CENTRO FEDERAL DE EDUCAO

TECNOLGICA DE MINAS GERAIS

Diretoria de Pesquisa e Ps-Graduao

Programa de Ps-Graduao em Modelagem

Matemtica e Computacional

QUADRATURA DE GAUSS
ITERATIVA COM BASE NOS
POLINMIOS ORTOGONAIS
CLSSICOS
Dissertao de Mestrado, submetida ao Programa de
Ps-Graduao em Modelagem Matemtica e Computacional, como parte dos requisitos exigidos para
a obteno do ttulo de Mestre em Modelagem
Matemtica e Computacional.

Aluno:

Loureno de Lima Peixoto (Licenciado em Matemtica - UFU)

Orientador:

Prof. Dr. Joo Francisco de Almeida Vitor (CEFET-MG)

Co-Orientador:

Prof. Dr. Frederico Ferreira Campos, lho (UFMG)

Belo Horizonte, 9 de dezembro, 2008.

Agradecimentos

Primeiramente a Deus, pela oportunidade de realizar este trabalho.

Aos meus queridos pais Antnio Carlos e Mrcia, ao Geraldinho e Melina. Sem
vocs eu nada seria.
minha tia Marta pelo apoio desde os tempos da faculdade.
Aos demais familiares e amigos que, de perto ou de longe, tambm acompanharam-me
nos momentos difceis.
Agradeo pela compreenso de todos vocs durante os muitos perodos de minha
ausncia em virtude deste trabalho.
Ao caro professor Joo Francisco pelo estmulo e por acreditar em mim desde o
comeo. Especialmente, por permitir que minha pesquisa percorresse o campo da Anlise
Numrica, assunto que despertou-me interesse desde a graduao.
Ao estimado professor Frederico pela amizade, por todo incentivo desde o primeiro
instante, pela dedicao, pela sintonia, pela fora e por tudo mais que me fez crescer. A
ele, toda minha gratido.
Aos meus colegas Neila, Tatiane, Jos Hlio, Emerson, Sinaide, Jos Srgio, Bruno,
Marta e outros.
vida por ter colocado todas essas pessoas no meu caminho.
A todos, meu sinceros agradecimentos.
CAPES pelo auxlio nanceiro.

ii

"Os nossos problemas

no podem ser resolvidos no mesmo
nvel de pensamento com os quais os criamos."

Albert Einstein

iii

Resumo
Freqentemente as integrais denidas so usadas como ferramentas essenciais na resoluo de problemas de natureza matemtica, fsica, computacional, dentre outras. No
entanto, comum deparar-se com integrais de funes que no possuem antiderivada explcita ou cuja antiderivada no simples de se obter. Nestas situaes conveniente fazer
uso das quadraturas. A quadratura de Gauss utiliza os zeros dos polinmios ortogonais
como sendo os pontos do somatrio e os coecientes deste ltimo so obtidos por resultados relacionados aos polinmios. Neste trabalho, so apresentados os polinmios ortogonais clssicos e as quadraturas de Gauss com base sobre estes: Gauss-Legendre, GaussLaguerre, Gauss-Laguerre generalizada, Gauss-Hermite, Gauss-Jacobi, Gauss-Chebyshev
de 1a e de 2a espcies e Gauss-Gegenbauer. So desenvolvidos os algoritmos para as
quadraturas e suas respectivas implementaes. Para a obteno dos zeros e dos coecientes so apresentadas duas classes de algoritmos, as quais tm ecincias comparadas
em cada uma das quadraturas. Elabora-se um mtodo que identica a quadratura com
os respectivos algoritmos mais ecientes. Fundamentado num esquema de integrao iterativo e no-adaptativo proposto por Campos (2007), apresenta-se a quadratura iterativa
de Gauss: uma regra de integrao que fornece o resultado de uma quadratura com uma
tolerncia predenida para o erro. Sobre a quadratura iterativa so realizados vrios clculos de integrais com diversos tipos de funes.
Palavras-chave: polinmios ortogonais, quadratura de Gauss, integrao iterativa.

iv

Abstract
Frequently the denite integrals are used like essential tools in the resolution of problems of mathematical, physical, computational nature, among others. Although, it is
common to come across integrals of functions that have not explicit antiderivative or
whose antiderivative is not simple to be obtained. In these situations it is convenient
the use of the quadratures. The Gaussian quadrature uses the zeros of the orthogonal
polynomials like being the points of the sum and the coecients of this last are obtained
by results related to the polynomials. This work presents the classical orthogonal polynomials and then Gaussian quadrature based on these: Gauss-Legendre, Gauss-Laguerre,
generalized Gauss-Laguerre, Gauss-Hermite, Gauss-Jacobi, Gauss-Chebyshev of 1st and
of 2nd kinds and Gauss-Gegenbauer. The algorithms are developed for the quadratures
and it's respective implementations. For the attainment of zeros and of the coecients
two classes of algorithms are presented, and they have eciencies compared in each one
of quadratures. It elaborates a method that identies the quadrature in respect with a
more ecient algorithms. Based on a scheme of integration iterative and nonadaptive
introduced by Campos (2007), it presents the iterative Gaussian quadrature: a rule of
integration that supplies the result of a quadrature with one tolerance predened for the
error. Upon the iterative quadrature several calculations of integrals are carried out with
several types of functions.
Keywords: orthogonal polynomials, Gaussian quadrature, iterative integration.

Sumrio
Lista de Figuras

p. ix

Lista de Tabelas

p. xiii

1 Introduo

p. 1

1.1

A quadratura numrica . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 1

1.2

A relao entre polinmios ortogonais e quadratura de Gauss . . . . . .

p. 3

1.2.1

Diferentes algoritmos para zeros e coecientes . . . . . . . . . .

p. 3

1.3

O erro de uma quadratura . . . . . . . . . . . . . . . . . . . . . . . . .

p. 4

1.4

Descrio dos prximos captulos . . . . . . . . . . . . . . . . . . . . .

p. 5

2 Polinmios ortogonais

p. 6

2.1

Propriedades

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

2.2

Polinmios de Legendre

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

p. 23

2.3

Polinmios de Laguerre generalizados . . . . . . . . . . . . . . . . . . .

p. 28

2.4

Polinmios de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 32

2.5

Polinmios de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 34

2.6

Polinmios de Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 37

2.7

Polinmios de Chebyshev de 1a espcie . . . . . . . . . . . . . . . . . .

p. 41

2.8

Polinmios de Chebyshev de 2a espcie . . . . . . . . . . . . . . . . . .

p. 46

2.9

Polinmios de Gegenbauer . . . . . . . . . . . . . . . . . . . . . . . . .

p. 50

3 Interpolao e quadratura de Hermite

p. 6

p. 54

3.1

Interpolao de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 54

3.2

Quadratura de Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 58

4 Quadratura de Gauss

p. 60

4.1

Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 60

4.2

Quadratura de Gauss-Legendre . . . . . . . . . . . . . . . . . . . . . .

p. 68

4.3

Quadratura de Gauss-Laguerre generalizada . . . . . . . . . . . . . . .

p. 69

4.4

Quadratura de Gauss-Laguerre

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

p. 70

4.5

Quadratura de Gauss-Hermite . . . . . . . . . . . . . . . . . . . . . . .

p. 71

4.6

Quadratura de Gauss-Jacobi . . . . . . . . . . . . . . . . . . . . . . . .

p. 72

4.7

Quadratura de Gauss-Chebyshev de 1a espcie . . . . . . . . . . . . . .

p. 73

4.8

Quadratura de Gauss-Chebyshev de 2a espcie . . . . . . . . . . . . . .

p. 75

4.9

Quadratura de Gauss-Gegenbauer . . . . . . . . . . . . . . . . . . . . .

p. 77

5 Algoritmos e implementaes da quadratura de Gauss

p. 80

5.1

Algoritmos para zeros xi e coecientes Hi . . . . . . . . . . . . . . . . .

p. 80

5.2

Transferncia de intervalos . . . . . . . . . . . . . . . . . . . . . . . . .

p. 89

5.2.1

Quadraturas de Gauss no intervalo [c, d] . . . . . . . . . . . . .

p. 89

5.2.2

Quadratura de Gauss no intervalo [c, ) . . . . . . . . . . . . .

p. 91

5.3

Algoritmos para integrao numrica . . . . . . . . . . . . . . . . . . .

p. 92

5.4

Implementaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 96

5.4.1

Algumas consideraes sobre o erro . . . . . . . . . . . . . . . .

p. 96

5.4.2

Gauss-Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 97

5.4.3

Gauss-Laguerre generalizada . . . . . . . . . . . . . . . . . . . .

p. 98

5.4.4

Gauss-Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 99

5.4.5

Gauss-Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 100

5.4.6

Gauss-Jacobi . . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 101

vii

5.4.7

Gauss-Chebyshev de 1a espcie . . . . . . . . . . . . . . . . . .

p. 102

5.4.8

Gauss-Chebyshev de 2a espcie . . . . . . . . . . . . . . . . . .

p. 103

5.4.9

Gauss-Gegenbauer . . . . . . . . . . . . . . . . . . . . . . . . .

p. 104

Algoritmos e implementaes via matriz de Jacobi . . . . . . . . . . . .

p. 105

5.5.1

Implementaes . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 109

5.6

Validao dos algoritmos para zeros e coecientes . . . . . . . . . . . .

p. 113

5.7

A escolha do mtodo mais eciente . . . . . . . . . . . . . . . . . . . .

p. 116

5.7.1

Mtodo mais eciente para integrao numrica . . . . . . . . .

p. 118

5.7.2

Casos especiais de integrando no innito . . . . . . . . . . . . .

p. 119

5.5

6 Quadratura iterativa
gauss_iterativo

p. 121

6.1

Algoritmo

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

p. 121

6.2

Programa QUAD_ITER . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 126

6.2.1

p. 131

Um caso especial . . . . . . . . . . . . . . . . . . . . . . . . . .

7 Concluses gerais e futuros trabalhos

p. 133

7.1

Contribuio da quadratura iterativa . . . . . . . . . . . . . . . . . . .

p. 133

7.2

Contribuies prticas deste trabalho . . . . . . . . . . . . . . . . . . .

p. 134

7.3

Zeros e coecientes da quadratura de Gauss . . . . . . . . . . . . . . .

p. 135

7.4

Comparaes entre quadraturas . . . . . . . . . . . . . . . . . . . . . .

p. 136

7.5

Trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 137

Referncias

p. 140

viii

Lista de Figuras
b

f (x) dx = rea. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 2

Aproximao da integral por retngulos de base Hi e altura f (xi ). . . .

p. 3

Polinmios de Legendre de grau at 5. . . . . . . . . . . . . . . . . . .

p. 25

Polinmios de Laguerre generalizados de grau at 5 com = 1. . . . . .

p. 30

Polinmios de Laguerre de grau at 5. . . . . . . . . . . . . . . . . . . .

p. 33

Polinmios de Hermite de grau at 4. . . . . . . . . . . . . . . . . . . .

p. 35

Polinmios de Chebyshev de 1a espcie de grau at 5. . . . . . . . . . .

p. 42

Polinmios de Chebyshev de 2a espcie de grau at 5. . . . . . . . . . .

p. 47

Algoritmo para xi e Hi de Gauss-Legendre. . . . . . . . . . . . . . . . .

p. 82

10

Algoritmo para xi e Hi de Gauss-Laguerre generalizada. . . . . . . . . .

p. 83

11

Algoritmo para xi e Hi de Gauss-Laguerre. . . . . . . . . . . . . . . . .

p. 84

12

Algoritmo para xi e Hi de Gauss-Hermite. . . . . . . . . . . . . . . . .

p. 85

13

Algoritmo para xi e Hi de Gauss-Jacobi. . . . . . . . . . . . . . . . . .

p. 86

14

Algoritmo para xi e Hi de Gauss-Chebyshev de 1a espcie. . . . . . . .

p. 87

15

Algoritmo para xi e Hi de Gauss-Chebyshev de 2a espcie. . . . . . . .

p. 87

16

Algoritmo para xi e Hi de Gauss-Gegenbauer. . . . . . . . . . . . . . .

p. 88

17

Transferncia do intervalo [c, d] para [1, 1] onde x =

2t c d
.. . . .
dc

p. 89

18

Transferncia do intervalo [c, ) para [0, ) onde x = t c. . . . . . .

p. 92

19

Algoritmo para quadratura de Gauss-Legendre. . . . . . . . . . . . . .

p. 93

20

Algoritmo para quadratura de Gauss-Laguerre generalizada. . . . . . .

p. 93

21

Algoritmo para quadratura de Gauss-Laguerre. . . . . . . . . . . . . . .

p. 93

1
a

22

Algoritmo para quadratura de Gauss-Hermite. . . . . . . . . . . . . . .

p. 94

23

Algoritmo para quadratura de Gauss-Jacobi. . . . . . . . . . . . . . . .

p. 94

24

Algoritmo para quadratura de Gauss-Chebyshev de 1a espcie. . . . . .

p. 94

25

Algoritmo para quadratura de Gauss-Chebyshev de 2a espcie. . . . . .

p. 95

26

Algoritmo para quadratura de Gauss-Gegenbauer. . . . . . . . . . . . .

p. 95

t sen(t) dt via Gauss-Legendre. . . . . . . . . . . . . . . . . . . . .

p. 97

t sen(15t) dt via Gauss-Legendre. . . . . . . . . . . . . . . . . . . .

p. 97

et t sen(t) dt via Gauss-Laguerre generalizada. . . . . . . . . . . . .

p. 98

et t sen(3t) dt via Gauss-Laguerre generalizada. . . . . . . . . . . .

p. 98

et cos(t) dt via Gauss-Laguerre. . . . . . . . . . . . . . . . . . . .

p. 99

et cos(3t) dt via Gauss-Laguerre. . . . . . . . . . . . . . . . . . . .

p. 99

sech3 (t) dt via Gauss-Hermite. . . . . . . . . . . . . . . . . . . . .

p. 100

sech4 (t) dt via Gauss-Hermite. . . . . . . . . . . . . . . . . . . . .

27

p. 100

0
2

28
0

29
0

30
0

31

32

33

34

1
2

35

dt via Gauss-Jacobi. . . . . . . . . . . . . . . . . . . . . . .

p. 101

dt via Gauss-Jacobi. . . . . . . . . . . . . . . . . . . . . . .

p. 101

dt via Gauss-Chebyshev de 1a espcie. . . . . . . . . . . .

p. 102

dt via Gauss-Chebyshev de 1a espcie. . . . . . . . . . . .

p. 102

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie. . . . . . . . . .

p. 103

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie. . . . . . . . . .

p. 103

1
2

0
1
2

36

t2

t2
1
2

0
1

37

t
7

t2

(1 t)t

0
1

38

t2

(1 t)t

0
1

39

0
1

40

((1 t)t) 2 t 2 dt via Gauss-Gegenbauer. . . . . . . . . . . . . . . . .

41

p. 104

0
1

42

((1 t)t)2 t 3 dt via Gauss-Gegenbauer. . . . . . . . . . . . . . . . .

p. 104

43

Algoritmo para xi e Hi de Gauss-Legendre pela matriz Jr . . . . . . . .

p. 105

44

Algoritmo para xi e Hi de Gauss-Laguerre generalizada pela matriz Jr .

p. 106

45

Algoritmo para xi e Hi de Gauss-Laguerre pela matriz Jr .

. . . . . . .

p. 106

46

Algoritmo para xi e Hi de Gauss-Hermite pela matriz Jr . . . . . . . . .

p. 106

47

Algoritmo para xi e Hi de Gauss-Jacobi pela matriz Jr . . . . . . . . . .

p. 107

48

Algoritmo para xi e Hi de Gauss-Chebyshev de 1a espcie pela matriz Jr p. 107

49

Algoritmo para xi e Hi de Gauss-Chebyshev de 2a espcie pela matriz Jr . p. 108

50

Algoritmo para xi e Hi de Gauss-Gegenbauer pela matriz Jr . . . . . . .

51

Percentual de zeros com preciso 1015 e 1014 em

zero_h_hermite.

p. 114

52

Percentual de zeros com preciso 1015 a 1012 em

zero_h_laguerre.

p. 115

53

Procedimento para escolha do mtodo mais eciente. . . . . . . . . . .

p. 119

54

Diferena e erro relativos em Gauss-Legendre. . . . . . . . . . . . . . .

p. 122

55

Diferena e erro relativos em Gauss-Laguerre generalizada. . . . . . . .

p. 122

56

Diferena e erro relativos em Gauss-Lagurre. . . . . . . . . . . . . . . .

p. 123

57

Diferena e erro relativos em Gauss-Hermite. . . . . . . . . . . . . . . .

p. 123

58

Diferena e erro relativos em Gauss-Jacobi. . . . . . . . . . . . . . . . .

p. 123

59

Diferena e erro relativos em Gauss-Chebyshev de 1a espcie. . . . . . .

p. 124

60

Diferena e erro relativos em Gauss-Chebyshev de 2a espcie. . . . . . .

p. 124

61

Diferena e erro relativos em Gauss-Gegenbauer. . . . . . . . . . . . . .

p. 124

62

Algoritmo para quadratura iterativa. . . . . . . . . . . . . . . . . . . .

p. 126

10

63

p. 108

et dt via Gauss-Legendre. . . . . . . . . . . . . . . . . . . . . . .

p. 128

(4 t) sen(e2t )

dt via Gauss-Jacobi. . . . . . . . . . . . . . . . . . .
t+3

p. 128

0
4

64
3

xi

cos(t3 ) sen(3t2 )

10

dt via Gauss-Chebyshev de 1a espcie. . . . . . .

p. 129

(9 t)t cos(et ) dt via Gauss-Chebyshev de 2a espcie. . . . . . . .

65

p. 129

(10 t)(t + 2)

2
9

66
0

2)

esen(5t

67

68
2

69

dt via Gauss-Gegenbauer. . . . . . . . . . . . . . .

p. 130

2et
dt via Gauss-Laguerre. . . . . . . . . . . . . . . . . . . . . .

p. 130

(8 t)(t + 1)
2

2 (t2 +1)

t4 dt via Gauss-Hermite. . . . . . . . . . . . . . . . . . . .

p. 131

70

Integral nula via QUAD_ITER. . . . . . . . . . . . . . . . . . . . . . .

p. 131

71

1/3 de Simpson composta Gauss-Legendre. . . . . . . . . . . . . . .

p. 136

72

Comparaes entre convergncias. . . . . . . . . . . . . . . . . . . . . .

p. 137

et

xii

Lista de Tabelas
1

Quadraturas de Gauss. . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 90

Erro Er,g das quadraturas de Gauss. . . . . . . . . . . . . . . . . . . . .

p. 91

t sen(t) dt via Gauss-Legendre pela matriz Jr . . . . . . . . . . . . .

p. 109

t sen(15t) dt via Gauss-Legendre pela matriz Jr . . . . . . . . . . . .

p. 109

et t sen(t) dt via Gauss-Laguerre generalizada pela matriz Jr . . . . .

p. 109

3
0
2

4
0

5
0

et t sen(3t) dt via Gauss-Laguerre generalizada pela matriz Jr . . . .

p. 110

et cos(t) dt via Gauss-Laguerre pela matriz Jr . . . . . . . . . . . .

p. 110

et cos(3t) dt via Gauss-Laguerre pela matriz Jr . . . . . . . . . . . .

p. 110

sech3 (t) dt via Gauss-Hermite pela matriz Jr . . . . . . . . . . . . .

p. 110

10

sech4 (t) dt via Gauss-Hermite pela matriz Jr . . . . . . . . . . . . .

p. 110

1
2

11

1
2

13

dt via Gauss-Jacobi pela matriz Jr . . . . . . . . . . . . . .

p. 111

dt via Gauss-Chebyshev de 1a espcie pela matriz Jr . . .

p. 111

dt via Gauss-Chebyshev de 1a espcie pela matriz Jr . . .

p. 111

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie pela matriz Jr . .

p. 112

t
7

t2

t
7

t2

(1 t)t

0
1

14

t2

(1 t)t

0
1
0

p. 111

1
2

15

dt via Gauss-Jacobi pela matriz Jr . . . . . . . . . . . . . .

1
2

12

t2

16

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie pela matriz Jr . .

9

p. 112

p. 112

0
1

17

((1 t)t) 2 t 2 dt via Gauss-Gegenbauer pela matriz Jr . . . . . . . . .

0
1

((1 t)t)2 t 3 dt via Gauss-Gegenbauer pela matriz Jr . . . . . . . . .

p. 112

19

w(t) em cada intervalo de integrao. . . . . . . . . . . . . . . . . . . .

p. 116

20

w(t) do tipo Jacobi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

p. 117

21

Comparao entre diferena e erro relativos. . . . . . . . . . . . . . . .

p. 121

22

Diferena e erro relativos com valores de r no consecutivos. . . . . . .

p. 125

18
0

xiv

Introduo

O objetivo deste trabalho versar sobre os seguintes aspectos relacionados s quadraturas de Gauss: as principais ferramentas tericas (denies, teoremas, corolrios etc.)
envolvidos neste mtodo; a aplicabilidade no clculo de integrais com intervalos nitos,
semi-innitos e duplamente innitos, incluindo integrais com singularidades nos extremos
de integrao; os algoritmos e implementaes para a integrao; a comparao entre as
ecincias de dois algoritmos e o erro cometido pela quadratura. Por m, apresentada
a quadratura iterativa de Gauss  um esquema de integrao iterativo e no-adaptativo
que objetiva fornecer o resultado da quadratura com uma tolerncia predenida para o
erro.
Neste captulo so apresentados um resumo sobre a origem das quadraturas alm
da relao entre a quadratura de Gauss e os polinmios ortogonais. A questo do erro
cometido pela aproximao tambm apresentada. A Seo 1.4 apresenta os contedos
que sero tratados nos prximos captulos.

1.1 A quadratura numrica

Os problemas de quadratura consistem em aproximar a rea de uma gura dada
construindo outra gura geomtrica de mesma rea. Estes problemas j eram de interesse desde os tempos do matemtico grego Arquimedes (287-212 a.C.). Inscrevendo e
circunscrevendo polgonos regulares com cada vez mais lados em um crculo, Arquimedes
223 22
e
ou que, at a segunda casa decimal,
chegou concluso de que estava entre
71
7
era dado por 3,14. Por meio de aproximaes como esta os antigos calculavam reas
de guras planas. Ao longo dos sculos, especialmente no sculo XVII, com o advento do
clculo diferencial e integral, por Isaac Newton e Gottfried Wilhelm Leibniz, o clculo de
comprimentos, reas e volumes foi recebendo um tratamento mais renado (Eves, 2004).
b

Um dos principais conceitos do clculo integral, a integral denida

f (x) dx, dada

a

1.1 A quadratura numrica

pelas medidas das reas entre a curva f (x) e o eixo x, acima deste (Figura 1), menos as
reas entre a curva f (x) e o eixo x, abaixo deste, em [a, b].
2.5

f(x)
2

1.5

0.5

0.5

a
1

5
x

x
9

f (x) dx = rea.

Figura 1:
a

Do Teorema Fundamental do Clculo tem-se que o valor da integral denida dado

por

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

a

onde F (x) a primitiva (ou antiderivada) de f (x). Se a antiderivada prontamente obtida

e sucientemente simples, o clculo da integral est resolvido. Este processo de resoluo
chamado de processo analtico e envolve uma srie de regras normalmente estudadas nos
cursos de Clculo. Por outro lado, F (x) pode ser de difcil obteno e requerer muitas
operaes sucessivas, ou ainda, a primitiva pode no ser expressa por uma combinao
nita de outras funes algbricas, logartmicas ou exponencias, como no caso em que
2

f (x) = ex . Nestas situaes, indispensvel recorrer a mtodos de aproximao.

Os mtodos que tratam de aproximar integrais envolvem uma combinao linear1 de
avaliaes do integrando
b

f (x) dx H1 f (x1 ) + H2 f (x2 ) + . . . + Hr f (xr ),

a < b .

(1.1)

Os valores x1 , x2 , . . . , xr so chamados de ns ou abscissas e os nmeros reais H1 , H2 , . . . , Hr

so os respectivos coecientes. O somatrio na equao (1.1) consiste em aproximar a
integral pela soma das reas2 de retngulos de base Hi e altura f (xi ). Num sentido mais
amplo, este somatrio uma quadratura (Figura 2).
Segundo Davis e Rabinowitz (1984), integrao numrica o estudo de como o valor
numrico de uma integral pode ser encontrado. Assim, a expresso no lado direito de
(1.1) uma integrao numrica, tambm chamada de regra de integrao, quadratura
1 Combinaes
2 Assumindo

no lineares ocorrem ocasionalmente.

a existncia de reas negativas caso f (xi ) < 0.

1.2 A relao entre polinmios ortogonais e quadratura de Gauss

y

6
5
4

Hr

H1

H2

Hi

x2

xi

x1

xr

2
3

Figura 2: Aproximao da integral por retngulos de base Hi e altura f (xi ).

mecnica ou quadratura numrica, como ser tratada neste trabalho.

1.2 A relao entre polinmios ortogonais e quadratura

de Gauss
Na quadratura de Gauss, as abscissas xi do somatrio so tomadas como sendo os
zeros de um polinmio ortogonal. Uma seqncia de polinmios ortogonais denida com
uma funo peso (tambm denominada por medida ) w(x) sobre um intervalo real [a, b].
Os polinmios ortogonais que sero apresentados neste trabalho so: os polinmios de
Jacobi (incluindo casos particulares de Legendre, de Chebyshev3 de 1a e de 2a espcies e
de Gegenbauer), de Hermite e de Laguerre generalizados.
A quadratura de Gauss est diretamente associada a esses polinmios pela funo
peso w(x) e pelo intervalo de integrao [a, b] da seguinte forma:
b

w(x)f (x) dx H1 f (x1 ) + H2 f (x2 ) + . . . + Hr f (xr ),

a < b .

1.2.1 Diferentes algoritmos para zeros e coecientes

Este trabalho apresenta dois mtodos diferentes que so usados freqentemente na
obteno dos zeros xi e coecientes Hi : um baseado no mtodo de Newton e o outro
no clculo de autovalores e autovetores. Sero comparadas as ecincias de ambos os
mtodos para as quadraturas de Gauss tratadas neste trabalho.
3 Adota-se

esta verso inglesa do nome russo, h tambm a verso Tschebysche, do alemo.

1.3 O erro de uma quadratura

1.3 O erro de uma quadratura

Como em toda aproximao, o erro cometido sempre um parmetro cobiado. O
erro Er cometido numa quadratura surge do fato de que o somatrio aproximadamente
igual integral:

w(x)f (x) dx =

Hi f (xi ) + Er .

i=1

por intermdio de uma estimativa de Er que o clculo da quadratura torna-se signicativo. Sem este parmetro no possvel estabelecer um grau de conana no resultado.
O erro tambm utilizado na comparao da preciso de diferentes mtodos.
A frmula de Er da quadratura de Gauss um parmetro de difcil tratamento em
virtude do clculo da derivada de alta ordem. possvel estimar este parmetro por meio
da teoria de diferenas divididas ou por meio de integrais de funes analticas no plano
complexo, todavia, persistiro os clculos e operaes excessivas.
Por outro lado, numa quadratura convergente qualquer, existe uma forma mais prtica
para se estimar o erro Er cometido na aproximao com r abscissas, atravs do clculo do
mdulo da diferena entre os resultados da quadratura com r e s abscissas, sendo s > r:
s

Er

Hj f (xj )
j=1

Hi f (xi ) ,

s > r.

(1.2)

i=1

Usualmente, as estimativas para o erro nos esquemas de integrao tm fundamento na

aproximao (1.2). Um esquema de integrao pode ser classicado como adaptativo ou
no-adaptativo e iterativo ou no-iterativo. Num esquema adaptativo, a quantidade de
abscissas do somatrio e a localizao delas no eixo real est condicionada natureza do
integrando, enquanto que, no esquema no-adaptativo, as abscissas independem de sua
natureza. Num esquema iterativo so obtidas aproximaes sucessivas para a integral
at que a tolerncia especicada seja satisfeita. No esquema no-iterativo uma primeira
aproximao usada para produzir uma segunda que, por sua vez, dada como o resultado
nal (Davis e Rabinowitz, 1984).
Segundo Berntsen e Espelid (1991), desde que o primeiro algoritmo de integrao automtica4 foi concebido, em 1963, por McKeeman5 , muitos novos e sosticados algoritmos
4 Um programa de integrao automtica calcula uma integral sendo fornecidos os limites de integrao,

a rotina para avaliar a funo f (x), uma tolerncia para o erro e o limite mximo de iteraes. O
parmetro de sada o valor da integral quando a tolerncia for satisfeita ou quando o nmero mximo
de iteraes for atingido.
5 McKeeman, W. M. Certication of algorithm 145. Adaptative numerical integration by Simpson's
rule. Commun. ACM 6 (1963), 167-168.

1.4 Descrio dos prximos captulos

de tais integraes, dentre adaptativos e no-adaptativos, tm sido desenvolvidos. Por

exemplo, Campos (2007) apresenta um algoritmo de integrao automtica cujo esquema
iterativo e no-adaptativo para a quadratura de Gauss-Legendre.
Com base no esquema proposto por Campos, este trabalho apresenta a quadratura
iterativa de Gauss: um esquema iterativo e no-adapatativo que fornece o resultado da
integrao dada uma tolerncia para o erro. Este mtodo utilizvel em todos os casos
das quadraturas de Gauss de medidas clssicas.

1.4 Descrio dos prximos captulos

O Captulo 2 destina-se a abordar os principais aspectos tericos sobre os polinmios
ortogonais que tm implicaes sobre a quadratura de Gauss, alm de apresentar os
polinmios ortogonais clssicos.
O Captulo 3 introduz a interpolao e a quadratura de Hermite, conceitos essenciais
para a formulao da quadratura de Gauss.
O Captulo 4 dedicado apresentao das frmulas das quadraturas de Gauss com
medidas clssicas.
No Captulo 5 so apresentados os algoritmos para as quadraturas e so realizados
experimentos numricos. So ainda comparadas as ecincias de dois tipos de algoritmos usados numa quadratura de Gauss, discute-se a aplicabilidade das quadraturas para
uma dada integral. Dentre os algoritmos apresentados, elaborado um mtodo capaz de
identicar a quadratura e o respectivo algoritmo mais eciente.
No Captulo 6 so apresentados a quadratura iterativa e o programa QUAD_ITER
que calcula a integral via quadratura iterativa de Gauss por intermdio do mtodo proposto no Captulo 5. Com este programa so realizados experimentos com integrais imprprias e de difcil obteno.
As concluses e propostas para futuros trabalhos constam do Captulo 7, seguido das
referncias bibliogrcas.

Polinmios ortogonais

Historicamente, os polinmios ortogonais tm origem na teoria de fraes contnuas.

Esta relao de grande importncia e um dos possveis pontos de partida para o
tratamento dos polinmios ortogonais (Andrade e Bracciali, 2005). No presente trabalho,
a abordagem destes polinmios surge com a frmula de Rodrigues.
Este captulo dividido em duas partes: a primeira destina-se a apresentar a frmula
de Rodrigues e algumas propriedades dos polinmios ortogonais que tero implicaes na
quadratura de Gauss, a segunda parte apresenta os polinmios de Jacobi (incluindo casos
particulares de Legendre, de Chebyshev de 1a e 2a espcies e de Gegenbauer), de Hermite,
de Laguerre e de Laguerre generalizado.
Tais polinmios foram considerados por Szeg (1975) como sendo polinmios ortogonais clssicos. A obra clssica de Szeg (1975) considerada a melhor referncia sobre o assunto dissertando sobre os polinmios ortogonais de medidas clssicas e sobre
os polinmios ortogonais no crculo unitrio. Especicamente sero expostos somente os
principais resultados dos polinmios ortogonais que dizem respeito quadratura de Gauss.
Os empregos destes polinmios Anlise Aplicada so muitas e novas aplicaes surgem
a todo momento (Bracciali e Andrade, 2006).
As principais obras consultadas para as denies, teoremas e corolrios apresentados
neste captulo foram Szeg (1975), Hildebrand (1974), Wilf (1978) e Bracciali e Andrade
(2006). Procurou presevar-se, na medida do possvel, as notaes que constam da obra
de Hildebrand (1974).

2.1 Propriedades
Seja (x) uma funo real limitada, no decrescente e com innitos pontos de aumento
sobre o intervalo nito ou innto [a, b], tal que os momentos
b

xk d(x),

k =
a

k = 0, 1, 2, . . . ,

2.1 Propriedades

existem e so nitos. Ento, se (x) for contnua, d(x) = w(x) dx. No senso deste
trabalho, w(x) chamada de funo peso (ou medida) com a propriedade w(x) 0 e
tambm diferente da funo identicamente nula em [a, b].
Seja Pr o espao de todos polinmios algbricos de grau menor ou igual a r.

Denio 2.1 (Seqncia de polinmios ortogonais) Uma seqncia de polinmios

{r (x)} pertencentes ao Pn uma seqncia de polinmios ortogonais em relao
r=0

funo peso w(x) sobre o intervalo real [a, b]1 , se

r

(i)

Ar,i xi possuir grau exatamente r, isto , Ar,r = 0,

r (x) =
i=0

(ii)

k (x), r (x) =

w(x) k (x) r (x) dx =

a

se r = k,
r = 0, se r = k.
0,

O termo Ar,i representa o coeciente em xi do polinmio r (x). O coeciente dominante

Ar,r tambm denotado por Ar . Quando Ar = 1, o polinmio r (x) chamado de

polinmio ortogonal mnico denotado por r (x).
Uma vez que a funo peso w(x) 0 no intervalo [a, b], segue que
b

(2.1)

w(x)[r (x)]2 dx > 0.

r =
a

Denio 2.2 (Seqncia de polinmios ortonormais) Uma seqncia

{r (x)}
r=0

chamada de seqncia de polinmios ortonormais, denotada por { (x)} se, na

r
r=0
Denio 2.1, r = 1.

Teorema 2.1 Os polinmios

polinmios ortogonais

0 (x), 1 (x), ..., k (x), pertencentes a uma seqncia de

{i (x)}k
i=0

, so linearmente independentes no Pk .
k

Demonstrao:

Sejam Bi , i = 0, 1, . . . , k , constantes reais tais que

Logo, para cada polinmio j (x), 0 j k , tem-se que

k

w(x)
a
1 Caso

Bi i (x) = 0.
i=0

Bi i (x) j (x) dx = 0,
i=0

a = ou b = , assume-se, sem perda de generalidade, que o intervalo aberto neste(s)

extremo(s).

2.1 Propriedades

w(x)i (x)j (x) dx = 0.

Bi
a

i=0

Pela Denio 2.1, tem-se que

b

w(x)i (x)j (x) dx = 0 para i = j,

j =

w(x)j (x)j (x) dx > 0.

Logo,
k

w(x)i (x)j (x) dx = Bj j = 0.

Bi
a

i=0

Portanto, Bj = 0, j = 0, 1, . . . , k .
O teorema anterior garante que os polinmios ortogonais i (x), i = 0, 1, . . . , r formam
uma base para Pr . Isto tambm tambm se deve ao fato de que os polinmios so de graus
diferentes.
Seja qr1 (x) um polinmio arbitrrio de grau r 1 ou menor. Pelo Teorema 2.1,

qr1 (x) uma combinao linear dos polinmios ortogonais pertencentes a {i (x)}r1 ,
i=0
r1

isto , qr1 (x) =

Bi i (x). Por outro lado, pela Denio 2.1,

i=0

r1

Bi

w(x) i (x) r (x) dx

0,

Bi i (x) r (x) dx

0,

w(x) qr1 (x) r (x) dx

0.

i=0

r1

w(x)
a

i=0
b

(2.2)

a
r

Agora, seja qr um polinmio de grau r, ento, qr (x) =

Bi i (x), Br = 0. Neste sentido,

i=0

w(x) qr (x) r (x) dx

i=0
b

Bi

w(x)i (x)r (x) dx,

a

i=0
b

w(x) qr (x) r (x) dx

a

Bi i (x)r (x) dx,

w(x)
a

= Br

w(x)r (x)r (x) = Br r = 0.

(2.3)

Os resultados dados pelas equaes (2.2) e (2.3) mostram que dada uma seqncia

2.1 Propriedades

{r (x)} , pode-se armar que

r=0
b

w(x)q(x)r (x) dx =
a

0,

q(x) de grau r 1 ou menor,

Br r = 0,

q(x) de grau r.

A recproca da armao acima verdadeira. De fato, basta tomar q(x) = i (x), para

i = 0, 1, . . . , r 1, e q(x) = Br r (x).

