Você está na página 1de 144

Notas em Matem atica Aplicada e-ISSN 2236-5915

Volume 64, 2012


Editores
Cassio Machiaveli Oishi
Universidade Estadual Paulista - UNESP
Presidente Prudente, SP, Brasil
Fernando Rodrigo Rafaeli
Universidade Estadual Paulista - UNESP
S ao Jose do Rio Preto, SP, Brasil
Rosana Sueli da Motta Jafelice (Editor Chefe)
Universidade Federal de Uberlandia - UFU
Uberlandia, MG, Brasil
Rubens de Figueiredo Camargo
Universidade Estadual Paulista - UNESP
Bauru, SP, Brasil
Sezimaria de Fatima P. Saramago
Universidade Federal de Uberlandia - UFU
Uberlandia, MG, Brasil
Vanessa Avansini Botta Pirani (Editor Adjunto)
Universidade Estadual Paulista - UNESP
Presidente Prudente, SP, Brasil
Sociedade Brasileira de Matematica Aplicada e Computacional
2012
A Sociedade Brasileira de Matematica Aplicada e Computacional
- SBMAC publica, desde as primeiras edicoes do evento, monograas
dos cursos que sao ministrados nos CNMAC.
Para a comemoracao dos 25 anos da SBMAC, que ocorreu durante
o XXVI CNMAC em 2003, foi criada a serie Notas em Matematica
Aplicada para publicar as monograas dos minicursos ministrados
nos CNMAC, o que permaneceu ate o XXXIII CNMAC em 2010.
A partir de 2011, a serie passa a publicar, tambem, livros nas areas
de interesse da SBMAC. Os autores que submeterem textos ` a serie
Notas em Matematica Aplicada devem estar cientes de que poder ao
ser convidados a ministrarem minicursos nos eventos patrocinados pela
SBMAC, em especial nos CNMAC, sobre assunto a que se refere o
texto.
O livro deve ser preparado em Latex (compatvel com o Mik-
tex versao 2.7), as guras em eps e deve ter entre 80 e 150
paginas. O texto deve ser redigido de forma clara, acompanhado de
uma excelente revis ao bibliograca e de exerccios de vericacao
de aprendizagem ao nal de cada captulo.
Veja todos os ttulos publicados nesta serie na pagina
http://www.sbmac.org.br/notas.php
Sociedade Brasileira de Matematica Aplicada e Computacional
2012
INTRODUC

AO AOS POLIN

OMIOS
ORTOGONAIS
Eliana Xavier Linhares de Andrade
eliana@ibilce.unesp.br
Cleonice Fatima Bracciali
cleonice@ibilce.unesp.br
Fernando Rodrigo Rafaeli
rafaeli@ibilce.unesp.br
Departamento de Matem atica Aplicada
Instituto de Biociencias, Letras e Ciencias Exatas
UNESP - Universidade Estadual Paulista
Sociedade Brasileira de Matematica Aplicada e Computacional
Sao Carlos - SP, Brasil
2012
Coordena cao Editorial: Elbert Einstein Nehrer Macau
Coordena cao Editorial da Serie: Rosana Sueli da Motta Jafelice
Editora: SBMAC
Capa: Matheus Botossi Trindade
Patrocnio: SBMAC
Copyright c _2012 by Eliana Xavier Linhares de Andrade, Cleonice
Fatima Bracciali e Fernando Rodrigo Rafaeli.
Direitos reservados, 2012 pela SBMAC. A publicacao nesta serie nao
impede o autor de publicar parte ou a totalidade da obra por outra
editora, em qualquer meio, desde que faca cita cao `a edicao original.
Cataloga cao elaborada pela Biblioteca do IBILCE/UNESP
Bibliotecaria: Maria Luiza Fernandes Jardim Froner
Andrade, Eliana X. L.
Introducao aos Polin omios Ortogonais - Sao Carlos, SP :
SBMAC, 2012, 144 p., 20.5 cm - (Notas em Matem atica
Aplicada; v. 64)
e-ISBN 978-85-8215-015-3
1. Polonomios Ortogonais 2. Rela cao de Recorrencia
3. Formulas de Quadratura 4. Quadratura Gaussiana
I. Andrade, Eliana X. L. II. Bracciali, Cleonice F. III. Rafaeli,
Fernando R. IV. Ttulo. V. Serie
CDD - 51
Aos meus netinhos Felipe e Soa
exla
`
A minha famlia
cfb
A meus pais Dionsio e Marlene
frr
Agradecimentos
Queremos registrar nossos agradecimentos a todos os alunos que parti-
ciparam dos seminarios sobre polin omios ortogonais e fra coes contnuas
que vem ocorrendo ja ha muitos anos no IBILCE/UNESP, sempre
sob a coordena cao de um dos docentes do Grupo de Pesquisa em
Polin omios Ortogonais e Similares. Para esses seminarios, os alunos
utilizam uma apostila preparada pelas duas primeiras autoras e que
vem sendo aprimorada ao longo dos anos com o auxlio dos relat orios
dos estudantes, incluindo novos topicos e melhorando os existentes.
Essa apostila foi a base para este livro.
Conte udo
Prefacio 11
1 Pre-requisitos 13
1.1 Alguns Pre-requisitos da

Algebra Linear . . . . . . . . 13
1.1.1 Processo de Ortogonalizacao de Gram-Schmidt . 18
1.2 Funcoes Gama e Beta . . . . . . . . . . . . . . . . . . . 20
1.3 Interpolacao Polinomial . . . . . . . . . . . . . . . . . 25
1.3.1 Formula de Lagrange para o Polin omio de In-
terpolacao . . . . . . . . . . . . . . . . . . . . . 30
1.3.2 Polin omio de Interpolacao de Hermite . . . . . . 32
1.4 Formulas de Quadratura Interpolatorias . . . . . . . . 36
1.4.1 Formulas Fechadas de Newton-Cotes . . . . . . 39
1.5 Integral de Riemann-Stieltjes . . . . . . . . . . . . . . 41
1.5.1 Integral de Riemann . . . . . . . . . . . . . . . 41
1.5.2 Integral de Riemann-Stieltjes . . . . . . . . . . 42
1.5.3 Distribuicoes . . . . . . . . . . . . . . . . . . . 45
1.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . 46
2 Polinomios Ortogonais 51
2.1 Sequencia de Polin omios Ortogonais . . . . . . . . . . . 51
2.2 Propriedades Gerais dos Polin omios Ortogonais . . . . 53
2.3 Zeros dos Polin omios Ortogonais . . . . . . . . . . . . 69
2.4 Polin omios Ortogonais Simetricos . . . . . . . . . . . . 72
2.5 Polin omios Ortogonais Cl assicos . . . . . . . . . . . . . 74
9
10
2.5.1 Polin omios de Jacobi, Legendre, Chebyshev e
Gegenbauer . . . . . . . . . . . . . . . . . . . . 75
2.5.2 Polin omios de Laguerre . . . . . . . . . . . . . . 96
2.5.3 Polin omios de Hermite . . . . . . . . . . . . . . 102
2.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . 104
3 Quadratura Gaussiana 109
3.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.2 Formulas de Quadratura Gaussianas . . . . . . . . . . 110
3.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.3.1 Formulas de Quadratura de Gauss-Legendre . . 118
3.3.2 Formulas de Quadratura de Gauss-Chebyshev . 120
3.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . 122
Apendice 1 125
Apendice 2 129
Apendice 3 133
Apendice 4 137
Bibliograa 139
Prefacio
A teoria de polin omios ortogonais tem vasta aplicacao em todos os
tipos de problemas da Matematica Pura e Ciencias Aplicadas. Esses
polin omios sao ferramentas essenciais para a solucao de muitos pro-
blemas e vem contribuindo nos estudos relacionados a equa coes dife-
rencias, fra coes contnuas, estabilidade numerica, algoritmos rapidos e
super-r apidos dentre outros, com aplicacoes que abrangem da Teoria
dos N umeros `a Teoria da Aproximacao, da Combinat oria ` a Repre-
senta cao de Grupos, da Mecanica Quantica `a Fsica Estatstica e da
Teoria de Sistemas ao Processamento de Sinais.
Nosso objetivo principal ao escrever este livro e oferecer aos estu-
dantes de graduacao e mesmo de pos-graduacao da area de Ciencias
Exatas um texto introdut orio sobre a Teoria dos Polin omios Orto-
gonais, destacando aqueles conhecidos como Polin omios Ortogonais
Cl assicos. Como aplicacao, apresentamos um estudo bastante deta-
lhado das Formulas de Quadratura Gaussianas. Ao termino de cada
captulo, inclumos uma lista de exerccios. Uma extensa bibliograa
sobre o assunto foi anexada ao nal do texto.
Sao Jose do Rio Preto, marco de 2012.
Eliana X. L. de Andrade
Cleonice F. Bracciali
Fernando R. Rafaeli
11
Captulo 1
Pre-requisitos
Neste captulo, daremos algumas deni coes e resultados da

Algebra
Linear e da An alise Matematica que serao importantes para o bom
entendimento dos topicos desenvolvidos neste texto.
1.1 Alguns Pre-requisitos da

Algebra Linear
Para um estudo mais detalhado sobre os topicos abordados nesta
se cao, sugerimos os livros [11, 14, 15, 16, 17, 19, 22].
Seja A = [a
ij
] uma matriz de dimens ao m n, m, n N. Se A
possui n linhas e colunas, dizemos que ela e uma matriz quadrada de
ordem n. A transposta A
t
= [a
t
ij
] de uma matriz A = [a
ij
], mn, e
a matriz n m tal que a
t
ij
= a
ji
. Quando uma matriz quadrada e tal
que A
t
= A, ou seja, a
ij
= a
ji
, dizemos que A e simetrica.
Uma matriz real e aquela cujos elementos sao todos reais. Uma ma-
triz complexa tem elementos que podem ser complexos. Uma matriz
imagin aria tem elementos que sao todos imagin arios puros ou nulos.
Usaremos o smbolo

A = [a
i,j
] para representar a matriz cujos
elementos sao os conjugados complexos dos elementos de A, isto e,
a
i,j
= a
i,j
. A transposta hermitiana de uma matriz A e a matriz
A
h
=

A
t
. Uma matriz hermitiana e uma matriz tal que A
h
= A.
Passemos, agora, `a deni cao de espaco vetorial, conceito que sera
bastante utilizado neste texto.
14 Pre-requisitos
Denicao 1.1. Um espaco vetorial sobre K e um conjunto V onde
estao denidas duas operacoes: V V
+
V (soma) e K V

V (multiplicacao por escalar) tal que as seguintes propriedades sao


satisfeitas:
a) i) u + v V, para todo u, v V ;
ii) u + v = v + u, para todo u, v V (comutativa);
iii) u+(v+w) = (u+v)+w, para todo u, v, w V (associativa);
iv) existe um elemento 0 V, tal que u +0 = u para todo u V
(elemento neutro);
v) para todo v V existe um elemento (v) V , tal que v +
(v) = 0 (elemento inverso);
b) i) v V, para todo v V e K;
ii) (u + v) = u + v, para todo u, v V e K;
iii) ( + ) v = v + v, para todo v V e , K;
iv) (v) = () v, para todo v V e , K, ;
v) existe um elemento 1 K, tal que 1 v = v, para todo v V.
Daqui por diante, denotaremos a operacao de multiplica cao por es-
calar, v, apenas por v, para K e v V .
Observa coes:
1. Se K = R, entao V e chamado espaco vetorial real.
2. O elemento v de um espaco vetorial V e chamado vetor.
3. O elemento de K e chamado escalar.
Denicao 1.2. Seja V um espaco vetorial sobre K. Um produto
interno (ou produto escalar) sobre V e uma aplicacao (u, v) u, v
de V V em K, para o qual se vericam as seguintes condicoes, para
todo u, v, w V e todo escalar K:
i) u, u 0 e u, u = 0 u = 0;
Alguns pre-requisitos da

Algebra Linear 15
ii) u, v = u, v ;
iii) u, v = v, u;
iv) u + v, w = u, w +v, w .
Exemplo 1.1. O produto escalar usual de vetores no espaco R
3
e
denido por
, : R
3
R
3
R
u, v x
1
y
1
+ x
2
y
2
+ x
3
y
3
,
onde u = (x
1
, x
2
, x
3
) e v = (y
1
, y
2
, y
3
).
Deixamos a cargo do leitor a demonstracao desse fato.
Denicao 1.3. Seja A uma matriz hermitiana. Dizemos que A e
positiva-denida se x, Ax > 0 para todo x , 0, semi positiva-denida
se x, Ax 0 para todo x, e A e chamada indenida se x, Ax e
positivo para certos valores de x e negativo para outros.
Denicao 1.4. Seja V um espaco vetorial sobre K. Uma norma
vetorial de v e um n umero nao negativo, representado por [[v[[, que,
para todo u, v V e K, satisfaz
i) [[v[[ 0 e [[v[[ = 0 v = 0;
ii) [[u + v[[ [[u[[ +[[v[[ (desigualdade triangular);
iii) [[v[[ = [[ [[v[[.
Em termos do produto interno , , podemos denir
[[v[[ =
_
v, v.
Denicao 1.5. Seja V um espaco vetorial com o produto interno
, . Dizemos que dois vetores u e v de V sao ortogonais com relacao
ao produto interno , se
u, v = 0.
16 Pre-requisitos
Consideremos, agora, o espaco vetorial V = C[a, b] (espa co das
funcoes contnuas em um intervalo (a, b)) e K = R. Suponhamos
w(x) 0 (mas nao identicamente nula) em um intervalo real (a, b),
onde a < b . Seja o produto interno denido em C[a, b]
por
f, g =
_
b
a
f(x)g(x)w(x)dx, (1.1.1)
onde f, g C[a, b].
Podemos mostrar que as propriedades da Denicao 1.2 sao v alidas
para o produto interno (1.1.1) (veja Exerccio 1.3).
Denicao 1.6. Sejam V um espaco vetorial sobre K, v
1
, v
2
, ..., v
n
V
e a
1
, a
2
, ..., a
n
K. Ent ao, o vetor
v = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
e um elemento de V chamado de combinacao linear de v
1
, v
2
, ..., v
n
.
Denicao 1.7. Considere os vetores v
1
, v
2
, ..., v
n
V xos. O con-
junto W de todos os vetores de V que sao combinacoes lineares de
v
1
, v
2
, ..., v
n
e chamado subespaco gerado por v
1
, v
2
, ..., v
n
e denotado
por W = [v
1
, v
2
, ..., v
n
], ou seja,
W = [v
1
, v
2
, ..., v
n
]
= v V [ v = a
1
v
1
+ a
2
v
2
+ + a
n
v
n
, a
i
K, 1 i n.
Denicao 1.8. Sejam V um espaco vetorial e v
1
, v
2
, ..., v
n
V. Di-
zemos que o conjunto v
1
, v
2
, ..., v
n
e linearmente independente (l.i.),
ou que os vetores sao l.i., se a equa cao
a
1
v
1
+ a
2
v
2
+ + a
n
v
n
= 0
implica em a
1
= a
2
= = a
n
= 0.
No caso em que existir algum a
i
,= 0 dizemos que v
1
, v
2
, ..., v
n
e
linearmente dependente (l.d.) ou que os vetores sao l.d..
Um exemplo bastante interessante de um conjunto de vetores l.i. e
a seguinte proposicao.
Alguns pre-requisitos da

Algebra Linear 17
Proposicao 1.1. Seja Q
j
(x)
n
j=0
, n > 0, uma sequencia de polino-
mios, onde Q
j
(x) e de grau exatamente j. Ent ao, esses polinomios
sao l.i..
Demonstracao: Vamos denotar Q
j
(x) =

j
k=0
a
j,k
x
k
, onde a
j,j
,=
0, j = 0, 1, 2, . . . , n. Sejam c
j
, j = 0, 1, . . . , n, constantes reais tais
que
n

j=0
c
j
Q
j
(x) = 0. (1.1.2)
Logo,
n

j=0
j

k=0
c
j
a
j,k
x
k
= 0,
cujo lado esquerdo e um polin omio de grau n. Igualando ambos os
membros termo a termo, obtemos
_

_
c
0
a
0,0
+ c
1
a
1,0
+ + c
n1
a
n1,0
+ c
n
a
n,0
= 0
c
1
a
1,1
+ + c
n1
a
n1,1
+ c
n
a
n,1
= 0
.
.
.
.
.
.
.
.
.
c
n1
a
n1,n1
+ c
n
a
n,n1
= 0
c
n
a
n,n
= 0
.
Note que todos os elementos da diagonal principal da matriz dos
coecientes sao nao nulos. Logo, seu determinante e diferente de 0 e,
entao, o sistema de equa coes lineares homogeneo acima tem solucao
unica, a trivial. Assim, a unica solucao para (1.1.2) e c
0
= c
1
= =
c
n
= 0. Portanto, os polin omios Q
0
(x), Q
1
(x), . . . , Q
n
(x) sao l.i. e
formam uma base para o espaco vetorial dos polin omios de grau n
(P
n
).
Uma importante propriedade de vetores ortogonais entre si e o re-
sultado a seguir.
Teorema 1.1. Sejam u
1
, u
2
, . . . , u
n
ortogonais entre si. Entao,
u
1
, u
2
, . . . , u
n
e l.i..
18 Pre-requisitos
Demonstracao: Como u
1
, u
2
, . . . , u
n
sao ortogonais entre si, entao
u
i
, u
j
= 0 i ,= j, i, j = 1, 2, . . . , n. Seja

1
u
1
+
2
u
2
+ . . . +
n
u
n
= 0.
Entao,

1
u
1
+
2
u
2
+ . . . +
n
u
n
, u
i
= 0, u
i
= 0.
Usando as propriedades de produto interno, obtemos

1
u
1
, u
i
+
2
u
2
, u
i
+ . . . +
i
u
i
, u
i
+ . . . +
n
u
n
, u
i
= 0.
Como os vetores u
k
, k = 1, 2, . . . , n, sao ortogonais entre si, pela
Denicao 1.5 conclumos que

i
u
i
, u
i
= 0 =
i
= 0, i = 1, 2, . . . , n.
Logo, u
1
, u
2
, . . . , u
n
sao l.i..
Denicao 1.9. Seja V um espaco vetorial. Um conjunto v
1
, v
2
, ..., v
n

de vetores de V e uma base de V se


i) v
1
, v
2
, ..., v
n
e l.i.;
ii) [v
1
, v
2
, ..., v
n
] = V.
1.1.1 Processo de Ortogonalizacao de Gram-Schmidt
Utilizamos este processo para, a partir de uma base de um espaco
vetorial V com corpo K, construir uma nova base ortogonal.
Consideremos a base b
1
, b
2
, b
3
, . . . , b
j
, . . . de V , o produto interno
, e
i,j
K i, j. Para construirmos a nova base ortogonal
u
1
, u
2
, u
3
, . . . , u
j
, . . . , , procedemos da seguinte forma.
1. O primeiro vetor da nova base e dado por
u
1
= b
1
.
Alguns pre-requisitos da

Algebra Linear 19
2. Para determinarmos o segundo vetor, tomamos
u
2
= b
2
+
2,1
u
1
e determinamos o valor de
2,1
de modo que u
1
seja ortogonal a
u
2
, isto e,
u
1
, u
2
= 0.
Logo,
u
1
, b
2
+
2,1
u
1
= 0 =
2,1
=
u
1
, b
2

u
1
, u
1

.
3. Para determinarmos o terceiro vetor da nova base, denimos
u
3
= b
3
+
3,1
u
1
+
3,2
u
2
e determinamos
3,1
e
3,2
de modo que u
1
e u
2
sejam ortogonais
a u
3
, isto e,
u
1
, u
3
= 0 e u
2
, u
3
= 0.
Logo,
u
1
, b
3
+
3,1
u
1
+
3,2
u
2
= 0 e u
2
, b
3
+
3,1
u
1
+
3,2
u
2
= 0,
ou seja,

3,1
=
u
1
, b
3

u
1
, u
1

e
3,2
=
u
2
, b
3

u
2
, u
2

.
Procedendo da mesma forma, determinamos o jesimo vetor.
Assim,
u
j
= b
j
+
j,1
u
1
+
j,2
u
2
+ . . . +
j,j1
u
j1
e determinamos os valores de
j,k
, k = 1, 2, . . . , j 1, de modo
que u
1
, u
2
, . . . , u
j1
sejam ortogonais a u
j
, isto e,
u
k
, u
j
= 0, k = 1, 2, . . . , j 1.
Logo,
_
u
k
, b
j
+
j1

i=1

j,i
u
i
_
= 0, k = 1, 2, . . . , j 1.
20 Pre-requisitos
Portanto, para j = 1, 2, 3, . . . , a nova base ortogonal e dada, em
termos da base antiga, por
u
j
= b
j
+
j,1
u
1
+
j,2
u
2
+ . . . +
j,j1
u
j1
,
onde

j,k
=
u
k
, b
j

u
k
, u
k

, k = 1, 2, . . . , j 1.
Exemplo 1.2. Seja o produto interno
p, q =
_
1
0
p(x)q(x)xdx,
onde p e q sao polinomios. Consideremos b
1
= 1, b
2
= x, b
3
= x
2
uma
base de P
2
. Entao, u
1
= b
1
= 1.
u
2
= b
2

u
1
, b
2

u
1
, u
1

u
1
= x
_
1
0
x
2
dx
_
1
0
xdx
= x
2
3
.
u
3
= b
3

u
1
, b
3

u
1
, u
1

u
1

u
2
, b
3

u
2
, u
2

u
2
= x
2

_
1
0
x
3
dx
_
1
0
xdx

_
x
2
3
_
_
1
0
(x
2
3
)x
3
dx
_
1
0
(x
2
3
)
2
xdx
= x
2

6
5
x +
3
10
.
Logo u
1
, u
2
, u
3
e uma base ortogonal para P
2
.
1.2 Funcoes Gama e Beta
Nesta se cao, estudaremos as deni coes e algumas propriedades das
funcoes Gama e Beta, apenas o suciente para o bom entendimento
Fun c oes Gama e Beta 21
dos topicos estudados nos pr oximos captulos. Para mais detalhes
sobre essas e outras funcoes especiais, consulte os textos [3, 23, 26].
A funcao Gama, (x), foi descoberta por Euler por volta de 1729
(veja [3]) no estudo do problema de estender o domnio da funcao
fatorial.
Para encontrar a generaliza cao do fatorial de Euler, suponhamos
x 0 e n 0 n umeros inteiros. Consideremos o n umero
(a)
n
=
_
1, se n = 0,
a(a + 1)(a + 2) (a + n 1), se n > 0,
conhecido por fatorial deslocado ou fatorial generalizado ou, ainda,
smbolo de Pochhammer, onde a pode ser um n umero real ou complexo.
Podemos, entao, escrever (veja Exerccio 1.4)
x! =
(x + n)!
(x + 1)
n
.
Mas,
(x + n)! = (1)(2) (n 1)(n)(n + 1) (n + x) = n!(n + 1)
x
e, assim,
x! =
n!(n + 1)
x
(x + 1)
n
=
n!n
x
(x + 1)
n
(n + 1)
x
n
x
.
Como lim
n
(n + 1)
x
n
x
= 1, podemos concluir que
x! = lim
n
n!n
x
(x + 1)
n
. (1.2.1)
Observe que, se x e um n umero complexo, mas diferente de um
inteiro negativo, entao o limite (1.2.1) existe e o chamamos de
(x + 1) = lim
n
n!n
x
(x + 1)
n
,
para x C e x ,= 1, 2, ... .
Note que, se x e inteiro positivo, entao (x + 1) = x! e (1) = 1.
Assim, obtemos uma deni cao para a funcao Gama.
22 Pre-requisitos
Denicao 1.10. A fun cao Gama pode ser denida, para x C e
x ,= 1, 2, ... , como
(x) = lim
n
n!n
x1
(x)
n
,
onde (x)
n
= x(x + 1)(x + 2) (x + n 1).
Da deni cao acima, podemos mostrar a seguinte propriedade.
Propriedade 1.1. (x + 1) = x(x).
Demonstracao:
x(x) = x lim
n
n!n
x1
(x)
n
= x lim
n
n!n
x1
x(x + 1)(x + 2) (x + n 1)
(x + n)n
(x + n)n
= lim
n
n!n
x
(x + 1)(x + 2) (x + n 1)(x + n)
(x + n)
n
= lim
n
n!n
x
(x + 1)
n
= (x + 1).
Enunciaremos, agora, uma propriedade da funcao Gama que tambem
pode ser utilizada como sua deni cao.
Propriedade 1.2. A fun cao Gama tambem pode ser dada como a
integral de Euler de segunda especie
(x) =
_

0
e
t
t
x1
dt, (1.2.2)
para x C e Re(x) > 0.
A partir da deni cao anterior, podemos demonstrar a seguinte im-
portante propriedade.
Propriedade 1.3.
_
1
2
_
=

.
Fun c oes Gama e Beta 23
Demonstracao: Aplicando (1.2.2) em
_
1
2
_
e a mudan ca de variaveis
t = z
2
, obtemos

_
1
2
_
=
_

0
e
t
t

1
2
dt =
_

0
e
z
2
z
1
2zdz = 2
_

0
e
z
2
dz
= 2
__

0
e
z
2
dz
_

0
e
y
2
dy
_1
2
= 2
__

0
_

0
e
(z
2
+y
2
)
dzdy
_1
2
.
Resolvendo a ultima integral dupla por meio de coordenadas polares
(z = rcos() e y = rsen()) e, em seguida, fazendo r
2
= u, obtemos

