Você está na página 1de 49

Acetatos de apoio `as aulas te´orico-pr´aticas de

Acetatos de apoio `as aulas te´orico-pr´aticas de Metodos´ Numericos´ (Engenharia Civil) Instituto Superior de

Metodos´

Numericos´

(Engenharia Civil)

Instituto Superior de Engenharia de Coimbra Departamento de F´ısica e Matematica´

Superior de Engenharia de Coimbra Departamento de F´ısica e Matematica´ 2011/2012 Deolinda Maria Lopes Dias Rasteiro

2011/2012

Deolinda Maria Lopes Dias Rasteiro

ERRO ABSOLUTO E ERRO RELATIVO:

Sejam

x

−→ quantidade exacta

x

−→ valor aproximado de x

Erro absoluto de x : ∆ x = x x ;

Erro relativo de x : δx = x

= x x

x x

(

× 100%);

Muitas vezes, desconhecemos o valor de x (exacto). Nesse caso, consideramos

δx = x =

x

Nesse caso, consideramos ∼ δx = ∆ x = ∆ x x x . • Diz-se

x x

.

Diz-se que x tem k casas decimais correctas relativamente ao seu valor exacto, x , se

| x | ≤ 0 . 5 × 10 k .

Exerc´ıcio: Suponha que x = 0 . 937 tem trˆes casas decimais correctas relativamente ao seu valor x . Determine um limite superior para a estimativa do erro relativo de x.

2

´

˜

˜

RA IZES DE EQUAC¸ OES N AO LINEARES

Objectivo:

Dada uma fun¸c˜ao f ( x ), determinar x tal que f ( x ) 0.

Problemas:

1. Localizar a raiz de f ( x ) = 0 (aproxima¸c˜ao inicial);

2. Desenvolver algoritmos que permitam melhorar as sucessiva s aproxima¸c˜oes para x (raiz da equa¸c˜ao);

3. Quando terminar o processo iterativo?

M´etodo Gr´afico:

(Determina¸c˜ao da aproxima¸c˜ao inicial)

f ( x ) = 0 f 1 ( x ) = f 2 ( x ) , x D f

Exemplos:

Localize as ra´ızes das equa¸c˜oes:

a) xe x = 1;

1

xe x = 1 e x = x , se x = 0

= 1; 1 xe x = 1 ⇔ e x = x , se x =

Figura 1: f 1 ( x)= e x ;

1

f 2 ( x)= x ;

3

x [0 , 1] .

b) | x | − e x

= 0

| x |− e x = 0 ⇔ | x | = e x

e x = 0 | x |− e x = 0 ⇔ | x | =

Figura 2: f 1 ( x)=| x|; f 2 ( x)= e x ;

x [1 , 0] .

Como obter a confirma¸c˜ao anal´ıtica do m´etodo gr´afico?

Corol´ario do Teorema de Bolzano:

Se f ´e uma fun¸c˜ao real de vari´avel real tal que

1. f ( x ) cont´ınua em [ a, b ];

2. f ( a ) f ( b ) < 0

ent˜ao

x ] a, b [ : f ( x ) = 0 .

Observa¸c˜oes ao corol´ario anterior:

Se, al´em das hip´oteses anteriores, f ( x ) n˜ao mudar de sinal em [ a, b ], a raiz x ´e unica;´

O que concluir se f ( a ) f ( b ) > 0 e f ( x ) for cont´ınua em [ a, b ]? .

.

.

.

.

.

4

Algoritmos para melhorar a aproxima¸c˜ao inicial:

Objectivo: Construir uma sucess˜ao de valores

x 1 , x 2 , x 3 ,

que permitam melhorar a aproxima¸c˜ao inicial.

ALGORITMO 1 - M´etodo da Bissec¸c˜ao:

Consideremos a equa¸c˜ao f ( x ) = 0, e suponhamos que a raiz, x , foi localizada no intervalo [ a, b ], com f ( a ) f ( b ) < 0 (estamos

a supˆor que f ´e cont´ınua).

Seja c o ponto m´edio do intervalo [ a, b ], isto ´e

c = a + b

2

.

Se f ( a ) f ( c) < 0 ent˜ao b c e repete-se o racioc´ınio no intervalo [ a, c] sen˜ao a c e repete-se o racioc´ınio no intervalo [ c, b ].

