Escolar Documentos
Profissional Documentos
Cultura Documentos
Enunciado
1
3.4. Verifique que A−1 = (x1 x2 x3 ).
4. Considere a matriz simétrica definida positiva
4 2 2
B = 2 2 2 .
2 2 3
4.1. Determine a decomposição de Choleski da matriz B.
4.2. Designando por l11 , l22 , l33 os elementos da diagonal da matriz L obtida
pela alı́nea anterior, verifique que o determinante da matriz B, det B,
é dado por
2 2 2
det B = l11 · l22 · l33 .
4.3. Resolva o sistema
2
Bx = 0 .
−1
4.4. Recordando as alı́neas 3.3 e 3.4 do exercı́cio anterior, determine de um
modo eficiente a inversa da matriz B.
5. Prove que para todo o x ∈ Rn ,
kxk1 ≥ kxk2 ≥ kxk∞ .
2
define um polinómio de grau menor ou igual a n interpolador da função f
nos nós x0 , x1 , · · · , xn .
Começando por definir polinómios Li , i = 0, 1, · · · , n, de grau n tais que
½
1, i = j
Li (xj ) = ,
0, i 6= j
e o polinómio
pn (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + · · · + f (xn )Ln (x),
x f (x)
−2 6
−1 2
0 −1
1 y
x C(x)
0.0 0.50000
0.2 0.49944
0.4 0.49778
0.6 0.49504
0.8 0.49122
1.0 0.48639
3
10. Considere a função
f (x) = ln(x), x > 0.
g(x) = ex , x ∈ R.
x g(x)
1.1 3.0042
1.2 3.3201
1.3 3.6693
1.4 4.0552
1.5 4.4817
1.6 4.9530
4
13. Suponha que pretende interpolar a função definida por
f (x) = cos 2x
no intervalo [0, π] por uma função spline cúbica completa, em nós equidis-
tantes.
Qual a distância que deve ser escolhida entre os nós para que o erro de
interpolação não exceda 10−4 ?
5
Teste Formativo II
Exemplo de resolução
2.
6
permite a simplificação referida do algoritmo do método de eliminação
de Gauss. Veremos como.
Consideremos a matriz ampliada do sistema:
1 2 1 −1 1
2 13 5 1 −1
.
1 5 6 2 4
−1 1 2 4 1
Tomando os multiplicadores
a21
m21 = a11
= 2,
a31
m31 = a11
= 1,
m41 = −1,
os novos elementos da segunda linha da matriz ampliada são:
(1)
a22 = a22 − m21 a12 = 9,
(1)
a23 = a23 − m21 a13 = 3,
(1)
a24 = a24 − m21 a14 = 3,
(1)
b2 = b2 − m21 b1 = −3.
Para se determinarem os novos elementos das terceira e quarta linhas
ter-se-iam que calcular os coeficientes,
(1) (1) (1) (1)
a32 , a33 , a34 (b3 ),
(1) (1) (1) (1)
a42 , a43 , a44 (b4 );
no entanto, é aqui que a simetria da matriz A permite a primeira
simplificação. Como referimos, sendo simétrica a matriz que resulta
da intersecção das últimas 4 − 1 = 3 linhas e 3 colunas da matriz que
se obtém de A no final do primeiro passo, i.e.,
(1) (1) (1)
a22 a23 a24
(1) (1) (1)
a32 a33 a34 ,
(1) (1) (1)
a42 a43 a44
tem-se, por definição de matriz simétrica, que
(1) (1)
a32 = a23 = 3,
(1) (1)
a42 = a24 = 3.
Logo, restam-nos determinar os coeficientes,
(1)
a33 ,
(1) (1)
a34 = a43 ,
(1)
a44 ,
(1) (1)
b3 , b 4 .
7
São eles,
(1)
a33 = a33 − m31 a13 = 5,
(1) (1)
a34 = a34 − m31 a14 = 3 = a43 ,
(1)
a44 = a44 − m41 a14 = 3,
(1)
b3 = b3 − m31 b1 = 3
(1)
b4 = b4 − m41 b1 = 2.
