Você está na página 1de 248

Clculo Numrico Fundamentos e Aplicaes a e co

Claudio Hirofume Asano Eduardo Colli Departamento de Matemtica Aplicada IME-USP a 9 de dezembro de 2009

Sumrio a
I Sistemas Lineares
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9
11 11 11 12 13 15 16 17 18 21 21 24 29 30 31 31 32 33 37 37 38 40 41

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 O Mtodo de Escalonamento e 2.1 O mtodo . . . . . . . . . . . . . . . . . . . . . . . . e 2.2 Algarismos signicativos . . . . . . . . . . . . . . . . 2.3 O determinante no Mtodo de Escalonamento . . . . e 2.4 A desvantagem da Regra de Cramer . . . . . . . . . 2.5 Sistemas mal-condicionados e renamento de soluo ca 2.5.1 Sistemas mal-condicionados . . . . . . . . . . 2.5.2 Matrizes de Hilbert . . . . . . . . . . . . . . . 2.5.3 Renamento . . . . . . . . . . . . . . . . . . 3 Mtodos iterativos e 3.1 O Mtodo de Jacobi . . . e 3.2 Critrio das Linhas . . . . e 3.3 Critrio de parada . . . . e 3.4 O Mtodo de Gauss-Seidel e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

II

Ajuste de Funes co

47
49 49 50 50

4 Ajuste de funes co 4.1 O problema do ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Os m nimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Parmetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 3

4 4.3.1 4.3.2 4.3.3 4.3.4 4.3.5 4.3.6 Densidade . . . . . . . . . Catenria . . . . . . . . . a Naftalinas e funes ans co Decaimento exponencial . Leis de potncia e fractais e Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

SUMARIO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 52 52 53 54 55 59 59 60 61 62 64 65 66 66 68 71 71 73 74 75 77 77 79 81 81 84

5 Funes lineares nos parmetros co a 5.1 Dependncia linear dos parmetros . . . . . . . . e a 5.2 Cont nuo vs. discreto . . . . . . . . . . . . . . . . 5.3 Um parmetro . . . . . . . . . . . . . . . . . . . a 5.4 Dois parmetros . . . . . . . . . . . . . . . . . . a 5.5 Ajuste de qualquer funo linear nos parmetros ca a 5.6 O caso cont nuo . . . . . . . . . . . . . . . . . . . 5.7 Exemplos . . . . . . . . . . . . . . . . . . . . . . 5.7.1 Dinammetro . . . . . . . . . . . . . . . . o 5.7.2 Cosseno aproximado por um polinmio . o 6 Levando a srio o produto escalar e 6.1 Produto escalar e distncia . . . . . a 6.2 Existncia e unicidade de solues no e co 6.3 O caso cont nuo . . . . . . . . . . . . 6.4 Outros produtos escalares: pesos . . . . . . ajuste . . . . . . . .

. . . . linear . . . . . . . .

7 Fam lias ortogonais 7.1 Denies e exemplos . . . . . . . . . . . . . . . . . . . . . . . co 7.2 Calculando polinmios ortogonais por recorrncia . . . . . . . . o e 7.3 Um exemplo de aplicao de polinmios ortogonais . . . . . . . ca o 7.4 Exemplo de anlise harmnica . . . . . . . . . . . . . . . . . . a o 7.5 Mudana de variveis: como usar tabelas de funes ortogonais c a co

III

Equaes e Zeros de Funes co co


. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

87
89 89 90 90 93 95 96

8 Zeros de funes e o Mtodo da Dicotomia co e 8.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . ca 8.2 Raiz cbica de 10 . . . . . . . . . . . . . . . . . . . u 8.3 Pra-quedista ou bolinha em queda dentro dgua a a 8.4 O cilindro deitado . . . . . . . . . . . . . . . . . . 8.5 Catenria . . . . . . . . . . . . . . . . . . . . . . . a 8.6 Mtodo da Dicotomia . . . . . . . . . . . . . . . . e

9 Mtodos iterativos e 99 9.1 Plano geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 9.2 Pontos xos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 9.3 Funes auxiliares candidatas . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 co

SUMARIO 9.4 9.5 9.6 9.7 9.8 9.9 Visualizando iteraes . . . . . . . . . . . . . . . . . . co Iterando perto de pontos xos . . . . . . . . . . . . . . Teorema do Valor Mdio e velocidade de convergncia e e 9.6.1 O caso (x ) = 0: convergncia quadrtica . . e a Calculando zeros de funes - a escolha de . . . . . co A escolha de x0 . . . . . . . . . . . . . . . . . . . . . . Um critrio de parada . . . . . . . . . . . . . . . . . . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 102 104 109 110 111 113 115 117 118 121 123 124

10 O Mtodo de Newton e 10.1 Quando o Mtodo de Newton funciona? . . . e 10.1.1 Retirando a hiptese f (x ) = 0 . . . . o 10.2 Mtodo de Newton em dimenses mais altas . e o 10.2.1 Determinao da forma de uma corda ca

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

IV

Interpolao Polinomial ca

127
129

11 Estimativa do erro nas interpolaes co

12 Tcnicas de interpolao e ca 133 12.1 Polinmios de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 o 12.2 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 12.2.1 Exemplo do uso da forma de Newton . . . . . . . . . . . . . . . . . . . 137

Integrao de Funes ca co
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

139
141 141 142 144 146 147 151 152

13 Importncia da integrao numrica a ca e 13.1 Introduo . . . . . . . . . . . . . . . . . . ca 13.2 Clculo de reas . . . . . . . . . . . . . . a a 13.3 Comprimento de curvas e grcos . . . . . a 13.4 Distncia percorrida e tempo decorrido . . a 13.5 Per odo do pndulo e as integrais el e pticas 13.6 Clculo de e de logaritmos . . . . . . . a 13.7 A gaussiana . . . . . . . . . . . . . . . . .

14 Mtodos de integrao numrica e ca e 155 14.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 ca 14.2 O Mtodo dos Trapzios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 e e 14.3 O Mtodo de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 e 15 Estimativa do erro nos mtodos de integrao e ca 161 15.1 Frmulas de erro e comparao dos mtodos . . . . . . . . . . . . . . . . . . . 161 o ca e 15.2 Aplicao das frmulas de erro . . . . . . . . . . . . . . . . . . . . . . . . . . 163 ca o

6 16 Obteno das frmulas de erro ca o 16.1 Primeira Abordagem - Mtodo dos Trapzios e e 16.2 Primeira Abordagem - Mtodo de Simpson . e 16.3 Segunda Abordagem - Mtodo dos Trapzios e e 16.4 Segunda Abordagem - Mtodo de Simpson . . e 16.5 Terceira Abordagem - Mtodo dos Trapzios . e e 16.6 Terceira Abordagem - Mtodo de Simpson . . e

SUMARIO 167 168 169 169 170 171 172

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

VI

Equaes Diferenciais co
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

175
177 177 179 180 180 180 181 181 182 183 185 185 186 187 191 191 192 194 196 198 202 205 205 206 208 208 209 212 213 214 214 216 218

17 Breve introduo `s equaes diferenciais ca a co 17.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 17.2 Soluo de equaes autnomas e separveis . . . . . . . . ca co o a 17.3 Alguns exemplos . . . . . . . . . . . . . . . . . . . . . . . 17.3.1 Naftalinas . . . . . . . . . . . . . . . . . . . . . . . 17.3.2 Crescimento populacional a taxas constantes . . . 17.3.3 Pra-quedista . . . . . . . . . . . . . . . . . . . . . a 17.3.4 Crescimento populacional com restries de espao co c 17.3.5 Catenria . . . . . . . . . . . . . . . . . . . . . . . a 17.3.6 Escoamento de um copo furado . . . . . . . . . . . 17.3.7 Dada do Mtodo de Newton, quem f ? . . . . . e e 17.3.8 Transferncia de calor . . . . . . . . . . . . . . . . e 17.4 Entendimento qualitativo de equaes autnomas . . . . . co o 17.5 Equaes diferenciais com mais variveis . . . . . . . . . . co a 18 Soluo numrica de equaes diferenciais ca e co 18.1 Equaes separveis . . . . . . . . . . . . . . . . . co a 18.2 Discretizao . . . . . . . . . . . . . . . . . . . . . ca 18.3 O Mtodo de Euler . . . . . . . . . . . . . . . . . . e 18.4 Indo para segunda ordem . . . . . . . . . . . . . . 18.5 Runge-Kutta . . . . . . . . . . . . . . . . . . . . . 18.6 Runge-Kutta em sistemas de equaes autnomas . co o A Entendendo os sistemas lineares A.1 Sistemas lineares e intersees de hiperplanos co A.2 Transformaes lineares . . . . . . . . . . . . co A.3 Notao e interpretao . . . . . . . . . . . . ca ca A.4 Inverso de matrizes . . . . . . . . . . . . . . a A.5 Explorando a linearidade . . . . . . . . . . . A.6 Existncia e unicidade de solues . . . . . . e co A.7 Injetividade, sobrejetividade... glup! . . . . . A.8 O determinante . . . . . . . . . . . . . . . . . A.8.1 Dimenso 2 . . . . . . . . . . . . . . . a A.8.2 Dimenso 3 . . . . . . . . . . . . . . . a A.8.3 Dimenso n . . . . . . . . . . . . . . . a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

SUMARIO

A.9 Quadro comparativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 B Reviso de Clculo a a B.1 Derivadas . . . . . . . . . . . . . . . . . . . . . . . B.2 Primitivas . . . . . . . . . . . . . . . . . . . . . . . B.3 Integral . . . . . . . . . . . . . . . . . . . . . . . . B.4 A integral indenida . . . . . . . . . . . . . . . . . B.5 O Teorema Fundamental do Clculo . . . . . . . . a B.6 A praticidade do Teorema Fundamental do Clculo a B.7 O logaritmo . . . . . . . . . . . . . . . . . . . . . . B.8 O Teorema do Valor Mdio . . . . . . . . . . . . . e B.9 A Regra da Cadeia . . . . . . . . . . . . . . . . . . B.10 Regras do produto e do quociente . . . . . . . . . . B.11 Truques de primitivizao: integrao por partes . ca ca B.12 Truques de primitivizao: substituio . . . . . . ca ca C Frmula de Taylor o C.1 Introduo . . . . . . . . . . . . . . . ca C.1.1 Polinmios de grau zero . . . o C.1.2 Aproximao da funo nula ca ca C.1.3 Aproximao de grau 1 . . . ca C.2 Polinmio e Frmula de Taylor . . . o o D Respostas de exerc cios selecionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 221 222 223 224 226 228 229 233 234 236 237 237 241 241 242 242 242 243 247

8 q

SUMARIO

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 seguinte e co o 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 que a tenham tantas equaes quanto incgnitas, isto , m = n. Trataremos neste Cap co o e tulo de alguns exemplos onde se aplicam sistemas lineares, no Apndice A discutimos um pouco da e teoria envolvida (por exemplo, a relao entre o determinante dos coecientes do sistema e a ca existncia e unicidade de solues), no Cap e co tulo 2 falaremos de sua soluo pelo Mtodo de ca e Escalonamento e no Cap tulo 3, nalmente, exporemos dois mtodos iterativos de resoluo e ca dos sistemas lineares (que, infelizmente, s funcionam em certos casos). o

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 misturadas, a a de modo que seja poss medir facilmente o volume de cada material em cada uma delas. vel 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. 11

12

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

Para colocar o problema em termos matemticos, chamemos os materiais de A, B, C a e D, e suas densidades respectivas de A , B , C e D . Essas so as incgnitas do problema, a o nmeros que queremos descobrir. u Entre os dados dispon veis para resolv-lo e esto a massa conjunta dos quatro materiais a em cada uma das provetas (numeradas de 1 a 4), que chamaremos de m1 , m2 , m3 e m4 , j a descontada a tara das provetas.

11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00

11 00 11 00 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00 11 00 11 00

11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 A 11 00 11 00

11 00 11 00 11 00 11 00 11 00 11 00 D 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 C 11 00 11 00 11 00 11 00 11 00 11 00 B 11 00 11 00 11 00 11 00 11 00 11 00 11 00 A 11 00 11 00 11 00

Alm disso, temos o volume de cada um dos materiais em cada uma das provetas. Chae maremos 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 1 e a 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

Trata-se de um sistema linear de quatro equaes e quatro incgnitas. co o Uma poss aplicao em Geologia seria a seguinte. Uma sonda faz o papel das provetas, vel ca e uma coluna de material retirada, contendo materiais diferentes dispostos em camadas e (pode ser at uma sonda coletando material gelado). A sonda permitiria medir a dimenso e a de cada camada, mas no poder 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. Uma co a central recebe o petrleo dos trs poos, mas antes do reno precisa obter uma mistura com o e c uma concentrao escolhida das substncias A e B. A pergunta : em cada litro de petrleo ca a e o que ser gerado para o reno, quanto petrleo de cada poo se deve colocar? a o c 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. Essa o c ca o c informao conhecida previamente. As concentraes que queremos obter so chamadas de ca e co a cA e cB . As incgnitas so as quantidades relativas de petrleo de cada poo que colocaremos o a o c

1.4. CORES

13

na mistura nal, que chamaremos de q1 , q2 e q3 . Elas so medidas em litros, e devem ser tais a 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 c1B q1 q1 + c2A q2 + c2B q2 + q2 + c3A q3 + c3B q3 + q3 = cA = cB = 1

Aqui importante salientar que o problema no teria uma soluo satisfatria para qualquer e a ca o escolha de cA e cB . Por exemplo, se a concentrao cA desejada na mistura for superior `s ca a concentraes de A em cada um dos poos, no h como obter a mistura satisfatoriamente. co c a a Mesmo assim poderia haver uma soluo matemtica para a equao, na qual provavelmente ca a ca 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 q3 e encontrados no sejam negativos. a O conjunto de valores de cA e cB para os quais haveria uma soluo para esse problema pode ser ca representado da seguinte forma. Queremos um par de concentraes (cA , cB ) tal que existam q1 , co q2 e q3 satisfazendo as equaes acima. Esse conco junto de possibilidades est representado no plano a cartesiano na gura ao lado, e denominado ene voltria convexa dos pontos (c1A , c1B ), (c2A , c2B ) o e (c3A , c3B ). Ele o menor conjunto convexo que e contm os pontos citados. e

cB

(c1A ,c1B )
possiveis

(cA ,cB )

(c3A ,c3B ) (c2A ,c2B )

cA

1.4

Cores

Um exemplo muito semelhante pode ser obtido trabalhando-se com combinaes de cores. co A maior parte das cores conhecidas podem ser formadas pela combinao de trs cores: ca e vermelho (R), verde (G) e azul (B), as letras correspondendo ` nomenclatura em ingls a e red-green-blue, que chamaremos de cores puras.

14

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

Isto signica que as cores podem ser representadas por trs nmeros e u no-negativos, cada um indicando a a quantidade de cada uma das trs coe res, e esses nmeros so geometriu a camente vistos pela posio que reca presentam no primeiro octante formado pelos trs eixos coordenados e no espao tridimensional. c

G R

No entanto h um bocado de informao redundante nessa representao, uma vez que o a ca ca ponto (1, 1, 1) deve resultar na mesma cor que (3, 3, 3), a unica diferena sendo a quantidade c de material produzido.

B
azul (0,0,1)

Se pensarmos que os nmeros xR , xG , xB deu notam a quantidade de litros de cada cor pura e sempre quisermos produzir exatamente 1 litro de mistura, ento necessrio que a e a xR + xG + xB = 1 .
(0,1,0)

(1,0,0)

G
vermelho verde

A equao acima restringe o espao de cores ca c poss veis ` interseco do plano xR + xG + a ca xB = 1 com o primeiro octante, que o e tringulo mostrado na gura ao lado. a

Cada ponto Q desse tringulo obtido como combinao convexa de (1, 0, 0), (0, 1, 0) e a e ca (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 Q(i) = (qR , qG , qB ) para cada i = 1, 2, 3, 4. Elas so representadas por pontos no tringulo T . a a
(i) (i) (i)

1.5. INTERPOLACAO POLINOMIAL

15

O conjunto de todas as combinaes poss co veis dessas quatro cores (formando um litro) o e menor conjunto convexo em T que contm ese sas quatro cores, como ilustra a gura ao lado. Se Q uma tal cor, ento e a Q = x1 Q(1) + x2 Q(2) + x3 Q(3) + x4 Q(4) , com x1 + x2 + x3 + x4 = 1.

Q (2) Q
(1)

Q (4)

Q (3)

1 1 1 Por exemplo, suponha que a cor cinza, dada por Q = ( 3 , 3 , 3 ), esteja contida nesse 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 equaes lineares a co nas incgnitas x1 , x2 , x3 e x4 : o

qR x1 (1) qG x1 (1) qB x1 x1

(1)

+ qR x2 (2) + qG x2 (2) + qB x2 + x2

(2)

+ qR x3 (3) + qG x3 (3) + qB x3 + x3

(3)

+ qR x4 (4) + qG x4 (4) + qB x4 + x4

(4)

= = = =

1 3 1 3 1 3

1.5

Interpolao polinomial ca

Imagine que queiramos passar um polinmio quadrtico (isto , uma parbola) pelos pontos o a e a (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 so e o a o a os trs coecientes a, b e c. Para encontrar as incgnitas dispomos de trs equaes, pois o e o e co grco do polinmio deve passar pelos trs pontos dados: p(x1 ) = y1 , p(x2 ) = y2 e p(x3 ) = y3 . a o e Explicitando as equaes, camos com co ax2 + bx1 + c = y1 1 ax2 + bx2 + c = y2 2 ax2 + bx3 + c = y3 3

16

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

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 qualquer e u 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 : p(x1 ) = y1 , p(x2 ) = o a e y2 , . . . , p(xn ) = yn .

yn y y n1 x1 x2 y2 xn1 xn
1

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 o co sistema de n equaes, onde os coecientes so as n incgnitas: co a o a0 a0 . . . a0 + + x1 a1 x2 a1 . . . + + x2 a2 1 x2 a2 2 . . . + ... + ... . . . + ...
n1 + x1 an1 n1 + x2 an1 . . . n1 + xn an1

= =

+ xn a1

+ x2 a2 n

= = yn

y1 y2 . . .

Podemos nos perguntar se sempre existe soluo para esse sistema, e se ela unica. A ca e resposta sim (desde que os xi s sejam distintos entre si, mas veremos a justicativa mais e adiante, na Seo A.7. ca Exerc cio 1.1 Ache o unico polinmio de grau 3 passando pelos pontos (1, 0), (0, 1), o (3, 1) e (4, 0). Exerc cio 1.2 Encontre o polinmio interpolador para os pontos (1, 5), (0, 1), (3, 19) e o (4, 45).

1.6

Outros problemas de determinao de polinmios ca o

Outro problema de interpolao polinomial que pode ser reduzido a um sistema linear ocorre ca quando so impostas condies nas derivadas do polinmio, em determinados pontos. A idia a co o e ca mais clara a partir do seguinte exemplo.

1.7. SPLINES

17

Problema: achar um polinmio tal que p(1) = 1, p(3) = 0, p (1) = 0 e p (3) = 0. o Isto , xa-se o valor e a derivada de p em dois pontos, o que d 4 equaes. Com um polinmio e a co o de grau 3, ca-se com 4 incgnitas. Explicitamente, se p(x) = a0 + a1 x + a2 x2 + a3 x3 , ento o a as 4 equaes se transformam em co a0 a0 + a1 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 exemplo, se p(x) = ax2 + bx + c polinmio de grau 2 e sabemos que e o
2

p(x)dx = 3 ,
1

isso nos d uma equao linear, pois a ca


2

p(x)dx
1

= a =

x3 3

2 1

+b

x2 2

2 1

+ cx

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 comea a e ca c de zero, desta vez) como na gura abaixo com n = 5, achar uma funo que seja: ca 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).

x0

x1

x2

x3

x4

x5

18

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

Nesse problema temos que achar n polinmios cbicos (um para cada intervalo), e so o u a portanto 4n incgnitas (quatro coecientes de cada polinmio). Ser que temos 4n equaes o o a co tambm? e Vejamos. Chamaremos de p1 (x), . . . , pn (x) os polinmios, sendo que o polinmio pk (x) o o 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 impor a a co e a segunda condio especicada acima, nos demais ndulos (mais 2n 2 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 (zero e co neste caso): p (x0 ) = 0 , p (xn ) = 0 , 1 n e tambm a continuidade da derivada em cada ndulo: e o p (x1 ) = p (x1 ) , . . . , p (xn1 ) = p (xn1 ) , 1 2 n1 n perfazendo mais n + 1 equaes. Finalmente, temos que impor tambm a continuidade da co e segunda derivada nos ndulos, com mais n 1 equaes: o co p (x1 ) = p (x1 ) , . . . , p (xn1 ) = p (xn1 ) . 1 2 n1 n Ao todo so 4n equaes! a co E poss mostrar que o sistema da resultante sempre tem unica soluo. vel ca Exerc cio 1.3 Monte o sistema linear relativo ao spline dos pontos da gura, com os seguintes dados: 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

Exerc cio 1.4 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

1.8. PROBLEMAS DE CONTORNO

19

Suponha uma situao como a ca 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 Tc a A questo : como se distribuir a e a a temperatura, no equil brio, em funo da posio (x, y)? ca ca

Tb

Ta
(x,y) T(x,y)

Tc

O mesmo problema pode ser formulado com um potencial eletrosttico V (x, y), ao invs a e da temperatura, se nas regies mostradas xssemos valores Va , Vb e Vc . Na verdade, os o a 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 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

Tb

Ta

Tc

Para obter uma soluo ca numrica, e discretizamos o plano (x, y) com uma rede quadrada, como mostra a gura ao lado. Em seguida, numeramos os vrtices da malha cujas teme peraturas no esto xadas, em a a qualquer ordem (por exemplo, adotamos da esquerda para a direita, e de cima para baixo).

Na posio i queremos determinar a temperatura Ti , no equil ca brio. Se forem N vrtices, e sero N incgnitas T1 , T2 , . . . , TN a determinar. A equao de Laplace, quando discretizada, a o ca se traduz no fato de que a temperatura de equil brio na posio i tem que ser igual ` mdia ca a e

20

CAP ITULO 1. EXEMPLOS DE APLICACOES DE SISTEMAS LINEARES

da temperatura nos quatro vizinhos imediatos (na vertical e horizontal). Para cada vrtice, e isso se traduzir numa equao (linear), e a reunio de todas essas equaes formar um a ca a co a sistema linear de N equaes e N incgnitas. co o A soluo do sistema assim obtido ser uma aproximao da distribuio de temperatura. ca a ca ca
1111111111111111111111111111111111 0000000000000000000000000000000000

Vejamos um exemplo, com uma grade de poucos vrtices. O desenho da e gura ao lado mostra uma grade 9 8. Chamaremos de N o nmero de linhas u (no exemplo, N = 9) e M o nmero u de colunas (no exemplo, M = 8). Na grade xamos Ta nas posies (4, 4), co (5, 3), (5, 4), (5, 5) e (6, 4) (embora a posio interna (5, 4) no v servir para ca a a nada), e Tb nas posies (1, s) e (9, s), co para 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.

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 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 0 1

1 1 2 3 4 5 6 7 8 9
1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0

2
1 0 1 0

3
1 0 1 0

4
11 00 11 00

5
11 00 11 00

6
1 0 1 0

7
1 0 1 0

8
1 0 1 0 1 0 1 0 1 0 1 0 1 0

Tb

11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00

Ta

1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0

11 00 11 00 11 00

1 0 1 0 1 0

1 0 1 0 1 0

11 00 11 00 11 00

11 00 11 00 11 00

1 0 1 0 1 0

1 0 1 0 1 0

1 0 1 0 1 0

A discretizao da equao de Laplace signica que, nos vrtices em que a temperatura ca ca e no foi xada, o valor da temperatura ser dado pela mdia dos valores dos quatro vrtices a a e e mais prximos. Numeraremos esses vrtices da seguinte forma: da esquerda para a direita e o e de cima para baixo (como na leitura de um texto em portugus), e para o vrtice i queremos e e saber a temperatura de equil brio Ti . Assim, para o primeiro vrtice, teremos e T1 = 1 (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 Exerc cio 1.5 Discretizar e resolver a equaao T + T = 0 no quadrado [0, 1] [0, 1] com c x2 y2 condiao de contorno dada por T (x, 0) = x2 e T (x, 1) = x2 1 para 0 x 1 e T (0, y) = y 2 c e T (1, y) = 1 y 2 , para 0 y 1. Divida o intervalo [0, 1] em N = 3 subintervalos de mesmo comprimento. Compare sua soluao com a soluao exata T (x, y) = x2 y 2 . c c Exerc cio 1.6 Faa o mesmo exerc c cio com a funao T (x, y) = xy. c
2 2

Cap tulo 2

O Mtodo de Escalonamento e
2.1 O mtodo e

Nesta Seo discutiremos um mtodo de resoluo de sistemas lineares, chamado Mtodo do ca e ca e Escalonamento ou Mtodo de Eliminao de Gauss. O mtodo se baseia, em primeiro lugar, e ca e no fato de que um sistema triangularizado como abaixo tem fcil soluo: a ca a11 x1 + a12 x2 a22 x2 + a13 x3 + a23 x3 a33 x3 + ... + ... + ... + + + a1n xn a2n xn a3n xn ann xn = = = . . . b1 b2 b3

= bn

Na verdade, tanto necessrio quanto suciente que todos os coecientes na diagonal sejam e a no-nulos para que se explicite a soluo de forma unica (se um dos termos da diagonal for a ca nulo ento haver variveis livres e uma innidade de solues). A soluo, nesse caso, se a a a co ca 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 por a ca e diante, at se conseguir o valor de x1 . e Um sistema triangularizado torna-se ento o objetivo do mtodo. Para ser mais preciso, a e pretende-se obter um sistema linear triangularizado equivalente ao original. Aqui entenderemos que dois sistemas lineares so equivalentes se eles possuem exatamente a as mesmas solues, ou seja: se um conjunto de nmeros x1 , . . . , xn soluo de um sistema co u e ca ento automaticamente ser soluo do outro. a a ca 21

22

CAP ITULO 2. O METODO DE ESCALONAMENTO

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 no pode ca ca a ser somente a linha i (seno a informao sobre a linha j desaparece, o que pode tornar o a ca 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 que a da qualquer soluo do sistema linear original ser soluo do sistema linear alterado. Ser que ca a ca a vale o inverso? De fato, sim. Se os nmeros x1 , . . . , xn formam uma soluo do sistema alterado, ento u ca a j garantimos que esses nmeros satisfazem todas as equaes do sistema original, exceto a u co possivelmente a equao j. Acontece que subtraindo da linha alterada a linha i multiplicada ca por vemos que a linha j automaticamente satisfeita, contanto que = 0. e O essencial nesse truque que podemos controlar e de forma que a linha substituta e tenha um zero em certa posio. Por exemplo, suponha que na linha i o termo aik (k-sima ca e coluna) seja diferente de zero. Com isso, podemos substituir a linha 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 uma, ca at chegar a um sistema triangularizado equivalente ao original. Antes de explicar o procee dimento, no entanto, convencionemos uma forma mais fcil de escrever o sistema linear: a a forma matricial. Nessa forma de escrever, s colocamos o que realmente interessa no sistema o 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

2.1. O METODO

23

Uma observao importante que devemos fazer neste ponto da exposio que a ordem ca ca e das linhas no importa na montagem da equao, pois as linhas so as equaes, e todas a ca a co as equaes devem ser satisfeitas ao mesmo tempo. J a ordem das colunas importante, co a e pois a primeira coluna representa os coecientes da incgnita x1 , a segunda representa os o coecientes da incgnita x2 , etc. Se quisermos trocar a ordem das colunas, teremos antes o que renumerar 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 de zero e a a trocamos de posio com a primeira. Se no houver nenhuma linha cujo primeiro coeciente ca a seja no-nulo ento x1 no entra no sistema linear e pode ser, a princ a a a pio, qualquer. Alm e disso, percebe-se que de fato o sistema linear envolve apenas n 1 incgnitas em n equaes, o co havendo grande chance de no ter soluo. De qualquer forma, se isso acontecer no haver a ca a a nada a ser feito nessa primeira etapa e poderemos 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 an2 . . . ann

b1 b2 . . . bn

onde preciso lembrar que, por causa das operaes com linhas, os coecientes no so os e co a a mesmos do sistema linear original! Nessa primeira etapa descrita, o nmero a11 chamado de piv. Em cada etapa haver u e o a um piv, como veremos adiante. Vimos que o piv tem que ser necessariamente diferente o o de zero, o que pode ser conseguido atravs de uma troca de linhas. De fato, poss e e vel at escolher o piv, dentre os vrios nmeros da primeira coluna que sejam diferentes de e o a u zero. Na maioria das situaes em que se resolve um sistema linear por este mtodo, atravs co e e de calculadora ou computador, mais vantajoso, sob o ponto de vista dos erros de clculo e a originados de arredondamentos (veja discusso mais adiante), escolher o piv como sendo o a o maior dos nmeros dispon u veis na coluna. Aqui entende-se por maior nmero aquele que u tem o maior valor absoluto dentro da coluna. Esse procedimento chamado de condensaao e c pivotal. Na segunda etapa, vericamos se a22 = 0. Se no for, procuramos entre as linhas abaixo da a segunda alguma cujo segundo coeciente seja no-nulo. Se no houver, passamos diretamente a a 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 posio com outras. Aqui o a a ca piv ser o nmero diferente de zero da segunda coluna, escolhido entre a segunda linha e a o a u ultima. Mais uma vez, pode-se adotar a condensao pivotal, tomando como piv o maior ca o em valor absoluto.

24

CAP ITULO 2. O METODO DE ESCALONAMENTO

Se aps a troca tivermos a22 = 0, podemos usar nosso truque para zerar todos os segundos o coecientes desde a linha 3 at a ultima linha. Trocaremos cada linha j = 3, . . . , n pela linha e (linha j) aj2 (linha 2) , a22

e caremos com um sistema linear da forma a11 a12 a13 0 a22 a23 0 0 a33 . . . . . . . . . 0 0 an3

... ... ... . . . ...

a1n a2n a3n . . . ann

b1 b2 b3 . . . bn

lembrando mais uma vez que os coecientes so diferentes em relao ` etapa anterior, exceto a ca a os da primeira linha, que cam inalterados. a E fcil ver que em n 1 etapas teremos um sistema linear triangularizado que, como j a observamos acima, pode ser facilmente resolvido.

2.2

Algarismos signicativos

x e e A mantissa de x, de ordem k, a representao decimal de 10n at a k-sima casa decimal, e ca com arredondamento. Em geral as calculadoras usam k > 6, e computadores mais modernos podem usar valores bem mais altos. Por exemplo, quando peo para minha calculadora o c valor de 50000 ela me responde 223.6067977 e Observe que x = 50000 tal que

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 resulta num ca a a ca sistema linear de 37 incgnitas. E isso pouco: imagine uma grade bem mais na! o e 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 do co sistema linear original. No entanto, calculadoras e computadores no trabalham dessa forma. a Num computador ou numa calculadora cient ca os nmeros so representados em ponto u a utuante, baseados na notao decimal (internamente pode ser em outra base, mas o que nos ca aparece , em geral, a notao decimal). Na notao de ponto utuante, um nmero tem um e ca ca u expoente e uma mantissa. Se x um nmero real, seu expoente ser o nmero inteiro n tal e u a u que 10n1 x < 10n .

102 x < 103 , portanto o expoente n = 3 nesse exemplo. Ento e a x 0.2236067977 103 .

2.2. ALGARISMOS SIGNIFICATIVOS A mantissa de x de ordem 10 o nmero e u 0.2236067977

25

As mquinas trabalham com um tamanho xo para a mantissa: na calculadora que eu a usei, esse tamanho 10. A ordem k da mantissa que escolhemos para operar com um nmero e u tambm chamada de nmero de algarismos signicativos. e e u Antes de discorrermos sobre como fazer operaes aritmticas com nmeros nessa reco e u presentao (a chamada aritmtica de ponto utuante), vejamos como se d o processo ca e a de arredondamento. Suponha que um nmero x se escreva da seguinte forma, na notao u ca decimal: x = Np Np1 . . . N1 N0 .N1 N2 N3 . . . , onde Np , . . . , N0 , N1 , N2 , . . . so os algarismos da notao, de fato nmeros entre 0 e 9, j a ca u a ` que se trata de representao na base 10. A direita a seqncia dos Ni s pode ser innita ca ue (e inclusive h nmeros que podem ser escritos de duas formas diferentes, por exemplo a u 0.999 . . . = 1.000 . . .). Assumiremos que ela seja sempre innita, pois mesmo que no seja a podemos torn-la completando a seqncia com zeros. a ue Essa notao representa uma srie innita, 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 seguinte e u forma: x est entre Np 10p e (Np + 1) 10p , mas tambm est entre Np 10p + Np1 10p1 a e a 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 . Isso a o determinado pelo algarismo seguinte na expanso decimal de x, isto , Nk1 . Podemos e a e seguir a regra: se Nk1 = 0, 1, 2, 3, 4, ento x = X + Nk 10k ; j se Nk1 = 5, 6, 7, 8, 9 a a ento x = X + (Nk + 1) 10k . a No segundo caso preciso tomar cuidado ao se voltar para a notao decimal. Se 0 e ca Nk 8, ento a x = Np . . . N0 .N1 . . . Nk+1 (Nk + 1) .

26

CAP ITULO 2. O METODO DE ESCALONAMENTO

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 e igual a 9, ento trocamos esse nmero por um zero e somamos 1 ao precedente, at isso no a u e a mais acontecer. Por exemplo, o arredondamento de 1.5769996 para a sexta casa decimal e 1.577000. Agora voltemos ` questo das operaes aritmticas. No mundo das mquinas, elas devem a a co e a ser feitas sempre respeitando um certo nmero pr-xado de algarismos signicativos. Para u e entender bem, nada melhor do que alguns exemplos. Digamos que se queira efetuar a operao 2.236 + 12.448, com 4 algarismos signicativos. ca O primeiro nmero j est escrito com 4 algarismos signicativos, pois 2.236 = 0.2236 101 , u a a mas o seguinte no, pois 12.448 = 0.12448102 . Ento arredondamos o segundo para que que a a 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 u diferente se no houvssemos arredondado 12.448 para 12.45, pois 2.236 + 12.448 = 14.684 a e que, arredondado, ca 14.68. a E fcil ver que haver um acmulo de erro se um grande nmero de operaes aritmticas a u u co e for efetuado em cadeia. 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 a o 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 E preciso tomar bastante cuidado com subtraes e somas de nmeros com expoentes d co u spares, principalmente se essas operaes forem feitas em grande nmero. Seno corremos o risco co u a de subtrair 9430 vezes o nmero 0.1 de 943 e continuar com 943, ao invs de obter zero!! u e Tambm deve-se tomar cuidado com a subtrao de nmeros muito parecidos, cuja diferena e ca u c se encontre alm dos d 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 com mais algarismos do que ca vel os signicativos, o dobro em geral) e o resultado da operao arredondado. O mesmo vale ca para as operaes de multiplicao e diviso. Por exemplo, 5.35/7.22, com 3 algarismos co ca a signicativos, d 0.741 (conra!). a Para ilustrar, faamos o escalonamento e a resoluo de um sistema linear de ordem 3, c ca usando 3 algarismos signicativos. Este exemplo servir para ilustrar como, em linhas gerais, a se d a resoluo de um sistema por um programa de computador. Evidentemente um bom a ca programa (h alguns j prontos para uso) tratar de minimizar o quanto for poss os erros a a a vel de arredondamento causados pelo nmero limitado de algarismos signicativos. Aqui, ao u contrrio, tentaremos levar ao p da letra a regra de arredondar aps cada operao. A regra a e o ca s no ser muito clara sobre a ordem de seguidas adies ou multiplicaes: neste caso, o a a co co faremos o arredondamento aps todas as adies (ou multiplicaes). o co 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 sistemas 943 (0.122 + 0.405) = 943 0.527 = 942 .

