Riemann

Edicoes Lab.
de Matem
atica Computacional
Universidade Estadual Vale do Acara
u
Sobral - Ce
copyleft by Tarcisio Praciano Pereira
CALCULO
NUMERICO
COMPUTACIONAL.
Tarcisio Praciano-Pereira1
Universidade Estadual Vale do Acara
u
Sobral, 26 de janeiro de 2008
tarcisio@member.ams.org
Praciano-Pereira, Tarcisio
P496c
C
alculo Num
erico Computacional.
Sobral: UeVA, Sobral, 26 de janeiro de
2008
133.p
Bibliografia
ISBN:85-87906-05-4
1 - Linguagem - Computaca
o C/C++
2 - C
alculo Num
erico.
I. Ttulo
CDD
515.1
Sum
ario
1 A derivada aproximada
1.1 derivada . . . . . . . . . . .
1.2 Quocientes de diferencas
de ordem superior . . . . .
1.3 Polinomios de Taylor . . . .
1.4 Derivadas parciais . . . . .
1.5 Solucao de alguns exercicios
1.6 Vocabulario . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . .
. . . .
. . . .
. . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
10
18
21
26
26
2 Razes aproximadas
2.1 Razes por varredura . . . . . . . . . . . . . .
2.1.1 Metodo computacional b
asico . . . . .
2.1.2 Busca de razes por varredura . . . . .
2.2 A troca de sinal . . . . . . . . . . . . . . . . .
2.2.1 Analise de um programa . . . . . . . .
2.3 Raz do tipo secante . . . . . . . . . . . . . .
2.3.1 Metodo da secante . . . . . . . . . . .
2.4 Quando a derivada e zero . . . . . . . . . . .
2.5 O metodo da tangente . . . . . . . . . . . . .
2.5.1 Como funciona o metodo da tangente
2.5.2 Quando o metodo n
ao funciona . . . .
2.5.3 A precisao do metodo . . . . . . . . .
2.6 Metodo da busca bin
aria . . . . . . . . . . . .
2.7 Encontrar razes, sum
ario . . . . . . . . . . .
2.8 Intersecao de graficos . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
28
29
30
37
44
44
47
49
57
62
63
64
65
70
74
77
3 Recursividade
3.1 exemplos . . . . . . . . . . . . . . . . . .
3.1.1 raz quadrada . . . . . . . . . . . .
3.2 Fundamentos da convergencia de iteradas
3.3 O algoritmo babibil
onio e convergente . .
3.4 Exerccios . . . . . . . . . . . . . . . . . .
3.5 Solucao de alguns exercicios . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
82
82
88
89
91
93
94
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
.
.
.
.
.
.
.
.
.
.
.
.
4 Splines
4.1 Aproximacao polinomial classica . . . . . .
4.1.1 Analise de dois casos particulares . .
4.1.2 A solucao geral do problema . . . .
4.1.3 Interpolacao polinomial de Lagrange
4.2 Funcoes polinomiais por pedacos . . . . . .
4.2.1 sensor . . . . . . . . . . . . . . . . .
4.2.2 aproximacao . . . . . . . . . . . . .
4.3 Quase-splines . . . . . . . . . . . . . . . . .
4.3.1 polinomiais . . . . . . . . . . . . . .
4.4 Valor medio integral . . . . . . . . . . . . .
4.5 Splines c
ubicos . . . . . . . . . . . . . . . .
4.5.1 convolucao . . . . . . . . . . . . . .
4.5.2 suporte compacto . . . . . . . . . . .
4.6 Solucao de alguns exercicios . . . . . . . .
4.7 Vocabulario . . . . . . . . . . . . . . . . . .
. . . .
. . . .
. . . .
. . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
101
102
105
115
124
126
127
129
135
135
137
142
144
151
158
163
5 Integral aproximada
5.1 soma de Riemann . . . . . . . . . . . .
5.1.1 Integracao geometrica. . . . . .
5.1.2 Somas de Riemann . . . . . . .
5.2 Integral no sentido de Riemann . . . .
5.2.1 propriedades da integral . . . .
5.2.2 Calculo numerico da integral
5.3 trapesio . . . . . . . . . . . . . . . . .
5.4 polinomios . . . . . . . . . . . . . . . .
5.4.1 Apresentacao do metodo . . . .
5.4.2 Integral num sub-intervalo . . .
5.5 quasi-splines . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
169
170
170
171
178
180
183
189
191
192
192
199
6 E.D.O.
6.1 Metodo de Euler . .
6.2 Metodo de Taylor . .
6.2.1 segundo grau
6.2.2 grau maior do
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
200
203
207
207
208
. . . . . .
. . . . . .
. . . . . .
que dois .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Indice Remissivo Alfab

etico
211
Bibliografia
211
iii
Lista de Figuras
1
3
Ret
angulos para aproximar uma integral
Uma aproximaca
o spline de uma curva.
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
1.10
A pedra, quando o cord

ao se rompe
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
Razes de f no intervalo [, ]
Partica
o do intervalo I
. . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
ix
xi
. . . .
Taxa de variaca
o . . . . . . . . . . . . .
Dados obtidos com um sensor . . . . . . .
Dados obtidos por um sensor mais preciso .
Curva que interpola os dados . . . . . . .
interpolaca
o n
ao linear . . . . . . . . . .
Qual pode ser o gr
afico de f ? . . . . . . .
grafico de f analisando f . . . . . . . . .
Dados amostrais
. . . . . . . . . . . . .
Reta tangente ao gr
afico de f . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
2
5
6
7
8
9
17
18
20
. . . . . .
. . . . . .
Malha sobre uma regi
ao do plano . . . .
V
arios representantes da u
nica raiz
. . .
O m
etodo das secantes . . . . . . . . .
Fluxograma - m
etodo da secante . . . . .
Num ponto de tang
encia, tipo parab
olico .
Quando a derivada
e zero . . . . . . . .
Uma sequ
encia de retas tangentes... . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
rea limitada por duas curvas
. . . . . .
. . . . . . .
. . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
29
32
35
40
48
54
60
62
63
65
78
80
81
81
3.1
3.2
3.3
Determinaca
o de 10 . . . .
Ponto inicial menor do que a
Ponto inicial maior do que a
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . .
87
91
92
4.1
4.2
A reta e o fen
omeno real
.
.
.
.
.
.
.
.
.
Duas tangentes se reproduzindo indefinidamente

Interseca
o de curvas . . . . . . . . . . . . . .
Regi
ao cuja a
rea queremos calcular
a
rea limitada por duas par
abolas
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
4.18
4.19
. . .
. . .
Aproximaca
o linear por pedacos - 1-spline .
interpolaca
o polinomial dos pontos . . . . .
Polin
omio de Lagrange . . . . . . . . . .
Aproximaca
o de uma funca
o . . . . . . . .
.
.
.
.
.
.
Derivada, tangente e Teorema do Valor m
edio .
Uma funca
o positiva cuja integral
e1 . . . . .
Definica
o geom
etrica - produto de convoluca
o
.
O significado geom
etrico de tr
es valores . . . .
4.20
Regularizaca
o por convoluca
o
5.1
5.2
5.3
Trap
esios para aproximar a
rea
Soma de Riemann . . . . . .
5.4
5.5
5.6
a
rea do trap
esio
e uma m
edia aritm
etica
6.1
6.2
6.3
Uma poligonal-soluca
o aproximada
O m
etodo de Euler - uma poligonal
Duas soluco
es do problema homog
eneo
O teorema do m
odulo m
aximo . . . .
Correca
o pelo valor m
edio numa vizinhanca de c
M
edia viciada . . . . . .
N
ucleos ou pulsos unit
arios
. . . . . . . . . . .
. . . . . . . . . .
quadrado de convoluca
o da funca
o caracterstica
2-splines . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Comparaca
o: polin
omio de Lagrange e splines .
Comparaca
o: polin
omio de Lagrange e splines - quando os n
os ficam uniformente pr
oximos.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
106
107
109
112
118
130
134
143
144
146
147
148
152
154
166
167
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
. . . . . . . . . . . . . . . . . . . . . . 168
. . . . . . . . . . . . . . . . . . . . . . 172
. . . . . . . . . . . . . . . . . . . . . . 173
R3 2
ret
angulos da soma de Riemann para
x + 2x + 1 . . . . . . . . . . . 185
3
. . . . . . . . . . . . . . . . . 190
. . . . . . . . . . . . . . . . . . . . 197
Modelagem com polin
omios por pedacos . . . . . . . . . . . . . . . . . 198
Gr
afico do polin
omio por pedacos
soluca
o aproximada de y = yx
. . . . . . . . . . . . . . . . . . . 202
. . . . . . . . . . . . . . . . . . . 204
. . . . . . . . . . . . . . . . . . . . . 206
. . . . . . . . . . . . . . . . . . . . . 103
. . . . . . . . . . . . . . . . . . . . . . . . 104
Uma reta interpola dois pontos
iv
.
.
.
.
.
.
Introduc
ao
Faca apenas uma leitura superficial desta introducao como primeira leitura.
Volte a le-la depois mais algumas vezes ate que ela lhe pareca mais clara. No
incio sera difcil entende-la por completo, porque ela fala de assuntos que ser
ao
objeto do trabalho do livro. Mas, ainda assim, o seu lugar e aqui mesmo, no
incio....
O autor deste livro sente responsabilidade com @ leitor@ e quer disponibilizar material complementar que incluir no texto o deixaria demasiado longo.
Para isto ha uma pagina na Internet em que o material complementar do livro
pode ser encontrado, entretanto os links para p
aginas na Internet podem mudar e o endereco do autor e mais est
avel, havendo dificuldade com algum link,
me envie um e-mail para tarcisio@member.ams.org, mas n
ao se esqueca de que
eu nao posso lhe dar cursos particulares via e-mail, use este recurso de forma
cuidadosa.
Ha duas areas muito produtivas e com objetivos e metodos diferentes em que
se utiliza o computador para fazer Matem
atica ou para aplicar Matem
atica:
Matem
atica aplicada e computacional, e a terminologia brasileira, que ainda
se chama de computaca
o cientfica; Um ramo da matem
atica aplicada e
computacional e an
alise numerica que e onde se encontra a nossa disciplina, o c
alculo numerico.
O nosso trabalho se enquadra, portanto, nesta area, computaca
o cientfica
e neste caso os programas que usamos como auxiliares, neste livro s
ao
scilab, gnuplot, calc, e algumas linguagens de programacao como C,
C++, Python. Todos estes itens podem ser, em geral, encontrados nas
distribuicoes Linux.
Computaca
o algebrica que tenta, com razo
avel sucesso, substituir o c
alculo
aproximado pelo c
alculo formal. Representantes deste trabalho s
ao
Maxima um pacote de computacao algebrica de domnio p
ublico que
em geral e encontrado nas distribuicoes de GNU/Linux ;
Pari um pacote de computacao algebrica voltado para Algebra,

de
domnio p
ublico;
MuPad um pacote de computacao algebrica publicado por um grupo
de matematicos da Universidade Paderborne (Alemanha) que e distribuido com uma licenca amig
avel para usu
arios individuais, mas
normalmente vendido;
Maple um pacote de computacao algebrica publicado por um grupo
de universidades do Canad
a e Estados Unidos, que e vendido por um
preco nao muito acessvel;
Reduce que e semelhantes ao MuPad, do ponto de vista de distribuicao;
vi
e ha outros que sao francamente comerciais e nao vemos razao para cita-los
aqui. A sintaxe usada no Maxima, MuPad, Maple e muito semelhantes,
de modo que quem ja usou algum deles, facilmente migra para outro, e
naturalmente, sugerimos que se migre para Maxima que e distribuido sob
GPL.
Metodologia de comunicacao
O texto e completado com observacoes de dois tipos. Um dos tipos se chama
claramente observacao, o outro sao as notas de rodape.
Voce deve ler as observacoes na ordem em que elas aparecerem, mas sem lhes
dar muita importancia numa primeira leitura. Em geral elas sao apresentadas
com letra pequena, para salientar o fato de que voce lhe deve dar pouca atencao,
numa primeira leitura.
Para lhe permitir uma busca mais acurada de informacoes, o livro tem um
ndice remissivo alfabetico, ao final, em que todos os conceitos que surgem nas
observacoes se encontram indexados, de forma que voce podera facilmente retornar a eles quando achar necessario. Tambem se encontram indexadas todas
as palavras-chave do texto.
Quando falamos usamos encenacao para completar o sentido das palavras
usadas no discurso: mexemos as maos, o corpo e alteramos a entonacao da
voz. Para suprir um pouco deste teatro usaremos uma convencao tipografica:
texto em it
alico representa material que voce deve olhar com cuidado, possivelmente nao esta definido ainda e estamos usando a concepcao intuitiva do termo.
Quando usarmos texto tipogr
afico estaremos fazendo referencia a um termo
tecnico ja definido anteriormente ou considerado bem conhecido como tal. As
palavras da linguagem C serao escritas no estilo tipogr
afico. Quan-do usarmos letra pequena estamos lhe querendo dizer que o assunto e polemico e que ha
muito mais coisa para ser dito do que estamos conseguindo dizer naquele momento. Usamos texto sublinhado para chamar sua atencao de um detalhe que
poderia passar desapercebido, tem o mesmo sentido texto em negrito.
O que e Calculo Numerico
Acima dissemos que este livro e sobre Calculo Numerico e queremos agora
dizer-lhe qual e o planejamento do nosso trabalho, porque ha muitas formas de
desenvolver esta disciplina e nos vamos escolher uma que nao precisa ser melhor
do que qualquer outra, apenas traduz a nossa preferencia. Se voce gostar do
nosso trabalho, insistiremos em que leia outros autores para completar a sua
visao.
De uma forma simplificada e repetir o Calculo Diferencial e Integral calculando, aproximadamente, aquilo que e obtido formalmente na outra
disciplina;
Resolver, numericamente, algumas questoes que o Calculo consegue apenas mostrar que tem solucao; Por exemplo;
determinacoes de valores, n
umeros, raizes de equacoes para os quais
o calculo formal pode ser longo ou muito complexo, isto e feito aqui
no captulo 0.
vii
criacao de modelos semi-formais para representar dados de um fen

omeno,
este e o objeto do captulo 0 mas o captulo 0 tambem representa este
item.
calculo de algumas integrais para as quais n
ao existem f
ormulas, este
e objeto do captulo 0.
solucoes aproximadas de equacoes diferenciais, isto e feito aqui, muito
moderadamente, no captulo 0, e somente uma introducao.
Associar uma linguagem de programacao, ou pacotes computacionais para
realizar o projeto acima descrito.
ou, mesmo sabendo, o calculo formal e muito complexo ou longo para

certas aplicacoes, como nas telecomunicacoes, por exemplo.
e o resultado e que se torna mais pratico calcular estas integrais aproximadamente.
Um dos instrumentos para o calculo aproximado de integrais e a Soma de
Riemann. Como instrumento, esta longe de ser o melhor, mas os metodos
melhores usam-na como metodo auxiliar. Porisso comecaremos por discut-la.
Veja na figura (fig. 1), o que e uma soma de Riemann.
Soma de Riemann para f; passo=0.2
10
Vamos discutir detalhadamente cada um dos t

opicos que levantamos an preciso lembrar que n
teriormente. E
ao e f
acil explicar o desconhecido e ate
poderiamos questionar a validade de uma introducao como esta.
A ideia de tentar explicar o que faremos tem sentido ainda assim, porque
em parte estamos falando de t
opicos que os leitores deste livro j
a estudaram,
no Calculo Diferencial e Integral e cujos aspectos esta disciplina ir
a desenvolver
com outro objetivo. Mas estamos nos referindo a itens novos tambem e a raz
ao
e lhe oferecer um plano do trabalho.
Suas perguntas, entretanto, podem fornecer ao expositor ganchos valiosos
na tentativa de deixar as coisas mais claras. O autor tambem se sentir
a agradecido se os leitores tiverem a bondade de lhe mostrar o que n
ao gostaram no
texto.
Razes de uma funcao
Este e o assunto do captulo 0.
Para a determinacao das razes de uma funcao vamos fazer uso de programas que apresentaremos resumidamente no texto. Os programas se encontram
disponveis em endereco citado na biliografia.
A busca de razes e um assunto que n
ao e diretamente discutido nos Cursos
de Calculo.
C
alculo de integrais
O c
alculo de integrais e um dos itens mais importantes do C
alculo Diferencial
e Integral. Sua importancia supera a pr
opria conceituacao da integral, como
caculo de area ou volume.
A integral e um metodo que se insere em outras definicoes, um exemplo bem
simples disto sao os conceitos qualificados com quantidade de, como e o caso
de
quantidade de movimento;
quantidade de exposicao a` irradiacao;
n
umero de moleculas ou virus em determinado vetor.
Aqui ha duas versoes do problema:
ha integrais que nao sabemos calcular formalmente,
viii
data
8
-2
-3
Figura 1:
-2
-1
Ret
angulos para aproximar uma integral
Nela voce pode ver o domnio de integracao subdividido em diversos intervalos e um retangulo associado a cada um destes sub-intervalos.
A soma das areas dos retangulos e uma aproximacao para a integral desejada.
Que precisamos para fazer este calculo ? Quais sao as tecnicas envolvidas no
calculo de uma integral usando Somas de Riemann ?
Uma colecao de retangulos, devidamente dimensionados, representam uma
area que aproxima a area de uma determinada funcao.
Um programa de computador permite o calculo rapido de somas e portanto
cria as condicoes para que usemos retangulos com bases nfimas o que nos
conduz a uma grande aproximacao.
Analise e controle de variacao
Um exemplo tpico, e bem atual, e o da qualidade da corrente eletrica que
uma determinada instituicao, um hospital, por exemplo, recebe da rede p
ublica
(manipulada por empresas privadas...) Veja o grafico na figura (fig. ??),
Como se poderia tratar este problema ? Qual e o problema ? quais sao as
ferramentas ?
Surpreendemente, ha uma superposicao de tecnicas a serem usadas aqui e
no problema que discutimos anteriormente. Mas ha tecnicas novas tambem.
Vamos rapidamente analisar o que precisamos.
Deixando de lado a coleta de dados, que deveria ser feita por uma placa
apropriada instalada em um computador, vamos resolver o problema a partir
ix
dos dados colhidos. Estamos indicando ao lado de cada uma das etapas o
departamento cientfico respons
avel pela mesma. Chamamos isto de divis
ao do
trabalho.
1. Leitura e digitalizacao de dados anal
ogicos recebidos da placa coletora de
dados (a digitalizacao pode ser trabalho da placa); (Computaca
o, Engenharia Eletrica )
2. Calculo da variacao da tens
ao criando uma serie temporal com estes dados;
(C
alculo Numerico e Estatstica)
3. Comparacao dos piques de tens
ao com valores maximais selecionados como
suportaveis. (C
alculo Numerico Engenharia eletrica)
4. Decisao, em tempo real, sobre conex
ao ou desconex
ao de aparelhos, com
desvio para nobreakes ou outro tipo de alimentacao de seguranca. (Computaca
o e Engenharia Eletrica);
5. O calculo de uma integral faz o registro do consumo da energia eletrica
recebida... (quantidade de energia que passou pela placa controladora),
calcula medias, desvios. (C
alculo Numerico
Tangente, derivadas.
Para que servem.
Examine a figura (fig. 1.1), p
agina 2. Tangentes e derivada servem pelo
menos para colher mangas maduras de arvores. Mas podemos, partindo deste
exemplo, atingir um uso mais sofisticado. Como poderiamos colher mangas
maduras usando derivada ? Indiretamente, e claro.
A figura (fig. 1.1) sugere alguma coisa. Queremos lancar uma pedra, amarrada a um cordao, de modo que o cord
ao fique preso pr
oximo a um conjunto
de mangas. Rodamos a pedra preza ao cord
ao ate que ela atinja uma velocidade angular razoavel. Quando a pedra, em seu caminho sobre o crculose
encontrar na posicao adequada, soltamos o cord
ao que ir
a acompanhar a pedra
se alojando entre as mangas. Usamos o coeficiente angular inst
aneo da pedra
percorrendo o crculopara escolher a direcao certa.
O mecanismo e o mesmo quando um computador vai dirigir a trajet
oria de
um foguete. Com as informacoes guardadas na mem
oria do computador sobre o
mapa da Terra em sua orbita, o computador calcula a cada milesimo de segundo
qual deve ser o coeficiente angular relativo do eixo do foguete e desta forma vai
corrigindo a rota que levara a nave ao seu destino.
O piloto automatico dos grandes avi
oes comerciais fazem algo parecido. Ao
partir o piloto humano coloca o avi
ao na direcao do aeroporto de destino. O
piloto automatico vai medindo o erros de rota impostos pelo fluxo do ar e calculando a direcao para corrigir o erro.
Aproximacao polinomial de curvas
As funcoes nos fornecem dados din
amicos sobre diversos fen
omenos. Mas
nem sempre a natureza se conforma a` matem
atica como n
os gostariamos...
A solucao e fazermos aproximacoes para os fenomenos naturais. Ha diversos

tipos de aproximacoes vamos analisar uma delas aqui, splines.
Splines sao uma melhora consideravel dos polinomios de Taylor. Precisaremos deste assunto de Calculo para desenvolver esta forma de aproximacao que
uma aproximacao polinomial por pedacos. A figura (fig. 3) ilustra este tipo de
aproximacao usando polinomios do primeiro grau o que resulta numa poligonal.
O objetivo do curso
Discutir os problemas
180
data
do Calculo Diferencial e
160
140
Integral de modo a en120
contrar solucoes aproxi100
madas para este proble80
mas.
60
Questionar a validade
40
20
destas aproximacoes.
0
Criar a sensacao de
-20
-20
-15
-10
-5
0
5
10
15
20
que a solucao exata pode
ser um mito.
Linguagem de programacao
Vimos que metodos com- Figura 3: Uma aproximacao spline de uma curva.
putacionais sao essenciais para desenvolvermos as aproximacoes.
Os alunos, seja do curso de Computacao, ou do curso de Matematica ou
das Engenharias, ja deveriam conhecer uma linguagem de programacao, a esta
altura.
Infelizmente isto raramente e verdade.
Mas achamos que e preciso forcar a barra, como temos feito com os nossos
alunos de Calculo Numerico, com resultados positivos: ao final do segundo mes
de aula a maioria deles ja sabe fazer programas e inclusive planejar um pequeno
pacote, claro, isto pressupoe que eles tenham acesso a computadores.
Na metologia que temos empregado os programas crescem de nvel de modo
que, se o aluno se empenhar em entende-los, ficara gradualmente no nvel dos
mesmos.
Nas duas ou tres primeiras semanas temos mantido a preocupacao de explicar
detalhadamente os programas.
Mas aos poucos vamos deixando que o leitor comece a voar sozinho...obviamente,
na companhia de um bom livro sobre uma linguagem de programacao, e tambem
sob a hipotese de que ele ira encontrar sempre um hackera sua volta no laboratorio de computacao de modo a lhe tirar algumas d
uvidas (e lhe implantar
mais uma dezena...).
Vamos adotar a linguagem C, mas ninguem deve se sentir obrigado a nos
acompanhar nesta escolha. Use o que houver à sua mao, aquilo que ficar mais
facil, mas que os alunos aprendam a programar.
As linguagens de programacao de um certo tipo todas se parecem de formas que quando apresentarmos um programa em C facilmente ele podera ser
transformado para a linguagem preferida do leitor.
xi
Como e que se aprende uma linguagem ?

Primeiro que tudo metendo a cara, depois perguntando muito a quem j
a sabe
um pouco mais, e sem dar muita import
ancia ao semblante de incomodado que
algumas pessoas possam fazer... quem sabe um pouco mais, aprendeu perguntando aos outros. Pergunte! incomode inclusive o professor! use o seu endereco
eletronico para tirar suas d
uvidas, mas n
ao se esqueca de que ser
a o seu esforco
pessoal que sera decisivo.
Procure economizar a paciencia dos outros, tente descobrir voce sozinho
como fazer as coisas. Este e seguramente o melhor aprendizado: quando voce
mesmo descobre.
Estamos convencido de que o uso de computacao no ensino de Matem
atica
enriquece fortemente a experiencia do aluno porque permite introduzir uma
dinamica que giz e quadro na conseguem mais gerar ante uma nova mentalidade
grafica que esta presente em n
os todos.
Isto vale para qualquer outra profiss
ao e n
os n
ao tentariamos convencer os
alunos de computacao desta verdade.
Vamos listar algumas linguagens de programacao parecidas com C
Captulo 1
A derivada aproximada
A taxa de variacao de f e uma das informacoes mais importantes
que podemos ter sobre um fenomeno descrito por f . O Calculo
Diferencial e Integral define a derivada, usando o limite da taxa
de variacao ou a taxa de variaca
o instant
anea
A taxa de variacao e definida por um quociente de diferencas e
esta e a definicao basica que iremos usar neste captulo.
1. Pascal, e voce certamente vai encontrar [18] na biblioteca que lhe pode
conduzir a dominar esta linguagem.
2. Python, e uma linguagem de domnio p
ublico que se encontra disponvel
em todo sistema Gnu/Linux. Nestes sistemas voce encontra um tutorial
sobre esta linguagem no diret
orio /usr/doc/python/tutorial.
3. Java, praticamente de domnio p
ublico, se encontra disponvel em todo
sistema Gnu/Linux
4. Computacao Algebrica.
Domnio p
ublico ou relativamente livres MuPad, Reduce, Maxima
Comerciais - nao aconselhamos! Maple, Derive
5. Calculo Numerico, dom

nio p
ublico SciLab Octave
6. Calculo Numerico, comercial MatLab. Scilab, Octave fazem tudo que
MatLab faz.
Os programas distribuidos sob o GPL, General Public License, s
ao de excelente qualidade. Ninguem mais precisa, hoje, pagar, para ter um computador
funcionando, alem do preco da m
aquina... Este livro, todos os programas que o
acompanham, todo o trabalho de pesquisa do autor, se desenvolve inteiramente
com programas de domnio p
ublico rodando em ambiente Linux.
1.1
Quociente de diferencas
Uma funca
o f
e diferenci
avel se em cada ponto do domnio o gr
afico
graf (f ) tiver uma reta tangente
os diremos
A reta tangente no ponto (a, f (a) tem um coeficiente angular m e n
que f (a) = m. A funca
o derivada, f
e uma outra funca
o que descreve as
derivadas de f e portanto as taxas de variaca
o instant
aneas de f . No C
alculo
dizemos que a derivada define a reta tangente ao gr
afico, aqui preferimos
inverter a forma de falar porque vamos criar modelos, funco
es, a partir de
dados amostrais e a taxa de variaca
o ser
a frequentemente um desses dados
amostrais.
Este primeiro captulo e dedicado a uma revisao do Calculo Diferencial e

Integral e de programacao como um alerta daquilo que voce precisa saber para
o desenvolvimento dos demais captulos.
Observe a figura (fig. 1.1) em que estamos simulando o que acontece com
uma pedra que alguem esteja rodando presa a um cordao e que, num certo
momento, o cordao (provavelmente podre) se rompa. A pedra memoriza o
u
ltimo coeficiente angular que o seu movimento tinha sobre o crculo e segue
em movimento uniforme n
ao acelerado1 pela reta tangente.
Assim o coeficiente angular da reta tangente e o coeficiente angular instantaneo da trajetoria da pedra no crculo.
1 falso,
xii
obviamente, porque a aceleraca

o da gravidade est
a presente
CAPITULO 1. A DERIVADA APROXIMADA
m3 =
Ao se quebrar o cordo, a pedra sai pela tangente
A pedra, quando o cord

ao se rompe
Se f representar a parte da equacao do crculo onde vemos a pedra ainda

presa ao cordao, e t1 for o valor do par
ametro no ponto em que o cord
ao se
rompeu, entao
f (t1 ) e a derivada de f no ponto (t1 , f (t1 )))
f (a3 )f (a)
a3 a
(1.4)
Quanto mais proximo estiver ai de a mas preciso sera o valor do coeficiente

angular da secante, relativamente ao desejado coeficiente angular da tangente.
Veja mais abaixo onde estamos explicando um metodo pratico para cortar
um crculo em um folha de papel como um exemplo do que e aproximaca
o.
O coeficiente angular da tangente e o limite das taxas de variacao. Como
nem sempre podemos calcular o limite, seja recortando crculos em papel (ou
colocando foguetes em orbita), muita vezes temos que nos contentar com o coeficiente angular de uma reta secante, tentando minimizar o erro disto decorrente,
ou tentando corrigir o erro ao longo do processo.
Relembrando a equacao da reta tangente
Aqui se quebrou
o cordo
Figura 1.1:
(1.1)
Para dizer o mesmo que dissemos acima, o professor de C

alculo considera
a seguinte figura (fig. 1.2) em que podemos ver uma reta tangente e tres retas
Tangente e uma sucesso de secantes
f (x1 )f (a)
f (a)
x1 a
f (x1 )f (a)
= m = f
= a (f )
x1 a
x
(1.5)
(1.6)
y1 y0 = f (x1 ) f (a) = m(x1 a)

f (x) f (a) = f (a)(x a) + o(x a)
(1.7)
(1.8)
f (x) f (a) f (a)(x a)

y f (a) = f (a)(x a)
(1.9)
(1.10)
Vamos parar um pouquinho nas u

ltimas equacoes.
A equacao 7 representa a relacao entre os lados de um triangulo sobre a
reta secante que passa nos pontos (a, f (a)), (x1, y1 ).
As equacoes 8 e 9 sao equivalentes, representam a aproximacao que a
reta tangente fornece para os valores de f . Na equacao 8 o erro esta
representado com a notacao o(x a), o o pequeno de Landau2
Na equacao 8 estamos indicando com o termo corretor o(x a) que a

equacao da reta fornece o valor de f (x) com este erro: o(x a)
a+h
Au
ltima equacao, 10, e simplesmente a equacao da reta tangente:
(f(a+h)f(a))/h
y b = m(x a) ; b = f (a), m = f (a)
Taxa de variao
Figura 1.2:
Escrevemos a equacao 8 com o termo corretor, o(x a) porque a expressao
Taxa de variaca
o
secantes. As retas secantes s

ao aproximaco
es da tangente.
Na figura (fig. 1.2) estao indicados apenas dois valores para o par
ametro
a, a + h mas temos al as secantes correspondentes a tres valores: a1 , a2 , a3 e o
o calculo do coeficiente angular, das secantes, e feito assim:
m1 =
m2 =
f (a1 )f (a)
a1 a
f (a2 )f (a)
a2 a
(1.2)
(1.3)
y f (a) = f (a)(x a)
(1.11)
3
e a equacao de uma reta e o grafico da funcao nao precisa ser uma reta entao a
igualdade representada pela reta esta errada e e isto que estamos representando
uma forma pratica de indicar que existe
com o termo de correcao o(x a). E
um erro sem precisar entrar no detalhe do valor do erro.
2 A nota
ca
o dos o s de Landau nos ajudam a falar de aproximaca
o de uma forma pr
atica
escondendo a precis
ao, veja mais a respeito no ndice remissivo
3 compare as equa
co
es 8 e 10
Observa
c
ao 1 Porque falar em aproximaca
o
Falaremos seguidamente de aproximaca
o, neste livro. Podemos dizer que
Calculo Numerico faz de forma aproximada o que o C
alculo Diferencial e Integral diz que faz exatamente.
Porque falar que as secantes s
ao aproximacoes da tangente?
Veja a seguinte experiencia que voce certamente j
a fez4 .
Suponha que voce deseje recortar um crculo em papel. A geometria nos
ensina que as tangentes a um crculo s
ao perpendiculares ao raio. Assim, se
no seguinte exemplo como podemos usar derivadas aproximadas como a u

nica
opcao disponvel.
Exemplo 1 Sensor e levantamento de dados
Veja na figura (fig. 1.3) p
agina 5,
Dados amostrais
Posio da tesoura,
perpendicularmente,
ao raio do crculo
quisermos recortar um crculo em papel, devemos marcar o centro e ir mantendo

