Sebenta An Feup - Mieec

Faculdade de Engenharia da Universidade do Porto
Licenciatura em Engenharia Electrotcnica e de Computadores e
Apontamentos de Anlise Numrica a e
An bal Castilho Coimbra de Matos
Setembro de 2005
Nota introdutria o
Estes apontamentos destinam-se a apoiar as aulas da disciplina de Anlise Numrica da Lia e cenciatura em Engenharia Electrotcnica e de Computadores da Faculdade de Engenharia de e Universidade do Porto. A sua organizao reecte a forma como tenho vindo a leccionar as aulas tericas desta disciplina ca o desde o ano lectivo 2001/2002. Estes apontamentos no pretender ser um texto de referncia, a e mas to s permitir aos alunos um melhor acompanhamento da matria leccionada. Para um a o e estudo mais aprofundado e sistemtico dos assuntos abordados, os alunos so remetidos para as a a diferentes obras referidas na bibliograa. As discusses mantidas com o Prof. Jos Fernando Oliveira, principalmente no ano lectivo o e 2001/2002, e com o Prof. Carlos Mendona e Moura, desde ento, contribu c a ram de forma decisiva para a organizao destes apontamentos. Por todos os ensinamentos, mas tambm pela ca e forma como correu e ainda decorre o trabalho realizado em conjunto na leccionao de Anlise ca a Numrica, no poderia deixar de manifestar aqui o meu profundo agradecimento a estes meus e a Professores.
An bal Matos, Set/2005
Contedo u
1 Fundamentos 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Valores exactos e aproximados: erros . . . . . . . . . . . . . . . . . . . . . . . . . Algarismos signicativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas de v rgula utuante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aritmtica em representaes nitas . . . . . . . . . . . . . . . . . . . . . . . . . e co Propagao de erros no clculo de funes . . . . . . . . . . . . . . . . . . . . . . ca a co Clculo de sries e erro de truncatura . . . . . . . . . . . . . . . . . . . . . . . . a e 1 1 2 4 8 10 12 15 18 18 21 24 31 36 41 45 47 49 57 57 57 59 63 63 64 68
2 Equaoes No Lineares c a 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Mtodo das bisseces sucessivas . . . . . . . . . . . . . . . . . . . . . . . . . . . e co Mtodo da falsa posio (regula falsi ) . . . . . . . . . . . . . . . . . . . . . . . . e ca Mtodo iterativo simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Mtodo da secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Ordem de convergncia e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Localizao de zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Ra zes de polinmios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o
3 Normas de vectores e matrizes 3.1 3.2 3.3 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Normas de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Normas de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 Sistemas de Equaoes No Lineares c a 4.1 4.2 4.3 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Mtodo iterativo simples (iterao de ponto xo) . . . . . . . . . . . . . . . . . . e ca Mtodo de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e
ii
5 Sistemas de Equaoes Lineares c 5.1 5.2 5.3 5.4 5.5 5.6 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Eliminao gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Erro e res duo de uma soluo aproximada . . . . . . . . . . . . . . . . . . . . . . ca Perturbaes no sistema de equaes . . . . . . . . . . . . . . . . . . . . . . . . . co co Mtodos iterativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Relaxao dos mtodos de Jacobi e Gauss-Seidel . . . . . . . . . . . . . . . . . . ca e
72 72 73 79 82 85 95 99 99
6 Aproximao dos M ca nimos Quadrados 6.1 6.2 6.3 6.4 6.5 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca
Funes aproximantes e desvios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 co Aproximao dos m ca nimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . 101 Reduo a problemas de m ca nimos quadrados . . . . . . . . . . . . . . . . . . . . . 105 Aproximao em espaos vectoriais e m ca c nimos quadrados . . . . . . . . . . . . . 108 111
7 Interpolao ca 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 ca Interpolao polinomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 ca Polinmio interpolador: unicidade e existncia . . . . . . . . . . . . . . . . . . . . 114 o e Forma de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 Forma de Aitken-Neville . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 Forma de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 Diferenas divididas e diferenas nitas c c . . . . . . . . . . . . . . . . . . . . . . . 125 Interpolao directa e inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 ca Dupla interpolao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 ca
7.10 Erro de interpolao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 ca 7.11 Polinmios de Chebyshev e ns de interpolao . . . . . . . . . . . . . . . . . . . 139 o o ca 7.12 Interpolao polinomial segmentada (splines) . . . . . . . . . . . . . . . . . . . . 142 ca 8 Integrao Numrica ca e 8.1 8.2 8.3 8.4 8.5 8.6 150
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 ca Regras de integrao bsicas e compostas . . . . . . . . . . . . . . . . . . . . . . 151 ca a Regra dos trapzios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 e Regra de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 Integrao de Romberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 ca Quadratura gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 167
9 Equaoes Diferenciais Ordinrias: problemas de valor inicial c a 9.1 9.2
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 ca Soluo numrica de equaes diferenciais . . . . . . . . . . . . . . . . . . . . . . 168 ca e co iii
9.3 9.4 9.5 9.6 9.7 9.8 9.9
Equaes diferenciais ordinrias de ordem 1 . . . . . . . . . . . . . . . . . . . . . 169 co a Mtodos de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 e Mtodos de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 e Consistncia e convergncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 e e Mtodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 e Sistemas de equaes diferenciais . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 co Equaes diferenciais de ordem n . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 co 190
Bibliograa
iv
Cap tulo 1
Fundamentos
1.1 Introduo ca
Sempre que se pretende tratar algum problema cuja soluo toma a forma do clculo de um ca a valor numrico habitual ter de considerar no s conceitos de carcter mais abstracto (que e e a o a fornecem um modelo consistente para a anlise do problema) mas tambm questes de natureza a e o mais prtica relacionadas com os clculos a efectuar ou com os nmeros necessrios ` realizao a a u a a ca de tais clculos. a Exemplo 1.1.1. Suponha-se que se pretende determinar o volume V de um paralelippedo a partir dos comprimentos de trs arestas a, b e c, perpendiculares entre si. Neste caso, o modelo e abstracto consiste na expresso V = abc, que permite calcular o volume a partir dos comprimena tos das trs arestas. Para aplicar esta expresso ento necessrio comear por medir cada uma e a e a a c das arestas. Ora, ` mediao de cada uma das arestas est associado um erro (erro de medida). a c a Ou seja, o processo de mediao fornecer valores aproximados dos comprimentos das arestas, c a sendo eventualmente possvel obter alguma caracterizaao dos erros de medida. Ao efectuar, em c seguida, o produto das medidas dos trs comprimentos ir-se- obter um valor que apenas poe a der ser considerado uma aproximaao do volume do paralelippedo. Obviamente que este valor a c aproximado ter associado um erro que depender dos erros cometidos nos processos de medida. a a A situao descrita neste exemplo de no se conseguir obter um valor numrico exacto para ca a e muitos problemas a mais comum. Esta impossibilidade pode ter origens diversas, de que so e a exemplos erros associados a processos de medida, modelos abstractos aproximados, ou clculos a efectuados de forma aproximada. Contudo esta situao no necessariamente m, pois na ca a e a grande maioria (ou at talvez na totalidade) dos problemas bastar obter um valor numrico e a e sucientemente prximo do valor exacto. o De uma forma simples, pode dizer-se que a Anlise Numrica abrange o estudo de mtodos a e e e tcnicas que permitam obter solues aproximadas de problemas numricos de uma forma e co e 1
Cap tulo 1. Fundamentos
eciente. E por natureza uma disciplina que se situa na fronteira entre a Matemtica e a a Cincia de Computadores. e Neste cap tulo apresentam-se os conceitos fundamentais necessrios ` compreenso e utilizao a a a ca dos mtodos numricos que iro ser estudados nos cap e e a tulos subsequentes.
1.2
Valores exactos e aproximados: erros
Consideremos um problema cuja soluo um nmero real. Este nmero designado por valor ca e u u e exacto do problema e, no que se segue, ser representado por x. a Designa-se por valor aproximado ou aproximao, e representa-se por x , qualquer valor ca que se pretende utilizar como soluo do problema. Associado a um dado valor aproximado x ca dene-se o erro de aproximao como a diferena entre o valor exacto e o valor aproximado, ca c isto , e x = x x .
x*
x*
Figura 1.1: Valor exacto e aproximao. ca
No caso de x < x, a aproximao diz-se ser por defeito, vericando-se ento que x > 0. ca a No caso de x > x, a aproximao diz-se ser por excesso, tendo-se ento que x < 0. ca a Exemplo 1.2.1. E sabido que 3.14159265359. Ento, a 3 3.1 3.14 3.141 ...
so aproximaoes de por defeito e a c 4 so aproximaoes de por excesso. a c O valor absoluto do erro de aproximao, |x | = |x x |, designado por erro absoluto. ca e Note-se que de um modo geral, no conhecido o erro x associado a uma dada aproximao a e ca x . De facto, se ambos fossem conhecidos, o valor exacto x poder-se-ia calcular por intermdio e da expresso x = x + x , e ento no se utilizaria tal aproximao! a a a ca 3.2 3.15 3.142 ...
Assim, a situao mais comum aquela em que se conhece um determinado valor aproximado ca e x e um intervalo para o erro de aproximao x . Este intervalo muitas vezes caracterizado ca e a partir de majorantes do erro absoluto. A expresso erro mximo absoluto utilizada a a e para designar um majorante do erro absoluto. E usual indicar o erro mximo absoluto por . a Ento, se x for um valor aproximado de x com um erro mximo absoluto , verica-se que a a x [x , x + ]. Neste caso habitual usar-se a notao x = x . e ca Exemplo 1.2.2. Ao escrever-se x = 1.23 0.02, pretende dizer-se que 1.23 uma aproximaao e c [1.21, 1.25]. Outra forma de caracterizar uma aproximao x atravs do erro relativo, que se dene por ca e e |x | , |x| para valores de x diferentes de zero. Muitas vezes tambm considerado o erro relativo aproxie e mado denido por |x | . |x | de x com um erro mximo absoluto de 0.02, ou seja, isto signica que x estar no intervalo a a
A noo de erro relativo advm do facto de o mesmo erro absoluto poder ter signicados reais ca e diferentes consoante o valor exacto em causa. Os erros relativos exprimem-se habitualmente em termos percentuais. Por exemplo, um erro relativo de 0.02 normalmente referido como um erro de 2%. e Dene-se tambm erro mximo relativo, normalmente indicado por , como sendo um mae a jorante do erro relativo, isto , e = , |x|
onde representa um erro mximo absoluto. Tambm aqui normal trabalhar com a aproa e e ximao do erro mximo relativo dada por (notar o abuso de notao) ca a ca = , |x |
valor que poss calcular com base na aproximao x e no erro mximo absoluto conhecido. e vel ca a Assim, dizer que x uma aproximao de x com um erro mximo relativo equivalente a e ca a e dizer que o valor exacto x est no intervalo [x (1 ), x (1+ )]. Neste caso, utiliza-se a notao a ca x = x (100 ) %. x com um erro mximo relativo de 5% (ou seja, 0.05). Signica isto que o valor exacto x estar a a no intervalo [1.2 (1 0.05), 1.2 (1 + 0.05)], ou seja, [1.14, 1.26]. Exemplo 1.2.3. Ao escrever-se x = 1.2 5%, pretende dizer-se que 1.2 uma aproximaao de e c
Para uma dada aproximao x , o erro mximo relativo pode ser calculado a partir do erro ca a mximo absoluto conhecido e vice-versa, ainda que de uma forma aproximada. Habitualmente, a os erros mximos quer absolutos quer relativos so indicados com um nmero reduzido de casas a a u decimais (raramente mais do que duas). Exemplo 1.2.4. Seja x = 2.7 com = 0.07. Ento 0.07 2.7 0.19. a A utilizao abusiva do majorante do erro relativo dado por ca e normalmente se ter que |x|, ou, equivalentemente,
|x| |x |
Seja x = 3.45 com = 0.01. Ento a
0.01 3.45
3 103 .
justicada pelo facto de e

|x |
sejam muito prximos. Isto ser tanto mais verdade quando mais pequeno for . o a
1, resultando em que os valores
1.3
Algarismos signicativos
Um nmero real x representado na forma decimal (base 10) pelo seu sinal (+ ou ) e por u e relativamente ao ponto (ou v rgula) decimal (.), ou seja, uma sequncia (nita ou no) de algarismos do conjunto {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} posicionada e a x = dn dn1 . . . d1 d0 .d1 d2 d3 . . . A necessidade de representar nmeros de diferentes grandezas de uma forma compacta conu duziu ` introduo da designada notao cient a ca ca ca, que mais no do que a introduo na a e ca representao de um factor multiplicativo correspondente a uma potncia inteira da base de ca e representao, ou seja, de base 10. Assim, teremos ca x = dn dn1 . . . d1 d0 .d1 d2 d3 . . . 10e teiro e designa-se por expoente. A localizao do ponto decimal na mantissa pode ser alterada, ca nmero 10.23 poder ser tambm representado por 1.023 10, 0.1023 102 , 102.3 101 , etc.. u a e A parte da representao dn dn1 . . . d1 d0 .d1 d2 d3 designada por mantissa e o nmero inca e u
bastando para tal modicar o valor do expoente de forma correspondente. Por exemplo, o Note-se que mesmo a representao decimal tradicional permite representar certos nmeros de ca u mais do que uma forma (o nmero 2 pode tambm ser representado por 1.9999999999 . . ., embora u e esta ultima seja innita!). Como na prtica apenas podemos utilizar representaes nitas e por vezes no queremos ou a co a no podemos utilizar mais do que um dado nmero de algarismos da mantissa surge a questo a u a de como representar um valor suposto exacto que ` partida no ser representvel. Concretaa a a a mente, suponhamos que temos um valor com a mantissa d1 d2 . . . dn dn+1 dn+2 . . . (no interessa a
a localizao do ponto decimal, visto que pode ser alterada por simples manipulao do expoca ca ente) e que apenas pretendemos utilizar os n primeiros algarismos. Podemos aqui utilizar dois processos: a truncatura e o arredondamento. No caso da truncatura, ignoram-se os algarismos da mantissa a partir do ndice n + 1, tendo em ateno que os que correspondam a algarismos inteiros devem ser substitu ca dos por zeros e posteriormente eliminados por alteraao de expoente. A representao assim obtida diferir do c ca a valor original menos do que uma unidade da ultima casa decimal no eliminada. a Exemplo 1.3.1. Ao truncar os nmeros 123.56 e 123.51 `s dcimas, obtemos em ambos os u a e casos 123.5. Ao truncar o nmero 7395 para as centenas, obteramos 73 102 . u No caso do arredondamento, o objectivo escolher o nmero representvel mais prximo do e u a o valor original. Para tal, utilizam-se as seguintes regras 1. se 0.dn+1 dn+2 . . . > 0.5 soma-se uma unidade ` casa decimal n (e alteram-se se necessrio a a as casas ` esquerda desta), ou seja, arredonda-se para cima; a 2. se 0.dn+1 dn+2 . . . < 0.5 mantm-se a casa decimal n, ou seja, arredonda-se para baixo; e 3. se 0.dn+1 dn+2 . . . = 0.5 arredonda-se para cima ou para baixo de forma a que o algarismo da casa decimal n seja par (neste caso tambm poss utilizar o arredondamento para e e vel cima). Estas regras asseguram que toda a representao aproximada obtida por arredondamento difere ca do valor original no mais do que 5 unidades da primeira casa no representada. a a Exemplo 1.3.2. Arredondar `s dcimas os nmeros: 1.26, 1.24, 1.25 e 1.35. a e u De acordo com as regras acima temos: 1.3, 1.2, 1.2 e 1.4, respectivamente. A utilizao da notao x = x , atrs introduzida, para indicar que x uma aproximao de ca ca a e ca de tornar mais simples a representao de aproximaes considerar majorantes do erro absoluto ca co e impl cito qual o majorante do erro absoluto. Quando se utiliza esta conveno, os algarismos da ca mantissa de uma representao, com excepo dos zeros a esquerda, designam-se algarismos ca ca ` signicativos. E de notar que esta simplicao da notao acarreta uma perda de informao, ca ca ca pois o erro mximo absoluto inicial, , ser sempre substitu por um seu majorante da forma a a do 0.5 10n . signicativos normalmente efectuada em dois passos: primeiro majora-se por um nmero da e u forma 0.5 10n , depois arredonda-se x para a casa decimal 10n . A passagem de uma aproximao da forma x para uma representao apenas com algarismos ca ca apenas da forma 0.5 10n e representar apenas a aproximao at ` casa decimal 10n , cando ca ea
x com um erro mximo absoluto tende a ser algo extensa e por tal pouco prtica. Uma forma a a
intervalo [2.06, 2.14]. Esta aproximaao representar-se-ia simplesmente por 2.1, signicando c agora que o valor exacto estaria no intervalo [2.05, 2.15].
Exemplo 1.3.3. A aproximaao 2.1 0.04 corresponde a dizer que o valor exacto est no c a
O exemplo seguinte mostra que por vezes necessrio considerar um majorante maior de , de e a forma a garantir que todos os valores exactos poss veis esto considerados. a Exemplo 1.3.4. A aproximaao 51.231 0.023 corresponde a dizer que o valor exacto est no c a
intervalo [51.208, 51.254]. Majorando 0.023 por 0.05 e arredondando 51.231 para as dcimas, e seramos levados a utilizar a representaao 51.2. Contudo esta representaao apenas retrata c c valores no intervalo [51.15, 51.25], no englobando todos os valores iniciais possveis, sendo por a isso invlida. Ter-se-ia ento que considerar o majorante 0.5 para o erro absoluto e representar a a a aproximaao apenas por 51, o que indicaria que o valor exacto estaria no intervalo [50.5, 51.5]. c O exemplo acima ilustra como pode ser enorme a perda de informao ao utilizar representaes ca co apenas com algarismos signicativos. Efectivamente, inicialmente sabia-se que o valor exacto estava num intervalo de largura 0.046 e no m apenas se pode concluir que ele est num intervalo a
de largura 1. Para evitar estas situaes podem utilizar-se algarismos suplementares, que se sabe co no serem signicativos, e que so representados entre parntesis. Assim, a aproximao do a a e ca exemplo acima representar-se-ia por 51.2(3), representando valores no intervalo [51.18, 51.28]. E importante no confundir esta notao com a utilizada para representar algarismos que se a ca repetem em d zimas innitas peridicas! o Exemplo 1.3.5. A tabela seguinte mostra alguns exemplos de aproximaoes em que apenas se c representam os algarismos signicativos. Em cada caso, apresentado o erro mximo absoluto, e a o menor intervalo em que se garante estar o valor exacto, o nmero de algarismos signicativos, u bem como o erro mximo relativo. a x 2.24 2.240 1.5 102 0.1 103 1 102 0.005 0.0005 5 50 50 Intervalo [2.235, 2.245] [2.2395, 2.2405] [145, 155] [50, 150] [50, 150] Algarismos signicativos 3 4 2 1 1 2.2 103 2.2 104 3.3 102 5 101 5 101
Note-se a diferena entre as duas primeiras situaoes, onde se reala a utilizaao de um zero a c c c c ` direita depois do ponto decimal para signicar a existncia de mais um algarismo signicativo e e, logo, de um erro mximo absoluto 10 vezes menor. a Este exemplo ilustra tambm que o erro mximo relativo diminui ` medida que aumenta o e a a nmero de algarismos signicativos de uma aproximao. De facto, existe uma relao entre u ca ca estas quantidades, como se mostra no teorema abaixo.
Teorema 1.3.1. Uma aproximaao com n algarismos signicativos tem um erro relativo aproc ximado inferior ou igual a 5 10n . Demonstraao. Se x uma aproximao com n algarismos signicativos, ento x da forma c e ca a e x = d1 d2 dn 10k , um erro mximo absoluto = 0.5 10k (metade da ultima casa decimal representada). a O erro mximo relativo (aproximado) satisfaz a = 0.5 10k 0.5 = = . | k |x d1 d2 dn 10 d1 d2 dn para algum k Z e com d1 = 0. De acordo com a conveno utilizada, esta aproximaao ter ca c a
Como d1 = 0 tem-se que 10n1 d1 d2 dn < 10n , concluindo-se nalmente que 0.5 = 5 10n . 10n1
1.4
Sistemas de v rgula utuante
A representao mais comum de nmeros reais em sistemas computacionais realizada em ca u e v rgula utuante. Um sistema de v rgula utuante caracterizado por 4 parmetros: a base e a de representao (), o nmero de d ca u gitos da mantissa (n) e os valores mximos e m a nimos do expoente (m e M , respectivamente). Tal sistema habitualmente representado por FP(, n, m, M ). e Assim, dizer que x FP(, n, m, M ) equivalente a ter e x = (0.d1 d2 . . . dn ) e onde e um inteiro tal que m e M , e di , para i = 1, . . . , n, so d e a gitos na base . Note-se valores absolutos menores e maiores do que a unidade. Habitualmente, os sistemas computacionais utilizam sistemas de v rgula utuante de base 2, de forma a que apenas seja necessrio utilizar os d a gitos 0 e 1. Obviamente que um sistema de v rgula utuante apenas permite representar um subconjunto nito de nmeros reais. Nestes sistemas, o conjunto de expoentes permitidos limita a gama u de valores representveis e o nmero de d a u gitos da mantissa caracteriza a preciso com que se a podem aproximar nmeros que no tenham representao exacta. u a ca Diz-se ainda que um sistema de v rgula utuante se encontra normalizado se apenas permitir representaes de nmeros cujo primeiro algarismo da mantissa seja diferente de zero, isto , co u e d1 = 0, isto para alm de permitir a representao do nmero zero. e ca u que habitualmente se tem que m < 0 < M , de forma a tornar poss representar nmeros com vel u
Independentemente de se tratar de um sistema normalizado ou no, qualquer sistema de v a rgula utuante ter a si associado o nmero diferente de zero com menor valor absoluto representvel a u a bem como o nmero com o maior valor absoluto representvel. u a Quando se utiliza um sistema de v rgula utuante, as operaes aritmticas sero realizadas soco e a bre nmeros representveis nesse sistema. Contudo, em muitas situaes o resultado da operao u a co ca no ter representao exacta nesse sistema. Desta forma o valor fornecido pelo sistema coma a ca putacional ser um valor aproximado (tipicamente obtido por arredondamento ou truncatura). a Os erros resultantes de tais aproximaes sero analisados na seco seguinte. co a ca Situaes h, todavia, em que o resultado de uma dada operao se encontra fora da gama co a ca de valores representveis, seja porque o seu valor absoluto no nulo mas inferior ao menor a e a valor absoluto representvel, seja porque o seu valor absoluto superior ao maior valor absoa e luto representvel. A primeira destas situaes designada por underow e a segunda por a co e overow. Nestes casos no aconselhvel utilizar um nmero do sistema de v a e a u rgula utuante para representar o resultado, pois o erro relativo de tal aproximao poder ser arbitrariamente ca a elevado. Por tal motivo, comum os sistemas computacionais tratarem as situaes de overe co ow e underow como situaes de erro. Rera-se tambm que muitos sistemas computacionais co e no sinalizam a ocorrncia de underow, limitando-se a fornecer o valor 0 como resultado da a e operao em causa. ca Exemplo 1.4.1. Consideremos um hipottico sistema de vrgula utuante FP(10, 3, 10, 30) e x = 0.200 108
normalizado. Sejam ainda os nmeros u
z = 0.600 1028 todos com representaao exacta neste sistema. c O resultado da operaao x y c e 0.8 1014 .
y = 0.400 105
Este resultado no representvel no sistema considerado por o expoente ser inferior ao menor a e a expoente representvel. De facto o menor nmero positivo representvel 0.1 1010 . Assim a a u a e operaao x y resulta numa situaao de underow. c c O resultado da operaao z/x c e 0.3 1037 . Este valor superior ao maior valor (positivo) representvel no sistema considerado, que , e a e 0.999 1030 . Verica-se assim que a operaao z/x resulta numa situaao de overow. c c Do exposto acima, pode facilmente concluir-se que a implementao de um sistema de v ca rgula utuante pode ser bastante complexa, sendo necessrio denir, para alm dos parmetros a e a
(, n, m, M ), os algoritmos que implementam as operaes aritmticas bsicas, a forma como co e a so aproximados os resultados que no possuem representao exacto, o tratamento de situaes a a ca co de underow e overow, entre outros. Assim, diferentes verses de um mesmo sistema de v o rgula utuante FP(, n, m, M ), podem diferir em termos de implementao de arredondamentos, traca tamento de excepes, entre outros. De tal, facto resulta que as mesmas operaes aritmticas, co co e com os mesmos dados de entrada, possam produzir resultados diferentes, mesmo quando ` a partida se cr estar a usar o mesmo sistema de v e rgula utuante. Este facto pode ser bastante desvantajoso, nomeadamente em termos de repetibilidade de resultados, portabilidade de cdigo de computao numrica e validao de resultados. Como resposta a estas desvantagens o ca e ca surgiu em 1985 a norma IEEE 754 que dene formatos para precises simples, dupla e esteno dida, bem como directrizes de implementao dos procedimentos de clculo, arredondamentos ca a e tratamento de excepes. Esta norma tem vindo a ser adoptada pelos fabricantes de sistemas co computacionais.
1.5
Aritmtica em representaes nitas e co
O clculo de uma expresso envolvendo mltiplas operaes aritmticas realizadas utilizando a a u co e representaes nitas deve ser efectuado com algum cuidado. De facto, a necessidade de guardar co resultados intermdios, obviamente utilizando uma representao nita, faz com que se cometam e ca diversos erros de arredondamento desses resultados intermdios, erros esses que se podem ir e acumulando ` medida que os clculos progridem, podendo resultar em elevados erros no resultado a a nal. Um dos pontos a considerar advm do facto de operaes aritmticas que habitualmente gozam e co e de associatividade (como a soma e a multiplicao) poderem perder essa propriedade quando se ca trabalha em representaes nitas. O exemplo seguinte ilustra este efeito. co Exemplo 1.5.1. Calcular 0.5 + 0.024 + 0.012 utilizando 2 dgitos em vrgula utuante. a) Somando da esquerda para a direita (0.50 100 + 0.24 101 ) + 0.12 101 (0.50 100 + 0.02 100 ) + 0.12 101 0.52 100 + 0.01 100 0.53 100
b) Somando da direita para a esquerda 0.50 100 + (0.24 101 + 0.12 101 ) 0.50 100 + 0.36 101 0.50 100 + 0.04 100 0.54 100
Utilizando aritmtica exacta o resultado seria sempre 0.536. e
10
Este exemplo mostra que ao somar nmeros de magnitudes diferentes podero ser perdidos u a algarismos menos signicativos do nmero de menor magnitude, sendo o resultado afectado de u um erro. Este problema poder ocorrer tambm ao somar sequencialmente um elevado nmero de parcelas a e u de magnitudes semelhantes e com o mesmo sinal: de facto, a magnitude da soma parcial poder a tornar-se elevada face ` das parcelas, originando erros no processo de soma. Tal efeito pode a tornar-se muito nefasto, fazendo com que o resultado nal obtido com aritmtica nita esteja e muito longe do verdadeiro valor. Por exemplo, se numa mquina com 4 d a gitos de mantissa tentarmos somar sequencialmente um milho de parcelas de valor 1, obtemos como resultado a nal o valor 104 , e no 106 ! Efectivamente, nessa mquina hipottica, a soma de 104 com 1 a a e resulta em 104 . Este problema poder ser evitado quer utilizando mquinas com preciso (leiaa a a se nmero de d u gitos da mantissa) suciente, ou ento, organizando os clculos de uma forma a a alternativa, por exemplo, somando as parcelas duas a duas, e depois tais somas novamente duas as duas, etc. Outro caso que necessrio ter em ateno a subtraco de dois nmeros quase iguais. Aqui, e a ca e ca u o resultado poder ter um erro mximo absoluto da sua ordem de grandeza, originando um a a erro relativo elevado. Este fenmeno de perda de algarismos signicativos designado por o e cancelamento subtractivo. Exemplo 1.5.2. Efectuar a subtracao 2.034 2.016 utilizando 3 dgitos em vrgula utuante. c Resoluo ca Em primeiro lugar necessrio representar os nmeros em questo apenas com 3 dgitos. Are a u a redondando os dois nmeros dados para 3 algarismos obtm-se 2.03 e 2.02, respectivamente. O u e resultado aproximado da subtracao, utilizando os nmeros arredondados x = 0.01. c u e O valor exacto da subtracao 0.018, pelo que o erro absoluto de x 0.008 e o seu erro relativo c e e 44%, aproximadamente. e O cancelamento subtractivo pode levar a resultados com elevados erros relativos que so sempre a indesejveis. No entanto, por vezes poss dispor os clculos de forma a evitar tal cancelaa e vel a mento. Exemplo 1.5.3. Seja x 1 e y = equivalente y= permite calcular y, evitando tal fenmeno. o x+1 x. O clculo de y pela expresso dada pode a a
originar um erro relativo elevado devido ao cancelamento subtractivo. Contudo, a expresso a 1 x+1+ x
11
1.6
Propagao de erros no clculo de funes ca a co
Nesta seco iremos analisar como se propagam os erros de aproximao no clculo de funes. ca ca a co Abordaremos primeiro o caso de uma funo real de varivel real e posteriormente o caso de ca a uma funo real de varivel vectorial. ca a conhecendo uma aproximao x de x, que valor y considerar para aproximar y = f (x) e como ca relacionar os erros de aproximao de x e de y ? ca No caso de a funo f ser cont ca nua verica-se que ` medida que x se aproxima de x mais o a valor f (x ) se aproxima de f (x). Nesta situao, que a mais usual, pode utilizar-se o valor ca e y = f (x ) como aproximao de y = f (x). ca Seja ento f : R R. A situao que iremos tratar pode descrever-se do seguinte modo: a ca
y* y x x*
Figura 1.2: f (x ) aproximao de f (x). ca Para alm da determinao do valor aproximado de y = f (x ), interessa tambm caracterizar e ca e o erro cometido nesta aproximao, ou melhor, relacionar este erro com o erro de aproximao ca ca . E claro que o erro y = y y depender do erro x = x x e tambm da de x por x a e funo f em questo. De facto, o erro de aproximao y obtido pela expresso ca a ca e a y = y y = f (x) f (x ) = f (x + x ) f (x ). Se a funo f for continuamente diferencivel, a aplicao do teorema do valor mdio permite ca a ca e escrever f (x + x ) f (x ) = f () x x para algum x entre x e x + x . Obtm-se ento que e a y = f () x , x ou ainda, |y | = |f ()| |x |. x (1.6.1)
12
f y* y x x* y* y x
x*
Funo de variao lenta ca ca
Funo de variao rpida ca ca a
Figura 1.3: Inuncia de f na propagao de erros. e ca Sendo x um majorante para |x | conclui-se que |y | |f ||max x . Ento, o valor a y = |f ||max x um majorante para o erro absoluto da aproximao y de y. Nesta expresso, o valor mximo e ca a a de |f | determinado no intervalo [x x , x + x ]. e Exemplo 1.6.1. Calcular um valor aproximado de y = sin x e o correspondente erro mximo a absoluto quando x 0.57 (isto , x = 0.57 0.005). e Resoluo ca Um valor aproximado ser y = sin x = sin 0.57 0.5396. a O erro mximo absoluto ser a a y max
x
dy x = max |cos x| x x dx
No intervalo em questo, a funao cos positiva e decrescente. Ento a c e a y cos(0.57 0.005) 0.005 4.2 103 Finalmente tem-se que y = 0.5396 4.2 103 , ou ainda, y 0.54 5 103 . Partindo da equao (1.6.1) pode escrever-se que ca |y | f ()x |x | x = |y| y |x| permitindo obter o majorante para o erro relativo de y = f (x ) dado por = f (x) y onde = x
x |x| ,
x f (x)
max
e o mximo de a
xf (x) f (x)
determinado no intervalo [x x , x + x ]. e
13
Dados x R e uma funo f , o nmero de condio de f em x denido como sendo ca u ca e xf (x) . f (x) Este valor pode ser utilizado para avaliar a perda ou o ganho de algarismos signicativos no clculo de uma funo, uma vez que caracteriza a ampliao ou reduo do erro relativo. Quando a ca ca ca o nmero de condio for reduzido a funo diz-se bem condicionada. Quando o nmero de u ca ca u condio for elevado a funo diz-se mal condicionada e o erro relativo amplicado. ca ca e Exemplo 1.6.2. Quantos dgitos signicativos se podem perder no clculo da funao y = tan(x) a c quando x est prximo de 1? E quando x est prximo de 1.5? a o a o Resoluo ca Como
dy dx
= 1 + tan2 (x) tem-se que dy x dx y

x=1
(1 + tan2 (x)) x tan(x)

