Você está na página 1de 57

Métodos Numéricos – Interpolação Polinomial

Indíce Capítulo 5
Aula 19 .................................................................................................................................................................................. 2
Aula 20 ................................................................................................................................................................................ 11
Aula 21 ................................................................................................................................................................................ 22
Aula 22 ................................................................................................................................................................................ 36
Aula 23 ................................................................................................................................................................................ 44
Aula 24 ................................................................................................................................................................................ 51

1
Métodos Numéricos – Interpolação Polinomial

Aula 19
1 Integração Numérica

Integrar numericamente uma função y = f (x ) num dado intervalo [a, b] , é substituir a função f por um
polinómio p n que a aproxime razoavelmente bem no intervalo dado.

Assim o problema fica reduzido à integração de polinómios, o que é fácil de fazer.

O uso da integração numérica é necessária em várias situações:

 f (x ) é uma função de difícil integração ou de integração praticamente impossível. Se f é


contínua em [a, b] , então admite uma primitiva nesse intervalo, no entanto pode não ser fácil, ou
mesmo impossível, exprimir a função primitiva por meio de combinações finitas de funções
elementares.

2
Métodos Numéricos – Interpolação Polinomial

 conhece-se a solução analítica do resultado do integral, mas o seu cálculo só pode ser obtido
aproximadamente.

 a função é conhecida simplesmente através de um conjunto de pares ordenados obtidos


como resultados de experiências.

b
Consideremos integrais da forma ∫a w(x ) f (x) dx , onde w(x ) ≥ 0 é contínua em [a, b].

A função w(x ) é um valor numérico de ponderação que é conhecido por função peso e é igual a
zero somente num número finito de pontos.
Vamos usar fórmulas de quadratura para aproximar o integral definido.
Fórmulas de quadratura são aquelas que aproximam o integral usando uma combinação linear dos
valores da função, isto é:

b n
∫a w(x ) f (x ) dx = ∑ Ak f (xk ) .
k =0

O erro cometido, R( f ) é-nos dado por:


3
Métodos Numéricos – Interpolação Polinomial

b n
R( f ) = ∫ w( x ) f ( x ) dx − ∑ Ak f ( xk ) .
a
k =0

O grau de precisão de uma fórmula de quadratura é por definição o maior inteiro m tal que
( ) ( )
R x k = 0, k = 0,1, … , m . e R x m +1 ≠ 0 .

Observe que isto é equivalente a dizer que a fórmula de quadratura tem grau de precisão m se é
exacta para todo polinómio de grau ≤ m e é não exacta para polinómios de grau m + 1 .

Vamos agora construir algumas fórmulas de quadratura interpolatória


serão obtidas usando-se a fórmula do polinómio de interpolação para aproximar a função


integranda.

4
Métodos Numéricos – Interpolação Polinomial

Assim, sejam x0 , x1 , … , x n , n + 1 pontos distintos em [a, b ] .

Seja p n o polinómio de interpolação da função y = f (x ) sobre os n +1 pontos. Usando a fórmula de


n
Lagrange, temos p n (x ) = ∑ f (x k )Lk (x ) . Sabemos que f (x ) ≈ p n (x ) , sendo f (x ) = p n (x ) + R n (x ) , onde Rn (x ) é o
k =0

erro que se comete na interpolação.

Daqui o valor do integral ser-nos dado por:

b b b
∫a w ( x ) f ( x ) dx = ∫ w ( x ) pn ( x ) dx + ∫ w ( x ) Rn ( x ) dx
a a
b n
= ∫ w ( x )∑ f ( xk ) Lk ( x ) dx + R ( f )
a
k =0
n b
= ∑ f ( xk )∫ w ( x ) Lk ( x ) dx + R ( f )
a
k =0

b
onde R( f ) = ∫ w(x )Rn (x ) dx é o erro na integração.
a

Assim, obtemos a fórmula

5
Métodos Numéricos – Interpolação Polinomial

b n b
∫a w( x ) f (x ) dx ≈ ∑ Ak f (x k ) sendo Ak = a w(x )Lk (x ) dx .

k =0

Teorema

Sejam x0 , x1 , … , x n , n +1 pontos distintos em [a, b].


A fórmula de quadratura é interpolatória se e só se o grau de precisão
é pelo menos n , ou seja, se e só se a fórmula é exacta para todo o
polinómio de grau ≤ n .

Assim dados n + 1 pontos distintos, x0 , x1 , … , x n , se exigirmos que a fórmula seja exacta para todo

polinómio de grau ≤ n , então os coeficientes Ak são determinados completamente.

Exemplo
Sejam [a, b] = [0,2] .

6
Métodos Numéricos – Interpolação Polinomial

Determinar a fórmula de quadratura que seja exacta para todo o polinómio de grau ≤ 2. Usando a

∫0 (x + 3x ) dx .
2 2
fórmula obtida calcular

Resolução
Temos de escolher pelo menos três pontos no intervalo [a, b] = [0,2] . Seja x 0 = 0 , x1 = 1 e x 2 = 2 .

Consideremos, por simplicidade, mas sem perda de generalidade que w(x ) = 1 .

(x − 1) (x − 2 ) , ( ) ( ) e x (x − 1)
L0 (x ) = L1 x = − x x − 2 L2 ( x ) =
2 2

2
A0 = ∫ L0 ( x ) dx = ∫
2 ( x − 1) ( x − 2 ) dx = 2 3x x 2 1
0 0 2 ∫
0
1−
2
+
2
dx =
3
2 2 2 4
A1 = ∫ L1 ( x ) dx = ∫ − x ( x − 2 ) dx = ∫ − x 3 + 2 x dx =
0 0 0 3
2 2 x2 − x 1
A2 = ∫ L2 ( x ) dx = ∫ dx =
0 0 2 3

2
2 1 4 1 1 4 1
∫0 f (x ) dx ≈ ∑ Ak f (xk ) = 3 f (x0 ) + 3 f (x1 ) + 3 f (x 2 ) = 3 f (0) + 3 f (1) + 3 f (2)
k =0

7
Métodos Numéricos – Interpolação Polinomial

Ou, dado os pontos x 0 , x1 e x 2 , exigimos que a fórmula seja exacta para f (x ) = 1 , f (x ) = x e f (x ) = x 2 .

