Beruflich Dokumente
Kultur Dokumente
cao ao
CALCULO
NUMERICO
Pref
acio 4
2 Sistemas de equa co
es lineares 37
2.1 Formulac
ao do problema . . . . . . . . . . . . . . . . . . . . . 37
2.2 Sistemas de equac
oes lineares . . . . . . . . . . . . . . . . . . 37
2.2.1 Matrizes e Determinantes . . . . . . . . . . . . . . . . 38
2.2.2 Metodos Diretos . . . . . . . . . . . . . . . . . . . . . 53
2.2.3 Metodos Indiretos . . . . . . . . . . . . . . . . . . . . 60
2
CONTEUDO 3
3.5 Aproximac
ao em Media Quadratica . . . . . . . . . . . . . . . 82
3.5.1 Caso Contnuo . . . . . . . . . . . . . . . . . . . . . . 82
3.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . 92
5 Aproxima c
ao de fun coes 110
5.1 Formulac
ao do problema . . . . . . . . . . . . . . . . . . . . . 110
5.2 Equac
oes diferenciais ordinarias . . . . . . . . . . . . . . . . . 110
5.2.1 Metodos de Euler . . . . . . . . . . . . . . . . . . . . . 113
5.2.2 Metodos de Passo Simples . . . . . . . . . . . . . . . . 115
5.2.3 Ordem da Aproximcao . . . . . . . . . . . . . . . . . . 116
5.2.4 Metodos de Runge-Kutta . . . . . . . . . . . . . . . . 116
PREFACIO
Aparece como texto para cursos de graduacao, sob o ttulo de Introducao
ao Calculo Numerico, o conjunto de notas de aula do autor ao longo de sua
carreira docente. Nele, de alguma maneira, expressam-se a experiencia, as
inquietudes, as preferencias e a visao que tem o autor acerca da disciplina.
Em linhas gerais, o C alculo Numerico nasce da necessidade de determi-
nar um objeto, quando tal determinacao e extremamente difcil, seja pela
complexidade do objeto, seja pela falta de ferramentas suficientemente finas
ou quando ela e realmente impossvel. O pensamento matem atico se propoe
ent
ao `a construc
ao de aproximacoes do objeto.
O seguinte esquema tenta explicar este fato essencial do Calculo Numerico:
Problema: Determinar um objeto
Soluc
ao : Construir uma aprox()
Naturalmente, objeto e aproximacao s ao diferentes, porem, em determinadas
circunstancias e sob condicoes especiais definidas pela necessidade pratica
do objeto, a aproximacao substitui ao objeto de maneira eficiente.
A diferenca entre o objeto e a aproximacao do objeto, chama-se erro.
erro = aprox()
O erro tambem n ao e possvel de ser determinado, pois de outra forma,
o objeto ficara totalmente determinado. Diz-se que o erro e estimado.
Pretende-se assim expressar a definicao de margens dentro dos quais o erro
e permissvel.
Em resumo,
Problema: Determinar um objeto
Soluc
ao : Construir uma aprox()
com um erro m aximo permissvel
Assim,
k aprox()k <
Isto, que para o autor constitui o esprito do Calculo Numerico, guiar a
a distribuic
ao assim como a abordagem dos diversos temas.
Como toda construc ao, a construcao de aproximacoes precisa de metodos
e tecnicas. O desenvolvimento destes metodos e destas tecnicas, desde a
fundamentac ao ate a implementacao computacional, constitui o conte udo
deste livro.
O desenvolvimento de cada tema segue as seguintes etapas:
4
1. Formulac
ao do problema
2. Fundamentac
ao matem
atica dos metodos numericos
3. Implementac
ao computacional dos metodos numericos.
Os objetos matem
aticos cujas aproximacoes se pretende construir s
ao:
1. n
umeros
2. n-uplas de n
umeros
3. func
oes
1. (a) resoluc
ao de equacoes
(b) determinac
ao de valores n
ao conhecidos de funcoes
(c) derivac
ao e integracao de funcoes
2. resoluc
ao de sistemas de equacoes
3. resoluc
ao de equac
oes diferenciais.
Nao est
ao presentes neste livro numerosos metodos existentes para cada
t
opico. A intenc ao e mostrar s o alguns deles, elegidos seja pela sua im-
portancia, seja pela sua facilidade. Nao estimo conveniente, num primeiro
contato com a disciplina, apresentacoes enciclopedicas. Considero funda-
mental que se captem as ideias e se obtenha alguma experiencia computa-
cional. Tenho a convicc ao de que.sempre e melhor formar que informar.
E conveniente que os leitores possuam um conhecimento pelo menos
elementar de C alculo. E prefervel que possuam tambem alguma experiencia
em programac ao de computadores. Porem, os metodos s ao apresentados em
algoritmos escritos em pseudolinguagem o que permite, em cada caso, sua
implementac ao na linguagem que eles conhecerem. Aqueles que n ao tiverem
esta experiencia, encontrarao nos apendices alguns programas em Pascal que
podem ser melhorados.
5
Finalmente, registro meus agradecimentos a todos aqueles que generosa-
mente prestaram sua colaboracao a este intento. Minha especial gratid ao
para Luiz Adauto Medeiros, maestro infatigavel, com ele a todos aqueles
que com paciencia e sabedoria contriburam para dar-lhe clareza e corrigir
erros que, sem d
uvida alguma existem e pelos quais me responsabilizo.
6
1
1.1 Formula
cao do problema
Trata-se de aproximar um n umero. Uma das situacoes em que aparece
a necessidade de construc ao de aproximacoes de n
umeros e a de resolver
equac
oes.
A complexidade das equacoes e as dificuldades para resolve-las s ao de
longa data conhecidas; assim, por exemplo, para equacoes polinomiais de
grau 5 para cima, Abel provou que n ao podem ser resolvidas por meio de
combinacoes dos coeficientes.
Assim, o esprito da an alise numerica aparece: procura-se um objeto,
neste caso um n umero real, mas a complexidade do objeto e as dificul-
dades de sua determinac ao fazem necessaria a construcao de aproximacoes
do n
umero x que verifica f (x) = 0.
Resolve-se, assim, numericamente, a questao.
Tem-se ent
ao, para r D :
r KerF F (r) = 0
7
1. RAIZES DE UMA FUNC
AO 8
Defini c
ao 2 Seja r KerF , diz-se que r e uma raiz isolada da funcao F
se e so se existe um intervalo real [, ] tal que KerF [, ] = {r}, isto e,
r e a u
nica raiz da funcao F no intervalo [, ].
O intervalo [, ] e um intervalo de isolamento da raiz r.
F : IR 7 IR;
sen( 1 ) se x>0
x 7 F (x) =
x
0 se x0
Neste caso,
1
KerF = {x IR : x = , k = 1, 2, . . .} IR .
k
As razes isoladas desta funca
o s
ao os n
umeros reais da forma
1
x= , k = 1, 2, . . .
k
N
ao e dificil mostrar que
1 1
[1 , 1 ], onde 2 < 1 < < 1 < 1
e para k = 2, 3, . . . :
1 1 1
[k , k ], onde (k+1) < k < k < k < (k1) ,
s
ao intervalos de isolamento das razes
1
x= , k = 1, 2, . . .
k
Exemplo 2 Seja a funca
o
F : IR 7 IR;
1 se x e n
umero n
ao racional
x 7 F (x) =
0 se x e n
umero racional
KerF = {x IR : x e um n
umero racional}
A funca
o F n
ao tem razes isoladas, pois todo intervalo real contem infinitos
n
umeros racionais.
1. RAIZES DE UMA FUNC
AO 9
Nota c
ao:
Ck ([, ]) representa o conjunto das funcoes definidas no intervalo [, ] que
possuem k-esima derivada contnua em [, ].
C0 ([, ]) = C([, ]) representa o conjunto das funcoes contnuas no inter-
valo [, ].
Assim,
F e k-vezes derivavel em [, ] e
F Ck ([, ]) esima derivada de F, F (k) ,
a k-
e contnua em [, ], isto e, F(k) C([, ]).
Se F ()F () 0,ent
ao, existe r [, ] tal que F (r) = 0.
Observa c
ao 1 Se F ()F () > 0 , nada pode ser dito a respeito da exis-
tencia ou da unicidade das razes da funca
o F no intervalo [, ]. Nas Fig-
uras 1.2 e 1.3, os gr
aficos mostram casos em que F ()F () > 0 e a funca o
F ou n ao tem raiz ou tem mais de uma raiz, respetivamente, no intervalo
[, ].
Observa c
ao 2 A condicao de F ser contnua no intervalo [, ] e essencial;
por exemplo, se F for a funca
o correspondente ao grafico da Figura 1.4, tem-
se que F ()F () 0 , porem, nao existe r C[, ] tal que F (r) = 0.
Observa c
ao 3 As condicoes do teorema so garantem a existencia de razes
da funca
o F no intervalo [, ], nada pode ser dito a respeito da unicidade.
A Figura 1.5 mostra que as condico es do Teorema do valor Intermediario
nao garantem a unicidade da raiz. Sob as condicoes do Teorema pode acon-
tecer que a raiz seja u
nica ou existam mais de uma raiz no intervalo.
1. RAIZES DE UMA FUNC
AO 10
1.4 M
etodo da Varredura
Deve-se determinar as razes de uma funcao F , definida num conjunto D de
numeros reais, numa parte de seu domnio, mais precisamente, em algum
intervalo [a, b] D que chamaremos de intervalo de busca . Na verdade,
este e um subintervalo de localizacao de razes.
A localizacao das razes de uma funcao, isto e, a determinacao de um
intervalo onde encontram-se todas as razes da funcao, em alguns casos e
possvel de uma maneira simples, em outros precisa de uma an alise mais
profunda.
Definic
ao 3 Seja [a, b] um intervalo. Uma seq
uencia (x0 , x1 , . . . , xn ), de
n + 1 pontos(n
umeros reais) tais que
ALGORITMO A (M
etodo da Varredura)
Para k := 1(1)n
Se F (xk1 )F (xk ) 0 entao,
existe pelo menos uma raiz de F em [xk1 , xk ].
FIM
Observa c
ao 4 A express ao k := ki (h)kf significa que a vari
avel k toma
valores a partir do valor inicial ki com um incremento h, em cada vez, ate
tomar o valor final kf .
1. RAIZES DE UMA FUNC
AO 13
f
E acil observar que quanto maior o n umero de pontos da malha as
possibilidades de que [xk1 , xk ] seja um intervalo de isolamento de uma raiz
e maior.
Como tomar um n muito grande demanda um maior n umero de c
alculos,
aplicar o Algoritmo A em mais de uma vez acrescentando, em cada vez, o
n
umero de pontos, ate estabilizar o n umero de razes encontradas, e uma
boa forma de aperfeicoar o metodo.
ALGORITMO B (M
etodo da Varredura)
m := M , n := N , q := 0
Para j := 1(1)m
ALGORITMO A(n)
encontrou p razes.
Se p = q e p 6= 0, entao, FIM
noutro caso n := 2n, q := p e
voltar ao ALGORITMO A(n)
FIM
Observa c
ao 5 O numero m e o maximo de vezes que se repetir a o Algo-
ritmo A.
O processo finalizar
a antes das m vezes se em duas vezes consecutivas,
de aplicaca
o do Algoritmo A, o numero de razes encontradas e o mesmo.
1.5 Aproxima
cao de razes isoladas
1.5.1 M
etodos de Partic
ao
A partir de um intervalo de isolamento da raiz, obtem-se uma particao
com dois subintervalos. Verifica-se qual dos subintervalos contem a raiz.
Dependendo do ponto que determina a particao, obtem-se um metodo deste
tipo. Aqui s
o desenvolvemos o metodo que usa o ponto medio do intervalo.
1.5.2 M
etodo de Bissec
ao
Seja r uma raiz isolada de uma funcao contnua F e [, ] um intervalo de
isolamento desta raiz tal que F ()F () < 0. Definem-se as seq uencias de
numeros reais (k )kN e (k )kN pelo seguinte algoritmo:
1. RAIZES DE UMA FUNC
AO 14
ALGORITMO C (M
etodo de Bisse
c
ao)
:= e :=
0 0
Para k 1:
+
Mk := k1 2 k1
Se F (k1 )F (Mk ) 0, entao k := k1 e k := Mk
noutro caso k := Mk e k := k1
FIM
Observa c
ao 6 Como [, ] e intervalo de isolamento da raiz r, ela estar
a
num dos dois subintervalos [, M ] , [M, ], onde M e o ponto medio do
intervalo [, ] .
Assim, para todo k 1 :
|k1 k1 |
r [k , k ] e |k k | =
2
lim n = lim n = r
n n
Demonstra c
ao.
Provaremos que
lim |n r| = 0.
n
1. RAIZES DE UMA FUNC
AO 15
Conforme a observac
ao acima
r [n , n ] e
|0 0 |
0 |n r| |n n | =
2n
Assim,
1
0 lim |n r| |0 0 | lim =0
n n 2n
logo,
0 lim |n r| 0
n
de onde,
lim |n r| = 0
n
lim |n r| = 0
n
1.5.3 M
etodos de Ponto Fixo
Defini
c
ao 4 Sejam : D 7 IR com D IR e r D.
r e um ponto fixo de se e s
o se (r) = r.
