Baixe o app para aproveitar ainda mais
Prévia do material em texto
UFV Valentín Mendoza Cálculo Numérico Apresentac¸a˜o Estas notas de aula de Ca´lculo Nume´rico foram escritas no semestre 2013-II quando ministrei esta disciplina para os estudantes da Universidade Federal de Vic¸osa. Em princı´pio foram apresentados em forma de 6 apostilas, cada uma correspondendo a um capı´tulo do conteu´do. Agora sera˜o apresentadas juntas acrescentando os exercı´cios de cada to´pico. O objetivo ao escreveˆ-las e´ proporcionar ao aluno os principais conceitos da ana´lise nume´rica que lhe permitam resolver os problemas que se lhe apresentara˜o no decorrer de sua atividade de trabalho. Tivemos especial interesse em apresentar a deduc¸a˜o dos me´todos, seguindo as ideias gerais nas quais esta´ baseado cada uma das te´cnicas aqui mostradas. Na˜o esta´ demais dizer que toda a tecnologia de nosso tempo esta´ muito ligada ao Ca´lculo Nume´rico. Sem ele seria impossı´vel calcular as probabilidades da distribuic¸a˜o normal, resolver equac¸o˜es de difusa˜o, trabalhar com dinaˆmica de fluidos, governar o movimento de robots, etc. Pois existem modelos de fenoˆmenos fı´sicos, econoˆmicos, biolo´gicos, etc, que sa˜o analı´ticamente insolu´veis, ou cuja soluc¸a˜o e´ ta˜o complicada como para utiliza´-la para fins pra´ticos. Nesses casos o Ca´lculo Nume´rico constitui-se a u´nica ferramenta para aborda´-los e para obter soluc¸o˜es aceita´veis. Por isso, se o aluno sente que a disciplina e´ um pouco entediante quando utiliza a calculadora para realizar contas sobre contas num determinado exercı´cio, deve ser consciente que isso e´ um pequeno prec¸o a pagar pelo conhecimento e a pra´xis que adquirira´ e que, na hora das aplicac¸o˜es, sera˜o inestima´veis. Fico devendo a parte computacional sem a qual a poteˆncia do Ca´lculo Nume´rico na˜o e´ apreciada. Acredito que este trabalho contenha alguns erros, mas estes seriam muitos mais se na˜o fosse pelas correic¸o˜es que alguns dos alunos fizeram ao texto inicial. Gostaria de agradecer a Daniela Abrantes Leal, Beatryz Cardoso Mendes, Gabriel de Rezende Coelho, Franco Luiz Alves e Marcus Vinicius Miranda, que me indicaram alguns erros tipogra´ficos ou de conteu´do, e do monitor Michael Caneshe quem corrigiu muitos dos exercı´cios propostos. Mas a pesar do dedicado esforc¸o deles, escaparam-se algumas coisas que podem ser melhoradas. Por isso, se o leitor tiver comenta´rios, crı´ticas e su- gesto˜es pode encaminha´-las ao email valentin@ufv.br. Serei grato a quem comunicar os erros de qualquer natureza encontrados no texto. Vic¸osa, marc¸o de 2015. J. Valentı´n Mendoza M. 2 Suma´rio 1 Me´todos nume´ricos para a soluc¸a˜o de equac¸o˜es 5 1.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 O Me´todo de Bissec¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3.1 Estimativa do nu´mero de iterac¸o˜es . . . . . . . . . . . . . . . . . . . 8 1.4 Me´todo da Falsa Posic¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.4.1 Erro Absoluto no me´todo da Falsa Posic¸a˜o . . . . . . . . . . . . . . 10 1.4.2 Erro Relativo no me´todo da Falsa Posic¸a˜o . . . . . . . . . . . . . . . 10 1.5 O Me´todo das Aproximac¸o˜es Sucessivas . . . . . . . . . . . . . . . . . . . . 11 1.6 O Me´todo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.6.1 Convergeˆncia do Me´todo de Newton . . . . . . . . . . . . . . . . . 15 1.7 Me´todo da Secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.8 Exercı´cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2 Interpolac¸a˜o Polinomial 22 2.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.3 A Fo´rmula de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.4 A Fo´rmula de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 2.5 Exercı´cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3 Resoluc¸a˜o Nume´rica de Sistemas Lineares 34 3.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.2.1 Sistemas Triangulares Inferiores . . . . . . . . . . . . . . . . . . . . 34 3.2.2 Sistemas Triangulares Superiores . . . . . . . . . . . . . . . . . . . . 35 3.3 Me´todo Direto: Decomposic¸a˜o LU . . . . . . . . . . . . . . . . . . . . . . . 36 3.4 Me´todo Iterativo: O me´todo de Gauss-Seidel . . . . . . . . . . . . . . . . . 41 3.4.1 O Caso Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.4.2 Crite´rios de Convergeˆncia . . . . . . . . . . . . . . . . . . . . . . . . 44 3.4.3 Crite´rio de Parada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.5 Exercı´cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 4 Integrac¸a˜o Nume´rica 49 4.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 4.2.1 Estudo do Erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 4.3 Regra dos Trape´zios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 4.3.1 Limitante superior do erro na Regra do Trape´zio . . . . . . . . . . . 53 4.3.2 Regra do Trape´zio Generalizada . . . . . . . . . . . . . . . . . . . . 54 4.4 Regra 13 de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 4.4.1 Limitante superior para o Erro E2 na regra 1/3 de Simpson . . . . . 57 4.4.2 Regra 1/3 de Simpson Generalizada . . . . . . . . . . . . . . . . . . 60 4.5 Regra 38 de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 4.5.1 Limitante superior para o erro na regra 3/8 de Simpson . . . . . . . 63 4.5.2 Regra 3/8 de Simpson Generalizada . . . . . . . . . . . . . . . . . . 64 4.6 Exercı´cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 3 5 Resoluc¸a˜o Nume´rica de Equac¸o˜es Diferenciais Ordina´rias 69 5.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 5.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 5.3 O Me´todo de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 5.4 Me´todos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 5.4.1 Me´todos de Runge-Kutta de Ordem 2 . . . . . . . . . . . . . . . . . 75 5.4.2 Me´todos de Runge Kutta de Ordem 3 . . . . . . . . . . . . . . . . . 78 5.4.3 O Me´todo de Runge-Kutta de Ordem 4 . . . . . . . . . . . . . . . . 81 5.5 Sistemas de Equac¸o˜es Diferenciais Ordina´rias . . . . . . . . . . . . . . . . . 82 5.5.1 Aplicac¸a˜o a equac¸o˜es diferenciais de segunda ordem . . . . . . . . 84 5.6 Exercı´cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 6 Resoluc¸a˜o Nume´rica de Equac¸o˜es Diferenciais Parciais 90 6.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 6.2 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 6.2.1 Equac¸o˜es Diferenciais Parciais . . . . . . . . . . . . . . . . . . . . . 90 6.2.2 Aproximac¸o˜es da primeira e da segunda derivada . . . . . . . . . . 91 6.3 Equac¸o˜es Parabo´licas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 6.3.1 O modelo de Equac¸a˜o Parabo´lica . . . . . . . . . . . . . . . . . . . . 92 6.3.2 Discretizac¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 6.3.3 Me´todo Explı´cito .. . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 6.3.4 O Me´todo Implı´cito . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 6.3.5 O Me´todo de Crank-Nicolson . . . . . . . . . . . . . . . . . . . . . . 102 6.3.6 Condic¸o˜es de Fronteira de Neumann ou com Derivadas . . . . . . 106 6.4 Equac¸o˜es Elı´pticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 6.4.1 O modelo de Equac¸a˜o Elı´ptica . . . . . . . . . . . . . . . . . . . . . 110 6.5 Equac¸o˜es na˜o lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 6.6 Exercı´cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 4 1 Me´todos nume´ricos para a soluc¸a˜o de equac¸o˜es 1.1 Introduc¸a˜o Muitos problemas em diferentes a´reas de conhecimento reduzem-se a` soluc¸a˜o da equac¸a˜o: f (x) = 0 (1.1) em que f : [a, b]→ R e´ uma func¸a˜o contı´nua. Um valor x¯ que satisfaz f (x¯) = 0 e´ chamado uma raiz ou um zero de f (x). E´ conhecido que se f (x) for um polinoˆmio de grau menor ou igual a 4 existe uma fo´rmula alge´brica para determinar todas as suas raizes; mas se f (x) for um polinoˆmio de grau maior ou igual a 5 ou uma func¸a˜o envolvendo func¸o˜es transcendentais, na˜o existe um me´todo geral que permita encontrar exatamente as raizes da equac¸a˜o f (x) = 0. Exemplo 1.1. A figura abaixo mostra o sol na origem e a terra no ponto (1, 0). Existem 5 pontos de equilibrio, no plano determinado pela o´rbita da terra ao redor do sol, nos quais um sate´lite permanece imo´vil em relac¸a˜o a` terra. Estes pontos sa˜o chamados pontos de Lagrange em honor ao matema´tico franceˆs Joseph Louis Lagrange quem os descobriu estudando o problema restrito dos treˆs corpos. Estes pontos sa˜o obtidos quando as forc¸as (gravitacionais, centrı´petas ) que agem no sate´lite se contrabalancearem. Em dezembro de 2005 o sate´lite de pesquisa solar SOHO (Solar and Heliospheric Observatory) foi colocado no ponto L1. Este ponto L1 e´ uma boa posic¸a˜o para monitorar o sol desde que as correntes de partı´culas do sol, como o vento solar, atingem L1 aproximadamente uma hora antes de atingir a terra. Se m1 e´ a massa do sol, m2 e´ a massa da terra e r = m2 m1+m2 , enta˜o a coordenada x de L1 e´ a u´nica raiz da equac¸a˜o de grau 5: p(x) = x5 − (2 + r)x4 + (1 + 2r)x3 − (1 − r)x2 + 2(1 − r)x + r − 1 = 0 Usando o valor aproximado de r ≈ 3.04042 × 10−6, encontre a localizac¸a˜o do ponto L1. Sol Terra Figura 1: Pontos de Lagrange no sistema Sol-Terra. 