Documente Academic
Documente Profesional
Documente Cultură
CONSELHO EDITORIAL
Prof. Dr. Antonio Jorge Amaral Bezerra Prof. Dr. Elomar Antonio Callegaro Tambara
Prof. Dra. Isabel Porto Nogueira Prof. Dr. José Justino Faleiros
Profa. Lígia Antunes Leivas Profa. Dra. Neusa Mariza Leite Rodrigues Felix
Prof. Dr. Renato Luiz Mello Varoto Prof. Ms. Valter Eliogabalos Azambuja
Prof. Dr. Volmar Geraldo da Silva Nunes Prof. Dr. Wilson Marcelino Miranda
FOTOGRAFIA DA CAPA
Grande Hotel
por Marcio Kinzeski
Impresso no Brasil
Edição: 2009
ISBN : 978-85-7192-484-0
Tiragem: xxx exemplares
Material produzido pelo Laboratório de Ensino de Matemática a Distância - LEMAD
Direitos autorais do Curso de Licenciatura em Matemática a Distância da UFPel
Apresentação
A literatura didática para o ensino de matemática recebe, através dessa publicação, um novo
fôlego em material preparado para o ensino. Trata-se de um novo caminho que começamos
a trilhar, aprendendo através da pesquisa, da discussão e, acima de tudo, da dedicação de
nossos professores. Esta obra nasce a partir do esforço conjunto de professores da Univer-
sidade Federal de Santa Catarina, da Universidade Federal do Rio Grande do Sul, da Uni-
versidade Estadual de Maringá, da Universidade Federal de Pelotas, de alunos e técnicos
do Laboratório de Ensino de Matemática a Distância. Estes profisssionais, apoiados em re-
cursos do Ministério da Educação, aceitaram o desafio de preparar os materiais necessários
para a execução do Curso de Licenciatura em Matemática a Distância da UFPel. Esperamos
que este livro, que ora apresentamos, seja um instrumento útil nas mãos de alunos e profes-
sores e sirva de apoio para a melhoria da educação em nosso país.
1.1 Erros..............................................................................................................................................................11
1.1.1 Erro Inerente...............................................................................................................................................11
1.1.2 Erros de Discretização...............................................................................................................................12
1.1.3 Erros de Arredondamento..........................................................................................................................12
1.1.4 Erros na Fase da Resolução........................................................................................................................12
1.2 Conversão de Bases......................................................................................................................................13
1.2.1 Conversão de Inteiros da Base Decimal para a Base Binária....................................................................13
1.2.2. Conversão de Inteiros da Base Binária para a Base Decimal...................................................................14
1.2.2.1. O Esquema de Horner - Que Consiste em Calcular a Seqüência..........................................................14
1.2.2.2. A Divisão de Ruffini - Que é equvalente ao primeiro método e só difere na disposição dos coeficientes
aj e bj..................................................................................................................................................................15
1.2.3 Conversão de Números Fracionários da Base Decimal para a Base Binária............................................16
1.2.4 Conversão de Números Fracionários da Base Binária para a Base Decimal............................................16
1.2.4.1 O Esquema de Horner............................................................................................................................17
1.2.4.2 A Divisão de Ruffini...............................................................................................................................17
1.3 Aritmética de Ponto Flutuante......................................................................................................................18
Capítulo 4 – Interpolação
6
Curso de Licenciatura em Matemática a Distância
4.4 Interpolação de Newton...............................................................................................................................69
7
Curso de Licenciatura em Matemática a Distância
Introdução a
Análise de Erros
9
Curso de Licenciatura em Matemática a Distância
O Cálculo Numérico corresponde a um conjunto de ferramentas ou métodos usados para se obter a solução de
problemas matemáticos de forma aproximada. Esses métodos se aplicam principalmente a problemas que não
apresentam uma solução exata, portanto precisam ser resolvidos numericamente.
Na resolução de um problema matemático o objetivo geral é obter a solução. Esse objetivo pode ser alcançado
através de várias etapas que podem ser resumidas pela figura a seguir.
PROBLEMA MODELO
MODELAGEM RESOLUÇÃO SOLUÇÃO
REAL MATEMÁTICO
Nos problemas reais, os dados são medidas e, como tais, não são exatos. Uma medida física não é um número,
é um intervalo, pela própria imprecisão das medidas. Daí trabalha-se sempre com a figura do erro, inerente à
própria medição. Logo solução obtida para um problema real pode estar sujeita a algum tipo de erro na fase da
modelagem e da resolução. Essas fases são as maiores fontes de erros na resolução numérica de um problema
real.
O erro pode ser entendido como a diferença entre o valor real e o valor obtido como solução para um determinado
problema.
Resultados Obtidos:
Como justificar as diferenças entre os resultados? É possível obter “exatamente” esta área?
∑
30000
S= i =1
xi para xi = 0,4 e para xi = 0,11
Resultados Obtidos:
a) Para xi = 0,4:
- Na calculadora: S = 12000
- No computador: S = 12000
b) Para xi = 0,11:
- Na calculadora: S = 3300
- No computador: S = 3299,99691
Como justificar a diferença entre os resultados obtidos pela calculadora e pelo computador para xi = 0,11?
10
Curso de Licenciatura em Matemática a Distância
Os erros observados nos dois problemas dependem da representação dos números na máquina utilizada.
O número π, por exemplo, não pode ser representado através de um número finito de dígitos decimais. No
exemplo 1, o número π foi escrito como 3,14 no primeiro caso, 3,1416 no segundo e 3,141592654. Em cada caso
foi obtido um resultado distinto, e o erro depende exclusivamente da aproximação escolhida para π. Qualquer
que seja a circunferência, a sua área nunca será obtida exatamente, pois o número π é um número irracional.
No exemplo 2, observe o que acontece na interação entre o usuário e o computador: os dados de entrada são
enviados ao computador pelo usuário no sistema decimal (0, 1, 2, ..., 7, 8 e 9); toda essa informação é convertida
para o sistema binário (0 e 1), e as operações todas serão efetuadas neste sistema. Os resultados finais serão
convertidos para o sistema decimal e, finalmente, serão apresentados ao usuário. Todo esse processo de conversão
é uma fonte de erros que afetam o resultado final dos cálculos.
1.1 Erros
Existem vários tipos de erros e suas possíveis causas. A seguir serão abordados três tipos de erros: os inerentes,
os de discretização e os de arredondamento.
1
Exemplo 3: Considere a equação de queda livre de um corpo dada pela expressão h = h 0 − v0 t − gt 2 ,
sendo: 2
A equação acima tem simplificações tais como a não inclusão da resistência do ar, a velocidade e direção do
vento, etc. Suponha que se quer determinar a altura de um prédio mediante um cronômetro e uma bolinha de
metal, utilizando a fórmula da queda livre acima. Sobe-se no topo do edifício e larga-se a bolinha, medindo o
tempo que a bolinha gasta para tocar o solo. Se o cronômetro marcou 3 segundos, então, como no solo a altura
h = 0, resulta que h = 44,1m. Mas este resultado pode não ser confiável, pois se considerarmos um tempo de
3,1 segundos a altura resultaria em h = 47,1m. A diferença entre as medições pode ser devido à percepção do
observador bem como a imprecisões próprias do instrumento utilizado.
11
Curso de Licenciatura em Matemática a Distância
1.1.2 Erros de Discretização
Os erros de discretização, ou de aproximação, ou truncamento são erros cometidos quando se substitui qualquer
processo infinito por um processo finito ou discreto.
Se quisermos obter o valor de e, por esta série teremos de efetuar o cálculo de várias parcelas e depois parar,
ou seja, truncando a série, nesse caso cometemos um erro causado pelo abandono das parcelas que não foram
somadas.
Os erros de arredondamento surgem quando trabalhamos com máquinas digitais para representar os números
reais. Em geral, trabalhamos com arredondamento para o número de ponto flutuante mais próximo ou com o
arredondamento por falta. A diferença entre o valor arredondado e o valor exato pode ser medida pelo erro
absoluto ou relativo.
Definição 1: Seja x o valor exato de um número e x o seu valor aproximado. O erro absoluto (EAx) é definido
como a diferença entre o valor exato e o valor aproximado do número, isto é, EAx = x − x .
Definição 2: Seja x o valor exato de um número e x o seu valor aproximado. O erro relativo (ERx) é definido
EAx x − x
como o erro absoluto dividido por x , isto é, ERx = = .
x x
Exemplo 5: Seja x = 0.00006 e x = 0.00005 . Utilizando as expressões para determinar os erros, temos que:
0.00001
EAx = 0.00001 e ERx = = 0.2
0.0005
Neste caso podemos até dizer que EAx é pequeno; no entanto, não há dúvida a respeito do ERx que é da ordem
de 20%.
• Conversão numérica;
• Aritmética de ponto flutuante.
1.1.4.1. Erros de conversão numérica: originam-se quando a informação dos dados numéricos na base decimal é
transferida para a calculadora ou computador, ou quando o resultado numérico obtido no computador é transferido
para o usuário. Estes erros podem ser de arredondamento ou de truncamento.
1.1.4.2. Erros de aritmética de ponto flutuante: que se originam quando os dados são processados no computador
mediante operações aritméticas. Cabe ressaltar que acontece um fenômeno chamado propagação de erros, que
é um processo em que os erros cometidos em um cálculo influenciam nos cálculos subseqüentes.
12
Curso de Licenciatura em Matemática a Distância
Nas seções seguintes, estudam-se estes processos.
Aplica-se o método das divisões sucessivas, que consiste em dividir o número por 2 e os sucessivos quocientes
por 2 até que o último quociente seja 1. A representação esquemática:
N 2
r1 q1 2
r2 q2 2
r3
q3
r4
qn-1 2
rn
1
A representação binária do número N será dada por N = 1.(rn rn−1... r3 r2 r1)2.
Este método pode ser utilizado para converter qualquer número inteiro da base decimal para uma base β
qualquer, para isso basta dividir o número pela base β desejada e os sucessivos quocientes por β até que o
último quociente seja um inteiro 1 ≤ qn < β .
r1 q1
r2 q2
r3
q3
r4
qn-1
rn
1
N = número;
q = quociente;
r = resto;
β = base.
13
Curso de Licenciatura em Matemática a Distância
Exemplo 6: Faça a conversão dos números inteiros na base decimal para a base binária.
a) (17)10 = (?)2
17 2
1 8 2
0 4 2
0 2 2
0 1
11 2
1 5 2
1 2 2
0 1
O número representado por (am...a2a1a0)2 tem o valor decimal igual a am2m+...+a222+a121+a020. Portanto, para
conhecer o valor decimal do número (am...a2a1a0)2 basta calcular a soma anterior.
Esta soma pode ser calculada diretamente ou utilizando dois métodos equivalentes:
bm = am,
bm−1 = am−1 + 2bm,
bm−2 = am−2 + 2bm−1,
...
b1 = a1 + 2b2,
b0 = a0 + 2b1.
14
Curso de Licenciatura em Matemática a Distância
1.2.2.2. A Divisão de Ruffini - Que é equivalente ao primeiro método e só difere na disposição
dos coeficientes aj e bj
am am-1 a2 a1 a0
bm bm-1 b2 b1 b0
b4 = a4 = 1,
b3 = a3 + 2b4 = 1 + 2 · 1 = 3;
b2 = a2 + 2b3 = 1 + 2 · 3 = 7;
b1 = a1 + 2b2 = 0 + 2 · 7 = 14;
b0 = a0 + 2b1 = 1 + 2 · 14 = 29.
1 0 1 1 0 0
2 2 4 10 22 44
1 2 5 11 22 44
Um outro método prático é realizar a operação de multiplicação sobre o conjunto de dígitos binários, obedecendo
a ordem decrescente dos expoentes, isto é, do expoente mais significativo até o menor.
Exemplo 8: Faça a conversão dos números inteiros na base binária para a base decimal.
a) (10101)2 = (?)10
b) (01010)2 = (?)10
15
Curso de Licenciatura em Matemática a Distância
1.2.3 Conversão de Números Fracionários da Base Decimal para a Base Binária
Aplica-se o método das multiplicações sucessivas, que consiste em multiplicar o número por 2 e extrair a parte
inteira (podendo ser 0). O processo se repete, onde o resto fracionário é multiplicado novamente por 2 e a parte
inteira sempre é extraída. Quando o resultado da multiplicação for maior que um, então o dígito binário é 1,
caso contrário o resultado será o dígito binário 0. Este processo deve-se repetir até ter um resto fracionário
igual a 0 ou até observar um padrão repetitivo, em cujo caso tratar-se-á de um número fracionário periódico
(puro ou misto).
Exemplo 9: Faça a conversão dos números fracionários na base decimal para a base binária.
a) (0,3125)10 = (?)2
0,3125 x 2 = 0,6250 ∴ resultado < 1 ∴ digito binário 0
0,6250 x 2 = 1,250 ∴ resultado > 1 ∴ dígito binário 1 ∴ extrai-se a parte inteira
0,250 x 2 = 0,500 ∴ resultado < 1 ∴ digito binário 0
0,500 x 2 = 1,000 ∴ resultado igual a 1 ∴ digito binário 1 ∴ para o processo.
b) (0,8)10 = (?)2
0,8 x 2 = 1,6 ∴ resultado > 1 ∴ digito binário 1 ∴ extrai-se a parte inteira
0,6 x 2 = 1,2 ∴ resultado > 1 ∴ digito binário 1 ∴ extrai-se a parte inteira
0,2 x 2 = 0,4 ∴ resultado < 1∴ digito binário 0
0,4 x 2 = 0,8 ∴ resultado < 1 ∴ digito binário 0
0,8 x 2 = 1,6 ∴ resultado > 1 ∴ digito binário 1 ∴ extrai-se a parte inteira
Observe que o último resultado é igual ao primeiro, nesse caso começa o processo de repetição.
Considere o número composto por parte inteira e fracionária, por exemplo, (12,125)10 = (12)10 + (0,125)10. Para
transformá-lo para a base binária faz-se uso dos dois últimos processos, isto é, aplica-se sobre a parte inteira o
método das divisões sucessivas, e para a parte fracionária, o método das multiplicações sucessivas.
Esta soma pode ser calculada diretamente ou utilizando qualquer um dos dois métodos já enunciados na subseção
anterior com algumas modificações.
16
Curso de Licenciatura em Matemática a Distância
1.2.4.1 O Esquema de Horner
bn = an,
bn−1 = an−2 + ½.bn,
bn−2 = an−3 +½ bn−1,
...
b2 = a2 + ½ b3,
b1 = a1 + ½ b2,
b0 = b1.
(3.10)
an an-1 a2 a1 a0
1
1 1
2
2 bn 2 b3 1
2 b2 1
2 b1
bn bn-1 b2 b1 b0
b5 = a5 = 1,
b4 = a4 + ½.b5 = 1 +½ .1 = 3/2,
b3 = a3 + ½.b4 = 1 +½ .3/2 = 7/4,
b2 = a2 + ½.b3 = 0 +½ .7/4 = 7/8,
b1 = a1 + ½.b2 = 1 +½ .7/8 = 23/16,
b0 =½.b1 = ½ .23/16 = 23/32 = 0,71875.
1 1 1 0 0 0
1
2 ½ 3/4 7/8 7/16 7/32
Se o número fracionário tem representação binária infinita, a sua representação é: (0, a1 a2 ... an b1 b2 ... bm ) 2
17
Curso de Licenciatura em Matemática a Distância
então o valor decimal é dado por
Em geral, se o número fracionário tem representação infinita na base β, (0, a1 a2 ... an b1 b2 ... bm ) β , então
o valor decimal é:
β m−n
(a1β −1 + a2 β −2 + ... + an β − n ) + (b1β −1 + b2 β −2 + ... + bm β − m ). ,
β m −1
onde as duas expressões entre parênteses podem ser calculadas diretamente ou utilizando qualquer um dos
métodos descritos anteriormente (Divisão de Ruffini ou Método de Horner).
As calculadoras e computadores possuem um número finito de dígitos para representar os números. Formaliza-
se esta afirmação na seguinte definição:
Definição 3: Um sistema normalizado de aritmética de ponto flutuante consiste de zeros e todos os números que
podem ser representados na forma ± (0, d1 d 2 ... d t ) β .β , onde é um inteiro maior ou igual que 2 denominado
exp
base do sistema, t é um inteiro maior ou igual que 1 denominado número de dígitos do sistema, dj são inteiros
tais que 0 ≤ dj ≤ β −1, ∀j = 2,...,t, e 0 < d1 < β −1, e exp é um inteiro tal que satisfaz m < exp < M, sendo m < M
dois inteiros, exp é denominado expoente do número. Tal sistema é representado por F(β, t, m, M).
Em um sistema normalizado de aritmética de ponto flutuante, a parte fracionária de um número na base, (d1d2...
dt) é denominada mantissa.
18
Curso de Licenciatura em Matemática a Distância
No sistema F(β, t, m, M)podem ser observadas as seguintes características:
2. A região de “underflow” é definida como o intervalo (-XMIN; XMIN), isto é, qualquer número real cujo valor
verdadeiro está nesse intervalo, será considerado zero neste sistema.
β t −1 M
xMAX = (0, ( β − 1)( β − 1)...( β − 1)) β .β M = β
βt
4. A região do chamado “overflow” é definida como sendo a união de dois intervalos (-∞,−XMAX) ∪ (XMAX, ∞),
isto é, qualquer número real cujo valor verdadeiro está nessa união de intervalos, será considerado −1 ou +1,
dependendo de se o número está no primeiro ou no segundo intervalo, respectivamente.
O menor elemento positivo deste sistema é XMIN = (0,100)2×2-1= 2-1−1= 2-2 = 1/4, portanto a região de
underflow é (-1/4; 1/4).
23 − 1 7
O maior elemento positivo deste sistema é X MAX = (0,111) 2 .22 = 3 .22 = , portanto, a região de
2 2
“overflow” deste sistema é (-∞,−7/2) ∪ (7/2, +∞).