_
1
2
_
= 2
_
_
2
0
_

0
e
r
2
rdrd
_1
2
= 2
_
_
2
0
_

0
e
u
du
2
d
_1
2
= 2
_
1
2
_
2
0
_
e
u

0
_
d
_1
2
= 2
_
1
2
_
2
0
d
_1
2
=

.
Outras interessantes propriedades da funcao Gama serao enuncia-
das a seguir e as demonstracoes podem ser encontradas nas referencias
citadas no incio da sess ao.
Propriedade 1.4 (F ormula de reexao de Euler).
(x)(1 x) =

sen(x)
, 0 < Re(x) < 1.
Propriedade 1.5.
_
1
2
+ x
_

_
1
2
x
_
=

cos(x)
, com
1
2
<
Re(x) <
1
2
.
Propriedade 1.6. (x)
_
1
2
+ x
_
=

2
2x1
(2x), com x Z
+
.
24 Pre-requisitos
A seguir, daremos a deni cao e algumas propriedades da funcao
Beta que serao importantes no contexto deste livro.
Denicao 1.11. A fun cao Beta e denida, para x, y C, Re(x) > 0
e Re(y) > 0, por
B(x, y) =
_
1
0
t
x1
(1 t)
y1
dt, (1.2.3)
conhecida como integral de Euler de primeira especie.
Propriedade 1.7. A fun cao Beta tambem pode ser dada pela seguinte
integral:
B(x, y) =
_

0
t
x1
(1 + t)
x+y
dt,
para x, y C, Re(x) > 0 e Re(y) > 0.
Demonstracao: Substituindo t por
u
u + 1
em (1.2.3), obtemos
_
1
0
t
x1
(1 t)
y1
dt =
_

0
_
u
u + 1
_
x1
_
1
u
u + 1
_
y1
du
(1 + u)
2
=
_

0
u
x1
(1 + u)
x1+y1+2
du
=
_

0
u
x1
(1 + u)
x+y
du.
Teorema 1.2. A fun cao Beta pode ser escrita, em termos da fun cao
Gama, da seguinte forma
B(x, y) =
(x)(y)
(x + y)
.
Demonstracao: A maneira classica de se mostrar este resultado e
utilizando a rela cao (1.2.2) como deni cao da funcao (x) e mostrar
que (x)(y) = (x + y)B(x, y) como faremos a seguir.
Interpola c ao Polinomial 25
Usando a equa cao (1.2.2) em (x)(y), temos
(x)(y) =
_

0
e
u
u
x1
du
_

0
e
v
v
y1
dv
=
_

0
_

0
e
(u+v)
u
x1
v
y1
dudv.
Fazendo u = t
2
e v = z
2
na ultima integral acima, obtemos
_

0
_

0
e
(u+v)
u
x1
v
y1
dudv = 4
_

0
_

0
e
(t
2
+z
2
)
t
2x1
z
2y1
dtdz.
Para resolver a ultima integral dupla, usamos coordenadas polares
(t = rcos e z = rsen) e, em seguida, mudan ca de variaveis. Com
isso, obtemos o resultado desejado.
Nota cao: Para x > 0 e y > 0, vamos utilizar, em v arias oportunida-
des deste texto, a notacao
_
x
y
_
=
(x + 1)
(y + 1)(x y + 1)
.
Para n inteiro e x > 0, vamos tambem usar a notacao
_
x
n
_
=
(x + 1)
n! (x n + 1)
.
1.3 Interpolacao Polinomial
Nesta se cao vamos considerar o problema de aproximar funcoes por
uma classe de funcoes mais simples. Ha duas razoes principais para se
fazer uso da aproximacao de funcoes. Uma e substituir funcoes com-
plicadas por um conjunto de funcoes mais simples de modo que pos-
samos realizar operacoes, tais como diferenciacao e integracao, mais
facilmente. A outra e a mais importante e na interpolacao de tabelas,
isto e, quando conhecemos a funcao em um conjunto de pontos e de-
sejamos avalia-la em um outro ponto fora desse conjunto. As funcoes
26 Pre-requisitos
mais usadas para interpolacao sao as polinomiais, as trigonometricas,
as exponenciais e as racionais. Usaremos, aqui, as polinomiais que
sao as mais adequadas aos nossos propositos. Referimo-nos aos textos
[5, 7, 8, 24] para maiores detalhes sobre este assunto.
Sejam x
n,0
, x
n,1
,. . . , x
n,n
, n + 1 pontos de um intervalo [a, b] R.
Denicao 1.12. Chamamos de Matriz de Vandermonde a matriz da
forma
1(x
n,0
, x
n,1
, . . . , x
n,n
) =
_
_
_
_
1 x
n,0
x
2
n,0
. . . x
n
n,0
1 x
n,1
x
2
n,1
. . . x
n
n,1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n,n
x
2
n,n
. . . x
n
n,n
_
_
_
_
, n 1.
Denotemos por V(x
n,0
, x
n,1
, . . . , x
n,n
) o determinante da matriz de
Vandermonde 1(x
n,0
, x
n,1
, . . . , x
n,n
).
Um resultado bastante conhecido da

Algebra Linear e o seguinte
Teorema 1.3. O determinante de Vandermonde V(x
n,0
, x
n,1
, . . . , x
n,n
)
satisfaz
V(x
n,0
, . . . , x
n,n
) =
n

i=1
0j<i
(x
n,i
x
n,j
) =
n

i=1
_
i1

j=0
(x
n,i
x
n,j
)
_
.
Demonstracao: Consideremos o determinante de Vandermonde
V(x
n,0
, . . . , x
n,n
) =

1 x
n,0
x
2
n,0
. . . x
n1
n,0
x
n
n,0
1 x
n,1
x
2
n,1
. . . x
n1
n,1
x
n
n,1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n,n
x
2
n,n
. . . x
n1
n,n
x
n
n,n

Interpola c ao Polinomial 27
e a funcao
V (x) = V(x
n,0
, . . . , x
n,n1
, x)
=

1 x
n,0
x
2
n,0
. . . x
n1
n,0
x
n
n,0
1 x
n,1
x
2
n,1
. . . x
n1
n,1
x
n
n,1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n,n1
x
2
n,n1
. . . x
n1
n,n1
x
n
n,n1
1 x x
2
. . . x
n1
x
n

.
Observe que V (x) e um polin omio de grau menor ou igual a n.
Se substituirmos x por x
n,0
, a primeira e a ultima linhas tornam-
se iguais. Logo, V (x
n,0
) = 0. Isto se verica igualmente para os
pontos x
n,1
, x
n,2
, . . . , x
n,n1
. Portanto, x
n,0
, x
n,1
, x
n,2
, . . . , x
n,n1
sao as
n razes de V (x). Da, podemos escrever
V(x
n,0
, . . . , x
n,n1
, x) = a
n,n
(x x
n,0
)(x x
n,1
) . . . (x x
n,n1
),
onde a
n,n
e o coeciente do termo de maior grau x
n
. Se desen-
volvermos o determinante V (x) pela ultima linha, observamos que
a
n,n
= V(x
n,0
, . . . , x
n,n1
). Entao,
V(x
n,0
, . . . , x
n,n1
, x) = V(x
n,0
, . . . , x
n,n1
)(x x
n,0
) . . . (x x
n,n1
).
Fazendo x = x
n,n
e denotando V(x
n,0
, . . . , x
n,n1
, x
n,n
) por

V, ob-
temos

V = V(x
n,0
, . . . , x
n,n1
)(x
n,n
x
n,0
)(x
n,n
x
n,1
) . . . (x
n,n
x
n,n1
)
= V(x
n,0
, . . . , x
n,n2
)(x
n,n1
x
n,0
) . . . (x
n,n1
x
n,n2
)
(x
n,n
x
n,0
)(x
n,n
x
n,1
) . . . (x
n,n
x
n,n1
)
= . . .
= V(x
n,0
, x
n,1
)(x
n,2
x
n,0
)(x
n,2
x
n,1
) . . .
(x
n,n1
x
n,0
)(x
n,n1
x
n,1
) . . . (x
n,n1
x
n,n2
)
(x
n,n
x
n,0
)(x
n,n
x
n,1
) . . . (x
n,n
x
n,n1
).
Como V(x
n,0
, x
n,1
) = x
n,1
x
n,0
, entao
V(x
n,0
, . . . , x
n,n1
, x
n,n
) =
n

i=1
0j<i
(x
n,i
x
n,j
).
28 Pre-requisitos
Como consequencia, obtemos que, se x
n,i
,= x
n,j
para i ,= j, entao
V(x
n,0
, . . . , x
n,n1
, x
n,n
) ,= 0.
Estamos agora em condi coes de denir Polin omio de Interpolac ao
de uma funcao e demonstrarmos alguns resultados importantes sobre
esse assunto.
Sejam, entao, x
n,0
, x
n,1
,. . . , x
n,n
, n + 1 pontos distintos de um
intervalo [a, b] R. Seja f(x) denida em [a, b] com valores reais tais
que
y
n,i
= f(x
n,i
), i = 0, 1, . . . , n.
Denicao 1.13. Chama-se polinomio de interpolacao de f(x) sobre
os n + 1 pontos distintos x
n,0
, x
n,1
, . . . , x
n,n
, o polinomio de grau no
maximo n, P
n
(x), que coincide com f(x) nos n+1 pontos dados, isto
e,
y
n,i
= P
n
(x
n,i
), i = 0, 1, . . . , n.
Mas, a interpolacao polinomial como denida acima e unica? O
teorema a seguir responde a essa questao.
Teorema 1.4. O polinomio de interpolacao de f(x) sobre os n + 1
pontos distintos x
n,i
, i = 0, 1, . . . , n, existe e e unico.
Demonstracao: Seja P
n
(x) = a
n,0
+a
n,1
x+. . . +a
n,n
x
n
o polin omio de
interpolacao de f(x) sobre os n+1 pontos distintos x
n,i
, i = 0, 1, . . . , n.
Assim,
_

_
P
n
(x
n,0
) = a
n,0
+ a
n,1
x
n,0
+ . . . + a
n,n
x
n
n,0
= y
n,0
P
n
(x
n,1
) = a
n,0
+ a
n,1
x
n,1
+ . . . + a
n,n
x
n
n,1
= y
n,1
.
.
.
.
.
.
.
.
.
P
n
(x
n,n
) = a
n,0
+ a
n,1
x
n,n
+ . . . + a
n,n
x
n
n,n
= y
n,n
ou, na forma matricial Ax = b,
_
_
_
_
1 x
n,0
x
2
n,0
. . . x
n
n,0
1 x
n,1
x
2
n,1
. . . x
n
n,1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 x
n,n
x
2
n,n
. . . x
n
n,n
_
_
_
_
_
_
_
_
a
n,0
a
n,1
.
.
.
a
n,n
_
_
_
_
=
_
_
_
_
y
n,0
y
n,1
.
.
.
y
n,n
_
_
_
_
.
Interpola c ao Polinomial 29
Mas, o determinante da matriz dos coecientes e diferente de zero
(pois x
n,i
,= x
n,j
, i ,= j). Logo, existe uma unica solucao x = (a
n,0
, a
n,1
,
. . . , a
n,n
)
t
para o sistema linear Ax = b.
Como a
n,i
, i = 0, 1, . . . , n, sao os coecientes do polin omio P
n
(x)
de grau n e que satisfaz P
n
(x
n,i
) = y
n,i
, i = 0, 1, . . . , n, demonstra-
mos que o polin omio de interpolacao de f(x) sobre x
n,0
, x
n,1
,. . . ,x
n,n
existe e e unico.
Vamos, agora, examinar a precisao com que o polin omio de inter-
polacao aproxima a funcao f. Para isso, precisaremos do resultado a
seguir, conhecido como Teorema de Rolle, cuja demonstracao omitire-
mos, mas pode ser encontrada, por exemplo, em [4].
Teorema 1.5 (Teorema de Rolle). Seja f uma fun cao contnua em
[a, b] e diferenciavel em (a, b). Se f(a) = f(b) = 0, entao existe pelo
menos um ponto (a, b) tal que f

() = 0.
Teorema 1.6. Seja f : [a, b] R contnua com derivadas contnuas
ate a ordem n + 1 (f C
n+1
[a, b]). Sejam x [a, b] e P
n
(y) o po-
linomio de interpolacao de f(y) sobre os n+1 pontos distintos de [a, b],
x
n,0
, x
n,1
,. . . ,x
n,n
. Ent ao, o erro na interpolacao e dado por
R
n
(x) = f(x) P
n
(x) =
(x)
(n + 1)!
f
(n+1)
(
x
), a <
x
< b, (1.3.1)
onde (x) = (x x
n,0
)(x x
n,1
) . . . (x x
n,n
) e chamado polinomio
dos nos.
Demonstracao: Seja P
n
(x) = a
n,0
+a
n,1
x +. . . +a
n,n
x
n
e observe que
(x
n,i
) = 0, i = 0, 1, . . . , n. (1.3.2)
i) Seja x = x
n,i
, i = 0, 1, . . . , n. Pela Denicao 1.13,
R
n
(x
n,i
) = f(x
n,i
) P
n
(x
n,i
) = 0, i = 0, 1, . . . , n. (1.3.3)
Como (x
n,i
) = 0, entao para x = x
n,i
a equa cao (1.3.1) e v alida.
ii) Consideremos, agora, x ,= x
n,i
, i = 0, 1, . . . , n. Seja
F(y) = f(y) P
n
(y)
_
f(x) P
n
(x)
(x)
_
(y) C
n+1
[a, b]. (1.3.4)
30 Pre-requisitos
Assim, fazendo y = x
n,i
, i = 0, 1, ..., n, na equa cao anterior, por (1.3.2)
e (1.3.3) obtemos
F(x
n,i
) = f(x
n,i
) P
n
(x
n,i
)
_
f(x) P
n
(x)
(x)
_
(x
n,i
) = 0, i = 0, 1, . . . , n
Substituindo y por x em (1.3.4), temos
F(x) = f(x) P
n
(x)
_
f(x) P
n
(x)
(x)
_
(x) = 0.
Entao, F(y) tem pelo menos n+2 razes em [a, b] : x, x
n,0
, . . . , x
n,n
, ou
seja, ha n+2 pontos onde F(y) assume o mesmo valor. Pelo Teorema
de Rolle , F

(y) tem pelo menos n + 1 zeros em (a, b), . . ., F


(n+1)
(y)
tem pelo menos 1 zero em (a, b).
Seja
x
um zero de F
(n+1)
(y) em (a, b). Logo, F
(n+1)
(
x
) = 0. Mas,
F
(n+1)
(y) = f
(n+1)
(y)
_
f(x) P
n
(x)
(x)
_
(n + 1)!
e, assim,
0 = f
(n+1)
(
x
)
_
f(x) P
n
(x)
(x)
_
(n + 1)! .
Portanto,
f(x) P
n
(x) =
(x)
(n + 1)!
f
(n+1)
(
x
).
Observe que nao e possvel avaliar o tamanho do erro f P
n
se
conhecermos apenas os valores de f em x
n,i
, i = 0, . . . , n.
1.3.1 Formula de Lagrange para o Polinomio de Interpolacao
Sejam x
n,0
, x
n,1
, . . . , x
n,n
, n +1 pontos distintos em [a, b] R e P
n
(x)
o polin omio de interpolacao de f(x) sobre x
n,i
, i = 0, 1, . . . , n. Vamos
escrever P
n
(x) como a seguinte combinacao linear
P
n
(x) = f(x
n,0
)l
n,0
(x) + f(x
n,1
)l
n,1
(x) + . . . + f(x
n,n
)l
n,n
(x)
Interpola c ao Polinomial 31
onde l
n,k
(x) sao polin omios de grau n.
Para que P
n
(x
n,i
) = f(x
n,i
) tomemos l
n,k
(x) tais que
_
l
n,k
(x
n,k
) = 1, k = 0, 1, . . . , n.
l
n,k
(x
n,i
) = 0, i, k = 0, 1, . . . , n, i ,= k.
Entao, os polin omios l
n,k
(x) tem n razes distintas que sao x
n,0
, . . . ,
x
n,k1
, x
n,k+1
, . . . , x
n,n
. Logo,
l
n,k
(x) = c
k
(x x
n,0
) . . . (x x
n,k1
)(x x
n,k+1
) . . . (x x
n,n
).
Como l
n,k
(x
n,k
) = 1, entao
c
k
=
1
(x
n,k
x
n,0
) . . . (x
n,k
x
n,k1
)(x
n,k
x
n,k+1
) . . . (x
n,k
x
n,n
)
.
Portanto, para k = 0, 1, . . . , n,
l
n,k
(x) =
n

i=0, i=k
(x x
n,i
)
n

i=0, i=k
(x
n,k
x
n,i
)
, (1.3.5)
que sao conhecidos como polin omios fundamentais de Lagrange.
O polin omio de interpolacao de f(x) pode, entao, ser escrito como
P
n
(x) =
n

k=0
f(x
n,k
)l
n,k
(x)
com l
n,k
(x), k = 0, 1, . . . , n, dados por (1.3.5) e e conhecido como
Polinomio de Interpolacao de Lagrange.
Os polin omios l
n,k
(x), k = 0, 1, ..., n, dados em (1.3.5), podem ser
escritos como
l
n,k
(x) =
(x)
(x x
n,k
)

(x
n,k
)
, (1.3.6)
onde (x) = (x x
n,0
)(x x
n,1
) . . . (x x
n,n
) (veja Exerccio 1.12).
32 Pre-requisitos
1.3.2 Polinomio de Interpolacao de Hermite
Nessa outra forma de interpolacao, conhecida como Interpola cao de
Hermite, nao so o polin omio interpolador coincide com a funcao, mas
a derivada do polin omio coincide com a derivada da funcao nos pontos
dados.
Para deni-la, consideremos x
n,0
, x
n,1
, . . . , x
n,n
n+1 pontos distin-
tos de um intervalo [a, b] R. Sejam f(x) e f

(x) denidas em [a, b]


com valores reais, tais que
_
_
_
y
n,i
= f(x
n,i
),
i = 0, 1, . . . , n.
y

n,i
= f

(x
n,i
),
Denicao 1.14. Chama-se polinomio de interpolacao de Hermite de
f(x) sobre os n + 1 pontos x
n,0
, x
n,1
, . . . , x
n,n
, o polinomio de grau no
maximo 2n + 1, 1
2n+1
(x), que coincide com f(x), e cuja derivada
coincide com f

(x), nos n + 1 pontos dados, isto e,


_
_
_
1
2n+1
(x
n,i
) = y
n,i
= f(x
n,i
),
i = 0, 1, . . . , n.
1

2n+1
(x
n,i
) = y

n,i
= f

(x
n,i
),
Como no caso anterior, a deni cao acima garante que existe um
unico polin omio de interpolacao de Hermite para a funcao f, como
demonstra o resultado a seguir.
Teorema 1.7. Nas condicoes acima, o polinomio de interpolacao de
Hermite 1
2n+1
(x) existe e e unico.
Demonstracao: Considerando
1
2n+1
(x) = a
2n+1,2n+1
x
2n+1
+ a
2n+1,2n
x
2n
+ . . . + a
2n+1,1
x + a
2n+1,0
e como
_
_
_
1
2n+1
(x
n,i
) = y
n,i
= f(x
n,i
),
i = 0, 1, . . . , n,
1

2n+1
(x
n,i
) = y

n,i
= f

(x
n,i
),
Interpola c ao Polinomial 33
obtemos um sistema de equa coes lineares com 2n+2 equa coes e 2n+2
incognitas, que pode ser escrito na forma matricial Ax = b por:
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
2n+1
n,0
x
2n
n,0
. . . x
n,0
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
x
2n+1
n,n
x
2n
n,n
. . . x
n,n
1
(2n + 1)x
2n
n,0
2n x
2n1
n,0
. . . 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(2n + 1)x
2n
n,n
2n x
2n1
n,n
. . . 1 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
a
2n+1,2n+1
a
2n+1,2n
.
.
.
.
.
.
.
.
.
a
2n+1,1
a
2n+1,0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
f(x
n,0
)
.
.
.
f(x
n,n
)
f

(x
n,0
)
.
.
.
f

(x
n,n
)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
Se considerarmos o sistema homogeneo Ax = 0, entao
1
2n+1
(x
n,0
) = 0, 1
2n+1
(x
n,1
) = 0, . . . , 1
2n+1
(x
n,n
) = 0
e, tambem,
1

2n+1
(x
n,0
) = 0, 1

2n+1
(x
n,1
) = 0, . . . , 1

2n+1
(x
n,n
) = 0.
Assim, temos que todos os x
n,k
, k = 0, 1, . . . , n, sao razes de mul-
tiplicidade 2 de 1
2n+1
(x), o que implica que 1
2n+1
(x) tem pelo me-
nos 2n + 2 razes, o que seria um absurdo (pois 1
2n+1
(x) tem grau
2n + 1), a menos que 1
2n+1
(x) seja identicamente nulo, ou seja,
a
2n+1,2n+1
= a
2n+1,2n
= . . . = a
2n+1,1
= a
2n+1,0
= 0. Logo, x = 0 e
a unica solucao de Ax = 0. Isto signica que detA ,= 0 e o sistema
Ax = b tem unica solucao. Portanto, 1
2n+1
existe e e unico.
Expressemos, agora, 1
2n+1
(x) da forma a seguir.
1
2n+1
(x) =
n

k=0
h
n,k
(x)y
n,k
+
n

k=0

h
n,k
(x)y

n,k
,
34 Pre-requisitos
onde h
n,k
(x) e

h
n,k
(x) sao polin omios de graus 2n + 1.
Para que 1
2n+1
(x
n,i
) = f(x
n,i
), consideremos
_
_
_
h
n,k
(x
n,k
) = 1, se k = i,
h
n,k
(x
n,i
) = 0, se k ,= i,

h
n,k
(x
n,i
) = 0, i, k,
(1.3.7)
e, para que 1

2n+1
(x
n,i
) = f

(x
n,i
), tomemos
_
_
_

n,k
(x
n,k
) = 1, se k = i,

n,k
(x
n,i
) = 0, se k ,= i,
h

n,k
(x
n,i
) = 0, i, k.
(1.3.8)
Usando as equa coes (1.3.7) e (1.3.8) e procedendo de forma analoga
`a que foi feita para a determina cao dos Polin omios de Interpolacao de
Lagrange, obtemos a seguinte expressao para os Polin omios de In-
terpolacao de Hermite em termos dos Polin omios Fundamentais de
Lagrange:
1
2n+1
(x) =
n

k=0
h
n,k
(x)y
n,k
+
n

k=0

h
n,k
(x)y

n,k
, (1.3.9)
onde
h
n,k
(x) = [l
n,k
(x)]
2
[1 2l

n,k
(x
n,k
)(x x
n,k
)],

h
n,k
(x) = [l
n,k
(x)]
2
(x x
n,k
).
Analisemos, agora, a precisao com que a interpolacao de Hermite
aproxima a funcao f. Note que tambem aqui precisamos saber a ex-
press ao analtica da funcao.
Teorema 1.8. Sejam x R, x
n,0
, x
n,1
, . . . , x
n,n
n+1 pontos distintos
e [a, b] R tal que a=minx, x
n,0
, . . . , x
n,n
e b=maxx, x
n,0
, . . . , x
n,n
.
Se f : [a, b] R e contnua com derivadas contnuas ate a ordem
2n + 2 (f C
2n+2
[a, b]) e se 1
2n+1
(x) e o polinomio de interpolacao
Interpola c ao Polinomial 35
de Hermite de f(x) sobre os n+1 pontos distintos x
n,i
, i = 0, 1, . . . , n,
entao, para x (a, b),
R
2n+1
(x) = f(x) 1
2n+1
(x) =

2
(x)
(2n + 2)!
f
(2n+2)
(
x
), a <
x
< b
(1.3.10)
onde (x) = (x x
n,0
)(x x
n,1
) . . . (x x
n,n
).
Demonstracao: i) Para x = x
n,i
, i = 0, 1, . . . , n temos,
R
2n+1
(x
n,i
) = f(x
n,i
) 1
2n+1
(x
n,i
).
Como 1
2n+1
(x
n,i
) = y
n,i
= f(x
n,i
), entao R
2n+1
(x
n,i
) = 0.
Por outro lado, (x
n,i
) = 0, i = 0, 1 . . . , n. Assim, a equa cao
(1.3.10) e verdadeira quando x e um dos pontos x
n,i
.
ii) Seja x ,= x
n,i
, i = 0, 1, . . . , n. Tomemos
F(y) = f(y) 1
2n+1
(y)
_
f(x) 1
2n+1
(x)

2
(x)
_

2
(y)
= f(y) 1
2n+1
(y) K
x

2
(y), (1.3.11)
onde K
x
=
_
f(x) 1
2n+1
(x)

2
(x)
_
. Observe que F(y) C
2n+2
[a, b].
Substituindo y por x em (1.3.11), obtemos
F(x) = f(x) 1
2n+1
(x) K
x

2
(x)
= f(x) 1
2n+1
(x)
_
f(x) 1
2n+1
(x)

2
(x)
_

2
(x) = 0.
Logo, x e uma raiz de F(y).
Se y = x
n,i
, entao F(x
n,i
) = f(x
n,i
) 1
2n+1
(x
n,i
) K
x

2
(x
n,i
) = 0,
i = 0, 1, . . . , n. Logo, x
n,0
, x
n,1
, . . . , x
n,n
sao tambem razes distintas de
F(y). F(y) tem, entao, pelo menos n + 2 razes distintas em [a, b] :
x, x
n,0
, x
n,1
, . . . , x
n,n
, ou seja, em pelo menos n+2 pontos F(y) assume
o mesmo valor.
Pelo Teorema de Rolle, F

(y) tem pelos menos n+1 razes distintas


em (a, b) : y
0
, y
1
, . . . , y
n
, entre os pontos x, x
n,0
, x
n,1
, . . . , x
n,n
.
36 Pre-requisitos
Alem disso, derivando (1.3.11), obtemos
F

