Você está na página 1de 175

Faculdade de Engenharia da Universidade do Porto

cnica e de Computadores Licenciatura em Engenharia Electrote

Apontamentos de An alise Num erica

An bal Castilho Coimbra de Matos

Setembro de 2005

Nota introdut oria


Estes apontamentos destinam-se a apoiar as aulas da disciplina de An alise Num erica da Licenciatura em Engenharia Electrot ecnica e de Computadores da Faculdade de Engenharia de Universidade do Porto. A sua organiza c ao reecte a forma como tenho vindo a leccionar as aulas te oricas desta disciplina desde o ano lectivo 2001/2002. Estes apontamentos n ao pretender ser um texto de refer encia, mas t ao s o permitir aos alunos um melhor acompanhamento da mat eria leccionada. Para um estudo mais aprofundado e sistem atico dos assuntos abordados, os alunos s ao remetidos para as diferentes obras referidas na bibliograa. As discuss oes mantidas com o Prof. Jos e Fernando Oliveira, principalmente no ano lectivo 2001/2002, e com o Prof. Carlos Mendon ca e Moura, desde ent ao, contribu ram de forma decisiva para a organiza c ao destes apontamentos. Por todos os ensinamentos, mas tamb em pela forma como correu e ainda decorre o trabalho realizado em conjunto na lecciona c ao de An alise Num erica, n ao poderia deixar de manifestar aqui o meu profundo agradecimento a estes meus Professores.

An bal Matos, Set/2005

Conte udo
1 Fundamentos 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Valores exactos e aproximados: erros . . . . . . . . . . . . . . . . . . . . . . . . . Algarismos signicativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas de v rgula utuante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aritm etica em representa c oes nitas . . . . . . . . . . . . . . . . . . . . . . . . . Propaga c ao de erros no c alculo de fun c oes . . . . . . . . . . . . . . . . . . . . . . C alculo de s eries e erro de truncatura . . . . . . . . . . . . . . . . . . . . . . . . 1 1 2 4 7 9 10 14 16 16 19 21 27 31 36 40 42 43 50 50 50 52 55 55 56 60

2 Equa c oes N ao Lineares 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M etodo das bissec c oes sucessivas . . . . . . . . . . . . . . . . . . . . . . . . . . . M etodo da falsa posi c ao (regula falsi ) . . . . . . . . . . . . . . . . . . . . . . . . M etodo iterativo simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M etodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M etodo da secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ordem de converg encia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Localiza c ao de zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ra zes de polin omios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 Normas de vectores e matrizes 3.1 3.2 3.3 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Normas de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Normas de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4 Sistemas de Equa c oes N ao Lineares 4.1 4.2 4.3 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . M etodo iterativo simples (itera c ao de ponto xo) . . . . . . . . . . . . . . . . . . M etodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

ii

5 Sistemas de Equa c oes Lineares 5.1 5.2 5.3 5.4 5.5 5.6 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Elimina c ao gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Erro e res duo de uma solu c ao aproximada . . . . . . . . . . . . . . . . . . . . . . Perturba c oes no sistema de equa c oes . . . . . . . . . . . . . . . . . . . . . . . . . M etodos iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Relaxa c ao dos m etodos de Jacobi e Gauss-Seidel . . . . . . . . . . . . . . . . . .

64 64 65 70 73 75 85 88 88 89 90 94 95 99 99

6 Aproxima c ao dos M nimos Quadrados 6.1 6.2 6.3 6.4 6.5 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fun c oes aproximantes e desvios . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aproxima c ao dos m nimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . Redu c ao a problemas de m nimos quadrados . . . . . . . . . . . . . . . . . . . . . Aproxima c ao em espa cos vectoriais e m nimos quadrados . . . . . . . . . . . . .

7 Interpola c ao 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Interpola c ao polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 Polin omio interpolador: unicidade e exist encia . . . . . . . . . . . . . . . . . . . . 102 Forma de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 Forma de Aitken-Neville . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 Diferen cas divididas e diferen cas nitas . . . . . . . . . . . . . . . . . . . . . . . 111 Interpola c ao directa e inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 Dupla interpola c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

7.10 Erro de interpola c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 7.11 Polin omios de Chebyshev e n os de interpola c ao . . . . . . . . . . . . . . . . . . . 124 7.12 Interpola c ao polinomial segmentada (splines) . . . . . . . . . . . . . . . . . . . . 126 8 Integra c ao Num erica 8.1 8.2 8.3 8.4 8.5 8.6 134

Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 Regras de integra c ao b asicas e compostas . . . . . . . . . . . . . . . . . . . . . . 135 Regra dos trap ezios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 Regra de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 Integra c ao de Romberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 Quadratura gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 149

9 Equa c oes Diferenciais Ordin arias: problemas de valor inicial 9.1 9.2 9.3

Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 Solu c ao num erica de equa c oes diferenciais . . . . . . . . . . . . . . . . . . . . . . 150 Equa c oes diferenciais ordin arias de ordem 1 . . . . . . . . . . . . . . . . . . . . . 151 iii

9.4 9.5 9.6 9.7 9.8 9.9

M etodos de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 M etodos de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 Consist encia e converg encia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 M etodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160 Sistemas de equa c oes diferenciais . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 Equa c oes diferenciais de ordem n . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 169

Bibliograa

iv

Cap tulo 1

Fundamentos
1.1 Introdu c ao

Sempre que se pretende tratar algum problema cuja solu c ao toma a forma do c alculo de um valor num erico e habitual ter de considerar n ao s o conceitos de car acter mais abstracto (que fornecem um modelo consistente para a an alise do problema) mas tamb em quest oes de natureza mais pr atica relacionadas com os c alculos a efectuar ou com os n umeros necess arios a ` realiza c ao de tais c alculos. Exemplo 1.1.1. Suponha-se que se pretende determinar o volume V de um paralelip pedo a partir dos comprimentos de tr es arestas a, b e c, perpendiculares entre si. Neste caso, o modelo abstracto consiste na express ao V = abc, que permite calcular o volume a partir dos comprimentos das tr es arestas. Para aplicar esta express ao e ent ao necess ario come car por medir cada uma das arestas. Ora, a ` medi c ao de cada uma das arestas est a associado um erro (erro de medida). Ou seja, o processo de medi ca o fornecer a valores aproximados dos comprimentos das arestas, sendo eventualmente poss vel obter alguma caracteriza c ao dos erros de medida. Ao efectuar, em seguida, o produto das medidas dos tr es comprimentos ir-se- a obter um valor que apenas poder a ser considerado uma aproxima ca o do volume do paralelip pedo. Obviamente que este valor aproximado ter a associado um erro que depender a dos erros cometidos nos processos de medida. A situa c ao descrita neste exemplo de n ao se conseguir obter um valor num erico exacto para muitos problemas e a mais comum. Esta impossibilidade pode ter origens diversas, de que s ao exemplos erros associados a processos de medida, modelos abstractos aproximados, ou c alculos efectuados de forma aproximada. Contudo esta situa c ao n ao e necessariamente m a, pois na grande maioria (ou at e talvez na totalidade) dos problemas bastar a obter um valor num erico sucientemente pr oximo do valor exacto. De uma forma simples, pode dizer-se que a An alise Num erica abrange o estudo de m etodos 1

Cap tulo 1. Fundamentos

e t ecnicas que permitam obter solu c oes aproximadas de problemas num ericos de uma forma por natureza uma disciplina que se situa na fronteira entre a Matem eciente. E atica e a Ci encia de Computadores. Neste cap tulo apresentam-se os conceitos fundamentais necess arios a ` compreens ao e utiliza c ao dos m etodos num ericos que ir ao ser estudados nos cap tulos subsequentes.

1.2

Valores exactos e aproximados: erros

Consideremos um problema cuja solu c ao e um n umero real. Este n umero e designado por valor exacto do problema e, no que se segue, ser a representado por x. Designa-se por valor aproximado ou aproxima c ao, e representa-se por x , qualquer valor que se pretende utilizar como solu c ao do problema. Associado a um dado valor aproximado x dene-se o erro de aproxima c ao como a diferen ca entre o valor exacto e o valor aproximado, isto e, x = x x .

x*

x*

Figura 1.1: Valor exacto e aproxima c ao. c ao diz-se ser por defeito, vericando-se ent ao que x > 0. No caso de x < x, a aproxima c ao diz-se ser por excesso, tendo-se ent ao que x < 0. No caso de x > x, a aproxima sabido que Exemplo 1.2.1. E 3 3.14159265359. Ent ao, 3.1 3.14 3.141 ...

s ao aproxima c oes de por defeito e 4 s ao aproxima c oes de por excesso. e designado por erro absoluto. O valor absoluto do erro de aproxima c ao, |x | = |x x |, c ao Note-se que de um modo geral, n ao e conhecido o erro x associado a uma dada aproxima edio x . De facto, se ambos fossem conhecidos, o valor exacto x poder-se-ia calcular por interm da express ao x = x + x , e ent ao n ao se utilizaria tal aproxima c ao! 3.2 3.15 3.142 ...

Cap tulo 1. Fundamentos

Assim, a situa c ao mais comum e aquela em que se conhece um determinado valor aproximado c ao x . Este intervalo e muitas vezes caracterizado x e um intervalo para o erro de aproxima a partir de majorantes do erro absoluto. A express ao erro m aximo absoluto e utilizada para designar um majorante do erro absoluto. E usual indicar o erro m aximo absoluto por . aximo absoluto , verica-se que Ent ao, se x for um valor aproximado de x com um erro m x [x , x + ]. Neste caso e habitual usar-se a nota c ao x = x . Exemplo 1.2.2. Ao escrever-se x = 1.23 0.02, pretende dizer-se que 1.23 e uma aproxima c ao de x com um erro m aximo absoluto de 0.02, ou seja, isto signica que x estar a no intervalo [1.21, 1.25]. e atrav es do erro relativo, que se dene por Outra forma de caracterizar uma aproxima c ao x |x | , |x| para valores de x diferentes de zero. Muitas vezes e tamb em considerado o erro relativo aproximado denido por |x | . |x |

A no c ao de erro relativo adv em do facto de o mesmo erro absoluto poder ter signicados reais diferentes consoante o valor exacto em causa. Os erros relativos exprimem-se habitualmente em termos percentuais. Por exemplo, um erro relativo de 0.02 e normalmente referido como um erro de 2%. Dene-se tamb em erro m aximo relativo, normalmente indicado por , como sendo um majorante do erro relativo, isto e, = , |x|

onde representa um erro m aximo absoluto. Tamb em aqui e normal trabalhar com a aproxima c ao do erro m aximo relativo dada por (notar o abuso de nota c ao) = , |x |

aximo absoluto conhecido. valor que e poss vel calcular com base na aproxima c ao x e no erro m e uma aproxima c ao de x com um erro m aximo relativo e equivalente a Assim, dizer que x dizer que o valor exacto x est a no intervalo [x (1 ), x (1+ )]. Neste caso, utiliza-se a nota c ao x = x (100 ) %. Exemplo 1.2.3. Ao escrever-se x = 1.2 5%, pretende dizer-se que 1.2 e uma aproxima ca o de x com um erro m aximo relativo de 5% (ou seja, 0.05). Signica isto que o valor exacto x estar a no intervalo [1.2 (1 0.05), 1.2 (1 + 0.05)], ou seja, [1.14, 1.26]. aximo relativo pode ser calculado a partir do erro Para uma dada aproxima c ao x , o erro m m aximo absoluto conhecido e vice-versa, ainda que de uma forma aproximada. Habitualmente,

Cap tulo 1. Fundamentos

os erros m aximos quer absolutos quer relativos s ao indicados com um n umero reduzido de casas decimais (raramente mais do que duas). Exemplo 1.2.4. ao Seja x = 3.45 com = 0.01. Ent ao Seja x = 2.7 com = 0.07. Ent
0.01 3.45

3 103 . 0.19.
|x |

0.07 2.7

A utiliza c ao abusiva do majorante do erro relativo dado por normalmente se ter que e
|x|

e justicada pelo facto de


|x |

|x|, ou, equivalentemente,

1, resultando em que os valores

sejam muito pr oximos. Isto ser a tanto mais verdade quando mais pequeno for .

1.3

Algarismos signicativos

Um n umero real x e representado na forma decimal (base 10) pelo seu sinal (+ ou ) e por uma sequ encia (nita ou n ao) de algarismos do conjunto {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} posicionada relativamente ao ponto (ou v rgula) decimal (.), ou seja, x = dn dn1 . . . d1 d0 .d1 d2 d3 . . . A necessidade de representar n umeros de diferentes grandezas de uma forma compacta conduziu a ` introdu c ao da designada nota c ao cient ca, que mais n ao e do que a introdu c ao na representa c ao de um factor multiplicativo correspondente a uma pot encia inteira da base de representa c ao, ou seja, de base 10. Assim, teremos x = dn dn1 . . . d1 d0 .d1 d2 d3 . . . 10e A parte da representa c ao dn dn1 . . . d1 d0 .d1 d2 d3 e designada por mantissa e o n umero inteiro e designa-se por expoente. A localiza c ao do ponto decimal na mantissa pode ser alterada, bastando para tal modicar o valor do expoente de forma correspondente. Por exemplo, o n umero 10.23 poder a ser tamb em representado por 1.023 10, 0.1023 102 , 102.3 101 , etc.. Note-se que mesmo a representa c ao decimal tradicional permite representar certos n umeros de mais do que uma forma (o n umero 2 pode tamb em ser representado por 1.9999999999 . . ., embora esta u ltima seja innita!). Como na pr atica apenas podemos utilizar representa c oes nitas e por vezes n ao queremos ou n ao podemos utilizar mais do que um dado n umero de algarismos da mantissa surge a quest ao de como representar um valor suposto exacto que a ` partida n ao ser a represent avel. Concretaao interessa mente, suponhamos que temos um valor com a mantissa d1 d2 . . . dn dn+1 dn+2 . . . (n a localiza c ao do ponto decimal, visto que pode ser alterada por simples manipula c ao do expoente) e que apenas pretendemos utilizar os n primeiros algarismos. Podemos aqui utilizar dois processos: a truncatura e o arredondamento.

Cap tulo 1. Fundamentos

No caso da truncatura, ignoram-se os algarismos da mantissa a partir do ndice n + 1, tendo em aten c ao que os que correspondam a algarismos inteiros devem ser substitu dos por zeros e posteriormente eliminados por altera c ao de expoente. A representa c ao assim obtida diferir a do valor original menos do que uma unidade da u ltima casa decimal n ao eliminada. Exemplo 1.3.1. Ao truncar os n umeros 123.56 e 123.51 ` as d ecimas, obtemos em ambos os casos 123.5. Ao truncar o n umero 7395 para as centenas, obter amos 73 102 . No caso do arredondamento, o objectivo e escolher o n umero represent avel mais pr oximo do valor original. Para tal, utilizam-se as seguintes regras a casa decimal n (e alteram-se se necess ario 1. se 0.dn+1 dn+2 . . . > 0.5 soma-se uma unidade ` as casas ` a esquerda desta), ou seja, arredonda-se para cima; em-se a casa decimal n, ou seja, arredonda-se para baixo; 2. se 0.dn+1 dn+2 . . . < 0.5 mant 3. se 0.dn+1 dn+2 . . . = 0.5 arredonda-se para cima ou para baixo de forma a que o algarismo da casa decimal n seja par (neste caso e tamb em poss vel utilizar o arredondamento para cima). Estas regras asseguram que toda a representa c ao aproximada obtida por arredondamento difere do valor original n ao mais do que 5 unidades da primeira casa n ao representada. Exemplo 1.3.2. Arredondar a `s d ecimas os n umeros: 1.26, 1.24, 1.25 e 1.35. De acordo com as regras acima temos: 1.3, 1.2, 1.2 e 1.4, respectivamente. as introduzida, para indicar que x e uma aproxima c ao de A utiliza c ao da nota c ao x = x , atr x com um erro m aximo absoluto tende a ser algo extensa e por tal pouco pr atica. Uma forma de tornar mais simples a representa c ao de aproxima c oes e considerar majorantes do erro absoluto c ao at e` a casa decimal 10n , cando apenas da forma 0.5 10n e representar apenas a aproxima impl cito qual o majorante do erro absoluto. Quando se utiliza esta conven c ao, os algarismos da mantissa de uma representa c ao, com excep c ao dos zeros ` a esquerda, designam-se algarismos de notar que esta simplica signicativos. E c ao da nota c ao acarreta uma perda de informa c ao, pois o erro m aximo absoluto inicial, , ser a sempre substitu do por um seu majorante da forma 0.5 10n . c ao apenas com algarismos A passagem de uma aproxima c ao da forma x para uma representa signicativos e normalmente efectuada em dois passos: primeiro majora-se por um n umero da forma 0.5 10n , depois arredonda-se x para a casa decimal 10n . Exemplo 1.3.3. A aproxima c ao 2.1 0.04 corresponde a dizer que o valor exacto est a no intervalo [2.06, 2.14]. Esta aproxima c ao representar-se-ia simplesmente por 2.1, signicando agora que o valor exacto estaria no intervalo [2.05, 2.15].

Cap tulo 1. Fundamentos

O exemplo seguinte mostra que por vezes e necess ario considerar um majorante maior de , de forma a garantir que todos os valores exactos poss veis est ao considerados. Exemplo 1.3.4. A aproxima ca o 51.231 0.023 corresponde a dizer que o valor exacto est a no intervalo [51.208, 51.254]. Majorando 0.023 por 0.05 e arredondando 51.231 para as d ecimas, ser amos levados a utilizar a representa c ao 51.2. Contudo esta representa c ao apenas retrata valores no intervalo [51.15, 51.25], n ao englobando todos os valores iniciais poss veis, sendo por isso inv alida. Ter-se-ia ent ao que considerar o majorante 0.5 para o erro absoluto e representar a aproxima c ao apenas por 51, o que indicaria que o valor exacto estaria no intervalo [50.5, 51.5]. O exemplo acima ilustra como pode ser enorme a perda de informa c ao ao utilizar representa c oes apenas com algarismos signicativos. Efectivamente, inicialmente sabia-se que o valor exacto estava num intervalo de largura 0.046 e no m apenas se pode concluir que ele est a num intervalo de largura 1. Para evitar estas situa c oes podem utilizar-se algarismos suplementares, que se sabe n ao serem signicativos, e que s ao representados entre par entesis. Assim, a aproxima c ao do exemplo acima representar-se-ia por 51.2(3), representando valores no intervalo [51.18, 51.28]. importante n E ao confundir esta nota c ao com a utilizada para representar algarismos que se repetem em d zimas innitas peri odicas! Exemplo 1.3.5. A tabela seguinte mostra alguns exemplos de aproxima c oes em que apenas se representam os algarismos signicativos. Em cada caso, e apresentado o erro m aximo absoluto, o menor intervalo em que se garante estar o valor exacto, o n umero de algarismos signicativos, bem como o erro m aximo relativo. x 2.24 2.240 1.5 102 1 102 0.1 103 0.005 0.0005 5 50 50 Intervalo [2.235, 2.245] [2.2395, 2.2405] [145, 155] [50, 150] [50, 150] Algarismos signicativos 3 4 2 1 1 2.2 103 2.2 104 3.3 102 5 101 5 101

Note-se a diferen ca entre as duas primeiras situa c oes, onde se real ca a utiliza c ao de um zero ` a direita depois do ponto decimal para signicar a exist encia de mais um algarismo signicativo e, logo, de um erro m aximo absoluto 10 vezes menor.

Este exemplo ilustra tamb em que o erro m aximo relativo diminui a ` medida que aumenta o n umero de algarismos signicativos de uma aproxima c ao. De facto, existe uma rela c ao entre estas quantidades, como se mostra no teorema abaixo. Teorema 1.3.1. Uma aproxima c ao com n algarismos signicativos tem um erro relativo aproximado inferior ou igual a 5 10n .

Cap tulo 1. Fundamentos

Demonstra c ao. Se x e uma aproxima c ao com n algarismos signicativos, ent ao x e da forma x = d1 d2 dn 10k , c ao utilizada, esta aproxima c ao ter a para algum k Z e com d1 = 0. De acordo com a conven ltima casa decimal representada). um erro m aximo absoluto = 0.5 10k (metade da u O erro m aximo relativo (aproximado) satisfaz = 0.5 10k 0.5 = = . |x | d1 d2 dn 10k d1 d2 dn

Como d1 = 0 tem-se que 10n1 d1 d2 dn < 10n , concluindo-se nalmente que 0.5 = 5 10n . 10n1

1.4

Sistemas de v rgula utuante

A representa c ao mais comum de n umeros reais em sistemas computacionais e realizada em v rgula utuante. Um sistema de v rgula utuante e caracterizado por 4 par ametros: a base de representa c ao ( ), o n umero de d gitos da mantissa (n) e os valores m aximos e m nimos do expoente (m e M , respectivamente). Tal sistema e habitualmente representado por FP(, n, m, M ). Assim, dizer que x FP(, n, m, M ) e equivalente a ter x = (0.d1 d2 . . . dn ) e onde e e um inteiro tal que m e M , e di , para i = 1, . . . , n, s ao d gitos na base . Note-se que habitualmente se tem que m < 0 < M , de forma a tornar poss vel representar n umeros com valores absolutos menores e maiores do que a unidade. Habitualmente, os sistemas computacionais utilizam sistemas de v rgula utuante de base 2, de forma a que apenas seja necess ario utilizar os d gitos 0 e 1. Obviamente que um sistema de v rgula utuante apenas permite representar um subconjunto nito de n umeros reais. Nestes sistemas, o conjunto de expoentes permitidos limita a gama de valores represent aveis e o n umero de d gitos da mantissa caracteriza a precis ao com que se podem aproximar n umeros que n ao tenham representa c ao exacta. Diz-se ainda que um sistema de v rgula utuante se encontra normalizado se apenas permitir representa c oes de n umeros cujo primeiro algarismo da mantissa seja diferente de zero, isto e, em de permitir a representa c ao do n umero zero. d1 = 0, isto para al Independentemente de se tratar de um sistema normalizado ou n ao, qualquer sistema de v rgula utuante ter a a si associado o n umero diferente de zero com menor valor absoluto represent avel bem como o n umero com o maior valor absoluto represent avel.

Cap tulo 1. Fundamentos

Quando se utiliza um sistema de v rgula utuante, as opera c oes aritm eticas ser ao realizadas sobre n umeros represent aveis nesse sistema. Contudo, em muitas situa c oes o resultado da opera c ao n ao ter a representa c ao exacta nesse sistema. Desta forma o valor fornecido pelo sistema computacional ser a um valor aproximado (tipicamente obtido por arredondamento ou truncatura). Os erros resultantes de tais aproxima c oes ser ao analisados na sec c ao seguinte. Situa c oes h a, todavia, em que o resultado de uma dada opera c ao se encontra fora da gama de valores represent aveis, seja porque o seu valor absoluto e n ao nulo mas inferior ao menor valor absoluto represent avel, seja porque o seu valor absoluto e superior ao maior valor absoluto represent avel. A primeira destas situa c oes e designada por underow e a segunda por overow. Nestes casos n ao e aconselh avel utilizar um n umero do sistema de v rgula utuante para representar o resultado, pois o erro relativo de tal aproxima c ao poder a ser arbitrariamente elevado. Por tal motivo, e comum os sistemas computacionais tratarem as situa c oes de overow e underow como situa c oes de erro. Rera-se tamb em que muitos sistemas computacionais n ao sinalizam a ocorr encia de underow, limitando-se a fornecer o valor 0 como resultado da opera c ao em causa. Exemplo 1.4.1. Consideremos um hipot etico sistema de v rgula utuante FP(10, 3, 10, 30) normalizado. Sejam ainda os n umeros x = 0.200 108 y = 0.400 105 z = 0.600 1028 todos com representa c ao exacta neste sistema. O resultado da opera c ao x y e 0.8 1014 . Este resultado n ao e represent avel no sistema considerado por o expoente ser inferior ao menor expoente represent avel. De facto o menor n umero positivo represent avel e 0.1 1010 . Assim a opera c ao x y resulta numa situa c ao de underow. O resultado da opera ca o z/x e 0.3 1037 . Este valor e superior ao maior valor (positivo) represent avel no sistema considerado, que e, ca o z/x resulta numa situa c ao de overow. 0.999 1030 . Verica-se assim que a opera Do exposto acima, pode facilmente concluir-se que a implementa c ao de um sistema de v rgula utuante pode ser bastante complexa, sendo necess ario denir, para al em dos par ametros (, n, m, M ), os algoritmos que implementam as opera c oes aritm eticas b asicas, a forma como s ao aproximados os resultados que n ao possuem representa c ao exacto, o tratamento de situa c oes de

Cap tulo 1. Fundamentos

underow e overow, entre outros. Assim, diferentes vers oes de um mesmo sistema de v rgula utuante FP(, n, m, M ), podem diferir em termos de implementa c ao de arredondamentos, tratamento de excep c oes, entre outros. De tal, facto resulta que as mesmas opera c oes aritm eticas, com os mesmos dados de entrada, possam produzir resultados diferentes, mesmo quando a ` partida se cr e estar a usar o mesmo sistema de v rgula utuante. Este facto pode ser bastante desvantajoso, nomeadamente em termos de repetibilidade de resultados, portabilidade de c odigo de computa c ao num erica e valida c ao de resultados. Como resposta a estas desvantagens surgiu em 1985 a norma IEEE 754 que dene formatos para precis oes simples, dupla e estendida, bem como directrizes de implementa c ao dos procedimentos de c alculo, arredondamentos e tratamento de excep c oes. Esta norma tem vindo a ser adoptada pelos fabricantes de sistemas computacionais.

1.5

Aritm etica em representa c oes nitas

O c alculo de uma express ao envolvendo m ultiplas opera c oes aritm eticas realizadas utilizando representa c oes nitas deve ser efectuado com algum cuidado. De facto, a necessidade de guardar resultados interm edios, obviamente utilizando uma representa c ao nita, faz com que se cometam diversos erros de arredondamento desses resultados interm edios, erros esses que se podem ir acumulando a ` medida que os c alculos progridem, podendo resultar em elevados erros no resultado nal. Um dos pontos a considerar adv em do facto de opera c oes aritm eticas que habitualmente gozam de associatividade (como a soma e a multiplica c ao) poderem perder essa propriedade quando se trabalha em representa c oes nitas. O exemplo seguinte ilustra este efeito. Exemplo 1.5.1. Calcular 0.5 + 0.024 + 0.012 utilizando 2 d gitos em v rgula utuante. a) Somando da esquerda para a direita (0.50 100 + 0.24 101 ) + 0.12 101 (0.50 100 + 0.02 100 ) + 0.12 101 0.52 100 + 0.01 100 0.53 100 b) Somando da direita para a esquerda 0.50 100 + (0.24 101 + 0.12 101 ) 0.50 100 + 0.36 101 0.50 100 + 0.04 100 0.54 100 Utilizando aritm etica exacta o resultado seria sempre 0.536. Este exemplo mostra que ao somar n umeros de magnitudes diferentes poder ao ser perdidos algarismos menos signicativos do n umero de menor magnitude, sendo o resultado afectado de um erro.

Cap tulo 1. Fundamentos

10

Este problema poder a ocorrer tamb em ao somar sequencialmente um elevado n umero de parcelas de magnitudes semelhantes e com o mesmo sinal: de facto, a magnitude da soma parcial poder a tornar-se elevada face ` a das parcelas, originando erros no processo de soma. Tal efeito pode tornar-se muito nefasto, fazendo com que o resultado nal obtido com aritm etica nita esteja muito longe do verdadeiro valor. Por exemplo, se numa m aquina com 4 d gitos de mantissa tentarmos somar sequencialmente um milh ao de parcelas de valor 1, obtemos como resultado ao 106 ! Efectivamente, nessa m aquina hipot etica, a soma de 104 com 1 nal o valor 104 , e n a ser evitado quer utilizando m aquinas com precis ao (leiaresulta em 104 . Este problema poder se n umero de d gitos da mantissa) suciente, ou ent ao, organizando os c alculos de uma forma alternativa, por exemplo, somando as parcelas duas a duas, e depois tais somas novamente duas as duas, etc. Outro caso que e necess ario ter em aten c ao e a subtrac c ao de dois n umeros quase iguais. Aqui, o resultado poder a ter um erro m aximo absoluto da sua ordem de grandeza, originando um erro relativo elevado. Este fen omeno de perda de algarismos signicativos e designado por cancelamento subtractivo. Exemplo 1.5.2. Efectuar a subtrac c ao 2.034 2.016 utilizando 3 d gitos em v rgula utuante. Resolu c ao Em primeiro lugar e necess ario representar os n umeros em quest ao apenas com 3 d gitos. Arredondando os dois n umeros dados para 3 algarismos obt em-se 2.03 e 2.02, respectivamente. O resultado aproximado da subtrac c ao, utilizando os n umeros arredondados e x = 0.01. O valor exacto da subtrac c ao e 0.018, pelo que o erro absoluto de x e 0.008 e o seu erro relativo e 44%, aproximadamente. O cancelamento subtractivo pode levar a resultados com elevados erros relativos que s ao sempre indesej aveis. No entanto, e por vezes poss vel dispor os c alculos de forma a evitar tal cancelamento. Exemplo 1.5.3. Seja x equivalente y= permite calcular y , evitando tal fen omeno. 1 e y = x+1 x. O c alculo de y pela express ao dada pode

originar um erro relativo elevado devido ao cancelamento subtractivo. Contudo, a express ao 1 x+1+ x

1.6

Propaga c ao de erros no c alculo de fun c oes

Nesta sec c ao iremos analisar como se propagam os erros de aproxima c ao no c alculo de fun c oes. Abordaremos primeiro o caso de uma fun c ao real de vari avel real e posteriormente o caso de uma fun c ao real de vari avel vectorial.

Cap tulo 1. Fundamentos

11

Seja ent ao f : R R. A situa c ao que iremos tratar pode descrever-se do seguinte modo: conhecendo uma aproxima c ao x de x, que valor y considerar para aproximar y = f (x) e como relacionar os erros de aproxima c ao de x e de y ? No caso de a fun c ao f ser cont nua verica-se que a ` medida que x se aproxima de x mais o c ao, que e a mais usual, pode utilizar-se o valor valor f (x ) se aproxima de f (x). Nesta situa y = f (x ) como aproxima c ao de y = f (x).

y* y x x*

Figura 1.2: f (x ) aproxima c ao de f (x). em caracterizar Para al em da determina c ao do valor aproximado de y = f (x ), interessa tamb o erro cometido nesta aproxima c ao, ou melhor, relacionar este erro com o erro de aproxima c ao claro que o erro y = y y depender a do erro x = x x e tamb em da de x por x . E fun c ao f em quest ao. De facto, o erro de aproxima c ao y e obtido pela express ao y = y y = f (x) f (x ) = f (x + x ) f (x ). Se a fun c ao f for continuamente diferenci avel, a aplica c ao do teorema do valor m edio permite escrever x) x f (x + x ) f (x ) = f (

f y* y x x* y* y x

x*

Fun c ao de varia c ao lenta

Fun c ao de varia c ao r apida

Figura 1.3: Inu encia de f na propaga c ao de erros.

Cap tulo 1. Fundamentos

12

para algum x entre x e x + x . Obt em-se ent ao que x) x , y = f ( ou ainda, x)| |x |. |y | = |f ( Sendo x um majorante para |x | conclui-se que |y | |f ||max x . Ent ao, o valor y = |f ||max x e um majorante para o erro absoluto da aproxima c ao y de y . Nesta express ao, o valor m aximo e determinado no intervalo [x x , x + x ]. de |f | Exemplo 1.6.1. Calcular um valor aproximado de y = sin x e o correspondente erro m aximo absoluto quando x 0.57 (isto e, x = 0.57 0.005). Resolu c ao Um valor aproximado ser ay = sin x = sin 0.57 O erro m aximo absoluto ser a y max
x

(1.6.1)

0.5396.

dy x = max |cos x| x x dx

No intervalo em quest ao, a fun c ao cos e positiva e decrescente. Ent ao y cos(0.57 0.005) 0.005 4.2 103

Finalmente tem-se que y = 0.5396 4.2 103 , ou ainda, y 0.54 5 103 . Partindo da equa c ao (1.6.1) pode escrever-se que |y | x)x |x | f ( = |y | y |x| permitindo obter o majorante para o erro relativo de y = f (x ) dado por y = f (x) onde x =
x |x| ,

x f (x)

max

e o m aximo de

xf (x) f (x )

e determinado no intervalo [x x , x + x ].

Dados x R e uma fun c ao f , o n umero de condi c ao de f em x e denido como sendo xf (x) . f (x) Este valor pode ser utilizado para avaliar a perda ou o ganho de algarismos signicativos no c alculo de uma fun c ao, uma vez que caracteriza a amplia c ao ou redu c ao do erro relativo. Quando o n umero de condi c ao for reduzido a fun c ao diz-se bem condicionada. Quando o n umero de condi c ao for elevado a fun c ao diz-se mal condicionada e o erro relativo e amplicado.

Cap tulo 1. Fundamentos

13

Exemplo 1.6.2. Quantos d gitos signicativos se podem perder no c alculo da fun ca o y = tan(x) quando x est a pr oximo de 1? E quando x est a pr oximo de 1.5? Resolu c ao Como
dy dx

= 1 + tan2 (x) tem-se que dy x dx y (1 + tan2 (x)) x tan(x) 1 + tan2 (1) 2.2 > 1 tan(1)

=
x=1

=
x=1

podendo perder-se um d gito signicativo. Repetindo os c alculos para x = 1.5, obter-se-ia poderiam perder at e 2 d gitos signicativos. Passemos agora a analisar o caso em que y depende de diversas vari aveis, isto e, quando y = f (x1 , x2 , . . . , xn ), onde f e uma fun c ao de R em Rn , que se considera continuamente diferenci avel. Para cada i = 1, . . . , n, seja x aximo absoluto xi . i , um valor aproximado de xi , com erro m Nestas condi c oes verica-se que
y = f (x 1 , x2 , . . . , xn ) dy dx

x y

21, concluindo-se que em tal caso se

aximo absoluto ser a um valor aproximado de y = f (x1 , x2 , . . . , xn ) com erro m


n

y =
i=1 n i=1 [xi

f xi

max

x i ,

onde cada um dos m aximos das derivadas parciais de f em rela c ao ` as diversas vari aveis independentes e determinado em xi , xi + xi ].
n

tamb E em poss vel obter o erro relativo m aximo para y dado por y =
i=1

f xi xi f

max

x i .

Nesta express ao, considera-se que xi e um majorante do erro relativo de x i , para i = 1, . . . , n. As maximiza c oes s ao ainda realizadas no conjunto indicado acima, tomando-se agora xi = xi |xi |. Exemplo 1.6.3. O erro m aximo absoluto no c alculo de s = a + b pode ser obtido a partir dos erros m aximos absolutos em a e b da seguinte forma s = s a
max

a +

s b

max

b = a + b .

Exemplo 1.6.4. O erro m aximo relativo no c alculo de w = xyz , pode ser obtido a partir dos erros m aximos relativos em x, y e z da seguinte forma w = w x w y w z x + y + x w max y w max z w max z x y z = yz x + xz y + xy xyz max xyz max xyz max z = x + y + z .

Cap tulo 1. Fundamentos

14

A terminar esta exposi c ao e conveniente salientar a import ancia de nas express oes de propaga c ao de erros absolutos e relativos se considerar o valor m aximo poss vel para o factor de amplica c ao (ou redu c ao do erro). Efectivamente, s o esta maximiza c ao garante que se conseguem obter majorantes para os erros nas vari aveis dependentes a partir dos erros nas vari aveis independentes. Contudo, em an alises mais simplicadas da propaga c ao de erros apenas se considera o valor de tal factor num ponto (normalmente o valor aproximado da vari avel independente). Este tipo de an alise e por vezes suciente pois nem sempre interessa conhecer um majorante do erro, mas apenas a sua ordem de grandeza.

1.7

C alculo de s eries e erro de truncatura

Por vezes a determina c ao de um certo valor envolve a realiza c ao de uma sucess ao innita de opera c oes. O erro cometido quando se toma uma aproxima c ao resultante da realiza c ao de um n umero nito de opera c oes designa-se erro de truncatura. Um dos casos em que se surge o erro de truncatura e no caso da aproxima c ao da soma S de uma s erie convergente Rn = S Sn . No caso geral n ao e simples determinar o n umero de termos a somar para calcular o valor da s erie com um dado erro m aximo pretendido. H a contudo um tipo de s eries, as s eries alternadas, em que esta tarefa e bastante simples, como refere o teorema seguinte. ao negativos, ou Teorema 1.7.1. Considere-se a sucess ao {an } n=0 decrescente e de termos n ao a s erie seja, a0 a1 . . . an . . . 0. Est S . Verica-se ainda que a soma parcial Sn =
i e convergente i=0 (1) ai n i c ao i=0 (1) ai verica a rela i=0 ai n i=0 ai .

pela soma parcial Sn =

Neste caso, o erro de truncatura ser a

para um n umero

|S Sn | an+1 , ou seja, o erro de truncatura e, em valor absoluto, inferior ou igual ao primeiro termo n ao considerado. Exemplo 1.7.1. A s erie alternada 1 e convergente para o valor
4.

1 1 1 1 + + 3 5 7 9

Determinar quantos termos s ao necess arios para calcular este

valor com um erro inferior a Resolu c ao O termo geral desta s erie e

104 .
(1)n 2n+1 ,

para n = 0, 1, . . .. Para se garantir o erro pretendido, o 1 104 2n + 1

primeiro termo a n ao considerar dever a satisfazer

Cap tulo 1. Fundamentos

15

ou seja, n 4999.5. Como n e inteiro far-se- a n = 5000, pelo que se dever ao somar os termos de 0 at e 4999. O erro de truncatura e particularmente importante quando se efectua a aproxima c ao de uma fun c ao por polin omios de Taylor, reduzindo assim o seu c alculo a ` realiza c ao de opera c oes de soma, subtrac c ao, multiplica c ao e divis ao, que s ao as opera c oes aritm eticas elementares ` a custa das quais todos os c alculos num ericos s ao realizados. O desenvolvimento de Taylor de uma fun c ao f em torno do ponto x0 permite escrever f (x) = f (x0 ) + f (x0 )(x x0 ) + + f (n) (x0 ) Px0 ,n (x)
x0 ) onde Rx0 ,n (x) = f (n+1) (x0 + (x x0 )) (x (n+1)!
n+1

(x x0 )n n!

+ Rx0 ,n (x)

para algum [0, 1].

O erro de truncatura na aproxima c ao f (x) Px0 ,n (x) e dado pelo resto de Taylor Rx0 ,n (x). Se 0 a aproxima c ao por polin omios de Taylor pode ser t ao boa se vericar que Rx0 ,n (x) quanto se queira, bastando para tal considerar um n umero sucientemente elevado de termos. Exemplo 1.7.2. Considere aproxima c oes da fun c ao ex no intervalo [2, 2] dadas por polin omios de Taylor. Qual dever a ser o grau do polin omio a utilizar se se pretender que o erro absoluto devido ` a truncatura da s erie seja inferior a 5 105 ? Resolu c ao O desenvolvimento de Taylor em torno de 0 e ex = 1 + x + onde Rn (x) = ex (x n+1)! , para [0, 1]. O erro absoluto devido a ` truncatura pode ser majorado da seguinte forma trunc = |Rn (x)| = ex uma vez que [0, 1] e x [2, 2]. Calculando estes majorantes para alguns valores de n, obt em-se os seguintes valores n 8 (2 n+1)!
n+1 n+1

n+

x2 xn + + + Rn (x), 2 n!

xn+1 2n+1 8 (n + 1)! (n + 1)!

10 4.1 104 11 6.8 105 12 1.1 106 13 1.5 107 Conclui-se ent ao que para n = 12 se tem trunc 1.0 105 , devendo-se portanto utilizar um polin omio de grau 12.

Cap tulo 2

Equa c oes N ao Lineares


2.1 Introdu c ao

Neste cap tulo iremos estudar alguns m etodos para a resolu c ao num erica de equa c oes alg ebricas n ao lineares, isto e, equa c oes que se possam escrever na forma f (x) = 0, onde f e uma fun c ao real de vari avel real. Todo o valor s que anula f , isto e, tal que f (s) = 0, designa-se por zero da fun c ao f ou solu c ao da equa c ao f (x) = 0.

f(x)

x
Figura 2.1: Zeros de uma fun c ao Perante uma equa c ao do tipo f (x) = 0, antes de tentar aplicar um qualquer m etodo de resolu c ao, e importante garantir que de facto a equa c ao tenha solu c ao, ou seja, que existe um real s tal que f (s) = 0. Muitas vezes importa tamb em determinar se a solu c ao e u nica, ou se existem diferentes solu c oes e, neste caso, saber qual ou quais importa determinar. Os m etodos de resolu c ao de uma equa c ao do tipo f (x) = 0 podem dividir-se em dois grandes grupos: m etodos directos e m etodos iterativos. Nos primeiros, a equa c ao e resolvida por interm edio de express oes que envolvem a fun c ao f . As solu c oes da equa c ao s ao determinadas de uma forma exacta ap os um n umero nito de opera c oes (supondo a utiliza c ao de aritm etica exacta). Estes m etodos apenas se aplicam a alguns tipos de problemas. Um exemplo e a f ormula resolvente de equa c oes do 2o grau.