Mais ainda, como os valores dos parâmetros do sistema são pequenos, os valores na base decimal dos elementos
positivos podem ser enumerados em um arranjo. Segue a tabela que demonstra isso:
19
Curso de Licenciatura em Matemática a Distância
ANOTAÇÕES
20
Curso de Licenciatura em Matemática a Distância
Equações Algébricas e
Transcendentais
21
Curso de Licenciatura em Matemática a Distância
As equações algébricas são igualdades que dependem de uma ou mais variáveis relacionadas mediante um
número finito de adições, subtrações, multiplicações, divisões e potenciação e radiciação inteiras. As operações
mencionadas anteriormente são denominadas operações algébricas. Exemplos de equações algébricas são
x 1
x2 − x +1 + − 2 = 0 , x3/ 5 − y 2 + + 5 = 0 . Neste capítulo, estudar-se-ão as equações
3 2
x +1 z
n
polinomiais de uma variável, ou seja, equações da forma a n x + + a1 x + a0 = 0 , sendo an ,…, a1 , a0
números reais. As equações polinomiais são casos particulares de equações algébricas.
Uma equação transcendental de uma ou mais variáveis é uma igualdade que não pode ser reduzida a uma
x+ y
equação algébrica. Por exemplo, x − cos( x) − 1 = 0 ou e − ln(2 xy ) = 0 . Em geral, as equações
3/8
2.1 Introdução
Uma equação (algébrica ou transcendental) de uma variável pode ser escrita sempre como f ( x) = 0 , sendo
f (x) uma função na variável escalar x .
Exemplo 2.1:
5 4
Considere a equação x − 4 x + 2 x + 1 = 0 na variável x . Então observe que o número
ξ = 1 é uma raiz de tal equação, pois quando substitui-se x por 1 na equação dada, tem-se que
15 − 4 ⋅ 14 + 2 ⋅ 1 + 1 = 1 − 4 + 2 + 1 = 0 .
Exemplo 2.2:
Sabe-se, pelo exemplo anterior, que ξ =1 é uma raiz da equação polinomial x5 − 4x 4 + 2x +1 = 0 .
3 2
Considerando f ( x) = x − 4 x + 2 x + 1 tem-se que f (ξ ) = 0 e t1 ( x ) = 4 x − 15 x + 18 x − 7 .
5 4
Assim, ξ = 1 é uma raiz de multiplicidade m = 1 . Neste caso, diz-se que ξ = 1 é uma raiz simples.
Exemplo 2.3:
Pode-se verificar que ξ =1 é uma raiz da equação polinomial x 5 − 2 x 4 + x 3 − x 2 + 2 x − 1 = 0 . Seja
f ( x) = x 5 − 2 x 4 + x 3 − 2
x + 2 x − 1 . Assim,
k f ( k ) ( x) f ( k ) (ξ )
0 x5 − 2 x 4 + x3 − x 2 + 2 x − 1 0
1 5 x 4 − 8 x 3 + 3x 2 − 2 x + 2 0
2 ax3 + bx 2 + cx + d = 0 0
3 60 x 2 − 24 x + 6 42
22
Curso de Licenciatura em Matemática a Distância
Exemplo 2.4:
Pode-se verificar que ξ =0 é uma raiz da equação transcendental x sen ( x) = 0 . Seja f ( x) = x sen ( x)
. Assim,
k f ( k ) ( x) f ( k ) (ξ )
0 x sen ( x) 0
1 sen ( x) + x cos( x) 0
2 2 cos( x) − x sen ( x) 2
25
20
15
10
0
-1,5 -1 -0,5 0,5 1 1,5 2
-5
-10
-15
-20
-25
ATIVIDADE 1
1) Classifique as seguintes equações em algébricas (polinomial ou não) ou transcendentais, Justifique sua
resposta.
x + 3 x =1,
x + 3 x cos( x) = 1 ,
e 2 x + x 3 + x 5 = −3 ,
e x x + x 3 + x 5 = −3 ,
1 + x + x 2 + x3 + + x n = 2 ,
1+ x + x2 + x3 + + x n + = 2 .
x = 0 em x ⋅ ln(1 + x) = 0 ,
x = 1 em ( x − 1) 2 ⋅ ln(1 + x) = 0 ,
x = 1 em x 9 − 8 x 3 − 7 = 0 ,
23
Curso de Licenciatura em Matemática a Distância
x = −1 em x 9 − 8 x 3 − 7 = 0 ,
x = 2 em x 6 − 7 x 5 + 15 x 4 − 40 x 2 + 48 x − 6 = 0 .
x = 1 em ( x − 1) 2 ⋅ ln(1 + x) = 0 ,
x = 0 em x ⋅ ln(1 + x) = 0 ,
x = 0 em x ⋅ cos( x) = 0 ,
x = 1 em x 6 − 2 x5 − 3 x 4 + 12 x3 − 13 x 2 + 6 x − 1 = 0 .
Os métodos para resolver equações (ou sistemas de equações) algébricas e transcendentais de uma (ou várias)
podem ser classificados em diretos e indiretos.
Os métodos diretos são de natureza analítica, ou seja, sob certas condições, eles fornecem todas as soluções de
uma equação mediante fórmulas algébricas fechadas.
1) Dada uma equação linear ou de primeiro grau em x , ax + b = 0 , com a ≠ 0 , a solução de tal equação é
b
x=− .
a
2) Dada uma equação quadrática ou de segundo grau em x , ax 2 + bx + c = 0 com a ≠ 0 , as soluções
− b ± b 2 − 4ac
(em geral complexas) estão dadas pela fórmula x= .
2a
3 2
3) Dada uma equação cúbica ou de terceiro grau em x , ax + bx + cx + d = 0 com a ≠ 0 , as soluções
podem ser obtidas mediante procedimentos algébricos baseados na fórmula de Tartáglia para equações do tipo
y 3 + py + q = 0 .
4 3 2
4) Dada uma equação quártica ou de quarto grau em x , ax + bx + cx + dx + e = 0 com a ≠ 0 , as
soluções podem ser obtidas mediante procedimentos algébricos baseados no método de Ferrari para equações
do tipo y 3 + py + q = 0 .
5) O matemático Abel provou que não existe uma fórmula geral envolvendo operações algébricas para encontrar
as soluções de uma equação polinomial de grau maior que 4.
Os métodos indiretos são de natureza iterativa, ou seja, geram, em cada execução, mediante equações em
diferença, uma seqüência de números, {xk }, denominados aproximantes ou iteradas, tais que lim xk = ξ ,
k →+∞
sendo ξ uma raiz da equação que se pretende resolver.
24
Curso de Licenciatura em Matemática a Distância
Definição 2.3: (Método Iterativo de m pontos)
Um método iterativo de m pontos está definido mediante uma equação recursiva e certas condições iniciais
como segue:
x0 , x1 ,…, xm−1 números conhecidos , e
xk +1 = φ ( xk , xk −1 ,…, xk −m+1 ), para k = m − 1, m, m + 1,…
onde φ é uma função real de m variáveis reais denominada a função iterativa do método e os valores
x0 , x1 ,… , xm −1 formam o conjunto de condições iniciais do método.
O processo de encontrar iterativamente uma raiz ξ da equação f ( x) = 0 pode ser dividido em duas etapas:
2. escolha de uma certa função iterativa de m pontos que gere a seqüência finita de aproximantes {xk } de ξ .
Com freqüência, as aproximações iniciais de uma raiz ξ são tomadas a partir de considerações particulares
do problema. Mas também existem recursos tais como a localização das raízes mediante critérios analíticos ou
gráficos. Por exemplo, na equação f ( x) = 0 , se é tomado um certo valor x0 tal que f ( x0 ) ≈ 0 , então o valor
x0 pode fornecer uma aproximação inicial adequada. Se estão disponíveis recursos gráficos, outra abordagem
interessante é tomar como aproximação inicial algum valor x0 tal que o gráfico da função f (x ) corte o eixo
x bem perto de x0 .
-2 -1 0 1 2
x
-2
-4
25
Curso de Licenciatura em Matemática a Distância
pode-se dizer que uma boa aproximação inicial da solução da equação f ( x) = 0 está dada por x0 = −1,5 .
Outro método muito comum utilizado para obter uma aproximação inicial de uma raiz está baseado no Teorema
do Valor Intermediário:
Teorema 2.1: Se f (x ) é uma função contínua no intervalo fechado [ a, b] e f (a ) f (b) < 0 , então a equação
f ( x) = 0 tem pelo menos uma raiz no intervalo aberto (a, b) .
Uma abordagem interessante para determinar uma aproximação inicial é construir uma tabela de valores da
função f (x ) e observa os intervalos onde acontece a mudança de sinal da função.
x f (x)
-4 55,507
-3 21,083
-2 8,231
-1 3,198
0 1
1 -0,112
2 -0,706
3 -0,948
4 -0,891
Observa-se que a função f (x ) é contínua e existe uma mudança de sinal entre x = 0 e x = 1 , logo uma
−x
aproximação inicial adequada da raiz da equação e − sen( x / 2) = 0 seria x 0 = 1 que dá o valor mais
próximo de zero.
A partir de uma aproximação inicial x0 , um método iterativo gera uma seqüência de aproximantes
x1 , x2 ,…, xk ,… de uma raiz da equação f ( x) = 0 . Devido à limitações físicas, tal seqüência não pode ser
infinita.
Então existe a necessidade de estabelecer critérios de parada para construir uma seqüência finita de aproximantes
x1 , x2 ,…, xk . Entre os critérios mais utilizados tem-se os seguintes
1) Número Fixo de Iterações: ou seja, o método iterativo deve gerar um número prescrito, N , de
aproximantes.
2) Erro Absoluto prescrito do Aproximante: dada uma tolerância de erro, ε , deve-se parar se xk − xk −1 < ε .
xk − xk −1
3) Erro Relativo prescrito do Aproximante: dada uma tolerância de erro, ε , deve-se parar se <ε.
xk
4) Número de Dígitos Significativos Exatos do Aproximante: prescrito um número de dígitos significativos
xk − xk −1
exatos, M , deve-se parar quando < 0,5 ×10− M +1 .
xk
26
Curso de Licenciatura em Matemática a Distância
ATIVIDADE 2
1) Faça uma tabela de valores para as funções f (x ) , para x inteiro de − 5 a 5 para descobrir um valor inicial
adequado x0 que pode ser utilizado para começar um método numérico que aproxime uma raiz da equação
f ( x) = 0 .
a) f ( x) = x 6 − x 5 − 2
b) f ( x) = x 6 + x 5 − 2e x
c) f ( x) = 3e x − x cos(2 x)
2) Dados os seguintes gráficos da função f (x) , após observar o intercepto do gráfico com o eixo x diga
qual pode ser um valor inicial adequado
a)
6
b)
2
1.5
0.5
27
Curso de Licenciatura em Matemática a Distância
Dados os gráficos de x e uma função g (x) diga qual seria um valor inicial adequado para resolver a equação
g ( x) = x :
a)
2
1.5
0.5
1
b)
x
-1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1
-1
-2
-3
5
4) Se um aproximante de uma raiz da equação x − x − 1 = 0 é 1,167303542 com um erro relativo não
maior que 0,0002321 , quantos dígitos significativos exatos possui tal aproximante?
5) Faça uma pesquisa bibliográfica ou na internet, para detalhar as fórmulas de Tartáglia e resolva algebricamente
3 2
a equação x − 4 x + 5 x − 1 = 0 .
28
Curso de Licenciatura em Matemática a Distância
2.3 Equações Algébricas Polinomiais
Existem critérios que permitem conhecer o número de raízes reais (positivas e negativas) e complexas, ou seja,
classificar as raízes. Também, existem critérios para saber a localização das raízes. Este será objeto de nosso
estudo nas seguintes subseções.
É possível determinar intervalos que contem as raízes reais de uma equação polinomial mediante o seguinte
teorema:
n n −1
Teorema 2.2: (Teorema de Lagrange) Seja a equação polinomial p n ( x ) = a n x + a n −1 x + a1 x + a0 = 0
onde a n > 0 . Então uma cota superior para as raízes positivas da equação polinomial está dada por
B
L = 1 + n−k , onde B é igual ao maior valor absoluto dos coeficientes negativos existentes no
an
polinômio ou zero em caso contrário (se não existem coeficientes negativos) e k é a maior potência de
x correspondente a um coeficiente negativo. O número L é denominado a cota de Lagrange da equação
pn ( x) = an x n + an−1 x n−1 + a1 x + a0 = 0 .
6 4 3 2
Exemplo 2.8: Considere a equação polinomial x − 3 x + 8 x − 5 x + x − 4 = 0 . Neste caso, de acordo
com as condições do teorema, B = 5 e k = 4 . Observe que n = 6 . Assim, uma cota superior para as raízes
5
positivas é L = 1 + 6− 4 =1+ 5 .
1
Corolário 2.1: Seja a equação polinomial pn ( x) = an x n + an−1 x n−1 + a1 x + a0 = 0 , onde an > 0 .
1) Se L1 a cota de Lagrange da equação polinomial x n pn (1 / x) = 0 , então uma cota inferior positiva das
1
raízes positivas da equação pn ( x) = an x n + an−1 x n−1 + a1 x + a0 = 0 é .
L1
2) Se L2 a cota de Lagrange da equação polinomial pn (−x) = 0 , então uma cota inferior negativa das raízes
n n −1
negativas da equação p n ( x ) = a n x + a n −1 x + a1 x + a0 = 0 é − L2 .
3) Se L3 a cota de Lagrange da equação polinomial x n pn (−1 / x) = 0 , então uma cota superior negativa
1
das raízes negativas da equação pn ( x) = an x n + an−1 x n−1 + a1 x + a0 = 0 é − .
L3
Assim, todas as raízes positivas da equação polinomial pn ( x) = an x n + an−1 x n−1 + a1 x + a0 = 0
1 1
encontram-se no intervalo , L , e todas as raízes negativas, encontram-se no intervalo − L2 ,− .
L1 L3
x 4 pn (1/ x) = 31x 4 + 30 x3 − 9 x 2 − 7 x + 1 ,
29
Curso de Licenciatura em Matemática a Distância
pn (− x) = x 4 + 7 x 3 − 9 x 2 − 30 x + 31 e
x 4 pn (−1/ x) = 31x 4 − 30 x3 − 9 x 2 + 7 x + 1 .
Então
9 9 1
L = 1 + 4 −3 = 10 , L1 = 1 + 4−3 ≈ 1,5388 ⇒ = 0, 6498 ,
1 31 L1
30 30 1
L2 = 1 + 4− 2 ≈ 6, 4772 ⇒ − L2 = −6, 4772 e L3 = 1 + 4−3 ≈ 1,9677 ⇒ − ≠ −0,5081 .
1 31 L3
x 7 pn (1/ x) = x 7 + 10 x 6 + 8 x 5 − 3x 4 + x 2 + 3 ,
pn ( x) = 3 x 7 + x 5 − 3 x 3 + 8 x 2 + 10 x + 1 = 0 e
x 7 pn (−1/ x) = x 7 − 10 x 6 + 8 x 5 + 3 x 4 − x 2 − 3 .
Observe que para satisfazer as condições do teorema de Lagrange, o sinal de pn (− x) foi trocado. Então
3 3 1
L = 1 + 7−4 = 2, L1 = 1 + 7−4 ≈ 2,4422 ⇒ = 0,4095 ,
3 1 L1
8 10 1
L2 = 1 + 7−3 ≈ 2,2779 ⇒ − L2 = −2,2779 e L3 = 1 + 7 −6 ≈ 11 ⇒ − ≠ −0, 0909
3 1 L3
Quanto ao número de raízes (reais ou complexas), sabe-se, pelo Teorema Fundamental da Álgebra, que uma
n n −1
equação polinomial p n ( x ) = a n x + a n −1 x + a1 x + a0 = 0 , a n ≠ 0 , possui n raízes reais ou complexas,
incluindo a multiplicidade algébrica delas.
Mas nesta subseção, são destacados alguns critérios mais específicos quanto ao número de raízes reais, positivas
e negativas de uma equação polinomial.
30
Curso de Licenciatura em Matemática a Distância
Definição 2.4: Considere um polinômio p n (x ) com os termos escritos em ordem decrescente em relação
r s
à potência de x , sem termos com coeficientes nulos. Então se os coeficientes de dois termos a r x e a s x
consecutivos, sendo r > s , tem sinais iguais, diz-se que aconteceu uma permanência de sinal entre tais termos,
mas se estes coeficientes tem sinais diferentes, diz-se que ocorreu uma mudança de sinal entre esses termos.
7 4 3
Exemplo 2.11: O polinômio pn ( x) = 3 x − 12 x + 10 x + 14 x − 1 tem três mudanças de sinais e uma
7
continuação de sinais. De fato, as três mudanças acontecem, a primeira, entre os termos 3x e −12x 4 , a
segunda, entre os termos −12x 4 e 10x 3 e a terceira, entre os termos −22 e − 1 . A permanência de sinais
3
acontece entre os termos 10x e −22 .
5 4 3 2
Exemplo 2.12: O polinômio da equação polinomial p5 ( − x) = −8 x + 12 x + 10 x + 17 x + 18 x + 5
tem quatro mudanças de sinais, e portanto, tem 4 , 2 ou 0 raízes positivas. O polinômio
p5 (− x) = −8 x5 + 12 x 4 + 10 x3 + 17 x 2 + 18 x + 5 tem uma mudança de sinal, e portanto, uma raiz real
negativa.
Observa-se que o critério de Descartes proporciona somente uma possível contagem das raízes positivas ou
negativas de uma equação polinomial. Porém, existe um critério mais preciso, embora mais trabalhoso, para
saber com precisão o número de raízes reais. Isto será visto na próxima subseção.
Definição 2.6: Seja pn ( x) = 0 uma equação polinomial com n raízes simples. Denote por s0 ( x) = pn ( x) ,
s1 ( x) = Dx ( pn ( x) ) , s 2 ( x) o negativo do resto de dividir s0 ( x) por s1 ( x) , s3 ( x) o negativo do resto
de dividir s1 ( x) por s 2 ( x) , e assim por diante, até chegar em s k ( x) = c ≠ 0 , sendo c uma constante. A
seqüência de polinômios {s0 ( x), s1 ( x), …, s k ( x)} é denominada a seqüência de Sturm de p n (x ) .