x=1
1 + tan2 (1) 2.2 > 1 tan(1)
podendo perder-se um dgito signicativo. Repetindo os clculos para x = 1.5, obter-se-ia a poderiam perder at 2 dgitos signicativos. e
dy dx
x y
21, concluindo-se que em tal caso se
Passemos agora a analisar o caso em que y depende de diversas variveis, isto , quando y = a e f (x1 , x2 , . . . , xn ), onde f uma funo de R em Rn , que se considera continuamente diferencivel. e ca a Para cada i = 1, . . . , n, seja x , um valor aproximado de xi , com erro mximo absoluto xi . a i Nestas condies verica-se que co y = f (x , x , . . . , x ) 1 2 n ser um valor aproximado de y = f (x1 , x2 , . . . , xn ) com erro mximo absoluto a a
n
y =
i=1
f xi
max
xi ,
onde cada um dos mximos das derivadas parciais de f em relao `s diversas variveis indea ca a a pendentes determinado em e
n i=1 [xi
xi , xi + xi ].
n
E tambm poss obter o erro relativo mximo para y dado por e vel a y =
i=1
f xi xi f
max
i . x
Nesta expresso, considera-se que i um majorante do erro relativo de x , para i = 1, . . . , n. As a x e i maximizaes so ainda realizadas no conjunto indicado acima, tomando-se agora xi = i |xi |. co a x
14
Exemplo 1.6.3. O erro mximo absoluto no clculo de s = a + b pode ser obtido a partir dos a a erros mximos absolutos em a e b da seguinte forma a s = s a a + s b b = a + b .
max
max
Exemplo 1.6.4. O erro mximo relativo no clculo de w = xyz, pode ser obtido a partir dos a a erros mximos relativos em x, y e z da seguinte forma a = w w x w y w z + + x w max x y w max y z w max z x y z = yz + xz + xy x y xyz max xyz max xyz max z = + + . x y z A terminar esta exposio conveniente salientar a importncia de nas expresses de propagao ca e a o ca de erros absolutos e relativos se considerar o valor mximo poss para o factor de amplicao a vel ca (ou reduo do erro). Efectivamente, s esta maximizao garante que se conseguem obter ca o ca majorantes para os erros nas variveis dependentes a partir dos erros nas variveis independentes. a a Contudo, em anlises mais simplicadas da propagao de erros apenas se considera o valor de a ca tal factor num ponto (normalmente o valor aproximado da varivel independente). Este tipo de a anlise por vezes suciente pois nem sempre interessa conhecer um majorante do erro, mas a e apenas a sua ordem de grandeza.
1.7
Clculo de sries e erro de truncatura a e
Por vezes a determinao de um certo valor envolve a realizao de uma sucesso innita de ca ca a operaes. O erro cometido quando se toma uma aproximaao resultante da realizao de um co c ca nmero nito de operaes designa-se erro de truncatura. u co Um dos casos em que se surge o erro de truncatura no caso da aproximao da soma S de uma e ca srie convergente e Rn = S S n . No caso geral no simples determinar o nmero de termos a somar para calcular o valor da a e u srie com um dado erro mximo pretendido. H contudo um tipo de sries, as sries alternadas, e a a e e em que esta tarefa bastante simples, como refere o teorema seguinte. e Teorema 1.7.1. Considere-se a sucesso {an } decrescente e de termos no negativos, ou a a n=0 seja, a0 a1 . . . an . . . 0. Esto a srie a e S. Verica-se ainda que a soma parcial Sn =
i e i=0 (1) ai convergente n i a verica a relaao c i=0 (1) i i=0 ai n i=0 ai .
pela soma parcial Sn =
Neste caso, o erro de truncatura ser a
para um nmero u
|S Sn | an+1 ,
15
ou seja, o erro de truncatura , em valor absoluto, inferior ou igual ao primeiro termo no e a considerado. Exemplo 1.7.1. A srie alternada e 1 convergente para o valor e
4.
1 1 1 1 + + 3 5 7 9
Determinar quantos termos so necessrios para calcular este a a
valor com um erro inferior a 104 . Resoluo ca O termo geral desta srie e e
(1)n 2n+1 ,
para n = 0, 1, . . .. Para se garantir o erro pretendido, o 1 104 2n + 1
primeiro termo a no considerar dever satisfazer a a
de 0 at 4999. e
ou seja, n 4999.5. Como n inteiro far-se- n = 5000, pelo que se devero somar os termos e a a
O erro de truncatura particularmente importante quando se efectua a aproximao de uma e ca funo por polinmios de Taylor, reduzindo assim o seu clculo ` realizao de operaes de ca o a a ca co soma, subtraco, multiplicao e diviso, que so as operaes aritmticas elementares ` custa ca ca a a co e a das quais todos os clculos numricos so realizados. a e a O desenvolvimento de Taylor de uma funo f em torno do ponto x0 permite escrever ca f (x) = f (x0 ) + f (x0 )(x x0 ) + + f (n) (x0 ) Px0 ,n (x) onde Rx0 ,n (x) = f (n+1) (x0 + (x x0 )) (xx0 ) (n+1)!
n+1
(x x0 )n n!
+ Rx0 ,n (x)
para algum [0, 1].
O erro de truncatura na aproximao f (x) Px0 ,n (x) dado pelo resto de Taylor Rx0 ,n (x). Se ca e
n+
quanto se queira, bastando para tal considerar um nmero sucientemente elevado de termos. u
se vericar que Rx0 ,n (x) 0 a aproximao por polinmios de Taylor pode ser to boa ca o a
Exemplo 1.7.2. Considere aproximaoes da funao ex no intervalo [2, 2] dadas por polinmios c c o de Taylor. Qual dever ser o grau do polinmio a utilizar se se pretender que o erro absoluto a o devido ` truncatura da srie seja inferior a 5 105 ? a e Resoluo ca O desenvolvimento de Taylor em torno de 0 e ex = 1 + x +
x onde Rn (x) = ex (n+1)! , para [0, 1].
n+1
x2 xn + + + Rn (x), 2 n!
16
O erro absoluto devido ` truncatura pode ser majorado da seguinte forma a trunc = |Rn (x)| = ex uma vez que [0, 1] e x [2, 2]. Calculando estes majorantes para alguns valores de n, obtm-se os seguintes valores e n
2 8 (n+1)!
n+1
xn+1 2n+1 8 (n + 1)! (n + 1)!
10 4.1 104 11 6.8 105 12 1.1 106 13 1.5 107 polinmio de grau 12. o Conclui-se ento que para n = 12 se tem trunc 1.0 105 , devendo-se portanto utilizar um a
Cap tulo 2
Equaes No Lineares co a
2.1 Introduo ca
Neste cap tulo iremos estudar alguns mtodos para a resoluo numrica de equaes algbricas e ca e co e no lineares, isto , equaes que se possam escrever na forma f (x) = 0, onde f uma funo a e co e ca real de varivel real. Todo o valor s que anula f , isto , tal que f (s) = 0, designa-se por zero a e da funo f ou soluo da equao f (x) = 0. ca ca ca
f(x)
x
Figura 2.1: Zeros de uma funo ca Perante uma equao do tipo f (x) = 0, antes de tentar aplicar um qualquer mtodo de resoluo, ca e ca importante garantir que de facto a equao tenha soluo, ou seja, que existe um real s tal e ca ca que f (s) = 0. Muitas vezes importa tambm determinar se a soluo unica, ou se existem e ca e diferentes solues e, neste caso, saber qual ou quais importa determinar. co Os mtodos de resoluo de uma equao do tipo f (x) = 0 podem dividir-se em dois grandes e ca ca grupos: mtodos directos e mtodos iterativos. e e Nos primeiros, a equao resolvida por intermdio de expresses que envolvem a funo f . As ca e e o ca solues da equao so determinadas de uma forma exacta aps um nmero nito de operaes co ca a o u co (supondo a utilizao de aritmtica exacta). Estes mtodos apenas se aplicam a alguns tipos de ca e e problemas. Um exemplo a frmula resolvente de equaes do 2o grau. e o co 17
Cap tulo 2. Equaoes No Lineares c a
18
Os mtodos iterativos caracterizam-se por gerarem sucesses convergentes para as solues da e o co equao a resolver. Estes mtodos distinguem-se entre si pela forma como so geradas as suca e a cesses de solues aproximadas. Os mtodos iterativos so aplicveis vastas gamas de probleo co e a a mas. Contrariamente aos mtodos directos, que exigem formas bem espec e cas da funo f (por ca exemplo, funes ans, quadrticas, etc.), a aplicaao de mtodos iterativos exige apenas a co a c e satisfao de condies sobre propriedades mais gerais da funo f , como sejam continuidade, ca co ca monotonia, diferenciabilidade, ou limites inferiores ou superiores de derivadas. Tipicamente, a aplicao de um mtodo iterativo parte de uma estimativa inicial, x0 , da ca e soluo a determinar. Por aplicao de um procedimento bem denido, vo sendo gerados os ca ca a termos de uma sucesso de estimativas {xn } que se pretende que convirja para a soluo s prea ca tendida. Em cada iterao calculado um termo da sucesso, ou seja, uma nova estimativa, ca e a xk , ` custa da estimativa anterior, xk1 , por intermdio de uma regra que caracteriza o mtodo. a e e Este processo iterativo terminado assim que a estimativa xk satisfaz um dado critrio de e e paragem (por exemplo xk estar prximo de s ou f (xk ) ser prximo de 0) ou aps um nmero o o o u mximo de iteraes ou tempo de processamento. a co
valor inicial 1a iterao ca
x0 x1
: : :
f (x0 ) = 0 f (x1 ) = 0 f (x2 ) = 0
2a iterao ca
x2
. . .
iterao k ca xk
f (xk ) 0 ou xk s
Figura 2.2: Aplicao de um mtodo iterativo ca e Quando se pretendem determinar mltiplas solues de uma equao, ser necessrio aplicar o u co ca a a mtodo iterativo para cada uma das solues a calcular. Estas aplicaes devero necessariae co co a mente partir de estimativas iniciais x0 diferentes. A aplicao bem sucedida de um mtodo iterativo para a determinao de uma soluo da ca e ca ca equao f (x) = 0 envolve um conjunto de questes que interessa analisar. A mais importante ca o destas prende-se com a convergncia da sucesso das estimativas {xn } gerada pelo mtodo. Como e a e iremos ver, poss estabelecer condies, associadas a cada mtodo, que uma vez satisfeitas e vel co e garantem que a sucesso gerada converge para a soluo da equao pretendida. Estas condies a ca ca co
19
so designadas por condies sucientes de convergncia. E claro que existem situaes em que a co e co os mtodos produzem sucesses convergentes para a soluo sem que as condies sucientes e o ca co sejam satisfeitas, mas . . . ser que vale a pena arriscar? a Outro aspecto a considerar j referido critrio de paragem. Uma vez que normal apenas se e a e e a partir de uma dada iterao. O critrio de paragem no mais do que uma regra, a avaliar ca e a e calcular novas estimativas. Em abstracto devemos terminar a aplicao do mtodo iterativo ca e assim que a estimativa da iterao k, xk , esteja sucientemente prxima da soluo s, de acordo ca o ca com uma tolerncia denida. Note-se que que como s no conhecido, para aplicar este tipo de a a e critrio ser necessrio proceder a uma majorao do erro de aproximao. Uma possibilidade e a a ca ca terminar a aplicao do mtodo assim que f (xk ) seja sucientemente prximo de zero. Como e ca e o Nas implementaes computacionais dos mtodos iterativos ainda usual estabelecer um nmero co e e u mximo de iteraes ao m das quais o mtodo terminado, mesmo que no se verique qualquer a co e e a outro critrio de paragem. e Finalmente, mas no de menor importncia, h a considerar a maior ou menor rapidez de a a a convergncia da sucesso {xn } para a soluo pretendida s. De uma forma simplista, a rapidez e a ca do ndice de iterao k. Como iremos ver, esta evoluo depende do mtodo aplicado e tambm ca ca e e de convergncia medida atravs da evoluo do erro de aproximao ek = s xk em funo e e e ca ca ca das propriedades da funo f que dene a equao f (x) = 0. ca ca Antes de iniciar a exposio dos diferentes mtodos iterativos, apresenta-se um resultado que ca e relaciona o valor de uma funo num ponto com a distncia desse ponto ao zero da funo, que ca a ca ser unico nas condies do teorema. a co Teorema 2.1.1. Seja f uma funao continuamente diferencivel no intervalo [a, b]. Suponha-se c a que m1 = min[a,b] |f ()| > 0 e tambm que existe s [a, b] tal que f (s) = 0. Ento e a |s x| |f (x)| m1 x [a, b]. se ver, muitas vezes poss relacionar o erro de aproximao s xk com o valor de f (xk ). a e vel ca garantir que a sucesso {xn } converge para a soluo s, no de supor que se tenha xk = s a ca a e
em cada iterao, que permite decidir se se pra na estimativa mais actual ou se continua a ca a
Demonstraao. Sendo x [a, b], o teorema do valor mdio permite armar que c e f (s) f (x) = f ()(s x) para algum entre x e s. Ento [a, b] e, uma vez que f (s) = 0, verica-se a |f (x)| = |f ()| |s x| m1 |s x|, obtendo-se o resultado pretendido, pois m1 > 0.
20
Repare-se que a partir deste teorema imediata a obteno de um critrio de paragem. De facto e ca e aproximao xk est majorado por . Contudo necessrio conhecer um minorante em valor ca a e a absoluto no nulo da derivada da funo (m1 ). a ca se se parar a aplicao do mtodo assim que |f (xk )| m1 , garante-se que o erro absoluto da ca e
2.2
Mtodo das bisseces sucessivas e co
Consideremos uma funo f cont ca nua um intervalo [a, b] e tal que f (a) e f (b) possuem sinais diferentes. O teorema dos valores intermdios permite armar que existe um nmero s no e u intervalo [a, b] tal que f (s) = 0. Para simplicar a exposio vamos supor que tal nmero s ca u e unico. O mtodo das bisseces sucessivas parte do intervalo inicial [a, b] que se sabe conter o zero de e co f , suposto unico. Em cada iterao produzido um intervalo com metade do comprimento do ca e intervalo actual. Para tal, divide-se o intervalo actual a meio e escolhe-se o subintervalo esquerdo ou direito de forma a que a funo tenha sinais diferentes nos extremos do subintervalo escolhido. ca Ou seja, sendo [an , bn ] o intervalo na iterao n, calcula-se xn+1 = ca s [an , bn ] em qualquer iterao. ca
an +bn 2 .
O valor xn+1 substitui
an ou bn consoante f (xn+1 )f (bn ) < 0 ou f (xn+1 )f (an ) < 0. Desta forma, assegura-se que
f(x)
a x1 b x
Figura 2.3: Bisseces sucessivas co Mtodo das bissecoes sucessivas e c Inicializao [a0 , b0 ] = [a, b] ca 1. Repetir 2. xn+1 =
an +bn 2 ;
Se f (xn+1 )f (an ) < 0 Ento an+1 = an ; bn+1 = xn+1 ; a Seno an+1 = xn+1 ; bn+1 = bn ; a
At e
vericar critrio de paragem e
21
O teorema seguinte estabelece condies sucientes para a convergncia do mtodo das bisseces co e e co sucessivas. Teorema 2.2.1. Seja f contnua em [a, b] tal que f (a)f (b) 0, e seja s o unico zero de f nesse intervalo. Ento, o mtodo das bissecoes sucessivas gera uma sucesso convergente para s. a e c a
Demonstraao. A sucesso {an } crescente e limitada e a sucesso {bn } decrescente e limitada, c a e a e pelo que so ambas convergentes. a Como se verica que bn an =
an +bn 2 ba 2n ,
Como xn+1 =
tem-se tambm que lim xn = z. e
conclui-se que lim an = lim bn = z, para algum z [a, b].
tem-se que [f (z)]2 0, o que implica que f (z) = 0, ou seja, z = s, uma vez que s , por hiptese, e o o unico zero de f em [a, b].
an +bn 2 ,
A aplicao do mtodo garante que f (an )f (bn ) 0, para todo o n. Ento, como f cont ca e a e nua
Uma vez que s [an , bn ] e xn+1 =
verica-se facilmente que ba bn an = n+1 2 2
|s xn+1 |
Pode ento armar-se que o erro absoluto da estimativa xn est majorado por a a ba . 2n O nmero de iteraes sucientes para garantir um erro absoluto no superior a pode ser u co a calculado fazendo
ba 2n
obtendo-se o valor n log2 ba .
O exemplo seguinte ilustra a aplicao deste mtodo. ca e Exemplo 2.2.1. Determinar uma aproximaao com um erro absoluto inferior a 5 103 da c (nica) soluao da equaao 1 + x + ex = 0 que se sabe estar no intervalo [2, 1]. u c c Resoluo ca Vericaao de condioes de convergncia c c e A funao f (x) = 1 + x + ex montona, f (2) = 0.865 < 0, e f (1) = 0.368 > 0. c e o Determinaao do nmero de iteraoes c u c Como se pretende uma preciso de 5 103 deve-se escolher n tal que a n > log2 1 (2) n > 7.6 n = 8 5 103
1 28
Efectuando 8 iteraoes a partir de [2, 1] tem-se um erro mximo absoluto de c a
4 103 .
22
Iteraoes c Partindo do intervalo [2, 1], temos na primeira iteraao, c 2 + (1) = 1.5 2 f (1.5) = 0.277 x1 = Como f (1.5) f (2) > 0 o novo intervalo ser [1.5, 1]. a Na segunda iteraao temos c x2 = 1.5 + (1) = 1.25 2 f (1.25) = 0.037
Como f (1.25) f (1.5) < 0 o novo intervalo ser [1.5, 1.25]. a A tabela seguinte apresenta os valores resultantes da aplicaao do mtodo para as 8 iteraoes c e c necessrias. a
n 0 1 2 3 4 5 6 7 an f (an ) bn f (bn ) xn+1 f (xn+1 ) 0.277 +0.037 0.122 0.043 0.004 +0.016 +0.006 +0.001 2.000 0.865 1.000 +0.368 1.500 1.500 0.277 1.000 +0.368 1.250 1.500 0.277 1.250 +0.037 1.375 1.375 0.122 1.250 +0.037 1.313 1.313 0.043 1.250 +0.037 1.281 1.281 0.004 1.250 +0.037 1.266 1.281 0.004 1.266 +0.016 1.273 1.281 0.004 1.273 +0.006 1.277
Soluao c A soluao da equaao ser s = 1.277 4 103 , ou seja, s [1.281, 1.273]. c c a
2.3
Mtodo da falsa posio (regula falsi ) e ca
O mtodo da falsa posio (tambm designado por regula falsi ) permite tambm determinar o e ca e e zero (suposto unico) de uma funo f cont ca nua num intervalo [a, b] que toma valores com sinais opostos nos extremos desse intervalo. A hiptese de existncia de apenas um zero em [a, b] visa o e apenas facilitar a exposio. ca Este mtodo anlogo ao mtodo das bisseces, sendo em cada iterao o intervalo [an , bn ] e e a e co ca dividido em duas partes. No entanto, a diviso do intervalo feita no ponto xn+1 , correspondente a e a ` interseco com o eixo dos xx da recta que passa pelos pontos (an , f (an )) e (bn , f (bn )). Partindo ca da equao ca y = f (an ) + f (bn ) f (an ) (x an ) bn a n
23
da recta que une os referidos pontos, conclui-se facilmente que xn+1 = an f (bn ) bn f (an ) f (bn ) f (an )
E de notar que sendo f (an )f (bn ) < 0 se tem que xn+1 ]an , bn [. Na iterao seguinte utilizado o subintervalo [an , xn+1 ] ou o subintervalo [xn+1 , bn ], consoante ca e se verique que f (an )f (xn+1 ) < 0 ou f (xn+1 )f (bn ) < 0. No caso (dif de detectar) de cil f (xn+1 ) = 0, a aplicao do mtodo pararia nessa iterao! ca e ca
f(x)
an
xn+1 bn
Figura 2.4: Mtodo da falsa posio e ca O mtodo da falsa posio corresponde a aproximar a funo pela recta secante nos extremos e ca ca do intervalo e a utilizar o zero de recta como estimativa do zero da funo (da o seu nome). ca Esta aproximao tanto mais razovel quanto mais o grco de f se aproximar de uma recta, ca e a a ou seja, f variar pouco (isto no caso de f ser diferencivel). a Mtodo da falsa posio e ca Inicializao [a0 , b0 ] = [a, b] ca 1. Repetir 2. xn+1 =
an f (bn )bn f (an ) f (bn )f (an ) ;
Se f (xn+1 )f (an ) < 0 Ento an+1 = an ; bn+1 = xn+1 ; a Seno an+1 = xn+1 ; bn+1 = bn ; a
At e
O teorema seguinte estabelece condioes sucientes para a convergncia do mtodo da falsa c e e posio. ca Teorema 2.3.1. Se a funao f for contnua e estritamente montona no intervalo [a, b] e se c o zero de f nesse intervalo. f (a)f (b) 0, ento o mtodo da falsa posiao produz uma sucesso convergente para o unico a e c a
24
No mtodo da falsa posio, no poss e ca a e vel, de um modo geral, determinar antecipadamente um nmero de iteraes que garanta uma dada preciso na aproximao do zero da funo. u co a ca ca Assim, quando se pretende determinar o valor do zero com um dado erro mximo absoluto a necessrio calcular estimativas do erro ao longo das iteraes para vericar a satisfao da e a co ca preciso requerida. a O teorema seguinte apresenta uma forma de determinar um majorante do erro de aproximao. ca Teorema 2.3.2. Seja f uma funao continuamente diferencivel no intervalo [a, b] e tal que c a m1 > 0. relaao c |s xn+1 | f (a)f (b) 0. Denam-se m1 = min[a,b] |f ()| e M1 = max[a,b] |f ()|, e suponha-se que
Ento, o erro de aproximaao de s, unico zero de f em [a, b], pela estimativa xn+1 satisfaz a a c M1 m1 |xn+1 xn |. m1
O estabelecimento de um critrio de paragem com base no majorante do erro denido atrs, e a pode ser feito como se indica em seguida. Aps a determinao da estimativa xn+1 (de acordo o ca com a expresso do mtodo da falsa posio) calculado do majorante do erro absoluto de xn+1 a e ca e n+1 = M1 m1 |xn+1 xn | m1
parando-se a aplicao do mtodo assim que este majorante seja inferior a um dado valor preca e tendido. Para a utilizao deste critrio de paragem necessrio determinar os valores m1 e M1 ca e e a antes de iniciar a aplicao do mtodo. E tambm importante notar que por vezes a estimativa ca e e do erro dada por este majorante poder ser algo pessimista, sendo o erro absoluto em xn+1 a bastante inferior a n+1 . Alternativamente, pode tambm estabelecer-se um critrio de paragem com base no majorante e e do erro de aproximao fornecido pelo teorema 2.1.1. ca O exemplo seguinte ilustra a aplicao do mtodo da falsa posio ` equao j resolvida pelo ca e ca a ca a mtodo das bisseces sucessivas. e co Exemplo 2.3.1. Utilizar o mtodo da falsa posiao para determinar uma aproximaao, com e c c um erro absoluto inferior a 5 103 , do (nico) zero da funao f (x) = 1 + x + ex . u c Resoluo ca Convergncia e intervalo inicial e f estritamente montona e f (2)f (1) < 0, logo o mtodo converge. e o e Estimaao do erro c f (x) = 1 + ex m1 = minx[2,1] |f (x)| = 1.1353 M1 = minx[2,1] |f (x)| = 1.3679
25
n = 0.205 |xn+1 xn |
Iteraoes Para o intervalo [2, 1] temos c f (2) = 0.865 f (1) = 0.368 pelo que teremos x1 = (2) f (1) (1) f (2) = 1.298. f (1) f (2)
Como o critrio de paragem exige o conhecimento de duas estimativas consecutivas devemos e prosseguir as iteraoes. Sendo f (x1 ) = 2.55 102 , o novo intervalo ser [1.298, 1]. c a Para a segunda iteraao temos ento c a x2 = (1.298) f (1) (1) f (1.298) = 1.297. f (1) f (1.298)
O majorante o erro de aproximaao ser c a 2 = 0.205|x2 x1 | = 4 103 . ser x2 . a Como 2 5 103 , o critrio de paragem est satisfeito, pelo o valor aproximado da soluao e a c
A tabela seguinte apresenta os valores relevantes das iteraoes efectuadas. c

n 0 1 an f (an ) bn f (bn ) xn+1 f (xn+1 ) n+1 +4.0 103
2.000 0.865 1.000 +0.368 1.298 2.55 102 1.298 0.026 1.000 +0.368 1.279 8.22 104
Soluao c A soluao aproximada ser ento s 1.279, c a a com um erro absoluto mximo de 4.0 103 . a
Neste caso, o mtodo da falsa posio demonstrou ser bastante mais eciente que o mtodo das e ca e bisseces sucessivas. No entanto, este comportamento nem sempre se verica, como se pode co constatar pelo exemplo seguinte. e Exemplo 2.3.2. A determinaao do zero de x+ ex 5 no intervalo [0, 1.3] pelo mtodo da falsa c
5
do erro foi efectuada de acordo com o teorema 2.1.1).
posiao, com um erro mximo de 5 103 , conduziu aos seguintes resultados (onde a majoraao c a c
26
n 0 1 2 3 4 5 50 51 52
an +0.000 +0.126 +0.237 +0.334 +0.420 +0.497 +1.065 +1.065 +1.065
f (an ) 4.000 3.874 3.763 3.662 3.566 3.472 0.008 0.007 0.006
bn +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.300
f (bn ) +37.274 +37.274 +37.274 +37.274 +37.274 +37.274 +37.274 +37.274 +37.274
xn+1 +0.126 +0.237 +0.334 +0.420 +0.497 +0.566 +1.065 +1.065 +1.065
f (xn+1 ) 3.87 3.76 3.66 3.57 3.47 3.37 6.64 103 5.54 103 4.63 103
n+1 +3.87 +3.76 +3.66 +3.57 +3.47 +3.37 +6.64 103 +5.54 103 +4.63 103
Analisando os resultados, verica-se que o extremo superior do intervalo permanece constante e o extremo inferior converge para o zero de f . Aplicando o mtodo das bissecoes sucessivas ao mesmo problema, garante-se o mesmo erro e c mximo apenas em 9 iteraoes! a c
n 0 1 2 3 4 5 6 7 8 an +0.000 +0.650 +0.975 +0.975 +1.056 +1.056 +1.056 +1.056 +1.061 f (an ) 4.000 3.227 1.611 1.611 0.220 0.220 0.220 0.220 0.094 bn +1.300 +1.300 +1.300 +1.138 +1.138 +1.097 +1.077 +1.066 +1.066 f (bn ) +37.274 +37.274 +37.274 +2.853 +2.853 +0.990 +0.323 +0.038 +0.038 xn+1 +0.650 +0.975 +1.138 +1.056 +1.097 +1.077 +1.066 +1.061 +1.064 f (xn+1 ) 3.227 1.611 +2.853 0.220 +0.990 +0.323 +0.038 0.094 0.029
A convergncia lenta do mtodo da falsa posio patente no exemplo acima est relacionada e e ca a com o facto de um dos extremos do intervalo que contm a soluo permanecer inalterado, ` e ca a medida que o outro extremo vai convergindo (lentamente) para a soluo pretendida, como se ca ilustra na gura.
y
1.3
x1 x2 x3
Figura 2.5: Convergncia lateral do mtodo da falsa posio e e ca
27
Fb
Fb /2 Fb /4 a x1 x2 x3 x4 b
f (x)
Figura 2.6: Mtodo da falsa posio modicado e ca O teorema seguinte justica este tipo de comportamento caracter stico do mtodo da falsa e posio. ca Teorema 2.3.3. Se a funao f for estritamente montona e duplamente diferencivel no inc o a tervalo [a, b], se f (a)f (b) 0 e se o sinal de f no variar em [a, b], ento a sucesso produzida a a a se verica que um dos extremos do intervalo permanece inalterado. Sempre que se verica este comportamento, o mtodo da falsa posio no fornece uma sucesso e ca a a de intervalos com largura a convergir para zero, contrariamente ao mtodo das bisseces sue co cessivas. Assim, no poss obter uma estimativa para o erro de aproximao apenas com e a e vel ca base na largura do intervalo utilizado em cada iterao. Note-se que este efeito de convergncia ca e lateral verica-se em muitas situaes, pois sendo f cont co nua, se f (s) = 0, ento existe uma a vizinhana de s em que f no troca de sinal! c a O mtodo da falsa posio modicado constitui uma alternativa ao mtodo da falsa posio e ca e ca que procura evitar este tipo de comportamento. Este mtodo em tudo anlogo ao da falsa e e a posio, excepto que sempre que f (xn )f (xn+1 ) > 0 o valor da ordenada do extremo do intervalo ca que se mantm constante divido por 2. Procura-se desta forma evitar que um dos extremos e e do intervalo permanea xo durante todo o processo iterativo. c O teorema seguinte apresenta condies sucientes para a convergncia do mtodo da falsa co e e posio modicado. Estas condies so em tudo anlogas `s apresentadas para o mtodo da ca co a a a e falsa posio. ca Teorema 2.3.4. Se f for contnua, estritamente montona e tiver sinais contrrios nos extre o a mos de um intervalo [a, b], a sucesso produzida pelo mtodo da falsa posiao modicado converge a e c para o zero de f em [a, b]. pelo mtodo da falsa posiao converge monotonamente para o zero de f nesse intervalo. Tambm e c e
28
O estabelecimento de um critrio de paragem com base no erro de aproximao da estimativa e ca xn pode ser feito recorrendo mais uma vez ao majorante fornecido pelo teorema 2.1.1. Mtodo da falsa posio modicado e ca Inicializao [a0 , b0 ] = [a, b]; Fa = f (a0 ); Fb = f (b0 ) ca 1. 2. Repetir xn+1 = Se f (xn+1 )f (an ) < 0 Ento an+1 = an ; bn+1 = xn+1 ; Fb = f (xn+1 ); a Se f (xn+1 )f (xn ) > 0 Ento Fa = a Se f (xn+1 )f (xn ) > 0 Ento Fb = a At e vericar critrio de paragem e
Fa 2 ; Fb 2 ; an Fb bn Fa Fb Fa ;
Seno an+1 = xn+1 ; bn+1 = bn ; Fa = f (xn+1 ); a
Apresenta-se em seguida a aplicao deste mtodo ao exemplo anterior. Como se pode vericar, ca e o efeito da convergncia lateral, lenta por natureza, foi agora eliminado. e Exemplo 2.3.3. Utilizar o mtodo da falsa posiao modicado para determinar uma aproe c ximaao, com um erro absoluto inferior a 5 103 , do zero de f (x) = x + ex 5 no intervalo c [0, 1.3]. Resoluo ca Convergncia e f estritamente montona e f (0)f (1.3) < 0, logo o mtodo converge. e o e Estimaao do erro c f (x) = 1 + 5x4 ex Iteraoes c
n 0 1 2 3 4 5 6 7 8 9 an +0.000 +0.126 +0.237 +0.415 +0.660 +0.921 +0.921 +1.037 +1.060 +1.060 Fa 4.000 3.874 3.763 3.572 3.206 2.138 2.138 0.639 0.129 0.129 bn +1.300 +1.300 +1.300 +1.300 +1.300 +1.300 +1.102 +1.102 +1.102 +1.067 Fb +37.274 +37.274 +18.637 +9.318 +4.659 +2.330 +1.198 +1.198 +0.599 +0.066 xn+1 +0.126 +0.237 +0.415 +0.660 +0.921 +1.102 +1.037 +1.060 +1.067 +1.065 f (xn+1 ) 3.87 3.76 3.57 3.21 2.14 +1.20 6.39 101 1.29 101 +6.65 102 1.61 103 n+1 +3.87 +3.76 +3.57 +3.21 +2.14 +1.20 +6.39 101 +1.29 101 +6.65 102 +1.61 103
5 5
minx[0,1.3] |f (x)| = 1
n = |f (xn )|
|xn s|
29
2.4
Mtodo iterativo simples e
O mtodo iterativo simples, tambm designado por iterao de ponto xo, um mtodo de e e ca e e importncia fundamental e simultaneamente de grande simplicidade. a Para aplicar este mtodo ` resoluo de uma equao do tipo f (x) = 0, necessrio em primeiro e a ca ca e a lugar obter uma equao equivalente a esta que tenha a forma ca x = F (x), onde F ser uma nova funo a determinar de modo que as duas equaes sejam equivalentes. a ca co Em seguida, escolhe-se um valor inicial x0 e gera-se a sucesso {xn } por intermdio da relao a e ca xn+1 = F (xn ) para n = 0, 1, . . .. A funo F por vezes designada funo de recorrncia. ca e ca e
de recorrncia e
y=x F (x0 ) F (x2 )
F (x1 ) y = F (x) x0 x2 s x1
Figura 2.7: Mtodo iterativo simples e A justicao do funcionamento deste mtodo reside no seguinte argumento. Se a sucesso {xn } ca e a convergir, para um dado valor s, e se a funo de recorrncia F for cont ca e nua, verica-se ento a que s = F (s), ou seja, que s um ponto xo da funo F . Uma vez que por hiptese se tem e ca o simples, quando convergente, produz sucesses que convergem para zeros da funo f . o ca que f (x) = 0 x = F (x), conclui-se nalmente que f (s) = 0, ou seja, que o mtodo iterativo e
A implementao deste mtodo muito simples, bastando para tal encontrar uma funo de ca e e ca recorrncia F e um valor inicial x0 . e
30
Mtodo iterativo simples e Inicializao Escolher x0 ca Repetir At e xn+1 = F (xn ) vericar critrio de paragem e
Habitualmente, a funo de recorrncia F obtida por manipulao algbrica da equao f (x) = ca e e ca e ca 0 de forma a isolar num dos membros a varivel x. Por exemplo, para aplicar este mtodo na a e obtendo-se a funo de recorrncia F (x) = ex . Poder-se-ia tambm passar da equao x = ex ca e e ca (x) = ln(x), vlida para para a equao x = ln(x), obtendo-se a funo de recorrncia F ca ca e a resoluo da equao x ex = 0 poder-se-ia passar para a equao equivalente x = ex , ca ca ca
x > 0.
E de referir que para uma dada equao f (x) = 0 se pode obter uma innidade de funes de ca co recorrncia F . Para isso, basta notar que f (x) = 0 x = x + rf (x) para qualquer r = 0, e tendo-se F (x) = x + rf (x). Dependendo da funo de recorrncia F e do valor inicial x0 , o mtodo pode ter diferentes ca e e comportamentos, alguns dos quais se podem observar na gura 2.4. Como se pode vericar, o mtodo nem sempre converge e, quando converge, a sucesso gerada pode ser montona ou e a o no. Uma vez que h grande liberdade na escolha da funo de iterao, importante conhecer a a ca ca e algum tipo de critrio que permita avaliar se uma dada funo de recorrncia (juntamente com e ca e um ponto inicial) gerar ou no uma sucesso convergente para a soluo s pretendida. a a a ca
y=x y = F(x)
y = F(x)
y=x
y = F(x) y=x
x0
x1 x2 s
x0 x2 s
x1
x0 x1 x2
Convergncia montona e o
Convergncia alternada e
Divergncia e
Figura 2.8: Diferentes comportamentos do mtodo iterativo simples e
O teorema seguinte apresenta condies que garantem a convergncia do mtodo iterativo simco e e ples. Este teorema fornece um critrio que permite seleccionar funes de recorrncia desejveis, e co e a isto , tais que o mtodo convirja. e e Teorema 2.4.1. Se F for continuamente diferencivel em [a, b], maxx[a,b] |F (x)| < 1 e existir a
s [a, b] tal que s = F (s), ento, para qualquer valor inicial x0 [a, b], a sucesso gerada pelo a a mtodo iterativo simples converge para s. e
31
x1 = F (x0 ) temos
Demonstraao. Seja L = maxx[a,b] |F (x)|. Por hiptese temos L < 1. Como s = F (x) e c o x1 s = F (x0 ) F (s) = F (0 ) (x0 s)
para algum 0 [a, b]. Como x2 = F (x1 ) temos x2 s = F (x1 ) F (s) = F (1 ) (x1 s) = F (1 ) F (0 ) (x0 s) para 0 , 1 [a, b]. Continuando este racioc nio conclui-se que xn s = F (n1 ) F (n2 ) F (0 ) (x0 s) onde 0 , . . . n1 [a, b]. Ento a |xn s| = |F (n1 )| |F (n2 )| |F (0 )| |x0 s| Ln |x0 s|. Como 0 L < 1, ento Ln 0 e logo |xn s| 0, ou seja xn s. a Este teorema permite armar que se a funo de recorrncia for tal que |F (s)| < 1, o mtodo ca e e iterativo simples converge desde que o valor inicial x0 esteja sucientemente prximo de s. Das o |F (x)| < 1 numa vizinhana da soluo. c ca Uma vez analisada a questo da convergncia, vamos agora estudar o comportamento do erro a e de aproximao, de forma a se poder estabelecer um critrio de paragem. ca e Na demonstrao do teorema acima obteve-se a expresso ca a |xn s| Ln |x0 s|, (2.4.1) muitas (innitas!) possibilidades de escolha de F necessrio seleccionar uma que verique e a
do erro de aproximao de xn+1 com base no erro de aproximao de x0 . Ora este ultimo no ca ca a e habitualmente conhecido e um seu majorante conhecido pode ser bastante pessimista, pelo que ser interessante encontrar outra expresso para o erro de aproximao. No entanto, a expresso a a ca a (2.4.1) permite desde j prever que quanto mais prximo de zero for L, mais rapidamente a o convergir para zero o erro de aproximao, pelo que menos iteraes sero necessrias para a ca co a a alcanar uma dada preciso pretendida. c a Para obter uma expresso para o erro de aproximao de xn+1 , vamos partir novamente da a ca aplicao do teorema do valor mdio para a funo F no intervalo de extremos xn e s, garantindoca e ca
onde L = maxx[a,b] |F (x)|, que se supe ser inferior a 1. Esta expresso fornece um majorante o a
32
se a existncia de n nesse intervalo tal que F (xn )F (s) = F (n )(xn s). Agora pode escrever-se e xn+1 s = F (n ) (xn s) xn+1 s = F (n ) (xn s xn+1 + xn+1 )
|xn+1 s| = |F (n )| |xn+1 s + xn xn+1 | |xn+1 s| L |xn+1 s + xn xn+1 | |xn+1 s| L (|xn+1 s| + |xn xn+1 |) (1 L) |xn+1 s| L |xn xn+1 | L |xn+1 s| |xn xn+1 |, 1L xn | constitui assim um majorante do erro em xn+1 , majorante esse
onde L = maxx |F (x)| se supe menor do que 1. o O valor n+1 =

L 1L |xn+1
que pode ser calculado aps a determinao de xn+1 . Se se pretender determinar s com um erro o ca absoluto inferior a um dado , denido ` partida, dever-se- terminar a aplicao do mtodo a a ca e assim que n+1 . Para utilizar este critrio de paragem, apenas necessrio determinar L e e a antes de iniciar a aplicao do mtodo. Note-se no entanto que esta determinao de L muitas ca e ca e vezes necessria para garantir a convergncia do mtodo. a e e Exemplo 2.4.1. Utilizar o mtodo iterativo simples para determinar uma aproximaao, com e c estar no intervalo [2, 1]. Resoluo ca Funao de iteraao e valor inicial c c Fazendo F (x) = 1 ex tem-se que f (x) = 0 x = F (x). Escolhendo x0 = 2 garante-se a convergncia do mtodo. e e qualquer vizinhana da soluao! c c Estimaao do erro c n+1 =
L 1L
um erro absoluto inferior a 5 105 , do (nico) zero da funao f (x) = 1 + x + ex , que se sabe u c
Como F (x) = ex , verica-se que L = maxx[2,1] |F (x)| = 0.3679 < 1.
A funao F (x) = ln(1 x) no poder ser utilizada pois tem-se que maxx |F (x)| > 1 em c a a
|xn+1 xn | = 0.582 |xn+1 xn |
Critrio de paragem e Estabelecendo o critrio de paragem n+1 5 105 , garante o erro mximo pretendido. e a Iteraao 1 c 1 = 0.582 |x1 x0 | = 5 101 . Como 1 x1 = F (x0 ) = 1 ex0 = 1.13534 5 105 continua-se a aplicaao do mtodo. c e
33
Iteraao 2 c 2 = 0.582 |x2 x1 | = 1.1 101 . Como 2 x2 = F (x1 ) = 1 ex1 = 1.32131 5 105 continua-se a aplicaao do mtodo. c e
Iteraoes c A tabela seguinte apresenta os resultados da aplicaao do mtodo at ` satisfaao do critrio de c e ea c e paragem.
n 0 1 2 3 4 5 6 7 8 xn 2.00000 1.13534 1.32131 1.26678 1.28174 1.27756 1.27872 1.27839 1.27848 xn+1 = F (xn ) 1.13534 1.32131 1.26678 1.28174 1.27756 1.27872 1.27839 1.27848 1.27846 n+1 +5.0 101 +1.1 101 +3.2 102 +8.7 103 +2.4 103 +6.8 104 +1.9 104 +5.2 105 +1.5 105
Soluao c A estimativa obtida ser s 1.27846, com um erro absoluto inferior a 2 105 . a
2.5
Mtodo de Newton e
O mtodo de Newton um dos mtodos mais poderosos para resolver equaes do tipo f (x) = 0. e e e co Tal como no caso do mtodo iterativo simples (de que pode ser considerado um caso particue lar), este mtodo parte de uma estimativa inicial x0 e gera uma sucesso {xn } de uma forma e a recorrente. Cada novo valor da sucesso, xn+1 , determinado como sendo a abcissa do ponto de interseco a e ca com o eixo dos xx da recta tangente ao grco da funo no ponto (xn , (f (xn )), ou seja, no a ca ponto correspondente ao valor anterior da sucesso. a A expresso de recorrncia que permite determinar xn+1 em funo de xn obtm-se facilmente a e ca e notando que a recta tangente ao grco de f no ponto (xn , (f (xn )) pode ser descrita pela equao a ca y = f (xn ) + f (xn ) (x xn ). De acordo com o exposto atrs, esta recta passar tambm pelo ponto (xn+1 , 0). Substituindo a a e na equao da recta este ponto e resolvendo a equao obtida em ordem a xn+1 obtm-se ca ca e xn+1 = xn f (xn ) , f (xn )
que ser ento a expresso de recorrncia do mtodo de Newton. Rera-se que neste mtodo se a a a e e e
34
f (x)
s x2
x1
x0
Figura 2.9: Mtodo de Newton e tem tambm que xn+1 = F (xn ) para a funo de recorrncia e ca e F (x) = x Note-se ainda que se f (x) = 0 se tem que f (x) = 0 x = x f (x) . f (x) f (x) . f (x)
Mtodo de Newton e Inicializao Escolher x0 ca Repetir At e xn+1 = xn

f (xn ) f (xn )
Antes de apresentar condies que garantem a convergncia do mtodo de Newton, mostram-se co e e gracamente na gura 2.5 algumas situaes em que o mtodo no produz sucesses convergentes co e a o para a soluo da equao que se pretende calcular. ca ca O teorema apresentado em seguida fornece condies sucientes para a convergncia do mtodo co e e de Newton. Estas condies no so, em geral, necessrias, isto , h situaes em que elas no co a a a e a co a se vericam e o mtodo converge. Rera-se tambm que poss estabelecer outras condies e e e vel co sucientes de convergncia. e Teorema 2.5.1. Seja f C 2 ([a, b]; R) tal que f (x) = 0, e f (x) 0 ou f (x) 0 em [a, b].
Seja ainda s o (nico) zero de f em [a, b]. Ento a sucesso gerada pelo mtodo de Newton u a a e converge para s sempre que o ponto inicial x0 [a, b] satiszer f (x0 )f (x0 ) 0. Mais ainda, a sucesso gerada montona. a e o
35
y = f(x)
y = f(x)
x1 s x1 x0 x2 x s x0 x2 x
Anulamento da derivada Mudana de concavidade c
Figura 2.10: Alguns comportamentos indesejveis do mtodo de Newton a e Demonstraao. c Consideremos o caso f > 0 e f 0 (nos outros casos a demonstrao semelhante). ca e 1. Seja ento x0 [a, b] tal que f (x0 ) 0, por forma a que f (x0 )f (x0 ) 0. a 2. Como f crescente tem-se ento que x0 s. e a 3. Como x1 = x0
f (x0 ) f (x0 ) ,
tem-se ainda que x1 x0 .
4. O desenvolvimento de Taylor de f em torno do ponto x0 permite escrever f (s) = f (x0 ) + f (x0 )(s x0 ) + f (0 ) (s x0 )2 , 2
para algum 0 entre x0 e s. Como, por hiptese, f (s) = 0, tem-se o s x0 = f (0 ) f (x0 ) f (x0 ) (s x0 )2 f (x0 ) 2f (x0 ) f (x0 )
f atendendo aos sinais de f e f . Como x1 = x0 f (x0 )) , ento x1 s e tambm f (x1 ) 0. a e (x0
5. Supondo que xn s, e argumentando como atrs, poss concluir que xn+1 xn que a e vel xn+1 s e ainda que f (xn+1 ) 0. 6. Acabou de se mostrar, por induo, que {xn } decrescente e limitada inferiormente por ca e s. Ento {xn } convergente, para um dado valor z, no intervalo [a, b]. a e ou ainda f (z) = 0.
) f 7. Como xn+1 = xn f (xnn e f e f so funes cont a co nuas, ento no limite tem-se z = z f (z) , a f (x (z)
8. Sendo este zero unico (devido ` monotonia estrita de f ) conclui-se nalmente que z = s. a
36
Vamos agora determinar a evoluo do erro de aproximao para as estimativas geradas pelo ca ca mtodo de Newton. Na exposio que se segue supe-se que {xn } [a, b]. e ca o 1. Mais uma vez, do desenvolvimento de Taylor de f em torno de xn , garante-se a existncia e de n entre xn e xn+1 tal que f (xn+1 ) = f (xn ) + f (xn )(xn+1 xn ) + f (n ) (xn+1 xn )2 . 2
f (xn ) f (xn ) ,
2. Da expresso de recorrncia do mtodo de Newton, xn+1 = xn a e e que f (xn ) + f (x