O processo iterativo termina quando, em determinada itera¸c˜ao,

o ponto m´edio do respectivo intervalo for considerado uma ” boa” aproxima¸c˜ao `a solu¸c˜ao exacta x .

Exemplo:

Considere a equa¸c˜ao f ( x ) = 0, com f ( x ) = | x | − e x . Efectue 2 itera¸c˜oes do m´etodo da bisse¸c˜ao partindo do interval o inicial [ 1 , 0].

Resolu¸c˜ao:

f ( x ) = | x |− e x , x [ 1 , 0]

f ( x ) ´e cont´ınua em IR, logo tamb´em ´e cont´ınua em [ a, b ] = [ 1 , 0];

f ( 1) = 0 . 6321 e f (0) = 1 logo f ( 1) f (0) < 0

5

logo, de facto x [ 1 , 0]. Al´em disso, para x < 0 (onde se encontra a solu¸c˜ao), tem-se f ( x ) = x e x , pelo que f ( x ) = 1 e x < 0 , x [ 1 , 0], ou seja, f n˜ao muda de sinal em [ 1 , 0].

Conclus˜ao: A raiz de f ( x ) = 0 ´e unica´

em [ 1 , 0].

1 a itera¸c˜ao: [ a, b ] = [ 1 , 0]

¯

= 1+0

2

c

f

f

f

ent˜ao o novo intervalo de trabalho ser´a [ 1 , 0 . 5]

= 0 . 5

( 1) > 0

(0) < 0

( 0 . 5) = 0 . 1065 < 0

2 a itera¸c˜ao: [ a, b ] = [ 1 , 0 . 5]

¯

= 10 .5

2

c

f

f

f

ent˜ao o novo intervalo de trabalho ser´a [ 0 . 75 , 0 . 5]

= 0 . 75

( 1) > 0 ( 0 . 5) < 0

( 0 . 75) = 0 . 27763 > 0

Podemos agora considerar x = 0 . 75 0 . 5

2

= 0 . 625.

Nota: Tem-se f ( 0 . 625) = 0 . 0897, quando o objectivo era determinar o ponto x onde f ( x ) = 0

6

Caracter´ısticas do m´etodo da bissec¸c˜ao:

Desvantagens:

Convergˆencia MUITO LENTA para a solu¸c˜ao.

Vantagens:

´

E sempre convergente, desde que exista raiz no intervalo

inicial;

´

E poss´ıvel, `a priori, saber quantas itera¸c˜oes s˜ao necess´arias

para obter a solu¸c˜ao com um erro inferior a δ . Esse n´umero de itera¸c˜oes ´e dado por

onde L = b a .

N

δ

> ln ln 2 ,

L

7

ALGORITMO 2 - M´etodo de Newton:

Este m´etodo ´e baseado na expans˜ao em s´erie de Taylor da fun¸c˜ao f , e tem a seguinte forma iterativa

x n+1 = x n

f ( x n )

f ( x n ) ,

n = 0 , 1 , 2 ,

(1)

Pode mostrar-se que SE as seguintes condi¸c˜oes forem verifica- das, o m´etodo traduzido por (1) converge para x :

1.

f cont´ınua e duas vezes deriv´avel em [a,b];

2.

f ( a ) f ( b ) < 0;

3.

f ( x ) = 0, x [ a, b ];

4.

f ( x ) n˜ao muda de sinal em [ a, b ];

5.

f ( a ) f ( a )

b a ( x 0 = a ) ;

8

f ( b ) f ( b )

b a ( x 0 = b )

Interpreta¸c˜ao geom´etrica do M´etodo de Newton

Interpreta¸c˜ao geom´etrica do M´etodo de Newton A recta tangente ao gr´afico de f no ponto (

A recta tangente ao gr´afico de f no ponto ( x 0 , f ( x 0 )) ´e

y f ( x 0 ) = f ( x 0 )( x x 0 ) .

A sua intersec¸c˜ao com o eixo dos xx , ( y = 0), ´e

f ( x 0 ) = f ( x 0 )( x x 0 ) ⇐⇒ x = x 0 f f ( ( x x 0 0 ) )

(ponto x 1 representado na figura) De modo an´alogo se obt´em x 2 (intersec¸c˜ao com o eixo dos xx da recta tangente ao gr´afico de f no ponto ( x 1 , f ( x 1 ))), e assim sucessivamente:

x n+1 = x n f ( x n )

f ( x n )

9

,

n

=

0 , 1 ,

2 ,

.