Assim,

2 2
∫0 dx = ∑ Ak f (x k ) = A0 + A1 + A2 = 2
k =0

2 2
∫0 x dx = ∑ Ak f (x k ) = A0 + 2 A2 = 2
k =0

2
2 2 8

0
x dx = ∑ Ak f (x k ) = A0 + 4 A2 = 3
k =0

Obtemos um sistema linear de 3 equações a 3 incógnitas. Resolvendo o sistema, obtém-se a solução


anterior.

8
Métodos Numéricos – Interpolação Polinomial

Exercício 1 pg 148
1. Sejam [a, b] = [−1, 1 ] , x 0 = 0, x1 = 1 e x 2 = 2 .

a) Determinar uma fórmula de quadratura que seja exacta para todo o polinómio de grau ≤ 2.

1 1 Hx − 1L Hx − 2L 3x x2 y 1i
7
A_ 0 = ‡ L0 x = ‡ x= ‡ 1− + x =
−1 −1 H0 − 1L H0 − 2L −1k 2 2{ 3

1 1 HxL Hx − 2L 1 2
A_ 1 = ‡ L1 x = ‡  x = ‡ 2 x − x2  x = −
−1 −1 H1 − 0L H1 − 2L −1 3

1 1 HxL Hx − 1L 1i x x2 y 1
A_ 2 = ‡ L2 x = ‡ x= ‡ − + x =
−1 −1 H2 − 1L H2 − 0L −1k 2 2{ 3
Ficando igual a

∫ (x )
1
2
b) Usando a fórmula obtida em a) calcular + 5 x dx .
−1

9
Métodos Numéricos – Interpolação Polinomial

Portanto, usando a fórmula obtida no item a), temos que:

e resolvendo a integral, via cálculo, obtemos:

10
Métodos Numéricos – Interpolação Polinomial

Aula 20
2 Fórmulas de Newton-Cotes

Formulas fechadas de Newton-Cotes. - são aquelas em que a e b são pontos da fórmula de


quadratura, a função peso, w(x ) , é constante e igual a 1, e o intervalo de integração é finito.

Formulas abertas de Newton-Cotes. são construídas de maneira análoga às fechadas com


x 0 , x n ∈ ] a, b [ .

Sejam a = x0 e b = x n . Então:
b xn n


a
f (x ) dx = ∫0
x
f ( x ) dx ≈ ∑A
k =0
k f (x k )

b x
onde Ak = ∫ L k (x ) dx = ∫ n L k (x ) dx .
a x0

Supondo que os argumentos xi estão igualmente espaçados, isto é, x i − x i −1 = h, i = 1,2, … , n e


x − x0
efectuando a mudança de variável t = (dx = h dt ) , obtemos:
h
xn n
Ak = ∫ Lk ( x ) dx = ∫ h L k (t ) dt
x 0 0

11
Métodos Numéricos – Interpolação Polinomial

onde os Lk (t ) são os polinómios usados na fórmula de Lagrange para argumentos igualmente

espaçados.

Teorema
Para o caso em que os pontos estão igualmente espaçados
n n
Ak = ∫ h Lk (t ) dt = ∫ h Ln −k (t ) dt = An − k .
0 0

Demonstração
n nt (t − 1) … (t − (k − 1) )(t − (k + 1) )… (t − n ) dt Fazendo a mudança de variável

0
Lk (t ) dt = ∫
0 k! (n − k ) ! (− 1)n − k
t = n −u , vem:

n (n − u )(n − u − 1)… (n − u − k + 1)(n − u − k − 1)… (n − u − n) du


0
∫L
0
k (t ) dt = ∫
n

(− 1)n −k k! (n − k ) !
0 (− 1)n +1 (u − n )(u − (n − 1) )… (u − (n − k + 1) )(u − (n − k − 1) )… u
=∫ du
n (− 1)n − k k! (n − k ) !
0 (u − n )(u − (n − 1) )… (u − (n − k + 1) )(u − (n − k − 1) )… u
=∫ du
n (− 1)k k! (n − k ) !
n
= ∫L 0
n−k (t ) dt

12
Métodos Numéricos – Interpolação Polinomial

2.1 Regra dos Trapézios

A regra dos Trapézios consiste na aproximação da função contínua f no intervalo [a, b ] , por uma
função polinomial de 1ª ordem.

Caso em que n = 1 . Queremos obter uma fórmula para integrar f entre dois pontos consecutivos
x 0 = a e x1 = b , usando um polinómio do primeiro grau. Obtemos:

x1 x1 x − x1 (x 0 − x1 )2 x1 − x0
∫x0 L0 (x ) dx = ∫x0 x0 − x1 dx = 2(x1 − x0 ) = 2
x1 x1 x − x0 (x1 − x 0 )2 x1 − x0
∫x0 L1 (x ) dx = ∫x0 x1 − x0 dx = 2(x1 − x0 ) = 2

Observação
x x x
Não era necessário calcular ∫x L1 (x ) dx , visto ∫x L1 (x ) dx = ∫x L0 (x ) dx pelo teorema visto anteriormente.
1 1 1

0 0 0

13
Métodos Numéricos – Interpolação Polinomial

Então
b x x1 − x 0 x1 − x 0 h
∫a f (x ) dx = ∫x f (x ) dx ≈ 2 f (x0 ) + 2 f (x1 ) = 2 ( f (a ) + f (b) ) ,
1

sendo h = x1 − x 0 = b − a .

b h
∫a f (x ) dx = 2 ( f (a ) + f (b ) )

é a regra de quadratura interpolatória conhecida como regra dos trapézios.