No final do primeiro passo obtém-se então a matriz,
1 2 1 −1 1
0 9 3 3 −3
.
0 3 5 3 3
0 3 3 3 2
Vejamos agora o segundo passo de eliminação. Como o bloco que
resulta da intersecção das últimas 4 − 2 = 2 linhas e 2 colunas da
matriz que se obtém de A no final do segundo passo é simétrica,
à !
(2) (2)
a33 a34
(2) (2) ,
a43 a44
para o termo do segundo passo, bastará calcular os coeficientes seguin-
tes:
(2)
a33 ,
(2) (2)
a34 = a43 ,
(2)
a44 ,
(2) (2)
b3 , b 4 .
Tomando os multiplicadores,
(1)
a32
m32 = (1) = 13 ,
a22
(1)
a42
m42 = (1) = 13 ,
a22
tem-se então
(2) (1) (1)
a33 = a33 − m32 a23 = 4,
(2) (1) (1) (2)
a34 = a34 − m32 a24 = 2 = a43 ,
(2) (1) (1)
a44 = a44 − m42 a24 = 2,
(2) (1) (1)
b3 = b3 − m32 b2 = 4
(2) (1) (1)
b4 = b4 − m42 b2 = 3.
Obtém-se no final deste passo a matriz
1 2 1 −1 1
0 9 3 3 −3
.
0 0 4 2 4
0 0 2 2 3
8
Para o terceiro e último passo, toma-se o multiplicador
(2)
a43 1
m43 = (2)
= ,
a33 2
s4 = 1,
4−2
s3 = 4
= 21 ,
−3−3−3/2
s2 = 9
= − 56 ,
s1 = 1 + 1 − 12 + 2 × 56 = 19
6
,
O algoritmo 3.5 só se pode aplicar quando não há necessidade de se efec-
tuarem trocas de linhas para garantir a estabilidade do método. Mais
precisamente, quando em cada passo de eliminação não há lugar a trocas
de linhas para escolher um pivot que assegure que todos os multiplica-
dores são em valor absoluto inferiores ou iguais a 1.
9
colunas são matrizes tridiagonais. Este facto origina um algoritmo
mais eficiente, Algoritmo 3.6. Vejamos como.
Consideremos a matriz ampliada do sistema,
1 1 0 0 1
1 2 1 0 2
0 1 2 1 0 .
0 0 1 2 1
0 0 1 2 1
Observe como nesta matriz o bloco resultante da intersecção das últi-
mas 4 − 1 = 3 linhas e 3 colunas é uma matriz tridiagonal.
Para o segundo passo toma-se o multiplicador
l3 (1) 1
m2 = (1)
= = 1,
d2 1
sendo os novos coeficientes,
(2) (1) (1)
d3 = d3 − m2 u2 = 2 − 1 × 1 = 1,
(2) (1) (1)
b3 = b3 − m2 b2 = 0 − 1 × 1 = −1.
Obtém-se no final deste passo a matriz
1 1 0 0 1
0 1 1 0 1
.
0 0 1 1 −1
0 0 1 2 1
10
Para o terceiro e último passo, tem-se o multiplicador
l4 (2) 1
m3 = = = 1,
d3 (2) 1
como se pretendia.
O algoritmo 3.6 só se pode aplicar quando não há necessidade de se efec-
tuarem trocas de linhas para garantir a estabilidade do método. Mais
precisamente, quando em cada passo de eliminação não há lugar a trocas
de linhas para escolher um pivot que assegure que todos os multiplica-
dores são em valor absoluto inferiores ou iguais a 1.
3.
u11 = a11 = 1,
u12 = a12 = 2,
u13 = a13 = 1.
11
Calculemos agora a primeira coluna da matriz L:
a21
l21 = u11
= 2,
a31
l31 = u11
= 1.
