f, ), procurando o par (, ) que o minimize. A funo f, encontrada serve como um preditor do experimento. Se quisermos ca saber em mdia qual a proporo de medidas que ocorrer entre ta e tb , bastar e e ca a a encontrar a rea do histograma entre ta e tb , que aproximadamente o mesmo que a e calcular a integral
tb
f, (t)dt .
ta
Pode-se mostrar (isso tambm j outra histria...) que os melhores parmetros e ae o a e so a mdia e o desvio-padro da coleo de dados t1 , . . . , tn . Ou seja, a e a ca 1 = n e 2 = 1 n
n n
ti ,
i=1
(ti )2 .
i=1
5.3. PARAMETROS
79
Isso resolve o problema de se achar o menor qui-quadrado, mas raros so os casos em a que a soluo to expl ca e a cita!
80
Cap tulo 6
Funes lineares nos parmetros co a

6.1 Dependncia linear dos parmetros e a
Estaremos particularmente interessados nos casos em que a dependncia da funo nos e ca parmetros linear. Colocando de forma geral, isso signica que, se a funo tiver k a e ca parmetros a1 , a2 , . . . , ak , ento f = fa1 ,...,ak se escreve como a a f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) . Por exemplo, na funo ca ax + bsenx identicamos a1 = a, a2 = b, g1 (x) = x e g2 (x) = senx. Ou seno na funo am a ca a + bx identicamos a1 = a, a2 = b, g1 (x) = 1 (isto , a funo identicamente igual a 1) e e ca g2 (x) = x. Mesmo uma funo linear ca ax tem apenas um parmetro: a1 = a e g1 (x) = x. a E preciso no confundir entre funo linear nos parmetros e funo linear. Uma a ca a ca funo linear de uma varivel sempre da forma ax, e reservamos o termo funo am ca a e ca para funes da forma a+bx. J uma funo linear nos parmetros no necessariamente co a ca a a e linear em x, basta ver os exemplos que demos acima. Analisemos, sob essa tica, com que tipos de problemas nos deparamos nos exemplos o do Cap tulo anterior. No exemplo do clculo da densidade temos uma funo do tipo f (x) = ax, que a ca e 1 linear no parmetro a e na varivel x. A funo da catenria f (x) = c (cosh(cx) 1) a a ca a e um exemplo de funo com apenas 1 parmetro que porm no linear nesse parmetro. ca a e a e a 81
82
CAP ITULO 6. FUNCOES LINEARES NOS PARAMETROS
As funes ans das naftalinas so lineares nos parmetros. J o decaimento exponencial co a a a bx no , mas o problema pode ser transformado num problema de funo f (x) = ae a e ca am (e portanto linear nos parmetros), pois a log f (x) = log a bx . J f (x) = c + a tem trs parmetros e no linear em b: se b fosse xado (no e a a e a considerado como parmetro), ento sim ter a a amos a linearidade. A lei de potncia f (x) = axb tambm no linear no parmetro b, mas pode ser e e a e a transformada num problema linear atravs do logaritmo. e Finalmente, a funo Gaussiana no linear nos parmetros mdia e desvioca a e a e padro, mas estes podem ser encontrados, para se ajustarem aos dados experimentais, a da maneira tradicional. Trataremos a partir de agora apenas do ajuste de funes lineares nos parmetros. co a Vrios casos onde a dependncia no parmetro no linear podem ser adaptados, mas a e a e a sem dvida deve-se pensar caso a caso. Destacam-se entre os ajustes lineares os ajustes u por polinmios o f (x) = a0 + a1 x + a2 x2 + . . . + ak xk e os ajustes por funes trigonomtricas co e f (x) = a0 + a1 cos(x) + a2 cos(2x) + . . . + ak cos(kx)+ +b1 sen(x) + b2 sen(2x) + . . . + bk sen(lx) . aebx
6.2
Cont nuo vs. discreto
Vale a pena aqui introduzir um problema de ajuste ligeiramente modicado em relao ca ao que vimos discutindo at agora. Suponha que conhecemos determinada funo y(x) e ca num intervalo xo [c, d] e gostar amos de aproxim-la o melhor poss a vel por alguma funo do tipo ca f (x) = a1 g1 (x) + . . . + ak gk (x) . Observe que antes t nhamos um conjunto de dados (xi , yi ), com i variando de 1 at e N . Agora nossa informao se d num conjunto innito de pontos: sabemos todos os ca a (x, y(x)), com x variando no intervalo [c, d], porque conhecemos a funo y(x). ca Mais uma vez precisamos de um critrio para quanticar a proximidade entre f e os e dados, ou seja, entre f e y. O correspondente qui-quadrado, neste caso, dado por e
d
Q(f ) =
c
(f (x) y(x))2 dx .
e o objetivo procurar o conjunto de parmetros (a1 , a2 , . . . , ak ) que minimize Q(f ). e a Este conceito pode ser util quando y(x) tem uma expresso conhecida mas muito a complicada, e a substitu mos por uma expresso polinomial ou trigonomtrica f (x). a e
6.3. UM PARAMETRO
83
6.3
Um parmetro a
y
Para introduzirmos o assunto gradualmente, convm comear pelas situaes e c co mais simples. Suponha que temos N dados (x1 , y1 ), (x2 , y2 ), . . ., (xN , yN ) como na gura ao lado e que queiramos ajustar uma funo linear f (x) = ax a esses ca pontos. Isto signica que queremos achar o valor de a que melhor aproxima os pontos dados. Na gura, a reta pontilhada indica mais ou menos o que esperamos do nosso ajuste.
x
x1 x2 x3 x4 x5 x6
Em vez de tratarmos esse caso em particular, faremos uma discusso um pouco mais a geral. Isto , suponha que tenhamos dados como acima e queiramos ajustar uma funo e ca fa (x) = ag(x), com um parmetro e linear nesse unico parmetro. O caso da funo a a ca linear apenas um caso particular, correspondente ` funo g(x) = x. e a ca Para cada a, podemos calcular o qui-quadrado Q(fa ), que denotaremos simplesmente por Q(a). Explicitamente
N N
Q(a) =
i=1
(fa (xi ) yi )2 =
i=1
(ag(xi ) yi )2 .
A funo Q(a) deve ser assim entendida: para cada a calculamos o erro Q(a) cometido ca entre a funo fa (x) = ag(x) e os dados yi . Nossa tarefa ser procurar o valor a0 tal ca a que Q(a0 ) seja m nimo. Notemos que para cada i vale
2 (ag(xi ) yi )2 = g(xi )2 a2 2g(xi )yi a + yi ,
isto , cada termo da soma que dene Q(a) um polinmio quadrtico na varivel e e o a a a. Como a soma de polinmios quadrticos um polinmio quadrtico, ento Q(a) o a e o a a tambm um polinmio quadrtico na varivel a. Isto pode ser visto diretamente se e e o a a desenvolvermos a soma que dene Q(a):
N N N
Q(a) =
i=1
g(xi )2
a2 2
i=1
g(xi )yi
a+
i=1
2 yi .
O grco de Q(a) , portanto, uma parbola. A concavidade para cima, pois o a e a e termo que multiplica a2 certamente positivo, por ser uma soma de quadrados. e
84
Em concluso, achar o m a nimo da funo Q(a) se resume a achar o m ca nimo de uma parbola. a Conhecendo o clculo diferencial, sabemos que podemos procurar o ponto de m a nimo d da parbola pelo ponto que anula a derivada, ou seja, procuramos a soluo de da Q(a) = a ca 0. Ento calcularemos a derivada de Q(a), mas no pela expresso acima, e sim pela exa a a presso original, que se prestar mais a generalizaes quando tivermos mais parmetros. a a co a Temos N d Q(a) = (ag(xi ) yi )2 , da a
i=1
se lembrarmos que a derivada da soma a soma das derivadas. Alm disso, pela Regra e e da Cadeia, a derivada de algo ao quadrado duas vezes esse algo vezes a derivada do e algo, temos que N d Q(a) = 2g(xi )(ag(xi ) yi ) , da
i=1
lembrando que a derivada em relao ao parmetro a!!!! e ca a O fator 2 pode ser posto em evidncia no somatrio, de forma que quando igualarmos e o a derivada de Q(a) a zero ele desaparece. Ento queremos resolver a
N
ag(xi )2 g(xi )yi = 0 .

i=1
Rearranjando,
N N
a
i=1
g(xi ) =
i=1
g(xi )yi ,
donde sai facilmente o valor de a: a=

N i=1 g(xi )yi N 2 i=1 g(xi )
Esse o a0 que estvamos procurando! e a No caso de uma reta, a funo g(x) igual a x, e portanto a0 dado por ca e e a0 =
N i=1 xi yi N 2 i=1 xi
Exerc cio. Invente um conjunto de dados que estejam prximos de uma reta passando o pela origem (N = 6, por exemplo), e depois ajuste uma funo ax. Num papel milimeca trado, coloque os dados e depois esboce a reta obtida.
6.4. DOIS PARAMETROS
85
6.4
Dois parmetros a
Suponha que queiramos ajustar uma reta aos dados experimentais, mas no necessariaa mente uma reta que passe pelo zero. Para isso, precisamos ajustar uma funo na forma ca f (x) = a + bx, isto , uma funo am. Esse problema se insere no caso geral de ajuste e ca de uma funo com dois parmetros, que de forma geral pode ser escrita como ca a fa1 ,a2 (x) = a1 g1 (x) + a2 g2 (x) . Raciocinando como na Seo anterior, queremos minimizar a funo erro ca ca
N
Q(fa1 ,a2 ) =
i=1
(fa1 ,a2 (xi ) yi )2 .
Agora, porm, a funo erro depende de dois parmetros, a1 e a2 , por causa da forma e ca a de f , e a denotaremos por Q(a1 , a2 ):
N
Q(a1 , a2 ) =
i=1
(a1 g1 (xi ) + a2 g2 (xi ) yi )2 .
Precisamos de 3 dimenses para traar um grco da funo Q. o c a ca No ponto de m nimo de Q necessariamente todas as derivadas parciais se anulam. No presente caso, elas so duas: em relao a a1 e em relao a a2 . Observe que no a ca ca a necessariamente (a princ pio, sem um exame mais aprofundado) vale o inverso, isto , e se as derivadas parciais se anularem ento no obrigatoriamente se trata de um ponto a a de m nimo. Portanto o par de parmetros procurado deve satisfazer duas exigncias simultneas: a e a Q Q (a1 , a2 ) = 0 e (a1 , a2 ) = 0 . a1 a2 Se acharmos um ponto que satisfaa essas duas exigncias teremos um candidato a ponto c e de m nimo de Q(a1 , a2 ). Adiante, no Cap tulo 7, discutiremos melhor at que ponto podemos conar que a e soluo desse problema seja realmente o m ca nimo procurado. As duas equaes podem ser escritas explicitamente, e aps elaborao as deixaremos co o ca em uma forma conveniente. 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
86
Usando a Regra da Cadeia, fazemos as derivadas parciais, obtendo

N
2g1 (xi )(a1 g1 (xi ) + a2 g2 (xi ) yi ) = 0

i=1 N
2g2 (xi )(a1 g1 (xi ) + a2 g2 (xi ) yi ) = 0

i=1
Os somatrios podem ainda ser decompostos: o

N N N
2a1
i=1 N
g1 (xi )2 + 2a2
i=1 N
g1 (xi )g2 (xi ) 2

i=1 N
g1 (xi )yi = 0
2a1
i=1
g2 (xi )g1 (xi ) + 2a2

i=1
g2 (xi )g2 (xi ) 2

i=1
g2 (xi )yi = 0
Rearranjando de forma adequada ca evidente que reca mos num sistema linear de duas equaes nas incgnitas a1 e a2 : co o
N i=1 g1 (xi )g1 (xi ) N i=1 g2 (xi )g1 (xi )
a1 + a1 +
N i=1 g1 (xi )g2 (xi ) N i=1 g2 (xi )g2 (xi )
a2 = a2 =
N i=1 g1 (xi )yi N i=1 g2 (xi )yi
Todos os coecientes do sistema linear so tirados dos dados do problema, sendo que a somente os termos independentes usam os yi s. Aqui vale a pena introduzir uma notao simplicadora, que tornar muito mais ca a fcil a aplicao do acima exposto em problemas prticos. Denotaremos por gl , gm a a ca a soma
N
gl (xi )gm (xi )

i=1
e por gl , y a soma
N
gl (xi )yi .
i=1
Com essa nomenclatura, reescrevemos o sistema linear: g1 , g1 a1 + g2 , g1 a1 + g1 , g2 a2 = g2 , g2 a2 = g1 , y g2 , y ,
que o torna muito mais simples de memorizar! Exerc cio. Construa um conjunto de dados e ajuste uma reta, no necessariamente a passando pela origem, usando o exposto nesta Seo. ca
6.5. AJUSTE DE QUALQUER FUNCAO LINEAR NOS PARAMETROS
87
6.5
Ajuste de qualquer funo linear nos parmetros ca a
As idias das Sees anteriores podem ser usadas em qualquer situao que se queira e co ca ajustar uma funo que dependa linearmente dos parmetros, dada por ca a f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) , onde k o nmero de parmetros. e u a A funo Q, que d o erro do ajuste, depende agora dos k parmetros a1 , . . ., ak : ca a a
N
Q(a1 , a2 , . . . , ak ) =
i=1
(a1 g1 (xi ) + a2 g2 (xi ) + . . . + ak gk (xi ) yi )2 .
Se o m nimo de Q ocorre em (a1 , a2 , . . . , ak ) ento a Q (a1 , a2 , . . . , ak ) = 0 , al para todo l entre 1 e k, simultaneamente. Isso nos d k equaes, lineares nos parmetros a co a (sugere-se ao leitor fazer as passagens). Abaixo, mostramos as k equaes, usando a co notao introduzida ao nal da Seo anterior: ca ca g1 , g1 a1 + g2 , g1 a1 + . . . gk , g1 a1 + g1 , g2 a2 + . . . + g2 , g2 a2 + . . . + . . . ... gk , g2 a2 + . . . + g1 , gk ak = g2 , gk ak = . . . = gk , gk ak = g1 , y g2 , y . . . gk , y
Logo adiante veremos a razo de se utilizar essa notao para os somatrios, idntica a ca o e a ` utilizada para o produto escalar de dois vetores. Aqui entendemos como vetores os conjuntos de dados da abscissa x = (x1 , . . . , xN ), da ordenada y = (y1 , . . . , yN ), e os valores das funes gl avaliados em cada um desses pontos: gl = (gl (x1 ), . . . , gl (xN )). co Assim a notao faz sentido! ca
6.6
O caso cont nuo
No caso cont nuo, tudo se passa de maneira anloga. Suponha que temos uma funo a ca y(x) denida no intervalo [c, d], e gostar amos de procurar uma funo da forma ca f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) , que se aproxime dela o melhor poss vel. O erro do ajuste tambm uma funo dos k e e ca parmetros, mas desta vez calculado por meio de uma integral, ao invs de uma soma: a e e
d
Q(a1 , a2 , . . . , ak ) =
c
(a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) y(x))2 dx .
88
E util comparar com o caso discreto. A soma ao longo do ndice i foi substitu pela da integral na varivel x, dentro do intervalo [c, d]. Ao mesmo tempo, os yi deram lugar a aos valores da funo y(x). ca Mais uma vez, o ponto de m nimo de Q deve, necessariamente, anular todas as k derivadas parciais de Q, o que nos d um critrio de busca para esse m a e nimo, se resolvermos as k equaes resultantes. Para cada l = 1, . . . , k obtemos a equao co ca 0= Q (a1 , a2 , . . . , ak ) = al al
d c
(a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) y(x))2 dx .
Como a varivel de integraao x diferente da varivel de diferenciao al , podemos a c e a ca intercambiar a ordem das operaes, obtendo co
d
0=
c
2gl (x) (a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) y(x)) dx ,
e, depois de uma simples manipulao da equao, chegando a ca ca gl , g1 a1 + gl , g2 a2 + . . . + gl , gk ak = gl , y , onde gl , gm =

c d
gl (x)gm (x)dx
d
e gl , y =
c
gl (x)y(x)dx .
Juntando-se as k equaes resulta um sistema linear idntico `quele obtido no caso co e a discreto, exceto pelo fato de que os produtos escalares so calculados por uma integral, a ao invs de uma soma. e
6.7
Exemplos
Para que no que tudo muito abstrato, faamos dois exemplos nesta Seo, um para o a c ca caso discreto e um para o caso cont nuo.
6.7.1
Dinammetro o
Suponha que precisemos usar um elstico como dinammetro, para pesar objetos. O a o elstico forte, e agenta vrios quilos. Queremos calibrar o elstico para que a medida a e u a a do peso possa ser inferida pela distenso que ele provoca no elstico, que pode ser a a facilmente medida por uma rgua. e
6.7. EXEMPLOS
89
Para tanto, penduramos o elstico no teto, por uma ponta, e na outra atrelamos a um balde, cujo peso no suciente para distender o elstico (melhor ainda, serve para a e a colocar o elstico muito prximo ` posio de repouso, e esticado). Com uma jarra, a o a ca colocamos gua no balde, e a cada litro colocado (x) medimos a distenso y do elstico. a a a Os dados encontrados esto na tabela abaixo. 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) 0.0 1.0 5.5 13.0 23.5 34.5 42.0 47.0 50.5 53.0 54.5 55.5
Os dados da tabela so ct a cios, mas qualitativamente se assemelham bastante a experincias reais. Nota-se que a resposta do elstico menor para pesos pequenos e e a e grandes, e atinge seu mximo aproximadamente entre 3 e 5 quilos. a Discutiremos o ajuste da funo y(x) (distenso em funo do peso), embora na ca a ca apresentao do problema est ca vessemos interessados na funo inversa x(y), que d o ca a peso em funo da distenso. Se o leitor zer um grco dos dados da tabela, ver que a ca a a a funo peso em funo da distenso parece ser singular em 0 (tem uma derivada innita), ca ca a e esse tipo de funo se presta muito mal ao tipo de ajuste que faremos, baseado em ca polinmios. O problema desaparece se olharmos para y(x), pois esta funo parece ter o ca derivada zero em x = 0. Se pensarmos em ajustar y(x) por um polinmio, temos primeiramente que escolher o seu grau. Claramente o grau desse polinmio deve ser maior do que 2, pois retas e o parbolas no tm pontos de inexo, como aparenta ser o caso. Polinmios cbicos a a e a o u podem ter o formato desejado, mas talvez convenha ter um pouco mais de liberdade no ajuste usando polinmios de quarto grau. o Para ajustar um polinmio de quarto grau temos que resolver um problema a 5 o parmetros. Isso recair num sistema linear de 5 equaes e 5 incgnitas, e nesse caso a a co o convm ter implementado um programa de computador para resolv-lo. Como queremos e e apenas exemplicar as coisas, restringiremo-nos a um certo conjunto dos polinmios o
90
de quarto grau, que reduzir nosso problema a apenas 3 parmetros, embora o mais a a recomendvel seja seguir a primeira soluo. a ca Observe que se f (x) = c0 + c1 x + c2 x2 + c3 x3 + c4 x4 ento f (0) = c0 . Como ns j a o a sabemos que f (0) = 0, pois a nenhum peso corresponde nenhuma distenso, ento j a a a podemos supor que c0 = 0. Alm disso, o grco d a forte sensao de que f (0) = 0, e e a a ca como f (0) = c1 , ter amos c1 tambm igual a zero. Desta forma, procuraremos o menor e qui-quadrado entre a fam lia f (x) = a1 x2 + a2 x3 + a3 x4 , linear em seus trs parmetros. Para uniformizar a notao com a parte terica, temos e a ca o g1 (x) = x2 , g2 (x) = x3 e g3 (x) = x4 . Agora temos que calcular os produtos escalares gl , gm , com l e m variando entre 1 e 3. Como essas funes so potncias de x, nossa tarefa ca razoavelmente facilitada, co a e porque vrios dos produtos escalares sero iguais. Por exemplo, a a
11 11
g1 , g3 =
i=0
x2 x4 == i i
i=0
x6 , i
igual a e
11
g2 , g2 =
i=0
x3 x3 . i i
O sistema linear ca x4 i x5 i x6 i x5 i x6 i x7 i x6 | i x7 | i x8 | i yi x2 i yi x3 . i yi x4 i
Calculando os coecientes e resolvendo, obtemos a1 = 2.5040, a2 = 0.28427 e a3 = 0.0088925. Se o leitor tentar resolver o sistema por conta prpria ver que ele exo a e tremamente mal-condicionado. A soluo apresentada foi obtida com 10 algarismos ca signicativos, e arredondada somente ao nal para 5 algarismos signicativos. Recomenda-se vericar se a funo obtida ca f (x) = 2.5040x2 0.28427x3 + 0.0088925x4 compat e vel com os dados (pelo menos visualmente), e isso pode ser feito atravs de e seu esboo no grco, junto com os dados experimentais. Este teste sempre vale a pena c a em problemas de ajuste, para saber se no houve algum erro de conta. a Outro teste de compatibilidade m nimo observar que a1 teria que ser realmente e positivo, pois a concavidade do grco para cima em x = 0, e que a2 teria que ser a e negativo, para poder criar o ponto de inexo na regio x > 0. a a
6.7. EXEMPLOS
91
6.7.2
Cosseno aproximado por um polinmio o
Para exemplicar um ajuste linear cont nuo, tomemos a funo y(x) = cos x no intervalo ca [ 2 , 2 ]. Gostar amos de aproxim-la tambm por um polinmio, desta vez de grau 2. a e o Antes de resolver o problema, vale a pena investigar o que achamos que ser o a resultado. Se f (x) = a1 + a2 x + a3 x2 o polinmio procurado, quanto devem ser, e o aproximadamente, os valores dos coecientes? Como o cosseno vale 1 em x = 0, uma funo par, tem concavidade para baixo e e ca a o a sticas se anula em 2 e + 2 , ento imaginamos um polinmio quadrtico com caracter semelhantes. Ele teria que ter a1 = 1 (para valer 1 em x = 0) e a2 = 0 (por ser parbola a centrada na origem). Alm disso, a3 teria que ser negativo. Para que o polinmio se e o anule em preciso que 2 e 2 1 + a3 =0, 2 logo a3 deve estar prximo de 0.4. o Veremos se nossos palpites se conrmam. Temos que calcular os produtos escalares, que agora so integrais. Por exemplo, a g1 (x), g1 (x) =
2
1 1dx = .
Algumas integrais so nulas, pois o intervalo de integrao simtrico e os integrandos a ca e e so funes a co mpares. E o caso de g1 , g2 e g2 , g3 , por exemplo. Precisamos calcular
2
x2 dx =
3 , 12
x4 dx =
5 , 80
e do lado dos termos independentes

2
cos x = 2 ,
a integral de x cos x nula, por ser e mpar, e resta calcular

2
x2 cos x , duas vezes, dando 1 2 4. 2 | | | 2 0 . 1 2 2 4
usando a tcnica de Integrao por Partes e ca O sistema linear ca igual a 3 0 12 3 0 0 12 3 5 0 80 12
92
Da segunda equao conclui-se imediatamente que a2 = 0, o que reduz o sistema linear ca a duas equaes e duas incgnitas. Resolvendo o sistema, obtm-se a1 = 0.98016 e co o e a3 = 0.41777, valores bem prximos das estimativas iniciais. o O mtodo que apresentamos, apesar de simples, tem problemas quando implemene tado numericamente. E comum que os sistemas lineares a serem resolvidos sejam muito mal condicionados. Por exemplo, no caso do ajuste de uma funo y(x) denida no ca intervalo [0, 1] por um polinmio o f (x) = a0 + a1 x + . . . + ak xk , temos gl (x) = xl1 , com l = 0, . . . , k, e
1
gl , gm =
0
xl+m dx =
1 . l+m+1
Isto implica que a matriz dos coecientes do sistema linear uma matriz de Hilbert, que e e um conhecido exemplo de matriz mal condicionada, como discutimos na Subseo 3.5.2. ca No Cap tulo 8 discutiremos outra forma de se fazer ajustes, que so especialmente a uteis para ajustes polinomiais e trigonomtricos. Antes, porm, discorreremos um pouco e e mais abstratamente sobre o mtodo dos m e nimos quadrados, investigando, por exemplo, questes como a unicidade, embora o Cap o tulo 8 possa ser compreendido sem o aux lio do Cap tulo 7. Exerc cio. Ajuste f (x) = a(arctan x)2 aos seguintes dados xi yi por m nimos quadrados. Exerc cio. Ajuste f (x) = a+b(x1)2 por m nimos quadrados ` funo y(x) = x3 3x, a ca no intervalo [0, 2]. 0.0 0.0 1.0 0.25 2.0 1.00 3.0 1.50 4.0 1.65
Cap tulo 7
Levando a srio o produto escalar e

7.1 Produto escalar e distncia a
Vale a pena aqui uma pequena digresso, que nos levar a uma compreenso melhor a a a do problema do ajuste de funes lineares nos parmetros e nos permitir, alm disso, co a a e dispor de outras maneiras de realizar o ajuste. Primeiramente, como de praxe, concentremo-nos no problema de ajuste discreto onde, dados os pontos (x1 , y1 ), (x2 , y2 ), . . . , (xN , yN ), queremos achar o conjunto de parmetros (a1 , . . . , ak ) que minimize o qui-quadrado de a f (x) = a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) , para um certo conjunto de funes previamente xadas g1 (x), . . . , gk (x). co Para entendermos o problema de forma geomtrica, consideremos o espao RN das e c N -uplas u = (u1 , . . . , uN ), isto , o espao de vetores N -dimensional. Assim, os valores e c da ordenada nos pontos dados podem ser representados por um vetor de RN : y = (y1 , y2 , . . . , yN ) . Alm disso, cada uma das funes gl (x), l = 1, . . . , k gera um vetor de RN , cujas e co coordenadas so os valores da funo nos pontos x1 , . . . , xN : a ca gl = (gl (x1 ), gl (x2 ), . . . , gl (xN )) . O produto escalar ou produto interno em RN a funo que associa a cada par de e ca vetores u = (u1 , . . . , uN ) e v = (v1 , . . . , vN ) o nmero real u u, v = u1 v1 + u2 v2 + . . . + uN vN . Sendo assim, ca evidente que a denio que demos de gl , gm corresponde exatamente ca ao produto escalar dos vetores gl e gm , e gl , y o produto escalar dos vetores gl e y. e 93
94
CAP ITULO 7. LEVANDO A SERIO O PRODUTO ESCALAR
O produto escalar fornece automaticamente uma noo de tamanho de vetores (ou ca norma de vetores, no jargo matemtico) e, em conseqncia, de distncia no espao a a ue a c RN . Em R2 , o tamanho u de um vetor u = (u1 , u2 ) dado pelo Teorema de Pitgoras: e a a u = u2 + u2 . E fcil ver com o Teorema de Pitgoras que em R3 a norma de um a 1 2 2 + u2 + u2 . A generalizao em RN vetor u = (u1 , u2 , u3 ) dada por u = u1 e ca e 2 3 natural. A norma de u = (u1 , . . . , uN ) dada por e u = u2 + u2 + . . . + u2 , 1 2 N
expresso que pode ser escrita em termos do produto escalar: a u = u, u .
A noo de norma d origem ` idia de distncia em RN . Olhando agora u e v como ca a a e a pontos, a distncia entre eles a norma do vetor uv (ou v u, tanto faz). Denotaremos a e essa distncia por d(u, v) e, explicitamente, ela vale a
N
d(u, v) =
u v, u v =
i=1
(ui vi )2 .
Podemos ainda relacionar o qui-quadrado com isso tudo. O qui-quadrado de uma funo f (para esses dados), denotado por Q(f ), dado por ca e
N
Q(f ) =
i=1
(f (xi ) yi )2 .
Se chamarmos de f o vetor (f (x1 ), f (x2 ), . . . , f (xN )), ento a Q(f ) = f y, f y = d(f, y)2 . Portanto, minimizar o qui-quadrado um problema de minimizar a distncia ao vetor e a y no espao RN . c Quando limitamos f (x) a ser uma combinao linear das funes g1 (x), . . . , gk (x) ca co estamos, automaticamente, limitando o vetor f a ser uma combinao linear dos vetores ca g1 , . . . , gk . Isso implica que vamos procurar f que minimiza a distncia ao vetor y apenas a entre os vetores que so uma combinao linear dos vetores g1 , . . . , gk . a ca Mas o que o conjunto dos vetores que so combinao linear dos vetores g1 , . . . , gk ? e a ca Esse tipo de conjunto chamado de subespao vetorial (de RN ). Um subespao vetorial e c c um conjunto com a seguinte propriedade: qualquer combinao linear de vetores do e ca conjunto tambm um vetor do conjunto. Por exemplo, em R3 um subespao vetorial e e c
7.2. EXISTENCIA E UNICIDADE DE SOLUCOES NO AJUSTE LINEAR
95
s pode ser de um dos seguintes tipos: a origem (dimenso zero), isto , o conjunto o a e formado apenas pelo ponto (0, 0, 0); uma reta que passa pela origem (dimenso 1); um a plano que passa pela origem (dimenso 2); ou todo o R3 (dimenso 3). Note que todo a a subespao contm a origem, pois se u pertence ao subespao ento u u = 0 tambm c e c a e N tambm existem subespaos de todas as dimenses variando desde pertence. Em R e c o zero at N . e Pois bem, o problema do ajuste se reduz agora a achar, dentro do subespao formado c a pelas combinaes lineares de g1 , . . . , gl , o ponto que minimiza a distncia a um certo co ponto y. Disso trataremos na prxima Seo. o ca
7.2
Existncia e unicidade de solues no ajuste linear e co
Nesta Seo discutiremos a possibilidade de soluo para o problema do ajuste linear, ca ca no caso discreto. Deixaremos o caso cont nuo para a prxima Seo. Lembraremos o ca alguns fatos de Geometria Anal tica e Algebra Linear, sem demonstr-los todos. Os que a faltarem podem ser encontrados em textos clssicos, voltados especicamente para esse a assunto. Seja G um subespao de RN . Denimos o subespao G dos vetores de RN ortogonais c c a todo vetor de G, lembrando que u e v so ortogonais se u, v = 0. Fica para o leitor a mostrar que G um subespao. e c O primeiro fato para o qual chamaremos a ateno o seguinte: qualquer y RN ca e pode ser escrito como soma de um vetor de G com um vetor de G . Para mostrar isso, tome uma base ortonormal {w1 , . . . , wr } de G (a existncia dessa base um dos fatos que e e cam de lado nessa exposio, mas o leitor pode encontrar nos livros de Algebra Linear ca no tpico Ortogonalizao de Gram-Schimdt). O que caracteriza esse conjunto como o ca base ortonormal o fato de ser base (todo vetor de G pode ser escrito como combinao e ca linear dos vetores desse conjunto) e wi , wj ser igual a zero se i = j e igual a 1 se i = j. Agora tome o vetor
r
u=
i=1
y, wi wi .
O vetor u uma soma de mltiplos dos wi s (de fato, a soma da projeo de y sobre e u e ca as direes dadas pelos wi s), portanto um vetor de G. Por outro lado, vamos mostrar co e que y u um vetor de G . Com isso, teremos e y = (y u) + u , 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).
96
Mostrar que y u G mostrar que y u ortogonal a qualquer vetor de G. Um e e vetor qualquer g de G pode ser escrito como combinao linear dos vetores da base: ca
r
g=
i=1
i wi .
Para mostrar que y u, g = 0 basta substituir a expresso de u e a expresso de g, a a em termos dos vetores da base, e levar em conta que a base ortonormal. Fica como e exerc cio!!! A segunda observao que a decomposio de um vetor y em uma soma de dois ca e ca unica. Em outras palavras, se y = u + v = u + v , com vetores, um de G e outro de G e u, u G e v, v G , ento u = u e v = v . Para mostrar isso, vamos apenas nos utilizar a do fato de que o unico vetor que pertence a ambos os subespaos a origem (pois se u c e pertence a ambos os subespaos, ento u ortogonal a ele mesmo, ou seja, u, u = 0; c a e s que u, u = u 2 , e o unico vetor que tem norma zero o vetor nulo). Se y = u + v o e e y = u + v ento a 0 = y y = (u u) + (v v ) , isto , e uu=vv . Do lado esquerdo da igualdade temos um vetor de G e do lado direito da igualdade temos um vetor de G , e eles so iguais. Logo eles tm que ser ambos nulos, e a armao a e ca segue. O vetor u = r y, wi wi a componente de y no subespao G, tambm chamada e c e i=1 de projeo de y em G. A terceira observao que temos a fazer que o vetor u o ca ca e e (nico) elemento de G ` menor distncia de y. Para ver a razo, tome um outro vetor u a a a qualquer g G. A distncia de g a y a raiz quadrada de g y, g y , que mostraremos a e ser maior do que a distncia de u a y, que a raiz quadrada de u y, u y . Para a e comparar as duas distncias, escrevemos a g y, g y = g u+uy, g u+uy = g u, g u +2 g u, uy + uy, uy , mas como g u G e u y G , segue que g u, u y = 0. Alm disso, g u, g u e positivo, logo e g y, g y > u y, u y , onde a desigualdade estrita conrma a unicidade. Finalmente lembremos que, no problema do ajuste, o subespao vetorial em questo c a o conjunto de todas as combinaes lineares dos vetores g1 , . . . , gk . Nesse subespao, e co c existe um unico elemento que minimiza a distncia ao ponto y, como conclu a mos acima. Ser que da podemos concluir que sempre existe um unico conjunto de parmetros a a (a1 , . . . , ak ) tal que f = a1 g1 + . . . + ak gk minimiza a distncia a y? a
7.3. O CASO CONT INUO
97
A resposta no, nem sempre!! Embora s haja um elemento u do subespao que e a o c minimize a distncia, pode haver diversas maneiras de se escrever esse elemento como a combinao linear dos vetores g1 , . . . , gk . Para que haja apenas uma maneira de se ca escrever u preciso que os vetores g1 , . . . , gk sejam linearmente independentes, isto , e e que nenhum deles possa ser escrito como combinao linear dos outros. ca Por exemplo, suponha que o nmero N de pontos dados seja menor do que o nmero u u k de funes do ajuste. No h como ter k > N vetores linearmente independentes em co a a RN , portanto certamente no ser unica a soluo para o problema de ajuste. a a ca Outro exemplo, suponha que g1 (x) = 1, g2 (x) = x, g3 (x) = x2 , . . ., gk (x) = xk1 , e N k. Ser que a soluo do problema de ajuste unica? A resposta sim, mas o a ca e e leitor est convidado a justic-la inspirando-se no que est escrito na Seo 2.7. a a a ca
7.3
O caso cont nuo
No caso cont nuo no temos um espao de dimenso nita (RN ) para trabalhar. Que a c a espao utilizamos? Ser que as idias das sees anteriores tambm se aplicam? Veremos c a e co e que sim, quase sem modicaes! co No lugar de RN consideramos um espao de funes, que podemos particularizar c co (para no dicultar as coisas). Suponha que y(x) seja uma funo cont a ca nua denida no intervalo [c, d]. Ento consideramos o conjunto E de todas as funes cont a co nuas denidas nesse intervalo. Em E esto denidas a adio e a multiplicao por nmeros reais: se a ca ca u h1 e h2 so funes de E, ento dene-se a funo h = h1 + h2 como sendo aquela que a co a ca leva x em h(x) = h1 (x) + h2 (x), e se um nmero real, dene-se a funo h = h1 e u ca como sendo aquela que leva x em h(x) = h1 (x). O conjunto E um espao vetorial e c porque essas operaes sempre resultam em elementos de E. A origem ou elemento nulo co de E a funo identicamente nula em [c, d], e assim por diante. e ca O espao vetorial E no tem dimenso nita porque no podemos escolher um c a a a nmero nito de elementos h1 , . . . , hn que gere E, isto , tal que qualquer elemento u e de E possa ser escrito como combinao linear desses elementos. No entanto, dado o ca conjunto de funes g1 , . . . , gk (aquelas com as quais queremos fazer o ajuste), o conco junto de todas as suas combinaes lineares um subespao vetorial de dimenso nita co e c a de E (que chamaremos de G). Podemos tambm denir um produto interno, ou produto escalar em E. Se h e f so e a funes de E, ento co a
d
h, f =
c
h(x)f (x)dx ,
que foi a denio que usamos previamente, como notao. ca ca Observe o leitor que nas consideraes que zemos nas Sees anteriores, s nos co co o utilizamos das propriedades do produto interno, a saber:
98
CAP ITULO 7. LEVANDO A SERIO O PRODUTO ESCALAR 1. Simetria: u, v = v, u ; 2. Linearidade: u + v, w = u, w + v, w ; 3. Positividade: se u = 0, u, u > 0.
Essas propriedades podem ser usadas para denir o produto interno, como zemos com o determinante no Cap tulo 2. No dif mostrar que a denio acima de h, f a e cil ca no espao E a de um produto interno, e da seguem as conseqncias que advm c e ue e diretamente dessas propriedades. O subespao G tem dimenso nita, logo tem uma base ortonormal, e da podemos c a mostrar que todo elemento y E pode ser decomposto de forma unica como uma soma de duas funes: co y =f + , onde f G e G . A funo f a projeo de y em G, e minimiza a distncia de y ca e ca a aos pontos de G, sendo portanto uma soluo do problema de ajuste. ca
7.4
Outros produtos escalares: pesos
Pensando novamente no caso discreto (mas com conseqncias igualmente vlidas no ue a caso cont nuo), notamos que o clculo do qui-quadrado pressupe uniformidade dos a o dados (xi , yi ), isto , cada dado entra com igual peso na frmula e o
N
Q(f ) =
i=1
(f (xi ) yi )2 .
No entanto, comum sabermos, em geral em medidas experimentais, que certos e dados so mais conveis do que outros. A atribuio de um peso a cada dado se daria a a ca da seguinte forma: para cada i escolhemos um certo pi > 0, que entra no cmputo do o qui-quadrado da seguinte maneira:
N
Q(f ) =
i=1
pi (f (xi ) yi )2 .
Assim, quanto mais alto for wi maior ser a contribuio do dado (xi , yi ) para o quia ca quadrado. Por conseguinte, ao procurarmos minimizar o qui-quadrado teremos que obter menores diferenas f (xi ) yi para os valores de i tais que pi seja mais alto. Isso far c a com que a funo f (x) ajustada aproxime melhor esses pontos (xi , yi ) em detrimento ca de outros que tenham menor peso.
7.4. OUTROS PRODUTOS ESCALARES: PESOS Em medidas experimentais, em geral, o peso dado pelo inverso da varincia e a pi = 1 2 , i
99
uma estimativa do erro que deve ser obtida de forma independente. Quando todos os dados tm estimativas de erro iguais, ento o mtodo de m e a e nimos quadrados se reduz a `quele que hav amos visto anteriormente. No caso cont nuo o peso uma funo p(x) denida no intervalo [c, d] da funo dada e ca ca y(x), e o qui-quadrado dado pela expresso e a
d
Q(f ) =
c
p(x)(f (x) y(x))2 dx .
Se o qui-quadrado adotado tem pesos, temos que reformular a denio do produto ca escalar entre dois vetores u = (u1 , . . . , uN ) e v = (v1 , . . . , vN ) para
N
u, v =
i=1
pi ui vi ,
e no caso cont nuo, se u(x) e v(x) so funes do intervalo [c, d], para a co
d
u, v =
c
p(x)u(x)v(x)dx .
Esses produtos escalares satisfazem as propriedades que se esperam dos produtos escalares: simetria, linearidade e positividade. Toda a argumentao feita anteriormente ca se segue de forma idntica, e o menor qui-quadrado entre a fam de funes a k e lia co parmetros f (x) = a1 g1 (x) + . . . + ak gk (x) ser para a k-upla (a1 , . . . , ak ) que satisfaz o a a sistema linear g1 , g1 a1 + g2 , g1 a1 + . . . gk , g1 a1 + g1 , g2 a2 + . . . + g2 , g2 a2 + . . . + . . . ... gk , g2 a2 + . . . + g1 , gk ak = g2 , gk ak = . . . = gk , gk ak = g1 , y g2 , y . . . gk , y
onde os produtos escalares foram modicados para incluir os pesos.
100
Cap tulo 8
Fam lias ortogonais