.

.

.

Caracter´ısticas do M´etodo de Newton:

Desvantagens:

pode divergir se x 0 (aproxima¸c˜ao inicial) estiver ”longe”da raiz x ;

exige o conhecimento da derivada da fun¸c˜ao f em cada ponto.

Vantagens:

Convergˆencia muito r´apida para x .

Exemplo:

Efectue 2 itera¸c˜oes do M´etodo de Newton para determinar uma aproxima¸c˜ao para a solu¸c˜ao de f ( x ) = 0, onde f ( x ) = | x |− e x , e x [ 1 , 0].

Resolu¸c˜ao:

Para x < 0, tem-se f ( x ) = x e x .

1. f ( x ) ´e cont´ınua em IR. Al´em disso, 1 e x e f ( x ) = e x logo f e [ a, b ] = [ 1 , 0];

2. f ( 1) f (0) < 0 (j´a visto anteriormente)

3. Para x < 0, f ( x ) = 1 e x < 0 , x IR (em particular, para x [ 1 , 0]). Logo, f ( x ) = 0 em [ 1 , 0].

4. Para x [ 1 , 0], f ( x ) = e x < 0 logo f n˜ao muda de sinal em [ 1 , 0].
5.

para x < 0, f ( x ) = f s˜ao cont´ınuas em

f (1) f (1)

= 0 . 462117 < b a = 0 ( 1) = 1 =x 0 = 1.

10

Assim, de 1 . a 5 . , podemos concluir que o m´etodo de Newton converge para x , considerando x 0 = 1;

1 a itera¸c˜ao: x 1

¯

=

x 0 f ( x 0 ) ) = 0 . 537883;

f ( x 0

2 a itera¸c˜ao: x 2 = x 1 f ( x 1 ) ) = 0 . 566987.

¯

f ( x 1

Observa¸c˜ao: Tem-se f ( x 2 ) = 0 . 00024495

Crit´erios de paragem dos algoritmos:

Quando devemos parar os processos iterativos da Bissec¸c˜a o e de Newton ? O ideal ser´a parar numa itera¸c˜ao n tal que:

1. | x n x n1 | < δ 1 (por exemplo δ 1 = 10 3 , 10 4 ,

2. | f ( x n ) | < δ 2 (por exemplo δ 2 = 10 3 , 10 4 ,

).

);

Na pr´atica, por vezes, terminamos quando a distˆancia entr e duas aproxima¸c˜oes consecutivas ( | x n x n1 | ) ´e inferior a uma dada tolerˆancia

11

Aplica¸c˜ao ao c´alculo de zeros de polin´omios:

p ( x ) = a n x n + a n1 x n1 +

+ a 1 x + a 0 = 0

Determinar zeros de polin´omios ´e, em geral, um processo dif´ıcil. Como proceder neste caso?

1. Contar as ra´ızes reais de p ( x ) = 0;

2. Localizar / Separar as referidas ra´ızes;

3. Utilizar os algoritmos j´a conhecidos para calcular (aproxi- mar) as ra´ızes j´a separadas.

[1 . ] CONTAGEM[ Regra dos sinais de Descartes ] O n´umero de zeros REAIS POSITIVOS de p ( x ) ´e igual (ou inferior, mas num n´umero da mesma paridade) ao n´umero de

varia¸c˜oes de sinal na sequˆencia ( a 0 , a 1 ,

Para determinar quantos s˜ao os zeros REAIS NEGATIVOS de p ( x ), basta notar que estes s˜ao os zeros positivos de p ( x ).

, a n );

Exemplo:

Quantos zeros reais (positivos e negativos) tem o polin´omi o p ( x ) = x 4 + 4 x 3 x 2 16 x 12?

zeros positivos:

sequˆencia de Descartes −→ (1 , 4 , 1 , 16 , 12)

1 varia¸c˜ao de sinal =1 zero positivo de p ( x ).

zeros negativos:

p ( x ) = x 4 4 x 3 x 2 + 16 x 12 sequˆencia de Descartes −→ (1 , 4 , 1 , 16 , 12)

3 varia¸c˜oes de sinal =3 ou 1 zeros negativos de p ( x ).