a tesoura a dist
ancia constante do centro e sempre perpendicular a uma reta
(imaginaria...) que parte do centro.
Mas, quando voce aciona a tesoura, voce corta um pequeno segmento de
reta, que dizer que voce est
a na verdade recortando um polgono com um n
umero
de lados t
ao grande que lhe parece que o resultado e um crculo.
Voce n
ao est
a cortando tangentes, mas sim secantes. Mas voce queria que
fossem tangentes.
O resultado e uma aproximaca
o e voce, em geral, ficar
a satisfeito com ela.
Mas n
ao e apenas uma situaca
o t
ao simples quanto recortar crculos em papel
que nos interessam. H
a situaco
es bem mais importantes, como como colocar
um satelite em o
rbita para tornar possvel as comunicacaco
es. O metodo e bem
parecido com o da construca
o de crculos em papel com tesoura. No captulo
final, quando discutirmos equacoes diferenciais, estaremos mostrando como e
parecido, recortar crculos em papel, e colocar um foquete em o
rbita em que um
computador, substituindo a tesoura, estar
a corrigindo a trajet
oria do foquete
e fazendo-o percorrer pequenos segmentos de reta de algumas centenas de
kil
ometros. Corrigindo assim a trajet
oria para que o foguete atinja uma o
rbita
(elptica ) desejada. Portanto, para aprender a colocar foguetes em o
rbita no
u
ltimo captulo, v
a logo treinando com papel, tesoura e crculos...
O Calculo Diferencial e Integral algumas vezes deixa uma sensacao de que
derivadas e integrais podem ser sempre calculadas exatamente. O C
alculo tem a
sua funcao e aqui nos temos a nossa de corrigir o otimismo do C
alculo. Vejamos
4 e se n
ao tiver feito, use a primeira oportunidade para executar a experi
encia que estamos
aqui relatando...
x
1
2
Figura 1.3:
x4
Dados obtidos com um sensor
Lendo a figura podemos dizer, sobre o fen

omeno descrito, que
houve um descrescimento de x1 para x2 ;
de x2 em diante o fen
omeno apenas cresceu;
houve um crescimento consider
avel entre x3 para x4 ;
o crescimento entre x4 para x5 foi relativamente reduzido.
Mas esta impres
ao visual poderia ser tornada efetiva se usassemos um sensor
de geraca
o mais recente que fosse capaz de fazer micro medicoes ao redor de cada
ponto, veja na figura (fig. 1.4) p
agina 6,
Na figura (fig. 1.4) estamos indicando que, em cada um dos pontos que o
sensor mediu, ele tambem fez tres medico
es a pequenos intervalos de tempo.
Estas micro-medico
es nos permitem calcular a taxa de variaca
o do fen
omeno
em cada um dos pontos:
f (x12 )f (x11 )
x12 x11
f (x22 )f (x21 )
x22 x21
;
;
f (x13 )f (x12 )
x13 x12
f (x23 )f (x22 )
x23 x22
(1.12)
(1.13)
Dados amostrais refinados
Interpolao linear dos dados
x
51
x
1
x4
52
53
foram tomadas trs medidas

medidas em cada um
x x
dos pontos:
x
i1
x
1
i3
i2
Figura 1.4:
;
;
;
f (x33 )f (x32 )
x33 x32
f (x43 )f (x42 )
x43 x42
f (x53 )f (x52 )
x53 x52
(1.14)
(1.15)
(1.16)
Alem de sabermos o valor no ponto, podemos calcular a derivada aproximada

da funca
o que descreve o fen
omeno.
O C
alculo nos ensina que tudo pode ser descrito por alguma funca
o, e isto e
certssimo, apenas nem sempre as funco
es tem equaco
es algebricas que possamos
derivar. Algumas vezes tudo que sabemos sobre estas funco
es s
ao valores colidos
por um sistema de amostragem, como as figuras que acabamos de comentar
indicam.
Para terminar o exemplo, vejamos mais duas figuras. A figura (fig. 1.5)
p
agina 7, nos apresenta uma interpolacao linear dos dados, quer dizer, tudo
que sabiamos eram os valores obtidos em cada ponto, e os segmentos de reta
al desenhados nos sugerem qual poderia ser o valor do fen
omeno em pontos
intermedi
arios entre aqueles em que foram tomados medidas.
Veja agora na pr
oxima figura, (fig. 1.6) p
agina 8, em que, usando as taxas de variaca
o obtidas em cada um dos pontos, pudemos tracar uma curva
nao poligonal5 interpolante descrevendo melhor o que acontece nos pontos intermedi
arios.
5 retas,
s
ao curvas, poligonais, s
ao curvas, e tem curvas que n
ao retas...
2
Figura 1.5:
Dados obtidos por um sensor mais preciso
f (x32 )f (x31 )
x32 x31
f (x42 )f (x41 )
x42 x41
f (x52 )f (x51 )
x52 x51
x4
Curva que interpola os dados
Vamos ver como fazer isto no captulo 0, esta curvas interpolantes ser
ao
pedacos de polin
omios.
Agora, com as taxas de variaca
o podemos descrever melhor o fen
omeno medido. Lendo o gr
afico contido na figura (fig. 1.6), podemos dizer
H
a um ponto de mnimo do fen
omeno entre os pontos x1 e x2 ;
o crescimento abrupto que parecia acontecer entre x3 e x4 de fato acontece
num pequeno pedaco deste intervalo, a partir do ponto medio.
tambem houve um crescimento abrupto pr
oximo do ponto x5 .
Observe que a interpolacao linear n
ao nos permitia tecer nenhuma dessas consideraco
es. Sem o conhecimento da taxa de variaca
o em cada um dos pontos, tudo
que podemos fazer e uma interpolaca
o linear que descreve um comportamento
uniforme entre os pontos em que as medico
es foram feitas.
Este exemplo nos mostra uma situaca
o bem concreta do dia-a-dia em que a
derivada formal seria in
util6 . A derivada tem que ser obtida aproximadamente
a partir de algumas medico
es finas tomadas em alguns pontos escolhidos.
O exemplo tambem nos mostra a import
ancia da derivada como informaca
o
complementar.
6 mas se voc
e estiver deduzindo que o estudo do C
alculo
e in
util, engana-se. Precisamos
de teorias formais, para produzir a t
ecnica e as aproximaco
es, mas isto
e uma hist
oria mais
longa, envolva o professor nesta discuss
ao...
Interpolao no linear dos dados
Exerccios 1 Derivada aproximada

Notaca
o a (f ) =
f (a+x)f (a)
x
o f (x) = (x + 3) (x 4) e no ponto
1. micro medico
es Considere a funca
x = 3 considere as micro-medico
es
(3, f (3)), (3.01, f (3.01)), (3.02, f (3.02)).
(3)
(3.01)
Calcule 3 (f ) = f (3.01)f
e 3.01 (f ) = f (3.02)f
e a media aritmetica
0.01
0.01
3 (f )+3.01 (f )
.
Compare
o
resultado
com
f
(3)
2
ao anterior com o ponto x = 4 com x =

2. micro medico
es Repita a quest
0.001
x
1
foram tomadas trs

medidas em cada um
x
x
dos pontos:
i1
i2
Figura 1.6:
x4
3. Sabendo que f (1) = 3, f (1) = 1 qual dos gr

aficos na figura (fig. 1.7)
p
agina 9, corresponde ao gr
afico de f . Justifique sua resposta.
f
i3
interpolaca
o n
ao linear
E o qual seria a taxa de variaca

o a ser considerada em cada um dos pontos?
Temos tres medidas, logo duas taxas de variaca
o.
Aqui entra em cena uma decis
ao tpica de quem cria modelos para fen
omenos.
A media e uma melhor opca
o, ela corrige possveis erros de medidas. Um
bom sensor tomaria n
ao tres medico
es mas certamente uma dezena de micromedicoes o que permitiria uma boa media.
Voltaremos a discutir interpolaca
o mais a frente.
Resumindo,
a (f ) = f
x representa o coeficiente angular de uma reta secante que
desejamos que seja uma aproximacao da reta tangente;
f (a) e o coeficiente angular da reta tangente ao gr
afico de f no ponto
(a, f (a)).
Usaremos, quando a tecnica nos permitir, o valor medio de uma colecao
de taxas de variacao, obtidas com micro medicoes, para representar (aproximar) f (a).
Nos exerccios seguintes, voce ser
a solicitado a calcular a derivada aproximada de funcoes cuja derivada voce sabe calcular exatamente. Desta forma voce
podera comprender melhor a derivada aproximada, comparando-a em casos em
que temos a derivada exata disponvel.
Figura 1.7:
Qual pode ser o gr

afico de f ?
2
4. Calcule a (f ) = f
x com f (x) = x + 3x + 2 no ponto x = a e com os
valores de x indicados
x=a
1
2
1.5
x
0.1
0.1
0.1
x
0.01
0.01
0.01
x
0.001
0.001
0.001
5. Complete a tabela, calculando a diferenca (o erro) D = |f (a) a (f )| =

2
|f (a) f
x |x=a | com f (x) = x + 3x + 2.
x=a
1
2
1.5
x
0.001
0.001
0.001
10
|f (a) a (f )|
0.99884447020655558927
0.99945892356272536761
0.99976592143543602562
0.99991936316018971376
(a) Construa, gr
afica e algebricamente, a interpolacao linear dos dados.
ao linear da
(b) Construa, gr
afica e algebricamente, uma interpolacao n
amostragem com quatro dados obtidos pelo sensor em cada ponto.
a (f )(2)
0.701
0.001
0.774
2.861
5.816
a (f )(3)
0.719
0.000
0.755
2.828
5.776
a (f )(4)
0.728
0.000
0.746
2.812
5.756
f(a)
3
-5
-7
-14
-20
8. Faca um programa que liste os valores de a (f ) de de f (a) para alguns

valores de um um intervalo. Use um while() para controlar uma lista de
valores.
solu
c
ao derivadas.c, [20].
1.2
(f ) (f )
=
2a (f ) = a+x x a
f (a+2x)f (a+x)
f (a+x)f (a)
(
x
x
(a+x)+f (a)
= f (a+2x)2f
2
x
(1.17)
=)/x
Quocientes de diferencas
de ordem superior
Se calcularmos a diferenca entre dois quocientes de diferencas sucessivos
2a (f ) =
a+x (f ) a (f )
x
estaremos obtendo uma aproximaca

o da segunda derivada.
Este
e um quociente de diferencas de segunda ordem.
Como nao podemos calcular a derivada formal, em nossos programas de

c
alculo numerico, resta-nos a tentativa com os quocientes de diferencas. Aqui
(1.18)
(1.19)
Nao havendo d
uvida nos usaremos uma notacao mais simples para os quocientes
de diferenca de segunda ordem:
2 (f ) = 2a (f )
7. Um sensor apresenta a seguinte sada de dados em que o primeiro valor

e f (a) e os quatro seguintes s
ao a (f ) = f
x na proximidades do ponto
x=a.
a (f )(1)
0.667
0.002
0.812
2.926
5.895
11
vamos discutir os quocientes de diferenca de segunda ordem
6. A seguinte listagem de valores foi obtido por um sensor para os valores de

na vizinhanca de um ponto. Calcule a derivada media.
a (f ) = f
x
a
1
0
1
2
3
(1.20)
Enquanto que os quocientes de diferencas de primeira ordem sao razoavelmente precisos, quando passamos aos de segunda ordem, e preciso ter muito
cuidado com os resultados porque a precisao cai.
Veja seguinte listagem obtida com a funcao:
f (x) = (1 x2 )sin(x/4)
Usamos um programa feito em calc que tem uma sintaxe semelhante a da
linguagem C, e o programa deriva02.calc que voce pode encontrar em [20,
programas.tgz]. A listagem foi editada e resumida, voce pode rodar e alterar o
programa para ganhar mais experiencia. Nao tema extragar os programas, eles
estarao na pagina à sua diposicao quando voce cometer erros e nao souber como
corrig-los, aprenda, tranquilamente, a alterar os programas.
O programa derivada02.calc produz uma sada de dados pronta para usar
em um texto com LATEX. Experimente a versao derivada03.calc que produz
o resultado no terminal.
As funcoes d2f() e ddf() sao idendticas.
ddf() calcula o quociente de primeira ordem da funcao df(), que calcula o
quociente de primeira ordem de f(), corresponde a equacao (17), d2f() calcula
diretamente o quociente de segunda ordem usando f(), corresponde a equacao
(19).
Intervalo [0, 10], passo 1, Delta = 0.000001
x
0
1
2
3
4
5
6
7
8
9
d2f
-0.000001520000
-1.463721700812
-2.624124797793
-3.217524857357
-3.055271491335
-2.051102544324
-0.237390644956
2.231711106131
5.090941230838
7.987785378986
ddf
-0.000001520000
-1.463721700812
-2.624124797793
-3.217524857357
-3.055271491335
-2.051102544324
-0.237390644956
2.231711106131
5.090941230838
7.987785378986
exata
-0.5
-1.463720340220
-2.185332631556
-2.485835877783
-2.244818686029
-1.420459396864
-0.060549895849
1.696970169472
3.634424528937
5.475087704277
7 (f ), um quociente de diferen
cas, e f = f (x2 ) f (x1 ), uma diferenca, como x =
x2 x1
12
Podemos ver nesta listagem erros da ordem de 300% no c

alculo aproximado
da derivada segunda, e o caso quando x = 6 ou de 3289% quando x = 0 o que
mostra que nao podemos confiar em c
alculos aproximados da segunda derivada
usando quocientes de diferenca. Mas veremos no captulo 0 que conseguimos
modelar com boa precisao dados discretos (obtidos com sensores) usando apenas aproximacoes da primeira derivada, esta sim, calculada com quociente de
diferencas.
No captulo 0 vamos usar do quociente de segunda ordem, apenas o numerador, quando estudarmos o problema,
f (x) = 0
veremos que assim e possvel contornar o problema deste erro, ao evitar o quociente, No momento certo voltaremos a discutir esta quest
ao.
Exerccios 2 Revis
ao de C
alculo e computaca
o
objetivo adquirir familiaridade com quest
oes de C
alculo e de computaca
o,
necess
arias ao C
alculo Numerico Computacional. Conscientemente, ignore as
quest
oes que voce domina, o objetivo n
ao e perder tempo, mas ao mesmo tempo,
aprofunde e procure outras quest
oes parecidas com as que voce n
ao dominar para
aumentar a sua pr
atica.
O programa gnuplot e um pacote computacional para fazer gr
aficos, tem
tambem uma vers
ao que roda em windows que pode ser encontrada aqui, [13].
Nas revis
oes de programaca
o, voce pode usar em programas em Pascal, [18],
mas os programas que associados a este livro, que est
ao aqui, [20], foram escritos
em C ou em calc.
Voce quiser rodar programas em Pascal existe um compilador, gpc, para
Linux.
P1
(a1 , b1 )
(1, 3)
(1, 3)
P1
(a2 , b2 )
(1, 3)
(3, 3)
P1
(a1 , b1 )
(1, 3)
(1, 3)
13
P1
(a2 , b2 )
(3, 1)
(2, 5)
2. teoria Reta tangente ao gr

afico de uma funca
o F
ormula de Taylor. A derivada de uma funca
o nos fornece o coeficiente angular instant
aneo da
mesma no ponto:
f (a) e o coeficiente angular instant
aneo de f em (a, f (a))
o da
(a) te
orica F
ormula de Taylor - equaca
o da reta Escreva a equaca
reta que passa no (a, f (a)) e e tangente ao gr
afico da funca
o neste
ponto. Observe que voce deseja a equaca
o da reta que passa no ponto
(a, f (a)), com coeficiente angular f (a). Faca um gr
afico generico
mostrando o que acontece.
(b) Aplicaca
o - derivada algortmica
Derivar algortmicamente significa, para

este exerccio, evitar de fazer todas as contas, represente as contas, n
ao as faca
totalmente, deixe que a linguagem de programac
ao calcule por voc
e. Para cada
item abaixo faca o gr
afico da funca
o e da reta tangente no ponto
(a, f (a)) indicado. Voce pode usar gnuplot ou xfig para fazer estes
gr
aficos, mas deve indicar por escrito como fez.
f (x) = (x + 3)(x 4)
f (x) = (x + 3)(x 4)
f (x) = (x + 3)(x 4)
f (x) = sin(x)(x + 1)
f (x) = sin(x)(x 1)(x 5)
f (x) = cos(x)(x + 3)(x 4)
1. Equaca
o da reta que passa num ponto
a = 3
a=4
a = 0.5
a = 4
a = 2
a = 0.5
(a) te
orica Escreva a equaca
o da reta que passa no (a, b) e tem coeficiente
angular m.
3. Altere o programa ex01.c para imprimir alguns n

umeros. Voce encontra
este programa aqui, [20, programas.tgz].
es das retas que passam no (a, b) com

(b) aplicaca
o Escreva as equaco
o coeficiente angular indicado, em cada item abaixo. Faca gr
aficos
procurando ser preciso. Voce pode usar gnuplot ou xfig para fazer
estes gr
aficos, mas deve indicar por escrito como fez.
4. Altere o programa ex01.c para que ele escreva quatro termos de uma
progress
ao artimetica cujo primeiro termo seja 3 a ra
ao 4.
no ponto
(a, b)
(1, 3)
(1, 3)
coef. angular
m
3
1
no ponto
(a, b)
(1, 3)
(1, 3)
coef. angular
m
1
2
(c) te
orica Escreva a equaca
o da reta que passa nos pontos (a1 , b1 ), (a2 , b2 ).
es das retas que passam nos pontos in(d) aplicaca
o Escreva as equaco
dicados em cada um dos itens abaixo. Para cada caso faca gr
aficos
precisos. Voce pode usar gnuplot ou xfig para fazer estes gr
aficos,
mas deve indicar por escrito como fez.
solu
c
ao: ex02.c
5. Faca um programa que escreva de 0 a 10, use um while().
solu
c
ao: ex03.c
6. Altere ex03.c para escrever os 10 termos de uma progress
ao aritmetica
de raz
ao 3.
solu
c
ao: ex04.c
ao geometrica
de raz
ao 2.
solu
c
ao: ex05.c
14

ao geometrica
de raz
ao 1.0005, os juros da simpl
oria cadernete de poupanca.
solu
c
ao: ex06.c
9. Altere o programa ex06.c colocando um if() dentro do while() controlando
um contador para permitir a visualizaca
o do sagrado capital sendo transformado na poupanca.
solu
c
ao: ex07.c
10. Escreva um programa que
(a) Produza uma progress
ao artimetica de raz
ao 0.5, primeiro termo 3 e
o n
umero de termos 10;
solu
c
ao: altere ex04.c
(b) Produza uma progress
ao artimetica de raz
ao 5, primeiro termo -3 e
o n
umero de termos 10;
solu
c
ao: altere ex04.c
(c) uma progress
ao geometrica de raz
ao 7% com primeiro termo 1000
e com 12 termos. Obtenha outra cuja raz
ao seja 0.5%. Uma delas
(qual ?) mostra como cresce sua dvida se voce usar cheque especial
ou cart
ao de credito.
solu
c
ao: altere ex07.c
15
(c) Use x = 0.05, calcule o valor aproximado da derivada com este

erro, e obtenha a equaca
o da reta tangente no ponto (1, f (1)).
Faca o gr
afico.
solu
c
ao: altere derivada02 02.gnuplot
(d) Com f (x) = x2 2x 3 e encontre a reta tangente ao gr
afico de f
no ponto (3, f (3)). Complete o gr
afico anterior.
solu
c
(e) Use x = 0.2, calcule o valor aproximado da derivada com este
Complete os gr
aficos anteriores.
solu
c
(f ) Use x = 0.05, calcule o valor aproximado da derivada com este
Complete os gr
aficos anteriores.
solu
c
12. Faca um programa que imprima a derivada aproximada, por quociente de
diferencas, do item anterior. Aprenda a usar funca
o, em C,
solu
c
ao: derivadas.c
13. Para f (x) = x2 9
(a) Encontre as retas tangentes ao gr
afico de f nos pontos
11. Derivada aproximada O quociente

f
f (a + x) f (a)
=
f (a)
x
x
(4, f (4)), (3, f (3)), (0, f (0))

(1.21)
e uma aproximacao do valor da derivada de f no ponto x = a quando

x for pequeno. Os pr
oximos itens servem para que voce desenvolva a
sua intuicao com respeito a esta aproximacao, faca gr
aficos bem feitos
que permitam voce se convencer do seu significado, a precis
ao com que
os gr
aficos ser
ao feitos e parte essencial da quest
ao, um gr
afico mal feito
n
ao lhe indicar
a nada, use papel quadriculado (ou milimetrado). Se voce
usar gnuplot, ele lhe permite um zoom usando o bot
ao direito do ratinho
e voce poder
a ver assim o detalhe entre as duas retas.
(a) Considere f (x) = x2 2x 3 e encontre a reta tangente ao gr
afico
de f no ponto (1, f (1)). Faca o gr
afico.
solu
c
ao: derivada02 01.gnuplot, [20].
(b) Use x = 0.2, calcule o valor aproximado da derivada com este erro,
e obtenha a equaca
o da reta tangente no ponto (1, f (1)). Faca
o gr
afico.
solu
c
ao: derivada02 02.gnuplot
Faca os gr
aficos.
solu
c
(b) Use x = 0.05, calcule o valor aproximado da derivada com este
o da reta tangente nos pontos
(4, f (4)), (3, f (3)), (0, f (0))
Complete os gr
aficos anteriores.
solu
c
o f (x) = x3 3x2 9x + 2
14. Significado da derivada Considere a funca
(a) Calcule a derivada f .
(b) Encontre as razes de f e deduza os pontos extremos relativos f
(c) objetivo: Algumas vezes e mais f
acil fazer o gr
afico de f que o gr
afico
de f . Deduza um esboco do gr
afico de f do gr
afico usando o gr
afico
da derivada.
16
Solu
c
ao 1 A derivada da funca
o f (x) = x3 3x2 9x + 2 e uma funca
o
do segundo grau, cujos zeros sabemos calcular.
f (x) = x3 3x2 9x + 2
f (x) = 3x2 6x 9 = 0 = x2 2x 3
(1.22)
(1.23)
x = 2 24+12
x1 = 2+4
=3=
2
(1.24)
(1.25)
x2 = 1 =
(1.26)
As razes, x1 , x2 da derivada s
ao pontos de extremos de f , neste caso com
certeza porque s
ao zeros isolados de um polin
omio.
Temos duas maneiras de determinar se s
ao m
aximo ou mnimos. Uma
consiste em calcular a segunda derivada e verificar o sinal. Outra consiste
em verificar a variaca
o em volta do ponto.
Vamos usar o teste da segunda derivada. Lembrando a f
ormula de Taylor,
a segunda derivada representa a concavidade da funca
o e portanto mostra uma par
abola que lhe e semelhante no ponto. Se f (xi ) for positiva,
ent
ao f neste ponto lembra uma par
abola com com o vertice para baixo,
passando por um mnimo. Se for negativa passar
a por um m
aximo.
ponto
f (x1 )
f (x2 )
2a. derivada no ponto

12
-12
diagn
ostico
passa por um mnimo
passa por um m
aximo
valor no ponto
f (x1 ) = 25
f (x2 ) = 7
O esboco gr
afico de f pode ser visto na figura (1.8) p
agina 17,
17
40
f(x)
df(x)
0
30
20
10
-10
-20
-30
-3
-2
-1
Comandos do gnuplot usados na resoluca

o desta quest
ao
f(x) = x**3 - 3*x**2 - 9*x + 2
df(x) = 3*x**2 - 6*x - 9 ## x**2 - 2*x - 3 = 0
a1 = (2 + sqrt(4+12))/2.0
a2 = (2 - sqrt(4+12))/2.0
print df(a1)
print df(a2)
plot df(x),0
ddf(x) = 6*x - 6
print ddf(a1)
print ddf(a2)
set xrange [a2-2:a1+2]
plot f(x),df(x),0
plot f(x),df(x),0
set terminal post enhanced portrait
set output derivada_funcao01.eps
plot f(x),df(x),0
Figura 1.8:
grafico de f analisando f
o de uma reta (um tipo de modelo) que melhor

15. Modelo Encontre a equaca
represente os dados da tabela na figura (1.9) p
agina 18. Justifique sua
soluca
o;
Calcule o valor deste modelo no ponto x = 2. Calcule o valor medio
que estes dados representam usando a reta como modelo, e admita que o
intervalo de observaco
es e [10, 10].
o e use este valor para
solu
c
ao: calcule o valor medio das taxas de variaca
a equaca
o da reta.
16. Teste do modelo Faca o gr
afico do conjunto de pontos da tabela (1.9) e da
reta que voce encontrou para modelar os dados com gnuplot e verifique
assim se o modelo est
a adequado. Justifique a sua conclus
ao.
10
6
2
0
3
7
9
Figura 1.9:
1.3
18
28.6
15.4
2.2
4.4
11.7
22.5
27.9
Polin
omios de Taylor
Estudamos a equacao da reta tangente ao gr

afico de f no ponto (a, f (a)) e na
verdade quando comecamos a estudar esta quest
ao o nosso exemplo, na figura
(fig. 1.1), pagina 2, nos dizia que n
ao era a reta tangente que nos deveria
interessar e sim a par
abola tangente. Vamos agora ver como podemos obter
uma parabola tangente ao gr
afico graf (f ) no ponto (a, f (a)).
O metodo se parece com o que j
a usamos para a reta tangente, foi porisso
mesmo que comecamos com este caso mais simples. Revendo o caso da reta
tangente,
(1.27)
(1.28)
seriamos facilmente conduzidos ao erro de imaginar que a equacao da par

abola
tangente seria (esta errado)8
y f (a) = f (a)(x a) + f (a)(x a)2
y = f (a) + f (a)(x a) + f (a)(x a)2
(1.29)
(1.30)
Para encontrar a formula correta, vamos inicialmente considerar um polin

omio
do segundo grau
P (x) = a0 + a1 (x a) + a2 (x a)2
(1.31)
desenvolvido no ponto x = a e vamos impor as condicoes que nos interessam,
para encontrar9 os coeficientes
a0 , a1 , a2
(1.32)
P (a) = f (a) a0 = f (a)

P (x) = a1 + 2a2 (x a)
8 esta
9 os
(1.33)
(1.34)
P (a) = f (a) a1 = f (a)

P (x) = 2a2
(1.35)
(1.36)
f (a)
2
(1.37)
P (a) = f (a) a2 =
f
ormula est
a errada!
coeficientes
e que s
ao as inc
ognitas deste problema....
19
Na equacao (33) estamos impondo a condicao de que o polinomio P passe

no ponto (a, f (a)). Na equacao (34) calculamos a derivada do polinomio P
para impor a condicao, na equacao (35), que o polinomio P tivesse a mesma
derivada que f no ponto (a, f (a)). Derivamos, na equacao (36), o polinomio P
para impor na equacao (37) que o polinomio tivesse a mesma derivada segunda
(curvatura) que a funcao f tem no ponto (a, f (a)).
Vemos assim que a formula correta para a equacao da parabola tangente ao
grafico graf (f ) no ponto (a, f (a)) e
Dados amostrais
y f (a) = f (a)(x a)
y = f (a) + f (a)(x a)
f (a)
(x a)2
(1.38)
2
Compare a equacao errada 33 com a equacao correta 38 e veja que a diferenca
se encontra no metodo do calculo para o coeficiente do segundo grau:
y = P (x) = f (a) + f (a)(x a) +
a2 =
f (a)
2
Este exemplo tambem lhe mostra a razao pela qual a equacao do movimento
acelerado (caso da gravidade) e
g
v = s0 + v0 (t a) + (t a)2
2
(1.39)
em que t = a e o ponto considerado como incio do movimento.

Nos cursos de Calculo este topico aparece sob o nome de f
ormula de Taylor
e vai bem alem na construcao de um polinomio de grau n tangente ao grafico
de f no ponto (a, f (a)). A metodologia para obter esta formula e exatamente a
mesma que apresentamos acima, entretanto partindo do polinomio
P (x) = a0 + a1 (x a) + . . . + an (x a)n
(1.40)
ao qual se impoem, sucessivamente, as condicoes de tangencia. A conclusao e

que
f (n) (a)
(1.41)
an =
n!
e a voce deve observar que
2 = 2!, 1 = 1!, 1 = 0!
(1.42)
sao os denominadores dos termos em x2 , x, x0 .