8.1 Denies e exemplos co
g1 , g1 a1 + g2 , g1 a1 + . . . gk , g1 a1 + g1 , g2 a2 + . . . + g2 , g2 a2 + . . . + . . . ... gk , g2 a2 + . . . + g1 , gk ak = g2 , gk ak = . . . = gk , gk ak = g1 , y g2 , y . . . gk , y
Podemos observar que a resoluo do sistema linear ca
seria enormemente facilitada se as funes g1 , . . . , gk satiszessem a propriedade de que co os produtos escalares mistos sejam nulos, isto , e gl , gm = 0 , se l = m. Isto o mesmo que dizer que as funes g1 , . . . , gk so todas ortogonais entre e co a si ou, de modo similar, que a fam de funes {g1 , . . . , gk } ortogonal. lia co e Neste caso, ter amos gl , y , al = gl , gl e portanto k y, gl f= gl . gl , gl
l=1
Melhor ainda seria se a fam {g1 , . . . , gk } fosse ortonormal, isto , gl , gl = 1 para lia e todo l = 1, . . . , k, pois a frmula caria o
k
f=
l=1
y, gl gl . 101
102
CAP ITULO 8. FAM ILIAS ORTOGONAIS
O leitor que acompanhou atentamente o Cap tulo 7 perceber que esta nada mais a e que a frmula da projeo de y no subespao G das combinaes lineares de g1 , . . . , gk . o ca c co Vejamos a partir de agora um exemplo de como podemos fazer um ajuste de m nimos quadrados sem recorrer a um sistema linear, usando, ao invs, o conceito de ortogonalie dade. O exemplo de um ajuste cont e nuo, mas as idias de apllicam no caso discreto. e Como primeiro exemplo, xemos o intervalo [0, 1] como dom nio para as funes de co E (isto , c = 0 e d = 1). Se tomarmos as funes g1 (x) = 1, g2 (x) = x, g3 (x) = x2 , e co . . ., gk (x) = xk1 , o subespao G de suas combinaes lineares consiste de todos os c co polinmios de grau at k 1. No dif mostrar que essas funes so linearmente o e a e cil co a independentes, formando portanto uma base de G. No entanto, elas no so ortogonais a a entre si (e tampouco tm norma igual a 1). Para ver isso, basta tomar um dos produtos e internos: 1 1 1 g1 , g2 = g1 (x)g2 (x)dx = xdx = = 0 . 2 0 0 E ento como construir uma base ortonormal (ou ortogonal) de G? Faremos isso a inspirados no processo de Ortogonalizao de Gram-Schimdt. S para no confundir, ca o a denominaremos os vetores dessa nova base de f1 , . . . , fk . Imporemos primeiramente que o primeiro vetor da base seja a funo constante igual a 1: f1 (x) 1. A segunda ca funo ser um polinmio de grau 1: f2 (x) = a + bx, mas podemos supor que b = 1, se ca a o multiplicarmos por uma constante (multiplicaes por constantes s mudam a norma, co o mas no inuenciam na ortogonalidade). Alm disso, queremos que ele seja ortogonal a e ao primeiro, ou seja, queremos que
1 1
f1 , f2 =
0
f1 (x)f2 (x)dx =
0
(a + x)dx = 0 .
Isso nos obriga a ter a = 1 , logo 2 1 f2 (x) = + x . 2 A terceira funo ser um polinmio de grau 2, cujo coeciente de ordem mais alta ca a o tambm ser igual a 1: f3 (x) = a + bx + x2 (a e b diferentes dos anteriores, aqui e a usados somente como parmetros auxiliares). Esta funo deve ser ortogonal `s duas a ca a previamente criadas, isto , e f1 , f3 = 0 , f2 , f3 = 0 . Da primeira equao sai ca
1
(a + bx + x2 )dx = 0 ,
0
8.2. CALCULANDO POLINOMIOS ORTOGONAIS POR RECORRENCIA e da segunda sai

1 0
103
1 ( + x)(a + bx + x2 )dx = 0 . 2
As duas equaes reunidas formam um sistema linear nas incgnitas a e b, e resolvendo-o co o ca determinada a funo f3 . ca O processo continua do mesmo jeito, at se chegar ` k-sima funo. Observe que e a e ca no nos livramos totalmente dos sistemas lineares para acharmos a base ortogonal, a mas nosso trabalho car enormemente facilitado se algum j tiver feito isso por ns. a e a o Existem tabelas de polinmios ortogonais prontas para serem usadas! Cada fam leva o lia em conta a denio do produto escalar utilizado que, em nosso caso, depende somente ca do intervalo de integrao (e do peso, se for o caso). Veremos logo adiante como usar ca tabelas de funes ortogonais. co Exerc cio. Considere (x1 , x2 , x3 , x4 ) = (0.0, 0.2, 0.7, 1.3) e o produto escalar
4
f, g =
i=1
f (xi )g(xi ) .
Ache p(x) = x2 + ax + b que seja ortogonal a q(x) = x, em relao a esse produto ca escalar. Exerc cio. Mostre que as funes senx e cos x so ortogonais no intervalo [0, 2] co a (admitindo-se o produto escalar com peso uniforme).
8.2
Calculando polinmios ortogonais por recorrncia o e
Na Seo anterior vimos que podemos recorrer a polinmios ortogonais para facilitar a ca o resoluo do problema de ajuste. No entanto,a obteno dos polinmios ortogonais recai ca ca o na resoluo de vrios sistemas lineares, tarefa que pode ser to ou mais trabalhosa do ca a a que se no usssemos esses polinmios. a a o A boa not cia, porm, que h uma maneira mais fcil de se calcular os polinmios e e a a o ortogonais, atravs de uma relao de recorrncia. Essa relao de recorrncia fune ca e ca e ciona tanto no caso discreto (com qualquer conjunto de pontos x1 , . . . , xN ) como no caso cont nuo (com qualquer intervalo de integrao), com ou sem pesos, ou seja, com ca qualquer dos produtos internos que descrevemos. Procede-se assim: xa-se f0 (x) 1 e calcula-se o primeiro polinmio f1 (x) = x + a, o da mesma forma que zemos previamente. O valor de a ir depender do produto interno, a e escolhido de maneira que f0 , f1 = 0. Agora suponha que o processo continua, como e descrito na Seo anterior, obtendo-se polinmios f2 , f3 , f4 , etc, de graus 2, 3, 4, etc, ca o exigindo-se apenas que o coeciente de mais alto grau seja sempre igual a 1.
104
c o Em cada etapa, {f0 , f1 , . . . , fk } gera o subespao formado por todos os polinmios de grau k (mostre isso como exerc cio, com um argumento indutivo). Observe que comeamos a numerar nossos polinmios a partir de zero, pois assim c o seu ndice assim corresponder exatamente a seu grau, facilitando os argumentos. a O ponto central a seguinte armao, que permitir calcular fk (x), para k 2, e ca a somente com os polinmios fk1 e fk2 : para todo k 2, vale o xfk1 (x) fk (x) = ak fk1 (x) + bk fk2 (x) , onde ak e bk so coecientes apropriados. a Note que para k = 2 ela verdadeira e porque xf1 (x) f2 (x) um polinmio de grau 1 (o termo x2 cancela, pois os coecientes de mais alto grau so e o a sempre iguais a 1). Logo esse polinmio pode ser escrito como combinao linear de f0 o ca e f1 , isto e xf1 (x) f2 (x) = a2 f1 (x) + b2 f0 (x) . Para k 3 o racioc nio parecido, mas h uma pequena diculdade a resolver. O e a polinmio o xfk1 (x) fk (x) tem grau k 1, pois o termo xk se cancela. Segue que ele pode ser escrito como combinao linear dos vetores fk1 , fk2 , . . ., f1 , f0 . Chamaremos de f a parte dessa ca combinao linear que corresponde ` combinao de polinmios fj com j k 3. Ento ca a ca o a xfk1 (x) fk (x) = ak fk1 (x) + bk fk2 (x) + f (x) . e A nossa armao estar demonstrada se provarmos que f identicamente nulo. ca a um polinmio de grau no mximo k 3, basta mostrarmos que Como f e o a f , fj = 0 para todo j k 3. Isolando f na expresso acima, usamos o fato de que, se j k 3, a ento fk , fj = 0, fk1 , fj = 0 e fk2 , fj = 0, restando apenas mostrar que a xfk1 (x), fj (x) = 0 . A entra o pulo do gato, pois se observarmos as denies dos produtos internos, co veremos que xfk1 (x), fj (x) = fk1 (x), xfj (x) . Como xfj (x) tem grau j + 1, e j + 1 menor do que k 1, ento xfj (x) pode ser escrito e a como combinao linear de f0 , f1 , . . ., fk2 , e o produto interno resulta nulo. ca
8.3. UM EXEMPLO DE APLICACAO DE POLINOMIOS ORTOGONAIS
105
Talvez fosse mais didtico apresentar o uso da armao antes de sua demonstrao. a ca ca Optamos pelo contrrio porque a armao no parece ser muito bvia. Ela d uma a ca a o a frmula para fk (x) em funo dos dois polinmios anteriores: o ca o fk (x) = (x ak )fk1 (x) bk fk2 (x) , sendo apenas necessrio calcular ak e bk . Para isso, fazemos o produto interno da equao a ca por fk1 (a m de obter ak ) e por fk2 (a m de obter bk ). Ou seja, de xfk1 , fk1 fk , fk1 = ak fk1 , fk1 + bk fk2 , fk1 resulta ak = e de xfk1 , fk2 fk , fk2 = ak fk1 , fk2 + bk fk2 , fk2 resulta bk = xfk1 , fk2 . fk2 , fk2 xfk1 , fk1 , fk1 , fk1
Exerc cio. Obtenha os quatro primeiros polinmios ortogonais usando o mtodo acima o e descrito, para o produto interno
1
f, g =
1
f (x)g(x)dx .
8.3
Um exemplo de aplicao de polinmios ortogonais ca o
Gostar amos de aproximar a funo y(x) = senx (em radianos) no intervalo [1, 1] ca por um polinmio cbico. Fazendo o exerc do nal da Seo anterior, constatamos o u cio ca que qualquer polinmio cbico pode ser gerado por combinao linear dos polinmios o u ca o ortogonais f0 (x) = 1 , f1 (x) = x , f2 (x) = x2 1 3 , f3 (x) = x3 x . 3 5
Estamos procurando o melhor conjunto de parmetros que ajuste a f = a0 f0 + a1 f1 + a2 f2 + a3 f3 ,
106
e como vimos anteriormente, f dada pela projeo de y no espao G das combinaes e ca c co lineares desses polinmios. Como eles so ortogonais, f facilmente calculvel, isto , o a e a e cada um dos coecientes al , l = 0, 1, 2, 3 dado por e al = y, fl . fl , fl
Os denominadores so as normas ao quadrado. Temos a f0 , f0 = 2 , f1 , f1 = 2 8 8 , f2 , f2 = , f3 , f3 = . 3 45 175
Exerc cio. Termine o exemplo. Calcule os produtos y, fl , onde ser preciso integrar a xl senx (sugesto: integrao por partes). Tente no errar nas contas. Obtenha os a ca a coecientes e explicite a funo f como um polinmio cbico. Desenhe um grco do ca o u a polinmio obtido e compare com a funo h(x) = senx. o ca Exerc cio. Ajuste, por m nimos quadrados, um polinmio de primeiro grau ` funo o a ca h(x) = senx no intervalo [0, 1], usando polinmios ortogonais. o Exerc cio. Ajuste um polinmio quadrtico ` funo ex em [1, 1] usando polinmios o a a ca o ortogonais.
8.4
Exemplo de anlise harmnica a o
Alm dos polinmios ortogonais, muito importante tambm a seguinte fam de e o e e lia funes trigonomtricas, denidas no intervalo [0, 2], que a coleo de todas as funes co e e ca co do tipo
k
a0 +
l=1
(al cos lx + bl senlx) .
Todas as funes 1, cos x, cos 2x, cos 3x, . . ., senx, sen2x, sen3x, etc, so ortogonais co a entre si (prove!). Portanto, se quisermos ajustar y por uma funo desse tipo, teremos ca a0 = e bl = 1
0
1 2
y(x)dx , al =
0 2
y(x) cos(lx)dx
0
y(x)sen(lx)dx ,
1 para todo l = 1, 2, 3, . . . , k. O fator 2 em a0 corresponde ` norma ao quadrado da a 1 funo 1, e os fatores nos demais termos correspondem ` norma ao quadrado de cada ca a uma das funes restantes (prove tambm isto!). co e
8.4. EXEMPLO DE ANALISE HARMONICA
107
Esse tipo de ajuste chamado de anlise harmnica. e a o O problema que em geral a funo a ser ajustada no se encontra denida no e ca a intervalo [0, 2], e mesmo assim gostar amos de aproxim-la por funes trigonomtricas. a co e Mas a se o intervalo for escrito como [c, d], basta usar as funes , co 1 , sen(2l xc xc ) , cos(2l ) , l = 1, 2, . . . dc dc
Para exemplicar, faremos a anlise harmnica de y(x) = x(1 x) (uma parbola) a o a no intervalo [0, 1]. Teremos que usar as funes 1, sen(2lx), cos(2lx), l = 1, 2, . . ., que co so ortogonais entre si. a 1 Primeiro calculamos as normas ao quadrado. Temos a mais fcil, 0 1 1dx = 1. a Alm disso e
1
sen2 (2lx)dx =
0
1 2l
2l
sen2 udu =
0
l 2l
sen2 udu ,
0
e analogamente
1 2
cos2 (2lx)dx = 2l2

0 2 2 0
cos2 u . = 1 2, = 1 6.
As integrais 0 sen2 udu e 0 cos2 udu so iguais a (prove, usando que cos 2u a 2 u = 2 cos2 u 1), portanto todas as normas ao quadrado so iguais a 1 2sen a excetuando-se a primeira funo, que tem norma 1. ca Agora temos que calcular os produtos internos dessas funes com a funo y(x) co ca x(1 x) = x x2 . Com a primeira funo a prpria integral de x(1 x), que vale ca e o Ento a 1 1 0 1 x(1 x)dx a0 = = . 1 6 1 1dx
0
Depois observamos que os bl s so todos nulos. Isso porque a funo x(1x) par em a ca e relao a x = 1 , e as funes sen(2lx) so ca co a mpares em relao ao mesmo ponto, donde ca 2 o produto das duas e mpar em relao a x = 1 . Como o intervalo [0, 1] simtrico em ca e e 2 1 torno de x = 2 , ento a
1
x(1 x)sen(2lx)dx = 0 ,
0
para todo l 1. S nos resta obter o al =

1 0 x(1
x) cos(2lx)dx
1 2
108 Com u = 2lx obtemos al = 2 (2l)2

2l
u cos udu
0
2 (2l)3
2l
u2 cos udu .
0
A primeira integral nula, porque u cos u pode ser escrito como (u l) cos u + l cos u. e O primeiro termo da soma uma funo e ca mpar em relao a x = l, que o ponto ca e intermedirio do intervalo, e portanto sua integral nula. E a integral de cos u em a e qualquer per odo completo tambm nula. e e Quanto ` segunda integral, integramos por partes duas vezes e achamos a primitiva a 2 senu + 2u cos u 2senu de u2 cos u. Usando a primitiva, chegamos em u al = 1 2 l2 .
Assim podemos fazer o ajuste de x(1 x) usando quantas funes trigonomtricas co e quisermos. Se formos at l = k, teremos e f (x) = 1 1 2 6
k l=1
1 cos(2lx) l2
(o leitor est convidado a fazer um grco de x(1 x) e um grco de f (x) para l = 2 a a a e comparar visualmente o resultado). Est fora do escopo deste livro demonstrar isto, mas se tomarmos k indo para innito a a funo de ajuste f (x) estar cada vez mais perto da funo ajustada y(x) = x(1 x). ca a ca Em particular, f (0) estar cada vez mais perto de y(0), que igual a zero. Portanto a e 1 1 lim 2 k 6 Escrito de outra forma,
k k k l=1
1 =0. l2
lim
l=1
1 2 = . 2 l 6
O limite da soma denotado como se a soma fosse innita e

l=1
1 lim l2 k
k i=1
1 . l2
Assim, podemos obter uma frmula para : o
6
l=1
1 . l2
8.5. USO DE FUNCOES TABELADAS POR MUDANCA DE VARIAVEL
109
Exerc cio. Faa um pequeno programa de computador para ver se a frmula acima est c o a correta. O computador ser necessrio porque a convergncia para o limite bastante a a e e lenta, e um valor de k muito grande necessrio para se conseguir uma boa aproximao e a ca de .
8.5
Uso de funes tabeladas por mudana de varivel co c a
Freqentemente conhecemos uma fam de polinmios ortogonais (por exemplo, usando u lia o uma tabela), ou mesmo a fam de funes trigonomtricas acima mencionada, mas lia co e a funo h(x) da qual queremos fazer o ajuste est denida em um intervalo diferente. ca a Ser que ainda assim podemos aproveitar a informao dispon a ca vel? A resposta sim, e a maneira simples: recorremos a uma mudana de variveis e e c a am. Assumiremos que temos uma fam de funes ortogonais f0 , f1 , . . . tabelada no lia co intervalo [c, d], e gostar amos de ter uma fam de funes ortogonais no intervalo [, d]. lia co c no Em primeiro lugar, constru mos uma funo am L que leve o intervalo [, d] ca c intervalo [c, d], sobrejetivamente. Isso pode ser feito explicitamente: L(x) = c + dc (x c) . dc
Sua inversa tambm pode ser calculada de forma expl e cita: L1 (x) = c + dc (x c) . dc
Para facilitar a notao, chamaremos de o coeciente linear de L: ca = dc dc
Armamos que a fam f0 , f1 , . . . dada por lia fl (x) = fl (L(x)) ortogonal com respeito ao produto interno usual do intervalo [, d]. Para isso, s e c o precisamos mostrar que
d c
fl (x)fk (x)dx = 0 ,
para l = k, usando a informao de que, nesse caso, ca

d
fl (x)fk (x)dx = 0 .
c
110 Entretanto
c
fl (x)fk (x)dx =
c
fl (L(x))fk (L(x))dx
e, fazendo a mudana de variveis u = L(x) (com du = L (x)dx = dx), obtemos c a

L(d) L() c
1 1 fl (u)fk (u) du =
fl (u)fk (u)du = 0 .
c
Observe que consideramos apenas o caso cont nuo, com peso uniforme. Outras situaes podem ser consideradas, tomando-se os devidos cuidados, mas no discutiremos co a receitas gerais aqui. Perceba tambm que no exemplo de anlise harmnica da Seo passada ns zemos e a o ca o isso, pois originalmente hav amos apresentado funes trigonomtricas ortogonais entre co e si no intervalo [0, 2], mas no exemplo zemos a anlise harmnica adaptada para o a o intervalo [0, 1]. Alm do mais, olhando para o que zemos, no caso de as funes f0 , f1 , . . . serem e co polinmios ento as funes f0 , f1 , . . . tambm sero polinmios, respectivamente de o a co e a o mesmo grau. Vejamos um exemplo, para ilustrar. Na Seo 8.3 obtivemos os polinmios ortogonais ca o 1 f0 (x) = 1, f1 (x) = x, f2 (x) = x2 3 , f3 (x) = x3 3 x, relativamente ao produto interno 5 usual no intervalo [1, 1], porm gostar e amos de fazer um ajuste polinomial no intervalo [1, 2]. Ento procedemos como descrito acima. Achamos primeiro a funo am L que leve a ca o intervalo [1, 2] no intervalo [1, 1], dada por L(x) = 1 + 2(x 1) = 2x 3 (procure sua prpria maneira de ach-la!). Os polinmios procurados so dados por o a o a fl = fl L. Portanto f1 (x) f2 (x) f3 (x) 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 f4 (L(x)) = L(x)3 5 L(x) = 8x3 36x2 + 54x 6 x 5
126 5
Parte III
Equaes e Zeros de Funes co co
111
Cap tulo 9
Zeros de funes e o Mtodo da co e Dicotomia

9.1 Introduo ca
Considere o seguinte problema: dada uma funo real f , achar suas ra ca zes, isto , os e valores de x para os quais f (x) = 0, como ilustra a gura abaixo (os pontos pretos indicam as ra zes da funo representada no desenho). ca
Pode a princ pio parecer um problema espec co, mas ele aparece toda vez que tivermos uma equao a ser resolvida. Uma equao nada mais do que uma expresso ca ca e a f1 (x) = f2 (x) , onde procuramos o(s) valor(es) de x que a satisfaa(m). Ora, mas isso o mesmo que c e achar as ra zes da funo f (x) = f1 (x) f2 (x). ca Alm disso, o problema se relaciona com a inverso de funes. Por exemplo, tee a co mos uma funo g(x) conhecida, mas gostar ca amos de determinar g 1 em certos pontos. 1 (y) denido como sendo o valor x tal que g(x) = y temos que, para Lembrando que g e 113
114
CAP ITULO 9. ZEROS DE FUNCOES E O METODO DA DICOTOMIA
um dado y, resolver a equao g(x) = y e determinar x = g 1 (y). Resolver a equao ca ca g(x) = y o mesmo que achar um zero da funo f (x) = g(x) y. e ca Nas prximas Sees veremos alguns exemplos que ilustram o problema. o co
9.2
Raiz c bica de 10 u
Suponha que queiramos achar um nmero positivo tal que x3 = 10. Esse nmero o u x u e que denominamos a raiz cbica de 10, ou 3 10. u Gracamente, encontramos x pela interseco ca 3 } com {y = 10}, como mostra a y=x3 de {y = x 10 gura ao lado. Observe tambm que o problema e y=10 equivalente a resolver a equao e ca x3 10 = 0 , ou seja, estamos procurando a raiz de f (x) = x3 10.
x
9.3
Pra-quedista ou bolinha em queda dentro dgua a a
Imagine um pra-quedista que abre seu pra-quedas no instante t = 0, da altura h0 . a a Ou, alternativamente, uma bolinha que parte do repouso ` altura h0 dentro de um a tubo cheio dgua, e cai sob a fora da gravidade. Levando em conta que a queda no a c a completamente livre, isto , o meio oferece resistncia ao movimento, quanto tempo e e e levar a queda do pra-quedista ou da bolinha? a a
h0 h0
A diferena bsica entre os dois problemas a velocidade inicial. No caso do prac a e a quedista, ela bastante alta, e o pra-quedas tender a amortec-la at atingir uma e a a e e
9.3. PARA-QUEDISTA OU BOLINHA EM QUEDA DENTRO DAGUA
115
velocidade compat com a possibilidade do corpo humano suportar o choque com o vel solo. No caso da bolinha, a velocidade inicial zero e cresce com o tempo. e Empiricamente, constata-se que o meio oferece resistncia ao movimento com uma e fora tanto maior quanto maior for a velocidade. c Num grco, ter a amos algo como mostrado na gura ao lado. Isso implica que h um valor de a fora de velocidade v para o qual a fora de resistncia resistencia c e exatamente igual ` fora da gravidade. Se o e a c mg corpo em queda est a essa velocidade, a fora a c da gravidade e a resistncia do meio se anulam e entre si, e a resultante das foras zero. Isso c e implica que o corpo no ser acelerado (nem dea a v* velocidade sacelerado), e portanto permanecer constantea mente em movimento ` velocidade v . a Por outro lado, se a velocidade inicialmente maior do que v , ento a fora de e a c resistncia ser maior do que a fora de gravidade, o que far com que o corpo reduza e a c a sua velocidade. Tudo sugere que os grcos Velocidade vs. Tempo tenham o seguinte a aspecto, dependendo da relao entre v0 e v , onde v0 a velocidade inicial do corpo. ca e
v v0 = v* t
v0 v*
v v* v0 t
Sob a hiptese de que a fora de resistncia do ar proporcional ` velocidade do o c e e a corpo, em valor absoluto, poss mostrar que a evoluo da velocidade em funo do e vel ca ca tempo dada por e v(t) v = (v0 v )e v t , onde g a constante de gravidade ` superf terrestre (vide Seo 18.3.3 para uma e a cie ca justicativa). Como interpretar essa frmula? Ora, note que se denirmos v(t) = v(t) v , isto o , a diferena entre a velocidade do corpo e a velocidade de equil e c brio, a frmula apenas o g diz que v no instante t igual a v no instante t = 0 multiplicado por e v t . Isso e est de acordo com as guras que hav a amos desenhado.
g
116
Sabendo agora como evolui a velocidade do corpo em funo do tempo, como podemos deduzir a evoluo da ca ca altura h(t)? Primeiro precisamos xar coerentemente as coordenadas. Temos considerado velocidades positivas para corpos em queda, logo temos que medir a altura, com a coordenada h, de cima para baixo. Por convenincia, xaremos o zero de h como sendo ` e a altura h0 , de forma que o solo ser atingido no instante a T tal que h(T ) = h0 .
h= h0 h
v v0 v* 0 h(t)
Ento a
t
O espao percorrido dado pela integral da vec e locidade no intervalo de tempo considerado. Assim,
t
h(t) h(0) =
0
v(s)ds ,
onde h(0) = 0, pela maneira como xamos a coordenada. No grco de velocidades, isso cora responde a achar a rea sob a curva v(t). A a varivel s usada como auxiliar, para diferir do a e extremo de integrao. ca
h(t) =
0 t
(v + [v(0) v ]e v s )ds v ds + [v(0) v ]

0 T
=
0
e v s ds
g v = v t + [v(0) v ]( )(e v t 1) . g
Logo h(t) =
g v v [v(0) v ] + v t [v(0) v ]e v t . g g
Agora, se quisermos achar T tal que h(T ) = h0 , teremos que resolver a equao ca h0 =
g v v [v(0) v ] + v T [v(0) v ]e v T . g g
9.4. O CILINDRO DEITADO Chamando v [v(0) v ] h0 g B = v v C = [v(0) v ] g v D = g A =
117
ento estamos procurando a raiz da funo a ca f (t) = A + Bt CeDt . Gracamente, essa raiz dada pela e projeo na abscissa do encontro entre a ca reta A + Bt com a funo CeDt , vide ao ca lado.
A+Bt
CeDt T t
9.4
O cilindro deitado
Considere um cilindro colocado horizontalmente sobre um plano, paralelo ao solo, como na gura ao lado. O cilindro tem uma abertura, na parte superior, para a colocao de gua (para draca a matizar o exemplo, imagine um continer e de petrleo, gigante, com esse formato e o nessa posio). O problema : como deca e terminar uma escala com marcaes que co indiquem o volume de gua dentro do cia lindro (e no simplesmente a altura do a n da gua)? vel a Para ver a relao entre essa questo e o problema de achar o zero de uma funo, ca a ca quantiquemos um pouco mais o problema. Seja l o comprimento do cilindro e r o raio
118
de uma seo transversal, perpendicular ao seu eixo. O volume total do cilindro dado ca e por v = l r2 ,
pois r2 a rea da base e l a altura do cilindro, embora ele esteja deitado. e a
L A(h)
rcos() h
Se ele estiver cheio at a altura h ento e a o volume de gua ali contido ser l vezes a a a rea preenchida pela gua numa seo a a ca transversal qualquer, que chamaremos de A(h). Note que h varia entre 0 e 2r, e que A(0) = 0, A(2r) = r2 e A(r) = 1 r2 . 2 Mas e os outros valores de h? Como achar a funo A(h)? ca
Aqui podemos fazer um pouco de geometria: supomos que h < r (o racioc nio ser a completamente anlogo para h > r) e consideramos o ngulo formado entre a vertical a a e a linha L. A relao entre h e simples: r cos + h = r, ou seja, h = r(1 cos ). ca e Lembremos agora que a rea de um setor de ngulo pode ser achada por regra de a a trs, lembrando que para = 2 a rea r2 : e a e
1 = 2 r2 = a() = r2 . a() 2
Como mostra a gura, a rea que queremos calcular menor do que a rea de dois setores a e a de ngulo (perfazendo r2 ), e o excedente a rea de dois tringulos-retngulos. a e a a a A rea excedente o produto d1 d2 , onde d1 = r cos e d2 = r sin . Logo a e
A(h) = r2 r2 sin cos = r2 (
1 sin 2) , 2
9.4. O CILINDRO DEITADO
119
=
lembrando que depende de h pela relao h = ca r(1 cos ). Essa conta sugere que talvez seja mais fcil fazer a escala ao longo do contorno do a cilindro, parametrizado pelo ngulo , como se a fossem as marcas de um relgio (pode-se fazer o uma escala vertical, mas as contas caro mais a complicadas).
3l 2l
=0
1l
a E fcil ver que a mesma frmula vale quando h > r (verique!). Resumindo, o o volume v() depende de pela frmula o v() = lr2 ( 1 sin 2) , 2
onde varia entre 0 e . O grco de v() (de fato, o grco de v = v()/lr2 ) est a a a esboado na gura abaixo. c
v v = lr 2
v () v =
1 2
1 v = 2 sen(2 )
0
1 2
v Na gura, colocamos na vertical a varivel v = lr2 , de forma que o grco que a a independente do raio r e do comprimento l do cilindro. As linhas pontilhadas indicam as duas funes ( e 1 sin 2) que somadas produzem a funo v () = v() . co ca 2 lr 2
120
CAP ITULO 9. ZEROS DE FUNCOES E O METODO DA DICOTOMIA A funo v () tem derivada nula em = 0 (e por simetria em = ), pois ca v () = 1 1 2 cos 2 2
e v (0) = 1 cos(0) = 0 . Suponha agora que o volume total do cilindro seja da ordem de 10 litros e que queremos marcar, no contorno do cilindro, o valor de correspondente a um volume de a gua de 3 litros. Isso corresponde, no grco, a achar o valor de para o qual v() = 3 a (se o volume for medido em litros). Esse o problema de achar a raiz da funo v() 3. O mesmo procedimento pode e ca ser adotado para se calcular as marquinhas correspondentes a outros valores do volume, de forma que toda a escala possa ser constru da.
9.5
Catenria a
Mais uma vez, suponhamos uma corrente pendurada em dois pontos de sustentao. ca Seu formato, como j dissemos, o do grco da funo a e a ca f (x) = 1 (cosh(cx) 1) , c
desde que a origem do plano cartesiano coincida com o ponto de m nimo da curva. Na Subseo 5.3.2 propusemos uma maneira de achar o parmetro c experimentalca a mente, atravs de um ajuste de funes, no caso no linear. Aqui veremos que, a partir e co a da posio de um unico ponto da corrente (excetuando o ponto de m ca nimo), podemos achar o parmetro c. Para tanto, reduziremos o problema a achar o zero de uma funo a ca cuja varivel o parmetro c. a e a Suponha que a corrente passa por um certo ponto (x0 , y0 ) = (0, 0). Isso signica que y0 = f (x0 ) = Ento a cosh(cx0 ) cy0 1 = 0 , isto , o parmetro c , necessariamente, um zero da funo e a e ca F (c) = cosh(cx0 ) cy0 1 . Gracamente, podemos pensar tambm que c o cruzamento do grco de cosh(cx0 ) e e a com o grco da funo am 1 + cy0 . Da convexidade do cosseno hiperblico segue que a ca o 1 (cosh(cx0 ) 1) . c
9.6. METODO DA DICOTOMIA
121
h apenas dois pontos onde as funes coincidem, e um deles c = 0. Como c no a co e a pode ser zero (pois aparece no denominador, na expresso da funo f ), ento c ca a ca a completamente determinado uma vez dado (x0 , y0 ). Para calcular c explicitamente, no entanto, necessrio algum mtodo numrico. e a e e
9.6
Mtodo da Dicotomia e
Nesta Seo apresentaremos o Mtodo da Dicotomia, que um mtodo intuitivo de se ca e e e achar a raiz de uma funo. Mtodos mais sosticados sero estudados nos prximos ca e a o Cap tulos. O primeiro passo isolar a raiz x dentro de um intervalo onde a funo seja e ca montona: ou crescente ou decrescente. Sejam a0 e b0 os extremos desse intervalo. o Observamos ento que a funo assume valores com a ca sinais opostos nesses extremos, isto , e
f
f (a0 ) f (b0 ) < 0 .
a0
x* b0 No desenho ao lado, f (a0 ) < 0 e f (b0 ) > 0. Seria ao contrrio se no desenho a funo fosse decrescente. a ca Esse primeiro passo depende muito do conhecimento prvio que se tem a respeito da funo. e ca Em seguida passamos a cercar a raiz com intervalos, cada intervalo com um tamanho igual ` metade do tamanho do intervalo anterior. a Para ilustrar o mtodo, usemos a funo f (x) = x3 20. Observe que achar x tal e ca ) = 0 o mesmo que achar a raiz c bica de 20. que f (x e u
1. Escolhemos a0 = 2, pois 23 20 < 0 e b0 = 3, pois 33 20 > 0. 2. Escolhemos o ponto mdio do intervalo, ao qual chamaremos provisoriamente de e c0 : a0 + b0 c0 = . 2 Neste caso, c0 = 2.5. 3. Testamos o valor de f em c0 : f (c0 ) = f (2.5) = 2.53 20 = 4.375 < 0 . Conclu mos que x est ` direita de c0 , o que nos faz denir o novo intervalo aa [a1 , b1 ] = [c0 , b0 ] .
122
4. Repetimos o procedimento 2), agora com o intervalo [a1 , b1 ], ou seja, calculamos o ponto mdio e a1 + b1 c1 = = 2.75 . 2 5. Avaliamos f em c1 : f (c1 ) = f (2.75) = 2.753 20 = 0.796875 > 0 . Conclu mos que x est ` esquerda de c1 , o que nos faz denir o novo intervalo aa [a2 , b2 ] = [a1 , c1 ] . Prosseguindo, colocamos os dados numa tabela, indo at a dcima etapa: e e
3 n an bn cn rn en rn 0 2 3 2.5 2.5 0.5 15.6 1 2.5 3 2.75 2.75 0.25 20.8 2 2.5 2.75 2.625 2.63 0.13 18.2 3 2.625 2.75 2.6875 2.69 0.07 19.5 4 2.6875 2.75 2.71875 2.72 0.04 20.12 5 2.6875 2.71875 2.703125 2.703 0.016 19.75 6 2.703125 2.71875 2.7109375 2.711 0.008 19.93 7 2.7109375 2.71875 2.71484375 2.715 0.005 20.013 8 2.7109375 2.71484375 2.712890625 2.7129 0.0020 19.966 9 2.712890625 2.71484375 2.713867188 2.7139 0.0011 19.989 10 2.713867188 2.71484375 2.714355469 2.7144 0.0006 19.9996
Na tabela, calculamos os extremos e centros dos intervalos usando todas as casas decimais dispon veis na calculadora. No entanto em cada etapa s sabemos com certeza que o a raiz est entre an e bn , portanto o erro em assumi-la com o valor de cn a e bn an . 2 Os valores de rn so arredondamentos de cn at uma certa casa decimal, com um erro a e en garantindo que a raiz esteja entre rn en e rn + en . O critrio para a determinao de rn e en foi o seguinte. Primeiro determinou-se o e ca erro 1 (bn an ), com todas as casas decimais poss veis. De posse desse valor, escolheu-se 2 o nmero de algarismos signicativos para expressar en , 1 ou 2. O critrio dessa escolha u e baseou-se num certo grau de razoabilidade, de forma que: (i) o primeiro ou os dois primeiros algarismos signicativos de en sejam uma dentre as possibilidades 10, 11, 12,
9.6. METODO DA DICOTOMIA
123
13, 14, 15, . . ., 24, 25, 3, 4, 5, 6, 7, 8 e 9; (ii) tomando rn como o arredondamento de cn na casa decimal correspondente ` ultima casa decimal de en , o intervalo [rn en , rn + en ] a contenha o intervalo [an , bn ]; (iii) en seja o menor poss vel. 1 Por exemplo, para n = 4 temos 2 (b4 a4 ) = 0.03125, ento tomamos e4 = 0.04 a (no podemos usar 0.03, seno a condio (ii) pode no ser satisfeita). Em seguida a a ca a arredondamos c4 = 2.71875 na segunda casa decimal, obtendo r4 = 2.72. E preciso a testar a condio (iii): 2.72 0.04 = 2.68 < a4 e 2.72 + 0.04 = 2.76 > b4 , tudo bem. Se ca essa condio no fosse satisfeita, en teria que ser ligeiramente aumentado, respeitando ca a (i), (ii) e (iii) ao mesmo tempo.
124
Cap tulo 10
Mtodos iterativos e
10.1 Plano geral
Neste Cap tulo discutiremos a determinao de zeros de funes por meio de mtodos ca co e iterativos. Os mtodos iterativos (no so interativos, ateno!) so realizados da see a a ca a guinte maneira. 1. Dada a funo f da qual se procura uma raiz x , fabrica-se uma funo auxiliar ca ca (quais caracter sticas ela deve ter e como ach-la, veremos aos poucos). a 2. Arrisca-se um palpite inicial x0 , e a partir desse palpite constri-se uma seqncia o ue de valores x0 , x1 , x2 , . . ., onde o valor xk+1 depende do valor xk pela relao ca xk+1 = (xk ) . 3. Se a escolha de e de x0 for feita com algum critrio, espera-se que a seqncia e ue {xk }k convirja para x , como mostra esquematicamente a gura abaixo. 4. Com algum critrio de parada, em funo da preciso que se deseja na resposta, e ca a toma-se um dos xk s como aproximao de x . ca
f x*