F (r) = 0 (r) = r
Dada a func
ao
F : [, ] 7 IR; x 7 F (x),
definimos a func
ao:
Ent
ao,
1. RAIZES DE UMA FUNC
AO 16
F (r) = 0 (r) = r
(Provar! Exerccio).
Observe que para determinar a funcao e suficiente determinar a funcao c.
Graficamente, um ponto fixo e a abscissa do ponto de interseccao da curva
que representa a func
ao e a reta que representa a funcao identidade, id,
pois
(r) = r = id(r).
Soluc
ao : Para determinar os pontos fixos de em [0, 1] resolvemos a
ao x = x2 :
equac
x = x2 x2 x = 0 x(x 1) = 0 x = 0 ou x = 1.
Solu c
ao : Como 1 x = x para x = 12 , este e o u
nico ponto fixo de em
[0, 1].
Figura 1.9: : [
2 , 2 ] 7 IR; (x) = sen(x)
(i) ([, ]) [, ]
(ii) C([, ])
Ent
ao,
existe r [, ] tal que (r) = r
Demonstra
c
ao. A condicao ([, ]) [, ] significa que
ou, equivalentemente,
( x ) ( (x) ).
Caso 1 . = () ou () =
Obviamente, neste caso, a conclusao do Teorema e valida.
Caso 2 . 6= () e () 6=
Neste caso,
< () e () <
logo,
() < 0 e () > 0.
Definimos a func
ao
isto e,
F = id .
Temos:
F C([, ]), pois C([, ]) e id C([, ])
e como
F ()F () 0,
pelo Teorema do Valor Intermediario, segue-se que
Ent
ao,
existe um e s
o um r [, ] tal que (r) = r
Demonstra cao.
Exist encia:
Sera suficiente mostrar que da condicao (ii) segue-se a continuidade da
funcao em [, ]. Logo, o Teorema precedente prova a existencia do ponto
fixo.
Seja x0 [, ]. Provaremos que e contnua em x0 .
De fato, dado > 0 existe = L , tal que se |x x0 | < L , tem-se pela
hipotese (ii) que
|(x) (y)| L |x y| < L = .
L
Unicidade:
Primeiro prova-se o seguinte:
Demonstra
cao do Lema.
Suponha a 6= 0, ent
ao a > 0 e aL < a, contrariando a hip
otese.
Demonstra
c
ao da unicidade:
Suponhamos que r1 e r2 [, ] s
ao pontos fixos de , entao
r1 = (r1 ) e r2 = (r2 ).
Logo
x0 [, ],
xn+1 = (xn ), n = 0, 1, . . .
lim xn = r.
n
Demonstra
c
ao. De fato,
logo,
0 |xn r| Ln |x0 r|
Assim,
0 lim |xn r| |xo r| lim Ln = 0
n n
pois,
lim Ln = 0 dado que 0 < L < 1
n
da,
lim |xn r| = 0.
n
Logo,
lim xn = r.
n
Ent
ao
existe um e s
o um r [, ] tal que (r) = r
Corol
ario 1 Nas condico
es do Teorema, se
x0 [, ],
xn+1 = (xn ), n = 0, 1, . . . ,
ent
ao
lim xn = r,
n
x0 [, ],
xn+1 = (xn ), n = 0, 1, . . .
Se (xn )nIN e convergente, ent
ao xn converge para um ponto fixo de .
1. RAIZES DE UMA FUNC
AO 23
Demonstra
c
ao. Seja
a = lim xn ,
n
Da definic
ao da seq
uencia e a continuidade da funcao, segue que:
1.5.4 M
etodo de Newton-Raphson
O metodo de Newton-Raphson e um metodo de ponto fixo. Seja r uma raiz
isolada da func
ao F e [, ] um intervalo de isolamento de r. Teremos que
construir a func
ao tal que r seja o u
nico ponto fixo de em [, ].
Com a finalidade de usarmos o Teorema anterior, impomos a condicao
(x) < 1 para todo x [, ] e (r) = 0.
assim,
(r) = 1 + c(r)F (r) = 0,
logo,
1
c(r) = .
F (r)
Definimos c por
1
c : [, ] 7 IR; x 7 c(x) = ,
F (x)
logo
F (x)
(x) = x
F (x)
Como tem que ser derivavel e
F F
=
F 2
F ter
a que ter segunda derivada no intervalo.
Como r e raiz de , podemos ainda supor que e contnua e, para isto,
F ter
a que ser contnua, isto e, F C 2 ([, ]).
Teorema 9 (M
etodo de Newton-Raphson) Sejam:
i. F C 2 ([, ]) e
Ent
ao existe um intervalo fechado I [, ] tal que
F (xn )
x0 I, xn+1 = xn , n = 1, 2, . . .
F (xn )
convege para r.
Demonstra
c
ao.
Como F C([, ]) e F (r) 6= 0,existe um intervalo fechado I [, ] tal
que
r I e para todo x I : F (x) 6= 0
Pondo
F (x)
(x) = x , (x I)
F (x)
tem-se que
F F
= C(I)
F 2
Fazendo a escolha de I tal que
e que
F (x) F (x)
L = max < 1,
xI F (x)2
ent
ao o resultado segue-se do Corol ario.1.9
Graficamente o metodo de Newton-Raphson pode ser interpretado da seguinte
maneira:
Determina-se o termo xn+1 a partir de xn achando a abscissa do ponto de
intersecc
ao da reta tangente ao grafico de F no ponto (xn , F (xn )) e o eixo
das abscissas do sistema de coordenadas.
A equac ao da reta tangente ao gr
afico de F no ponto (xn , F (xn )) e:
y=0
F (xn )
x = xn = xn+1.
F (xn )
1. RAIZES DE UMA FUNC
AO 26
1.5.5 M
etodos de Passos M
ultiplos
Nos metodos de ponto fixo, ao definir a seq
uencia de aproximacoes por:
x0 [, ], xn+1 = (xn ), n = 0, 1, . . .
estamos usando so um termo anterior para determinar o termo seguinte,
fato que carateriza os metodos de passo simples.
Quando um termo da seq uencia depende de dois ou mais termos anteri-
ores, isto e,
x0 , x1 , . . . , xk [, ],
xn+1 = (xn , xn1 , . . . , xnk ), n = k, k + 1, . . .
se diz que o metodo e de passos m
ultiplos.
1.5.6 M
etodo da Secante
Substituido-se F (xn ) pelo coeficiente angular da reta secante ao grafico de
F que passa pelos pontos (xn , F (xn )) e (xn1 , F (xn1 )), obtemos o metodo
da secante.
Assim o metodo da secante e dado pela convergencia da seq uencia:
ent
ao p e denomina-se a ordem de convergencia de (xk )kIN e C a constante
assint
otica do erro.
1. RAIZES DE UMA FUNC
AO 27
() P (z) =) = a0 z n + a1 z n1 + + an1 z + an
onde n e um n
umero enteiro n
ao negativo e os coeficientes a0 , a1 , . . . an1 , an
s
ao n
umeros complexos. A maior potencia de z com coeficiente n ao nulo que
aparece na express
ao () que define P chama-se o grau de P e denota-se
grauP .
Assumimos sem prova o seguinte resultado importante:
Teorema 10 (Fundamental da Algebra) Se P e uma polinomial de grau
1, ent
ao P tem pelo menos uma raiz.
Observa c
ao 7 No caso que os coeficientes sejam n umeros reais a funca
o
polinomial poder
a n 2
ao possuir razes reais, por exemplo, P (z) = z + 1.
Corol
ario 2 Seja P uma polinomial de grau n 1 com a0 = 1 e seja r
uma raiz de P . Ent
ao
P (z) = (z r)Q(z)
onde Q e uma polinomial de grau n 1.
() P (z) = a0 (z r1 )(z r2 ) (z rn )
1. RAIZES DE UMA FUNC
AO 28
Observa c
ao 8 As n razes da polinomial p de grau n 1 nao necessari-
amente sao diferentes. Se r e uma raiz de P , o n
umero de vezes em que
aparece z r como fator em () chama-se a multiplicidade de r.
Demonstra
c
ao. (exerccio)
No que se segue limitaremos nosso estudo `as funcoes polinomiais com coefi-
cientes reais e aproximaremos s o as razes reais de tais polinomiais caso elas
existam. Porem alguns resultados cumprem-se para o caso geral.
Assim, as funcoes polinomiais objeto de nosso estudo s ao as funcoes definidas
por:
Pn (x) = a0 xn + a1 xn1 + + an1 x + an
onde a0 , a1 , . . . an1 , an s
ao n
umeros reais.
Observa
c
ao 9
Pn = 0 x IR : Pn (x) = 0
x IR :
a0 xn + a1 xn1 + a2 (n 1)xn2 + + an1 x + an = 0.
Lema 2
Pn = 0 a0 = a1 = = an1 = an = 0
Demonstra c
ao.
() Por inducao:
Para n = 0 e verdade.
Suponhamos valido para polin omios de grau n 1. Provaremos que se
cumpre para polin omios de grau n:
Se x IR : Pn (x) = 0 ent
ao
Pn (2x) = 0 e 2n Pn (x) = 0
Assim,
2n Pn (x) Pn (2x) = 0
1. RAIZES DE UMA FUNC
AO 29
isto e,
(2n 2n1 )a1 xn1 + (2n 2n2 )a2 xn2 + + (2n 1)an = 0
Mas 2n Pn (x) Pn (2x) e um polin omio de grau n 1 e pela hip
otese de
induc
ao os coeficientes s
ao nulos, logo
a1 = = an1 = an = 0
Assim Pn (x) reduz-se ao primeiro termo a0 xn que deve ser zero para todo
x IR. Logo a0 = 0
Ent
ao,
Pn = Qn i {0, 1, . . . , n} : ai = bi
Demonstra
c
ao. (exerccio)
Teorema 13 (Algoritmo de Ruffini-Horner) Sejam: a funca
o polino-
mial definida por
Pn (x) = a0 xn + a1 xn1 + + an1 x + an
e a seq
uencia (bk )0kn definida por:
b0 = a0
bk = ak + bk1 r 1 k n, r IR
Ent
ao,
(i) Pn (r) = bn
(ii ) Pn (x) = (x r)Qn1 (x) + bn
n1
bi x(n1)i
X
onde Qn1 (x) =
i=0
(iii) Pn (r) = Qn1 (r)
1. RAIZES DE UMA FUNC
AO 30
Demonstra
c
ao. (exerccio)
Corol
ario 4 Se r e r s
ao razes da funca
o polinomial Pn , ent
ao
Demonstra
c
ao. (exerccio)
Demonstra c
ao. Suponhamos que r1, r2, . . . , rn sejam razes reais de Pn e
r e um n
umero real tal que r 6= rk para todo k = 1, 2, . . . , n.
Localiza
c
ao das razes de uma fun
c
ao polinomial
Lema 3 Para todo a, b IR : ||a| |b|| |a + b|
Demonstra
c
ao. (exerccio)
Demonstra c
ao. Mostraremos que, se |r| T, entao Pn (r) 6= 0.
Seja (bk )0kn a seq
uencia definida por:
b0 = a0 ,
bk = ak + bk1 r 1 k n, r IR
Verifiquemos para k = 0:
|b0 | = |a0 | > 0
Agora, supondo que cumpre para k 1, provemos que cumpre para k:
Pondo
A = max |ak | ,
1kn
b0 = a0 , c0 = b0 ,
bk = ak + bk1 x0 , ck = bk + ck1 x0
1 k n 1,
bn
bn = an + bn1 x0 , x1 = x0
cn1
O processo pode ser estruturado nas seguintes etapas:
Etapa 1: Fazer:
1
x0 = 1 + max |ak |
|a0 | 1kn
bn
x1 = x0
cn1
Etapa 3: Se
x1 x0
< ,
x
0
Etapa 4,
caso contr
ario, Etapa 2 com x1 no lugar de x0 .
M
etodo de Lin
Se x e uma raiz real da funcao polinomial definida por:
bn = Pn (x) = an + bn1 x = 0,
logo:
1. RAIZES DE UMA FUNC
AO 33
an
x=
bn1
De
Pn (x) = an + bn1 x = 0,
tem-se:
Pn (x) an
bn1 = ,
x
logo
xan
x=
an Pn (x)
an
1 + xPn (x) K < 1
a P (x) an Pn (x)
n n
Ent
ao a seq
uencia definida por:
x k an
x0 [, ], xk+1 = , k = 1, 2, . . . ..
an Pn (xk )
converge para r.
Demonstra
c
ao. (exerccio)
Exerccios
1. Nas condicoes do Teorema do Metodo de Newton-Raphson, se (xn )nIN ,
definida no mesmo teorema, converge e
ek = |r xk | , k IN,
ent
ao
en+1 F ()
lim = , com [, ],
n en 2F (r)
isto e, a ordem de convergencia e 2.
F (r) F ()
Sug. F (x) = F (r) + 1! (x r) + 2! (x r)2 , com [, ].
2. Provar que a sequencia de aproximacoes do metodo de Bissecao tem ordem
de convergencia 1.
3. Para que valores de n, no metodo de Bissecao, os termos xn sao aproximacoes
da raiz, com > 0 dado como maximo erro permissvel?