Teorema 2.2 Sejam {r (x)} e {r (x)} duas seqncias de polinmios ortogonais

r=0
r=0
com relao funo peso w(x) no intervalo [a, b]. Ento,
Ci R , i N.

i (x) = Ci i (x),
Demonstrao:

Uma vez que 0 (x), 1 (x), . . ., i (x) formam uma base para o espao

vetorial dos polinmios de grau menor ou igual a i, pode-se expressar i (x) como uma
i

combinao linear desses polinmios, isto , i (x) =

Cj j (x), Ci = 0. Por outro lado,

j=0

pela equao (2.2),

b

w(x)0 (x)i (x) dx =

a

w(x)1 (x)i (x) dx = . . . =

a

w(x)i1 (x)i (x) dx = 0.

a

Assim, para k = 0, 1, . . . , i 1,
i

b
a

Cj

w(x)i (x)k (x) dx =

0 =

j=0

w(x)j (x)k (x) dx = Ck k .

a

Contudo, k > 0, ento Ck = 0, k = 0, 1, . . . , i 1. Portanto, i (x) = Ci i (x).

O teorema anterior mostra que os polinmios de mesmo grau de duas seqncias de
polinmios ortogonais denidas com a mesma funo peso w(x) e com o mesmo intervalo

[a, b] so iguais exceto por um fator constante. Particularmente, no caso dos polinmios
mnicos r (x), a constante o coeciente dominante Ar de r (x), implicando que

r (x) =

r (x)
.
Ar

(2.4)

A norma de um polinmio k (x) pertencente a uma seqncia de polinmios ortogonais {r (x)} dada por
r=0

k (x) =

k (x), k (x)

2.1 Propriedades

10

e, segundo a notao adotada, a norma ca denida por

(2.5)

w(x) [k (x)]2 dx.

k =
a

Para encontrar uma seqncia de polinmios ortonormais { (x)} , basta dividir

r=0
r
cada polinmio por sua norma:

r (x)
(x) = .
r
r

(2.6)

Alm disto, a menos do sinal de Ar , uma seqncia de polinmios ortonormais construda a partir dos polinmios ortogonais r (x) ou dos polinmios mnicos r (x) sempre
a mesma:

r
Ar

r (x)

r (x) =
=
r

w(x)
a

r (x)
Ar

Denindo

w(x)[r (x)]2 dx

dx

r (x)
=
= (x).
r
r

dr Vr (x)
w(x)r (x),
dxr

(2.7)

Vr(r) (x)qr1 (x) dx = 0, r 1.

(2.8)

Vr(r) (x) =
a equao (2.2) toma a forma
b
a

Desenvolvendo (2.8) pelo emprego da integrao por partes,

b

Vr(r) (x)qr1 (x)

dx =

Vr(r1) (x)qr1 (x)

Vr(r1) (x)qr1 (x) dx

(2.9)

e repetindo o processo para a integral do termo do lado direito na igualdade acima,

obtm-se
b

Vr(r1) (x)qr1 (x)

dx =

Vr(r2) (x)qr1 (x)

Vr(r2) (x)qr1 (x) dx.

Analogamente, para a integral do termo do lado direito das expresses resultantes,

b

Vr(r2) (x)qr1 (x)

dx =

Vr(r3) (x)qr1 (x)

.
.
.
b

.
.
.
b

(r1)

(r1)

Vr(1) (x)qr1 (x) dx = Vr (x)qr1 (x)

a

(3)

Vr(r3) (x)qr1 (x) dx,

b
(r)

(r1)

Vr (x)qr1 (x) dx = Vr (x)qr1 (x) ,

a

2.1 Propriedades

11

(r)

pois qr1 (x) = 0. Conseqentemente, substituindo as r 1 igualdades acima em (2.9),

b

Vr(r) (x)qr1 (x) dx

Vr(r1) (x)qr1 (x) Vr(r2) (x)qr1 (x) + Vr(r3) (x)qr1 (x)

a
b
r1

+ . . . + (1)

(r1)
Vr (x)qr1 (x)

.
a

Deste modo (2.8) torna-se

Vr(r1) (x)qr1 (x) Vr(r2) (x)qr1 (x) + Vr(r3) (x)qr1 (x)

b
r1

+ . . . + (1)

(r1)
Vr (x)qr1 (x)

= 0.

(2.10)

Por outro lado, da identidade (2.7), obtm-se a

frmula de Rodrigues2 ,

1 dr Vr (x)
r (x)
,
w(x) dxr

(2.11)

Como o lado direito da frmula de Rodrigues um polinmio de grau r, sua derivada de

ordem r + 1 igual a zero, implicando que Vr (x) deve satisfazer equao diferencial

1 dr Vr (x)
dr+1
dxr+1 w(x) dxr

= 0,

(2.12)

em [a, b]. Esta equao ter 2r condies de contorno, obtidas em (2.10),

Vr (a) = Vr (a) = Vr (a) = . . . = Vr(r1) (a) = 0,

(2.13)

Vr (b) = Vr (b) = Vr (b) = . . . = Vr(r1) (b) = 0,

(2.14)

tendo em vista que (2.10) deve ser satisfeita para qr1 (a), qr1 (b), qr1 (a), qr1 (b) e demais
valores dependentes de qr1 (x). As condies acima so estabelecidas desde que r 1.
Uma vez que as condies de contorno so independentes de qr1 (x), a soluo de
(2.12) tambm o ser, mantendo a generalidade do polinmio qr1 (x). Portanto, a soluo
da equao diferencial (2.12), com as 2r condies de contorno, fornece o polinmio r (x)
de grau r N (como dado na equao (2.11)). Em outras palavras, ela fornece a seqncia
de polinmios ortogonais {r (x)} com relao funo peso w(x) sobre o intervalo
r=0

[a, b]. Nota-se tambm que as nicas condies independentes do polinmio qr1 (x) que
satisfazem (2.10) so exatamente aquelas em (2.13) e (2.14).
2A

frmula recebe este nome em homenagem ao matemtico Benjamin Olinde Rodrigues (1795-1851)
que a formulou.

2.1 Propriedades

12

Teorema 2.3 Sendo o polinmio r (x) pertencente uma seqncia de polinmios ortogonais, ento ele possui r zeros reais, distintos e contidos no intervalo (a, b).
Demonstrao:

Desde que r 1 ento pode-se armar que

b

w(x)r (x)0 (x) dx = 0

w(x)r (x) dx = 0,

0 (x)
a

a
b

pois 0 (x) uma constante. Assim,

w(x)r (x) dx = 0. Alm disto, como w(x) de

a

sinal constante em [a, b], ento r (x) dever mudar de sinal pelo menos uma vez em (a, b).
Portanto, r (x) possui, no mnimo, um zero de multiplicidade mpar em (a, b).
Agora sejam d1 , . . . , dm os zeros reais de r (x) de multiplicidade mpar, e1 , . . . , em ,
contidos em (a, b), onde m r. Suponha que m < r, ento,

(x d1 )(x d2 ) . . . (x dm )r (x) = Ar,r (x d1 )e1 +1 (x d2 )e2 +1 . . . (x dm )em +1 rm (x),

onde Ar,r = 0 o coeciente dominante de r (x), ei + 1 um nmero par e rm (x) um
polinmio de grau no mximo r m cujos zeros so complexos, reais de multiplicidade
par pertencentes a (a, b) ou reais de multiplicidade qualquer no pertencentes ao intervalo

(a, b). Logo, rm (x) no muda de sinal em (a, b) e, conseqentemente, o produto dado
por (x d1 )(x d2 ) . . . (x dm )r (x) tambm no muda de sinal em (a, b).
Entretanto, desde que m < r, o produto (xd1 )(xd2 ) . . . (xdm ) ser um polinmio
de grau menor do que r. Em virtude de (2.2),
b

w(x)(x d1 )(x d2 ) . . . (x dm )r (x) dx = 0.

a

Mas como w(x) no muda de sinal em [a, b], o restante do integrando constituir um
polinmio que dever mudar de sinal pelo menos uma vez em (a, b). Neste sentido, m
no poder ser menor que r, implicando que m = r, conseqentemente, r (x) no possui
qualquer zero complexo, ou real de multiplicidade par pertencente a (a, b) ou, ainda, real
de multiplicidade qualquer no pertencente a (a, b).
Portanto, r (x) um polinmio cujos zeros somam r, isto , todos os zeros so reais
de multiplicidade 1 e contidos no intervalo (a, b).

Teorema 2.4 (Frmula de recorrncia de trs termos para {r (x)} ) Cada ser=0
qncia de polinmios ortogonais {r (x)} satisfaz uma frmula de recorrncia de trs
r=0
termos da forma
r+1 (x) = (ar x br ) r (x) cr r1 (x),

(2.15)

2.1 Propriedades

13

com ar , br e cr sendo constantes, r 0 e 1 (x) 0.

Demonstrao:

Seja r (x) um polinmio da forma

r (x) = Ar,r xr + Ar,r1 xr1 + . . . + Ar,1 x + Ar,0 ,

Pelo Teorema 2.1 todo polinmio de grau r + 1 pode ser expresso como combinao linear
dos polinmios 0 (x), 1 (x), ..., r (x), r+1 (x), ento,

xr (x) = Cr+1 r+1 (x) + Cr r (x) + . . . + C1 1 (x) + C0 0 (x),

r+1

xr (x) =

(2.16)

Ci i (x),
i=0

onde Ci o coeciente de i (x) com Cr+1 = 0. Desde que j r 2,

b

w(x) x j (x) r (x) dx = 0.

a

Substituindo (2.16) na expresso anterior,

r+1

w(x) j (x)

Ci i (x)

dx = 0,

i=0
r+1

Ci

w(x) j (x) i (x) dx

= 0.

(2.17)

i=0

Assim, para cada i = j , tem-se Ci

w(x) j (x) i (x) dx = 0 e a equao (2.17) se

a

desenvolve em

w(x) [j (x)]2 dx = 0.

Cj
a
b

Como

w(x)[j (x)]2 dx = j > 0, resta que

a

Cj = 0,

j r 2.

Empregando o resultado (2.18) no desenvolvimento da expresso (2.16),

xr (x) = Cr+1 r+1 (x) + Cr r (x) + Cr1 r1 (x),

r+1 (x) =

xr (x) Cr r (x) Cr1 r1 (x)

,
Cr+1
Cr+1
Cr+1

(2.18)

2.1 Propriedades

14

r+1 (x) =
onde, denindo-se

ar

equao (2.15).

Cr+1
1

Cr
Cr+1

br

Cr+1

Cr
Cr+1

r (x)
e

Cr1 r1 (x)
,
Cr+1

cr

Cr1
, ca demonstrada a
Cr+1

A determinao do coeciente ar pode ser feita observando a equao (2.16), pela

qual,

x(Ar,r xr + . . . + Ar,0 ) = Cr+1 (Ar+1,r+1 xr+1 + . . . + Ar+1,0 ) + Cr r + . . . + C0 0 .

Considerando a igualdade entre os coecientes do termo de grau r+1 na expresso anterior,

Ar,r = Cr+1 Ar+1,r+1

Como ar

1
Cr+1

Cr+1 =

Ar,r
Ar+1,r+1

ar =

Ar+1,r+1
.
Ar,r

(2.19)

Os coecientes br e cr sero tratados a partir do teorema a seguir.

Teorema 2.5 (Identidade de Christoel-Darboux) Cada seqncia {r (x)} ober=0

dece seguinte relao
r

k=0

Demonstrao:

r+1 (x)r (y) r (x)r+1 (y)

k (x)k (y)
.
=
k
ar r (x y)

Multiplicando-se a equao (2.15) por w(x) k+1 (x) e, em seguida,

integrando-a em (a, b), obtm-se

b

w(x) [k+1 (x)]2 dx

a

w(x) x k (x) k+1 (x) dx bk

= ak
a

w(x) k (x) k+1 (x) dx

a

ck

w(x) k1 (x) k+1 (x) dx.

a

Como, na expresso anterior, os dois ltimos termos do lado direito so nulos devido
ortogonalidade, esta se reduz a
b

k+1 = ak

w(x) x k (x) k+1 (x) dx.

(2.20)

Por outro lado, multiplicando-se (2.15) por w(x) k (x) e, da mesma forma, integrando tal

2.1 Propriedades

15

expresso em (a, b),

b

w(x) k (x) k+1 (x) dx

w(x) x [k (x)]2 dx bk

= ak

w(x) [k (x)]2 dx
a

ck

w(x) k1 (x) k (x) dx,

a
b

w(x) x [k (x)]2 dx bk k ,

= ak
a

bk

ak
k

(2.21)

w(x) x [k (x)]2 dx.

a

Ainda uma vez, ao se repetir o mesmo procedimento, multiplicando w(x) k1 (x) por
(2.15),
b

w(x) k1 (x) k+1 (x) dx = ak

w(x) x k1 (x) k (x) dx

a
b

bk

w(x)[k1 (x)]2 dx,

w(x)k1 (x)k (x) dx ck

a

(2.22)

w(x) x k1 (x) k (x) dx ck k1 .

0 = ak
a

Substituindo k por k 1 em (2.20) e rearranjando os termos,

b

w(x) x k1 (x) k (x) dx =

a

k
.
ak1

Usando a igualdade anterior em (2.22),

ck =

ak k
.
ak1 k1

(2.23)

Dividindo a equao (2.15) por ak k e, posteriormente, usando a igualdade (2.23),

k+1 (x)
ak k

xk (x) bk k (x)
k1 (x)

,
k
ak k
ak1 k1

xk (x)
k

k+1 (x)
k1 (x)
bk k (x)
+
+
.
ak k
ak1 k1
ak k

Multiplicando a equao anterior por k (y), onde y um parmetro arbitrrio,

xk (x)k (y)
k (y)k+1 (x) k1 (x)k (y) bk k (x)k (y)
=
+
+
,
k
ak k
ak1 k1
ak k

(2.24)

2.1 Propriedades

16

permutando y com x em (2.24),

yk (y)k (x)
k (x)k+1 (y) k1 (y)k (x) bk k (y)k (x)
=
+
+
k
ak k
ak1 k1
ak k

(2.25)

e subtraindo (2.25) de (2.24), ser obtido

(x y)

k (x)k (y)
k

k+1 (x)k (y) k (x)k+1 (y)

ak k

k (x)k1 (y) k1 (x)k (y)

.
ak1 k1

Tomando k = 0, 1, ..., r no resultado anterior e somando as equaes resultantes, vericase o cancelamento dos termos situados no lado direito destas, com exceo do primeiro
termo da r-sima equao, reduzindo o somatrio a
r

(x y)
k=0

e, nalmente, a

k=0

k (x)k (y)
r+1 (x)r (y) r (x)r+1 (y)
=
k
ar r

k (x)k (y)
r+1 (x)r (y) r (x)r+1 (y)
.
=
k
ar r (x y)

O limite quando y tende a x na identidade de Christoel-Darboux implica que

r

lim

yx

k=0

k (x)k (y)
k
r

k=0

= lim

yx

r+1 (x)r (y) r (x)r+1 (y)

[k (x)]2
1
=
lim
,
k
ar r yx
(x y)
=

r+1 (x)r (y) r+1 (y)r (x)

1
lim
ar r yx
(x y)
+

k=0

r+1 (x)r (y) r (x)r+1 (y)

,
ar r (x y)

r+1 (y)r (x) r (x)r+1 (y)

,
(x y)

[k (x)]2
1
r (x)[r+1 (x) r+1 (y)] r+1 (x)[r (x) r (y)]
=
lim

,
k
ar r yx
(x y)
(x y)
=

1
r (x) lim
yx
ar r
r+1 (x) lim

yx

r+1 (x) r+1 (y)

xy

r (x) r (y)
xy

2.1 Propriedades

17

conduzindo aos seguintes corolrios:

Corolrio 2.5.1
r

k=0

[k (x)]2
1
=
r (x)r+1 (x) r+1 (x)r (x) .
k
ar r

Corolrio 2.5.2 Dois polinmios pertencentes a {r (x)} de graus consecutivos, k (x)

r=0
e k+1 (x), no possuem zeros em comum.
Demonstrao:

Sem perda de generalidade, sejam os polinmios k (x) e k+1 (x) mni-

cos, ou seja, com coecientes dominantes Ak = Ak+1 = 1. Isto implica que ak = 1, em

virtude de (2.19). Uma vez que k > 0, o Corolrio 2.5.1 implica que

k (x)k+1 (x) k+1 (x)k (x) > 0.

(2.26)

Sejam xk,i e xk,i+1 dois zeros consecutivos de k (x) tais que xk,i < xk,i+1 . Ento, avaliando
(2.26) nestes dois valores,

k+1 (xk,i )k (xk,i ) < 0

k+1 (xk,i+1 )r (xk,i+1 ) < 0.

Por outro lado, como k (xk,i ) e k (xk,i+1 ) possuem sinais opostos, ento k+1 (xk,i ) e

k+1 (xk,i+1 ) tambm. Logo, existe pelo menos um zero de k+1 (x) no intervalo (xk,i , xk,i+1 ).

O coeciente br do Teorema 2.4 dado por (2.21). Assim,

br =

ar
r
ar
r

ar
=
r
=

ar
r
ar
r

w(x) x [r (x)]2 dx,

a
b

w(x) x r (x)r (x) dx,

a
b

w(x) x r (x) Ar,r xr + Ar,r1 xr1 + . . . + Ar,0 dx,

a
b

w(x) r (x) Ar,r xr+1 + Ar,r1 xr + . . . + Ar,0 x dx,

a
b

w(x)r (x)xr+1 dx + Ar,r1

Ar,r
a

w(x)r (x)xr dx,

a

2.1 Propriedades

18

w(x)r (x)xr1 dx + . . . + Ar,0

+ Ar,r2

w(x)r (x)x dx ,

br =

a
b

ar
r

w(x)r (x)xr+1 dx + Ar,r1

Ar,r
a

w(x)r (x)xr dx .
a

Aplicando a equao (2.7) na expresso anterior, tem-se que

br =

ar
r

Vr(r) (x)xr dx ,

Vr(r) (x)xr+1 dx + Ar,r1

Ar,r

e integrando por partes r vezes, analogamente ao que foi realizado com a equao (2.8),

br =

ar
r

Vr(r1) (x)xr+1 . . . + (1)r1 (r + 1)r . . . 3 Vr (x)x2

Ar,r

b
a

+ (1)r (r + 1)!

Vr (x)x dx
a

Vr(r1) (x)xr rVr(r2) (x)xr1 + . . . + (1)r1 r! Vr (x)x

+ Ar,r1

b
a

+ (1)r r!

Vr (x) dx

A partir das condies de contorno (2.13) e (2.14), a expresso anterior se reduz a

br = (1)r

ar
r! Ar,r (r + 1)
r

Vr (x)x dx + Ar,r1
a

Vr (x) dx

Por sua vez, r desenvolvido, a partir de sua denio dada em (2.1), como
b

w(x) [r (x)]2 dx > 0,

=
a
b

w(x) r (x) r (x) dx,

a
b

w(x) r (x) Ar,r xr + Ar,r1 xr1 + . . . + Ar,0 dx,

=
a

b
r

= Ar,r

w(x)r (x)xr1 dx + . . .

w(x)r (x)x dx + Ar,r1

a

a
b

+ Ar,0

w(x)r (x) dx,

a

(2.27)

2.1 Propriedades

19

w(x)r (x)xr dx.

r = Ar,r
a

Novamente, partindo de (2.7), r = Ar,r

Vr(r) (x)xr dx. Integrando por partes r

a

vezes, analogamente ao caso efetuado na equao (2.8),

= Ar,r

Vr(r1) (x)xr r Vr(r2) (x)xr1 + . . . + (1)r1 r! Vr (x)x

b
a

+ (1)r r!

Vr (x) dx .
a

Pelas condies de contorno (2.13) e (2.14),

b
r

r = (1) r! Ar

(2.28)

Vr (x) dx > 0.
a

A frmula de recorrncia de trs termos para os polinmios mnicos r (x) dada

pelo Teorema 2.4 usando que Ar = 1 nos seus coecientes ar , br e cr . Estes coecientes
so dados por (2.19), (2.21) e (2.23), respectivamente, cando demonstrado o seguinte
teorema.

Teorema 2.6 (Frmula de recorrncia de trs termos para {r (x)} ) Cada ser=0
qncia de polinmios mnicos {r (x)} satisfaz a uma frmula de recorrncia de trs
r=0
termos da forma
r+1 (x) = ( x r ) r (x) r r1 (x),
1 (x) 0,

(2.29)

0 (x) = 1, onde
r =

1
r

w(x) x [r (x)]2 dx, r 0,

r
, r 1.
r1

Reescreve-se r , notando que r (x) =

de br em (2.21),

A2
r
r

w(x)x
a

(2.30)

r =

r 0,

r (x)
Ar

(2.31)

r (x)
r
e r = 2 e notando tambm a forma
Ar
Ar
2

dx =

1
r

w(x) x [r (x)]2 dx,

a

2.1 Propriedades
r

20

br
.
ar

(2.32)

Reescreve-se r notando que r =

r
Ar
,
e ar1 =
2
Ar
Ar1

A2 r
r1
,
A2 r1
r

r
.
r1

(2.33)

a2
r1

Teorema 2.7 (Frmula de recorrncia de trs termos para

qncia de polinmios ortonormais
trs termos da forma

{r (x)}
r=0

r=0

) Cada se-

satisfaz a uma frmula de recorrncia de

r+1 r+1 = ( x r ) r (x)

r r1 (x),

r 0,

(2.34)

1
2

0 (x) =

r (x)

w(x) dx

(2.35)

sendo 1 (x) 0, r como em (2.30) e r como em (2.31).

Demonstrao:

Inserindo r (x) = r (x) r em (2.29) e dividindo por r+1 ,

r+1 (x) = (x r )

r
(x) r
r+1 r

r1
(x),
r+1 r1

que , de (2.31), pode ser escrita como

r+1 (x)

r1 (x)
r (x)
= (x r )
r
.
r+1
r+1 r

Multiplicando a equao anterior por

r+1 , obtm-se (2.34). O valor inicial 0 (x)

obtido pela normalizao de 0 (x) = 1.

Pela frmula de recorrncia para os polinmios ortonormais (2.34), tem-se que

xr (x) =

r r1 + r r (x) +

r+1 r+1 ,

e fazendo r = 0, 1, . . . , R 1, tem-se, respectivamente,

x0 (x) = 0 0 (x) +

1 1 ,

x1 (x) =

1 0 + 1 1 (x) +

2 2 ,

x2 (x) =

2 1 + 2 2 (x) +

3 3 ,

2.1 Propriedades

21

.
.
.

.
.
.

R1 R2 + R1 R1 (x) +

xR1 (x) =

ou, na forma matricial,

0 (x)
0
1

(x)
1
1
2
1

x 2 (x) =
2 2
3

.
..
..
.

.
.
.

R1 (x)

..

R1

0 (x)

R R ,

(x)
1

(x) +
2

.
.

R1 (x)
R1

0
.
.
.
0

R (x)
(2.36)

na qual a matriz quadrada de ordem R, simtrica e tridiagonal a matriz de Jacobi JR .

Sendo R1 (x) o vetor (0 (x), 1 (x), . . . , R1 (x))T , ento a equao matricial pode ser

expressa como

x R1 (x) = JR R1 (x) +

R R (x) uR1 ,

(2.37)

sendo uR1 o vetor unitrio com 1 na ltima posio e zero nas demais. Seja xR,i o i-simo

zero de R (x). Avaliando a equao (2.37) em xR,i ,

xR,i R1 (xR,i ) = JR R1 (xR,i ).

1
2

Uma vez que

0 (x)

w(x) dx

> 0, ento o vetor R1 (xR,i ) no-nulo. As-

sim, xR,i , i = 0, 1, . . . , R 1 so autovalores da matriz de Jacobi JR . Deste modo, ca

demonstrado o seguinte teorema:

Teorema 2.8 Os autovalores xR,0 , xR,1 , . . . , xR,R1 da matriz de Jacobi JR so os zeros

de R (x) e o autovetor correspondente a xR,i (0 (xR,i ), 1 (xR,i ), . . . , R1 (xR,i ))T .

Corolrio 2.8.1 Seja vi o autovetor normalizado da matriz de Jacobi correspondente ao

autovalor xR,i ,
xR,i vi = JR vi ,

T
vi vi = 1,

e seja vi,1 denotando seu primeiro componente. Ento,

2
vi,1
=

[0 (x)]2

1
R1

[j (xR,i )]2
j=0

(2.38)

2.1 Propriedades

22

1
2

R1

Demonstrao:

Como vi est normalizado, vi = R1 (xR,i )

0 (x)

, com-

j=0

parando o primeiro componente de ambos os vetores,

vi,1 =

[j (xR,i )]2

R1

[j (xR,i )]2
j=0

Elevando os dois lados da equao anterior ao quadrado, obtm-se (2.38).

Teorema 2.9 Se [a, b] for um intervalo simtrico com relao origem e a funo peso
w(x) for uma funo par, ento r (x) ser uma funo par ou mpar de acordo com r par

ou mpar, respectivamente.
Demonstrao:

Sem perda de generalidade, suponha que o polinmio r (x) seja mnico,

r

isto , Ar,r = 1. Uma vez que r (x) =

Ar,i xi , ento o sistema linear de ordem r dado

i=0

w(x)r (x)xi dx = 0, para i = 0, 1, ..., r 1, determina Ar,i , i = 0, . . . , r 1. Em

por
a

outras palavras, o sistema determina r (x). Fazendo x = x no sistema,

b

w(x)r (x)(x)i (1) dx = 0,

a
b

(1)i+1

w(x)r (x)xi dx = 0,
a
b

w(x)r (x)xi dx = 0,

i = 0, 1, ..., r 1.

Mas, por hiptese, tem-se que w(x) uma funo par no intervalo simtrico [a, b] com
relao origem, isto , w(x) = w(x) x [a, b]. Da,
b

w(x)r (x)xi dx = 0,

i = 0, 1, ..., r 1.

(2.39)

O sistema linear (2.39), determina r (x) cujo coeciente dominante (1)r . Por outro
lado, {r (x)} e {r (x)} so duas seqncias de polinmios ortogonais sobre o
r=0
r=0
mesmo intervalo e com a mesma funo peso. Assim, pelo Teorema 2.2, r (x) igual
a r (x), exceto por uma constante evidente C . Logo, r (x) C r (x) e comparando os
coecientes em xr dos polinmios r (x) e r (x), obtm-se

r (x) (1)r r (x).

2.2 Polinmios de Legendre

23

Portanto, r (x) uma funo par ou mpar de acordo com r par ou mpar, respectivamente.
Sob as hipteses do teorema anterior, os zeros de r (x) so simtricos em relao
origem, uma vez que r (x) uma funo par ou mpar, implicando no seguinte corolrio:

Corolrio 2.9.1 Se

[a, b] for um intervalo simtrico com relao origem e a funo

peso w(x) for uma funo par, ento os zeros de r (x) sero simtricos com relao
origem.
Se w(x) for funo par e o intervalo [a, b] for simtrico com relao origem, ento, pelo Teorema 2.9, a funo r (x) par ou mpar, de acordo com r par ou mpar,
respectivamente. Conseqentemente, [r (x)]2 funo par, pois o quadrado de toda
funo par ou mpar sempre par. Da, x[r (x)]2 torna-se funo mpar, implicando que
b

w(x) x[r (x)]2 dx = 0. Portanto, por (2.21), br = 0 e, por (2.32), r = 0. Este

a

resultado est apresentado no seguinte corolrio:

Corolrio 2.9.2 Se

w(x) for uma funo par e [a, b] for um intervalo simtrico com

relao origem, ento br = r = 0,

r 0.

2.2 Polinmios de Legendre

No caso de uma seqncia de polinmios ortogonais denida com relao funo
peso w(x) = 1, sobre o intervalo [1, 1], a equao diferencial (2.12) se reduz a

d2r+1 Vr (x)
= 0,
dx2r+1

(2.40)

Vr (1) = Vr (1) = Vr (1) = . . . = Vr(r1) (1) = 0.

(2.41)

com 2r condies de contorno

Observando que (2.40) trata-se de uma equao diferencial homognea de coeciente

constante igual a 1, ento, sua soluo pode ser dada por Vr = k2r x2r +k2r1 x2r1 +. . .+k0 ,
onde as constantes ki so as solues de um sistema linear homogneo dado pelas 2r
condies de contorno acima.
Em particular, quando r = 1 tem-se

V1 (x) = k2 x2 + k1 x + k0

V1 (1) = 0,

2.2 Polinmios de Legendre

24

dando origem ao sistema

k2 + k1 + k 0 = 0
k2 k1 + k0 = 0,
cuja soluo k2 = k0 , k1 = 0 e k0 R. Da, V1 (x) = k0 x2 + k0 , isto ,
(2.42)

V1 (x) = k0 (1 x2 ).
Para o caso em que r = 2,

V2 (x) = k4 x4 + k3 x3 + k2 x2 + k1 x + k0
resultando no sistema

k4

k
4
4k4

4k
4

V2 (1) = V2 () = 0,

k3

k2

+ k 1 + k0 = 0

k3

k2

k 1 + k0 = 0

+ 3k3 + 2k2 + k1

= 0

+ 3k3 2k2 + k1

= 0,

cuja soluo k4 = k0 , k3 = k1 = 0, k2 = 2k0 e k0 R. Da,

V2 (x) = k4 x4 2k0 x2 + k0 = k0 (x4 2x2 + 1),

a qual pode ser apresentada por

V2 (x) = k0 (1 x2 )2 .

(2.43)

Por induo, partindo dos resultados (2.42) e (2.43), obtida a expresso para o caso
geral Vr (x) = Kr (1 x2 )r , onde Kr uma constante real. De fato, pela regra de Leibniz3
(Abramowitz e Stegun, 1972),

dj
Kr (1 x2 )r
dxj

= Kr
i=0

j dji
di
(1 + x)r
(1 x)r ,
i dxji
dxi

j = 0, ..., r 1.

O termo do lado direito da expresso acima nulo se x = 1. Ou seja, Vr(j) (1) = 0

para j = 0, ..., r 1, satisfazendo as 2r condies em (2.41).
Assim, pela frmula de Rodrigues (2.11),

r (x) = Kr
3 ou

Leibnitz.

dr
(1 x2 )r .
dxr

(2.44)

2.2 Polinmios de Legendre

Tomando Kr =

25

(1)r
obtm-se o
2r r!

polinmio de Legendre Pr (x) de grau r,

Pr (x) =

(1)r dr
(1 x2 )r ,
2r r! dxr

(2.45)

ou frmula de Rodrigues para Pr (x) (Szeg, 1975). A seqncia dos polinmios ortogonais
de Legendre representada por {Pr (x)} .
r=0
Os seis primeiros polinmios de Legendre so

P0 (x) = 1,

P1 (x) = x,

3
1
P2 (x) = x2 ,
2
2

5
3
P3 (x) = x3 x,
2
2

P4 (x) =

35 4 15 2 3
x x + ,
8
4
8

P5 (x) =

63 5 35 3 15
x x + x.
8
4
8

A Figura 3 apresenta os grcos dos seis polinmios anteriores no intervalo [1, 1].
Verica-se que seus zeros so reais, distintos e esto contidos no intervalo (1, 1), como
foi demonstrado no Teorema 2.1. Observa-se que os zeros so simtricos, pois w(x) = 1
uma funo par e o intervalo [1, 1] simtrico com relao origem (Corolrio 2.9.1).
Tambm possvel observar que os zeros destes polinmios se entrelaam.
1

P0(x)

0.8
0.6

P1(x)
P (x)
3

P4(x)

0.4

Pr(x)

0.2
0
0.2
P5(x)

0.4
P2(x)

0.6
0.8
1
1

0.5

0
x

0.5

Figura 3: Polinmios de Legendre de grau at 5.

2.2 Polinmios de Legendre

26

Aplicando-se o binmio de Newton ao polinmio de Legendre Pr (x), em (2.45),

Pr (x) =

(1)r dr
(1)r x2r + (1)r1 rx2r2 + . . . + 1 ,
2r r! dxr

cujo coeciente dominante

Ar =

(1)r (1)r (2r)!

(2r)!
= r
.
r r!
2
r!
2 (r!)2

(2.46)

A partir de (2.28) calcula-se

b

(1)r r! Ar

(2.47)

Vr (x) dx,
a

(1)r r!
(2r)!
22r (r!)2

(2r)!
2r (r!)2

1
1

(1)r
(1 x2 )r dx,
2r r!

(2.48)

(1 x2 )r dx.
1
1

Calcula-se a integral acima ao provar-se por induo que

(1x2 )r dx =
1

De fato,

22r+1 (r!)2
.
(2r + 1)!

r = 0

r = 1

r = 2

20+1 (0!)2
,
(0 + 1)!
1
1
4
22+1 (1!)2
(1 x2 ) dx =
=
,
3
(2 + 1)!
1
1
16
24+1 (2!)2
=
.
(1 x2 )2 dx =
15
(4 + 1)!
1
dx = 2 =

Considerando-se a expresso para r = j , restar provar a validade para o caso em que

r = j + 1. Deste modo,
uj+1

du,
2 1u

(1 x2 )j+1 dx =

onde u = 1 x2 du = 2x dx e x = 1 u. (O caso x = 1 u anlogo).

uj+1
uj+1 1 u j + 1
uj

Uma vez que

du =

du, (Leithold, 1994),

2j + 3
2j + 3
2 1u
1u
tem-se que
1

(1 x2 )j+1 dx
1

(1 x2 )j+1 x
2j + 3

+
1

2(j + 1)
2j + 3

(1 x2 )j dx,
1

2.2 Polinmios de Legendre

27

2(j + 1) 22j+1 (j!)2

,
2j + 3 (2j + 1)!

22j+2 (j + 1)(j!)2
,
(2j + 3)(2j + 1)!

22j+2 (j + 1)(j!)2
2(j + 1)

,
(2j + 3)(2j + 1)!
2(j + 1)

22j+3 [(j + 1)!]2

,
(2j + 3)!

(1 x2 )j+1 dx
1

como queria-se demonstrar.

Portanto, (2.48) torna-se

(2r)! 22r+1 (r!)2

,
22r (r!)2 (2r + 1)!

2
.
2r + 1

(2.49)

De acordo com o Teorema 2.4, os polinmios de Legendre podem ser obtidos segundo
uma frmula de recorrncia de trs termos, a partir de ar , br e cr , dados pelas equaes
(2.19), (2.27) e (2.23). Por (2.19),

ar =

2r + 1
.
r+1

(2.50)

Como w(x) = 1 e o intervalo [1, 1] simtrico, o Corolrio 2.9.2, implica que

(2.51)

br = 0.
Por (2.23),

cr =

r
.
r+1

(2.52)

Finalmente, usando (2.50), (2.51) e (2.52) no Teorema 2.4, tem-se a frmula de recorrncia para a seqncia dos polinmios ortogonais de Legendre,

Pr+1 (x) =
P1 (x) 0,

2r + 1
r
x Pr (x)
Pr1 (x),
r+1
r+1

r 0,

P0 (x) = 1.

O i-simo zero xr,i de Pr (x) dado por (Davis e Rabinowitz, 1984)

xr,i =

1
1
+ 3
8r2
8r

cos

(4i 1)
4r + 2

+ O(r4 ),

(2.53)

2.3 Polinmios de Laguerre generalizados

28

com xr,1 > xr,2 > ... > xr,r . Portanto,

xr,i cos

(4i 1)
4r + 2

(2.54)

i = 1, 2, ..., r,

onde xr,1 > xr,2 > ... > xr,r .

Pela frmula anterior nota-se que xr,i pertence ao intervalo (1, 1), como mostrou o
Teorema 2.3.
Uma frmula envolvendo a derivada do polinmio de Legendre (Szeg, 1975)

(1 x2 )Pr (x) = (r + 1)xPr (x) (r + 1)Pr+1 (x) = rxPr (x) + rPr1 (x).

(2.55)

Pr (x)
Os polinmios ortonormais de Legendre Pr (x) so dados pela normalizao
,
r
Pr (x) =

2r + 1
Pr (x).
2

A equao de recorrncia para a seqncia dos polinmios ortonormais de Legendre

Pr (x) dada pelo Teorema 2.7, notando as formas de r e r nas equaes (2.32) e (2.33).
Assim,

sendo P1 (x) 0,

r+1 Pr+1 (x) = x Pr (x) +

P0 (x) =
,
2

r =
r =

br
= 0,
ar

r Pr1 (x),

r 0,

(2.57)

r 0,

r
r2
=
,
a2 r1
4r2 1
r1

(2.56)

r 1.

(2.58)

2.3 Polinmios de Laguerre generalizados

No caso de uma seqncia de polinmios ortogonais denida sobre o intervalo [0, ),
com w(x) = ex x , onde > 1, tem-se que a equao diferencial (2.12) toma a forma
r
dr+1
x d Vr (x)
e x
dxr+1
dxr

= 0,

(2.59)

2.3 Polinmios de Laguerre generalizados

29

com 2r condies de contorno

Vr (0) = Vr (0) = Vr (0) = . . . = Vr(r1) (0) = 0,

(2.60)

Vr () = Vr () = Vr () = . . . = Vr(r1) () = 0.