16

Cap tulo 2. Equa c oes N ao Lineares

17

Os m etodos iterativos caracterizam-se por gerarem sucess oes convergentes para as solu c oes da equa c ao a resolver. Estes m etodos distinguem-se entre si pela forma como s ao geradas as sucess oes de solu c oes aproximadas. Os m etodos iterativos s ao aplic aveis vastas gamas de problemas. Contrariamente aos m etodos directos, que exigem formas bem espec cas da fun c ao f (por exemplo, fun c oes ans, quadr aticas, etc.), a aplica c ao de m etodos iterativos exige apenas a satisfa c ao de condi c oes sobre propriedades mais gerais da fun c ao f , como sejam continuidade, monotonia, diferenciabilidade, ou limites inferiores ou superiores de derivadas. Tipicamente, a aplica c ao de um m etodo iterativo parte de uma estimativa inicial, x0 , da solu c ao a determinar. Por aplica c ao de um procedimento bem denido, v ao sendo gerados os c ao s pretermos de uma sucess ao de estimativas {xn } que se pretende que convirja para a solu tendida. Em cada itera c ao e calculado um termo da sucess ao, ou seja, uma nova estimativa, ` custa da estimativa anterior, xk1 , por interm edio de uma regra que caracteriza o m etodo. xk , a erio de Este processo iterativo e terminado assim que a estimativa xk satisfaz um dado crit oximo de s ou f (xk ) ser pr oximo de 0) ou ap os um n umero paragem (por exemplo xk estar pr m aximo de itera c oes ou tempo de processamento.

valor inicial c ao 1a itera 2a itera c ao

x0

: : :

f (x0 ) = 0 f (x1 ) = 0 f (x2 ) = 0

x1

x2

. . . itera c ao k

xk : f (xk ) 0 ou xk s

Figura 2.2: Aplica c ao de um m etodo iterativo Quando se pretendem determinar m ultiplas solu c oes de uma equa c ao, ser a necess ario aplicar o m etodo iterativo para cada uma das solu c oes a calcular. Estas aplica c oes dever ao necessariamente partir de estimativas iniciais x0 diferentes. A aplica c ao bem sucedida de um m etodo iterativo para a determina c ao de uma solu c ao da equa c ao f (x) = 0 envolve um conjunto de quest oes que interessa analisar. A mais importante etodo. Como destas prende-se com a converg encia da sucess ao das estimativas {xn } gerada pelo m iremos ver, e poss vel estabelecer condi c oes, associadas a cada m etodo, que uma vez satisfeitas garantem que a sucess ao gerada converge para a solu c ao da equa c ao pretendida. Estas condi c oes s ao designadas por condi c oes sucientes de converg encia. E claro que existem situa c oes em que

Cap tulo 2. Equa c oes N ao Lineares

18

os m etodos produzem sucess oes convergentes para a solu c ao sem que as condi c oes sucientes sejam satisfeitas, mas . . . ser a que vale a pena arriscar? Outro aspecto a considerar e j a referido crit erio de paragem. Uma vez que e normal apenas se c ao s, n ao e de supor que se tenha xk = s garantir que a sucess ao {xn } converge para a solu a partir de uma dada itera c ao. O crit erio de paragem n ao e mais do que uma regra, a avaliar em cada itera c ao, que permite decidir se se p ara na estimativa mais actual ou se continua a calcular novas estimativas. Em abstracto devemos terminar a aplica c ao do m etodo iterativo oxima da solu c ao s, de acordo assim que a estimativa da itera c ao k , xk , esteja sucientemente pr com uma toler ancia denida. Note-se que que como s n ao e conhecido, para aplicar este tipo de crit erio ser a necess ario proceder a uma majora c ao do erro de aproxima c ao. Uma possibilidade oximo de zero. Como e terminar a aplica c ao do m etodo assim que f (xk ) seja sucientemente pr se ver a, e muitas vezes poss vel relacionar o erro de aproxima c ao s xk com o valor de f (xk ). Nas implementa c oes computacionais dos m etodos iterativos e ainda usual estabelecer um n umero m aximo de itera c oes ao m das quais o m etodo e terminado, mesmo que n ao se verique qualquer outro crit erio de paragem. Finalmente, mas n ao de menor import ancia, h a a considerar a maior ou menor rapidez de c ao pretendida s. De uma forma simplista, a rapidez converg encia da sucess ao {xn } para a solu de converg encia e medida atrav es da evolu c ao do erro de aproxima c ao ek = s xk em fun c ao do ndice de itera c ao k . Como iremos ver, esta evolu c ao depende do m etodo aplicado e tamb em das propriedades da fun c ao f que dene a equa c ao f (x) = 0. Antes de iniciar a exposi c ao dos diferentes m etodos iterativos, apresenta-se um resultado que relaciona o valor de uma fun c ao num ponto com a dist ancia desse ponto ao zero da fun c ao, que ser au nico nas condi c oes do teorema. Teorema 2.1.1. Seja f uma fun c ao continuamente diferenci avel no intervalo [a, b]. Suponha-se em que existe s [a, b] tal que f (s) = 0. Ent ao que m1 = min[a,b] |f ( )| > 0 e tamb |s x| |f (x)| m1 x [a, b].

Demonstra c ao. Sendo x [a, b], o teorema do valor m edio permite armar que f (s) f (x) = f ( )(s x) para algum entre x e s. Ent ao [a, b] e, uma vez que f (s) = 0, verica-se |f (x)| = |f ( )| |s x| m1 |s x|, obtendo-se o resultado pretendido, pois m1 > 0. Repare-se que a partir deste teorema e imediata a obten c ao de um crit erio de paragem. De facto se se parar a aplica c ao do m etodo assim que |f (xk )| m1 , garante-se que o erro absoluto da a majorado por . Contudo e necess ario conhecer um minorante em valor aproxima c ao xk est absoluto n ao nulo da derivada da fun c ao (m1 ).

Cap tulo 2. Equa c oes N ao Lineares

19

2.2

M etodo das bissec co es sucessivas

Consideremos uma fun c ao f cont nua um intervalo [a, b] e tal que f (a) e f (b) possuem sinais diferentes. O teorema dos valores interm edios permite armar que existe um n umero s no intervalo [a, b] tal que f (s) = 0. Para simplicar a exposi c ao vamos supor que tal n umero s e u nico. O m etodo das bissec c oes sucessivas parte do intervalo inicial [a, b] que se sabe conter o zero de f , suposto u nico. Em cada itera c ao e produzido um intervalo com metade do comprimento do intervalo actual. Para tal, divide-se o intervalo actual a meio e escolhe-se o subintervalo esquerdo ou direito de forma a que a fun c ao tenha sinais diferentes nos extremos do subintervalo escolhido. c ao n, calcula-se xn+1 = Ou seja, sendo [an , bn ] o intervalo na itera c ao. s [an , bn ] em qualquer itera
a n + bn 2 .

O valor xn+1 substitui

an ou bn consoante f (xn+1 )f (bn ) < 0 ou f (xn+1 )f (an ) < 0. Desta forma, assegura-se que

f(x)

a x1 b x

Figura 2.3: Bissec c oes sucessivas M etodo das bissec c oes sucessivas Inicializa c ao [a0 , b0 ] = [a, b] 1. Repetir 2. xn+1 =
a n + bn 2 ;

Se f (xn+1 )f (an ) < 0 Ent ao an+1 = an ; bn+1 = xn+1 ; Sen ao an+1 = xn+1 ; bn+1 = bn ;

At e

vericar crit erio de paragem

O teorema seguinte estabelece condi c oes sucientes para a converg encia do m etodo das bissec c oes sucessivas. Teorema 2.2.1. Seja f cont nua em [a, b] tal que f (a)f (b) 0, e seja s o u nico zero de f nesse intervalo. Ent ao, o m etodo das bissec c oes sucessivas gera uma sucess ao convergente para s. e crescente e limitada e a sucess ao {bn } e decrescente e limitada, Demonstra c ao. A sucess ao {an }

Cap tulo 2. Equa c oes N ao Lineares

20

pelo que s ao ambas convergentes. Como se verica que bn an = Como xn+1 =


a n + bn 2 b a 2n ,

conclui-se que lim an = lim bn = z , para algum z [a, b].

tem-se tamb em que lim xn = z .

A aplica c ao do m etodo garante que f (an )f (bn ) 0, para todo o n. Ent ao, como f e cont nua e, por hip otese, tem-se que [f (z )]2 0, o que implica que f (z ) = 0, ou seja, z = s, uma vez que s ou nico zero de f em [a, b]. Uma vez que s [an , bn ] e xn+1 =
a n + bn 2 ,

verica-se facilmente que ba bn an = n+1 2 2

|s xn+1 |

Pode ent ao armar-se que o erro absoluto da estimativa xn est a majorado por ba . 2n O n umero de itera c oes sucientes para garantir um erro absoluto n ao superior a pode ser calculado fazendo
b a 2n

obtendo-se o valor n log2 ba .

O exemplo seguinte ilustra a aplica c ao deste m etodo. Exemplo 2.2.1. Determinar uma aproxima c ao com um erro absoluto inferior a 5 103 da ( unica) solu c ao da equa c ao 1 + x + ex = 0 que se sabe estar no intervalo [2, 1]. Resolu c ao Verica c ao de condi c oes de converg encia A fun c ao f (x) = 1 + x + ex e mon otona, f (2) = 0.865 < 0, e f (1) = 0.368 > 0. Determina c ao do n umero de itera c oes Como se pretende uma precis ao de 5 103 deve-se escolher n tal que n > log2 1 (2) n > 7.6 n = 8 5 103
1 28

Efectuando 8 itera c oes a partir de [2, 1] tem-se um erro m aximo absoluto de Itera c oes Partindo do intervalo [2, 1], temos na primeira itera ca o, 2 + (1) = 1.5 2 f (1.5) = 0.277 x1 = Como f (1.5) f (2) > 0 o novo intervalo ser a [1.5, 1].

4 103 .

Cap tulo 2. Equa c oes N ao Lineares

21

Na segunda itera c ao temos 1.5 + (1) = 1.25 2 f (1.25) = 0.037 x2 = Como f (1.25) f (1.5) < 0 o novo intervalo ser a [1.5, 1.25]. A tabela seguinte apresenta os valores resultantes da aplica c ao do m etodo para as 8 itera co es necess arias.
n 0 1 2 3 4 5 6 7 an 2.000 1.500 1.500 1.375 1.313 1.281 1.281 1.281 f (an ) 0.865 0.277 0.277 0.122 0.043 0.004 0.004 0.004 bn 1.000 1.000 1.250 1.250 1.250 1.250 1.266 1.273 f (bn ) +0.368 +0.368 +0.037 +0.037 +0.037 +0.037 +0.016 +0.006 xn+1 1.500 1.250 1.375 1.313 1.281 1.266 1.273 1.277 f (xn+1 ) 0.277 +0.037 0.122 0.043 0.004 +0.016 +0.006 +0.001

Solu c ao A solu c ao da equa c ao ser a s = 1.277 4 103 , ou seja, s [1.281, 1.273].

2.3

M etodo da falsa posi c ao (regula falsi )

O m etodo da falsa posi c ao (tamb em designado por regula falsi ) permite tamb em determinar o zero (suposto u nico) de uma fun c ao f cont nua num intervalo [a, b] que toma valores com sinais opostos nos extremos desse intervalo. A hip otese de exist encia de apenas um zero em [a, b] visa apenas facilitar a exposi c ao. Este m etodo e an alogo ao m etodo das bissec c oes, sendo em cada itera c ao o intervalo [an , bn ] dividido em duas partes. No entanto, a divis ao do intervalo e feita no ponto xn+1 , correspondente a intersec ` c ao com o eixo dos xx da recta que passa pelos pontos (an , f (an )) e (bn , f (bn )). Partindo da equa c ao f (bn ) f (an ) (x an ) bn an da recta que une os referidos pontos, conclui-se facilmente que y = f (an ) + xn+1 = an f (bn ) bn f (an ) f (bn ) f (an )

de notar que sendo f (an )f (bn ) < 0 se tem que xn+1 ]an , bn [. E Na itera c ao seguinte e utilizado o subintervalo [an , xn+1 ] ou o subintervalo [xn+1 , bn ], consoante cil de detectar) de se verique que f (an )f (xn+1 ) < 0 ou f (xn+1 )f (bn ) < 0. No caso (dif f (xn+1 ) = 0, a aplica c ao do m etodo pararia nessa itera c ao!

Cap tulo 2. Equa c oes N ao Lineares

22

f(x)

an

xn+1 bn

Figura 2.4: M etodo da falsa posi c ao O m etodo da falsa posi c ao corresponde a aproximar a fun c ao pela recta secante nos extremos do intervalo e a utilizar o zero de recta como estimativa do zero da fun c ao (da o seu nome). Esta aproxima c ao e tanto mais razo avel quanto mais o gr aco de f se aproximar de uma recta, avel). ou seja, f variar pouco (isto no caso de f ser diferenci M etodo da falsa posi c ao Inicializa c ao [a0 , b0 ] = [a, b] 1. Repetir 2. xn+1 =
a n f ( bn ) b n f ( a n ) f ( bn ) f ( a n ) ;

Se f (xn+1 )f (an ) < 0 Ent ao an+1 = an ; bn+1 = xn+1 ; Sen ao an+1 = xn+1 ; bn+1 = bn ;

At e

vericar crit erio de paragem

O teorema seguinte estabelece condi c oes sucientes para a converg encia do m etodo da falsa posi c ao. Teorema 2.3.1. Se a fun c ao f for cont nua e estritamente mon otona no intervalo [a, b] e se f (a)f (b) 0, ent ao o m etodo da falsa posi ca o produz uma sucess ao convergente para o u nico zero de f nesse intervalo. No m etodo da falsa posi c ao, n ao e poss vel, de um modo geral, determinar antecipadamente um n umero de itera c oes que garanta uma dada precis ao na aproxima c ao do zero da fun c ao. Assim, quando se pretende determinar o valor do zero com um dado erro m aximo absoluto e necess ario calcular estimativas do erro ao longo das itera c oes para vericar a satisfa c ao da precis ao requerida. O teorema seguinte apresenta uma forma de determinar um majorante do erro de aproxima c ao. Teorema 2.3.2. Seja f uma fun ca o continuamente diferenci avel no intervalo [a, b] e tal que f (a)f (b) 0. Denam-se m1 = min[a,b] |f ( )| e M1 = max[a,b] |f ( )|, e suponha-se que

Cap tulo 2. Equa c oes N ao Lineares

23

m1 > 0. Ent ao, o erro de aproxima ca o de s, u nico zero de f em [a, b], pela estimativa xn+1 satisfaz a rela c ao |s xn+1 | M1 m1 |xn+1 xn |. m1

O estabelecimento de um crit erio de paragem com base no majorante do erro denido atr as, pode ser feito como se indica em seguida. Ap os a determina c ao da estimativa xn+1 (de acordo com a express ao do m etodo da falsa posi c ao) e calculado do majorante do erro absoluto de xn+1 n+1 = M1 m1 |xn+1 xn | m1

parando-se a aplica c ao do m etodo assim que este majorante seja inferior a um dado valor pretendido. Para a utiliza c ao deste crit erio de paragem e necess ario determinar os valores m1 e M1 antes de iniciar a aplica c ao do m etodo. E tamb em importante notar que por vezes a estimativa do erro dada por este majorante poder a ser algo pessimista, sendo o erro absoluto em xn+1 bastante inferior a n+1 . Alternativamente, pode tamb em estabelecer-se um crit erio de paragem com base no majorante do erro de aproxima c ao fornecido pelo teorema 2.1.1. O exemplo seguinte ilustra a aplica c ao do m etodo da falsa posi c ao a ` equa c ao j a resolvida pelo m etodo das bissec c oes sucessivas. Exemplo 2.3.1. Utilizar o m etodo da falsa posi c ao para determinar uma aproxima ca o, com unico) zero da fun c ao f (x) = 1 + x + ex . um erro absoluto inferior a 5 103 , do ( Resolu c ao Converg encia e intervalo inicial f e estritamente mon otona e f (2)f (1) < 0, logo o m etodo converge. Estima c ao do erro f (x) = 1 + ex m1 = minx[2,1] |f (x)| = 1.1353 M1 = minx[2,1] |f (x)| = 1.3679 n = 0.205 |xn+1 xn |

Itera c oes Para o intervalo [2, 1] temos f (2) = 0.865 f (1) = 0.368 pelo que teremos x1 = (2) f (1) (1) f (2) = 1.298. f (1) f (2)

Cap tulo 2. Equa c oes N ao Lineares

24

Como o crit erio de paragem exige o conhecimento de duas estimativas consecutivas devemos a [1.298, 1]. prosseguir as itera c oes. Sendo f (x1 ) = 2.55 102 , o novo intervalo ser Para a segunda itera c ao temos ent ao x2 = (1.298) f (1) (1) f (1.298) = 1.297. f (1) f (1.298)

O majorante o erro de aproxima c ao ser a 2 = 0.205|x2 x1 | = 4 103 . Como 2 5 103 , o crit erio de paragem est a satisfeito, pelo o valor aproximado da solu c ao ser a x2 . A tabela seguinte apresenta os valores relevantes das itera c oes efectuadas.
n 0 1 an 2.000 1.298 f (an ) 0.865 0.026 bn 1.000 1.000 f (bn ) +0.368 +0.368 xn+1 1.298 1.279 f (xn+1 ) 2.55 10 8.22 104
2

n+1 +4.0 103

Solu c ao A solu c ao aproximada ser a ent ao s 1.279, com um erro absoluto m aximo de 4.0 103 .

Neste caso, o m etodo da falsa posi c ao demonstrou ser bastante mais eciente que o m etodo das bissec c oes sucessivas. No entanto, este comportamento nem sempre se verica, como se pode constatar pelo exemplo seguinte. etodo da falsa Exemplo 2.3.2. A determina ca o do zero de x + ex 5 no intervalo [0, 1.3] pelo m c ao posi c ao, com um erro m aximo de 5 103 , conduziu aos seguintes resultados (onde a majora do erro foi efectuada de acordo com o teorema 2.1.1).
n 0 1 2 3 4 5 50 51 52 an +0.000 +0.126 +0.237 +0.334 +0.420 +0.497 +1.065 +1.065 +1.065 f (a n ) 4.000 3.874 3.763 3.662 3.566 3.472 0.008 0.007 0.006 bn +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 f ( bn ) +37.274 +37.274 +37.274 +37.274 +37.274 +37.274 +37.274 +37.274 +37.274 xn+1 +0.126 +0.237 +0.334 +0.420 +0.497 +0.566 +1.065 +1.065 +1.065 f (xn+1 ) 3.87 3.76 3.66 3.57 3.47 3.37 6.64 103 5.54 103 4.63 103 n+1 +3.87 +3.76 +3.66 +3.57 +3.47 +3.37 +6.64 103 +5.54 103 +4.63 103
5

Analisando os resultados, verica-se que o extremo superior do intervalo permanece constante e o extremo inferior converge para o zero de f . Aplicando o m etodo das bissec c oes sucessivas ao mesmo problema, garante-se o mesmo erro m aximo apenas em 9 itera c oes!

Cap tulo 2. Equa c oes N ao Lineares

25

n 0 1 2 3 4 5 6 7 8

an +0.000 +0.650 +0.975 +0.975 +1.056 +1.056 +1.056 +1.056 +1.061

f (a n ) 4.000 3.227 1.611 1.611 0.220 0.220 0.220 0.220 0.094

bn +1.300 +1.300 +1.300 +1.138 +1.138 +1.097 +1.077 +1.066 +1.066

f ( bn ) +37.274 +37.274 +37.274 +2.853 +2.853 +0.990 +0.323 +0.038 +0.038

xn+1 +0.650 +0.975 +1.138 +1.056 +1.097 +1.077 +1.066 +1.061 +1.064

f (xn+1 ) 3.227 1.611 +2.853 0.220 +0.990 +0.323 +0.038 0.094 0.029

A converg encia lenta do m etodo da falsa posi c ao patente no exemplo acima est a relacionada com o facto de um dos extremos do intervalo que cont em a solu c ao permanecer inalterado, a ` medida que o outro extremo vai convergindo (lentamente) para a solu c ao pretendida, como se ilustra na gura.
y

1.3

x1 x2 x3

Figura 2.5: Converg encia lateral do m etodo da falsa posi c ao O teorema seguinte justica este tipo de comportamento caracter stico do m etodo da falsa posi c ao. Teorema 2.3.3. Se a fun c ao f for estritamente mon otona e duplamente diferenci avel no inao variar em [a, b], ent ao a sucess ao produzida tervalo [a, b], se f (a)f (b) 0 e se o sinal de f n pelo m etodo da falsa posi c ao converge monotonamente para o zero de f nesse intervalo. Tamb em se verica que um dos extremos do intervalo permanece inalterado. Sempre que se verica este comportamento, o m etodo da falsa posi c ao n ao fornece uma sucess ao de intervalos com largura a convergir para zero, contrariamente ao m etodo das bissec c oes sucessivas. Assim, e n ao e poss vel obter uma estimativa para o erro de aproxima c ao apenas com base na largura do intervalo utilizado em cada itera c ao. Note-se que este efeito de converg encia nua, se f (s) = 0, ent ao existe uma lateral verica-se em muitas situa c oes, pois sendo f cont ao troca de sinal! vizinhan ca de s em que f n

Cap tulo 2. Equa c oes N ao Lineares

26

Fb

Fb /2 Fb /4 a x1 x2 x3 x4 b

f (x)

Figura 2.6: M etodo da falsa posi c ao modicado O m etodo da falsa posi c ao modicado constitui uma alternativa ao m etodo da falsa posi c ao que procura evitar este tipo de comportamento. Este m etodo e em tudo an alogo ao da falsa posi c ao, excepto que sempre que f (xn )f (xn+1 ) > 0 o valor da ordenada do extremo do intervalo que se mant em constante e divido por 2. Procura-se desta forma evitar que um dos extremos do intervalo permane ca xo durante todo o processo iterativo. O teorema seguinte apresenta condi c oes sucientes para a converg encia do m etodo da falsa posi c ao modicado. Estas condi c oes s ao em tudo an alogas a `s apresentadas para o m etodo da falsa posi c ao. Teorema 2.3.4. Se f for cont nua, estritamente mon otona e tiver sinais contr arios nos extremos de um intervalo [a, b], a sucess ao produzida pelo m etodo da falsa posi ca o modicado converge para o zero de f em [a, b]. O estabelecimento de um crit erio de paragem com base no erro de aproxima c ao da estimativa xn pode ser feito recorrendo mais uma vez ao majorante fornecido pelo teorema 2.1.1. M etodo da falsa posi c ao modicado Inicializa c ao [a0 , b0 ] = [a, b]; Fa = f (a0 ); Fb = f (b0 ) 1. 2. Repetir xn+1 =
an Fb bn Fa Fb Fa ;

Se f (xn+1 )f (an ) < 0 Ent ao an+1 = an ; bn+1 = xn+1 ; Fb = f (xn+1 ); ao Fa = Se f (xn+1 )f (xn ) > 0 Ent ao Fb = Se f (xn+1 )f (xn ) > 0 Ent
Fa 2 ; Fb 2 ;

Sen ao an+1 = xn+1 ; bn+1 = bn ; Fa = f (xn+1 ); At e vericar crit erio de paragem

Apresenta-se em seguida a aplica c ao deste m etodo ao exemplo anterior. Como se pode vericar, o efeito da converg encia lateral, lenta por natureza, foi agora eliminado.

Cap tulo 2. Equa c oes N ao Lineares

27

Exemplo 2.3.3. Utilizar o m etodo da falsa posi c ao modicado para determinar uma aproxima c ao, com um erro absoluto inferior a 5 103 , do zero de f (x) = x + ex 5 no intervalo [0, 1.3]. Resolu c ao Converg encia f e estritamente mon otona e f (0)f (1.3) < 0, logo o m etodo converge. Estima c ao do erro f (x) = 1 + 5x4 ex Itera c oes
n 0 1 2 3 4 5 6 7 8 9 an +0.000 +0.126 +0.237 +0.415 +0.660 +0.921 +0.921 +1.037 +1.060 +1.060 Fa 4.000 3.874 3.763 3.572 3.206 2.138 2.138 0.639 0.129 0.129 bn +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.102 +1.102 +1.102 +1.067 Fb +37.274 +37.274 +18.637 +9.318 +4.659 +2.330 +1.198 +1.198 +0.599 +0.066 xn+1 +0.126 +0.237 +0.415 +0.660 +0.921 +1.102 +1.037 +1.060 +1.067 +1.065 f (xn+1 ) 3.87 3.76 3.57 3.21 2.14 +1.20 6.39 101 1.29 101 +6.65 102 1.61 103 n+1 +3.87 +3.76 +3.57 +3.21 +2.14 +1.20 +6.39 101 +1.29 101 +6.65 102 +1.61 103
5 5

minx[0,1.3] |f (x)| = 1

n = |f (xn )|

|xn s|

2.4

M etodo iterativo simples

O m etodo iterativo simples, tamb em designado por itera c ao de ponto xo, e um m etodo de import ancia fundamental e simultaneamente de grande simplicidade. Para aplicar este m etodo ` a resolu c ao de uma equa c ao do tipo f (x) = 0, e necess ario em primeiro lugar obter uma equa c ao equivalente a esta que tenha a forma x = F (x), onde F ser a uma nova fun c ao a determinar de modo que as duas equa c oes sejam equivalentes. ao {xn } por interm edio da rela c ao Em seguida, escolhe-se um valor inicial x0 e gera-se a sucess de recorr encia xn+1 = F (xn ) para n = 0, 1, . . .. A fun c ao F e por vezes designada fun c ao de recorr encia. A justica c ao do funcionamento deste m etodo reside no seguinte argumento. Se a sucess ao {xn } convergir, para um dado valor s, e se a fun c ao de recorr encia F for cont nua, verica-se ent ao que s = F (s), ou seja, que s e um ponto xo da fun c ao F . Uma vez que por hip otese se tem que f (x) = 0 x = F (x), conclui-se nalmente que f (s) = 0, ou seja, que o m etodo iterativo simples, quando convergente, produz sucess oes que convergem para zeros da fun c ao f .

Cap tulo 2. Equa c oes N ao Lineares

28

y=x F (x0 ) F (x2 )

F (x1 ) y = F (x) x0 x2 s x1

Figura 2.7: M etodo iterativo simples A implementa c ao deste m etodo e muito simples, bastando para tal encontrar uma fun c ao de recorr encia F e um valor inicial x0 . M etodo iterativo simples Inicializa c ao Escolher x0 Repetir At e xn+1 = F (xn ) vericar crit erio de paragem

Habitualmente, a fun c ao de recorr encia F e obtida por manipula c ao alg ebrica da equa c ao f (x) = 0 de forma a isolar num dos membros a vari avel x. Por exemplo, para aplicar este m etodo na c ao equivalente x = ex , resolu c ao da equa c ao x ex = 0 poder-se-ia passar para a equa em passar da equa c ao x = ex obtendo-se a fun c ao de recorr encia F (x) = ex . Poder-se-ia tamb (x) = ln(x), v para a equa c ao x = ln(x), obtendo-se a fun c ao de recorr encia F alida para x > 0. de referir que para uma dada equa E c ao f (x) = 0 se pode obter uma innidade de fun c oes de recorr encia F . Para isso, basta notar que f (x) = 0 x = x + rf (x) para qualquer r = 0, tendo-se F (x) = x + rf (x). etodo pode ter diferentes Dependendo da fun c ao de recorr encia F e do valor inicial x0 , o m comportamentos, alguns dos quais se podem observar na gura 2.4. Como se pode vericar, o m etodo nem sempre converge e, quando converge, a sucess ao gerada pode ser mon otona ou n ao. Uma vez que h a grande liberdade na escolha da fun c ao de itera c ao, e importante conhecer algum tipo de crit erio que permita avaliar se uma dada fun c ao de recorr encia (juntamente com um ponto inicial) gerar a ou n ao uma sucess ao convergente para a solu c ao s pretendida. O teorema seguinte apresenta condi c oes que garantem a converg encia do m etodo iterativo simples. Este teorema fornece um crit erio que permite seleccionar fun c oes de recorr encia desej aveis,

Cap tulo 2. Equa c oes N ao Lineares

29

y=x y = F(x)

y = F(x)

y=x

y = F(x) y=x

x0

x1 x2 s

x0 x2 s

x1

x0 x1 x2

Converg encia mon otona

Converg encia alternada

Diverg encia

Figura 2.8: Diferentes comportamentos do m etodo iterativo simples

isto e, tais que o m etodo convirja. Teorema 2.4.1. Se F for continuamente diferenci avel em [a, b], maxx[a,b] |F (x)| < 1 e existir ao gerada pelo s [a, b] tal que s = F (s), ent ao, para qualquer valor inicial x0 [a, b], a sucess m etodo iterativo simples converge para s. otese temos L < 1. Como s = F (x) e Demonstra c ao. Seja L = maxx[a,b] |F (x)|. Por hip x1 = F (x0 ) temos x1 s = F (x0 ) F (s) = F (0 ) (x0 s) para algum 0 [a, b]. Como x2 = F (x1 ) temos x2 s = F (x1 ) F (s) = F (1 ) (x1 s) = F (1 ) F (0 ) (x0 s) nio conclui-se que para 0 , 1 [a, b]. Continuando este racioc xn s = F (n1 ) F (n2 ) F (0 ) (x0 s) ao onde 0 , . . . n1 [a, b]. Ent |xn s| = |F (n1 )| |F (n2 )| |F (0 )| |x0 s| Ln |x0 s|. Como 0 L < 1, ent ao Ln 0 e logo |xn s| 0, ou seja xn s. Este teorema permite armar que se a fun c ao de recorr encia for tal que |F (s)| < 1, o m etodo oximo de s. Das iterativo simples converge desde que o valor inicial x0 esteja sucientemente pr muitas (innitas!) possibilidades de escolha de F e necess ario seleccionar uma que verique ca da solu c ao. |F (x)| < 1 numa vizinhan Uma vez analisada a quest ao da converg encia, vamos agora estudar o comportamento do erro de aproxima c ao, de forma a se poder estabelecer um crit erio de paragem. Na demonstra c ao do teorema acima obteve-se a express ao |xn s| Ln |x0 s|, (2.4.1)

Cap tulo 2. Equa c oes N ao Lineares

30

onde L = maxx[a,b] |F (x)|, que se sup oe ser inferior a 1. Esta express ao fornece um majorante c ao de x0 . Ora este u ltimo n ao e do erro de aproxima c ao de xn+1 com base no erro de aproxima habitualmente conhecido e um seu majorante conhecido pode ser bastante pessimista, pelo que ser a interessante encontrar outra express ao para o erro de aproxima c ao. No entanto, a express ao (2.4.1) permite desde j a prever que quanto mais pr oximo de zero for L, mais rapidamente convergir a para zero o erro de aproxima c ao, pelo que menos itera c oes ser ao necess arias para alcan car uma dada precis ao pretendida. Para obter uma express ao para o erro de aproxima c ao de xn+1 , vamos partir novamente da aplica c ao do teorema do valor m edio para a fun c ao F no intervalo de extremos xn e s, garantindose a exist encia de n nesse intervalo tal que F (xn )F (s) = F (n )(xn s). Agora pode escrever-se xn+1 s = F (n ) (xn s) xn+1 s = F (n ) (xn s xn+1 + xn+1 ) |xn+1 s| = |F (n )| |xn+1 s + xn xn+1 | |xn+1 s| L |xn+1 s + xn xn+1 | |xn+1 s| L (|xn+1 s| + |xn xn+1 |) (1 L) |xn+1 s| L |xn xn+1 | L |xn+1 s| |xn xn+1 |, 1L onde L = maxx |F (x)| se sup oe menor do que 1. O valor n+1 =
L 1L |xn+1

xn | constitui assim um majorante do erro em xn+1 , majorante esse

que pode ser calculado ap os a determina c ao de xn+1 . Se se pretender determinar s com um erro absoluto inferior a um dado , denido a ` partida, dever-se- a terminar a aplica c ao do m etodo erio de paragem, e apenas necess ario determinar L assim que n+1 . Para utilizar este crit antes de iniciar a aplica c ao do m etodo. Note-se no entanto que esta determina c ao de L e muitas vezes necess aria para garantir a converg encia do m etodo. Exemplo 2.4.1. Utilizar o m etodo iterativo simples para determinar uma aproxima c ao, com unico) zero da fun ca o f (x) = 1 + x + ex , que se sabe um erro absoluto inferior a 5 105 , do ( estar no intervalo [2, 1]. Resolu c ao Fun ca o de itera ca o e valor inicial Fazendo F (x) = 1 ex tem-se que f (x) = 0 x = F (x). Como F (x) = ex , verica-se que L = maxx[2,1] |F (x)| = 0.3679 < 1. encia do m etodo. Escolhendo x0 = 2 garante-se a converg (x)| > 1 em (x) = ln(1 x) n A fun c ao F ao poder a ser utilizada pois tem-se que maxx |F qualquer vizinhan ca da solu c ao!

Cap tulo 2. Equa c oes N ao Lineares

31

Estima c ao do erro n+1 =


L 1L

|xn+1 xn | = 0.582 |xn+1 xn |

Crit erio de paragem Estabelecendo o crit erio de paragem n+1 5 105 , garante o erro m aximo pretendido. Itera c ao 1 x1 = F (x0 ) = 1 ex0 = 1.13534 1 = 0.582 |x1 x0 | = 5 101 . Como 1 Itera c ao 2 x2 = F (x1 ) = 1 ex1 = 1.32131 2 = 0.582 |x2 x1 | = 1.1 101 . Como 2 5 105 continua-se a aplica ca o do m etodo. Itera c oes A tabela seguinte apresenta os resultados da aplica ca o do m etodo at e` a satisfa c ao do crit erio de paragem.
n 0 1 2 3 4 5 6 7 8 xn 2.00000 1.13534 1.32131 1.26678 1.28174 1.27756 1.27872 1.27839 1.27848 xn+1 = F (xn ) 1.13534 1.32131 1.26678 1.28174 1.27756 1.27872 1.27839 1.27848 1.27846 n+1 +5.0 101 +1.1 101 +3.2 102 +8.7 103 +2.4 103 +6.8 104 +1.9 104 +5.2 105 +1.5 105

5 105 continua-se a aplica c ao do m etodo.

Solu c ao A estimativa obtida ser as 1.27846, com um erro absoluto inferior a 2 105 .

2.5

M etodo de Newton

O m etodo de Newton e um dos m etodos mais poderosos para resolver equa c oes do tipo f (x) = 0. Tal como no caso do m etodo iterativo simples (de que pode ser considerado um caso particuao {xn } de uma forma lar), este m etodo parte de uma estimativa inicial x0 e gera uma sucess recorrente. e determinado como sendo a abcissa do ponto de intersec c ao Cada novo valor da sucess ao, xn+1 , com o eixo dos xx da recta tangente ao gr aco da fun c ao no ponto (xn , (f (xn )), ou seja, no ponto correspondente ao valor anterior da sucess ao. c ao de xn obt em-se facilmente A express ao de recorr encia que permite determinar xn+1 em fun

Cap tulo 2. Equa c oes N ao Lineares

32

f (x)

s x2

x1

x0

Figura 2.9: M etodo de Newton notando que a recta tangente ao gr aco de f no ponto (xn , (f (xn )) pode ser descrita pela equa c ao y = f (xn ) + f (xn ) (x xn ). De acordo com o exposto atr as, esta recta passar a tamb em pelo ponto (xn+1 , 0). Substituindo em-se na equa c ao da recta este ponto e resolvendo a equa c ao obtida em ordem a xn+1 obt xn+1 = xn f (xn ) , f (xn )

que ser a ent ao a express ao de recorr encia do m etodo de Newton. Rera-se que neste m etodo se c ao de recorr encia tem tamb em que xn+1 = F (xn ) para a fun F (x) = x Note-se ainda que se f (x) = 0 se tem que f (x) = 0 x = x f (x) . f (x) f (x) . f (x)

M etodo de Newton Inicializa c ao Escolher x0 Repetir At e xn+1 = xn


f (x n ) f (x n )

vericar crit erio de paragem

Antes de apresentar condi c oes que garantem a converg encia do m etodo de Newton, mostram-se gracamente na gura 2.5 algumas situa c oes em que o m etodo n ao produz sucess oes convergentes para a solu c ao da equa c ao que se pretende calcular. O teorema apresentado em seguida fornece condi c oes sucientes para a converg encia do m etodo de Newton. Estas condi c oes n ao s ao, em geral, necess arias, isto e, h a situa c oes em que elas n ao

Cap tulo 2. Equa c oes N ao Lineares

33

y = f(x)

y = f(x)

x1 s x1 x0 x2 x s x0 x2 x
Anulamento da derivada Mudan ca de concavidade

Figura 2.10: Alguns comportamentos indesej aveis do m etodo de Newton se vericam e o m etodo converge. Rera-se tamb em que e poss vel estabelecer outras condi c oes sucientes de converg encia. Teorema 2.5.1. Seja f C 2 ([a, b]; R) tal que f (x) = 0, e f (x) 0 ou f (x) 0 em [a, b]. Seja ainda s o ( unico) zero de f em [a, b]. Ent ao a sucess ao gerada pelo m etodo de Newton converge para s sempre que o ponto inicial x0 [a, b] satiszer f (x0 )f (x0 ) 0. Mais ainda, a sucess ao gerada e mon otona. Demonstra ca o. c ao e semelhante). Consideremos o caso f > 0 e f 0 (nos outros casos a demonstra 1. Seja ent ao x0 [a, b] tal que f (x0 ) 0, por forma a que f (x0 )f (x0 ) 0. 2. Como f e crescente tem-se ent ao que x0 s. 3. Como x1 = x0
f (x 0 ) f (x 0 ) ,

tem-se ainda que x1 x0 .

4. O desenvolvimento de Taylor de f em torno do ponto x0 permite escrever f (s) = f (x0 ) + f (x0 )(s x0 ) + f (0 ) (s x0 )2 , 2

otese, f (s) = 0, tem-se para algum 0 entre x0 e s. Como, por hip s x0 = f (0 ) f (x0 ) f (x0 ) (s x0 )2 f (x0 ) 2f (x0 ) f (x0 )

f (x 0 ) atendendo aos sinais de f e f . Como x1 = x0 f ao x1 s e tamb em f (x1 ) 0. (x0 ) , ent

as, e poss vel concluir que xn+1 xn que 5. Supondo que xn s, e argumentando como atr xn+1 s e ainda que f (xn+1 ) 0.

Cap tulo 2. Equa c oes N ao Lineares

34

6. Acabou de se mostrar, por indu c ao, que {xn } e decrescente e limitada inferiormente por e convergente, para um dado valor z , no intervalo [a, b]. s. Ent ao {xn }
(x n ) f (z ) 7. Como xn+1 = xn f ao fun c oes cont nuas, ent ao no limite tem-se z = z f f (xn e f e f s (z ) ,

ou ainda f (z ) = 0. 8. Sendo este zero u nico (devido a ` monotonia estrita de f ) conclui-se nalmente que z = s.

Vamos agora determinar a evolu c ao do erro de aproxima c ao para as estimativas geradas pelo m etodo de Newton. Na exposi c ao que se segue sup oe-se que {xn } [a, b]. encia 1. Mais uma vez, do desenvolvimento de Taylor de f em torno de xn , garante-se a exist de n entre xn e xn+1 tal que f (xn+1 ) = f (xn ) + f (xn )(xn+1 xn ) + f (n ) (xn+1 xn )2 . 2
f (x n ) f (x n ) ,

2. Da express ao de recorr encia do m etodo de Newton, xn+1 = xn que f (xn ) + f (xn )(xn+1 xn ) = 0, vericando-se assim que f (xn+1 ) = f (n ) (xn+1 xn )2 . 2

podemos concluir

(2.5.1)

3. Do desenvolvimento de Taylor de f em torno de s, garante-se a exist encia de n entre xn+1 e s, tal que f (xn+1 ) = f (s) + f (n )(xn+1 s). Uma vez que f (s) = 0, esta express ao pode ser escrita na forma f (xn+1 ) = f (n )(xn+1 s). 4. Combinando agora as express oes (2.5.1) e (2.5.2), pode escrever-se f (n )(xn+1 s) = ou ainda, |f (n )||xn+1 s| = f (n ) (xn+1 xn )2 , 2 |f (n )| |xn+1 xn |2 . 2 (2.5.2)

5. Denindo agora M2 = maxx[a,b] |f (x)| e m1 = minx[a,b] |f (x)|, e supondo que m1 > 0, pode armar-se que M2 |xn+1 xn |2 , 2m1 express ao esta que poder a ser utilizada para determinar o majorante do erro de aprox|xn+1 s| ima c ao de xn+1 , dado por n+1 = M2 |xn+1 xn |2 , 2m1

Cap tulo 2. Equa c oes N ao Lineares

35

Exemplo 2.5.1. Utilizar o m etodo de Newton para determinar uma aproxima c ao, com um erro unico) zero da fun c ao f (x) = 1 + x + ex , que se sabe estar no absoluto inferior a 5 106 , do ( intervalo [2, 1]. Resolu c ao Condi c oes de converg encia f (x) = 1 + ex f (x) = ex f >0 f >0

` direita do zero, garantindo f (x0 )f (x0 ) > 0. Ent ao, O m etodo converge desde que x0 esteja a encia do m etodo. escolhendo x0 = 1, garante-se a converg Estima c ao do erro Utilizando a estimativa do erro de aproxima c ao atr as deduzida temos m1 = M2 =
x[2,1] x[2,1]

min

|f (x)| = 1 + e2 = 1.1353 |f (x)| = e1 = 0.3679

max

M2 = 0.162 2m1 a um majorante do erro de xn+1 . pelo que n+1 = 0.162 |xn+1 xn |2 ser Crit erio de paragem De acordo com a majora c ao do erro o crit erio de paragem a utilizar ser a n+1 5 106 . Itera c ao 1 x1 = x0 f (x0 ) = 1.26894 f (x0 )

1 = 0.162 |x1 x0 |2 = 1.2 101 Como 1 Itera c ao 2 x2 = x1 f (x1 ) = 1.27485 f (x1 ) 5 106 , devemos prosseguir as itera c oes.

2 = 0.162 |x2 x1 |2 = 1.5 105 Como 2 5 106 , devemos prosseguir as itera c oes.

Itera c oes A tabela seguinte resume a aplica c ao do m etodo.


n 0 1 2 xn 1.00000 1.26894 1.27845 f (xn ) +3.68 101 +1.22 102 +1.27 105 f (xn ) +1.368 +1.281 +1.278 xn+1 1.26894 1.27845 1.27846 n+1 +1.2 101 +1.5 105 +1.6 1011

Cap tulo 2. Equa c oes N ao Lineares

36

Solu c ao A solu c ao aproximada ser as 1.27846 (com todos os algarismos exactos).

Neste exemplo vericou-se que o m etodo de Newton apresentou uma converg encia bastante mais r apida do que os m etodos anteriores, conseguindo-se uma precis ao maior num menor n umero de itera c oes. Como ser a discutido mais a ` frente, o m etodo de Newton e na generalidade dos casos um m etodo de converg encia mais r apida. Note-se no entanto que a sua aplica c ao exige o c alculo de valores da derivada da fun c ao e tamb em que as condi c oes para a sua converg encia podem ser mais dif ceis de vericar. A terminar a exposi c ao sobre o m etodo de Newton, apresenta-se em seguida um teorema que fornece outras condi c oes sucientes para a converg encia do m etodo de Newton. Este teorema justica a constata c ao de que o m etodo de Newton, de uma forma geral, e convergente desde oxima da solu c ao s a determinar. que parta de uma estimativa inicial x0 sucientemente pr ao Teorema 2.5.2. Sendo f C 2 ([a, b]; R) e s um zero de f em [a, b], tal que f (s) = 0, ent etodo de Newton converge para s sempre que existe > 0 tal que a sucess ao {xn } gerada pelo m x0 [s , s + ].