No caso que a equação polinomial p n ( x) = 0 tenha uma raiz múltipla x = x0 , pode-se conseguir ainda
uma seqüência de polinômios não nulos como segue, seja t 0 ( x) = pn ( x) , t1 ( x ) = Dx ( p n ( x) ) , t 2 ( x) o
negativo do resto de dividir t 0 ( x) por t1 ( x) , t3 ( x) o negativo do resto de dividir t1 ( x) por t 2 ( x) , e assim
por diante, até chegar em t k (x) igual ao máximo comum divisor de t 0 ( x) por t1 ( x) . Neste caso a seqüência
da Sturm está dada por:
t 0 ( x) t ( x) t ( x)
s0 ( x) = , s1 ( x) = 1 , …, s k −1 ( x) = k −1 , s k ( x) = 1 .
t k ( x) t k ( x) t k ( x)
15 2 3
por s0 ( x) = x 4 − 2 x 3 − 6 x 2 + 2 x − 1 , s1 ( x) = 4 x 3 − 6 x 2 − 12 x + 2 , s2 ( x) = x + ,
4 4
64 16 63
s3 ( x) = x− e s4 ( x ) = − .
5 5 64
31
Curso de Licenciatura em Matemática a Distância
Exemplo 2.14: Seja pn ( x) = x 4 − 5 x 3 + 9 x 2 − 7 x + 2 . Tenta-se construir a seqüência de Sturm de pn (x) :
3 2
t 0 ( x) = x 4 − 5 x 3 + 9 x 2 − 7 x + 2 , t1 ( x) = 4 x − 15 x + 18 x − 7 , t2 ( x) = ( x − 2 x + 1) ,
3 2
16
t0 ( x) 16 2
t3 ( x) = 0 . Assim, a seqüência de Sturm é: s0 ( x) = = ( x − 3 x + 2) ,
t2 ( x ) 3
t1 ( x) 16
s1 ( x) = = (4 x − 7) e s2 ( x) = 1 .
t2 ( x ) 3
Teorema 2.4: (Teorema de Sturm) O número de raízes reais da equação polinomial p n ( x) = 0 no intervalo
[a, b] é igual ao valor absoluto da diferença entre o número de mudanças de sinal dos valores da seqüência de
Sturm em x = a e x = b , sempre que f ( a ) ≠ 0 e f (b) ≠ 0 .
x = −2 x=2
s0 ( x) 3 -21
s1 ( x) -30 -14
s2 ( x) 63/4 63/4
s3 ( x ) − 144 / 5 112 / 5
s4 ( x) -63/64 -63/64
Uma estratégia interessante para localizar e enumerar as raízes de uma equação polinomial é estabelecer intervalos
onde tais raízes estão localizadas mediante as cotas de Lagrange e depois utilizar a seqüência de Sturm para
contar as raízes. Isto é ilustrado no exemplo a seguir.
4 3 2
Exemplo 2.16: Seja a equação polinomial pn ( x ) = x − 2 x − 6 x + 2 x − 1 = 0 . Primeiro, vão ser
determinados os intervalos para as raízes positivas e negativas, mediante as cotas de Lagrange. Uma cota
6
superior para as raízes positivas é = 7 . Agora, tem-se que pn (− x) = x 4 + 2 x 3 − 6 x 2 − 2 x − 1
L = 1 + 4 −3
1
6
e uma cota inferior para as raízes negativas é − L2 = −1 + 4−2 = −3,4495 . Sabe-se, pelo exemplo
1
4 3 2
2.13, que a seqüência de Sturm de p n (x ) está formada por s0 ( x ) = x − 2 x − 6 x + 2 x − 1 ,
15 2 3 64 16 63
s1 ( x) = 4 x 3 − 6 x 2 − 12 x + 2 , s2 ( x) = x + , s3 ( x) = x− e s4 ( x ) = − . Faz-se uma
4 4 5 5 64
32
Curso de Licenciatura em Matemática a Distância
tabela com os valores da seqüência em x = −4 , x = 0 e x = 7 :
x = −4 x=0 x=7
s0 ( x) 279 −1 1434
s1 ( x) − 302 2 996
243 3 369
s2 ( x)
4 4 2
272 16 432
s3 ( x ) − −
5 5 5
63 63 63
s4 ( x) − − −
64 64 64
Resumindo, pode-se dizer que existem duas raízes reais e duas raízes complexas (quatro ao todo), de dentre as
duas raízes reais, uma é positiva e uma é negativa.
Até aqui, o problema de resolver uma equação polinomial está parcialmente abordado. Resta ainda calcular as
raízes. Na próxima seção serão detalhados métodos para aproximar raízes de equações transcendentais, mas
estes métodos podem ser utilizados também para aproximar raízes de equações polinomiais.
ATIVIDADE 3
1) Determine as cotas de Lagrange para as possíveis raízes reais das seguintes equações polinomiais:
pn ( x) = x 6 − 3 x 4 − 5 x 2 − 8 x − 1 = 0 ,
pn ( x) = x 7 + x 6 − x 5 − x 4 − x 3 − 2 x 2 + x − 1 = 0 ,
pn ( x) = − x 6 − 2 x 5 + x 2 + x − 1 = 0 ,
pn ( x) = − x 7 − 2 x 2 − x − 3 = 0 ,
pn ( x) = x 7 − x + 2 = 0 .
2) Mediante a regra de sinais de Descartes, forneça estimativas sobre o número de raízes positivas e negativas
das equações polinomiais da questão 1)
3) Mediante as cotas de Lagrange e a seqüência de Sturm de cada polinômio, determine o número exato de
raízes positivas e negativas das equações polinomiais da questão 1)
33
Curso de Licenciatura em Matemática a Distância
2.4 Equações Transcendentais
Lembre que uma equação transcendental é uma equação da forma f ( x) = 0 , onde f (x) contem funções
trigonométricas, exponenciais, logarítmicas, hiperbólicas, etc.
Neste caso, uma maneira geral de localizar a raiz é elaborando uma tabela
x f (x)
x1 f ( x1 )
xn f ( xn )
onde os valores x1 ,..., xn são escolhidos, geralmente em forma crescente. Se a função f (x ) é contínua, procura-
se uma mudança de sinal entre os valores da função f (x ) , e de acordo com o Teorema do Valor Intermediário,
existirá uma raiz no intervalo [ xi , x j ] , sendo que f ( xi ) f ( x j ) < 0 .
Nesta seção estamos interessados em métodos iterativos que calculem uma seqüência de aproximantes
{x1 , x2 ,…, xk } de uma raiz da equação f ( x) = 0 . Estes métodos, bem como a idéia que fundamenta cada
um deles, serão expostos nas seguintes subseções.
Seja a equação f ( x) = 0 com f (x) contínua. Suponha que são conhecidos dois valores a0 e b0 , com
a0 < b0 , tais que f (a0 ) f (b0 ) < 0 . De acordo com o Teorema do Valor Intermediário, existe pelo menos
uma raiz no intervalo (a0 , b0 ) . A idéia do método da bisseção é calcular um aproximante de alguma raiz que
a + b0
se encontre no referido intervalo como sendo o ponto médio do intervalo, x0 = 0 . Depois, pode-se
2
determinar se existe mudança de sinal do valor da função f (x ) no intervalo [ a0 , x0 ] ou [ x0 , b0 ] ; escolhe-
Um passo deste processo pode ser resumido como segue: dado o intervalo I k = [ak , bk ] que contem uma raiz
ak + bk
da equação f ( x) = 0 , bisseca-se tal intervalo no ponto xk = e escolhe-se aquela metade do intervalo
2
que contem a raiz, mediante o seguinte teste
34
Curso de Licenciatura em Matemática a Distância
Para facilitar o processo aritmético do método, recomenda-se elaborar uma tabela com a seguinte estrutura:
ak bk xk Ek sinal de sinal de
k f (ak ) f ( xk )
0 a0 b0 x0 + ou - + ou -
1 a1 b1 x1 E1 + ou - + ou -
2 a2 b2 x2 E2 + ou - + ou -
r ar br xr Er
ak + bk x − xk −1
onde xk = e Ek = k . Cada passo deste método requer uma nova avaliação da função
2 xk
f (x) , que é f ( xk ) .
Este método constrói uma seqüência de intervalos I 0 ⊃ I1 ⊃ I 2 ⊃ … ⊃ I r tal que cada intervalo contém
uma raiz da equação f ( x) = 0 . Depois de repetir o procedimento r vezes, é obtido um intervalo I r de
b −a
comprimento br − ar = 0 r 0 .
2
Para determinar quantas iterações do método, r , são necessárias, no mínimo, para conseguir um aproximante
b0 − a0 ln(b0 − a0 ) − ln(ε )
com um erro (absoluto) menor que ε , pode-se utilizar a relação r
< ε ou r > .
2 ln(2)
O número mínimo de iterações requerido para aproximar uma raiz no intervalo [0,1] para um ε > 0 é dado
na tabela a seguir:
ε r
10 -2
7
10-3 10
10-4 14
10-5 17
10-6 20
10-7 24
Logo, o método da bisseção requer um grande número de iterações para atingir um grau razoável de precisão
para a raiz.
Exemplo 2.17: Considere a equação 2 x − cos( x) = 0 . Sendo f ( x) = 2 x − cos( x) tem-se que f (0) = −1
e f (1) = 1,459697694 . Desde que a função f (x ) é contínua, existe, pelo menos, uma raiz da equação
2 x − cos( x) = 0 no intervalo [0,1] . Será aplicado o método da bisseção até k = 6 para aproximar tal raiz.
35
Curso de Licenciatura em Matemática a Distância
k ak bk xk Ek sinal de f (ak ) sinal de f ( xk )
0 0 1 0,5 - -
1 0 0,5 0,25 1 - -
2 0,25 0,5 0,375 0,333333 - -
3 0,375 0,5 0,4375 0,142857 - -
4 0,4375 0,5 0,46875 0,066667 - +
5 0,4375 0,46875 0,453125 0,034483 - +
6 0,4375 0,453125 0,4453125 0,017544
Assim, o aproximante de uma raiz de 2 x − cos( x ) = 0 no intervalo [0,1] está dado por x 6 = 0,4453125
com um erro relativo não maior que 0,017544 ou 1,75%.
4 3 2
Exemplo 2.18: Do exemplo 2.15, sabe-se que a equação pn ( x ) = x − 2 x − 6 x + 2 x − 1 = 0 tem uma
raiz positiva no intervalo [0,7] . Faz-se a seguinte tabela para localizar melhor esta raiz:
x p n (x)
0 −1
1 −6
_ 21
2
3 _ 22
4 39
5 234
6 659
7 1434
(para fins práticos, as avaliações funcionais terminariam após detectar a mudança de sinal, ou seja, quando
x = 4 ).
Observa-se que p n (3) = −2 e pn (4) = 39 . Como p n (x ) é contínua (na verdade, todo polinômio é), existe
4 3 2
uma raiz da equação pn ( x ) = x − 2 x − 6 x + 2 x − 1 = 0 no intervalo [3,4] . Será aplicado o método da
bisseção até k = 6 para aproximar tal raiz.
36
Curso de Licenciatura em Matemática a Distância
k ak bk xk Ek sinal de pn (ak ) sinal de f ( xk )
0 3 4 3,5 - -
1 3,5 4 3,75 0,066667 - +
2 3,5 3,75 3,625 0,034483 - +
3 3,5 3,625 3,5625 0,017544 - +
4 3,5 3,5625 3,53125 0,008850 - -
5 3,53125 3,5625 3,546875 0,004405 - -
6 3,546875 3,5625 3,5546875 0,002198
Considere a equação f ( x) = 0 com f (x) contínua. A idéia do método da falsa posição ou regula falsi, como
também é conhecido, é, a semelhança do método da bisseção, dividir um intervalo (a0 , b0 ) , com a0 < b0 , tais
que f (a0 ) f (b0 ) < 0 . A idéia do método da falsa posição é calcular um aproximante de alguma raiz que se
encontre no referido intervalo como sendo a média ponderada dos extremos do intervalo a0 e b0 , com pesos
a0 f (b0 ) − b0 f (a0 )
f (b0 ) e − f (a0 ) , respectivamente; assim, x0 = . Depois, pode-se determinar se existe
f (b0 ) − f (a0 )
mudança de sinal do valor da função f (x ) no intervalo [ a0 , x0 ] ou [ x0 , b0 ] ; escolhe-se o intervalo [ a0 , x0 ]
A idéia do método da falsa posição tem uma característica geométrica, ilustrada na figura a seguir.
37
Curso de Licenciatura em Matemática a Distância
3
f(x)
2
a[0] x[0]
-1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8 1
0
b[0]
-1
-2
-3
Considerando o gráfico da função f (x) e os pontos a0 e b0 tais que f (a0 ) f (b0 ) < 0 , então o ponto x0
é a abscissa do intercepto da secante entre os pontos (a0 , f ( a0 ) ) e (b0 , f (b0 ) ) .
Um passo deste processo pode ser resumido como segue: dado o intervalo I k = [ak , bk ] que contem uma raiz
a f (bk ) − bk f (ak )
da equação f ( x) = 0 , divide-se tal intervalo no ponto xk = k e escolhe-se aquela parte
f (bk ) − f (ak )
do intervalo que contem a raiz, mediante o seguinte teste
Para facilitar o processo aritmético do método, recomenda-se elaborar uma tabela com a seguinte estrutura:
ak f (bk ) − bk f (ak ) x − xk −1
onde xk = e Ek = k .
f (bk ) − f (ak ) xk
38
Curso de Licenciatura em Matemática a Distância
Exemplo 2.19: Considere a equação 2 x − cos( x ) = 0 . Sendo f ( x ) = 2 x − cos( x ) tem-se que f (0) = −1
e f (1) = 1,459697694 . Será aplicado o método da falsa posição até k = 3 para aproximar tal raiz.
Assim, o aproximante de uma raiz de 2 x − cos( x ) = 0 no intervalo [0,1] está dado por x 3 = 0,450158
com um erro relativo não maior que 0,000620 ou 0,062% .
4 3 2
Exemplo 2.20: Do exemplo 2.18, sabe-se que a equação pn ( x ) = x − 2 x − 6 x + 2 x − 1 = 0 tem uma
raiz positiva no intervalo [3,4] . Será aplicado o método da falsa posição até k = 3 para aproximar tal raiz.
pn (3,360656) = −10,398675 ,
pn (3,495241) = −3,462470 ,
pn (3,536400) = −1,014109 .
4 3
Assim, o aproximante da raiz de pn ( x ) = x − 2 x − 6 x 2 + 2 x − 1 = 0 no intervalo [3,4] está dado por
x 3 = 3,548149 com um erro relativo não maior que 0,003311 ou 0,33%
O método das cordas está fundamentado no fato seguinte: sendo x j −1 e x j dois aproximantes de uma
raiz da equação f ( x) = 0 , a função f (x) é substituída pela reta que une os pontos (x j −1 , f ( x j −1 ) ) e
(x , f ( x )), e desse modo o intercepto dessa reta com o eixo
j j x é o próximo aproximante x j +1 , ou seja,
x j −1 f ( x j ) − x j f ( x j −1 )
x j +1 = que tem semelhança com a fórmula utilizada no método da falsa posição.
f ( x j ) − f ( x j −1 )
x j − x j −1
Observe que o aproximante x j +1 também pode ser escrito como x j +1 = x j − f (x j ) .
f ( x j ) − f ( x j −1 )
39
Curso de Licenciatura em Matemática a Distância
Os resultados podem ser organizados, por exemplo, imitando o formato a seguir:
k xk Ek f ( xk ) xk − xk −1 f ( xk ) − f ( xk −1 )
0 x0 f ( x0 )
1 x1 E1 f ( x1 ) x1 − x0 f ( x1 ) − f ( x0 )
2 x2 E2 f ( x2 ) x2 − x1 f ( x2 ) − f ( x1 )
r −1 xr −1 Er −1 f ( xr −1 ) xr −1 − xr −2 f ( xr −1 ) − f ( xr −2 )
r xr Er
xk −1 − xk −2
onde x0 e x1 são dados e é utilizada a fórmula xk = xk −1 − f ( xk −1 ) para k ≥ 2 .
f ( xk −1 ) − f ( xk −2 )
Exemplo 2.21: Considere a equação 2 x − cos( x ) = 0 . Sendo f ( x ) = 2 x − cos( x ) tem-se que f (0) = −1
e f (1) = 1,459697694 . Será aplicado o método das cordas até k = 5 para aproximar tal raiz.
k xk Ek f ( xk ) xk − xk −1 f ( xk ) − f ( xk −1 )
0 0 −1
1 1 1 1,459698 1 2,459698
2 0,406554 1,459698 − 0,105381 − 0,593446 − 1,565079
3 0,446512 0,089490 − 0,008934 0,039958 0,096447
4 0,450214 0,008221 0,000073 0,003701 0,009007
5 0,450184 0,000067
Assim, o aproximante de uma raiz de 2 x − cos( x ) = 0 no intervalo [0,1] está dado por x 5 = 0,450184
com um erro relativo não maior que 0,000067 ou 0,0067% .
Na verdade, é desejável iniciar o método com valores onde a função muda de sinal; mas isto não é
necessário, como mostram os resultados seguintes: supõe-se x0 = 0 e x1 = 0,4 . Observe que f (0) = −1 e
f (0,4) = −0,121061 . Logo, aplicando o método até k = 4
k xk Ek f ( xk ) xk − xk −1 f ( xk ) − f ( xk −1 )
0 0 −1
1 0,4 1 − 0,120161 0,4 0,878939
2 0,455094 0,121061 0,011969 0,055094 0,1330030
3 0,450137 0,011012 − 0,000113 − 0,004957 − 0,012081
4 0,450184 0,000103
Assim, o aproximante de uma raiz de 2 x − cos( x ) = 0 no intervalo [0,1] está dado por x 4 = 0,450184
com um erro relativo não maior que 0,000103 ou 0,0103% .
4 3 2
Exemplo 2.22: Do exemplo 2.18, sabe-se que a equação pn ( x ) = x − 2 x − 6 x + 2 x − 1 = 0 tem uma
raiz positiva no intervalo [3,4] . Será aplicado o método das cordas até k = 5 para aproximar tal raiz.