x1
x2 x3
x0
125
126
10.2
Pontos xos
A primeira observao pertinente a respeito do plano geral traado acima sobre o tipo ca c e , em relao ` aplicao (em relao ` funo f j sabemos: de ponto que deve ser x ca a ca ca a ca a x uma raiz de f ). Supondo que, no m e nimo, seja uma funo cont ca nua, notamos que, se xk tende a x , ento (xk ) deve tender a (x ) ( a denio de funo cont a e ca ca nua, pense nisso!). Por outro lado tem-se que (xk ) = xk+1 , ento a seqncia (xk ) a prpria a ue e o seqncia dos xk , adiantada no ue ndice k de uma unidade. Como (xk ) tende a (x ), ). Ora, mas se x tende ao mesmo tempo para x e para (x ), a ento xk tende a (x a k concluso que x e (x ) tm que ser iguais! a e e Para resumir, uma condio necessria para que o plano geral de achar a raiz x de ca a f por iterao de uma funo funcione que, no m ca ca e nimo, valha (x ) = x . Esta condio, no entanto, no suciente para que o plano d certo, como veremos ca a e e mais adiante. Todo ponto x para o qual se tenha (x) = x chamado de ponto xo da funo . O e ca que acabamos de concluir que a funo auxiliar deve ter a raiz x de f como ponto e ca xo. Um ponto xo da funo localizado pelo cruzamento do grco de y = (x) com ca e a o grco de y = x, a diagonal, ao contrrio das ra a a zes de f , que so localizadas pelo a cruzamento do grco de f com a abscissa (y = 0). Na gura abaixo, por exemplo, a a funo esboada tem 2 pontos xos (suas quatro ra ca c zes no nos interessam). a
Exerc cio. Determine os pontos xos (se houver) de (x) = x2 x + 0.5. Esboce o grco de . Construa a seqncia de iterados xk+1 = (xk ) a partir de x0 = 0. A a ue
10.3. FUNCOES AUXILIARES CANDIDATAS
127
seqncia converge? Se converge, converge para algum ponto xo? Faa o mesmo para ue c x0 = 2, e depois para x0 = 1.5. Exerc cios de iterao cam bem mais fceis com uma boa calculadora cient ca a ca. Algumas vezes preciso iterar bastante, por isso convm reduzir ao mximo o nmero e e a u de operaes na mquina em cada etapa. Em algumas calculadoras, existe uma varivel co a a ` vezes essa varivel pode ser de memria que guarda a resposta do ultimo clculo. As o a a colocada na frmula completa. Por exemplo, em algumas calculadoras CASIO essa o varivel chama-se Ans. Procede-se assim, para x0 = 1.5 e (x) = x2 x + 0.5: (i) a escreve-se 1.5 e aperta-se EXE, fazendo com que 1.5 seja armazenado em Ans; (ii) escreve-se Ans2 Ans + 0.5, aperta-se EXE e aparece a resposta 1.25, que o x1 e (e esta resposta armazenada em Ans, substituindo o valor anterior); (iii) apertando e EXE novamente a calculadora far a mesma conta, s que a partir do novo valor de a o Ans, que o x1 , assim aparecer o valor de x2 ; (iv) a partir da s ir apertando e a e o EXE que vo aparecendo os xk s, em seqncia. a ue Se a calculadora no dispuser desses recursos, mesmo assim ela deve ter maneiras a de armazenar valores em memria. Guarde o resultado xk na memria e procure us-la o o a na hora de calcular xk+1 . Calculadoras que permitem colocar a frmula inteira antes de o fazer a conta so as melhores para isso. a H tambm, claro, a possibilidade de se fazer um pequeno programa em computador a e e para realizar essas contas. Qualquer linguagem que lide facilmente com nmeros reais u serve para isso. Exerc cio. Tome (x) = 3.1x(1 x) e x0 = 0.3. O que acontece com a seqncia de ue iterados? Exerc cio. Tome (x) = 4x(1 x) e x0 = 0.3. O que acontece com a seqncia de ue iterados?
10.3
Funes auxiliares candidatas co
E natural nos questionarmos se podemos achar uma funo tal que (x ) = x se no ca a , anal estamos desenvolvendo um mtodo cuja nalidade conhecemos exatamente x e ultima justamente achar x ! Acontece que por um pequeno truque isto perfeitamente e e poss vel, e de maneira surpreendentemente simples! Para comear, tome a funo f (x) e adicione a ela a funo identidade, isto , dena c ca ca e (x) = x + f (x) . Note que se x for uma raiz de f ento a (x ) = x + f (x ) = x ,
128
isto , x um ponto xo de . Inversamente, se x for um ponto xo de ento x e e a ser tambm uma raiz de f . Em concluso, se for denida dessa maneira ento as a e a a ra zes de f coincidiro exatamente com os pontos xos de ! a O mesmo acontecer se denirmos a (x) = x + f (x) , onde um nmero real qualquer, ou mesmo e u (x) = x + (x)f (x) , onde (x) uma funo (cont e ca nua) qualquer. Como no devemos nunca dispensar um a desenho, em tudo o que fazemos na matemtica, vejamos como podemos esboar a c (x) = x + f (x) diretamente a partir do esboo do grco da funo f . Se for poc a ca sitivo, ao multiplicarmos a funo f por ca estaremos encolhendo (se < 1) ou dilatando (se > 1) o grco na direo a ca vertical. Nas ra zes, como a funo vale ca zero, o efeito nulo. Se for negativo o e grco ser, alm disso, reetido em torno a a e da abscissa. Depois dessa multiplicao ca temos apenas que somar o grco rea sultante ` diagonal. Na gura ao lado a esboamos o processo com igual a 1 . c 2
(x) = x
1 2
f(x)
f(x)
1 2
f(x)
Exerc cio. Considere f (x) = sen(x) (no se esquea, x em radianos!). Esboce o grco a c a de (x) = x + f (x). Esboce tambm o grco de (x) = x 1 f (x). Itere e a partir e a 2 da condio inicial x = 1 e compare os resultados. ca
10.4
Visualizando iteraes co
E importante se ter noo visual do processo de iterao de uma funo , e para isso ca ca ca veremos como fazer iteraes usando apenas o esboo da funo. Obviamente haver co c ca a um acmulo de erro quando zermos iteraes sucessivas, mas os desenhos nos ajudaro u co a
10.4. VISUALIZANDO ITERACOES
129
a melhor compreender os diversos tipos de comportamentos presentes nos mtodos itee rativos. A primeira coisa que devemos fazer dee senhar o grco da funo, e em seguida a ca a diagonal, que nos auxiliar. Depois esa colhemos uma condio inicial x0 ( apeca e nas um ponto da abscissa), e o objetivo encontrar a posio, na abscissa, de e ca x1 = (x0 ). Movendo-nos verticalmente, encontraremos o grco de , na posio a ca (x0 , (x0 )). Como (x0 ) = x1 , este o e ponto (x0 , x1 ), ou seja, j encontramos x1 , a mas ele a segunda coordenada do ponto e encontrado. Nosso objetivo, no entanto, e encontrar o ponto da abscissa (x1 , 0).
(x)
(x1 , 0)
(x0 , 0)
(x1 , x1)
(x0 , x1)
Ento movemo-nos horizontalmente, isto , mantendo xa a segunda coordenada, a a e partir de (x0 , x1 ) at encontrar a diagonal. Na diagonal, os valores da primeira e da e segunda coordenada so iguais; como a segunda foi mantida sempre igual a x1 , ento a a esse ponto ser (x1 , x1 ), e com um movimento vertical determinamos x1 sobre a abscissa. a Para a determinao de x2 o procedimento anlogo: movimento vertical at enca e a e contrar o grco, depois movimento horizontal at encontrar a diagonal e nalmente a e movimento vertical at encontrar a abscissa. E assim por diante! e Observe que podemos poupar um pouco de trabalho quando fazemos uma srie e de iteraes sucessivas. De x0 vamos verticalmente at o grco (` altura x1 ), depois co e a a horizontalmente at a diagonal (` posio horizontal x1 ). Depois, de acordo com o que foi e a ca descrito acima, ir amos verticalmente at a abscissa (` altura zero) e ento verticalmente e a a at o grco (` altura x2 = (x1 )). Ora, a composio de dois movimentos verticais e a a ca ainda um movimento vertical, que poderia ser feito de uma vez s. Ou seja, logo e o aps nos movermos horizontalmente at a diagonal, encontrando (x1 , x1 ), podemos nos o e mover verticalmente at o grco, encontrando (x1 , x2 ). Em seguida continuamos, indo e a horizontalmente at a diagonal, no ponto (x2 , x2 ), e depois verticalmente at o grco, e e a no ponto (x2 , x3 ), e assim por diante. Coletando as primeiras coordenadas de cada ponto de encontro com o grco, teremos a seqncia de iterados a partir de x0 . Veja na gura a ue abaixo uma ilustrao desse procedimento. ca
130
(x)
x4 x3 x1 x2 x0
Exerc cio. Faa um esboo de = 2x(1 x) e itere a partir das seguintes condies c c co iniciais: (i)x0 = 0.5; (ii) x0 = 0.0; (iii) x0 = 0.25; (iv) x0 = 0.5; (v) x0 = 0.75; (vi) x0 = 1.0; (vii) x0 = 1.25. O que acontece com cada seqncia de iterados? Converge, ue no converge? D para inferir o que acontecer com o restante das condies iniciais? a a a co Exerc cio. Como se explica um ponto xo no procedimento acima? Exerc cio. Se a regra fosse verticalmente at a diagonal e horizontalmente at o e e grco, o procedimento estaria bem denido? A regra seria clara? a Exerc cio. Uma pr-imagem de um ponto y pela funo um ponto x tal que (x) = e ca e y. Muitas vezes um ponto tem mais do que uma pr-imagem. Usando um grco de , e a invente um mtodo rpido para achar todas as pr-imagens de um ponto dado (suponha e a e que o ponto dado foi indicado sobre a abscissa).
10.5
Iterando perto de pontos xos
Vejamos agora, atravs de esboos, o que acontece com a seqncia de iterados quando e c ue a condio inicial est prxima de um ponto xo. A pergunta a ser respondida : ser ca a o e a que ela converge para esse ponto xo? A resposta de suma importncia, uma vez e a que nosso objetivo encontrar o ponto xo por aproximaes sucessivas. Sem isso, no e co a teremos condio de preencher o terceiro item do nosso plano geral, traado no comeo ca c c do Cap tulo. Para comear, adotaremos como hiptese que o ponto xo x seja isolado, isto , que c o e no exista nenhum outro ponto xo. Isto tambm numa vizinhana (pequena) de x a c e signica que perto de x o grco de s toca a diagonal no prprio x . a o o
10.5. ITERANDO PERTO DE PONTOS FIXOS Na gura ao lado mostramos os ingredientes bsicos de que necessitaa remos: o grco de , prximo a a o x , a diagonal e o que chamaremos de diagonal secundria em x , que a a reta de inclinao 1 passando e ca por (x , x ). Para simplicar, assumiremos que tambm a diagonal e secundria s seja intersectada pelo a o grco de no ponto (x , x ). Essas a hipteses no so demasiadamente o a a restritivas: raro encontrar um caso e em que elas no sejam respeitadas. a
131
x*
x*
Assim, podemos imaginar diversas possibilidades para o grco de , de acordo com a a posio em relao ao cone duplo formado pela diagonal e pela diagonal secundria, ca ca a como mostra a gura abaixo. Nos diagramas, hachuramos o que queremos convencionar como a parte interna do cone, entre as duas diagonais.
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
(j)
(l)
132
Nos casos (d), (e), (f ) e (g) o grco de tangencia a diagonal em x . Isto tem a um signicado, se for uma funo diferencivel: (x ) = 1, pois basta lembrar que a ca a derivada a inclinao da reta tangente ao grco. Nos casos (h), (i), (j) e (l) o grco e ca a a de tangencia a diagonal secundria em x , ou seja, (x ) = 1. a No caso (a), a tangente ao grco de em x uma reta de inclinao menor do a e ca que 1 (pois menor do que a inclinao da diagonal) e maior do que 1 (ou seja, menos e ca negativa do que a inclinao da diagonal secundria). Portanto ca a 1 < (x ) < +1 no caso (a). No caso (b) temos (x ) < 1 e no caso (c) temos (x ) > +1 . Em resumo, podemos considerar 3 possibilidades, de acordo com o mdulo de (x ): o (i) | (x )| < 1, caso (a); (ii) | (x )| > 1, casos (b) e (c); (iii) | (x )| = 1, casos (d) a (l). Uma espcie de rec e proca tambm vlida: sempre que | (x )| for menor do que 1 e e a assumir o aspecto de (a), e sempre que | (x )| for o grco de na vizinhana de x a c a maior do que 1 ele assumir o aspecto de (b) ou (c), de acordo com o sinal. No entanto, a se | (x )| for igual a 1, haver todas as possibilidades mostradas de (d) at (l). a e Nosso objetivo fazer uma anlise da convergncia das seqncias x0 , x1 = (x0 ), e a e ue x2 = (x1 ), . . . para o ponto xo x , quando x0 escolhido perto de x , porm restringie e remos nossa argumentao apenas aos casos (a), (b) e (c). A razo que, primeiramente, ca a e alguns dos outros casos podem ser facilmente analisados de forma semelhante (e outros no to facilmente), como mostram os exerc a a cios propostos abaixo. Alm disso, cada e caso apresentar um comportamento distinto: pode haver convergncia ou no, e em a e a alguns casos a resposta depende at de saber se x0 est ` esquerda ou ` direita de x ! e aa a No caso (a) note que, se xk estiver prximo a x ento (xk ) estar dentro do cone, o a a isto , e xk x < (xk ) x < x xk , (xk < x ) ou xk x > (xk ) x > x xk , (xk > x ) pois y = x + (x x ) e y = x (x x ) so as diagonais principal e secundria a a passando por x . Isto o mesmo que e |(xk ) x | < |xk x | ,
10.5. ITERANDO PERTO DE PONTOS FIXOS
133
a a a ou seja, xk+1 = (xk ) est mais perto de x do que est xk . O mesmo valer de xk+1 para xk+2 , de modo que os iterados xk , xk+1 , . . . se aproximaro cada vez mais de x a (veja exerc abaixo para tornar mais rigoroso este argumento). cio Outra maneira (mais intuitiva) de se chegar ` mesma concluso esboando a a a e c evoluo dos iterados no desenho, como mostra a gura abaixo, em duas situaes: ca co (x ) > 0 e (x ) < 0. Observe pela gura que quando (x ) < 0 os iterados xk , xk+1 , . . . se alternam ` direita e ` esquerda de x , quando esto sucientemente prximos a a a o de x .
x* x*
x* xk xk+1 xk+2 xk+3 xk xk+2 x* xk+3 xk+1
Nos casos (b) e (c) ocorre o oposto: tem-se |xk+1 x | > |xk x | , o que impossibilita a aproximao a x e, em verdade, afasta os iterados de x . Isto ca pode ser visto na gura abaixo.
x*
x*
x* xk+3 xk+2 xk+1 xk xk+2
x* xk xk+1 xk+3
134
Quando o ponto xo tal que a seqncia de iterados iniciada em sua proximidade e ue converge para ele, dizemos que o ponto xo atrator. Se, ao contrrio, os iterados e a se afastam, mesmo que xk esteja arbitrariamente prximo de x , ento dizemos que o o a ponto xo repulsor. e Da argumentao acima, conclu ca mos que se | (x )| < 1 ento x um ponto xo a e )| > 1 ento x um ponto xo repulsor. Se | (x )| = 1 atrator, enquanto que se | (x a e no poss a e vel prever o comportamento dos iterados, a no ser que se tenha outras a informaes sobre , em geral ligadas a derivadas de ordem mais alta. Veja mais sobre co isso nos exerc cios abaixo. Exerc cio. Esboce a funo (x) = e4 x e determine seus pontos xos, dizendo quem ca atrator e quem repulsor apenas atravs do desenho do grco. e e e a Exerc cio. Considere a equao ex = x 1. Investigue se (x) = ex + 1 pode ser ca util para achar a soluo. Ache-a. ca Exerc cio. Este exerc um conjunto de observaes dirigidas a respeito dos casos cio e co no discutidos, onde a derivada de no ponto xo tem mdulo 1. O leitor deve tentar se a o convencer ao mximo de cada uma delas, usando desenhos, principalmente. O exerc a cio ajudar a xar melhor a teoria discutida nesta Seo. a ca 1. Nos casos (e) e (i) o ponto xo atrator. e 2. Nos casos (g) e (l) o ponto xo repulsor. e 3. Nos casos (e), (i), (g) e (l) a segunda derivada de nula. A terceira derivada e no pode ser negativa em (i) e em (g), e no pode ser positiva em (e) e (l). a a 4. A segunda derivada no pode ser negativa em (d) e (h), e no pode ser positiva a a em (f) e (j). 5. No caso (d), o ponto xo atrator pelo lado esquerdo e repulsor pelo lado direito. e J em (f) ele atrator pelo lado direito e repulsor pelo esquerdo. a e 6. Os casos (h) e (j) so os mais delicados. H alternncia de lado na iterao, pois a a a ca a derivada negativa. Olhando para o caso (h), h aproximao para o ponto xo e a ca a cada vez que se passa pelo lado direito e afastamento a cada vez que se passa pelo lado esquerdo, e no claro a priori qual vai prevalecer (no caso (j) ocorre o a e oposto). Tente fazer desenhos caprichados criando casos onde h atrao e outros a ca onde h repulso, sempre no caso (h), e depois tente o mesmo para o caso (j). a a Exerc cio. Este exerc cio opcional, para aqueles que gostam de um pouco mais de e rigor nos argumentos. Observamos que no caso (a) ocorre |xk+1 x | < |xk x |, o que implicaria que a seqncia |xk x | vai a zero (equivalente a dizer que xk tende a ue
x
10.6. TEOREMA DO VALOR MEDIO E VELOCIDADE DE CONVERGENCIA 135 x ). Isso no entanto no tem que ser necessariamente verdade, quer dizer, nem toda a seqncia em que cada termo menor do que seu predecessor vai a zero. Por exemplo, ue e 1 a seqncia 1 + k , que tende a 1 e decrescente. No entanto, se usarmos as hipteses ue e o estabelecidas de in cio, isso ser verdade. Para isso, verique as seguintes observaes: a co 1. Se a seqncia for montona, isto , car s do lado direito ou s do lado esquerdo, ue o e o o e se |xk x | no for a zero, ento a seqncia tem que convergir para um outro a a ue ponto x que no x . a e 2. Pelo que vimos na Seo 10.2, o ponto x teria que ser um outro ponto xo de x , ca mas ns j t o a nhamos isolado uma vizinhana de x sem nenhum outro ponto xo. c Ento esta situao no pode ocorrer. a ca a 3. J se a seqncia no for montona, pode acontecer tambm de que |xk x | tenda a ue a o e para um valor maior do que zero, e xk que alternando de lado, tendendo para dois pontos simetricamente posicionados em torno de x . Mostre que nesses pontos o grco de tocaria a diagonal secundria, contradizendo tambm as hipteses. a a e o
10.6
Teorema do Valor Mdio e velocidade de convergncia e e
A Seo anterior pode ser resumida na seguinte armao: se x ponto xo e se ca ca e | (x )| < 1 ento x atrator, e se | (x )| > 1 ento x repulsor. a e a e Vamos demonstrar essa armao de maneira mais simples, sem usar o desenho, ca usando o Teorema do Valor Mdio. A demonstrao tambm nos ajudar a saber qual e ca e a a velocidade de convergncia no caso de o ponto xo ser atrator. A unica hiptese e e o adicional ser que a derivada de uma funo cont a e ca nua, hiptese que se verica na o maioria dos casos. Chamemos de a derivada de em x . Como a derivada de uma funo e ca . Em outras palavras, cont nua, ela deve assumir valores prximos de perto de x o podemos isolar uma vizinhana de x , de preferncia simtrica, de tal forma que para c e e qualquer x escolhido dentro dessa vizinhana ter-se- c a | (x) | muito pequeno. Suponha agora que um nmero de mdulo menor do que 1 ( o caso em que e u o e um atrator). Ento, podemos encontrar uma vizinhana de queremos mostrar que x e a c x em que | (x) | seja to pequena que tambm | (x)| seja menor do que 1, ou a e mesmo menor do que um certo tambm menor do que 1, para todo x na vizinhana. e c | com |x x |. Como x = Nosso interesse comparar |xk+1 x e k k+1 = (xk ) e x (x ) ento queremos comparar |(xk ) (x )| com |xk x |. Ora, isso tem toda a a
136 cara de Teorema do Valor Mdio, pois e
(xk ) (x ) = (ck )(xk x ) , para algum nmero ck entre xk e x . Se xk estiver na vizinhana acima referida, ento u c a ck tambm estar, e teremos | (ck )| menor do que . Logo e a |(xk ) (x )| |xk x | . Ento a cada iterao a distncia de xk a x multiplicada por um nmero menor a ca a e u do que , o que caracteriza uma convergncia (ao menos) geomtrica (lembre-se de uma e e P.G. de razo menor do que 1). a O importante de se escolher uma vizinhana simtrica em torno do ponto xo que c e e isso garante que o ponto xk+1 cair ainda dentro da mesma vizinhana, e o argumento a c poder ser repetido ad innitum. Logo adiante (na Subseo 10.8) falaremos um pouco a ca mais sobre este assunto. Observe tambm que a mesma igualdade do Teorema do Valor Mdio mostra que, ` e e a medida que os iterados se aproximam do ponto xo, a razo entre |xk+1 x | e |xk x | a se aproxima de || = | (x )|. Pois como (ck ) = xk+1 x , xk x
e ck , estando espremido entre x e xk , tambm se aproxima de x , ento (ck ) se e a aproxima de (x ), por causa da continuidade da derivada. Exerc cio. Observe que se | (x )| > 1 ento o Teorema do Valor Mdio implica que a e no pode haver convergncia para o ponto xo. a e Exerc cio. Tome a funo (x) = e4 x. Iterando a partir de x0 = 0, ache seu ponto ca mais ` esquerda, mas guarde os iterados. Calcule (x ) e compare com as razes xo x a o xk+1 x . xk x Exerc cio. Este exerc cio para transformar a informao sobre a velocidade de cone ca vergncia em informao sobre o tempo de convergncia. O exerc e ca e cio fornecer apenas a uma resposta aproximada, baseada em suposies que nem sempre so satisfeitas. Supoco a nha que a distncia da condio inicial x0 ao ponto xo x seja da ordem de D. Suponha a ca tambm que a condio inicial esteja numa vizinhana do ponto xo onde a funo e ca c ca e aproximadamente linear, com inclinao dada pela derivada de no ponto xo, o que ca signica que a taxa geomtrica de aproximao mais ou menos constante. Calcule o e ca e
x
10.6. TEOREMA DO VALOR MEDIO E VELOCIDADE DE CONVERGENCIA 137 a nmero de iteraes k necessrias para que xk esteja mais perto do que a distncia p de u co a . x Exerc cio. E poss existir uma funo cont vel ca nua que tenha apenas dois pontos xos, ambos atratores? Justique sua resposta.
10.6.1
O caso (x ) = 0: convergncia quadrtica e a
No caso em que (x ) = 0 a razo entre |xk+1 x | e |xk x | se aproxima de zero, a o que signica que a taxa de convergncia melhor do que qualquer razo geomtrica. e e a e Podemos ir mais alm no Teorema do Valor Mdio, aplicando-o novamente desta feita e e na derivada de , e obter uma informao mais precisa sobre a taxa de convergncia. ca e Para aplicar o Teorema do Valor Mdio na derivada de assumiremos que seja duas e vezes diferencivel. Depois acrescentaremos a hiptese de que essa segunda derivada a o tambm seja cont e nua. Retomando a desigualdade obtida no Teorema do Valor Mdio, temos e xk+1 x = (ck )(xk x ) . Mas se (x ) = 0 ento podemos usar o Teorema do Valor Mdio. Existe dk entre ck e a e x tal que (ck ) = (ck ) (x ) = (dk )(ck x ) . Portanto |xk+1 x | = | (dk )| |ck x | |xk x | . Como ck est entre xk e x , ento |ck x | |xk x |; alm disso, supondo que seja a a e cont nua, os valores de (dk ) estaro muito prximos de (x ), e portanto estaro a o a limitados por uma constante C, em mdulo. Ento, se xk estiver nessa vizinhana, o a c ter-se- a |xk+1 x | C|xk x |2 , que motiva a denir o regime de convergncia com o nome de convergncia quadrtica. e e a Um ponto xo com derivada nula tambm chamado de super-atrator, por causa da e e rapidez com que se d a convergncia. a e Exerc cio.Chame de a0 a distncia de x0 ao super-atrator x , e de ak a distncia de xk a a . Suponha que em todos os iterados vale a estimativa de convergncia quadrtica, ax e a com constante C. Mostre que k 1 ak (Ca0 )2 , C da distncia p so necessrias e que para se aproximar xk de x a a a ln Cp 1 ln ln 2 ln Ca0
138
iteraes. Compare com a convergncia geomtrica. co e e

1 Exerc cio. Itere (x) = x + senx e (x) = x + 2 senx, a partir da condio inicial ca x0 = 1, e compare as velocidades de convergncia, ` luz do que foi exposto acima. e a
10.7
Calculando zeros de funes - a escolha de co
Podemos neste momento retornar ao plano geral traado no comeo do Cap c c tulo para achar uma raiz x de uma funo f , pois j temos todos os ingredientes para isso: ca a uma maneira de se construir funes que tenham x como ponto xo, por exemplo, co escrevendo (x) = x + f (x); e critrios para saber se o ponto xo x atrator ou no. e e a Nosso objetivo explorar a escolha de na expresso (x) = x + f (x) de modo e a que a raiz procurada x seja um atrator e o plano geral funcione. De acordo com o que dissemos, preciso que a derivada (x ) tenha mdulo menor e o do que 1. A derivada de sabemos calcular, em funo da derivada da f : ca (x) = 1 + f (x) , Observe que se f (x ) for igual a zero ento (x ) ser igual a 1, e a no poderemos a a a saber se h convergncia ou no. Na verdade podemos saber sim, se desenharmos o a e a grco de . a Por exemplo, tome a funo f (x) = (x 1)2 , ca que tem raiz x = 1. Essa raiz ponto xo de e (x) = x + 0.1f (x) = 2 f(x) = x + 0.1(x1) x + 0.1(x 1)2 , como mostra a gura ao lado. Sabemos que se iniciarmos a iterao com ca 1 x0 perto e ` esquerda a de 1, ento a seqncia a ue convergir para o ponto a xo. Ocorre no entanto que nos casos onde a derivada 1, mesmo havendo convergncia e e ela se d de forma muito lenta, que no chega nem a ser geomtrica. Mais adiante a a e veremos como superar este problema. Consideremos ento o caso f (x ) = 0. Ora, pedir que | (x )| seja menor do que 1 a o mesmo que pedir que e 1 < 1 + f (x ) < +1 .
10.7. CALCULANDO ZEROS DE FUNCOES - A ESCOLHA DE Ou seja deve estar entre 0 e f

2 (x ) .
139
Exerc cio.Verique o intervalo de escolhas poss veis de para se calcular a raiz x = de f (x) = senx usando a funo de iterao (x) = x + senx. Conra a resposta ca ca usando desenhos. Notemos agora que, apesar de haver todo um intervalo de poss veis escolhas de , h uma escolha preferencial, que faz com que a derivada de no ponto xo seja nula e a o ele seja super-atrator. E s escolher de modo que 1 + f (x ) seja igual a zero, isto , e = 1 . f (x )
Essa escolha de garantiria convergncia rpida, mas o leitor atento pode perguntar: e a como escolher em funo de f (x ) se para saber f (x ) precisamos conhecer x , que ca justamente o que estamos procurando? e A pergunta faz todo sentido pois, apesar de estar claro em teoria que valor de e necessrio para o mtodo funcionar, no claro na prtica como proceder, uma vez que a e a e a no dispomos do valor de f (x ). a H duas respostas para esta questo, cuja ecincia vai depender do tipo de problema a a e que se quer resolver. Uma das respostas ser o Mtodo de Newton, do qual falaremos no prximo Cap a e o tulo. Em vez de usarmos a funo ca f (x) (x) = x , f (x ) a qual no podemos determinar por no conhecermos x , usamos a a (x) = x f (x) . f (x)
Se x estiver prximo de x ento f (x) estar prximo de f (x ), e jogar um papel o a a o a semelhante. Em cada iterao, o fator que multiplica f (x), em vez de xo e igual a ca 1 f (x ) , varivel e igual a f 1 . Observe que essa funo do tipo e a ca e (x) (x) = x + (x)f (x) , introduzida previamente, com o unico problema que (x) = f 1 no cont nua onde (x) a e a derivada se anula. Voltaremos ao assunto adiante. A outra resposta no to fcil de dar, e em linhas gerais consiste no seguinte a e a a procedimento. Lembrando que nosso objetivo achar tal que 1 < 1 + f (x ) < +1, e suponha que consigamos isolar a raiz da funo num intervalo [a, b] e mostrar que, ca dentro desse intervalo, sua derivada f (x) satisfaz 1 < 1 + f (x) < +1 para todo x
140
no intervalo. Ora, se satisfaz para todo x [a, b] em particular satisfaz para x , e ento a estaremos prontos para usar esse valor de . Ento tudo o que queremos que a e 2 < f (x) < 0 , x [a, b] . Em primeiro lugar, temos que escolher [a, b] de forma que sua derivada no se anule: a ou sempre negativa ou sempre positiva. Se a derivada f (x) for negativa, mas muito e e alta em valor absoluto, basta escolher positivo e pequeno. J se a derivada f (x) for a positiva e alta em valor absoluto, basta multiplicar por negativo e pequeno. Exerc cio. Considere a equao f (x) = ex cos x = 0. O objetivo do exerc ca cio trabalhar com uma funao (x) = x + f (x) para achar a menor raiz positiva de e c f , admitindo o fato de que essa raiz, que chamaremos de x , seja a unica localizada a a estritamente entre 0 e 2 (isso no parece fcil de se mostrar, mas se quiser tente!). 1. Mostre que f (1) < 0 e f ( ) > 0, o que indica que a raiz procurada est no intervalo a 2 [a, b] = [1, 2 ]. 2. Estime valores m e M tais que m f (x) M para todo x [1, ] (ser preciso investigar em detalhe o comportamento das a 2 x2 e cos x no intervalo considerado). derivadas de e 3. Use o item anterior para escolher de modo que 1 < (x) < 1, para todo x [1, ]. 2 4. Determine qual extremo est mais prximo de x : x = 1 ou x = ? a o 2 5. Use esse extremo como condio inicial e itere, para determinar a raiz com preciso ca a 4 . de 10 Exerc cio. Compare as funes de iterao 1 , 2 , 3 e 4 dadas abaixo, no que co ca diz respeito ` eccia de se obter a soluo da equao cos x = x2 (considerando-se a a ca ca condies iniciais apropriadas). Ache a soluo, com o maior nmero de casas decimais co ca u poss veis. 1 (x) = cos x 2x2 , 2 (x) = cos x + x2 , 1 xsenx + cos x + x2 3 (x) = x + (cos x x2 ) , 4 (x) = . 8 senx + 2x
2
10.8. A ESCOLHA DE X0
141
10.8
A escolha de x0
Observe que para saber o quo prximo da raiz o ponto inicial x0 pode ser escolhido, a o podemos adotar o seguinte procedimento. Em primeiro lugar, usar o Mtodo da Dicotomia para cercar um intervalo pequeno e [a, b] que contenha a raiz, e depois eventualmente encolher mais ainda o intervalo para que a derivada de f no se anule, como comentado na Seo anterior. Isso permitir a ca a escolher e construir para fazer as iteraes. co Essas consideraes serviro tambm para o Mtodo de Newton, do qual falaremos co a e e no prximo Cap o tulo. O importante conseguir o intervalo [a, b] de forma a isolar a raiz e e obter que | (x)| < 1 em todo o intervalo. Isso far com que a |xk+1 x | |xk x | , se xk estiver em [a, b] (concluso que pode ser obtida mesmo sem conhecermos x ). a Observe que o problema no termina neste ponto. Uma vez escolhido x0 dentro do a intervalo [a, b], com a condio sobre a derivada satisfeita, ento teremos certeza que x1 ca a estar mais prximo da raiz x do que x0 . a o Isso no garante, no entanto, que x1 esa teja dentro do intervalo [a, b], e se isso no a x0 x* x acontecer, no poderemos mais saber se x2 a 1 mais do que x (vide se aproximar de x a 1 a b gura ao lado). Uma soluo para esse obstculo tomar x0 como sendo o extremo do intervalo [a, b] ca a e que esteja mais prximo da raiz x . Por exemplo, suponha que b seja esse extremo, isto o , e |b x | < |a x | . Tomando x0 = b, teremos |x1 x | < |b x |, logo x1 [a, b]. O mesmo acontecer com a os termos seguintes da seqncia, pois todos eles estaro a uma distncia da raiz menor ue a a do que a distncia de b a essa raiz. a S que esse racioc s funcionar na prtica se soubermos determinar qual extremo o nio o a a do intervalo [a, b] est mais prximo da raiz. O truque o seguinte: olhamos para o a o e ponto mdio do intervalo e chamamos esse ponto de x0 (pelo menos provisoriamente: o e chute inicial x0 ser de fato o extremo do intervalo que estamos tentando determinar). a Calculando x1 , sabemos que a distncia de x1 ` raiz x ser menor do que a distncia a a a a de x0 a x . Ento basta ver se x1 cai ` direita ou ` esquerda de x0 . a a a
142
Se x1 > x0 ento conclu a mos que x > x0 (logo o extremo direito do intervalo est a x* x 1 mais prximo da raiz), pois se x estivesse o x > x0 1 a ` esquerda de x0 e x1 ` direita, ento a a a b | > |x x |, absurdo, x0 = a+b ter amos |x1 x 0 2 pois em [a, b] a distncia ` raiz deve dia a minuir! Note que o argumento funciona mesmo que x1 caia fora do intervalo [a, b]. x x* 1 Se x1 < x0 ento conclu a mos que x < x0 . x < x0 1 a O argumento o mesmo que no caso ane b x0 = a+b terior. 2 Se porventura x1 = x0 , ento x0 a raiz (prove!), e ambos os extremos esto a igual a e a distncia dela. a
10.9
Um critrio de parada e
Existem vrios critrios de parada, isto , regras para se considerar um determinado a e e iterado xk como a aproximao desejada para a raiz procurada x . Os critrios de ca e parada so importantes primeiramente por razo de coerncia (imagine uma extensa a a e lista de ra zes sendo calculadas numericamente, preciso uniformizar a maneira de e encontr-las), e em segundo lugar para automatizar os procedimentos. a Alguns critrios de parada, como aquele que vamos ver aqui, fornecem tambm a e e margem de erro da aproximao. ca O critrio do qual falaremos aqui funciona quando, no entorno da raiz, a funo e ca e montona, isto , se x1 < x < x2 ento os valores de f (x1 ) e f (x2 ) tm sinais opostos, o e a e ou seja, f (x1 )f (x2 ) < 0 . Suponha que queiramos determinar uma aproximao de x com preciso p. Isto ca a signica que gostar amos de encontrar um valor x tal que a verdadeira raiz x esteja no intervalo [ p, x + p] (a interpretao do que signica exatamente a preciso p varia x ca a de acordo com o gosto do fregus, esta a que adotaremos neste livro). e e Como estamos supondo que f montona, isso s acontecer se f assumir sinais e o o a opostos em x p e x + p. Bom, ento nada mais temos a fazer do que iterar a funo auxiliar , obtendo a ca valores x0 , x1 , . . . , xk , . . ., e para cada iterado xk calcular f (xk p)f (xk + p) . Se esse produto for negativo, ento podemos considerar xk como sendo a aproximao a ca desejada.
10.9. UM CRITERIO DE PARADA
143
E claro que devemos prestar um pouco de ateno para o nmero de casas decimais ca u que usamos nas contas, e se xarmos xk talvez queiramos arredondar para uma casa decimal compat vel com a preciso desejada. Isso pode ser feito com bom senso, mas a se tivermos que automatizar para um programa de computador convm tomar certos e cuidados. Para exemplicar, seja f (x) = ex x+1 = 0, que tem unica raiz (veja isto esboando c o grco!). Usaremos (x) = ex + 1 como funo auxiliar, para achar a raiz x com a ca preciso p = 102 . a Partindo de x0 = 0, obtemos os iterados. Temos que usar no m nimo um nmero de u casas decimais compat com a preciso desejada, por exemplo 4 parece ser razovel. vel a a Neste caso, faremos as contas com todas os algarismos signicativos da calculadora, e cada etapa arredondaremos para a quarta casa decimal, a m de minimizar os erros. Ento x1 = 2, x2 = 1.1353, x3 = 1.3213, x4 = 1.2668, x5 = 1.2817, x6 = 1.2776, a x7 = 1.2787. Como f (1.27) > 0 e f (1.29) < 0 ento podemos considerar a aproximao a ca x = 1.28. Observe que pelo critrio de parada j poder e a amos parar em x5 , no entanto ao arredondarmos para 1.28 convm fazer o teste novamente. Os iterados x6 e x7 foram e a rigor desnecessrios. a
144
Cap tulo 11
O Mtodo de Newton e
Como j mencionado no Cap a tulo anterior, o Mtodo de Newton consiste em fazer a e iterao ca f (xk ) xk+1 = xk , f (xk ) a partir de uma condio inicial bem escolhida x0 , e assim obter aproximaes sucessivas ca co de f . de alguma raiz x
A maneira de achar x1 em funo de x0 , ca e igualmente depois de achar xk+1 em funo de xk , tem uma forte inspirao ca ca geomtrica: olhamos para a reta tangente e ao grco de f no ponto (xk , f (xk )) e dea nimos xk+1 como sendo o ponto de encontro dessa reta com a abscissa.
f(x0 ) f x* x 1 x0
Vejamos como a frmula acima se relaciona com esta idia geomtrica. Para isso, o e e notamos que a inclinao da reta tangente ao grco de f no ponto (xk , f (xk )) dada ca a e pela derivada f (xk ). A unica reta com inclinao f (xk ) que passa por (xk , f (xk )) ca e dada por y = f (xk ) + f (xk )(x xk ) . O ponto xk+1 denido como o valor de x para o qual y = 0, isto e e 0 = f (xk ) + f (xk )(xk+1 xk ) , 145
146 ou
CAP ITULO 11. O METODO DE NEWTON
f (xk ) , f (xk ) desde que f (xk ) = 0 (hiptese que assumiremos gratuitamente, para facilitar os arguo mentos). A t tulo de exemplo apliquemos o mtodo no exemplo f (x) = x3 20, para compae rarmos com o Mtodo da Dicotomia. e Para f (x) = x3 20 temos f (x) = 3x2 , ento a frmula de iterao ca a o ca xk+1 = xk xk+1 = xk que neste caso pode ser simplicada para xk+1 = 2x3 + 20 k . 3x2 k x3 20 k , 3x2 k
Em primeiro lugar chutamos o valor de x0 , por exemplo x0 = 3, e obtemos x1 : x1 = 2 33 + 20 74 = = 2.7407407 . 3 32 27
E claro que a ultima igualdade no de fato uma igualdade, pois um arredondamento a e foi efetuado. Neste exemplo, usaremos 7 casas decimais depois da v rgula. A partir de x1 calculamos x2 , e assim por diante. Os resultados se encontram na tabela abaixo. n xn x3 n 0 3 27 1 2.7407407 20.6 2 2.7146696 20.0056 3 2.7144176 19.9999996 4 2.7144176 19.9999996 Surpreendente! Em poucos iterados chega-se a um valor com preciso de muitas casas a decimais! Podemos testar a preciso desse valor usando o mesmo princ a pio do Mtodo da e Dicotomia. Por exemplo, queremos saber se essa resposta tem preciso de 0.0000001. a Ento vericamos se os nmeros f (2.7144175) e f (2.7144177) tm sinais opostos. Ora, a u e f (2.7144175) = 2.71441753 20 = 0.0000026 < 0 e f (2.7144177) = 2.71441773 20 = 0.0000018 > 0 , donde conclu mos que 3 20 = 2.7144176 0.0000001 .
11.1. QUANDO O METODO DE NEWTON FUNCIONA?
147
11.1
Quando o Mtodo de Newton funciona? e
Ser que o Mtodo de Newton sempre funciona? Ser que qualquer chute inicial levar a e a a procurada? a uma seqncia x1 , x2 , x3 , x4 , . . . , xk , . . . convergindo ` raiz x ue a Se formulada a pergunta desse jeito, a resposta no! Vejamos dois argumentos e a bastante simplistas para justicar o porqu. e O primeiro: imagine uma funo com duas ra ca zes, f (x) = x2 4, por exemplo. Para qualquer escolha de x0 , a seqncia x1 , x2 , x3 , x4 , . . . , xn , . . . s poder convergir para ue o a uma das ra zes! A outra fatalmente ser esquecida, e isso pode acontecer quando menos a esperarmos!
O segundo: mesmo que s haja o e que x esteja razouma raiz x 0 avelmente perto dela, a seqncia ue x1 , x2 , x3 , x4 , . . . , xn , . . . pode se afastar! Veja um exemplo na gura ao lado.
f x* x0 x 1
No entanto, quase sempre podemos garantir que se x0 for escolhida sucientemente prxima de x ento a seqncia x1 , x2 , x3 , x4 , . . . , xn , . . . convergir para x . O quase o a ue a sempre se refere `s hipteses que devemos exigir que a funo f satisfaa. Por exemplo, a o ca c pediremos sempre que f seja uma funo diferencivel, com derivada cont ca a nua. Mais ainda, devemos examinar como f se comporta perto da raiz (infelizmente, nem sempre isso poss sem se conhecer a raiz!!). e vel Na hiptese de que f (x ) = 0 e que a condio inicial x0 seja escolhida sucieno ca temente perto da raiz ento a convergncia ser bastante rpida, mais rpida do que a e a a a qualquer seqncia geomtrica. De fato, a convergncia (no m ue e e e nimo) quadrtica, se a usarmos os resultados deduzidos no Cap tulo anterior: basta mostrar que a derivada da f funo de iterao (x) = x f (x) , calculada na raiz x , vale zero. ca ca (x) Ora, usando as regras usuais de derivao, obtemos ca (x) = f (x)f (x) , f (x)2
e como f (x ) = 0, segue que (x ) = 0. No caso f (x ) = 0 no podemos aplicar o racioc a nio diretamente, porque teremos uma diviso zero sobre zero. Esse caso ser analisado na prxima Subseo. Antes a a o ca disso, vale a pena fazer alguns exerc cios. Exerc cio. Use o Mtodo de Newton para resolver as seguintes equaes: e co
148 1. 2 + 3x = ex 2. x5 + 3x2 x + 1 = 0 3. cos x + 0.5x = 0
4. 0.3x4 + 0.2x3 + x2 + 0.1x + 0.5 = 0 5. 0.3x4 x3 x2 2x + 2 = 0 Ateno: alta probabilidade de pegadinhas. ca
f
Exerc cio. Considere a funo cujo grco est mostrado na gura acima, ` esca a a a querda. 1. (1.0) Descreva, justicando (pode usar desenhos nas justicativas!), o que acontece com a seqncia x0 , x1 = (x0 ), . . . , xk = k (x0 ), . . . para cada uma das cinco ue possibilidades: (i) x0 = 0.0; (ii) x0 = 1.0; (iii) x0 = 1.5; (iv) x0 = 2.2; (v) x0 = 2.7. 2. (1.5) A funo pode ser a funo de iterao de Mtodo de Newton aplicado ` ca ca ca e a funo f acima, ` direita? D duas justicativas essencialmente diferentes para ca a e sua resposta. Exerc cio. Esboce uma funo que tenha ra ca zes a e b (com a < b), mas para o qual exista uma condio inicial x0 entre a e b tal que o Mtodo de Newton produza um ca e resultado divergente (apesar de o Mtodo estar bem denido para x0 e todos os seus e iterados posteriores). Justique sua resposta da melhor forma que puder. Exerc cio. Encontre numericamente o valor de x tal que ex = x, com preciso a 7 . p = 10
2
11.1. QUANDO O METODO DE NEWTON FUNCIONA? Exerc cio. Considere a catenria dada por a g(x) = 1 (cosh(cx) 1) . c
149
Repare que g(0) = 0, isto , a curva passa por (x, y) = (0, 0). Se a curva tambm passa e e por (x, y) = (1, 1), qual o valor de c? e Exerc cio. Considere f (x) = x5 , que tem unica raiz x = 0. Se o Mtodo de Newton e for aplicado a partir da condio inicial x0 = 1, qual ser o menor valor de k para o ca a qual xk < 1020 ? Exerc cio. Considere a funo f da gura abaixo. Se usarmos o Mtodo de Newton ca e para essa funo, teremos que considerar iterados de ca (x) = x f (x) . f (x)
Esboce o grco de , com base na intuio geomtrica sobre o Mtodo de Newton. No a ca e e a esquea de desenhar: abscissa, ordenada, diagonal e os pontos a, b e c. c
11.1.1
Retirando a hiptese f (x ) = 0 o
A hiptese de que a derivada de f seja diferente de zero na raiz x no necessria para o a e a se mostrar convergncia, e pode ser substitu por uma hiptese bem mais fraca, desde e da o que o chute inicial x0 esteja sucientemente prximo de x . o Antes de deduzir resultados gerais, vejamos o que acontece com alguns exemplos. Consideremos f (x) = ax2 , que tem raiz em x = 0, mas a derivada de f na raiz e nula. Montando a funo de iterao do Mtodo de Newton obtemos ca ca e (x) = x f (x) ax2 =x , f (x) 2ax
150
que a princ pio no estaria denida em x = 0. No entanto, as iteraes so tomadas a co a fora do zero, onde est bem denida. Alm disso, a expresso pode ser simplicada a e a de modo a esconder o problema: x (x) = . 2 Agora a derivada de no zero de f igual a 1 , que signica que a seqncia de iterados e ue 2 ir convergir para a raiz zero ` razo geomtrica de 1 . a a a e 2 Se considerarmos f (x) = axn , ento teremos a (x) = (1 1 )x , n
1 e portanto 1 n ser a razo da convergncia geomtrica. a a e e Aparentemente, essas consideraes levam a crer que quando f (x ) = 0 o Mtodo co e de Newton ainda funciona, mas a velocidade de convergncia passa a ser mais lenta (de e quadrtica passa a ser apenas geomtrica). At que ponto isso pode ser generalizado? a e e A melhor maneira de compreender o que se passa por meio de polinmios de Taylor e o (vide o Apndice B para uma reviso sobre o assunto). Para facilitar os argumentos, e a suporemos que a funo f pode ser diferenciada innitamente. A expanso de f em ca a torno de x assim escrita: e
f (x) = f (x ) + f (x )(x x ) +
f (x ) f (n) (x ) (x x )2 + . . . + (x x )n + o((x x )n ) , 2 n!
onde o((x x )n ) indica a presena de termos de ordem mais alta do que (x x )n , ou c em outras palavras, denota a presena de um resto que vai a zero mais rapidamente do c )n quando x tende a x . que (x x Como x a raiz de f , e estamos supondo que f tem derivada nula em x , os dois e primeiros termos sero nulos, necessariamente. J a derivada segunda pode ou no ser a a a nula. Para a maioria das situaes, haver um primeiro termo no nulo, de ordem m, co a a que pode ser 2 ou mais. Assim, podemos escrever f como f (x) = ou ainda, f (x) = f (m) (x ) m! o((x x )m ) (x x )m 1 + (m) m! f (x ) (x x )m . f (m) (x ) (x x )m + o((x x )m ) , m!
Como o((x x )m ) tem ordem mais alta do que (x x )m , o quociente dos dois vai a zero, e assim podemos escrever f (x) = f (m) (x ) (x x )m (1 + r1 (x)) , m!
11.2. METODO DE NEWTON EM DIMENSOES MAIS ALTAS
151
onde r1 (x) vai a zero quando x tende a x . Da mesma forma, a funo f (x) pode ser expressa na sua frmula de Taylor. Desta ca o vez, o primeiro termo no nulo ser de ordem m 1, e teremos a a f (x) = m f (m) (x ) (x x )m1 (1 + r2 (x)) , m!
onde r2 (x) vai a zero quando x tende a x . Posto tudo isso, podemos montar a funo de iterao , usando essas expresses no ca ca o lugar de f (x) e f (x): 1 1 + r1 (x) (x) = x (x x ) . m 1 + r2 (x) Subtraindo x dos dois lados, e colocando (x x ) em evidncia no lado direito da e equao, obtemos ca 1 1 + r1 (x) (x) x = (x x ) 1 . m 1 + r2 (x) S que o quociente envolvendo r1 e r2 tende a 1, ento o a (x) x x x
1 tende a 1 m . Esta a razo assinttica de convergncia geomtrica do Mtodo de e a o e e e Newton, que s depende da ordem m da funo f em x . o ca
11.2
Mtodo de Newton em dimenses mais altas e o
Suponha que F : Rn Rn seja uma funo diferencivel e estejamos procurando um ca a ponto x tal que F (x ) = 0. Esse o anlogo multidimensional do problema que vimos e a discutindo at agora. Se ao leitor o problema parece muito abstrato, observe que F e leva (x1 , . . . , xn ) num elemento de Rn , que pode ser explicitado por cada uma de suas componentes, isto , e F (x1 , x2 , . . . , xn ) = (f1 (x1 , . . . , xn ), . . . , fn (x1 , . . . , xn )) . Ento achar um zero de F achar uma soluo para o sistema de equaes a e ca co f1 (x1 , . . . , xn ) = 0 f2 (x1 , . . . , xn ) = 0 . . . fn (x1 , . . . , xn ) = 0
152
que no necessariamente linear. a e Para generalizar, devemos examinar com cuidado a motivao do mtodo em dica e menso 1. Para denir x(k+1) em funo de x(k) , passamos uma reta por x(k) com a a ca mesma inclinao que a derivada de f em x(k) (usaremos essa forma de indexar para ca no confundir com o a ndice que indica as coordenadas de x, quando x Rn ). Isto o e mesmo que aproximar f pela sua expanso em Taylor de ordem 1: a f (x) = f (x(k) ) + f (x(k) )(x x(k) ) + R1 (x) , mas ignorando R1 . O ponto x(k) era denido pelo encontro dessa reta com o zero, ou seja 0 = f (x(k) ) + f (x(k) )(x(k+1) x(k) ) , e a frmula do Mtodo de Newton foi obtida isolando-se x(k+1) nessa equao. o e ca A expanso em Taylor igualmente vlida em dimenso mais alta. Para primeira a e a a ordem, por exemplo, podemos escrever F (x) = F (x(k) ) + DF (x(k) )(x x(k) ) + R1 (x) , onde x Rn , R1 uma funo de Rn em Rn (assim como F ) e DF (x) a matriz e ca e jacobiana no ponto x, isto e f f1 f1 1 . . . xn 1 2 x2 x2 f f f2 x1 x2 . . . xn . DF (x) = . . . , . . . . . . . .
fn x1 fn x2
...
fn xn
sendo que por economia de espao ca impl c cito que cada uma das derivadas parciais e calculada no ponto x. Portanto, o termo DF (x(k) )(x x(k) ) a multiplicao de uma e ca matriz por um vetor (coluna), que resulta em outro vetor. O resto R1 tem a propriedade de que lim
xx(k)
R1 (x) =0, x x(k)
tomando-se o cuidado de tomar a norma no denominador, porque anal no faz sentido a dividir por vetores. Para denir x(k+1) , ignoramos R1 e igualamos a aproximao de primeira ordem a ca zero: 0 = F (x(k) ) + DF (x(k) )(x(k+1) x(k) ) , ou seja, DF (x(k) )x(k+1) = DF (x(k) )x(k) F (x(k) ) .
11.2. METODO DE NEWTON EM DIMENSOES MAIS ALTAS
153
Observe que essa equao um sistema linear, onde x(k+1) a incgnita, a matriz de ca e e o (k) ) e o vetor de termos independentes dado coecientes a matriz jacobiana DF (x e e por DF (x(k) )x(k) F (x(k) ). Assim como a soluo de um sistema linear um encontro de hiperplanos em Rn , a ca e soluo de um sistema no-linear um encontro de hipersuperf ca a e cies em Rn . Para n = 2, os hiperplanos so retas e as hipersuperf a cies so curvas. Sugere-se fazer o seguinte a exerc para xar idias. cio e Exerc cio. Achar numericamente a interseco das curvas dadas por x2 +y 2 1 = 0 (um ca 1 4 2 1 = 0. Bom, pelo menos organize uma estratgia baseada c rculo!) e 2 x +3(1cos y) e no Mtodo de Newton. Quanto ao chute inicial, isso um problema, principalmente e e porque pode haver mais do que uma interseco entre as curvas. ca
11.2.1
Determinao da forma de uma corda ca
Uma aplicao interessante do Mtodo de Newton em dimenso 3 ocorre na determinao ca e a ca do formato de uma corda a partir das coordenadas de dois pontos (podem ser os pontos de sustentao, por exemplo) e do comprimento da corda entre os dois pontos. A ca implementao desta idia deve ser feita com o aux do computador, pela quantidade ca e lio de clculos a serem feitos, mas mesmo assim deve-se prestar bastante ateno para o a ca chute da condio inicial, que pode freqentemente levar o mtodo a divergir. ca u e Como vimos na Subseo 5.3.2, uma corda ou corrente pendurada assume o formato ca do grco da funo a ca 1 cosh(cx) , c conhecida como catenria. a No entanto, assume-se a que a origem das coordenadas esteja uma unidade abaixo do ponto mais baixo da corda. De modo geral, se quisermos deslocar a corda na vertical, precisamos acrescentar um parmetro h, que ser somado ` expresso acima, e se a a a a quisermos deslocar a corda horizontalmente em a unidades ento devemos trocar x por a x a, de modo que 1 f (x) = cosh(c(x a)) + h c a maneira mais geral de se representar o formato da corda. e Se nosso modelo pretende ser consistente, deveria prever exatamente a forma da corda, desde que informemos dois pontos de sustentao e o comprimento total da corda ca entre os dois pontos. Ou seja, com essas trs informaes deveria ser poss determinar e co vel c, a e h, e portanto f . Sejam (x0 , y0 ) e (x1 , y1 ) os pontos de sustentao. Ento ca a y0 = 1 cosh(c(x0 a)) + h c
154 e
1 cosh(c(x1 a)) + h . c O comprimento da corda entre os pontos de sustentao ser chamado de l. Portanto ca a y1 =
x1
l=
x0
1 + f (x)2 dx
(ver Seo 14.3 adiante, para uma justicativa desta frmula). Como ca o f (x) = sinh(c(x a)) , e 1 + sinh2 t = cosh2 t , logo l=
x0 x1
cosh(c(x a))dx =
1 {sinh(c(x1 a)) sinh(c(x0 a))} . c e trs incgnitas: e o 0 0 0
Com isso, obtivemos um sistema no-linear de trs equaes a e co c(y0 h) cosh(c(x0 a)) = c(y1 h) cosh(c(x1 a)) = lc + sinh(c(x0 a)) sinh(c(x1 a)) =
O sistema pode ser resolvido numericamente pelo Mtodo de Newton. e
Parte IV
Interpolao Polinomial ca
155
Cap tulo 12
Estimativa do erro nas interpolaes co