5 Muitos problemas de cieˆncia e tecnologia, como o problema anterior, conduzem a` resoluc¸a˜o de equac¸o˜es na˜o lineares para as quais e´ difı´cil ou impossı´vel encontrar uma soluc¸a˜o exata. A soluc¸a˜o do problema anterior so´ e´ possı´vel utilizando um me´todo nume´rico. No que segue apresentaremos alguns me´todos que nos ajudara˜o a resolver equac¸o˜es deste tipo. 1.2 Preliminares Um teorema que utilizaremos e´ o seguinte. TEOREMA 1.1 (Teorema do Valor Intermedia´rio (TVI)). Seja f (x) e´ uma func¸a˜o contı´nua num intervalo [a, b]. Se f (a) f (b) < 0 enta˜o existe pelo menos uma raiz x¯ de f (x) = 0 entre a e b. Em palavras, podemos garantir ao menos uma soluc¸a˜o da equac¸a˜o f (x) = 0, desde que as imagens dos extremos do intervalo [a, b] sejam de signais diferentes. Isto e´, se f (a) > 0 e f (b) < 0, ou se f (a) < 0 e f (b) > 0. Exemplo 1.2. No exemplo 1.1, a func¸a˜o e´ f (x) = p(x) = x5 − (2 + r)x4 + (1 + 2r)x3 − (1 − r)x2 + 2(1 − r)x + r − 1. Observe que f (0) = r−1 < 0 e f (1) = r > 0 enta˜o, pelo TVI, existe uma raiz x¯ no intervalo [0, 1]. Outro resultado que precisaremos e´ o seguinte teorema: TEOREMA 1.2 (Teorema do Valor Me´dio (TVM)). Seja f (x) uma func¸a˜o contı´nua em [a, b] e diferencia´vel no intervalo (a, b). Enta˜o existe um ponto c ∈ (a, b) tal que f (b) − f (a) = f ′(c)(b − a). O TVI e´ a ferramenta principal do primeiro me´todo nume´rico. 1.3 O Me´todo de Bissec¸a˜o Suponha f (x) contı´nua e que existe um intervalo [a, b] tal que f (a) f (b) < 0. Sem perda de generalidade, podemos supor f (a) > 0 e f (b) < 0. Pelo TVI, existe uma raiz x¯ de f (x) = 0 entre a e b, que pode se qualquer ponto do intervalo [a, b]. Assim, temos pouca informac¸a˜o sobre o valor da raiz. A ideia do me´todo de Bissec¸a˜o e´ diminuir o tamanho do intervalo [a, b] com o intuito de conseguir um intervalo menor no qual podemos encontrar a raiz. Como na˜o temos ideia da ubicac¸a˜o da raiz, democraticamente, escolhemos como primeira aproximac¸a˜o de x¯, o ponto me´dio do intervalo: x1 = a + b 2 6 Figura 2: O Me´todo da Bissec¸a˜o. Se por acaso obtemos que f (x1) = 0, enta˜o o problema ficaria resolvido pois neste caso x¯ = x1. Se f (x1) , 0 enta˜o x¯ encontra-se no interior de [a, x1] ou no interior de [x1, b]. Para determinar em qual destes intervalos esta´ a raiz, utilizamos o TVI: (i) Se f (a) f (x1) < 0 enta˜o a raiz encontra-se em [a, x1], (ii) Se f (x1) f (b) < 0 enta˜o a raiz encontra-se em [x1, b]. No caso (i), fazemos b = x1 e no caso (ii), fazemos a = x1. Em qualquer caso, temos diminuido o tamanho do intervalo a` metade. Com este novo intervalo repetimos o processo o obtemos uma segunda aproximac¸a˜o x2 com a qual, se na˜o e´ a raiz, diminuimos o intervalo novamente na metade. Dependendo do valor de f (x2) teremos a = x2 ou b = x2. Continuando este processo obtemos uma sequeˆncia de aproximac¸o˜es xn+1, para n = 0, 1, 2, ... que pertencem a intervalos In = [an, bn] com a0 = a e b0 = b de forma que f (an) f (bn) < 0 e o comprimento de cada Ii+1 e´ a metade do comprimento de Ii. Assim bn − an = bn−1 − an−12 = ... = b0 − a0 2n . (1.2) e xn+1 = an + bn 2 . O seguinte Teorema mostra a convergeˆncia das aproximac¸o˜es xn a` raiz x¯. TEOREMA 1.3. A sequeˆncia de aproximac¸o˜es xn obtidas pelo Me´todo da Bissec¸a˜o converge para a raiz x¯. Demonstrac¸a˜o. Pela equac¸a˜o (1.2) temos que lim n→∞ |bn − an| = limn→∞ b0 − a0 2n = 0. Por tanto limn→∞ bn = limn→∞ an = L onde L e´ um nu´mero real. Como an < xn+1 < 7 bn temos que limn→∞ xn = L. Provaremos que L = x¯. Observe que f (an) f (bn) < 0 enta˜o lim n→∞ f (an) f (bn) = f (L) f (L) ≤ 0, o que implica que ( f (L))2 ≤ 0. Mas ( f (L))2 ≥ 0. Assim a u´nica possibilidade e´ que f (L)2 = 0, ou f (L) = 0. Dessa forma L = x¯. � 1.3.1 Estimativa do nu´mero de iterac¸o˜es Desejamos determinar quantas iterac¸o˜es sa˜o necessa´rias como mı´nimo, para encontrar um intervalo [an, bn], que contenha a aproximac¸a˜o xn+1, tal que |xn+1 − x¯| < �, em que � e´ o erro absoluto ao aproximar x¯. Pela equac¸a˜o (1.2) |xn+1 − x¯| ≤ xn+1 − an = bn − an2 = b0 − a0 2n+1 Logo para obter a precisa˜o desejada, e´ suficiente considerar um n tal que b0 − a0 2n+1 < � Assim, n > Log(b0 − a0) − Log(�) Log(2) − 1. Observac¸a˜o 1.1. Ao resolver um problema numericamente, na˜o esquec¸a de colocar a calculadora no modo radianos. Exemplo 1.3. Aplique o me´todo de Bissec¸a˜o para resolver a equac¸a˜o x3 + cos(x) = 0 obtendo os extremos do intervalo inicial a e b pelo TVI. Encontre um resultado xn tal que |xn − x¯| < 0.01. Soluc¸a˜o: A func¸a˜o a avaliar e´ f (x) = x3 + cos(x). Note que f (−1) = −0.45969 e f (0) = 1, assim podemos considerar a = −1 e b = 0. Observe que precisaremos de n > Log(0 + 1) − Log(0.01) Log2 − 1 = 5.64 8 iterac¸o˜es para obter o erro desejado. Assim, e´ suficiente n = 6. Na seguinte tabela organizaremos os dados: n a b xn+1 f (a) f (b) f (xn+1) 0 -1 0 -0.5 -0.45969 1 0.75258 1 -1 -0.5 -0.75 -0.45969 0.75258 0.309813 2 -1 -0.75 -0.875 -0.45969 0.309813 -0.02892 3 -0.875 -0.75 0 -0.8125 -0.02892 0.309813 0.1513 4 -0.875 -0.8125 -0.84375 -0.02892 0.1513 0.75258 5 -0.875 -0.84375 -.859375 -0.02892 0.75258 0.018240 6 -0.875 -0.859375 -0.8671875 -0.02892 0.018240 -0.00516 Em cada passofomos utilizando o TVI para escolher os valores de a e b. Repare que |x7 − x¯| ≤ b6 − a62 = 0.00781 < 0.01. Assim uma aproximac¸a˜o da raiz e´ x7 = −0.8671875. 1.4 Me´todo da Falsa Posic¸a˜o O me´todo da Falsa Posic¸a˜o e´ uma variac¸a˜o do me´todo da Bissec¸a˜o. Neste me´todo mu- damos a forma de escolher a aproximac¸a˜o xn+1. Na Bisec¸a˜o aproximavamos utilizando o ponto me´dio do intervalo. Na Falsa posic¸a˜o aproximaremos a raiz utilizando a reta L que passa pelos pontos (a, f (a)) e (b, f (b)). Ou seja, f (x) e´ aproximada por L e assim x1, a aproximac¸a˜o de x¯, sera´ o ponto onde a ordenada y da reta L e´ zero. Figura 3: O Me´todo da Falsa Posic¸a˜o. A equac¸a˜o da reta L e´: y − f (a) x − a = f (b) − f (a) b − a . Se y = 0, enta˜o x = x1. Logo 0 − f (a) x1 − a = f (b) − f (a) b − a . 9 Assim x1 = a f (b) − b f (a) f (b) − f (a) Tendo x1, podemos usar o mesmo crite´rio da Bissec¸a˜o para escolher o novo intervalo [a, b], isto e´: (i) Se f (a) f (x1) < 0 enta˜o a raiz encontra-se em [a, x1], (ii) Se f (x1) f (b) < 0 enta˜o a raiz encontra-se em [x1, b]. No caso (i) definimos b = x1, e no caso (ii) definimos a = x1. Logo, continuamos o processo ate´ obter a precisa˜o desejada, obtendo intervalos [an, bn] com a0 = a e b0 = b e xn+1 = an f (bn) − bn f (an) f (bn) − f (an) . (1.3) O Me´todo da Bissec¸a˜o utiliza so´ a informac¸a˜o dos valores a e b para encontrar xn+1, entanto que a Falsa Posic¸a˜o utiliza a informac¸a˜o de a, b, f (a) e f (b). 1.4.1 Erro Absoluto no me´todo da Falsa Posic¸a˜o No me´todo da Falsa Posic¸a˜o pode acontecer que an ou bn permanece fixo a partir de um certo n, enta˜o na˜o podemos garantir que bn − an tende para 0. Por isso utilizaremos o erro absoluto |xn+1 − xn| < � como crite´rio de parada, onde � e´ a precisa˜o dada. Por tanto, o me´todo para quando atingimos a desigualdade |xn+1 − xn| < �. 1.4.2 Erro Relativo no me´todo da Falsa Posic¸a˜o Em alguns exemplos, o crite´rio de parada sera´ estabelecido pelo erro relativo. Se desejar- mos um erro relativo menor que �, o me´todo para uma vez que atingimos a desigualdade∣∣∣∣xn+1 − xnxn+1 ∣∣∣∣ < �. (1.4) Exemplo 1.4. Aplique o me´todo da Falsa Posic¸a˜o para resolver a equac¸a˜o x3 +cos(x) = 0 com a = −1 e b = 0. Encontre um resultado xn+1 tal que |xn+1 − xn| < 0.01. Soluc¸a˜o: Como f (x) = x3 + cos(x) e f (−1) = −0.45969 e f (0) = 1, consideramos a = −1 e b = 0. O me´todo para se atingimos |xn+1 − xn| < 0.01. Na seguinte tabela organizaremos os dados: 10 n a b xn+1 f (a) f (b) f (xn+1) 0 -1 0 -0.68507 -0.45969 1 0.45285 1 -1 -0.68507 -0.84135 -0.45969 0.45285 0.07089 2 -1 -0.84135 -0.86254 -0.45969 0.07089 0.00880 3 -1 -0.86254 -0.86512 -0.45969 0.00880 0.00106 Em cada passo, uma vez calculado xn+1, utilizamos o TVI para escolher o intervalo [a, b]. Note que |x4 − x3| ≤ 0.00262 < 0.01. Assim uma aproximac¸a˜o da raiz e´ x4 = −0.86512. Observac¸a˜o 1.2. Em todos os me´todos que seguem aplicamos um dos dois crite´rios de parada: (i) Erro absoluto: se |xn+1 − xn| < �; (ii) Erro relativo: se |xn+1−xnxn+1 | < �. 