n )(xn+1
podemos concluir
xn ) = 0, vericando-se assim que f (xn+1 ) =
f (n ) (xn+1 xn )2 . 2
(2.5.1)
3. Do desenvolvimento de Taylor de f em torno de s, garante-se a existncia de n entre xn+1 e e s, tal que f (xn+1 ) = f (s) + f (n )(xn+1 s). Uma vez que f (s) = 0, esta expresso pode ser escrita na forma a f (xn+1 ) = f (n )(xn+1 s). 4. Combinando agora as expresses (2.5.1) e (2.5.2), pode escrever-se o f (n )(xn+1 s) = ou ainda, |f (n )||xn+1 s| = pode armar-se que f (n ) (xn+1 xn )2 , 2 |f (n )| |xn+1 xn |2 . 2 (2.5.2)
5. Denindo agora M2 = maxx[a,b] |f (x)| e m1 = minx[a,b] |f (x)|, e supondo que m1 > 0, M2 |xn+1 xn |2 , 2m1 expresso esta que poder ser utilizada para determinar o majorante do erro de aproa a |xn+1 s| ximao de xn+1 , dado por ca n+1 = M2 |xn+1 xn |2 , 2m1
Exemplo 2.5.1. Utilizar o mtodo de Newton para determinar uma aproximaao, com um erro e c absoluto inferior a 5 106 , do (nico) zero da funao f (x) = 1 + x + ex , que se sabe estar no u c intervalo [2, 1].
37
Resoluo ca Condioes de convergncia c e f (x) = 1 + ex f (x) = ex f > 0 f > 0
O mtodo converge desde que x0 esteja ` direita do zero, garantindo f (x0 )f (x0 ) > 0. Ento, e a a escolhendo x0 = 1, garante-se a convergncia do mtodo. e e Estimaao do erro c Utilizando a estimativa do erro de aproximaao atrs deduzida temos c a m1 = M2 =
x[2,1] x[2,1]
min
|f (x)| = 1 + e2 = 1.1353 |f (x)| = e1 = 0.3679
max
M2 = 0.162 2m1 pelo que n+1 = 0.162 |xn+1 xn |2 ser um majorante do erro de xn+1 . a Critrio de paragem e De acordo com a majoraao do erro o critrio de paragem a utilizar ser n+1 5 106 . c e a Iteraao 1 c x1 = x0 f (x0 ) = 1.26894 f (x0 )
1 = 0.162 |x1 x0 |2 = 1.2 101 Como 1 Iteraao 2 c x2 = x1 f (x1 ) = 1.27485 f (x1 ) 5 106 , devemos prosseguir as iteraoes. c
2 = 0.162 |x2 x1 |2 = 1.5 105 Como 2 5 106 , devemos prosseguir as iteraoes. c
Iteraoes c A tabela seguinte resume a aplicaao do mtodo. c e

n 0 1 2 xn f (xn )
1
f (xn )
xn+1
n+1 +1.2 101 +1.5 105
1.00000 +3.68 10 1.26894 +1.22 102 1.27845 +1.27 105
+1.368 1.26894 +1.281 1.27845
+1.278 1.27846 +1.6 1011
Soluao c A soluao aproximada ser s 1.27846 (com todos os algarismos exactos). c a
38
Neste exemplo vericou-se que o mtodo de Newton apresentou uma convergncia bastante mais e e rpida do que os mtodos anteriores, conseguindo-se uma preciso maior num menor nmero de a e a u iteraes. Como ser discutido mais ` frente, o mtodo de Newton na generalidade dos casos co a a e e um mtodo de convergncia mais rpida. Note-se no entanto que a sua aplicao exige o clculo e e a ca a de valores da derivada da funo e tambm que as condies para a sua convergncia podem ser ca e co e mais dif ceis de vericar. A terminar a exposio sobre o mtodo de Newton, apresenta-se em seguida um teorema que ca e fornece outras condies sucientes para a convergncia do mtodo de Newton. Este teorema co e e justica a constatao de que o mtodo de Newton, de uma forma geral, convergente desde ca e e que parta de uma estimativa inicial x0 sucientemente prxima da soluo s a determinar. o ca Teorema 2.5.2. Sendo f C 2 ([a, b]; R) e s um zero de f em [a, b], tal que f (s) = 0, ento a x0 [s , s + ].
existe > 0 tal que a sucesso {xn } gerada pelo mtodo de Newton converge para s sempre que a e
2.6
Mtodo da secante e
O mtodo da secante semelhante ao mtodo de Newton, com a diferena de que a recta e e e c tangente ao grco da funo substitu (como o prprio nome indica) pela recta secante a ca e da o nos dois ultimos pontos. Este mtodo obriga a que em cada iterao sejam guardadas as duas e ca ultimas estimativas da soluo a determinar. ca
y = f(x)
s xn+1 xn
xn-1
Figura 2.11: Mtodo da secante e A recta que passa pelos pontos (xn1 , f (xn1 )) e (xn , f (xn )) descrita pela equao e ca y = f (xn1 ) + f (xn ) f (xn1 ) (x xn1 ). xn xn1
Como a estimativa xn+1 dada pela abcissa da interseco desta recta com o eixo dos xx, tem-se e ca que o ponto (xn+1 , 0) um ponto desta recta. Fazendo esta substituio rapidamente se conclui e ca
39
que xn+1 ser dado pela expresso a a xn+1 = xn1 f (xn ) xn f (xn1 ) , f (xn ) f (xn1 )
onde se pode notar a semelhana com a expresso de recorrncia do mtodo da falsa posio ou, c a e e ca equivalente, pela expresso a xn+1 = xn f (xn ) f (xn1 )f (xn ) xn1 xn ,
que salienta a sua semelhana ao mtodo de Newton. c e Na aplicao do mtodo da secante no se garante que f tome em xn e xn1 valores com sinais ca e a opostos. Assim, o ponto xn+1 poder no estar entre xn e xn+1 . Este mtodo poder no a a e a a convergir quando aplicado a problemas em que o mtodo da falsa posio converge. e ca Mtodo da secante e Inicializao Escolher x1 e x0 ca Repetir At e xn+1 =
xn1 f (xn )xn f (xn1 ) f (xn )f (xn1 )
O seguinte resultado (que no ser aqui demonstrado) fornece condies sucientes para a cona a co de notar a semelhana entre estas condies e as condies vergncia do mtodo da secante. E e e c co co do teorema 2.5.1 relativo ao mtodo de Newton. e Teorema 2.6.1. Seja f C 2 ([a, b]; R) tal que f (x) = 0, e f (x) 0 ou f (x) 0 em [a, b].
Seja ainda s o (nico) zero de f em [a, b]. Ento a sucesso gerada pelo mtodo da secante u a a e f (x0 )f (x0 ) 0. Mais ainda, a sucesso gerada montona. a e o converge para s sempre que os pontos iniciais x1 , x0 [a, b] satiszerem f (x1 )f (x1 ) 0 e
De uma forma semelhante ao que foi efectuado para o mtodo de Newton, poss obter um e e vel majorante do erro de aproximao com base nas distncias entre estimativas consecutivas, tal ca a como se mostra em seguida. 1. Consideremos a funo polinomial de grau 2 ca p(x) = f (xn1 ) + 2. Como p(xn1 ) = f (xn1 ) p(xn ) = f (xn ) p(xn1 ) = f (xn1 )
f (xn )f (xn1 ) xn xn1
(x xn1 ) +
f (xn+1 ) (xn+1 xn1 )(xn+1 xn )
(x xn1 )(x xn ).
40
conclui-se que f (x) p(x) tem pelo menos 3 zeros
f (x) p (x) tem pelo menos 2 zeros
f (x) p (x) tem pelo menos 1 zero
e, portanto, f (n ) = p (n ), para algum n . 3. Como p (x) =

2f (xn+1 ) (xn+1 xn )(xn+1 xn1 ) ,
ento a (2.6.1)
f (xn+1 ) =
f (n ) (xn+1 xn )(xn+1 xn1 ). 2
4. Sendo s tal que f (s) = 0, pode dizer-se que f (xn+1 ) = f (n ) (xn+1 s) para algum n . e a 5. Combinando as expresses (2.6.1) e (2.6.2) obtm-se a expresso o xn+1 s = f (n ) (xn+1 xn )(xn+1 xn1 ). 2f (n ) (2.6.2)
6. Considerando, como anteriormente, M2 = maxx[a,b] |f (x)| e m1 = minx[a,b] |f (x)|, e supondo-se ainda que m1 > 0, resulta |xn+1 s| pelo que o valor n+1 denido por n+1 = M2 |xn+1 xn | |xn+1 xn1 | 2m1 M2 |xn+1 xn | |xn+1 xn1 |, 2m1
um majorante do erro de aproximao de xn+1 . e ca Exemplo 2.6.1. Utilizar o mtodo da secante para determinar uma aproximaao, com um erro e c absoluto inferior a 5 106 , do (nico) zero da funao f (x) = 1 + x + ex , que se sabe estar no u c intervalo [2, 1]. Resoluo (comparar com exemplo do mtodo de Newton) ca e Condioes de convergncia c e f (x) = 1 + ex f (x) = ex f > 0 f > 0
O mtodo converge desde que x1 e x0 sejam tais que f (x1 )f (x1 ) > 0 e f (x0 )f (x0 ) > 0. e Ento, escolhendo a
41
x1 = 1
x0 = 1.1
garante-se a convergncia do mtodo. e e Estimaao do erro c
f (x1 ) = 0.3679 f (x0 ) = 0.2329
Utilizando a estimativa do erro de aproximaao atrs deduzida temos c a m1 = M2 =

x[2,1] x[2,1]
min
|f (x)| = 1 + e2 = 1.1353 |f (x)| = e1 = 0.3679
max
M2 = 0.162 2m1 pelo que n+1 = 0.162 |xn+1 xn | |xn+1 xn1 | ser um majorante do erro de xn+1 . a Critrio de paragem e De acordo com a majoraao do erro o critrio de paragem a utilizar ser n+1 5 106 . c e a Iteraao 1 c x1 = x1 f (x0 ) x0 f (x1 ) = 1.27249 f (x0 ) f (x1 )
1 = 0.162 |x1 x0 | |x1 x1 | = 7.6 103 Como 1 Iteraao 2 c x2 = x0 f (x1 ) x1 f (x0 ) = 1.27834 f (x1 ) f (x0 ) 5 106 , devemos prosseguir as iteraoes. c
2 = 0.162 |x2 x1 | |x2 x0 | = 1.7 104 Como 2 5 106 , devemos prosseguir as iteraoes. c
Iteraoes c A tabela seguinte resume a aplicaao do mtodo. c e

n 0 1 2 xn1 xn xn+1 f (xn+1 )
3
n+1 7.6 103 1.7 104 1.2 107
1.00000 1.10000 1.27249 +7.65 10
1.10000 1.27249 1.27834 +1.55 104 1.27249 1.27834 1.27846 +1.01 107
Soluao c A estimativa obtida s 1.27846 (com todos os algarismos exactos). e
42
2.7
Ordem de convergncia e
Aps a apresentao dos diferentes mtodos iterativos vamos agora analisar a sua rapidez de o ca e convergncia. Esta rapidez pode ser medida atravs da noo de ordem de convergncia de um e e ca e mtodo iterativo, que se expe em seguida. e o Comecemos por considerar um mtodo iterativo com funo de recorrncia F e um valor s que e ca e seja ponto xo da funo F , isto , tal que F (s) = s. Suponha-se tambm que F uma funo ca e e e ca de classe C p numa vizinhana do ponto s, tal que c F (p) (s) = 0 F (s) = . . . = F (p1) (s) = 0 (se p > 1) ou seja, que todas as suas derivadas at ` ordem p 1 se anulam no ponto xo s e a derivada ea de ordem p no nula nesse ponto. e a Suponha-se tambm que {xn } uma sucesso, convergente para s, gerada por este mtodo, isto e e a e Do desenvolvimento de Taylor de F em torno de s obtm-se e F (xn ) = F (s) + F (s)(xn s) + . . . + =s+ F (p) (n ) (xn s)p p! F (p1) (s) F (p) (n ) (xn s)p1 + (xn s)p (p 1)! p!
, tal que xn+1 = F (xn ). e
para algum n entre xn e s. Como xn+1 = F (xn ), pode ainda escrever-se xn+1 s = n, n = s xn (erro em xn ), obtm-se e
F (p) (n ) (xn p!
s)p . Denindo, para cada
n+1 = (1)p
F (p) (n ) p n . p!
(p) (s)
Como n s, para n sucientemente elevado verica-se n+1 (1)p F n+1 p , n
p!
p , ou seja, n
pelo que o erro na iterao n + 1 proporcional ` potncia de ordem p do erro na iterao n. ca e a e ca Nesta situao diz-se que o mtodo iterativo tem convergncia de ordem p. Quando p = 1 a ca e e e a convergncia diz-se linear ou de 1a ordem. Quando p = 2 a convergncia diz-se quadrtica ou e de 2a ordem. Exemplo 2.7.1. Considere dois mtodos iterativos A e B, para os quais se tem n+1 = 102 n e e n+1 = 2 , respectivamente. Supondo que em ambos os casos se tem que 0 = 101 , n determine a evoluao do erro para as primeiras 6 iteraoes de aplicaao de cada mtodo. c c c e
43
Resoluao c
n 0 1 2 3 4 5 6 n (mt. A) e 10
1
n (mt. B) e 101 102 104 108 1016 1032 1064
103 105 107 109 1011 1013
Como se ilustra neste exemplo, quanto maior for a ordem de convergncia de um mtodo iterae e tivo, mais rapidamente o erro de aproximao converge para zero. ca Vamos agora analisar a ordem de convergncia de alguns dos mtodos estudados. No caso e e do mtodo iterativo simples no se impe qualquer condio sober a nulidade da funo de e a o ca ca recorrncia F . Trata-se portanto, no caso geral, de um mtodo de convergncia linear ou de e e e 1a ordem. Pode tambm mostrar-se que quer o mtodo das bisseces quer o mtodo da falsa e e co e posio so mtodos de convergncia linear. ca a e e Vamos agora analisar a ordem de convergncia do mtodo de Newton. Como j visto, a funo e e a ca de recorrncia deste mtodo F (x) = x e e e F (x) = 1
f (x) f (x) .
Derivando esta funo obtm-se ca e
f (x)f (x) [f (x)]2 f (x)f (x) = . [f (x)]2 [f (x)]2
Sendo s um zero de f tal que f (s) = 0 (condio habitualmente imposta na aplicao do mtodo ca ca e de Newton), tem-se que F (s) = 0. O clculo de F fornece (verique!) a F (x) = [f (x)]3 f (x) + f (x)[f (x)]2 f (x) 2f (x)f (x)[f (x)]2 [f (x)]4
f (s) f (s) ,
Ento, tem-se que F (s) = a
que ser, em geral, no nulo. Conclui-se assim que o mtodo a a e
de Newton tem uma convergncia quadrtica, ou seja, de um mtodo de 2a ordem. Explica-se e a e e deste modo o comportamento do mtodo de Newton, que habitualmente permite obter solues e co com menores erros de aproximao em menos iteraes. ca co E tambm poss denir a noo de ordem de convergncia de uma sucesso. Suponha-se ento e vel ca e a a que {en } uma sucesso convergente para 0. Se existir uma constante p, maior do que zero, tal e a que |en+1 | = K, n+ |en |p lim
onde 0 < K < +, diz-se que a sucesso {en } tem ordem de convergncia p. Reparea e
se que a partir da denio de limite, se pode concluir que para valores de n sucientemente ca
44
elevados se tem que |en+1 | |en |p , de uma forma anloga ` denio de ordem de convergncia a a ca e supralinear. Se p = 2 a convergncia diz-se quadrtica. e a
de um mtodo iterativo. Se p = 1 a convergncia diz-se linear. Se p > 1 a convergncia diz-se e e e
Esta denio de ordem de convergncia permite considerar ordens no inteiras, generalizando ca e a de algum modo a noo de ordem de convergncia de um mtodo iterativo. Pode mostrarca e e se que, de uma forma geral, os erros de aproximao do mtodo da secante apresentam uma ca e convergncia de ordem e
1+ 5 2
( 1.618). Trata-se portanto de um mtodo supralinear. e
2.8
Localizao de zeros ca
Cada aplicao de um mtodo iterativo permite (mediante a satisfao de certas condies) ca e ca co determinar o valor de um zero de uma funo. Ao se pretender calcular vrios zeros, ser ca a a necessrio aplicar o ou os mtodos iterativos quantos os zeros a determinar. Assim, antes de a e iniciar a aplicao de um mtodo necessrio proceder a uma anlise preliminar para estabelecer ca e e a a qual ou quais os zeros a determinar, bem como eventualmente a sua localizao aproximada. ca Este processo designado por separao dos zeros e consiste na determinao de intervalos e ca ca disjuntos, cada um contendo um zero da funo. ca Note-se, por outro lado, que a vericao de condies sucientes de convergncia de mtodos ca co e e iterativos exige certas propriedades da funo e das suas derivadas, as quais devero ser satisfeitas ca a num dado intervalo ao qual se aplica o mtodo, ou que contenha a estimativa inicial para a sua e aplicao. ca A determinao de intervalos contendo um e s zero da funo e que satisfazendo condies ca o ca co sucientes de convergncia, pode ser feita de uma forma mais ou menos automtica, mas sempre e a recorrendo a uma ou mais das seguintes abordagens clculo de valores da funo, a ca estudo do grco da funo, a ca anlise de propriedades da funo. a ca O esboo do grco da funo f permite em muitas situaes determinar de uma forma visual c a ca co intervalos disjuntos, cada um dos quais contendo apenas um zero de f . O grco da funo pode ser obtido utilizando meios computacionais, atravs de um estudo a ca e anal tico das propriedades de f , ou mesmos ambos os processos de uma forma conjugada. Por vezes, em vez de se analisar directamente o grco da funo f , a equao f (x) = 0 a ca ca e reescrita na forma equivalente g(x) = h(x), onde g e h so funes cujos grcos so mais a co a a simples de estudar do que o grco da funo f . O estudo dos zeros de f ca ento reduzido ` a ca a a anlise das interseces dos grcos de g e h. a co a
45
f(x) s3 s1 s2 x
Figura 2.12: Grco de f mostrando a localizao dos zeros a ca
g(x) h(x) s1 s2 x
Figura 2.13: Solues de g(x) = h(x). co Os mtodos anal e ticos de separao dos zeros de f baseiam-se principalmente na determinao de ca ca intervalos de monotonia de f e no clculo e ordenao dos nmeros de Rolle de f . Relembremos a ca u os zeros da funo f . ca que se designam por nmeros de Rolle de uma funo f : D R os pontos fronteira de D e u ca
Os dois teoremas apresentados abaixo constituem a justicao terica dos mtodos anal ca o e ticos de separao de zeros. ca Teorema 2.8.1. Se f estritamente montona em [a, b], f tem no mximo um zero em [a, b]. e o a Teorema 2.8.2. Se f diferencivel, entre dois nmeros de Rolle consecutivos existe quando e a u muito um zero de f .
2.9
Ra zes de polinmios o
A determinao directa de ra ca zes de polinmios (ou seja dos zeros das funes polinomiais o co correspondentes) s poss de efectuar no caso geral para polinmios de grau no superior a oe vel o a 4. Assim, a determinao de ra ca zes de polinmios de grau superior a 4 (ou at mesmo de grau o e 3 ou 4) ter na maioria das situaes de ser efectuada por mtodos iterativos. a co e
46
Os mtodos estudados anteriormente para a determinao de zeros de funes podem tambm ser e ca co e utilizados na determinao de ra ca zes reais de polinmios. Contudo, sabido que os polinmios o e o (mesmo de coecientes reais) podem ter ra zes complexas. Nesta seco apresentam-se resultados sobre a localizao de ra ca ca zes de polinmios e mtodos o e especialmente dedicados ` determinao das suas ra a ca zes, sejam estas reais ou complexas. O objecto de estudo nesta seco ser um polinmio de grau n com todos os coecientes reais, ou ca a o seja, p(x) = an xn + an1 xn1 + + a1 x + a0 , onde ai R, i = 0, . . . , n, e an = 0. Comecemos por relembrar o seguinte resultado sobre as ra zes de um polinmio. o Teorema 2.9.1. Um polinmio p de grau n tem exactamente n razes (contando com a mulo tiplicidade). Estas razes podem ser reais ou complexas. Se os coecientes do polinmio forem o todos reais as razes complexas surgem em pares conjugados. Sendo s C tem-se que p(x) = (x s)q(x) + r, onde q um polinmio de grau n 1 (designado e o
quociente) e r designa-se por resto. O quociente q(x) = bn1 xn1 + . . . + b1 x + b0 e o resto r so habitualmente dispostos na forma de uma tabela, tal como se apresenta em seguida. a an s bn1 an1 bn2 ... ... a1 b0 || a0 sb0 r
podem ser obtidos por diviso polinomial ou pela regra de Runi. Os clculos desta regra a a
sbn1 . . . sb1
Os coecientes do quociente e o valor do resto so determinados de acordo com as expresses a o regra de Runni o facto de o resto da diviso de p(x) por x s ser p(s). Pode assim obter-se e a bn1 = an , bi = ai+1 + sbi+1 , para i = n 2, . . . , 0, e r = a0 + sb0 . Uma consequncia directa da e
o seguinte resultado.
p(x). Mais ainda, as restantes razes de p(x) so as razes do polinmio quociente. a o
Teorema 2.9.2. Se o resto da diviso de p(x) por x s for o polinmio nulo ento s raiz de a o a e
A aplicao sucessiva da regra de Runi permite ainda demonstrar o seguinte resultado. ca Teorema 2.9.3. Sejam r1 , r2 , . . . , rn as n razes do polinmio de grau n, p(x) = an xn + + o a1 x + a0 , contando com eventuais multiplicidades. Ento, p(x) pode ser escrito como a p(x) = an (x r1 )(x r2 ) (x rn ). Consideremos agora a diviso do polinmio p(x), de grau n 2, por um polinmio de grau 2 a o o da forma x2 x . Facilmente se pode concluir a seguinte igualdade p(x) = (x2 x )q(x) + (rx + s),
47
quociente, e o polinmio rx + s designado por resto. o e
onde q(x) = bn2 xn2 + bn3 xn3 + . . . + b1 x + b0 um polinmio de grau n 2 designado por e o
Os coecientes dos polinmios quociente e resto podem ser obtidos de uma forma expedita o dispondo os clculos como se mostra na tabela a an bn2 onde se vericam as relaes co bn2 = an , bn3 = an1 + bn2 , bi = ai+2 + bi+1 + bi+2 , r = a1 + b0 + b1 , e s = a0 + b0 . O seguinte resultado uma consequncia da diviso polinomial indicada acima. e e a Teorema 2.9.4. Se o resto da diviso de p(x) = an xn + + a1 x + a0 (onde an = 0) por a para i = n 4, n 3, . . . , 0, bn3 an1 an2 ... a2 a1 b0 || r s a0
bn2 . . . b2 bn2 bn3 . . . b1 bn4 ... b0
b1 b0
x2 x for o polinmio nulo ento, as razes de x2 x so tambm razes de p(x). o a a e As restantes razes de p(x) so as razes do polinmio quociente. a o O resultado seguinte fornece uma expresso geral para as ra a zes racionais de polinmios de o coecientes inteiros. Teorema 2.9.5. Seja p(x) = an xn + an1 xn1 + . . . + a1 x + a0 , com ai Z, an = 0 e a0 = 0. Ento, toda a raiz racional de p(x) da forma a e d0 dn
onde d0 um divisor de a0 e dn um divisor de an . e e Tal como no caso geral de funes com mltiplos zeros, por vezes importante obter informao co u e ca sobre a localizao das ra ca zes de um polinmio sem as determinar. Enunciam-se em seguida o alguns resultados que podem ser utilizados para obter tal informao. Rera-se que existe ca um grande nmero de resultados sobre a localizao de ra u ca zes de polinmios, optando-se por o apresentar aqui alguns dos considerados de aplicao mais imediata. ca Teorema 2.9.6 (Regra dos sinais de Descartes I). O nmero de razes reais positivas de um u polinmio p(x) igual, ou menor pela diferena de um nmero par, ao nmero de mudanas de o e c u u c sinal dos seus coecientes no nulos. a
48
E imediato vericar que as ra do polinmio m(x) = p(x) so simtricas das ra de p(x), zes o a e zes pelo que facilmente se obtm o seguinte corolrio. e a Corolrio (Regra dos sinais de Descartes II). O nmero de razes reais negativas de um poa u linmio p(x) igual, ou menor pela diferena de um nmero par, ao nmero de mudanas de o e c u u c sinal dos coecientes no nulos de p(x). a Teorema 2.9.7. Seja p(x) um polinmio cujos coecientes satisfazem o an > 0, an1 0, , . . . , am+1 0, am < 0 ou seja, am o primeiro coeciente negativo de {an , an1 , . . . , a1 , a0 }. Ento os zeros reais de e a p so majorados por a ak 1 + max ak <0 an complexo) centrado na origem e de raio 1+ max ak . an
1 nm
Teorema 2.9.8. Todos os zeros do polinmio p(x) situam-se no interior do crculo (no plano o
0kn1
e a ca Os teoremas 2.9.2 e 2.9.4 permitem denir uma estratgia sistemtica para a determinao de todas as ra zes de um polinmio p(x), de grau n. Esta estratgia consiste em obter uma raiz o e s (ou um par de ra zes) de cada vez, por aplicao de um mtodo iterativo. Aps a obteno ca e o ca par de ra zes), aplicando-se em seguida novamente um mtodo iterativo mas agora ao polinmio e o um mtodo directo. e E importante ter em ateno a propagao de erros de arredondamento, os quais de uma forma ca ca geral vo aumentando ` medida que se vo obtendo novas ra a a a zes e calculando os polinmios o quociente. Por forma a diminuir estes erros, aps a obteno de todas as ra o ca zes, por vezes utie lizado um procedimento de renamento das ra zes, que consiste em aplicar um mtodo iterativo e partindo das estimativas das solues determinadas anteriormente mas utilizando directamente co o polinmio original p(x). o Em seguida sero apresentados dois mtodos iterativos para a obteno das ra a e ca zes de um polinmio: o mtodo de Newton e o mtodo de Lin. o e e A aplicao do mtodo de Newton em tudo ao caso geral apresentado para a determinao de ca e e ca zeros de funes. Tal como ento, a expresso de recorrncia co a a e e xk+1 = xk p(xk ) . p (xk ) de uma raiz, o polinmio considerado dividido por x s (ou por x2 x no caso de um o e
quociente e assim sucessivamente at se chegar a um polinmio cujas ra e o zes se determinem por
49
determinar-se directamente uma raiz complexa. No entanto isto obriga a efectuar operaes co em aritmtica complexa. e De uma forma geral, x0 escolhido como uma das solues de e co an x2 + an1 x + an2 = 0 ou seja, considerando apenas os trs termos de ordem mais elevada de p(x). e
A principal diferena que agora se pode escolher a estimativa inicial x0 C, podendo c e
Exemplo 2.9.1. Determinar todas as razes do polinmio p(x) = x4 + 2x3 + 10x2 + 24x + 80 o aplicando o mtodo de Newton. e Resoluo ca Derivada e frmula de recorrncia o e p (x) = 4x3 + 6x2 + 20x + 24 p(xk ) xk+1 = xk p (xk ) Determinaao do ponto inicial c x2 + 2x + 10 = 0 x0 = 1 + 3j Iteraao 1: c p(x0 ) = x4 + 2x3 + 10x2 + 24x0 + 80 = 56 + 72j 0 0 0 x1 = x0 p (x0 ) = 4x3 + 6x2 + 20x0 + 24 = 60 48j 0 0
p(x0 ) p (x0 )
x = 1 3j
Obtenao do primeiro par de razes c
= 0.98 + 1.81j
Iteraao 2: c p(x1 ) = x4 + 2x3 + 10x2 + 24x1 + 80 = 43.45 + 23.00j 1 1 1 p (x1 ) = 4x3 + 6x2 + 20x1 + 24 = 25.40 + 12.07j 1 1 x2 = x1
p(x1 ) p (x1 )
= 2.73 + 1.74j
Continuando a aplicar o processo iterativo at que xn+1 esteja suciente prximo de xn , obtm-se e o e
50
os resultados apresentados na tabela seguinte.

n 0 1 2 3 4 5 6 xn 1.00 + 3.00j 0.98 + 1.81j 2.73 + 1.74j 2.11 + 1.79j 1.97 + 1.99j 2.00 + 2.00j 2.00 + 2.00j p(xn ) 56.00 + 72.00j 43.35 + 23.00j 2.57 69.73j 8.26 15.13j 1.84 + 0.91j 0.02 0.02j 0 p (xn ) 60.00 48.00j 25.40 + 12.07j 13.53 + 111.88j 32.70 + 63.12j 47.11 + 54.20j 48.01 + 56.03j
A raiz obtida ser ento r1 = 2 + 2j. Obtm-se ento imediatamente a raiz r2 = r1 = 2 2j a a e a
Determinaao das restantes razes c Fazendo m(x) = (x r1 )(x r2 ) = (x + 2 2j)(x + 2 + 2j) = (x2 + 4x + 8) e dividindo p(x) por m(x) obtm-se o polinmio q(x) = x2 2x+10. As razes deste polinmio, obtidas directamente, e o o so 1 3j. a
Resultado As razes de p(x) so 2 2j e 1 3j. a O mtodo de Lin permite obter ra complexas de um polinmio efectuando apenas operaes e zes o co em aritmtica real. Este mtodo consiste em construir sucesses {pi } e {qi } convergentes para e e o p e q de forma a que as ra zes de x2 + px + q sejam ra zes de p(x), ou seja, que o polinmio o x2 + px + q seja divisor de p(x). Em cada iterao realizada a diviso polinomial ca e a p(x) rx + s = q(x) + 2 . x2 + p i x + q i x + pi x + q i Esta diviso parada aps a obtenao do quociente q(x), fazendo-se ento as substituies a e o c a co processo repetido at termos consecutivos das sucesses {pi } e {qi } se tornarem sucientemente e e o prximos. o pi pi+1 e qi qi+1 , sendo ento determinados pi+1 e qi+1 de modo a anular o resto rx+s. Este a
A aplicao deste mtodo facilitada dispondo os clculos da diviso polinomial da seguinte ca e e a a forma an pi qi an1 ... a2 a1 pi+1 b0 0 qi b1 a0 qi+1 b0 0 . . . qi b2 ... b0
bn2
pi bn2 . . . pi b1 bn3
Pode assim concluir-se que a determinao de pi+1 qi+1 feita resolvendo ca e e a1 qi b1 pi+1 b0 = 0 a q b = 0
0 i+1 0
||
51
Exemplo 2.9.2. Determinar os zeros de p(x) = x4 6x3 + 18x2 24x + 16 pelo mtodo de Lin. e Resoluo ca Inicialmente escolheu-se p0 = 1 e q0 = 1. No quadro seguinte apresenta-se a diviso polinomial at obter o quociente. a e 1 6 1 18 1 7 24 || 24 24p1 16
7 24q1 0 0
1 7
O sistema de equaoes a resolver para anular o resto ser c a 24 + 7 24p1 = 0 16 24q = 0

1
resultando p1 = 0.70833 e q1 = 0.66667 .
As operaoes da segunda iteraao do mtodo encontram-se na tabela abaixo. c c e 1 0.66667 0.70833 6 18 0.66667 13.58507 || 24 16
1 5.29167
0.70833 3.74826
13.58507p2
3.52778 13.58507q2 0 0
resultando p2 = 1.50696 e q2 = 1.17776.
Agora o sistema de equaoes a resolver ser c a 24 + 3.52778 13.58507p2 = 0 16 13.58507q = 0

2
divisvel por x2 2x + 2. As razes de x2 2x + 2, que so 1 j, so tambm razes de p(x). e a a e Finalmente, dividindo p(x) por x2 2x + 2 obtm-se o polinmio x2 4x + 8, cujas razes so e o a 2 2j. Conclui-se assim que as razes de p(x) so 1 j e 2 2j. a
. . . aps mais algumas iteraoes conclui-se que pi 2 e qi 2. Assim, conclui-se que o p(x) o c
Cap tulo 3
Normas de vectores e matrizes

3.1 Introduo ca
Neste cap tulo apresentam-se alguns resultados sobre normas em espaos vectoriais que iro ser c a necessrios no tratamento de problemas de sistemas de equaes. a co
3.2
Normas de vectores
Comecemos por relembrar que uma norma num espao vectorial real V uma funo que associa c e ca a cada elemento x V um nmero real, representado por x , que verica as seguintes condies u co 1. 2. 3. x 0 x V e x = || x x = 0 x = 0,
R, x V , x, y V .
x+y x + y
A noo de norma est associada ao tamanho de um vector. Habitualmente, quando V = Rn , ca a e utilizada a norma euclidiana que se dene por x
2
x2 + x2 + + x2 n 1 2
para todo o vector x = (x1 , x2 , . . . , xn ) de Rn . No entanto, podem denir-se outras normas, que sejam mais uteis em certas situaes. Alguns exemplos de normas em Rn , onde co x = (x1 , x2 , . . . , xn ), so a
52
Cap tulo 3. Normas de vectores e matrizes
53
x2 1
x1
Figura 3.1: Visualizao de diferentes normas em R2 . De dentro para fora aparecem as linhas ca x
1
= 1, x
1.4
= 1, x
n
= 1, x
=1e x
= 1, respectivamente.
norma 1 norma norma p
i=1
|xi |
1 p
1in n i=1
max |xi | |xi |p
(com p 1)
Embora diferentes, todas as normas em Rn so de alguma forma equivalentes, no sentido aprea sentado no seguinte teorema. Teorema 3.2.1. Sejam
duas normas denidas em Rn . Ento existem constantes k1 , k2 > 0 tais que a k1 x
k2 x
2
x Rn . denidas em Rn . Das suas denioes c
Exemplo 3.2.1. Consideremos as normas temos

n
=
i=1
x2 i
= max |xi | = |xi0 |

1in
para algum 1 i0 n. Destas expresses conclui-se facilmente que o

n
= |xi0 | =
x20 i
x2 i
i=1
54
e tambm que e
n
x resultando nalmente
=
i=1
x2 i
n x20 = i
n |xi0 |
n x
3.3
Normas de matrizes
O espao das matrizes quadradas Rnn em si mesmo um espao vectorial real (de dimenso c e c a nn) no qual se podem obviamente denir diversas normas. No entanto, tm particular interesse e normas que resultem da considerao dos elementos deste espao como sendo operadores lineares ca c de Rn em Rn . Seja ento a uma qualquer norma denida em Rn . E poss denir uma norma em Rnn , vel , pela expresso a Ax x
que por simplicidade se representa tambm por e A = sup

x=0
denida em Rn . Da denio de norma induzida resulta imediatamente, para qualquer A ca Rnn , 1. x Rn
para qualquer A Rnn . Esta norma em Rnn designa-se por norma induzida pela norma
Ax A
x , x ,
2. x Rn \ {0} 3. A = max
x =1
Ax = A Ax .
Algumas propriedades importantes de qualquer norma induzida so ainda a 1. AB A B , A, B Rnn e
2. I = 1 (onde I a matriz identidade). e E de referir que diferentes normas em Rn conduzem a diferentes normas induzidas. Por exemplo, teremos A A A
1 2
= max
x
1 =1
Ax Ax
1 2
= max
x x
2 =1
= max
=1
Ax
55
A considerao de diversas normas justica-se no s por haver situaes em que interessa utilizar ca a o co uma dada norma em particular como tambm pelo facto das normas induzidas de matrizes e no apresentarem todas as mesmas facilidades de clculo. Como mostram os dois resultados a a seguintes, as normas induzidas
1
so de clculo extremamente simples. a a
Teorema 3.3.1. Seja A Rnn de elemento genrico aij . Ento verica-se e a

n
= max
j=1,...,n
i=1
|aij |,
ou seja, o mximo das somas por colunas dos valores absolutos dos elementos de A. a Demonstraao. Sendo x Rn qualquer tem-se c
n n n
Ax
=
i=1
j=1 n
aij xj |
i=1 j=1 n i=1
|aij xj | =
j=1
|xj |
i=1 n i=1
|aij | |aij |.
Seja agora j0 tal que
j=1
|xj | max
j=1,...,n
|aij | = x
n i=1 |aij |,
max
j=1,...,n
que corresponda ` maior soma de valores absolutos. a Seja tambm x o vector de Rn tal que e xj = Ento, x a
1
n i=1 |aij0 |
= maxj=1,...,n
ou seja, o (ou um) ndice de coluna
1 0
se j = j0 se j = j0
=1e
n n n 1
A x
=
i=1
j=1
aij xj | =
1
i=1
|aij0 | = max
j=1,...,n
i=1
|aij | = x
1 max
j=1,...,n
i=1
|aij |.
Desta forma, conclui-se que A
= maxj=1,...,n
n i=1 |aij |.
Teorema 3.3.2. Seja A Rnn de elemento genrico aij . Ento verica-se e a

n
= max
i=1,...,n
j=1
|aij |,
ou seja, o mximo das somas por linhas dos valores absolutos dos elementos de A. a Demonstraao. Sendo x Rn qualquer tem-se c
n n
Ax
= max |
i=1,...,n
j=1
aij xj | max
n
i=1,...,n
j=1
|aij | |xj | max max |xj |

i=1,...,n n 1jn
n j=1
|aij |
= max |xj | max

1jn
i=1,...,n
j=1
|aij | = x
max
i=1,...,n
j=1
|aij |.
56
Seja agora i0 tal que Seja tambm x tal que e
n j=1 |ai0 j |
= maxi=1,...,n 1
n j=1 |aij |.
xj = Ento x a A x

se ai0 j 0
= 1 e ai0 j xj = |ai0 j |. Logo

n n j=1
1 se a < 0 i0 j
n j=1 n n
= max |
i=1,...,n
aij xj | |
j=1
ai 0 j x j | =
|ai0 j | = max
n j=1 |aij |.
i=1,...,n
j=1
|aij | = x
max
i=1,...,n
j=1
|aij |.
Desta forma, conclui-se que A Exemplo 3.3.1. Seja
= maxi=1,...,n
ento a A A
3 1 2 4 A= 2 1 1 1 3 2 2 5
1
1 6
= max{10, 4, 6, 16} = 16, e = max{9, 10, 5, 12} = 12.