12

˜

˜

[2 . ] LOCALIZAC¸ AO/ SEPARAC¸ AO

A

p ( x ) = a n x n + a n1 x n1 +

+ a 1 x + a 0

B

˜

LOCALIZAC¸ AO[ Regra do m´aximo ]

A = max {| a 0 | , | a 1 | ,

, | a n1 |} ;

B = max{| a 1 | , | a 2 | ,

, | a n |} .

Todos os zeros reais de p ( x ), a existirem, est˜ao na uni˜ao dos intervalos ] R, r [ ] r, R [, onde

r =

1

1 +

˜

B

| a 0 |

e R = 1 +

A

| a n | .

SEPARAC¸ AO[ M´etodo de Fourier ]

O n´umero total de zeros do polin´omio p ( x ) no intervalo [ a, b ] ´e dado por | V a V b | (ou um n´umero inferior e da mesma paridade), em que V a e V b ´e o n´umero de varia¸c˜oes de sinal nas sequˆencias

e

respectivamente.

( p ( a ) , p ( a ) , p ( a ) ,

( p ( b ) , p ( b ) , p ( b ) ,

13

, p ( n) ( a ))

, p ( n) ( b )) ,

Exemplo:

Seja p ( x ) = x 4 3 x 3 + 2 . 9375 x 2 1 . 125 x + 0 . 140625 ent˜ao

a 4 = 1; a 3 = 3; a 2 = 2 . 9375; a 1 = 1 . 125; a 0 = 0 . 140625

Logo,

A = max{| a 0 | , | a 1 | , | a 2 | , | a 3 |} = 3

B = max{| a 1 | , | a 2 | , | a 3 | , | a 4 |} = 3 ,

e

1

R = 1 + 3 = 4 .

1

r =

= 0 . 0447761;

1 +

3

0 140625

. Assim, todas as ra´ızes reais de p ( x ) = 0, a existirem, est˜ao localizadas em:

] R, r [ ] r, R [=] 4 , 0 . 0447761[ ]0 . 0447761 , 4[

Vejamos como proceder quanto `a sua separa¸c˜ao . Trataremos, em primeiro lugar, dos zeros positivos de p ( x ):

M´etodo de Fourier: Temos

p ( x ) = x 4 3 x 3 + 2 . 9375 x 2 1 . 125 x + 0 . 140625

p ( x ) = 4 x 3 9 x 2 + 5 . 875 x 1 . 125

p ( x ) = 12 x 2 18 x + 5 . 875

p ( x ) = 24 x 18

p ( iv ) ( x ) = 24

Ent˜ao,

14

0 1 2 3 4 p ( x ) p ′ ( x ) p
0
1
2
3
4
p ( x )
p ′ ( x )
p ′′ ( x )
+
-
-
-
+
+ + +
+ + +
+ + +
′′′
p
( x )
) ( x )
-
iv
p (
+
-
+ + + +
+ + + +
varia¸c˜oes 4 1 0 0 0

Conclus˜oes

Entre 0 e 1 existem 4 1 = 3 varia¸c˜oes de sinal logo no inter-

valo [0 , 1] existir˜ao 3 ou 1 ra´ızes reais; Na hip´otese de existirem

3 ra´ızes ainda tˆem que ser separadas.

Entre 1 e 2 existem 1 0 = 1 varia¸c˜ao de sinal logo no intervalo [1 , 2] existe 1 raiz real;

Nos restantes intervalos n˜ao existem ra´ızes reais.

Exerc´ıcio: Separe os zeros negativos, caso existam, de p ( x ).

´

´

C ALCULO DAS RA IZES DE p ( x) = 0

Uma vez separadas as ra´ızes do polin´omio nos respectivos i n- tervalos, basta utilizar os algoritmos j´a conhecidos (bis sec¸c˜ao e Newton) para as aproximar.

15

˜

INTERPOLAC¸ AO POLINOMIAL

3.1 - Introdu¸c˜ao:

A tabela seguinte representa a velocidade (em cm/s) de um paraquedista t segundos ap´os sair de um avi˜ao:

t 1 3 5 7 13 v ( t ) 800 2310 3090 3940 4755
t
1
3
5
7
13
v ( t ) 800 2310 3090 3940 4755

Como determinar uma aproxima¸c˜ao para a velocidade do pa- raquedista 10 segundos ap´os a sa´ıda do avi˜ao? Isto ´e, com o aproximar v (10) [valor desconhecido]? Estas e outras quest˜oes podem ser resolvidas recorrendo `a

˜

INTERPOLAC¸ AO POLINOMIAL

CASO GERAL:

Dados n + 1 pontos ( x i , f ( x i )), pretendemos determinar um

´

POLIN OMIO de grau inferior ou igual a n tal que

P ( x i ) = f ( x i ) , i = 0 , 1 ,

, n

(2)

Pode mostrar-se que se os pontos forem todos distintos, exis te

e ´e unico´

o polin´omio de grau inferior ou igual a n que verifica

(2).