(y) = f

(y) 1

2n+1
(y) K
x
2(y)

(y).
Mas, F

(x
n,i
) = f

(x
n,i
) 1

2n+1
(x
n,i
) K
x
2(x
n,i
)

(x
n,i
) = 0. Logo,
x
n,i
, i = 0, 1, . . . , n, sao razes distintas de F

(y), que tem, portanto,


pelo menos 2n + 2 razes distintas em (a, b).
Aplicando novamente o Teorema de Rolle para a 2
a
, a 3
a
, . . . , a
(2n + 2)-esima derivadas, conclumos que F
(2n+2)
(y) tem pelo menos
1 raiz em (a, b). Mas,
F
(2n+2)
(y) = f
(2n+2)
(y) 1
(2n+2)
2n+1
(y)
_
f(x) 1
2n+1
(x)

2
(x)
_
(2n + 2)!.
Seja
x
um zero de F
(2n+2)
(y) em (a, b), isto e, F
(2n+2)
(
x
) = 0.
Assim,
0 = f
(2n+2)
(
x
)
_
f(x) 1
2n+1
(x)

2
(x)
_
(2n + 2)! .
Logo,
f(x) 1
2n+1
(x) =

2
(x)
(2n + 2)!
f
(2n+2)
(
x
),
como queramos demonstrar.
1.4 Formulas de Quadratura Interpolat orias
Uma das importantes aplicacoes de Polin omio Interpolador e na cons-
trucao de Formulas de Quadratura, como veremos a seguir. Para os
que desejarem fazer um estudo mais aprofundado sobre este assunto,
recomendamos os textos [2, 9, 10, 20, 24, 29].
Seja
I(f) =
_
b
a
f(x)dx,
onde (a, b) R.
Formulas de Quadratura Interpolatorias 37
Formulas do tipo
I(f) =
_
b
a
f(x)dx =
n

k=0
W
n,k
f(x
n,k
) + E
n
(f), (1.4.1)
utilizadas para aproximar o valor numerico da integral I, sao chamadas
formulas de quadratura. Para k = 0, 1, . . . , n, os valores W
n,k
sao
chamados pesos e x
n,k
sao os nos da formula de quadratura.
Para constru-las, vamos dividir o intervalo (a, b) em n subintervalos
a x
n,0
< x
n,1
< . . . < x
n,n1
< x
n,n
b e entao, construir o
polin omio de interpolacao de f(x) sobre x
n,i
, i = 0, 1, . . . , n. Logo,
I(f) =
_
b
a
f(x)dx =
_
b
a
P
n
(x)dx +
_
b
a
R
n
(x)dx.
Usando a formula de Lagrange para construir o polin omio interpo-
lador, obtemos
I(f) =
_
b
a
n

k=0
_
(x)
(x x
n,k
)

(x
n,k
)
f(x
n,k
)
_
dx +
_
b
a
R
n
(x)dx
=
n

k=0
_
1

(x
n,k
)
_
b
a
(x)
(x x
n,k
)
dx
_
f(x
n,k
) +
_
b
a
R
n
(x)dx.
Portanto,
I(f) = I
n
(f) + E
n
(f) =
n

k=0
W
n,k
f(x
n,k
) + E
n
(f), (1.4.2)
onde
W
n,k
=
1

(x
n,k
)
_
b
a
(x)
(x x
n,k
)
dx, k = 0, 1, . . . , n (1.4.3)
e
E
n
(f) =
_
b
a
R
n
(x)dx =
1
(n + 1)!
_
b
a
(x)f
(n+1)
(
x
)dx. (1.4.4)
38 Pre-requisitos
Denicao 1.15. Formulas de quadratura do tipo (1.4.2) cujos pesos
sao dados por (1.4.3) sao chamadas Fomulas de Quadratura Interpo-
latorias.
Denicao 1.16. Dizemos que uma regra de quadratura tem grau de
precisao n, se E
n
(f) = 0 para todo polinomio f(x) P
n
e existe um
polinomio de grau n + 1,

f(x), para o qual E
n
(

f) ,= 0.
Teorema 1.9. A formula de quadratura (1.4.2) e interpolatoria se, e
somente se, E
n
(f) = 0 para todo f(x) P
n
(ou seja, e exata para
todo polinomio de grau menor ou igual a n).
Demonstracao:
(=) Seja f(x) P
n
. Logo, f
(n+1)
(x) 0 e, por (1.4.4), E
n
(f) = 0.
(=) Seja E
n
(f) = 0 para f(x) P
n
na formula de quadratura (1.4.2).
Usando a formula de Lagrange para representar f, encontramos que
_
b
a
f(x)dx =
_
b
a
n

k=0
_
(x)
(x x
n,k
)

(x
n,k
)
f(x
n,k
)
_
dx
=
n

k=0
_
1

(x
n,k
)
_
b
a
(x)
x x
n,k
dx
_
f(x
n,k
).
Comparando a equa cao acima com (1.4.2), vemos que os pesos W
n,k
sao dados por (1.4.3). Logo, (1.4.2) e interpolatoria.
O teorema a seguir nos da a precisao com que a formula de qua-
dratura aproxima a integral exata de uma funcao, ou seja, nos da uma
expressao para o erro E
n
(f).
Teorema 1.10 (Teorema Geral do Erro). Seja f(x) C
n+2
[a, b].
Entao, para , [x
n,0
, x
n,n
],
E
n
(f) =
_

_
f
(n+1)
()
(n + 1)!
_
b
a
(x)dx, n mpar,
f
(n+2)
()
(n + 2)!
_
b
a
x(x)dx, n par.
Formulas de Quadratura Interpolatorias 39
Demonstracao: (para demonstracao ver Krylov [20]).
A partir da aproximacao de uma funcao por seu polin omio de in-
terpolacao podemos obter particulares formulas de quadratura, como
veremos a seguir.
1.4.1 Formulas Fechadas de Newton-Cotes
Seja [a, b] R tal que < a < b < . Suponhamos que os
pontos a = x
n,0
< x
n,1
< . . . < x
n,n1
< x
n,n
= b sejam igualmente
espacados, isto e,
x
n,i+1
x
n,i
= h > 0, i = 0, 1, . . . , n 1.
Consideremos a seguinte mudan ca de variaveis x = x
n,0
+uh. Por-
tanto, dx = hdu e, na formula de quadratura
I(f) =
n

k=0
W
n,k
f(x
n,k
) + E
n
(f), (1.4.5)
os pesos sao dados por
W
n,k
= h
_
n
0
n

i=0, i=k
(u i)
n

i=0, i=k
(k i)
du, k = 0, 1, . . . , n. (1.4.6)
Logo, o Teorema do Erro 1.9 pode ser formulado como a seguir, cuja
demonstracao tambem pode ser encontrada em Krylov [20].
Teorema 1.11. Seja f C
n+2
[a, b]. Ent ao,
E
n
(f) =
_

_
h
n+2
f
(n+1)
()
(n + 1)!
_
n
0
n

k=0
(u k)du, n mpar,
h
n+3
f
(n+2)
()
(n + 2)!
_
n
0
_
u
n
2
_
n

k=0
(u k), n par,
(1.4.7)
40 Pre-requisitos
em que , (a, b).
As conhecidas Regras do Trapezio, 1/3 de Simpson e 3/8 de Simp-
son sao casos particulares das Formulas de Quadratura de Newton-
Cotes, obtidas fazendo-se, respectivamente, n = 1, n = 2 e n = 3 em
(1.4.5) e (1.4.6).
Como exemplo, daremos apenas a
Regra do Trapezio: tomando n = 1 em (1.4.5) e (1.4.6), obtemos
W
1,0
= W
1,1
=
h
2
.
Assim,
I(f) =
_
b
a
f(x)dx =
h
2
[f(a) + f(b)] + E
1
(f).
De (1.4.7), obtemos
E
1
(f) =
h
3
f

()
12
, a b.
Como nao conhecemos , nao podemos calcular exatamente E
1
(f).
Mas, conhecidos f(x) e [a, b], podemos calcular max
x[a,b]
[f

(x)[. Assim,
[E
1
(f)[
h
3
12
max
t[a,b]
[f

(t)[.
Regra do Trapezio Composta: a m de diminuirmos o erro na
Regra do Trapezio, vamos dividir o intervalo [a, b] em m subintervalos
iguais de comprimento h, a = x
m,0
< x
m,1
< . . . < x
m,m1
< x
m,m
=
b.
Como
I(f) =
_
b
a
f(x)dx =
m1

k=0
_
x
m,k+1
x
m,k
f(x)dx,
Integral de Riemann-Stieltjes 41
aproximando-se cada uma dessas integrais pela Regra do Trapezio,
obtemos
I(f) =
h
2
_
f(x
m,0
) + 2
m1

k=1
f(x
m,i
) + f(x
m,m
)
_
+ E
1
(f),
com
[E
1
(f)[
mh
3
12
max
t[a,b]
[f

(t)[.
Os casos n = 2 e n = 3 deixamos como exerccio para o leitor.
1.5 Integral de Riemann-Stieltjes
Nesta se cao abordaremos supercialmente o conceito de Integral de
Stieltjes pois nos referiremos a ela mais adiante neste livro. Para mais
detalhes, consulte [4].
1.5.1 Integral de Riemann
Seja [a, b] um intervalo nito e seja f uma funcao real, limitada, de-
nida em [a, b]. Uma sequencia de n umeros reais
k
, k = 0, 1, ..., m,
onde
a =
0
<
1
<
2
< <
m
= b
e chamada de parti cao de [a, b] e sera denotada por . A norma da
parti cao e denida por
[[[[ = max
1km
[
k

k1
[.
Para cada parti cao de [a, b] consideremos
M
k
= sup f() para
k1

k
,
m
k
= inf f() para
k1

k
,
U(, f) =
m

k=1
M
k
(
k

k1
) e u(, f) =
m

k=1
m
k
(
k

k1
).
42 Pre-requisitos
Se
lim
||||0
U(, f) = lim
||||0
u(, f) = I,
entao dizemos que f e integravel em [a, b] no sentido de Riemann e I
e o valor da integral de f no intervalo [a, b] e denota-se
_
b
a
f()d = I.
1.5.2 Integral de Riemann-Stieltjes
Consideremos, agora, [a, b] um intervalo nito, uma funcao real,
nao decrescente, denida em [a, b], f uma funcao denida em [a, b] e
uma parti cao de [a, b].
Denimos o conjunto ( da parti cao como o conjunto de pontos

k
que satisfazem

k1

k

k
, k = 1, 2, ..., m.
Dados uma parti cao de [a, b] e um conjunto ( de , denimos a
soma
S(, () =
m

k=1
f(

k
)[(
k
) (
k1
)].
Se existe um n umero S tal que para qualquer > 0, existe =
() > 0 tal que, para toda parti cao , com [[[[ < , e para toda
escolha de (,
[S(, () S[ < ,
entao S e chamado de integral de Riemann-Stieltjes (ou simplesmente
integral de Stieltjes) de f com respeito a no intervalo [a, b] e e,
geralmente, denotada por
_
b
a
f()d().
Em outras palavras, se
lim
||||0
S(, ()
Integral de Riemann-Stieltjes 43
existe, entao este limite e chamado de integral de Stieltjes de f com
respeito a em [a, b].
Alguns exemplos de integrais de Riemann-Stieltjes:
1) Se () = , ou, de forma mais geral, () = + , para alguma
constante , a integral de Riemann-Stieltjes e identica ` a integral de
Riemann no intervalo [a, b].
2) Seja contnua e derivavel em [a, b]. Entao, pelo Teorema do Valor
Medio,
(
k
) (
k1
) =

k
)(
k

k1
),
onde

k
e um ponto em (
k1
,
k
). Se f e contnua em [a, b], pela
deni cao de integral de Riemann temos
_
b
a
f()d() =
_
b
a
f()

()d.
Lembremos que o Teorema do Valor Medio pode ser enunciado como
a seguir (veja [4] para mais detalhes).
Teorema 1.12 (Teorema do Valor Medio). Seja f uma fun cao contnua
em um intervalo [a, b] e derivavel em (a, b). Ent ao, existe um ponto
(a, b) tal que
f(b) f(a) = f

()(b a).
3) Um caso bem interessante de integral de Stieltjes e encontrado se
e uma funcao escada com saltos nos pontos
1
,
2
, ...
n
, dada por
() =
_

_
0, a
1
,

1
,
1
<
2
,

1
+
2
,
2
<
3
,
... ...

1
+
2
+ +
n
,
n
< b,
onde
1
,
2
, ...
n
sao n umeros positivos arbitrarios. Somente os inter-
valos [
k1
,
k
) que contem um ponto de salto podem contribuir na
44 Pre-requisitos
soma S(, (). Para [[[[ < min(
k

k1
), a soma ca reduzida a
n

k=1
f(

k
)
k
,
onde [

k
[ [[[[. Se f for contnua, temos f(

k
) f(
k
) quando
[[[[ 0 e, assim,
_
b
a
f()d() =
n

k=1
f(
k
)
k
.
As propriedades da integral de Stieltjes sao bastante analogas ` as
propriedades da integral de Riemann, pode-se provar que (veja [18,
27]):
1)
_
b
a
d() = (b) (a).
2)
_
c
a
f()d() +
_
b
c
f()d() =
_
b
a
f()d(), onde a < c < b.
3) Para qualquer n umero complexo c,
_
b
a
cf()d() = c
_
b
a
f()d().
4)
_
b
a
(f
1
() + f
2
())d() =
_
b
a
f
1
()d() +
_
b
a
f
2
()d().
5) Se f
1
() e f
2
() sao funcoes reais em [a, b], e f
1
() f
2
() para
a b, entao, se e nao decrescente, temos
_
b
a
f
1
()d()
_
b
a
f
2
()d().
Integral de Riemann-Stieltjes 45
e, ainda,

_
b
a
f()d()

_
b
a
[f()[d().
1.5.3 Distribuicoes
Denicao 1.17. Seja uma fun cao real, nao-decrescente, denida
em [a, b]. Um ponto [a, b] e chamado de ponto de aumento de
se ( +) ( ) > 0, para todo > 0. e um ponto de aumento
isolado de se ele for um ponto de aumento e se existir > 0 tal que
e constante nos intervalos ( , ) e (, + ).
Denicao 1.18. Seja uma fun cao denida , nao-decrescente, limi-
tada e com innitos pontos de aumento em um itervalo [a, b],
a < b , tal que as integrais de Stieltjes

k
=
_
b
a

k
d(), para k = 0, 1, 2, ...
existem. Entao, dizemos que e uma distribuicao (ou medida posi-
tiva) em [a, b].
Se

k
=
_
b
a

k
d(), para k = ..., 2, 1, 0, 1, 2, ...
existem, entao dizemos que e uma distribui cao forte em [a, b].
Os valores
k
sao chamados de momentos da distribui cao . Se
d() e interpretada como uma distribui cao de massa sobre a reta
real positiva, entao os momentos
1
e
2
correspondem, respectiva-
mente, aos primeiro e segundo momentos da distribui cao de massa.
Essa nomenclatura tem sua origem na Mecanica.
O n umero innito de pontos de aumento na Denicao 1.18 garante
que
_
b
a
(f())
2
d() > 0,
46 Pre-requisitos
para qualquer funcao contnua e nao identicamente nula em [a, b].
Quando [a, b] (0, ) entao e chamada de distribui cao de Sti-
eltjes . Veja [6, 30] para mais detalhes.
1.6 Exerccios
Sessao 1.1
Exerccio 1.1. Verique que o produto escalar denido no Exemplo
1.1 satisfaz `as propriedades da Denicao 1.2.
Exerccio 1.2. Considere x, y e w C
n
, A uma matriz complexa
n n e o corpo C. Mostre que x, y = x
h
y satisfaz `as condicoes da
Denicao 1.2, ou seja, e de fato um produto interno.
Exerccio 1.3. Mostre que as propriedades da Denicao 1.2 sao validas
para o produto interno (1.1.1).
Sessao 1.2
Exerccio 1.4. Mostre que
x! =
(x + n)!
(x + 1)
n
.
Exerccio 1.5. Demonstre a Propriedade 1.1 de outra maneira utili-
zando a equa cao (1.2.2) para (x + 1).
Exerccio 1.6. Demonstre as Propriedades 1.4, 1.5 e 1.6 sobre a
fun cao (x).
Exerccio 1.7. Demonstre que
n

k=0
_
+ n
n k
__
+ n
k
_
=
_
+ + 2n
n
_
.
Exerccio 1.8. Mostre que
_
1
0
t
x1
(1 t)
n
dt =
n!
x(x + 1) (x + n)
.
Exerccios 47
Sessao 1.3
Exerccio 1.9. Encontre o polinomio de interpolacao P(x) que coin-
cide com f(x) = x
7
4x
6
+8x
4
+x
3
2x+1 nos pontos 2.0, 1.0, 0.0,
1.0, 1.5, 2.0, 2.5 e 3.0.
Exerccio 1.10. Supondo a existencia de dois polinomios de inter-
polacao para f(x), P
n
(x) e Q
n
(x), demonstre que P
n
(x) Q
n
(x).
Exerccio 1.11. Seja f(x) tabelada em n+1 pontos igualmente espa-
cados de h > 0, x
0
< x
1
< < x
n
, e tal que [f

(x)[ M para x
0

x x
n
. Mostre que o modulo do erro, quando usamos interpolacao
linear entre dois pontos consecutivos quaisquer, e menor ou igual a
1
8
Mh
2
.
Exerccio 1.12. Mostre que
l
n,k
(x) =
(x)
(x x
n,k
)

(x
n,k
)
,
onde (x) = (x x
n,0
)(x x
n,1
) . . . (x x
n,n
) .
Exerccio 1.13. Seja f(x) contnua e com derivadas contnuas ate
a ordem tres em [h, h], h > 0. Sejam x
0
= h, x
1
= 0, x
2
= h,
M
3
= max
x
0
xx
2
[f

(x)[ e P
2
(x) o polinomio de interpolacao de f(x)
sobre x
0
, x
1
, x
2
.
Obtenha uma estimativa para [f(x) P
2
(x)[.
Obtenha uma aproximacao para o zero de f(x) = senh(x)2 que
cai no intervalo [1.4, 1.6] usando interpolacao quadratica. Use 10
algarismos signicativos.
Exerccio 1.14. Seja f(x) = e
ax
, onde a e uma constante. Mostre
que

n
f(x) = (e
ah
1)
n
e
ah
, n = 1, 2, 3, . . . ,
onde
n
f(x) =
n1
f(x + h)
n1
f(x), n 1 e
0
f(x) = f(x).
48 Pre-requisitos
Exerccio 1.15. Seja V (x
1
, x
2
, . . . , x
n
) o determinante de Vander-
monde. Mostre que
V (1, 2, 3, . . . , n) = 1! 2! 3! . . . (n 1)! .
Exerccio 1.16. Considere a fun cao x(1 x) e n um n umero inteiro
positivo. Mostre que:

r(n r)
n
2
=
r
n
_
1
r
n
_
e 0
r(n r)
n
2

1
4
, 0 r n.
max
0x1

_
x
r
n
_
_
x
n r
n
_

1
4
.
max
0x1

x
_
x
1
n
_

_
x
n 1
n
_
(x 1)

1
2
n+1
.
Se P
n
(x) e o polinomio de interpolacao de f(x) = e
x
sobre os
n + 1 pontos igualmente espacados 0,
1
n
,
2
n
, ,
n 1
n
, 1,
entao
max
0x1
[e
x
P
n
(x)[
e
2
n+1
(n + 1)!
.
Exerccio 1.17. Sejam x
n,0
, x
n,1
< . . . , x
n,n
pontos distintos e l
n,k
(x),
k = 0, 1, . . . , n, os polinomios fundamentais de Lagrange
l
n,k
(x) =
(x)
(x x
n,k
)

(x
n,k
)
.
onde (x) = (x x
n,0
)(x x
n,1
) (x x
n,n
). Mostre que:

k=0
l
n,k
(x) = 1;
l

n,k
(x
n,k
) =
1
2

(x
n,k
)

(x
n,k
)
;

j=1
x
k
j
l
n,j
(x) = x
k
, k = 0, 1, . . . , n 1;
Exerccios 49
para n = 3 e considerando x
1
, x
2
e x
3
igualmente espacados de
h > 0, calcule
max
x
1
xx
3
[l
n,j
(x)[ , para j = 1, 2, 3.
Exerccio 1.18. Encontre o polinomio de interpolacao de Hermite,
H(x), que coincide com f(x) = x
7
4x
6
+8x
4
+x
3
2x+1 nos pontos
2.0 e 1.0.
Sessao 1.4
Exerccio 1.19. Use a Regra do Trapezio e aproxime a area da gura
formada pelas curvas g
1
(x) e g
2
(x) dadas abaixo e as retas x = 0 e
x = 2, com erro menor que 10
2
.
_
_
_
g
1
(x) = x(x
2
1)
g
2
(x) = 1 x
2
Exerccio 1.20. Faca n = 2 e n = 3 em (1.4.6) e determine as Regras
1/3 e 3/8 de Simpson. Encontre, tambem, uma limita cao para o erro
cometido em ambos os casos.
Exerccio 1.21. Determine as Regras 1/3 e 3/8 de Simpson compos-
tas e uma limita cao para o erro cometido em ambos os casos.
Exerccio 1.22. Prove que, na Formula de Quadratura (1.4.1),
n

k=0
W
n,k
= b a.
Exerccio 1.23. Uma das maneiras de se obter uma aproximacao para
o logaritmo natural de um inteiro positivo N e calculando a integral
_
N
1
dx
x
usando quadratura numerica. Use o Regra
1
3
de Simpson para
calcular ln2 com erro menor que 10
2
.
50 Pre-requisitos
Exerccio 1.24. A integral dupla pode ser obtida da seguinte maneira:
mantendo-se x constante, integra-se aproximadamente em relacao a y
por alguma regra de quadratura . Em seguida, a integral em relacao a
x e tambem aproximada por uma regra de quadratura. Sabendo-se que
f(x, y) e tabelada nos pontos
(a, b) , (A, b) ,
_
a,
b + B
2
_
,
_
A,
b + B
2
_
, (a, B) ,
aproxime
I =
_
A
a
_
B
b
f(x, y)dydx,
usando a regra
1
3
de Simpson com relacao a y e a regra do trapezio
com relacao a x.
Captulo 2
Polinomios Ortogonais
Entre os polin omios associados a rela cao de recorrencia de tres termos
estao os polin omios ortogonais. A teoria de polin omios ortogonais tem
vasta aplicacao em todos os tipos de problemas da Matem atica Pura e
Ciencias Aplicadas. Esses polin omios sao ferramentas essenciais para
a solucao de muitos problemas e vem contribuindo nos estudos relacio-
nados a equa coes diferencias, fra coes contnuas, estabilidade numerica,
algoritmos rapidos e super-r apidos, com aplicacoes que abrangem da
Teoria dos N umeros `a Teoria da Aproximacao, da Combinat oria ` a Re-
presenta cao de Grupos, da Mecanica Quantica `a Fsica Estatstica e
da Teoria de Sistemas ao Processamento de Sinais.
As aplicacoes dos polin omios ortogonais associados ` as chamadas
medidas classicas, como as de Jacobi, Hermite e Laguerre, tem, par-
ticularmente, papel fundamental em muitos problemas das ciencias e
das engenharias.
Como referencia sobre este assunto, sugerimos os textos [1, 6, 13,
28, 30].
2.1 Sequencia de Polin omios Ortogonais
Seja d uma distribui cao como na Denicao 1.18. Se d(x) = w(x)dx,
entao w(x) 0 em (a, b), mas nao identicamente nula, e e chamada
funcao peso.
52 Polinomios ortogonais
Consideraremos, daqui por diante, apenas o caso em que d(x) =
w(x)dx e o produto escalar denido em C[a, b] por:
f, g =
_
b
a
f(x)g(x)w(x)dx. (2.1.1)
Denicao 2.1 (Sequencia de Polin omios Ortogonais). Dizemos que
a sequencia de polinomios P
n
(x)

n=0
e uma sequencia de polinomios
ortogonais (SPO) com relacao `a fun cao peso w(x) no intervalo (a, b)
se
(i) P
n
(x) e de grau exatamente n, n 0.
(ii) P
n
, P
m
=
_
0, n ,= m,

n
,= 0, n = m.
(2.1.2)
Note que, neste caso,
n
> 0, pois P
2
n
(x)w(x) 0 em (a, b).
Podemos escrever o item (ii) acima como
P
n
, P
m
=
_
b
a
P
n
(x)P
m
(x)w(x)dx =
nm

n
,
onde
ij
denota o delta de Kronecker.
Denicao 2.2 (Sequencia de Polin omios Ortonormais). Dizemos que
uma SPO e uma sequencia de polinomios ortonormais (SPO

