UNIVERSIDADE ESTADUAL DE GOIÁS

Unidade Universitária de Ciências Exatas e Tecnológicas

Curso de Licenciatura em Matemática

O Método de Euler para Resolver Equações Diferenciais com Valor Inicial

Renan Faria Muniz

ANÁPOLIS
2015
 1

Renan Faria Muniz

O Método de Euler para Resolver Equações Diferenciais com Valor Inicial

Trabalho de Curso apresentado a

Coordenação Adjunta de TC, como parte dos
requisitos para obtenção do título de
Graduado no Curso de Licenciatura em
Matemática da Universidade Estadual de
Goiás sob a orientação do Professor: Esp.
Fabiano Boaventura de Miranda.

ANÁPOLIS
2015
2
 3

AGRADECIMENTOS

Primeiramente à Deus que permitiu que tudo isso acontecesse, por ter me dado
saúde e força para superar as dificuldades ao longo de minha vida, não somente nestes anos
como universitário, mas que em todos os momentos é o maior mestre que alguém pode
conhecer.

Aos meus pais, pelo amor, incentivo e apoio incondicional. Agradeço à minha
mãe Eva Faria, heroína que me deu apoio, incentivo nas horas mais difíceis. Ao meu pai,
José Ronaldo Muniz, que apesar de toda dificuldade me fortaleceu se fazendo indispensável
em minha vida.

A minha querida esposa, Thaís Leal, que sem seu apoio, amor e incentivo, não
teria chegado a reta final do curso.

A todos que direta ou indiretamente fizeram parte da minha formação, o meu

muito obrigado!
 4

“A felicidade às vezes é uma bênção, mas geralmente é uma conquista.”

Paulo Coelho
 5

RESUMO
Este trabalho apresenta o estudo sobre o Método de Euler para resolução de equação diferencial ordinária de
primeira ordem. Para tanto, fez-se necessário apresentar um estudo de derivada, especialmente em sua
representação geométrica como reta tangente, séries de potência, séries de Taylor, polinômios de Taylor,
equações diferenciais ordinárias de primeira ordem, bem como sua resolução analítica, qualitativa e numérica
através do Método de Euler. Este tem por finalidade, a utilização e a discussão do Método de Euler para a
resolução de Equações Diferenciais Ordinárias de primeira ordem. O Método de Euler apresenta-se como um
excelente recurso, muito fascinante por sua simplicidade e agilidade em encontrar uma aproximação. Ao longo
deste trazem exemplos, gráficos, favorecendo uma maior compreensão para o leitor.

Palavras-chave: Equações Diferenciais Ordinárias (EDO); Método de Euler; Polinômios de

Taylor; Problemas de valor inicial (PVI).
 6

SUMÁRIO

INTRODUÇÃO ........................................................................................................................ 8

1. HISTÓRIA DO DESENVOLVIMENTO DA EQUAÇÃO DIFERENCIAL .................... 10

1.1 Introdução sobre as equações diferenciais ...................................................................10

1.2 Isaac Newton (1642-1727) ...........................................................................................11
1.3 Gottfried Wilhelm Leibniz (1646-1716) ......................................................................11
1.4 Jakob (1654-1705) e Johann (1668-1748) Bernoulli....................................................12
1.5 Leonhard Paul Euler (1707-1783) ................................................................................13

2. DERIVADAS E AS SÉRIES DE TAYLOR ...................................................................... 14

2.1 Derivada........................................................................................................................14
2.1.1 Interpretação geométrica .......................................................................................14
2.1.2 Definição de Derivada ...........................................................................................16
2.1.3 Teorema do valor médio para derivadas................................................................17
Exemplo 2.1.4 .................................................................................................................17
2.2 Interpretação da derivada como um Quociente Diferencial .........................................18
2.3 Séries de Potências .......................................................................................................19
2.3.1 Convergência de uma série ....................................................................................20
Definição 2.3.2 ...............................................................................................................20
2.4 Série de Taylor..............................................................................................................21
Exemplo 2.4.1 .................................................................................................................23
2.5 Aproximações por funções polinomiais .......................................................................23
2.5.1 Polinômios de Taylor.............................................................................................24
Exemplo 2.5.2 .................................................................................................................24

3. EQUAÇÕES DIFERENCIAIS ORDINÁRIAS DE PRIMEIRA ORDEM ....................... 26

Definição 3.1 Equação diferencial......................................................................................26

3.2 Classificação quanto à tipologia e ordem .....................................................................26
3.2.1 Classificação quanto ao tipo ..................................................................................26
3.2.2 Classificação quanto à ordem ................................................................................28
Exemplo 3.2.3 .................................................................................................................28
3.3 Equações Lineares de Primeira Ordem ........................................................................28
3.3.1 Equações de variáveis separáveis ..........................................................................28
3.3.2 Soluções constantes de uma equação de variáveis separáveis ..............................29
3.3.3 Equações lineares de 1ª ordem homogêneas .........................................................29
3.3.4 Equações Lineares de 1ª Ordem Não- Homogêneas .............................................30
3.4 Problemas de valores iniciais (P.V.I.) ..........................................................................31
3.5 Solução de uma EDO ...................................................................................................31
Exemplo 3.5.1 .................................................................................................................31
3.6 Solução analítica de EDO de primeira ordem ..............................................................32
Exemplo 3.6.1 .................................................................................................................32
Exemplo 3.6.2 .................................................................................................................33
 7

3.7 Modelagem ...................................................................................................................34

3.7.1 EDO na Física ........................................................................................................34
Exemplo 3.7.2 .................................................................................................................35
3.7.3 EDO na Química ...................................................................................................36
Exemplo 3.7.4 .................................................................................................................36
3.7.5 EDO na Biologia ...................................................................................................37
Exemplo 3.7.6 .................................................................................................................38

4. MÉTODO DE EULER ....................................................................................................... 40

4.1 Aproximação numérica de Euler ..................................................................................40

Exemplo 4.1.1 .................................................................................................................41
4.2 Aproximação numérica de Euler, com passo múltiplo .................................................45
Exemplo 4.2.2 .................................................................................................................46
Exemplo 4.2.2 .................................................................................................................49
Exemplo 4.2.3 .................................................................................................................49

CONSIDERAÇÕES FINAIS ................................................................................................. 52

REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................... 54

ANEXO 1 ............................................................................................................................... 56

ANEXO 2 ............................................................................................................................... 57
 8

INTRODUÇÃO

Quem não ouviu falar de inflação, de crescimento econômico, de

desenvolvimento social, de qualidade do meio ambiente, de qualidade de vida? E da
produtividade dos trabalhadores? E da eficiência de uma administração?
Inúmeras leis que regem o comportamento do mundo são expressas em
linguagem matemática. Estas leis podem ser modeladas, ou seja, descritas como uma
equação que envolve a taxa de variação de acordo com que os fenômenos ocorrem. Ao
longo deste, veremos que o principal conceito do Cálculo Diferencial e Integral, a derivada,
surge a partir da necessidade de quantificar a taxa de variação de uma grandeza em relação à
outra.
Em que a taxa de variação pode ser representada como um coeficiente
diferencial. A equação que descreve estas grandezas bem como a sua variação, é dita
Equação Diferencial. Estas equações surgiram na metade do século XVII, de maneira
analítica tendo em vista à descrição de problemas físicos.
A Equação Diferencial Ordinária (EDO), que compõe os objetos deste estudo, é
assim dita, pois é classificada quanto ao tipo. Há variados métodos para resolução analítica
de uma EDO, no entanto, nem sempre é possível obter uma solução analítica. Justificando o
uso do Método de Euler, principal objetivo deste, como um recurso para encontrar uma
solução aproximada.
Para tanto, é necessário abordar e construir os conceitos básicos de derivada,
séries de potência, séries de Taylor e polinômio de Taylor. Delinear os princípios de EDO,
classificando-as quanto ao tipo, ordem, além das soluções e problemas de valor inicial.
O procedimento deste, por ser uma pesquisa bastante específica assume a forma
de estudo de caso, de uma pesquisa bibliográfica exploratória. Para Gil (2002, p.41)
“Estas pesquisas tem como objetivo proporcionar uma maior familiaridade com o
problema, com vistas a torná-lo mais explícitos ou a construir hipóteses. [...] Seu
planejamento é, portanto, bastante flexível, de modo que possibilite a consideração
dos mais variados aspectos relativos ao fato estudado.”

Visto que a temática ainda é pouco conhecida e explorada. Nesse sentido, foi
realizada uma sondagem sobre as publicações em Equações Diferenciais Ordinárias, com
vistas em aprimorar ideias, descobrir intuições, e posteriormente feito avaliação crítica delas.
 9

Foi realizada uma pesquisa de revisão bibliográfica nas bases de dados nacionais
como CAPES, SCIELO e Google Schoolar, onde foram obtidos artigos de revisão
bibliográfica, estudos de casos, livros e pesquisas de trabalho de curso.
O primeiro capítulo expõe de maneira sucinta, a história dos principais
matemáticos, assim como a importância histórica e cita suas principais contribuições para o
Cálculo Diferencial e Integral, acarretando no desenvolvimento das equações diferenciais.
A temática principal do segundo capítulo é a derivada, apresentando sua
definição, sua interpretação geométrica e interpretação como coeficiente diferencial. Ainda
nesta seção, discorreremos sobre as séries, em especial as séries de potência e séries de
Taylor com seus respectivos exemplos e demonstrações.
O terceiro capítulo é destinado às equações diferenciais ordinárias de primeira
ordem. Nele construiremos a definição e discutiremos a classificação das equações
diferenciais, algumas das propriedades de soluções de EDO e alguns dos métodos eficazes
para encontrar soluções analíticas ou aproximá-las geometricamente através dos campos de
direções.
Em seguida, delimitaremos o assunto mais importante deste, o Método de Euler,
também chamado de método da reta tangente ou método do passo simples. Notaremos que
as técnicas analíticas nos quais essas não se aplicam ou são muito complicadas para se
utilizar. Neste capítulo, proporemos uma abordagem alternativa, por meio da atualização de
métodos numéricos, para obter uma solução aproximada de um problema de valor inicial. Os
gráficos apresentados ao longo deste trabalho foram obtidos através do software Matlab®,
versão 2014a, disponível para as plataformas Windows, Linux e OS X, podemos visualizar
uma Print screen do software no Anexo 1.
Nem sempre as resoluções analíticas são possíveis ou fáceis de encontrar. Por
conseguinte, este trabalho tem por finalidade o estudo do Método Numérico de Euler, para
resolução de EDO de primeira ordem. A escolha deste deu-se a devido a sua simplicidade,
agilidade ao encontrar uma solução aproximada e ao vasto campo de aplicações das
equações que abrangem o campo das ciências físicas, biológicas, matemáticas, químicas,
engenharia e do meio ambiente.
 10

1. HISTÓRIA DO DESENVOLVIMENTO DA EQUAÇÃO

DIFERENCIAL

Neste capítulo abordaremos a parte histórica das Equações Diferenciais, da sua

evolução e dos principais nomes que contribuíram para o seu desenvolvimento, entre eles
destacamos: Isaac Newton, Gottfried Wilhelm Leibniz, Jakob e Johann Bernoulli e
Leonhard Paul Euler, autores estes que devido a sua genialidade permitiram o
desenvolvimento destas equações, bem como suas contribuições para a Matemática. O
estudo deste capítulo tem como principal referência o livro [3]. Apresentaremos ao longo
deste, pequenos relatos bibliográficos destes ilustres matemáticos, dando maior ênfase a
Leonhard Euler que desenvolveu o primeiro método de resolução de equação diferencial,
objeto de estudo deste trabalho.

1.1 Introdução sobre as equações diferenciais

As equações diferenciais sugiram na metade do século XVII, de maneira

analítica visando à descrição de problemas físicos. A resolução das equações através de
procedimentos numéricos tornou-se recorrente e auxiliada ao passo que a tecnologia foi se
desenvolvendo. O estudo das equações diferenciais advém do Cálculo Diferencial e Integral
descobertos por Isaac Newton (1642-1727) e Gottfried Wilhelm Leibniz (1646-1716).
Muitas das leis físicas que regem o comportamento do mundo são expressas em
linguagem matemática. São conjecturas relativas, que envolvem a taxa de variação de
acordo com que as coisas acontecem, onde as relações são equações e as taxas são
derivadas. As Equações funcionais contendo derivadas são chamadas Equações Diferenciais
Ordinárias (EDO). Elas ocorrem constantemente, como por exemplo: na descrição de
fenômenos da natureza, preservação e estudo de ecossistemas, estudos de aerodinâmica,
previsão atmosférica, erosão costeira ou fluvial, exploração de fluidos em jazidas
subterrâneas, análise de problemas e projetos relativos sistemas de potência e transmissão de
energia e vários outros, etc.
Existem diversos métodos para se resolver uma EDO analiticamente, entretanto
nem sempre é possível obter uma solução analítica, ou seja, uma expressão que representa o
seu conjunto solução. Nestes casos, podemos recorrer aos métodos numéricos, que são um
excelente recurso para encontrar uma solução aproximada.
 11

Dentre os métodos numéricos, o método de Euler é um dos mais antigos

métodos e simples para a solução de equações diferenciais ordinárias, onde o seu principal
conceito advém da derivada, este tema será mais bem abordado no capítulo seguinte.
Ao passo que a tecnologia e as necessidades humanas vieram se aprimorando e
abarcaram um grau de complexidade para descrever as soluções das equações, colaborando
para a existência de outros métodos de análise numérica que proporcionam resultados com
maior precisão e estabilidade se comparados ao método de Euler.