Fizemos mencao ao erro existente entre a equacao da reta tangente ao
graf (f ) e os valores de f numa vizinhanca do ponto de tangencia, chamando-o
de o(x a).
Aqui usaremos a mesma notacao, porem o erro e, teoricamente, menor.
Infelizmente, quando passarmos aos calculos numericos este erro tende a
ser bem maior, desta maneira ha que ser prudente com o uso da aproximacao
polinomial do grau elevado. O fato e que em geral nos damos muito bem com
as aproximacoes do primeiro grau. No captulo 0 vamos ver que o grau ideal
para as aproximacoes polinomiais e o terceiro grau.
20
Aqui voce pode observar a crtica diferenca entre o c

alculo feito manualmente (e formalmente) e os c
alculos autom
aticos. Podemos atingir precis
oes
muito maiores com o calculo manual, mas possivelmente com um grande lapso
de tempo, nao esquecendo que nele estamos sujeitos a erros diversos. No entanto, no calculo automatico os computadores incluem outros tipos de erros
com a inevitavel aproximacao com que tem que trabalhar. A conclus
ao, nos
a repetiremos com frequencia, e temos que fazer os c
alculos com programas de
computador, mas temos que monitorar os resultados e saber analis
a-los criticamente para tirar o bom proveito que eles nos podem trazer.
No pen
ultimo captulo 0 iremos estudar aproximacao polinomial quando
necessitaremos que voce tenha uma boa pr
atica com do uso do polin
omio de
Taylor e de programacao, eis uma boa raz
ao para lhe oferecermos logo uma
lista de exerccios.
(c) Escreva a express

ao da reta tangente ao gr
afico de uma funca
o qualquer, f no ponto (a, f (a)). Observe que voce deseja a equaca
o da
reta que passa no onto (a, f (a)), com coeficiente angular f (a).
solu
c
ao: altere derivada02.02.gnuplot
2. An
alise do gr
afico de f
(a) par
abola tangente Encontre a par
abola tangente ao gr
afico de
f (x) = (1 x2 )sin(x/4)
no ponto (4, f (4)) e deduza como e o gr
afico de f nas vizinhancas
deste ponto.
solu
c
Exerccios 3 Polin
omios de Taylor
(b) par
abola tangente Encontre a par
abola tangente ao gr
afico de f no
ponto (2, f (2)) e deduza como e o gr
afico de f nas vizinhancas
deste ponto.
solu
c
ormula de Taylor. A derivada

1. Reta tangente ao gr
afico de uma funca
o F
de uma funca
o nos fornece o coeficiente angular instant
aneo da mesma no
ponto:
es10 obtidas
(c) Deduca
o do gr
afico de f Com base nas duas informaco
anteriormente, simule o gr
afico de f numa vizinhanca do intervalo
[1, 1].
f (a) e o coeficiente angular instant

aneo de f em (a, f (a))
Veja na figura (fig. 1.10),
600
ao usual dos polin

omios e
3. Polin
omio desenvolvido em um ponto A express
desenvolvida no ponto x = 0
f(x)
reta(x)
0
500
P (x) = a0 + a1 x + a2 x2 + a0 x3 + + an xn
400
300
(1.43)
Usando polin
omio de Taylor podemos desenvolver um polin
omio em qualquer outro ponto.
200
Desenvolva o polin
omio
100
P (x) = 3 x + 2x2 3x3 + 5x4
100
(1.44)
no ponto x = 3 e faca os gr
aficos dos dois polin
omios com gnuplot.
Comente o resultado obtido.
200
300
21
Figura 1.10:
2
Reta tangente ao gr
afico de f
solu
c
ao:11 num terminal, rode calc < poltay2.calc
(a) Considere f (x) = x 2x3 calcule f (2) e encontre a reta tangente

ao gr
afico de f no ponto (2, f (2)).
solu
c
ao: altere derivada02.02.gnuplot, voce o encontra aqui, [?]
(b) Considere f (x) = x2 9 calcule f (4) e encontre a reta tangente
ao gr
afico de f no ponto (4, f (4)).
solu
c
1.4
Derivadas parciais
Vamos generalizar a formula de Taylor para o caso multivariado. Aqui a restricao sera mais forte, nao passaremos do primeiro grau e a consideracao feita
anteriormente sobre erros nas aproximacoes de derivadas de ordem maior se
10 este exerc
cio tem o defeito de sugerir que podemos fazer uma simulaca
o destas em qualquer intervalo sabendo o que acontece nos extremos. Isto
e falso!
11 Todos os programas do livro se encontram aqui, [20]
22
aplica, fora que a otencao de dados amostrais com taxas de variacao parcial
maior do que um e bem mais difcil de ser obtida.
Se considerarmos uma express
ao dependendo de v
arias vari
aveis
F (x, y, x) = d
(1.45)
e lhe aplicarmos derivaca

o implcita, vamos obter um modelo que nos permitir
a
chegar à equacao de um objeto linear tangente:
dw = dF (x, y, z) =
F
F
F
dx +
dy +
dz = 0
x
y
z
(1.46)
Vamos agora admitir a hip

otese de que conhecemos um ponto
P = (a, b, c)
onde passa a variedade12 .
Uma outra forma de dizermos a mesma coisa e

P = (a, b, c)
e uma solucao da equacao (45). Nesta forma de falar a hip
otese e que existe
uma solucao para esta equacao, que e P .
Se substituirmos, neste modelo,
dx := x a ; dy := y b ; dz := z c
vem a equacao da variedade
(1.47)
linear tangente:
(1.48)
F
z
F
y
(y b) +
|(a, b, c) 6= 0 z c =
F
z
F
x
F
z
(z c) = 0
(x a)
F
y
F
z
(1.49)
(y b)
14
o que nos conduz, com auxlio do Teorema da Funca

o Implcita
existe uma funcao
F
x
z = f (x, y) ; f
x = F ;
z
z
12 variedade
es (53),
1. Te
orica - polin
omio do segundo grau tangente Expanda as equaco
(44) para encontrar aw equaco
es de uma par
abola (polin
omio do segundo
grau) tangente ao gr
afico de f memorizando tambem a curvatura (segunda
derivada)
y = A + B(x a) + C(x a)2
(1.54)
f
y
omio de Taylor do segundo grau no ponto x = a

solu
c
ao: polin
2. Te
orica - polin
omio do terceiro grau tangente Expanda as equaco
es (53),
(44) para obter as condico
es que facam de
Podemos explicitar z nesta express

ao
a) +
e assim temos duas formulas que podemos adaptar para fazer aproximacoes
de funcoes com duas ou tres variaveis sendo imediato (basta considerar mais
derivadas parciais) estender estas formulas para um n
umero qualquer que se
precise de variaveis15
O smbolo := que utilizamos, apareceu com a linguagem de programacao
Pascal para evitar a confusao com a igualdade matematica. Queremos dizer
que os dois objetos que se encontram de cada lado do smbolo := tem natureza
distinta, mas que e possvel fazer uma deducao de um, a partir do outro.
Observe que a equacao (53 ) e a f
ormula de Taylor multivariada, de grau 1
para a funcao = f (x, y).
Existe tambem uma f
ormula de Taylor multivariada de grau 2, de grau
3, etc... mas em geral nao passamos da formula do primeiro grau, devido as
imprecisoes que o calculo numerico joga nas derivadas de ordem superior.
Um polin
omio desenvolvido16 no ponto x = a.
F
F
F
(x a) +
(y b) +
(z c) = 0
x
y
z
F
x (x
23
Exerccios 4 Polin
omio de Taylor
Voce deve usar gnuplot para obter todos os gr
aficos, mas deve apresentar
toda a justificaca
o das equaco
es que usar.
O comando do gnuplot para fazer gr
aficos de funco
es de duas vari
aveis e
splot f(x,y)
F (x, y, z) = d
13
(1.50)
a garantir que
P (x) = A + B(x a) + C(x a)2 + D(x a)3
(1.55)
um polin
omio do terceiro grau, tangente ao gr
afico de f no ponto (a, f (a)).
Descreva as equaco
es para determinarmos os coeficientes A, B, C, D.
omio de Taylor do terceiro grau no ponto x = a
solu
c
ao: polin
F
y
= F
z c = f
(x a) + f
(y b) ; c =
x
y
f
= f (a, b) + x (x a) + f
y (y b) ; c
(1.51)
f (a, b)
(1.52)
= f (a, b)
(1.53)
e o conceito que nos livra da pris

ao tridimensional veja no ndice remissivo mais
informaco
es a respeito neste caso esta
e variedade de dimens
ao dois, uma superfcie
13 esta variedade tangente
e um plano, planos s
ao variedades lineares de dimens
ao dois
14 voc
e encontra este teorema em qualquer bom livro de C
alculo. Estamos tamb
em admitindo a hip
otese de a derivada parcial que aparece no denominador seja diferente de zero
3. F
ormula de Taylor
(a) Ache o desenvolvimento de Taylor para f (x) = sen(x) no ponto x = 0
de ordem 7 (grau 7) (um polin
omio de grau 7).
15 os problemas econ
omicos lidam com espacos de dimens
ao de alguns milhares, o que justifica a grande dificuldade no planejamento econ
omico, por outro lado justifica trabalharmos
com dimens
oes altas.
16 novamente, um polin
omio desenvolvidono ponto x = a
24
(b) Ache o desenvolvimento de Taylor para g(x) = cos(x) no ponto x = 0

de ordem 8 (grau 8), (um polin
omio de grau 8). Analise porque a
diferenca de grau entre esta quest
ao e anterior.
solu
c
ao: derivada02 ex02.calc
(c) Calcule a derivada de g(x) + if (x), com os polin
omios encontrados
no item anterior. Ser
a que o resultado poderia ser interpretado como
sendo
(g(x) + if (x)) = i(g(x) + if (x))
4. Aplicaco
es
(a) Calcule o valor aproximado de sen(0.1) usando a f
ormula de Taylor
de ordem 7. Compare o resultado, indicando o erro ocorrido usando
uma calculadora.
solu
c
(b) Calcule o valor aproximado de cos(0.1). Compare o resultado, indicando o erro ocorrido usando uma calculadora.
solu
c
5. Derivadas parciais introduca
o te
orica A equaca
o de plano que passa no
ponto (a, b, c) e por comparaca
o com a equaca
o da reta
z c + A(x a) + B(y b) = 0
z = c A(x a) B(y b)
(1.56)
(1.57)
(a) Calcule as derivadas parciais de z = f (x, y) na equaca

o (57).
resposta: A, B
(b) Justifique a afirmaca
o seguinte usando os conceitos tangente, coeficiente angular dentro de uma pequena redaca
o. Se o plano cuja
equacao esta em (56), for tangente ao gr
afico de uma funcao no ponto
(a, b, f (a, b)) entao a equacao do plano seria, atualizando os valores
de c, A, B na equacoes (56), (57):
z f (a, b) + A(x a) + B(y b) = 0
z = f (a, b) +
f
x (x
a) +
f
y (y
b)
(1.58)
(1.59)
25
f
y (y b)
f
z a = f (a, b) (x a) + f
(y b)
z
y
f
a = f (a, b) (x a) + x (x a) + f
y (y
(1.61)
z a = f (a, b) (x a) +
(1.62)
b)
(1.63)
solu
c
ao: z = 5 + 2(x 1) + 3(y 2); f (1.1, 2.1) 4.5
(d) Sabendo que as taxas de variaca

o parciais de z = f (x, y) no ponto
(1, 2) s
ao
f
f
= 2;
=3
x
y
e que f (1, 2) = 5
i. Escreva a equaca
o do plano tangente ao gr
afico de f no ponto
(1, 2, f (1, 2))
ii. calcule aproximadamente
f (1.1, 2.1)
(e) F
ormula de Taylor multivariada de grau 1 Observe que a equaca
o do
plano tangente pode ser escrita de forma semelhante a
equaca
o da
reta tangente. Encontre as semelhancas e escreva a formula de Taylor
multivariada de grau 1. Voce vai precisar de um produto de matrizes
(estas matrizes se chamam de gradiente ou Jacobiana).
6. Polin
omio Esta e uma variante do metodo polinomio de Taylor. Podemos
encontrar um polin
omio que memoriza as informaco
es de uma funca
o de
forma parecida com o polin
omio de Taylor, mas usando informaco
es em
dois pontos. Encontre um polin
omio P desenvolvido no ponto x = a tal
que
P (a) = f (a); P (a) = f (a)
P (b) = f (b); P (b) = f (b)
em que [a, b] e um intervalo em que f est

a definida e e deriv
avel. Sugest
ao:
escreva a express
ao de um polin
omio desenvolvido no ponto x = a.
omio tal que
7. Aplicaca
o Encontre um polin
(c) Considere uma funca

o
z = f (x, y)
(1.60)
que seja deriv

avel numa vizinhanca do ponto (a, b, f (a, b)). Ent
ao
ela tem um plano tangente no ponto (a, b, f (a, b)), semelhante ao
caso da funca
o univariada com a reta tangente. Identifique entre as
equaco
es abaixo a equaca
o do plano tangente ao gr
afico de f no ponto
(a, b, f (a, b)) e justifique sua escolha.
a) P (3) = 3
P (3) = 1
P (3) = 1
P (3) = 1
b) P (3) = 3
P (3) = 3
Faca os gr
aficos destes polin
omios usando gnuplot
P (3) = 1
P (3) = 1
1.5
1.6
26
Soluc
ao de alguns exercicios
27
em que K e o que aparece na equacao (64).

No segundo caso, equacao (65), a variavel y e infinitamente menor do que
a variavel x, e o caso em que a funcao derivavel f tangencia o eixo dos X,
a derivada e nula, portanto f e infinitamente pequeno relativamente a
x.
Vocabul
ario
gnuplot, Landau, variedade
Esta linguagem, infinitamente pequeno, traduzida com a palavra infinitesimo, gerou uma confusao e um mito grande durante toda a primeira
metade do seculo 20 em que varios autores procuraram apresentar infinitesimos como um tipo de n
umero.
Nesta secao vamos incluir alguns conceitos que e

preciso discutir mas cujo desenvolvimento dentro do
texto seria prejudicial. Mesmo assim ser
a uma pequena amostra de cada assunto.
gnuplot e um programa para fazer gr

aficos, uma especie de m
aquina
de calcular eletr
onica com capacidade para fazer gr
aficos, que roda num
terminal do computador, com alguma habilidade sint
atica. Voce pode
escrever pequenos algoritmos no terminal do gnuplot ou com um editor
de textos e chamar gnuplot para ler e executar o algoritmo.
Observe o salto violento que existe entre as duas notacoes, nao ha nada
entre elas. A melhor forma de entender a notacao de Landau, que foi uma
tentativa de evitar os infinitesimos, e usa-la para aos poucos compreender
quando usar uma ou a outra, e talvez admitir o que Courant dizia, que o
limite se encontra no limiar da Matematica superior. . .
Se voce quiser ver alguma coisa experimental nesta linha, considere y =
f (x) e compare
gnuplot pode ser chamado de dentro de um programa, logicamente falando e o mesmo que j
a dissemos acima a respeito de chamar gnuplot na
linha de comandos passando-lhe um arquivo: isto pode ser feito de dentro
de um programa e inclusive o programa pode construir o arquivo de comandos do gnuplot, veja, por exemplo raizq graf.c, rode apenas, este
e um programa relativamente avancado que ser
a discutido no captulo 0.
O proprio programa lhe dir
a que construiu um arquivo de comandos do
gnuplot que voce poder
a ler como um exemplo.
x com f (x) quando x V(0), uma vizinhanca de zero, e o caso

do o pequeno de Landau, faca um programa que liste x, f (x) com x
decrescendo para zero.
Landau Para representar que uma vari

avel tem uma relacao multiplicativa com outra, usamos uma das notacoes
Variedade e uma palavra que nos livra da prisao tridimensional em que

a geometria do mundo fsica em que vivemos nos confina.
y
= K 6= 0
x=0 x
x = O(y) lim
y
x = o(y) lim = 0
x=0 x
(1.64)
Diremos variedade de dimensao 1 para fazer referencia as curvas, uma

reta, um crculo sao variedades de dimensao 1.
Diremos variedade de dimensao 0 para fazer referencia aos pontos.
(1.65)
No primeiro caso, equacao (64), o significado e que para valores cada vez
menores de x as variaveis x, y se encontram numa proporcao e podemos
dizer que sao comparaveis.
Este e o caso
f (x) f (a)
f
=
(1.66)
x
xa
quando a funcao for diferenci
avel no ponto a com derivada diferente de
zero. Neste ponto a funcao tem uma tangente paralela a reta
x 7 Kx
x a com f (x) f (a) quando x V(a), uma vizinhanca de um ponto

a 6= zero, e o caso do O grande de Landau, faca um programa que
liste x a, f (x) f (a) com x a decrescendo para zero, voce vai ver
que neste caso K = f (a).
(1.67)
As superfcies sao as variedades de dimensao 2, como um plano que e uma

variedade linear de dimensao 2.
Depois da dimensao 2 a geometria nao tem mais palavras e nos continuamos a denominar os objetos de variedades lineares ou nao-lineares
acrescentando a dimensao que eles tenham. Podemos entao falar de uma
variedade linear de dimensao 4 que seria uma generalizacao dos planos ou
das retas.
Enfim, agora nao temos mais as limitacoes da geometria.
CAPITULO 2. RAIZES APROXIMADAS
29
apresentar ao final o problema completo, mas, obviamente, n

ao, a soluca
o.
interessante observar que a primeira parte, a soluca
E
o ingenua e simples
fara parte integrante da solucao final. Tambem faremos uma afirmacao: este
ao
problema, a determinacao das razes, nos ensina uma licao, que os humanos s
companheiros dos computadores na busca de soluco
es. . .
Captulo 2
2.1
Razes aproximadas de
func
oes contnuas
Razes de uma func

ao por varredura
Queremos determinar todos os pontos a tal que

f (a) = 0 ; a [, ]
isto e, todas as razes de f no intervalo [, ].
Veja a figura (fig. 2.1) que mostra uma funcao que tem diversas razes, mas
apenas uma no intervalo que nos interessa.
Neste captulo vou estudar o problema determinac

ao das razes de uma func
ao: queremos
descobrir quando f (x) = 0. Este
e um velho problema e a justificaca
o de sua inclus
ao no
currculo se deve a que ele
e ilustrativo de t
ecnicas importantes que t
em valor por s pr
oprias,
como o m
etodo da tangente, a procura bin
aria, e o m
etodo da secante e a recursividade.
O problema
e velho e atual, como veremos na discuss
ao,
e atual no sentido que n
os n
ao
sabemos resolv
e-lo.
Resolver esta equaca
o computacionalmente,
e bastante difcil, e iremos, no momento apropriado, indicar quais os problemas envolvidos. A sada, computacional,
e resolver a desigualdade
|f (x)| <
para um valor adequado para . Veremos que isto
e insuficiente e irrealista, apesar de ser
naturalmente a sada matem
atica.
Iremos salientar como os m
etodos computacionais, associados a estas a
ntigas metodologias,
as tornam mais a
geis.
Estamos interessados
nesta raz
O plano do trabalho e:
mostrar e exemplificar o problema;
apresentar uma primeira solucao computacional, simples, ingenua mesmo,
usando varredura eliminando parte do problema;
mostrar uma solucao mais efetiva;
apresentar os metodos, metodo da secante e o metodo da tangente e imergir
estes metodos em metodos computacionais;
vamos estudar dois metodos matem
aticos importantes, busca bin
aria e
sucess
oes recursivas;
28
Figura 2.1:
Razes de f no intervalo [, ]
Claro, e voce deveria comecar se perguntando: e porque nos interess

aria um
deteminado intervalo, e n
ao o conjunto mais amplo em que uma funca
o tivesse
razes ?
A resposta para esta pergunta, absolutamente logica, e que existem conjuntos que sao os domnios naturais para uma funcao dentro de um problema em
que ela aparece. Neste caso seria uma perda tempo procurarmos propriedades
desta funcao num conjunto mais amplo.
30
Uma outra forma de responder, seria, quando definimos uma funca

o, necess
ariamente estipulamos um domnio de validade para a mesma.
Sera neste domnio que iremos procurar as razes da funcao.
2.1.1
Um m
etodo computacional: varredura
Malha associada a um intervalo

Vamos comecar com o caso unidimensional.
Acompanhe a descricao do metodo com a figura (fig. 2.2) pagina 32.
1. Malha uniforme associada a um intervalo I = [, ]
Um metodo computacional b
asico, para resolver esta quest
ao, e v
arias outras
que voce vai encontrar neste livro, e varredura.
Existe um paradoxo muito conhecido, de Zenon, resolvido por Arist
oteles,
em que Aquiles persegue uma tartaruga. Aquiles corre a um metro por segundo
enquanto que a tartaruga corre a 0.1 metro por segundo, mas a tartaruga parte
de um ponto mais avancado, a 0.9 m mais a frente.
O paradoxo estabelece que Aquiles somente pode atingir a tataruga depois
de percorrer o espaco percorrido por esta (e aqui est
a o paradoxo):
(a) A precisao da malha - a norma

Considere um intervalo I = [, ]
A medida deste intervalo e
m([, ]) =
e a dividimos por um inteiro n que representa a precisao com que
faremos os calculos.
A norma da malha1 e
.
x =
(2.1)
n
Aquiles parte do ponto 0 e a tartaruga parte do ponto 0.9;

quando Achile atingir o ponto 0.9 a tartaruga j
a n
ao est
a mais l
a;
Quando a malha for uniforme este conceito perde sentido, e a medida de qualquer sub-intervalo. Ele e importante quando as malhas
nao sao uniformes porque serve para controlar a distribuicao quaseuniforme dos nos, impedindo que uma grande de quantidade de nos
se concentre em uma pequena sub-regiao.
nova corrida comeca, agora com Aquiles no ponto 0.9 e a tartaruga no

ponto 0.91 e quando ele atingir o ponto 0.91 a tartaruga j
a n
ao est
a mais
la . . . e assim nova corrida comeca, [14, l
ogica, Stanford].
Podemos inventar outra forma equivalente deste paradoxo com uma tartaruga que aos poucos fosse ficando cansada com a corrida.
A tartaruga comeca uma corrida e no primeiro dia corre a metade do percurso oficial, no segundo dia corre a metade do que ficou faltando e assim,
sucessivamente, segue correndo sempre a metade do que estiver faltando nos
dias seguintes. Serve para ilustrar que nunca a tartaruga terminaria a corrida...
Aqui vamos usar a ideia para convence-lo de que por menor que for o passo,
nao sera possvel percorrer todos os pontos de um intervalo.
Em vez de falar em percorrer, coisa impossvel, vamos falar em varrer. Aquiles pode varrer o espaco a sua frente e passar
a pela tartaruga em algum ponto no
caminho, mas pode sempre acontecer, dependo do passo escolhido, que nunca
Aquiles encontre a tartaruga.
E nao ha nenhum paradoxo nesta quest
ao, assim como o paradoxo de Aquiles
nada mais e do que uma forma enganosa de colocar a quest
ao. N
ao existe
nenhum paradoxo de Aquiles.
(b) nos da malha Podemos agora definir os n

os como os elementos de
uma progress
ao aritmetica
= x 0 , x1 , , x n =
(2.2)
x0 = ,
x1 = + x,
(2.3)
(2.4)
x2 = + 2x, ,
xk = + kx, ,
(2.5)
(2.6)
, xn1 = + (n 1)x,
xn = + nx =
(2.7)
(2.8)
Em geral desprezamos um dos extremos, deste conjunto de nos,

desprezamos o u
ltimo no
Problema 1 Nunca encontrar o zero de f

Este e o problema b
asico, sem nenhum paradoxo, e simplesmente pouco
prov
avel que encontremos x tal que f (x) = 0.
Para fazer uma varredura de uma regi
ao vamos colocar uma malha de n
os
sobre esta regiao.
Pense numa rede de pesca, mas nos interessam apenas os n
os da rede . . .
A regiao (pode ser uma regi
ao da reta, do plano ou do espaco), e queremos escolher um conjunto de n
os, definindo a malha, associada a esta regi
ao.
Existe um conceito vizinho a este denominado de partica
o.
31
(xk )n1
k=0 = x0 , x1 , , xn1 = x
x0 = , x1 = + x, x2 = + 2x, ,
xk = + kx, ,
xn1 = + (n 1)x
ou
1 ou
norma da partica
o
(2.9)
(2.10)
(2.11)
(2.12)
32
desprezamos o primeiro n
o
(xk )nk=1
= x1 = + x, , xn =
x1 = + x, x2 = + 2x, ,
xk = + kx, , xn1 = + (n 1)x,

xn = + nx =
(2.13)
(2.14)
(2.15)
(2.16)
Veja na figura (fig. 2.2) p

agina 32,
mas, para tornar computacional uma particao e preciso estabelecer

uma equacao, para o elemento generico coisa que os computadores
entendem.
Se a sucessao (xk )nk=1 formar uma progressao aritmetica, dizemos que
temos uma malha uniforme (ou uma particao uniforme). Esta sera a
nossa preferencia neste livro: particoes uniformes.
Usamos, entao, x como a razao de uma progress
ao aritmetica cujo
primeiro termo e x0 =
xk = + kx
33
(2.22)
como ja descrevemos.
Esta expressao aparecera com frequencia neste livro.
Observa
c
ao 2 Aprendendo a ler ou a programar
O programa raizes01.c, [20, programas.tgz], e um implementaca
o deste
metodo, mas ele faz um pouco mais do que isto, procura algumas razes.
Leia o programa sem stress.
lendo programas que a gente aprende a programar, assim como e lendo
E
os autores cl
assicos que a gente aprende a escrever.
xn
x0
Mas nem aprendemos a escrever apenas lendo como n

ao aprenderemos
preciso aprender a alterar os
a programar apenas lendo programas. E
programas.
x1
N
ao tenha medo de faze-lo. N
ao se preocupe com estragar o programa, o
original se encontrar
a, sempre, a
` sua disposica
o na p
agina ou no CD.
Partio do
intervalo I
Figura 2.2:
2. Malha nao uniforme Vamos descrever o que seria construir uma malha
nao uniforme, mas nao faremos nenhum uso para este tipo de malha neste
livro, imediatamente.
Partica
o do intervalo I
Algumas vezes preferimos salientar que este processo criou uma colecao
de sub-intervalos
I0 = [x0 , x1 ),
I1 = [x1 , x2 ), . . . ,
(2.17)
(2.18)
In1 = [xn1 , xn ]
I0 I1 In1 = I
(2.19)
(2.20)
cuja uni~
ao e o intervalo I sendo estes sub-intervalo disjuntos. Esta
colecao de sub-intervalos e o que chamamos uma parti
c~
ao de I
Em Matematica gostamos de pensar que escolhemos uma coleca
o
arbitr
aria de pontos
x0 , x1 , x2 , . . . , xn1 , xn I
(2.21)
A construcao de malhas uniformes conduz a selecao de uma razao como

a que se encontra na equacao (1), e de uma progressao aritmetica que se
encontra na sucessao de equacoes que iniciando em (2), ou do conjunto de
intervalos, todos com mesma medida que apresentamos nas equacoes que
comecam com (17).
No captulo 0 e no captulo 0 vamos usar malhas nao uniformes, elas aparecerem naturalmente quando pensamos em aplicacoes do tipo coleta de dados feitas por sensores distribuidos ao longo do percurso de um fenomeno.
Neste momento seria artificial dividir este percurso em partes iguais, estabelecendo um passo x porque tais caminhos tem pontos crticos que
merecem atencao especial onde havera uma concentracao de sensores. Um
exemplo tpico seria a analise do trafego numa rodovia em que eventos
como curvas, cidades ou vilarejos, acidentes geogr
aficos exigiriam um levantamento especial de dados.
34
A resposta para este tipo de necessidade vem com um arquivo de dados

em que os nos estao definidos pela posicao dos sensores.
A esta altura do texto e tambem um pouco artificial esta discuss
ao que
preferimos relegar para o momento certo, apenas declarando aqui teremos
necessidade de malhas n
ao uniformes. Se o leitor precisar de imediatamente ver este ponto, recorra aos captulos 0 ou 0 ou procure no ndice
remissivo ao final do livro.
35
Descrevemos assim malhas unidimensionais. Vamos descrever, na pr

oxima
seccao, como construir malhas bidimensionais.
Malhas bidimensionais
1. Malha associada a uma regi
ao do plano Selecionar malhas para regi
oes de
dimensao maior que 1 geralmente e mais trabalhoso. No caso unidimensional nao ha muitas escolhas mas nos casos pluridimensionais h
a v
arios
problemas a serem considerados.
Malha sobre uma

regio do plano
Analise um caso simples, representado pela figura (fig. 2.3) p

agina 35, e
acompanhe com a figura, as definicoes que faremos.
Comecaremos supondo que se trata de uma regi
ao limitada.
Figura 2.3:
Quer dizer que existem quatro n

umeros reais: 1 , 2 , 1 , 2 tal que e
um subconjunto do produto cartesiano de dois intervalos:
[1 , 1 ] x [1 , 1 ]
(2.23)
e entao criamos uma malha em cada um dos intervalos:

1 1
2 2
x =
; y =
n
n
(2.24)
Agora o produto cartesiano dos dois conjuntos de n

os em cada intervalo, define um conjunto de n
os no plano, uma malha no plano;
temos que selecionar um sub-conjunto desta malha que fique no interior de , veja a figura (fig. 2.3).
Malha sobre uma regi

ao do plano
Um elemento generico da malha tem por equacao

xi,j = (xi , yj ) ; i = 0, . . . , n 1 ; j = 0, . . . , n 1
em que estamos ignorando os pontos que se encontram na u
ltima linha da
malha (tanto na horizontal como na vertical).
Se usarmos o mesmo metodo da progress
ao aritmetica, que ja usamos com
malhas sobre um intervalo, (eq.1) teremos
xi,j = (1 + ix1 , 2 + jx2 );
x1 =
x2 =
Se for definido por uma express

ao algebrica, pode ser simples a selecao
automatica dos nos que esteja no seu interior.
Frequentemente este e um outro problema a ser resolvido, mas este livro
vai lhe apresentar, no captulo 0 uma tecnica, aproximacao polinomial,
que pode fornecer a equacao algebrica determinando o contorno de uma
figura como (fig. 2.3) a partir de uma coleta de dados como uma fotografia
aerea, por exemplo, ou um conjunto de medicoes tomadas no pr
oprio local.
Veja na figura (fig. 2.3), um domnio, , do plano, em que colocamos uma
malha e fizemos a selecao dos pontos da malha que se encontram dentro
do domnio.
1 1
;
n
2 1
;
n
(2.25)
(2.26)
(2.27)
Tambem podiamos considerar n

umeros de pontos diferentes na horizontal
e na vertical, neste caso, usariamos as variaveis n, m para designar estas
quantidade e nos denominadores, das fracoes nas equacoes (26), (27).
Estamos usando a hipotese de que e possvel selecionar os pontos com
uma decisao algebrica, realmente isto pode ser complicado de fazer e nao
conhecemos um algoritmo generico para tratar deste caso, mas os metodos
do captulo 0 podem resolver esta questao.
Neste livro usaremos malhas em dimensao maior do que um apenas no calculo
entretanto conveniente, pelo menos
de integrais multivariadas no captulo 0. E
36
x=
enquanto (x < )
mostrar ao leitor, onde ele pode fazer uso de malhas multidimensionais e uma
pista de como encontrar a solucao para os problemas envolvidos.
Tais situacoes podem ser facilmente encontradas como aplicacoes do c
alculo
aproximado de integrais.
Exemplo 2 Uso de malhas multidimensionais
amina. Sabendo que os microrganis1. Populaca
o de microrganismos numa l
mos a serem estudados s
ao capazes de um certo tipo de reaca
o, e possvel
pint
a-los com uma soluca
o qumica que far
a com que eles respondam a
reaca
o qumica com um comprimento de onda, que habitualmente chamamos de cor. Cada um dos pontos da figura (2.3) pode ser descrito como
aquele que o sensor captou como estando na faixa de comprimento de onda
que identifique a presenca dos microrganismos que interessa.
Novamente o c
alculo da a
rea da regi
ao determinada vai permitir uma avaliaca
o da regi
ao urbana, da floresta, ou da quantidade de poluica
o que se
estiver observando. Aqui tambem constantes especficas permitem a transformaca
o da a
rea nas quantidades que seja deseja determinar.
No captulo 0 vamos estudar o c
alculo aproximado das integrais.
Estes exemplos s
ao bastante genericos e mostram a amplitude do uso de
integrais multivariadas.
Estas aplicacoes fogem ao planejamento deste livro mas se o leitor precisar, encontrara aqui meios para fazer estas aplicacoes, se puder contar com
informacoes sobre as constantes mencionadas nos exemplos, na literatura especializada.
Pelo menos um metodo para c
alculo de integrais multivariadas ser
a visto no
captulo 0.
Malhas num programa de computador
Dentro de um programa de computador, podemos implementar a progress
ao
aritmetica definida na (eq.1 )
// (1)
// (2)
{
x = x + x
}
// (3).
1. o ponto inicial
2. a logica que controla o laco
3. a progress
ao aritmetica que define os nos da malha
Este pequeno programa n
ao faz nada, visvel ! Seria preciso um comando
para guardar, num arquivo, no disco, os elementos da progress
ao aritmetica ou
faze-los aparecer na tela do computador:
Depois podemos contar a quantidade de microrganismos calculando a a

rea
da regi
ao que eles ocupam. O bi
ologo deve, experimentalmente, descobrir
uma constante especfica que permita transformar esta a
rea na quantidade
microrganismos presentes na l
amina.
2. Fotografia de satelite de regi
ao urbana. A figura (2.3) pode representar
uma regi
ao fotografada por um satelite e novamente, via comprimento de
onda, se pode detectar intensidade construco
es urbanas, florestas etc...
Neste caso a fotografia pode ser feita sob emiss
ao de uma onda com uma
comprimento particular, ver [14, onda], objetivando obter um determinado
resultado: florestas, construco
es urbanas, determinados tipos de poluica
o.
37
x =
(1)
n
x=
enquanto (x < )
// (1)
// (2)
{
x = x + x
imprima(x)
}
// (3).
// (4)
1. dando valores iniciais as variaveis