), deno-
tada por P

n
(x)

n=0
, se
n
= 1.
Nota cao: Denotaremos os polin omios ortogonais de grau n, P
n
(x)
por
P
n
(x) =
n

i=0
a
n,i
x
i
, a
n,n
,= 0.
Uma das maneiras de se construir uma sequencia de polin omios
ortogonais P
0
(x), P
1
(x), . . . , P
j
(x), . . . , com rela cao ao produto interno
(2.1.1) e atraves do Processo de Ortogonalizacao de Gram-Schmidt.
Para isso, podemos tomar a base b
k
(x) = x
k
, k = 0, 1, 2, . . . , e
calcular P
k
(x), k = 0, 1, 2, . . . , da seguinte forma:
P
0
(x) = b
0
(x) = 1
Propriedades Gerais dos Polinomios Ortogonais 53
e, para k = 1, 2, 3, . . . ,
P
k
(x) = x
k
+
k,0
P
0
(x) +
k,1
P
1
(x) + +
k,k1
P
k1
(x),
onde

k,i
=

x
k
, P
i
_
P
i
, P
i

, i = 0, 1, . . . , k 1.
Podemos tomar outras bases b
k
(x) desde que cada polin omio
b
k
(x), k = 0, 1, 2, . . . , seja de grau exatamente k.
2.2 Propriedades Gerais dos Polin omios Ortogo-
nais
Estudaremos, agora, algumas interessantes propriedades dos polin omios
ortogonais.
Teorema 2.1. Se P
0
(x), P
1
(x), . . . , P
m
(x) pertencem a uma sequencia
de polinomios ortogonais, entao eles sao linearmente independentes.
Demonstracao: Sejam c
j
, j = 0, 1, . . . , m, constantes reais tais que
m

j=0
c
j
P
j
(x) = 0.
Logo, para cada polin omio P
k
(x), 0 k m, obtemos
_
m

j=0
c
j
P
j
(x), P
k
_
= 0, P
k
= 0,
ou seja,
m

j=0
c
j
P
j
, P
k
= 0. (2.2.1)
Por deni cao, P
j
, P
k
= 0 para j ,= k e P
k
, P
k
> 0. Logo, por
(2.2.1),
0 =
m

j=0
c
j
P
j
, P
k
= c
k
P
k
, P
k
.
54 Polinomios Ortogonais
Portanto, c
k
= 0, k = 0, . . . , m.
O teorema anterior nos diz que os polin omios ortogonais P
k
(x), k =
0, 1, 2, . . . , m, formam uma base para o espaco vetorial dos polin omios
de grau menor ou igual a m, P
m
.
No pr oximo resultado veremos outras formas de se denir uma
SPO.
Teorema 2.2. Sejam P
n
(x)

n=0
uma sequencia de polinomios e w(x)
uma fun cao peso no intervalo (a, b). Ent ao, as seguintes arma coes
sao equivalentes:
(a) P
n
(x)

n=0
e uma sequencia de polinomios ortogonais com relacao
`a fun cao peso w(x) em (a, b), ou seja, P
m
, P
n
=
mn

n
, onde

n
,= 0.
(b) P
n
, = 0, (x) P
n1
, n 1.
(c) x
m
, P
n
=
_
b
a
x
m
P
n
(x)w(x)dx =
_
0, se 0 m n 1,

n
,= 0, se m = n.
Demonstracao: (a) = (b) Seja (x) um polin omio de grau n 1.
Por deni cao, temos
P
n
, P
m
=
_
b
a
P
n
(x)P
m
(x)w(x)dx =
_
0, se n ,= m,

n
,= 0, se n = m.
Como P
n
(x)

n=0
e uma sequencia de polin omios ortogonais, pelo Te-
orema 2.1, P
0
, P
1
, . . . , P
n1
formam uma base para P
n1
.
i) Assim, para (x) P
n1
podemos escrever (x) =
n1

k=0

k
P
k
(x).
Como, pelo item (a), P
n
, P
k
= 0 para k ,= n, entao
P
n
, =
_
P
n
,
n1

k=0

k
P
k
(x)
_
=
n1

k=0

k
P
n
, P
k
= 0.
ii) Suponhamos, agora, (x) polin omio de grau exatamente n. Entao,
podemos escrever (x) =
n

k=0

k
P
k
(x), onde
n
,= 0. Pelo item (a),
Propriedades Gerais dos Polinomios Ortogonais 55
P
n
, P
k
= 0, k ,= n. Assim,
P
n
, =
_
P
n
,
n

k=0

k
P
k
(x)
_
=
n

k=0

k
P
n
, P
k

=
n
P
n
, P
n
=
n

n
,= 0.
(b) = (c) i) Por hipotese P
n
, = 0, (x) de grau n 1.
Assim, P
n
, x
m
= 0 se m < n.
ii) Consideremos, agora, m = n. Entao, (x) = x
n
P
n
. Logo,
x
n
=
n

j=0

j
P
j
(x),
n
,= 0
e, como P
n
, P
j
= 0, j < n,
P
n
, x
n
=
n

j=0

j
P
n
, P
j

(b)
=
n
P
n
, P
n
, = 0.
(c) = (a) i) Consideremos m < n (m > n, analogo) e P
m
(x) =
m

k=0
a
m,k
x
k
, a
m,m
,= 0. Entao, como m < n,
P
m
, P
n
=
m

k=0
a
m,k

x
k
, P
n
_
(c)
= 0.
ii) Se m = n, entao
P
n
, P
n
=
n

k=0
a
n,k

x
k
, P
n
_
(c)
= a
n,n
x
n
, P
n
= a
n,n

n
,= 0.
Corolario 2.1. Sejam Q
n
(x)

n=0
e P
n
(x)

n=0
duas sequencias de
polinomios ortogonais no intervalo (a, b) com relacao `a fun cao peso
w(x). Entao,
Q
j
(x) = c
j
P
j
(x), j = 0, 1, . . . ,
onde c
j
e uma constante que depende apenas de j.
56 Polinomios Ortogonais
Demonstracao: Seja Q
j
(x) Q
n
(x)

n=0
. Como P
0
(x), P
1
(x), . . . ,
P
j
(x) formam uma base para o espaco vetorial dos polin omios de grau
j, podemos escrever Q
j
(x) como uma combinacao linear desses
polin omios. Assim,
Q
j
(x) =
j

i=0
c
i
P
i
(x), (c
j
,= 0).
Mas, Q
j
, = 0, para todo polin omio (x) de grau j 1. Logo,
Q
j
, P
0
= Q
j
, P
1
= = Q
j
, P
j1
= 0.
Portanto, para k = 0, . . . , j 1,
0 = Q
j
, P
k
=
j

i=0
c
i
P
i
, P
k
= c
k
P
k
, P
k
,
pois P
i
, P
k
= 0 para i ,= k.
Como P
k
, P
k
> 0, entao c
k
= 0, k = 0, . . . , j 1. Portanto,
Q
j
(x) = c
j
P
j
(x).
Alem disso, podemos obter o valor de c
j
fazendo
Q
j
, P
j
=
j

i=0
c
i
P
i
, P
j
= c
j
P
j
, P
j
= c
j
=
Q
j
, P
j

P
j
, P
j

.
Vimos, entao, que, a menos de um fator, a sequencia de polin omios
ortogonais com rela cao a um determinado produto interno, se existir, e
unica. Para mostrarmos que tal sequencia sempre existe, precisaremos
do conceito de determinante de Hankel.
Denicao 2.3 (Determinantes de Hankel). O determinante denido
por
H
n
=

0

1
. . .
n

1

2
. . .
n+1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

n

n+1
. . .
2n

, n 0, (2.2.2)
Propriedades Gerais dos Polinomios Ortogonais 57
e chamado determinante de Hankel de ordem n + 1, onde

r
=
_
b
a
x
r
w(x)dx, r = 0, 1, 2, . . . , 2n,
sao os momentos denidos na Denicao 1.18.
Teorema 2.3. Se os momentos
r
, r = 0, 1, . . . , 2n, existem, o deter-
minante de Hankel (2.2.2) e diferente de zero.
Demonstracao: Tomemos o sistema linear homogeneo
_

0
a
n,0
+
1
a
n,1
+ . . . +
n
a
n,n
= 0

1
a
n,0
+
2
a
n,1
+ . . . +
n+1
a
n,n
= 0
.
.
.
.
.
.
.
.
.
.
.
.

n
a
n,0
+
n+1
a
n,1
+ . . . +
2n
a
n,n
= 0
que na forma matricial 1
n
a = 0 e escrito como
_
_
_
_

0

1
. . .
n

1

2
. . .
n+1
.
.
.
.
.
.
.
.
.
.
.
.

n

n+1
. . .
2n
_
_
_
_
_
_
_
_
a
n,0
a
n,1
.
.
.
a
n,n
_
_
_
_
=
_
_
_
_
0
0
.
.
.
0
_
_
_
_
.
Observe que o determinante da matriz dos coecientes e H
n
. Mos-
tremos que a unica solucao do sistema linear acima e a
n,0
= a
n,1
=
. . . = a
n,n
= 0. Dessa forma temos H
n
,= 0.
Substituindo os momentos no sistema linear pela sua deni cao, ob-
temos
_

_
a
n,0
_
b
a
x
0
w(x)dx + + a
n,n
_
b
a
x
n
w(x)dx = 0
a
n,0
_
b
a
xw(x)dx + + a
n,n
_
b
a
x
n+1
w(x)dx = 0
.
.
.
.
.
.
.
.
.
a
n,0
_
b
a
x
n
w(x)dx + + a
n,n
_
b
a
x
2n
w(x)dx = 0
58 Polinomios Ortogonais
Multiplicando, respectivamente, por a
n,0
, a
n,1
, . . . , a
n,n
as equa coes
do sistema e somando-as, temos
a
2
n,0
_
b
a
w(x)dx + a
2
n,1
_
b
a
x
2
w(x)dx + + a
2
n,n
_
b
a
x
2n
w(x)dx
+2a
n,0
a
n,1
_
b
a
xw(x)dx + + 2a
n,0
a
n,n
_
b
a
x
n
w(x)dx
+2a
n,1
a
n,n
_
b
a
x
n+1
w(x)dx + = 0,
ou seja,
_
b
a
(a
n,0
+ a
n,1
x + . . . + a
n,n
x
n
)
2
w(x)dx = 0.
Se Q(x) =
n

i=0
a
n,i
x
i
, entao temos
_
b
a
[Q(x)]
2
w(x)dx = Q(x), Q(x) = 0 Q(x) 0, x R,
isto e, a
n,0
= a
n,1
= . . . = a
n,n
= 0.
Estamos, agora, em condi coes de demonstrar a existencia de uma
SPO.
Teorema 2.4. Os determinantes de Hankel H
n
sao diferentes de zero
para n = 0, 1, 2, . . . se, e somente se, existe uma unica sequencia de
polinomios ortogonais no intervalo (a, b) relativamente `a fun cao peso
w(x).
Demonstracao: Seja P
n
(x) =
n

k=0
a
n,k
x
k
, a
n,n
,= 0. Se P
n
(x) pertence
a alguma sequencia de polin omios ortogonais, pelo Teorema 2.2,
x
m
, P
n
=
_
0, se m < n,

n
,= 0, se m = n.
Propriedades Gerais dos Polinomios Ortogonais 59
Observe que
x
m
, P
n
=
_
b
a
x
m
(a
n,n
x
n
+ a
n,n1
x
n1
+ . . . + a
n,1
x + a
n,0
)w(x)dx
= a
n,n
_
b
a
x
m+n
w(x)dx + a
n,n1
_
b
a
x
m+n1
w(x)dx + . . .
+a
n,1
_
b
a
x
m+1
w(x)dx + a
n,0
_
b
a
x
m
w(x)dx
= a
n,n

m+n
+ a
n,n1

m+n1
+ . . . + a
n,1

m+1
+ a
n,0

m
.
Logo, fazendo m = 0, 1, . . . , n, obtemos, respectivamente,
_

_
a
n,n

n
+ . . . + a
n,1

1
+ a
n,0

0
= 0
a
n,n

n+1
+ . . . + a
n,1

2
+ a
n,0

1
= 0
.
.
.
.
.
.
.
.
.
.
.
.
a
n,n

2n
+ . . . + a
n,1

n+1
+ a
n,0

n
=
n
,= 0
.
Na forma matricial,
_
_
_
_

0

1
. . .
n

1

2
. . .
n+1
.
.
.
.
.
.
.
.
.
.
.
.

n

n+1
. . .
2n
_
_
_
_
_
_
_
_
a
n,0
a
n,1
.
.
.
a
n,n
_
_
_
_
=
_
_
_
_
0
0
.
.
.

n
,= 0
_
_
_
_
.
() Supondo que os determinantes de Hankel sao diferentes de zero, a
solucao do sistema acima e unica e, assim, existe uma unica sequencia
de polin omios ortogonais onde x
n
, P
n
=
n
. Alem disso, a
n,n
,= 0,
pois pela Regra de Crammer, a
n,n
=

n
H
n1
H
n
.
() Reciprocamente, supondo que existe uma unica sequencia de
polin omios ortogonais, entao existem unicos a
n,0
, a
n,1
, . . . , a
n,n
, com
a
n,n
,= 0, que satisfazem o sistema linear acima. Portanto, os deter-
minantes de Hankel de ordem n + 1, n 0, sao diferentes de zero.
Uma das mais importantes propriedades dos polin omios ortogonais
e que eles satisfazem uma rela cao de recorrencia de tres termos e isso
60 Polinomios Ortogonais
facilita sobremaneira sua geracao. Alem disso, muitas outras proprie-
dades satisfeitas por eles sao consequencias dessa rela cao.
Teorema 2.5 (Relacao de Recorrencia de Tres Termos). Conside-
remos P
n
(x)

n=0
uma sequencia de polinomios ortogonais em (a, b)
relativamente `a fun cao peso w(x). Ent ao,
P
n+1
(x) = (
n+1
x
n+1
)P
n
(x)
n+1
P
n1
(x), n 0, (2.2.3)
com P
0
(x) = 1, P
1
(x) = 0,
n+1
,
n
,
n
R, n 1, e

n+1
=
a
n+1,n+1
a
n,n
,= 0,
n+1
=
n+1
xP
n
, P
n

P
n
, P
n

n+1
=

n+1

n
P
n
, P
n

P
n1
, P
n1

,= 0.
(2.2.4)
Demonstracao: Continuaremos a usar a notacao P
n
(x) =
n

k=0
a
n,k
x
k
.
Como xP
n
(x) e um polin omio de grau n + 1, podemos escrever
xP
n
(x) =
n+1

i=0
b
i
P
i
(x).
Comparando os coecientes dos termos de maior grau em ambos os
membros da igualdade acima, obtemos
a
n,n
= b
n+1
a
n+1,n+1
= b
n+1
=
a
n,n
a
n+1,n+1
.
Porem, das rela coes de ortogonalidade,
xP
n
, P
j
=
_
b
a
P
n
(x)xP
j
(x)w(x)dx = 0 para j n 2.
Assim,
xP
n
, P
j
=
n+1

i=0
b
i
P
i
, P
j
= b
j
P
j
, P
j
= 0 para j n 2.
Propriedades Gerais dos Polinomios Ortogonais 61
Logo, b
j
= 0 se j n 2. Portanto,
xP
n
(x) = b
n+1
P
n+1
(x) + b
n
P
n
(x) + b
n1
P
n1
(x),
que pode ser escrito como
P
n+1
(x) =
1
b
n+1
xP
n
(x)
b
n1
b
n+1
P
n1
(x)
b
n
b
n+1
P
n
(x),
ou seja,
P
n+1
(x) = (
n+1
x
n+1
)P
n
(x)
n+1
P
n1
(x),
com

n+1
=
1
b
n+1
,
n+1
=
b
n
b
n+1
e
n+1
=
b
n1
b
n+1
.
Calculemos, agora, os valores de
n+1
,
n+1
e
n+1
. Como b
n+1
=
a
n,n
/a
n+1,n+1
, temos
n+1
= a
n+1,n+1
/a
n,n
. De
P
n+1
(x) = (
n+1
x
n+1
)P
n
(x)
n+1
P
n1
(x),
obtemos
0 = P
n+1
, P
n
=
n+1
xP
n
, P
n

n+1
P
n
, P
n

n+1
P
n1
, P
n
.
Da,

n+1
=
n+1
xP
n
, P
n

P
n
, P
n

.
Analogamente,
0 = P
n+1
, P
n1
=
n+1
xP
n
, P
n1

n+1
P
n
, P
n1

n+1
P
n1
, P
n1
.
Logo,

n+1
=
n+1
xP
n
, P
n1

P
n1
, P
n1

.
Mas, como P
n
(x) = (
n
x
n
)P
n1
(x)
n
P
n2
(x), obtemos
xP
n1
(x) =
1

n
P
n
(x) +

n

n
P
n1
(x) +

n

n
P
n2
(x).
62 Polinomios Ortogonais
Porem,
xP
n
, P
n1
=
_
b
a
P
n
(x)xP
n1
(x)w(x)dx = P
n
, xP
n1

e, entao,
P
n
, xP
n1
=
1

n
P
n
, P
n
+

n
P
n
, P
n1
+

n
P
n
, P
n2
=
1

n
P
n
, P
n
.
Portanto,

n+1
=

n+1

n
P
n
, P
n

P
n1
, P
n1

.
Muitas vezes utilizamos os polin omios ortogonais na sua forma
m onica, isto e, a famlia de polin omios ortogonais cujos coecientes
dos termos de maior grau sao iguais a um (a
n,n
= 1, n = 0, 1, . . .).
Seja
_
P
n
(x) =

n
k=0
a
n,k
x
k
_

n=0
a sequencia de polin omios ortogonais
com rela cao `a funcao peso w(x). A partir desses polin omios, podemos
construir a sequencia de polin omios ortogonais m onicos,
_

P
n
(x)
_

n=0
,
com rela cao a w(x), dividindo cada P
n
pelo correspondente coeciente
do termo de maior grau, ou seja,

P
n
(x) =
P
n
(x)
a
n,n
, n 1.
Para obtermos a rela cao de recorrencia de tres termos para esses
polin omios, dividimos a rela cao (2.2.3) por a
n+1,n+1
, obtendo
P
n+1
(x)
a
n+1,n+1
= (
n+1
x
n+1
)
P
n
(x)
a
n+1,n+1

n+1
P
n1
(x)
a
n+1,n+1
, n 0.
Assim, para n 0,

P
n+1
(x) = (
n+1
x
n+1
)
a
n,n
a
n+1,n+1

P
n
(x)
n+1
a
n1,n1
a
n+1,n+1

P
n1
(x).
Propriedades Gerais dos Polinomios Ortogonais 63
Como
a
n,n
a
n+1,n+1
=
1

n+1
, entao, para n 0,

P
n+1
(x) =
_
x

n+1

n+1
_

P
n
(x)

n+1

n+1

P
n1
(x)
=
_
x

n+1
_

P
n
(x)
n+1

P
n1
(x), (2.2.5)
em que

n+1
=

n+1

n+1
=

n+1

n+1
xP
n
, P
n

P
n
, P
n

=
_
xa
n,n

P
n
, a
n,n

P
n
_
_
a
n,n

P
n
, a
n,n

P
n
_ =
_
x

P
n
,

P
n
_
_

P
n
,

P
n
_
(2.2.6)

n+1
=

n+1

n+1
=

n+1

n
1

n+1
P
n
, P
n

P
n1
, P
n1

=
1

2
n
_
a
n,n

P
n
, a
n,n

P
n
_
_
a
n1,n1

P
n1
, a
n1,n1

P
n1
_
=
a
2
n1,n1
a
2
n,n
a
2
n,n
a
2
n1,n1
_

P
n
,

P
n
_
_

P
n1
,

P
n1
_ =
_

P
n
,

P
n
_
_

P
n1
,

P
n1
_.
A rela cao (2.2.5) pode tambem ser escrita como
x

P
n
(x) =
n+1

P
n1
(x) +

n+1

P
n
(x) +

P
n+1
(x). (2.2.7)
Fazendo n = 0, 1, 2, ..., m 1 na equa cao (2.2.7), obtemos, respec-
64 Polinomios Ortogonais
tivamente,
x

P
0
(x) =

1

P
0
(x) +

P
1
(x)
x

P
1
(x) =
2

P
0
(x) +

2

P
1
(x) +

P
2
(x)
x

P
2
(x) =
3

P
1
(x) +

3

P
2
(x) +

P
3
(x)
.
.
.
.
.
.
x

P
m1
(x) =
m

P
m2
(x) +

m

P
m1
(x) +

P
m
(x),
ou, na forma matricial,
x
_
_
_
_
_
_
_
_
_

P
0
(x)

P
1
(x)

P
2
(x)
.
.
.

P
m2
(x)

P
m1
(x)
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_

1
1 0 0 . . . 0 0

2

2
1 0 . . . 0 0
0
3

3
1 . . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 . . .

m1
1
0 0 0 0 . . .
m

m
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_

P
0
(x)

P
1
(x)

P
2
(x)
.
.
.

P
m2
(x)

P
m1
(x)
_
_
_
_
_
_
_
_
_
+
_
_
_
_
_
_
_
_
0
0
0
.
.
.
0

P
m
(x)
_
_
_
_
_
_
_
_
.
Sejam x
m,k
, 1 k m, as razes do polin omio

P
m
(x). Entao,
Propriedades Gerais dos Polinomios Ortogonais 65
x
m,k
_
_
_
_
_
_
_
_
_

P
0
(x
m,k
)

P
1
(x
m,k
)

P
2
(x
m,k
)
.
.
.

P
m2
(x
m,k
)

P
m1
(x
m,k
)
_
_
_
_
_
_
_
_
_
. .
v
m,k
=
_
_
_
_
_
_
_
_
_

1
1 0 0 . . . 0 0

2

2
1 0 . . . 0 0
0
3

3
1 . . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0 . . .

m1
1
0 0 0 0 . . .
m

m
_
_
_
_
_
_
_
_
_
. .
Gm
_
_
_
_
_
_
_
_
_

P
0
(x
m,k
)

P
1
(x
m,k
)

P
2
(x
m,k
)
.
.
.

P
m2
(x
m,k
)

P
m1
(x
m,k
)
_
_
_
_
_
_
_
_
_
. .
v
m,k
.
Logo,
x
m,k
v
m,k
= G
m
v
m,k
, k = 1, 2, ..., m.
Como P
0
(x) e um polin omio constante e diferente do polin omio
nulo, P
0
(x
m,k
) ,= 0, o vetor v
m,k
e nao-nulo. Entao, x
m,k
e auto-valor
da matriz G
m
e v
m,k
o correspondente auto-vetor.
Uma das consequencias da rela cao de recorrencia de tres termos e
a importante identidade que demonstraremos a seguir.
Teorema 2.6 (Identidade de Christoel-Darboux). Seja

P
n
(x)

n=0
uma sequencia de polinomios ortogonais na forma monica. Entao,
n

k=0

P
k
(x)

P
k
(u)

1

2
. . .
k+1
=

P
n+1
(x)

P
n
(u)

P
n
(x)

P
n+1
(u)
(
1

2
. . .
n+1
)(x u)
. (2.2.8)
Demonstracao: Pela rela cao (2.2.5) temos, para m 0, as seguintes
66 Polinomios Ortogonais
identidades:
x

P
m
(x)

P
m
(u) =

P
m+1
(x)

P
m
(u) +

m+1

P
m
(x)

P
m
(u)
+
m+1

P
m1
(x)

P
m
(u),
u

P
m
(u)

P
m
(x) =

P
m+1
(u)

P
m
(x) +

m+1

P
m
(u)

P
m
(x)
+
m+1

P
m1
(u)

P
m
(x).
Subtraindo a segunda equa cao da primeira, obtemos
(x u)

P
m
(x)

P
m
(u) =

P
m+1
(x)

P
m
(u)

P
m+1
(u)

P
m
(x)

m+1
[

P
m
(x)

P
m1
(u)

P
m
(u)

P
m1
(x)].
Agora, se denotarmos o lado direito de (2.2.8) por F
n
(x, u) e dividir-
mos a ultima equa cao por (
1

2
. . .
m+1
)(x u), obtemos

P
m
(x)

P
m
(x)

1

2
. . .
m+1
= F
m
(x, u) F
m1
(x, u), m 0.
Por m, somando-se a ultima expressao com m variando de 0 ate
n (e observando que F
1
(x, u) = 0), obtemos o resultado desejado.
Alem da sequencia de polin omios ortogonais m onicos, podemos uti-
lizar a sequencia de polin omios ortonormais P

n
(x)

n=0
. Ela e obtida
a partir dos polin omios ortogonais P
n
, dividindo-se cada P
n
por sua
norma. Logo,
P

n
(x) =
P
n
(x)
[[P
n
(x)[[
, n 1,
onde [[P
n
(x)[[ =
_
P
n
, P
n
.
Da rela cao de recorrencia (2.2.3) sabemos que
P

n+1
(x) = (

n+1
x

n+1
)P

n
(x)

n+1
P

n1
(x), n 0,
onde P

0
(x) = 1, P

1
(x) = 0 e

n+1
=
a

n+1,n+1
a

n,n
,

n+1
=

n+1
xP

n
, P

n
,

n+1
=

n+1

n
.
Propriedades Gerais dos Polinomios Ortogonais 67
Assim,
P

n+1
(x) = (

n+1
x

n+1
xP

n
, P

n
)P

n
(x)

n+1

n
P

n1
(x).
Logo,
P

n+1
(x)

n+1
= (x xP

n
, P

n
)P

n
(x)
1

n
P

n1
(x),
ou, equivalentemente,
xP

n
(x) =
1

n+1
P

n+1
(x) +xP

n
, P

n
P

n
(x) +
1

n
P

n1
(x).
Finalmente, obtemos
xP

n
(x) =

n
P

n1
(x) +

n+1
P

n
(x) +

n+1
P

n+1
(x), (2.2.9)
onde

n+1
=
1

n+1
e

n+1
= xP

n
, P

n
.
Como podemos tambem escrever

P
n
(x) =
P

n
(x)
a

n,n
, de (2.2.6) temos

n+1
=
_

P
n
,

P
n
_
_

P
n1
,

P
n1
_ =
(a

n1,n1
)
2
(a

n,n
)
2
= (

n
)
2
(2.2.10)
e

n+1
=
_
x

P
n
,

P
n
_
_

P
n
,

P
n
_ = xP

n
, P

n
=

n+1
. (2.2.11)
A partir de (2.2.9), (2.2.10) e (2.2.11) e procedendo da mesma forma
68 Polinomios Ortogonais
que para os polin omios ortogonais m onicos, obtemos
x
m,k
_
_
_
_
_
_
_
_
P