1. RAIZES DE UMA FUNC
AO 34
4. Dada a funcao
F : [, ] 7 IR; x 7 F (x),
definimos a funcao:
Provar que:
F (r) = 0 (r) = r
Ent
ao,
Pn = Qn i {0, 1, . . . , n} : ai = bi
e a seq
uencia (bk )0kn definida por:
b0 = a0
bk = ak + bk1 r 1 k n, r IR
1. RAIZES DE UMA FUNC
AO 35
Provar que:
(i ) Pn (r) = bn
(ii ) Pn (x) = (x r)Qn1 (x) + bn ,
Pn1
com Qn1 (x) = i=0 bi x(n1)i
(iii) Pn (r) = Qn1 (r)
nica raiz em [ 4 , 2 ].
(a) Mostrar graficamente que existe uma u
correto aplicar o metodo de Newton-Raphson neste caso? (explique).
(b) E
Ent
ao, a seq
uencia definida por:
xk an
x0 [, ], xk+1 = , k = 1, 2, . . . ..
an Pn (xk )
converge para r.
1. RAIZES DE UMA FUNC
AO 36
(a) x3 2x2 x + 2 = 0, em IR
(b) x3 2x2 x + 2 = 0, em IR
(c) x3 1 = 0, em IR
(d) 4senx exp x = 0, em IR
(e) exp x |x| = 0, em IR
(f) xsenx = 0, em (0, +)
2
Sistemas de equa
c
oes lineares
2.1 Formula
cao do problema
Trata-se de aproximar uma n-upla ordenada de n umeros. A situacao em que
aparece a necessidade de construcao de aproximacoes de n-uplas ordenadas
de numeros e a de resolver sistemas de equacoes. Quando se diz: resolver o
sistema de m equacoes e n incognitas, est
a se pedindo para procurar uma n-
upla ordenada de n umeros cujas componentes verifiquem simultaneamente
as m equacoes do sistema.
A complexidade do sistema est a ligada ao n umero de equacoes e ao
numero de inc ognitas do sistema.Ela tambem dependera da natureza das
equac
oes, dado que elas podem ser lineares, algebricas ou trascendentes.
Novamente procuramos um objeto, neste caso uma n-upla ordenada de
numeros. A complexidade do objeto e as dificuldades de sua determinacao,
fazem necessaria a construcao de aproximacoes a este objeto.
Resolve-se entao, numericamente, a questao.
37
2. SISTEMAS DE EQUAC
OES LINEARES 38
isto e,
a11 x1 + a12 x2 + + a1j xj + + a1n xn = b1
am1 x1 + am2 x2 + + amj xj + + amn xn = bm
Defini
c
ao 1 Sejam, m, n IN e IK um conjunto. Chama-se matriz de
ordem m n em IK toda funca
o
Defini
c
ao 2 Sejam a, b MIK (m, n).
S
ao de interese os casos em que o conjunto IK est
a munido de operacoes
tais como soma e multiplicacao. Nestes casos, pode-se definir para A, B
MIK (m, n) e IK:
onde
1 12
B= 2 1
4 2
2. SISTEMAS DE EQUAC
OES LINEARES 40
Defini
c
ao 3 Seja a matriz A = (aij )mn MIR (m, n).
a matriz AT = (aji )nm MIR (n, m). isto e,
Chama-se transposta de A, `
(i) (AT )T = A
(ii) (A + B)T = AT + B T
(iii) (A)T = AT
Defini
c
ao 4 Seja a matriz A = (aij )nn .
Diz-se que A e uma matriz simetrica se A = AT , isto e,
E facil verificar que toda matriz quadrada pode-se expressar como soma
de uma matriz simetrica e uma matriz anti-simetrica:
A + AT A AT
A= +
2 2
Exemplo 3 Se A e a matriz:
3 2 1
3 2 1 3 2 5 0
2 5 0 2 , ent
ao AT =
1 0 5
1 0 5 1
3 2 1
Exemplo 4 A matriz:
3 2 1 3
2 5 0 2
,
1 0 5 1
3 2 1 9
2. SISTEMAS DE EQUAC
OES LINEARES 41
e simetrica.
A matriz:
0 2 1 3
2 0 0 2
,
1 0 0 1
3 2 1 0
e anti-simetrica.
Exemplo 5
3 5
0 0 25 1
3 2 1 3 3 2 2 2 2
2 5 0 2 2 5
0 2 0 0 0 0
= +
4 0 5 1 32 0 5 1 5
2 0 0 0
5
2 2 1 9 2 2 1 9 21 0 0 0
Analogamente,
a1p
a2p
para 1 p n : Cp = .
..
amp
Desta forma:
a11 a1j a1n F1
. .. .. .. .. .
.. . . . . ..
h i
A = ai1 aij aim = F = C1 Cj Cn
. .. .. .. .. .
. .
. . . . . .
am1 amj amn Fm
Assim,
(aij )mn = (Fi )m = (Cj )n
2. SISTEMAS DE EQUAC
OES LINEARES 42
Defini
c
ao 5 Sejam A MIR (1, p) e B MIR (p, 1).
p
X
AB = (a11 b11 + a12 b21 + + a1p bp1 )11 = ( a1k bk1 )11 .
k=1
b11
b21
..
h i .
a11 a12 a1k a1p = [a11 b11 + a12 b21 + . + a1p bp1 ]
bk1
..
.
bp1
Observa c
ao 1 Costuma-se identificar MIR (1, n) e MIR (n, 1) com o conjunto
IRn e, para x = (x1 , x2 , . . . , xn ) e y = (y1 , y2 , . . . , yn ), definimos:
p
X
xy = xk y k .
k=1
Desta forma: AB = [A B T ].
Defini
c
ao 6 Sejam A MIR (m, p) e B MIR (p, n). Chama-se produto de
A e B a matriz:
p
X
AB = (cij )mn = (ai1 b1j + ai2 b2j + . + aip bpj )mn = ( aik bkj )mn .
k=1
Observac
ao 2 O produto das matrizes A e B s o e definido no caso em que
o n
umero de colunas de A e igual ao n
umero de linhas de B.
c11 c1n
a11 a12 a1p b11 b1j b1n
. . .. .. .. ..
.. .. .. .. b
21 b2j b2n .
. . . . .
. . .
. .. .. .. ..
. .
. . .
ai1 ai2 aip . . . . . = .
cij .
.
. .. .. .. ..
.. .. .. ..
. . . . ..
. . . . . . . . ..
. .. .. .. .
am1 am2 amp bp1 apj bpn cm1 cmn
A matriz AB MIR (m, n).
2. SISTEMAS DE EQUAC
OES LINEARES 43
Ax = b
onde
a11 a1j a1n x1 b1
. .. .. .. .. . .
.. . . . . .. ..
A = ai1 aij aim , x = xj e b = bi
. .. .. .. .. . .
. . .
. . . . . . .
am1 amj amn xn bm
Opera
co
es elementares de linha ou coluna
Defini
c
ao 7 Seja A MIR (m, n).
a11 a1j a1n F1
. .. .. .. .. .
.. . . . . ..
h i
A = ai1 aij aim = F = C1 Cj Cn
.. .. .. .. .. ..
. . . . . .
am1 amj amn Fm
ou, mais sinteticamente,
(aij )mn = (Fi )m = (Cj )n
S
ao operac
oes elementares de linha (resp. coluna):
1. Multiplicac
ao de uma linha (resp. coluna) por um n
umero:
Fk , Cj . ( 6= 0)
2. Transposic
ao de linhas (resp. colunas):
Fk Fi , Cj Cp .
3. Somar a uma linha (resp. coluna) o produto de uma linha (resp.
coluna) paralela por um n
umero:
Fk + Fi Fi , Ck + Cj Cj . ( 6= 0)
Definic
ao 8 Se A, B MIR (m, n), diz-se que A e B s ao equivalentes se B
e obtida a partir de A por operaco
es elementares de linha ou coluna.
Neste caso escreve-se:
A(op.elemt. de linha ou coluna) B.
Exemplo 6
" # " # " #
1 2 3 4 3 2
3 4 1 2 1 1
(F1 F2 ) ( 12 C2 )
Definic
ao 10 Seja a matriz A MIR (n). Diz-se que A e singular se det A =
0 e que A e regular se det A 6= 0.
det A = (1)0 a11 a22 + (1)1 a12 a21 = a11 a22 a12 a21
Temos que:
(j1 , j2 , j3 ) t a1j1 a2j2 a3j3
(1, 2, 3) 0 a11 a22 a33
(1, 3, 2) 1 a11 a23 a32
(2, 1, 3) 1 a12 a21 a33
(2, 3, 1) 2 a12 a23 a31
(3, 1, 2) 2 a13 a21 a32
(3, 2, 1) 1 a13 a22 a31
logo,
det A = (1)0 a11 a22 a33 + (1)1 a12 a23 a32 + (1)1 a12 a21 a33 +
(1)2 a12 a23 a31 + (1)2 a13 a21 a32 + (1)1 a13 a22 a31
Nota
c
ao:
a11 a1n
det A = ... .. ..
.
.
a ann
n1
Cofator de expans
ao relativo a uma linha (resp. Coluna)
Definic
ao 11 O cofator de expans
ao da matriz A relativo `
a linha Fk e dada
pela express
ao:
O cofator de expans
ao da matriz A relativo `
a coluna Cj e dada pela
express
ao:
Mais sinteticamente,
n
(1)k+j akj kj
X
Cof deExpFk (A) =
j=1
n
(1)i+j aij ij ,
X
Cof deExpCj (A) =
i=1
2. SISTEMAS DE EQUAC
OES LINEARES 47
Corol
ario 1
(i) det A = det AT
(ii) Fk = 0 (resp.Ck = 0) det A = 0
Demonstra
c
ao. (exerccio)
Corol
ario 2
p 6= q e Fq = Fp (resp., Cq = Cp ) det A = 0
Demonstra c
ao. Por recorrencia:
Verifiquemos para n = 2 : Se F1 = F2 , tem-se
a a12
11
= a11 a22 a12 a21 = a11 a22 a11 a22 = 0
a21 a22
Corol
ario 3 Sejam A, B MIR (n).
Demonstra
c
ao. (exerccio).
An
alise de consist
encia de um sistema linear
Defini
c
ao 12 Para n IN , definimos a matriz:
1 se i = j
In = (ij )nn e ij =
0 se i =
6 j
In chama-se matriz identidade de ordem n.
1 0 0 0
0 1 0 0
.. .. . . .. .. ..
. . . . . .
In =
0 0 1 0
.. .. .. .. .. ..
. . . . . .
0 0 0 1
Cumpre-se:
Defini c
ao 13 Seja a matriz A = (aij )mn 6= 0. Se A e equivalente, por
operaco
es elementares de linha, a uma matriz da forma
" # " #
h i Ip Ip 0
Ip ou Ip 0 , ou , ou
0 0 0
ent
ao diz-se que o posto de A e p, postoA = p.
Admitiremos tambem:
2. SISTEMAS DE EQUAC
OES LINEARES 49
Teorema 2 Seja A MIR (m, n). Ent ao, p = postoA se e somente se,
existe uma submatriz quadrada de ordem p com det 6= 0 e toda submatriz
quadrada de A de ordem maior que p tem det = 0.
Corol
ario 4 Seja A MIR (n).
Demonstra
c
ao. (exerccio).
x1 + x2 + 3x3 = 5
x1 x3 = 0
x2 + 2x3 = 3
A matriz aumentada do sistema e:
1 1 3 . 5
1 0 1 . 0
0 1 2 . 3
Por operaco
es elementares de linha, obtemos:
1 1 3 . 5
1 0 1 . 0 (F2 F3 )
0 1 2 . 3 (F1 + F2 )
1 1 3 . 5
0 1 2 . 3 (F2 + F1 )
0 1 4 . 2 (F2 + F3 )
( 21 F3 )
1 0 1 . 2
0 1 2 . 3 (F3 + F2 )
0 0 2 . 2 ( 12 F3 + F1 )
2. SISTEMAS DE EQUAC
OES LINEARES 50
postoA = 3
1 0 0 . 1 (C1 + C4 )
0 1 0 . 1 ()
(C2 + C4 )
0 0 1 . 1
(C3 + C4 ))
1 0 0 . 0 " #
posto[A b] = 3
0 1 0 . 0
0 0 1 . 0
O sistema tem soluca
o u
nica pois, postoA = posto[A b] = 3 = n.
De (), segue que a soluca
o e x = (1, 1, 1).