(2.61)

Arma-se que Vr (x) = Kr ex x+r , onde Kr uma constante, pois empregando a

regra de Leibniz ao termo interno s chaves na equao (2.59),
x

e x

dr
Kr ex x+r
dxr

Kr e x

i=0
r

= Kr ex x
i=0
x

e x

dr
Kr ex x+r
dxr

= Kr
i=0

(1)i r! r + x +i
e x ,
i!
ri

(1)i r! r + i
x.
ri
i!

dr
Kr ex x+r
dxr
satisfaz (2.59).

Ficando demonstrado que ex x

Vr (x) = Kr ex x+r

r dri
di
x+r
ex ,
i dxri
dxi

um polinmio de grau r e que

Empregando novamente a regra de Leibniz,

dj
Kr ex x+r
dxj

= Kr
i=0

(1)i j! r + x +rj+i
e x
,
i!
ji

j = 0, ..., r 1,

que se anula em x = 0, pois + r j + i > 0, o que satisfaz (2.60). Por outro lado, cada
xl
um de seus termos pode ser representado pela forma x , onde l > 0, a menos de uma
e
xl
constante. Como lim x = 0, as condies de contorno em (2.61) so tambm satisfeitas.
x e
Assim, pela frmula de Rodrigues (2.11),

r (x) = Kr ex x
Escolhendo Kr =

r,

1
obtm-se o
r!

dr
ex x+r .
dxr

(2.62)

polinmio de Laguerre generalizado L (x) de grau

r

1 x dr
e x
ex x+r ,
(2.63)
r!
dxr
ou frmula de Rodrigues para o polinmio L (x). A seqncia dos polinmios ortogonais
r
L (x) =
r

de Laguerre generalizados representada por {L (x)} .

r
r=0

2.3 Polinmios de Laguerre generalizados

30

Os seis primeiros polinmios de Laguerre generalizados com = 1 so

L1 (x) = 1,
0

L1 (x) = x + 2,
1

1
L1 (x) = x2 3x + 3,
2
2

1
L1 (x) = x3 + 2x2 6x + 4,
3
6

L1 (x) =
4

1 4 5 3
1 5 1 4 5 3
x x + 5x2 10x + 5, L1 (x) =
x + x x + 10x2 15x + 6.
5
24
6
120
4
2

A Figura 4 apresenta os grcos destes polinmios no intervalo [0, 8].

15

10

1
L2(x)

L1(x)
r

5
L1(x)
3

L1(x)
0
0
L1(x)
5

L1(x)
1

1
L4(x)

10

15

4
x

Figura 4: Polinmios de Laguerre generalizados de grau at 5 com = 1.

Aplicando-se a regra de Leibnitz ao polinmio de Laguerre generalizado L (x), em
r
(2.63),

L (x)
r

=
i=0

(1)i r + i
x,
i!
ri

cujo coeciente do termo de grau i dado por

Ar,i =

(1)i r +
.
i!
ri

(2.64)

De (2.28) calcula-se
b

(1)r r! Ar

Vr (x) dx,
a

(2.65)

2.3 Polinmios de Laguerre generalizados

=

31

(1)r r!
1
r!

(1)r
r!

1 x +r
e x
dx,
r!

ex x+r dx,
0

( + r + 1)
,
r!

(2.66)

ex xt1 dx a funo Gama tal que (t) = (t 1)!.

onde (t) =
0

De acordo com o Teorema 2.4 os polinmios de Laguerre generalizados podem ser

determinados segundo uma frmula de recorrncia de trs termos, a partir de ar , br e cr ,
obtidos segundo as equaes (2.19), (2.27) e (2.23). De (2.19) tem-se

ar =

1
.
r+1

(2.67)

De (2.27),

1 x +r+1
(1)r
r+1
(r + 1)
e x
dx
= (1)r
r!
( + r + 1)
r!
r!
0
r!

(1)r1
1 x +r
+
(r + )
e x
dx ,
(r 1)!
r!
0

br

(1)r+1 (r!)2
(1)r (r + 1)( + r + 2)
(1)r1 (r + )( + r + 1)
+
,
(r + 1)( + r + 1)
(r!)2
r!(r 1)!

= ( + r + 1) +

br

r(r + )
,
r+1

+ 2r + 1
.
r+1

(2.68)

De (2.23),

cr =

+r
.
r+1

(2.69)

Finalmente, usando (2.67), (2.68) e (2.69) no Teorema 2.4, tem-se a equao de recorrncia para L (x)
r

L (x) =
r+1
L (x) 0,
1

x
+ 2r + 1
+
r+1
r+1

L (x) = 1.
0

L (x)
r

+r
L (x),
r + 1 r1

r 0,

(2.70)

2.4 Polinmios de Laguerre

32

O i-simo zero xr,i de L (x) dado por (Davis e Rabinowitz, 1984)

r

xr,i =
onde K = r +

2
j,i
4K

1+

2
2(2 1) + j,i
48K2

+ O(r5 ),

+1
e j,i o i-simo zero positivo da funo de Bessel J (x).
2

Uma frmula envolvendo a derivada de L (x) (Szeg, 1975)

r
(2.71)

xL (x) = rL (x) ( + r)L (x).

r1
r
r

Os polinmios ortonormais de Laguerre generalizados L (x) so obtidos segundo a

r
L (x)
r
normalizao
,
r

r!
L (x).
( + r + 1) r

L (x) =
r

A equao de recorrncia para a seqncia dos polinmios ortonormais de Laguerre generalizados L (x) dada pelo Teorema 2.7, notando as formas de r e r nas equaes
r
(2.32) e (2.33). Assim,

r+1 L (x) = (x r ) L (x) +

r+1
r
sendo L (x) 0,
1

L (x) =
0

( + 1)

r =
r =

r L (x),
r1

(2.72)

br
= + 2r + 1,
ar

r
2
ar1 r1

r 0,

= r( + r),

(2.73)

r 0,
r 1.

(2.74)

2.4 Polinmios de Laguerre

Denindo = 0 na seqncia {L (x)} , obtm-se os
r
r=0

polinmios de Laguerre

Lr (x), um caso particular dos polinmios de Laguerre generalizados. Desta forma, os

polinmios de Laguerre so denidos no intervalo [0, ) com a funo peso w(x) = ex .
A frmula de Rodrigues para este caso

Lr (x) =

1 x dr
e
ex xr .
r
r! dx

2.4 Polinmios de Laguerre

33

Os seis primeiros polinmios de Laguerre so

L0 (x) = 1,

L1 (x) = x + 1,

1
L2 (x) = x2 2x + 1,
2

1
3
L3 (x) = x3 + x2 3x + 1,
6
2

L4 (x) =

1 4 2 3
1 5
5
5
x x + 3x2 4x + 1, L5 (x) =
x + x4 x3 + 5x2 5x + 1.
24
3
120
24
3

A Figura 5 apresenta os grcos dos polinmios acima no intervalo [0, 8].

20

15

L2(x)

10

Lr(x)

L (x)
5

L3(x)

L0(x)
0
L (x)
1

L (x)
4

10

15

4
x

Figura 5: Polinmios de Laguerre de grau at 5.

A frmula de recorrncia de trs termos para Lr (x)

Lr+1 (x) =
L1 (x) 0,

x
2r + 1
+
r+1
r+1

Lr (x)

r
Lr1 (x),
r+1

r 0,

(2.75)

L0 (x) = 1.

Uma frmula envolvendo a derivada de Lr (x) (Szeg, 1975)

xLr (x) = r(Lr (x) Lr1 (x)).

(2.76)

Por (2.66), a norma dos polinmios ortogonais de Laguerre r = 1, isto , eles so

2.5 Polinmios de Hermite

34

ortonormais e Lr+1 (x) = L (x). Deste modo, pelo Teorema 2.7, tem-se que
r+1

r+1 L (x) = (x r ) L (x) +

r+1
r
L (x) 0,
1

r L (x),
r1

r 0,

(2.77)

L (x) = 1,
0
r 0,

r = 2r + 1,
r = r2 ,

r 1.

(2.78)
(2.79)

2.5 Polinmios de Hermite

Quando a seqncia de polinmios ortogonais {r (x)} denida com w(x) = ex
r=0

sobre intervalo (, ), tem-se que a equao diferencial (2.12) toma a forma

r
dr+1
2 d Vr (x)
ex
dxr+1
dxr

= 0,

(2.80)

com 2r condies de contorno

Vr () = Vr () = Vr () = . . . = Vr(r1) () = 0.

(2.81)

Arma-se que Vr (x) = Kr ex , onde Kr uma constante, pois aplicando a regra de

Leibniz ao termo interno s chaves em (2.80),

dr
2
Kr ex
r
dx

r/2
x2

= Kr e

r!
i=0

(1)ir (2x)r2i
.
i!
(r 2i)!

dr
2
Kr ex
um polinmio de grau r e tambm que
r
dx
2
Vr (x) = Kr ex satisfaz a equao (2.80). Por outro lado, cada um dos termos de
xl
dj
x2
Kr e
, j = 0, 1, ..., r 1, so da forma x2 , para algum l natural, a menos de
dxj
e
xl
uma constante. Como lim x2 = 0, ento as condies de contorno (2.81) so satisx e
feitas.
2

Ficando demonstrado que ex

Assim, pela frmula de Rodrigues (2.11),

r (x) = Kr ex
Com Kr = (1)r obtm-se o

dr
2
ex .
r
dx

polinmio de Hermite Hr (x) (Szeg, 1975) de grau r,

dr
2
Hr (x) = (1) e
ex ,
r
dx
r

x2

(2.82)

2.5 Polinmios de Hermite

35

cuja seqncia representada por {Hr (x)} .

r=0
Os seis primeiros polinmios de Hermite so

H0 (x) = 1,

H1 (x) = 2x,

H2 (x) = 4x2 2,

H3 (x) = 8x3 12x,

H4 (x) = 16x4 48x2 + 12,

H5 (x) = 32x5 160x3 + 120x.

A Figura 6 apresenta os grcos dos cinco primeiros polinmios acima no intervalo

[2, 2]. Verica-se que os zeros so reais e distintos, como mostrou o Teorema 2.3. Alm
2

disto, percebe-se que os zeros so simtricos com relao origem, pois w(x) = ex
uma funo par sobre o intervalo (, ), conforme o Corolrio 2.9.1. Nota-se que os
zeros se entrelaam.
80

60

Hr(x)

40

20

H4(x)

H2(x)
0

H0(x)

H1(x)
20
H3(x)
40
2

1.5

0.5

0
x

0.5

1.5

Figura 6: Polinmios de Hermite de grau at 4.

A forma fechada do polinmio de Hermite (Szeg, 1975)
r/2

Hr (x) = r!
i=0

(1)i (2x)r2i
,
i! (r 2i)!

cujo coeciente dominante

Ar = 2r .

(2.83)

2.5 Polinmios de Hermite

36

De (2.28) calcula-se
b

(1)r r! Ar

(2.84)

Vr (x) dx,
a

(1)r ex dx,

(1)r r! 2r

ex dx.

2r r!

ex dx. Conseqentemente,

Para calcular a integral acima, denota-se I =

ex dx

I2 =

ey dy

2 +y 2 )

e(x

dx dy.

Esta integral dupla pode ser calculada em termos de coordenadas polares, isto ,

I2

er r dr d,

=
0

er r dr,

2
0

Portanto,

er
2
2

I =

r = 2r r! .

(2.85)

De acordo com o Teorema 2.4 os polinmios de Hermite podem ser determinados

segundo uma frmula de recorrncia de trs termos, a partir de ar , br e cr , obtidos segundo
as equaes (2.19), (2.21) e (2.23). De (2.19) tem-se

ar = 2.

(2.86)

Desde que w(x) = ex e o intervalo (, ) simtrico com relao origem, o

Corolrio 2.9.2 conduz a

br = 0.

(2.87)

cr = 2r.

(2.88)

De (2.23),

Notando os resultados (2.86), (2.87) e (2.88) no Teorema 2.4, tem-se a equao de recor-

2.6 Polinmios de Jacobi

37

rncia para Hr (x),

Hr+1 (x) = 2xHr (x) 2rHr1 (x),

H1 (x) 0,

(2.89)

r 0,

H1 (x) = 0.

Pela frmula de Rodrigues para o polinmio de Hermite, tem-se que

dr
2
ex
r
dx

= (1)r ex Hr (x),

dr+1
2
ex
r+1
dx

= (1)r (2xex Hr (x) + ex Hr (x)),

(1)r+1 ex Hr+1 (x) = (1)r (2xex Hr (x) + ex Hr (x)),

(2.90)

Hr (x) = 2xHr (x) Hr+1 (x).

Por outro lado, pela equao de recorrncia para Hr (x), tem-se que

(2.91)

2rHr1 (x) = 2xHr (x) Hr+1 (x).

Notando (2.90) e (2.91) obtm-se uma relao envolvendo a derivada do polinmio de

Hermite

Hr (x) = 2rHr1 (x) = 2xHr (x) Hr+1 (x).

(2.92)

Os polinmios ortonormais de Hermite Hr (x) so dados segundo a normalizao

Hr (x)

. A equao de recorrncia para a seqncia de tais polinmios dada pelo

2r r!
Teorema 2.7, notando as formas de r e r nas equaes (2.32) e (2.33),
1
4

r+1 Hr+1 (x) = x Hr (x) +

sendo H1 (x) 0,

r Hr1 (x),

r 0,

(2.93)

H0 (x) = 4 ,

r =
r =

br
= 0,
ar

r
2
ar1 r1

r 0,
r
,
2

r 1.

(2.94)
(2.95)

2.6 Polinmios de Jacobi

No caso em que a seqncia de polinmios ortogonais denida com a funo peso

w(x) = (1 x) (1 + x) , onde > 1 e > 1, sobre o intervalo [1, 1], tem-se que a

2.6 Polinmios de Jacobi

38

equao diferencial (2.12) torna-se

r
dr+1

d Vr (x)
(1 x) (1 + x)
dxr+1
dxr

(2.96)

= 0,

com 2r condies de contorno

(2.97)

Vr (1) = Vr (1) = Vr (1) = . . . = Vr(r1) (1) = 0.

Arma-se que Vr (x) = Kr (1x)r+ (1+x)r+ , onde Kr uma constante, pois aplicando
a regra de Leibniz ao termo entre chaves da equao (2.96),
r

dr
Kr (1 x)r+ (1 + x)r+
dxr

= Kr
i=0
r

d
Kr (1 x)r+ (1 + x)r+
r
dx

r dri
di
(1 x)r+
(1 + x)r+ ,
i dxri
dxi
(1)ri

= Kr
i=0

r
(r + )(r + 1) . . . (i + + 1)
i

(r + )(r + 1) . . . (r + i + 1)(1 x)i+

(1 + x)ri+ ,
dr
Kr (1 x)r+ (1 + x)r+ um polinmio
dxr
de grau r e que Vr (x) = Kr (1x)r+ (1+x)r+ satisfaz equao (2.96). Ainda pela regra
dj
de Leibniz, os termos de
Kr (1 x)r+ (1 + x)r+ , j = 0, ..., r 1, so da forma
j
dx
(1 x)r+j+i (1 + x)ri+ . Estes termos se anulam em x = 1, pois r + j + i > 0 e
cando demonstrado que (1 x) (1 + x)

r i + > 0. Assim, as condies de contorno (2.97) so satisfeitas.

Portanto, da frmula de Rodrigues em (2.11),

r (x) = Kr (1 x) (1 + x)

Tomando Kr =
dado por

(1)r
,o
2r r!

Pr(,) (x) =

dr
(1 x)r+ (1 + x)r+ .
dxr

(2.98)

polinmio de Jacobi Pr(,) (x), (Szeg, 1975) de grau r

(1)r
dr
(1 x) (1 + x) r (1 x)r+ (1 + x)r+ ,
2r r!
dx
(,)

cuja seqncia representada por {Pr

(x)} . Um caso particular deste resultado o

r=0

polinmio de Legendre Pr (x) com a escolha = = 0.

Uma forma fechada de (2.98) (Szeg, 1975)
r
r

r (x) = (1) Kr 2 r!
i=0

r+++i
i

r+
ri

x1
2

(2.99)

2.6 Polinmios de Jacobi

39

desde que r + + R Z em decorrncia do domnio da funo (t). Seu coeciente

dominante

Ar = (1)r Kr

(2r + + + 1)
,
(r + + + 1)

r + + R Z .

(,)

Portanto, o coeciente dominante do polinmio de Jacobi Pr

Ar =

1 (2r + + + 1)
,
(r + + + 1)

2r r!

(2.100)

(x)

r + + R Z .

(2.101)

A partir de (2.100) calcula-se (2.28),

b

(1) r! Ar

Vr (x) dx,
a

(1)r r! (1)r Kr

2
= Kr r!

(2r + + + 1)
(r + + + 1)

(2r + + + 1)
(r + + + 1)

Kr (1 x)r+ (1 + x)r+ dx,

1

(1 x)r+ (1 + x)r+ dx,

1

mas tem-se que

(1 x)r+ (1 + x)r+ dx = 22r+++1

1

(Kythe e Schferkotter, 2005), resultando

2
= Kr 22r+++1 r!

2
= Kr

(r + + 1) (r + + 1)
,
(2r + + + 2)

(2r + + + 1) (r + + 1) (r + + 1)
,
(r + + + 1)
(2r + + + 2)

22r+++1 r! (r + + 1) (r + + 1)
,
2r + + + 1
(r + + + 1)

(2.102)

com r + + R Z .

(,)

Portanto, o coeciente r associado ao polinmio de Jacobi Pr

r =

(r + + 1)(r + + 1)
2++1
,
(2r + + + 1)r!
(r + + + 1)

(x)

r + + R Z .

(2.103)

Nota-se que r + + R Z apenas quando + = 1 e r = 0. Para este caso

tem-se, de (2.99), que 0 (x) = K0 , ento A0 = K0 . Conseqentemente, por (2.28),

2
0 = K0 2++1

( + 1) ( + 1)
.
( + + 2)

(2.104)

A equao de recorrncia do polinmio de Jacobi pode ser determinada a partir de

2.6 Polinmios de Jacobi

40

ar , br e cr , em (2.19), (2.27) e (2.23). De (2.19),

ar =

(2r + + + 2)(2r + + + 1)
,
2(r + 1)(r + + + 1)

(2.105)

r 1.

Por (2.23),

(2r + + + 2)(r + )(r + )

,
r 1.
(2.106)
(r + 1)(r + + + 1)(2r + + )
A priori, o termo cr deveria ser vlido apenas para r 2 em virtude do termo Ar1 que
cr =

est presente em ar1 e em r1 . No entanto, Ar1 cancelado no produto ar1 r , o que

torna cr vlido para r 1.
(,)

O termo br para Pr

(x) obtido de forma diferente da frmula em (2.27). Primeira-

mente, observa-se que na frmula de recorrncia (2.15), o termo em xr , do lado direito

(Ar,r1 ar Ar br )xr e do lado esquerdo Ar+1,r xr . Desta maneira, impondo a igualdade

entre os termos,

br =

Ar,r1 ar Ar+1,r
.
Ar

Pela forma fechada em (2.99), com Kr =

Ar+1,r =

(2r + + + 2)( )
,
2r+1 r!(r + + + 2)

(2.107)

(1)r
tem-se
2r r!
Ar,r1 =

(2r + + )( )
,
1)!(r + + + 1)

r 1.

2r (r

(2.108)

Notando (2.101), (2.105) e (2.108) em (2.107), obtm-se

br =

(2r + + + 1)(2 2 )
,
2(r + 1)(r + + + 1)(2r + + )

(2.109)

r 1.
(,)

Portanto, pelo Teorema 2.4, a equao de recorrncia para Pr

(x)

(,)

2(r + 1)(r + + + 1)(2r + + )Pr+1 (x) = (2r + + + 1) (2r + + + 2)

(2r + + )x + 2 2 Pr(,) (x)
(,)

2(r + )(r + )(2r + + + 2)Pr1 (x),

(2.110)
(,)

r 1, P0

(,)

(x) = 1, P1

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

Duas relaes envolvendo a derivada do polinmio Pr

(x) so (Szeg, 1975):

(2r + + + 2)(1 x2 )Pr(,) (x) = (r + + + 1)

(2r + + + 2)x + Pr(,) (x)

2.7 Polinmios de Chebyshev de 1a espcie

41

(,)

2(r + 1)(r + + + 1)Pr+1 (x),

(2.111)

(2r + + )(1 x2 )Pr(,) (x) = r (2r + + )x + Pr(,) (x)

(,)

(2.112)

+2(r + )(r + )Pr1 (x),

(,)

Os polinmios ortonormais de Jacobi Pr

(x) so obtidos segundo a normalizao
(,)
Pr (x)
(,)
, para r 1. A equao de recorrncia para a seqncia {Pr
(x)} dada
r=0
r
pelo Teorema 2.7, notando as formas de r e r nas equaes (2.32) e (2.33),
(,)

r+1 Pr+1
(,)

sendo P1

(x) = (x r ) Pr(,) (x) +

(,)

(x) 0,

P0

r =

(x) =

r
2
ar1 r1

(x),

r 0,

( + + 2)
,
+ 1)( + 1)
(2.114)

r 1,

b0
=
,
a0
++2

4r(r + )(r + )(r + + )

,
(2r + + + 1)(2r + + 1)(2r + + )2
1 =

(2.113)

2++1 (

br
2 2
=
,
ar
(2r + + )(2r + + + 2)
0 =

r =

(,)

r Pr1

1
4(1 + )(1 + )
.
=
2
a0 0
( + + 3)( + + 2)2

(2.115)

r 2,

(2.116)
(2.117)

2.7 Polinmios de Chebyshev de 1a espcie

1
sobre o intervalo
1 x2
[1, 1], obtm-se um caso particular da seqncia dos polinmios de Jacobi quando sua
1
funo peso escolhida com = = . Nesta situao, obtm-se, de (2.98), a seguinte
2
relao

1
dr
r (x) = Kr 1 x2 r (1 x2 )r 2 .
dx
Quando a seqncia {r (x)} for denida com w(x) =
r=0

Tomando Kr =

Chebyshev de 1a

(2)r r!
, obtm-se a frmula de Rodrigues para o
(2r)!
espcie Tr (x) (Szeg, 1975), de grau r,
Tr (x) =

1
(2)r r!
dr
1 x2 r (1 x2 )r 2 ,
(2r)!
dx

polinmio de

2.7 Polinmios de Chebyshev de 1a espcie

42

cuja seqncia representada por {Tr (x)} . De (2.99) obtm-se sua forma fechada,
r=0

22r (r!)2
Tr (x) =
(2r)!

r1+i
i

i=0

1
r2
ri

x1
2

(2.118)

r 1.

Os seis primeiros polinmios de Chebyshev de 1a espcie so

T0 (x) = 1

T1 (x) = x,

T2 (x) = 2x2 1,

T3 (x) = 4x3 3x,

T4 (x) = 8x4 8x2 + 1,

T5 (x) = 16x5 20x3 + 5x.

A Figura 7 mostra os grcos dos seis polinmios acima no intervalo [1, 1]. Verica-se
que os zeros so reais, distintos e contidos no interior deste intervalo, conforme mostrou
o Teorema 2.3. Nota-se tambm que os zeros so simtricos, pois os polinmios Tr (x)
so funes pares ou mpares (Corolrio 2.9.1). Alm disto, percebe-se que os zeros se
entrelaam.
1

T0(x)

0.8
T1(x)

0.6
0.4
T (x)
4

Tr(x)

0.2
0
0.2
0.4
T5(x)

T3(x)

0.6
0.8
T2(x)
1
1

0.5

0
x

0.5

Figura 7: Polinmios de Chebyshev de 1a espcie de grau at 5.

De (2.100) obtm-se o coeciente dominante do polinmio de Chebyshev de 1a espcie

Ar =

2r r
= 2r1 ,
2r

r 1.

(2.119)

2.7 Polinmios de Chebyshev de 1a espcie

43

Calcula-se r em (2.102),

(2)r r!
(2r)!

22r r! (r + 1 ) (r + 1 )
2
2
.
2r
(r)

Mas a funo (t) possui a seguinte propriedade (Abramowitz e Stegun, 1972)

t+

1
2

(2t 1)(2t 3) . . . 5 3 1
,
2t

t N.

(2.120)

Conseqentemente,

22r1 (r!)2
(2r 1)2 (2r 3)2 . . . 52 32 12 ,
(2r!)2

22r1 (r!)2

(2r 1)2 (2r 3)2 . . . 52 32 12

,
(2r)2 (2r 1)2 (2r 2)2 . . . 42 32 22 12

24r1 (r!)3 (2r 1)2 (2r 3)2 . . . 52 32 12

,
r(2r!)2
22r (r 1)!

22r1 (r!)2

,
(2r)2 (2r 2)2 . . . 42 22

2r1

r2 (r 1)2 (r 2)2 . . . 32 22 12
,
(2r)2 (2(r 1))2 (2(r 2))2 . . . (2 3)2 (2 2)2 (2 1)2

22r1 r2 (r 1)2 (r 2)2 . . . 32 22 12

,
22r r2 (r 1)2 (r 2)2 . . . 32 22 12

,
2

(2.121)

r 1.

De (2.104),

0 =
contudo ( 1 ) =
2

(2)0 0!
0!

1
( 1 ) ( 2 )
2
2
,
(1)
0

, implicando que 0 = .

Para obter a equao de recorrncia de trs termos do Teorema 2.4, tem-se que, de
(2.19)

ar = 2,
Uma vez que w(x) =

r 1.

(2.122)

1
uma funo par e o intervalo [1, 1] simtrico com
1 x2

2.7 Polinmios de Chebyshev de 1a espcie

44

relao origem, ento, pelo Corolrio 2.9.2,

(2.123)

br = 0.
De (2.23),

(2.124)

r 1.

cr = 1,

Pelo Teorema 2.4, com (2.122), (2.123) e (2.124), tem-se a equao de recorrncia
para Tr (x),

Tr+1 (x) = 2xTr (x) Tr1 (x),

(2.125)

r 1.

Os polinmios de Chebyshev de 1a espcie tambm se apresentam na forma trigonomtrica Tr (x) = Tr (cos()) = cos(r), onde 1 x 1. Para perceber este fato,
introduz-se a mudana de varivel x = cos(). Segue que

x = 1

cos() = 1

x=1

cos() = 1

w(cos()) =

x = cos()
1
1 cos2 ()

= ,
= 0,

dx = sen() d,
1
1
,
=
sen()
sen2 ()

0 < < .

Assim, a equao (2.2) assume a forma

0

r (cos())qr1 (cos()) sen()

d = 0
sen()

r (cos())qr1 (cos()) d = 0.

=
0

Desde que cos(k) pode ser representado por um polinmio de grau k em cos() e, reciprocamente, qualquer polinmio de grau k em cos() pode ser desenvolvido como uma
combinao linear dos termos 1, cos(), cos(2), ..., cos(k), segue que a condio anterior
satisfeita se, e somente se,

r (cos()) cos(k) d = 0,

k = 0, 1, ..., r 1.

Arma-se que r (cos()) = Kr cos(r), onde Kr constante. De fato, notando o produto

1
de cossenos, cos(u) cos(v) = (cos(u + v) + cos(u v)), tem-se que
2

Kr cos(r) cos(k) d =
0

Kr
2
Kr
2

cos[(r + k)] d +
0

cos[(r k)] d , (2.126)

0

sen[(r + k)]
sen[(r k)]
+
(r + k)
(r k)

,
0

2.7 Polinmios de Chebyshev de 1a espcie

45

Kr cos(r) cos(k) d = 0,

k = 0, 1, ..., r 1.

Retornando para a varivel x tem-se r (x) = Kr cos (r arccos(x)). Fazendo Kr = 1 tem-se

o polinmio de Chebyshev de 1a espcie de grau r (Szeg, 1975),

Tr (x) = cos(r arccos(x)),

ou

1 x 1

Tr (cos()) = cos(r),

0 .
(2.127)

Segundo o Teorema 2.3 os r zeros xr,i de Tr (x), i = 1, 2, ..., r, pertencem ao intervalo (1, 1). Ento possvel encontrar uma frmula para o i-simo zero, pois a forma
trigonomtrica deste polinmio est denida neste intervalo. Desta forma,
cos(r arccos(xr,i )) = 0,

r arccos(xr,i )

+ (i 1),
2

arccos xr,i

(i 1)
(2i 1)

+
=
,
2r
r
2r

xr,i = cos

i = 1, 2, ..., r,

(2i 1)
2r

i = 1, 2, ..., r,

(2.128)

onde xr,1 > xr,2 > ... > xr,r .

Os polinmios ortonormais de Chebyshev de 1a espcie Tr (x) so dados pela norma2
lizao
Tr (x), r 1. A equao de recorrncia para a seqncia {Tr (x)} dada
r=0

pelo Teorema 2.7, notando as formas de r e r nas equaes (2.32) e (2.33),

r+1 Tr+1 (x) = x Tr (x) +

sendo T1 (x) 0,

r Tr1 (x),

r 0,

(2.129)

T0 (x) = 2 ,

r =
r =

br
= 0,
ar

r
2
ar1 r1
1 =

r 0,
1
,
4

1
1
= .
2
a0 0
2

r 2,

(2.130)
(2.131)
(2.132)

2.8 Polinmios de Chebyshev de 2a espcie

46

2.8 Polinmios de Chebyshev de 2a espcie

Se a seqncia {r (x)} for denida com w(x) =
r=0

1 x2 , no intervalo [1, 1], tem1

se um caso particular da funo de ponderao do polinmio de Jacobi quando = = .
2
Neste caso obtm-se de (2.98) a seguinte relao
r (x) = Kr

1
1
dr
(1 x2 )r+ 2 .
1 x2 dxr

(2)r (r + 1)!
, obtm-se o
(2r + 1)!
Ur (x) de grau r (Szeg, 1975),

Com a escolha Kr =

espcie

Ur (x) =

polinmio de Chebyshev de 2a

1
1
dr
(2)r (r + 1)!

(1 x2 )r+ 2 ,
2 dxr
(2r + 1)!
1x

ou frmula de Rodrigues para Ur (x) cuja seqncia representada por {Ur (x)} .
r=0
De (2.99) obtm-se sua forma fechada,

22r (r + 1)(r!)2
Ur (x) =
(2r + 1)!

i=0

r1+i
i

1
r2
ri

x1
2

(2.133)

Os seis primeiros polinmios de Chebyshev de 2a espcie so

U0 (x) = 1,

U1 (x) = 2x,

U2 (x) = 4x2 1,

U3 (x) = 8x3 4x,

U4 (x) = 16x4 12x2 + 1,

U5 (x) = 32x5 32x3 + 6x.

A Figura 8 mostra os grcos dos seis polinmios acima com seus zeros no interior do
intervalo [1, 1], conforme mostrou o Teorema 2.3. Percebe-se a simetria dos zeros com
relao origem, uma vez que estes polinmios so funes pares ou mpares, de acordo
com o Corolrio 2.9.1. Verica-se tambm que os zeros se entrelaam.
De (2.100) obtm-se o coeciente dominante do polinmio de Chebyshev de 2a espcie,

Ar = (1)r

(2)r (r + 1)! (2r + 2)

= 2r .
(2r + 1)!
(r + 2)

(2.134)

2.8 Polinmios de Chebyshev de 2a espcie

47

U (x)
4

U1(x)

Ur(x)

U (x)
0

0
U (x)
U2(x)
2

U (x)
3

6
1

0.5

0
x

0.5

Figura 8: Polinmios de Chebyshev de 2a espcie de grau at 5.

Calcula-se r em (2.102),

(2)r (r + 1)!
(2r + 1)!

1
22r+2 r! (r + 2 + 1) (r + 1 + 1)
2
,
2r + 2
(r + 2)

24r+1 (r!)2 (2r + 1)2 (2r 1)2 (2r 3)2 . . . 52 32 12

,
[(2r + 1)!]2
22r+2

22r1 (r!)2

(2r + 1)2 (2r 1)2 (2r 3)2 . . . 52 32 12

,
(2r + 1)2 (2r)2 (2r 1)2 (2r 2)2 . . . 42 32 22 12

22r1 (r!)2

,
(2r)2 (2r 2)2 . . . 42 22

22r1

1
22r [(r + 1)!]2 22r+2 r! 2 [(r + 1) + 2 ]
,
[(2r + 1)!]2 (2(r + 1))
(r + 1)!

22r1 r2 (r 1)2 (r 2)2 . . . 22 12

,
22r r2 (r 1)2 (r 2)2 . . . 22 12

.
2

r2 (r 1)2 (r 2)2 . . . 22 12
,
(2r)2 (2(r 1))2 (2(r 2))2 . . . 24 22

(2.135)

2.8 Polinmios de Chebyshev de 2a espcie

48

Para obter a equao de recorrncia de trs termos do Teorema 2.4, tem-se que, de
(2.19)
(2.136)

ar = 2.
Uma vez que w(x) =

1 x2 uma funo par e [1, 1] um intervalo simtrico com

relao origem, ento, pelo Corolrio 2.9.2,

br = 0.

(2.137)

cr = 1.

(2.138)

De (2.23) tem-se

Pelo Teorema 2.4, com os resultados (2.136), (2.137) e (2.138), tem-se a equao de
recorrncia para Ur (x),
(2.139)

Ur+1 (x) = 2xUr (x) Ur1 (x).

Os polinmios de Chebyshev de 2a espcie tambm se apresentam na forma trigonosen[(r + 1)]

mtrica Ur (x) = Ur (cos()) =
, onde 1 < x < 1. Para perceber este fato,
sen()
introduz-se a mudana de varivel x = cos(). Deste modo,

x 1

cos() 1

x1

cos() 1

x = cos()
w(cos()) =

,
0,

dx = sen() d,

1 cos2 () =

sen2 () = sen().

Deste modo a equao (2.2) toma a forma

0

sen() r (cos())qr1 (cos()) sen() d

0,

0.

r (cos())qr1 (cos()) sen2 () d

0

Desde que cos(k) pode ser representado por um polinmio de grau k em cos() e, reciprocamente, qualquer polinmio de grau k em cos() pode ser desenvolvido como uma
como combinao linear dos termos 1, cos(), cos(2), ..., cos(k), segue que a condio
anterior satisfeita se, e somente se,

r (cos()) cos(k) sen2 () d = 0,

0

k = 0, 1, ..., r 1.

2.8 Polinmios de Chebyshev de 2a espcie

Arma-se que r (cos()) = Kr

Kr
0

49

sen[(r + 1)]
, onde Kr constante. De fato,
sen()

sen[(r + 1)]
cos(k) sen2 () d
sen()

sen[(r + 1)] sen() cos(k) d,

Kr
0

e fazendo uso do produto dos senos, sen(u) sen(v) =

anterior torna-se

Kr
2

1
(cos(u v) cos(u + v)), a integral
2
Kr
2

(cos(r) cos[(r + 2)] cos(k) d =

0

cos(r) cos (k) d

0

Kr

cos[(r + 2)] cos(k) d,

0

mas analogamente resoluo de (2.126), as duas integrais do lado direito da equao

anterior se anulam, levando ao resultado

Kr
2

(cos(r) cos[(r + 2)] cos(k) d = 0,

k = 0, 1, ..., r 1.

sen[(r + 1) arccos(x)]

. Escolhendo-se
1 x2
Kr = 1 obtm-se o polinmio de Chebyshev de 2a espcie de grau r (Szeg, 1975),
Retornando para a varivel x, tem-se r (x) = Kr

Ur (x) =

sen[(r + 1)]
sen[(r + 1) arccos(x)]

, 1 < x < 1 ou Ur (cos()) =

, 0 < < .
sen()
1 x2
(2.140)

Desde que os r zeros xr,i de Ur (x), i = 1, 2, ..., r, pertencem ao intervalo (1, 1)

(Teorema 2.3), torna-se possvel encontrar uma frmula para o i-simo zero, pois a forma
trigonomtrica deste polinmio est denida neste intervalo. Assim,
sen[(r + 1) arccos(xr,i )]

1 x2
i

= 0,

sen [(r + 1) arccos(xr,i )] = 0,

(r + 1) arccos(xr,i ) = i,
arccos(xr,i ) =

i = 1, 2, ..., r,

i
,
r+1

xr,i = cos

i
r+1

i = 1, 2, ..., r,

(2.141)

2.9 Polinmios de Gegenbauer

50

onde xr,1 > xr,2 > ... > xr,r .

Os polinmios ortonormais de Chebyshev de 2a espcie Ur (x) so dados pela norma2

Ur (x). A equao de recorrncia para a seqncia {Ur (x)} dada pelo

lizao
r=0

Teorema 2.7, notando as formas de r e r nas equaes (2.32) e (2.33),

r+1 Ur+1 (x) = x Ur (x) +

sendo U1 (x) 0,

U0 (x) =

r Ur1 (x),

r 0,

(2.142)

2
,

r =

r =

br
= 0,
ar

r
2
ar1 r1

(2.143)

r 0,
1
,
4

r 1.