Voltemos ` questo (abordada nas Sees 1.5 e 2.7) da interpolao de um polinmio de a a co ca o grau k a k + 1 pontos dados (t0 , z0 ), (t1 , z1 ), . . ., (tk , zk ), que ser importante na Parte a seguinte do livro, onde falaremos de integrao de funes. ca co Nesta Parte do livro, usaremos t como varivel (no lugar de x), valores z (no lugar de a y) e pontos indexados de 0 a k (no lugar de n). Tudo isso justamente para no fazermos a confuso na Parte V, quando usaremos alguns conceitos aqui expostos. a Imagine que utilizemos a interpolao polinomial como uma maneira de aproximar ca uma funo. Mais precisamente, seja f : [tL , tR ] R uma funo (cuja regularidade s ca ca o especicaremos adiante) e uma partio de seu dom ca nio tL = t0 < t1 < t2 < . . . < tk1 < tk = tR , no necessariamente a intervalos regulares. Assumiremos sempre que tL < tR e que a k 1. Aos k + 1 pontos (t0 , f (t0 )), (t1 , f (t1 )), . . ., (tk , f (tk )) podemos interpolar um polinmio p(t) de grau k, que unico. A pergunta : quanto se perde ao se trocar f (t) o e e pelo polinmio interpolador p(t)? Ou seja, quo grande a diferena f (t) p(t), para o a e c cada ponto t do intervalo [tL , tR ]? Vejamos primeiro como deve ser a funo diferena F (t) f (t) p(t). Para k = 1 a ca c partio tem que ser tL = t0 < t1 = tR , e o polinmio interpolador a funo am cujo ca o e ca grco passa por (t0 , f (t0 )) e (t1 , f (t1 )). Como p(t0 ) = f (t0 ) e p(t1 ) = f (t1 ), ento F a a se anula em t0 e t1 . Veja na gura abaixo, esquematicamente, como devem ser f e p (` a esquerda) e F (` direita). a 157
158
CAP ITULO 12. ESTIMATIVA DO ERRO NAS INTERPOLACOES
p
t0
t0
t1
t1
Pelas mesmas razes, para valores quaisquer de k, a funo F se anula em todos os o ca pontos t0 , t1 , . . ., tk da partio. Ela pode at se anular em outros pontos, mas no ca e a e necessrio que isto ocorra. Veja na gura abaixo uma situao com k = 2, onde p tem a ca que ser um polinmio quadrtico. o a
t0
t1
t2
Se p e f no diferem nos pontos da partio, quanto ser a diferena para os demais a ca a c valores de t? Para responder, tentaremos denir uma funo (no-negativa) S(t) tal que ca a S(t) F (t) S(t) (ou |F (t)| S(t)) para todo t [tL , tR ], sabendo de antemo que S(t) pode se anular a em t0 , t1 , . . . , tk .
f

F
t0 t1 t2
159 A forma de S e S, em linha pontilhada, seria algo assim (para k = 4):
F S

t0
t1
t2
t3
E claro que S deveria ser do tipo mais simples poss vel. Uma tentativa olhar para e um polinmio no-nulo q(t) de grau k + 1 que se anule nos pontos t0 , . . . , tk e tomar o a S(t) = c|q(t)|, onde c uma constante positiva. O polinmio e o q(t) = (t t0 )(t t1 ) . . . (t tk ) , por exemplo, satisfaz a condio pedida. ca O que faremos agora mostrar que uma tal estimativa poss e e vel, e alm do mais e apresentar um valor de c, que possa ser calculado a partir de algum conhecimento sobre a funo f . ca De fato, mostraremos um resultado mais forte, que implicar automaticamente o a que queremos. Provaremos que, para cada t [tL , tR ] existe um outro ponto s = st (st indica a dependncia de s em relao a t) tal que e ca F (t) = F (k+1) (s) q(t) , (k + 1)!
onde F (k+1) (s) indica a derivada (k + 1)-sima de F em s. e Como conseqncia dessa armao, teremos que ue ca |F (t)| F (k+1) (s) s[tL ,tR ] (k + 1)! max |q(t)| .
Alm disso, no devemos esquecer que F (t) = f (t) p(t), onde p(t) polinmio de grau e a e o k. Como a derivada (k + 1)-sima de um polinmio de grau k zero, ento e o e a F (k+1) = f (k+1) ,
t4
160 logo
|F (t)| e podemos tomar
f (k+1) (s) s[tL ,tR ] (k + 1)! max f (k+1) (s) . s[tL ,tR ] (k + 1)!
|q(t)| ,
c = max
E claro que esta resposta s poss o e vel se f for uma funo pelo menos (k + 1) vezes ca diferencivel. E o que ocorre com a maioria das funes com que nos deparamos na a co prtica, mas pode haver excees. a co Finalmente s nos falta provar a armao, que diz que para cada t em [tL , tR ] existe o ca um s neste mesmo intervalo tal que (k + 1)!F (t) = F (k+1) (s)q(t) . A armao trivialmente vlida se t for um dos pontos t0 , t1 , . . . , tk , pois F e q se ca e a anulam nesses pontos, e os dois lados da equao cam iguais a zero. Resta-nos assim ca provar a armao quando t no nenhum desses pontos. ca a e Em primeiro lugar, fazemos a constatao esperta de que (k + 1)! a (k + 1)-sima ca e e k+1 igual a 1. derivada de q, pois o polinmio q tem grau (k + 1) e o coeciente de t o e Ento nos bastar demonstrar que existe s = st tal que a a q (k+1) (s)F (t) F (k+1) (s)q(t) = 0 . Para isso denimos a funo ca G(s) = q(s)F (t) F (s)q(t) , lembrando que t est xo, neste racioc a nio. Desta maneira, queremos apenas mostrar (k+1) se anula. que existe s onde G Acontece que G uma funo que se anula em todos os pontos t0 , t1 , . . . , tk , pois e ca tanto q como F se anulam nesses pontos, mas G tambm se anula em s = t, pois e G(t) = q(t)F (t) F (t)q(t) = 0 . Como estamos interessados no caso em que t no nenhum dos pontos t0 , t1 , . . . , tk , a e ento G se anula em pelo menos k + 2 pontos distintos. Pelo Teorema do Valor Mdio, a e entre cada par consecutivo de pontos onde G se anula h um ponto onde a derivada de a G se anula. Portanto G se anula, obrigatoriamente, em pelo menos k + 1 pontos. Pelo mesmo racioc nio, G se anula em pelo menos k pontos. Continuando indutivamente, (k) se anula em 2 pontos e, nalmente, que G(k+1) se anula em 1 ponto, temos que G como quer amos demonstrar.
161 Tendo em vista que os resultados deste Cap tulo sero usados no Cap a tulo 17, resumimos a estimativa obtida (com a notao j exposta): ca a |f (t) p(t)| c|q(t)| , onde f (k+1) (s) s[tL ,tR ] (k + 1)!
c = max e
q(t) = (t t0 )(t t1 ) . . . (t tk ) .
162
Cap tulo 13
Tcnicas de interpolao e ca
Neste Cap tulo apresentaremos duas tcnicas de interpolao que servem como alternae ca tivas ao mtodo j descrito na Seo 1.5 de reduo a um sistema linear. e a ca ca
13.1
Polinmios de Lagrange o
(t t1 )(t t2 ) (t tk ) ,
Considere o polinmio o que tem grau k e se anula em t1 , . . . , tk . Alm disso, em t0 ele vale (t0 t1 )(t0 t2 ) (t0 e tk ), e portanto o polinmio 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 . Analogamente, podemos denir, para cada ti , um polinmio Li (t) de grau k que vale 1 em ti e zero nos demais pontos. o Agora observe que a soma de polinmios de grau k um polinmio de grau k, logo o e o c0 L0 (t) + c1 L1 (t) + . . . + ck Lk (t) um polinmio de grau k, que vale c0 em t0 , c1 em t1 , ..., ck em tk . Portanto, se e o quisermos achar um polinmio de grau k que valha z0 , . . . , zk nos pontos t0 , . . . , tk basta o tomar os ci s iguais aos zi s: p(t) = z0 L0 (t) + z1 L1 (t) + . . . + zk Lk (t) . Essa uma maneira de achar o polinmio interpolador sem resolver nenhum sistema e o linear! Os polinmios Li so conhecidos como polinmios de Lagrange. o a o 163
164
CAP ITULO 13. TECNICAS DE INTERPOLACAO
13.2
Forma de Newton
J vimos duas maneiras de fazer uma interpolao polinomial: atravs de um sistema a ca e linear, onde as incgnitas so os coecientes do polinmio que se quer determinar, e o a o cada ponto da interpolao gera uma equao; e atravs de uma combinao linear dos ca ca e ca polinmios de Lagrange. o Nesta Seo veremos outra forma de interpolar, chamada forma de Newton. Ela leva ca certa vantagem em um aspecto: mais fcil acrescentar um ponto ` interpolao, sem e a a ca ter que desmanchar (ou revisar) as contas feitas anteriormente. Para obter esse novo mtodo, teremos que investigar um pouco mais alguns aspectos e subjacentes ` interpolao. a ca Seja (t0 , z0 ), (t1 , z1 ), . . . , (tk , zk ) o conjunto de pontos que se deseja interpolar. A unica exigncia, como de hbito, que os ti s sejam dois a dois distintos, mas no h e a e a a necessidade que sua enumerao respeite a ordem em que eles se dispem sobre a reta, ca o e os zi s podem ser experimentais ou provenientes de uma funo (zi = f (ti )), tanto faz. ca Olharemos para as interpolaes parciais, que envolvem apenas certos subconjuntos co dos pontos acima. Mais precisamente, sejam i e j tais que 0 i j k e seja pi (t) o j polinmio interpolador dos pontos (ti , zi ), . . . , (tj , zj ). Assim, o polinmio interpolador o o e o procurado p(t) = p0 (t), enquanto que pi (t) o polinmio interpolador de um ponto e i k i (t) z , isto , tem grau zero e identicamente igual a z ). Lembremos s (portanto pi o e e i i que o grau (mximo) de pi (t) j i, pois pi (t) o polinmio interpolador de j i + 1 a e e o j j pontos. Chamaremos de ordem de pi (t) ao nmero j i+1, que nada mais do que o nmero u e u j de pontos que ele interpola. Em seguida podemos observar que um polinmio de ordem l > 1 se relaciona de o forma mais ou menos simples com algum polinmio de ordem inferior. Por exemplo, o com i < j tome pi (t) e pi (t), que diferem entre si pelo fato de que pi (t) no abrange a j j1 j1 tj em sua interpolao. Nos pontos ti , . . . , tj1 eles coincidem, pois assumem os mesmos ca valores zi , . . . , zj1 , respectivamente. Portanto a diferena pi (t)pi (t) um polinmio c j e o j1 de grau no mximo j i, que se anula nos pontos ti , . . . , tj1 , ou seja, a pi (t) pi (t) = c(t ti )(t ti+1 ) . . . (t tj1 ) . j j1 (13.1)
A constante c depende dos pares (ti , zi ), . . . , (tj , zj ) (pois estes determinam pi (t) e j pi (t)), e ser denotada por a j1 (ti , ti+1 , . . . , tj ) , assumindo-se implicitamente que os zi s esto automaticamente associados aos ti s. a Podemos alternativamente suprimir o primeiro ponto da lista, e da mesma forma teremos (13.2) pi (t) pi+1 (t) = c(t ti+1 ) . . . (t tj ) , j j
13.2. FORMA DE NEWTON onde c denotada por e (ti , . . . , tj ) .
165
A vantagem de se determinar os s (ou s) clara, pois da sairia o polinmio e o interpolador, por induo. Ter ca amos p0 (t) = p0 (t) + (t0 , t1 , . . . , tk )(t t0 )(t t1 ) . . . (t tk1 ) , k k1 mas tambm e p0 (t) = p0 (t) + (t0 , . . . , tk1 )(t t0 ) . . . (t tk2 ) , k1 k2 e assim por diante, de forma que p0 (t) = p0 (t) + (t0 , t1 )(t t0 )+ 0 k +(t0 , t1 , t2 )(t t0 )(t t1 ) + . . . + (t0 , . . . , tk )(t t0 ) . . . (t tk1 ) . Como p0 (t) z0 , convencionaremos que (t0 ) = z0 (e (ti ) = zi , para todo i = 0, . . . , k), 0 para que a notao que uniforme. ca Se procedssemos inversamente na ordem dos pontos, chegar e amos em p0 (t) = (tk ) + (tk1 , tk )(t tk )+ k +(tk2 , tk1 , tk )(t tk1 )(t tk ) + . . . + (t0 , . . . , tk )(t t1 ) . . . (t tk ) , estipulando-se que (ti ) = zi , i = 0, . . . , k. Os s (e analogamente os s) so chamados de diferenas divididas, porque podem a c ser deduzidos da Equao 13.1, colocando-se t = tj . Assim ca pi (tj ) pi (tj ) j j1 (ti , . . . , tj ) = , (tj ti ) . . . (tj tj1 ) onde conhecemos pi (tj ) = zj , mas pi (tj ) depende de se conhecer previamente o poj j1 linmio pi (t). Isso possibilita achar os s indutivamente, mas um caminho trabao e j1 lhoso. Nosso objetivo buscar um meio mais fcil de determinar s e s, embora no e a a possamos nos livrar de alguma induo. ca Partiremos de uma pequena observao sobre os polinmios de ordem 1 e 2 (um e ca o dois pontos), e depois enunciaremos um resultado geral que servir a nossos propsitos. a o No h muito o que dizer em ordem 1: a interpolao de um ponto um polinmio a a ca e o de grau zero, portanto pi (t) = zi = (ti ) = (ti ) , i por denio. ca
166
J a interpolao de dois pontos ti e ti+1 (0 i k 1) um polinmio de grau 1, a ca e o cujo grco uma reta. Temos a e pi (t) = zi + (ti , ti+1 )(t ti ) , i+1 que pode ser obtido da Equao 13.1 diretamente. Mas (ti , ti+1 ) tambm a inclinao ca e e ca da reta que passa por (ti , zi ) e (ti+1 , zi+1 ), logo (ti , ti+1 ) = Analogamente, pi (t) = zi+1 + (ti , ti+1 )(t ti+1 ) , i+1 donde (ti , ti+1 ) = (ti , ti+1 ), pois (ti , ti+1 ) a inclinao da mesma reta! e ca Assim mostramos que s e s coincidem at ordem 2 e relacionamos s de ordem 2 e com s de ordem 1. Vejamos como generalizar nossas observaes para qualquer ordem. co Mostraremos o seguinte enunciado: para todo par i, j tal que 0 i j, temos (ti , . . . , tj ) = (xi , . . . , xj ), e se i < j temos (ti , . . . , tj ) = (ti+1 , . . . , tj ) (ti , . . . , tj1 ) . tj ti (13.3) (ti+1 ) (ti ) zi+1 zi = . ti+1 ti ti+1 ti
O enunciado j foi demonstrado acima em ordens 1 e 2, isto , sempre que ji+1 2. a e Sejam agora i e j tais que j i + 1 3 e considere os polinmios pi+1 (t) e pi (t) que o j1 j interpolam j i pontos, e portanto tm grau (mximo) j i 1. Como eles coincidem e a em ti+1 , . . . , tj1 , ento a pi+1 (t) pi (t) = a(t ti+1 ) . . . (t tj1 ) . j1 j (13.4)
Acharemos o valor de a de trs maneiras diferentes, o que fornecer as igualdades que e a queremos demonstrar. (i) Tomamos t = tj na Equao 13.4. Ento ca a a(tj ti+1 ) . . . (tj tj1 ) = pi+1 (tj ) pi (tj ) . j1 j Como pi+1 (t) inclui tj em sua interpolao, pi+1 (tj ) = zj , mas zj tambm o valor de ca e e j j i (t ), logo o lado direito igual a pj j e pi (tj ) pi (tj ) = (ti , . . . , tj )(tj ti )(tj ti+1 ) . . . (tj tj1 ) . j j1 Da segue que a = (tj ti )(ti , . . . , tj ) .
13.2. FORMA DE NEWTON (ii) Tomamos t = ti na Equao 13.4. Ento ca a a(ti ti+1 ) . . . (ti tj1 ) = pi+1 (ti ) pi (ti ) . j1 j O lado direito igual a e pi+1 (ti ) pi (ti ) = (ti , . . . , tj )(ti ti+1 ) . . . (ti tj ) , j j logo a = (tj ti )(ti , . . . , tj ) , o que mostra que (ti , . . . , tj ) = (ti , . . . , tj ).
167
(iii) Depois que vimos que s e s coincidem, usamos a mesma Equao 13.4, manipulandoca a de outra forma, para estabelecer a relao dos s com seus correspondentes de ordem ca inferior. Observe que pi+1 (t) pi (t) = pi+1 (t) pi+1 (t) + pi+1 (t) pi (t) , j1 j1 j j j1 j1 que, pela denio de s e s, igual a ca e (ti+1 , . . . , tj )(t ti+1 ) . . . (t tj1 ) (ti , . . . , tj1 )(t ti+1 ) . . . (t tj1 ) . Como (ti , . . . , tj1 ) = (ti , . . . , tj1 ), segue que pi+1 (t) pi (t) = [(ti+1 , . . . , tj ) (ti , . . . , tj1 )] (t ti+1 ) . . . (t tj1 ) . j1 j Ento a a = (ti+1 , . . . , tj ) (ti , . . . , tj1 ) . Como j sabemos que a = (tj ti )(ti , . . . , tj ), conclu a mos a Equao 13.3. ca
13.2.1
Exemplo do uso da forma de Newton
A Equao 13.3 permite que calculemos os s em funo de seus correspondentes de ca ca ordem inferior. Isso poss porque conhecemos os s de ordem 1, que so os zi s. A e vel a
168
seguinte tabela mostra como podemos esquematizar as informaes. co t0 t1 t2 . . . . . . . . . (t0 ) (t0 , t1 ) (t1 ) (t1 , t2 ) (t2 ) . . . . . . . . . . . . . . . . . . (tk1 , tk2 ) tk1 (tk1 ) (tk1 , tk ) tk (tk ) Cada (ti , . . . , tj ) pode ser obtido da diferena entre os dois elementos adjacentes da c coluna imediatamente ` esquerda (o de baixo menos o de cima), dividida pela diferena a c tj ti , onde ti e tj so encontrados como as extremidades da base da pirmide (deitada) a a da qual (ti , . . . , tj ) o cume. e 1 Por exemplo, se quisermos achar o polinmio interpolador dos pontos (0, 1), ( 2 , 1 ), o 2 3 ( 2 , 1), (2, 0), acabaremos por montar a seguinte tabela (conra!): 0
1 2 3 2
(t0 , t1 , t2 ) . . . . . . . . . (tk2 , tk1 , tk )
. . . . . . . . .
(t0 , . . . , tk1 ) (t0 , . . . , tk ) (t1 , . . . , tk )
tk2 (tk2 )
1 1
1 2
3 2 2
1 3
7 3
4 3
1 0
Da tabela, tiramos o polinmio interpolador procurado: o 1 1 4 1 3 p(t) = 1 + (1) (x 0) + ( )(x 0)(x ) + (x 0)(x )(x ) . 3 2 3 2 2 Juntando termos de mesmo grau, camos com 1 4 p(t) = 1 + t 3t2 + t3 . 6 3 Para vericar que deu certo, testamos os valores p(0), p( 1 ), p( 3 ) e p(2) e vemos que 2 2 batem com 1, 1 , 1 e 0. 2
13.2. FORMA DE NEWTON
169
H outras formas de se tirar o mesmo polinmio da tabela. Por exemplo, pegando a o os s de baixo: 3 4 3 1 7 p(t) = 0 + 2(t 2) + (t 2)(t ) + (t 2)(t )(t ) . 3 2 3 2 2 Ou seno em zigue-zague: a p(t) = (t2 )+(t1 , t2 )(tt2 )+(t0 , t1 , t2 )(tt2 )(tt1 )+(t0 , t1 , t2 , t3 )(tt2 )(tt1 )(tt0 ) , que igual a e 3 3 1 3 1 4 3 1 1 (t ) (t )(t ) + (t )(t )(t 0) . 2 2 3 2 2 3 2 2 O zigue-zague pode servir para se escolher os melhores coecientes, facilitando a tarefa de juntar termos de mesmo grau logo depois, mas no aconselhvel por ser mais a e a sujeito a erros.
170
Parte V
Integrao de Funes ca co
171
Cap tulo 14
Importncia da integrao a ca numrica e

14.1 Introduo ca
No prximo Cap o tulo falaremos de mtodos numricos para o clculo de integrais dee e a nidas, mas antes devemos atentar para a razo de sua utilidade. O Clculo ensina que, a a para se obter
b
f (x)dx ,
a
basta achar uma primitiva, isto , uma funo F (x) tal que F (x) = f (x), de forma que e ca
b
f (x)dx = F (b) F (a)

a
(vide Apndice A). e Uma funao f , em geral, dada por uma frmula, que nada mais do que a comc e o e binao nita, via somas, multiplicaes, divises e composies de funes elementares. ca co o co co As funes elementares so as usuais: potncias de x (negativas e positivas), funes co a e co trigonomtricas e suas inversas, logaritmo e exponencial. e Entretanto, no mundo abstrato de todas as funes poss co veis, essas funes formam co apenas uma minscula parte. Em outras palavras, a grande maioria das funes no u co a tem uma frmula que as represente, embora nas aplicaes do mundo real os modelos o co freqentemente conduzam a funes descritas por meio de frmulas. u co o Mesmo se nos restringirmos apenas `s funes dadas por frmulas, acabaremos por a co o nos deparar com um fato matemtico: nem todas elas admitem uma primitiva que a tambm seja escrita como combinao (nita) de funes elementares! e ca co 173
174
CAP ITULO 14. IMPORTANCIA DA INTEGRACAO NUMERICA
E claro que existe o recurso de se escrever a primitiva F como uma combinao ca innita de funes elementares, por exemplo atravs de uma srie de potncias co e e e
F (x) =
k=0
ck xk .
Isto poss (em muitos casos de forma at razoavelmente fcil), mas com dois incone vel e a venientes: primeiro, quando formos avaliar F (a) e F (b) atravs da srie (ou da frmula e e o innita) pode ser necessria uma quantidade to grande de termos (ou operaes) que a a co inviabilize ou torne muito lento o clculo. Alm disso, nem sempre sries de potncia a e e e convergem para todos os valores de x, o que exigiria uma anlise criteriosa do alcance a dessa convergncia, em cada caso. e De outra parte, preciso tambm dispor de instrumentos para estimar integrais e e a partir de dados experimentais. As aplicaes mais bvias se encontram no clculo co o a de comprimentos, reas, volumes, massa, centro de massa, distncia percorrida, tempo a a decorrido, etc. No que segue, discutiremos algum exemplos onde a integrao numrica ca e se faz necessria: ora por se tratar de medida experimental ora porque no h primitiva a a a elementar da funo que se quer integrar. ca
14.2
Clculo de reas a a
Gostar amos de um mtodo sise temtico para estimar a rea de gua a ras planas como a mostrada ao lado (poderia ser uma ilha, por exemplo). Para isso, vamos nos basear no Princ pio de Cavalieri, que diz: dados dois conjuntos A e B, se houver uma linha L tal que toda perpendicular a L cruze A e B em intervalos de tamanhos iguais, ento A e B a tm a mesma rea. e a Por exemplo, os tringulos da gura abaixo (` esquerda) tm reas iguais, pois cada a a e a reta R horizontal, ` altura y, cruza os tringulos em segmentos de tamanho igual a l(y). a a Para entender porque l(y) igual para os dois tringulos, observe que em ambos l(y) e a varia como uma funo am (linearmente), em y = 0 tem-se l(0) = b (os tringulos ca a tm bases de igual tamanho) e em y = h tem-se l(h) = 0 (os tringulos tm alturas e a e iguais). Portanto a funo l(y) tem o aspecto mostrado ` direita, na gura. ca a Isso explica porque todos os tringulos com base e altura iguais tm a mesma rea, a e a 1 que pode ser obtida de um deles, por exemplo o da direita. Essa rea vale 2 bh, e o a
14.2. CALCULO DE AREAS
175
leitor pode observar que essa tambm a rea sob o grco de l(y) (observao que ser e e a a ca a importante logo adiante).
y h b l(y) y 0 b b h
O Princ pio de Cavalieri tem uma formulao anloga para volumes. Dois slidos ca a o S e T tero mesmo volume se houver uma linha L tal que todo plano perpendicular a a L cruze S e T em regies de reas iguais. Para o leitor que ainda no acreditou nesse o a a princ pio, imagine uma pilha de cartas com um arame passando no meio, e ento incline a e retora o arame, de forma que a pilha que desalinhada. As duas pilhas continuam c tendo a mesma altura, a rea de cada corte a mesma, e o volume (que a soma dos a e e volumes innitesimais das cartas) se mantm. e O que podemos fazer com uma gura plana em geral criar uma segunda e gura com mesma rea apoiada no eixo hoa rizontal. Na prtica, temos que fazer isso a para um nmero discreto de cortes veru ticais: medimos o comprimento do corte e transferimos esse valor para a segunda gura. Assim, a segunda gura um e esboo do grco Comprimento do corte c a vs. Posio do corte, mais precisamente ca a regio compreendida entre esse grco e a a e a linha horizontal. Quando o corte ocorrer em dois intervalos separados a altura do grco ser igual ` soma dos compria a a mentos das duas interseces. co
x0 x1 ......
x6