3. a progress
4. o comando para imprimir na tela os elementos da progress
ao aritmetica
O caso de malhas multidimensionais, num programa, consiste em encadeiar
lacos semelhantes a estes que apresentamos acima para o caso unidimensional,
nao tem segredo, outro, que dominar a definicao do domnio, e como ja dissemos
este pode ser um problema especial: considere um lado dentro de uma regiao,
ele pode representar um buraco em que voce nao deseja ou nao podera obter
informacoes. Mas o tal lago pode representar informacoes preciosas num estudo
de reacoes climaticas da mesma regiao. . .
2.1.2
Procura de razes por varredura
Temos as ferramentas para fazer a nossa primeira pesquisa de razes de uma

funcao. Vamos discutir uma solucao simples e intuitiva do problema.
Vamos varrer um intervalo [, ] procurando quando os valores de f sejam
menores que um erro escolhido. Pela discussao feita acima sobre o chamado
paradoxo de Aquiles, nao vale a pena procurar quando f (x) = 0, porque a
probabilidade de que Aquiles encontre a tartaruga, e a mesma de encontremos
x tal que f (x) = 0, e muito pequena praticamente nula.
38
Como no caso de Aquiles, e melhor procurar saber quando tivermos passado

pela tartaruga:
(2.28)
|f (x)| >
Um primeiro programa seria:
[1]
x =
n
x=
enquanto (x < )
[1]
[2]
{
se (|f (x)| < ) escreva x, f (x);
x = x + x
}
[3]
[4]
Este livro nao pode oferecer-lhe tecnicas de programacao, sem fugir dos seus
objetivos, mas algumas sugest
oes podem ser encontradas aqui. Uma delas e
basica: construa programas que executem tarefas especficas e bem restritas,
depois cole os programas para produzir um algorimo mais complexo, quando
tiver certeza de que todas as etapas anteriores foram bem testadas.
Outra forma de fazer programas eficientes consiste em partir de um programa
como este que esta acima e ir acrescentando ao programas novas rotinas. Mesmo
neste caso vale a observacao anterior: teste as rotinas separadamente antes de
inclu-las no programa.
Esta metodologia se presta para o trabalho em equipe.
Descricao das etapas do programa
1. valores iniciais para as vari
aveis
3. o teste para encontrar as razes aproximadas
4. a progress
ao aritmetica que define os n
os da malha
Exemplo 3 Procura de razes
Todos os exemplos apresentados aqui foram executados com programa
raizes01.c
que pode ser obtido aqui,[20, programas.tgz], ou no CD que acompanha este
livro. Em seguida lhe apresentamos uma lista de exerccios em que voce ser
a
convidado a usar o programa para repetir estes exemplos e construir outros para
melhorar a sua compreens
ao do assunto.
1. Raiz de f (x) = x2 no intervalo [1, 1]
Rodamos um programa que implementa o algoritmo acima. O programa
solicita os pontos inicial e final do intervalo de busca, e pede a norma da
malha, depois o programa usa a pr
opria norma da malha no teste
|f (x)| < = x
39
> Forneca-me o intervalo [a,b] para busca de raizes:

a = -1 b = 1
> Sua busca de raizes no intervalo [ -1.000000 , 1.000000 ]
> Forneca-me o passo delta da malha para a busca:
> Sugestao 0.01 < delta
< 0.5
delta = 0.1
> Precisao da malha 0.100000
=================================================
> Aperte <enter> para continuar
Raiz provavel da funcao no intervalo
[-0.100000,0.000000]
valor de f no ponto -0.100000 --> 0.010000
valor de f no ponto 0.000000 --> 0.000000
[0.000000,0.100000]
O programa acha dois intervalos onde h

a valores aproximados para a raiz
da funca
o, e escreve o valor de f em cada extremo do intervalo:
[0.1, 0]
[0, 0.1]
Aqui voce j
a pode ver uma dificuldade na determinaca
o de razes aproximadas, com programas de computador. O programa encontrou duas raizes,
uma no intervalo [0.1, 0] e outra no intervalo [0, 0.1] que representam,
ambas, a mesma raz, x = 0.
Este e o problema intitulado separacao das razes . O nome n
ao e dos
melhores porque, como voce ve, acima, n
ao h
a duas razes e sim uma u
nica
que foi apresentada como aparecendo em dois intervalos consecutivos.
A figura (fig. 2.4) p
agina 40, pretende ilustrar o problema descrito no
exemplo. Uma malha muito fina levar
a o programa a encontrar v
arios
pontos que satisfazem a desigualdade.
Este e um dos principais problemas em C
alculo Numerico: nos nao sabemos fazer programas que possam funcionar sozinhos.
Temos que monitorar o resultado dos programas e selecionar, dentre as
possibilidades por eles encontradas, quais s
ao interessantes. Este mesmo
programa poderia n
ao encontrar nenhuma raz no intervalao indicado, se
usarmos um valor muito pequeno para . Veja o resultado se modificarmos
o programa com x 6=
Forneca-me o intervalo [a,b] para busca de raizes:
a = -1 b = 1
40
|y| < r
Figura 2.4:
V
arios representantes da u
nica raiz
Sua busca de raizes no intervalo [ -1.000000 , 1.000000 ]

Forneca-me o passo delta da malha para a busca:
Sugestao 0.01 < delta
< 0.5
delta = 0.3
Precisao da malha: 0.300000
Forneca-me o erro epsilon :
Sugestao 0.01 < epsilon
< 0.5
0.001
Erro : 0.001000
=================================================
Aperte <enter> para continuar
Nenhuma raiz foi encontrada no intervalo dado !
Rode, novamente, o programa, com passo mais fino...
Desta vez o programa n
ao conseguiu encontrar nenhuma raiz, observe porque.
Como escolhemos x = 0.3 ele analisou os intervalos
[1, 0, 7], [0.7, 0.4], [0.4, 0.1], [0.1, 0.2], ...
e em cada um deles verificou se nos extremos |f (x)| < ;
os testes falharam nos extremos em todos os casos porque somente

no interior do intervalo [0.1, 0.2] e que poderia ter dado certo.
Veja o resultado se agora rodarmos o programa com x = 0.1
41
a = -1 b = 1
< 0.5
delta = 0.1
< 0.5
0.001
Erro : 0.001000
=================================================
[0.000000,0.100000]
O programa analisou os intervalos
[1, 0.9], [0.9, 0.8], . . . , [0.1, 0], [0, 0.1]
e achou uma raiz no intervalo [0, 0.1]. Se o programa tivesse testado os
dois extremos de cada intervalo, teria achado tambem uma raz no intervalo [0.1, 0].
2. razes de f (x) = x5 + x4 + x3 + x2 + x + 1 em [3, 3]
a = -3 b = 3
< 0.5
delta = 0.01
< 0.5
0.1
Erro : 0.100000
=================================================
[-1.030002,-1.020002]
valor de f no ponto -1.030002 --> -0.095599
[-1.020002,-1.010002]
42

[-1.010002,-1.000002]
[-1.000002,-0.990002]
[-0.990002,-0.980002]
[-0.980002,-0.970002]
[-0.970002,-0.960002]
Esta funca
o tem uma u
nica raz, no ponto x = 1 e o programa encontrou
v
arios intervalos em que o valor de |f (x)| < . Rodando o programa
novamente, com o valor menor para temos
a = -3
b = 3
< 0.5
delta = 0.01
< 0.5
0.0001
Erro : 0.000100
=================================================
[-1.000002,-0.990002]
valor de f no ponto -0.990002
43
--> 0.029401
O programa conseguiu isolar um u

nico intervalo com uma raz aproximada.
Os exemplos acima mostram as dificuldades que temos para resolver o problema de encontrar as razes de uma funcao usando varreduras. Depois veremos
que, com tecnicas mais refinadas, poderemos evitar estes erros.
Porem os programas podem ainda, deixar de encontrar razes, mesmo que
elas existam o que nos obriga a monitorar o funcionamento dos programas para
dirigir a busca a partir dos resultados indicados.
Exerccios 5 Procurando razes com varreduras
1. Leia o programa raizes01.c. Logo no incio o programa traz instruco
es
de como compilar e rodar um programa.
2. Voce pode repetir as experiencias registradas aqui rodando o programa
raizes01.c. A funca
o cujas razes est
ao sendo procuradas, est
a definida
dentro do programa, ao final. Troque a equaca
o para executar os seus experimentos e depois compile e rode o programa. Dentro do programa, no
incio h
a instruco
es de como compilar e rodar o programa.
3. Rode raizes01.c com f (x) = x2 no intervalo [3.2, 3] com passo 0.3
e erro m
aximo 0.001. O programa vai dizer-lhe que nenhuma raiz foi
encontrada. Analise por que ?
4. Rode raizes01.c com f (x) = x2 no intervalo [3, 3] com passo 0.3 e erro
m
aximo 0.001. Agora o programa vai encontrar um intervalo onde h
a uma
raiz.
5. Rode raizes01.c com f (x) = x no intervalo [3.2, 3] com passo 0.3 e erro
m
aximo 0.05. O programa vai dizer-lhe que nenhuma raiz foi encontrada.
Analise por que ?
6. Rode raizes01.c com f (x) = x2 no intervalo [3, 3] com passo 0.05 e
erro m
aximo 0.01. O programa vai encontrar v
arios sub-intervalos onde
h
a razes.
Nos exerccios, a busca de razes, com uma mesma funcao um programa
produz diversos resultados. A figura (2.4) oferece uma boa descricao geometrica
para este problema:
uma malha com passo muito fino e com erro (modulo maximo) relativamente muito grande, apresenta varios nos em que a desigualdade e verificada;
se o erro, (modulo maximo) for relativamente muito pequeno nenhum dos
nos da malha vai satisfazer a desigualdade.
44
Observe que usei o adverbio relativamente para qualificar os adjetivos

grande ou pequeno porque as grandezas s
ao relativas a algum referencial. Voce
talvez precise de fazer algumas experiencias com o programa raizes01.c para
compreender o problema descrito nesta secao.
Na proxima secao vamos encontrar uma sada para esta dificuldade.
2.2
|f (x)| <
45
Este metodo nos livra do relativismo2 . Quando uma funcao contnua trocar
de sinal em um intervalo, neste intervalo ha um ponto (pelo menos) em que a
funcao vai se anular.
Se introduzirmos esta pequena melhora no programa ele ira encontrar uma
raiz aproximada com os mesmo dados (x, ).
Vamos incluir o teste
Razes analisando a troca de sinal
f (x) f (x + x) 0
Acima analisamos a busca de razes apenas testando quando o valor de f (x)

fosse pequeno:
(2.29)
Vamos mostrar, como um exemplo, que isto pode ser insuficiente.
2.2.1
que descobre quando f troca de sinal dentro de um intervalo.

O programa
x =
n
x=
enquanto (x < )
{
se (|f (x)| < ) ou (f (x)f (x + x) 0 )
{escreva x, f (x)};
x = x + x
}
An
alise do programa raizes01.c
Analise o que acontece com a funcao f (x) = x ao rodarmos o programa raizes01.c.

a = -3.2
b = 3
Sua busca de raizes no intervalo [ -3.2.000000 , 3.000000 ]
< 0.5
delta = 0.3
< 0.5
0.001
Erro : 0.001000
=================================================
Nenhuma raiz foi encontrada no intervalo dado !
Rode, novamente, o programa, com passo mais fino...
[1]
[1]
[2]
Comentando as etapas do programa

1. valores iniciais para as variaveis
3. o teste para encontrar as razes aproximadas tanto a verifica se modulo de
f e pequeno:
|f (x)| <
como tambem verifica se f troca de sinal no intervalo:
f (x)f (x + x) 0
O operador logico ou pesca se uma destas condicoes for satisfeita.
4. a progress
Veja o resultado deste programa mais especializado:
O programa nao encontrou

|f (x)| < 0.001
no intervalo considerado.
Em vez de procurar por um valor pequeno de |f (x)| e portanto depender da
relatividade do tamanho que se vai procurar, vamos verificar quando a funcao
troca de sinal.
[3]
[4]

a = -3 b = 3
< 0.5
delta = 0.15
2 tamanho
e um conceito relativo, depende de um referencial...
46

< 0.5
0.001000
Erro : 0.001000
=================================================
[-0.150000,0.000000]
[0.000000,0.150000]
O programa achou dois intervalos, num deles a funcao troca de sinal, no outro
a funcao e pequena. Veja outro exemplo:
47
de sinal, voce pode refinar sua pesquisa em sub-intervalos deste ate encontrar
um pequeno intervalo onde se encontra a raz.
Exerccios 6 Explorando raizes011.c
1. Leia o programa raizes011.c. Logo no incio o programa traz instruco
es
de como compilar e rodar um programa.
2. Leia o programa raizes011.c. Leia o coment
ario (10) que lhe explica que
o problema tem dados pre-definidos que voce pode aproveitar na primeira
vez que rodar o programa.
3. Leia o coment
ario (30) e elimine o teste do modulo maximo. Verifique
que alguma raiz pode ser perdida, dependendo da equaca
o que voce estiver
usando. Experimente v
arios tipos de equaco
es. Leia o coment
ario (50).
4. Altere o programa a vontade, deve haver uma c
opia em disco para voce
retornar a
` vers
ao original... faca suas experiencias.
2.3
Raz do tipo secante

a = -2
b = 2
< 0.5
delta = 0.15
< 0.5
0.01
Erro : 0.010000
=================================================
[-0.050000,0.100000]
Bastou que trocassemos os pontos inicial e final do intervalo de busca para
que o programa identificasse um u
nico intervalo onde h
a raz da funcao. Monitorando o programa conseguimos obter um resultado preciso.
Se voce nao souber programar, ou n
ao tiver acesso a um computador, se
tudo que voce tiver for uma m
aquina de calcular, o algoritmo analisando a
troca de sinal e o ideal. Depois de verificar num intervalo grande que f troca
Falamos na troca de sinal para encontrar razes de funco

es. A forma cl
assica
e o m
etodo
das secantes que vamos estudar mais a frente. Como preparaca
o para os m
etodos cl
assicos
vou fazer uma an
alise dos tipos de razes que irei classificar como do tipo secante e do tipo
tangente. Primeiro vamos discutir as razes do tipo secante.
Vamos nos aprofundar na analise de quando uma funcao se anula. Sao

desafios interessantes que temos pela frente. Os graficos podem ter curvas e
neste caso encontrar as razes exige mais domnio do assunto.
Observe o que nos diz a figura (fig. 2.5) pagina 48,
O grafico da funcao f corta o eixo OX em dois pontos.
Raz por tangencia Uma desta razes e do tipo tangente, veja o grafico,
(fig. 2.5).
O grafico de f tangencia o eixo OX, no ponto x1 e corta o eixo OX no
ponto x2 .
x1 e um ponto de tangencia, uma raiz em que
f (x1 ) = 0.
(2.30)
e nao seria possvel obter esta raz pelo metodo das secantes neste
ponto porque neste ponto (nesta raz) f nao troca de sinal. Aparentemente a u
nica forma de encontrar esta raz e usando o teste
|f (x)| <
(2.31)
Num ponto de tangencia, como x1 , o grafico pode ser comparado

com o grafico de uma parabola em que f << x. O smbolo <<
48
Esta raz possvel

de se determinar pelo
mtodo das secantes
49
hora de observar que igualdades e desigualdades sao sempre difceis de

E
serem obtidas com programas, e a razao esta descrita acima, a dificuldade
de comparar tamanhos.
mais simples e pratico usarmos o teste da troca de sinal
E
raz aproximada
obtida pelo mtodo
das secantes
f (x)f (x + x) 0
(2.34)
porque se o zero x2 [x, x+x] entao f tera sinais diferentes nos extremos
do intervalo.
2.3.1
x
1
x
raz impossvel
de se obter pelo
mtodo das secantes
Figura 2.5:
O m
etodo das secantes
se le muito menor do que. A tal ponto f << x que o quociente

3
x1 (f ) = f
x tem limite zero, quando x representar o zero . A
derivada e zero. Vou tratar deste caso na pr
oxima secao. Vamos
ver que existe outra maneira de encontrar esta raiz sem ser com a
desigualdade
|f (x)| <
(2.32)
que ja sabemos que e problem
atica porque depende de valor relativamente pequenos, coisas com que programas n
ao podem lidar de
forma efetiva.
ancia do gr
afico com
Raz por secancia o ponto x2 e um ponto de sec
o eixo OX e vou me especializar neste caso agora.
A outra raz e do tipo secante, o gr
afico graf (f ) corta o eixo OX de
forma semelhante a uma reta, neste ponto (nesta raz) f troca de sinal.
Aqui o teste
|f (x)| <
(2.33)
funciona mal porque e difcil comparar o tamanho de |f (x)| com o tamanho

de x e desta forma fica difcil definir um erro adequado.
3 ou,
como ainda se diz, quando x tender a zero
M
etodo da secante
O chamado metodo da secante consiste em substituir o grafico de f , num intervalo em que haja troca de sinal, pela reta secante obtida com os valores de f
nos extremos do intervalo.
Notacao: Vamos designar por [a, a + x] um intervalo que descobrimos4 em
que f troca de sinal.
Veja o grafico (fig. 2.5), pagina 48, e observe o ponto x2 . Na figura estou
salientando que a raiz da equacao do primeiro grau que representa a reta secante,
e uma aproximacao da raiz de f .
Queremos obter a raiz da funcao do primeiro grau cujo grafico passa no
pontos
(2.35)
(a, f (a)), (a + x, f (a + x))
entao precisamos da equacao da reta que passa por estes dois pontos. Relembrando a equacao da reta que passa num ponto com coeficiente angular m dado
chegamos à equacao que nos interessa:
m=
f (a+x)f (a)
a+xa
f (a+x)f (a)
x
a f
x
y f (a) = m(x a)
fazendo y = 0 em y f (a) = m(x a)
(a)
y = 0 x a = fm
s0 = a
f (a)
m
(2.36)
(2.37)
(2.38)
(2.39)
(2.40)
a raz aproximada que estamos procurando e

s0 = a
f (a)
m
(2.41)
4 N
ao se esqueca de que chegamos at
e aqui dentro de um programa que fez uma varredura apenas testando troca de sinal e agora vamos entrar numa sub-rotina chamada
procura raiz secante()
50
Nao se perca com a mudanca de notacao.

Chegamos aqui, olhe a figura (fig. 2.5), p
agina 48, porque sabemos que existe
um ponto designado por x2 que e a raiz exata que gostariamos de encontrar.
Resolvemos uma equacao do primeiro grau para encontrar a raz da reta secante
e estamos chamando s0 ao primeiro ponto de uma sucess
ao de pontos que
esperamos que convirjam para a raz
s n x2
certamente ha uma troca de sinal em um destes intervalos porque havia

troca de sinal no intervalo primitivo
[a0 , b0 ];
x2 e o limite da sucessao sn
a0 = a; b0 = a0 + x;
m0 =
y f (a0 ) = m0 (x a0 )
y = f (a0 ) + m0 (x a0 )
y = 0 s0 a0 =
f (b0 ) f (a0 )
b0 a0
(a0 )
fm
0
(2.43)
a
e a t
ecnica que estamos utilizando, montamos a teoria usando os casos simples, depois
iremos test
a-la e procurar algoritmos mais robustos
Testamos a troca de sinal e no intervalo onde ela se verificar, tracamos5

nova reta secante usando os extremos para determinar agora o ponto s2
da sucessao:
(2.44)
(2.45)
a0 = a; b0 = b;
(2.51)
(2.46)
(2.47)
Se f (a0 )f (s0 ) 0
entao b1 = s0 ; a1 = a0 ;
(2.52)
(2.53)
senao b1 = b0 ; a1 = s0 ;
(2.54)
uma raz aproximada inicial

s0 = a0
f (a0 )
m0
m1 =
(2.48)
a u
nica modificacao foi que designamos por m0 o coeficiente angular da reta
secante no intervalo onde (o programa) detectou a troca de sinal, e usamos a0 , b0
para representar os extremos do intervalo inicial, porque isto vai uniformizar a
notacao.
Leia com calma e vera que e verdade, n
ao foi para complicar, foi para tornar
mais claro (padronizar).
Porque agora vamos considerar um segundo intervalo, um sub-intervalo deste
primeiro.
Veja a construcao do algoritmo.
f (b1 )f (a1 )
b1 a1
(2.55)
y=0
y = r1 (x) = f (a1 ) + m1 (x a1 )
x = s1 = a1
f (a1 )
m1
an , bn , mn =
f (bn )f (an )
bn an
y = rn (x) = f (an ) + mn (x an )
x = sn = an
f (an )
mn
em que e a precisao com que desejamos calcular a raz.
em dois sub-intervalos
5 n
ao
(2.49)
(2.57)
(2.58)
y=0
|f (sn)| <
[a0 , b0 ]
(2.56)
iteramos este processo para encontrar
ate que o teste
O ponto s0 associado ao coeficiente angular m0 , divide o intervalo
[a0 , s0 ] , [s0 , b0 ]
(2.50)
Problema
Pode haver mais de uma troca de sinal e isto pode representar um complicador para o algoritmo, o programa pode simplesmente se perder em buscas
indefinidas... Logo diremos como podemos controlar este problema.
Mas vamos supor a situacao mais benignaa e para depois procurar melhores
algoritmos.
(2.42)
Ao iterarmos este processo vamos criar a sucess

ao (sn ) referida acima. Precisamos re-escrever as equacoes acima alterando a notacao de forma a sermos
conduzidos a uma expressao (matem
atica) adequada. Depois vou transformar
as equacoes matematicas no algoritmo computacional que e muito mais simples,
e se voce preferir (nao deve) pode saltar direto para o algoritmo computacional.
Repetindo (e alterando a notacao) temos:
51
tracamos nada, apenas calculamos a raz da equaca

o do primeiro grau
(2.59)
(2.60)
52
Observa
c
ao 3 Voce pode fazer isto com calc
A linguagem de programaca
o calc e injustamente chamada de C interpretado, e uma outra linguagem de programaca
o que tem uma precis
ao infinita,
coisa que C n
ao tem. Mas se parece com C e pode servir para fazer prot
otipos
de programas em C.
Veja uma sess
ao para obter a sucess
ao de razes de uma funca
o. Depois
que voce rodar o script do calc, volte e releia as contas matem
aticas que v
ao
da equaca
o (51) ate a equaca
o (60) a respeito das quais voce, provavelmente,
pensou que o autor estava complicando, para ver que e, exatamente, o que a
m
aquina precisa para pensar corretamente e lhe dar os resultados certos.
m1 = (f(b1)-f(a1))/(b1 - a1);
s1 = a1 - f(a1)/m1;
print s1;
-4.01048304495901701641
if (f(a1)*f(s1) <= 0 ) { b2 = s1; a2 = a1;}
m2 = (f(b2)-f(a2))/(b2 - a2);
s2 = a2 - f(a2)/m2;
print s2;
-4.00121371137763323854
if (f(a2)*f(s2) <= 0 ) { b3 = s2; a3 = a2;}
m3 = (f(b3)-f(a3))/(b3 - a3);
s3 = a3 - f(a3)/m3;
print s3;
-4.00014094678986900281
if (f(a3)*f(s3) <= 0 ) { b4 = s3; a4 = a3;}
53
else {a4 = s3; b4 = b3;};
m4 = (f(b4)-f(a4))/(b4 - a4);
s4 = a4 - f(a4)/m4;
print s4;
-4.00001637370536391669
A notacao matematica tem que passar por pelas quatro sucessoes
(an )n , (bn )n , (mn )n , (sn )n
define f(x) {return sin(1 +x/4)*(x+1)}

x = -10
delta = 0.7
while (f(x)*f(x+delta) >= 0){
x = x + delta;
print x,;
}
print x-delta, x ;
## o resultado
e o intervalo [-5.1 ,-4.4]
a0 = -5.1;
b0 = -4.4;
m0 = (f(b0)-f(a0))/(b0 - a0);
s0 = a0 - f(a0)/m0;
print s0;
-4.09298252718108963004
if (f(a0)*f(s0) <= 0 ) { b1 = s0; a1 = a0;}
else {a1 = s0; b1 = b0;};
que irao definir os novos sub-intervalos que iremos encontrar.

A notacao computacional nos permite calcular as razes, com um programa,
e a notacao matematica nos permite provar que ela existe.
Sao duas coisas distintas e somente podemos rodar programas se pudermos
provar que eles chegarao em algum resultado. O contrario e inocuo.
No captulo 0 vamos discutir melhor os metodos matematicos que determinam as razes dentro de um quadro mais geral. Todos os metodos que estamos
usando aqui sao recursivos e o o captulo 0 vai discutir recursividade. Claro,
voce pode, e deve, chegar ate o o captulo 0 agora para entender melhor o que
estamos fazendo e comecar a ler sobre este outro assunto. O livro esta departamentalizado por uma questao de organizacao, mas voce nao precisa ficar preso
a estas paredes.
Vou transformar o metodo matematico no algoritmo computacional, ate
mesmo porque voce podera rodar o algoritmo e isto lhe servira de motivacao
para entender melhor o metodo matematico.
O algoritmo do m
etodo da secante I
else {a2 = s1; b2 = b1;};
Comece analisando a figura (2.6) pagina 54, que e um fluxograma, um planejamento visual que fazemos antes de escrever um programa.
No centro da figura (2.6) voce pode observar um caminho, indicado pelas
seta que sai do diamante que representa o teste de parada do programa
|f (a)| > epsilon
(2.61)
que e uma mistura de Matematica e computacao.

Numa linguagem de computacao deveria6 estar
(abs(f (a)) > epsilon)
else {a3 = s2; b3 = b2;};
Tambem nao aparecem sn porque numa linguagem de programacao os valores

se encontram em memorias cujos enderecos estao associados a variaveis, e e isto
que o programador deve ver os nomes das variaveis (e nao o endereco onde os
dados estao guardados).
6 em
Pascal a funca
o valor absoluto
e abs(), em C
e fabsf()
54
F
| f(a) | > epsilon
55
O programa escolhe quem vai ser indicada como raz aproximada, se e a,

ou s ou b, ou como em alguns dos nossos programas
f troca de sinal em
[a,b]
Mtodo da secante
a+b
2
m = (f(b)f(a))/(ba)
r(x) = f(a) + m(x a)
pura questao de gosto do programador. Se o programador for mais exigente aplicaria o teste da (62) a estes quatro candidatos para escolher
aquele que ofereca uma precisao maior.
s a raz de r
Matem
atica do M
etodo da secante
a a raz
aproximada
Vamos repetir de forma suscinta, tanto os calculos matematicos como o algoritmo computacional nesta secao e na proxima.
Para construir a formulacao matematica do metodo, vou mais uma vez retomar a sequencia de equacoes em que calculei a raiz, alterando novamente a
notacao. Repetindo (e alterando a notacao) temos:
com erro epsilon

V
b=s
f(s)f(a)<=0
F
a=s
Figura 2.6:
Fluxograma - m
etodo da secante
(2.63)
x0 = b0 a0
(2.64)
y f (a0 ) = m0 (x a0 )
y = f (a0 ) + m0 (x a0 )
(2.66)
(2.67)
m0 =
Entramos no algoritmo quando descobrimos que h

a uma troca de sinal no
intervalo [a, b] e calculamos, sucessivamente, m, r(x), s.
Somos levados agora ao teste que vai decidir em que intervalo h
a nova
troca de sinal
f (s)f (a) <= 0
[a, a + x] = [a0 , b0 ]
y = 0 s0 = a0
O teste resultando em verdadeiro o programa vai colocar o valor s

na memoria apontada pela vari
avel b.
s0 = a0
Este novo intervalo continua sendo designado por [a, b] e se o teste de

parada do algoritmo, na equacao (62), resultar em verdadeiro novo ciclo
vai ser efetuado. Se for falso significa que a precis
ao esperada j
a foi
atingida e portanto o algoritmo para.
f (a0 )
m0
(2.68)
f (a0 )
m0
(2.69)
Agora determinamos em qual dos sub-intervalos ha troca de sinal (se houver

nos dois7 , o programa tera que se lembrar disto para fazer nova busca no outro
interval):
Se o teste resultar em falso o programa vai colocar o valor s na

memoria apontada pela vari
avel a.
Neste escolha a variavel que n
ao foi usada fica com o seu valor primitivo.
(2.65)
a primeira versao da raz aproximada que achamos foi
(2.62)
Um novo intervalo, onde se verifica a troca de sinal, e calculado:
f (b0 )f (a0 )
x0
f (a0 )f (s0 ) 0 ; f (s0 )f (b0 ) 0
(2.70)
Vou simplificar a redacao sob a suposicao de que apenas um destes produtos

e negativo (mas fica claro que e uma simplificacao e que o programa tem que ir
em busca da outra possibilidade).
se (f (a0 )f (s0 ) 0)[a1 , b1 ] = [a0 , s0 ]
senao [a1 , b1 ] = [s0 , b0 ]
7 observe
que isto significa que h

a mais de uma raiz no intervalo
(2.71)
(2.72)
56
57
o que nos levara a definir m1 e s1

[a1 , b1 ]
x1 = b1 a1
)f (a1 )
m1 = f (b1x
1
y f (a1 ) = m1 (x a1 )
f (a1 ) = m1 (x1 a1 )
s1 = a1
f (a1 )
m1
(2.73)
(2.74)
(2.75)
(2.76)
(2.77)
(2.78)
(2.79)
f (a1 )
m1
(2.80)
Podemos provar, usando inducao finita, que

sn = an
f (an )
mn
(2.81)
definindo as quatro sucess

oes,
ak , bk , mk =
f (bk ) f (ak )
f (ak )
, sk = ak
bk ak
mk
(2.82)
Algoritmo do M
etodo da secante II
[a, b] e o intervalo onde h

a troca de sinal
f (b)f (a)
ba
y f (a) = m(x a)
(a)
y = 0 x a = fm
x=a
e seguimos no laco com as variaveis tendo assumido os novos valores. Sera

preciso um condicional para que o processo pare. Isto pode ser feito de duas
maneiras:
com um contador estipulando-se o n
umero maximo de iteracoes;
testando em cada passo a precisao da raiz aproximada obtida.
2.4
A raiz num ponto de tang

encia
Vamos agora estudar como podemos descobrir a raiz quando ela for um ponto em que a
funca
o tang
encia o eixo OX. O m
etodo consiste em usar a troca de sinal da derivada. Vou
comecar mostrando alguns exemplos gr
aficos para ilustrar as dificuldades e como podemos
sair delas.
Para lhe dar uma visao da necessidade de um pouco mais de teoria, comece
resolvendo os exerccios seguintes sobre os quais eu farei comentarios em seguida.
A figura (fig. 2.5) pagina 48 e a referencia para as experiencias que vamos
comecar fazendo, nela ha uma raiz num ponto de tangencia do grafico com o
eixo OX e o objetivo e produzir um programa que consiga descobrir esta raiz.
Exerccios 7 Usando raizes011.c
A notacao computacional e mais simples. Vamos usar a mesma tecnica, copiando

a equacao e alterando a notacao. Repetindo (e alterando a notacao) temos.
Simplesmente chamamos de [a, b] o intervalo onde foi detectada a troca de
sinal
m=
(2.89)
(2.90)
O programas raizes013.c faz isto, rode e leia o programa.
achamos assim a segunda vers

ao da raz aproximada
s1 = a1
f (a)f (x) 0 [a, b] = [a, x]

f (x)f (b) 0 [a, b] = [x, b]
f (a)
m
(2.83)
(2.84)
(2.85)
(2.86)
(2.87)
a raz aproximada que estamos procurando, no primeiro passo e

f (a)
x=a
m
e agora tomamos a decisao sobre a nova troca de sinal
(2.88)
1. Edite o programa raizes011.c e escolha a funca

o
f (x) = (x + 3)(x + 3)(x 2)
que pode estar desligada (com o smbolo de coment
ario) na vers
ao que
voce tiver do programa. Depois compile e rode o programa com os valores
pre-definidos que ele tem (de enter em todas as perguntas do programa).
Analise o resultado.
2. Rode novamente o programa usando os valores pre-determinados, entretanto responda com o valor 0.1 para a precis
ao (quando o programa
solicitar o valor da vari
avel epsilon). Observe que o resultado ficou diferente.
3. Rode novamente o programa usando os valores pre-determinados, mas escolha um valor grande para a norma da partica
o. Sugest
ao x = 1.
Comentando os resultados do programa nas experiencias que voce fez usando
os valores pre-deteminados no programa.
58
Quando = x o programa encontrou diversas razes que na verdade representam a mesma raiz exata x = 3. Veja uma replica dos resultados
do programa captados8 por um editor de textos:
Forne
ca-me o intervalo [a,b] para busca de raizes:
a =
b =
Forne
ca-me o passo delta da malha para a busca:
Sugest~
ao 0.01 < delta
< 0.5
delta =
Forne
ca-me o erro epsilon (m
odulo m
aximo) :
Sugest~
ao 0.01 < epsilon
< 0.5
epsilon
=
Sua busca de ra
zes no intervalo [-5.000000 , 5.000000]
Precis~
ao da malha: 0.100000
Erro (m
odulo m
aximo): 0.100000
=================================================
Ra
z prov
avel da fun
c~
ao no intervalo
[-3.100002,-3.000002]
e 0.051002
e 0.000000
Ra
z prov
avel da fun
c~
ao no intervalo
[-3.000002,-2.900002]
e 0.000000
e 0.048998
Ra
z prov
avel da fun
c~
ao no intervalo
[-2.900002,-2.800002]
e 0.048998
e 0.191996
ao valores pr
oximos de 3
Estas razes representam todas a raiz x = -3 - s
que o programa captou. Achou tambem a raiz x = 2
Ra
z prov
avel da fun
c~
ao no intervalo
[1.999998,2.099998]
valor de f no ponto 1.999998
e 0.000057
e -2.600939
Quando << x lhe sugeri no exerccio que voce usasse 0.1 o programa
achou uma representacao para cada uma das razes existentes:
8 o editor de textos joe, permite que voc
e rode programa dentro dele e consequentemente
pode captar os resultados do programa
59
Forne
ca-me o intervalo [a,b] para busca de raizes:
a =
b =
Forne
ca-me o passo delta da malha para a busca:
Sugest~
ao 0.01 < delta
< 0.5
delta = 0.3
Forne
ca-me o erro epsilon (m
odulo m
aximo) :
Sugest~
ao 0.01 < epsilon
< 0.5
epsilon
= 0.1
Sua busca de ra
zes no intervalo [-5.000000 , 5.000000]
Precis~
ao da malha: 0.300000
Erro (m
odulo m
aximo): 0.100000
=================================================
Ra
z prov
avel da fun
c~
ao no intervalo
[-2.900000,-2.600000]
e 0.049000
e 0.736001
Ra
z prov
avel da fun
c~
ao no intervalo
[1.900000,2.200000]
e 2.400998
e -5.408001
Vamos agora continuar as experiencias agora usando o programa raizes012.c
Exerccios 8 Experiencias com raizes012.c
1. Leia o programa raizes012.c e verifique se a funca
o escolhida e f (x) =
(x + 3)(x + 3)(x 2). Se n
ao for selecione9 esta funca
o cujo gr
afico e
semelhante ao da figura (fig. 2.5).
2. Leia o programa raizes012.c. Ele e uma alteraca
o de raizes011.c.
Leia tambem os coment
arios dentro do programa. Compile e rode o programa usando os valores predefinidos no programa. O programa escolhe,
ele mesmo, o valor da precis
ao , verifique isto. Veja o coment
ario (41)
do programa, veja como foi calculado .
3. O programa, como os valores pre-definidos, encontrou as razes 3, 2.
Teste o programa com valores diferntes para a norma da malha.
4. Rode raizes012.c alterando a equaca
o de f para f (x) = (x 1)2 (1 +
7(x + 1)2 ). Observe que esta equaca
o j
a se encontra no programa, mas
desligada por um coment
ario. Basta lig
a-la.
9 voce pode ligar ou desligar uma express
ao colocando ou apagando o smbolo de coment
ario // na frente, n
ao precisa apagar
60
5. Teste o programa com outras equaco

es e nestes casos altere o intervalo de
busca. Isto pode ser feito dentro do programa ou respondendo a
`s perguntas
que o programa fizer.
Vamos entender o metodo utilizado no programa raizes012.c. Num ponto
de tangencia com o eixo OX a derivada troca de sinal e podemos nos aproveitar
disto para encontrar a raiz evitando a perigosa comparacao
|f (x)| < .
(2.91)
Analise a figura (fig. 2.7), p

agina 60. Vamos tirar algumas informacoes desta
figura.
No ponto a temos uma raz do tipo tangente,
e marcamos dois pontos, a, a+, anterior e posterior10 , ao ponto a,
fizemos os graficos das retas tangentes em (a, f (a)), e (a+, f (a+)).
f
a+
O coeficiente angular da
reta tangente negativo
Figura 2.7:
O coeficiente angular da
reta tangente positivo
Num ponto de tang

encia, tipo parab
olico
Voce pode ver que antes e depois do ponto de tangencia, o coeficiente

angular da reta tangente tem sinais diferentes:
sinal(a (f )) 6= sinal(a+ (f ))
f
sinal( f
x |a ) 6= sinal( x |a+ )
10 a,
61
Como x > 0 entao11 podemos comparar apenas os numeradores12 . Analisaremos apenas os produtos dos n
umeradores, o produto de dois valores
sucessivos de f ao longo da varredura. Estamos evitando os quocientes:
f (a) f (a + ) < 0
(2.94)
para verificar se e um ponto de tangencia de tipo parabolico.