Exemplo 11 Analizar a consistencia do sistema linear:
2x1 + x2 x3 = 5
x2 + 4x3 = 10
A matriz aumentada do sistema e:
" #
2 1 1 . 5
0 1 4 . 10
Por operaco
es elementares de linha, obtemos:
" # " #
2 1 1 . 5 (F2 + F1 )
0 1 4 . 10 ( 12 F1 )
" # " #
1 0 25 . 25 ( 52 C1 + C3 )
()
0 1 4 . 10 (4C2 + C3 )
" # postoA = 2
1 0 0 . 25
( 25 C1 + C4 )
0 1 0 . 10
(10C2 + C4 )
" #
1 0 0 . 0 h i
posto[A b] = 2
0 1 0 . 0
O sistema tem infinitas soluco
es dependentes de um par
ametro, pois,
posto[A b] = 2 = postoA 6= n = 3
De (), tem-se
(
x1 = 52 + 52 t
x1 52 x3 25
=
2x = 10 4t
x2 + 4x3 = 10 x = t, t IR
3
2. SISTEMAS DE EQUAC
OES LINEARES 51
x1 + x2 + x3 = 1
x1 x2 =1
2x2 + x3 = 2
A matriz aumentada do sistema e:
1 1 1 . 1
1 1 0 . 1
0 2 1 . 2
Por operaco
es elementares de linha, obtemos:
1 1 1 . 1
1 1 0 . 1
0 2 1 . 2 (F1 + F2 )
1 1 1 . 1
0 2 1 . 0 (F2 + F1 )
0 2 1 . 2 (F2 + F3 )
1 1 0 . 1
1
0 2 1 . 0 ( 2 F2 )
0 0 0 . 2 ( 12 F3 )
1 1 0 . 1 postoA = 3
1
0 1 . 0 (C1 + C2 )
2
0 0 0 . 1 ( 12 C2 + C3 )
1 0 0 . 1 postoA = 2
0 1 0 . 0 (C1 + C4 )
0 0 0 . 1 (C3 C4 )
1 0 0 . 0 " #
posto[A b] = 3
0 1 0 . 0
0 0 1 . 0
O sistema n
ao tem soluca
o, pois postoA = 2 e posto[A b] = 3.
2. SISTEMAS DE EQUAC
OES LINEARES 52
Norma em IRn
Definiao 14 Chama-se norma em IRn toda funca
c o de IRn em IR+ tal que:
(N 1) kxk = 0 x = 0
(N 2) kxk = || kxk
(N 3) kx + yk kxk + kyk
kxk e a norma da n upla de n
umeros reais x.
n
X
kxk1 = |xk |
k=1
v
u n
|xk |2 ,
uX
kxk2 = t
k=1
e
kxk = lim kxkp = max |xk |
p 1kn
(N 1) kAk = 0 A = 0
(N 2) kAk = || kAk
(N 3) kA + Bk kAk + kBk
kAk e a norma da matriz A.
m
X
kAk1 = max |aij | ,
1jn
i=1
v
um X
n
uX
kAk2 = t |aij |2 ,
i=1 j=1
m
X
kAk = max |aij | .
1in
i=1
Cumpre-se:
(exerccio).
Limitaremos nosso estudo aos sistemas de n-equacoes com n -inc
ognitas:
a11 a1j a1n x1 b1
. .. .. .. .. . .
.. . . . . .. ..
ai1 aij ain xj = bi .
. .. .. .. .. .. .
. .
. . . . . . .
an1 amj ann xn bn
2.2.2 M
etodos Diretos
Sistema de matriz diagonal
Conderemos o sistema linear Ax = b, onde
a11 0 0 0
0 a22 0 0
.. .. .. . ..
. ..
. . . ...
A=
0 0 aii 0
.. .. .. .. ..
. . . . . .
0 0 0 ann
Ent
ao, se aii 6= 0, para todo i = 1, 2, . . . , n, a solucao e dada por:
bi
xi = , (1 i n)
aii
Definic
ao 16 A matriz A = (aij )nn e triangular superior (resp. inferior)
se aij = 0 para i > j (resp. i < j).
Demonstra c
ao. (Por inducao:)
Para n = 1, det A = a11 . Suponhamos que a afirmacao se cumpre para as
matrizes triangulares de ordem n 1. Seja A matriz triangular de ordem n.
det A = Cof deExpFn (A)
= ann nn
= ann (a11 a22 . . . ..an1n1 )
= ni=1 aii
Q
2. SISTEMAS DE EQUAC
OES LINEARES 55
e a u
nica soluca
o do sistema.
Demonstra
c
ao. (exerccio).
4x1 + 4x2 x3 = 2
x2 + 4x3 = 1
7x3 = 6
6
x3 = ,
7
1
x2 = (1 4x3 )
1
1
x1 = (2 4x2 + x3 )
4
Finalmente,
6
x3 =
7
31
x2 =
7
29
x1 =
7
2. SISTEMAS DE EQUAC
OES LINEARES 56
M
etodo de Gauss
Consiste em transformar o sistema Ax = b num sistema T x = , onde T e
triangular superior.
Denotemos por S (k) a matriz :
(k) (k)
(aij )nn+1 , tal que aij = 0, para j = 1, 2, . . . , k 1, e i > j,
isto e,
Defini c
ao 17 (Itera ao de Gauss) Construi-se a partir de S (k) uma ma-
c
(k+1)
triz S (k+1) = (aij )nn+1 da seguinte forma:
(k)
1. Se akk 6= 0 :
(k)
a 1 i k, 1 j n + 1
ij
(k+1)
aij = e,
(k)
(k) aik (k)
aij akj k + 1 i n, 1 j n + 1
(k)
akk
(k) (k)
2. Se akk = 0 e existe l tal que k < l n : alk 6= 0 :
(k)
aij 1 i k, 1 j n + 1
.
(k)
alj i = k, 1 j n + 1
.
(k+1)
aij =
(k)
akj i = l, 1 j n + 1
e,
(k)
(k) aik (k)
aij alj k + 1 i n e i 6= l, 1 j n + 1
(k)
all
2. SISTEMAS DE EQUAC
OES LINEARES 57
(k) (k)
3. Se akk = 0 e para todo l tal que k < l n : alk = 0
S (k+1) = S (k)
Teorema 5 (M
etodo de Gauss) Seja o sistema linear
Ax = b
.
(p)
A matriz S (p) = (aij )nn+1 , obtida a partir de S (1) = [A | b], ap
os p 1
iteraco
es de Gauss e tal que :
para cada p = 1, 2, . . . , n :
o sistema linear:
n
X (p) (p)
aij xj = ain+1 , 1in
j=1
Demonstra
c
ao. Monstraremos que os sitemas
n
X (k) (k)
aij xj = ain+1 , 1in e
j=1
n
X (k+1) (k+1)
aij xj = ain+1 , 1in
j=1
No caso 2. :
Fk Fl
e a seguir faz-se as transfomacoes do caso 1.
2. SISTEMAS DE EQUAC
OES LINEARES 58
No caso 3. :
S (k+1) = S (k)
Logo os sistemas correspondentes a S (k) e S (k+1) , respetivamente, pos-
suem as mesmas solucoes. Se deduz por recorrencia que S (p) tem a mesma
soluc
ao que Ax = b (que corresponde `a situacao p = 1).
Demonstra c
ao. Suponhamos que a p-esima iteracao de Gauss seja a
primeira que use o caso 3. Neste caso, a matriz A(p) tem a forma:
(p) (p) (p) (p) (p) (p)
a11 a12 a13 a1p1 a1p a1n
(p) (p) (p) (p) (p)
0 a22 a23 a2p1 a2p a2n
(p) (p) (p) (p)
0 0 a33 a3p1 a3p a3n
.. .. .. .. ..
0 0 0 . . . . .
.. ..
(p) (p) (p)
. . 0 ap1p1 ap1p ap1n
(p)
0 0 0 0 0 apn
.. .. .. .. .. .. ..
. . . 0 . . . .
(p)
0 0 0 0 0 ann
(p)
Desenvolvendo o determinante pela primeira coluna e designando por ii
(k) (k)
ajk ajk
j = (k)
, j = (k)
, j = k + 1, . . . , n
akk alk
Normaliza
c
ao e Pivotamento parcial
Teoricamente, o metodo de Gauss funciona em precisao infinita, enquanto
que os computadores possuem precisao finita pelas suas limitacoes na rep-
resentacao dos numeros. Isto e causa de erro nos calculos. No caso da
resoluc
ao dos sistemas lineares, uma forma de se minimizar o ac umulo ex-
cessivo deste erro e proceder `a normalizacao do sistema e ao pivotamento
parcial.
A Normalizac ao do sistema consiste em calcular a norma de sua matriz
aumentada:
N ORM A = M a
x {|aij | : i = 1, . . . , n j = 1, . . . , n + 1}
2.2.3 M
etodos Indiretos
M
etodos de Relaxamento
Seja o sistema linear regular de ordem n, Ax = b, que tem como u
nica
soluc
ao a n upla w = (wj )1jn .
(k)
Defini
c a n-upla x(k) = (xj )1jn a n-
ao 18 Chama-se resduo relativo `
(k)
upla r (k) = (rj )1jn tal que r (k) = Ax(k) b.
Evidentemente,
tais que
(i) limp
r (p)
=0
(ii) x(p+1)
dif iere de x(p) em somente uma componente.
Chama-se relaxamento ` a passagem de x(p) a x(p+1) :
. . . x(p) x(p+1) . . .
Se apenas a condic
ao (i) e satisfeita, diz-se que o metodo e de iteracao.
M
etodo de Gauss-Seidel
O metodo de Gauss-Seidel e um metodo de relaxamento que consiste em
modificar sucessivamente e na ordem das componentes a n-upla x(p) , de
maneira tal que a componente correspondente da n-upla r (p) seja zero.
Assim, para obter x(1) a partir de x(0) , modifica-se a primeira compo-
nente de x(0) de maneira tal que a primeira componente de r (1) seja zero,
(1)
isto e, r1 = 0.
Se p < n, para obter x(p) a partir de x(p1) , modifica-se a p -esima
componente de x(p1) de maneira que a p-esima componente de r (p) seja
(p)
zero, isto e, rp = 0.
2. SISTEMAS DE EQUAC
OES LINEARES 61
de onde,
(p) (p1) (p1) (p)
ri0 = ri0 ai0 i0 xi0 + ai 0 i 0 x i 0
(p) (p)
Para ter ri0 = 0, xi0 ter
a que ser:
(p1)
(p) x i = 1, . . . , i0 1, i0 + 1, . . . , n
xi = i(p1) 1 (p1) ()
x i0 ai0 io ri0 i = i0 = 1 + p(mod n)
(p)
Isto conduz ri .a:
n
(p) X (p)
ri = aij xj bi i = 1, 2, . . . , n
j=1
de onde,
n
(p) X (p1) (p1) 1 (p1)
ri = ai0 j xj + ai0 i0 [xi0 ri 0 ] bi
j=1,j6=i0
ai0 i0
Finalmente,
(p) (p1) aii0 (p1)
ri = ri r i = 1, . . . , n ()
ai0 i0 i0
Admitimos sem prova o seguinte teorema:
2. SISTEMAS DE EQUAC
OES LINEARES 62
Observa c
ao 4 O teorema afirma que se a seq uencia converge, ent
ao con-
verge `
a soluca
o. Nao est
a garantida a convergencia. Na implementaca o
computacional correspondente, colocamos o criterio de Sassenfeld para de-
terminar se o metodo convergir
a ou n
ao para o sistema dado.
Exerccios
1. Provar: P ara todo A, B, C MIR (m, n) e para todo , IR:
onde
0 = (ij )mn com ij = 0, para todo (i, j) Im In
e A = (aij )mn , se A = (aij )mn
2. Provar:
(i) det A = det AT
(ii) Fk = 0 (resp.Ck = 0) det A = 0
2. SISTEMAS DE EQUAC
OES LINEARES 63
7. Mostre que se
Vkl = I Ekk Ell + Ekl + Elk
ent
ao A(Fk Fl ) Vkl A.
8. Mostre que as iteracoes de Gauss no caso 1 e no caso 2, podem ser escritas
matricialmente na forma:
A(k+1) = G(k) A(k)
Pn
(I + Pk+1 j Ejk ), caso 1
com G(k) = n
(I + k+1 j Ejk )Vkl , caso 2
(k) (k)
ajk ajk
j = (k)
, j = (k)
, j = k + 1, . . . , n
akk alk
Vkl = I Ekk Ell + Ekl + Elk (Fk Fl )
1 se (i, j) = (p, q)
Epq = (ij )nn com ij =
0 se (i, j) 6= (p, q)
9. Achar os valores de k tais que o sistema de equacoes lineares () tem solucao
u
nica
x1 +kx2 =3
()
kx1 +x2 =1
2. SISTEMAS DE EQUAC
OES LINEARES 64
(a)
3x1 x2 + x3 =5
x1 + x2 x3 = 2
x1 + 2x2 + x3 =3
(b)
2x1 x2 + x3 =4
x1 + 3x2 5x3 =1
8x1 9x2 + 13x3 =2
(c)
x1 x2 + x3 =3
5x1 + 2x2 x3 =5
3x1 + 4x2 + 3x3 =1
(d)
3x1 5x2 + 2x3 + 4x4 =2
7x1 4x2 + x3 + 3x4 =5 .
5x1 + 7x2 4x3 6x4 =3
(e)
8x1 + 6x2 + 5x3 + 2x4 = 21
3x1 + 3x2 + 2x3 + x4 = 10
4x1 + 2x2 + 3x3 + x4 =8
7x1 + 4x2 5x3 + 2x4 = 18
3x1 + 5x2 + x3 + x4 = 15
3.1 Polin
omio Interpolador
Formula
c
ao do problema
Seja uma func
ao f da qual s ao conhecidos n + 1 valores funcionais nas
correspondentes n + 1 abscissas tambem conhecidas:
f (xk ) = yk para 0 k n.