2
j de clculo mais trabalhoso, vericando-se que e a a A

2
A norma 1 e a norma so efectivamente as de clculo mais simples. A norma induzida a a = (AT A)
onde o raio espectral. O raio espectral de uma matriz quadrada dene-se como sendo o e (C) dado por e mximo dos mdulos dos valores prprios da matriz. Assim, sendo C Rnn o seu raio espectral a o o (C) = max |i |,
1in
onde 1 , . . . , n so os valores prprios de C. De forma conclui-se que o clculo da norma a o a induzida

2
exige a determinao de valores prprios. ca o
O seguinte teorema estabelece uma relao entre o raio espectral de uma matriz e as normas ca induzidas dessa matriz, permitindo considerar o raio espectral de uma matriz como o nmo das normas induzidas dessa mesma matriz. Teorema 3.3.3. Para qualquer norma induzida e para qualquer A Rnn verica-se que
(A) A . Dada uma matriz A Rnn e um > 0, existe uma norma induzida A (A) + . tal que
Cap tulo 4
Sistemas de Equaes No Lineares co a

4.1 Introduo ca
Neste cap tulo iremos abordar o problema de resoluo numrica de sistemas de equaes no ca e co a lineares. Um sistema de n equaes nas n variveis x1 , x2 , . . . , xn pode ser escrito na forma co a f1 (x1 , x2 , . . . , xn ) = 0 f2 (x1 , x2 , . . . , xn ) = 0 . . . f (x , x , . . . , x ) = 0 n 1 2 n onde f1 , f2 , . . . , fn so funes de Rn em R. a co funo F : Rn Rn de acordo com ca Utilizando uma notao mais compacta, podemos denir o vector x = (x1 , x2 , . . . , xn )T e a ca
f1 (x)
f1 (x1 , x2 , . . . , xn )
podendo agora o sistema de equaes ser escrito como co F (x) = 0. Exemplo 4.1.1. O sistema de equaoes c
f2 (x) F (x) = . . . fn (x)
f2 (x1 , x2 , . . . , xn ) = . . . fn (x1 , x2 , . . . , xn )
4x1 x2 2x2 x2 + 2 = 0 1 2 2x1 4x2 + x1 x2 3 = 0
57
Cap tulo 4. Sistemas de Equaoes No Lineares c a
58
pode ser reescrito na forma F (x) = 0 denindo a funao c F : Rn Rn x 4x1 x2 2x2 x2 + 2 1 2 2x1 4x2 + x1 x2 3
Na quase totalidade das situaes no existem mtodos directos para a resoluo de sistemas co a e ca de equaes no lineares, sendo necessrio recorrer a mtodos iterativos. Nas seces seguintes co a a e co iremos estudar dois mtodos iterativos para a resoluo de sistemas de equaes no lineares. e ca co a Trata-se em ambos os casos de extenses de mtodos j estudados para a resoluo de uma o e a ca equao no linear. Rera-se tambm que por vezes poss por manipulao algbrica das ca a e e vel ca e diferentes de equaes proceder ` eliminao de variveis reduzindo o nmero de equaes a co a ca a u co resolver e eventualmente cando apenas com uma equao no linear para resolver. Este proca a cedimento simplica o problema e deve ser realizado sempre que poss vel.
4.2
Mtodo iterativo simples (iterao de ponto xo) e ca
Analogamente ao caso unidimensional, o mtodo iterativo simples baseia-se na possibilidade de e escrever o sistema de equaes F (x) = 0 num outro equivalente da forma co x = G(x) onde G : Rn Rn , ou seja, x1 = g1 (x1 , x2 , . . . , xn ) x2 = g2 (x1 , x2 , . . . , xn ) . . . x = g (x , x , . . . , x ) n n 1 2 n
onde g1 , g2 , . . . , gn so as componentes de G. a termdio da relao de recorrncia e ca e
O mtodo interativo simples consiste ento em gerar uma sucesso de pontos em Rn por ine a a
x(k+1) = G(x(k) ),
k = 0, 1, . . . ,
a partir de um ponto inicial x(0) . Pretende-se que esta sucesso de pontos em Rn convirja para a um ponto xo s da funo G, isto , tal que s = G(s) que ser portanto soluo do sistema ca e a ca original, ou seja, tal que F (s) = 0. Este mtodo totalmente anlogo ao mtodo iterativo simples j estudado, sendo agora nee e a e a cessrio calcular em cada iterao as novas estimativas de todas as variveis. a ca a
59
Exemplo 4.2.1. Reescrevendo o sistema 4x1 ln(x1 x2 ) 8 = 0 2x1 4x2 + x1 x2 3 = 0 x1 = ln(x1 x2 ) + 8 4 x2 = 2x1 + x1 x2 3 4 obtm-se a seguinte expresso de recorrncia e a e ln x1,(k) x2,(k) + 8 x 1,(k+1) = 4 na forma equivalente
Partindo da estimativa inicial x1,(0) = 1.5, x2,(0) = 1, temos na primeira iteraao c x1,(1) = x2,(1) ln(x1,(0) x2,(0) ) + 8 = 2.1.0137 4 2x1,(0) + x1,(0) x2,(0) 3 = 0.30619 = 4
2x + x1,(k) x2,(k) 3 x2,(k+1) = 1,(k) 4
e continuando a aplicar o mtodo, obtm-se os seguintes resultados e e

k 0 1 2 3 4 5 6 7 8 9 10 . . . x1,(k) x2,(k) g1 (x1,(k) , x2,(k) ) 2.10137 1.88976 1.98643 1.96531 1.98357 1.98489 1.99015 1.99247 1.99469 1.99611 1.99721 . . . g2 (x1,(k) , x2,(k) ) 0.30619 0.50122 0.43819 0.47646 0.47457 0.48434 0.48757 0.49134 0.49359 0.49541 0.49666 . . . 1.50000 1.00000 2.10137 0.30619 1.88976 0.50122 1.98643 0.43819 1.96531 0.47646 1.98357 0.47457 1.98489 0.48434 1.99015 0.48757 1.99247 0.49134 1.99469 0.49359 1.99611 0.49541 . . . . . .
Como se passa com todos os mtodos iterativos, importante analisar a convergncia do mtodo e e e e iterativo simples. O seguinte resultado fornece condies sucientes para a convergncia do co e mtodo iterativo simples. E de notar a semelhana entre estas condies e as apresentadas para e c co o caso unidimensional. Teorema 4.2.1. Seja D Rn um conjunto fechado e convexo. Seja G : D Rn de classe C 1 uma norma em Rn . Se
e seja
60
i) JG (x) L < 1 ii) G(D) D ento a
x D
i) existe um e s um z D tal que z = G(z) o ii) o mtodo iterativo simples converge para z, qualquer que seja x(0) D e iii) verica-se que z x(k+1) L x x(k) 1 L (k+1)
O exemplo seguinte ilustra a aplicao deste teorema na resoluo de um sistema de equaes ca ca co no lineares. a Exemplo 4.2.2. Utilizando o mtodo iterativo simples, determinar a soluao do sistema de e c equaoes c 3x2 sin(x1 + x2 ) = 6 com um erro mximo, na norma 1, de 105 . a Resoluo ca Obtenao da funao de recorrncia c c e Este sistema pode ser reescrito na forma
1 x1 = 1 + 4 cos(x1 + x2 )
4x1 cos(x1 + x2 ) = 4
x2 = 2 + 1 sin(x1 + x2 ) 3 ou ainda, G(x) = Condioes de convergncia c e JG (x) = Ento, a JG (x)

1 1 4 sin(x1 + x2 ) 1 sin(x1 + x2 ) 4 1 3
(4.2.1)
g1 (x) g2 (x)
1 + 1 cos(x1 + x2 ) 4 2 + 1 sin(x1 + x2 ) 3
cos(x1 + x2 )
1 3
cos(x1 + x2 )
1 1 = max{ 1 | sin(x1 + x2 )| + 3 | cos(x1 + x2 )|, 1 | sin(x1 + x2 )| + 3 | cos(x1 + x2 )|} 4 4 7 1 1 + = 4 3 12 7 12
pelo que denindo L =
tem-se JG (x)
assim que o sistema tem uma soluao unica e que o mtodo iterativo simples com a expresso c e a
L < 1 para qualquer (x1 , x2 ) R2 . Conclui-se
61
de recorrncia dada por (4.2.1) converge para essa soluao, qualquer que seja o ponto inicial e c escolhido. Critrio de paragem e Temos ainda que x(k+1) s sendo ento a
1
L x x(k) 1 L (k+1)
= 1.4 x(k+1) x(k) 1 ,
k+1 = 1.4 x(k+1) x(k) Assim, se k+1 105 tem-se que x(k+1) s Estimativa inicial 105 .
um majorante da norma do erro de aproximaao x(k+1) s 1 . c

1
Uma vez que o mtodo converge globalmente, escolheu-se arbitrariamente o ponto inicial x1,(0) = e 1, x2,(0) = 1. Iteraao 1 c x1,(1) = 1 + 1 cos(x1,(0) + x2,(0) ) = 0.89596 4 x2,(1) = 2 + 1 sin(x1,(0) + x2,(0) ) = 2.30310 3 Como 1 = 1.4 x(1) x(0) = 2.0 5 105 , continua-se com a iteraao 2. c
Resultados A tabela seguinte apresenta os resultados da aplicaao do mtodo at ` satisfaao do critrio de c e ea c e paragem.
k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 x1,(k) x2,(k) g1 (x1,(k) , x2,(k) ) g2 (x1,(k) , x2,(k) ) 0.89596 0.75041 0.77075 0.75704 0.76161 0.75971 0.76043 0.76015 0.76026 0.76021 0.76023 0.76022 0.76023 0.76023 2.30310 1.98085 2.13297 2.07854 2.10042 2.09198 2.09529 2.09400 2.09450 2.09431 2.09438 2.09435 2.09436 2.09436 k+1 2.0 6.5 101 2.4 101 9.5 102 3.7 102 1.4 102 5.7 103 2.2 103 8.6 104 3.4 104 1.3 104 5.1 105 2.0 105 7.8 106 1.00000 1.00000 0.89596 2.30310 0.75041 1.98085 0.77075 2.13297 0.75704 2.07854 0.76161 2.10042 0.75971 2.09198 0.76043 2.09529 0.76015 2.09400 0.76026 2.09450 0.76021 2.09431 0.76023 2.09438 0.76022 2.09435 0.76023 2.09436
Soluao c O ponto obtido x1 = 0.76023, x2 = 2.09436 ser ento a soluao procurada. a a c
62
As condies sucientes de convergncia enunciadas no teorema 4.2.1 permitem guiar a escolha co e da funo de iterao G, bem como do ponto inicial x(0) . Devemos assim escolher uma funo ca ca ca G tal que JG (z) < 1, para alguma norma induzida, onde z a soluo pretendida. Nestas e ca condies poss co e vel garantir a convergncia do mtodo qualquer que seja o ponto inicial x(0) e e sucientemente prximo de z, ou seja, tal que x(0) z < para > 0 sucientemente pequeno. o
4.3
Mtodo de Newton e
O mtodo de Newton para a resoluo de sistemas de equaoes tambm uma generalizao do e ca c e e ca mtodo j estudado para o caso de apenas uma equao. Consideremos novamente o sistema de e a ca equaes F (x) = 0. Supondo que a matriz jacobiana JF (x) no singular, este sistema ainda co e a e equivalente a JF (x)1 F (x) = 0, ou ainda a x = x [JF (x)]1 F (x). O mtodo de Newton consiste em utilizar esta expresso como relao de recorrncia para gerar e a ca e equaes. Os termos da sucesso so calculados a partir co a a uma sucesso de pontos {x(k) } que se pretende convergente para a soluo z do sistema de a ca x(k+1) = x(k) [JF (x(k) )]1 F (x(k) ), sendo o ponto inicial x(0) convenientemente escolhido. Para obter x(k+1) necessrio determinar e a JF (x(k) ) = k = 1, 2, . . .
f1 x1
. . .
.. .
f1 xn
. . .

x(k)
fn x1
fn xn
sendo em seguida calculado v(k) = [JF (x(k) )]1 F (x(k) ). Este clculo efectua-se resolvendo o a seguinte sistema de equaes lineares co JF (x(k) ) v(k) = F (x(k) ). Finalmente, obtm-se x(k+1) a partir da expresso e a x(k+1) = x(k) v(k) . O seguinte teorema apresenta condioes sucientes para a convergncia do mtodo de Newc e e ton. Tal como no caso unidimensional, verica-se que este mtodo apresenta uma convergncia e e quadrtica desde que a matriz jacobiana avaliada na soluo do sistema de equaes seja no a ca co a singular.
63
Teorema 4.3.1. Sejam F de classe C 2 e z tal que F (z) = 0. Se det(JF (z)) = 0 ento a a sucesso gerada pelo mtodo de Newton convergente para z qualquer que seja o ponto inicial a e e x(0) sucientemente prximo de z. Verica-se ainda que existe uma constante positiva c tal que o z x(k+1) c z x(k) 2 , ou seja a convergncia quadrtica. e e a O exemplo seguinte ilustra a aplicao do mtodo de Newton na resoluo de um sistema de ca e ca equaes no lineares. co a Exemplo 4.3.1. Voltemos ao sistema de equaoes c 4x1 x2 2x2 x2 + 2 = 0 2 1 2x1 4x2 + x1 x2 3 = 0 Denindo a funao c F (x) = obtm-se a matriz jacobiana e JF (x) = 4x2 4x1 x2 8x1 x2 2x2 2 1 2+
1 2 x2 x1
4x1 x2 2x2 x2 + 2 2 1 2x1 4x2 + x1 x2 3
4 +
1 2
x1 x2
A expresso de recorrncia do mtodo de Newton tomar para este caso a forma a e e a x1,(k) x2,(k) onde = x1,(k1) x2,(k1) v1,(k1) v2,(k1) .
2 4x2 2,(k1) 4x1,(k1) x2,(k1) 8x1,(k1) x2,(k1) 2x1,(k1)
2+
1 2
x2,(k1) x1,(k1)
4 +
1 2
x1,(k1) x2,(k1)
v1,(k1) v2,(k1)
2 4x1,(k1) x2 2,(k1) 2x1,(k1) x2,(k1) + 2 2x1,(k1) 4x2,(k1) + x1,(k1) x2,(k1) 3
Iniciando as iteraoes no ponto x1,(0) = 1.5 e x2,(0) = 1 obtm-se c e F (x(0) ) = e tambm e JF (x(0) ) = 2.40825 3.38763 2 7.5 . 3.5 2.77526
64
Tem-se ento que a 2 7.5 v1,(0) v2,(0) = 3.5 2.77526 .
2.40825 3.38763 Resolvendo este sistema obtm-se e v1,(0) v2,(0) resultando ento a x1,(1) x2,(1) = =
0.79366 0.25502
2.29366 0.74498
Continuando a aplicar o mtodo obtm-se os resultados constantes na tabela seguinte e e

k 0 1 2 3 x1,(k) x2,(k) f1 (x(k) ) f2 (x(k) ) v1,(k) v2,(k) 0.25502 0.29097 x2,(k+1) 2.29366 1.93340 2.00000 2.00000 x2,(k+1) 0.74498 0.45401 0.50017 0.50000
1.50000 1.00000 2.29366 0.74498 1.93340 0.45401 2.00000 0.50017
3.50000 2.77526 0.79366 0.74662 0.08540 0.36026 0.19989 0.00000
0.01235 0.06661 0.04616 0.00050 0.00000 0.00017
A convergncia quadrtica do mtodo de Newton patente neste exemplo em que se obtm a e a e e e soluo do sistema em 3 iteraes com um erro inferior a 105 . Esta caracter ca co stica de elevada rapidez uma das grandes vantagens do mtodo de Newton. Entre as suas maiores desvantagens e e inclui-se o elevado nmero de operaes necessrias ` execuo de cada iterao do mtodo (nou co a a ca ca e meadamente a resoluo de um sistema de equaes lineares) e tambm a necessidade de recorrer ca co e ao clculo de derivadas das funes que denem o sistema de equaes. Deve ainda referir-se que a co co uma das maiores diculdades na aplicao deste mtodo a garantia da sua convergncia. De ca e e e facto, em muitas situaes no existem ` partida estimativas iniciais sucientemente prximas co a a o da soluo que garantam a convergncia do mtodo de Newton. Tendo em vista ultrapassar as ca e e principais desvantagens e diculdades deste mtodo podem ser utilizadas algumas modicaes e co do seu funcionamento. Por exemplo, para diminuir o peso computacional do mtodo, habitual no recalcular a matriz e e a jacobiana (e obviamente a sua inversa) todas as iteraes. Este procedimento reduz, na maioria co dos casos, a rapidez de convergncia do mtodo (avaliada em nmero de iteraes) mas as e e u co iteraes sero mais rpidas, resultando muitas vezes num menor esforo total para a obteno co a a c ca da soluo com uma dada preciso. Muitas vezes ainda, as derivadas parciais que compem a ca a o matriz jacobiana so aproximadas por quocientes de diferenas nitas. a c Para garantir a convergncia do mtodo para um maior conjunto de pontos iniciais frequente e e e alterar a expresso de recorrncia do mtodo para a e e x(k) = x(k1) k1 [JF (x(k1) )]1 F (x(k1) ),
65
onde o valor positivo k1 , designado por passo, escolhido, em cada iterao, de forma a que e ca F (x(k) ) < F (x(k1) ) , sendo aqui utilizada F como medida da distncia ` soluo do sistema. a a ca
Cap tulo 5
Sistemas de Equaes Lineares co

5.1 Introduo ca
Neste cap tulo iremos abordar a resoluo de sistemas de equaes lineares. De uma forma geral ca co poderemos ter um sistema m equaes a n incgnitas como o representado abaixo. co o a11 x1 + a12 x2 + + a1n xn = b1 a21 x1 + a22 x2 + + a2n xn = b2 . . . . . . a x + a x + + a x = b m1 1 m2 2 mn n m Ax = b onde se tem que A Rmn b Rm Rn x a matriz dos coecientes, de elementos aij , e o vector dos termos independentes, de elementos bi , e o vector de incgnitas, de elementos xj . e o
Este sistema, utilizando uma notao matricial, pode ainda ser escrito na forma ca
Este estudo incidir sobre os designados sistemas de Cramer, ou seja, sistemas de n equaes a co a n incgnitas poss o veis e determinados, isto , com soluo unica. Nestes sistemas tem-se que e ca A Rnn , vericando-se ainda que det A = 0. Este tipo de sistemas pode ser resolvido pela regra de Cramer, vericando-se que xi = det Ai , det A i = 1, . . . , n
onde Ai a matriz que se obtm substituindo a coluna i de A pelo vector coluna b. Esta e e expresso, embora de aspecto simples, geralmente pouco atractiva para a determinao da a e ca 66
Cap tulo 5. Sistemas de Equaoes Lineares c
67
soluo de um sistema. De facto, o clculo de um determinante de ordem n, a partir da denio, ca a ca requer (n 1)n! multiplicaes e n! 1 somas ou subtraces. Por exemplo, para calcular um co co determinante de ordem 10 seriam necessrias mais de 40 milhes de operaes aritmticas, a o co e as quais, para alm de demorarem um tempo no desprezvel a realizar, podem conduzir a e a a resultados sem qualquer utilidade, devido a erros de arredondamento. Embora seja poss calcular determinantes de modo muito mais eciente do que a partir da vel denio, existem outros mtodos que permitem obter a soluo do sistema com a realizao de ca e ca ca um menor nmero de operaes do que as necessrias ` aplicao da regra de Cramer. u co a a ca Os principais objectivos deste cap tulo sero estudar mtodos que permitam resolver numericaa e mente sistemas de n equaes a n incgnitas de modo eciente, isto , executando um pequeno co o e nmero de operaes aritmticas, e ecaz, isto , fornecendo boas aproximaes da soluo u co e e co ca exacta, bem como analisar algumas questes numricas associadas aos sistemas de equaes o e co lineares.
5.2
Eliminao gaussiana ca
A eliminao gaussiana um mtodo directo de resoluao de uma sistemas de equaes lineares ca e e c co pois fornece a soluo exacta do sistema num nmero nito de operaes, quando se utiliza ca u co aritmtica exacta. e Comecemos por recordar que se o sistema a resolver estiver numa forma triangular a11 x1 + a12 x2 + + a1,n1 xn1 + a1n xn = b1 a22 x2 + + a2,n1 xn1 + a2n xn = b2 . . . . . . an1,n1 xn1 + an1,n xn = bn1 ann xn = bn bn . ann Substituindo o valor de xn na penltima equao obtm-se u ca e xn = bn = bn1 an1,n1 xn1 + an1,n ann xn1 =
n bn1 an1,n abnn
a obteno da soluo imediata. Da ultima equao obtm-se imediatamente o valor de xn ca ca e ca e por
an1,n1
Substituindo agora os valores de xn e xn1 na antepenltima equao obtm-se o valor de xn2 u ca e e assim sucessivamente at obter os valores de todas as outras incgnitas. e o De uma forma geral, o valor de xi obtm-se a partir da equao i, conhecidos os valores de xj , e ca para j = i + 1, . . . , n, ou seja xi = bi
n j=i+1 aij xj
aii
68
como dever ser para que o sistema tenha soluo unica. a ca
Este processo poss de aplicar se e s se aii = 0, i, condio que equivalente a det A = 0, e vel o ca e
O mtodo de Gauss, ou de eliminao gaussiana, consiste em transformar o sistema original num e ca outro equivalente que seja triangular superior. Este processo realizado em etapas sucessivas. e Na etapa j so anulados os coecientes aij , com i > j, ou seja, a varivel xj eliminada nas a a e equaes i > j. Esta eliminao feita por pivotao, ou seja, para cada i > j a equao i co ca e ca ca e substitu pela sua soma com mltiplo da equao j, de modo a anular o elemento aij . da u ca Na etapa j, a equao j designada por equao pivot e o elemento ajj designado por ca e ca e elemento pivot. O mltiplo mij da equao j a somar ` equao i dever ser u ca a ca a mij = aij . ajj
Caso o elemento pivot ajj seja nulo, a equao j dever ser trocada com uma equao i, com ca a ca i > j, tal que aij = 0. Exemplo 5.2.1. Resolver o sistema de equaoes por eliminaao gaussiana. c c 2x1 + 3x2 x3 = 5 4x1 + 4x2 3x3 = 3 2x + 3x x = 1
1 2 3
Resoluo ca
a
1 etapa: equaao pivot: 1 , elemento pivot: a11 = 2 c

4 c e a a equaao pivot, multiplicada por m21 = 2 = 2, somada ` 2 equaao, anulando o c
a
elemento a21
a equaao pivot, multiplicada por m22 = 2 = 1, somada ` 3 c e a 2 elemento a31

a
equaao, anulando o c
Aps a 1 etapa o sistema a resolver ser o a 2x1 + 3x2

a a
x3 =
5 6
2 etapa: equaao pivot: 2 , elemento pivot: a22 = 2 c

6 e a a equaao pivot, multiplicada por m32 = 2 = 3, somada ` 3 c
a
2x2
6x2 2x3 =
x3 = 7
equaao, anulando o c
elemento a32
69
Aps a 2 etapa o sistema a resolver ser o a 2x1 + 3x2
x3 = x3 =
5 7
2x2
5x3 = 15
Este um sistema triangular superior cuja soluao se determina facilmente por substituiao e c c inversa, resultando x1 = 1
As diculdades de utilizao do mtodo de eliminao gaussiana aparecem apenas quando se ca e ca utiliza aritmtica com preciso nita com os inerentes erros de arredondamento. O exemplo e a seguinte ilustra estas diculdades. Exemplo 5.2.2. Resolver o sistema seguinte com aritmtica de 4 dgitos. e 0.0002x1 + 1.672x2 = 1.673 1.336x1 2.471x2 = 4.209 Nota: A soluao exacta deste sistema x1 = 5, x2 = 1. c e Resoluo ca
1.336 Sendo m21 = 2104 = 6680, o coeciente de x2 na equaao 2 ser c a
x =2 2 x =3 3
6680 1672 2.471 = 1.117 104 2.471 = 1.117 104 e o termo independente ser a 6680 1.673 + 4.209 = 1.118 104 + 4.209 = 1.118 104 obtendo-se o sistema 2 104 x1 + 1.672x2 = 1.673
1.117 104 x2 = 1.118 104
Agora, x2 determina-se facilmente por x2 = 1.118 = 1.001 1.117
Substituindo este valor na equaao 1 obtm-se c e x1 = 1.673 1.674 1.000 104 1.673 1.672 1.001 = = = 5.000 2.000 104 2.000 104 2.000 104
70
pelo que a soluao obtida c e x1 = 5.000 x2 = 1.001
Resolvamos agora o sistema, com a ordem das equaoes alterada, ou seja, c 1.336x1 2.471x2 = 4.209
2.0000 104 x1 + 1.672x2 = 1.673 Sendo m21 = 2.000010 1.336

4
= 1.497 104 , o coeciente de x2 na equaao 2 de agora, ser c a
1.497 104 (2.471) + 1.672 = 3.700 104 + 1.672 = 1.672 e o termo independente desta mesma equaao ca c 1.497 104 4.209 + 1.673 = 6.301 104 + 1.672 = 1.672 obtendo-se o sistema 1.336x1 2.471x2 = 4.209 A soluao assim obtida ser c a x2 = x1 =
1.672 1.672 = 1.000 4.209+2.4711.000 1.336
1.672x2 = 1.672
= 5.000
que a soluao exacta! e c
Mesmo que no clculo de x1 se tivesse usado x2 = 1.001 obter-se-ia a x1 = 4.209 + 2.471 1.001 = 5.002 1.336
quando no primeiro caso se obteve x1 = 5.000. Qual a razo de to grande diferena? a a c Neste exemplo, aps a reduo do sistema a uma forma triangular superior e ao clculo de x2 a o ca a partir da ultima equao, o valor de x1 obtido por ca e x1 = b1 a12 x2 , a11 a11
onde os elementos da matriz de coecientes e do vector de termos independentes se referem ao sistema triangular superior obtido. Se o valor de x2 usado nesta expresso estiver afectado de a um erro absoluto , ento x1 vir afectado de um erro, em valor absoluto, dado por a a a12 . a11 Note-se que no primeiro caso se tinha a12 1.672 = = 8360, a11 2 104
71
enquanto no segundo este quociente era 2.471 a12 = = 1.850, a11 1.336 interessando portanto que
a12 a11
seja o menor poss vel.
Generalizando agora este resultado, conclui-se facilmente da expresso de clculo de xi por a a substituio inversa ca xi = bi
n j=i+1 aij xj
aii que estando os valores xj afectados de erros, ento xi tambm estar, de acordo com a expresso a e a a
n
xi
j=i+1
|aij | x . |aii | j
De forma a diminuis a inuncia dos erros de xj , para j > i, no clculo de xi , interessa que os e a quocientes
|aij | |aii |
sejam pequenos.
A obteno de valores pequenos para tais quocientes pode ser garantida usando as designadas ca estratgias de escolha de pivot. Estas estratgias tiram partindo da possibilidade de escolha, e e numa qualquer etapa j da eliminao gaussiana, quer da equao pivot a utilizar (troca de linhas) ca ca quer da varivel pivot a utilizar (troca de colunas). a A estratgia parcial de pivot (ou pivotao parcial) apenas permite a troca de linhas de e ca acordo com o seguinte procedimento 1. Na etapa j escolhida a equao pivot k e ca
iln ( j k n)
(a) calculam-se os valores di = max |ail | i = j, . . . , n; (b) calculam-se os quocientes |aij | i = j, . . . , n; di (c) selecciona-se para pivot equao k como sendo aquela em que ca |akj | dk 2. Troca-se a equao k com a j. ca 3. Realiza-se a eliminao. ca Exemplo 5.2.3. Aplicando a estratgia parcial de pivot ao exemplo anterior obtm-se e e 2.000 104 x1 + 1.672x2 = 1.673 pelo que segunda!
a11 d1
mximo. e a
1.336x1 2.471x2 = 4.209 = 0.5406, concluindo-se que a equaao pivot deve ser a c
= 1.196 104 e
a21 d2
72
Outra forma poss de escolha do elemento pivot a designada estratgia total de pivot vel e e (ou pivotao total) que se pode resumir nos seguintes passos ca 1. Na etapa j escolhe-se o elemento pivot akl |akl | mximo. e a 2. Troca-se a equao j com a equao k. ca ca 3. Troca-se a varivel xj com a varivel xl . a a 4. Realiza-se a eliminao. ca
( j k, l n)
Exemplo 5.2.4. Voltando ainda ao exemplo anterior 2.000 104 x1 + 1.672x2 = 1.673 1.336x1 2.471x2 = 4.209 d1 = 1.672
d2 = 2.471
equaao com a segunda (trocas de linhas) e a varivel x1 com x2 (troca de colunas). Neste caso c a o sistema caria 2.471x2 + 1.336x1 = 4.209 1.672x2 + 2.000 104 x1 = 1.673
verica-se que max1i,j2 |aij | = 2.471, para i = 2 e j = 2. Ento deve trocar-se a primeira a
devendo agora eliminar-se x2 da segunda equaao. c Como fcil de entender, a estratgia de pivotao total computacionalmente mais cara pois e a e ca e exige troca de colunas, isto para alm da troca de linhas. Em termo de qualidade dos resultados, e ou seja, diminuio da propagao dos erros numricos resultantes de arredondamentos, pode ca ca e demonstrar-se que a pivotao total conduz a melhores resultados. Contudo, verica-se tambm ca e que a pivotao parcial produz resultados sucientemente bons na maioria das situaes. ca co
5.3
Erro e res duo de uma soluo aproximada ca
Como em todos os problemas de resoluo numrica, tambm na resoluo dos sistemas de ca e e ca equaes lineares se coloca a questo da qualidade da soluo aproximada obtida por via co a ca numrica. e Sejam A Rnn (invert vel) e b Rn e considere-se o sistema de equaes Ax = b. Designando co por x a soluo exacta e sendo x uma soluo aproximada denem-se ca ca erro da soluo aproximada: ca res duo da soluo aproximada: ca r = b A, x e = x x,
que so ambos elementos de Rn . a
73
A questo que aqui se coloca a da estimao do erro de aproximao e. Note-se que este a e ca ca erro no se pode calcular directamente uma vez que no dispomos da soluo exacta x. Se este a a ca valor estivesse dispon ter vel amos o nosso problema resolvido, e nem precisar amos de estimar erros de solues aproximadas! Resta-nos ento tentar obter estimativas para este erro. Uma co a das possibilidades ser utilizar o res a duo atrs denido. Repare-se que erro e res a duo esto a relacionados, pois r = A A = A( x) = Ae. x x x Se x = x ento o erro nulo, e o res a e duo tambm ser nulo. Por outro lado se o res e a duo for nulo, o erro tambm o ser (e a soluo ser exacta). E quando x = x, ser que a um erro pequeno e a ca a a corresponde um res duo pequeno? E a um res duo pequeno, corresponder um erro pequeno? a Exemplo 5.3.1. O sistema 1.01 0.99 0.99 1.01 tem como soluao exacta x = [1 1]T . c Para a soluao aproximada x = [1.01 1.01]T tem-se e = [0.01 0.01]T e r = [0.02 0.02]T . c componente. Para a soluao aproximada x = [2 0]T tem-se e = [1 1]T e r = [0.02 0.02]. O erro relativo c e agora de 100% em cada componente, sendo o resduo relativo de apenas 1% em cada componente. Exemplo 5.3.2. O sistema 1.01 0.99 0.99 1.01 tem como soluao exacta x = [100 100]. c Para a soluao aproximada x = [101 99] tem-se e = [1 1] e r = [2 2]. c componente. Nestes exemplos, os erros e res duos foram comparados usando valores relativos. Estes valores foram determinados relativamente ` componente mxima da soluo, no caso do erro, e a a ca a ` componente mxima do vector de termos independentes, no caso do res a duo. Como estes exemplos ilustram, nem sempre erros pequenos correspondem a res duos pequenos nem res duos pequenos a erros pequenos. Vamos ento analisar a relao entre erro e res a ca duo de uma soluo ca aproximada. Do exposto atrs pode escrever-se a r = Ae r = Ae A e e = e = A1 r A1 r A1 r O erro relativo de 1% em cada componente e o resduo relativo agora de 100% em cada e e x1 x2 = 2 2 x1 x2 = 2 2
O erro relativo de 1% em cada componente e o resduo relativo tambm de 1% em cada e e e
74
concluindo-se que r e A1 A Por outro lado, tem-se que b = A x b = A A x x concluindo-se tambm que e b x A1 b , A ou, de forma equivalente 1 A1 b 1 A . x b (5.3.2) x = A1 b x = A1 b A1 b r . (5.3.1)
Das expresses (5.3.1) e (5.3.2) pode ainda concluir-se que o 1 A A1 r e r A A1 . b x b
O valor A A1 que aparece nesta ultima expresso designado por nmero de condio a e u ca da matriz A e habitualmente representado por cond(A). E de notar que o nmero de condio u ca de uma matriz depende obviamente da norma escolhida. Agora, a relao entre erro e res ca duo pode ser escrita como r e r 1 cond(A) , cond(A) b x b onde
e x
pode ser interpretado como o erro relativo e
r b
como o res duo relativo.
Notando que para toda a matriz A invert se tem I = AA1 conclui-se que vel 1 = I A A1 vericando-se ento que cond(A) 1. a relativo Diz-se que a matriz A bem condicionada quando cond(A) 1. Nesta situao, o erro e ca
e x
ser da mesma ordem de grandeza do res a duo relativo
r b
diz-se mal condicionada. Em tais casos, a relao entre erro relativo e res ca duo relativo obtida atrs pouco informativa. A erros pequenos podem corresponder res a e duos grandes e res duos pequenos podem corresponder a erros grandes. O clculo de cond(A) pela denio implica a determinao de A1 , o que pode no ser muito a ca ca a prtico. Uma alternativa para estimar cond(A) ser utilizar a seguinte propriedade a a 1 = min cond(A) B singular AB A .
. Se cond(A) 1 a matriz
75
Escolhendo ento uma matriz B singular obtm-se um minorante para cond(A) dado por a e cond(A) A . AB
Este minorante ser tanto melhor quanto mais prxima de A for a matriz B utilizada. Podemos a o tambm concluir que o nmero de condio de A ser tanto maior quanto mais A estiver prxima e u ca a o de uma matriz singular. Exemplo 5.3.3. A matriz dos coecientes dos sistemas dos exemplos 5.3.1 e 5.3.2 era A= Escolhendo a matriz singular B= conclui-se, na norma , que cond(A) A 2 = = 100. AB 0.02 0.99 0.99 0.99 0.99 1.01 0.99 0.99 1.01 .
Na verdade, tem-se neste caso que cond(A) = 100, como se pode comprovar calculando-o pela pela deniao. Ento, para aqueles sistemas de equaoes, verica-se a relaao c a c c 0.01 r b

e x
100
r b
pelo que o resduo relativo no fornece grande informaao sobre o erro relativo e vice-versa, tal a c como ento se tinha vericado. a
5.4
Perturbaes no sistema de equaes co co
Em muitas situaes, os elementos da matriz de coecientes A ou do vector de termos indeco pendentes b esto sujeitos a erros. Estes erros podem resultar do facto de tais elementos serem a obtidos a partir de medies (sempre sujeitas a erros) ou de clculos que originem erros de arco a redondamento (ou outros). Estas consideraes tornam relevante a anlise da sensibilidade da co a soluo do sistema de equaes Ax = b face a perturbaes, quer na matriz A, quer no vector b. ca co co O resultado apresentado em seguida arma que variaes relativas nos termos independentes co aparecem multiplicadas pelo nmero de condio de A como variaes relativas na soluo do u ca co ca sistema. O majorante aqui apresentado pode ser, por vezes, bastante pessimista. Teorema 5.4.1. Considere-se o sistema de equaoes Ax = b, onde se supe que A Rnn c o e no singular e b Rn no nulo. Seja x a soluao deste sistema, isto , x = A1 b. Seja tambm a e a c e e
76
Rn e represente-se por x a soluao do sistema (perturbado) Ax = ou seja, x = A1 b c b, b. Ento verica-se que a xx b b cond(A) . x b
Demonstraao. Dado que x x = A1 (b obtm-se a relao c b), e ca x x A1 b b Por outro lado, tem-se b = A, e logo b A x , ou ainda x 1 A x 1 b
Multiplicando termo a termos estas desigualdades obtm-se a relao e ca xx A A1 x b b b
que equivalente ` relao pretendida, pois cond(A) = A A1 . e a ca Exemplo 5.4.1. Considere-se o sistema de equaoes Ax = b, onde c 1 1 2 4 e b = 2 . A= 4 3 1 1 2 2 3
A soluao deste sistema x = [0.2 1 0.2]T . Considerando o novo termo independente c e = [1.1 2.2 0.9]T , obtm-se a soluao x = [0.62 1.7 0.42]T . b e c A variaao relativa nos termos independentes, medida na norma , c e b b 0.2 = = 0.1, b 2 enquanto a variaao relativa nas soluoes, medida na mesma norma, c c e 0.7 xx = = 0.7, x 1 ou seja, 7 vezes superior. Neste caso tem-se que cond(A) = 48 na norma . Consideremos agora perturbaes na matriz dos coecientes. O resultado seguinte relaciona co variaes relativas na matriz dos coecientes com variaes relativas na soluo do sistema. co co ca Mais uma vez, o factor de amplicao do majorante aqui apresentado o nmero de condio ca e u ca da matriz A. E de notar que em algumas situaes esta estimativa pode ser bastante pessimista. co
77
Teorema 5.4.2. Considere-se o sistema de equaoes Ax = b, onde se supe que A Rnn c o e no singular e b Rn no nulo. Seja x a soluao deste sistema, isto , x = A1 b. a e a c e Seja tambm A Rnn , no singular, e represente-se por x a soluao do sistema (perturbado) e a c 1 b. Ax = b, ou seja, x = A Ento verica-se que a xx AA cond(A) . x A
Demonstraao. As hipteses do teorema permitem escrever c o x x = A1 b = A1 A = A1 (A + A A) = A1 (A A) + x x x ou seja, x x = A1 (A A). x Ento, verica-se que x x A1 A A x . Ou ainda, a xx A1 A x como se pretendia mostrar. Exemplo 5.4.2. Considere-se o sistema de equaoes Ax = b, onde c 16 1 5 10 A = 0 1 6 e b = 5 , 0 0 1 1 cuja soluao x = [1 1 1]T . c e Considere-se tambm a matriz A, denida por e 1 5 10 A = 0 1 6 0 0 1.1 A soluao do sistema Ax = b x = c e A perturbaao na matriz dos coecientes c e 0 0 0 A A = 0 0 0 . 0 0 0.1 1 0.1 AA = . = A 16 160
51 11 5 11 10 T . 11
AA AA = cond(A) A A
Neste caso, a variaao relativa na matriz dos coecientes , na norma , c e
78
A variaao relativa na soluao ser c c a xx = x ou seja,