......
x11
y
! ! # "# "
Ao nal, teremos uma seqncia de pontos x0 , x1 , . . . , xn , que fornecem a posio de ue ca cada corte, e valores correspondentes y0 , y1 , . . . , yn , que so os respectivos comprimentos a de cada corte. Esses dados que sero usados para se fazer a integrao. e a ca
176
O curioso que o mesmo tipo de coleta de dados ser feito para a integrao de e a ca uma funo f (x) dada por uma frmula. Se a integrao se der no intervalo [a, b], ento ca o ca a deve-se dividir o intervalo com uma partio ca a = x0 < x1 < x2 < . . . < xn = b e tomar os valores da funo nos extremos dos intervalos da partio: ca ca y0 = f (x0 ) , y1 = f (x1 ) , . . . , yn = f (xn ) (que podem at ser negativos). A partir desses dados, a maneira de se proceder ser a e a mesma, tanto no caso experimental como no caso terico. A unica diferena que o c e no caso terico ns teremos, na maioria dos casos, uma maneira de delimitar o erro o o cometido na integrao. ca O volume de um lago ou de uma montanha tambm pass e e vel de ser estimado usando esse tipo de dados. Pode-se fazer isso em duas etapas. Primeiramente, escolhese uma direo (x, por exemplo) onde se posicionaro, perpendicularmente, as retas dos ca a cortes. Para cada corte do lago, posicionado em xi , estima-se sua rea A(xi ), usando a dados (yi , zi ). Depois estima-se a integral da funo rea do corte, usando-se os dados ca a (xi , A(xi )), que resulta no volume.
14.3
Comprimento de curvas e grcos a
Considere o seguinte problema: calcular o comprimento do grco da funo f entre a ca a e b. Se a funo f for diferencivel, esse problema remete a uma integral. ca a Para entender melhor, tentemos aproximar a curva por pequenos segmentos de reta e seu comprimento pela soma dos tamanhos desses segmentos. Como sempre, dividimos o intervalo [a, b] com uma partio a = x0 < x1 < . . . < xn = b e em cada intervalo ca [xi , xi+1 ] (i = 0, . . . , n 1) aproximamos a funo pelo segmento de reta que une os ca pontos (xi , f (xi )) e (xi+1 , f (xi+1 )). Pelo Teorema de Pitgoras, esse segmento tem a tamanho igual a (xi+1 xi )2 + (f (xi+1 ) f (xi ))2 . Para simplicar um pouco, podemos supor que todos os intervalos tenham o mesmo tamanho x. Alm disso, aproximamos a diferena f (xi+1 ) f (xi ) por f (xi )x, de e c forma que somando para todos os segmentos obtenhamos, aproximadamente,
n1
x 1 + f (xi )2 .
i=0
Fazendo x ir a zero estaremos, por um lado, fazendo com que a soma dos comprimentos dos segmentos esteja cada vez mais prxima do comprimento verdadeiro da curva e, por o
14.3. COMPRIMENTO DE CURVAS E GRAFICOS
177
outro lado, fazendo com que a aproximao pela derivada seja cada vez mais dedigna. ca No limite, teremos um nmero que ao mesmo tempo o comprimento da curva e tambm u e e a integral
b
1 + f (x)2 dx .
a
O grco de f entre a e b um caso particular de curva no plano. Cada ponto a e dessa curva pode ser obtido tomando-se t no intervalo [a, b] e ento o ponto (t, f (t)). a Podemos imaginar esse processo como uma funo com dom ca nio [a, b] e contradom nio R2 , que leva t em (t, f (t)). Na verdade, podemos generalizar para situaes que no co a correspondam a grcos de funes. Por exemplo, tome a funo a co ca (t) = (cos t, sent) , com t variando no intervalo [0, 2]. Para cada t, o ponto (t) um ponto do c e rculo unitrio, correspondente a um giro de ngulo t. Uma elipse a imagem da funo a a e ca (t) = ( cos t, sent) , com t variando em [0, 2]. Basta ver que se (x, y) pertence ` curva ento (x, y) = a a ( cos t, sent), para algum t, logo x2 y2 + 2 =1. 2 Uma curva (t) expressa com duas funes, uma para cada coordenada: (t) = e co (x(t), y(t)). Se quisermos calcular o comprimento total da curva (com t variando no intervalo [a, b]), podemos proceder com uma idia semelhante ` exposta acima para e a calcular o comprimento do grco de uma funo. Dividimos o intervalo [a, b] com a ca uma partio a = t0 < t1 < . . . < tn = b (com intervalos iguais de tamanho t) e ca aproximamos o comprimento da curva pela soma
n1
(ti+1 ) (ti ) .
i=0
Cada termo da soma a distncia entre dois pontos consecutivos (ti ) e (ti+1 ). Esta e a distncia dada explicitamente por a e (x(ti+1 ) x(ti ))2 + (y(ti+1 ) y(ti ))2 , pelo Teorema de Pitgoras. a Se cada uma das funes coordenadas for diferencivel, a distncia ser aproximaco a a a damente igual a t x (ti )2 + y (ti )2 ,
178 ou
t (x (ti ), y (ti ) . O vetor (t) = (x (ti ), y (ti )) o vetor derivada da curva (t). Somando o comprimento e dos segmentos e fazendo o limite quando t vai a zero, conclu mos que o comprimento da curva dado pela integral e
b
(t) dt .
a
Por exemplo, no caso do c rculo unitrio, (t) = (cos t, sent) e (t) = (sent, cos t), a logo (t) = 1. Portanto o comprimento do c rculo e
2 2
(t) dt =
0 0
dt = 2 ,
como era de se esperar! No caso da elipse, seu per metro l depende de a e b, que so os tamanhos dos semia eixos. Estamos sempre supondo que a e b so positivos, e iremos tambm assumir a e que a < b, isto , que o semi-eixo maior da elipse est na vertical. Tomando (t) = e a (a cos t, bsent), temos (t) = (asent, b cos t), de forma que o per metro p da elipse e dado por
2
p=
0
a2 sen2 t + b2 cos2 t dt .
Por razes de simetria, podemos integrar somente de 0 a e multiplicar por quatro. o 2 Alm disso podemos substituir cos2 por 1 sen2 , e colocar b em evidncia na integral: e e p = 4b
0
2
1 2 sen2 tdt ,
onde 2 denido como sendo e 1
a2 , b2
um nmero positivo e menor do que 1 (ele vale 1 quando a elipse um c u e rculo, e 0 quando a elipse degenera num segmento de reta vertical). A integral 1 2 sen2 tdt conhecida como integral el e ptica do primeiro tipo, e no admite uma expresso via a a combinao nita de funes elementares. Em outras palavras, no h uma frmula ca co a a o fechada para o per metro da elipse.
14.4. DISTANCIA PERCORRIDA E TEMPO DECORRIDO
179
14.4
Distncia percorrida e tempo decorrido a
A F sica est repleta de conceitos denidos por meio de integrao. Faremos aqui uma a ca pequena discusso sobre movimentos unidimensionais, isto , movimentos num espao a e c cuja posio possa ser determinada por apenas uma coordenada. Pode ser o movimento ca de uma part cula numa reta, um carro numa estrada, um pndulo simples, etc. O caso e do pndulo ser discutido com detalhes na prxima Seo. e a o ca O movimento unidimensional de um corpo pode ser descrito por uma funo x(t), ca onde x(t) indica a posio em cada instante de tempo t. No caso de um pndulo, sua ca e posio indicada por um ngulo (t) (para ser mais preciso, sua posio circular), ca e a ca e medido a partir da posio vertical mais baixa. ca A velocidade do corpo v(t) a derivada da funo x(t): e ca v(t) = x (t) , e a acelerao a derivada de v(t). No caso em que a posio descrita por um ngulo, ca e ca e a falamos em velocidade angular, denotada por (t): (t) = (t) . Conhecendo a posio inicial x0 (no instante t = 0) e a maneira como evolui a ca velocidade em funo do tempo, podemos recuperar a funo posio: ca ca ca
t
x(t) = x0 +
0
v( )d ,
equao que nada mais do que o Teorema Fundamental do Clculo. Fisicamente, ca e a podemos pensar que no instante , a velocidade v( ) e, sendo cont e nua, assume valores prximos a v( ) em instantes prximos a . Tomando um intervalo de tempo o o prximo a , teremos que a distncia percorrida ser aproximadamente igual a v( ) . o a a Da diviso em pedacinhos de tamanho do intervalo de tempo onde percurso acoma e panhado, a distncia percorrida a integral de v( ), o que justica a frmula de forma a e o emp rica. Da mesma forma, em coordenadas angulares, temos
t
(t) = 0 +
0
( )d .
Ocorre entretanto que, em muitas aplicaes f co sicas, conhecemos a velocidade em funo da posio, e no do tempo. O pndulo ser um exemplo disso. No vamos ca ca a e a a discorrer a respeito de outros exemplos, mas imagine o leitor que seja esse o caso. E suponha que agora o problema outro: da posio inicial x0 at a posio nal x, em e ca e ca cada ponto sabe-se que a velocidade assume o valor v() (mas nunca se anula). Quanto tempo durou o percurso?
180
A exigncia de que a velocidade no se anule no percurso pode ser justicada ase a sim: se o corpo pra numa posio , e depois recobra seu movimento, no h como a ca a a saber quanto tempo ele cou parado, logo no h como obter uma resposta unica para a a a pergunta. Eventualmente poderemos considerar que a velocidade se anule instantaneamente, principalmente se se tratar de = x0 ou = x. Como no caso anterior, podemos dividir o espao percorrido em pequenos intervalos c de tamanho . Em cada intervalo, a velocidade aproximadamente constante, por e exemplo, prxima ao valor v() do extremo do intervalo. O tempo dispendido nesse o pequeno trecho de percurso aproximadamente igual a e . v() Portanto somando esses tempos e fazendo ir a zero, teremos que o tempo decorrido ser a x 1 T = d . x0 v() No caso angular, temos
T =
0
1 d , ()
onde agora representa a varivel angular de posio. Esta frmula ser aplicada na a ca o a prxima Seo para se calcular o per o ca odo do pndulo simples. e
14.5
Per odo do pndulo e as integrais el e pticas
Consideremos um pndulo simples sem atrito. Mostraremos que a Lei de Conservao e ca da Energia implica que a velocidade depende somente da posio do pndulo. ca e A energia cintica do pndulo dada por 1 mv 2 , onde v representa sua velocidade e e e 2 linear. Se o comprimento da haste for igual a l, essa velocidade igual a l, onde a e e velocidade angular. Por outro lado, a energia potencial igual a mgh, onde h a altura do pndulo em e e e relao ao solo. A bem da verdade a energia potencial uma grandeza relativa, o que ca e quer dizer que podemos somar uma constante a essa energia e nada se alterar. Ou a ainda, quer dizer que podemos supor que o solo est na altura que quisermos, inclusive a acima do pndulo!! Aqui assumiremos que o solo est na altura do ponto mais baixo do e a pndulo, de forma que a h se relaciona com a coordenada angular por e h = l l cos .
14.5. PER IODO DO PENDULO E AS INTEGRAIS EL IPTICAS
181
A energia total a soma da energia cintica com a energia potencial, e essa energia e e constante: e 1 2 2 ml + mgl(1 cos ) = E . 2 Mas quanto vale essa constante E? Observe que a constante E tem a ver com a amplitude 0 do movimento: quanto maior for a amplitude, maior ser essa energia. Para no car dvidas, 0 representa a a u o ngulo mximo que o pndulo alcana a partir da posio vertical mais baixa, logo o a a e c ca maior valor que pode assumir, em tese, (estamos evitando considerar o movimento em e que a posio = atravessada). Quando o pndulo atinge o ngulo mximo (0 ou ca e e a a 0 , tanto faz), h uma reverso do movimento, e a velocidade angular instantaneamente a a se anula. Nesse caso, a energia cintica nula, e toda a energia se concentra na energia e e potencial. Em outras palavras, a energia total E igual ` energia potencial no ngulo e a a mximo 0 . a Substituindo na equao acima, obtemos ca 2 = 2g [(1 cos 0 ) (1 cos )] . l
A expresso entre colchetes pode ser simplicada para cos cos 0 , porm mais tarde a e voltaremos a deix-la dessa forma por razes tcnicas. a o e Notemos que essa equao tem duas solues, uma positiva e uma negativa. De toda ca co forma, ela evidencia a dependncia da velocidade angular em relao ` posio: xada a e ca a ca amplitude 0 do movimento, para cada posio (entre 0 e 0 ), a velocidade angular ca s pode assumir dois valores, um negativo e um positivo, e ambos de igual mdulo. o o Um dos valores representa o movimento de ida do pndulo e o outro de volta. e Para obter o per odo do pndulo, podemos calcular o tempo decorrido para se ir de e 0 at 0 , no movimento de ida (velocidade angular positiva). De fato, pela simetria e
l h
182
do movimento, basta analisar o percurso de = 0 at = 0 , percorrido em um quarto e do per odo. Levando em conta as consideraes da Seo anterior, teremos co ca T = 4 logo T =4 l 2g
0 0 0
1 d , ()
1 d . cos cos 0
Vale apenas examinarmos com mais ateno essa integral, tentando esboar o inteca c grando. Primeiro desenhamos a funo cos , marcando a altura de cos 0 (que pode ca ser negativo, se 0 > ). A partir da esboamos a funo cos cos 0 , no intervalo c ca 2 [0, 0 ], que o que nos interessa. Essa funo tem derivada no nula em 0 , a no ser e ca a a que 0 = , mas esse caso no ser considerado. a a
cos cos 0
(cos cos 0 )
1/2
(cos cos 0 )
1/2
mos a raiz dessa funo, e observamos que a inclinao da funo ca ca ca Em seguida, extra cos cos 0 vai a innito quando vai a 0 . Como a funo original tinha cara de ca 1 c(0 ) (perto de 0 ), quando tiramos a raiz ela ca com cara de c(0 ) 2 (basta e co comparar com os grcos y = cx e y = cx, porm armaes mais precisas podem ser a obtidas usando Frmula de Taylor, vide Apndice B). o e 1 1 Acontece que o integrando (cos cos 0 ) 2 , que tem cara de c(0 ) 2 perto e de 0 . E uma funo divergente em 0 (vai a innito), e natural que nos questioca e nemos sobre a convergncia da integral. Fisicamente sabemos que a integral tem que e convergir, pois o pndulo alcana o ngulo de amplitude mxima em tempo nito. Mas e c a a e matematicamente? 1 E emp rico porm extremamente vlido pensar na integrabilidade da funo x 2 e a ca entre 0 e 1. Neste caso, a divergncia ocorre em x = 0. Essa integral existe, pois se e tomarmos a integral
1 a
x1/2 dx = 2x1/2
1 a
= 2(1 a1/2 ) ,
14.5. PER IODO DO PENDULO E AS INTEGRAIS EL IPTICAS
183
teremos que ela tende a 2 quando a tende a zero, e portanto converge. De fato, a integral de qualquer funo x , com 0 < < 1 existe em (0, 1), pelas mesmas razes. Fica ca o para o leitor vericar que o mesmo no ocorre com 1! a Apesar de no haver problema quanto ` convergncia da integral que fornece o a a e per odo do pndulo, veremos no prximo Cap e o tulo que nossos mtodos se prestaro e a mais a funes que sejam cont co nuas no intervalo de integrao, inclusive nos extremos. ca O pulo do gato neste caso que uma mudana de coordenadas (muito) esperta pode e c transformar a integral acima numa outra cujo integrando seja uma funo cont ca nua dentro de um intervalo, isto , sem pontos de divergncia. Faamos ento essa mudana e e c a c de coordenadas, que a bem da verdade ser uma seqncia de duas substituies. a ue co A primeira substituio ser inofensiva. Faremos = 0 (logo d = d ), e caremos ca a 0 com uma integral no intervalo (0, 1) (independentemente de 0 ): T =4 l 0 2g
1 0
1 cos(0 ) cos 0
d .
Em seguida lembramos de como estava escrito o radicando, para obtermos cos(0 ) cos 0 = (1 cos 0 ) (1 cos(0 )) =
1
1 cos 0 1
1 cos(0 ) , 1 cos 0
e j tiramos o fator (1 cos 0 ) 2 para fora da integral. S para no nos perdermos nas a o a contas, o conjunto de termos que multiplica a integral e 4 Observe que a frao ca 1 cos(0 ) 1 cos 0 varia monotamente de 0 a 1 quando varia de 0 a 1. Fazemos ento a substituio a ca sen2 = 1 cos(0 ) , 1 cos 0 l 0 . 2g 1 cos 0
d onde varia entre 0 e . Da teremos uma integral de 0 a de cos , mas precisamos 2 2 colocar tudo em funo de . Diferenciando os dois lados da equao acima e dividindo ca ca por cos , obtemos d 0 2send = sen(0 ) , 1 cos 0 cos
184 logo
2(1 cos 0 ) sen d = d . cos 0 sen(0 ) Note que ainda temos um termo dependendo de . Da equao onde introduzimos a ca substituio, podemos isolar cos(0 ): ca cos(0 ) = 1 (1 cos 0 )sen2 , logo sen(0 ) = ou, simplicando, sen(0 ) = J que a
1cos 0 2
1 [1 (1 cos 0 )sen2 ]2
1 cos 0 sen
1 cos 0 sen2 . 2
sempre um nmero no negativo, denominamos e u a 2 = 1 cos 0 , 2

2
e juntando tudo obtemos (depois de vrios cancelamentos) a T =4 l g 1 1 2 sen2 d .
Se 0 < ento 2 < 1 e o denominador do integrando nunca se anula. Portanto a este integrando cont e nuo no intervalo [0, ]. No caso em que 0 = o integrando e 2 divergente em 2 e a prpria integral divergente (o leitor convidado a comparar com o e e sua intuio f ca sica). De fato, quanto mais 0 se aproxima de maior se torna T , em outras palavras, o per odo do movimento vai a innito quando a amplitude se aproxima de . Por outro lado, quando a amplitude se aproxima de 0 signica que 2 se aproxima de 0, e o integrando se aproxima da funo constante igual a 1. Isso implica que o per ca odo se aproxima do conhecido valor l . 2 g A integral 1 1 2 sen2 d ,
com 0 < 2 < 1, conhecida como integral el e ptica do segundo tipo e no pode ser a expressa por meio de combinaes nitas de funes elementares. Portanto no h uma co co a a frmula fechada para o per o odo do pndulo em funo da amplitude do movimento. e ca
14.6. CALCULO DE E DE LOGARITMOS
185
14.6
Clculo de e de logaritmos a
A integrao numrica se presta tambm para calcular constantes matemticas, por ca e e a exemplo o nmero , que denido como sendo a rea do c u e a rculo unitrio. Como para a o c rculo unitrio se tem x2 + y 2 = 1, ento y = 1 x2 , ou seja, a a
1
=2
1
1 x2 dx .
Aqui poss at achar uma primitiva para o integrando, mas o problema que essa e vel e e primitiva acabar sendo expressa em termos de . Pode-se mostrar teoricamente que a o lado direito igual ao esquerdo, obtendo-se uma bela equao = !!!! O valor e ca numrico de s poder ser obtido, no entanto, se zermos a integrao precisa da e o a ca funo no integrando. ca Outra maneira de se obter via integraao usando o fato de que c e (arctan x) = Como arctan(0) = 0, ento a
x
1 . 1 + x2
arctan x =
0
1 dt . 1 + t2
A nos aproveitamos do fato de que arctan 1 = , de forma a podermos expressar 4 como uma integral 1 1 =4 dt . 2 0 1+t Lembremos tambm que o logaritmo denido atravs de uma integrao. Como e e e ca
x
ln x
1
1 dt t
(vide Apndice A), ento para cada x o valor numrico de ln x ser obtido como uma e a e a a rea debaixo do grco de uma funo. a ca A constante e denida como sendo o (nico) nmero que satisfaz a equao e u u ca ln x = 1 . Ele pode ser obtido, por exemplo, resolvendo-se essa equao pelo Mtodo de Newton. ca e S que, para sermos honestos, temos que aplicar o Mtodo de Newton calculando todos o e os logaritmos atravs da integrao numrica (vide Exerc na Seo 16.2). e ca e cio ca
186
14.7
A gaussiana
Como vimos na Subseo 5.3.6, a distribuio de probabilidade mais comum na natureza ca ca dada pela funo e ca (t )2 1 }. P, (x) = exp{ 2 2 2 Para sabermos a probabilidade de ocorrer um evento dentro do intervalo [a, b] precisamos calcular a integral
b
P, (t)dt .
a
E um pouco chato calcular integrais com essas constantes, mas atravs de uma e 2 mudana de coordenadas podemos reduzir o problema a calcular integrais de ex . Por c exemplo, tomemos u = t (du = dt). Ento a
b a
1 P, (t)dt = 2
b a
e 22 du .
u 2
u2
Em seguida, fazemos outra mudana de coordenadas x = c 1 2

b 2
(dx =
du ). 2
Obtemos
2
2
ex dx ,
a 2 b . 2
a 2
isto , uma integral de ex no intervalo [A, B], onde A = e

2
eB=
Acontece que ex uma daquelas funes que no tm frmula para sua primitiva, e e co a e o a partir da s se prossegue com estimativas numricas. Em probabilidade, como muito o e e freqente o uso dessa integral, adotam-se tabelas com preciso limitada mas razovel, u a a que servem para a maioria dos propsitos. Essas tabelas podem ser facilmente montadas o com os mtodos de integrao do prximo Cap e ca o tulo.
Cap tulo 15
Mtodos de integrao numrica e ca e

15.1 Introduo ca
Queremos resolver o seguinte problema: dada uma funo f : [a, b] R, achar a ca integral de f nesse intervalo, denotada por
b
f (x)dx .
a
Aqui trataremos de dois mtodos de integrao de funes, a saber, o Mtodo dos e ca co e Trapzios e o Mtodo de Simpson. e e
15.2
O Mtodo dos Trapzios e e
A primeira coisa a fazer dividir o intervalo [a, b] em n intervalos (no necessariamente e a de tamanhos iguais). Isto , xar x0 = a (extremo esquerdo do intervalo) e xn = b e (extremo direito do intervalo), e escolher pontos x1 , . . . , xn1 entre a e b de modo que valha a = x0 < x1 < x2 < x3 < . . . < xn1 < xn = b . Em seguida, deve-se estimar a rea (com sinal) entre cada par de pontos sucessivos. a Por exemplo, entre xi e xi+1 : podemos aproximar essa rea tomando o retngulo cuja a a base o intervalo [xi , xi+1 ] e cuja altura seja a mdia entre f (xi ) e f (xi+1 ). Esse e e retngulo ter rea de a aa f (xi ) + f (xi+1 ) (xi+1 xi ) . 2 Finalmente, somam-se as estimativas de cada retngulo, obtendo-se a rea (aproxia a mada) total. 187
188
CAP ITULO 15. METODOS DE INTEGRACAO NUMERICA
Algumas observaes so pertinentes. Para comear, por que o Mtodo dos Trapzios co a c e e assim se chama? Anal, nenhum trapzio apareceu para justicar o nome...! e Observe que em vez de termos pego o retngulo com altura mdia a e (f (xi ) + f (xi+1 ))/2 poder amos ao invs ter pego o trapzio cujos e e vrtices so (xi , 0), (xi+1 , 0), (xi+1 , f (xi+1 )) e (xi , f (xi )). A rea e a a f(x i+1) desse trapzio pode ser calculada da seguinte forma: completamos f(x ) e i a altura com um trapzio de mesmas propores, formando um e co retngulo de altura f (xi ) + f (xi+1 ) e base xi+1 xi . A rea desse a a retngulo o dobro da rea do trapzio, donde essa ultima deve a e a e valer f (xi ) + f (xi+1 ) xi xi+1 (xi+1 xi ) , 2 ou seja, o mesmo valor que t nhamos obtido de outra forma! No preciso que o espaamento entre os pontos seja sempre igual, mas se for facilita a e c bastante. Suponha que a distncia entre eles seja igual a h, isto , a e x1 x0 = x2 x1 = x3 x2 = . . . = xn xn1 = h . Ento o trapzio com base [xi , xi+1 ] tem rea a e a h (f (xi ) + f (xi+1 )) . 2 Para todos os trapzios aparece a multiplicao por h , portanto podemos deixar essa e ca 2 multiplicao por ultimo (o que o mesmo que colocar em evidncia esse fator). Ento ca e e a a rea total dos trapzios ser a e a h (f (x0 ) + f (x1 ) + f (x1 ) + f (x2 ) + f (x2 ) + f (x3 ) + . . . 2 . . . + f (xn2 ) + f (xn1 ) + f (xn1 ) + f (xn )) . Excetuando o primeiro e o ultimo termo, todos os outros aparecem duas vezes na soma. Ento a rea total ser a a a h {f (x0 ) + 2f (x1 ) + 2f (x2 ) + . . . + 2f (xn1 ) + f (xn )} . 2 Isso facilita bastante na hora de se fazer as contas!! Outra pergunta: que erro estamos cometendo ao fazer a aproximao da rea por ca a trapzios? Veremos mais adiante como calcular esse erro. Por enquanto camos com e a percepo (correta) de que nosso resultado ser tanto mais preciso quanto menor ca a for o tamanho dos intervalinhos da diviso. Nem sempre porm nos interessa calcular a e a integral de funes exatamente conhecidas, pois muitas vezes estamos diante de uma co
15.2. O METODO DOS TRAPEZIOS
189
funo obtida atravs de dados experimentais. Ou seno queremos simplesmente estimar ca e a a rea de uma regio, e colhemos os dados de forma semelhante ao que foi feito acima: a a para cada xi , medimos o valor yi da funo. Todo o procedimento ser o mesmo. A ca a unica coisa que no poderemos controlar a preciso da estimativa, por falta de mais e a a informaes sobre a funo e devido ao erro inerente aos dados experimentais. co ca Para exemplicar o uso do Mtodo dos Trapzios, ilustremos com um exemplo cujo e e resultado bem conhecido. Sabendo que a derivada da funo arctan 1+x2 , segue que e ca e 1
1 0
1 dx = arctan(1) arctan(0) = , 2 1+x 4
pelo Teorema Fundamental do Clculo. Logo a estimativa dessa integral levar a uma a a estimativa do valor de . Como ainda no falamos em estimativa de erro para o Mtodo, nossa escolha em a e relao ao tamanho dos intervalos da partio e ao nmero de algarismos signicativos ca ca u ser arbitrria. Mais adiante veremos como fazer escolhas mais conscientes. a a Dividiremos o intervalo [0, 1] em 10 intervalos iguais, ou seja, faremos h = 0.1. Ento a 0.1 {f (0) + 2f (0.1) + 2f (0.2) + . . . + 2f (0.9) + f (1)} , 4 2
1 onde f (x) = 1+x2 a funo do integrando. Os dados para realizar essa soma (com 5 e ca algarismos signicativos) so: a
i 0 1 2 3 4 5 6 7 8 9 10 Ento 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 0.1 15.700 = 3.1400 , 2 valor ` distncia de aproximadamente 1.6 103 do valor verdadeiro. a a 4
190
15.3
O Mtodo de Simpson e
Se notarmos bem, no Mtodo dos Trapzios o que ns zemos foi aproximar a funo e e o ca f , em cada intervalo, por uma reta coincidente com a funo nos extremos. O Mtodo ca e de Simpson um melhoramento dessa estratgia, pois considera polinmios quadrticos e e o a como forma de aproximar a funo. Vejamos como ele funciona. ca Como no Mtodo dos Trapzios, a primeira coisa a fazer dividir o intervalo de e e e integrao em intervalinhos, s que agora em um nmero par de intervalos. Ou seja, ca o u denominar x0 = a, x2n = b e escolher pontos intermedirios a a = x0 < x1 < x2 < . . . < x2n2 < x2n1 < x2n = b . Depois para cada i = 0, . . . , n 1 considerar os trs pontos x2i , x2i+1 , x2i+2 e os e valores respectivos da funo avaliada nesses trs pontos: f (x2i ), f (x2i+1 ), f (x2i+2 ). ca e Para simplicar a notao, chamar esses valores de y2i , y2i+1 , y2i+2 . ca Em seguida encontrar o unico polinmio quadrtico (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 polinmio pi (x) como aproximao para a funo no intervalo [x2i , x2i+2 ] (o o ca ca polinmio pode ser achado com qualquer um dos mtodos descritos na Seo 1.5 ou no o e ca Cap tulo 13). 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 aproximaes obtidas em cada intervalo para se obter a co a aproximao de ca
b
f (x)dx .
a
Vejamos como ca o caso em que todos os intervalos da partio tm o mesmo ca e tamanho h. Resultar da uma frmula bastante elegante para a aproximao da integral a o ca (parecida com a frmula de integrao pelo Mtodo dos Trapzios), conhecida como o ca e e frmula de Simpson. o Em primeiro lugar, temos que desenvolver em detalhe o passo do procedimento que consiste em achar o polinmio interpolador pelos trs pontos (x2i , y2i ), (x2i+1 , y2i+1 ) o e e (x2i+2 , y2i+2 ). Como no estamos interessados no polinmio em si mas sim na sua a o integral denida no intervalo [x2i , x2i+2 ], ser mais simples trabalharmos no intervalo a
15.3. O METODO DE SIMPSON
191
[h, h], interpolando os pontos (h, y2i ), (0, y2i+1 ) e (h, y2i+2 ) (ca ao leitor detalhista a tarefa de mostrar por que isso pode ser realmente feito). O polinmio interpolador p(x) = pi (x) pode ser calculado como no Cap o tulo 13, com o aux dos polinmios de Lagrange: lio o p(x) = y2i isto , e p(x) = Da que
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
y2i
h
x(x h)dx 2y2i+1

h
(x + h)(x h)dx + y2i+2

h
x(x + h)dx
Fazemos ento uma a uma cada uma das trs integrais: a e

h h
x(x h)dx =
h
(x2 hx)dx =
h 2 h x
3 h 2 = h3 . 3 Semelhantemente,
h
h x3
==
h3 (h)3 3 3
h2 (h)2 2 2
(x + h)(x h)dx =
h
4 x2 h2 dx = h3 3 h
2 (x + h)xdx = h3 . 3 h Com esses valores, voltamos ` integral de p(x): a

h
p(x)dx =
h
h (y2i + 4y2i+1 + y2i+2 ) . 3
Observe como, ` semelhana do Mtodo dos Trapzios, essa frmula facilita o cmputo a c e e o o geral da aproximao, mesmo com uma subdiviso em muitos intervalos. Se, como ca a
192
acima, tivermos a partio do intervalo [a, b] em 2n intervalos, todos com tamanho h, ca ento a soma de todas as aproximaes ser a co a h {(y0 + 4y1 + y2 ) + (y2 + 4y3 + y4 ) + . . . + (y2n2 + 4y2n1 + y2n )} , 3 que igual a e h {y0 + 4y1 + 2y2 + 4y3 + 2y4 + . . . + 2y2n2 + 4y2n1 + y2n } . 3 Para exemplicar e comparar com o Mtodo dos Trapzios, calculemos a mesma e e 1 1 integral 0 1+x2 dx usando a mesma diviso de intervalinhos (neste caso poss porque a e vel o nmero de intervalos par). Usaremos 9 algarismos signicativos. Obtemos u e 2(y2 + y4 + y6 + y8 ) = 6.33731529 e 4(y1 + y3 + y5 + y7 + y9 ) = 15.7246294 , de modo que
1 0
1 0.1 dx (1.0000 + 6.33731529 + 15.7246294 + 0.50000) , 2 1+x 3

1
ou seja, =4
0
1 dx 3.14159263 , 1 + x2
valor que difere de por menos do que 3 108 , resultado bem melhor do que o obtido no Mtodo dos Trapzios. e e
Cap tulo 16
Estimativa do erro nos mtodos e de integrao ca

16.1 Frmulas de erro e comparao dos mtodos o ca e
Aparentemente o Mtodo de Simpson se revela melhor do que o Mtodo dos Trapzios. e e e Para vericar melhor essa armao, olhemos para a seguinte tabela, que mostra os ca clculos feitos para se obter com os dois mtodos para os valores de h iguais a 1 , a e 4 1 1 1 , 16 e 32 . Os clculos foram feitos com o software Maple, usando-se 20 algarismos a 8 signicativos. A primeira coluna indica o nmero de intervalos da partio e a coluna u ca seguinte o tamanho de cada intervalo da partio. Na terceira e na quinta os valores ca de T (h) e S(h), multiplicados por quatro (para comparar com ). Usaremos T (h) 1 1 para denotar a estimativa da integral 0 1+x2 dx com o Mtodo dos Trapzios e S(h) a e e estimativa da mesma integral com o Mtodo de Simpson. Na quarta e na sexta esto as e a diferenas, em valor absoluto, entre os nmeros obtidos e o valor c u = 3.1415926535897932385 , fornecido pelo Maple com 20 algarismos signicativos. n h 4T (h) |4T (h) | 4S(h) |4S(h) | 4 1/4 3.131 0.011 3.141569 2.4 105 8 1/8 3.1390 0.0026 3.14159250 1.5 107 16 1/16 3.14094 0.00065 3.1415926512 2.4 109 32 1/32 3.14143 0.00016 3.141592653552 3.7 1011 Na tabela podemos observar que o Mtodo de Simpson no s mais eciente (come a oe pare na primeira linha, por exemplo), mas a cada vez que h diminu a sua eccia e do a e 193
194 CAP ITULO 16. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO proporcionalmente maior do que a do Mtodo dos Trapzios. A cada vez que h redue e e zido por 2, o erro no Mtodo dos Trapzios diminui aproximadamente 4 vezes, enquanto e e que no Mtodo de Simpson, neste exemplo, a reduo de pelo menos 64 vezes!! e ca e Devotaremos o restante deste Cap tulo ` discusso da eccia dos dois mtodos. a a a e Gostar amos de ter, por exemplo, uma estimativa mxima para o erro cometido na a integrao de uma funo f : [a, b] R, dado o tamanho h dos intervalos da partio. ca ca ca Essa estimativa ser chamada de ET , no caso do Mtodo dos Trapzios, e ES , no caso a e e do Mtodo de Simpson. Tanto ET como ES dependero de f , do tamanho total b a e a do intervalo de integrao e de h. No entanto, assumiremos f e o intervalo [a, b] como ca xos, de forma que freqentemente exprimiremos apenas a dependncia em relao a h, u e ca dessas estimativas: ET = ET (h) e ES = ES (h). O signicado de ET (h) (e similarmente de ES (h)) o seguinte. Se calcularmos e T (h), ento saberemos, com absoluta certeza, que o valor correto da integral est entre a a T (h) ET (h) e T (h) + ET (h). E claro que essa interpretao no leva em conta os ca a erros de arredondamento cometidos nos clculos, devidos ` limitao no nmero de a a ca u algarismos signicativos. Por outro lado, o conhecimento prvio do erro inerente ao e processo permite avaliar com quantos algarismos signicativos deve ser feita a integrao. ca Alm disso importante salientar que ET (h) (e similarmente ES (h)) no mede a e e a real diferena entre o valor obtido T (h) e o valor verdadeiro. Essa diferena , com c c e certeza, apenas menor do que ET (h). Por exemplo, na determinao de que zemos ca acima, o clculo de ET (h) e ES (h), de acordo com as frmulas que discutiremos abaixo, a o leva a valores muito maiores do que a real diferena entre os valores de T (h) e S(h) e c o valor verdadeiro. Pode-se dizer ento que a previso de erro foi bastante pessimista. a a Em outros casos, porm, ela pode acabar sendo realista, e isso vai depender muito da e funo integranda. ca Na Seo seguinte nos preocuparemos em calcular ET (h) e ES (h). Usaremos trs ca e abordagens diferentes para o problema, obtendo ao nal resultados similares, e adotaremos, na prtica, aquelas que julgaremos ser as melhores estimativas. Os resultados a esto expostos na tabela abaixo. a 1a | |b a|h2 | |b a|h3 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
ET (h) ES (h)
1 12 max |f 1 24 max |f
Para entendermos melhor o signicado desta tabela, percebemos primeiro que todas as frmulas so do tipo Ch , com igual a 2, 3 ou 4. Nas constantes, est presente o o a a mximo valor absoluto de certas derivadas de f , mximo que deve ser avaliado dentro a a do intervalo [a, b]. Quem ser menor, C2 h2 , C3 h3 ou C4 h4 ? Ou colocando em nmeros, a t a u tulo de exemplo, quem menor, 1000h4 ou 0.2h2 ? e
16.2. APLICACAO DAS FORMULAS DE ERRO
195
Evidentemente no h resposta a essa pergunta, pois se h = 0.5, por exemplo, ento a a a 4 = 62.5, que (bem) maior do que 0.2h2 = 0.05, mas por outro lado se h = 0.01 1000h e ento 1000h4 = 105 , menor do que 0.2h2 = 2 105 . Na verdade, mesmo que 1000h4 a seja maior do que 0.2h2 , para certos valores de h, isso nunca vai acontecer se h for sucientemente pequeno, pois 1000h4 = 5000h2 0 0.2h2 quando h tende a zero. O limite indica mais ainda do que isso: a razo entre 1000h4 e a 2 tanto menor quanto menor for h. Se, por exemplo, quisermos que 1000h4 seja 0.2h e 100 vezes menor do que 0.2h2 , ento basta tomar h menor do que 0.0014 (truncamento a de 5000001/2 ). Nesta linha de racioc nio, quando h tende a ser pequeno, as melhores estimativas tendem a ser aquelas que tm mais alta potncia de h. So melhores nesse sentido, e e a portanto, as estimativas do Mtodo de Simpson, e dentre elas a segunda, pois, dentre e as duas com h4 , aquela com menor constante multiplicativa: e ES (h) = 1 max |f (iv) | |b a|h4 . 180
As trs estimativas para o Mtodo dos Trapzios so da mesma ordem (h2 ), sendo a e e e a terceira um pouco pior do que as outras duas, por apresentar constante multiplicativa maior. Ento a 1 ET (h) = max |f | |b a|h2 . 12 Essas duas estimativas so as que iremos adotar nas aplicaes prticas. a co a
16.2
Aplicao das frmulas de erro ca o

2
Nesta Seo aplicaremos as frmulas de erro no clculo de ca o a ln 2 =

1
1 dx . x
Suponha que queiramos calcular ln 2 com preciso de 5 105 , ou seja queremos que a o valor correto esteja a menos de 5 105 do valor estimado. Usaremos as frmulas o de erro para determinar em quanto devemos xar h para obter estimativas com essa preciso. a Examinemos primeiramente o Mtodo dos Trapzios. Sua frmula de erro envolve e e o |ba|, que igual a 1, e o maior valor absoluto da derivada segunda de f nesse intervalo. e 1 1 2 Ora, como f (x) = x , ento f (x) = x2 e f (x) = x3 . Logo f (x) uma funo positiva a e ca
196 CAP ITULO 16. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO e decrescente no intervalo considerado, atingindo seu mximo necessariamente em x = 1. a O valor desse mximo f (1) = 2. Assim sendo, a frmula de erro ca a e o ET (h) = h2 . 6
Essa frmula representa o erro mximo da estimativa. Portanto, se quisermos gao a rantir que o erro da estimativa seja menor do que 5 105 , basta garantir que ET (h) seja menor do que esse valor, isto , gostar e amos de escolher h de tal forma que h2 < 5 105 . 6 Isto o mesmo que pedir e h< 30 105 = 0.01732 . . .
At agora, a concluso que qualquer valor de h menor do que 0.01732 . . . servir e a e a para obter a estimativa com a preciso desejada, usando-se o Mtodo dos Trapzios. a e e Acontece que h tambm deve ser tal que o comprimento total do intervalo seja um e mltiplo inteiro de h. Ou seja, devemos ter u ba =n. h Como b a = 1 e h < 0.01732 . . . ento a n= ba 1 1 = > = 57.7 . . . , h h 0.01732 . . .
implicando que n deve ser maior ou igual a 58. Ento precisamos dividir o intervalo a [1, 2] em no m nimo 58 intervalinhos para conseguir a estimativa desejada, com a preciso a requerida! E o Mtodo de Simpson, ser que mais vantajoso neste exemplo? Ser que com e a e a menos intervalos na partio conseguiremos garantir a mesma preciso? Agora temos ca a que nos concentrar na frmula de ES (h), que depende do mximo valor absoluto da o a 2 6 24 quarta derivada, entre 1 e 2. Como f (x) = x3 , temos f (x) = x4 e f (iv) (x) = x5 . Essa funo positiva e decrescente em [1, 2] de forma que seu mximo atingido em ca e a e x = 1 e igual a 24. Ento e a ES (h) = 24 4 2 h = h4 . 180 15
Como queremos ES (h) < 5 105 , basta tomar h tal que 2 4 h < 5 105 , 15
16.2. APLICACAO DAS FORMULAS DE ERRO isto , e h< 15 5 105 2