Definic
ao 1 Seja f uma funca o tal que f (xk ) = yk para 0 k n.
Chama-se polin omio interpolador de f a funcao polinomial P de grau n
tal que f (xk ) = P (xk ) para 0 k n.
Exist
encia e Unicidade do Polin
omio Interpolador
Teorema 1 O polin
omio interpolador de f existe e e u
nico.
65
3. VALORES DE UMA FUNC
AO 66
1 x0 x20 . xn0
. .
1 x1 x21 . . . xn1 Y
= (xj xi )
. . . . . . .
0i<jn
1 xn x2n . xnn
. .
Se os xk s
ao tais que xi 6= xj para i 6= j, tem-se que o determinante n
ao e
zero.
Demonstra c
ao Por inducao:
Verifiquemos para n = 1:
1 x0
= x1 x0
1 x1
Fazendo
x2k xpk
1 xk
1 xk+1 x2k+1 xpk+1
(k, p) = .. .. .. .. ..
. . . . .
x2p xpp
1 xp
x21
1 x1 xn1
.. .. .. ..
.. . . .
Y
(0, n + 1) = (xj x0 )
1 xn x2n xnn
1jn+1
2
1 xn+1 xn+1 xnn+1
Demonstra c
ao do Teorema.
A existencia e unicidade do polin omio interpolador da funcao f e equivalente
`a existencia e unicidade da solucao do sistema de equacoes lineares:
1 x0 x20 xn0
a0 y0
2 n
1 x 1 x 1 x 1 a1
y1
.. .. .. .. .. ..
= ..
. . . . . . .
1 xn x2n xnn an yn
Por sua vez, a existencia e unicidade da solucao deste sistema de equacoes
lineares e equivalente a:
1 x0 x20 xn0
1 x1 x21 xn1
.. .. .. .. .. =
6 0
. . . . .
1 xn x2n xnn
j6=i (x xj )
Q
Li (x) = Q ( < x < +)
j6=i (xi xj )
Teorema 2 O polin
omio interpolador P da funca
o f e dado por:
n
X
P (x) = yi Li (x) onde yi = f (xi ), 0in
i=0
Demonstra c
ao. Observe-se primeiro que: Li (xi ) = 1 e Li (xj ) = 0 se
i 6= j e que P e uma func
ao polinomial de grau n.
Como para xj todos os termos da soma, exceto o j esimo termo, se anulam,
tem-se que
n
X
P (xj ) = yi Li (xj ) = yj = f (xj ), (0 j n)
i=0
x 1 0 1 2
y 1 1 3 11
As func
oes de Lagrange correspondentes a (1, 0, 1, 2) s
ao:
x(x 1)(x 2)
L0 (x) =
(1)(2)(3)
x(x 1)(x 2)
=
6
3. VALORES DE UMA FUNC
AO 69
(x + 1)(x 1)(x 2)
L1 (x) =
1(1)(2)
(x + 1)(x 1)(x 2)
=
2
(x + 1)x(x 2)
L2 (x) =
2 1(1)
(x + 1)x(x 2)
=
2
(x + 1)x(x 1)
L3 (x) =
321
(x + 1)x(x 1)
=
6
Logo o polin
omio interpolador da funcao f e :
0 i np , 1pn
Os (f ; xi , . . . , xi+p ) chamam-se diferencas divididas de ordem p da funca
o
f.
3. VALORES DE UMA FUNC
AO 70
Demonstra c
ao. Por inducao:
Verifiquemos para n = 1 :
(f ; x1 ) (f ; x0 ) f (x1 ) f (x1 )
(f ; x0 , x1 ) = = +
x1 x0 x1 x0 x0 x1
Teorema 4 O polin
omio interpolador P da funca
o f e dado por:
P (x) = (f ; x0 ) + (f ; x0 , x1 )(x x0 )
3. VALORES DE UMA FUNC
AO 71
+ (f ; x0 , x1 , x2 )(x x0 )(x x1 )
+ +
+ (f ; x0 , . . . , xn )(x x0 )(x x1 ) (x xn1 )
Demonstra c
ao.
claro que grauP n. Mostraremos que
E
P (xk ) = f (xk ) 0 k n
Da definic
ao de diferencas divididas, temos:
f (xk ) = (f ; xk ) = (f ; x0 ) + (f ; xk , x0 )(xk x0 )
(f ; xk , x0 ) = (f ; x0 , x1 ) + (f ; xk , x0 , x1 )(xk x1 )
(f ; xk , x0 , x1 ) = (f ; x0 , x1 , x2 ) + (f ; xk , x0 , x1 , x2 )(xk x2 )
.. .. ..
. . .
(f ; xk , x0 , . . . , xk2 ) = (f ; x0 , x1 , . . . , xk1 ) + (f ; xk , x0 , . . . , xk1 )(xk xk1 )
Multiplicando, sucessivamente,
a segunda equacao por (xk x0 ),
a terceira equac
ao por (xk x0 )(xk x1 ),.
a quarta equacao por. (xk x0 )(xk x1 )(xk x2 ),..., finalmente,
a kesima equacao por (xk x0 )(xk x1 ) (xk xk2 ).
f (xk ) = (f ; x0 ) + (f ; x0 , x1 )(xk x0 )
+ (f ; x0 , x1 , x2 )(xk x0 )(xk x1 )
+ +
+ (f ; xk , x0 , . . . , xk1 )(xk x0 )(xk x1 ) (xk xk1 )
Como
(f ; xk , x0 , . . . , xk1 ) = (f ; x0 , . . . , xk1 , xk ),
tem-se o resultado.
3. VALORES DE UMA FUNC
AO 72
Calculo da aproxima
c
ao de f (x) pela forma Lagrange do Polin
omio
Interpolador
O Algoritmo D, permite o calculo da aproximacao de f (x) para x dado,
usando a forma Lagrange do polimomio interpolador da funcao f .
Nota
c
ao: P ol = P (x), Li = Li (x)
ALGORITMO D (Polin
omio de Lagrange)
P ol := 0
Para i := 0(1)n:
p1 := 1, p2 := 1
Para j := 0(1)n:
se i 6= j, p1 := p1 (x xj ), p2 := p2 (xi xj )
Li := p1 p2
P ol := P ol + f (xi ) Li
f (x) P ol.
FIM
3. VALORES DE UMA FUNC
AO 73
Calculo da aproxima
c
ao de f (x) pela forma Newton do Polin
omio
Interpolador
O Algoritmo E, permite o c
alculo das diferencas divididas da funcao f , sobre
x0 , . . . , xn dados.
Nota
c
ao: d(i, p) = (f ; xi , xi+1 , . . . , xi+p )
ALGORITMO E (Diferen
cas Divididas)
Para i := 0(1)n:
d(i, 0) := f (xi )
Para p = 1(1)n:
Para i := 0(1)n p:
d(i, p) := [d(i + 1, p 1) d(i, p 1)]/(xi+p xi )
FIM
Nota
c
ao: k = (f ; x0 , x1 , . . . , xk )
ALGORITMO F (Polin
omio de Newton)
p0 := 1
Para k := 1(1)n:
pk := pk1 (x xk1 )
P ol := 0
Para k := 0(1)n:
P ol := P ol + pk k
f (x) P ol.
FIM
Erro na Interpola
c
ao Polinomial
Teorema 5 Seja f C n ([a, b]) tal que f (n+1) existe em (a, b) e seja P o
polin
omio interpolador com P (xk ) = f (xk ), k = 0, . . . , n, xk [a.b].
3. VALORES DE UMA FUNC
AO 74
Ent
ao, para todo x [a, b] :
n
f (n+1) () Y
f (x) P (x) = (x xk )
(n + 1)! k=0
Demonstra
c
ao. Seja c [a, b], qualquer.
Pondo: n
Y
Q(x) = P (x) + A (x xk )
k=0
com
f (c) P (c)
A = Qn ,
k=0 (c xk )
tem-se que Q e uma func
ao polinomial de grau n + 1 tal que
ter
a valor zero em algum ponto de [a, b], logo
f (c) P (c)
Q(n+1) (x) = A (n + 1)! = Qn (n + 1)!
k=0 (c xk )
Em particular,
f (c) P (c)
Q(n+1) () = f (n+1) () = Qn (n + 1)!
k=0 (c xk )
de onde,
n
f (n+1) () Y
f (c) P (c) = (c xk )
(n + 1)! k=0
3. VALORES DE UMA FUNC
AO 75
ario 1 Se para todo x (a, b) : f (n+1) (x) M , ent
Corol ao
n
M Y
|f (x) P (x)| (x xk )
(n + 1)! k=0
Observa
c
ao 1 Tambem pode-se escrever:
M
|f (x) P (x)| m(x0 , . . . , xn )
(n + 1)!
onde n
Y
m(x0 , . . . , xn ) = max (x xk )
x[a,b]
k=0
f : IR 7 IR ;f (x) = exp(x)
usando a tabela:
x 0 0, 2 0, 6 1, 0
y 1 1, 2214 1, 8221 2, 7182
De acordo com o Corol
ario precedente
n
M Y
|f (0, 5) P (0, 5)| (0, 5 xk )
(n + 1)! k=0
2, 7182
|(0, 5)(0, 3)(0, 1)(0, 5)|
4!
0, 0009
onde
n1
X i1
Y
Q(x) = (f ; x0 , . . . , xi ) (x xj )
i=0 j=0
de onde,
f (n) () = n!(f ; x0 , . . . , xn )
Observa c o de f (n)
ao 2 O Teorema anterior permite dar uma aproximaca
sobre [x0 , xn ]:
Se
= inf f (n) (x) e = sup f (n) (x)
x0 xxn x0 xxn
ent
ao, para todo x [x0 , xn ] :
(n)
f (x) n!(f ; x0 , . . . , xn ) <
Exerccios
1. Para concluir que o polinomio interpolador P da funcao f e dado por:
n
X i1
Y
P (x) = (f ; x0 , . . . , xi ) (x xj )
i=0 j=0
Prove que
(f ; xk , x0 , . . . , xk1 ) = (f ; x0 , . . . , xk1 , xk ),
3. VALORES DE UMA FUNC
AO 77
x 1 1 3
y 1 1, 5 2
x 1 0 1 2
(a) x = 1, 5
y 0 1 3 15
x 1, 5 0, 5 1, 5 2
(b) x = 0, 75
y 1 1 3 18
x 0, 1 0 1.2 2, 4
(c) x = 1, 5
y 10 10 22 31
x 0, 1 0, 2 0, 3 0.4 0.5
(d) x = 0, 35
y 1 1 3 10 4
3.4 Polin
omio de Taylor
oes de classe C n ([a, b]), e possvel construir aproximacoes
Para o caso das func
polinomiais usando as derivadas da funcao na determinacao dos coeficientes
da func
ao polinomial aproximacao.
Teorema 7 (Rolle) Se f C([a, b]), f (n+1) existe em (a, b) e f (a) = f (b)
ao existe c (a, b) tal que f (c) = 0.
, ent
Teorema 8 (Taylor) Se f C n ([, ]) e f (n+1) existe em (, ), ent
ao
para todo a, b [, ] existe c [a, b] tal que
n
f (k) (a)
(b a)k + R(f )
X
f (b) =
k=1
k!
isto e,
f (1) (a) f (n) (a)
f (b) = f (a) + (b a) + + (b a)n + R(f )
1! n!
com
f (n+1) (c)
R(f ) = (b a)n+1
n!
3. VALORES DE UMA FUNC
AO 79
Demonstra
c
ao. Seja M IR tal que
n
f (k) (a)
(b a) + M (b a)n+1
X
f (b) =
k=1
k!
definimos a func
ao g : [a, b] 7IR da seguinte maneira:
n
f (k) (x)
(b x)k + M (b x)n+1
X
g(x) = f (b) +
k=1
k!
Tem-se que g C([a, b]) e g(a) = g(b) = 0. Pelo Teorema de Rolle, existe
c (a, b) tal que g (c) = 0. Como para a < x < b :
f (n+1) (x)
g (x) = (b x)n M (n + 1)(b x)n ,
n!
tem-se, " #
n f (n+1) (c)
g (c) = (n + 1)(c b) M =0
(n + 1)!
Como c 6= b,
f (n+1) (c)
M=
(n + 1)!
Demonstra c
ao. Por recorrencia:
Para n = 0, tem-se:
Z b
f (b) = f (a) + R1 (f ) e R1 (f ) = f (x)dx = f (b) f (a).
a
obtemos:
1
Z b
Rp1 (f ) = f (p) (x)(b x)p1 dx
(p 1)! a
b
1
= f (p)(x)(b x)p +
p (p 1)! a
Z b
1
+ f (p+1) (x)(b x)p dx
a p (p 1)!
1 (p) 1 b (p+1)
Z
= f (x)(b a)p + f (x)(b x)p dx
p! p! a
1 (p)
= f (x)(b a)p + Rp (f )
p!