2.2. ALGARISMOS SIGNIFICATIVOS

27

que tem apenas coecientes inteiros. Ele tem soluo exata (x1 , x2 , x3 ) = ( 9 , 13 , 3), que ca 2 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 inteiros a com 1 algarismo signicativo. O 3 da primeira coluna serve como piv, pois maior do que o e os demais coecientes 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 u o 1 no nulo. Para a segunda linha, o mltiplo tem que ser 3 = 0.333, enquanto que para a a u terceira linha ele tem que ser 2 = 0.667. Chamaremos esses mltiplos de multiplicadores. u 3 O leitor pode achar estranho que 1 0.333 3 = 1 0.999 = 0.001, o que faz com que de fato o primeiro coeciente da segunda linha no se anule. Isso ser ignorado na hora de a a se fazer o escalonamento. Observe que a escolha do multiplicador como 0.334 no ajudaria a a resolver o problema. A unica soluo seria no arredondar o multiplicador antes de fazer ca a a conta, mas nem sempre isso o que acontece num programa. e Dessa primeira etapa sai o sistema 1 3 1 2 0 0.667 0.666 2.33 , 0 1.33 2.33 1.67 1 a com vetor de permutao de linhas p = 2 , indicando que nesta etapa no permutamos ca 3 as linhas do sistema. E conveniente armazenar os multiplicadores no lugar onde os zeros da eliminao apareceram: ca 3 1 2 1 0.333 0.667 0.666 2.33 . 1.33 2.33 1.67 0.667

lineares de qualquer ordem (que a ordem seja apenas limitada por problemas de falta de memria, por exemplo). o Considere o sistema 1 3 1 2 , 1 1 0 2 2 2 1 1

Repare que os multiplicadores da primeira etapa tambm foram trocados, acompanhando as e linhas em que atuaram. Para a terceira linha, usa-se o multiplicador 0.667 = 0.502 , 1.33

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 0.667 1.33 2.33 1.67 . 0.333 0.667 0.666 2.33

28 e da temos

CAP ITULO 2. O METODO DE ESCALONAMENTO

1 2 2.33 1.67 . 0.504 1.49 1 com vetor nal de permutao de linhas p = 3 . Portanto ca 2 3 0.667 0.333 1 1.33 0.502 x3 =

1 6.44 2 2.96 13.4 = = 4.47 . 3 3 Observe que no preciso, quando se for dividir por 3, calcular 1 , arredondar e depois a e 3 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 0.06. ca Mais adiante, na Subseo 2.5.3, veremos como melhorar o clculo, usando o renamento de ca a solues. co x1 = Exerc cio 2.1 Faa as contas intermedirias do exemplo acima. Resolva o sistema do c a exemplo acima usando apenas 2 algarismos signicativos. Exerc cio 2.2 Implemente a resoluao por escalonamento no computador. c Exerc cio 2.3 Resolva o sistema linear 7.01 0.031 com 3 algarismos signicativos. Exerc cio 2.4 Considere o circuito eltrico da gura abaixo, no qual R1 = 6, R2 = 4, e R3 = 4, R4 = 1, U1 = 19V , U2 = 6V e U3 = 2V . Utilizando a Lei de Kircho (a soma das diferenas de potenciais em qualquer loop de um circuito igual a zero) e a Lei c e de Ohm (a diferena de potencial, V , resultante em um resistor de resistncia R, devido c e a passagem de corrente eltrica I, V = RI), obtenha um sistema linear cujas variveis ` e e a so os valores das correntes I1 , I2 e I3 . Utilize o mtodo de Gauss para resolver o sistema a e obtido considerando aritmtica de ponto utuante com dois algarismos signicativos. e 2.52 0.789 10.1 2.6

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

I1 19V U1

R1 6 4

R4 I3 U2

R3 4 2V

I2 U3

R2 6V

2.3. O DETERMINANTE NO METODO DE ESCALONAMENTO Exerc cio 2.5 Dado o sistema linear Ax = b onde 4.3 4.2 1.1 0.70 A = 0.90 2.4 0.70 3.4 0.10

29

resolva-o pelo Mtodo de Eliminaao de Gauss com condensaao pivotal, utilizando aritmtica e c c e de ponto utuante e 2 algarismos signicativos. No esquea de arredondar aps cada a c o operaao aritmtica. c e

3.4 b = 2.1 3.3

2.3

O determinante no Mtodo de Escalonamento e

Observemos em primeiro lugar que as propriedades do determinante1 de uma n-upla de vetores (u1 , . . . , un ) de Rn (normalizao, alternncia e linearidade) podem ser formuladas ca a 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, ento o ca a determinante a soma de vezes o determinante da mesma matriz com a coluna u + v e 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 coluna. u e a e Pelas propriedades do determinante, det(u1 , u2 , . . . , uj + ui , . . . , un ) = det(u1 , u2 , . . . , uj , . . . , un ) , logo o determinante no se altera quando somamos a uma coluna um mltiplo de uma outra. a u Em seguida, ressaltamos que as mesmas propriedades so vlidas com linhas ao invs de a a e colunas. Isso porque no dif mostrar que a transposta de A, denotada por AT , que a e cil e a matriz A onde se trocam colunas por linhas, tem o mesmo determinante que A. Logo as propriedades de det A em relao a suas linhas so as mesmas que det AT = det A em relao ca a ca a suas colunas. Portanto todas as operaoes realizadas no Mtodo de Escalonamento no alteram o deterc e a minante da matriz de coecientes, exceto as trocas de linhas, feitas por conta da condensao ca pivotal, pois cada troca de linha muda o sinal do determinante. Por outro lado, o resultado nal do escalonamento uma matriz triangular, cujo detere minante dado pelo produto dos coecientes da diagonal. Ento o determinante do sistema e a ser zero se e somente se aps o escalonamento houver um termo nulo na diagonal, e nesse a o caso o sistema ser imposs ou indeterminado. a vel Isto completa o argumento da Subseo A.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 todos os a ca termos da diagonal so no-nulos, e por conseguinte o determinante do sistema tambm a a e e no-nulo. a
1 Veja

A.8

30

CAP ITULO 2. O METODO DE ESCALONAMENTO

2.4

A desvantagem da Regra de Cramer

A Regra de Cramer uma frmula bastante prtica de se resolver Au = b, usando a noo e o a ca de determinante. Suponha que det A = 0. Nesse caso, existe unica soluo u = (x1 , . . . , xn ) ca 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 da e 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 na i-sima a e posio um dos vetores xj Aej . No entanto, apenas o determinante com xi Aei ser no-nulo: ca 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 . Logo xi = det(. . . , Aei1 , b, Aei+1 , . . .) , det A

que a Regra de Cramer. e A desvantagem da Regra de Cramer que o nmero de operaes necessrias para se chee u co a gar ` soluo em geral muito maior do que no Mtodo de Escalonamento. Essa comparao a ca e e ca feita assim: calcula-se o nmero de operaes aritmticas necessrias em cada mtodo em e u co e a e funo do tamanho n do sistema linear. Ento v-se que num mtodo esse nmero cresce ca a e e u muito mais rapidamente com n do que no outro. Para facilitar a comparao, ignoraremos as ca instrues de controle de uxo que seriam necessrias caso os mtodos fossem implementados co a e num computador. Um nmero de operaes aritmticas muito grande desvantajoso por duas razes: auu co e e o menta 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 n! u a e (mostre isso), ou seja, so n! operaes de adio. Para obter cada produto so n 1 a co ca a multiplicaes, totalizando n!(n1) operaes de multiplicao. Para calcular as n incgnitas, co co ca o a Regra de Cramer pede n + 1 determinantes, logo so n!(n + 1) adies e n!(n 1)(n + 1) a co multiplicaes, mais as n divises ao nal de tudo. co o E quanto ao Mtodo de Escalonamento, quantas operaes aritmticas sero necessrias? e co e a a Em vez de darmos a resposta sugere-se ao leitor fazer por ele mesmo, como indicado no seguinte exerc cio. Exerc cio 2.6 Mostre que o nmero de adioes/subtraoes, multiplicaoes e divises necesu c c c o srias para se completar o Mtodo de Escalonamento num sistema linear de n equaoes e n a e c incgnitas no passa de 2n3 , para cada uma delas. o a

2.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

31

Se quisermos comparar o nmero de operaes totais, vemos que na Regra de Cramer so u co a necessrias mais do que n! operaes. a co Exerc cio 2.7 Mostre que, quando n grande ento n! muito maior do que 2n3 . De fato, e a e a razo a 2n3 n! vai a zero quando n vai a innito. Se voc mostrou isso com sucesso, ver ento que seu e a a 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, precisamos ca e ca saber quanto a mquina gasta para fazer cada uma das operaes. A diviso certamente gasta a co a mais tempo do que as outras operaes, e o Mtodo de Cramer apresenta menos divises (apeco e o nas n) do que o Mtodo de Escalonamento (cada multiplicador calculado atravs de uma e e e diviso). J na contabilidade das outras operaes o Mtodo de Cramer perde do Mtodo de a a co e e Escalonamento, por causa do exerc acima. cio Exerc cio 2.8 Suponha que uma diviso nunca demore mais do que T vezes uma mula tiplicaao, onde T uma constante qualquer maior do que zero, e a multiplicaao tome o c e c mesmo tempo que a adiao e a subtraao. Decida qual dos mtodos mais vantajoso, sob o c c e e ponto de vista de tempo de computaao para complet-lo. c a

2.5
2.5.1

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 sanado ca ca pela Condensao Pivotal, descrita no Cap ca tulo 2, e pelo Mtodo de Renamento, do qual e 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 ponto de ca pequenas incertezas em seus valores provocarem grandes alteraes na soluo nal. Esses co ca sistemas so chamados de mal-condicionados. a Para exemplicar, consideremos o sistema 2 2 x + 99x + x 99.4x + + y 100y y 99.9y = = 1 99.5 ,

que tem soluo unica e exata x = 0.5, y = 0.5. Agora considere o sistema ca = 1 = 99.2 ,

32

CAP ITULO 2. O METODO DE ESCALONAMENTO

com alteraes de no mais do que 0.5% nos coecientes originais (o que bastante razovel co a e a para uma medida experimental). Sua soluo unica e exata x = 1.4, y = 0.4, radicalmente ca e 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 o problema co e devido ao fato de que as retas correspondentes a cada equao so quase paralelas, o que ca a faz com que o ponto de interseco das duas seja muito sens a pequenas mudanas nos ca vel c coecientes. A idia vale em dimenses mais altas, se pensarmos em hiperplanos quase paralelos, no e o lugar de retas. Podemos tambm pensar nos vetores-coluna de A (ou nos vetores-linha): e se Ae1 , Ae2 , . . . , Aen forem quase linearmente dependentes, ento o sistema ser mala a condicionado. 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 o a hiperparalelep pedo ser achatado, e portanto ter volume pequeno. O argumento s falha a a o no sentido de que o volume no depende somente do grau de achatamento do hiperparalea lep pedo, mas tambm do comprimento de cada vetor. Ento uma medida mais convel e a a seria tomar o hipervolume do hiperparalelep pedo formado pela normalizao desses vetores, ca isto , pelos vetores e Aei . vi = 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 de um Aei vetor u = (x1 , . . . , xn ) dada por u = (x2 + . . . + x2 )1/2 ; (ii) calcule o valor absoluto do e n 1 determinante da nova matriz; (iii) observe se o nmero obtido est prximo de zero ou de u a o 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 nmero e u de algarismos signicativos utilizados nas contas. Isso tudo no entanto foge ao escopo dessas notas. Alm do mais, medidas de condicionamento so dicilmente aplicveis na prtica, e a a a pois so to (ou mais) dif a a ceis de serem obtidas quanto a prpria soluo do sistema linear. o ca

2.5.2

Matrizes de Hilbert
problema do mau condicionamento, sugerimos

Para que o leitor se familiarize melhor com o 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

2.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

33

Resolvendo o sistema por escalonamento (sem troca de linhas, pois no so necessrias a a a para a condensao pivotal), e fazendo contas com fraes exatas, obtemos a soluo exata ca co ca (x1 , x2 , x3 ) = (3, 24, 30). Se, por outro lado, usarmos dois algarismos signicativos ( 1 = 0.33, por exemplo) e se3 guirmos exatamente o mesmo procedimento, obteremos (0.9, 11, 17). Com trs algarismos e signicativos, chegaremos em (2.64, 21.8, 27.8), resultado mais prximo mas ainda estrao nhamente 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 2n1 n n+1 n+2

so chamadas de matrizes de Hilbert, e aparecem naturalmente no problema do ajuste polia nomial, como veremos mais adiante (vide Subseo 5.7.2). ca

2.5.3

Renamento

Uma das maneiras de sanar o problema de se encontrar uma soluo ruim, causada pelo ca mau condicionamento do sistema, fazer o renamento, que consiste em obter uma soluo e ca u de Au = b, mesmo que no correta (por causa dos erros de arredondamento), e depois a melhor-la. a Para melhorar u, denimos a diferena w = u u para a soluo verdadeira u, e tentamos c ca 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 indepenc e ca dentes so dados pelo res a duo r = b A e os coecientes so os mesmos do sistema linear u a original (o que facilita as coisas do ponto de vista de programao). ca Para funcionar, o clculo de r deveria ser exato, mas sabemos que isso no poss a a e vel, em geral. Calculamos r usando o dobro de algarismos signicativos usados no escalonamento original. O mtodo pode ser implementado assim: calcula-se a primeira soluo aproximada u(0) . e ca Calcula-se ento w(0) = u u(0) resolvendo-se o sistema a Aw(0) = b Au(0) , onde o lado direito computado em preciso dupla. Se a soluo desse sistema no contivesse e a ca a erros, ento u = u(0) + w(0) seria a soluo correta. Como erros so inevitveis, u(0) + w(0) a ca a a pode no ser a soluo exata, e ser chamada de u(1) . Calcula-se ento w(1) = u u(1) , a ca a a resolvendo-se Aw(1) = b Au(1) , e em seguida dene-se u(2) = u(1) + w(1) . E assim por diante.

34

CAP ITULO 2. O METODO DE ESCALONAMENTO Na Seo 2.2, usamos 3 algarismos signicativos para ca 1 1 2 . 2 1 0 2 1 1

Calculamos ento Au(0) , que o teste usual para ver se u(0) realmente soluo. Usamos 6 a e e ca algarismos signicativos e obtemos 1.05000 1.97000 , Au(0) = 0.980000 e ento tiramos a diferena a c 0.050000 0.0300000 . 0.0200000

Os passos do escalonamento ali usados so importantes para no se repetir as mesmas contas a a 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

Vejamos um exemplo ilustrativo. resolver 3 1 2

que arredondada de volta para 3 algarismos signicativos se torna 0.0500 0.0300 . r = b Au(0) = 0.0200

r = b Au(0) =

Agora queremos obter w do sistema Aw = b Au(0) , para chegar ` etapa seguinte, com a u(1) = u(0) + w. Ou seja, temos que resolver o sistema 0.05 3 1 2 1 1 0 0.03 . 3 2 1 0.02

Se procedermos ao escalonamento, seguiremos quase exatamente os mesmos passos feitos na Seo 2.2. Ento no precisamos fazer tudo de novo no lado esquerdo, somente no vetor de ca a a termos independentes do lado direito. As transformaes do lado direito so co a 0.05 0.05 0.05 0.05 (i) (ii) (iii) 0.03 0.02 0.0134 0.0134 , 0.02 0.03 0.0133 0.0200

2.5. SISTEMAS MAL-CONDICIONADOS E REFINAMENTO DE SOLUCAO

35

e da chegamos a w = (w1 , w2 , w3 ) = (0.0296, 0.0595, 0.0397). Somando com u(0) obtemos u(1) = (4.5, 6.5, 3), com erro absoluto mximo de 0. a Com a limitao do nmero de algarismos signicativos, no certeza que o renamento ca u a e levar ` melhor aproximao da soluo correta. aa ca ca E preciso tambm colocar um critrio de parada, principalmente no caso de se fazer a e e implementao no computador. O critrio pode ser feito nas solues u(i) ou nos testes Au(i) . ca e co Por exemplo, se u(i) = (u1 , u2 , . . . , un ) e u(i+1) = (1 , u2 , . . . , un ), pode-se comparar o quanto u as coordenadas variam, relativamente, da etapa i para a etapa i+1, olhando para os nmeros u |un un | |u1 u1 | , ... , , ... , |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 convencionar que: ca e e (i) se uj = 0 e uj = 0 ento a variao zero; (ii) se uj = 0 e uj = 0, ento a variao igual a ca e a ca e a 1 (o que, em geral, far com que o processo continue). a Exerc cio 2.9 Melhorar o programa que implementa o Mtodo de Escalonamento com cone densaao pivotal, acrescentando o renamento, com algum critrio de parada. Para fazer o c e renamento, o programa deve utilizar o histrico do escalonamento, isto , os multiplicao e dores e as trocas de linha (para que no se repita tudo a cada etapa). a Exerc cio 2.10 Tome o sistema discutido na Subseao 2.5.2 e sua soluao obtida com c c 2 algarismos signicativos, chamando-a de u(0) . Obtenha o renamento u(1) , calculando b Au(0) com dupla preciso. a Exerc cio 2.11 Considere o sistema 1/2 1/3 1/4 1/3 1/4 1/5 1/4 1/5 1/6 1 0 . 1

onde em (i) zemos todas as permutaes da linhas (ii) subtra co mos da segunda linha 0.667 vezes a primeira linha e da terceira linha subtra mos 0.333 vezes a primeira linha e em (iii) subtra mos da terceira linha 0.502 vezes a segunda linha. Ao fazer todas as permutaes em co primeiro lugar, a posio dos multiplicadores, que tambm haviam sido permutados, caro ca e a na posio correta. O sistema escalonado ca ca 0.05 3 1 2 0.667 1.33 2.33 0.0134 , 0.333 0.502 0.504 0.0200

(a) Ache sua soluao exata. c

(b) Resolva-o com dois algarismos signicativos. (c) Agora faa a seguinte experincia: escreva o mesmo sistema, arredondando para dois c e algarismos signicativos, mas a partir da ache sua soluao usando o mximo de alga c a rismos signicativos que sua calculadora permite. Compare com a soluao exata. Isto c mostra que o renamento tambm limitado pelo arredondamento inicial que, num sise e tema mal-condicionado, pode alterar drasticamente a soluo. ca

36

CAP ITULO 2. O METODO DE ESCALONAMENTO

Exerc cio 2.12 Dado o sistema linear Ax = b onde 3.2 5.0 4.0 2.9 2.7 A = 3.0 1.5 0.40 1.1

Execute uma etapa de renamento.

aps resolv-lo utilizando o Mtodo de Eliminaao de Gauss com condensaao pivotal e o e e c c aritmtica de ponto utuante com 2 algarismos signicativos, obtivemos e 4.4 1 3.2 5.0 4.0 2.0 3.0 x(0) = 7.5 . p= 3 A = 0.47 5.6 2 0.94 0.90 1.6

2.5 b = 4.4 3.5

Cap tulo 3

Mtodos iterativos e
3.1 O Mtodo de Jacobi e

O Mtodo de Jacobi um procedimento iterativo para a resoluo de sistemas lineares. Tem e e ca a vantagem de ser mais simples de se implementar no computador do que o Mtodo de e Escalonamento, e est menos sujeito ao acmulo de erros de arredondamento. Seu grande a u 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 . . . an1 x1 + + a12 x2 a22 x2 . . . + + a13 x3 a23 x3 . . . + ... + ... . . . + ... + + a1n xn a2n xn . . . = = b1 b2 . . .

+ an2 x2

+ an3 x3

+ ann xn

= bn

Suponha tambm que todos os termos aii sejam diferentes de zero (i = 1, . . . , n). Se no e a for o caso, isso `s vezes pode ser resolvido com uma troca na ordem das equaes. Ento a a co a soluo desse sistema satisfaz ca x1 x2 . . . xn 1 [b1 a12 x2 a13 x3 . . . a1n xn ] a11 1 [b2 a21 x1 a23 x3 . . . a2n xn ] = a22 . . . 1 = [bn an1 x1 an2 x2 . . . an,n1 xn1 ] ann =

Em outras palavras, se (x1 , . . . , xn ) for soluo do sistema e esses valores forem colocados ca no lado direito das equaes, ento resultaro no lado esquerdo os mesmos valores x1 , . . . , xn . co a a (0) (0) O Mtodo de Jacobi consiste em chutar valores x1 , . . . , xn , colocar esses valores no e (1) (1) lado direito das equaes, obter da x1 , . . . , xn , em seguida colocar esses novos valores nas co 37

38 equaes e obter x1 , . . . , xn , etc. Ento co a


(2) (2)

CAP ITULO 3. METODOS ITERATIVOS

1 (k) (k) b1 a12 x2 a13 x3 . . . a1n x(k) n a11 1 (k+1) (k) (k) x2 = b2 a21 x1 a23 x3 . . . a2n x(k) n a22 . . . . . . 1 (k) (k) (k) (k+1) xn = bn an1 x1 an2 x2 . . . an,n1 xn1 ann x1
(k+1)

Espera-se que para todo i = 1, . . . , n a seqncia {xi }k convirja para o valor verdadeiro xi . ue 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 na e e convergncia do Mtodo. Infelizmente, da no poderemos concluir a armativa inversa. Isto e e a , falso dizer no satisfaz o Critrio das Linhas ento no converge. Pode haver sistemas e e a e a a em que o Mtodo de Jacobi funcione porm no satisfaa o Critrio das Linhas. e e a c e

(k)

3.2

Critrio das Linhas e


n

O Critrio das Linhas pede que e

j=1 j=i

|aij | < |aii |

para todo i = 1, . . . , n. Em palavras: o valor absoluto do termo diagonal na linha i maior e do que a soma dos valores absolutos de todos os outros termos na mesma linha, ou seja, a diagonal da matriz do sistema linear dominante. e E importante observar que o Critrio das Linhas pode deixar de ser satisfeito se houver e troca na ordem das equaes, e vice-versa: uma troca cuidadosa pode fazer com que o sistema co 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 Exerc cio 3.1 Mostre que os sistemas lineares gerados por problemas de contorno (Seao 1.8) c em geral no satisfazem o Critrio das Linhas. Mesmo assim, monte um programa de coma e putador 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 as seqncias e ue (k) (k) (k) (0) (0) (0) x1 , x2 ,...,xn , formadas a partir dos chutes iniciais x1 , x2 ,...,xn , convergem para os valores procurados x1 , . . . , xn . Ento precisamos mostrar que a
(k) |x1 x1 | 0 , |x2 x2 | 0 , . . . , |xn xn | 0 , (k) k (k) k k

3.2. CRITERIO DAS LINHAS ou, introduzindo uma notao mais compacta, de forma que ca (k) = max (x(k) , x) = max{|x1 x1 |, . . . , |x(k) xn |} 0 . n
(k) k

39

De fato, iremos mostrar que (k) decai geometricamente, isto , existem um < 1 e uma e 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) (2) . . . (k) (1) 2 (0) . . . k (0) , (0)

remete a provar que, para todo i = 1, . . . , n, vale |xi


(k)

ou seja, a constante c pode ser o prprio (0), que a maior diferena entre o valor inicial o e c e a soluo verdadeira. ca Por sua vez, provar que (k) (k 1) xi | (k 1) = max |xi
i=1,...,n (k1)

xi | .

Faremos a demonstrao completa para i = 1, mas car claro que o argumento valer para ca a a (k) todo i = 1, . . . , n, desde que escolhamos adequadamente. Precisamos escrever xi xi , lembrando que x1 =
(k)

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

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


(k)

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

Tomando o valor absoluto (o mdulo) e lembrando que o mdulo da soma menor ou igual o o e a ` soma dos mdulos, temos o |x1 x1 | 1 (k1) (k1) |a12 | |x2 x2 | + |a13 | |x3 x3 | + . . . + |a1n | |xn x(k1) | n |a11 |
(k)

40 Note, no entanto, que por denio ca |xj xj portanto |x1 x1 | Agora denimos a constante 1 =
(k) (k1)

CAP ITULO 3. METODOS ITERATIVOS

| max |xi xi
i=1,...,n

(k1)

| (k 1) ,

|a12 | + |a13 | + . . . + |a1n | (k 1) . |a11 | |a12 | + |a13 | + . . . + |a1n | , |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 i = 1 |aii |
n (k) (k)

xi | i (k 1) ,

j=1 j=i

|aij | .

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) ,

3.3

Critrio de parada e
i=1,...,n

Da desigualdade (k) (k 1), podemos deduzir uma expresso que relaciona (k) com a (k1) (k) (k1) (k) max (x , x ) = max |xi xi | que corresponde ` variao mxima entre x(k1) a ca a e x(k) .

3.4. O METODO DE GAUSS-SEIDEL De fato, de (k) (k 1) segue que


i=1,...,n

41

max |xi

(k)

xi | max |xi
i=1,...,n i=1,...,n

(k1) (k1)

xi | xi
(k)

= max |xi max


i=1,...,n i=1,...,n

+ xi

(k)

xi |
(k)

|xi

(k1)

xi | + |xi
(k)

(k)

xi |
(k)

max |xi Assim


i=1,...,n

(k1)

xi | + max |xi
i=1,...,n (k1) (k)

xi |

(1 ) max |xi e nalmente


i=1,...,n

(k)

xi | max |xi
i=1,...,n

xi |

max |xi

(k)

xi |

que com nossa notao compacta se torna ca (k)

(k1) (k) max |x xi | 1 i=1,...,n i

max (x(k1) , x(k) ) 1

Um critrio de parada para o Mtodo de Jacobi consiste em calcular o lado direito da desie e gualdade acima e parar quando esta for menor que a preciso desejada. a Outro critrio de parada aquele em que somente calculamos a iterao seguinte caso a e e ca variao relativa seja maior que uma quantidade p pr-xada, isto , se ca e e |xi
(k+1)

xi | p|xi |

(k)

(k)

para algum i = 1, . . ., n. Entretanto este segundo critrio no garante que a distncia entre e a a x(k) e x seja menor que p. Muitas vezes a velocidade de convergncia do mtodo muito e e e lenta e mesmo longe da soluo, a variao relativa das solues aproximadas pode ser muito ca ca co pequena.

3.4

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 armar que haveria convergncia, pois os e a vel e vrtices livres produzem equaes onde o elemento da diagonal exatamente igual ` soma e co e a dos demais termos, o que signica, na notao da Seo anterior, que i = 1, para alguns ca ca valores de i. Experimentos numricos evidenciam que de fato h convergncia do Mtodo de Jacobi e a e e nesses casos, embora ela seja muito lenta, principalmente se o nmero de vrtices da grade u e for muito grande. Embora a convergncia possa ser demonstrada matematicamente, com e critrios menos exigentes que o Critrio das Linhas, discutiremos nesta Seo uma variao e e ca ca do Mtodo de Jacobi, chamada de Mtodo de Gauss-Seidel. Sua eccia car demonstrada e e a a a partir de uma hiptese mais fraca que o Critrio das Linhas, chamada de Critrio de o e e

42

CAP ITULO 3. METODOS ITERATIVOS

ou, de forma sucinta,

Sassenfeld. No ser dif mostrar que os problemas de contorno citados satisfazem esse a a cil 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 a 0 a2n x(k) 2 b2 /a22 a21 x2 a22 a22 22 = . . . . . . . , . . . . . . . . . . . . . . . . . an1 an2 an3 (k) (k+1) bn /ann 0 xn xn ann ann ann u(k+1) = w Bu(k) .
(k+1)

Em cada etapa, as coordenadas x1 , . . ., xn de u(k+1) so obtidas todas de uma vez a (k) (k) (k) s, a partir das coordenadas x1 , . . ., xn de u . o J no Mtodo de Gauss-Seidel as coordenadas atualizadas so imediatamente usadas na a e a atualizao das demais. Explicitamente, temos ca x1 x2
(k+1)

(k+1)

(k+1)

x3

(k+1)

. . . x(k+1) n

1 a11 1 = a22 1 = a33 . . . 1 = ann =

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


(k+1) (k) a23 x3 a2n xn (k)

(k)

(k)

(k+1)

a32 x3

(k+1)

a3n x(k) n
(k+1)

bn an1 x1

(k+1)

an2 x2

(k+1)

an,n1 xn1

Para introduzir o Critrio de Sassenfeld e discutir a convergncia, melhor ilustrarmos e e e com um sistema com 4 equaes. Depois enunciaremos o Critrio para sistemas com um co e nmero qualquer de equaes, e car claro que os argumentos se generalizam. Com isso, u co a evitaremos o excesso de elipses (os trs pontinhos), e o critrio emergir de modo natural. e e a Assim como na Seo anterior, queremos avaliar a diferena entre a aproximao obtida ca c ca na etapa k e a soluo original, e mostrar que essa diferena se reduz a cada etapa. Para ca c medir essa diferena, tomamos c (k) = max |xi
i=1,...,n (k)

xi | ,

onde x1 , . . . , xn representa a soluo verdadeira. Mais uma vez, nosso objetivo mostrar que ca e existe < 1 tal que (k + 1) (k) , e para isso precisaremos mostrar que |xi
(k+1)

xi | (k)

3.4. O METODO DE GAUSS-SEIDEL para todo i = 1, . . . , n. Num sistema de 4 equaes e 4 incgnitas temos co o x1 x2
(k+1)

43

x1 x2 x3 x4

= = = =

(k+1)

x3

(k+1)

x4

(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 |

|a13 | |a14 | |a12 | (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)

x1 |

|a12 | + |a13 | + |a14 | (k) . |a11 |

|a12 | + |a13 | + |a14 | , |a11 | x1 | 1 (k) .

(k+1)

Agora levamos em conta essa ultima inequao para mostrar que ca |x2
(k+1)

x2 |

1 |a21 | + |a23 | + |a24 | (k) 2 (k) . |a22 | 1 |a31 | + 2 |a32 | + |a34 | (k) 3 (k) |a33 |

Continuando, obtemos |x3 e |x4


(k+1) (k+1)

x3 |

x4 |

Em concluso, mostramos que a

1 |a41 | + 2 |a42 | + 3 |a43 | (k) 4 (k) . |a44 | |xi


(k+1)

xi | i (k) ,

logo (k + 1) ( max i )(k) .


i=1,2,3,4

44

CAP ITULO 3. METODOS ITERATIVOS

Se cada um dos nmeros 1 , 2 , 3 e 4 for menor do que 1, ento teremos (k +1) (k), u a com < 1. Para um sistema linear de n equaes e n incgnitas, o Critrio de Sassenfeld pode ser co o e enunciado de forma indutiva, da seguinte maneira. Primeiro, 1 = |a12 | + |a13 | + . . . + |a1n | , |a11 |

como no Critrio das Linhas. Os demais coecientes so denidos indutivamente. Suponha e a que j tenham sido denidos 1 , 2 , . . ., i1 , para i 2. Ento i se dene como a a i = 1 |ai1 | + . . . + i1 |ai,i1 | + |ai,i+1 | + . . . + |ain | , |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. O a a coeciente da diagonal aparece no denominador (como no Critrio das Linhas) e no aparece e a no numerador. Analogamente ao Mtodo de Jacobi, o Mtodo de Gauss-Seidel tambm tem a desiguale e e dade (k) max (x(k1) , x(k) ) 1 desde que = max i seja estritamente menor que 1.
i=1,...,n

Exerc cio 3.2 Tente mostrar o Critrio de Sassenfeld n n. e Exerc cio 3.3 Mostre que os problemas de contorno da Seao 1.8 satisfazem o Critrio de c e Sassenfeld Exerc cio 3.4 Obtenha a soluao com 3 algarismos signicativos do sistema linear c 4x1 x1 2x1 + 2x2 + 2x2 + x2 + x3 = 11 = 3 = 16

+ 4x3

usando o Mtodo de Jacobi e o Mtodo de Gauss-Seidel. Compare a velocidade de cone e vergncia nos dois mtodos. e e

1 2 5 x w 7

3 y z 1 3 0

Exerc cio 3.5 Considere a tabela acima. Use o Mtodo de Gauss-Seidel para achar x, y, z, w e tais que cada casinha que contenha uma incgnita seja a mdia das quatro adjacentes (cono e siderando apenas verticais e horizontais). Faa 4 iteraoes, partindo de (x0 , y0 , z0 , w0 ) = c c

3.4. O METODO DE GAUSS-SEIDEL

45

(0, 0, 0, 0), e arredondando para 2 algarismos signicativos aps cada etapa. (Veja a Seao 1.8 o c na pgina 18.) a Exerc cio 3.6 Considere o sistema linear Ax = b, onde 4 1 4 3 8 e b = 3 A = 5 3 3 6 2 3

(a) A matriz A satisfaz o Critrio das Linhas para alguma permutaao de linhas? e c (b) A matriz A tem alguma permutaao das linhas a qual satisfaz o Critrio de Sassenfeld? c e Qual? Justique. (c) Escreva as equaoes de recorrncia do mtodo de Gauss-Seidel e calcule uma iteraao a c e e c partir de x(0) = (1, 0, 0). (d) Sabendo-se que a soluao exata est em [3, 4] [1, 5] [2, 2], quantas iteraoes so c a c a necessrias para que o erro seja menor que 102 ? a Exerc cio 3.7 Considere os sistemas lineares 1z = 2 4x + 1y + 2x 5y + 1z = 3 (1) e 1x + 1y + 1.5z = 4

(2)

Observe que o sistema (2) foi obtido do sistema (1) substituindo-se a primeira equaao de c (1) pela soma desta com a ultima equaao de (1). Portanto eles so equivalentes. c a Queremos encontrar a soluao do sistema (1) (ou (2)) usando o Mtodo de Gauss-Seidel, c e partindo de um certo chute inicial xado (x0 , y0 , z0 ), de forma a obter a melhor preciso a poss na vigsima iteraao. vel e c A qual dos dois sistemas devemos aplicar o Mtodo de Gauss-Seidel segundo esse objetivo? e Justique.

5x + 2y 2x 5y 1x + 1y

+ 2.5z + 1z + 1.5z

= 6 = 3 = 4

46

CAP ITULO 3. METODOS ITERATIVOS

Parte II

Ajuste de Funes co

47

Cap tulo 4

Ajuste de funes co
4.1 O problema do ajuste
y
Em medidas experimentais, freqentemente nos deparamos u com uma tabela de dados (xi , yi ), i = 1, . . . , N , que representamos visualmente por meio de um grco. Em gea ral, esperamos que haja uma relao entre a varivel y e a ca a varivel x, que seria expressa por uma funo: y = f (x). a ca

yi xi

Muitas vezes no dispomos de um modelo que explique a dependncia de y em relao a x, a e ca de forma que no podemos deduzir essa funo apenas de teoria. De fato, o experimento pode a ca se dar justamente como uma forma de investigar essa relao, para criar um embasamento ca da teoria sobre dados reais. Mesmo que o experimento no culmine num modelo terico, sempre desejvel ter um a o e a modelo preditor, quer dizer, interessante saber prever, pelo menos de forma aproximada, e em que resultar a medida de y se soubermos x. Por exemplo, suponha que queiramos usar a um elstico como dinammetro. Para isso, xamos uma das extremidades do elstico e na a o a outra extremidade penduramos o objeto do qual desejamos conhecer o peso. Quanto mais pesado for o objeto, mais o elstico se distender, isso bvio, mas ns gostar a a eo o amos de obter, a partir da distenso do elstico, um valor numrico para seu peso. Neste exemplo, x a a a e e distenso do elstico e y o peso do objeto (ou poderia ser o contrrio, se desejssemos prever a a a a a distenso que o elstico teria para um determinado peso). a a Para ter uma frmula a ser usada no dinammetro precisamos conhecer muito bem como o o se comporta nosso elstico. Para isso, fazemos vrias medidas do montante da distenso em a a a funo do peso do objeto, o que nos dar uma coleo de dados (xi , yi ), i = 1, . . . , N . O ca a ca que ns queremos agora encontrar uma funo y = f (x) que se aproxime o melhor poss o e ca vel 49

50

CAP ITULO 4. AJUSTE DE FUNCOES

desses dados. Mas como? E desejvel tambm que a frmula de f no seja muito complicada, a e o a pois isso facilitaria mais tarde sua utilizao como preditor. ca 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 menor co de funes procurar aquela que melhor se adapte a nossos pontos. co Alm disso, preciso estabelecer um critrio comparativo do que seja a qualidade de uma e e e aproximao. Isto , como decidir se uma funo se adequa mais aos dados do que outra? ca e ca

4.2

Os m nimos quadrados

Precisamos de uma medida numrica para avaliar a qualidade de uma aproximao. Isto e ca , temos uma coleo de dados (xi , yi ), i = 1, . . . , N , e queremos avaliar o quanto uma e ca determinada funo f difere desses dados, associando a f um nmero Q(f ). Esse nmero ca u u deve ser sempre no-negativo, e deve ser usado de forma comparativa: se Q(f1 ) for menor a 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 dea e terminar 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, na e Seo 6.4 abordamos o qui-quadrado com pesos): ca a distncia de f (x) aos dados experimentais denida como a e sendo
N

Q(f ) =
i=1

(f (xi ) yi )2 .

f(xi ) yi xi

Em palavras, temos que avaliar, para cada xi , a diferena c entre o dado yi e o valor de f em xi , elevar essa diferena ao c quadrado e depois somar os resultados obtidos para cada xi .

Exerc cio 4.1 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 funoes ans f1 (x) = 0.8 + 0.86x e f2 (x) = 1.0 + 1.32x, qual das duas funoes se ajusta c c melhor aos dados, usando o critrio do qui-quadrado? Desenhe as retas e os pontos em papel e milimetrado antes de fazer as contas, e procure adivinhar o resultado por antecipaao. c

4.3

Parmetros a

Precisamos resolver tambm a questo do conjunto de funes aonde vamos procurar aquela e a co que minimiza o qui-quadrado. Veja que o problema em alguns casos perde o sentido se no a zermos isso. De fato, para qualquer conjunto de dados (xi , yi ), i = 1, . . . , N , onde os xi s nunca se repitam, sempre podemos achar um polinmio de grau N 1 tal que p(xi ) = yi , o para todo i = 1, . . . , N , como vimos nas Sees 1.5 e A.7. Com isso, Q(p) zero e no h co e a a como encontrar uma funo melhor do que essa. ca O bom senso, no entanto, levar a concluir que isso no vale a pena. Duas razes concretas a a o podem ser dadas imediatamente: se a quantidade de dados for muito grande, ser necessrio a a

4.3. PARAMETROS

51

achar um polinmio de grau bastante grande para interpolar esses dados. Haver a diculdade o a de se achar o polinmio e depois a diculdade de se utiliz-lo. o a Menos objetiva do que essa razo o fato bastante comum em experincias de que sabemos a e e muitas vezes de antemo que tipo de funo estamos procurando. Para ilustrar, vejamos a ca alguns exemplos.

4.3.1

Densidade

Suponha que queiramos determinar a densidade de um certo material. O procedimento e claro, se dispusermos dos instrumentos adequados. Basta medir o volume de uma 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 mais a medidas e, evidentemente, tiraremos a mdia dos resultados. Se, no entanto, essas medidas e forem tomadas com volumes diferentes, convm fazer um grco Massa (m) vs. Volume (V). e a Veremos que podemos tambm tirar um valor para a densidade a partir desse grco. e 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 volume, e e essa dependncia explicitamente dada por 0 V , onde 0 uma constante xa chamada e e e densidade. Se admitirmos que isso verdade podemos tentar, a partir do grco, achar o e a valor de 0 . 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 ) = V , co cujos grcos so retas de inclinao , passando pela origem. Observe que cada funo a a ca ca f uma funo de uma varivel (V ), mas que depende do nmero , que chamado de e ca a u e parmetro. a Para cada funo f podemos medir o qui-quadrado Q(f ), e depois procurar o parmetro ca a para o qual Q(f ) m e nimo. Como varia ao longo da reta real, a funo Q(f ) ca e uma funo de uma varivel, que denotaremos simplesmente por Q(). Note agora que , ca a 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 houe a ver um m nimo, ele pode ser encontrado com exatido a procurando-se 0 tal que Q (0 ) = 0 . (Porm ateno: Q () = 0 no implica necessariamente e ca a que seja m nimo, poderia se tratar de um mximo, ou um a ponto de inexo com derivada zero. Somento o inverso a e vlido: se for m a nimo, ento Q () = 0.) a

Q()

52

CAP ITULO 4. AJUSTE DE FUNCOES

4.3.2

Catenria a

Quando suspendemos uma corrente em dois pontos de sustentao, no necessariamente horizontalca a mente alinhados, ela assume um determinado formato (entre os dois pontos de sustentao), dado pela ca funo catenria: ca a f (x) = 1 (cosh(cx) 1) , c

onde cosh a funo conhecida como cosseno hiperblico, e dada por e ca o e cosh x = ex + ex . 2

Observe que a funo foi dada de tal forma que para x = 0 ela vale 0, ou seja, a origem das ca coordenadas imposta como sendo o ponto de m e nimo da corrente (uma justicativa para essa funo ser dada na Subseo 17.3.5). 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 pontos a e a c ca de sustentao. O nmero c outro t ca u e pico exemplo de um parmetro. Se usarmos sempre a a mesma corrente ele pode ser modicado atravs da mudana dos pontos de sustentao, e e c ca e razoavelmente dif saber que valor ele vai assumir ao pendurarmos a corrente. cil No entanto, j que se trata de uma medida experimental, poder a amos medir a posio da ca 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, determinar a posio e e ca exata do m nimo, que ser o ponto (x, y) = (0, 0). Agora sabemos que a corrente assume a a forma de uma funo f como acima, mas nos resta saber com que valor de c isso acontece. ca Como proceder? Para explicitar a existncia de um parmetro, que obviamente faz parte da denio da e a ca 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 c ca a para o qual Q(fc ) m e nimo. Como c varia ao longo da reta real, a funo c Q(fc ) uma ca e funo de uma varivel, que denotaremos simplesmente por Q(c). ca a

4.3.3

Naftalinas e funes ans co

Uma bolinha de naftalina perde seu material, por sublimao, a uma taxa proporcional a sua ca 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 ,

4.3. PARAMETROS

53

isto , a taxa de perda de volume proporcional ` rea da superf da bolinha. Por outro e e aa cie 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) . Juntando as duas equaes em V (t) e cancelando r(t)2 , camos com co r(t) = , logo 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). Num experimento, supondo que o racioc nio acima se conrme, teremos uma srie de e dados (ti , ri ) que se disporo aproximadamente sobre uma reta. Cada reta no vertical do a a 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 poss e vel. Desta feita, o qui-quadrado uma funo de duas variveis, pois para cada par (a, b) teremos uma funo e ca a ca diferente a + bt e um qui-quadrado Q(a, b). Ao contrrio dos problemas da densidade e da a catenria, aqui aparece uma funo que envolve dois parmetros. a ca a

4.3.4

Decaimento exponencial

Um material contm um istopo radioativo, e emite radiao, que pode ser detectada por um e o ca contador geiger. A emisso de radiao proporcional ` quantidade de istopo, e oriunda a ca e a o e de seu decaimento. Veremos mais adiante (Subseo 17.3.2) que a quantidade do istopo ca o decresce (na maioria dos casos) exponencialmente. Ou seja, a radiao emitida por unidade ca 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 de ca 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 metade. o e a Admitindo a proporcionalidade entre a radiao emitida e a quantidade do istopo, T tal ca o e que R0 , R(T ) = 2 isto , e R0 = R0 eT , 2

54 equao que resolvida nos d ca a

CAP ITULO 4. AJUSTE DE FUNCOES

log 2 . O conceito de meia-vida muito usado para datao de fsseis, atravs da determinao e ca o e ca da quantidade de carbono-14, em relao ao istopo mais abundante carbono-12: quanto ca o 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 T = 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 da a 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 zero, a e o 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 de ca e a temperatura de um corpo em contato com um reservatrio mais frio, mas cuja temperatura o no necessariamente zero. a e Uma outra observao importante que o problema de aproximao de dados por uma ca e ca exponencial R(t) R0 et no equivalente ` aproximao mono-log. Em geral a soluo do problema linearizado a e a ca ca log R(t) log R0 t usado como ponto de partida para encontrar outra aproximao com erro quadrtico (ou e ca a qui-quadrado) menor.