0
(x
m,k
)
P

1
(x
m,k
)
P

2
(x
m,k
)
.
.
.
P

m2
(x
m,k
)
P

m1
(x
m,k
)
_
_
_
_
_
_
_
_
. .
u
m,k
=
_
_
_
_
_
_
_
_
_


2
0 . . . 0 0


3
. . . 0 0
0

3
. . . 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . .

m1


m
0 0 0 . . .

m
_
_
_
_
_
_
_
_
_
. .
Jm

_
_
_
_
_
_
_
_
P

0
(x
m,k
)
P

1
(x
m,k
)
P

2
(x
m,k
)
.
.
.
P

m2
(x
m,k
)
P

m1
(x
m,k
)
_
_
_
_
_
_
_
_
. .
u
m,k
,
isto e,
x
m,k
u
m,k
= J
m
u
m,k
, k = 1, 2, ..., m.
Portanto, x
m,k
e tambem um auto-valor da matriz J
m
, conhecida
como matriz de Jacobi de ordem m.
O resultado a seguir refere-se `a Identidade de Christoel-Darboux
para os polin omios ortonormais.
Teorema 2.7 (Identidade de Christoel-Darboux). Seja P

n
(x)

n=0
uma sequencia de polinomios ortonormais. Ent ao, eles satisfazem `a
seguinte identidade
n

k=0
P

k
(x)P

k
(y) =
1

n+1
P

n+1
(x)P

n
(y) P

n
(x)P

n+1
(y)
x y
. (2.2.12)
Demonstracao: Exerccio 2.8.
Se somarmos e subtrairmos P

n+1
(x)P

n
(x) ao numerador da Identi-
Zeros dos Polinomios Ortogonais 69
dade de Christoel-Darboux (2.2.12), obtemos
n

k=0
P

k
(x)P

k
(y) =
1

n+1
_
P

n
(x)
_
P

n+1
(x) P

n+1
(y)
_
x y

n+1
(x) (P

n
(x) P

n
(y))
x y
_
.
Fazendo y x em ambos os membros da igualdade acima, che-
gamos `a seguinte identidade, conhecida como Formula Conuente,
n

k=0
(P

k
(x))
2
=
1

n+1
_
P

n
(x)
_
P

n+1
(x)
_

n+1
(x) (P

n
(x))

_
> 0
(2.2.13)
que e v alida para todo x R.
2.3 Zeros dos Polin omios Ortogonais
Pelo fato de pertencerem a uma SPO, muitas propriedades sobre os
zeros dos polin omios ortogonais sao conhecidas. Os zeros de alguns
casos particulares de polin omios ortogonais, como Jacobi, Laguerre e
Hermite (que veremos mais adiante), possuem uma bela interpretacao
eletrostatica, que nao apresentaremos aqui, mas o leitor curioso en-
contra em detalhes em [25, 30].
Como primeira propriedade, apresentamos uma consequencia da
Formula Conuente.
Teorema 2.8. Seja P
j
(x)

j=0
uma sequencia de polinomios ortogo-
nais. Entao, dois polinomios consecutivos, P
n
(x) e P
n1
(x), nao tem
zeros em comum.
Demonstracao: Sejam x
n,1
< x
n,2
< . . . < x
n,n
os zeros de P
n
(x) em
ordem crescente. Substituindo esses zeros em (2.2.13) com n 1 no
lugar de n, obtemos
P
n
(x
n1,k
)P

n1
(x
n1,k
) < 0. (2.3.1)
70 Polinomios Ortogonais
Portanto, P
n
(x
n1,k
) ,= 0, k = 1, . . . , n 1.
Teorema 2.9. Seja P
n
(x), n 1, uma sequencia de polinomios orto-
gonais no intervalo (a, b) com relacao `a fun cao peso w(x). Entao, as
razes de P
n
(x) sao reais, distintas e pertencem ao intervalo (a, b).
Demonstracao: Vamos supor que P
n
(x) nao muda de sinal em (a, b).
Entao ou P
n
(x) 0 (mas nao identicamente nulo) em (a, b) o que
implica em
_
b
a
P
n
(x)w(x)dx > 0, ou P
n
(x) 0 (mas nao identica-
mente nulo) em (a, b) de onde segue que
_
b
a
P
n
(x)w(x)dx < 0. Mas,
da rela cao de ortogonalidade, temos que
_
b
a
P
n
(x)w(x)dx =
_
b
a
1.P
n
(x)w(x)dx = 0. (2.3.2)
Logo, temos um absurdo. Assim, P
n
(x) deve mudar de sinal em (a, b)
pelo menos uma vez, logo existe pelo menos uma raiz real de P
n
(x) de
multiplicidade mpar em (a, b).
Suponhamos que x
n,1
, x
n,2
, . . . , x
n,r
(r < n) sao as razes distintas
de multiplicidade mpar de P
n
(x) em (a, b). Entao,
P
n
(x) = (x x
n,1
)(x x
n,2
) . . . (x x
n,r
)Q(x)
= R(x)Q(x),
onde R(x) e um polin omio de grau r < n com razes x
n,1
, x
n,2
, . . . , x
n,r
e Q(x) e um polin omio de grau (n r) que tem somente razes com-
plexas ou razes de multiplicidade par em (a, b) ou razes fora de (a, b).
Logo, Q(x) nao muda de sinal em (a, b).
Porem, como r < n, pela rela cao de ortogonalidade,
_
b
a
R(x)P
n
(x)w(x)dx = 0. (2.3.3)
Mas,
_
b
a
R(x)P
n
(x)w(x)dx =
_
b
a
R
2
(x)Q(x)w(x)dx ,= 0. (2.3.4)
Zeros dos Polinomios Ortogonais 71
Por (2.3.3) e (2.3.4) temos um absurdo. Assim, P
n
(x) tem r n razes
de multiplicidade mpar em (a, b). Mas, como P
n
(x) e um polin omio de
grau n, entao r = n. Deste modo, P
n
(x) tem n razes de multiplicidade
mpar em (a, b), da seguinte forma
P
n
(x) = (x x
n,1
)
i
1
(x x
n,2
)
i
2
. . . (x x
n,n
)
in
.
Como i
1
, i
2
, . . . , i
n
saondices positivos empares e i
1
+i
2
+. . .+i
n
= n,
temos que i
1
= i
2
= = i
n
= 1.
O fato das razes serem distintas tambem e consequencia da desi-
gualdade (2.3.1), uma vez que P

(x
n1,k
) ,= 0, k = 1, . . . , n 1.
Outra importante propriedade dos zeros dos polin omios ortogonais,
que veremos a seguir, tambem e uma consequencia da Formula Con-
uente.
Teorema 2.10. Seja P
j
(x)

j=0
uma sequencia de polinomios ortogo-
nais. Entao, entre dois zeros consecutivos do polinomio de grau n1,
P
n1
(x), existe somente um zero de P
n
(x).
Demonstracao: Suponhamos, sem perda de generalidade, que os po-
linomios P
j
(x) sejam ortonormais com a
j,j
> 0, j = 0, 1, . . .. Se-
jam x
n1,1
< x
n1,2
< . . . < x
n1,n1
os zeros de P
n1
(x) em ordem
crescente. Tomemos x
n1,k
e x
n1,k+1
, k = 1, 2, ..., n 2, dois zeros
consecutivos de P
n1
(x). Substituindo esses zeros em (2.2.13) com n
substitudo por n 1, obtemos
P
n
(x
n1,k
)P

n1
(x
n1,k
) < 0 e P
n
(x
n1,k+1
)P

n1
(x
n1,k+1
) < 0.
Como P

n1
(x
n1,k
) e P

n1
(x
n1,k+1
) possuem sinais opostos, entao
P
n
(x
n1,k
) e P
n
(x
n1,k+1
) tambem tem. Logo, existe pelo menos um
ponto em (x
n1,k
, x
n1,k+1
) onde P
n
(x) muda de sinal. Portanto, existe
pelo menos um zero de P
n
(x) entre x
n1,k
e x
n1,k+1
. Dois zeros
de P
n
(x) estao em (a, x
n1,1
) e (x
n1,n1
, b), respectivamente. Como
a
j,j
> 0, j = 0, 1, . . . , temos que P
j
(b) > 0. Logo, P

n1
(x
n1,n1
) > 0.
De (2.2.13), P
n
(x
n1,n1
) < 0. Portanto, P
n
(x) muda de sinal en-
tre x
n1,n1
e b. De modo analogo mostramos que existe uma raiz de
P
n
(x) entre a e x
n1,1
. Basta lembrar que sinal[P
j
(a)] = (1)
j
. Como
72 Polinomios Ortogonais
P
n
(x) tem n zeros, o resultado esta demonstrado.
Observa cao: Um resultado semelhante a este e provado no Teorema
3.2: se n > N 2, entao P
n
(x) possui pelo menos um zero entre quais-
quer dois zeros de P
N
(x) (isto e: entre quaisquer dois zeros de P
5
(x),
por exemplo, existe pelo menos um zero de P
6
(x), P
7
(x), P
8
(x), . . ., e
assim por diante). A demonstracao deste resultado requer o conheci-
mento de outros que veremos mais adiante na Se cao 3.2.
2.4 Polin omios Ortogonais Simetricos
Denicao 2.4. Uma fun cao peso w(x) denida em um intervalo da
forma [b, b] e chamada par se w(x) = w(x).
Teorema 2.11. Se uma fun cao peso w(x) denida em [b, b] e par,
entao os momentos de ordem mpar sao nulos, ou seja,
2n+1
= 0,
n = 0, 1, 2, . . .. Alem disso, se P
n
(x)

n=0
e a SPO relativa a w(x),
entao P
n
(x) = (1)
n
P
n
(x), n 0.
Demonstracao: Temos que w(x) = w(x) e
2n+1
=
_
b
b
x
2n+1
w(x)dx.
Se zermos x = y, temos

2n+1
=
_
b
b
x
2n+1
w(x)dx =
_
b
b
(y)
2n+1
w(y)d(y)
=
_
b
b
y
2n+1
w(y)dy =
2n+1
.
Logo
2n+1
= 0, n = 0, 1, 2, . . ..
Para a segunda parte do teorema, basta observar que
Polinomios Ortogonais Simetricos 73
_
b
b

P
m
(x)

P
n
(x)w(x)dx
(x=y)
=
_
b
b

P
m
(y)

P
n
(y)w(y)d(y)
(w par)
=
_
b
b

P
m
(y)

P
n
(y)w(y)dy
=
_
b
b

P
m
(x)

P
n
(x)w(x)dx.
Pelo Corolario 2.1,

P
n
(x) = c
n

P
n
(x), onde c
n
e uma constante. As-
sim, como

P
n
(x) = x
n
+ a
n,n1
x
n1
+ . . . + a
n,1
x + a
n,0
,
ao compararmos os coecientes dos termos de maior grau de

P
n
(x)
e de c
n

P
n
(x), teremos que
c
n
= (1)
n
.
Portanto,

P
n
(x) = (1)
n

P
n
(x), n 0.
Teorema 2.12. Seja P
n
(x) uma sequencia de polinomios ortogonais
com relacao `a uma fun cao peso w(x). Ent ao, sao equivalentes as
seguintes arma coes:
a) P
n
(x) = (1)
n
P
n
(x), n 0;
b) na formula de recorrencia (2.2.3),
n
= 0, n 1.
Demonstracao: Sem perda de generalidade, utilizaremos os polin omios
ortogonais simetricos na forma m onica.
(a b) Seja

Q
n
(x) = (1)
n

P
n
(x) para todo n. Como

P
n
(x) =
(1)
n

P
n
(x), ao subtrairmos a rela cao de recorrencia de

P
n
(x) da
rela cao de recorrencia de

Q
n
(x), obtemos
0 =

Q
n
(x)

P
n
(x)
= (x +
n
)

Q
n1
(x)
n

Q
n2
(x) (x
n
)

P
n1
(x) +
n

P
n2
(x)
= 2
n

P
n1
(x),
74 Polinomios Ortogonais
de onde segue que
n
= 0, para todo n 1.
(b a) Temos que
n
= 0, n 1. Assim, a rela cao de recorrencia
para

Q
n
(x) = (1)
n

P
n
(x) e dada por

Q
n
(x) = x

Q
n1
(x)
n

Q
n2
(x).
Pela formula de recorrencia (2.2.5), como
n
= 0,

P
n
(x) = x

P
n1
(x)
n

P
n2
(x).
Agora, como

Q
n
(x) e

P
n
(x) satisfazem `a mesma f ormula de re-
correncia e, alem disso,

Q
1
(x) =

P
1
(x) e

Q
0
(x) =

P
0
(x),
entao podemos concluir que

P
n
(x) =

Q
n
(x) = (1)
n

P
n
(x), n 0.
Conclumos, entao, que se w for par e se x
n,k
, k = 1, 2, ..., n, com
x
n,1
< x
n,2
< < x
n,n
, forem os zeros de P
n
(x) :
x
n,k
= x
n,nk+1
, k = 1, 2, ..., n/2;
se n for mpar, entao x
n,n/2+1
= 0.
2.5 Polin omios Ortogonais Classicos
Segundo Chihara [6] os polin omios de Jacobi (incluindo os casos espe-
ciais de Legendre, de Gegenbauer, de Chebyshev de 1
a
e 2
a
especies),
de Laguerre e de Hermite sao chamados de polin omios ortogonais
classicos. No trabalho de Agarwal e Milovanovic, [1], encontramos
a deni cao a seguir para polin omios ortogonais classicos.
Denicao 2.5. Polinomios ortogonais com respeito ao produto in-
terno (2.1.2) no intervalo (a, b) sao chamados de polinomios ortogo-
nais classicos se a fun cao peso w(x) satisfaz a seguinte equa cao dife-
rencial
d
dx
(M(x)w(x)) = N(x)w(x),
Polinomios Ortogonais Classicos 75
onde
M(x) =
_
_
_
1 x
2
, se (a, b) = (1, 1)
x, se (a, b) = (0, )
1, se (a, b) = (, )
e N(x) e um polinomio de grau 1.
De acordo com esta deni cao, os polin omios de Jacobi, Laguerre e
Hermite sao polin omios ortogonais classicos. Nesta se cao estudaremos
detalhadamente esses polin omios.
2.5.1 Polinomios de Jacobi, Legendre, Chebyshev e Gegen-
bauer
Os polin omios de Jacobi, denotados por P
(,)
n
(x), podem ser denidos
atraves da formula de Rodrigues dada por
P
(,)
n
(x) =
(1)
n
2
n
n!
(1 x)

(1 + x)

d
n
dx
n
[(1 x)
+n
(1 + x)
+n
],
(ver Krylov [20, pag.23] ou Chihara [6, pag.143]).
Nesta se cao veremos que esses polin omios sao ortogonais no in-
tervalo [1, 1] com rela cao `a funcao peso w(x) = (1 x)

(1 + x)

,
, > 1, , R.
Para obtermos o coeciente do termo de maior grau dos polin omios
de Jacobi, vamos aplicar, `a equa cao (2.5.1), a regra de Leibnitz para
calcular a n-esima derivada do produto de duas funcoes
d
n
dx
n
[f(x) g(x)] =
n

k=0
_
n
k
_
f
(nk)
(x) g
(k)
(x).
Tomemos, entao, f(x) = (1 x)
+n
e g(x) = (1 + x)
+n
. Assim,
d
j
dx
j
f(x) = f
(j)
(x) = (1)
j
(+n)(+n1) . . . (+nj+1)(1x)
+nj
e
d
j
dx
j
g(x) = g
(j)
(x) = ( +n)( +n1) . . . ( +nj +1)(1 +x)
+nj
.
76 Polinomios Ortogonais
Logo,
d
n
dx
n
[(1 x)
+n
(1 + x)
+n
] =
n

k=0
n!
k!(n k)!
f
(nk)
(x)g
(k)
(x)
= (1)
n
n

k=0
n!
k!(n k)!
(1)
k
( + n)( + n 1) . . .
( + k + 1)( + n)( + n 1) . . . ( + n k + 1)
(1 x)
+k
(1 + x)
+nk
.
Substituindo esta derivada na formula de Rodrigues para os po-
linomios de Jacobi, temos, depois de algumas simplicacoes,
P
(,)
n
(x) =
1
2
n
n

k=0
(1)
k
k!(n k)!
( + n)( + n 1) . . . ( + k + 1)
( + n)( + n 1) . . . ( + n k + 1) (2.5.1)
(1 x)
k
(1 + x)
nk
.
Como (1 x)
k
=
k

j=0
(1)
j
_
k
j
_
x
j
e (1 + x)
nk
=
nk

i=0
_
n k
i
_
x
i
,
fazendo o Produto de Cauchy em (1 x)
k
(1 + x)
nk
, temos
P
(,)
n
(x) =
1
2
n
n

k=0
(1)
k
k!(n k)!
( + n)( + n 1) ( + k + 1)
( + n)( + n 1) ( + n k + 1)
_
(1)
k
x
n
+
_
(1)
k1
_
k
k 1
_
+ (1)
k
_
n k
n k 1
__
x
n1
+
_
=
1
2
n
n

k=0
1
k!(n k)!
( + n)( + n 1) . . . ( + k + 1)
( + n)( + n 1) ( + n k + 1)x
n
+ .
Polinomios Ortogonais Classicos 77
Da,
a
n,n
=
1
2
n
n

k=0
1
k!(n k)!
( + n)( + n 1) ( + k + 1)
( + n)( + n 1) ( + n k + 1).
Sabemos que
( + n + 1) = ( + n)( + n)
= ( + n)( + n 1) ( + k + 1)( + k + 1)
e
( + n)( + n 1) ( + n k + 1) =
( + n + 1)
( + n k + 1)
.
Assim, podemos escrever
a
n,n
=
1
2
n
n

k=0
1
k!(n k)!
( + n + 1)
( + k + 1)
( + n + 1)
( + n k + 1)
. (2.5.2)
Proposicao 2.1. O coeciente do termo de maior grau do polinomio
de Jacobi a
n,n
tambem pode ser dado por
a
n,n
=
1
2
n
n!
( + + 2n + 1)
( + + n + 1)
. (2.5.3)
Demonstracao: De (2.5.2) e do Exerccio 1.7, temos
a
n,n
=
1
2
n
n

k=0
1
k!(n k)!
( + n + 1)
( + k + 1)
( + n + 1)
( + n k + 1)
=
1
2
n
n

k=0
_
+ n
n k
__
+ n
k
_
=
1
2
n
_
+ + 2n
n
_
=
1
2
n
n!
( + + 2n + 1)
( + + n + 1)
.
78 Polinomios Ortogonais
Utilizando o produto interno

P
(,)
n
, P
(,)
m
_
=
_
1
1
P
(,)
n
(x)P
(,)(x)
m
(1 x)

(1 + x)

dx,
podemos mostrar o seguinte resultado.
Teorema 2.13. Os polinomios de Jacobi satisfazem `a seguinte relacao
de ortogonalidade

P
(,)
n
, P
(,)
m
_
=
_

_
0, m ,= n,
2
++1
( + n + 1)( + n + 1)
( + + 2n + 1)n!( + + n + 1)
, m = n.
(2.5.4)
Demonstracao: Consideremos, sem perda de generalidade, n m.
Assim,

P
(,)
n
, P
(,)
m
_
=
_
1
1
P
(,)
n
(x)P
(,)(x)
m
(1 x)

(1 + x)

dx
=
_
1
1
_
P
(,)
n
(x)
(1)
m
2
m
m!
(1 x)

(1 + x)

d
m
dx
m
_
(1 x)
+m
(1 + x)
+m

(1 x)

(1 + x)

dx
_
=
(1)
m
2
m
m!
_
1
1
P
(,)
n
(x)
d
m
dx
m
_
(1 x)
+m
(1 + x)
+m

dx.
Fazendo y
m
(x) = (1 x)
+m
(1 + x)
+m
e integrando m vezes por
partes, obtemos

P
(,)
n
, P
(,)
m
_
=
1
2
m
m!
_
1
1
d
m
dx
m
_
P
(,)
n
(x)
_
y
m
(x)dx. (2.5.5)
i) Seja n < m. Como
d
m
dx
m
_
P
(,)
n
(x)
_
= 0, entao, por (2.5.5),

P
(,)
n
, P
(,)
m
_
= 0.
Polinomios Ortogonais Classicos 79
ii) Seja n = m. Logo, de (2.5.5),

P
(,)
n
, P
(,)
n
_
=
1
2
n
n!
_
1
1
d
n
dx
n
_
P
(,)
n
(x)
_
y
n
(x)dx
=
1
2
n
n!
_
1
1
d
n
dx
n
_
P
(,)
n
(x)
_
1 x)
+n
(1 + x)
+n
dx.
Mas
d
n
dx
n
_
P
(,)
n
(x)
_
= a
n,n
n! . Entao,

P
(,)
n
, P
(,)
n
_
=
a
n,n
2
n
_
1
1
(1 x)
+n
(1 + x)
+n
dx.
Fazendo x = 2t 1 na integral anterior, obtemos

P
(,)
n
, P
(,)
n
_
=
2a
n,n
2
n
_
1
0
2
+n
(1 t)
+n
2
+n
t
+n
dt
= 2
++n+1
a
n,n
_
1
0
(1 t)
+n
t
+n
dt.
Como B(x, y) =
_
1
0
(1 t)
(y1)
t
(x1)
dt, entao

P
(,)
n
, P
(,)
n
_
= 2
++n+1
a
n,n
B( + n + 1, + n + 1).
Usando Teorema 1.2, obtemos

P
(,)
n
, P
(,)
n
_
= 2
++n+1
a
n,n
( + n + 1)( + n + 1)
( + + 2n + 2)
.
Substituindo nesta equa cao o termo de maior grau, temos

P
(,)
n
, P
(,)
n
_
=
=
2
++n+1
2
n
n!
( + + 2n + 1)
( + + n + 1)
( + n + 1)( + n + 1)
( + + 2n + 2)
=
2
++1
n!
( + n + 1)( + n + 1)
( + + 2n + 1)( + + n + 1)
.
80 Polinomios Ortogonais
Propriedade 2.1. As seguintes igualdades sao validas
P
(,)
n
(1) =
_
+ n
n
_
, (2.5.6)
P
(,)
n
(1) = (1)
n
_
+ n
n
_
. (2.5.7)
Demonstracao: Demonstremos apenas a propriedade (2.5.6). A se-
gunda deixamos como exerccio. De (2.5.1), obtemos
P
(,)
n
(x) =
1
2
n
_
1
n!
( + n)( + n 1) ( + 1)(1 + x)
n
+
n

k=1
(1)
k
k!(n k)!
( + n) ( + n 1) ( + k + 1)
( + n)( + n 1) ( + n k + 1)
(1 x)
k
(1 + x)
nk
_
.
Logo, para x = 1,
P
(,)
n
(1) =
1
2
n
_
1
n!
( + n)( + n 1) ( + 1)2
n
+ 0
_
=
( + n + 1)
n!( + 1)
=
_
+ n
n
_
.
Para obtermos a rela cao de recorrencia de tres termos, precisamos
calcular os coecientes
n+1
,
n+1
e
n+1
dados em (2.2.3). Assim, de
(2.2.4) e (2.5.3), temos

n+1
=
a
n+1,n+1
a
n,n
=
1
2
(n+1)
(n + 1)!
( + + 2n + 3)
( + + n + 2)
1
2
n
n!
( + + 2n + 1)
( + + n + 1)
=
1
2(n + 1)
( + + 2n + 3)( + + n + 1)
( + + n + 2)( + + 2n + 1)
.
Polinomios Ortogonais Classicos 81
Como (x + 1) = x(x), encontramos

n+1
=
( + + 2n + 2)( + + 2n + 1)
2(n + 1)( + + n + 1)
. (2.5.8)
De (2.2.4) e (2.5.4),

n+1
=

n+1

n
_
P
(,)
n
, P
(,)
n
_
_
P
(,)
n1
, P
(,)
n1
_
=
( + + 2n + 2)( + + 2n + 1)
2(n + 1)( + + n + 1)
( + + 2n)( + + 2n 1)
2n( + + n)