Observe que,
• se o intervalo [a, b ] é pequeno a aproximação é razoável
• se [a, b ] é grande o erro também pode ser grande.

14
Métodos Numéricos – Interpolação Polinomial

Graficamente

Assim,
se o intervalo de integração é grande podemos dividir o intervalo [a, b ] em n subintervalos de
b−a
amplitude h = de tal forma que x 0 = a e x n = b .
n

Aplicamos a cada subintervalo [xi −1 , xi ] , i = 1,2, … , n a regra dos trapézios, obtemos:


n
b x1 h h
∫a f (x ) dx = ∫x f (x ) dx ≈ ∑ 2 ( f (xi−1 ) + f (xi )) = 2 ( f (x0 ) + 2( f (x1 ) + … + f (x n−1 )) + f (x n ))
0
i =1

15
Métodos Numéricos – Interpolação Polinomial

Assim,

b h
∫a f (x ) dx = 2 ( f (x0 ) + 2( f (x1 ) + … + f (x n−1 )) + f (x n ))

que é chamada a regra dos trapézios generalizada.

Graficamente

16
Métodos Numéricos – Interpolação Polinomial

Exercício 2
0,6
Considere o integral I= ∫
0
x 2 e 3 x dx .

a) Calcular uma aproximação para I usando a regra dos trapézios, dividido em


cinco intervalos.
Resolução:

h= 0,1
x_o x_1 x_2 x_3 x_4 x_5 x_6
0 0,1 0,2 0,3 0,4 0,5 0,6
‫ ݔ‬ଶ ݁ ଷ௫ 0 0,0135 0,0729 0,2214 0,5312 1,1204 2,1779

17
Métodos Numéricos – Interpolação Polinomial

2.2 Regra 1/3 de Simpson


A regra 1/3 de Simpson consiste na aproximação da função contínua f no intervalo [a, b] , por uma
função polinomial de 2ª ordem.
Caso em que n = 2 , isto é, queremos obter uma fórmula para integrar f entre três pontos
consecutivos x 0 = a, x1 e x 2 = b usando um polinómio do 2º grau, com x 2 − x1 = x1 − x 0 = h . Efectuando a
x − x0
mudança de variável x = h ⋅ t + x0 ⇔ t = :
h
(t − 1)(t − 2 ) , t (t − 1)
L0 (t ) = L1 (t ) = −t (t − 2 ), L 2 (t ) =
2 2

x2 2 2 (t − 1)(t − 2 ) 1
A0 = ∫ L0 (x ) dx = ∫ h L0 (t ) dt = h ∫ dt = h
x 0 0 0 2 3

x2 2 4
A1 = ∫ L1 ( x ) dx = ∫ h t (2 − t ) dt = h
x0 0 3

x2 2 2 1
A2 = ∫ L 2 ( x ) dx = ∫ h L 2 (t ) dt = ∫ h L0 (t ) dt = h
x0 0 0 3

18
Métodos Numéricos – Interpolação Polinomial

Assim,

b x h
∫a f (x ) dx = ∫x f (x ) dx ≈ 3 ( f (x0 ) + 4 f (x1 ) + f (x 2 ))
2

que é a fórmula de quadratura interpolatória conhecida como regra de 1/3 de Simpson.

De maneira análoga à regra dos trapézios, se o intervalo de integração é grande, podemos dividir o
b−a
intervalo [a, b ] em 2n subintervalos de amplitude h = de tal forma que x0 = a e x2n = b .
2n

Aplicando a cada subintervalo [x 2i −2 , x2i ], i = 1,2, … , n a regra 1/3 de Simpson, obtemos:

19
Métodos Numéricos – Interpolação Polinomial

b x2 n n

∑ ( f (x
h
∫ f (x ) dx = ∫ 0
a x
f ( x ) dx ≈
3 i =1
2i − 2 ) + 4 f (x 2i −1 ) + f (x 2i ))
h
= ( f (x 0 ) + 4 f (x1 ) + 2 f (x 2 ) + 4 f (x 3 ) + 2 f (x 4 ) + … + 2 f (x 2 n −2 ) + 4 f (x 2 n −1 ) + f (x 2n ) )
3
ou seja,

b x2 n
∫a f (x ) dx = ∫x 0
f ( x ) dx

h
≈ ( f (x0 ) + 4( f (x1 ) + f (x3 ) + … + f (x 2n−1 )) + 2( f (x2 ) + f (x4 ) + … + f (x 2n−2 )) + f (x 2n ) )
3

que é conhecida como regra 1/3 de Simpson generalizada.

Exercício 2
0 ,6
Considere o integral I= ∫
0
x 2 e 3 x dx .

b) Calcular uma aproximação para I usando a regra 1/3 de Simpson, dividido em


cinco intervalos.

20
Métodos Numéricos – Interpolação Polinomial

Resolução:

h= 0,1
x_o x_1 x_2 x_3 x_4 x_5 x_6
0 0,1 0,2 0,3 0,4 0,5 0,6
x^2e^3x 0 0,013499 0,072885 0,221364 0,531219 1,120422 2,177873

21
Métodos Numéricos – Interpolação Polinomial

Aula 21
2.3 Regra 3/8 de Simpson

A regra de 3/8 de Simpson consiste na aproximação da função contínua f no intervalo [a, b ] , por
uma função polinomial de 3ª ordem.