(2.144)

2.9 Polinmios de Gegenbauer

1

Quando a seqncia de polinmios ortogonais for denida com w(x) = (1 x2 ) 2 ,

1
com > e = 0, sobre o intervalo [1, 1], tem-se um caso particular da funo de
2
1
ponderao do polinmio de Jacobi quando = = . Neste caso obtm-se de (2.98)
2
a seguinte relao
1

r (x) = Kr (1 x2 ) 2

1
dr
(1 x2 )r+ 2 .
r
dx

(1)r ( + 1 ) (r + 2)
2
, obtm-se o
Fazendo Kr =
r r! (2) (r + + 1 )
2
2

Cr (x) (Szeg, 1975) de grau r,

Cr (x) =

polinmio de Gegenbauer

1
1
1
(1)r ( + 2 ) (r + 2)
dr
(1 x2 ) 2 r (1 x2 )r+ 2 ,
r r! (2) (r + + 1 )
2
dx
2

ou frmula de Rodrigues para Cr (x). Esta classe de polinmios tambm recebe o nome

de polinmios ultraesfricos (Szeg, 1975).

De (2.99) obtm-se sua forma fechada. Uma outra representao da mesma pode ser
encontrada em Szeg (1975),

Cr (x)

1
=
()

r/2

(1)i
i=0

(r i + )
(2x)r2i .
i!(r 2i)!

2.9 Polinmios de Gegenbauer

51

Os quatro primeiros polinmios de Gegenbauer so

C0 (x) = 1,

C1 (x) = 2x,

C2 (x) = 2(1 + )x2 ,

C3 (x) = ( + 2)( + 1)x3 2(1 + )x.

3

De (2.100) obtm-se o coeciente dominante do polinmio de Gegenbauer

1
1 ( + 2 ) (2r + 2)
Ar = r
.
2 r! (2) (r + + 1 )
2

(2.145)

De (2.102) calcula-se

r =

(1)r ( + 1 ) (r + 2)
2
1
2r r! (2) (r + + 2 )

22r+2 r! (r + + 1 ) (r + + 1 )
2
2
,
(2r + 2)
(r + 2)

1
2 ( + 1 ) 2 (r + 2) 22r+2 r! 2 (r + + 2 )
1
2
,
1
22r (r!)2 2 (2) 2 (r + + 2 ) 2(r + ) (r + 2)

221 2 ( + 1 ) (r + 2)
2
.
(r + )r!
2 (2)

(2.146)

Para obter a frmula de recorrncia para o polinmio de Gegenbauer, tem-se de (2.19),

1
(2r + 2 + 1)(2r + 2)(2r + 2 1)!
2(r + 1)
(r + + 1 )(r + 1 )!
2
2
,
(2r + 2 1)!
(r + 1 )!
2

ar

ar

1
( + 2 ) (2r + 2 + 2)
1
3
2r+1 (r + 1)! (2) (r + + 2 )
,
1 ( + 1 ) (2r + 2)
2
1
2r r! (2) (r + + 2 )

1
2(r + + 2 ) 2(r + )
1
,
2(r + 1)
(r + + 1 )
2

2(r + )
.
r+1

(2.147)

Pelo Corolrio 2.9.2,

br = 0.

(2.148)

2.9 Polinmios de Gegenbauer

52

De (2.23) tem-se

cr

cr

1
2(r + ) 221 2 ( + 2 ) (r + 2)
r + 1 (r + )r!
2 (2)
,
1
2 ( + 2 ) (r + 2 1)
2(r + 1)
221
r
(r + 1)(r 1)!
2 (2)

(r + 2 1)(r + 2 2)!
(r + 1)!
,
(r + 2 2)!
r!

r + 2 1
.
r+1

(2.149)

Finalmente, pelo Teorema 2.4, com os resultados (2.147), (2.148) e (2.149), tem-se a

equao de recorrncia para Cr (x),

Cr+1 (x) =

2(r + )
1 r 2

xCr (x) +
Cr1 (x).
r+1
r+1

Quando 0 < < 1 e =

1
2

(2.150)

h aproximaes trigonomtricas para os zeros no

negativos do polinmio de Gegenbauer (Szeg, 1975):

xr,i cos

xr,i cos

i (1 )/2
i
+
r+
r+1
1
i+ 2
i (1 )/2
+
r+
r + 2

i = 1, 2, ..., (r + 1)/2 , onde xr,1 > xr,2 > . . . > xr,

(r+1)/2

1
> ,
2

1
< ,
2

(2.151)

(2.152)

0.

Uma relao envolvendo a derivada do polinmio de Gegenbauer (Szeg, 1975)

(1 x2 )Cr (x) = rxCr (x) + (r + 2 1)Cr1 (x) = (r + 2)xCr (x) (r + 1)Cr+1 (x).

(2.153)

Cr (x)

Os polinmios ortonormais de Gegenbauer Cr (x) so dados pela normalizao

.
r

A equao de recorrncia para a seqncia {Cr (x)} dada pelo Teorema 2.7, notando
r=0

as formas de r e r nas equaes (2.32) e (2.33),

r+1 Cr+1 (x) = x Cr (x) +

r Cr1 (x),

r 0,

(2.154)

2.9 Polinmios de Gegenbauer

sendo C1 (x) 0,

C0 (x) =

53

(2 + 1)
,
+ 1)
2

2 (
r =

r =

r
2
ar1 r1

br
= 0,
ar

(2.155)

r 0,

r(r + 2 1)
,
4(r + )(r + 1)

r 1.

(2.156)

54

Interpolao e quadratura de
Hermite

Neste captulo so tratadas a interpolao e a quadratura de Hermite. A quadratura

de Gauss ser desenvolvida a partir destes conceitos. Inicialmente so apresentados alguns
conceitos bsicos sobre polinmios interpoladores.
Um polinmio de grau r 1 determinado por r parmetros. Se f (x) for uma funo
contnua e se forem conhecidos os valores de f (x) para x = x1 , x2 , ..., xr , ento possvel
determinar um polinmio de grau r 1 que passe pelos r pontos de f (x). Este polinmio
chamado de polinmio interpolador.
O polinmio interpolador de Hermite, alm de possuir os mesmos valores de f (x) em

r pontos, tambm assume o mesmo valor da primeira derivada de f (x) nestes pontos.
Portanto, este polinmio ter grau 2r 1, uma vez que determinado a partir de 2r
parmetros: os valores de f (x) e f (x) em x = x1 , x2 , ..., xr .
Em geral, as quadraturas so construdas a partir de polinmios interpoladores. As
quadraturas exatas, para o caso em que f (x) um polinmio de grau at r 1, so denominadas por quadraturas interpolatrias (Krylov, 1962), como ser o caso da quadratura
de Hermite.
A principal obra consultada para o desenvolvimento deste captulo foi Hildebrand
(1974).

3.1 Interpolao de Hermite

Seja f (x) uma funo contnua sobre o intervalo [a, b], a < b . Sendo
conhecidos os valores de f (x) e f (x) em x1 , x2 , ..., xr possvel construir um polinmio
interpolador de grau 2r1 que coincida com f (x) e f (x) nestas r abscissas. Tal polinmio

3.1 Interpolao de Hermite

55

interpolador pode ser denido como

r

y(x) =

hk (x)f (xk ),

hk (x)f (xk ) +
k=1

(3.1)

k=1

onde hi (x) e hi (x) so polinmios de grau 2r 1, com i = 1, 2, ..., r. A interpolao

requerida pressupe que y(xj ) = f (xj ), implicando

hi (xj ) = ij

hi (xj ) = 0,

(3.2)

e tambm pressupe que y (xj ) = f (xj ), implicando

hi (xj ) = 0

hi (xj ) = ij ,

(3.3)

onde ij o delta de Kronecker

ij =

1,

i=j

0,

i = j,

j = 1, 2, ..., r.

Sejam os polinmios

(x) (x x1 )(x x2 ) . . . (x xr ),

(3.4)

(x)
,
(x xi ) (xi )

(3.5)

(x x1 ) . . . (x xi1 )(x xi+1 ) . . . (x xr )

,
(xi x1 ) . . . (xi xi1 )(xi xi+1 ) . . . (xi xr )

(3.6)

li (x)

li (x)

com a propriedade li (xj ) = 0, i = j . Segundo a denio de li (x), em (3.6), tem-se

li (xi ) = 1 e, de uma forma mais geral,

li (xj ) = ij .

(3.7)

Como li (x) um polinmio de grau r1 o polinmio [li (x)]2 ter grau 2r2 e [li (xj )]2 = ij .

Por outro lado, os polinmios hi (x) e hi (x) possuem grau 2r 1 e so da forma

hi (x) = ri (x)[li (x)]2

hi (x) = si (x)[li (x)]2 ,

(3.8)

onde ri (x) e si (x) so polinmios de grau 1. Para i = j , (3.8) satisfaz (3.2) e (3.3).

3.1 Interpolao de Hermite

56

Utilizando as condies (3.2) e (3.3), com i = j , em (3.8),

hi (xi ) = ri (xi )[li (xi )]2

hi (xi ) = ri (xi )[li (xi )]2 + 2ri (xi )li (xi )li (xi )

hi (xi ) = si (xi )[li (xi )]2

(3.9)

ri (xi ) = 1,
ri (xi ) + 2li (xi ) = 0,

(3.10)

si (xi ) = 0,

hi (xi ) = si (xi )[li (xi )]2 + 2si (xi )li (xi )li (xi )

(3.11)

(3.12)

si (xi ) = 1.

De (3.11) e (3.12), obtm-se os coecientes linear e angular de si (x),

(3.13)

si (x) = x xi .

A equao (3.10) fornece o coeciente angular de ri (x), a saber 2li (xi ). Utilizando este
resultado em (3.9) obtm-se o coeciente linear, 1 + 2xi li (xi ). Conseqentemente,
(3.14)

ri (x) = 1 2li (xi )(x xi ).

Substituindo os resultados (3.13) e (3.14) em (3.8) obtm-se o

lador de Hermite,
r

hk (x)f (xk ),

hk (x)f (xk ) +

y(x) =

polinmio interpo(3.15)

k=1

k=1

no qual

hi (x) = [1 2li (xi )(x xi )][li (x)]2

hi (x) = (x xi )[li (x)]2 .

(3.16)

Teorema 3.1 O erro Er (x) na interpolao de Hermite dado por

f (2r) ((x))
Er (x) =
[(x)]2 ,
(2r)!

onde (x) est no interior de algum intervalo real.

Demonstrao:

Tem-se Er (x) = f (x) y(x). O erro Er (x) na interpolao igual a

zero em xi , assim como Er (x), pois

r

Er (x) = f (x) y (x)

f (x)

k=1
r

Er (xi )

hk (x)f (xk ),

hk (x)f (xk )

f (xi )

k=1
r

hk (xi )f (xk ),

hk (xi )f (xk )
k=1

k=1

3.1 Interpolao de Hermite

57

e, uma vez que hk (xi ) = 0 e hk (xi ) = ij ,

Er (xi ) = f (xi ) f (xi ) = 0.
Por outro lado, de acordo com (3.4), [(x)]2 e sua derivada, 2(x) (x), anulam-se em

xi . Deste modo, seja uma funo F (x) denida por

F (x) = Er (x) C[(x)]2 ,

(3.17)

onde C uma constante. A funo F (x) contnua e possui derivadas contnuas, pois
resultado da subtrao de duas funes contnuas, cujas derivadas so contnuas. Alm
disto, a funo F (x) combinao linear de Er (x) e [(x)]2 , implicando na seguinte
igualdade F (xi ) = F (xi ) = 0. Seja x = xi tal que F () = 0 a partir da qual determinada

x
a constante C .

Seja I um intervalo fechado sendo limitado pela maior e pela menor das abscissas
x1 , x2 , . . . , xr , x. Como estas r + 1 abscissas so razes de F (x), ento F (x) se anula em,

pelo menos, r abscissas intermedirias no interior do intervalo I . Entretanto, como F (x)

tambm nula nas r abscissas x1 , x2 , . . . , xr , ento pode-se armar que: F (x) possui, no

mnimo, 2r razes pertencentes ao intervalo I ; que F (x), por sua vez, possui, no mnimo,

2r 1 razes no interior do intervalo I ; F (3) (x), no mnimo, 2r 2 razes no interior de I

e assim por diante. Conseqentemente, F (2r) (x) possui pelo menos uma raiz no interior

de I . Denota-se por (x) a funo cuja imagem o conjunto formado por estas ltimas
abscissas.
Como y(x), em (3.1), um polinmio de grau 2r 1, ento y (2r) (x) = 0 e a derivada de
ordem 2r da equao F (x) = f (x)y(x)C[(x)]2 dada por F (2r) (x) = f (2r) (x)C(2r)!.
Conseqentemente,

F (2r) ((x))

= f (2r) ((x)) C(2r)!,

f (2r) ((x))
.
(2r)!

f (2r) ((x))
[()]2 . Por outro
x
(2r)!
lado, desde que ambos lados desta equao se anulam quando x identicado como xi ,

Como F () = 0, ca implicado que, em (3.17), Er () =

x
x

esta equao ca verdadeira tanto para x quanto para xi . Portanto, suprimindo as barras,

3.2 Quadratura de Hermite

58

pode-se reescrev-la da seguinte forma

f (2r) ((x))
Er (x) =
[(x)]2 ,
(2r)!
onde (x) est no interior do intervalo I que, por sua vez, tal que {x1 , . . . , xr } I .

3.2 Quadratura de Hermite

Na seo anterior foi denido o polinmio interpolador de Hermite, em (3.15) e (3.16)
e o seu termo de erro no Teorema 3.1. Apresenta-se uma quadratura associada funo
peso w(x) 0 no intervalo [a, b], a < b denominada

Hermite,

Hk f (xk ) +

w(x)f (x) dx =
a

quadratura de

k=1

Hk f (xk ) + Er ,

(3.18)

k=1

com os coecientes1 Hk e Hk denidos por

b

w(x)[1 2li (xi )(x xi )][li (x)]2 dx,

w(x)hi (x) dx =

Hi =

(3.19)

w(x)hi (x) dx =

Hi =

w(x)(x xi )[li (x)]2 dx,

(3.20)

e com o erro dado por

Er =

1
(2r)!

(3.21)

f (2r) ((x))w(x)[(x)]2 dx,

a

onde a < (x) < b, desde que as abscissas x1 , . . . , xr estejam contidas em [a, b].
Como f (x) contnua e o produto w(x)[(x)]2 no muda de sinal em [a, b], ento,
pelo Teorema do Valor Mdio Ponderado para Integrais, existe um nmero (a, b) tal
que

Er

1
(2r)!

f (2r) ((x))w(x)[(x)]2 dx =
a

f (2r) ()
(2r)!

w(x)[(x)]2 dx.
a

Denio 3.2 (Grau de preciso) O grau de preciso de uma frmula de quadratura

o maior natural tal que a frmula exata para f (x) = xk , k {0, 1, . . . , }.
1 Normalmente

estes nmeros so chamados de pesos da quadratura, mas para evitar ambigidade

adota-se o nome coecientes para referir a Hi , pois o nome peso atribudo funo w(x).

3.2 Quadratura de Hermite

59

Baseado na Denio 3.2, tem-se que o grau de preciso da frmula da quadratura de

f (2r) () b
Hermite exatamente 2r 1. O erro desta quadratura Er =
w(x)[(x)]2 dx
(2r)! a
nulo se, e somente se, f (x) for um polinmio de grau menor ou igual a 2r 1, tendo em
vista que o integrando uma funo que no muda de sinal em [a, b], ou seja, a integral
denida nunca pode ser igual a zero.
As quadraturas com o grau de preciso da quadratura de Hermite so consideradas
quadraturas de grau mximo de preciso.

60

Quadratura de Gauss

Neste captulo apresenta-se a quadratura de Gauss. O alemo Carl Friedrich Gauss

(1777-1855), tentando aperfeioar as tcnicas de Newton-Cotes1 , formulou a regra de
quadratura que hoje leva seu nome para o caso em que w(x) = 1 usando as fraes
contnuas. A generalizao para funes peso arbitrrias surgiu mais tarde, em 1877, com
a contribuio de E. B. Christoel (Gautschi, 2003) e tambm com Chebyshev.
Os resultados aqui so conseqentes dos conceitos relacionados quadratura de Hermite. A quadratura de Gauss tambm interpolatria, como a de Hermite, sem necessitar,
entretanto, das avaliaes das derivadas de f (x). Contudo, ela preservar o grau mximo
de preciso 2r 1.
A Seo 4.1 apresenta os teoremas que estabelecem a quadratura de Gauss e os teoremas que garantem a convergncia deste mtodo. As sees seguintes apresentam as
quadraturas de Gauss de medidas w(x) clssicas, isto , as quadraturas com base nos
polinmios ortogonais clssicos. A teoria destes polinmios ser amplamente usada e os
resultados Ar e r das Sees 2.2 a 2.9 so fundamentais.
As principais obras consultadas para os teoremas foram Hildebrand (1974), Wilf
(1978), Davis e Rabinowitz (1984) e Krylov (1962).

4.1 Teoremas
Teorema 4.1 O polinmio (x), denido em (3.4), pertence seqncia de polinmios
ortogonais com relao a w(x) sobre o intervalo [a, b] se, e somente se, a frmula da
quadratura de Hermite, (3.18) a (3.21), puder se reduzir forma
r

w(x)f (x) dx =
a

Hk f (xk ) + Er .
k=1

1 Este resultado consta de sua clebre obra: Methodus nova integralium valores per approximationem
inveniendi. Commentationes Societatis Regiae Scientarium Gottingensis Recentiores, 1814.

4.1 Teoremas
Demonstrao:

61

Se (x) pertencer a uma seqncia de polinmios ortogonais com reb

w(x)(x)ur1 (x) dx = 0, sendo ur1 (x)

lao w(x) sobre o intervalo [a, b], ento,

a

um polinmio de grau r 1 ou menor. Como li (x), dado em (3.5), possui grau r 1,

ento

w(x)(x)li (x) dx = 0.

(4.1)

Ao reescrever a equao (3.20) notando (3.5),

b

Hi

w(x)(x xi )

=
a

1
(xi )

Hi

1
(xi )

[(x)]2
dx,
(x xi )2 [ (xi )]2

w(x)(x)
a

(x)
dx,
(x xi ) (xi )

w(x)(x)li (x) dx.

(4.2)

Notando o resultado (4.1) em (4.2), ocorre que Hi = 0, isto , a frmula da quadratura

r

de Hermite se reduz a

w(x)f (x) dx =
a

Hk f (xk ) + Er .
k=1

Por outro lado, suponha que a frmula da quadratura de Hermite seja da forma
r

Hk f (xk ) + Er .

w(x)f (x) dx =
a

k=1

Seja f (x) = (x)ur1 (x) um polinmio de grau 2r 1 ou menor. Ento, por meio da
Denio 3.2, Er = 0. Como (xi ) = 0, tem-se que f (xi ) = 0. Conseqentemente,
r

w(x)f (x) dx

Hk f (xk ) = 0,

k=1

w(x)(x)ur1 (x) dx

0,

isto , (x) pertence a {r (x)} .

r=0
Partindo da denio de Hi dada em (3.19),
b

Hi

w(x)[1 2li (xi )(x xi )][li (x)]2 dx,

=
a

Hi

w(x)[li (x)]2 dx 2li (xi )

=
a

w(x)(x xi )[li (x)]2 dx,

a

4.1 Teoremas

62

mas, de acordo com o Teorema 4.1, tem-se que

b

Hi

w(x)[li (x)]2 dx 2li (xi )Hi ,

=
a
b

Hi

w(x)[li (x)]2 dx.

=
a

Observa-se que a frmula de quadratura numrica do Teorema 4.1 funo apenas dos
valores de f (x) em x1 , ..., xr , sendo independente das derivadas nestas abscissas, preservando, contudo, o grau de preciso 2r 1. Esta frmula de quadratura denominada

quadratura de Gauss
r

w(x)f (x) dx =
a

Hk f (xk ) + Er ,

(4.3)

k=1

com o coeciente

(4.4)

w(x)[li (x)]2 dx,

Hi =
a

e erro

Er =

f (2r) ()
(2r)!

w(x)[(x)]2 dx,

(4.5)

onde (a, b), desde que x1 , . . . , xr estejam contidos em [a, b].

Verica-se que o polinmio (x), sob as hipteses do Teorema 4.1, um caso particular
de r (x) com coeciente dominante Ar = 1. Desta maneira, o Teorema 2.3 garante
que todas os zeros de (x), x1 , x2 , . . . , xr , esto contidos no interior em (a, b). Assim,

x1 , x2 , . . . , xr so os zeros2 de r (x) cujo coeciente dominante Ar . Logo, sua forma

fatorada dada por r (x) = Ar (x x1 )(x x2 ) . . . (x xr ). Conseqentemente,

(x) =

r (x)
.
Ar

(4.6)

Com esta ltima igualdade, reescreve-se a equao (4.5),

Er

Er
2 Para

f (2r) ()
(2r)!

w(x)
a

1 f (2r) ()
A2 (2r)!
r

r (x)
Ar

dx,

w(x)[r (x)]2 dx,

a

simplicar a notao, o i-simo zero do polinmio r (x), de grau r, ser denotado por xi ,

i = 0, . . . , r.

4.1 Teoremas

63

e, notando a denio de r dada em (2.1),

Er =

r f (2r) ()
,
A2 (2r)!
r

(4.7)

(a, b).

Teorema 4.2 Na quadratura de Gauss vlido que

b

w(x)[li (x)]2 dx =

Hi =

w(x)li (x) dx.

Demonstrao:

Considerando f (x) = li (x) na quadratura de Gauss (4.3),

r

w(x)li (x) dx =
a

Hk li (xk ) + Er ,
k=1

e, como denido em (3.7), li (xk ) = 1, se k = i e li (xk ) = 0, se k = i. Ento,

b

w(x)li (x) dx = Hi + Er ,
a
b

w(x)li (x) dx = Hi . Por

e, como li (x) possui grau r 1, tem-se Er = 0, resultando em

b

outro lado, pela quadratura de Gauss, em (4.4), Hi =

w(x)[li (x)]2 dx, resultando em

a

w(x)[li (x)]2 dx =

Hi =

w(x)li (x) dx.

Com a nalidade de obter explicitamente o coeciente Hi , faz-se uso da identidade de

Christoel-Darboux (Teorema 2.5),
r

k=0

k (x)k (y)
r+1 (x)r (y) r (x)r+1 (y)
=
,
k
ar r (x y)

Ao substituir y por xi , onde xi um zero de r (x), a identidade de Christoel-Darboux

torna-se

Ar r+1 (xi ) r (x)

k (x)k (xi )
=
.
Ar+1 r x xi
k
k=0
Multiplicando a igualdade anterior por w(x)0 (x) e integrando o resultado em [a, b],

Ar r+1 (xi )
Ar+1 r

b
a

w(x)0 (x)r (x)

dx =
x xi

w(x)0 (x)
a k=0

k (x)k (xi )
dx.
k

4.1 Teoremas

64

Expandindo o somatrio e utilizando-se da ortogonalidade dos polinmios,

Ar r+1 (xi )
Ar+1 r
Ar r+1 (xi )
Ar+1 r

b
a
b
a

w(x)0 (x)r (x)

dx
x xi
w(x)0 (x)r (x)
dx
x xi

0 (xi )
=
0

w(x)[0 (x)]2 dx,

a

= 0 (xi ).

No entanto, 0 (x) uma constante, implicando que 0 (x) = 0 (xi ), resultando em

b

w(x)
a

r (x)
Ar+1 r
dx =
.
x xi
Ar r+1 (xi )

(4.8)

Todavia, combinando (3.5) e (4.6),

r (x)
(x)
=
,
(xi )(x xi )
r (xi )(x xi )

li (x) =

e utilizando a expresso acima na segunda forma de Hi do Teorema 4.2,

Hi =

1
r (xi )

Logo, por (4.8),

Hi =

w(x)
a

r (x)
dx.
x xi

Ar+1 r
.
Ar r (xi )r+1 (xi )

(4.9)

Avaliando a frmula de recorrncia do Teorema 2.4 no zero xi de r (x),

r+1 (xi )

= (ar xi br ) r (xi ) cr r1 (xi ),

r+1 (xi )

= cr r1 (xi ),

substituindo o valor de cr =

ar r
,
ar1 r1

Ar+1
r
Ar
r+1 (xi ) =
r1 (xi ),
Ar

Ar1 r1
r+1 (xi )

Ar+1 Ar1 r
r1 (xi ).
A2
r1
r

(4.10)

Ao substituir o resultado (4.10) em (4.9) encontra-se outra forma de Hi ,

Hi =

r1
Ar+1 r
A2
1
r
,
Ar r (xi ) Ar+1 Ar1 r r1 (xi )
Hi =

Ar r1
.
Ar1 r (xi )r1 (xi )

(4.11)

4.1 Teoremas

65

Notando o Corolrio 2.5.1 com x = xi , sendo xi o i-simo zero de r (x), e a forma de

Hi em (4.9), tem-se que

r

k=0

k (xi )
Ar r (xi )r+1 (xi )
1
=
=
.
k
Ar+1 r
Hi

Sem perda de generalidade, se k (x) for ortonormal, ento k = 1 e (x) = k (x).

k

Portanto,

k (xi ) =
k=0

1
.
Hi

(4.12)

Pelo Corolrio 2.8.1, obtm-se a implicao

Hi =

2
vi,1
,

[0 (x)]2

estabelecendo o seguinte Teorema:

Teorema 4.3 Os

r zeros xi da quadratura de Gauss so os autovalores da matriz de

Jacobi (equao (2.36))

0
1

1
1
2

Jr =
2 2
3

... ...

...
r1 r1

sendo i , i = 0, 1, . . . , r 1 e i , i = 1, 2, . . . , r 1 dados pelos termos da equao de

recorrncia dos polinmios ortonormais e os coecientes Hi so so dados por
Hi =

2
vi,1
,
[ (x)]2
0

sendo vi,1 o primeiro componente do autovetor normalizado vi correspodente ao autovalor

xi .
O notvel resultado anterior considerado o mtodo mais elegante na obteno dos
zeros e coecientes para a quadratura de Gauss (Wilf, 1978).
O teorema anterior tambm implica que os coecientes Hi da quadratura de Gauss
so todos positivos.

4.1 Teoremas

66

Teorema 4.4 Se o intervalo [a, b] for nito e f (x) for contnua em [a, b], ento
r

lim

Demonstrao:

(4.13)

w(x)f (x) dx.

Hk f (xk ) =
a

k=1

Desde que f (x) contnua em [a, b], o Teorema de Weierstrass garante

que, dado qualquer

> 0, posssvel encontrar um polinmio P (x) tal que

|f (x) P (x)| < ,

(4.14)

x [a, b].

Assim,
r

b
a

w(x)f (x) dx

w(x)f (x) dx

Hk f (xk )

w(x)P (x) dx
a

k=1

w(x)P (x) dx

+
a

Hk P (xk )
k=1

Hk P (xk )

Hk f (xk ) .
k=1

k=1

De acordo com (4.14),

w(x)f (x) dx

Hk P (xk )
k=1

w(x) dx

w(x)P (x) dx <

a

Hk =

Hk f (xk ) <

w(x) dx.
a

k=1

k=1

Se n for o grau do polinmio P (x), ento para 2r 1 n,

r

w(x)P (x) dx =
a

Hk P (xk ),
k=1

e para tal valor de r,

r

w(x)P (x) dx
a

Hk f (xk ) < 2
k=1

w(x) dx,
a

o que prova (4.13).

O teorema anterior garante a convergncia das quadraturas de Gauss em intervalos
limitados. Este resultado tambm pode decorrer como conseqncia de um caso geral de
convergncia para funes analticas no plano complexo (Krylov, 1962). Os prximos teoremas mostram sob que condies as quadraturas de Gauss em intervalos innitos podem
convergir. As demonstraes destes resultados, juntamente com suas generalizaes, so

4.1 Teoremas

67

dadas por Uspensky3 , citado por Davis e Rabinowitz (1984).

Teorema 4.5 Considere a famlia de quadraturas do tipo

r

ex x f (x) dx + Er ,

Hk f (xk ) =

> 1.

k=1

Se, para todos valores sucientemente grandes de x, a funo f (x) satiszer a desigualdade
ex

|f (x)|

ento

x+1+

para algum > 0,

lim

ex x f (x) dx.

Hk f (xk ) =
0

k=1

Este teorema garante a convergncia das quadraturas com funes peso de Laguerre
generalizado e o prximo se aplica nas quadraturas de Gauss-Hermite. importante observar que as condies de convergncia de tais teoremas so sucientes mas no necessrias.
Por exemplo, Davis e Rabinowitz (1984) apresentam exemplos de quadraturas que convergem fortemente mas cujas funes no satisfazem as condies dos teoremas. Por
isto, toma-se a liberdade de realizar experimentos com as quadraturas de Gauss-Hermite,
Gauss-Laguerre e Gauss-Laguerre generalizada sem vericar as condies de convergncia.

Teorema 4.6 Considere a famlia das quadraturas do tipo

r

ex f (x) dx + Er .

Hk f (xk ) =

k=1

Se, para todos valores sucientemente grandes de |x|, a funo f (x) satiszer a desigualdade
2
ex
|f (x)| 1+ ,
para algum > 0,
|x|

ento

3 Uspensky,

k=1

ex f (x) dx.

Hk f (xk ) =

lim

J. V. On the convergence of quadrature formulas related to an innite interval, Trans.

Amer. Math. Soc. 30 (1928) 542-559.

4.2 Quadratura de Gauss-Legendre

68

4.2 Quadratura de Gauss-Legendre

O polinmio de Legendre Pr (x), denido com w(x) = 1 em [1, 1], possui coeciente
(2r)!
2
dominante Ar = r
como dados em (2.46) e (2.49). Sob estas
e r =
2
2 (r!)
2r + 1
condies a quadratura de Gauss torna-se
r

f (x) dx =
1

Hk f (xk ) + Er ,
k=1

sendo xi o i-simo zero de Pr (x) e onde, por (4.9),

Hi =

2
(r + 1)Pr (xi )Pr+1 (xi )

ou, por (4.11),

Hi =
e, por (4.7),

Er =

2
rPr (xi )Pr1 (xi )

22r+1 (r!)4
f (2r) (),
(2r + 1)[(2r)!]3

(4.15)

(4.16)

(1, 1).

(4.17)

Fazendo-se x = xi em (2.55),

(1 x2 )Pr (xi ) = (r + 1)xi Pr (xi ) (r + 1)Pr+1 (xi ) = rxi Pr (xi ) + rPr1 (xi ),
i

(1 x2 )Pr (xi ) = (r + 1)Pr+1 (xi ) = rPr1 (xi ).

i

(4.18)

Notando (4.18) reescreve-se os coecientes em (4.15) e (4.16) do seguinte modo

Hi =

(1

.
x2 )(Pr (xi ))2
i

(4.19)

Como Pr (x) funo par ou mpar e os zeros do polinmio de Legendre so simtricos

com relao origem, ento (Pr (xi ))2 = (Pr (xr+1i ))2 . Logo, Hi = Hr+1i , ou seja, os
coecientes Hi so tambm simtricos com relao origem.
Por outro lado, notando a equao de recorrncia para os polinmios ortonormais de
Legendre, (2.56) a (2.58), tem-se, pelo Teorema 4.3, que
2
Hi = 2 vi,1 ,

(4.20)

4.3 Quadratura de Gauss-Laguerre generalizada

69

sendo vi,1 o primeiro componente do autovetor vi normalizado da matriz de Jacobi

0
1
0

0
2
1

, m = m
Jr =
, m = 1, . . . , r 1. (4.21)
2 0
3

4m2 1

..
..
..

.
.
.

r1 0
0

4.3 Quadratura de Gauss-Laguerre generalizada

O polinmio de Laguerre generalizado L (x), denido com w(x) = ex x , > 1,
r
(1)r
( + r + 1)
em [0, ), possui coeciente dominante Ar =
e r =
, em (2.64) e
r!
r!
(2.66). Sob estas condies a quadratura de Gauss torna-se
r

ex x f (x) dx =
0

Hk f (xk ) + Er ,
k=1

sendo xi o i-simo zero de L (x) e onde, por (4.9),

r

Hi =

( + r + 1)
,
(r + 1)!L (xi )L (xi )
r+1
r

ou, por (4.11),

Hi =

( + r)
(xi )L (xi )
r1

r!L
r

(4.22)

e, por (4.7),

Er =

r!( + r + 1) (2r)
f (),
(2r)!

(0, ).

Fazendo x = xi em (2.71),

xi L (xi ) = rL (xi ) ( + r)L (xi ),

r1
r
r

L (xi ) =
r1

xi L (xi )
r
( + r)

e utilizando este resultado em (4.22),

Hi =

( + r)
,
xi L (xi )
r

r!Lr (xi )
( + r)

(4.23)

4.4 Quadratura de Gauss-Laguerre

70

Hi =

( + r + 1)
.
r!xi (L (xi ))2
r

(4.24)

Por outro lado, notando a equao de recorrncia para os polinmios ortonormais de

Laguerre generalizados, (2.72) a (2.74), tem-se, pelo Teorema 4.3, que
2
Hi = ( + 1) vi,1 ,

(4.25)

sendo vi,1 o primeiro componente do autovetor vi normalizado da matriz de Jacobi

1
0
0

1
1
2

m = + 2m + 1, m = 0, . . . , r 1

,
Jr =
2 2
3

m = m( + m), m = 1, . . . , r 1.

..
..
..

.
.
.

r1 r1
0
(4.26)

4.4 Quadratura de Gauss-Laguerre

Esta quadratura um caso particular da quadratura de Gauss-Laguerre generalizada
quando = 0, portanto, sua frmula de quadratura
r

e f (x) dx =
0

Hk f (xk ) + Er ,
k=1

sendo xi o i-simo zero de Lr (x) e onde, por (4.24),

Hi =

1
xi (Lr (xi ))2

(4.27)

e, por (4.23),

Er =

(r!)2 (2r)
f (),
(2r)!

(0, ).

(4.28)

Notando a equao de recorrncia para os polinmios ortornormais de Laguerre, (2.72)

a (2.79), pelo Teorema 4.3, tem-se que
2
Hi = vi,1 ,

(4.29)

4.5 Quadratura de Gauss-Hermite

71

sendo vi,1 o primeiro componente do autovetor vi normalizado da matriz de Jacobi

1
0
0

1
1
2

m = 2m + 1, m = 0, . . . , r 1

,
(4.30)
Jr =
2 2
3

m = m2 ,
m = 1, . . . , r 1.

..
..
..

.
.
.

r1 r1
0

4.5 Quadratura de Gauss-Hermite

2

O polinmio de Hermite Hr (x) denido com w(x) = ex no intervalo duplamente

innito possui coeciente dominante Ar = 2r e r = 2r r! , em (2.83) e (2.66). Desta

forma, a quadratura de Gauss torna-se

r
x2

f (x) dx =

Hk f (xk ) + Er ,
k=1

sendo xi o i-simo zero de Hr (x) e onde, por (4.9),

2r+1 r!
Hi =
Hr (xi )Hr+1 (xi )
ou, por (4.11),

e, por (4.7),

2r (r 1)!
Hi =
Hr (xi )Hr1 (xi )

r! f (2r) ()
,
Er =
2r
(2r)!

(, )

(4.31)

(4.32)

(4.33)

Da relao (2.92) segue que

Hr (xi ) = 2rHr1 (xi ) = 2xi Hr (xi ) Hr+1 (xi ),

Hr (xi ) = 2rHr1 (xi ) = Hr+1 (xi ).
Notando (4.34) reescreve-se os coecientes em (4.31) e (4.32) do seguinte modo

2r+1 r!
Hi =
.
(Hr (xi ))2

(4.34)

(4.35)

Como Hr (x) funo par ou mpar e os zeros do polinmio de Hermite so simtricos

com relao origem, ento (Hr (xr+1i ))2 = (Hr (xi ))2 . Logo, Hi = Hr+1i , ou seja, os
coecientes Hi so tambm simtricos com relao origem.

4.6 Quadratura de Gauss-Jacobi

72

Por outro lado, notando a equao de recorrncia para os polinmios ortonormais de

Hermite, (2.93) a (2.95), tem-se pelo Teorema 4.3 que

Hi =

(4.36)

2
vi,1 ,

sendo vi,1 o primeiro componente do autovetor vi normalizado da matriz de Jacobi

1
0
0

0
2
1

, m = m , m = 1, . . . , r 1.

(4.37)
Jr =
2 0
3

..
..
..

.
.
.

r1 0
0

4.6 Quadratura de Gauss-Jacobi

(,)

O polinmio de Jacobi Pr

(x) denido sobre o intervalo [1, 1] com funo peso

w(x) = (1 x) (1 + x) , > 1 e > 1. O seu coeciente dominante

Ar =
e o termo

r =

1 (2r + + + 1)
(r + + + 1)

2r r!