4.3.5

Leis de potncia e fractais e

Para funes f (x) = cx , que tm dois parmetros, recomenda-se tambm tirar o logaritmo: co e a e 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 os e ca dados, em busca de uma reta, o o log-log. e Esse tipo de funo aparece ligado ao conceito de fractal. Para exemplicar, tome a linha ca do litoral, fotografada num mapa de satlite, e suponha que a foto do satlite tenha boa e e 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 l que sejam e iguais ` lateral do mapa dividida por um nmero inteiro, de forma que s haja uma maneira a u o de se dividir o mapa em quadrados. Em seguida contamos o nmero N (l) de quadrados que u intersectam a linha do litoral.

4.3. PARAMETROS

55

Tomamos valores de l cada vez menores, e para cada l contamos N (l). A experincia tem e mostrado que, dentro dos limites inerentes ao experimento, N (l) proporcional a ld , onde e d a chamada dimenso fractal daquele pedao de litoral. O nome fractal vem do fato de e a c que d pode ser um nmero fracionrio (no inteiro), e o inesperado vem do fato de que se o u a a litoral fosse uma reta ento d seria igual a 1! Ocorre que em geral d maior do que 1... a e Exerc cio 4.2 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 inclinaao negativa, e a dimenso fractal d ser o valor absoluto dessa inclinaao. Preste c a a c atenao em desconsiderar valores de l muito grandes ou muito pequenos, onde fatalmente c no se ver uma reta. a a

4.3.6

Gaussiana

Suponha que vrias medidas foram feitas de um mesmo fenmeno, por exemplo, o tempo de a o queda de um objeto que solto, a partir do repouso, sempre da mesma altura. So feitas n e a medidas T1 , . . . , Tn , e dessas medidas constri-se um histograma. Para fazer o histograma, o escolhe-se um intervalo t e divide-se a reta dos tempos em intervalos de tamanho t. Esses intervalos podem ser numerados: I1 , . . . , IN , mas para a numerao ser ca nita preciso no incluir aqueles que e a esto longe dos tempos medidos. Para a cada intervalo Ij conta-se o nmero de u medidas Ti que incidem em Ij , chamando esse nmero de nj . O histou grama desenhado construindo-se bare ras de base Ij e altura igual a nj .

nj

I1 I2

Ij

IN

Nesse problema e em vrios outros, a tendncia do histograma adotar o formato aproa e e ximado de um sino. O valor mais provvel do que deve ser o tempo de queda (que servir a a por exemplo para se estimar a acelerao da gravidade) se situa prximo dos intervalos que ca o 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 aproa a a ximado 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 feitos de forma ca u acoplada, mas isso j outra histria... ae o O leitor mais atento pode estar pensando que ao mudarmos o nmero n de experimentos u ou o tamanho do intervalo bsico t no poderemos comparar um histograma com outro. E a a claro que se aumentarmos o nmero n ento em mdia os nj s devem aumentar, o que dar u a e a histogramas radicalmente diferentes quando n = 500 ou n = 5000, 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 caiam pela metade. Assim, seria a e interessante ter um histograma que no dependesse demais de n e t, e permitisse comparar a histogramas do mesmo fenmeno constru o dos de formas diferentes. Para isso, em vez de colocarmos as barras ` altura nj , fazemos um reescalonamento da a

56 ordenada, colocando as barras ` altura a nj . nt

CAP ITULO 4. AJUSTE DE FUNCOES

Com isso, a soma total da rea das barras ser igual a 1, pois cada barra ter rea a a aa nj nj = nt n

t e a soma da rea de todas as barras ser a a

N j=1

1 nj = n n

nj =
j=1

1 n=1. n

Alm disso, o histograma passa a ter a seguinte funo utilitria. Se quisermos saber a e ca a proporo de eventos Ti que caiu num determinado conjunto de Ij s, basta medir a rea total ca a das barras sobre esses intervalos. Esse nmero ser um nmero entre 0 e 1 (que multiplicado u a u por 100 dar a porcentagem de eventos ocorridos nos intervalos considerados). a ` 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 descrito pela e funao Gaussiana c 1 (t )2 exp{ }. 2 2 2

f (t) =

Observe que essa funo depende de dois parmetros, e , ento seria mais correto denot-la ca a a a por

f, (t) .

O fator que multiplica a exponencial est colocado para normalizar a funo, isto , fazer a ca e com que a rea debaixo de seu grco seja sempre igual a 1, no importando os valores de a a a e .

4.3. PARAMETROS

57

Para entender melhor essa funo, observe que ca ela uma variao de e ca h(t) = exp{t2 } = et . 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 e a a a esquerda de . Ento o parmetro tem o a a papel de deslocar o sino para a direita ou para a esquerda, conforme for positivo ou negativo, e seu valor sempre representa a posio ca do cume.
2

1 h(t) = et 0
2

h (t)
2

0
Por outro lado, se considerarmos

t2 t t } = h( ) } = exp{ 2 2 2 2 a a ento teremos o seguinte efeito: se 2 > 1, ento o valor de h (t) ser o valor de h em t , a 2 que menor do que t. Isso far com que a curva decresa mais lentamente, alargando o sino. e a c Se, ao contrrio, 2 < 1, a curva decrescer mais rapidamente. a a h (t) = exp{

2 <1

2 >1

h h h(t)=h( t )
2

h
t t
2

0
h(t)=h( 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

58

CAP ITULO 4. AJUSTE DE FUNCOES

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 delineado e a 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 saber ca em mdia qual a proporo de medidas que ocorrer entre ta e tb , bastar encontrar a rea e e ca a a a do histograma entre ta e tb , que aproximadamente o mesmo que calcular a integral e tb

f, (t)dt .
ta

Pode-se mostrar (isso tambm j outra histria...) que os melhores parmetros e e ae o a so a mdia e o desvio-padro da coleo de dados t1 , . . . , tn . Ou seja, a e a ca = e 2 = 1 n 1 n
n i=1 n

ti ,
i=1

(ti )2 .

Isso resolve o problema de se achar o menor qui-quadrado, mas raros so os casos em que a a soluo to expl ca e a cita!

Cap tulo 5

Funes lineares nos parmetros co a


5.1 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 + b sen x identicamos a1 = a, a2 = b, g1 (x) = x e g2 (x) = sen x. 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 g2 (x) = x. e ca 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 funao am para ca a e c funes da forma a + bx. J uma funo linear nos parmetros no necessariamente linear co a ca a a e em x, basta ver os exemplos que demos acima. Analisemos, sob essa tica, com que tipos de problemas nos deparamos nos exemplos do o Cap tulo anterior. No exemplo do clculo da densidade temos uma funo do tipo f (x) = ax, que linear a ca e no parmetro a e na varivel x. A funo da catenria f (x) = 1 (cosh(cx) 1) um exemplo a a ca a e c de funo com apenas 1 parmetro que porm no linear nesse parmetro. As funes ans ca a e a e a co das naftalinas so lineares nos parmetros. J o decaimento exponencial f (x) = aebx no a a a a , mas o problema pode ser transformado num problema de funo am (e portanto linear e ca nos parmetros), pois a log f (x) = log a bx . 59

60

CAP ITULO 5. FUNCOES LINEARES NOS PARAMETROS

J f (x) = c+aebx tem trs parmetros e no linear em b: se b fosse xado (no considerado a e a a e a 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 transe e a e a formada num problema linear atravs do logaritmo. e Finalmente, a funo Gaussiana no linear nos parmetros mdia e desvio-padro, ca a e a e a mas estes podem ser encontrados, para se ajustarem aos dados experimentais, da maneira tradicional. Trataremos a partir de agora apenas do ajuste de funes lineares nos parmetros. Vrios co a a casos onde a dependncia no parmetro no linear podem ser adaptados, mas sem dvida e a e a u deve-se pensar caso a caso. Destacam-se entre os ajustes lineares os ajustes por polinmios o f (x) = a0 + a1 x + a2 x2 + . . . + ak xk e os ajustes por funoes trigonomtricas c e f (x) = a0 + a1 cos(x) + a2 cos(2x) + . . . + ak cos(kx)+ +b1 sen(x) + b2 sen(2x) + . . . + bk sen(lx) .

5.2

Cont nuo vs. discreto

Vale a pena aqui introduzir um problema de ajuste ligeiramente modicado em relao ao ca que vimos discutindo at agora. Suponha que conhecemos determinada funo y(x) num e ca intervalo xo [c, d] e gostar amos de aproxim-la o melhor poss por alguma funo do tipo a vel 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 N . Agora e nossa informao se d num conjunto innito de pontos: sabemos todos os (x, y(x)), com x ca a 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 com a plicada, e a substitu mos por uma expresso polinomial ou trigonomtrica f (x). a e

5.3. UM PARAMETRO

61

5.3

Um parmetro a
y

Para introduzirmos o assunto gradualmente, convm comear pelas situaes mais sime c co ples. Suponha que temos N dados (x1 , y1 ), (x2 , y2 ), . . ., (xN , yN ) como na gura ao lado e que queiramos ajustar uma funo linear ca f (x) = ax a esses 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 funao e c fa (x) = ag(x), com um parmetro e linear nesse unico parmetro. O caso da funo linear a a ca 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 entre ca a funo fa (x) = ag(x) e os dados yi . Nossa tarefa ser procurar o valor a0 tal que Q(a0 ) ca a 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 a. Como e e o a a a soma de polinmios quadrticos um polinmio quadrtico, ento Q(a) tambm um o a e o a a e e polinmio quadrtico na varivel a. Isto pode ser visto diretamente se desenvolvermos a o a a soma que dene Q(a):
N N N

Q(a) =
i=1

g(xi )2

a2 2

g(xi )yi
i=1

a+
i=1

2 yi .

O grco de Q(a) , portanto, uma parbola. A concavidade para cima, pois o termo a e a e que multiplica a2 certamente positivo, por ser uma soma de quadrados. e Em concluso, achar o m a nimo da funo Q(a) se resume a achar o m ca nimo de uma parbola. a

62

CAP ITULO 5. FUNCOES LINEARES NOS PARAMETROS

Conhecendo o clculo diferencial, sabemos que podemos procurar o ponto de m a nimo da d parbola pelo ponto que anula a derivada, ou seja, procuramos a soluo de da Q(a) = 0. a ca Ento calcularemos a derivada de Q(a), mas no pela expresso acima, e sim pela expresso a a a a original, que se prestar mais a generalizaes quando tivermos mais parmetros. 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 da e e Cadeia, a derivada de algo ao quadrado duas vezes esse algo vezes a derivada do algo, e temos que d Q(a) = da
N i=1

2g(xi )(ag(xi ) yi ) ,

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 a e o derivada de Q(a) a zero ele desaparece. Ento queremos resolver a
N i=1

ag(xi )2 g(xi )yi = 0 .

Rearranjando,
N N

a donde sai facilmente o valor de a:

g(xi )2 =
i=1 i=1

g(xi )yi ,

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 5.1 Invente um conjunto de dados que estejam prximos de uma reta passando o pela origem (N = 6, por exemplo), e depois ajuste uma funao ax. Num papel milimetrado, c coloque os dados e depois esboce a reta obtida.

5.4

Dois parmetros a

Suponha que queiramos ajustar uma reta aos dados experimentais, mas no necessariamente a uma reta que passe pelo zero. Para isso, precisamos ajustar uma funo na forma f (x) = ca

5.4. DOIS PARAMETROS

63

a + bx, isto , uma funo am. Esse problema se insere no caso geral de ajuste de uma e ca 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 de f , e ca a 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 necessaria ca ca a amente (a princ pio, sem um exame mais aprofundado) vale o inverso, isto , se as derivadas e parciais se anularem ento no obrigatoriamente se trata de um ponto de m a a 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 de c e m nimo de Q(a1 , a2 ). Adiante, no Cap tulo 6, discutiremos melhor at que ponto podemos conar que a soluo e ca desse problema seja realmente o m nimo procurado. As duas equaes podem ser escritas explicitamente, e aps elaborao as deixaremos em co o ca 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

Usando a Regra da Cadeia, fazemos as derivadas parciais, obtendo


N i=1 N i=1

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

64

CAP ITULO 5. FUNCOES LINEARES NOS PARAMETROS

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 g2 (xi )g2 (xi ) 2

g1 (xi )yi
i=1 N

2a1
i=1

g2 (xi )g1 (xi ) + 2a2


i=1

g2 (xi )yi
i=1

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 somente a os termos independentes usam os yi s. Aqui vale a pena introduzir uma notao simplicadora, que tornar muito mais fcil a ca a a aplicao do acima exposto em problemas prticos. Denotaremos por gl , gm a soma ca a
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 5.2 Construa um conjunto de dados e ajuste uma reta, no necessariamente a passando pela origem, usando o exposto nesta Seao. c

5.5

Ajuste de qualquer funo linear nos parmetros ca a

As idias das Sees anteriores podem ser usadas em qualquer situao que se queira ajustar e co ca 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 .

5.6. O CASO CONT INUO Se o m nimo de Q ocorre em (a1 , a2 , . . . , ak ) ento a Q (a1 , a2 , . . . , ak ) = 0 , al

65

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 notao co ca introduzida ao nal da Seo anterior: 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 )). Assim a notao co ca faz sentido!

5.6

O caso cont nuo

No caso cont nuo, tudo se passa de maneira anloga. Suponha que temos uma funo y(x) a ca 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)) dx .

E util comparar com o caso discreto. A soma ao longo do ndice i foi substitu pela integral da na varivel x, dentro do intervalo [c, d]. Ao mesmo tempo, os yi deram lugar aos valores da a 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)) dx .

Como a varivel de integrao x diferente da varivel de diferenciao al , podemos intera ca e a ca cambiar a ordem das operaes, obtendo co
d

0=
c

2gl (x) (a1 g1 (x) + a2 g2 (x) + . . . + ak gk (x) y(x)) dx ,

66

CAP ITULO 5. FUNCOES LINEARES NOS PARAMETROS

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 disco e a creto, exceto pelo fato de que os produtos escalares so calculados por uma integral, ao a invs de uma soma. e

5.7

Exemplos

Para que no que tudo muito abstrato, faamos dois exemplos nesta Seo, um para o caso a c ca discreto e um para o caso cont nuo.

5.7.1

Dinammetro o

Suponha que precisemos usar um elstico como dinammetro, para pesar objetos. O elstico a o a forte, e agenta vrios quilos. Queremos calibrar o elstico para que a medida do peso e u a a possa ser inferida pela distenso que ele provoca no elstico, que pode ser facilmente medida a a por uma rgua. e Para tanto, penduramos o elstico no teto, por uma ponta, e na outra atrelamos um a balde, cujo peso no suciente para distender o elstico (melhor ainda, serve para colocar a e a o elstico muito prximo ` posio de repouso, e esticado). Com uma jarra, colocamos gua a o a ca a no balde, e a cada litro colocado (x) medimos a distenso y do elstico. 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

5.7. EXEMPLOS

67

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 grandes, e a e 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 apreca a ca sentao do problema est ca vessemos interessados na funo inversa x(y), que d o peso em ca a funo da distenso. Se o leitor zer um grco dos dados da tabela, ver que a funo ca a a a ca peso em funo da distenso parece ser singular em 0 (tem uma derivada innita), e esse ca a tipo de funo se presta muito mal ao tipo de ajuste que faremos, baseado em polinmios. ca o O problema desaparece se olharmos para y(x), pois esta funo parece ter derivada zero em ca x = 0. Se pensarmos em ajustar y(x) por um polinmio, temos primeiramente que escolher seu o grau. Claramente o grau desse polinmio deve ser maior do que 2, pois retas e parbolas no o a a tm pontos de inexo, como aparenta ser o caso. Polinmios cbicos podem ter o formato e a o u desejado, mas talvez convenha ter um pouco mais de liberdade no ajuste usando polinmios o de quarto grau. Para ajustar um polinmio de quarto grau temos que resolver um problema a 5 parmetros. o a Isso recair num sistema linear de 5 equaes e 5 incgnitas, e nesse caso convm ter implea co o e mentado um programa de computador para resolv-lo. Como queremos apenas exemplicar e as coisas, restringiremo-nos a um certo conjunto dos polinmios de quarto grau, que reduzir o a nosso problema a apenas 3 parmetros, embora o mais recomendvel seja seguir a primeira a a soluo. ca Observe que se f (x) = c0 +c1 x+c2 x2 +c3 x3 +c4 x4 ento f (0) = c0 . Como ns j sabemos a o a que f (0) = 0, pois a nenhum peso corresponde nenhuma distenso, ento j podemos supor a a a que c0 = 0. Alm disso, o grco d a forte sensao de que f (0) = 0, e como f (0) = c1 , e a a ca ter amos c1 tambm igual a zero. Desta forma, procuraremos o menor qui-quadrado entre a e 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, porque co a e 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

68

CAP ITULO 5. FUNCOES LINEARES NOS PARAMETROS

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 extremao a e mente mal-condicionado. A soluo apresentada foi obtida com 10 algarismos signicativos, ca 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 seu e esboo no grco, junto com os dados experimentais. Este teste sempre vale a pena em c a 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 positivo, e pois a concavidade do grco para cima em x = 0, e que a2 teria que ser negativo, para a e poder criar o ponto de inexo na regio x > 0. a a

5.7.2

Cosseno aproximado por um polinmio o

Para exemplicar um ajuste linear cont nuo, tomemos a funo y(x) = cos x no intervalo ca [ , ]. Gostar amos de aproxim-la tambm por um polinmio, desta vez de grau 2. a e o 2 2 Antes de resolver o problema, vale a pena investigar o que achamos que ser o resultado. a Se f (x) = a1 + a2 x + a3 x2 o polinmio procurado, quanto devem ser, aproximadamente, os e o valores dos coecientes? Como o cosseno vale 1 em x = 0, uma funo par, tem concavidade para baixo e se anula e ca a o a sticas semelhantes. em e + , ento imaginamos um polinmio quadrtico com caracter 2 2 Ele teria que ter a1 = 1 (para valer 1 em x = 0) e a2 = 0 (por ser parbola centrada na a origem). Alm disso, a3 teria que ser negativo. Para que o polinmio se anule em preciso e o 2 e que 2 =0, 1 + a3 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 so a ca e e a funes 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 ,

5.7. EXEMPLOS a integral de x cos x nula, por ser e mpar, e resta calcular
2

69

x2 cos x ,

2 1 usando a tcnica de Integrao por Partes duas vezes, dando 2 2 4. e ca O sistema linear ca igual a 3 | 2 0 12 3 0 | 0 . 0 12 5 3 1 2 0 80 | 2 4 12

Da segunda equao conclui-se imediatamente que a2 = 0, o que reduz o sistema linear a duas ca equaes e duas incgnitas. Resolvendo o sistema, obtm-se a1 = 0.98016 e a3 = 0.41777, co o e valores bem prximos das estimativas iniciais. o O mtodo que apresentamos, apesar de simples, tem problemas quando implementado e 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 intervalo ca [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 2.5.2. ca No Cap tulo 7 discutiremos outra forma de se fazer ajustes, que so especialmente uteis a para ajustes polinomiais e trigonomtricos. Antes, porm, discorreremos um pouco mais e e abstratamente sobre o mtodo dos m e nimos quadrados, investigando, por exemplo, questes o como a unicidade, embora o Cap tulo 7 possa ser compreendido sem o aux do Cap lio tulo 6. Exerc cio 5.3 Ajuste f (x) = a(arctan x)2 aos seguintes dados xi yi por m nimos quadrados. Exerc cio 5.4 Ajuste f (x) = a + b(x 1)2 por m nimos quadrados a funao y(x) = x3 3x, ` c no intervalo [0, 2]. 0.0 0.0 1.0 0.25 2.0 1.00 3.0 1.50 4.0 1.65

70

CAP ITULO 5. FUNCOES LINEARES NOS PARAMETROS

Cap tulo 6

Levando a srio o produto e escalar


6.1 Produto escalar e distncia a

Vale a pena aqui uma pequena digresso, que nos levar a uma compreenso melhor do a a a problema do ajuste de funes lineares nos parmetros e nos permitir, alm disso, dispor de co a a e 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 a (a1 , . . . , ak ) que minimize o qui-quadrado de 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 N e c uplas u = (u1 , . . . , uN ), isto , o espao de vetores N -dimensional. Assim, os valores da e c 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 coordenadas e co 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 vetores e ca 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 ao ca produto escalar dos vetores gl e gm , e gl , y o produto escalar dos vetores gl e y. e 71

72

CAP ITULO 6. LEVANDO A SERIO O PRODUTO ESCALAR

O produto escalar fornece automaticamente uma noo de tamanho de vetores (ou norma ca de vetores, no jargo matemtico) e, em conseqncia, de distncia no espao RN . Em R2 , o a a ue a c tamanho u de um vetor u = (u1 , u2 ) dado pelo Teorema de Pitgoras: u = u2 + u2 . E e a 1 2 3 fcil ver com o Teorema de Pitgoras que em R a norma de um vetor u = (u1 , u2 , u3 ) dada a a e por u = u2 + u2 + u2 . A generalizao em RN natural. A norma de u = (u1 , . . . , uN ) ca e 3 2 1 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 a idia de distncia em RN . Olhando agora u e v como ca a ` e a pontos, a distncia entre eles a norma do vetor u v (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 ca f (para esses dados), denotado por Q(f ), dado por 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 y no e a espao RN . c Quando limitamos f (x) a ser uma combinao linear das funes g1 (x), . . . , gk (x) estamos, ca co automaticamente, limitando o vetor f a ser uma combinao linear dos vetores g1 , . . . , gk . ca Isso implica que vamos procurar f que minimiza a distncia ao vetor y apenas entre os vetores a 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 um e c c e conjunto com a seguinte propriedade: qualquer combinao linear de vetores do conjunto ca e tambm um vetor do conjunto. Por exemplo, em R3 um subespao vetorial s pode ser de e c o um dos seguintes tipos: a origem (dimenso zero), isto , o conjunto formado apenas pelo a e ponto (0, 0, 0); uma reta que passa pela origem (dimenso 1); um plano que passa pela origem a (dimenso 2); ou todo o R3 (dimenso 3). Note que todo subespao contm a origem, pois a a c e se u pertence ao subespao ento u u = 0 tambm pertence. Em RN tambm existem c a e e subespaos de todas as dimenses variando desde zero at N . c o e Pois bem, o problema do ajuste se reduz agora a achar, dentro do subespao formado c pelas combinaes lineares de g1 , . . . , gl , o ponto que minimiza a distncia a um certo ponto co a y. Disso trataremos na prxima Seo. o ca

6.2. EXISTENCIA E UNICIDADE DE SOLUCOES NO AJUSTE LINEAR

73

6.2

Existncia e unicidade de solues no ajuste linear e co

Nesta Seo discutiremos a possibilidade de soluo para o problema do ajuste linear, no ca ca caso discreto. Deixaremos o caso cont nuo para a prxima Seo. Lembraremos alguns fatos o ca de Geometria Anal tica e Algebra Linear, sem demonstr-los todos. Os que faltarem podem a ser encontrados em textos clssicos, voltados especicamente para esse assunto. a Seja G um subespao de RN . Denimos o subespao G dos vetores de RN ortogonais a c c todo vetor de G, lembrando que u e v so ortogonais se u, v = 0. Fica para o leitor mostrar a que G um subespao. e c O primeiro fato para o qual chamaremos a ateno o seguinte: qualquer y RN pode ca e 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 cam e e de lado nessa exposio, mas o leitor pode encontrar nos livros de Algebra Linear no tpico ca o Ortogonalizao de Gram-Schimdt). O que caracteriza esse conjunto como base ortonormal ca o fato de ser base (todo vetor de G pode ser escrito como combinao linear dos vetores e ca 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 as e u e ca direes dadas pelos wi s), portanto um vetor de G. Por outro lado, vamos mostrar que co e 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). 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, em a a termos dos vetores da base, e levar em conta que a base ortonormal. Fica como exerc e cio!!! A segunda observao que a decomposiao de um vetor y em uma soma de dois vetores, ca e c um de G e outro de G unica. Em outras palavras, se y = u + v = u + v , com u, u G e e v, v G , ento u = u e v = v . Para mostrar isso, vamos apenas nos utilizar do fato de que a o unico vetor que pertence a ambos os subespaos a origem (pois se u pertence a ambos os c e subespaos, ento u ortogonal a ele mesmo, ou seja, u, u = 0; s que u, u = u 2 , e o c a e o unico vetor que tem norma zero o vetor nulo). Se y = u + v e y = u + v ento e a 0 = y y = (u u) + (v v ) , isto , e uu=vv .

74

CAP ITULO 6. LEVANDO A SERIO O PRODUTO ESCALAR

Do lado esquerdo da igualdade temos um vetor de G e do lado direito da igualdade temos um vetor de G , e eles so iguais. Logo eles tm que ser ambos nulos, e a armao segue. a e ca r O vetor u = i=1 y, wi wi a componente de y no subespao G, tambm chamada de e c e projeao de y em G. A terceira observao que temos a fazer que o vetor u o (nico) c ca e e u elemento de G a menor distncia de y. Para ver a razo, tome um outro vetor qualquer ` a a g G. A distncia de g a y a raiz quadrada de g y, g y , que mostraremos ser maior a e do que a distncia de u a y, que a raiz quadrada de u y, u y . Para comparar as duas a e distncias, escrevemos a g y, g y = g u + u y, g u + u y = g u, g u + 2 g u, u y + u y, u y , mas como g u G e u y G , segue que g u, u y = 0. Alm disso, g u, g u e e positivo, logo 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 o c a e conjunto de todas as combinaes lineares dos vetores g1 , . . . , gk . Nesse subespao, existe um co c unico elemento que minimiza a distncia ao ponto y, como conclu a mos acima. Ser que da a podemos concluir que sempre existe um unico conjunto de parmetros (a1 , . . . , ak ) tal que a f = a1 g1 + . . . + ak gk minimiza a distncia a y? a A resposta no, nem sempre!! Embora s haja um elemento u do subespao que minie a o c mize a distncia, pode haver diversas maneiras de se escrever esse elemento como combinao a ca linear dos vetores g1 , . . . , gk . Para que haja apenas uma maneira de se escrever u preciso e que os vetores g1 , . . . , gk sejam linearmente independentes, isto , que nenhum deles possa e ser escrito como combinao linear dos outros. ca Por exemplo, suponha que o nmero N de pontos dados seja menor do que o nmero k u u de funes do ajuste. No h como ter k > N vetores linearmente independentes em RN , co a a 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 leitor a ca e e est convidado a justic-la inspirando-se no que est escrito na Seo A.7. a a a ca

6.3

O caso cont nuo

No caso cont nuo no temos um espao de dimenso nita (RN ) para trabalhar. Que espao a c a c utilizamos? Ser que as idias das sees anteriores tambm se aplicam? Veremos que sim, a e co e quase sem modicaes! co No lugar de RN consideramos um espao de funes, que podemos particularizar (para no c co a dicultar as coisas). Suponha que y(x) seja uma funo cont 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 adiao e a multiplicaao por nmeros reais: se h1 e h2 so funes de E, a c c u a co ento dene-se a funo h = h1 + h2 como sendo aquela que leva x em h(x) = h1 (x) + h2 (x), a ca e se um nmero real, dene-se a funo h = h1 como sendo aquela que leva x em e u ca h(x) = h1 (x). O conjunto E um espao vetorial porque essas operaes sempre resultam e c co em elementos de E. A origem ou elemento nulo de E a funo identicamente nula em [c, d], e ca e assim por diante.

6.4. OUTROS PRODUTOS ESCALARES: PESOS

75

O espao vetorial E no tem dimenso nita porque no podemos escolher um nmero c a a a u nito de elementos h1 , . . . , hn que gere E, isto , tal que qualquer elemento de E possa ser e escrito como combinao linear desses elementos. No entanto, dado o conjunto de funes ca co g1 , . . . , gk (aquelas com as quais queremos fazer o ajuste), o conjunto de todas as suas combinaes lineares um subespao vetorial de dimenso nita de E (que chamaremos de G). co e c a 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 utilizamos co co o das propriedades do produto interno, a saber: 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 A. No dif mostrar que a denio acima de h, f no espao a e cil ca c E a de um produto interno, e da seguem as conseqncias que advm diretamente dessas e ue e 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 aos ca e ca a pontos de G, sendo portanto uma soluo do problema de ajuste. ca

6.4

Outros produtos escalares: pesos

Pensando novamente no caso discreto (mas com conseqncias igualmente vlidas no caso ue a cont nuo), notamos que o clculo do qui-quadrado pressupe uniformidade dos dados (xi , yi ), a o 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 dados e so mais conveis do que outros. A atribuio de um peso a cada dado se daria da seguinte a a ca forma: para cada i escolhemos um certo pi > 0, que entra no cmputo do qui-quadrado da o seguinte maneira:
N

Q(f ) =
i=1

pi (f (xi ) yi )2 .

76

CAP ITULO 6. LEVANDO A SERIO O PRODUTO ESCALAR

Assim, quanto mais alto for wi maior ser a contribuio do dado (xi , yi ) para o qui-quadrado. a ca 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 com que a funo c a ca f (x) ajustada aproxime melhor esses pontos (xi , yi ) em detrimento de outros que tenham menor peso. Em medidas experimentais, em geral, o peso dado pelo inverso da varincia e a pi = 1 2 , i

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 `quele que a 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 escalar ca entre dois vetores u = (u1 , . . . , uN ) e v = (v1 , . . . , vN ) para
N

u, v =
i=1

p i u i 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 se ca segue de forma idntica, e o menor qui-quadrado entre a fam de funes a k parmetros e lia co a f (x) = a1 g1 (x) + . . . + ak gk (x) ser para a k-upla (a1 , . . . , ak ) que satisfaz o sistema linear a 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.

Cap tulo 7

Fam lias ortogonais


7.1 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 os co 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 si e co a 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

f=
l=1

y, gl gl . gl , gl

Melhor ainda seria se a fam {g1 , . . . , gk } fosse ortonormal, isto , gl , gl = 1 para todo lia e l = 1, . . . , k, pois a frmula caria o
k

f=
l=1

y, gl gl .

O leitor que acompanhou atentamente o Cap tulo 6 perceber que esta nada mais que a e a frmula da projeo de y no subespao G das combinaes lineares de g1 , . . . , gk . o ca c co 77

78

CAP ITULO 7. FAM ILIAS ORTOGONAIS

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 ortogonalidade. e 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 E co (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 polinmios c co o de grau at k 1. No dif mostrar que essas funes so linearmente independentes, e a e cil co a formando portanto uma base de G. No entanto, elas no so ortogonais entre si (e tampouco a a tm norma igual a 1). Para ver isso, basta tomar um dos produtos internos: e
1 1

g1 , g2 =
0

g1 (x)g2 (x)dx =
0

xdx =

1 =0. 2

E ento como construir uma base ortonormal (ou ortogonal) de G? Faremos isso inspiraa dos no processo de Ortogonalizao de Gram-Schimdt. S para no confundir, denominareca o a mos 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 funo ser um polinmio de ca ca a o grau 1: f2 (x) = a + bx, mas podemos supor que b = 1, se multiplicarmos por uma constante (multiplicaes por constantes s mudam a norma, mas no inuenciam na ortogonalidade). co o a Alm disso, queremos que ele seja ortogonal ao primeiro, ou seja, queremos que e
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 tambm ca a o e ser igual a 1: f3 (x) = a + bx + x2 (a e b diferentes dos anteriores, aqui usados somente como a parmetros auxiliares). Esta funo deve ser ortogonal `s duas previamente criadas, isto , a ca a e f1 , f3 = 0 , f2 , f3 = 0 . Da primeira equao sai ca
0 1

(a + bx + x2 )dx = 0 , e da segunda sai


0 1

1 ( + x)(a + bx + x2 )dx = 0 . 2

As duas equaes reunidas formam um sistema linear nas incgnitas a e b, e resolvendo-o ca co o determinada a funo f3 . ca O processo continua do mesmo jeito, at se chegar ` k-sima funo. Observe que no e a e ca a nos livramos totalmente dos sistemas lineares para acharmos a base ortogonal, mas nosso trabalho car enormemente facilitado se algum j tiver feito isso por ns. Existem tabelas a e a o de polinmios ortogonais prontas para serem usadas! Cada fam leva em conta a denio o lia ca

7.2. CALCULANDO POLINOMIOS ORTOGONAIS POR RECORRENCIA

79

do produto escalar utilizado que, em nosso caso, depende somente do intervalo de integrao ca (e do peso, se for o caso). Veremos logo adiante como usar tabelas de funes ortogonais. co Exerc cio 7.1 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 relaao a esse produto escalar. c Exerc cio 7.2 Mostre que as funoes sen x e cos x so ortogonais no intervalo [0, 2] c a (admitindo-se o produto escalar com peso uniforme).

7.2

Calculando polinmios ortogonais por recorrncia o e

Na Seo anterior vimos que podemos recorrer a polinmios ortogonais para facilitar a reca o soluo do problema de ajuste. No entanto,a obteno dos polinmios ortogonais recai na ca ca o resoluo de vrios sistemas lineares, tarefa que pode ser to ou mais trabalhosa do que se ca a a 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 funciona tanto e ca e ca e 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 qualquer dos produtos ca internos que descrevemos. Procede-se assim: xa-se f0 (x) 1 e calcula-se o primeiro polinmio f1 (x) = x + a, da o mesma forma que zemos previamente. O valor de a ir depender do produto interno, e a e escolhido de maneira que f0 , f1 = 0. Agora suponha que o processo continua, como descrito na Seo anterior, obtendo-se polinmios f2 , f3 , f4 , etc, de graus 2, 3, 4, etc, exigindo-se ca o apenas que o coeciente de mais alto grau seja sempre igual a 1. Em cada etapa, {f0 , f1 , . . . , fk } gera o subespao formado por todos os polinmios de c o grau k (mostre isso como exerc cio, com um argumento indutivo). Observe que comeamos a numerar nossos polinmios a partir de zero, pois assim seu c o 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, somente e ca a 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. Note que para k = 2 ela verdadeira porque a e 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 e f1 , o ca isto e xf1 (x) f2 (x) = a2 f1 (x) + b2 f0 (x) .

80

CAP ITULO 7. FAM ILIAS ORTOGONAIS

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 ca linear dos vetores fk1 , fk2 , . . ., f1 , f0 . Chamaremos de f a parte dessa combinao linear ca que corresponde ` combinao de polinmios fj com j k 3. Ento 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, veremos co 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 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 frmula a ca a o a o para fk (x) em funo dos dois polinmios anteriores: 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 resulta xfk1 , fk2 fk , fk2 = ak fk1 , fk2 + bk fk2 , fk2 bk = xfk1 , fk2 . fk2 , fk2 xfk1 , fk1 , fk1 , fk1

Exerc cio 7.3 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 .

7.3. UM EXEMPLO DE APLICACAO DE POLINOMIOS ORTOGONAIS

81

7.3

Um exemplo de aplicao de polinmios ortogonais ca o

Gostar amos de aproximar a funo y(x) = sen x (em radianos) no intervalo [1, 1] por um ca polinmio cbico. Fazendo o exerc do nal da Seo anterior, constatamos que qualquer o u cio ca polinmio cbico pode ser gerado por combinao linear dos polinmios ortogonais o u ca o f0 (x) = 1 , f1 (x) = x , f2 (x) = x2 3 1 , 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 , 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 , cada o a e a e 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 = 8 8 2 , f2 , f2 = , f3 , f3 = . 3 45 175

Exerc cio 7.4 Termine o exemplo. Calcule os produtos y, fl , onde ser preciso integrar a xl sen x (sugesto: integraao por partes). Tente no errar nas contas. Obtenha os coecia c a entes e explicite a funao f como um polinmio cbico. Desenhe um grco do polinmio c o u a o obtido e compare com a funao h(x) = sen x. c Exerc cio 7.5 Ajuste, por m nimos quadrados, um polinmio de primeiro grau a funao o ` c h(x) = sen x no intervalo [0, 1], usando polinmios ortogonais. o Exerc cio 7.6 Ajuste um polinmio quadrtico a funao ex em [1, 1] usando polinmios o a ` c o ortogonais.

7.4

Exemplo de anlise harmnica a o

Alm dos polinmios ortogonais, muito importante tambm a seguinte fam de funes e o e e lia co trigonomtricas, denidas no intervalo [0, 2] (ou mesmo no intervalo [, ]), que a coleo e e ca de todas as funes do tipo co
k

a0 +
l=1

(al cos lx + bl sen lx) .

Todas as funes 1, cos x, cos 2x, cos 3x, . . ., sen x, sen 2x, sen 3x, etc, so ortogonais entre co a si (prove!). Portanto, se quisermos ajustar y por uma funo desse tipo, teremos ca a0 = 1 2
2

y(x) dx , al =
0

y(x) cos(lx) dx
0

82 e bl =

CAP ITULO 7. FAM ILIAS ORTOGONAIS

y(x) sen(lx) dx ,
0

1 para todo l = 1, 2, 3, . . . , k. O fator 2 em a0 corresponde ` norma ao quadrado da funo a ca 1 1, e os fatores nos demais termos correspondem ` norma ao quadrado de cada uma das a funes restantes (prove tambm isto!). co e 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 intervalo e ca a [0, 2], e mesmo assim gostar amos de aproxim-la por funes trigonomtricas. Mas a se o a co e , intervalo for escrito como [c, d], basta usar as funes co

1 , sen 2l

xc dc

, cos 2l

xc dc

, l = 1, 2, . . .