1 4
197
= 0.139 . . . .
Ento o nmero n de intervalos da partio ser maior do que a u ca a 1 = 7.18 . . . 0.139 . . . Aqui deve-se prestar uma ateno a mais: no Mtodo de Simpson o nmero de intervalos ca e u deve ser par. Portanto n = 8 j uma boa escolha! ae Como o Mtodo de Simpson se revela consideravelmente menos trabalhoso para se e obter, garantidamente, a preciso desejada, faamos os clculos correspondentes. Mas a c a antes teremos que determinar o nmero de algarismos signicativos ou de casas decimais u envolvidos. Na verdade, como se trata de delimitar um erro absoluto, melhor considerar e xo o nmero de casas decimais. u Observe que o erro em cada arredondamento de f (xi ) de, no mximo, 0.5 10N , e a onde N o nmero de casas decimais utilizadas. Usando N casas decimais, a soma e u f (x0 ) + 4f (x1 ) + 2f (x2 ) + 4f (x3 ) + 2f (x4 ) + 4f (x5 ) + 2f (x6 ) + 4f (x7 ) + f (x8 ) acumular no mximo 20 vezes esse valor (20 a soma dos coecientes dos f (xi )s). O a a e erro acumulado ser, no mximo, 1010N , ou seja, da ordem da casa decimal anterior. a a 1 e Acontece que depois essa soma ser multiplicada por h , que igual a 24 , de forma que a 3 o erro mximo por arredondamento no valor nal car menor do que 0.5 10N (por a a exemplo, se usarmos 5 casas decimais o arredondamento provocar erro de no mximo a a 5 ). Pela frmula de Simpson, a adoo de n = 8 nos leva a um erro mximo 0.5 10 o ca a 2 15 1 8
4
ES (h) =
3.26 105 ,
de forma que um erro adicional de 105 por arredondamento no nos tirar da margem a a previamente delimitada de 5105 . O que nos faz concluir que o uso de 5 casas decimais suciente para os clculos. e a Ento vamos a eles! A tabela abaixo mostra os valores de f nos pontos da partio, a ca arredondados para 5 casas decimais.
198 CAP ITULO 16. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO
i 0 1 2 3 4 5 6 7 8 Obtemos
xi 1.000 1.125 1.250 1.375 1.500 1.625 1.750 1.875 2.000
f (xi ) 1.00000 0.88889 0.80000 0.72727 0.66667 0.61538 0.57143 0.53333 0.50000
1 1 S( ) = 16.63568 = 0.69315 , 8 24 que difere do valor verdadeiro por menos do que 105 , dentro, portanto e com folga, da preciso pedida. a Exerc cio. A integral
2 1
ex dx x
maior ou menor do que 3? Justique sua resposta e d uma estimativa para a integral. e e Exerc cio. Investigue, de maneira geral, como deve se dar a escolha do nmero de u casas decimais dos clculos do Mtodo dos Trapzios e do Mtodo de Simpson, baseado a e e e no que foi feito no exemplo acima, e levando em conta a preciso que se quer atingir no a resultado nal. Proponha uma receita para essa escolha. Exerc cio. Determine uma frmula para S( h ) em funo de T (h) e T ( h ). o ca 2 2 Exerc cio. Procure integrar numericamente funes cujas primitivas sejam conhecico das, de forma a comparar os resultados obtidos com os valores exatos. Examine a 2 integrao numrica da funo Gaussiana ex , largamente utilizada em Probabilidade ca e ca e Estat stica. Exerc cio. Considere a funo ln x = 1 1 dt. O objetivo deste exerc ca cio ver que o e t nmero e pode ser obtido atravs da soluo numrica da equao ln x = 1, usando o u e ca e ca Mtodo de Newton e calculando logaritmos somente atravs da denio. e e ca 1. Determine a funo de iterao do Mtodo de Newton, que resolve esta equao ca ca e ca numericamente. 2. Determine o erro mximo de se calcular ln x, para 1 x 3, usando o Mtodo a e de Simpson com 8 intervalos.
x
16.2. APLICACAO DAS FORMULAS DE ERRO
199
3. Tome x0 = 3 e calcule x1 = (x0 ) (use 4 casas decimais para os valores de 1 , e 8 t intervalos para a integrao). ca 4. Calcule x2 = (x1 ), com 4 casas decimais e 8 intervalos. 5. Discuta uma estratgia que voc adotaria para mostrar que e est, com certeza, e e a no intervalo [2.716, 2.720]. Exerc cio. Usando o mtodo de m e nimos quadrados, aproxime ex por um polinmio o de grau 4 no intervalo [1, 1]. Para isso, use a fam de polinmios ortogonais (nesse lia o 3 intervalo) g0 (x) = 1, g1 (x) = x, g2 (x) = x2 1 , g3 (x) = x3 3 x, g4 (x) = x4 6 x2 + 35 , 3 5 7 2 8 8 sabendo que < g0 , g0 >= 2, < g1 , g1 >= 3 , < g2 , g2 >= 45 , < g3 , g3 >= 175 , < 128 g4 , g4 >= 11025 . Observe que ser preciso calcular a integral gaussiana. Outras integrais a ou sero nulas (porque o integrando a e mpar) ou podem ser reduzidas, por sucessivas integraes por partes, a integral gaussiana. Estime os valores numricos usando uma co ` e aproximao para essa integral. ca Exerc cio. Considere a equao f (x) = ca
x t2 dt 0 e
2
1 = 0.
1. Dena a funo de iterao do Mtodo de Newton para resolver a equao. ca ca e ca 2. Com x0 = 1, obtenha x1 = (x0 ).
200 CAP ITULO 16. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO
Cap tulo 17
Obteno das frmulas de erro ca o

Como dissemos no Cap tulo anterior, dedicaremos este Cap tulo para a obteno das ca frmulas de erro mencionadas. Seguiremos trs abordagens, com a nalidade de propor o e diferentes vises de como se pode estimar a integral da diferena entre a funo verdao c ca deira e o polinmio interpolador que a substitui. O leitor reconhecer que a primeira o a abordagem a continuao natural das estimativas do erro de interpolao obtidas no e ca ca Cap tulo 12. Todas as frmulas de erro mencionadas pressupem que os intervalos da partio o o ca sejam de igual tamanho. Poder amos, evidentemente, determinar frmulas mais gerais o que levassem em conta um espaamento irregular, mas sem dvida isso seria um pouco c u menos interessante. As idias da primeira abordagem, por exemplo, podem ser seguidas e no caso geral, se isso for da necessidade do leitor, mas deve-se atentar para o fato de que as frmulas de erro no sero to boas quanto as outras. o a a a Em todas as abordagens, a frmula de erro obtida primeiro para uma unidade o e bsica. No Mtodo dos Trapzios, a unidade bsica um intervalo [xi , xi+1 ], de tamanho a e e a e h. Para cada intervalo obtm-se uma frmula eT (h), e como o nmero de intervalos e o u e igual a n ento a ET (h) = neT (h) . Acontece que n tambm o tamanho total do intervalo de integrao dividido por h, de e e ca forma que |b a| ET (h) = eT (h) . h Por exemplo, na primeira e na segunda abordagens obteremos 1 eT (h) = max |f |h3 , 12 logo |b a| ET (h) = max |f |h2 . 12 201
202
CAP ITULO 17. OBTENCAO DAS FORMULAS DE ERRO
Observe que tambm h uma perda em relao ` constante multiplicativa, pois na e a ca a frmula de eT (h) o mximo valor absoluto da segunda derivada obtido dentro da o a e unidade bsica, enquanto que na frmula de ET (h) trata-se do mximo ao longo de a o a todo o intervalo de integrao. ca J no Mtodo de Simpson, a unidade bsica um intervalo da forma [x2i , x2i+2 ], que a e a e tem tamanho 2h. Em cada intervalo desses troca-se f por um polinmio quadrtico e o a examina-se a diferena produzida na integrao. A frmula de erro para a unidade ser c ca o a |ba| denotada por eS (h). Como so n unidades bsicas e 2n = h , resulta que a a ES (h) = neS (h) = |b a| eS (h) . 2h
As frmulas de erro das unidades bsicas (de acordo com a abordagem) esto contidas o a a na tabela abaixo. 1a 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
eT (h) eS (h)
Finalmente, vale notar que, via uma mudana de coordenadas, os intervalos [xi , xi+1 ] c do Mtodo dos Trapzios podem ser tomados como sendo [0, h], e as unidades [x2i , x2i+2 ] e e do Mtodo de Simpson podem ser tomados como sendo [h, h]. e No Mtodo dos Trapzios, denimos p(x) como o polinmio interpolador de grau 1 e e o por (0, f (0)) e (h, f (h)), e procuramos limitar a diferena c
h
(h) =
0
(f (x) p(x)) dx ,
em valor absoluto, por eT (h). No Mtodo de Simpson, denimos p(x) como sendo o polinmio quadrtico por e o a (h, f (h)), (0, f (0)) e (h, f (h)), e procuramos limitar a diferena c
h
(h) =
h
(f (x) p(x)) dx ,
em valor absoluto, por eS (h).
17.1
Primeira Abordagem - Mtodo dos Trapzios e e
1 Mostraremos que |(h)| 12 max |f | h3 (vide tabela acima). De acordo com o exposto no Cap tulo 12, a diferena c
f (x) p(x)
17.2. PRIMEIRA ABORDAGEM - METODO DE SIMPSON pode ser limitada, em [0, h], da seguinte forma: cx(h x) f (x) p(x) cx(h x) , onde c= Ento, pela denio de (h), temos a ca
h
203
1 max |f | . 2! [0,h]
|(h)| c
0
x(h x)dx = c
h3 , 6
e segue o que quer amos demonstrar.
17.2
Primeira Abordagem - Mtodo de Simpson e
1 Mostraremos que |(h)| 12 max |f | h4 . De acordo com o Cap tulo 12, |f (x) p(x)| c|q(x)| , onde q(x) = (x + h)x(h x) 1 e c = 3! max[h,h] |f | . Ento a h
|(h)| c
h
|q(x)|dx .
Como q funo e ca mpar, |q| funo par, de forma que e ca

h
|(h)| 2c
0
|q(x)|dx .
Alm disso, em [0, h] a funo q positiva, e portanto s precisamos obter a integral e ca e o

h
(x + h)x(h x)dx =
0
h4 . 4
Logo c |(h)| h4 , 2 de onde segue o que quer amos demonstrar.
204
17.3
Segunda Abordagem - Mtodo dos Trapzios e e
1 Iremos mostrar que |(h)| 12 max |f | h3 . h Queremos avaliar o erro de se aproximar a integral 0 f (x)dx pela rea do trapzio a e h a 2 (f (0) + f (h)). Para isso, consideraremos h como varivel e estimaremos o erro (h) em funo dessa varivel. Temos ca a h
(h) =
0
f (x)dx
h (f (0) + f (h)) . 2
Se P for uma primitiva de f (isto , P (x) = f (x)), ento e a (h) = P (h) P (0) h (f (0) + f (h)) . 2
Observamos ento que (0) = 0, o que era de se esperar, pois nenhum erro cometido a e se h nulo. Se pudermos limitar a derivada de (h) ento limitaremos seu crescimento, e a em funo do tamanho de h. Temos ca (h) = P (h) Como P = f , ento a 1 h (f (h) f (0)) f (h) . 2 2 Notamos tambm que (0) = 0, o que nos sugere derivar ainda mais uma vez, para e delimitar o crescimento de : (h) = h (h) = f (h) . 2 Ento a | (h)| C onde C = max |f | .
[0,h]
1 h (f (0) + f (h)) f (h) . 2 2
h , 2
Com o crescimento controlado de , voltamos a integrar:

h h
(h) = (0) +
0
(t)dt =
0 h
(t)dt .
Logo
h
| (h)|
0
| (t)|dt C
0
t h2 dt = C . 2 4
17.4. SEGUNDA ABORDAGEM - METODO DE SIMPSON Integrando mais uma vez, |(h)| C
0 h 2 t
205
dt = (max |f |)
h3 . 12
Como quer amos demonstrar!
17.4
Segunda Abordagem - Mtodo de Simpson e

1 90
Queremos mostrar que |(h)| Temos que avaliar

h
max |f (iv) | h5 .
(h) =
h
f (x)dx
h (f (h) + 4f (0) + f (h)) . 3
Os passos so semelhantes `queles do Mtodo dos Trapzios, mas agora temos que a a e e derivar e integrar uma vez a mais. Derivando trs vezes chegamos a e (h) = h f (h) f (h) , 3
com (0) = (0) = (0) = 0. Pelo Teorema do Valor Mdio, existe = (h) no e intervalo [h, +h] tal que f (h) f (h) = f (iv) () 2h . Portanto, se C = max |f (iv) |
[h,h]
ento a | (h)| C e, por integraes sucessivas, co | (h)| C | (h)| C |(h)| C 2h3 , 9 h4 , 18 h5 . 90 2h2 , 3
206
17.5
Terceira Abordagem - Mtodo dos Trapzios e e
5 Obteremos |(h)| 12 max |f | h3 . Nesta abordagem do clculo de erro, levamos em conta a expanso em Taylor da a a funo f (vide Apndice B. O mtodo um pouco mais intuitivo que os anteriores, mas ca e e e produz resultados um pouco piores (no na ordem de h, mas nas constantes multiplicaa tivas). Como na Segunda Abordagem, olhamos para h
(h) =
0
f (x)dx
h [f (h) + f (0)] . 2
A funo f se escreve como ca f (x) = f (0) + f (0)x + R(x) , onde |R(x)| max |f | J que f (0)h = a
h 0 f
x2 . 2
(0)dx, temos
h
(h) =
0 h
f (x) f (0)dx + f (0)xdx

0
h [f (0) f (h)] 2
h
h [f (0) f (h)] + 2
R(x)dx
0
= f (0)
h h2 h [f (h) f (0)] + R(x)dx 2 2 0 h h2 h = f (0) f (0)h + R(h) + R(x)dx 2 2 0 h h = R(h) + R(x)dx . 2 0
Usando a estimativa em |R(x)|, conclu mos que |(h)| max |f | 5h3 . 12
17.6
Terceira Abordagem - Mtodo de Simpson e

2 45
Iremos mostrar que (h)
max |f (iv) | h5 .
17.6. TERCEIRA ABORDAGEM - METODO DE SIMPSON
207
Em primeiro lugar, observaremos que o Mtodo de Simpson, aplicado em pares de e intervalos iguais, exato para polinmios cbicos. e o u Sem perda de generalidade, suponha que queiramos integrar g(x) = ax3 + bx2 + cx + d em [h, h]. O Mtodo de Simpson nos d a aproximao e a ca h (g(h) + 4g(0) + g(h)) . 3 Mas g(h) + g(h) = 2bh2 + 2d . Alm disso, g(0) = d, logo e h bh2 (g(h) + 4g(0) + g(h)) = 2h( + d) . 3 3 Por outro lado, vemos que esse exatamente o valor da integral, pois e
h
(ax3 + bx2 + cx + d)dx = a

h
x4 h x3 x2 |h + b |h + c |h + dxh . h 4 3 h 2 h
O primeiro e o terceiro termos so nulos, logo a integral vale a 2b h3 + 2dh , 3
que o mesmo valor dado pelo Mtodo de Simpson. e e Agora consideremos uma funo f sucientemente diferencivel. Ela pode ser escrita ca a como seu polinmio de Taylor de ordem 3 mais um resto R(x): o f (x) = f (0) + f (0)x + onde f (0) 2 f (0) 3 x + x + R(x) , 2 3!
R(x) 0 x3 quando x 0. Chamaremos de p3 o polinmio de Taylor, de forma que o f (x) p3 (x) = R(x) . Adiante teremos uma frmula mais expl o cita para esse resto, que permitir qualicar as a constantes envolvidas.
208

h h f (x)dx,
Queremos avaliar o erro cometido pelo Mtodo de Simpson para integrar e isto , olharemos para a diferena e c
h
(h) =
h
f (x)dx
h (f (h) + 4f (0) + f (h)) . 3
Sabendo que o Mtodo de Simpson exato para grau trs, temos e e e

h
p3 (x)dx =
h
h (p3 (h) + 4p3 (0) + p3 (h)) , 3
logo, lembrando que p3 (0) = f (0) e que f (x) p3 (x) = R(x),

h
(h) =
h
R(x)dx
h (R(h) + R(h)) . 3
Usaremos a seguinte estimativa para o resto: |R(x)| max |f (iv) |

[0,x]
x4 , 4! 2h5 5! 2h5 . 45
de forma que
h
R(x)dx max |f (iv) |

h [h,h]
e |(h)| max |f (iv) |

[h,h]
2h5 2h5 + 5! 3 4!
= max |f (iv) |
[h,h]
Parte VI
Equaes Diferenciais co
209
Cap tulo 18
Breve introduo `s equaes ca a co diferenciais

18.1 Introduo ca
Uma equao diferencial de uma varivel real uma equao em que a incgnita uma ca a e ca o e funo real x : [a, b] R. Esta equao coloca em relao a funo e sua derivada. ca ca ca ca O tipo mais simples de equao diferencial o problema de achar uma primitiva de ca e uma dada funo. Por exemplo, ca x (t) = f (t) , t [a, b] , signica que a derivada da funo x(t) igual a f (t) para todo t entre a e b. Em ca e outras palavras, a funo x(t) uma primitiva da funo f (t). Na notao de Leibniz, ca e ca ca escrevemos x(t) = f (t)dt + C , indicando que todas as primitivas de f diferem por uma constante. Mais precisamente, se F1 e F2 so primitivas de f ento existe uma constante C, que depende claro de F1 a a e e F2 , tal que F1 (t) F2 (t) = C para todo t I. Uma primitiva em particular pode ser dada pela integral indenida
t
F (t) =
t0
f (s)ds ,
para um determinado t0 [a, b]. Neste caso, F (t0 ) = 0. Se adicionarmos ` equao diferencial x (t) = f (t) a exigncia de que x(t0 ) = x0 , a ca e ento ca determinada a unica primitiva que soluo desse problema: a e ca
t
x(t) = x0 +
t0
f (s)ds .
211
212
CAP ITULO 18. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `
Essa exigncia extra conhecida como um problema de valor inicial. e e Em geral as equaes diferenciais no se resumem to simplesmente a um problema co a a de integrao. Por exemplo, a derivada de x(t) pode depender de x(t), como na seguinte ca equao: ca x (t) = x(t) , t R . a E fcil vericar que x(t) = et soluo. Ela no a unica, pois x(t) = cet tambm e ca a e e e soluo da equao diferencial para todo c R. No entanto, se impusermos o problema ca ca de valor inicial x(t0 ) = x0 e supusermos x(t) = cet , ento a constante c ca univocamente a determinada por x0 = x(t0 ) = cet0 , donde x(t) = x0 ett0 . Ao contrrio do exemplo anterior, no claro ainda neste ponto que x(t) seja a unica a a e soluo da equao diferencial x (t) = x(t) satisfazendo o problema de valor inicial ca ca x(t0 ) = x0 , pois a princ pio poderia haver uma soluo que no fosse da forma x(t) = ca a cet . De fato veremos que esse no o caso, pelo menos para essa equao (vide a e ca Subseo 18.3.2). ca De modo geral, uma equao diferencial colocada assim: a derivada de x(t) depende ca e de t e de x(t), isto , e x (t) = f (t, x(t)) , onde f aqui denota uma funo de duas variveis (no nos preocuparemos por enquanto ca a a com o dom nio da funo f ). Na notao compacta escreve-se ca ca x = f (t, x) , cando impl cito o argumento das funes x e x . Por exemplo, x = t2 sen(tx) signica co 2 sen(tx(t)). As funes x(t) que vericam x (t) = f (t, x(t)) so chamadas x (t) = t co a solues da equao diferencial. co ca Alm disso, como nos dois exemplos acima, pode-se colocar o problema de valor e inicial x(t0 ) = x0 . O problema de achar x(t) tal que x = f (t, x) x(t0 ) = x0 comumente conhecido como problema de Cauchy. e Dizemos que uma equao diferencial autnoma quando f s depende de x, isto ca e o o f (t, x) = X(x) (na medida do poss e vel usaremos a letra f para as equaes no co a autnomas e X para as autnomas, por questes de tradio). o o o ca
18.2. SOLUCAO DE EQUACOES AUTONOMAS E SEPARAVEIS
213
Pensando no caso autnomo, suponha que j conheamos uma soluo para o proo a c ca blema de Cauchy x = X(x), x(0) = x0 . Seja x(t) essa soluo, isto x (t) = X((t)) ca e x e x(0) = x0 . Ento fcil ver que x(t) = x(t t0 ) soluo do problema de Cauchy a e a e ca x = X(x), x(t0 ) = x0 . Em outras palavras, no caso de equaes autnomas basta co o estudar o problema de Cauchy com t0 = 0. Alm das equaes autnomas, temos tambm as equaes separveis, onde f (t, x) e co o e co a o produto de uma funo que s depende de t por uma funo que s depende de x: e ca o ca o f (t, x) = g(t)X(x) . Veremos adiante que equaes autnomas e separveis so facilmente solveis, a co o a a u menos de integraes e inverses, isto , podemos escrever suas solues em termos de co o e co inversas de primitivas de funes elementares, mas eventualmente essas solues no co co a podem ser obtidas explicitamente.
18.2
Soluo de equaes autnomas e separveis ca co o a
Em primeiro lugar observamos que, de algum modo, equaes autnomas representam co o um caso particular das equaes separveis. Pois uma equao autnoma x = X(x) co a ca o tambm se escreve como x = g(t)X(x), se tomarmos g(t) 1. e Para discutir as solues de x = g(t)X(x), observamos primeiramente que se X(x ) = co soluo, pois x(t) 0 e g(t)X(x(t)) = g(t)X(x ) 0. Um ponto x 0 ento x(t) x e a ca dessa forma chamado de singularidade da equao. e ca Est fora do escopo destas notas, mas com condies razoveis sobre g e X (por a co a exemplo, g cont nua e X diferencivel e com derivada cont a nua), pode-se mostrar que se x(t) = x para algum instante t ento x(t) x . Em outras palavras, no h como a a a uma soluo x(t) chegar e sair de uma singularidade. ca Na verdade, sob essas mesmas hipteses poss mostrar que duas solues quaiso e vel co quer x(t) e x(t) ou so idnticas (x(t) = x(t), para todo t) ou nunca se cruzam a e (x(t) = x(t), para todo t). Fora das singularidades, podemos encontrar a soluo da seguinte maneira. Primeiro ca escrevemos a equao com a varivel t explicitada: ca a x(t) = g(t)X(x(t)) . O instante inicial t0 , e gostar e amos de saber x(t) se x(t0 ) = x0 (problema de Cauchy). Como estamos supondo que x(t) no passa por singularidade, ento X(x(t)) no se a a a anula, e podemos dividir os dois lados da equao por X(x(t)), e integrar de t0 a t: ca
t t0
1 x(s)ds = X(x(s))
g(s)ds .
t0
214
No lado esquerdo fazemos a substituio u = x(s), de forma que du = x(s)ds. Ento ca a

x(t) x0
1 du = X(u)
g(s)ds .
t0
A partir da podemos, em teoria, encontrar x(t), mas sua expresso expl a cita depender de podermos cumprir certas etapas. Por exemplo, se acharmos uma primitiva F a 1 para X e uma primitiva G para g, ento a equao car a ca a F (x(t)) = F (x0 ) + G(t) G(t0 ) . Se, alm disso, conseguirmos achar a inversa de F (pelo menos numa regio delimitada e a 1 entre duas singularidades isso em tese poss e vel, pois F = X no troca de sinal, mas a achar uma expresso expl a cita outra coisa!), teremos e x(t) = F 1 (F (x0 ) + G(t) G(t0 )) .
18.3
Alguns exemplos
Nesta Seo examinaremos alguns exemplos de equaes diferenciais que surgem da ca co modelagem de problemas do mundo real, e discutiremos sua soluo. ca
18.3.1
Naftalinas
Na Subseo 5.3.3 abordamos a perda de material de uma bolinha de naftalina em funo ca ca do tempo, e chegamos ` concluso de que seu raio r(t) obedece ` equao a a a ca r(t) = , onde uma constante positiva. e Podemos dizer que a equao autnoma, mas muito mais do que isso. Ela diz que ca e o e r(t) uma funo de derivada constante negativa, ou seja, uma funo am. Portanto e ca e ca r(t) = r0 t , onde r0 = r(0). Este caso no passa de uma simples primitivizao. a ca
18.3.2
Crescimento populacional a taxas constantes
Se tomarmos t como sendo o tempo, e x(t) como sendo a populao de determinada ca espcie no instante t, podemos, por aproximao, supor que x(t) varia continuamente e ca (hiptese razovel se a populao grande). A taxa de variao da populao medida o a ca e ca ca e
18.3. ALGUNS EXEMPLOS
215
percentualmente, isto , mede-se o incremento (ou decrescimento) x(t + h) x(t), do e instante t para o instante t + h, e divide-se pela populao que havia no instante t: ca x(t + h) x(t) . x(t) Mesmo assim, esse valor muito dependente do tempo h decorrido entre os dois instantes, e sendo muito mais razovel, portanto, dividir tudo por h. Fazendo depois o limite quando a h tende a zero, camos com x (t) (t) = , x(t) onde (t) indica a taxa de crescimento instantneo no instante t. a A hiptese Malthusiana de crescimento que (t) seja constante, isto , (t) , o o e e que leva ` equao a ca x (t) = x(t) . Podemos deduzir a soluo, sem apelar para chutes. A unica singularidade da ca equao x = 0, e queremos achar as solues que no passam pelo zero. Ento ca e co a a
x(t) x0
1 du = (t t0 ) , u
portanto log x(t) = log x0 + (t t0 ) e, exponenciando os dois lados, x(t) = x0 e(tt0 ) . Um modelo como este se presta tambm ` modelagem do decaimento radioativo, e a onde a taxa de decaimento de uma amostra de um istopo proporcional ` quantidade o e a desse mesmo istopo. o
18.3.3
Pra-quedista a
Alm do crescimento populacional e do decaimento radioativo, equaes do tipo x = x e co explicam o comportamento da velocidade do pra-quedista. Se v(t) velocidade do a e pra-quedista (supondo positiva se estiver indo de cima para baixo), ento v(t) a a a e acelerao, e pela Segunda Lei de Newton vale ca mv(t) = mg v(t) ,
216
onde o termo v(t) corresponde ` fora de resistncia exercida em sentido contrrio ao do a c e a movimento e de intensidade proporcional ` velocidade. Isso d uma equao autnoma a a ca o em v(t). A velocidade de equil brio v denida como sendo aquela para a qual a resultante e = mg . Se denirmos w(t) = v(t) v (ou seja, a diferena de foras nula, portanto v c e c entre a velocidade e a velocidade de equil brio, em cada instante), teremos mw(t) = mv(t) = mg v(t) = v v(t) = w(t) . Como
m g v ,
ento a w(t) = w0 e v t ,
g
se w0 = w(0). A equao tambm poderia ser resolvida diretamente, pela integrao ca e ca

v(t) v0
m dv = t , mg v
seguindo o mtodo sugerido para equaes autnomas e separveis. e co o a
18.3.4
Crescimento populacional com restries de espao co c
Um modelo ligeiramente mais realista do que o proposto na Subseo 18.3.2 levaria em ca conta a limitao de espao e alimento que uma populao enfrenta quando se torna ca c ca muito grande. Esse modelo preveria que: (i) se a populao for muito grande, a taxa ca de crescimento (t) deveria ser negativa, e tanto mais negativa quanto maior for a populao; (ii) se a populao for muito pequena, a taxa de crescimento deveria ser ca ca positiva, e tanto mais positiva quanto menor for a populao (respeitando claro a ca e velocidade de reproduo mxima da espcie). ca a e Nesse modelo, portanto, (t) dependeria exclusivamente da populao, sendo mais ca justo escrever (t) = h(x(t)) . A funo h(x) assumiria um valor positivo em x = 0, correspondente a uma taxa de ca crescimento ideal da populao, sem limitao f ca ca sica alguma. Essa taxa decresceria continuamente com o aumento de x, ao ponto de se tornar negativa para x grande. Por exemplo, h(x) = a bx, com a e b positivos, satisfaz a essas exigncias. Neste e caso, ter amos a equao diferencial ca x (t) = x(t) (a bx(t)) ou, em notao compacta, ca x = x(a bx) . Poder amos resolver explicitamente esta equaao, mas achamos que ela se presta c muito mais a um exame qualitativo, do qual iremos falar na prxima Seo. o ca
217
18.3.5
Catenria a
J falamos mais de uma vez sobre a catenria, mas em nenhum momento justicamos a a porque uma corda (ou corrente) pendurada por dois pontos assume o formato de um cosseno hiperblico. o A deduo mais razovel passa por uma equao diferencial. Vejamos. ca a ca Em primeiro lugar, chamaremos de t a coordenada horizontal e de x a coordenada vertical no plano da corda, para manter a notao que usamos at este ca e comum o emprego de y e x ponto da exposio. E ca para essas variveis, de forma que a equao diferena ca cial se escreva como y = f (x, y), mas no o faremos a para evitar confuso. A origem das coordenadas ser a a colocada sobre o ponto de m nimo da corda.

Como estamos modelando uma corda parada, temos um equil brio de foras sobre a c corda, que podemos investigar. As foras existem realmente, porque h o peso da corda c a agindo verticalmente e as foras de tenso para contrabalanar. c a c Faremos a anlise desse equil a brio de foras sobre um segmento da corda, entre o c ponto (0, 0) e um ponto arbitrrio (t, x(t)) da corda, onde x(t) indica a funo cujo a ca grco coincide com seu formato. a Para se obter a fora peso agindo sobre esse pedao, preciso calcular seu compric c e mento e multiplicar pela densidade linear da corda (que suporemos constante e igual a um certo nmero ). O comprimento l(t) do grco de x(t) entre 0 e t dado pela u a e integral
t
l(t) =
0
1 + x (s)2 ds .
As foras de tenso agem no segmento tangencialmente ` corda. Estando j equic a a a libradas localmente no interior do segmento, restam as foras nos extremos. Em (0, 0) c uma fora horizontal, de intensidade f0 desconhecida. Em (t, x(t)) uma fora de e c e c intensidade f (t) desconhecida, inclinada com ngulo = (t) cuja tangente igual a a e x (t). Do equil brio de foras horizontal obtm-se c e f0 = f (t) cos e do equil brio vertical gl(t) = f (t)sen .
218
Dividindo a segunda equao pela primeira camos com ca tan = g l(t) . f0
J sabemos que tan = x (t) e que l(t) dado por uma integral. Derivando ambos os a e lados obtemos x (t) = c 1 + x (t)2 , onde c = g . Essa uma equao autnoma onde a funo incgnita x (t). e ca o ca o e f0 fcil ver que x (t) = senh(ct) soluo. Pois derivando mais uma vez obteremos E a e ca x (t) = c cosh(ct) e, por outro lado, 1 + senh2 (ct) = cosh2 (ct) = cosh(ct) .
Alm disso, x (t) = senh(ct) verica x (0) = 0, isto , a inclinao da corda zero no e e ca e ponto de m nimo. Agora basta integrar x (t) para obter x(t). Como x(0) = 0 ento a x(t) = 1 (cosh(ct) 1) . c
18.3.6
Escoamento de um copo furado
Neste exemplo, imagine um copo cheio dgua, com um buraco no fundo, por onde a a a gua escoa. Suponha que no instante t = 0 a altura do n da gua seja igual a h0 . vel a Como evolui com o tempo o n vel h da gua? Em quanto tempo o copo se esvaziar a a completamente? Se o copo tem um formato diferente, por exemplo, seu raio aumenta ou diminui conforme a altura, como se comporta a funo h(t)? ca Com algum grau de empirismo, poss e vel modelar o problema atravs de uma e equao diferencial. ca O dado emp rico refere-se ` taxa de sa de gua pelo buraco, medida em volume a da a por unidade de tempo. Espera-se primeiramente que ela seja proporcional ` rea do a a buraco (a qual chamaremos de a0 ), mas no, a princ a pio, da sua forma. Tambm no se e a espera, em primeira aproximao, que ela dependa do formato do copo. Por outro lado, ca ela deve ser proporcional ` velocidade da gua que sai do buraco. Essa sua velocidade, a a por sua vez, dependeria da altura h, como se a coluna de gua ca a sse dessa altura, alcanando uma velocidade da ordem de h (lembre-se que para um corpo em queda c livre, a partir do repouso, a velocidade proporcional ` raiz da distncia j percorrida). e a a a Ento a taxa de variao do volume do copo seria a ca V (t) = ca0 h(t) .
219
Por outro lado, o decrescimento do volume implica no decrescimento do n vel da a gua h. Observe, no entanto, que quanto maior for a rea da seo transversal ao copo a ca na altura h menor ser o decrescimento do n a vel, para uma mesma perda de volume. Ou pensando inversamente, se o copo for muito no ` altura h ento o n cair mais a a vel a rapidamente. Para quanticar isso, notemos que o volume de gua completamente determinado a e pelo n h atravs da funo vel e ca
h
V (h) =
0
A(u)du ,
onde A(h) a funo que d a rea da seo correspondente ` altura h. Pelo Teorema e ca a a ca a Fundamental do Clculo, a V (h) = A(h) . A funo V (t) resulta ento da funo h(t) pela relao ca a ca ca V (t) V (h(t)) . Logo, pela Regra da Cadeia, V (t) = V (h(t))h (t) = A(h(t))h (t) . Juntando com a equao emp ca rica acima, temos A(h(t))h (t) = ca0 h(t) ,
que uma equao diferencial autnoma, se a escrevermos na forma tradicional: e ca o h h = ca0 . A(h) O exemplo mais simples o copo reto, quer dizer, cujas sees horizontais tm todas e co e a mesma rea A. Neste caso, a equao se reduz a a ca h (t) = Tomando t0 = 0 e h(0) = h0 , temos
h(t) h0
ca0 A
h(t) .
1 dh = t , h
onde =
ca0 A .
O lado esquerdo pode ser integrado: 2( h(t) h0 ) = t ,
220
e h(t) pode ser isolado: h(t) = h0 t 2

2
Portanto h(t) uma funo quadrtica em t, que vale h0 em t = 0, e se anula no seu e ca a 2 h0 ponto de m nimo, t = .
18.3.7
Dada do Mtodo de Newton, quem f ? e e
Um problema terico que pode ser resolvido com o aux de equaes diferenciais o lio co separveis o de achar a funo f que, no Mtodo de Newton, gera uma dada funo a e ca e ca de iterao . Em outras palavras, dada a funo e sabendo-se que ca ca (x) = x f (x) , f (x)
achar f . Manipulando, obtemos a equao separvel ca a f (x) = 1 f (x) , x (x)
onde x faz o papel de t e f o papel de x. A equao s est denida fora dos pontos ca o a xos de , mas uma anlise criteriosa mostra que as solues muitas vezes se estendem a co continuamente a esses pontos ( um bom exerc e cio!).
18.3.8
Transferncia de calor e
Um corpo est em contato com um grande reservatrio, cuja temperatura uma funo a o e ca do tempo T (t). Seja x(t) a temperatura do corpo no instante t. A cada instante, a variao da temperatura do corpo proporcional ` diferena entre sua temperatura e a ca e a c temperatura do reservatrio. Equacionando: o x(t) = (T (t) x(t)) , onde uma constante positiva. e Aqui no se trata mais de uma equao autnoma, pois se escrevermos x = f (t, x) a ca o ento a f (t, x) = (T (t) x) . Esta equao tampouco separvel, mas ainda assim simples o suciente para ser ca e a e solvel. Ela se enquadra no conjunto das equaes do tipo u co x = a(t)x + b(t) ,
18.4. ENTENDIMENTO QUALITATIVO DE EQUACOES AUTONOMAS
221
cuja soluo discutiremos abaixo. ca O caso em que b(t) = 0 um caso particular de equao separvel, que tem soluo e ca a ca
t
x(t) = x0 exp{
t0
a(s)ds}
se x0 = x(t0 ). Para o problema am x = a(t)x + b(t), x(t0 ) = x0 , com soluo x(t), usamos um ca truque: examinamos a derivada de y(t) = x(t)e y(t) = x(t)e
t t0
t t0
a(s)ds
. Obtemos
t t0
a(s)ds
x(t)a(t)e
a(s)ds
porm substituindo x(t) por a(t)x(t) + b(t), camos com e y(t) = b(t)e e portanto
t
t t0
a(s)ds
y(t) = y(t0 ) +
t0
b(r)e
r t0
a(s)ds
dr .
Como y(t0 ) = x0 , obtemos a soluo ca x(t) = e

t t0
a(s)ds
x0 +
t0
b(r)e
r t0
a(s)ds
dr
A unicidade garantida pela unicidade da integrao de y com a condio y(t0 ) = x0 . e ca ca
18.4
Entendimento qualitativo de equaes autnomas co o
At agora no discutimos nada sobre a representao grca das solues de uma equao e a ca a co ca diferencial, mas naturalmente o mais bvio desenharmos o grco da soluo x(t). O o e a ca que veremos nesta Seo que muito fcil desenharmos o esboo de algumas solues ca e e a c co (variando a condio inicial) de equaes autnomas, sem resolv-las! ca co o e Para comear, vimos que se x uma singularidade da equao autnoma x = X(x), c e ca o ento x(t) x soluo. Num diagrama em que coloquemos t na abscissa e x na a e ca ordenada, esse tipo de soluo uma linha reta horizontal ` altura de x . Portanto ca e a as primeiras solues que podemos identicar na equao so essas solues constantes, co ca a co cada uma correspondendo a um zero da funo X. ca Em cada intervalo entre duas singularidades e nos intervalos entre a ultima sin gularidade e o innito, o sinal de X no muda, pois se mudasse haveria uma outra a
222
singularidade no intervalo, pelo Teorema de Bolzano. Seja I um intervalo desses, e suponha que x(t) est em I. Como X(x(t)) = x(t), ento o sinal de x(t) o mesmo que o a a e sinal de X(x(t)), e esse sinal sempre o mesmo enquanto x(t) estiver em I. e Como as solues no cruzam as singularidades (isto garantido por um Teorema, co a e se X for derivvel e com derivada cont a nua), uma soluo x(t) est sempre connada a ca a um mesmo intervalo, o que implica que o sinal de x(t) sempre o mesmo, para todo t. e O que o mesmo que dizer que x(t) ou crescente ou decrescente, e uma ou outra e e e opo ser determinada pelo sinal de X no intervalo onde est connada a soluo. ca a a ca Na gura abaixo, por exemplo, ilustramos esquematicamente uma funo (arbitrria) ca a , x , x e x . A funo negativa ` esquerda de x X(x), com quatro singularidades x1 2 3 ca e a 4 1 e entre x e x , e positiva ` direita de x e nos intervalos entre x e x e entre x e x . a 3 4 4 1 2 2 3
X(x)
x* 1
x* 2
x
x* 3
x* 4
O diagrama abaixo ilustra algumas solues (uma para cada intervalo). co
As solues so assintticas, para t indo a mais ou menos innito, `s singularidades co a o a (de fato, em equaes autnomas, as solues no podem ser assintticas a pontos que co o co a o no sejam singularidades). a Uma maneira mais compacta de se representar qualitativamente o comportamento das solues dessa equao diferencial usando um diagrama onde s entra a reta dos co ca e o xs, como mostra a gura abaixo. As setas entre as singularidades indicam para que lado as solues naquele intervalo tendem quando t tende a innito. co
x* 4 x* 3 x* 2 t x* 1
18.5. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS
223
x* 1
x* 2
x* 3
x* 4
Assim ca fcil, por exemplo, entender a equao de crescimento populacional a ca x = x(a bx) . Como essa equao s faz sentido para x 0, nos restringiremos a essa regio. Nessa ca o a = 0 e x = a . Isso regio, a funo X(x) = x(a bx) tem duas singularidades: x1 a ca 2 b signica que a populao nula e a populao igual a x so solues de equil ca ca a co brio. 2 Entre as duas, X(x) positiva e ` direita de x a funo X(x) negativa. Isso e a ca e 2 signica que se a populao inicial est abaixo da populao de equil ca a ca brio ento tena der a aumentar assintoticamente at o equil a e brio x . E se comear acima decrescer c a 2 assintoticamente at o mesmo equil e brio.
18.5
Equaes diferenciais com mais variveis co a
Existem tambm os chamados sistemas de equaes diferenciais (de primeira ordem), e co que envolvem simultaneamente duas ou mais funes e suas respectivas primeiras derico vadas. Por exemplo, x = 3x2 y + 3 . y = sin x + yx3 Neste caso, achar uma soluo para o sistema signica encontrar duas funes x(t) e ca co y(t) que simultaneamente veriquem x(t) = 3x(t)2 y(t) + 3 y(t) = sin x(t) + y(t)x(t)3 .
Esse tipo de problema parece ser bastante rido ` primeira vista, mas se torna mais a a atraente se o interpretarmos do ponto de vista geomtrico. e Podemos olhar as funes x(t) e y(t) como as coordeco nadas de uma curva : t (x(t), y(t)) no plano xy. A derivada da curva , dada por (t) = (x(t), y(t)), representa o vetor tangente ` curva. O sistema de a equaes diferenciais diz ento que, em cada instante co a t, o vetor tangente ` curva (t) dado por (t) = a (x(t), y(t)) tem que ser exatamente igual ao vetor (3x(t)2 y(t) + 3, sin x(t) + y(t)x(t)3 ).
y
. (t) x (t)=(x(t),y(t))
224
Perceba que esse sistema de equaes diferenciais j xa, para cada ponto (x, y), co a qual ser o vetor tangente de uma soluo que por ali passar em algum instante: (3x2 a ca y + 3, sin x + yx3 ). Essa funo que associa para cada ponto um vetor (que deve ser ca sempre tangente `s solues do sistema) chamada de campo de vetores. Uma maneira a co e de esboar um campo de vetores mostrando os vetores correspondentes a alguns pontos c e do plano (x, y).
Para um sistema de equaes diferenciais como esse tambm podemos estabelecer o co e problema de Cauchy: dado um ponto (x0 , y0 ) e um instante t0 achar uma soluo (t) ca tal que (t0 ) = (x0 , y0 ). Modelos de crescimento populacional envolvendo mais do que uma espcie so um e a t pico exemplo de sistemas de equaes diferenciais. Cada varivel do sistema representa co a a populao de uma espcie. Por exemplo, se x(t) for a populao de tartarugas e y(t) ca e ca for a populao de jacars, podemos tecer as seguintes consideraes. Em primeiro ca e co lugar, a populao de tartarugas no precisa dos jacars para sobreviver, mas tem suas ca a e limitaes de espao e alimento usuais. Como na Subseo 18.3.4, a taxa de crescimento co c ca proporcional da populao uma funo parecida com ABx(t), mas deve-se descontar ca e ca um termo tanto maior quanto maior for a populao de jacars, por exemplo Cy(t). ca e Ento ter a amos x (t) = A Bx(t) Cy(t) . x(t) Por outro lado, supondo que os jacars precisem se alimentar das tartarugas para soe breviverem, sua taxa de crescimento proporcional na ausncia de tartarugas negativa, e e e ser mais negativa ainda se sua populao for muito grande, tambm por problemas a ca e relativos ` limitao do espao. Por outro lado, quanto maior for a populao de tara ca c ca tarugas, mais facilidade a populao ter para crescer. Dessas consideraes, razovel ca a co e a supor que y (t) = D Ey(t) + F x(t) . y(t)
18.5. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS Juntando tudo, camos com o sistema x = (A Bx Cy)x y = (D Ey + F x)y .
225
E claro que todo esse racioc hipottico, pois carece de dados reais. No entanto, nio e e cada situao onde duas ou mais espcies se inuenciam mutuamente, seja numa relao ca e ca predador-presa seja numa relao de competio pelo mesmo alimento ou espao, esse ca ca c tipo de modelagem pode ser feito. Outra classe de exemplos relevante vem das equaes diferenciais de segunda ordem co (isto , que envolvem a segunda derivada), por exemplo, qualquer equao do tipo e ca x = (x, x). Com um pequeno truque podemos transformar essa equao num sistema ca de duas equaes de primeira ordem. Basta denir uma segunda varivel (na verdade, co a uma segunda funo do tempo) v(t) = x(t), de forma que x(t) = v(t). Ento camos ca a com as duas equaes co x = v , v = (x, v) onde a primeira equao vem simplesmente da denio de v. ca ca Por exemplo, tomemos a equao do pndulo ca e g = sen . l Chamando (t) = (t), camos com = = g sen l .
226
Cap tulo 19
Soluo numrica de equaes ca e co diferenciais