2++1
(r + + 1)(r + + 1)
,
(2r + + + 1)r!
(r + + + 1)

ambos com r + + R Z , em (2.101) e (2.103).

Como explicado na Seo 2.6, para que r + + R {1, 2, ...}, suciente que

r = 0. Desde que uma quadratura pressupe o nmero de zeros r 1, ento as expresses

acima para Ar e r so sempre vlidas. Assim, a quadratura de Gauss torna-se
r

(1 x) (1 + x) f (x) dx =
1

k=1
(,)

sendo xi o i-simo zero de Pr

Hi =

Hk f (xk ) + Er ,

(x) e onde, por (4.9),

2+ (2r + + + 2)
(r + + 1)(r + + 1)
(,)
(r + 1)! (r + + + 1) (r + + + 1)Pr(,) (xi )Pr+1 (xi )

(4.38)

ou, por (4.11),

Hi =

2+ (2r + + )
(r + )(r + )
(,)
r! (r + + ) (r + + )Pr(,) (xi )Pr1 (xi )

(4.39)

4.7 Quadratura de Gauss-Chebyshev de 1a espcie

73

e, por (4.7),

Er =

22r+++1 r! (r + + 1)(r + + 1)(r + + + 1) (2r)

f (),
(2r)!
(2r + + + 1)[(2r + + + 1)]2
(,)

Avaliando (2.111) e (2.112) em xi e usando o fato de que Pr

(1, 1).
(4.40)

(xi ) = 0,
(,)

(2r + + + 2)(1 x2 )Pr(,) (xi ) = 2(r + 1)(r + + + 1)Pr+1 (xi ),

i
(,)

(2r + + )(1 x2 )Pr(,) (xi ) = 2(r + )(r + )Pr1 (xi ),

i

(4.41)
(4.42)

Notando (4.41) e (4.42) em (2.111) e (2.112), respectivamente, os coecientes Hi tornam-se

iguais a

Hi =

2++1
(r + + 1)(r + + 1)
.
r! (r + + + 1)(1 x2 )(Pr(,) (xi ))2
i

(4.43)

Entretanto, notando a equao de recorrncia para os polinmios ortonormais de

Jacobi, (2.113) a (2.117), tem-se, pelo Teorema 4.3, que

2++1 ( + 1)( + 1) 2
vi,1 ,
Hi =
( + + 2)

(4.44)

sendo vi,1 o primeiro componente do autovetor vi normalizado da matriz de Jacobi

0
1
0

,
0 =
1
1
2

++2

,
Jr =
(4.45)
2 2
3

..
..
..
4(1 + )(1 + )

=
.
.
.
,
1

( + + 3)( + + 2)2
0
r1 r1

m =
m =

2 2
,
(2m + + )(2m + + + 2)

m = 1, . . . , r 1,

4m(m + )(m + )(m + + )

,
(2m + + + 1)(2m + + 1)(2m + + )2

m = 2, . . . , r 1.

(4.46)
(4.47)

4.7 Quadratura de Gauss-Chebyshev de 1a espcie

1
O polinmio de Chebyshev de 1a espcie Tr (x), denido com w(x) =
no
1 x2

intervalo [1, 1], possui coeciente dominante Ar = 2r1 e r = , dados em (2.119)

2
e (2.121). Utiliza-se os resultados da Seo 2.7 vlidos para r 1. Com isto, segue a

4.7 Quadratura de Gauss-Chebyshev de 1a espcie

74

quadratura de Gauss
1
1

f (x) dx =
1 x2

Hk f (xk ) + Er ,
k=1

sendo xi o i-simo zero de Tr (x) e onde, por (4.9),

Tr (xi )Tr+1 (xi )

(4.48)

.
Tr (xi )Tr1 (xi )

(4.49)

f (2r) (),

(4.50)

Hi =
ou, por (4.11),

Hi =
Alm disso, por (4.7),

Er =

2
22r (2r)!

(1, 1).

Pelo Teorema 2.3, tem-se que xi (1, 1). Por outro lado, se xi = cos(i ), ento,
vlido que i (0, ). Deste modo, por (2.127),

Tr (xi ) = cos(ri ) = 0

sen(ri ) = 1.

Segue que

Tr+1 (xi ) = cos[(r + 1)i ] = cos(ri ) cos(i ) sen(ri ) sen(i )

=

sen(i )

Tr+1 (xi ) =

(4.51)

1 x2 .
i

Analogamente,
(4.52)

Tr1 (xi ) = 1 x2 .
i
Novamente por (2.127),

Tr (x) = sen(r arccos(x))

r
1 x2

dx

Tr (x) =

r sen(r arccos(x))

dx.
1 x2

Conseqentemente,

Tr (xi ) =

Tr (xi ) =

r sen[r arccos(cos(i ))]

1 cos2 (i )
r
1 x2
i

r sen(ri )
,
sen(i )
(4.53)

Notando (4.51), (4.52) e (4.53), tem-se que os coecientes em (4.48) e (4.58) tornam-se

4.8 Quadratura de Gauss-Chebyshev de 2a espcie

uma constante

Hi =

75

.
r

(4.54)

Por outro lado, notando a equao de recorrncia para os polinmios ortonormais de

Chebyshev de 1a espcie, (2.129) a (2.132), tem-se, pelo Teorema 4.3, que
(4.55)

2
Hi = vi,1 ,

sendo vi,1 o primeiro componente do

0
1

0
2
1

Jr =
2 0
3

..
..

.
.

autovetor vi normalizado da matriz de Jacobi

1 = 1 ,

,
(4.56)

..
m = 1 , m = 2, . . . , r 1.
.

4
r1 0

4.8 Quadratura de Gauss-Chebyshev de 2a espcie

O polinmio de Chebyshev de 2a espcie Ur (x) denido com w(x) = 1 x2 no

intervalo [1, 1], possui coeciente dominante Ar = 2r e r = , em (2.134) e (2.135).

2
Com estes resultados, a quadratura de Gauss torna-se
1

x2 f (x) dx

Hk f (xk ) + Er ,

k=1

sendo xi o i-simo zero de Ur (x) e onde, por (4.9),

Ur (xi )Ur+1 (xi )

(4.57)

.
Ur (xi )Ur1 (xi )

(4.58)

Hi =
ou, por (4.11),

Hi =
Por (4.7), tem-se que

Er =

22r+1

f (2r) ()
,
(2r)!

(1, 1).

(4.59)

Pelo Teorema 2.3, tem-se xi (1, 1). Por outro lado, se xi = cos(i ), ento i

(0, ). Deste modo, por (2.140),

Ur (xi ) =

sen[(r + 1)i ]
=0
sen(i )

sen[(r + 1)i ] = 0

cos[(r + 1)i ] = 1.

4.8 Quadratura de Gauss-Chebyshev de 2a espcie

76

Decorre que

Ur+1 (xi ) =

sen((r + 1) + 1)i
sen[(r + 1)i ] cos(i ) + sen(i ) cos[(r + 1)i ]
=
,
sen(i )
sen(i )

Ur+1 (xi ) =

sen(i )
= 1.
sen(i )

(4.60)

Analogamente,

Ur1 (xi ) =

(4.61)

1.

Desde que x = cos(), ento dx = sen() d d =

Ur (x) =

dx
. Ento, por (2.140),
sen()

(r + 1) cos[(r + 1)] sen() sen[(r + 1)] cos()

d,
sen2 ()

Ur (x) =

(r + 1) cos[(r + 1)] sen() sen[(r + 1)] cos()

dx.
sen3 ()

Conseqentemente,

Ur (xi ) =

Ur (xi ) =
Mas, desde que xi = cos

(r + 1) cos[(r + 1)i ] sen(i ) sen[(r + 1)i ] cos(i )

,
sen3 (i )
(r + 1) sen(i )
,
sen3 (i )
r+1
.
sen2 (i )
i
r+1

em (2.141), conclui-se que

Ur (xi ) =

r+1
.
i
2
sen
r+1

(4.62)

Observando os resultados (4.60), (4.61) e (4.62), os coecientes em (4.57) e (4.58) tornamse iguais a

Hi =
Como sen

i
r+1

= sen

sen2
r+1

i
r+1

(4.63)

(r + 1 i)
, ento Hi = Hr+1i .
r+1

Por outro lado, notando a equao de recorrncia para os polinmios Ur (x), (2.142)

a (2.144), tem-se, pelo Teorema 4.3, que

Hi =

2
v ,
2 i,1

(4.64)

4.9 Quadratura de Gauss-Gegenbauer

77

sendo vi,1 o primeiro componente do

0
1

0
2
1

Jr =
2 0
3

..
..

.
.

autovetor vi normalizado da matriz de Jacobi

, m = 1 , m = 1, . . . , r 1.
(4.65)

..

r1 0

4.9 Quadratura de Gauss-Gegenbauer

1

O polinmio de Gegenbauer Cr (x) denido com w(x) = (1 x2 ) 2 , onde >

= 0, no intervalo [1, 1], possui coeciente dominante

Ar =
e

r =

1
e
2

1
1 ( + 2 ) (2r + 2)
1 ,
2r r! (2) (r + + 2 )

1
221 2 ( + 2 ) (r + 2)
,
(r + )r!
2 (2)

em (2.145) e (2.146). Com estes resultados, segue a quadratura de Gauss

r

1
2 2

(1 x )

Hk f (xk ) + Er ,

f (x) dx =

k=1

sendo xi o i-simo zero de Cr (x) e onde, por (4.9),

Hi

1
222
(2r + 2 + 1)(2r + 2) 2 ( + 2 )(r + 2)
=
,

(r + 1)!(r + )
2 (2)Cr (xi )Cr+1 (xi )
(r + + 1 )
2

Hi =

2(r + + 1 )2(r + ) 2 ( + 1 )(r + 2)

222
2
2
,

1
(r + 1)!(r + )
2 (2)Cr (xi )Cr+1 (xi )
(r + + 2 )
22 2 ( + 1 )
(r + 2)
2
.

2 (2)
(r + 1)!
Cr (xi )Cr+1 (xi )

(4.66)

Notando que (Abramowitz e Stegun, 1972)

2 ( + 1 )
4
2
= 4 2 ,
2 (2)

2 ()
segue que

Hi =

4
(r + 2)
.
2 ()C (x )C (x )
+ 1)!
r
i
r+1 i

22 (r

(4.67)

(4.68)

4.9 Quadratura de Gauss-Gegenbauer

78

O coeciente Hi tambm pode ser denido por (4.11),

Hi

222
(2r + 2 1)(2r + 2 2) 2 ( + 1 )(r + 2 1)
2
=
,

1
r!(r + 1)
2 (2)Cr (xi )Cr1 (xi )
(r + 2 )
=

Hi =

1
2(r + 1 )2(r + 1) 2 ( + 2 )(r + 2 1)
222
2
,

r!(r + 1)
2 (2)Cr (xi )Cr1 (xi )
(r + 1 )
2

22 2 ( + 1 ) (r + 2 1)
2
.

r! 2 (2) Cr (xi )Cr1 (xi )

Contudo, por (4.67),

Hi =

(r + 2 1)
4
.
2 r! 2 ()C (x )C (x )
2
r
i
r1 i

(4.69)

O erro dado por (4.7),

Er =

1
22(+r) r!(r + 2)2 (r + + 2 ) (2r)
f (),
2(r + )(2r)!2 (2r + 2)

(1, 1).

(4.70)

Fazendo x = xi em (2.153),

(1 x2 )Cr (xi ) = rxi Cr (xi )+(r + 2 1)Cr1 (xi ) = (r + 2)xi Cr (xi )(r + 1)Cr+1 (xi ),
i

(1 x2 )Cr (xi ) = (r + 2 1)Cr1 (xi ) = (r + 1)Cr+1 (xi ).

i

Observando o resultado anterior os coecientes (4.68) e (4.69) tornam-se iguais a

Hi =

(r + 2)
4
.
2 r! 2 ()(1 x2 )(C (x ))2
2
r
i
i

(4.71)

Como os polinmios de Gegenbauer so funes pares ou mpares e os zeros so simtricos

com relao origem, ento (Cr (xi ))2 = (Cr (xr+1i ))2 . Logo, Hi = Hr+1i

Por outro lado, notando a equao de recorrncia para os polinmios Cr (x), (2.154)

a (2.156), tem-se, pelo Teorema 4.3, que

Hi =

1
22 ( + 2 ) 2
v ,
(2 + 1) i,1

(4.72)

4.9 Quadratura de Gauss-Gegenbauer

79

sendo vi,1 o primeiro componente do autovetor vi normalizado da matriz de Jacobi

0
1
0

0
2
1

m(m + 2 1)
, m =
Jr =
, m = 1, . . . , r 1.
2 0
3

4(m + )(m + 1)

..
..
..

.
.
.

r1 0
0
(4.73)

80

Algoritmos e implementaes da
quadratura de Gauss

Os captulos anteriores mostraram que as frmulas de quadratura de Gauss consistem

de um somatrio que avalia f (x) nos zeros xi do polinmio ortogonal junto dos coecientes

Hi . H diversas formas para se obter xi e Hi . Este trabalho apresenta duas formas: uma
por meio dos autovalores e autovetores da matriz de Jacobi e a outra calculando
os zeros por meio do mtodo de Newton e os coecientes por meio de frmulas. Este
captulo destina-se implementao dos algoritmos para integrao e ir utilizar estes
dois mtodos diferentes a m de comparar a ecincia entre eles.
O captulo inicia-se com os algoritmos para zeros e coecientes que no usam a matriz
de Jacobi seguido dos algoritmos para integrao, compondo as Sees 5.1 a 5.3. A
Seo 5.4 apresenta experimentos numricos para cada quadratura de Gauss usando estes
algoritmos. A Seo 5.5 apresenta os algoritmos para xi e Hi com uso da matriz Jr e
sobre eles sero realizados os mesmos experimentos. A Seo 5.6 destina-se a validar os
algoritmos para zeros e coecientes e, na Seo 5.7, desenvolvido um esquema para a
escolha dos algoritmos mais ecientes para uma determinada integral.

5.1 Algoritmos para zeros xi e coecientes Hi

Os algoritmos para o clculo dos r zeros xi dos polinmios ortogonais e dos coecientes

Hi das respectivas quadraturas, sem fazer uso da matriz de Jacobi (Figuras 9 a 16), sero
agora tratados.
O parmetro de entrada o nmero r de zeros do polinmio ortogonal e, quando
existentes, os parmetros , e . Os parmetros de sada so o vetor X com os zeros

xi e o vetor H com os coecientes Hi .

Os algoritmos seguem a seguinte rotina:

5.1 Algoritmos para zeros xi e coecientes Hi

81

1. Aproximao inicial para o zero;

2. Renamento pelo mtodo de Newton;
3. Clculo do zero e do respectivo coeciente.
Somente os casos dos zeros dos polinmios de Chebyshev dispensam o mtodo de Newton,
pois possuem frmulas trigonomtricas (2.128) e (2.141) para ger-los diretamente. Para
os demais algoritmos, as aproximaes iniciais dos zeros para o mtodo de Newton so
propostas por Stroud e Secrest1 citado por Press et al (1997), exceto as aproximaes
para os zeros do polinmio de Legendre, dadas por (2.54).
Os r zeros xi , exceto para os polinmios de Laguerre, de Laguerre generalizado e de
Jacobi, so simtricos com relao origem (Corolrio 2.9.1) e, nesses casos, necessrio
calcular apenas os zeros no negativos.
As frmulas para os coecientes Hi utilizadas nos algoritmos de cada quadratura so
aquelas em (4.19), (4.24), (4.27), (4.35), (4.43), (4.54), (4.63) e (4.71). As mesmas esto
em Szeg (1975).
Os coecientes (4.19), (4.35), (4.63) e (4.71) possuem a propriedade Hi = Hr+1i ,
ento, nestes casos, o valor de Hi tambm atribudo a Hr+1i . Excepcionalmente, os
coecientes Hi de Chebyshev de 1a espcie (4.54), para um dado r, so todos iguais.

1 Stroud,

Hall).

A.H., e Secrest, D. 1966, Gaussian Quadrature Formulas (Englewood Clis, NJ: Prentice-

5.1 Algoritmos para zeros xi e coecientes Hi

82

Algoritmo zero_h_legendre
{Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Legendre}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {zeros e coecientes}
{X(1) o menor e

X(r)

o maior zero}

incio algoritmo
1
2
3
4
5
6
7
8
9
10

m (r + 1)/2 {os zeros so simtricos, calcula-se apenas os no negativos}

para i 1 at m faa
x cos ( (i 0,25)/(r + 0,5))
{aproximao do i-simo zero no negativo, por (2.54), xi > xi+1 }

repita

p1 1
p2 0
para j 0 at r 1 faa
p3 p2
p2 p1
p1 ((2 j + 1) x p2 j p3)/(j + 1)
{polinmio de Legendre no ponto x, por (2.53)}

11

m para

12

pp r (x p1 p2)/(x2 1)
{derivada do polinmio de Legendre no ponto

13
14
15
16
17
18
19
20
21

x1 x {mtodo de Newton para se calcular

x x1 (p1/pp)
se |x x1| < 1015 ento interrompa

x,

por (2.55)}

os zeros}

m se
m repita

X(r + 1 i) x {zero no negativo}

X(i) x {zero simtrico}
H(r + 1 i) 2/((1 x2 ) pp2 ) {(4.19)}
H(i) H(r + 1 i) {Hi = Hr+1i }

m para
m algoritmo

22

Figura 9: Algoritmo para xi e Hi de Gauss-Legendre.

5.1 Algoritmos para zeros xi e coecientes Hi

83

Algoritmo zero_h_laguerre_gen
{Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Laguerre generalizada}
parmetros de entrada r e {nmero de zeros e parmetro > 1}
parmetros de sada X e H {zeros e coecientes}
{X(1) o menor e

X(r)

o maior zero}

incio algoritmo
1
para i 1 at r faa
2
se i = 1 ento
3
4
5
6
7
8
9
10
11
12
13
14
15
16

x (1 + ) (3 + 0,92 )/(1 + 2,4 r + 1,8 ) {xi < xi+1 }

seno, se i = 2

x X(1) + (15 + 6,25 )/(1 + 0,9 + 2,5 r)

seno
ai i 2
x X(i 1) + ((1 + 2,55 ai)/(1,9 ai) + 1,26 ai /(1 + 3,5 ai))
(X(i 1) X(i 2))/(1 + 0,3 )

m se
para k 1

at 10 faa {mximo de 10 iteraes no mtodo de Newton}

p1 1
p2 0
para j 0 at r 1 faa
p3 p2
p2 p1
p1 ((x + + 2 j + 1) p2 ( + j) p3)/(j + 1)
{polinmio de Laguerre generalizado no ponto x, por (2.70)}

17

m para

18

pp (r p1 (r + ) p2)/x
{derivada do polinmio de Laguerre generalizado no ponto

19
20
21
22
23
24
25

x1 x {mtodo de Newton para se calcular

x x1 (p1/pp)
se |x x1| < 1015 ento interrompa

x,

por (2.71)}

os zeros}

m se
m para

X(i) x
H(i) ( + r + 1)/(r! x pp2 )

{(4.24)}

m para
m algoritmo

26

Figura 10: Algoritmo para xi e Hi de Gauss-Laguerre generalizada.

5.1 Algoritmos para zeros xi e coecientes Hi

84

Algoritmo zero_h_laguerre
{Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Laguerre}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {zeros e coecientes}
{X(1) o menor e

X(r)

o maior zero}

incio algoritmo
1
para i 1 at r faa
2
se i = 1 ento

x 3/(1 + 2,4 r) {xi < xi+1 }

seno, se i = 2 ento
x X(1) + 15/(1 + 2,5 r)

seno

3
4

7
8
9
10
11
12
13
14
15
16

ai i 2
x X(i 1) + (1 + 2,55 ai)/(1,9 ai) (X(i 1) X(i 2))

m se
para k 1

at

10 faa

{mximo de

10

iteraes no mtodo de Newton}

p1 1
p2 0
para j 0 at r 1
p3 p2
p2 p1
p1 ((x + 2 j + 1) p2 j p3)/(j + 1)
{polinmio de Laguerre no ponto x, por (2.75)}

17

m para

18

pp r (p1 p2)/x
{derivada do polinmio de Laguerre no ponto

19
20
21
22
23
24
25

x1 x {mtodo de Newton para se calcular

x x1 (p1/pp)
se |x x1| < 1015 ento interrompa

x,

por (2.76)}

os zeros}

m se
m para

X(i) x
H(i) 1/(x pp2 )

{(4.27)}

m para
m algoritmo

26

Figura 11: Algoritmo para xi e Hi de Gauss-Laguerre.

5.1 Algoritmos para zeros xi e coecientes Hi

85

Algoritmo zero_h_hermite
{Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Hermite}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {zeros e coecientes}
{X(1) o maior e

X(r)

o menor zero}

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

m (r + 1)/2 {os zeros so simtricos, calcula-se apenas os no

para i 1 at m faa
se i = 1
ento
x 2 r + 1 1,85575 (2 r + 1)0,16667 {xi > xi+1 }
seno, se i = 2 ento
x x 1,14 r0,426 /x
seno, se i = 3 ento
x 1,86 x 0,86 X(1)
seno, se i = 4 ento
x 1,91 x 0,91 X(2)

seno
x 2 x X(i 2)

m se
para k 1

at 10 faa {mximo
p1 1
p2 0
para j 0 at r 1 faa
p3 p2
p2 p1
p1 2 (x p2 j p3)

de

10

{polinmio de Hermite no ponto

21

iteraes no mtodo de Newton}

x,

por (2.89)}

m para

22

pp 2 r p2
{derivada do polinmio de Hermite no ponto

23
24
25
26
27
28
29
30
31

negativos}

x,

x1 x {mtodo de Newton para se calcular

x x1 (p1/pp)
se |x x1| < 1015 ento interrompa

os zeros}

por (2.92)}

m se
m para

X(i) x
X(r + 1 i) x {zero simtrico}

H(i) 2r+1 r!/pp2 {(4.35)}

H(r + 1 i) H(i) {Hi = Hr+1i }

m para
m algoritmo
32

Figura 12: Algoritmo para xi e Hi de Gauss-Hermite.

5.1 Algoritmos para zeros xi e coecientes Hi

Algoritmo zero_h_jacobi
{Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Jacobi}
parmetros de entrada r, e {nmero de zeros e parmetros , > 1}
parmetros de sada X e H {zeros e coecientes}

{X(1) o maior e X(r) o menor zero}

incio algoritmo
1
para i 1 at r faa
2
se i = 1 ento
3
ar /r {xi > xi+1 }
4
br /r
5
r1 (1 + ) (2,78/(4 + r 2 ) + 0,768 ar/r)
6
r2 1 + 1,48 ar + 0,96 br + 0,452 ar 2 + 0,83 ar br
7
x 1 r1/r2
8
seno, se i = 2 ento
9
r1 (4,1 + )/((1 + ) (1 + 0,156 ))
10
r2 1 + 0,06 (r 8) (1 + 0,12 )/r
11
r3 1 + 0,012 (1 + 0,25 ||/r)
12
x x (1 x) r1 r2 r3
13
seno, se i = 3 ento
14
r1 (1,67 + 0,28 )/(1 + 0,37 )
15
r2 1 + 0,22 (r 8)/r
16
r3 1 + 8 /((6,28 + ) r 2 )
17
x x (X(1) x) r1 r2 r3
18
seno, se i = r 1 ento
19
r1 (1 + 0,235 )/(0,766 + 0,119 )
20
r2 1/(1 + 0,639 (r 4)/(1 + 0,71 (r 4)))
21
r3 1/(1 + 20 /((7,5 + ) r2 ))
22
x x + (x X(r 3)) r1 r2 r3
23
seno, se i = r ento
24
r1 (1 + 0,37 )/(1,67 + 0,28 )
25
r2 1/(1 + 0,22 (r 8)/r)
26
r3 1/(1 + 8 /((6,28 + ) r2 ))
27
x x + (x X(r 2)) r1 r2 r3
28
seno
29
x 3 X(i 1) 3 X(i 2) + X(i 3)
30
m se
31
alpbet +
32
repita
33
temp 2 + alpbet
34
p1 ( + temp x)/2
35
p2 1
36
para j 1 at r 1 faa
37
p3 p2
38
p2 p1
39
temp 2 j + alpbet
40
a 2 (j + 1) (j + alpbet + 1) temp
41
b (temp + 1) ((temp + 2) temp x + 2 2 )
42
c 2 (j + ) (j + ) (temp + 2)
43
p1 (b p2 c p3)/a {polinmio de Jacobi no ponto x, por (2.110)}
44
m para
45
temp 2 r + alpbet
46
pp (r ( temp x) p1 + 2 (r + ) (r + ) p2)/(temp (1 x2 ))
47
{derivada do polinmio de Jacobi no ponto x, por (2.112)}
48
x1 x {mtodo de Newton para calcular os zeros}
49
x x1 (p1/pp)
50
se |x x1| < 1015 ento interrompa
51
m se
52
m para
53
X(i) x
54
H(i) 2(alpbet+1) ( + r + 1) ( + r + 1)/(r! (r + alpbet + 1) (1 x2 ) pp2 ) {(4.43)}
55
m para
m algoritmo

Figura 13: Algoritmo para xi e Hi de Gauss-Jacobi.

86

5.1 Algoritmos para zeros xi e coecientes Hi

87

Algoritmo zero_h_chebyshev_1
Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Chebyshev de 1a
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {zeros e coecientes}
{

{X(1) o menor e

X(r)

espcie}

o maior zero}

incio algoritmo
1
2
3
4
5
6

m (r + 1)/2 {os zeros so simtricos, calcula-se

para i 1 at m faa
X(i) cos (((2 i 1) )/(2 r)) {(2.128)}
X(r + 1 i) X(i) {zero simtrico}
H(i) /r {(4.54)}
H(r + 1 i) H(i) {Hi = Hr+1i }

apenas os no negativos}

m para
m algoritmo
7

Figura 14: Algoritmo para xi e Hi de Gauss-Chebyshev de 1a espcie.

Algoritmo zero_h_chebyshev_2
Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Chebyshev de 2a
parmetro de entrada r {nmero de razes}
parmetros de sada X e H {razes e coecientes}
{

{X(1) a menor e

X(r)

espcie}

a maior raiz}

incio algoritmo
1
2
3
4
5
6

m (r + 1)/2 {os zeros so simtricos, calcula-se apenas

para i 1 at m faa
X(i) cos ((i )/(r + 1)) {(2.128)}
X(r + 1 i) X(i) {zero simtrico}
H(i) (/(r + 1)) (sen ((i )/(r + 1)))2 {(4.63)}
H(r + 1 i) H(i) {Hi = Hr+1i }

os no negativos}

m para
m algoritmo
7

Figura 15: Algoritmo para xi e Hi de Gauss-Chebyshev de 2a espcie.

5.1 Algoritmos para zeros xi e coecientes Hi

Algoritmo zero_h_gegenbauer
{Objetivo Calcular os zeros xi e os coecientes Hi de Gauss-Gegenbauer}
parmetros de entrada r e {nmero de razes e parmetro > 1 , = 0}
2
parmetros de sada X e H {razes e coecientes}
{X(1) a maior e X(r) a menor raiz}
incio algoritmo

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46

m (r + 1)/2 {os zeros so simtricos, calcula-se apenas os no negativos}

mi = 0, 5
para i 1 at m faa
se 0 < < 1 e = 0,5 ento
se > 0,5 ento
x cos(/2 ((i (1 ) 0,5)/(r + ) + i/(r + 1))) {(2.151)}

seno

x cos(/2 ((i (1 ) 0,5)/(r + ) + (i + 0,5)/(r + 2 ))) {(2.152)}

m se
seno, se i = 1 ento

mur mi/r {xi > xi+1 }

r1 (1 + mi) (2,78/(4 + r2 ) + 0,768 mur/r)
r2 1 + 2,44 mur + 1,282 mur2
x 1 r1/r2
seno, se i = 2 ento
r1 (4,1 + mi)/((1 + mi) (1 + 0,156 mi))
r2 1 + 0,06 (r 8) (1 + 0,12 mi)/r
r3 1 + 0,012 mi (1 + 0,25 |mi|/r)
x x (1 x) r1 r2 r3
seno, se i = 3 ento
r1 (1,67 + 0,28 mi)/(1 + 0,37 mi)
r2 1 + 0,22 (r 8)/r
r3 1 + 8 mi/((6,28 + mi) r2 )
x x (X(1) x) r1 r2 r3

seno

x 3 X(i 1) 3 X(i 2) + X(i 3)

m se
repita

p1 1
p2 0
para j 0 at r 1 ento
p3 p2
p2 p1
p1 (2 (j + ) x p2 + (1 j 2 ) p3)/(j + 1)
{polinmio de Gegenbauer no ponto x, por (2.150)}

m para

pp (r x p1 + (r + 2 1) p2)/(1 x2 )

{derivada do polinmio de Gegenabuer no ponto x, por (2.153)}

x1 x {mtodo de Newton para calcular os zeros}
x x1 (p1/pp)
se |x x1| < 1015 ento interrompa

m se
m repita

X(i) x
X(r + 1 i) x
H(i) 4 (r + 2 )/(2(2) r! 2 () (1 x2 ) pp2 ) {(4.71)}
H(r + 1 i) H(i)

m para
m algoritmo

Figura 16: Algoritmo para xi e Hi de Gauss-Gegenbauer.

88

5.2 Transferncia de intervalos

89

5.2 Transferncia de intervalos

Nesta seo mostra-se que as quadraturas de Gauss com funo peso do tipo de Jacobi
e de Laguerre podem ser utilizadas para o clculo de integrais em intervalos [c, d] e [c, ),
respectivamente. A Tabela 1 mostra as integrais e os respectivos intervalos nos quais as
quadraturas de Gauss so utilizadas e a Tabela 2 mostra o erro Er,g nestes casos. Sem
perda de generalidade, as tabelas apresentam todas as quadraturas de Gauss na varivel

t com integrando w(t)g(t), sendo w(t) a funo peso.

5.2.1 Quadraturas de Gauss no intervalo [c, d]

d

(d t) (t c) g(t) dt, com , > 1, pode ser transformada em uma

A integral
c

integral no intervalo [1, 1] utilizando a mudana de variveis (Figura 17), onde

t =

(d c)x + c + d
2t c d
x =
,
2
dc

x
4

1
c

d
1

Figura 17: Transferncia do intervalo [c, d] para [1, 1] onde x =

2t c d
.
dc

do seguinte modo:
d

(d t) (t c) g(t) dt =
c

com f (x) = g

dc
2

(d c)x + c + d
d
2

(d c)x + c + d
c
2

(t c) =

(1 x) (1 + x) f (x) dx,

(5.1)

(d c)x + c + d
, desde que
2

(d t) =

++1

d c (d c)x
2

d c + (d c)x
2

dc
2

dc
2

(1 x) ,

(1 + x) ,

5.2 Transferncia de intervalos

90

dt =

(d c)
dx.
2

1
1
1 1
Tomando e iguais a 0, , e , com > e = 0, na equao (5.1),
2 2
2
2
obtm-se, respectivamente,
d

g(t) dt =
c
d

(d t)(t c)g(t) dt =
c
d

1
2

[(d t)(t c)]

g(t) dt =

g(t) dt =

(5.2)

f (x) dx,
1
1

1
(d t)(t c)

(d c)
2

dc
2
dc
2

1
f (x) dx,
1 x2
1

1 x2 f (x) dx,

(5.3)
(5.4)

1
2

(1 x2 ) 2 f (x) dx,

(5.5)

(d c)x + c + d
. As equaes (5.1) a (5.5) mostram que algumas in2
tegrais em [c, d] podem ser transformadas em integrais das quadraturas de Gauss-Jacobi,

com f (x) = g

Gauss-Legendre, Gauss-Chebyshev de 1a e 2a espcies e Gauss-Gegenabuer, a menos de

constantes, respectivamente. Ou seja, estas quadraturas so utilizadas para o clculo de
d

integrais da forma

w(t)g(t) dt, levando a uma generalizao destas quadraturas quanto

c

funo peso e ao intervalo de integrao, como mostra a Tabela 1, na qual o intervalo

[c, d].
Tabela 1: Quadraturas de Gauss.
Intervalo

Integral

Quadratura

g(t) dt
c

Gauss-Legendre

(d t) (t c) g(t) dt, , > 1

Gauss-Jacobi

[c, d]

(d t)(t c)

g(t) dt

(d t)(t c)g(t) dt
c
d
c

1
1
[(d t)(t c)] 2 g(t) dt, > , = 0
2

Gauss-Chebyshev de 1a
espcie
Gauss-Chebyshev de 2a
espcie
Gauss-Gegenbauer

et t g(t) dt, > 1

Gauss-Laguerre generalizada

et g(t) dt

[0, )

Gauss-Laguerre

[c, )
c

et g(t) dt

(, )

Gauss-Hermite

5.2 Transferncia de intervalos

91

Observando que

d
dt d
dc
f (x) =
g(t) =
g (t),
dx
dx dt
2

f (x) =
ento

(2r)

(x) =

2r

dc
2

g (2r) (t).

(5.6)

Notando a igualdade (5.6) nas frmulas de erro das quadraturas de intervalo [1, 1]:
(4.17), (4.40), (4.50), (4.59) e (4.70), obtm-se as frmulas de erro Er,g para o intervalo

[c, d], como mostra a Tabela 2.

Tabela 2: Erro Er,g das quadraturas de Gauss.
Quadratura

Er,g

Gauss-Legendre

(d c)2r+1 (r!)4 (2r)

g
( ), (c, d)
(2r + 1)[(2r)!]3

Gauss-Laguerre
generalizada

r!( + r + 1) (2r)
g
( ), (0, )
(2r)!

Gauss-Laguerre

(r!)2 (2r)
g
( ), (c, )
ec (2r)!

r! g (2r) ( )
, (, )
2r
(2r)!

Gauss-Hermite

(d c)2r+++1 r! (r + + 1)(r + + 1)(r + + + 1) (2r)

g
( ), (c, d)
(2r)!
(2r + + + 1)[(2r + + + 1)]2

Gauss-Jacobi
Gauss-Chebyshev
de 1a espcie

2(d c)2r (2r)

g
( ), (c, d)
24r (2r)!

Gauss-Chebyshev
de 2a espcie

(d c)2r+2 g (2r) ( )
, (c, d)
24r+3
(2r)!
1
(d c)2r+2 r!(r + 2)2 (r + + 2 ) (2r)
g
( ), (c, d)
2(r + )(2r)!2 (2r + 2)

Gauss-Gegenbauer

5.2.2 Quadratura de Gauss no intervalo [c, )

A integral

et g(t) dt pode ser transformada em uma integral no intervalo [0, )

c

utilizando a mudana de variveis t = x + c x = t c (Figura 18)

do seguinte modo:

et g(t) dt = ec
c

ex f (x) dx,

(5.7)

com f (x) = g(x + c), desde que et = ec ex e dt = dx. A equao (5.7) mostra
que uma integal em [c, ) pode ser transformada em uma integral da quadratura de

5.3 Algoritmos para integrao numrica

92

8
7
6
5
4
3
2
1

0
1

Figura 18: Transferncia do intervalo [c, ) para [0, ) onde x = t c.

Gauss-Laguerre, a menos de constante. Isto , esta quadratura utilizada para o clculo

et g(t) dt, generalizando o intervalo de integrao de Gauss-

de integrais da forma
c

Laguerre, como mostra a Tabela 1 na qual intervalo [c, ).

Observando que f (x) =

d
dt d
f (x) =
g(t) = g (t), ento,
dx
dx dt
f (2r) (x) = g (2r) (t).

(5.8)

Notando a igualdade (5.8) na frmula de erro da quadratura de Gauss-Laguerre (4.28),

obtm-se a frmula de erro Er,g desta quadratura no intervalo [c, ) como apresenta a
Tabela 2.

5.3 Algoritmos para integrao numrica

Os algoritmos para integrao numrica utilizam o clculo dos zeros xi e dos coecientes Hi . As quadraturas de Gauss-Legendre, Gauss-Jacobi, Gauss-Chebyshev de 1a e
2a espcies e Gauss-Gegenbauer podem ser usadas para clculos de integrais em intervalos

[c, d], assim como Gauss-Laguerre em [c, ), como apresentou a Subseo 5.2. A Tabela
1 mostra as integrais e os respectivos intervalos nos quais as quadraturas de Gauss so
utilizadas. Os algoritmos seguem a seguinte rotina:
1. Recebe os zeros e coecientes;
2. Efetua o somatrio da quadratura.
O parmetro de entrada do algoritmo de integrao constitui-se do nmero r de zeros,
dos limites de integrao e dos parmetros associados (, e ), quando necessrio. A
funo g(t) deve ser especicada de acordo com a linguagem de programao adotada. O
parmetro de sada o valor da integrao integral.