2
++1
( + n + 1)( + n + 1)
n!( + + 2n + 1)( + + n + 1)
2
++1
( + n)( + n)
(n 1)!( + + 2n 1)( + + n)
.
Simplicando, temos

n+1
=
( + n)( + n)( + + 2n + 2)
(n + 1)( + + n + 1)( + + 2n)
. (2.5.9)
Para calcularmos
n+1
vamos utilizar a igualdade (2.5.6). Substi-
tuindo x = 1 na rela cao de recorrencia (2.2.3), obtemos
P
(,)
n+1
(1) = (
n+1

n+1
)P
(,)
n
(1)
n+1
P
(,)
n1
(1).
De (2.5.6),
( + n + 2)
(n + 1)!( + 1)
= (
n+1

n+1
)
( + n + 1)
n!( + 1)

n+1
( + n)
(n 1)!( + 1)
.
Assim,
( + n + 1)( + n)
(n + 1)n
= (
n+1

n+1
)
+ n
n

n+1
.
82 Polinomios Ortogonais
Logo,

n+1
=
n+1

n+1
n
+ n

( + n + 1)
(n + 1)
.
Substituindo (2.5.8) e (2.5.9), obtemos

n+1
=
(
2

2
)( + + 2n + 1)
2(n + 1)( + + n + 1)( + + 2n)
. (2.5.10)
Assim, a rela cao de recorrencia para os polin omios de Jacobi e
P
n+1
(x) = (
n+1
x
n+1
)P
n
(x)
n+1
P
n1
(x), n 0,
onde P
0
(x) = 1, P
1
(x) = 0,

n+1
=
1
2(n + 1)
( + + 2n + 3)( + + n + 1)
( + + n + 2)( + + 2n + 1)
,

n+1
=
(
2

2
)( + + 2n + 1)
2(n + 1)( + + n + 1)( + + 2n)
e

n+1
=
( + n)( + n)( + + 2n + 2)
(n + 1)( + + n + 1)( + + 2n)
.
Nas Figuras 2.1, 2.2 e 2.3 a seguir, apresentamos gr acos de Po-
linomios de Jacobi em v arias situa coes diferentes.
Na Figura 2.1 estao representados Polin omios de Jacobi de graus 1 a
4 para os mesmos valores de e . Observe que os zeros de polin omios
de graus consecutivos se extrelacam como vimos no Teorema 2.10.
Na Figura 2.2 estao representados Polin omios de Jacobi de mesmo
grau, mas para valores distintos de . Observe que `a medida que o
valor de cresce, para cada i, i = 1, 2, 3, 4, a raiz x
4,i
decresce.
Na Figura 2.3 estao representados Polin omios de Jacobi de mesmo
grau, mas para valores distintos de . Observe que `a medida que o
valor de cresce, para cada i, 1 i 4, a raiz x
4,i
tambem cresce.
A demonstracao de que os zeros dos Polin omios de Jacobi sao
funcoes crescentes do par ametro e decrescentes do par ametro pode
ser encontrada no livro de Szego [30].
Polinomios Ortogonais Classicos 83
1.0 0.5 0.5 1.0
4
2
2
4
6
P
4
2, 1
P
3
2, 1
P
2
2, 1
P
1
2, 1
Figura 2.1: Polinomios de Jacobi de graus 1, 2, 3 e 4 para = 2.0 e = 1.0
1.0 0.5 0.5 1.0
1
1
2
3
4
5
P
4
2.5, 1
P
4
2, 1
P
4
1.5 , 1
P
4
1, 1
Figura 2.2: Polinomios de Jacobi de grau 4 para = 1, 1.5, 2, 2.5 e = 1.
84 Polinomios Ortogonais
1.0 0.5 0.5 1.0
1
1
2
3
4
5
P
4
2, 1.5
P
4
2, 1
P
4
2, 0.5
P
4
2, 0
Figura 2.3: Polinomios de Jacobi de grau 4 para = 2 e = 0, 0.5, 1, 1.5.
Polinomios de Legendre
Sao um caso especial dos polin omios de Jacobi com = = 0 e
os denotamos por P
n
(x). Portanto, w(x) = 1. Assim, da f ormula de
Rodrigues para os polin omios de Jacobi, temos
P
n
(x) =
(1)
n
2
n
n!
d
n
dx
n
[(1 x
2
)
n
] =
1
2
n
n!
d
n
dx
n
(x
2
1)
n
. (2.5.11)
Do coeciente do termo de maior grau para os polin omios de Jacobi,
obtemos
a
n,n
=
1
2
n
n!
(2n + 1)
(n + 1)
=
(2n)!
2
n
[n!]
2
.
A rela cao de ortogonalidade para os polin omios de Legendre e,
entao, dada por
P
n
, P
m
=
_
1
1
P
n
(x)P
m
(x)dx =
_
0, se m ,= n,
2
2n + 1
, se m = n.
Para obtermos a rela cao de recorrencia de tres termos, vamos tomar
= = 0 nos coecientes
n+1
,
n+1
e
n+1
dados, respectivamente,
Polinomios Ortogonais Classicos 85
pelas equa coes (2.5.9), (2.5.10) e (2.5.8). Assim,

n+1
=
a
n+1,n+1
a
n,n
=
[2(n + 1)]!
2
n+1
[(n + 1)!]
2
2
n
[n!]
2
(2n)!
=
2n + 1
n + 1
,

n+1
=

n+1

n
P
n
, P
n

P
n1
, P
n1

=
2n + 1
n + 1
n
2n 1
2
2n + 1
2n 1
2
=
n
n + 1
e

n+1
= 0.
Portanto,
P
n+1
(x) =
2n + 1
n + 1
xP
n
(x)
n
n + 1
P
n1
(x), n 1, (2.5.12)
onde P
0
(x) = 1 e P
1
(x) = x, pois, da formula de Rodrigues temos,
P
0
(x) =
1
2
0
0!
(x
2
1)
0
= 1,
P
1
(x) =
1
2 1!
d(x
2
1)
dx
= x.
Na Figura 2.4 a seguir estao representados os Polin omios de Legen-
dre de graus 1 a 4. Observe, conforme demonstrado no Teorema 2.10,
a propriedade de entrela camento dos zeros de polin omios de graus
consecutivos.
86 Polinomios Ortogonais
1.0 0.5 0.5 1.0
1.0
0.5
0.5
1.0
P
4
P
3
P
2
P
1
Figura 2.4: Polinomios de Legendre de graus 1, 2, 3 e 4.
Polinomios de Gegenbauer
Os polin omios de Gegenbauer ou polin omios Ultrasfericos sao um
caso especial dos polin omios de Jacobi, com = =
1
2
> 1.
Eles sao ortogonais no intervalo [1, 1] com rela cao ` a funcao peso
w(x) = (1 x
2
)
1/2
.
A notacao usual para os polin omios Gegenbauer e G
()
n
(x) e sao
dados por
G
()
n
(x) =
_
2

_
1
_
n + 2

_
P
(,)
n
(x),
onde P
(,)
n
(x) sao os polin omios de Jacobi com = .
Lembrando que
_
a
b
_
=
(a + 1)
(b + 1)(a b + 1)
, a b,
Polinomios Ortogonais Classicos 87
podemos entao escrever os polin omios de Gegenbauer como
G
()
n
(x) =
( + 1)(n + 2 + 1)
(2 + 1)(n + + 1)
P
(,)
n
(x)
=
( +
1
2
)(n + 2)
(2)(n + +
1
2
)
P
(
1
2
,
1
2
)
n
(x),
onde =
1
2
. A rela cao de recorrencia de tres termos para os
polin omios de Gegenbauer e da forma
(n + 1)G
()
n+1
(x) = 2(n + )xG
()
n
(x) (n + 2 1)G
()
n1
(x),
com G
()
1
(x) = 0 e G
()
0
(x) = 1. Na forma m onica, satisfazem tambem
`a seguinte rela cao de recorrencia de tres termos:

G
()
n+1
(x) = x

G
()
n
(x)
n(n + 2 1)
4(n + )(n + 1)

G
()
n1
(x),
em que

G
()
1
(x) = 0 e

G
()
0
(x) = 1.
Alguns casos especiais importantes sao
G
(
1
2
)
n
(x) = P
n
(x) e G
(1)
n
(x) = U
n
(x),
onde P
n
(x) sao os polin omios de Legendre e U
n
(x) sao os polin omios
de Chebyshev de 2
a
especie que veremos mais adiante.
Polinomios de Chebyshev de 1
a
especie
Os polin omios de Chebyshev de 1
a
especie sao denotados por T
n
(x) e
sao ortogonais no intervalo [1, 1] com rela cao `a funcao peso w(x) =
1/

1 x
2
. Observe que sao m ultiplos dos polin omios de Jacobi para
= = 1/2.
Para x [1, 1] podem ser denidos por
T
n
(x) = cos(narccos x), n = 0, 1, 2, . . . . (2.5.13)
Usando a seguinte rela cao trigonometrica
cos(n + 1) + cos(n 1) = 2 cos(n) cos
88 Polinomios Ortogonais
e fazendo x = cos na equa cao (2.5.13) acima, obtemos a rela cao de
recorrencia de tres termos
T
n+1
(x) = 2xT
n
(x) T
n1
(x), n 1,
com T
0
(x) = 1 e T
1
(x) = x.
Calculando os primeiros polin omios, veremos como se comportam
os coecientes dos termos de maior grau. Assim,
T
0
(x) = cos(0 arccos x) = 1
T
1
(x) = cos(arccos x) = x = 2
0
x
T
2
(x) = 2xT
1
(x) T
0
(x) = 2x
2
1
T
3
(x) = 2xT
2
(x) T
1
(x) = 2
2
x
3
3x
.
.
.
.
.
.
T
n
(x) = 2
n1
x
n
+ . . . (por recorrencia).
Logo, a
n,n
= 2
n1
, n 1.
Teorema 2.14. Os polinomios de Chebyshev de primeira especie sa-
tisfazem
T
n
, T
m
=
_

_
, se m = n = 0,

2
, se m = n > 0,
0, se m ,= n.
Demonstracao:
T
n
, T
m
=
_
1
1
T
n
(x)T
m
(x)w(x)dx
=
_
1
1
cos(narccos x) cos(marccos x)
1

1 x
2
dx.
Fazendo a mudan ca de variavel x = cos , obtemos
T
n
, T
m
=
_
0

cos(n) cos(m)send

1 cos
2

=
_

0
cos(n) cos(m)d.
Polinomios Ortogonais Classicos 89
i) Se m = n = 0,
T
0
, T
0
=
_

0
cos
2
(0) d = .
ii) Se m = n > 0,
T
n
, T
n
=
_

0
cos
2
(n) d.
Logo, integrando por partes, temos
_

0
cos(n) cos(n)d =
_

0
sen(n)nsen(n)d
n
=
_

0
[1cos
2
(n)]d,
ou seja,
_

0
cos
2
(n)d =
_

0
d
_

0
cos
2
(n)d.
Assim,
2
_

0
cos(n) cos(n)d =
_

0
d = .
Portanto,
T
n
, T
n
=

2
.
iii) Seja m ,= n.
Consideremos as seguintes identidades trigonometricas:
cos(m + n) = cos(m) cos(n) sen(m)sen(n),
cos(mn) = cos(m) cos(n) + sen(m)sen(n).
Somando-as e integrando ambos os membros da equa cao resultante,
obtemos
_

0
[cos(m + n) + cos(mn)] d = 2
_

0
cos(m) cos(n)d
= 2 T
n
, T
m
.
90 Polinomios Ortogonais
Desse modo,
2 T
n
, T
m
=
_

0
cos(m+ n)d +
_

0
cos(mn)d
=
sen(m+ n)
m + n

0
+
sen(mn)
mn

0
= 0.
Na Figura 2.5 a seguir estao representados Polin omios de Chebyshev
de 1
a
especie de graus 1 a 4. Observe a propriedade de entrelacamento
dos zeros de polin omios de graus consecutivos demonstrado no Teo-
rema 2.10. Observe, tambem, que os mnimos e m aximos dos Po-
linomios de Chebyshev no intervalo [1, 1] sao todos iguais a 1.
1.0 0.5 0.5 1.0
1.0
0.5
0.5
1.0
T
4
T
3
T
2
T
1
Figura 2.5: Polinomios de Chebyshev 1
a
especie
Polinomios Ortogonais Classicos 91
Observa coes:
1. Note que fazendo = = 1/2 na funcao peso dos polin omios
de Jacobi obtemos w(x) =
1

1 x
2
. Assim,
T
n
(x) = 2
2n
_
2n
n
_
1
P
(1/2,1/2)
n
(x).
De fato, pelo Corolario 2.1, sabemos que T
n
(x) = c
n
P
(1/2,1/2)
n
(x).
Considerando a
T
n,i
, i = 1, 2, . . . , n, os coecientes do polin omio de
Chebyshev e a
P
n,j
, j = 1, 2, . . . , n, os coecientes do polin omio de
Jacobi para = =
1
2
, entao,
a
T
n,n
x
n
+a
T
n,n1
x
n1
+. . .+a
T
n,0
= c
n
(a
P
n,n
x
n
+a
P
n,n1
x
n1
+. . .+a
P
n,0
).
Logo,
c
n
=
a
T
n,n
a
P
n,n
=
2
n1
1
2
n
n!
(2n)
(n)
=
2
2n
_
2n
n
_ = 2
2n
_
2n
n
_
1
.
2. Para calcularmos as razes de T
n
(x), considere a equa cao
cos(n) = 0, para 0 ,
cuja solucao e
(n)
k
=

2
+ k, k = 0, 1, 2, ..., n 1
ou, ainda,

k
=
(2k 1)
2n
, k = 1, 2, ..., n.
Logo, as razes dos Polin omios de Chebyshev sao dadas por
x
n,k
= cos
_
(2k 1)
2n
_
, k = 1, 2, ..., n. (2.5.14)
92 Polinomios Ortogonais
3. Os pontos de m aximo e de mnimo de T
n
(x) sao os pontos onde
cos(n) = 1, para 0 ,
ou seja, sao os pontos

k
=
k
n
, k = 0, 1, 2, ..., n.
Logo, os pontos extremos sao dados por
m
n,k
= cos
_
k
n
_
, k = 0, 1, 2, ..., n.
Polinomios de Chebyshev de 2
a
especie
Os Polin omios de Chebyshev de 2
a
especie, U
n
(x), sao ortogonais
no intervalo [1, 1] com rela cao `a funcao peso w(x) =

1 x
2
e sao
denidos por
U
n
(x) =
sen((n + 1) arccos x)

1 x
2
=
sen((n + 1))
sen
, x [1, 1],
para n = 0, 1, 2, . . . , onde x = cos e [0, ].
Observe que tambem sao m ultiplos dos polin omios de Jacobi para
= = 1/2.
Usando a seguinte rela cao trigonometrica
sen(n + 2) + sen(n) = 2 cos sen(n + 1),
com x = cos , obtemos a rela cao de recorrencia de tres termos
U
n+1
(x) = 2xU
n
(x) U
n1
(x), n 1,
em que U
0
(x) = 1 e U
1
(x) = 2x.
Calculando os primeiros polin omios, vemos como se comportam os
coecientes dos termos de maior grau.
U
0
(x) =
sen[arccos x]

1 x
2
=
sen

1 cos
2

= 1
U
1
(x) =
sen[2 arccos x]

1 x
2
=
2sen cos
sen
= 2x
Polinomios Ortogonais Classicos 93
e, pela rela cao de recorrencia,
U
2
(x) = 2xU
1
(x) U
0
(x) = 2
2
x
2
1
U
3
(x) = 2xU
2
(x) U
1
(x) = 2
3
x
3
4x
.
.
.
U
n
(x) = 2
n
x
n
+ . . . .
Portanto, por recorrencia, obtemos a
n,n
= 2
n
, n 0.
Teorema 2.15. A relacao de ortogonalidade para os polinomios de
Chebyshev de 2
a
especie e dada por
U
n
, U
m
=
_

_
0, se m ,= n,

2
, se m = n,
Demonstracao:
U
n
, U
m
=
_
1
1
U
n
(x)U
m
(x)w(x)dx
=
_
1
1
sen[(n + 1) arccos x]

1 x
2
sen[(m + 1) arccos x]

1 x
2
_
1 x
2
dx.
Fazendo x = cos na integral acima, obtemos
U
n
, U
m
=
_
0

sen[(n + 1)]sen[(m + 1)]

1 cos
2

send
=
_

0
sen[(n + 1)]sen[(m + 1)]d.
i) Se m = n,
U
n
, U
n
=
_

0
sen[(n + 1)]sen[(n + 1)]d.
94 Polinomios Ortogonais
Integrando por partes, temos
U
n
, U
n
=
_

0
cos[(n + 1)] cos[(n + 1)]d
=
_

0
1 sen
2
[(n + 1)]d
=
_

0
sen
2
[(n + 1)]d = U
n
, U
n
.
Logo,
U
n
, U
n
=

2
.
ii) Seja m ,= n. Como
U
n
, U
m
=
_

0
sen[(n + 1)]sen[(m + 1)]d,
integrando duas vezes por partes, temos
U
n
, U
m
=
_
n + 1
m+ 1
_
2
_

0
sen[(n + 1)]sen[(m + 1)]d
=
_
n + 1
m + 1
_
2
U
n
, U
m
.
Como m ,= n, entao
_
n + 1
m+ 1
_
2
,= 1. Logo, U
n
, U
m
= 0.
Observa c oes:
1. Note que fazendo = = 1/2 na funcao peso dos polin omios de
Jacobi obtemos w(x) =

1 x
2
. Logo,
U
n
(x) = 2
2n
_
2n + 1
n + 1
_
1
P
(1/2,1/2)
n
(x).
A demonstracao desse fato e analoga `a feita para os polin omios
de Tchebyshev de 1
a
especie.
Polinomios Ortogonais Classicos 95
2. As razes de U
n
(x) sao os pontos onde
sen[(n + 1)] = 0, para 0 < < ,
ou seja, sao dados por

k
=
k
n + 1
, k = 1, 2, ..., n.
Logo, as razes de U
n
(x), n = 1, 2, . . . , sao os pontos
x
n,k
= cos
_
k
n + 1
_
, k = 1, 2, ..., n.
3. Como
T
n
(x) = cos(n arccosx)
entao
T

n
(x) = sen(n arccosx)
n

1 x
2
= nU
n1
(x).
Portanto, as razes de U
n1
(x) sao os pontos de m aximo e mnimo
de T
n
(x).
A Figura 2.6, que apresentamos a seguir, mostra o gr aco de Po-
linomios de Chebyshev de 2
a
especie de graus 1 a 4. Observe a proprie-
dade de entrelacamento dos zeros de polin omios de graus consecutivos
(Teorema 2.10). Comparando o Polin omio de Chebyshev de 2
a
especie
de grau 3, U
3
(x),com o Polin omio de Chebyshev de 1
a
especie de grau
4, T
4
(x) (veja Figura 2.5), observe que os zeros de U
3
sao os pontos
de m aximo e mnimo locais de T
4
.
96 Polinomios Ortogonais
1.0 0.5 0.5 1.0
4
2
2
4
U
4
U
3
U
2
U
1
Figura 2.6: Polinomios de Chebyshev 2
a
de especie
2.5.2 Polinomios de Laguerre
Os polin omios de Laguerre, denotados por L
()
n
(x), podem ser deni-
dos pela formula de Rodrigues dada por
L
()
n
(x) = (1)
n
x

e
x
d
n
dx
n
[x
+n
e
x
],
(ver Krylov [20, pag.34], observamos que Chihara [6, pag.145] apre-
senta um m ultiplo desta formula).
Nesta se cao mostraremos que sao polin omios ortogonais, no inter-
valo [0, ), com rela cao `a funcao peso w(x) = x

e
x
, > 1.
Derivando a formula acima pela regra de Leibnitz com f(x) = x
+n
Polinomios Ortogonais Classicos 97
e g(x) = e
x
, obtemos
L
()
n
(x) = (1)
n
x

e
x
n

j=0
_
n
j
_
( + n)( + n 1) . . . ( + j + 1)
x
+j
(1)
j
e
x
= (1)
n
n

j=0
(1)
j
_
n
j
_
( + n)( + n 1) . . . ( + j + 1)x
j
.
Como o coeciente do termo de maior grau aparece quando j = n,
entao
L
()
n
(x) = (1)
n
_
(1)
n
_
n
n
_
x
n
+ (1)
n1
_
n
n 1
_
( + n) x
n1
+
_
= x
n
n( + n)x
n1
+ .
Da, a
n,n
= 1. Os polin omios de Laguerre como denidos acima sao,
portanto, m onicos.
Teorema 2.16. A relacao de ortogonalidade para os polinomios de
Laguerre e dada por
_
L
()
n
, L
()
m
_
=
_

0
L
()
n
(x)L
()
m
(x)x

e
x
dx
=
_
_
_
0, se m ,= n,
n! (n + + 1), se m = n.
Demonstracao: Consideremos, sem perda de generalidade, m n.
_
L
()
n
, L
()
m
_
=
_

0
L
()
n
(x)L
()
m
(x)x

e
x
dx
= (1)
n
_

0
d
n
(x
+n
e
x
)
dx
n
L
()
m
(x)dx.
98 Polinomios Ortogonais
Considerando y
n
(x) = x
+n
e
x
, obtemos
d
n
(x
+n
e
x
)
dx
n
= y
(n)
n
(x). Logo,

L
()
n
, L
()
m
_
=
_

0
L
()
m
(x)(1)
n
y
(n)
n
(x)dx.
Integrando n vezes por partes, obtemos

L
()
n
, L
()
m
_
=
_

0
d
n
[L
()
m
(x)]
dx
n
y
n
(x)dx.
i) Para m < n

L
()
n
, L
()
m
_
=
_

0
[L
()
m
(x)]
(n)
y
n
(x)dx = 0,
pois [L
()
m
(x)]
(n)
0.
ii) Para m = n,

L
()
n
, L
()
n
_
=
_

0
[L
()
n
(x)]
(n)
y
n
(x)dx
=
_

0
a
n,n
n!y
n
(x)dx
= n!
_

0
x
n+
e
x
dx.
Como (y) =
_

0
x
y1
e
x
dx, y > 0, entao,
_

0
x
n+
e
x
dx = (n + + 1)
e chegamos ao resultado desejado.
Dos resultados acima, obtemos facilmente que

n+1
=
a
n+1,n+1
a
n,n
= 1 e
n+1
=
n(n 1)!( + n)( + n)
(n 1)!( + n)
= n(+n).
Polinomios Ortogonais Classicos 99
Vamos agora calcular
n+1
=
_
xL
()
n
, L
()
n
_
_
L
()
n
, L
()
n
_ . Sabemos que
L
()
n
(x) = x
n
n(n + )x
n1
+ .
Logo, obtemos
L
()
n+1
(x) = x
n+1
(n + 1)(n + 1 + )x
n
+
e
xL
()
n
(x) = x
n+1
n(n + )x
n
+ .
Da,
xL
()
n
(x)L
()
n+1
(x) = [(n+1)(n++1)n(n+)]x
n
+ . (2.5.15)
Mas,
[(n + 1)(n+ + 1) n(n + )]L
()
n
(x)
= [(n + 1)(n + + 1) n(n + )]x
n
[(n + 1)(n + + 1) n(n + )]n(n + )x
n1
+ .
Assim,
[(n + 1)(n+ + 1) n(n + )]x
n
= [(n + 1)(n + + 1) n(n + )]L
()
n
(x)
+[(n + 1)(n + + 1) n(n + )]n(n + )x
n1
+
= [(n + 1)(n + + 1) n(n + )]L
()
n
(x) + q
n1
(x),
onde q
n1
(x) e um polin omio de grau n1. Substituindo em (2.5.15)
podemos escrever
xL
()
n
(x) = L
()
n+1
(x) + [(n + 1)(n + + 1) n(n + )]L
()
n
(x)
+q
n1
(x).
Fazendo o produto interno dessa expressao pelo polin omio L
()
n
(x),
temos

xL
()
n
, L
()
n
_
=
_
L
()
n+1
, L
()
n
_
+ [(n + 1)(n + + 1) n(n + )]

L
()
n
, L
()
n
_
+

q
n1
, L
()
n
_
.
100 Polinomios Ortogonais
Como, pelo Teorema 2.2,
_
q
n1
, L
()
n
_
= 0, entao
_
xL
()
n
, L
()
n
_
_
L
()
n
, L
()
n
_ = [(n + 1)(n + + 1) n(n + )],
e, portanto,
n+1
= 2n + + 1.
Assim, a rela cao de recorrencia de tres termos para os polin omios
de Laguerre e dada por
L
()
n+1
(x) = (x (2n + + 1))L
()
n
(x) n(n + )L
()
n1
(x), n 1.
Podemos, entao, calcular os primeiros polin omios de Laguerre:
L
()
0
(x) = (1)
0
x

e
x
x

e
x
= 1.
L
()
1
(x) = (1)x

e
x
d
dx
(x
+1
e
x
) = x 1.
L
()
2
(x) = (x 3 )(x 1) ( + 1)(1)
= x
2
2( + 2)x + ( + 2)( + 1).
Nas Figuras 2.7 e 2.8 observamos, respectivamente, a propriedade
de entrelacamento dos nos (veja Teorema 2.10) e o crescimento da
raiz x
4,i
com para cada i. Para demonstracao de que os zeros dos
Polin omios de Laguerre sao funcoes crescentes de sugerimos o livro
de Szego [30].
Polinomios Ortogonais Classicos 101
2 4 6 8 10
10
5
5
10
15
20
L
4
0
L
3
0
L
2
0
L
1
0
Figura 2.7: Polinomios de Laguerre de graus de 1 a 4 e = 0.
2 4 6 8 10 12 14
20
20
40
60
L
4
3
L
4
2
L
4
1
L
4
0
Figura 2.8: Polinomios de Laguerre de grau 4 e = 0, 1, 2, 3.
102 Polinomios Ortogonais
2.5.3 Polinomios de Hermite
Os polin omios de Hermite, denotados por H
n
(x), podem ser denidos
pela formula de Rodrigues dada por
H
n
(x) = (1)
n
e
x
2 d
n
dx
n
[e
x
2
], (2.5.16)
(ver Krylov [20, pag.33] ou Chihara [6, pag.145]).
Nesta se cao, veremos que esses polin omios formam uma sequencia
de polin omios ortogonais, no intervalo (, ), com rela cao ` a funcao
peso w(x) = e
x
2
.
A rela cao de recorrencia de tres termos para os polin omios de Her-
mite, obtida atraves das equa coes (2.2.3) (2.2.4) e (2.5.16), e dada por
H
n+1
(x) = 2xH
n
(x) 2nH
n1
(x), n 1,
com H
0
(x) = 1 e H
1
(x) = 2x.
Calculando os primeiros polin omios, podemos obter os coecientes
dos termos de maior grau
H
0
(x) = 1 = 2
0
H
1
(x) = 2x = 2
1
x
H
2
(x) = 4x
2
2 = 2
2
x
2
2
.
.
.
H
n
(x) = 2
n
x
n
+
Logo, por recorrencia, a
n,n
= 2
n
.
Teorema 2.17. Os polinomios de Hermite satisfazem `a seguinte re-
lacao de ortogonalidade
H
n
, H
m
=
_

_
0, se m ,= n,
2
n
n!

