Você está na página 1de 123

Introdu

cao ao

CALCULO
NUMERICO

Pedro Pablo Durand Lazo


Agosto 2000
A Dacia Lazo Bola
nos
MADRE INMORTAL
Conte
udo

Pref
acio 4

1 Razes de uma fun c


ao 7
1.1 Formulacao do problema . . . . . . . . . . . . . . . . . . . . . 7
1.2 Razes de uma funcao . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Isolamento de razes . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Metodo da Varredura . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Aproximac ao de razes isoladas . . . . . . . . . . . . . . . . . 13
1.5.1 Metodos de Particao . . . . . . . . . . . . . . . . . . . 13
1.5.2 Metodo de Bissecao . . . . . . . . . . . . . . . . . . . 13
1.5.3 Metodos de Ponto Fixo . . . . . . . . . . . . . . . . . 15
1.5.4 Metodo de Newton-Raphson . . . . . . . . . . . . . . 23
1.5.5 Metodos de Passos M ultiplos . . . . . . . . . . . . . . 26
1.5.6 Metodo da Secante . . . . . . . . . . . . . . . . . . . . 26
1.6 Ordem e Velocidade de Convergencia . . . . . . . . . . . . . . 26
1.7 Razes de func
oes polinomiais . . . . . . . . . . . . . . . . . . 27

2 Sistemas de equa co
es lineares 37
2.1 Formulac
ao do problema . . . . . . . . . . . . . . . . . . . . . 37
2.2 Sistemas de equac
oes lineares . . . . . . . . . . . . . . . . . . 37
2.2.1 Matrizes e Determinantes . . . . . . . . . . . . . . . . 38
2.2.2 Metodos Diretos . . . . . . . . . . . . . . . . . . . . . 53
2.2.3 Metodos Indiretos . . . . . . . . . . . . . . . . . . . . 60

3 Valores de uma fun c


ao 65
3.1 Polin
omio Interpolador . . . . . . . . . . . . . . . . . . . . . . 65
3.2 Forma Lagrange do Polin omio Interpolador . . . . . . . . . . 68
3.3 Forma Newton do Polin omio Interpolador . . . . . . . . . . . 69
3.4 Polin
omio de Taylor . . . . . . . . . . . . . . . . . . . . . . . 78

2

CONTEUDO 3

3.5 Aproximac
ao em Media Quadratica . . . . . . . . . . . . . . . 82
3.5.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . 82
3.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . 92

4 Valores de uma funcional 98


4.1 Formulac
ao do problema . . . . . . . . . . . . . . . . . . . . . 98
4.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.3 Valores de funcionais lineares . . . . . . . . . . . . . . . . . . 100
4.3.1 Derivacao Aproximada . . . . . . . . . . . . . . . . . . 103
4.3.2 Integracao Aproximada . . . . . . . . . . . . . . . . . 105

5 Aproxima c
ao de fun coes 110
5.1 Formulac
ao do problema . . . . . . . . . . . . . . . . . . . . . 110
5.2 Equac
oes diferenciais ordinarias . . . . . . . . . . . . . . . . . 110
5.2.1 Metodos de Euler . . . . . . . . . . . . . . . . . . . . . 113
5.2.2 Metodos de Passo Simples . . . . . . . . . . . . . . . . 115
5.2.3 Ordem da Aproximcao . . . . . . . . . . . . . . . . . . 116
5.2.4 Metodos de Runge-Kutta . . . . . . . . . . . . . . . . 116

PREFACIO
Aparece como texto para cursos de graduacao, sob o ttulo de Introducao
ao Calculo Numerico, o conjunto de notas de aula do autor ao longo de sua
carreira docente. Nele, de alguma maneira, expressam-se a experiencia, as
inquietudes, as preferencias e a visao que tem o autor acerca da disciplina.
Em linhas gerais, o C alculo Numerico nasce da necessidade de determi-
nar um objeto, quando tal determinacao e extremamente difcil, seja pela
complexidade do objeto, seja pela falta de ferramentas suficientemente finas
ou quando ela e realmente impossvel. O pensamento matem atico se propoe
ent
ao `a construc
ao de aproximacoes do objeto.
O seguinte esquema tenta explicar este fato essencial do Calculo Numerico:
Problema: Determinar um objeto
Soluc
ao : Construir uma aprox()
Naturalmente, objeto e aproximacao s ao diferentes, porem, em determinadas
circunstancias e sob condicoes especiais definidas pela necessidade pratica
do objeto, a aproximacao substitui ao objeto de maneira eficiente.
A diferenca entre o objeto e a aproximacao do objeto, chama-se erro.

erro = aprox()
O erro tambem n ao e possvel de ser determinado, pois de outra forma,
o objeto ficara totalmente determinado. Diz-se que o erro e estimado.
Pretende-se assim expressar a definicao de margens dentro dos quais o erro
e permissvel.
Em resumo,
Problema: Determinar um objeto
Soluc
ao : Construir uma aprox()
com um erro m aximo permissvel
Assim,
k aprox()k <
Isto, que para o autor constitui o esprito do Calculo Numerico, guiar a
a distribuic
ao assim como a abordagem dos diversos temas.
Como toda construc ao, a construcao de aproximacoes precisa de metodos
e tecnicas. O desenvolvimento destes metodos e destas tecnicas, desde a
fundamentac ao ate a implementacao computacional, constitui o conte udo
deste livro.
O desenvolvimento de cada tema segue as seguintes etapas:

4
1. Formulac
ao do problema

2. Fundamentac
ao matem
atica dos metodos numericos

3. Implementac
ao computacional dos metodos numericos.

Os objetos matem
aticos cujas aproximacoes se pretende construir s
ao:

1. n
umeros

(a) razes de func


oes
(b) valores de func
oes
(c) valores de funcionais lineares

2. n-uplas de n
umeros

3. func
oes

A necessidade destas construcoes se d


a, respectivamente, na:

1. (a) resoluc
ao de equacoes
(b) determinac
ao de valores n
ao conhecidos de funcoes
(c) derivac
ao e integracao de funcoes

2. resoluc
ao de sistemas de equacoes

3. resoluc
ao de equac
oes diferenciais.

Nao est
ao presentes neste livro numerosos metodos existentes para cada
t
opico. A intenc ao e mostrar s o alguns deles, elegidos seja pela sua im-
portancia, seja pela sua facilidade. Nao estimo conveniente, num primeiro
contato com a disciplina, apresentacoes enciclopedicas. Considero funda-
mental que se captem as ideias e se obtenha alguma experiencia computa-
cional. Tenho a convicc ao de que.sempre e melhor formar que informar.

E conveniente que os leitores possuam um conhecimento pelo menos
elementar de C alculo. E prefervel que possuam tambem alguma experiencia
em programac ao de computadores. Porem, os metodos s ao apresentados em
algoritmos escritos em pseudolinguagem o que permite, em cada caso, sua
implementac ao na linguagem que eles conhecerem. Aqueles que n ao tiverem
esta experiencia, encontrarao nos apendices alguns programas em Pascal que
podem ser melhorados.

5
Finalmente, registro meus agradecimentos a todos aqueles que generosa-
mente prestaram sua colaboracao a este intento. Minha especial gratid ao
para Luiz Adauto Medeiros, maestro infatigavel, com ele a todos aqueles
que com paciencia e sabedoria contriburam para dar-lhe clareza e corrigir
erros que, sem d
uvida alguma existem e pelos quais me responsabilizo.

Cascavel, agosto de 2000.


Pedro Pablo Durand Lazo

6
1

Razes de uma func


ao

1.1 Formula
cao do problema
Trata-se de aproximar um n umero. Uma das situacoes em que aparece
a necessidade de construc ao de aproximacoes de n
umeros e a de resolver
equac
oes.
A complexidade das equacoes e as dificuldades para resolve-las s ao de
longa data conhecidas; assim, por exemplo, para equacoes polinomiais de
grau 5 para cima, Abel provou que n ao podem ser resolvidas por meio de
combinacoes dos coeficientes.
Assim, o esprito da an alise numerica aparece: procura-se um objeto,
neste caso um n umero real, mas a complexidade do objeto e as dificul-
dades de sua determinac ao fazem necessaria a construcao de aproximacoes
do n
umero x que verifica f (x) = 0.
Resolve-se, assim, numericamente, a questao.

1.2 Razes de uma fun


cao
Defini
cao 1 Seja F uma funca
o real definida num conjunto D IR. Chama-
se N
ucleo da func
ao F ao conjunto

KerF = {x D : F (x) = 0}.


Os elementos de KerF s
ao chamados de razes da funcao F .

Tem-se ent
ao, para r D :

r KerF F (r) = 0

7
1. RAIZES DE UMA FUNC
AO 8

Defini c
ao 2 Seja r KerF , diz-se que r e uma raiz isolada da funcao F
se e so se existe um intervalo real [, ] tal que KerF [, ] = {r}, isto e,
r e a u
nica raiz da funcao F no intervalo [, ].
O intervalo [, ] e um intervalo de isolamento da raiz r.

Exemplo 1 Seja a funca


o

F : IR 7 IR;
sen( 1 ) se x>0
x 7 F (x) =
x
0 se x0
Neste caso,
1
KerF = {x IR : x = , k = 1, 2, . . .} IR .
k
As razes isoladas desta funca
o s
ao os n
umeros reais da forma
1
x= , k = 1, 2, . . .
k
N
ao e dificil mostrar que
1 1
[1 , 1 ], onde 2 < 1 < < 1 < 1

e para k = 2, 3, . . . :
1 1 1
[k , k ], onde (k+1) < k < k < k < (k1) ,

s
ao intervalos de isolamento das razes
1
x= , k = 1, 2, . . .
k
Exemplo 2 Seja a funca
o

F : IR 7 IR;
1 se x e n
umero n
ao racional
x 7 F (x) =

0 se x e n
umero racional

facil ver que


E

KerF = {x IR : x e um n
umero racional}

A funca
o F n
ao tem razes isoladas, pois todo intervalo real contem infinitos
n
umeros racionais.
1. RAIZES DE UMA FUNC
AO 9

1.3 Isolamento de razes


Estamos interessados em aproximar as razes isoladas de uma funcao dada.
Para isto, primeiro teremos que isolar as razes, isto e, determinar um inter-
valo de isolamento para cada uma das razes, caso elas existam. Antes de
estabelecer um metodo que permita fazer isto, enuciaremos o Teorema do
Valor Intermediario no qual o fundamentaremos.

Nota c
ao:
Ck ([, ]) representa o conjunto das funcoes definidas no intervalo [, ] que
possuem k-esima derivada contnua em [, ].
C0 ([, ]) = C([, ]) representa o conjunto das funcoes contnuas no inter-
valo [, ].
Assim,

F e k-vezes derivavel em [, ] e

F Ck ([, ]) esima derivada de F, F (k) ,
a k-

e contnua em [, ], isto e, F(k) C([, ]).

Teorema 1 (Valor Interm ediario de Bolzano)


Seja a funca
o F C([, ]).

Se F ()F () 0,ent
ao, existe r [, ] tal que F (r) = 0.

Observa c
ao 1 Se F ()F () > 0 , nada pode ser dito a respeito da exis-
tencia ou da unicidade das razes da funca
o F no intervalo [, ]. Nas Fig-
uras 1.2 e 1.3, os gr
aficos mostram casos em que F ()F () > 0 e a funca o
F ou n ao tem raiz ou tem mais de uma raiz, respetivamente, no intervalo
[, ].

Observa c
ao 2 A condicao de F ser contnua no intervalo [, ] e essencial;
por exemplo, se F for a funca
o correspondente ao grafico da Figura 1.4, tem-
se que F ()F () 0 , porem, nao existe r C[, ] tal que F (r) = 0.

Observa c
ao 3 As condicoes do teorema so garantem a existencia de razes
da funca
o F no intervalo [, ], nada pode ser dito a respeito da unicidade.
A Figura 1.5 mostra que as condico es do Teorema do valor Intermediario
nao garantem a unicidade da raiz. Sob as condicoes do Teorema pode acon-
tecer que a raiz seja u
nica ou existam mais de uma raiz no intervalo.
1. RAIZES DE UMA FUNC
AO 10

Figura 1.1: F ()F () 0. F tem pelo menos uma raiz em [, ]

Figura 1.2: F ()F () > 0 e a funcao F tem mais de uma raiz em [, ]

Figura 1.3: F ()F () > 0 e a funcao F n


ao tem raiz em [, ]
1. RAIZES DE UMA FUNC
AO 11

Figura 1.4: F ()F () 0 e n


ao existe raiz em [, ]

Figura 1.5: F ()F () 0 e existe mais de uma raiz em [, ]


1. RAIZES DE UMA FUNC
AO 12

Como a unicidade da raiz num intervalo e equivalente ao isolamento


da mesma, o Teorema do Valor Intermediario n ao permite por si pr
oprio a
determinac ao do intervalo [, ] como intervalo de isolamento da raiz. Isto
precisa de uma an alise mais profunda em cada caso. Porem, desde um ponto
de vista pratico este Teorema pode ser incorporado no metodo de isolamento
de razes tomando algumas precaucoes para seu correto funcionamento.
A Figura 1.1 mostra as situacoes nas quais F ()F () 0.

1.4 M
etodo da Varredura
Deve-se determinar as razes de uma funcao F , definida num conjunto D de
numeros reais, numa parte de seu domnio, mais precisamente, em algum
intervalo [a, b] D que chamaremos de intervalo de busca . Na verdade,
este e um subintervalo de localizacao de razes.
A localizacao das razes de uma funcao, isto e, a determinacao de um
intervalo onde encontram-se todas as razes da funcao, em alguns casos e
possvel de uma maneira simples, em outros precisa de uma an alise mais
profunda.

Definic
ao 3 Seja [a, b] um intervalo. Uma seq
uencia (x0 , x1 , . . . , xn ), de
n + 1 pontos(n
umeros reais) tais que

a = x0 < x1 <, . . . , xn1 , < xn = b,

chama-se uma malha de [a, b].

Supondo que F e contnua em [a, b] e que (x0 , x1 , . . . , xn ) e uma malha


de [a, b], usemos o Teorema do Valor Intermediario para obter o algoritmo
A.

ALGORITMO A (M
etodo da Varredura)


Para k := 1(1)n


Se F (xk1 )F (xk ) 0 entao,
existe pelo menos uma raiz de F em [xk1 , xk ].



FIM

Observa c
ao 4 A express ao k := ki (h)kf significa que a vari
avel k toma
valores a partir do valor inicial ki com um incremento h, em cada vez, ate
tomar o valor final kf .
1. RAIZES DE UMA FUNC
AO 13

f
E acil observar que quanto maior o n umero de pontos da malha as
possibilidades de que [xk1 , xk ] seja um intervalo de isolamento de uma raiz
e maior.
Como tomar um n muito grande demanda um maior n umero de c
alculos,
aplicar o Algoritmo A em mais de uma vez acrescentando, em cada vez, o
n
umero de pontos, ate estabilizar o n umero de razes encontradas, e uma
boa forma de aperfeicoar o metodo.

ALGORITMO B (M
etodo da Varredura)

m := M , n := N , q := 0

Para j := 1(1)m

ALGORITMO A(n)




encontrou p razes.

Se p = q e p 6= 0, entao, FIM

noutro caso n := 2n, q := p e
voltar ao ALGORITMO A(n)



FIM

Observa c
ao 5 O numero m e o maximo de vezes que se repetir a o Algo-
ritmo A.
O processo finalizar
a antes das m vezes se em duas vezes consecutivas,
de aplicaca
o do Algoritmo A, o numero de razes encontradas e o mesmo.

1.5 Aproxima
cao de razes isoladas
1.5.1 M
etodos de Partic
ao
A partir de um intervalo de isolamento da raiz, obtem-se uma particao
com dois subintervalos. Verifica-se qual dos subintervalos contem a raiz.
Dependendo do ponto que determina a particao, obtem-se um metodo deste
tipo. Aqui s
o desenvolvemos o metodo que usa o ponto medio do intervalo.

1.5.2 M
etodo de Bissec
ao
Seja r uma raiz isolada de uma funcao contnua F e [, ] um intervalo de
isolamento desta raiz tal que F ()F () < 0. Definem-se as seq uencias de
numeros reais (k )kN e (k )kN pelo seguinte algoritmo:
1. RAIZES DE UMA FUNC
AO 14

Figura 1.6: Metodo da Biseccao

ALGORITMO C (M
etodo de Bisse
c
ao)

:= e :=
0 0
Para k 1:

+

Mk := k1 2 k1

Se F (k1 )F (Mk ) 0, entao k := k1 e k := Mk
noutro caso k := Mk e k := k1


FIM

Observa c
ao 6 Como [, ] e intervalo de isolamento da raiz r, ela estar
a
num dos dois subintervalos [, M ] , [M, ], onde M e o ponto medio do
intervalo [, ] .
Assim, para todo k 1 :

|k1 k1 |
r [k , k ] e |k k | =
2

Teorema 2 (M etodo de Bisse c


ao) Seja [, ] um itervalo de isolamento
de F C[, ]. Se F ()F () < 0, ent
ao as seq
uencias (k )kN e (k )kN ,
definidas segundo o Algoritmo C sao convergentes. Alem disto,

lim n = lim n = r
n n

Demonstra c
ao.
Provaremos que
lim |n r| = 0.
n
1. RAIZES DE UMA FUNC
AO 15

Conforme a observac
ao acima

r [n , n ] e

|0 0 |
0 |n r| |n n | =
2n
Assim,
1
0 lim |n r| |0 0 | lim =0
n n 2n
logo,
0 lim |n r| 0
n

de onde,
lim |n r| = 0
n

Analogamente, prova-se que

lim |n r| = 0
n

1.5.3 M
etodos de Ponto Fixo
Defini
c
ao 4 Sejam : D 7 IR com D IR e r D.

r e um ponto fixo de se e s
o se (r) = r.

Um metodo de ponto fixo para aproximar uma raiz isolada r da funcao F,


consiste em determinar uma funcao tal que r seja ponto fixo de , isto e,

F (r) = 0 (r) = r
Dada a func
ao
F : [, ] 7 IR; x 7 F (x),
definimos a func
ao:

: [, ] 7 IR ; (x) = x + c(x)F (x),


onde a func
ao c e tal que

para todo x [, ] : c(x) 6= 0.

Ent
ao,
1. RAIZES DE UMA FUNC
AO 16

Figura 1.7: r e ponto fixo de : (r) = id(r)

F (r) = 0 (r) = r
(Provar! Exerccio).
Observe que para determinar a funcao e suficiente determinar a funcao c.
Graficamente, um ponto fixo e a abscissa do ponto de interseccao da curva
que representa a func
ao e a reta que representa a funcao identidade, id,
pois
(r) = r = id(r).

Exemplo 3 Determinar os pontos fixos da funca


o

: [0, 1] 7 IR; (x) = x2

Soluc
ao : Para determinar os pontos fixos de em [0, 1] resolvemos a
ao x = x2 :
equac

x = x2 x2 x = 0 x(x 1) = 0 x = 0 ou x = 1.

Os pontos fixos de em [0, 1] s


ao 0 e 1.
1. RAIZES DE UMA FUNC
AO 17

Figura 1.8: : [0, 1] 7 IR; (x) = x2

Exemplo 4 Achar os pontos fixos da funca


o

:[ , ] 7 IR; (x) = sen(x)
2 2

Solucao : nico ponto fixo de em [


Neste caso, x = 0 e o u
2 , 2 ]. (Justi-
fique!)

Exemplo 5 Determinar os pontos fixos da funca


o

: [0, 1] 7 IR; (x) = 1 x

Solu c
ao : Como 1 x = x para x = 12 , este e o u
nico ponto fixo de em
[0, 1].

Existencia e unicidade de ponto fixo de uma fun c


ao Antes de descr-
ever algum metodo de ponto fixo que dependera da maneira como se defina
, estabeleceremos condic
oes de existencia e unicidade de ponto fixo para
uma func
ao dada.
1. RAIZES DE UMA FUNC
AO 18

Figura 1.9: : [
2 , 2 ] 7 IR; (x) = sen(x)

Figura 1.10: : [0, 1] 7 IR; (x) = 1 x


1. RAIZES DE UMA FUNC
AO 19

Teorema 3 Seja uma funca


o que satisfaz:

(i) ([, ]) [, ]
(ii) C([, ])

Ent
ao,
existe r [, ] tal que (r) = r

Demonstra
c
ao. A condicao ([, ]) [, ] significa que

para todo x [, ] : (x) [, ]

ou, equivalentemente,

( x ) ( (x) ).

Cosidere-se os seguintes casos:

Caso 1 . = () ou () =
Obviamente, neste caso, a conclusao do Teorema e valida.

Caso 2 . 6= () e () 6=
Neste caso,
< () e () <
logo,
() < 0 e () > 0.
Definimos a func
ao

F : [, ] 7 IR; x 7 F (x) = x (x),

isto e,
F = id .
Temos:
F C([, ]), pois C([, ]) e id C([, ])
e como
F ()F () 0,
pelo Teorema do Valor Intermediario, segue-se que

existe r [, ] tal que F (r) = 0, isto e, (r) = r.