2.6

M etodo da secante

O m etodo da secante e semelhante ao m etodo de Newton, com a diferen ca de que a recta tangente ao gr aco da fun c ao e substitu da (como o pr oprio nome indica) pela recta secante nos dois u ltimos pontos. Este m etodo obriga a que em cada itera c ao sejam guardadas as duas u ltimas estimativas da solu c ao a determinar.

y = f(x)

s xn+1 xn

xn-1

Figura 2.11: M etodo da secante

Cap tulo 2. Equa c oes N ao Lineares

37

A recta que passa pelos pontos (xn1 , f (xn1 )) e (xn , f (xn )) e descrita pela equa c ao y = f (xn1 ) + f (xn ) f (xn1 ) (x xn1 ). xn xn1

e dada pela abcissa da intersec c ao desta recta com o eixo dos xx, tem-se Como a estimativa xn+1 e um ponto desta recta. Fazendo esta substitui c ao rapidamente se conclui que o ponto (xn+1 , 0) a dado pela express ao que xn+1 ser xn+1 = xn1 f (xn ) xn f (xn1 ) , f (xn ) f (xn1 )

onde se pode notar a semelhan ca com a express ao de recorr encia do m etodo da falsa posi c ao ou, equivalente, pela express ao xn+1 = xn f (xn ) f (xn1 )f (xn ) xn1 xn ,

que salienta a sua semelhan ca ao m etodo de Newton. Na aplica c ao do m etodo da secante n ao se garante que f tome em xn e xn1 valores com sinais a n ao estar entre xn e xn+1 . Este m etodo poder a n ao opostos. Assim, o ponto xn+1 poder convergir quando aplicado a problemas em que o m etodo da falsa posi c ao converge. M etodo da secante Inicializa c ao Escolher x1 e x0 Repetir At e xn+1 =
xn1 f (xn )xn f (xn1 ) f (xn )f (xn1 )

vericar crit erio de paragem

O seguinte resultado (que n ao ser a aqui demonstrado) fornece condi c oes sucientes para a con verg encia do m etodo da secante. E de notar a semelhan ca entre estas condi c oes e as condi c oes do teorema 2.5.1 relativo ao m etodo de Newton. Teorema 2.6.1. Seja f C 2 ([a, b]; R) tal que f (x) = 0, e f (x) 0 ou f (x) 0 em [a, b]. Seja ainda s o ( unico) zero de f em [a, b]. Ent ao a sucess ao gerada pelo m etodo da secante converge para s sempre que os pontos iniciais x1 , x0 [a, b] satiszerem f (x1 )f (x1 ) 0 e ao gerada e mon otona. f (x0 )f (x0 ) 0. Mais ainda, a sucess

De uma forma semelhante ao que foi efectuado para o m etodo de Newton, e poss vel obter um majorante do erro de aproxima c ao com base nas dist ancias entre estimativas consecutivas, tal como se mostra em seguida. 1. Consideremos a fun c ao polinomial de grau 2 p(x) = f (xn1 ) +
f (xn )f (xn1 ) xn xn1

(x xn1 ) +

f (xn+1 ) (xn+1 xn1 )(xn+1 xn )

(x xn1 )(x xn ).

Cap tulo 2. Equa c oes N ao Lineares

38

2. Como p(xn1 ) = f (xn1 ) p(xn ) = f (xn ) p(xn1 ) = f (xn1 ) conclui-se que f (x) p(x) tem pelo menos 3 zeros f (x) p (x) tem pelo menos 2 zeros f (x) p (x) tem pelo menos 1 zero e, portanto, f (n ) = p (n ), para algum n . 3. Como p (x) =
2f (xn+1 ) (xn+1 xn )(xn+1 xn1 ) ,

ent ao (2.6.1)

f (xn+1 ) =

f (n ) (xn+1 xn )(xn+1 xn1 ). 2

4. Sendo s tal que f (s) = 0, pode dizer-se que f (xn+1 ) = f (n ) (xn+1 s) para algum n . 5. Combinando as express oes (2.6.1) e (2.6.2) obt em-se a express ao xn+1 s = f (n ) (xn+1 xn )(xn+1 xn1 ). 2f (n ) (2.6.2)

6. Considerando, como anteriormente, M2 = maxx[a,b] |f (x)| e m1 = minx[a,b] |f (x)|, e supondo-se ainda que m1 > 0, resulta |xn+1 s| pelo que o valor n+1 denido por n+1 = M2 |xn+1 xn | |xn+1 xn1 | 2m1 M2 |xn+1 xn | |xn+1 xn1 |, 2m1

e um majorante do erro de aproxima c ao de xn+1 . Exemplo 2.6.1. Utilizar o m etodo da secante para determinar uma aproxima ca o, com um erro unico) zero da fun c ao f (x) = 1 + x + ex , que se sabe estar no absoluto inferior a 5 106 , do ( intervalo [2, 1]. Resolu c ao (comparar com exemplo do m etodo de Newton) Condi c oes de converg encia

Cap tulo 2. Equa c oes N ao Lineares

39

f (x) = 1 + ex f (x) = ex

f >0

f >0

O m etodo converge desde que x1 e x0 sejam tais que f (x1 )f (x1 ) > 0 e f (x0 )f (x0 ) > 0. Ent ao, escolhendo x1 = 1 x0 = 1.1 f (x1 ) = 0.3679 f (x0 ) = 0.2329

garante-se a converg encia do m etodo. Estima c ao do erro Utilizando a estimativa do erro de aproxima c ao atr as deduzida temos m1 = M2 =
x[2,1] x[2,1]

min

|f (x)| = 1 + e2 = 1.1353 |f (x)| = e1 = 0.3679

max

M2 = 0.162 2m1 a um majorante do erro de xn+1 . pelo que n+1 = 0.162 |xn+1 xn | |xn+1 xn1 | ser Crit erio de paragem De acordo com a majora c ao do erro o crit erio de paragem a utilizar ser a n+1 5 106 . Itera c ao 1 x1 = x1 f (x0 ) x0 f (x1 ) = 1.27249 f (x0 ) f (x1 )

1 = 0.162 |x1 x0 | |x1 x1 | = 7.6 103 Como 1 Itera c ao 2 x2 = x0 f (x1 ) x1 f (x0 ) = 1.27834 f (x1 ) f (x0 ) 5 106 , devemos prosseguir as itera c oes.

2 = 0.162 |x2 x1 | |x2 x0 | = 1.7 104 Como 2 5 106 , devemos prosseguir as itera c oes.

Itera c oes A tabela seguinte resume a aplica c ao do m etodo.


n 0 1 2 xn1 1.00000 1.10000 1.27249 xn 1.10000 1.27249 1.27834 xn+1 1.27249 1.27834 1.27846 f (xn+1 ) +7.65 103 +1.55 104 +1.01 107 n+1 7.6 103 1.7 104 1.2 107

Solu c ao A estimativa obtida e s 1.27846 (com todos os algarismos exactos).

Cap tulo 2. Equa c oes N ao Lineares

40

2.7

Ordem de converg encia

Ap os a apresenta c ao dos diferentes m etodos iterativos vamos agora analisar a sua rapidez de converg encia. Esta rapidez pode ser medida atrav es da no c ao de ordem de converg encia de um m etodo iterativo, que se exp oe em seguida. Comecemos por considerar um m etodo iterativo com fun c ao de recorr encia F e um valor s que seja ponto xo da fun c ao F , isto e, tal que F (s) = s. Suponha-se tamb em que F e uma fun c ao ca do ponto s, tal que de classe C p numa vizinhan F (p) (s) = 0 F (s) = . . . = F (p1) (s) = 0 (se p > 1) ou seja, que todas as suas derivadas at e` a ordem p 1 se anulam no ponto xo s e a derivada de ordem p e n ao nula nesse ponto. e uma sucess ao, convergente para s, gerada por este m etodo, isto Suponha-se tamb em que {xn } e, tal que xn+1 = F (xn ). Do desenvolvimento de Taylor de F em torno de s obt em-se F (xn ) = F (s) + F (s)(xn s) + . . . + =s+ F (p) (n ) (xn s)p p!
F ( p ) ( n ) (xn p!

F (p1) (s) F (p) (n ) (xn s)p1 + (xn s)p (p 1)! p!

para algum n entre xn e s. Como xn+1 = F (xn ), pode ainda escrever-se xn+1 s = em-se n, n = s xn (erro em xn ), obt n+1 = (1)p F (p) (n ) p n . p! (1)p F
( p ) ( s)

s)p . Denindo, para cada

Como n s, para n sucientemente elevado verica-se n+1 n+1 p n,

p!

p n , ou seja,

pelo que o erro na itera c ao n + 1 e proporcional a ` pot encia de ordem p do erro na itera c ao n. Nesta situa c ao diz-se que o m etodo iterativo tem converg encia de ordem p. Quando p = 1 a encia diz-se quadr atica ou converg encia diz-se linear ou de 1a ordem. Quando p = 2 a converg de 2a ordem. Exemplo 2.7.1. Considere dois m etodos iterativos A e B , para os quais se tem n+1 = 102 n
1 e n+1 = 2 n , respectivamente. Supondo que em ambos os casos se tem que 0 = 10 ,

determine a evolu c ao do erro para as primeiras 6 itera co es de aplica ca o de cada m etodo. Resolu c ao

Cap tulo 2. Equa c oes N ao Lineares

41

n n (m et. A) 0 1 2 3 4 5 6 10
1

n (m et. B ) 101 102 104 108 1016 1032 1064

103 105 107 109 1011 1013

Como se ilustra neste exemplo, quanto maior for a ordem de converg encia de um m etodo iterativo, mais rapidamente o erro de aproxima c ao converge para zero. Vamos agora analisar a ordem de converg encia de alguns dos m etodos estudados. No caso do m etodo iterativo simples n ao se imp oe qualquer condi c ao sober a nulidade da fun c ao de recorr encia F . Trata-se portanto, no caso geral, de um m etodo de converg encia linear ou de em mostrar-se que quer o m etodo das bissec c oes quer o m etodo da falsa 1a ordem. Pode tamb posi c ao s ao m etodos de converg encia linear. Vamos agora analisar a ordem de converg encia do m etodo de Newton. Como j a visto, a fun c ao de recorr encia deste m etodo e F (x) = x F (x) = 1
f (x ) f (x ) .

Derivando esta fun c ao obt em-se

[f (x)]2 f (x)f (x) f (x)f (x) = . 2 [f (x)] [f (x)]2

c ao habitualmente imposta na aplica c ao do m etodo Sendo s um zero de f tal que f (s) = 0 (condi alculo de F fornece (verique!) de Newton), tem-se que F (s) = 0. O c F (x) = [f (x)]3 f (x) + f (x)[f (x)]2 f (x) 2f (x)f (x)[f (x)]2 [f (x)]4
f ( s) f ( s) ,

Ent ao, tem-se que F (s) =

que ser a, em geral, n ao nulo. Conclui-se assim que o m etodo

de Newton tem uma converg encia quadr atica, ou seja, e de um m etodo de 2a ordem. Explica-se deste modo o comportamento do m etodo de Newton, que habitualmente permite obter solu c oes com menores erros de aproxima c ao em menos itera c oes. tamb E em poss vel denir a no c ao de ordem de converg encia de uma sucess ao. Suponha-se ent ao e uma sucess ao convergente para 0. Se existir uma constante p, maior do que zero, tal que {en } que
n+

lim

|en+1 | = K, |en |p

onde 0 < K < +, diz-se que a sucess ao {en } tem ordem de converg encia p. Reparese que a partir da deni c ao de limite, se pode concluir que para valores de n sucientemente aloga a ` deni c ao de ordem de converg encia elevados se tem que |en+1 | |en |p , de uma forma an

Cap tulo 2. Equa c oes N ao Lineares

42

de um m etodo iterativo. Se p = 1 a converg encia diz-se linear. Se p > 1 a converg encia diz-se supralinear. Se p = 2 a converg encia diz-se quadr atica. Esta deni c ao de ordem de converg encia permite considerar ordens n ao inteiras, generalizando de algum modo a no c ao de ordem de converg encia de um m etodo iterativo. Pode mostrarse que, de uma forma geral, os erros de aproxima c ao do m etodo da secante apresentam uma converg encia de ordem
1+ 5 2

( 1.618). Trata-se portanto de um m etodo supralinear.

2.8

Localiza c ao de zeros

Cada aplica c ao de um m etodo iterativo permite (mediante a satisfa c ao de certas condi c oes) determinar o valor de um zero de uma fun c ao. Ao se pretender calcular v arios zeros, ser a necess ario aplicar o ou os m etodos iterativos quantos os zeros a determinar. Assim, antes de iniciar a aplica c ao de um m etodo e necess ario proceder a uma an alise preliminar para estabelecer qual ou quais os zeros a determinar, bem como eventualmente a sua localiza c ao aproximada. Este processo e designado por separa c ao dos zeros e consiste na determina c ao de intervalos disjuntos, cada um contendo um zero da fun c ao. Note-se, por outro lado, que a verica c ao de condi c oes sucientes de converg encia de m etodos iterativos exige certas propriedades da fun c ao e das suas derivadas, as quais dever ao ser satisfeitas num dado intervalo ao qual se aplica o m etodo, ou que contenha a estimativa inicial para a sua aplica c ao. A determina c ao de intervalos contendo um e s o zero da fun c ao e que satisfazendo condi c oes sucientes de converg encia, pode ser feita de uma forma mais ou menos autom atica, mas sempre recorrendo a uma ou mais das seguintes abordagens c alculo de valores da fun c ao, estudo do gr aco da fun c ao, an alise de propriedades da fun c ao. O esbo co do gr aco da fun c ao f permite em muitas situa c oes determinar de uma forma visual intervalos disjuntos, cada um dos quais contendo apenas um zero de f . O gr aco da fun c ao pode ser obtido utilizando meios computacionais, atrav es de um estudo anal tico das propriedades de f , ou mesmos ambos os processos de uma forma conjugada. Por vezes, em vez de se analisar directamente o gr aco da fun c ao f , a equa c ao f (x) = 0 e reescrita na forma equivalente g (x) = h(x), onde g e h s ao fun c oes cujos gr acos s ao mais simples de estudar do que o gr aco da fun c ao f . O estudo dos zeros de f ca ent ao reduzido a ` an alise das intersec c oes dos gr acos de g e h.

Cap tulo 2. Equa c oes N ao Lineares

43

f(x) s3 s1 s2 x

Figura 2.12: Gr aco de f mostrando a localiza c ao dos zeros

g(x) h(x) s1 s2 x

Figura 2.13: Solu c oes de g (x) = h(x). Os m etodos anal ticos de separa c ao dos zeros de f baseiam-se principalmente na determina c ao de intervalos de monotonia de f e no c alculo e ordena c ao dos n umeros de Rolle de f . Relembremos que se designam por n umeros de Rolle de uma fun c ao f : D R os pontos fronteira de D e os zeros da fun c ao f . Os dois teoremas apresentados abaixo constituem a justica c ao te orica dos m etodos anal ticos de separa c ao de zeros. Teorema 2.8.1. Se f e estritamente mon otona em [a, b], f tem no m aximo um zero em [a, b]. Teorema 2.8.2. Se f e diferenci avel, entre dois n umeros de Rolle consecutivos existe quando muito um zero de f .

2.9

Ra zes de polin omios

A determina c ao directa de ra zes de polin omios (ou seja dos zeros das fun c oes polinomiais correspondentes) s o e poss vel de efectuar no caso geral para polin omios de grau n ao superior a 4. Assim, a determina c ao de ra zes de polin omios de grau superior a 4 (ou at e mesmo de grau 3 ou 4) ter a na maioria das situa c oes de ser efectuada por m etodos iterativos. Os m etodos estudados anteriormente para a determina c ao de zeros de fun c oes podem tamb em ser

Cap tulo 2. Equa c oes N ao Lineares

44

utilizados na determina c ao de ra zes reais de polin omios. Contudo, e sabido que os polin omios (mesmo de coecientes reais) podem ter ra zes complexas. Nesta sec c ao apresentam-se resultados sobre a localiza c ao de ra zes de polin omios e m etodos especialmente dedicados ` a determina c ao das suas ra zes, sejam estas reais ou complexas. O objecto de estudo nesta sec c ao ser a um polin omio de grau n com todos os coecientes reais, ou seja, p(x) = an xn + an1 xn1 + + a1 x + a0 , onde ai R, i = 0, . . . , n, e an = 0. Comecemos por relembrar o seguinte resultado sobre as ra zes de um polin omio. Teorema 2.9.1. Um polin omio p de grau n tem exactamente n ra zes (contando com a multiplicidade). Estas ra zes podem ser reais ou complexas. Se os coecientes do polin omio forem todos reais as ra zes complexas surgem em pares conjugados. Sendo s C tem-se que p(x) = (x s)q (x) + r, onde q e um polin omio de grau n 1 (designado quociente) e r designa-se por resto. O quociente q (x) = bn1 xn1 + . . . + b1 x + b0 e o resto r podem ser obtidos por divis ao polinomial ou pela regra de Runi. Os c alculos desta regra s ao habitualmente dispostos na forma de uma tabela, tal como se apresenta em seguida. an s bn1 an1 bn2 ... ... a1 b0 || a0 sb0 r

sbn1 . . . sb1

Os coecientes do quociente e o valor do resto s ao determinados de acordo com as express oes encia directa da bn1 = an , bi = ai+1 + sbi+1 , para i = n 2, . . . , 0, e r = a0 + sb0 . Uma consequ regra de Runni e o facto de o resto da divis ao de p(x) por x s ser p(s). Pode assim obter-se o seguinte resultado. Teorema 2.9.2. Se o resto da divis ao de p(x) por x s for o polin omio nulo ent ao s e raiz de p(x). Mais ainda, as restantes ra zes de p(x) s ao as ra zes do polin omio quociente. A aplica c ao sucessiva da regra de Runi permite ainda demonstrar o seguinte resultado. zes do polin omio de grau n, p(x) = an xn + + Teorema 2.9.3. Sejam r1 , r2 , . . . , rn as n ra a1 x + a0 , contando com eventuais multiplicidades. Ent ao, p(x) pode ser escrito como p(x) = an (x r1 )(x r2 ) (x rn ).

Consideremos agora a divis ao do polin omio p(x), de grau n 2, por um polin omio de grau 2 da forma x2 x . Facilmente se pode concluir a seguinte igualdade p(x) = (x2 x )q (x) + (rx + s),

Cap tulo 2. Equa c oes N ao Lineares

45

onde q (x) = bn2 xn2 + bn3 xn3 + . . . + b1 x + b0 e um polin omio de grau n 2 designado por quociente, e o polin omio rx + s e designado por resto. Os coecientes dos polin omios quociente e resto podem ser obtidos de uma forma expedita dispondo os c alculos como se mostra na tabela an bn2 onde se vericam as rela c oes bn2 = an , bn3 = an1 + bn2 , bi = ai+2 + bi+1 + bi+2 , r = a1 + b0 + b1 , e s = a0 + b0 . O seguinte resultado e uma consequ encia da divis ao polinomial indicada acima. Teorema 2.9.4. Se o resto da divis ao de p(x) = an xn + + a1 x + a0 (onde an = 0) por omio nulo ent ao, as ra zes de x2 x s ao tamb em ra zes de p(x). x2 x for o polin As restantes ra zes de p(x) s ao as ra zes do polin omio quociente. O resultado seguinte fornece uma express ao geral para as ra zes racionais de polin omios de coecientes inteiros. Teorema 2.9.5. Seja p(x) = an xn + an1 xn1 + . . . + a1 x + a0 , com ai Z, an = 0 e a0 = 0. Ent ao, toda a raiz racional de p(x) e da forma d0 dn para i = n 4, n 3, . . . , 0, bn3 an1 an2 ... a2 a1 b0 || r s a0

bn2 . . . b2 bn2 bn3 . . . b1 bn4 ... b0

b1 b0

onde d0 e um divisor de a0 e dn e um divisor de an . Tal como no caso geral de fun c oes com m ultiplos zeros, e por vezes importante obter informa c ao sobre a localiza c ao das ra zes de um polin omio sem as determinar. Enunciam-se em seguida alguns resultados que podem ser utilizados para obter tal informa c ao. Rera-se que existe um grande n umero de resultados sobre a localiza c ao de ra zes de polin omios, optando-se por apresentar aqui alguns dos considerados de aplica c ao mais imediata. Teorema 2.9.6 (Regra dos sinais de Descartes I). O n umero de ra zes reais positivas de um polin omio p(x) e igual, ou menor pela diferen ca de um n umero par, ao n umero de mudan cas de sinal dos seus coecientes n ao nulos.

Cap tulo 2. Equa c oes N ao Lineares

46

imediato vericar que as ra E zes do polin omio m(x) = p(x) s ao sim etricas das ra zes de p(x), pelo que facilmente se obt em o seguinte corol ario. Corol ario (Regra dos sinais de Descartes II). O n umero de ra zes reais negativas de um polin omio p(x) e igual, ou menor pela diferen ca de um n umero par, ao n umero de mudan cas de sinal dos coecientes n ao nulos de p(x). Teorema 2.9.7. Seja p(x) um polin omio cujos coecientes satisfazem an > 0, an1 0, , . . . , am+1 0, am < 0 ou seja, am e o primeiro coeciente negativo de {an , an1 , . . . , a1 , a0 }. Ent ao os zeros reais de p s ao majorados por ak 1 + max ak <0 an complexo) centrado na origem e de raio 1+ max ak . an
1 nm

Teorema 2.9.8. Todos os zeros do polin omio p(x) situam-se no interior do c rculo (no plano

0kn1

Os teoremas 2.9.2 e 2.9.4 permitem denir uma estrat egia sistem atica para a determina c ao de todas as ra zes de um polin omio p(x), de grau n. Esta estrat egia consiste em obter uma raiz s (ou um par de ra zes) de cada vez, por aplica c ao de um m etodo iterativo. Ap os a obten c ao de uma raiz, o polin omio considerado e dividido por x s (ou por x2 x no caso de um par de ra zes), aplicando-se em seguida novamente um m etodo iterativo mas agora ao polin omio quociente e assim sucessivamente at e se chegar a um polin omio cujas ra zes se determinem por um m etodo directo. importante ter em aten E c ao a propaga c ao de erros de arredondamento, os quais de uma forma geral v ao aumentando a ` medida que se v ao obtendo novas ra zes e calculando os polin omios quociente. Por forma a diminuir estes erros, ap os a obten c ao de todas as ra zes, e por vezes utilizado um procedimento de renamento das ra zes, que consiste em aplicar um m etodo iterativo partindo das estimativas das solu c oes determinadas anteriormente mas utilizando directamente o polin omio original p(x). Em seguida ser ao apresentados dois m etodos iterativos para a obten c ao das ra zes de um polin omio: o m etodo de Newton e o m etodo de Lin. A aplica c ao do m etodo de Newton e em tudo ao caso geral apresentado para a determina c ao de zeros de fun c oes. Tal como ent ao, a express ao de recorr encia e xk+1 = xk p(xk ) . p (xk )

Cap tulo 2. Equa c oes N ao Lineares

47

A principal diferen ca e que agora se pode escolher a estimativa inicial x0 C, podendo determinar-se directamente uma raiz complexa. No entanto isto obriga a efectuar opera c oes em aritm etica complexa. e escolhido como uma das solu c oes de De uma forma geral, x0 an x2 + an1 x + an2 = 0 ou seja, considerando apenas os tr es termos de ordem mais elevada de p(x). Exemplo 2.9.1. Determinar todas as ra zes do polin omio p(x) = x4 + 2x3 + 10x2 + 24x + 80 aplicando o m etodo de Newton. Resolu c ao Derivada e f ormula de recorr encia p (x) = 4x3 + 6x2 + 20x + 24 p(xk ) xk+1 = xk p (xk ) Determina c ao do ponto inicial x2 + 2x + 10 = 0 x0 = 1 + 3j Obten c ao do primeiro par de ra zes Itera c ao 1:
3 2 p(x0 ) = x4 0 + 2x0 + 10x0 + 24x0 + 80 = 56 + 72j 2 p (x0 ) = 4x3 0 + 6x0 + 20x0 + 24 = 60 48j

x = 1 3j

x1 = x0

p(x 0 ) p (x 0 )

= 0.98 + 1.81j

Itera c ao 2:
3 2 p(x1 ) = x4 1 + 2x1 + 10x1 + 24x1 + 80 = 43.45 + 23.00j 2 p (x1 ) = 4x3 1 + 6x1 + 20x1 + 24 = 25.40 + 12.07j

x2 = x1

p(x 1 ) p (x 1 )

= 2.73 + 1.74j

oximo de xn , obt em-se Continuando a aplicar o processo iterativo at e que xn+1 esteja suciente pr os resultados apresentados na tabela seguinte.
n 0 1 2 3 4 5 6 xn 1.00 + 3.00j 0.98 + 1.81j 2.73 + 1.74j 2.11 + 1.79j 1.97 + 1.99j 2.00 + 2.00j 2.00 + 2.00j p(xn ) 56.00 + 72.00j 43.35 + 23.00j 2.57 69.73j 8.26 15.13j 1.84 + 0.91j 0.02 0.02j 0 p (xn ) 60.00 48.00j 25.40 + 12.07j 13.53 + 111.88j 32.70 + 63.12j 47.11 + 54.20j 48.01 + 56.03j

Cap tulo 2. Equa c oes N ao Lineares

48

= 2 2j A raiz obtida ser a ent ao r1 = 2 + 2j . Obt em-se ent ao imediatamente a raiz r2 = r1

Determina ca o das restantes ra zes Fazendo m(x) = (x r1 )(x r2 ) = (x + 2 2j )(x + 2 + 2j ) = (x2 + 4x + 8) e dividindo p(x) por zes deste polin omio, obtidas directamente, m(x) obt em-se o polin omio q (x) = x2 2x +10. As ra s a o 1 3j . Resultado As ra zes de p(x) s ao 2 2j e 1 3j .

O m etodo de Lin permite obter ra zes complexas de um polin omio efectuando apenas opera c oes em aritm etica real. Este m etodo consiste em construir sucess oes {pi } e {qi } convergentes para x + q sejam ra zes de p(x), ou seja, que o polin omio p e q de forma a que as ra zes de x2 + p x + q seja divisor de p(x). x2 + p Em cada itera c ao e realizada a divis ao polinomial x2 rx + s p(x) = q (x) + 2 . + pi x + qi x + pi x + qi

Esta divis ao e parada ap os a obten c ao do quociente q (x), fazendo-se ent ao as substitui c oes pi pi+1 e qi qi+1 , sendo ent ao determinados pi+1 e qi+1 de modo a anular o resto rx + s. Este processo e repetido at e termos consecutivos das sucess oes {pi } e {qi } se tornarem sucientemente pr oximos. A aplica c ao deste m etodo e facilitada dispondo os c alculos da divis ao polinomial da seguinte forma an qi pi bn2 bn3 an1 ... a2 a1 qi b1 pi+1 b0 || 0 0 a0 qi+1 b0 . . . qi b2 pi bn2 . . . pi b1 ... b0

Pode assim concluir-se que a determina c ao de pi+1 e qi+1 e feita resolvendo a1 qi b1 pi+1 b0 = 0 a q b = 0
0 i+1 0

Exemplo 2.9.2. Determinar os zeros de p(x) = x4 6x3 + 18x2 24x + 16 pelo m etodo de Lin. Resolu c ao Inicialmente escolheu-se p0 = 1 e q0 = 1.

Cap tulo 2. Equa c oes N ao Lineares

49

No quadro seguinte apresenta-se a divis ao polinomial at e obter o quociente. 1 6 1 1 1 1 7 18 1 7 24 || 24 24p1 0 0 16

7 24q1

O sistema de equa c oes a resolver para anular o resto ser a 24 + 7 24p1 = 0 16 24q = 0
1

resultando p1 = 0.70833 e q1 = 0.66667 . As opera c oes da segunda itera c ao do m etodo encontram-se na tabela abaixo. 1 0.66667 0.70833 1 5.29167 6 18 0.66667 0.70833 3.74826 13.58507 || 24 13.58507p2 0 0 16

3.52778 13.58507q2

Agora o sistema de equa c oes a resolver ser a 24 + 3.52778 13.58507p2 = 0 16 13.58507q = 0


2

resultando p2 = 1.50696 e q2 = 1.17776. . . . ap os mais algumas itera c oes conclui-se que pi 2 e qi 2. Assim, conclui-se que o p(x) e divis vel por x2 2x + 2. As ra zes de x2 2x + 2, que s ao 1 j , s ao tamb em ra zes de p(x). em-se o polin omio x2 4x + 8, cujas ra zes s ao Finalmente, dividindo p(x) por x2 2x + 2 obt 2 2j . Conclui-se assim que as ra zes de p(x) s ao 1 j e 2 2j .

Cap tulo 3

Normas de vectores e matrizes


3.1 Introdu c ao

Neste cap tulo apresentam-se alguns resultados sobre normas em espa cos vectoriais que ir ao ser necess arios no tratamento de problemas de sistemas de equa c oes.

3.2

Normas de vectores

Comecemos por relembrar que uma norma num espa co vectorial real V e uma fun c ao que associa a cada elemento x V um n umero real, representado por x , que verica as seguintes condi c oes 1. 2. 3. x 0 x V e x = || x x = 0 x = 0,

R, x V , x, y V .

x+y x + y

e A no c ao de norma est a associada ao tamanho de um vector. Habitualmente, quando V = Rn , utilizada a norma euclidiana que se dene por x
2 2 2 x2 1 + x2 + + xn

para todo o vector x = (x1 , x2 , . . . , xn ) de Rn . No entanto, podem denir-se outras normas, que sejam mais u teis em certas situa c oes. Alguns exemplos de normas em Rn , onde x = (x1 , x2 , . . . , xn ), s ao
n

norma 1 norma norma p


i=1

|xi |
1in n i=1

max |xi |
1 p

|xi |p

(com p 1) 50

Cap tulo 3. Normas de vectores e matrizes

51

x2 1

x1

Figura 3.1: Visualiza c ao de diferentes normas em R2 . De dentro para fora aparecem as linhas x
1

= 1, x

1.4

= 1, x

= 1, x

=1e x

= 1, respectivamente.

ao de alguma forma equivalentes, no sentido apreEmbora diferentes, todas as normas em Rn s sentado no seguinte teorema. Teorema 3.2.1. Sejam

duas normas denidas em Rn . Ent ao existem constantes k1 , k2 > 0 tais que k1 x

k2 x
2

x Rn . denidas em Rn . Das suas deni c oes

Exemplo 3.2.1. Consideremos as normas temos


n

=
i=1

x2 i

= max |xi | = |xi0 |


1in

oes conclui-se facilmente que para algum 1 i0 n. Destas express x e tamb em que
n

= |xi0 | =

x2 i0

i=1

x2 i

x resultando nalmente

=
i=1

x2 i

n x2 i0 =

n |xi0 |

n x

Cap tulo 3. Normas de vectores e matrizes

52

3.3

Normas de matrizes

O espa co das matrizes quadradas Rnn e em si mesmo um espa co vectorial real (de dimens ao n n) no qual se podem obviamente denir diversas normas. No entanto, t em particular interesse normas que resultem da considera c ao dos elementos deste espa co como sendo operadores lineares de Rn em Rn . Seja ent ao poss vel denir uma norma em Rnn , uma qualquer norma denida em Rn . E , pela express ao Ax x

que por simplicidade se representa tamb em por A = sup


x=0

para qualquer A Rnn , 1. x Rn

Rnn .

Esta norma em

Rnn

designa-se por norma induzida pela norma

c ao de norma induzida resulta imediatamente, para qualquer A denida em Rn . Da deni

Ax A

x , x ,

2. x Rn \ {0} 3. A = max
x =1

Ax = A Ax .

Algumas propriedades importantes de qualquer norma induzida s ao ainda 1. AB A B , A, B Rnn e

2. I = 1 (onde I e a matriz identidade). de referir que diferentes normas em Rn conduzem a diferentes normas induzidas. Por exemplo, E teremos A A A
1 2

= max
x x

1 =1

Ax Ax

1 2

= max
x

2 =1

= max

=1

Ax

A considera c ao de diversas normas justica-se n ao s o por haver situa c oes em que interessa utilizar uma dada norma em particular como tamb em pelo facto das normas induzidas de matrizes n ao apresentarem todas as mesmas facilidades de c alculo. Como mostram os dois resultados seguintes, as normas induzidas
1

s ao de c alculo extremamente simples.

erico aij . Ent ao verica-se Teorema 3.3.1. Seja A Rnn de elemento gen
n

= max

j =1,...,n

|aij |,
i=1

ou seja, o m aximo das somas por colunas dos valores absolutos dos elementos de A.

Cap tulo 3. Normas de vectores e matrizes

53

Demonstra c ao. Sendo x Rn qualquer tem-se


n n n n n n

Ax

=
i=1

|
j =1 n

aij xj |
i=1 j =1 n j =1,...,n

|aij xj | =
j =1 1

|xj |
i=1 n

|aij | |aij |.
i=1

j =1

|xj | max

|aij | = x
i=1 n i=1 |aij |,

max

j =1,...,n

Seja agora j0 tal que

n i=1 |aij0 |

= maxj =1,...,n

ou seja, o (ou um) ndice de coluna

que corresponda ` a maior soma de valores absolutos. Seja tamb em x o vector de Rn tal que x j = Ent ao, x
1

1 0

se j = j0 se j = j0

=1e
n n n n n 1

Ax

=
i=1

|
j =1

aij x j | =
i=1 1

|aij0 | = max

j =1,...,n

|aij | = x
i=1

max

j =1,...,n

|aij |.
i=1

Desta forma, conclui-se que A

= maxj =1,...,n

n i=1 |aij |.

Teorema 3.3.2. Seja A Rnn de elemento gen erico aij . Ent ao verica-se
n

= max

i=1,...,n

|aij |,
j =1

ou seja, o m aximo das somas por linhas dos valores absolutos dos elementos de A. Demonstra c ao. Sendo x Rn qualquer tem-se
n n

|aij | |xj | max max |xj |


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

n j =1

|aij |

Ax

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

aij xj | max
n

i=1,...,n

j =1

= max |xj | max


1j n

i=1,...,n

|aij | = x
j =1

max

i=1,...,n

|aij |.
j =1

Seja agora i0 tal que Seja tamb em x tal que

n j =1 |ai0 j |

= maxi=1,...,n

n j =1 |aij |.

1 se ai0 j 0 x j = 1 se a < 0 i0 j

Ent ao x Ax

= 1 e ai0 j x j = |ai0 j |. Logo


n n n n n

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

aij x j | |
j =1

ai0 j x j | =
j =1

|ai0 j | = max
n j =1 |aij |.

i=1,...,n

|aij | = x
j =1

max

i=1,...,n

|aij |.
j =1

Desta forma, conclui-se que A

= maxi=1,...,n

Cap tulo 3. Normas de vectores e matrizes

54

Exemplo 3.3.1. Seja

3 1 2 4 A= 2 1 1 1 3 2 2 5 ent ao A A
1

1 6

= max{10, 4, 6, 16} = 16, e = max{9, 10, 5, 12} = 12.

A norma 1 e a norma s ao efectivamente as de c alculo mais simples. A norma induzida e j a de c alculo mais trabalhoso, vericando-se que A
2

(AT A)

onde e o raio espectral. O raio espectral de uma matriz quadrada dene-se como sendo o m aximo dos m odulos dos valores pr oprios da matriz. Assim, sendo C Rnn o seu raio espectral (C ) e dado por (C ) = max |i |,
1in

onde 1 , . . . , n s ao os valores pr oprios de C . De forma conclui-se que o c alculo da norma induzida


2

exige a determina c ao de valores pr oprios.

O seguinte teorema estabelece uma rela c ao entre o raio espectral de uma matriz e as normas induzidas dessa matriz, permitindo considerar o raio espectral de uma matriz como o nmo das normas induzidas dessa mesma matriz. Teorema 3.3.3. Para qualquer norma induzida e para qualquer A Rnn verica-se que

(A) A . Dada uma matriz A Rnn e um > 0, existe uma norma induzida A (A) + . tal que

Cap tulo 4

Sistemas de Equa c oes N ao Lineares


4.1 Introdu c ao

Neste cap tulo iremos abordar o problema de resolu c ao num erica de sistemas de equa c oes n ao lineares. Um sistema de n equa c oes nas n vari aveis x1 , x2 , . . . , xn pode ser escrito na forma f1 (x1 , x2 , . . . , xn ) = 0 f2 (x1 , x2 , . . . , xn ) = 0 . . . f (x , x , . . . , x ) = 0 n 1 2 n ao fun c oes de Rn em R. onde f1 , f2 , . . . , fn s Utilizando uma nota c ao mais compacta, podemos denir o vector x = (x1 , x2 , . . . , xn )T e a fun c ao F : Rn Rn de acordo com f2 (x) F (x) = . . . fn (x) f1 (x) f1 (x1 , x2 , . . . , xn )

f2 (x1 , x2 , . . . , xn ) = . . . fn (x1 , x2 , . . . , xn )

podendo agora o sistema de equa c oes ser escrito como F (x) = 0. Exemplo 4.1.1. O sistema de equa c oes
2 4x1 x2 2 2x1 x2 + 2 = 0 2x1 4x2 + x1 x2 3 = 0

55

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

56

pode ser reescrito na forma F (x) = 0 denindo a fun ca o F : Rn Rn x


2 4x1 x2 2 2x1 x2 + 2 2x1 4x2 + x1 x2 3

Na quase totalidade das situa c oes n ao existem m etodos directos para a resolu c ao de sistemas de equa c oes n ao lineares, sendo necess ario recorrer a m etodos iterativos. Nas sec c oes seguintes iremos estudar dois m etodos iterativos para a resolu c ao de sistemas de equa c oes n ao lineares. Trata-se em ambos os casos de extens oes de m etodos j a estudados para a resolu c ao de uma equa c ao n ao linear. Rera-se tamb em que por vezes e poss vel por manipula c ao alg ebrica das diferentes de equa c oes proceder ` a elimina c ao de vari aveis reduzindo o n umero de equa c oes a resolver e eventualmente cando apenas com uma equa c ao n ao linear para resolver. Este procedimento simplica o problema e deve ser realizado sempre que poss vel.

4.2

M etodo iterativo simples (itera c ao de ponto xo)

Analogamente ao caso unidimensional, o m etodo iterativo simples baseia-se na possibilidade de escrever o sistema de equa c oes F (x) = 0 num outro equivalente da forma x = G(x) onde G : Rn Rn , ou seja, x1 = g1 (x1 , x2 , . . . , xn ) x2 = g2 (x1 , x2 , . . . , xn ) . . . x = g (x , x , . . . , x ) n n 1 2 n

ao as componentes de G. onde g1 , g2 , . . . , gn s O m etodo interativo simples consiste ent ao em gerar uma sucess ao de pontos em Rn por interm edio da rela c ao de recorr encia x(k+1) = G(x(k) ), k = 0, 1, . . . ,

ao de pontos em Rn convirja para a partir de um ponto inicial x(0) . Pretende-se que esta sucess um ponto xo s da fun c ao G, isto e, tal que s = G(s) que ser a portanto solu c ao do sistema original, ou seja, tal que F (s) = 0. Este m etodo e totalmente an alogo ao m etodo iterativo simples j a estudado, sendo agora necess ario calcular em cada itera c ao as novas estimativas de todas as vari aveis.

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

57

Exemplo 4.2.1. Reescrevendo o sistema 4x1 ln(x1 x2 ) 8 = 0 2x1 4x2 + x1 x2 3 = 0 na forma equivalente x1 = ln(x1 x2 ) + 8 4 x2 = 2x1 + x1 x2 3 4 obt em-se a seguinte express ao de recorr encia ln x1,(k) x2,(k) + 8 x1,(k+1) = 4 2x1,(k) + x1,(k) x2,(k) 3 x2,(k+1) = 4 Partindo da estimativa inicial x1,(0) = 1.5, x2,(0) = 1, temos na primeira itera ca o x1,(1) = x2,(1) ln(x1,(0) x2,(0) ) + 8 = 2.1.0137 4 2x1,(0) + x1,(0) x2,(0) 3 = 0.30619 = 4

e continuando a aplicar o m etodo, obt em-se os seguintes resultados


k 0 1 2 3 4 5 6 7 8 9 10 . . . x1,(k) 1.50000 2.10137 1.88976 1.98643 1.96531 1.98357 1.98489 1.99015 1.99247 1.99469 1.99611 . . . x2,(k) 1.00000 0.30619 0.50122 0.43819 0.47646 0.47457 0.48434 0.48757 0.49134 0.49359 0.49541 . . . g1 (x1,(k) , x2,(k) ) g2 (x1,(k) , x2,(k) ) 2.10137 1.88976 1.98643 1.96531 1.98357 1.98489 1.99015 1.99247 1.99469 1.99611 1.99721 . . . 0.30619 0.50122 0.43819 0.47646 0.47457 0.48434 0.48757 0.49134 0.49359 0.49541 0.49666 . . .

Como se passa com todos os m etodos iterativos, e importante analisar a converg encia do m etodo iterativo simples. O seguinte resultado fornece condi c oes sucientes para a converg encia do m etodo iterativo simples. E de notar a semelhan ca entre estas condi c oes e as apresentadas para o caso unidimensional. Teorema 4.2.1. Seja D Rn um conjunto fechado e convexo. Seja G : D Rn de classe C 1 e seja uma norma em Rn . Se

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

58

i) JG (x) L < 1 ii) G(D) D ent ao

x D

i) existe um e s o um z D tal que z = G(z ) ii) o m etodo iterativo simples converge para z , qualquer que seja x(0) D iii) verica-se que z x(k+1) L x x(k) 1 L (k+1)

O exemplo seguinte ilustra a aplica c ao deste teorema na resolu c ao de um sistema de equa c oes n ao lineares. Exemplo 4.2.2. Utilizando o m etodo iterativo simples, determinar a solu c ao do sistema de equa c oes 4x1 cos(x1 + x2 ) = 4 3x2 sin(x1 + x2 ) = 6 com um erro m aximo, na norma 1, de 105 . Resolu c ao Obten c ao da fun c ao de recorr encia Este sistema pode ser reescrito na forma x1 = 1 + 1 4 cos(x1 + x2 ) (4.2.1)

x2 = 2 + 1 3 sin(x1 + x2 ) ou ainda, G(x) = Condi co es de converg encia g1 (x) g2 (x) =

1+ 1 4 cos(x1 + x2 ) 2+ 1 3 sin(x1 + x2 )

JG (x) = Ent ao, JG (x)


1

1 1 4 sin(x1 + x2 ) 4 sin(x1 + x2 ) 1 3

cos(x1 + x2 )

1 3

cos(x1 + x2 )

1 1 1 = max{ 1 4 | sin(x1 + x2 )| + 3 | cos(x1 + x2 )|, 4 | sin(x1 + x2 )| + 3 | cos(x1 + x2 )|} 7 1 1 + = 4 3 12 7 12

pelo que denindo L =

tem-se JG (x)

L < 1 para qualquer (x1 , x2 ) R2 . Conclui-se

assim que o sistema tem uma solu c ao u nica e que o m etodo iterativo simples com a express ao

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

59

de recorr encia dada por (4.2.1) converge para essa solu c ao, qualquer que seja o ponto inicial escolhido. Crit erio de paragem Temos ainda que x(k+1) s sendo ent ao k+1 = 1.4 x(k+1) x(k)
1 1

L x x(k) 1 L (k+1)

= 1.4 x(k+1) x(k) 1 ,

um majorante da norma do erro de aproxima c ao x(k+1) s 1 . Assim, se k+1 105 tem-se que x(k+1) s Estimativa inicial Uma vez que o m etodo converge globalmente, escolheu-se arbitrariamente o ponto inicial x1,(0) = 1, x2,(0) = 1. Itera c ao 1 x1,(1) = 1 + 1 4 cos(x1,(0) + x2,(0) ) = 0.89596 x2,(1) = 2 + 1 3 sin(x1,(0) + x2,(0) ) = 2.30310 Como 1 = 1.4 x(1) x(0) = 2.0 5 105 , continua-se com a itera ca o 2.
1

105 .