6400 51 40 11 51 11
40 , 51
(cerca de 125) vezes maior. Neste caso tem-se que cond(A) = 736 na norma .
5.5
Mtodos iterativos e
Vamos agora estudar mtodos iterativos para a resoluo de sistemas de equaes lineares. e ca co Consideremos novamente um sistema de equaes Ax = b. De uma forma geral, os mtodos co e iterativos consistem na substituio do sistema original por um outro equivalente, da forma ca x = Gx + d, onde G Rnn e d Rn , e na gerao de uma sucesso {x(k) } Rn pela expresso de recorrncia ca a a e x(k+1) = Gx(k) + d k = 0, 1, . . . ,
convergente para A1 b, que o valor procurado. e
a partir de um valor inicial x(0) Rn . Obviamente que se pretende que a sucesso {x(k) } seja a
Dado o sistema de equaes, onde aii = 0 i, co a11 x1 + a12 x2 + + a1n xn = b1 a21 x1 + a22 x2 + + a2n xn = b2 . . . . . . a x + a x + + a x = b n1 1 n2 2 nn n n
resolvendo cada equao i em ordem ` varivel xi , obtm-se o sistema equivalente ca a a e a13 b1 x1 = a12 x2 a11 x3 a1n xn + a11 a11 a11 a23 b2 x2 = a21 x1 a22 x3 a2n xn + a22 a22 a22 . . . . . . x = an1 x an2 x an3 x n + abnn n ann 1 ann 2 ann 3 Denindo B Rnn e c Rn respectivamente por aij se i = j aii bij = 0 se i = j ci = bi aii
i, j = 1, . . . , n,
i = 1, . . . , n,
este ultimo sistema pode ser escrito como x = Bx + c.
79
O mtodo iterativo de Jacobi caracterizado por utilizar a expresso de recorrncia e e a e x(k+1) = Bx(k) + c ou, de forma equivalente para cada uma das variveis, a
n
xi,(k+1) =
j=1
bij xj,(k) + ci ,
isto para i = 1, . . . , n. O seguinte exemplo ilustra a aplicao do mtodo de Jacobi . ca e Exemplo 5.5.1. Aplicar o mtodo de Jacobi para resolver o sistema e 3 x1 3 1 1 0 2 1 x2 = 3 . x3 3 1 2 4 Resoluo ca Expresses de recorrncia o e Isolando uma varivel em cada uma das equaoes, obtm-se as expresses de recorrncia a c e o e 1 1 x1,(k+1) = 3 x2,(k) 3 x3,(k) + 1 Estimativa inicial Escolhamos x0 = [0 Iteraao 1 c
1 x = 2 x3,(k) + 2,(k+1) 1 1 x + 3,(k+1) = 4 x1,(k) + 2 x2,(k) 3 2 3 4
0]T . 1 1 x 1,(1) = 3 0 3 0 + 1 = 1 1 x = 2 0 + 3 = 1.5 2 2,(1) x 1 3 1 3,(1) = 4 0 + 2 0 + 4 = 0.75 x 1,(2) =

1 3
Iteraao 2 c
Resultados
3 x = 1 0.75 + 2 = 1.125 2 2,(2) x 1 1 3 3,(2) = 4 1 + 2 1.5 + 4 = 1.25
1.5
1 3
0.75 + 1 = 1.25
80
Continuando a aplicaao do mtodo, obtm-se as seguintes estimativas c e e

k 0 1 2 3 4 5 6 7 8 9 10 11 x1,(k) 0 x2,(k) 0 x3,(k) 0
1.0000 1.5000 0.7500 1.2500 1.1250 1.2500 0.9583 0.8750 1.0000 0.9583 1.0000 0.9479 1.0174 1.0260 1.0104 1.0052 0.9948 1.0087 0.9954 0.9957 0.9961 0.9999 1.0020 0.9990 1.0010 1.0005 1.0010 0.9998 0.9995 1.0000 0.9998 0.9999 0.9998
que convergem para a soluao [1 c
1]T .
Analisando a expresso de recorrncia do mtodo de Jacobi, verica-se a determinao da nova a e e ca estimativa de uma varivel utiliza as estimativas da iterao anterior das outras variveis. Cona ca a siderando que as novas estimativas so determinadas sequencialmente, ou seja, primeiro x1 , a depois x2 e assim sucessivamente at xn , verica-se que quando se vai calcular a nova estimativa e de xi j se dispe de novos valores para as variveis xj , como j = 1, . . . , i 1. a o a O mtodo iterativo de Gauss-Seidel tira partido deste facto, utilizando no clculo da nova e a estimativa de uma varivel sempre a ultima estimativa dispon das varivel necessrias. Asa vel a a sim, podemos caracterizar o mtodo de Gauss-Seidel pela expresso de recorrncia e a e
i1 n
xi,(k+1) =
j=1
bij xj,(k+1) +
j=i+1
bij xj,(k) + ci ,
para i = 1, . . . , n. Pretende-se com esta alterao obter uma maior rapidez de convergncia para ca e a soluo pretendida. ca A aplicao do mtodo de Gauss-Seidel encontra-se ilustrada no exemplo seguinte. ca e Exemplo 5.5.2. Aplicar o mtodo de Gauss-Seidel para resolver o sistema e 3 x1 3 1 1 0 2 1 x2 = 3 . 3 x3 1 2 4 Resoluo ca Expresses de recorrncia o e
81
As expresses de recorrncia so agora as seguintes o e a 1 1 x1,(k+1) = 3 x2,(k) 3 x3,(k) + 1 Estimativa inicial

1 x = 2 x3,(k) + 2,(k+1) 1 1 x + 3,(k+1) = 4 x1,(k+1) + 2 x2,(k+1) 3 2 3 4
Escolhamos x0 = [0 Iteraao 1 c
0]T . 1 1 x 1,(1) = 3 0 3 0 + 1 = 1 1 x = 2 0 + 3 = 1.5 2 2,(1) x 1 3 1 3,(1) = 4 1 + 2 1.5 + 4 = 1.25
Iteraao 2 c
Resultados Continuando a aplicaao do mtodo, obtm-se as seguintes estimativas c e e

k 0 1 2 3 4 5 6 7 8 x1,(k) 0 x2,(k) 0 x3,(k) 0
1 x 1,(2) = 3 1.5 1 1.25 + 1 = 1.0833 3 3 1 x = 2 1.25 + 2 = 0.875 2,(2) x 1 3 1 3,(2) = 4 1.0833 + 2 0.875 + 4 = 0.9167
1.0000 1.5000 1.2500 1.0833 0.8750 0.9167 0.9861 1.0417 1.0243 1.0058 0.9878 0.9925 0.9985 1.0038 1.0023 1.0005 0.9989 0.9993 0.9999 1.0003 1.0002 1.0000 0.9999 0.9999
que convergem para a soluao [1 c
1]T .
Em ambos os exemplos atrs apresentados verica-se que as sucesses geradas pelos mtodos a o e iterativos convergem para a soluo do sistema procurada. No entanto este comportamento nem ca sempre se verica, como se mostra no seguinte exemplo. Exemplo 5.5.3. Aplicar o mtodo de Jacobi e tambm o mtodo de Gauss-Seidel para resolver e e e o sistema 1 1 1 x1 1
0 2 1 x2 = 1 . 1 2 2 1 x3
82
Resoluo ca Aplicando o mtodo de Jabobi, partindo de x0 = [0 0 0]T , obtm-se uma sucesso que no e e a a T , como se pode ver pela tabela seguinte. converge para a soluao (nica) x = [1 1 1] c u
k 0 1 2 3 4 5 6 7 8 9 ... x1,(k) 0 x2,(k) 0 x3,(k) 0
1.0000 0.5000 0.5000 1.0000 0.7500 0.5000 1.2500 0.7500 0.7500 1.0000 0.8750 0.6250 1.2500 0.8125 0.8750 0.9375 0.9375 0.6875 1.2500 0.8438 0.9688 0.8750 0.9844 0.7188 1.2656 0.8594 1.0469 ... ... ...
Aplicando agora o mtodo de Gauss-Seidel e partindo tambm de x0 = [0 0 0]T , obtm-se uma e e e sucesso que converge para a soluao do sistema, como se pode observar pela tabela seguinte. a c
k 0 1 2 3 4 5 6 7 8 9 ... x1,(k) 0 x2,(k) 0 x3,(k) 0
1.5000 0.5000 0.5000 1.0000 0.7500 0.7500 1.0000 0.8750 0.8750 1.0000 0.9375 0.9375 1.0000 0.9688 0.9688 1.0000 0.9844 0.9844 1.0000 0.9922 0.9922 1.0000 0.9961 0.9961 1.0000 0.9980 0.9980 ... ... ...
Este exemplo mostra que necessrio, como seria de esperar, obter condies que garantam e a co a convergncia dos mtodos iterativos estudados. As condies que iremos estudar so casos e e co a particulares de uma resultado mais geral sobre convergncia de mtodos iterativo de expresso e e a de recorrncia e x(k+1) = Gx(k) + d, que apresentamos em seguida. Teorema 5.5.1. Sejam G Rnn e d Rn . Se para alguma norma induzida se vericar G < 1, ento a 1. existe uma e uma s soluao x Rn da equaao o c c x = Gx + d,
83
2. a sucesso {x(k) }, gerada pela expresso de recorrncia a a e x(k+1) = Gx(k) + d, converge para x, qualquer que seja o ponto inicial x(0) , 3. o erro de aproximaao de x por x(k+1) , x x(k+1) , satisfaz c x x(k+1) Demonstraao. c 1. A equao x = Gx + d equivalente a (I G)x = d, que ter uma e uma s soluo se a ca e a o ca matriz I G for no singular. a Suponha-se que I G singular. Ento existe x = 0 (em Rn ) tal que (I G) = 0, ou ainda e a x x = G. Logo, para a norma considerada, verica-se que x x = G G x , x concluindo-se imediatamente que G 1. Como este facto contraria a hiptese G < 1, a o matriz I G ter de ser no singular, como se pretendia mostrar. a a 2. Como x = G + d e x(k+1) = Gx(k) + d, k, verica-se que x x x(k+1) = G + d (Gx(k) + d) = G( x(k) ), x x Aplicando sucessivamente esta expresso, conclui-se que a x x(k+1) = G( x(k) ) = G2 ( x(k1) ) = = Gk ( x(0) ), x x x podendo ento escrever-se que x x(k) Gk x x(0) . a Por outro lado, tem-se que
k vezes k vezes
k = 0, 1, . . . ,
G 1 G
x(k+1) x(k) ,
k = 0, 1, . . . .
k = 0, 1, . . . .
k = 0, 1, . . . .
G G G
G G G = G k.
k
Como G < 1, pode armar-se que limk+ G

k+
= 0, resultando ento que a
lim
x x(k) = 0,
como se pretendia mostrar. 3. Partindo da expresso a x x(k+1) = G( x(k) ), x vlida para k = 0, 1, . . ., como visto atrs, pode concluir-se que a a x x(k+1) = G( x(k+1) + x(k+1) x(k) ) = G( x(k+1) ) + G(x(k+1) x(k) ). x x
84
Desta expresso resulta que a x x(k+1) G( x(k+1) ) + G(x(k+1) x(k) ) x G x x(k+1) + G x(k+1) x(k) , que pode ser reescrita como (1 G ) x x(k+1) G x(k+1) x(k) .
Dado que G < 1, tem-se 1 G > 0, obtendo-se imediatamente a expresso pretendida. a Seja novamente A Rnn . Diz-se que matriz A estritamente diagonalmente dominante e
n
por linhas quando se verica
|aii | >
j=1 j=i
|aij |,
i = 1, . . . , n,
ou seja, quando para cada linha da matriz se verica que o valor absoluto do elemento da diagonal superior ` soma dos valores absolutos de todos os outros elementos. e a O resultado seguinte fornece condies sucientes para a convergncia do mtodo de Jacobi. No co e e entanto, estas condies no so necessrias para a convergncia do mtodo. Isto , h casos em co a a a e e e a que estas condies no se vericam e o mtodo converge. co a e Teorema 5.5.2. Sejam A Rnn e b Rn . Se a matriz A for estritamente diagonalmente soluao do sistema de equaoes Ax = b, designada x, qualquer que seja o ponto inicial x(0) . c c Demonstraao. A expresso de recorrncia do mtodo de Jacobi c a e e e x(k+1) = Bx(k) + c, onde B e c so obtidos ` custa de A e b, de acordo com as expresses vistas atrs. a a o a Sendo A estritamente diagonalmente dominante por linhas, verica-se que todos os elementos da sua diagonal so no nulos. Logo, a matriz B e o vector c esto bem denidos. a a a Tem-se tambm, para qualquer i = 1, . . . , n, que e
n j=1 n
dominante por linhas ento a sucesso gerada pelo mtodo de Jacobi converge para a unica a a e
|bij | =
j=1 j=i
aij 1 = aii |aii |
n j=1 j=i
|aij | < 1,
concluindo-se imediatamente que B
< 1.
85
Aplicando agora o resultado sobre convergncia de mtodos iterativos, pode armar-se que a e e equao x = Bx + c tem uma e uma s soluo x, e tambm que o mtodo de Jacobi converge ca o ca e e para x, qualquer que seja o ponto inicial x(0) . Este teorema ca demonstrado notando que a equao x = Bx + c equivalente a Ax = b, pelo ca e que x a unica soluo desta ultima equao. e ca ca Como corolrio deste resultado tem-se que toda a matriz quadrada estritamente diagonalmente a dominante por linhas no singular. e a Este resultado, ao fornecer condies sucientes para a convergncia do mtodo de Jacobi, indica co e e como proceder para garantir que a aplicao deste mtodo fornecer uma sucesso convergente. ca e a a De facto, se a matriz A dos coecientes do sistema no for estritamente diagonalmente dominante a por linhas no h garantia da convergncia do mtodo. Em tais situaes dever-se- proceder a a e e co a a uma prvia manipulao de A de forma a satisfazer as condies de convergncia. Esta e ca co e manipulao pode passar pela troca de linhas da matriz (que corresponde ` troca de ordem ca a de equaes), ou troca de colunas (que corresponde ` troca da ordem das variveis), ou ainda co a a a ` realizao de outras operaes sobre a matriz que mantenham a equivalncia do sistema de ca co e equaes. co E tambm imediato concluir da validade da seguinte expresso para a majorao da norma do e a ca erro em x(k+1) x x(k+1) B x x(k) . 1 B (k+1)
Exemplo 5.5.4. Aplicando o mtodo de Jacobi, obter uma soluao aproximada do sistema de e c equaoes, com um erro mximo absoluto em cada varivel de 5 103 . c a a 4x1 2x2 + x3 = 3 Resoluo ca x x2 + 3x3 1 x + 3x 1 2 =3 =2
Uma vez que a matriz dos coecientes no estritamente diagonalmente dominante por linhas, a e torna-se necessrio efectuar operaoes sobre a matriz previamente ` aplicaao do mtodo. Assim, a c a c e trocando a segunda equaao com a terceira c 4 2 1 3 1 1 convergncia do mtodo de Jacobi. e e obtm-se o sistema equivalente e 3 x1 1 x2 = 2 0 x3 3 3
cuja matriz de coecientes j estritamente diagonalmente dominante por linhas, garantindo a ae
86
Sendo e(k) o erro na iteraao k, e uma vez que B c e(k)
A expresso de recorrncia do mtodo de Jacobi x(k) = Bx(k1) + c, tendo-se aqui que a e e e 3 1 1 0 2 4 4 1 0 e c = 2 . B= 3 0 3

1 3 1 3
= 3 , verica-se a estimativa 4 = 3 x(k) x(k1)
3 4
3 4
x(k) x(k1)
Garantir um erro mximo absoluto em cada varivel de 5 103 na iteraao k equivalente a a a c e ter e(k) condiao de paragem do mtodo. c e
5 103 . Para tal, bastar impor k = 3 x(k) x(k1) a
5 103 , que ser a a
Partindo da condiao inicial nula, obtiveram-se os resultados apresentados na tabela ao lado. c De acordo com a estimativa do erro, parou-se a aplicaao do mtodo assim que k 5 103 . c e A soluao do sistema x1 = x2 = x3 = 1, obtendo-se na iteraao 10 erros mximos absolutos c e c a 4 , pelo que a estimativa do erro utilizada , neste caso, em todas as variveis inferiores a 5 10 a e algo conservadora.
k 0 1 2 3 4 5 6 7 8 9 10 x1,(k) 0 x2,(k) 0 x3,(k) 0 k 3 7.5 101 4.0 101 1.3 101 9.2 102 3.1 102 2.3 102 8.9 103 6.0 103 2.6 103
0.75000 0.66667 1.00000 0.83333 0.91667 0.97222 0.96528 0.94444 1.02778 0.96528 0.98843 0.99306 0.99595 0.98843 1.00772 0.99228 0.99865 0.99749 0.99995 0.99743 1.00212 0.99818 0.99998 0.99916 1.00020 0.99939 1.00060 0.99955 1.00007 0.99973
Passemos agora ao mtodo de Gauss-Seidel. O teorema seguinte fornece condies de cone co vergncia para este mtodo. e e Teorema 5.5.3. Sejam A Rnn e b Rn . Se a matriz A for estritamente diagonalmente soluao do sistema de equaoes Ax = b, qualquer que seja o ponto inicial x(0) . c c Estas condies de convergncia do mtodo de Gauss-Seidel so semelhantes `s apresentadas co e e a a para o mtodo de Jacobi. Tal como ento, trata-se apenas de condies sucientes, ou seja, h e a co a situaes em que estas condio no se vericam e o mtodo de Gauss-Seidel converge. co ca a e
dominante por linhas ento a sucesso gerada pelo mtodo de Gauss-Seidel converge para a unica a a e
87
A anlise aqui apresentada no permite concluir qual dos mtodos (Jacobi ou Gauss-Seidel) a a e possui uma convergncia mais rpida. Contudo, frequente o mtodo de Gauss-Seidel convergir e a e e mais rapidamente que o mtodo de Jacobi. e Exemplo 5.5.5. Aplicando o mtodo de Gauss-Seidel, obter uma soluao aproximada do sistema e c de equaoes. Terminar o mtodo assim que a diferena entre duas estimativas consecutivas seja c e c inferior ou igual a 103 , em todas as variveis. a x1 4x3 = 3 4x2 2x3 = 2 4x 2x = 2 1 2 Resoluo ca A matriz dos coecientes do sistema no estritamente diagonalmente dominante por linhas. a e No entanto, trocando a primeira equaao com a terceira obtm-se o sistema equivalente c e 2 x1 4 0 2 0 4 2 x2 = 2 3 x3 1 0 4
cuja matriz de coecientes estritamente diagonalmente dominante por linhas, condiao sucie c ente para a convergncia do mtodo de Gauss-Seidel. e e As expresses de recorrncia sero o e a x1,(k) = 1 x3,(k1) + 2 sendo a condiao de paragem denida por x(k) x(k1) c
k 0 1 2 3 4 5 x1,(k) 0 x2,(k) 0 x3,(k) 0
1 x2,(k) = 2 x3,(k1) + 1 x3,(k) = 4 x1,(k)
1 2 1 2 3 4
103 .
Partindo da condiao inicial nula, obtm-se os resultados apresentados na tabela seguinte. c e

x(k) x(k1) 8.8 101 4.4 101 5.5 102 6.8 103 8.5 104
0.50000 0.50000 0.87500 0.93750 0.93750 0.98438 0.99219 0.99219 0.99805 0.99902 0.99902 0.99976 0.99988 0.99988 0.99997
88
5.6
Relaxao dos mtodos de Jacobi e Gauss-Seidel ca e
A expresso de recorrncia do mtodo de Jacobi a e e e xi,(k+1) =
que pode ainda ser escrita na forma
1 bi aii
n j=1 j=i
aij xj,(k)
n j=1
xi,(k+1) = xi,(k) +
a qual evidencia que cada nova estimativa de xi obtida somando ` estimativa anterior um dado e a valor, que no mais do que o res a e duo da equao i dividido pelo termo aii . ca A relaxao do mtodo de Jacobi consiste em tomar uma constante > 0 e utilizar a expresso ca e a de recorrncia e xi,(k+1) 1 bi = xi,(k) + aii
n j=1
1 bi aii
aij xj,(k) ,
com o objectivo de alterar a convergncia do mtodo. e e
aij xj,(k) .
No caso do mtodo de Gauss-Seidel, a expresso de recorrncia e a e n i1 1 aij xj,(k) aij xj,(k+1) bi xi,(k+1) = aii
j=1 j=i+1
pode tambm tomar a forma e
xi,(k+1) = xi,(k) +
A relaxao deste mtodo de igual modo efectuada considerando um valor > 0 e utilizando ca e e agora a expresso de recorrncia a e xi,(k+1) 1 bi = xi,(k) + aii
i1 j=1 n
1 bi aii
i1 j=1
aij xj,(k+1)
j=i
aij xj,(k) .
aij xj,(k+1)
j=i
aij xj,(k) .
De uma maneira geral, a considerao de < 1, designada por sub-relaxao, permite tornar ca ca convergente um mtodo que inicialmente no o seria, enquanto a considerao de > 1, desige a ca nada por sobre-relaxao, permite acelerar a convergncia de um mtodo, podendo contudo ca e e torn-lo divergente! a
89
A sobre-relaxao do mtodo de Gauss-Seidel habitualmente designada por mtodo das ca e e e sobre-relaxaoes sucessivas (successive over relaxation SOR) sendo bastante utilizada na c resoluo de sistemas de equaes lineares por mtodos iterativos. Efectivamente, em muitas ca co e situaes poss determinar, em funo da matriz A de coecientes do sistema, o valor ptimo co e vel ca o do parmetro que conduz a uma maior rapidez de convergncia. a e Exemplo 5.6.1. Compare o desempenho dos mtodos de Gauss-Seidel e SOR com = 1.25 na e resoluao do sistema de equaoes c c 4x1 + 3x2 e efectuar 8 iteraoes. c Resoluo ca As expresses de recorrncia do mtodo de Gauss-Seidel so o e e a x1,(k+1) = x1,(k) + x2,(k+1) x3,(k+1) 1 24 4x1,(k) 3x2,(k) 4 1 30 3x1,(k+1) 4x2,(k) + x3,(k) = x2,(k) + 4 1 24 + x2,(k+1) 4x3,(k) = x3,(k) + 4
= 24 = 30 = 24
cuja soluao x1 = 3, x2 = 4, x3 = 5. Em ambos os casos partir de x1,(0) = x2,(0) = x3,(0) = 1 c e
2 1 x + 4x 2 3
3x + 4x x3
Partindo x1,(0) = x2,(0) = x3,(0) = 1 obtm-se os resultados apresentados na tabela seguinte. e k 0 1 2 3 4 5 6 7 8 x1,(k) x2,(k) x3,(k) 1.00000
1.00000 1.00000
5.25000 3.81250 5.04688 3.14063 3.88281 5.02930 3.08789 3.92676 5.01831 3.05493 3.95422 5.01144 3.03433 3.97139 5.00715 3.02146 3.98212 5.00447 3.01341 3.98882 5.00279 3.00838 3.99302 5.00175
As expresses de recorrncia do mtodo SOR com = 1.25 so o e e a x1,(k+1) = x1,(k) + x2,(k+1) x3,(k+1) 1.25 24 4x1,(k) 3x2,(k) 4 1.25 = x2,(k) + 30 3x1,(k+1) 4x2,(k) + x3,(k) 4 1.25 = x3,(k) + 24 + x2,(k+1) 4x3,(k) 4
90
Partindo x1,(0) = x2,(0) = x3,(0) = 1 obtm-se os resultados apresentados na tabela seguinte. e k 0 1 2 3 4 5 6 7 8 x1,(k) x2,(k) x3,(k) 1.00000
1.00000 1.00000
6.10000 3.61000 6.31700 2.73100 3.92500 4.75910 3.12130 3.97810 5.05475 2.99545 3.99205 4.99144 3.00807 3.99690 5.00264 3.00118 3.99877 4.99984 3.00087 3.99951 5.00018 3.00027 3.99980 5.00002
Comparando os resultados constata-se facilmente que a sucesso produzida pelo mtodo SOR a e converge muito mais rapidamente para a soluao do problema. c
Cap tulo 6
Aproximao dos M ca nimos Quadrados

6.1 Introduo ca
O problema de aproximao que ser estudado neste cap ca a tulo pode ser descrito como se segue. Dado um conjunto de pares ordenados (x1 , y1 ), (x2 , y2 ), . . ., (xn , yn ), pretende-se determinar uma funo aproximante g tal que g(xi ) seja prximo de yi , para i = 1, 2, . . . , n. ca o
y g(x)
(xn , yn )
(x1 , y1 )
(x2 , y2 )
Figura 6.1: Aproximao. ca E de notar que contrariamente ao problema de interpolao, no qual se pretendia determinar uma ca funo que tomasse valores bem denidos num conjunto de pontos determinados, no problema ca de aproximao apenas se exige que os valores da funo aproximante estejam prximos dos ca ca o valores dados. Muitas vezes os valores yi esto afectados por erros, no fazendo muito sentido a a obrigar a funo g a satisfazer as condies g(xi ) = yi . ca co De um modo semelhante ao que se passa com os problemas de interpolao, ao tratar um ca problema de aproximao ser necessrio abordar algumas questes tais como a escolha da ca a a o 91
Cap tulo 6. Aproximao dos M ca nimos Quadrados
92
classe de funes aproximantes a utilizar, o critrio de aproximao que permitir seleccionar a co e ca a melhor funo aproximante dentro da classe de funes consideradas e ainda a forma de obter ca co tal funo, partindo dos dados do problema. ca
6.2
Funes aproximantes e desvios co
De um modo geral, poderemos dizer que a classe de funes aproximantes estar parametrizada co a por um conjunto de valores c1 , c2 , . . . , ck , isto , toda funo aproximante g poder ser escrita e ca a na forma g(x) = F (x; c1 , c2 , . . . , ck ). Assim, a resoluo de um dado problema de aproximao consistir em determinar os valores ca ca a c1 , c2 , . . . , ck que denem a funo que melhor aproxima os dados (xi , yi )n , de acordo com um ca i=1 dado critrio denido ` partida. e a Por exemplo, se se pretender aproximar os pontos dados por uma linha recta ser natural que a a classe de funes aproximantes seja da forma co F (x; c1 , c2 ) = c1 + c2 x, sendo c1 e c2 os valores a determinar; se se pretender aproximar os pontos por uma parbola, a teremos F (x; c1 , c2 ) = c1 + c2 x + c3 x2 , sendo agora c1 , c2 e c3 os valores a determinar. O critrio de seleco da melhor funo dever traduzir o maior ou menor grau de aproximao e ca ca a ca dos valores da funo aproximante aos valores dados. Desta forma, para cada conjunto de valores ca c1 , c2 , . . . , ck denem-se os desvios como sendo as diferenas entre cada um dos valores yi dados c e o respectivo valor da funo aproximante F (xi ; c1 , c2 , . . . , ck ), isto , ca e di = yi F (xi ; c1 , c2 , . . . , ck ), i = 1, 2, . . . , n.
Ser ento natural que o critrio de comparao de funes aproximantes que permite decidir qual a a e ca co delas melhor seja baseado nestes desvios. Este critrio dever conduzir a funes aproximantes e e a co que tornem tais desvios pequenos, em valor absoluto. Alguns critrios poss e veis sero a
n
1. minimizar
i=1
|di |
2. minimizar 3. minimizar
1in n
max |di | d2 i
i=1
93
E de referir que em qualquer dos casos a minimizao consistir em encontrar o conjunto de ca a valores c1 , c2 , . . . , ck que tornem m nimo o critrio em causa, pois os desvios considerados, e logo e a funo a minimizar, dependem destes parmetros. ca a Os dois primeiros critrios acima apresentados conduzem, de um modo geral, ` resoluo de e a ca sistemas de equaes no lineares para determinar os parmetros que denem a melhor funo co a a ca aproximante. Tal facto constitui assim uma desvantagem destes critrios. e No terceiro caso, a determinao da melhor funo efectuada resolvendo um sistema de ca ca e equaes lineares nos parmetros c1 , . . . , ck , sempre que a classe de funes aproximantes seja co a co denida por F (x; c1 , c2 , . . . , ck ) = c1 1 (x) + c2 2 (x) + ck k (x), onde 1 (x), 2 (x), . . . , k (x) so funes dadas. Neste caso, temos o designado mtodos dos a co e m nimos quadrados, que ser estudado nas seces seguintes. a co
6.3
Aproximao dos m ca nimos quadrados
Dados os pares (xi , yi ), com i = 1, . . . , n, e as funes 1 , . . . , k , a aproximao dos m co ca nimos quadrados consiste em determinar os parmetros c1 , . . . , ck que tornam m a nima a quantidade
n n n k 2
e(c1 , . . . , ck ) =
i=1
d2 i
=
i=1
[yi ( c1 1 (xi ) + . . . + ck k (xi ) )] =
i=1
yi
cl l (xi )
l=1
ou seja, que minimizam a soma dos quadrados dos desvios. Este um problema de minimizao e ca em Rk . No se colocando qualquer restrio sobre os parmetros, para que e(c1 , . . . , ck ) seja a ca a m nimo ser necessrio que a a e = 0, ou, equivalentemente, e = 0, cj j = 1, . . . , k.
Calculando estas derivadas parciais obtm-se e e = cj

n i=1
cj
n
yi yi
cl l (xi )
l=1 k
=
i=1
(2) yi
n
cl l (xi )
l=1 n
cj
k
cl l (xi )
l=1
= 2 = 2
cl l (xi )
l=1 k n
i=1 n i=1
j (xi ) = 2 l (xi )j (xi )
i=1
yi j (xi )
cl l (xi )j (xi )
i=1 l=1
yi j (xi )
cl
l=1 i=1
94
E ento, como se pretende ter a
e cj k
= 0, resulta
n n
cl
l=1 i=1
l (xi )j (xi ) =
i=1
yi j (xi ),
obtendo-se, nalmente, o sistema de equaes co n n n 2 c1 1 (xi )k (xi ) = 1 (xi ) + c2 1 (xi )2 (xi ) + + ck i=1 i=1 i=1 n n n 2 c1 2 (xi )k (xi ) = 2 (xi ) + + ck 2 (xi )1 (xi ) + c2 i=1 i=1 i=1 ......... n n n c1 2 (xi ) = k (xi )1 (xi ) + c2 k (xi )2 (xi ) + + ck k
i=1 i=1 i=1
yi 1 (xi )
i=1 n
yi 2 (xi )
i=1 n
yi k (xi )
i=1
Este sistema de k equaes lineares em k incgnitas permite obter as constantes c1 , . . . , ck que co o
caracterizam a melhor funo aproximante no sentido dos m ca nimos quadrados. Vamos para j a supor que este sistema tem soluo unica. A anlise de existncia e unicidade de soluo deste ca a e ca sistema ser abordada mais tarde. a Se pretendermos aproximar os pontos por uma recta, as funoes aproximantes sero da forma c a g(x) = c1 + c2 x. Teremos ento k = 2 e as funes 1 (x) = 1 e 2 (x) = x. Neste caso, o sistema a co de equaes a resolver toma a forma co n c 1 1 + c2 c 1
i=1 n i=1 n n
xi =
i=1 n i=1 i=1 n
yi xi y i
i=1
xi + c2
x2 = i
Estes somatrios so facilmente determinados organizando os clculos numa tabela como a o a a seguinte. xi x1 x2 ... xn xi yi y1 y2 ... yn yi x2 i x2 1 x2 2 ... x2 n x2 i xi y i x1 y 1 x2 y 2 ... xn y n xi y i
Se se pretender efectuar uma aproximao por uma parbola, as funes aproximantes sero da ca a co a forma g(x) = c1 + c2 x + c3 x2 . Ento, dever-se- ter k = 3 e as funes 1 (x) = 1, 2 (x) = x e a a co
95
3 (x) = x2 . O sistema de equaes a resolver o seguinte. co e n n n n 2 c1 yi 1 + c2 xi + c3 xi = i=1 i=1 i=1 i=1 n n n n 3 2 xi y i xi = xi + c3 xi + c2 c1 i=1 i=1 i=1 i=1 n n n n c 1 x2 + c2 x2 y i x3 + c3 x4 = i i i i
i=1 i=1 i=1 i=1
Exemplo 6.3.1. Determine a aproximaao dos mnimos quadrados aos pontos da tabela. c x 1 2 4 5 7 8 10 y 1 2 4 4 5 6 a) Por uma recta. b) Por uma parbola. a c) Por uma recta que minimize o erro em x. Resoluo ca a) A funao aproximante ser F (x) = c1 + c2 x, sendo c1 e c2 calculados resolvendo o sistema c a c1 c1
7 i=1 1 + c2 7 i=1 xi + c2 7 i=1 xi = 7 2 i=1 xi = 7 i=1 yi 7 i=1 xi yi
Na tabela abaixo encontram-se os clculos necessrios ` completa deniao deste sistema de a a a c equaoes. c xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7 x2 i 1 4 16 25 49 64 100 xi y i 1 4 16 20 35 48 70 194
37 29 259 O sistema a resolver ser a 7c1 + 37c2 = 29
37c1 + 259c2 = 194
96
resultando c1 = 0.75 e c2 = 0.64189. A recta aproximante ser ento a a y = 0.75 + 0.64189x. b) A funao aproximante ser F (x) = c1 + c2 x + c3 x2 , sendo c1 , c2 e c3 determinados por c a 2 c1 i yi i xi = i xi + c3 i 1 + c2 Os coecientes do sistema determinam-se a partir dos clculos expostos na seguinte tabela. a xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7 x2 i 1 4 16 25 49 64 x3 i 1 8 64 125 343 512 x4 i 1 16 256 625 2401 4096 xi y i 1 4 16 20 35 48 70 194 x2 y i i 1 8 64 100 245 384 700 1502 c 1 c 1
i
xi + c2
2 i xi
+ c2
2 i xi + c3 3 i xi + c3
x3 = i
xi y i
4 i xi
2 i xi y i
100 1000 10000
37 29 259 2053 17395 O sistema de equaoes a resolver ser ento c a a 7c1 + 37c2 + 259c3 = 29
37c1 + 259c2 + 2053c3 = 194 259c1 + 2053c2 + 17395c3 = 1502
ser portanto a
resultando c1 = 0.288690, c2 = 0.890625 e c3 = 0.023065. A parbola que aproxima os pontos a y = 0.288690 0.890625x + 0.023065x2 .
c) Agora tem-se F (y) = c1 + c2 y. As constantes c1 e c2 so calculadas resolvendo o sistema a c1 c1

7 i=1 1 + c2 7 i=1 yi + c2 7 i=1 yi = 7 2 i=1 yi = 7 i=1 xi 7 i=1 yi xi
97
Os clculos necessrios ` deniao deste sistema apresentam-se na tabela seguinte. a a a c xi 1 2 4 5 7 8 10 yi 1 2 4 4 5 6 7