1. RAIZES DE UMA FUNC
AO 20

Teorema 4 Se e uma funca o que satisfaz:


(i) ([, ]) [, ]
(ii) Existe uma constante L , 0 < L < 1 tal que

para todo x, y [, ] : |(x) (y)| L |x y| .

Ent
ao,
existe um e s
o um r [, ] tal que (r) = r

Demonstra cao.
Exist encia:
Sera suficiente mostrar que da condicao (ii) segue-se a continuidade da
funcao em [, ]. Logo, o Teorema precedente prova a existencia do ponto
fixo.
Seja x0 [, ]. Provaremos que e contnua em x0 .
De fato, dado > 0 existe = L , tal que se |x x0 | < L , tem-se pela
hipotese (ii) que

|(x) (y)| L |x y| < L = .
L
Unicidade:
Primeiro prova-se o seguinte:

Lema 1 Sejam a 0 e 0 < L < 1.Ent


ao a aL a = 0.

Demonstra
cao do Lema.
Suponha a 6= 0, ent
ao a > 0 e aL < a, contrariando a hip
otese.
Demonstra
c
ao da unicidade:
Suponhamos que r1 e r2 [, ] s
ao pontos fixos de , entao

r1 = (r1 ) e r2 = (r2 ).

Logo

|r1 r2 | = |(r1 ) (r2 )| L |r1 r2 |


Assim,
|r1 r2 | L |r1 r2 |
e, aplicando o Lema com a = |r1 r2 | , tem-se |r1 r2 | = 0, o que e
equivalente a r1 = r2 .
1. RAIZES DE UMA FUNC
AO 21

Teorema 5 Nas condico


es do Teorema anterior, a seq
uencia definida por:

x0 [, ],
xn+1 = (xn ), n = 0, 1, . . .

converge para o ponto fixo r de , isto e,

lim xn = r.
n

Demonstra
c
ao. De fato,

0 |xn r| = |(xn1 ) (r)|


L |xn1 r|
= L |(xn2 ) (r)|
L2 |xn2 r|
...
Ln |x0 r|

logo,
0 |xn r| Ln |x0 r|
Assim,
0 lim |xn r| |xo r| lim Ln = 0
n n
pois,
lim Ln = 0 dado que 0 < L < 1
n

da,
lim |xn r| = 0.
n

Logo,
lim xn = r.
n

Lembremos agora o Teorema do Valor Intermediario para derivadas:

Teorema 6 (de Lagrange) Se e uma funca


o contnua em [a, b] e de-
riv
avel em (a, b),ent
ao

existe c [a, b] tal que (a) (b) = (c)(a b).


1. RAIZES DE UMA FUNC
AO 22

De posse deste teorema, se | (t)| L < 1, para todo t [, ], teramos


que

para todo x, y [, ] : |(x) (y)| = (c) |x y|


para algum c [x, y].


Da,
para todo x, y [, ] : |(x) (y)| L |x y| .
Assim, resulta o seguinte:

Teorema 7 Seja uma funca o que satisfaz:


(i) ([, ]) [, ]
(ii) Existe uma constante L, 0 < L < 1, tal que

P ara todo x [, ] : (x) L.


Ent
ao

existe um e s
o um r [, ] tal que (r) = r

Corol
ario 1 Nas condico
es do Teorema, se

x0 [, ],
xn+1 = (xn ), n = 0, 1, . . . ,
ent
ao
lim xn = r,
n

onde r e o ponto fixo de em [, ].

Resulta de grande utilidade pr


atica o seguinte:

Teorema 8 Seja C([, ]) e (xn )nIN a seq


uencia definida por:

x0 [, ],
xn+1 = (xn ), n = 0, 1, . . .
Se (xn )nIN e convergente, ent
ao xn converge para um ponto fixo de .
1. RAIZES DE UMA FUNC
AO 23

Demonstra
c
ao. Seja
a = lim xn ,
n

como toda subsequencia de uma seq


uencia convergente e convergente e tem
o mesmo lmite,
lim xn+1 = a.
n

Da definic
ao da seq
uencia e a continuidade da funcao, segue que:

a = lim xn+1 = lim (xn) = ( lim xn ) = (a).


n n n

1.5.4 M
etodo de Newton-Raphson
O metodo de Newton-Raphson e um metodo de ponto fixo. Seja r uma raiz
isolada da func
ao F e [, ] um intervalo de isolamento de r. Teremos que
construir a func
ao tal que r seja o u
nico ponto fixo de em [, ].
Com a finalidade de usarmos o Teorema anterior, impomos a condicao

(x) < 1 para todo x [, ] e (r) = 0.

Derivando (x) = x + c(x)F (x) obtemos

(x) = 1 + c (x)F (x) + c(x)F (x),

assim,
(r) = 1 + c(r)F (r) = 0,
logo,
1
c(r) = .
F (r)
Definimos c por
1
c : [, ] 7 IR; x 7 c(x) = ,
F (x)

para isto, F ter


a que ser tal que

F (x) 6= 0 para todo x [, ]


o que garante tambem que

c(x) 6= 0 para todo x [, ]


1. RAIZES DE UMA FUNC
AO 24

logo
F (x)
(x) = x
F (x)
Como tem que ser derivavel e

F F
=
F 2
F ter
a que ter segunda derivada no intervalo.
Como r e raiz de , podemos ainda supor que e contnua e, para isto,
F ter
a que ser contnua, isto e, F C 2 ([, ]).

Teorema 9 (M
etodo de Newton-Raphson) Sejam:

i. F C 2 ([, ]) e

ii. r uma raiz isolada de F tal que F (r) 6= 0.

Ent
ao existe um intervalo fechado I [, ] tal que

r I e para todo x I : F (x) 6= 0


e a seq
uencia definida por:

F (xn )
x0 I, xn+1 = xn , n = 1, 2, . . .
F (xn )
convege para r.

Demonstra
c
ao.
Como F C([, ]) e F (r) 6= 0,existe um intervalo fechado I [, ] tal

que
r I e para todo x I : F (x) 6= 0
Pondo
F (x)
(x) = x , (x I)
F (x)
tem-se que
F F
= C(I)
F 2
Fazendo a escolha de I tal que

para todo x I : F (x) I


1. RAIZES DE UMA FUNC
AO 25

Figura 1.11: Metodo de Newton-Raphson

e que
F (x) F (x)

L = max < 1,
xI F (x)2
ent
ao o resultado segue-se do Corol ario.1.9
Graficamente o metodo de Newton-Raphson pode ser interpretado da seguinte
maneira:
Determina-se o termo xn+1 a partir de xn achando a abscissa do ponto de
intersecc
ao da reta tangente ao grafico de F no ponto (xn , F (xn )) e o eixo
das abscissas do sistema de coordenadas.
A equac ao da reta tangente ao gr
afico de F no ponto (xn , F (xn )) e:

y F (xn ) = F (xn )(x xn )


A equac
ao do eixo das abscissas e:

y=0

logo, a abscissa do ponto de interseccao destas duas retas e:

F (xn )
x = xn = xn+1.
F (xn )
1. RAIZES DE UMA FUNC
AO 26

1.5.5 M
etodos de Passos M
ultiplos
Nos metodos de ponto fixo, ao definir a seq
uencia de aproximacoes por:

x0 [, ], xn+1 = (xn ), n = 0, 1, . . .
estamos usando so um termo anterior para determinar o termo seguinte,
fato que carateriza os metodos de passo simples.
Quando um termo da seq uencia depende de dois ou mais termos anteri-
ores, isto e,
x0 , x1 , . . . , xk [, ],
xn+1 = (xn , xn1 , . . . , xnk ), n = k, k + 1, . . .
se diz que o metodo e de passos m
ultiplos.

1.5.6 M
etodo da Secante
Substituido-se F (xn ) pelo coeficiente angular da reta secante ao grafico de
F que passa pelos pontos (xn , F (xn )) e (xn1 , F (xn1 )), obtemos o metodo
da secante.
Assim o metodo da secante e dado pela convergencia da seq uencia:

F (xn )(xn xn1 )


x0 , x1 [, ], xn+1 = xn ,
F (xn ) F (xn1 )
n = 1, 2, . . .
Observe que o metodo da secante e um metodo de passos m ultiplos:
Pondo
F (xn )(xn xn1 )
(xn , xn1 ) = xn ,
F (xn ) F (xn1 )
a seq
uencia de aproximacoes do metodo da secante tem a forma:
x0 , x1 [, ], xn+1 = (xn , xn1 ), n = 1, 2, . . .

1.6 Ordem e Velocidade de Converg


encia
Definic
ao 5 Seja (xk )kIN uma seq
uencia que converge para r e ek = |xk r| .
Se existe p 1 e uma constante C 6= 0 tal que
en+1
lim = C,
n ep n

ent
ao p e denomina-se a ordem de convergencia de (xk )kIN e C a constante
assint
otica do erro.
1. RAIZES DE UMA FUNC
AO 27

Definicao 6 Sejam M1 e M2 metodos para proximaca o de razes de uma


funca
o e (xk )kIN e (yk )kIN as correspondentes seq
uencias de aproximaco
es
da raiz r, tais que:

x0 = y 0 , m1 = min {n : |xn r| < } e m2 = min {n : |yn r| < } .

M1 tem maior velocidade de convergencia que M2 se m1 < m2 .

1.7 Razes de fun


coes polinomiais
Preliminares
Uma polinomial e uma funcao P com Domnio no conjunto dos n
umeros
complexos definido por

() P (z) =) = a0 z n + a1 z n1 + + an1 z + an

onde n e um n
umero enteiro n
ao negativo e os coeficientes a0 , a1 , . . . an1 , an
s
ao n
umeros complexos. A maior potencia de z com coeficiente n ao nulo que
aparece na express
ao () que define P chama-se o grau de P e denota-se
grauP .
Assumimos sem prova o seguinte resultado importante:

Teorema 10 (Fundamental da Algebra) Se P e uma polinomial de grau
1, ent
ao P tem pelo menos uma raiz.

Observa c
ao 7 No caso que os coeficientes sejam n umeros reais a funca
o
polinomial poder
a n 2
ao possuir razes reais, por exemplo, P (z) = z + 1.

Corol
ario 2 Seja P uma polinomial de grau n 1 com a0 = 1 e seja r
uma raiz de P . Ent
ao
P (z) = (z r)Q(z)
onde Q e uma polinomial de grau n 1.

Demonstra cao. (exerccio)


Se n 1 1, aplicando n vezes o Teorema Fundamental junto ao corol
ario,
obtemos:
Corolario 3 Se P e uma polinomial de grau n 1 com a0 6= 0, ent ao P
tem exatamente n razes. Se r1 , r2 , . . . , rn s
ao estas razes, ent
ao

() P (z) = a0 (z r1 )(z r2 ) (z rn )
1. RAIZES DE UMA FUNC
AO 28

Observa c
ao 8 As n razes da polinomial p de grau n 1 nao necessari-
amente sao diferentes. Se r e uma raiz de P , o n
umero de vezes em que
aparece z r como fator em () chama-se a multiplicidade de r.

Teorema 11 Se r e uma raiz de multiplicidade m de uma polinomial P de


grau n 1, ent
ao
P (r) = P (r) = = P (n1) (r) = 0 e P (n) (r) 6= 0

Demonstra
c
ao. (exerccio)

No que se segue limitaremos nosso estudo `as funcoes polinomiais com coefi-
cientes reais e aproximaremos s o as razes reais de tais polinomiais caso elas
existam. Porem alguns resultados cumprem-se para o caso geral.
Assim, as funcoes polinomiais objeto de nosso estudo s ao as funcoes definidas
por:
Pn (x) = a0 xn + a1 xn1 + + an1 x + an
onde a0 , a1 , . . . an1 , an s
ao n
umeros reais.

Observa
c
ao 9
Pn = 0 x IR : Pn (x) = 0
x IR :
a0 xn + a1 xn1 + a2 (n 1)xn2 + + an1 x + an = 0.

Lema 2
Pn = 0 a0 = a1 = = an1 = an = 0

Demonstra c
ao.
() Por inducao:
Para n = 0 e verdade.
Suponhamos valido para polin omios de grau n 1. Provaremos que se
cumpre para polin omios de grau n:
Se x IR : Pn (x) = 0 ent
ao
Pn (2x) = 0 e 2n Pn (x) = 0
Assim,
2n Pn (x) Pn (2x) = 0
1. RAIZES DE UMA FUNC
AO 29

isto e,
(2n 2n1 )a1 xn1 + (2n 2n2 )a2 xn2 + + (2n 1)an = 0
Mas 2n Pn (x) Pn (2x) e um polin omio de grau n 1 e pela hip
otese de
induc
ao os coeficientes s
ao nulos, logo
a1 = = an1 = an = 0
Assim Pn (x) reduz-se ao primeiro termo a0 xn que deve ser zero para todo
x IR. Logo a0 = 0

(): Se a0 = a1 = = an1 = an = 0, entao


x IR : a0 xn + a1 xn1 + + an1 x + an = 0
pois cada termo da soma e 0.
Teorema 12 Sejam as funco
es polinomiais P e Q definidas por:
n n
ai x i bi x i
X X
Pn (x) = e Qn (x) =
i=0 i=0

Ent
ao,
Pn = Qn i {0, 1, . . . , n} : ai = bi

Demonstra
c
ao. (exerccio)
Teorema 13 (Algoritmo de Ruffini-Horner) Sejam: a funca
o polino-
mial definida por
Pn (x) = a0 xn + a1 xn1 + + an1 x + an
e a seq
uencia (bk )0kn definida por:
b0 = a0
bk = ak + bk1 r 1 k n, r IR
Ent
ao,
(i) Pn (r) = bn
(ii ) Pn (x) = (x r)Qn1 (x) + bn
n1
bi x(n1)i
X
onde Qn1 (x) =
i=0
(iii) Pn (r) = Qn1 (r)
1. RAIZES DE UMA FUNC
AO 30

Demonstra
c
ao. (exerccio)

Corol
ario 4 Se r e r s
ao razes da funca
o polinomial Pn , ent
ao

(i) Pn (x) = (x r)Qn1 (x)


(ii ) Qn1 (
r) = 0

Demonstra
c
ao. (exerccio)

Corol ario 5 Uma funca


o polinomial de grau n 1 tem no m
aximo n
razes reais.

Demonstra c
ao. Suponhamos que r1, r2, . . . , rn sejam razes reais de Pn e
r e um n
umero real tal que r 6= rk para todo k = 1, 2, . . . , n.

Pn (x) = (x r1 )(x r2 ) (x rn )Q0 ,


onde Q0 e uma constante diferente de 0.
Se Pn (r) = (r r1 )(r r2 ) (r rn )Q0 = 0, tem-se Q0 = 0.
Logo, r nao e raiz de Pn .

Localiza
c
ao das razes de uma fun
c
ao polinomial
Lema 3 Para todo a, b IR : ||a| |b|| |a + b|

Demonstra
c
ao. (exerccio)

Teorema 14 As razes reais, da funca


o polinomial definida por

Pn (x) = a0 xn + a1 xn1 + + an1 x + an , com a0 6= 0,

caso elas existam, est


ao no intervalo ]T, T [ , com
1
T =1+ M ax1kn |ak | .
|a0 |
1. RAIZES DE UMA FUNC
AO 31

Demonstra c
ao. Mostraremos que, se |r| T, entao Pn (r) 6= 0.
Seja (bk )0kn a seq
uencia definida por:

b0 = a0 ,
bk = ak + bk1 r 1 k n, r IR

Demonstraremos por recorrencia que

k {0, 1, . . . , n} : |a0 | |bk |

Verifiquemos para k = 0:
|b0 | = |a0 | > 0
Agora, supondo que cumpre para k 1, provemos que cumpre para k:
Pondo
A = max |ak | ,
1kn

|bk | = |bk1 r + ak | |bk1 | |r| |ak |


|a0 | |r| |ak |
|a0 | (1 + |aA0 | ) A
= |a0 |
Assim,
|bk | |a0 | > 0, para todo k = 1, 2, . . . , n.
Logo
|bn | = |Pn (r)| |a0 | > 0.
Assim, r n ao e raiz de Pn .
No caso das func oes polinomiais com coeficientes reais, e possvel lo-
calizar, isolar e aproximar razes reais de forma mais ou menos simples.
Seja a funcao polinomial definida por :

Pn (x) = a0 xn + a1 xn1 + + an1 x + an , com a0 6= 0,

Localizar razes: A partir do Teorema, determinamos o intervalo de lo-


calizac
ao das razes da funcao polinomial
1
[T, T ] com T = 1 + max |ak |
|a0 | 1kn

Isolar razes: Aplicar o metodo da varredura e obter o n


umero de razes
isoladas: p n.
1. RAIZES DE UMA FUNC
AO 32

Aproximar as razes isoladas: Calcular simultaneamente Pn (x0 ) e Pn (x0 )


usando o algoritmo de Horner:

b0 = a0 , c0 = b0 ,
bk = ak + bk1 x0 , ck = bk + ck1 x0
1 k n 1,

bn
bn = an + bn1 x0 , x1 = x0
cn1
O processo pode ser estruturado nas seguintes etapas:

Etapa 1: Fazer:
1
x0 = 1 + max |ak |
|a0 | 1kn

Etapa 2: Calcular bn e cn1 pelo algoritmo de Horner e fazer

bn
x1 = x0
cn1

Etapa 3: Se
x1 x0

< ,
x
0
Etapa 4,
caso contr
ario, Etapa 2 com x1 no lugar de x0 .

Etapa 4: Numerar a raiz, se ainda n ao e maior do que p,


substituir os ak pelos bk e n por n 1 e
Retornar `a Etapa 1.

M
etodo de Lin
Se x e uma raiz real da funcao polinomial definida por:

Pn (x) = a0 xn + a1 xn1 + + an1 x + an , com a0 6= 0

e bn e obtido com o algoritmo de Horner, entao

bn = Pn (x) = an + bn1 x = 0,

logo:
1. RAIZES DE UMA FUNC
AO 33

an
x=
bn1
De
Pn (x) = an + bn1 x = 0,
tem-se:
Pn (x) an
bn1 = ,
x
logo
xan
x=
an Pn (x)

Teorema 15 (M etodo de Lin) Seja r uma raiz isolada de Pn e [, ] o


intervalo de isolamento.
Se existe K tal que para todo x [, ] :

an
1 + xPn (x) K < 1



a P (x) an Pn (x)
n n
Ent
ao a seq
uencia definida por:
x k an
x0 [, ], xk+1 = , k = 1, 2, . . . ..
an Pn (xk )
converge para r.

Demonstra
c
ao. (exerccio)

Exerccios
1. Nas condicoes do Teorema do Metodo de Newton-Raphson, se (xn )nIN ,
definida no mesmo teorema, converge e

ek = |r xk | , k IN,

ent
ao
en+1 F ()
lim = , com [, ],
n en 2F (r)
isto e, a ordem de convergencia e 2.
F (r) F ()
Sug. F (x) = F (r) + 1! (x r) + 2! (x r)2 , com [, ].
2. Provar que a sequencia de aproximacoes do metodo de Bissecao tem ordem
de convergencia 1.
3. Para que valores de n, no metodo de Bissecao, os termos xn sao aproximacoes
da raiz, com > 0 dado como maximo erro permissvel?
1. RAIZES DE UMA FUNC
AO 34

4. Dada a funcao
F : [, ] 7 IR; x 7 F (x),
definimos a funcao:

: [, ] 7 IR; (x) = x + c(x)F (x),

onde a funcao c e tal que

para todo x [, ] : c(x) 6= 0.

Provar que:
F (r) = 0 (r) = r

5. Construa um fluxograma para o metodo da Secante.


6. Seja P uma polinomial de grau n 1 com a0 = 1 e seja r uma raiz de P .
Entao
P (z) = (z r)Q(z)
onde Q e uma polinomial de grau n 1.
7. Se r e uma raiz de multiplicidade m de uma polinomial P de grau n 1,
ent
ao
P (r) = P (r) = = P (n1) (r) = 0 e P (n) (r) 6= 0

8. Seja P a polinomial dada por P (z) = a0 z n +a1 z n1 + +an , com a0 , a1 , . . . , an


todos reais. Provar que
(a) P (z) = P (z).
ao r tambem e raiz de P
(b) Se r e uma raiz de P , ent
(c) Se grauP e impar, ent
ao P tem pelo menos uma raiz real.
9. Sejam as funcoes polinomiais P e Q definidas por:
n
X n
X
Pn (x) = ai xi e Qn (x) = bi xi
i=0 i=0

Ent
ao,
Pn = Qn i {0, 1, . . . , n} : ai = bi

10. Sejam: a funcao polinomial definida por

Pn (x) = a0 xn + a1 xn1 + + an1 x + an

e a seq
uencia (bk )0kn definida por:

b0 = a0
bk = ak + bk1 r 1 k n, r IR
1. RAIZES DE UMA FUNC
AO 35

Provar que:

(i ) Pn (r) = bn
(ii ) Pn (x) = (x r)Qn1 (x) + bn ,
Pn1
com Qn1 (x) = i=0 bi x(n1)i
(iii) Pn (r) = Qn1 (r)

Se r e r sao razes da funcao polinomial P , ent


ao

(iv) Pn (x) = (x r)Qn1 (x)


(v) Qn1 (r) = 0

11. Provar que para todo a, b IR : ||a| |b|| |a + b|


12. Achar os pontos fixos da funcao f no intervalo I se

(a) f (x) = sin(2x), I = [0, 2]


(b) f (x) = x3 , I = [1, 1]

13. Para as funcoes do exerccio anterior:

(a) Verificar se f (I) I.