40
Curso de Licenciatura em Matemática a Distância
k xk Ek pn ( xk ) xk − xk −1 pn ( xk ) − pn ( xk −1 )
0 3 −22
1 4 0,25 39 1 61
2 3,360656 0,190244 −49,398675 − 0,639344 −49,398675
3 3,495241 0,038505 − 3,462470 0,134585 6,936205
4 3,562424 0,018859 0,617247 0,067183 4,079718
5 3,552260 0,002861
4 3
Assim, o aproximante da raiz de pn ( x ) = x − 2 x − 6 x 2 + 2 x − 1 = 0 no intervalo [3,4] está dado por
x 5 = 3,552260 com um erro relativo não maior que 0,002861 ou 0,29%
O método de Newton-Raphson está baseado, assim como o método das cordas, na substituição da função f (x)
por uma reta. Especificamente, se x j é um aproximante de uma raiz da equação f ( x) = 0 , onde f (x) é
derivável, então substitui-se f (x) pela reta que passa pelo ponto (x j , f ( x j ) ) e com coeficiente angular igual
à derivada da função em x j , f ' ( x j ) . O aproximante x j +1 está dado pelo intercepto dessa reta com o eixo
f (x j )
x , que é x j +1 = x j − . Pode-se dizer que este método é o caso limite do método das cordas quando
f '(x j )
x j −1 → x j .
k xk Ek f ( xk ) f ' ( xk )
0 x0 f ( x0 ) f ' ( x0 )
1 x1 E1 f ( x1 ) f ' ( x1 )
2 x2 E2 f ( x2 ) f ' ( x2 )
r −1 xr −1 Er −1 f ( xr −1 ) f ' ( xr −1 )
r xr Er
f ( xk −1 )
onde x0 é dado e é utilizada a fórmula xk = xk −1 − para k ≥ 1 .
f ' ( xk −1 )
k xk Ek f ( xk ) f ' ( xk )
0 1 1,459698 2,841471
1 0,486288 1,056394 0,088502 2,467347
2 0,450419 0,079636 0,000572 2,435342
3 0,450184 0,000522
Assim, o aproximante de uma raiz de 2 x − cos( x ) = 0 no intervalo [0,1] está dado por x 3 = 0,450184
com um erro relativo não maior que 0,000522 ou 0,0522% .
41
Curso de Licenciatura em Matemática a Distância
Pode-se observar que a rapidez de convergência deste método é superior aos anteriores.
4 3 2
Exemplo 2.24: Do exemplo 2.18, sabe-se que a equação pn ( x ) = x − 2 x − 6 x + 2 x − 1 = 0 tem uma
raiz positiva no intervalo [3,4] . Será aplicado o método de Newton até k = 5 com x0 = 3 para aproximar
tal raiz.
k xk Ek f ( xk ) f ' ( xk )
0 3 −22 20
1 4,1 0,268293 51, 0741 127,624
2 3,699808 0,108166 63, 016938 63, 016938
3 3,567137 0,037192 0,919716 63, 016938
4 3,552858 0,004019 0,009945 63, 016938
5 3,552700 0,000044
4 3
Assim, o aproximante da raiz de pn ( x ) = x − 2 x − 6 x 2 + 2 x − 1 = 0 no intervalo [3,4] está dado por
x 5 = 3,552700 com um erro relativo não maior que 0,000044 ou 0,0044% .
Exemplo 2.25: O método de Newton pode ser utilizado para gerar uma equação recursiva que converge
à raiz quadrada de um número N > 0 . Basta observar que uma equação em que uma das soluções é
N pode ser escrita como f ( x) = x 2 − N = 0 . Dado x0 , a equação que gera os aproximantes é
f ( xk −1 ) x2 − N 1 N 1 N
xk = xk −1 − = xk −1 − k −1 = xk −1 + , ou seja, xk = xk −1 + , para
f ' ( xk −1 ) 2 xk −1 2 xk −1 2 xk −1
1 3 1 3
k ≥ 1. Assumindo N = 3 e começando com x0 = 1, tem-se que x1 = 1 + = 2 , x2 = 2 + = 1,75 ,
2 1 2 2
1 3 1 3
x3 = 1, 75 + = 1, 732142857 , x4 = 1,732142857 + = 1,73205081 e
2 1, 75 2 1,732142857
1 3
x5 = 1,73205081 + = 1,732050808 . Este último valor tem um erro relativo não
2 1,73205081
maior que 0,1155 ×10−8 , ou seja, pelo menos nove dígitos significativos exatos.
ATIVIDADE 4
1) Mediante uma tabela de valores da função f (x ) localize uma possível raiz real da equação f ( x) = 0 .
A seguir, pelo método da bisseção, calcule um aproximante desta raiz, com um erro relativo menor que
0,1 , sendo:
a) f ( x) = x 5 + x 2 − 1 = 0 ,
b) f ( x) = 3 x − cos( x) = 0 ,
c) f ( x) = x + ln( x) = 0 .
42
Curso de Licenciatura em Matemática a Distância
2) Utilizando as mesmas funções f (x ) do exercício 1, calcule o aproximante de uma raiz real da equação
f ( x) = 0 mediante o método da falsa posição, com um erro relativo não maior que 0,01.
3) Utilizando as mesmas funções f (x ) do exercício 1, calcule o aproximante de uma raiz real da equação
f ( x) = 0 mediante o método das cordas, com um erro relativo não maior que 0,01.
4) Utilizando as mesmas funções f (x ) do exercício 1, calcule o aproximante de uma raiz real da equação
f ( x) = 0 mediante o método de Newton-Raphson, com um erro relativo não maior que 0,01.
43
Curso de Licenciatura em Matemática a Distância
ANOTAÇÕES
44
Curso de Licenciatura em Matemática a Distância
Sistema de Equações
Lineares Algébricas
45
Curso de Licenciatura em Matemática a Distância
3.1 Introdução
Muitos problemas de Matemática Numérica são modelados em termos de um Sistema de Equações Lineares
Algébricas. Isso vale em geral para o tratamento numérico de equações funcionais lineares que ocorrem, entre
outras, como equações diferenciais parciais ou ordinárias e equações integrais que surgem em diversos problemas
da Física e Engenharia.
onde aij são valores escalares conhecidos, bi , i = 1, ..., m são valores conhecidos e xi, i = 1, ..., n são as incógnitas
a serem determinadas.
A.x = b, (2)
onde,
x1 b1
a11 ... a1n
x2
A=
, x = e b = b2
a ... a
m1 mn x
n bn
46
Curso de Licenciatura em Matemática a Distância
Os métodos de solução de um sistema de equações algébricas lineares
(1) podem ser classificados de maneira ampla em dois tipos:
(i) Métodos Diretos: Estes métodos produzem a solução exata após um
Os métodos de solução de um sistema de equações algébricas lineares (1) podem ser classificados de maneira
número
ampla finito
em dois tipos:de passos (sem levar em conta os erros de arredondamento).
(ii) Métodos Iterativos: Estes métodos originam uma seqüência de
(1) Métodos Diretos: Estes métodos produzem a solução exata após um número finito de passos (sem levar em
soluções
conta aproximadas,
os erros de arredondamento).que converge quando o número de passos tende a
infinito.
(II) Métodos Iterativos: Estes métodos originam uma seqüência de soluções aproximadas, que converge quando
Ospassos
o número de métodos diretos e iterativos estudados aqui serão aplicados para
tende a infinito.
sistemas quadrados, isto é, no caso que m = n, ou seja, o número de equações
Os métodos diretos e iterativos estudados aqui serão aplicados para sistemas quadrados, isto é, no caso que
mcoincide
= n, ou seja,com o número
o número de incógnitas.
de equações coincide com o número de incógnitas.
2. MÉTODOS DIRETOS
3.2 Métodos Diretos
O sistema de equações (1) pode ser resolvido diretamente pela regra de
OCramer.
sistema de equações (1) pode ser resolvido diretamente pela regra de Cramer.
(4)
onde Cij é C
onde é ocorrespondente
o ijcofator cofator correspondente ao elemento
ao elemento aij da matriz aij éda
A. Esta expressão matriz à A.
equivalente Esta
equação (3).
A regra de Cramer fornece um método de obter a solução imediatamente, mas estas soluções envolvem n + 1
expressão é equivalente à equação (3). A regra de Cramer fornece um método
determinantes de ordem n. Esta característica torna a regra de Cramer impraticável na resolução de sistemas.
de obter a solução imediatamente, mas estas soluções envolvem n + 1
Exemplo 1: Resolva o sistema
determinantes de ordemabaixo utilizando
n. Estaa regra de Cramer.
característica torna a regra de Cramer
impraticável na resolução de sistemas.
Exemplo 1: Resolva o sistema abaixo utilizando a regra de Cramer.
AA solução
solução dasdas
das equações
equações podem
podem ser escritas
ser escritascomo como
como ···, ii =2,
···, = 1,
1, 2, 3, ...
3, 2,
... 3, ...
A soluçãoAdas
ução das equações solução
podem
equações equações
ser
podemescritas podemcomoser escritas
como
ser escritas ···,, i i= = 1,3,2,
1, 2, ···,...
3,
... onde i = 1,
onde onde
onde
, ,, ,
,, , ,,
, , ,
ou
ou
ouou
, , ,
que fornece a solução: ,, ,, ,,
, , ,
que fornece
que fornece aa solução:
solução:
ornece a solução: , e .
que fornece a solução:
,,
Exemplo 2: Resolva o sistema abaixo ee a equação
utilizando .. 4:
, e .
Exemplo 2: Resolva o sistema abaixo utilizando aa equação
Exemplo 2: Resolva o sistema abaixo utilizando equação 4:
4:
mplo 2: Resolva o sistema abaixo utilizando a equação 4:
47
Curso de Licenciatura em Matemática a Distância
Tem-se que
ou
ou , , ,
,, ,, ,,
ou
que
que fornece
fornece aa solução:
solução:
, , ,
,, ee ..
que fornece a solução:
Exemplo
Exemplo 2:
2: Resolva
Resolva oo sistema
sistema abaixo
abaixo utilizando
utilizando a equação 4:
, e a equação
. 4:
Exemplo
Exemplo 2: Resolva
2: Resolva o sistemaoabaixo
sistema abaixo
utilizando utilizando
a equação 4: a equação 4:
Tem-se
Tem-se que
que
Tem-se que
Tem-se que ee
e
Assim, utilizando a equação (4), obtem-se
Assim,
Assim, utilizando
utilizando aa equação
equação (4),
(4), obtem-se
obtem-se
.
3.2.2 Eliminação Gaussiana
2.2.
2.2. Eliminação
Eliminação Gaussiana:
Gaussiana:
Outro método Outro
Outrodiretométodo
é o métododireto
método éé oo gaussiana.
de eliminação
direto método
método Ade idéiaeliminação
de gaussiana.
principal consiste
eliminação em transformar
gaussiana. A
A oidéia
sistema
idéia
A.x2.2.
= b Eliminação Gaussiana:
em um sistema equivalente cuja matriz associada é do tipo triangular superior. Isto pode ser feito mediante
principal
principal consiste
consiste em
em transformar
transformar o sistema A.x = b
b em
A.xeeliminação
=soma um sistema equivalente
algumas operações
Outro elementares
método de matrizes:
direto oo método
é como sistema
troca de linhas
de em umlinha
de uma sistema
com umequivalente
gaussiana. múltiplo
A idéiaescalar
decuja
outra
cuja matriz
linha.
matriz Seassociada
acontecer
associada é
troca do
de tipo
linhas, triangular
o processo
é do tipo triangular desuperior.
eliminação
superior. Isto pode
denomina-se
Isto pode ser
com feito mediante
pivoteamento
ser feito mediante parcial
principal consiste em transformar o sistema
e se não acontecer, o processo denomina-se sem pivoteamento. A.x = b em um sistema equivalente
algumas operações elementares de
de matrizes:
matrizes: comocomo troca
troca de
de linhas
linhas ee soma
soma de
Aalgumas
idéia do
cuja matriz
operações
método associada
elementares
é transformar éa do
matriz
tipoaumentada
triangular superior. Isto pode ser feito mediante
de
uma
uma linha
linha comcom um um múltiplo
múltiplo escalar
escalar de de outra
outra linha.
linha. Se
Se acontecer
acontecer troca troca dede linhas,
linhas,
algumas operações elementares de matrizes: como troca de linhas e soma de
oo
naprocesso
matriz de
processo de eliminação
eliminação denomina-se
denomina-se com com pivoteamento
pivoteamento parcial parcial ee se se não não
uma linha com um múltiplo escalar de outra linha. Se acontecer troca de linhas,
acontecer,
acontecer, oo processo
processo denomina-se
denomina-se sem
sem pivoteamento.
pivoteamento.
o processo
na matriz de eliminação denomina-se com pivoteamento parcial e se não
A idéia do método é transformar a matriz aumentada
naAna idéia
matriz
acontecer,
matriz do método
o processo é transformar
denomina-se a matriz
sem aumentada
pivoteamento.
A idéia do método é transformar a matriz aumentada
mediante
mediante a eliminação
a eliminação gaussianagaussiana sem
sem pivotamento. pivotamento.
cuja solução é
superior
e isto significa que o sistema original é equivalente ao sistema triangular
e isto significa que e isto significa
o sistema que o ao
original é equivalente sistema originalsuperior
sistema triangular é equivalente ao sistema triangula
superior
superior
que,
que, utilizando
utilizando a retro-substituição,
a retro-substituição, fornece
fornece a solução a solução
que, utilizando a retro-substituição, fornece a solução
O
OO
O sistema
sistema
sistema bLy
Ly = Ly
sistema Ly =
=
=b
pode b pode
serpode
b ser
escritoser
pode ser escrito
escrito como
escrito como
como como
escrito como
cuja
cuja
cuja
cuja solução
solução
solução
solução é ééé
O
O sistema O sistema
O sistema
Ux sistema Ux
Ux
Ux
= y pode ser =
= yyy pode
=
escrito pode ser
pode ser
como escrito
ser escrito como
escrito como
como
de ser escrito como
que
que
que
que fornece
fornece
fornece
fornece aaa solução
a solução solução
solução
3.
3. MÉTODOS
3. MÉTODOS ITERATIVOS
MÉTODOS ITERATIVOS
ITERATIVOS
S 3.3 Métodos
O Iterativos
sistema
O
O sistema
sistema
O sistema A
AA xxx =
=
=b b
b
A xpode
= b ser resolvido numericamente Amediante x=b
pode
pode ser ser resolvido
resolvido numericamente
numericamente mediante mediante aaa construção
construção
construção de de
de um um método
um método
método
pode ser resolvido numericamente mediante a construção de um método iterativo. Suponha que a matriz A pode ser
icamente mediante
iterativo. a construção
Suponha que de um método
A
iterativo.
como aSuponha
iterativo.
escrita diferença de que
Suponha aaa matriz
que outras
duas matriz
matriz A
matrizes pode
A Apode
pode ser
ser
= S – T.ser escrita
escrita
escrita
Neste como
caso, o como aaa diferença
como original
sistema diferença
diferença de
pode serdede duas
duas
duas
escrito como
atriz A podeoutras
ser escrita como
A = aS diferença
T. de duas
Sx = Tx + b
outras matrizes
matrizes A
outras matrizes A= =S S ––– T. Neste
T. Neste caso,
caso, ooo sistema
Neste caso, sistema original
sistema original pode
original pode
pode ser ser escrito
ser escrito como
escrito como
como
Neste caso, o sistema original pode ser escrito Sx como = Tx + b
Sx
Sx = = Tx
Tx ++b b
Sx = Tx
que + b
origina Sx (k+1)
(k+1) = Tx(k)(k)
+ b 51
que origina ooo método
que origina método iterativo
método iterativo Sx(k+1)
iterativo Sx Tx(k) +
== Tx +bb (equação
(equação
(equação 5) 5)
5)
(k+1) (k)
vo Sx = Tx + b (equação 5) Curso de Licenciatura em Matemática a Distância
(k+1) (k)
, onde
que originaem cadaiterativo
o método iteração é =gerado
Sx(k+1) vetor x5), onde
Tx(k) + bo(equação a em
partir
cadado x mediante
vetoré gerado
iteração aa
o vetor x(k+1)
partir x mediante(5)
do vetor recursiva a equação recursiva com
(5) começando
(k+1)com x(0)inicial
um vetor x . (k)
(k) (0)
equação começando
, onde em cada iteração é gerado o vetor x um vetor inicial .
a partir do vetor x mediante a
Aequação A recursiva
equação recursiva (5), Sno casoumque (k+1)Sainicial
(k+1) seja uma
(0) matriz(k)
xdo nãoescrita
singular,
,, equação
onde
onde em emrecursiva
cada
cada iteração(5)nocomeçando
(5),
iteração éé gerado
caso que
gerado com
oo vetor
seja uma
vetor x vetor
xmatriz partir
anão do. vetor
singular,
partir x
x(k)sermediante
pode
vetor a
como
mediante a
x pode = S ser
Tx escrita
+ S b (equação 6).(k+1) -1 (k) -1
(k+1) -1 (k)
A equação
-1
como x = S Tx + S b (equação
S inicial 6).
(0)
equação
equação recursiva recursiva
recursiva (5)
(5) começando
começando(5), nocom
com casoumque
um vetor
vetor seja uma
inicial x(0).. matriz não singular,
x
3.1. Método
pode ser
A de Jacobi:
escrita como x(k+1) =(5),S-1Tx (k)
+ S-1que
b (equação
S 6). matriz
3.3.1 MétodoA equação
equação
de Jacobi recursiva
recursiva (5), no
no caso
caso que S seja
seja uma
uma matriz não
não singular,
singular,
3.1. Quando acomomatriz S éS -1aTxparte
(k+1) -1 (k) diagonal
-1 de A, o método recursivo
podeMétodo
pode ser
ser escritade Jacobi:
escrita como x x(k+1) = = S Tx(k) + +SS-1bb (equação
(equação 6). 6).
Quando a matriz S é a parte diagonal de A, o método recursivo (equação 5) é denominado método de Jacobi.
(equação
3.1. Quando5) é denominado método de Jacobi.
a matriz S é a parte diagonal de A, o método recursivo
3.1. Método
Método de
de Jacobi:
Jacobi:
Exemplo
Exemplo
(equação 6:
5) Resolver
6:Quando
Resolver o asistema
é denominado o sistema
Quando matriz S
a matriz Smétodo
éé a de Jacobi.
a parte
parte diagonal
diagonal de de A, A, o o método
método recursivo
recursivo
Exemplo
(equação6:
(equação 5)Resolver
5) é o sistema
é denominado
denominado método
método de
de Jacobi.