1.2 Isaac Newton (1642-1727)

Newton nasceu em uma aldeia no condado de Lincolnshire, situado ao leste da

Inglaterra e foi educado no Trinity College, em Cambridge, tornou-se físico e matemático e
mais tarde foi professor de Matemática e ocupou a cadeira Lucasian1 da Universidade de
Cambridge em 1669. Isaac era muito sensível a críticas e suas descobertas sobre o Cálculo e
as leis da mecânica datam de 1665, entretanto circularam somente entre amigos
privadamente. Seus resultados só foram publicados a partir de 1687, quando surgiu um de
seus livros mais famosos, Philosophiae Naturalis Principia Mathematica. Isaac Newton
atuou pouco na área de Equações Diferenciais, entretanto o seu desenvolvimento dos
conceitos de Cálculo e Mecânica foram fundamentais, tornando-se base para a aplicação de
Equações Diferenciais a partir do século XVIII, especialmente por Euler.
A partir de 1690, Isaac dedicou exclusivamente a problemas desafiadores e
revisão de publicações anteriores. Em 1696 foi nomeado Wardenof The British Mint
(responsável pela Casa da Moeda Britânica) e alguns anos depois abandonou a posição de
professor. Em 1705 recebeu um título real de cavaleiro, após sua morte, foi enterrado em
Londres, na Abadia de Westminster.

1.3 Gottfried Wilhelm Leibniz (1646-1716)

Igualmente importante às equações diferenciais foi Leibniz, filósofo, cientista,

matemático, diplomata e bibliotecário, nascido na Alemanha na cidade de Leipzig, com
apenas 20 anos de idade completou seu doutorado em Filosofia pela Universidade de
Altdorf. Dedicou sua vida e mostrou genialidade em diversos campos acadêmicos. Seu

1
É nome que se dá a uma cátedra de matemática da Universidade de Cambridge, na Inglaterra.
 12

interesse por matemática surgiu depois dos 20 anos de idade, logo Leibniz se mostrou
eminente e autodidata, desenvolvendo e publicando resultados sobre Cálculo de forma
independente, embora tenha desenvolvido um pouco depois de Newton, mas foi o primeiro a
publica-los em 1684. As notações de derivada e integral atuais são devidas a ele. Além do
Cálculo seus principais trabalhos publicados em EDO foram: método de separação de
variáveis (1961), a redução de homogêneas a equações separáveis (1691), e o procedimento
para resolver equações lineares de primeira ordem (1694). Passou os últimos 40 anos de sua
vida na corte de Hanôver, como diplomata a serviço dos Duques, embora seu ofício o
mantivesse viajando boa parte do tempo conservava contato por correspondência com
diversos matemáticos, especialmente os irmãos Bernoulli. Passou os últimos dias de sua
vida, solitário e esquecido, pelo duque de Hanôver, pois o mesmo se tornara Rei George I,
da Inglaterra, Leibniz esperava acompanha-lo em sua trajetória e tornar-se historiador,
entretanto nem mesmo sua morte foi publicamente anunciada. Falecendo então, em 14 de
novembro de 1716.

1.4 Jakob (1654-1705) e Johann (1668-1748) Bernoulli

Os irmãos Jakob (1654-1705) e Johann (1668-1748) Bernoulli, de Basel, Suíça,

Basel era o lar da família Bernoulli, a mais matemática das famílias, tendo produzido oito
das mentes mais brilhantes da Europa em apenas três gerações. Alguns diziam que os
Bernoulli representavam a matemática o quê os Bach eram a música. Os irmãos Beunoulli
corroboraram abundantemente às Equações diferenciais, desenvolvendo vários métodos de
resolução e buscando campos para suas respectivas aplicações. Jakob, matemático formando
pela Universidade de Basel, se tornou professor em 1687 e seu irmão Johann foi nomeado
para a mesma posição, em 1705. Ambos estavam frequentemente envolvidos em confusões,
brigas, disputas, especialmente entre si, uma disputa intelectual sobre produções científicas.
Apesar das divergências, fizeram grandes contribuições a diversas áreas da matemática.
Através do Cálculo contribuíram também com a mecânica, formulando-os como equações
diferenciais. Jakob resolveu a equação diferencial

1
𝑎3 2
𝑦’ = [ 2 ]
𝑏 𝑦 − 𝑎3
 13

em 1690 e na mesma publicação, utilizou a palavra integral, no sentindo moderno. Johann

foi capaz de resolver a equação quatro anos após:
𝑑𝑦 𝑦
=
𝑑𝑥 𝑎𝑥

1.5 Leonhard Paul Euler (1707-1783)

Leonard Paul Euler nasceu em Basileia, Suíça, filho do pastor calvinista Paul
Euler e de Margaret Brucker, filha de um pastor. Sua educação foi iniciada por seu pai Paul
que lhe ensinou matemática. Aos treze anos, Euler ingressou na pequena Universidade de
Basileia que possuía um famoso departamento de estudos da matemática liderada por Johann
Bernoulli, irmão de Jacob Bernoulli. Johann recusou-se a dar aulas particulares a Euler,
oferecendo então um valioso conselho de como estudar por conta própria. Leonhard
estudava teologia, grego e hebraico, pela vontade de seu pai, para que mais tarde se tornasse
pastor. Porém Johann Bernoulli resolveu intervir e convenceu Paul Euler que o seu filho
estava destinado a ser um grande matemático, acatando o pedido, Paul concendeu que Euler
deixasse o clero a favor dos números. Leonhard Paul Euler foi um dos maiores pensadores
no ramo da matemática, estabelecendo uma carreira com contribuições inestimáveis para os
campos da Geometria, Trigonometria e Cálculo, entre muitos outros.
Alguns trabalhos mais evidenciados de Euler foram realcionados à resolução de
problemas do mundo real analiticamente, e em descrever inúmeras aplicações do números
de Bernoulli, série de Fourier, diagramas de Venn, os números de Euler, frações contínuas e
integrais. Ele relacionou Cálculo Diferencial de Leibniz com o de Newton, e os argumentos
tornaram-se mais fácil de aplicar o Cálculo aos problemas físicos. Ele fez amplos progressos
na melhoria da aproximação numérica de integrais, desenvolvendo o que hoje é conhecido
como aproximações de Euler. A mais notável dessas aproximações são método de Euler e a
fórmula de Euler.
 14

2. DERIVADAS E AS SÉRIES DE TAYLOR

Neste capítulo apresentaremos definições e exemplos relacionados à Derivada e

Séries de Taylor, os quais serão utilizados nos próximos capítulos. A derivada é um dos
conceitos fundamental do Cálculo, pois fornece o instrumento mais poderoso para o estudo
do comportamento de funções reais. Sua formulação foi feita de maneira independente por
Newton e Leibniz no século XVII. Podemos dizer singelamente, que a derivada emergiu da
necessidade de quantificar a variação de uma função. Vários destes resultados e
demonstrações podem ser obtidos através de livros de Cálculo Diferencial e Integral, entre
eles destacamos as referências bibliográficas utilizadas [8, 16].

2.1 Derivada

No Cálculo, a derivada em um ponto de uma função 𝑦 = 𝑓(𝑥) representa a taxa

de variação instantânea de 𝑦 em relação à 𝑥 neste ponto. Um exemplo típico é a função
velocidade que representa a taxa de variação (derivada) do espaço em relação ao tempo. Do
mesmo modo a função aceleração é a derivada da função velocidade.
Antes de darmos uma definição formal do conceito de derivada, apresentaremos
uma interpretação geométrica de derivada para primeiro termos uma melhor intuição.

2.1.1 Interpretação geométrica

Queremos encontrar a reta tangente ao gráfico da função 𝑓(𝑥) no ponto

(𝑝, 𝑓(𝑝)), para isso, primeiro analisaremos a inclinação de uma reta qualquer 𝑔(𝑥).

FIGURA 2.1: Interpretação geométrica da inclinação de reta, obtido através do software Matlab®.
 15

Como é possível ver na Figura 2.1, é formado um triangulo retângulo cujos

catetos são 𝑏 − 𝑎 e 𝑔(𝑏) – 𝑔(𝑎). Logo pela relação trigonométrica da tangente temos:
𝑔(𝑏) − 𝑔(𝑎)
𝑡𝑔 𝜃 =
𝑏−𝑎
que será chamado de coeficiente angular da reta, simbolizado por 𝑚.
De onde, uma reta que corta a função 𝑦 = 𝑓(𝑥) em dois pontos é chamada reta
secante.
𝑔(𝑏) − 𝑔(𝑎)
𝑚 = 𝑡𝑔 𝜃 =
𝑏−𝑎

FIGURA 2.2: Interpretação geométrica da reta secante, obtido através do software Matlab®.

O coeficiente angular de
𝑓(𝑥) − 𝑓( 𝑝)
𝑚𝑠 =
𝑥− 𝑝
se fizermos a diferença 𝑥 − 𝑝 ser cada vez menor, de forma que tenda a zero, ou seja,
f ( x)  f ( p )
mt  lim
x p x p
 16

FIGURA 2.3: Interpretação geométrica da derivada, obtido através do software Matlab®.

Logo, mt é o coeficiente angular da reta tangente, o que nos dá a primeira

interpretação da derivada como a inclinação da reta tangente a uma função.

2.1.2 Definição de Derivada

Seja 𝑓: 𝐷 ⊂ ℝ → ℝ e p pertencendo ao domínio D, tal que existe um intervalo

aberto 𝐼 = (𝑎, 𝑏) ⊂ D, com 𝑝 ∈ I. Então, dizemos que 𝑓 é derivável em 𝑝 se o limite existir.
𝑓(𝑥) − 𝑓(𝑝)
𝑙𝑖𝑚
𝑥→𝑝 𝑥−𝑝
Este limite então é denominado derivada, da função 𝑓 no ponto 𝑝 e denotado
por
𝑑
𝑓(𝑝)
𝑑𝑥
assim,
𝑓(𝑥) − 𝑓( 𝑝)
𝑓 ′ (𝑝) = 𝑙𝑖𝑚
𝑥→𝑝 𝑥− 𝑝
se fizermos ℎ = 𝑥 − 𝑝, então 𝑥 = 𝑝 + ℎ e a equação anterior passa a ser
𝑓(𝑝 + ℎ) − 𝑓( 𝑝) (2.0)
𝑓 ′ (𝑝) = 𝑙𝑖𝑚
ℎ→0 ℎ
que são as formas usuais para expressar a derivada.
Quando 𝑥 → 𝑝, o coeficiente angular de 𝑚𝑠 → 𝑓′(𝑝), onde
𝑓(𝑥) − 𝑓( 𝑝)
𝑓 ′ (𝑝) = 𝑙𝑖𝑚
𝑥→𝑝 𝑥− 𝑝
de onde temos a equação da reta
𝑦 − 𝑓(𝑝) = 𝑓 ′ (𝑝)(𝑥 − 𝑝)
 17

é, por definição, a equação da reta tangente ao gráfico de 𝑓 no ponto (𝑝, 𝑓(𝑝)). Assim, a
derivada de 𝑓, em 𝑝, é o coeficiente angular da reta tangente ao gráfico de 𝑓 no ponto de
abscissa 𝑝. Como podemos ver na Figura 2.3.

2.1.3 Teorema do valor médio para derivadas

O teorema do valor médio é muito útil na determinação de valores limite para o

erro associado à aplicação de diferentes métodos numéricos. Formalmente, ele diz que se
𝑓(𝑥) é uma função contínua no intervalo fechado [𝑎, 𝑏] e derivável no intervalo aberto
(𝑎, 𝑏), então existe um número c dentro do intervalo, 𝑐 ∈ (𝑎, 𝑏) tal que
𝑓(𝑎) − 𝑓(𝑏)
𝑓 ′ (𝑐) =
𝑏−𝑎

FIGURA 2.4: Teorema do Valor Médio, obtido através do software Matlab®.

Enunciado de forma simplificada, o teorema do valor médio para derivadas diz,

conforme ilustrado na Figura 2.4, que dentro do intervalo existe um ponto 𝑐 tal que o valor
da derivada de 𝑓(𝑥) é exatamente igual à inclinação da reta secante que junta os pontos
finais (𝑎, 𝑓(𝑎)) e (𝑏, 𝑓(𝑏)), ou seja, onde a reta tangente é paralela à reta secante.