(b) Caso a funcao cumpra f (I) I,qual e a outra condicao verificada por
f que permite concluir, sem ter que calcular, que f tem ao menos um
ponto fixo?

14. Seja a funcao F : IR 7 IR; x 7 F (x) = sin(2x) x2 .

nica raiz em [ 4 , 2 ].
(a) Mostrar graficamente que existe uma u
correto aplicar o metodo de Newton-Raphson neste caso? (explique).
(b) E

15. Construa um fluxograma para localizar, isolar e aproximar por Newton-


Raphson as razes reais de uma funcao polinomial.
16. (Metodo de Lin) Seja r uma raiz isolada de Pn e [, ] o intervalo de isola-
mento.
Se existe K tal que para todo x [, ] :



an 1 + xPn (x) K < 1

an Pn (x) an Pn (x)

Ent
ao, a seq
uencia definida por:
xk an
x0 [, ], xk+1 = , k = 1, 2, . . . ..
an Pn (xk )
converge para r.
1. RAIZES DE UMA FUNC
AO 36

17. Construa um fluxograma para o metodo de Lin.



18. Para a funcao F : IR 7 IR; x 7 F (x) = x2 2, r = 2 e uma raiz
de F. Aproximar r com um maximo de erro permissvel = 0.00001 pelo
metodo de Bissecao e tambem pelo metodo de Newton-Raphson. Compare
as velocidades de convergencia destes metodos.
19. Resolver numericamente as seguintes equacoes:

(a) x3 2x2 x + 2 = 0, em IR
(b) x3 2x2 x + 2 = 0, em IR
(c) x3 1 = 0, em IR
(d) 4senx exp x = 0, em IR
(e) exp x |x| = 0, em IR
(f) xsenx = 0, em (0, +)
2

Sistemas de equa
c
oes lineares

2.1 Formula
cao do problema
Trata-se de aproximar uma n-upla ordenada de n umeros. A situacao em que
aparece a necessidade de construcao de aproximacoes de n-uplas ordenadas
de numeros e a de resolver sistemas de equacoes. Quando se diz: resolver o
sistema de m equacoes e n incognitas, est
a se pedindo para procurar uma n-
upla ordenada de n umeros cujas componentes verifiquem simultaneamente
as m equacoes do sistema.
A complexidade do sistema est a ligada ao n umero de equacoes e ao
numero de inc ognitas do sistema.Ela tambem dependera da natureza das
equac
oes, dado que elas podem ser lineares, algebricas ou trascendentes.
Novamente procuramos um objeto, neste caso uma n-upla ordenada de
numeros. A complexidade do objeto e as dificuldades de sua determinacao,
fazem necessaria a construcao de aproximacoes a este objeto.
Resolve-se entao, numericamente, a questao.

2.2 Sistemas de equa


coes lineares
Seja o sistema de m equac
oes lineares com n inc
ognitas:
n
X
aij xj = bi , 1 i m
j=1

37
2. SISTEMAS DE EQUAC
OES LINEARES 38

isto e,


a11 x1 + a12 x2 + + a1j xj + + a1n xn = b1

am1 x1 + am2 x2 + + amj xj + + amn xn = bm

Com a finalidade de representar mais sinteticamente o sistema e facilitar


a discuc
ao te
orica, lembremos algumas nocoes acerca das matrizes.

2.2.1 Matrizes e Determinantes


Matrizes
Para p IN, denotemos mediante Ip o conjunto {k IN : 1 k p}.

Defini
c
ao 1 Sejam, m, n IN e IK um conjunto. Chama-se matriz de
ordem m n em IK toda funca
o

a : Im In 7 IK; (i, j) 7 a(i, j) = aij .

A matriz a representa-se por (aij )mn .


O conjunto das matrizes de ordem m n representa-se por MIK (m, n).
Se m = n, diz-se que a matriz e quadrada de ordem n.
MIK (n) representa o conjunto das matrizes de ordem n.
Costuma-se identificar a matriz com sua imagem a(Im In ) = A e
representa-se, esta imagem, como uma disposicao de seus elementos em m
linhas e n colunas:

a = (aij )mn {aij : (i, j) Im In } = A

a11 a12 a1j a1n




a21 a22 a2j a2n

.. .. .. .. ..
. . . . ... .
A=

ai1 ai2 aij ain


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


. . . . . .
am1 am2 amj amn
aij e o elemento que ocupa a i-esima linha e j-esima coluna.

Defini
c
ao 2 Sejam a, b MIK (m, n).

a = b para todo (i, j) Im In : aij = bij


2. SISTEMAS DE EQUAC
OES LINEARES 39

S
ao de interese os casos em que o conjunto IK est
a munido de operacoes
tais como soma e multiplicacao. Nestes casos, pode-se definir para A, B
MIK (m, n) e IK:

A + B = (aij + bij )mn e A = ( aij )mn


No caso em que IK = IR (ou um corpo qualquer), temos:

P ara todo A, B, C MK (m, n) e para todo , K:

(1) A + (B + C) = (A + B) + C (5) ()A = (A)


(2) A + B = B + A (6) ( + )A = A + A
(3) A + 0 = A (7) (A + B) = A + A)
(4) A + (A) = 0 (8) 1A = A

onde

0 = (ij )mn com ij = 0, para todo (i, j) Im In e


A = (aij )mn , se A = (aij )mn
No que segue, as matrizes que usaremos ser
ao definidas no corpo IR dos
n
umeros reais.

Exemplo 1 Seja a matriz:

a : I2 I3 7 IR; (i, j) 7 a(i, j) = aij = i + j


Representamos a por:
" #
2 3 4
A=
3 4 5

a MIR (2, 3), a = (i + j)23 A

Exemplo 2 Seja a matriz:

b : I3 I2 7 IR; (i, j) 7 b(i, j) = bij = 2ij


Representamos b por:

1 12

B= 2 1

4 2
2. SISTEMAS DE EQUAC
OES LINEARES 40

b MIR (3, 2), b = (2ij )32 B

Defini
c
ao 3 Seja a matriz A = (aij )mn MIR (m, n).
a matriz AT = (aji )nm MIR (n, m). isto e,
Chama-se transposta de A, `

A = (aij )mn AT = (aji )nm

Observe que para obter a matriz AT trocamos as linhas pelas colunas na


matriz A.
facil verificar:
E

(i) (AT )T = A
(ii) (A + B)T = AT + B T
(iii) (A)T = AT

Defini
c
ao 4 Seja a matriz A = (aij )nn .
Diz-se que A e uma matriz simetrica se A = AT , isto e,

aij = aji , para todo (i, j) In In .

Diz-se que A e uma matriz anti-simetrica se A = AT , isto e,

aij = aji , para todo (i, j) In In .

E facil verificar que toda matriz quadrada pode-se expressar como soma
de uma matriz simetrica e uma matriz anti-simetrica:

A + AT A AT
A= +
2 2
Exemplo 3 Se A e a matriz:

3 2 1
3 2 1 3 2 5 0
2 5 0 2 , ent
ao AT =

1 0 5

1 0 5 1

3 2 1

Exemplo 4 A matriz:

3 2 1 3
2 5 0 2
,

1 0 5 1


3 2 1 9
2. SISTEMAS DE EQUAC
OES LINEARES 41

e simetrica.
A matriz:
0 2 1 3
2 0 0 2
,

1 0 0 1


3 2 1 0
e anti-simetrica.

Exemplo 5
3 5
0 0 25 1

3 2 1 3 3 2 2 2 2
2 5 0 2 2 5
0 2 0 0 0 0
= +

4 0 5 1 32 0 5 1 5
2 0 0 0


5
2 2 1 9 2 2 1 9 21 0 0 0

Seja a matriz A MIR (m, n).


Denotemos por Fk a linha k de A e por Cp a coluna p de A.
Assim,

para 1 k m : Fk = ak1 ak2 akj akn

Analogamente,
a1p
a2p
para 1 p n : Cp = .
..
amp
Desta forma:


a11 a1j a1n F1
. .. .. .. .. .
.. . . . . ..
h i
A = ai1 aij aim = F = C1 Cj Cn

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


am1 amj amn Fm

Assim,
(aij )mn = (Fi )m = (Cj )n
2. SISTEMAS DE EQUAC
OES LINEARES 42

Defini
c
ao 5 Sejam A MIR (1, p) e B MIR (p, 1).

p
X
AB = (a11 b11 + a12 b21 + + a1p bp1 )11 = ( a1k bk1 )11 .
k=1

b11


b21

..
h i .
a11 a12 a1k a1p = [a11 b11 + a12 b21 + . + a1p bp1 ]

bk1


..


.
bp1

Observa c
ao 1 Costuma-se identificar MIR (1, n) e MIR (n, 1) com o conjunto
IRn e, para x = (x1 , x2 , . . . , xn ) e y = (y1 , y2 , . . . , yn ), definimos:
p
X
xy = xk y k .
k=1

Desta forma: AB = [A B T ].

Defini
c
ao 6 Sejam A MIR (m, p) e B MIR (p, n). Chama-se produto de
A e B a matriz:

p
X
AB = (cij )mn = (ai1 b1j + ai2 b2j + . + aip bpj )mn = ( aik bkj )mn .
k=1

Observac
ao 2 O produto das matrizes A e B s o e definido no caso em que
o n
umero de colunas de A e igual ao n
umero de linhas de B.

c11 c1n

a11 a12 a1p b11 b1j b1n
. . .. .. .. ..
.. .. .. .. b
21 b2j b2n .

. . . . .

. . .

. .. .. .. ..

. .

. . .

ai1 ai2 aip . . . . . = .

cij .

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


am1 am2 amp bp1 apj bpn cm1 cmn
A matriz AB MIR (m, n).
2. SISTEMAS DE EQUAC
OES LINEARES 43

AB = (cij )mn com cij = Fi CjT


Usando matrizes o sistema de equacoes lineares pode ser representado
por:

a11 a12 a1n x1 b1
. .. .. .. . ..
.. . . . .
. .
ai1 ai2 ain xj = bi


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


am1 am2 amn xn bm
ou, mais sinteticamente, por:

Ax = b

onde


a11 a1j a1n x1 b1
. .. .. .. .. . .
.. . . . . .. ..

A = ai1 aij aim , x = xj e b = bi


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


am1 amj amn xn bm

A matriz A chama-se matriz de coeficientes, x e a matriz de inc


ognitas e b
e a matriz de termos independentes. Com as correspondentes identificacoes,
x e uma n-upla e b e uma m -upla.
Observe que uma soluc
ao do sistema de equacoes lineares Ax = b e uma
n upla ordenada x.
Tambem, costuma-se representar o sistema Ax = b, pela matriz aumen-
tada [A b], i.e.,

a11 a12 a1n | b1



a a22 a2n | b2
21



..
| .

ai1 ai2 ain | bi

.. .. .. .. ..

. . | . . .
am1 am2 amn | bm
Cada linha desta matriz representa uma equacao do sistema.
2. SISTEMAS DE EQUAC
OES LINEARES 44

Opera
co
es elementares de linha ou coluna
Defini
c
ao 7 Seja A MIR (m, n).

a11 a1j a1n F1
. .. .. .. .. .
.. . . . . ..
h i
A = ai1 aij aim = F = C1 Cj Cn

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

. . . . . .


am1 amj amn Fm
ou, mais sinteticamente,
(aij )mn = (Fi )m = (Cj )n
S
ao operac
oes elementares de linha (resp. coluna):
1. Multiplicac
ao de uma linha (resp. coluna) por um n
umero:

Fk , Cj . ( 6= 0)
2. Transposic
ao de linhas (resp. colunas):

Fk Fi , Cj Cp .
3. Somar a uma linha (resp. coluna) o produto de uma linha (resp.
coluna) paralela por um n
umero:

Fk + Fi Fi , Ck + Cj Cj . ( 6= 0)

Definic
ao 8 Se A, B MIR (m, n), diz-se que A e B s ao equivalentes se B
e obtida a partir de A por operaco
es elementares de linha ou coluna.
Neste caso escreve-se:
A(op.elemt. de linha ou coluna) B.

Exemplo 6
" # " # " #
1 2 3 4 3 2

3 4 1 2 1 1
(F1 F2 ) ( 12 C2 )

Observa cao 3 A equivalencia por operacoes elementares de linha das ma-


trizes [A b] e [M ] , corresponde `
a equivalencia dos sistemas Ax = b e M x =
, no sentido de ter as mesmas soluco es, isto e,
Ax = b M x =
2. SISTEMAS DE EQUAC
OES LINEARES 45

Exemplo 7 Sejam os sistemas equivalentes:


( (
3x1 + 4x2 = 11 x1 x2 = 1

x1 x2 = 1 7x2 = 14
As correspondentes matrizes equivalentes s
ao:
" # " #
3 4 11 1 1 1

1 1 1 0 7 14
(F1 F2 ),(3F1 +F2 )

Determinante de uma matriz


Defini
c
ao 9 Seja a matriz A MIR (n). Chama-se determinante da matriz
A ao n
umero det A dado pela express
ao:

(1)t a1j1 a2j2 anjn


X
det A =
(j1 ,j2 ,...,jn )

onde, (j1 , j2 , . . . , jn ) e uma permutacao de (1, 2, . . . , n) e t e o mnimo


numero de transposico es necessarias para obter (1, 2, . . . , n) a partir de (j1 , j2 , . . . , jn )
.

Definic
ao 10 Seja a matriz A MIR (n). Diz-se que A e singular se det A =
0 e que A e regular se det A 6= 0.

Exemplo 8 Seja a matriz quadrada de ordem 2:


" #
a11 a12
A=
a21 a22
Temos que:
(j1 , j2 ) t a1j1 a2j2
(1, 2) 0 a11 a22
(2, 1) 1 a12 a21
logo,

det A = (1)0 a11 a22 + (1)1 a12 a21 = a11 a22 a12 a21

Exemplo 9 Seja a matriz quadrada de ordem 3:



a11 a12 a13
A = a21 a22 a23

a31 a32 a33
2. SISTEMAS DE EQUAC
OES LINEARES 46

Temos que:
(j1 , j2 , j3 ) t a1j1 a2j2 a3j3
(1, 2, 3) 0 a11 a22 a33
(1, 3, 2) 1 a11 a23 a32
(2, 1, 3) 1 a12 a21 a33
(2, 3, 1) 2 a12 a23 a31
(3, 1, 2) 2 a13 a21 a32
(3, 2, 1) 1 a13 a22 a31
logo,

det A = (1)0 a11 a22 a33 + (1)1 a12 a23 a32 + (1)1 a12 a21 a33 +
(1)2 a12 a23 a31 + (1)2 a13 a21 a32 + (1)1 a13 a22 a31

Calcular o determinante de uma matriz pela definicao e muito compli-


cado quando a ordem da matriz e grande. Uma forma de simplificar e reduzir
ao c
alculo de determinantes de matrizes de ordem menor.

Nota
c
ao:
a11 a1n


det A = ... .. ..

.

.

a ann
n1

Cofator de expans
ao relativo a uma linha (resp. Coluna)
Definic
ao 11 O cofator de expans
ao da matriz A relativo `
a linha Fk e dada
pela express
ao:

Cof deExpFk (A) = (1)k+1 ak1 k1 + + (1)k+n akn kn

O cofator de expans
ao da matriz A relativo `
a coluna Cj e dada pela
express
ao:

Cof deExpCj (A) = (1)1+j a1j 1j + + (1)n+j anj nj

Mais sinteticamente,
n
(1)k+j akj kj
X
Cof deExpFk (A) =
j=1

n
(1)i+j aij ij ,
X
Cof deExpCj (A) =
i=1
2. SISTEMAS DE EQUAC
OES LINEARES 47

onde ij e o determinante da matriz obtida eliminando em A a iesima


linha e a jesima coluna.

Admitiremos, sem prova, o seguinte Teorema:

Teorema 1 Seja A MIR (n). Ent


ao para todo k, j = 1, 2, . . . , n :

Cof deExpFk (A) = Cof deExpCj (A) = det A

Corol
ario 1
(i) det A = det AT
(ii) Fk = 0 (resp.Ck = 0) det A = 0

Demonstra
c
ao. (exerccio)

Corol
ario 2

p 6= q e Fq = Fp (resp., Cq = Cp ) det A = 0

Demonstra c
ao. Por recorrencia:
Verifiquemos para n = 2 : Se F1 = F2 , tem-se

a a12
11
= a11 a22 a12 a21 = a11 a22 a11 a22 = 0

a21 a22

Suponhamos que se cumpre para toda matriz quadrada de ordem n 1.


Demonstremos que se cumpre para toda matriz quadrada de ordem n:
Seja Fq = Fp .
Desvolvendo o cofator de expans
ao relativo `a Fk com k 6= q e k 6= p, temos:
n
(1)k+j akj kj
X
Cof deExpFk (A) =
j=1

Como kj e o determinante de uma matriz quadrada de ordem n 1, que


tambem possui duas linhas iguais, pela hip
otese indutiva kj = 0. Logo os
termos do somatorio s
ao zeros e portanto
n
(1)k+j akj kj = 0
X
det A = Cof deExpFk (A) =
j=1
2. SISTEMAS DE EQUAC
OES LINEARES 48

Corol
ario 3 Sejam A, B MIR (n).

(i) A(Fk ) B (resp.A(Ck ) B) det B = det A


(ii) A(Fk Fp ) B (resp., A(Ck Cp ) B) det B = det A
(iii) A(Fk +Fp ) B (resp., A(Ck +Cp ) B) det B = det A
(iv) AB e det A 6= 0 det B 6= 0

Demonstra
c
ao. (exerccio).

An
alise de consist
encia de um sistema linear
Defini
c
ao 12 Para n IN , definimos a matriz:

1 se i = j
In = (ij )nn e ij =

0 se i =
6 j
In chama-se matriz identidade de ordem n.

1 0 0 0


0 1 0 0

.. .. . . .. .. ..
. . . . . .
In =

0 0 1 0


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

. . . . . .


0 0 0 1

Cumpre-se:

(i) Se A = (aij )mn , entao AIn = A


(ii) Se A = (aij )mn , ent
ao Im A = A
(exerccio).

Defini c
ao 13 Seja a matriz A = (aij )mn 6= 0. Se A e equivalente, por
operaco
es elementares de linha, a uma matriz da forma
" # " #
h i Ip Ip 0
Ip ou Ip 0 , ou , ou
0 0 0

ent
ao diz-se que o posto de A e p, postoA = p.

Admitiremos tambem:
2. SISTEMAS DE EQUAC
OES LINEARES 49

Teorema 2 Seja A MIR (m, n). Ent ao, p = postoA se e somente se,
existe uma submatriz quadrada de ordem p com det 6= 0 e toda submatriz
quadrada de A de ordem maior que p tem det = 0.

Teorema 3 Seja o sistema de equaco es lineares de ordem m n, Ax = b.


Entao,
( i ) se postoA = posto [A b] = p, o sistema tem pelo menos uma
soluca
o.
(ii ) se p = n, existe uma e so uma solucao do sistema.
(iii) se p 6= n, o sistema tem infinitas soluco
es.
Neste ultimo caso, as soluco
es dependem de n p par ametros.

Corol
ario 4 Seja A MIR (n).

Existe uma e somente uma n upla x tal que Ax = b det A 6= 0

Demonstra
c
ao. (exerccio).