Se for uma tangencia do tipo ponto de inflexao o programa continuara
fazendo o teste de troca de sinal de f .
Caracterizamos estes dois tipos de razes, veja a figura (fig. 2.5), como
raiz tangente, e o que acontece no ponto x1 em que o grafico da funcao
tangencia o eixo OX;
raiz secante, e o que acontece no ponto x2 em que o grafico da funcao
corta o eixo OX. Fica includa, aqui o caso de tangente com ponto de
inflexao.
raiz tangente - num ponto de inflexao vamos trata-lo como um ponto de
secancia porque nele a funcao troca de sinal.
Vamos agora observar o que acontece no grafico representado na figura (fig.
2.8) pagina 62,
Neste grafico a figura nos mostra dois pontos em que a derivada se anula,
mas apenas o ponto x2 e o que nos interessa.
Entao foi preciso incluir no programa raizes012.c um teste complementar
ao teste de troca de sinal da derivada.
Tanto em x1 , como em x2 , na (fig. 2.8), a derivada troca de sinal. Mas
apenas em x2 a funcao e pequena.
Este e o resultado do exerccio em que lhe foi pedido que rodasse o programa
com a funcao
f (x) = (x 1)2 (1 + 7(x + 1)2 ).
(2.92)
(2.93)
a+ s
ao notaco
es padr
ao em Matem
atica para representar pontos anterior e posterior
ao ponto a
O grafico desta funcao se assemelha ao grafico na figura (fig. 2.8). Voce pode
obter este grafico usando Gnuplot, nao se esqueca de usar o comando
set xrange [-4:3]
para instruir Gnuplot a considerar o grafico sobre o intervalo [4, 3] afim de que
voce consiga ver alguma coisa interessante. Se voce nao fizer isto ele vai usar o
intervalo padr
ao, [10, 10].
Vimos assim o metodo para separar estas duas situacoes dentro de uma
analise automatica (dentro de um programa). O algoritmo ira fazer os dois testes
em cada ponto da varredura, ira aceitar o ponto x2 como uma raiz aproximada
e descartar o ponto x1 . Estamos nos referindo ainda à figura (fig. 2.8).
Observe que terminamos por voltar a usar a desigualdade, agora apenas em
uma forma complementar. Assim ela funciona.
11 x n
ao precisa ser positivo, mas tradicionalmente consideramos assim para que o seu
valor concida com o comprimento do intervalo considerado
12 aqui voc
e tem a t
ecnica prometida no captulo das derivadas, em vez de usarmos derivada,
estamos usando derivada aproximada
62
63
Comecaremos mostrando um exemplo em que o metodo funciona,

depois um exemplo em que ele nao pode funcionar.
Vamos transformar o metodo em um programa de computador e encontrar
algumas razes. Voce podera rodar o programa e experimentar o resultado.
Finalmente vamos discutir em que condicoes (hipoteses) o metodo da tangente pode ser aplicado e um programa de computador em que ele e usado
intensivamente junto com o metodo da secante.
x2
x1
2.5.1
Como funciona o m
etodo da tangente
Veja as figuras (fig. 2.9) pagina 63 que nos mostram como funciona o metodo.
A derivada se anula
no ponto x1 mas ele no
uma raiz
Figura 2.8:
Aqui a derivada se anula

raz exata
e tambm uma raiz
Quando a derivada
e zero
Exerccios 9
1. Leia o programa raizes013.c e identifique onde o programa verifica a troca de sinal de f e da derivada.
2. Rode o programa com cada uma das tres funco
es definidas no programa.
Com os dados pre definidos os resultados n
ao s
ao muito bons, aumente a
precis
ao da malha em experiencias sucessivas.
3. Defina novas funco
es para testar o programa.
2.5
f
raz aproximada
obtida por uma tangente
O m
etodo da tangente
Vamos estudar o m
etodo da tangente para determinaca
o aproximada da raz de uma funca
o.
Evite confundir-se, nas seco
es anteriores falamos de raiz (do tipo) tangente, s
ao as razes
m
ultiplas, em que o graf (f )
e tangente ao eixo OX. Agora vamos discutir o m
etodo da
tangente para determinar razes.
natural observar, pese o trocadilho, que o m
E
etodo da tangente serve para encontrar razes
(do tipo) tangente. . .
S
ao duas coisas diferentes os tipos como classificamos as raizes, tangente, secantes e os
m
etodos cl
assicos, com estes nomes, para determinar razes, metodo da tangente, que vamos
estudar agora e m
etodo da secante que usamos rapidamente na seca
o anterior. Comecaremos
por mostrar as limitaco
es do m
etodo. A crtica se encontra no contexto, ao iniciarmos o
captulo chamamos sua atenca
o para a dificuldade de resolver o problema que nos ocupa
aqui, estamos apenas ressaltando, em cada momento as dificuldades que aparecem.
O plano do trabalho:
A raz
exata
esta
Razes aproximadas
por retas tangentes
Figura 2.9:
Uma sequ
encia de retas tangentes...
64
Com uma sequencia de retas tangentes vamos encontrar uma sequencia de

pontos x0 , x1 , . . . que se aproximam de uma raz, a sequencia converge para a
raz da funcao f .
Descricao do metodo:
65
A raiz da reta tangente em A B

a raiz da reta tangente em B A ...
Ponto inicial Escolhemos um ponto inicial x0 e nele tracamos uma reta

tangente ao grafico de f ;
f
Ponto inicial o metodo somente se aplica em razes do tipo secante ou

do tipo tangente portanto temos que encontrar um intervalo em que haja
troca de sinal de f ou de f . O ponto inicial a0 e um dos extremos deste
intervalo de troca de sinal;
Segundo ponto Escrevemos a equacao da reta tangente em (a0 , f (a0 )) e
cuja raiz encontramos, este e o ponto s0 da sucess
ao;
afico de f no ponto
Iteramos o processo, tracando a reta tangente ao gr
(s0 , f (s0 )), resolvendo a nova equacao do primeiro grau correspondente a
esta nova reta tangente encontrando assim s2 , s3 , . . . , sn
A sucessao (sn )n>0 converge para uma raiz de f
sn s a raz exata
f (sn ) f (s) = 0
f (sn ) 0
(2.95)
(2.96)
(2.97)
e sn e uma raiz aproximada de f .

No algoritmo, que acabamos de descrever, usamos a express
ao escolhemos
um ponto inicial. Estamos fazendo uso de uns do metodos mais controversiais
da Matematica, a escolha. Controversial porque funciona e tambem porque
envolve uma dos problemas abertos da Matem
atica, o axioma da escolha.
Como escolher um elemento pr
oximo de um ponto desconhecido ? Em algumas circunstancias podemos provar que o metodo funciona.
2.5.2
E quando o m
etodo n
ao funciona ?
Mas vamos logo ver quando deixa de funcionar. Na figura (fig. 2.10) p
agina 65,
Consideramos a reta tangente no (A, f (A)); A raiz da reta tangente em A
e B;
Esta reta tangente tem como raiz o ponto x = B
Consideramos entao a reta tangente no ponto (B, f (B)) corta o eixo OX
no ponto x = A e a raiz da reta tangente em B e A ...
Figura 2.10:
Duas tangentes se reproduzindo indefinidamente
Vemos que caimos num circulo vicioso. O programa que fizermos caira em
loop infinito.
Obviamente este e um exemplo raro de acontecer, ele apenas mostra que
o risco existe e uma intervencao do usuario do programa pode prevenir contra
este acontecimento com uma troca do ponto inicial. No intervalo que a figura
(2.10) exibe o problema, podemos escolher um ponto inicial diferente de A ou
B para evitar o ciclo vicioso.
preciso incluir no programa um teto de operacoes que ao ser atingido sem
E
sucesso o programa sugira ao usuario alterar um pouco um dos extremos do
intervalo inicial. Voce pode ver na figura (fig. 2.10) pagina 65 que uma altercao
no valor de A faz com que a sucessao dos zeros das retas tangentes convirja para
uma das razes.
2.5.3
Funciona com precis

ao, se funcionar
Considere o ponto a escolhido para tracarmos a reta tangente por (a, f (a))
A equacao da reta tangente sendo
(2.9
(2.9
a0 = a = s0
y f (a0 ) = f (a0 )(x a0 )
y = 0 s0 = a0
s1 = s0
f (a0 )
f (a0 )
f (s0 )
f (s0 )
= T (a0 ) = T (s0 )
= T (s0 )
(2.10
s2 = s1
f (s1 )
(2.10
= T (s1 ) = T (T
(s
f (s1 )
(2.10
66
67
podemos ver que a lei de formaca

o dos elementos da sucess
ao e
sn = sn1
f (sn1 )
= T n (s0 )
f (sn1 )
(2.103)
em que na equacao (103) a potencia aplicada no operador T representa

repeticao do operador aplicado no ponto inicial. Seria interessante fazer
uma primeira leitura do captulo 0, se voce ainda n
ao tiver feito isto, para
reconhecer que estamos lidando com express
oes recursivas.
Assim,
cada nova raz da funcao do primeiro grau tangente, se expressa sempre da mesma maneira usando a anterior,
a potencia da transformacao T , indica o n
umero de vezes que
ela foi aplicada ao ponto inicial a, funca
o de funca
o.
o que chamamos de iteraco
E
es de T . Na equacao (eq. 103) se est
a
indicando que calculamos a terceira iterada de T .
Falta-nos provar que a sucess
ao assim obtida se aproxima da raz exata,
ou tem algum limite.
Este e um exemplo de recursividade, semelhante ao que vamos usar no c
alculo
de razes, na busca binaria. .
Vamos discutir recursividade no captulo 0.
O metodo Matematico para obter demonstracoes passa pela abstraca
o das
expressoes. Suponhamos que a sucess
ao produzida pelas iteradas de T seja
convergente (tenha limite) e chamemos este limite de b.
Como T e uma funcao contnua em qualquer intervalo em que a derivada de
f nao se anule, (vamos admitir esta hip
otese) temos
xn+1 = T (xn ) b
(2.104)
como T e contnua T (b) = b = b

b=b
f (b)
f (b)
f (b)
f (b)
f (b)
f (b)
=0
como por hip

otese f (b) 6= 0 ent
ao f (b) = 0
(2.105)
(2.106)
(2.107)
ou seja, a hipotese de que a sucess

ao seja convergente nos conduz a que o limite
seja uma raz de f .
Uma consequencia dos calculos acima e que
T (b) = b.
(2.108)
Quando isto acontece dizemos que o ponto b e um ponto fixo da funcao T

Vamos obter uma condicao suficiente para que T tenha um ponto fixo.
Comecando por relembrar a aproximacao linear dada pela derivada, da qual
extrairemos a condicao que desejamos.
T (b) T (a) = T (a)(b a) + o(b a)

(2.109)
|x2 x1 | = |T (x1 ) T (x0 )| = |T (x0 )||x1 x0 | + o(|x1 x0 |) (2.110)
|x3 x2 | = |T (x2 ) T (x1 )| = |T (x1 )||x2 x1 | + o(|x2 x1 |) (2.111)
(2.112)
|xn xn1 | = |T (xn1 ) T (xn2 )| =
(2.113)
= |T (xn2 )||xn1 xn2 | + o(|xn1 xn2 |)
(2.114)
Na (eq. 109) aplicamos a formula de aproximacao linear pela derivada.

Na (eq. 110) voltamos a usar a mesma aproximacao, mas agora, e sucessivamente, nas seguintes, estamos aplicando aos elementos que foram sendo obtidos
pela iteracao do metodo das tangentes.
Como queremos que a sucessao seja convergente, e portanto que a distancia
entre dois novos pontos seja cada vez menor, vamos impor uma semelhanca com
as series geometricas.
Vemos que a cada dois novos pares de pontos da sucessao surge como multiplicador T (a) em que a e um dos pontos anteriores. Basta-nos que a derivada
de T seja menor do que 1 para a comparacao com as series geometricas tenha
sucesso.
Esta e a hipotese que precisamos.
Derivando T quando f for um polinomio de grau maior do que 2, temos
T (x) = x
|T (x)| =
f (x)
f (x)
(x)
| f (x)f
f (x)2 |
(2.115)
(2.116)
(2.117)
A fracao racional que aparece como derivada de T tem polinomios de mesmo

grau no denominador e no denominador: 2n 2 em que n e o grau de f com
termos lider igual
(2.118)
n(n 1)a2n x2n2 ; n2 a2n x2n2
respectivamente, no numerador e no denominador. Portanto, exceto no pontos
em que o denominador se anule e numa vizinhanca destes pontos, a derivada
e menor do que 1 em modulo o que fara que com que o metodo da tangente
produza iteradas que convirjam para uma raz, se alguma houver.
Demonstramos assim
Teorema 1 Metodo da tangente
Se f for uma funca
o polinomial de grau maior do que 2, as iteradas de
convergem
para uma raz de f
T (x) = x ff(x)
(x)
Infelizmente nao podemos aplicar o metodo arbitrariamente. Ele tem que ser
monitorado, ja vimos um exemplo grafico mostrando que nem sempre o metodo
funciona.
68
Exemplo 4 Iteradas do metodo da tangente

Dentro do Gnuplot voce pode executar a sequencia de comandos abaixo. O
resultado ser
a o gr
afico das sucessivas retas tangentes cujas razes se aproximam
da raz x = 1 de
f (x) = x3 + x2 + x + 1
set xrange [-3:3]
f(x) = x**3 + x**2 + x + 1
df(x) = 3*x**2 + 2*x + 1
a = -2.0
reta(x) = f(a) + df(a)*(x-a)
plot reta(x),f(x),0
pause -2
a = a - f(a)/df(a) // calculo de novo valor para a
plot reta(x),f(x),0
pause -2
// calculo de novo valor para a
a = a - f(a)/df(a)
plot reta(x),f(x),0
pause -2
// calculo de novo valor para a
define f(x){return x**3 +x**2 +x +1;}

define df(x){return 3*x**2 + 2*x + 1;}
es, s
ao:
Os valores de a para seis iteraco
define T(x) {return x - f(x)/df(x);}

principal(-2,10);
quit;
-2
-1.44444444444444444444
-1.13057124921531701193
-1.01497995228090965490
-1.00022106301976068486
-1.00000004885805680258
onde vemos o valor 1.00000004885805680258 para raz aproximada de
Veja outra iteraca
o, em que usamos como ponto inicial x = 20
-20
-13.43755383290267011197
-9.05962558919570544190
-6.13716679398553077204
-4.18447916859825334681
-2.87926553135386543847
-2.01119102134060700997
-1.45135929223981982374
-1.13389377376757093773
-1.01570113608729869728
-1.00024268578025712329
-1.00000005888209635796
define principal(a,p)
{
if (p) {printf("%f \n",a);principal(T(a),p-1);}
}

plot reta(x),f(x),0
pause -2
f (x) = x3 + x2 + x + 1; f (1) = 0
69
e vemos que novamente o algoritmo produz uma sucess

ao convergindo para a
raiz x = 1. Estas duas sequencias foram obtidas com calc e o programa
e o seguinte em que uma funca
o recursiva, principal() est
a se chamando a
si pr
opria enquanto o par
ametro p for estritamente positivo. Quando p = 0 o
processo para. Copie esta sequencia em um arquivo, por exemplo, raizes.calc
e depois chame
calc < raizes.calc
e voce poder
a repetir a experiencia feita acima. Troque a equaca
o da funca
o
para calcular razes de outras funco
es.

plot reta(x),f(x),0
pause -2
a = a - f(a)/df(a)
plot reta(x),f(x),0
pause -2
(2.119)
Na pen
ultima linha se encontra o comando que bota o programa para rodar:
principal(-2,10). O primeiro par
ametro, a = 2 e o ponto inicial, e o
segundo par
ametro, p = 10 e o n
umero de iteraco
es que desejarmos.
Troque a equaca
o de f e de sua derivada df e repita a experiencia com outra
funca
o. Logo no primeiro passo voce ver
a se o processo conduz, ou n
ao a alguma
raz.
Experimente
f (x) = x2 + 1
70
que n
ao tem razes reais. Use um n
umero de pequeno de iteraco
es, 10 no
m
aximo.
2.6
71
Itere o processo para obter o proximo intervalo;

O resultado deste processo e uma sucessao de intervalos cuja medida sera
sempre a metade do anterior, tendo partido de um intervalo de medida
Busca bin
aria
r = b a = b0 a0
Vamos estudar aqui o metodo busca bin
aria para determinacao de razes.
A busca bin
aria e um metodo matem
atico antigo, o matem
atico Dedekind
o utilizou para definir n
umeros reais, os chamados cortes de Dedekind, que
consistem em dividir a reta racional em duas semi-retas, numa se encontra o
ponto13 (n
umero real desejado) e assim sucessivamente vai sendo dividido o
conjunto Q dos n
umero racionais ate se obter uma aproximacao desejada de um
n
umero real (ou uma sucessao convergente).
Vamos usar esta ideia para produzir uma sucess
ao de razes aproximadas
convergindo para uma raiz de f .
Precisamos encontrar um intervalo em que f troque sinal e o processo e
muito semelhante ao do metodo da reta secante.
Descricao matematica do metodo:
Suponha que que no intervalo [a, b] = [a0 , b0 ]
Hip
otese 1 Existencia de raz em um subintervalo
f troque de sinal,
ou f troque de sinal, e f seja pequena.
Este intervalo pode ser obtido com uma varredura que pare quando uma
destas duas condicoes for satisfeita.
Selecione o ponto medio do intervalo
s0 =
b0 a0
2
(2.120)
e repita o teste 1 para descobrir em qual das duas metades esta a raz
procurada e defina

[a0 , s0 ] = [a1 , b1 ]
[s0 , b0 ] = [a1 , b1 ]
se hip
otese for verdadeira
se hip
otese for verdadeira
s1 =
13 eta
b1 a1
2
erro l
ogico... se o ponto estivesse a n
ao seria uma reta racional...
(2.121)
(2.122)
b a = b0 a0 = r
m([a0 , b0 ]) = r
m([a1 , b1 ]) = 2r
..
.
m([an , bn ]) =
r
2n
(2.123)
(2.124)
(2.125)
(2.126)
(2.127)
sendo esta uma convergencia muito rapida porque e dominada por progressao
geometrica de razao 21 . Veja abaixo o poder decrescente de uma progressao
geometrica num calculo executado por calc
C-style arbitrary precision calculator (version 2.11.10.1)
Calc is open software. For license details type: help copyright
[Type "exit" to exit, or "help" for help.]
; define f(n,r) {return r*power(1/2, n);}
f(n,r) defined
; r = 3
; k = 10
; for(n=0; n<= k; n++) {printf("%d --> %f \n", n, f(n,r));}
0 --> 3
1 --> 1.5
2 --> 0.75
3 --> 0.375
4 --> 0.1875
5 --> 0.09375
6 --> 0.046875
7 --> 0.0234375
8 --> 0.01171875
9 --> 0.005859375
10 --> 0.0029296875
;
na decima iterada, partindo de um intervalo de medida tres ja estamos com
um intervalo de medida 0.0029296875 e portanto ja teriamos uma aproximacao
da raiz com esta precisao. Como em geral vamos procurar mudancas de sinal
usando intervalos de medida 0.1 na decima iterada ja teriamos um intervalo medindo 0.00009765625 consequentemente nos oferecendo a raiz com esta precisao.
72
Exemplo 5 C
alculo de uma raiz
Considere a funca
o
f (x) = x3 + x2 + x + 1
(2.128)
que tem uma u

nica raiz no ponto x = 1, veja isto fazendo o gr
afico desta funca
o
com Gnuplot. Coloque set xrange [-2:2] para obter um gr
afico mais ntido.
Vou chamar Calc
C-style arbitrary precision calculator (version 2.11.10.1)
Calc is open software. For license details type: help copyright
[Type "exit" to exit, or "help" for help.]
define f(x) {return power(x,3) + power(x,2) + x + 1}
f(x) defined
define busca_binaria(a,b,n){
local x = (a+b)/2;
if (n==0) {printf("%f \n",x); return x;}
else
if (f(a)*f(x) ==0) return x;
else if (f(a)*f(x) < 0) busca_binaria(a,(a+b)/2,n-1);
else busca_binaria((a+b)/2,b,n-1);}
busca_binaria(a,b,n) defined
; busca_binaria(-3,3,10);
-0.9990234375
; busca_binaria(-3,3,20);
-0.99999904632568359375
busca_binaria(-1.1,-0.9,3)
-1
quit;
observe que no u
ltimo c
alculo usamos um intervalo de medida 0.2 e a busca
bin
aria encontrou a raiz com 3 iteraco
es. N
ao acredite que buscas bin
arias
encontrem razes exatas... este e um resultado muito bom. Use as definico
es
expostas acima, em Calc para construir outros exemplos.
Exemplo 6 As razes de (x 3)2 (x + 3)sin( x2x+1 )
O programa raizes014.c procura razes usando busca bin
aria nos pontos de
sec
ancia e analisa a troca de sinal da derivada nos pontos de tangencia. Veja o
resultado do programa procurando as razes de
f (x) = (x 3)2 (x + 3)sin(
x
)
x2 + 1
no intervalo [10, 10] em que h

a tres razes:
Raizes aproximadas - metodos da secante e tangente
(2.129)
73

a = -10.000000
b = 10.000000
Forneca-me o passo da malha para a busca:
< 0.5
delta = 0.050000
busca de raizes no intervalo [-10.000000, 10.000000]
Precisao da malha 0.050000
=================================================
Raiz, por busca bin
aria, prov
avel, da fun
c~
ao no intervalo
[-3.049978, -2.999978]
Raiz, por busca bin
aria, prov
avel, da fun
c~
ao no intervalo
[-0.049980, 0.000020]
Raiz, por tang^
encia, prov
avel, da fun
c~
ao no intervalo
[2.950018, 3.000018]
Encontrei 3 intervalos onde ha raizes
este resultados foram captados pelo editor Joe dentro do qual eu rodei uma
vers
ao compilada do programa raizes014.c.
Observa
c
ao 4 Ponto fixo e busca bin
aria
Neste captulo estudamos o problema
f (x) = 0
(2.130)
resolver uma equacoes.

Fomos omissos em n
ao dizer que tudo que fizemos vale para funco
es polinomiais. Na verdade sabemos que vale para funco
es n
ao polinomiais tambem, mas
com algumas restrico
es. Por exemplo, a demonstraca
o que fizemos do metodo
das tangentes usou que a funca
o, cujas razes procuravamos, era polinomial.
Sem d
uvida sabemos um pouco mais sobre o assunto do que antes de iniciar
o captulo, sobre tudo sabemos que n
ao e f
acil resolver-se uma equaca
o. Algebricamente, as equaco
es polinomiais somente podem ser resolvidas com radicais
ate o grau quatro. Mesmo as equaco
es do grau tres e quatro oferecem razo
aveis
dificuldade para que as resolvamos usando as f
ormulas algebricas. Com um programa de computador, e com um monitoramento adequado do mesmo podemos
ir bem mais longe.
Como dissemos no incio do captulo, o nosso objetivo era tomar o problema
de resoluca
o de equaco
es como motivaca
o para o estudo de algumas tecnicas
matem
aticas e seus correspondentes algoritmos computacionais.
Estudamos assim os metodos cl
assicos para determinaca
o de razes,
74
1. o metodo da secante;
75
em que n e o ndice de multiplicidade da raiz e um n

umero par. Se n for
par serao estas razes que estou classificando aqui como do tipo tangente,
nao ha troca de sinal em alguma vizinhanca da raiz;
2. o metodo da tangente;
aos quais associamos a tecnica computacional varredura.
Tambem estudamos dois metodos matem
aticos (e a correspondente implementaca
o computacional)
1. busca bin
aria;
razes do tipo secante podemos usar a notacao do item anterior e dizer que
f (x) = (x a)n g(x) ; g(a) 6= 0
(2.133)
com n impar. Neste caso ha troca de sinal da funcao em alguma vizinhanca

da raiz e podemos usar os metodos classicos:
2. sucess
oes recursivas;
busca de razes pelo metodo da secante;
3. ponto fixo.
O metodo do ponto fixo e muito mais profundo do que nos foi possvel discutir aqui. Tudo que fizemos foi partir da hip
otese de convergencia e usando a
continuuidade de uma funca
o fomos conduzidos a que o limite satisfaz a
` equaca
o
T (b) = b
busca de razes pelo metodo da tangente;

busca bin
aria. Este metodo, a busca binaria, pode ser usado quando
a multiplicadade da raiz for par, mas eu nao usei este metodo no
programa.
(2.131)
Um ponto de T satisfazendo esta equaca

o, se chama ponto fixo .
Os pontos fixos sempre aparecem nas iteradas de uma funca
o e sempre usamos esta propriedade para resolver equaco
es. Relembre aqui o que j
a dissemos
no incio do captulo, estamos usando o problema para estudarmos tecnicas que
tem valor por si pr
opria.
Esta e uma delas, construir iteradas para encontrar pontos fixos que s
ao
soluco
es de equaco
es.
Esta tecnica e usada largamente na construca
o de soluco
es aproximadas de
equaco
es diferenciais. N
os dedicaremos, ao final do livro, um captulo a
` introduca
o deste assunto, onde voltaremos a usar o metodo do ponto fixo para
resolver estas equaco
es.
2.7
O problema completo
O ttulo e audacioso, problemas completos dificilmente existem. O que vou fazer

e juntar os pedacos, as discuss
oes feitas nas secoes anteriores, numa discuss
ao
final e apresentar-lhe um programa que faz todas estas an
alises conjuntamente.
O problema de busca de razes, na forma como o estudamos aqui, separa as

razes em dois tipos,
razes do tipo tangente, que na verdade se classificam algebricamente como
razes m
ultiplas porque, numa vizinhanca da raiz a funcao pode ser fatorada como
f (x) = (x a)n g(x) ; g(a) 6= 0
(2.132)
O programa raizes015.c faz isto salientando qual foi o metodo que ele
escolheu em cada raiz.
Testamos o programa com diversas funcoes com bons resultados, mas lhe
entregamos tambem o c
odigo fonte no modo habitual de programacao aberta.
Se voce melhorar o programa, distribua a melhor versao nao se esquecendo de
nos enviar uma copia, poruqe o conhecimento e universal, e de todos.
Veja o resultado do programa captado pelo editor Joe com pequenas alteracoes feitas por mim. Leia e rode o programa para fazer suas experiencias.
A funcao selecionada dentro do programa e
f (x) = (x + 3.4)4 (x + 3)2 (x + 2)3 (x 1)2 (x 3)sen(
x
x2 + 1
(2.134)
que nao chega a ser uma funcao realmente maldosa. Bastaria acrescentar um
termo como sen(3x) para deixar o programa instavel. Esta instabilidade pode
ser resolvida com uma mudanca de variaveis, entretanto, como eu ja disse diversas vezes, nao ha programa que possa funcionar sozinho, eles tem que ser
monitorados.
O programa conseguiu encontrar todas as razes quando usei o passo 0.0001
com passo maior ele perde alguma das razes.
Raizes aproximadas - metodos da secante e tangente
a = -10.000000
b = 10.000000
Forneca-me o passo da malha para a busca:
< 0.5
delta = 0.050000 0.0001
busca de raizes no intervalo [-10.000000, 10.000000]