5.3 Algoritmos para integrao numrica

93

Algoritmo quad_legendre
{Objetivo Integrar w(t)g(t) via Gauss-Legendre}
parmetros de entrada r, c e d {nmero de zeros e limites de integrao}
parmetro de sada integral {valor da integral}
incio algoritmo

integral 0
X xi , H Hi , i = 1, . . . , r {recebe
e1 (d c)/2
e2 (d + c)/2
para i 1 at r faa
t e1 X(i) + e2
y g(t) {avaliar g(t)}
integral integral + y H(i)

m para

10

integral = e1 integral

1
2
3
4
5
6
7

zeros e coecientes}

{(5.2)}

m algoritmo

Figura 19: Algoritmo para quadratura de Gauss-Legendre.

Algoritmo quad_laguerre_gen
Objetivo Integrar w(t)g(t) via Gauss-Laguerre generalizada}
parmetros de entrada r e {nmero de zeros e parmetro > 1}
parmetro de sada integral {valor da integral}
{

incio algoritmo

integral 0
X xi , H Hi , i = 1, . . . , r {recebe
para i 1 at r faa
y g (X(i)) {avaliar g (X(i))}
integral integral + y H(i)

1
2
3
4
5

zeros e coecientes}

m para
m algoritmo
6

Figura 20: Algoritmo para quadratura de Gauss-Laguerre generalizada.

Algoritmo quad_laguerre
Objetivo Integrar w(t)g(t) via Gauss-Laguerre}
parmetros de entrada r e c {nmero de zeros e limite inferior}
parmetro de sada integral {valor da integral}
{

incio algoritmo
1
2
3
4
5
6
7
8

integral 0
X xi , H Hi , i = 1, . . . , r {recebe
para i 1 at r faa
t X(i) + c
y g(t) {avaliar g(t)}
integral integral + y H(i)

zeros e coecientes}

m para

integral ec integral

{(5.7)}

m algoritmo

Figura 21: Algoritmo para quadratura de Gauss-Laguerre.

5.3 Algoritmos para integrao numrica

94

Algoritmo quad_hermite
Objetivo Integrar w(t)g(t) via Gauss-Hermite}
parmetro de entrada r {nmero de zeros}
parmetro de sada integral {valor da integral}
{

incio algoritmo

integral 0
X xi , H Hi , i = 1, . . . , r {recebe
para i 1 at r faa
y g (X(i)) {avaliar g (X(i))}
integral integral + y H(i)

1
2
3
4
5

zeros e coecientes}

m para
m algoritmo
6

Figura 22: Algoritmo para quadratura de Gauss-Hermite.

Algoritmo quad_jacobi
Objetivo Integrar w(t)g(t) via Gauss-Jacobi}
parmetros de entrada r, , , c e d {nmero de zeros, parmetros , > 1
{

e limites de integrao}

parmetro de sada integral

{valor da integral}

incio algoritmo

integral 0
X xi , H Hi , i = 1, . . . , r {recebe
e1 (d c)/2
e2 (d + c)/2
para i 1 at r faa
t e1 X(i) + e2
y g(t) {avaliar g(t)}
integral integral + y H(i)

m para

10

integral = e1(++1) integral

1
2
3
4
5
6
7

zeros e coecientes}

{(5.1)}

m algoritmo

Figura 23: Algoritmo para quadratura de Gauss-Jacobi.

Algoritmo quad_chebyshev_1
a
{Objetivo Integrar w(t)g(t) via Gauss-Chebyshev de 1 espcie}
parmetros de entrada r, c e d {nmero de zeros e limites de integrao}
parmetros de sada integral {valor da integral}
incio algoritmo
1
2
3
4
5
6
7
8

integral 0
X xi , H Hi , i = 1, . . . , r {recebe zeros
e1 (d c)/2
e2 (d + c)/2
para i 1 at r faa
t e1 X(i) + e2
y g(t) {avaliar g(t)}
integral integral + y H(i) {(5.3)}

e coecientes}

m para
m algoritmo
9

Figura 24: Algoritmo para quadratura de Gauss-Chebyshev de 1a espcie.

5.3 Algoritmos para integrao numrica

95

Algoritmo quad_chebyshev_2
a
{Objetivo Integrar w(t)g(t) via Gauss-Chebyshev de 2 espcie}
parmetros de entrada r, c e d {nmero de zeros e limites de integrao}
parmetros de sada integral {valor da integral}
incio algoritmo

integral 0
X xi , H Hi , i = 1, . . . , r {recebe
e1 (d c)/2
e2 (d + c)/2
para i 1 at r faa
t e1 X(i) + e2
y g(t) {avaliar g(t)}
integral integral + y H(i)

m para

10

integral e12 integral

1
2
3
4
5
6
7

zeros e coecientes}

{(5.4)}

m algoritmo

Figura 25: Algoritmo para quadratura de Gauss-Chebyshev de 2a espcie.

Algoritmo quad_gegenabuer
Objetivo Integrar w(t)g(t) via Gauss-Gegenbauer}
1
parmetros de entrada r, , c e d {nmero de zeros, parmetro > 2 , = 0
{

e limites de integrao}

parmetros de sada integral

{valor da integral}

incio algoritmo

integral 0
X xi , H Hi , i = 1, . . . , r {recebe
e1 (d c)/2
e2 (d + c)/2
para i 1 at r faa
t e1 X(i) + e2
y g(t) {avaliar g(t)}
integral integral + y H(i)

m para

10

integral e1(2) integral

1
2
3
4
5
6
7

zeros e coecientes}

{(5.5)}

m algoritmo

Figura 26: Algoritmo para quadratura de Gauss-Gegenbauer.

5.4 Implementaes

96

5.4 Implementaes
Com a nalidade de validar os algoritmos para xi e Hi da Seo 5.1 e os algoritmos para
integrao da Seo 5.3, so apresentados os resultados de implementaes para integrais
tais como aquelas descritas na Tabela 1, para vrios valores de r. necessrio ressaltar
que a escolha da funo g(t) estar condicionada resoluo analtica da integral que
ser efetuada para ns de comparao com o resultado numrico da quadratura integral.
O erro relativo erro tambm exibido. O parmetro tempo(s) o tempo mdio, em
segundos, demandado na execuo de um determinado r. Este parmetro calculado
pela mdia aritmtica dos tempos de 3000 execues do algoritmo (para 2 r 100) e
de 10 execues para r 500. O processador utilizado em todos experimentos realizados
ao longo deste trabalho Intel CoreTM 2 Duo.

5.4.1 Algumas consideraes sobre o erro

Os resultados das implementaes so comparados com o resultado analtico por meio
do erro relativo:
erro relativo =

|resultado analtico resultado da quadratura|

.
|resultado analtico|

A preferncia do erro relativo sobre o erro absoluto

erro absoluto = |resultado analtico resultado da quadratura|
se justica na independncia da magnitude dos resultados, diferentemente do erro absoluto
que pode no ser signicativo caso os resultados sejam maiores do que 1.
Na prtica, realizando uma aproximao com o uso de computadores, surgem os erros
cometidos pelo truncamento e pelo arredondamento. O erro de truncamento ocorre devido aproximao de uma frmula por outra, pois, para avaliar uma funo matemtica
no computador, somente operaes aritmticas e lgicas podem ser requeridas, por serem
operaes que ele capaz de efetuar. Deste modo, para avaliar uma funo como sen(x),
o computador usa uma srie nita envolvendo apenas as operaes aritmticas, enquanto
que, o valor exato dado pela srie innita, levando a um truncamento. O erro de
arredondamento ocorre porque um nmero na base decimal, para o computador, representado na base binria sendo armazenado em um nmero nito de bits. Neste caso,
as operaes pelo computador so realizadas nesta base tendo em vista a limitao do
nmero de bits gerando os arredondamentos (Campos, 2007).
Contudo, ca claro que em todas as implementaes dos algoritmos deste trabalho, o

5.4 Implementaes

97

erro calculado nas aproximaes o erro Er,g da quadratura que, por sua vez, inuenciado pelos erros de truncamento e arredondamento.

5.4.2 Gauss-Legendre
d

A quadratura de Gauss-Legendre calcula integrais da forma

g(t) dt. Os experic

mentos so

(i)

t sen(t) dt,

(ii)

t sen(15t) dt.

Implementa-se o algoritmo da Figura 19 para vrios valores de r, c = 0 e d = 2 com

g(t) = t sen(t) e g(t) = t sen(15t), respectivamente. As resolues analticas so

2

t sen(t) dt = (sen(t) t cos(t))

(i)
0
2

t sen(15t) dt =

(ii)
0

= 2 6, 283185307179586,
0

sen(15t)
t cos(15t)

225
15

=
0

2
0, 418879020478639.
15

Os resultados das implementaes acompanhados dos respectivos grcos dos integrandos esto nas Figuras 27 e 28.
2

integral
11, 061607516437542
6, 333516813159698
6, 283185315806970
6, 283185307179582
6, 283185307179588
6, 283185307179582
6, 283185307179583
6, 283185307179584
6, 283185307179585
6, 283185307179585
6, 283185307179588

tempo(s)
2, 756 104
4, 368 104
7, 956 104
1, 201 103
1, 524 103
2, 257 103
2, 990 103
3, 739 103
4, 732 103
6, 006 103
9, 558 103

erro
4, 778 100
5, 033 102
8, 627 109
4, 441 1015
1, 776 1015
4, 441 1015
3, 553 1015
2, 665 1015
1, 776 1015
1, 776 1015
1, 776 1015

0
w(t)*g(t) = t*sen(t)

r
2
4
8
12
16
24
32
40
50
64
100

Figura 27:

t sen(t) dt via Gauss-Legendre.

0
6

integral
9, 982389445556954
0, 174884867026902
1, 040354978844508
4, 176084918712063
1, 126806236160534
1, 926958102526059
0, 419056065363738
0, 418879020508601
0, 418879020478643
0, 418879020478638
0, 418879020478624

erro
9, 564 100
2, 440 101
6, 215 101
4, 595 100
1, 546 100
1, 508 100
1, 770 104
2, 996 1011
3, 941 1015
8, 327 1016
1, 499 1014

tempo(s)
3, 380 104
5, 408 104
9, 932 104
1, 492 103
1, 908 103
2, 829 103
3, 754 103
4, 690 103
5, 933 103
7, 524 103
1, 199 102

w(t)*g(t) = t*sen(15*t)

r
2
4
8
12
16
24
32
40
50
64
100

6
0

Figura 28:

t sen(15t) dt via Gauss-Legendre.

0

3
t

5.4 Implementaes

98

5.4.3 Gauss-Laguerre generalizada

Esta quadratura calcula integrais da forma

et t g(t) dt, > 1. Os experimentos

0

para este caso so

et t sen(t) dt,

(i)

(ii)

et t sen(3t) dt.

O algoritmo da Figura 20 implementado para vrios valores de r e = 1 com

g(t) = sen(t) e g(t) = sen(3t), respectivamente. As resolues analticas so

(i)
0

1
et t sen(t) dt = et (t cos(t) + cos(t) + t sen(t))
2

(ii)

et t sen(3t) dt =
0

=
0

1
= 0,5,
2

1 t
e (15t cos(3t) + 3 cos(3t) + 5t sen(3t) 4 sen(3t))
50

,
0

3
= 0,06.
50

et t sen(3t) dt =

(ii)

Os resultados das implementaes acompanhados dos respectivos grcos dos integrandos esto nas Figuras 29 e 30.
0.35

integral
0, 541499482284950
0, 519921378126607
0, 499954172469353
0, 499999993121657
0, 500000000339152
0, 500000000000003
0, 500000000000000
0, 500000000000000
0, 500000000000000
0, 499999999999999
0, 499999999999999

erro
4, 150 102
1, 992 102
4, 583 105
6, 878 109
3, 392 1010
3, 109 1015
3, 886 1016
4, 441 1016
0, 000 100
5, 551 1016
7, 772 1016

tempo(s)
2, 912 104
4, 472 104
8, 216 104
1, 196 103
1, 638 103
2, 579 103
3, 619 103
5, 044 103
6.422 103
1, 000 102
1, 999 102

0.3
0.25
w(t)*g(t) = et*t*sen(t)

r
2
4
8
12
16
24
32
40
50
64
100

0.2
0.15
0.1
0.05
0
0.05
0.1

Figura 29:

10

10

et t sen(t) dt via Gauss-Laguerre generalizada.

0
0.4

integral
0, 273996367128327
0, 753697292524765
0, 035688078760915
0, 102560149593333
0, 072914023437567
0, 058739191643045
0, 060106240548962
0, 059991795934407
0, 059999020545767
0, 060000002824856
0, 060000000000031

erro
3, 340 101
6, 937 101
9, 569 102
1, 626 101
1, 291 102
1, 261 103
1, 062 104
8, 204 106
9, 795 107
2, 825 109
3, 068 1014

tempo(s)
3, 276 104
5, 252 104
9, 880 104
1, 503 103
1, 997 103
3, 104 103
4, 326 103
5, 949 103
7, 613 103
1, 143 102
2, 273 102

0.3
0.2
w(t)*g(t) = et*t*sen(3*t)

r
2
4
8
12
16
24
32
40
50
64
100

0.1
0
0.1
0.2
0.3
0.4

Figura 30:

6
t

et t sen(3t) dt via Gauss-Laguerre generalizada.

0

5.4 Implementaes

99

5.4.4 Gauss-Laguerre

As integrais para esta quadratura so da forma

et g(t) dt. Os experimentos so

c

et cos(t) dt,

(i)

et cos(3t) dt.

(ii)

Implementa-se o algoritmo da Figura 21 para vrios valores de r e c = , sendo

g(t) = cos(t) e g(t) = cos(3t), respectivamente. As resolues analticas so

(i)

et cos(t) dt =

(ii)

et cos(3t) dt =

et
(sen(t) cos(t))
2

et
(cos(3t) 3 sen(3t))
10

1
0, 021606959131886,
2e

1
0, 004321391826377.
10e

Os resultados das implementaes acompanhados dos respectivos grcos dos integrandos esto nas Figuras 31 e 32.
0.005

integral
0, 024640955052807
0, 021714721915837
0, 021607011259739
0, 021606958489553
0, 021606959133696
0, 021606959131886
0, 021606959131886
0, 021606959131886
0, 021606959131886
0, 021606959131886
0, 021606959131886

tempo(s)
2, 340 104
3, 848 104
7, 176 104
1, 108 103
1, 404 103
2, 101 103
2, 834 103
3, 583 103
5, 018 103
6, 089 103
1, 092 102

erro
3, 034 103
1, 078 104
5, 213 108
6, 423 1010
1, 810 1012
6, 245 1017
8, 674 1017
1, 735 1016
6, 939 1017
2, 325 1016
1, 665 1016

0
0.005
0.01
w(t)*g(t) = et*cos(t)

r
2
4
8
12
16
24
32
40
50
64
100

0.015
0.02
0.025
0.03
0.035
0.04
0.045

Figura 31:

10

10

et cos(t) dt via Gauss-Laguerre.

0.02

integral
0, 011168936341233
0, 023347450107100
0, 005568706069011
0, 002570531115081
0, 004233010447646
0, 004326659715571
0, 004321099539422
0, 004321407335112
0, 004321389932670
0, 004321391824483
0, 004321391826377

erro
1, 549 102
1, 903 102
1, 247 103
1, 751 103
8, 838 105
5, 268 106
2, 923 107
1, 551 108
1, 894 109
1, 894 1012
3, 123 1017

tempo(s)
2, 860 104
4, 836 104
8, 892 104
1, 362 103
1, 742 103
2, 584 103
3, 484 103
4, 420 103
6, 011 103
7, 394 103
1, 277 102

0.01

0
w(t)*g(t) = et*cos(3*t)

r
2
4
8
12
16
24
32
40
50
64
100

0.01

0.02

0.03

0.04

0.05

Figura 32:

et cos(3t) dt via Gauss-Laguerre.

6
t

5.4 Implementaes

100

5.4.5 Gauss-Hermite

Nesta quadratura as integrais so do tipo

et g(t) dt. Os experimentos so

(i)

sech3 (t) dt,

(ii)

sech4 (t) dt.

Implementa-se o algoritmo da Figura 22 com g(t) = et sech3 (t) e g(t) = et sech4 (t)
para vrios valores de r, respectivamente. As resolues analticas so

sech (t) dt =

(i)

sech (t) dt =

(ii)

senh(t)
+ arctan(et )
2 cosh2 (t)

senh(t)
2 senh(t)
+
3
3 cosh(t)
3 cosh (t)

1, 570796326794897,
2

4
1, 333333333333333.
3

Os resultados das implementaes acompanhados dos respectivos grcos dos integrandos esto nas Figuras 33 e 34.

integral
1, 458809914545095
1, 553681762799978
1, 569877940077360
1, 570710842814076
1, 570785436484143
1, 570796011694501
1, 570796311844880
1, 570796325810249
1, 570796326749253
1, 570796326793932
1, 570796326794895

erro
1, 120 101
1, 711 102
9, 184 104
8, 548 105
1, 089 105
3, 151 107
1, 495 108
9, 846 1010
4, 564 1011
9, 643 1013
1, 332 1015

tempo(s)
4, 888 104
8, 476 104
1, 596 103
2, 527 103
3, 115 103
4, 607 103
6, 131 103
7, 639 103
1, 005 102
1, 223 102
1, 972 102

1
0.9
0.8
w(t)*g(t) = sech3(t)

r
2
4
8
12
16
24
32
40
50
64
100

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
2.5

1.5

0.5

0
t

0.5

1.5

2.5

0.5

0
t

0.5

1.5

2.5

Figura 33:

sech3 (t) dt via Gauss-Hermite.

integral
1, 157242076523935
1, 298181249968242
1, 330782129703722
1, 333047147655743
1, 333291591344918
1, 333331867429140
1, 333333253410583
1, 333333327466142
1, 333333333030054
1, 333333333326102
1, 333333333333331

erro
1, 761 101
3, 515 102
2, 551 103
2, 862 104
4, 174 105
1, 466 106
7, 992 108
5, 867 109
3, 033 1010
7, 231 1012
2, 665 1015

tempo(s)
4, 888 104
8, 372 104
1, 596 103
2, 538 103
3, 115 103
4, 618 103
6, 136 103
7, 670 103
1, 019 102
1, 226 102
2, 032 102

1
0.9
0.8
w(t)*g(t) = sech4(t)

r
2
4
8
12
16
24
32
40
50
64
100

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
2.5

1.5

Figura 34:

sech4 (t) dt via Gauss-Hermite.

5.4 Implementaes

101

5.4.6 Gauss-Jacobi
d

(d t) (t c) g(t) dt,

A quadratura de Gauss-Jacobi calcula integrais da forma

c

com > 1 e > 1. Os experimentos so

1
2

(i)

1
2

t2
1
2

dt,

t2

(ii)

1
2

dt.

1
Implementa-se o algoritmo da Figura 23 com vrios valores de r, = , = 0,
2
5
7
1
2 e g(t) = t 2 , respectivamente. As resolues analticas so
c = 0 e d = , com g(t) = t
2
1
2

(i)
0

5 arcsen ( 2t)

64

t2
1
2

dt =

t
1
2

(ii)

1
2

0
1
2

(ii)
0

t2

dt

t
7

t2
1
2

dt

1
2

5t 2
5t 2
t2
+
+
6
48
64

1
t
2

35 arcsen( 2t)

1024

=
0

5
0, 122718463030851,
128

1
7t 2
35t 2
35t 2
t2
t
+
+
+
2
8
96
768
1024

1
2

,
0

35
0,053689327575997.
2048

Os resultados das implementaes juntamente com os respectivos grcos dos integrandos esto nas Figuras 35 e 36.
4

integral
0, 122881316773058
0, 122719447861938
0, 122718471173918
0, 122718463528064
0, 122718463034952
0, 122718463031409
0, 122718463030970
0, 122718463030876
0, 122718463030859
0, 122718463030851

erro
1, 629 104
9, 848 107
8, 143 109
4, 972 1010
4, 101 1012
5, 577 1013
1, 189 1013
2, 502 1014
8, 188 1015
2, 914 1016

tempo(s)
4, 732 104
7, 748 104
1, 435 103
2, 257 103
4, 098 103
5, 470 103
6, 817 103
8, 554 103
1, 097 102
1, 745 102

3.5
3
w(t)*g(t) = t5/2/(1/2t)1/2

r
2
4
8
12
24
32
40
50
64
100

2.5
2
1.5
1
0.5
0

1
2

Figura 35:

t
1
2

5
2

0.1

0.2

0.3

0.4

0.5

0.3

0.4

0.5

dt via Gauss-Jacobi.

t
4

integral
0, 053414684971013
0, 053689202115370
0, 053689327348302
0, 053689327569900
0, 053689327575528
0, 053689327575985
0, 053689327575997
0, 053689327575998
0, 053689327575997
0, 053689327575999
0, 053689327575997

erro
2, 746 104
1, 255 107
2, 277 1010
6, 098 1012
4, 691 1013
1, 259 1014
1, 735 1016
4, 302 1016
3, 469 1017
1, 686 1015
2, 290 1016

tempo(s)
4, 628 104
7, 852 104
1, 446 103
2, 231 103
2, 777 103
4, 118 103
5, 491 103
6, 874 103
8, 585 103
1, 104 102
1, 758 102
1
2

Figura 36:
0

t
1
2

7
2

3.5
3
w(t)*g(t) = t7/2/(1/2t)1/2

r
2
4
8
12
16
24
32
40
50
64
100

2.5
2
1.5
1
0.5
0
0

0.1

0.2
t

dt via Gauss-Jacobi.

5.4 Implementaes

102

5.4.7 Gauss-Chebyshev de 1a espcie

d

Esta quadratura calcula integrais da forma

c

tos so

1
(i)

(d t)(t c)

dt,

g(t) dt. Os experimen-

t2

(1 t)t

t2

(ii)

(1 t)t

dt.

O algoritmo da Figura 24 implementado para vrios valores de r, c = 0 e d = 1 com

7
9
g(t) = t 2 e g(t) = t 2 , respectivamente. As resolues analticas so
1

(i)

(1 t)t

(ii)
0

t2

t2
(1 t)t

dt =

dt =

2
(5t3 + 6t2 + 8t + 16) 1 t
35

=
0

32
0, 914285714285714,
35

256
2
(35t4 + 40t3 + 48t2 + 64t + 128) 1 t =
0, 812698412698413.
315
315
0

Os resultados das implementaes juntamente com os grcos dos integrandos esto

nas Figuras 37 e 38.
integral
0, 904346602435046
0, 914279039765571
0, 914285694422971
0, 914285713546231
0, 914285714212872
0, 914285714282905
0, 914285714285434
0, 914285714285667
0, 914285714285706
0, 914285714285713
0, 914285714285714

erro
9, 939 103
6, 675 106
1, 986 108
7, 395 1010
7, 284 1011
2, 810 1012
2, 802 1013
4, 685 1014
7, 772 1015
1, 110 1015
2, 220 1016

tempo(s)
2, 444 104
4, 212 104
7, 852 104
1, 222 103
1, 518 103
2, 267 103
3, 000 103
3, 728 103
4, 753 103
5, 933 103
9, 490 103

8
7
w(t)*g(t) = t7/2/((1t)*t)1/2

r
2
4
8
12
16
24
32
40
50
64
100

6
5
4
3
2
1
0
0

Figura 37:

(1 t)t

r
2
4
8
12
16
24
32
40
50
64
100

integral
0, 770573104975677
0, 812701165209337
0, 812698414219070
0, 812698412722430
0, 812698412699723
0, 812698412698435
0, 812698412698414
0, 812698412698413
0, 812698412698413
0, 812698412698413
0, 812698412698413

erro
4, 213 102
2, 753 106
1, 521 109
2, 402 1011
1, 310 1012
2, 220 1014
1, 221 1015
1, 110 1016
0, 000 100
1, 110 1016
1, 110 1016

Figura 38:
0

0.4

0.6

0.8

0.8

dt via Gauss-Chebyshev de 1a espcie.

tempo(s)
2, 496 104
4, 316 104
8, 112 104
1, 222 103
1, 570 103
2, 319 103
3, 094 103
3, 822 103
4, 940 103
6, 100 103
9, 760 103

8
7
6
5
4
3
2
1
0
0

0.2

7
2

w(t)*g(t) = t9/2/((1t)*t)1/2

9
2

(1 t)t

0.2

0.4

0.6
t

dt via Gauss-Chebyshev de 1a espcie.

5.4 Implementaes

103

5.4.8 Gauss-Chebyshev de 2a espcie

d

(d t)(t c)g(t) dt. Os experimen-

Esta quadratura calcula integrais da forma

c

tos so

(i)

(1 t)t t 2 dt,
0

(ii)

(1 t)t t 2 dt.
0

O algoritmo da Figura 25 implementado para vrios valores de r, c = 0 e d = 1,

7
9
com g(t) = t 2 e g(t) = t 2 , respectivamente. As resolues analticas so
1

(i)

(1 t)t t 2 dt

0
1

(i)

(1 t)t t 2 dt

256
0, 073881673881674,
3465

(ii)

(1 t)t t 2 dt
0
1

(ii)

3
2
(315t4 + 280t3 + 240t2 + 192t + 128)(1 t) 2 ,
3465
0

(1 t)t t 2 dt

3
2
(693t5 + 630t4 + 560t3 + 480t2 + 384t + 256)(1 t) 2 ,
9009
0

512
0, 056832056832057.
9009

As Figuras 39 e 40 mostram os resultados das implementaes alm de exibir os

grcos dos integrandos.
0.25

integral
0, 073271162674102
0, 073881364762652
0, 073881673386660
0, 073881673870529
0, 073881673880944
0, 073881673881659
0, 073881673881673
0, 073881673881674
0, 073881673881674
0, 073881673881674
0, 073881673881674

erro
6, 105 104
3, 091 107
4, 950 1010
1, 115 1011
7, 298 1013
1, 495 1014
9, 159 1016
9, 714 1017
1, 388 1017
1, 388 1017
4, 163 1017

tempo(s)
2, 496 104
4, 212 104
7, 956 104
1, 212 103
1, 534 103
2, 288 103
3, 021 103
3, 770 103
4, 659 103
5, 985 103
9, 313 103

0.2
w(t)*g(t) = ((1t)*t)1/2*t7/2

r
2
4
8
12
16
24
32
40
50
64
100

0.15

0.1

0.05

0
0

Figura 39:

0.2

0.4

0.6

0.8

0.8

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie.

7

0
0.25

integral
0, 054186381611634
0, 056832203207983
0, 056832056880266
0, 056832056832540
0, 056832056832075
0, 056832056832057
0, 056832056832057
0, 056832056832057
0, 056832056832057
0, 056832056832057
0, 056832056832057

erro
2, 646 103
1, 464 107
4, 821 1011
4, 829 1013
1, 801 1014
1, 735 1016
6, 939 1018
1, 388 1017
6, 939 1018
0, 000 100
0, 000 100

tempo(s)
2, 548 104
4, 316 104
8, 164 104
1, 238 103
1, 596 103
2, 361 103
3, 110 103
3, 890 103
4, 867 103
6, 167 103
9, 688 103

0.2
w(t)*g(t) = ((1t)*t)1/2*t9/2

r
2
4
8
12
16
24
32
40
50
64
100

0.15

0.1

0.05

0
0

Figura 40:
0

0.2

0.4

0.6
t

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie.

9

5.4 Implementaes

104

5.4.9 Gauss-Gegenbauer
d

A quadratura de Gauss-Gegenbauer calcula integrais do tipo ((dt)(tc)) 2 g(t) dt,

c

1
com > 2 . Os experimentos so
1

((1 t)t) 2 t 2 dt,

(i)

((1 t)t)2 t 3 dt.

(ii)

O algoritmo da Figura 26 implementado com vrios valores de r, c = 0 e d = 1,

7
5
com g(t) = t 2 e g(t) = t 3 , respectivamente. O parmetro igual a 2 no primeiro caso
5
e igual a no segundo. As resolues analticas so
2
1

(i)

((1 t)t) 2 t 2 dt =
0

2
(3003t5 + 2310t4 + 1680t3 + 1120t2 + 640t
45045
1
5

+256)(1 t) 2

=
0

(ii)

((1 t)t)2 t 3 dt =
0

512
0, 011366411366411,
45045

14
3
(119t2 280t + 170)t 3
2380

27
0, 011344537815126.
2380

=
0

As Figuras 41 e 42 mostram os resultados das implementaes alm de exibir os

grcos dos integrandos.
integral
0, 011303284254782
0, 011366388367433
0, 011366411345456
0, 011366411366111
0, 011366411366398
0, 011366411366411
0, 011366411366411
0, 011366411366411
0, 011366411366411
0, 011366411366412
0, 011366411366411

erro
6, 313 105
2, 300 108
2, 096 1011
3.003 1013
1, 363 1014
7, 286 1017
7, 633 1017
2, 238 1016
6.765 1017
2, 064 1016
2, 706 1016

tempo(s)
3, 744 104
5, 668 104
1, 019 103
1, 534 103
1, 950 103
2, 881 103
3, 791 103
4, 690 103
5, 964 103
7, 540 103
1, 189 102

0.03

0.025
w(t)*g(t) = ((1t)*t)3/2*t7/2

r
2
4
8
12
16
24
32
40
50
64
100

0.02

0.015

0.01

0.005

0
0

Figura 41:

0.2

0.4

0.6

0.8

0.6

0.8

((1 t)t) 2 t 2 dt via Gauss-Gegenbauer.

0

integral
0, 011337205790095
0, 011344447002547
0, 011344537138860
0, 011344537785463
0, 011344537812214
0, 011344537815028
0, 011344537815118
0, 011344537815125
0, 011344537815126
0, 011344537815126
0, 011344537815126

erro
7, 332 106
9, 081 108
6, 763 1010
2, 966 1011
2, 912 1012
9, 789 1014
8, 302 1015
1, 244 1015
1, 648 1016
2, 689 1016
3, 816 1017

tempo(s)
3, 640 104
5, 772 104
1, 040 103
1, 581 103
1, 960 103
2, 891 103
3, 832 103
4, 774 103
6, 011 103
7, 623 103
1, 193 102

0.03

0.025
w(t)*g(t) = ((1t)*t)2*t5/3

r
2
4
8
12
16
24
32
40
50
64
100

0.02

0.015

0.01

0.005

0
0

Figura 42:

0.2

0.4
t

5
3

((1 t)t)2 t dt via Gauss-Gegenbauer.

0

5.5 Algoritmos e implementaes via matriz de Jacobi

105

5.5 Algoritmos e implementaes via matriz de Jacobi

O Teorema 4.3 mostra que possvel calcular os zeros xi e os coecientes Hi por meio
dos autovalores e autovetores da matriz de Jacobi

Jr =

..

..

..

r1 r1

onde os parmetros i , i = 0, 1 . . . , r 1, e i , i = 1, 2, . . . , r 1, so os termos da equao

de recorrncia dos polinmios ortonormais. Estes so calculados pelas frmulas (2.32) e
(2.33) que, por sua vez, dependem apenas de resultados relacionados aos polinmios
ortogonais. A obra de Golub and Welsch (1967) apresenta um procedimento para o
clculo dos autovalores e autovetores da matriz de Jacobi e referncia em vrios textos
que tratam do assunto. So apresentados os algoritmos para xi e Hi com uso da matriz

Jr para cada quadratura de Gauss (Figuras 43 a 50). Os parmetros de entrada so o

nmero r de zeros e, se existentes, os parmetros , ou . Os parmetros de sada so
os vetores X e H com os zeros xi e os coecientes Hi , respectivamente.
Os algoritmos seguem a rotina:
1. Calcula os elementos da matriz de Jacobi;
2. Calcula os autovalores e os primeiros componentes dos autovetores normalizados,
respectivamente, obtendo os zeros e os coecientes.
Algoritmo matriz_legendre
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Legendre}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r
2
para m 1 at r 1 faa

3
4
5
6
7
8
9

J(m, m + 1) m 1/ (4 m2 1) {diagonal de
J(m + 1, m) J(m, m + 1) {diagonal simtrica}

m , por (4.21)}

m para

X , v autovalores e autovetores normalizados de J , respectivamente

para i 1 at r faa
H(i) 2 (v(i, 1))2 {(4.20)}

m para
m algoritmo

Figura 43: Algoritmo para xi e Hi de Gauss-Legendre pela matriz Jr .

5.5 Algoritmos e implementaes via matriz de Jacobi

106

Algoritmo matriz_laguerregen
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Laguerre generalizada}
parmetros de entrada r e {nmero de zeros e parmetro > 1}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r
2
para m 1 at r 1 faa

3
4
5
6
7
8
9
10
11
12

J(m, m) + 2 m + 1 {0 a r2 , por (4.26)}

J(m, m + 1) (( + i) i) {diagonal de m , por (4.26)}

J(m + 1, m) J(m, m + 1) {diagonal simtrica}

m para

J(m, m) + 2 r 1 {r1 , por (4.26)}

X , v autovalores e autovetores normalizados de J , respectivamente
k ( + 1)
para i 1 at r faa
H(i) k (v(i, 1))2 {(4.25)}

m para
m algoritmo

Figura 44: Algoritmo para xi e Hi de Gauss-Laguerre generalizada pela matriz Jr .

Algoritmo matriz_laguerre
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Laguerre}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r
2
para m 1 at r 1 faa

3
4
5
6
7
8
9
10
11

J(m, m) 2 m + 1 {0 a r2 , por (4.30)}

J(m, m + 1) i {diagonal de m , por (4.30)}

J(m + 1, m) J(m, m + 1) {diagonal simtrica}

m para

J(m, m) 2 r 1 {r1 }
X , v autovalores e autovetores normalizados de J , respectivamente
para i 1 at r faa
H(i) (v(i, 1))2 {(4.29)}

m para
m algoritmo

Figura 45: Algoritmo para xi e Hi de Gauss-Laguerre pela matriz Jr .

Algoritmo matriz_hermite
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Hermite}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r
2
para m 1 at r 1 faa

3
4
5
6
7
8
9

J(m, m + 1) (m/2) {diagonal de m , por (4.37)}

J(m + 1, m) J(m, m + 1) {diagonal simtrica}

m para

X , v autovalores e autovetores normalizados de J , respectivamente

para i 1 at r faa
H(i) 0,5 (v(i, 1))2 {(4.36)}

m para
m algoritmo

Figura 46: Algoritmo para xi e Hi de Gauss-Hermite pela matriz Jr .

5.5 Algoritmos e implementaes via matriz de Jacobi

107

Algoritmo matriz_jacobi
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Jacobi}
parmetros de entrada r, e > {nmero de zeros e parmetros , > 1}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r

2
3
4
5
6
7
8
9

10
11
12
13
14
15
16
17

J(1, 1) ( )/( + + 2) {0 , por (4.45)}

se r > 1 ento

J(1, 2) 2 ( + 1) ( + 1)/(( + + 3) ( + + 2)2 ) { 1 , por (4.45)}

J(2, 1) J(1, 2)
J(r, r) ( 2 2 )/((2 r + + 2) (2 r + + )) {r1 , por (4.45)}
para m 2 at r 1 faa
J(m, m) ( 2 2 )/((2 m + + 2) (2 m + + ))
{1 a r2 , por (4.46)}
J(m, m + 1) 2 m (m + ) (m + ) (m + + )
/ ((2 m + + 1) (2 m + + + 1) (2 m + + )2 )

{ 2 a r1 , por (4.47)}
J(m + 1, m) J(m, m + 1) {diagonal simtrica}

m para
m se
X , v autovalores e autovetores normalizados de J , respectivamente
k 2++1 ( + 1) ( + 1)/( + + 2)
para i 1 at r faa
H(i) k (v(i, 1))2 {(4.44)}

m para
m algoritmo

Figura 47: Algoritmo para xi e Hi de Gauss-Jacobi pela matriz Jr .

Algoritmo matriz_chebyshev_1
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Chebyshev de 1a espcie}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r
2
se r > 1 ento

3
5
6
7
8
9
10
11
12
13
14

J(1, 2) (0,5) { 1 , por (4.56)}

J(2, 1) J(1, 2)
para m 2 at r 1 faa

J(m, m + 1) 0,5 { 2 a r1 , por (4.56)}

J(m + 1, m) J(m, m + 1) {diagonal simtrica}

m para
m se
X autovalores de J
para i 1 at r faa

H(i) /r {(4.55)}

m para
m algoritmo

Figura 48: Algoritmo para xi e Hi de Gauss-Chebyshev de 1a espcie pela matriz Jr

5.5 Algoritmos e implementaes via matriz de Jacobi

108

Algoritmo matriz_chebyshev_2
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Chebyshev de 2a espcie}
parmetro de entrada r {nmero de zeros}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r
2
se r > 1 ento
3
para m 1 at r 1 faa

4
5
6
7
8
9
10
11
12

J(m, m + 1) 0,5 {diagonal de m , por (4.65)}

J(m + 1, m) J(m, m + 1) {diagonal simtrica}

m para
m se
X , v autovalores e autovetores normalizados de J , respectivamente
k /2
para i 1 at r faa
H(i) k (v(i, 1))2 {(4.64)}

m para
m algoritmo

Figura 49: Algoritmo para xi e Hi de Gauss-Chebyshev de 2a espcie pela matriz Jr .