Resultados A tabela seguinte apresenta os resultados da aplica ca o do m etodo at e` a satisfa c ao do crit erio de paragem.
k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 x1,(k) 1.00000 0.89596 0.75041 0.77075 0.75704 0.76161 0.75971 0.76043 0.76015 0.76026 0.76021 0.76023 0.76022 0.76023 x2,(k) 1.00000 2.30310 1.98085 2.13297 2.07854 2.10042 2.09198 2.09529 2.09400 2.09450 2.09431 2.09438 2.09435 2.09436 g1 (x1,(k) , x2,(k) ) g2 (x1,(k) , x2,(k) ) 0.89596 0.75041 0.77075 0.75704 0.76161 0.75971 0.76043 0.76015 0.76026 0.76021 0.76023 0.76022 0.76023 0.76023 2.30310 1.98085 2.13297 2.07854 2.10042 2.09198 2.09529 2.09400 2.09450 2.09431 2.09438 2.09435 2.09436 2.09436 k+1 2.0 6.5 101 2.4 101 9.5 102 3.7 102 1.4 102 5.7 103 2.2 103 8.6 104 3.4 104 1.3 104 5.1 105 2.0 105 7.8 106

Solu c ao O ponto obtido x1 = 0.76023, x2 = 2.09436 ser a ent ao a solu ca o procurada.

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

60

As condi c oes sucientes de converg encia enunciadas no teorema 4.2.1 permitem guiar a escolha c ao da fun c ao de itera c ao G, bem como do ponto inicial x(0) . Devemos assim escolher uma fun G tal que JG (z ) < 1, para alguma norma induzida, onde z e a solu c ao pretendida. Nestas condi c oes e poss vel garantir a converg encia do m etodo qualquer que seja o ponto inicial x(0) sucientemente pr oximo de z , ou seja, tal que x(0) z < para > 0 sucientemente pequeno.

4.3

M etodo de Newton

O m etodo de Newton para a resolu c ao de sistemas de equa c oes e tamb em uma generaliza c ao do m etodo j a estudado para o caso de apenas uma equa c ao. Consideremos novamente o sistema de e n ao singular, este sistema e ainda equa c oes F (x) = 0. Supondo que a matriz jacobiana JF (x) equivalente a JF (x)1 F (x) = 0, ou ainda a x = x [JF (x)]1 F (x). O m etodo de Newton consiste em utilizar esta express ao como rela c ao de recorr encia para gerar c ao z do sistema de uma sucess ao de pontos {x(k) } que se pretende convergente para a solu equa c oes. Os termos da sucess ao s ao calculados a partir x(k+1) = x(k) [JF (x(k) )]1 F (x(k) ), sendo o ponto inicial x(0) convenientemente escolhido. e necess ario determinar Para obter x(k+1) JF (x(k) ) =
f1 x1

k = 1, 2, . . .

. . .

.. .

f1 xn


x( k )

. . .

fn x1

fn xn

sendo em seguida calculado v(k) = [JF (x(k) )]1 F (x(k) ). Este c alculo efectua-se resolvendo o seguinte sistema de equa c oes lineares JF (x(k) ) v(k) = F (x(k) ). ao Finalmente, obt em-se x(k+1) a partir da express x(k+1) = x(k) v(k) . O seguinte teorema apresenta condi c oes sucientes para a converg encia do m etodo de Newton. Tal como no caso unidimensional, verica-se que este m etodo apresenta uma converg encia quadr atica desde que a matriz jacobiana avaliada na solu c ao do sistema de equa c oes seja n ao singular.

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

61

Teorema 4.3.1. Sejam F de classe C 2 e z tal que F (z ) = 0. Se det(JF (z )) = 0 ent ao a sucess ao gerada pelo m etodo de Newton e convergente para z qualquer que seja o ponto inicial oximo de z . Verica-se ainda que existe uma constante positiva c tal que x(0) sucientemente pr z x(k+1) c z x(k) 2 , ou seja a converg encia e quadr atica. O exemplo seguinte ilustra a aplica c ao do m etodo de Newton na resolu c ao de um sistema de equa c oes n ao lineares. Exemplo 4.3.1. Voltemos ao sistema de equa c oes
2 4x1 x2 2 2x1 x2 + 2 = 0 2x1 4x2 + x1 x2 3 = 0

Denindo a fun c ao F (x) = obt em-se a matriz jacobiana JF (x) = 4x2 2 4x1 x2
1 2 x2 x1 2 4x1 x2 2 2x1 x2 + 2 2x1 4x2 + x1 x2 3

2+

8x1 x2 2x2 1 x1 1 4 + 2 x2

A express ao de recorr encia do m etodo de Newton tomar a para este caso a forma x1,(k) x2,(k) onde = x1,(k1) x2,(k1) v1,(k1) v2,(k1) v1,(k1) v2,(k1) = .

2 4x2 2,(k1) 4x1,(k1) x2,(k1) 8x1,(k1) x2,(k1) 2x1,(k1)

2+

1 2

x2,(k1) x1,(k1)

4 +

1 2

x1,(k1) x2,(k1)

2 4x1,(k1) x2 2,(k1) 2x1,(k1) x2,(k1) + 2 2x1,(k1) 4x2,(k1) + x1,(k1) x2,(k1) 3

em-se Iniciando as itera c oes no ponto x1,(0) = 1.5 e x2,(0) = 1 obt F (x(0) ) = e tamb em JF (x(0) ) = 2 7.5 2.40825 3.38763 . 3.5 2.77526

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

62

Tem-se ent ao que 2 7.5 v1,(0) v2,(0) = 3.5 2.77526 .

2.40825 3.38763 Resolvendo este sistema obt em-se v1,(0) v2,(0) resultando ent ao x1,(1) x2,(1) = =

0.79366 0.25502

2.29366 0.74498

Continuando a aplicar o m etodo obt em-se os resultados constantes na tabela seguinte


k 0 1 2 3 x1,(k) 1.50000 2.29366 1.93340 2.00000 x2,(k) 1.00000 0.74498 0.45401 0.50017 f1 (x(k) ) 3.50000 0.74662 0.19989 0.00000 f2 (x(k) ) 2.77526 0.08540 0.01235 0.00050 v1, ( k ) 0.79366 0.36026 0.06661 0.00000 v2, ( k ) 0.25502 0.29097 0.04616 0.00017 x2,(k+1) 2.29366 1.93340 2.00000 2.00000 x2,(k+1) 0.74498 0.45401 0.50017 0.50000

A converg encia quadr atica do m etodo de Newton e patente neste exemplo em que se obt em a stica de elevada solu c ao do sistema em 3 itera c oes com um erro inferior a 105 . Esta caracter rapidez e uma das grandes vantagens do m etodo de Newton. Entre as suas maiores desvantagens inclui-se o elevado n umero de opera c oes necess arias ` a execu c ao de cada itera c ao do m etodo (nomeadamente a resolu c ao de um sistema de equa c oes lineares) e tamb em a necessidade de recorrer ao c alculo de derivadas das fun c oes que denem o sistema de equa c oes. Deve ainda referir-se que uma das maiores diculdades na aplica c ao deste m etodo e a garantia da sua converg encia. De facto, em muitas situa c oes n ao existem ` a partida estimativas iniciais sucientemente pr oximas da solu c ao que garantam a converg encia do m etodo de Newton. Tendo em vista ultrapassar as principais desvantagens e diculdades deste m etodo podem ser utilizadas algumas modica c oes do seu funcionamento. Por exemplo, para diminuir o peso computacional do m etodo, e habitual n ao recalcular a matriz jacobiana (e obviamente a sua inversa) todas as itera c oes. Este procedimento reduz, na maioria dos casos, a rapidez de converg encia do m etodo (avaliada em n umero de itera c oes) mas as itera c oes ser ao mais r apidas, resultando muitas vezes num menor esfor co total para a obten c ao da solu c ao com uma dada precis ao. Muitas vezes ainda, as derivadas parciais que comp oem a matriz jacobiana s ao aproximadas por quocientes de diferen cas nitas. Para garantir a converg encia do m etodo para um maior conjunto de pontos iniciais e frequente alterar a express ao de recorr encia do m etodo para x(k) = x(k1) k1 [JF (x(k1) )]1 F (x(k1) ),

Cap tulo 4. Sistemas de Equa c oes N ao Lineares

63

onde o valor positivo k1 , designado por passo, e escolhido, em cada itera c ao, de forma a que F (x(k) ) < F (x(k1) ) , sendo aqui utilizada F como medida da dist ancia a ` solu c ao do sistema.

Cap tulo 5

Sistemas de Equa c oes Lineares


5.1 Introdu c ao

Neste cap tulo iremos abordar a resolu c ao de sistemas de equa c oes lineares. De uma forma geral poderemos ter um sistema m equa c oes a n inc ognitas como o representado abaixo. a11 x1 + a12 x2 + + a1n xn = b1 a21 x1 + a22 x2 + + a2n xn = b2 . . . . . . a x + a x + + a x = b m1 1 m2 2 mn n m Este sistema, utilizando uma nota c ao matricial, pode ainda ser escrito na forma Ax = b onde se tem que A Rmn b x Rm Rn e a matriz dos coecientes, de elementos aij , e o vector dos termos independentes, de elementos bi , e o vector de inc ognitas, de elementos xj .

Este estudo incidir a sobre os designados sistemas de Cramer, ou seja, sistemas de n equa c oes a n inc ognitas poss veis e determinados, isto e, com solu c ao u nica. Nestes sistemas tem-se que A Rnn , vericando-se ainda que det A = 0. Este tipo de sistemas pode ser resolvido pela regra de Cramer, vericando-se que xi = det Ai , det A i = 1, . . . , n

onde Ai e a matriz que se obt em substituindo a coluna i de A pelo vector coluna b. Esta express ao, embora de aspecto simples, e geralmente pouco atractiva para a determina c ao da solu c ao de um sistema. De facto, o c alculo de um determinante de ordem n, a partir da deni c ao, 64

Cap tulo 5. Sistemas de Equa c oes Lineares

65

requer (n 1)n! multiplica c oes e n! 1 somas ou subtrac c oes. Por exemplo, para calcular um determinante de ordem 10 seriam necess arias mais de 40 milh oes de opera c oes aritm eticas, as quais, para al em de demorarem um tempo n ao desprez avel a realizar, podem conduzir a resultados sem qualquer utilidade, devido a erros de arredondamento. Embora seja poss vel calcular determinantes de modo muito mais eciente do que a partir da deni c ao, existem outros m etodos que permitem obter a solu c ao do sistema com a realiza c ao de um menor n umero de opera c oes do que as necess arias a ` aplica c ao da regra de Cramer. Os principais objectivos deste cap tulo ser ao estudar m etodos que permitam resolver numericamente sistemas de n equa c oes a n inc ognitas de modo eciente, isto e, executando um pequeno n umero de opera c oes aritm eticas, e ecaz, isto e, fornecendo boas aproxima c oes da solu c ao exacta, bem como analisar algumas quest oes num ericas associadas aos sistemas de equa c oes lineares.

5.2

Elimina c ao gaussiana

A elimina c ao gaussiana e um m etodo directo de resolu c ao de uma sistemas de equa c oes lineares pois fornece a solu c ao exacta do sistema num n umero nito de opera c oes, quando se utiliza aritm etica exacta. Comecemos por recordar que se o sistema a resolver estiver numa forma triangular a11 x1 + a12 x2 + + a1,n1 xn1 + a1n xn = b1 a22 x2 + + a2,n1 xn1 + a2n xn = b2 . . . . . . an1,n1 xn1 + an1,n xn = bn1 ann xn = bn a obten c ao da solu c ao e imediata. Da u ltima equa c ao obt em-se imediatamente o valor de xn por bn . ann Substituindo o valor de xn na pen ultima equa c ao obt em-se xn = an1,n1 xn1 + an1,n bn = bn1 ann xn1 =
n bn1 an1,n abnn

an1,n1

Substituindo agora os valores de xn e xn1 na antepen ultima equa c ao obt em-se o valor de xn2 e assim sucessivamente at e obter os valores de todas as outras inc ognitas. De uma forma geral, o valor de xi obt em-se a partir da equa c ao i, conhecidos os valores de xj , para j = i + 1, . . . , n, ou seja xi = bi
n j =i+1 aij xj

aii

Cap tulo 5. Sistemas de Equa c oes Lineares

66

Este processo e poss vel de aplicar se e s o se aii = 0, i, condi c ao que e equivalente a det A = 0, como dever a ser para que o sistema tenha solu c ao u nica. O m etodo de Gauss, ou de elimina c ao gaussiana, consiste em transformar o sistema original num outro equivalente que seja triangular superior. Este processo e realizado em etapas sucessivas. avel xj e eliminada nas Na etapa j s ao anulados os coecientes aij , com i > j , ou seja, a vari equa c oes i > j . Esta elimina c ao e feita por pivota c ao, ou seja, para cada i > j a equa c ao i e substitu da pela sua soma com m ultiplo da equa c ao j , de modo a anular o elemento aij . e designado por Na etapa j , a equa c ao j e designada por equa c ao pivot e o elemento ajj c ao j a somar ` a equa c ao i dever a ser elemento pivot. O m ultiplo mij da equa aij mij = . ajj c ao j dever a ser trocada com uma equa c ao i, com Caso o elemento pivot ajj seja nulo, a equa i > j , tal que aij = 0. Exemplo 5.2.1. Resolver o sistema de equa c oes por elimina c ao gaussiana. 2x1 + 3x2 x3 = 5 4x1 + 4x2 3x3 = 3 2x + 3x x = 1 1 2 3

Resolu c ao 1
a

etapa: equa ca o pivot: 1 , elemento pivot: a11 = 2 e somada ` a 2 equa c ao, anulando o a equa c ao pivot, multiplicada por m21 = 4 2 = 2, elemento a21
2 a equa c ao pivot, multiplicada por m22 = e somada a ` 3 2 = 1,
a a

equa c ao, anulando o

elemento a31 Ap os a 1 etapa o sistema a resolver ser a 3x2 x3 = 5 2x1 + 2x2 x3 = 7 6 6x2 2x3 = 2
a a

etapa: equa ca o pivot: 2 , elemento pivot: a22 = 2


6 a equa c ao pivot, multiplicada por m32 = e somada a ` 3 2 = 3,
a

equa c ao, anulando o

elemento a32 Ap os a 2 etapa o sistema a resolver ser a 5 2x1 + 3x2 x3 = 2x2 x3 = 7 5x3 = 15
a

Cap tulo 5. Sistemas de Equa c oes Lineares

67

Este e um sistema triangular superior cuja solu ca o se determina facilmente por substitui c ao inversa, resultando x1 = 1 x2 = 2 x =3 3

As diculdades de utiliza c ao do m etodo de elimina c ao gaussiana aparecem apenas quando se utiliza aritm etica com precis ao nita com os inerentes erros de arredondamento. O exemplo seguinte ilustra estas diculdades. Exemplo 5.2.2. Resolver o sistema seguinte com aritm etica de 4 d gitos. 0.0002x1 + 1.672x2 = 1.673 1.336x1 2.471x2 = 4.209 Nota: A solu c ao exacta deste sistema e x1 = 5, x2 = 1. Resolu c ao
1.336 = 6680, o coeciente de x2 na equa ca o 2 ser a Sendo m21 = 2 104

6680 1672 2.471 = 1.117 104 2.471 = 1.117 104 e o termo independente ser a 6680 1.673 + 4.209 = 1.118 104 + 4.209 = 1.118 104 obtendo-se o sistema 2 104 x1 + 1.672x2 = 1.673 1.117 104 x2 = 1.118 104 Agora, x2 determina-se facilmente por x2 = 1.118 = 1.001 1.117

Substituindo este valor na equa c ao 1 obt em-se x1 = 1.673 1.672 1.001 1.673 1.674 1.000 104 = = = 5.000 2.000 104 2.000 104 2.000 104 x1 = 5.000 x2 = 1.001

pelo que a solu c ao obtida e

Resolvamos agora o sistema, com a ordem das equa c oes alterada, ou seja, 1.336x1 2.471x2 = 4.209 2.0000 104 x1 + 1.672x2 = 1.673

Cap tulo 5. Sistemas de Equa c oes Lineares

68

10 Sendo m21 = 2.0000 1.336

= 1.497 104 , o coeciente de x2 na equa c ao 2 de agora, ser a

1.497 104 (2.471) + 1.672 = 3.700 104 + 1.672 = 1.672 e o termo independente desta mesma equa ca o ca 1.497 104 4.209 + 1.673 = 6.301 104 + 1.672 = 1.672 obtendo-se o sistema 1.336x1 2.471x2 = 4.209 1.672x2 = 1.672 A solu c ao assim obtida ser a x2 = x1 =
1.672 1.672 = 1.000 4.209+2.4711.000 1.336

= 5.000

que e a solu c ao exacta!

Mesmo que no c alculo de x1 se tivesse usado x2 = 1.001 obter-se-ia x1 = 4.209 + 2.471 1.001 = 5.002 1.336

quando no primeiro caso se obteve x1 = 5.000. Qual a raz ao de t ao grande diferen ca? Neste exemplo, ap os a redu c ao do sistema a uma forma triangular superior e ao c alculo de x2 a e obtido por partir da u ltima equa c ao, o valor de x1 x1 = b1 a12 x2 , a11 a11

onde os elementos da matriz de coecientes e do vector de termos independentes se referem ao ao estiver afectado de sistema triangular superior obtido. Se o valor de x2 usado nesta express a afectado de um erro, em valor absoluto, dado por um erro absoluto , ent ao x1 vir a12 . a11 Note-se que no primeiro caso se tinha a12 1.672 = = 8360, a11 2 104 enquanto no segundo este quociente era a12 2.471 = = 1.850, a11 1.336 interessando portanto que
a12 a11

seja o menor poss vel.

Generalizando agora este resultado, conclui-se facilmente da express ao de c alculo de xi por substitui c ao inversa xi = bi
n j =i+1 aij xj

aii

Cap tulo 5. Sistemas de Equa c oes Lineares

69

que estando os valores xj afectados de erros, ent ao xi tamb em estar a, de acordo com a express ao
n

x i
j =i+1

|aij | x . |aii | j

alculo de xi , interessa que os De forma a diminuis a inu encia dos erros de xj , para j > i, no c quocientes
|aij | |aii |

sejam pequenos.

A obten c ao de valores pequenos para tais quocientes pode ser garantida usando as designadas estrat egias de escolha de pivot. Estas estrat egias tiram partindo da possibilidade de escolha, numa qualquer etapa j da elimina c ao gaussiana, quer da equa c ao pivot a utilizar (troca de linhas) quer da vari avel pivot a utilizar (troca de colunas). A estrat egia parcial de pivot (ou pivota c ao parcial) apenas permite a troca de linhas de acordo com o seguinte procedimento 1. Na etapa j e escolhida a equa c ao pivot k
iln ( j k n)

(a) calculam-se os valores di = max |ail | i = j, . . . , n; (b) calculam-se os quocientes |aij | i = j, . . . , n; di (c) selecciona-se para pivot equa c ao k como sendo aquela em que |akj | dk 2. Troca-se a equa c ao k com a j . 3. Realiza-se a elimina c ao. e m aximo.

Exemplo 5.2.3. Aplicando a estrat egia parcial de pivot ao exemplo anterior obt em-se 2.000 104 x1 + 1.672x2 = 1.673 1.336x1 2.471x2 = 4.209 pelo que segunda! Outra forma poss vel de escolha do elemento pivot e a designada estrat egia total de pivot (ou pivota c ao total) que se pode resumir nos seguintes passos 1. Na etapa j escolhe-se o elemento pivot akl |akl | e m aximo. 2. Troca-se a equa c ao j com a equa c ao k .
( j k, l n) a11 d1

= 1.196 104 e

a21 d2

= 0.5406, concluindo-se que a equa c ao pivot deve ser a

Cap tulo 5. Sistemas de Equa c oes Lineares

70

3. Troca-se a vari avel xj com a vari avel xl . 4. Realiza-se a elimina c ao. Exemplo 5.2.4. Voltando ainda ao exemplo anterior 2.000 104 x1 + 1.672x2 = 1.673 1.336x1 2.471x2 = 4.209 d1 = 1.672 d2 = 2.471

ao deve trocar-se a primeira verica-se que max1i,j 2 |aij | = 2.471, para i = 2 e j = 2. Ent equa c ao com a segunda (trocas de linhas) e a vari avel x1 com x2 (troca de colunas). Neste caso o sistema caria 2.471x2 + devendo agora eliminar-se x2 da segunda equa c ao. Como e f acil de entender, a estrat egia de pivota c ao total e computacionalmente mais cara pois exige troca de colunas, isto para al em da troca de linhas. Em termo de qualidade dos resultados, ou seja, diminui c ao da propaga c ao dos erros num ericos resultantes de arredondamentos, pode demonstrar-se que a pivota c ao total conduz a melhores resultados. Contudo, verica-se tamb em que a pivota c ao parcial produz resultados sucientemente bons na maioria das situa c oes. 1.336x1 = 4.209 1.672x2 + 2.000 104 x1 = 1.673

5.3

Erro e res duo de uma solu c ao aproximada

Como em todos os problemas de resolu c ao num erica, tamb em na resolu c ao dos sistemas de equa c oes lineares se coloca a quest ao da qualidade da solu c ao aproximada obtida por via num erica. vel) e b Rn e considere-se o sistema de equa c oes Ax = b. Designando Sejam A Rnn (invert por x a solu c ao exacta e sendo x uma solu c ao aproximada denem-se erro da solu c ao aproximada: res duo da solu c ao aproximada: Rn . e=x x , r = b Ax ,

que s ao ambos elementos de

A quest ao que aqui se coloca e a da estima c ao do erro de aproxima c ao e. Note-se que este erro n ao se pode calcular directamente uma vez que n ao dispomos da solu c ao exacta x . Se este valor estivesse dispon vel ter amos o nosso problema resolvido, e nem precisar amos de estimar erros de solu c oes aproximadas! Resta-nos ent ao tentar obter estimativas para este erro. Uma das possibilidades ser a utilizar o res duo atr as denido. Repare-se que erro e res duo est ao relacionados, pois r = Ax Ax = A( xx ) = Ae. Se x =x ent ao o erro e nulo, e o res duo tamb em ser a nulo. Por outro lado se o res duo for nulo, o erro tamb em o ser a (e a solu c ao ser a exacta). E quando x =x , ser a que a um erro pequeno corresponde um res duo pequeno? E a um res duo pequeno, corresponder a um erro pequeno?

Cap tulo 5. Sistemas de Equa c oes Lineares

71

Exemplo 5.3.1. O sistema 1.01 0.99 0.99 1.01 tem como solu c ao exacta x = [1 1]T . Para a solu c ao aproximada x = [1.01 1.01]T tem-se e = [0.01 0.01]T e r = [0.02 0.02]T . O erro relativo e de 1% em cada componente e o res duo relativo e tamb em de 1% em cada componente. e Para a solu c ao aproximada x = [2 0]T tem-se e = [1 1]T e r = [0.02 0.02]. O erro relativo agora de 100% em cada componente, sendo o res duo relativo de apenas 1% em cada componente. Exemplo 5.3.2. O sistema 1.01 0.99 0.99 1.01 tem como solu c ao exacta x = [100 100]. Para a solu c ao aproximada x = [101 99] tem-se e = [1 1] e r = [2 2]. O erro relativo e de 1% em cada componente e o res duo relativo e agora de 100% em cada componente. Nestes exemplos, os erros e res duos foram comparados usando valores relativos. Estes valores foram determinados relativamente ` a componente m axima da solu c ao, no caso do erro, e a componente m ` axima do vector de termos independentes, no caso do res duo. Como estes exemplos ilustram, nem sempre erros pequenos correspondem a res duos pequenos nem res duos pequenos a erros pequenos. Vamos ent ao analisar a rela c ao entre erro e res duo de uma solu c ao aproximada. Do exposto atr as pode escrever-se r = Ae r = Ae A concluindo-se que r e A1 A Por outro lado, tem-se que b = Ax b = Ax A x concluindo-se tamb em que b x A1 b , A x = A1 b x = A1 b A1 b r . (5.3.1) e e = A1 r e = A 1 r A1 r x1 x2 = 2 2 x1 x2 = 2 2

Cap tulo 5. Sistemas de Equa c oes Lineares

72

ou, de forma equivalente 1 A1 b 1 A . x b (5.3.2)

Das express oes (5.3.1) e (5.3.2) pode ainda concluir-se que 1 A A1 r e r A A1 . b x b

O valor A A1 que aparece nesta u ltima express ao e designado por n umero de condi c ao de notar que o n da matriz A e habitualmente representado por cond(A). E umero de condi c ao de uma matriz depende obviamente da norma escolhida. Agora, a rela c ao entre erro e res duo pode ser escrita como r e r 1 cond(A) , cond(A) b x b onde
e x

pode ser interpretado como o erro relativo e

r b

como o res duo relativo.

Notando que para toda a matriz A invert vel se tem I = AA1 conclui-se que 1 = I A A1 vericando-se ent ao que cond(A) 1. Diz-se que a matriz A e bem condicionada quando cond(A) relativo
e x

1. Nesta situa c ao, o erro


r b

ser a da mesma ordem de grandeza do res duo relativo

. Se cond(A)

1 a matriz

diz-se mal condicionada. Em tais casos, a rela c ao entre erro relativo e res duo relativo obtida atr as e pouco informativa. A erros pequenos podem corresponder res duos grandes e res duos pequenos podem corresponder a erros grandes. ao ser muito O c alculo de cond(A) pela deni c ao implica a determina c ao de A1 , o que pode n pr atico. Uma alternativa para estimar cond(A) ser a utilizar a seguinte propriedade 1 = min cond(A) B singular AB A .

Escolhendo ent ao uma matriz B singular obt em-se um minorante para cond(A) dado por cond(A) A . AB

Este minorante ser a tanto melhor quanto mais pr oxima de A for a matriz B utilizada. Podemos tamb em concluir que o n umero de condi c ao de A ser a tanto maior quanto mais A estiver pr oxima de uma matriz singular. Exemplo 5.3.3. A matriz dos coecientes dos sistemas dos exemplos 5.3.1 e 5.3.2 era A= 1.01 0.99 0.99 1.01 .

Cap tulo 5. Sistemas de Equa c oes Lineares

73

Escolhendo a matriz singular B= conclui-se, na norma , que cond(A) 2 A = 100. = AB 0.02 0.99 0.99 0.99 0.99

Na verdade, tem-se neste caso que cond(A) = 100, como se pode comprovar calculando-o pela pela deni c ao. Ent ao, para aqueles sistemas de equa c oes, verica-se a rela c ao 0.01 r b

e x

100

r b

pelo que o res duo relativo n ao fornece grande informa c ao sobre o erro relativo e vice-versa, tal como ent ao se tinha vericado.

5.4

Perturba c oes no sistema de equa c oes

Em muitas situa c oes, os elementos da matriz de coecientes A ou do vector de termos independentes b est ao sujeitos a erros. Estes erros podem resultar do facto de tais elementos serem obtidos a partir de medi c oes (sempre sujeitas a erros) ou de c alculos que originem erros de arredondamento (ou outros). Estas considera c oes tornam relevante a an alise da sensibilidade da solu c ao do sistema de equa c oes Ax = b face a perturba c oes, quer na matriz A, quer no vector b. O resultado apresentado em seguida arma que varia c oes relativas nos termos independentes aparecem multiplicadas pelo n umero de condi c ao de A como varia c oes relativas na solu c ao do sistema. O majorante aqui apresentado pode ser, por vezes, bastante pessimista. e Teorema 5.4.1. Considere-se o sistema de equa c oes Ax = b, onde se sup oe que A Rnn e n ao nulo. Seja x a solu c ao deste sistema, isto e, x = A1 b. Seja tamb em n ao singular e b Rn n a solu c ao do sistema (perturbado) Ax = b, ou seja, x = A 1 b. b R e represente-se por x Ent ao verica-se que x x b b cond(A) . x b b), obt em-se a rela c ao Demonstra c ao. Dado que x x = A1 (b x x A1 b b Por outro lado, tem-se b = Ax , e logo b A x , ou ainda 1 A x 1 b

Multiplicando termo a termos estas desigualdades obt em-se a rela c ao b b x x A A1 x b que e equivalente a ` rela c ao pretendida, pois cond(A) = A A1 .

Cap tulo 5. Sistemas de Equa c oes Lineares

74

Exemplo 5.4.1. Considere-se o sistema de equa c oes Ax = b, onde 1 2 4 1 A= 4 3 1 e b= 2 . 2 2 3 1 A solu c ao deste sistema e x = [0.2 1 0.2]T . Considerando o novo termo independente em-se a solu c ao x = [0.62 1.7 0.42]T . b = [1.1 2.2 0.9]T , obt A varia c ao relativa nos termos independentes, medida na norma , e 0.2 b b = 0.1, = b 2 enquanto a varia c ao relativa nas solu co es, medida na mesma norma, e x x 0.7 = 0.7, = x 1 ou seja, 7 vezes superior. Neste caso tem-se que cond(A) = 48 na norma . Consideremos agora perturba c oes na matriz dos coecientes. O resultado seguinte relaciona varia c oes relativas na matriz dos coecientes com varia c oes relativas na solu c ao do sistema. Mais uma vez, o factor de amplica c ao do majorante aqui apresentado e o n umero de condi c ao de notar que em algumas situa da matriz A. E c oes esta estimativa pode ser bastante pessimista. e Teorema 5.4.2. Considere-se o sistema de equa c oes Ax = b, onde se sup oe que A Rnn e n ao nulo. Seja x a solu c ao deste sistema, isto e, x = A1 b. n ao singular e b Rn Rnn , n ao singular, e represente-se por x a solu c ao do sistema (perturbado) Seja tamb em A 1 Ax = b, ou seja, x = A b. Ent ao verica-se que A A x x cond(A) . x A Demonstra c ao. As hip oteses do teorema permitem escrever A) A) x x = A1 (A x+x x = A1 b = A1 A = A1 (A + A ou seja, A) x. x x = A1 (A A x Ent ao, verica-se que x x A1 A . Ou ainda, x x A1 A x como se pretendia mostrar. A A A A = cond(A) A A

Cap tulo 5. Sistemas de Equa c oes Lineares

75

Exemplo 5.4.2. Considere-se o sistema de equa c oes Ax = b, onde 1 5 10 16 5 , A= e b = 0 1 6 0 0 1 1 cuja solu c ao ex = [1 1 1]T . , denida por Considere-se tamb em a matriz A 1 5 10 = 0 1 6 A 0 0 1.1 =b A solu c ao do sistema Ax ex = A perturba c ao na matriz dos coecientes e 0 0 0 A = 0 0 0 . A 0 0 0.1 Neste caso, a varia c ao relativa na matriz dos coecientes e, na norma , A 1 0.1 A = . = A 16 160 A varia c ao relativa na solu c ao ser a x x = x ou seja,
6400 51 40 11 51 11 51 11 5 11 10 T . 11

40 , 51

(cerca de 125) vezes maior. Neste caso tem-se que cond(A) = 736 na norma .

5.5

M etodos iterativos

Vamos agora estudar m etodos iterativos para a resolu c ao de sistemas de equa c oes lineares. Consideremos novamente um sistema de equa c oes Ax = b. De uma forma geral, os m etodos iterativos consistem na substitui c ao do sistema original por um outro equivalente, da forma x = Gx + d, c ao de uma sucess ao {x(k) } Rn pela express ao de recorr encia onde G Rnn e d Rn , e na gera x(k+1) = Gx(k) + d k = 0, 1, . . . ,

ao {x(k) } seja a partir de um valor inicial x(0) Rn . Obviamente que se pretende que a sucess convergente para A1 b, que e o valor procurado.

Cap tulo 5. Sistemas de Equa c oes Lineares

76

Dado o sistema de equa c oes, onde aii = 0 i, a11 x1 + a12 x2 + + a1n xn = b1 a21 x1 + a22 x2 + + a2n xn = b2 . . . . . . a x + a x + + a x = b n1 1 n2 2 nn n n resolvendo cada equa c ao i em ordem ` a vari avel xi , obt em-se o sistema equivalente a13 b1 12 1n a a x3 a x1 = a11 x2 a11 xn + a11 11 a23 b2 2n x2 = a21 x1 a x3 a a22 a22 xn + a22 22 . . . . . . x = an1 x an2 x an3 x n + abnn n ann 1 ann 2 ann 3 Denindo B Rnn e c Rn respectivamente por aij se i = j aii bij = 0 se i = j ci = bi aii i = 1, . . . , n,

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

este u ltimo sistema pode ser escrito como x = Bx + c. O m etodo iterativo de Jacobi e caracterizado por utilizar a express ao de recorr encia x(k+1) = Bx(k) + c ou, de forma equivalente para cada uma das vari aveis,
n

xi,(k+1) =
j =1

bij xj,(k) + ci ,

isto para i = 1, . . . , n. O seguinte exemplo ilustra a aplica c ao do m etodo de Jacobi . Exemplo 5.5.1. Aplicar o m etodo de Jacobi para resolver o sistema 3 3 1 1 x1 0 2 1 x2 = 3 . x3 3 1 2 4 Resolu c ao Express oes de recorr encia Isolando uma vari avel em cada uma das equa co es, obt em-se as express oes de recorr encia 1 1 x1,(k+1) = 3 x2,(k) 3 x3,(k) + 1 3 x2,(k+1) = 1 2 x3,(k) + 2 x = 1x +1x + 3
3,(k+1) 4 1,(k) 2 2,(k) 4

Cap tulo 5. Sistemas de Equa c oes Lineares

77

Estimativa inicial Escolhamos x0 = [0 Itera c ao 1 0 0]T . = 1 0 1 x 3 0+1=1 1,(1) 3 3 x2,(1) = 1 2 0 + 2 = 1.5 x 1 1 3 3,(1) = 4 0 + 2 0 + 4 = 0.75 = 1 1.5 1 x 3 0.75 + 1 = 1.25 1,(2) 3 3 x2,(2) = 1 2 0.75 + 2 = 1.125 x 1 1 3 3,(2) = 4 1 + 2 1.5 + 4 = 1.25

Itera c ao 2

Resultados Continuando a aplica c ao do m etodo, obt em-se as seguintes estimativas


k 0 1 2 3 4 5 6 7 8 9 10 11 x1,(k) 0 1.0000 1.2500 0.9583 0.9583 1.0174 1.0052 0.9954 0.9999 1.0010 0.9998 0.9998 x2,(k) 0 1.5000 1.1250 0.8750 1.0000 1.0260 0.9948 0.9957 1.0020 1.0005 0.9995 0.9999 x3,(k) 0 0.7500 1.2500 1.0000 0.9479 1.0104 1.0087 0.9961 0.9990 1.0010 1.0000 0.9998

que convergem para a solu c ao [1

1]T .

Analisando a express ao de recorr encia do m etodo de Jacobi, verica-se a determina c ao da nova estimativa de uma vari avel utiliza as estimativas da itera c ao anterior das outras vari aveis. Considerando que as novas estimativas s ao determinadas sequencialmente, ou seja, primeiro x1 , e xn , verica-se que quando se vai calcular a nova estimativa depois x2 e assim sucessivamente at a se disp oe de novos valores para as vari aveis xj , como j = 1, . . . , i 1. de xi j O m etodo iterativo de Gauss-Seidel tira partido deste facto, utilizando no c alculo da nova estimativa de uma vari avel sempre a u ltima estimativa dispon vel das vari avel necess arias. Assim, podemos caracterizar o m etodo de Gauss-Seidel pela express ao de recorr encia
i1 n

xi,(k+1) =
j =1

bij xj,(k+1) +
j =i+1

bij xj,(k) + ci ,

Cap tulo 5. Sistemas de Equa c oes Lineares

78

para i = 1, . . . , n. Pretende-se com esta altera c ao obter uma maior rapidez de converg encia para a solu c ao pretendida. A aplica c ao do m etodo de Gauss-Seidel encontra-se ilustrada no exemplo seguinte. Exemplo 5.5.2. Aplicar o m etodo de Gauss-Seidel para resolver o sistema 3 1 1 3 x1 0 2 1 x2 = 3 . x3 1 2 4 3 Resolu c ao Express oes de recorr encia As express oes de recorr encia s ao agora as seguintes 1 1 x1,(k+1) = 3 x2,(k) 3 x3,(k) + 1 3 1 x2,(k+1) = 2 x3,(k) + 2 1 1 x + 3 3,(k+1) = 4 x1,(k+1) + 2 x2,(k+1) 4 Estimativa inicial Escolhamos x0 = [0 Itera c ao 1 0 0]T . = x 1,(1)
1 3 1 3

0+1=1
3 2 1 2

= 1 x 2 0+ 2,(1) x 1 3,(1) = 4 1 + Itera c ao 2 = x 1,(2)


1 3 1 3

= 1.5 1.5 +
3 4

= 1.25

1.5

1.25 + 1 = 1.0833
3 4

3 x2,(2) = 1 2 1.25 + 2 = 0.875 x 1 1 3,(2) = 4 1.0833 + 2 0.875 +

= 0.9167

Resultados Continuando a aplica c ao do m etodo, obt em-se as seguintes estimativas


k 0 1 2 3 4 5 6 7 8 x1,(k) 0 1.0000 1.0833 0.9861 1.0058 0.9985 1.0005 0.9999 1.0000 x2,(k) 0 1.5000 0.8750 1.0417 0.9878 1.0038 0.9989 1.0003 0.9999 x3,(k) 0 1.2500 0.9167 1.0243 0.9925 1.0023 0.9993 1.0002 0.9999

Cap tulo 5. Sistemas de Equa c oes Lineares

79

que convergem para a solu c ao [1

1]T .

Em ambos os exemplos atr as apresentados verica-se que as sucess oes geradas pelos m etodos iterativos convergem para a solu c ao do sistema procurada. No entanto este comportamento nem sempre se verica, como se mostra no seguinte exemplo. Exemplo 5.5.3. Aplicar o m etodo de Jacobi e tamb em o m etodo de Gauss-Seidel para resolver o sistema 0 2 1 x2 = 1 . x3 1 1 2 2 Resolu c ao em-se uma sucess ao que n ao Aplicando o m etodo de Jabobi, partindo de x0 = [0 0 0]T , obt T converge para a solu c ao ( unica) x = [1 1 1] , como se pode ver pela tabela seguinte.
k 0 1 2 3 4 5 6 7 8 9 ... x1,(k) 0 1.0000 1.0000 1.2500 1.0000 1.2500 0.9375 1.2500 0.8750 1.2656 ... x2,(k) 0 0.5000 0.7500 0.7500 0.8750 0.8125 0.9375 0.8438 0.9844 0.8594 ... x3,(k) 0 0.5000 0.5000 0.7500 0.6250 0.8750 0.6875 0.9688 0.7188 1.0469 ...

1 1

1 x1

Aplicando agora o m etodo de Gauss-Seidel e partindo tamb em de x0 = [0 0 0]T , obt em-se uma sucess ao que converge para a solu c ao do sistema, como se pode observar pela tabela seguinte.
k 0 1 2 3 4 5 6 7 8 9 ... x1,(k) 0 1.5000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 ... x2,(k) 0 0.5000 0.7500 0.8750 0.9375 0.9688 0.9844 0.9922 0.9961 0.9980 ... x3,(k) 0 0.5000 0.7500 0.8750 0.9375 0.9688 0.9844 0.9922 0.9961 0.9980 ...

Cap tulo 5. Sistemas de Equa c oes Lineares

80

Este exemplo mostra que e necess ario, como seria de esperar, obter condi c oes que garantam a converg encia dos m etodos iterativos estudados. As condi c oes que iremos estudar s ao casos particulares de uma resultado mais geral sobre converg encia de m etodos iterativo de express ao de recorr encia x(k+1) = Gx(k) + d, que apresentamos em seguida. Teorema 5.5.1. Sejam G Rnn e d Rn . Se para alguma norma induzida se vericar G < 1, ent ao c ao 1. existe uma e uma s o solu c ao x Rn da equa x = Gx + d, ao de recorr encia 2. a sucess ao {x(k) }, gerada pela express x(k+1) = Gx(k) + d, converge para x , qualquer que seja o ponto inicial x(0) , x(k+1) , satisfaz 3. o erro de aproxima c ao de x por x(k+1) , x x x(k+1) Demonstra c ao. 1. A equa c ao x = Gx + d e equivalente a (I G)x = d, que ter a uma e uma s o solu c ao se a matriz I G for n ao singular. x = 0, ou ainda Suponha-se que I G e singular. Ent ao existe x = 0 (em Rn ) tal que (I G) x = Gx . Logo, para a norma considerada, verica-se que x = Gx G x , concluindo-se imediatamente que G 1. Como este facto contraria a hip otese G < 1, a matriz I G ter a de ser n ao singular, como se pretendia mostrar. 2. Como x = Gx + d e x(k+1) = Gx(k) + d, k , verica-se que + d (Gx(k) + d) = G( x x(k) ), x x(k+1) = Gx Aplicando sucessivamente esta express ao, conclui-se que x x(k) ) = G2 ( x x(k1) ) = = Gk ( x x(0) ), x x(k+1) = G( x(0) . podendo ent ao escrever-se que x x(k) Gk x k = 0, 1, . . . . k = 0, 1, . . . . G 1 G x(k+1) x(k) , k = 0, 1, . . . . k = 0, 1, . . . ,

Cap tulo 5. Sistemas de Equa c oes Lineares

81

Por outro lado, tem-se que


k vezes k vezes k

G G G

G G G = G k.
k

Como G < 1, pode armar-se que limk+ G


k+

= 0, resultando ent ao que

lim

x x(k) = 0,

como se pretendia mostrar. 3. Partindo da express ao x x(k) ), x x(k+1) = G( v alida para k = 0, 1, . . ., como visto atr as, pode concluir-se que x x(k+1) = G( x x(k+1) + x(k+1) x(k) ) = G( x x(k+1) ) + G(x(k+1) x(k) ). Desta express ao resulta que x x(k+1) G( x x(k+1) ) + G(x(k+1) x(k) ) G x x(k+1) + G x(k+1) x(k) , que pode ser reescrita como (1 G ) x x(k+1) G x(k+1) x(k) .

Dado que G < 1, tem-se 1 G > 0, obtendo-se imediatamente a express ao pretendida. Seja novamente A Rnn . Diz-se que matriz A e estritamente diagonalmente dominante por linhas quando se verica
n

|aii | >
j =1 j =i

|aij |,

i = 1, . . . , n,

ou seja, quando para cada linha da matriz se verica que o valor absoluto do elemento da diagonal e superior ` a soma dos valores absolutos de todos os outros elementos. O resultado seguinte fornece condi c oes sucientes para a converg encia do m etodo de Jacobi. No entanto, estas condi c oes n ao s ao necess arias para a converg encia do m etodo. Isto e, h a casos em que estas condi c oes n ao se vericam e o m etodo converge. Teorema 5.5.2. Sejam A Rnn e b Rn . Se a matriz A for estritamente diagonalmente dominante por linhas ent ao a sucess ao gerada pelo m etodo de Jacobi converge para a u nica solu c ao do sistema de equa c oes Ax = b, designada x , qualquer que seja o ponto inicial x(0) .