1.5 O Me´todo das Aproximac¸o˜es Sucessivas Seja f (x) : [a, b] → R uma func¸a˜o contı´nua. O me´todo de Aproximac¸o˜es Sucessivas ou Me´todo do Ponto Fixo consiste em escrever a equac¸a˜o f (x) = 0 na forma x = φ(x) (1.5) em que φ(x) e´ uma func¸a˜o contı´nua. Desse modo, achar uma raiz x¯ que satisfac¸a f (x¯) = 0 e´ equivalente a achar um x¯ tal que x¯ = φ(x¯). Exemplo 1.5. Encontre uma func¸a˜o φ(x) tal que a equac¸a˜o x = φ(x) seja equivalente a` equac¸a˜o x3 − 13 = 0. Soluc¸a˜o: Neste exemplo f (x) = x3 − 13. Existem va´rias maneiras de resolver o problema: (i) Escreva x3 − 13 = 0 na forma x2 = 13x e enta˜o isole x na esquerda x = √ 13 x . Por tanto φ(x) = √ 13 x . (ii) Escreva x3 − 13 = 0 na forma 3x3 = 2x3 + 13. Divida entre 3x2 para obter 11 x = 2x 3+13 3x2 . Neste caso φ(x) = 2x3+13 3x2 . Do exemplo anterior e´ claro que existem muitas, na verdade infinitas, maneiras de definir uma func¸a˜o φ(x). Se temos escolhido uma destas func¸o˜es φ e um ponto x0 ∈ [a, b], construa a sequeˆncia xn+1 = φ(xn) (1.6) Se por acaso a sequeˆncia {xn} convergir para um nu´mero x∗, isto e´, limn→∞ xn = x∗, enta˜o temos que lim n→∞ xn+1 = limn→∞φ(xn). Como φ e´ contı´nua, lim n→∞ xn+1 = φ( limn→∞ xn), o que implica x∗ = φ(x∗). Pela definic¸a˜o da φ, segue que f (x∗) = 0, ou seja, x¯ = x∗. A ana´lise anterior mostra que podemos encontrar x¯ usando a sequeˆncia {xn} da equac¸a˜o (1.6), desde que o limite limn→∞ xn exista. O seguinte Teorema fornece condic¸o˜es para que o limite limn→∞ xn exista. TEOREMA 1.4. Seja φ(x) uma func¸a˜o contı´nua e diferencia´vel num intervalo [a, b] no qual vale |φ′(x)| < 1. (1.7) tal que a equac¸a˜o f (x) = 0 seja equivalente a` equac¸a˜o x = φ(x). Enta˜o, dado x0 ∈ [a, b], a sequeˆncia de iterac¸o˜es xn+1 = φ(xn) converge para a raiz x¯ de f (x) = 0. Demonstrac¸a˜o. Seja x¯ satisfazendo x¯ = φ(x¯) ou f (x¯) = 0. Pelo Teorema do Valor Me´dio, para cada n existe um cn ∈ (x¯, xn) tal que |φ(xn) − φ(x¯)| = |φ′(cn)||xn − x¯|. Como |φ′(x)| < 1 para todo x ∈ [a, b] temos que |φ′(cn)| ≤M, para um certo 0 < M < 1. Pela definic¸a˜o xn+1 = φ(xn), isto implica que |xn+1 − x¯| ≤M|xn − x¯|. Continuando este processo temos: |xn+1 − x¯| ≤M|xn − x¯| ≤M2|xn−1 − x¯| ≤ . . . ≤Mn+2|x0 − x¯|. 12 Por tanto lim n→∞ |xn+1 − x¯| ≤ limn→∞M n+2|x0 − x¯| = 0 pois M < 1. Enta˜o, lim n→∞ |xn+1 − x¯| = 0 o que implica limn→∞ xn+1 = x¯. � Observac¸a˜o 1.3. Pelo Teorema 1.4 devemos escolher uma φ que satisfac¸a: |φ′(x)| < 1. (1.8) Exemplo 1.6. A func¸a˜o f (x) = xe−x − e−3 possui exatamente uma raiz x¯ em [0.01, 1]. Encontre esta raiz pelo me´todo de Aproximac¸o˜es Sucessivas, utilizando um erro absoluto menor que 0.01. Soluc¸a˜o: Escreva a equac¸a˜o xe−x − e−3 = 0 na forma xe−x = e−3, enta˜o divida entre e−x para obter x = ex−3. Assim φ(x) = ex−3 e φ′(x) = ex−3. Como 0.01 ≤ x ≤ 1 temos −2.99 ≤ x − 3 ≤ −2 e enta˜o e−2.99 ≤ ex−3 ≤ e−2, pois ex−3 e´ uma func¸a˜o crescente. Logo, |φ′(x)| ≤ e−2 ≈ 0.1353 < 1. Enta˜o φ(x) satizfaz as condic¸o˜es do Teorema 1.4. Considere o ponto x0 = 0.5, enta˜o x1 = φ(x0) = φ(0.5) = e0.5−3 = 0.08208. Continuamos calculando os valores pela fo´rmula xn+1 = φ(xn) na seguinte tabela: n xn 0 0.5 1 0.08208 2 0.05404 3 0.052551 Observe que |x3 − x2| = 0.00148 < 0.01. A soluc¸a˜o aproximada e´ x3 = 0.052551. 13 1.6 O Me´todo de Newton A ideia para encontrar uma raiz da equac¸a˜o f (x) = 0 em todos os me´todos nume´ricos e´ comec¸ar com uma (ou mais) aproximac¸a˜o inicial x0 e enta˜o determinar a seguinte aproximac¸a˜o seguindo uma regra dada. No me´todo de Newton usa-se a reta tangente para achar a segunda aproximac¸a˜o. Isto e´ feito da seguinte maneira. Seja f : [a, b] → R uma func¸a˜o contı´nua em [a, b] e diferencia´vel em (a, b), e seja x0 ∈ (a, b) uma aproximac¸a˜o inicial da raiz x¯. A reta tangente no ponto (x0, f (x0)) usa-se para determinar a seguinte aproximac¸a˜o. Assim a nova aproximac¸a˜o sera´ enta˜o o valor de x1 no qual a ordenada da reta tangente e´ zero. Reta tangente Figura 4: O me´todo de Newton. A equac¸a˜o da reta tangente no ponto (x0, f (x0)) e´: y − f (x0) x − x0 = f ′(x0). Substituindo as condic¸o˜es x = x1 e y = 0 temos: 0 − f (x0) x1 − x0 = f ′(x0). Isolando x1, obtemos a fo´rmula do me´todo de Newton no ponto x0: x1 = x0 − f (x0)f ′(x0) . Uma vez calculado x1 podemos fazer o mesmo processo para achar outra aproximac¸a˜o x2 a partir de x1. E´ claro que a fo´rmula para x2 e´: x2 = x1 − f (x1)f ′(x1) . 14 Em forma geral, a aproximac¸a˜o (n + 1)-e´sima e´ dada por xn+1 = xn − f (xn)f ′(xn) . (1.9) 1.6.1 Convergeˆncia do Me´todo de Newton O seguinte Teorema garante a convergeˆncia do Me´todode Newton. TEOREMA 1.5. Sejam f (x), f ′(x) e f ′′(x) contı´nuas num intervalo I = [a, b] que conte´m a raiz x¯ e suponha que f ′(x¯) , 0. Enta˜o existe um intervalo I∗ ⊂ I, contendo a raiz x¯ tal que se x0 ∈ I∗, enta˜o a sequeˆncia {xn} gerada pela fo´rmula xn+1 = xn − f (xn)f ′(xn) convergira´ para a raiz. Demonstrac¸a˜o. Observe que o me´todo de Newton e´ um caso particular do me´todo das Aproximac¸o˜es sucessivas com φ(x) = x − f (x)f ′(x) pois xn+1 = φ(xn). Assim, pelo Teorema 1.4, o me´todo convergira´ se |φ′(x)| < 1. Note que φ′(x) = f (x) f ′′(x) [ f ′(x)]2 Como f (x¯) = 0, temos φ′(x¯) = 0. Pela continuidade de f , f ′ e f ′′, existe um intervalo I∗ ⊂ I contendo x¯, no qual |φ′(x)| < 1 para x ∈ I∗. � Observac¸a˜o 1.4. O Teorema anterior diz que se comec¸armos com um ponto x0 pro´ximo da raiz x¯, enta˜o o Me´todo de Newton convergira´ para x¯. Exemplo 1.7. Considere a equac¸a˜o na˜o linear x2− ex = 0. Use o me´todo de Newton para resolveˆ-la considerando uma aproximac¸a˜o inicial de x0 = −2 e um erro absoluto menor que 0.001. Soluc¸a˜o: Dos dados do problema f (x) = x2 − ex e f ′(x) = 2x − ex. Usando a fo´rmula xn+1 = xn − f (xn)f ′(xn) , 15 escreveremos as iterac¸o˜es na tabela abaixo: n xn f (xn) f ′(xn) 0 -2 3.86466 -4.13533 1 -1.06545 0.79061 -2.47547 2 -0.74607 0.08239 -1.96636 3 -0.70417 0.00133 -1.90285 4 -0.70347 0.000004 -1.90180 Repare que |x4 − x3| = 0.0007 < 0.001. Assim um valor aproximado da raiz e´ x4 = −0.70347. 1.7 Me´todo da Secante O Me´todo de Newton precisa da avaliac¸a˜o da derivada f ′(x) nos pontos xn que, depen- dendo da func¸a˜o f (x), pode ser muito custosa. O Me´todo da Secante surgue como uma alternativa ao me´todo de Newton no qual na˜o e´ necessa´rio avaliar a derivada da func¸a˜o. A ideia e´ substituir a expressa˜o f ′(xn) na fo´rmula de Newton por uma aproximac¸a˜o dela. Suponha que conhecemos duas aproximac¸o˜es x0 e x1 da raiz x¯. Pelo me´todo de Newton x2 = x1 − f (x1)f ′(x1) . Se na˜o querermos derivar f , podemos aproximar a derivada f ′(x1) pela inclinac¸a˜o da reta que passa pelos pontos (x0, f (x0)) e (x1, f (x1)): f ′(x1) ≈ f (x1) − f (x0)x1 − x0 . Dessa forma: x2 = x1 − f (x1)[ f (x1)− f (x0) x1−x0 ] Simplificando x2 = x0 f (x1) − x1 f (x0) f (x1) − f (x0) . Fazendo a mesma ana´lise para x1 e x2, obteremos uma fo´rmula para x3 x3 = x1 f (x2) − x2 f (x1) f (x2) − f (x1) . Em geral, a aproximac¸a˜o xn+1 depende de xn−1 e xn: xn+1 = xn−1 f (xn) − xn f (xn−1) f (xn) − f (xn−1) . (1.10) 16 Figura 5: O Me´todo da Secante. Observac¸a˜o 1.5. A fo´rmula do Me´todo da Secante e do me´todo da Falsa Posic¸a˜o e´ a mesma. A diferenc¸a entre estes dois me´todos e´ que no Me´todo da Secante na˜o e´ necessa´rio que os valores iniciais tenham signais opostos. Exemplo 1.8. Utilize o Me´todo da Secante para determinar uma raiz da equac¸a˜o x3 − 9x + 3 = 0, em [0, 1] com erro relativo menor que 10−3. Soluc¸a˜o: Neste exemplo x0 = 0, x1 = 1 e f (x) = x3 − 9x + 3. Na tabela abaixo esta˜o os valores de xn e f (xn). Em cada passo xn+1 e´ dado pela fo´rmula xn+1 = xn−1 f (xn) − xn f (xn−1) f (xn) − f (xn−1) . n xn−1 xn xn+1 f (xn−1) f (xn) f (xn+1) 1 0 1 0.375 3 -5 -0.32226 2 1 0.375 0.33194 -5 -0.32226 0.04911 3 0.375 0.33194 0.33763 -0.32226 0.04911 -0.00018 4 0.33194 0.33763 0.33760 0.04911 -0.00018 -0.00007 O erro relativo para ∣∣∣∣ x5−x4x5 ∣∣∣∣ = 0.00088 e´ menor que o erro procurado e assim uma aproximac¸a˜o da raiz e´ x5 = 0.33760. 17 1.8 Exercı´cios Exercı´cio 1.1. Localize graficamente as raizes da equac¸a˜o ln(x) + 5x − 6 − x2 = 0. Separe cada uma delas em intervalos de comprimento ma´ximo unita´rio. Exercı´cio 1.2. Localize graficamente as raı´zes das equac¸o˜es: (a) 4 cos(x) − e2x = 0; (b) x 2 − tan(x) = 0; (c) 1 − x ln(x) = 0; (d) 2x − 3x = 0. Exercı´cio 1.3. Considere a equac¸a˜o f (x) = xex − 1. (a) Mostre que a equac¸a˜o possui uma raiz no intervalo [0.5, 1]. (b) Qual e´ o nu´mero mı´nimos de iterac¸o˜es necessa´rias para se obter uma aproximac¸a˜o da raiz com duas casas decimais corretas, usando o Me´todo da Bissec¸a˜o? (c) Se (xk), k = 0, 1, 2, 3, .. e´ a sequeˆncia de aproximac¸o˜es para a soluc¸a˜o da equac¸a˜o f (x) = 0 atrave´s do Me´todo da Bisec¸a˜o, determine o valor aproximado de |x4 − x3|. Exercı´cio 1.4. Aplique o Me´todo de Bissec¸a˜o e da Falsa Posic¸a˜o para calcular a raiz positiva de x3 − 15 = 0 com erro absoluto � < 0, 01, partindo do intervalo [2.00, 3.00]. Exercı´cio 1.5. Aplique o Me´todo de Bissec¸a˜o para resolver: (a) ex − x − 3x2 = 0; (b) x3 + cos(x) = 0 obtendo os extremos do intervalo inicial a e b graficamente. Encontre um resultado xn tal que |x¯ − xn| < 0, 01. Exercı´cio 1.6. Calcular a raiz de 2x3 − cos(x + 1)− 3 = 0, pertencente ao intervalo [−1, 2], com precisa˜o de 0.01 usando o Me´todo de Bissec¸a˜o com no ma´ximo 10 passos. Verifique quantos passos no mı´nimo sa˜o necessa´rios para ter uma precisa˜o de 10−8. Exercı´cio 1.7. Dado o polino´mio p(x) = x3 + 2x2 + x − 2, fac¸a o que se pede: (a) Determine o intervalo onde todos os zeros do polinoˆmio devem estar. (b) Encontre uma aproximac¸a˜o para uma das raı´zes de p(x) = 0, com precisa˜o de sete casas decimais, usando o Me´todo de Newton com no ma´ximo 10 passos e x0 = 1. Exercı´cio 1.8. Fac¸a o exercı´cio anterior usando o polinoˆmio p(x) = x3 + 4x2 + x − 2. Exercı´cio 1.9. Considere a func¸a˜o f (x) = x3 − x − 1. Resolva a equac¸a˜o f (x) = 0 pelo Me´todo de aproximac¸o˜es sucessivas usando a func¸a˜o de iterac¸a˜o φ(x) = 1x + 1 x2 e x0 = 1. Justifique seus resultados. 