2 yi
y i xi 1 4 16 20 35 48 70 194
1 4 16 16 25 36 49
37 29 147 Assim, o sistema de equaoes a resolver ser c a 7c1 + 29c2 = 37
29c1 + 147c2 = 194 do qual resultam os valores c1 = 0.99468 e c2 = 1.51596. Agora, a recta aproximante ser a x = 0.99468 + 1.51596y.
6.4
Reduo a problemas de m ca nimos quadrados
Por vezes interessa considerar funes aproximantes F (x; c1 , . . . , ck ) que no podem ser escritas co a na forma F (x; c1 , . . . , ck ) = c1 1 (x) + . . . + ck k (x), isto , como uma combinao linear de e ca funes dadas. Nestes casos, a aplicao do mtodo dos m co ca e nimos quadrados para a determinao ca dos parmetros c1 , . . . , ck que denem a melhor funo aproximante resulta na resoluo de um a ca ca sistema de equaes no lineares. co a Contudo, em diversas situaes poss transformar estes problemas em outros cuja resoluo co e vel ca seja mais fcil. Considere-se ento que a classe de funoes aproximantes da forma a a c e F (x; c1 , . . . , ck ), onde c1 , . . . , ck so os parmetros a determinar e suponha-se que existe uma funo g tal que a a ca g(F (x; c1 , . . . , ck )) = b1 1 (x) + + bk k (x), onde 1 , . . . , k so funes conhecidas, e os parmetros b1 , . . . , bk se relacionam com os parmea co a a tros c1 , . . . , ck por intermdio das relaoes b1 = 1 (c1 ), . . . , bk = k (ck ), para funes 1 , . . . , k , e c co tambm conhecidas. Isto equivale a transformar a classe de funes dada numa outra em que os e co parmetros a determinar sejam os coecientes de uma combinao linear de funes conhecidas. a ca co
98
Nestas situaes, poss co e vel determinar a funo aproximante que minimiza a soma dos quaca drados dos desvios modicados resolvendo um sistema de equaes lineares. Estes desvios co modicados denem-se por g(yi ) g(F (xi ; c1 , . . . , ck )) = g(yi ) [b1 1 (xi ) + + bk k (xi )]. O problema que se est agora a resolver consiste em determinar a funo a ca b1 1 (x) + + bk k (x) que melhor aproxima os pontos (xi , g(yi )) no sentido dos m nimos quadrados. Este problema reduz-se ` resoluo de uma sistema de equaes lineares nos parmetros b1 , . . . , bk . Uma vez a ca co a resolvido este problema ser necessrio determinar os parmetros c1 , . . . , ck que caracterizam a a a a funo aproximante pretendida. Para tal sero utilizadas as relaes ca a co
1 cj = j (bj ),
j = 1, . . . , k.
Rera-se que esta abordagem de determinao da melhor funo aproximante no permite deterca ca a minar a funo que minimiza a soma dos quadrados dos desvios, mas sim a soma dos quadrados ca dos desvios modicados, perdendo-se algum do signicado do conceito de melhor funo aproca ximante. Todavia, a vantagem obtida com a reduo do problema original ` simples resoluo ca a ca de um sistema de equaes lineares compensa em muitas situaes tal perda. Claro est que co co a a principal diculdade desta abordagem est na determinao da funo g, isto , da transa ca ca e formao dos dados do problema que permite obter a classe de funes aproximantes como uma ca co combinao linear de funes conhecidas. ca co Exemplo 6.4.1. Aproximar por uma funao da forma y = axb os pontos c x 1 1.2 1.6 2
y 1 1.3 1.4 1.7 Resoluo ca Aplicando uma transformaao logartmica aos valores y = axb obtm-se c e ln(y) = ln(a) + b ln(x). Desta forma, minimizando a soma dos quadrados dos desvios dos logaritmos de y, obtm-se um e problema cuja soluao determinada resolvendo um sistema de equaoes lineares. Para tal basta c e c tomar 1 (x) = 1 e 2 (x) = ln(x). Agora tem-se que ln(y) = b1 1 (x) + b2 2 (x), sendo b1 = ln(a) e b2 = b as constantes a determinar. As constantes b1 e b2 so calculadas resolvendo as equaoes a c b1 b1
4 4 4 i=1 1 + b2 i=1 ln(xi ) = i=1 ln(yi ) 4 4 4 2 i=1 ln(xi ) + b2 i=1 ln (xi ) = i=1 ln(yi ) ln(xi )
99
Calculando os somatrios indicados, obtm-se o sistema o e 4b1 + 1.34547b2 = 1.12946 1.34547b1 + 0.73460b2 = 0.57378 cuja soluao b1 = 0.05144 e b2 = 0.68741. Ento a = eb1 = 1.05247 e b = b2 = 0.68741. A c e a funao aproximante ser c a y = 1.05247x0.68741 . Na tabela seguinte apresentam-se os valores de y dados, bem como os valores obtidos com a funao aproximante determinada. c x y 1.05247x0.68741 1 1 1.2 1.3 1.6 1.4 2 1.7
1.052 1.193 1.454 1.695
6.5
Aproximao em espaos vectoriais e m ca c nimos quadrados
O problema de aproximao dos m ca nimos quadrados que temos vindo a abordar pode ser inclu do num problema mais geral de aproximao em espaos vectoriais. Esta incluso permite no ca c a a s perspectivar extenses do problema considerado, bem como sistematizar o estudo de tais o o problemas. Consideremos ento um espao vectorial real V no qual se encontra denido um produto interno a c que representaremos por , . Seja ainda considerado, isto , e v = a norma em V induzida pelo produto interno v V.
v, v ,
suporemos linearmente independentes. Seja ainda u um qualquer vector de V e consideremos o problema de determinar a combinao linear c1 v1 + c2 v2 + + ck vk que melhor aproxima u no ca sentido de tornar m nimo u (c1 v1 + c2 v2 + + ck vk ) 2 . Este problema mais no do que o de determinar o elemento do subespao de V gerado pelos a e c vectores v1 , v2 , . . . , vk que se encontra mais prximo do vector u. Uma vez que os elementos o de tal subespao se encontram parametrizados por c1 , c2 , . . . , ck , trata-se de um problema de c minimizao em Rk . ca O teorema seguinte estabelece um conjunto de condies que tm de ser satisfeitas pelo elemento co e minimizante, as quais permitiro determinar tal elemento. a
Tomemos um conjunto de vectores de V , {v1 , v2 , . . . , vk }, que por simplicidade de tratamento
100
Teorema 6.5.1. Considere-se o conjunto {v1 , v2 , . . . , vk } de vectores de V linearmente indeo valor
pendentes e um vector u V . A combinaao linear c1 v1 + c2 v2 + + ck vk que torna mnimo c u (c1 v1 + c2 v2 + + ck vk ) satisfaz as relaoes c vj , u (c1 v1 + c2 v2 + + ck vk ) = 0, j = 1, 2, . . . , k.
2
Este resultado tem uma interpretao geomtrica bastante simples, pois arma que a diferena ca e c entre o vector u e a combinao linear c1 v1 + c2 v2 + + ck vk que melhor o aproxima ortogonal ca e a cada um dos vectores v1 , v2 , . . . , vk que geram o subespao considerado. c Destas relaes de ortogonalidade poss concluir que co e vel vj , u vj , c1 v1 + c2 v2 + + ck vk = 0 ou seja, c1 vj , v1 + c2 vj , v2 + . . . + ck vj , vk = vj , u para j = 1, 2, . . . , k. Obtm-se ento o seguinte sistema de k equaes lineares nas k incgnitas e a co o c1 , c2 , . . . , ck . v1 , v1 v1 , v2 v2 , v2 . . . vk , v2 ... ... .. . ... v1 , vk v2 , vk . . . vk , vk c1 c2 . . . v1 , u
Habitualmente estas equaes so designadas por equaoes normais. Este sistema de equaes co a c co tem soluo unica uma vez que se est a supor que os vectores v1 , v2 , . . . , vk so linearmente ca a a independentes. Voltemos agora ao problema original de aproximao dos m ca nimos quadrados que consiste em determinar a combinao linear ca c1 1 (x) + c2 2 (x) + + ck k (x), que minimiza a soma dos quadrados dos desvios relativos aos pares (xi , yi )n . i=1 Considerem-se os vectores de Rn , 1 , 2 , . . . , k e y denidos por 1 (x1 ) 2 (x1 ) k (x1 ) 1 (x2 ) 2 (x2 ) k (x2 ) 1 = , 2 = , . . . , k = . . . . . . . . . 1 (xn ) 2 (xn ) k (xn )
v2 , v1 . . . vk , v1
v2 , u = . . . vk , u ck
y1 y2 . . . yn
, e y =
101
Consideremos o produto interno usual denido em Rn e a respectiva norma induzida, isto , e

n
u, v =
i=1
ui vi ,
u, v Rn
n 1/2
u =
u, u =
i=1
u2 i
u Rn .
O problema de aproximao dos m ca nimos quadrados ento equivalente ao problema de detere a minar a combinao linear c1 1 + c2 2 + + ck k que torna m ca nimo o valor y (c1 1 + c2 2 + + ck k ) 2 . Trata-se ento de um problema de aproximao em espaos vectoriais como o acima apresentado. a ca c Desta forma, conclui-se que os valores c1 , c2 , . . . , ck , que caracterizam a soluo do problema, ca so determinados resolvendo a 1 , 1 2 , 1 . . . k , 1

n n
o seguinte sistema de equaes. co 1 , 2 . . . 1 , k c1 2 , 2 . . . 2 , k c2 . = . . .. . . . . . . . k , 2 . . . k , k ck

n
1 , y 2 , y . . . k , y
.
n
Atendendo ao produto interno considerado em Rn , este sistema de equaes toma a forma co

1 (xi )1 (xi )
i=1 n i=1 n
1 (xi )2 (xi ) 2 (xi )2 (xi )

i=1
... ... .. .
2 (xi )1 (xi )
i=1
. . . k (xi )1 (xi )
. . . k (xi )2 (xi )
...
i=1
i=1
i=1
c1 1 (xi )k (xi ) i=1 n 2 (xi )k (xi ) c2 i=1 . = . . . . . n k (xi )k (xi ) ck
i=1 n
i=1
1 (xi )yi 2 (xi )yi i=1 . . . n k (xi )yi
que mais no do que aquele anteriormente obtido. a e Esta abordagem da aproximao dos m ca nimos quadrados permite agora analisar facilmente a questo da existncia e unicidade de soluo. Assim, pode concluir-se que este problema tem a e ca 1 , 2 , . . . , k , atrs denidos, forem linearmente independentes. soluo unica se os vectores ca a Neste caso diz-se que as funes 1 , . . . , k so linearmente independentes nos pontos co a x1 , x2 , . . . , xn . Daqui resulta naturalmente que o nmero de pontos n dever ser sempre superior u a ou igual ao nmero de funes consideradas k. u co
Cap tulo 7
Interpolao ca
7.1 Introduo ca
O problema de interpolao consiste em, dado um conjunto de pares ordenados (x0 , y0 ), (x1 , y1 ), ca . . ., (xn , yn ), determinar uma funo g, designada funo interpoladora, tal que ca ca g(xi ) = yi , i = 0, 1, . . . , n.
y g(x)
(xn , yn )
(x0 , y0 )
(x1 , y1 )
Figura 7.1: Interpolao. ca Os valores x0 , x1 , . . . , xn designam-se por ns de interpolao e devem satisfazer a condio o ca ca i = j xi = xj , ou seja, serem todos diferentes. Os correspondentes valores y0 , y1 , . . . , yn designam-se por valores nodais. Perante um dado problema de interpolao ser necessrio ter em considerao diversas questes, ca a a ca o das quais se destacam a escolha da classe de funes interpoladoras a utilizar e a forma de co determinar concretamente a funo (ou uma funo) interpoladora. ca ca O problema de interpolao tem aplicaes em diversas situaes como sejam ca co co
102
Cap tulo 7. Interpolao ca
103
o clculo de funes fornecidas por tabelas quando se pretende avaliar a funo em pontos a co ca no tabelados (muito importante no passado!). a quando apenas se conhecem os valores de uma funo em certos pontos, por exemplo ca (sem repetir experincias ou medies . . .). e co a aproximao de funes cujo clculo seja complexo ou exija grande esforo. ca co a c a base de muitos mtodos numricos. e e O estudo de problemas de interpolao aqui apresentado centra-se na interpolao polinomial ca ca (funes interpoladoras polinomiais), abordando ainda a interpolao polinomial segmentada co ca (splines polinomiais).
resultantes de medidas experimentais, e se pretende avaliar a funo em novos pontos ca
7.2
Interpolao polinomial ca
Comecemos por relembrar que uma funo p diz-se polinomial de grau n se puder ser escrita ca na forma p(x) = an xn + an1 xn1 + + a1 x + a0 onde n N0 e an = 0, excepto quando n = 0 em que an pode ser nulo. Neste ultimo caso o polinmio diz-se nulo, e o seu grau , por conveno, . o e ca que se seguem. O clculo dos valores de funes polinomiais feito com um nmero nito de multiplicaes a co e u co e somas. As operaes de derivao e primitivao de funes polinomiais so simples e podem ser co ca ca co a facilmente realizadas de forma automtica. a As funes polinomiais so de classe C . co a As funes polinomiais aproximam tanto quanto se queira qualquer funo cont co ca nua num intervalo nito (ver resultado abaixo). Por abuso de linguagem, uma funo polinomial aqui identicada com o polinmio que a ca e o caracteriza. Teorema 7.2.1 (Weierstrass). Seja [a, b] um intervalo real e f uma funao contnua em [a, b]. c Ento, qualquer que seja > 0, existe uma funao polinomial p tal que a c
x[a,b]
Das justicaes para a utilizao de funes interpoladoras polinomiais podemos destacar as co ca co
max |f (x) p(x)| < .
104
f (x) + f (x) f (x)
p(x) a x
Figura 7.2: Teorema de Weierstrass. Este teorema arma a existncia de polinmios que aproximam tanto quanto se queira qualquer e o funo cont ca nua (num intervalo limitado). No entanto, no fornece nenhuma indicao sobre a ca como determinar tais polinmios, em funo dependendo de uma aproximao pretendida. E o ca ca de referir, no entanto, que em determinadas circunstncias, a interpolao polinomial produz a ca polinmios aproximantes. o Um dado polinmio p (leia-se funo polinomial) pode ser apresentado de diversas formas. Na o ca forma de potncias simples ser escrito como e a p(x) = a0 + a1 x + a2 x2 + + an xn . Na forma de potncias centradas ser agora escrito como e a p(x) = a0 + a1 (x c) + a2 (x c)2 + + an (x c)n , onde c uma constante, designada por centro. Na forma de Newton ser escrito como e a p(x) = a0 + a1 (x c1 ) + a2 (x c1 )(x c2 ) + + an (x c1 ) (x cn ), onde os ci (i = 1, . . . , n) so constantes, designadas por centros. a O clculo do valor de um polinmio p num ponto x pode ser efectuado de uma forma eciente a o (reduzindo o nmero de operaes aritmticas a realizar) empregando o designado algoritmo u co e de Horner. Para a forma de potncias simples, p(x) = a0 + a1 x + + an xn , tem-se e y = an Para i = n 1 at 0 fazer e y = ai + y x Para a forma de Newton, p(x) = a0 + a1 (x c1 ) + + an (x c1 ) (x cn ), tem-se
105
y = an Para i = n 1 at 0 fazer e y = ai + y (x ci+1 ) Em ambos os casos p(x) dado pelo valor nal de y. e
7.3
Polinmio interpolador: unicidade e existncia o e
Nesta seco iremos mostrar que para um conjunto de ns distintos (xi )n e respectivos valores ca o i=0 nodais (yi )n quaisquer, existe um e um s polinmio p de grau menor ou igual a n tal que o o i=0 p(xi ) = yi , para i = 0, . . . , n. Comecemos por relembrar o seguinte resultado sobre factorizao de polinmios, que ser utilica o a zado posteriormente. Teorema 7.3.1. Se z1 , z2 , . . . , zk forem zeros distintos do polinmio p, ento o a p(x) = (x z1 ) (x z2 ) (x zk ) r(x) onde r tambm um polinmio. e e o O resultado seguinte arma que se existir um polinmio interpolador de grau menor ou igual a o n ento ele unico. a e Teorema 7.3.2 (Unicidade do polinmio interpolador). Sejam p e q polinmios, de grau inferior o o ou igual a n, que tomam os mesmos valores num conjunto de ns x0 , x1 , . . . , xn distintos. Ento o a estes polinmios so iguais. o a Demonstraao. Seja d o polinmio diferena entre p e q, isto c o c e d(x) = p(x) q(x) Este polinmio ter grau inferior ou igual a n. o a Como p e q tomam valores iguais em x0 , x1 , . . . , xn , imediato concluir que x0 , x1 , . . . , xn so e a ra zes distintas de d. Ento pode escrever-se a d(x) = (x x0 ) (x x1 ) (x xn ) r(x) para algum polinmio r. Seja m o grau de r e suponha-se que m 0. o Ento o grau de d seria n + 1 + m, contrariando o facto do grau de d ser inferior ou igual a n. a Conclui-se assim que no se pode ter m 0. a A alternativa r ser o polinmio nulo e, consequentemente, d ser tambm o polinmio nulo, ou e o e o seja, ou polinmios p e q serem iguais. o
106
Passemos agora ` questo da existncia do polinmio interpolador. Se o polinmio, de grau a a e o o menor ou igual a n, p(x) = a0 + a1 x+ . . . + an xn , interpolar os valores yi nos ns xi (i = 0, . . . , n) o distintos, ento os seus coecientes tero de vericar a a a0 + a1 x0 + . . . + an xn = y0 0 a + a x + . . . + a xn = y 1 0 1 1 n 1 ... a0 + a1 xn + . . . + an xn = yn n
que no mais do que um sistema de n + 1 equaes lineares nas n + 1 incgnitas a0 , a1 , . . . , an . a e co o A existncia do polinmio p, ento equivalente ` existncia de soluo deste sistema de e o e a a e ca equaes. Esta questo pode ser avaliada analisando o determinante da matriz dos coecico a entes do sistema. Este, designa-se por determinante de Vandermonde nos n + 1 pontos x0 , x1 , . . . , xn e dado por e 1 x0 v(x0 , x1 , . . . , xn ) = 1 x1 . . . . . .
n1 xn x2 . . . x0 0 0 n1 x2 . . . x1 xn 1 1 . .. . . . . . . . . .
n1 xn 1 xn x2 . . . xn n n
O valor deste determinante pode calculado como se segue. Comecemos por subtrair ` ultima a coluna deste determinante a penltima coluna multiplicada por x0 . Obtm-se assim o determiu e nante equivalente 1 x0 v(x0 , x1 , . . . , xn ) = 1 x1 . . . . . .
n1 x2 . . . x0 0
0
n1 x1 (x1
x2 1 . . .
... .. .
n1 x1
. . .
. . .
x0 )
n1 xn1 (x x ) 1 xn x2 . . . xn n 0 n n
Subtraindo agora ` penltima coluna a ante-penltima coluna multiplicada por x0 , resulta a u u 1 x0 v(x0 , x1 , . . . , xn ) = 1 x1 . . . . . . x2 0 x2 1 . . .
n2 . . . x0
0
n2 x1 (x1
0 x0 )
n1 x1 (x1
... .. .
n2 x1
. . .
. . .
. . .
x0 )
n2 xn2 (x x ) xn1 (x x ) 1 xn x2 . . . xn n 0 n 0 n n n
Repetindo este processo at subtrair a segunda coluna a primeira coluna multiplicada por x0 , e ` obtm-se e 1 v(x0 , x1 , . . . , xn ) = 0 0 ... 0
n2 x1 (x1
0 x0 )
n1 x1 (x1
1 x1 x0 . . . . . .
x1 (x1 x0 ) . . . . .. . . .
. . .
. . .
x0 )
n2 n1 1 xn x0 xn (xn x0 ) . . . xn (xn x0 ) xn (xn x0 )
107
Desenvolvendo este determinante pela primeira linha, chega-se a x1 x0

n2 n1 x1 (x1 x0 ) . . . x1 (x1 x0 ) x1 (x1 x0 )
v(x0 , x1 , . . . , xn ) =
x2 x0 . . .
n2 n1 x2 (x2 x0 ) . . . x2 (x2 x0 ) x2 (x2 x0 ) . . . . .. . . . . . . .
n1 n2 xn x0 xn (xn x0 ) . . . xn (xn x0 ) xn (xn x0 )
sucessivamente, at xn x0 na ultima linha, tem-se ainda que e
Colocando agora em evidncia na primeira linha x1 x0 , na segunda linha x2 x0 , e assim e 1 x1 v(x0 , x1 , . . . , xn ) = (x1 x0 ) (x2 x0 ) (xn x0 ) 1 x2 . . . . . .
n1 x2 . . . x1 1 n1 x2 . . . x2 2 . . .. . . . . .
n1 1 xn x2 . . . xn n
pelo que se pode escrever v(x0 , x1 , . . . , xn ) =

n
j=1
onde v(x1 , . . . , xn ) o determinante de Vandermonde nos n pontos x1 , . . . , xn . e Repetindo o processo acima para o determinante v(x1 , . . . , xn ), depois para v(x2 , . . . , xn ) e assim sucessivamente, obtm-se a expresso e a
n
(xj x0 ) v(x1 , . . . , xn ),
concluindo-se ento que v(x0 , x1 , . . . , xn ) ser no nulo desde que os ns xi sejam todos diferentes. a a a o Verica-se deste modo que o sistema de equaes que permite obter os coecientes do polinmio co o interpolador poss (e determinado), podendo ento armar-se que existe um polinmio de e vel a o grau no superior a n que interpola os valores (yi )n nos ns distintos (xi )n . a o i=0 i=0 Uma vez mostrada a existncia e unicidade do polinmio interpolador, interessa agora encontrar e o formas de o determinar. Uma possibilidade resolver o sistema de equaes de interpolao e co ca
n
v(x0 , x1 , . . . , xn ) =
j=1
(xj x0 )
j=2
(xj x1 ) . . .
j=n
(xj xn1 )
aj x j = y i , i
j=0
i = 0, 1, . . . , n.
Esta abordagem, embora simples, no aconselhvel, pois exige um nmero elevado de clculos. a e a u a Por outro lado, a resoluo deste sistema pode acarretar elevados erros numricos devidos ` ca e a utilizao de aritmtica nita, que pioram ` medida que n cresce. ca e a Nas seces seguintes sero estudados processos mais ecientes de determinar o polinmio interco a o polador. Interessa aqui realar que os processos apresentados constituem diferentes formas de c
108
obter o mesmo polinmio interpolador (dado um mesmo conjunto de ns e respectivos valores o o nodais).
7.4
Forma de Lagrange
Consideremos novamente um conjunto de ns distintos (xi )n . Os polinmios (de grau n) o o i=0 denidos pela expresso a Lk (x) =
i=0 i=k n
x xi , xk xi
k = 0, 1, . . . , n,
designam-se por polinmios de Lagrange, relativos aos ns x0 , x1 , . . . , xn . o o Facilmente se conclui que estes polinmios vericam as relaes Lk (xj ) = kj , onde kj o o co e designado delta de Kronecker, ou seja kj 1 = 0 se k = j, se k = j.
L0 (x)
L1 (x)
L3 (x)
x0
x1
x2
x3 L2 (x)
Figura 7.3: Polinmios de Lagrange (exemplo com 4 ns). o o O polinmio interpolador na forma de Lagrange obtido como uma combinao linear dos o e ca polinmios de Lagrange relativos aos ns em questo. Os coecientes desta combinao linear o o a ca sero os valores nodais a interpolar, como se refere no seguinte teorema. a Teorema 7.4.1. O polinmio p, de grau menor ou igual a n, que interpola o conjunto de valores o y0 , y1 , . . . , yn nos ns distintos x0 , x1 , . . . , xn dado por o e
n
p(x) =
k=0
yk Lk (x).
109
Demonstraao. Como p a soma de polinmios de grau n ou nulos, conclui-se que o grau de p c e o menor ou igual a n. Por outro lado, para cada n xi tem-se que e o
n n
p(xi ) =
k=0
yk Lk (xi ) =
k=0
yk ki = yi
pelo que p interpola os valores nodais. O exemplo seguinte ilustra a obteno do polinmio interpolador na forma de Lagrange. ca o Exemplo 7.4.1. Determinar o polinmio de grau menor ou igual a 3 que interpola os valores o x 1 y 0 2 3
6 12 18 24
Resoluo ca Inicialmente calculam-se os polinmios de Lagrange relativos aos ns de interpolaao. o o c L0 (x) = = L1 (x) = = L2 (x) = = L3 (x) = = (x x1 )(x x2 )(x x3 ) (x0 x1 )(x0 x2 )(x0 x3 ) 1 (x 0)(x 2)(x 3) = x(x 2)(x 3) (1 0)(1 2)(1 3) 12 (x x0 )(x x2 )(x x3 ) (x1 x0 )(x1 x2 )(x1 x3 ) (x (1))(x 2)(x 3) 1 = (x + 1)(x 2)(x 3) (0 (1))(0 2)(0 3) 6 (x x0 )(x x1 )(x x3 ) (x2 x0 )(x2 x1 )(x2 x3 ) (x (1))(x 0)(x 3) 1 = (x + 1)x(x 3) (2 (1))(2 0)(2 3) 6 (x x0 )(x x1 )(x x2 ) (x3 x0 )(x3 x1 )(x3 x2 ) 1 (x (1))(x 0)(x 2) = (x + 1)x(x 2) (3 (1))(3 0)(3 2) 12
O polinmio interpolador na forma de Lagrange ser o a p(x) = 6 L0 (x) + (12) L1 (x) + 18 L2 (x) + 24 L3 (x) 1 = x(x 2)(x 3) 2(x + 1)(x 2)(x 3) 2 3(x + 1)x(x 3) + 2(x + 1)x(x 2) Este polinmio escrito na forma de potncias simples ca o e 7 29 p(x) = x3 + x2 12. 2 2
110
A forma de Lagrange do polinmio interpolador bastante fcil de determinar. Alm disso, o e a e se os ns de interpolao se mantiverem xos, mas algum ou alguns dos valores nodais for o ca alterado, no necessrio recalcular os polinmios Lk , mas somente a sua combinao linear. a e a o ca Por outro lado, quando se altera ou adiciona um n necessrio recalcular todos os polinmios oe a o Lk , desaproveitando todos os clculos entretanto efectuados. a
7.5
Forma de Aitken-Neville
A forma de Aitken-Neville permite calcular o valor do polinmio interpolador num ponto o x de uma forma recursiva, considerando sucessivamente mais ns de interpolao e respectivos o ca valores nodais. de grau menor ou igual a k que interpola os valores (yi )m+k nos ns (xi )m+k . A obteno o ca i=m i=m polinmio pm,k+1 constru ` custa dos polinmios pm,k e pm+1,k . o e do a o
y
Sejam m um inteiro entre 0 e n, k um inteiro entre 0 e n m, e dena-se pm,k como o polinmio o
do polinmio interpolador na forma de Aitken-Neville ilustrada na gura seguinte, onde o o e
ym+k ym+k+1
pm+1,k (x)
pm,k+1 (x)
ym ym+1
pm,k (x)
xm xm+1 xm+k xm+k+1 x
Figura 7.4: Forma de Aitken-Neville. O teorema seguinte apresenta a expresso que permite o clculo do polinmio interpolador na a a o forma de Aitken-Neville. Teorema 7.5.1. Dados m e k, e os polinmios pm,k e pm+1,k , o polinmio pm,k+1 satisfaz a o o relaao c pm,k+1 (x) = (x xm+k+1 ) pm,k (x) + (xm x) pm+1,k (x) . xm xm+k+1
111
Demonstraao. Como pm,k e pm+1,k so polinmios de grau no superior a k, o polinmio q c a o a o denido por q(x) = (x xm+k+1 ) pm,k (x) + (xm x) pm+1,k (x) xm xm+k+1
ter grau menor ou igual a k + 1. Para mostrar que q pm,k+1 resta ento vericar que a a q(xi ) = yi , para i = m, m + 1, . . . , m + k, m + k + 1. Seja i um inteiro tal que m + 1 i m + k. Ento pm,k (xi ) = yi e pm+1,k (xi ) = yi . Calculando a (xi xm+k+1 ) yi + (xm xi ) yi (xm xm+k+1 ) yi = = yi . xm xm+k+1 xm xm+k+1
q(xi ) obtm-se e
q(xi ) =
Por outro lado, como pm,k (xm ) = ym e pm+1,k (xm+k+1 ) = ym+k+1 , tem-se respectivamente que q(xm ) = (xm xm+k+1 ) ym = ym e xm xm+k+1 (xm xm+k+1 ) ym+k+1 q(xm+k+1 ) = = ym+k+1 , xm xm+k+1
concluindo-se portanto que q(xi ) = yi para i = m, m + 1, . . . , m + k, m + k + 1, como se pretendia mostrar. A aplicao repetida da expresso (7.5.1) para um dado ponto x, permite avaliar o valor do ca a polinmio interpolador nesse ponto sem determinar os coecientes do polinmio. o o A forma de Aitken-Neville muitas vezes tambm designada por interpolao linear iterada. e e ca De facto, a expresso (7.5.1) corresponde a uma generalizao da expresso a ca a (x x1 ) y0 + (x0 x) y1 x0 x1 que permite calcular o valor em x da funo linear que interpola y0 em x0 e y1 em x1 . ca A expresso de recorrncia da forma de Aitken-Neville pode ainda ser escrita como a e pm,k (x) pm,k+1 (x) = pm+1,k (x) x xm
xm xm+k+1
x xm+k+1
Para avaliar o polinmio que interpola (yi )n nos ns (xi )n , em x, necessrio calcular o o e a i=0 i=0 pi,0 (x), pi,1 (x), ... i = 0, . . . , n, i = 0, . . . , n 1,
e, nalmente,
p0,n (x) = p(x).
112
Uma vez que pi,0 (x) yi , habitual utilizar a notao e ca pi,0 (x) = yi (x) pi,1 (x) = yi,i+1 (x) pi,2 (x) = yi,i+1,i+2 (x) ... tendo-se ento a y 0 x x0 y01 (x) = y 1 x x1 x0 x1 , y12 (x) = y 1 x x1 y 2 x x2 x1 x2 ,...
y01 (x) x x0 y012 (x) = y12 (x) x x2 x0 x2 ,...
... Exemplo 7.5.1. Determinar, em x = 1, o valor do polinmio de grau menor ou igual a 3 que o interpola os valores da seguinte tabela. x 1 y 0 2 3
6 12 18 24
Resoluo ca Interpolando linearmente entre cada dois pontos consecutivos, obtm-se os valores yi,i+1 e
6 1+1 y01 (1) = 12 1 0 = 30, y12 (1) = 12 1 0 18 1 2 = 3, y23 (1) = 24 1 3 23 18 1 2 = 12
1 0 02 Segue-se a interpolao dos valores obtidos acima para obter os valores yi,i+1,i+2 ca 30 1 + 1 y012 (1) = 1 2 3 10 03
3 12
= 8,
y123 (1) =
12 1 3
=6
Finalmente, obtm-se o valor y0123 pretendido e 8 1 + 1 y0123 (1) = 6 1 3 13 = 1.
A principal caracter stica que distingue a forma de Aitken-Neville prende-se com o facto de permitir calcular o valor do polinmio interpolador num dados ponto sem calcular os seus coeo cientes. Esta forma permite ainda adicionar e retirar ns nos extremos reutilizando os clculos o a j efectuados. Contudo, exige a repetio dos clculos se houver alterao dos valores nodais. a ca a ca
113
7.6
Forma de Newton
Consideremos novamente os ns de interpolao distintos x0 , x1 , . . . , xn . Denam-se os poo ca linmios Wi , para i = 0, 1, . . . , n 1, designados polinmios nodais, da seguinte forma o o W0 (x) = x x0 W1 (x) = (x x0 )(x x1 ) ... Wn1 (x) = (x x0 )(x x1 ) (x xn1 ) O polinmio interpolador p pode ser escrito na forma de Newton tomando como centros os o ns distintos x0 , x1 , . . . , xn , isto , o e p(x) = a0 + a1 W0 (x) + + an Wn1 (x), cando a sua determinao reduzida ao clculo dos coecientes a0 , a1 , . . . , an . ca a Partindo do polinmio interpolador p, escrito na forma Newton acima indicada, denam-se os o polinmios p0 , p1 , . . . , pn por intermdio de o e p0 (x) = a0 , p1 (x) = a0 + a1 W0 (x), p2 (x) = a0 + a1 W0 (x) + a2 W1 (x), ... Estes polinmios podem obter-se de uma forma recursiva fazendo o p0 (x) = a0 e k = 1, . . . , n.
pk (x) = pk1 (x) + ak Wk1 (x),
Note-se que o polinmio pk apenas depende dos valores a0 , . . . , ak e tambm que o polinmio o e o interpolador p ser dado por pn . a O teorema seguinte mostra como se devem calcular os valores dos coecientes a0 , a1 , . . . , an do polinmio interpolador na forma de Newton. o Teorema 7.6.1. Fazendo a0 = y0 e ak = yk pk1 (xk ) , Wk1 (xk ) k = 1, . . . , n,
ento o polinmio pk interpola os valores (yj )k nos ns (xj )k , isto para k = 0, 1, . . . , n. a o o j=0 j=0
114
Demonstraao. Esta demonstrao ser feita por induo. c ca a ca Como p0 (x) = y0 , bvio que este polinmio interpola y0 em x0 . eo o
k1 k1 a o Suponha-se agora que pk1 interpola os valores (yj )j=0 nos ns (xj )j=0 . Como se viu atrs,
pk (x) = pk1 (x) + ak Wk1 (x). Da denio dos polinmios W0 , W1 , . . . , Wn1 , tem-se que ca o 0, 1, . . . , k 1. Por outro lado, tem-se que Wk1 (xj ) = 0, j = 0, 1, . . . , k 1, concluindo-se ento que pk (xj ) = pk1 (xj ) = yj , j = a pk (xk ) = pk1 (xk ) + yk pk1 (xk ) Wk1 (xk ) = yk , Wk1 (xk )
concluindo-se nalmente que pk interpola os valores (yj )k nos ns (xj )k . o j=0 j=0 Do processo de determinao dos coecientes do polinmio na forma de Newton, conclui-se que ca o a considerao de novos ns apenas exige o clculo dos coecientes adicionais, aproveitando os ca o a clculos entretanto j efectuados. Embora seja habitual ordenar os ns de interpolao, tal no a a o ca a necessrio, podendo estes ser considerados por qualquer ordem. e a Exemplo 7.6.1. Determinar, na forma de Newton, o polinmio de grau menor ou igual a 2 o que interpola os valores da seguinte tabela. x 1 2 3 y
1 3 5
Resoluo Comeando com o n 0 tem-se que p0 (x) = y0 = 1, polinmio que interpola o ca c o o primeiro ponto da tabela. Passando a agora ao n 1, e fazendo W0 (x) = x x0 = x + 1, obtm-se o e p1 (x) = p0 (x) + 31 2 y1 p0 (x1 ) W0 (x) = 1 + (x + 1) = 1 + (x + 1). W0 (x1 ) 2+1 3
Usando nalmente o n 3, e como W0 (x) = (x x0 )(x x1 ) = (x + 1)(x 1), tem-se o p2 (x) = p1 (x) + 5 (1 + 2 (3 + 1)) y2 p1 (x2 ) 2 3 W1 (x) = 1 + (x + 1) + (x + 1)(x 2) W1 (x2 ) 3 (3 + 1)(3 2) 1 2 p(x) = 1 + (x + 1) + (x + 1)(x 2). 3 3
Sendo ento o polinmio interpolador p(x) = p2 (x) dado por a o
7.7
Diferenas divididas e diferenas nitas c c
Sendo m e k inteiros no negativos, dena-se pm,k como o polinmio de grau menor ou igual a a o k que interpola os valores (yi )m+k nos ns (xi )m+k . Na forma de Newton, este polinmio ser o o a i=m i=m pm,k (x) = am,0 + am,1 (x xm ) + + am,k (x xm ) (x xm+k1 )
115
A construo do polinmio interpolador na forma de Newton permite concluir que o coeciente ca o am,j , para j = 0, 1, . . . , k, apenas depende dos valores (yi )m+j e dos ns (xi )m+j . Este coeciente o i=m i=m representa-se por am,j = y[xm , . . . , xm+j ] e designa-se por diferena dividida (de ordem j nos ns xm , . . . , xm+j ). c o O teorema seguinte estabelece uma relao entre diferenas divididas que permite efectuar o seu ca c clculo de um modo recursivo. a Teorema 7.7.1. As diferenas dividas satisfazem y[xj ] = yj , com 0 j n, e c y[xm , . . . , xk+1 ] = com 0 m k n 1. y[xm+1 , . . . , xk+1 ] y[xm , . . . , xk ] xk+1 xm
Demonstraao. y[xj ] = yj , uma vez que o polinmio constante pj,0 (x) = yj interpola yj em xj . c o Sejam pm,km e pm+1,km os polinmios, de graus menores ou iguais a k m, que interpolam o pela expresso a xk+1 x x xm pm+1,km (x) + pm,km (x) xk+1 xm xk+1 xm em xm , . . . , xk+1 e tem grau menor ou igual a k m + 1 (notar a semek+1 k+1 k (yj )k a o j=m em (xj )j=m e (yj )j=m+1 em (xj )j=m+1 , respectivamente. Ento, o polinmio q denido
q(x) = interpola ym , . . . , yk+1
lhana entre esta expresso e a relao de recorrncia da forma de Aitken-Neville do polinmio c a ca e o coecientes do termo xkm+1 obtm-se e interpolador). Da unicidade do polinmio interpolador tem-se que q pm,km+1 . Igualando os o am,km+1 = ou ainda, usando diferenas divididas, c y[xm , . . . , xk+1 ] = am+1,km am,km , xk+1 xm
y[xm+1 , . . . , xk+1 ] y[xm , . . . , xk ] . xk+1 xm
A utilizao de diferenas divididas permite escrever o polinmio interpolador na forma de ca c o Newton como p(x) = y[x0 ] + y[x0 , x1 ](x x0 ) + + y[x0 , x1 , . . . , xn ](x x0 ) (x xn1 ) onde y[x0 ] = y0 y[x0 , x1 ] = y[x1 ] y[x0 ] x1 x0 y[x1 , x2 ] y[x0 , x1 ] y[x0 , x1 , x2 ] = x2 x0 ...
116
Os clculos das diferenas divididas podem ser organizados de um modo expedito dispondo-os a c numa tabela como se mostra abaixo (exemplo com 4 ns). o x x0 x1 x2 x3 y[] y0 y1 y[x1 , x2 ] y2 y[x2 , x3 ] y3 y[x1 , x2 , x3 ] y[, ] y[x0 , x1 ] y[x0 , x1 , x2 ] y[x0 , x1 , x2 , x3 ] y[, , ] y[, , , ]
O exemplo seguinte ilustra a utilizao de diferenas divididas para a obteno do polinmio ca c ca o interpolador na forma de Newton. Exemplo 7.7.1. Determinar, na forma de Newton, o polinmio de grau menor ou igual a 3 o que interpola os valores da seguinte tabela.
x 1 y 0 2 3
6 12 18 24
Resoluo ca A tabela das diferenas divididas correspondente aos valores dados c e x 1 0 2 3 y[] 6 12 18 6 24 y[, ] 18 15 3 y[, , ] y[, , , ]
11
7 2
E ento o polinmio interpolador ser a o a p(x) = 6 18(x + 1) + 11(x + 1)x 7 (x + 1)x(x 2). 2 Para alm das diferenas divididas, podem tambm denir-se as designadas diferenas nitas. e c e c A diferena nita de ordem k N0 e passo h > 0 da funo f representa-se por k f e o seu c ca h
117
valor no ponto x e 0 f (x) = f (x), h k+1 f (x) = k f (x + h) k f (x), h h h Em particular, tem-se que 1 f (x) = f (x + h) x(x), h ... Sempre que no haja ambiguidade quanto ao valor do passo h, as diferenas nitas representama c se simplesmente por 0 f, 1 f, 2 f, . . . Quando os ns de interpolao se encontram igualmente espaados, isto , quando existe um o ca c e (yi )n so dadas por i=0 a valor h tal que xi+1 xi = h, para i = 0, 1, . . . , n 1, as diferenas nitas dos valores nodais c 0 y i = y i 1 y ...
i
k = 0, 1, . . .
2 f (x) = 1 f (x + h) 1 f (x) = [f (x + 2h) f (x + h)] [f (x + h) f (x)], h h h
i = 0, . . . , n i = 0, . . . , n 1 i = 0, . . . , n 2
2 yi = 1 yi+1 1 yi
= yi = yi+1 yi
O resultado apresentado em seguida estabelece uma relao entre as diferenas nitas e as ca c diferenas divididas dos valores nodais correspondentes a ns igualmente espaados. c o c Teorema 7.7.2. A diferena dividida de ordem k dos valores nodais y nos ns h-equidistantes c o xi , xi+1 , . . . , xi+k satisfaz y[xi , . . . , xi+k ] = 1 k y i k!hk
Demonstraao. Sendo k = 0 verica-se que y[xi ] = yi = 0 yi , por denio. c ca A relao de recorrncia entre as diferenas divididas permite escrever ca e c y[xi , . . . , xi+k+1 ] = y[xi+1 , . . . , xi+k+1 ] y[xi , . . . , xi+k ] xi+k+1 xi
1 k yi+1 k!hk 1 k!hk k yi (k + 1)h
Supondo a validade da relao a mostrar para k, tem-se ca y[xi , . . . , xi+k+1 ] =
Da denio das diferenas nitas tem-se k+1 yi = k yi+1 k yi , obtendo-se ca c 1 1 1 k+1 yi = k+1 yi y[xi , . . . , xi+k+1 ] = k (k + 1)h k!h (k + 1)!hk+1 ou seja, a validade da expresso dada para k + 1. a Desta forma, o resultado ca demonstrado por induo. ca
118
Tal como no caso das diferenas divididas, tambm vantajoso dispor os clculos das diferenas c e e a c nitas numa tabela. x x0 x1 ... ... y y0 y0 y1 y1 ... ... ... yn2 xn1 yn1 yn1 xn yn 2 y
n2
2 y
...
n1 y
n y
2 y 0 ... ... ... ... ... n1 y1 n1 y0 n y 0
Caso os ns de interpolao sejam equidistantes ento poss obter o polinmio p, de grau o ca e a vel o menor ou igual a n, que interpola os valores (yi )n nos ns h-equidistantes (xi )n na forma de o i=0 i=0 Newton utilizando diferenas nitas. Este polinmio ser dado por c o a p(x) = y0 + 2 y 0 y0 (x x0 ) + (x x0 )(x x1 )+ h 2h2 n y 0 (x x0 )(x x1 ) (x xn1 ) + + n!hn
n
ou, numa forma compacta, p(x) =