Cap tulo 5. Sistemas de Equa c oes Lineares

82

Demonstra c ao. A express ao de recorr encia do m etodo de Jacobi e x(k+1) = Bx(k) + c, onde B e c s ao obtidos a ` custa de A e b, de acordo com as express oes vistas atr as. Sendo A estritamente diagonalmente dominante por linhas, verica-se que todos os elementos da sua diagonal s ao n ao nulos. Logo, a matriz B e o vector c est ao bem denidos. Tem-se tamb em, para qualquer i = 1, . . . , n, que
n n

|bij | =
j =1 j =1 j =i

aij 1 = aii |aii |

|aij | < 1,
j =1 j =i

concluindo-se imediatamente que B

< 1.

Aplicando agora o resultado sobre converg encia de m etodos iterativos, pode armar-se que a equa c ao x = Bx + c tem uma e uma s o solu c ao x , e tamb em que o m etodo de Jacobi converge para x , qualquer que seja o ponto inicial x(0) . Este teorema ca demonstrado notando que a equa c ao x = Bx + c e equivalente a Ax = b, pelo que x eau nica solu c ao desta u ltima equa c ao. Como corol ario deste resultado tem-se que toda a matriz quadrada estritamente diagonalmente dominante por linhas e n ao singular. Este resultado, ao fornecer condi c oes sucientes para a converg encia do m etodo de Jacobi, indica como proceder para garantir que a aplica c ao deste m etodo fornecer a uma sucess ao convergente. De facto, se a matriz A dos coecientes do sistema n ao for estritamente diagonalmente dominante por linhas n ao h a garantia da converg encia do m etodo. Em tais situa c oes dever-se- a proceder a uma pr evia manipula c ao de A de forma a satisfazer as condi c oes de converg encia. Esta manipula c ao pode passar pela troca de linhas da matriz (que corresponde a ` troca de ordem de equa c oes), ou troca de colunas (que corresponde a ` troca da ordem das vari aveis), ou ainda a realiza ` c ao de outras opera c oes sobre a matriz que mantenham a equival encia do sistema de equa c oes. tamb E em imediato concluir da validade da seguinte express ao para a majora c ao da norma do erro em x(k+1) x x(k+1) B x x(k) . 1 B (k+1)

Exemplo 5.5.4. Aplicando o m etodo de Jacobi, obter uma solu c ao aproximada do sistema de equa c oes, com um erro m aximo absoluto em cada vari avel de 5 103 . 4x1 2x2 + x3 = 3 x1 x2 + 3x3 = 3 x + 3x =2 1 2

Cap tulo 5. Sistemas de Equa c oes Lineares

83

Resolu c ao Uma vez que a matriz dos coecientes n ao e estritamente diagonalmente dominante por linhas, torna-se necess ario efectuar opera c oes sobre a matriz previamente a ` aplica c ao do m etodo. Assim, trocando a segunda equa c ao com a terceira 4 2 1 3 1 1 obt em-se o sistema equivalente 1 3 x1 0 x2 = 2 x3 3 3

cuja matriz de coecientes j a e estritamente diagonalmente dominante por linhas, garantindo a converg encia do m etodo de Jacobi. A express ao de recorr encia do m etodo de Jacobi e x(k) = Bx(k1) + c, tendo-se aqui que B= 0
1 3 1 3 1 2

1 4

c=

0
1 3

0 0

3 4 2 3

c ao k , e uma vez que B Sendo e(k) o erro na itera e(k)

=3 4 , verica-se a estimativa = 3 x(k) x(k1)

3 4

3 4

x(k) x(k1)

Garantir um erro m aximo absoluto em cada vari avel de 5 103 na itera c ao k e equivalente a ter e(k)

5 103 . Para tal, bastar a impor k = 3 x(k) x(k1)

5 103 , que ser aa

condi c ao de paragem do m etodo. Partindo da condi ca o inicial nula, obtiveram-se os resultados apresentados na tabela ao lado. De acordo com a estimativa do erro, parou-se a aplica ca o do m etodo assim que k 5 103 . ca o 10 erros m aximos absolutos A solu c ao do sistema e x1 = x2 = x3 = 1, obtendo-se na itera 4 em todas as vari aveis inferiores a 5 10 , pelo que a estimativa do erro utilizada e, neste caso, algo conservadora.
k 0 1 2 3 4 5 6 7 8 9 10 x1,(k) 0 0.75000 0.83333 0.96528 0.96528 0.99595 0.99228 0.99995 0.99818 1.00020 0.99955 x2,(k) 0 0.66667 0.91667 0.94444 0.98843 0.98843 0.99865 0.99743 0.99998 0.99939 1.00007 x3,(k) 0 1.00000 0.97222 1.02778 0.99306 1.00772 0.99749 1.00212 0.99916 1.00060 0.99973 k 3 7.5 101 4.0 101 1.3 101 9.2 102 3.1 102 2.3 102 8.9 103 6.0 103 2.6 103

Cap tulo 5. Sistemas de Equa c oes Lineares

84

Passemos agora ao m etodo de Gauss-Seidel. O teorema seguinte fornece condi c oes de converg encia para este m etodo. Teorema 5.5.3. Sejam A Rnn e b Rn . Se a matriz A for estritamente diagonalmente dominante por linhas ent ao a sucess ao gerada pelo m etodo de Gauss-Seidel converge para a u nica solu c ao do sistema de equa c oes Ax = b, qualquer que seja o ponto inicial x(0) . Estas condi c oes de converg encia do m etodo de Gauss-Seidel s ao semelhantes ` as apresentadas para o m etodo de Jacobi. Tal como ent ao, trata-se apenas de condi c oes sucientes, ou seja, h a situa c oes em que estas condi c ao n ao se vericam e o m etodo de Gauss-Seidel converge. A an alise aqui apresentada n ao permite concluir qual dos m etodos (Jacobi ou Gauss-Seidel) possui uma converg encia mais r apida. Contudo, e frequente o m etodo de Gauss-Seidel convergir mais rapidamente que o m etodo de Jacobi. Exemplo 5.5.5. Aplicando o m etodo de Gauss-Seidel, obter uma solu c ao aproximada do sistema de equa c oes. Terminar o m etodo assim que a diferen ca entre duas estimativas consecutivas seja aveis. inferior ou igual a 103 , em todas as vari x1 4x3 = 3 4x2 2x3 = 2 4x 2x = 2 1 2 Resolu c ao A matriz dos coecientes do sistema n ao e estritamente diagonalmente dominante por linhas. No entanto, trocando a primeira equa c ao com a terceira obt em-se o sistema equivalente 4 0 2 2 x1 0 4 2 x2 = 2 x3 1 0 4 3 cuja matriz de coecientes e estritamente diagonalmente dominante por linhas, condi c ao suciente para a converg encia do m etodo de Gauss-Seidel. As express oes de recorr encia ser ao 1 x1,(k) = 2 x3,(k1) + x2,(k) = 1 2 x3,(k1) + 1 x + 3,(k) = 4 x1,(k) sendo a condi c ao de paragem denida por x(k) x(k1)

1 2 1 2 3 4

103 .

Cap tulo 5. Sistemas de Equa c oes Lineares

85

Partindo da condi c ao inicial nula, obt em-se os resultados apresentados na tabela seguinte.
k 0 1 2 3 4 5 x1,(k) 0 0.50000 0.93750 0.99219 0.99902 0.99988 x2,(k) 0 0.50000 0.93750 0.99219 0.99902 0.99988 x3,(k) 0 0.87500 0.98438 0.99805 0.99976 0.99997 x(k) x(k1) 8.8 101 4.4 101 5.5 102 6.8 103 8.5 104

5.6

Relaxa c ao dos m etodos de Jacobi e Gauss-Seidel

n j =1 j =i

A express ao de recorr encia do m etodo de Jacobi e xi,(k+1) = que pode ainda ser escrita na forma xi,(k+1) 1 aii bi

aij xj,(k)

1 = xi,(k) + bi aii

n j =1

aij xj,(k) ,

e obtida somando a ` estimativa anterior um dado a qual evidencia que cada nova estimativa de xi valor, que n ao e mais do que o res duo da equa c ao i dividido pelo termo aii . A relaxa c ao do m etodo de Jacobi consiste em tomar uma constante > 0 e utilizar a express ao de recorr encia xi,(k+1) 1 = xi,(k) + bi aii
n j =1

aij xj,(k) .

com o objectivo de alterar a converg encia do m etodo. No caso do m etodo de Gauss-Seidel, a express ao de recorr encia i1 n 1 aij xj,(k+1) aij xj,(k) bi xi,(k+1) = aii
j =1 j =i+1

pode tamb em tomar a forma xi,(k+1)

1 = xi,(k) + bi aii

i1

aij xj,(k) .

aij xj,(k+1)
j =1 j =i

A relaxa c ao deste m etodo e de igual modo efectuada considerando um valor > 0 e utilizando agora a express ao de recorr encia xi,(k+1) = xi,(k) + 1 bi aii
i1

aij xj,(k) .

aij xj,(k+1)
j =1 j =i

Cap tulo 5. Sistemas de Equa c oes Lineares

86

De uma maneira geral, a considera c ao de < 1, designada por sub-relaxa c ao, permite tornar convergente um m etodo que inicialmente n ao o seria, enquanto a considera c ao de > 1, designada por sobre-relaxa c ao, permite acelerar a converg encia de um m etodo, podendo contudo torn a-lo divergente! A sobre-relaxa c ao do m etodo de Gauss-Seidel e habitualmente designada por m etodo das sobre-relaxa c oes sucessivas (successive over relaxation SOR) sendo bastante utilizada na resolu c ao de sistemas de equa c oes lineares por m etodos iterativos. Efectivamente, em muitas situa c oes e poss vel determinar, em fun c ao da matriz A de coecientes do sistema, o valor optimo do par ametro que conduz a uma maior rapidez de converg encia. Exemplo 5.6.1. Compare o desempenho dos m etodos de Gauss-Seidel e SOR com = 1.25 na resolu c ao do sistema de equa co es 4x1 + 3x2
= 24 = 30 = 24

1 2 x + 4x 2 3

3x + 4x x3

cuja solu c ao e x1 = 3, x2 = 4, x3 = 5. Em ambos os casos partir de x1,(0) = x2,(0) = x3,(0) = 1 e efectuar 8 itera c oes. Resolu c ao As express oes de recorr encia do m etodo de Gauss-Seidel s ao x1,(k+1) = x1,(k) + x2,(k+1) x3,(k+1) 1 24 4x1,(k) 3x2,(k) 4 1 30 3x1,(k+1) 4x2,(k) + x3,(k) = x2,(k) + 4 1 = x3,(k) + 24 + x2,(k+1) 4x3,(k) 4

Partindo x1,(0) = x2,(0) = x3,(0) = 1 obt em-se os resultados apresentados na tabela seguinte. k 0 1 2 3 4 5 6 7 8 x1,(k) x2,(k) x3,(k) 1.00000

1.00000 1.00000

5.25000 3.81250 5.04688 3.14063 3.88281 5.02930 3.08789 3.92676 5.01831 3.05493 3.95422 5.01144 3.03433 3.97139 5.00715 3.02146 3.98212 5.00447 3.01341 3.98882 5.00279 3.00838 3.99302 5.00175

Cap tulo 5. Sistemas de Equa c oes Lineares

87

As express oes de recorr encia do m etodo SOR com = 1.25 s ao x1,(k+1) = x1,(k) + x2,(k+1) x3,(k+1) 1.25 24 4x1,(k) 3x2,(k) 4 1.25 30 3x1,(k+1) 4x2,(k) + x3,(k) = x2,(k) + 4 1.25 = x3,(k) + 24 + x2,(k+1) 4x3,(k) 4

Partindo x1,(0) = x2,(0) = x3,(0) = 1 obt em-se os resultados apresentados na tabela seguinte. k 0 1 2 3 4 5 6 7 8 x1,(k) x2,(k) x3,(k) 1.00000

1.00000 1.00000

6.10000 3.61000 6.31700 2.73100 3.92500 4.75910 3.12130 3.97810 5.05475 2.99545 3.99205 4.99144 3.00807 3.99690 5.00264 3.00118 3.99877 4.99984 3.00087 3.99951 5.00018 3.00027 3.99980 5.00002

Comparando os resultados constata-se facilmente que a sucess ao produzida pelo m etodo SOR converge muito mais rapidamente para a solu c ao do problema.

Cap tulo 6

Aproxima c ao dos M nimos Quadrados


6.1 Introdu c ao

O problema de aproxima c ao que ser a estudado neste cap tulo pode ser descrito como se segue. Dado um conjunto de pares ordenados (x1 , y1 ), (x2 , y2 ), . . ., (xn , yn ), pretende-se determinar oximo de yi , para i = 1, 2, . . . , n. uma fun c ao aproximante g tal que g (xi ) seja pr

y g (x)
( x n , yn )

( x 1 , y1 )

( x 2 , y2 )

Figura 6.1: Aproxima c ao. de notar que contrariamente ao problema de interpola E c ao, no qual se pretendia determinar uma fun c ao que tomasse valores bem denidos num conjunto de pontos determinados, no problema de aproxima c ao apenas se exige que os valores da fun c ao aproximante estejam pr oximos dos valores dados. Muitas vezes os valores yi est ao afectados por erros, n ao fazendo muito sentido obrigar a fun c ao g a satisfazer as condi c oes g (xi ) = yi . De um modo semelhante ao que se passa com os problemas de interpola c ao, ao tratar um problema de aproxima c ao ser a necess ario abordar algumas quest oes tais como a escolha da classe de fun c oes aproximantes a utilizar, o crit erio de aproxima c ao que permitir a seleccionar a 88

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

89

melhor fun c ao aproximante dentro da classe de fun c oes consideradas e ainda a forma de obter tal fun c ao, partindo dos dados do problema.

6.2

Fun c oes aproximantes e desvios

De um modo geral, poderemos dizer que a classe de fun c oes aproximantes estar a parametrizada por um conjunto de valores c1 , c2 , . . . , ck , isto e, toda fun c ao aproximante g poder a ser escrita na forma g (x) = F (x; c1 , c2 , . . . , ck ). Assim, a resolu c ao de um dado problema de aproxima c ao consistir a em determinar os valores c ao que melhor aproxima os dados (xi , yi )n c1 , c2 , . . . , ck que denem a fun i=1 , de acordo com um dado crit erio denido a ` partida. Por exemplo, se se pretender aproximar os pontos dados por uma linha recta ser a natural que a classe de fun c oes aproximantes seja da forma F (x; c1 , c2 ) = c1 + c2 x, abola, sendo c1 e c2 os valores a determinar; se se pretender aproximar os pontos por uma par teremos F (x; c1 , c2 ) = c1 + c2 x + c3 x2 , sendo agora c1 , c2 e c3 os valores a determinar. O crit erio de selec c ao da melhor fun c ao dever a traduzir o maior ou menor grau de aproxima c ao dos valores da fun c ao aproximante aos valores dados. Desta forma, para cada conjunto de valores cas entre cada um dos valores yi dados c1 , c2 , . . . , ck denem-se os desvios como sendo as diferen e, e o respectivo valor da fun c ao aproximante F (xi ; c1 , c2 , . . . , ck ), isto di = yi F (xi ; c1 , c2 , . . . , ck ), i = 1, 2, . . . , n.

Ser a ent ao natural que o crit erio de compara c ao de fun c oes aproximantes que permite decidir qual delas e melhor seja baseado nestes desvios. Este crit erio dever a conduzir a fun c oes aproximantes que tornem tais desvios pequenos, em valor absoluto. Alguns crit erios poss veis ser ao
n

1. minimizar
i=1

|di | max |di |


n

2. minimizar

1in

3. minimizar
i=1

d2 i

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

90

de referir que em qualquer dos casos a minimiza E c ao consistir a em encontrar o conjunto de nimo o crit erio em causa, pois os desvios considerados, e logo valores c1 , c2 , . . . , ck que tornem m a fun c ao a minimizar, dependem destes par ametros. Os dois primeiros crit erios acima apresentados conduzem, de um modo geral, ` a resolu c ao de sistemas de equa c oes n ao lineares para determinar os par ametros que denem a melhor fun c ao aproximante. Tal facto constitui assim uma desvantagem destes crit erios. No terceiro caso, a determina c ao da melhor fun c ao e efectuada resolvendo um sistema de c oes aproximantes seja equa c oes lineares nos par ametros c1 , . . . , ck , sempre que a classe de fun denida por F (x; c1 , c2 , . . . , ck ) = c1 1 (x) + c2 2 (x) + ck k (x), ao fun c oes dadas. Neste caso, temos o designado m etodos dos onde 1 (x), 2 (x), . . . , k (x) s m nimos quadrados, que ser a estudado nas sec c oes seguintes.

6.3

Aproxima c ao dos m nimos quadrados

Dados os pares (xi , yi ), com i = 1, . . . , n, e as fun c oes 1 , . . . , k , a aproxima c ao dos m nimos nima a quantidade quadrados consiste em determinar os par ametros c1 , . . . , ck que tornam m
n n n k 2

e(c1 , . . . , ck ) =
i=1

d2 i

=
i=1

[yi ( c1 1 (xi ) + . . . + ck k (xi ) )] =


i=1

yi
l=1

cl l (xi )

ou seja, que minimizam a soma dos quadrados dos desvios. Este e um problema de minimiza c ao ao se colocando qualquer restri c ao sobre os par ametros, para que e(c1 , . . . , ck ) seja em Rk . N m nimo ser a necess ario que e = 0, ou, equivalentemente, e = 0, cj Calculando estas derivadas parciais obt em-se e = cj
n i=1 2

j = 1, . . . , k.

cj
n

yi
l=1 k

cl l (xi ) cl l (xi )
l=1 k n

=
i=1

(2) yi
l=1 n

cl l (xi )
n

cj
k

cl l (xi )
l=1

= 2
i=1 n

yi

j (xi ) = 2
i=1

yi j (xi )
i=1 l=1

cl l (xi )j (xi )

= 2
i=1

yi j (xi )
l=1

cl
i=1 e cj k

l (xi )j (xi )

E ent ao, como se pretende ter

= 0, resulta
n n

cl
l=1 i=1

l (xi )j (xi ) =
i=1

yi j (xi ),

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

91

obtendo-se, nalmente, o sistema de equa c oes n n 2 ( x ) + c 1 (xi )2 (xi ) + + ck c 1 i 2 1 i =1 i =1 n n c1 2 (xi )1 (xi ) + c2 2 (xi ) + + ck
2

1 (xi )k (xi ) =
i=1 n i=1 n

yi 1 (xi ) yi 2 (xi )
i=1 n

2 (xi )k (xi ) =
i=1 n

......... n k (xi )1 (xi ) + c2 c 1


i=1

i=1

i=1 n

k (xi )2 (xi ) + + ck
i=1 i=1

2 k (xi ) =

yi k (xi )
i=1

Este sistema de k equa c oes lineares em k inc ognitas permite obter as constantes c1 , . . . , ck que caracterizam a melhor fun c ao aproximante no sentido dos m nimos quadrados. Vamos para j a supor que este sistema tem solu c ao u nica. A an alise de exist encia e unicidade de solu c ao deste sistema ser a abordada mais tarde. Se pretendermos aproximar os pontos por uma recta, as fun c oes aproximantes ser ao da forma ao k = 2 e as fun c oes 1 (x) = 1 e 2 (x) = x. Neste caso, o sistema g (x) = c1 + c2 x. Teremos ent de equa c oes a resolver toma a forma n 1 + c2 c 1 c1
i=1 n i=1 n n

xi =
i=1 n i=1

yi
i=1 n

xi + c2

x2 i =

xi yi
i=1

Estes somat orios s ao facilmente determinados organizando os c alculos numa tabela como a seguinte. xi x1 x2 ... xn xi yi y1 y2 ... yn yi x2 i x2 1 x2 2 ... x2 n x2 i xi yi x1 y1 x2 y2 ... xn yn xi yi

Se se pretender efectuar uma aproxima c ao por uma par abola, as fun c oes aproximantes ser ao da ao, dever-se- a ter k = 3 e as fun c oes 1 (x) = 1, 2 (x) = x e forma g (x) = c1 + c2 x + c3 x2 . Ent c oes a resolver e o seguinte. 3 (x) = x2 . O sistema de equa n n n n 2 1 + c x + c x = yi c 1 2 i 3 i i=1 i=1 i=1 i=1 n n n n 3 c1 xi + c2 x2 + c x = xi yi 3 i i i =1 i =1 i =1 i =1 n n n n 2 3 4 c x + c x + c x = x2 2 3 1 i i i i yi
i=1 i=1 i=1 i=1

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

92

Exemplo 6.3.1. Determine a aproxima c ao dos m nimos quadrados aos pontos da tabela. x 1 2 4 5 7 8 10 y 1 2 4 4 5 6 a) Por uma recta. b) Por uma par abola. c) Por uma recta que minimize o erro em x. Resolu c ao a) A fun c ao aproximante ser a F (x) = c1 + c2 x, sendo c1 e c2 calculados resolvendo o sistema c1 c1
7 i=1 1 + c2 7 i=1 xi + c2 7 i=1 xi = 7 2 i=1 xi = 7 i=1 yi 7 i=1 xi yi

Na tabela abaixo encontram-se os c alculos necess arios a ` completa deni ca o deste sistema de equa c oes. xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7 x2 i 1 4 16 25 49 64 100 xi yi 1 4 16 20 35 48 70 194

37 29 259 O sistema a resolver ser a 7c1 + 37c2 = 29

37c1 + 259c2 = 194 a ent ao resultando c1 = 0.75 e c2 = 0.64189. A recta aproximante ser y = 0.75 + 0.64189x. b) A fun c ao aproximante ser a F (x) = c1 + c2 x + c3 x2 , sendo c1 , c2 e c3 determinados por 2 c1 i 1 + c2 i xi + c3 i xi = i yi 3 c1 i xi + c2 i x2 i + c3 i xi = i xi yi 2 3 4 2 c 1 i xi + c2 i xi + c3 i xi = i xi yi

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

93

Os coecientes do sistema determinam-se a partir dos c alculos expostos na seguinte tabela. xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7 x2 i 1 4 16 25 49 64 x3 i 1 8 64 125 343 512 x4 i 1 16 256 625 2401 4096 xi yi 1 4 16 20 35 48 70 194 x2 i yi 1 8 64 100 245 384 700 1502

100 1000 10000

37 29 259 2053 17395 O sistema de equa c oes a resolver ser a ent ao 7c1 + 37c2 + 259c3 = 29

37c1 + 259c2 + 2053c3 = 194 259c + 2053c + 17395c = 1502 1 2 3 abola que aproxima os pontos resultando c1 = 0.288690, c2 = 0.890625 e c3 = 0.023065. A par ser a portanto y = 0.288690 0.890625x + 0.023065x2 . ao calculadas resolvendo o sistema c) Agora tem-se F (y ) = c1 + c2 y . As constantes c1 e c2 s c1 c1
7 i=1 1 + c2 7 i=1 yi + c2 7 i=1 yi = 7 2 i=1 yi = 7 i=1 xi 7 i=1 yi xi

Os c alculos necess arios a ` deni ca o deste sistema apresentam-se na tabela seguinte. xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7


2 yi

yi xi 1 4 16 20 35 48 70 194

1 4 16 16 25 36 49

37 29 147 Assim, o sistema de equa c oes a resolver ser a 7c1 + 29c2 = 37

29c1 + 147c2 = 194 a do qual resultam os valores c1 = 0.99468 e c2 = 1.51596. Agora, a recta aproximante ser x = 0.99468 + 1.51596y.

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

94

6.4

Redu c ao a problemas de m nimos quadrados

Por vezes interessa considerar fun c oes aproximantes F (x; c1 , . . . , ck ) que n ao podem ser escritas e, como uma combina c ao linear de na forma F (x; c1 , . . . , ck ) = c1 1 (x) + . . . + ck k (x), isto fun c oes dadas. Nestes casos, a aplica c ao do m etodo dos m nimos quadrados para a determina c ao c ao aproximante resulta na resolu c ao de um dos par ametros c1 , . . . , ck que denem a melhor fun sistema de equa c oes n ao lineares. Contudo, em diversas situa c oes e poss vel transformar estes problemas em outros cuja resolu c ao seja mais f acil. Considere-se ent ao que a classe de fun c oes aproximantes e da forma F (x; c1 , . . . , ck ), ao os par ametros a determinar e suponha-se que existe uma fun c ao g tal que onde c1 , . . . , ck s g (F (x; c1 , . . . , ck )) = b1 1 (x) + + bk k (x), ao fun c oes conhecidas, e os par ametros b1 , . . . , bk se relacionam com os par ameonde 1 , . . . , k s edio das rela c oes b1 = 1 (c1 ), . . . , bk = k (ck ), para fun c oes 1 , . . . , k , tros c1 , . . . , ck por interm tamb em conhecidas. Isto equivale a transformar a classe de fun c oes dada numa outra em que os par ametros a determinar sejam os coecientes de uma combina c ao linear de fun c oes conhecidas. Nestas situa c oes, e poss vel determinar a fun c ao aproximante que minimiza a soma dos quadrados dos desvios modicados resolvendo um sistema de equa c oes lineares. Estes desvios modicados denem-se por g (yi ) g (F (xi ; c1 , . . . , ck )) = g (yi ) [b1 1 (xi ) + + bk k (xi )]. O problema que se est a agora a resolver consiste em determinar a fun c ao b1 1 (x) + + bk k (x) nimos quadrados. Este problema que melhor aproxima os pontos (xi , g (yi )) no sentido dos m reduz-se ` a resolu c ao de uma sistema de equa c oes lineares nos par ametros b1 , . . . , bk . Uma vez resolvido este problema ser a necess ario determinar os par ametros c1 , . . . , ck que caracterizam a fun c ao aproximante pretendida. Para tal ser ao utilizadas as rela c oes
1 (bj ), cj = j

j = 1, . . . , k.

Rera-se que esta abordagem de determina c ao da melhor fun c ao aproximante n ao permite determinar a fun c ao que minimiza a soma dos quadrados dos desvios, mas sim a soma dos quadrados dos desvios modicados, perdendo-se algum do signicado do conceito de melhor fun c ao aproximante. Todavia, a vantagem obtida com a redu c ao do problema original a ` simples resolu c ao de um sistema de equa c oes lineares compensa em muitas situa c oes tal perda. Claro est a que

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

95

a principal diculdade desta abordagem est a na determina c ao da fun c ao g , isto e, da transforma c ao dos dados do problema que permite obter a classe de fun c oes aproximantes como uma combina c ao linear de fun c oes conhecidas. Exemplo 6.4.1. Aproximar por uma fun c ao da forma y = axb os pontos x 1 1.2 1.6 2

y 1 1.3 1.4 1.7 Resolu c ao em-se Aplicando uma transforma c ao logar tmica aos valores y = axb obt ln(y ) = ln(a) + b ln(x). Desta forma, minimizando a soma dos quadrados dos desvios dos logaritmos de y , obt em-se um problema cuja solu c ao e determinada resolvendo um sistema de equa co es lineares. Para tal basta tomar 1 (x) = 1 e 2 (x) = ln(x). Agora tem-se que ln(y ) = b1 1 (x) + b2 2 (x), sendo b1 = ln(a) e b2 = b as constantes a determinar. ao calculadas resolvendo as equa c oes As constantes b1 e b2 s b1 b1
4 4 4 i=1 1 + b2 i=1 ln(xi ) = i=1 ln(yi ) 4 4 4 2 i=1 ln(xi ) + b2 i=1 ln (xi ) = i=1 ln(yi ) ln(xi )

Calculando os somat orios indicados, obt em-se o sistema 4b1 + 1.34547b2 = 1.12946 1.34547b1 + 0.73460b2 = 0.57378 ao a = eb1 = 1.05247 e b = b2 = 0.68741. A cuja solu c ao e b1 = 0.05144 e b2 = 0.68741. Ent fun c ao aproximante ser a y = 1.05247x0.68741 . Na tabela seguinte apresentam-se os valores de y dados, bem como os valores obtidos com a fun c ao aproximante determinada. x y 1.05247x0.68741 1 1 1.2 1.3 1.6 1.4 2 1.7

1.052 1.193 1.454 1.695

6.5

Aproxima c ao em espa cos vectoriais e m nimos quadrados

O problema de aproxima c ao dos m nimos quadrados que temos vindo a abordar pode ser inclu do num problema mais geral de aproxima c ao em espa cos vectoriais. Esta inclus ao permite n ao

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

96

s o perspectivar extens oes do problema considerado, bem como sistematizar o estudo de tais problemas. Consideremos ent ao um espa co vectorial real V no qual se encontra denido um produto interno que representaremos por , . Seja ainda considerado, isto e, v = v, v , v V. a norma em V induzida pelo produto interno

Tomemos um conjunto de vectores de V , {v1 , v2 , . . . , vk }, que por simplicidade de tratamento suporemos linearmente independentes. Seja ainda u um qualquer vector de V e consideremos o problema de determinar a combina c ao linear c1 v1 + c2 v2 + + ck vk que melhor aproxima u no sentido de tornar m nimo u (c1 v1 + c2 v2 + + ck vk ) 2 . Este problema mais n ao e do que o de determinar o elemento do subespa co de V gerado pelos oximo do vector u. Uma vez que os elementos vectores v1 , v2 , . . . , vk que se encontra mais pr de tal subespa co se encontram parametrizados por c1 , c2 , . . . , ck , trata-se de um problema de minimiza c ao em Rk . O teorema seguinte estabelece um conjunto de condi c oes que t em de ser satisfeitas pelo elemento minimizante, as quais permitir ao determinar tal elemento. Teorema 6.5.1. Considere-se o conjunto {v1 , v2 , . . . , vk } de vectores de V linearmente indenimo pendentes e um vector u V . A combina c ao linear c1 v1 + c2 v2 + + ck vk que torna m o valor u (c1 v1 + c2 v2 + + ck vk ) satisfaz as rela c oes vj , u (c1 v1 + c2 v2 + + ck vk ) = 0, j = 1, 2, . . . , k.
2

Este resultado tem uma interpreta c ao geom etrica bastante simples, pois arma que a diferen ca e ortogonal entre o vector u e a combina c ao linear c1 v1 + c2 v2 + + ck vk que melhor o aproxima a cada um dos vectores v1 , v2 , . . . , vk que geram o subespa co considerado. Destas rela c oes de ortogonalidade e poss vel concluir que vj , u vj , c1 v1 + c2 v2 + + ck vk = 0 ou seja, c1 vj , v1 + c2 vj , v2 + . . . + ck vj , vk = vj , u para j = 1, 2, . . . , k. Obt em-se ent ao o seguinte sistema de k equa c oes lineares nas k inc ognitas

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

97

c1 , c2 , . . . , ck .

v2 , v1 . . . vk , v1 v1 , v1 v1 , v2 v2 , v2 . . . vk , v2 ... ... .. . ... v1 , vk v2 , vk . . . vk , vk

c1 c2 . . .

v1 , u

v2 , u = . . . vk , u ck

Habitualmente estas equa c oes s ao designadas por equa c oes normais. Este sistema de equa c oes ao linearmente tem solu c ao u nica uma vez que se est a a supor que os vectores v1 , v2 , . . . , vk s independentes. Voltemos agora ao problema original de aproxima c ao dos m nimos quadrados que consiste em determinar a combina c ao linear c1 1 (x) + c2 2 (x) + + ck k (x), que minimiza a soma dos quadrados dos desvios relativos aos pares (xi , yi )n i=1 . 1 , 2 , . . . , k e y Considerem-se os vectores de Rn , denidos por 1 (x1 ) 2 (x1 ) k (x1 ) 1 (x2 ) 2 (x2 ) k (x2 ) k = 1 = = , , . . . , 2 . . . . . . . . . 1 (xn ) 2 (xn ) k (xn ) y1 y2 . . . yn .

= , e y

e, Consideremos o produto interno usual denido em Rn e a respectiva norma induzida, isto


n

u, v =
i=1

u i vi ,

u, v Rn
n 1/2

u =

u, u =
i=1

u2 i

u Rn .

O problema de aproxima c ao dos m nimos quadrados e ent ao equivalente ao problema de deter minar a combina c ao linear c1 1 + c2 2 + + ck k que torna m nimo o valor 1 + c2 2 + + ck k ) 2 . y (c1 Trata-se ent ao de um problema de aproxima c ao em espa cos vectoriais como o acima apresentado. c ao do problema, Desta forma, conclui-se que os valores c1 , c2 , . . . , ck , que caracterizam a solu s ao determinados resolvendo 1 1 , 2 , 1 . . . 1 k , o seguinte sistema de equa c oes. 1 , 2 . . . 1 , k c1 2 , 2 . . . 2 , k c2 . = . . . . .. . . . . . k , 2 . . . k , k ck 1 , y 2 , y . . . k , y .

Cap tulo 6. Aproxima c ao dos M nimos Quadrados

98

Atendendo ao produto interno considerado em Rn , este sistema de equa c oes toma a forma

1 (xi )1 (xi )
i=1 n i=1 n

1 (xi )2 (xi ) 2 (xi )2 (xi )


i=1

...
i=1 n

1 (xi )k (xi ) 2 (xi )k (xi )


i=1

c1
i=1 n

1 (xi )yi 2 (xi )yi


i=1

2 (xi )1 (xi )
i=1

... .. .

c2 . . . ck

n i=1

. . . k (xi )1 (xi )

n i=1

. . . k (xi )2 (xi )

n i=1

. . . k (xi )k (xi )

n i=1

. . . k (xi )yi

...

que mais n ao e do que aquele anteriormente obtido. Esta abordagem da aproxima c ao dos m nimos quadrados permite agora analisar facilmente a quest ao da exist encia e unicidade de solu c ao. Assim, pode concluir-se que este problema tem as denidos, forem linearmente independentes. solu c ao u nica se os vectores 1 , 2 , . . . , k , atr ao linearmente independentes nos pontos Neste caso diz-se que as fun c oes 1 , . . . , k s x1 , x2 , . . . , xn . Daqui resulta naturalmente que o n umero de pontos n dever a ser sempre superior ou igual ao n umero de fun c oes consideradas k .

Cap tulo 7

Interpola c ao
7.1 Introdu c ao

O problema de interpola c ao consiste em, dado um conjunto de pares ordenados (x0 , y0 ), (x1 , y1 ), c ao g , designada fun c ao interpoladora, tal que . . ., (xn , yn ), determinar uma fun g (xi ) = yi , i = 0, 1, . . . , n.

y g (x)
( x n , yn )

( x 0 , y0 )

( x 1 , y1 )

Figura 7.1: Interpola c ao. os de interpola c ao e devem satisfazer a condi c ao Os valores x0 , x1 , . . . , xn designam-se por n i = j xi = xj , ou seja, serem todos diferentes. Os correspondentes valores y0 , y1 , . . . , yn designam-se por valores nodais. Perante um dado problema de interpola c ao ser a necess ario ter em considera c ao diversas quest oes, das quais se destacam a escolha da classe de fun c oes interpoladoras a utilizar e a forma de determinar concretamente a fun c ao (ou uma fun c ao) interpoladora. O problema de interpola c ao tem aplica c oes em diversas situa c oes como sejam o c alculo de fun c oes fornecidas por tabelas quando se pretende avaliar a fun c ao em pontos n ao tabelados (muito importante no passado!). 99

Cap tulo 7. Interpola c ao

100

quando apenas se conhecem os valores de uma fun c ao em certos pontos, por exemplo resultantes de medidas experimentais, e se pretende avaliar a fun c ao em novos pontos (sem repetir experi encias ou medi c oes . . .). a aproxima c ao de fun c oes cujo c alculo seja complexo ou exija grande esfor co. a base de muitos m etodos num ericos. O estudo de problemas de interpola c ao aqui apresentado centra-se na interpola c ao polinomial (fun c oes interpoladoras polinomiais), abordando ainda a interpola c ao polinomial segmentada (splines polinomiais).

7.2

Interpola c ao polinomial

Comecemos por relembrar que uma fun c ao p diz-se polinomial de grau n se puder ser escrita na forma p(x) = an xn + an1 xn1 + + a1 x + a0 onde n N0 e an = 0, excepto quando n = 0 em que an pode ser nulo. Neste u ltimo caso o polin omio diz-se nulo, e o seu grau e, por conven c ao, . Das justica c oes para a utiliza c ao de fun c oes interpoladoras polinomiais podemos destacar as que se seguem. O c alculo dos valores de fun c oes polinomiais e feito com um n umero nito de multiplica c oes e somas. As opera c oes de deriva c ao e primitiva c ao de fun c oes polinomiais s ao simples e podem ser facilmente realizadas de forma autom atica. As fun c oes polinomiais s ao de classe C . As fun c oes polinomiais aproximam tanto quanto se queira qualquer fun c ao cont nua num intervalo nito (ver resultado abaixo). Por abuso de linguagem, uma fun c ao polinomial e aqui identicada com o polin omio que a caracteriza. Teorema 7.2.1 (Weierstrass). Seja [a, b] um intervalo real e f uma fun c ao cont nua em [a, b]. Ent ao, qualquer que seja > 0, existe uma fun c ao polinomial p tal que
x[a,b]

max |f (x) p(x)| < .

Cap tulo 7. Interpola c ao

101

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

p(x) a x

Figura 7.2: Teorema de Weierstrass. Este teorema arma a exist encia de polin omios que aproximam tanto quanto se queira qualquer fun c ao cont nua (num intervalo limitado). No entanto, n ao fornece nenhuma indica c ao sobre como determinar tais polin omios, em fun c ao dependendo de uma aproxima c ao pretendida. E de referir, no entanto, que em determinadas circunst ancias, a interpola c ao polinomial produz polin omios aproximantes. Um dado polin omio p (leia-se fun c ao polinomial) pode ser apresentado de diversas formas. Na forma de pot encias simples ser a escrito como p(x) = a0 + a1 x + a2 x2 + + an xn . Na forma de pot encias centradas ser a agora escrito como 1 (x c) + a 2 (x c)2 + + a n (x c)n , p(x) = a 0 + a onde c e uma constante, designada por centro. Na forma de Newton ser a escrito como 1 (x c1 ) + a 2 (x c1 )(x c2 ) + + a n (x c1 ) (x cn ), p(x) = a 0 + a ao constantes, designadas por centros. onde os ci (i = 1, . . . , n) s O c alculo do valor de um polin omio p num ponto x pode ser efectuado de uma forma eciente (reduzindo o n umero de opera c oes aritm eticas a realizar) empregando o designado algoritmo de Horner. Para a forma de pot encias simples, p(x) = a0 + a1 x + + an xn , tem-se y = an Para i = n 1 at e 0 fazer y = ai + y x Para a forma de Newton, p(x) = a0 + a1 (x c1 ) + + an (x c1 ) (x cn ), tem-se y = an Para i = n 1 at e 0 fazer y = ai + y (x ci+1 )

Cap tulo 7. Interpola c ao

102

Em ambos os casos p(x) e dado pelo valor nal de y .

7.3

Polin omio interpolador: unicidade e exist encia

Nesta sec c ao iremos mostrar que para um conjunto de n os distintos (xi )n i=0 e respectivos valores o polin omio p de grau menor ou igual a n tal que nodais (yi )n i=0 quaisquer, existe um e um s p(xi ) = yi , para i = 0, . . . , n. Comecemos por relembrar o seguinte resultado sobre factoriza c ao de polin omios, que ser a utilizado posteriormente. omio p, ent ao Teorema 7.3.1. Se z1 , z2 , . . . , zk forem zeros distintos do polin p(x) = (x z1 ) (x z2 ) (x zk ) r(x) onde r e tamb em um polin omio. O resultado seguinte arma que se existir um polin omio interpolador de grau menor ou igual a n ent ao ele eu nico. Teorema 7.3.2 (Unicidade do polin omio interpolador). Sejam p e q polin omios, de grau inferior ao ou igual a n, que tomam os mesmos valores num conjunto de n os x0 , x1 , . . . , xn distintos. Ent estes polin omios s ao iguais. Demonstra c ao. Seja d o polin omio diferen ca entre p e q , isto e d(x) = p(x) q (x) Este polin omio ter a grau inferior ou igual a n. e imediato concluir que x0 , x1 , . . . , xn s ao Como p e q tomam valores iguais em x0 , x1 , . . . , xn , ra zes distintas de d. Ent ao pode escrever-se d(x) = (x x0 ) (x x1 ) (x xn ) r(x) para algum polin omio r. Seja m o grau de r e suponha-se que m 0. Ent ao o grau de d seria n + 1 + m, contrariando o facto do grau de d ser inferior ou igual a n. Conclui-se assim que n ao se pode ter m 0. A alternativa e r ser o polin omio nulo e, consequentemente, d ser tamb em o polin omio nulo, ou seja, ou polin omios p e q serem iguais. Passemos agora ` a quest ao da exist encia do polin omio interpolador. Se o polin omio, de grau os xi (i = 0, . . . , n) menor ou igual a n, p(x) = a0 + a1 x + . . . + an xn , interpolar os valores yi nos n

Cap tulo 7. Interpola c ao

103

distintos, ent ao os seus coecientes ter ao de vericar a + a1 x0 + . . . + an xn 0 = y0 0 a + a x + . . . + a xn = y 0 1 1 n 1 1 ... a0 + a1 xn + . . . + an xn n = yn que n ao e mais do que um sistema de n + 1 equa c oes lineares nas n + 1 inc ognitas a0 , a1 , . . . , an . A exist encia do polin omio p, e ent ao equivalente a ` exist encia de solu c ao deste sistema de equa c oes. Esta quest ao pode ser avaliada analisando o determinante da matriz dos coecientes do sistema. Este, designa-se por determinante de Vandermonde nos n + 1 pontos x0 , x1 , . . . , xn e e dado por 1 x0 v (x0 , x1 , . . . , xn ) = 1 x1 . . . . . . x2 0 x2 1 . . .
n1 . . . x0 xn 0 n1 . . . x1 xn 1 . . .. . . . . .

n1 xn 1 xn x2 n . . . xn n

O valor deste determinante pode calculado como se segue. Comecemos por subtrair ` au ltima colem-se assim o determinante una deste determinante a pen ultima coluna multiplicada por x0 . Obt equivalente 1 x0 v (x0 , x1 , . . . , xn ) = 1 x1 . . . . . . x2 0 x2 1 . . .
n1 . . . x0

0
n1 x1 (x1

... .. .

n1 x1

x0 )

. . .

. . .

n1 xn1 (x x ) 1 xn x2 n 0 n . . . xn n

Subtraindo agora a ` pen ultima coluna a ante-pen ultima coluna multiplicada por x0 , resulta 1 x0 v (x0 , x1 , . . . , xn ) = 1 x1 . . . . . . x2 0 x2 1 . . .
n2 . . . x0

0
n2 x1 (x1

0 x0 )
n1 x1 (x1

... .. .

n2 x1

x0 )

. . .

. . .