Exemplo 10 Analizar a consistencia do sistema linear:

x1 + x2 + 3x3 = 5
x1 x3 = 0
x2 + 2x3 = 3
A matriz aumentada do sistema e:

1 1 3 . 5
1 0 1 . 0

0 1 2 . 3

Por operaco
es elementares de linha, obtemos:

1 1 3 . 5
1 0 1 . 0 (F2 F3 )

0 1 2 . 3 (F1 + F2 )

1 1 3 . 5
0 1 2 . 3 (F2 + F1 )


0 1 4 . 2 (F2 + F3 )

( 21 F3 )

1 0 1 . 2
0 1 2 . 3 (F3 + F2 )

0 0 2 . 2 ( 12 F3 + F1 )
2. SISTEMAS DE EQUAC
OES LINEARES 50


postoA = 3
1 0 0 . 1 (C1 + C4 )
0 1 0 . 1 ()

(C2 + C4 )
0 0 1 . 1

(C3 + C4 ))

1 0 0 . 0 " #
posto[A b] = 3
0 1 0 . 0

0 0 1 . 0
O sistema tem soluca
o u
nica pois, postoA = posto[A b] = 3 = n.
De (), segue que a soluca
o e x = (1, 1, 1).
Exemplo 11 Analizar a consistencia do sistema linear:

2x1 + x2 x3 = 5
x2 + 4x3 = 10
A matriz aumentada do sistema e:
" #
2 1 1 . 5
0 1 4 . 10
Por operaco
es elementares de linha, obtemos:
" # " #
2 1 1 . 5 (F2 + F1 )
0 1 4 . 10 ( 12 F1 )
" # " #
1 0 25 . 25 ( 52 C1 + C3 )
()
0 1 4 . 10 (4C2 + C3 )

" # postoA = 2
1 0 0 . 25
( 25 C1 + C4 )

0 1 0 . 10

(10C2 + C4 )
" #
1 0 0 . 0 h i
posto[A b] = 2
0 1 0 . 0
O sistema tem infinitas soluco
es dependentes de um par
ametro, pois,
posto[A b] = 2 = postoA 6= n = 3
De (), tem-se

(
x1 = 52 + 52 t
x1 52 x3 25

=
2x = 10 4t
x2 + 4x3 = 10 x = t, t IR

3
2. SISTEMAS DE EQUAC
OES LINEARES 51

Exemplo 12 Analizar a consistencia do sistema linear:

x1 + x2 + x3 = 1
x1 x2 =1
2x2 + x3 = 2
A matriz aumentada do sistema e:

1 1 1 . 1
1 1 0 . 1

0 2 1 . 2

Por operaco
es elementares de linha, obtemos:

1 1 1 . 1
1 1 0 . 1


0 2 1 . 2 (F1 + F2 )

1 1 1 . 1
0 2 1 . 0 (F2 + F1 )

0 2 1 . 2 (F2 + F3 )

1 1 0 . 1
1
0 2 1 . 0 ( 2 F2 )

0 0 0 . 2 ( 12 F3 )

1 1 0 . 1 postoA = 3
1
0 1 . 0 (C1 + C2 )

2
0 0 0 . 1 ( 12 C2 + C3 )

1 0 0 . 1 postoA = 2
0 1 0 . 0 (C1 + C4 )

0 0 0 . 1 (C3 C4 )

1 0 0 . 0 " #
posto[A b] = 3
0 1 0 . 0

0 0 1 . 0
O sistema n
ao tem soluca
o, pois postoA = 2 e posto[A b] = 3.
2. SISTEMAS DE EQUAC
OES LINEARES 52

Norma em IRn
Definiao 14 Chama-se norma em IRn toda funca
c o de IRn em IR+ tal que:

(N 1) kxk = 0 x = 0
(N 2) kxk = || kxk
(N 3) kx + yk kxk + kyk
kxk e a norma da n upla de n
umeros reais x.

Exemplo 13 Para x = (x1 , x2 , . . . , xn ) IRn , definimos:

n
X
kxk1 = |xk |
k=1
v
u n
|xk |2 ,
uX
kxk2 = t
k=1

De forma mais geral, para p 1:


" n
#1
p
|xk |p
X
kxkp = ,
k=1

e
kxk = lim kxkp = max |xk |
p 1kn

Norma em MIR (m, n).


Defini
cao 15 Chama-se norma em MIR (m, n) toda funca
o de MIR (m, n) em
IR+ tal que:

(N 1) kAk = 0 A = 0
(N 2) kAk = || kAk
(N 3) kA + Bk kAk + kBk
kAk e a norma da matriz A.

Exemplo 14 Para A = (aij )nm , definimos:


2. SISTEMAS DE EQUAC
OES LINEARES 53

m
X
kAk1 = max |aij | ,
1jn
i=1
v
um X
n
uX
kAk2 = t |aij |2 ,
i=1 j=1
m
X
kAk = max |aij | .
1in
i=1

Cumpre-se:

(a) kAxk1 kAk1 kxk1 ,


(b) kAxk2 kAk2 kxk2 ,
(c) kAxk kAk kxk

(exerccio).
Limitaremos nosso estudo aos sistemas de n-equacoes com n -inc
ognitas:

a11 a1j a1n x1 b1
. .. .. .. .. . .
.. . . . . .. ..

ai1 aij ain xj = bi .


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


an1 amj ann xn bn

2.2.2 M
etodos Diretos
Sistema de matriz diagonal
Conderemos o sistema linear Ax = b, onde

a11 0 0 0


0 a22 0 0

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

. . . ...
A=

0 0 aii 0


.. .. .. .. ..

. . . . . .


0 0 0 ann

isto e, aij = 0 para i 6= j.


2. SISTEMAS DE EQUAC
OES LINEARES 54

Ent
ao, se aii 6= 0, para todo i = 1, 2, . . . , n, a solucao e dada por:

bi
xi = , (1 i n)
aii

Sistema de matriz triangular


Suponha que o sistema linear tem a forma:

a11 x1 + a12 x + + a1j xj + + a1n xn = b1


a22 x2 + + a2j xj + + a2n xn = b2

ajj xj + + ajn xn = bj
.. ..
. .
ann xn = bn

Definic
ao 16 A matriz A = (aij )nn e triangular superior (resp. inferior)
se aij = 0 para i > j (resp. i < j).

Assim, o sistema linear Ax = b considerado tem matriz de coeficientes


triangular superior:

a11 a12 a1j a1n




0 a22 a2j a2n

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

. . . .
A=

0 0 aii ain


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

.

. . . . .
0 0 0 0 ann
Lema 1 O determinante de uma matriz triangular (superior ou inferior) e
igual ao produto dos elementos da diagonal.

Demonstra c
ao. (Por inducao:)
Para n = 1, det A = a11 . Suponhamos que a afirmacao se cumpre para as
matrizes triangulares de ordem n 1. Seja A matriz triangular de ordem n.
det A = Cof deExpFn (A)
= ann nn
= ann (a11 a22 . . . ..an1n1 )
= ni=1 aii
Q
2. SISTEMAS DE EQUAC
OES LINEARES 55

Se A e triangular superior, AT e triangular inferior e


n
det A = det AT =
Y
aii .
i=1

Teorema 4 Se akk 6= 0 para k = 1, 2, . . . , n, ent


ao x = (x1 , x2 , . . . , xn ),
definida por:
bn
xn = e, para k = n 1, n 2, . . . 1,
ann
n
1 X
xk = (bk akj xj ) ,
akk j=k+1

e a u
nica soluca
o do sistema.

Demonstra
c
ao. (exerccio).

Exemplo 15 Seja o sistema linear:

4x1 + 4x2 x3 = 2
x2 + 4x3 = 1
7x3 = 6

Este sistema tem como solucao x = (x1 , x2 , x3 ).


Por substituca
o retroativa:

6
x3 = ,
7
1
x2 = (1 4x3 )
1
1
x1 = (2 4x2 + x3 )
4
Finalmente,

6
x3 =
7
31
x2 =
7
29
x1 =
7
2. SISTEMAS DE EQUAC
OES LINEARES 56

M
etodo de Gauss
Consiste em transformar o sistema Ax = b num sistema T x = , onde T e
triangular superior.
Denotemos por S (k) a matriz :
(k) (k)
(aij )nn+1 , tal que aij = 0, para j = 1, 2, . . . , k 1, e i > j,
isto e,

(k) (k) (k) (k) (k)



a11 a12 a1k a1n a1n+1


(k) (k) (k) (k)


0 a22 a2k a2n a2n+1

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

. . . . . . . .


(k) (k) (k) (k)
S (k)

=
0 0 0 ak1k1 ak1k1 ak1n ak1n+1



(k) (k) (k)

0 0 0 akk akn akn+1

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

. . . . . . . .

(k) (k) (k)
0 0 0 anj ann ann+1

Defini c
ao 17 (Itera ao de Gauss) Construi-se a partir de S (k) uma ma-
c
(k+1)
triz S (k+1) = (aij )nn+1 da seguinte forma:
(k)
1. Se akk 6= 0 :


(k)
a 1 i k, 1 j n + 1
ij


(k+1)
aij = e,
(k)
(k) aik (k)
aij akj k + 1 i n, 1 j n + 1


(k)
akk

(k) (k)
2. Se akk = 0 e existe l tal que k < l n : alk 6= 0 :
(k)



aij 1 i k, 1 j n + 1
.




(k)





alj i = k, 1 j n + 1
.

(k+1)
aij =
(k)



akj i = l, 1 j n + 1




e,
(k)
(k) aik (k)
aij alj k + 1 i n e i 6= l, 1 j n + 1


(k)
all
2. SISTEMAS DE EQUAC
OES LINEARES 57

(k) (k)
3. Se akk = 0 e para todo l tal que k < l n : alk = 0

S (k+1) = S (k)

Teorema 5 (M
etodo de Gauss) Seja o sistema linear

Ax = b

.
(p)
A matriz S (p) = (aij )nn+1 , obtida a partir de S (1) = [A | b], ap
os p 1
iteraco
es de Gauss e tal que :

para cada p = 1, 2, . . . , n :

o sistema linear:
n
X (p) (p)
aij xj = ain+1 , 1in
j=1

tem a mesma solucao que Ax = b.


Dito de outra maneira, as matrizes S (p) s
ao equivalentes por operaco
es
elementares de linha.

Demonstra
c
ao. Monstraremos que os sitemas
n
X (k) (k)
aij xj = ain+1 , 1in e
j=1
n
X (k+1) (k+1)
aij xj = ain+1 , 1in
j=1

possuem a mesma soluc ao.


As formulas de iterac
ao de Gauss, corresponden a transfomacoes simples
sobre o sistema linear:
No caso 1. :
(k)
aik
i Fk + Fi Fi , i = k + 1, . . . , n, com i = (k)
akk

No caso 2. :
Fk Fl
e a seguir faz-se as transfomacoes do caso 1.
2. SISTEMAS DE EQUAC
OES LINEARES 58

No caso 3. :
S (k+1) = S (k)
Logo os sistemas correspondentes a S (k) e S (k+1) , respetivamente, pos-
suem as mesmas solucoes. Se deduz por recorrencia que S (p) tem a mesma
soluc
ao que Ax = b (que corresponde `a situacao p = 1).

Teorema 6 Se na aplicaca o das n 1 iteraco


es de Gauss que permitem
obter S (n) (1)
a partir de S , uma iteraca o deve realizar o caso 3, o sistema
Ax = b e singular, i.e., det A = 0 .

Demonstra c
ao. Suponhamos que a p-esima iteracao de Gauss seja a
primeira que use o caso 3. Neste caso, a matriz A(p) tem a forma:
(p) (p) (p) (p) (p) (p)

a11 a12 a13 a1p1 a1p a1n


(p) (p) (p) (p) (p)


0 a22 a23 a2p1 a2p a2n



(p) (p) (p) (p)


0 0 a33 a3p1 a3p a3n


.. .. .. .. ..
0 0 0 . . . . .




.. ..

(p) (p) (p)

. . 0 ap1p1 ap1p ap1n



(p)

0 0 0 0 0 apn

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

. . . 0 . . . .

(p)
0 0 0 0 0 ann
(p)
Desenvolvendo o determinante pela primeira coluna e designando por ii

o determinante da matriz obtida a partir de A(p) , eliminando as i primeiras


linhas e as i primeiras colunas, temos:
(p) (p) (p) (p) (p) (p)
det A(p) = a11 11 = a11 a22 ap1p1 p1p1
(p)
Como p1p1 = 0, pois a matriz correspondente tem coluna zero,
det A(p) = 0.
As iterac
oes no caso 1 e no caso 2, podem ser escritas matricialmente na
forma:
2. SISTEMAS DE EQUAC
OES LINEARES 59

A(k+1) = G(k) A(k)


(
(I + nk+1 j Ejk ), caso 1
P
(k)
com G =
(I + nk+1 j Ejk )Vkl , caso 2
P

(k) (k)
ajk ajk
j = (k)
, j = (k)
, j = k + 1, . . . , n
akk alk

Vkl = I Ekk Ell + Ekl + Elk (Fk Fl ) e



0 se (i, j) = (p, q)
Epq = (aij )nn com aij =

1 se (i, j) 6= (p, q)
Da relac
ao:

A(p) = G(p1) G(p2) G(1) A


obtem-se que det A(p) = det A, logo, det A = 0.

Normaliza
c
ao e Pivotamento parcial
Teoricamente, o metodo de Gauss funciona em precisao infinita, enquanto
que os computadores possuem precisao finita pelas suas limitacoes na rep-
resentacao dos numeros. Isto e causa de erro nos calculos. No caso da
resoluc
ao dos sistemas lineares, uma forma de se minimizar o ac umulo ex-
cessivo deste erro e proceder `a normalizacao do sistema e ao pivotamento
parcial.
A Normalizac ao do sistema consiste em calcular a norma de sua matriz
aumentada:

N ORM A = M a
x {|aij | : i = 1, . . . , n j = 1, . . . , n + 1}

e, em seguida, obter o sistema equivalente


1
[A b] com bi = ai n+1 , i := 1, . . . , n
N ORM A
O Pivotamento Parcial consiste em colocar na posicao (k, k) o m
aximo
dos m
odulos dos elementos do resto da coluna k na reducao de Gauss.
2. SISTEMAS DE EQUAC
OES LINEARES 60

2.2.3 M
etodos Indiretos
M
etodos de Relaxamento
Seja o sistema linear regular de ordem n, Ax = b, que tem como u
nica
soluc
ao a n upla w = (wj )1jn .
(k)
Defini
c a n-upla x(k) = (xj )1jn a n-
ao 18 Chama-se resduo relativo `
(k)
upla r (k) = (rj )1jn tal que r (k) = Ax(k) b.

Evidentemente,

r (k) = 0 Ax(k) = b x(k) = w


Um metodo de relaxamento consiste em construir uma seq
uencia de n
uplas

x(0) , x(1) , . . . , x(p) , . . .


e os resduos correspondentes:

r (0) , r (1) , . . . , r (p) , . . .

tais que
(i) limp r (p) =0


(ii) x(p+1)
dif iere de x(p) em somente uma componente.
Chama-se relaxamento ` a passagem de x(p) a x(p+1) :

. . . x(p) x(p+1) . . .

Se apenas a condic
ao (i) e satisfeita, diz-se que o metodo e de iteracao.

M
etodo de Gauss-Seidel
O metodo de Gauss-Seidel e um metodo de relaxamento que consiste em
modificar sucessivamente e na ordem das componentes a n-upla x(p) , de
maneira tal que a componente correspondente da n-upla r (p) seja zero.
Assim, para obter x(1) a partir de x(0) , modifica-se a primeira compo-
nente de x(0) de maneira tal que a primeira componente de r (1) seja zero,
(1)
isto e, r1 = 0.
Se p < n, para obter x(p) a partir de x(p1) , modifica-se a p -esima
componente de x(p1) de maneira que a p-esima componente de r (p) seja
(p)
zero, isto e, rp = 0.
2. SISTEMAS DE EQUAC
OES LINEARES 61

Quando p = n, a n-upla x(n+1) obtem-se modificando a primeira com-


ponente de x(n) .
De forma mais geral, a n-upla x(p) e obtida modificando a componente
(p)
i0 = 1 + p(mod n) da n-upla x(p1) de maneira tal que ri0 = 0.
Seja
n
(p) X (p) (p)
ri 0 = ai0 j xj + ai0 i0 xi0 bi0
j=1,j6=i0

Como a n-upla x(p) difere de x(p1) s


o na componente i0 ,
n
(p) X (p1) (p)
ri0 = ai0 j xj + a i 0 i 0 x i 0 bi 0
j=1,j6=i0

de onde,
(p) (p1) (p1) (p)
ri0 = ri0 ai0 i0 xi0 + ai 0 i 0 x i 0
(p) (p)
Para ter ri0 = 0, xi0 ter
a que ser:

(p) (p1) 1 (p1)


x i0 = x i0 ri0
ai 0 i 0
As formulas da passagem de x(p1) a x(p) s
ao:


(p1)
(p) x i = 1, . . . , i0 1, i0 + 1, . . . , n
xi = i(p1) 1 (p1) ()
x i0 ai0 io ri0 i = i0 = 1 + p(mod n)

(p)
Isto conduz ri .a:
n
(p) X (p)
ri = aij xj bi i = 1, 2, . . . , n
j=1

de onde,
n
(p) X (p1) (p1) 1 (p1)
ri = ai0 j xj + ai0 i0 [xi0 ri 0 ] bi
j=1,j6=i0
ai0 i0

Finalmente,
(p) (p1) aii0 (p1)
ri = ri r i = 1, . . . , n ()
ai0 i0 i0
Admitimos sem prova o seguinte teorema:
2. SISTEMAS DE EQUAC
OES LINEARES 62

Teorema 7 (Metodo de Gauss-Seidel)


Seja o sistema linear
n
X
aij xj = bi , 1in
j=1

ao singular e aii 6= 0 (i = 1, 2, . . . , n). Determina-se r (0) ,


tal que (aij )nn e n
(0)
partindo de x dado, por:
n
(0) X (0)
ri = aij xj bi , i = 1, 2, . . . , n
j=1

uencias de n-uplas (x(p) )pIN e (r (p) )pIN pelas f


Construi-se as seq ormulas
de recorrencia () e ().
(p)
Se, para cada i = 1, 2, . . . , n : limp xi existe, ent
ao
(p)
lim xi = wi , i = 1, 2, . . . , n,
p

onde w = (wi )1in e a soluca


o do sistema.

Observa c
ao 4 O teorema afirma que se a seq uencia converge, ent
ao con-
verge `
a soluca
o. Nao est
a garantida a convergencia. Na implementaca o
computacional correspondente, colocamos o criterio de Sassenfeld para de-
terminar se o metodo convergir
a ou n
ao para o sistema dado.

Exerccios
1. Provar: P ara todo A, B, C MIR (m, n) e para todo , IR:

(1) A + (B + C) = (A + B) + C (5) ()A = (A)


(2) A + B = B + A (6) ( + )A = A + A
(3) A + 0 = A (7) (A + B) = A + A)
(4) A + (A) = 0 (8) 1A = A

onde
0 = (ij )mn com ij = 0, para todo (i, j) Im In
e A = (aij )mn , se A = (aij )mn
2. Provar:
(i) det A = det AT
(ii) Fk = 0 (resp.Ck = 0) det A = 0
2. SISTEMAS DE EQUAC
OES LINEARES 63

3. Sejam A, B MIR (n). Provar:


(i) A(Fk ) B (resp.A(Ck ) B) det B = det A
(ii) A(Fk Fp ) B (resp., A(Ck Cp ) B) det B = det A
(iii) A(Fk +Fp ) B (resp., A(Ck +Cp ) B) det B = det A
(iv) AB e det A 6= 0 det B 6= 0
4. Provar:
(i) Se A = (aij )mn , entao AIn = A
(ii) Se A = (aij )mn , ent
ao Im A = A
5. Seja A MIR (n) provar que:
Existe uma e somente uma n upla x tal que Ax = b det A 6= 0
6. Mostre que toda matriz A = (aij )mn pode ser expressa como
m X
X n
A= aij Eij ,
i=1 j=1

com Epq = (ij )mn e



1 se (i, j) = (p, q)
ij =
0 se (i, j) 6= (p, q)

7. Mostre que se
Vkl = I Ekk Ell + Ekl + Elk
ent
ao A(Fk Fl ) Vkl A.
8. Mostre que as iteracoes de Gauss no caso 1 e no caso 2, podem ser escritas
matricialmente na forma:
A(k+1) = G(k) A(k)
 Pn
(I + Pk+1 j Ejk ), caso 1
com G(k) = n
(I + k+1 j Ejk )Vkl , caso 2
(k) (k)
ajk ajk
j = (k)
, j = (k)
, j = k + 1, . . . , n
akk alk
Vkl = I Ekk Ell + Ekl + Elk (Fk Fl )


1 se (i, j) = (p, q)
Epq = (ij )nn com ij =
0 se (i, j) 6= (p, q)
9. Achar os valores de k tais que o sistema de equacoes lineares () tem solucao
u
nica

x1 +kx2 =3
()
kx1 +x2 =1
2. SISTEMAS DE EQUAC
OES LINEARES 64

10. Seja o sistema de equacoes lineares:



x1 +x2 +x3 =4
x1 +2x3 =5
x2 +x3 =1

Calcular x(1) e r(1) com x(0) = 0, pelo metodo Gauss-Siedel.


11. Analizar a consistencia dos seguientes sistemas lineares:

(a)
3x1 x2 + x3 =5
x1 + x2 x3 = 2
x1 + 2x2 + x3 =3

(b)
2x1 x2 + x3 =4
x1 + 3x2 5x3 =1
8x1 9x2 + 13x3 =2

(c)
x1 x2 + x3 =3
5x1 + 2x2 x3 =5
3x1 + 4x2 + 3x3 =1

(d)
3x1 5x2 + 2x3 + 4x4 =2
7x1 4x2 + x3 + 3x4 =5 .
5x1 + 7x2 4x3 6x4 =3

(e)

8x1 + 6x2 + 5x3 + 2x4 = 21
3x1 + 3x2 + 2x3 + x4 = 10


4x1 + 2x2 + 3x3 + x4 =8
7x1 + 4x2 5x3 + 2x4 = 18




3x1 + 5x2 + x3 + x4 = 15

12. Resolver numericamente os sistemas consistentes do exerccio anterior.


13. Construa um diagrama de fluxo para o Metodo de Gauss.
14. Construa um diagrama de fluxo para o Metodo de Gauss-Siedel.
3

Valores de uma func


ao

3.1 Polin
omio Interpolador
Formula
c
ao do problema
Seja uma func
ao f da qual s ao conhecidos n + 1 valores funcionais nas
correspondentes n + 1 abscissas tambem conhecidas:

f (xk ) = yk para 0 k n.