18 Exercı´cio 1.10. As raı´zes de f (x) = ln(x) − x + 2 podem ser determinadas usando o processo iterativo na forma xk+1 = φ(xk), i = 1, 2, .... Encontre as raı´zes considerando: (a) φ(x) = 2 + ln(x); (b) φ(x) = ex−2. Exercı´cio 1.11. A func¸a˜o f (x) = xe−x − e−3, x ∈ R, possui exatamente duas raı´zes reais: α1 ∈ [0.01, 1] e α2 ∈ [4, 5]. Considere as func¸o˜es φ1(x) = ex−3 e φ2(x) = ln x + 3. (a) φ1 pode ser usada para aproximar α1 pelo me´todo das aproximac¸o˜es sucessivas com garantia de convergeˆncia? E φ2?. Justifique. (b) φ1 pode ser usada para aproximar α2 pelo me´todo das aproximac¸o˜es sucessivas com garantia de convergeˆncia? E φ2?. Justifique. Exercı´cio 1.12. Mostre que x3−2x2−5− sin(x) = 0 tem apenas uma raiz real e determine seu valor correto ate´ 5 casas decimais usando o Me´todo de Newton, com no ma´ximo 6 iterac¸o˜es. Considere x0 = 2.1. Exercı´cio 1.13. Mostre que a fo´rmula para determinar a raiz cu´bica de Q, xn+1 = 1 3 (2xn + Q x2n ),n = 0, 1, .... e´ um caso especial do Me´todo de Newton. Aplique o me´todo para calcular a raiz cu´bica de 2 com precisa˜o de 10−2 usando o erro relativo. Considere x0 = 1. Exercı´cio 1.14. Calcular as duas raı´zes de sin(x) − ex − 2x2 + 10 = 0 usando o Me´todo de Newton, com a precisa˜o de |xn+1 − xn| ≤ 10−5 e no ma´ximo 10 passos. Exercı´cio 1.15. Localize os zeros do polinoˆmio p(x) = x5 − 109 x3 + 521 . Usando o Me´todo de Newton, encontre as raı´zes na˜o nulas de p(x) = 0 com precisa˜o de 6 casas decimais. Exercı´cio 1.16. Utilizando o Me´todo de Newton e chamando de (xk), k = 0, 1, 2, ... a sequeˆncia de aproximac¸o˜es para a soluc¸a˜o da equac¸a˜o tan(x) − 2x = 0 no intervalo [1, 1.5], com x0 = 1.3, encontre um valor aproximado de |x5 − x4| × 107. Exercı´cio 1.17. Considere a equac¸a˜o na˜o-linear x2 − ex = 0. Use o Me´todo de Newton para resolveˆ-la considerando uma aproximac¸a˜o inicial x0 = −2 e precisa˜o menor que � = 10−1. Use arredondamento e 4 casas decimais apo´s a vı´rgula. Exercı´cio 1.18. Utilizando o Me´todo de Newton e chamando de (xk), k = 0, 1, 2, ... a sequeˆncia de aproximac¸o˜es para a soluc¸a˜o da equac¸a˜o x3 + x − λ = 0 no intervalo [1, 2], com x0 = 1.3 e λ = 3, encontre um valor aproximado de |x5 − x4| × 107. Exercı´cio1.19. Ale´m da soluc¸a˜o obvia x = 0, a equac¸a˜o x sin(x) + 3x cos(x) − 2x = 0 19 tem duas soluc¸o˜es no intervalo [−1, 2], sendo uma positiva e a outra negativa. Sejam (Sk) e (Pk), k = 1, 2, ... as sequeˆncias de aproximac¸o˜es para as raı´zes de f (x) obtidas pelo Me´todo da Secante e da Falsa Posic¸a˜o, respectivamente. Considerando S1 = P1 = −1 e S2 = P2 = 1.5, encontre o valor aproximado de |S5 − P5| × 100. Exercı´cio 1.20. Utilize o Me´todo da falsa posic¸a˜o para determinar a raiz da equac¸a˜o x log(x)− 1 = 0, em [2, 3] com � = 10−4. Exercı´cio 1.21. Utilize o Me´todo da falsa posic¸a˜o para determinar a raiz da equac¸a˜o x3 − 9x + 3 = 0, em [0, 1] com � = 10−4. Exercı´cio 1.22. Utilize o Me´todo da secante para determinar a raiz da equac¸a˜o x3−9x+3 = 0, em [0, 1] com � = 10−4. Exercı´cio 1.23. Considere um po´rtico em L invertido como na figura onde K e´ o coefici- ente de mola torsional. Encontre o valor do a´ngulo de equilibrio θ quando aplicamos uma forc¸a P no extremo do po´rtico. Resolva o problema com K = 1, L = 2 e P = 2. Figura 6: Po´rtico em L. Exercı´cio 1.24. Use o Me´todo de Newton para determinar o ponto de mı´nimo global do polinoˆmio abaixo, se existir tal ponto. p(x) = x(x − 1)(x + 1)(x − 2) (1.11) Atenc¸a˜o: Primeiro verifique se existe ou na˜o um ponto de mı´nimo global (isto e´, um ponto α ∈ R tal que p(α) ≤ p(x), ∀x ∈ R). Depois isole os possı´veis candidatos (se existirem) e so´ enta˜o calcule, pelo me´todo pedido, o ponto de mı´nimo global. Exercı´cio 1.25. Verifique que a sequeˆncia xn+1 = ( p − 1 p )xn + A pxp−1n (1.12) pode ser utilizada para calcular p √ A. Depois determine 4 √ 9 com erro menor a 10−6. 20 Exercı´cio 1.26. Na figura, o comprimento da corda AB e´ de 4 cm e o comprimento do arco AB e´ de 5 cm. Encontre o aˆngulo central θ, em radianos, correto ate´ a quarta casa decimal. Figura 7: Corda e Arco. Exercı´cio 1.27. Um tanque tem a forma de um cilindro reto, com raio igual a 1 e compri- mento l. Sua lateral (circular) e´ transparente e atrave´s dela podemos observar o nı´vel do liquido no cilindro (”deitado”). A porcentagem do liquido no fluido pode ser obtida em func¸a˜o do aˆngulo (veja a figura). Por exemplo, o cilindro esta´ cheio quando θ = pi e pela metade para θ = pi2 . Calcule com erro menor de 10 −3 o valor de θ para o qual o cilin- dro tem um quarto de seu volume cheio, atrave´s do me´todo de Aproximac¸o˜es sucessivas. Justifique todos os passos de forma a garantir a convergeˆncia. Figura 8: Lateral do cilindro. Exercı´cio 1.28. Um fa´brica possui material para confecc¸a˜o de uma lata cilı´ndrica com a´rea total de superfı´cie de 800 cm2. Deseja-se uma lata com esta a´rea de superfı´cie e volume de 1 litro. Determine atrave´s de um Me´todo de Aproximac¸o˜es Sucessivas qual o raio da lata e sua correspondente altura. Efetue 3 iterac¸o˜es do me´todo e estime o nu´mero de iterac¸o˜es necessa´rias para um erro menor que 10−5. Justifique a convergeˆncia do me´todo. (Obs: deseja-se a lata mais alta...) Exercı´cio 1.29. No exemplo (1.1), utilizando o Me´todo de Newton , determine a posic¸a˜o do Sate´lite SOHO. Utilize um erro absoluto menor que 10−10!. 21 2 Interpolac¸a˜o Polinomial 2.1 Introduc¸a˜o Num sentido amplo, interpolar significa obter informac¸a˜o sobre um evento ou fenoˆmeno a partir de dados conhecidos. Em nosso caso, queremos obter informac¸a˜o sobre uma certa func¸a˜o f (x) para a qual so´ conhecemos o seu valor yi = f (xi), i = 0, ...,n em n + 1 pontos denotados x0 < x1 < .... < xn. Como na˜o conhecemos a expressa˜o da f , podemos tentar encontrar uma func¸a˜o g(x) que satisfac¸a as mesmas condic¸o˜es da f (x), ou seja, g(xi) = f (xi) = yi, para todo i = 0, ...,n. Isto e´, desejamos encontrar uma func¸a˜o g(x) que coincida com f (x) pelo menos nos pontos xi. A ideia e´ que g(x) possa substituir a` f (x). Figura 9: g(x) coincide com f (x) nos pontos xi, i = 0, 1, ...,n. Existem va´rias justificativas para procurar uma func¸a˜o g(x) que substitua a` func¸a˜o f (x): (a) Pode ser que na˜o conhecemos f (x) exceto nos pontos xi, enta˜o se encontrar- mos uma func¸a˜o g(x) que coincide com ela nestes pontos, podemos supor g aproxima f , ou que g comporta-se como f . (b) Outra raza˜o e´ quando conhecemos f (x), mas a sua expressa˜o e´ difı´cil de trabalhar, por exemplo, de derivar ou integrar. Enta˜o se g coincide com f pelo menos nos pontos xi, podemos fazer as contas com g ao inve´s de com f . 22 Um exemplo no qual podemos usar interpolac¸a˜o e´ o seguinte. Exemplo 2.1. A tabela abaixo mostra a populac¸a˜o (em milho˜es) do Brasil de 1960 a 2010. Ano 1960 1970 1980 1990 2000 2010 Populac¸a˜o 72.7759 96.0604 121.7404 149.6483 174.5049 195.2102 Seja f (x) a populac¸a˜o do Brasil no ano x. O problema a ser resolvido e´ o seguinte: Estime a populac¸a˜o nos anos 1955, 1975 e 2012. DEFINIC¸A˜O 2.1. A interpolac¸a˜o denomina-se Interpolac¸a˜o Polinomial se a func¸a˜o g(x) e´ um polinoˆmio. Note que um polinoˆmio esta´ definido em toda a reta real R e, ale´m disso, e´ fa´cil de derivar e integrar. No que segue, a interpolac¸a˜o sera´ sempre polinomial. 2.2 Preliminares A pergunta natural enta˜o e´: E´ possı´vel encontrar um polinoˆmio que interpola f (x) nos pontos x0, x1, ..., xn? Ou seja, dados (n + 1)-pontos distintos x0, x1, ..., xn e suas respectivas imagens yi = f (xi), i = 0, 1, ...,n, existira´ um polinoˆmio g(x) = P(x) tal que P(xi) = yi? O Teorema abaixo fornece uma resposta a` pergunta anterior. TEOREMA 2.1. Seja f (x) definida em x0, x1, ..., xn (n + 1) pontos distintos de um intervalo [a, b], enta˜o existe um u´nico polinoˆmio P(x) de grau menor ou igual a n tal que P(xi) = f (xi) = yi, para todo i = 0, 1, ...,n. Demonstrac¸a˜o. Considere um polinoˆmio de grau n da forma P(x) = a0 + a1x + a2x2 + ... + anxn. Sob a hipo´tese P(xi) = yi temos: a0 + a1x0 + ... + anxn0 = y0 a0 + a1x1 + ... + anxn1 = y1 ... a0 + a1xn + ... + anxnn = yn (2.1) Isto e´, se o sistema linear anterior tem soluc¸a˜o enta˜o podemos encontrar um P(x) que 23 interpola f (x) tal que os coeficientes de P(x) sa˜o precisamente os valores da soluc¸a˜o do sistema. Logo, e´ suficiente provar que o sistema tem soluc¸a˜o u´nica. De fato, a matriz do sistema e´: A = 1 x0 . . . xn0 1 x1 . . . xn1 ... ... . . . ... 1 xn . . . xnn e, de a´lgebra linear, podemos provar que o determinante do sistema e´: Det(A) = n∏ i> j (xi − x j) (2.2) Como xi , x j, se i , j, Det(A) , 0. Por tanto o sistema tem soluc¸a˜o u´nica. Dessa forma o polinoˆmio P(x) que interpola f (x) e´ u´nico. � DEFINIC¸A˜O 2.2. O polinoˆmio P(x) do Teorema 2.1 e´ chamado Polinoˆmio Interpolante de f (x) nos pontos x0, x1, ..., xn. Pelo Teorema 2.1, podemos obter os coeficientes do polinoˆmio interpolante resol- vendo o sistema linear (2.1). Mas, se n e´ grande, a resoluc¸a˜o de um sistema linear n× n pode ser muito custosa em relac¸a˜o ao tempo computacional utilizado. Assim, e´ necessa´rio utilizarmos outros me´todos para determinar P(x) como a Fo´rmula de Lagrange e a Fo´rmula de Newton. 