. . .

n2 xn2 (x x ) xn1 (x x ) 1 xn x2 n 0 n 0 n . . . xn n n

Repetindo este processo at e subtrair a ` segunda coluna a primeira coluna multiplicada por x0 , obt em-se 1 v (x0 , x1 , . . . , xn ) = 0 0 ... 0
n2 x1 (x1

0 x0 )
n1 x1 (x1

1 x1 x0 . . . . . .

x1 (x1 x0 ) . . . . .. . . .

x0 )

. . .

. . .

n2 (x x ) xn1 (x x ) 1 xn x0 xn (xn x0 ) . . . xn n 0 n 0 n

Desenvolvendo este determinante pela primeira linha, chega-se a x1 x0 v (x0 , x1 , . . . , xn ) = x2 x0 . . .


n2 n1 x1 (x1 x0 ) . . . x1 (x1 x0 ) x1 (x1 x0 ) n2 n1 x2 (x2 x0 ) . . . x2 (x2 x0 ) x2 (x2 x0 ) . . . . . . .. . . . . .

n2 (x x ) xn1 (x x ) xn x0 xn (xn x0 ) . . . xn n 0 n 0 n

Cap tulo 7. Interpola c ao

104

Colocando agora em evid encia na primeira linha x1 x0 , na segunda linha x2 x0 , e assim ltima linha, tem-se ainda que sucessivamente, at e xn x0 na u 1 x1 v (x0 , x1 , . . . , xn ) = (x1 x0 ) (x2 x0 ) (xn x0 ) 1 x2 . . . . . . x2 1 x2 2 . . .
n1 . . . x1 n1 . . . x2 . .. . . .

n1 1 xn x2 n . . . xn

pelo que se pode escrever v (x0 , x1 , . . . , xn ) =


n

(xj x0 ) v (x1 , . . . , xn ),

j =1

onde v (x1 , . . . , xn ) e o determinante de Vandermonde nos n pontos x1 , . . . , xn . Repetindo o processo acima para o determinante v (x1 , . . . , xn ), depois para v (x2 , . . . , xn ) e assim sucessivamente, obt em-se a express ao v (x0 , x1 , . . . , xn ) =
n j =1

(xj x0 )

(xj x1 ) . . .

(xj xn1 )

j =2

j =n

a n ao nulo desde que os n os xi sejam todos diferentes. concluindo-se ent ao que v (x0 , x1 , . . . , xn ) ser Verica-se deste modo que o sistema de equa c oes que permite obter os coecientes do polin omio interpolador e poss vel (e determinado), podendo ent ao armar-se que existe um polin omio de os distintos (xi )n grau n ao superior a n que interpola os valores (yi )n i=0 nos n i=0 . Uma vez mostrada a exist encia e unicidade do polin omio interpolador, interessa agora encontrar formas de o determinar. Uma possibilidade e resolver o sistema de equa c oes de interpola c ao
n j =0

aj xj i = yi ,

i = 0, 1, . . . , n.

Esta abordagem, embora simples, n ao e aconselh avel, pois exige um n umero elevado de c alculos. Por outro lado, a resolu c ao deste sistema pode acarretar elevados erros num ericos devidos ` a utiliza c ao de aritm etica nita, que pioram a ` medida que n cresce. Nas sec c oes seguintes ser ao estudados processos mais ecientes de determinar o polin omio interpolador. Interessa aqui real car que os processos apresentados constituem diferentes formas de obter o mesmo polin omio interpolador (dado um mesmo conjunto de n os e respectivos valores nodais).

Cap tulo 7. Interpola c ao

105

7.4

Forma de Lagrange

Consideremos novamente um conjunto de n os distintos (xi )n omios (de grau n) i=0 . Os polin denidos pela express ao Lk (x) =
i=0 i=k n

x xi , xk xi

k = 0, 1, . . . , n,

designam-se por polin omios de Lagrange, relativos aos n os x0 , x1 , . . . , xn . Facilmente se conclui que estes polin omios vericam as rela c oes Lk (xj ) = kj , onde kj e o designado delta de Kronecker, ou seja kj 1 se k = j, = 0 se k = j.

y L0 (x) 1

L1 (x)

L3 (x)

x0

x1

x2

x3 L2 (x)

Figura 7.3: Polin omios de Lagrange (exemplo com 4 n os). O polin omio interpolador na forma de Lagrange e obtido como uma combina c ao linear dos polin omios de Lagrange relativos aos n os em quest ao. Os coecientes desta combina c ao linear ser ao os valores nodais a interpolar, como se refere no seguinte teorema. Teorema 7.4.1. O polin omio p, de grau menor ou igual a n, que interpola o conjunto de valores os distintos x0 , x1 , . . . , xn e dado por y0 , y1 , . . . , yn nos n
n

p(x) =
k=0

yk Lk (x).

Demonstra c ao. Como p e a soma de polin omios de grau n ou nulos, conclui-se que o grau de p e menor ou igual a n. Por outro lado, para cada n o xi tem-se que
n n

p(xi ) =
k=0

yk Lk (xi ) =
k=0

yk ki = yi

pelo que p interpola os valores nodais.

Cap tulo 7. Interpola c ao

106

O exemplo seguinte ilustra a obten c ao do polin omio interpolador na forma de Lagrange. Exemplo 7.4.1. Determinar o polin omio de grau menor ou igual a 3 que interpola os valores x 1 y Resolu c ao Inicialmente calculam-se os polin omios de Lagrange relativos aos n os de interpola c ao. L0 (x) = = L1 (x) = = L2 (x) = = L3 (x) = = (x x1 )(x x2 )(x x3 ) (x0 x1 )(x0 x2 )(x0 x3 ) 1 (x 0)(x 2)(x 3) = x(x 2)(x 3) (1 0)(1 2)(1 3) 12 (x x0 )(x x2 )(x x3 ) (x1 x0 )(x1 x2 )(x1 x3 ) 1 (x (1))(x 2)(x 3) = (x + 1)(x 2)(x 3) (0 (1))(0 2)(0 3) 6 (x x0 )(x x1 )(x x3 ) (x2 x0 )(x2 x1 )(x2 x3 ) 1 (x (1))(x 0)(x 3) = (x + 1)x(x 3) (2 (1))(2 0)(2 3) 6 (x x0 )(x x1 )(x x2 ) (x3 x0 )(x3 x1 )(x3 x2 ) 1 (x (1))(x 0)(x 2) = (x + 1)x(x 2) (3 (1))(3 0)(3 2) 12 0 2 3

6 12 18 24

O polin omio interpolador na forma de Lagrange ser a p(x) = 6 L0 (x) + (12) L1 (x) + 18 L2 (x) + 24 L3 (x) 1 = x(x 2)(x 3) 2(x + 1)(x 2)(x 3) 2 3(x + 1)x(x 3) + 2(x + 1)x(x 2) Este polin omio escrito na forma de pot encias simples ca 29 7 p(x) = x3 + x2 12. 2 2 A forma de Lagrange do polin omio interpolador e bastante f acil de determinar. Al em disso, se os n os de interpola c ao se mantiverem xos, mas algum ou alguns dos valores nodais for c ao linear. alterado, n ao e necess ario recalcular os polin omios Lk , mas somente a sua combina Por outro lado, quando se altera ou adiciona um n o e necess ario recalcular todos os polin omios alculos entretanto efectuados. Lk , desaproveitando todos os c

Cap tulo 7. Interpola c ao

107

7.5

Forma de Aitken-Neville

A forma de Aitken-Neville permite calcular o valor do polin omio interpolador num ponto x de uma forma recursiva, considerando sucessivamente mais n os de interpola c ao e respectivos valores nodais. omio Sejam m um inteiro entre 0 e n, k um inteiro entre 0 e n m, e dena-se pm,k como o polin
+k +k os (xi )m c ao de grau menor ou igual a k que interpola os valores (yi )m i=m nos n i=m . A obten

do polin omio interpolador na forma de Aitken-Neville e ilustrada na gura seguinte, onde o e constru do a ` custa dos polin omios pm,k e pm+1,k . polin omio pm,k+1
y

ym+k ym+k+1

pm+1,k (x)

pm,k+1 (x)
ym ym+1

pm,k (x)
xm xm+1 xm+k xm+k+1 x

Figura 7.4: Forma de Aitken-Neville. O teorema seguinte apresenta a express ao que permite o c alculo do polin omio interpolador na forma de Aitken-Neville. omio pm,k+1 satisfaz a Teorema 7.5.1. Dados m e k , e os polin omios pm,k e pm+1,k , o polin rela c ao pm,k+1 (x) = (x xm+k+1 ) pm,k (x) + (xm x) pm+1,k (x) . xm xm+k+1

Demonstra c ao. Como pm,k e pm+1,k s ao polin omios de grau n ao superior a k , o polin omio q denido por q (x) = (x xm+k+1 ) pm,k (x) + (xm x) pm+1,k (x) xm xm+k+1

ter a grau menor ou igual a k + 1. Para mostrar que q pm,k+1 resta ent ao vericar que q (xi ) = yi , para i = m, m + 1, . . . , m + k, m + k + 1. Seja i um inteiro tal que m + 1 i m + k . Ent ao pm,k (xi ) = yi e pm+1,k (xi ) = yi . Calculando

Cap tulo 7. Interpola c ao

108

q (xi ) obt em-se q (xi ) = (xi xm+k+1 ) yi + (xm xi ) yi (xm xm+k+1 ) yi = = yi . xm xm+k+1 xm xm+k+1

Por outro lado, como pm,k (xm ) = ym e pm+1,k (xm+k+1 ) = ym+k+1 , tem-se respectivamente que (xm xm+k+1 ) ym = ym e xm xm+k+1 (xm xm+k+1 ) ym+k+1 q (xm+k+1 ) = = ym+k+1 , xm xm+k+1 q (xm ) = concluindo-se portanto que q (xi ) = yi para i = m, m + 1, . . . , m + k, m + k + 1, como se pretendia mostrar. A aplica c ao repetida da express ao (7.5.1) para um dado ponto x, permite avaliar o valor do polin omio interpolador nesse ponto sem determinar os coecientes do polin omio. A forma de Aitken-Neville e muitas vezes tamb em designada por interpola c ao linear iterada. De facto, a express ao (7.5.1) corresponde a uma generaliza c ao da express ao (x x1 ) y0 + (x0 x) y1 x0 x1 que permite calcular o valor em x da fun c ao linear que interpola y0 em x0 e y1 em x1 . A express ao de recorr encia da forma de Aitken-Neville pode ainda ser escrita como pm,k (x) pm,k+1 (x) = pm+1,k (x) x xm x xm+k+1 .

xm xm+k+1

os (xi )n e necess ario calcular Para avaliar o polin omio que interpola (yi )n i=0 nos n i=0 , em x, pi,0 (x), pi,1 (x), ... i = 0, . . . , n, i = 0, . . . , n 1,

e, nalmente,

p0,n (x) = p(x). e habitual utilizar a nota c ao Uma vez que pi,0 (x) yi , pi,0 (x) = yi (x) pi,1 (x) = yi,i+1 (x) pi,2 (x) = yi,i+1,i+2 (x) ...

Cap tulo 7. Interpola c ao

109

tendo-se ent ao y0 x x0 y01 (x) = y1 x x1 x0 x1 , y12 (x) = y1 x x1 y2 x x2 x1 x2 ,...

y01 (x) x x0 y012 (x) = y12 (x) x x2 x0 x2 ... ,...

Exemplo 7.5.1. Determinar, em x = 1, o valor do polin omio de grau menor ou igual a 3 que interpola os valores da seguinte tabela. x 1 y 0 2 3

6 12 18 24

Resolu c ao Interpolando linearmente entre cada dois pontos consecutivos, obt em-se os valores yi,i+1
6 1+1 y01 (1) = 12 1 0 1 0 = 30, y12 (1) = 12 18 10 12 = 3, y23 (1) = 18 24 12 13 23 = 12

02

Segue-se a interpola ca o dos valores obtidos acima para obter os valores yi,i+1,i+2 30 y012 (1) = 1+1 = 8, y123 (1) = 3 10 12 13 03 =6

3 12 1 2

Finalmente, obt em-se o valor y0123 pretendido 8 1 + 1 y0123 (1) = 6 13 1 3 = 1.

A principal caracter stica que distingue a forma de Aitken-Neville prende-se com o facto de permitir calcular o valor do polin omio interpolador num dados ponto sem calcular os seus coecientes. Esta forma permite ainda adicionar e retirar n os nos extremos reutilizando os c alculos j a efectuados. Contudo, exige a repeti c ao dos c alculos se houver altera c ao dos valores nodais.

Cap tulo 7. Interpola c ao

110

7.6

Forma de Newton

Consideremos novamente os n os de interpola c ao distintos x0 , x1 , . . . , xn . Denam-se os polin omios omios nodais, da seguinte forma Wi , para i = 0, 1, . . . , n 1, designados polin W0 (x) = x x0 W1 (x) = (x x0 )(x x1 ) ... Wn1 (x) = (x x0 )(x x1 ) (x xn1 ) O polin omio interpolador p pode ser escrito na forma de Newton tomando como centros os e, n os distintos x0 , x1 , . . . , xn , isto p(x) = a0 + a1 W0 (x) + + an Wn1 (x), cando a sua determina c ao reduzida ao c alculo dos coecientes a0 , a1 , . . . , an . Partindo do polin omio interpolador p, escrito na forma Newton acima indicada, denam-se os edio de polin omios p0 , p1 , . . . , pn por interm p0 (x) = a0 , p1 (x) = a0 + a1 W0 (x), p2 (x) = a0 + a1 W0 (x) + a2 W1 (x), ... Estes polin omios podem obter-se de uma forma recursiva fazendo p0 (x) = a0 e k = 1, . . . , n.

pk (x) = pk1 (x) + ak Wk1 (x),

em que o polin omio Note-se que o polin omio pk apenas depende dos valores a0 , . . . , ak e tamb interpolador p ser a dado por pn . O teorema seguinte mostra como se devem calcular os valores dos coecientes a0 , a1 , . . . , an do polin omio interpolador na forma de Newton. Teorema 7.6.1. Fazendo a0 = y0 e ak = yk pk1 (xk ) , Wk1 (xk ) k = 1, . . . , n,

ent ao o polin omio pk interpola os valores (yj )k os (xj )k j =0 nos n j =0 , isto para k = 0, 1, . . . , n. Demonstra c ao. Esta demonstra c ao ser a feita por indu c ao.

Cap tulo 7. Interpola c ao

111

Como p0 (x) = y0 , e obvio que este polin omio interpola y0 em x0 .


1 1 os (xj )k as, Suponha-se agora que pk1 interpola os valores (yj )k j =0 nos n j =0 . Como se viu atr

c ao dos polin omios W0 , W1 , . . . , Wn1 , tem-se que pk (x) = pk1 (x) + ak Wk1 (x). Da deni ao que pk (xj ) = pk1 (xj ) = yj , j = Wk1 (xj ) = 0, j = 0, 1, . . . , k 1, concluindo-se ent 0, 1, . . . , k 1. Por outro lado, tem-se que pk (xk ) = pk1 (xk ) + yk pk1 (xk ) Wk1 (xk ) = yk , Wk1 (xk )

concluindo-se nalmente que pk interpola os valores (yj )k os (xj )k j =0 nos n j =0 . Do processo de determina c ao dos coecientes do polin omio na forma de Newton, conclui-se que a considera c ao de novos n os apenas exige o c alculo dos coecientes adicionais, aproveitando os c alculos entretanto j a efectuados. Embora seja habitual ordenar os n os de interpola c ao, tal n ao e necess ario, podendo estes ser considerados por qualquer ordem. Exemplo 7.6.1. Determinar, na forma de Newton, o polin omio de grau menor ou igual a 2 que interpola os valores da seguinte tabela. x 1 2 3 y 1 3 5

omio que interpola o Resolu c ao Come cando com o n o 0 tem-se que p0 (x) = y0 = 1, polin primeiro ponto da tabela. em-se Passando a agora ao n o 1, e fazendo W0 (x) = x x0 = x + 1, obt p1 (x) = p0 (x) + 2 y1 p0 (x1 ) 31 W0 (x) = 1 + (x + 1) = 1 + (x + 1). W0 (x1 ) 2+1 3

Usando nalmente o n o 3, e como W0 (x) = (x x0 )(x x1 ) = (x + 1)(x 1), tem-se p2 (x) = p1 (x) + 5 (1 + 2 y2 p1 (x2 ) 2 3 (3 + 1)) W1 (x) = 1 + (x + 1) + (x + 1)(x 2) W1 (x2 ) 3 (3 + 1)(3 2)

Sendo ent ao o polin omio interpolador p(x) = p2 (x) dado por 1 2 p(x) = 1 + (x + 1) + (x + 1)(x 2). 3 3

7.7

Diferen cas divididas e diferen cas nitas

Sendo m e k inteiros n ao negativos, dena-se pm,k como o polin omio de grau menor ou igual a
+k +k os (xi )m omio ser a k que interpola os valores (yi )m i=m nos n i=m . Na forma de Newton, este polin

pm,k (x) = am,0 + am,1 (x xm ) + + am,k (x xm ) (x xm+k1 )

Cap tulo 7. Interpola c ao

112

A constru c ao do polin omio interpolador na forma de Newton permite concluir que o coeciente
+j +j os (xi )m am,j , para j = 0, 1, . . . , k, apenas depende dos valores (yi )m i=m e dos n i=m . Este coeciente

representa-se por am,j = y [xm , . . . , xm+j ] e designa-se por diferen ca dividida (de ordem j nos n os xm , . . . , xm+j ). O teorema seguinte estabelece uma rela c ao entre diferen cas divididas que permite efectuar o seu c alculo de um modo recursivo. Teorema 7.7.1. As diferen cas dividas satisfazem y [xj ] = yj , com 0 j n, e y [xm , . . . , xk+1 ] = com 0 m k n 1. omio constante pj,0 (x) = yj interpola yj em xj . Demonstra c ao. y [xj ] = yj , uma vez que o polin Sejam pm,km e pm+1,km os polin omios, de graus menores ou iguais a k m, que interpolam
k+1 k+1 k ao, o polin omio q denido (yj )k j =m em (xj )j =m e (yj )j =m+1 em (xj )j =m+1 , respectivamente. Ent

y [xm+1 , . . . , xk+1 ] y [xm , . . . , xk ] xk+1 xm

pela express ao q (x) =

xk+1 x x xm pm+1,km (x) + pm,km (x) xk+1 xm xk+1 xm

interpola ym , . . . , yk+1 em xm , . . . , xk+1 e tem grau menor ou igual a k m + 1 (notar a semelhan ca entre esta express ao e a rela c ao de recorr encia da forma de Aitken-Neville do polin omio interpolador). Da unicidade do polin omio interpolador tem-se que q pm,km+1 . Igualando os em-se coecientes do termo xkm+1 obt am,km+1 = ou ainda, usando diferen cas divididas, y [xm , . . . , xk+1 ] = y [xm+1 , . . . , xk+1 ] y [xm , . . . , xk ] . xk+1 xm am+1,km am,km , xk+1 xm

A utiliza c ao de diferen cas divididas permite escrever o polin omio interpolador na forma de Newton como p(x) = y [x0 ] + y [x0 , x1 ](x x0 ) + + y [x0 , x1 , . . . , xn ](x x0 ) (x xn1 ) onde y [x0 ] = y0 y [x1 ] y [x0 ] x1 x0 y [x1 , x2 ] y [x0 , x1 ] y [x0 , x1 , x2 ] = x2 x0 y [x0 , x1 ] = ...

Cap tulo 7. Interpola c ao

113

Os c alculos das diferen cas divididas podem ser organizados de um modo expedito dispondo-os numa tabela como se mostra abaixo (exemplo com 4 n os). x x0 x1 x2 x3 y [] y0 y [x0 , x1 ] y1 y [x1 , x2 ] y2 y [x2 , x3 ] y3 y [x1 , x2 , x3 ] y [x0 , x1 , x2 ] y [x0 , x1 , x2 , x3 ] y [, ] y [, , ] y [, , , ]

O exemplo seguinte ilustra a utiliza c ao de diferen cas divididas para a obten c ao do polin omio interpolador na forma de Newton. Exemplo 7.7.1. Determinar, na forma de Newton, o polin omio de grau menor ou igual a 3 que interpola os valores da seguinte tabela.
x 1 y 6 0 2 3 24 12 18

Resolu c ao A tabela das diferen cas divididas correspondente aos valores dados e x 1 0 2 3 y [] 6 18 12 15 18 6 24 3 11 7 2 y [, ] y [, , ] y [, , , ]

E ent ao o polin omio interpolador ser a p(x) = 6 18(x + 1) + 11(x + 1)x 7 2 (x + 1)x(x 2). Para al em das diferen cas divididas, podem tamb em denir-se as designadas diferen cas nitas. c ao f representa-se por k A diferen ca nita de ordem k N0 e passo h > 0 da fun h f e o seu valor no ponto x e 0 h f (x) = f (x),
+1 k k k h f (x) = h f (x + h) h f (x),

k = 0, 1, . . .

Cap tulo 7. Interpola c ao

114

Em particular, tem-se que 1 h f (x) = f (x + h) x(x),


1 1 2 h f (x) = h f (x + h) h f (x) = [f (x + 2h) f (x + h)] [f (x + h) f (x)],

... Sempre que n ao haja ambiguidade quanto ao valor do passo h, as diferen cas nitas representamse simplesmente por 0 f, 1 f, 2 f, . . . Quando os n os de interpola c ao se encontram igualmente espa cados, isto e, quando existe um cas nitas dos valores nodais valor h tal que xi+1 xi = h, para i = 0, 1, . . . , n 1, as diferen (yi )n ao dadas por i=0 s 0 yi = yi 1 y ... O resultado apresentado em seguida estabelece uma rela c ao entre as diferen cas nitas e as diferen cas divididas dos valores nodais correspondentes a n os igualmente espa cados. Teorema 7.7.2. A diferen ca dividida de ordem k dos valores nodais y nos n os h-equidistantes xi , xi+1 , . . . , xi+k satisfaz y [xi , . . . , xi+k ] = 1 k yi k !hk
i

i = 0, . . . , n i = 0, . . . , n 1 i = 0, . . . , n 2

= yi = yi+1 yi

2 yi = 1 yi+1 1 yi

Demonstra c ao. Sendo k = 0 verica-se que y [xi ] = yi = 0 yi , por deni c ao. A rela c ao de recorr encia entre as diferen cas divididas permite escrever y [xi , . . . , xi+k+1 ] = y [xi+1 , . . . , xi+k+1 ] y [xi , . . . , xi+k ] xi+k+1 xi

Supondo a validade da rela c ao a mostrar para k , tem-se y [xi , . . . , xi+k+1 ] =


1 k yi+1 k!hk

k!1 k yi hk (k + 1)h

Da deni c ao das diferen cas nitas tem-se k+1 yi = k yi+1 k yi , obtendo-se y [xi , . . . , xi+k+1 ] = 1 1 1 k+1 yi = k+1 yi k k !h (k + 1)h (k + 1)!hk+1

ou seja, a validade da express ao dada para k + 1. Desta forma, o resultado ca demonstrado por indu c ao.

Cap tulo 7. Interpola c ao

115

Tal como no caso das diferen cas divididas, e tamb em vantajoso dispor os c alculos das diferen cas nitas numa tabela. x x0 x1 ... ... y y0 y0 y1 y1 ... ... ... yn2 xn1 yn1 yn1 xn yn 2 y
n2

2 y

...

n1 y

n y

2 y0 ... ... ... ... ... n1 y1 n1 y0 n y0

Caso os n os de interpola c ao sejam equidistantes e ent ao poss vel obter o polin omio p, de grau menor ou igual a n, que interpola os valores (yi )n os h-equidistantes (xi )n i=0 nos n i=0 na forma de Newton utilizando diferen cas nitas. Este polin omio ser a dado por p(x) = y0 + y0 2 y0 (x x0 ) + (x x0 )(x x1 )+ h 2h2 n y0 + + (x x0 )(x x1 ) (x xn1 ) n!hn
n

ou, numa forma compacta, p(x) =


k=0

k y0 k !hk

k 1

(x xi ) .
i=0

Exemplo 7.7.2. Determinar o polin omio p, de grau menor ou igual a 3, que interpola os valores da seguinte tabela. x 1 1 3 5 y Resolu c ao A tabela das diferen cas nitas dos valores nodais e x 1 1 3 5 y y 2 3 5 2 3 2 1 0 5 5 2 y 3 y 2 5 3 1

Cap tulo 7. Interpola c ao

116

Pelo que o polin omio interpolador ser a p(x) = 2 + 3 2 (x + 1)


5 24 (x

+ 1)(x 1) +

5 68 (x

+ 1)(x 1)(x 3).

Como ca patente pelos exemplos apresentados, a determina c ao dos valores nodais obriga a refazer todos os c alculos na determina c ao do polin omio da forma de Newton. Rera-se tamb em que estes c alculos se tornam mais simples se os n os estiverem igualmente espa cados (utilizando diferen cas nitas em vez de diferen cas divididas).

7.8

Interpola c ao directa e inversa

Sejam f : [a, b] R , (xi )n os distintos pertencentes a [a, b] e yi = f (xi ) para i = 0, 1, . . . , n. i=0 n omio p (de grau A interpola c ao directa de f nos n os (xi )n i=0 consiste em determinar o polin menor ou igual a n) que verica p(xi ) = yi para i = 0, 1, . . . , n. Se f admitir inversa em [a, b] ent ao a interpola c ao inversa de f consiste em determinar um polin omio q (de grau menor ou igual a n) tal que q (yi ) = xi , i = 0, 1, . . . , n.

ao os n os de interpola c ao e (xi )n ao os valores nodais, da fun c ao f 1 a interAgora (yi )n i=0 s i=0 s polar. Uma das aplica c oes da interpola c ao inversa e a determina c ao de zeros de fun c oes, como se ilustra no exemplo seguinte. Exemplo 7.8.1. Determinar um valor aproximado do zero de f (x) = Resolu c ao Um zero s e, por deni c ao, um valor tal que f (s) = 0. Tem-se que f (0) = 1 e f (1) = 0.89433. Como f e estritamente crescente em [0, 1] (porqu e?) ent ao f admite inversa nesse intervalo. Logo conclui-se que f (s) = 0 s = f 1 (0) Utilizando interpola c ao inversa de f e calculando o valor de um polin omio interpolador de f 1 em 0 obter-se- a um valor aproximado do zero de f . Escolhendo alguns n os em [0, 1] e calculando os valores nodais obt em-se x 0 0.4 0.6 1
3 2

sin(x) ex em [0, 1].

y = f (x) 1.00000 0.08619 0.29815 0.89433

Cap tulo 7. Interpola c ao

117

Utilizando a forma de Newton calculada a partir das diferen cas divididas y 1.00000 x 0 0.43773 0.08619 0.4 0.52037 0.28815 0.89433 O polin omio interpolador ca p(y ) = 0 + 0.43773(y + 1) + 0.06366(y + 1)(y + 0.08619) + + 0.04745(y + 1)(y + 0.08619)(y 0.28815) E ent ao, s = f 1 (0) p(0) = 0.44200 (vericando-se que f (0.44200) = 0.00113). 0.6 0.67094 1 0.15356 0.06366 0.04745 x[, ] x[, , ] x[, , , ]

7.9

Dupla interpola c ao

Consideremos o problema descrito em seguida. Conhecidos os valores zij = f (xi , yj ) de uma ao distintos, e (yj )m ao tamb em distintos, pretende-se obter fun c ao f : R2 R, onde (xi )n i=0 s i=0 s um valor aproximado de f ( x, y ). Este e um problema de interpola c ao em R2 , mas que pode ser resolvido utilizando interpola c ao em R. Para tal poder-se- a aplicar o m etodo designado por dupla interpola c ao, que consiste em efectuar interpola c oes polinomiais independentes nas duas vari aveis, uma de cada vez. Estas interpola c oes podem ser efectuadas de duas formas alternativa. A primeira alternativa consiste em realizar as opera c oes 1. interpolando em x, obt em-se para cada j o polin omio pj que interpola os valores (zij )n i=0 nos n os (xi )n i=0 ; 2. posteriormente, determina-se o polin omio q que interpola os valores pj ( x) nos n os (yj )m j =0 ; sendo o valor procurado q ( y ). Para esta alternativa ser a vantajoso dispor os c alculos como se mostra na seguinte tabela. f (x, y ) x0 . . . xk x xk+1 . . . xn y0 z00 . . . zk 0 p0 ( x) ... ... .. . ... ... yl z0l . . . zkl pl ( x) q ( y) y yl+1 z0,l+1 . . . zk,l+1 pl+1 ( x) ... ... .. . ... ... ym z0m . . . zkm pm ( x)

zk+1,0 . . . zk+1,l . . .. . . . . . zn0 ... znl

zk+1,l+1 . . . zk+1,m . . .. . . . . . zn,l+1 ... znm

Cap tulo 7. Interpola c ao

118

A segunda alternativa consiste em realizar as opera c oes 1. interpolando em y , obt em-se para cada i o polin omio qi que interpola os valores (zij )m j =0 nos n os (yj )m j =0 ; 2. posteriormente, determina-se o polin omio p que interpola os valores qi ( y ) nos n os (xi )n i=0 . sendo agora o valor procurado p( x). Neste caso dever-se- ao dispor os c alculos como se mostra na seguinte tabela. f (x, y ) x0 . . . xk x xk+1 . . . xn y0 z00 . . . zk 0 ... ... .. . ... yl z0l . . . zkl y q0 ( y) . . . qk ( y) p( y) zk+1,0 . . . zk+1,l qk+1 ( y ) zk+1,l+1 . . . zk+1,m . . . . . .. .. . . . . . . . . . . . . zn0 ... znl qn ( y) zn,l+1 ... znm yl+1 z0,l+1 . . . zk,l+1 ... ... .. . ... ym z0m . . . zkm

Exemplo 7.9.1. Considere a seguinte tabela de alguns valores de z (x, y ) conhecidos.


y z 1 x 2 5 1 2 4 6 22 20 14 10 15 18 7 12 15 5 8 10

1. Interpolando linearmente em x e em y , estime o valor de z (4, 5) (a) interpolando primeiro em x. (b) interpolando primeiro em y . 2. Estime agora z (4, 5) utilizando interpola c ao linear em x e quadr atica em y e interpolando primeiro em x. Resolu c ao 1. Interpola c ao linear em x e y , escolhendo para cada vari avel os dois pontos mais pr oximos. (a) Interpolando primeiro em x

Cap tulo 7. Interpola c ao

119

z01 (4, 4) =

z (2, 4) z (5, 4) z (2, 6) z (5, 6)

42 45 42 45

y = 11.6667 z 1 x 2 4 5 1 10 7 5 2 15 12 8 4 18 15 10 5 6 22 20 14

25

z01 (4, 6) =

25

= 16

Interpolando agora em y os valores calculados, obt em-se z01 (4, 4) 5 4 z01 (4, 5) = (b) Interpolando primeiro em y
z (2, 4) z (2, 6) z (5, 4) z (5, 6) 54 56 54 56 y 4

z01 (4, 6) 5 6 46

= 13.833.

z01 (2, 5) =

46

= 17.5

z 1 x 2 4 5

1 10 7 5

6 22 20 14

15 18 12 15 8 10

z01 (5, 5) =

46

= 12

Interpolando agora em x os valores calculados, obt em-se z01 (2, 5) 4 2 z01 (4, 5) = z01 (5, 6) 4 5 25 = 13.833.

A obten c ao do mesmo valor fazendo as interpola c oes nas duas vari aveis por ordem diferente ter a sido coincid encia? 2. Interpola c ao linear em x e quadr atica em y , escolhendo para cada vari avel os pontos mais pr oximos. Interpolando primeiro em x

Cap tulo 7. Interpola c ao

120

z01 (4, 2) =

z (2, 2) z (5, 2)

42 45

25 z (2, 4) z (5, 4) 42 45

= 9.3333 z 1 = 11.6667 x 2 4 5 1 10 7 5 2 15 12 8 y 4 18 15 10 5 6 22 20 14

z01 (4, 4) =

25 z (2, 6) z (5, 6) 42 45

z01 (4, 6) =

25

= 16

Interpolando agora em y os valores calculados, obt em-se


z01 (4, 2) 5 2 z01 (4, 4) 5 4


24

z01 (4, 5) =

= 12.8333

z12 (4, 5) =

z01 (4, 4) 5 4 z01 (4, 6) 5 6


46

= 13.8333

z01 (4, 5) 5 2 z12 (4, 5) 5 6


26

z012 (4, 5) =

= 13.5833.

Nota: Em todos os c alculos foi utilizada a forma de Aitken-Neville uma vez que em cada caso apenas e necess ario calcular o valor do polin omio interpolador num ponto.

7.10

Erro de interpola c ao

Se os valores nodais a interpolar corresponderem a valores de uma dada fun c ao f , pode ser interessante analisar em que medida o polin omio interpolar se aproxima da fun c ao, obviamente que em pontos distintos dos n os de interpola c ao. O resultado apresentado em seguida generaliza o conhecido teorema do valor m edio que permite concluir a exist encia de um ponto onde a tangente ao gr aco da de uma fun c ao e paralela a uma dada recta secante. De facto, fazendo k = 1 no enunciado do resultado abaixo obt emse directamente aquele teorema pois f [x0 , x1 ] =
f (x 1 ) f (x 0 ) . x1 x0

(Relembremos que as diferen cas

divididas dos valores da fun c ao f s ao representadas por f [. . .].) os distintos em [a, b]. Teorema 7.10.1. Sejam f C k ([a, b]; R) e (xi )k i=0 um conjunto de n Ent ao existe [a, b] tal que f [x0 , x1 , . . . , xk ] = 1 (k ) f ( ). k!

Cap tulo 7. Interpola c ao

121

Demonstra c ao. Seja p o polin omio de grau menor ou igual a k que interpola f nos n os distintos ao, a fun c ao e = f p tem pelo menos k + 1 zeros distintos em [a, b]. Logo (xi )k i=0 . Ent e =f p e(2) ... e(k) = f (k) p(k) tem pelo menos 1 zero em [a, b], ou seja, existe [a, b] tal que f (k) ( ) = p(k) ( ). Designando por ak o coeciente de xk em p verica-se que p(k) (x) k !ak . Da forma de Newton do polin omio interpolador verica-se que ak = f [x0 , x1 , . . . , xk ], concluindose ent ao que k !f [x0 , x1 , . . . , xk ] = f (k) ( ), como pretendido. O teorema seguinte permite estimar o erro cometido ao aproximar uma fun c ao f por um polin omio interpolador dessa fun c ao, habitualmente designado por erro de interpola c a o. omio de grau menor ou igual a n que Teorema 7.10.2. Sejam f C n+1 ([a, b]; R) e p o polin interpola f nos n os distintos (xi )n ao, para qualquer x [a, b] existe i=0 , pertencentes a [a, b]. Ent [a, b] tal que e(x) f (x) p(x) = onde Wn (x) = (x x0 )(x x1 ) (x xn ). Demonstra c ao. Seja x um qualquer elemento de [a, b]. e nulo e o teorema e verdadeiro, pois Wn (xi ) = 0, i. Se x = xi para algum i, o erro omio q de grau menor ou igual a n + 1, Suponha-se agora que x e distinto de (xi )n i=0 . O polin que interpola f nos n os x0 , x1 , . . . , xn e x , pode ser escrito como (relembrar a forma de Newton) ]Wn (x). q (x) = p(x) + f [x0 , x1 , . . . , xn , x ]Wn ( x). Desta express ao resulta que f ( x) = q ( x) = p( x) + f [x0 , x1 , . . . , xn , x ] = Como j a visto, existe [a, b] tal que f [x0 , x1 , . . . , xn , x mente que e( x) = f ( x) p( x) = como se pretendia mostrar. Na express ao do erro de interpola c ao e(x) = 1 f (n+1) ( )Wn (x), (n + 1)!
1 (n+1) ( ), (n+1)! f

tem pelo menos k zeros distintos em [a, b], p(2) tem pelo menos k 1 zeros distintos em [a, b],

f (2)

1 f (n+1) ( )Wn (x), (n + 1)!

obtendo-se nal-

1 f (n+1) ( )Wn ( x) (n + 1)!

Cap tulo 7. Interpola c ao

122

o ponto (dependente de x e dos n os de interpola c ao) e desconhecido, sendo usual considerar uma das seguintes majora c oes do erro absoluto |e(x)| ou |e(x)| 1 max |f (n+1) (z )| |Wn (x)|, (n + 1)! z [a,b]

1 max |f (n+1) (z )| max |Wn (z )|. (n + 1)! z [a,b] z [a,b]

Supondo os n os ordenados de forma crescente (o que n ao acarreta qualquer perda de generalidade) e sendo h o espa camento m aximo entre dois n os consecutivos, a majora c ao de |Wn | no intervalo [x0 , xn ] conduz ainda ao seguinte majorante do erro absoluto |e(x)| que e v alida para todo o x [x0 , xn ]. Exemplo 7.10.1. Pretende-se construir uma tabela da fun ca o f (x) = tan(x) no intervalo [0, 4] com n os equidistantes, por forma a que o erro absoluto cometido quando se interpola linearmente camento m nimo entre os n os? nesta tabela n ao exceda 5 105 . Qual o espa Resolu c ao O erro m aximo absoluto na interpola c ao linear entre n os consecutivos ser a
h2 42

hn+1 max |f (n+1) (z )| 4(n + 1) z [a,b]

max |f |

aximo Tem-se ainda que f (x) = [tan(x)] = [1 + tan2 (x)] = 2 tan(x)(1 + tan2 (x)), cujo valor m e 4 (para x = aximo desejado bastar a impor a condi ca o em [0, 4] 4 ). Para obter o erro m
h2 42

4 5 105
78.5, 4102 espa cados de 479 .

obtendo-se h 102 , o que corresponde a um n umero de intervalos superior a ou seja, ser a usada uma tabela com 80 pontos (incluindo os extremos)

Uma quest ao que surge com alguma naturalidade e a de saber se ` a medida que se aumenta o n umero de n os de interpola c ao, o polin omio interpolador converge para a fun c ao a interpolar, ou seja se o erro de interpola c ao diminui a ` medida que o grau do polin omio interpolador aumenta. Exemplo 7.10.2. Seja f : [1, 1] R denida por f (x) = 1 . 1 + 25x2

i , (i = 0, . . . , 4), obt em-se o polin omio Tomando como n os de interpola c ao os pontos 1 + 2

interpolador p4 (x) =

1250 4 3225 2 x x + 1. 377 754

Cap tulo 7. Interpola c ao

123

i Interpolando nos n os 1 + 3 , (i = 0, . . . , 6), obt em-se o polin omio interpolador

p6 (x) =

1265625 6 2019375 4 211600 2 x + x x + 1. 96356 96356 24089

i Interpolando agora nos n os 1 + 4 , (i = 0, . . . , 8), obt em-se o polin omio interpolador

p8 (x) =

200000000 8 383000000 6 228601250 4 98366225 2 x x + x x + 1. 3725137 3725137 3725137 7450274

p4 (x)

p6 (x)

p8 (x)

Fun c ao interpolada e polin omios interpoladores. Como se pode depreender da an alise da gura, aumentando o n umero de n os e mantendoos equidistantes verica-se que os polin omios interpoladores apresentam cada vez maiores oscila c oes. Este comportamento continua a manter-se continuando a aumentar o n umero de n os. Verica-se assim que o polin omios interpoladores n ao se aproximam cada vez mais da fun ca o a interpolar como seria desej avel. Neste exemplo, ` a medida que o n umero de n os aumenta, o erro de interpola c ao n ao converge para 0, vericando-se que os polin omios interpoladores apresentam oscila c oes de amplitudes crescentes. Este comportamento deve-se ` a habitualmente designada rigidez dos polin omios, que se traduz no eventual aparecimento de oscila c oes quando se obriga um polin omio a passar por determinados pontos. Este tipo de comportamento e bastante indesej avel quando se pretendem utilizar polin omios interpoladores para aproximar fun c oes. Analisando a express ao do erro de interpola c ao pode concluir-se que este comportamento pode ser causado quer pelo aumento dos valores das derivadas de ordem superior da fun c ao f a interpolar, quer pelo aumento dos valores dos polin omios nodais c ao por interpola c ao polinomial, os valores que Wi . Se, para um dado problema de aproxima tomam as derivadas de f s ao algo que n ao se pode contornar, j a os polin omios nodais podem alterados bastando para isso alterar a localiza c ao dos n os de interpola c ao. Na verdade, e

Cap tulo 7. Interpola c ao

124

poss vel escolher os n os de interpola c ao de forma a que os polin omios nodais Wi tomem valores t ao pequenos quanto poss vel. Outra forma de evitar este comportamento ser a utilizar fun c oes interpoladoras n ao polinomiais.

7.11

Polin omios de Chebyshev e n os de interpola c ao

A escolha dos n os de interpola c ao de forma a garantir que os polin omios nodais tomam valores pequenos dever a ser realizada fazendo-os coincidir com as ra zes dos designados polin omios de Chebyshev, como se exp oe em seguida. Sendo x [1, 1] e n = 0, 1, . . ., dena-se a fun c ao Tn (x) = cos(n arccos x). e uma fun c ao polinomial de grau n!! Facilmente se verica que Tn (x) Fazendo = arccos x pode escrever-se Tn (x) = cos(n) Tn+1 (x) = cos((n + 1))) = cos() cos(n) sin() sin(n) Tn1 (x) = cos((n 1))) = cos() cos(n) + sin() sin(n) vericando-se ent ao Tn+1 (x) + Tn1 (x) = 2 cos(theta) cos(n) = 2xTn (x) obtendo-se a express ao de recorr encia Tn+1 (x) = 2xTn (x) Tn1 (x) que juntamente com as condi c oes T0 (x) = 1 T1 (x) = x e de facto uma fun c ao polinomial em [1, 1]. permite concluir que Tn (x) ao designados polin omios de Chebyshev. Alguns destes polin omios Os polin omios Tn (x) s s ao T0 (x) = 1 T1 (x) = x T2 (x) = 2x2 1 T3 (x) = 4x3 3x T4 (x) = 8x4 8x2 + 1

Cap tulo 7. Interpola c ao

125

Uma das caracter sticas desta fam lia de polin omios e o facto de para n 1, o coeciente de xn em Tn (x) ser 2n1 , isto e, Tn (x) = 2n1 xn +

T1 (x) T2 (x) T3 (x) T4 (x)

Figura 7.5: Polin omios de Chebyshev.

O seguinte resultado estabelece a localiza c ao das ra zes dos polin omios de Chebyshev e dos seus valores extremos. zes simples em Teorema 7.11.1. O polin omio Tn (x) tem n ra x k = cos (2k + 1) 2n k = 0, 1, . . . , n 1

e toma valores extremos em k n Tn ( xk ) = (1)k

x k = cos

com

k = 0, 1, . . . , n.