Finalmente, subtituindo na express
ao original, segue que:
p
f (k) (a) 1 b
Z
k
f (p+1) (x)(b x)p dx
X
f (b) = (b a) +
k=1
k! p! a
Corol ario 2 Sejam f C n ([a, b]) e x0 [a, b]. Se f (n+1) existe em (a, b) e
existe M tal que para todo x (a, b) : |f (x)| M , ent
ao a funca
o polinomial,
chamada polim omio de Taylor,
n
f (k) (x0 )
(x x0 )k
X
Pn (x) =
k=0
k!
(b a)(n+1)
|f (x) Pn (x)| M
(n + 1)!
Demonstra
c
ao. (exerccio).
Dado que f (k) (x) = exp(x) para todo x IR e para todo k IN, temos que
f (k) (0) = 1 para todo k IN. Logo,
1 1
P3 (x) = 1 + x + x2 + x3
2 6
Assim, o valor apronimado de e = f (1) e:
1 1 8
P3 (1) = 1 + 1 + + =
2 6 3
Como
|exp(x)| 3 em [1, 1]
segundo o corol
ario
2 1
|exp(x) P3 (x)| 3 = = 0.25
4! 4
8
Portanto, a aproximac
ao de e por um polin
omio de Taylor de grau 3 e 3
com um erro estimado de 0.25.
Exerccios
1. Sejam f C n ([a, b]) e x0 [a, b]. Se f (n+1) existe em (a, b) e existe M tal
que para todo x (a, b) : |f (x)| M , ent ao a funcao polinomial, chamada
polim
omio de Taylor,
n
X f (k) (x0 )
Pn (x) = (x x0 )k
k!
k=0
(b a)(n+1)
|f (x) Pn (x)| M
(n + 1)!
3. Para cada uma das funcoes do exerccio anterior, determinar o valor aproxi-
mado de f ( 4 ), usando o polinomio de Taylor de grau 3 e estimar o erro
cometido em tal aproximacao.
3. VALORES DE UMA FUNC
AO 82
3.5 Aproxima
cao em M
edia Quadr
atica
3.5.1 Caso Contnuo
Formula
c
ao do problema
Seja w C([a, b]), w > 0.
L2w [a, b] denota o conjunto das funcoes f tais que
Z b
w(x)f 2 (x)dx <
a
Pn denota o conjunto das funcoes polinomiais reais P com coeficientes
reais de grau n.
Para f L2w [a, b], procura-se uma aproximacao a f por meio de uma
ao polinomial Q Pn tal que para todo Q Pn
func
Z b Z b
w(x)(f (x) Q (x))2 dx w(x)(f (x) Q(x))2 dx
a a
Definicao 4 Q e a funca
o polinomial de grau n, melhor aproximaca o de f
em media quadr atica sobre [a, b] com a funca
o peso w, ou mais simplesmente,
Q e a funca
o polinomial de grau n, melhor aproximaca o de f em L2w [a, b].
Defini
c
ao 5 O conjunto {P0 , P1 , . . . , Pn } Pn e uma base para Pn se para
o um IRn+1 tal que
todo Q Pn existe um e s
n
X
Q= k Pk , = (0 , 1 , . . . , n )
k=0
Ent
ao os conjuntos:
1. {X 0 , X 1 , . . . ., X n }
2. {X 0 , X 0 X 1 , X 1 X 2 , . . . , X n1 X n }
3. {X 0 , X 0 + X 1 , X 0 + X 1 + X 2 , X 0 + X 1 + + X n }
s
ao bases de Pn .
Polin
omios Ortogonais
Defini
c es f e g de L2w [a, b] s
ao 6 Se diz que as funco ao ortogonais se
Z b
w(x)f (x)g(x)dx = 0
a
P0 (x) = 1, P1 (x) = x a1
e
Pk (x) = (x ak )Pk1 (x) bk Pk2 (x),
k = 2, . . . , n,
com
Rb 2 (x)dx
a w(x)xPk1
ak = Rb 2 (x)dx
w(x)Pk1
a
k = 1, 2, . . . , n,
Rb
a w(x)xPk1 (x)Pk2 (x)dx
bk = Rb ,
2 (x)dx
w(x)Pk2
a
k = 2, . . . , n,
3. VALORES DE UMA FUNC
AO 84
Demonstra
c
ao. suficiente mostrar que para todo i {1, 2, . . . , n} tem-
E
se que:
Z b
w(x)Pj (x)Pi (x)dx = 0
a
para todo j < i. Por recorrencia sobre i :
Verifiquemos para i = 1:
Z b Z b
w(x)P0 (x)P1 (x)dx = w(x)(x a1 )dx
a a
Z b Z b
= w(x)xdx a1 w(x)dx
a a
como Rb
w(x)xdx
a1 = Ra b
a w(x)dx
temos:
Z b Z b Z b
w(x)P0 (x)P1 (x)dx = w(x)xdx w(x)xdx = 0
a a a
Supondo que a propiedade cumpre para i = p 1 < n, devemos mostrar
que se cumpre para i = p :
De fato, fazendo
Z b
Ijp = w(x)Pj (x)Pp (x)dx,
a
temos: Z b
Ijp = w(x)Pj (x)[(x ap )Pp1 (x) bp Pp2 (x)]dx
a
logo,
Z b
Ijp = w(x)xPj (x)Pp1 (x)dx ap Ijp1 bp Ijp2
a
Se j < p 1, e suficiente mostrar para j = p 2:
Z b
Ip2p = w(x)xPp2 (x)Pp1 (x)dx ap Ip2p1 bp Ip2p2
a
3. VALORES DE UMA FUNC
AO 85
de onde,
Z b Z b
Ip2p = w(x)xPp2 (x)Pp1 (x)dx w(x)xPp1 (x)Pp2 (x)dx = 0
a a
Se j = p 1, tem-se:
Z b Z b
2 2
Ijp = w(x)xPp1 (x)dx ap w(x)Pp1 (x) bp Ip1p2
a a
Rb 2 (x)dx
!Z
Z b
2 a w(x)xPp1 b
2
Ijp = w(x)xPp1 (x)dx Rb w(x)Pp1 (x)
2
a a w(x)Pp1 (x)dx a
Z b Z b
2 2
Ijp = w(x)xPp1 (x)dx w(x)xPp1 (x) = 0
a a
n2
Pn+1 (x) = xPn (x) Pn1 (x),
(2n 1)(2n + 1)
1
2. Se w(x) = 1x 2
e (a, b) = (1, 1), obtem-se os chamados Polin
omios
de Tchebycheff de primeira especie.
{1, x, x2 12 , x3 43 x, x4 x2 + 18 , . . .}.
3. VALORES DE UMA FUNC
AO 86
3. Se w(x) = 1 x2 e [a, b] = [1, 1], obtem-se os chamados Polin
omios
de Tchebycheff de segunda especie.
Demonstra c
ao. Por recorrencia sobre o grau i :
Verifiquemos para i = 0 :
Seja o conjunto {P0 } com grau P0 = 0. Para todo x IR cumpre:
P0 (x) = a0 x0 = a0 6= 0
bo bo
Q(x) = a0 = 0 P0 (x), 0 =
a0 a0
Supondo que a afirmacao se cumpre para i = p 1, provaremos para i = p :
Seja o polin
omio definido por
p
aj x j .
X
Qp (x) =
j=0
Ent
ao,
p1
aj xj + ap xp
X
Qp (x) =
j=0
Pp j,
Se Pp (x) = j=0 bj x ent
ao
p1
bj x j + bp x p
X
Pp (x) =
j=0
e substituindo na express
ao de Qp obtemos:
p1 p1
X ap X ap
Qp (x) = j Pj (x) + Pp (x) j Pj (x)]
j=0
bp b
j=0 p
p1
X ap ap
Qp (x) = (j j )Pj (x) + Pp (x)
j=0
bp bp
Finalmente, fazendo
ap ap
j = j j para j = 0, 1, . . . , p 1 e p = ,
bp bp
Constru
c
ao da Melhor Aproxima
c
ao
Teorema 12 Seja {P0 , P1 , . . . , Pn } um sistema de polinomios ortogonais
2
em Lw [a, b].
omio Q , melhor aproximaca
O polin o de grau n de f em L2w [a, b], e dado
por:
3. VALORES DE UMA FUNC
AO 88
n
Q (x) = ai Pi (x)
X
i=0
com Rb
w(x)f (x)Pi (x)dx
ai = a
Rb , i = 1, 2, . . . , n
a w(x)Pi2 (x)dx
Demonstra
c
ao. Mostraremos que para todo Q Pn
Z b Z b
w(x)(f (x) Q (x))2 dx w(x)(f (x) Q(x))2 dx
a a
Pn
Seja Q = i=0 ai Pi . Pondo
Z b Z b N
2
ai Pi (x))2 dx
X
A= w(x)(f (x) Q(x)) dx = w(x)(f (x)
a a i=0
Z b n Z b Z b
2
(a2i wPi2 dx
X
A= wf dx + 2ai wf Pi dx).
a i=0 a a
(t) = t2 t, > 0,
ent
ao
(t) = 2t
logo
(t) = 0 para t =
2
e como
(t) = 2 0 para todo t IR,
3. VALORES DE UMA FUNC
AO 89
temos que
t =
2
e ponto de mnimo da funcao .
No caso, fazendo
Z b Z b
= wPi2 dx e =2 wf Pi dx,
a a
temos que
Rb
wf Pi dx
ai = Rab , i = 1, 2, . . . , n
a wPi2 dx
e o valor que minimiza cada termo do somat
orio e por tanto A.
Demonstra
c
ao. (Pelo absurdo)
Se Z b
w(x)(f (x) Q (x))xi dx = 6= 0,
a
para algum i = 0, 1, . . . , n, entao Q n
ao e a melhor aproximacao de f em
L2w [a, b].
Pondo Z b
= w(x)x2j dx 6= 0 e Q(x) = Q (x) + xj
a
temos:
Z b Z b j 2
2
w(x)(f (x) Q(x)) dx = w(x)(f (x) Q (x) x ) dx
a a
Z b Z b
w(x)(f (x) Q(x))2 dx = w(x)(f (x) Q (x))2 dx
a a
b 2 b
Z Z
2 w(x)(f (x) Q (x)) xj dx + w(x)x2j dx
a 2 a
Substituindo os valores de e obtemos:
b b 2 2
Z Z
w(x)(f (x) Q(x))2 dx = w(x)(f (x) Q (x))2 dx 2 +
a a
3. VALORES DE UMA FUNC
AO 90
b b 2
Z Z
2
w(x)(f (x) Q(x)) dx = w(x)(f (x) Q (x))2 dx
a a
Assim,
Z b Z b
w(x)(f (x) Q(x))2 dx w(x)(f (x) Q (x))2 dx
a a
Demonstra
c
ao. De acordo com o Teorema anterior, tem-se:
Z b
w(x)(f (x) Q (x))xi dx = 0, i = 0, 1, . . . , n
a
Pn
Como Q (x) = j
j=0 aj x , segue:
Z b n
aj xj )xi dx = 0, i = 0, 1, . . . , n
X
w(x)(f (x)
a j=0
Da,
n Z b Z b
aj ( w(x)xj+i dx) = w(x)f (x)xi dx, i = 0, 1, . . . , n
X
j=0 a a
oes covenentes Aa = b.
Com as notac
Logo
Q (x) = a0 + a1 x + an xn
Rb Rb Rb Rb
w(x)dx w(x)xdx w(x)xn dx | w(x)f (x)dx
a a a a
Rb Rb Rb Rb
a a a w(x)f (x)x
.. .. .. .. ..
. . . . | .
Rb n
Rb n+1
Rb 2n
Rb n
a w(x)x dx a w(x)x dx a w(x)x dx | a w(x)f (x)x dx
Exerccios
1. Determine o sistema cuja solucao define o polinomio Q que e a melhor
aproximacao de grau n de f em L2w [a, b] para:
3. Para cada um dos itens do exerccio anterior, construa os graficos que per-
mitam fazer as comparacoes correspondentes.
Formula
c
ao do problema
Se s
ao conhecidos os valores f (xk ) = yk para 1 k p que a funcao f
assume nas abscissas xk distintas, entao procura-se uma funcao polinomial
de grau n que verifique:
p p
2
wk (f (xk ) Q(xk ))2
X X
wk (f (xk ) Q (xk ))
k=1 k=1
para todo Q Pn com wk > 0, k = 1, 2, . . . , p.
Defini
c
ao 8 O polin omio Q chama-se a melhor aproximaca o de grau n
de f em media quadr atica sobre X = {x1 , x2 , . . . , xp } com os pesos em
W = {w1 , w2 , . . . , wp }.
omio (interpolador) Q tal que
Se p n + 1, existe um polin
Q (xk ) = f (xk ), 1 k p.
Estamos interessados no caso p > n + 1.
3. VALORES DE UMA FUNC
AO 93
Polin
omios Ortogonais
Definic
ao 9 {P0 , P1 , . . . , Pn } Pn e um sistema de polin omios ortogonais
sobre X = {x1 , x2 , . . . , xp }, com pesos em W = {w1 , w2 , . . . , wp }, se
p
X
wk Pi (xk )Pj (xk ) = 0, 0 i, j n, i 6= j
k=1
Teorema 14 (Ortogonaliza c
ao de Schmidt) Seja {P0 , P1 , . . . , Pn } o con-
junto das funco
es polinimiais definidas por recorrencia da seguinte maneira:
P0 (x) = 1, P1 (x) = x a1
i = 1, 2, . . . , n
Pp
wk xk Pi1 (xk )Pi2 (xk )
k=1P
bi = p 2 ,
k=1 wk Pi2 (xk )
i = 2, . . . , n
wk > 0, k = 1, 2, . . . , p.