2.3 A Fo´rmula de Lagrange Para definir a fo´rmula de Lagrange do polinoˆmio interpolante P(x) precisamos dos polinoˆmios de Lagrange que sa˜o definidos abaixo. DEFINIC¸A˜O 2.3. Sejam x0, x1, ..., xn, (n + 1) pontos distintos. Seja k ∈ {0, ..,n}. O k-e´simo polinoˆmio de Lagrange Lk(x) e´ definido por: Lk(x) = ∏ i,k ( x − xi xk − xi ) = (x − x0)(x − x1) · · · (x − xk−1)(x − xk+1) · · · (x − xn) (xk − x0)(xk − x1) · · · (xk − xk−1)(xk − xk+1) · · · (xk − xn) Os polinoˆmios de Lagrange tem a seguinte propriedade: 24 (A) Lk(xk) = 1 e Lk(xi) = 0, se i , k. De fato, substituindo x = xk, o numerador e o denominados sa˜o iguais e assim Lk(xk) = 1. Por outro lado, substituindox = xi com i , k, vemos que o numerador anula-se no fator (x − xi), e assim Lk(xi) = 0. DEFINIC¸A˜O 2.4. Sejam yi = f (xi). Enta˜o o polinoˆmio de Lagrange de f (x) e´ dado por P(x) = y1L1(x) + y2L2(x) + · · · + ynLn(x). Pela propriedade (A), a avaliac¸a˜o de P(x) em x = xi e´: P(xi) = y1L1(xi) + y2L2(xi) + · · · + ynLn(xi) = yiLi(xi) = yi = f (xi), para todo i ∈ {0, 1, ...,n}. Enta˜o P(x) interpola f (x), e pela unicidade do Teorema 2.1, P(x) e´ o polinoˆmio interpolante de f (x) nos pontos x0, x1, · · · , xn Por tanto, a fo´rmula de Lagrange: P(x) = y1L1(x) + y2L2(x) + · · · + ynLn(x). fornece uma maneira direta de calcular o polinoˆmio interpolante. Exemplo 2.2. A seguinte tabela mostra a populac¸a˜o (em milho˜es) mundial de 1970 a 2000. Ano 1970 1980 1990 2000 Populac¸a˜o 3710 4450 5280 6080 Encontre um polinoˆmio interpolador de grau 3 e estime a populac¸a˜o nos anos 1985 e 1995. Soluc¸a˜o: Dos dados, x0 = 1970, x1 = 1980, x2 = 1990 e x3 = 2000; y0 = 3710, y1 = 4450, y2 = 5280 e y3 = 6080. Definimos os polinoˆmios de Lagrange: L0(x) = (x − x1)(x − x2)(x − x3) (x0 − x1)(x0 − x2)(x0 − x3) = (x − 1980)(x − 1990)(x − 2000) (1970 − 1980)(1970 − 1990)(1970 − 2000) L1(x) = (x − x0)(x − x2)(x − x3) (x1 − x0)(x1 − x2)(x1 − x3) = (x − 1970)(x − 1990)(x − 2000) (1980 − 1970)(1980 − 1990)(1980 − 2000) L2(x) = (x − x0)(x − x1)(x − x3) (x2 − x0)(x2 − x1)(x2 − x3) = (x − 1970)(x − 1980)(x − 2000) (1990 − 1970)(1990 − 1980)(1990 − 2000) L3(x) = (x − x0)(x − x1)(x − x2) (x3 − x0)(x3 − x1)(x3 − x2) = (x − 1970)(x − 1980)(x − 1990) (2000 − 1970)(2000 − 1980)(2000 − 1990) 25 O polinoˆmio interpolante e´: P(x) = 3710L0(x) + 4450L1(x) + 5280L2(x) + 6080L3(x). A populac¸a˜o estimada no ano 1985 sera´ P(1985) = 3710L0(1985) + 4450L1(1985) + 5280L2(1985) + 6080L3(1985). P(1985) = 3710(−0.0625) + 4450(0.5625) + 5280(0.5625) + 6080(−0.0625) = 4861.25. Enta˜o a populac¸a˜o estimada no ano 1985 e´ de 4861.25 milho˜es. Dado real: Em 1985 a populac¸a˜o mundial atingiu os 5000 milho˜es de pessoas. 2.4 A Fo´rmula de Newton A Fo´rmula de Newton para determinar o polinoˆmio interpolante de f (x) e´ uma fo´rmula mais eficiente que a de Lagrange, pois precisa de menos custo computacional. A ideia de Newton foi escrever o polinoˆmio interpolante P(x) na forma P(x) = b0 + b1(x − x0) + b2(x − x0)(x − x1) + · · · + bn(x − x0)(x − x1) · · · (x − xn−1), (2.3) em que os coeficientes b0, b1, · · · , bn devem ser determinados. Esta´ fo´rmula precisa da definic¸a˜o das diferenc¸as divididas. Seja f uma func¸a˜o definida em (n + 1)-pontos x0, x1, · · · , xn nos quais yi = f (xi). DEFINIC¸A˜O 2.5. As diferenc¸as divididas de ordem 0, sa˜o os valores da pro´pria func¸a˜o f (x), ou seja, f [xi] := f (xi), i = 0, 1, 2, ...,n As diferenc¸as divididas de ordem k, para 0 ≤ k ≤ n, sa˜o definidas utilizando as diferenc¸as de ordem k − 1: f [xi, xi+1, · · · , xi+k] = f [xi+1, · · · , xi+k] − f [xi, · · · , xi+k−1]xi+k − xi , para 0 ≤ i ≤ n − k Por exemplo se n = 3, as diferenc¸as divididas de ordem 0 de f para os valores x0, x1, x2, x3 sa˜o: f [x0] = f (x0), f [x1] = f (x1), f [x2] = f (x2), f [x3] = f (x3), as de ordem 1: f [x0, x1] = f [x1] − f [x0] x1 − x0 , f [x1, x2] = f [x2] − f [x1] x2 − x1 , f [x2, x3] = f [x3] − f [x2] x3 − x2 , 26 as de ordem 2: f [x0, x1, x2] = f [x1, x2] − f [x0, x1] x2 − x0 , f [x1, x2, x3] = f [x2, x3] − f [x1, x2] x3 − x1 , e as de ordem 3: f [x0, x1, x2, x3] = f [x1, x2, x3] − f [x0, x1, x2] x3 − x0 . Podemos organizar as diferenc¸as divididas numa tabela, de modo que as diferenc¸as divididas de ordem 1 sa˜o calculadas a partir das diferenc¸as de ordem 0, as de ordem 2 a partir das de ordem 1, e assim sucessivamente. xi yi ordem 0 ordem 1 ordem 2 ordem 3 x0 y0 f [x0] f [x0, x1] x1 y1 f [x1] f [x0, x1, x2] f [x1, x2] f [x0, x1, x2, x3] x2 y2 f [x2] f [x1, x2, x3] f [x2, x3] x3 y3 f [x3] Observac¸a˜o 2.1. Uma propriedade fa´cil de verificar das diferenc¸as divididas e´ que estas na˜o se alteram se permutamos dois valores xi e x j, por exemplo: f [x1, x2] = f [x2, x1], f [x1, x2, x3] = f [x2, x1, x3] = f [x2, x3, x1] Como P(x) e´ o polinoˆmio interpolante: P(x0) = f (x0),P(x1) = f (x1), · · · ,P(xn) = f (xn). Pela igualdade (2.3) temos que P(x0) = b0. Enta˜o b0 = P(x0) = f (x0) = f [x0]. Assim foi provado que o coeficiente b0 deve ser igual a` diferenc¸a dividida f [x0]. Da mesma forma, da igualdade (2.3), P(x1) = b0 + b1(x1 − x0), ou, equivalentemente, b1 = P(x1) − b0 x1 − x0 = f (x1) − f (x0) x1 − x0 = f [x1] − f [x0] x1 − x0 = f [x0, x1]. Isto e´, b1 e´ a primeira diferenc¸a de ordem 1. Continuando com a mesma ideia, como f (x0) = P(x2) = b0 + b1(x2 − x0) + b2(x2 − x0)(x2 − x1), temos que f [x2] = f [x0] + f [x0, x1](x2 − x0) + b2(x2 − x0)(x2 − x1) 27 Efetuando algumas operac¸o˜es f [x2] − f [x0] x2 − x0 = f [x0, x1] + b2(x2 − x1) Ou b2 = f [x0, x2] − f [x0, x1] x2 − x1 Pela Observac¸a˜o (2.1), temos b2 = f [x0, x2] − f [x1, x0] x2 − x1 = f [x1, x0, x2] = f [x0, x1, x2] Ou seja, b2 e´ a segunda diferenc¸a dividida. Repetindo o processo para P(xi), obteremos que os coeficientes do Polinoˆmio Inter- polante na forma de Newton (2.3) sa˜o dados pelas diferenc¸as divididas: bi = f [x0, x1, · · · , xi], para i = 0, 1, 2, ...,n. Observac¸a˜o 2.2. Resumindo, o polinoˆmio interpolante na forma de Newton e´: P(x) = f [x0] + f [x0, x1](x − x0) + f [x0, x1, x2](x − x0)(x − x1) + · · · + f [x0, · · · , xn](x − x0)(x − x1) · · · (x − xn−1). Note que para formar o polinoˆmio devemos tomar as diferenc¸as divididas da parte superior da tabela. Exemplo 2.3. Um cabo sob ac¸a˜o do seu pro´prio peso esta´ suspenso entre dois pontos distantes 24 metros. 12 metros Figura 10: Um cabo sob ac¸a˜o do seu pro´prio peso. A parte mais baixa do cabo ficou a 12 metros de altura. Foram medidas diferentes alturas em va´rios pontos as quais esta˜o mostradas na tabela abaixo 28 xi yi xi yi -2 12.16 2 12.16 -7 14.10 7 14.10 -9 15.53 9 15.53 -12 18.51 12 18.51 Estime a altura a uma distaˆncia de 5 metros do centro. Soluc¸a˜o: Pela simetria do problema em relac¸a˜o ao eixo y, e´ suficiente considerar os dados x0 = 0, x1 = 2, x2 = 7, x3 = 9 e x4 = 12. xi yi ordem 0 ordem 1 ordem 2 ordem 3 ordem 4 0 12.00 12.00 0.08 2 12.16 12.16 0.044 0.388 0.0003 7 14.10 14.10 0.0467 0.000049 0.715 0.00089 9 15.53 15.53 0.0556 0.993 12 18.51 18.51 Pela fo´rmula de Newton P(x) = 12.00 + 0.08(x − 0) + 0.044(x − 0)(x − 2) + 0.0003(x − 0)(x − 2)(x − 7)+ (2.4) +0.000049(x − 0)(x − 2)(x − 7)(x − 9). Substituindo o valor de x = 5 obtemos: P(5) = 13.0618. 29 2.5 Exercı´cios Exercı´cio 2.1. Use uma cu´bica para determinar uma aproximac¸a˜o para a u´nica raiz positiva da equac¸a˜o 4 cos(x) − ex = 0. Exercı´cio 2.2. Considere a func¸a˜o f (x) definida nos pontos, conforme tabela. Determine o polinoˆmio interpolador, usando a Fo´rmula de Lagrange, e estime f (0.8). xi 0 0.5 1.0 f (xi) 1.3 2.5 0.9 Exercı´cio 2.3. Considere a func¸a˜o f (x) = 3+x1+x definida nos pontos conforme tabela. Determine o polinoˆmio interpolador, usando a Fo´rmula de Lagrange, e estime f (0.25). xi 0.1 0.2 0.4 f (xi) 2.82 2.67 2.43 Exercı´cio 2.4. Considere a tabela: xi 1 3 4 5 f (xi) 0 6 24 60 (a) Determine o polinoˆmio, na forma de Lagrange, sobre todos os pontos. (b) Calcule f (3.5). Exercı´cio 2.5. Construir o polinoˆmio de interpolac¸a˜o, na forma de Lagrange, para a func¸a˜o y = sin(pix), escolhendo os pontos: x0 = 0, x1 = 16 e x2 = 1 2 . Exercı´cio 2.6. A integral elı´ptica e´ definida por: K(k) = ∫ pi 2 0 dx (1−k2 sin2 x)1/2 . Por uma tabela de valores desta integral, encontramos: K(1) = 1.5708; K(2) = 1.5719; K(3) = 1.5739. Determine K(2.5), usandoo polinoˆmio de interpolac¸a˜o, na forma de Lagrange, sobre todos os pontos. Exercı´cio 2.7. Dada a func¸a˜o tabelada f (x) definida pelos pontos f (0) = 0, f (1) = 0.5, f (1.5) = 0.4, f (2.5) = 0.285, f (3.0) = 0.25. (a) Determinar o polinoˆmio de interpolac¸a˜o usando a Fo´rmula de Newton sobre dois pontos (interpolac¸a˜o linear). 