Jacobi.
Exemplo
Exemplo 6:
6: Resolver
Resolver o
o sistema
sistema
mediante o método de Jacobi.
mediante
Nesteocaso,
método de Jacobi.
mediante o método de Jacobi.
Neste
Neste caso,caso,
mediante
mediante o
o método
método de
de Jacobi.
Jacobi.
Neste
Neste caso,
caso,
Logo,
Logo,
Logo,
Logo,
Logo,
ou,
ou,
ou,
ou,
ou,
Logo, Logo,
Logo,
Logo,
e portanto a equação iterativa (6) fica
e portanto a equação iterativa (6) fica
ou,
53
Curso de Licenciatura em Matemática a Distância
e portanto a equação iterativa (6) fica
ou, ou,
ou, ou,
ou,
ou,
A seguinte
A seguinte tabela mostra tabela mostra
os resultados os resultados
das primeiras cincodas primeiras
iterações paracinco iterações para
A seguinte tabela mostra os resultados das primeiras cinco iterações
A seguinte para os resulta
tabela mostra
A seguinte tabela mostra os resultados das primeiras cinco iterações para
A seguinte tabela mostra os resultados das primeiras cinco iterações para
0 0
0 0
1 1
1
0 1
2 2
1
2 2
3 3
2
3 3
4 4
3
4 4
5 5
4
5 5
5
eque
pode-se
e pode-se observare pode-se observar
aobservar
solução quevai quevaiaconvergindo
convergindo
a solução solução vai
parapara o oconvergindo
vetor
vetor que
quepara ao vetor
é aésolução que é a
exata do sistema.
e pode-se observar que a solução vai convergindo para o vetor
e pode-se observar que que é a a solução v
esolução
pode-se
solução exata do sistema. exata do sistema.
observar que a solução vai convergindo para o vetor que é a
solução exata do sistema.
3.3.2 Método de Gauss-Seidel solução exata do sistema.
3.2. Método de Gauss-Seidel:
3.2. Método de Gauss-Seidel:
3.2. Método
solução exatadedoGauss-Seidel:
sistema. 3.2.A,Método de Gauss-Seidel:
QuandoSa é
Quando a matriz QuandoSéaa
a parte
matriz matriz
triangular
parte S inferior
éinferior
triangular a partedeA,triangular
de A,o método
o método inferior de
recursivo
recursivo (equação o émétodo
5) denominado recursivo
método de
Quando
3.2. Método
Gauss-Seidel. matriz S é a parte triangular inferior de A, oQuando
de aGauss-Seidel: método arecursivo
matriz S é a parte tr
(equação
(equação 5) é denominado 5) é denominado
método de Gauss-Seidel. método de Gauss-Seidel.
(equação 5) é denominado
Quando a matriz S émétodo a partede Gauss-Seidel.
triangular inferior de A, o método
(equação recursivo método de
5) é denominado
Exemplo 8: Resolver Exemplo
o sistema
Exemplo 8: Resolver
8: Resolver o sistemao sistema
Exemplo
(equação8: 5)Resolver
é denominado o sistemamétodo de Gauss-Seidel. Exemplo 8: Resolver o sistema
Exemplo 8: Resolver o sistema
Logo,
54
Curso de Licenciatura em Matemática a Distância
Logo, Logo,
Logo,
Logo,
Logo,
e portanto a equação iterativa (6) fica e portanto a equação iterativa (6) fica
ee
e portanto
portanto
portanto aa equação
equação
a equação iterativa
iterativa
iterativa (6) fica (6)
(6) fica
fica
ou,
ou,
ou,
ou, ou,
ou,
ou,
para para
para
para
0
0
1
10 0
00
2
1 1
121
3
2 2
232
4
3 3
343
5 4 4
454
se observare e
que aobservar
solução
pode-se
pode-se quevai
observar convergindo paravai
quevaiaconvergindo
a solução solução o convergindo
para ovetor
vetor que é aésolução
para
que ao vetor que é a
exata do sistema.
exata do sistema.
solução exata do sistema.
o 9: ResolverExemplo
o sistema
9: Resolver o sistema
55
Curso de Licenciatura em Matemática a Distância
ou,
ou,
ou,
ou,
ou,
ou, ou,
56
Curso de Licenciatura em Matemática a Distância
A seguinte tabela mostra os resultados das primeiras cinco iterações para
0
1
0
2 1
0
13 2
4 3
2
5 4
3
4 5
5
e pode-se observar que os aproximantes calculados não convergem para a
ee pode-se
pode-se observar
observar
3.3. Convergência
que os calculados
que os aproximantes
dos Métodos
aproximantes calculados
não convergem
Iterativos: solução
para nãoexata
a solução convergem
exata do para a
sistema.
do sistema.
3.3.3
soluçãoUma condição
Convergência
exata dos do necessária
Métodos e suficiente do método iterativo (equação 6)
Iterativos
sistema. 3.3. Convergência dos Métodos Iterativos:
x(k+1) = S-1Tx(k) + S-1b (equação 6) é que os autovalores da matriz S-1T sejam,
Uma condição necessária e suficiente do método iterativo (equação 6) x(k+1) = SUma
-1 condição
Tx(k) + necessária
S-1b (equação 6) é que e suficiente do m
3.3.
em Convergência
valor absoluto, dos Métodos
menores que Iterativos:
1.
os autovalores da matriz S-1T sejam, em valor absoluto, menores que x1.(k+1) = S-1Tx(k) + S-1b (equação 6) é que os autova
Uma condiçãoUma condição
Umasuficiente
condição necessária
para suficiente edosuficiente
para
a convergência doa matriz
a convergência
método é que método iterativo
doA método
seja (equação
é que
diagonalmente 6)
adominante,
matriz
isto(k+1) em valor absoluto, menores que 1.
xA é,seja
que para-1 cada(k)i,
S Tx + S-1b dominante,
= diagonalmente (equação 6)isto é que os para
é, que cada i, da matriz S T sejam,
autovalores -1
57
Curso de Licenciatura em Matemática a Distância
ANOTAÇÕES
58
Curso de Licenciatura em Matemática a Distância
Interpolação
59
Curso de Licenciatura em Matemática a Distância
A idéia da interpolação é o cálculo de um valor entre outros que são conhecidos ou tabelados utilizando os
valores vizinhos. Mas este cálculo faz parte de um processo mais amplo que consiste em construir uma função
que ajusta de maneira aproximada certos valores (escalares ou vetoriais) dados. Este processo mais amplo
denomina-se ajuste ou regressão. Neste sentido, a interpolação é o caso particular do ajuste em que a função
construída deve passar exatamente pelos valores dados.
Outra idéia que também está relacionada com a interpolação é a aproximação de uma função complicada por
funções mais simples, geralmente polinômios ou funções periódicas (séries de Fourier).
4.1 Introdução
( x2 , f ( x2 ) , … , ( xn , f ( xn ) se p ( xi ) = f ( xi ) , d p ( xi ) = d f ( xi ) ,
d d
p ( xi ) = f ( xi ) ,
dx dx dx dx
d d
…, p ( xi ) = f ( xi ) , para certo k , para todo i = 1,2,…, n .
dx dx
d d
Um polinômio que satisfaz as condições p ( xi ) = f ( xi ) e p ( xi ) = f ( xi ) denomina-se um polinômio
interpolador de Hermite. dx dx
x f (x)
x1 y1
x2 y2
xn yn
sendo y1 = f ( x1 ) , y 2 = f ( x2 ) , … , y n = f ( xn ) .
p ( x) = an−1 x n−1 + + a1 x + a0 ,
que satisfaz as condições p( xi ) = yi , para todo i = 1,2,…, n , ou seja, o gráfico de y = p(x) deve passar
60
Curso de Licenciatura em Matemática a Distância
pelos pontos ( xi , yi ) , para todo i = 1,2,…, n . Observe que os coeficientes do polinômio p (x) não são
conhecidos, mas podem ser encontrados utilizando as condições p ( xi ) = yi :
p ( x1 ) = an−1 x1n−1 + + a1 x1 + a0 = y1 ,
p ( x2 ) = an−1 x2n−1 + + a1 x2 + a0 = y2 ,
p ( xn ) = an−1 xnn−1 + + a1 xn + a0 = yn ;
que produz um sistema linear de equações representado de forma matricial como:
x1n−1 x1 1 an−1 y1
n−1
x2 x2 1 y2
=
a1
n−1
xn xn 1 a0 yn
sendo a matriz do sistema uma matriz de Van Der Monde. O número de condicionamento das matrizes de Van
Der Monde pode ser muito grande, originando problemas numéricos sérios para o cálculo dos coeficientes do
polinômio. Pelo motivo anterior, esta abordagem não é de nosso interesse. Porém, tem-se um método alternativo
semelhante, que será visto na seguinte seção.
x f (x)
x1 y1
x2 y2
xn yn
sendo y1 = f ( x1 ) , y 2 = f ( x2 ) , … , y n = f ( xn ) .
A idéia da interpolação de Lagrange é construir um polinômio p (x) de grau n − 1 que satisfaz as condições
p( xi ) = yi , para todo i = 1,2,…, n , utilizando a igualdade
p ( x) = y1 1 ( x) + y 2 2 ( x) + + y n n ( x) ,
61
Curso de Licenciatura em Matemática a Distância
1 ( x1 ) = 1, 2 ( x1 ) = 0, … , n ( x1 ) = 0,
1 ( x2 ) = 0, 2 ( x2 ) = 1, … , n ( x2 ) = 0,
1 ( xn ) = 0, 2 ( xn ) = 0, … , n ( xn ) = 1,
pois, dessa maneira, por exemplo,
p( x2 ) = y1 1 ( x2 ) + y 2 2 ( x2 ) + + y n n ( x2 ) = y1 ⋅ 0 + y 2 ⋅ 1 + + y n ⋅ 0 = y 2 .
Baseado no texto anterior, pode-se dizer que a interpolação de Lagrange é uma média ponderada dos valores
que 1 ( x) deve ser da forma 1 ( x) = α 1 ( x − x2 ) ( x − xn ) , sendo α 1 uma constante que pode ser obtida
( x − x2 ) ( x − x3 ) ( x − xn )
1 ( x) =
( x1 − x2 ) ( x1 − x3 ) ( x1 − xn ) .
Similarmente, obtém-se que
( x − x1 )( x − x3 ) ( x − xn )
2 ( x) =
( x2 − x1 )( x2 − x3 ) ( x2 − xn ) ,
( x − x1 )( x − x2 ) ( x − xi −1 )( x − xi +1 ) ( x − xn )
i ( x) =
( xi − x1 )( xi − x2 ) ( xi − xi −1 )( xi − xi +1 ) ( xi − xn ) , i = 2,…, n − 1 ,
( x − x1 )( x − x2 ) ( x − xn −1 )
n ( x) =
( xn − x1 )( xn − x2 ) ( xn − xn −1 ) .
62
Curso de Licenciatura em Matemática a Distância
É interessante observar que existe simetria entre os polinômios 1 ( x) e 6 ( x) , 2 ( x) e 5 ( x) , 3 ( x) e
4 ( x) .
63
Curso de Licenciatura em Matemática a Distância
Exemplo 4.1: Sejam dados pontos organizados na forma
x f (x)
1 −1
2 2
3 1
4 2
Quer-se determinar um polinômio cujo gráfico passa pelos dados e deseja-se saber o valor aproximado de f (x)
quando x = 2, 43 . Os polinômios interpoladores são
( x − 2)( x − 3)( x − 4) 1 1 3 13
1 ( x) = = − ( x − 2)( x − 3)( x − 4) = − x 3 + x 2 − x + 4,
(1 − 2)(1 − 3)(1 − 4) 6 6 2 3
( x − 1) ( x − 3) ( x − 4) 1 1 19
2 ( x) = = ( x − 1) ( x − 3) ( x − 4) = x3 − 4 x 2 + x − 6,
(2 − 1) (2 − 3) (2 − 4) 2 2 2
( x − 1)( x − 2)( x − 4) 1 1 7
3 ( x) = = − ( x − 1)( x − 2)( x − 4) = − x3 + x 2 − 7 x + 4,
(3 − 1)(3 − 2)(3 − 4) 3 2 2
( x − 1)( x − 2)( x − 3) 1 1 11
4 ( x) = = ( x − 1)( x − 2)( x − 3) = x 3 − x 2 + x − 1,
(4 − 1)(4 − 2)(4 − 3) 6 6 6
64
Curso de Licenciatura em Matemática a Distância
Assim, constrói-se o polinômio interpolador de acordo com
p ( x) = y11 ( x) + y2 2 ( x) + y3 3 ( x) + y4 4 ( x)
1 3 13 1 19
= (−1) − x 3 + x 2 − x + 4 + 2 x 3 − 4 x 2 + x − 6
6 2 3 2 2
1 7 1 11
+ 1 − x 3 + x 2 − 7 x + 4 + 2 x 3 − x 2 + x − 1
2 2 6 6
= x 3 − 8 x 2 + 20 x − 14
65
Curso de Licenciatura em Matemática a Distância
Por outro lado, o valor aproximado de f (x) quando x = 2, 43 , será p (2, 43) = 1, 709707 .
Observações 4.1:
1. Supondo que x1 < x2 < < xn , e conhecida a função f (x) , pode-se estimar o erro de aproximação, E (x) ,
de p (x ) em relação a f (x ) , mediante a expressão
Mn
E ( x) ≤ ( x − x1 )( x − x2 ) ( x − xn ) ⋅
n! ,
2. O método de Lagrange possui a desvantagem, entre outras, de produzir um polinômio de grau n − 1 , pois se
n é muito grande (como costuma ser), devem ser construídos muitos polinômios. Na seção a seguir, descreve-se
um método onde o grau do polinômio construído pode ser controlado, obtendo-se desta maneira um polinômio
que não necessariamente satisfaz as condições p ( xi ) = yi , mas o erro é conhecido de acordo com o grau do
polinômio construído.
Exemplo 4.2: Suponha que são tabelados certos valores da função cos(x) , como mostra a tabela a seguir:
x f ( x) = cos( x)
0,1 cos(0,1) = 0,9950041653
0,3 cos(0,3) = 0,9553364891
0,4 cos(0,4) = 0,9210609940
0,5 cos(0,5) = 0,8775825619
0,6 cos(0,6) = 0,8253356149
0,9 cos(0,9) = 0,6216099683
66
Curso de Licenciatura em Matemática a Distância
Polinômio p(x) que interpola os valores de cos(x) de acordo com os pontos da tabela
Agora, o erro de aproximação de p(x) em relação a f (x) pode ser estimado como
1
E ( x) ≤ ( x − 0,1)( x − 0,3)( x − 0, 4)( x − 0,5)( x − 0, 6)( x − 0,9) ⋅
6!
( x − 0,1)( x − 0,3)( x − 0, 4)( x − 0,5)( x − 0, 6)( x − 0,9)
=
720
{ }
M 6 = max f (6) ( x) : x ∈ [0,1 , 0,9] = max { − cos( x) : x ∈ [0,1 , 0,9]} ≤ 1.
Outro fato importante a ser notado neste exemplo é que alguns dos coeficientes do polinômio p (x ) são pequenos
em relação aos outros, reforçando o fato que é necessária uma abordagem que controle o grau do polinômio
que está sendo construído.
1
Exemplo 4.3: Considere os dados tabelados da função f ( x) = mostrados a seguir:
x
x f (x)
1 1
2 0,5
4 0, 25
5 0,2
6 0,166667
Deseja-se saber o valor de f (3) mediante polinômios de Lagrange de vários graus e compará-los em relação
à exatidão.
67
Curso de Licenciatura em Matemática a Distância
x−4 x−2
p1 ( x) = ⋅ 0,5 + ⋅ 0, 25 , que dá
2−4 4−2
3− 4 3− 2 1 1
p1 (3) = ⋅ 0,5 + ⋅ 0, 25 = ⋅ 0,5 + ⋅ 0, 25 = 0, 25 + 0,125 = 0,375
2−4 4−2 2 2 .
Agora, formula-se a interpolação quadrática, ou seja, um polinômio de Lagrange de segundo grau. Embora exista
outra possibilidade, constrói-se o polinômio a seguir, baseado nos pontos x = 2 , x = 4 e x = 5 ,
Trabalha-se agora com a interpolação cúbica, ou seja, um polinômio de Lagrange de terceiro grau. Embora
existam outras possibilidades, constrói-se o polinômio, baseado nos pontos x = 2 , x = 4 , x = 5 e x = 6 ,
que produz
Enfim, o polinômio interpolador de Lagrange de quarto grau utiliza todos os dados da tabela:
68
Curso de Licenciatura em Matemática a Distância
(3 − 2)(3 − 4)(3 − 5)(3 − 6) (3 − 1)(3 − 4)(3 − 5)(3 − 6)
p4 (3) = ⋅1 + ⋅ 0,5
(1 − 2)(1 − 4)(1 − 5)(1 − 6) (2 − 1)(2 − 4)(2 − 5)(2 − 6)
(3 − 1)(3 − 2)(3 − 5)(3 − 6) (3 − 1)(3 − 2)(3 − 4)(3 − 6)
+ ⋅ 0, 25 + ⋅ 0, 2
(4 − 1)(4 − 2)(4 − 5)(5 − 6) (5 − 1)(5 − 2)(5 − 4)(5 − 6)
(3 − 1)(3 − 2)(3 − 4)(3 − 5)
+ ⋅ 0,166667
(6 − 1)(6 − 2)(6 − 4)((6 − 5)
1 1 1 1
= − ⋅1 + ⋅ 0,5 + 1 ⋅ 0, 25 − ⋅ 0, 2 + ⋅ 0,166667
10 2 2 10
= 0,316667.
Como o valor de f (3) é conhecido e igual a 0,333333 , então comparam-se os resultados obtidos:
| f (3) − p1 (3) |=| 0,333333 − 0,375 |= 0, 041667,
| f (3) − p2 (3) |=| 0,333333 − 0,35 |= 0, 016667 ,
| f (3) − p3 (3) |=| 0,333333 − 0,341667 |= 0, 008334,
| f (3) − p4 (3) |=| 0,333333 − 0,316667 |= 0, 016667.