Para exemplicar, faremos a anlise harmnica de y(x) = x(1 x) (uma parbola) no a o a intervalo [0, 1]. Teremos que usar as funes 1, sen(2lx), cos(2lx), l = 1, 2, . . ., que so co a ortogonais entre si. 1 Primeiro calculamos as normas ao quadrado. Temos a mais fcil, 0 1 1dx = 1. Alm a e disso
1

sen2 (2lx) dx =
0

1 2l
1

2l

sen2 u du =
0

l 2l 1 2

sen2 u du =
0

1 2

sen2 u du ,
0

e analogamente
0 2

cos2 (2lx) dx =
2

cos2 u du .
0

As integrais 0 sen2 u du e 0 cos2 u du so iguais a (prove, usando que cos 2u = 1 a 2 sen2 u = 2 cos2 u 1), portanto todas as normas ao quadrado so iguais a 1 , excetuando-se a 2 a primeira funo, que tem norma 1. ca Agora temos que calcular os produtos internos dessas funes com a funo y(x) = x(1 co ca 1 x) = x x2 . Com a primeira funo a prpria integral de x(1 x), que vale 6 . Ento ca e o a a0 =
1 0

1 x(1 x) dx
1 0

1 1 dx

1 . 6

Depois observamos que os bl s so todos nulos. Isso porque a funo x(1 x) par em a ca e 1 co a mpares em relao ao mesmo ponto, donde o ca relao a x = 2 , e as funes sen(2lx) so ca produto das duas e mpar em relao a x = 1 . Como o intervalo [0, 1] simtrico em torno ca e e 2 1 a de x = 2 , ento
1 0

x(1 x) sen(2lx) dx = 0 ,

para todo l 1. S nos resta obter o al =

1 0

x(1 x) cos(2lx) dx
1 2

7.4. EXEMPLO DE ANALISE HARMONICA Com u = 2lx obtemos al = 2 (2l)2


2l 0

83

u cos u du

2 (2l)3

2l

u2 cos u du .
0

A primeira integral nula, porque u cos u pode ser escrito como (u l) cos u + l cos u. O e primeiro termo da soma uma funo e ca mpar em relao a x = l, que o ponto intermedirio ca e a do intervalo, e portanto sua integral nula. E a integral de cos u em qualquer per e odo completo tambm nula. e e Quanto ` segunda integral, integramos por partes duas vezes e achamos a primitiva a u2 sen u + 2u cos u 2 sen u da funo u2 cos u. Usando a primitiva, chegamos em ca 1 . 2 l2 Assim podemos fazer o ajuste de x(1 x) usando quantas funes trigonomtricas quico e sermos. Se formos at l = k, teremos e al = f (x) = 1 1 6 2
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 e a a a 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) no ca a ca intervalo [0, 1]. Em particular, f (0) estar cada vez mais perto de y(0), que igual a zero. a e Portanto k 1 1 1 =0. lim 2 k 6 l2
l=1

Escrito de outra forma,


k k

lim

l=1

1 2 = . l2 6
k

O limite da soma denotado como se a soma fosse innita e


l=1

1 1 lim . k l2 l2 i=1

Assim, podemos obter uma frmula para : o = 6


l=1

1 . l2

Exerc cio 7.7 Prove que a fam {1, cos(lx), sen(lx)} ortogonal em qualquer intervalo lia l=1 e de comprimento 2. Exerc cio 7.8 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 lenta, a a e e e um valor de k muito grande necessrio para se conseguir uma boa aproximaao de . e a c

84

CAP ITULO 7. FAM ILIAS ORTOGONAIS

7.5

Mudana de variveis: como usar tabelas de funes c a co ortogonais

Freqentemente conhecemos uma fam de polinmios ortogonais (por exemplo, usando uma u lia o tabela), ou mesmo a fam de funes trigonomtricas acima mencionada, mas a funo h(x) lia co e ca da qual queremos fazer o ajuste est denida em um intervalo diferente. Ser que ainda assim a a podemos aproveitar a informao dispon ca vel? A resposta sim, e a maneira simples: recorremos a uma mudana de variveis am. e e c a Assumiremos que temos uma fam de funes ortogonais f0 , f1 , f2 , . . . no intervalo [c, d], lia co e gostar amos de ter uma fam de funes ortogonais no intervalo [, d]. lia co c Em primeiro lugar, constru mos uma funo am L que leve o intervalo [, d] no intervalo ca c [c, d], sobrejetivamente. Isso pode ser feito explicitamente: y = L(x) = c + dc (x c) . dc dc (y c) . dc

Sua inversa tambm pode ser calculada de forma expl e cita: x = L1 (y) = c +

Para facilitar a notao, chamaremos de o coeciente linear de L: ca = dc dc

Armamos que a fam f0 , f1 , f2 , . . . dada por lia fl (x) = fl (L(x)) ortogonal com respeito ao produto interno usual do intervalo [, d]. Para isso, s precisamos e c o mostrar que
d c

fl (x)fk (x)dx = 0 ,

para l = k, usando a informao de que, nesse caso, ca


d

fl (y)fk (y)dy = 0 .
c

Entretanto
c

fl (x)fk (x)dx =
c

fl (L(x))fk (L(x))dx

e, fazendo a mudana de variveis y = L(x) (com dy = L (x) dx = dx), obtemos c a


L(d) L() c

1 1 fl (y)fk (y) dy =

fl (y)fk (y) dy = 0 .
c

7.5. MUDANCA DE VARIAVEIS: COMO USAR TABELAS DE FUNCOES ORTOGONAIS85 Observe que consideramos apenas o caso cont nuo, com peso uniforme. Outras situaes co podem ser consideradas, tomando-se os devidos cuidados, mas no discutiremos receitas a 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 si no co e intervalo [0, 2], mas no exemplo zemos a anlise harmnica adaptada para o intervalo [0, 1]. a o Alm do mais, olhando para o que zemos, no caso de as funes f0 , f1 , . . . serem poe co linmios ento as funes f0 , f1 , . . . tambm sero polinmios, respectivamente de mesmo o a co e a o grau. Vejamos um exemplo, para ilustrar. Na Seo 7.3 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 o a ca 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 fl = fl L. o a o a Portanto f1 (x) (x) f2 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 6 3 3 f4 (L(x)) = L(x) 5 L(x) = 8x3 36x2 + 54x 5 x

126 5

86

CAP ITULO 7. FAM ILIAS ORTOGONAIS

Parte III

Equaes e Zeros de Funes co co

87

Cap tulo 8

Zeros de funes e o Mtodo da co e Dicotomia


8.1 Introduo ca

Considere o seguinte problema: dada uma funao real f , achar suas ra c zes, isto , os valores e 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 equaao a ser resolvida. Uma equao nada mais do que uma expresso c 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 achar c e as ra zes da funo f (x) = f1 (x) f2 (x). ca Alm disso, o problema se relaciona com a inverso de funoes. Por exemplo, temos uma e a c funo g(x) conhecida, mas gostar ca amos de determinar g 1 em certos pontos. Lembrando que g 1 (y) denido como sendo o valor x tal que g(x) = y temos que, para um dado y, e resolver a equao g(x) = y e determinar x = g 1 (y). Resolver a equao g(x) = y o ca ca e mesmo que achar um zero da funo f (x) = g(x) y. ca Nas prximas Sees veremos alguns exemplos que ilustram o problema. o co 89

90

CAP ITULO 8. ZEROS DE FUNCOES E O METODO DA DICOTOMIA

8.2

Raiz c bica de 10 u

Suponha que queiramos achar um nmero x positivo tal que x3 = 10. Esse nmero o que u u e denominamos a raiz cbica de 10, ou 3 10. u Gracamente, encontramos x pela interseco de ca {y = x3 } com {y = 10}, como mostra a gura ao lado. Observe tambm que o problema equivalente e e a resolver a equao ca x3 10 = 0 , ou seja, estamos procurando a raiz de f (x) = x3 10. y = x3 10 y = 10 x

8.3

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 . Ou, a a alternativamente, uma bolinha que parte do repouso ` altura h0 dentro de um tubo cheio a dgua, e cai sob a fora da gravidade. Levando em conta que a queda no completamente a c a e livre, isto , o meio oferece resistncia ao movimento, quanto tempo levar a queda do prae e a a quedista ou da bolinha?

h0 h0 h
0

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 velocidade e a a e e compat com a possibilidade do corpo humano suportar o choque com o solo. No caso da vel bolinha, a velocidade inicial zero e cresce com o tempo. e Empiricamente, constata-se que o meio oferece resistncia ao movimento com uma fora e c tanto maior quanto maior for a velocidade.

8.3. PARA-QUEDISTA OU BOLINHA EM QUEDA DENTRO DAGUA Num grco, ter a amos algo como mostrado na gura ao lado. Isso implica que h um valor de a velocidade v para o qual a fora de resistncia c e e exatamente igual ` fora da gravidade. Se o corpo a c em queda est a essa velocidade, a fora da graa c vidade e a resistncia do meio se anulam entre si, e e a resultante das foras zero. Isso implica que c e o corpo no ser acelerado (nem desacelerado), e a a portanto permanecer constantemente em movia mento ` velocidade v . a fora de resistncia c e

91

mg

velocidade

Por outro lado, se a velocidade inicialmente maior do que v , ento a fora de resistncia e a c e ser maior do que a fora de gravidade, o que far com que o corpo reduza sua velocidade. a c a Tudo sugere que os grcos Velocidade vs. Tempo tenham o seguinte aspecto, dependendo a da relao entre v0 e v , onde v0 a velocidade inicial do corpo. ca e

v v0 v0 = v v

v0 t t t

Sob a hiptese de que a fora de resistncia do ar proporcional ` velocidade do corpo, o c e e a em valor absoluto, poss e vel mostrar que a evoluo da velocidade em funao do tempo ca c e dada por v(t) v = (v0 v )e v t , onde g a constante de gravidade ` superf terrestre (vide Seo 17.3.3 para uma justie a cie ca cativa). Como interpretar essa frmula? Ora, note que se denirmos v(t) = v(t) v , isto , a o e diferena entre a velocidade do corpo e a velocidade de equil c brio, a frmula apenas diz que o g v no instante t igual a v no instante t = 0 multiplicado por e v t . Isso est de acordo e a com as guras que hav amos desenhado.
g

92

CAP ITULO 8. ZEROS DE FUNCOES E O METODO DA DICOTOMIA

0 Sabendo agora como evolui a velocidade do corpo em funo ca do tempo, como podemos deduzir a evoluo da altura h(t)? ca 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 e de h como sendo ` altura h0 , de forma que o solo ser atina a gido no instante T tal que h(T ) = h0 .

h = h0

h v v0 O espao percorrido dado pela integral da veloc e cidade no intervalo de tempo considerado. Assim,
t

h(t) h(0) =

v(s)ds ,
0

0 h(t) Ento a

onde h(0) = 0, pela maneira como xamos a coordenada. No grco de velocidades, isso corresa ponde a achar a rea sob a curva v(t). A varivel a a s usada como auxiliar, para diferir do extremo e de integrao. ca

h(t) =
0 t

(v + [v(0) v ]e v s )ds
t

=
0

v ds + [v(0) v ]

e v s ds
0

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

8.4. O CILINDRO DEITADO Chamando A = B C D v [v(0) v ] h0 g = v v [v(0) v ] = g v = g A + Bt ento estamos procurando a raiz da funo a ca f (t) = A + Bt CeDt . Gracamente, essa raiz dada pela projeo na e ca abscissa do encontro entre a reta A + Bt com a funo CeDt , vide ao lado. ca T

93

CeDt t

8.4

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 dramatica a zar o exemplo, imagine um continer de petrleo, e o gigante, com esse formato e nessa posio). O ca problema : como determinar uma escala com e marcaes que indiquem o volume de gua denco a tro do cilindro (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 de uma seo transversal, perpendicular ao seu eixo. O volume total do cilindro dado por ca e v = l r2 , pois r2 a rea da base e l a altura do cilindro, embora ele esteja deitado. e a

94

CAP ITULO 8. ZEROS DE FUNCOES E O METODO DA DICOTOMIA

r cos() h

Se ele estiver cheio at a altura h ento o volume de e a a gua ali contido ser l vezes a rea preenchida pela a a a gua numa seo transversal qualquer, que chamareca mos de A(h). Note que h varia entre 0 e 2r, e que A(0) = 0, A(2r) = r2 e A(r) = 1 r2 . Mas e os 2 outros valores de h? Como achar a funo A(h)? ca

A(h) 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 e a a 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 trs, a a e lembrando que para = 2 a rea r2 : a e = 2 1 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 =

lembrando que depende de h pela relao h = r(1 ca cos ). Essa conta sugere que talvez seja mais fcil fazer a a escala ao longo do contorno do cilindro, parametrizado pelo ngulo , como se fossem as marcas de um relgio a o (pode-se fazer uma escala vertical, mas as contas caro a mais complicadas). 1l

3l 2l

=0 a E fcil ver que a mesma frmula vale quando h > r (verique!). Resumindo, o volume o 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 esboado a a a c na gura abaixo.

8.5. CATENARIA v=
v lr 2

95

v () v=

1 2 sen(2) 1 2

0
1 2

v Na gura, colocamos na vertical a varivel v = lr2 , de forma que o grco que indea a pendente do raio r e do comprimento l do cilindro. As linhas pontilhadas indicam as duas ca funes ( e 1 sin 2) que somadas produzem a funo v () = v() . co 2 lr 2 A funo v () tem derivada nula em = 0 (e por simetria em = ), pois ca

v () = 1 e

1 2 cos 2 2

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 gua de 3 a litros. Isso corresponde, no grco, a achar o valor de para o qual v() = 3 (se o volume a for medido em litros). Esse o problema de achar a raiz da funo v() 3. O mesmo procedimento pode ser e ca adotado para se calcular as marquinhas correspondentes a outros valores do volume, de forma que toda a escala possa ser constru da.

8.5

Catenria a

Mais uma vez, suponhamos uma corrente pendurada em dois pontos de sustentao. Seu ca formato, como j dissemos, o do grco da funo a e a ca f (x) = 1 (cosh(cx) 1) , c

96

CAP ITULO 8. ZEROS DE FUNCOES E O METODO DA DICOTOMIA

desde que a origem do plano cartesiano coincida com o ponto de m nimo da curva. Na Subseo 4.3.2 propusemos uma maneira de achar o parmetro c experimentalmente, ca a atravs de um ajuste de funes, no caso no linear. Aqui veremos que, a partir da posio de e co a ca um unico ponto da corrente (excetuando o ponto de m nimo), podemos achar o parmetro c. a Para tanto, reduziremos o problema a achar o zero de uma funo cuja varivel o parmetro ca a e a c. 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 h a ca o a apenas dois pontos onde as funes coincidem, e um deles c = 0. Como c no pode ser co e a zero (pois aparece no denominador, na expresso da funo f ), ento c ca completamente a ca a determinado uma vez dado (x0 , y0 ). Para calcular c explicitamente, no entanto, necessrio algum mtodo numrico. e a e e Observao: Uma funo f convexa se ca ca e f ((1 )x1 + x2 ) (1 )f (x1 ) + f (x2 ), para todo 0 1. f (x1 ) x1 x x2 1 (cosh(cx0 ) 1) . c

f (x2 )

8.6

Mtodo da Dicotomia e

Nesta Seo apresentaremos o Mtodo da Dicotomia, que um mtodo intuitivo de se achar ca e e e a raiz de uma funo. Mtodos mais sosticados sero estudados nos prximos Cap ca e a o tulos. O primeiro passo isolar a raiz x dentro de um intervalo onde a funo seja montona: e ca o ou crescente ou decrescente. Sejam a0 e b0 os extremos desse intervalo. 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

8.6. METODO DA DICOTOMIA

97

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 que e ca f (x ) = 0 o mesmo que achar a raiz cbica de 20. 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 c0 : e c0 = 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 ] . 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 n 0 1 2 3 4 5 6 7 8 9 10 an 2 2.5 2.5 2.625 2.6875 2.6875 2.703125 2.7109375 2.7109375 2.712890625 2.713867188 bn 3 3 2.75 2.75 2.75 2.71875 2.71875 2.71875 2.71484375 2.71484375 2.71484375 cn 2.5 2.75 2.625 2.6875 2.71875 2.703125 2.7109375 2.71484375 2.712890625 2.713867188 2.714355469 rn en 2.5 0.5 2.75 0.25 2.63 0.13 2.69 0.07 2.72 0.04 2.703 0.016 2.711 0.008 2.715 0.005 2.7129 0.0020 2.7139 0.0011 2.7144 0.0006
3 rn 15.6 20.8 18.2 19.5 20.12 19.75 19.93 20.013 19.966 19.989 19.9996

a0 + b0 . 2

98

CAP ITULO 8. ZEROS DE FUNCOES E O METODO DA DICOTOMIA

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 a raiz o 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 en a e 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 erro e ca 1 (bn an ), com todas as casas decimais poss veis. De posse desse valor, escolheu-se o nmero u 2 de algarismos signicativos para expressar en , 1 ou 2. O critrio dessa escolha baseou-se num e 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, 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 a ` ultima casa decimal de en , o intervalo [rn en , rn + en ] contenha o intervalo [an , bn ]; (iii) en seja o menor poss vel. Por exemplo, para n = 4 temos 1 (b4 a4 ) = 0.03125, ento tomamos e4 = 0.04 (no a a 2 podemos usar 0.03, seno a condio (ii) pode no ser satisfeita). Em seguida arredondamos a ca a c4 = 2.71875 na segunda casa decimal, obtendo r4 = 2.72. E preciso a testar a condio ca (iii): 2.72 0.04 = 2.68 < a4 e 2.72 + 0.04 = 2.76 > b4 , tudo bem. Se essa condio no ca a fosse satisfeita, en teria que ser ligeiramente aumentado, respeitando (i), (ii) e (iii) ao mesmo tempo.

Cap tulo 9

Mtodos iterativos e
9.1 Plano geral

Neste Cap tulo discutiremos a determinao de zeros de funes por meio de mtodos iteca co e rativos. Os mtodos iterativos (no so interativos, ateno!) so realizados da seguinte e a a ca a 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 {xk }k e ue convirja para x , como mostra esquematicamente a gura abaixo. 4. Com algum critrio de parada, em funo da preciso que se deseja na resposta, toma-se e ca a um dos xk s como aproximao de x . ca

f
1 0 1 0

x* x1
1 1 0 x2 x3 0

1 0 1 0

1 0 1 0

1 0 1 0

x0

99

100

CAP ITULO 9. METODOS ITERATIVOS

9.2

Pontos xos

A primeira observao pertinente a respeito do plano geral traado acima sobre o tipo de ca c e ponto que deve ser x , em relao ` aplicao (em relao ` funo f j sabemos: x ca a ca ca a ca a e uma raiz de f ). Supondo que, no m 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 seqncia a ue e o ue dos xk , adiantada no ndice k de uma unidade. Como (xk ) tende a (x ), ento xk tende a a (x ). Ora, mas se xk tende ao mesmo tempo para x e para (x ), a concluso que x a e e (x ) tm que ser iguais! e Para resumir, uma condio necessria para que o plano geral de achar a raiz x de f por ca a 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 mais ca a e e adiante. Todo ponto x para o qual se tenha (x) = x chamado de ponto xo da funo . O que e ca acabamos de concluir que a funao auxiliar deve ter a raiz x de f como ponto xo. e c Um ponto xo da funo localizado pelo cruzamento do grco de y = (x) com o ca e a grco de y = x, a diagonal, ao contrrio das ra de f , que so localizadas pelo cruzamento a a zes a do grco de f com a abscissa (y = 0). Na gura abaixo, por exemplo, a funo esboada a ca c tem 2 pontos xos (suas quatro ra zes no nos interessam). a

1 0 1 0 1 0 1 0

Exerc cio 9.1 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 seqncia a ue ue converge? Se converge, converge para algum ponto xo? Faa o mesmo para x0 = 2, e depois c 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 de operaes e e a u co na mquina em cada etapa. Em algumas calculadoras, existe uma varivel de memria que a a o ` guarda a resposta do ultimo clculo. As vezes essa varivel pode ser colocada na frmula a a o

9.3. FUNCOES AUXILIARES CANDIDATAS

101

completa. Por exemplo, em algumas calculadoras CASIO essa varivel chama-se Ans. a Procede-se assim, para x0 = 1.5 e (x) = x2 x + 0.5: (i) escreve-se 1.5 e aperta-se EXE, fazendo com que 1.5 seja armazenado em Ans; (ii) escreve-se Ans2 Ans + 0.5, apertase EXE e aparece a resposta 1.25, que o x1 (e esta resposta armazenada em Ans, e e substituindo o valor anterior); (iii) apertando EXE novamente a calculadora far a mesma a conta, s que a partir do novo valor de Ans, que o x1 , assim aparecer o valor de x2 ; (iv) o e a a partir da s ir apertando EXE que vo aparecendo os xk s, em seqncia. e o a ue Se a calculadora no dispuser desses recursos, mesmo assim ela deve ter maneiras de a armazenar valores em memria. Guarde o resultado xk na memria e procure us-la na hora o o a de calcular xk+1 . Calculadoras que permitem colocar a frmula inteira antes de fazer a conta o 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 serve u para isso. Exerc cio 9.2 Tome (x) = 3.1x(1 x) e x0 = 0.3. O que acontece com a seqncia de ue iterados? Exerc cio 9.3 Tome (x) = 4x(1 x) e x0 = 0.3. O que acontece com a seqncia de ue iterados?

9.3

Funes auxiliares candidatas co

E natural nos questionarmos se podemos achar uma funo tal que (x ) = x se no ca a conhecemos exatamente x , anal estamos desenvolvendo um mtodo cuja nalidade ultima e justamente achar x ! Acontece que por um pequeno truque isto perfeitamente poss e e 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 , isto , x um ponto xo de . Inversamente, se x for um ponto xo de ento x ser e e a a tambm uma raiz de f . Em concluso, se for denida dessa maneira ento as ra e a a 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.

102

CAP ITULO 9. METODOS ITERATIVOS

Como no devemos nunca dispensar um desea nho, em tudo o que fazemos na matemtica, a vejamos como podemos esboar (x) = x + c f (x) diretamente a partir do esboo do c grco da funo f . Se for positivo, ao mula ca tiplicarmos a funo f por estaremos encoca lhendo (se < 1) ou dilatando (se > 1) o grco na direo vertical. Nas ra a ca zes, como a funo vale zero, o efeito nulo. Se for neca e gativo o grco ser, alm disso, reetido em a a e torno da abscissa. Depois dessa multiplicao ca temos apenas que somar o grco resultante a a ` diagonal. Na gura ao lado esboamos o proc cesso com igual a 1 . 2

(x) = x

1 2

f(x)

f(x)

1 2

f(x)

Exerc cio 9.4 Considere f (x) = sen(x) (no se esquea, x em radianos!). Esboce o grco a c a 1 de (x) = x + f (x). Esboce tambm o grco de (x) = x 2 f (x). Itere e a partir da e a condiao inicial x = 1 e compare os resultados. c

9.4

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 um co c ca a acmulo de erro quando zermos iteraes sucessivas, mas os desenhos nos ajudaro a melhor u co a compreender os diversos tipos de comportamentos presentes nos mtodos iterativos. e

9.4. VISUALIZANDO ITERACOES

103

A primeira coisa que devemos fazer desee nhar o grco da funo, e em seguida a dia ca agonal, que nos auxiliar. Depois escolhemos a uma condio inicial x0 ( apenas um ponto da ca e abscissa), e o objetivo encontrar a posio, e ca na abscissa, de x1 = (x0 ). Movendo-nos verticalmente, encontraremos o grco de , na a posio (x0 , (x0 )). Como (x0 ) = x1 , este ca e o ponto (x0 , x1 ), ou seja, j encontramos x1 , a mas ele a segunda coordenada do ponto ene contrado. Nosso objetivo, no entanto, ene contrar 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 partir a e de (x0 , x1 ) at encontrar a diagonal. Na diagonal, os valores da primeira e da segunda e coordenada so iguais; como a segunda foi mantida sempre igual a x1 , ento esse ponto ser a a a (x1 , x1 ), e com um movimento vertical determinamos x1 sobre a abscissa.

Para a determinao de x2 o procedimento anlogo: movimento vertical at encontrar ca e a e o grco, depois movimento horizontal at encontrar a diagonal e nalmente movimento a e vertical at encontrar a abscissa. E assim por diante! e

Observe que podemos poupar um pouco de trabalho quando fazemos uma srie de iteraes e co sucessivas. De x0 vamos verticalmente at o grco (` altura x1 ), depois horizontalmente at e a a e a diagonal (` posio horizontal x1 ). Depois, de acordo com o que foi descrito acima, ir a ca amos verticalmente at a abscissa (` altura zero) e ento verticalmente at o grco (` altura e a a e a a x2 = (x1 )). Ora, a composio de dois movimentos verticais ainda um movimento vertica e cal, que poderia ser feito de uma vez s. Ou seja, logo aps nos movermos horizontalmente o o at a diagonal, encontrando (x1 , x1 ), podemos nos mover verticalmente at o grco, ene e a contrando (x1 , x2 ). Em seguida continuamos, indo horizontalmente at a diagonal, no ponto e (x2 , x2 ), e depois verticalmente at o grco, no ponto (x2 , x3 ), e assim por diante. Coletando e a as primeiras coordenadas de cada ponto de encontro com o grco, teremos a seqncia de a ue iterados a partir de x0 . Veja na gura abaixo uma ilustrao desse procedimento. ca

104

CAP ITULO 9. METODOS ITERATIVOS

(x)
x4 x3 x1 x2 x0

Exerc cio 9.5 Faa um esboo de = 2x(1 x) e itere a partir das seguintes condioes c c c 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, no ue a converge? D para inferir o que acontecer com o restante das condioes iniciais? a a c Exerc cio 9.6 Como se explica um ponto xo no procedimento acima? Exerc cio 9.7 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 9.8 Uma pr-imagem de um ponto y pela funao um ponto x tal que (x) = y. e c e Muitas vezes um ponto tem mais do que uma pr-imagem. Usando um grco de , invente e a um mtodo rpido para achar todas as pr-imagens de um ponto dado (suponha que o ponto e a e dado foi indicado sobre a abscissa).

9.5

Iterando perto de pontos xos

Vejamos agora, atravs de esboos, o que acontece com a seqncia de iterados quando a e c ue condio inicial est prxima de um ponto xo. A pergunta a ser respondida : ser que ca a o e a ela converge para esse ponto xo? A resposta de suma importncia, uma vez que nosso e a objetivo encontrar o ponto xo por aproximaes sucessivas. Sem isso, no teremos condio e co a ca de preencher o terceiro item do nosso plano geral, traado no comeo do Cap c c tulo. Para comear, adotaremos como hiptese que o ponto xo x seja isolado, isto , que c o e numa vizinhana (pequena) de x no exista nenhum outro ponto xo. Isto tambm signica c a e que perto de x o grco de s toca a diagonal no prprio x . a o o

9.5. ITERANDO PERTO DE PONTOS FIXOS

105

Na gura ao lado mostramos os ingredientes bsicos de que necessitarea mos: o grco de , prximo a x , a o a diagonal e o que chamaremos de diagonal secundria em x , que a a e reta de inclinao 1 passando por ca (x , x ). Para simplicar, assumiremos que tambm a diagonal secundria s e a o seja intersectada pelo grco de no a ponto (x , x ). Essas hipteses no so o a a demasiadamente restritivas: raro ene contrar um caso em que elas no sejam a respeitadas.

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, como ca ca a 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)

Nos casos (d), (e), (f ) e (g) o grco de tangencia a diagonal em x . Isto tem um a

106

CAP ITULO 9. METODOS ITERATIVOS

signicado, se for uma funo diferencivel: (x ) = 1, pois basta lembrar que a derivada ca a a inclinao da reta tangente ao grco. Nos casos (h), (i), (j) e (l) o grco de tangencia e ca a a 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 que 1 a e ca (pois menor do que a inclinao da diagonal) e maior do que 1 (ou seja, menos negativa e ca 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 ): (i) o | (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 o e e a grco de na vizinhana de x assumir o aspecto de (a), e sempre que | (x )| for maior a c a do que 1 ele assumir o aspecto de (b) ou (c), de acordo com o sinal. No entanto, se | (x )| a 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 ), x2 = e a e ue (x1 ), . . . para o ponto xo x , quando x0 escolhido perto de x , porm restringiremos e e nossa argumentao apenas aos casos (a), (b) e (c). A razo que, primeiramente, alguns ca a e dos outros casos podem ser facilmente analisados de forma semelhante (e outros no to a a facilmente), como mostram os exerc cios propostos abaixo. Alm disso, cada caso apresentar e a um comportamento distinto: pode haver convergncia ou no, e em alguns casos a resposta e a depende at de saber se x0 est ` esquerda ou ` direita de x ! e aa a No caso (a) note que, se xk estiver prximo a x ento (xk ) estar dentro do cone, isto o a a , 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 passando a a por x . Isto o mesmo que e |(xk ) x | < |xk x | , ou seja, xk+1 = (xk ) est mais perto de x do que est xk . O mesmo valer de xk+1 a a a para xk+2 , de modo que os iterados xk , xk+1 , . . . se aproximaro cada vez mais de x (veja a exerc abaixo para tornar mais rigoroso este argumento). cio Outra maneira (mais intuitiva) de se chegar ` mesma concluso esboando a evoluo a a e c ca dos iterados no desenho, como mostra a gura abaixo, em duas situaes: (x ) > 0 e co (x ) < 0. Observe pela gura que quando (x ) < 0 os iterados xk , xk+1 , . . . se alternam a ` direita e ` esquerda de x , quando esto sucientemente prximos de x . a a o

9.5. ITERANDO PERTO DE PONTOS FIXOS

107

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 pode ca ser visto na gura abaixo.

x*

x*

x* xk+3 xk+2 xk+1 xk xk+2

x* xk xk+1 xk+3

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 se afastam, e a mesmo que xk esteja arbitrariamente prximo de x , ento dizemos que o ponto xo o a e repulsor. Da argumentao acima, conclu ca mos que se | (x )| < 1 ento x um ponto xo atrator, a e enquanto que se | (x )| > 1 ento x um ponto xo repulsor. Se | (x )| = 1 no poss a e a e vel prever o comportamento dos iterados, a no ser que se tenha outras informaes sobre , em a co geral ligadas a derivadas de ordem mais alta. Veja mais sobre isso nos exerc cios abaixo. Exerc cio 9.9 Esboce a funao (x) = e4 x e determine seus pontos xos, dizendo quem c atrator e quem repulsor apenas atravs do desenho do grco. e e e a
x

108

CAP ITULO 9. METODOS ITERATIVOS

Exerc cio 9.10 Considere a equaao ex = x 1. Investigue se (x) = ex + 1 pode ser c util para achar a soluao. Ache-a. c Exerc cio 9.11 Este exerc cio um conjunto de observaoes dirigidas a respeito dos e c casos no discutidos, onde a derivada de no ponto xo tem mdulo 1. O leitor deve tentar a o se convencer ao mximo de cada uma delas, usando desenhos, principalmente. O exerc a cio ajudar a xar melhor a teoria discutida nesta Seao. a c 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 no e a pode ser negativa em (i) e em (g), e no pode ser positiva em (e) e (l). a 4. A segunda derivada no pode ser negativa em (d) e (h), e no pode ser positiva em (f) a a e (j). 5. No caso (d), o ponto xo atrator pelo lado esquerdo e repulsor pelo lado direito. J e a em (f) ele atrator pelo lado direito e repulsor pelo esquerdo. e 6. Os casos (h) e (j) so os mais delicados. H alternncia de lado na iteraao, pois a a a c a derivada negativa. Olhando para o caso (h), h aproximaao para o ponto xo a e a c 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 oposto). Tente a e fazer desenhos caprichados criando casos onde h atraao e outros onde h repulso, a c a a sempre no caso (h), e depois tente o mesmo para o caso (j). Exerc cio 9.12 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 x ). Isso ue no entanto no tem que ser necessariamente verdade, quer dizer, nem toda seqncia em que a ue 1 cada termo menor do que seu predecessor vai a zero. Por exemplo, a seqncia 1 + k , que e ue tende a 1 e decrescente. No entanto, se usarmos as hipteses estabelecidas de in e o cio, isso ser verdade. Para isso, verique as seguintes observaoes: a c 1. Se a seqncia for montona, isto , car s do lado direito ou s do lado esquerdo, e ue o e o o se |xk x | no for a zero, ento a seqncia tem que convergir para um outro ponto a a ue x que no x . a e 2. Pelo que vimos na Seao 9.2, o ponto x teria que ser um outro ponto xo de x , mas c ns j t o a nhamos isolado uma vizinhana de x sem nenhum outro ponto xo. Ento c a esta situaao no pode ocorrer. c a 3. J se a seqncia no for montona, pode acontecer tambm de que |xk x | tenda para a ue a o e 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 a tocaria a diagonal secundria, contradizendo tambm as hipteses. a e o

9.6. TEOREMA DO VALOR MEDIO E VELOCIDADE DE CONVERGENCIA

109

9.6

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 | (x )| < ca ca e 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, usando ca o Teorema do Valor Mdio. A demonstrao tambm nos ajudar a saber qual a velocidade e ca e a e de convergncia no caso de o ponto xo ser atrator. A unica hiptese adicional ser que a e o a derivada de uma funo cont e ca nua, hiptese que se verica na maioria dos casos. o Chamemos de a derivada de em x . Como a derivada de uma funo cont e ca nua, ela deve assumir valores prximos de perto de x . Em outras palavras, podemos isolar o uma vizinhana de x , de preferncia simtrica, de tal forma que para qualquer x escolhido c e e 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 queremos e u o e mostrar que x um atrator). Ento, podemos encontrar uma vizinhana de x em que e a c | (x) | seja to pequena que tambm | (x)| seja menor do que 1, ou mesmo menor do a e que um certo tambm menor do que 1, para todo x na vizinhana. e c Nosso interesse comparar |xk+1 x | com |xk x |. Como xk+1 = (xk ) e x = (x ) e ento queremos comparar |(xk ) (x )| com |xk x |. Ora, isso tem toda a cara de a 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 ck u c a 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 do a ca a e u que , o que caracteriza uma convergncia (ao menos) geomtrica (lembre-se de uma P.G. de e e razo menor do que 1). a O importante de se escolher uma vizinhana simtrica em torno do ponto xo que isso c e e garante que o ponto xk+1 cair ainda dentro da mesma vizinhana, e o argumento poder a c a ser repetido ad innitum. Logo adiante (na Subseo 9.8) falaremos um pouco mais sobre ca 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 | se a 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 aproxima e a de (x ), por causa da continuidade da derivada. Exerc cio 9.13 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

110
x

CAP ITULO 9. METODOS ITERATIVOS

Exerc cio 9.14 Tome a funao (x) = e4 x. Iterando a partir de x0 = 0, ache seu ponto c xo x mais a esquerda, mas guarde os iterados. Calcule (x ) e compare com as razes ` o xk+1 x . xk x Exerc cio 9.15 Este exerc cio para transformar a informaao sobre a velocidade de cone c vergncia em informaao sobre o tempo de convergncia. O exerc e c e cio fornecer apenas uma a resposta aproximada, baseada em suposioes que nem sempre so satisfeitas. Suponha que c a a distncia da condiao inicial x0 ao ponto xo x seja da ordem de D. Suponha tambm a c e que a condiao inicial esteja numa vizinhana do ponto xo onde a funao aproximadac c c e mente linear, com inclinaao dada pela derivada de no ponto xo, o que signica que a c taxa geomtrica de aproximaao mais ou menos constante. Calcule o nmero de iteraoes e c e u c k necessrias para que xk esteja mais perto do que a distncia p de x . a a Exerc cio 9.16 E poss vel existir uma funao cont c nua que tenha apenas dois pontos xos, ambos atratores? Justique sua resposta.

9.6.1

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, o que a signica que a taxa de convergncia melhor do que qualquer razo geomtrica. Podemos ir e e a e mais alm no Teorema do Valor Mdio, aplicando-o novamente desta feita na derivada de , e e 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 tambm a o e seja cont 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 x a e 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 limitados a o a por uma constante C, em mdulo. Ento, se xk estiver nessa vizinhana, ter-se- o a c 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

9.7. CALCULANDO ZEROS DE FUNCOES - A ESCOLHA DE

111

Exerc cio 9.17 Chame de a0 a distncia de x0 ao super-atrator x , e de ak a distncia a a de xk a x . Suponha que em todos os iterados vale a estimativa de convergncia quadrtica, e a com constante C. Mostre que 1 2k ak (Ca0 ) , C e que para se aproximar xk de x da distncia p so necessrias a a a 1 ln Cp ln ln 2 ln Ca0 iteraoes. Compare com a convergncia geomtrica. c e e Exerc cio 9.18 Itere (x) = x + sen x e (x) = x + 1 sen x, a partir da condiao inicial c 2 x0 = 1, e compare as velocidades de convergncia, a luz do que foi exposto acima. e `

9.7

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: uma maneira ca a de se construir funes que tenham x como ponto xo, por exemplo, escrevendo (x) = co 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 que a e 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 do e o 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 grco a e a a de . Por exemplo, tome a funo f (x) = (x 1)2 , ca que tem raiz x = 1. Essa raiz ponto xo de (x) = e x + 0.1f (x) = x + 0.1(x 1)2 , como mostra a gura ao lado. Sabemos que se iniciarmos a iterao com ca x0 perto e a esquerda de 1, ` ento a seqncia convera ue gir para o ponto xo. a

2 f(x) = x + 0.1(x1)

Ocorre no entanto que nos casos onde a derivada 1, mesmo havendo convergncia ela se e e d de forma muito lenta, que no chega nem a ser geomtrica. Mais adiante veremos como a a e superar este problema.

112

CAP ITULO 9. METODOS ITERATIVOS

Consideremos ento o caso f (x ) = 0. Ora, pedir que | (x )| seja menor do que 1 o a e mesmo que pedir que 1 < 1 + f (x ) < +1 .
2 Ou seja deve estar entre 0 e f (x ) .

Exerc cio 9.19 Verique o intervalo de escolhas poss veis de para se calcular a raiz x = de f (x) = sen x usando a funao de iteraao (x) = x + sen x. Conra a resposta usando c c desenhos. Notemos agora que, apesar de haver todo um intervalo de poss veis escolhas de , h a uma escolha preferencial, que faz com que a derivada de no ponto xo seja nula e ele seja o 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 funao de f (x ) se para saber f (x ) precisamos conhecer x , que c e justamente o que estamos procurando? A pergunta faz todo sentido pois, apesar de estar claro em teoria que valor de nee cessrio para o mtodo funcionar, no claro na prtica como proceder, uma vez que no a e a e a a dispomos do valor de f (x ). 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 semeo a a o a 1 lhante. Em cada iterao, o fator que multiplica f (x), em vez de xo e igual a f (x ) , ca e 1 varivel e igual a f (x) . Observe que essa funo do tipo a ca e (x) = x + (x)f (x) , introduzida previamente, com o unico problema que (x) = f 1 no cont a e nua onde a (x) derivada se anula. Voltaremos ao assunto adiante. A outra resposta no to fcil de dar, e em linhas gerais consiste no seguinte procedia e a a mento. Lembrando que nosso objetivo achar tal que 1 < 1+f (x ) < +1, suponha que e consigamos isolar a raiz da funo num intervalo [a, b] e mostrar que, dentro desse intervalo, ca sua derivada f (x) satisfaz 1 < 1 + f (x) < +1 para todo x no intervalo. Ora, se satisfaz para todo x [a, b] em particular satisfaz para x , e ento estaremos prontos para usar esse a valor de .