30 (b) Determinar o polinoˆmio de interpolac¸a˜o usando a Fo´rmula de Newton sobre treˆs pontos (interpolac¸a˜o quadra´tica). (c) Calcular f (0.5) usando os items a) e b). Exercı´cio 2.8. Seja f (x) uma func¸a˜o definida pelos pontos f (−1) = 0, f (0) = 1 e f (2) = −1. Usando a forma de Newton, encontre o polinoˆmio p(x) que interpola a func¸a˜o f . Exercı´cio 2.9. Considere a func¸a˜o f (x) = ln(x) para a qual temos f (1) = 0, f (2) = 0.6931, f (3) = 1.0986, f (4) = 1.3863. Usando o Me´todo de Newton encontre uma aproximac¸a˜o de ln(3.7). Exercı´cio 2.10. Seja f (x) dadas pelos seguintes valores f (0.2) = 0.16, f (0.34) = 0.22, f (0.4) = 0.27, f (0.52) = 0.29, f (0.6) = 0.32, f (0.72) = 0.37. Obter f (0.47) usando o polinoˆmio de grau 2. Exercı´cio 2.11. Considere a func¸a˜o f (x) = √ x definida nos pontos conforme tabela. Determinar o valor aproximado de √ 1.12 usando o polinoˆmio de Interpolac¸a˜o de Newton sobre treˆs pontos. xi 1.0 1.1 1.15 1.25 1.3 f (xi) 1 1.048 1.072 1.118 1.14 Exercı´cio 2.12. Sabendo-se que a equac¸a˜o x4 + 6x2 − 1 = 0 tem uma raiz em [0, 1], determinar o valor aproximado dessa raiz usando polinoˆmio de Interpolac¸a˜o de Newton sobre treˆs pontos. Exercı´cio 2.13. A func¸a˜o y = f (x) = ∫ ∞ x e−t t dt e´ dada pela tabela: xi 0.01 0.02 0.03 0.04 0.05 0.06 f (xi) 4.0379 3.3547 2.9591 2.6813 2.4679 2.2953 Atrave´s da Fo´rmula de Newton, calcule y para x = 0.0378 usando para´bola e uma cu´bica. Exercı´cio 2.14. Dada a tabela abaixo, calcule e3.1 usando um polinoˆmio de interpolac¸a˜o sobre treˆs pontos: xi 2.4 2.6 2.8 3.0 3.2 3.4 3.6 3.8 exi 11.02 13.46 16.44 20.08 24.53 29.96 36.59 44.70 31 Exercı´cio 2.15. Construa a tabela de diferenc¸as divididas para a func¸a˜o f (x) com os dados: f (0) = 0, f (0.5) = −2.241, f (1.0) = −1.65, f (1.5) = −0.594, f (2) = 1.34, f (2.5) = 4.564 Estime o valor de f (1.23). Exercı´cio 2.16. A raiz de uma func¸a˜o contı´nua pode ser aproximada pela raiz de seu polinoˆmio. Usando um polinoˆmio de grau dois, encontre x¯ tal que f (x¯) = 0. Use 5 casas decimais. Os valores exatos de f , para os valores dados de x, sa˜o: f (1) = −0.757, f (2) = 0.141, f (3) = 0.842, f (4) = 0.909. Exercı´cio 2.17. Uma maneira de se calcular a derivada de uma func¸a˜o em um ponto x0, quando na˜o se conhece a expressa˜o da mesma, e´ usar uma tabela para formar um polinoˆmio que aproxime a func¸a˜o, derivar enta˜o esse polinoˆmio e avaliar sua derivada em x = x0. Dados os pontos abaixo, calcule f ′(0.50) usando um polinoˆmio interpolador de grau 2: f (0.40) = 1.51, f (0.45) = 1.49, f (0.50) = 1.47, f (0.55) = 1.44, f (0.60) = 1.42. Exercı´cio 2.18. Engenheiros e programadores de computadores usam interpolac¸a˜o po- linomial para fazer gra´ficos por computador. Por exemplo, suponha que deseja-se construir uma curva que passa pelos pontos A = (2, 3), B = (4, 2), C = (5, 0) e D = (3,−2) como na figura. Para auxiliar estes professionais, usando Interpolac¸a˜o de Lagrange, en- contre uma curva que passa por estes 4 pontos. Fac¸a as hipo´tesis que ache necessa´rio para a soluc¸a˜o do problema. Figura 11: Desenho no computador. Exercı´cio 2.19. A seguinte tabela mostra a populac¸a˜o do Brasil de 1960 a 2010. Encontre um polinoˆmio interpolador de grau 5 e estime a populac¸a˜o nos anos 1955, 1975 e 2012. 32 A populac¸a˜o em 2012 foi aproximadamente 198.656 milho˜es. Qua˜o precisas voceˆ acha que sa˜o as aproximac¸o˜es nos anos 1955 e 1975? Ano 1960 1970 1980 1990 2000 2010 Populac¸a˜o( em milho˜es) 72.7759 96.0604 121.7404 149.6483 174.5049 195.2102 33 3 Resoluc¸a˜o Nume´rica de Sistemas Lineares 3.1 Introduc¸a˜o Nesta sec¸a˜o estudaremos te´cnicas para resolver sistemas lineares: a11x1 + a12x2 + ... + a1nxn = b1 a21x1 + a22x2 + ... + a2nxn = b2 ... an1x1 + an2xn2 + ... + annxn = bn (3.1) Estes sistemas podem ser escritos na forma Ax = b (3.2) em que A = (ai j) e´ uma matriz n × n e b e´ um vetor coluna n × 1. Por a´lgebra linear sabemos que se Det(A) , 0 enta˜o o sistema tem soluc¸a˜o u´nica. Ale´m disso, podemos resolveˆ-lo usando a reduc¸a˜o de Gauss (ou eliminac¸a˜o Gaussiana), isto e´, convertendo o sistema a um triangular superior. Aqui estudaremos dois me´todos com os quais podemos resolver um ou mais sistemas de equac¸o˜es lineares: O Me´todo da Decomposic¸a˜o LU e o Me´todo de Gauss-Seidel. 3.2 Preliminares Existem dois tipos de sistemas lineares que sa˜o fa´ceis de resolver: Os sistemas triangu- lares Inferiores e os sistemas triangulares Superiores. Usaremos a letra L (de lower=inferior em ingleˆs) para uma matriz triangular inferior e U (de upper=superior em ingleˆs) para uma matriz triangular superior. 3.2.1 Sistemas Triangulares Inferiores Sa˜o aqueles sistemas Lx = b na qual todos os termos que esta˜o acima da diagonal de L = (li j) sa˜o 0: l11x1 = b1 l21x1 +l22x2 = b2 ... ... . . . = ... ln1x1 +ln2x2 · · · +lnnxn = bn (3.3) 34 Exemplo 3.1. Resolva o sistema 3x1 = 1 x1 +5x2 = 1 2x1 −x2 +2x3 = 3 (3.4) Soluc¸a˜o: Observe que da primeira equac¸a˜o x1 = 13 . Substituindo na segunda equac¸a˜o x2 = (1 − x1)/5 = (1 − 13)/5 = 2 15 . Agora, na terceira equac¸a˜o x3 = (3 − 2x1 + x2)/2 = (3 − 23 + 2 15 )/2 = 37 30 . Do Exemplo 3.1, podemos fazer a seguinte observac¸a˜o. Observac¸a˜o 3.1. A soluc¸a˜o geral de um sistema triangular inferior como (3.3), e´ dada pelas fo´rmulas: x1 = b1 l11 , e xi = bi −∑i−1j=1 li jx j lii , para todo i = 2, ...,n 3.2.2 Sistemas Triangulares Superiores Sa˜o aqueles sistemas Ux = b na qual todos os termos que esta˜o abaixo da diagonal de U = (ui j) sa˜o 0: u11x1 +u12x2 . . . +u1nxn = b1 +u22x2 . . . +u2nxn = b2 . . . ... = ... unnxn = bn (3.5) Exemplo 3.2. Resolva o sistema 2x1 +3x2 −3x3 = 4 4x2 −x3 = −3 2x3 = 3 (3.6) 35 Soluc¸a˜o: Observe que da terceira equac¸a˜o x3 = 32 . Substituindo na segunda equac¸a˜o x2 = (−3 + x3)/4 = (−3 + 32)/4 = − 3 8 . Agora, isolando x1 na primeira equac¸a˜o x1 = (4 + 3x3 − 3x2)/2 = (4 + 92 + 9 8 )/2 = 77 16 . Do Exemplo 3.2, podemos fazer a seguinte observac¸a˜o. Observac¸a˜o 3.2. A soluc¸a˜o geral de um sistema triangular superior como (3.5), e´ dada pelas fo´rmulas: xn = bn unn , e xi = bi −∑nj=i+1 ui jx j uii , para todo i = 1, ...,n − 1. (3.7) 3.3 Me´todo Direto: Decomposic¸a˜o LU Quando resolvemos va´rios sistemas lineares Ax = b1,Ax = b2, ...,Ax = bp, por eliminac¸a˜o Gaussiana, em que todos os sistemas tem a mesma matriz A, teremos que repetir o me´todo da eliminac¸a˜o para cada vetor coluna b. Isto traz como consequeˆncia o uso de uma grande quantidade de memo´ria para armazenar os dados de cada sistema. Uma maneira de evitar esse consumo de memo´ria e´ utilizando o Me´todo da De- composic¸a˜o LU, que e´ mais eficiente pois permite calcular a decomposic¸a˜o sem usar os vetores coluna b. Antes de descrever o me´todo, apresentaremos um exemplo. Exemplo 3.3. Resolva o sistema 2 0−3 3 3 −40 −6 x1x2 = 5−3 (3.8) 36 Soluc¸a˜o: Repare que o sistema pode-se escrever na forma Ax = b, em que A = LU, sendo L uma matriz triangular inferior e U uma matriz triangular superior. L = 2 0−3 3 , U = 3 −40 −6 , b = 5−3 Fazendo y1y2 := Ux, concluimos que encontraremos a soluc¸a˜o do sistema se resolvemos os dois sistemas: 2 0−33 y1y2 = 5−3 , e 3 −40 −6 x1x2 = y1y2 O primeiro sistema tem soluc¸a˜o y1 = 52 e y2 = (−3 + 3y1)/3 = −1 + 52 = 32 . Tendo estes valores, podemos encontrar os valores de x1 e x2 no segundo sistema. Assim, −6x2 = y2 = 32 enta˜o x2 = −14 , e x1 = (y1 + 4x2)/3 = ( 52 − 1)/3 = 12 . Observac¸a˜o 3.3. O Exemplo 3.3 mostra que se por acaso podemos decompor a matriz A como produto de duas matrizes triangulares A = LU (em que L triangular inferior e U triangular superior), enta˜o a resoluc¸a˜o do sistema Ax = b se reduz a resoluc¸a˜o de dois sistemas: Ly = b que e´ triangular inferior, eUx = y que e´ triangular superior. Isto sera´ o objetivo da decomposic¸a˜o LU. Assim, a pergunta natural e´: Quando uma matriz A pode ser decomposta como produto de duas matrizes LU, em que L e´ triangular inferior e U e´ triangular superior? ou, toda matriz A tem decomposic¸a˜o LU? Para responder estas questo˜es, precisamos da seguinte definic¸a˜o. DEFINIC¸A˜O 3.1. Denomina-se menores principais de ordem k de uma matriz A = (ai j), com i, j = 1, · · · ,n a: ∆k = Det(Ak) em que Ak = (ai j), com i, j = 1, · · · , k, e´ formada pelas k primeiras linhas e k primeiras colunas de A. 37 Exemplo 3.4. Encontre os menores principais da matriz: A = 1 −2 3 −2 3 −5 −2 2 4 Soluc¸a˜o: Pela definic¸a˜o ∆1 = Det(a11) = 1, ∆2 = Det 1 −2−2 3 = −1. O Teorema abaixo fornece condic¸o˜es para a existeˆncia de uma decomposic¸a˜o LU. TEOREMA 3.1. Considere A = (ai, j), i, j = 1, · · · ,n. Se os menores principais ∆k sa˜o distintos de 0, para k = 1, · · · ,n − 1, enta˜o A se decompo˜e, de maneira u´nica, no produto LU em que L = (li j) e´ uma matriz triangular inferior com lii = 1, i = 1, · · · ,n e U = (ui j) e´ uma matriz triangular superior. Demonstrac¸a˜o. Provaremos o Teorema por induc¸a˜o. Se n = 1, e´ claro que A = (a11) pode ser decomposta, escrevendo A = LU = (1)(aii). Suponha que, se A e´ de ordem k − 1, enta˜o pode ser decomposta na forma Ak−1 = Lk−1Uk−1 em que Lk−1 e´ triangular inferior e Uk−1 e´ triangular superior. Devemos provar que existe uma decomposic¸a˜o para matrizes de ordem k. Seja A de ordem k, enta˜o escrevemos A = Ak−1 sr akk em que r e´ um vetor linha e s e´ um vetor coluna. Dado que Ak−1 e´ uma matriz de ordem k− 1 que, pela hipo´tese, pode ser decomposta na forma Ak−1 = Lk−1Uk−1. Defina as matrizes L = Lk−1 0rU−1k−1 1 , e U = Uk−1 L−1k−1s0 akk − rU−1k−1L−1k−1s (3.9) Note que L e´ triangular inferior e U e´ triangular superior. Ale´m disso: LU = Lk−1 0rU−1k−1 1 Uk−1 L−1k−1s0 akk − rU−1k−1L−1k−1s = Lk−1Uk−1 sr akk = A Por tanto A se decompo˜e como um produto LU em que L e U sa˜o dadas pelas fo´rmulas (3.9). � 38 Observac¸a˜o 3.4. Da prova do Teorema 3.1 podemos concluir que: (a) Se a matriz e´ de ordem n×n, e´ suficiente verificar que os menores determinantes sa˜o distintos do 0 ate´ a ordem n − 1. (b) A condic¸a˜o que usaremos para a matriz L e´ que lii = 1,∀i = 1, · · · ,n. Repare que a hipo´tese lii = 