Procura-se uma func ao polinomial P tal que:


( i) grau P n
(ii) f (xk ) = P (xk ) para 0 k n.
Assim, P (x) e uma aproximacao de f (x), P (x) = Aprox(f (x)), com
erro zero nos valores xk conhecidos da funcao.

Definic
ao 1 Seja f uma funca o tal que f (xk ) = yk para 0 k n.
Chama-se polin omio interpolador de f a funcao polinomial P de grau n
tal que f (xk ) = P (xk ) para 0 k n.

Exist
encia e Unicidade do Polin
omio Interpolador
Teorema 1 O polin
omio interpolador de f existe e e u
nico.

Antes de provar o Teorema, prova-se o seguinte:

Lema 1 Se (xk )0kn e u


ma seq
uencia finita de n
umeros reais, ent
ao

65
3. VALORES DE UMA FUNC
AO 66

1 x0 x20 . xn0


. .
1 x1 x21 . . . xn1 Y
= (xj xi )

. . . . . . .


0i<jn
1 xn x2n . xnn

. .

Se os xk s
ao tais que xi 6= xj para i 6= j, tem-se que o determinante n
ao e
zero.

Demonstra c
ao Por inducao:
Verifiquemos para n = 1:

1 x0
= x1 x0

1 x1

Supondo que e verdade para n, mostraremos que verifica para n + 1, istoe,

x20 xn0 xn+1




1 x0 0



1 x1 x21 xn1 xn+1
1


.. .. .. .. .. ..
=
Y
(xj xi )
. . . . . .


0i<jn+1
1 xn x2n xnn xn+1

n
x2n+1 xnn+1 xn+1

1 xn+1 n+1

Fazendo
x2k xpk


1 xk


1 xk+1 x2k+1 xpk+1

(k, p) = .. .. .. .. ..
. . . . .


x2p xpp

1 xp

Note-se que, se k < p, ent


ao
Y
(k, p) = (xj xi )
ki<jp

Calculemos (0, n + 1):


oes elementares de coluna xk0 Ck + Ck+1 , obtem-se
Mediante as operac


1 0 0 0


1 x1 x0 x1 (x1 x0 ) xn1 (x1 x0 )


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


1 xn x0 xn (xn x0 ) xnn (xn x0 )


xnn+1 (xn+1 x0 )

1 xn+1 x0 xn+1 (xn+1 x0 )
3. VALORES DE UMA FUNC
AO 67

O que pela sua vez d


a:

x21


1 x1 xn1

.. .. .. ..
.. . . .
Y
(0, n + 1) = (xj x0 )
1 xn x2n xnn

1jn+1

2
1 xn+1 xn+1 xnn+1

Usando a hip otese indutiva para avaliar o determinante (1, n + 1) da ex-


pressao anterior, vem
Y Y
(0, n + 1) = (xj x0 ) (xj xi )
1jn+1 1i<jn+1

De onde, finalmente, obtem-se


Y
(0, n + 1) = (xj xi )
0i<jn+1

Demonstra c
ao do Teorema.
A existencia e unicidade do polin omio interpolador da funcao f e equivalente
`a existencia e unicidade da solucao do sistema de equacoes lineares:

1 x0 x20 xn0

a0 y0
2 n
1 x 1 x 1 x 1 a1

y1

.. .. .. .. .. ..
= ..
. . . . . . .


1 xn x2n xnn an yn
Por sua vez, a existencia e unicidade da solucao deste sistema de equacoes
lineares e equivalente a:

1 x0 x20 xn0




1 x1 x21 xn1
.. .. .. .. .. =
6 0
. . . . .


1 xn x2n xnn

Logo, o Lema prova o Teorema.


De acordo com o Teorema precedente, o polin omio interpolador de f
e u
nico e determinado pela solucao do sistema correspondente na forma
P (x) = a0 + a1 x + a2 x2 + an xn . Assim, a demonstracao do Teorema
d
a a forma canonica do polin omio interpolador de f . O fato de ser u nico
n
ao impede que comporte outras formas distintas de sua forma can onica.
A seguir, descreve-se duas formas para o polin omio interpolador de f : a
3. VALORES DE UMA FUNC
AO 68

forma Lagrange e a forma Newton. Deste modo, procuraremos determinar


o polin
omio interpolador de maneira mais conveniente e sem ter que resolver
o correspondente sistema de equacoes lineares.

3.2 Forma Lagrange do Polin


omio Interpolador
Defini c
ao 2 Dada a seq
uencia de n
umeros reais (xk )0kn , chamam-se
func
oes de Lagrange associadas a (xk )0kn as funco
es Li (0 i n)
definidas por:

j6=i (x xj )
Q
Li (x) = Q ( < x < +)
j6=i (xi xj )

Observar que cada Li (0 i n) e uma polinomial de grau n.

Teorema 2 O polin
omio interpolador P da funca
o f e dado por:
n
X
P (x) = yi Li (x) onde yi = f (xi ), 0in
i=0

Demonstra c
ao. Observe-se primeiro que: Li (xi ) = 1 e Li (xj ) = 0 se
i 6= j e que P e uma func
ao polinomial de grau n.
Como para xj todos os termos da soma, exceto o j esimo termo, se anulam,
tem-se que
n
X
P (xj ) = yi Li (xj ) = yj = f (xj ), (0 j n)
i=0

Exemplo 1 Achar o polin omio interpolador, na forma Lagrange, da funca


o
f para a qual alguns valores s
ao dados na tabela:

x 1 0 1 2
y 1 1 3 11
As func
oes de Lagrange correspondentes a (1, 0, 1, 2) s
ao:

x(x 1)(x 2)
L0 (x) =
(1)(2)(3)
x(x 1)(x 2)
=
6
3. VALORES DE UMA FUNC
AO 69

(x + 1)(x 1)(x 2)
L1 (x) =
1(1)(2)
(x + 1)(x 1)(x 2)
=
2
(x + 1)x(x 2)
L2 (x) =
2 1(1)
(x + 1)x(x 2)
=
2
(x + 1)x(x 1)
L3 (x) =
321
(x + 1)x(x 1)
=
6

Logo o polin
omio interpolador da funcao f e :

P (x) = L0 (x) + L1 (x) + 3L2 (x) + 11L3 (x)

x(x 1)(x 2) (x + 1)(x 1)(x 2) 3(x + 1)x(x 2)


= +
6 2 2
11x(x 1)(x 2)
+
6

3.3 Forma Newton do Polin


omio Interpolador
Defini
c
ao 3 Sejam f uma funca o tal que f (xk ) = yk para 0 k n e p
um n
umero inteiro positivo. Define-se:

(f ; xi ) = f (xi ), 0in , p=0

(f ; xi+1 , . . . , xi+p ) (f ; xi , . . . , xi+p1 )


(f ; xi , . . . , xi+p ) =
xi+p xi

0 i np , 1pn
Os (f ; xi , . . . , xi+p ) chamam-se diferencas divididas de ordem p da funca
o
f.
3. VALORES DE UMA FUNC
AO 70

Teorema 3 Se xp 6= xq para p 6= q , ent


ao
i
X f (xj )
(f ; x0 , x1 , . . . , xi ) = Qi
j=0 k6=j (xj xk )

Demonstra c
ao. Por inducao:
Verifiquemos para n = 1 :
(f ; x1 ) (f ; x0 ) f (x1 ) f (x1 )
(f ; x0 , x1 ) = = +
x1 x0 x1 x0 x0 x1

Supondo que a afirmac


ao se cumpre para i mostremos que ela se cumpre
tambem para i + 1 :
(f ; x1 , . . . , xi+1 ) (f ; x0 , . . . , xi )
(f ; x0 , x1 , . . . , xi+1 ) =
xi+1 x0
Pondo (f ; x0 , x1 , . . . , xi+1 ) = i+1 e usando a hip
otese indutiva, temos:

i+1
1 X f (xj )
i+1 =
xi+1 x0 j=1 i+1k=1,k6=j (xj xk )
Q

i
X f (xj )
Qi
j=0 k=0,k6=j (xj xk )
" #
1 f (x0 ) f (xi+1 )
= Qi + Qi +
xi+1 x0 k=1 (x0 xk ) k=0 (xi+1 xk )

i
1 X (xi+1 x0 )f (xj )
+ Qi+1
xi+1 x0 j=1 k=0,k6=j (xj xk )
f (x0 ) f (xi+1 )
= Qi+1 + Qi +
k=1 (x0 xk ) k=0 (xi+1 xk )
i
X f (xj )
+ Qi+1
j=1 k=0,k6=j (xj xk )
i+1
X f (xj )
= Qi+1
j=0 k=0,k6=j (xj xk )

Teorema 4 O polin
omio interpolador P da funca
o f e dado por:

P (x) = (f ; x0 ) + (f ; x0 , x1 )(x x0 )
3. VALORES DE UMA FUNC
AO 71

+ (f ; x0 , x1 , x2 )(x x0 )(x x1 )
+ +
+ (f ; x0 , . . . , xn )(x x0 )(x x1 ) (x xn1 )

ou, mais sinteticamente,



n
X i1
Y
P (x) = (f ; x0 , . . . , xi ) (x xj )
i=0 j=0

Demonstra c
ao.
claro que grauP n. Mostraremos que
E

P (xk ) = f (xk ) 0 k n

Da definic
ao de diferencas divididas, temos:

f (xk ) = (f ; xk ) = (f ; x0 ) + (f ; xk , x0 )(xk x0 )
(f ; xk , x0 ) = (f ; x0 , x1 ) + (f ; xk , x0 , x1 )(xk x1 )
(f ; xk , x0 , x1 ) = (f ; x0 , x1 , x2 ) + (f ; xk , x0 , x1 , x2 )(xk x2 )
.. .. ..
. . .
(f ; xk , x0 , . . . , xk2 ) = (f ; x0 , x1 , . . . , xk1 ) + (f ; xk , x0 , . . . , xk1 )(xk xk1 )

Multiplicando, sucessivamente,
a segunda equacao por (xk x0 ),
a terceira equac
ao por (xk x0 )(xk x1 ),.
a quarta equacao por. (xk x0 )(xk x1 )(xk x2 ),..., finalmente,
a kesima equacao por (xk x0 )(xk x1 ) (xk xk2 ).

Somando, membro a membro, as igualdades obtidas, vem :

f (xk ) = (f ; x0 ) + (f ; x0 , x1 )(xk x0 )
+ (f ; x0 , x1 , x2 )(xk x0 )(xk x1 )
+ +
+ (f ; xk , x0 , . . . , xk1 )(xk x0 )(xk x1 ) (xk xk1 )

Como
(f ; xk , x0 , . . . , xk1 ) = (f ; x0 , . . . , xk1 , xk ),
tem-se o resultado.
3. VALORES DE UMA FUNC
AO 72

Exemplo 2 Para a funca o do exemplo anterior achar a forma Newton do


polin
omio interpolador.
Temos que construir, primeiro, a Tabela de Diferencas Divididas correspon-
dente:
x (f ; xi ) (f ; xi , xi+1 ) (f ; xi , . . . , xi+2 ) (f ; xi , . . . , xi+3 )
1 1 2 0 1
0 1 2 3
1 3 8
2 11
O polin
omio interpolador na forma Newton da funcao e:
P (x) = (f ; x0 ) + (f ; x0 , x1 )(x x0 ) +
+(f ; x0 , x1 , x2 )(x x0 )(x x1 ) +
+(f ; x0 , . . . , x3 )(x x0 )(x x1 )(x x2 )
Substituindo os valores correspondentes da tabela, tem-se:
P (x) = 1 + 2(x + 1) + 0(x + 1)(x 0) + 1(x + 1)(x 0)(x 1)
P (x) = 1 + 2(x + 1) + (x + 1)x(x 1)

Calculo da aproxima
c
ao de f (x) pela forma Lagrange do Polin
omio
Interpolador
O Algoritmo D, permite o calculo da aproximacao de f (x) para x dado,
usando a forma Lagrange do polimomio interpolador da funcao f .

Nota
c
ao: P ol = P (x), Li = Li (x)

ALGORITMO D (Polin
omio de Lagrange)


P ol := 0


Para i := 0(1)n:




p1 := 1, p2 := 1

Para j := 0(1)n:
se i 6= j, p1 := p1 (x xj ), p2 := p2 (xi xj )


Li := p1 p2




P ol := P ol + f (xi ) Li


f (x) P ol.


FIM


3. VALORES DE UMA FUNC
AO 73

Calculo da aproxima
c
ao de f (x) pela forma Newton do Polin
omio
Interpolador
O Algoritmo E, permite o c
alculo das diferencas divididas da funcao f , sobre
x0 , . . . , xn dados.

Nota
c
ao: d(i, p) = (f ; xi , xi+1 , . . . , xi+p )

ALGORITMO E (Diferen
cas Divididas)

Para i := 0(1)n:

d(i, 0) := f (xi )





Para p = 1(1)n:


Para i := 0(1)n p:
d(i, p) := [d(i + 1, p 1) d(i, p 1)]/(xi+p xi )


FIM

O Algoritmo F, permite o calculo da aproximacao de f (x) para x dado,


usando a forma Newton do polin omio interpolador da funcao f .

Nota
c
ao: k = (f ; x0 , x1 , . . . , xk )

ALGORITMO F (Polin
omio de Newton)


p0 := 1

Para k := 1(1)n:
pk := pk1 (x xk1 )






P ol := 0


Para k := 0(1)n:




P ol := P ol + pk k


f (x) P ol.


FIM

Erro na Interpola
c
ao Polinomial
Teorema 5 Seja f C n ([a, b]) tal que f (n+1) existe em (a, b) e seja P o
polin
omio interpolador com P (xk ) = f (xk ), k = 0, . . . , n, xk [a.b].
3. VALORES DE UMA FUNC
AO 74

Ent
ao, para todo x [a, b] :
n
f (n+1) () Y
f (x) P (x) = (x xk )
(n + 1)! k=0

para algum [a, b].

Demonstra
c
ao. Seja c [a, b], qualquer.
Pondo: n
Y
Q(x) = P (x) + A (x xk )
k=0
com
f (c) P (c)
A = Qn ,
k=0 (c xk )
tem-se que Q e uma func
ao polinomial de grau n + 1 tal que

Q(xk ) = f (xk ), k = 0, . . . , n, e Q(c) = f (c).

Como para todo i 6= j, xi 6= xj , a funcao definida por:

(x) = Q(x) f (x)

tem valor zero em n + 2 pontos e a funcao

(n+1) = Q(n+1) f (n+1)

ter
a valor zero em algum ponto de [a, b], logo

Q(n+1) () = f (n+1) ().

Derivando n + 1 vezes Q temos que para todo x (a, b):

f (c) P (c)
Q(n+1) (x) = A (n + 1)! = Qn (n + 1)!
k=0 (c xk )

Em particular,
f (c) P (c)
Q(n+1) () = f (n+1) () = Qn (n + 1)!
k=0 (c xk )

de onde,
n
f (n+1) () Y
f (c) P (c) = (c xk )
(n + 1)! k=0
3. VALORES DE UMA FUNC
AO 75


ario 1 Se para todo x (a, b) : f (n+1) (x) M , ent
Corol ao

n

M Y
|f (x) P (x)| (x xk )

(n + 1)! k=0

Observa
c
ao 1 Tambem pode-se escrever:
M
|f (x) P (x)| m(x0 , . . . , xn )
(n + 1)!

onde n
Y
m(x0 , . . . , xn ) = max (x xk )

x[a,b]
k=0

Exemplo 3 Estimar o erro quando se aproxima f (0, 5) usando o polin


omio
interpolador de grau 3 para a funca
o

f : IR 7 IR ;f (x) = exp(x)

usando a tabela:

x 0 0, 2 0, 6 1, 0
y 1 1, 2214 1, 8221 2, 7182
De acordo com o Corol
ario precedente
n

M Y
|f (0, 5) P (0, 5)| (0, 5 xk )

(n + 1)! k=0


2, 7182
|(0, 5)(0, 3)(0, 1)(0, 5)|
4!
0, 0009

Teorema 6 Seja f uma funca o real definida em [a, b].


Se
( i ) x0 , x1 , . . . , xn [a, b] com xi < xi+1
( ii ) f (n) existe sobre (x0 , xn )
(iii) yk = f (xk ), k = 0, . . . , n. conhecidos
ent
ao,

existe (x0 , xn ) : f (n) () = n!(f ; x0 , . . . , xn ).


3. VALORES DE UMA FUNC
AO 76

Demonstra cao. Seja P o polinomio interpolador de f . A partir da forma


Newton de P , pode-se escrever:
n1
Y
P (x) = Q(x) + (f ; x0 , . . . , xn ) (x xk )
k=0

onde
n1
X i1
Y
Q(x) = (f ; x0 , . . . , xi ) (x xj )
i=0 j=0

Como P (xk ) = f (xk ), k = 0, . . . , n, tem-se que f P anula-se em n + 1


ao f P anula-se em n pontos e a funcao f P anula-se
pontos, a func
em n 1 pontos.
Continuando este raciocnio conclumos que f (n) P (n) anula-se em um
ponto. Logo, para algum (x0 , xn ) : f (n) () = P (n) (). De outro lado,
para todo x (x0 , xn ):

P (n) (x) = n!(f ; x0 , . . . , xn )

de onde,
f (n) () = n!(f ; x0 , . . . , xn )

Observa c o de f (n)
ao 2 O Teorema anterior permite dar uma aproximaca
sobre [x0 , xn ]:
Se
= inf f (n) (x) e = sup f (n) (x)
x0 xxn x0 xxn

ent
ao, para todo x [x0 , xn ] :

(n)
f (x) n!(f ; x0 , . . . , xn ) <

Se e pequeno, isto e, f (n) varia pouco sobre [x0 , xn ],ent


ao n!(f ; x0 , . . . , xn )
o de f (n) neste intervalo.
e uma boa aproximaca

Exerccios
1. Para concluir que o polinomio interpolador P da funcao f e dado por:

n
X i1
Y
P (x) = (f ; x0 , . . . , xi ) (x xj )
i=0 j=0

Prove que
(f ; xk , x0 , . . . , xk1 ) = (f ; x0 , . . . , xk1 , xk ),
3. VALORES DE UMA FUNC
AO 77

2. Para a funcao f da qual alguns valores sao dados na tabela:

x 1 1 3
y 1 1, 5 2

(a) Construir o polinomio interpolador de f na forma Lagrange.


(b) Construir o polinomio interpolador de f na forma Newton.
(c) Calcular uma aproximacao de f (2).

3. Se xk = x0 + kh, k = 0, 1, . . . , n., calcular


1 x0 x20 xn0

1 x1 x21 xn1

(a) . .. . . .. ..

.. . . . .

1 xn x2 xn
n n

1 1 1

(b) 1 1 1
1 3 9

4. Achar o polinomio interpolador, na forma Lagrange, da funcao f para a qual


alguns valores sao dados tabularmente e calcular o valor aproximado de f (x) :

x 1 0 1 2
(a) x = 1, 5
y 0 1 3 15
x 1, 5 0, 5 1, 5 2
(b) x = 0, 75
y 1 1 3 18
x 0, 1 0 1.2 2, 4
(c) x = 1, 5
y 10 10 22 31
x 0, 1 0, 2 0, 3 0.4 0.5
(d) x = 0, 35
y 1 1 3 10 4

5. Achar o polinomio interpolador, na forma Newton, das funcoes f do exerccio


anterior.
6. Estimar o erro quando se aproxima f (x) usando o polinonomio interpolador
para cada uma das seguintes funcoes:

(a) f (x) = 10x ,


x 0 1 3
2
x = 2, 2
y 1 10 31, 62 100
(b) f (x) = senx,
x 4 0
4

2
x= 6, y 22 0 2
2
1
3. VALORES DE UMA FUNC
AO 78

(c) f (x) = log x,


x 1 4 10 12
x = 5,
y 0 0, 60 1 1, 07
7. Interpolacao com pontos equidistantes:
Seja xk+1 = xk + h para k = 0, . . . , n 1, com h constante.
Definimos:
f (x) = f (x + h) f (x) e f (x) = f (x) f (x h)
Mostrar
1 k
(a) (f ; x0 , . . . , xk ) = k!h k f (x0 )
   
Pn
(b) P (x) = k=0 k f (x0 ), x = x0 + h
k
   
Pn k
(c) P (x) = k=0 (1) k f (xn ), x = xn + h
k
8. Usando os resultados do exerccio anterior, aproximar f (0, 3) e f (1, 9) para
a funcao f dada tabularmente:
x 0 0, 5 1, 0 1, 5 2, 0
f (x) 1 1, 649 2, 718 4, 482 7, 389

3.4 Polin
omio de Taylor
oes de classe C n ([a, b]), e possvel construir aproximacoes
Para o caso das func
polinomiais usando as derivadas da funcao na determinacao dos coeficientes
da func
ao polinomial aproximacao.
Teorema 7 (Rolle) Se f C([a, b]), f (n+1) existe em (a, b) e f (a) = f (b)
ao existe c (a, b) tal que f (c) = 0.
, ent
Teorema 8 (Taylor) Se f C n ([, ]) e f (n+1) existe em (, ), ent
ao
para todo a, b [, ] existe c [a, b] tal que
n
f (k) (a)
(b a)k + R(f )
X
f (b) =
k=1
k!
isto e,
f (1) (a) f (n) (a)
f (b) = f (a) + (b a) + + (b a)n + R(f )
1! n!
com
f (n+1) (c)
R(f ) = (b a)n+1
n!
3. VALORES DE UMA FUNC
AO 79

Demonstra
c
ao. Seja M IR tal que
n
f (k) (a)
(b a) + M (b a)n+1
X
f (b) =
k=1
k!

definimos a func
ao g : [a, b] 7IR da seguinte maneira:
n
f (k) (x)
(b x)k + M (b x)n+1
X
g(x) = f (b) +
k=1
k!