, se m = n.
(2.5.17)
Demonstracao: Consideremos, sem perda de generalidade, m n.
Exerccios 103
i) Seja m < n. Substituindo H
n
(x) por sua formula de Rodrigues e
chamando (x) = e
x
2
, obtemos
H
n
, H
m
= (1)
n
_

H
m
(x)
(n)
(x)dx.
Integrando por partes,
H
n
, H
m
=
_

H
n
(x)H
m
(x)e
x
2
dx = (1)
n+1
_

(n1)
(x)H

m
(x)dx.
Logo, apos integrar n vezes por partes, temos
H
n
, H
m
=
_

H
(n)
m
(x)(x)dx =
_

H
(n)
m
(x)
. .
=0
e
x
2
dx = 0.
ii) Se m = n,
H
n
, H
n
=
_

e
x
2
H
(n)
n
(x)
. .
2
n
n!
dx = 2
n
n!
_

e
x
2
dx
. .

.
Seja y(x) = e
x
2
, entao
y
(n)
(x) =
d
n
dx
n
[e
x
2
] = (1)
n
e
x
2
H
n
(x).
Derivando esta ultima expressao, obtemos
y
(n+1)
(x) = (1)
n+1
e
x
2
[2xH
n
(x) H

n
(x)].
Portanto, obtemos uma outra rela cao para os polin omios de Hermite,
H
n+1
(x) = 2xH
n
(x) H

n
(x).
Na Figura 2.9 tambem podemos observar que os zeros de polin omios
de graus consecutivos se intercalam, conforme foi demonstrado no Te-
orema 2.10.
104 Polinomios Ortogonais
2 1 1 2
20
10
10
20
H
4
H
3
H
2
H
1
Figura 2.9: Polinomios de Hermite de graus de 1 a 4.
2.6 Exerccios
Sessao 2.1
Exerccio 2.1. Sejam P
0
(x), P
1
(x), . . . , P
m
(x), m 1, pertencentes
a uma sequencia de polinomios ortogonais. Sem usar o fato de serem
dois a dois ortogonais, demonstre que P
j
(x)
m
j=0
sao linearmente in-
dependentes.
Exerccio 2.2. Seja P
n
(x)

n=0
uma SPO em [a, b] com relacao `a
fun cao peso (x). Mostre que se (x) um polinomio e
_
b
a
P
n
(x)(x)(x)dx = 0, n = 0, 1, . . . ,
entao (x) 0.
Exerccios 105
Sessao 2.2
Exerccio 2.3. Escrever a relacao entre
n
e
n
dados no Teorema
2.2.
Exerccio 2.4. Seja P
n
(x)

n=0
uma SPO com relacao ao produto
interno
f, g =
_
b
a
f(x)g(x)(x)dx.
Seja f(x) : [a, b] R tal que f(x) =

k=0
c
k
P
k
(x). Mostre, entao, que
c
k
=
f, P
k

P
k
, P
k

, k = 0, 1, . . . .
Exerccio 2.5. Mostre que
Q
n
(x) =
_
b
a
P
n
(x) P
n
(y)
x y
(y)dy, n = 1, 2, . . . ,
onde P
n
(x) SPO em [a, b] com relacao `a fun cao peso (x), satisfaz `a
mesma relacao de recorrencia que P
n
(x). Ache as condicoes iniciais.
Exerccio 2.6. Usando a relacao
x
n
y
n
x y
=
n1

j=0
x
nj1
y
j
, (2.6.1)
mostre que os polinomios Q
n
(x) denidos acima sao de grau n 1.
Exerccio 2.7. Demonstre a relacao (2.6.1) acima.
Exerccio 2.8. Demonstre o Teorema 2.7 sobre o Identidade de Cristo-
el-Darboux para os polinomios ortonormais.
Sugestao: Use o Teorema 2.6 e as equa coes (2.2.10) e (2.2.11).
Sessao 2.4
Exerccio 2.9. Demonstre que se
k
e
k+1
sao dois zeros consecutivos
de P
n
(x) SPO, entao existe
k
(
k
,
k+1
) que e zero de P
n+1
(x).
106 Polinomios Ortogonais
Sessao 2.5
Exerccio 2.10. Demonstre a Propriedade 2.1 (veja 2.5.7):
P
(,)
n
(1) = (1)
n
( + n + 1)
n!( + 1)
,
em que P
(,)
n
(x) sao os polinomios de Jacobi.
Exerccio 2.11. Mostre as seguintes igualdades:
P
(,)
2n
(x) =
(2n + + 1)(n + 1)
(n + + 1)(2n + 1)
P
(,1/2)
n
(2x
2
1)
P
(,)
2n+1
(x) =
(2n + + 2)(n + 1)
(n + + 1)(2n + 2)
xP
(,1/2)
n
(2x
2
1)
Para os exerccios de 2.12 a 2.20, P
n
(x)

n=0
e a sequencia de po-
linomios ortogonais de Legendre.
Exerccio 2.12. Demonstre que
a) P

n+1
(x) P

n1
(x) = (2n + 1)P
n
(x).
b) (1 x
2
)P

n
(x) = nP
n1
(x) nxP
n
(x).
c) P
n
(x) = xP
n1
(x) +
x
2
1
n
P

n
(x).
Exerccio 2.13. Demonstre que
a)
_
1
1
xP
n
(x)P
n1
(x)dx =
2n
4n
2
1
, n 1.
b)
_
1
1
P
n
(x)P

n+1
(x)dx = 2, n 0.
b)
_
1
1
xP

n
(x)P
n
(x)dx =
2n
2n + 1
, n 0.
Exerccio 2.14. Seja (x) = (x
2
1)
n
e
(k)
(x) sua derivada de
ordem k, para k = 1, 2, . . . . Mostre que (x) e
(k)
(x), k = 1, 2, . . .,
se anulam para x = 1 e x = 1.
Exerccios 107
Exerccio 2.15. Usando o exerccio anterior e integracao por partes,
mostre que
_
1
1
x
k
P
n
(x)dx = 0, 0 k < n.
Exerccio 2.16. Partindo da Formula de Rodrigues para os polinomios
de Legendre e usando a regra de Leibnitz, mostre que:
P

n+1
(x) =
1
2(n + 1)
(x
2
1)P

n
(x) +
n + 2
n + 1
xP

n
(x) +
n + 2
2
P
n
(x).
(2.6.2)
Exerccio 2.17. Seja P
n
(x) o polinomio de Legendre de grau n. De-
monstre que ele satisfaz `a equa cao diferencial de segunda ordem:
(x
2
1)P

n
(x) 2xP

n
(x) + n(n + 1)P
n
(x) = 0. (2.6.3)
Exerccio 2.18. Mostre que a equa cao (2.6.3) e equivalente a:
_
(1 x
2
)P

n
(x)

+ n(n + 1)P
n
(x).
Exerccio 2.19. Demonstre que
P

n+1
(x) = xP

n
(x) + (n + 1)P
n
(x). (2.6.4)
Sugestao: Use as equa coes (2.6.3) e (2.6.2).
Exerccio 2.20. Demonstre que
xP

n
(x) P

n1
(x) = nP
n
(x).
Sugestao: Use a equa cao (2.6.4) e relacao de recorrencia de tres ter-
mos para os polinomios de Legendre.
Exerccio 2.21. Demonstre as seguintes igualdades:
G
()
n
(1) =
_
n + 2 1
n
_
G
()
n
(x) = (1)
n
G
()
n
(x).
108 Polinomios Ortogonais
Exerccio 2.22. Seja T
n
(x)

n=0
SPO de Chebyshev de 1
a
especie.
Demonstre as seguintes identidades:
a)
_
T
0
(x) dx = T
1
(x)
b)
_
T
1
(x) dx =
1
4
T
2
(x)
c)
_
T
n
(x) dx =
1
2
_
T
n+1
(x)
n + 1

T
n1
(x)
n 1
_
, n > 1.
Exerccio 2.23. Demonstre que os polinomios de Chebyshev de 2
a
especie satisfazem `a seguinte relacao de ortogonalidade:
U
n
(x), U
m
(x) =
_
_
_
/2, n = m 0,
0, n ,= m,
e `a relacao de recorrecia de tres termos:
U
n+1
(x) = 2xU
n
(x) U
n1
(x),
para n 1, com U
0
(x) = 1 e U
1
(x) = 2x.
Exerccio 2.24. Usando o Processo de Ortogonalizacao de Gram-
Schmidt, construa os 3 primeiros polinomios de Laguerre, L
0
(x), L
1
(x)
e L
2
(x). Sabe-se que sao ortogonais segundo o produto interno
f, g =
_

0
f(x)g(x)e
x
dx.
Exerccio 2.25. Seja y = H
n
(x) o polinomio de Hermite de grau n.
Mostre que ele satisfaz `a seguinte equa cao diferencial:
y

2xy

+ 2ny = 0.
Captulo 3
Quadratura Gaussiana
Como uma aplicacao dos polin omios ortogonais, faremos, nesta se cao,
um estudo sobre as Formulas de Quadratura Gaussianas, cujos nos
sao os zeros de polin omios ortogonais. Com essa escolha dos nos, a
precisao da formula e a maior possvel. Para os que desejarem se apro-
fundar neste assunto, os livros [9, 10, 20, 29] sao otimas referencias.
3.1 Introducao
Consideremos integrais da forma
I(f) =
_
b
a
f(x)w(x)dx,
onde w(x) e uma funcao peso em (a, b) R, a < b .
Sejam a x
n,1
< x
n,2
< . . . < x
n,n
b, n pontos distintos em
[a, b]. Da mesma forma que zemos no Captulo 1, Se cao 1.3, usando
a formula de Lagrange (1.3.1) para construirmos o polin omio de in-
terpolacao de f(x) sobre os n pontos distintos x
n,k
, k = 1, 2, . . . , n,
110 Quadratura Gaussiana
obtemos
I(f) =
_
b
a
_
n

k=1
(x)
(x x
n,k
)

(x
n,k
)
f(x
n,k
) + R
n1
(x)
_
w(x)dx
=
n

k=1
__
1

(x
n,k
)
_
b
a
(x)
x x
n,k
w(x)dx
_
f(x
n,k
)
_
(3.1.1)
+
_
b
a
R
n1
(x)w(x)dx.
Logo, podemos escrever
I(f) =
_
b
a
f(x)w(x)dx =
n

k=1
W
n,k
f(x
n,k
) + E
n
(f), (3.1.2)
cujos pesos W
n,k
, k = 1, 2, . . . , n, sao dados por
W
n,k
=
1

(x
n,k
)
_
b
a
(x)
x x
n,k
w(x)dx (3.1.3)
e o erro, por
E
n
(f) =
_
b
a
R
n1
(x)w(x)dx.
3.2 Formulas de Quadratura Gaussianas
Teorema 3.1. A regra de quadratura (3.1.2) com pesos dados por
(3.1.3) e exata para polinomios de grau no maximo 2n1 se, e somente
se,
i) e interpolatoria;
ii) (x) e ortogonal em (a,b), com relacao `a fun cao peso w(x), a
todo polinomio de grau menor que n.
Demonstracao: (=)
i) imediato.
ii) Seja um polin omio Q(x) P
n1
e (x) o polin omio dos nos. Mos-
tremos que , Q = 0.
Introdu c ao 111
Sabemos que
, Q =
_
b
a
(x)Q(x)w(x)dx.
Como (x)Q(x) P
2n1
e (x
n,k
) = 0, por hipotese
, Q =
n

k=1
W
n,k
(x
n,k
)Q(x
n,k
) = 0.
(=) Seja P(x) P
2n1
. Logo, podemos escreve-lo da forma
P(x) = (x)Q(x) + r(x), onde Q(x), r(x) P
n1
.
Observe que P(x
n,k
) = r(x
n,k
). Mas,
_
b
a
P(x)w(x)dx =
_
b
a
[(x)Q(x) + r(x)] w(x)dx
=
_
b
a
(x)Q(x)w(x)dx +
_
b
a
r(x)w(x)dx.
Pela hipotese ii),
_
b
a
(x)Q(x)w(x)dx = 0.
Assim,
_
b
a
P(x)w(x)dx =
_
b
a
r(x)w(x)dx
i)
=
n

k=1
W
n,k
r(x
n,k
)
=
n

k=1
W
n,k
P(x
n,k
).
As formulas de quadratura com n pontos que tem precisao 2n 1
sao conhecidas como Formulas de Quadratura Gaussianas.
Uma importante aplicacao das Formulas de Quadratura Gaussianas
e o resultado a seguir sobre os zeros dos polin omios ortogonais.
112 Quadratura Gaussiana
Teorema 3.2. Entre quaisquer dois zeros de P
N
(x) existe pelo menos
um zero de P
n
(x), n > N 2.
Demonstracao: Suponha que, para algum n > N, P
n
(x) nao possui
zeros entre x
N,p
e x
N,p+1
(1 p < N). Faca
(x) =
P
N
(x)
(x x
N,p
)(x x
N,p+1
)
;
logo, (x) tem grau N2 e (x)P
N
(x) 0, para todo x / (x
N,p
, x
N,p+1
).
De acordo com o Teorema 3.1, na quadratura de Gauss com n
pontos temos que, para P(x) P
2n1
,
_
b
a
P(x)w(x)dx =
n

k=1
W
n,k
P(x
n,k
),
e, como n > N, segue que
_
b
a
(x)P
N
(x)w(x)dx =
n

k=1
W
n,k
(x
n,k
)P
N
(x
n,k
).
Entretanto, (x)P
N
(x) nao pode se anular em todo x
n,k
, novamente
pelo fato de que n > N. Isto, aliado ao fato de que (x)P
N
(x) 0,
para todo x / (x
N,p
, x
N,p+1
), demonstra que
_
b
a
(x)P
N
(x)w(x)dx > 0,
o que entra em contradi cao com o fato de que P
N
(x) e o polin omio
ortogonal em (a, b) relativamente a w(x).
Portanto, para n > N, existe x
n,k
(1 k n) tal que x
N,p
<
x
n,k
< x
N,p+1
.
Teorema 3.3. Se a formula de quadratura (3.1.2) e exata para po-
linomios de grau menor ou igual a 2n 2, entao os pesos W
n,k
, k =
1, . . . , n, sao positivos.
Introdu c ao 113
Demonstracao: Considere P(x) P
2n2
, dado da seguinte forma
P(x) =
_
(x)
x x
n,k
_
2
. Entao, pelo teorema anterior,
0 <
_
b
a
P(x)w(x)dx =
_
b
a
_
(x)
x x
n,k
_
2
w(x)dx
=
n

j=1
W
n,j
_
(x
n,j
)
x
n,j
x
n,k
_
2
= W
n,k
[

(x
n,k
)]
2
Logo, W
n,k
> 0, para k = 1, 2, .., n.
Apresentaremos a seguir algumas consequencias do que vimos an-
teriormente.
1. Seja P
n
(x) um polin omio ortogonal em (a, b) com rela cao ` a funcao
peso w(x). Entao, P
n
(x) = c
n
(x) onde (x) e o polin omio dos
nos, ortogonal em (a, b) com rela cao `a funcao peso w(x). Logo,
x
n,k
, k = 1, 2, . . . , n, que sao os zeros de (x), sao, tambem,
os zeros de P
n
(x). Como, P

n
(x) = c
n

(x), obtemos a seguinte


expressao para os pesos W
n,k
:
W
n,k
=
1
P

n
(x
n,k
)
_
b
a
P
n
(x)
x x
n,k
w(x)dx, k = 1, . . . , n, (3.2.1)
onde P
n
(x) P
n
(x)

n=0
que e uma sequencia de polin omios or-
togonais em (a, b), em rela cao `a funcao peso w(x).
2. Sabemos que os polin omios associados aos ortogonais sao deni-
dos por
Q
n
(x) =
_
b
a
P
n
(y) P
n
(x)
y x
w(y)dy,
onde Q
n
(x) e de grau n1. Logo, Q
n
(x
n,k
) =
_
b
a
P
n
(y)
y x
n,k
w(y)dy.
114 Quadratura Gaussiana
Portanto, de (3.2.1), temos
W
n,k
=
Q
n
(x
n,k
)
P

n
(x
n,k
)
, k = 1, . . . , n.
3. Seja P

n
(x) uma SPO

, sabemos que P

n
(x) =
P
n
(x)
|P
n
(x)|
e que
a

n,n
=
a
n,n
|P
n
(x)|
, onde |P
n
(x)| =
_
P
n
, P
n
. De (3.2.1), temos
W
n,k
=
1
P

n
(x
n,k
)
_
b
a
P

n
(x)
x x
n,k
w(x)dx. (3.2.2)
Sabemos que P

n
(x) satisfaz `a Identidade de Christoel-Darboux:
n

j=0
P

j
(x)P

j
(y) =
1

n+1
P

n+1
(x)P

n
(y) P

n
(x)P

n+1
(y)
x y
.
Fazendo y = x
n,k
, obtemos
n1

j=0
P

j
(x)P

j
(x
n,k
) =
1

n+1
P

n
(x)P

n+1
(x
n,k
)
x x
n,k
,
e, assim,
P

n
(x)
x x
n,k
=

n+1
P

n+1
(x
n,k
)
n1

j=0
P

j
(x)P

j
(x
n,k
). (3.2.3)
Substituindo (3.2.3) em (3.2.2), obtemos
W
n,k
=

n+1
P

n
(x
n,k
)P

n+1
(x
n,k
)
n1

j=0
_
b
a
P

j
(x)P

j
(x
n,k
)w(x)dx
=

n+1
P

n
(x
n,k
)P

n+1
(x
n,k
)
_
b
a
P

0
(x)P

0
(x
n,k
)w(x)dx
=

n+1
P

n
(x
n,k
)P

n+1
(x
n,k
)
, k = 1, 2, ..., n.
Introdu c ao 115
Portanto,
W
n,k
=
a

n+1,n+1
a

n,n
P

n
(x
n,k
)P

n+1
(x
n,k
)
, k = 1, . . . , n. (3.2.4)
4. Substituindo-se n por n1 na Identidade de Christoel-Darboux
e procedendo da mesma forma encontramos
W
n,k
=
a

n,n
a

n1,n1
P

n
(x
n,k
)P

n1
(x
n,k
)
, k = 1, . . . , n. (3.2.5)
Como P

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

n,n
=
a
n,n
|P
n
(x)|
, de (3.2.5) obtemos
W
n,k
=
a
n,n
P
n1
, P
n1

a
n1,n1
P

n
(x
n,k
)P
n1
(x
n,k
)
, k = 1, . . . , n. (3.2.6)
Para demonstrarmos o teorema do erro na quadratura gaussiana,
necessitaremos do lema a seguir.
Lema 3.1. Seja f uma fun cao contnua em [a, b] e p(x) uma fun cao
integravel em [a, b] com
_
b
a
p(x)dx > 0. Ent ao, existe c [a, b] tal que
_
b
a
f(x)p(x)dx = f(c)
_
b
a
p(x)dx.
Demonstracao: Como f e contnua em [a, b], que e um compacto,
entao f atinge um m aximo M e um mnimo m em [a, b]. Logo,
m f(x) M,
para x [a, b]. Entao,
p(x)m p(x)f(x) p(x)M
o que implica que
m
_
b
a
p(x)dx
_
b
a
p(x)f(x)dx M
_
b
a
p(x)dx.
116 Quadratura Gaussiana
Logo,
m
_
b
a
p(x)f(x)dx
_
b
a
p(x)dx
M.
Portanto, pelo Teorema do Valor Intermediario, existe c [a, b] tal
que
f(c) =
_
b
a
p(x)f(x)dx
_
b
a
p(x)dx
.
Analisaremos, agora, a precisao das formulas de quadratura gaus-
sianas com n nos. Observe que sao exatas para polin omios de graus
2n 1, enquanto que as formulas de Newton-Cotes com o mesmo
n umero de pontos sao exatas para polin omios de graus n 1 ou
n, dependendo se n e par ou mpar.
Teorema 3.4. [Teorema Geral do Erro] Considere a formula de
quadratura dada por (3.1.2) com pesos e nos como nas observacoes
acima. Se f(x) C
2n
[a, b], entao
E
n
(f) =
_
b
a
f(x)w(x)dx
n

k=1
W
n,k
f(x
n,k
)
=
f
(2n)
()
(2n)!
_
b
a

2
(x)w(x)dx, a < < b.
Demonstracao: Da equa cao (3.1.2), temos que
E
n
(f) =
_
b
a
f(x)w(x)dx
n

k=1
W
n,k
f(x
n,k
).
Sabemos que o polin omio de interpolacao de Hermite 1
2n1
(x),
dado por (1.3.9), e de grau no m aximo 2n 1 e satisfaz
_
_
_
1
2n1
(x
n,i
) = y
n,i
= f(x
n,i
),
i = 1, . . . , n.
1

2n1
(x
n,i
) = y

n,i
= f

(x
n,i
),
(3.2.7)
Introdu c ao 117
Pelo Teorema 1.8, vimos que
R
2n1
(x) = f(x) 1
2n1
(x) =

2
(x)
(2n)!
f
(2n)
(
x
). (3.2.8)
Integrando (3.2.8) em rela cao `a funcao peso w(x), obtemos
_
b
a
R
2n1
(x)w(x)dx =
_
b
a
(f(x) 1
2n1
(x))w(x)dx
=
_
b
a
f(x)w(x)dx
_
b
a
1
2n1
(x)w(x)dx.
e, assim,
_
b
a
f
(2n)
(
x
)
(2n)!

2
(x)w(x)dx =
_
b
a
f(x)w(x)dx
_
b
a
1
2n1
(x)w(x)dx.
Como 1
2n1
(x) e de grau no m aximo 2n1, a formula de quadra-
tura gaussiana e exata para esse polin omio. Logo,
_
b
a
f(x)w(x)dx =
n

k=1
W
n,k
1
2n1
(x
n,k
) +
_
b
a
f
(2n)
(
x
)
(2n)!

2
(x)w(x)dx.
Mas, de (3.2.7), 1
2n1
(x
n,k
) = f(x
n,k
), k = 1, 2, . . . , n, e a equa cao
acima pode ser dada por
_
b
a
f(x)w(x)dx =
n

k=1
W
n,k
f(x
n,k
) +
_
b
a
f
(2n)
(
x
)
(2n)!

2
(x)w(x)dx.
Logo,
E
n
(f) =
_
b
a
f
(2n)
(
x
)
(2n)!