9.8. A ESCOLHA DE X0 Ento tudo o que queremos que a e 2 < f (x) < 0 , x [a, b] .

113

Em primeiro lugar, temos que escolher [a, b] de forma que sua derivada no se anule: ou a sempre negativa ou sempre positiva. Se a derivada f (x) for negativa, mas muito alta em e e valor absoluto, basta escolher positivo e pequeno. J se a derivada f (x) for positiva e alta a em valor absoluto, basta multiplicar por negativo e pequeno. Exerc cio 9.20 Considere a equaao f (x) = ex cos x = 0. O objetivo do exerc c cio e trabalhar com uma funao (x) = x+f (x) para achar a menor raiz positiva de f , admitindo c o fato de que essa raiz, que chamaremos de x , seja a unica localizada estritamente entre 0 a a e (isso no parece fcil de se mostrar, mas se quiser tente!). 2 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 derivadas a 2 x2 de e e cos x no intervalo considerado). 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?
2

5. Use esse extremo como condiao inicial e itere, para determinar a raiz com preciso de c a 104 . Exerc cio 9.21 Compare as funoes de iteraao 1 , 2 , 3 e 4 dadas abaixo, no que diz c c respeito a eccia de se obter a soluao da equaao cos x = x2 (considerando-se condioes ` a c c c iniciais apropriadas). Ache a soluao, com o maior nmero de casas decimais poss c u veis. 1 (x) = cos x 2x2 , 2 (x) = cos x + x2 , x sen x + cos x + x2 1 . 3 (x) = x + (cos x x2 ) , 4 (x) = 8 sen x + 2x

9.8

A escolha de x0

Observe que para saber o quo prximo da raiz o ponto inicial x0 pode ser escolhido, podemos a o adotar o seguinte procedimento. Em primeiro lugar, usar o Mtodo da Dicotomia para cercar um intervalo pequeno [a, b] e 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 escolher e a ca a construir para fazer as iteraes. co

114

CAP ITULO 9. METODOS ITERATIVOS

Essas consideraes serviro tambm para o Mtodo de Newton, do qual falaremos no co a e e prximo Cap o tulo. O importante conseguir o intervalo [a, b] de forma a isolar a raiz e obter e 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 esteja a dentro do intervalo [a, b], e se isso no acontea x0 x* x cer, no poderemos mais saber se x2 se aproa 1 ximar de x mais do que x1 (vide gura ao a a lado). b Uma soluo para esse obstculo tomar x0 como sendo o extremo do intervalo [a, b] que ca a e 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 os a termos seguintes da seqncia, pois todos eles estaro a uma distncia da raiz menor do que ue a a a distncia de b a essa raiz. a S que esse racioc o nio s funcionar na prtica se soubermos determinar qual extremo o a a do intervalo [a, b] est mais prximo da raiz. O truque o seguinte: olhamos para o ponto a o e mdio do intervalo e chamamos esse ponto de x0 (pelo menos provisoriamente: o chute inicial e x0 ser de fato o extremo do intervalo que estamos tentando determinar). Calculando x1 , a sabemos que a distncia de x1 ` raiz x ser menor do que a distncia de x0 a x . Ento a a a a a basta ver se x1 cai ` direita ou ` esquerda de x0 . a a Se x1 > x0 ento conclu a mos que x > x0 (logo o extremo direito do intervalo est mais a 1 prximo da raiz), pois se x estivesse ` es- x > x0 o a querda de x0 e x1 ` direita, ento ter a a amos |x1 x | > |x0 x |, absurdo, pois em [a, b] a distncia ` raiz deve diminuir! Note que o ara a gumento funciona mesmo que x1 caia fora do intervalo [a, b]. Se x1 < x0 ento conclu a mos que x < x0 . O argumento o mesmo que no x < x0 e 1 caso anterior.

x* a x0 = a+b 2

x 1 b

x 1 a

x* x0 = a+b 2 b

Se porventura x1 = x0 , ento x0 a raiz (prove!), e ambos os extremos esto a igual a e a distncia dela. a

9.9. UM CRITERIO DE PARADA

115

9.9

Um critrio de parada e

Existem vrios critrios de parada, isto , regras para se considerar um determinado iterado a e e xk como a aproximao desejada para a raiz procurada x . Os critrios de parada so ca e a importantes primeiramente por razo de coerncia (imagine uma extensa lista de ra sendo a e zes calculadas numericamente, preciso uniformizar a maneira de encontr-las), e em segundo e a lugar para automatizar os procedimentos. Alguns critrios de parada, como aquele que vamos ver aqui, fornecem tambm a margem e e 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 signica ca a 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 de acordo com x ca a 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 opostos e o o a em x p e x + p. Bom, ento nada mais temos a fazer do que iterar a funo auxiliar , obtendo valores a ca 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 desea ca jada. E claro que devemos prestar um pouco de ateno para o nmero de casas decimais que ca u usamos nas contas, e se xarmos xk talvez queiramos arredondar para uma casa decimal compat com a preciso desejada. Isso pode ser feito com bom senso, mas se tivermos que vel a automatizar para um programa de computador convm tomar certos cuidados. e Para exemplicar, seja f (x) = ex x + 1 = 0, que tem unica raiz (veja isto esboando o c grco!). Usaremos (x) = ex + 1 como funo auxiliar, para achar a raiz x com preciso a ca a p = 102 . 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. Neste vel a a 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, a x2 = 1.1353, x3 = 1.3213, x4 = 1.2668, x5 = 1.2817, x6 = 1.2776, x7 = 1.2787. Como f (1.27) > 0 e f (1.29) < 0 ento podemos considerar a aproximao x = 1.28. Observe que a ca 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 a rigor desnecessrios. e a

116

CAP ITULO 9. METODOS ITERATIVOS

Cap tulo 10

O Mtodo de Newton e
Como j mencionado no Cap a tulo anterior, o Mtodo de Newton consiste em fazer a iterao e ca xk+1 = xk f (xk ) , f (xk )

a partir de uma condio inicial bem escolhida x0 , e assim obter aproximaes sucessivas de ca co alguma raiz x de f .

A maneira de achar x1 em funo de x0 , e ca igualmente depois de achar xk+1 em funo ca de xk , tem uma forte inspirao geomtrica: ca e olhamos para a reta tangente ao grco de f a no ponto (xk , f (xk )) e denimos xk+1 como sendo o ponto de encontro dessa reta com a abscissa.

f( xk )

f x*

xk xk+1

Vejamos como a frmula acima se relaciona com esta idia geomtrica. Para isso, notamos o e e que a inclinao da reta tangente ao grco de f no ponto (xk , f (xk )) dada pela derivada ca a e f (xk ). A unica reta com inclinao f (xk ) que passa por (xk , f (xk )) dada por ca e 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 ) , ou xk+1 = xk 117 f (xk ) , f (xk )

118

CAP ITULO 10. O METODO DE NEWTON

desde que f (xk ) = 0 (hiptese que assumiremos gratuitamente, para facilitar os argumentos). o A t tulo de exemplo apliquemos o mtodo no exemplo f (x) = x3 20, para compararmos e 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 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 = 74 2 33 + 20 = = 2.7407407 . 3 32 27

E claro que a ultima igualdade no de fato uma igualdade, pois um arredondamento foi a e 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 decia mais! Podemos testar a preciso desse valor usando o mesmo princ do Mtodo da Dicotomia. a pio e Por exemplo, queremos saber se essa resposta tem preciso de 0.0000001. Ento vericamos a a se os nmeros f (2.7144175) e f (2.7144177) tm sinais opostos. Ora, 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 .

10.1

Quando o Mtodo de Newton funciona? e

Ser que o Mtodo de Newton sempre funciona? Ser que qualquer chute inicial levar a a e a a uma seqncia x1 , x2 , x3 , x4 , . . . , xk , . . . convergindo ` raiz x procurada? ue a

10.1. QUANDO O METODO DE NEWTON FUNCIONA?

119

Se formulada a pergunta desse jeito, a resposta no! Vejamos dois argumentos bastante e a 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 uma das ue o a ra zes! A outra fatalmente ser esquecida, e isso pode acontecer quando menos esperarmos! a

O segundo: mesmo que s haja o uma raiz x e que x0 esteja razoavelmente perto dela, 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 e vel sem se conhecer a raiz!!). Na hiptese de que f (x ) = 0 e que a condio inicial x0 seja escolhida sucienteo ca mente perto da raiz ento a convergncia ser bastante rpida, mais rpida do que qualquer a e a a a seqncia geomtrica. De fato, a convergncia (no m ue e e e nimo) quadrtica, se usarmos os rea sultados deduzidos no Cap tulo anterior: basta mostrar que a derivada da funo de iterao ca ca f (x) = x f (x) , calculada na raiz x , vale zero. (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 disso, vale a a o ca a pena fazer alguns exerc cios. Exerc cio 10.1 Use o Mtodo de Newton para resolver as seguintes equaoes: e c 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

120 Atenao: alta probabilidade de pegadinhas. c

CAP ITULO 10. O METODO DE NEWTON

f
Exerc cio 10.2 Considere a funao cujo grco est mostrado na gura acima, a esc a a ` querda. 1. Descreva, justicando (pode usar desenhos nas justicativas!), o que acontece com a seqncia x0 , x1 = (x0 ), . . . , xk = k (x0 ), . . . para cada uma das cinco possibilidades: ue (i) x0 = 0.0; (ii) x0 = 1.0; (iii) x0 = 1.5; (iv) x0 = 2.2; (v) x0 = 2.7. 2. A funao pode ser a funao de iteraao de Mtodo de Newton aplicado a funao f c c c e ` c acima, a direita? D duas justicativas essencialmente diferentes para sua resposta. ` e Exerc cio 10.3 Esboce uma funao que tenha ra c zes a e b (com a < b), mas para o qual exista uma condiao inicial x0 entre a e b tal que o Mtodo de Newton produza um resulc e tado divergente (apesar de o Mtodo estar bem denido para x0 e todos os seus iterados e posteriores). Justique sua resposta da melhor forma que puder. a Exerc cio 10.4 Encontre numericamente o valor de x tal que ex = x, com preciso 7 p = 10 . Exerc cio 10.5 Considere a catenria dada por a g(x) = 1 (cosh(cx) 1) . c
2

Repare que g(0) = 0, isto , a curva passa por (x, y) = (0, 0). Se a curva tambm passa por e e (x, y) = (1, 1), qual o valor de c? e Exerc cio 10.6 Considere f (x) = x5 , que tem unica raiz x = 0. Se o Mtodo de Newton e for aplicado a partir da condiao inicial x0 = 1, qual ser o menor valor de k para o qual c a xk < 1020 ? Exerc cio 10.7 Considere a funao f da gura abaixo. Se usarmos o Mtodo de Newton c e para essa funao, teremos que considerar iterados de c (x) = x f (x) . f (x)

10.1. QUANDO O METODO DE NEWTON FUNCIONA?

121

Esboce o grco de , com base na intuiao geomtrica sobre o Mtodo de Newton. No a c e e a esquea de desenhar: abscissa, ordenada, diagonal e os pontos a, b e c. c

10.1.1

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 se o a e a mostrar convergncia, e pode ser substitu por uma hiptese bem mais fraca, desde que o e da 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 nula. e Montando a funo de iterao do Mtodo de Newton obtemos ca ca e (x) = x ax2 f (x) =x , (x) f 2ax

que a princ pio no estaria denida em x = 0. No entanto, as iteraes so tomadas fora do a co a zero, onde est bem denida. Alm disso, a expresso pode ser simplicada de modo a a e a esconder o problema: x (x) = . 2
1 Agora a derivada de no zero de f igual a 2 , que signica que a seqncia de iterados ir e ue a 1 convergir para a raiz zero ` razo geomtrica de 2 . a a e 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 de Newco e ton ainda funciona, mas a velocidade de convergncia passa a ser mais lenta (de quadrtica e a passa a ser apenas geomtrica). At que ponto isso pode ser generalizado? e e A melhor maneira de compreender o que se passa por meio de polinmios de Taylor (vide e o o Apndice C para uma reviso sobre o assunto). Para facilitar os argumentos, suporemos e a

122

CAP ITULO 10. O METODO DE NEWTON

que a funo f pode ser diferenciada innitamente. A expanso de f em torno de x assim ca a e escrita: f (x) = f (x ) + f (x )(x x ) + f (n) (x ) f (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 que c (x x )n quando x tende a 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 nula. a a a Para a maioria das situaes, haver um primeiro termo no nulo, de ordem m, que pode ser co a a 2 ou mais. Assim, podemos escrever f como f (x) = ou ainda, f (x) = m! o((x x )m ) f (m) (x ) (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!

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 vez, ca o 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 lugar ca ca o 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 equao, e ca obtemos 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 e a o e e e tende a 1 m . Esta a razo assinttica de convergncia geomtrica do Mtodo de Newton, que s depende da ordem m da funo f em x . o ca

10.2. METODO DE NEWTON EM DIMENSOES MAIS ALTAS

123

10.2

Mtodo de Newton em dimenses mais altas e o

Suponha que F : Rn Rn seja uma funo diferencivel e estejamos procurando um ponto ca a x tal que F (x ) = 0. Esse o anlogo multidimensional do problema que vimos discutindo e a at agora. Se ao leitor o problema parece muito abstrato, observe que F leva (x1 , . . . , xn ) e 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 que no necessariamente linear. a e Para generalizar, devemos examinar com cuidado a motivao do mtodo em dimenso 1. ca e a Para denir x(k+1) em funo de x(k) , passamos uma reta por x(k) com a mesma inclinao ca ca que a derivada de f em x(k) (usaremos essa forma de indexar para no confundir com o a ndice que indica as coordenadas de x, quando x Rn ). Isto o mesmo que aproximar f e 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 ordem, a e a a 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 jacobiana e ca e no ponto x, isto e f f1 f1 1 . . . xn x1 x2 f2 f2 f2 x1 x2 . . . xn . DF (x) = . . . , . . . . . . . . fn fn fn . . . xn x1 x2

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 matriz e ca por um vetor (coluna), que resulta em outro vetor.

124 O resto R1 tem a propriedade de que lim

CAP ITULO 10. O METODO DE NEWTON

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 zero: ca 0 = F (x(k) ) + DF (x(k) )(x(k+1) x(k) ) , ou seja, Observe que essa equao um sistema linear, onde x(k+1) a incgnita, a matriz de coca e e o ecientes a matriz jacobiana DF (x(k) ) e o vetor de termos independentes dado por e e 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 exerc a cio para xar idias. e Exerc cio 10.8 Achar numericamente a intersecao das curvas dadas por x2 + y 2 1 = 0 c 1 e (um c rculo!) e 2 x4 +3(1cos y)2 1 = 0. Bom, pelo menos organize uma estratgia baseada no Mtodo de Newton. Quanto ao chute inicial, isso um problema, principalmente porque e e pode haver mais do que uma intersecao entre as curvas. c DF (x(k) )x(k+1) = DF (x(k) )x(k) F (x(k) ) .

10.2.1

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 implementao ca ca desta idia deve ser feita com o aux do computador, pela quantidade de clculos a serem e lio a feitos, mas mesmo assim deve-se prestar bastante ateno para o chute da condio inicial, ca ca que pode freqentemente levar o mtodo a divergir. u e Como vimos na Subseo 4.3.2, uma corda ou corrente pendurada assume o formato do ca 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 quisermos a a a a deslocar a corda horizontalmente em a unidades ento devemos trocar x por x a, de modo a que 1 f (x) = cosh(c(x a)) + h c a maneira mais geral de se representar o formato da corda. e

10.2. METODO DE NEWTON EM DIMENSOES MAIS ALTAS

125

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 entre os ca dois pontos. Ou seja, com essas trs informaes deveria ser poss determinar c, a e h, e e co vel portanto f . Sejam (x0 , y0 ) e (x1 , y1 ) os pontos de sustentao. Ento ca a y0 = e 1 cosh(c(x0 a)) + h c

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 13.3 adiante, para uma justicativa desta frmula). Como ca o f (x) = sinh(c(x a)) , e logo l=
x0

1 + sinh2 t = cosh2 t ,
x1

cosh(c(x a))dx =

1 {sinh(c(x1 a)) sinh(c(x0 a))} . c

O sistema pode ser resolvido numericamente pelo Mtodo de Newton. e

Com isso, obtivemos um sistema no-linear de trs equaes e trs incgnitas: a e co e o c(y0 h) cosh(c(x0 a)) = 0 c(y1 h) cosh(c(x1 a)) = 0 lc + sinh(c(x0 a)) sinh(c(x1 a)) = 0

126

CAP ITULO 10. O METODO DE NEWTON

Parte IV

Interpolao Polinomial ca

127

Cap tulo 11

Estimativa do erro nas interpolaes co


Voltemos ` questo (abordada nas Sees 1.5 e A.7) da interpolao de um polinmio de grau a a co ca o k a k + 1 pontos dados (t0 , z0 ), (t1 , z1 ), . . ., (tk , zk ), que ser importante na Parte seguinte a 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 k 1. a Aos k + 1 pontos (t0 , f (t0 )), (t1 , f (t1 )), . . ., (tk , f (tk )) podemos interpolar um polinmio o p(t) de grau k, que unico. A pergunta : quanto se perde ao se trocar f (t) pelo polinmio e e o interpolador p(t)? Ou seja, quo grande a diferena f (t) p(t), para cada ponto t do a e c 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 se anula a a em t0 e t1 . Veja na gura abaixo, esquematicamente, como devem ser f e p (` esquerda) e a F (` direita). a 129

130

CAP ITULO 11. 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 pontos o ca t0 , t1 , . . ., tk da partio. Ela pode at se anular em outros pontos, mas no necessrio que ca e a e a isto ocorra. Veja na gura abaixo uma situao com k = 2, onde p tem que ser um polinmio ca o quadrtico. a

1 0 1 0

f
1 0 1 0

1 0 1 0

p F
1 0 1 0 11 00 11 00 1 0 1 0

t0

t1

t2

t0

t1

t2

Se p e f 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 em a t0 , t1 , . . . , tk . A forma de S e S, em linha pontilhada, seria algo assim (para k = 4):

131

S
1 0 1 0 1 0 1 0 1 0 1 0

F S

1 0 1 0

11 00 11 00

t0

t4

t1

t2

t3

E claro que S deveria ser do tipo mais simples poss vel. Uma tentativa olhar para um e polinmio no-nulo q(t) de grau k +1 que se anule nos pontos t0 , . . . , tk e tomar S(t) = c|q(t)|, o a 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 apree sentar um valor de c, que possa ser calculado a partir de algum conhecimento sobre a funo ca f. De fato, mostraremos um resultado mais forte, que implicar automaticamente o que a 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 k. e a e o Como a derivada (k + 1)-sima de um polinmio de grau k zero, ento e o e a F (k+1) = f (k+1) , logo |F (t)| e podemos tomar c= f (k+1) (s) . s[tL ,tR ] (k + 1)! max f (k+1) (s) s[tL ,tR ] (k + 1)! max |q(t)| ,

132

CAP ITULO 11. ESTIMATIVA DO ERRO NAS INTERPOLACOES

E claro que esta resposta s poss oe vel se f for uma funo pelo menos (k + 1) vezes difeca rencivel. E o que ocorre com a maioria das funes com que nos deparamos na prtica, mas a co a pode haver excees. co Finalmente s nos falta provar a armao, que diz que para cada t em [tL , tR ] existe um o ca 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 anulam ca e a nesses pontos, e os dois lados da equao cam iguais a zero. Resta-nos assim provar a ca 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 derivada ca e e de q, pois o polinmio q tem grau (k +1) e o coeciente de tk+1 igual a 1. Ento nos bastar o e a a demonstrar que existe s = st tal que q (k+1) (s)F (t) F (k+1) (s)q(t) = 0 . 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 que existe s onde G(k+1) se anula. Acontece que G uma funo que se anula em todos os pontos t0 , t1 , . . . , tk , pois tanto q e ca 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 , ento G a e a se anula em pelo menos k + 2 pontos distintos. Pelo Teorema do Valor Mdio, entre cada par e consecutivo de pontos onde G se anula h um ponto onde a derivada de G se anula. Portanto a G se anula, obrigatoriamente, em pelo menos k + 1 pontos. Pelo mesmo racioc nio, G se (k) anula em pelo menos k pontos. Continuando indutivamente, temos que G se anula em 2 pontos e, nalmente, que G(k+1) se anula em 1 ponto, como quer amos demonstrar. Tendo em vista que os resultados deste Cap tulo sero usados no Cap a tulo 16, resumimos a estimativa obtida (com a notao j exposta): ca a |f (t) p(t)| c|q(t)| , onde c= e q(t) = (t t0 )(t t1 ) . . . (t tk ) . f (k+1) (s) s[tL ,tR ] (k + 1)! max

Cap tulo 12

Tcnicas de interpolao e ca
Neste Cap tulo apresentaremos duas tcnicas de interpolao que servem como alternativas e ca ao mtodo j descrito na Seo 1.5 de reduo a um sistema linear. e a ca ca

12.1

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 tk ), e 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 quisermos e o achar um polinmio de grau k que valha z0 , . . . , zk nos pontos t0 , . . . , tk basta tomar os ci s o 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 linear! e o Os polinmios Li so conhecidos como polinmios de Lagrange. o a o

12.2

Forma de Newton

J vimos duas maneiras de fazer uma interpolao polinomial: atravs de um sistema linear, a ca e onde as incgnitas so os coecientes do polinmio que se quer determinar, e cada ponto o a o 133

134

CAP ITULO 12. TECNICAS DE INTERPOLACAO

da interpolao gera uma equao; e atravs de uma combinao linear dos polinmios de ca ca e ca o Lagrange. 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 ter e a a ca 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 necessidade e a e a a que sua enumerao respeite a ordem em que eles se dispem sobre a reta, e os zi s podem ca o ser experimentais ou provenientes de uma funo (zi = f (ti )), tanto faz. ca Olharemos para as interpolaes parciais, que envolvem apenas certos subconjuntos dos co pontos acima. Mais precisamente, sejam i e j tais que 0 i j k e seja pi (t) o polinmio o j interpolador dos pontos (ti , zi ), . . . , (tj , zj ). Assim, o polinmio interpolador procurado o e p(t) = p0 (t), enquanto que pi (t) o polinmio interpolador de um ponto s (portanto pi (t) e o o i i k zi , isto , tem grau zero e identicamente igual a zi ). Lembremos que o grau (mximo) de e e a pi (t) j i, pois pi (t) o polinmio interpolador de j i + 1 pontos. e e o j j u e u Chamaremos de ordem de pi (t) ao nmero j i + 1, que nada mais do que o nmero j de pontos que ele interpola. Em seguida podemos observar que um polinmio de ordem l > 1 se relaciona de forma o mais ou menos simples com algum polinmio de ordem inferior. Por exemplo, com i < o j tome pi (t) e pi (t), que diferem entre si pelo fato de que pi (t) no abrange tj em a j j1 j1 sua interpolao. Nos pontos ti , . . . , tj1 eles coincidem, pois assumem os mesmos valores ca zi , . . . , zj1 , respectivamente. Portanto a diferena pi (t) pi (t) um polinmio de grau c j e o j1 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 (12.1)

A constante c depende dos pares (ti , zi ), . . . , (tj , zj ) (pois estes determinam pi (t) e pi (t)), j1 j e ser denotada por a (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 pi (t) pi+1 (t) = c(t ti+1 ) . . . (t tj ) , j j onde c denotada por e (ti , . . . , tj ) . A vantagem de se determinar os s (ou s) clara, pois da sairia o polinmio interpoe o lador, 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 (12.2)

12.2. FORMA DE NEWTON e assim por diante, de forma que p0 (t) = p0 (t) + (t0 , t1 )(t t0 )+ k 0

135

+(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 ser a c deduzidos da Equao 12.1, colocando-se t = tj . Assim ca (ti , . . . , tj ) = pi (tj ) pi (tj ) j j1 , (tj ti ) . . . (tj tj1 )

onde conhecemos pi (tj ) = zj , mas pi (tj ) depende de se conhecer previamente o polinmio o j j1 e pi (t). Isso possibilita achar os s indutivamente, mas um caminho trabalhoso. Nosso j1 objetivo buscar um meio mais fcil de determinar s e s, embora no possamos nos livrar e a a de alguma induo. ca Partiremos de uma pequena observao sobre os polinmios de ordem 1 e 2 (um e dois ca o 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 de a a ca e o grau zero, portanto pi (t) = zi = (ti ) = (ti ) , i por denio. ca J a interpolao de dois pontos ti e ti+1 (0 i k 1) um polinmio de grau 1, cujo a ca e o grco uma reta. Temos a e pi (t) = zi + (ti , ti+1 )(t ti ) , i+1 que pode ser obtido da Equao 12.1 diretamente. Mas (ti , ti+1 ) tambm a inclinao da ca e e ca 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 zi+1 zi (ti+1 ) (ti ) = . ti+1 ti ti+1 ti

136

CAP ITULO 12. TECNICAS DE INTERPOLACAO

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 (12.3)

O enunciado j foi demonstrado acima em ordens 1 e 2, isto , sempre que j i + 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 em e a ti+1 , . . . , tj1 , ento a pi+1 (t) pi (t) = a(t ti+1 ) . . . (t tj1 ) . j1 j (12.4) Acharemos o valor de a de trs maneiras diferentes, o que fornecer as igualdades que quee a remos demonstrar. (i) Tomamos t = tj na Equao 12.4. Ento ca a a(tj ti+1 ) . . . (tj tj1 ) = pi+1 (tj ) pi (tj ) . j1 j e e ca Como pi+1 (t) inclui tj em sua interpolao, pi+1 (tj ) = zj , mas zj tambm o valor de pi (tj ), j j j logo o lado direito igual a e pi (tj ) pi (tj ) = (ti , . . . , tj )(tj ti )(tj ti+1 ) . . . (tj tj1 ) . j j1 Da segue que a = (tj ti )(ti , . . . , tj ) . (ii) Tomamos t = ti na Equao 12.4. 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 o que mostra que (ti , . . . , tj ) = (ti , . . . , tj ). (iii) Depois que vimos que s e s coincidem, usamos a mesma Equao 12.4, manipulando-a ca de outra forma, para estabelecer a relao dos s com seus correspondentes de ordem inferior. ca 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 Como j sabemos que a = (tj ti )(ti , . . . , tj ), conclu a mos a Equao 12.3. ca a = (ti+1 , . . . , tj ) (ti , . . . , tj1 ) . a = (tj ti )(ti , . . . , tj ) ,

12.2. FORMA DE NEWTON

137

12.2.1

Exemplo do uso da forma de Newton

A Equao 12.3 permite que calculemos os s em funo de seus correspondentes de ordem ca ca inferior. Isso poss porque conhecemos os s de ordem 1, que so os zi s. A seguinte e vel a tabela mostra como podemos esquematizar as informaes. co t0 t1 t2 . . . . . . . . . tk2 tk1 tk (t0 ) (t0 , t1 ) (t1 ) (t1 , t2 ) (t2 ) . . . . . . . . . (tk2 ) (tk1 , tk2 ) (tk1 ) (tk1 , tk ) (tk ) Cada (ti , . . . , tj ) pode ser obtido da diferena entre os dois elementos adjacentes da coluna c imediatamente ` esquerda (o de baixo menos o de cima), dividida pela diferena tj ti , a c onde ti e tj so encontrados como as extremidades da base da pirmide (deitada) da qual a a (ti , . . . , tj ) o cume. e 1 Por exemplo, se quisermos achar o polinmio interpolador dos pontos (0, 1), ( 1 , 2 ), 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 )

1
1 2

1 3 2 2

1 3
7 3

1 0

4 3

Da tabela, tiramos o polinmio interpolador procurado: o 1 4 1 3 1 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 4 1 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 batem 2 2 com 1, 1 , 1 e 0. 2

138

CAP ITULO 12. TECNICAS DE INTERPOLACAO

H outras formas de se tirar o mesmo polinmio da tabela. Por exemplo, pegando os s a o 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 1 3 1 4 3 1 3 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 sujeito a a e a erros.

Parte V

Integrao de Funes ca co

139

Cap tulo 13

Importncia da integrao a ca numrica e


13.1 Introduo ca

No prximo Cap o tulo falaremos de mtodos numricos para o clculo de integrais denidas, e e a mas antes devemos atentar para a razo de sua utilidade. O Clculo ensina que, para se a a 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 a

f (x)dx = F (b) F (a)

(vide Apndice B). e Uma funo f , em geral, dada por uma frmula, que nada mais do que a combinao ca e o e ca nita, via somas, multiplicaes, divises e composies de funes elementares. As funes co o co co co elementares so as usuais: potncias de x (negativas e positivas), funes trigonomtricas e a e co e suas inversas, logaritmo e exponencial. Entretanto, no mundo abstrato de todas as funes poss co veis, essas funes formam apenas co uma minscula parte. Em outras palavras, a grande maioria das funes no tem uma u co a frmula que as represente, embora nas aplicaes do mundo real os modelos freqentemente o co u conduzam a funes descritas por meio de frmulas. co o Mesmo se nos restringirmos apenas `s funes dadas por frmulas, acabaremos por nos a co o deparar com um fato matemtico: nem todas elas admitem uma primitiva que tambm seja a e escrita como combinaao (nita) de funoes elementares! c c E claro que existe o recurso de se escrever a primitiva F como uma combinao innita ca de funes elementares, por exemplo atravs de uma srie de potncias co e e e F (x) =
k=0

ck xk .

141

142

CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA

Isto poss (em muitos casos de forma at razoavelmente fcil), mas com dois inconvenie vel e a entes: primeiro, quando formos avaliar F (a) e F (b) atravs da srie (ou da frmula innita) e e o pode ser necessria uma quantidade to grande de termos (ou operaes) que inviabilize ou a a co torne muito lento o clculo. Alm disso, nem sempre sries de potncia convergem para todos a e e e os valores de x, o que exigiria uma anlise criteriosa do alcance dessa convergncia, em cada a e caso. De outra parte, preciso tambm dispor de instrumentos para estimar integrais a partir e e de dados experimentais. As aplicaes mais bvias se encontram no clculo de comprimentos, co o a a reas, volumes, massa, centro de massa, distncia percorrida, tempo decorrido, etc. No que a segue, discutiremos algum exemplos onde a integrao numrica se faz necessria: ora por se ca e a tratar de medida experimental ora porque no h primitiva elementar da funo que se quer a a ca integrar.

13.2

Clculo de reas a a

Gostar amos de um mtodo sistemtico e a para estimar a rea de guras planas a 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 a B tm a mesma area. e Por exemplo, os tringulos da gura abaixo (` esquerda) tm reas iguais, pois cada reta a a e a R horizontal, ` altura y, cruza os tringulos em segmentos de tamanho igual a l(y). Para a a entender porque l(y) igual para os dois tringulos, observe que em ambos l(y) varia como e a uma funo am (linearmente), em y = 0 tem-se l(0) = b (os tringulos tm bases de igual ca a e tamanho) e em y = h tem-se l(h) = 0 (os tringulos tm alturas iguais). Portanto a funo a e ca l(y) tem o aspecto mostrado ` direita, na gura. a Isso explica porque todos os tringulos com base e altura iguais tm a mesma rea, que a e a pode ser obtida de um deles, por exemplo o da direita. Essa rea vale 1 bh, e o leitor pode a 2 observar que essa tambm a rea sob o grco de l(y) (observao que ser importante logo e e a a ca a adiante).

13.2. CALCULO DE AREAS

143

y h b l(y) y 0 b b h

O Princ pio de Cavalieri tem uma formulao anloga para volumes. Dois slidos S e T ca a o tero mesmo volume se houver uma linha L tal que todo plano perpendicular a L cruze S e a T em regies de reas iguais. Para o leitor que ainda no acreditou nesse princ o a a pio, imagine uma pilha de cartas com um arame passando no meio, e ento incline e retora o arame, de a c forma que a pilha que desalinhada. As duas pilhas continuam tendo a mesma altura, a rea a de cada corte a mesma, e o volume (que a soma dos volumes innitesimais das cartas) e e se mantm. e

O que podemos fazer com uma gura plana em geral criar uma segunda gura com mesma e a rea apoiada no eixo horizontal. Na prtica, a temos que fazer isso para um nmero disu creto de cortes verticais: medimos o comprimento do corte e transferimos esse valor para a segunda gura. Assim, a segunda gura e um esboo do grco Comprimento do corte c a vs. Posio do corte, mais precisamente a ca e regio compreendida entre esse grco e a lia a nha horizontal. Quando o corte ocorrer em dois intervalos separados a altura do grco a ser igual ` soma dos comprimentos das duas a a interseces. co

x0 x1 ......

x6

......

x11

y
1 0 1 0 1 0 11 00 1 0 1 0 1 0 1 1 1 1 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 0 1 0 1 0

1 0 1 0 1 0 1 0

Ao nal, teremos uma seqncia de pontos x0 , x1 , . . . , xn , que fornecem a posio de cada ue ca corte, e valores correspondentes y0 , y1 , . . . , yn , que so os respectivos comprimentos de cada a corte. Esses dados que sero usados para se fazer a integrao. e a ca O curioso que o mesmo tipo de coleta de dados ser feito para a integrao de uma e a ca funo f (x) dada por uma frmula. Se a integrao se der no intervalo [a, b], ento deve-se ca o ca a 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 )

144

CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA

(que podem at ser negativos). A partir desses dados, a maneira de se proceder ser a mesma, e a tanto no caso experimental como no caso terico. A unica diferena que no caso terico o c e o ns teremos, na maioria dos casos, uma maneira de delimitar o erro cometido na integrao. o ca O volume de um lago ou de uma montanha tambm pass de ser estimado usando esse e e vel tipo de dados. Pode-se fazer isso em duas etapas. Primeiramente, escolhe-se uma direo ca (x, por exemplo) onde se posicionaro, perpendicularmente, as retas dos cortes. Para cada a corte do lago, posicionado em xi , estima-se sua rea A(xi ), usando dados (yi , zi ). Depois a estima-se a integral da funo rea do corte, usando-se os dados (xi , A(xi )), que resulta no ca a volume.

13.3

Comprimento de curvas e grcos a

Considere o seguinte problema: calcular o comprimento do grco da funao f entre a e a c 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 [xi , xi+1 ] ca (i = 0, . . . , n 1) aproximamos a funo pelo segmento de reta que une os pontos (xi , f (xi )) ca e (xi+1 , f (xi+1 )). Pelo Teorema de Pitgoras, esse segmento tem tamanho igual a 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 forma que e c 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 outro o lado, fazendo com que a aproximao pela derivada seja cada vez mais dedigna. No limite, ca teremos um nmero que ao mesmo tempo o comprimento da curva e tambm a integral u e e
b

1 + f (x)2 dx .
a

O grco de f entre a e b um caso particular de curva no plano. Cada ponto dessa curva a e pode ser obtido tomando-se t no intervalo [a, b] e ento o ponto (t, f (t)). Podemos imaginar a esse processo como uma funo com dom [a, b] e contradom R2 , que leva t em (t, f (t)). ca nio nio Na verdade, podemos generalizar para situaes que no correspondam a grcos de funes. co a a co Por exemplo, tome a funo ca (t) = (cos t, sen t) , com t variando no intervalo [0, 2]. Para cada t, o ponto (t) um ponto do c e rculo unitrio, a correspondente a um giro de ngulo t. Uma elipse a imagem da funo a e ca (t) = ( cos t, sen t) ,

13.3. COMPRIMENTO DE CURVAS E GRAFICOS

145

com t variando em [0, 2]. Basta ver que se (x, y) pertence ` curva ento (x, y) = ( cos t, sen t), a a para algum t, logo y2 x2 + 2 =1. 2 Uma curva (t) expressa com duas funes, uma para cada coordenada: (t) = (x(t), y(t)). e co Se quisermos calcular o comprimento total da curva (com t variando no intervalo [a, b]), podemos proceder com uma idia semelhante ` exposta acima para calcular o comprimento do e a grco de uma funo. Dividimos o intervalo [a, b] com uma partio a = t0 < t1 < . . . < a ca ca tn = b (com intervalos iguais de tamanho t) e aproximamos o comprimento da curva pela soma
n1 i=0

(ti+1 ) (ti ) .

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 aproximadamente co a a a igual a t x (ti )2 + y (ti )2 , ou t (x (ti ), y (ti ) . O vetor (t) = (x (ti ), y (ti )) o vetor derivada da curva (t). Somando o comprimento dos e 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, sen t) e (t) = ( sen t, cos t), logo a (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 semi-eixos. a Estamos sempre supondo que a e b so positivos, e iremos tambm assumir que a < b, isto a e , que o semi-eixo maior da elipse est na vertical. Tomando (t) = (a cos t, b sen t), temos e a (t) = (a sen t, b cos t), de forma que o per metro p da elipse dado por e
2

p=
0

a2 sen2 t + b2 cos2 t dt .

146

CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA

e Por razes de simetria, podemos integrar somente de 0 a e multiplicar por quatro. Alm o 2 disso podemos substituir cos2 por 1 sen2 , e colocar b em evidncia na integral: e p = 4b
0
2

1 2 sen2 tdt ,

onde 2 denido como sendo e

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 1 2 sen2 tdt

conhecida como integral el e ptica do primeiro tipo, e no admite uma expresso via coma a binao nita de funes elementares. Em outras palavras, no h uma frmula fechada para ca co a a o o per metro da elipse.

13.4

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 cuja a e c posio possa ser determinada por apenas uma coordenada. Pode ser o movimento de uma ca part cula numa reta, um carro numa estrada, um pndulo simples, etc. O caso do pndulo e e ser discutido com detalhes na prxima Seo. a o ca O movimento unidimensional de um corpo pode ser descrito por uma funo x(t), onde ca x(t) indica a posio em cada instante de tempo t. No caso de um pndulo, sua posio ca e ca e indicada por um ngulo (t) (para ser mais preciso, sua posio circular), medido a partir a ca e 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 velocidade ca 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, podemos ca e a pensar que no instante , a velocidade v( ) e, sendo cont e nua, assume valores prximos a o v( ) em instantes prximos a . Tomando um intervalo de tempo prximo a , teremos o o

13.5. PER IODO DO PENDULO E AS INTEGRAIS EL IPTICAS

147

que a distncia percorrida ser aproximadamente igual a v( ) . Da diviso em pedacinhos a a a de tamanho do intervalo de tempo onde percurso acompanhado, a distncia percorrida e a a integral de v( ), o que justica a frmula de forma emp e o 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 funao c da posiao, e no do tempo. O pndulo ser um exemplo disso. No vamos discorrer a c a e a 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 cada ponto sabe-se que e ca e ca a velocidade assume o valor v() (mas nunca se anula). Quanto tempo durou o percurso? A exigncia de que a velocidade no se anule no percurso pode ser justicada assim: se o e a corpo pra numa posio , e depois recobra seu movimento, no h como saber quanto tempo a ca a a ele cou parado, logo no h como obter uma resposta unica para a pergunta. Eventualmente a a 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 de c tamanho . Em cada intervalo, a velocidade aproximadamente constante, por exemplo, e prxima ao valor v() do extremo do intervalo. O tempo dispendido nesse pequeno trecho o de percurso aproximadamente igual a e . v() Portanto somando esses tempos e fazendo ir a zero, teremos que o tempo decorrido ser a
x

T =
x0

1 d . v() 1 d , ()

No caso angular, temos

T =
0

onde agora representa a varivel angular de posio. Esta frmula ser aplicada na prxima a ca o a o Seo para se calcular o per ca odo do pndulo simples. e

13.5

Per odo do pndulo e as integrais el e pticas

Consideremos um pndulo simples sem atrito. Mostraremos que a Lei de Conservao da e ca 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 linear. e e e 2 Se o comprimento da haste for igual a l, essa velocidade igual a l, onde a velocidade e e angular. Por outro lado, a energia potencial igual a mgh, onde h a altura do pndulo em relao e e e ca ao solo. A bem da verdade a energia potencial uma grandeza relativa, o que quer dizer que e

148

CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA

podemos somar uma constante a essa energia e nada se alterar. Ou ainda, quer dizer que a podemos supor que o solo est na altura que quisermos, inclusive acima do pndulo!! Aqui a e assumiremos que o solo est na altura do ponto mais baixo do pndulo, de forma que a h se a e relaciona com a coordenada angular por h = l l cos .

1 0

l
11 00 11 00 11 00

A energia total a soma da energia cintica com a energia potencial, e essa energia e e e constante: 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 o ngulo a a u a mximo que o pndulo alcana a partir da posio vertical mais baixa, logo o maior valor a e c ca que pode assumir, em tese, (estamos evitando considerar o movimento em que a posio e ca = atravessada). Quando o pndulo atinge o ngulo mximo (0 ou 0 , tanto faz), e e a a h uma reverso do movimento, e a velocidade angular instantaneamente se anula. Nesse a a caso, a energia cintica nula, e toda a energia se concentra na energia potencial. Em outras e e palavras, a energia total E igual a energia potencial no ngulo mximo 0 . e ` a 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 vola e taremos 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. Um dos o o 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 0 e at 0 , no movimento de ida (velocidade angular positiva). De fato, pela simetria do e

13.5. PER IODO DO PENDULO E AS INTEGRAIS EL IPTICAS

149

movimento, basta analisar o percurso de = 0 at = 0 , percorrido em um quarto do e per odo. Levando em conta as consideraes da Seo anterior, teremos co ca T = 4 logo T =4 l 2g
0 0 0 0

1 d , ()

1 d . cos cos 0

Vale apenas examinarmos com mais ateno essa integral, tentando esboar o integrando. ca c Primeiro desenhamos a funo cos , marcando a altura de cos 0 (que pode ser negativo, se ca c ca e 0 > ). A partir da esboamos a funo cos cos 0 , no intervalo [0, 0 ], que o que nos 2 interessa. Essa funo tem derivada no nula em 0 , a no ser que 0 = , mas esse caso no ca a a a ser considerado. 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 raiz ela ca com cara de c(0 ) 2 (basta a 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 C). o e 1 1 Acontece que o integrando (cos cos 0 ) 2 , que tem cara de c(0 ) 2 perto de e 0 . E uma funo divergente em 0 (vai a innito), e natural que nos questionemos sobre ca e a convergncia da integral. Fisicamente sabemos que a integral tem que convergir, pois o e pndulo alcana o ngulo de amplitude mxima em tempo nito. Mas e matematicamente? e c a a 1 E emp rico porm extremamente vlido pensar na integrabilidade da funo x 2 entre e a ca 0 e 1. Neste caso, a divergncia ocorre em x = 0. Essa integral existe, pois se tomarmos a e integral
1

x1/2 dx = 2x1/2
a

1 a

= 2(1 a1/2 ) ,

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 para o ca o leitor vericar que o mesmo no ocorre com 1! a Apesar de no haver problema quanto ` convergncia da integral que fornece o per a a e odo do pndulo, veremos no prximo Cap e o tulo que nossos mtodos se prestaro mais a funes e a co

150

CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA

que sejam cont nuas no intervalo de integrao, inclusive nos extremos. O pulo do gato ca neste caso que uma mudana de coordenadas (muito) esperta pode transformar a integral e c acima numa outra cujo integrando seja uma funo cont ca nua dentro de um intervalo, isto , sem pontos de divergncia. Faamos ento essa mudana de coordenadas, que a bem da e e c a c verdade ser uma seqncia de duas substituies. a ue co A primeira substituio ser inofensiva. Faremos = 0 (logo d = d ), e caremos com ca a 0 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 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 l 0 . 2g 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

d onde varia entre 0 e . Da teremos uma integral de 0 a de cos , mas precisamos colocar 2 2 tudo em funo de . Diferenciando os dois lados da equao acima e dividindo por cos , ca ca obtemos d 0 sen(0 ) , 2 sen d = 1 cos 0 cos

logo

d 2(1 cos 0 ) sen = d . cos 0 sen(0 ) Note que ainda temos um termo dependendo de . Da equao onde introduzimos a substica tuio, podemos isolar cos(0 ): ca cos(0 ) = 1 (1 cos 0 ) sen2 , logo sen(0 ) = 1 [1 (1 cos 0 ) sen2 ]2

13.6. CALCULO DE E DE LOGARITMOS ou, simplicando, sen(0 ) = J que a


1cos 0 2

151

2 1 cos 0 sen

1 cos 0 sen2 . 2

sempre um nmero no negativo, denominamos e u a 2 = 1 cos 0 , 2

e juntando tudo obtemos (depois de vrios cancelamentos) a T =4 l g


2

1 1 2 sen2

d .