Demonstra
c
ao. (Exerccio)
Constru
c
ao da Melhor Aproxima
c
ao
Teorema 15 Seja {P0 , P1 , . . . , Pn } um sistema de polin omios ortogonais
sobre X = {x1 , x2 , . . . , xp } com pesos em W = {w1 , w2 , . . . , wp } e p > n + 1.
omio Q , melhor aproximaca
O polin o de grau n de f no sentido das
medias quadr
aticas sobre X = {x1 , x2 , . . . , xp }, com pesos em W = {w1 , w2 , . . . , wp },
pode-se escrever:
3. VALORES DE UMA FUNC
AO 94
n
Q (x) = ai Pi (x)
X
i=0
com Pp
wk f (xk )Pi (xk )
ai = k=1
Pp 2 , i = 1, 2, . . . , n
k=1 wk Pi (xk )
Demonstra
c
ao. (exerccio)
k=1
Demonstra
c
ao. (exerccio)
e n
ao singular.
Demonstra
c
ao. (exerccio).
p
wk f (xk )xik , i = 0, . . . , n.
X
b = (bi )n+1 , bi =
k=1
3. VALORES DE UMA FUNC
AO 95
Demonstra
c
ao. De acordo com o Teorema anterior, tem-se:
p
wk (f (xk ) Q (xk ))xik = 0, i = 0, 1, . . . , n
X
k=1
Pn
Como Q (x) = j
j=0 aj x , segue:
p n
aj xjk )xik = 0, i = 0, 1, . . . , n
X X
wk (f (xk )
k=1 j=0
Da,
n p p
aj ( wk xkj+i ) = wk f (xk )xik , i = 0, 1, . . . , n
X X X
Logo Aa = b e, portanto,
Q (x) = a0 + a1 x + an xn
Pw wk xk wk x2k wk xnk | wk f (xk )
P P P P
k
wk xk wk x2k wk x3k wk xn+1 | wk f (xk )xk
P P P P P
k
P
wk x2k wk x3k wk x4k wk xn+2 | wk f (xk )x2k
P P P P
. k
. .. .. .. .. .. ..
. . . . . . .
wk xnk wk xn+1 wk xn+2 wk x2n wk f (xk )xnk
P P P P P
|
k k k
x 1 2 3 4
y 0, 9 2, 1 3, 1 3, 9
com pesos wk = 1, k = 0, 1, 2, 3.
Segundo a observacao anterior, a forma explcita da matriz aumentada
do sistema Aa = b e:
" P P P #
w w x . w f (xk )
P k P k 2k P k
wk xk wk xk . wk f (xk )xk
3. VALORES DE UMA FUNC
AO 96
Fazendo os c
alculos segundo a tabela a seguir
k 0 1 2 3
P
wk 1 1 1 1 4
xk 1 2 3 4
wk xk 1 2 3 4 10
wk x2k 1 4 9 16 30
yk 0, 9 2, 1 3, 1 3, 9
wk yk 0, 9 2, 1 3, 1 3, 9 10
wk yk xk 0, 9 4, 2 9, 3 15, 6 30
a0 = 0 a1 = 1
logo, conforme o Corol
ario u omio Q de grau = 1 (a reta) que
ltimo, o polin
o) dada e definida por Q (x) = x.
melhor aproxima os dados da tabela (funca
Exerccios
1. Detemine a reta que melhor ajusta os dados da tabela
x 1 2 3 4
y 1, 9 2, 1 4, 1 4, 9
com pesos wk = 1, k = 0, 1, 2, 3.
2. Determine o polinomio de segundo grau que melhor aproxima os dados da
tabela
x 1 2 3 4
y 0, 9 2, 1 3, 1 3, 9
com pesos wk = 1, k = 0, 1, 2, 3.
3. Detemine a reta que melhor aproxima os dados da tabela
x 0 1 2, 4 2, 7
y 3, 3 3, 6 3, 2 2, 0
com pesos wk = 1, k = 0, 1, 2, 3.
3. VALORES DE UMA FUNC
AO 97
x 1 2 3 4
y 0, 9 2, 1 3, 1 3, 9
com pesos wk = 4 k, k = 0, 1, 2, 3.
5. Detemine o polinomio de segundo grau que melhor aproxime os dados da
tabela
x 1 2 3 4
y 2 6 12 20
com pesos wk = 1, k = 0, 1, 2, 3.
4
4.1 Formula
cao do problema
Trata-se de aproximar valores tais como
Z b
f (c) e f (x)dx
a
xk , (0 k n).
4.2 Preliminares
Nota ao: Para os conjuntos A e B denotamos mediante B A o conjunto
c
das func
oes de A em B:
f BA f : A B
Defini
c o de IRIR em IR, isto e,
ao 1 Uma funcional e uma funca
: IRIR 7 IR ; f 7 (f ).
98
4. VALORES DE UMA FUNCIONAL 99
(f + g) = (f ) + (g)
X k : IR 7 IR : X k (t) = tk , 0 k n.
Demonstra c
ao. Seja P uma funcao polinomial de grau n. Entao P
pode ser expressa na forma:
n
ak X k
X
P =
k=0
isto e,
n n
ak X k (t) = ak t k
X X
(t IR) P (t) =
k=0 k=0
Assim,
n
X
(f ) = Ak f (xk ) + E(f ), onde E e o erro
k=0
mente se
k {0, 1, . . . , n} : Ak = (Lk )
onde os Lk s
ao as funco
es de Lagrange correspondentes a (xk )0kn .
Demonstra
c
ao. Seja E a funcional linear
n
E : IRIR 7 IR; f 7 E(f ) = (f )
X
Ak f (xk ).
k=0
Mostraremos que:
i=0
4. VALORES DE UMA FUNCIONAL 101
Como n
X k (x) = xk = Li (x)xki
X
i=0
tem-se:
n n
(X k ) Ai xki = [(Li ) Ai ]xki . = 0, k = 0, . . . , n
X X
i=0 i=0
Sendo um sistema linear de solucao u
nica resulta
(Li ) = Ai , i = 0, . . . , n.
Exemplo 2 Seja f a funca
o tal que
f (3) = 0, f (5) = 1, f (1) = 5.
df
Calcular uma aproximaca
o de dx (2).
Corolario 1 A aproximaca
o de ordem n de (f ) e (P ) onde P e o polin
omio
interpolador de f.
Pn
Demonstra c
ao. Pelo Teorema 2, k=0 (Lk )f (xk ) e a aproximacao de
ordem n de (f ) :
n
X
Aprox((f )) = (Lk )f (xk )
k=0
Como o polin
omio interpolador de f na forma Lagrange e
n
X
P = f (xk )Lk ,
k=0
tem-se
Aprox((f )) = (P ).
Teorema 3 Seja uma funcional linear e f uma funca o que assume os val-
ores conhecidos yk = f (xk ) (0 k n. Ent
ao, os coeficientes Ak (0 k
n) da aproximacao nk=0 Ak f (xk ) de ordem n de (f ) sao as componentes
P
da soluca
o do sistema linear de ordem n + 1:
(X 0 )
1 1 1 A0
x0 x1 xn A1 (X 1 )
.. .. .. .. =
.. ..
. . . . . .
xn0 xn1 xnn An (X n )
onde
X k : IR7 IR; X k (t) = tk (0 k n).
Demonstra
c
ao. Como o erro da apoximacao de ordem n de (f ) e:
n
X
E(f ) = (f ) Ak f (xk )
k=0
4. VALORES DE UMA FUNCIONAL 103
em particular para
tem-se: n
E(X j ) = (X j ) Ak xjk = 0 (0 k n).
X
k=0
Assim,
n
Ak xjk = (X j ) (0 k n).
X
k=0
que e o sistema linear representado matrizialmente como:
(X 0 )
1 1 1 A0
x0 x1 xn A1 (X 1 )
.. .. . . .
.
= ..
. . . .. .. .
xn0 xn1 xnn An (X n )
4.3.1 Derivac
ao Aproximada
ario tem-se que para aproximar (f ) = f (a), e suficiente
A partir do Corol
aplicar a funcional ao polin
omio interpolador P de f , isto e, calcular
(P ). Logo,
Aprox(f (a)) = P (a).
de onde,
5
P (2) = .
2
Assim,
5
f (2) .
2
Erro na Deriva
c
ao Aproximada
Vejamos qual e o erro ao substituir f (xj ) por P (xj ) :
Teorema 4 Seja f C n ([a, b]) tal que f (n+1) existe em (a, b) e seja P
o polin omio interpolador de f com os xi [a, b]. Ent
ao, para todo j
{0, 1, . . . , n} :
n
1
f (xj ) P (xj ) = f (n+1) (j )
Y
(xj xi )
(n + 1)! i6=j i=0,
Demonstra
c
ao. Seja
com n
Y f (xj ) P (xj )
w(x) = (x xi ) e A =
i=0
w (xj )
Seja I o menor intervalo que contem x0 , x1 , . . . , xn . Pela construcao
Pondo
(x) = f (x) Q(x)
a func
ao se anula para os n + 1 valores xj , entao, pelo Teorema de Rolle,
se anula para pelo menos n valores de x I e para x = xj , isto e, para
n + 1 valores de I. Repetindo este raciocnio, pode-se encontrar pelo menos
um j I talque
de onde,
1
f (xj ) P (xj ) = w (xj ) f (n+1) (j )
(n + 1)!
4. VALORES DE UMA FUNCIONAL 105
De outra parte,
n
w (xj ) =
Y
(xj xi )
i6=j, i=0
4.3.2 Integrac
ao Aproximada
ao de I(f ) = ab f (t)dt, temos dois casos:
R
No c
alculo da aproximac
1. Quando as abscissas xi s
ao dadas e
2. Quando as abscissas xi nao s
ao dadas.
Integra
c
ao com abscissas dadas
Se x0 = a e xn = b, obtem-se:
Para n = 1 : " #" # " #
1 1 A0 I(X 0 )
=
x0 x1 A1 I(X 1 )
com Z x1
0
I(X ) = dt = x1 x0
x0
x1 x21 x20
Z
I(X 1 ) = tdt =
x0 2
de onde,
h
A0 = A1 = , h = x1 x0
2
Da, Z b h
I(f ) = f (t)dt =
[f (x0 ) + f (x1 )] + E1 (f )
a 2
que e conhecida como Formula do Trapezio.
Para n = 2 :
a+b
x0 = a, x1 = , x2 = b, h = x1 x0 = x2 x1
2
As func
oes de Lagrange correspondentes a (x0 , x1 , x2 ) s
ao:
(x x1 )(x x2 )
L0 (x) =
2h2
(x x0 )(x x2 )
L1 (x) =
h2
(x x0 )(x x1 )
L2 (x) =
2h2
4. VALORES DE UMA FUNCIONAL 106
Logo,
Z x2
h
A0 = I(L0 ) = L0 (t)dt =
x0 3
Z x2
4h
A1 = I(L1 ) = L1 (t)dt =
x0 3
Z x2
h
A2 = I(L2 ) = L2 (t)dt =
x0 3
Da,
Z b h
I(f ) = f (t)dt = [f (x0 ) + 4 f (x1 ) + f (x2 )] + E2 (f )
a 3
que e conhecida como Formula de Simpson.
Analogamente, para n = 3 :
x0 = a, x1 = x0 + h, x2 = x1 + h, x3 = x2 + h = b
Z b 3h
I(f ) = f (t)dt = [f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 )] + E3 (f )
a 8
que e conhecida como Formula de Newton.
Em geral, as formulas de integracao numerica escrevem-se da seguinte
forma: n
Z xn X
I(f ) = f (t)dt = Ai f (x0 + i h) + En (f )
x0 i=0
que s
ao conhecidas como Formulas de Newton-Cotes.
Integra
c
ao quando as abscissas n
ao s
ao dadas
Aproxima-se ab f (t)dt por uma express ao da forma ni=0 Ai f (xi ). Procura-
R P
Teorema 5 (Aproxima c
ao Gaussiana) Sejam t0 , t1 , . . . , tn as n+1 razes
do polin
omio de Legendre de grau n + 1 e L0 , L1 , . . . , Ln as funco
es de La-
grange correspondentes. Se para i = 0, 1, . . . , n :
1
xi = [(b a)ti + (a + b)]
2
4. VALORES DE UMA FUNCIONAL 107
e
ba
Z 1
Ai = Li (t)dt
2 1
Rb
ao, ni=0 Ai f (xi ) e uma aproximaca
ent o de f (t)dt de ordem 2n + 1 e
P
a
chama-se Aproximaca o Gaussiana.
Erro na Integra
c
ao Aproximada
Teorema 6 Seja f C n ([a, b]) tal que f (n+1) existe em (a, b).