Donde,
100
L = 2 1 0
121
e
121
U = 0 1 2 .
001
3.2. Sendo o determinante da matriz produto LU (= A) igual ao produto
dos determinantes das matrizes L e U , tem-se
LU x1 = (1 0 0)T .
12
Assim, escrevendo
(3.2) U x 1 = y1 ,
tem-se que
onde
y11
y1 = y21 ,
y31
por substituição directa obtém-se
y11 = 1,
y21 = −2,
y31 = 3.
x31 = 3
x21 = −8
x11 = 14.
13
Fica assim concluida a resolução do primeiro sistema dado. Relati-
vamente aos outros dois, o raciocı́nio a seguir é exactamente igual.
Obter-se-á no final,
−8 3
x2 = 5 , x3 = −2 .
−2 1
4.
14
Por último, o elemento da terceira coluna é dado por
v
u
u X2 q
2 2 2
l33 = a33 −
t l3k = a33 − l31 − l32 = 1.
k=1
Donde,
2 0 0
L = 1 1 0 .
1 1 1
4.2. Atendendo a que o determinante da matriz transposta de uma matriz
quadrada C é igual ao determinante da própria matriz C, e aos as-
pectos sobre determinantes de matrizes oportunamente recordados na
alı́nea 3.2, tem-se que
Escrevendo
(4.1) LT x = y,
tem-se que
2
(4.2) Ly = 0 ;
−1
15
Designando por
x1 y1
x = x2 , y = y2 ,
x3 y3
obtém-se para o sistema (4.2) a solução,
y1 = 1,
y2 = −1
y3 = −1;
e para o sistema (4.1),
x3 = −1,
x2 = 0
x1 = 1.
Conclusão,
1
x= 0
−1
é a solução pretendida.
4.4. Com as devidas adaptações, a resolução deste exercı́cio é inteiramente
análoga à das alı́neas 3.3 e 3.4. Também aqui se pretende resolver cada
um dos sistemas,
Bx1 = (1 0 0)T , Bx2 = (0 1 0)T , Bx3 = (0 0 1)T ,
para se concluir, posteriormente, que a matriz (x1 x2 x3 ) é a matriz
inversa da matriz B.
Vejamos o primeiro sistema. Sendo B = LLT , por substituição desta
decomposição no sistema Bx1 = (1 0 0)T obtém-se
LLT x1 = (1 0 0)T .
A resolução deste sistema é então equivalente à resolução de um pri-
meiro sistema por substituição directa:
(4.3) Ly1 = (1 0 0)T ,
(para determinar y1 ), seguida da resolução de um segundo sistema por
substituição inversa para determinar x1 :
(4.4) L T x1 = y 1 .
Notando por
x11 y11
x1 = x21 , y1 = y21 ,
x31 y31
16
obtém-se para o sistema (4.3) a solução
y11 = 21 ,
y21 = − 12 ,
y31 = 0;
e para o segundo, (4.4), a solução
x31 = 0,
x21 = − 12 ,
x11 = 21 .
Assim, 1
x11 2
x1 = x21 = − 21 .
x31 0
A resolução dos restantes dois sistemas,
Bx2 = (0 1 0)T , Bx3 = (0 0 1)T ,
faz-se de modo inteiramente análogo. Obter-se-á,
1
−2 0
x2 = 2 , x3 = −1 .
−1 1
17
5. Comecemos por provar que kxk1 ≥ kxk2 . Seja
x1
x2
x = .. .
.
xn
Tem-se
= kxk2∞ .
Calculemos A−1 .
1 −1 0 1 0 0
−1 2 1 0 1 0 →
0 1 1.01 0 0 1
1 −1 0 1 0 0
→ 0 1 1 1 1 0 →
0 1 1.01 0 0 1
18
1 −1 0 1 0 0
→ 0 1 1 1 1 0 →
0 0 0.01 −1 −1 1
1 −1 0 1 0 0
→ 0 1 1 1 1 0 . →
0 0 1 −100 −100 100
1 −1 0 1 0 0
→ 0 1 0 101 101 −100 →
0 0 1 −100 −100 100
1 0 0 102 101 −100
→ 0 1 0 101 101 −100
0 0 1 −100 −100 100
Donde
102 101 −100
A−1 = 101 101 −100
−100 −100 100
e
Assim
cond(A) = 4 × 303 = 1212.