Caso em que n = 3 , isto é, queremos obter uma fórmula par integrar a função f em quatro pontos
consecutivos x0 = a, x1 , x2 e x3 = b , usando um polinómio de 3º grau, com x3 − x2 = x2 − x1 = x1 − x0 = h .
Pontos Igualmente espaçados

Efectuando os cálculos tal como anteriormente obtemos:


3 9
A0 = A3 = h e A1 = A2 = h
8 8

b x 3
∫a f (x ) dx = ∫x f (x ) dx ≈ 8 h( f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 ) )
3

que é uma fórmula de quadratura interpolatória conhecida como regra 3/8 de Simpson.
22
Métodos Numéricos – Interpolação Polinomial

Para generalizar a regra 3/8 de Simpson dividimos o intervalo [a, b ] em 3n subintervalos de amplitude
b−a
h= de tal forma que x0 = a e x3n = b .
3n

Aplicando a cada subintervalo [x3i −3 , x3i ], i = 1,2, … , n a regra 3/8 de Simpson, obtemos:

n
b x3 n 3
∫a f ( x ) dx = ∫ f ( x ) dx ≈ ∑ h( f ( x3i − 3 ) + 3 f ( x3i − 2 ) + 3 f ( x3i −1 ) + f ( x3i ) )
x0 8 que é conhecida como regra 3/8 de
i =1

Simpson generalizada.

Exercício 2
0 ,6
Considere o integral I= ∫0
x 2 e 3 x dx .

c) Calcular uma aproximação para I usando a regra 3/8 de Simpson.


Resolução:

23
Métodos Numéricos – Interpolação Polinomial

3/8 Simpson
h= 0,1
x_o x_1 x_2 x_3 x_4 x_5 x_6
0 0,1 0,2 0,3 0,4 0,5 0,6
x^2e^3x 0 0,013499 0,072885 0,221364 0,531219 1,120422 2,177873

3 Erro nas fórmulas de Newton-Cotes

Vamos estudar o erro que cometemos ao aproximar o valor de um integral usando as fórmulas de
Newton-Cotes do tipo fechado, isto é, vamos estudar o termo R ( f ) com w(x ) = 1 .

24
Métodos Numéricos – Interpolação Polinomial

Teorema (erro na regra dos trapézios)


Seja f ∈ C 2 ( [x 0 , x1 ] ) .
h3 ''
O erro na regra dos Trapézios sobre o intervalo [x0 , x1 ] é R( f ) = − f (c )
12

em que c ∈ [x0 , x1 ] e h = x1 − x0 .

Demonstração
Da interpolação polinomial sabemos que:
f '' (ξ x )
f ( x ) = p1 (x ) + (x − x 0 )( x − x1 ) , ξ x ∈ ] x 0 , x1 [.
2

Portanto o erro cometido é


x1 f '' (ξ x )
R( f ) = ∫0
x
(x − x 0 )(x − x1 )
2
dx .

Seja g (x ) = (x − x 0 )(x − x1 ) . g (x ) < 0 para todo x ∈ ] x 0 , x1 [ . Como por hipótese, f ''


é contínua em [x 0 , x1 ] , existem
m = inf f { ''
(x ) : x ∈ [x 0 , x1 ]} e M = sup f { ''
(x ) : x ∈ [x 0 , x1 ]}. Temos m≤ f ''
(x ) ≤ M . Então:

25
Métodos Numéricos – Interpolação Polinomial

M ⋅ g ( x ) ≤ f '' (ξ x ) ⋅ g (x ) ≤ m ⋅ g (x )

x1 x1 x1
∫ 0 g (x ) ≤ ∫ 0 f (ξ x )g (x ) dx ≤ m ∫ g (x )
''
M
x x x0

x1
∫ f (ξ )g ( x ) dx ''
x
0 x
m≤ x
≤M
1
∫0 g ( x ) dx
x

x1
∫ f (ξ )g ( x ) dx
''
x
x
Como f ''
é contínua em [x 0 , x1 ] , existe c ∈ [x 0 , x1 ] tal que f ''
(c ) = 0
x
1
∫ 0 g (x ) dx
x

x1 x1
f ''
(c )∫ g ( x ) dx = ∫0 f
''
(ξ x ) g (x ) dx
x0 x

que é o 2º teorema do valor médio para integrais.


Logo,
x1 f '' (ξ x ) 1 x1
R ( f ) = ∫ ( x − x0 )( x − x1 ) dx = ∫ g ( x ) f '' (ξ x ) dx
x0 2 2 x0
1 '' x1 1 ''  h3  h3 ''
= f ( c ) ∫ g ( x ) dx = f ( c )  −  = − f (c)
2 x0 2  6 12

em que c ∈ [x 0 , x1 ] e h = x1 − x 0 .

x1 3
h
Assim, podemos escrever: ∫ f ( x ) dx = ( f (x 0 ) + f (x1 ) ) − h f '' (c ), x 0 ≤ c ≤ x1 .
x0 2 12

26
Métodos Numéricos – Interpolação Polinomial

O erro na regra dos trapézios generalizada é obtido adicionando-se n erros da forma já obtida, onde
x − x0
h= n .
n

Como supomos f '' contínua em [x0 , xn ],


n
∑ f '' (ci )
min
x ≤ x≤ x
{f '' ( x )}≤ i =1
n
{ }
≤ max f '' ( x ) , ci ∈ [x i −1 , x i ] .
x0 ≤ x ≤ x1
0 1

n
Pelo teorema dos valores intermédios existe ξ ∈ [x0 , xn ] tal que ∑ f '' (ci ) = n f '' (ξ ) .
i =1

Logo,
xn h n n 3
h
∫x 0
f ( x ) dx = ∑
2 i =1
( f ( x i ) + f ( x i −1 ) ) − ∑ 12
f '' (ci )
i =1
h n h 3 n ''
= ∑ i
2 i =1
( f ( x ) + f ( x i −1 ) ) − ∑ f (ci )
12 i =1

h n nh 3 ''
= ∑ i
2 i =1
( f ( x ) + f ( x i −1 ) ) −
12
f (ξ )

27
Métodos Numéricos – Interpolação Polinomial

em que xi −1 ≤ ci ≤ xi , i = 1,2, …, n e x0 ≤ ξ ≤ xn .