k=0
k y 0 k!hk
k1 i=0
(x xi ) .
Exemplo 7.7.2. Determinar o polinmio p, de grau menor ou igual a 3, o que interpola os valores da seguinte tabela. x 1 1 3 5 y 2
5 3 1
Resoluo ca
119
A tabela das diferenas nitas dos valores nodais c e x 1 1 3 5 Pelo que o polinmio interpolador ser o a
3 p(x) = 2 + 2 (x + 1) 5 24 (x
y y 2 3 5 3 1 2 2
2 y 3 y
5 0
+ 1)(x 1) +
5 68 (x
+ 1)(x 1)(x 3).
Como ca patente pelos exemplos apresentados, a determinao dos valores nodais obriga a ca refazer todos os clculos na determinao do polinmio da forma de Newton. Rera-se tambm a ca o e que estes clculos se tornam mais simples se os ns estiverem igualmente espaados (utilizando a o c diferenas nitas em vez de diferenas divididas). c c
7.8
Interpolao directa e inversa ca
Sejam f : [a, b] R , (xi )n ns distintos pertencentes a [a, b] e yi = f (xi ) para i = 0, 1, . . . , n. i=0 o A interpolao directa de f nos ns (xi )n consiste em determinar o polinmio p (de grau ca o o i=0 menor ou igual a n) que verica p(xi ) = yi para i = 0, 1, . . . , n. Se f admitir inversa em [a, b] ento a interpolao inversa de f consiste em determinar um a ca polinmio q (de grau menor ou igual a n) tal que o q(yi ) = xi , i = 0, 1, . . . , n.
Agora (yi )n so os ns de interpolaao e (xi )n so os valores nodais, da funo f 1 a intero c ca i=0 a i=0 a polar. Uma das aplicaes da interpolao inversa a determinao de zeros de funes, como se ilustra co ca e ca co no exemplo seguinte. Exemplo 7.8.1. Determinar um valor aproximado do zero de f (x) = Resoluo ca Um zero s , por deniao, um valor tal que f (s) = 0. e c
3 2
sin(x) ex em [0, 1].
120
Tem-se que f (0) = 1 e f (1) = 0.89433. Como f estritamente crescente em [0, 1] (porqu?) e e ento f admite inversa nesse intervalo. Logo conclui-se que a f (s) = 0 s = f 1 (0) Utilizando interpolaao inversa de f e calculando o valor de um polinmio interpolador de f 1 c o em 0 obter-se- um valor aproximado do zero de f . a Escolhendo alguns ns em [0, 1] e calculando os valores nodais obtm-se o e x 0 0.4 0.6 1
y = f (x) 1.00000 0.08619 0.29815 0.89433 Utilizando a forma de Newton calculada a partir das diferenas divididas c y 1.00000 x 0 0.43773 0.06366 0.52037 0.15356 0.67094 0.89433 O polinmio interpolador ca o p(y) = 0 + 0.43773(y + 1) + 0.06366(y + 1)(y + 0.08619) + + 0.04745(y + 1)(y + 0.08619)(y 0.28815) E ento, s = f 1 (0) p(0) = 0.44200 (vericando-se que f (0.44200) = 0.00113). a 1 0.04745 x[, ] x[, , ] x[, , , ]
0.08619 0.4 0.28815 0.6
7.9
Dupla interpolao ca
Consideremos o problema descrito em seguida. Conhecidos os valores zij = f (xi , yj ) de uma funo f : R2 R, onde (xi )n so distintos, e (yj )m so tambm distintos, pretende-se obter ca e i=0 a i=0 a um valor aproximado de f (, y ). Este um problema de interpolao em R2 , mas que pode x e ca
ser resolvido utilizando interpolao em R. Para tal poder-se- aplicar o mtodo designado ca a e por dupla interpolao, que consiste em efectuar interpolaes polinomiais independentes nas ca co duas variveis, uma de cada vez. Estas interpolaes podem ser efectuadas de duas formas a co alternativa. A primeira alternativa consiste em realizar as operaes co 1. interpolando em x, obtm-se para cada j o polinmio pj que interpola os valores (zij )n e o i=0 nos ns (xi )n ; o i=0
121
2. posteriormente, determina-se o polinmio q que interpola os valores pj () nos ns (yj )m ; o x o j=0 sendo o valor procurado q(). Para esta alternativa ser vantajoso dispor os clculos como se y a a mostra na seguinte tabela. f (x, y) x0 . . . xk x xk+1 . . . xn y0 z00 . . . zk0 p0 () x ... ... .. . ... ... yl z0l . . . zkl pl () x q() y y yl+1 z0,l+1 . . . zk,l+1 pl+1 () x ... ... .. . ... ... ym z0m . . . zkm pm () x
zk+1,0 . . . zk+1,l . . .. . . . . . zn0 ... znl
zk+1,l+1 . . . zk+1,m . . .. . . . . . zn,l+1 ... znm
A segunda alternativa consiste em realizar as operaes co 1. interpolando em y, obtm-se para cada i o polinmio qi que interpola os valores (zij )m e o j=0 nos ns (yj )m ; o j=0 2. posteriormente, determina-se o polinmio p que interpola os valores qi () nos ns (xi )n . o y o i=0 sendo agora o valor procurado p(). Neste caso dever-se-o dispor os clculos como se mostra x a a na seguinte tabela. f (x, y) x0 . . . xk x xk+1 . . . xn Exemplo 7.9.1. Considere a seguinte tabela de alguns valores de z(x, y) conhecidos.
y z x 2 5 1 2 4 6 1 10 15 18 22 7 12 15 20 5 8 10 14
y0 z00 . . . zk0
... ... .. . ...
yl z0l . . . zkl
y q0 () y . . . qk () y p() y
yl+1 z0,l+1 . . . zk,l+1
... ... .. . ...
ym z0m . . . zkm
zk+1,0 . . . zk+1,l qk+1 () zk+1,l+1 . . . zk+1,m y . . . . . .. .. . . . . . . . . . . . . zn0 ... znl qn () y zn,l+1 ... znm
122
1. Interpolando linearmente em x e em y, estime o valor de z(4, 5) (a) interpolando primeiro em x. (b) interpolando primeiro em y. 2. Estime agora z(4, 5) utilizando interpolaao linear em x e quadrtica em y e interpolando c a primeiro em x. Resoluo ca 1. Interpolaao linear em x e y, escolhendo para cada varivel os dois pontos mais prximos. c a o (a) Interpolando primeiro em x
z(2, 4) 4 2 z01 (4, 4) = 25 y 4 18 15 10
z(5, 4) 4 5 z(2, 6) 4 2 z(5, 6) 4 5 25
= 11.6667 x = 16
z 2 4 5
1 7 5
2 12 8
6 22 20 14
1 10 15
z01 (4, 6) =
Interpolando agora em y os valores calculados, obtm-se e z01 (4, 4) 5 4 46 = 13.833.
z01 (4, 5) = (b) Interpolando primeiro em y

z(2, 4) 5 4 46
z01 (4, 6) 5 6
y = 17.5 z 1 x 2 4 5 1 2 4 5 6 22 20 14 10 15 18 7 12 15 5 8 10
z01 (2, 5) =
z(2, 6) 5 6
z01 (5, 5) =
z(5, 4) 5 4 z(5, 6) 5 6 46
= 12
Interpolando agora em x os valores calculados, obtm-se e z01 (2, 5) 4 2 25 = 13.833.
z01 (4, 5) =
z01 (5, 6) 4 5
A obtenao do mesmo valor fazendo as interpolaoes nas duas variveis por ordem diferente c c a ter sido coincidncia? a e
123
2. Interpolaao linear em x e quadrtica em y, escolhendo para cada varivel os pontos mais c a a prximos. o Interpolando primeiro em x
z(2, 2) 4 2 z01 (4, 2) = 25
z(5, 2) 4 5
= 9.3333 y z = 11.6667 x 1 1 10 2 7 4 5 5 2 15 12 8 4 18 15 10 5 6 22 20 14
z01 (4, 4) =
z(2, 4) 4 2 z(5, 4) 4 5 25
z(2, 6) 4 2 z01 (4, 6) = 25
z(5, 6) 4 5
= 16
Interpolando agora em y os valores calculados, obtm-se e z01 (4, 2) 5 2

24
z01 (4, 5) =
z01 (4, 4) 5 4
= 12.8333
z12 (4, 5) =
z01 (4, 6) 5 6
46
z01 (4, 4) 5 4 = 13.8333
z012 (4, 5) =
z12 (4, 5) 5 6
26
z01 (4, 5) 5 2 = 13.5833.
Nota: Em todos os clculos foi utilizada a forma de Aitken-Neville uma vez que em cada caso a apenas necessrio calcular o valor do polinmio interpolador num ponto. e a o
7.10
Erro de interpolao ca
Se os valores nodais a interpolar corresponderem a valores de uma dada funo f , pode ser ca interessante analisar em que medida o polinmio interpolar se aproxima da funo, obviamente o ca que em pontos distintos dos ns de interpolao. o ca O resultado apresentado em seguida generaliza o conhecido teorema do valor mdio que permite e concluir a existncia de um ponto onde a tangente ao grco da de uma funo paralela a e a ca e uma dada recta secante. De facto, fazendo k = 1 no enunciado do resultado abaixo obtme se directamente aquele teorema pois f [x0 , x1 ] = divididas dos valores da funo f so representadas por f [. . .].) ca a
f (x1 )f (x0 ) . x1 x0
(Relembremos que as diferenas c
124
Ento existe [a, b] tal que a
Teorema 7.10.1. Sejam f C k ([a, b]; R) e (xi )k um conjunto de ns distintos em [a, b]. o i=0 f [x0 , x1 , . . . , xk ] = 1 (k) f (). k!
Demonstraao. Seja p o polinmio de grau menor ou igual a k que interpola f nos ns distintos c o o (xi )k . Ento, a funo e = f p tem pelo menos k + 1 zeros distintos em [a, b]. Logo a ca i=0 e(2) ... e = f p = f (2) tem pelo menos k zeros distintos em [a, b], tem pelo menos k 1 zeros distintos em [a, b], p(2)
e(k) = f (k) p(k) tem pelo menos 1 zero em [a, b], ou seja, existe [a, b] tal que f (k) () = p(k) (). Designando por ak o coeciente de xk em p verica-se que p(k) (x) k!ak . Da forma de Newton do polinmio interpolador verica-se que ak = f [x0 , x1 , . . . , xk ], concluindoo se ento que k!f [x0 , x1 , . . . , xk ] = f (k)(), como pretendido. a O teorema seguinte permite estimar o erro cometido ao aproximar uma funo f por um poca linmio interpolador dessa funo, habitualmente designado por erro de interpolao. o ca ca Teorema 7.10.2. Sejam f C n+1 ([a, b]; R) e p o polinmio de grau menor ou igual a n que o 1 f (n+1) ()Wn (x), (n + 1)!
interpola f nos ns distintos (xi )n , pertencentes a [a, b]. Ento, para qualquer x [a, b] existe o a i=0 [a, b] tal que e(x) f (x) p(x) =
onde Wn (x) = (x x0 )(x x1 ) (x xn ). Demonstraao. Seja x um qualquer elemento de [a, b]. c Se x = xi para algum i, o erro nulo e o teorema verdadeiro, pois Wn (xi ) = 0, i. e e Suponha-se agora que x distinto de (xi )n . O polinmio q de grau menor ou igual a n + 1, e o i=0 que interpola f nos ns x0 , x1 , . . . , xn e x, pode ser escrito como (relembrar a forma de Newton) o q(x) = p(x) + f [x0 , x1 , . . . , xn , x]Wn (x). Desta expresso resulta que f () = q() = p() + f [x0 , x1 , . . . , xn , x]Wn (). a x x x x Como j visto, existe [a, b] tal que f [x0 , x1 , . . . , xn , x] = a mente que e() = f () p() = x x x como se pretendia mostrar.
1 (n+1) (), (n+1)! f
obtendo-se nal-
1 f (n+1) ()Wn () x (n + 1)!
125
Na expresso do erro de interpolao a ca e(x) = 1 f (n+1) ()Wn (x), (n + 1)!
o ponto (dependente de x e dos ns de interpolao) desconhecido, sendo usual considerar o ca e uma das seguintes majoraes do erro absoluto co |e(x)| ou |e(x)| 1 max |f (n+1) (z)| |Wn (x)|, (n + 1)! z[a,b]
1 max |f (n+1) (z)| max |Wn (z)|. (n + 1)! z[a,b] z[a,b]
Supondo os ns ordenados de forma crescente (o que no acarreta qualquer perda de generalio a dade) e sendo h o espaamento mximo entre dois ns consecutivos, a majorao de |Wn | no c a o ca intervalo [x0 , xn ] conduz ainda ao seguinte majorante do erro absoluto |e(x)| que vlida para todo o x [x0 , xn ]. e a Exemplo 7.10.1. Pretende-se construir uma tabela da funao f (x) = tan(x) no intervalo [0, ] c 4 com ns equidistantes, por forma a que o erro absoluto cometido quando se interpola linearmente o nesta tabela no exceda 5 105 . Qual o espaamento mnimo entre os ns? a c o Resoluo ca O erro mximo absoluto na interpolaao linear entre ns consecutivos ser a c o a
h2 42
hn+1 max |f (n+1) (z)| 4(n + 1) z[a,b]
max |f |
Tem-se ainda que f (x) = [tan(x)] = [1 + tan2 (x)] = 2 tan(x)(1 + tan2 (x)), cujo valor mximo a em [0, ] 4 (para x = ). Para obter o erro mximo desejado bastar impor a condiao a a c 4 e 4
h2 42
4 5 105
78.5, 4102 espaados de 479 . c
ou seja, ser usada uma tabela com 80 pontos (incluindo os extremos) a
obtendo-se h 102 , o que corresponde a um nmero de intervalos superior a u
Uma questo que surge com alguma naturalidade a de saber se ` medida que se aumenta o a e a nmero de ns de interpolao, o polinmio interpolador converge para a funo a interpolar, u o ca o ca ou seja se o erro de interpolao diminui ` medida que o grau do polinmio interpolador aumenta. ca a o Exemplo 7.10.2. Seja f : [1, 1] R denida por f (x) = 1 . 1 + 25x2
126
interpolador
i Tomando como ns de interpolaao os pontos 1 + 2 , (i = 0, . . . , 4), obtm-se o polinmio o c e o
p4 (x) =
1250 4 3225 2 x x + 1. 377 754
i e o Interpolando nos ns 1 + 3 , (i = 0, . . . , 6), obtm-se o polinmio interpolador o
p6 (x) =
1265625 6 2019375 4 211600 2 x + x x + 1. 96356 96356 24089
i Interpolando agora nos ns 1 + 4 , (i = 0, . . . , 8), obtm-se o polinmio interpolador o e o
p8 (x) =
200000000 8 383000000 6 228601250 4 98366225 2 x x + x x + 1. 3725137 3725137 3725137 7450274
p4 (x)
p6 (x)
p8 (x)
Funao interpolada e polinmios interpoladores. c o Como se pode depreender da anlise da gura, aumentando o nmero de ns e mantendo-os equia u o distantes verica-se que os polinmios interpoladores apresentam cada vez maiores oscilaoes. o c Este comportamento continua a manter-se continuando a aumentar o nmero de ns. Vericau o se assim que o polinmios interpoladores no se aproximam cada vez mais da funao a interpolar o a c como seria desejvel. a Neste exemplo, ` medida que o nmero de ns aumenta, o erro de interpolao no converge a u o ca a para 0, vericando-se que os polinmios interpoladores apresentam oscilaes de amplitudes o co crescentes. Este comportamento deve-se ` habitualmente designada rigidez dos polinmios, a o que se traduz no eventual aparecimento de oscilaes quando se obriga um polinmio a passar co o por determinados pontos. Este tipo de comportamento bastante indesejvel quando se pretendem utilizar polinmios e a o interpoladores para aproximar funes. Analisando a expresso do erro de interpolao pode co a ca
127
concluir-se que este comportamento pode ser causado quer pelo aumento dos valores das derivadas de ordem superior da funo f a interpolar, quer pelo aumento dos valores dos polinmios ca o nodais Wi . Se, para um dado problema de aproximao por interpolao polinomial, os valores ca ca que tomam as derivadas de f so algo que no se pode contornar, j os polinmios nodais poa a a o dem alterados bastando para isso alterar a localizao dos ns de interpolao. Na verdade, ca o ca e poss escolher os ns de interpolao de forma a que os polinmios nodais Wi tomem valores vel o ca o to pequenos quanto poss a vel. Outra forma de evitar este comportamento ser utilizar funes a co interpoladoras no polinomiais. a
7.11
Polinmios de Chebyshev e ns de interpolao o o ca
A escolha dos ns de interpolao de forma a garantir que os polinmios nodais tomam valores o ca o pequenos dever ser realizada fazendo-os coincidir com as ra a zes dos designados polinmios de o Chebyshev, como se expe em seguida. o Sendo x [1, 1] e n = 0, 1, . . ., dena-se a funo ca Tn (x) = cos(n arccos x). Facilmente se verica que Tn (x) uma funo polinomial de grau n!! e ca Fazendo = arccos x pode escrever-se Tn (x) = cos(n) Tn+1 (x) = cos((n + 1))) = cos() cos(n) sin() sin(n) Tn1 (x) = cos((n 1))) = cos() cos(n) + sin() sin(n) vericando-se ento a Tn+1 (x) + Tn1 (x) = 2 cos(theta) cos(n) = 2xTn (x) obtendo-se a expresso de recorrncia a e Tn+1 (x) = 2xTn (x) Tn1 (x) que juntamente com as condies co T0 (x) = 1 T1 (x) = x permite concluir que Tn (x) de facto uma funo polinomial em [1, 1]. e ca
128
Os polinmios Tn (x) so designados polinmios de Chebyshev. Alguns destes polinmios o a o o so a T0 (x) = 1 T1 (x) = x T3 (x) = 4x3 3x T2 (x) = 2x2 1
T4 (x) = 8x4 8x2 + 1
Uma das caracter sticas desta fam de polinmios o facto de para n 1, o coeciente de xn lia o e em Tn (x) ser 2n1 , isto , e Tn (x) = 2n1 xn +
T1 (x) T2 (x) T3 (x) T4 (x)
Figura 7.5: Polinmios de Chebyshev. o
O seguinte resultado estabelece a localizao das ra dos polinmios de Chebyshev e dos seus ca zes o valores extremos. Teorema 7.11.1. O polinmio Tn (x) tem n razes simples em o xk = cos (2k + 1) 2n k = 0, 1, . . . , n 1
e toma valores extremos em
129
x = cos k
k n
com
Tn ( ) = (1)k xk
k = 0, 1, . . . , n.
mnico) e, de acordo com o resultado anterior, satisfaz a condio o ca max |21n Tn (x)| = 1 2n1 .
Para n 1, o polinmio de grau n 21n Tn (x) tem coeciente de xn unitrio (diz-se polinmio o a o
x[1,1]
Se Pn (x) for um polinmio mnico de grau n, tem-se o o

x[1,1]
max |Pn (x)|
1 2n1
Consideremos agora a interpolao de uma funo f por um polinmio de grau n nos ns (xi )n ca ca o o i=0 de [1, 1]. Como j visto, o erro de interpolao ser dado, para x [1, 1], por a ca a e(x) = f (x) p(x) = 1 f (n+1) ()Wn (x) (n + 1)!
do erro de interpolao relativamente aos ns de interpolao, que podero no estar ` partida ca o ca a a a denidos. Uma vez que Wn (x) um polinmio mnico de grau n + 1, ter-se- e o o a
x[1,1]
onde [1, 1] e Wn (x) = (x x0 )(x x1 ) (x xn ). Esta expresso reala a dependncia a c e
max |Wn (x)|
1 2n
1 2n Tn+1 (x),
sendo este valor o menor poss vel quando Wn (x) = interpolao forem os zeros de Tn+1 (x), isto ca e xi = cos (2i + 1) 2(n + 1)
ou seja, quando os ns de o
i = 0, 1, . . . , n.
De acordo com o exposto acima, se p(x) for o polinmio de grau menor ou igual a n que interpola o f (x) nos ns que so as ra o a zes de Tn+1 (x) ento o erro de interpolao pode ser majorado pela a ca expresso a
x[1,1]
max |p(x) f (x)|
1 max |f (n+1) (z)|. 2n (n + 1)! z[1,1]
Caso se pretenda aproximar f por um polinmio interpolador de grau n num intervalo [a, b] que o no o [1, 1], os ns de interpolao que conduzem conduzem ao menor valor mximo de Wn (x) a o ca a no intervalo [a, b] sero os pontos a xi = 1 [(b a)i + a + b] x 2
onde xi (i = 0, 1, . . . , n) so os zeros de Tn+1 (x). a
130
7.12
Interpolao polinomial segmentada (splines) ca
Consideremos novamente a questo de interpolar uma funao f num intervalo [a, b]. Em diversas a c situaes de utilizao de polinmios interpoladores no se verica a convergncia para 0 do co ca o a e erro de interpolao ` medida que se consideram mais ns, isto , polinmios de mais grau ca a o e o mais elevado. Por outro lado, nem sempre vantajoso do trabalhar com polinmios de grau e o elevados, pois a sua avaliao num ponto utilizando aritmtica nita est sujeita a erros de ca e a arredondamento. Uma alternativa ser utilizar funes interpoladoras que no sejam de classe C . Particulara co a mente interessante a utilizao de funes polinomiais por segmentos, isto , funes que em e ca co e co cada subintervalo sejam denidas por um polinmio, mas que em diferentes subintervalos possam o ser denidas por diferentes polinmios. o Denio 7.12.1. Uma funao S diz-se um spline polinomial de grau m (onde m N), ca c relativo aos ns a = x0 < x1 < < xn = b, quando o
1. S coincide com um polinmio Si de grau menor ou igual a m em cada subintervalo o [xi1 , xi ], i = 1, . . . , n. 2. S C m1 ([a, b]; R). Dados os ns x0 < x1 < < xn , a denio do spline feita ` custa dos polinmios Si , que o ca e a o
caracterizam S nos diferentes intervalos [xi1 , xi ]. Sendo as funes polinomiais de classe C , co a condio 2 sempre vlida no interior de cada subintervalo, pelo que apenas necessrio ca e a e a veric-la nos ns x1 , . . . , xn1 . a o
Dado um conjunto de ns x0 < x1 < < xn e os valores nodais y0 , y1 , . . . , yn respectivos, a o interpolaao por splines de grau m consiste em encontrar um spline S de grau m relativo c aos ns x0 < x1 < < xn tal que o S(xi ) = yi , i = 0, 1, . . . , n.
Tal como no caso da interpolao polinomial tambm agora se colocam algumas questes imca e o portantes `s quais interessa responder, das quais se destacam as seguintes a Ser que existe spline interpolador? a Ser que o spline interpolador unico? a e Como se determinam os polinmios Si que denem o spline? o Como se estima o erro na interpolao por splines de uma funo? ca ca
131
Estas questes sero de alguma forma endereadas no estudo que se segue sobre interpolao o a c ca por splines.
Spline de grau 1 ou linear O spline S coincide em cada subintervalo [xi1 , xi ] com o segmento de recta que passa pelos pontos (xi1 , yi1 ) e (xi , yi ). Ou seja, os polinmios Si , denidores do spline, satisfazem o Si (xi1 ) = yi1 Si (xi ) = yi i = 1, . . . , n, i = 1, . . . , n.
de onde resultam 2n equaes. Sendo cada Si um polinmio de de grau 1 o spline denido co o e por 2n coecientes. Resulta daqui a existncia e unicidade deste spline. Tambm facilmente se e e concluir que os polinmios denidores do spline sero dados por o a Si (x) = yi1 xi x x xi1 + yi hi hi
para i = 1, 2, . . . , n. (Nota: nesta expresso e no que se segue, dene-se hi = xi xi1 , para a i = 1, 2, . . . , n.)
y
y0 y1
y2 y3 x2 x3 x4 y4
x0
x1
Figura 7.6: Spline linear. Caso os valores nodais yi sejam dados por uma funo, isto , yi = f (xi ), onde f uma funo ca e e ca de classe C 2 , pode concluir-se que o erro de interpolao por um spline de grau 1 majorado ca e por |e| com h = max{hi : 1 i n}. Esta expresso obtm-se directamente a partir da majorao do erro de interpolao polinomial a e ca ca para polinmios de grau menor ou igual a um. o 1 |f | 8 h2
max
132
Spline de grau 2 ou quadrtico a O spline coincide em cada intervalo [xi1 , xi ] com um arco de parbola. Estes arcos ligam-se de a forma cont nua, devero passar pelos valores a interpolar e assegurar a continuidade da primeira a derivada nos ns x1 , x2 , . . . , xn1 . o
y
y0 y1
y2 y3 x2 x3 x4 y4
x0
x1
Figura 7.7: Spline quadrtico. a As condies a impor aos polinmios Si , denidores do spline S, sero co o a Si (xi1 ) = yi1 Si (xi ) = yi
Si (xi ) = Si+1 (xi )
i = 1, . . . , n, i = 1, . . . , n, i = 1, . . . , n 1,
(7.12.1) (7.12.2) (7.12.3)
denido por 3n coecientes. Conclui-se ento que o spline quadrtico no unico, pelo que ser a a a e a necessrio impor uma condio adicional a ca Denido os polinmios Si , i = 1, . . . , n, por o Si (x) = yi1 + mi1 (x xi1 ) + Mi (x xi1 )2 2
que resultam em 3n 1 equaes a satisfazer pelos coecientes dos Si . Neste caso, o spline ser co a
a a garante-se, por construo,a satisfao de (7.12.1). Deste modo ser necessrio determinar os ca ca valores mi e Mi , para i = 1, . . . , n, para denir completamente o spline. Partindo de (7.12.2) e (7.12.3), poss determinar os valores mi e Mi de uma forma recorrente e vel por intermdio das expresses e o yi yi1 mi1 hi mi mi1 Mi = hi mi = 2 em x0 . E de salientar o facto dos splines quadrticos serem pouco utilizados, por habitualmente aprea sentarem um comportamento com grandes oscilaes. co i = 1, . . . , n, i = 1, . . . , n.
sendo necessrio denir o valor adicional m0 , que corresponde a estipular a derivada do spline a
133
Spline de grau 3 ou cbico u Em [xi1 , xi ] o spline S coincide com um polinmio de grau menor ou igual a 3. Estas funes o co polinomiais ligam-se de forma cont nua, devero passar pelos valores a interpolar e assegurar a a continuidade da primeira e segunda derivadas nos ns x1 , x2 , . . . , xn1 . o
y
y0 y1
y2 y3 x2 x3 x4 y4
x0
x1
Figura 7.8: Spline cbico. u As condies a impor aos polinmios Si , denidores do spline S, sero co o a Si (xi1 ) = yi1 Si (xi ) = yi
Si (xi ) = Si+1 (xi ) Si (xi ) = Si+1 (xi )
i = 1, . . . , n, i = 1, . . . , n, i = 1, . . . , n 1, i = 1, . . . , n 1.
Temos agora 4n 2 condies e 4n coecientes que denem o spline. Assim, o spline cbico no co u a ser unico, sendo necessrias duas condies adicionais. a a co Denindo Mi = S (xi ), para i = 0, 1, . . . , n, a continuidade da segunda derivada ca assegurada fazendo-se
Si (x) = Mi1
xi x x xi1 + Mi . hi hi
Os parmetros Mi so habitualmente designados por momentos. Integrando esta expresso a a a duas vezes obtm-se e Si (x) = Mi1 (xi x)3 (x xi1 )3 + Mi + i x + i 6hi 6hi
onde i e i so constantes de integrao. Denindo ci = i xi1 + i e di = i xi + i , tem-se a ca ainda Si (x) = Mi1 (xi x)3 (x xi1 )3 xi x x xi1 + Mi + ci + di 6hi 6hi hi hi
Impondo agora as condies Si (xi1 ) = yi1 e Si (xi ) = yi , conclui-se que co ci = yi1 Mi1 h2 i 6 e di = yi Mi h2 i . 6
134
Substituindo estes valores, conclui-se que os polinmios Si podem ser representados por o Si (x) = Mi1 (xi x)3 (x xi1 )3 + Mi + 6hi 6hi Mi h2 Mi1 h2 xi x i i + yi yi1 6 hi 6
x xi1 hi
Impondo a continuidade da primeira derivada nos ns interiores conclui-se que o hi hi + hi+1 hi+1 yi+1 yi yi yi1 Mi1 + Mi + Mi+1 = 6 3 6 hi+1 hi incgnitas, que so os momentos M0 , M1 , . . . , Mn . o a para i = 1, 2, . . . , n 1, obtendo-se deste modo um sistema de n 1 equaes lineares com n + 1 co
Habitualmente, as duas condies a impor para denir univocamente o spline so M0 = 0 e co a Mn = 0 (anulamento da segunda derivada no primeiro e no ultimo n). Neste caso, diz-se que o o spline natural. e Os splines cbicos so bastante utilizados como funes interpoladoras. Tendo por base pou a co linmios de grau 3 so funes de fcil avaliao num ponto e tambm garantem a continuidade o a co a ca e ` suas propriedades h ainda a juntar a descrita no resultado seguinte. da segunda derivada. As a Teorema 7.12.1. Sejam os ns a = x0 < < xn = b e os valores nodais y0 , . . . , yn . Ento, o a unica que torna mnimo o valor de
b a
de todas as funoes g C 2 ([a, b]; R) que interpolam estes pontos, o spline cbico natural a c u e [g (x)]2 dx.
Caso os valores nodais obedeam a yi = f (xi ), onde f uma funo de classe C 4 , o erro de c e ca interpolao por um spline cbico majorado por ca u e |e| Exemplo 7.12.1. Interpolar a funao c f (x) = 1 1 + 25x2 x [1, 1] 5 |f (4) | 384 h4 .
max
por splines polinomiais, utilizando 7 pontos do intervalo [1, 1] equidistantes. Resoluo ca Os valores a interpolar sero a
2 x 1 3 1 3 9 34
0 1
1 26
9 109
1 3 9 34
2 3 9 109
1
1 26
135
Interpolando por um spline linear obtm-se e S1 (x) = 0.17078 + 0.13232x, S2 (x) = 0.44684 + 0.54641x, S3 (x) = 1 + 2.20588x, S4 (x) = 1 2.20588x, S5 (x) = 0.44684 0.54641x, S6 (x) = 0.17078 0.13232x,
2 x [1, 3 ]
x [0, 1 ] 3 x [ 2 , 1] 3
x [ 1 , 0] 3
1 x [3, 2] 3
1 x [ 2 , 3 ] 3
Interpolando por um spline quadrtico (e considerando m0 = 0) obtm-se a e

i mi Mi 0 0 1 3 2 4 5 6
0.26464 0.82818 3.58359 7.99535 6.90253 7.16717 0.79393 1.69061 8.26622 34.73681 44.69364 42.20910
2 x [1, 3 ]
S1 (x) = 0.43543 + 0.79393x + 0.39697x2 , S2 (x) = 0.63469 + 1.39171x + 0.84530x2 , S3 (x) = 1 + 3.58359x + 4.13311x2 , S4 (x) = 1 + 3.58359x 17.36841x2 , S5 (x) = 5.41280 22.89323x + 22.34682x2 ,
1 x [ 2 , 3 ] 3
x [ 1 , 0] 3
1 x [0, 3 ]
S6 (x) = 13.89892 + 35.04193x 21.10455x2 ,
x [ 2 , 1] 3
1 x [3, 2] 3
A interpolaao por um spline cbico natural (M0 = 0 e M6 = 0) passa pela resoluao do seguinte c u c sistema de equaoes c
2 9 1 18 1 18 2 9 1 18
0
1 18 2 9 1 18
0 0
1 18 2 9 1 18
cuja soluao c e
[M1 M2
0 0 0
0 0
0 M2 0 M3 = 1 M 4 18 2 M5 9
M1
9975 24089 3075 1853 75 17 3075 1853 9975 24089
M3
M4
M5 ] = 27.21602 14.72616 1.81814]T .
= [1.81814 14.72616
136
Os polinmios denidores do spline cbico sero o u a S1 (x) = 0.63728 2.49388x 2.72721x2 0.90907x3 , x [1, 2 ] 3
S2 (x) = 2.08308 + 9.74775x + 15.63523x2 + 8.27215x3 , S3 (x) = 1 13.60801x2 20.97109x3 , S4 (x) = 1 13.60801x2 + 20.97109x3 ,
x [ 2 , 1 ] 3 3
1 x [ 3 , 0] 1 x [0, 3 ] 2 x [ 3 , 1] 1 x [3, 2] 3
S5 (x) = 2.08308 9.74775x + 15.63523x2 8.27215x3 ,
S6 (x) = 0.63728 + 2.49388x 2.72721x2 + 0.90907x3 ,
Spline linear
Spline quadrtico a
Spline cbico u
Como se pode vericar, os splines linear e cbico constituem boas aproximaoes da funao f , u c c este ultimo com propriedades de continuidade das duas primeiras derivadas. E de relembrar que a aproximaao desta funao por polinmios interpoladores em ns equidistantes se torna muito c c o o problemtica. a
Cap tulo 8
Integrao Numrica ca e
8.1 Introduo ca
Em diversas aplicaes necessrio calcular o integral denido de uma funo f para a qual no co e a ca a se conhece uma expresso expl a cita de uma primitiva, tal primitiva de obteno dispendiosa e ca ou quando no se conhece uma expresso para a prpria funo. Nestas situaes, pode ser a a o ca co utilizada a designada integrao numrica que consiste em aproximar ca e
b
I(f ) =
a
f (x)dx,
utilizando apenas valores da funo f num conjunto nito de pontos no intervalo [a, b]. ca
f(x)
De uma forma geral, pode dizer-se que os mtodos de integrao numrica consistem em aproe ca e ximar a funo f por outra funo g cuja primitivao seja simples de realizar. Desta forma, o ca ca ca integral de f ser aproximado por a
b
I(f ) I(g) =
g(x)dx.
a
O erro cometido neste processo, representado por E(f ), dado por e E(f ) = I(f ) I(g) = I(f g) uma vez que a integrao um operador linear. Assim, a aproximao ser tanto melhor quanto ca e ca a melhor a funo g aproximar f no intervalo [a, b]. ca 137
Cap tulo 8. Integrao Numrica ca e
138
8.2
Regras de integrao bsicas e compostas ca a
Dado que as funes polinomiais so simples de integrar, a utilizao de polinmios interpoladoco a ca o res com funes aproximantes constitui uma abordagem interessante ao problema de integrao co ca numrica. e As regras de integrao bsicas consistem em aproximar o integral de f em [a, b] pelo ca a integral de um polinmio interpolador de f num conjunto de ns em [a, b]. Designemos por pn o o o polinmio de grau menor ou igual a n que interpola f nos ns x0 < x1 < < xn , pertencentes o o a [a, b]. Representando este polinmio na forma de Lagrange, obtm-se o e
n
pn (x) =
i=0
f (xi )Li (x)
onde Li so os polinmios de Lagrange relativos aos ns considerados. Ento a o o a

b b n n b
I(pn ) =
a
pn (x)dx =
a i=0
f (xi )Li (x)

b a Li (x)dx, n
=
i=0
f (xi )
a
Li (x)dx
Denindo, para i = 0, 1, . . . , n, Ai =
verica-se que Ai f (xi )
I(pn ) =
i=0
e logo o integral de f ser aproximado da seguinte forma a

n
I(f )
Ai f (xi )
i=0
ou seja, por uma combinao linear dos valores de f nos ns. Os coecientes desta combinao ca o ca linear, tambm designados por pesos, apenas dependem dos ns escolhidos. e o E claro que escolhendo diferentes nmeros de ns e diferentes localizaes destes se obtm u o co e diferentes regras de integrao. A aplicao das diferentes regras consiste numa primeira fase ca ca em determinara os pesos Ai , que apenas dependem dos ns escolhidos, e posteriormente em o efectuar a combinao linear dos valores da funo nos ns, de acordo com a expresso acima. ca ca o a
y0
f(x)
y1
y0 p1(x)
f(x) y1
y2
p2(x)
x0
x1
x0
x1
x2
Polinmio interpolador em 2 ns o o
Polinmio interpolador em 3 ns o o
139
Diz-se que uma regra de integrao de grau ou exactido n se integrar exactamente todos ca e a os polinmios de grau menor ou igual a n e existir pelo menos um polinmio de grau n + 1 que o o no integrado exactamente. a e Uma consequncia imediata desta denio o facto de toda a regra de integrao que resulte e ca e ca da aproximao de f por um polinmio interpolador em n + 1 ns ser de exactido maior ou ca o o a igual a n. Relembrando que o erro na aproximao de f pelo polinmio interpolador pn dado por ca o e e(x) = f (x) pn (x) = f [x0 , . . . , xn , x]Wn (x), por erro de truncatura, ser a E(f ) =
a
onde Wn (x) = (xx0 )(xx1 ) (xxn ), conclui-se que o erro de integrao, tambm designado ca e
b b
e(x)dx =
a
f [x0 , . . . , xn , x]Wn (x)dx.
Nota: As diferenas divididas de f utilizadas nesta expresso devero ser entendidas num senc a a tido mais geral uma vez que x no necessariamente distinto dos ns considerados. No entanto, a e o apenas importa referir aqui que sendo f de classe C n+1 se tem que x f [x0 , x1 , . . . , xn , x] e cont nua e que existe [a, b] tal que f [x0 , x1 , . . . , xn , x] =
1 (n+1) (). (n+1)! f
A utilizao de polinmios interpoladores de maior grau conduz a regras de integrao bsicas de ca o ca a maior exactido. No entanto, os polinmios interpoladores podem apresentar comportamentos a o pouco desejveis, em termos de aproximao da funo interpolada. Por tal motivo, as regras a ca ca bsicas de integrao com polinmios de grau elevado no so vulgarmente utilizadas, pois a ca o a a nem sempre se consegue reduzir o erro de integrao quando se aumenta o grau do polinmio ca o interpolador. Para diminuir o erro de integrao sem aumentar o grau dos polinmios interpoladores utilizamca o se regras de integrao compostas. Estas consistem em dividir o intervalo [a, b] em subca intervalos [a0 , a1 ], [a1 , a2 ], . . ., [an1 , an ] (onde a0 = a e an = b). Em cada subintervalo [ai1 , ai ], f interpolada por um polinmio pi , sendo o integral de f em [a, b] aproximado pela soma dos e o integrais dos polinmios interpoladores, cada um no subintervalo respectivo, ou seja, o
b n ai ai1 n ai
I(f ) =
a
f (x)dx =
i=1
f (x)dx
pi (x)dx.
i=1 ai1
O erro de interpolao neste tipo de regras pode ser controlado pela largura hi de cada subca intervalo [ai1 , ai ], ou seja, hi = ai ai1 . Muitas vezes consideram-se sub-intervalos de igual largura, isto , hi = h = e
ba n ,
implica o aumento do seu nmero e logo o aumento do nmero de operaes aritmticas na u u co e aplicao da regra. ca
i. Claro est que a diminuio das larguras dos subintervalos a ca
140
Em seguida sero estudadas duas regras de integrao compostas, a regra dos trapzios e a a ca e regra de Simpson. Em cada um dos casos ser deduzida a expresso que permite calcular o a a valor aproximado do integral de f , sendo tambm estudado o erro de integrao cometido. e ca
8.3
Regra dos trapzios e
Nesta regra, a funo f aproximada em cada subintervalo pela funo polinomial de grau ca e ca menor ou igual a 1 que interpola f nos extremos desse subintervalo.
y1 y0 y2
f(x)
yn-1 yn
... a=x0 x1 x2 xn-1 xn=b x
Figura 8.1: Regra dos trapzios. e
Considerando n subintervalos do intervalo original [a, b], verica-se que a largura de cada subintervalo dada por h = e
ba n ,
sendo os extremos destes subintervalos os pontos xi = a + ih, para
i = 0, 1, . . . , n. Designando por yi o valor de f em xi , o polinmio, de grau 1, que interpola f o nos pontos xi e xi+1 dado por e pi (x) = yi + yi+1 yi (x xi ). h
Integrando o polinmio pi subintervalo [xi , xi+1 ] obtm-se (a rea do trapzio!) o e a e

xi+1
pi (x)dx =
xi
h (yi + yi+1 ). 2
Somando estes valores para todos os subintervalos obtm-se e

n1 i=0 xi+1 n
pi (x)dx =
xi i=1
h h (yi + yi+1 ) = (y0 + 2y1 + 2y2 + + 2yn1 + yn ), 2 2
pelo que a expresso que permite o clculo aproximado do integral de f em [a, b] pela regra dos a a trapzios ser e a I(f ) h (y0 + 2y1 + 2y2 + + 2yn1 + yn ). 2
Passemos agora ao estudo do erro de truncatura. No intervalo [xi , xi+1 ], o erro de aproximao ca de f por pi dado pela expresso (relembrar o erro de interpolao!) e a ca ei (x) = f (x) pi (x) = f [xi , xi+1 , x](x xi )(x xi+1 ).
141
Ento, o erro de aproximao de a ca

xi+1
xi+1 xi
f (x)dx por
xi+1
xi+1 xi
pi (x)dx, Ei , ser a
Ei =
xi
ei (x)dx =
xi
f [xi , xi+1 , x](x xi )(x xi+1 )dx.
Por outro lado, a funo x (x xi )(x xi+1 ) no muda de sinal em [xi , xi+1 ], sendo sempre ca a no positiva. Ento, existe i [xi , xi+1 ] tal que a a
xi+1 xi xi+1
Assumindo que f de classe C 2 , pode concluir-se que a funo x f [xi , xi+1 , x] cont e ca e nua.
f [xi , xi+1 , x](x xi )(x xi+1 )dx = f [xi , xi+1 , i ]
xi
(x xi )(x xi+1 )dx
Efectuando a mudana de varivel z = x xi , conclui-se que c a

xi+1 xi h
(x xi )(x xi+1 )dx =
z(z h)dz =
h3 . 6
escrever-se que o erro Ei ser a
1 Pode ainda armar-se que f [xi , xi+1 , i ] = 2 f (i ), para algum i [xi , xi+1 ]. Desta forma pode
Ei =
1 f (i )h3 . 12
O erro de truncatura da regra dos trapzios obtm-se agora por e e

n1 n1
E(f ) =
i=0
Ei =
i=0
1 f (i )h3 12
h3 = 12
n1
f (i ).
i=0
Dado que f suposta de classe C 2 , poss concluir a existncia de [a, b] tal que e e vel e
n1
f (i ) = nf ().
i=0
Ento, a expresso do erro de truncatura da regra dos trapzios ser a a e a E(f ) = h2 (b a)f (), 12
do erro de truncatura em valor absoluto dado por |E(f )|
uma vez que nh = b a. Como o ponto [a, b] desconhecido, usual utilizar o majorante e e h2 (b a) max |f (z)|. 12 z[a,b]
Em algumas situaes os valores yi esto eles mesmo afectados de erros de arredondamento que co a iro provocar um erro de arredondamento na aplicao da regra dos trapzios. Considerando a ca e
142
que cada yi tem um erro absoluto mximo , o erro de arredondamento a satisfar a condio a a ca
n
a =
i=0
h (y0 + 2y1 + + 2yn1 + yn ) yi 2
h ( + 2 + + 2 + ) 2 h = 2n 2 = (b a).
Um majorante para o erro absoluto total, na aplicao da regra dos trapzios ser ento ca e a a |E(f )| + a .
2
Exemplo 8.3.1. Sendo f (x) = ex , calcular um valor aproximado de
1 0 f (x)dx,
utilizando a
regra dos trapzios com 20 subintervalos e obter um majorante para o erro cometido (considere e que os valores de f so exactos). Qual o erro mximo absoluto admissvel para os valores de f a a se se pretender que o erro de arredondamento no seja superior ao erro de truncatura? a Resoluo ca Sendo n = 20, temos h =
1 20
e a funao ser avaliada nos pontos xi = ih, para i = 0, 1, . . . , 20. c a