Se 0 < ento 2 < 1 e o denominador do integrando nunca se anula. Portanto este a integrando cont e nuo no intervalo [0, ]. No caso em que 0 = o integrando divergente e 2 em e a prpria integral divergente (o leitor convidado a comparar com sua intuio o e e ca 2 f 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 primeiro tipo e no pode ser expressa a por meio de combinaes nitas de funes elementares. Portanto no h uma frmula co co a a o fechada para o per odo do pndulo em funao da amplitude do movimento. e c

13.6

Clculo de e de logaritmos a

A integrao numrica se presta tambm para calcular constantes matemticas, por exemplo ca e e a o nmero , que denido como sendo rea do c u e a a rculo unitrio. Como para o c a rculo unitrio se tem x2 + y 2 = 1, ento y = 1 x2 , ou seja, a a
1

=2
1

1 x2 dx .

Aqui poss e vel at achar uma primitiva para o integrando, mas o problema que essa e e primitiva acabar sendo expressa em termos de . Pode-se mostrar teoricamente que o lado a direito igual ao esquerdo, obtendo-se uma bela equao = !!!! O valor numrico de s e ca e o poder ser obtido, no entanto, se zermos a integrao precisa da funo no integrando. a ca ca

152

CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA Outra maneira de se obter via integrao usando o fato de que ca e (arctan x) = 1 . 1 + x2 1 dt . 1 + t2
4,

Como arctan(0) = 0, ento a


x

arctan x =
0

A nos aproveitamos do fato de que arctan 1 = uma integral


1

de forma a podermos expressar como

=4
0

1 dt . 1 + t2

Lembremos tambm que o logaritmo denido atravs de uma integrao. Como e e e ca


x

ln x

1 dt t

(vide Apndice B), ento para cada x o valor numrico de ln x ser obtido como uma rea e a e a a 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. S ca e o que, para sermos honestos, temos que aplicar o Mtodo de Newton calculando todos os e logaritmos atravs da integrao numrica (vide Exerc na Seo 15.2). e ca e cio ca

13.7

A gaussiana

Como vimos na Subseo 4.3.6, a distribuio de probabilidade mais comum na natureza ca ca e dada pela funo ca 1 (t )2 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 mudana e c 2 de coordenadas podemos reduzir o problema a calcular integrais de ex . Por exemplo, tomemos u = t (du = dt). Ento a
b

P, (t)dt =
a

1 2

b a

e 22 du .

u2

13.7. A GAUSSIANA Em seguida, fazemos outra mudana de coordenadas x = c 1 2


b 2

153
u 2

(dx =

du ). 2

Obtemos

2
2

ex dx ,
a 2

a 2

isto , uma integral de ex no intervalo [A, B], onde A = e


2

eB=

b . 2

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, que u a a servem para a maioria dos propsitos. Essas tabelas podem ser facilmente montadas com os o mtodos de integrao do prximo Cap e ca o tulo.

154

CAP ITULO 13. IMPORTANCIA DA INTEGRACAO NUMERICA

Cap tulo 14

Mtodos de integrao numrica e ca e


14.1 Introduo ca

Queremos resolver o seguinte problema: dada uma funao f : [a, b] R, achar a integral c 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 Trapzios e ca co e e e o Mtodo de Simpson. e

14.2

O Mtodo dos Trapzios e e

A primeira coisa a fazer dividir o intervalo [a, b] em n intervalos (no necessariamente de e a tamanhos iguais). Isto , xar x0 = a (extremo esquerdo do intervalo) e xn = b (extremo e 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. Por a exemplo, entre xi e xi+1 : podemos aproximar essa rea tomando o retngulo cuja base o a a e intervalo [xi , xi+1 ] e cuja altura seja a mdia entre f (xi ) e f (xi+1 ). Esse retngulo ter rea e a aa de f (xi ) + f (xi+1 ) (xi+1 xi ) . 2 Finalmente, somam-se as estimativas de cada retngulo, obtendo-se a rea (aproximada) a a total. 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 155

156

CAP ITULO 14. METODOS DE INTEGRACAO NUMERICA

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 desse e a a trapzio pode ser calculada da seguinte forma: completamos a altura e com um trapzio de mesmas propores, formando um retngulo de ale co a tura f (xi ) + f (xi+1 ) e base xi+1 xi . A rea desse retngulo o dobro a a e da rea do trapzio, donde essa ultima deve valer a e f (xi ) + f (xi+1 ) (xi+1 xi ) , 2

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

xi

xi+1

ou seja, o mesmo valor que t 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 mule ca 2 tiplicao por ultimo (o que o mesmo que colocar em evidncia esse fator). Ento a rea ca e e a a total dos trapzios ser 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 trapzios? ca a e Veremos mais adiante como calcular esse erro. Por enquanto camos com a percepo (corca reta) de que nosso resultado ser tanto mais preciso quanto menor for o tamanho dos intervaa linhos da diviso. Nem sempre porm nos interessa calcular a integral de funes exatamente a e co conhecidas, pois muitas vezes estamos diante de uma funo obtida atravs de dados exca e perimentais. Ou seno queremos simplesmente estimar a rea de uma regio, e colhemos a a a os dados de forma semelhante ao que foi feito acima: para cada xi , medimos o valor yi da funo. Todo o procedimento ser o mesmo. A unica coisa que no poderemos controlar a ca a e a preciso da estimativa, por falta de mais informaes sobre a funo e devido ao erro inerente a co ca aos dados experimentais. Para exemplicar o uso do Mtodo dos Trapzios, ilustremos com um exemplo cujo ree e sultado 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) = , 1 + x2 4

14.3. O METODO DE SIMPSON

157

pelo Teorema Fundamental do Clculo. Logo a estimativa dessa integral levar a uma estia a mativa do valor de . Como ainda no falamos em estimativa de erro para o Mtodo, nossa escolha em relao a e ca ao tamanho dos intervalos da partio e ao nmero de algarismos signicativos ser arbitrria. ca u a a Mais adiante veremos como fazer escolhas mais conscientes. Dividiremos o intervalo [0, 1] em 10 intervalos iguais, ou seja, faremos h = 0.1. 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 4 0.1 15.700 = 3.1400 , 2

valor ` distncia de aproximadamente 1.6 103 do valor verdadeiro. a a

14.3

O Mtodo de Simpson e

Se notarmos bem, no Mtodo dos Trapzios o que ns zemos foi aproximar a funao f , em e e o c cada intervalo, por uma reta coincidente com a funo nos extremos. O Mtodo de Simpson ca e um melhoramento dessa estratgia, pois considera polinmios quadrticos como forma de e e o a aproximar a funo. Vejamos como ele funciona. ca Como no Mtodo dos Trapzios, a primeira coisa a fazer dividir o intervalo de integrao e e e ca em intervalinhos, s que agora em um nmero par de intervalos. Ou seja, denominar x0 = a, o u x2n = b e escolher pontos intermedirios a a = x0 < x1 < x2 < . . . < x2n2 < x2n1 < x2n = b .

158

CAP ITULO 14. METODOS DE INTEGRACAO NUMERICA

Depois para cada i = 0, . . . , n 1 considerar os trs pontos x2i , x2i+1 , x2i+2 e os valores e respectivos da funo avaliada nesses trs pontos: f (x2i ), f (x2i+1 ), f (x2i+2 ). Para simplicar ca e 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 12). Assim a integral
x2i+2

f (x)dx
x2i

aproximada pela integral e

x2i+2

pi (x)dx .
x2i

Finalmente, h que se somar as aproximaes obtidas em cada intervalo para se obter a a co aproximao de ca
b

f (x)dx .
a

Vejamos como ca o caso em que todos os intervalos da partio tm o mesmo tamanho h. ca e Resultar da uma frmula bastante elegante para a aproximao da integral (parecida com a o ca a frmula de integrao pelo Mtodo dos Trapzios), conhecida como frmula de Simpson. o ca e e 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 ) e (x2i+2 , y2i+2 ). o e Como no estamos interessados no polinmio em si mas sim na sua integral denida no intera o valo [x2i , x2i+2 ], ser mais simples trabalharmos no intervalo [h, h], interpolando os pontos a (h, y2i ), (0, y2i+1 ) e (h, y2i+2 ) (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 12, 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

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

x(x + h)dx
h

14.3. O METODO DE SIMPSON Fazemos ento uma a uma cada uma das trs integrais: a e
h h h

159

x(x h)dx =
h

x x3 h 3 h 2 2 = h3 . 3 Semelhantemente, =
h h

h 2 h h

(x2 hx)dx = == h3 (h)3 3 3 h h2 (h)2 2 2 =

(x + h)(x h)dx =
h

4 x2 h2 dx = h3 3 h 2 3 h . 3

(x + h)xdx = Com esses valores, voltamos ` integral de p(x): a


h 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 acima, ca a tivermos a partio do intervalo [a, b] em 2n intervalos, todos com tamanho h, ento a soma ca a de todas as aproximaes ser 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 integral e e 1 1 dx usando a mesma diviso de intervalinhos (neste caso poss porque o nmero a e vel u 0 1+x2 de intervalos par). Usaremos 9 algarismos signicativos. Obtemos 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) , 1 + x2 3


1

ou seja, =4

1 dx 3.14159263 , 1 + x2 0 valor que difere de por menos do que 3 108 , resultado bem melhor do que o obtido no Mtodo dos Trapzios. e e

160

CAP ITULO 14. METODOS DE INTEGRACAO NUMERICA

Cap tulo 15

Estimativa do erro nos mtodos e de integrao ca


15.1 Frmulas de erro e comparao dos mtodos o ca e

Aparentemente o Mtodo de Simpson se revela melhor do que o Mtodo dos Trapzios. Para e e e vericar melhor essa armao, olhemos para a seguinte tabela, que mostra os clculos feitos ca a 1 1 1 a para se obter com os dois mtodos para os valores de h iguais a 1 , 8 , 16 e 32 . Os clculos e 4 foram feitos com o software Maple, usando-se 20 algarismos signicativos. A primeira coluna indica o nmero de intervalos da partio e a coluna seguinte o tamanho de cada intervalo da u ca partio. Na terceira e na quinta os valores de T (h) e S(h), multiplicados por quatro (para ca 1 1 comparar com ). Usaremos T (h) para denotar a estimativa da integral 0 1+x2 dx com o Mtodo dos Trapzios e S(h) a estimativa da mesma integral com o Mtodo de Simpson. Na e e e quarta e na sexta esto as diferenas, em valor absoluto, entre os nmeros obtidos e o valor a c u = 3.1415926535897932385 , fornecido pelo Maple com 20 algarismos signicativos. n 4 8 16 32 h 1/4 1/8 1/16 1/32 4T (h) 3.131 3.1390 3.14094 3.14143 |4T (h) | 0.011 0.0026 0.00065 0.00016 4S(h) 3.141569 3.14159250 3.1415926512 3.141592653552 |4S(h) | 2.4 105 1.5 107 2.4 109 3.7 1011

Na tabela podemos observar que o Mtodo de Simpson no s mais eciente (compare e a oe na primeira linha, por exemplo), mas a cada vez que h diminu a sua eccia propore do a e cionalmente maior do que a do Mtodo dos Trapzios. A cada vez que h reduzido por 2, o e e e erro no Mtodo dos Trapzios diminui aproximadamente 4 vezes, enquanto que no Mtodo e e e de Simpson, neste exemplo, a reduo de pelo menos 64 vezes!! ca e Devotaremos o restante deste Cap tulo ` discusso da eccia dos dois mtodos. Gosa a a e tar amos de ter, por exemplo, uma estimativa mxima para o erro cometido na integrao de a ca 161

162

CAP ITULO 15. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO

uma funo f : [a, b] R, dado o tamanho h dos intervalos da partio. Essa estimativa ser ca ca a chamada de ET , no caso do Mtodo dos Trapzios, e ES , no caso do Mtodo de Simpson. e e e Tanto ET como ES dependero de f , do tamanho total b a do intervalo de integrao e a ca de h. No entanto, assumiremos f e o intervalo [a, b] como xos, de forma que freqenteu mente exprimiremos apenas a dependncia em relao a h, dessas estimativas: ET = ET (h) e ca e ES = ES (h). O signicado de ET (h) (e similarmente de ES (h)) o seguinte. Se calcularmos T (h), ento e a saberemos, com absoluta certeza, que o valor correto da integral est entre T (h) ET (h) e a T (h) + ET (h). E claro que essa interpretao no leva em conta os erros de arredondamento ca a cometidos nos clculos, devidos ` limitao no nmero de algarismos signicativos. Por a a ca u outro lado, o conhecimento prvio do erro inerente ao processo permite avaliar com quantos e algarismos signicativos deve ser feita a integrao. ca Alm disso importante salientar que ET (h) (e similarmente ES (h)) no mede a real e e a diferena entre o valor obtido T (h) e o valor verdadeiro. Essa diferena , com certeza, c c e apenas menor do que ET (h). Por exemplo, na determinao de que zemos acima, o ca clculo de ET (h) e ES (h), de acordo com as frmulas que discutiremos abaixo, leva a valores a o muito maiores do que a real diferena entre os valores de T (h) e S(h) e o valor verdadeiro. c Pode-se dizer ento que a previso de erro foi bastante pessimista. Em outros casos, porm, a a e ela pode acabar sendo realista, e isso vai depender muito da funo integranda. ca Na Seo seguinte nos preocuparemos em calcular ET (h) e ES (h). Usaremos trs aborca e dagens diferentes para o problema, obtendo ao nal resultados similares, e adotaremos, na prtica, aquelas que julgaremos ser as melhores estimativas. Os resultados esto expostos na a a tabela abaixo. 1a ET (h) ES (h)
1 2 12 max |f | |b a|h 1 3 24 max |f | |b a|h

2a
1 2 12 max |f | |b a|h 1 (iv) | |b a|h4 180 max |f

3a
5 2 12 max |f | |b a|h 1 (iv) | |b a|h4 45 max |f

Para entendermos melhor o 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 mximo o a a a valor absoluto de certas derivadas de f , mximo que deve ser avaliado dentro do intervalo a [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 Evidentemente no h resposta a essa pergunta, pois se h = 0.5, por exemplo, ento a a a 1000h4 = 62.5, que (bem) maior do que 0.2h2 = 0.05, mas por outro lado se h = 0.01 e ento 1000h4 = 105 , menor do que 0.2h2 = 2 105 . Na verdade, mesmo que 1000h4 seja a 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 0.2h2 a tanto menor quanto menor for h. Se, por exemplo, quisermos que 1000h4 seja 100 vezes e menor do que 0.2h2 , ento basta tomar h menor do que 0.0014 (truncamento de 5000001/2 ). a

15.2. APLICACAO DAS FORMULAS DE ERRO

163

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, portanto, as e e a estimativas do Mtodo de Simpson, e dentre elas a segunda, pois, dentre as duas com h4 , e e aquela com menor constante multiplicativa: 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 terceira e e e a um pouco pior do que as outras duas, por apresentar constante multiplicativa maior. Ento a ET (h) = 1 max |f | |b a|h2 . 12

Essas duas estimativas so as que iremos adotar nas aplicaes prticas. a co a

15.2

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 o valor a correto esteja a menos de 5 105 do valor estimado. Usaremos as frmulas de erro para o determinar em quanto devemos xar h para obter estimativas com essa preciso. a Examinemos primeiramente o Mtodo dos Trapzios. Sua frmula de erro envolve |b a|, e e o que igual a 1, e o maior valor absoluto da derivada segunda de f nesse intervalo. Ora, como e 1 1 2 f (x) = x , ento f (x) = x2 e f (x) = x3 . Logo f (x) uma funo positiva e decrescente a e ca no intervalo considerado, atingindo seu mximo necessariamente em x = 1. O valor desse a 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 garantir o a 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< At agora, a concluso que qualquer valor de h menor do que 0.01732 . . . servir para e a e a obter a estimativa com a preciso desejada, usando-se o Mtodo dos Trapzios. Acontece a e e que h tambm deve ser tal que o comprimento total do intervalo seja um mltiplo inteiro de e u h. Ou seja, devemos ter ba =n. h 30 105 = 0.01732 . . .

164

CAP ITULO 15. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO

Como b a = 1 e h < 0.01732 . . . ento a n= 1 1 ba = > = 57.7 . . . , h h 0.01732 . . .

implicando que n deve ser maior ou igual a 58. Ento precisamos dividir o intervalo [1, 2] em a no m nimo 58 intervalinhos para conseguir a estimativa desejada, com a preciso requerida! a E o Mtodo de Simpson, ser que mais vantajoso neste exemplo? Ser que com mee a e a nos intervalos na partio conseguiremos garantir a mesma preciso? Agora temos que nos ca a concentrar na frmula de ES (h), que depende do mximo valor absoluto da quarta derivada, o a 6 24 2 ca e 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 x = 1 e igual a 24. Ento a e e a ES (h) = 24 4 2 4 h = h . 180 15

Como queremos ES (h) < 5 105 , basta tomar h tal que 2 4 h < 5 105 , 15 isto , e h< 15 5 105 2
1 4

= 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 obter, e garantidamente, a preciso desejada, faamos os clculos correspondentes. Mas antes teremos a c a que determinar o nmero de algarismos signicativos ou de casas decimais envolvidos. Na u verdade, como se trata de delimitar um erro absoluto, melhor considerar xo o nmero de e u casas decimais. Observe que o erro em cada arredondamento de f (xi ) de, no mximo, 0.5 10N , onde e a 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 erro a a e acumulado ser, no mximo, 1010N , ou seja, da ordem da casa decimal anterior. Acontece a a 1 e a que depois essa soma ser multiplicada por h , que igual a 24 , de forma que o erro mximo a 3 por arredondamento no valor nal car menor do que 0.5 10N (por exemplo, se usarmos a 5 casas decimais o arredondamento provocar erro de no mximo 0.5 105 ). Pela frmula a a o de Simpson, a adoo de n = 8 nos leva a um erro mximo ca a ES (h) = 2 15 1 8
4

3.26 105 ,

15.2. APLICACAO DAS FORMULAS DE ERRO

165

de forma que um erro adicional de 105 por arredondamento no nos tirar da margem a a previamente delimitada de 5 105 . O que nos faz concluir que o uso de 5 casas decimais e suciente para os clculos. a Ento vamos a eles! A tabela abaixo mostra os valores de f nos pontos da partio, a ca arredondados para 5 casas decimais. 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 15.1 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 15.2 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 no a e e e que foi feito no exemplo acima, e levando em conta a preciso que se quer atingir no resultado a nal. Proponha uma receita para essa escolha. c Exerc cio 15.3 Determine uma frmula para S( h ) em funao de T (h) e T ( h ). o 2 2 Exerc cio 15.4 Procure integrar numericamente funoes cujas primitivas sejam conhecidas, c de forma a comparar os resultados obtidos com os valores exatos. Examine a integraao c 2 numrica da funao Gaussiana ex , largamente utilizada em Probabilidade e Estat e c stica. Exerc cio 15.5 Considere a funao ln x = 1 1 dt. O objetivo deste exerc c cio ver que o e t nmero e pode ser obtido atravs da soluao numrica da equaao ln x = 1, usando o Mtodo u e c e c e de Newton e calculando logaritmos somente atravs da deniao. e c 1. Determine a funao de iteraao do Mtodo de Newton, que resolve esta equaao c c e c numericamente. 2. Determine o erro mximo de se calcular ln x, para 1 x 3, usando o Mtodo de a e Simpson com 8 intervalos.
x

166

CAP ITULO 15. ESTIMATIVA DO ERRO NOS METODOS DE INTEGRACAO


1 t,

3. Tome x0 = 3 e calcule x1 = (x0 ) (use 4 casas decimais para os valores de intervalos para a integraao). c 4. Calcule x2 = (x1 ), com 4 casas decimais e 8 intervalos.

e 8

5. Discuta uma estratgia que voc adotaria para mostrar que e est, com certeza, no e e a intervalo [2.716, 2.720]. Exerc cio 15.6 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 6 3 intervalo) g0 (x) = 1, g1 (x) = x, g2 (x) = x2 1 , g3 (x) = x3 3 x, g4 (x) = x4 7 x2 + 35 , 3 5 2 8 8 sabendo que < g0 , g0 >= 2, < g1 , g1 >= 3 , < g2 , g2 >= 45 , < g3 , g3 >= 175 , < g4 , g4 >= 128 a a 11025 . Observe que ser preciso calcular a integral gaussiana. Outras integrais ou sero nulas (porque o integrando e mpar) ou podem ser reduzidas, por sucessivas integraoes por c partes, a integral gaussiana. Estime os valores numricos usando uma aproximaao para essa ` e c integral. Exerc cio 15.7 Considere a equaao f (x) = c
x t2 e dt 0
2

1 = 0.

1. Dena a funao de iteraao do Mtodo de Newton para resolver a equaao. c c e c 2. Com x0 = 1, obtenha x1 = (x0 ).

Cap tulo 16

Obteno das frmulas de erro ca o


Como dissemos no Cap tulo anterior, dedicaremos este Cap tulo para a obteno das frmulas ca o de erro mencionadas. Seguiremos trs abordagens, com a nalidade de propor diferentes e vises de como se pode estimar a integral da diferena entre a funo verdadeira e o polinmio o c ca o interpolador que a substitui. O leitor reconhecer que a primeira abordagem a continuao a e ca natural das estimativas do erro de interpolao obtidas no Cap ca tulo 11. Todas as frmulas de erro mencionadas pressupem que os intervalos da partio sejam de o o ca igual tamanho. Poder amos, evidentemente, determinar frmulas mais gerais que levassem o em conta um espaamento irregular, mas sem dvida isso seria um pouco menos interessante. c u As idias da primeira abordagem, por exemplo, podem ser seguidas no caso geral, se isso for e da necessidade do leitor, mas deve-se atentar para o fato de que as frmulas de erro no sero o a a to boas quanto as outras. a Em todas as abordagens, a frmula de erro obtida primeiro para uma unidade bsica. o e a No Mtodo dos Trapzios, a unidade bsica um intervalo [xi , xi+1 ], de tamanho h. Para e e a e cada intervalo obtm-se uma frmula eT (h), e como o nmero de intervalos igual a n ento e o u e 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 eT (h) = logo |b a| max |f |h2 . 12 Observe que tambm h uma perda em relao ` constante multiplicativa, pois na frmula e a ca a o de eT (h) o mximo valor absoluto da segunda derivada obtido dentro da unidade bsica, a e a enquanto que na frmula de ET (h) trata-se do mximo ao longo de todo o intervalo de o a integrao. ca ET (h) = 167 1 max |f |h3 , 12

168

CAP ITULO 16. OBTENCAO DAS FORMULAS DE ERRO

J no Mtodo de Simpson, a unidade bsica um intervalo da forma [x2i , x2i+2 ], que tem a e a e tamanho 2h. Em cada intervalo desses troca-se f por um polinmio quadrtico e examina-se o a a diferena produzida na integrao. A frmula de erro para a unidade ser denotada por c ca o a eS (h). Como so n unidades bsicas e 2n = |ba| , resulta que a a h |b a| eS (h) . 2h As frmulas de erro das unidades bsicas (de acordo com a abordagem) esto contidas na o a a tabela abaixo. ES (h) = neS (h) = 1a eT (h) eS (h)
1 3 12 max |f | h 1 4 12 max |f | h

2a
1 3 12 max |f | h 1 (iv) | h5 90 max |f

3a
5 3 12 max |f | h 2 (iv) | h5 45 max |f

Finalmente, vale notar que, via uma mudana de coordenadas, os intervalos [xi , xi+1 ] do c Mtodo dos Trapzios podem ser tomados como sendo [0, h], e as unidades [x2i , x2i+2 ] do e e 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 por e e o (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 (h, f (h)), e o a (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).

16.1

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 11, a diferena c

pode ser limitada, em [0, h], da seguinte forma: onde

f (x) p(x)

cx(h x) f (x) p(x) cx(h x) , c= 1 max |f | . 2! [0,h]


h

Ento, pela denio de (h), temos a ca |(h)| c e segue o que quer amos demonstrar. x(h x)dx = c h3 , 6

16.2. PRIMEIRA ABORDAGEM - METODO DE SIMPSON

169

16.2

Primeira Abordagem - Mtodo de Simpson e

1 Mostraremos que |(h)| 12 max |f | h4 . De acordo com o Cap tulo 11, |f (x) p(x)| c|q(x)| , onde q(x) = (x + h)x(h x) e 1 c = 3! max[h,h] |f | . Ento a h

|(h)| c

|q(x)|dx .

Como q funo e ca mpar, |q| funo par, de forma que e ca


h

|(h)| 2c

|q(x)|dx .

Alm disso, em [0, h] a funo q positiva, e portanto s precisamos obter a integral e ca e o


h 0

(x + h)x(h x)dx = |(h)| c 4 h , 2

h4 . 4

Logo de onde segue o que quer amos demonstrar.

16.3

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 (f (0) + f (h)). Para isso, consideraremos h como varivel e estimaremos o erro (h) em a 2 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 se h a e e nulo. Se pudermos limitar a derivada de (h) ento limitaremos seu crescimento, em funo a ca do tamanho de h. Temos (h) = P (h) Como P = f , ento a (h) = 1 h (f (0) + f (h)) f (h) . 2 2

h 1 (f (h) f (0)) f (h) . 2 2

170

CAP ITULO 16. OBTENCAO DAS FORMULAS DE ERRO

Notamos tambm que (0) = 0, o que nos sugere derivar ainda mais uma vez, para delimitar e o crescimento de : h (h) = f (h) . 2 Ento a h | (h)| C , 2 onde C = max |f | .
[0,h]

Com o crescimento controlado de , voltamos a integrar:


h h

(h) = (0) +
0

(t)dt =
0 h

(t)dt .

Logo
h

| (h)| Integrando mais uma vez,

| (t)|dt C
h 2

t h2 dt = C . 2 4

|(h)| C Como quer amos demonstrar!

h3 t dt = (max |f |) . 4 12

16.4

Segunda Abordagem - Mtodo de Simpson e


1 90

Queremos mostrar que |(h)| Temos que avaliar


h

max |f (iv) | h5 . h (f (h) + 4f (0) + f (h)) . 3

(h) =
h

f (x)dx

Os passos so semelhantes `queles do Mtodo dos Trapzios, mas agora temos que derivar e a a e 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 intervalo e [h, +h] tal que f (h) f (h) = f (iv) () 2h . Portanto, se C = max |f (iv) |
[h,h]

ento a | (h)| C

2h2 , 3

16.5. TERCEIRA ABORDAGEM - METODO DOS TRAPEZIOS e, por integraes sucessivas, co | (h)| C | (h)| C |(h)| C 2h3 , 9 h4 , 18 h5 . 90

171

16.5

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 funo a a ca f (vide Apndice C. O mtodo um pouco mais intuitivo que os anteriores, mas produz e e e resultados um pouco piores (no na ordem de h, mas nas constantes multiplicativas). a 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

x2 . 2

f (0)dx, temos
h

(h)

=
0 h

f (x) f (0)dx + f (0)xdx

h [f (0) f (h)] 2
h

=
0

h [f (0) f (h)] + 2
h 0 h

R(x)dx
0

= f (0) = f (0)

h2 h [f (h) f (0)] + 2 2

R(x)dx R(x)dx
0

h2 h [f (0)h + R(h)] + 2 2
h

h = R(h) + 2

R(x)dx .
0

Usando a estimativa em |R(x)|, conclu mos que |(h)| max |f | 5h3 . 12

172

CAP ITULO 16. OBTENCAO DAS FORMULAS DE ERRO

16.6

Terceira Abordagem - Mtodo de Simpson e

2 Iremos mostrar que (h) 45 max |f (iv) | h5 . Em primeiro lugar, observaremos que o Mtodo de Simpson, aplicado em pares de intere valos 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

x3 x2 x4 h |h + b |h + c |h + dxh . h h 4 3 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. h Queremos avaliar o erro cometido pelo Mtodo de Simpson para integrar h f (x)dx, isto e , olharemos para a diferena e c
h

(h) =
h

f (x)dx

h (f (h) + 4f (0) + f (h)) . 3

16.6. TERCEIRA ABORDAGEM - METODO DE SIMPSON Sabendo que o Mtodo de Simpson exato para grau trs, temos e e e
h

173

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 h

R(x)dx max |f (iv) |


[h,h]

e |(h)| max |f (iv) |


[h,h]

2h5 2h5 + 5! 3 4!

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

174

CAP ITULO 16. OBTENCAO DAS FORMULAS DE ERRO

Parte VI

Equaes Diferenciais co

175

Cap tulo 17

Breve introduo `s equaes ca a co diferenciais


17.1 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 uma ca e 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 outras ca e palavras, a funo x(t) uma primitiva da funo f (t). Na notao de Leibniz, escrevemos ca e ca ca 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 e F2 , a a e 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 , ento a ca e a ca determinada a unica primitiva que soluo desse problema: e ca
t

x(t) = x0 +
t0

f (s)ds .

Essa exigncia extra conhecida como um problema de valor inicial. e e 177

178

CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `

Em geral as equaes diferenciais no se resumem to simplesmente a um problema de co a a integrao. Por exemplo, a derivada de x(t) pode depender de x(t), como na seguinte equao: ca 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 soluo a a e ca da equao diferencial x (t) = x(t) satisfazendo o problema de valor inicial x(t0 ) = x0 , pois ca a princ pio poderia haver uma soluo que no fosse da forma x(t) = cet . De fato veremos ca a que esse no o caso, pelo menos para essa equao (vide Subseo 17.3.2). a e ca ca De modo geral, uma equao diferencial colocada assim: a derivada de x(t) depende de ca e 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 com ca a a 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 x (t) = t sen(tx(t)). As funes x(t) que vericam x (t) = f (t, x(t)) so chamadas soluoes co a c da equao diferencial. ca Alm disso, como nos dois exemplos acima, pode-se colocar o problema de valor inicial e 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 e f (t, x) = X(x) (na medida do poss usaremos a letra f para as equaes no autnomas vel co a o e X para as autnomas, por questes de tradio). o o ca Pensando no caso autnomo, suponha que j conheamos uma soluo para o problema o a c ca de Cauchy x = X(x), x(0) = x0 . Seja x(t) essa soluo, isto x (t) = X((t)) e x(0) = x0 . ca e x Ento fcil ver que x(t) = x(tt0 ) soluo do problema de Cauchy x = X(x), x(t0 ) = x0 . a e a e ca Em outras palavras, no caso de equaes autnomas basta estudar o problema de Cauchy co o com t0 = 0. Alm das equaes autnomas, temos tambm as equaes separveis, onde f (t, x) o e co o e co a e produto de uma funo que s depende de t por uma funo que s depende de x: ca o ca o f (t, x) = g(t)X(x) .

17.2. SOLUCAO DE EQUACOES AUTONOMAS E SEPARAVEIS

179

Veremos adiante que equaes autnomas e separveis so facilmente solveis, a menos co o a a u de integraes e inverses, isto , podemos escrever suas solues em termos de inversas de co o e co primitivas de funes elementares, mas eventualmente essas solues no podem ser obtidas co co a explicitamente.

17.2

Soluo de equaes autnomas e separveis ca co o a

Em primeiro lugar observamos que, de algum modo, equaes autnomas representam um co o caso particular das equaes separveis. Pois uma equao autnoma x = X(x) tambm se co a ca o e escreve como x = g(t)X(x), se tomarmos g(t) 1. Para discutir as solues de x = g(t)X(x), observamos primeiramente que se X(x ) = 0 co ento x(t) x soluo, pois x(t) 0 e g(t)X(x(t)) = g(t)X(x ) 0. Um ponto x dessa a e ca forma chamado de singularidade da equao. e ca Est fora do escopo destas notas, mas com condies razoveis sobre g e X (por exemplo, a co a 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 uma soluo x(t) a a a ca chegar e sair de uma singularidade. Na verdade, sob essas mesmas hipteses poss mostrar que duas solues quaisquer o e vel co x(t) e x(t) ou so idnticas (x(t) = x(t), para todo t) ou nunca se cruzam (x(t) = x(t), para a e 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 anula, e a a a 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

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 a 1 de podermos cumprir certas etapas. Por exemplo, se acharmos uma primitiva F 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 entre e a 1 duas singularidades isso em tese poss e vel, pois F = X no troca de sinal, mas achar uma a expresso expl a cita outra coisa!), teremos e x(t) = F 1 (F (x0 ) + G(t) G(t0 )) .

180

CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `

17.3

Alguns exemplos

Nesta Seo examinaremos alguns exemplos de equaes diferenciais que surgem da modelaca co gem de problemas do mundo real, e discutiremos sua soluo. ca

17.3.1

Naftalinas

Na Subseo 4.3.3 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 r(t) ca e o e 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

17.3.2

Crescimento populacional a taxas constantes

Se tomarmos t como sendo o tempo, e x(t) como sendo a populao de determinada espcie no ca e instante t, podemos, por aproximao, supor que x(t) varia continuamente (hiptese razovel ca o a se a populao grande). A taxa de variao da populao medida percentualmente, isto ca e ca ca e , mede-se o incremento (ou decrescimento) x(t + h) x(t), do instante t para o instante e 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 h a 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 que o e e leva ` equao a ca x (t) = x(t) . Podemos deduzir a soluo, sem apelar para chutes. A unica singularidade da equaao ca c x = 0, e queremos achar as solues que no passam pelo zero. Ento e co a a
x(t) x0

1 du = (t t0 ) , u

portanto log x(t) = log x0 + (t t0 )

17.3. ALGUNS EXEMPLOS e, exponenciando os dois lados, x(t) = x0 e(tt0 ) .

181

Um modelo como este se presta tambm ` modelagem do decaimento radioativo, onde a e a taxa de decaimento de uma amostra de um istopo proporcional ` quantidade desse mesmo o e a istopo. o

17.3.3

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 praa e a quedista (supondo positiva se estiver indo de cima para baixo), ento v(t) a acelerao, e a e ca pela Segunda Lei de Newton vale mv(t) = mg v(t) , 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 em a a ca o v(t). A velocidade de equil brio v denida como sendo aquela para a qual a resultante de e c foras nula, portanto v = mg . Se denirmos w(t) = v(t) v (ou seja, a diferena entre a c e 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

17.3.4

Crescimento populacional com restries de espao co c

Um modelo ligeiramente mais realista do que o proposto na Subseo 17.3.2 levaria em conta ca a limitao de espao e alimento que uma populao enfrenta quando se torna muito grande. ca c ca Esse modelo preveria que: (i) se a populao for muito grande, a taxa de crescimento (t) ca deveria ser negativa, e tanto mais negativa quanto maior for a populao; (ii) se a populao ca ca for muito pequena, a taxa de crescimento deveria ser positiva, e tanto mais positiva quanto menor for a populao (respeitando claro a velocidade de reproduo mxima da espcie). ca e ca a e Nesse modelo, portanto, (t) dependeria exclusivamente da populao, sendo mais justo ca escrever (t) = h(x(t)) .

182

CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `

A funo h(x) assumiria um valor positivo em x = 0, correspondente a uma taxa de crescica mento 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 caso, e 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 equao, mas achamos que ela se presta muito ca mais a um exame qualitativo, do qual iremos falar na prxima Seo. o ca

17.3.5

Catenria a

J falamos mais de uma vez sobre a catenria, mas em nenhum momento justicamos pora a que 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 ponto da exposio. ca e ca E comum o emprego de y e x para essas variveis, de forma a que a equao diferencial se escreva como y = f (x, y), mas ca no o faremos para evitar confuso. A origem das coordea a nadas ser colocada sobre o ponto de m a nimo da corda.
11 00 11 00 11 00

x
11 00 11 00 11 00

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 ponto c (0, 0) e um ponto arbitrrio (t, x(t)) da corda, onde x(t) indica a funo cujo grco coincide a ca a com seu formato. Para se obter a fora peso agindo sobre esse pedao, preciso calcular seu comprimento c c e 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 integral u a e
t

l(t) =
0

1 + x (s)2 ds .

As foras de tenso agem no segmento tangencialmente ` corda. Estando j equilibradas c a a a localmente no interior do segmento, restam as foras nos extremos. Em (0, 0) uma fora c e c horizontal, de intensidade f0 desconhecida. Em (t, x(t)) uma fora de intensidade f (t) e c desconhecida, inclinada com ngulo = (t) cuja tangente igual a x (t). a e

17.3. ALGUNS EXEMPLOS Do equil brio de foras horizontal obtm-se c e f0 = f (t) cos e do equil brio vertical gl(t) = f (t) sen . Dividindo a segunda equao pela primeira camos com ca tan = g l(t) . f0

183

J sabemos que tan = x (t) e que l(t) dado por uma integral. Derivando ambos os lados a e obtemos x (t) = c 1 + x (t)2 , e ca o ca o e onde c = g . Essa uma equao autnoma onde a funo incgnita x (t). f0 a E fcil ver que x (t) = senh(ct) soluo. Pois derivando mais uma vez obteremos 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 ponto e e ca e 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

17.3.6

Escoamento de um copo furado

Neste exemplo, imagine um copo cheio dgua, com um buraco no fundo, por onde a gua a a escoa. Suponha que no instante t = 0 a altura do n da gua seja igual a h0 . Como evolui vel a com o tempo o n vel h da gua? Em quanto tempo o copo se esvaziar completamente? a a 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 modelar o problema atravs de uma equao e vel e ca diferencial. O dado emp rico refere-se ` taxa de sa de gua pelo buraco, medida em volume por a da a unidade de tempo. Espera-se primeiramente que ela seja proporcional ` rea do buraco a a (a qual chamaremos de a0 ), mas no, a princ a pio, da sua forma. Tambm no se espera, e a em primeira aproximao, que ela dependa do formato do copo. Por outro lado, ela deve ca ser proporcional ` velocidade da gua que sai do buraco. Essa sua velocidade, por sua a a vez, dependeria da altura h, como se a coluna de gua ca dessa altura, alcanando uma a sse c velocidade da ordem de h (lembre-se que para um corpo em queda livre, a partir do repouso, a velocidade proporcional ` raiz da distncia j percorrida). Ento a taxa de variao do e a a a a ca volume do copo seria V (t) = ca0 h(t) .