Como o número de condição da matriz A é grande o problema de resolução
de um sistema de equações tendo A como matriz dos coeficientes é mal
condicionado.
(7.1) pn (x) = f (x0 )L0 (x) + f (x1 )L1 (x) + · · · + f (xn )Ln (x),
19
para cada j = 0, 1, · · · , n; ou seja, e por definição, pn é um polinómio
interpolador da função f nos n + 1 nós distintos, x0 , x1 , · · · , xn ∈ [a, b].
Tendo cada polinómio Li n zeros, xj , j = 0, 1, · · · , n, j 6= i, Li é necessari-
amente da forma
n
Y
(7.2) Li (x) = K (x − xj ),
j=0
j6=i
Assim, como
Q por hipótese os pontos x0 , x1 , · · · , xn são distintos (o que con-
duz a que nj=0 (xi −xj ) 6= 0), podemos reescrever (7.3) de modo equivalente:
j6=i
1
K= n .
Y
(xi − xj )
j=0
j6=i
Logo,
n
1 Y
Li (x) = n (x − xj )
Y j=0
(xi − xj ) j6=i
j=0
j6=i
n
Y (x − xj )
= .
j=0
(xi − xj )
j6=i
com n
Y (x − xj )
ai = f (xi ), Li (x) = , i = 0, 1, · · · , n.
j=0
(xi − xj )
j6=i
8.
20
8.1. A tabela de diferenças finitas relativa aos valores dados da função f é
x f (x) ∆ ∆2 ∆3
−2 6
−4
−1 2 1
−3 y+3
0 −1 y+4
y+1
1 y
x f (x) ∆ ∆2 ∆3 ∆4
−2 6
−4
−1 2 1
−3 ∆30 = 0
0 −1 1 ∆40 = 0
−2 ∆31
1 −3 ∆22
∆3
2 f (2)
Assim,
8.3. Nesta alı́nea pretende-se determinar o valor de f num ponto não ta-
belado e não equidistante relativamente aos nós dados. Há então que
recorrer a interpolação polinomial para determinar o valor de f ( 12 ).
Por os valores tabelados para f serem os exactos e f ser um polinómio
de grau 2, qualquer polinómio interpolador de f em quaisquer 3 dos nós
dados coincide com f . Utilizando, por exemplo, a fórmula de Newton
com diferenças descendente e os nós −2, −1, 0, obtém-se o polinómio
s(s − 1) 2 s(s − 1)
p(−2 + s) = f (−2) + s∆0 + ∆0 = 6 − 4s + .
2 2
21
Pelo anteriormente exposto, tem-se então f ( 21 ) = p( 12 ) = p(−2+2.5) =
6 − 10 + 15
8
= − 17
8
.
9.
x C(x) ∆ ∆2 ∆3 ∆4
0.0 0.50000
−0.00056
0.2 0.49944 −0.00110
−0.00166 0.00002
0.4 0.49778 −0.00108 −0.00002
−0.00274 0.00000
0.6 0.49504 −0.00108 0.00007
−0.00382 0.00007
0.8 0.49122 −0.00101
−0.00483
1.0 0.48639
9.2. Uma vez que as diferenças finitas de quarta ordem oscilam em torno
de zero dentro dos limites −23 10−5 e 23 10−5 vamos interpolar a
função por um polinómio de grau três, p3 . Para obter uma estimativa
para C(0.12) escolhemos os nós de interpolação 0.0, 0.2, 0.4 e 0.6.
Tomaremos
C(0.12) ≈ p3 (0.12).
Se x = 0.12 como h = 0.2 e x0 = 0.0 de x = x0 + sh vem s = 0.6.