Logo

nh 3 '' (x n − x0 ) h 2 ''
R( f ) = − f (ξ ) = − f (ξ ), x0 ≤ x ≤ xn
12 12

 Na prática não acrescentamos o termo do resto ao valor obtido no cálculo do integral.

A aplicação da fórmula do termo do resto é útil quando queremos o resultado com uma dada
precisão.

Como não podemos, em geral, calcular exactamente f '' (ξ ) , visto não conhecermos o ponto ξ ,
sempre que possível, procuramos um limite superior para o módulo do erro.

Como f '' é, por hipótese, contínua em [x0 , xn ], existe max f '' ( x ) , donde
x0 ≤ x≤ xn

nh 3 (x − x0 )h 2
R( f ) ≤ max f ' ' (x ) = n max f ' ' (x )
12 x 0 ≤ x ≤ x n 12 x0 ≤ x ≤ xn

28
Métodos Numéricos – Interpolação Polinomial

Teorema (erro na regra 1/3 de Simpson)


Seja f ∈ C 4 ([x0 , x 2 ]) .

O erro na regra de 1/3 de Simpson sobre o intervalo [x0 , x2 ] é ,

x1 f ''' (ξ x ) h 5 (4 )
R( f ) = ∫ (x − x 0 )(x − x1 )(x − x 2 ) dx = − f (c )
x0 6 90

em que c ∈ [x0 , x2 ] e h = x2 − x1 = x1 − x0 .

O erro no regra 1/3 de Simpson generalizada é obtido adicionando-se n erros da forma já obtida,
x 2n − x0
onde h =
2n

Como supomos f (4 ) contínua em [x0 , x 2n ] , pelo teorema dos valores intermédios, existe ξ ∈ [x0 , x2n ] tal que
n
∑ f (4) (ci ) = n f (4) (ξ ) .
i =1

29
Métodos Numéricos – Interpolação Polinomial

Logo, o erro é:

nh 5 (4 ) ( x − x 0 ) h 4 (4 )
R( f ) = − f (ξ ) = − 2 n f (ξ ), x 0 ≤ ξ ≤ x 2n
90 180

Como f (4 ) é, por hipótese, contínua em [x 0 , x 2 n ] , existe max f (4 ) ( x ) , donde:


x0 ≤ x ≤ x2n

nh5 (4) ( x2n − x0 )h 4


R( f ) ≤ max f ( x ) = max f (4 ) ( x )
90 x0 ≤ x ≤ x2 n 180 x0 ≤ x ≤ x2 n

Teorema (erro na regra 3/8 de Simpson)


Seja f ∈ C 4 ([x 0 , x3 ]) .

O erro na regra 3/8 de Simpson sobre o intervalo [x0 , x3 ] é

3h 5 (4 )
R( f ) = − f (c )
80

em que c ∈ [x0 , x3 ] e h = xi − xi −1 , i = 1,2,3 .

30
Métodos Numéricos – Interpolação Polinomial

x3n − x 0
Para f ∈ C 4 ([x 0 , x3n ]) , o erro na regra 3/8 de Simpson generalizada é dado por, para h = :
3n

3nh 5 (4 ) (x − x0 )h 4 (4)
R( f ) = − f (ξ ) = − 3n f (ξ ), x 0 ≤ ξ ≤ x3n
80 80

Observações:

 Pelas expressões do erro, vemos que as fórmulas de Simpson são da ordem de h 4 , O h 4 ( )


( )
enquanto que a regra dos trapézios é O h 2 . Assim, ambas as regras de Simpson possuem a
mesma ordem de convergência, ou seja, ambas convergem para o resultado exacto com a
mesma velocidade. Além disso, são muito mais eficazes que a regra dos trapézios, pois
convergem mais rapidamente para o resultado exacto do integral, quando h → 0 .

 Apesar da fórmula 1/3 de Simpson ter sido obtida aproximando-se a função por um polinómio
( )
de grau 2, ela é exacta também para polinómios de grau 3 f (4) (ξ ) = 0 . Pode ser demonstrado
que se n é par então as fórmulas de Newton-Cotes do tipo fechado têm grau de precisão n + 1 .

31
Métodos Numéricos – Interpolação Polinomial

Teorema Geral do Erro


Seja f ∈ C ([a , b ]) . Considere os n + 1 pontos x0 , x1 , …, xn , que dividem o intervalo [a, b ] em n subintervalos

iguais, isto é, xi = x0 + i ⋅ h, i = 0,1,2, …, n . O erro na integração numérica, usando as fórmulas de Newton-

Cotes do tipo fechado é:

1. se n é impar e f ∈ C (n +1)([a, b]) ,

h n+ 2 f (n +1)(ξ ) n
(n + 1) ! ∫0
R( f ) = t (t − 1)… (t − n ) dt , para algum ξ ∈ [a, b ] .

2. se n é par e f ∈ C (n + 2 ) ([a, b]) ,

h n+3 f (n+ 2) (ξ ) n
(n + 2) ! ∫0
R( f ) = (t − n 2) t (t − 1)… (t − n) dt , para algum ξ ∈ [a, b ] .

32
Métodos Numéricos – Interpolação Polinomial

Exercicio 6
1
Considere o integral I= ∫e
0
x
dx .

a) Calcule uma aproximação para I usando 10 subintervalos e a regra dos


trapézios generalizada. Estime o erro cometido. Qual o número mínimo de
subintervalos de modo a que o erro seja inferior a 10 −3 ?

b) Calcule uma aproximação para I usando 10 subintervalos e a regra 1/3


de Simpson. Estime o erro cometido. Qual o número mínimo de subintervalos
de modo a que o erro seja inferior a 10 −3 ?