Apesar de o polin´omio P ( x ), interpolador dos dados ( x i , f ( x i )),

0 i n , ser unico´

h´a v´arios processos de o calcular! Todos esses processos conduzem, evidentemente, ao mesmo polin´omio.

(no caso dos pontos serem todos distintos),

16

Destacamos as seguintes:

3.2 - Polin´omio interpolador de Lagrange:

Dados os pontos ( x 0 , f ( x 0 )) , ( x 1 , f ( x 1 )) , polin´omio interpolador de Lagrange ´e

, ( x n , f ( x n )), o

P n ( x ) =

n

i=0

f ( x i ) l i ( x ) ,

onde l i ( x ) =

n

j =0;j = i

x x j x i x j

.

PROBLEMA: Se forem acrescentados novos dados ao pro-

!!! ( ver aulas

blema ´e necess´ario refazer os c´alculos todos pr´aticas )

3.3 - Polin´omio interpolador de Newton:

Diferen¸cas Divididas:

, ( x n , f ( x n )) cha-

mamos diferen¸ca dividida de 1 a ordem da fun¸c˜ao f nos pontos

x i e x i+1 a:

Dados os pontos ( x 0 , f ( x 0 )) , ( x 1 , f ( x 1 )) ,

¯

f [ x i , x i+1 ] = f ( x i+1 ) f ( x i )

x i+1 x i

Diferen¸cas divididas de ordem superior podem ser calculadas por recorrˆencia como se segue:

2

3

a

¯

a

¯

ordem : f [ x i , x i+1 , x i+2 ] = f [ x i+1 , x i+2 ] f [ x i , x i+1 ]

x i+2 x i

ordem : f [ x i ,

, x i+3 ] = f [ x i+1 , x i+2 , x i+3 ]

f [ x i , x i+1 , x i+2 ]

x i+3 x i

.

.

.

17

Exemplo:

Considere a seguinte tabela de valores ( x i , f ( x i )):

x i f ( x i ) 0 -3 -4 1 -1 -2
x i
f ( x i ) 0 -3 -4
1 -1 -2

Construa a tabela de diferen¸cas divididas dos dados apresen- tados.

Resolu¸c˜ao:

x i f ( x i ) f [ x i , x i+1 ]
x i f ( x i )
f [ x i , x i+1 ]
f [ x i , x i+1 , x i+2 ]
1
0
− 3 − 0
− 1 − 1
= 3
2
3
1 −
2
-1
-3
− 2 − 1 =
6 1
− 4 − ( − 3)
− 2 − ( − 1) = 1
-2
-4

´

Nota: E f´acil verificar que f [ x i , x i+1 ] = f [ x i+1 , x i ]

Mais geralmente, pode mostrar-se que

f [ x i , x j ] = f [ x j , x i ] , i, j

ou seja, as diferen¸cas divididas s˜ao invariantes a qualquer per- muta¸c˜ao de ´ındices .

18

˜ ´

EXPRESS AO ANAL ITICA: O polin´omio de Newton de di- feren¸cas divididas, interpolador dos pontos ( x i , f ( x i )),

0 i n ´e:

P n ( x ) = f ( x 0 ) +

f [ x 0 , x 1 ]( x x 0 ) + f [ x 0 , x 1 , x 2 ]( x x 0 )( x x 1 )+

+f [ x 0 ,

, x 3 ]( x x 0 )( x x 1 )( x x 2 ) +

+f [ x 0 ,

, x n ]( x x 0 )( x x 1 )

( x x n1 ) .

Exemplo:

Calcular o polin´omio interpolador de Newton com diferen¸cas divididas para os dados seguintes:

Resolu¸c˜ao:

x i f ( x i ) 0 -3 -4 1 -1 -2
x i
f ( x i ) 0 -3 -4
1 -1 -2
x i f ( x i ) f [ x i , x i+1 ]
x i f ( x i ) f [ x i , x i+1 ] f [ x i , x i+1 , x i+2 ]
1
0
3
2
1
-1
-3
6
1
-2
-4

P 2 ( x ) = 0 +

3 ( x 1) + 6 ( x 1)( x + 1)

2

1

= 3 x 3 + x 2 1

6

2

2

6

= x 2 + 3 x 5

6

2

3 .