Aqui, pode-se observar que p3 (3) é a aproximação mais exata. Uma maneira de comprovar isto é que de
acordo com a observação 4.1, o erro cometido no caso de p3 ( x) estará limitado por
M4 6
(3 − 2)(3 − 4)(3 − 5)(3 − 6) ⋅ ≤ ⋅ 24 = 6 ,
4 ! 24
24
pois M 4 = max{| f (4) ( x) |: x ∈ [1, 6]} = max 5 : x ∈ [1, 6] = 24 ; e o erro cometido no caso de
x
p4 ( x) estará limitado por,
M5 12
(3 − 1)(3 − 2)(3 − 4)(3 − 5)(3 − 6) ⋅ ≤ ⋅120 = 12 ,
5 ! 120
120
pois M 5 = max{| f (5) ( x) |: x ∈ [1,6]} = max − 6 : x ∈ [1,6] = 120 . Pode-se concluir que nem
x
sempre quanto maior o grau do polinômio interpolador maior a precisão da aproximação.
Como antes, são dados certos pontos tabulares mostrados na tabela a seguir, e pretende-se encontrar um polinômio
p(x) tal que yi = p ( xi ) , para todo i = 1,2, … , n :
x y
x1 y1
x2 y2
xn yn
69
Curso de Licenciatura em Matemática a Distância
A idéia é escrever o polinômio p(x) na forma
p ( x) = α 0 + α1 ( x − x1 ) + α 2 ( x − x1 )( x − x2 ) + + α n −1 ( x − x1 )( x − x2 )… ( x − xn −1 )
.
Observe que, no caso da interpolação de Lagrange, o polinômio interpolador foi construído mediante os
polinômios fundamentais de Lagrange 1 ( x) , 2 ( x) , … , n (x) . No caso da interpolação de Newton,
o mesmo polinômio interpolador é construído utilizando os polinômios p0 ( x) = 1 , p1 ( x) = x − x1 ,
p2 ( x) = ( x − x1 )( x − x2 ), … , pn−1 ( x) = ( x − x1 )( x − x2 ) ( x − xn−1 ) .
x f (x)
1 y1
2 y2
3 y3
4 y4
5 y5
6 y6
70
Curso de Licenciatura em Matemática a Distância
Após algum trabalho algébrico, impondo a condição que yi = p ( xi ) , verifica-se que os coeficientes
{α 0 , α1 , … , α n−1} fazem parte de um conjunto mais amplo descrito a seguir:
Diferenças divididas de ordem 0 :
α 0 = y1 ≡ [ y1 ] , [ y2 ] = y2 , … , [ yn ] = yn ;
[ y2 ] − [ y1 ] [ y ] − [ y2 ] [ y ] − [ yn−1 ]
α1 = ≡ [ y1 , y2 ] , [ y2 , y3 ] = 3 , … , [ y n−1 , y n ] = n ,
x2 − x1 x3 − x2 xn − xn−1
71
Curso de Licenciatura em Matemática a Distância
Diferenças divididas de ordem 2
[ y2 , y3 ] − [ y1 , y2 ] [ y , y ] − [ y2 , y4 ]
α2 = ≡ [ y1 , y2 , y3 ] , [ y2 , y3 , y4 ] = 3 4 , …,
x3 − x1 x4 − x2
Os coeficientes necessários para a construção do polinômio p (x ) , junto com as diferenças divididas, podem
ser conseguidos de maneira sistemática mediante uma tabela de acordo com o seguinte formato
Exemplo 4.4: Considere os valores tabulares dados no exemplo 4.1. Procede-se a construir a tabela de diferenças
divididas:
x f (x) ordem 1 ordem 2 ordem 3
1 −1
2 − (−1)
=
2 −1 3
−1− 3
2 =
2 3 −1 − 2
1− 2 1 − (−2)
= =
3 − 2 −1 4 −1 1
1 − (−1)
3 1 =1
4−2
2 −1
=1
4−3
4 2
72
Curso de Licenciatura em Matemática a Distância
Como antes, quer-se determinar um polinômio cujo gráfico passa pelos pontos dados. Neste caso, o polinômio
interpolador de Newton é
Mas, neste mesmo exemplo, podem ser considerados outros polinômios de menor grau que p (x ) , q0 ( x) = −1
, q1 ( x) = −1 + 3( x − 1) e q2 ( x ) = −1 + 3( x − 1) − 2( x − 1)( x − 2) , cujos gráficos mostram-se a seguir
Observe que os polinômios q0 ( x) , q1 ( x) e q2 ( x) passam por um, dois e três pontos da tabela, respectivamente.
Se fosse requerido aproximar o valor de f (x) quando x = 1,4 , mediante interpolação linear, seria utilizada
q1 ( x) = −1 + 3( x − 1) , resultando em f (1,4) ≈ q1 (1,4) = −1 + 3(1,4 − 1) = 0,2 .
73
Curso de Licenciatura em Matemática a Distância
Por outro lado, se fosse requerido aproximar o valor de f (x ) quando x = 2, 43 , mediante interpolação
linear, seria utilizada r1 ( x ) = 2 − ( x − 2) , resultando em f (2, 43) ≈ r1 (2, 43) = 2 − (2, 43 − 2) = 1,57 .
Os coeficientes α 0 = 2 e α1 = −1 do polinômio r1 ( x) foram escolhidos da tabela de diferenças divididas,
observando que o valor x = 2, 43 encontra-se entre os valores x = 2 e x = 3 da tabela.
Cabe mencionar que existem versões mais sofisticadas da interpolação de Newton, aplicável a casos especiais,
quando, por exemplo, os pontos x1 , x2 , … , xn são igualmente espaçados, ou quando a tabela de diferenças
leva à construção de outros polinômios interpoladores, embora estes assuntos não serão tratados aqui.
74
Curso de Licenciatura em Matemática a Distância
Ajuste por Quadros
Mínimos
75
Curso de Licenciatura em Matemática a Distância
Com freqüência, como resultado de uma série de medições, é requerido determinar o valor de alguma grandeza
ou constante física. Este valor deve ser calculado supondo hipóteses simplificativas, ou seja, suposições a priori
sobre a grandeza ou constante (por exemplo, comportamento linear, quadrático, exponencial, etc). Desde que as
medições fornecem valores discretos, é necessário encontrar o valor que melhor ajuste as medições, utilizando
algum critério ótimo. Este, entre outros, é o objetivo principal de uma área da matemática, conhecida como
teoria da aproximação.
Em geral, um dos objetivos da teoria da aproximação é determinar uma função, dentre uma classe de funções,
que melhor represente um conjunto de dados. Esta parte da teoria é denominada ajuste discreto.
Outro objetivo da teoria da aproximação é determinar uma função mais simples, dentre uma classe de funções,
que sirva para aproximar os valores de uma função dada (hipoteticamente, complicada). Esta parte da teoria é
denominada ajuste contínuo.
Neste capítulo, serão abordados os dois tipos de ajuste mencionados, utilizando o critério denominado de
quadrados mínimos.
Vale a pena mencionar que a teoria de aproximação é bastante utilizada no tratamento de dados experimentais.
g ( x) = α1 g1 ( x) + α 2 g 2 ( x) + + α m g m ( x)
∑ ( f ( x ) − g ( x )) = ( f ( x ) − g ( x )) + ( f ( x ) − g ( x )) + + ( f ( xn ) − g ( xn ) )
2 2 2 2
i i 1 1 2 2
i =1
∂
F (α1 , α 2 , … , α m ) = 0, j = 1,2, … , m.
∂α j
Para cada j , tem-se que
∂ n
F (α1 , α 2 , … , α m ) = −2∑ ( f ( xi ) − α1 g1 ( xi ) − α 2 g 2 ( xi ) − − α m g m ( xi ) ) ⋅ (g j ( xi ) ) ,
∂α j i =1
76
Curso de Licenciatura em Matemática a Distância
n
∑ ( f (x ) − α g (x ) − α
i 1 1 i 2 g 2 ( xi ) − − α m g m ( xi ) ) ⋅ (g j ( xi ) ) = 0 , para cada j = 1,2, … , m .
i =1
A partir da igualdade anterior, forma-se o sistema de equações lineares de m equações com m incóginitas:
n n n n
∑ g1 ( xi ) g1 ( xi ) α1 + ∑ g1 ( xi ) g 2 ( xi ) α 2 + + ∑ g1 ( xi ) g m ( xi ) α m = ∑ f ( xi ) g1 ( xi )
i =1 i =1 i =1 i =1
n n
n
n
∑ g 2 ( xi ) g1 ( xi ) α1 + ∑ g 2 ( xi ) g 2 ( xi ) α 2 + + ∑ g 2 ( xi ) g m ( xi ) α m = ∑ f ( xi ) g 2 ( xi )
i =1 i =1 i =1 i =1
n n n n
denominadas as equações normais do ajuste, que podem ser escritas de maneira matricial como
n n n
n
∑ g1 ( xi ) g1 ( xi ) ∑ g1 ( xi ) g 2 ( xi ) ∑ g1 ( xi ) g m ( xi ) ∑ f ( xi ) g1 ( xi )
i =1 i =1 i =1 α1 i =1
n n n
α n
∑ g 2 ( xi ) g1 ( xi ) ∑ g 2 ( xi ) g 2 ( xi ) ∑ g 2 ( xi ) g m ( xi ) 2 = ∑ f ( xi ) g 2 ( xi ) .
i =1 i =1 i =1
i =1
n
g (x )g (x )
n n
α m n
∑ m i 1 i ∑ g m ( xi ) g 2 ( xi ) ∑ g m ( xi ) g m ( xi ) ∑ f ( xi ) g m ( xi )
i =1 i =1 i =1 i =1
Mediante a resolução deste sistema podem ser calculados os coeficientes requeridos.
i =1
No caso de existirem várias escolhas de funções g (x) , o melhor ajuste estará dado por aquela função que
tenha o menor valor de R .
é desejado determinar, pelo critério de quadrados mínimos, uma função da forma g ( x) = α1 x 2 que ajuste os
dados mostrados.
4 n
∑ 1 i 1 i 1 ∑ f ( xi ) g1 ( xi ) ,
g ( x ) g ( x ) ⋅ α =
i =1 i =1
77
Curso de Licenciatura em Matemática a Distância
ou,
4 4 4
∑ xi
i =1
⋅ α 1 = ∑
i =1
xi2 f ( xi ) .
∑x
i =1
4
i = x14 + x24 + x34 + x44 = 14 + 24 + 34 + 44 = 1 + 16 + 81 + 256 = 354 e
∑x
i =1
2
i f ( xi ) = x12 f ( x1 ) + x22 f ( x2 ) + x32 f ( x3 ) + x42 f ( x4 ) = 12 ⋅ 4 + 2 2 ⋅ 6 + 32 ⋅ 8 + 4 2 ⋅ 9 = 244 .
244
Então, α1 = = 0,689266 . Logo, a função de ajuste é g ( x) = 0,689266 x 2 . A figura a seguir ilustra
354
graficamente o ajuste
O valor de R é
4
R = ∑ ( f ( xi ) − g ( xi )) 2 = ( f ( x1 ) − g ( x1 )) 2 + ( f ( x2 ) − g ( x2 )) 2 + ( f ( x3 ) − g ( x3 )) 2 + ( f ( x4 ) − g ( x4 )) 2
i =1
78
Curso de Licenciatura em Matemática a Distância
Quer-se ajustar uma função g ( x ) = α1 x + α 2 a esses dados. Observe que o gráfico da função g (x) determina
uma reta. Neste caso, m = 2 , g1 ( x) = x e g 2 ( x) = 1 . Então as equações normais do ajuste estão dadas por
n n n
∑ 1 i 1 i 1 ∑ 1 i 2 i 2 ∑ yi g1 ( xi )
g ( x ) g ( x ) α + g ( x ) g ( x ) α =
i =1 i =1 i =1
n
g ( x ) g ( x ) α + g ( x ) g ( x ) α =
n n
∑ 2 i 1 i
1 ∑ 2 i 2 i 2 ∑ yi g 2 ( xi )
i =1
i =1 i =1
n 2 n n
n 2 n n
∑ i 1 ∑ i 2 ∑ i i
x α + x α = x y ∑ i 1 ∑ i 2 ∑ xi yi
x α + x α =
i =1 i =1 i =1 i =1 i =1 i =1
n ou,
x α + 1 α = x α + n α =
n n n n
∑ ∑ 2 ∑ yi ∑ ∑
i 1 i 1 2 yi
i =1 i =1 i =1 i =1 i =1
n n
∑ xi yi
i =1
∑x
i =1
i
n
n n n
∑y i n n ∑ xi yi − ∑ xi ⋅ ∑ yi
α1 = i =1
n n
= i =1 i =1 i =1 ,
2
n 2 n
∑ xi2 ∑x i n ∑ xi − ∑ xi
i =1
n
i =1 i =1 i =1
∑x
i =1
i n
e da segunda equação,
n n
∑ yi − ∑ xi α1
α 2 = i =1 i =1 .
n
Exemplo 5.2: Considere a tabela do exemplo 5.1:
x f (x)
1 4
2 6
3 8
4 9
Agora, deseja-se determinar, pelo critério de quadrados mínimos, uma função da forma g ( x) = α1 x + α 2 que
ajuste esses dados.
79
Curso de Licenciatura em Matemática a Distância
Como cálculos preliminares tem-se que
∑x
i =1
2
i = x12 + x22 + x32 + x42 = 12 + 22 + 32 + 42 = 30,
4
∑x y
i =1
i i = x1 y1 + x2 y2 + x3 y3 + x4 y4 = 1 ⋅ 4 + 2 ⋅ 6 + 3 ⋅ 8 + 4 ⋅ 9 = 76,
4
∑x
i =1
i = x1 + x2 + x3 + x4 = 1 + 2 + 3 + 4 = 10,
4
∑y
i =1
i = y1 + y2 + y3 + y4 = 4 + 6 + 8 + 9 = 27,
76 10
27 4 4 ⋅ 76 − 27 ⋅10 34 27 − 10 ⋅1, 7 10
α1 = = = = 1, 7 e α 2 = = = 2,5 .
30 10 4 ⋅ 30 − 10 ⋅10 20 4 4
10 4
Estes resultados geram a função de ajuste g ( x) = 1,7 x + 2,5 . A figura a seguir ilustra graficamente o ajuste
80
Curso de Licenciatura em Matemática a Distância
Neste caso, o ajuste produz R igual a
4
R = ∑ ( f ( xi ) − g ( xi )) 2 = ( f ( x1 ) − g ( x1 )) 2 + ( f ( x2 ) − g ( x2 )) 2 + ( f ( x3 ) − g ( x3 )) 2 + ( f ( x4 ) − g ( x4 )) 2
i =1
= (4 − 4, 2) 2 + (6 − 5,9) 2 + (8 − 7, 6) 2 + (9 − 9,3) 2
= 0, 04 + 0, 01 + 0,16 + 0, 09
= 0,3
Exemplo 5.3: Agora, ajusta-se aos dados dos exemplos anteriores, uma função quadrática
g ( x) = α1 x 2 + α 2 x + α 3 . Tem-se que m = 3 , g1 ( x) = x 2 , g 2 ( x) = x e g 3 ( x) = 1 . As equações
normais do ajuste estão dadas por
n n n n
∑ g1 ( xi ) g1 ( xi ) α1 ∑ g1 ( xi ) g 2 ( xi ) α 2 ∑ g1 ( xi ) g 3 ( xi ) α 3 ∑ yi g1 ( xi ),
+ + =
i =1 i =1 i =1 i =1
n n n n
∑ g 2 ( xi ) g1 ( xi ) α1 + ∑ g 2 ( xi ) g 2 ( xi ) α 2 + ∑ g 2 ( xi ) g 3 ( xi ) α 3 = ∑ yi g 2 ( xi ),
i =1 i =1 i =1 i =1
n n
n
n
∑ g 3 ( xi ) g1 ( xi ) α1 + ∑ g 3 ( xi ) g 2 ( xi ) α 2 + ∑ g 3 ( xi ) g 3 ( xi ) α 3 = ∑ yi g 3 ( xi ),
i =1 i =1 i =1 i =1
n 4 n 3 n 2 n
∑ xi α1 ∑ xi α 2 ∑ xi α 3 ∑ xi yi ,
2
+ + =
i =1 i =1 i =1 i =1
n 3 n 2 n n
∑ xi α1 + ∑ xi α 2 + ∑ xi α 3 = ∑ xi yi ,
i =1 i =1 i =1 i =1
n n
n
∑ xi2 α1 + ∑ xi α 2 + n α 3 = ∑ yi .
i =1 i =1 i =1
∑x
i =1
4
i = x14 + x24 + x34 + x44 = 14 + 24 + 34 + 44 = 354,
4
∑x
i =1
3
i = x13 + x23 + x33 + x43 = 13 + 23 + 33 + 43 = 100,
4
∑x
i =1
2
i i y = x12 y1 + x22 y2 + x32 y3 + x42 y4 = 12 ⋅ 4 + 22 ⋅ 6 + 32 ⋅ 8 + 42 ⋅ 9 = 244,
4
∑x
i =1
2
i = x12 + x22 + x32 + x42 = 12 + 22 + 32 + 42 = 30,
4
∑x y
i =1
i i = x1 y1 + x2 y2 + x3 y3 + x4 y4 = 1 ⋅ 4 + 2 ⋅ 6 + 3 ⋅ 8 + 4 ⋅ 9 = 76,
4
∑x
i =1
i = x1 + x2 + x3 + x4 = 1 + 2 + 3 + 4 = 10,
4
∑y
i =1
i = y1 + y2 + y3 + y4 = 4 + 6 + 8 + 9 = 27,
81
Curso de Licenciatura em Matemática a Distância
que produzem as equações normais
cuja solução é
2
Estes resultados geram a função de ajuste g ( x) = −0, 25 x + 2,95 x + 1, 25 . A figura a seguir ilustra
graficamente o ajuste
82
Curso de Licenciatura em Matemática a Distância
Neste caso, o ajuste produz R igual a
4
R = ∑ ( f ( xi ) − g ( xi )) 2 = ( f ( x1 ) − g ( x1 )) 2 + ( f ( x2 ) − g ( x2 )) 2 + ( f ( x3 ) − g ( x3 )) 2 + ( f ( x4 ) − g ( x4 )) 2
i =1
Observando os valores de R encontrados para os ajustes dos exemplos 5.1, 5.2 e 5.3, pode-se concluir que o
2
melhor ajuste corresponde à função quadrática g ( x) = −0, 25 x + 2,95 x + 1, 25 .
x f (x)
x1 y1
x2 y2
xn yn
x f (x)
1 4
2 6
3 8
4 9
Agora, deseja-se ajustar a esses dados uma função da forma g ( x) = β 2 exp( β1 x) , sendo β1 e β 2 coeficientes
a determinar. Observe que ln( g ( x ) = ln( β 2 exp( β1 x ) = ln( β 2 ) + β1 x . Assim, pode-se ajustar uma reta
α1 x + α 2 à função ln( f ( x) , e identificando os coeficientes, ter-se-á que α1 = β1 e α 2 = ln(β 2 ) , ou seja,
β1 = α1 e β 2 = exp(α 2 ) . Então procede-se ao ajuste de uma reta α1 x + α 2 aos dados
x y = ln( f ( x)
1 ln(4) = 1,386294
2 ln(6) = 1,791759
3 ln(8) = 2,079442
4 ln(9) = 2,197225
83
Curso de Licenciatura em Matemática a Distância
4 4
Aproveitam-se os valores para ∑ xi2 e ∑x i fornecidos no exemplo 5.2 e refazem-se os
somatórios a seguir, i =1 i =1
∑x y
i =1
i i = x1 y1 + x2 y2 + x3 y3 + x4 y4 = 1 ⋅ ln(4) + 2 ⋅ ln(6) + 3 ⋅ ln(8) + 4 ⋅ ln(9) = 19,997036
4
∑y
i =1
i = y1 + y2 + y3 + y4 = ln(4) + ln(6) + ln(8) + ln(9) = 7, 454720,
cuja solução é
19,997036 10
7, 454720 4 7, 454720 − 10 ⋅ 0, 272047
α1 = = 0, 272047 e α2 = = 1,183562 .