Resolução:

33
Métodos Numéricos – Interpolação Polinomial

34
Métodos Numéricos – Interpolação Polinomial

35
Métodos Numéricos – Interpolação Polinomial

Aula 22
5 Polinómios Ortogonais

Definição
Seja V um espaço vectorial real. Define-se um produto interno ou produto escalar como sendo uma
aplicação V ×V → IR que satisfaz para todo f , g , h ∈ V , α , β ∈ IR , as seguintes condições:
1. f , g = g, f

2. f , αg + βh = α f , g + β f , h

3. f , f > 0 se e só se f ≠ 0 .

Definição

Uma família de polinómios {φ k (x )}∞


k =0 constitui uma família de polinómios ortogonais num intervalo [a, b ]

se
1. para todo o j ∈ IN 0 , φ j ( x ) é um polinómio de grau j

2. φi ( x ), φ j ( x ) = 0 , para i ≠ j .

36
Métodos Numéricos – Interpolação Polinomial

Vamos considerar aqui o produto escalar, definido em relação a uma função peso real w(x ) ,
contínua e positiva em [a, b ] :
b
f , g = ∫ f ( x ) g ( x ) w( x ) dx .
a

A sucessão de polinómios φ0 (x), φ1 (x), φ2 (x), …, depende do produto escalar adoptado, sendo a forma

geral a indicada.

Polinómios Ortogonais Construção


5.1 Principais Polinómios Ortogonais

A família de polinómios {φ k (x )}∞


k =0 depende do produto escalar adoptado. Os mais conhecidos

(inclusive já tabelados) são os seguintes:


 Polinómios de Legendre
 Polinómios de Chebyshev
 Polinómios de Leguerre
 Polinómios de Hermite

37
Métodos Numéricos – Interpolação Polinomial

1. Polinómios de Legendre

Os polinómios de Legendre, P0 (x), P1 (x), P2 (x), … , são obtidos segundo o produto escalar:

1
f , g = ∫ f ( x ) g ( x ) dx , isto é, com w( x ) = 1 , a = −1 e b = 1 .
−1

2. Polinómios de Chebyshev

Os polinómios de Chebyshev, T0 (x), T1 (x), T2 (x), …, são obtidos segundo o produto escalar:

1 1 1
f,g =∫ f ( x ) g (x ) dx , isto é, com w( x ) = , a = −1 e b = 1 .
−1 2 2
1− x 1− x

38
Métodos Numéricos – Interpolação Polinomial

3. Polinómios de Leguerre

Os polinómios de Leguerre, L0 (x), L1 (x), L2 (x), … , são obtidos segundo o produto escalar:


f , g = ∫ e − x f ( x ) g ( x ) dx , isto é, com w(x ) = e − x , a = 0 e b = ∞ .
0

4. Polinómios de Hermite

Os polinómios de Hermite, H 0 (x), H1 (x), H 2 (x), …, são obtidos segundo o produto escalar:

∞ 2 2
f,g =∫ e − x f ( x ) g ( x ) dx , isto é, com w(x ) = e − x , a = −∞ e b = ∞ .
−∞

39
Métodos Numéricos – Interpolação Polinomial

5.2 Propriedades dos Polinómios Ortogonais

Vejamos algumas das propriedades dos polinómios ortogonais que serão importantes para a
obtenção, por exemplo, das fórmulas de quadratura Gaussiana:

1. Sejam φ0 ( x ), φ1 ( x ), φ 2 ( x), …, polinómios ortogonais, não nulos, segundo um produto escalar qualquer.

Os polinómios φ0 (x), φ1 (x), φ2 (x), …, φ n (x) constituem uma base para o espaço dos polinómios de

grau menor ou igual a n . Então, qualquer polinómio de grau menor ou igual a n pode ser
escrito como combinação linear de φ0 (x), φ1 (x), φ2 (x), …, φ n (x) .

2. Sejam φ0 ( x ), φ1 ( x ), φ 2 ( x), …, polinómios ortogonais, não nulos, segundo um produto escalar qualquer.

Então φ n (x ) é ortogonal a qualquer polinómio P de grau menor que n , ou seja, φ n , P = 0 .

3. Os polinómios ortogonais satisfazem uma relação de recorrência:


a n +1
Seja An = , n = 0,1,2,3, … , sendo an o coeficiente de x n no polinómio ortogonal φn .
an

φ1 (x ) = A0 (x − B0 ) φ0 (x )

40
Métodos Numéricos – Interpolação Polinomial

φ n+1 (x ) = An (x − Bn )φ n (x ) − C nφ n−1 (x ), n = 1,2,3, …

sendo
x φ n ( x ), φ n ( x )
Bn = , n = 0,1,2,3, …
φ n (x ), φ n (x )

An φ n ( x ), φ n ( x )
Cn = , n = 1,2,3, …
An−1 φ n −1 ( x ), φ n−1 ( x )

E, inversamente, os polinómios φ0 (x), φ1 (x), φ2 (x), …, assim definidos, são dois a dois ortogonais.

4. Sejam φ0 ( x ), φ1 ( x ), φ 2 ( x), … , polinómios ortogonais, não nulos, segundo o produto escalar


b
f , g = ∫ f ( x ) g ( x ) w( x ) dx . Então φ n (x ) possui n raízes reais distintas em [a, b ] .
a

41
Métodos Numéricos – Interpolação Polinomial

5. Sejam φ0 ( x ), φ1 ( x ), φ 2 ( x), … , polinómios ortogonais, não nulos, segundo o produto escalar


b
f , g = ∫ f ( x ) g ( x ) w( x ) dx . Sejam x0 , x1 , …, xn as raízes de φ n+1 ( x ) . Se f (x ) é um polinómio de grau ≤ 2n + 1
a

então:
b
∫a w(x ) f (x ) dx = A0 f (x0 ) + A1 f (x1 ) + … + An f (x n ) ,
b
sendo Ak = ∫ w(x ) Lk (x ) dx .
a

• Esta propriedade garante então que, para integrar um polinómio de um certo grau n , basta
trabalharmos com um polinómio ortogonal de grau aproximadamente 2n , e, descartados os erros de
arredondamento, o resultado deve ser exacto.