2
(x)w(x)dx.
Como f(x) C
2n
[a, b], entao f
(2n)
(x) e contnua e, alem disso,
g(x) =
2
(x)w(x) 0 com
_
b
a
g(x)dx > 0. Assim, pelo lema anterior,
[a, b] tal que
_
b
a
f
(2n)
(
x
)
2
(x)w(x)dx = f
(2n)
()
_
b
a

2
(x)w(x)dx.
118 Quadratura Gaussiana
Portanto,
E
n
(f) =
f
(2n)
()
(2n)!
_
b
a

2
(x)w(x)dx.
3.3 Exemplos
3.3.1 Formulas de Quadratura de Gauss-Legendre
Consideremos formulas de quadratura da seguinte forma
_
1
1
f(x)dx =
n

k=1
W
n,k
f(x
n,k
) + E
n
.
Sabemos que os polin omios de Legendre P
n
(x) denidos em (2.5.11)
sao ortogonais com rela cao `a funcao peso w(x) = 1 no intervalo [1, 1].
Logo, para construirmos formulas de quadratura gaussianas para
o caso acima, devemos utilizar os zeros desses polin omios como nos e
calcular os pesos tambem utilizando-se os polin omios de Legendre.
Como exemplo, consideremos n = 3 e calculemos, entao, os pesos e
os nos da formula de quadratura acima. Sabemos que os nos x
3,1
, x
3,2
e x
3,3
sao os zeros do polin omio P
3
(x). Da rela cao de recorrencia
(2.5.12), obtemos
P
2
(x) =
3
2
x
2

1
2
e P
3
(x) =
5
2
x
3

3
2
x.
Logo,
x
3,1
=

15
5
, x
3,2
= 0, x
3,3
=

15
5
.
De (3.2.6) temos que os pesos sao dados por
W
3,k
=
a
3,3
P
2
, P
2

a
2,2
P

3
(x
3,k
)P
2
(x
3,k
)
, k = 1, 2, 3.
Exemplos 119
Como a
2,2
=
3
2
, a
3,3
=
5
2
, P
2
, P
2
=
2
5
e P

3
(x) =
15
2
x
2

3
2
, ob-
temos
W
3,k
=
2
3P

3
(x
3,k
)P
2
(x
3,k
)
, k = 1, 2, 3.
Logo,
W
3,1
=
5
9
, W
3,2
=
8
9
e W
3,3
=
5
9
.
Portanto, a formula de quadratura
_
1
1
f(x)dx =
5
9
f
_

15
5
_
+
8
9
f(0) +
5
9
f
_

15
5
_
+ E
3
(f)
e exata para polin omios de grau no m aximo 5, isto e, E
3
(f) = 0 se
f(x) P
5
.
Vamos comparar essa formula com a Regra 1/3 de Simpson, ambas
com 3 pontos. Vamos aproximar a integral
_
2
1
1
x
dx (3.3.1)
utilizando as duas regras.
Sabemos que, para utilizar a Quadratura de Gauss-Legendre, o
intervalo de integra cao deve ser [1, 1]. Vamos, entao, fazer a mudan ca
de variaveis x =
t+3
2
e obtemos
_
2
1
1
x
dx =
_
1
1
1
t + 3
dt. (3.3.2)
Aproximando (3.3.2) pela Quadratura de Gauss-Legendre com n =
3, obtemos
_
1
1
1
t + 3
dt
5
9
1

15
5
+ 3
+
8
9
1
0 + 3
+
5
9
1

15
5
+ 3
= 0.6931216931,
utilizando-se 10 dgitos signicativos de precisao.
120 Quadratura Gaussiana
Aproximemos, agora, a integral (3.3.1) pela Regra 1/3 de Simpson.
_
2
1
1
x
dx
1/2
3
_
1
1
+ 4
1
1 + 1/2
+
1
2
_
= 0.6944444444,
tambem com 10 dgitos signicativos de precisao.
O valor exato da integral (3.3.1), retendo-se apenas 10 dgitos sig-
nicativos de precisao, e 0.6931471806.
Comparando essas duas aproximacoes com o valor exato, observe
que com a Quadratura de Gauss-Legendre com n = 3 temos 4 dgitos
corretos, enquanto que com a Regra 1/3 de Simpson, tambem com 3
pontos, temos apenas 2.
3.3.2 Formulas de Quadratura de Gauss-Chebyshev
Consideremos, agora, formulas de quadratura da seguinte forma
_
1
1
f(x)
1

1 x
2
dx =
n

k=1
W
n,k
f(x
n,k
) + E
n
.
Sabemos que os polin omios de Chebyshev de 1
a
especie T
n
(x)
denidos em (2.5.13) sao ortogonais com rela cao `a funcao peso w(x) =
1

1 x
2
no intervalo [1, 1].
Portanto, para construirmos formulas de quadratura Gaussianas
para o caso acima, o adequado e utilizarmos esses polin omios para
obtermos os nos e os pesos.
De (2.5.14) sabemos que os zeros dos polin omios de Chebyshev sao
dados por
x
n,k
= cos
_
(2k 1)
2n
_
, k = 1, 2, ..., n,
e, ainda,
a
n,n
= 2
n1
e T
n
, T
n
=

2
, n 1.
Assim, de (3.2.6), temos
W
n,k
=
2
n1
T
n1
, T
n1

2
n2
T

n
(x
n,k
)T
n1
(x
n,k
)
=

T

n
(x
n,k
)T
n1
(x
n,k
)
k = 1, . . . , n.
Exerccios 121
Como
T

n
(x) =
n sen(n)
sen()
entao, para k = 1, 2, ..., n,
T

n
(x
n,k
) =
n sen(n
k
)
sen(
k
)
, onde
k
=
(2k 1)
2n
.
Mas,
T
n1
(x
n,k
) = cos((n 1)
k
) = cos(n
k
)cos(
k
) + sen(n
k
)sen(
k
)
= sen(n
k
)sen(
k
).
Logo,
T

n
(x
n,k
)T
n1
(x
n,k
) = nsen
2
(n
k
) = n(1 cos
2
(n
k
)) = n.
Da,
W
n,k
=

n
, k = 1, . . . , n, n 2.
Portanto, para n 2,
_
1
1
f(x)
1

1 x
2
dx =

n
n

k=1
f
_
cos
(2k 1)
2n
_
+ E
n
(f), (3.3.3)
com E
n
(f) = 0 sempre que f(x) P
2n1
.
Mas, (3.3.3) tambem vale quando n = 1, pois T
1
(x) = x, x
1,1
= 0
e
W
1,1
=
a
1,1
T
0
, T
0

a
0,0
T

1
(x
1,1
)T
0
(x
1,1
)
= .
Assim,
_
1
1
f(x)
1

1 x
2
dx = f
_
cos

2
_
+ E
1
(f) = f(0) + E
1
(f).
122 Quadratura Gaussiana
3.4 Exerccios
Exerccio 3.1. Mostre que se w(x) = w(x) e (a, b) = (b, b), entao
W
n,i
= W
n,ni+1
.
Exerccio 3.2. Mostre que, na Formula de Quadratura Gaussiana
(3.1.1),
n

n=1
W
n,k
=
0
,
onde
0
e o momento de ordem 0 denido na Denicao 1.18.
Exerccio 3.3. Determine a formula de integracao de Gauss para
integrar exatamente a fun cao f(x) no intervalo [1, 1], com relacao `a
fun cao peso w(x) =

1 x
2
quando f(x) for um polinomio de grau
2n 1.
Exerccio 3.4. A integral dupla pode ser obtida da seguinte maneira:
mantendo-se x constante, integra-se aproximadamente em relacao a y
por alguma regra de quadratura. Em seguida, a integral em relacao a
x e tambem aproximada por uma regra de quadratura. Sabendo-se que
f(x, y) =
1
x + y
aproxime
I =
_
2
1
_
3
2
f(x, y)dydx,
usando as regras de quadratura de Gauss mais adequadas com tres
pontos com relacao a x e com dois pontos com relacao a y.
Exerccio 3.5. Use a Regra de quadratura de Gauss mais apropriada
para aproximar a area da gura formada pelas curvas g
1
(x) e g
2
(x)
dadas abaixo e as retas x = 0 e x = 2.
_
g
1
(x) = x(x
2
1)
g
2
(x) = 1 x
2
Exerccio 3.6. Use as regras de quadratura de Gauss mais adequadas
para resolver os tens abaixo.
Exerccios 123
a) Sabendo que (x) =
_

0
t
x1
e
t
dt, calcule (4).
b) Calcule
_

sin
4
d.
Exerccio 3.7. Obtenha a regra de quadratura gaussiana que integre
exatamente
I =
_
1
1
f(x)x
2
dx
quando f(x) for um polinomio de grau 2.
Exerccio 3.8. Encontrar a formula de quadratura de Gauss-Legendre
com n = 4 e n = 5.
Exerccio 3.9. Calcular
_
1
1
(x
5
+ 2x
4
)dx e
_
2
1
1
x
dx
pela formula de quadratura mais adequada obtida no exerccio ante-
rior.
Exerccio 3.10. Fazer o mesmo que o Exerccio 3.8 para os po-
linomios ortogonais de Hermite.
Exerccio 3.11. Use a quadratura de Gauss mais adequada para apro-
ximar as integrais
i)
_

x
3
e
(x
2
2x+1)
dx, ii)
_
1
1
_
1
2 + 2x
+
1
2 2x
_
1/2
dx.
Use as tabelas constantes dos Apendices 1 a 4.
Exerccio 3.12. Obtenha a Regra de Quadratura Gaussiana da forma
_
1
0
f(x)xdx =
n

k=1
W
k
f(x
k
) + E
n
(f),
que seja exata para f(x) P
3
.
124 Quadratura Gaussiana
Apendice 1
Daremos, aqui, os valores dos pesos W
n,k
e dos nos x
n,k
para Formulas
de Quadratura da forma
_
1
1
f(x)dx
n

k=1
W
n,k
f(x
n,k
),
que sao exatas para f(x) P
2n1
. Essas formulas foram discutidas na
Se cao 3.2. Para mais detalhes sobre essas Formulas de Quadratura,
sugerimos os textos [9, 10, 29].
Os pesos W
n,k
e os nos x
n,k
sao simetricos com rela cao a x = 0, isto
e,
W
n,k
= W
n,nk+1
, x
n,k
= x
n,nk+1
.
Por essa razao, as tabelas a seguir dar ao apenas os valores dos nos
que pertencem ao intervalo [0, 1) e os correspondentes pesos.
Os calculos foram feitos usando-se o software MAPLE 3 com 100
dgitos signicativos de precisao e informamos apenas os 25 primeiros.
Para tabelas com mais valores de nos e pesos, recomendamos o livro
de Krylov [20].
x
n,k
W
n,k
n = 2
.5773502691896257645091488 1.000000000000000000000000
126 Apendice 1
x
n,k
W
n,k
n = 3
0.0000000000000000000000000 0.8888888888888888888888889
0.7745966692414833770358531 0.5555555555555555555555556
n = 4
0.3399810435848562648026658 0.6521451548625461426269361
0.8611363115940525752239465 0.3478548451374538573730639
n = 5
0.0000000000000000000000000 0.5688888888888888888888889
0.5384693101056830910363144 0.4786286704993664680412915
0.9061798459386639927976269 0.2369268850561890875142640
n = 6
0.2386191860831969086305017 0.4679139345726910473898703
0.6612093864662645136613996 0.3607615730481386075698335
0.9324695142031520278123016 0.1713244923791703450402961
n = 7
0.0000000000000000000000000 0.4179591836734693877551020
0.4058451513773971669066064 0.3818300505051189449503698
0.7415311855993944398638648 0.2797053914892766679014678
0.9491079123427585245261897 0.1294849661688696932706114
Gauss-Legendre 127
x
n,k
W
n,k
n = 8
0.1834346424956498049394761 0.3626837833783619829651504
0.5255324099163289858177390 0.3137066458778872873379622
0.7966664774136267395915539 0.2223810344533744705443560
0.9602898564975362316835609 0.1012285362903762591525313
n = 9
0.0000000000000000000000000 0.3302393550012597631645251
0.3242534234038089290385380 0.3123470770400028400686304
0.6133714327005903973087020 0.2606106964029354623187429
0.8360311073266357942994298 0.1806481606948574040584720
0.9681602395076260898355762 (-1)0.8127438836157441197189216
n = 10
0.1488743389816312108848260 0.2955242247147528701738930
0.4333953941292471907992659 0.2692667193099963550912269
0.6794095682990244062343274 0.2190863625159820439955349
0.8650633666889845107320967 0.1494513491505805931457763
0.9739065285171717200779640 (-1)0.6667134430868813759356881
128 Apendice 1
Apendice 2
Neste apendice, daremos os valores dos pesos W
n,k
e dos nos x
n,k
para
f ormulas de quadratura da forma
_

0
f(x)e
x
dx
n

k=1
W
n,k
f(x
n,k
),
que sao exatas para f(x) P
2n1
. Essas formulas foram discutidas na
Se cao 3.2. As tabelas a seguir dar ao apenas os valores para = 0.
Os calculos foram feitos usando-se o software MAPLE 3 com 100
dgitos signicativos de precisao e informamos apenas os 25 primeiros.
Para tabelas com mais valores de nos e pesos, recomendamos o livro
de Krylov [20].
Para mais detalhes sobre essas Formulas de Quadratura, sugerimos
os textos [9, 10, 29].
x
n,k
W
n,k
n = 1
1.000000000000000000000000 1.000000000000000000000000
130 Apendice 2
x
n,k
W
n,k
n = 2
0.5857864376269049511983113 0.8535533905932737622004222
3.414213562373095048801689 0.1464466094067262377995778
n = 3
0.4157745567834790833115339 0.7110930099291730154495902
2.294280360279041719822050 0.2785177335692408488014449
6.289945082937479196866416 (-1)0.1038925650158613574896492
n = 4
0.3225476896193923118003615 0.6031541043416336016359660
1.745761101158346575686817 0.3574186924377996866414920
4.536620296921127983279285 (-1)0.3888790851500538427243817
9.395070912301133129233536 (-3)0.5392947055613274501037906
n = 5
0.2635603197181409102030619 0.5217556105828086524758609
1.413403059106516792218408 0.3986668110831759274541333
3.596425771040722081223187 (-1)0.7594244968170759538765331
7.085810005858837556922124 (-2)0.3611758679922048454461263
12.64080084427578265943322 (-4)0.2336997238577622789114908
n = 6
0.2228466041792606894643548 0.4589646739499635935682849
Gauss-Laguerre 131
x
n,k
W
n,k
n = 6
(continuacao)
1.188932101672623030743151 0.4170008307721209941133776
2.992736326059314077691325 0.1133733820740449757387062
5.775143569104510501839830 (-1)0.1039919745314907489891330
9.837467418382589917715547 (-3)0.2610172028149320594792429
15.98287398060170178254579 (-6)0.8985479064296212388252921
n = 7
0.1930436765603624138382479 0.4093189517012739021304329
1.026664895339191950345199 0.4218312778617197799292810
2.567876744950746206907786 0.1471263486575052783953742
4.900353084526484568101714 0.02063351446871693986570561
8.182153444562860791081828 (-2)0.1074010143280745522131960
12.73418029179781375801264 (-4)0.1586546434856420126873262
19.39572786226254031171258 (-7)0.3170315478995580562271322
n = 8
0.1702796323051009997888619 0.3691885893416375299205828
0.9037017767993799121860202 0.4187867808143429560769786
2.251086629866130689307118 0.1757949866371718056996599
4.266700170287658793649422 (-1)0.3334349226121565152213253
7.045905402393465697279325 (-2)0.2794536235225672524938924
10.75851601018099522405996 (-4)0.9076508773358213104238501
15.74067864127800457802876 (-6)0.8485746716272531544868018
22.86313173688926410570053 (-8)0.1048001174871510381615089
132 Apendice 2
x
n,k
W
n,k
n = 9
0.1523222277318082474281071 0.3361264217979625196734677
0.8072200227422558477414192 0.4112139804239843873091469
2.005135155619347122983033 0.1992875253708855808605756
3.783473973331232991675406 (-1)0.4746056276565159926211636
6.204956777876612606973535 (-2)0.5599626610794583177004199
9.372985251687576201809710 (-3)0.3052497670932105663054128
13.46623691109209357109788 (-5)0.6592123026075352392255723
18.83359778899169661414990 (-7)0.4110769330349548442902410
26.37407189092737679614100 (-10)0.3290874030350707576466814
n = 10
0.1377934705404924308307725 0.3084411157650201415474708
0.7294545495031704981603731 0.4011199291552735515157803
1.808342901740316048232920 0.2180682876118094215886485
3.401433697854899514482532 (-1)0.6208745609867774739290213
5.552496140063803632417558 (-2)0.9501516975181100553839072
8.330152746764496700238767 (-3)0.7530083885875387754559644
11.84378583790006556491854 (-4)0.2825923349599565567422564
16.27925783137810209953265 (-6)0.4249313984962686372586577
21.99658581198076195127709 (-8)0.1839564823979630780921535
29.92069701227389155990879 (-12)0.9911827219609008558377547
Apendice 3
Daremos, aqui, os valores dos pesos W
n,k
e dos nos x
n,k
das Formulas
de Quadratura Gaussianas associadas aos polin omios classicos Hermite
da forma
_

f(x)e
x
2
dx
n

k=1
W
n,k
f(x
n,k
),
que sao exatas para f(x) P
2n1
. Essas formulas foram discutidas na
Se cao 3.2. Para mais detalhes sobre essas Formulas de Quadratura,
sugerimos os textos [9, 10, 29].
Como no caso do Apendice 1, aqui tambem os pesos W
n,k
e os nos
x
n,k
sao simetricos com rela cao a x = 0,
W
n,k
= W
n,nk+1
, x
n,k
= x
n,nk+1
.
Por essa razao, as tabelas a seguir dar ao apenas os valores dos nos que
pertencem ao intervalo [0, ) e os correspondentes pesos.
Os calculos foram feitos usando-se o software MAPLE 3 com 100
dgitos signicativos de precisao e informamos apenas os 25 primeiros.
Para tabelas com mais valores de nos e pesos, recomendamos o livro
de Krylov [20].
134 Apendice 3
x
n,k
W
n,k
n = 1
0.000000000000000000000000 1.772453850905516027298167
n = 2
0.7071067811865475244008444 0.8862269254527580136490837
n = 3
0.000000000000000000000000 1.181635900603677351532112
1.224744871391589049098642 0.2954089751509193378830279
n = 4
0.5246476232752903178840603 0.8049140900055128365060492
1.650680123885784555883341 (-1)0.8131283544724517714303456
n = 5
0.0000000000000000000000000 0.9453087204829418812256893
0.9585724646138185071127706 0.3936193231522411598284956
2.020182870456085632928724 (-1)0.1995324205904591320774346
n = 6
0.4360774119276165086792159 0.7246295952243925240919147
1.335849074013696949714895 0.1570673203228566439163116
2.350604973674492222833922 (-2)0.4530009905508845640857473
Gauss-Hermite 135
x
n,k
W
n,k
n = 7
0.0000000000000000000000000 0.8102646175568073267648766
0.8162878828589646630387110 0.4256072526101278005203175
1.673551628767471445031801 (-1)0.5451558281912703059217857
2.651961356835233492447082 (-3)0.9717812450995191541494243
n = 8
0.3811869902073221168547189 0.6611470125582412910304160
1.157193712446780194720766 0.2078023258148918795432586
1.981656756695842925854631 (-1)0.1707798300741347545620306
2.930637420257244019223503 (-3)0.1996040722113676192060905
n = 9
0.0000000000000000000000000 0.7202352156060509571243347
0.7235510187528375733226399 0.4326515590025557501998121
1.468553289216667931667016 (-1)0.8847452739437657328797511
2.266580584531843111802097 (-2)0.4943624275536947217224566
3.190993201781527607230048 (-4)0.3960697726326438190458629
n = 10
0.3429013272237046087891650 0.6108626337353257987835650
1.036610829789513654177492 0.2401386110823146864165233
1.756683649299881773451401 (-1)0.3387439445548106313616473
2.532731674232789796408961 (-2)0.1343645746781232692201566
3.436159118837737603326725 (-5)0.7640432855232620629159368
136 Apendice 3
Apendice 4
Daremos, aqui, as Formulas de Quadratura Gaussianas associadas aos
polin omios classicos de Chebyshev
de 1
a
especie:
_

f(x)
1

1 x
2
dx
n

k=1
W
n,k
f(x
n,k
),
e de 2
a
especie:
_

f(x)

1 x
2
dx
n

k=1
W
n,k
f(x
n,k
),
que sao exatas para f(x) P
2n1
. Essas formulas foram discutidas na
Se cao 3.2. Para mais detalhes sobre essas Formulas de Quadratura,
sugerimos os textos [9, 10, 29].
Nesses dois casos, os pesos W
n,k
e os nos x
n,k
sao dados explicita-
mente. As duas formulas acima sao dadas, respectivamente, por:
_

f(x)
1

1 x
2
dx

n
n

k=1
f
_
cos
(2k 1)
2n
_
e
_

f(x)

1 x
2
dx

n + 1
n

k=1
sen
2
_
k
n + 1
_
f
_
cos
k
n + 1
_
.
Veja Subsecao 3.3.2 e Exerccio 3.3.
138 Apendice 4
Bibliograa
[1] R.P. Agarwal, G.V. Milovanovic, Extremal problems, inequali-
ties, and classical orthogonal polynomials, Applied Mathematics
and Computation, 128 (2002), 151-166.
[2] E.X.L. Andrade, Sobre Polin omios Similares aos Ortogonais
Associados a uma Classe Especial de Distribuicoes, Tese de
doutorado, IMECC, UNICAMP, Campinas, SP, 1995.
[3] G.E. Andrews, R. Askey, R. Roy, Special Functions, Encyclo-
pedia of Mathematics and Applications, Cambridge Universty
Press, 1999.
[4] R.G. Bartle, Elementos de An alise Real, Editora Campus
Ltda., Rio de Janeiro, 1983.
[5] R.L. Burden, J.D. Faires, A.C. Reynolds, Numerical Analysis,
Prindle, Weber & Achmidt, Inc., Boston, 1978.
[6] T.S. Chihara, An Introduction to Orthogonal Polynomials,
Mathematics and its Applications Series, Gordon and Breach,
New York, 1978.
[7] S.D. Conte, Elementary Numerical Analysis, McGraw-Hill,
Inc., Tokio, 1965.
[8] P.J. Davis, Interpolation and Approximation, Blaisdell Pu-
blishing Co., 1963.
[9] P.J. Davis, P. Rabinowitz, Numerical Integration, Blaisdell
Publishing Co., 1967.
139
140 Bibliograa
[10] P.J. Davis, P. Rabinowitz, Methods of Numerical Integrations,
Academic Press, New York, 1975.
[11] V.N. Faddeva, Computational Methods of Linear Algebra, Do-
ver Publications, Inc., N.Y., 1959.
[12] D.G. Figueiredo, An alise I, LTC Editora S.A., Rio de Janeiro,
1975.
[13] W. Gautschi, Orthogonal polynomials - constructive theory and
applications, Journal of Computational and Applied Mathema-
tics, 12 e 13 (1985), 61-76.
[14] I.M. Gelfand, Lectures Notes on Linear Algebra, Dover Pu-
blications, Inc., N.Y., 1989.
[15] G.H. Golub, C. Van Loan, Matrix Computations, 3
rd
ed.,
Johns Hopkins University Press, Baltimore, 1996.
[16] W. Greub, Linear Algebra, 4
th
ed., Graduate Texts in Mathe-
matics, No. 23, Springer-Verlag, New York-Berlin, 1975.
[17] P.R. Halmos, Finite-dimensional Vector Spaces, Undergra-
duate Texts in Mathematics, Springer-Verlag, New York-
Heidelberg, 1974.
[18] P. Henrici, Applied and Computational Complex Analysis,
vol.2, John Wiley & Sons, New York, 1977.
[19] K. Homan, R. Kunze, Linear Algebra, 2
nd
ed., Prentice-Hall,
Inc., Englewood Clis, N.J. 1971.
[20] V.I. Krylov, Approximate Calculation of Integrals, Macmillan,
New York, 1962.
[21] E.L. Lima, An alise Real, vol. 1: Funcoes de uma Variavel,
Colecao Matematica Universitaria, 10 ed., Rio de Janeiro:
IMPA, 2008.
[22] B. Noble, J.W. Daniel, Applied Linear Algebra, Prentice Hall,
Englewood Clis, New Jersey, 1977.
Bibliograa 141
[23] E.C. de Oliveira, Funcoes Especiais com Aplicacoes, Livraria
da Fsica-Editora da USP, Sao Paulo, SP, 2005.
[24] G.M. Phillips, P.J. Taylor, Theory and Applications of Nume-
rical Analysis, Academic Press, London, 1973.
[25] F.R. Rafaeli, Zeros de Polin omios Ortogonais na Reta Real,
Tese de doutorado, IMECC, UNICAMP, Campinas, SP, 2010.
[26] E.D. Rainville, Special Functions, The Macmillan Company,
New York, 1960.
[27] W. Rudin, Princpios de An alise Matematica, trad. E.R.H.
Brito, Ao Livro Tecnico, Rio de Janeiro, 1971.
[28] A. Sri Ranga, Polin omios Ortogonais e Similares, Tese de
Livre-Docencia, ICMC, USP, Sao Carlos, SP, 1990.
[29] A.H. Stroud, D. Secrest, Gaussian Quadrature Formulas,
Prentice Hall, Englewood Clis, New Jersey.
[30] G. Szego, Orthogonal Polynomials, American Math. Society,
Colloq. Publ., New York, 23, 1939.

Indice
Base, 18
Christoel-Darboux, 65
Identidade de, 65, 114
Formula Conuente, 69
Polin omios Monicos, 65
Polin omios Ortonormais, 68
Combinacao Linear, 16
Dependencia Linear, 16
Distribuicao, 45, 51
de Stieltjes, 46
Forte, 45
Medida, 51
Momentos, 45
Espa co Vetorial, 14
Formulas de Quadratura, 36
Gaussianas, 110
de Chebyshev, 120, 137
de Hermite, 133
de Laguerre, 129
de Legendre, 118, 125
Erro, 116
Nos, 113
Pesos, 112, 113, 115
Grau de Precisao, 38, 111
Interpolatorias, 36, 38, 111
Erro, 38, 39
Gaussianas, 110
Newton-Cotes, 39
Regra 1/3 de Simpson, 40
Regra 3/8 de Simpson, 40
Regra do Trapezio, 40
Funcao, 21
Beta, 24
Gama, 21
Gram-Schmidt, 18
Processo de Ortogonalizacao,
18, 52
Hankel, 57
Determinantes de, 57, 58
Hermite, 32
Interpolacao Polinomial, 32
Erro, 34
Integral, 41
de Riemann, 41
de Riemann-Stieltjes, 42
Parti cao, 41
Interpolacao Polinomial, 26
Erro, 29
Hermite, 32
Interpolacao de, 32
142
143
Lagrange, 30
Formula de, 31
Polin omios Fundamentais de,
31
Lagrange, 30
Formula de, 31, 37
Interpolacao Polinomial, 30
Polin omios Fundamentais de,
31
Leibnitz
Regra de, 96
Matriz, 13
de Jacobi, 68
Hermitiana, 13
Positiva-denida, 15
Quadrada, 13
Semi Positiva-denida, 15
Simetrica, 13
Transposta, 13
Newton-Cotes, 39
Formulas Fechadas de, 39
Regra 1/3 de Simpson, 40
Regra 3/8 de Simpson, 40
Regra do Trapezio, 40
Norma, 15
Ortogonalidade, 15
Polin omios Ortogonais, 51
de Chebyshev de 1
a
especie,
74, 87
Rela cao de Recorrencia, 88
de Chebyshev de 2
a
especie,
74, 92
Rela cao de Recorrencia, 92
de Gegenbauer, 74, 86
Rela cao de Recorrencia, 87
de Hermite, 74, 102
Formula de Rodrigues, 102
Rela cao de Recorrencia, 102,
103
de Jacobi, 74, 75
Formula de Rodrigues, 75
Rela cao de Recorrencia, 78
de Laguerre, 74, 96
Formula de Rodrigues, 96
Rela cao de Recorrencia, 100
de Legendre, 74, 84
Formula de Rodrigues, 84
Rela cao de Recorrencia, 85
Existencia, 58
Funcao Peso, 51
Monicos, 62
Rela cao de Recorrencia, 62,
63
Ortonormais, 52, 66
Rela cao de Recorrencia, 66,
67
Sequencias, 52
Rela cao de Recorrencia, 60
Coecientes, 60
Sequencia, 52
Simetricos, 72
Ultrasfericos, 86
Zeros, 64, 69, 70, 111
Autovalores, 65, 68
Produto Escalar, 14
Produto Interno, 14
Regra de Leibnitz, 96
144
Riemann, 41
Integral de, 41
Riemann-Stieltjes, 42
Integral de, 42
Rolle, 30
Teorema de, 30, 35
Simpson, 40
Regra 1/3 de, 40
Regra 3/8 de, 40
Teorema, 35
de Rolle, 30
Valor Medio, 43
Trapezio, 40
Regra do, 40
Vandermonde, 26
Determinante de, 26
Matriz de, 26