19

˜

ERRO DE INTERPOLAC¸ AO:

P n polin´omio de grau inferior ou igual a n , interpolador da

fun¸c˜ao f nos pontos a = x 0 , x 1 ,

, x n = b .

Para cada ponto x [ x 0 , x n ] existe ε [ x 0 , x n ] tal que

e ( x) | = | f ( x ) P n ( x ) |

=

f (n+1) ( ε )

x ) − P n ( x ) | = f ( n +1) ( ε

( n+1)!

( x x 0 )

ba

. ( x x n )

ba

. . . .

Na pr´atica usa-se, normalmente, a express˜ao

ou seja,

|

e ( x) |≤

f ( n+1) ( ε )

( n + 1)!

( b a ) n+1 , ε [ a, b ] ,

M | e ( x ) |≤ 1)! ( b − a ) n+1 ,
M
| e ( x ) |≤
1)! ( b − a ) n+1 , onde
( n +
f ( n+1) ( ε )
M = max
ε ∈[a,b]

Propriedades das diferen¸cas divididas:

20

1.

O coeficiente do termo de maior grau de P ( x ) ´e f [ x 0 , x 1 ,

, x n ];

2. Se f ( x ) ´e um polin´omio de grau n ent˜ao f [ x 0 ,

Diferen¸cas finitas:

, x k ] = 0 , k > n .

, x n } estiverem igual-

mente distanciados (digamos x i+1 x i = h ), o polin´omio interpo- lador de Newton pode ser calculado mais facilmente recorrendo `a

no¸c˜ao de DIFERENC¸AS FINITAS (ascendentes, descendentes, etc ). Estudaremos apenas as DIFERENC¸AS FINITAS DES- CENDENTES (∆).

Se os n´os de interpola¸c˜ao { x 0 , x 1 ,

Defini¸c˜ao:

f ( x ) = f ( x + h ) f ( x ) diferen¸ca descendente de 1 a

¯

ordem;

2 f ( x )

= ∆[∆ f ( x )] diferen¸ca descendente de 2 a ordem;

¯

.

.

.

k f ( x ) = ∆[∆ k 1 f ( x )] diferen¸ca descendente de ordem

k ;

Exemplo:

Considere os seguintes dados:

x i f ( x i ) 0 -1 5 2 0 4 6 3
x i
f ( x i ) 0 -1 5
2
0
4 6
3

e construa a tabela de diferen¸cas descendentes.

21

Resolu¸c˜ao:

x i f ( x i ) ∆ f ( x i ) ∆ 2
x i f ( x i )
∆ f ( x i )
∆ 2 f ( x i )
∆ 3 f ( x i )
0
-1
0 − ( − 1) = 1
2 0
5 − 1
= 4
5 − 0 = 5
− 7 − 4 = − 11
4 5
− 2 − 5 = − 7
3 − 5 = − 2
6 3

Uma vez calculada a tabela de diferen¸cas descendentes dos dados ( x i , f ( x i )), 0 i n , ´e poss´ıvel usar essa tabela para construir o polin´omio interpolador, de grau inferior ou ig ual a n , dos dados.

De facto, as diferen¸cas divididas e as diferen¸cas descendentes podem ser relacionadas por

f [ x i , x i+1 ,

, x i+ k ] = k f ( x i ) , k IN

k

! h k

Usando este resultado no polin´omio interpolador com difer en¸cas

divididas temos

P n ( x ) = f ( x 0 ) + f ( x 0 ) ( x x 0 ) + 2 f h ( x 0 ) ( x x 0 )( x x 1 )+

h

2

2

+ 3 f ( x 0 )

6

+ n f ( x 0 )

h 3

n ! h

n

( x x 0 )( x x 1 )( x x 2 ) +

( x x 0 )( x x 1 )

( x x n1 ) .

que ´e o polin´omio interpolador de Newton com diferen¸cas descen-

dentes dos pontos IGUALMENTE ESPAC¸ADOS ( x 0 , f ( x 0 )),

( x 1 , f ( x 1 )) ,

, ( x n , f ( x n )) em que h = x i+1 x i ( CONSTANTE).