Exemplo 2.1.4

2
Considere uma equação para a reta tangente à curva 𝑦 = 𝑥 no ponto (2,1) dessa
curva.
 18

Vamos encontrar a inclinação da reta tangente aplicando a equação (2.0) com

2
𝑓(𝑥) = 𝑥 e 𝑥0 = 2. Temos pela definição
𝑓(𝑝 + ℎ) − 𝑓( 𝑝)
𝑓 ′ (𝑝) = 𝑙𝑖𝑚
ℎ→0 ℎ
𝑓(2 + ℎ) − 𝑓( 2)
= 𝑙𝑖𝑚
ℎ→0 ℎ

2
−1
= 𝑙𝑖𝑚 2 + ℎ
ℎ→0 ℎ
2 − (2 + ℎ)
= 𝑙𝑖𝑚 2+ℎ
ℎ→0 ℎ
−ℎ
= 𝑙𝑖𝑚
ℎ→0 ℎ(2 + ℎ)

−1
= 𝑙𝑖𝑚
ℎ→0 2 + ℎ

1
=−
2
assim, a equação da reta tangente em (2,1) é
1
𝑦 − 1 = − (𝑥 − 2)
2
ou, equivalente a
1
𝑦 =− 𝑥+2
2

2.2 Interpretação da derivada como um Quociente Diferencial

𝑑𝑦
Até então utilizamos como uma simples notação para a derivada 𝑦 = 𝑓(𝑥).
𝑑𝑥
𝑑𝑦
Faremos então a interpretação de como um quociente entre dois acréscimos. Olharemos
𝑑𝑥

para 𝑑𝑥 como um acréscimo em 𝑥 e, então, procuramos uma interpretação para o acréscimo

𝑑𝑦.
Como vimos, 𝑓’(𝑥) é o coeficiente angular da reta tangente 𝑡, no
𝑑𝑦
ponto(𝑥, 𝑓(𝑥)), e que = 𝑓’(𝑥). Observe que se 𝑑𝑦 como acréscimo na ordenada de reta
𝑑𝑥

tangente 𝑡, correspondente ao acréscimo 𝑑𝑥 em x, teremos

𝑦 = 𝑓(𝑥)
 19

𝑑𝑦
= 𝑓’(𝑥)
𝑑𝑥
𝑑𝑦
= 𝑓’(𝑥) = 𝑡𝑔 𝛼
𝑑𝑥
observe que
𝛥𝑦 = 𝑓(𝑥 + 𝑑𝑥) − 𝑓(𝑥)
é o acréscimo que a função sofre quando se passa 𝑥 a 𝑥 + 𝑑𝑥. O acréscimo 𝑑𝑦 pode então
ser olhado como um valor aproximado para Δ𝑦; evidentemente, o erro “Δ𝑦 − 𝑑𝑦” que se
comente na aproximação por 𝑑𝑦 será menor quanto menor for 𝑑𝑥.
Uma vez fixado 𝑥, podemos olhar para a função linear para cada 𝑑𝑥 𝜖 ℝ, associa
𝑑𝑦 𝜖 ℝ, onde 𝑑𝑦 = 𝑓’(𝑥)𝑑𝑥. Função esta denominada diferencial de 𝑓 em 𝑥, ou diferencial
de 𝑦 = 𝑓(𝑥).

FIGURA 2.5: Interpretação geométrica da derivada como coeficiente diferencial, obtido através do software
Matlab®.

2.3 Séries de Potências

Neste tópico veremos uma importante série de termos variados, denominada

série de potências, que podem ser consideradas como uma generalização da função
polinomial. Esta série pode ser utilizada para calcular valores aproximados de funções como
𝑠𝑒𝑛 𝑥, 𝑒 𝑥 , ln 𝑥, dentre outras funções reais. Para tanto, precisaremos do conceito de
convergência de uma série que virá como introdução a definição de série de potências.
 20

2.3.1 Convergência de uma série

Uma série é o somatório dos termos de uma sequência de números. Dada uma
sequência { 𝑎1 , 𝑎2 , 𝑎3 , … , 𝑎𝑛 , … }, a n-ésima soma parcial 𝑆𝑛 é a soma dos primeiros n
termos da sequência, isto é:

𝑆𝑛 = ∑ 𝑎𝑘
𝑘=1

Uma série é convergente se a sequência de suas somas parciais {𝑆1 , 𝑆2 , 𝑆3 , … , },

converge. Em uma linguagem mais formal, uma série converge se existe um limite 𝐿 tal que
para qualquer número positivo arbitrariamente pequeno 𝜀 > 0, existe um inteiro 𝑁 tal que
para todo 𝑛 ≥ 𝑁,

|𝑆𝑛 − 𝐿 | ≤ ℇ

uma série que não é convergente é dita ser divergente.

Definição 2.3.2

Uma série de potências em 𝑥 − 𝑎 é uma série da forma

𝑐0 + 𝑐1 (𝑥 − 𝑎) + 𝑐2 (𝑥 − 𝑎)2 + 𝑐3 (𝑥 − 𝑎)3 + ⋯ + 𝑐𝑛 (𝑥 − 𝑎)𝑛 + ⋯
ou em sua forma de somatório,
+∞

∑ 𝑐𝑛 (𝑥 − 𝑎)𝑛
𝑛=0

Um caso especial desta série ocorre quando 𝑎 = 0, e a série torna-se uma série
de potências em 𝑥, da forma
+∞

∑ 𝑐𝑛 𝑥 𝑛 = 𝑐0 + 𝑐1 𝑥 + 𝑐2 𝑥 2 + 𝑐3 𝑥 3 + ⋯ + 𝑐𝑛 𝑥 𝑛 + ⋯
𝑛=0

Uma série de potências por ser infinita, estamos interessados na sua

convergência, ou de maneira simples, como esta série se comporta quando fazemos a sua
soma tender ao infinito. Para cada valor de 𝑥 para o qual a série converge, ela representa um
número que é a sua soma. Deste modo, a série de potências define uma função 𝑓.
 21

+∞

𝑓(𝑥) = ∑ 𝑐𝑛 𝑥 𝑛
𝑛=0

e tem como domínio todos os valores de 𝑥 para os quais a série de potência converge.

2.4 Série de Taylor

Se 𝑓 for uma função definida por

+∞
(2.1)
𝑛 2 3 𝑛
𝑓(𝑥) = ∑ 𝑐𝑛 𝑥 = 𝑐0 + 𝑐1 𝑥 + 𝑐2 𝑥 + 𝑐3 𝑥 + ⋯ + 𝑐𝑛 𝑥 + ⋯
𝑛=0

cujo raio da convergência é 𝑅 > 0, segue de sucessivas aplicações do teorema sobre

derivação termo a termo de uma série de potências2.

Seja
+∞

∑ 𝑐𝑛 𝑥 𝑛
𝑛=0

uma série de potências cujo raio de convergência é 𝑅 > 0. Então, se 𝑓 for a função definida
por
+∞

𝑓(𝑥) = ∑ 𝑐𝑛 𝑥 𝑛
𝑛=0

𝑓′(𝑥)existirá para todo 𝑥 no intervalo aberto (−𝑅, 𝑅) sendo dada por

+∞

𝑓′(𝑥) = ∑ 𝑛. 𝑐𝑛 𝑥 𝑛−1
𝑛=0

que 𝑓 tem derivadas de todas as ordens em (−𝑅, 𝑅). Dizemos que tal função é infinitamente
derivável em (−𝑅, 𝑅). Sucessivas derivações da função em (2.1) resultam em
𝑓 ′ (𝑥) = 𝑐1 + 2𝑐2 𝑥 + 3𝑐3 𝑥 2 + 4𝑐4 𝑥 3 + ⋯ + 𝑛𝑐𝑛 𝑥 𝑛−1 + ⋯ (2.2)
𝑓 ′′ (𝑥) = 2𝑐2 + 2 ∙ 3𝑐3 𝑥 + 3 ∙ 4𝑐4 𝑥 2 + ⋯ + (𝑛 − 1)𝑛𝑐𝑛 𝑥 𝑛−2 + ⋯ (2.3)
𝑓′′′(𝑥) = 2 ∙ 3𝑐3 + 2 ∙ 3 ∙ 4𝑐4 𝑥 + ⋯ + (𝑛 − 2)(𝑛 − 1)𝑛𝑐𝑛 𝑥 𝑛−3 + ⋯ (2.4)
𝑓 (𝐼𝑉) (𝑥) = 2 ∙ 3 ∙ 4𝑐4 + ⋯ + (𝑛 − 3)(𝑛 − 2)(𝑛 − 1)𝑛𝑐𝑛 𝑥 𝑛−4 + ⋯ (2.5)
e assim por diante. Como 𝑥 = 0 em (2.1),

2
A demonstração do Teorema citado pode ser encontrada no livro referenciado [10] p. 755.
 22

𝑓(0) = 𝑐0
𝑓′(0) = 𝑐1
𝑓 ′′ (0)
𝑓′′(0) = 2𝑐2 ⟺ 𝑐2 =
2!
𝑓 ′′′ (0)
𝑓′′′(0) = 2 ∙ 3𝑐3 ⟺ 𝑐3 =
3!
da mesma forma que de (2.5),
𝑓 (𝐼𝑉) (0)
𝑓 (𝐼𝑉) = 2 ∙ 3 ∙ 4𝑐4 ⟺ 𝑐4 =
4!
de forma geral, temos
𝑓 𝑛 (0)
𝑐𝑛 = , para todo n inteiro e positivo
𝑛!
∎

A fórmula também é válida para 𝑛 = 0, se tomarmos 𝑓 (0) (0) como sendo 𝑓(0)
e 0! = 1. Assim, dessa fórmula e de (2.1) podemos escrever a série de potências de 𝑓 em
𝑥 como
+∞ 𝑛 ( ) ′′ 𝑛
𝑓 (0) 𝑛 ′ 𝑓 (0) 2 𝑓 (0) 𝑛 (2.6)
∑ 𝑥 = 𝑓(0) + 𝑓 (0)𝑥 + 𝑥 + ⋯+ 𝑥 +⋯
𝑛! 2! 𝑛!
𝑛=0

Em um sentido mais geral, consideramos a função 𝑓 como uma série de

potências em 𝑥 − 𝑎, isto é,
+∞
(2.7)
𝑓(𝑥) = ∑ 𝑐𝑛 (𝑥 − 𝑎)𝑛 = 𝑐0 + 𝑐1 (𝑥 − 𝑎) + 𝑐2 (𝑥 − 𝑎)2 + ⋯ + 𝑐𝑛 (𝑥 − 𝑎)𝑛 + ⋯
𝑛=0

Se o raio de convergência dessa série for 𝑅, então 𝑓 será infinitamente derivável

em (𝑎 − 𝑅, 𝑎 + 𝑟). Sucessivas derivações da função em (2.7) resultam em
𝑓 ′ (𝑥) = 𝑐1 + 2𝑐2 (𝑥 − 𝑎) + 3𝑐3 (𝑥 − 𝑎)2 + 4𝑐4 (𝑥 − 𝑎)3 + ⋯ + 𝑛𝑐𝑛 (𝑥 − 𝑎)𝑛−1 + ⋯
𝑓 ′′ (𝑥) = 2𝑐2 + 2 ∙ 3𝑐3 (𝑥 − 𝑎) + 3 ∙ 4𝑐4 (𝑥 − 𝑎)2 + ⋯ + (𝑛 − 1)𝑛𝑐𝑛 (𝑥 − 𝑎)𝑛−2 + ⋯
𝑓′′′(𝑥) = 2 ∙ 3𝑐3 + 2 ∙ 3 ∙ 4𝑐4 (𝑥 − 𝑎) + ⋯ + (𝑛 − 2)(𝑛 − 1)𝑛𝑐𝑛 (𝑥 − 𝑎)𝑛−3 + ⋯
e assim por diante. Tomando 𝑥 = 𝑎 nas representações de 𝑓 em séries de potências, bem
como nas de suas derivadas, obtemos
𝑐0 = 𝑓(𝑎)
𝑐1 = 𝑓(𝑎)
𝑓 ′′′ (𝑎)
𝑐2 =
3!
e em geral,
 23

𝑓 (𝑛) (𝑎) (2.8)

𝑐𝑛 =
𝑛!
dessa fórmula e de (2.7) podemos escrever a série de potências de 𝑓 em 𝑥 − 𝑎 como
+∞ (𝑛) ′′ 𝑛
𝑓 (𝑎) 𝑛 ′ 𝑓 (𝑎) 2 𝑓 (𝑎) 𝑛 (2.9)
∑ (𝑥 − 𝑎) = 𝑓(𝑎) + 𝑓 (𝑎)(𝑥 − 𝑎) + 𝑥(𝑥 − 𝑎) + ⋯ + (𝑥 − 𝑎) + ⋯
𝑛=0
𝑛! 2! 𝑛!

A série (2.9) é chamada de série de Taylor de 𝑓 em 𝑎. O caso especial de (2.9)

quando 𝑎 = 0, isto é, (2.6), é chamado de série de Maclaurin.
A 𝑛 − é𝑠𝑖𝑚𝑎 soma parcial da série infinita (2.9) é polinômio de Taylor de
𝑛 − é𝑠𝑖𝑚𝑜 grau da função 𝑓 em 𝑎.

Exemplo 2.4.1

Podemos fazer uma aproximação para os valores de cos 𝑥 através da série de

Maclaurin .
𝑑
𝑐𝑜𝑠 𝑥 = (𝑠𝑒𝑛 𝑥)
𝑑𝑥
𝑑 𝑥3 𝑥5 𝑥7
= (𝑥 − + − + ⋯ )
𝑑𝑥 3! 5! 7!
3𝑥 2 5𝑥 4 7𝑥 6
= 1− + − +⋯
3! 5! 7!
𝑥2 𝑥4 𝑥6
= 1− + − +⋯
2! 4! 6!
∞
𝑥 2𝑛
= ∑(−1)𝑛
(2𝑛)!
𝑛=0

2.5 Aproximações por funções polinomiais

Um polinômio 𝑝 de grau 𝑛 ∈ ℕ, com coeficientes reais na varável 𝑥 é dado por

𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 𝑛

onde, os coeficientes 𝑎𝑖 ∈ ℕ; para todo 𝑖 = 0,1,2,3, … , 𝑛.

Efetuando apenas as operações de adição e multiplicação podemos sempre

calcular o valor de 𝑝 em 𝑥, então 𝑝 como função real está definida para todo 𝑥 ∈ ℝ.
 24

Dada uma função qualquer, 𝑓: ℝ → ℝ, faremos então uma aproximação desta

função por polinômios, de maneira que possamos usar valores dos polinômios ao invés dos

valores de tais funções, cometendo um erro tão pequeno quanto gostaríamos.