Para n 1, o polin omio de grau n 21n Tn (x) tem coeciente de xn unit ario (diz-se polin omio m onico) e, de acordo com o resultado anterior, satisfaz a condi c ao
x[1,1]

max |21n Tn (x)| =

1 2n1

omio m onico de grau n, tem-se Se Pn (x) for um polin


x[1,1]

max |Pn (x)|

1 2n1

Cap tulo 7. Interpola c ao

126

Consideremos agora a interpola c ao de uma fun c ao f por um polin omio de grau n nos n os (xi )n i=0 de [1, 1]. Como j a visto, o erro de interpola c ao ser a dado, para x [1, 1], por e(x) = f (x) p(x) = 1 f (n+1) ( )Wn (x) (n + 1)!

ao real ca a depend encia onde [1, 1] e Wn (x) = (x x0 )(x x1 ) (x xn ). Esta express do erro de interpola c ao relativamente aos n os de interpola c ao, que poder ao n ao estar ` a partida denidos. e um polin omio m onico de grau n + 1, ter-se- a Uma vez que Wn (x)
x[1,1]

max |Wn (x)|

1 2n
1 2n Tn+1 (x),

sendo este valor o menor poss vel quando Wn (x) = e interpola c ao forem os zeros de Tn+1 (x), isto xi = cos (2i + 1) 2(n + 1)

ou seja, quando os n os de

i = 0, 1, . . . , n.

De acordo com o exposto acima, se p(x) for o polin omio de grau menor ou igual a n que interpola ao o erro de interpola c ao pode ser majorado pela f (x) nos n os que s ao as ra zes de Tn+1 (x) ent express ao
x[1,1]

max |p(x) f (x)|

2n (n

1 max |f (n+1) (z )|. + 1)! z [1,1]

Caso se pretenda aproximar f por um polin omio interpolador de grau n num intervalo [a, b] que n ao o [1, 1], os n os de interpola c ao que conduzem conduzem ao menor valor m aximo de Wn (x) no intervalo [a, b] ser ao os pontos x i = 1 [(b a) xi + a + b] 2

ao os zeros de Tn+1 (x). onde x i (i = 0, 1, . . . , n) s

7.12

Interpola c ao polinomial segmentada (splines)

Consideremos novamente a quest ao de interpolar uma fun c ao f num intervalo [a, b]. Em diversas situa c oes de utiliza c ao de polin omios interpoladores n ao se verica a converg encia para 0 do erro de interpola c ao a ` medida que se consideram mais n os, isto e, polin omios de mais grau mais elevado. Por outro lado, nem sempre e vantajoso do trabalhar com polin omios de grau elevados, pois a sua avalia c ao num ponto utilizando aritm etica nita est a sujeita a erros de arredondamento. Uma alternativa ser a utilizar fun c oes interpoladoras que n ao sejam de classe C . Particularmente interessante e a utiliza c ao de fun c oes polinomiais por segmentos, isto e, fun c oes que em cada subintervalo sejam denidas por um polin omio, mas que em diferentes subintervalos possam ser denidas por diferentes polin omios.

Cap tulo 7. Interpola c ao

127

Deni c ao 7.12.1. Uma fun c ao S diz-se um spline polinomial de grau m (onde m N), relativo aos n os a = x0 < x1 < < xn = b, quando 1. S coincide com um polin omio Si de grau menor ou igual a m em cada subintervalo [xi1 , xi ], i = 1, . . . , n. 2. S C m1 ([a, b]; R). c ao do spline e feita ` a custa dos polin omios Si , que Dados os n os x0 < x1 < < xn , a deni c oes polinomiais de classe C , caracterizam S nos diferentes intervalos [xi1 , xi ]. Sendo as fun a condi c ao 2 e sempre v alida no interior de cada subintervalo, pelo que apenas e necess ario veric a-la nos n os x1 , . . . , xn1 . Dado um conjunto de n os x0 < x1 < < xn e os valores nodais y0 , y1 , . . . , yn respectivos, a interpola c ao por splines de grau m consiste em encontrar um spline S de grau m relativo aos n os x0 < x1 < < xn tal que S (xi ) = yi , i = 0, 1, . . . , n.

Tal como no caso da interpola c ao polinomial tamb em agora se colocam algumas quest oes importantes a `s quais interessa responder, das quais se destacam as seguintes Ser a que existe spline interpolador? Ser a que o spline interpolador eu nico? Como se determinam os polin omios Si que denem o spline? Como se estima o erro na interpola c ao por splines de uma fun c ao? Estas quest oes ser ao de alguma forma endere cadas no estudo que se segue sobre interpola c ao por splines.

Spline de grau 1 ou linear O spline S coincide em cada subintervalo [xi1 , xi ] com o segmento de recta que passa pelos pontos (xi1 , yi1 ) e (xi , yi ). Ou seja, os polin omios Si , denidores do spline, satisfazem Si (xi1 ) = yi1 Si (xi ) = yi i = 1, . . . , n, i = 1, . . . , n.

Cap tulo 7. Interpola c ao

128

de onde resultam 2n equa c oes. Sendo cada Si um polin omio de de grau 1 o spline e denido por 2n coecientes. Resulta daqui a exist encia e unicidade deste spline. Tamb em facilmente se concluir que os polin omios denidores do spline ser ao dados por Si (x) = yi1 xi x x xi1 + yi hi hi

para i = 1, 2, . . . , n. (Nota: nesta express ao e no que se segue, dene-se hi = xi xi1 , para i = 1, 2, . . . , n.)

y
y0 y1

y2 y3 x2 x3 x4 y4

x0

x1

Figura 7.6: Spline linear. Caso os valores nodais yi sejam dados por uma fun c ao, isto e, yi = f (xi ), onde f e uma fun c ao c ao por um spline de grau 1 e majorado de classe C 2 , pode concluir-se que o erro de interpola por |e| com h = max{hi : 1 i n}. Esta express ao obt em-se directamente a partir da majora c ao do erro de interpola c ao polinomial para polin omios de grau menor ou igual a um. 1 |f | 8 h2

max

Spline de grau 2 ou quadr atico abola. Estes arcos ligam-se de O spline coincide em cada intervalo [xi1 , xi ] com um arco de par forma cont nua, dever ao passar pelos valores a interpolar e assegurar a continuidade da primeira derivada nos n os x1 , x2 , . . . , xn1 . As condi c oes a impor aos polin omios Si , denidores do spline S , ser ao Si (xi1 ) = yi1 Si (xi ) = yi Si (xi ) = Si+1 (xi ) i = 1, . . . , n, i = 1, . . . , n, i = 1, . . . , n 1, (7.12.1) (7.12.2) (7.12.3)

a que resultam em 3n 1 equa c oes a satisfazer pelos coecientes dos Si . Neste caso, o spline ser denido por 3n coecientes. Conclui-se ent ao que o spline quadr atico n ao eu nico, pelo que ser a necess ario impor uma condi c ao adicional

Cap tulo 7. Interpola c ao

129

y
y0 y1

y2 y3 x2 x3 x4 y4

x0

x1

Figura 7.7: Spline quadr atico. Denido os polin omios Si , i = 1, . . . , n, por Si (x) = yi1 + mi1 (x xi1 ) + Mi (x xi1 )2 2

garante-se, por constru c ao,a satisfa c ao de (7.12.1). Deste modo ser a necess ario determinar os valores mi e Mi , para i = 1, . . . , n, para denir completamente o spline. Partindo de (7.12.2) e (7.12.3), e poss vel determinar os valores mi e Mi de uma forma recorrente por interm edio das express oes mi = 2 yi yi1 mi1 hi mi mi1 Mi = hi i = 1, . . . , n, i = 1, . . . , n.

sendo necess ario denir o valor adicional m0 , que corresponde a estipular a derivada do spline em x0 . de salientar o facto dos splines quadr E aticos serem pouco utilizados, por habitualmente apresentarem um comportamento com grandes oscila c oes.

Spline de grau 3 ou c ubico omio de grau menor ou igual a 3. Estas fun c oes Em [xi1 , xi ] o spline S coincide com um polin polinomiais ligam-se de forma cont nua, dever ao passar pelos valores a interpolar e assegurar a continuidade da primeira e segunda derivadas nos n os x1 , x2 , . . . , xn1 . As condi c oes a impor aos polin omios Si , denidores do spline S , ser ao Si (xi1 ) = yi1 Si (xi ) = yi Si (xi ) = Si+1 (xi ) Si (xi ) = Si+1 (xi ) i = 1, . . . , n, i = 1, . . . , n, i = 1, . . . , n 1, i = 1, . . . , n 1.

Cap tulo 7. Interpola c ao

130

y
y0 y1

y2 y3 x2 x3 x4 y4

x0

x1

Figura 7.8: Spline c ubico. Temos agora 4n 2 condi c oes e 4n coecientes que denem o spline. Assim, o spline c ubico n ao ser au nico, sendo necess arias duas condi c oes adicionais. Denindo Mi = S (xi ), para i = 0, 1, . . . , n, a continuidade da segunda derivada ca assegurada fazendo-se Si (x) = Mi1 xi x x xi1 + Mi . hi hi

Os par ametros Mi s ao habitualmente designados por momentos. Integrando esta express ao duas vezes obt em-se Si (x) = Mi1 (xi x)3 (x xi1 )3 + Mi + i x + i 6hi 6hi

onde i e i s ao constantes de integra c ao. Denindo ci = i xi1 + i e di = i xi + i , tem-se ainda Si (x) = Mi1 (xi x)3 (x xi1 )3 xi x x xi1 + Mi + ci + di 6hi 6hi hi hi Mi1 h2 i 6 Mi h2 i . 6

Impondo agora as condi c oes Si (xi1 ) = yi1 e Si (xi ) = yi , conclui-se que ci = yi1 e d i = yi

Substituindo estes valores, conclui-se que os polin omios Si podem ser representados por Si (x) = Mi1 (xi x)3 (x xi1 )3 + Mi + 6hi 6hi xi x Mi1 h2 Mi h2 i i yi1 + yi 6 hi 6

x xi1 hi

Impondo a continuidade da primeira derivada nos n os interiores conclui-se que hi hi + hi+1 hi+1 yi+1 yi yi yi1 Mi1 + Mi + Mi+1 = 6 3 6 hi+1 hi para i = 1, 2, . . . , n 1, obtendo-se deste modo um sistema de n 1 equa c oes lineares com n + 1 inc ognitas, que s ao os momentos M0 , M1 , . . . , Mn . Habitualmente, as duas condi c oes a impor para denir univocamente o spline s ao M0 = 0 e ltimo n o). Neste caso, diz-se que Mn = 0 (anulamento da segunda derivada no primeiro e no u o spline e natural.

Cap tulo 7. Interpola c ao

131

Os splines c ubicos s ao bastante utilizados como fun c oes interpoladoras. Tendo por base polin omios de grau 3 s ao fun c oes de f acil avalia c ao num ponto e tamb em garantem a continuidade da se` suas propriedades h gunda derivada. As a ainda a juntar a descrita no resultado seguinte. Teorema 7.12.1. Sejam os n os a = x0 < < xn = b e os valores nodais y0 , . . . , yn . Ent ao, ubico natural e a de todas as fun co es g C 2 ([a, b]; R) que interpolam estes pontos, o spline c u nica que torna m nimo o valor de
b a

[g (x)]2 dx.

e uma fun c ao de classe C 4 , o erro de Caso os valores nodais obede cam a yi = f (xi ), onde f interpola c ao por um spline c ubico e majorado por |e| Exemplo 7.12.1. Interpolar a fun c ao f (x) = 1 1 + 25x2 x [1, 1] 5 |f (4) | 384 h4 .

max

por splines polinomiais, utilizando 7 pontos do intervalo [1, 1] equidistantes. Resolu c ao Os valores a interpolar ser ao x 1 2 3 y
1 26 9 109

1 3
9 34

0 1

1 3 9 34

2 3 9 109

1
1 26

Interpolando por um spline linear obt em-se S1 (x) = 0.17078 + 0.13232x, S2 (x) = 0.44684 + 0.54641x, S3 (x) = 1 + 2.20588x, S4 (x) = 1 2.20588x, S5 (x) = 0.44684 0.54641x, S6 (x) = 0.17078 0.13232x, x [1, 2 3]
1 x [ 2 3, 3]

x [ 1 3 , 0] x [0, 1 3]
2 x [1 3, 3]

x [2 3 , 1]

em-se Interpolando por um spline quadr atico (e considerando m0 = 0) obt


i mi Mi 0 1 3 0.82818 1.69061 2 3.58359 8.26622 4 7.99535 34.73681 5 6.90253 44.69364 6 7.16717 42.20910

0 0.26464 0.79393

Cap tulo 7. Interpola c ao

132

S1 (x) = 0.43543 + 0.79393x + 0.39697x2 , S2 (x) = 0.63469 + 1.39171x + 0.84530x2 , S3 (x) = 1 + 3.58359x + 4.13311x2 , S4 (x) = 1 + 3.58359x 17.36841x2 , S5 (x) = 5.41280 22.89323x + 22.34682x2 , S6 (x) = 13.89892 + 35.04193x 21.10455x2 ,

x [1, 2 3]
1 x [ 2 3, 3]

x [ 1 3 , 0] x [0, 1 3]
2 x [1 3, 3]

x [2 3 , 1]

A interpola c ao por um spline c ubico natural (M0 = 0 e M6 = 0) passa pela resolu c ao do seguinte sistema de equa c oes
2 9 1 18 1 18 2 9 1 18

0
1 18 2 9 1 18

M1

0 0 0 cuja solu c ao e
[M 1 M2

0 0
1 18 2 9 1 18

0 0

M2 0 0 M3 = 1 M 4 18 2 M5 9

9975 24089 3075 1853 75 17 3075 1853 9975 24089

M3

M4

M5 ] = 14.72616 27.21602 14.72616 1.81814] .


T

= [1.81814

Os polin omios denidores do spline c ubico ser ao S1 (x) = 0.63728 2.49388x 2.72721x2 0.90907x3 , S2 (x) = 2.08308 + 9.74775x + 15.63523x2 + 8.27215x3 , S3 (x) = 1 13.60801x2 20.97109x3 , S4 (x) = 1 13.60801x2 + 20.97109x3 , S5 (x) = 2.08308 9.74775x + 15.63523x2 8.27215x3 , S6 (x) = 0.63728 + 2.49388x 2.72721x2 + 0.90907x3 , x [1, 2 3]
1 x [ 2 3, 3]

x [ 1 3 , 0] x [0, 1 3]
2 x [1 3, 3]

x [2 3 , 1]

Spline linear

Spline quadr atico

Cap tulo 7. Interpola c ao

133

Spline c ubico

Como se pode vericar, os splines linear e c ubico constituem boas aproxima c oes da fun ca o f , de relembrar que este u ltimo com propriedades de continuidade das duas primeiras derivadas. E a aproxima c ao desta fun c ao por polin omios interpoladores em n os equidistantes se torna muito problem atica.

Cap tulo 8

Integra c ao Num erica


8.1 Introdu c ao

Em diversas aplica c oes e necess ario calcular o integral denido de uma fun c ao f para a qual n ao se conhece uma express ao expl cita de uma primitiva, tal primitiva e de obten c ao dispendiosa ou quando n ao se conhece uma express ao para a pr opria fun c ao. Nestas situa c oes, pode ser utilizada a designada integra c ao num erica que consiste em aproximar
b

I (f ) =
a

f (x)dx,

utilizando apenas valores da fun c ao f num conjunto nito de pontos no intervalo [a, b].

f(x)

De uma forma geral, pode dizer-se que os m etodos de integra c ao num erica consistem em aproximar a fun c ao f por outra fun c ao g cuja primitiva c ao seja simples de realizar. Desta forma, o integral de f ser a aproximado por
b

I (f )

I (g ) =
a

g (x)dx.

O erro cometido neste processo, representado por E (f ), e dado por E (f ) = I (f ) I (g ) = I (f g ) uma vez que a integra c ao e um operador linear. Assim, a aproxima c ao ser a tanto melhor quanto melhor a fun c ao g aproximar f no intervalo [a, b]. 134

Cap tulo 8. Integra c ao Num erica

135

8.2

Regras de integra c ao b asicas e compostas

Dado que as fun c oes polinomiais s ao simples de integrar, a utiliza c ao de polin omios interpoladores com fun c oes aproximantes constitui uma abordagem interessante ao problema de integra c ao num erica. As regras de integra c ao b asicas consistem em aproximar o integral de f em [a, b] pelo integral de um polin omio interpolador de f num conjunto de n os em [a, b]. Designemos por pn o polin omio de grau menor ou igual a n que interpola f nos n os x0 < x1 < < xn , pertencentes a [a, b]. Representando este polin omio na forma de Lagrange, obt em-se
n

pn (x) =
i=0

f (xi )Li (x)

ao os polin omios de Lagrange relativos aos n os considerados. Ent ao onde Li s


b b n n b

I (pn ) =

pn (x)dx =

f (xi )Li (x)


i=0

=
i=0

f (xi )

Li (x)dx

Denindo, para i = 0, 1, . . . , n, Ai =

b a Li (x)dx, n

verica-se que Ai f (xi )

I (pn ) =
i=0

e logo o integral de f ser a aproximado da seguinte forma


n

I (f )
i=0

Ai f (xi )

ou seja, por uma combina c ao linear dos valores de f nos n os. Os coecientes desta combina c ao linear, tamb em designados por pesos, apenas dependem dos n os escolhidos. claro que escolhendo diferentes n E umeros de n os e diferentes localiza c oes destes se obt em diferentes regras de integra c ao. A aplica c ao das diferentes regras consiste numa primeira fase os escolhidos, e posteriormente em em determinara os pesos Ai , que apenas dependem dos n efectuar a combina c ao linear dos valores da fun c ao nos n os, de acordo com a express ao acima.

y0

f(x)

y1

y0 p1(x)

f(x) y1

y2

p2(x)

x0

x1

x0

x1

x2

Polin omio interpolador em 2 n os

Polin omio interpolador em 3 n os

Diz-se que uma regra de integra c ao e de grau ou exactid ao n se integrar exactamente todos os polin omios de grau menor ou igual a n e existir pelo menos um polin omio de grau n + 1 que n ao e integrado exactamente.

Cap tulo 8. Integra c ao Num erica

136

Uma consequ encia imediata desta deni c ao e o facto de toda a regra de integra c ao que resulte da aproxima c ao de f por um polin omio interpolador em n + 1 n os ser de exactid ao maior ou igual a n. e dado por Relembrando que o erro na aproxima c ao de f pelo polin omio interpolador pn e(x) = f (x) pn (x) = f [x0 , . . . , xn , x]Wn (x), c ao, tamb em designado onde Wn (x) = (x x0 )(x x1 ) (x xn ), conclui-se que o erro de integra por erro de truncatura, ser a
b b

E (f ) =
a

e(x)dx =
a

f [x0 , . . . , xn , x]Wn (x)dx.

Nota: As diferen cas divididas de f utilizadas nesta express ao dever ao ser entendidas num sentido mais geral uma vez que x n ao e necessariamente distinto dos n os considerados. No entanto, e apenas importa referir aqui que sendo f de classe C n+1 se tem que x f [x0 , x1 , . . . , xn , x] cont nua e que existe [a, b] tal que f [x0 , x1 , . . . , xn , x] =
1 (n+1) ( ). (n+1)! f

A utiliza c ao de polin omios interpoladores de maior grau conduz a regras de integra c ao b asicas de maior exactid ao. No entanto, os polin omios interpoladores podem apresentar comportamentos pouco desej aveis, em termos de aproxima c ao da fun c ao interpolada. Por tal motivo, as regras b asicas de integra c ao com polin omios de grau elevado n ao s ao vulgarmente utilizadas, pois nem sempre se consegue reduzir o erro de integra c ao quando se aumenta o grau do polin omio interpolador. Para diminuir o erro de integra c ao sem aumentar o grau dos polin omios interpoladores utilizamse regras de integra c ao compostas. Estas consistem em dividir o intervalo [a, b] em subintervalos [a0 , a1 ], [a1 , a2 ], . . ., [an1 , an ] (onde a0 = a e an = b). Em cada subintervalo [ai1 , ai ], f e interpolada por um polin omio pi , sendo o integral de f em [a, b] aproximado pela soma dos integrais dos polin omios interpoladores, cada um no subintervalo respectivo, ou seja,
b n ai n ai ai1

I (f ) =
a

f (x)dx =
i=1 ai1

f (x)dx
i=1

pi (x)dx.

O erro de interpola c ao neste tipo de regras pode ser controlado pela largura hi de cada subintervalo [ai1 , ai ], ou seja, hi = ai ai1 . Muitas vezes consideram-se sub-intervalos de igual largura, isto e, hi = h = aplica c ao da regra. Em seguida ser ao estudadas duas regras de integra c ao compostas, a regra dos trap ezios e a regra de Simpson. Em cada um dos casos ser a deduzida a express ao que permite calcular o valor aproximado do integral de f , sendo tamb em estudado o erro de integra c ao cometido.
b a n ,

i. Claro est a que a diminui c ao das larguras dos subintervalos

implica o aumento do seu n umero e logo o aumento do n umero de opera c oes aritm eticas na

Cap tulo 8. Integra c ao Num erica

137

8.3

Regra dos trap ezios

Nesta regra, a fun c ao f e aproximada em cada subintervalo pela fun c ao polinomial de grau menor ou igual a 1 que interpola f nos extremos desse subintervalo.

y1 y0 y2

f(x)

yn-1 yn

... a=x0 x1 x2 xn-1 xn=b x

Figura 8.1: Regra dos trap ezios.

Considerando n subintervalos do intervalo original [a, b], verica-se que a largura de cada subintervalo e dada por h =
b a n ,

sendo os extremos destes subintervalos os pontos xi = a + ih, para

omio, de grau 1, que interpola f i = 0, 1, . . . , n. Designando por yi o valor de f em xi , o polin nos pontos xi e xi+1 e dado por pi (x) = yi + yi+1 yi (x xi ). h

em-se (a area do trap ezio!) Integrando o polin omio pi subintervalo [xi , xi+1 ] obt
xi+1 xi

pi (x)dx =

h (yi + yi+1 ). 2

Somando estes valores para todos os subintervalos obt em-se


n1 i=0 xi+1 xi n

pi (x)dx =
i=1

h h (yi + yi+1 ) = (y0 + 2y1 + 2y2 + + 2yn1 + yn ), 2 2

pelo que a express ao que permite o c alculo aproximado do integral de f em [a, b] pela regra dos trap ezios ser a I (f ) h (y0 + 2y1 + 2y2 + + 2yn1 + yn ). 2

Passemos agora ao estudo do erro de truncatura. No intervalo [xi , xi+1 ], o erro de aproxima c ao e dado pela express ao (relembrar o erro de interpola c ao!) de f por pi ei (x) = f (x) pi (x) = f [xi , xi+1 , x](x xi )(x xi+1 ). Ent ao, o erro de aproxima c ao de
xi+1 xi+1 xi

f (x)dx por
xi+1

xi+1 xi

pi (x)dx, Ei , ser a

Ei =

xi

ei (x)dx =

xi

f [xi , xi+1 , x](x xi )(x xi+1 )dx.

Cap tulo 8. Integra c ao Num erica

138

Assumindo que f e de classe C 2 , pode concluir-se que a fun c ao x f [xi , xi+1 , x] e cont nua. ao muda de sinal em [xi , xi+1 ], sendo sempre Por outro lado, a fun c ao x (x xi )(x xi+1 ) n n ao positiva. Ent ao, existe i [xi , xi+1 ] tal que
xi+1 xi xi+1 xi

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

(x xi )(x xi+1 )dx

Efectuando a mudan ca de vari avel z = x xi , conclui-se que


xi+1 xi

(x xi )(x xi+1 )dx =

h 0

z (z h)dz =

h3 . 6

Pode ainda armar-se que f [xi , xi+1 , i ] = 1 2 f (i ), para algum i [xi , xi+1 ]. Desta forma pode a escrever-se que o erro Ei ser Ei = 1 f (i )h3 . 12

O erro de truncatura da regra dos trap ezios obt em-se agora por
n1 n1

E (f ) =
i=0

Ei =
i=0

1 f (i )h3 12

h3 12

n1

f (i ).
i=0

Dado que f e suposta de classe C 2 , e poss vel concluir a exist encia de [a, b] tal que
n1

f (i ) = nf ( ).
i=0

Ent ao, a express ao do erro de truncatura da regra dos trap ezios ser a E (f ) = h2 (b a)f ( ), 12

uma vez que nh = b a. Como o ponto [a, b] e desconhecido, e usual utilizar o majorante do erro de truncatura em valor absoluto dado por |E (f )| h2 (b a) max |f (z )|. 12 z [a,b]

ao eles mesmo afectados de erros de arredondamento que Em algumas situa c oes os valores yi est ir ao provocar um erro de arredondamento na aplica c ao da regra dos trap ezios. Considerando aximo , o erro de arredondamento a satisfar a a condi c ao que cada yi tem um erro absoluto m
n

a
i=0

h (y0 + 2y1 + + 2yn1 + yn ) yi 2

h ( + 2 + + 2 + ) 2 h = 2n 2 = (b a). =

Cap tulo 8. Integra c ao Num erica

139

Um majorante para o erro absoluto total, na aplica c ao da regra dos trap ezios ser a ent ao |E (f )| + a .

Exemplo 8.3.1. Sendo f (x) = ex , calcular um valor aproximado de

1 0 f (x)dx,

utilizando a

regra dos trap ezios com 20 subintervalos e obter um majorante para o erro cometido (considere que os valores de f s ao exactos). Qual o erro m aximo absoluto admiss vel para os valores de f se se pretender que o erro de arredondamento n ao seja superior ao erro de truncatura? Resolu c ao Sendo n = 20, temos h =
1 0 1 20

e a fun c ao ser a avaliada nos pontos xi = ih, para i = 0, 1, . . . , 20.


1 20

O valor aproximado do integral ser a ent ao ex dx =


2

2
1 20

e0 + 2e( 20 ) + + 2e( 10 ) + e1 e0 + 2
19 i=1

19 2

e( 20 ) + e1

= 0.7467. e majorada em valor absoluto no intervalo [0, 1] por 2, Uma vez que f (x) = (4x2 2)ex conclui-se que o erro de truncatura ser a majorado por h2 (b a)|f | 12 =
max 2

(1/20)2 2 12

4.2 104 ,

garantindo-se assim que o resultado apresentado ter a 3 algarismos exactos. a impor que Se se pretender que a |E (f )| dever-se- (b a) 4.2 104 pelo que = 4.2 104 ser a o erro m aximo absoluto permitido no c alculo de cada valor de f , pois b a = 1.

8.4

Regra de Simpson

Na regra de Simpson a fun c ao f e aproximada por polin omios de grau menor ou igual a 2, cada um dos quais interpolando f em tr es pontos igualmente espa cados. Agora, o n umero n de subintervalos dever a ser par, pois cada par abola interpoladora e denida em dois subintervalos consecutivos. Denido novamente h =
b a n ,

os extremos dos subintervalos

ser ao os pontos xi = a + ih, para i = 0, 1, . . . , n. Designemos ainda por yi o valor de f em xi .

Cap tulo 8. Integra c ao Num erica

140

y1 y0

y2 y3 y4

f(x) yn ...

a=x0 x1 x2 x3 x4

xn=b x

Figura 8.2: Regra de Simpson.

omio de menor grau que interpola f nos pontos xi1 , xi e xi+1 , isto para Seja tamb em pi o polin i = 1, 3, . . . , n 1. Tem-se ent ao que pi (x) = yi1 + f [xi1 , xi ](x xi1 ) + f [xi1 , xi , xi+1 ](x xi1 )(x xi ) = yi1 + yi yi1 (x xi1 ) + h
yi+1 yi h

yi1 yi h (x xi1 )(x xi ). 2h

em-se, efectuando a mudan ca de vari avel z = x xi1 , Integrando pi em [xi1 , xi+1 ] obt
xi+1 xi1 2h

pi (x)dx =

yi1 +

yi+1 2yi + yi1 2 yi yi1 z+ (z hz ) dz h 2h2 8h3 2h3 3

= yi1 2h + = =

yi yi1 2 yi+1 2yi + yi1 2h + h 2h2

h (12yi1 + 12yi 12yi1 + 2yi+1 4yi + 2yi1 ) 6 h (yi1 + 4yi + yi+1 ) . 3

Somando estes integrais para todos os sub-intervalos [xi1 , xi+1 ], com i = 1, 3, . . . , n 1, de forma a cobrir todo o intervalo [a, b], obt em-se
n1 xi+1 n1

xi1 i=1 i mpar

pi (x)dx =
i=1 i mpar

h (yi1 + 4yi + yi+1 ) 3

h (y0 + 4y1 + 2y2 + 4y3 + 2y4 + + 4yn1 + yn ) 3

resultando ent ao a seguinte express ao para a regra de Simpson I (f ) h (y0 + 4y1 + 2y2 + 4y3 + 2y4 + + 4yn1 + yn ) . 3

c ao Passemos agora ao estudo do erro de truncatura. No intervalo [xi1 , xi+1 ], o erro de aproxima e da fun c ao f pelo polin omio pi ei (x) = f (x) pi (x) = f [xi1 , xi , xi+1 , x](x xi1 )(x xi )(x xi+1 ).

Cap tulo 8. Integra c ao Num erica

141

Ent ao, o erro de aproxima c ao de


xi+1

xi+1 xi1 xi+1

f (x)dx por

xi+1 xi1

pi (x)dx, Ei , ser a

Ei =

xi1

ei (x)dx =

xi1

f [xi1 , xi , xi+1 , x](x xi1 )(x xi )(x xi+1 )dx.

Supondo f de classe C 4 , demonstra-se ainda que Ei = para algum i [xi1 , xi+1 ]. O erro de truncatura da regra de Simpson obt em-se agora por
n1 n1

h5 (4) f (i ) 90

E (f ) =
i=1 i mpar

Ei =
i=1 i mpar

h5 (4) f (i ) 90

h5 90

n1 i=1 i mpar

f (4) (i ).

tamb E em agora poss vel assegurar a exist encia de [a, b] tal que
n1 i=1 i mpar

f (4) (i ) =

n (4) f ( ) 2

e como nh = b a, a express ao do erro de truncatura da regra de Simpson ca E (f ) = h4 (b a)f (4) ( ). 180

Sendo o ponto [a, b] desconhecido, e usual utilizar o majorante do erro de truncatura em valor absoluto dado por |E (f )| h4 (b a) max |f (4) (z )|. 180 z [a,b]

ao eles mesmo afectados de erros de arredondamento, cada um Supondo que os valores yi est dos quais majorado em valor absoluto por , o erro de arredondamento a na regra de Simpson satisfar a a condi c ao
n

a
i=0

h (y0 + 4y1 + 2y2 + 4y3 + 4yn1 + yn ) yi 3

h ( + 4 + 2 + 4 + + 4 + ) 3 h h + n = 4 + n 1 2 + = 3n 2 2 3 3 = (b a).

Um majorante para o erro absoluto total, na aplica c ao da regra de Simpson, ser a ent ao |E (f )| + a .

Cap tulo 8. Integra c ao Num erica

142

Exemplo 8.4.1. Sendo f (x) = ex , calcular um valor aproximado de que os valores de f s ao exactos). Resolu c ao Sendo h =
1 12 ,

1 0 f (x)dx,

utilizando a

regra de Simpson com 12 sub-intervalos e obter um majorante para o erro cometido (considerando

a fun c ao ser a avaliada nos pontos xi = ih, para i = 0, 1, . . . , 12.

O valor aproximado do integral, pela regra de Simpson, ser a ent ao

1 0

x2

dx =

1 12 1 12

e0 + 4e( 12 ) + 2e( 12 ) + 4e( 12 ) + + 2e( 12 ) + 4e( 12 ) + e1 3 3 e0 + 4


5

10 2

11 2

e
j =0

+1 ( 2j 12 )

+2
j =0

e(

2j +2 2 12

) + e1

= 0.746825 em-se Calculando f (4) (x) obt f (4) (x) = (16x4 48x2 + 12)ex que e majorada em valor absoluto no intervalo [0, 1] por 12. Conclui-se ent ao que o erro de truncatura ser a majorado por h4 (b a)|f (4) | 180 =
max 2

(1/12)4 12 180

3.2 106

pelo que o resultado apresentado ter a 5 algarismos exactos.

8.5

Integra c ao de Romberg

Nesta sec c ao iremos apresentar uma t ecnica que permite obter resultados de maior precis ao a partir de diversas aplica c oes da regra dos trap ezios. O m etodo exposto designa-se por integra c ao de Romberg e constitui um caso particular da t ecnica designada por extrapola c ao de Richardson. Consideremos o problema de aproximar o integral I = trap ezios. Sendo h um valor positivo, tal que mostrar que I = T (h) + K1 h2 + K2 h4 + K3 h6 + , (8.5.1)
b a h b a f (x)dx

por aplica c ao da regra dos

seja inteiro, designemos por T (h) o valor poss aproximado de I dado pela regra dos trap ezios com subintervalos de largura h. E vel

ao constantes independentes de h. Desta express ao pode concluir-se que o onde K1 , K2 , K3 , . . . s erro de truncatura de T (h) e de ordem 2, ou seja, converge para 0 ` a mesma taxa que h2 . Esta mesma conclus ao podia j a ser obtida a partir da express ao anteriormente obtida para o erro de

Cap tulo 8. Integra c ao Num erica

143

truncatura da regra dos trap ezios. No entanto, a express ao acima permite ainda concluir que no erro de truncatura apenas aparecem termos com expoente de h par. Aplicando agora a regra dos trap ezios com subintervalos de largura
h 2

temos ent ao que

I = T (h/2) + K1 (h/2)2 + K2 (h/2)4 + K3 (h/2)6 + , ou ainda, I = T (h/2) + K1 2 K2 4 K3 6 h + h + h + . 4 16 64 (8.5.2)

Multiplicando por 4 a equa c ao (8.5.2) e subtraindo-lhe a equa c ao (8.5.1) obt em-se a equa c ao 3I = 4T (h/2) T (h) + K2 1 1 h4 + K3 4 1 1 h6 + . 16

Denindo, T1 (h) por interm edio da express ao T1 (h) = 4T (h/2) T (h) 3

e uma aproxima c ao de I pode concluir-se que I = T1 (h) + K1 h4 + K2 h6 + , pelo que T1 (h) com um erro de truncatura de ordem 4. ao do Utilizando agora um procedimento semelhante para eliminar o termo em h4 na express erro de T1 (h), dene-se 16T1 (h/2) T1 (h) 15 6 e conclui-se facilmente que I = T2 (h) + K1 h + K2 h8 + , pelo que T2 (h) e uma aproxima c ao T2 (h) = 64T2 (h/2) T2 (h) 63

de I com um erro de truncatura de ordem 6. Continuando este processo, podemos denir T3 (h) =

ao o erro de truncatura de T3 (h) concluindo-se que I = T3 (h) + K1 h8 + K2 h10 + , sendo ent de ordem 8. De uma forma geral, podemos denir a aproxima c ao Tn (h) de uma forma recursiva por in4n Tn1 (h/2) Tn1 (h) , 4n 1 concluindo-se que esta aproxima c ao ter a um erro de truncatura de ordem 2n + 2. Tn (h) = Esta t ecnica de obten c ao de aproxima c oes de I com ordens de erro cada vez mais elevadas permite em muitas circunst ancias obter valores aproximados do integral de uma fun c ao com elevada precis ao e sem grandes esfor cos computacionais.
1 dx 0 1+x2

term edio de

Exemplo 8.5.1. Obter uma estimativa de de inicial h = 0.25.

com erro de ordem 8, utilizando um valor

Cap tulo 8. Integra c ao Num erica

144

Resolu c ao Aplicando a regra dos trap ezios com h = 0.25, h = 0.125, h = 0.0625 e h = 0.03125, obt em-se os seguintes valores. h 0.25 0.125 0.0625 T (h) 0.7827941176471 0.7847471236228 0.7852354030103

0.03125 0.7853574732937 Os valores extrapolados, obtidos por integra c ao de Romberg, encontram-se na tabela seguinte
h 0.25 0.125 0.0625 0.03125 T (h) 0.7827941176471 0.7847471236228 0.7852354030103 0.7853574732937
4,

T1 (h) 0.7853981256147 0.7853981628062 0.7853981633882

T2 (h) 0.7853981652856 0.7853981634270

T3 (h) 0.7853981633975

O valor exacto deste integral e

sendo aproximadamente 0.78539816339744830963 . . ., pelo

que o erro de truncatura de T3 (0.25) e cerca de 1013 . Este erro e substancialmente inferior ao erro de truncatura de T (0.03125), que e o valor obtido pela regra dos trap ezios com maior precis ao utilizada. Rera-se ainda que cada um dos c alculos dos valores T1 , T2 e T3 requer apenas a no c alculo de 3 opera c oes aritm eticas, pelo que o maior esfor co na obten ca o de T3 (0.25) est T (0.03125). Por curiosidade, rera-se que para obter um valor de precis ao semelhante a T3 (0.25) por simples aplica c ao de uma regra dos trap ezios exigiria um valor de h de cerca de 106 , ou seja, cerca de um milh ao de subintervalos! Para efectuar tal c alculo seria necess ario um n umero de opera c oes aritm eticas muito mais elevado. Para al em do esfor co na realiza c ao de tal c alculo deveriam ainda ser considerados eventuais erros de arredondamento resultantes da utiliza ca o de aritm etica com precis ao nita.

8.6

Quadratura gaussiana

Nos m etodos estudados atr as, os n os encontravam-se igualmente espa cados, sendo a sua localiza c ao apenas dependente do n umero de n os considerados e, claro, do intervalo de integra c ao utilizado. Vamos agora estudar um m etodo, designado por quadratura gaussiana, em que os n os n ao se encontram igualmente espa cados, sendo a sua localiza c ao um par ametro de escolha. A quadratura gaussiana consiste em efectuar a aproxima c ao
b a n

f (x)dx
i=1

ci f (xi )

sendo os n os x1 , x2 , . . . , xn de [a, b] e os coecientes c1 , c2 , . . . , cn escolhidos de forma a que a integra c ao seja exacta para a maior classe de polin omios poss vel.

Cap tulo 8. Integra c ao Num erica

145

Havendo 2n par ametros a denir e sendo um polin omio de grau 2n 1 denido por um conjunto de 2n coecientes, e de esperar que a quadratura gaussiana de ordem n permita integrar com exactid ao polin omios de grau at e 2n 1. Comecemos por analisar o caso n = 2. Para simplicar, e habitual considerar que a integra c ao ser a efectuada no intervalo [1, 1]. Pretende-se ent ao determinar c1 , c2 , x1 e x2 de modo que a rela c ao
1 1

f (x)dx = c1 f (x1 ) + c2 f (x2 )

(8.6.1)

se verique quando f (x) for um polin omio de grau menor ou igual a 2 2 1 = 3, ou seja, f (x) = a0 + a1 x + a2 x2 + a3 x3 , onde a0 , a1 , a2 e a3 s ao constantes arbitr arias. A linearidade da opera c ao de integra c ao permite armar ent ao que a integra c ao dever a ser exacta para as fun c oes 1, x, x2 e x3 . Substituindo na rela c ao (8.6.1) f (x) por cada uma destas fun c oes, obt em-se as seguintes rela c oes c 1 1 + c2 1 =
1

1dx = 2
1 1

c1 x1 + c2 x2 =
2 c1 x2 1 + c2 x2 = 3 c1 x3 1 + c2 x2 =

xdx = 0
1 1 1 1 1

x2 dx =

2 3

x3 dx = 0

nica solu c ao deste sistema de equa c oes e Considerando que x2 > x1 , a u c1 = 1, Assim, conclui-se que a express ao
1 1

c2 = 1,

x1 =

3 3 ,

x2 =

3 3 .

f (x)dx f

3 3

+f

3 3

e exacta sempre que f (x) e substitu da por um polin omio de grau inferior ou igual a 3. O procedimento seguido anteriormente por ser aplicado para qualquer valor de n, sendo que obviamente teremos que resolver um sistema de 2n equa c oes a 2n inc ognitas. No entanto, e poss vel mostrar que tanto os n os xi como os valores dos coecientes ci podem ser obtidos a partir dos designados polin omios de Legendre. Estes polin omios, aqui referenciados por P0 (x), P1 (x), . . . vericam as propriedades e um polin omio de grau n. 1. Para cada n, Pn (x) 2.
1 1 f (x)Pn (x)dx

= 0 se f (x) e um polin omio de grau < n.

Cap tulo 8. Integra c ao Num erica

146

Os polin omios de Legendre podem ser obtidos explicitamente pela express ao 1 dn 2 (x 1)n , 2n n! dxn chegando-se assim facilmente ` a conclus ao que os primeiros polin omios de Legendre ser ao Pn (x) = P0 (x) = 1, P2 (x) =
4 P4 (x) = 1 8 (35x 30x + 3) 2 1 2 (3x 2

P1 (x) = x,
3 P3 (x) = 1 2 (5x 3x), 5 3 P5 (x) = 1 8 (63x 70x + 15x).

1), e

Na gura 8.3 podem ver-se os gr acos dos polin omios P1 (x) a P5 (x).

P0 ( x )

P1 ( x ) P4 ( x ) P3 ( x )

1 P5 ( x ) P2 ( x )

Figura 8.3: Polin omios de Legendre.

Uma propriedade interessante dos polin omios de Legendre e o facto do polin omio Pn (x) ter exactamente n ra zes no interior do intervalo [1, 1]. Estas ra zes ser ao exactamente os n os das regras de quadratura gaussiana, tal como se arma no teorema seguinte. Teorema 8.6.1. zes do n- esimo polin omio de Legendre Pn (x) e, para cada i = 1, 2, . . . , n, Sejam x1 , x2 , . . . , xn as ra seja ci dado por ci =
1 1 n j =1 j =i

x xj xi xj

dx.

Se f (x) for um polin omio de grau < 2n, ent ao


1 n

f (x)dx =
1 i=1

ci P (xi ).