=================================================
==== Quando a derivada troca de sinal - tang^
encia =====
Raiz, por tang^
encia, prov
avel, da fun
c~
ao no intervalo
[-3.400079, -3.399979]
====
fim do caso troca de sinal da derivada =====

encia =====
Raiz, por tang^
encia, prov
avel, da fun
c~
ao no intervalo
[-3.000090, -2.999990]
====
76
77
============= Tr^
es m
etodos ===========
Raiz prov
avel da fun
c~
ao no intervalo [2.999995, 3.000095]
========1o m
etodo: por busca bin
aria =======
========2o m
etodo: pelo m
etodo da secante =========
========3o m
etodo: pelo m
etodo da tangente ========
======== fim do caso troca de sinal ========
Encontrei 6 intervalos onde ha raizes
2.8
Intersec
ao de gr
aficos
Discutimos at
e agora a soluca
o do problema
============= Tr^
es m
etodos ===========
Raiz prov
avel da fun
c~
ao no intervalo [-2.000017, -1.999917]
========1o m
aria =======
========2o m
etodo: pelo m
========3o m
etodo: pelo m
f (x) = 0
mas
e muito mais frequente precisarmos de resolver o problema
f (x) = g(x)
em que f, g s
ao duas funco
es dadas. Evidentemente que este problema se
reduz ao anterior, entretanto h
a t
ecnicas especficas para resolver o segundo
problema que vamos discutir nesta seca
o.
Uma expressao da forma f (x) = g(x) pode ser escrita como

h(x) = f (x) g(x) = 0 h(x) = 0
============= Tr^
es m
etodos ===========
Raiz prov
avel da fun
c~
ao no intervalo [-0.000097, 0.000003]
========1o m
aria =======
========2o m
etodo: pelo m
========3o m
etodo: pelo m
valor de f no ponto 0.000000 --> -0.000250
e portanto podemos dizer que este nao e um novo problema que estamos estudando.
Mas as peculiaridades em que o problema f (x) = g(x) se encontra, ou as
aplicacoes que podem ser modeladas por este problema justificam que nos lhe
demos uma atencao diferenciada como logo voce ira ver.
Vamos comecar lendo o grafico na figura (fig. 2.11) pagina 78.
Este e um caso interessante que descreve uma gama de problemas do tipo
f (x) = g(x) ou f (x) g(x)
Analisando o grafico vemos:

encia =====
Raiz, por tang^
encia, prov
avel, da fun
c~
ao no intervalo
[0.999956, 1.000056]
valor de f no ponto 1.000006 --> -0.000006
====
Temos um intervalo [a, b]

f (a) = g(a) e f (b) = g(b)
f (a) > g (a) e f (b) < g (b)
c ; c (a, b) ; f (c) = g (c)
(2.135)
78
79
Vamos analisar o que nos diz o Teorema do Valor medio para derivadas, se
em algum ponto f (x) = 1
f(a) < g(a)
f (x) = 2ex = 1 ex = 12
ex = 2 x = ln(2)
f(a) > g(a)
(2.140)
(2.141)
(2.142)
Temos que procurar uma raz a a partir de x = ln(2) 0.69314718 o que

faremos usando um dos nossos programas:
a = 0.69314718
c
f(c) < g(c)
Figura 2.11:
Interseca
o de curvas
ou seja, temos duas funcoes e algum ponto do domnio as derivadas delas se

alternam em tamanho.
Se por um momento aceitarmos a linguagem mec
anica14 diremos que pode
haver um momento em que o gr
afico de g passe o gr
afico de f porque a derivada
representa a taxa de crescimento.
Pelo teorema do valor medio tem que haver um ponto no interior do intervalo,
c (a, b), tal que neste ponto as derivadas se igualem.
Vejamos uma classe de problemas que podemos resolver com estes dados.
Exemplo 7 Conhecemos tudo sobre um dos pontos
Sabemos que
f (a) = g(a)
f (a) > g (a)
e podemos provar que a partir de um certo valor x = b
f (x) < g (x)
(2.136)
ent
ao e possvel encontrar outra soluca
o b > a para o problema f (x) = g(x)
Cosidere
g(x) = x
f (x) = 2(1 ex ) ; f (x) = 2ex 0 quando x cresce
f (0) = g(0) = 0 ; f (0) = 2 > g (0) = 1
(2.137)
(2.138)
(2.139)
Como f decresce muito rapidamente, e possvel que haja outra soluca

o para o
problema f (x) = g(x) quando x > 0.
14 que
usualmente rejeitamos, tal como tende para limite
b = 10
Sua busca de raizes no intervalo [ 0.693147 , 10.000000 ]
< 0.5
delta = 0.001
=================================================
Procurando raizes do tipo secante
Raiz, por secancia, provavel, da funcao no intervalo
[1.593147,1.594147]
valor de f no ponto 1.593647 com 13 iteracoes --> 0.000014
Observe somente o detalhe que ponto medio do Teorema do Valor medio n
ao e a
media aritmetica entre os pontos a, b que resolvem o problema, mas se encontra
razoavelmente pr
oximo do ponto medio.
Em outras palavras, 2ln(2) e uma aproximaca
o da raz.
Uma aplicacao desta questao a determinacao da area entre duas curvas.
Neste caso nao queremos encontrar todas as solucoes do problema f (x) = g(x).
Desejamos encontrar aquelas que ficam nos extremos de um intervalo que e a
projecao, no eixo OX da regiao cuja area desejamos calcular.
Um caso comum e que voce pode ver no grafico (fig. 2.12)
graf (f ) graf (g) = {(a, f (a)), (b, f (b))}
as duas curvas se cortam em exatamente dois pontos. O valor da area da regiao
limitada por elas e
Zb
| (f (x) g(x))dx|
a
e temos que encontrar as duas razes do problema f (x) = g(x).

O calculo, com grande acuracidade de razes somente pode ser feito com
auxlio de programas de computador, entretanto, a determinacao grosseira
80
81
g
15
f(x)
g(x)
0
10
Figura 2.12:
Regi
ao cuja a
rea queremos calcular
5
de um intervalo onde haja raz15 pode ser feito com auxlio de uma m
aquina
de calcular eletronica e isto e o que se espera na lista de exerccios a seguir
proposta.
10
15
4
Exerccios 10 Raizes de funco

es
1. Considere f (x) = x5 + x2 4
(a)
(b)
(c)
(d)
Figura 2.13:
a
rea limitada por duas par
abolas
Mostre que f tem apenas duas razes, x0 < x1 .

Prove, sem fazer c
alculos numricos que f (x0 ) > f (x1 )
Prove fazendo algum c
alculo numrico que 0 > f (x0 ) > f (x1 )
Prove que f tem uma u
nica raz real e determine um intervalo onde
esta raz se encontra Resposta f (0) < 0, f (2) > 0
2. Encontre um intervalo contendo exatamente uma raz de

f (x) = x 10000sen(x)
3. Calcule a a
rea da regi
ao limitada pelos gr
aficos das par
abolas, figura
y = x2 x 12 ; y = x2 x + 12
(fig. 2.13) p
agina 81,
100
f(x)
g(x)
0
80
60
40
20
0
20
4. As curvas
g(x) = (x2 + x 12)cos(
x
x
) ; f (x) = (x2 x 12) sin( )
2
2
se cortam segundo tres pontos no intervalo [7, 7], veja a figura

y = x2 x 12 ; y = x2 x + 12
40
60
80
100
10
(fig. 2.14) p
agina 81,
Encontre os dois pontos mais distantes (ignore o ponto medio) e calcule a
a
rea indicada na figura.
15 ou
no plural, a determinaca
o dos intervalos onde haja razes
Figura 2.14:
a
rea limitada por duas curvas
10
CAPITULO 3. RECURSIVIDADE
83
Teorema 2 Desigualdade aritmetico-geometrica Se a, b > 0 temos
ab
a+b
2
(3.1)
Dem :
Captulo 3
ab
Sucess
oes recursivas
ab
a+b
2
(3.2)
2
2
)2 = a +2ab+b
( a+b
2
4
4ab a2 + 2ab + b2
0 a2 2ab + b2 = (a b)2
(3.3)
(3.4)
(3.5)
e como a u
ltima equac
ao
e verdadeira e as anteriores s
ao equivalentes alg
ebricas dela, ent
ao
a primeira
e verdadeira. q.e.d .
Os babil
onios conheciam um m
etodo pr
atico, ver [?], para c
alcular razes
quadradadas, que vamos usar como introduca
o para o assunto deste captulo
porque
e um algoritmo recursivo.
Recursividade
e um m
etodo em que uma funca
o f chama a si pr
opria.
A recursividade
e conhecida e usada em Matem
atica h
a mil
enios, como o
algoritmo do c
alculo de ra
zes quadradas, mas recentemente (desde 1970), com
LISP, vem sendo usada em programas de computador produzindo algoritmos
bastante otimizados.
3.1
Babil
onios e raz quadrada
Vamos usar o algoritmo dos babil
onios para calcular razes quadradas como motivacao para o assunto deste captulo.
Uma sequencia e recursiva se for definida em funcao dos seus
proprios termos: xn = f (xn1 , . . . , x1 ) em que f e uma express
ao
legal (computacional ou matem
atica).
Escolhemos o algoritmo dos babil

onios para servir de introducao (e motivacao) para o assunto deste captulo por duas raz
oes:
pela sua antiguidade prov
avel de mais de 4.000 anos e assim nos educamos
no respeito dos antigos e do antigo contra o mito de que o moderno e que
bom;
pela sua alta precisao, com auxlio de uma m
aquina de calcular com
memoria, com algumas iteradas, quatro ou cinco, voce obtem uma raiz
quadrado com boa precis
ao.
Uma primeira aproximacao para a vem da desigualdade entre a media

aritmetica e a media geometrica:
82
Este teorema vale para um n

umero qualquer de termos, ver [26], mas aqui
e suficiente o caso da media entre dois n
umero positivos, mais exatamente 1, a
em que a e o n
umero positivo cuja raz quadrada desejamos.
< a;
Se a > 1 entao 1 < a < a e 1 < a+1
2
a+1
Se 0 < a < 1 entao 1 > a > a e 1 > 2 > a;
portanto os n
umeros
1+a
, a
2
se encontram ambos entre 1 e a ate porque ambos sao a media entre 1, a, um a
media aritmetica, o outro a media geometica, pelo teorema (2).
Assim temos uma estimativa inicial, e de muito baixa precisao, para a

como consequencia da desigualdade aritmetico-geometrica
assim
a=
1a
a+1
2
(3.6)
a+1
2
Exemplo 8 Raiz quadrada de 10
10 + 1
= 5.5
2
Podemos ver neste exemplo como a estimativa fornecida pela desigualdade
aritmetico-geometrica e de baixa classe. Mas os babil
onios h
a mais de 4.000
anos souberam iterar esta estimativa obtendo um algoritmo que fornece a raz
quadrada com grande precis
ao depois de alguns passos.
Uma observaca
o simples conduz ao algoritmo dos babil
onios.
Se tivermos1 uma estimativa inicial, digamos, x, para a raz quadrada a

a
o:
ent
ao, x e outra aproximaca
10
a
a
= a
x
a
1e
temos, que
e a m
edia com a unidade
(3.7)
84
a menor do a.
a ent
ao xa ser
ao xa ser
Se x for menor do que a ent
a maior do a.
Se x for maior do que
Quer dizer que temos duas aproximaco

es, (no segundo caso)
a
a
x, ; x < a <
x
x
uma menor e outra maior do que a logo a

` media das duas que vai ser,
melhor do que uma delas.
85
A sucess
ao (sn )n definida recursivamente por
o de a
x e uma
aproximaca
x> a
s0 = g(x)
sn = g(sn1 )
e decrescente e limitada por a logo converge para um limite
sn l = a
(3.23)
(3.24)
Dem :
Definimos (definiram os babil

onios)
x+
g(x) =
2
a
x
a + x2
=
2x
(3.8)
Falta prova apenas a u

ltima afirmac
ao do teorema, que o limite
e exatamente a.
Para isto observemos que g
e contnua, portanto preserva limite o que significa que
lim g(sn ) = g(lim sn )
n
cuja derivada e
(3.25)
A direita na equac
ao (25) temos
; g ( a) = 0
g (x) > 0 x > a
g e crescente x > a
x>a
g( a) = a g(x) > a
<x
x > a g(x) = x+a/x
2
x > a g(g(x)) < g(x)

g (x) =
x2 a
2x2
(3.9)
(3.10)
(3.11)
e assim provamos por induca

o parte do Teorema
Teorema 3 algoritmo dos babil
onios
(3.26)
g(lim sn ) = g(l)
(3.27)
g(l) = l
(3.28)
o que nos leva
(3.12)
(3.13)
(3.14)
Com estas propriedades podemos deduzir (possivelmente n

ao foi assim que
os babil
onios provaram)
uma primeira aproximaca

o s 0 = x > x
a < s1 = g(s0 ) < s0
g( a) = a < g(s1 ) = s2 < s1
a < g(s1 ) = s2 < s1 < s0

..
.
hip
otese: a < sn = g(sn1 ) < sn1
g( a) = a < g(sn ) = sn+1 < sn
lim sn+1 = l
e a esquerda na equac
ao (25) temos
(3.15)
(3.16)
(3.17)
(3.18)
(3.19)
(3.20)
(3.21)
(3.22)
Substituindo na equac
ao de g, (8), temos
g(l) =
l2 + a
=l
2l
l2 + a = 2l2
l=
(3.29)
q.e.d .
Defini
c
ao 1 Ponto fixo
Quando uma funcao g satisfizer a equaca
o (28), dizemos que o valor l e um
ponto fixo de g.
A sucess
ao seguinte de equaco
es mostra como eles faziam:
0
= x0 +10/x
2
1
= x1 +10/x
2
2
= x2 +10/x
2
3
= x3 +10/x
2
x4 +10/x4
=
2
e usando x5 como aproximaca

o de 10 temos
x0
x1
x2
x3
x4
=1
= 5.5
= 3.6590909
= 3.196005
= 3.162455
x1
x2
x3
x4
x5
x1
x2
x3
x4
x5
= 5.5
= 3.6590909
= 3.196005
= 3.162455
= 3.1622776
x25 = (3.1622776)2 = |9.999999

{z } 61946176
que n
os d
a 10 x25 < 0.0000004 =
4
107
(3.30)
86
Vejamos mais um exemplo, calculando a raz
87
12
1000.
f(x)
x
0
"data"
10
8
Exemplo 9 A raz de 1000
x0
x1
x2
x3
x4
x5
x6
x7
=1
= 500.5
= 251.249
= 127.6145
= 67.7253273
= 41.2454260
= 41.2454260
= 32.74526
x28
x1
x2
x3
x4
x5
x6
x7
x8
=
=
=
=
=
=
=
=
x0 +1000/x0
2
x1 +1000/x1
2
x2 +1000/x2
2
x3 +1000/x3
2
x4 +1000/x4
2
x5 +1000/x5
2
x6 +1000/x6
2
x7 +1000/x7
2
x1
x2
x3
x4
x5
x6
x7
x8
= 500.5
= 251.249
= 127.6145
= 67.7253273
= 41.2454260
= 32.74526
= 32.74526
= 31.62278
= (31.62278) = |1000.000
{z } 2149284
2
0
(3.31)
y=1
y=(y+1000/y)/2
y=(y+1000/y)/2
y=(y+1000/y)/2
y=(y+1000/y)/2
y=(y+1000/y)/2
y=(y+1000/y)/2
y=(y+1000/y)/2
y=(y+1000/y)/2
y=(y+1000/y)/2
y
~31.62277660168433424334
; y**2
~1000.00000000003421099649
em que, tudo que precisamos, fazer foi apertar a seta para cima no teclado
tudo que podemos fazer para melhorar o algoritmo dos
do micro, oito vezes. E
babilonios.
Resta-nos agora entender o que se encontra por tr
as do metodo, e o que
passaremos a fazer.
a
1
2
0.2
0.2
aproximada
de 10
Figura 3.1:
;
;
;
;
;
;
;
;
;
;
;
1. Calcule as medias aritmeticas e geometricas dos pares de n

umeros
Raz
Os exemplos sao eloquentes, mostram que um povo primitivo, como os

babilonios, usavam um metodo h
a mais de 4.000 anos que continua hoje imbatvel...
Nos nao temos nada melhor, para calcular razes quadradas, a n
ao ser
maquinas com recursos formais. Por exemplo, o c
alculo acima, feito em Calc
tem o seguinte aspecto:
Exerccios 11 Medias e razes
Determinaca
o de
b
2
4
0.4
1
a+b
2
10
ab
2. Calcule a media aritmetica ponderada dos objetos dados considerando os

pesos indicados
a1 , a2 , a3
p1 , p2 , p3
3
P
pi ai
i=1
1, 2, 3
1, 2, 3
1, 2, 3
1, 2, 3
(1, 2), (2, 1), (1, 1)
0.1, 0.2, 0.7

0.4, 0.3, 0.3
1 1 1
3, 3, 3
1 1 1
6, 3, 2
1 1 1
6, 3, 2
3. Calcule, aproximadamente, as razes quadradas dos n

umeros indicados,
usando o metodo dos babil
onios, ate a quarta iterada, e indique o erro
cometido:
a
x4
a
1
2
20
200
O grafico (fig. 3.1), mostra a realizacao do algoritmo dos babilonios (para
raz quadrada de 10). Nele podemos ver a funcao identidade e grafico de
g(x) =
x + 10/x
2
88
com a sucessao de pontos que vai sendo obtida com a iteradas de g para obter
a sucessao recursiva (xn )n cujo limite e o ponto fixo
( 10, g( 10)).
Voce pode repetir este processo inclusive com outras razes quadradas usando
o programa em C que apresentamos logo a seguir.
Exerccios 12 Sequencias recursivas
o f (sem combinar com seus colegas
1. Matem
atica Social Escolha uma funca
de trabalho) tal que graf (f ) e o o gr
afico da primeira bissetriz y = x se
cortem no primeiro quadrante e que2 hipergraf (f ) seja convexo.
Considere x0 > 0 escolhido arbitrariamente (sem combinar com seus colegas de trabalho) e construa graficamente a sucess
ao de pontos no plano
(n n
ao menor do que 4)
(x0 , f (x0 )) ; x1 = f (x0 )
(x0 , x0 )
(x1 , x1 )
(x1 , f (x1 )) ; x2 = f (x1 )
(3.32)
(xn , xn ) (xn , f (xn )) ; xn+1 = f (xn )
e agora compare o seu resultado com o dos seus colegas de trabalho para
tirar uma conclus
ao.
2. Verifique (geometricamente) que a funca
o f (x) = ln(x) n
ao pode definir
uma sucess
ao recursiva xn+1 = f (xn ) convergente. Justifique.
3. Verifique quais das funco

es seguintes produz uma sucess
ao recursiva convergente, e em que regi
ao isto se d
a (se der). Sugest
ao faca um gr
afico
contendo graf (f ), graf (y = x).
f
a)f (x) = x + 3
c)f (x) = x2
e)f (x) = x2 9
[a, b]
Os exercos acima estao longe de esclarecer a import

ancia ou os metodos
como tratar sucess
oes recursivas que e um vasto t
opico dentro do qual se encontra o algoritmo dos babil
onios.
3.1.1
Um programa em C
a-lo em [20].
O programa se chama raizq graf.c e voce pode encontr
2 o hipergr
afico de f
e o conjunto dos pontos (x, y) tal que y f (x) -
e o conjunto limitado
inferiormente pelo graf (f )
89
Os modulos do programa sao, a funcao

g(x, a) =
x + a/x
2
em que deixamos a como parametro de formas que uma pequena alteracao no

programa permite que ele rode na linha de comandos.
A funcao principal, main(), que e obrigatoria em todo programa em C ou
C + + e que puxa o script do teatro.
Alguns comandos colocados na funcao principal para criar o arquivo data
onde se encontram as linhas que Gnuplot ira tracar.
Um arquivo que chamamos transfere e que contem os comando de Gnuplot
e que serao chamados internamente pelo programa uma vez que quem vai fazer
tudo e o programa em C.
O programa contem comentarios para ajuda-lo a compreender o que ele, faz,
mas voce deve ler os arquivos data e transfere que o programa cria, para
compreende-lo melhor. E, finalmente, escreva um e-mail ao autor, com suas
d
uvidas, ou consulte um hacker em computacao a sua volta, eles sao, em geral,
benignos.
O comando para compilar o programa e
gcc -Wall -oprog -lm programa.c
em que programa.c e o nome do arquivo onde voce guardou o texto acima, e gcc
e o nome do compilador C que acompanha qualquer distribuicao Linux. Compilado o programa voce o pode rodar (executar) o executavel, prog, digitando
numa shell do Linux
./prog
no diretorio onde se encontra o programa gravado.
O programa descrito acima constroi qualquer exemplo de raz quadrada que
voce desejar, implementando o metodo dos babilonios. Ele cria dois arquivos: data e transfere. Se voce apenas quiser rever3 o grafico, digite numa shell
(Linux)
gnuplot transfere
e voce voltara a ver o grafico recem feito com o programa. Ou, simplesmente,
rode novamente4 o
programa com os mesmos dados. O programa fara, automaticamente, o caso 2 se voce apenas der, enter, como resposta a todas as
perguntas. Movendo o cursor, sobre a tela grafica do Gnuplot, voce pode ver
o valor aproximado da raz escolhida. Nao espere conseguir grande precisao,
nesta visualizacao.
3.2
Fundamentos da converg
encia de iteradas
Exemplificamos, com o algoritmo dos babilonios da raz quadrada, que um tipo

de sucessao, que designamos por recursivas eram convergentes. Tambem ja
vimos que o metodo das tangentes e gerado por uma funcao recursiva:
3 enquanto
voc
e n
ao der enter, o gr
afico ficar
a presente na tela
voc
e tiver problemas com o programa, ou n
ao rodar Linux em seu computador, solicite
uma vers
ao do programa, ao autor, indicando qual o sistema que roda em seu computador
4 se
g(x) = x
90
f (x)
; xn+1 = g(xn )
f (x)
(3.33)
Desejamos agora demonstrar os fatos, descobrir em que condicoes podemos

garantir que uma sucessao
xn+1 = g(xn )
(3.34)
seja convergente. Vamos usar a aproximacao linear
g(b) g(a) = g (a)(x a) + o(|x a|)
x2 x1 = g(x1 ) g(x0 ) = g (x0 )(x1 x0 ) + o(|x1 x0 |)
|x2 x1 | = |g(x1 ) g(x0 )| |g (x0 )| |x1 x0 |
|xn+1 xn | = |g(xn ) g(xn1 )| |g (xn1 )| |xn xn1 |
(3.35)
(3.36)
(3.37)
(3.38)
(3.39)
Estes calculos nos mostram que precisamos da hip

otese de que g seja diferenciavel e que em uma vizinhanca do ponto inicial x0 o m
odulo da derivada
seja menor do que 1. Se isto acontecer podemos deduzir das equacoes acima:
|x2 x1 | = |g(x1 ) g(x0 )| |g (x0 )| |x1 x0 |
|x3 x2 | = |g (x1 )| |x2 x1 | |g (x1 )||g (x0 )| |x1 x0 |
|xn+1 xn |
n1
Y
k=0
(3.40)
(3.41)
(3.42)
|g (xk )||x1 x0 |
(3.43)
(3.44)
podemos deduzir da (eq. 43)

|xn+1 xn | r n |x1 x0 |
91
o ponto fixo no caso daquele algoritmo tenha sido obtido num caso especial de
funcao contnua, o arqumento aqui seria o mesmo.
Ha varios teoremas do ponto fixo, nos demonstramos acima um caso particular e bem simples que atende às nossas necessidades aqui. Mas o estudioso
de an
alise ira encontrar mais a frente outras formulacoes deste teorema quando
vera, entretanto, que a questao gira em torno das mesma ideias, poder garantir
que a funcao g que define uma certa sucessao recursiva funcione como um freio
interno da sucessao. Tais funcao satisfazem à desigualdade
|g(a) g(b)| < |a b|
portanto elas contraem a imagem e poristo se chamam de contracoes. Quando
a derivada for menor do que 1 em modulo temos uma contracao, e foi isto que
usamos na demonstracao do teorema-4.
3.3
O algoritmo babibil
onio
e convergente
Para terminar o projeto, queremos mostrar que o algoritmo babibilonio para

razes quadradas satisfaz às hipotses do teorema do ponto fixo, e portanto converge.
Vimos que o algoritmo depende da funcao
g(x) = (x +
cuja derivada e g (x) =
Considerando os fatores na equacao (eq. 43) seja

r = max(|g (x0 )|, . . . , |g (xk )|, . . . , |g (xn1 )|) < 1
1
2
x+
a
)/2 =
x
2
a
x
(3.46)
a
2x2 .
g (x) = 0 = 1
a
= 0 = x = a
x2
(3.47)
quer dizer que, para x > 0 o grafico conjunto de g e da primeira bissetriz e da

forma (fig. 3.2) ou da forma (fig. 3.3)
(3.45)
e assim comparar a sucessao (xn ) com uma sucess

ao geometrica convergente.
Demonstramos assim o Teorema
Teorema 4 Teorema do ponto fixo
Se uma sucess
ao recursiva xn+1 = g(xn ) em que g e uma funca
o diferenci
avel
e tal que exista um domnio [a, b] a cujo interior pertenca o ponto x0 e que
|g | < r < 1 em [a, b] ent
ao a sucess
ao recursiva xn+1 = g(xn ) converge para
um ponto a de forma mais r
apida que uma sucess
ao geometrica de raz
ao r e o
ponto a = lim xn e um ponto fixo de g
n
Au
ltima parte da tese do Teorema e o resultado das contas que fizemos na
secao anterior, com o algoritmo dos babil
onios para a raz quadrada. Embora
Figura 3.2:
Ponto inicial menor do que
92
3.4
a)sn = sn1 + sn2

c)sn = 1 + sn1
e)sn = nsn1
b)sn = sn1 + sn2
d)sn = 1 + sn1
f)sn = nsn1
xo
Ponto inicial maior do que
Exerccios
1. Escreva os 5 primeiros termos das seguintes sucessoes definidas recursivamente
Figura 3.3:
93
Nos dois tipos de graficos, (fig. 3.2) ou (fig. 3.3), vemos que o gr
a
fico
de g
corta a primeira bissetriz na imagem do ponto fixo sobre o graf (g), ( a, a).
Como g e assntota à funcao
x
y=
2

e no ponto ( a, a) a derivada de g e zero, ent
ao se x0 for grande, quer dizer
maior do que a, entao |g (x0 )| < 1.
Consideremos entao o intervalo I = [ a, ). Sobre I a hip
otese do (Teorema
4) e atendida porque como g(x) < x ent
ao g(g(x))< g(x) e portanto xn I, o
que termina a demonstracao se escolhermos x0 > a.
Mas
podemos considerar um ponto inicial x0 pequeno, isto e, menor do
que a. Mas neste caso
s0 = 0; s1 = 1
s0 = 1
s0 = 2; s1 = 1
s0 = 1; s1 = 1
s0 = 1
s0 = 3; s1 = 1
2. Escreva o loop em pseudo linguagem de programaca

o5 que calcula cada
uma das sucessoes
a)sn+1 = sn + sn1
c)sn+1 = sn sn1
e)sn+1 = sn sn1
b)sn+1 = sn /sn1
d)sn+1 = (n + 1)sn
f)sn+1 = nsn
s0 = 1; s1 = 1
s0 = 1; s1 = 2
s0 = 2;
s0 = 1; s1 = 1
s0 = 1; s1 = 1
s0 = 3;
3. serie, termos geral Escreva a equacao de Sn sabendo que

Sn+1 Sn = an ; S0 = 0
(3.54)
em que a sucessao a = (an )nN e dada.

4. Escreva a equacao de Sn sabendo que
x1 = g(x0 ) = x0 +
x0 + xa0 > a
a
x0
a 2
) >a
x0
2
x0 + 2a + ( xa0 )2 > a
x20 + a + ( xa0 )2 > 0
(x0 +
(3.48)
(3.49)
(3.50)
(3.51)
(3.52)
provando que x1 I portanto, se escolhermos um ponto inicial pequeno o segundo ponto da sucessao obtida pelas iteracoes de g ser
a grande, pertentecer
a
ao intervalo I e portanto a sucess
ao
(xn )n1 I
(3.53)
satisfaz ao (Teorema 4).