30 10 4
10 4
i =1
84
Curso de Licenciatura em Matemática a Distância
A seguir, mostram-se algumas funções g (x ) que devem ajustar os dados ( x, f ( x) , junto com o respectivo
processo de linearização e o cálculo dos coeficientes
1 1
g ( x) = x, α 1 x + α 2 , β1 = α 1 , β 2 = α 2
β1 x + β 2 f ( x)
g ( x) = ln( β1 x + β 2 ) ( x, exp( f ( x) α 1 x + α 2 , β1 = α 1 , β 2 = α 2
x f (x)
1 4
2 6
3 8
4 9
β
Deseja-se ajustar a esses dados uma função da forma g ( x) = β 2 ⋅ x 1 , sendo β1 e β 2 coeficientes a
determinar. Observe que ln( g ( x) = β1 ln( x) + ln( β 2 ) . Assim, pode-se ajustar uma função α1 ln( x) + α 2
à função ln( f ( x) , e comparando os coeficientes tem-se que α1 = β1 e α 2 = ln( β 2 ) , ou seja, β1 = α1 e
β 2 = exp(α 2 ) . Então procede-se ao ajuste da função α1 ln( x) + α 2 aos dados
x y = ln( f ( x)
1 ln(4) = 1,386294
2 ln(6) = 1,791759
3 ln(8) = 2,079442
4 ln(9) = 2,197225
Agora, m = 2 , g1 ( x) = ln( x) e g 2 ( x) = 1 . Lembre que as equações normais do ajuste estão dadas por
n n n
∑ 1 i 1 i 1 ∑ 1 i 2 i 2 ∑ yi g1 ( xi )
g ( x ) g ( x ) α + g ( x ) g ( x ) α =
i =1 i =1 i =1
n
g ( x ) g ( x ) α + g ( x ) g ( x ) α =
n n
∑ 2 i 1 i
1 ∑ 2 i 2 i 2 ∑ yi g 2 ( xi )
i =1
i =1 i =1
85
Curso de Licenciatura em Matemática a Distância
que produz o sistema
n 2 n n
∑ [ln( x i ) ] 1 ∑
α + ln( x )
i α 2 = ∑ yi ln( xi )
i =1 i =1 i =1
n
ln( x ) α + n α = y
n
∑ i
1 2 ∑ i
i =1 i =1
∑ y ln( x ) = y ln( x ) + y
i =1
i i 1 1 2 ln( x2 ) + y3 ln( x3 ) + y4 ln( x4 )
∑y
i =1
i = y1 + y2 + y3 + y4 = ln(4) + ln(6) + ln(8) + ln(9) = 7,454720 ,
cuja solução é
α1 = 0,599127 e α 2 = 1,387666 .
86
Curso de Licenciatura em Matemática a Distância
Neste caso, o ajuste produz R igual a
4
R = ∑ ( f ( xi ) − g ( xi ) 2 = ( f ( x1 ) − g ( x1 ) 2 + ( f ( x2 ) − g ( x2 ) 2 + ( f ( x3 ) − g ( x3 ) 2 + ( f ( x4 ) − g ( x4 ) 2
i =1
podendo-se concluir este ajuste é ainda melhor que o ajuste por uma função quadrática.
Seja f (x) uma função integrável sobre um intervalo [ a, b] e sejam escolhidas certas funções g1 ( x) , g 2 ( x)
, … , g m (x) , ( m ∈ N ) integráveis no mesmo intervalo. O objetivo do ajuste contínuo linear por quadrados
mínimos é obter coeficientes α1 , α 2 , … , α m tais que a função
g ( x) = α1 g1 ( x) + α 2 g 2 ( x) + + α m g m ( x)
De maneira análoga à seção 5.1, define-se a função a função real de várias variáveis
b b
( f ( x) − g ( x) ) ( f ( x) − α1 g1 ( x) − α 2 g 2 ( x) − − α m g m ( x) )
2 2
F (α1 , α 2 ,… , α m ) = ∫ dx = ∫ dx ,
a a
∂
F (α1 , α 2 , … , α m ) = 0, j = 1,2, … , m.
∂α j
Para cada j , tem-se que
∂
( f ( x) − α1 g1 ( x) − α 2 g 2 ( x) − − α m g m ( x) ) ⋅ ( g j ( x) ) dx ,
b
F (α1 , α 2 ,… , α m ) = −2 ∫
∂α j a
87
Curso de Licenciatura em Matemática a Distância
A partir da igualdade anterior, forma-se o sistema de equações lineares de m equações com m incóginitas:
b g ( x) g ( x) dx α + b g ( x) g ( x) dx α + + b g ( x) g ( x) dx α = b f ( x) g ( x) dx
∫a 1 1
1 ∫a 1 2
2 ∫a 1 m
m ∫a 1
b
∫ g 2 ( x) g1 ( x) dx α1 + ∫ g 2 ( x) g 2 ( x) dx α 2 + + ∫ g 2 ( x) g m ( x) dx α m = ∫ f ( x) g 2 ( x) dx
b b b
a
a
a
a
b
g ( x) g ( x) dx α + g ( x) g ( x) dx α + + g ( x) g ( x) dx α = f ( x) g ( x) dx
b b b
∫a m 1 1 ∫a m 2 2 ∫a m m m ∫a m
denominadas as equações normais do ajuste, que podem ser escritas de maneira matricial como
b g ( x) g ( x) dx b b
b f ( x) g ( x) dx
∫a 1 ∫a ∫a α1 ∫a
g1 ( x) g 2 ( x) dx g ( x ) g ( x ) dx
1 1 m 1
b b b b
∫a g 2 ( x) g1 ( x) dx ∫a g2 ( x) g2 ( x) dx ∫a g2 ( x) g m ( x) dx α 2 = ∫a f ( x) g2 ( x) dx
.
b b b αm b
∫ g m ( x) g1 ( x) dx ∫a gm ( x) g2 ( x) dx ∫a gm ( x) g m ( x) dx ∫ f ( x) g m ( x) dx
a a
Mediante a resolução deste sistema podem ser calculados os coeficientes requeridos.
Como no caso discreto, se existirem várias escolhas de funções g (x) , o melhor ajuste estará dado por aquela
função que tenha o menor valor de R .
b g ( x) g ( x) dx α + b g ( x) g ( x) dx α + b g ( x) g ( x) dx α = b f ( x) g ( x) dx
∫a 1 1
1 ∫a 1 2
2 ∫a 1 3
3 ∫a 1
b
b b b
∫a g 2 ( x) g1 ( x) dx α1 + ∫a g 2 ( x) g 2 ( x) dx α 2 + ∫a g 2 ( x) g3 ( x) dx α 3 = ∫a f ( x) g 2 ( x) dx
b g ( x) g ( x) dx α + b g ( x) g ( x) dx α + b g ( x) g ( x) dx α = b f ( x) g ( x) dx
∫a 1 ∫a 3 2 ∫a 3 m ∫a
3 1 2 3 3
88
Curso de Licenciatura em Matemática a Distância
x =1 x =1
1 1 1 5 1 1 1 1 4 1
∫0 g1 ( x) g1 ( x) dx = ∫0 x dx = 5 x ∫0 g1 ( x) g 2 ( x) dx = ∫0 x dx = 4 x
4 3
= , = ,
x =0 5 x =0 4
x =1 x =1
1 1 1 3 1 1 1 1 3 1
∫0 g1 ( x) g3 ( x) dx = ∫0 x dx = 3 x ∫0 g2 ( x) g2 ( x) dx = ∫0 x dx = 3 x
2 2
= , = ,
x =0 3 x =0 3
x =1
1 1 1 2 1 1 1 x =1
∫ 0
g 2 ( x) g3 ( x) dx = ∫ xdx =
0 2
x
x =0
= ,
2 ∫0
g3 ( x) g3 ( x) dx = ∫ dx = x x =0 = 1,
0
x =1 x =1
1 1 1 1 1 1 1 1
∫ f ( x) g1 ( x) dx = ∫ x dx = x 6 ∫ f ( x) g 2 ( x) dx = ∫ x dx = x 5
5 4
= , = ,
0 0 6 x =0 6 0 0 5 x =0 5
x =1
1 1 1 4 1
∫ 0
f ( x) g3 ( x) dx = ∫ x 3 dx =
0 4
x
x =0
= ,
4
e forma-se o sistema
1 1 1 1
5 α1 + 4 α 2 + 3 α 3 = 6 ,
1 1 1 1
α1 + α 2 + α 3 = ,
4 3 2 5
1 1 1
3 α1 + 2 α 2 + α 3 = 4 ,
cuja solução é
1 1 1 1 1 1
6 4 3 5 6 3
1 1 1 1 1 1
5 3 2 4 5 2
1 1 1 1 1 1
1 1 −
4 2 3, 3 4 3,
α1 = = 1440 = α2 = = 3600 = −
1 1 1 1 2 1 1 1 1 5
5 4 3 2160 5 4 3 2160
1 1 1 1 1 1
4 3 2 4 3 2
1 1 1 1
1 1
3 2 3 2
1 1 1
5 4 6
1 1 1
4 3 5
1 1 1 1
3 2 4 43200 1
α3 = = = .
1 1 1 1 20
5 4 3 2160
1 1 1
4 3 2
1 1
1
3 2
89
Curso de Licenciatura em Matemática a Distância
3 2 3 1
Estes coeficientes geram a função de ajuste g ( x) = x − x+ . A figura a seguir ilustra graficamente
o ajuste 2 5 20
3 2 3 1
g ( x) = x − x+ . O valor de R , neste exemplo, é igual a
2 5 20
1 1 3 3 1
R = ∫ ( f ( x) − g ( x)) 2 dx = ∫ ( x 3 − x 2 + x − ) 2 dx
0 0 2 5 20
x =1
1 1 69 5 19 4 17 3 3 2 1
= x7 − x6 + x − x + x − x + x
7 2 100 40 100 100 400 x =0
1
= = 0, 000357.
2800
90
Curso de Licenciatura em Matemática a Distância
Integração Numérica
91
Curso de Licenciatura em Matemática a Distância
Com freqüência, é necessário avaliar a integral definida de uma função cuja anti-derivada não tem uma forma
explícita, não é simples de obter ou não existe. Uma primeira abordagem deste problema já foi realizada ao tratar
b
as somas de Riemann. Porém, aqui, o método básico utilizado para aproximar a integral definida
a
f ( x)dx , ∫
denominado quadratura numérica, consiste basicamente em fazer a aproximação
b n
∫ f ( x) dx ≈ ∑ ai f ( xi ) ,
a
i =1
Um bom começo para o estudo dos métodos de quadratura pode ser dado utilizando os polinômios de interpolação
de Lagrange. Procede-se como segue:
Sejam f (x) uma função integrável no intervalo [a, b] e {x1 , x2 , … , xn } uma partição do intervalo [a, b]
tal que a = x1 < x2 < < xn = b . Sabe-se que o polinômio interpolador de Newton para f (x) é
p ( x) = f ( x1 ) 1 ( x) + f ( x2 ) 2 ( x) + + f ( xn ) n ( x) ,
Assim,
f ( n ) (ξ x )
f ( x) = f ( x1 ) 1 ( x) + f ( x2 ) 2 ( x) + + f ( xn ) n ( x) + ( x − x1 ) ( x − xn ) ,
n!
b b f ( n ) (ξ x )
∫a
f ( x) dx = ∫ f ( x1 ) 1 ( x) + f ( x2 ) 2 ( x) + + f ( xn ) n ( x) + ( x − x1 ) ( x − xn )
a
n!
dx
b b b b f ( n ) (ξ x )
= f ( x1 ) ∫ 1 ( x)dx + f ( x2 ) ∫ 2 ( x)dx + + f ( xn ) ∫ n ( x)dx + ∫ ( x − x1 ) ( x − xn ) dx
a a a a n!
sendo o erro
b f ( n ) (ξ x )
∫a ( x − x1 ) ( x − xn ) n ! dx .
b
No que segue, deduzem-se e mostram-se aproximações da integral ∫a
f ( x)dx utilizando a
abordagem que se acaba de detalhar.
Aplica-se, agora, a metodologia descrita no início do capítulo no caso em que n = 2 . O polinômio interpolador
de Lagrange é
x − x2 x − x1
p( x) = f ( x1 ) + f ( x2 ) ,
x1 − x2 x2 − x1
92
Curso de Licenciatura em Matemática a Distância
b
onde x1 = a e x2 = b . Logo, a aproximação de ∫a
f ( x)dx é
x =b
b x −b x−a ( x − b) 2 ( x − a)2
∫a a − b f ( a ) +
b−a
f (b )
dx =
f ( a )
2(a − b)
+ f (b )
2(b − a) x = a
b−a a −b b−a b−a
= f (b) − f (a) = f (a) + f (b) .
2 2 2 2
1 1
= f ''(ξ )(b − a )3 ∫ u (u − 1) du
2 0
1
=− f ''(ξ )(b − a )3
12
para algum ξ ∈ [ a, b] .
93
Curso de Licenciatura em Matemática a Distância
Observe que se f ' ' ( x ) = 0 , ∀ x ∈ [ a, b] , ou seja, a segunda derivada de f (x ) é identicamente nula sobre o
intervalo [ a, b] , então o erro cometido pela regra do trapézio é também nulo. Assim, a regra do trapézio fornece
um resultado exato quando f (x ) é um polinômio de grau um ou uma função constante.
Nesta seção, desenvolve-se a metodologia descrita no início do capítulo no caso em que n = 3 . Logo, o
polinômio interpolador de Lagrange é
( x − x2 )( x − x3 ) ( x − x1 )( x − x3 ) ( x − x1 )( x − x2 )
p( x) = f ( x1 ) + f ( x2 ) + f ( x3 ) ,
( x1 − x2 )( x1 − x3 ) ( x2 − x1 )( x2 − x3 ) ( x3 − x1 )( x3 − x2 )
onde a = x1 < x2 < x3 = b . Para simplificar, considere que os pontos x1 , x2 e x3 são igualmente espaçados,
isto é, x2 − x1 = x3 − x2 = h . Denote, também, f ( x1 ) = f1 , f ( x2 ) = f 2 e f ( x3 ) = f 3 . Logo, a
b
aproximação de ∫a
f ( x)dx é
1 f1 b b f b
2
⋅ ∫ ( x − x2 )( x − x3 )dx − f 2 ⋅ ∫ ( x − x1 )( x − x3 )dx + 3 ⋅ ∫ ( x − x1 )( x − x2 )dx
h 2 a a 2 a
1 f1 a + 2 h a+2h f a+2h
= 2
⋅∫ ( x − a − h)( x − a − 2h)dx − f 2 ⋅ ∫ ( x − a )( x − a − 2h)dx + 3 ⋅ ∫ ( x − a)( x − a − h)dx
h 2 a a 2 a
1 f1 2 h 2h f 2h
= 2
⋅ ∫ (u − h)(u − 2h)du − f 2 ⋅ ∫ u ⋅ (u − 2h)du + 3 ⋅ ∫ u ⋅ (u − h)dx
h 2 0 0 2 0
1 f1 1 3 3 2
u =2h u =2h u =2h
2 1 3 2 f3 1 3 1 2
= 2 ⋅ u − h u + 2h u − f 2 ⋅ u − 2h u + ⋅ u − hu
h 2 3 2 u =0 3 u =0 2 3 2 u =0
1 f1 2 3 4 f 2 h
= 2
⋅ h + f 2 ⋅ h3 + 3 ⋅ h3 = ⋅ ( f1 + 4 f 2 + f3 )
h 2 3 3 2 3 3
1 b
6 ∫a
e quanto ao erro, pode-se afirmar que este é f '''(ξ x )( x − a )( x − a − h)( x − a − 2h) dx . Mas, mediante
h5 (4)
abordagens mais específicas obtém-se a expressão f (ζ ) , para algum ζ ∈ [a, b] , para o erro.