Algoritmo matriz_gegenbauer
{Objetivo Calcular xi e Hi pela matriz Jr para Gauss-Gegenbauer}
parmetros de entrada r e {nmero de zeros e parmetro > 0,5, = 0}
parmetros de sada X e H {vetores com zeros e coecientes}
incio algoritmo
1
J matriz quadrada e nula de ordem r
2
se r > 1 ento
3
para m 2 at r 1 faa

5
6
7
8
9
10
11
12

m (m + 2 1)/((m + ) (m + 1))/2

m , por (4.73)}
J(m + 1, m) J(m, m + 1) {diagonal simtrica}

J(m, m + 1)

{diagonal de

m para
m se
X , v autovalores e autovetores normalizados de J , respectivamente
k 22 ( + 0,5)/(2 + 1)
para i 1 at r faa
H(i) k (v(i, 1))2 {(4.72)}

m para
m algoritmo

Figura 50: Algoritmo para xi e Hi de Gauss-Gegenbauer pela matriz Jr .

5.5 Algoritmos e implementaes via matriz de Jacobi

109

5.5.1 Implementaes
Com os algoritmos das quadraturas numricas (Figuras 19 a 26) so realizados os
mesmos experimentos da Seo 5.4 com xi e Hi obtidos, desta vez, pela matriz Jr .
As Tabelas 3 a 18 mostram os resultados dos experimentos juntamente com o tempo

tempo_jac, em segundos, demandado pela execuo. O parmetro tempo_jac calculado

pela mdia aritmtica dos tempos demandados por vrias execues para cada valor de

r, sendo 3000 execues para 2 r < 500, 10 execues para 500 r 750 e 1 execuo
para r 1000. O erro relativo dado por erro_jac. Paralelamente mostrado o erro
relativo erro e o tempo tempo das implementaes das Subsees 5.4.2 a 5.4.9.
2

Tabela 3:

t sen(t) dt via Gauss-Legendre pela matriz Jr .

0

erro_jac
1, 776 1015
7, 105 1015
4, 441 1015
4, 619 1014
2, 753 1014
2, 487 1014
0, 000 100
2, 665 1014

r
12
50
100
500
750
1000
1500
2000

erro
4, 441 1015
1, 776 1015
1, 776 1015
4, 441 1015
1, 776 1015
7, 105 1015
1, 776 1014
4, 441 1015

tempo_jac(s)
1, 295 103
7, 077 103
2, 190 102
9, 672 101
3, 468 100
8, 309 100
2, 884 101
6, 770 101

tempo(s)
1, 201 103
4, 732 103
9, 558 103
5, 616 102
9, 360 102
1, 326 101
2, 293 101
3, 323 101

Tabela 4:

t sen(15t) dt via Gauss-Legendre pela matriz Jr .

0

erro_jac
4, 595 100
1, 893 1014
3, 075 1014
1, 960 1014
1, 872 1013
1, 040 1013
7, 710 1014
2, 814 1013

r
12
50
100
500
750
1000
1500
2000

erro
4, 595 100
3, 941 1015
1, 499 1014
7, 383 1015
7, 827 1015
5, 496 1015
2, 054 1015
4, 996 1015

tempo_jac(s)
1, 565 103
8, 294 103
2, 414 102
9, 734 101
3, 462 100
8, 376 100
2, 875 101
6, 778 101

tempo(s)
1, 492 103
5, 933 103
1, 199 102
7, 176 102
1, 076 101
1, 638 101
2, 683 101
3, 822 101

Tabela 5:

et t sen(t) dt via Gauss-Laguerre generalizada pela matriz Jr .

0

r
12
50
100
500
1000

erro_jac
6, 878 109
0, 000 100
7, 772 1016
1, 665 1016
2, 220 1016

erro
6, 878 109
0, 000 100
7, 772 1016

no resolveu
no resolveu

tempo_jac(s)
1, 113 103
6, 422 103
2, 041 102
1, 075 100
9, 986 100

tempo(s)
1, 196 103
6, 422 103
1, 999 102

5.5 Algoritmos e implementaes via matriz de Jacobi

110

et t sen(3t) dt via Gauss-Laguerre generalizada pela matriz Jr .

Tabela 6:
0

r
12
50
100
500
1000

erro_jac
1, 626 101
9, 795 107
3, 068 1014
1, 256 1015
1, 596 1016

erro
1, 626 101
9, 795 107
3, 068 1014

no resolveu
no resolveu

tempo_jac(s)
1, 503 103
7, 597 103
2, 292 102
1, 058 100
9, 890 100

tempo(s)
1, 503 103
7, 613 103
2, 273 102

et cos(t) dt via Gauss-Laguerre pela matriz Jr .

Tabela 7:

r
12
50
100
500
1000

erro_jac
6, 423 1010
2, 776 1017
0, 000 100
2, 776 1017
6, 939 1018

erro
6, 423 1010
6, 939 1017
1, 665 1016

no resolveu
nao resolveu

tempo_jac(s)
1, 144 103
6, 256 103
1, 975 102
1, 033 100
9, 541 100

tempo(s)
1, 108 103
5, 018 103
1, 092 102

Tabela 8:

et cos(3t) dt via Gauss-Laguerre pela matriz Jr .

r
12
50
100
500
1000

erro_jac
1, 751 103
1, 894 109
5, 638 1017
8, 674 1018
9, 541 1018

erro
1, 751 103
1, 894 109
3, 123 1017

no resolveu
no resolveu

tempo_jac(s)
1, 383 103
7, 368 103
2, 209 102
1, 078 100
9, 722 100

tempo(s)
1, 362 103
6, 011 103
1, 277 102

Tabela 9:

sech3 (t) dt via Gauss-Hermite pela matriz Jr .

r
12
50
100
200
300

erro_jac
8, 548 105
4, 564 1011
1, 998 1015
2, 220 1016
0, 000 100

erro
8, 548 105
4, 564 1011
1, 332 1015

no resolveu
no resolveu

tempo_jac(s)
2, 236 103
1, 081 102
2, 954 102
1, 108 101
2, 870 101

tempo(s)
2, 527 103
1, 005 102
1, 972 102

Tabela 10:

sech4 (t) dt via Gauss-Hermite pela matriz Jr .

r
12
50
100
200
300

erro_jac
2, 862 104
3, 033 1010
3, 553 1015
4, 441 1016
0, 000 100

erro
2, 862 104
3, 033 1010
2, 665 1015

no resolveu
no resolveu

tempo_jac(s)
2, 382 103
1, 149 102
3, 046 102
1, 123 101
2, 855 101

tempo(s)
2, 538 103
1, 019 102
2, 032 102

5.5 Algoritmos e implementaes via matriz de Jacobi

1
2

Tabela 11:

t2
1
2

erro_jac
4, 972 1010
2, 495 1014
1, 804 1016
4, 163 1017
2, 914 1016
9, 714 1017
1, 388 1017
2, 220 1016

r
12
50
100
500
750
1000
1500
2000

1
2

Tabela 12:

1
2

Tabela 14:
0

r
12
50
100
500
750
1000
1500
2000

tempo(s)
2, 257 103
8, 554 103
1, 745 102
1, 139 101
1, 872 101
2, 496 101
4, 524 101
6, 599 101

dt via Gauss-Jacobi pela matriz Jr .

t
erro
6, 098 1012
3, 469 1017
2, 290 1016
2, 340 1014
7, 577 1015
4, 198 1015
9, 624 1014
4, 524 1015

tempo_jac(s)
1, 446 103
7, 602 103
2, 228 102
9, 142 101
3, 220 100
7, 833 100
2, 744 101
6, 577 101

tempo(s)
2, 231 103
8, 585 103
1, 758 102
1, 076 101
1, 794 101
2, 465 101
4, 337 101
6, 365 101

dt via Gauss-Chebyshev de 1a espcie pela matriz Jr .

10

7, 395 10
7, 772 1015
2, 220 1016
5, 551 1016
0, 000 100
8, 882 1016
1, 110 1016
5, 551 1016

tempo_jac(s)
1, 498 103
7, 530 103
2, 326 102
9, 157 101
3, 246 100
7, 839 100
2, 716 101
6, 505 101

t2
(1 t)t
erro_jac

r
12
50
100
500
750
1000
1500
2000

erro
4, 972 1010
2, 502 1014
2, 914 1016
5, 360 1014
1, 524 1014
8, 354 1015
2, 204 1013
9, 256 1015

erro_jac
6, 098 1012
1, 388 1017
1, 388 1017
6, 245 1017
1, 596 1016
1, 318 1016
1, 388 1017
1, 110 1016

Tabela 13:

dt via Gauss-Jacobi pela matriz Jr .

t2

r
12
50
100
500
750
1000
1500
2000

111

erro
7, 395 1010
7, 772 1015
2, 220 1016
6, 661 1016
2, 220 1016
8, 882 1016
3, 331 1016
4, 441 1016

tempo_jac(s)
1, 331 103
7, 332 103
2, 278 102
9, 734 101
3, 446 100
8, 377 100
2, 836 101
6, 728 101

tempo(s)
1, 222 103
4, 753 103
9, 490 103
4, 524 102
7, 488 102
9, 984 102
1, 466 101
1, 950 101

t2
(1 t)t
erro_jac

dt via Gauss-Chebyshev de 1a espcie pela matriz Jr .

11

2, 402 10
0, 000 100
2, 220 1016
1, 110 1016
1, 110 1016
2, 220 1016
6, 661 1016
1, 110 1016

erro
2, 402 1011
0, 000 100
1, 110 1016
2, 220 1016
3, 331 1016
5, 551 1016
8, 882 1016
1, 110 1016

tempo_jac(s)
1, 342 103
7, 556 103
2, 344 102
9, 766 101
3, 469 100
8, 268 100
2, 861 101
6, 744 101

tempo(s)
1, 222 103
4, 940 103
9, 760 103
4, 680 102
6, 864 102
9, 360 102
1, 420 101
1, 903 101

5.5 Algoritmos e implementaes via matriz de Jacobi

Tabela 15:
0

r
12
50
100
500
750
1000
1500
2000

Tabela 16:
0

r
12
50
100
500
750
1000
1500
2000

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie pela matriz Jr .

7

erro_jac
1, 115 1011
1, 388 1016
1, 388 1016
3, 469 1016
2, 776 1016
1, 110 1016
1, 388 1016
1, 943 1016

erro
1, 115 1011
1, 388 1017
4, 163 1017
4, 163 1017
2, 776 1017
8, 327 1017
6, 939 1017
4, 163 1017

tempo(s)
1, 212 103
4, 659 103
9, 313 103
4, 212 102
6, 864 102
9, 048 102
1, 404 101
1, 856 101

erro_jac
4, 829 1013
1, 041 1016
9, 714 1017
2, 567 1016
2, 012 1016
1, 180 1016
2, 012 1016
1, 943 1016

erro
4, 829 1013
6, 939 1018
0, 000 100
1, 388 1017
0, 000 100
0, 000 100
4, 857 1017
4, 163 1017

tempo_jac(s)
1, 394 103
7, 420 103
2, 256 102
9, 766 101
3, 424 100
8, 174 100
2, 827 101
6, 669 101

tempo(s)
1, 238 103
4, 867 103
9, 688 103
5, 148 102
7, 800 102
9, 984 102
1, 544 101
1, 903 101

((1 t)t) 2 t 2 dt via Gauss-Gegenbauer pela matriz Jr .

0

erro_jac
3, 003 1013
1, 388 1017
6, 939 1018
2, 602 1017
1, 388 1017
1, 735 1017
8, 674 1018
9, 021 1017

Tabela 18:

erro
3, 003 1013
6, 765 1017
2, 706 1016
4, 522 1015
6, 386 1015
2, 498 1015
8, 446 1015
1, 327 1014

tempo_jac(s)
1, 357 103
7, 441 103
2, 228 102
9, 734 101
3, 416 100
8, 284 100
2, 816 101
6, 667 101

tempo(s)
1, 534 103
5, 964 103
1, 189 102
7, 332 102
1, 092 101
1, 560 101
2, 402 101
3, 416 101

((1 t)t)2 t 3 dt via Gauss-Gegenbauer pela matriz Jr .

0

r
12
50
100
500
750
1000
1500
2000

tempo_jac(s)
1, 388 103
7, 332 103
2, 203 102
9, 812 101
3, 371 100
8, 315 100
2, 836 101
6, 694 101

(1 t)t t 2 dt via Gauss-Chebyshev de 2a espcie pela matriz Jr .

Tabela 17:
r
12
50
100
500
750
1000
1500
2000

112

erro_jac
2, 966 1011
1, 613 1016
5, 204 1018
1, 041 1017
1, 214 1017
6, 072 1017
5, 725 1017
3, 123 1017

erro
2, 966 1011
1, 648 1016
3, 816 1017
4, 937 1015
5, 208 1015
6, 816 1015
1, 728 1014
1, 680 1014

tempo_jac(s)
1, 373 103
7, 405 103
2, 228 102
9, 812 101
3, 460 100
8, 299 100
2, 816 101
6, 727 101

tempo(s)
1, 581 103
6, 011 103
1, 193 102
6, 708 102
1, 123 101
1, 591 101
2, 340 101
3, 526 101

5.6 Validao dos algoritmos para zeros e coecientes

113

Conclui-se que numa integrao com o emprego da matriz de Jacobi Jr o tempo

necessrio superior quele apresentado na estratgia anterior, onde foi utilizado o mtodo
de Newton, principalmente para valores muito grandes de r. Por exemplo, com exceo
de Gauss-Hermite, Gauss-Laguerre e Gauss-Laguerre generalizada, o tempo gasto pela
matriz Jr em r = 2000 zeros superior a 1 minuto, enquanto que, o outro mtodo
gastou menos de 1 segundo. Esta disparidade conseqncia do alto custo computacional
no clculo dos autovalores e autovetores da matriz de Jacobi, ao passo que, os outros
mtodos calculam os zeros e os coecientes da quadratura pelo mtodo de Newton quando
no possuem frmulas diretas para eles (Figuras 14 e 15). Alm disto, quando os zeros so
simtricos, o mtodo de Newton usado somente para os zeros no negativos, enquanto
que, a matriz de Jacobi calcula todos zeros separadamente. Todavia, para integraes
de Gauss-Hermite, Gauss-Laguerre e Gauss-Laguerre generalizada, a matriz de Jacobi
indispensvel, pois os outros mtodos falham a partir de um determinado valor de r, o
que ser tratado na Seo 5.6. Por isto, os experimentos apresentados a seguir fazem
uso da matriz de Jacobi somente nas quadraturas de Gauss-Hermite, Gauss-Laguerre e
Gauss-Laguerre generalizada.
Os autovalores e autovetores foram calculados pela funo eig do MATLAB. Caso
os algoritmos que usam a matriz de Jacobi sejam utilizados numa outra linguagem de
programao, sugere-se as rotinas DSTEQR ou DSTEDC do LAPACK (Anderson et al, 1999),
baseadas nos algoritmos QR com deslocamento implcito e algoritmo divide e conquista
de Cuppen, respectivamente.

5.6 Validao dos algoritmos para zeros e coecientes

Os algoritmos para determinao de xi e Hi que so baseados no mtodo de Newton,
requerem boas aproximaes iniciais para xi , exceto no caso de Gauss-Chebyshev de 1a
e 2a espcies que, por sua vez, possuem uma frmula geradora os zeros xi . Estes algoritmos para Gauss-Hermite, Gauss-Laguerre e Gauss-Laguerre generalizada apresentam um
limite mximo para o nmero r de zeros. No caso de Gauss-Laguerre e Gauss-Laguerre
generalizada, com = 1, o nmero mximo de zeros r = 365, pois quando r 366,
ocorre que p1 (linha 16 das Figuras 10 e 11) calculado pela subtrao de dois valores
superiores ao maior nmero de ponto utuante representvel pelo computador, que
aproximadamente 1,7977 10308 para variveis de 8 bytes (Campos, 2000), resultando em
falha do algoritmo2 . No caso de Gauss-Hermite, para r 114, o valor de pp2 tambm
2 Ocorrem

falhas como esta para diversos valores de em Gauss-Laguerre generalizada.

5.6 Validao dos algoritmos para zeros e coecientes

114

superior a este valor (linha 30 da Figura 12), neste caso aconselhvel que r seja, no
mximo, 113.
Ressalta-se que o mtodo de Newton para os zeros dos polinmios de Laguerre, Laguerre generalizado e de Hermite usado at 10 vezes porque alguns zeros xi podem
requerer muitas iteraes para serem renados com a preciso 1015 . Os zeros em tais
algoritmos so obtidos com o mtodo de Newton que, por sua vez, fornece os zeros quando
for atendida a preciso ou, ento, ao m da 10a iterao. A Figura 51 mostra o percentual
de zeros que seriam calculados pelo mtodo de Newton quando fosse atendida a preciso
deste mtodo, caso o parmetro de preciso fosse 1015 e 1014 em

zero_h_hermite

(linha 25 da Figura 12) para cada valor de r 113.

percentual de zeros com preciso 1015 no mtodo de Newton

percentual de zeros com preciso 1014 no mtodo de Newton

100

99

99

98

98

97

97
percentual

101

100

percentual

101

96
95

96
95

94

94

93

93

92

92

91

91

90

20

40

60
nmero r de zeros

80

100

90

(a) preciso 1015

20

40

60
nmero r de zeros

80

100

(b) preciso 1014

Figura 51: Percentual de zeros com preciso 1015 e 1014 em

zero_h_hermite.

Por exemplo, na Figura 51 (a) tem-se que, para r = 80, cerca de 97,5% destes 80 zeros
foram calculados com a preciso 1015 e os demais zeros foram obtidos na 10a iterao
do mtodo de Newton (linhas 14 a 27 da Figura 12). Em (b), tem-se que para todos
valores de r, 100% dos zeros foram calculados com preciso 1014 . Portanto, a Figura 51
mostra que o algoritmo zero_h_hermite (com preciso 1015 e mximo de 10 iteraes
no mtodo de Newton) fornece, no mnimo, 90% dos zeros com preciso de 1015 e os
outros zeros so obtidos na 10a iterao, sendo fornecidos com preciso de 1014 .
Agora, a Figura 52 mostra o percentual dos zeros que seriam calculados pelo mtodo
de Newton quando fosse atendida a preciso deste mtodo caso este parmetro fosse

1015 , 1014 , 1013 e 1012 em

zero_h_laguerre3

em cada valor de r 365 (linha

21 da Figura 11). Verica-se que este algoritmo (com preciso 1015 e mximo de 10
3O

algoritmo zero_h_laguerre_gen, 1 < 8, apresenta percentuais muito prximos aos de

zero_h_laguerre.

5.6 Validao dos algoritmos para zeros e coecientes

115

iteraes no mtodo de Newton) fornece mais de 75% dos zeros com preciso de 1015 e o
restante dos zeros obtido na 10a iterao sendo fornecidos com preciso de, no mnimo,

1012 .
percentual de zeros com preciso 1015 no mtodo de Newton

percentual de zeros com preciso 1014 no mtodo de Newton

95

percentual

100

95

percentual

100

90

90

85

85

80

80

75

50

100

150
200
250
nmero r de zeros

300

75

350

50

(a) preciso 1015

150
200
250
nmero r de zeros

300

350

(b) preciso 1014

percentual de zeros com preciso 1013 no mtodo de Newton

percentual de zeros com preciso 1012 no mtodo de Newton

100

95

95

percentual

100

percentual

100

90

90

85

85

80

80

75

50

100

150
200
250
nmero r de zeros

(c) preciso 1013

300

350

75

50

100

150
200
250
nmero r de zeros

300

350

(d) preciso 1012

Figura 52: Percentual de zeros com preciso 1015 a 1012 em

zero_h_laguerre.

Os demais algoritmos que utilizam o mtodo de Newton foram testados para r at

20.000 e no apresentaram nenhuma restrio (inclusive os casos zero_h_chebyshev_1

e

zero_h_chebyshev_2).

Por isto, no restringe-se o nmero de iteraes no mtodo

de Newton de tais algoritmos.

Os algoritmos que usam a matriz de Jacobi no apresentaram limites para o nmero
de zeros uma vez que, essencialmente, calculam autovalores e autovetores. Todavia, como
foi mostrado, demandam mais tempo de execuo do que os outros algoritmos.

5.7 A escolha do mtodo mais eciente

116

5.7 A escolha do mtodo mais eciente

As quadraturas de Gauss com base nos polinmios ortogonais de medidas clssicas
distinguem-se, primeiramente, quanto ao intervalo de integrao: nito [c, d], semi-innito

[c, ) ou duplamente innito (, ). Havendo mais de uma quadratura para um tipo

de intervalo, ela ser denida ao especicar-se a funo peso w(t). Para isto, inicialmente,
necessrio reescrever a funo integrando F (t) na seguinte forma
(5.9)

F (t) = w(t)g(t),

sendo w(t) contnua no intervalo aberto e g(t) contnua no intervalo fechado de integrao.

A priori, a funo g(t) poderia ser descontnua nos extremos de integrao, pois a
quadratura faz avaliaes desta funo em pontos interiores deste intervalo. Porm, se

g(t) fosse descontnua, ela no poderia ser bem aproximada por um polinmio e o mtodo
da quadratura no seria eciente. Por isto, assume-se que g(t) deve ser contnua no
intervalo fechado de integrao.
A Tabela 19 mostra como dever ser w(t) para cada tipo de intervalo: [c, d], [c, )
e (, ). A funo w(t), nos intervalos [c, d] e [0, ), serve para atender s possveis
singularidades de F (t) nos extremos de integrao.
Tabela 19: w(t) em cada intervalo de integrao.
Intervalo

w(t)

[c, d]

(d t) (t c) , > 1 e > 1

[c, )
(, )

et t , > 1, se c = 0,
se c = 0

et ,
2

et

Uma vez encontrada w(t), a funo g(t) obtida pela equao (5.9).
Se o intervalo for duplamente innito, a funo peso do tipo de Gauss-Hermite,
cando denida a quadratura.
Se o intervalo for semi-innito [c, ), a funo w(t) do tipo de Gauss-Laguerre ou
Gauss-Laguerre generalizada. Neste caso, se c = 0, usa-se a generalizada, cuja funo
peso colabora para a suavidade de g(t) porque possui parmetro > 1; caso c = 0, s
ser possvel utilizar Gauss-Laguerre (Subseo 5.2.2).
Por m, se o intervalo for limitado, a funo w(t) do tipo de Jacobi e deve-se usar uma

5.7 A escolha do mtodo mais eciente

117

das quadraturas apresentadas na Tabela 1 com intervalo [c, d] que so casos particulares
da funo peso de Jacobi. Elas se distinguem conforme os valores dos parmetros e ,
segundo a Tabela 20.
Tabela 20: w(t) do tipo Jacobi.

> 1 e > 1

quadratura

==0

Gauss-Legendre

= = 1
2

Gauss-Chebyshev de 1a espcie
Gauss-Chebyshev de 2a espcie

1
2

==

Gauss-Gegenbauer, = +

= = 0, 1
2

1
2

Gauss-Jacobi

H dois fatores que determinaram a escolha das quadraturas mais ecientes: a convergncia da quadratura e os algoritmos mais ecientes.
A questo da convergncia est associada ao comportamento da funo g(t): como a
frmula de erro da quadratura de Gauss apresenta derivada de ordem 2r da funo g(t)
(Tabela 2), ento o mtodo de Gauss exato para polinmios de grau at 2r 1. Logo,
quanto melhor g(t) puder ser aproximada por um polinmio, melhor ser a convergncia da
quadratura. Em outras palavras, quanto mais suave for g(t), melhor ser a convergncia
e a funo peso tem por nalidade deixar g(t) mais simples e mais suave. Para isto, basta
reescrever o integrando na forma w(t)g(t) com w(t) assumindo uma das formas mostradas
na Tabela 19. Davis e Rabinowitz (1984) apresentam um bom exemplo do decrescimento
da convergncia quando a suavidade de g(t) decresce ao utilizar Gauss-Legendre nas
integrais:
1

(i)

onde g(t) =

g(t) dt,
0

(ii)
0

(t + 2)1 , se 0 t e 2,
se e 2 t 1,

0,
1

t dt

(iii)

t3 dt.

A primeira integral apresenta baixssima convergncia e a segunda converge mais lentamente do que a terceira. A obra referenciada aponta que a qualidade da convergncia est
diretamente ligada com a suavidade de g(t): a funo da primeira integral no contnua

em [0, 1]; na segunda integral, t contnua em [0, 1], mas a sua derivada no o ; na

ltima integral, t3 contnua em [0, 1], mas a segunda derivada desta funo no o .
evidente que a primeira funo deveria ser integrada em dois intervalos separadamente.

5.7 A escolha do mtodo mais eciente

118

Por outro lado, as singularidades de g(t) poderiam ser evitadas reescrevendo o integrando
na forma w(t)g(t) como na Tabela 19 e depois identicando os parmetros e :
1

(ii)
0
1

(iii)

(1 t)0 (t 0) 2 dt Gauss-Jacobi com g(t) = 1, = 0 e =

t dt =
0

t3 dt =

1
2

(1 t)0 (t 0) 2 dt Gauss-Jacobi com g(t) = 1, = 0 e = 3 .

2

Nestes casos, como g(t) so funes constantes, o mtodo de Gauss-Jacobi fornece resultados exatos, uma vez que, para r = 1, tem-se que g 2r (t) = g 2 (t) = 0, ou seja, o erro

Er,g = 0.
H ainda a questo dos algoritmos para as integrais de intervalo limitado que determinou a elaborao da Tabela 20. A quadratura de Gauss-Jacobi deve ser usada somente
nos casos em que = , uma vez que as outras quadraturas so elaboradas especicamente para determinados valores de e , cujos algoritmos so mais ecientes do que o de
Gauss-Jacobi: os algoritmos de funes peso de Chebyshev possuem frmulas para gerar
diretamente os zeros e basicamente efetuam um somatrio para a integrao (Figuras 14,
15, 24 e 25); os zeros de Gauss-Legendre e Gauss-Gegenbauer, 0 < < 1, = 1 , possuem
2
boas aproximaes trigonomtricas e o mtodo de Newton usado somente (r + 1)/2
vezes (Figuras 9 e 16); os zeros para Gauss-Jacobi so todos renados atravs do mtodo
de Newton com aproximaes iniciais mais grosseiras (Figura 13) e, alm disto, as frmulas deste algoritmo requerem mais adies e multiplicaes do que nos outros casos.
Concluindo, ca claro que usar Gauss-Jacobi nos casos em que = seria contraproducente diante das outras quadraturas. O mesmo procede para Gauss-Gegenbauer quando
1
= = 0 ou = =
que seriam os casos das funes pesos de Chebyshev de 1a
2
espcie e Legendre.
Portanto, para escolher a quadratura mais convergente cujo algoritmo mais eciente
basta reescrever o integrando na forma w(t)g(t) e, caso necessrio, denir os parmetros

e .

5.7.1 Mtodo mais eciente para integrao numrica

Reunindo as concluses sobre a quadratura melhor convergente e o respectivo algoritmo mais eciente com a validao dos algoritmos para xi e Hi (Seo 5.6), elaborou-se
um algoritmo para identicar a quadratura com o respectivo mtodo para clculo dos zeros e coecientes da forma mais eciente, dados a funo F (t) = w(t)g(t) e os parmetros:

c, d, e .

5.7 A escolha do mtodo mais eciente

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

119

se intervalo for [c, d] ento

se = ento
se = 0 ento

quad_legendre com zero_h_legendre

seno se = 0,5 ento

quad_chebyshev_1 com zero_h_chebyshev_1

seno se = 0,5 ento

quad_chebyshev_2 com zero_h_chebyshev_2

seno

quad_gegenbauer com zero_h_gegenbauer

m se
seno

quad_jacobi com zero_h_jacobi

m se
seno se o intervalo for [c, ) ento
se c = 0 ento
quad_laguerre_gen com matriz_laguerre_gen
seno
quad_laguerre com matriz_laguerre
m se
seno {o intervalo ser (, )}
quad_hermite com matriz_hermite
m se

Figura 53: Procedimento para escolha do mtodo mais eciente.

5.7.2 Casos especiais de integrando no innito

H casos de integrais com intervalos de integrao semi-innito ou duplamente innito
em que o integrando F (t) no tem nada a ver com a funo peso, por exemplo:

1
dt e
1 + t2

Nestas situaes, deve-se usar g(t) =

cos(t/2)

dt.
t

F (t)
, ou seja,
w(t)

et
g(t) =
(1 + t2 )
para ter

g(t) =

t2

et
dt
(1 + t2 )

et cos(t/2)

,
t

et
1

et cos(t/2)

,
t

nas quadraturas de Gauss-Hermite e Gauss-Laguerre, respectivamente. Este tratamento

foi realizado, por exemplo, nos experimentos de Gauss-Hermite (Subseo 5.4.5). Entretanto, h ressalvas: o valor de r no pode ser muito alto  os valores dos zeros do

5.7 A escolha do mtodo mais eciente

120

polinmio de Hermite (pertencentes a (, )) crescero em mdulo medida que r

2

aumenta e et tender ao innito rapidamente, levando a falhas nas avaliaes de g(t)

no somatrio. O mesmo tipo de falha ocorrer em Gauss-Laguerre e Gauss-Laguerre generalizada, pois seus zeros (pertencentes a (0, )) faro com que et tenda ao innito.
Experimentos executados com integrando deste tipo mostram que h falhas se r for maior
que 380 em Gauss-Hermite e for maior que 190 no caso de Gauss-Laguerre. Conclui-se
que as integrais de intervalos semi ou duplamente innito que no apresentam as funes
pesos de Hermite e de Laguerre4 correm o risco de no serem resolvidas com as respectivas
quadraturas de Gauss.
Todavia, possvel evitar tais restries nestas quadraturas, aproximando a integral
dada por uma soma de integrais com limites nitos:

d2

d1

d1

dn

F (t) dt,

F (t) dt + . . . +

F (t) dt +

F (t) dt =

(5.10)

dn1

sendo interrompida na n-sima integral quando esta estiver prxima de zero. Cada uma
das integrais calculada com a quadratura de Gauss de limite [c, d]. Para integrais com
limite duplamente innito:

F (t) dt,

F (t) dt +

F (t) dt =

recaindo no caso anterior da equao (5.10).

A obra de Davis e Rabinowitz (1984) apresenta uma bela explanao sobre aproximaes de integrais com intervalo innito, inclusive mostrando integrais em tais intervalos
que podem ser calculadas com uso de integrais com intervalos nitos por meio de mudanas de variveis.

4O

mesmo se d para vrios valores de em Gauss-Laguerre generalizada.

121

Quadratura iterativa

Este captulo apresenta a tcnica da quadratura iterativa. Trata-se de um esquema

de integrao iterativo e no adaptativo, proposto por Campos (2007) para a quadratura
de Gauss-Legendre. Este mtodo pode ser aplicado com sucesso s outras quadraturas de
Gauss, conforme mostram os experimentos realizados.

6.1 Algoritmo gauss_iterativo

As Tabelas 27 a 42 da Seo 5.4 mostram que as quadraturas de Gauss tendem a
aproximar as integrais com grau crescente de preciso medida que o nmero de zeros r
aumenta. Isto era esperado tendo em vista os teoremas que garantem as convergncias
(Teoremas 4.4, 4.5, 4.6 e observaes). Ilustrando melhor este fato, a Tabela 21 exibe o
erro relativoi =

|resultado analtico integrali |

|resultado analtico|

ea
diferena relativai =

|integrali integrali1 |
|integrali |
2

entre dois resultados consecutivos do experimento (i) da Subseo 5.4.2:

t sen(t) dt
0

para 2 r 14.
Tabela 21: Comparao entre diferena e erro relativos.
r
integral
erro relativo diferena relativa
2
3
4
5
6
7
8
9
10
11
12
13
14

11, 061607516437542
5, 524853467979552
6, 333516813159698
6, 281330066094324
6, 283228993156375
6, 283184591799723
6, 283185315806970
6, 283185307099724
6, 283185307180163
6, 283185307179575
6, 283185307179582
6, 283185307179578
6, 283185307179584

1, 000 100
1, 207 101
8, 011 103
2, 953 104
6, 953 106
1, 139 107
1, 373 109
1, 271 1011
9, 174 1014
1, 838 1015
7, 068 1016
1, 272 1015
4, 241 1016

1, 002 100
1, 277 101
8, 308 103
3, 022 104
7, 067 106
1, 152 107
1, 386 109
1, 280 1011
9, 358 1014
1, 131 1015
5, 654 1016
8, 481 1016

6.1 Algoritmo

gauss_iterativo

122

Verica-se pela Tabela 21 que a diferena relativa est bem prxima do erro da iterao
anterior, isto ,
diferena relativai erro relativoi1 .
Por exemplo, a diferena relativa em r = 4, de 1, 277 101 que muito prxima do
erro relativo em r = 3, dado por 1, 207 101 . A m de evidenciar esta aproximao,
apresenta-se os grcos de

r log10 |erro relativo|

r log10 |diferena relativa|

para todos experimentos da Seo 5.4:

experimento (i): t*sen(t)

experimento (ii): t*sen(15*t)

2

y = erro relativo
y = diferena relativa

y = erro relativo
y = diferena relativa

2
4
4
log10 | y |

log10 | y |

6
8
10

6
8
10

12

12

14

14

16

16
0

10

20

30
40
nmero r de zeros

50

60

10

20

30
40
nmero r de zeros

50

60

Figura 54: Diferena e erro relativos em Gauss-Legendre.

experimento (i): et*t*sen(t)

0

experimento (ii): et*t*sen(3*t)

y = erro relativo
y = diferena relativa

y = erro relativo
y = diferena relativa

2
2
4
4
log10 | y |

log10 | y |

6
8
10

6
8
10

12

12

14

14

16

16
0

20

40

60
80
nmero r de zeros

100

120

20

40

60
80
nmero r de zeros

100

Figura 55: Diferena e erro relativos em Gauss-Laguerre generalizada.

120

6.1 Algoritmo

gauss_iterativo

123

experimento (i): et*cos(t)

experimento (ii): et*cos(3*t)

y = erro relativo
y = diferena relativa

y = erro relativo
y = diferena relativa

0
2

4
4
log10 | y |

log10 | y |

6
8

6
8

10
10
12

12

14

14

16

16
0

20

40

60
80
nmero r de zeros

100

120

20

40

60
80
nmero r de zeros

100

120

Figura 56: Diferena e erro relativos em Gauss-Lagurre.

experimento (i): sech3(t)

experimento (ii): sech4(t)

0

y = erro relativo
y = diferena relativa

6
log10 | y |

log10 | y |

y = erro relativo
y = diferena relativa

10

10

12

12

14

14

16

16
0

20

40

60
80
nmero r de zeros

100

120

20

40

60
80
nmero r de zeros

100

120

Figura 57: Diferena e erro relativos em Gauss-Hermite.

experimento (i): t5/2/(1/2t)1/2

experimento (ii): t7/2/(1/2t)1/2

0

y = erro relativo
y = diferena relativa

6
log10 | y |

log10 | y |

y = erro relativo
y = diferena relativa

10

10

12

12

14

14

16

16
0

10

20

30
40
nmero r de zeros

50

60

70

10

20

30
40
nmero r de zeros

Figura 58: Diferena e erro relativos em Gauss-Jacobi.

50

60

70

6.1 Algoritmo

gauss_iterativo

124

experimento (i): t7/2/((1t)*t)1/2

0

experimento (ii): t9/2/((1t)*t)1/2

0

y = erro relativo
y = diferena relativa

6
log10 | y |

log10 | y |

y = erro relativo
y = diferena relativa

10

10

12

12

14

14

16

16
0

10

20

30
40
nmero r de zeros

50

60

70

10

20

30
40
nmero r de zeros

50

60

70

Figura 59: Diferena e erro relativos em Gauss-Chebyshev de 1a espcie.

experimento (i): ((1t)*t)1/2*t7/2
0

experimento (ii): ((1t)*t)1/2*t9/2

0

y = erro relativo
y = diferena relativa

6
log10 | y |

log10 | y |

y = erro relativo
y = diferena relativa

10

10

12

12

14

14

16

16
0

10

20
30
nmero r de zeros

40

50

10

20
30
nmero r de zeros

40

50

Figura 60: Diferena e erro relativos em Gauss-Chebyshev de 2a espcie.

experimento (i): ((1t)*t)3/2*t7/2

experimento (ii): ((1t)*t)2*t5/3

0
y = erro relativo
y = diferena relativa

y = erro relativo
y = diferena relativa

2
4

4
6
log10 | y |

log10 | y |

6
8

10

10

12

12

14

14

16

10

20

30
40
nmero r de zeros

50

60

16

10

20

30
40
nmero r de zeros

Figura 61: Diferena e erro relativos em Gauss-Gegenbauer.