Assim
0.6(0.6 − 1)
p3 (0.12) = 0.50000 + 0.6 × (−0.00056) + × (−0.00110) +
2
0.6(0.6 − 1)(0.6 − 2)
+ × 0.00002
3!
= 0.4997971.
10.
22
é:
x f (x) ∆ ∆2 ∆3
3.2 1.1632
0.0307
3.3 1.1939 −0.0008
0.0299 −0.0001
3.4 1.2238 −0.0009
0.0290 0.0000
3.5 1.2528 −0.0009
0.0281
3.6 1.2809
10.2. Uma vez que as diferenças finitas de terceira ordem oscilam em torno
de zero dentro dos limites −22 10−4 e 22 10−4 , concluimos que as
diferenças de f nesta tabela se comportam como as diferenças de um
polinómio arredondado de grau 2. Assim, para se obter o valor de
f no ponto não tabelado 3.26, com a maior precisão possı́vel (face à
precisão dos valores tabelados), devemos usar interpolação quadrática.
Para isso aproximamos f por um polinómio de grau 2, p2 , escolhendo
para nós de interpolação 3.2, 3.3 e 3.4. Tomaremos
f (3.26) ≈ p2 (3.26).
0.6(0.6 − 1)
p2 (3.26) = 1.1632 + 0.6 × 0.0307 + × (−0.0008)
2
= 1.181716.
Tem-se então
f (3.26) = ln(3.26) ≈ 1.1817,
com o erro
23
divididas para o polinómio interpolador.
yi xi = f (yi ) [, ] [, , ] [, , , ] [, , , , ] [, , , , , ]
3.0042 1.1
0.3166
3.3201 1.2 −0.0454
0.2864 0.0079
3.6693 1.3 −0.0371 −0.0014
0.2591 0.0059 0.0002
4.0552 1.4 −0.0303 −0.0010
0.2345 0.0043
4.4817 1.5 −0.0248
0.2122
4.9530 1.6
Então,
f (3.26) ≈ p4 (3.26),
em que
Tem-se assim
f (3.26) ≈ 1.1817,
com o erro
24
Verifiquemos que s0 e s00 são contı́nuas em [−1, 1]. s0 é contı́nua em [−1, 0)
e em (0, 1] e tem-se
³3 ´
s0 (0− ) = x2 + 3x = 0,
2 x=0
3 ³ ´
s0 (0+ ) = − x2 + 3x = 0.
2 x=0
x
-1 0 1
seja uma spline cúbica natural tem que se ter, antes de mais, k = 3.
Sendo s um polinómio de grau três em cada intervalo [0, 1/3], [1/3, 1], s, s0 e
s00 são funções contı́nuas em [0, 1/3) e (1/3, 1]. Para garantir a continuidade
de s, s0 , s00 em todo o intervalo [0, 1], há então que garantir que
³ 1 −´ ³1´ ³ 1 +´
(12.1) s =s =s ,
3 3 3
³ 1 −´ ³ 1 +´
(12.2) s0 = s0 ,
3 3
25
³ 1 −´ ³ 1 +´
(12.3) s00 = s00 ,
3 3
o que se traduz, respectivamente, por
³ 1 ´3 d 1 ³ 1 ´3 1
(12.10 ) c + + =b + a( )2 ,
3 3 9 3 3
³ 1 ´2 ³ 1 ´2 1
(12.20 ) 3c + d = 3b + 2a · ,
3 3 3
1 1
(12.30 ) 6c · = 6b · + 2a.
3 3
Para que a função s seja uma spline cúbica natural, há que verificar ainda
ou seja,
s00 (0) = s00 (0+ ) = (6cx)x=0 = 0,
e
26
onde
M4 = max |(cos 2x)(4) |
x∈[0,π]
Donde de
5 4
h × 16 < 10−4 ,
384
isto é,
h4 < 4.8 10−4 ,
vem h < 0.14 . . .
27