90
Assim, o atual processo de aproximação pode ser estabelecido como
b h
∫ f ( x) dx ≈ ⋅ ( f1 + 4 f 2 + f 3 )
a 3
sendo dada uma estimativa do erro de aproximação, E ( f ) , por
h5
E( f ) ≤ M4 ,
90
{ ( 4)
}
onde M 4 = max | f ( x) |: x ∈ [ a, b] . Esta aproximação é denominada regra de Simpson. Graficamente,
no caso que f (x ) é não negativa para todo x ∈ [ a, b] , a regra de Simpson aproxima o valor da integral
b
∫a
f ( x) dx mediante a área limitada pela parte da parábola p (x) , compreendida no intervalo [a, b] ; por
exemplo, considere o intervalo [−0,5 , 0,5] que interpola os três pontos do gráfico de f (x ) correspondentes
a x1 = −0,5 , x2 = 0,5 e x3 = 1,5 como é mostrado na figura a seguir
94
Curso de Licenciatura em Matemática a Distância
( 4)
Observe que se f ( x ) = 0 , ∀ x ∈ [ a, b] , ou seja, a quarta derivada de f (x ) é identicamente nula sobre
o intervalo [ a, b] , então o erro cometido pela regra de Simpson é também nulo. Assim, a regra de Simpson
fornece um resultado exato quando f (x ) é um polinômio de grau três ou menos.
Exemplo 6.1: Considere a função f (x) sobre o intervalo [0,1] . A regra do trapézio dá a aproximação
1 1
∫ f ( x) dx ≈ ⋅ ( f (0) + f (1) ) ,
0 2
enquanto que a regra de Simpson fornece
1 1
∫ f ( x) dx ≈ ⋅ ( f (0) + 4 f (0,5) + f (1) ) .
0 6
Na tabela a seguir, mostram-se as aproximações obtidas mediante a regra do trapézio para algumas funções f (x )
[ ]
específicas, no intervalo 0,1] , utilizando a aproximação descrito no início do exemplo. A linha vermelha indica
o gráfico da função e a linha azul delimita o trapézio cuja área está sendo calculada para aproximar a integral:
Função
f (x) 2x3 + 1 8x + 1 e− x
Valor
exato 1,5 2,166667 0,632121
Regra do
trapézio 2 2 0,683940
95
Curso de Licenciatura em Matemática a Distância
Gráfico 1 Gráfico 2
Gráfico 3
Agora, mostram-se as aproximações pela regra de Simpson. Agora, a linha vermelha indica o gráfico da função e
a linha azul delimita a região abaixo da parábola compreendida no intervalo [0,1] cuja área está sendo calculada
para aproximar a integral:
Função
f (x) 2x3 + 1 8x + 1 e− x
Valor
exato 1,5 2,166667 0,632121
Regra de
Simpson 1,5 2,157379 0,632334
96
Curso de Licenciatura em Matemática a Distância
Gráfico 1 Gráfico 2
Gráfico 3
b
As regras do trapézio e de Simpson são exemplos de uma classe maior de aproximações da integral ∫a
f ( x)dx
denominada fórmulas fechadas de Newton-Cotes. Sem mostrar as provas, detalham-se a seguir algumas fórmulas
de Newton-Cotes:
97
Curso de Licenciatura em Matemática a Distância
Número de pontos da partição Aproximação Estimativa do erro
h h3
n = 2 (trapézio) ⋅ ( f1 + f 2 ) M2
2 12
h h5
n = 3 (Simpson) ⋅ ( f1 + 4 f 2 + f 3 ) M4
3 90
3h 3h5
n = 4 (três oitavos) ⋅ ( f1 + 3 f 2 + 3 f 3 + f 4 ) M4
8 80
2h 8h 7
n = 5 (Boole) ⋅ ( 7 f1 + 32 f 2 + 12 f3 + 32 f 4 + 7 f5 ) M6
45 945
As fórmulas de Newton-Cotes, mostradas na seção anterior, são inadequadas quando o intervalo de integração
é grande e/ou quando o integrando é uma função com natureza oscilatória. Nesta seção, descrevem-se técnicas
em que são aplicadas as fórmulas de Newton-Cotes de ordem pequena (trapézio e Simpson) por partes numa
partição com muitos pontos. Na prática, estas técnicas são utilizadas com mais freqüência.
Exemplo 6.2: Para ilustrar o que foi descrito no parágrafo anterior, considere a função f ( x) = x exp( x 2 ) no
intervalo [0,1] . Aplicando a regra do trapézio, consegue-se a aproximação
1 1 1
∫ x exp( x 2 ) dx ≈ ( f (0) + f (1) ) = e = 1,359141 ,
0 2 2
sendo o valor exato
1 1 2 x =1 1
∫0 x exp( x 2
) dx = exp( x ) = ( e − 1) = 0,859141 ;
2 x = 0 2
o que mostra a pouca precisão da aproximação da integral.
Agora, subdivide-se o intervalo [0,1] em [0,1 / 2] e [1 / 2,1] , e aplica-se a regra do trapézio em cada
subintervalo. Tem-se, então,
1/2 1 1
∫ x exp( x 2 ) dx ≈ ( f (0) + f (1/ 2) ) = e1/4 = 0,160503 ,
0 4 8
1 1 1 1
∫ x exp( x 2 ) dx ≈ ( f (1/ 2) + f (1) ) = e1/4 + e = 0,840074 ,
1/2 4 8 4
que dá
1 1/2 1
∫0
x exp( x 2 ) dx = ∫
0
x exp( x 2 ) dx + ∫ x exp( x 2 ) dx ≈ 0,160503 + 0,840074 = 1, 000577 ,
1/2
resultado que melhora a precisão anterior. O processo de subdividir os intervalos pode ser estendido. Se o
intervalo [0,1] é subdividido em, por exemplo, quatro subintervalos iguais, tem-se
98
Curso de Licenciatura em Matemática a Distância
1 1/4 1/2 3/4 1
∫0
x exp( x 2 ) dx = ∫
0
x exp( x 2 ) dx + ∫
1/4
x exp( x 2 ) dx + ∫
1/2
x exp( x 2 ) dx + ∫ x exp( x 2 ) dx
3/4
1 1 1 1
≈ ( f (0) + f (1/ 4) ) + ( f (1/ 4) + f (1/ 2) ) + ( f (1/ 2) + f (3 / 4) ) + ( f (3 / 4) + f (1) )
8 8 8 8
1
= ( f (0) + 2 f (1/ 4) + 2 f (1/ 2) + 2 f (3 / 4) + f (1) )
8
1 1 3 1
= e1/16 + e1/4 + e9/16 + e = 0,895892,
16 8 16 8
conseguindo-se ainda maior precisão.
No caso geral, suponha uma função f (x) com derivada contínua até de segunda ordem no intervalo [a, b]
b−a
e uma partição a = x1 < x2 < < xn = b , ( n > 1 ), igualmente espaçada com espaçamento h = .
n −1
Então a regra composta do trapézio para a partição é formada aplicando a regra do trapézio, ( n − 1) vezes,
uma vez a cada subintervalo [ x1 , x2 ] , … , [ xn−1 , xn ] , e pode ser escrita como
b h
∫ f ( x)dx = ( f1 + 2( f 2 + f n−1 ) + f n ) ,
a 2
tendo como estimativa de erro o valor
(n − 1)h3
M2 ,
12
seguindo a notação da seção anterior.
Exemplo 6.3: Aplica-se a regra composta do trapézio com n = 5 pontos, à função f ( x) = 2 x 3 + 1 sobre o
1 1
intervalo [0,1] , para aproximar a integral ∫0
f ( x)dx (observe que h =
4
):
1 1 65 9 91 49
( f1 + 2( f 2 + f3 + f 4 ) + f5 ) = 1 + 2 + + + 3 = = 1,53125 .
1
∫ (2 x
3
+ 1) dx ≈
0 8 8 64 8 64 32
1
∫ (2 x
3
Lembre que o valor exato da integral é + 1) dx = 1,5 .
0
A seguir, nas seguintes tabelas, mostram-se diversas aproximações das integrais das funções indicadas mediante
a regra composta do trapézio.
99
Curso de Licenciatura em Matemática a Distância
n=2 n=3
1 1
∫0
f ( x)dx ≈ 2 ∫ 0
f ( x)dx ≈ 1,625
n=4 n=5
1 1
∫ 0
f ( x)dx ≈ 1,555556 ∫0
f ( x)dx ≈ 1,53125
100
Curso de Licenciatura em Matemática a Distância
n=2 n=3
1 1
∫0
f ( x)dx ≈ 2 ∫0
f ( x)dx ≈ 2,118034
n=4 n=5
1 1
∫
0
f ( x)dx ≈ 2,143822 ∫ 0
f ( x)dx ≈ 2,153468
101
Curso de Licenciatura em Matemática a Distância
n=2 n=3
1 1
∫0
f ( x)dx ≈ 0, 683940 ∫0
f ( x)dx ≈ 0, 645235
n=4 n=5
1 1
∫ 0
f ( x)dx ≈ 0, 637963 ∫ 0
f ( x)dx ≈ 0, 635409
102
Curso de Licenciatura em Matemática a Distância
6.3.2 Regra Composta de Simpson
Expõe-se um exemplo:
Exemplo 6.4: Agora, considere a função f ( x) = x exp( x 2 ) no intervalo [0,2] . Aplicando a regra de Simpson,
consegue-se a aproximação
2 1 4 2
∫ x exp( x 2 ) dx ≈ ( f (0) + 4 f (1) + f (2) ) = e + e4 = 40, 023142 ,
0 3 3 3
sendo o valor exato
1 1
x exp( x 2 ) dx = exp( x 2 ) = ( e 4 − 1) = 26, 799075 ;
2 x=2
∫0 2 x =0 2
o que mostra a pouca precisão da aproximação da integral.
A semelhança do exemplo 6.2, subdivide-se o intervalo [0,2] em [0,1] e [1,2] , e aplica-se a regra de Simpson
em cada subintervalo. Tem-se, então,
1 1 1 1
∫ x exp( x 2 ) dx ≈ ( f (0) + 4 f (1/ 2) + f (1) ) = e1/4 + e = 0,881055 ,
0 6 3 6
2 1 1 1
∫ x exp( x 2 ) dx ≈ ( f (1) + 4 f (3 / 2) + f (2) ) = e + e9/4 + e4 = 28,140166 ,
1 6 6 3
que dá
2 1 2
∫0
x exp( x 2 ) dx = ∫ x exp( x 2 ) dx + ∫ x exp( x 2 ) dx ≈ 0,881055 + 28,140166 = 29, 021221 ,
0 1
resultado que melhora a precisão anterior. Se o intervalo [0,2] é subdividido em quatro subintervalos iguais,
tem-se
2 1/2 1 3/2 2
∫0
x exp( x 2 ) dx = ∫
0
x exp( x 2 ) dx + ∫ x exp( x 2 ) dx + ∫
1/2 1
x exp( x 2 ) dx + ∫ x exp( x 2 ) dx
3/2
1 1
≈( f (0) + 4 f (1/ 4) + f (1/ 2) ) + ( f (1/ 2) + 4 f (3 / 4) + f (1) )
12 12
1 1
+ ( f (1) + 4 f (5 / 4) + f (3 / 2) ) + ( f (3 / 2) + 4 f (7 / 4) + f (2) )
12 12
1
= ( f (0) + 4 f (1/ 4) + 2 f (1/ 2) + 4 f (3 / 4) + 2 f (1) + 4 f (5 / 4) + 2 f (3 / 2) + 4 f (7 / 4) + f (2) )
12
1
= ( e1/16 + e1/4 + 3e9/16 + 2e + 5e 25/16 + 3e9/4 + 7e 49/16 + 2e 4 ) = 27, 019168,
12
Considere então o caso geral: suponha uma função f (x) com derivada contínua até de quarta ordem no
intervalo [ a, b] e uma partição a = x1 < x2 < < xn = b , ( n > 1 ), igualmente espaçada com espaçamento
b−a n −1
h= . Então a regra composta de Simpson para a partição é formada aplicando a regra de Simpson, ( )
n −1 2
vezes, uma vez a cada subintervalo [ x1 , x3 ] , … , [ xn−2 , xn ] , e pode ser escrita como
b h
∫ f ( x)dx = ( füüü+ 4( f + f + + f n− ) + 2( f + f + + f n− ) + f n ) ,
a 3
103
Curso de Licenciatura em Matemática a Distância
tendo como estimativa de erro o valor
(n − 1)h 5
M2 .
180
Observe que para realizar este processo, o número de pontos da partição, n , tem que ser ímpar.
Exemplo 6.5: Aplica-se a regra composta de Simpson com n = 9 pontos, à função f ( x) = 8 x + 1 sobre
1 1
o intervalo [0,1] , para aproximar a integral ∫0
f ( x)dx (observe que h = ):
8
1 1
∫ (2 x
3
+ 1) dx ≈ ( f1 + 4( f 2 + f 4 + f 6 + f8 ) + 2( f3 + f5 + f 7 ) + f9 )
0 24
=
1
24
( ( ) (
1+ 4 2 + 2 + 6 + 2 2 + 2 3 + 5 + 7 + 3 . ) )
= 2,166511
Também, nas seguintes tabelas, mostram-se diversas aproximações das integrais das funções indicadas mediante
a regra composta de Simpson.
n=3 n=5
1 1
∫0
f ( x)dx ≈ 2,157379 ∫0
f ( x)dx ≈ 2,165279
104
Curso de Licenciatura em Matemática a Distância
n=7 n=9
1 1
∫0
f ( x)dx ≈ 2,166269 ∫0
f ( x)dx ≈ 2,166511
3
Exemplo 6.6: Veja a situação quando f ( x ) = 2 x + 1 no intervalo [0,1] . Aplicando uma vez a regra do
trapézio tem-se, graficamente, o que se mostra na figura
105
Curso de Licenciatura em Matemática a Distância
A regra do trapézio aproxima a integral da função considerando sempre os extremos do intervalo. Mas esta
não é a melhor das escolhas. Considere, por exemplo, outra escolha de pontos que não são os extremos do
intervalo e que parece mais adequada, ilustrada graficamente na figura a seguir
∫ f ( x) dx ≈ ∑ ai f ( xi ) = a1 f ( x1 ) + a2 f ( x2 ) + + an f ( xn )
a
i =1
seja exata no caso em que f (x ) seja um polinômio de grau até 2n − 1 . Para o cálculo prático dos
m
valores necessários, pode-se escolher, entre outras, a base formada pelas funções f ( x ) = x , para
m = 0,1,…,2n − 1 .
106
Curso de Licenciatura em Matemática a Distância
1
∫−1
f ( x)dx ≈ a1 f ( x1 ) + a2 f ( x2 ) ,
2
fornece o valor exato da integral no caso em que f ( x) = 1, x, x ou x 3 .
Então,
1
a1 ⋅1 + a2 ⋅1 = ∫ 1 dx = 2 ,
−1
1
a1 ⋅ x1 + a2 ⋅ x2 = ∫ x dx = 0 , ( f ( x) = x é uma função impar sobre [−1,1] ),
−1
1 2
a1 ⋅ x12 + a2 ⋅ x22 = ∫ x 2 dx = ,
−1 3
1
a1 ⋅ x13 + a2 ⋅ x23 = ∫ x3 dx = 0 , ( f ( x) = x 3 é uma função impar sobre [−1,1] ).
−1
a1 + a2 = 2,
a ⋅ x + a ⋅ x = 0
1 1 2 2
2 2 2
a1 ⋅ x1 + a2 ⋅ x2 = 3
a1 ⋅ x13 + a2 ⋅ x23 = 0
que é um sistema de quatro equações não lineares com quatro incógnitas. Após um trabalho algébrico, consegue-
1 1
se a única solução a1 = a2 = 1 , x1 = − e x2 = , fornecendo então a aproximação
3 3
1 1 1
∫ −1
f ( x)dx ≈ f −
+
3
f
3
,
Por outro lado, utilizando a quadratura gaussiana com dois pontos, tem-se
1 1 1
∫ −1
x + 1 dx ≈ −
3
+1 +
3
+ 1 = 0, 650115 + 1, 255926 = 1,906041 .
107
Curso de Licenciatura em Matemática a Distância
Agora, considerando a regra do trapézio, tem-se
2
( )
1
∫−1
x + 1 dx ≈
2
−1 + 1 + 1 + 1 = 0 + 2 = 1, 414214 ,
resultado que foi obtido calculando a área do triângulo (caso extremo de um trapézio em que uma das bases tem
comprimento zero) mostrado na figura
3 3 5 8 5
− , 0, , ,
3 5 5 9 9 9
3− 2 6/5 1 1 5
± +
7 2 6 6
4 3 + 2 6/5 1 1 5
± +
7 2 6 6
108
Curso de Licenciatura em Matemática a Distância
128
0
255
1 161 13 7
5 ± 5 − 2 10 / 7 +
3 450 30 90
1 161 13 7
± 5 + 2 10 / 7 −
3 450 30 90
b
Estes valores podem ser utilizados inclusive para integrais do tipo ∫a
f ( x) dx com intervalo de integração
b−a a+b
[a, b] arbitrário, utilizando a mudança de variável u = x+ , que realiza a mudança de intervalo
2 2
de integração para [−1,1] , mediante a seguinte igualdade
b b−a 1 b−a a+b
∫a
f ( x) dx = ∫ f
2 −1 2
x+ dx .
2
1
Exemplo 6.8: Requere-se aproximar ∫0
8 x + 1 dx utilizando a quadratura gaussiana com n = 2 pontos.
1 1 1 1 1 1 1
∫0
8 x + 1 dx = ∫ 8 x + + 1 dx = ∫ 4 x + 5 dx
2 −1 2 2 2 −1
1 4 4 1
≈ − +5 + + 5 = [1, 640305 + 2, 703590] = 2,171947
2 3 3 2
Se fossem requeridos n = 3 pontos, se teria
1 1 1
∫0
8 x + 1 dx =
2 ∫−1
4 x + 5 dx
üüü
≈ ⋅ −4 +5 + ⋅ 5 + ⋅ 4 + 5 = [ 0, 766106 + 1,987616 + 1,580981]
2 9 5 9 9 5 2
= 2,167351
1
Lembre que o valor exato da integral é ∫ 0
8 x + 1 dx = 2,166667 .
109
Curso de Licenciatura em Matemática a Distância