184

CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `

Por outro lado, o decrescimento do volume implica no decrescimento do n vel da gua a h. Observe, no entanto, que quanto maior for a rea da seo transversal ao copo na altura a ca 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 rapidamente. a a vel a Para quanticar isso, notemos que o volume de gua completamente determinado pelo a e n h atravs da funo vel e ca
h

V (h) =
0

A(u)du ,

onde A(h) a funo que d a area da seo correspondente ` altura h. Pelo Teorema e ca 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 a e co e 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 , h0 t 2


2

e h(t) pode ser isolado: h(t) = .

Portanto h(t) uma funo quadrtica em t, que vale h0 em t = 0, e se anula no seu ponto e ca a de m nimo, t = 2 h0 .

17.3. ALGUNS EXEMPLOS

185

17.3.7

Dada do Mtodo de Newton, quem f ? e e

Um problema terico que pode ser resolvido com o aux de equaes diferenciais separveis o lio co a o de achar a funo f que, no Mtodo de Newton, gera uma dada funo de iterao . e ca e ca ca Em outras palavras, dada a funo e sabendo-se que 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 xos de , ca o a mas uma anlise criteriosa mostra que as solues muitas vezes se estendem continuamente a co a esses pontos ( um bom exerc e cio!).

17.3.8

Transferncia de calor e

Um corpo est em contato com um grande reservatrio, cuja temperatura uma funo do a o e ca tempo T (t). Seja x(t) a temperatura do corpo no instante t. A cada instante, a variao da ca temperatura do corpo proporcional ` diferena entre sua temperatura e a temperatura do e a c 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) ento a ca o a f (t, x) = (T (t) x) . Esta equao tampouco separvel, mas ainda assim simples o suciente para ser solvel. ca e a e u Ela se enquadra no conjunto das equaes do tipo co x = a(t)x + b(t) , 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 truque: ca R tt a(s)ds . Obtemos examinamos a derivada de y(t) = x(t)e 0 y(t) = x(t)e
Rt
t0

a(s)ds

x(t)a(t)e
Rt a(s)ds

Rt

t0

a(s)ds

porm substituindo x(t) por a(t)x(t) + b(t), camos com e y(t) = b(t)e
t0

186 e portanto

CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `

y(t) = y(t0 ) +
t0

b(r)e

Rr

t0

a(s)ds

dr .

Como y(t0 ) = x0 , obtemos a soluo ca x(t) = e


Rt
t0

a(s)ds

x0 +
t0

b(r)e

Rr

t0

a(s)ds

dr

A unicidade garantida pela unicidade da integrao de y com a condio y(t0 ) = x0 . e ca ca

17.4

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 que o e a ca veremos nesta Seo que muito fcil desenharmos o esboo de algumas solues (variando ca e e a c co 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 ordenada, a e ca esse tipo de soluo uma linha reta horizontal ` altura de x . Portanto as primeiras solues ca e a co que podemos identicar na equao so essas solues constantes, cada uma correspondendo ca a co a um zero da funo X. ca Em cada intervalo entre duas singularidades e nos intervalos entre a ultima singularidade e o innito, o sinal de X no muda, pois se mudasse haveria uma outra singularidade no a intervalo, pelo Teorema de Bolzano. Seja I um intervalo desses, e suponha que x(t) est em a I. Como X(x(t)) = x(t), ento o sinal de x(t) o mesmo que o sinal de X(x(t)), e esse sinal a e sempre o mesmo enquanto x(t) estiver em I. e Como as solues no cruzam as singularidades (isto garantido por um Teorema, se X co a e for derivvel e com derivada cont a nua), uma soluo x(t) est sempre connada a um mesmo ca a intervalo, o que implica que o sinal de x(t) sempre o mesmo, para todo t. O que o mesmo e e que dizer que x(t) ou crescente ou decrescente, e uma ou outra opo ser determinada e e ca a pelo sinal de X no intervalo onde est connada a soluo. a ca Na gura abaixo, por exemplo, ilustramos esquematicamente uma funo (arbitrria) ca a X(x), com quatro singularidades x , x , x e x . A funo negativa ` esquerda de x e ca e a 1 2 3 4 1 a entre x e x , e positiva ` direita de x e nos intervalos entre x e x e entre x e x . 3 1 2 2 4 3 4

X(x)

1 0 1 0

1 0 1 0

1 0 1 0

1 0 1 0

x* 1

x* 2

x* 3

x* 4

O diagrama abaixo ilustra algumas solues (uma para cada intervalo). co

17.5. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS

187

x
1 0 1 0

x* 4 x* 3 x* 2 t x* 1

1 0 1 0

11 00 11 00

1 0 1 0

As solues so assintticas, para t indo a mais ou menos innito, `s singularidades (de co a o a fato, em equaes autnomas, as solues no podem ser assintticas a pontos que no sejam co o co a o a singularidades). Uma maneira mais compacta de se representar qualitativamente o comportamento das solues dessa equao diferencial usando um diagrama onde s entra a reta dos xs, como co ca e o mostra a gura abaixo. As setas entre as singularidades indicam para que lado as solues co naquele intervalo tendem quando t tende a innito.

x* 1

1 0 1 0

x* 2

1 0 1 0

x* 3

1 0 1 0

x* 4

1 0 1 0

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 regio, ca o a a a funo X(x) = x(a bx) tem duas singularidades: x = 0 e x = a . Isso signica que a ca 2 1 b populao nula e a populao igual a x so solues de equil ca ca co brio. 2 a Entre as duas, X(x) positiva e ` direita de x a funo X(x) negativa. Isso signica e a ca e 2 que se a populao inicial est abaixo da populao de equil ca a ca brio ento tender a aumentar a a assintoticamente at o equil e brio x . E se comear acima decrescer assintoticamente at o c a e 2 mesmo equil brio.

17.5

Equaes diferenciais com mais variveis co a

Existem tambm os chamados sistemas de equaoes diferenciais (de primeira ordem), que e c envolvem simultaneamente duas ou mais funes e suas respectivas primeiras derivadas. Por co exemplo, x = 3x2 y + 3 . y = sin x + yx3 Neste caso, achar uma soluo para o sistema signica encontrar duas funes x(t) e y(t) que ca co simultaneamente veriquem x(t) y(t) = = 3x(t)2 y(t) + 3 sin x(t) + y(t)x(t)3 .

188

CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `

Esse tipo de problema parece ser bastante rido ` primeira vista, mas se torna mais atraente a a se o interpretarmos do ponto de vista geomtrico. e
y

Podemos olhar as funes x(t) e y(t) como as coordenadas co 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 equaes diferenciais diz a co ento que, em cada instante t, o vetor tangente ` curva a a (t) dado por (t) = (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 ).

. (t) x (t)=(x(t),y(t))

Perceba que esse sistema de equaes diferenciais j xa, para cada ponto (x, y), qual ser co a a o vetor tangente de uma soluo que por ali passar em algum instante: (3x2 y+3, sin x+yx3 ). ca Essa funo que associa para cada ponto um vetor (que deve ser sempre tangente `s solues ca a co do sistema) chamada de campo de vetores. Uma maneira de esboar um campo de vetores e c mostrando os vetores correspondentes a alguns pontos do plano (x, y). e

Para um sistema de equaes diferenciais como esse tambm podemos estabelecer o proco e blema de Cauchy: dado um ponto (x0 , y0 ) e um instante t0 achar uma soluo (t) tal que ca (t0 ) = (x0 , y0 ). Modelos de crescimento populacional envolvendo mais do que uma espcie so um t e a pico exemplo de sistemas de equaes diferenciais. Cada varivel do sistema representa a poco a pulao de uma espcie. Por exemplo, se x(t) for a populao de tartarugas e y(t) for a ca e ca populao de jacars, podemos tecer as seguintes consideraes. Em primeiro lugar, a poca e co pulao de tartarugas no precisa dos jacars para sobreviver, mas tem suas limitaes de ca a e co espao e alimento usuais. Como na Subseo 17.3.4, a taxa de crescimento proporcional da c ca populao uma funo parecida com A Bx(t), mas deve-se descontar um termo tanto ca e ca maior quanto maior for a populao de jacars, por exemplo Cy(t). Ento ter ca e a amos x (t) = A Bx(t) Cy(t) . x(t)

17.5. EQUACOES DIFERENCIAIS COM MAIS VARIAVEIS

189

Por outro lado, supondo que os jacars precisem se alimentar das tartarugas para sobrevie verem, sua taxa de crescimento proporcional na ausncia de tartarugas negativa, e ser e e a mais negativa ainda se sua populao for muito grande, tambm por problemas relativos ca e a ` limitao do espao. Por outro lado, quanto maior for a populao de tartarugas, mais ca c ca facilidade a populao ter para crescer. Dessas consideraes, razovel supor que ca a co e a y (t) = D Ey(t) + F x(t) . y(t) Juntando tudo, camos com o sistema x = y = (A Bx Cy)x (D Ey + F x)y .

E claro que todo esse racioc nio hipottico, pois carece de dados reais. No entanto, 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 tipo ca ca c de modelagem pode ser feito. Outra classe de exemplos relevante vem das equaes diferenciais de segunda ordem (isto co , que envolvem a segunda derivada), por exemplo, qualquer equao do tipo x = (x, x). e ca Com um pequeno truque podemos transformar essa equao num sistema de duas equaes ca co de primeira ordem. Basta denir uma segunda varivel (na verdade, uma segunda funo do a ca tempo) v(t) = x(t), de forma que x(t) = v(t). Ento camos com as duas equaes a 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 .

190

CAP ITULO 17. BREVE INTRODUCAO AS EQUACOES DIFERENCIAIS `

Cap tulo 18

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 dimenses e o mais altas.

18.1

Equaes separveis co a

Para comear, veremos nesta Seo que j dispomos dos mtodos necessrios para resolvermos c ca a e a as equaes separveis. Os mtodos propostos posteriormente sero, entretanto, muito mais co a e a 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 a de X e G for uma primitiva de g, ento x(t) = F 1 (F (x0 ) + G(t) G(t0 )) . Acontece que nem sempre poss e vel obter integrais expl citas, e aqui temos que resolver duas. Resolvendo ou no, uma delas ainda ter que ser invertida, o que tambm dif ou a a e e cil 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


x

se dene naturalmente como

F (x) =
x0

1 du , X(u)

resultando em F (x0 ) = 0, e portanto x(t) = F 1 (G(t)) . 191

192

CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS

As duas primitivas podem ser obtidas nos pontos que se quiser, usando os mtodos de ine tegrao numrica discutidos na Parte V. J ao problema de inverso da funao F pode-se ca e a a c 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. Em primeiro co lugar, calculamos G(t) usando integrao numrica (com a melhor preciso poss ca e a vel, claro), e e depois teremos que achar x(t) tal que F (x(t)) = G(t) , tomando-se os cuidados necessrios para que seja buscada a soluo que nos interessa. Ou a ca 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 integrao e ca e e ca numrica. O erro pode, em tese, ser controlado, usando-se estimativas de erro das duas e 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 a valores de t, em seqncia, o melhor palpite para a condio inicial x0 do Mtodo de Newton ue ca e o valor de x(t) obtido na etapa anterior, pois a funo x(t) cont e ca e nua.

18.2

Discretizao ca

O fundamento da soluo numrica de equaes diferenciais x = f (t, x) a discretizaao da ca e co e c varivel t. Se [a, b] o intervalo onde gostar a e amos de achar a soluo x(t) ento dividimos ca a esse intervalo com uma partio regular ca a = t0 < t1 < t2 < . . . < tn1 < tn = b , onde a diferena entre pontos sucessivos igual a h (o chamado passo). Determinar nuc e mericamente a funo x(t) signica achar, com preciso sucientemente boa, os valores ca a 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 nita a a de valores de t, e pela impreciso na determinao de x(t), sendo que ambas podem ser a ca minimizadas, segundo os mtodos propostos abaixo, pela reduo do passo h. Ao mesmo e ca

18.2. DISCRETIZACAO

193

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 elementares. co Em todos os mtodos, obteremos a soluo numrica por recorrncia. A condio inicial e ca e e ca x0 = x(t0 ) dada (seno no h sentido no problema, uma vez que existe uma innidade de e a a a solues da mesma equao), e a partir dela obter-se-o, em sucesso, os valores de x1 , x2 , co ca a a 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. Para a simplicar a notao, denotaremos tk por t, a partir de agora, e xk por x(t), ou `s vezes ca a 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 dividido por hm (tipicamente, termos de ordem m + 1 ou mais). E claro que a funo precisa ca ser diferencivel at ordem m para valer essa expresso, mas em geral esse o caso. a e a e A expresso signica que, quanto menor for h, melhor o polinmio em h (sem o resto) a o aproximar x(t+h). Alm disso, geralmente mas nem sempre, quanto maior for m melhor ser a e a a aproximao e, principalmente, mais efetiva se tornar a reduo de h como instrumento ca a ca 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 diferencial, e ca s que f uma funo de duas variveis, t e x. Por exemplo, da prpria equao temos a o e ca a o ca igualdade x (t) = f (t, x(t)). Quanto ` segunda derivada temos a x (t) = 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 deca rivadas de x sero calculadas em t, e todas as derivadas parciais de f , de qualquer ordem, a em (t, x(t)). Assim, s indicaremos explicitamente o ponto onde esto sendo calculadas as o a funes e suas derivadas se esses pontos no forem t e x(t). Nessa notao, teremos co a ca x = f f +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 de a 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 .

194

CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS

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 de x e co e a x . Para obter x temos que derivar em relao a t a expresso de x , lembrando sempre ca a que cada derivada parcial de f tambm depende de (t, x(t)), e que a regra da Cadeia deve e 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 a ca onde fx denota (fx )2 e no a derivada em relao a x de f composta com si mesma. Sugere-se fortemente ao leitor que verique essa conta, e em seguida que verique que 2 3 x = 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, todos o e os algoritmos que derivaro desta linha de racioc a nio sero extremamente simples! Veremos a nas prximas Sees de que maneira podemos implementar as idias ora expostas, e suas o co e poss veis variaes. co

18.3

O Mtodo de Euler e
x(t + h) = x(t) + x (t)h + o(h) .

O Mtodo de Euler consiste em tomar a aproximao de primeira ordem de x(t + h): e ca

O resto o(h) indica que o erro em tomar essa aproximao ser, em geral, da ordem de h2 ca a ou mais. Como x = f , o Mtodo sugere que, na prtica, obtenhamos xk+1 = x(tk+1 ) = x(tk + h) e a 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 a a acumular ao nal um erro de nh2 . Como n = ba , ento o erro acumulado ser da ordem de h (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 .

18.3. O METODO DE EULER Ento x(t) = 2et . a


3

195

Compararemos essa soluo exata com a soluo obtida pelo Mtodo de Euler com passo ca ca e 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 cada a xk . 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
3

O maior erro cometido em relao ` soluo verdadeira ca a ca ocorreu em tk = 0.7 (1.506 1.419 = 0.087), mas no chea gou a 0.1, o tamanho do passo. E preciso tomar cuidado com a avaliao do erro, pois sabemos apenas que ele pode ca ser da ordem de h, mas isso signica apenas que ele mee nor do que uma constante vezes h. Essa constante pode ser muito grande, de forma que a informao no suciente ca a e para estimar o erro. No entanto, ela diz que, se reduzirmos h ento o erro mximo se reduzir proporcionalmente. a a a

Por exemplo, vejamos o que resulta da mesma equao com passo igual a 0.05, com quatro ca casas decimais.

196

CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS

k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

tk 0.00 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

A maior diferena em relao ao valor verdadeiro no passou de 0.043, em tk = 0.75, que c ca a metade da discrepncia obtida com passo igual a 0.1. e a Exerc cio 18.1 Considere a equaao diferencial x = x2 sent, com a condiao inicial c c x(0) = 1. Obtenha uma discretizaao/aproximaao da soluao usando o Mtodo de Euler de c c c e primeira ordem, no intervalo [0, 0.6], com passo h = 0.1.

18.4

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 de ca ca 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 fx (t, x) = a 3t2 . Substituindo essas expresses, com a notao x(t + h) = xk+1 , x = xk , t = tk , obtemos o ca a relao de recorrncia ca e 3 xk+1 = xk + 3tk xk h tk h + t3 h 2 k .

18.4. INDO PARA SEGUNDA ORDEM

197

O erro mximo cometido em cada iterao da ordem de h3 , portanto o erro mximo a ca e a acumulado ao longo de todo o intervalo da ordem de (b a)h2 . Isso signica que a reduo e ca do passo pela metade provoca reduo no erro da ordem de quatro vezes. ca Exerc cio 18.2 Use a relaao de recorrncia acima com passo 0.1, a partir da mesma c e condiao inicial x(0) = 2 e compare com os resultados obtidos anteriormente. c Apesar da vantagem em relao ` preciso, ao passar para segunda ordem acabamos por ca a a nos envolver com uma funo de iterao muito mais complicada, apesar de a expresso de ca ca a f (t, x) ser muito simples. Vrios fatores contribuem para isso: as expresses das derivadas a o parciais de f e a combinao da frmula, que envolve vrios termos. Indo para ordem ainda ca o a mais alta essas complicaes aumentam bastante e exigem, da parte do programador, o co clculo de todas as derivadas parciais envolvidas e a montagem das frmulas. a o O que faremos no restante desta Seo explorar uma observao a respeito da expanso ca e ca a de x(t + h) at segunda ordem, que nos permitir implementar um mtodo computacionale a e mente mais simples. Na Seo seguinte veremos como esse mtodo pode ser generalizado ca e inclusive para ordens mais altas, sem expressivo acrscimo da complexidade algor e tmica, embora a deduo do algoritmo propriamente dito possa car cada vez mais complicada. Essa ca abordagem conhecida como Mtodo de Runge-Kutta de integrao das equaes diferenciais. e e 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 funo a c a ca de duas variveis f (t, x) at primeira ordem: 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 , e muito menor do que t2 + x2 . Muito menor signica que esse termo, quando 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) , ca pois t2 + x2 = h 1 + f 2 . Na notao compacta que propusemos, temos 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

198

CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS

Vejamos como isso se d na prtica, ao passarmos de xk para xk+1 . Pensando em termos a a 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

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 f e 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 dois valores, e a e 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

xk 2.0000 1.9970 1.9821 1.9438 1.8722 1.7604 1.6065 1.4144 1.1946 0.96264 0.73637

1 0 0.059910 0.23785 0.52483 0.89866 1.3203 1.7350 2.0792 2.2936 2.3392

2 .060000 0.23892 0.52875 0.90783 1.3368 1.7586 2.1065 2.3164 2.3455 2.1862

+ 2 ) 0.0030000 0.014942 0.038330 0.071633 0.11177 0.15395 0.19208 0.21978 0.23196 0.22627

h 2 (1

Observamos que a diferena para o valor correto foi de, no mximo, 0.005. c a

18.5

Runge-Kutta

O mtodo de Runge-Kutta uma generalizao do algoritmo que desenvolvemos em segunda e e ca ordem, para que no seja preciso calcular derivadas parciais de f , e vale para qualquer ordem a 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 ) ,

18.5. RUNGE-KUTTA onde 1 2 3 . . . m = f (tk , xk ) , = = . . . f (tk + a1 h, xk + b1 1 h) , f (tk + a2 h, xk + b2 2 h) , . . .

199

= f (tk + am1 h, xk + bm1 m1 h) .

Ou seja, dentro de cada etapa k preciso fazer uma recorrncia de tamanho m, onde cada e e 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 consideraremos o 2 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 dois e 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 haver o e igualdade termo a termo. Cada uma dessas igualdades ser uma equao onde as incgnitas a ca o so as constantes procuradas, e o problema car reduzido ` resoluo desse sistema (no a a a ca a linear) de equaes. co O lado esquerdo da equao mais conhecido: ca e 1 1 x(t + h) x(t) = x + x h + x h2 + o(h2 ) , h 2 6 onde as expresses de x , x e x j foram deduzidas na Seo 18.2. 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 coma a a parao com o outro lado da equao. ca ca Com relao ao outro lado, preciso calcular 1 , 2 e 3 , at ordem h2 . J sabemos que ca e e a 1 = f . E sabendo i calculamos i+1 por i+1 = f (t + ai h, x + bi i h) . Expandindo f at segunda ordem, obtemos e i+1 = f (t + ai h, x + bi i h) = 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 subsa a titu na expresso de i+1 . da a

200

CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS 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 em a a e a 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 o(h2 ). H outros dois termos a expandir: a a2 b2 h2 2 ftx = a2 b2 h2 f ftx + o(h2 ) e 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

1 1 2 2 2 b h 2 fxx = 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 seguin2 tes termos: (1 + 2 + 3 )f , (2 a1 + 3 a2 )hft , (2 b1 + 3 b2 )hf fx , 3 a1 b2 h2 ft fx , 3 b1 b2 h2 f fx , 1 2 2 2 2 2 2 2 2 2 (2 a1 + 3 a2 )h ftt , (2 a1 b1 + 3 a2 b2 )h f ftx e (2 b1 + 3 b2 )h f fxx . Da comparao termo a termo com a expanso de ca a x(t + h) x(t) , h 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

(18.1) (18.2) (18.3) (18.4) (18.5) (18.6) (18.7) (18.8)

= 2 a1 b1 + 3 a2 b2 =

18.5. RUNGE-KUTTA

201

A primeira equao a unica que envolve 1 , assim 1 car determinado assim que 2 e 3 ca e a forem determinados. Da quarta e da quinta equaes tiramos imediatamente que a1 = b1 . co Levando isso em conta na sexta e na stima equaes resulta que tambm a2 = b2 . Com isso, e co e as trs ultimas equaes se tornam idnticas, a quarta e a quinta tambm, e a segunda e a e co e e terceira idem. Em resumo, camos com trs equaes nas quatro incgnitas a1 , a2 , 2 e 3 : e co 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 para a o u co existncia de uma innidade de solues. Podemos escolher um valor para a2 , por exemplo, e co 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. Da segunda equao o ca 1 2 a2 = 6a1 colocada na primeira obtemos 2 a1 + Multiplicando por a1 resulta 1 1 = . 6a1 2

1 a1 , 2 6 que junto com a segunda pode ser substitu na terceira equao, levando a da ca 2 a2 = 1 3a2 3a1 + a2 = 0 , 1

depois de mais uma multiplicao por a1 e simplicaes. Ento ca co a 3 9 12a2 a1 = . 6


3 Se tomarmos a2 = 4 teremos necessariamente que a1 = 1 . Com esses valores, obtemos 2 4 2 2 3 = 9 , 2 = 9 e 1 = 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 3 3 1 onde 1 = f (t, x), 2 = f (t + 2 h, x + 2 1 h) e 3 = f (t + 4 h, x + 4 2 h).

Exerc cio 18.3 Use o algoritmo de Runge-Kutta de ordem 3 deduzido acima na equaao c diferencial separvel x = 3t2 x, x(0) = 2. Aumente o nmero de algarismos signicativos. a u De preferncia, crie um programa de computador para testar os algoritmos. e
1 Exerc cio 18.4 Na Seao anterior, obtivemos m = 2, 1 = 2 = 2 e a1 = b1 = 1 para o c Mtodo de Runge-Kutta de ordem 2. No entanto, como vimos em ordem 3, pode haver outras e maneiras de implement-lo, pois as equaoes que determinam a escolha dos i s, ai s e bi s a c

202

CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS

tm mais do que uma soluao. Baseando-se no racioc e c nio feito em ordem 3, ache todas as poss veis implementaoes do Mtodo de Runge-Kutta em ordem 2. c e Exerc cio 18.5 Considere a equaao x = ex t, com a condiao inicial x(0) = 1. Obtenha c c uma discretizaao/aproximaao da soluao em [0, 0.5], usando o Mtodo de Runge-Kutta de c c c e segunda ordem. Exerc cio 18.6 Considere a mesma equaao e a mesma condiao inicial do Exerc c c cio anterior. Aproveite o fato de ser uma equaao separvel para obter x(0.5) usando o Mtodo de c a e Newton e o Mtodo de Simpson combinados. Para o Mtodo de Newton, use condiao inicial e e c igual a 1 e calcule 3 iterados posteriores. Para o Mtodo de Simpson use n = 4. Discuta e o erro envolvido ao se resolver a equaao dessa maneira, da melhor forma que voc puder. c e Compare com o resultado da questo anterior. a Exerc cio 18.7 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 suposiao de que e c x(t + h) x(t) = h(1 + 2 + 3 + 4 ) + o(h4 ) , onde 1 2 3 4 = f (t, x) , = f (t + bh, x + b1 h) , = f (t + ch, x + c2 h) , = f (t + dh, x + d3 h) ,
1 6,
2

e mostre que essas constantes podem assumir os seguintes valores: = 1 1 = 6 , b = 2 , c = 1 e d = 1. 2

2 6,

2 6,

Exerc cio 18.8 Implemente o Mtodo de Runge-Kutta de ordem 4 no computador. e

18.6

Runge-Kutta em sistemas de equaes autnomas co o

A resoluo numrica de um sistema de equaes autnomas muito semelhante ao que j ca e co o e a zemos antes. Desenvolveremos o Mtodo de Runge-Kutta de ordem 2 para um sistema de e duas equaes, e o leitor ver que o Mtodo pode ser aplicado a qualquer tipo de sistema co a e de equaes diferenciais, autnomas ou no, em qualquer ordem, tudo dependendo de se deco o a duzir o algoritmo convenientemente. H atualmente muitos programas de computador com a os algoritmos j implementados, bastando ao usurio somente digitar as equaes. Outros a a co algoritmos mais nos so tambm usados, para minimizar ainda mais os erros, principala e mente quando se trata de integrar a equao diferencial em grandes intervalos de tempo. E ca recomendvel, no entanto, saber minimamente como eles funcionam. a Suponha que queiramos integrar o sistema de equaes diferenciais co x y = f (x, y) = g(x, y) .

18.6. RUNGE-KUTTA EM SISTEMAS DE EQUACOES AUTONOMAS 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 . Ento a
1 x(t + h) x(t) = h f + 2 (hf fx + hgfy ) + o(h2 ) 1 y(t + h) y(t) = h g + 2 (hf gx + hggy ) + o(h2 )
2

203

Mas hf fx + hgfy = f (x + f h, y + gh) f (x, y) + o(h) 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 18.9 Considere o sistema de equaoes diferenciais c x = x2 + y 1 y = 1+x Se x(0) = 0.5 e y(0) = 0.2, estime t > 0 necessrio para que a soluao (x(t), y(t)) cruze o a c eixo y, usando o Mtodo de Euler de primeira ordem com passo 0.1. e Exerc cio 18.10 Deduzir o Mtodo de Runge-Kutta de ordem 4 para sistemas autnomos e o de duas equaoes. c Exerc cio 18.11 Usar os Mtodos de Runge-Kutta para integrar os sistemas de equaoes e c diferenciais da Seao 17.5. c

204

CAP ITULO 18. SOLUCAO NUMERICA DE EQUACOES DIFERENCIAIS

Apndice A e

Entendendo os sistemas lineares


A.1 Sistemas lineares e intersees de hiperplanos co

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 (x, y) ca que satisfazem a primeira e depois o conjunto dos (x, y) que satisfazem a segunda. O que estamos procurando a intersecao desses dois conjuntos, isto , os pontos do plano que e c e satisfazem as duas equaes ao mesmo tempo. co A equao 5x + 2y = 3 determina uma ca reta. Observe que essa reta o grco e a 3 da funo y(x) = 2 5 x, que tem ca 2 inclinao 5 e cruza o eixo das orca 2 3 denadas em 2 . A outra equao deca termina outra reta, grco da funo a ca y(x) = 1 + x, que tem inclinao 1 e ca cruza a ordenada em 1.

Pode-se melhorar bastante a compreenso dos sistemas lineares se os interpretarmos sob o a ponto de vista geomtrico. e Considere o sistema 5x + 2y = 3 , x + y = 1

3 2

5x+2y=3

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 co ele a soluo procurada do sistema lie ca near.

205

206

APENDICE A. ENTENDENDO OS SISTEMAS LINEARES

Por essa interpretao entende-se porque alguns sisca temas podem no ter soluo. Isso acontece se as a ca retas forem paralelas mas no coincidentes, como no a 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 y = x, a a co como mostra a gura ao lado. Outra coisa que pode acontecer a existncia de uma innidade de solues. Basta que e e co as duas equaes determinem a mesma reta, como neste exemplo: co 2x + 2y = 2 x + y = 1 .

Nem sempre a equao de uma reta determina ca o grco de uma funo y(x). Esse ser sema ca a pre o caso quando o coeciente que multiplica y for igual a zero. Por exemplo, a equao ca 2x = 3 representa uma reta vertical, pois o e conjunto de todos 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? Bem, nesse caso cada uma das equaes determina co o co um plano, e as solues so todos os pontos de interseco dos trs planos. Como no caso de co a ca e 2 incgnitas, pode haver uma soluo, nenhuma ou uma innidade delas. o ca Num sistema de n equaes a n incgnitas devemos imaginar que cada equao determina co o ca um hiperplano de dimenso n 1 no espao de dimenso n. Infelizmente no podemos a c a a visualizar nada disso, mas isso no nos impede de teorizar sobre o assunto. a

A.2

Transformaes lineares co

Outra maneira bastante importante de se entender os sistemas lineares atravs do conceito e e de transformaoes lineares, e dele nos ocuparemos at o nal do Cap c e tulo. Tomemos novamente o exemplo 5x + 2y = 3 x + y = 1 Essa equao pode ser escrita na notao matricial ca ca 5 1 2 1 x y = 3 1 . .

A.2. TRANSFORMACOES LINEARES

207

Para compactar ainda mais a notao, chamaremos de A a matriz, u o vetor (matriz coluna) ca 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 funao (ou transformaao, ou ainda c c aplicaao) que toma um vetor qualquer u e transforma num outro vetor Au. c 1 Por exemplo, se u = , ento a 2 Au = como mostra a gura abaixo. 5 1 2 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 termos e x 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 sistema e o linear tem n equaes e n incgnitas ento os coecientes formam uma matriz A que pode co o a ser usada como uma aplicao (ou transformao, ou funo) levando vetores-coluna ca ca ca x1 . u= . . xn em vetores Au. Apesar de no ser nossa preocupao aqui, na verdade nem preciso que o a ca e nmero de incgnitas iguale o nmero de equaes para termos esse tipo de interpretao. u o u co ca Pois o sistema linear 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 b1 x1 a11 . . . a1n . . . = . . .. . . . . . . . . . am1 ... amn xn bm

208

APENDICE A. ENTENDENDO OS SISTEMAS LINEARES

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 m (ou seja, uma aplicao de e ca Rn em Rm ).

A.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, A e ca a ca ca multiplica um vetor-coluna de tamanho n e o resultado um outro vetor-coluna de tamanho e n. Em notao compacta temos Au = b. Como aplicao, A toma um vetor u de Rn e ca ca transforma em outro vetor b de Rn . A rigor dever amos escrever A(u) = b, mas no o faremos. Por razes de praticidade (e a o tambm estticas, por que no?) usaremos os parnteses somente quando for preciso deixar e e a e claro que A se aplica a toda uma expresso, por exemplo, A(u + v), ao invs de Au + v, que a e poderia dar a impresso de que aplicamos A em u e depois somamos v, quando na verdade a 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 vezes os vetores como n-upla, ao invs de vetores-coluna, com as coordenadas separadas por e 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

A.4

Inverso de matrizes a

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

Antes de prosseguir, observamos que a notao matricial nos propicia relacionar conceitos ca aparentemente distantes. Por exemplo, o problema de inverter uma matriz quadrada A de tamanho n equivalente a resolver n sistemas lineares n n. e A inversa de A denida como a matriz U tal que AU = Id, onde Id a matriz identidade, e e 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 anloga ao nmero e a u 1 na multiplicao usual entre nmeros reais. A diferena principal entre a multiplicao de ca u c ca nmeros reais e a multiplicao de matrizes que a segunda no comutativa: h (muitos) u ca e a e a exemplos onde A U no igual a U A (tente vericar com matrizes 2 por 2, escolhidas ao a e acaso). Suponha que tenhamos A = {aij }nn e queiramos achar U = {uij }nn tal que AU = Id. Explicitamente, queremos resolver u11 u12 . . . u1n a11 a12 . . . a1n 1 0 ... 0 a21 a22 . . . a2n u21 u22 . . . u2n 0 1 ... 0 . . = ... ... ... ... . . . .. .. . . . . . . ... . ... . . . 0 0 ... 1 un1 un2 . . . unn an1 an2 . . . ann

A.5. EXPLORANDO A LINEARIDADE mesma posio. Por exemplo, ca a11 a21 . . . an1 para essa equao ser satisfeita deve valer ca 1 u11 a12 . . . a1n a22 . . . a2n u12 0 . . = . , .. . . . . ... . . . an2 ... ann un1 0

209

que corresponde ` primeira coluna. a

A.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 , 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 e u vale A(u1 + u2 ) = Au1 + Au2 . Fica como exerc para o leitor demonstrar a linearidade (em dimenso 2), supondo que cio a A= a b c d

uma matriz da forma mais geral poss e vel! No dif tente!, e depois procure mostrar no a e cil, caso geral, para matrizes n n. Para entendermos o signicado geomtrico da linearidade, vejamos primeiro o que a e e 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 abaixo). u a Dizer ento que A(u) = Au signica dizer: tomar a imagem de um vetor u multiplia cado por o mesmo que tomar a imagem de u e depois multiplicar por . Isto mostra e 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 u1 = e (x1 , y1 ) e u2 = (x2 , y2 ) ento a u1 + u2 = (x1 + x2 , y1 + y2 ) , como mostrado na gura abaixo.

210

APENDICE A. ENTENDENDO OS SISTEMAS LINEARES

u ( > 1 )

u1+ u2 y 2

u y 1
u ( < 0)

x1

x2

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 a cada ca e ca um dos vetores e depois somar pela Lei do Paralelogramo. Vejamos a principal conseqncia da linearidade. Para isso, chamemos a ateno para ue ca dois vetores especiais do plano: e1 = (1, 0) e e2 = (0, 1). Eles so chamados de vetores a cannicos. Sua importncia reside no fato de que se u = (x, y) um vetor qualquer ento o a e a u = (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) = xe1 + ye2 . Dizemos que u uma combinaao linear de e1 e e2 (isto , a soma de dois vetores, um colinear e c e 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 quala quer vetor u!! Em outras palavras, a ao da aplicao linear A ca completamente deterca ca minada 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

A.5. EXPLORANDO A LINEARIDADE

211

Isso sugere que o sistema de coordenadas cartesiano original transferido para um outro e 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 lado c a e direito do desenho, temos um mtodo para achar u tal que Au = b (vide gura abaixo). e Basta medir as coordenadas de b no sistema de coordenadas das combinaes de Ae1 e co Ae2 , e depois procurar no sistema cartesiano tradicional, ` esquerda, o vetor que tem essas a coordenadas!

e2 u e1 Ae2 b b=Au

Ae1

Vale aqui uma observao bastante pertinente: os vetores Ae1 e Ae2 so as colunas da ca a a matriz A. E fcil ver a razo: a a b c d 1 0 a c a b c d 0 1 b d

Ae1 =

, Ae2 =

Tudo ocorre de forma semelhante em dimenso qualquer n. A soma de vetores tambm a e obtida pela soma das coordenadas dos vetores. Tambm como em dimenso 2, a aplicao e e a ca que leva vetores u em vetores Au linear. Os vetores cannicos so e1 = (1, 0, . . . , 0), e2 = e o a (0, 1, 0, . . . , 0), . . ., en = (0, 0, . . . , 0, 1). Qualquer vetor pode ser escrito como combinao ca linear dos vetores cannicos, pois o

u = (x1 , x2 , . . . , xn ) = x1 e1 + x2 e2 + . . . + xn en . Isto implica que saber Ae1 , . . . , Aen permite calcular automaticamente qualquer Au.

212

APENDICE A. ENTENDENDO OS SISTEMAS LINEARES

A.6

Existncia e unicidade de solues e co


Ae2=(4,6)

Voltando a pensar em dimenso 2, observe que esse esa quema geomtrico para achar u tal que Au = b caria e prejudicado se por alguma razo Ae1 e Ae2 fossem vetores a colineares. Isso aconteceria se os vetores-coluna da matriz A fossem colineares, como por exemplo na matriz 2 3 4 6 .

Ae1=(2,3)

Neste caso, teremos Ae1 e Ae2 como na gura ao lado. O desastre ocorre se tivermos um vetor b que no seja colinear a eles e quisermos achar u a a tal que Au = b. E fcil ver porque no vai existir esse vetor: todo vetor u = (x, y) se escreve a como combinao linear u = xe1 + ye2 , logo Au = xAe1 + yAe2 . S que se Ae1 e Ae2 forem ca o colineares ento Au tambm ser colinear a eles. Em resumo, para qualquer escolha de u, a e a o vetor imagem Au estar sempre sobre a mesma reta, na mesma direo de Ae1 e Ae2 (a a ca aplicao A leva todo o R2 sobre uma reta, uma aplicao longe de ser injetiva!). Portanto ca ca imposs que exista Au = b se b no for colinear com esses dois vetores! e vel a 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 haver innitas a ca a a solues, isto , innitas escolhas de u tais que Au = b. Para mostrar isso, escrevemos co e Ae2 = Ae1 (j que eles so colineares, e supondo que Ae1 seja no-nulo), e a a a 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 soluo a a ca garantida sempre que possamos achar nmeros x1 , . . . , xn tais que 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, so as ca a colunas da matriz A) no formar uma base, teremos duas situaes poss a co veis para a equao ca

A.7. INJETIVIDADE, SOBREJETIVIDADE... GLUP!

213

Au = b, dependendo de b: se b no for combinao linear de {Ae1 , . . . , Aen } ento a equao a ca a ca no ter soluo; e se b for combinao linear de {Ae1 , . . . , Aen } ento haver uma innidade a a ca ca a a de solues da equao (tente mostrar isso!). 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

A.7

Injetividade, sobrejetividade... glup!

Valem aqui alguns comentrios complementares sobre a discusso terica que estamos lea a o vando. Acabamos de ver que a matriz de coecientes A nos deixa duas opes: 1) para todo co b, Au = b tem soluo (portanto a aplicao A sobrejetiva) e essa soluo unica (donde ca ca e ca e Au = Av implica u = v, isto , a aplicao A tambm injetiva); 2) existe b tal que Au = b e ca e e no tem soluo (logo A no sobrejetiva) e existe b tal que Au = b tem vrias solues a ca a e a co (logo A no injetiva). Ou seja, das duas uma: ou A bijetiva ou no nem sobrejetiva a e e a e nem injetiva. Uma caracter stica t pica de uma aplicao linear A que se A no for injetiva ento h ca e a a a um vetor w no-nulo (de fato, uma innidade deles) tal que Aw = 0. Pois se A no injetiva a a e ento existem u e v, com u = v, tais que Au = Av. Logo Au Av = 0, e pela linearidade a 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 Seo 1.5. e ca ca L quer a amos passar o grco de um polinmio p(x) de grau n 1 por n pontos xados (com a o abscissas distintas). Isto , dados (x1 , y1 ), . . . , (xn , yn ) quer e amos achar p(x) = a0 + a1 x + . . . + an1 xn1 tal que p(x1 ) = y1 , . . . , p(xn ) = yn , e isso nos levou imediatamente a um sistema linear onde as incgnitas so os n coecientes do polinmio: o a o n1 1 x1 x2 . . . x1 a0 y1 1 1 x2 x2 . . . xn1 a1 y2 2 2 . . . . . . = . . . . . . . . . . . . . . . . n1 an1 yn 1 xn x2 . . . xn n

Queremos mostrar que essa equao sempre tem soluo e essa soluo unica. Como ca ca ca e vimos acima, isso acontece se e somente se a matriz A dos coecientes for uma aplicao ca injetiva. Suponha por contradio que essa matriz A no fosse injetiva. Ento existiria um conca a a junto de coecientes w = (a0 , a1 , . . . , an1 ) no-nulo (isto , pelo menos um dos coecientes a e diferente de zero) tal que Aw = 0. Ou seja, ter amos um polinmio q(x) de grau n 1 (no o 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 o a e a zes (prove usando seus conhecimentos de clculo!), portanto chegamos a uma contradio, o que mostra que A a ca obrigatoriamente tem que ser injetiva!