Se
n
X
Ai f (xi )
i=0
e uma aproximaca
o de ordem n de
Z b
f (t)dt,
a
ent
ao n Z b Z b
X Mn+1
Ai f (xi ) f (t)dt w(t)dt
(n + 1)! a
i=0 a
onde n
(t xi ) e Mn+1 = sup f (n+1) (x)
Y
w(t) =
i=0, axb
Demonstra
c
ao. Conforme o Teorema 5:
w(x) (n+1)
f (x) = P (x) + f (n )
(n + 1)!
onde P e o polin
omio interpolador de f. Como a forma Lagrange do polin
omio
P e dada por:
n
X
P (x) = Li (x) f (xi ),
i=0
temos:
b n b b
1
Z Z Z
w(t)f (n+1) (n )dt
X
f (t)dt = f (xi ) Li (t)dt +
a i=0 a (n + 1)! a
Rb
Como Ai = a Li (t)dt, tem-se:
n
Z b Z b
X 1
Ai f (xi ) f (t)dt |w(t)| f (n+1) (n ) dt
(n + 1)! a
i=0 a
Exerccios
1. Diga quais das seguintes funcoes sao funcionais lineares e mostre a linearidade
ou n
ao linearidade de cada uma.
(a)
d2 f
(2) = f (2)
dx2
.
(b)
Z 6
f (t)dt
2
(a)
df
(2)
dx
(b)
Z 2
f (t)dt
2
(a)
df
(0, 2)
dx
4. VALORES DE UMA FUNCIONAL 109
(b)
Z 0,7
f (t)dt
0,1
(a)
1
dx
Z
q
0 ln( x1 )
(b)
dx
Z 2
q
0 1 21 sin x
(c)
Z 4
xf (x)dx
2
para
x 2 2, 5 3, 5 4
f (x) 1 3 3, 2 3, 8
6. Estimar o erro para cada uma das aproximacoes obtidas nos exerccios ante-
riores.
5
Aproxima
c
ao de func
oes
5.1 Formula
cao do problema
O objeto a determinar e uma funcao que deve cumprir certas condicoes e
da qual conhecemos alguns de seus valores funcionais ou valores de suas
funcoes associadas (derivadas, integrais). Uma aproximacao da funcao pode
ser outra func ao de facil manipulacao e cujo comportamento seja bastante
regular pelo menos secionalmente. Os problemas que freq uentemente levam
`a construcao de aproximacoes de funcoes sao, entre outros, a resolucao de
equacoes diferenciais e de equacoes integrais. Aqui s o trataremos da re-
soluc
ao de equac
oes diferenciais ordinarias.
5.2 Equac
oes diferenciais ordin
arias
Formula
c
ao do problema
Seja a equacao diferencial ordinaria y = f (x, y). Trata-se de aproximar a
func
ao que e soluc
ao desta equacao diferencial ordinaria e cujo valor em x0
e y0 :
y = f (x, y)
y(x0 ) = y0
110
5. APROXIMAC DE FUNC
AO
OES 111
s
ao dados, isto e, supondo que temos o problema com valor inicial:
y (n) = f (x, y, y , . . . , y (n1) )
(k)
y (x0 ) = y (k) , 0k n1
Ent
ao mediante as mudancas de vari
aveis seguintes:
z1 = y
= y = z1
z2
z3 = y = z2
. . . ..
= y (n1) = zn1
zn
zn = f (x, z1 , z2 , . . . , zn )
e fazendo:
y
z1 y(x0 )
z2 y y (x0 )
z= , F (x, z) = , z0 =
... ... ...
zn f (x, y, . . . , y (n1) ) y (n1) (x0 )
Exist
encia e Unicidade da Solu
c
ao do Problema com Valor Inicial
Defini cao 1 Chama-se solucao do problema com valor inicial () a funca
o
: [a, b]7 IR tal que
(t) = f (t, (t)) atb
(t0 ) = y0
ent
ao
o uma IR[a,b] tal que
existe uma e s
(i ) C([a, b]) , e dif erenci
avel em [a, b] e
(t) = f (t, (t)) atb
(ii)
(t0 ) = y0
Observaao 1 f (t, y) f (t, y ) =
c y f (t, )(y y ) com entre y e y
Solu
c
ao Num
erica do Problema com Valor Inicial
ba
Pondo x0 = a e xk = x0 + kh, k = 0, . . . , m, onde h = m , obtemos uma
malha Ih de [a, b].
Nota c
ao: No que segue, y(xk ) denota o valor exato da solucao em xk :
y(xk ) = (xk ), no entanto, yk denota uma aproximacao de (xk ) : yk =
Aprox((xk )).
Definic
ao 2 Seja a funcao : [a, b]7 IR. e uma soluca
o numerica do
problema de valor inicial () se
yk+1 yk
(x) = yk + (x xk )
xk+1 xk
Observa c
ao 2 Uma soluca
o numerica do problema e totalmente determi-
nada pelos valores yk que asume em xk para k = 0, 1, . . . , m. Por esta raz
ao
ela e representada mediante a tabela:
xk yk
x0 y0
x1 y1
.. ..
. .
xm ym
5. APROXIMAC DE FUNC
AO
OES 113
5.2.1 M
etodos de Euler
M
etodo de Euler
Seja o problema de valor inicial:
y = f (x, y)
()
y(x0 ) = y0
Integrando de x0 a x1 = x0 + h obtemos:
Z x1
y(x1 ) y(x0 ) = f (x, y)dx
x0
Usando a condic
ao inicial segue-se
Z x1
y(x1 ) = y0 + f (x, y)dx
x0
y1 = y0 + hf (x0 , y0 )
Obtendo y2 de y1 , temos:
y2 = y1 + hf (x1 , y1 )
En geral,
yk+1 = yk + hf (xk , yk ), k = 0, . . . , m 1
Exemplo 1 Resolver numericamente, segundo o metodo de Euler, o prob-
lema de valor inicial:
y = x + y
em [0, 1] com h = 0, 2.
y(0) = 1
Solu
c
ao: Fazendo as contas segundo a seguinte tabela:
xk yk xk + y k h(xk + yk )
0 1 1 0.2
0.2 1.2 1.4 0.28
0.4 1.48 1.88 0.376
0.6 1.856 2.456 0.4912
0.8 2.3472 3.1472 0.62944
1.0 3, 07664
5. APROXIMAC DE FUNC
AO
OES 114
M
etodo de Euler Melhorado
Aproximando a integral xx01 f (x, y)dx usando o metodo do Trapezio, obte-
R
mos:
h
y1 = y0 + [f (x0 , y0 ) + f (x1 , y(x1 )]
2
e fazendo
z1 = y0 + hf (x0 , y0 )
temos:
h
y1 = y0 + [f (x0 , y0 ) + f (x1 , z1 )]
2
Em geral, para k = 0, 1, . . . , m 1 :
zk+1 = yk + hf (xk , yk )
h
yk+1 = yk + [f (xk , yk ) + f (xk+1 , zk+1 )]
2
Exemplo 2 Resolver numericamente, segundo o metodo de Euler Melho-
rado, o problema de valor inicial:
y = x + y
em [0, 1] com h = 0, 2.
y(0) = 1
Solu
c
ao: Fazendo as contas segundo a seguinte tabela:
Observa c
ao 3 A soluca o do problema de valor inicial do exemplo, obtida
por metodos an
aliticos, e
y = 2 exp(x) (x + 1)
ALGORITMO G (M
etodo de Euler Melhorado)
ba
h := m , x0 := a, y0 :=
Para k := 0(1)m 1:
zk+1 := yk + hf (xk , yk )
xk+1 := xk + h
yk+1 := yk + h2 [f (xk , yk ) + f (xk+1 , zk+1 )]
Para k := 0(1)m :
Aprox(y(xk )) = yk
FIM
5.2.2 M
etodos de Passo Simples
Definicao 3 Quando o valor yk+1 depende s o do valor de yk diz-se que o
metodo e de passo simples. Nestes casos, podemos expressar o metodo pela
f
ormula recursiva seguinte:
e dita a funca
o do incremento e h o comprimento do passo.
(xk , yk , h) = hf (xk , yk )
e
h
(xk , yk , h) = [f (xk , yk ) + f (xk+1 , yk + hf (xk , yk ))]
2
respectivamente.
5. APROXIMAC DE FUNC
AO
OES 116
5.2.4 M
etodos de Runge-Kutta
Definic
ao 5 Os metodos de Runge-Kutta de ordem n s ao metodos de passo
simples para os quais a funca
o incremento tem a forma
n
X
(xk , yk , h) = i Ki
i=1
com
K1 = hf (xk , yk )
K2 = hf (xk + p2 h, yk + q21 K1 )
K3 = hf (xk + p3 h, yk + q31 K1 + q32 K2 )
.. . ..
Kn = hf (xk + pn h, yk + qn1 K1 + qn2 K2 + + qnn1 Kn1 )
Para determinar os coeficientes
i , i = 1, 2, . . . , n
pi , i = 2, . . . , n
qij , i = 2, . . . , n, j = 1, 2, . . . , n i
desenvolve-se segundo Taylor os Ki e y(x) em torno de (xk , yk ), fazendo
as substituic
oes convenientes e comparando os coeficientes dos termos da
mesma potencia em h.
5. APROXIMAC DE FUNC
AO
OES 117
yk+1 = yk + 1 hf (xk , yk ) ()
Ent
ao e suficiente expardir segundo Taylor y(x) em torno de (xk , yk ) :
yk+1 = yk + hf (xk , yk ) ()
yk+1 = yk + hf (xk , yk ), k = 0, 1, . . . , m 1
yk+1 = yk + 1 K1 + 2 K2 , k = 0, 1, . . . , m 1
com
K1 = hf (xk , yk ) e K2 = hf (xk + p2 h, yk + q21 K1 )
Expande-se f (xk + p2 h, yk + q21 K1 ), segundo Taylor ate o termo em h:
f (xk + p2 h, yk + q21 K1 ) = f (xk , yk ) + p2 h f (xk , yk ) +
x
q21 hf (xk , yk ) f (xk , yk ) +
y
(h2 )
5. APROXIMAC DE FUNC
AO
OES 118
yk+1 = yk + 1 hf (xk , yk ) + 2 [hf (xk , yk ) + p2 h2 f (xk , yk ) +
x
q21 h2 f (xk , yk ) f (xk , yk )]
y
Agrupando os termos segundo as potencias de h :
h2
y(x + h) = y(x) + hy (x) + y (x) + (h3 )
2
Levando em conta que
y (x) = f (x, y(x))
obtemos:
yk+1 = yk + hf (xk , yk ) +
h2
[ f (xk , yk ) + f (xk , yk ) f (xk , yk )] ()
2 x y
5. APROXIMAC DE FUNC
AO
OES 119
De () e () segue-se que
1 + 2 = 1
1
() 2 p2 = 2
1
2 q21 =
2
K1 = hf (xk , yk ),
K2 = hf (xk + h, yk + K1 ),
1
yk+1 = yk + (K1 + K2 ),
2
k = 0, 1, . . . , m 1
K1 = hf (xk , yk ),
h 1
K2 = hf (xk + , yk + K1 ),
2 2
yk+1 = yk + K2 ,
k = 0, 1, . . . , m 1
K1 = hf (xk , yk ),
h 1
K2 = hf (xk + , yk + K1 ),
2 2
K3 = hf (xk + h, yk K1 + 2K2 ),
1
yk+1 = yk + (K1 + 4K2 + K3 ),
6
k = 0, 1, . . . , m 1
K1 = hf (xk , yk ),
h 1
K2 = hf (xk + , yk + K1 ),
2 2
1
K3 = hf (xk + h, yk + K2 ),
2
K4 = hf (xk + h, yk + K3 ),
1
yk+1 = yk + (K1 + 2K2 + 2K3 + K4 ),
6
k = 0, 1, . . . , m 1
ALGORITMO H (M
etodo Runge-Kutta 4)
ba
h := m , x0 := a, y0 :=
Para k := 0(1)m:
xk := x0 + k h
Para k := 0(1)m 1:
K1 := hf (xk , yk )
K2 := hf (xk + h2 , yk + 21 K1 )
K3 := hf (xk + h2 , yk + 21 K2 )
K4 := hf (xk + h, yk + K3 )
yk+1 := yk + 16 (K1 + 2K2 + 2K3 + K4 )
Para k := 0(1)m:
Aprox(y(xk )) = yk
FIM
Exerccios
1. Provar que o metodo de Euler tem ordem um e que o metodo de Euler
Melhorado tem ordem dois.
2. Usando o procedimento descrito na determinacao dos metodos de Runge-
Kutta de ordem n, deduzir as formulas correspondentes aos metodos de
Runge-Kutta de terceira ordem e de quarta ordem que aparecem no texto.
3. Resolver numericamente o problema de valor inicial:
2
y = yx2 1
+1
y(0) = 1
em [0, 1] com h = 0, 1.
4. Resolver numericamente o problema de valor inicial:
y = xy 2 y
y(0) = 1
em [0, 1] com h = 0, 2.
5. Resolver numericamente o problema de valor inicial:
y = x 2y
y(0) = 1
em [0, 1] com h = 0, 1.
5. APROXIMAC DE FUNC
AO
OES 122
y = 1+y
1+x
y(0) = 0
em [0, 1] com h = 0, 2.
7. Para cada um dos exerccios anteriores encontre a solucao por metodos analticos
e compare os resultados com os obtidos pelos metodos numericos.