2.5.1 Polinômios de Taylor

Dizemos que um polinômio está na forma (𝑥 − 𝑎), ou que está centrado em

𝑥 = 𝑎 se for da forma
𝑝(𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑎) + 𝑎2 (𝑥 − 𝑎)2 + ⋯ + 𝑎𝑛 (𝑥 − 𝑎)𝑛
neste caso, temos que 𝑝(𝑎) = 𝑎0, derivando sucessivamente temos que:
𝑝′ (𝑥) = 𝑎1 + 2𝑎2 (𝑥 − 𝑎)2 + 3𝑎3 (𝑥 − 𝑎)3 + ⋯ + 𝑛𝑎𝑛 𝑥(𝑥 − 𝑎)𝑛−1
𝑝′′ (𝑥) = 2𝑎2 + 3.2𝑎3 (𝑥 − 𝑎) + ⋯ + 𝑛(𝑛 − 1)𝑎𝑛 (𝑥 − 𝑎)𝑛−2
⋮

. 𝑝𝑘 (𝑥) = 𝑘! 𝑎𝑘 + ⋯ + (𝑛 − 𝑎)𝑘 𝑛−𝑘

𝑝𝑘 (𝑥) = 𝑘! 𝑎𝑘 + ⋯ + 𝑛(𝑛 − 1) + ⋯ + [𝑛 − (𝑘 − 1)]. 𝑎𝑛(𝑥 − 𝑎)𝑛 − 𝑘

como notação de somatório, temos

n
𝑓 𝑘 (𝑎)
𝑃(𝑛,𝑎) (𝑥) = ∑ (𝑥 − 𝑎)𝑘
𝑘!
k=0

Exemplo 2.5.2

Dada a função 𝑓(𝑥) = 𝑠𝑒𝑛 (𝑥) encontraremos o Polinômio de Taylor em torno

do ponto 𝑥 = 0, usando dois, quatro e seis termos. Calculando o valor aproximado da
função em 𝑥 = 𝜋/12.
As primeiras derivadas da função 𝑦 = 𝑠𝑒𝑛 𝑥 são:
𝑦 (1) = cos(𝑥)
𝑦 (2) = −sen(𝑥)
𝑦 (3) = −cos(𝑥)
𝑦 (4) = sen(𝑥)
em 𝑥 = 𝑜, temos
𝑦 (1) = cos(0) = 1
 25

𝑦 (2) = −sen(0) = 0
𝑦 (3) = −cos (0) = −1
𝑦 (4) = sen(0) = 0
substituindo do no Polinômio de Taylor
𝑥3 𝑥5
𝑦(𝑥) = 0 + 𝑥 + 0 − + 0 +
3! 5!
𝜋 𝜋
Para 𝑥 = 12, o valor exato de 𝑦 = 𝑠𝑒𝑛 (12) = 0,2588190451, enquanto os

valores aproximados para dois, quatro e seis termos

aproximação com dois termos
𝜋
𝑦=𝑥= = 0,261799
12
aproximação com quatro termos
𝜋 3
𝑥3 𝜋 (12)
𝑦=𝑥− = − = 0,258808
3! 12 6
aproximação com seis termos
𝜋 3 𝜋 5
𝑥3
𝑥 5
𝜋 (12) (12)
𝑦=𝑥− + = − + = 0,25881906
3! 5! 12 6 120
Como pudemos ver, a aproximação pelo Polinômio de Taylor, obteve uma
aproximação com quatro casas decimais quando utilizado os quatro primeiros termos, e uma
aproximação de sete casas demais quando utilizado seis primeiros termos.
 26

3. EQUAÇÕES DIFERENCIAIS ORDINÁRIAS DE PRIMEIRA

ORDEM

Essa seção é destinada às equações diferenciais ordinárias de primeira ordem,

ponderaremos a definição e discutiremos a classificação das equações diferenciais, algumas
das propriedades de soluções de EDO e descreveremos alguns dos métodos, que se mostram
eficazes para encontrar soluções analíticas, tendo como principal, fornecer uma estrutura
organizacional para à apresentação do método de Euler, que será apresentado no próximo
capítulo. Para estes resultados utilizamos [2, 17] como referência norteadora.

Definição 3.1 Equação diferencial

Uma equação diferencial é uma lei, ou uma prescrição, que relaciona

determinada função com suas derivadas. Em outras palavras, uma equação diferencial
estabelece a taxa segundo a qual as coisas acontecem. Resolver uma equação diferencial é
encontrar a função que satisfaz a equação e, frequentemente, determinado conjunto de
condições iniciais. A partir do conhecimento destas condições, a solução da equação
diferencial fornece o valor da função em qualquer valor posterior da variável independente.
Em particular na descrição de um sistema em termos de uma função da variável
independente tempo, a resolução da equação diferencial correspondente permite prever o
comportamento futuro do sistema.

3.2 Classificação quanto à tipologia e ordem

3.2.1 Classificação quanto ao tipo

Uma classificação muito importante baseia-se em saber se a função estudada

depende de uma única variável independente ou de diversas variáveis independentes. No
primeiro caso, quando aparece na equação diferencial apenas derivadas simples, ela é
chamada de equação diferencial ordinária (EDO). E as equações que dependem de diversas
variáveis independentes são denominadas equações diferenciais parciais (EDP).
 27

𝑑𝑦 (3.1)
=𝑘
𝑑𝑥
𝑑𝑦 (3.2)
= 𝑘𝑥
𝑑𝑥
𝑑𝑦 2 (3.3)
( ) − 7𝑦 + 7 = 0
𝑑𝑥
𝜕𝑢 𝜕 2𝑢 (3.4)
𝑎2 (𝑥, 𝑡) − 2 (𝑥, 𝑡) = 0
𝜕𝑡 𝜕𝑥
A equação (3.1) significa que a derivada de 𝑦 é a constante 𝑘. Uma curva que
tem propriedade de ser uma reta, cujo coeficiente angular é 𝑘, que é a própria derivada.
A solução desta equação pode ser encontrada facilmente por integral
(antiderivada), onde 𝐶 é um constante real.
𝑑𝑦
= 𝑘 ⟹ 𝑦 = 𝑘𝑥 + 𝐶
𝑑𝑥

Vejamos um caso particular do exemplo acima:

𝑑𝑦
= −1
𝑑𝑥
A solução é 𝑦 = −𝑥 + 𝑐, ou seja, todas as retas com inclinação -1, que irão se
distinguir pelo valor de 𝑐 e pode ser representada pela família de curvas, retas paralelas,
como veremos na Figura 3.1.

FIGURA 3.1: Família de curvas do Exemplo 3.2.1, obtido através do software Matlab®.

As equações (3.2) e (3.3) são equações diferenciais ordinárias de primeira

ordem. E a equação (3.3) é uma EDO de primeira ordem e do segundo grau, uma vez que a
𝑑𝑦
variável 𝑑𝑥 se encontra elevado ao quadrado.
 28

A equação (3.4) é uma Equação Diferencial Parcial, pois apresenta mais de uma
variável independente, e representa a equação da onda.

3.2.2 Classificação quanto à ordem

A ordem da equação diferencial é a ordem da derivada de maior grau que

aparece na equação.
A expressão
𝑑𝑦 𝑑 2 𝑦 𝑑 3 𝑦 𝑑𝑛 𝑦
𝐹 (𝑡, 𝑥, , 2 , 3 , … , 𝑛) = 0
𝑑𝑥 𝑑𝑥 𝑑𝑥 𝑑𝑥
representa a forma geral de EDO de ordem 𝑛.

Exemplo 3.2.3

Vejamos as equações que seguem para classificarmos.

𝑑2 𝑦
= 𝑘;
𝑑𝑥 2
2
𝑑 𝑦 𝑑𝑦
2
+3 − 5𝑥𝑦 = 0;
𝑑𝑥 𝑑𝑥

Ambas as equações são de segunda ordem, pois intervém da derivada segunda.

3.3 Equações Lineares de Primeira Ordem

3.3.1 Equações de variáveis separáveis

São equações do tipo

𝑑𝑦
= 𝑔(𝑥)ℎ(𝑦)
𝑑𝑥
a solução geral 𝑦(𝑥) é obtida através da separação de variáveis, e tal que
𝑦 ′ (𝑥) = 𝑔(𝑥)ℎ[𝑦(𝑥)]
e para resolver esta, basta separar as variáveis
𝑑𝑦
= 𝑔(𝑥)𝑑𝑥
ℎ[𝑦(𝑥)]
e, posteriormente integrar ambos os lados.
 29

𝑑𝑦
∫ = ∫ 𝑔(𝑥)𝑑𝑥
ℎ(𝑦)

3.3.2 Soluções constantes de uma equação de variáveis separáveis

Seja
𝑑𝑦 (3.5)
= 𝑔(𝑥)ℎ(𝑦)
𝑑𝑥
Supondo 𝑔(𝑥) ≠ 0 no intervalo aberto I, a função constante 𝑔(𝑥) = 𝑎, 𝑥 ∈ 𝐼,
será a solução da equação (3.5) se for a raiz da equação ℎ(𝑦) = 0.
de fato, temos que
𝑦(𝑥) = 𝑎 ⇒ 𝑦 ′ (𝑥) = 0
logo,
𝑦 ′ (𝑥) = 𝑔(𝑥). ℎ[𝑦(𝑥)] ⇒ 0 = 𝑔(𝑥). ℎ(𝑎) ⇒ ℎ(𝑎) = 0, 𝑝𝑜𝑖𝑠 𝑔(𝑥) ≠ 0

3.3.3 Equações lineares de 1ª ordem homogêneas

Equações lineares de 1ª ordem são tipo

𝑑𝑦 (3.6)
= 𝑓(𝑥)𝑦 + 𝑔(𝑥)
𝑑𝑥

onde 𝑓(𝑥) e 𝑔(𝑥) são funções contínuas em um intervalo I.

Se 𝑔(𝑥) ≡ 0, a equação (3.6) é chamada 𝑙𝑖𝑛𝑒𝑎𝑟 ℎ𝑜𝑚𝑜𝑔ê𝑛𝑒𝑎. Nesse caso,
𝑑𝑦
= 𝑓(𝑥)𝑦
𝑑𝑥
é também de variáveis separáveis, com solução
𝑦 = 𝑘. 𝑒 ∫ 𝑓(𝑥)𝑑𝑥
de fato,
𝑑𝑦
= 𝑓(𝑥)𝑦
𝑑𝑥
utilizando o método de variáveis separáveis da secção 3.4.2
𝑑𝑦 𝑑𝑦
= 𝑓(𝑥)𝑑𝑥 ⇒ ∫ = ∫ 𝑓(𝑥)𝑑𝑥
𝑦 𝑦

ln 𝑦 = ∫ 𝑓(𝑥)𝑑𝑥 + 𝑐

𝑒 ln 𝑦 = 𝑒 ∫ 𝑓(𝑥)𝑑𝑥+𝑐 ⇒ 𝑒 ln 𝑦 = 𝑒 ∫ 𝑓(𝑥)𝑑𝑥 . 𝑒 𝑐
 30

fazendo 𝑒 𝑐 = 𝑘
𝑦 = 𝑘𝑒 ∫ 𝑓(𝑥)𝑑𝑥 ∎

3.3.4 Equações Lineares de 1ª Ordem Não- Homogêneas

Uma equação diferencial linear de primeira ordem não homogênea é do tipo

𝑑𝑦 (3.7)
= 𝑓(𝑥)𝑦 + 𝑔(𝑥), ∀ 𝑔(𝑥) ≠ 0
𝑑𝑥
uma solução 𝑦 = 𝑦(𝑥) para a equação (3.7) deve satisfazer
𝑦 ′ = 𝑓(𝑥)𝑦 + 𝑔(𝑥)
𝑑𝑦
consideremos a homogênea associada 𝑑𝑥 = 𝑓(𝑥)𝑦 cuja solução é
𝑦
𝑦 = 𝑘. 𝑒 ∫ 𝑓(𝑥)𝑑𝑥 ⇒ = 𝑘,
𝑒 ∫ 𝑓(𝑥)𝑑𝑥
derivando ambos os lados, segue que
𝑑 𝑦 (3.8)
( ∫ 𝑓(𝑥)𝑑𝑥 ) = 0
𝑑𝑥 𝑒
calculando a derivada da equação (3.8)
𝑦 ′ . 𝑒 ∫ 𝑓(𝑥)𝑑𝑥 − 𝑦. 𝑒 ∫ 𝑓(𝑥)𝑑𝑥 . (∫ 𝑓(𝑥)𝑑𝑥)′
2
(𝑒 ∫ 𝑓(𝑥)𝑑𝑥 )

𝑦 ′ . 𝑒 ∫ 𝑓(𝑥)𝑑𝑥 − 𝑦. 𝑒 ∫ 𝑓(𝑥)𝑑𝑥 . 𝑓(𝑥)

2
(𝑒 ∫ 𝑓(𝑥)𝑑𝑥 )
𝑒 ∫ 𝑓(𝑥)𝑑𝑥 [𝑦 ′ − 𝑦. 𝑓(𝑥)]
2
(𝑒 ∫ 𝑓(𝑥)𝑑𝑥 )
𝑦 ′ − 𝑦. 𝑓(𝑥)
𝑒 ∫ 𝑓(𝑥)𝑑𝑥
fazendo 𝑦 ′ − 𝑦. 𝑓(𝑥) = 𝑔(𝑥), 𝑡𝑒𝑚𝑜𝑠
𝑑 𝑦 𝑔(𝑥)
( ∫ 𝑓(𝑥)𝑑𝑥 ) = ∫ 𝑓(𝑥)𝑑𝑥
𝑑𝑥 𝑒 𝑒
𝑑 𝑦
( ∫ 𝑓(𝑥)𝑑𝑥 ) = 𝑔(𝑥). 𝑒 − ∫ 𝑓(𝑥)𝑑𝑥
𝑑𝑥 𝑒
e integrando ambos os lados, obtemos
𝑦
( ∫ 𝑓(𝑥)𝑑𝑥 ) = ∫ 𝑔(𝑥). 𝑒 − ∫ 𝑓(𝑥)𝑑𝑥 𝑑𝑥 + 𝑘 ⇒
𝑒

⇒ 𝑦 = 𝑒 ∫ 𝑓(𝑥)𝑑𝑥 [𝑘 + ∫ 𝑔(𝑥). 𝑒 − ∫ 𝑓(𝑥)𝑑𝑥 𝑑𝑥] ∎

 31

3.4 Problemas de valores iniciais (P.V.I.)

O problema de valor inicial (P.V.I.) de uma EDO, 𝑦 ′ = 𝑓(𝑥, 𝑦), é formulado da

seguinte forma:
Dado um ponto (𝑥0 , 𝑦0 ), encontrar uma solução 𝜙 da EDO definida num
intervalo [𝛼, 𝛽] contendo 𝑥0 e satisfazendo 𝜙(𝑥0 ) = 𝑦0 .
Dizemos então que temos uma equação diferencial com condição inicial.