Polinómios Ortogonais

φ 0 (x ) = 1  xφ k (x ), φ k (x )
 α k =
 xφ 0 (0), φ 0 (0) x,1  φ k (x ), φ k (x )
φ
 1 ( x ) = x − .φ (0 ) = x − .1 onde 
 φ 0 (0 ), φ 0 (0 ) 0
1,1  φ k (x ), φ k (x )
φ (x ) = x.φ (x ) − α .φ (x ) − β .φ (x ), k = 1,2,3, … β
 k =
 k +1 k k k k k −1  φ k −1 (x ), φ k −1 (x )
b
f,g = ∫a w(x) f (x)g (x)dx

42
Métodos Numéricos – Interpolação Polinomial

Exercicio

4. Obter uma sucessão de polinó


polinómios ortogonais usando o produto escalar
1
f , g = ∫ f ( x) g ( x)dx
−1

43
Métodos Numéricos – Interpolação Polinomial

Aula 23
4 Quadratura Gaussiana

Ao lado das fórmulas de Newton-Cotes para integração numérica, as fórmulas de quadratura


gaussiana destacam-se por fornecerem resultados altamente precisos. Estas são fórmulas para se
b
calcular o integral ∫a f (x ) w(x ) dx :

b b
∫a w( x ) f ( x ) dx ≈ A0 f ( x 0 ) + A1 f ( x1 ) + … + An f ( x n ) , Ak = ∫ w( x ) Lk ( x ) dx
a

onde x0 , x1 , …, xn são n + 1 pontos distintos e em que a fórmula de quadratura é exacta para todo o

polinómio de grau ≤ 2n + 1 .

 Nas fórmulas de Newton-Cotes os pontos x0 , x1 , …, xn , são pontos igualmente espaçados,

prefixados em [a, b ] .
44
Métodos Numéricos – Interpolação Polinomial

 Na quadratura gaussiana deixamos os pontos x0 , x1 , …, xn indeterminados e assim obtém-se

fórmulas do mesmo tipo e que são exactas para polinómios de grau ≤ 2n + 1 .

b n
Assim, na fórmula ∫a w(x ) f (x ) dx ≈ ∑ Ak f (xk ) , exigimos que a fórmula seja exacta para todo o polinómio
k =0

de grau ≤ 2n + 1 :
g ( x ) = 1, g (x ) = x, g ( x ) = x 2 , … , g ( x ) = x 2n +1 ( 2n + 2 polinómios).

Para determinar os n + 1 coeficientes Ai e os n + 1 pontos xi , i = 0,1, …, n , podemos resolver o sistema não

linear de 2n + 2 equações e 2n + 2 incógnitas (para w(x ) = 1 ):

b
∫a dx ≈ A0 + A1 + … + An
b
∫a x dx ≈ A0 x0 + A1 x1 + … + An x n
b 2
∫a x dx ≈ A0 x 02 + A1 x12 + … + An x n2

45
Métodos Numéricos – Interpolação Polinomial

b 2 n +1
∫a x dx ≈ A0 x02 n +1 + A1x12n +1 + … + An xn2n +1

ou, resolver este mesmo sistema mas considerando o intervalo de integração [− 1,1] .
No caso de um intervalo genérico [a, b] , efectua-se a mudança de variável
b−a b+a
x= t+ , x ∈ [a, b], t ∈ [− 1,1].
2 2

※O procedimento para se calcular um integral usando quadratura gaussiana é o seguinte:

1. determinar o polinómio ortogonal φn+1 (x) , segundo o produto escalar conveniente, isto é, com a

função peso w(x ) e no intervalo [a, b ] .

2. calcular as raízes x0 , x1 , …, xn de φn+1 (x) .

3. determinar os polinómios de Lagrange Lk ( x ), k = 0,1, …, n , usando os pontos x0 , x1 , …, xn obtidos em

2.

46
Métodos Numéricos – Interpolação Polinomial

b
4. calcular Ak = ∫ w( x ) Lk ( x ) dx, k = 0,1, … , n .
a

5. calcular o valor de f nos pontos x0 , x1 , …, xn .

b n
6. calcular, finalmente, ∫a w( x ) f ( x ) dx ≈ ∑ Ak f (xk ) .
k =0

Observação
O procedimento dado acima é válido para qualquer produto escalar.
Quando particularizamos o produto escalar aos já mencionados anteriormente, isto é, quando
usamos os produtos escalares para obter os polinómios de Legendre, Chebyshev, Laguerre e
Hermite, necessitamos apenas de efectuar os passos 5. e 6. do procedimento dado anteriormente,
pois os valores de xk e Ak já estão tabelados.

Exercicio
1
∫ (10 x − 15 x ) dx , usando quadratura gaussiana, em que o grau de precisão seja de pelo
3
5. Calcular
−1

menos 3, ou seja, em que a fórmula seja exacta para todo polinómio de grau ≤ 3 .

47
Métodos Numéricos – Interpolação Polinomial

Resolução:

Temos que a= -1, b=1, = 1, e f(x) = 10 x3 - 15x. Fazendo 2n + 1 = 3 (grau da f(x)),


), obtemos que n = 1.

Assim, devemos utilizar os zeros de , para resolver a integral. Pelo exercício anterior temos que

é .

Portanto, fazendo = 0, obtemos x0 = - 0.57735 e x1 = 0.55735 , (que são os zeros de em [-1,1]).