Cap tulo 8. Integra c ao Num erica

147

Com base neste resultado e poss vel determinar os n os e os coecientes das regras de integra c ao gaussiana de diferentes ordens. Na tabela seguinte apresentam-se os valores destes n os e coecientes para alguns casos.
n 2 3 xn,i 0.5773502692 0.5773502692 0.7745966692 0.0000000000 0.7745966692 4 0.8611363116 0.3399810436 0.3399810436 0.8611363116 5 0.9061798459 0.5384693101 0.0000000000 0.5384693101 0.9061798459 cn,i 1.0000000000 1.0000000000 0.5555555556 0.8888888889 0.5555555556 0.3478548451 0.6521451549 0.6521451549 0.3478548451 0.2369268850 0.4786286705 0.5688888889 0.4786286705 0.2369268850

Em toda a dedu c ao das regras de integra c ao gaussiana considerou-se que a integra c ao estava a ser efectuada no intervalo [1, 1]. Ora no caso geral pretende-se calcular o integral obter-se uma integra c ao sobre o intervalo [1, 1]. Utilizando a mudan ca de vari avel t= 2x a b ba 1 x = [(b a)t + a + b] 2
b a f (x)dx

num intervalo [a, b] gen erico. Para tal h a que realizar uma mudan ca de vari avel de forma a

facilmente se verica que t = 1 x = a e t = 1 x = b . Desta forma obt em-se a rela c ao


b 1

f (x)dx =
a 1

(b a)t + a + b 2

ba dt 2

sendo agora poss vel aplicar as regras de quadratura gaussiana atr as expostas. Exemplo 8.6.1. Utilizar quadratura gaussiana com 2, 3, 4 e 5 n os para aproximar Resolu c ao O primeiro passo consiste em efectuar a mudan ca de vari avel t = 2x 1 x= t+1 , 2
1 dx 0 1+x2 .

no integral que se pretende calcular. Desta mudan ca resulta


1 0

dx = 1 + x2

1 1

2 dt. 4 + (t + 1)2

Cap tulo 8. Integra c ao Num erica

148

Considerando a fun c ao g (t) =


n=2
1 0

2 , 4+(t+1)2

teremos ent ao

dx g (0.5773502692) + g (0.5773502692) 1 + x2 = 0.7868852458

n=3

1 0

dx 0.5555555556 g (0.7745966692) + 0.8888888889 g (0) 1 + x2 + 0.5555555556 g (0.7745966692) = 0.7852670352

n=4

1 0

dx 0.3478548451 g (0.8611363116) + 0.6521451549 g (0.3399810436) 1 + x2 + 0.6521451549 g (0.3399810436) + 0.3478548451 g (0.8611363116) = 0.7854029762

n=5

1 0

dx 0.2369268850 g (0.9061798459) + 0.4786286705 g (0.5384693101) 1 + x2 + 0.5688888889 g (0) + 0.4786286705 g (0.5384693101) + 0.2369268850 g (0.9061798459) = 0.7853981602

Nota: Em cada um dos casos, apresentam-se sublinhados os algarismos correctos. Uma das vantagens dos m etodos de quadratura gaussiana face aos outros m etodos de integra c ao num erica aqui estudados reside no facto de habitualmente fornecerem maior exactid ao para o mesmo n umero de avalia c oes da fun c ao, como de alguma forma o exemplo acima ilustra.

Cap tulo 9

Equa c oes Diferenciais Ordin arias: problemas de valor inicial


9.1 Introdu c ao

Muitos problemas de interesse em engenharia (e tamb em noutros dom nios) s ao modelizados recorrendo a equa c oes diferenciais, quer ordin arias quer em derivadas parciais. De um modo geral, a resolu c ao de uma equa c ao diferencial consiste em determinar a fun c ao que satisfaz tal equa c ao e simultaneamente obedece a um conjunto de condi c oes adicionais habitualmente designadas por condi c oes fronteira. A maioria das equa c oes diferenciais n ao admite solu c oes que se possam caracterizar por express oes anal ticas. Nestes casos, a caracteriza c ao da solu c ao da equa c ao diferencial poder a ser feita de uma forma aproximada, por exemplo atrav es de um desenvolvimento em s erie ou calculando de forma aproximada o valor da solu c ao num conjunto nito de valores da vari avel independente. de notar, contudo, que existem importantes classes de equa E c oes diferenciais para as quais e poss vel determinar express oes anal ticas das suas solu c oes. Uma destas classes e as equa c oes diferencias ordin arias lineares de coecientes constantes, que permitem modelizar sistemas lineares e invariantes no tempo. Neste cap tulo ser ao estudados m etodos num ericos que permitem obter solu c oes (aproximadas) equa c oes diferenciais ordin arias. No caso geral, procuraremos determinar a fun c ao x que satisfaz a equa c ao diferencial de ordem n x(n) = f (t, x, x , x , . . . , x(n1) ) no intervalo [t0 , T ]. Trataremos apenas os designados problemas de valor inicial, nos quais

149

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

150

a fun c ao x dever a tamb em satisfazer as condi c oes iniciais x(t0 ) = x0,0 x (t0 ) = x0,1 . . . x(n1) (t0 ) = x0,n1 onde x0,0 , x0,1 , . . . , x0,n1 s ao valores conhecidos. Ap os a apresenta c ao de algumas no c oes de base, ser ao estudados m etodos para a resolu c ao de equa c oes diferenciais de ordem 1. Em seguida abordar-se- a o caso de sistemas de equa c oes diferenciais de ordem 1, tratando-se por m o caso geral das equa c oes diferenciais de ordem n.

9.2

Solu c ao num erica de equa c oes diferenciais

Os m etodos num ericos de resolu c ao de equa c oes diferenciais que ser ao estudados produzem valores de solu c oes aproximadas num conjunto nito de pontos da vari avel independente. Tal a ainda que conjunto de pontos ser a aqui representado de uma forma geral por {ti }N i=0 . Dir-se- este conjunto forma uma malha do intervalo [t0 , T ] se t0 < t1 < < tN = T. Os pontos ti s ao designados por n os da malha. As dist ancias hi = ti ti1 , i = 1, . . . , N,

designam-se por passos da malha. A malha diz-se uniforme se todas estas dist ancias forem iguais. Tamb em e usual designar por passo da malha o valor h = max hi .
1iN

Desta forma, a resolu c ao num erica de uma equa c ao diferencial consiste em denir uma malha
N c ao aproximada nos {ti }N i=0 no intervalo [t0 , T ] e em seguida calcular os valores {xi }i=0 da solu

n os da malha. e feito apenas usando informa c ao do intervalo [ti1 , ti ] Os m etodos em que o c alculo de xi designam-se por m etodos de passo simples. Os que recorrem a informa c ao fora deste intervalo para determinar xi designam-se por m etodos multi-passo, ou de passo m ultiplo. Aqui, apenas se estudar ao m etodos de passo simples. de notar que a solu E c ao aproximada obtida apenas estar a denida nos n os ti . Para obter valores em pontos interm edios, pode utilizar-se interpola c ao (por exemplo linear) entre cada dois n os consecutivos, como se mostra na gura.

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

151

x x0

x1

x2

xN-1 xN

t0 t1 t2

tN-1 tN

Figura 9.1: Solu c ao aproximada.

Uma vez que as solu c oes de equa c oes diferenciais s ao fun c oes, e os m etodos num ericos produzem solu c oes aproximadas, e importante ter uma forma de medir a dist ancia entre duas fun c oes. Esta dist ancia permitir a assim medir o afastamento das solu c oes aproximadas produzidas pelos m etodos num ericos estudados relativamente ` a solu c ao exacta. aximo de v , representada Dada uma fun c ao cont nua v denida no intervalo [t0 , T ], a norma m por v , e denida por v = max |v (t)|.
t[t0 ,T ]

A dist ancia entre v e w, fun c oes denidas e cont nuas no intervalo [t0 , T ], e denida por v w = max |v (t) w(t)|.
t[t0 ,T ]

Claramente que estas fun c oes ser ao iguais se e s o se v w = 0.

9.3

Equa co es diferenciais ordin arias de ordem 1

Antes de iniciarmos o estudos dos m etodos num ericos de resolu c ao de equa c oes diferenciais de ordem 1, vamos relembrar resultados que garantem a exist encia e unicidade de solu c ao para tais equa c oes. Note-se que s o far a sentido obter solu c oes aproximadas (utilizando m etodos num ericos) de uma dada equa c ao diferencial, quando a solu c ao da equa c ao existir e for u nica. Seja ent ao f : R R R uma fun c ao dada e consideremos a equa c ao diferencial x (t) = f (t, x(t)) a referido, o problema de valor inicial associado a esta equa c ao no intervalo [t0 , T ]l. Como j consiste em determinar a sua solu c ao, sendo dado o valor que a fun c ao solu c ao dever a no ponto t0 . O seguinte teorema fornece condi c oes suciente para a exist encia e unicidade de solu c ao para este problema de valor inicial. Teorema 9.3.1. Seja f : R R R uma fun ca o com as propriedades

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

152

1. f e cont nua em [t0 , T ] com respeito ao primeiro argumento; 2. f e Lipschitz cont nua com respeito ao segundo argumento, isto e, existe uma constante L 0 (designada constante de Lipschitz) tal que |f (t, x1 ) f (t, x2 )| L|x1 x2 |, t [t0 , T ], x1 , x2 R.

Ent ao, o problema de valor inicial referido possui uma solu c ao u nica. Mais ainda, a solu c ao deste problema e uma fun c ao continuamente diferenci avel em [t0 , T ]. Uma das caracter sticas desej aveis de um m etodo num erico de solu c ao de equa c oes diferenciais e que produza solu c oes t ao aproximadas da solu c ao exacta quanto se pretenda, sendo tal aproxima c ao normalmente controlada atrav es do passo h da malha de pontos considerada. Esta caracter stica e designada por converg encia, tal como se descreve em seguida. c ao aproximada produzida Seja x a solu c ao exacta de uma dada equa c ao diferencial e xh a solu por aplica c ao de um dado m etodo quando se utiliza uma malha de pontos de passo h (por c ao erro simplicidade consideramos aqui malhas uniformes). Seja ainda eh = x xh a fun associada ` a solu c ao aproximada xh . Se se vericar que
h0

lim xh x lim eh = 0
h0

para todas as solu c oes de equa c oes diferenciais que veriquem as condi c oes de exist encia e ao unicidade acima enunciadas e para todas as condi c oes iniciais tais que limt0 |eh (t0 )| = 0, ent diz-se que tal m etodo num erico de resolu c ao de equa c oes diferenciais e convergente. Diz-se ainda que um m etodo convergente possui ordem de converg encia igual a p > 0 se xh x chp para todo o h sucientemente pequeno, onde c ]0, +[ e uma constante independente de h, mas dependente da fun c ao f que caracteriza a equa c ao diferencial. Consideremos novamente a equa c ao diferencial x (t) = f (t, x(t)), t [t0 , T ].

c ao, no que Consideremos dois pontos consecutivos ti e ti+1 de uma malha. Por facilidade de nota se segue estes pontos ser ao simplesmente designados por t e t + h (onde h representa obviamente o passo da malha, que se sup oe uniforme). Integrando ent ao a equa c ao diferencial entre t e t + h, obt em-se a rela c ao x(t + h) = x(t) +
t t+h

f (, x( ))d.

Conclui-se assim que o valor da solu c ao exacta u no ponto t + h poderia ser calculado somando ao valor da solu c ao exacta em t o valor do integral de f (, u( )) em [t, t + h]. Uma vez que nos

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

153

problemas de valor inicial, o valor x(t0 ) = x0 e conhecido, todos os valores pretendidos poderiam ser obtidos, bastando para tal considerar uma malha adequada. A principal diculdade reside no facto do integral acima envolver a pr opria fun c ao a determinar, o que impede o seu c alculo de um modo expl cito. Os m etodos num ericos de resolu c ao de equa c oes diferenciais caracterizam-se por prescindir do c alculo do valor exacto do integral, calculando-o de uma forma aproximada, como se indica em seguida. Dena-se F (t, x) como F (t, x) = 1 h
t t+h

f (, x( ))d

e seja Fh (t, x) um valor aproximado de F (t, x), ou seja, Fh (t, x) 1 h


t+h

f (, x( ))d,
t

que ser a diferente consoante o m etodo de resolu c ao aproximada da equa c ao diferencial empregue, c ao, como se ver a posteriormente. Representando por Th (t, x) o erro associado a esta aproxima designado por erro de truncatura, tem-se F (t, x) = Fh (t, x) + Th (t, x). A equa c ao x(t + h) = x(t) +
t+h f (, x( ))d t

pode agora ser escrita como (9.3.1)

x(t + h) x(t) = F (t, x) = Fh (t, x) + Th (t, x). h exist encia dos limites tem-se que x (t) = lim Fh (t, x) + lim Th (t, x).
h0 h0

Fazendo h 0,que corresponde a aumentar o n umero de pontos da malha, e assumindo a

Ent ao, se o erro de truncatura tender para 0 com h, e leg timo supor que a elimina c ao deste termo em (9.3.1) conduza a equa c oes pr oximas da equa c ao original. Representando por xh a solu c ao de (9.3.1) quando se despreza o erro de truncatura, e sendo xi = xh (ti ) os valores nodais de xh , verica-se que estes satisfazem a seguinte rela c ao de recorr encia xi+1 = xi + hFh (ti , xi ), i = 0, 1, . . . , N 1.

etodos para resolu c ao num erica do Diferentes escolhas da fun c ao Fh conduzem a diferentes m problema de valor inicial, como veremos nas sec c oes seguintes.

9.4

M etodos de Euler

Uma forma simples de aproximar o integral


t+h

f (, x( ))d
t

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

154

consiste em utilizar areas dos rect angulos de base h e alturas dadas pelos valores da fun c ao a integrar nos dois extremos do intervalo. Os m etodos de Euler s ao baseados exactamente nestas duas aproxima c oes do integral em causa.
f f(t, x(t)) f

f(t+h, x(t+h))

t+h

t+h

Rect angulo a ` esquerda

Rect angulo a ` direita

Figura 9.2: Aproxima c oes do rect angulos a ` esquerda e ` a direita. O m etodo de Euler progressivo, tamb em designado simplesmente por m etodo de Euler, consiste em utilizar a aproxima c ao do rect angulo a ` esquerda. Apresenta-se em seguida a dedu c ao da express ao de recorr encia deste m etodo, bem como uma express ao do erro de truncatura a ele associado. Do desenvolvimento de Taylor de x() temos x(t + h) = x(t) + hx (t) + para algum [t, t + h]. Da equa c ao diferencial original temos que x (t) = f (t, x(t)) x ( ) = f (, x( )) = Ent ao
h x(t + h) = x(t) + h x (t) + h 2 x ( ) = x(t) + h f (t, x(t)) + 2 f (, x( )) , f t h2 2 x

( )

f x f

e a aproxima c ao fornecida por este m etodo consiste em considerar x(t + h) correspondendo a ter Fh (t, x) = f (t, x(t)), e Th (t, x) = h 2 f (, x( )). Pode assim armar-se que a express ao de recorr encia para a determina c ao dos valores nodais da a solu c ao aproximada xh ser xi+1 = xi + hf (ti , xi ), c ao inicial. sendo x0 = x(t0 ) a condi i = 0, 1, . . . , N 1, x(t) + hf (t, x(t))

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

155

Exemplo 9.4.1. Utilizar o m etodo de Euler com passo constante h = 0.1 para obter uma solu c ao aproximada de x = 1 + t x, Resolu c ao em-se a express ao de recorr encia Uma vez que f (ti , xi ) = 1 + ti xi , obt xi+1 = xi + 0.1 (1 + ti xi ) ao desta para i = 0, 1, . . . , 9. A condi c ao inicial ser a obviamente x0 = x(0) = 1. Partindo ent condi ca o e aplicando a express ao de recorr encia obtida, determinam-se os valores apresentados na seguinte tabela.
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi 1.0000 1.0000 1.0100 1.0290 1.0561 1.0905 1.1314 1.1783 1.2305 1.2874 1.3487 xi+1 1.0000 1.0100 1.0290 1.0561 1.0905 1.1314 1.1783 1.2305 1.2874 1.3487

t [0, 1]

com

x(0) = 1.

Passemos agora ao m etodo de Euler regressivo que consiste em aproximar o integral


t+h

f (, x( ))d
t

pelo valor do rect angulo a ` direita. Considerando o desenvolvimento e Taylor, agora a partir do ponto t + h, temos x(t) = x(t + h) hx (t + h) +
h2 2 x

( )

para algum [t, t + h]. De uma forma an aloga ao efectuado atr as obtemos x(t + h) = x(t) + hx (t + h) x(t + h) = x(t) + h x (t + h)
h2 2 x h 2x

( ) ( )

x(t + h) = x(t) + h f (t + h, x(t + h)) h 2 f (, x( )) No m etodo de Euler regressivo utiliza-se a aproxima c ao x(t + h) o que corresponde a considerar x(t) + hf (t + h, x(t + h))

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

156

Fh (t, x) = f (t + h, x(t + h)), e Th (t, x) = h 2 f (, x( )). Do exposto conclui-se que a express ao de recorr encia para determina c ao dos valores nodais da a solu c ao aproximada xh ser xi+1 = xi + hf (ti+1 , xi+1 ), c ao inicial. sendo x0 = x(t0 ) a condi de notar que neste m e denido de uma forma impl cita. Podendo f ser E etodo, o valor ui+1 uma fun c ao n ao linear, n ao ser a poss vel em muitas situa c oes obter uma express ao expl cita para xi+1 . De um modo geral tem-se que xi+1 = i (xi+1 ) oes importantes. Por um onde i (x) = xi + hf (ti+1 , x). Interessa aqui analisar algumas quest lado, a exist encia e unicidade de solu c ao desta equa c ao e, por outro, o modo de resolver esta equa c ao. A forma desta equa c ao sugere a utiliza c ao do m etodo iterativo simples, cuja condi c ao de converg encia e di (x) f (ti+1 , x) =h < 1, dx x que se verica desde que h seja sucientemente pequeno (pois f e Lipschitz cont nua em x). Se esta condi c ao se vericar e poss vel garantir a exist encia e unicidade de solu c ao da equa c ao que determina xi+1 . Exemplo 9.4.2. Utilizar o m etodo de Euler regressivo com passo constante h = 0.1 para obter uma solu c ao aproximada de x = 1 + t x, Resolu c ao Uma vez que f (ti+1 , xi+1 ) = 1 + ti+1 xi+1 , obt em-se a express ao de recorr encia xi+1 = xi + 0.1 (1 + ti+1 xi+1 ) cita por para i = 0, 1, . . . , 9. Neste caso, o valor de xi+1 pode obter-se de uma forma expl xi+1 = xi + 0.1 (1 + ti+1 ) . 1.1 t [0, 1] com x(0) = 1. i = 0, 1, . . . , N 1,

ao de Utilizando a condi c ao inicial, ser a obviamente x0 = x(0) = 1, e aplicando a express

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

157

recorr encia acima obt em-se os valores indicados na tabela abaixo.


ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi 1.0000 1.0091 1.0264 1.0513 1.0830 1.1209 1.1645 1.2132 1.2665 1.3241 1.3855 xi+1 1.0091 1.0264 1.0513 1.0830 1.1209 1.1645 1.2132 1.2665 1.3241 1.3855

O erro de truncatura em qualquer dos m etodos de Euler pode ser majorado por Th = h sup |f (t, x(t))| 2 t[t0 ,T ]

c oes do teorema sobre exist encia e unicidade de solu c ao permitem Sendo f de classe C 1 , as condi e cont nua, pelo que o supremo acima e nito. Assim, o erro de truncatura concluir que f (, x()) dos m etodos de Euler satisfaz Th ch, onde c n ao depende de h, embora dependa dos dados que caracterizam o problema de valor inicial: a fun c ao f , o intervalo [t0 , T ], e o valor x0 .

9.5

M etodos de Taylor
t+h f (, x( ))d t

Os m etodos de Taylor de resolu c ao num erica de equa c oes diferencias caracterizam-se por aproximarem o integral por polin omios de Taylor. As express oes de recorr encia destes m etodos, bem como os seus erros de truncatura obt em-se facilmente como se mostra em seguida. Consideremos o desenvolvimento de Taylor x(t + h) = x(t) + hx (t) +
h2 2 x

(t) + +

hp ( p ) p! x (t)

hp+1 (p+1) ( ) (p+1)! x

onde [t, t + h]. Da equa c ao diferencial temos x(t + h) = x(t) + hf (t, (x(t))) +
h2 2 f

(t, x(t)) + +

hp (p1) (t, x(t)) p! f

hp+1 (p) (, x( )). (p+1)! f

O m etodo de Taylor de ordem p e caracterizado pela aproxima c ao x(t + h) x(t) + hf (t, (x(t))) +
h2 2 f

(t, x(t)) + +

hp (p1) (t, x(t)) p! f

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

158

o que corresponde a ter Fh (t, x) = f (t, x(t)) + h hp1 (p1) f (t, x(t)) + + f (t, x(t)). 2 p!

Ent ao, o erro de truncatura deste m etodo ser a Th (t, x) = hp f (p) (, x( )), (p + 1)! [t, t + h].

A express ao de recorr encia do m etodo de Taylor de ordem p ser a assim xi+1 = xi + hf (ti , xi ) + h2 hp f (ti , xi ) + + f (p1) (ti , xi ) 2 p!

para i = 0, 1, . . . , N 1. Obviamente que o m etodo de Taylor de ordem 1 n ao e sen ao o m etodo de Euler progressivo. Sendo v alidas as hip oteses sobre exist encia e unicidade de solu c ao do problema de valor inicial c ao t f (t, x(t)) e tamb em e vericando-se tamb em que f e de classe C p , verica-se que a fun de classe C p no intervalo [t0 , T ]. Pode, assim, armar-se que Th f (p) (, x()) hp . (p + 1)!

A aplica c ao da express ao de recorr encia dos m etodos de Taylor (assim como a avalia c ao do erro de truncatura) necessita que sejam obtidas express oes para as derivadas da fun c ao t f (t, x(t)) num ponto (t, x(t)) gen erico. Estas derivadas podem ser obtidas da seguinte forma f = ft + fx x = ft + fx f
2 f f = ftt + 2ftx f + fxx f 2 + fx ft + fx

... onde ft =
f t

e fx =

f x .

Excepto se f tiver uma forma muito simples, o c alculo destas derivadas

rapidamente se torna bastante complexo, pelo que os m etodos de Taylor de ordem elevada n ao s ao em geral de utiliza c ao muito pr atica. Exemplo 9.5.1. Usando o m etodo de Taylor de ordem 2, com passo 0.1, obter uma solu c ao aproximada de x = 1 + t x, Resolu c ao A express ao de recorr encia e xi+1 = xi + hf (ti , xi ) + f , obtendo-se f (t, x) = 1 1 (1 + t x) = x t. Assim, a express ao de recorr encia e para este problema xi+1 = xi + 0.1 (1 + ti xi ) + 0.005 (xi ti )
h2 2 f

t [0, 1]

com

x(0) = 1.

(ti , xi ), pelo que e necess ario calcular

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

159

onde i = 0, 1, . . . , 9. em-se os seguintes resultados Partindo da condi ca o inicial x0 = x(0) = 1, obt


ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi 1.0000 1.0050 1.0190 1.0412 1.0708 1.1071 1.1494 1.1972 1.2500 1.3072 1.3685 xi+1 1.0050 1.0190 1.0412 1.0708 1.1071 1.1494 1.1972 1.2500 1.3072 1.3685

9.6

Consist encia e converg encia

Um m etodo de resolu c ao num erica de equa c oes diferenciais diz-se consistente se


h0

lim Th = 0

e diz-se que a sua ordem de consist encia e p > 0 se Th chp , para todo o h suciente pequeno e c > 0, independente de h. Desta deni c ao e do exposto atr as resulta imediatamente que ambos os m etodos de Euler t em ordem de consist encia igual a 1e tamb em que o m etodo de Taylor de ordem p tem ordem de consist encia p (da o seu nome!). Note-se, contudo, que o erro de truncatura (e logo a ordem de consist encia) apenas caracterizam o erro local em cada passo e n ao o erro global de aproxima c ao da solu c ao exacta x por xh . Em muitas situa c oes interessa analisar n ao o erro de truncatura (que apenas fornece informa c ao local), mas o erro de aproxima c ao global, denido por eh = x xh . Em particular, interessa saber se este erro converge para zero ` a medida que h vai para zero e, em caso armativo, qual a ordem de converg encia do m etodo. Apresenta-se em seguida um resultado que relaciona a ordem de consist encia e a ordem de converg encia de m etodos que satisfazem certas condi c oes. Deni c ao 9.6.1. Um m etodo de passo simples diz-se satisfazer a condi c ao de Lipschitz se Fh vericar |Fh (t, v ) Fh (t, w)| Lh |v w|, t [t0 , T ],

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

160

para todo o h > 0 sucientemente pequeno, onde Lh e independente de h. O resultado seguinte apresenta condi c oes de equival encia entre os conceitos de consist encia e converg encia e estabelece uma estimativa para o erro de aproxima c ao. Teorema 9.6.1. Se um m etodo de passo simples satiszer a condi c ao de Lipschitz ent ao ser a consistente se e s o se for convergente. Mais ainda, para h sucientemente pequeno, verica-se que |eh (t)| eLh (tt0 ) |e0 | + onde e0 = x(t0 ) xh (t0 ). oteses deste teorema se vericarem, ent ao os m etodos de Taylor de ordem Se f C p e as hip (de consist encia) p t em ordem de converg encia p, raz ao pela qual os m etodos de Taylor de ordem mais elevada t em associados erros que convergem mais rapidamente para zero, isto com a diminui c ao do passo h. importante referir aqui, ainda que de uma forma informal, que a utiliza E c ao de passos h muito reduzidos, embora aparentemente ben eca por levar a erros mais baixo, e muitas vezes fonte de erros que se podem tornar extremamente elevados. De facto, quanto menor for o valor de h maior n umero de c alculos ser a necess ario para determinar a solu c ao da equa c ao diferencial no intervalo dado. Dado que os c alculos s ao sempre (ou quase sempre) realizados em aritm etica nita, verica-se que quanto mais c alculos se tiverem de efectuar maiores ser ao os erros devidos a utiliza ` c ao da aritm etica nita. Para um problema concreto que se pretende resolver com um dado m etodo num erico numa m aquina com uma dada precis ao nita verica-se que existe normalmente um valor optimo de h que conduz ao menor erro global na solu c ao aproximada. Para valores de h superiores o erro aumenta por aumentar o erro devido a se utilizar um m etodo aproximado de solu c ao, enquanto para valores menores de h o erro aumenta por aumentarem os erros devidos a ` aritm etica nita. Esta discuss ao indicia que de uma forma geral os m etodos de maior ordem permitir ao melhores resultados pois os erros de truncatura e logo os de aproxima c ao diminuem mais rapidamente com a diminui c ao do passo h. Th Lh (tt0 ) [e 1], Lh t [t0 , T ],

9.7

M etodos de Runge-Kutta

Como j a foi visto atr as, o aumento da ordem de consist encia dos m etodos de Taylor e efectuado a custa do esfor ` co de c alculo de derivadas de ordem superior da fun c ao f . Os m etodos conhecidos genericamente por m etodos de Runge-Kutta foram desenvolvidos de forma a possu rem ordens de consist encia superiores a 1 e a n ao necessitarem do c alculo de

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

161

tamb derivadas de f para a sua aplica c ao. E em importante referir que os m etodos de RungeKutta gozam ainda da propriedade de possu rem ordem de converg encia igual a ` sua ordem de consist encia. e feita avaliando De uma forma geral, a obten c ao do valor aproximado xi+1 no instante ti+1 c ao de tais pontos a fun c ao f em pontos interm edios entre (ti , xi ) e (ti+1 , xi+1 ). A selec interm edios e da express ao de c alculo de xi+1 s ao efectuadas de modo a garantir a ordem de consist encia pretendida. De uma forma geral os m etodos de Runge-Kutta (expl citos) permitem obter o valor de xi+1 efectuando os seguinte c alculos F1 = f (ti , xi ) F2 = f (ti + 2 h, xi + h21 F1 ) F3 = f (ti + 3 h, xi + h(31 F1 + 32 F2 )) ... Fs = f (ti + s h, xi + h(s,1 F1 + s,2 F2 + . . . + s,s1 Fs1 )) xi+1 = xi + h(w1 F1 + w2 F2 + . . . + ws Fs ) ao par ametros a Nestas express oes, s e um inteiro que traduz o n umero de est agios e j , jk e wj s determinar de modo a garantir a ordem de consist encia desejada. Para ordens de consist encia at e 4 verica-se sem poss vel obter m etodos com n umero de est agios igual a ` ordem de consist encia. Apresentam-se em seguida os m etodos de ordem 2, indicando-se o processo de determina c ao dos coecientes, e tamb em o m etodo de ordem 4 mais utilizado. M etodos de Runge-Kutta de 2
a

ordem

e calculado Estes m etodos utilizam apenas um ponto interm edio entre ti e ti+1 . O valor de xi+1 com as seguintes express oes F1 = f (ti , xi ) F2 = f (ti + 2 h, xi + h21 F1 ) xi+1 = xi + h(w1 F1 + w2 F2 ) onde w1 , w2 , 2 e 21 , s ao determinados de modo a se obter a maior ordem de consist encia poss vel, como indicado em seguida. De acordo com as express oes acima tem-se neste caso que Fh (t, x) = w1 f (t, x(t)) + w2 f (t + 2 h, x(t) + h21 F1 ) sendo ent ao o erro de truncatura dado por Th (t, x) = 1 h
t+h t

f ( ), x( ))d w1 f (t, x(t)) w2 f (t + 2 h, x(t) + h21 F1 )

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

162

Efectuando o desenvolvimento em s erie de Taylor de Th (t, x), obt em-se a seguinte express ao Th (t, x) = (1 w1 w2 )f +h + h2
1 2

2 w2 )ft +

1 2

21 w2 )fx f
2 2 2 ftt

1 6 (ftt

2 + 2ftx f + fxx f 2 + ft fx + fx f ) w2

+ 2 21 ftx f +

2 21 2 2 fxx f

+ O(h3 ) Analisando esta express ao conclui-se que de uma forma geral n ao ser a poss vel anular o termo e poss vel anular os termos de ordem inferior a h2 , garantindo-se assim uma em h2 . Todavia, ordem de consist encia 2. Para tal, basta que se veriquem as seguintes igualdades w1 + w 2 = 1 2 w2 =
1 2 21 w2 = 1 2

Como facilmente se constata, este sistema de equa c oes possui diferentes conjuntos de solu c oes, cada um deles correspondendo a um m etodo num erico para a resolu c ao da equa c ao diferencial. importante referir que As escolhas mais comuns resultam nos dois m etodos abaixo indicados. E a designa c ao destes m etodos n ao e consensual, variando de autor para autor. alculo O m etodo de Euler modicado e obtido fazendo w1 = w2 = 1 2 , 2 = 1 e 21 = 1. O c etodo ser a ent ao feito de acordo com de xi+1 por este m F1 = f (ti , xi ) F2 = f (ti + h, xi + hF1 ) xi+1 = xi + h 2 (F1 + F2 ).
3 2 O m etodo de Heun e obtido fazendo w1 = 1 alculo de xi+1 por 4 , w2 = 4 , 2 = 21 = 3 . O c

este m etodo ser a ent ao feito de acordo com F1 = f (ti , xi )


2 F2 = f (ti + 2 3 h, xi + 3 hF1 )

xi+1 = xi + h 4 (F1 + 3F2 ). M etodos de Runge-Kutta de 4 O m etodo de Runge-Kutta de 4


a a

ordem

ordem abaixo indicado e um dos mais utilizados. A sua

popularidade adv em do seu bom compromisso entre esfor co computacional requerido e precis ao alcan cada. Os valores dos coecientes utilizados obt em-se de forma a garantir que o erro de etodo de ordem de truncatura e de ordem h4 , ou seja, que se trata efectivamente de um m consist encia 4.

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

163

As express oes que permitem determinar o valor xi+1 por este m etodo s ao as seguintes F1 = f (ti , xi )
h F2 = f (ti + h 2 , xi + 2 F1 ) h F3 = f (ti + h 2 , xi + 2 F2 )

F4 = f (ti + h, xi + hF3 ) xi+1 = xi + h 6 (F1 + 2F2 + 2F3 + F4 ) que se devem aplicar para i = 0, 1, . . . , N 1. Exemplo 9.7.1. Aplicar o m etodo de Runge-Kutta de 4 ordem com passo 0.1 para obter uma solu c ao aproximada de x = 1 + t x, Resultados
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi 1.00000 1.00484 1.01873 1.04082 1.07032 1.10653 1.14881 1.19659 1.24933 1.30657 1.36788 F1 0.00000 0.09516 0.18127 0.25918 0.32968 0.39347 0.45119 0.50341 0.55067 0.59343 F2 0.05000 0.14040 0.22221 0.29622 0.36320 0.42380 0.47863 0.52824 0.57314 0.61376 F3 0.04750 0.13814 0.22016 0.29437 0.36152 0.42228 0.47726 0.52700 0.57201 0.61274 F4 0.09525 0.18135 0.25925 0.32974 0.39353 0.45124 0.50346 0.55071 0.59347 0.63216 xi+1 1.00484 1.01873 1.04082 1.07032 1.10653 1.14881 1.19659 1.24933 1.30657 1.36788
a

t [0, 1]

com

x(0) = 1.

O exemplo seguinte sintetiza os resultados dos exemplos anteriores, podendo constatar-se as diferen cas entre eles e vericar o desempenho superior (como esperado) do m etodo de RungeKutta de 4 ordem. Exemplo 9.7.2. Na tabela seguinte apresentam-se os resultados obtidos nos exemplos anteriores com os diferentes m etodos, bem como a solu c ao exacta do problema que e x(t) = t + et .
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 Euler prog. 1.000000 1.000000 1.010000 1.029000 1.056100 1.090490 1.131441 1.178297 1.230467 1.287420 1.348678 Euler reg. 1.000000 1.009091 1.026446 1.051315 1.083013 1.120921 1.164474 1.213158 1.266507 1.324098 1.385543 Taylor 2 1.000000 1.005000 1.019025 1.041218 1.070802 1.107076 1.149404 1.197210 1.249975 1.307228 1.368541 R-K 4 1.000000 1.004838 1.018731 1.040818 1.070320 1.106531 1.148812 1.196586 1.249329 1.306570 1.367880 Sol. exacta 1.000000 1.004837 1.018731 1.040818 1.070320 1.106531 1.148812 1.196585 1.249329 1.306570 1.367879
a

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

164

9.8

Sistemas de equa c oes diferenciais

Dadas as fun c oes f1 , f2 , . . . , fn , de R1+n em R, um sistema de equa c oes diferenciais de ordem 1 e denido por x1 (t) = f1 (t, x1 (t), x2 (t), . . . , xn (t)) x (t) = f2 (t, x1 (t), x2 (t), . . . , xn (t)) 2 . . . x (t) = f (t, x (t), x (t), . . . , x (t)) n 1 2 n n

O problema de valor inicial consiste agora em determinar fun c oes x1 , x2 , . . . , xn , de um c oes diferenciais e as condi c oes intervalo [t0 , T ] em R, que satisfazem estas equa x1 (t0 ) = x1,0 , para x1,0 , x2,0 , . . . , xn,0 R dados. Numa nota c ao mais compacta, o sistema de equa c oes diferenciais representa-se por x (t) = f (t, x(t)) e denida por f = [f1 onde f : R1+n Rn por x = [x1 x2 ... xn ]T . f2 ... fn ]T e x e a fun c ao de R em Rn , denida x2 (t0 ) = x2,0 , ..., xn (t0 ) = xn,0 ,

O problema de valor inicial consiste em determinar a fun c ao x que satisfaz esta equa c ao diferc ao inicial encial vectorial num intervalo [t0 , T ] e a condi x(t0 ) = x0 , para algum x0 Rn . Importa referir aqui que e poss vel estabelecer condi c oes de exist encia e unicidade de solu c ao para este problema an alogas a `s formuladas no caso de uma equa c ao diferencial escalar. Os m etodos num ericos de resolu c ao aproximada de problemas de valor inicial estudados para o caso escalar (uma equa c ao) podem ser aplicados de uma forma imediata ao caso vectorial (sistema de equa c oes). Considerando uma malha {ti }N i=0 de passo h no intervalo [t0 , T ], sendo xh uma solu c ao aproximada do problema de valor inicial, de um modo geral, os valores xi = xh (ti ) podem ser obtidos pela express ao de recorr encia xi+1 = xi + hFh (ti , xi ), de notar a semelhan para i = 0, 1, . . . , N 1, sendo tamb em habitual considerar xh (t0 ) = x0 . E ca entre esta express ao de recorr encia e a express ao geral utilizada no caso escalar. aloga ao caso escalar. A principal diferen ca A fun c ao Fh dene-se em termos de f , de forma an erica serem elementos face ao caso escalar reside no facto dos valores xi a determinar por via num de Rn , sendo em cada passo necess ario calcular n n umeros reais.

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

165

Exceptuando o m etodo de Euler regressivo que e de extens ao mais complexa para o caso vectorial, todos os outros m etodos s ao de imediata adapta c ao: o m etodo de Euler progressivo conduz a ` express ao de recorr encia xi+1 = xi + hf (ti , xi ). o m etodo de Taylor de ordem 2 tem por express ao de recorr encia xi+1 = xi + hf (ti , xi ) + ... de notar agora que o c E alculo de f , f , . . . pode ser bastante complexo, pois cada componente de f depende de t quer directamente quer indirectamente atrav es das componentes de x. Exemplo 9.8.1. Considere o seguinte problema de valor inicial u1 = u1 u2 u2 = t + u1 u2 u1 (0) = 1, u2 (0) = 0. t [0, 1], h2 f (ti , xi ). 2

a) Determinar uma solu c ao aproximada pelo m etodo de Euler progressivo com passo 0.1. b) Determinar uma solu c ao aproximada pelo m etodo de Taylor de ordem 2 com passo 0.1. Resolu c ao a) Denam-se f1 e f2 por f1 (t, u1 , u2 ) = u1 u2 f2 (t, u1 , u2 ) = t + u1 u2 A express ao do m etodo de Euler progressivo ui+1 = ui + hFh (ti , ui ) toma neste caso a forma u1,i+1 = u1,i + hf1 (ti , u1,i , u2,i ) u2,i+1 = u2,i + hf2 (ti , u1,i , u2,i ) ou ainda u1,i+1 = u1,i + 0.1 u1,i u2,i u2,i+1 = u2,i + 0.1 (ti + u1,i u2,i )

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

166

para i = 0, 1, . . . , 9, com as condi c oes iniciais u1,0 = u1 (0) = 1 e u2,0 = u2 (0) = 0. A tabela abaixo apresenta os resultados obtidos.
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 u1,i 1.0000 1.0000 1.0100 1.0302 1.0612 1.1041 1.1603 1.2322 1.3225 1.4353 1.5760 u2,i 0.0000 0.1000 0.2000 0.3010 0.4039 0.5096 0.6191 0.7332 0.8531 0.9801 1.1156 u1,i+1 1.0000 1.0100 1.0302 1.0612 1.1041 1.1603 1.2322 1.3225 1.4353 1.5760 u2,i+1 0.1000 0.2000 0.3010 0.4039 0.5096 0.6191 0.7332 0.8531 0.9801 1.1156

b) A express ao do m etodo de Taylor de ordem 2 e ui+1 = ui + hf (ti , ui ) + h2 f (ti , ui ) 2

co es obt em-se de acordo com sendo ent ao necess ario determinar f1 e f2 . Estas fun f1 (t, u1 , u2 ) = u2 u1 + u1 u2 = u1 u2 2 + u1 (t + u1 u2 ) f2 (t, u1 , u2 ) = 1 + u1 u2 = 1 + u1 u2 (t + u1 u2 ) As express oes de recorr encia tomam ent ao a forma u1,i+1 = u1,i + 0.1 u1,i u2,i + 0.005 u1,i u2 2,i + u1,i (ti + u1,i u2,i ) u2,i+1 = u2,i + 0.1 (ti + u1,i u2,i ) + 0.005 (1 + u1,i u2,i (ti + u1,i u2,i )) devendo ser determinada para i = 0, 1, . . . , 9 com as condi co es iniciais u1,0 = 1 e u2,0 = 0. A tabela abaixo apresenta os valores obtidos.
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 u1,i 1.0000 1.0050 1.0202 1.0461 1.0838 1.1349 1.2016 1.2871 1.3955 1.5328 1.7073 u2,i 0.0000 0.1000 0.2010 0.3038 0.4094 0.5187 0.6327 0.7525 0.8797 1.0158 1.1632 u1,i+1 1.0050 1.0202 1.0461 1.0838 1.1349 1.2016 1.2871 1.3955 1.5328 1.7073 u2,i+1 0.1000 0.2010 0.3038 0.4094 0.5187 0.6327 0.7525 0.8797 1.0158 1.1632

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

167

9.9

Equa co es diferenciais de ordem n

Consideremos agora o problema de determinar a fun c ao x : R R que e solu c ao de uma dada equa c ao diferencial de ordem n x(n) (t) = f (t, x(t), x (t), . . . , x(n1) (t)) num dado intervalo [t0 , T ] e satisfaz as condi c oes iniciais x(t0 ) = x0,0 x (t0 ) = x0,1 x(n1) (t0 ) = x0,n1 para x0,0 , x0,1 , . . . , x0,n1 R dados. A resolu c ao num erica deste problema e obtida transformando a equa c ao diferencial de ordem n num sistema de n equa c oes diferenciais de ordem 1, como se indica em seguida. Considerando as vari aveis dependentes (isto e, as fun c oes) x1 , x2 , . . . , xn denidas por x1 (t) = x(t) x2 (t) = x (t) xn (t) = x(n1) (t) conclui-se facilmente que xi (t) = xi+1 (t) para i = 1, 2, . . . , n 1. Utilizando estas novas fun c oes tem-se ainda que xn (t) = x(n1) (t) = x(n) (t) = f (t, x1 (t), x2 (t), . . . , xn (t)) O sistema de equa c oes diferenciais de ordem 1 toma ent ao a forma x1 (t) = x2 (t) x2 (t) = x3 (t) xn (t) = f (t, x1 (t), x2 (t), . . . , xn (t)) devendo a sua solu c ao satisfazer as condi c oes iniciais x1 (t0 ) = x0,0 , x2 (t0 ) = x0,1 , . . . , xn (t0 ) = x0,n1 .

Os m etodos para resolver uma equa c ao diferencial de ordem n ser ao assim os mesmos que se utilizam para resolver um sistema de equa c oes diferenciais de ordem 1.

Cap tulo 9. Equa c oes Diferenciais Ordin arias: problemas de valor inicial

168

Exemplo 9.9.1. Determinar, pelo m etodo de Euler progressivo com passo 0.05, uma solu c ao aproximada de + 10 sin = 0, t [0, 0.5], Resolu c ao em-se o sistema de equa c oes diferenciais Denindo x1 = e x2 = , obt x1 = x2 x2 = 10 sin(x1 ) As express oes de recorr encia ser ao x1,i+1 = x1,i + 0.05 x2,i x2,i+1 = x2,i 0.05 10 sin(x1,i ) com x1,0 = 0.1 e x2,0 = 0. Aplicando sucessivamente estas express oes, obt em-se os valores apresentados na tabela seguinte.
ti 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 x1,i = i 0.1000 0.1000 0.0975 0.0925 0.0851 0.0754 0.0635 0.0498 0.0344 0.0179 0.0004 x2,i 0.0000 0.0499 0.0998 0.1485 0.1947 0.2372 0.2748 0.3066 0.3314 0.3486 0.3576 x1,i+1 0.1000 0.0975 0.0925 0.0851 0.0754 0.0635 0.0498 0.0344 0.0179 0.0004 x2,i+1 0.0499 0.0998 0.1485 0.1947 0.2372 0.2748 0.3066 0.3314 0.3486 0.3576

(0) = 0.1,

(0) = 0.

Bibliograa
[1] R. Burden, J. Faires, Numerical Analysis, Brooks Cole, 2001. [2] W. Cheney, D. Kincaid, Numerical Mathematics and Computing, Thomson Learning, 2004. [3] S. Conte, C. de Boor, Elementary Numerical Analysis: an Algorithmic Approach, McGraw-Hill, 1987. [4] H. Pina, M etodos Num ericos, McGraw-Hill, 1995.

169