Provamos assim que o algoritmo dos babil
onios para razz quadrada converge
e muito rapido.
Teorema 5 Algoritmo babil
onio para raz quadrada
define
uma sucess
ao recursiva a partir de um ponto
A funca
o g(x) = x+a/x
2
p
qualquer x0 > a3 sendo o seu ponto fixo a.
Sn+1 Sn = an ; S0 = 0
(3.55)
em que a sucessao a = (an )nN e dada

Sn+1
a)Sn+1
c)Sn+1
e)Sn+1
an
1
n
n2
Sn+1
b) Sn+1
d) Sn+1
f) Sn+1
an
1
n
1
n2
3
5. Seq
uencia de Fibonacci6
A seq
uencia de Fibonacci e definida, recursivamente, como
s0 = 1
(3.56)
s1 = 1
n > 1sn = sn1 + sn2
(3.57)
(3.58)
Calcule alguns termos de s e escreva o loop que calcule s Resposta e

exatamente um dos exerccios anteriores.
5 chamamos de pseudo linguagem de programa
ca
o uma sequ
encia de comandos que poderiam pertencer a uma determinada linguagem de programaca
o, aquilo que
e habitual fazer
em cursos introdut
orios de programaca
o com o nome de algoritmo
3.5
94
Soluc
ao de alguns exercicios
0
1
2
3
4
5
6
7
8
9
10
1. (ex. 1) pagina 93
(a)
sn = sn1 + sn2 ; s0 = 0; s1 = 1
s2 = 1; s3 = 2; s4 = 3; s5 = 5;
(3.59)
(3.60)
sn = sn1 + sn2 ; s0 = 1; s1 = 1
s2 = 2; s3 = 3; s4 = 5; s5 = 8
(3.61)
(3.62)
(b)
(b)
(c)
sn = 1 + sn1 ; s0 = 1
(3.63)
s1 = 2; s2 = 3; s3 = 4; s4 = 5; s5 = 6
(3.64)
sn = 1 + sn1 ; s0 = 1
s1 = 0; s2 = 1; s3 = 2; s4 = 3; s5 = 4
(3.65)
(3.66)
(d)
(e)
sn = nsn1 ; s0 = 2; s1 = 1
(3.67)
s2 = 2; s3 = 6; s4 = 24; s5 = 120
(3.68)
sn = nsn1 ; s0 = 3; s1 = 1
s2 = 2; s3 = 6; s4 = 24; s5 = 120;
(3.69)
(3.70)
(f)
(a) entrada de dados: n;
int S=0, a0=1, a1=1,contador=2;
if (n ==0 ) return(a0);
if (n == 1) return(a1);
while(contador <=n)
{
S = a0 + a1;
a0 = a1;
a1 = S;
contador++; // contador = contador + 1
}
(c)
return(S); // saida de dados do programa

1
1
2
3
5
8
13
21
34
55
89
float S=1; // produto e divisoes, inicio 1

float a0=2.0, a1=1.0;
int
contador=2;
printf("%d %f \n %d %f \n",0,a0,1, a1);
if (n == 0 ) return(a0);
while(contador <=n)
{
S = a1/a0; // s(n+1)
printf("%d %f \n",contador, S);
a0 = a1; // s(n-1)
a1 = S; // s(n)
contador++;
}
0 2.000000
1 1.000000
2 0.500000
3 0.500000
4 1.000000
5 2.000000
6 2.000000
7 1.000000
8 0.500000
9 0.500000
10 1.000000
float a0=1.0, a1=2.0;
int
contador=2;
printf("%d %f \n %d %f ",0,a0,1,a1);
if (n == 0 ){printf("%d %f \n ",0,a0); return(a0);}
while(contador <=n)
{
95
96
S = a1*a0; // s(n+1)
a0 = a1; // s(n-1)
a1 = S; // s(n)
contador++;
printf("%d %f \n ",0,a0);
if (n == 0 ){printf("%d %f \n ",0,a0);
while(contador <=n)
{
S = contador*a0; // s(n+1)
a0 = S; // s(n)
contador++;
}
}
0 1.000000
1 2.000000 2 2.000000
3 4.000000
4 8.000000
5 32.000000
6 256.000000
7 8192.000000
8 2097152.000000
9 17179869184.000000
10 36028797018963968.000000
(d)

float a0=1.0, a1=1.0;
int
contador=2;
printf("%d %f \n %d %f \n ",0,a0,1,a1);
while(contador <=n)
{
S = contador*a1; // s(n+1)
a1 = S; // s(n)
contador++;
}
0 1.000000
1 1.000000
2 2.000000
3 6.000000
4 24.000000
5 120.000000
6 720.000000
7 5040.000000
8 40320.000000
9 362880.000000
10 3628800.000000
(e)

float a0=2.0;
int
contador=1;
97
return(a0);}
0 2.000000
1 2.000000
2 4.000000
3 12.000000
4 48.000000
5 240.000000
6 1440.000000
7 10080.000000
8 80640.000000
9 725760.000000
10 7257600.000000
(f)

float a0=3.0;
int
contador=1;
printf("%d %f \n ",0,a0);
while(contador <=n)
{
S = (contador-1)*a0; // s(n+1)
a0 = S; // s(n)
contador++;
}
0 3.000000
1 0.000000
2 0.000000
3 0.000000
4 0.000000
5 0.000000
6 0.000000
7 0.000000
8 0.000000
9 0.000000
10 0.000000
98
99
10 1.5497677311665
S0 = 0 = S1 = S0 + a0 = a0
S2 = S1 + a1 = S0 + a0 + a1
S2 = a0 + a1
(3.71)
(3.72)
(3.73)
S3 = S2 + a2 = a0 + a1 + a2
(3.74)
(3.75)
Sn+1 = Sn + an = a0 + a1 + a2 + + an
n
P
ak
Sn+1 =
(3.76)
(3.77)
k=0
(a) Sn+1 =
(b) Sn+1 =
n
P
k=0
n
P
k=1
1=n+1
para grandes valores de n. Com n = 35000S35000 = 1.6449054958278

2
e 6 1.64493406684822643649
1
k
1 1.000000
2 1.500000
3 1.833333
4 2.083333
5 2.283334
6 2.450000
7 2.592857
8 2.717857
9 2.828969
10 2.928968
Sn+1 ln(n) para grandes valores de n.
100000
P 1
ln(100000) 11.51292546497022842009;
k 12.090851
k=1
(c)
n
P
k=1
k=
(1+n)n
2
1 1.0000000000000
2 1.2500000000000
3 1.3611111111111
4 1.4236111111111
5 1.4636111111111
6 1.4913888888889
7 1.5117970521542
8 1.5274220521542
9 1.5397677311665
double S=0; // inicilizando soma

double a0=1.0;
int
contador=1;
printf("%d %lf \n ",0,a0);
if (n == 0 ){printf("%d %lf \n ",0,a0); return(a0);}
while(contador <=n)
{
S = S + a0; // s(n+1)
printf("%d %2.13lf \n",contador, S);
a0 = (double) 1/(contador*contador); // s(n-1)
}
n
X
1
2
2
k
6
1
(d) 1 1.000000
2 5.000000
3 14.000000
4 30.000000
5 55.000000
6 91.000000
7 140.000000
8 204.000000
9 285.000000
10 385.000000
float S=0; // inicializa uma soma
float a1=1.0;
int
contador=1;
printf("%d %f \n",1, a1);
while(contador <=n)
{
S = S + a1; // s(n+1)
a1 = contador*contador;
}
n
P
P (k) em que P e um polinomio a coeficientes
As somas do tipo
k=0
inteiros, podem ser calculadas exatamente usando-se um polinomio Q

de grau uma unidade superior ao de P porque estas somas se reduzem
100
a uma expressao da forma Q(n + 1) Q(0), ver [27, inducao finita].

n
P
k 2 = n(n+1)(2n+1)
= Q(n); Q(10) =
6
neste caso a formula exata e

385
k=1
5. 1 1.000000
2 9.000000
3 36.000000
4 100.000000
5 225.000000
6 441.000000
7 784.000000
8 1296.000000
9 2025.000000
10 3025.000000
float S=0; // inicializa uma soma
float a1=1.0;
int
contador=1;
printf("%d %f \n",1, a1);
while(contador <=n)
{
S = S + a1; // s(n+1)
a1 = contador*contador*contador;
}
Como foi dito no item anterior, esta soma pode ser calculada exatamente,
n
P
)2
k 2 = (1 + 2 n)2 = ( n(n+1)
2
k=1
Captulo 4
Aproximac
ao polinomial de
func
oes
Este captulo vai lhe apresentar o objetivo deste livro: a modelagem matematica usando aproximacao polinomial.
Primeiro consideraremos o metodo intuitivo, um polinomio de
grau n interpolando n pontos do plano, depois vamos otimizar
este metodo o que nos vai conduzir ao chamado metodo de La o que chamamos de metodo classico e que foi utilizado
grange. E
ate 1950.
Com o metodo classico, que consiste em fazer passar um polinomio pelos pontos conhecidos de uma funcao, para obter-se uma
boa aproximacao e preciso que a densidade da malha seja muito
grande e consequentemente o grau do polinomio muito alto. As
consequencias computacionais sao graves com esta metologia, mas
o metodo e excelente para epoca em que foi construidoa ,como o
programa que acompanha o livro bem o mostra.
Aos poucos, a partir dos anos 50, no seculo passado, foi surgindo
um metodo sugerido por autores da decada de 40 que se constitue
em considerar varios polinomios, um para cada intervalo da malha.
o que chamamos polin
E
omios por pedacos, ou uma polinomial e
finalmente vieram os splines, e os metodos finitos que muito se
parecem: ambos sao polinomiais.
A parte final deste captulo faz a construcao dos splines por convolucao.
a Lagrange,
(1736-1813)
101
CAPITULO 4. SPLINES
4.1
102
CAPITULO 4. SPLINES
103
Aproximac
ao polinomial cl
assica
Q
(c,d)
Comecaremos pela aproximaca

o polinomial cl
assica, na verdade com um u
nico
objetivo em mente, mostrar que ela exige uma amostragem muito grande do
fenomeno para que se possa obter uma boa aproximacao e, consequentemente,
nao e pratica (computacional). Ela servir
a como motivacao para o assunto
das u
ltimas secoes, aproximaca
o polinomial por pedacos e finalmente para os
splines.
f(p)
f(x) = m (xa) + b
f(a) = b
P
f(c) = d
(a,b)
Nesta primeira secao vamos apresentar o problema um pouco de forma

historica mas com o objetivo de encaminh
a-lo para um uso intenso de dois
programas, gnuplot e scilab.
O gnuplot ja vem sendo usado no livro desde o primeiro captulo, aqui
voce vai ter a possibilidade de us
a-lo como uma m
aquina de calcular. scilab,
[23], e um pacote computacional distribuido gratuitamente pelo instituto frances
INRIA que se dedica aos experimentos numericos computacionais em v
arios
campos da ciencia sendo scilab um dos projetos deste instituto. scilab, entre
outras coisas, resolve sistemas de equacoes lineares de grande porte. Neste
sentido vou usar, inicialmente, a aproximacao polinomial como uma motivacao
para aumentar a sua experiencia com estes dois programas.
A ideia intuitiva, e ingenua1 , para aproximacao polinomial ou interpolaca
o
polinomial de n pontos
(x0 , y0 ) (xn1 , yn1 )
(4.1)
consiste em encontrar-se um polin

omio
P (x) = a0 + a1 x + + am xm
tal que
P (xk ) = yk ; k {0, n 1}
(4.2)
Como as incognitas do problema s

ao os coeficientes de P e como temos n
condicoes, vemos que P deve ter no mnimo2 n coeficientes: um polin
omio de
grau n 1.
Vamos comecar do comeco, com o caso mais simples, um polinomio do primeiro grau.
A figura (4.1) pagina 103, mostra a solucao deste problema quando tivermos
dois pontos,
P = (a, b) ; Q = (c, d)
1 Veremos, mais adiante, que existe uma solu
ca
o, a chamada de Lagrange, que n
ao
e nem
ing
enua e nem intuitiva.
2 Com grau maior, h
a mais coeficientes aumentando o grau de liberdade da soluca
o e
permitindo uma maior seleca
o entre as soluco
es.
[a,c]
Figura 4.1:
Uma reta interpola dois pontos
precisamos de um polinomio a ser determinado por dois coeficientes:

f (x) = m(x a) + b ; f (a) = b ; m =
db
; c 6= a
ca
(4.3)
Como ja vimos em varias ocasioes neste livro, e interessante escrever o polinomio desenvolvido em dos pontos porque teremos de graca um dos coeficientes
quando impusermos a condicao f (a) = b na equacao (3) temos o valor de b a
ordenada de um dos pontos que determina a reta.
Claro, e preciso vermos claro quais sao as condicoes do problema, mesmo
que isto tenha sido dito acima, uma pequena repeticao torna-se didatica: sao
dados dois pontos e queremos saber qual e o polinomio que interpola estes dois
pontos. Encontrar um polinomio significa encontrar os seus coeficientes.
O nosso objetivo aqui nao e geometrico e sim funcional, desejamos funcoes.
No caso da reta, figura (4.1) estamos entendendo que foram feitas duas medidas,
uma no ponto x = a com intensidade y = b e outra no ponto x = c com
intensidade y = d resultando nos dois pontos P = (a, b), Q = (c, d) e a reta que
aparece na figura e a uma aproximacao do que acontece no intervalo [a, c].
Se todas as informacoes que tivermos forem estas (muito pobre o conjunto
de informacoes) a u
nica modelagem do fenomeno e o segmento de reta que passa
nos dois pontos, na figura (4.1).
Se considerarmos um ponto p [a, c] o valor do fenomeno neste ponto, obtido
como interpolacao (linear) e o valor da funcao do primeiro grau, equacao (3),
calculada no ponto p. Pontos calculados em cima de retas sao medias aritmetica
CAPITULO 4. SPLINES
104
ponderadas dos valores que determinam esta reta, isto e a melhor que coisa que
podemos obter com esta quantidae (pobre) de informacoes.
Em geral se quer obter mais informacoes, mas obviamente existe um custo
associado a quantidade de informacoes: mais pessoas levantando dados, mais
tempo de busca, mais tempo de processamento. Ent
ao precisamos de metodos
mais eficientes para conseguir o melhor resultado com uma quantidade menor
de informacoes, este e o objetivo deste captulo, desenvolver um metodo nos
permita interpolar as informacoes conhecidas para calcular mais informacoes a
partir das (poucas) informacoes obtidas.
Nesta primeira secao estamos apresentando a solucao cl
assica, que se originou no seculo 18, uma antiguidade digna de museu, mas que vale a pena pelo
menos conhecer porque e magnifica considerando os parcos meios que Euler e
Lagrange e outros tinham para chegar nesta solucao, e n
ao somente nisto, ela e
bastante exata, porem depende de uma grande quantidade de informacoes.
Veja mais uma comparacao gr
afica para ilustrar a imprecis
ao com que uma
pequena quantidade de informacoes nos deixa. Na figura (4.2) p
agina 104,
estamos apresentando uma formulacao gr
afica de um pretenso fen
omeno real
o valor obtido por
interpolao linear
para x=p
o fenmeno "real"
(c,d)
f(x) = m (xa) + b
f(a) = b
P
f(c) = d
(a,b)
O erro no ponto
x=p
A reta e o fen
omeno real
associado à reta que que interpola o fen

omeno a partir, apenas, das informacoes
coletadas nos extremos do intervalo. Voce pode ver neste gr
afico que a reta
nada tem a ver com o fenomeno modelado, porque a quantidade de informacoes
coletadas e muito pequena.
Observe que se, tudo que soubermos for os valores nos pontos x = a e x = c,
nao teremos nenhuma condicao de avaliar o erro ocorrido ao considerar a media
105
aritmetica f (p) como um valor aproximado do fenomeno no ponto x = p.

O grafico na figura (4.2) e apenas uma ilustracao, e um gr
afico feito à mao.
Certamente nao lhe estamos dizendo nada de extraordinario, o que desejamos
e conscientiza-lo para a necessidade de um trabalho maior em que pretendemos
mete-lo agora: resolver um grande sistema de equacoes lineares. Felizmente
temos bons programas para resolver sistemas de equacoes lineares e a pratica
com usa-los lhe sera u
til em muitas situacoes.
Uma solucao para este problema, quando tivermos um levantamento de dados com n informacoes, pode ser obtida com um sistema de n equacoes nas n
incoognitas representadas pelos coeficientes de P
P (x) = a0 + a1 x + + an1 xn1
(4.4)
um polinomio de grau n 1, como no caso da reta, duas informacoes, sao

interpoladas com um polinomio de grau 1, n informacoes serao interpoladas
com um polinomio de grau n 1.
Vamos comecar brincando um pouco com varias interpolacoes polinomiais
tendo como objetivo mostrar-lhe que gnuplot e um excelente instrumento para
testes porque lhe permite somar polinomios ou multiplica-los por constantes e
portanto pesquisar sadas para um problema para o qual voce ainda nao tenha
um modelo adequado.
gnuplot e uma m
aquina de calcular com potencialidades bem elevadas e e
isto que lhe queremos mostrar, inicialmente.
4.1.1
An
alise de dois casos particulares
Interpolando pontos sobre o eixo OX

No primeiro caso considerarmos o caso em que yk = 0 para todo k, podemos facilmente ver que ha muitas solucoes para este problema e assim discutir
a existencia de uma solucao otima. Veja na figura (fig. 4.3) pagina 106, as
m
ultiplas solucoes, para o problema particular, construidas com gnuplot
Esta modelagem com gnuplot foi produzida com o seguinte script que pode
ser encontrado aqui, [20, programas.tgz].
[a,c]
Figura 4.2:
CAPITULO 4. SPLINES
## splines01.01.gnuplot
e o nome do arquivo
a0=5;a1=2;a2=-2;a3=-4
p(x) = (x - a0)*(x-a1)*(x-a2)*(x-a3)
dp(x) = (x-a0)*(x-a1)*(x-a2) + (x-a0)*(x-a1)*(x-a3) +\
(x -a0)*(x-a2)*(x-a3) + (x-a1)*(x-a2)*(x-a3)
set xrange [a3-1:a0+1]
plot p(x),dp(x),0
pause -2
M = 470.0 ## m
odulo m
aximo da derivada (visualmente)
P(x) = (1/M)*p(x)
dP(x)=(1/M)*dp(x)
plot P(x), dP(x),0
CAPITULO 4. SPLINES
106
3.5
CAPITULO 4. SPLINES
107
que e o valor do modulo maximo da derivada de p no intervalo
P(x)
g(x)
0
3
I = [a3 1, a0 + 1]
2.5
redefinimos o polinomio, P (x) =

do polinomio P no intervalo I.
1.5
1
M p(x),
portanto reduzimos a oscilaca

o 3
O modulo maximo vem do plano complexo que o melhor lugar para estudarmos polinomios (mas tambem um pouco mais complicado), a figura
(5) mostra o que significa o modulo maximo quando estudamos polinomios
com variaveis complexas. Esta e a u
ltima mencao às vari
aveis complexas
neste livro para o caso de voce querer saber onde e que se pode obter
informacoes mais completas sobre o uso do m
odulo m
aximo.
0.5
0.5
1.5
Figura 4.3:
Mdulo mximo
pr imagem do
ponto de mdulo
mximo
Duas soluco
es do problema homog
eneo
pause -2
plot P(x),dP(x),0,p(x),dp(x)
pause -2
g1(x) = 2*P(x)
g2(x) = 3*P(x)
plot P(x), g1(x), g2(x),0
pause -2
#set terminal fig color big portrait
#set output "splines01_03.fig
Neste caso particular, quando estivermos interpolando pontos de um intervalo contido em R, qualquer m
ultiplo de uma solucao e tambem uma solucao,
e a soma de duas solucoes e tambem uma solucao produzindo um espaco vetorial de soluco
es e voce pode se divertir procurando a dimens
ao deste espaco
vetorial. . .
Ao construir a solucao do problema:
fizemos o grafico de p, p = dp
odulo m
aximo de p . Existe
modulo maximo calculamos, visualmente, o m
um teorema que garante que o m
odulo m
aximo de um polin
omio ocorre na
o teorema
fronteira de um disco que contem este intervalo considerado. E
do m
odulo m
aximo e a figura (fig. 5) p
agina 120, e uma ilustracao do
teorema do m
odulo m
aximo estudado em vari
aveis complexas. A figura
justifica porque preferimos calcular visualmente o m
aximo da derivada;
usamos como coeficiente
1
; M = 470.0 ; M = max(|p (x)|)
M
O mdulo mximo
no plano complexo
Figura 4.4:
O teorema do m
odulo m
aximo
Esta analise sugere a existencia de uma solucao o

tima. Vamos ver que existe
uma solucao u
nica para o problema que e tambem, em um certo sentido, o
tima.
Os exerccios seguintes devem conduz-lo a uma compreensao da oscilaca
o
dos polinomios interpolantes associada a densidade da malha representada pelos pontos a serem interpolados. O objetivo dos exerccios e o de lhe oferecer
uma oportunidade de fazer calculos, portanto faca experiencias com gnuplot
e scilab mas nao despreze as expressoes formais sem as quais nao e possvel
escreverem-se os programas.
Quanto mais densa a malha, menor a oscilacao no interior do intervalo em
que se encontram os pontos (nos) da malha. Os exerccios vai convida-lo a usar
scilab, um pacote para fazer Algebra

Linear, [23].
Quando os valores dados est
ao fora de OX
No segundo caso consideramos yk = r uma constante r R,.
Aqui nos ajuda a solucao dos sistemas lineares dos quais sabemos que a
solucao geral de um sistema (e o caso agora) e a solucao geral do caso homogeneo
(o primeiro caso que estudamos) mais uma solucao particular do caso geral.
3 Observe que para reduzir a oscila
ca
o do polin
omio fomos buscar o m
odulo m
aximo da
derivada
CAPITULO 4. SPLINES
108
Qualquer solucao P do problema homogeneo, somada de uma solucao particular, um polinomio, portanto um conjunto de coeficientes, e a solucao geral
deste problema nao homogeneo. Vem da Algebra

Linear, porque o problema
se reduz à procura dos coeficientes sendo portanto um equacao matricial. Um
exemplo particular esta no exerccio (3) na p
agina 109.
Nao e possvel obter todas as solucoes do problema n
ao homogeneo sem
considerar o caso homogeneo foi poristo que dividimos a quest
ao em dois casos.
Esta formulacao e importante se estivermos trabalhando com sistemas superdeterminados onde existe uma infinidade de solucoes (uma infinidade de
polinomios).
unico) polin
omio de grau n 1 que interpola n
Se quisermos encontrar o (
pontos dados, a solucao e u
nica, e se trata simplesmente de resolver um sistema
de equacoes determinado como mostra o exerccio (3) na pagina 109.
Nao vamos voltar mais a esta quest
ao neste livro, isto e uma decis
ao de
otimizar esforcos, o nosso objetivo s
ao os splines, quer dizer polin
omios por
pedacos. Se o leitor precisar de modelar com polinomios, o que foi dito acima e
suficiente para guia-lo na complementacao do que ainda precisar.
CAPITULO 4. SPLINES
7
f(x)
0
6
-1
-2
-3
Figura 4.5:
que se encontra aqui [20, programas.tgz]. Edite este script e faca alguns
experimentos com polin
omios. Eis algumas sugest
oes:
Aproximaca
o linear por pedacos - 1-spline
x = 2 (x < 0)f (x) = 7 (9/3)(x + 3); f (2) = 4

x = 0 (x 0)f (x) = 2 + (3/5) x; f (0) = 2
x = 2 (x 0)f (x) = 2 + (3/5) x; f (2) = 0.8
encontre uma famlia de polin

omios que que interpolem os pontos
(4.5)
(4.8)
(4.9)
(4.10)
escolha os valores de ai diretamente dentro do script do gnuplot;

Construa um polin
omio que passa em dois pontos escolhidos com uma
oscilaca
o especificada.
solu
c
ao: splines01.02.gnuplot, [20, programas.tgz].
Mais difcil: construa um polin
omio com oscilaca
o especificada que
passe em alguns pontos escolhidos. Voce vai precisar de resolver um
sistema de equaco
es. . .
2. interpolaca
o linear Tudo que sabemos sobre um fen
omeno f medido sobre
o intervalo [a, b] s
ao os valores do fen
omeno nos pontos a, b, c:
es f (xk ) sobre f definida no

3. interpolaca
o n~
ao linear Temos as informaco
intervalo [a, b]:
[a, b] = [3, 5]; x0 = 3; x1 = 2; x2 = 0; x3 = 2; x4 = 5
f (3) = 7; f (2) = 3; f (0) = 3; f (2) = 0; f (5) = 1
(4.11)
(4.12)
Encontre um polin
omio do quarto grau
P (x) = a0 + a1 x + a2 x2 + a3 x3 + a4 x4
(4.13)
P (xk ) = f (xk )
(4.14)
tal que
(4.6)
Interpole,linearmente, estas informaco

es estimando qual poderia ser o
valor de f nos pontos
{2, 0, 2}
(4.7)
Faca um gr
afico ilustrativo.
-1
Esta funca
o est
a definida por dois sementos de reta, um quando x < 0 e
outro quando x 0.
1. O gr
afico na figura (fig. 4.1) foi produzido com o script
splines01.01.gnuplot
[a, b] = [3, 5] ; f (3) = 7; c = 0f (c) = 2; f (5) = 1
-2
Solu
c
ao 2 Veja o gr
afico na figura (fig. 4.5) p
agina 109,
Exerccios 13 Interpolaca
o e oscilaca
o de um polin
omio
{(a0 , r), (a1, r), (a2, r), (a3, r), (a4, r)}
109
interpolando nao linearmente as informaco

es contidas na (eq. 12). Use
esta interpolaca
o para obter uma estimativa dos valores de f nos pontos
{1, 1, 3}
Faca um gr
afico ilustrativo.
(4.15)
CAPITULO 4. SPLINES
110
Solu
c
ao 3 As informaco
es que temos nos permitem montar a tabela
xk
yk
-3
7
-2
3
0
-3
2
0
5
1
(4.16)
P (2) = a0 + 2a1 + 4a2 + 8a3 + 16a4 = 0

P (5) = a0 + 5a1 + 25a2 + 125a3 + 625a4 = 1
(4.19)
(4.20)
3a1 + 9a2 27a3 + 81a4 = 11

2a1 + 4a2 8a3 + 16a4 = 6
2a1 + 4a2 + 8a3 + 16a4 = 3
(4.21)
(4.22)
(4.23)
5a1 + 25a2 + 125a3 + 625a4 = 4

a1
9 27 81
4 8
16 a2
=
4
8
16 a3
a4
25 125 625
(4.24)
P (2) = a0 2a1 + 4a2 8a3 + 16a4 = 3

P (2) = a0 = 3
3
2
2
5
!
!
3.
4.
111
!
!
-->a\b
ans =
P (3) = a0 3a1 + 9a2 27a3 + 81a4 = 7
CAPITULO 4. SPLINES
11
6
3
4
(4.17)
(4.18)
(4.25)
! - 0.6880952 !
!
1.2678571 !
! - 0.0154762 !
! - 0.0357143 !
-->function y = f(x)
-->y =-3 -0.6880952*x + 1.2678571*x*x - 0.0154762*x*x*x - 0.0357143*x*
-->endfunction
-->f(0) = - 3.
-->f(-3)
-->f(-2) =
7.9999986
2.9999996
-->f(2) = - 0.0000004
Vamos primeiro usar scilab para resolver o sistema de equaco

es depois
vamos mostrar uma outra forma de resolver o problema associado com o
que fizemos no captulo 1, usando a ideia (n
ao o conceito) de polin
omio
de Taylor. Com scilab resolvemos qualquer sistema de equaco
es portanto
n
ao precisamos de tecnicas mais avancadas de c
alculos manuais (que mostraremos depois).
-->f(5) =
a = [-3 , 9 , -27 , 81 ;
-2 , 4 , -8,
16 ;
2 , 4 , 8 , 16
;
5 , 25 , 125 , 625]
a =
Observe o erro apreci

avel no c
alculo de f (3) = 7.9999986 cometido
usando scilab. O erro n
ao e do scilab mas do metodo, uma interpolaca
o
polinomial de grau 4 das quatro informaco
es obtidas de uma tabela.
! - 3.
! - 2.
!
2.
!
5.
9.
4.
4.
25.
- 27.
- 8.
8.
125.
-->b=[11 ; 6 ;3
b =
!
!
11. !
6. !
;4]
81.
16.
16.
625.
0.999989
a0 = 3; a1 = 0.6880952; a2 = 1.2678571;
a3 = 0.0154762; a4 = 0.0357143
(4.26)
(4.27)
Devemos ainda calcular, usando a interpolaca

o polinomial, os valores de
f (1), f (1), f (3), com scilab
!
!
!
!
-->f(-1)
- 1.0642858
-->f(1)
- 2.4714286
-->f(3)
3.0357126
Veja o gr
afico deste polin
omio, feito com scilab na figura (fig. 4.6) p
agina
112,
CAPITULO 4. SPLINES
112
CAPITULO 4. SPLINES
113
a1 + a2 + a3
3a1 + 9a2 + 27a3
5a1 + 25a2 + 125a3
8a1 + 64a2 + 512a3
f(x)
0
= 10
=4
=7
=8
(4.31)
Resolvendo este sistema de equaco

es com scilab temos
a =
4
[1 , 1 , 1 ;
3, 9, 27; 5,
25,
125; 8, 64, 512]
b = [10; 4; 7; 8]
c = a\b
function y = f(x)
y = -7 + c(1)*(x+3) + c(2)*(x+3)**2 + c(3)*(x+3)**3;
return y;
endfunction
4
3
Figura 4.6:
interpolaca
o polinomial dos pontos
Outra soluca
o, de acordo com o que desenvolvemos no captulo 1, vamos
desenvolver o polin
omio no ponto x = 3
f (x) = a0 + a1 (x + 3) + a2 (x + 3)2 + a3 (x + 3)3
a0 = 7
f
(2)
=
7
+ a1 + a2 + a3
=3
f (0) =
7 + 3a1 + 9a2 + 27a3
= 3
f (2) = 7 + 5a1 + 25a2 + 125a3 = 0
f (5) = 7 + 8a1 + 64a2 + 512a3 = 1
(4.28)
(4.29)
(4.30)
-->f(-3)
ans =
- 7.
-->f(-2)
ans =
- 1.2993631
-->f(0)
ans =
1.0127389
-->f(2)
ans =
- 2.0063694
-->f(5)
ans =
1.2866242
em que obtivemos precis
ao apenas para f (3).
Este dois exemplos nos mostram as dificuldades de obter uma interpolaca
o
confi
avel com polin
omios de grau alto determinado pelo n
umero de informaco
es. Aqui foram polin
omios de grau pequeno porque tambem temos
poucas informaco
es.
4. Faca uma pequena dissertaca
o descrevendo quem e f e P na quest
ao
(ex.3). Use em sua redaca
o algumas das palavras: interpolacao, linear,
estimativa, aproximacao, modelo.
CAPITULO 4. SPLINES
114
onico4 p que interpola os

5. interpolaca
o n
ao linear Calcule o polinomio m
pontos
(7.5, 0), (2.5, 0), (2.5, 0), (7.5, 0)
6. C
alcule o m
odulo m
aximo M de p no intervalo [3, 4] e defina P (x) =
p(x)
o = 0.6
.
Calcule
M
ax
P (x) resposta oscilaca
x[3,4]
M
ao considerando os pontos
7. interpolaca
o n
ao linear Refaca a quest
(7.5, 0), (1, 0), (1, 0), (7.5, 0)
CAPITULO 4. SPLINES
115
e um correspondente conjunto de valores

{y0 , y1 , . . . , yn1 }
como poderiamos interpolar, polinomialmente, os pontos
{(x0 , y0 ), (x1 , y1 ), . . . , (xn1 , yn1 )}
(4.34)
ou ainda, encontrar um polinomio P cujo grafico passe por estes pontos. No

exemplo anterior fizemos isto quando yk = 0 para todo k.
Da mesma forma como
dois pontos determinam uma reta, um polinomio de grau 1, porque os dois

pontos determinam os dois coeficientes da reta que passa por estes pontos,
x0 = -7.5; x1=-2.5; x2=2.5; x3=7.5;

p(x)=(x-x0)*(x-x1)*(x-x2)*(x-x3)
dp(x)=(x-x0)*(x-x1)*(x-x2)+(x-x0)*(x-x1)*(x-x3)+(x-x0)*(x-x2)*(x-x3)+\
(x-x1)*(x-x2)*(x-x3)
set xrange [x0:x3]
## quando a particao nao for uniforme altere a etiqueta
set title "uniforme" ## altere esta etiqueta para "nao uniforme"
plot p(x),dp(x),0
pause -2
M=1/1470.0 ## calcule este valor e substitua aqui
P(x) = M*(x-x0)*(x-x1)*(x-x2)*(x-x3)
dP(x) = M*((x-x0)*(x-x1)*(x-x2)+(x-x0)*(x-x1)*(x-x3)+(x-x0)*(x-x2)*(x(x-x1)*(x-x2)*(x-x3))
plot P(x),dP(x),0
pause -2
tambem n pontos determinam um polinomio de grau n1, os n coeficientes

do polinomio, que os interpola.
8. Comparando as quest
oes (ex. 5) e (ex. 7), verifique que, se os n
os formarem uma partica
o uniforme, a oscilaca
o de P e da derivada P do
polin
omio que interpola os pontos e diferente. Identifique em que caso a
oscilaca
o e menor, sobre o intervalo determinado pelos pontos a serem
interpolados.
Um segmento de reta, um polinomio de grau 1, e a forma de interpolar dois pontos.