3.5 Solução de uma EDO

A solução de uma equação diferencial pode ser abordada de três maneiras

distintas: analítica, qualitativa3 e numérica. Num primeiro momento de estudo de Equações
Diferenciais, é usual dar prioridade ao processo analítico na busca da solução de uma
equação diferencial via processo de integração. Contudo, com o processo analítico não é
sempre possível encontrar a solução de todas as equações diferenciais, pois como já
sabemos, existem muitas soluções que não podem ser expressas em termos de funções
elementares. Deste modo, nem toda solução pode ser expressa de maneira adequada por
método de integração. Outra abordagem é processo qualitativo, onde se discute o
comportamento geométrico das soluções e os aspectos das curvas integrais descritos por
meio de campos de direções. Este procedimento, no estudo das equações diferenciais
ordinárias de 1ª ordem, é baseado na interpretação da derivada. Por fim, na abordagem
numérica, métodos numéricos são utilizados para aproximar soluções de problemas de valor
inicial (P.V.I.) de equações diferenciais de 1ª ordem. Os procedimentos numéricos podem
ser executados, em computadores e, também, em algumas calculadoras. Idealmente, os
valores aproximados da solução serão acompanhados de cotas para os erros que garantem
um nível de precisão para aproximações. Existem diversos métodos, que produzem
excelentes aproximações numéricas de soluções de equações diferenciais. Veremos no
próximo capítulo um destes métodos, o Método de Euler.

Exemplo 3.5.1

Considere a equação 𝑦 ′ + 𝑦 2 𝑠𝑒𝑛(𝑥) = 0, para 𝑥 ∈ ℝ

3
Para melhor compreensão sobre solução qualitativa e campos de direções vide referências [3, 17].
 32

Solucionando pelo Método de Variáveis Separáveis

𝑦 ′ + 𝑦 2 𝑆𝑒𝑛 (𝑥) = 0
𝑦 ′ = −𝑦 2 𝑠𝑒𝑛(𝑥)
𝑑𝑦
= −𝑠𝑒𝑛(𝑥)𝑑𝑥
𝑦2
𝑑𝑦
∫ = − ∫ 𝑠𝑒𝑛(𝑥)𝑑𝑥
𝑦2

∫ 𝑦 −2 𝑑𝑦 = − ∫ 𝑠𝑒𝑛(𝑥)𝑑𝑥

𝑦 −1
= 𝑐𝑜𝑠(𝑥) + 𝐶
−1
1
= − [𝑐𝑜𝑠(𝑥) + 𝐶]
𝑦
1
𝑦=
−𝑐𝑜𝑠(𝑥) − 𝐶

3.6 Solução analítica de EDO de primeira ordem

Uma solução de EDO no intervalo 𝛼 < 𝑡 < 𝛽 é uma função 𝜙 tal que
𝜙 ′ , 𝜙 ′′ , … , 𝜙 𝑛 existem e satisfazem
𝜙 𝑛 (𝑡) = 𝑓 [ 𝑡, 𝜙(𝑡), 𝜙 ′ (𝑡), … , 𝜙 (𝑛−1) (𝑡)]
para todo 𝑡 em 𝛼 < 𝑡 < 𝛽 é uma função.

Exemplo 3.6.1

Considerando a seguinte equação diferencial

𝑑𝑦
= 6𝑦
𝑑𝑥
resolvendo pelo Método de Variáveis Separáveis
𝑑𝑦
𝑑𝑦 = 6𝑦 𝑑𝑥 → = 6𝑑𝑥
𝑦
integrando ambos os lados, temos
 33

𝑑𝑦
∫ = ∫ 6𝑑𝑥
𝑦

ln 𝑦 = 6𝑥 + 𝐶 ⇒ 𝑦 = 𝑒 6𝑥+𝐶

⇒ 𝑦 = 𝑒 6𝑥 . 𝑒 𝐶
fazendo 𝑒 𝐶 = 𝐶1 , temos
𝑦 = 𝐶1 𝑒 6𝑥

Exemplo 3.6.2

Solucionando a seguinte equação diferencial pelo Método de Variáveis

Separáveis.
(𝑦 2 + 1)𝑥𝑑𝑥 + ( 𝑥 + 1)𝑦𝑑𝑦 = 0
separando as variáveis
( 𝑥 + 1)𝑦𝑑𝑦 = −(𝑦 2 + 1)𝑥𝑑𝑥
( 𝑥 + 1)𝑦𝑑𝑦
= −𝑥𝑑𝑥
(𝑦 2 + 1)
𝑦𝑑𝑦 𝑥𝑑𝑥
= −
(𝑦 2 + 1) ( 𝑥 + 1)
integrando ambos os lados, temos
𝑦𝑑𝑦 𝑥𝑑𝑥
∫ =∫−
(𝑦 + 1)
2 ( 𝑥 + 1)
usando a substituição 𝑢 = 𝑦 2 + 1
𝑑𝑢
𝑑𝑢 = 2𝑦𝑑𝑦 ⟺ 𝑦𝑑𝑦 =
2
𝑑𝑢
𝑥𝑑𝑥
∫ 2 =∫−
𝑢 ( 𝑥 + 1)
1
𝑙𝑛 𝑢 = −( 𝑥 − ln(1 + 𝑥) + 𝐶)
2
𝑙𝑛 𝑢 = −2 𝑥 + ln(1 + 𝑥)2 − 2𝐶
2 −2𝐶
𝑢 = 𝑒 −2 𝑥+ln(1+𝑥)
2
𝑢 = 𝑒 −2 𝑥 . 𝑒 ln(1+𝑥) . 𝑒 −2𝐶
fazendo 𝑒 −2𝐶 = 𝐶1 , temos
 34

𝑢 = 𝑒 −2 𝑥 . (1 + 𝑥)2 . 𝐶1
voltando a variável original
𝑦 2 + 1 = 𝑒 −2 𝑥 . (1 + 𝑥)2 . 𝐶1
𝑦 2 = 𝑒 −2 𝑥 . (1 + 𝑥)2 . 𝐶1 − 1

𝑦 = ±√𝑒 −2 𝑥 . (1 + 𝑥)2 . 𝐶1 − 1

3.7 Modelagem

3.7.1 EDO na Física

Um dos fenômenos mais simples de se modelar é o corpo em queda livre. Neste

movimento existe somente uma força atuando, a atração da gravidade, desprezando a
resistência do ar.
onde temos
𝑦 ′′ (𝑡) = −𝑔 ⇒ 𝑦 ′ (𝑡) = −𝑔𝑡 + 𝑣0
com velocidade inicial
𝑔𝑡 2
𝑣0 ⟹ 𝑦(𝑡) = − + 𝑣0 𝑡 + 𝑠0
2
como queremos modelar o corpo em queda livre vamos utilizar uma condição inicial
𝑣0 = 𝑦 ′ (𝑡0 ) = 0
utilizando a condição inicial, temos a equação
𝑔𝑡 2
𝑦(𝑡) = − + 𝑠0
2
onde surge uma nova condição de fronteira
𝑦(𝑡0 ) = 𝑠0
o ponto de partida do movimento de queda. O modo de se apresentar a modelagem é:
𝑦(𝑡0 ) = 𝑠0 , altura inicial
𝑦′(𝑡0 ) = 0 , velocidade inicial zero
𝑦 ′′ 𝑡 = −𝑔, equação diferencial
 35

Exemplo 3.7.2

Uma bola de golfe de massa 0,5 𝑘𝑔 recebe uma tacada que lhe imprime uma
velocidade de 72 𝑘𝑚/ℎ. Supondo-se que a bola permanece em contato permanente com o
chão e sabendo-se que a força de atrito que atua sobre ela é de −5𝑁, qual a distância
percorrida pela bola até parar.
Modelando a equação e resolvendo pelo Método de Variáveis Separáveis
𝑑𝑣
𝑚⋅ =𝐹
𝑑𝑡
𝐹
𝑑𝑣 = 𝑑𝑡
𝑚
−5
𝑑𝑣 = 𝑑𝑡
0,5
−5
∫ 𝑑𝑣 = ∫ 𝑑𝑡
0,5

∫ 𝑑𝑣 = ∫ −10 𝑑𝑡

𝑣(𝑡) = −10𝑡 + 𝑐
mas
𝑣(𝑡) = 𝑎𝑡 + 𝑣0 ⇒ 𝑣(𝑡) = −10𝑡 + 𝑣0 e𝑣0 = 72 𝑘𝑚/ℎ 𝑜𝑢 20 𝑚/𝑠
∴ 𝑣(𝑡) = −10𝑡 + 20
sabemos que
𝑑𝑠
𝑣(𝑡) =
𝑑𝑡
𝑑𝑠
∫ = ∫ −10𝑡 + 20 𝑑𝑡 ⇒ 𝑠(𝑡) = −5𝑡 2 + 20𝑡 + 𝑐2
𝑑𝑡
𝑠(0) = 𝑐2 = (𝑖𝑛í𝑐𝑖𝑜) ⇒ 𝑠(𝑡) = −5𝑡 2 + 20𝑡
no entanto,
𝑣𝑓 = 0 , (bola parada)
𝑣(𝑡) = −10𝑡 + 20 = 0 ∴ 𝑡 = 2𝑠
Qual a distância percorrida até que a bola pare? Vimos que a bola para no
instante 𝑡 = 2𝑠. Então basta que solucionemos a equação 𝑠(𝑡) = −5𝑡 2 + 20𝑡.
𝑠(2) = −5 ⋅ 22 + 20 ⋅ 2
𝑠(2) = −5 ⋅ 4 + 40
𝑠(2) = −20 + 40 = 20𝑚
 36

3.7.3 EDO na Química

Na química a tendência de as moléculas de alguns compostos químicos ou

átomos tem de se decompor espontaneamente é definida como reação de primeira ordem. O
decaimento radioativo de alguns elementos químicos é um dos exemplos mais comuns.
A velocidade de decomposição do elemento químico é diretamente proporcional
à quantidade de matéria do referido elemento, que pode ser representada da seguinte forma
𝑑𝑦
= −𝑘𝑦 ; 𝑘 > 0
𝑑𝑡
em que 𝑦 representa a quantidade do referido material e a constante k traduz a meia vida do
decaimento radioativo.
Suponha k > 0, como y(t) representa a quantidade do material no instante t, e é
um número positivo, então a derivada da função y é negativa. Pois de fato, estamos a
analisar matematicamente o decaimento radioativo de uma substância.

Exemplo 3.7.4

Um isótopo4 radioativo 𝑡ó𝑟𝑖𝑜 243 desintegra-se numa taxa proporcional à

quantidade presente. Se 100 𝑚𝑔 desse material são reduzidos a 82,04 𝑔 em uma semana,
ache a expressão para a quantidade em qualquer tempo. Ache também o intervalo de tempo
necessário para a massa cair à metade do seu valor.
Modelando a equação
𝑑𝑚
= 𝑘. 𝑚
𝑑𝑡
resolvendo conforme a solução geral para equações lineares de primeira ordem homogêneas
𝑚 = 𝑐 ⋅ 𝑒 𝑘𝑡
𝑚(0) = 𝑐 ⋅ 𝑒 0 = 𝑐 = 100
𝑚 = 100 ⋅ 𝑒 𝑘𝑡 (3.9)
a equação (3.9) é a expressão de quantidade de isótopo radioativo em qualquer tempo
𝑚(7) = 82,04 = 100 ⋅ 𝑒 7𝑘
82,04
= 𝑒 7𝑘
100

4
Os isótopos são dois átomos do mesmo elemento químico com números de massa (A) diferentes e números
atômicos (Z) iguais. A diferença se encontra no número de nêutrons.
 37

82,04
𝑙𝑛 = 𝑙𝑛 𝑒 7𝑘
100
82,04
𝑙𝑛 = 7𝑘
100
(𝑙𝑛 0,8204)
𝑘= , 𝑙𝑛 0,8204 ≅ −0,1980
7
−19,80
𝑘= = -0,282857
7
−19,80 (3.10)
𝑘= = -0,282857
7
substituindo 𝑘 na equação (3.10), temos
𝑚(𝑡) = 100 ⋅ 𝑒 −0,28280𝑡
50
= 𝑒 −0,2828𝑡
100
50
ln = ln 𝑒 −0,2828𝑡
100
ln 0,5 = 0,2828 ⋅ 𝑡
(ln 0,5)
𝑡= ∴ 𝑡 ≅ 24,5 𝑑𝑖𝑎𝑠
0,2828

3.7.5 EDO na Biologia

O uso de equações diferenciais foi estendido para as mais diversas áreas do

conhecimento. Para citar alguns exemplos de aplicações de equações diferenciais em
Ciências Naturais, temos o problema da dinâmica de populações, o de propagação de
epidemias, a datação por carbono radioativo, a exploração de recursos renováveis, etc.
Uma modelagem bem simples é a população de uma determinada espécie de
bactérias que se multiplicam, em dependência direta ao número de indivíduos presentes no
meio.
Onde podemos representar da seguinte forma, designamos por y(t) a quantidade
de indivíduos de uma população no instante 𝑡, depois de um determinado período a função y
deverá satisfazer a equação:
𝑑𝑦
= 𝑘𝑦 ; 𝑘 > 0
𝑑𝑡
a constante k, neste caso, serve para representar a velocidade do ciclo reprodutivo.
 38

Neste caso, temos a derivada da função de y positiva, pois a população cresce.