22

Exemplo:

Para os dados do exemplo anterior, vimos que a tabela de diferen¸cas descendentes era dada por

x i f ( x i ) ∆ f ( x i ) ∆ 2
x i f ( x i ) ∆ f ( x i ) ∆ 2 f ( x i ) ∆ 3 f ( x i )
0
-1
1
2
0
4
5
− 11
4
5
− 7
2
6
3

Logo,

P 3 ( x ) = f ( x 0 ) + f ( x 0 ) ( x x 0 ) + 2 f ( x 0 ) ( x x 0 )( x x 1 ) +

h

2

h 2

Para x 0 = 0 ,

+ 3 f ( x 0 )

( x x 0 )( x x 1 )( x x 2 ) .

3! h 3 x 1 = 2 , x 2 = 4 e h = x i+1 x i = 2 vem:

P 3 ( x ) = 1+ 2 ( x 0)+ 4 ( x 0)( x 2) 48 ( x 0)( x 2)( x 4) .

1

8

11

23

˜

INTERPOLAC¸ AO INVERSA:

Consideremos os n + 1 pontos ( x 0 , f ( x 0 )), ( x 1 , f ( x 1 )), ( x n , f ( x n )). Se pretendermos aproximar f ( x ) quando x n˜ao ´e um dos pon-

,

, x n , podemos, como j´a vimos, determinar o po-

lin´omio interpolador dos dados ( x i , f ( x i )), 0 i n , e escrever

tos x 0 , x 1 ,

f ( x ) P n ( x ) .

Uma outra quest˜ao que se pode colocar ´e a seguinte:

Determinar uma valor de x para o qual f ( x ) = y (dado) .

Este problema pode ser facilmente resolvido usando inter- pola¸c˜ao inversa , com se segue: [vamos supˆor que f ´e mon´otona]

Seja y i = f ( x i ) ent˜ao, sendo f mon´otona, x i = f 1 ( y i ).

1. Calcular Q( y ), polin´omio interpolador dos dados ( y i , x i ) = ( y i , f 1 ( y i ));

2. Calcular x = Q( y ).

Exemplo:

Considere a tabela seguinte:

x i f ( x i ) -4 1 3 0 1 2
x i
f ( x i ) -4 1 3
0
1
2

Determine x tal que f ( x ) 2.

24

Resolu¸c˜ao:

y i x i f −1 [ y i , y i+1 ] f −1
y i
x i
f −1 [ y i , y i+1 ] f −1 [ y i , y i+1 , y i+2 ]
-4 0
1
5
3
1
1
70
1
2
3
2

Assim,

Q 2 ( y ) = 0 + 5 ( y + 4) + 70 ( y + 4)( y 1)

1

3

Se f ( x ) ≃ − 2

ent˜ao x f 1 ( 2) Q 2 ( 2), ou seja,

1

3

x 5 ( 2 + 4) + 70 ( 2 + 4)( 2 1) = 0 . 1428571429 .

25

˜ ´

INTEGRAC¸ AO NUM ERICA

PROBLEMA:

Calcular o integral definido I f = b f ( x ) dx quando

a

´

E dif´ıcil (ou imposs´ıvel) determinar uma primitiva de f ( x );

A fun¸c˜ao f apenas ´e conhecida em alguns pontos

x i x 0 x 1 x 2 . . . f ( x i
x i
x 0
x 1
x 2
.
.
.
f ( x i ) f ( x 0 ) f ( x 1 ) f ( x 2 )
x n
f ( x n )

Nestas situa¸c˜oes recorre-se, normalmente, a m´etodos num´ericos

para aproximar o valor do integral I f = b f ( x ) dx.

a

´

ESTRAT EGIA:

Seja P n ( x ) o polin´omio interpolador de f ( x ) nos n + 1 pontos

x 0 , x 1 ,

, x n .

( x ) nos n + 1 pontos x 0 , x 1 , , x

Como o polin´omio interpolador de f ( x ) aproxima f ( x ) no intervalo dado [ a, b ] = [ x 0 , x n ], ser´a de esperar que

b

a

f ( x ) dx b P n ( x ) dx.

a

E claro que, sendo P n ( x ) um polin´omio, o integral b P n ( x ) dx

´

a

´e sempre f´acil de calcular

26

´

1. - REGRA DOS TRAP EZIOS

Esta regra ´e obtida calculando o polin´omio interpolador de grau 1 de f ( x ) no intervalo [ a, b ]:

de grau 1 de f ( x ) no intervalo [ a, b ]: Logo, b

Logo, b f ( x ) dx Area do trap´ezio sombreado

a

´

= ( b a )

2

[ f ( a ) + f ( b )].