Tem-se que g C([a, b]) e g(a) = g(b) = 0. Pelo Teorema de Rolle, existe
c (a, b) tal que g (c) = 0. Como para a < x < b :

f (n+1) (x)
g (x) = (b x)n M (n + 1)(b x)n ,
n!
tem-se, " #
n f (n+1) (c)
g (c) = (n + 1)(c b) M =0
(n + 1)!
Como c 6= b,
f (n+1) (c)
M=
(n + 1)!

Teorema 9 (Taylor com resduo integral) Se f C n ([, ]) e f (n+1)


existe em (, ), ent
ao para todo a, b [, ]
n
f (k) (a)
(b a)k + R(f )
X
f (b) =
k=1
k!
com
1
Z b
R(f ) = f (n+1) (x)(b x)n dx
n! a

Demonstra c
ao. Por recorrencia:
Para n = 0, tem-se:
Z b
f (b) = f (a) + R1 (f ) e R1 (f ) = f (x)dx = f (b) f (a).
a

Supondo para n = p 1, devemos provar para n = p. De fato, integrando


por partes a u
ltima parcela da express
ao:
p1
f (k) (a) 1 b
Z
(b a)k + f (p) (x)(b x)p1 dx
X
f (b) =
k=1
k! (p 1)! a
3. VALORES DE UMA FUNC
AO 80

obtemos:
1
Z b
Rp1 (f ) = f (p) (x)(b x)p1 dx
(p 1)! a
b
1

= f (p)(x)(b x)p +
p (p 1)! a
Z b
1
+ f (p+1) (x)(b x)p dx
a p (p 1)!
1 (p) 1 b (p+1)
Z
= f (x)(b a)p + f (x)(b x)p dx
p! p! a
1 (p)
= f (x)(b a)p + Rp (f )
p!
Finalmente, subtituindo na express
ao original, segue que:
p
f (k) (a) 1 b
Z
k
f (p+1) (x)(b x)p dx
X
f (b) = (b a) +
k=1
k! p! a

o que demonstra o Teorema.

Corol ario 2 Sejam f C n ([a, b]) e x0 [a, b]. Se f (n+1) existe em (a, b) e
existe M tal que para todo x (a, b) : |f (x)| M , ent
ao a funca
o polinomial,
chamada polim omio de Taylor,
n
f (k) (x0 )
(x x0 )k
X
Pn (x) =
k=0
k!

e tal que para todo x (a, b) :

(b a)(n+1)
|f (x) Pn (x)| M
(n + 1)!

Demonstra
c
ao. (exerccio).

Exemplo 4 Seja a funcao f :IR7IR; f (x) = exp(x). Determinar o valor


aproximado de e, usando o polin
omio de Taylor de grau 3 e estimar o erro
cometido em tal aproximaca
o.

ao e de classe C 3 ([1, 1]) e 0 [1, 1], o polin


Como a func omio de Taylor
de grau 3 de f e dado por:

f (0) f (2) (0) f (3) (0)


P3 (x) = f (0) + (x 0) + (x 0)2 + (x 0)3
1! 2! 3!
3. VALORES DE UMA FUNC
AO 81

Dado que f (k) (x) = exp(x) para todo x IR e para todo k IN, temos que
f (k) (0) = 1 para todo k IN. Logo,
1 1
P3 (x) = 1 + x + x2 + x3
2 6
Assim, o valor apronimado de e = f (1) e:
1 1 8
P3 (1) = 1 + 1 + + =
2 6 3
Como
|exp(x)| 3 em [1, 1]
segundo o corol
ario
2 1
|exp(x) P3 (x)| 3 = = 0.25
4! 4
8
Portanto, a aproximac
ao de e por um polin
omio de Taylor de grau 3 e 3
com um erro estimado de 0.25.

Exerccios
1. Sejam f C n ([a, b]) e x0 [a, b]. Se f (n+1) existe em (a, b) e existe M tal
que para todo x (a, b) : |f (x)| M , ent ao a funcao polinomial, chamada
polim
omio de Taylor,
n
X f (k) (x0 )
Pn (x) = (x x0 )k
k!
k=0

e tal que para todo x (a, b) :

(b a)(n+1)
|f (x) Pn (x)| M
(n + 1)!

2. Determinar o polinomio de Taylor de grau n para as seguintes funcoes:

(a) f :IR7IR; f (x) = exp(x), em [1, 1]


(b) f :IR7IR; f (x) = sin(x), em [ 2 , 2 ]
(c) f :IR7IR; f (x) = cos(x), em [ 2 , 2 ]
(d) f :IR+ 7IR; f (x) = ln(x), em (0, 1].

3. Para cada uma das funcoes do exerccio anterior, determinar o valor aproxi-
mado de f ( 4 ), usando o polinomio de Taylor de grau 3 e estimar o erro
cometido em tal aproximacao.
3. VALORES DE UMA FUNC
AO 82

3.5 Aproxima
cao em M
edia Quadr
atica
3.5.1 Caso Contnuo
Formula
c
ao do problema
Seja w C([a, b]), w > 0.
L2w [a, b] denota o conjunto das funcoes f tais que
Z b
w(x)f 2 (x)dx <
a
Pn denota o conjunto das funcoes polinomiais reais P com coeficientes
reais de grau n.
Para f L2w [a, b], procura-se uma aproximacao a f por meio de uma
ao polinomial Q Pn tal que para todo Q Pn
func
Z b Z b
w(x)(f (x) Q (x))2 dx w(x)(f (x) Q(x))2 dx
a a

Definicao 4 Q e a funca
o polinomial de grau n, melhor aproximaca o de f
em media quadr atica sobre [a, b] com a funca
o peso w, ou mais simplesmente,
Q e a funca
o polinomial de grau n, melhor aproximaca o de f em L2w [a, b].

Defini
c
ao 5 O conjunto {P0 , P1 , . . . , Pn } Pn e uma base para Pn se para
o um IRn+1 tal que
todo Q Pn existe um e s
n
X
Q= k Pk , = (0 , 1 , . . . , n )
k=0

Exemplo 5 Sejam as funco


es:

X k : IR 7 IR;X k (t) = tk (k IN)

Ent
ao os conjuntos:

1. {X 0 , X 1 , . . . ., X n }

2. {X 0 , X 0 X 1 , X 1 X 2 , . . . , X n1 X n }

3. {X 0 , X 0 + X 1 , X 0 + X 1 + X 2 , X 0 + X 1 + + X n }

s
ao bases de Pn .

A escolha de uma base para Pn que permita resolver o problema mais


simplesmente e nosso primeiro passo:
3. VALORES DE UMA FUNC
AO 83

Polin
omios Ortogonais
Defini
c es f e g de L2w [a, b] s
ao 6 Se diz que as funco ao ortogonais se
Z b
w(x)f (x)g(x)dx = 0
a

Exemplo 6 As funco es f, g : [1, 1] 7IR definidas por f (x) = x e g(x) =


x2 31 s
ao ortogonais em L2w [1, 1] com a funcao:
w : [1, 1] 7 IR;w(x) = 1
De fato,
#1
1 1 1 x x4 x2
Z Z
2 3
x(x )dx = (x )dx = =0
1 3 1 3 4 6 1

Definicao 7 O conjunto {P0 , P1 , . . . , Pn } Pn forma um sistema ortogonal


em L2w [a, b] se
Z b
w(x)Pi (x)Pj (x)dx = 0
a
para todo i, j = 0, 1, . . . , n, i 6= j
Teorema 10 (Ortogonaliza c
ao de Schmith)
O conjunto {P0 , P1 , . . . , Pn } Pn definido por recorrencia:

P0 (x) = 1, P1 (x) = x a1
e
Pk (x) = (x ak )Pk1 (x) bk Pk2 (x),

k = 2, . . . , n,
com
Rb 2 (x)dx
a w(x)xPk1
ak = Rb 2 (x)dx
w(x)Pk1
a

k = 1, 2, . . . , n,

Rb
a w(x)xPk1 (x)Pk2 (x)dx
bk = Rb ,
2 (x)dx
w(x)Pk2
a

k = 2, . . . , n,
3. VALORES DE UMA FUNC
AO 84

omios ortogonais em L2w [a, b].


formam um sistema de polin

Demonstra
c
ao. suficiente mostrar que para todo i {1, 2, . . . , n} tem-
E
se que:
Z b
w(x)Pj (x)Pi (x)dx = 0
a
para todo j < i. Por recorrencia sobre i :
Verifiquemos para i = 1:
Z b Z b
w(x)P0 (x)P1 (x)dx = w(x)(x a1 )dx
a a

Z b Z b
= w(x)xdx a1 w(x)dx
a a
como Rb
w(x)xdx
a1 = Ra b
a w(x)dx
temos:
Z b Z b Z b
w(x)P0 (x)P1 (x)dx = w(x)xdx w(x)xdx = 0
a a a
Supondo que a propiedade cumpre para i = p 1 < n, devemos mostrar
que se cumpre para i = p :
De fato, fazendo
Z b
Ijp = w(x)Pj (x)Pp (x)dx,
a

temos: Z b
Ijp = w(x)Pj (x)[(x ap )Pp1 (x) bp Pp2 (x)]dx
a
logo,
Z b
Ijp = w(x)xPj (x)Pp1 (x)dx ap Ijp1 bp Ijp2
a
Se j < p 1, e suficiente mostrar para j = p 2:
Z b
Ip2p = w(x)xPp2 (x)Pp1 (x)dx ap Ip2p1 bp Ip2p2
a
3. VALORES DE UMA FUNC
AO 85

a segunda parcela e nula e, portanto


Z b
Ip2p = w(x)xPp2 (x)Pp1 (x)dx bp Ip2p2
a

Substituindo o valor de bp , temos:


Rb !
Z b w(x)xPp1 (x)Pp2 (x)dx
a
Ip2p = w(x)xPp2 (x)Pp1 (x)dx Rb Ip2p2
a 2 (x)dx
w(x)Pp2
a

de onde,
Z b Z b
Ip2p = w(x)xPp2 (x)Pp1 (x)dx w(x)xPp1 (x)Pp2 (x)dx = 0
a a

Se j = p 1, tem-se:
Z b Z b
2 2
Ijp = w(x)xPp1 (x)dx ap w(x)Pp1 (x) bp Ip1p2
a a

Como Ip1p2 = 0, substituindo o valor de ap , temos:

Rb 2 (x)dx
!Z
Z b
2 a w(x)xPp1 b
2
Ijp = w(x)xPp1 (x)dx Rb w(x)Pp1 (x)
2
a a w(x)Pp1 (x)dx a

Z b Z b
2 2
Ijp = w(x)xPp1 (x)dx w(x)xPp1 (x) = 0
a a

Exemplo 7 1. Se w(x) = 1 e [a, b] = [1, 1], obtem-se os chamados


Polin
omios de Legendre.
{1, x, x2 13 , x3 53 , x4 76 x2 + 3
35 , . . .}.
Por recorrencia:
P0 (x) = 1, P1 (x) = x

n2
Pn+1 (x) = xPn (x) Pn1 (x),
(2n 1)(2n + 1)
1
2. Se w(x) = 1x 2
e (a, b) = (1, 1), obtem-se os chamados Polin
omios
de Tchebycheff de primeira especie.
{1, x, x2 12 , x3 43 x, x4 x2 + 18 , . . .}.
3. VALORES DE UMA FUNC
AO 86


3. Se w(x) = 1 x2 e [a, b] = [1, 1], obtem-se os chamados Polin
omios
de Tchebycheff de segunda especie.

4. Se w(x) = (1 x) (1 + x) , , > 1 e [a, b] = [1, 1] , obtem-se os


chamados Polin
omios de Jacobi.

5. Se w(x) = x exp(x), > 1 e [a, b] = [0, +], obtem-se os chama-


dos Polin
omios de Laguerre generalizados.

6. Se w(x) = exp(x2 ), e [a, b] = [, +], obten-se os chamados


Polin
omios de dHermite.

Teorema 11 Seja {P0 , P1 , . . . , Pn } um conjunto de n + 1 polin omios tais


que o grau de Pi = i, i = 0, 1, . . . , n. Ent
ao ele e uma base de Pn .

Demonstra c
ao. Por recorrencia sobre o grau i :
Verifiquemos para i = 0 :
Seja o conjunto {P0 } com grau P0 = 0. Para todo x IR cumpre:

P0 (x) = a0 x0 = a0 6= 0

Como toda func


ao polinomial Q de grau 0 e tal que Q(x) = b0 6= 0, temos:

bo bo
 
Q(x) = a0 = 0 P0 (x), 0 =
a0 a0
Supondo que a afirmacao se cumpre para i = p 1, provaremos para i = p :
Seja o polin
omio definido por
p
aj x j .
X
Qp (x) =
j=0

Ent
ao,
p1
aj xj + ap xp
X
Qp (x) =
j=0

Pela hipotese indutiva, existe uma u


nica p-upla (0 , 1 , . . . , p1 ) de n
umeros
reais tal que
p1
j Pj (x) + ap xp
X
Qp (x) =
j=0
3. VALORES DE UMA FUNC
AO 87

Pp j,
Se Pp (x) = j=0 bj x ent
ao

p1
bj x j + bp x p
X
Pp (x) =
j=0

Pela hipotese indutiva, existe uma u


nica p-upla (0 , 1 , . . . , p1 ) de n
umeros
reais tal que
p1
j Pj (x) + bp xp
X
Pp (x) =
j=0

Como bp 6= 0, segue que


p1
p 1 X
x = [Pp (x) j Pj (x)]
bp j=0

e substituindo na express
ao de Qp obtemos:
p1 p1
X ap X ap
Qp (x) = j Pj (x) + Pp (x) j Pj (x)]
j=0
bp b
j=0 p

p1
X ap ap
Qp (x) = (j j )Pj (x) + Pp (x)
j=0
bp bp

Finalmente, fazendo
ap ap
j = j j para j = 0, 1, . . . , p 1 e p = ,
bp bp

tem-se que existe uma u


nica (p + 1)-upla (0 , 1 , . . . , p ) de n
umeros reais
tal que
p
X
Qp (x) = j Pj (x)
j=0

Constru
c
ao da Melhor Aproxima
c
ao
Teorema 12 Seja {P0 , P1 , . . . , Pn } um sistema de polinomios ortogonais
2
em Lw [a, b].
omio Q , melhor aproximaca
O polin o de grau n de f em L2w [a, b], e dado
por:
3. VALORES DE UMA FUNC
AO 88

n
Q (x) = ai Pi (x)
X

i=0
com Rb
w(x)f (x)Pi (x)dx
ai = a
Rb , i = 1, 2, . . . , n
a w(x)Pi2 (x)dx

Demonstra
c
ao. Mostraremos que para todo Q Pn
Z b Z b
w(x)(f (x) Q (x))2 dx w(x)(f (x) Q(x))2 dx
a a
Pn
Seja Q = i=0 ai Pi . Pondo
Z b Z b N
2
ai Pi (x))2 dx
X
A= w(x)(f (x) Q(x)) dx = w(x)(f (x)
a a i=0

procuremos os valores dos ai que fazem A mnimo. Tem-se:


Z b n X
n Z b n Z b
2
X X
A= wf dx + ai aj wPi Pj dx 2 ai wf Pi dx
a i=0 j=0 a i=0 a

Da hipotese de ortogonalidade dos polin


omios segue:
Z b n Z b n Z b
wf 2 dx + a2i wPi2 dx 2
X X
A= ai wf Pi dx
a i=0 a i=0 a

Z b n Z b Z b
2
(a2i wPi2 dx
X
A= wf dx + 2ai wf Pi dx).
a i=0 a a

Neste ponto, lembre-se que se e uma funcao definida por:

(t) = t2 t, > 0,

ent
ao
(t) = 2t
logo

(t) = 0 para t =
2
e como
(t) = 2 0 para todo t IR,
3. VALORES DE UMA FUNC
AO 89

temos que

t =
2
e ponto de mnimo da funcao .
No caso, fazendo
Z b Z b
= wPi2 dx e =2 wf Pi dx,
a a

temos que
Rb
wf Pi dx
ai = Rab , i = 1, 2, . . . , n
a wPi2 dx
e o valor que minimiza cada termo do somat
orio e por tanto A.

Teorema 13 Se Q e a melhor aproximaca o de grau n de f em L2w [a, b],


ent
ao Z b
w(x)(f (x) Q (x))xi dx = 0, i = 0, 1, . . . , n
a

Demonstra
c
ao. (Pelo absurdo)
Se Z b
w(x)(f (x) Q (x))xi dx = 6= 0,
a
para algum i = 0, 1, . . . , n, entao Q n
ao e a melhor aproximacao de f em
L2w [a, b].
Pondo Z b

= w(x)x2j dx 6= 0 e Q(x) = Q (x) + xj
a
temos:
Z b Z b j 2
2
w(x)(f (x) Q(x)) dx = w(x)(f (x) Q (x) x ) dx
a a
Z b Z b
w(x)(f (x) Q(x))2 dx = w(x)(f (x) Q (x))2 dx
a a

b 2 b
Z Z
2 w(x)(f (x) Q (x)) xj dx + w(x)x2j dx
a 2 a
Substituindo os valores de e obtemos:
b b 2 2
Z Z
w(x)(f (x) Q(x))2 dx = w(x)(f (x) Q (x))2 dx 2 +
a a
3. VALORES DE UMA FUNC
AO 90

b b 2
Z Z
2
w(x)(f (x) Q(x)) dx = w(x)(f (x) Q (x))2 dx
a a
Assim,
Z b Z b
w(x)(f (x) Q(x))2 dx w(x)(f (x) Q (x))2 dx
a a

Lema 2 A matriz A = (aij )nn , com


Z b
aij = w(x)xi+j2 dx, i, j = 1, . . . , n + 1,
a
e n
ao singular.

Demonstra cao. Seja {P0 , P1 , . . . , Pn } um sistema de polin


omios ortogo-
nais em L2w [a, b]. Para cada Pi , pode-se escrever:
i
bik xk , i = 0, 1, . . . , n, com bii = 1
X
Pi (x) =
k=0
Rb
Pondo a w(x)Pi2 (x)dx = i , temos que i > 0, i = 0, 1, . . . , n. Assim
Z b Z b i j
bik xk )( bjl xl )dx =
X X
w(x)Pj (x)Pi (x)dx = w(x)(
a a k=0 k=0
j
i X

Z b Z b 0, se i 6= j
k+l
X
w(x)Pj (x)Pi (x)dx = bik ( w(x)x dx)bjl =

a a i , se i = j
k=0 l=0
Seja B = (ij ) a matriz triagular superior definida por:

b , se i = 0, . . . , n, 0 j i
ij = ij

0, se i = 0, . . . , n, i + 1 j n
ao BAB T = D e uma matriz diagonal de componentes i
Ent
Como det B = det B T = 1, tem-se que det A = det D = 0 1 n > 0
Corol ario 3 Os coeficientes ai de Q s
ao as componentes da u
nica soluca
o
do sistema linear de ordem n + 1 Aa = b com
Z b
A = (aij )nn , aij = w(x)xi+j dx, i, j = 0, . . . , n + 1,
a
Z b
b = (bi )n , bi = w(x)f (x)xi dx, i = 0, . . . , n + 1
a
3. VALORES DE UMA FUNC
AO 91

Demonstra
c
ao. De acordo com o Teorema anterior, tem-se:
Z b
w(x)(f (x) Q (x))xi dx = 0, i = 0, 1, . . . , n
a
Pn
Como Q (x) = j
j=0 aj x , segue:
Z b n
aj xj )xi dx = 0, i = 0, 1, . . . , n
X
w(x)(f (x)
a j=0

Da,
n Z b Z b
aj ( w(x)xj+i dx) = w(x)f (x)xi dx, i = 0, 1, . . . , n
X

j=0 a a

oes covenentes Aa = b.
Com as notac
Logo
Q (x) = a0 + a1 x + an xn

Observaao 3 A forma explcita da matriz aumentada do sistema Aa = b


c
e:


Rb Rb Rb Rb
w(x)dx w(x)xdx w(x)xn dx | w(x)f (x)dx

a a a a


Rb Rb Rb Rb

a w(x)xdx a w(x)x2 dx a w(x)xn+1 dx | a w(x)f (x)xdx






Rb Rb
ab w(x)xn+2 dx |
Rb
w(x)x2 dx w(x)x3 dx 2 dx
R

a a a w(x)f (x)x
.. .. .. .. ..