214

APENDICE A. ENTENDENDO OS SISTEMAS LINEARES

Exerc cio 1.1 Explique por que se A for injetiva ento existe uma e somente uma soluao a c para a equaao Au = b. c

A.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 soluo. e a ca De fato, esta Seo tem a pretenso de convencer o leitor de que det A = 0 se e somente se ca a {Ae1 , . . . , Aen } uma base. A idia explicar o que o determinante de uma forma intuitiva e e e e e geomtrica, mas o leitor pode encontrar abordagens diferentes em outros livros. e E preciso salientar que o determinante ser inicialmente denido para um conjunto de n a vetores (em Rn ) e depois deniremos det A = det(Ae1 , . . . , Aen ) . Comearemos a discusso em dimenso 2, e depois comentaremos sua generalizao para c a a ca dimenso qualquer. a

A.8.1

Dimenso 2 a

O determinante d, de certa forma, uma medida do quanto dois vetores esto perto de ser a a colineares. Deniremos o determinante de um par ordenado de vetores (u1 , u2 ), denotando-o por det(u1 , u2 ) , como sendo a area do paralelogramo determinado por esses dois vetores, com um sinal. 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 par e (Ae1 , Ae2 ): det A det(Ae1 , Ae2 ) .

Isso porque, se 0 s, su1 um vetor com o mesmo sentido que u1 , e se s 1, su1 um vetor e e 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 ) pode e a a ser suavemente alterado at que coincida com o par de vetores cannicos (e1 , e2 ) (na ordem e o

Desse modo, ca evidente que o determinante de A diferente de zero se e somente se o e sistema Au = b admitir unica soluo (no importando quais sejam os termos independentes, ca a isto , o vetor b da equao). Lembrando tambm que Ae1 e Ae2 so as colunas da matriz e ca e a 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 paraleloca e gramo 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 a denio dada e a ca aqui coincide com aquela que ele provavelmente j conhece. a Chamaremos de P (u1 , u2 ) o paralelogramo determinado por u1 e u2 . Ele denido como e sendo o conjunto P (u1 , u2 ) = {su1 + tu2 ; 0 s 1 , 0 t 1} .

A.8. O DETERMINANTE

215

correspondente, isto , u1 alterado at coincidir com e1 , e u2 com e2 ), de forma que os vetores e e e nunca se tornem colineares ao longo do processo, ento o sinal positivo. Caso contrrio a e a negativo. Veja dois exemplos com sinais diferentes na gura abaixo. O da esquerda o e e positivo.

u2 u1 u1

u2
Da resulta que det(e1 , e2 ) = +1 (sinal positivo e rea igual a 1) e que det(e2 , e1 ) = 1. a Alm disso, mais geralmente, det(u1 , u2 ) = det(u2 , u1 ), ou seja, se trocarmos a ordem dos e vetores ento o sinal do determinante ser trocado. a a Uma propriedade importante do determinante a linearidade com respeito a cada um dos e 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 geomtricos. e Veja nas guras abaixo o que acontece em cada caso. No segundo caso, o princ de Cavalieri pio garante que a rea de P (u1 , v) mais a rea de P (u2 , v) igual ` rea de P (u1 +u2 , v) (ateno, a a e aa ca a gura no plano, no se trata de desenho em perspectiva!). e a

P(u1+ u ,v) 2 v v
u

u P(u,v)

P( u,v) P(u ,v) 1 u1

u1+ u2 u2 P(u ,v) 2

216

APENDICE A. ENTENDENDO OS SISTEMAS LINEARES

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 ver a 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 = x2 e1 + y2 e2 . Ento ca 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 a para qualquer par de vetores: 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).

A.8.2

Dimenso 3 a

Em dimenso 3, podemos denir o paralelep a pedo P (u1 , u2 , u3 ), onde u1 , u2 , u3 so vetores a 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 essa a denio). O determinante det(u1 , u2 , u3 ) ser o volume desse paralelep ca a pedo, com um sinal que devemos convencionar.

A.8. O DETERMINANTE

217

De qualquer forma, um determinante nulo corresponde a um conjunto de trs vetores em e 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 dimenso e a a 2. Se {u1 , u2 , u3 } uma base (ou seja, nenhum combinao linear dos outros), o sinal de e e ca det(u1 , u2 , u3 ) ser positivo se a trinca ordenada (u1 , u2 , u3 ) puder ser suavemente deformada a 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 uma vez, ca e a conveniente demonstrar as propriedades bsicas do determinante e us-las para os clculos. e a a a As propriedades bsicas so (tente se convencer voc mesmo por que elas valem): a a e 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, segunda co 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. Podemos usar essas regras para calcular o determinante da matriz 3 3 a11 a12 a13 A = a21 a22 a23 , a31 a32 a33 det A = =

que o determinante de seus vetores-coluna, na ordem em que se apresentam. Temos, pela e linearidade (propriedade 3), 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 todos a a a 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 ) = +1, a a 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

218

APENDICE A. ENTENDENDO OS SISTEMAS LINEARES

A.8.3

Dimenso n a

Em dimenso n existe o conceito de volume - comumente conhecido como hipervolume. No a entanto, vimos que as propriedades de normalizao, alternncia e linearidade bastam para ca a 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. Multi-linearidade: det(u+v, u2 , . . . , un ) = det(u, u2 , . . . , un )+ det(v, u2 , . . . , un ). 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 ) .

e u J det(ei1 , ei2 , . . . , ein ) : nulo, se ocorre algum nmero repetido na lista (i1 , . . . , in ); +1, se a (i1 , . . . , in ) pode ser levado em (1, 2, . . . , n) por um nmero par de trocas de posies; e 1 u co se ((i1 , . . . , in ) pode ser levado em (1, 2, . . . , n) por um nmero u mpar de trocas de posies co ( necessrio observar que se (i1 , . . . , in ) pode ser levado em (1, . . . , n) por um nmero par de e a u trocas de posies ento no h como fazer o mesmo com um nmero co a a a u mpar, e vice-versa). Sem falarmos em hipervolume, vericamos tambm das trs propriedades que se um dos e e 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 se o ca a a e a o e 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 ento ca a det(u1 , . . . , un ) no-nulo. 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 sejam os e vetores u1 , . . . , un . Ento det A = det(u1 , . . . , un ). O que queremos mostrar que det A = 0 a e e a hiptese que temos que os vetores Ae1 , . . . , Aen formam uma base. o e Primeiro 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 aplicaes lineares e vel a co a sobrejetividade implica automaticamente na bijetividade). Ora, como {Ae1 , . . . , Aen } e base ento existem nmeros x1 , . . . , xn tais que a u b = x1 Ae1 + . . . + xn Aen . Logo b = A(x1 e1 + . . . + xn en ) ,

A.9. QUADRO COMPARATIVO

219

e encontramos u = (x1 , . . . , xn ). A inversa de A denotada por A1 , portanto u = A1 b. e Na Seo 2.3 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, o ca o e ca Mtodo de Escalonamento, do qual iremos falar no prximo Cap e o tulo. No entanto, podemos seguir outro argumento, baseado na seguinte frmula: se A e B so o a matrizes quadradas de tamanho n ento a det(AB) = det A det B . Esta frmula pode ser deduzida das propriedades do determinante, mas no o faremos aqui. o a 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 = Id. ca o 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. Pela frmula do o o determinante, temos 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 forma a ca e o no rigorosa, lembremos que det A representa o volume com sinal de P (Ae1 , . . . , Aen ) (o a leitor pode pensar em dimenso 3). O paralelep a pedo P (Ae1 , . . . , Aen ) a imagem pela e transformao A do paralelep ca pedo P (e1 , . . . , en ), de volume unitrio. Da linearidade decorre a que todo paralelep pedo formado por mltiplos dos vetores cannicos, quando transformado u o por A, tem seu volume multiplicado por det A. Da decorre (intuitivamente, mas no to a a facilmente do ponto de vista matemtico) que o volume de qualquer conjunto multiplicado a e por det A pela transformao A. ca A intuio pode ser assim expressa: o conjunto aproximado por pequenos paraleca e lep pedos disjuntos, cujo volume total est prximo do volume total do conjunto, e quanto a o menores forem esses paralelep pedos melhor ser a aproximao. Ao transformarmos o cona ca junto pela aplicao A, podemos imaginar tambm a transformao desses pequenos paraleca e ca lep pedos, que ter seu volume multiplicado por det A. a Portanto, se aplicarmos B e depois A, o volume dos conjuntos ser multiplicado por det B a e depois por det A. Este o sentido da frmula! e o

A.9

Quadro comparativo

Para resumir tudo o que dissemos at agora sobre a existncia e a unicidade de solues de e e co um sistema linear, faamos um quadro comparativo que ilustra as unicas duas alternativas c 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

220

APENDICE A. 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 e a ca e co 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

Apndice B e

Reviso de Clculo a a
Este Apndice uma reviso breve e informal dos principais conceitos de Clculo de uma e e a a varivel. a

B.1

Derivadas

Considere uma funo real f (x). A inclinao ca ca do grco de f no ponto (x, f (x)) dada pelo a e limite do quociente f (x + h) f (x) h quando h tende a zero (pela direita ou pela esquerda). Esse limite denotado por e f (x) ,

f(x+h) f(x+h)f(x) f(x) x h x+h

e a funo f (x), que d a inclinao do grco para cada x, chamada derivada da funo ca a ca a e ca f. Por exemplo, se f (x) = x2 , o grco de f uma parbola, e a derivada, para cada x, o a e a e limite de 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 . 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 a ca e derivada de uma funo am f (x) = ax + b uma funo constante: f (x) = a, pois a ca e ca inclinao do grco (que uma reta) sempre dada pelo coeciente a. Pode-se mostrar ca a e e 221

222

APENDICE B. REVISAO DE CALCULO

tambm que se f (x) = xn , com n inteiro (negativo ou positivo) porm diferente de zero, ento e e a 1 f (x) = nxn1 . Por exemplo, se f (x) = x, ento f (x) = 1 x0 = 1, ou se f (x) = x1 = x a 1 2 ento f (x) = x = x2 . a Temos tambm as derivadas de funes trigonomtricas. Se f (x) = sin x ento f (x) = e co e a cos x, e se f (x) = cos x ento f (x) = sin x. Para obter essas derivadas preciso mostrar a e 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 combinaao linear de duas outras funes f (x) e g(x), isto , c 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 e zero (veja na gura ao lado duas funes que diferem apenas pela co adio de uma constante). ca

f(x)+C
C

f(x)
C

B.2

Primitivas

Podemos agora colocar o seguinte problema: dada uma funao g(x), achar uma funao f (x) c c cuja derivada f (x) seja igual a g(x). E um problema inverso ao de achar a derivada. Qualquer funo f (x) cuja derivada seja igual a g(x) ser chamada de uma primitiva de g(x). ca a Por exemplo, queremos achar uma primitiva de g(x) = x2 . Ora, sabemos que a derivada e de x3 3x2 (pela Seo anterior), portanto f (x) = 1 x3 uma primitiva de g(x) = x2 (o fator e ca 3 de 1 necessrio para se cancelar o expoente que cai ao se derivar). a 3 e 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). Agora e

B.3. INTEGRAL consideramos uma outra funo F (x) = f (x) + C. Pelo que vimos na Seo anterior, ca ca F (x) = f (x) = g(x) .

223

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 primitie a a vas? A resposta no. Suponha que f1 (x) e f2 (x) sejam duas primitivas da mesma funo e a ca g(x), isto , 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 entre ca a c 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 da co a mesma funo ento elas necessariamente diferem por uma constante. Isso tem conseqncias ca a ue prticas importantes: se encontrarmos uma primitiva ento automaticamente conheceremos a a todas as outras! Voltaremos ao assunto aps a Seo seguinte. o ca

B.3

Integral

Considere uma funo f (x) denida no interca valo [a, b], no-negativa, como mostra a gura a ao lado. A rea da regio acima da abscissa e a a abaixo do grco da funo chamada de intea ca e gral de f no intervalo [a, b], e recebe a notao ca
b

f (x)dx .
a

224

APENDICE B. REVISAO DE CALCULO A integral tambm pode ser denida para e funes que assumem valores negativos. Nesse co caso, no podemos interpretar a integral como a a rea, a no ser que usemos a idia de rea a e a com sinal, isto , a rea contada positivae a e mente quando a funo positiva e negativaca e mente quando a funo negativa. Assim, na ca e gura ao lado temos
b

A1

f A3

a A2

f (x)dx = A1 A2 + A3 ,

onde A1 , A2 e A3 so as reas das regies soma a o breadas. Tambm devemos convencionar o signicado do s e mbolo acima da integral quando a no a menor ou igual a b. A conveno a seguinte: se a > b ento e ca e a
b a a

f (x)dx

f (x)dx .
b

Em palavras, fazer a integrao do extremo direito para o esquerdo resulta no mesmo que ca 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 a, b, c, u 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!

B.4

A integral indenida

Na Seo anterior, falamos da integral de uma funo entre dois extremos xos. Se resolverca ca mos 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 integrao possa ser ca a ca considerado uma varivel, do qual depende o valor da integral da funo. a ca

B.4. A INTEGRAL INDEFINIDA

225

Por exemplo, considere a funo linear g(x) = ca 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 tringuloe a a 2 retngulo esboado na gura ao lado: w . a c 2

0 0
2

x w

Se w < 0, a integral tambm, em valor absoluto, igual a w , mas qual seria o sinal? e e 2 Primeiro vemos que a rea deve ser contada negativamente, pois ` esquerda do zero g(x) a a e negativa. Por outro lado, se w < 0 ento a integral est sendo percorrida da direita para a a a esquerda, o que acarreta uma segunda mudana de sinal. Isso implica que tambm no caso c e w2 w < 0 a integral vale 2 . Conclu mos que
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) No exemplo, g(x) = x, e portanto

g(x)dx .
0 w

f (w) =
0

xdx =

w2 . 2

Essa funo f chamada de uma integral indenida de g. Ela apenas uma e no a integral ca e e a indenida porque o extremo xo de integrao foi escolhido arbitrariamente. ca

g(x)=x

Por exemplo, considere outra integral inde nida f , onde o extremo xo de integrao seja ca 1 e no 0: a f (w) Quanto vale f (w)?
w

f(w) x
0

xdx .
1

226

APENDICE B. REVISAO DE CALCULO Observe que, pela regra de integrao das triplas a, b, c, podemos escrever ca
1 w w

xdx +
0 1

xdx =
0

xdx .

1 O primeiro termo do lado esquerdo vale 2 . Alm disso, o segundo termo do lado esquerdo e (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 razes co a e o saltam ` vista imediatamente desse exemplo: as integrais indenidas de uma funo, assim a ca como suas primitivas, diferem umas das outras por uma constante. E ser que h alguma relao entre as primitivas e as integrais indenidas? Responderea a ca mos a essa pergunta na prxima Seo. o ca Antes de prosseguir, faamos uma observao a respeito da notao. Sempre falamos de c ca ca funes dependentes da varivel x, mas agora apareceram funes que dependem da varivel co a co a w! Ora, esses nomes, x e w, so apenas nomes, que ` funo no interessam. Assim, se a a ca a 2 2 a e f (w) = w e queremos avaliar f (x) ento teremos f (x) = x . O que interessa que essa 2 2 funo em particular toma um nmero qualquer em seu dom ca u nio, eleva-o ao quadrado e divide 2 2 o resultado por dois. Tanto faz se indicamos esse processo por f (w) = w ou por f (x) = x ! 2 2 Entendido isso, pode-se perguntar 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 um a a ca cuidado que tomamos para no misturar as coisas. A varivel indicada dentro da integrao a a ca muda enquanto os extremos esto xos. Para cada x, temos que percorrer o intervalo [0, x] a para calcular a integral. E mais justo, portanto, usar um outro nome para indicar esse processo, evitando assim confuses. Seria prefer ento escrever o vel a
x

f (x) =
0

tdt ,
x

ou f (x) =
0

udu ,

usando, enm, qualquer letra que no seja aquela utilizada nos extremos da integrao. a ca

B.5

O Teorema Fundamental do Clculo a

Nas sees anteriores vimos o que so primitivas e integrais indenidas de uma funo g. co a ca Uma primitiva de g qualquer funo f cuja derivada igual a g, e uma integral indenida e ca e qualquer funo da forma e ca
x

f (x) =
a

g(t)dt .

B.5. O TEOREMA FUNDAMENTAL DO CALCULO

227

O Teorema Fundamental do Clculo diz exatamente que as integrais indenidas de g so a a tambm primitivas de g. e Argumentaremos em favor do Teorema, sem excesso de tecnicalidades. O importante e entender por que ele verdadeiro. e Considere a integral 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 Lembrando que
x+h x x+h x+h a x

g(t)dt

g(t)dt
a

x+h

g(t)dt =
a a

g(t)dt +
x

g(t)dt ,

g(t)dt

o limite que pretendemos examinar se torna 1 h


x+h

g a x x+h

g(t)dt .
x

Agora olhemos bem para essa 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 aproximadaca mente g(x), se h for bastante pequeno. Portanto a integral est prxima do valor h g(x). a o Lembrando que ainda temos que dividir por h, ento toda a expresso ca quase igual a g(x), a a 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 x + h, a que vale aproximadamente h g(x), ou seja f (x + h) f (x) + h g(x) . Donde f (x + h) f (x) g(x) . h
2

No exemplo da Seo anterior, vimos que f (x) = x uma integral indenida de g(x) = x. ca 2 e Pelo Teorema Fundamental do Clculo, f (x) deve ser tambm uma primitiva. De fato, a e f (x) = 1 2x = x. 2

228

APENDICE B. REVISAO DE CALCULO

B.6

A praticidade do Teorema Fundamental do Clculo a

Veremos agora que o Teorema Fundamental do Clculo opera um verdadeiro milagre. Ele a 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 .

Isso faz com que a integral que queremos calcular seja o valor de F em b, isto , F (b). Observe e tambm que F (a) = 0. e Por outro lado, F uma primitiva de g, de acordo com o Teorema Fundamental do e Clculo. Suponha que por alguma razo j conheamos alguma primitiva f (x) de g(x). a a a c Isso pode parecer estranho, mas algo muito comum quando sabemos derivar uma grande e 4 quantidade de funes. Por exemplo, se g(x) = x3 , sabemos que f (x) = x uma primitiva co 4 e de g, porque sabemos a regra de derivao das potncias. 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 a

g(t)dt = f (b) f (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 intervalo e a a ca 4 e a [1, 2]? Ora, como f (x) = x uma primitiva de g(x), ento 4
2 1

t3 dt = f (2) f (1) =

24 14 15 = . 4 4 4

Fcil, no?! a a

B.7. O LOGARITMO

229

Existe uma notao que facilita a vida quando calculamos integrais na prtica. Escreveca a mos b f (t)|a = f (b) f (a) . Assim, com essa notao, ca
2

t3 dt =
1

t4 4

.
1

Outra notao bastante utilizada se aproveita do fato de que primitivas e integrais inca denidas so a mesma coisa. Ento, quando queremos dizer que f (x) primitiva de g(x) a a e escrevemos g(x)dx = f (x) + C , sem indicar extremos de integrao. A constante somada simblica e apenas indica que ca e o a expresso dada em f (x) no a unica primitiva de g, e as demais podem ser obtidas a a e somando-se uma constante a ela. Essa notao conhecida como notaao de Leibniz. Por ca e c exemplo, sin x = cos x + C .

B.7

O logaritmo

Uma das funes mais importantes denidas a partir de uma integral indenida o logaritmo co e natural. A abordagem que seguiremos aqui para falar de logaritmos, exponenciais, etc, no a das mais usuais, porm talvez seja mais fcil at do que aquela que estamos acostumados e e a e a ver desde os tempos do colgio. Ao nal nada do que j sab e a amos anteriormente ser a derrubado. Pelo contrrio, iremos chegar a nossas certezas atravs de uma argumentao a e ca lgica. o
1 a Considere a funo g(x) = x , cujo grco ca est desenhado ao lado. Essa funo diverge a ca em x = 0 e no est denida nesse ponto. a a Restringiremo-nos de in cio ` parte positiva a 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 dt . t

Observe no desenho que, para x > 1 essa funo positiva e representa a rea sob o ca e a grco de g no intervalo [1, x]. Para x < 1, no entanto, a integral corre em sentido contrrio, a a logo vale o negativo da rea sob o grco. Alm disso, evidentemente, ln 1 = 0. a a e

230

APENDICE B. REVISAO DE CALCULO

ln x

Lembremos sempre que essa funo, por ser uma primica 1 1 tiva de x tem derivada exatamente igual a x : (ln x) = 1 . x

x 1

O grco de ln x est esboado ao lado. Quando x tende a a c a zero a funo tende a e quando x tende a innito ca a funo tambm tende a innito. Esses fatos podem ca e ser demonstrados levando-se em conta os comentrios a abaixo.

A propriedade mais marcante que conhecemos que o logaritmo do produto a soma e e dos logaritmos, isto , e ln xy = ln x + ln y . Essa propriedade pode ser deduzida da denio que demos. Pois isso o mesmo que provar ca e que xy x y 1 1 1 dt = dt + dt . t t 1 1 1 t Para tanto, separamos a integral do lado esquerdo em dois pedaos: c
xy 1 x 1 xy x

1 dt = t

1 dt + t

1 dt . t

S falta vericar que o

xy 1 dt x t

igual a e

y 1 dt. 1 t y 1 dt 1 t

A 1 1/ y 1 B 1/x 1/xy x xy y

A integral dada por

a rea da regio A na gura ao lado, e a a

A = {(t, s) ; 1 t y , 0 s 1/t} , e a outra integral, por


xy 1 dt x t

a rea da regio B, dada e a a

B = {(t, s) ; x t xy , 0 s 1/t} . Mostremos a seguinte armao: (t, s) um ponto de A ca e 1 se e somente se (xt, x s) um ponto de B. Assim, B e e obtido de A pela multiplicao por x na horizontal e por ca 1 a co x na vertical. Em termos de rea, as duas multiplicaes se cancelam, e a rea de B tem que ser igual ` rea de a aa A.

B.7. O LOGARITMO

231

J a armao mostrada assim: (t, s) A se e somente se 1 t y e 0 s 1 , que a ca e t 1 1 1 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 inteiro. o e Para ver isso, primeiro vericamos que se n = 0 ento xn = x0 = 1 e ln x0 = ln 1 = 0 = 0ln x. a Se n = 1 a frmula tambm est trivialmente correta. Se n 2 basta fazer a recurso o e a 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 b a ca e positivo e b = 1, chamaremos de logaritmo de x na base b ao nmero u logb x ln x . ln b

Essa denio pode parecer estranha. Anal, a denio a que estamos acostumados diz ca ca 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 bn n ln b ln x = = =n. logb x = ln b ln b ln b 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 natural um e e logaritmo em alguma base. Suponha que 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 Euler. u e u Ele vale, at a nona casa decimal depois da v e rgula, 2.718281828 . . .

232

APENDICE B. REVISAO DE CALCULO

Outra denio que provm do logaritmo natural a da funao exponencial. A funo exca e e c ca ponencial a inversa da funo logaritmo natural e denotada por exp(x). Geometricamente, e ca e 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 a (ver gura abaixo, ` esquerda). a

ln x

exp(x) 1 x x

1 exp(x)

Ento o grco da exponencial assume o aspecto da gura acima, ` direita. Enquanto o a a a dom nio do logaritmo natural o conjunto dos nmeros positivos e sua imagem o conjunto e u de todos os nmeros reais, com a exponencial ocorre o inverso: ela est denida para todos u a os nmeros reais, mas s assume valores positivos. u o Lembremos tambm que a denio geomtrica dada acima signica que exp(ln x) = x, e ca e 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) ,

B.8. O TEOREMA DO VALOR MEDIO deniremos a operao de potenciaao br , com b > 0 e r qualquer: ca c

233

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 n 1 1 1 1

br exp(r ln b) .

b. n Isso explica por que denotamos b b. Finalmente, interessante notar que, com essa denio, e ca b2 = ex = exp(x ln e) = exp(x) , isto , a exponencial a potenciao do nmero de Euler e! e e ca u

B.8

O Teorema do Valor Mdio e

Cientes do fato de que o clculo de integrais depende de nossa capacidade de achar primitivas, a o que por sua vez depende de nossos conhecimentos sobre derivao de funes, voltemos ao ca co estudo das derivadas! Nesta curta Seo, enunciaremos o Teorema do Valor Mdio. Depois, ca e nas demais sees, obteremos regras de derivao e delas conseguiremos tambm mtodos de co ca e e primitivizao. ca Imagine uma funo denida num intervalo [a, b], cujo ca grco mostrado na gura ao lado. Agora trace uma a e reta L ligando os pontos (a, f (a)) e (b, f (b)) (indicada na gura por uma linha tracejada). A inclinao dessa ca reta dada por e f (b) f (a) . ba
f(b)

f(a) c b

O Teorema do Valor Mdio diz que existe (pelo menos) um ponto c no intervalo [a, b] tal e que a reta tangente a (c, f (c)) paralela a reta L. Como a inclinao dessa reta tangente e ` ca e dada por f (c), ento o Teorema do Valor Mdio diz que existe c [a, b] tal que a e f (c) = ou tal que f (b) f (a) , ba

O Teorema do Valor Mdio tambm tem sua verso em termos de integrais. Seja g uma e e a funo cont ca nua no intervalo [a, b], e seja f sua primitiva. Ento existe c em [a, b] tal que a
b a

f (c)(b a) = f (b) f (a) .

g(t)dt = f (b) f (a) = f (c)(b a) = g(c)(b a) .

Ou seja, a integral pode ser trocada pela integral da funo constante g(c), que vale g(c)(ba). ca

234

APENDICE B. REVISAO DE CALCULO

B.9

A Regra da Cadeia

Freqentemente nos deparamos com funes compostas, e queremos achar suas derivadas. u co Por exemplo, f (x) = sin(x2 ) uma funo composta, resultante de se aplicar a funo seno e ca ca aps se elevar o nmero ao quadrado. Usaremos o desenho abaixo para representar essa o u 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 derivar a as funes que a compem. A motivao que daremos de sua veracidade ser baseada na co o ca a 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.

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 apenas e a 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)) .

B.9. A REGRA DA CADEIA

235

Alm disso, novamente por causa do Teorema do Valor Mdio, existe c = c(h) entre x e x + h e e tal que u(x + h) u(x) = u (c) (x + h x) = u (c) h . 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), e o a ponto d(h) tende a u(x). Como assumimos que as derivadas so cont a nuas, ento u (c) tende a 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. Por ca e 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 outra, ca co a ento a u(v(x)) = x para todo x no dom nio de v e v(u(x)) = x para todo x no dom nio de u. Isso ocorre por exemplo com as funes ln x e ex . Derivando 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 de o ca a u(x) = ex . Temos 1 1 = 1 = u(x) . 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 .

236

APENDICE B. REVISAO DE CALCULO

B.10

Regras do produto e do quociente


1 1 {f (x + h) f (x)} = {u(x + h)v(x + h) u(x)v(x)} . h h

Quando f (x) = u(x)v(x), quanto vale f (x)? Precisamos calcular o limite

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) v(x + h) v(x) u(x + h) u(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) , que a conhecida Regra do Produto. Por exemplo, e (x2 e2x ) = 2xe2x + x2 2e2x = 2x(1 + x)e2x . A Regra do Produto tambm pode ser usada para calcular a derivada de um quociente e f (x) = u(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 da o c a 1 1 1 e ca o ca e x2 a Cadeia: v(x) a funo x aplicada aps a funo v(x). Como a derivada de x 1 , ento

1 v(x) Logo u(x) v(x)

= v (x)

1 . v(x)2

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

B.11. TRUQUES DE PRIMITIVIZACAO: INTEGRACAO POR PARTES

237

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 tangente, e a ca que seno sobre cosseno, pode ser derivada com a Regra do Quociente. Obter as derivadas e das funes secante, cossecante e cotangente. Obter as derivadas das inversas das funes co co trigonomtricas, arcsin, arctan, etc. Em todos os casos procurar desenhar o grco dessas e a funes e interpretar as expresses obtidas!! co o

B.11

Truques de primitivizao: integrao por partes ca ca


u(x)v (x) = (u(x)v(x)) u (x)v(x) .

Se rearranjarmos a expresso da Regra do Produto, teremos a

Havendo a igualdade, os dois lados da equao tero as mesmas primitivas (que diferem no ca a 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, conra!!). Ento a a a c 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 a u(x) = ex e v (x) = x ter amos u (x) = ex e v(x) = 1 x2 , e ento 2 ex xdx = 1 2 x x e 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

B.12

Truques de primitivizao: substituio ca ca

Se da Regra do Produto decorre a Integrao por Partes, da Regra da Cadeia segue a tcnica ca e de Substituio. A Regra da Cadeia diz que ca f (g(x)) = f (g(x))f (x) .

238 Em termos de primitivas, temos f (g(x))f (x)dx =

APENDICE B. REVISAO DE CALCULO

f (g(x)) dx + C = f (g(x)) + C .

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 .

Embora ao leitor no parea acrescentar nada nesse caso, esse processo pode ser automatizado a c 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 x 1 + x2 dx = 1 (1 + x2 )3/2 + C . 3

Em algumas situaes no evidente a substituio a ser feita. Seja H(x)dx a primitiva co a e ca a calcular. Chame u = g(x), escolha que apenas uma tentativa e depende do feeling em e relao ao problema. Se for poss inverter a funo g ento teremos x = g 1 (u). Agora ca vel ca a du = g (x)dx, isto , e du = g (g 1 (u))dx ,

B.12. TRUQUES DE PRIMITIVIZACAO: SUBSTITUICAO logo dx =

239

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) para a obter a primitiva desejada de H: H(x)dx = F (g(x)) + C . ca Vejamos um exemplo. Queremos determinar x2 x + 1dx. Podemos fazer a substituio a u = x + 1. Ento invertemos e obtemos x = u2 1, com dx = 2udu. Em 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 termo, e a o para obter 2 2 4 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 .

240

APENDICE B. REVISAO DE CALCULO

Apndice C e

Frmula de Taylor o
C.1 Introduo ca

Na Parte II deste livro abordada a questo da aproximao de uma funo por polinmios: e a ca ca o dado um nmero inteiro n maior ou igual a zero, qual o melhor polinmio, entre aqueles u e o 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 proximia o e dade. Isto , uma maneira de dizer o quanto um polinmio est distante de f , que permita e o a decidir, entre dois dados polinmios, qual aquele que est mais perto de f . O critrio o e a e adotado o do qui-quadrado: se p o polinmio ento mede-se 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 nada e adianta que p seja exatamente igual a f em certa parte do intervalo se em outra a diferena c se torna enorme, fazendo aumentar o valor da integral. 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 dado ca a intervalo xo, mas sim na vizinhana de um ponto. Fixado um ponto w, no nos interessar c a a o que acontece com a funo longe do ponto w. 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 aproxima f o em w melhor do que q se p(x) f (x) <1 q(x) f (x) quando x est sucientemente perto de w. Ou seja, se tomarmos x sucientemente prximo a o de w ento a diferena |p(x) f (x)| ca menor do que a diferena |q(x) f (x)|. Obviamente a c c a frao s tomada quando o denominador for no nulo. ca o e a 241

242

APENDICE C. FORMULA DE TAYLOR Em geral, teremos que essa frao vai a zero, o que pode ser expresso da seguinte maneira: ca
xw

lim

p(x) f (x) =0. q(x) f (x)

Podemos ver alguns exemplos simples, para aos poucos chegarmos a enunciados mais gerais.

C.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: p(x) = a0 o e a o e p(x) = b0 , para todo x, com a0 = b0 . Para sabermos qual dos polinmios aproxima melhor o 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 esse a o e o valor limite, quando x estiver bem prximo de w o quociente ser tambm menor do que o a e 1, e ento p aproximar melhor do que q em w. Se for o contrrio, isto , b0 mais perto de a a a e 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 w, a c 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 p(x) = o e f (w) = A.

C.1.2

Aproximao da funo nula ca ca

Vale a pena entender tambm o que se passa com a funo f (x) 0, a funao nula, tomando, e ca c para facilitar, o ponto w = 0. Pela Subseo anterior, o melhor polinmio de grau zero que ca o aproxima f em w p(x) 0. Tambm p(x) 0 = 0 + 0 x o melhor polinmio de grau 1 e e e o a aproximar f , de fato, para qualquer n o melhor polinmio de grau n. e o Fica para o leitor se divertir em demonstrar (ou vericar) isso.

C.1.3

Aproximao de grau 1 ca

Vejamos como melhor aproximar uma funo f em w por um polinmio de grau 1, supondo ca o que ela seja derivvel. a Em primeiro lugar, fcil ver que o polinmio p(x) deve ter, como termo de grau zero, o e a o valor de f em w, pela mesma razo com que o melhor polinmio de grau zero tinha que ser a o igual a f (w). Ento a p(x) = f (w) + (x w)

C.2. POLINOMIO E FORMULA DE TAYLOR

243

(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 aproxima e o f em w, em detrimento de outros polinmios q(x) = f (w) + (x w), com = f (w). Basta o 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 que o co denominador tende a f (w) , que diferente de zero. Portanto a frao toda vai a zero, e ca mostrando o que hav amos armado. Conclui-se ento que a melhor aproximao de grau 1 de f em w corresponde ` (nica) a ca a u reta que passa por w e tem inclinao f (w). ca

C.2

Polinmio e Frmula de Taylor o o

A ultima armao da Seo anterior mais ou menos intuitiva. Ela diz que a melhor reta ca ca e 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, pode-se co mostrar (e o faremos logo abaixo) que o polinmio de grau n que melhor aproxima f em w o 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 E claro que ao fazermos tal armao estamos automaticamente supondo que f pode ser ca diferenciada n vezes em w! Para facilitar as coisas iremos supor que a funo f tantas vezes ca e

244

APENDICE C. FORMULA DE TAYLOR

diferencivel quanto queiramos, e alm do mais todas as suas derivadas de qualquer ordem a e so funes cont a co nuas. Esse , de fato, o caso da maioria das funes com que iremos nos e co deparar em aplicaes (obviamente h excees, e nesses casos h que se tomar os devidos co a co a 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 (n) (w) f (w) (x w)2 + . . . + (x w)n 2 n!

satisfaz as exigncias acima. Este o chamado polinmio de Taylor de ordem n de f em w. e e o Antes de examinarmos a veracidade da generalizao feita acima, podemos tambm nos ca e perguntar em que grau boa a aproximao por polinmios, em w, da funo f . Mais e ca o ca especicamente, podemos investigar a diferena f (x) pn (x) quando x se aproxima de w. c 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). Pelo e e a Teorema Fundamental do Clculo, temos a
x

R1 (x) =
w

f (t)dt f (w)(x w)
x

e, nesta nova expresso, podemos reconhecer a integrao por partes a ca R1 (x) =


w

(x t)f (t)dt .

Podemos agora estimar R1 (x), usando o Teorema do Valor Mdio, em sua verso integral. e a 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|

Conclui-se ento que o resto no s tende a zero quando x tende a w como tende a zero a a o mais rapidamente do que a diferena x w. c A segunda etapa ver o que acontece com ordens mais altas. Vejamos o que acontece ao e passarmos para ordem 2. Como p2 (x) = p1 (x) + f (w) (x w)2 , 2

Quando x tende a w a diferena |x | tende a zero, uma vez que est entre w e x. Alm c a e disso, como estamos supondo que todas as derivadas de f sejam cont nuas, f () tende a f (w). Logo |R1 (x)| lim =0. xw |x w|

C.2. POLINOMIO E FORMULA DE TAYLOR temos R2 (x) = f (x) p2 (x) = f (x) p1 (x) Mas f (x) p1 (x) = R1 (x), de forma que
x

245

f (w) (x w)2 . 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 w

(x t)2 f (t)dt .

Usando novamente o Teorema do Valor Mdio para a integral, conseguimos mostrar que e
xw

lim

|R2 (x)| =0. |x w|2

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 w

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

A funo Rn tem a propriedade de que ca


xw

lim

|Rn (x)| =0. |x w|n

Se delimitarmos um intervalo onde a (n + 1)-sima derivada de f seja cont e nua, seu mdulo ter um mximo nesse intervalo, que denotaremos por max |f (n+1) |. Como o mdulo o a a o da integral menor ou igual ` integral do mdulo (em um intervalo orientado positivamente), e a o temos x 1 |Rn (x)| |x t|n |f (n+1) (t)|dt n! w e x max |f (n+1) | |x t|n dt . |Rn (x)| n! w Fazendo um grco de |x t|n entre w e x, e prevendo as possibilidades de que x < w e a w < x, o leitor pode vericar facilmente que
x w

|x t|n dt =

|xw| 0

un du =

|x w|n+1 . n+1

Ento a |Rn (x)|

max |f (n+1) | |x w|n+1 . (n + 1)!

246

APENDICE C. FORMULA DE TAYLOR

Podemos agora entender a razo pela qual o polinmio de Taylor pn a melhor aproa o e ximao de grau n de f em w. Primeiro notamos que ca lim Rn (x) =0 (x w)m

xw

para qualquer m menor ou igual a n (tiramos os mdulos para facilitar as coisas, uma vez o que o limite de uma expresso zero se e somente se o limite do mdulo da mesma expresso a e o a zero). Basta multiplicar o numerador e o denominador por (x w)nm , cando com e 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 so o a a a iguais, a diferena entre eles um polinmio de grau no mximo n, que podemos escrever c e o a 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 (quando u e a o 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 zero o quando x tende a w. Finalmente comparamos a proximidade de pn e q com f , para mostrar que pn est mais a prximo de f em w do que q. Temos o Rn (x) f (x) pn (x) = , f (x) q(x) Rn (x) + pn (x) q(x) lembrando da prpria denio de Rn . A partir das consideraes acima, essa frao pode o ca co ca 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.

Apndice D e

Respostas de exerc cios selecionados


1.1 O polinmio interpolador p(x) o e calculados pelo sistema linear 1 1 1 0 1 3 1 4 cuja soluo a0 = 1, a1 = ca e 1.2 p(x) = x3 2x2 + 3x + 1 2.3 x1 = 0.258 e x2 = 3.29 2.4 No loop ` esquerda temos 19 + 6I1 + I3 + 6 + 4I1 = 0 e no loop ` direita temos a a 4I2 + 2 I3 6 = 0. Com a equao I1 = I2 + I3 , obtemos o sistema linear AI = b onde ca 13 10 0 1 4 1 e b = 4 Depois do escalonamento com 2 algarismos A = 0 0 1 1 1 10 0 1.0 0 4.0 1.0 com vetor de permutaes co signicativos, obtemos A = 0.10 0.25 1.4 1 13 p = 2 e = 4.0 . A resposta nal I1 = 1.3A, I2 = 1.1A e I3 = 0.21A. b e 3 0.30 4.3 2.5 A = 0.16 0.21 4.2 4.1 0.80 1 1.1 3.4 0.080 , p = 3 , = 2.8 b 0.53 2 5.0 247 3.7 , x = 0.51 9.4
1 12 ,

= a0 + a1 x + a2 x2 + a3 x3 onde os coecientes so a a0 1 1 0 0 a1 9 27 a2 a3 16 64 0 1 = 1 0

3 1 a2 = 4 e a3 = 6 .

248 2.12 r(0) =

APENDICE D. RESPOSTAS DE EXERC ICIOS SELECIONADOS

1.5 2.2 r(0) = 0.94

1.5 0.23 0.59

c(0)

3.4 1.0 = 0.65 x(1) = 6.9 5.2 0.37

3.6 (a) A matriz no satisfaz o Critrio das Linhas para qualquer permutao de linhas. a e ca 3 169 23 5 (b) Com a permutao p = 1 , temos 1 = 6 , 2 = 23 , 3 = 192 e M = 24 < 1. ca 24 2 0.50000 0.87500 . (c) x(1) = 0.35938 (d) O erro inicial estimado por 5 e n 147. e