Neste Cap tulo estudaremos algumas maneiras de se resolver numericamente uma equao ca diferencial do tipo x = f (t, x), e veremos no nal como generalizar as idias para di e menses mais altas. o
19.1
Equaes separveis co a
Para comear, veremos nesta Seo que j dispomos dos mtodos necessrios para resolc ca a e a vermos as equaes separveis. Os mtodos propostos posteriormente sero, entretanto, co a e a muito mais gerais e, inclusive, mais prticos. a Como vimos no Cap tulo anterior, se x = g(t)X(x) for a equao, F for uma primitiva ca 1 de X e G for uma primitiva de g, ento a x(t) = F 1 (F (x0 ) + G(t) G(t0 )) . Acontece que nem sempre poss obter integrais expl e vel citas, e aqui temos que resolver duas. Resolvendo ou no, uma delas ainda ter que ser invertida, o que tambm dif a a e e cil ou imposs vel, na maioria dos casos. Todos esses problemas poderiam ser solucionados numericamente. A primitiva de g pode ser denida como
t
G(t) =
t0
g(s)ds ,
1 X
de forma que G(t0 ) = 0 e, da mesma forma, a primitiva de como x 1 F (x) = du , x0 X(u) 227
se dene naturalmente
228
CAP ITULO 19. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS
resultando em F (x0 ) = 0, e portanto x(t) = F 1 (G(t)) . As duas primitivas podem ser obtidas nos pontos que se quiser, usando os mtodos de e integrao numrica discutidos na Parte V. J ao problema de inverso da funo F ca e a a ca pode-se aplicar o Mtodo de Newton. e Para sermos mais precisos, imagine que queiramos calcular x(t) num determinado instante t, e todas as operaes mencionadas acima tenham que ser feitas numericamente. co Em primeiro lugar, calculamos G(t) usando integrao numrica (com a melhor preciso ca e a poss vel, claro), e depois teremos que achar x(t) tal que e F (x(t)) = G(t) , tomando-se os cuidados necessrios para que seja buscada a soluo que nos interessa. a ca Ou seja, x(t) soluo da equao e ca ca f (x) = F (x) G(t) = 0 . Como F (x) =
1 X(x) ,
a funo de iterao para o Mtodo de Newton ca ca ca e (x) = x X(x) (F (x) G(t)) .
Com um palpite inicial x0 temos que iterar a funo , de forma a obter x1 , x2 , etc, at ca e chegar prximo ` raiz com a preciso desejada. Ento o a a a
xk
xk+1 = xk X(xk ) G(t) +

x0
1 du X(u)
isto , em cada etapa da iterao preciso estimar F (xk ) usando algum mtodo de e ca e e integrao numrica. O erro pode, em tese, ser controlado, usando-se estimativas de ca e erro das duas integraes e tambm do Mtodo de Newton. co e e Se o procedimento acima for implementado no computador e x(t) for calculado para vrios valores de t, em seqncia, o melhor palpite para a condio inicial x0 do Mtodo a ue ca e de Newton o valor de x(t) obtido na etapa anterior, pois a funo x(t) cont e ca e nua.
19.2
Discretizao ca
O fundamento da soluo numrica de equaes diferenciais x = f (t, x) a discretizao ca e co e ca da varivel t. Se [a, b] o intervalo onde gostar a e amos de achar a soluo x(t) ento ca a dividimos esse intervalo com uma partio regular ca a = t0 < t1 < t2 < . . . < tn1 < tn = b ,
19.2. DISCRETIZACAO
229
onde a diferena entre pontos sucessivos igual a h (o chamado passo). Determinar c e numericamente a funo x(t) signica achar, com preciso sucientemente boa, os ca a valores x0 = x(t0 ), x1 = x(t1 ), . . ., xn = x(tn ). Em suma, a soluo numrica de uma equao diferencial peca, inevitavelmente, pela ca e ca impreciso em t, pois os valores de x(t) so calculados somente para uma quantidade a a nita de valores de t, e pela impreciso na determinao de x(t), sendo que ambas podem a ca ser minimizadas, segundo os mtodos propostos abaixo, pela reduo do passo h. Ao e ca mesmo tempo esta , para muitos propsitos, a melhor alternativa dispon e o vel, visto que a maioria das equaes diferenciais no admite soluo expl co a ca cita, em termos de funes co elementares. Em todos os mtodos, obteremos a soluo numrica por recorrncia. A condio e ca e e ca inicial x0 = x(t0 ) dada (seno no h sentido no problema, uma vez que existe uma e a a a innidade de solues da mesma equao), e a partir dela obter-se-o, em sucesso, os co ca a a valores de x1 , x2 , etc. Como tk+1 = tk + h (para k = 0, . . . , n 1), a estimativa de xk+1 = x(tk+1 ) pode ser obtida a partir da estimativa de xk = x(tk ) por meio de uma expanso em Taylor. a Para simplicar a notao, denotaremos tk por t, a partir de agora, e xk por x(t), ou `s ca a vezes simplesmente por x. Ento a x(t + h) = x(t) + x (t)h + 1 (m) 1 x (t)h2 + . . . + x (t)hm + o(hm ) , 2! m!
onde o(hm ) denota o resto da expanso, que vai a zero quando h tende a zero mesmo se a m (tipicamente, termos de ordem m + 1 ou mais). E claro que a funo dividido por h ca precisa ser diferencivel at ordem m para valer essa expresso, mas em geral esse o a e a e caso. A expresso signica que, quanto menor for h, melhor o polinmio em h (sem o a o resto) aproximar x(t + h). Alm disso, geralmente mas nem sempre, quanto maior for a e m melhor ser a aproximao e, principalmente, mais efetiva se tornar a reduo de h a ca a ca como instrumento para melhorar a preciso de x(t + h) atravs do polinmio. a e o As derivadas de x(t) se relacionam com as derivadas de f atravs da equao difee ca rencial, s que f uma funo de duas variveis, t e x. Por exemplo, da prpria equao o e ca a o ca temos a igualdade x (t) = f (t, x(t)). Quanto ` segunda derivada temos a d f f f (t, x(t)) = (t, x(t)) + x (t) (t, x(t)) , dt t x pela Regra da Cadeia aplicada a funes de duas variveis, e portanto co a x (t) = f f (t, x(t)) + f (t, x(t)) (t, x(t)) . t t Aqui vale, antes de prosseguirmos, simplicar a notao. Na maioria dos casos, as ca derivadas de x sero calculadas em t, e todas as derivadas parciais de f , de qualquer a x (t) =
230
ordem, em (t, x(t)). Assim, s indicaremos explicitamente o ponto onde esto sendo o a calculadas as funes e suas derivadas se esses pontos no forem t e x(t). Nessa notao, co a ca teremos f f x = +f . t x Para simplicarmos mais ainda, denotaremos as derivadas parciais de f com um sub ndice. Por exemplo, 2f . ftx = tx Na hiptese de que f seja uma funo de classe C 2 (jargo matemtico para dizer que f o ca a a tem derivadas parciais at segunda ordem, e cont e nuas), ento um teorema (o Teorema a de Schwarz) garante que a ordem das derivadas parciais pode ser trocada, de forma que podemos trocar ftx por fxt , ou ainda fttx por fxtt ou ftxt . Segue dessas consideraes que a expresso de x(t + h) pode ser escrita, at a ordem co a e desejada, inteiramente em funo de f e de suas derivadas parciais. Neste Cap ca tulo, iremos tecer consideraes somente at ordem 4, mesmo assim precisaremos da expresso co e a de x e x . Para obter x temos que derivar em relao a t a expresso de x , ca a lembrando sempre que cada derivada parcial de f tambm depende de (t, x(t)), e que a e regra da Cadeia deve ser usada. Ento, como x = ft + f fx , obtemos a x = ftt + f ftx + (ft + f fx )fx + f (fxt + f fxx ) e, reagrupando os termos, x = ft fx + f (fx )2 + ftt + 2f ftx + f 2 fxx ,
2 onde fx denota (fx )2 e no a derivada em relao a x de f composta com si mesma. a ca Sugere-se fortemente ao leitor que verique essa conta, e em seguida que verique que
2 3 = ft fx + f fx +
+fx ftt + 3ft ftx + 5f fx ftx + 3f ft fxx + 4f 2 fx fxx + fttt + 3f fttx + 3f 2 ftxx + f 3 fxxx . Ao leitor assustado com o tamanho das expresses recomenda-se pacincia: ao nal, o e todos os algoritmos que derivaro desta linha de racioc a nio sero extremamente sima ples! Veremos nas prximas Sees de que maneira podemos implementar as idias ora o co e expostas, e suas poss veis variaes. co
19.3
O Mtodo de Euler e
O Mtodo de Euler consiste em tomar a aproximao de primeira ordem de x(t + h): e ca x(t + h) = x(t) + x (t)h + o(h) .
19.3. O METODO DE EULER
231
O resto o(h) indica que o erro em tomar essa aproximao ser, em geral, da ordem de ca a 2 ou mais. h Como x = f , o Mtodo sugere que, na prtica, obtenhamos xk+1 = x(tk+1 ) = e a x(tk + h) como xk+1 = xk + f (tk , xk )h . A iterao a partir de x0 acumular um erro da ordem de h2 em cada etapa, podendo ca a 2 . Como n = ba , ento o erro acumulado ser da ordem acumular ao nal um erro de nh a a h de (b a)h. A t tulo de ilustrao, vejamos um exemplo cuja soluo exata conhecida. Tomemos ca ca e a equao separvel x = 3t2 x, no intervalo [0, 1], com x(0) = 2. Para achar a soluo ca a ca expl cita, temos que isolar x(t) em
x(t) 2
1 du = u
3s2 ds ,
0
isto , e log x(t) log 2 = t3 . Ento x(t) = 2et . a Compararemos essa soluo exata com a soluo obtida pelo Mtodo de Euler com ca ca e passo h = 0.1. Antes de apresentar o resultado, calculemos os primeiros valores xk com cuidado, para xarmos melhor o entendimento do mtodo. e Temos x1 = x0 + f (t0 , x0 )h , com t0 = 0, x0 = 2 e f (t, x) = 3t2 x. Portanto x1 = x0 = 2. Depois, temos x2 = x1 + f (t1 , x1 )h = x1 3t2 x1 h , 1 de forma que substituindo os valores conseguimos x2 = 2 3 0.12 2 0.1 = 2 6 103 = 1.994 . O resultado est na tabela abaixo, arredondados para 3 casas decimais depois de obtido a cada xk .
3
232
k 0 1 2 3 4 5 6 7 8 9 10
tk 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
xk 2.000 2.000 1.994 1.970 1.917 1.825 1.688 1.506 1.285 1.038 0.786
2etk 2.000 1.998 1.984 1.947 1.876 1.765 1.611 1.419 1.199 0.965 0.736
O maior erro cometido em relao ` soluo verdadeira ca a ca ocorreu em tk = 0.7 (1.506 1.419 = 0.087), mas no a preciso tomar chegou a 0.1, o tamanho do passo. E cuidado com a avaliao do erro, pois sabemos apenas ca que ele pode ser da ordem de h, mas isso signica apenas que ele menor do que uma constante vezes e h. Essa constante pode ser muito grande, de forma que a informao no suciente para estimar o erro. ca a e No entanto, ela diz que, se reduzirmos h ento o erro a mximo se reduzir proporcionalmente. a a
Por exemplo, vejamos o que resulta da mesma equao com passo igual a 0.05, com ca quatro casas decimais. k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 tk 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95 1.00 xk 2.0000 2.0000 1.9993 1.9963 1.9896 1.9777 1.9592 1.9326 1.8971 1.8516 1.7954 1.7281 1.6497 1.5606 1.4617 1.3543 1.2400 1.1210 0.9995 0.8781 0.7592 2etk 2.0000 1.9998 1.9980 1.9933 1.9841 1.9690 1.9467 1.9161 1.8760 1.8258 1.7650 1.6935 1.6115 1.5197 1.4193 1.3116 1.1986 1.0822 0.9648 0.8485 0.7358
3
19.4. INDO PARA SEGUNDA ORDEM
233
A maior diferena em relao ao valor verdadeiro no passou de 0.043, em tk = 0.75, c ca a que metade da discrepncia obtida com passo igual a 0.1. e a Exerc cio. Considere a equao diferencial x = x2 sent, com a condio inicial ca ca x(0) = 1. Obtenha uma discretizao/aproximao da soluo usando o Mtodo de ca ca ca e Euler de primeira ordem, no intervalo [0, 0.6], com passo h = 0.1.
19.4
Indo para segunda ordem
Para que a reduo de h seja mais eciente preciso fazer com que a ordem de grandeza ca e do erro dependa de h elevado a uma potncia mais alta. Para isso, preciso ir alm da e e e aproximao de primeira ordem em x(t+h). Consideremos, por exemplo, a aproximao ca ca de segunda ordem: 1 x(t + h) x + x h + x h2 , 2 onde x = f e x = ft + f fx . Ento, ainda no exemplo x = 3t2 x, temos f (t, x) = 3t2 x, ft (t, x) = 6tx e a fx (t, x) = 3t2 . Substituindo essas expresses, com a notao x(t + h) = xk+1 , x = xk , o ca t = tk , obtemos a relao de recorrncia ca e 3 xk+1 = xk + 3tk xk h tk h + t3 h 2 k .
O erro mximo cometido em cada iterao da ordem de h3 , portanto o erro mximo a ca e a 2 . Isso signica que a acumulado ao longo de todo o intervalo da ordem de (b a)h e reduo do passo pela metade provoca reduo no erro da ordem de quatro vezes. ca ca Exerc cio. Use a relao de recorrncia acima com passo 0.1, a partir da mesma ca e condio inicial x(0) = 2 e compare com os resultados obtidos anteriormente. ca Apesar da vantagem em relao ` preciso, ao passar para segunda ordem acabamos ca a a por nos envolver com uma funo de iterao muito mais complicada, apesar de a exca ca presso de f (t, x) ser muito simples. Vrios fatores contribuem para isso: as expresses a a o das derivadas parciais de f e a combinao da frmula, que envolve vrios termos. Indo ca o a para ordem ainda mais alta essas complicaes aumentam bastante e exigem, da parte co do programador, o clculo de todas as derivadas parciais envolvidas e a montagem das a frmulas. o O que faremos no restante desta Seo explorar uma observao a respeito da ca e ca expanso de x(t + h) at segunda ordem, que nos permitir implementar um mtodo a e a e computacionalmente mais simples. Na Seo seguinte veremos como esse mtodo pode ca e ser generalizado inclusive para ordens mais altas, sem expressivo acrscimo da complee xidade algor tmica, embora a deduo do algoritmo propriamente dito possa car cada ca
234
vez mais complicada. Essa abordagem conhecida como Mtodo de Runge-Kutta de e e integrao das equaes diferenciais. ca co Estamos interessados na diferena x(t + h) x(t), dada por c 1 x(t + h) x(t) = hf + h2 (ft + f fx ) + o(h2 ) , 2 que escreveremos assim: 1 x(t + h) x(t) = h f + (hft + hf fx ) + o(h2 ) . 2 Ento reparamos que o termo hft + hf fx tem certa semelhana com a expanso da a c a funo de duas variveis f (t, x) at primeira ordem: ca a e f (t + t, x + x) = f (t, x) + ft (t, x)t + fx (t, x)x + o(t, t) , onde o(t, x) denota um termo (o resto) muito menor do que a norma de (t, x), isto , muito menor do que t2 + x2 . Muito menor signica que esse termo, quando e dividido por t2 + x2 , vai a zero, se t2 + x2 vai a zero. Logo, se tomarmos t = h e x = hf ento teremos a f (t + h, x + hf ) f (t, x) = hft (t, x) + hf (t, x)fx (t, x) + o(h) , pois t2 + x2 = h 1 + f 2 . Na notao compacta que propusemos, temos ca hft + hf fx = f (t + h, x + hf ) f + o(h) . Portanto x(t + h) x(t) = h f + 1 (f (t + h, x + hf ) f ) + o(h2 ) 2
(a soma de dois termos o(h2 ) um termo o(h2 )). Ou seja, e x(t + h) x(t) = h (f (t, x) + f (t + h, x + hf )) . 2
Vejamos como isso se d na prtica, ao passarmos de xk para xk+1 . Pensando em a a termos de algoritmo, temos que calcular 1 = f (tk , xk ) e, tomando esse valor de 1 , calcular 2 = f (tk + h, xk + h1 ) . Assim xk+1 = xk + h (1 + 2 ) . 2
19.5. RUNGE-KUTTA
235
A vantagem desse mtodo que no precisamos calcular derivadas parciais de f , e o e e a algoritmo ca consideravelmente mais simples. Apenas calculamos 1 (que o valor de e f no ponto (tk , xk )), e depois usamos 1 para calcular outro valor de f , desta feita no ponto (tk + h, xk + h1 ). O acrscimo em xk para se chegar a xk+1 ser a mdia desses e a e dois valores, multiplicada pelo passo h. Na tabela abaixo fazemos esse algoritmo, com o problema x = 3t2 x, x(0) = 2, no intervalo [0, 1]. Usando o passo h = 0.1, a coluna 1 signica 1 = 3t2 xk k e a coluna 2 signica 2 = 3t2 (xk + h1 ) , k+1 pois tk + h = tk+1 . k 0 1 2 3 4 5 6 7 8 9 10 tk 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 2etk 2.0000 1.9980 1.9841 1.9467 1.8760 1.7650 1.6115 1.4193 1.1986 0.96478 0.73576
3
h xk 1 2 2 (1 + 2 ) 2.0000 0 .060000 0.0030000 1.9970 0.059910 0.23892 0.014942 1.9821 0.23785 0.52875 0.038330 1.9438 0.52483 0.90783 0.071633 1.8722 0.89866 1.3368 0.11177 1.7604 1.3203 1.7586 0.15395 1.6065 1.7350 2.1065 0.19208 1.4144 2.0792 2.3164 0.21978 1.1946 2.2936 2.3455 0.23196 0.96264 2.3392 2.1862 0.22627 0.73637
Observamos que a diferena para o valor correto foi de, no mximo, 0.005. c a
19.5
Runge-Kutta
O mtodo de Runge-Kutta uma generalizao do algoritmo que desenvolvemos em e e ca segunda ordem, para que no seja preciso calcular derivadas parciais de f , e vale para a qualquer ordem m. Pensando na passagem de xk para xk+1 a idia escrever e e x(t + h) x(t) = h(1 1 + 2 2 + . . . + m m ) ,
236 onde
1 = f (tk , xk ) , 2 = f (tk + a1 h, xk + b1 1 h) , 3 = f (tk + a2 h, xk + b2 2 h) , . . . . . . . . . m = f (tk + am1 h, xk + bm1 m1 h) . Ou seja, dentro de cada etapa k preciso fazer uma recorrncia de tamanho m, onde e e cada i (i 2) calculado em funo de i1 , partindo de 1 = f (tk , xk ). e ca Na Seo anterior, t ca nhamos m = 2, 1 = 2 = 1 e a1 = b1 = 1. Agora considerare2 mos o caso m = 3, e tentaremos determinar as constantes 1 , 2 e 3 , assim como a1 , b1 , a2 e b2 . Ao nal, veremos que existe uma certa liberdade na escolha dessas constantes. A maneira de se organizar para uma tarefa dessas a seguinte. Desenvolveremos os e dois lados da equao ca x(t + h) x(t) = 1 1 + 2 2 + 3 3 h at ordem 2 em h (seria ordem 3, mas estamos dividindo tudo por h), e obteremos vrios e a termos envolvendo derivadas parciais de f . Como ocorre com polinmios, preciso o e haver igualdade termo a termo. Cada uma dessas igualdades ser uma equao onde as a ca incgnitas so as constantes procuradas, e o problema car reduzido ` resoluo desse o a a a ca sistema (no linear) de equaes. a co O lado esquerdo da equao mais conhecido: ca e x(t + h) x(t) 1 1 = x + x h + x h2 + o(h2 ) , h 2 6 onde as expresses de x , x e x j foram deduzidas na Seo 19.2. Introduzindo essas o a ca expresses, camos 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 . 2 2 6 6 6 3 6 Os termos esto separados um a um, propositalmente, porque isso tornar mais fcil a a a a comparao com o outro lado da equao. ca ca Com relao ao outro lado, preciso calcular 1 , 2 e 3 , at ordem h2 . J sabemos ca e e a que 1 = f . E sabendo i calculamos i+1 por i+1 = f (t + ai h, x + bi i h) .
19.5. RUNGE-KUTTA Expandindo f at segunda ordem, obtemos e i+1 = f (t + ai h, x + bi i h) =
237
1 1 = f + (ai h)ft + (bi i h)fx + (ai h)2 ftt + (ai h)(bi i h)ftx + (bi i h)2 fxx + o(h2 ) . 2 2 Por outro lado, i j foi calculado de maneira semelhante, e sua expresso deveria ser a a substitu na expresso de i+1 . da a No caso m = 3, temos 1 = f , portanto 2 = f (t + a1 h, 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 expresso de 3 mais complicada, pois devemos substituir a expresso de 2 a a e a em cada lugar onde aparece. Por sorte, podemos desprezar os termos que tenha ordem mais alta do que h2 . Por exemplo, b2 h2 fx = b2 h(f + a1 hft + b1 hf fx )fx + o(h2 ) , uma vez que os termos com h2 , quando multiplicados por h, cam h3 , isto , so termos e a 2 ). H outros dois termos a expandir: o(h a a2 b2 h2 2 ftx = a2 b2 h2 f ftx + o(h2 ) e 1 2 2 2 1 b h fxx = b2 h2 f 2 fxx + o(h2 ) . 2 2 2 2 2 Ento a
2 3 = 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 ) . 2 2 2 2
Finalmente, podemos reunir 1 1 + 2 2 + 3 x3 , e conseguiremos uma soma com os seguintes termos: (1 + 2 + 3 )f , (2 a1 + 3 a2 )hft , (2 b1 + 3 b2 )hf fx , 3 a1 b2 h2 ft fx , 2 3 b1 b2 h2 f fx , 1 (2 a2 + 3 a2 )h2 ftt , (2 a1 b1 + 3 a2 b2 )h2 f ftx e (2 b2 + 3 b2 )h2 f 2 fxx . 1 2 1 2 2 Da comparao termo a termo com a expanso de ca a x(t + h) x(t) , h
238
que corresponde ao lado esquerdo da equao, obtemos as seguintes equaes: ca co f: hft : hf fx : h2 ft fx :

2 h2 f fx :
h2 ftt : h2 f ftx : h2 f 2 fxx :
1 1 2 1 2 1 6 1 6 1 6 1 3 1 6
= 1 + 2 + 3 = 2 a1 + 3 a2 = 2 b1 + 3 b2 = 3 a1 b2 = 3 b1 b2 = 1 (2 a2 + 3 a2 ) 1 2 2 1 (2 b2 + 3 b2 ) 1 2 2
(19.1) (19.2) (19.3) (19.4) (19.5) (19.6) (19.7) (19.8)
= 2 a1 b1 + 3 a2 b2 =
A primeira equao a unica que envolve 1 , assim 1 car determinado assim que ca e a 2 e 3 forem determinados. Da quarta e da quinta equaes tiramos imediatamente co que a1 = b1 . Levando isso em conta na sexta e na stima equaes resulta que tambm e co e a2 = b2 . Com isso, as trs ultimas equaes se tornam idnticas, a quarta e a quinta e co e tambm, e a segunda e a terceira idem. Em resumo, camos com trs equaes nas e e co quatro incgnitas a1 , a2 , 2 e 3 : o 1 2 1 6 1 3 = 2 a1 + 3 a2 = 3 a1 a2 = 2 a2 + 3 a2 1 2
Havendo uma incgnita a mais do que o nmero de equaes, abre-se a possibilidade o u co para a existncia de uma innidade de solues. Podemos escolher um valor para a2 , e co por exemplo, mas algumas escolhas podem tornar o sistema imposs vel. No entanto, saberemos como escolher se tratarmos a2 como uma constante, em vez de uma incgnita. o 1 Da segunda equao 2 a2 = 6a1 colocada na primeira obtemos ca 2 a1 + Multiplicando por a1 resulta 2 a2 = 1 1 1 = . 6a1 2 a1 1 , 2 6
19.5. RUNGE-KUTTA que junto com a segunda pode ser substitu na terceira equao, levando a da ca 3a2 3a1 + a2 = 0 , 1 depois de mais uma multiplicao por a1 e simplicaes. Ento ca co a a1 = 3 9 12a2 . 6
239
Se tomarmos a2 = 3 teremos necessariamente que a1 = 1 . Com esses valores, obtemos 4 2 4 3 = 9 , 2 = 2 e 1 = 2 . 9 9 A concluso que o Mtodo de Runge-Kutta pode ser aplicado com a e e x(t + h) x(t) = h (21 + 32 + 43 ) + o(h3 ) , 9
1 onde 1 = f (t, x), 2 = f (t + 2 h, x + 1 1 h) e 3 = f (t + 3 h, x + 3 2 h). 2 4 4
Exerc cio. Use o algoritmo de Runge-Kutta de ordem 3 deduzido acima na equao ca diferencial separvel x = 3t2 x, x(0) = 2. Aumente o nmero de algarismos signicaa u tivos. De preferncia, crie um programa de computador para testar os algoritmos. e
1 Exerc cio. Na Seo anterior, obtivemos m = 2, 1 = 2 = 2 e a1 = b1 = 1 para o ca Mtodo de Runge-Kutta de ordem 2. No entanto, como vimos em ordem 3, pode haver e outras maneiras de implement-lo, pois as equaes que determinam a escolha dos i s, a co ai s e bi s tm mais do que uma soluo. Baseando-se no racioc e ca nio feito em ordem 3, ache todas as poss veis implementaes do Mtodo de Runge-Kutta em ordem 2. co e
Exerc cio. Considere a equao x = ex t, com a condio inicial x(0) = 1. Obtenha ca ca uma discretizao/aproximao da soluo em [0, 0.5], usando o Mtodo de Runge-Kutta ca ca ca e de segunda ordem. Exerc cio. Considere a mesma equao e a mesma condio inicial do Exerc ca ca cio anterior. Aproveite o fato de ser uma equao separvel para obter x(0.5) usando o Mtodo ca a e de Newton e o Mtodo de Simpson combinados. Para o Mtodo de Newton, use condio e e ca inicial igual a 1 e calcule 3 iterados posteriores. Para o Mtodo de Simpson use n = 4. e Discuta o erro envolvido ao se resolver a equao dessa maneira, da melhor forma que ca voc puder. Compare com o resultado da questo anterior. e a Exerc cio. O algoritmo de Runge-Kutta de ordem 4 pode ser deduzido de forma anloga. a Para isso preciso fazer as contas com muito cuidado. Tente partir da suposio de que e ca x(t + h) x(t) = h(1 + 2 + 3 + 4 ) + o(h4 ) ,
240 onde
1 = f (t, x) , 2 = f (t + bh, x + b1 h) , 3 = f (t + ch, x + c2 h) , 4 = f (t + dh, x + d3 h) , e mostre que essas constantes podem assumir os seguintes valores: = 1 , = 2 , = 2 , 6 6 6 = 1 , b = 1 , c = 1 e d = 1. 6 2 2 Exerc cio. Implemente o Mtodo de Runge-Kutta de ordem 4 no computador. e
19.6
Runge-Kutta em sistemas de equaes autnomas co o
A resoluo numrica de um sistema de equaes autnomas muito semelhante ao ca e co o e que j zemos antes. Desenvolveremos o Mtodo de Runge-Kutta de ordem 2 para um a e sistema de duas equaes, e o leitor ver que o Mtodo pode ser aplicado a qualquer co a e tipo de sistema de equaes diferenciais, autnomas ou no, em qualquer ordem, tudo co o a dependendo de se deduzir o algoritmo convenientemente. H atualmente muitos prograa mas de computador com os algoritmos j implementados, bastando ao usurio somente a a digitar as equaes. Outros algoritmos mais nos so tambm usados, para minimizar co a e ainda mais os erros, principalmente quando se trata de integrar a equao diferencial ca em grandes intervalos de tempo. E recomendvel, no entanto, saber minimamente como a eles funcionam. Suponha que queiramos integrar o sistema de equaes diferenciais co x y At segunda ordem, temos e x(t + h) x(t) = hx + h x + o(h2 ) 2 2 y(t + h) y(t) = hy + h y + o(h2 ) 2 Como x = f e y = g, ento a x = x fx + y fy = f fx + gfy e y = x gx + y gy = f gx + ggy .
2
= f (x, y) = g(x, y)
19.6. RUNGE-KUTTA EM SISTEMAS DE EQUACOES AUTONOMAS Ento a
241
x(t + h) x(t) = h f + 1 (hf fx + hgfy ) + o(h2 ) 2 y(t + h) y(t) = h g + 1 (hf gx + hggy ) + o(h2 ) 2 hf fx + hgfy = f (x + f h, y + gh) f (x, y) + o(h)
Mas e hf gx + hggy = g(x + f h, y + gh) f (x, y) + o(h) . Portanto x(t + h) x(t) = y(t + h) y(t) =
h 2 h 2
(f (x, y) + f (x + f h, y + gh)) + o(h2 ) (g(x, y) + g(x + f h, y + gh)) + o(h2 )
Exerc cio. Considere o sistema de equaes diferenciais co x = x2 + y 1 y = 1+x Se x(0) = 0.5 e y(0) = 0.2, estime t > 0 necessrio para que a soluo (x(t), y(t)) a ca cruze o eixo y, usando o Mtodo de Euler de primeira ordem com passo 0.1. e Exerc cio. Deduzir o Mtodo de Runge-Kutta de ordem 4 para sistemas autnomos de e o duas equaes. co Exerc cio. Usar os Mtodos de Runge-Kutta para integrar os sistemas de equaes e co diferenciais da Seo 18.5. ca
242
Apndice A e
Reviso de Clculo a a
Este Apndice uma reviso breve e informal dos principais conceitos de Clculo de e e a a uma varivel. a
A.1
Derivadas
Considere uma funo real f (x). A inca clinao do grco de f no ponto (x, f (x)) ca a dada pelo limite do quociente e f (x + h) f (x) h quando h tende a zero (pela direita ou pela esquerda). Esse limite denotado por e
f(x+h) f(x+h)-f(x) f(x) x h x+h
f (x) , e a funo f (x), que d a inclinao do grco para cada x, chamada derivada da ca a ca a e funo f . ca Por exemplo, se f (x) = x2 , o grco de f uma parbola, e a derivada, para cada a e a x, o limite de e f (x + h) f (x) (x + h)2 x2 = = 2x + h . h h Evidentemente, quando h tende a zero, o limite igual a 2x, e portanto f (x) = 2x se e f (x) = x2 . 243
244
APENDICE A. REVISAO DE CALCULO
Algumas derivadas usuais. A funo constante f (x) = c tem derivada nula em todo ca ponto: f (x) = 0 (pudera, o grco de uma funo constante uma reta horizontal). a ca e A derivada de uma funo am f (x) = ax + b uma funo constante: f (x) = a, ca e ca pois a inclinao do grco (que uma reta) sempre dada pelo coeciente a. Pode-se ca a e e n , com n inteiro (negativo ou positivo) porm diferente mostrar tambm que se f (x) = x e e de zero, ento f (x) = nxn1 . Por exemplo, se f (x) = x, ento f (x) = 1 x0 = 1, ou se a a 1 1 a f (x) = x1 = x ento f (x) = x2 = x2 . Temos tambm as derivadas de funes trigonomtricas. Se f (x) = sin x ento e co e a f (x) = cos x, e se f (x) = cos x ento f (x) = sin x. Para obter essas derivadas a e preciso mostrar antes que sin x lim =1, x0 x resultado que pode ser obtido de forma geomtrica. e Poder amos discorrer um pouco mais sobre derivadas, falando de outras funes e de co regras de derivao de funes mais complicadas. Deixaremos porm essa discusso para ca co e a logo adiante. S faremos antes uma observao que certamente j nos ampliar bastante o ca a a o leque de funes que sabemos derivar. Digamos que uma funo h(x) se escreva como co ca combinao linear de duas outras funes f (x) e g(x), isto , ca co e h(x) = af (x) + bg(x) . Ento a derivada de h a combinao linear das derivadas: a e ca h (x) = af (x) + bg (x) .
Em particular, a derivada da funo f (x) + C igual ` deca e a rivada da funo f (x), pois a ca derivada da funo constante ca zero (veja na gura ao lado e duas funes que diferem apeco nas pela adio de uma consca tante).
f(x)+C
C
f(x)
C
A.2
Primitivas
Podemos agora colocar o seguinte problema: dada uma funo g(x), achar uma funo ca ca f (x) cuja derivada f (x) seja igual a g(x). E um problema inverso ao de achar a
A.2. PRIMITIVAS
245
derivada. Qualquer funo f (x) cuja derivada seja igual a g(x) ser chamada de uma ca a primitiva de g(x). Por exemplo, queremos achar uma primitiva de g(x) = x2 . Ora, sabemos que a 1 derivada de x3 3x2 (pela Seo anterior), portanto f (x) = 3 x3 uma primitiva de e ca e 2 (o fator de 1 necessrio para se cancelar o expoente que cai ao se derivar). g(x) = x e a 3 Esse problema levanta duas questes: primeiro, ser que sempre existe uma primitiva o a para a funo g? E se existe, ser que unica? ca a e Vejamos primeiro que no h chance de s haver uma primitiva para cada funo. Por a a o ca exemplo, suponha que encontramos uma primitiva f (x) para g(x), isto , f (x) = g(x). e Agora consideramos uma outra funo F (x) = f (x) + C. Pelo que vimos na Seo ca ca anterior, F (x) = f (x) = g(x) . Em outras palavras, se encontrarmos uma primitiva f (x) ento todas as funes do tipo a co f (x) + C sero tambm primitivas, para qualquer valor de C. a e A pergunta natural que viria em seguida seria: e alm dessas, ser que h outras e a a primitivas? A resposta no. Suponha que f1 (x) e f2 (x) sejam duas primitivas da e a mesma funo g(x), isto , ca e f1 (x) = g(x) = f2 (x) . Agora considere a funo F (x) = f1 (x) f2 (x) que para cada valor de x d a diferena ca a c entre os valores das duas funes. Ento co a F (x) = f1 (x) f2 (x) = g(x) g(x) = 0 , para qualquer x. Ento a funo diferena tem inclinao zero, ou seja, uma funo a ca c ca e ca constante (se o dom nio tiver s um pedao): o c F (x) = C . De onde conclu mos que f1 (x) = f2 (x) + C!! Colocando em palavras, acabamos de demonstrar que se duas funes so primitivas co a da mesma funo ento elas necessariamente diferem por uma constante. Isso tem conca a seqncias prticas importantes: se encontrarmos uma primitiva ento automaticamente ue a a conheceremos todas as outras! Voltaremos ao assunto aps a Seo seguinte. o ca
246
A.3
Integral
Considere uma funo f (x) denida no inca tervalo [a, b], no-negativa, como mostra a a gura ao lado. A rea da regio acima a a da abscissa e abaixo do grco da funo a ca chamada de integral de f no intervalo e [a, b], e recebe a notao ca
b
f (x)dx .
a
A1
f A3
A integral tambm pode ser denida para e funes que assumem valores negativos. co Nesse caso, no podemos interpretar a ina tegral como rea, a no ser que usemos a a a idia de rea com sinal, isto , a rea e a e a e contada positivamente quando a funo ca e positiva e negativamente quando a funo ca negativa. Assim, na gura ao lado temos e
b
a A2
b
a
f (x)dx = A1 A2 + A3 ,
onde A1 , A2 e A3 so as reas das regies a a o sombreadas. Tambm devemos convencionar o signicado do s e mbolo acima da integral quando a no menor ou igual a b. A conveno a seguinte: se a > b ento a e ca e a
b a
f (x)dx
a b
f (x)dx .
Em palavras, fazer a integrao do extremo direito para o esquerdo resulta no mesmo ca que fazer da esquerda para a direita, s que com o sinal oposto. o Com essa regra, obtemos a seguinte propriedade, para qualquer trinca de nmeros u a, b, c, no 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 conra a validade da frmula em outros o o casos!
A.4. A INTEGRAL INDEFINIDA
247
A.4
A integral indenida
Na Seo anterior, falamos da integral de uma funo entre dois extremos xos. Se ca ca resolvermos mudar um dos extremos, obteremos um resultado diferente para a integral, mesmo que a funo no se altere. Isso sugere que um dos extremos do intervalo de ca a integrao possa ser considerado uma varivel, do qual depende o valor da integral da ca a funo. ca Por exemplo, considere a funo linear ca g(x) = x, e xe 0 como um dos extremos de integrao. Quanto vale ca
w
g(x)=x
g(x)dx ?
0
Ora, se w 0, a integral a rea do e a tringulo-retngulo esboado na gura ao a a c 2 lado: w . 2
0 0
2
x w
Se w < 0, a integral tambm, em valor absoluto, igual a w , mas qual seria o e e 2 sinal? Primeiro vemos que a rea deve ser contada negativamente, pois ` esquerda do a a zero g(x) negativa. Por outro lado, se w < 0 ento a integral est sendo percorrida e a a da direita para a esquerda, o que acarreta uma segunda mudana de sinal. Isso implica c 2 que tambm no caso w < 0 a integral vale w . Conclu e mos que 2
w
xdx =
0
w2 , 2
para qualquer w. Agora podemos criar uma funo que a cada w associe a integral de g de 0 a w, e ca chamaremos de f essa funo: ca
w
f (w)
0
g(x)dx .
No exemplo, g(x) = x, e portanto

w
f (w) =
0
xdx =
w2 . 2
Essa funo f chamada de uma integral indenida de g. Ela apenas uma e no a ca e e a integral indenida porque o extremo xo de integrao foi escolhido arbitrariamente. ca
248
g(x)=x
Por exemplo, considere outra integral in denida f , onde o extremo xo de integrao seja 1 e no 0: ca a f (w)
1 w
f(w) x
0
xdx .
Quanto vale f (w)?
Observe que, pela regra de integrao das triplas a, b, c, podemos escrever ca