. . . . | .

Rb n
Rb n+1
Rb 2n
Rb n
a w(x)x dx a w(x)x dx a w(x)x dx | a w(x)f (x)x dx

A matriz A chama-se matriz de Gram do sistema {1, x, x2 , . . . , xn }.

Exemplo 8 Com w = 1, a = 0, b = 1, para f (x) = exp x,


Z b
aij = xi+j dx, i, j = 0, 1, 2.
a

1 1
R1
1 2 3 0 exp(x)dx e1
1 1 1 R1
A= , b = 0 x exp(x)dx = 1

2 3 4
1 1 1 R1 2
3 4 5 0 x exp(x)dx e2
3. VALORES DE UMA FUNC
AO 92

Exerccios
1. Determine o sistema cuja solucao define o polinomio Q que e a melhor
aproximacao de grau n de f em L2w [a, b] para:

(a) w = 1, a = 0, b = 1, f (x) = exp x, n = 3


(b) w = 1, a = 0, b = 2 , f (x) = sin x, n = 2
(c) w = 1, a = 0, b = 1, f (x) = tan x, n = 2

2. Determine o polinomio Q que e a melhor aproximacao de grau n de f em


L2w [a, b] para:

(a) w = 1, a = 1, b = 1, f (x) = exp x, n = 2


(b) w = 1, a = 0, b = 2 , f (x) = sin x, n = 1
(c) w = 1, a = 0, b = 1, f (x) = tan x, n = 1

3. Para cada um dos itens do exerccio anterior, construa os graficos que per-
mitam fazer as comparacoes correspondentes.

3.5.2 Caso Discreto


Este tipo de aproximac ao pode ser considerada como a vers ao discreta da
aproximacao em media quadr atica. Para as demonstracoes dos resultados
e suficiente imitar as correspondentes demonstracoes da aproximacao em
media quadratica (caso contnuo).

Formula
c
ao do problema
Se s
ao conhecidos os valores f (xk ) = yk para 1 k p que a funcao f
assume nas abscissas xk distintas, entao procura-se uma funcao polinomial
de grau n que verifique:
p p
2
wk (f (xk ) Q(xk ))2
X X
wk (f (xk ) Q (xk ))
k=1 k=1
para todo Q Pn com wk > 0, k = 1, 2, . . . , p.
Defini
c
ao 8 O polin omio Q chama-se a melhor aproximaca o de grau n
de f em media quadr atica sobre X = {x1 , x2 , . . . , xp } com os pesos em
W = {w1 , w2 , . . . , wp }.
omio (interpolador) Q tal que
Se p n + 1, existe um polin
Q (xk ) = f (xk ), 1 k p.
Estamos interessados no caso p > n + 1.
3. VALORES DE UMA FUNC
AO 93

Polin
omios Ortogonais
Definic
ao 9 {P0 , P1 , . . . , Pn } Pn e um sistema de polin omios ortogonais
sobre X = {x1 , x2 , . . . , xp }, com pesos em W = {w1 , w2 , . . . , wp }, se
p
X
wk Pi (xk )Pj (xk ) = 0, 0 i, j n, i 6= j
k=1

Teorema 14 (Ortogonaliza c
ao de Schmidt) Seja {P0 , P1 , . . . , Pn } o con-
junto das funco
es polinimiais definidas por recorrencia da seguinte maneira:

P0 (x) = 1, P1 (x) = x a1

Pi (x) = (x ai )Pi1 (x) bi Pi2 (x), i = 2, . . . , n


com
Pp 2 (x )
k=1 wk xk Pi1 k
ai = p 2 (x ) ,
w P
P
k=1 k i k

i = 1, 2, . . . , n
Pp
wk xk Pi1 (xk )Pi2 (xk )
k=1P
bi = p 2 ,
k=1 wk Pi2 (xk )

i = 2, . . . , n

wk > 0, k = 1, 2, . . . , p.

Entao, {P0 , P1 , . . . , Pn } e um sistema de polin omios ortogonais sobre X =


{x1 , x2 , . . . , xp } com pesos em W = {w1 , w2 , . . . , wp }.

Demonstra
c
ao. (Exerccio)

Constru
c
ao da Melhor Aproxima
c
ao
Teorema 15 Seja {P0 , P1 , . . . , Pn } um sistema de polin omios ortogonais
sobre X = {x1 , x2 , . . . , xp } com pesos em W = {w1 , w2 , . . . , wp } e p > n + 1.
omio Q , melhor aproximaca
O polin o de grau n de f no sentido das
medias quadr
aticas sobre X = {x1 , x2 , . . . , xp }, com pesos em W = {w1 , w2 , . . . , wp },
pode-se escrever:
3. VALORES DE UMA FUNC
AO 94

n
Q (x) = ai Pi (x)
X

i=0
com Pp
wk f (xk )Pi (xk )
ai = k=1
Pp 2 , i = 1, 2, . . . , n
k=1 wk Pi (xk )

Demonstra
c
ao. (exerccio)

Teorema 16 Se Q e a melhor aproximaca o de grau n de f no sentido


das medias quadr aticas sobre X = {x1 , x2 , . . . , xp }, com pesos em W =
{w1 , w2 , . . . , wp }, ent
ao
p
wk (f (xk ) Q (xk ))xik = 0, i = 0, 1, . . . , n
X

k=1

Demonstra
c
ao. (exerccio)

Lema 3 A matriz A = (aij )nn , com


p
wk xi+j
X
aij = k , i, j = 0, . . . , n,
k=1

e n
ao singular.

Demonstra
c
ao. (exerccio).

Corol ario 4 Os coeficientes ai de Q , s


ao as componentes da u
nica soluca
o
do sistema linear de ordem n + 1 : Aa = b com
p
wk xi+j
X
A = (aij )(n+1)(n+1) , aij = k , i, j = 0, . . . , n,
k=1

p
wk f (xk )xik , i = 0, . . . , n.
X
b = (bi )n+1 , bi =
k=1
3. VALORES DE UMA FUNC
AO 95

Demonstra
c
ao. De acordo com o Teorema anterior, tem-se:
p
wk (f (xk ) Q (xk ))xik = 0, i = 0, 1, . . . , n
X

k=1
Pn
Como Q (x) = j
j=0 aj x , segue:
p n
aj xjk )xik = 0, i = 0, 1, . . . , n
X X
wk (f (xk )
k=1 j=0

Da,
n p p
aj ( wk xkj+i ) = wk f (xk )xik , i = 0, 1, . . . , n
X X X

j=0 k=1 k=1

Logo Aa = b e, portanto,

Q (x) = a0 + a1 x + an xn

Observaao 4 A forma explcita da matriz aumentada do sistema Aa = b


c
e:


Pw wk xk wk x2k wk xnk | wk f (xk )
P P P P
k


wk xk wk x2k wk x3k wk xn+1 | wk f (xk )xk
P P P P P
k



P
wk x2k wk x3k wk x4k wk xn+2 | wk f (xk )x2k
P P P P

. k
. .. .. .. .. .. ..
. . . . . . .


wk xnk wk xn+1 wk xn+2 wk x2n wk f (xk )xnk
P P P P P
|

k k k

Exemplo 9 Determine a reta que melhor aproxima os dados da tabela

x 1 2 3 4
y 0, 9 2, 1 3, 1 3, 9

com pesos wk = 1, k = 0, 1, 2, 3.
Segundo a observacao anterior, a forma explcita da matriz aumentada
do sistema Aa = b e:
" P P P #
w w x . w f (xk )
P k P k 2k P k
wk xk wk xk . wk f (xk )xk
3. VALORES DE UMA FUNC
AO 96

Fazendo os c
alculos segundo a tabela a seguir

k 0 1 2 3
P

wk 1 1 1 1 4
xk 1 2 3 4
wk xk 1 2 3 4 10
wk x2k 1 4 9 16 30
yk 0, 9 2, 1 3, 1 3, 9
wk yk 0, 9 2, 1 3, 1 3, 9 10
wk yk xk 0, 9 4, 2 9, 3 15, 6 30

temos que o sistema e:


" #
4 10 . 10
10 30 . 30
Resolvendo o sistema obtemos:

a0 = 0 a1 = 1
logo, conforme o Corol
ario u omio Q de grau = 1 (a reta) que
ltimo, o polin
o) dada e definida por Q (x) = x.
melhor aproxima os dados da tabela (funca

Exerccios
1. Detemine a reta que melhor ajusta os dados da tabela

x 1 2 3 4
y 1, 9 2, 1 4, 1 4, 9

com pesos wk = 1, k = 0, 1, 2, 3.
2. Determine o polinomio de segundo grau que melhor aproxima os dados da
tabela
x 1 2 3 4
y 0, 9 2, 1 3, 1 3, 9
com pesos wk = 1, k = 0, 1, 2, 3.
3. Detemine a reta que melhor aproxima os dados da tabela

x 0 1 2, 4 2, 7
y 3, 3 3, 6 3, 2 2, 0

com pesos wk = 1, k = 0, 1, 2, 3.
3. VALORES DE UMA FUNC
AO 97

4. Detemine a reta que melhor aproxima os dados da tabela

x 1 2 3 4
y 0, 9 2, 1 3, 1 3, 9

com pesos wk = 4 k, k = 0, 1, 2, 3.
5. Detemine o polinomio de segundo grau que melhor aproxime os dados da
tabela
x 1 2 3 4
y 2 6 12 20
com pesos wk = 1, k = 0, 1, 2, 3.
4

Valores de uma funcional

4.1 Formula
cao do problema
Trata-se de aproximar valores tais como
Z b

f (c) e f (x)dx
a

conhecendo os valores da funcao f nas abscissas

xk , (0 k n).

Procura-se, para estes valores, uma aproximacao da forma


n
X
Ak f (xk )
k=0

tal que o erro seja nulo se f e um polin


omio de grau n.

4.2 Preliminares
Nota ao: Para os conjuntos A e B denotamos mediante B A o conjunto
c
das func
oes de A em B:

f BA f : A B

Defini
c o de IRIR em IR, isto e,
ao 1 Uma funcional e uma funca

: IRIR 7 IR ; f 7 (f ).

98
4. VALORES DE UMA FUNCIONAL 99

Uma funcional e linear se para todos os n


umeros reais , e para todas
as funco
es f, g de IR em IR, cumpre-se:

(f + g) = (f ) + (g)

Exemplo 1 As seguintes funco


es s
ao funcionais:

1. : IRIR 7 IR; f 7 (f ) = f (x) (x f ixo)


df
2. : IRIR 7 IR; f 7 (f ) = dx (c)
Rb f (b)+f (a)
3. : IRIR 7 IR; f 7 (f ) = a f (t)dt 2

4. : IRIR 7 IR; f 7 (f ) = f (b)f (a)f (c)

Quais destas funcionais s


ao lineares?

Teorema 1 Uma funcional linear e nula nos polin


omios de grau n se e
s
o se ela e nula nas funco
es

X k : IR 7 IR : X k (t) = tk , 0 k n.

Demonstra c
ao. Seja P uma funcao polinomial de grau n. Entao P
pode ser expressa na forma:
n
ak X k
X
P =
k=0

isto e,
n n
ak X k (t) = ak t k
X X
(t IR) P (t) =
k=0 k=0

Se k {0, 1, . . . , n} : (X k ) = 0, entao tem-se que


n
ak X k )
X
(P ) = (
k=0
n
(ak X k )
X
=
k=0
n
ak (X k )
X
=
k=0
= 0
4. VALORES DE UMA FUNCIONAL 100

Reciprocamente, suponhamos que e uma funcional linear tal que

para toda func


ao polinomial P com grauP n : (P ) = 0.

Como X k (0 k n) e uma funcao polinomial com grauX k = k n ,


tem-se que
k {0, 1, . . . , n} : (X k ) = 0.

4.3 Valores de funcionais lineares


Sejam uma funcional linear e f uma funcao cujos valores em xk (0 k
n) s
ao conhecidos. Procura-se aproximar (f ) por meio de uma express ao
da forma
n
X
Ak f (xk ).
k=0

Assim,
n
X
(f ) = Ak f (xk ) + E(f ), onde E e o erro
k=0

o nk=0 Ak f (xk ) de (f ) e de ordem n se para


P
Definic
ao 2 A aproximaca
toda funca
o polinomial P de grau n : E(P ) = 0.

o nk=0 Ak f (xk ) de (f ) e de ordem n se e so-


Teorema 2 A aproximaca
P

mente se
k {0, 1, . . . , n} : Ak = (Lk )
onde os Lk s
ao as funco
es de Lagrange correspondentes a (xk )0kn .

Demonstra
c
ao. Seja E a funcional linear
n
E : IRIR 7 IR; f 7 E(f ) = (f )
X
Ak f (xk ).
k=0

Mostraremos que:

P : E(P ) = 0 k {0, 1, . . . , n} : Ak = (Lk )


P : E(P ) = 0 k {0, 1, . . . , n} : E(X k ) = 0
n
k {0, 1, . . . , n} : (X k ) Ai xki = 0
X

i=0
4. VALORES DE UMA FUNCIONAL 101

Como n
X k (x) = xk = Li (x)xki
X

i=0
tem-se:
n n
(X k ) Ai xki = [(Li ) Ai ]xki . = 0, k = 0, . . . , n
X X

i=0 i=0
Sendo um sistema linear de solucao u
nica resulta
(Li ) = Ai , i = 0, . . . , n.
Exemplo 2 Seja f a funca
o tal que
f (3) = 0, f (5) = 1, f (1) = 5.
df
Calcular uma aproximaca
o de dx (2).

Neste caso a funcional linear e definida mediante:


df
(f ) = (2)
dx
As func
oes de Lagrange correspondentes a (3, 5, 1) s
ao:
(x 5)(x 1)
L0 (x) = ,
4
(x 3)(x 1)
L1 (x) = ,
8
(x 5)(x 3)
L2 (x) = .
8
Logo,
dL0 1
A0 = (L0 ) = (2) = ,
dx 2
dL1
A1 = (L1 ) = (2) = 0 ,
dx
dL2 1
A2 = (L2 ) = (2) = .
dx 2
df
Assim, a aproximac
ao de ordem 2 de dx (2) e
n
X
Ak f (xk ) = A0 f (3) + A1 f (5) + A2 f (1)
k=0
1 1
= 0+01 5
2 2
5
=
2
4. VALORES DE UMA FUNCIONAL 102

Corolario 1 A aproximaca
o de ordem n de (f ) e (P ) onde P e o polin
omio
interpolador de f.
Pn
Demonstra c
ao. Pelo Teorema 2, k=0 (Lk )f (xk ) e a aproximacao de
ordem n de (f ) :
n
X
Aprox((f )) = (Lk )f (xk )
k=0

Da linearidade de segue que


n
X
Aprox((f )) = ( f (xk )Lk )
k=0

Como o polin
omio interpolador de f na forma Lagrange e
n
X
P = f (xk )Lk ,
k=0

tem-se
Aprox((f )) = (P ).

Teorema 3 Seja uma funcional linear e f uma funca o que assume os val-
ores conhecidos yk = f (xk ) (0 k n. Ent
ao, os coeficientes Ak (0 k
n) da aproximacao nk=0 Ak f (xk ) de ordem n de (f ) sao as componentes
P

da soluca
o do sistema linear de ordem n + 1:

(X 0 )

1 1 1 A0

x0 x1 xn A1 (X 1 )


.. .. .. .. =
.. ..


. . . . . .


xn0 xn1 xnn An (X n )

onde
X k : IR7 IR; X k (t) = tk (0 k n).

Demonstra
c
ao. Como o erro da apoximacao de ordem n de (f ) e:
n
X
E(f ) = (f ) Ak f (xk )
k=0
4. VALORES DE UMA FUNCIONAL 103

e como para todo polin


omio P de grau n:
n
X
E(P ) = (P ) Ak P (xk ) = 0
k=0

em particular para

X j : IR 7 IR; X j (t) = tj (0 j n),

tem-se: n
E(X j ) = (X j ) Ak xjk = 0 (0 k n).
X

k=0
Assim,
n
Ak xjk = (X j ) (0 k n).
X

k=0
que e o sistema linear representado matrizialmente como:
(X 0 )

1 1 1 A0
x0 x1 xn A1 (X 1 )


.. .. . . .
.
= ..

. . . .. .. .


xn0 xn1 xnn An (X n )

4.3.1 Derivac
ao Aproximada
ario tem-se que para aproximar (f ) = f (a), e suficiente
A partir do Corol
aplicar a funcional ao polin
omio interpolador P de f , isto e, calcular
(P ). Logo,
Aprox(f (a)) = P (a).

Exemplo 3 Seja a funca


o f tal que

(f (3), f (5), f (1)) = (0, 1, 5).


df
Achar dx (2). O polin
omio interpolador na forma Newton de f e dado por
5 3
P (x) = 5 + (x 1) + (x 1)(x 3).
2 4
Derivando P :
5 3
P (x) = + ((x 3) + (x 1))
2 4
5 3(x 2)
= +
2 2
4. VALORES DE UMA FUNCIONAL 104

de onde,
5
P (2) = .
2
Assim,
5
f (2) .
2

Erro na Deriva
c
ao Aproximada
Vejamos qual e o erro ao substituir f (xj ) por P (xj ) :

Teorema 4 Seja f C n ([a, b]) tal que f (n+1) existe em (a, b) e seja P
o polin omio interpolador de f com os xi [a, b]. Ent
ao, para todo j
{0, 1, . . . , n} :
n
1
f (xj ) P (xj ) = f (n+1) (j )
Y
(xj xi )
(n + 1)! i6=j i=0,

Demonstra
c
ao. Seja

Q(x) = P (x) + A w(x)

com n
Y f (xj ) P (xj )
w(x) = (x xi ) e A =
i=0
w (xj )
Seja I o menor intervalo que contem x0 , x1 , . . . , xn . Pela construcao

Q(xi ) = f (xi ) , i = 0, 1, . . . , n, Q (xj ) = f (xj ).

Pondo
(x) = f (x) Q(x)
a func
ao se anula para os n + 1 valores xj , entao, pelo Teorema de Rolle,

se anula para pelo menos n valores de x I e para x = xj , isto e, para
n + 1 valores de I. Repetindo este raciocnio, pode-se encontrar pelo menos
um j I talque

(n+1) (j ) = f (n+1) (j ) (n + 1)! A = 0

de onde,
1
f (xj ) P (xj ) = w (xj ) f (n+1) (j )
(n + 1)!
4. VALORES DE UMA FUNCIONAL 105

De outra parte,
n
w (xj ) =
Y
(xj xi )
i6=j, i=0

de onde segue o resultado.

4.3.2 Integrac
ao Aproximada
ao de I(f ) = ab f (t)dt, temos dois casos:
R
No c
alculo da aproximac
1. Quando as abscissas xi s
ao dadas e
2. Quando as abscissas xi nao s
ao dadas.

Integra
c
ao com abscissas dadas
Se x0 = a e xn = b, obtem-se:
Para n = 1 : " #" # " #
1 1 A0 I(X 0 )
=
x0 x1 A1 I(X 1 )
com Z x1
0
I(X ) = dt = x1 x0
x0
x1 x21 x20
Z
I(X 1 ) = tdt =
x0 2
de onde,
h
A0 = A1 = , h = x1 x0
2
Da, Z b h
I(f ) = f (t)dt =
[f (x0 ) + f (x1 )] + E1 (f )
a 2
que e conhecida como Formula do Trapezio.
Para n = 2 :
a+b
x0 = a, x1 = , x2 = b, h = x1 x0 = x2 x1
2
As func
oes de Lagrange correspondentes a (x0 , x1 , x2 ) s
ao:
(x x1 )(x x2 )
L0 (x) =
2h2
(x x0 )(x x2 )
L1 (x) =
h2
(x x0 )(x x1 )
L2 (x) =
2h2
4. VALORES DE UMA FUNCIONAL 106

Logo,
Z x2
h
A0 = I(L0 ) = L0 (t)dt =
x0 3
Z x2
4h
A1 = I(L1 ) = L1 (t)dt =
x0 3
Z x2
h
A2 = I(L2 ) = L2 (t)dt =
x0 3
Da,
Z b h
I(f ) = f (t)dt = [f (x0 ) + 4 f (x1 ) + f (x2 )] + E2 (f )
a 3
que e conhecida como Formula de Simpson.
Analogamente, para n = 3 :

x0 = a, x1 = x0 + h, x2 = x1 + h, x3 = x2 + h = b

Z b 3h
I(f ) = f (t)dt = [f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 )] + E3 (f )
a 8
que e conhecida como Formula de Newton.
Em geral, as formulas de integracao numerica escrevem-se da seguinte
forma: n
Z xn X
I(f ) = f (t)dt = Ai f (x0 + i h) + En (f )
x0 i=0
que s
ao conhecidas como Formulas de Newton-Cotes.