1,∀i = 1, ...,n, simplifica os ca´lculos para encontrar os coeficientes das matrizes L e U. Quando usamos esta´ hipo´tese, o me´todo e´ chamado Me´todo de Doolittle. Mas podia-se considerar outras hipo´teses. Por exemplo, outros dois me´todos de decomposic¸a˜o LU sa˜o: (i) Me´todo de Crout : Quando uii = 1,∀i = 1, ...,n, e (ii) Me´todo de Choleski: Quando uii = lii,∀i = 1, ...,n. Exemplo 3.5. Resolva o sistema linear 1 −3 1 2 −8 8 −6 3 −15 x1 x2 x3 = 4 −2 9 Soluc¸a˜o: Os menores principais sa˜o ∆1 = 1 e ∆2 = −2. Como ambos sa˜o distintos do 0, existe a decomposic¸a˜o LU. Sejam L = 1 0 0 l21 1 0 l31 l32 1 ,U = u11 u12 u13 0 u22 u23 0 0 u33 Da equac¸a˜o A = LU, obtemos 1 −3 1 2 −8 8 −6 3 −15 = 1 0 0 l21 1 0 l31 l32 1 u11 u12 u13 0 u22 u23 0 0 u33 Encontraremos a primeira linha de U multiplicando a primeira linha de L por U: 1.u11 = 1, 1.u12 = −3, e 1.u13 = 1, enta˜o u11 = 1,u12 = −3,u13 = 1. Tambe´m, encontramos a primeira coluna de L multiplicando L pela primeira coluna 39 de U: l21u11 = 2, l31u11 = −6 enta˜o l21 = 2, l31 = −6. Trabalharemos agora com a segunda linha de U. Esta e´ determinada multiplicando a segunda linha de L por U: l21u12 + u22 = −8, l21u13 + u23 = 8, enta˜o u22 = −2,u23 = 6. A segunda coluna de L e´ encontrada multiplicando L pela segunda coluna de U: l31u12 + l32u22 = 3, enta˜o l32 = 15 2 Por u´ltimo, determinamos a terceira linha de U multiplicando a terceira linha de L: l31u13 + l32u23 + u33 = −15, enta˜o u33 = −54. Fazendo y = y1 y2 y3 := Ux, obtemos dois sistemas lineares que devem ser resolvidos: Ly = b, e Ux = y, ou 1 0 0 2 1 0 −6 152 1 y1 y2 y3 = 4 −2 9 e 1 −3 1 0 −2 6 0 0 −54 x1 x2 x3 = y1 y2 y3 Do primeiro sistema y1 = 4, y2 = (−2 − 2y1) = −10, e y3 = (9 + 6y1 − 15y22 ) = 108. Por fim, com os valores dos yi, encontramos a soluc¸a˜o: x3 = −10854 = −2, x2 = (y2 − 6x3)/(−2) = −1, e x1 = (y1 + 3x2 − x3) = 3. Observac¸a˜o 3.5. Podemos generalizar as fo´rmulas do exemplo anterior: ui j = ai j − i−1∑ k=1 likukj, para i, j = 1, ...,n, i ≤ j. comec¸ando com i = 1, e li j = ai j −∑ j−1k=1 likukj u j j , para i, j = 1, ...,n, i ≥ j. comec¸ando com j = 1. 40 3.4 Me´todo Iterativo: O me´todo de Gauss-Seidel Assim como nos me´todos de resoluc¸a˜o de equac¸o˜es na˜o lineares usavamos me´todos iterativos para encontrar uma soluc¸a˜o aproximada, nesta sec¸a˜o apresentaremos um me´todo iterativo para resolver sistemas lineares. Este me´todo e´ chamado Me´todo de Gauss- Seidel e permite determinar uma soluc¸a˜o aproximada de um sistema linear. A ideia central por traz dos me´todos iterativos e´ escrever o problema na forma x = φ(x), e enta˜o determinar aproximac¸o˜es da soluc¸a˜o utilizando a sequeˆncia x(k+1) = φ(x(k)), a partir de uma aproximac¸a˜o inicial x(0). Se a sequeˆncia {x(k)} e´ convergente, enta˜o conver- gira´ para a soluc¸a˜o procurada. Aqui seguiremos esta mesma ideia aplicada a sistemas lineares. Apresentaremos o me´todo com um exemplo. Exemplo 3.6. Encontre uma soluc¸a˜o aproximada do sistema linear: 6x1 −x2 −x3 = 3 6x1 +9x2 +x3 = 40 −3x1 +x2 +12x3 = 50 Soluc¸a˜o: Seja x = (x1, x2, x3)t. Note que o sistema se pode escrever x1 −x26 −x36 = 12 2x1 3 +x2 + x3 9 = 40 9 −x14 + x212 +x3 = 256 no qual os coeficientes da diagonal sa˜o todos iguais a 1. Dessa forma, isolando as varia´veis da diagonal x1 = 12 + x2 6 + x3 6 x2 = − 2x13 + 409 − x39 x3 = x1 4 − x212 + 256 , Repare que este sistema tem a forma x = φ(x). Assim, podemos utilizar o me´todo iterativo x(k+1)1 = 1 2 + x(k)2 6 + x(k)3 6 x(k+1)2 = − 2x(k)1 3 + 40 9 − x(k)3 9 x(k+1)3 = x(k)1 4 − x(k)2 12 + 25 6 , (3.10) em que estamos utilizando os ı´ndices na parte superior. Suponha que a aproximac¸a˜o inicial, para k = 0, e´ x(0) = (x(0)0 , x (0) 1 , x (0) 3 ) t = (0, 0, 0)t. Cada aproximac¸a˜o e´ um vetor 41 coluna. Da primeira equac¸a˜o: x(1)1 = 1 2 + x(0)2 6 + x(0)3 6 = 1 2 + 0 6 + 0 6 = 1 2 . O ponto central: se ja´ temos uma aproximac¸a˜o x(1)1 de x1, podemos utiliza´-la para determinar a aproximac¸a˜o x(1)2 de x2, substituindo x(0) 1 por x (1) 1 na segunda equac¸a˜o de (3.10): x(1)2 = − 2x(1)1 3 + 40 9 − x (0) 3 9 = −2(1/2) 3 + 40 9 − 0 9 = 37 9 = 4.11111 Seguindo esta ideia, podemos substituir x(0)1 por x (1) 1 e x (0) 2 por x (1) 2 na terceira equac¸a˜o de (3.10): x(1)3 = x(1)1 4 − x (1) 2 12 + 25 6 = (1/2) 4 − (37/9) 12 + 25 6 = 3.94907. Logo, o processo iterativo, na iterac¸a˜o k, pode ser modificado ao seguinte: x(k+1)1 = 1 2 + x(k)2 6 + x(k)3 6 x(k+1)2 = − 2x(k+1)1 3 + 40 9 − x (k) 3 9 x(k+1)3 = x(k+1)1 4 − x (k+1) 2 12 + 25 6 Se k = 1 enta˜o x(2)1 = 1 2 + x(1)2 6 + x(1)3 6 = 1 2 + 4.11111 6 + 3.94907 6 = 1.84336 x(2)2 = − 2x(2)1 3 + 40 9 − x (1) 3 9 = −2(1.84336) 3 + 40 9 − 3.94907 9 = 2.77675 x(2)3 = x(2)1 4 − x (2) 2 12 + 25 6 = 1.84336 4 − 2.77675 12 + 25 6 = 4.39611. Para k = 2 obtemos x(3)1 = 1.69547, x (3) 2 = 2.82567 e x (3) 3 = 4.35506. 42 3.4.1 O Caso Geral Tendo como base o Exemplo (3.6), escreveremos as fo´rmulas para o caso geral. Considere um sistema de equac¸o˜es lineares: a11x1 + a12x2 + ... + a1nxn = b1 a21x1 + a22x2 + ... + a2nxn = b2 ... an1x1 + an2xn2 + ... + annxn = bn (3.11) que pode ser escrito na forma Ax = b, em que A = (ai j), b = (bi). Suponha aii , 0 para todo i = 1, ...,n, enta˜o podemos dividir cada equac¸a˜o pelo correspondente elemento da diagonal. Enta˜o o sistema converte-se a: x1 + a∗12x2 + ... + a ∗ 1nxn = b ∗ 1 a∗21x1 + x2 + ... + a ∗ 2nxn = b ∗ 2 ... a∗n1x1 + a ∗ n2xn2 + ... + xn = b ∗ n (3.12) em que a∗i j = ai j aii para todo i, j = 1, ...,n e b∗i = bi aii , para todo i = 1, ...,n. O sistema anterior pode-se escrever na forma A∗x = b∗, em que A∗ = (a∗i j). Esta matriz A ∗ pode ser decomposta na forma A∗ = L∗ + I + R∗ (3.13) em que L∗ = (l∗i j) e´ uma matriz triangular inferior com os elementos da diagonal iguais a 0, I e´ a matriz identidade e R∗ = (r∗i j) e´ uma matriz triangular superior com os elementos da diagonal iguais a 0. Ou seja, l∗i j = ai j aii sei > j 0 se i ≤ j e r ∗ i j = ai j aii sei < j 0 se i ≥ j O Sistema Ax = b e´ agora dado por (L∗ + I + R∗)x = b∗ que e´ equivalente a` equac¸a˜o (L∗ + I)x = −R∗x + b∗. DEFINIC¸A˜O 3.2. O me´todo de Gauss-Seidel e´ dado pelo processo iterativo: (L∗ + I)x(k+1) = −R∗x(k) + b∗ com condic¸a˜o inicial x(0) = (x(0)1 , x (0) 2 , x (0) 3 ) t. Cada aproximac¸a˜o x(k) e´ um vetor coluna. 43 Acostuma-se escreveˆ-lo na forma x(k+1) = −L∗x(k+1) − R∗x(k) + b∗ para expressar o fato que podemos aproveitar as aproximac¸o˜es x(k+1)1 , x (k+1) 2 , ..., x (k+1) i−1 para calcular a seguinte aproximac¸a˜o x(k+1)i , para i = 2, ...,n. 3.4.2 Crite´rios de Convergeˆncia So´ falta fornecer condic¸o˜es sobre as quais a sequeˆncia x(k) converge para a soluc¸a˜o do sistema linear Ax = b. Dois crite´rios sa˜o os mais utilizados. O me´todo de Gauss-Seidel converge se um dos dois crite´rios for satisfeito: (a) O crite´rio das linhas, isto e´, se max 1≤i≤n {βi} < 1 em que βi = ∑ j,i |a∗i j| = i−1∑ j=1 |a∗i j| + n∑ j=i+1 |a∗i j|,∀i = 1, ...,n e´ a soma de todos os termos da linha i da matriz A∗, exceto o termo da diagonal. (b) O crite´rio de Sassenfeld, isto e´, se max 1≤i≤n {βi} < 1 em que βi = i−1∑ j=1 |a∗i j|β j + n∑ j=i+1 |a∗i j|,∀i = 1, ...,n. 3.4.3 Crite´rio de Parada Precisamos de um crite´rio para decidir quando parar de realizar as iterac¸o˜es no me´todo de Gauss-Seidel. Ao igual que na resoluc¸a˜o de equac¸o˜es na˜o lineares, temos dois crite´rios de parada. 44 O me´todo de Gauss-Seidel para se atingimos os seguintes erros • Erro Absoluto. Se max 1≤i≤n |x(k+1)i − x(k)i | < �. (3.14) ou seja, se cada componente atinge um erro absoluto menor que �. • Erro Relativo. Se max 1≤i≤n |x(k+1)i − x(k)i | |x(k+1)i | < �. (3.15) ou seja, se cada componente atinge um erro relativo menor que �. Exemplo 3.7. Aplique o me´todo de Gauss-Seidel para resolver: 9x1 −3x2 +x3 = 2 −2x1 +5x2 +3x3 = −1 −x1 2x2 −7x3 = 3 Considerando um erro absoluto de � = 0.04. Soluc¸a˜o: Dividindo entre os coeficientes da diagonal obtemos: x1 − 13 x2 +19 x3 = 29 − 25 x1 +x2 +35 x3 = − 15 1 7 x1 − 27 x2 +x3 = − 37 Repare que o me´todo das linhas na˜o e´ satisfeito, pois os coeficientes sa˜o: β1 = 1 3 + 1 9 = 4 9 , β2 = 2 5 + 3 5 = 1 e β3 = 1 7 + 2 7 = 3 7 e enta˜o max1≤i≤n βi = 1. Assim, o crite´rio das linhas na˜o fornece informac¸a˜o sob a convergeˆncia. Mas, o crite´rio de Sassenfeld e´ satisfeito pois: β1 = 1 3 + 1 9 = 4 9 < 1, β2 = ( 2 5 )( 4 9 ) + 3 5 = 7 9 < 1, β3 = ( 1 7 )( 4 9 ) + ( 2 7 )( 7 9 ) = 2 7 < 1. 45 Dessa forma, o me´todo de Gauss-Seidel, dado pelo processo iterativo: x(k+1)1 = 2 9 + x(k)2 3 − x (k) 3 9 x(k+1)2 = + 2x(k+1)1 5 − 1 5 − 3x (k) 3 5 x(k+1)3 = − x(k+1)1 7 + 2x(k+1)2 7 − 3 7 com condic¸a˜o inicial x(0) = (0, 0, 0), e´ convergente. As aproximac¸o˜es esta˜o tabeladas abaixo. k x(k)1 x (k) 2 x (k) 3 erro 1 erro 2 erro 3 0 0 0 0 1 0.22222 -0.11111 -0.49206 2 0.23985 0.19117 -0.40821 3 0.33130 0.17744 -0.35760 0.09145 0.01373 0.05061 4 0.32110 0.143 -0.37910 0.0102 0.03444 0.0215 Por tanto, uma soluc¸a˜o aproximada e´ (0.32110, 0.143,−0.37910). 