´

[REGRA DOS TRAP EZIOS SIMPLES]

Problema:

Se o intervalo [ a, b ] tiver uma grande amplitude ou se a fun¸c˜ao f ( x ) tiver uma grande curvatura em [ a, b ], esta regra n˜ao fornece bons resultados

27

ALTERNATIVA:

Consideremos uma parti¸c˜ao do intervalo [ a, b ] em pontos igual-

mente espa¸cados a = x 0 < x 1 <

h = x i+1 x i . Podemos aplicar a regra anterior a cada um

dos intervalos [ x i , x i+1 ], e depois ter em conta que

< x n = b , com

b

a

f ( x ) dx = x n f ( x ) dx =

x

0

n1

i=0

x i+1

x

i

f ( x ) dx

( x ) dx = x 0 n − 1 i =0 x i +1 x

´

Com este procedimento obtemos a REGRA DOS TRAP EZIOS

COMPOSTA, dada por

b

a

f ( x ) dx h [ f ( x 0 ) + 2 f ( x 1 ) + 2 f ( x 2 ) +

2

onde h = b n a

.

28

+ 2 f ( x n1 ) + f ( x n )]

´

ERRO DA REGRA DOS TRAP EZIOS COMPOSTA:

Usando conhecimentos da teoria da interpola¸c˜ao, ´e poss´ıvel mostrar que o erro que se comete ao aproximar o integral

I f = b f ( x ) dx pela regra dos trap´ezios composta ´e dado por

a

E T ( f ) = ( b a ) 3 f ( ε ) , ε

12

n 2

[ a, b ],

para a parti¸c˜ao a = x 0 < x 1 <

< x n = b com h = x i+1 x i .

Na pr´atica usa-se, normalmente, a express˜ao

| E T ( f ) |≤ ( b a ) 3 M,

12

n 2

M = max a,b] | f ( ε ) |,

ε

[

Observa¸c˜ao: Para a regra dos trap´ezios simples ( n = 1), tem- se a = x 0 e b = x 1 , pelo que

| E T ( f ) |≤ ( b a ) 3 M,

12

M = max

ε

[a,b] | f ( ε ) |,

Exemplo:

Aproxime

1 e x dx usando a regra dos trap´ezios simples e

0

composta (com 2 sub-intervalos). Estime o erro cometido em

cada caso.

29

2. - REGRA DE SIMPSON

Esta regra ´e obtida calculando o polin´omio interpolador de grau 2 de f ( x ) no intervalo [ a, b ], considerando 3 pontos igualmente espa¸cados :

[ a, b ], considerando 3 pontos igualmente espa¸cados : Sabemos que P 2 ( x

Sabemos que P 2 ( x ) pode ser obtido, por exemplo, usando di- feren¸cas descendentes, tendo-se:

P 2 ( x ) = f ( a ) + x 1! h a

f a + b

2

f ( a ) +

+ ( x a ) x a+ b

2

2! h 2

f ( b ) 2 f a +

2

b + f ( a ) .

Assim, b f ( x ) dx b P 2 ( x ) dx,

a

a

in-

tegral f´acil de calcular. De facto, ap´os algumas manipula ¸c˜oes, obt´em-se:

sendo este ultimo´

b

a

f ( x ) dx h f ( a ) + 4 f a + b + f ( b ) ,

3

2

30

onde h = b 2 a

.

A esta regra chamamos REGRA DE SIMPSON SIMPLES.

A estrat´egia que foi usada para construir a regra dos trap´ezios

composta pode ser usada para construir a regra de Simpson com -

posta.

Para tal, efectuemos uma parti¸c˜ao do intervalo [ a, b ] criando

um n´umero a = x 0 < x 1 <

´

IMPAR de pontos igualmente espa¸cados

< x n = b . (=n PAR) .

Podemos agora aplicar a regra de Simpson simples a cada um

, [ x n2 , x n ] , e ter em conta que

dos intervalos [ x 0 , x 2 ] , [ x 2 , x 4 ] ,

x

x

n

= b

0 = a

f ( x )