Agora:

e portanto:

48
Métodos Numéricos – Interpolação Polinomial

Do mesmo modo:

49
Métodos Numéricos – Interpolação Polinomial

Agora, calculamos a f nos zeros de . Assim:

Portanto:

50
Métodos Numéricos – Interpolação Polinomial

Aula 24
6 Erro nas Fórmulas de Gauss

Quando f é um polinómio de grau ≤ 2n + 1 , sabemos que as fórmulas de quadratura gaussiana


fornecem um resultado exacto a menos de erros de arredondamento.

Na maioria das situações reais, f não é um polinómio e, portanto, o valor do integral calculado é
uma aproximação quando este é calculado através das fórmulas de quadratura.

As expressões do termo do resto (ou erro de truncamento) para as várias fórmulas apresentadas são
complicadas e sem nenhum interesse prático.
Portanto, na prática, se quisermos o resultado do integral com uma determinada precisão:
→ começamos por calcular o integral com um certo número de pontos;
→ vamos sucessivamente aumentando o número de pontos e sucessivamente comparando os
resultados obtidos;

51
Métodos Numéricos – Interpolação Polinomial

→ quando dois resultados consecutivos tiverem o mesmo número de casas decimais iguais teremos o
resultado com a precisão desejada.

Exemplo
0,6 2 3 x
Calcular ∫0 x e dx com 3 casas decimais correctas, usando fórmula de quadratura de Gauss.

Como o intervalo de integração é finito, mas não coincide com o intervalo [− 1, 1 ] , devemos fazer
uma mudança de variável. Assim:

b−a b+a
x= t+ = 0,3 t + 0,3 , dx = 0,3 dt
2 2

0, 6 2 3 x 1
∫ x e dx = 0,3 (0,3 t + 0,3)2 e 3(0,3t +0,3) dt

0 −1

e portanto estamos nas condições da fórmula de Gauss-Legendre com f (t ) = (0,3 t + 0,3)2 e 3(0,3t +0,3) .

52
Métodos Numéricos – Interpolação Polinomial

Fixemos n = 1 .
3 3
Os zeros de φ 2 (t ) são t 0 = − = −0,5574 e t1 = ≈ 0,5574 .
3 3

A0 = A1 = 1,0

f (t 0 ) ≈ 0,0236, f (t1 ) ≈ 0,9260

Portanto,
0, 6 2 3 x 0, 6
∫0 x e dx = 0,3∫
0
(0,3t + 0,3)2 e 3(0,3t +0,3) dt ≈ 0,3 (0,0236 + 0,9260) ≈ 0,2849 .

Tomemos agora 3 pontos, n = 2 .


t 0 ≈ −0,7746, t1 = 0, t 2 ≈ 0,7746

A0 = A2 ≈ 0,5556

A1 ≈ 0,8889

f (t 0 ) ≈ 0,0056, f (t1 ) ≈ 0,2214, f (t 2 ) ≈ 1,3997

53
Métodos Numéricos – Interpolação Polinomial

Portanto,
0 ,6 0 ,6

0
x 2 e 3 x dx = 0,3 ∫ 0
(0,3t + 0,3 )2 e 3(0,3t + 0,3 ) dt ≈ 0,3 ((0,0056 + 1,3997) ⋅ 0,5556 + 0,2214 ⋅ 0,8889) ≈ 0,29328

♦ Comparando os resultados obtidos com n = 1 e n = 2 , vemos que só temos uma casa decimal
correcta.

Temos de prosseguir: seja n = 3 .


0,6 0 ,6

0
x 2e3 x dx = 0,3 ∫
0
(0,3t + 0,3)2 e3(0,3t + 0,3) dt ≈ 0,3 ((0,0019 + 1,6641) ⋅ 0,3479 + (0,0710 + 0,5398) ⋅ 0,6521) ≈ 0,29337

♦ Comparando os resultados obtidos com n = 2 e n = 3 , vemos que temos três casas decimais iguais.
Assim, obtivemos o resultado do integral com três casas decimais correctas.

Com este mesmo integral, para obter 3 casas decimais correctas usando as fórmulas de Simpson,
seriam necessários 7 pontos e usando a regra dos trapézios seriam necessários 61 pontos.

54
Métodos Numéricos – Interpolação Polinomial

 Observe que com este exemplo fica claro a superioridade das fórmulas de quadratura de Gauss,
pois obtivemos a precisão desejada usando apenas 3 pontos.

 Observe que esta técnica de ir aumentando o número de pontos e comparando dois resultados
consecutivos para se obter o resultado com uma determinada precisão pode também ser utilizada
nas fórmulas de Newton-Cotes.

Exercicio

10
7. Considere o integral I = ∫ e− x dx .
0

a) Calcule uma aproximação para I usando quadratura gaussiana que seja exacta para todo
polinómio de grau ≤ 3 . Determine o erro exacto cometido.

55
Métodos Numéricos – Interpolação Polinomial

Resolução
Neste caso [ a, b] = [ 0,10] . Fazer a mudança e variável x = 5 + 5t .
10 1
I = ∫ e− x dx = ∫ e−5−5t dt
0 −1

Podemos agora usar os polinómios de Legendre. 2n+1=3, logo n=1.


3 1
φ2 (t ) =  t 2 − 
2  
3

56
Métodos Numéricos – Interpolação Polinomial

Exercicio

1
Considere o integral I = ∫ e− x dx
2
12.
0

a) Estime I pela regra e Simpson com h = 0.25 .


b) Estime I por quadratura gaussiana com dois pontos.
c) Sabendo que o valor exacto de I, usando 5 casas decimais, é 0.74682, pede-se:
i) compare as estimativas obtidas em a) e b).
ii) Quantos pontos seriam necessários para que a regra dos trapézios obtivesse a mesma
precisão que a estimativa obtida para I em b)?

Resolução:

a) I S = 0.746855

b) I QG = 0.746594

c) i) melhor estimativa em a), pois a fórmula é exacta para polinómios de grau ≤ 5 , enquanto em
b) a fórmula é exacta polinómios de grau ≤ 3
ii) n=28
57