46 3.5 Exercı´cios Exercı´cio 3.1. Para cada um dos sistemas lineares seguintes, obtenha uma soluc¸a˜o por meio de um gra´fico, se possı´vel for. Explique os resultados do ponto de vista geome´trico. (a) x1 + 2x2 = 3 x1 − x2 = 0 (b) x1 + 2x2 = 3 2x1 + 4x2 = 6 (c) x1 + 2x2 = 3 2x1 + 4x2 = −6 (d) 2x1 + x2 + x3 = 1 2x1 + 4x2 − x3 = −1 Exercı´cio 3.2. Deˆ a Fatorac¸a˜o LU de cada matriz e resolva o sistema: (a) x1 + x2 + x3 = −1 3x1 + 2x2 − 2x3 = 2 4x1 + 3x2 − 4x3 = 7 (b) 2x1 + 3x2 + x3 − x4 = 6, 9 −x1 + x2 − 4x3 + x4 = −6, 6 x1 + x2 + x3 + x4 = 10, 2 4x1 − 5x2 + x3 − 2x4 = −12, 3 (c) x + y + 2z + 4t = 7, 12 2x + 5y + z + 2t = 14, 90 x + y + 5z + 6t = 12, 02 4x + 6y + 2z + t = 20, 72 Exercı´cio 3.3. Utilize a Fatorac¸a˜o LU para resolver o sistema linear a seguir: x1 + x2 + 2x3 + 4x4 = 7, 12 2x1 + 5x2 + x3 + 2x4 = 14, 90 x1 + x2 + 5x3 + 6x4 = 12, 02 4x1 + 6x2 + 2x3 + x4 = 20, 72 Exercı´cio 3.4. Considere o sistema linear 5x1 + 2x2 + x3 = 7 −x1 + 4x2 + 2x3 = 3 2x1 − 3x2 + 10x3 = −1 (a) Verificar a possibilidade de aplicac¸a˜o do me´todo de Gauss-Siedel, usando o Crite´rio de Sassenfeld. (b) Se possı´vel, resolveˆ-lo pelo me´todo do item (a), obtendo o resultado com erro absoluto < 10−2. Exercı´cio 3.5. Considere os seguintes sistemas de equac¸o˜es lineares (I) −9x1 + 5x2 + 6x3 = 11 2x1 + 3x2 + x3 = 4 −x1 + x2 − 3x3 = −2 (II) 5x1 + 2x2 + x3 = −12 −x1 + 4x2 + 2x3 = 20 2x1 − 3x2 + 10x3 = 3 (a) Resolva os sistemas dados usando o me´todo de Decomposic¸a˜o LU. (b) Caso haja convergeˆncia garantida, resolva os sistemas dados pelo Me´todo Iterativo de Gauss-Siedel com (x(0)1 , x (0) 2 , x (0) 3 ) = (0.1, 0.2, 0.5) e � = 0.01. 47 Exercı´cio 3.6. Dados os sistemas lineares: (I) 4x1 + 2x2 + 6x3 = 1 4x1 + x2 + 3x3 = 2 −x1 + 5x2 + 3x3 = 3 (II) 2x1 + x2 + 3x3 = 9 −x2 + x3 = 1 x1 + 3x3 = 3 (III) 2x2 + 2x3 = 8 x1 + 3x2 = 6 3x1 + x2 + x3 = 4 mostrar que, reordenando as equac¸o˜es e inco´gnitas, podemos fazer com que o crite´rio de Sassenfeld seja satisfeito, mas na˜o o crite´rio das linhas. Resolva-os. 48 4 Integrac¸a˜o Nume´rica 4.1 Introduc¸a˜o Cada vez que descrevemos um problema utilizandoderivadas podemos inferir que a soluc¸a˜o do mesmo envolve integrais do tipo I( f ) = ∫ b a f (x)dx (4.1) em que f : [a, b]→ R e´ uma func¸a˜o contı´nua no intervalo [a, b] com valores nos nu´meros reais. Estudando as te´cnicas de integrac¸a˜o do Ca´lculo, sabemos que existem func¸o˜es f (x) para as quais na˜o existe uma integral em termos de func¸o˜es elementares. Por exemplo, as seguintes integrais sa˜o difı´ceis de calcular∫ sin(x) x dx, ∫ e−x2dx. Assim, e´ necessario o uso de integrac¸a˜o nume´rica. Em outros casos, quando temos pouca informac¸a˜o sobre a func¸a˜o, por exemplo, quando conhecemos a func¸a˜o em um nu´mero finito de pontos, tambe´m e´ necessa´ria alguma te´cnica de integrac¸a˜o nume´rica. Por exemplo no seguinte problema: Exemplo 4.1. Um radar foi usado para medir a velocidade de um corredor durante os primeiros 5 segundos de uma corrida (Veja a tabela ). Estime a distaˆncia que o corredor cobriu durante aqueles 5 segundos. t(s) 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 v(m/s) 0 4.67 7.34 8.86 9.73 10.22 10.51 10.67 10.76 10.81 10.81 Note que so´ conhecemos a func¸a˜o v(t) em 10 pontos, mas mesmo assim, desejamos determinar o valor aproximado da integral∫ 5 0 v(t)dt, dado que a distaˆncia e´ a integral da velocidade em relac¸a˜o ao tempo. Numa terceira situac¸a˜o, pode ser que exista uma fo´rmula para integrar f (x) mas tal vez esta´ fo´rmula na˜o seja a maneira mais eficiente de calcular I( f ). 49 4.2 Preliminares Considere uma func¸a˜o contı´nua f : [a, b]→ R definida num intervalo [a, b]. A ideia ba´sica da integrac¸a˜o nume´rica e´ obter I( f ) via interpolac¸a˜o. Isto e´, primeiro aproximar f (x) por um polinoˆmio interpolante Pn(x) de grau n em [a, b], um polinoˆmio sobre n + 1 pontos x0 = a, x1, ..., xn−1, xn = b tais que a separac¸a˜o entre eles e´ dada por h = b − a n , ou xi = x0 + ih, para todo i = 0, 1, ...,n. Figura 12: Polinoˆmio Pn(x) que interpola f (x). Enta˜o pode-se aproximar a integral de f (x) usando a integral de Pn(x). Se Pn(x) interpola f (x) nos pontos x0 = a, x1, ..., xn = b, enta˜o I( f ) = ∫ b a f (x)dx ≈ ∫ b a Pn(x)dx. Assim, aproximar I( f ) reduz-se a determinar a integral de um polinoˆmio, o qual e´ fa´cil de realizar. 4.2.1 Estudo do Erro Uma vez feita a aproximac¸a˜o, fica ainda o estudo do erro cometido no processo de aproximar. Este erro pode ser estudado com a equac¸a˜o: f (x) = Pn(x) + Rn(x) (4.2) obtida na interpolac¸a˜o de Newton, em que Pn(x) e´ o polinoˆmio interpolante e Rn(x) e´ o resto dado por Rn(x) = (x − x0)(x − x1)...(x − xn) f [x0, x1, ..., xn, x] 50 em que f [x0, x1, ..., xn, x] e´ a diferenc¸a dividida de ordem (n + 1). Integrando a igualdade (4.2) entre a e b: I( f ) = ∫ b a Pn(x)dx + ∫ b a Rn(x), a partir do qual deduzimos que o erro cometido En e´ dado por En = ∫ b a Rn(x). Repare que pode-se escrever o resto na forma Rn(x) = ψ(x) f [x0, x1, ..., xn, x] em que ψ(x) = (x − x0)(x − x1)...(x − xn) Usando o Teorema de Rolle, pode-se mostrar que existe um ξ ∈ [a, b] tal que f [x0, x1, ..., xn, x] = f (n+1)(ξ) (n + 1)! . Assim, o erro e´ dado pela integral En = ∫ xn x0 f (n+1)(ξ) (n + 1)! ψ(x)dx. (4.3) O primeiro resultado e´ o seguinte: PROPOSIC¸A˜O 4.1. O erro En e´ limitado pela seguinte expressa˜o: |En| ≤ K(n + 1)! ∫ xn x0 |ψ(x)|dx, (4.4) em que K = max { | f (n+1)(x)| : x0 ≤ x ≤ xn } . Demonstrac¸a˜o. Pela Equac¸a˜o (4.3), obtemos |En| ≤ max { | f (n+1)(ξ) (n + 1)! |, ξ ∈ [x0, xn] } ∫ xn x0 |ψ(x)|dx ≤ K (n + 1)! ∫ xn x0 |ψ(x)|dx. pela definic¸a˜o de K. � 51 Observac¸a˜o 4.1. Pela Proposic¸a˜o 4.1, e´ suficiente estudar o comportamento de∫ xn x0 |ψ(x)|dx (4.5) para determinar um limitante superior do erro En. Aqui vamos trabalhar dois casos: (a) Caso 1: Se ψ(x) ≥ 0 para todo x ∈ [x0, xn], ou se ψ(x) ≤ 0 para todo x ∈ [x0, xn]. (b) Caso 2: Se ψ(x) satisfaz ∫ xn x0 ψ(x)dx = 0. 4.3 Regra dos Trape´zios. A regra dos trape´zios e´ a mais simple das regras de integrac¸a˜o, ou seja, quando con- sideramos n = 1. Isto e´ a interpolac¸a˜o sera´ dada sobre dois pontos x0 = a e x1 = b e o polinoˆmio interpolante P1(x) e´ uma reta. Definamos h = b − a e seja y0 = f (x0) e y1 = f (x1). O polinoˆmio P1(x) pode ser encontrado usando as diferenc¸as divididas: xi yi ordem 0 ordem 1 x0 y0 y0 y1−y0 h x1 y1 y1 Figura 13: Aproximac¸a˜o usando um polinoˆmio de grau 1. Pela fo´rmula de interpolac¸a˜o de Newton, o polinoˆmio interpolante e´ P1(x) = y0 + y1 − y0 h (x − x0) Enta˜o a aproximac¸a˜o de I( f ) sera´ I( f ) = ∫ b a f (x)dx ≈ ∫ x1 x0 P1(x)dx = ∫ x1 x0 [ y0 + y1 − y0 h (x − x0) ] dx. 52 Desenvolvendo as contas da u´ltima integral e fazendo x = x0 + u, obtemos: I( f ) ≈ ∫ h 0 [ y0 + ( y1 − y0 h ) u ] du = h 2 [y0 + y1] = h 2 [ f (x0) + f (x1)]. Observac¸a˜o 4.2. A fo´rmula I( f ) ≈ h 2 [ f (x0) + f (x1)]. e´ denominada Regra do Trape´zio porque a a´rea abaixo do polinoˆmio P1(x) corres- ponde a` a´rea de um trape´zio. 4.3.1 Limitante superior do erro na Regra do Trape´zio Note que ψ(x) = (x − x0)(x − x1), enta˜o ψ(x) ≤ 0 para todo x ∈ [x0, x1]. Isto implica que |ψ(x)| = −ψ(x) = (x − x0)(x1 − x) para todo x ∈ [x0, x1]. Pela fo´rmula (4.4) para o erro E1 obtemos |E1| ≤ K(1 + 1)! ∫ x1 x0 (x − x0)(x1 − x)dx, em que K = max{| f (2)(x)| : x0 ≤ x ≤ x1}. Fazendo a mudanc¸a x = x0 + u, obtemos |E1| ≤ K(2)! ∫ h 0 u(h − u)du = h 3 12 max{| f (2)(x)| : x0 ≤ x ≤ x1}. Resumindo: A aproximac¸a˜o de I( f ) dada pela Regra do Trape´zio e´ I( f ) ≈ h 2 [ f (x0) + f (x1)]. (4.6) e o limitante superior para o erro E1 e´ dado por |E1| ≤ h 3 12 max{| f (2)(x)| : x0 ≤ x ≤ x1}. (4.7) Exemplo 4.2. Usando a Regra dos Trape´zios, encontre uma aproximac¸a˜o da integral∫ 2 1 1 x dx 53 e determine um limitante superior para o erro cometido ao aproximar a integral. Soluc¸a˜o: Definimos x0 = a = 1 e x1 = b = 2 e enta˜o h = x1 − x0 = 1. Assim, f (x0) = f (1) = 1 e f (x1) = f (2) = 0, 5. Por tanto, a aproximac¸a˜o da integral dada pela fo´rmula (4.6) e´: I( f ) ≈ 1 2 [1 + 0, 5] = 0, 75. Para determinar o limitante superior do erro precisamos da derivada f (2)(x) = 2x3 . Assim max{| f (2)(x)| : x0 ≤ x ≤ x1} = max{ 2x3 : 1 ≤ x ≤ 2} = 2 1 = 2. Por tanto, pela inequac¸a˜o (4.7), |E1| ≤ 1 3 12 (2) = 2 12 = 0, 16666. Logo a integral pertence ao intervalo I( f ) ∈ [0.75 − 0.16666, 0.75 + 0.16666] = [0.58334, 0.91666]. 4.3.2 Regra do Trape´zio Generalizada A Regra dos Trape´zios Generalizada consiste na subdivisa˜o do intervalo de integrac¸a˜o [a, b] em n sub-intervalos Ii = [xi−1, xi] para i = 1, ...,n, cada um de comprimento h = b−an , definidos pelos pontos x0 = a, x1 = a + h, x2 = a + 2h, ..., xi = a + ih, ..., xn = b, para logo aplicar a regra dos trape´zios em cada sub-intervalo Ii para i = 1, ...,n. Desse modo, a integral I( f ) sera´ aproximada pela soma das integrais em cada sub-intervalo calculadas utilizando a regra do trape´zio. A figura abaixo apresenta o caso de 5 sub- intervalos. Figura 14: Regra do Trape´zio Generalizada. 54 A aproximac¸a˜o no intervalo Ii e´ dada por Ai = h 2 [ f (xi−1) + f (xi)]. Assim, a aproximac¸a˜o sera´: I( f ) ≈ A1 + A2 + .... + An Substituindo os valores: I( f ) ≈ h 2 [ f (x0) + f (x1)] + h 2 [ f (x1) + f (x2)] + .... + h 2 [ f (xn−1) + f (xn)] Simplificando I( f ) ≈ h 2 [ f (x0) + 2 n−1∑ i=1 f (xi) + f (xn)] (4.8) O erro na Regra do Trape´zios Generalizada e´ limitado pela soma dos erros em cada subintervalo Ii. Denotemos por E(i) o erro no intervalo Ii, e enta˜o, pela inequac¸a˜o 4.7, |E(i)| ≤ h 3 12 max{| f (2)(x)| : xi−1 ≤ x ≤
Compartilhar