Exemplo 3.7.6

Sabe-se que uma cultura de bactéria cresce a taxa proporcional à quantidade

presente. Após 1 hora, observam-se 1000 núcleos de bactérias na cultura, e após 4 horas 300
núcleos. Determine uma expressão para o número de núcleos presentes na cultura no
instante arbitrário 𝑡;
Modelando a equação e resolvendo pelo Método de Variáveis Separáveis
𝑑𝑛
=𝑘⋅𝑛
𝑑𝑡
𝑑𝑛
∫ = ∫ 𝑘 𝑑𝑡
𝑛
ln 𝑛 = 𝑘. 𝑡 + 𝑐1
𝑒 ln 𝑛 = 𝑒 𝑘𝑡+ 𝑐1
𝑛 = 𝑒 𝑘𝑡 ⋅ 𝑐
𝑛(1) = 𝑒 𝑘 . 𝑐1 ⇒ 1000 = 𝑒 𝑘 ⋅ 𝑐
1000 (3.11)
𝑒𝑘 =
𝑐
𝑛(4) = 𝑐 ⋅ 𝑒 4𝑘

4 3000 4 3000
3000 = 𝑐 ⋅ 𝑒 4𝑘 ⇒ 𝑒 𝑘 = ⇒ 𝑒𝑘 = √
𝑐 𝑐
4
1000 4 4 3000
( ) = (√ )
𝑐 𝑐

1012
= 3.103
𝑐3

109 109 3 109

= 3 → 𝑐 3
= → 𝑐 = √
𝑐3 3 3

∴ 𝑐 = 693,361274
substituindo 𝑐 na equação (3.11)
1000
𝑒𝑘 =
693,361274
𝑒 𝑘 ≅ 1,4422
 39

ln 𝑒 𝑘 = ln 1,4422
𝑘 = ln 1,4422 ∴ 𝑘 = 0,366204096
 40

4. MÉTODO DE EULER

Discutimos até então alguns métodos para resolução de equações diferenciais

através de técnicas analíticas, buscando encontrar sempre uma solução exata para a equação.
Entretanto, existem muitos problemas importantes em engenharia e ciência, nos quais esses
métodos ou não se aplicam ou são muito complicados para se utilizar. Neste capítulo vamos
apresentar uma abordagem alternativa, a utilização de métodos numéricos aproximados para
obter uma solução precisa de um problema de valor inicial. O método de Euler, também
chamado de método da reta tangente ou método do passo simples, é muito atraente por sua
simplicidade, agilidade em encontrar uma aproximação para a solução. Estes resultados
foram estudados especialmente na referência [1,17].

4.1 Aproximação numérica de Euler

Discutiremos o desenvolvimento e a utilização de procedimentos em problemas

de valor inicial (PVI) para equações de primeira ordem, na forma:
𝑑𝑦 (4.1)
= 𝑓(𝑡, 𝑦), 𝑦(𝑡0 ) = 𝑦0
𝑑𝑡
𝜕𝑓
Se 𝑓 e são contínuas, então o PVI de (4.1) tem uma única solução 𝑦 = 𝜙(𝑡)
𝜕𝑦

em algum intervalo, com o ponto inicial 𝑡 = 𝑡0. Não é possível em geral encontrar a solução
𝜙 por manipulação simbólica5 da equação diferencial. As principais exceções a essa
afirmação são: equações diferenciais que são lineares, separáveis ou exatas, ou que podem
ser transformadas a um desses tipos. Alguma das soluções de problemas de valor inicial de
primeira ordem não pode ser encontrada por métodos analíticos.
No subtítulo 2.6.1 vimos que através do polinômio de Taylor podemos obter
boas aproximações para 𝑦 = 𝜙(𝑡) da equação (4.1) perto de 𝑡 = 𝑡0. O polinômio mais
simples é o de primeira ordem, ou seja, a reta tangente no ponto dado. Sabemos que a
solução contém o ponto inicial (𝑡0 , 𝑦0 ), e também da equação diferencial sabemos que a
inclinação desse ponto é 𝑓(𝑡0 , 𝑦0 ). Podemos então escrever uma equação para a reta

5
Matemática simbólica, diz respeito ao uso de computadores para manipular equações matemáticas e
expressões em forma simbólica, em oposição à mera manipulação de aproximações a quantidades numéricas
específicas representadas por aqueles símbolos. Tal sistema pode ser usado para integração ou diferenciação,
substituição de uma expressão numa outra, simplificação de uma expressão, etc.
 41

tangente à curva-solução em (𝑡0 , 𝑦0 ). Lembre-se que a reta tangente é derivada no ponto,

conforme no subtítulo 2.1.2 discorremos.
𝑦 = 𝑦0 + 𝑓(𝑡0 , 𝑦0 )(𝑡 − 𝑡0 ) (4.2)
Quando há um intervalo suficientemente pequeno, a reta tangente é uma boa
aproximação da curva-solução, de modo que a inclinação da solução não varie muito de seu
valor no ponto inicial.

FIGURA 4.1: Aproximação pela reta tangente, obtido através do software Matlab®.

De acordo com a Figura 4.1, temos que 𝑡1 está suficientemente próximo de 𝑡0 ,

podemos aproximar 𝜙(𝑡1 ) pelo valor 𝑦1 . Substituindo 𝑡 = 𝑡1 na aproximação pela reta
tangente em 𝑡 = 𝑡0 .
Então,
𝑦1 = 𝑦0 + 𝑓(𝑡0 , 𝑦0 )(𝑡1 − 𝑡0 ) (4.3)

Exemplo 4.1.1

Seja uma Equação Diferencial Ordinária 𝑦 ′ = −𝑘𝑦 com condição inicial de

𝑦(1) = 1 e o ponto de interesse 𝑡𝑓 = 2 queremos obter 𝑦(𝑡𝑓 ). Desse modo, o que queremos
resolver é encontrar 𝑦(2) onde 𝑦(𝑡) é a solução de
𝑦 ′ (𝑡) = 𝑦(𝑡) e 𝑦(1) = 1.
a solução desta equação diferencial é 𝑓(𝑡) = 𝐶𝑒 𝑡 , para encontrar a solução basta utilizarmos
o método de variáveis separáveis.
para 𝑦(1) = 1, temos que
𝑦(1) = 1 ⇒ 1 = 𝐶𝑒 1 ⇒ 𝐶 = 𝑒 −1
 42

e substituindo o valor da constante na EDO temos que 𝑦 = 𝑒 𝑡−1 . Calculando o valor exato
de 𝑦(2) obtemos 2,7183.
Para obter esta aproximação linear não é necessário conhecer 𝑦(𝑡), basta saber o
valor da função e sua derivada no ponto 𝑥0 . Estes valores são dados respectivamente por
𝑦(𝑡0 ) 𝑒 𝑦 ′ (𝑡0 ) = 𝑓(𝑡0 , 𝑦0 ). Dessa forma obtemos a aproximação linear, com o auxílio da
reta tangente.
𝑦(𝑡) ≅ 𝑦(𝑡0 ) + 𝑦 ′ (𝑡0 )(𝑡 − 𝑡0 ) = 𝑦0 + 𝑓(𝑡0 , 𝑦0 )(𝑡 − 𝑡0 )
calculando a aproximação em 𝑡 = 𝑡𝑓 , temos que:
𝑦(𝑡𝑓 ) ≈ 𝑦0 + 𝑓(𝑡0 , 𝑦0 )(𝑡𝑓 + 𝑡0 ) (4.4)

FIGURA 4.2: Aproximação da função 𝑦(𝑡) = 𝑒 𝑡−1 , pelo método de Euler, obtido através do software Matlab®.

Para avaliar o desempenho do método, vamos resolver o exemplo anterior.

Utilizando a reta tangente [equação (4.3)] neste caso, temos que
𝑦(1,5) ≈ 1 + 1(1,5 − 1) (4.5)
𝑦(1,5) ≈ 1 + 0,5 ≈ 1,5
no entanto, meu ponto de interesse é interesse 𝑡𝑓 = 2, portanto utilizarei
𝑦(1,5) ≈ 1,5 como uma nova condição inicial substituindo essa nova condição na equação
(4.3)
𝑦(2) ≈ 1,5 + 1,5 (2 − 1,5)
𝑦(2) ≈ 1,5 + 1,5 (0,5)
𝑦(2) ≈ 1,5 + 0,75 ≈ 2,25
Portanto 𝑦(2) ≈ 2,25. Calculando o valor exato de 𝑦(2) na solução analítica
obtemos 2,7183 assim, no método de Euler cometemos um erro absoluto (módulo da
 43

diferença do valor obtido pela solução numérica e a solução exata) de 0,47 o que equivale a
um erro relativo de 20,81%. O erro relativo é facilmente obtido, basta que tomemos o
módulo do erro absoluto e dividamos pelo valor obtido pela solução numérica.
Dependendo da aplicação, um erro desta magnitude pode não ser aceitável.
Desta forma, temos que averiguar o porquê deste erro. A resposta é imediata, já que sabemos
que só há garantia de que a reta tangente aproxima bem a função perto do ponto onde
estamos tangenciando.
Como vimos, o erro relativo de 20,81% pode ser considerado grande,
dependendo da ocasião. Para tanto podemos reduzir o intervalo dividindo em quatro partes
iguais teríamos. Utilizando a aproximação conforme a equação (4.4), teremos considerando
a condição inicial, 𝑦(1) = 1
𝑦(1,25) ≈ 1 + 1(1,25 − 1) = 1,25 (4.8)
para 𝑡𝑓 = 1,25 então, os valores aproximados e exatos seriam, respectivamente, 1,25 e
1,2840 o que corresponde a um erro relativo de 27,22%. Considerando a condição inicial,
𝑦1 = 1,25 e 𝑡1 = 1,25
𝑦(1,5) ≈ 𝑦1 = 1,25 + 1,25(1,5 − 1,25) = 1,5625 (4.9)
para 𝑡𝑓 = 1,5 então, os valores aproximados e exatos seriam, respectivamente, 1,5625 e
1,6487 o que corresponde a um erro relativo de 5,52%. Considerando a condição inicial,
𝑦2 = 1,5625 𝑡2 = 1,5
𝑦(1,75) ≈ 𝑦3 = 1,5625 + 1,5625(1,75 − 1,5) = 1,9531 (4.10)
para 𝑡𝑓 = 1,75 então, os valores aproximados e exatos seriam, respectivamente, 1,9531 e
2,1170 o que corresponde a um erro relativo de 8,39%. Considerando a condição inicial,
𝑦3 = 1,9531 𝑡3 = 1,75
𝑦(2) ≈ 𝑦4 = 1,9531 + 1,9531(2 − 1,75) = 2,4414 (4.11)
para 𝑡𝑓 = 2 então, os valores aproximados e exatos seriam, respectivamente, 2,4414 e
2,7183 o que corresponde a um erro relativo de 11,34%.
 44

FIGURA 4.3: Aproximação da função 𝑦(𝑡) = 𝑒 𝑡−1 , pelo método de Euler, obtido através do software Matlab®.

Vamos utilizar a Tabela 4.1 para compararmos como se comporta o erro, quando
diminuímos o intervalo em subintervalos menores. De acordo com a tabela o valor da
solução (*) corresponde à aproximação através da reta tangente, dividindo o intervalo [1; 2]
em dois subintervalos, respectivamente, 𝑡1 = 1,5 e 𝑡2 = 2. De acordo com a tabela o valor
da solução (**), representa também a aproximação no intervalo [1; 2], mas decompondo em
quatro subintervalos, 𝑡1 = 1, 𝑡2 = 1,25, 𝑡3 = 1,75 e 𝑡4 = 2. Com isso obtemos o erro de
aproximação extraindo o módulo da diferença entre o valor da solução exata e o valor da
solução numérica. Já o erro relativo é obtido pelo quociente do erro relativo com o valor da
solução numérica.