Integra
c
ao quando as abscissas n
ao s
ao dadas
Aproxima-se ab f (t)dt por uma express ao da forma ni=0 Ai f (xi ). Procura-
R P

se os coeficientes Ai e as abscissas xi (i = 0, . . . , n) de maneira tal que a


formula de aproximac
ao obtida tenha ordem mais elevada possvel.
Admitiremos sem prova o seguinte

Teorema 5 (Aproxima c
ao Gaussiana) Sejam t0 , t1 , . . . , tn as n+1 razes
do polin
omio de Legendre de grau n + 1 e L0 , L1 , . . . , Ln as funco
es de La-
grange correspondentes. Se para i = 0, 1, . . . , n :
1
xi = [(b a)ti + (a + b)]
2
4. VALORES DE UMA FUNCIONAL 107

e
ba
Z 1
Ai = Li (t)dt
2 1
Rb
ao, ni=0 Ai f (xi ) e uma aproximaca
ent o de f (t)dt de ordem 2n + 1 e
P
a
chama-se Aproximaca o Gaussiana.

Erro na Integra
c
ao Aproximada
Teorema 6 Seja f C n ([a, b]) tal que f (n+1) existe em (a, b).
Se
n
X
Ai f (xi )
i=0
e uma aproximaca
o de ordem n de
Z b
f (t)dt,
a
ent
ao n Z b Z b
X Mn+1
Ai f (xi ) f (t)dt w(t)dt

(n + 1)! a


i=0 a
onde n
(t xi ) e Mn+1 = sup f (n+1) (x)
Y
w(t) =
i=0, axb

Demonstra
c
ao. Conforme o Teorema 5:
w(x) (n+1)
f (x) = P (x) + f (n )
(n + 1)!
onde P e o polin
omio interpolador de f. Como a forma Lagrange do polin
omio
P e dada por:
n
X
P (x) = Li (x) f (xi ),
i=0
temos:
b n b b
1
Z Z Z
w(t)f (n+1) (n )dt
X
f (t)dt = f (xi ) Li (t)dt +
a i=0 a (n + 1)! a
Rb
Como Ai = a Li (t)dt, tem-se:
n
Z b Z b
X 1
Ai f (xi ) f (t)dt |w(t)| f (n+1) (n ) dt

(n + 1)! a


i=0 a

de onde segue o resultado.


4. VALORES DE UMA FUNCIONAL 108

Exerccios
1. Diga quais das seguintes funcoes sao funcionais lineares e mostre a linearidade
ou n
ao linearidade de cada uma.

(a) : IRIR 7 IR; f 7 (f ) = f (x), (xf ixo)


df
(b) : IRIR 7 IR; f 7 (f ) = dx (c)
Rb f (b)+f (a)
(c) : IRIR 7 IR; f 7 (f ) = a
f (t)dt 2
(d) : IRIR 7 IR; f 7 (f ) = f (b)f (a)f (c)

2. Seja f a funcao tal que

f (2) = 3, f (0) = 2, f (1) = 5, f (6) = 7, f (5) = 1

. Calcular uma aproximacao de:

(a)
d2 f
(2) = f (2)
dx2
.
(b)
Z 6
f (t)dt
2

3. Seja f a funcao tal que

f (2) = 1, f (1) = 1.5, f (1) = 2, 5, f (2) = 3, 5

. Calcular uma aproximacao de:

(a)
df
(2)
dx
(b)
Z 2
f (t)dt
2

4. Seja f a funcao tal que

f (0, 1) = 0, f (0, 4) = 1, f (0.6) = 4, f (0, 7) = 5.

Calcular uma aproximacao de:

(a)
df
(0, 2)
dx
4. VALORES DE UMA FUNCIONAL 109

(b)
Z 0,7
f (t)dt
0,1

5. Determinar aproximacoes para as seguintes integrais:

(a)
1
dx
Z
q
0 ln( x1 )

(b)

dx
Z 2
q
0 1 21 sin x

(c)
Z 4
xf (x)dx
2
para
x 2 2, 5 3, 5 4
f (x) 1 3 3, 2 3, 8

6. Estimar o erro para cada uma das aproximacoes obtidas nos exerccios ante-
riores.
5

Aproxima
c
ao de func
oes

5.1 Formula
cao do problema
O objeto a determinar e uma funcao que deve cumprir certas condicoes e
da qual conhecemos alguns de seus valores funcionais ou valores de suas
funcoes associadas (derivadas, integrais). Uma aproximacao da funcao pode
ser outra func ao de facil manipulacao e cujo comportamento seja bastante
regular pelo menos secionalmente. Os problemas que freq uentemente levam
`a construcao de aproximacoes de funcoes sao, entre outros, a resolucao de
equacoes diferenciais e de equacoes integrais. Aqui s o trataremos da re-
soluc
ao de equac
oes diferenciais ordinarias.

5.2 Equac
oes diferenciais ordin
arias
Formula
c
ao do problema
Seja a equacao diferencial ordinaria y = f (x, y). Trata-se de aproximar a
func
ao que e soluc
ao desta equacao diferencial ordinaria e cujo valor em x0
e y0 :
y = f (x, y)

y(x0 ) = y0

Suponhamos que temos a equacao diferencial ordinaria


y (n) = f (x, y, y , . . . , y (n1) )
e procuramos a func ao y que e solucao desta equacao e cujo valor e de suas
derivadas ate a ordem n 1 em x0 :
y(x0 ), y (x0 ), . . . , y (n1) (x0 )

110
5. APROXIMAC DE FUNC
AO
OES 111

s
ao dados, isto e, supondo que temos o problema com valor inicial:

y (n) = f (x, y, y , . . . , y (n1) )

(k)
y (x0 ) = y (k) , 0k n1
Ent
ao mediante as mudancas de vari
aveis seguintes:

z1 = y


= y = z1


z2

z3 = y = z2
. . . ..


= y (n1) = zn1


zn
zn = f (x, z1 , z2 , . . . , zn )
e fazendo:
y

z1 y(x0 )
z2 y y (x0 )
z= , F (x, z) = , z0 =

... ... ...


zn f (x, y, . . . , y (n1) ) y (n1) (x0 )

obtemos o problema com valor inicial:



z = F (x, z)

z(x0 ) = z0

Desta maneira, e suficiente discutir o problema com valor inicial:



y = f (x, y)
()

y(x0 ) = y0

Exist
encia e Unicidade da Solu
c
ao do Problema com Valor Inicial
Defini cao 1 Chama-se solucao do problema com valor inicial () a funca
o
: [a, b]7 IR tal que

(t) = f (t, (t)) atb

(t0 ) = y0

Admitiremos sem demonstracao o seguinte

Teorema 1 Se f : [a, b]IR7IR; z = f (t, y) e uma funca


o que satisfaz:
(i) f C([a, b] IR)
5. APROXIMAC DE FUNC
AO
OES 112

(ii) Existe uma constante L , 0 < L < 1 tal que

P ara todo y, y IR : |f (t, y) f (t, y )| L |y y | ,

ent
ao
o uma IR[a,b] tal que
existe uma e s
(i ) C([a, b]) , e dif erenci
avel em [a, b] e

(t) = f (t, (t)) atb
(ii)

(t0 ) = y0


Observaao 1 f (t, y) f (t, y ) =
c y f (t, )(y y ) com entre y e y

Solu
c
ao Num
erica do Problema com Valor Inicial
ba
Pondo x0 = a e xk = x0 + kh, k = 0, . . . , m, onde h = m , obtemos uma
malha Ih de [a, b].

Nota c
ao: No que segue, y(xk ) denota o valor exato da solucao em xk :
y(xk ) = (xk ), no entanto, yk denota uma aproximacao de (xk ) : yk =
Aprox((xk )).

Definic
ao 2 Seja a funcao : [a, b]7 IR. e uma soluca
o numerica do
problema de valor inicial () se
yk+1 yk
(x) = yk + (x xk )
xk+1 xk

para x (xk , xk+1 ], k = 0, . . . , m 1.

Observa c
ao 2 Uma soluca
o numerica do problema e totalmente determi-
nada pelos valores yk que asume em xk para k = 0, 1, . . . , m. Por esta raz
ao
ela e representada mediante a tabela:

xk yk
x0 y0
x1 y1
.. ..
. .
xm ym
5. APROXIMAC DE FUNC
AO
OES 113

5.2.1 M
etodos de Euler
M
etodo de Euler
Seja o problema de valor inicial:

y = f (x, y)
()

y(x0 ) = y0
Integrando de x0 a x1 = x0 + h obtemos:
Z x1
y(x1 ) y(x0 ) = f (x, y)dx
x0
Usando a condic
ao inicial segue-se
Z x1
y(x1 ) = y0 + f (x, y)dx
x0

Aproximando a integral obtemos uma aproximacao de y(x1 ).


Assim, a cada mameira de aproximar a integral corresponde um metodo
de aproximar y(x1 ) e por tanto de resolver o problema com valor inicial ().
Aproximando a integral xx01 f (x, y)dx por hf (x0, y0 ), obtemos:
R

y1 = y0 + hf (x0 , y0 )
Obtendo y2 de y1 , temos:
y2 = y1 + hf (x1 , y1 )
En geral,
yk+1 = yk + hf (xk , yk ), k = 0, . . . , m 1
Exemplo 1 Resolver numericamente, segundo o metodo de Euler, o prob-
lema de valor inicial:

y = x + y
em [0, 1] com h = 0, 2.

y(0) = 1

Solu
c
ao: Fazendo as contas segundo a seguinte tabela:
xk yk xk + y k h(xk + yk )
0 1 1 0.2
0.2 1.2 1.4 0.28
0.4 1.48 1.88 0.376
0.6 1.856 2.456 0.4912
0.8 2.3472 3.1472 0.62944
1.0 3, 07664
5. APROXIMAC DE FUNC
AO
OES 114

M
etodo de Euler Melhorado
Aproximando a integral xx01 f (x, y)dx usando o metodo do Trapezio, obte-
R

mos:
h
y1 = y0 + [f (x0 , y0 ) + f (x1 , y(x1 )]
2
e fazendo
z1 = y0 + hf (x0 , y0 )
temos:
h
y1 = y0 + [f (x0 , y0 ) + f (x1 , z1 )]
2
Em geral, para k = 0, 1, . . . , m 1 :

zk+1 = yk + hf (xk , yk )

h
yk+1 = yk + [f (xk , yk ) + f (xk+1 , zk+1 )]
2
Exemplo 2 Resolver numericamente, segundo o metodo de Euler Melho-
rado, o problema de valor inicial:

y = x + y
em [0, 1] com h = 0, 2.

y(0) = 1

Solu
c
ao: Fazendo as contas segundo a seguinte tabela:

xk yk zk+1 0.5h(f (xk , yk ) + f (xk+1 , zk+1 ))


0 1 1.2 0.24
0.2 1.24 1.528 0.3368
0.4 1.5768 1.97216 0.454896
0.6 2.031696 2.5580352 0.59897312
0.8 2.363066912 3.316802944 0.7747472064
1.0 3, 4054163264

Observa c
ao 3 A soluca o do problema de valor inicial do exemplo, obtida
por metodos an
aliticos, e

y = 2 exp(x) (x + 1)

O valor y(1) = 2e 2. Se, por exemplo, considerarmos 2, 7182 como


aproximaca
o de e, obtemos 3, 4364 como aproximaca
o de y(1). Isto permite
comparar com os resultados obtidos neste caso pelos metodos de Euler.
5. APROXIMAC DE FUNC
AO
OES 115

O Algoritmo G permite resolver numericamente, usando o metodo de


Euler Melhorado, o problema de valor inicial:

y = f (x, y)

y(a) =

em [a, b] sobre uma malha de m + 1 pontos

ALGORITMO G (M
etodo de Euler Melhorado)
ba
h := m , x0 := a, y0 :=






Para k := 0(1)m 1:
zk+1 := yk + hf (xk , yk )




xk+1 := xk + h

yk+1 := yk + h2 [f (xk , yk ) + f (xk+1 , zk+1 )]


Para k := 0(1)m :




Aprox(y(xk )) = yk
FIM

5.2.2 M
etodos de Passo Simples
Definicao 3 Quando o valor yk+1 depende s o do valor de yk diz-se que o
metodo e de passo simples. Nestes casos, podemos expressar o metodo pela
f
ormula recursiva seguinte:

yk+1 = yk + (xk , yk , h), k = 0, 1, . . . , m 1

e dita a funca
o do incremento e h o comprimento do passo.

Assim, os metodos de Euler s


ao deste tipo. Para os metodos de Euler e
de Euler Melhorado, temos que:

(xk , yk , h) = hf (xk , yk )

e
h
(xk , yk , h) = [f (xk , yk ) + f (xk+1 , yk + hf (xk , yk ))]
2
respectivamente.
5. APROXIMAC DE FUNC
AO
OES 116

5.2.3 Ordem da Aproximc


ao
Definic
ao 4 A ordem de uma aproximaca
o de passo simples e o maior
inteiro n para o qual
y(x + h) y(x) (x, y(x), h) = (hn+1 )
(hn+1 )
onde (hn+1 ) e tal que hn+1 e limitada quando h tende a zero.
Observac
ao 4 Resulta muito u til lembrar que a expans
ao segundo Taylor
de uma funca
o y em torno de x tem a forma:
h2 hn (n)
y(x + h) = y(x) + hy (x) + y (x) + + y (x) + (hn+1 )
2! n!
onde
hn+1 (n+1)
(hn+1 ) = y (), x< < x+h
(n + 1)!
O metodo de Euler tem ordem um e o metodo de Euler Melhorado tem
ordem dois.(exerccio).

5.2.4 M
etodos de Runge-Kutta
Definic
ao 5 Os metodos de Runge-Kutta de ordem n s ao metodos de passo
simples para os quais a funca
o incremento tem a forma
n
X
(xk , yk , h) = i Ki
i=1
com
K1 = hf (xk , yk )
K2 = hf (xk + p2 h, yk + q21 K1 )
K3 = hf (xk + p3 h, yk + q31 K1 + q32 K2 )
.. . ..
Kn = hf (xk + pn h, yk + qn1 K1 + qn2 K2 + + qnn1 Kn1 )
Para determinar os coeficientes
i , i = 1, 2, . . . , n
pi , i = 2, . . . , n
qij , i = 2, . . . , n, j = 1, 2, . . . , n i
desenvolve-se segundo Taylor os Ki e y(x) em torno de (xk , yk ), fazendo
as substituic
oes convenientes e comparando os coeficientes dos termos da
mesma potencia em h.
5. APROXIMAC DE FUNC
AO
OES 117

Runge-Kutta de Primeira Ordem


yk+1 = yk + 1 K1 , k = 0, 1, . . . , m 1
Como K1 = hf (xk , yk ),

yk+1 = yk + 1 hf (xk , yk ) ()

Ent
ao e suficiente expardir segundo Taylor y(x) em torno de (xk , yk ) :

y(x + h) = y(x) + hy (x) + (h2 )


Levando em conta que
y (x) = f (x, y(x))
obtemos:
y(x + h) = y(x) + hf (x, y(x)) + (h2 )
Logo, substituindo os valores funcionais por suas aproximacoes, tem-se

yk+1 = yk + hf (xk , yk ) ()

De () e () segue-se que 1 = 1. Assim, resulta que

yk+1 = yk + hf (xk , yk ), k = 0, 1, . . . , m 1

e que o metodo de Euler e um metodo de Runge-Kutta de primeira ordem.

Runge-Kutta de Segunda Ordem


Conforme a definic
ao, os metodos de Runge-Kutta de segunda ordem de-
ver
ao ter a forma:

yk+1 = yk + 1 K1 + 2 K2 , k = 0, 1, . . . , m 1
com
K1 = hf (xk , yk ) e K2 = hf (xk + p2 h, yk + q21 K1 )
Expande-se f (xk + p2 h, yk + q21 K1 ), segundo Taylor ate o termo em h:


f (xk + p2 h, yk + q21 K1 ) = f (xk , yk ) + p2 h f (xk , yk ) +
x

q21 hf (xk , yk ) f (xk , yk ) +
y
(h2 )
5. APROXIMAC DE FUNC
AO
OES 118

Substituindo na primeira equacao desconsiderando o erro (h2 ):


yk+1 = yk + 1 hf (xk , yk ) + 2 [hf (xk , yk ) + p2 h2 f (xk , yk ) +
x

q21 h2 f (xk , yk ) f (xk , yk )]
y
Agrupando os termos segundo as potencias de h :

yk+1 = yk + h(1 + 2 )f (xk , yk ) +



h2 [2 p2 f (xk , yk ) + 2 q21 f (xk , yk ) f (xk , yk )] ()
x y
Expande-se y(x), segundo Taylor:

h2
y(x + h) = y(x) + hy (x) + y (x) + (h3 )
2
Levando em conta que
y (x) = f (x, y(x))
obtemos:

y(x + h) = y(x) + hf (x, y(x)) +


h2
[ f (x, y(x)) + f (x, y(x)) f (x, y(x))] +
2 x y
3
(h )
Avaliando esta expans
ao em torno de (xk , yk ), obtemos:

y(xk + h) = y(xk ) + hf (xk , y(xk )) +


h2
[ f (xk , y(xk )) + f (xk , y(xk )) f (xk , y(xk ))] +
2 x y
3
(h )

Logo, substituindo os valores funcionais por suas aproximacoes, tem-se

yk+1 = yk + hf (xk , yk ) +
h2
[ f (xk , yk ) + f (xk , yk ) f (xk , yk )] ()
2 x y
5. APROXIMAC DE FUNC
AO
OES 119

De () e () segue-se que

1 + 2 = 1

1
() 2 p2 = 2
1
2 q21 =


2

O sistema () tem muitas solucoes e a cada solucao corresponde um


metodo de Runge-Kutta de ordem dois. Vejamos alguns deles:

1. Fazendo 1 = 12 , tem-se 2 = 12 , p2 = q21 = 1. Resulta assim

K1 = hf (xk , yk ),
K2 = hf (xk + h, yk + K1 ),
1
yk+1 = yk + (K1 + K2 ),
2
k = 0, 1, . . . , m 1

e que o metodo de Euler Melhorado e um metodo de Runge-Kutta de


segunde ordem.

2. Fazendo 1 = 0, tem-se 2 = 1, p2 = q21 = 21 . Resulta assim um


outro metodo de Runge-Kutta de segunde ordem:

K1 = hf (xk , yk ),
h 1
K2 = hf (xk + , yk + K1 ),
2 2
yk+1 = yk + K2 ,
k = 0, 1, . . . , m 1

Este metodo e conhecido como o metodo de Euler Modificado.

De forma analoga, obtemos os metodos de Runge-Kutta de terceira or-


dem e os de quarta ordem. No que segue apresentamos uma forma clasica
de cada um.
5. APROXIMAC DE FUNC
AO
OES 120

Runge-Kutta de Terceira Ordem

K1 = hf (xk , yk ),
h 1
K2 = hf (xk + , yk + K1 ),
2 2
K3 = hf (xk + h, yk K1 + 2K2 ),
1
yk+1 = yk + (K1 + 4K2 + K3 ),
6
k = 0, 1, . . . , m 1

Runge-Kutta de Quarta Ordem

K1 = hf (xk , yk ),
h 1
K2 = hf (xk + , yk + K1 ),
2 2
1
K3 = hf (xk + h, yk + K2 ),
2
K4 = hf (xk + h, yk + K3 ),
1
yk+1 = yk + (K1 + 2K2 + 2K3 + K4 ),
6
k = 0, 1, . . . , m 1

O Algoritmo H permite resolver numericamente, usando o metodo de


Runge-Kutta de quarta ordem, o problema de valor inicial:

y = f (x, y)

y(a) =

em [a, b] sobre uma malha de m + 1 pontos.


5. APROXIMAC DE FUNC
AO
OES 121

ALGORITMO H (M
etodo Runge-Kutta 4)
ba


h := m , x0 := a, y0 :=


Para k := 0(1)m:




xk := x0 + k h



Para k := 0(1)m 1:
K1 := hf (xk , yk )


K2 := hf (xk + h2 , yk + 21 K1 )




K3 := hf (xk + h2 , yk + 21 K2 )
K4 := hf (xk + h, yk + K3 )


yk+1 := yk + 16 (K1 + 2K2 + 2K3 + K4 )






Para k := 0(1)m:
Aprox(y(xk )) = yk



FIM

Exerccios
1. Provar que o metodo de Euler tem ordem um e que o metodo de Euler
Melhorado tem ordem dois.
2. Usando o procedimento descrito na determinacao dos metodos de Runge-
Kutta de ordem n, deduzir as formulas correspondentes aos metodos de
Runge-Kutta de terceira ordem e de quarta ordem que aparecem no texto.
3. Resolver numericamente o problema de valor inicial:
2
y = yx2 1

+1
y(0) = 1

em [0, 1] com h = 0, 1.
4. Resolver numericamente o problema de valor inicial:

y = xy 2 y


y(0) = 1
em [0, 1] com h = 0, 2.
5. Resolver numericamente o problema de valor inicial:

y = x 2y

y(0) = 1
em [0, 1] com h = 0, 1.
5. APROXIMAC DE FUNC
AO
OES 122

6. Resolver numericamente o problema de valor inicial:

y = 1+y

1+x
y(0) = 0

em [0, 1] com h = 0, 2.
7. Para cada um dos exerccios anteriores encontre a solucao por metodos analticos
e compare os resultados com os obtidos pelos metodos numericos.