A forma eficiente de interpolar n pontos deve ser um polinomio de grau n 1.
4.1.2
A soluc
ao geral do problema
Resolver o problema geral de interpolacao polinomial classica

(x0 , y0 ) (xn1 , yn1 )
Interpolando pontos do plano

Nos exemplos desenvolvidos, mostramos como interpolar n pontos selecionados num intervalo [a, b] contido em R. Tambem mostramos a baixa precis
ao
que existe neste metodo ingenuo de interpolar justificando assim que devemos
procurar metodos mais eficientes.
O nosso objetivo entretanto e, considerada uma colecao de n
os sobre um
intervalo [a, b]
a = x0 < x1 < < xn1 < xn1 = b
(4.32)
chama polin
omio m
onico aquele cujo coeficiente do termos de maior grau
e1
(4.35)
consiste em encontrar um polinomio P de grau n tal que

P (xk ) = yk ; k {0, n 1}.
(4.36)
seremos conduzidos a resolver um sistema de n equacoes cujas incognitas sao os

coeficientes de um polinomio do grau n 1
a0 , a1 , , an1
P (x) = a0 + a1 x + + an1 xn1
es 0.6 e 1
resposta oscilaco
4 se
(4.33)
P (x0 ) =
P (x1 ) =
..
P (xn ) =
P (x0 )
..
=
P (xn1 )
P (x0 )
..
.
P (xn1 )
(4.37)
(4.38)
an1 xn1
0
an1 xn1
1
y0
..
.
yn1
= (4.39)
a 0 + a 0 x0 + +
=
y0
y0
y1
a 0 + a 0 x1 + +
=
y1
(4.40)
.. =
..
..
.
.
.
yn
a0 + a0 xn1 + + an1 xn1
n1 = yn1

n1
2
x0
1
x0
x0
a0
y0
a 1 y1
1
x1
x21
xn1
1
. = . (4.41)
...
...
...
...
.. ..
an1
yn1
1 xn1 x2n1 xn1
n1
CAPITULO 4. SPLINES
116
a0
a1
..
.
an1
y0
y1
..
.
yn1
(4.42)
Este e um sistema muito especial cuja matriz A e uma matriz de Vandermonde5 e
sabemos, da Algebra
Linear que o valor do seu determinante e obtido pelo
produto das diferencas entre os seus elementos caractersticos
x0 , x1 , x2 , , xn1
(4.43)
(x0 x1 ) (x0 xn1 )(x1 x2 ) (x1 xn1 )

(xk xk+1 ) (xk xn1 ) (xn2 xn1 ) =
(4.44)
(4.45)
= i>j (xi xj ) = V an((xi )n1

i=0 ) = D
(4.46)
em que V an((xi )n1

i=0 ) representa o determinante da matriz de Vandermonde,
de ordem n, ver [12, pagina 301] ou [29, Vandermonde], cujos elementos caractersticos estao listados entre parenteses como par
ametros.
Este produto e diferente de zero, porque os n
os 6 s
ao todos diferentes (n
ao
teria sentido haver n
os repetidos). Consequentemente a solucao do sistema
existe e u
nica. Isto demonstra o teorema
Exerccios 14 Tutorial sobre polin

omio de Lagrange
Estes exerccios v
ao conduz-lo a entender o que e um polin
omio de interpolaca
o de Lagrange. Os exerccios marcados com asterisco podem ser ignorados, porque n
ao ser
ao usados em nenhum local do livro.
1. derivada algoritmica Considere
P (x) = (x x1 )(x x2 )(x x3 )
(4.47)
P (x) = (x x1 )(x x2 ) + (x x1 )(x x3 ) + (x x2 )(x x3 ) (=4.52)

P (x) = P1 (x) + P2 (x) + P3 (x)
(4.53)
em que (nota
c
ao)
P1 (x) =
{(x0 , y0 ), (x1 , y1 ), . . . , (xn1 , yn1 )}
(4.49)
a = x0 < x1 < < xn1 = b
(4.50)
associados à malha
(4.54)
uma soma de produtos em que, sucessivamente, cada um dos fatores ori razo
ginais foi eliminado (trocado por 1). E
avel designarmos
P (x)
xx1 ;
P (x)
P2 (x) = (x x1 )(x x3 ) = xx
;
2
P (x)
P3 (x) = (x x1 )(x x2 ) = xx3
P1 (x) = (x x2 )(x x3 ) =
(4.55)
(4.56)
(4.57)
e desta forma
P (x) = P1 (x) + P2 (x) + P3 (x)
(4.58)
em que Pk e o polin
omio sem o fator (x xk ) ou ainda e o quociente
P (x)
.
xxk
Vamos usar esta notaca
o no pr
oximo exerccio.
2. Verifique que se
P (x) = (x x1 )(x x2 )(x x3 )
sobre o intervalo [a, b].

Vandermonde, matem
atico franc
es (1735-1796).
da malha de precis
ao
7 mas descoberto por Edward Waring (1736-1798) e por Leonard Euler (1707-1783)
P (x)
P (x)
P (x)
; P2 (x) =
; P3 (x) =
x x1
x x2
x x3
Solu
c
ao 4 Usando a derivada do produto: (uv) = u v + uv que pode
ser usada com um produto de qualquer quantidade termos, e observando
que a derivada de que cada fator e 1, temos
(4.48)
Ou
nico polinomio identificado no (teorema 6) pode ser calculado a partir do
sistema de equacoes descrito acima, mas este metodo conduz a` f
ormulas muito
difceis de expressar. Em vez disto vamos usar um metodo algortmico que vai
conduzir a uma formula mais simples para encontrar este polin
omio.
Os exerccios seguintes sao um tutorial para conduz-l@ a 7 entender o chamado metodo de Lagrange para determinacao deste u
nico polin
omio de grau n
que interpola os pontos
5 Alexandre
(4.51)
Verifique que
existe um u
nico polin
omio de grau menor ou igual a n passando pelos pontos
(x0 , y0 ) (xn1 , yn1 )
117
P (x) = (x x2 )(x x3 ) + (x x1 )(x x3 ) + (x x1 )(x x2 )
Teorema 6 da interpolaca
o polinomial de Lagrange
Dada uma partica
o de um intervalo [a, b] com n n
os,
{a = x0 , . . . , xn1 = b}
CAPITULO 4. SPLINES
ent
ao
6 pontos
(a) Pj (xk ) = 0 se j 6= k
(4.59)
CAPITULO 4. SPLINES
118
(b) Pk (xk ) 6= 0
CAPITULO 4. SPLINES
119
ponto
(c) Para todo k P (xk ) 6= 0

Esboce o gr
afico de P e tente uma justificativa geometrica para o fato de
que a derivada de P e diferente de zero se as razes forem distintas.
Solu
c
ao 5 (a) Pj tem todos os fatores (x xk ) exceto (x xj ) logo
Pj (xk ) = 0 se j 6= k.
Como (x xj ) n
ao e fator de Pj ent
ao Pj (xj ) 6= 0. Vemos assim que
o valor de Pj (xk ) e

Pj (xk ) = 0 j 6= k
(4.60)
Pj (xk ) 6= 0 j = k
(4.64)
(4.65)
m3 = P (x3 ) e coeficiente angular em x3
(4.66)
(4.67)
3. Verifique que se
P (x) = (x x1 )2 (x x2 )(x x3 )
(4.68)
ent
ao P (x1 ) = 0.
Verifique que definindo
(b) O c
alculo da derivada P (xk ):
P (x) =

3
P
P1 (x) =
(4.61)
3
P
(4.62)
ent
ao P =
(4.63)
Esboce o gr
afico de P e tente uma justificativa geometrica do valor zero
ou diferente de zero das derivadas. Tente elaborar uma uma teoria geral
sobre o assunto, comparando este caso com o anterior.
k=1
dado k P (xk )
2P (x)
P (x)
P (x)
; P2 (x) =
; P3 (x) =
x x1
x x2
x x3
Pk (x)
Pj (xk )
j=1
P (xk ) = Pk (xk ) 6= 0
porque todos os termos em que j 6= k se tem Pk (xj ) = 0. Portanto

P e diferente de zero em todos os n
os e o seu valor e Pk (xk ) em xk .
Veja o esboco gr
afico de P na figura (fig. 4.7) p
agina 118, As retas
3
P
Pk .
k=1
4. derivada algoritmica Considere o polin

omio de grau n
P (x) = nk=1 (x xk )
(a) Verifique que

P (x) =
n
X
Pk (x)
(4.69)
(4.70)
k=1
em que, para cada k, Pk (x) =
x1
P (x)
.
xxk
(b) Encontre uma lei que descreva os valores Pk (xj )
x2
x3
(c) Prove que se P for um polin

omio definido pela equaca
o (eq. 69) e as
raizes xk todas distintas, ent
ao P (xk ) 6= 0 para todo k = 1 . . . n, o
valor da derivada, em todos os n
os, e diferente de zero.
(d) Faca um esboco gr
afico de P e escreva uma pequena redaca
o justificando, com uma argumentaca
o geometrica, porque P (xk ) 6= 0.
Figura 4.7:
Polin
omio de Lagrange
tangentes tem por coeficiente angular o valor da derivada de P no
uma generalizaca
Solu
c
ao 6 (a) E
o dos exerccios anteriores, agora temos um produto de n mon
omios, todos tendo por derivada 1. Quando
aplicarmos a derivada do produto teremos uma soma de n novos produtos, cada com n 1 termos em cada um dos quais aparentemente
dividimos P por cada um dos fatores, sucessivamente:
CAPITULO 4. SPLINES
120
P1 =
P2 =
P (x)
xx1
P (x)
xx2
(4.71)
P (x)
xxn
(4.74)
..
.
Pn =
CAPITULO 4. SPLINES
ultiplas em
6. * Por que a teoria do item anterior falha se houver raizes m
(eq. 69) ?
Solu
c
ao 8 Porque quando houver uma raz m
ultipla, ela tambem ser
a
raiz da derivada. Suponhamos que x = a seja uma raz com multiplicidade
n > 1 ent
ao
(4.72)
(4.73)
P (x) = P1 (x) + P2 (x) + + Pn (x)

n
P
Pk (x)
P (x) =
(4.75)
(4.76)
(b) Valor de Pk (xj ).

Para cada k, o polin
omio Pk (x) e um produto de n 1 termos em
que o fator (x xk ) n
ao est
a presente, logo
Por outro lado todos os fatores (x xj ) com j 6= k est

ao presentes
em Pk (x) e assim
(c) C
alculo de P (xj )
n
X
k=1
Pk (xj ) = Pj (xj ) 6= 0
(4.81)
ent
ao x = a tambem e raz de f .
otese essencial na teoria do exerccio (exer. 5) e que P e uma

7. * A hip
funca
o contnua e P tambem e contnua. Generalize o (exer. 5 ) com
estas duas hip
oteses, para uma funca
o f que e contnua e continuamente
diferenci
avel.
|(x a)(x b)| |2x a b| = x [a, b]

Sugest
ao: nada muda no tamanho (desigualdades) quando os gr
aficos forem transladados...
aximo
9. *oscilaca
o da derivada(2) Verifique que para P (x) = x(x2 1) o m
da derivada P e maior do que o m
aximo de P no intervalo que contem
as razes [1, 1]
10. Polin
omio interpolando pontos no plano
o) se P for dado pela equaca

o (eq. 69)
5. * Verifique (tente uma demonstraca
com todos os xk distintos, ent
ao as raizes de P e P se entrelacam (tem
uma) raz de P entre duas raizes de P . Escreva um teorema descrevendo
inteiramente esta situaca
o.
(a) Considere a sequencia de n

os
{2.5, 1.5, 0.5, 2, 3} [3, 3]
e encontre P com estas razes e calculo o m
odulo m
aximo, M , de P .
(b) Soluca
o o
tima Calcule os coeficientes de Q = P/M
(c) Considere os pontos do plano
Solu
c
ao 7 Como as razes s
ao todas distintas, (n
ao h
a razes m
ultiplas)
ent
ao as razes de P s
ao todas distintas das razes de P .
Como entre duas razes de P este polin
omio ter
a um m
aximo ou um
mnimo8 local, ent
ao P tem uma raz entre duas razes de P .
{(2.5, 0), (1.5, 2), (0.5, 3), (0.5, 3), (1.5, 1), (2.5, 2)}
e calcule um polin
omio que interpole este pontos usando o polin
omio
Q. Faca os gr
aficos.
garante isto
e a continuidade
f (a) = 0
(4.79)
(4.80)
(4.77)
O gr
afico de P corta o eixo OX em todos os n
os se alternando com m
aximo
um gr
ou mnimos locais entre as razes. E
afico semelhante ao que voce
pode ver na figura (fig. 4.7) p
agina 118.
8 quem
(4.78)
8. *oscilaca
o da derivada(1) Considere P (x) = x2 a2 . Encontre uma condica
o
para que o m
aximo da derivada P seja maior do que o m
aximo de P no
intervalo que contem as razes9 [a, a]; a > 0 Prove que se |ba| 4 ent
ao
Pk (xj ) = 0 j 6= k.
P (xj ) =
f (x) = (x a)n g(x)
f (x) = n(x a)n1 g(x) + (x a)n g (x) =
f (x) = (x a)[n(x a)n2 g(x) + (x a)n1 g (x)]
k=1
Pk (xk ) 6= 0.
121
9a
condica
o a > 0 n
ao
e essencial, apenas facilita a apresentaca
o do problema.
CAPITULO 4. SPLINES
122
CAPITULO 4. SPLINES
123
i. Calcule P .
ii. Mostre que
uencia de n
os
11. polin
omio de Lagrange Considere a seq
xk {2.5, 1.5, 0.5, 2, 3} [3, 3]
P =
do intervalo [3, 3]. Seja P o polin

omio m
onico10 que tem estes n
os como
P (x)
razes. E defina Pk (x) = xx
.
k
Pk .
k=0
iii. Mostre que

Pj (xk ) = 0 = j 6= k
(a) Calcule P .
iv. Mostre que
(b) Mostre que
P =
5
X
P (xj ) = Pj (xj )
Pk .
v. Defina
k=1
f (x) =
(c) Mostre que
Verifique que f e um polin

omio de grau no m
aximo n. Calculando seus valores sobre os n
os, verifique sua equaca
o.
vi. Considere uma sucess
ao de dados (yk )nk=0 e redefina f (x) =
n
P
yk Pk (x)
. Mostre que f (yk ) = yk e que, portanto, o polin
omio
P (xk )
(d) Mostre que

P (xj ) = Pj (xj )
(e) Defina
f (x) =
k=0
5
X
Pk (x)
P (xk )
f interpola os pontos
((xk , yk )nk=0 )
k=1
Verifique que f e um polin

omio de grau no m
aximo 5. Calculando
seus valores sobre os n
o.
(f ) Considere a seguinte sucess
ao de dados yk {4, 1, 2, 5, 7} e re5
P
yk Pk (x)
defina f (x) =
P (xk ) . Mostre que f (yk ) = yk e que, portanto, o
k=1
n
X
Pk (x)
P (xk )
k=0
Pj (xk ) = 0 = j 6= k
do plano.
(h) Considere uma sucess
ao (crescente) de n
os (xk )nk=0 de um intervalo
12
[a, b]. Seja P o polin
omio m
onico que tem estes n
os como razes. E
P (x)
defina Pk (x) = xx
. Verifique que
k
polin
omio f interpola os pontos
i.
P =
(2.5, 4), (1.5, 1), (0.5, 2)(2, 5), (3, 7)
n
X
Pk
k=0
do plano.
ii.
Pj (xk ) = 0 = j 6= k
(g) polin
omio de Lagrange Considere uma seq
uencia de n
os
iii.
(xk )nk=0 [, ]
Pj (xj ) = P (xj )
Seja P o polin
omio m
onico11 que tem estes n
os como razes. E defina
P (x)
Pk (x) = xxk .
10 aquele
n
X
iv. f (x) =
n
P
k=0
Pk (x)
P (xk )
e um polin
omio de grau no m
aximo n. Calcu-
lando seus valores sobre os n

o.
v. Polin
omio de Lagrange Considere uma sucess
ao de dados (yk )nk=0
n
P
yk Pk (x)
. Mostre que f (yk ) = yk
e redefina f (x) =
P (xk )
cujo coeficiente do termo de maior grau

e 1, obtido com os produtos
(x x1 ) (x x5 ).
k=0
11 aquele

(x x1 ) (x x8 ).
12 aquele

(x x0 ) (x xn ).
CAPITULO 4. SPLINES
4.1.3
124
Interpolac
ao polinomial de Lagrange
Se voce tiver feito o tutorial sobre polin

omio de Lagrange esta secao representa
apenas um resumo do que foi feito no tutorial e possivelmente pode ser pulada.
Considere dois pontos no plano, eles determinam uma reta que e o gr
afico de
um polinomio de grau menor13 ou igual a 1. Isto e dois pontos s
ao interpolados
por um polinomio de grau menor que dois. Tres pontos s
ao interpolados por
uma parabola ou uma reta, novamente o grau e menor do que a quantidade de
pontos.
Assim, se quisermos interpolar n + 1 pontos, deveremos obter um polin
omio
de grau no maximo n cujos n + 1 coeficientes ficam unicamente determinados
pelos n + 1 pontos dados. Ali
as, o fato de havermos encontrado uma multitude
de solucoes e um indicativo da fraqueza do metodo. Por outro lado, observe
que o adjetivo fraqueza e enganoso uma vez que na verdade a nossa conclus
ao
deveria ser a de que existe excesso de informaco
es e este excesso de informaco
es
pode ser algumas vezes usado para obter melhor solucao em outro contexto.
Guarde este comentario para uso posterior.
Vamos fazer um resumo do metodo, devido a Lagrange14 para construir um
polinomio de grau menor ou igual a n 1 interpolando n pontos
(x0 , y0 ), (xn1 , yn1 ) ; x0 < x1 < < xn1
dados.
O metodo de Lagrange representa uma alternativa, usando a derivada, para
limitar a oscilacao do polinomio de interpolacao.
Como habitual, chamamos os pontos x0 , . . . , xn1 I = [a, b] de n
os de
uma malha que consideramos no intervalo I. Como sempre,
sao os extremos do intervalo considerado.

Estes n
os que definem uma particao do intervalo I s
ao chamados de pontos de precis
ao porque neles conhecemos exatamente a funcao que est
a sendo
estudada, por exemplo, eles s
ao os pontos em que est
ao colocados os sensores
que mediram algum fenomeno. Se estivermos aproximando alguma funcao g, a
funcao aproximante f que ser
a construida por algum dos metodos que estudaremos neste captulo, conncidir
a com g nestes pontos: f (xk ) = g(xk ).
A particao nao precisa ser uniforme, embora seja pr
atico, nas implementacoes
computacionais, considerar particoes uniformes porque simplifica a construcao
do algoritmo. Voce ira encontrar, entre os nossos programas, um meio para trabalhar com particoes nao uniformes, que podem ser u
teis em alguns contextos,
como na analise de de fenomenos com alta oscilacao, ou piques.
Portanto a medida dos intervalos Ik = [xk , xk+1 ] n
ao precisa ser a mesma.
Comecamos considerando o polin
omio
Q(x) = (x x0 ) (x xn1 )
no caso em que os pontos estejam sobre uma paralela ao eixo OY ...
14 mas descoberto por Edward Waring (1736-1798) e por Leonard Euler (1707-1783)
125
de grau n + 1 cuja derivada e obtida pela regra do produto, acompanhe a

sequencia de operacoes que lhe devem ser familiares, como consequencia de
exerccios anteriores:
Pk (x) =
P (x)
xxk
um polinomio de grau n
P (x) =
n1
P
Pk (x)
(4.83)
(4.84)
k=0
Pk (xk ) = P (xk )
Pk (xj ) = 0 == j 6= k
n1
P Pk (x)
f (x) =
P (xk )
(4.85)
(4.86)
(4.87)
k=0
f (xk ) =
n1
P
k=0
Pk (xk )
P (xk )
Pk (xk )
P (xk )
P (xk )
P (xk )
=1
(4.88)
como f e uma combinacao de polinomios de grau n entao e um polinomio cujo

grau e no maximo n. Como os valores deste polinomio nos n + 1 nos sao a
unidade, podemos concluir que f e constante igual a 1. As experiencias feitas
com gnuplot na lista de exerccios acima ja evidenciou estes fatos.
n1
P Pk (xk )
Quer dizer que a expressao
e uma combinacao linear convexa
P (xk )
k=0
(uma soma de pesos), para todos os valores de x no intervalo [a, b]. Se portanto
escolhermos uma colecao de n + 1 valores, cada um deles associados a um dos
nos podemos definir:
n1
X yk Pk (x)
g(x) =
(4.89)
P (xk )
k=0
a = x0 , b = xn1
13 salvo
CAPITULO 4. SPLINES
(4.82)
e como o valor da soma, em cada no era 1, agora

g(xk ) = yk
o que nos da um polinomio de grau n passando por n + 1 pontos escolhidos no
intervalo [a, b].
O polinomio de grau n, equacao (89), e o polinomio de interpolacao de
Lagrange.
CAPITULO 4. SPLINES
4.2
126
CAPITULO 4. SPLINES
Func
oes polinomiais por pedacos
Ik =
A forma mais simples de interpolar uma coleca

o de pontos do plano consiste em lig
a-los por
segmentos de reta: a poligonal cujos v
ertices s
ao os pontos dados. Aqui vamos considerar
um caso particular em que os pontos dados representam valores de uma funca
o hipot
etica
defina em um intervalo [, ], os valores obtidos pelas medico
es de um sensor ao longo de um
intervalo do tempo. Nestas condico
es as abcissas destes pontos s
ao uma sequ
encia crescente
de pontos do intervalo [, ],
{ = a0 < a1 < < an = }
Exerccios 15 Polin
omios por pedacos
1. Funca
o linear por pedacos
(a) Considere a seq
uencia de n
os
xk {3, 2.5, 1.5, 0.5, 0.5, 1.5, 2.5, 3} [3, 3]
e a seq
uencia de valores correspondente
yk {0, 1, 1, 2, 3, 1, 2, 0}
2. Considere a seguinte melhoria nos dados do item anterior: para cada n

o
da malha, o sensor calculou a taxa de variaca
o
dk {1, 0, 2, 1, 0, 1, 0, 1}
e consequentemente, em cada intervalo Ik = [ak , ak+1 ] temos quatro informaco
es:
valor
yk
yk+1
taxa de variaca
o
dk
dk+1
Pk (x) = ak,0 + ak,0 (x xk ) + ak,0 (x xk )2 + ak,0 (x xk )3

que15 pode ser obtido considerando os valores nos extremos de Ik , yk , yk+1
e as taxas de variaca
o nestes pontos, dk , dk+1 , quer dizer que
Pk (xk ) = dk
Pk (xk+1 ) = dk+1
Pk (xk ) = yk
Pk (xk+1 ) = yk+1
3. Calcule a quantidade do fenomeno descrito no exerccio (ex. 2 ), por

definica
o a quantidade de um fen
omeno e a integral da funca
o que o descreve.
4. Considere a seguinte tabela de dados (obtidos por um sensor)
xk
5
1
7
yk
7
3
5
dk
3
1
2
em que xk s
ao os n
os da malha e yk , dk s
ao, respectivamente o valor medido e a taxa de variaca
o calculada em cada n
o. Encontre um polinomio
por pedacos do16 terceiro grau, P , que represesente o fen
omeno no intervalo [3, 3] e faca o gr
afico.
4.2.1
Um sensor mais inteligente
Retomando a linguagem e a notacao que usamos na discussao do polinomio de

Lagrange, quando tivermos uma malha
{a = x0 , . . . , xn = b}
Construa, (faca o gr
afico) da poligonal que interpola os pontos (xk , yk ).
(b) Chame f a funca
o cujo gr
afico foi feito no item anterior e calcule os
seus valores nos pontos inteiros do intervalo [3, 3].
n
o
xk
xk+1
Encontre, para cada intervalo Ik , o polin

omio
e a poligonal mencionada acima

e uma func
ao linear por pedacos, caso particular do nosso
objetivo. Vamos generalizar o caso das poligonais nesta seca
o construindo os quase-splines,
que s
ao funco
es polin
omiais por pedacos do terceiro grau cuja derivada
e contnua.
Nesta secao vamos fazer a construcao te

orica das funcoes polinomiais por
pedacos que ja aparecerem em v
arios exerccios e que portanto voce j
a est
a
praticamente familiarizado com este instrumento. Aqui a linguagem ser
a mais
formal apenas.
Alguns itens da lista de exerccios seguinte servem apenas para relembr
a-lo
de algumas tecnicas, do C
alculo Diferencial e Integral e da Geometria Analtica
que precisaremos na continuacao. Aquilo que lhe parecer trivial voce deve,
simplesmente, saltar.
127
(4.90)
definindo uma particao de um intervalo [a, b], o problema tpico que desejamos
resolver consiste em criar um modelo para um fenomeno cujos valores
{y0 , . . . , yn }
(4.91)
sao conhecidos (medidos) sobre os n

os. Anteriormente usamos a linguagem
desejamos encontrar um polin
omio que passe pelos n + 1 pontos
(x0 , y0 ) (xn , yn )
15 dizemos
que este polin

omio est
a desenvolvido no ponto xk
16 chamos este tipo de fun
ca
o de uma polinomial do terceiro grau
(4.92)
CAPITULO 4. SPLINES
128
agora diremos que desejamos encontrar uma polinomial, uma funca

o polinomial
por pedacos que passe pelos pontos na equacao (92).
Uma situacao pratica que este problema descreve, consiste de uma serie de
sensores colocados ao longo de uma via por onde passe o fen
omeno que desejamos
medir, como um oleoduto e a press
ao arterial do fl
uido que nele passe, ou a
velocidade e a intensidade do tr
afego em uma estrada, enfim, qualquer evento
que possa ser medido controlado por um par
ametro que pertence a um intervalo.
Este e o significado de yk , a medida tomada no n
o xk , examine os exercicios
(ex. 2) e (ex. 3), pagina 127.
Vamos considerar um sensor de melhor qualidade, capaz de n
ao somente
medir a intensidade do fenomenos em cada n
o xk mas tambem calcular-lhe a
taxa de variaca
o neste ponto. Assim a base de dados que temos e
(x0 , y0 , d0 ) (xn , yn , dn )
CAPITULO 4. SPLINES
esquecendo o metodo como obtivemos as derivadas aproximadas e mesmo ignoraremos na continuaca

o que se tratam de derivadas aproximadas. Diremos
que dk e a derivada no ponto xn quer dizer que temos 2(n + 1)informaco
es
processadas17 pelo sensor:
Quatro informaco
es em cada sub-intervalo [xk , xk+1 ]. Temos
yn,1
yn,2
yn,3
dn =
t1
+
2
t2
t1
+
2
t2
em que dk e o valor medio das duas taxas de variaca

o que pudemos calcular
usando as tres medidas finas obtidas em cada n
o.
Simplificando, desta matriz de dados vamos fazer uso apenas da submatriz
x0 y0,1 d0
..
..
..
(4.95)
.
.
.
xn
yn,1
dn
x0
..
.
xn
y0
..
.
yn
d0
..
.
dn
Malha com n + 1 n
os, com os n + 1 pontos, incluindo os extremos do intervalo, determinammos n subintervalos, temos n polin
omios de grau tres
que ir
ao modelar o fen
omeno no intervalo [a, b];
o que estamos chamando de uma po Polinomial de grau tres e esta funca
linomial de grau tres que usaremos como modelo para os fen
omenos que
estamos estudando. A polinomial tambem chamada de funcao polinomial
por pedacos.
Podemos resumir estes dados na tabela:
P0 (x) = a0,0 + a0,1 (x x0 ) + a0,2 (x x0 )2 + a0,3 (x x0 )3
..
.
2
3
yn dn Pn (x) = an,0 + an,1 (x xn ) + an,2 (x xn ) + an,3 (x xn )
(4.99)
H
a v
arias formas de resolver o exerccio 1. Leia a soluca
o dos exerccios ao
final do captulo, n
os vamos us
a-la como metodo de trabalho. Rode os nossos
programas usando-os como exemplos din
amicos18 do texto.
x0
..
.
xn
y0
..
.
4.2.2
d0
..
.
Aproximac
ao de func
oes
Analise o grafico (fig. 4.8) pagina 130,

Este grafico (fig. 4.8), pode ser reproduzido e inclusive impresso em papel,
usando o programa19 aproximacao que pode ser encontrado em [20, programas.tgz] No grafico voce pode ver uma funcao do tipo
f (x) = P (x)sen(ax + b)
17 Houve
(4.96)
(4.98)
Examine, novamente, os exercicios (ex. 2) e (ex. 3), p

agina 127.
e vamos simplificar a notaca

o
(4.97)
Pk (x) = ak,0 + ak,0 (x xk ) + ak,0 (x xk )2 + ak,0 (x xk )3
em que yk e a intensidade do fen

omeno em cada n
o xk e dn e a taxa de variacao
em cada n
o.
xn
no n
o xk : y k , d k
no n
o xk+1 : yk+1 , dk+1 ;
Polin^
omios por peda
cos. Em cada sub-intervalo podemos calcular um
polin
omio de grau tres que modela o fen
omeno no intervalo [xk , xk+1 ];
(4.93)
Exemplo 10 Sensor
Vamos mostrar com um pequeno exemplo que a situaca
o descrita acima e
explorada no exerccio 1, do sensor que tambem mede taxas de variaca
o, e
realista.
Considere um sensor colocado em uma local estrategico para medir um fen
omeno que executa as medico
es a intervalos determinados, a cada minuto, por exemplo. Mas, ao disparar o medidor, em vez de fazer uma u
nica medida, faz tres
medico
es, por exemplo, a cada mili-segundo.
**aqui p
agina 24
A base de dados assim levantada fica descrita pela matriz
y0,1
y
y
y0,2
y0,2 y0,1
+ 0,3t 0,2
t1
t1 + t2
2
=
x
y
y
y
d
=
0,1
0,2
0,3
0
2
2
..
..
..
..
..
(4.94)
.
.
.
.
.
yn,3 yn,2
yn,2
yn,2 yn,1
yn,1
129
(4.100)
uma quantidade bem maior de informaco

es coletadas, depois de coletadas foram
processadas, ou pelo sensor ou por um programa num computador resultando em 2(n + 1)
informaco
es.
18 simplesmente rodar os programas n
ao o vai levar a adquirir conhecimento...
19 escolha, no programa, a op
ca
o (3)
CAPITULO 4. SPLINES
130
CAPITULO 4. SPLINES
131
Au
nica forma de ter seguranca com simulaco
es e
grfico da aproximao
Rodar diversas vezes o modelo. Rode o programa aproximacao com intervalos bem diferentes, para entender o que estamos dizendo;
Aproximao de uma funo

60
cada vez que o modelo for rodado, fazer uma nova entrada d

Idioma

Riemann

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Riemann

Enviado por

Direitos autorais:

Formatos disponíveis

Edicoes Lab.

copyleft by Tarcisio Praciano Pereira

Indice Remissivo Alfab

A pedra, quando o cord

Ponto inicial menor do que a

Ponto inicial maior do que a

Duas tangentes se reproduzindo indefinidamente

Uma reta interpola dois pontos

Pari um pacote de computacao algebrica voltado para Algebra,

criacao de modelos semi-formais para representar dados de um fen

ou, mesmo sabendo, o calculo formal e muito complexo ou longo para

Vamos discutir detalhadamente cada um dos t

A solucao e fazermos aproximacoes para os fenomenos naturais. Ha diversos

Como e que se aprende uma linguagem ?

Comerciais - nao aconselhamos! Maple, Derive

5. Calculo Numerico, dom

Este primeiro captulo e dedicado a uma revisao do Calculo Diferencial e

obviamente, porque a aceleraca

CAPITULO 1. A DERIVADA APROXIMADA

CAPITULO 1. A DERIVADA APROXIMADA

Ao se quebrar o cordo, a pedra sai pela tangente

A pedra, quando o cord

Se f representar a parte da equacao do crculo onde vemos a pedra ainda

Quanto mais proximo estiver ai de a mas preciso sera o valor do coeficiente

Para dizer o mesmo que dissemos acima, o professor de C

y1 y0 = f (x1 ) f (a) = m(x1 a)

f (x) f (a) f (a)(x a)

Vamos parar um pouquinho nas u

Na equacao 8 estamos indicando com o termo corretor o(x a) que a

y b = m(x a) ; b = f (a), m = f (a)

Escrevemos a equacao 8 com o termo corretor, o(x a) porque a expressao

secantes. As retas secantes s

CAPITULO 1. A DERIVADA APROXIMADA

CAPITULO 1. A DERIVADA APROXIMADA

no seguinte exemplo como podemos usar derivadas aproximadas como a u

quisermos recortar um crculo em papel, devemos marcar o centro e ir mantendo

Dados obtidos com um sensor

Lendo a figura podemos dizer, sobre o fen

CAPITULO 1. A DERIVADA APROXIMADA

CAPITULO 1. A DERIVADA APROXIMADA

Dados amostrais refinados

Interpolao linear dos dados

foram tomadas trs medidas

Alem de sabermos o valor no ponto, podemos calcular a derivada aproximada

Dados obtidos por um sensor mais preciso

Curva que interpola os dados

CAPITULO 1. A DERIVADA APROXIMADA

Interpolao no linear dos dados

CAPITULO 1. A DERIVADA APROXIMADA

Exerccios 1 Derivada aproximada

ao anterior com o ponto x = 4 com x =

foram tomadas trs

3. Sabendo que f (1) = 3, f (1) = 1 qual dos gr

E o qual seria a taxa de variaca

Qual pode ser o gr

5. Complete a tabela, calculando a diferenca (o erro) D = |f (a) a (f )| =

CAPITULO 1. A DERIVADA APROXIMADA

8. Faca um programa que liste os valores de a (f ) de de f (a) para alguns

estaremos obtendo uma aproximaca

Como nao podemos calcular a derivada formal, em nossos programas de

7. Um sensor apresenta a seguinte sada de dados em que o primeiro valor

vamos discutir os quocientes de diferenca de segunda ordem

6. A seguinte listagem de valores foi obtido por um sensor para os valores de