TABELA 4.1: Comparação de resultados do Exemplo 4.1.1.

t Solução Valor da Valor da solução Erro relativo Erro relativo
Exata solução (*) (**) (*) (**)
𝟏, 𝟐𝟓 1,2840 − 1,2500 − 2,72%
𝟏, 𝟓𝟎 1,6487 1,5000 1,5625 9,91% 5,52%
𝟏, 𝟕𝟓 2,1170 − 1,9531 − 8,39%
𝟐, 𝟎𝟎 2,7183 2,2500 2,4414 20,81% 11,34%

Para 𝑡𝑓 = 1,5 então, o erro relativo seria, respectivamente, 9,91% e 5,52% o

que evidencia uma grande redução no erro ao diminuirmos o intervalo. Vejamos para
𝑡𝑓 = 2,0 o erro relativo corresponde 20,81% para Euler com intervalo maior e 11,34% para
Euler com intervalo menor. Concluímos, portanto, que quanto menor o intervalo de 𝑡, menor
será o erro relativo, por conseguinte, maior será a precisão de aproximação.
 45

Uma ideia simples para estimar o valor de 𝑦 (𝑡𝑓 ) para 𝑡𝑓 longe de 𝑡0 é dar vários
passos pequenos até encontrar um valor aproximado mais preciso. Para isso fazemos
aproximações lineares parecidas com a aproximação tangente em cada passo, o que é
chamado de método de Euler de passo múltiplo.
Sem perda da generalidade, consideremos 𝑡𝑓 > 𝑡0 . Primeiramente dividimos o
intervalo [𝑡0 , 𝑡𝑓 ] em 𝑛 subintervalos [𝑡𝑖 , 𝑡𝑖+1 ] de forma que 𝑡𝑛 = 𝑡𝑓 . Usualmente os pontos 𝑡𝑖
são igualmente espaçados e chamamos o tamanho de cada subintervalo de ℎ, ou seja, ℎ =
𝑡𝑖+1 − 𝑡𝑖 . No primeiro passo procedemos como no método de Euler para encontrar a
estimativa para 𝑦(𝑡1 ), ou seja, construímos a reta tangente em 𝑡0 e obtemos:
𝑦(𝑡1 ) ≈ 𝑦1 ≡ 𝑦(𝑡0 ) + 𝑦 ′ (𝑡0 )(𝑡1 − 𝑡0 ) = 𝑦0 + 𝑓(𝑡0 , 𝑦0 )h
já no segundo passo, para obter uma aproximação de 𝑦(𝑡2 ), gostaríamos de utilizar a reta
tangente em 𝑡1 .
Cuja expressão é:
𝑟1 (𝑡) = 𝑦(𝑡1 ) + 𝑦 ′ (𝑡1 )(𝑡 − 𝑡1 ) = 𝑦(𝑡1 ) + 𝑓(𝑡1 , 𝑦(𝑡1 ))(𝑡 − 𝑡1 ).
Contudo não sabemos o valor exato de 𝑦(𝑡1 ) e, portanto não podemos construir
a reta 𝑟1. Dessa forma aproximamos a reta tangente pela reta
𝑟̅ (𝑡) = 𝑦1 + 𝑓(𝑡1 , 𝑦1 )(𝑡 − 𝑡1 ),
que é obtida pela substituição de 𝑦(𝑡1 ) pela aproximação 𝑦1 no primeiro passo. Suprindo o
valor de 𝑡 por 𝑡2 nessa expressão, obtemos
𝑦(𝑡𝑖+1 ) ≈ 𝑦𝑖+1 ≡ 𝑦𝑖 + 𝑓(𝑡𝑖 , 𝑦𝑖 )h
fazemos isso até encontrarmos uma aproximação para 𝑦(𝑡𝑓 ).
Podemos perceber que este valor está mais próximo do valor exato 19,028 do
que estava o valor encontrado pelo método de Euler com um único passo, que era de 14. A
Figura 4.3 ilustra o método de passo múltiplo.

4.2 Aproximação numérica de Euler, com passo múltiplo

Em linhas gerais, quando não sabemos o valor 𝜙(𝑡1 ) da solução em 𝑡1 , podemos

então obter o valor aproximado em 𝑦1 . E assim construiremos a reta que contém (𝑡1 , 𝑦1 ) com
coeficiente angular 𝑓(𝑡1 , 𝑦1 ), assim como fizemos no exemplo anterior.
𝑦 = 𝑦1 + 𝑓(𝑡1 , 𝑦1 )(𝑡 − 𝑡1 ) (4.12)
 46

Para aproximar o valor de 𝜙(𝑡) em um ponto próximo 𝑡2 , usamos a equação

(4.12), obtendo.
𝑦2 = 𝑦1 + 𝑓(𝑡1 , 𝑦1 )(𝑡2 − 𝑡1 ) (4.13)
Deste modo, usamos o valor obtido a cada passo do cálculo de 𝑦 para determinar
o coeficiente angular para o próximo passo. Usando a expressão geral para a reta tangente
começando em (𝑡𝑖 , 𝑦𝑖 )
𝑦 = 𝑦𝑖 + 𝑓(𝑡𝑖 , 𝑦𝑖 )(𝑡 − 𝑡𝑖 ) (4.14)
então, o valor aproximado 𝑦𝑖+1 em 𝑡𝑖+1 em termos de 𝑡𝑖 , 𝑡𝑖+1 e 𝑦𝑖 é
𝑦𝑖+1 = 𝑦𝑖 + 𝑓(𝑡𝑖 , 𝑦𝑖 )(𝑡𝑖+1 − 𝑡𝑖 ), 𝑖 = 0,1,2, … , 𝑛 − 1 (4.15)
se usarmos a notação 𝑓𝑖 = 𝑓(𝑡𝑖 , 𝑦𝑖 ), podemos escrever a equação (4.15) como
𝑦𝑖+1 = 𝑦𝑖 + 𝑓(𝑡𝑖 , 𝑦𝑖 )(𝑡𝑖+1 − 𝑡𝑖 ), 𝑖 = 0,1,2, … , 𝑛 − 1 (4.16)
suponha-se que o tamanho do passo ℎ é constante entre os pontos 𝑡0 , 𝑡1 , 𝑡2 , … , 𝑡𝑛 então
𝑡𝑛+1 = 𝑡𝑛 + ℎ para cada 𝑛 e obteríamos a fórmula de Euler na forma
𝑦𝑖+1 = 𝑦𝑖 + 𝑓𝑖 ℎ, 𝑖 = 0,1,2, … , 𝑛 − 1 (4.17)
Para usar o método de Euler, basta calcular a equação (4.17) ou a equação (4.16)
repetidamente, dependendo se o tamanho do passo é constante ou não, usando o resultado de
cada passo para executar o próximo passo. Assim gera uma lista de valores 𝑦1 , 𝑦2 , 𝑦3, … , 𝑦𝑛
que aproximam valores da solução 𝜙(𝑡) nos pontos 𝑡1 , 𝑡2 , 𝑡3 , … , 𝑡𝑛 . Se for uma função, em
vez de uma lista de pontos, para aproximar a solução 𝜙(𝑡), pode se usar a função linear por
partes, construída da coleção de segmentos de retas tangentes. Ou seja, 𝑦 é dada no intervalo
[𝑡0 , 𝑡1 ] pela equação (4.14) com 𝑖 = 0, 𝑦 é dada no intervalo [𝑡1 , 𝑡2 ] pela equação (4.14),
com 𝑖 = 1, e assim por diante. Vejamos o exemplo método de Euler com múltiplos passos,
no exemplo que segue.

Exemplo 4.2.2

Considere o problema de valor inicial

𝑑𝑦 1
= 3 − 2𝑡 − 𝑦, 𝑦(0) = 1
𝑑𝑡 2
Use o método de Euler com passos de tamanho ℎ = 0,2 para encontrar valores
aproximados da solução da equação em 𝑡 = 0,2; 0,4; 0,6; 0,8 e 1. Compare-os com os
valores correspondentes da solução exata do problema de valor inicial.
 47

Notemos que a equação diferencial é linear, de modo que pode ser resolvida de
𝑡
maneira analítica, usando o fator integrante 𝑒 2 . A solução resultante do problema do valor
inicial é
𝑡
𝑦 = 𝜙(𝑡) = 14 − 4𝑡 − 13𝑒 −2
Para aproximar essa solução pelo método de Euler, notemos que nesse caso,
𝑦
𝑓(𝑡, 𝑦) = 3 − 2𝑡 −
2
usando os valores iniciais 𝑡0 = 0 e 𝑦0 = 1, encontramos então,
𝑓0 = 𝑓(𝑡0 , 𝑦0 ) = 𝑓(0,1) = 3 − 0 − 0,5 = 2,5
com a equação de aproximação pela reta tangente
𝑦 = 𝑦0 + 𝑓(𝑡0 , 𝑦0 )(𝑡 − 𝑡0 )
𝑦 = 1 + 2,5 (𝑡 − 0) = 1 + 2,5𝑡
a aproximação perto de 𝑡 = 0,2 é
𝑦1 = 1 + (2,5)(0,2) = 1,5
então, pela aproximação pela reta tangente perto de 𝑡 = 0,2 é
1,5
𝑓(𝑡1 , 𝑦1 ) = 3 − (2 ∙ 0,2) − = 1,85
2
𝑦 = 1.5 + 1,85(𝑡 − 0,2) = 1,13 + 1,85𝑡
calculando a expressão para 𝑡 = 0,4
𝑦2 = 1,13 + 1,85(0,4) = 1,87
e para construir a Tabela 4.2, repetimos esse processo mais três vezes.

TABELA 4.2: Comparação de resultados do Exemplo 4.2.2

𝒕 Exata Euler com 𝒉 = 𝟎, 𝟐 Equação da Reta de
Aproximação
𝟎, 𝟎 1,00000 1,00000 𝑦 = 1 + 2,5𝑡
𝟎, 𝟐 1,43711 1,50000 𝑦 = 1,13 + 1,85𝑡
𝟎, 𝟒 1,75650 1,87000 𝑦 = 1,364 + 1,265𝑡
𝟎, 𝟔 1,96936 2,12300 𝑦 = 1,6799 + 0,7385𝑡
𝟎, 𝟖 2,08584 2,27070 𝑦 = 2,05898 + 0,26465𝑡
𝟏, 𝟎 2,11510 2,32363
 48

Os valores de 𝑡 na primeira coluna aumentam de acordo como o tamanho do

passo ℎ = 0,2. Na segunda coluna contém solução dos problemas de valor inicial, correto
com até cinco casas decimais. Na terceira coluna mostra valores correspondentes a 𝑦,
calculados através da fórmula de Euler, e na quarta coluna temos as aproximações dadas pela
reta de acordo com a equação:
𝑦 = 𝑦𝑛 + 𝑓(𝑡𝑛 , 𝑦𝑛 )(𝑡 − 𝑡𝑛 )
Nota-se que a discrepância na aproximação deste exemplo é grande, por
exemplo, em 𝑡 = 1 o erro na aproximação é 2,32363 − 2,11510 = 0,20853. E o erro
relativo, obtido por essa estimativa foi de 48,45%. O que nos mostra que embora tenhamos
realizados vários passos, o método de Euler para este exemplo, não foi o mais adequado,
uma vez que o erro foi grande. Vejamos a função que descreve o exemplo na Figura 4.4

𝑡
FIGURA 4.4: Aproximação da função 𝜙(𝑡) = 14 − 4𝑡 − 13𝑒 −2 por sua reta tangente, obtido através do
software Matlab®.

Como podemos perceber, com o método de Euler buscamos aproximar

a imagem de uma função baseando-se na aproximação da reta na função. Em uma
linguagem bem simples, sob certo nível de zoom, quanto mais seu gráfico assemelhar-se a
uma reta, melhor será a precisão da aproximação. Essa reta é justamente a reta tangente da
função naquele ponto específico. No entanto, esta equação específica, como podemos
visualizar, não se assemelha à uma reta, dificultando assim uma melhor aproximação.
 49

Exemplo 4.2.2

Usaremos o método de Euler, com ℎ = 0,1 para construção de uma tabela com

os valores aproximados para a solução do problema de valor inicial.

𝑦 ′ = 𝑥 + 𝑦, 𝑦(0) = 1

como ℎ = 0.1, 𝑥0 = 0, 𝑦0 = 1 e 𝑓(𝑥, 𝑦) = 𝑥 + 𝑦. De modo que temos

𝑦1 = 𝑦0 + ℎ𝑓(𝑥0 , 𝑦0 ) = 1 + 0,1(0 + 1) = 1,1
𝑦2 = 𝑦1 + ℎ𝑓(𝑥1 , 𝑦1 ) = 1,1 + 0,1(0,1 + 1,1) = 1,22
𝑦3 = 𝑦2 + ℎ𝑓(𝑥2 , 𝑦2 ) = 1,22 + 0,1(0,2 + 1,22) = 1,362
𝑦4 = 𝑦3 + ℎ𝑓(𝑥3 , 𝑦3 ) = 1,362 + 0,1(0,3 + 1,362) = 1,5282
𝑦5 = 𝑦4 + ℎ𝑓(𝑥4 , 𝑦4 ) = 1,5282 + 0,1(0,4 + 1,5282) = 1,721020

construindo a Tabela 4.3 temos:

TABELA 4.3: Valores aproximados para o PVI Exemplo 4.2.2

𝒏 𝒙𝒏 𝒚𝒏
𝟏 0,1 1,1
𝟐 0,2 1,22
𝟑 0,3 1,362
𝟒 0,4 1,5282
𝟓 0,5 1,721020

Exemplo 4.2.3

Usaremos o método de Euler para resolver a EDO

𝑑𝑦
= −1,2𝑦 + 7𝑒 −0,3𝑥
𝑑𝑥
para 𝑥𝑓 = 2,5 com a condição inicial 𝑦(0) = 3.
Resolvendo o problema usando ℎ = 0,5 e comparando os resultados com a
solução exata (analítica)
70 −0,3x 43 −1,2𝑥
𝑦= 𝑒 − 𝑒 .
9 9
 50

solução com o método de Euler com passo múltiplo

O primeiro ponto da solução é (0,3) que corresponde à condição inicial. No
primeiro ponto, 𝑛 = 1. Os valores de 𝑥 e 𝑦 são 𝑥1 = 0 e 𝑦1 = 3.
o restante da solução é determinado usando a equação
𝑥𝑛+1 = 𝑥𝑛 + ℎ = 𝑥𝑛 + 0,5 (4.18)
no presente problema, essas equações têm a forma
𝑦𝑛+1 = 𝑦𝑛 + 𝑓𝑛 (𝑥𝑛 , 𝑦𝑛 )ℎ = 𝑦𝑛 + (−1,2𝑦𝑛 + 7𝑒 −0,3𝑥𝑛 )0,5 (4.19)
as equação (4.18) e (4.19) são aplicadas cinco vezes, com n = 1, 2, 3, 4, e 5.
No primeiro passo, n = 1. Substituindo valores nas equações (4.18) e (4.19),
temos
𝑥2 = 𝑥1 + 0,5
𝑥2 = 0 + 0,5 = 0,5
𝑦2 = 𝑦1 + (−1,2𝑦1 + 7𝑒 −0,3𝑥1 )0,5
𝑦2 = 3 + (−1,2 ∙ 3 + 7𝑒 −0,3∙0 )0,5 = 4,7
o segundo ponto é (0,5; 4,7).
No segundo passo, para n = 2
𝑥3 = 𝑥2 + 0,5
𝑥3 = 0,5 + 0,5 = 1,0
𝑦3 = 𝑦2 + (−1,2𝑦2 + 7𝑒 −0,3𝑥2 )0,5
𝑦3 = 4,7 + (−1,2 ∙ 4,7 + 7𝑒 −0,3∙0,5 )0,5 = 4,893
o terceiro ponto é (1,0; 4,893).
No terceiro passo, para n = 3
𝑥4 = 𝑥3 + 0,5
𝑥4 = 1,0 + 0,5 = 1,5
𝑦4 = 𝑦3 + (−1,2𝑦3 + 7𝑒 −0,3𝑥3 )0,5
𝑦3 = 4,893 + (−1,2 ∙ 4,893 + 7𝑒 −0,3∙1 )0,5 = 4,550
o quarto ponto é (1,5; 4,550).
No quarto passo, para n = 4
𝑥4 = 𝑥3 + 0,5
𝑥4 = 1,5 + 0,5 = 2,0
𝑦5 = 𝑦4 + (−1,2𝑦4 + 7𝑒 −0,3𝑥4 )0,5
𝑦3 = 4,550 + (−1,2 ∙ 4,550 + 7𝑒 −0,3∙1.5 )0,5 = 4,052
o quinto ponto é (2,0; 4,052).
 51

No quinto passo, para n = 5

𝑥5 = 𝑥4 + 0,5
𝑥4 = 2,0 + 0,5 = 2,5
𝑦5 = 𝑦4 + (−1,2𝑦4 + 7𝑒 −0,3𝑥4 )0,5
𝑦3 = 4,052 + (−1,2 ∙ 4,052 + 7𝑒 −0,3∙2,0 )0,5 = 3,542
o sexto ponto é (2,5; 3,542).
Os valores das soluções exata e numérica, e o erro, que é a diferença entre as
duas, estão representadas na Tabela 4.4.

TABELA 4.4: Comparação de resultados do Exemplo 4.2.3

n 𝟏 𝟐 𝟑 𝟒 𝟓 𝟔

𝒙𝒏 0,0 0,5 1,0 1,5 2,0 2,5

𝒚𝒏 (𝒏𝒖𝒎é𝒓𝒊𝒄𝒂) 3,0 4,70 4,893 4,55 4,052 3,542
𝒚𝒏 (exata) 3,0 4,072 4,323 4,170 3,835 3,436
Erro de Aproximação 0,0 0,6277 0,57 0,3803 0,217 0,106
Erro relativo 0,0 0,1336 0,1164 0,0835 0,0535 0,0299

Podemos observar que neste caso, de acordo com o número de passos, o erro
relativo foi diminuindo, e que já no primeiro passo o erro é de 13,36%, ou seja, a
aproximação foi 86,64%, que nos mostra o quanto eficaz é o método de Euler para uma
aproximação simples e rápida. Vale ressaltar que esta aproximação foi feita com o auxílio de
papel e caneta, sem o uso de métodos numéricos computacionais, veja que no quinto passo o
erro relativo foi de aproximadamente 3%, e a aproximação foi de 97%.
 52

CONSIDERAÇÕES FINAIS

O conhecimento matemático produz uma expansão positivamente rigorosa da

consciência, nos permitindo observar com mais clareza as relações que se estabelece entre o
homem e a natureza. Esta relação pode ser constituída cada vez melhor, graças a modelos,
técnicas e metodologias sem dúvida interdisciplinares, onde é fundamental o papel da
Matemática aplicada.
As equações diferenciais podem ser obtidas a partir da modelagem, estas
permeiam todos os ramos das ciências dentre eles: o campo das ciências físicas, biológicas,
matemáticas, químicas, aplicações financeiras, ciências sociais, engenharia e do meio
ambiente. Historicamente, a evolução do ramo da matemática no qual se insere o estudo das
equações diferenciais aconteceu em paralelo com o desenvolvimento das demais ciências,
funcionando como ferramenta essencial.
Deve-se ter em mente que a modelagem de um sistema em um conjunto de
equações diferenciais fornece, quase sempre, uma descrição aproximada e simplificada do
processo real. Desse modo, a modelagem através de equações diferenciais fornece uma
ferramenta poderosa para acessarmos o comportamento geral de vários tipos de sistemas. O
objetivo da modelagem é encontrar a taxa de variação com o tempo das grandezas que
caracterizam o problema, ou seja, a dinâmica temporal do sistema de interesse. Resolvendo a
equação diferencial ou sistema de equações diferenciais que caracterizam determinado
processo, podem-se extrair informações relevantes sobre os mesmos e, possivelmente,
prever o seu comportamento.
Tendo em vista o objetivo da modelagem, este apresentou um capítulo dedicado
à derivada cuja interpretação como taxa de variação, se faz fundamental. Abordamos esse
principal conceito do Cálculo Integral e Diferencial, pois nos fornece um poderoso recurso
para o estudo dos comportamentos das funções, consequentemente das equações
diferenciais, em especial as Equações Diferenciais Ordinárias (EDO).
Há variados métodos para resolução analítica de uma EDO, no entanto, nem
sempre é possível obter uma solução analítica. Entretanto, nem sempre é suficiente prever o
comportamento de uma EDO. Conforme vimos, esta equação descreve um modelo, e através
dele necessitamos extrair informações relevantes e até mesmo prever possíveis
comportamentos das grandezas a ela relacionados. E o objetivo deste é utilizar o Método
Numérico de Euler, também conhecido por Método da Reta Tangente ou Método do Passo
 53

Simples, como instrumento para encontrar uma solução aproximada de EDO de primeira
ordem.
Para tanto, fez-se necessário enunciar e estabelecer os conceitos básicos de
derivada, séries de potência, séries de Taylor e polinômio de Taylor. Delinear os princípios
de EDO, classificando-as quanto ao tipo, ordem, além das soluções e problemas de valor
inicial. Estes conceitos se entrelaçam, e foi possível perceber que para resolver
analiticamente uma EDO recorremos aos preceitos da derivada. O método de Euler valer-se
de reta tangente para aproximação dos valores; ressaltamos que a reta tangente é a derivada
aplicada ao ponto. Ao passo que também podemos perceber que o método do Passo Simples
pode ser visto como a Série de Taylor com os dois primeiros termos.
Neste trabalho descrevemos que Polinômio de Taylor é uma expressão que
permite o cálculo do valor de uma função por aproximação local através de uma função
polinomial, que também as Equações Diferenciais Ordinárias podem ser usadas
frequentemente para descrever processos nos quais a mudança de uma medida ou dimensão
é causada pelo próprio processo.
Tendo em vista, o objetivo principal do trabalho, o estudo do método de Euler
para obter uma solução aproximada de uma EDO de primeira ordem, pude concluir que o
método mostrou-se eficaz na resolução numérica de Equações Diferenciais Ordinárias que
requerem agilidade, e que também exigem pouca estrutura de processamento de dados em
computadores para a resolução, atenuando o custo de uma pesquisa. Vale ressaltar, que o
uso das EDOs são imensamente aplicáveis à pesquisas para os mais diversos campos do
conhecimento. Para tanto, o Método de Euler contribui de maneira relevante as pesquisas,
como por exemplo, pesquisas exploratórias que não requerem grande precisão, pois
permitem uma margem de erro, ainda que pequena. No entanto, vimos que para algumas
equações o método de Euler precisa de um tamanho de passo muito pequeno para se obter
resultados suficientemente precisos, fazendo-se necessário uso de outros métodos
numéricos.
Para tanto, existem ainda outros métodos para solução de equações diferenciais
ordinárias, tais como método de Euler modificado, método de Runge-Kutta, método do
ponto central, método do multipasso, etc. Inclusive, objetos para futuros estudos e
respondendo aos objetivos postos na Introdução. Lembrando que a todo o momento surgem
novas tecnologias e a forma de abordar os problemas pode mudar, mas a análise
complementar de tratar os conceitos, os objetos por meio de suas representações ou
intensões continuarão evidentes e necessárias.
 54

REFERÊNCIAS BIBLIOGRÁFICAS

[1] BARATTO. G. Soluções de Equações Diferenciais Ordinárias Usando

Métodos Numéricos. Santa Maria: 2007.

[2] BOYCE, W. ; DIPRIMA, R. Equações Diferenciais Elementares e Problemas

de Valores de Contorno, 9ª edição, Rio de Janeiro: LTC, 2011.

[3] BOYER, C. B. História da Matemática, 2ª edição. São Paulo: Revista por Uta
C. Merzbach, 1996.

[4] FRANÇA. S. M. Introdução às Equações Diferenciais Ordinárias no

Contexto das Funções Generalizadas Temperadas de Colombeau. São
Paulo, 2008.

[5] GIL, A. C. Como Elaborar Projetos de Pesquisa. 4ª edição, São Paulo: Atlas,
2002.

[6] GALDINO. A. A Técnica do Super-passo na Resolução Numérica de

Equações Diferenciais Parabólicas, São Paulo: 2006.

[7] GARCIA. M. T. P. Solução Numérica de Equações Diferenciais Ordinárias.

Campo Mourão: 2012.

[8] GUIDORIZZI, H. L. Um Curso de Cálculo, vol.1, 5ª edição, Rio de Janeiro,

2008.

[9] HUMBERTO J. B. Cálculo Diferencial a Várias Variáveis: uma Introdução

à Teoria de Otimização. Coleção Matmídia. Editora PUC Rio

[10] LEITHOLD, LOUIS. O Cálculo com Geometria Analítica, vol. 2, 3ª edição,

São Paulo: HARBRA, 1994.
[11] LOPES. P. Sobre Desenvolvimentos em Séries de Potências, Séries de
Taylor e Fórmula de Taylor. São Paulo: 2006.

[12] RIZZINI, I.; CASTRO, M. R. de; SARTOR, C. D. Pesquisando… Guia de

Metodologias de Pesquisa para Programas Sociais. Rio de Janeiro: USU,
1999.

[13] SANTOS. W. G. M. Aproximação por Funções Polinomiais (Polinômios de

Taylor). Belo Horizonte: 2006

[14] SARTORI. L. M. Métodos para Resolução de EDO Resultando de Modelos

Químicos Atmosféricos. São Paulo: 2014.

[15] SOTOMAYOR, J. Lições de Equações Diferenciais Ordinárias, Rio de

Janeiro: Instituto de Matemática Pura e Aplicada, 1979.
 55

[16] STEWART, James. Cálculo, volume II, 4ª edição. São Paulo: Pioneira
Thompson Learning, 2002.

[17] ZILL, D. G.; CULLEN, M. R. Equações Diferenciais, vol. 1. São Paulo:

Makron Books, 2001.
 56

ANEXO 1

FIGURA 5.1: Print Screen da tela inicial do programa MatLab®, versão 2014a.
 57

ANEXO 2

Para resolver no Matlab® a EDO dada no exemplo 4.1.1, escreve-se uma função
chamada edoEuler. Essa função resolve problemas de valor inicial de primeira ordem
usando o método de Euler. Em seguida, escreve-se um programa que usa essa função para
resolver o problema proposto.
Fuction[x,y]=edoEULER(EDO,a,b,h,yINI)
% edoEULER resolve uma EDO de primeira ordem com valor inicial usando o
% método explícito de Euler.
% Variáveis de entrada:
% EDO Nome (String) de uma função em arquivo que calcula dy/dx
%a Primeiro valor de x.
%b Último valor de x.
%h Passo de integração.
% yINI Valor da solução y no primeiro ponto (valor inicial).
% Variáveis de saída:
% x Vetor com coordenada x dos pontos da solução.
% y Vetor com a coordenada y dos pontos da solução.
X(1)=a; y(1)=yINI;
N=(b-a)/h;
For i=1:N
X(i+1)=x(i)+h;
Y(i+1)=y(i)+feval(EDO,x(i),y(i))*h;
End

O Programa a seguir usa a função edoEULER para resolver EDO usando o

método de Euler. O programa também traça um gráfico com as soluções numérica e exata.
Clear all
a=1; b=2;h=0.25;yINI=1
[x,y]=edoEULER(“Exemplo411EDO,a,b,h,yINI);
xp+a:0.1:b
yp=exp(-xp);
plot(x,y,’—r’,xp,yp)
xlabel(‘x’);ylabel(‘y’)
 58

A função “Exemplo411”, digitada como o primeiro argumento da função

edoEULER, calcula o valor de dy/dx.
function dydx=Exemplo411EDO(x,y)
dydx=-y;