1 w w
xdx +
0 1
xdx =
0
xdx .
O primeiro termo do lado esquerdo vale 1 . Alm disso, o segundo termo do lado esquerdo e 2 (w), e o lado direito da equao f (w). Ento da equao a funo f ca e ca ca e a 1 f (w) = f (w) + , 2 e as duas funes diferem por uma constante. Alis esse fato bastante geral, e suas co a e razes saltam ` vista imediatamente desse exemplo: as integrais indenidas de uma o a funo, assim como suas primitivas, diferem umas das outras por uma constante. ca E ser que h alguma relao entre as primitivas e as integrais indenidas? Respona a ca deremos a essa pergunta na prxima Seo. o ca Antes de prosseguir, faamos uma observao a respeito da notao. Sempre falamos c ca ca de funes dependentes da varivel x, mas agora apareceram funes que dependem da co a co varivel w! Ora, esses nomes, x e w, so apenas nomes, que ` funo no interessam. a a a ca a 2 w2 Assim, se f (w) = 2 e queremos avaliar f (x) ento teremos f (x) = x . O que interessa a 2 que essa funo em particular toma um nmero qualquer em seu dom e ca u nio, eleva-o ao quadrado e divide o resultado por dois. Tanto faz se indicamos esse processo por 2 2 f (w) = w ou por f (x) = x ! 2 2 Entendido isso, pode-se perguntar ento porque no denimos de uma vez a a
x
f (x) =
0
xdx ?
Por que no usar de uma vez a varivel x como extremo de integrao? Trata-se a de a a ca um cuidado que tomamos para no misturar as coisas. A varivel indicada dentro da a a
A.5. O TEOREMA FUNDAMENTAL DO CALCULO
249
integrao muda enquanto os extremos esto xos. Para cada x, temos que percorrer ca a mais justo, portanto, usar um outro nome o intervalo [0, x] para calcular a integral. E para indicar esse processo, evitando assim confuses. Seria prefer ento escrever o vel a
x
f (x) =
0
tdt ,
ou f (x) =
0
udu ,
usando, enm, qualquer letra que no seja aquela utilizada nos extremos da integrao. a ca
A.5
O Teorema Fundamental do Clculo a
Nas sees anteriores vimos o que so primitivas e integrais indenidas de uma funo co a ca g. Uma primitiva de g qualquer funo f cuja derivada igual a g, e uma integral e ca e indenida qualquer funo da forma e ca
x
f (x) =
a
g(t)dt .
O Teorema Fundamental do Clculo diz exatamente que as integrais indenidas de g a so tambm primitivas de g. a e Argumentaremos em favor do Teorema, sem excesso de tecnicalidades. O importante entender por que ele verdadeiro. e e Considere a integral indenida de g, dada por
x
f (x) =
a
g(t)dt .
Para mostrarmos que essa funo uma primitiva de g basta mostrar que f (x) = g(x). ca e Lembramos ento de como denimos a derivada f (x): o limite da expresso a e a f (x + h) f (x) h quando h tende a zero. Ou seja, o limite de e 1 h
x+h x
g(t)dt
a a
g(t)dt
250 Lembrando que

x+h x x+h
x+h
g(t)dt =
a a
g(t)dt +
x
g(t)dt ,
g(t)dt
o limite que pretendemos examinar se torna 1 x+h g(t)dt . h x
g a x x+h
Agora olhemos bem para essa expresso, e observemos a gura. A integral feita no a e intervalo [x, x + h] (de largura h, evidentemente), e a funo ali tem altura de aproxica madamente g(x), se h for bastante pequeno. Portanto a integral est prxima do valor a o h g(x). Lembrando que ainda temos que dividir por h, ento toda a expresso ca a a quase igual a g(x), e levando ao limite ser exatamente igual a g(x). a Interpretando geometricamente, signica que a inclinao de f em x ser tanto maior ca a quanto maior for o valor g(x). Pois f (x + h) ser f (x) mais a integral de g entre x e a x + h, 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 Seo anterior, vimos que f (x) = x uma integral indenida de ca 2 e g(x) = x. Pelo Teorema Fundamental do Clculo, f (x) deve ser tambm uma primitiva. a e 1 De fato, f (x) = 2 2x = x.
A.6
A praticidade do Teorema Fundamental do Clculo a
Veremos agora que o Teorema Fundamental do Clculo opera um verdadeiro milagre. a Ele torna o clculo de reas e integrais uma tarefa muito mais fcil do que poder a a a amos imaginar! Suponha que queiramos calcular a integral de uma funo g no intervalo [a, b]: ca
b
g(t)dt .
a
Poder amos olhar essa integral da seguinte forma. Chamamos de F a integral indenida de g com extremo xo de integrao igual a a: ca
x
F (x) =
a
g(t)dt .
A.6. A PRATICIDADE DO TEOREMA FUNDAMENTAL DO CALCULO
251
Isso faz com que a integral que queremos calcular seja o valor de F em b, isto , F (b). e Observe tambm que F (a) = 0. e Por outro lado, F uma primitiva de g, de acordo com o Teorema Fundamental e do Clculo. Suponha que por alguma razo j conheamos alguma primitiva f (x) de a a a c g(x). Isso pode parecer estranho, mas algo muito comum quando sabemos derivar e 4 uma grande quantidade de funes. Por exemplo, se g(x) = x3 , sabemos que f (x) = x co 4 uma primitiva de g, porque sabemos a regra de derivao das potncias. e ca e Como F (x) e f (x) so ambas primitivas de g, ento elas diferem por uma constante, a a digamos C: f (x) F (x) = C , para todo x no intervalo [a, b]. Se escolhermos x = a ou x = b a equao continua vlida: ca a f (a) F (a) = C = f (b) F (b) , de onde tiramos que F (b) F (a) = f (b) f (a) . Mas F (b) = F (b) F (a) era exatamente a integral que quer amos calcular! Resumindo: para qualquer f (x) primitiva de g(x) temos
b
g(t)dt = f (b) f (a) .

a
O clculo da integral torna-se uma simples tarefa de subtrao, desde que j conheamos a ca a c uma primitiva da funo!! ca Por exemplo, qual a rea sob o grco da funo g(x) = x3 para x variando no e a a ca 4 e a intervalo [1, 2]? Ora, como f (x) = x uma primitiva de g(x), ento 4
2
t3 dt = f (2) f (1) =
1
24 14 15 = . 4 4 4
Fcil, no?! a a Existe uma notao que facilita a vida quando calculamos integrais na prtica. Esca a crevemos f (t)|b = f (b) f (a) . a Assim, com essa notao, ca t4 . 4 1 1 Outra notao bastante utilizada se aproveita do fato de que primitivas e integrais ca indenidas so a mesma coisa. Ento, quando queremos dizer que f (x) primitiva de a a e g(x) escrevemos t3 dt = g(x)dx = f (x) + C ,
2 2
252
sem indicar extremos de integrao. A constante somada simblica e apenas indica ca e o que a expresso dada em f (x) no a unica primitiva de g, e as demais podem ser a a e obtidas somando-se uma constante a ela. Essa notao conhecida como notao de ca e ca Leibniz. Por exemplo,
sin x = cos x + C .
A.7
O logaritmo
Uma das funes mais importantes denidas a partir de uma integral indenida o logaco e ritmo natural. A abordagem que seguiremos aqui para falar de logaritmos, exponenciais, etc, no das mais usuais, porm talvez seja mais fcil at do que aquela que estamos a e e a e acostumados a ver desde os tempos do colgio. Ao nal nada do que j sab e a amos anteriormente ser derrubado. Pelo contrrio, iremos chegar a nossas certezas atravs de a a e uma argumentao lgica. ca o
1 Considere a funo g(x) = x , cujo grco ca a est desenhado ao lado. Essa funo dia ca verge em x = 0 e no est denida nesse a a ponto. Restringiremo-nos de in ` parte cio a positiva do dom nio e deniremos, para x > 0, o logaritmo natural de x como sendo a integral de g de 1 at x: e x
1 g(x)= x
1 1 ln x x
ln x
1
1 dt . t
Observe no desenho que, para x > 1 essa funo positiva e representa a rea sob ca e a o grco de g no intervalo [1, x]. Para x < 1, no entanto, a integral corre em sentido a contrrio, logo vale o negativo da rea sob o grco. Alm disso, evidentemente, ln 1 = 0. a a a e
A.7. O LOGARITMO
253
ln x
Lembremos sempre que essa funo, por ser uma ca 1 1 primitiva de x tem derivada exatamente igual a x : (ln x) =
x
1 . x
O grco de ln x est esboado ao lado. Quando a a c x tende a zero a funo tende a e quando x ca tende a innito a funo tambm tende a innito. ca e Esses fatos podem ser demonstrados levando-se em conta os comentrios abaixo. a
A propriedade mais marcante que conhecemos que o logaritmo do produto a e e soma dos logaritmos, isto , e
ln xy = ln x + ln y .
Essa propriedade pode ser deduzida da denio que demos. Pois isso o mesmo que ca e provar que
xy 1
1 dt = t
x 1
1 dt + t
y 1
1 dt . t
Para tanto, separamos a integral do lado esquerdo em dois pedaos: c
xy 1
1 dt = t
x 1
1 dt + t
xy x
1 dt . t
S falta vericar que o
xy 1 x t dt
igual a e
y 1 1 t dt.
254
APENDICE A. REVISAO DE CALCULO A integral 1 1 dt a rea da regio A na gura ao e a a t lado, dada por A = {(t, s) ; 1 t y , 0 s 1/t} , e a outra integral, dada por
xy 1 x t dt y
A 1 1/ y 1 B 1/x 1/xy x xy y
a rea da regio B, e a a
B = {(t, s) ; x t xy , 0 s 1/t} . Mostremos a seguinte armao: (t, s) um ponto ca e 1 de A se e somente se (xt, x s) um ponto de B. e Assim, B obtido de A pela multiplicao por x e ca 1 na horizontal e por x na vertical. Em termos de a rea, as duas multiplicaes se cancelam, e a rea co a de B tem que ser igual ` rea de A. aa
J a armao mostrada assim: (t, s) A se e somente se 1 t y e 0 s 1 , a ca e t 1 1 1 que ocorre se e somente se x xt xy e 0 x s xt , ou seja, (xt, x s) B. Da frmula ln xy = ln x + ln y decorre, por exemplo, que ln xn = n ln x, se n 0 o inteiro. Para ver isso, primeiro vericamos que se n = 0 ento xn = x0 = 1 e e a ln x0 = ln 1 = 0 = 0 ln x. Se n = 1 a frmula tambm est trivialmente correta. Se o e a n 2 basta fazer a recurso a ln xn = ln x xn1 = ln x + ln xn1 = ln x + ln x xn2 = 2 ln x + ln xn2 = . . . = ... = n ln x . Alm disso, como ln 1 = ln x e
1 x 1 = ln x + ln x ento a
ln
1 = ln x . x
Assim podemos dizer que ln xn = n ln x, e que a frmula tambm vale para os inteiros o e negativos. Tendo ento a denio do logaritmo natural, podemos denir outros logaritmos. Se a ca b positivo e b = 1, chamaremos de logaritmo de x na base b ao nmero e u logb x ln x . ln b
A.7. O LOGARITMO
255
Essa denio pode parecer estranha. Anal, a denio a que estamos acostumados ca ca diz assim: o nmero r = logb x aquele tal que u e br = x . Mas essa propriedade pode ser demonstrada (em vez de denida). Pois se n um nmero e u inteiro e bn = x ento a ln x ln bn n ln b = = =n. ln b ln b ln b
logb x =
E quanto a potncias com nmeros no inteiros? A princ e u a pio no sabemos o que isso a signica, mas podemos adiante deni-las inspirados no que vimos acima. Antes, porm, observemos que o logaritmo natue ral um logaritmo em alguma base. Suponha que e achemos um nmero e tal que ln e = 1. Ento u a ln x = ln x ln x = = loge x . 1 ln e
1 x 1 e
ln x
Esse nmero e existe e chamado de nmero de u e u Euler. Ele vale, at a nona casa decimal depois da e v rgula, 2.718281828 . . .
Outra denio que provm do logaritmo natural a da funo exponencial. A ca e e ca funo exponencial a inversa da funo logaritmo natural e denotada por exp(x). ca e ca e Geometricamente, se quisermos achar exp(x), temos que
desenhar o grco do logaritmo natural a
localizar x na ordenada (e no na abscissa!) a
procurar exp(x) como o unico ponto da abscissa tal que (exp(x), x) esteja sobre o grco (ver gura abaixo, ` esquerda). a a
256
ln x
exp(x) 1 x x
1 exp(x)
Ento o grco da exponencial assume o aspecto da gura acima, ` direita. Enquanto a a a o dom nio do logaritmo natural o conjunto dos nmeros positivos e sua imagem o e u conjunto de todos os nmeros reais, com a exponencial ocorre o inverso: ela est denida u a para todos os nmeros reais, mas s assume valores positivos. u o Lembremos tambm que a denio geomtrica dada acima signica que exp(ln x) = e ca e x, para todo x > 0, e que ln(exp(x)) = x, para todo x. A exponencial tem a seguinte propriedade: a exponencial da soma o produto das e exponenciais. Matematicamente, exp(x + y) = exp(x) exp(y) . Isso ocorre pois, por um lado x + y = ln exp(x + y) , e por outro x + y = ln exp(x) + ln exp(y) = ln(exp(x) exp(y)) , de onde segue a igualdade. Agora, inspirados no fato de que para nmeros inteiros n e b > 0 vale u bn = exp(ln bn ) = exp(n ln b) , deniremos a operao de potenciao br , com b > 0 e r qualquer: ca ca br exp(r ln b) .
A.8. O TEOREMA DO VALOR MEDIO
257
a E fcil ver que br bs = br+s , que decorre da propriedade da exponencial que acabamos de demonstrar. Da temos que, por exemplo, b 2 b 2 = b 2 + 2 = b1 = b . ou seja, 1 b2 = b . 1 Isso explica por que denotamos b n n b. Finalmente, interessante notar que, com essa denio, e ca ex = exp(x ln e) = exp(x) , isto , a exponencial a potenciao do nmero de Euler e! e e ca u
1 1 1 1
A.8
O Teorema do Valor Mdio e
Cientes do fato de que o clculo de integrais depende de nossa capacidade de achar pria mitivas, o que por sua vez depende de nossos conhecimentos sobre derivao de funes, ca co voltemos ao estudo das derivadas! Nesta curta Seo, enunciaremos o Teorema do Valor ca Mdio. Depois, nas demais sees, obteremos regras de derivao e delas conseguiremos e co ca tambm mtodos de primitivizao. e e ca Imagine uma funo denida num intervalo [a, b], ca cujo grco mostrado na gura ao lado. Agora a e f(b) trace uma reta L ligando os pontos (a, f (a)) e (b, f (b)) (indicada na gura por uma linha tracejada). A inclinao dessa reta dada por ca e
f(a)
f (b) f (a) . ba
O Teorema do Valor Mdio diz que existe (pelo menos) um ponto c no intervalo e [a, b] tal que a reta tangente a (c, f (c)) paralela ` reta L. Como a inclinao dessa reta e a ca tangente dada por f (c), ento o Teorema do Valor Mdio diz que existe c [a, b] tal e a e que f (b) f (a) f (c) = , ba ou tal que f (c)(b a) = f (b) f (a) .
258
O Teorema do Valor Mdio tambm tem sua verso em termos de integrais. Seja g e e a uma funo cont ca nua no intervalo [a, b], e seja f sua primitiva. Ento existe c em [a, b] a tal que
b
g(t)dt = f (b) f (a) = f (c)(b a) = g(c)(b a) .

a
Ou seja, a integral pode ser trocada pela integral da funo constante g(c), que vale ca g(c)(b a).
A.9
A Regra da Cadeia
Freqentemente nos deparamos com funes compostas, e queremos achar suas derivau co das. Por exemplo, f (x) = sin(x2 ) uma funo composta, resultante de se aplicar a e ca funo seno aps se elevar o nmero ao quadrado. Usaremos o desenho abaixo para ca o u representar essa composio: ca
u(x)= x 2
v(x)=sen x
x2
sen(x2)
f(x)=sen(x2)
De acordo com a gura, f (x) = v(u(x)) . A Regra da Cadeia nos d uma forma de calcular a derivada de f desde que saibamos a derivar as funes que a compem. A motivao que daremos de sua veracidade ser co o ca a baseada na hiptese de que as derivadas de u e v so funes que variam continuamente. o a co 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.9. A REGRA DA CADEIA
259
u
c(h) x x+h d(h) u(x) u(x+h)
v
f(x) f(x+h)
f
Agora notemos que f (x) = v(u(x)) e f (x + h) = v(u(x + h)). Pelo Teorema do Valor Mdio, existe um ponto d = d(h) (sim, ele depende de h, mas `s vezes escreveremos e a apenas d) entre u(x) e u(x + h) (acompanhe na gura) tal que f (x + h) f (x) = v(u(x + h)) v(u(x)) = v (d) (u(x + h) u(x)) . Alm disso, novamente por causa do Teorema do Valor Mdio, existe c = c(h) entre x e e e x + h tal que u(x + h) u(x) = u (c) (x + h x) = u (c) h . Juntando as duas equaes, obtemos co f (x + h) f (x) = v (d) u (c) . h Acontece que quando h tende a zero o ponto c(h) tende a x (pois est entre x e x + h), a e o ponto d(h) tende a u(x). Como assumimos que as derivadas so cont a nuas, ento a u (c) tende a u (x) e v (d) tende a v (u(x)). Assim temos a Regra da Cadeia: se f (x) = v(u(x)) ento a f (x) = v (u(x)) u (x) . E muito comum a Regra da Cadeia ser aplicada quando a primeira funo linear. ca e Por exemplo, se f (x) = cos(2x) (u(x) = 2x, v(x) = cos(x)), ento a f (x) = v (u(x)) u (x) = sin(2x) 2 = 2 sin(2x) . Outra aplicao ocorre com funes inversas. Se u(x) e v(x) so inversas uma da ca co a outra, ento a u(v(x)) = x para todo x no dom nio de v e v(u(x)) = x
260
para todo x no dom de u. Isso ocorre por exemplo com as funes ln x e ex . Derivando nio co dos dois lados de qualquer uma das equaes, usando a Regra da Cadeia, temos co u (v(x)) v (x) = 1 , v (u(x)) u (x) = 1 .
1 Vejamos como isso ca se u(x) = ex e v(x) = ln x. J sabemos que v (x) = x (pela a prpria denio do logaritmo!). Usaremos a segunda expresso para calcular a derivada o ca a x . Temos de u(x) = e 1 1 u (x) = = 1 = u(x) . v (u(x)) u(x)
Concluso: a derivada de ex ex !! a e Agora tambm podemos derivar f (x) = bx . Como bx = ex ln b , ento e a f (x) = (ln b) ex ln b , pela Regra da Cadeia, isto , e f (x) = (ln b)bx .
A.10
Regras do produto e do quociente
Quando f (x) = u(x)v(x), quanto vale f (x)? Precisamos calcular o limite 1 1 {f (x + h) f (x)} = {u(x + h)v(x + h) u(x)v(x)} . h h De maneira esperta, subtra mos e somamos u(x + h)v(x), sem alterar o valor da expresso: a 1 {u(x + h)v(x + h) u(x + h)v(x) + u(x + h)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) . h h
Quando h tende a zero, essa expresso tende a a u(x)v (x) + u (x)v(x) . Concluso: a (u(x)v(x)) = u (x)v(x) + u(x)v (x) ,
A.11. TRUQUES DE PRIMITIVIZACAO: INTEGRACAO POR PARTES que a conhecida Regra do Produto. Por exemplo, e (x2 e2x ) = 2xe2x + x2 2e2x = 2x(1 + x)e2x .
261
A Regra do Produto tambm pode ser usada para calcular a derivada de um quocie ente u(x) f (x) = , v(x) o desde que v(x) = 0. E s pensar que f (x) tambm um produto: e e f (x) = u(x) v(x) = u(x) 1 v(x) = u (x)v(x) + u(x) 1 v(x) .
1 S que precisamos saber calcular a derivada de v(x) ! Para isso lanamos mo da Regra o c a 1 1 1 da Cadeia: v(x) a funo x aplicada aps a funo v(x). Como a derivada de x 1 , e ca o ca e x2 ento a 1 1 = v (x) . v(x) v(x)2
Logo u(x) v(x) = u (x) v (x) + u(x) . v(x) v(x)2
Colocando sob o mesmo denominador, u(x) v(x) = u (x)v(x) u(x)v (x) . v(x)2
Essa expresso tambm conhecida como Regra do Quociente. a e e Sugere-se ao leitor testar seus conhecimentos de tcnicas de derivao com as funes e ca co trigonomtricas, j sabendo as derivadas de seno e cosseno. Por exemplo, a funo tane a ca gente, que seno sobre cosseno, pode ser derivada com a Regra do Quociente. Obter as e derivadas das funes secante, cossecante e cotangente. Obter as derivadas das inversas co das funes trigonomtricas, arcsin, arctan, etc. Em todos os casos procurar desenhar co e o grco dessas funes e interpretar as expresses obtidas!! a co o
A.11
Truques de primitivizao: integrao por partes ca ca
Se rearranjarmos a expresso da Regra do Produto, teremos a u(x)v (x) = (u(x)v(x)) u (x)v(x) .
262
Havendo a igualdade, os dois lados da equao tero as mesmas primitivas (que diferem ca a no mximo por uma constante): a u(x)v (x)dx = Como (u(x)v(x)) dx u (x)v(x)dx + C .
(u(x)v(x)) dx = u(x)v(x) + C ento a u(x)v (x)dx = u(x)v(x) u (x)v(x)dx + C .
Essa a conhecida frmula de Integrao por Partes! e o ca Por exemplo, queremos achar uma primitiva de xex . Se chamarmos u(x) = x e v (x) = ex ento u (x) = 1 e v(x) = ex (na verdade ex + C, mas isso no far diferena, a a a c conra!!). Ento a xex dx = xex 1ex dx + C = xex ex + C = ex (x 1) + C .
Para conferir, basta derivar a primitiva obtida: (ex (x 1)) = ex (x 1) + ex = xex . H que se tomar cuidado para no se escolher u de forma errada. Se chamssemos a a a u(x) = ex e v (x) = x ter amos u (x) = ex e v(x) = 1 x2 , e ento a 2 1 ex xdx = x2 ex 2 1 2 x x e dx , 2
o que no melhora nossa situao, pois agora precisamos achar a primitiva de x2 ex ! a ca
A.12
Truques de primitivizao: substituio ca ca
Se da Regra do Produto decorre a Integrao por Partes, da Regra da Cadeia segue a ca tcnica de Substituio. A Regra da Cadeia diz que e ca f (g(x)) = f (g(x))f (x) . Em termos de primitivas, temos f (g(x))f (x)dx = f (g(x)) dx + C = f (g(x)) + C .
A.12. TRUQUES DE PRIMITIVIZACAO: SUBSTITUICAO Por exemplo, podemos nos deparar com h(g(x))g (x)dx . Se acharmos f tal que f (x) = h(x) (isto , uma primitiva de h) ento e a h(g(x))g (x)dx = f (g(x))g (x)dx = f (g(x)) + C .
263
Embora ao leitor no parea acrescentar nada nesse caso, esse processo pode ser autoa c matizado da seguinte forma: 1. Denir nova varivel u = g(x), com du = g (x)dx. a 2. Substituir na integral a nova varivel: a h(u)du.
3. Resolver o novo problema, que o mesmo que achar uma primitiva de h: e h(u)du = f (u) + C . 4. Retornar o valor de u = g(x), obtendo f (g(x)) + C . Por exemplo, queremos calcular Ficamos com x 1 + x2 dx. Fazemos u = x2 , donde du = 2xdx. 1 1 + udu . 2
S precisamos saber uma primitiva de (1 + u)1/2 . Mas esta fcil: tentemos o e a 2 (1 + u)3/2 . 3 Substituindo u = x2 na resposta, obtemos 1 x 1 + x2 dx = (1 + x2 )3/2 + C . 3 Em algumas situaes no evidente a substituio a ser feita. Seja H(x)dx a co a e ca primitiva a calcular. Chame u = g(x), escolha que apenas uma tentativa e depende e do feeling em relao ao problema. Se for poss inverter a funo g ento teremos ca vel ca a 1 (u). Agora du = g (x)dx, isto , x=g e du = g (g 1 (u))dx ,
264 logo dx = du g
(g 1 (u))
= (g 1 ) (u)du .
Ento a substituio pela nova varivel leva a a ca a H(g 1 (u)) (g 1 ) (u)du . Eventualmente mais fcil calcular a primitiva de e a H(g 1 (u)) (g 1 ) (u) do que a primitiva de H(x). Se F (u) for a tal primitiva, ento basta substituir u = g(x) a para obter a primitiva desejada de H: H(x)dx = F (g(x)) + C . Vejamos um exemplo. Queremos determinar x2 x + 1dx. Podemos fazer a subs tituio u = x + 1. Ento invertemos e obtemos x = u2 1, com dx = 2udu. Em ca a seguida fazemos a substituio na integral, obtendo ca 2(u2 1)2 u2 du . Essa primitiva fcil de achar, pois trata-se de um polinmio: basta integrar termo a e a o termo, para obter 2 4 2 u3 ( u2 + u4 ) + C . 3 5 7 Substituindo novamente u por (x + 1)1/2 , chegamos ` primitiva procurada: a 2 (x + 1)3/2 7 8 4 x + x2 15 5 +C .
Apndice B e
Frmula de Taylor o
B.1 Introduo ca
Na Parte II deste livro abordada a questo da aproximao de uma funo por poe a ca ca linmios: dado um nmero inteiro n maior ou igual a zero, qual o melhor polinmio, o u e o entre aqueles de grau menor ou igual a n, a aproximar uma certa funo cont ca nua f denida no intervalo [a, b]? Ali a questo s pode ser respondida se antes se denir um critrio (relativo) de a o e proximidade. Isto , uma maneira de dizer o quanto um polinmio est distante de f , e o a que permita decidir, entre dois dados polinmios, qual aquele que est mais perto de o e a f . O critrio adotado o do qui-quadrado: se p o polinmio ento mede-se e e e o a
b
Q(p) =
a
(f (x) p(x))2 dx ,
que sempre um nmero maior ou igual a zero. e u Esse critrio leva em conta a proximidade de f e p em todo o intervalo [a, b]. De e nada adianta que p seja exatamente igual a f em certa parte do intervalo se em outra a diferena se torna enorme, fazendo aumentar o valor da integral. c Neste Apndice estamos interessados em outro ponto de vista para se denir a melhor e aproximao polinomial de f . Agora no estamos preocupados em aproximar f num ca a dado intervalo xo, mas sim na vizinhana de um ponto. Fixado um ponto w, no c a nos interessar o que acontece com a funo longe do ponto w. a ca Tentemos precisar melhor os conceitos. Seja f uma funo, para comear cont ca c nua, e w um ponto onde ela esteja denida. Sejam p e q dois polinmios. Diremos que p o aproxima f em w melhor do que q se p(x) f (x) <1 q(x) f (x) 265
266
APENDICE B. FORMULA DE TAYLOR
quando x est sucientemente perto de w. Ou seja, se tomarmos x sucientemente a prximo de w ento a diferena |p(x) f (x)| ca menor do que a diferena |q(x) f (x)|. o a c c Obviamente a frao s tomada quando o denominador for no nulo. ca o e a Em geral, teremos que essa frao vai a zero, o que pode ser expresso da seguinte ca maneira: p(x) f (x) lim =0. xw q(x) f (x) Podemos ver alguns exemplos simples, para aos poucos chegarmos a enunciados mais gerais.
B.1.1
Polinmios de grau zero o
Por exemplo, suponha que f seja uma funo (cont ca nua) que assume o valor A em w. E suponha que p e q sejam polinmios de grau zero, isto , so polinmios constantes: o e a o p(x) = a0 e p(x) = b0 , para todo x, com a0 = b0 . Para sabermos qual dos polinmios o aproxima melhor a funo f em w, temos que olhar para o quociente ca p(x) f (x) a0 f (x) = q(x) f (x) b0 f (x) Como f (x) tende a A ` medida que x tende a w, podemos ver quais so as possibilidades. a a Primeiro, se tanto a0 quanto b0 forem diferentes de A, ento o quociente tende a a a0 A , b0 A que ser menor do que 1 se a0 estiver mais prximo de A do que b0 . Neste caso, como a o esse o valor limite, quando x estiver bem prximo de w o quociente ser tambm menor e o a e do que 1, e ento p aproximar melhor do que q em w. Se for o contrrio, isto , b0 mais a a a e perto de A do que a0 ento ser q que aproximar melhor. a a a Se a0 = A ento teremos que a diferena a0 f (x) tende a zero quando x tende a a c w, enquanto b0 f (x) tende a b0 a0 . Neste caso a frao ir a zero. ca a Conclui-se portanto que o melhor polinmio de grau zero que aproxima f em w o e p(x) = f (w) = A.
B.1.2
Aproximao da funo nula ca ca
Vale a pena entender tambm o que se passa com a funo f (x) 0, a funo nula, e ca ca tomando, para facilitar, o ponto w = 0. Pela Subseo anterior, o melhor polinmio de ca o grau zero que aproxima f em w p(x) 0. Tambm p(x) 0 = 0 + 0 x o melhor e e e polinmio de grau 1 a aproximar f , de fato, para qualquer n o melhor polinmio de o e o grau n. Fica para o leitor se divertir em demonstrar (ou vericar) isso.
B.1. INTRODUCAO
267
B.1.3
Aproximao de grau 1 ca
Vejamos como melhor aproximar uma funo f em w por um polinmio de grau 1, ca o supondo que ela seja derivvel. a Em primeiro lugar, fcil ver que o polinmio p(x) deve ter, como termo de grau e a o zero, o valor de f em w, pela mesma razo com que o melhor polinmio de grau zero a o tinha que ser igual a f (w). Ento a p(x) = f (w) + (x w) (lembrando que polinmios de grau 1 tm retas como grco, e esta uma maneira de se o e a e escrever a reta que passa por (w, f (w)) e tem inclinao ), ou seja, precisamos apenas ca procurar o valor de . Como f derivvel, ento existe o limite e a a f (w) = lim Isto o mesmo que dizer que a diferena e c f (w) f (x) f (w) xw f (x) f (w) . xw xw
tende a zero quando x tende a w. Armamos que p(x) = f (w) + f (w)(x w) o melhor polinmio de grau 1 que e o aproxima f em w, em detrimento de outros polinmios q(x) = f (w) + (x w), com o = f (w). Basta olharmos para a frao ca f (x) p(x) f (x) f (w) f (w)(x w) = . f (x) q(x) f (x) f (w) (x w) Colocando x w em evidncia no numerador e no denominador, camos com e
f (x)f (w) f (w) xw f (x)f (w) xw
Quando x tende a w, o numerador tende a zero, pelas consideraes acima, enquanto co que o denominador tende a f (w) , que diferente de zero. Portanto a frao toda e ca vai a zero, mostrando o que hav amos armado. Conclui-se ento que a melhor aproximao de grau 1 de f em w corresponde ` a ca a (nica) reta que passa por w e tem inclinao f (w). u ca
268
APENDICE B. FORMULA DE TAYLOR
B.2
Polinmio e Frmula de Taylor o o
A ultima armao da Seo anterior mais ou menos intuitiva. Ela diz que a melhor ca ca e reta que aproxima um grco em dado ponto a reta tangente ao grco nesse ponto. a e a Outra maneira de se ler essa concluso a seguinte. O polinmio 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). e Esta segunda maneira de pensar se presta facilmente a generalizaes. De fato, podeco se mostrar (e o faremos logo abaixo) que o polinmio de grau n que melhor aproxima f o em w aquele (nico) tal que e u p(w) = f (w) , p (w) = f (w) , p (w) = f (w) , . . . , p(n) (w) = f (n) (w) , ou seja, cujas derivadas at ordem n coincidem com as derivadas de f em w. e claro que ao fazermos tal armao estamos automaticamente supondo que f pode E ca ser diferenciada n vezes em w! Para facilitar as coisas iremos supor que a funo f ca e tantas vezes diferencivel quanto queiramos, e alm do mais todas as suas derivadas de a e qualquer ordem so funes cont a co nuas. Esse , de fato, o caso da maioria das funes e co com que iremos nos deparar em aplicaes (obviamente h excees, e nesses casos h co a co a que se tomar os devidos cuidados). O leitor pode facilmente vericar, usando as regras de derivao, que o polinmio ca o pn (x) = f (w) + f (w)(x w) + f (w) f (n) (w) (x w)2 + . . . + (x w)n 2 n!
satisfaz as exigncias acima. Este o chamado polinmio de Taylor de ordem n de f e e o em w. Antes de examinarmos a veracidade da generalizao feita acima, podemos tambm ca e nos perguntar em que grau boa a aproximao por polinmios, em w, da funo f . e ca o ca Mais especicamente, podemos investigar a diferena f (x)pn (x) quando x se aproxima c de w. De fato, responderemos todas as indagaes de uma s vez. Comecemos examinando co o a diferena entre f (x) e a aproximao de primeira ordem p1 (x) = f (w) + f (w)(x w). c ca Chamemos de R1 (x) (R de resto) essa diferena. Ento c a R1 (x) = f (x) f (w) f (w)(x w) . A idia reescrever essa expresso de forma que possamos avaliar o tamanho de R1 (x). e e a Pelo Teorema Fundamental do Clculo, temos a
x
R1 (x) =
w
f (t)dt f (w)(x w)
B.2. POLINOMIO E FORMULA DE TAYLOR e, nesta nova expresso, podemos reconhecer a integrao por partes a ca
x
269
R1 (x) =
w
(x t)f (t)dt .
Podemos agora estimar R1 (x), usando o Teorema do Valor Mdio, em sua verso e a integral. Ou seja, existe entre w e x, que depende de x, tal que R1 (x) = (x w)(x )f () . Portanto temos |R1 (x)| = |x | |f ()| . |x w|
Quando x tende a w a diferena |x | tende a zero, uma vez que est entre w e x. c a Alm disso, como estamos supondo que todas as derivadas de f sejam cont e nuas, f () tende a f (w). Logo |R1 (x)| lim =0. xw |x w| Conclui-se ento que o resto no s tende a zero quando x tende a w como tende a a a o zero mais rapidamente do que a diferena x w. c A segunda etapa ver o que acontece com ordens mais altas. Vejamos o que acontece e ao passarmos para ordem 2. Como p2 (x) = p1 (x) + temos R2 (x) = f (x) p2 (x) = f (x) p1 (x) Mas f (x) p1 (x) = R1 (x), de forma que
x
f (w) (x w)2 , 2 f (w) (x w)2 . 2
R2 (x) =
w
(x t)f (t)dt
f (w) (x w)2 , 2
expresso esta que sai da integrao por partes de a ca R2 (x) = 1 2

x
(x t)2 f (t)dt .
w
Usando novamente o Teorema do Valor Mdio para a integral, conseguimos mostrar que e |R2 (x)| =0. xw |x w|2 lim
270
APENDICE B. FORMULA DE TAYLOR Prosseguindo indutivamente (ca para o leitor se certicar disto), conclui-se que f (x) = pn (x) + Rn (x) ,
conhecida como frmula de Taylor de ordem n para f em w, onde o Rn (x) = 1 n!

x
(x t)n f (n+1) (t)dt .

w
A funo Rn tem a propriedade de que ca lim |Rn (x)| =0. |x w|n
xw
Se delimitarmos um intervalo onde a (n + 1)-sima derivada de f seja cont e nua, seu (n+1) |. Como o mdulo ter um mximo nesse intervalo, que denotaremos por max |f o a a mdulo da integral menor ou igual ` integral do mdulo (em um intervalo orientado o e a o positivamente), temos |Rn (x)| e |Rn (x)| max |f (n+1) | n! 1 n!
x
|x t|n |f (n+1) (t)|dt

w x
|x t|n dt .
w
Fazendo um grco de |x t|n entre w e x, e prevendo as possibilidades de que x < w a e w < x, o leitor pode vericar facilmente que
x |xw|
|x t|n dt =
w 0
un du =
|x w|n+1 . n+1
Ento a |Rn (x)| max |f (n+1) | |x w|n+1 . (n + 1)!
Podemos agora entender a razo pela qual o polinmio de Taylor pn a melhor a o e aproximao de grau n de f em w. Primeiro notamos que ca Rn (x) =0 xw (x w)m lim para qualquer m menor ou igual a n (tiramos os mdulos para facilitar as coisas, uma o vez que o limite de uma expresso zero se e somente se o limite do mdulo da mesma a e o
B.2. POLINOMIO E FORMULA DE TAYLOR
271
expresso zero). Basta multiplicar o numerador e o denominador por (x w)nm , a e cando com Rn (x) (x w)nm , (x w)n que vai a zero porque um produto de dois termos que vo a zero. e a Suponhamos agora outro polinmio q de grau (no mximo) n. Como q e pn no o a a so iguais, a diferena entre eles um polinmio de grau no mximo n, que podemos a c e o a escrever como am (x w)m + am+1 (x w)m+1 + . . . + an (x w)n . O nmero m o grau correspondente ao primeiro coeciente no-nulo do polinmio u e a o (quando escrito nessa forma), e pode ser qualquer inteiro entre 0 e n. Ento a pn (x) q(x) = (x w)m (am + Q(x)) , onde Q(x) = am+1 (x w) + am+2 (x w)2 + . . . + an (x w)nm , polinmio que vai a o zero quando x tende a w. Finalmente comparamos a proximidade de pn e q com f , para mostrar que pn est a mais prximo de f em w do que q. Temos o f (x) pn (x) Rn (x) = , f (x) q(x) Rn (x) + pn (x) q(x) lembrando da prpria denio de Rn . A partir das consideraes acima, essa frao o ca co ca pode ser escrita como Rn (x) , Rn (x) (x w)m (am + Q(x) + (xw)m ) de onde nota-se que ela deve ir a zero quando x tende a w.

Calculo Numérico

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Calculo Numérico

Enviado por

Direitos autorais:

Formatos disponíveis

Sumrio a

3 97 98 101 101 103 105 106 109

Equaes e Zeros de Funes co co

12 Estimativa do erro nas interpolaes co

SUMARIO 265 265 266 266 267 268

Exemplos de aplicaes de co sistemas lineares

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

1.6. OUTROS PROBLEMAS DE DETERMINACAO DE POLINOMIOS

Outros problemas de determinao de polinmios ca o

isso nos d uma equao linear, pois a ca

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

1.8. PROBLEMAS DE CONTORNO

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

Entendendo os sistemas lineares

CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES

2.2. TRANSFORMACOES LINEARES

CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES

2.4. INVERSAO DE MATRIZES

CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES

2.5. EXPLORANDO A LINEARIDADE

CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES

Existncia e unicidade de solues e co

2.6. EXISTENCIA E UNICIDADE DE SOLUCOES

CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES

Injetividade, sobrejetividade... glup!

CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES

v u P( u,v) P(u1 ,v) u1 u1+ u2 u2 P(u2 ,v)

CAP ITULO 2. ENTENDENDO OS SISTEMAS LINEARES

ai1 1 ai2 2 . . . ain n det(ei1 , ei2 , . . . , ein ) .

2.9. QUADRO COMPARATIVO

CAP ITULO 3. O METODO DE ESCALONAMENTO

CAP ITULO 3. O METODO DE ESCALONAMENTO

3.2. ALGARISMOS SIGNIFICATIVOS

CAP ITULO 3. O METODO DE ESCALONAMENTO

3.2. ALGARISMOS SIGNIFICATIVOS

3.3. O DETERMINANTE NO METODO DE ESCALONAMENTO Portanto

O determinante no Mtodo de Escalonamento e

CAP ITULO 3. O METODO DE ESCALONAMENTO

A desvantagem da Regra de Cramer

3.4. A DESVANTAGEM DA REGRA DE CRAMER Logo xi = det(. . . , Aei1 , b, Aei+1 , . . .) , det A

CAP ITULO 3. O METODO DE ESCALONAMENTO

Sistemas mal-condicionados e renamento de soluo ca

3.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

CAP ITULO 3. O METODO DE ESCALONAMENTO

3.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

CAP ITULO 3. O METODO DE ESCALONAMENTO

3.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

CAP ITULO 3. O METODO DE ESCALONAMENTO

CAP ITULO 4. METODOS ITERATIVOS

Critrio das Linhas e

4.2. CRITERIO DAS LINHAS

1 (k1) (k1) b1 a12 x2 a13 x3 . . . a1n x(k1) n a11

60 e, como os x1 , . . . , xn formam uma soluo, ca x1 = Ento a x1 x1 =

CAP ITULO 4. METODOS ITERATIVOS

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

|a12 | + |a13 | + . . . + |a1n | (k 1) . |a11 |

|aij | . j=1 j=i

4.3. CRITERIO DE PARADA

ento a |xi logo (k) (k 1) , como quer amos demonstrar!

CAP ITULO 4. METODOS ITERATIVOS

b1 a12 x2 a13 x3 . . . a1n x(k) n b2 a21 x1 b3 a31 x1