50

60

6.1 Algoritmo

gauss_iterativo

125

Alm de evidenciarem que a diferena relativa se aproxima do erro relativo anterior,

as Figuras 54 a 61 mostram que a partir de um determinado valor de r, o resultado da
quadratura integral estabiliza em torno na preciso do computador (aproximadamente

1016 ). Por exemplo, no caso das duas implementaes de Gauss-Legendre (Figura 54),
o nmero r necesrio de zeros para esta preciso estava em torno de r = 12 e r = 44.
Nota-se tambm que quando o integrando w(t)g(t) de uma quadratura tornava-se mais
oscilatrio, o nmero r para a preciso de 1016 aumentava, como mostram as Figuras
54, 55 e 56. Contudo, uma vez que a diferena relativa entre valores de r consecutivos1 se
aproxima do erro antecessor, nota-se que o mesmo ocorre para valores no consecutivos,
como indica a Tabela 22.
Tabela 22: Diferena e erro relativos com valores de r no consecutivos.
r
integral
erro relativo
dif. relativa
3
5
8
13
21
34
55

5, 524853467979552
6, 281330066094324
6, 283185315806970
6, 283185307179578
6, 283185307179584
6, 283185307179582
6, 283185307179582

1, 207 101
2, 953 104
1, 373 109
1, 272 1015
4, 241 1016
7, 068 1016
7, 068 1016

1, 204 101
2, 953 104
1, 373 109
8, 481 1016
2, 827 1016
0, 000 100

Mediante todas constataes de que a diferena relativa um bom estimador para

o erro cometido na integrao anterior2 , Campos (2007) apresenta um algoritmo para o
clculo da integral denida de uma funo por meio da quadratura de Gauss-Legendre
utilizando um esquema iterativo e no-adaptativo aliado seqncia de Fibonacci:
Inicialmente, a integral calculada com

n = 13

n = 8

pontos e depois com

pontos. Se a diferena relativa entre os dois valores da integral

for menor ou igual a uma dada tolerncia ento o processo termina. Caso
contrrio, o valor de

n incrementado, seguindo uma srie de Fibonacci,

e a integral calculada novamente. O processo repete at que a diferena

relativa entre os dois ltimos valores da integral seja menor ou igual
tolerncia predenida ou quando atingir o nmero mximo de iteraes

dado.

Denomina-se por quadratura iterativa a quadratura obtida por meio do processo iterativo apontado acima. Com base no algoritmo citado por Campos, apresenta-se um
algoritmo iterativo para todas quadraturas de Gauss. Os parmetros de entrada da quadratura iterativa so a tolerncia toler, o nmero mximo de iteraes itermax, os limites
de integrao e os parmetros associados (, ou ) quando necessrios. A funo g(t)
1r

= ri1 + 1

2 Esta
3 De

estimativa est fundamentada na aproximao em (1.2).

acordo com a notao adotada, deve-se entender n pontos por r zeros.

6.2 Programa QUAD_ITER

126

deve ser especicada de acordo com a linguagem de programao escolhida. Os parmetros de sada so o resultado da quadratura iterativa integral_iter e a menor diferena
relativa obtida delta.
Algoritmo gauss_iterativo
{Objetivo Integrar F (t) = w(t)g(t) iterativamente por uma das quadraturas de Gauss}
parmetros de entrada toler e itermax {tolerncia e nmero mximo de iteraes}
parmetros de entrada adicionais c, d, , ou {parmetros da quadratura}
parmetros de sada integral_iter e delta
{valor da integral e menor diferena relativa obtida}
incio algoritmo

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

iter 1; r1 5; r2 8
int quadratura de Gauss(c, d, , , ) (Figuras 19 a 26)
escreva iter, r2, int

repita {sucessivos clculos das integrais}

iter iter + 1; r r1 + r2;

integral_iter quadratura de Gauss(c, d, , , ) (Figuras 19 a 26)
se integral_iter = 0 ento
delta |(integral_iter int)/(integral_iter)|

seno

delta |(integral_iter int)|

m se
escreva iter, r, integral_iter, delta
se delta toler ou iter = itermax ento interrompa
m se
int integral_iter; r1 r2; r2 r

m repita
m algoritmo

Figura 62: Algoritmo para quadratura iterativa.

6.2 Programa QUAD_ITER

O algoritmo para quadratura iterativa pode ser usado com qualquer algoritmo que
fornea um resultado de integrao via quadratura de Gauss (linhas 2 e 6 da Figura 62).
Denomina-se por QUAD_ITER o programa que calcula a integral por meio da quadratura
iterativa usando os algoritmos para integrao e os algoritmos para zeros e coecientes
segundo o esquema da Figura 53.
Com o QUAD_ITER so realizados experimentos com integrais cujas solues so
no triviais. As integrais de intervalo nito so:
10

(i)

(ii)

et dt,

(4 t) sen(e2t )

dt,
t+3

(iv)

(9 t)t cos(e ) dt,

0

(10 t)(t + 2)

2
2)

esen(5t

8
t

cos(t3 ) sin(3t2 )

10

(iii)

(v)
1

(8 t)(t + 1)

dt.

dt,

6.2 Programa QUAD_ITER

127

As integrais de intervalo semi-innito e duplamente innito so:

(vi)
2

2et
dt

(vii)

2 (t2 +1)

et

(complementar da funo Erro (Abramowitz, 1972)),

t4 dt.

Primeiramente, reescreve-se o integrando na forma w(t)g(t) segundo a Tabela 19 cando denida quadratura com os respectivos algoritmos por intermdio do esquema na
Figura 53.

10

(i)

(10 t)0 (t 0)0 et dt

Gauss-Legendre, g(t) = et ,

0
4

(ii)
3

(4 t)(t + 3) 2 sen(e2t ) dt Gauss-Jacobi, g(t) = sen(e2t ), = 1, = 1 ,

2

10

(iii)

(10 t) 2 (t + 2) 2 cos(t3 ) dt Gauss-Chebyshev de 1a espcie, g(t) = cos(t3 ),

1

2
9

(iv)

(9 t) 2 (t 0) 2 cos(et ) dt

Gauss-Chebyshev de 2a espcie, g(t) = cos(et ),

0
8

(v)
1

(vi)

e
2

(vii)

3
(8 t) 5 (t + 1) 5 esen(5t ) dt Gauss-Gegenbauer, g(t) = esen(5t ) , = 10 ,

2et +t

dt

et et t4 dt

2et +t
Gauss-Laguerre, g(t) = ,

Gauss-Hermite, g(t) = et t4 ,

Uma vez encontrada a funo g(t) e parmetros de entrada adicionais (c, d, , , )

realizada a implementao do algoritmo da Figura 62 com os parmetros itermax = 20,

toler = 1010 nos experimentos (ii) e (v) e toler = 1013 nos demais. Os parmetros
de sada a cada iterao, juntamente com o grco de cada um dos integrandos, esto
apresentados nas Figuras 63 a 69.

6.2 Programa QUAD_ITER

128

1
0.9
0.8
0.7
0.6
F(t)

------------------------------------------iter r
integral_iter
Dif. relativa
1
8 0.8877440105291001
2 13 0.8862483444448986 1.688e-003
3 21 0.8862269250054288 2.417e-005
4 34 0.8862269254527531 5.048e-010
5 55 0.8862269254527526 5.011e-016

0.5
0.4
0.3

integral_iter = 0.8862269254527526
delta = 5.011e-016
-------------------------------------------

0.2
0.1
0
0

10

10

Figura 63:

et dt via Gauss-Legendre.
0

2
1.5
1
0.5
F(t)

--------------------------------------------iter
r
integral_iter
Dif. relativa
1
8 -0.07812851991324989
2
13
3.266550305591523
1.024e+000
3
21
2.259053399002714
4.460e-001
4
34
1.933970499994798
1.681e-001
5
55
1.495048618372415
2.936e-001
6
89
2.000203214087314
2.526e-001
7 144
2.200742383334870 9.112e-002
8 233
2.185387239928678 7.026e-003
9 377
2.127400731798045 2.726e-002
10 610
2.155664854199735 1.311e-002
11 987
2.094246640598142 2.933e-002
12 1597
2.119092645200231 1.172e-002
13 2584
2.115832953554795 1.541e-003
14 4181
2.115832953560206 2.557e-012

0
0.5
1
1.5
3

integral_iter = 2.115832953560206
delta = 2.557e-012
--------------------------------------------4

Figura 64:
3

1
t

(4 t) sen(e2t )

dt via Gauss-Jacobi.
t+3

6.2 Programa QUAD_ITER

129

1.5

F(t)

-------------------------------------------iter
r
integral_iter
Dif. relativa
1
8
0.1473926750513661
2
13 -0.2196673041405459 1.671e+000
3
21
0.3020613025855041 1.727e+000
4
34 -0.008064911290441311 3.845e+001
5
55 0.10697865603653440 1.075e+000
6
89 0.29448193247610280 6.367e-001
7 144 0.02829372405781045 9.408e+000
8 233 0.08415675489128213 6.638e-001
9 377 0.07151373050777928 1.768e-001
10 610 0.07061369631953249 1.275e-002
11 987 0.07061369631954752 2.128e-013
12 1597
0.07061369631955113 5.110e-014

0.5

0.5

integral_iter = 0.070613696319551125
delta = 5.11e-014
--------------------------------------------

cos(t3 ) sen(3t2 )

(10 t)(t + 2)

4
t

--------------------------------------------iter
r
integral_iter
Dif. relativa
1
8
-8.120133006394841
2
13
13.74342196928454
1.591e+000
3
21
3.768372675929315
2.647e+000
4
34
0.5900735431030932 5.386e+000
5
55
-1.188719647296060 1.496e+000
6
89
-5.242270338369502 7.732e-001
7
144 0.01037659906778598 5.042e+002
8
233 -1.646536368853961 9.937e-001
9
377 -0.2846686251253396 4.784e+000
10
610 -1.772020381070121 8.394e-001
11
987 -0.7287185414652631
1.432e+000
12 1597 -1.058531610407369
3.116e-001
13 2584 -1.295755986305227
1.831e-001
14 4181 -1.116439389782778
1.606e-001
15 6765 -1.094151633214090
2.037e-002
16 10946
-1.094151633214263
1.577e-013
17 17711
-1.094151633214167
8.686e-014

9
0

10

5
4
3
2
1
0
1
2
3
4
5

integral_iter = -1.094151633214167
delta = 8.686e-014
---------------------------------------------

Figura 66:

dt via Gauss-Chebyshev de 1a espcie.

F(t)

10

Figura 65:

1
2

(9 t)t cos(et ) dt via Gauss-Chebyshev de 2a espcie.

6.2 Programa QUAD_ITER

130

2.5

F(t)

------------------------------------------iter
r
integral_iter
Dif. relativa
1
8
4.702035534494718
2
13 5.554806354605710 1.535e-001
3
21 6.108773515170135 9.068e-002
4
34 8.266131090854186 2.610e-001
5
55 6.738412587412456 2.267e-001
6
89 6.686016750504642 7.837e-003
7 144 7.391653908053595 9.546e-002
8 233 7.446910221464901 7.420e-003
9 377 7.441574541688036 7.170e-004
10 610 7.442040608309982
6.263e-005
11 987 7.442032813203407
1.047e-006
12 1597
7.442032811837043
1.836e-010
13 2584
7.442032811802715
4.613e-012

1.5

0.5

integral_iter = 7.442032811802715
delta = 4.613e-012
------------------------------------------2)

(8 t)(t + 1)

-------------------------------------------iter r
integral_iter
Dif. relativa
1
8 0.004701341592952040
2 13 0.004676855664743710
5.236e-003
3 21 0.004677763949936841
1.942e-004
4 34 0.004677735104366011
6.167e-006
5 55 0.004677734981081800
2.636e-008
6 89 0.004677734981047278
7.380e-012
7 144 0.004677734981047266
2.411e-015
integral_iter = 0.004677734981047266
delta = 2.411e-015
--------------------------------------------

Figura 68:
2

0.02
0.018
0.016
0.014
0.012
0.01
0.008
0.006
0.004
0.002
0
2

2.2

2.4

2.6
t

dt via Gauss-Gegenbauer.

F(t)

esen(5t

Figura 67:

0
1

2et
dt via Gauss-Laguerre.

2.8

6.2 Programa QUAD_ITER

131

0.16
0.14
0.12
0.1
F(t)

-------------------------------------------iter
r
integral_iter
Dif. relativa
1
8
0.1513671869390348
2
13 0.1670686930429755 9.398e-002
3
21 0.1844328164541592 9.415e-002
4
34 0.1820989685792112 1.282e-002
5
55 0.1820255678421800 4.032e-004
6
89 0.1820281939168913 1.443e-005
7 144 0.1820281687405720 1.383e-007
8 233 0.1820281687538028 7.269e-011
9 377 0.1820281687538037 5.032e-015

0.08
0.06
0.04
0.02

integral_iter = 1.8202816875380373e-001
delta = 5.032e-015
-------------------------------------------

Figura 69:

2 (t2 +1)

et

0
3

0
t

t4 dt via Gauss-Hermite.

6.2.1 Um caso especial

Os resultados da quadratura iterativa integral_iter, delta e parmetros de sada a
cada iterao devem ser observados em conjunto caso o nmero mximo de iteraes seja
b

atingido com delta relativamente grande. Isto ocorrer sempre que a integral

F (t) dt
a

for nula:

sen(t) dt = cos(0) cos(2) = 0.

0

No presente caso, o programa QUAD_ITER indicaria a quadratura de Gauss-Legendre

com g(t) = cos(t), c = 0, d = 2 e os parmetros de sada com toler = 1013 e itermax = 8
seriam:

int_iter = -2.720432134717614e-016
delta = 1.102
-----------------------------------------------

1
0.8
0.6
0.4
0.2
F(t)

----------------------------------------------iter r
integral_iter
Dif. relativa
1
8 3.869354114978326e-016
2 13 2.697648291428551e-016
4.343e-001
3 21 -1.679217938982671e-016
2.606e+000
4 34 -4.745153126258082e-016
6.461e-001
5 55 1.868976165448275e-016
3.539e+000
6 89 -7.866145075636609e-017
3.376e+000
7 144 2.774192890843543e-017
3.835e+000
8 233 -2.720432134717614e-016
1.102e+000

0
0.2
0.4
0.6
0.8
1
0

Figura 70: Integral nula via QUAD_ITER.

Numa primeira anlise, o parmetro delta mostraria que o resultado no tem uma
boa margem de conana. Contudo, observando as iteraes sucessivas v-se claramente

6.2 Programa QUAD_ITER

132

que a integral converge para zero. Portanto, caso delta seja insignicante, at para valores
grandes de r, necessrio fazer uma anlise conjunta dos resultados para vericar se
o caso da integral nula. Caso a integral_iter no convirja, pode ser que a quadratura
necessite de um nmero maior para r e ento, itermax dever ser aumentado. Por outro
lado, se a integral for de limites innitos, possvel que a quadratura no convirja e, nesse
caso, devem ser vericados os Teoremas 4.5 e 4.6 sobre convergncia.

133

Concluses gerais e futuros

trabalhos

Este trabalho foi dividido em duas partes distintas: a primeira terica e dedicada aos
polinmios ortogonais e quadratura de Gauss. A segunda diz respeito ao emprego desta
teoria na elaborao de algoritmos para integrao numrica. Nela discutiu-se tambm
a eccia de diferentes algoritmos e apresentou-se um esquema de integrao iterativo e
no-adaptativo denominado por quadratura iterativa.
No presente captulo apresentam-se as concluses, contribuies e propostas para
futuros trabalhos.

7.1 Contribuio da quadratura iterativa

A derivada de alta ordem presente nas frmulas de erro das quadraturas de Gauss
tornam estas frmulas um parmetro de preciso de pouca utilidade. Por exemplo, ao
1
t cos(3t)

dt com r = 5 zeros via Gauss-Chebyshev

estimar o erro na aproximao de
1 t2
1
de 1a espcie pela sua frmula de erro

Er,g =

2
d10
{t cos(3t)},
210 (10)! dt10

t (1, 1),

o clculo da derivada poderia ser mais trabalhoso do que a prpria aproximao. Por
outro lado, sabendo que a quadratura de Gauss converge, tem-se que quanto maior for o
nmero r de zeros, melhor ser a preciso do resultado. Mas quantos zeros so necessrios
para a preciso requerida? No caso dos experimentos de Gauss-Legendre, o nmero de zeros necessrio para se ter uma preciso com aproximadamente 15 dgitos estava em torno
de 12 e 44, respectivamente (Figura 54). Em outros experimentos, tambm com preciso
de 15 dgitos, o valor de r necessrio foi mais alto, por volta de 100, para Gauss-Hermite
(Figura 57). E alm disso, para integrandos mais oscilatrios, o nmero r aumentava
consideravelmente (Figuras 64 a 67). Por isto, um algoritmo que calcula uma integral via

7.2 Contribuies prticas deste trabalho

134

quadratura de Gauss, desprovido de um bom estimador para o erro cometido, fornece um

resultado que nem sempre pode ser convel na medida do esperado. Todavia, existem
problemas de clculos de integrais que no necessitam de uma preciso to alta, demandando um valor mais baixo para r, o que implica em um tempo menor de execuo.
Portanto, o valor ideal para o nmero r deve ser o menor possvel capaz de atender
preciso requerida.
A quadratura iterativa um esquema iterativo e no-adaptativo que calcula a integral
seguindo a seqncia de Fibonacci at que a diferena relativa entre os dois ltimos valores
da integral seja menor ou igual a uma tolerncia predenida ou quando atingir o nmero
mximo de iteraes. Este esquema iterativo objetiva fornecer um resultado mais concreto
quando comparado com o mtodo original que, por sua vez, fornece um resultado apenas
com o parmetro Er,g para a preciso. Em Campos (2007) este esquema iterativo foi usado
para a quadratura de Gauss-Legendre e este trabalho aplicou com xito este esquema para
todas as outras quadraturas de Gauss de medidas clssicas.
Desde que a quadratura convirja, este esquema iterativo tambm poder ser usado
especialmente naquelas quadraturas de alta convergncia, em outras palavras, nas quadraturas de com grau mximo de preciso. A quadratura iterativa tambm pode ser usada
no clculo das integrais mltiplas.

7.2 Contribuies prticas deste trabalho

Duas contribuies prticas deste trabalho podem ser destacadas. A primeira relacionada ao trabalho de Da Costa (1998). A segunda concretizou-se na criao do software
QUAD_ITER escrito em MATLAB.
O sistema INTEGRE elaborado por Da Costa (1998) uma poderesa ferramenta
usada na deciso da escolha do(s) algoritmo(s) para uma dada funo integrando, sendo
esta escolha baseada nas informaes coletadas no processo de anlise dessa funo. Nele
possvel calcular integrais mais complexas e que usualmente no seriam resolvidas pelos mtodos de Gauss com medidas w(t) clssicas. Este sistema utiliza os algoritmos
NR12, NR13 e NR14 (Press et al, 1997) para o clculo de xi e Hi para as quadraturas de Gauss-Laguerre generalizada, Gauss-Hermite e Gauss-Jacobi, respectivamente.
Tais algoritmos tambm usam o mtodo de Newton como os que foram apresentados:

zero_h_laguerre_gen, zero_h_hermite

zero_h_jacobi

e no diferem muito

destes. Como foi mostrado, os dois primeiros so impraticveis para valores grandes de

7.3 Zeros e coecientes da quadratura de Gauss

135

r (Seo 5.6) e os algoritmos NR12 e NR13 tambm apresentam um nmero mximo

de iteraes. Portanto, assim como
algoritmos NR12 e NR13 deveriam

triz_hermite.

zero_h_laguerre_gen e zero_h_hermite, os
ser preteridos por matriz_laguerre_gen e ma-

A opo por NR14, s deveria ser feita caso = . Portanto, a ttulo

de sugesto, poder-se-ia acoplar ao INTEGRE a rotina da Figura 53 com os respectivos

algoritmos, que identicaria o mtodo mais adequado para a determinao dos zeros e
coecientes.
Reunindo o presente estudo sobre as quadraturas de Gauss com a quadratura iterativa, elaborou-se um software, denominado QUAD_ITER em MATLAB para calcular
uma integral F (t) em um intervalo nito [c, d], semi-innito [c, ) ou duplamente innito

(, ). O QUAD_ITER calcula diversos tipos de integrais, inclusive integrais sem

antiderivada explcita e integrais imprprias. Ele poder atuar como subrotina em outros programas que necessitem do clculo de integrais. Alternativamente, este software
tambm pode ser usado com ns educacionais na disciplina Clculo Numrico.

7.3 Zeros e coecientes da quadratura de Gauss

Primeiramente, ressalta-se que o estudo levantado sobre as propriedades dos polinmios
ortogonais contribuiu efetivamente para elaborao dos algoritmos, principalmente para
os zeros e coecientes.
O clculo dos zeros e coecientes pela matriz de Jacobi, embora seja correntemente
usuado e mais elegante (Gautschi, 2003 e Gautschi, 1994), computacionalmente mais
caro do que os outros mtodos apresentados (Figuras 9 a 16) que se mostraram muito
mais velozes. Alm disto, o mtodo que usa a matriz de Jacobi no , denitivamente, o
mais preciso. Em casos especiais, como Gauss-Legendre, h meios mais precisos e mais
ecientes, como mostra Swarztrauber (2002) ao comparar o mtodo da matriz de Jacobi
com outros dois mtodos. Por outro lado, dentre os algoritmos apresentados, a matriz de
Jacobi mostrou-se mais vantajosa nos casos das quadraturas de Gauss-Laguerre, GaussLaguerre generalizada e Gauss-Hermite porque os outros algoritmos falham a partir de
um determinado valor de r.
Portanto, dentre os algoritmos para o clculo dos zeros e coecientes apresentados
neste trabalho, aconselhvel utiliz-los segundo o esquema da Figura 53 que indica o
uso da matriz de Jacobi apenas nos casos de Gauss-Laguerre, Gauss-Laguerre generalizada
e Gauss-Hermite.

7.4 Comparaes entre quadraturas

136

Finalmente, a localizao destes zeros sobre o eixo real no diz respeito somente
s quadraturas, eles possuem outros empregos tais como aplicaes na eletrosttica, na
anlise de freqncia etc. (Bracciali e Andrade, 2006).

7.4 Comparaes entre quadraturas

As frmulas de erro da quadratura de Newton-Cotes fechada com r + 1 pontos para
d

g(t) dt, sendo g(t) contnua em [c, d], so do tipo (Isaacson e Keller, 1966):

a integral
c

Er+1

Er+1

hr+3 g (r+2) ()
(r + 2)!
hr+2 g (r+1) ()
(r + 1)!

s2 (s 1) . . . (s r) ds,

se r for par, ou

0
r

se r for mpar, com h =

s(s 1) . . . (s r) ds,
0

dc
,
r

cujo grau de preciso pode ser no mximo r + 1, assim como as frmulas abertas com

r + 1 pontos. As frmulas compostas de Newton-Cotes basicamente subdividem o intervalo de integrao aplicando o mtodo em cada subintervalo separadamente com o
intuito de minimizar o erro. Apesar disto, o erro das frmulas compostas tambm possuem grau, no mximo, r + 1. Com isto, espera-se que as quadraturas de Gauss sejam
mais ecientes, pois com r + 1 pontos elas tero grau 2r + 1. As quadraturas de Gauss
que se ajustam ao integrando de Newton-Cotes so as que tm medida de Jacobi com

, 0. A m de comparar gracamente a ecincia entre a regra do 1/3 de Simpson

composta e Gauss-Legendre usando o mesmo nmero de pontos, apresenta-se o grco
|mtodo exato|
e
, sendo mtodo o resultado gerado pela regra e exato o
e
de r log10
|exato|
resultado gerado por meio do programa QUAD_ITER com toler = 1015 . As integrais
2

so aquelas dos experimentos da Subseo 5.4.2:

t sen(t) dt e
0

t*sen(t)
2

2
4
6
8
10
12
14

GaussLegendre
1/3 Simpson Composta

0
log10( |mtodo exato| / |exato| )

log10( |mtodo exato| / |exato| )

t*sen(15*t)
2

GaussLegendre
1/3 Simpson Composta

t sen(15t) dt.
0

2
4
6
8
10
12
14

16

16
0

20

40
60
nmero de abscissas

80

100

20

40
60
nmero de abscissas

Figura 71: 1/3 de Simpson composta Gauss-Legendre.

80

100

7.5 Trabalhos futuros

137

Como era esperado, evidente a superioridade do mtodo de Gauss-Legendre que

apresenta resultados que se estabilizam em torno da preciso do computador prximos a

r = 12 e r = 44, enquanto que, a regra de Simpson est longe de fornecer um resultado

aceitvel com r = 100. Existem diversas tcnicas que buscam aperfeioar as frmulas
de Newton-Cotes. Todavia, nem tais mtodos conseguem superar os de alta ordem de
Gauss (Dehghan, Masjed-Jamei e Eslanchi, 2006). Conclui-se, assim como j indicado por
Campos (1999), que muito questionvel o fato do mtodo de Gauss ser freqentemente
preterido pelas regras de Newton-Cotes. Agora, apresenta-se um grco como o anterior
na Figura 72 (a), desta vez, comparando tambm com a quadratura de Gauss-Chebyshev
de

10

2a

espcie para a integral

(10 t)t sen(t) dt.

0

((10t)*t)1/2*sen(t)
2

GaussLegendre
1/3 Simpson Composta
GaussChebyshev de 2 espcie

2
4
6
8
10
12
14

GaussLaguerre generalizada
GaussLaguerre

0
log10( |mtodo exato| / |exato| )

0
log10( |mtodo exato| / |exato| )

t1/2*sen(t)
2

2
4
6
8
10
12
14

16

16
0

20

40
60
nmero de abscissas

80

100

(a) Gauss-Legendre Gauss-Chebyshev de 2a espcie

20

40
60
nmero de abscissas

80

100

(b) Gauss-Laguerre generalizada

Figura 72: Comparaes entre convergncias.

Novamente a regra de Newton-Cotes encontra-se muito aqum e notvel a supremacia de Gauss-Chebyshev sobre Gauss-Legendre para este integrando. Este exemplo refora
a metodologia da escolha da quadratura mais convergente apresentada na Seo 5.7 que
indicaria Gauss-Chebyshev de 2a espcie para esta integral. Veja a mesma diferena

t 2 et sen(t) dt, na

no caso de Gauss-Laguerre e Gauss-Laguerre generalizada, para

0

Figura 72 (b), onde a quadratura recomendada seria Gauss-Laguerre generalizada.

7.5 Trabalhos futuros

A proposio de Gauss sobre uma frmula de quadratura com grau mximo de preciso
surgiu no incio do sculo XIX. Quando Kronrod, em 1965, tentava estimar o erro da

7.5 Trabalhos futuros

138

quadratura de Gauss, acabou deparando-se com um mtodo que aumentava o grau de

preciso para 3r 1. A idia por trs deste mtodo consiste basicamente em usar as r
abscissas da quadratura de Gauss e, adicionalmente, r + 1 novos pontos. O mtodo de
Gauss-Kronrod pode ser usado em algumas quadraturas de Gauss de intervalos nitos. A
frmula de Gauss-Kronrod para as quadraturas de Chebyshev de 1a e 2a espcies atinge
grau de preciso 4r 1. Existem ainda outros mtodos mais sosticados com base nas
quadraturas de Gauss: Gauss-Lobatto, Gauss-Radau e Gauss-Turn (Gautschi, 2003).
Esta ltima quadratura leva em conta as derivadas de vrias ordens da funo integrando.
Gauss-Lobatto e Gauss-Radau usam os extremos do intervalo como pontos extras no
somatrio da quadratura, maximizando o grau de exatido. H tambm as quadraturas
de Gauss com base nos polinmios ortogonais de medidas no-clssicas, uma delas a de
medida w(x) = log(x) que resolve integrais com singularidade logartmica.
Os polinmios de Chebyshev de 3a e 4a espcies (Gautschi, 2003) tm medidas

1+x
1x
w(x) =
e
w(x) =
,
1x
1+x
respectivamente, sobre o intervalo [1, 1]. Estas medidas w(x) so casos particulares da
1
funo peso de Jacobi quando = = . Um estudo semelhante ao apresentado
2
neste trabalho poderia ser feito sobre estes dois polinmios buscando elaborar algoritmos
mais ecientes do que o da quadratura de Gauss-Jacobi com tais valores de e . O mesmo
2

procederia para os polinmios de Hermite generalizados de medida w(x) = |x|2 ex , com

1
> sobre o intervalo (, ).
2
Nos experimentos da quadratura iterativa foram apresentados quatro casos de integrandos fortemente oscilatrios cujas integrais foram resolvidas com sucesso. Entretanto,
as integrais com funo peso oscilatria possuem mtodos especcos de resoluo (Hildebrand, 1974). Por outro lado, o mtodo de Gauss iterativo foi til para integrandos muito
oscilatrios que inclusive apresentavam singularidades nos extremos. Nestes casos, seria
curioso confrontar a ecincia do mtodo iterativo em relao a um mtodo cuja funo
peso oscilatria.
As quadraturas de Gauss tambm so utilizadas para o clculo de integrais mltiplas
(Stroud, 1971) e prope-se investigar a utilidade da quadratura iterativa nestas integrais.
importante ressaltar que, tal como a quadratura iterativa apresentada, existem
muitos outros mtodos que estimam o erro cometido numa quadratura de Gauss que tambm so baseados em esquemas de integrao iterativos. Por exemplo, a obra de Davis e
Rabinowitz aponta um esquema iterativo e no-adaptativo baseado em Gauss-Kronrod,

7.5 Trabalhos futuros

139

um esquema no-iterativo e adaptativo sobre a regra do ponto mdio, um esquema iterativo e adaptativo sobre a regra de Simpson, dentre outros adaptativos. A biblioteca
IMSL (International Mathematical and Statistical Libraries) contm a funo QDAG que
um esquema de integrao no-iterativo e adaptativo baseado na regra de 21 pontos de
Gauss-Kronrod (21 = 10 zeros + 11 pontos adicionais) que compara com a quadratura
de Gauss clssica com os 10 zeros para estimar o erro. A vantagem em se utilizar os 10
zeros em cada frmula decorre do fato de que a funo necessita ser avaliada em apenas

21 pontos, enquanto que, se a quadratura de Gauss clssica fosse utilizada em 10 e depois em 21 zeros, somar-se-iam 31 avaliaes da funo. A biblioteca NAG (Numerical
Algorithms Group) inclui a sub-rotina D01AHF que um esquema adaptativo usando

1, 3, 5, 7, 15, 31, 63, 127 e 255 zeros sobre as quadraturas de Gauss, esta regra devida a
Patterson1 (Burden e Faires, 2003).
Concluindo, existe um vasto campo de estudos sobre as quadraturas de Gauss. Uma
proposta para futuros trabalhos pesquisar mtodos mais robustos que vm sendo elaborados sobre as quadraturas de Gauss a m de identicar qual deles o mais eciente para
uma dada integrao aliando isto aos esquemas de integrao iterativos. Prope-se confrontar a ecincia da quadratura iterativa com outros esquemas de integrao. Tambm
seria interessante usar o esquema iterativo proposto por Campos (2007) de forma adaptativa, por exemplo, aplicando este esquema separadamente nos subintervalos de integrao.
Outra proposta seria aprofundar o estudo levantado sobre os polinmios ortogonais que foi
iniciado neste trabalho. Os polinmios ortogonais so ferramentas essenciais para soluo
de muitos problemas e vm contribuindo nos estudos relacionados a equaes diferenciais,
fraes contnuas, estabilidade numrica, algoritmos rpidos e super-rpidos, com aplicaes que abrangem da Teoria dos Nmeros Teoria da Aproximao, da Combinatria
Representao de Grupos, da Mecncia Quntica Fsica Estatstica e da Teoria de
Sistemas ao Processamento de Sinais (Bracciali e Andrade, 2006).

1 Patterson,

T.N.L. The optimum addition of points to quadrature formulae. Mathematics of Computation 22, 104 (1968).

140

Referncias
Abramowitz, M. e Stegun, I.A. Handbook of Mathematical Functions. Dover,
New York, 1972.
Askey, R. Orthogonal Polynomials and Special Functions. Society for
Industrial and Applied Mathematics, Philadelphia, 1975.
Anderson, E., Bai, Z., Bischof, C., Blackford, S., Demmel, J., Dongarra, J.,
Du Croz, J., Greenbaum, A., Hammarling, S., McKenney, A. e Sorensen, D.
LAPACK Users' Guide. 3a ed. SIAM, Philadelphia, 1999.
Andrade, E.X.L., Bracciali, C.F. Fraes Contnuas: propriedades e
aplicaes. ed SBMAC, So Carlos, 2005.
Berntsein, J. e Espelid, T.O. Error estimation in automatic quadrature
routines, ACM Trans. Math. Softw. Vol 17 No 2 (1991), 233-252.
Bracciali, C.F. e Andrade, E.X.L. Zeros de Polinmios Ortogonais:
Interpretao Eletrosttica e Anlise de Freqncias, publicao da III
Bienal da Sociedade Brasileira de Matemtica, UFG, 2006.
Burden, R.L. e Faires, J.D. Anlise Numrica. Thomson, So Paulo, 2003.
Campos, F.F. Algoritmos Numricos. 2a ed. LTC, Rio de Janeiro, 2007.
Campos, F.F. Introduo ao Matlab, apostila DCC-UFMG, 2000.
Campos, F.F. Por que no integrao numrica via Gauss-Legendre?. V
Encontro Regional de Matemtica Aplicada e Computacional, 1999, Belo
Horizonte. Anais do V Encontro Regional de MAC, 1999.
Da Costa Jr., A.E. Integre  Um sistema acoplado para o clculo de
integrais com anlise de funes numricas. Dissertao de Mestrado,
UNIVERSIDADE FEDERAL DO CEAR, 1998.
Davis, P.J. e Rabinowitz, P. Methods of Numerical Integration. 2. ed.
Orlando, San Diego, 1984.

Referncias

141

Dehghan, M., Masjed-Jamei, M. e Eslahchi, M.R. On numerical

improvement of open Newton-Cotes quadrature rules, Applied Mathematics
and Computation 175 (2006), 618-627.
Dehghan, M., Masjed-Jamei, M. e Eslahchi, M.R. The semi-open NewtonCotes quadrature rule and its numerical improvement, Applied Mathematics
and Computation 171 (2005), 1129-1140.
Eves, H. Introduo Histria da Matemtica. Unicamp, Campinas, 2004.
Gautschi, W. Algorithm 726: ORTHPOL  A Package of Routines for
Generating Orthogonal Polynomials and Gauss-Type Quadrature Rules.
ACM Transactions on Mathematical Software Vol 20 No 1 (1994), 21-62.
Gautschi, W. Orthogonal Polynomials: Computation and Approximation.
1a ed. Oxford University Press, 2003.
Golub, G.H. e Welsch, J.H. Calculation of Gauss Quadrature Rules.
Stanford University, Technical Report 81 (1967).
Hildebrand, F.B. Introduction to Numerical Analysis. 2a ed. McGraw-Hill,
New York, 1974.
Isaacson, E. e Keller, H.B. Analysis of Numerical Methods. John Wiley and
Sons, New York, 1966.
Jackson, D. Fourier Series and Orthogonal Polynomials. The Mathematical
Association of America, Washington, 1941.
Krylov, V.I. Approximate Calculation of Integrals. MacMillian, New York,
1962.
Kythe, P.K. e Schferkotter, M.R. Computational Methods for Integration.
Chapman & Hall/CRC, Florida, 2005.
Leithold, L. O Clculo com Geometria Analtica Vol. 1 e 2. 3a ed. Harbra,
So Paulo, 1994.
Press, W.H., Teulosky, S.A., Vetterling, W.T. e Flannery, B.P. Numerical
Recipes. 2a ed. Cambridge University Press, 1997.
Ralston, A. e Rabinowitz, P. A First Course in Numerical Analysis. 2a ed.
Dover, New York, 1978.
Stroud, A.H. Approximate Calculation of Multiple Integrals. Prentice-Hall,
Englewood Clis, 1971.

Referncias

142

Swarztrauber, P.N., On computing the points and weights for GaussLegendre quadratures. SIAM J. Sci. Comput. 24(3) (2002), 945-954.
Szeg, G. Orthogonal Polynomials. 4a ed. American Mathematical Society
Colloquium Publications, Vol. 23, Providence, RI, 1975.
Wilf, H.S. Mathematics for the Physical Sciences. Dover Publications, Inc.,
New York, 1978.