1 20
O valor aproximado do integral ser ento a a

1 0
ex dx =
2
1 20
e0 + 2e( 20 ) + + 2e( 20 ) + e1
19
19 2
e +2
i=1
e( 20 ) + e1
i
= 0.7467. e Uma vez que f (x) = (4x2 2)ex majorada em valor absoluto no intervalo [0, 1] por 2, h2 (b a)|f | 12 (1/20)2 2 4.2 104 , 12
2
conclui-se que o erro de truncatura ser majorado por a =

max
garantindo-se assim que o resultado apresentado ter 3 algarismos exactos. a Se se pretender que a |E(f )| dever-se- impor que a (b a) 4.2 104 pelo que = 4.2 104 ser o erro mximo absoluto permitido no clculo de cada valor de f , a a a pois b a = 1.
143
8.4
Regra de Simpson
Na regra de Simpson a funo f aproximada por polinmios de grau menor ou igual a 2, cada ca e o um dos quais interpolando f em trs pontos igualmente espaados. e c
y1 y0
y2 y3 y4
f(x) yn ...
a=x0 x1 x2 x3 x4
xn=b x
Figura 8.2: Regra de Simpson.
Agora, o nmero n de subintervalos dever ser par, pois cada parbola interpoladora denida u a a e em dois subintervalos consecutivos. Denido novamente h =
ba n ,
os extremos dos subintervalos
sero os pontos xi = a + ih, para i = 0, 1, . . . , n. Designemos ainda por yi o valor de f em xi . a Seja tambm pi o polinmio de menor grau que interpola f nos pontos xi1 , xi e xi+1 , isto para e o i = 1, 3, . . . , n 1. Tem-se ento que a
i+1 i i hi1 yi yi1 h (x xi1 ) + (x xi1 )(x xi ). h 2h Integrando pi em [xi1 , xi+1 ] obtm-se, efectuando a mudana de varivel z = x xi1 , e c a
pi (x) = yi1 + f [xi1 , xi ](x xi1 ) + f [xi1 , xi , xi+1 ](x xi1 )(x xi )
y
= yi1 +
y y
xi+1
2h
pi (x)dx =
xi1 0
yi1 +
yi yi1 yi+1 2yi + yi1 2 z+ (z hz) dz h 2h2 8h3 2h3 3
= yi1 2h + = =
yi yi1 2 yi+1 2yi + yi1 2h + h 2h2
h (12yi1 + 12yi 12yi1 + 2yi+1 4yi + 2yi1 ) 6 h (yi1 + 4yi + yi+1 ) . 3
forma a cobrir todo o intervalo [a, b], obtm-se e

n1 xi+1 n1
Somando estes integrais para todos os sub-intervalos [xi1 , xi+1 ], com i = 1, 3, . . . , n 1, de h (yi1 + 4yi + yi+1 ) 3
pi (x)dx =
xi1 i=1 i mpar i=1 i mpar
h (y0 + 4y1 + 2y2 + 4y3 + 2y4 + + 4yn1 + yn ) 3 resultando ento a seguinte expresso para a regra de Simpson a a = I(f ) h (y0 + 4y1 + 2y2 + 4y3 + 2y4 + + 4yn1 + yn ) . 3
144
Passemos agora ao estudo do erro de truncatura. No intervalo [xi1 , xi+1 ], o erro de aproximao ca da funo f pelo polinmio pi ca o e ei (x) = f (x) pi (x) = f [xi1 , xi , xi+1 , x](x xi1 )(x xi )(x xi+1 ). Ento, o erro de aproximao de a ca
xi+1 xi+1 xi1 xi+1
f (x)dx por
xi+1 xi1
pi (x)dx, Ei , ser a
Ei =
xi1
ei (x)dx =
xi1
f [xi1 , xi , xi+1 , x](x xi1 )(x xi )(x xi+1 )dx.
Supondo f de classe C 4 , demonstra-se ainda que Ei = para algum i [xi1 , xi+1 ]. O erro de truncatura da regra de Simpson obtm-se agora por e
n1 n1
h5 (4) f (i ) 90
E(f ) =
i=1 i mpar
Ei =
i=1 i mpar
h5 (4) f (i ) 90
h5 90
n1
f (4) (i ).
i=1 i mpar
E tambm agora poss assegurar a existncia de [a, b] tal que e vel e

n1
f (4) (i ) =
i=1 i mpar
n (4) f () 2
e como nh = b a, a expresso do erro de truncatura da regra de Simpson ca a E(f ) = valor absoluto dado por h4 (b a)f (4) (). 180
Sendo o ponto [a, b] desconhecido, usual utilizar o majorante do erro de truncatura em e |E(f )| h4 (b a) max |f (4) (z)|. 180 z[a,b]
Supondo que os valores yi esto eles mesmo afectados de erros de arredondamento, cada um a dos quais majorado em valor absoluto por , o erro de arredondamento a na regra de Simpson satisfar a condio a ca
n
a =
i=0
h (y0 + 4y1 + 2y2 + 4y3 + 4yn1 + yn ) yi 3
h ( + 4 + 2 + 4 + + 4 + ) 3 h h = + n 4 + n 1 2 + = 3n 2 2 3 3 = (b a).
145
Um majorante para o erro absoluto total, na aplicao da regra de Simpson, ser ento ca a a |E(f )| + a .
2
Exemplo 8.4.1. Sendo f (x) = ex , calcular um valor aproximado de que os valores de f so exactos). a Resoluo ca Sendo h =
1 12 ,
1 0 f (x)dx,
utilizando a
regra de Simpson com 12 sub-intervalos e obter um majorante para o erro cometido (considerando
a funao ser avaliada nos pontos xi = ih, para i = 0, 1, . . . , 12. c a
O valor aproximado do integral, pela regra de Simpson, ser ento a a
1 0
ex dx =
1 12
1 12
e0 + 4e( 12 ) + 2e( 12 ) + 4e( 12 ) + + 2e( 12 ) + 4e( 12 ) + e1 3

5
10 2
11 2
= 0.746825
e0 + 4
e(
2j+1 2 12
) +2
e(
2j+2 2 12
j=0
j=0
) + e1
Calculando f (4) (x) obtm-se e f (4) (x) = (16x4 48x2 + 12)ex que majorada em valor absoluto no intervalo [0, 1] por 12. e Conclui-se ento que o erro de truncatura ser majorado por a a h4 (b a)|f (4) | 180 =
max 2
(1/12)4 12 3.2 106 180
pelo que o resultado apresentado ter 5 algarismos exactos. a
8.5
Integrao de Romberg ca
Nesta seco iremos apresentar uma tcnica que permite obter resultados de maior preciso a ca e a partir de diversas aplicaes da regra dos trapzios. O mtodo exposto designa-se por inteco e e grao de Romberg e constitui um caso particular da tcnica designada por extrapolao de ca e ca Richardson. Consideremos o problema de aproximar o integral I = trapzios. Sendo h um valor positivo, tal que e
ba h b a f (x)dx
por aplicao da regra dos ca
seja inteiro, designemos por T (h) o valor
146
aproximado de I dado pela regra dos trapzios com subintervalos de largura h. E poss e vel mostrar que I = T (h) + K1 h2 + K2 h4 + K3 h6 + , (8.5.1)
onde K1 , K2 , K3 , . . . so constantes independentes de h. Desta expresso pode concluir-se que o a a erro de truncatura de T (h) de ordem 2, ou seja, converge para 0 ` mesma taxa que h2 . Esta e a mesma concluso podia j ser obtida a partir da expresso anteriormente obtida para o erro de a a a truncatura da regra dos trapzios. No entanto, a expresso acima permite ainda concluir que e a no erro de truncatura apenas aparecem termos com expoente de h par. Aplicando agora a regra dos trapzios com subintervalos de largura e
h 2
temos ento que a
I = T (h/2) + K1 (h/2)2 + K2 (h/2)4 + K3 (h/2)6 + , ou ainda, I = T (h/2) + K1 2 K2 4 K3 6 h + h + h + . 4 16 64 (8.5.2)
ca e ca Multiplicando por 4 a equao (8.5.2) e subtraindo-lhe a equao (8.5.1) obtm-se a equao ca 3I = 4T (h/2) T (h) + K2 1 1 h4 + K3 4 1 1 h6 + . 16
Denindo, T1 (h) por intermdio da expresso e a T1 (h) = 4T (h/2) T (h) 3
e ca pode concluir-se que I = T1 (h) + K1 h4 + K2 h6 + , pelo que T1 (h) uma aproximao de I
com um erro de truncatura de ordem 4.
Utilizando agora um procedimento semelhante para eliminar o termo em h4 na expresso do a erro de T1 (h), dene-se 16T1 (h/2) T1 (h) 15 h6 + K h8 + , pelo que T (h) uma aproximao e ca e conclui-se facilmente que I = T2 (h) + K1 2 2 T2 (h) = 64T2 (h/2) T2 (h) 63
de I com um erro de truncatura de ordem 6. Continuando este processo, podemos denir T3 (h) =
de ordem 8.
a concluindo-se que I = T3 (h) + K1 h8 + K2 h10 + , sendo ento o erro de truncatura de T3 (h)
De uma forma geral, podemos denir a aproximao Tn (h) de uma forma recursiva por inca 4n Tn1 (h/2) Tn1 (h) , 4n 1 concluindo-se que esta aproximao ter um erro de truncatura de ordem 2n + 2. ca a Tn (h) = termdio de e
147
Esta tcnica de obteno de aproximaes de I com ordens de erro cada vez mais elevadas e ca co permite em muitas circunstncias obter valores aproximados do integral de uma funo com a ca elevada preciso e sem grandes esforos computacionais. a c Exemplo 8.5.1. Obter uma estimativa de de inicial h = 0.25. Resoluo ca Aplicando a regra dos trapzios com h = 0.25, h = 0.125, h = 0.0625 e h = 0.03125, obtm-se e e os seguintes valores. h 0.25 0.125 0.0625 T (h) 0.7827941176471 0.7847471236228 0.7852354030103
1 dx 0 1+x2
com erro de ordem 8, utilizando um valor
0.03125 0.7853574732937 Os valores extrapolados, obtidos por integraao de Romberg, encontram-se na tabela seguinte c
h 0.25 0.125 0.0625 T (h) 0.7827941176471 0.7847471236228 0.7852354030103 T1 (h) T2 (h) T3 (h)
0.7853981256147 0.7853981652856 0.7853981633975 0.7853981628062 0.7853981634270 0.7853981633882
0.03125 0.7853574732937
4,
O valor exacto deste integral e
sendo aproximadamente 0.78539816339744830963 . . ., pelo
que o erro de truncatura de T3 (0.25) cerca de 1013 . Este erro substancialmente inferior e e ao erro de truncatura de T (0.03125), que o valor obtido pela regra dos trapzios com maior e e preciso utilizada. Rera-se ainda que cada um dos clculos dos valores T1 , T2 e T3 requer apenas a a 3 operaoes aritmticas, pelo que o maior esforo na obtenao de T3 (0.25) est no clculo de c e c c a a T (0.03125). Por curiosidade, rera-se que para obter um valor de preciso semelhante a T3 (0.25) a por simples aplicaao de uma regra dos trapzios exigiria um valor de h de cerca de 106 , ou c e seja, cerca de um milho de subintervalos! Para efectuar tal clculo seria necessrio um nmero a a a u de operaoes aritmticas muito mais elevado. Para alm do esforo na realizaao de tal clculo c e e c c a deveriam ainda ser considerados eventuais erros de arredondamento resultantes da utilizaao de c aritmtica com preciso nita. e a
8.6
Quadratura gaussiana
Nos mtodos estudados atrs, os ns encontravam-se igualmente espaados, sendo a sua locae a o c lizao apenas dependente do nmero de ns considerados e, claro, do intervalo de integrao ca u o ca
148
utilizado. Vamos agora estudar um mtodo, designado por quadratura gaussiana, em que os ns e o no se encontram igualmente espaados, sendo a sua localizao um parmetro de escolha. a c ca a A quadratura gaussiana consiste em efectuar a aproximao ca
b a n
f (x)dx
ci f (xi )
i=1
sendo os ns x1 , x2 , . . . , xn de [a, b] e os coecientes c1 , c2 , . . . , cn escolhidos de forma a que a o integrao seja exacta para a maior classe de polinmios poss ca o vel. Havendo 2n parmetros a denir e sendo um polinmio de grau 2n 1 denido por um conjunto a o de 2n coecientes, de esperar que a quadratura gaussiana de ordem n permita integrar com e exactido polinmios de grau at 2n 1. a o e Comecemos por analisar o caso n = 2. Para simplicar, habitual considerar que a integrao e ca ser efectuada no intervalo [1, 1]. Pretende-se ento determinar c1 , c2 , x1 e x2 de modo que a a a relao ca
1
f (x)dx = c1 f (x1 ) + c2 f (x2 )

1
(8.6.1)
se verique quando f (x) for um polinmio de grau menor ou igual a 2 2 1 = 3, ou seja, o f (x) = a0 + a1 x + a2 x2 + a3 x3 , onde a0 , a1 , a2 e a3 so constantes arbitrrias. a a A linearidade da operao de integrao permite armar ento que a integrao dever ser exacta ca ca a ca a para as funes 1, x, x2 e x3 . Substituindo na relao (8.6.1) f (x) por cada uma destas funes, co ca co obtm-se as seguintes relaes e co
1
c1 1 + c2 1 =
1dx = 2
1 1
c1 x1 + c2 x2 = c1 x2 + c2 x2 = 1 2 c1 x3 + c2 x3 = 1 2
xdx = 0
1 1 1 1 1
x2 dx =
2 3
x3 dx = 0
Considerando que x2 > x1 , a unica soluo deste sistema de equaes ca co e c1 = 1, Assim, conclui-se que a expresso a
1 1
c2 = 1,
x1 =
3 3 ,
x2 =
3 3 .
f (x)dx f
3 3
+f
3 3
149
exacta sempre que f (x) substitu por um polinmio de grau inferior ou igual a 3. e e da o O procedimento seguido anteriormente por ser aplicado para qualquer valor de n, sendo que obviamente teremos que resolver um sistema de 2n equaes a 2n incgnitas. No entanto, co o e poss vel mostrar que tanto os ns xi como os valores dos coecientes ci podem ser obtidos a o partir dos designados polinmios de Legendre. Estes polinmios, aqui referenciados por o o P0 (x), P1 (x), . . . vericam as propriedades 1. Para cada n, Pn (x) um polinmio de grau n. e o 2.
1 1 f (x)Pn (x)dx
= 0 se f (x) um polinmio de grau < n. e o
Os polinmios de Legendre podem ser obtidos explicitamente pela expresso o a Pn (x) = 1 dn 2 (x 1)n , 2n n! dxn
chegando-se assim facilmente ` concluso que os primeiros polinmios de Legendre sero a a o a P0 (x) = 1, P4 (x) = 1 (35x4 30x2 + 3) 8 P2 (x) = 1 (3x2 1), 2 e P1 (x) = x,
1 P3 (x) = 2 (5x3 3x),
P5 (x) = 1 (63x5 70x3 + 15x). 8
a o Na gura 8.3 podem ver-se os grcos dos polinmios P1 (x) a P5 (x).
P0 (x)
P1 (x) P4 (x) P3 (x)
1 P5 (x) P2 (x)
Figura 8.3: Polinmios de Legendre. o
150
Uma propriedade interessante dos polinmios de Legendre o facto do polinmio Pn (x) ter o e o exactamente n ra no interior do intervalo [1, 1]. Estas ra zes zes sero exactamente os ns das a o regras de quadratura gaussiana, tal como se arma no teorema seguinte. Teorema 8.6.1. Sejam x1 , x2 , . . . , xn as razes do n-simo polinmio de Legendre Pn (x) e, para cada i = 1, 2, . . . , n, e o seja ci dado por ci =
1 j=1 j=i 1 n
x xj xi xj
dx.
Se f (x) for um polinmio de grau < 2n, ento o a

1 n
f (x)dx =
1 i=1
ci P (xi ).
Com base neste resultado poss determinar os ns e os coecientes das regras de integrao e vel o ca gaussiana de diferentes ordens. Na tabela seguinte apresentam-se os valores destes ns e coeo cientes para alguns casos.
n xn,i cn,i
2 0.5773502692 1.0000000000 0.5773502692 1.0000000000 3 0.7745966692 0.5555555556 0.0000000000 0.8888888889 0.7745966692 0.5555555556
4 0.8611363116 0.3478548451 0.3399810436 0.6521451549 0.3399810436 0.6521451549 0.8611363116 0.3478548451 5 0.9061798459 0.2369268850 0.5384693101 0.4786286705 0.0000000000 0.5688888889 0.5384693101 0.4786286705 0.9061798459 0.2369268850
Em toda a deduo das regras de integrao gaussiana considerou-se que a integrao estava a ca ca ca ser efectuada no intervalo [1, 1]. Ora no caso geral pretende-se calcular o integral obter-se uma integrao sobre o intervalo [1, 1]. Utilizando a mudana de varivel ca c a t= 2x a b ba x= 1 [(b a)t + a + b] 2
b a f (x)dx
num intervalo [a, b] genrico. Para tal h que realizar uma mudana de varivel de forma a e a c a
151
facilmente se verica que t = 1 x = a e t = 1 x = b . Desta forma obtm-se a relao e ca

b 1
f (x)dx =
a 1
(b a)t + a + b 2
ba dt 2
sendo agora poss aplicar as regras de quadratura gaussiana atrs expostas. vel a Exemplo 8.6.1. Utilizar quadratura gaussiana com 2, 3, 4 e 5 ns para aproximar o Resoluo O primeiro passo consiste em efectuar a mudana de varivel ca c a t = 2x 1 x= t+1 , 2
1 dx 0 1+x2 .
no integral que se pretende calcular. Desta mudana resulta c

1 0
dx = 1 + x2
1 1
2 dt. 4 + (t + 1)2
Considerando a funao g(t) = c

1
2 4+(t+1)2 ,
teremos ento a
n=2
dx g(0.5773502692) + g(0.5773502692) 1 + x2 = 0.7868852458
n=3
dx 0.5555555556 g(0.7745966692) + 0.8888888889 g(0) 1 + x2 + 0.5555555556 g(0.7745966692) = 0.7852670352
n=4
dx 0.3478548451 g(0.8611363116) + 0.6521451549 g(0.3399810436) 1 + x2 + 0.6521451549 g(0.3399810436) + 0.3478548451 g(0.8611363116) = 0.7854029762
n=5
dx 0.2369268850 g(0.9061798459) + 0.4786286705 g(0.5384693101) 1 + x2 + 0.5688888889 g(0) + 0.4786286705 g(0.5384693101) + 0.2369268850 g(0.9061798459) = 0.7853981602
Nota: Em cada um dos casos, apresentam-se sublinhados os algarismos correctos. Uma das vantagens dos mtodos de quadratura gaussiana face aos outros mtodos de integrao e e ca numrica aqui estudados reside no facto de habitualmente fornecerem maior exactido para o e a mesmo nmero de avaliaes da funo, como de alguma forma o exemplo acima ilustra. u co ca
Cap tulo 9
Equaes Diferenciais Ordinrias: co a problemas de valor inicial

9.1 Introduo ca
Muitos problemas de interesse em engenharia (e tambm noutros dom e nios) so modelizados a recorrendo a equaes diferenciais, quer ordinrias quer em derivadas parciais. De um modo co a geral, a resoluo de uma equao diferencial consiste em determinar a funo que satisfaz ca ca ca tal equao e simultaneamente obedece a um conjunto de condies adicionais habitualmente ca co designadas por condies fronteira. co A maioria das equaes diferenciais no admite solues que se possam caracterizar por exco a co presses anal o ticas. Nestes casos, a caracterizao da soluo da equao diferencial poder ca ca ca a ser feita de uma forma aproximada, por exemplo atravs de um desenvolvimento em srie ou e e calculando de forma aproximada o valor da soluo num conjunto nito de valores da varivel ca a independente. E de notar, contudo, que existem importantes classes de equaes diferenciais para as quais co e poss determinar expresses anal vel o ticas das suas solues. Uma destas classes as equaes dico e co ferencias ordinrias lineares de coecientes constantes, que permitem modelizar sistemas lineares a e invariantes no tempo. Neste cap tulo sero estudados mtodos numricos que permitem obter solues (aproximadas) a e e co equaes diferenciais ordinrias. No caso geral, procuraremos determinar a funo x que satisfaz co a ca a equao diferencial de ordem n ca x(n) = f (t, x, x , x , . . . , x(n1) ) no intervalo [t0 , T ]. Trataremos apenas os designados problemas de valor inicial, nos quais
152
Cap tulo 9. Equaoes Diferenciais Ordinrias: problemas de valor inicial c a
153
a funo x dever tambm satisfazer as condies iniciais ca a e co x(t0 ) = x0,0 x (t0 ) = x0,1 . . . x(n1) (t0 ) = x0,n1 onde x0,0 , x0,1 , . . . , x0,n1 so valores conhecidos. a Aps a apresentao de algumas noes de base, sero estudados mtodos para a resoluo o ca co a e ca de equaes diferenciais de ordem 1. Em seguida abordar-se- o caso de sistemas de equaes co a co diferenciais de ordem 1, tratando-se por m o caso geral das equaes diferenciais de ordem n. co
9.2
Soluo numrica de equaes diferenciais ca e co
Os mtodos numricos de resoluo de equaes diferenciais que sero estudados produzem e e ca co a valores de solues aproximadas num conjunto nito de pontos da varivel independente. Tal co a conjunto de pontos ser aqui representado de uma forma geral por {ti }N . Dir-se- ainda que a a i=0 este conjunto forma uma malha do intervalo [t0 , T ] se t0 < t1 < < tN = T. Os pontos ti so designados por ns da malha. As distncias a o a hi = ti ti1 , i = 1, . . . , N,
designam-se por passos da malha. A malha diz-se uniforme se todas estas distncias forem a iguais. Tambm usual designar por passo da malha o valor e e h = max hi .
1iN
Desta forma, a resoluo numrica de uma equao diferencial consiste em denir uma malha ca e ca ns da malha. o {ti }N no intervalo [t0 , T ] e em seguida calcular os valores {xi }N da soluo aproximada nos ca i=0 i=0
Os mtodos em que o clculo de xi feito apenas usando informao do intervalo [ti1 , ti ] e a e ca designam-se por mtodos de passo simples. Os que recorrem a informao fora deste intervalo e ca para determinar xi designam-se por mtodos multi-passo, ou de passo mltiplo. Aqui, apenas e u se estudaro mtodos de passo simples. a e E de notar que a soluo aproximada obtida apenas estar denida nos ns ti . Para obter valores ca a o em pontos intermdios, pode utilizar-se interpolao (por exemplo linear) entre cada dois ns e ca o consecutivos, como se mostra na gura.
154
x x0
x1
x2
xN-1 xN
t0 t1 t2
tN-1 tN
Figura 9.1: Soluo aproximada. ca
Uma vez que as solues de equaes diferenciais so funes, e os mtodos numricos produzem co co a co e e solues aproximadas, importante ter uma forma de medir a distncia entre duas funes. co e a co Esta distncia permitir assim medir o afastamento das solues aproximadas produzidas pelos a a co mtodos numricos estudados relativamente ` soluo exacta. e e a ca Dada uma funo cont ca nua v denida no intervalo [t0 , T ], a norma mximo de v, representada a por v , denida por e v = max |v(t)|.
t[t0 ,T ]
A distncia entre v e w, funes denidas e cont a co nuas no intervalo [t0 , T ], denida por e v w = max |v(t) w(t)|.
t[t0 ,T ]
Claramente que estas funes sero iguais se e s se v w = 0. co a o
9.3
Equaes diferenciais ordinrias de ordem 1 co a
Antes de iniciarmos o estudos dos mtodos numricos de resoluo de equaes diferenciais de e e ca co ordem 1, vamos relembrar resultados que garantem a existncia e unicidade de soluo para e ca tais equaes. Note-se que s far sentido obter solues aproximadas (utilizando mtodos co o a co e numricos) de uma dada equao diferencial, quando a soluo da equao existir e for unica. e ca ca ca Seja ento f : R R R uma funo dada e consideremos a equao diferencial a ca ca x (t) = f (t, x(t)) no intervalo [t0 , T ]l. Como j referido, o problema de valor inicial associado a esta equao a ca consiste em determinar a sua soluo, sendo dado o valor que a funo soluo dever no ponto ca ca ca a t0 . O seguinte teorema fornece condies suciente para a existncia e unicidade de soluo para co e ca este problema de valor inicial. Teorema 9.3.1. Seja f : R R R uma funao com as propriedades c
155
1. f contnua em [t0 , T ] com respeito ao primeiro argumento; e 2. f Lipschitz contnua com respeito ao segundo argumento, isto , existe uma constante e e L 0 (designada constante de Lipschitz) tal que |f (t, x1 ) f (t, x2 )| L|x1 x2 |, t [t0 , T ], x1 , x2 R.
Ento, o problema de valor inicial referido possui uma soluao unica. Mais ainda, a soluao a c c deste problema uma funao continuamente diferencivel em [t0 , T ]. e c a Uma das caracter sticas desejveis de um mtodo numrico de soluo de equaes diferencia e e ca co ais que produza solues to aproximadas da soluo exacta quanto se pretenda, sendo tal e co a ca aproximao normalmente controlada atravs do passo h da malha de pontos considerada. Esta ca e caracter stica designada por convergncia, tal como se descreve em seguida. e e Seja x a soluo exacta de uma dada equao diferencial e xh a soluo aproximada produzida ca ca ca por aplicao de um dado mtodo quando se utiliza uma malha de pontos de passo h (por ca e simplicidade consideramos aqui malhas uniformes). Seja ainda eh = x xh a funo erro ca associada ` soluo aproximada xh . Se se vericar que a ca
h0 h0
lim xh x lim eh = 0
para todas as solues de equaes diferenciais que veriquem as condies de existncia e co co co e diz-se que tal mtodo numrico de resoluo de equaes diferenciais convergente. Diz-se e e ca co e ainda que um mtodo convergente possui ordem de convergncia igual a p > 0 se e e xh x chp mas dependente da funo f que caracteriza a equao diferencial. ca ca Consideremos novamente a equao diferencial ca x (t) = f (t, x(t)), t [t0 , T ]. para todo o h sucientemente pequeno, onde c ]0, +[ uma constante independente de h, e unicidade acima enunciadas e para todas as condies iniciais tais que limt0 |eh (t0 )| = 0, ento co a
Consideremos dois pontos consecutivos ti e ti+1 de uma malha. Por facilidade de notao, no que ca se segue estes pontos sero simplesmente designados por t e t + h (onde h representa obviamente a o passo da malha, que se supe uniforme). Integrando ento a equao diferencial entre t e t + h, o a ca obtm-se a relao e ca x(t + h) = x(t) +
t t+h
f (, x())d.
Conclui-se assim que o valor da soluo exacta u no ponto t + h poderia ser calculado somando ca ao valor da soluo exacta em t o valor do integral de f (, u()) em [t, t + h]. Uma vez que nos ca
156
problemas de valor inicial, o valor x(t0 ) = x0 conhecido, todos os valores pretendidos poderiam e ser obtidos, bastando para tal considerar uma malha adequada. A principal diculdade reside no facto do integral acima envolver a prpria funo a determinar, o o ca que impede o seu clculo de um modo expl a cito. Os mtodos numricos de resoluo de equaes e e ca co diferenciais caracterizam-se por prescindir do clculo do valor exacto do integral, calculando-o a de uma forma aproximada, como se indica em seguida. Dena-se F (t, x) como 1 t+h f (, x())d h t e seja Fh (t, x) um valor aproximado de F (t, x), ou seja, F (t, x) = Fh (t, x) 1 h
t+h
f (, x())d,
t
que ser diferente consoante o mtodo de resoluo aproximada da equao diferencial empregue, a e ca ca como se ver posteriormente. Representando por Th (t, x) o erro associado a esta aproximao, a ca designado por erro de truncatura, tem-se F (t, x) = Fh (t, x) + Th (t, x). A equao x(t + h) = x(t) + ca
t+h t
f (, x())d pode agora ser escrita como (9.3.1)
x(t + h) x(t) = F (t, x) = Fh (t, x) + Th (t, x). h existncia dos limites tem-se que e
Fazendo h 0,que corresponde a aumentar o nmero de pontos da malha, e assumindo a u x (t) = lim Fh (t, x) + lim Th (t, x).
h0 h0
Ento, se o erro de truncatura tender para 0 com h, leg a e timo supor que a eliminao deste ca co o ca termo em (9.3.1) conduza a equaes prximas da equao original. Representando por xh a soluo de (9.3.1) quando se despreza o erro de truncatura, e sendo xi = xh (ti ) os valores nodais ca de xh , verica-se que estes satisfazem a seguinte relao de recorrncia ca e xi+1 = xi + hFh (ti , xi ), i = 0, 1, . . . , N 1.
Diferentes escolhas da funo Fh conduzem a diferentes mtodos para resoluo numrica do ca e ca e problema de valor inicial, como veremos nas seces seguintes. co
9.4
Mtodos de Euler e
Uma forma simples de aproximar o integral

t+h
f (, x())d
t
157
consiste em utilizar reas dos rectngulos de base h e alturas dadas pelos valores da funo a a a ca integrar nos dois extremos do intervalo. Os mtodos de Euler so baseados exactamente nestas e a duas aproximaes do integral em causa. co
f f(t, x(t)) f
f(t+h, x(t+h))
t+h
t+h
Rectngulo ` esquerda a a
Rectngulo ` direita a a
Figura 9.2: Aproximaes do rectngulos ` esquerda e ` direita. co a a a O mtodo de Euler progressivo, tambm designado simplesmente por mtodo de Euler, e e e consiste em utilizar a aproximao do rectngulo ` esquerda. Apresenta-se em seguida a deduo ca a a ca da expresso de recorrncia deste mtodo, bem como uma expresso do erro de truncatura a ele a e e a associado. Do desenvolvimento de Taylor de x() temos x(t + h) = x(t) + hx (t) + para algum [t, t + h]. Da equao diferencial original temos que ca x (t) = f (t, x(t)) x () = f (, x()) = Ento a x(t + h) = x(t) + h x (t) + h x () = x(t) + h f (t, x(t)) + h f (, x()) , 2 2 e a aproximao fornecida por este mtodo consiste em considerar ca e x(t + h) x(t) + hf (t, x(t)) correspondendo a ter Fh (t, x) = f (t, x(t)), e Th (t, x) = h f (, x()). 2 Pode assim armar-se que a expresso de recorrncia para a determinao dos valores nodais da a e ca soluo aproximada xh ser ca a xi+1 = xi + hf (ti , xi ), sendo x0 = x(t0 ) a condio inicial. ca i = 0, 1, . . . , N 1,
f t h2 2 x ()
f x f
158
Exemplo 9.4.1. Utilizar o mtodo de Euler com passo constante h = 0.1 para obter uma soluao e c aproximada de x = 1 + t x, Resoluo ca Uma vez que f (ti , xi ) = 1 + ti xi , obtm-se a expresso de recorrncia e a e xi+1 = xi + 0.1 (1 + ti xi ) para i = 0, 1, . . . , 9. A condiao inicial ser obviamente x0 = x(0) = 1. Partindo ento desta c a a condiao e aplicando a expresso de recorrncia obtida, determinam-se os valores apresentados c a e na seguinte tabela.
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi xi+1 1.0000 1.0000 1.0000 1.0100 1.0100 1.0290 1.0290 1.0561 1.0561 1.0905 1.0905 1.1314 1.1314 1.1783 1.1783 1.2305 1.2305 1.2874 1.2874 1.3487 1.3487
t [0, 1]
com
x(0) = 1.
Passemos agora ao mtodo de Euler regressivo que consiste em aproximar o integral e

t+h
f (, x())d
t
pelo valor do rectngulo ` direita. Considerando o desenvolvimento e Taylor, agora a partir do a a ponto t + h, temos x(t) = x(t + h) hx (t + h) + x(t + h) = x(t) + hx (t + h)
h2 2 x ()
para algum [t, t + h]. De uma forma anloga ao efectuado atrs obtemos a a x(t + h) = x(t) + h x (t + h)
h2 2 x () h x () 2
x(t + h) = x(t) + h f (t + h, x(t + h)) h f (, x()) 2 No mtodo de Euler regressivo utiliza-se a aproximao e ca x(t + h) x(t) + hf (t + h, x(t + h)) o que corresponde a considerar
159
Fh (t, x) = f (t + h, x(t + h)), e Th (t, x) = h f (, x()). 2 Do exposto conclui-se que a expresso de recorrncia para determinao dos valores nodais da a e ca soluo aproximada xh ser ca a xi+1 = xi + hf (ti+1 , xi+1 ), sendo x0 = x(t0 ) a condio inicial. ca E de notar que neste mtodo, o valor ui+1 denido de uma forma impl e e cita. Podendo f ser uma funo no linear, no ser poss em muitas situaes obter uma expresso expl ca a a a vel co a cita para xi+1 . De um modo geral tem-se que xi+1 = i (xi+1 ) onde i (x) = xi + hf (ti+1 , x). Interessa aqui analisar algumas questes importantes. Por um o lado, a existncia e unicidade de soluo desta equao e, por outro, o modo de resolver esta e ca ca equao. A forma desta equao sugere a utilizao do mtodo iterativo simples, cuja condio ca ca ca e ca de convergncia e e di (x) f (ti+1 , x) =h < 1, dx x que se verica desde que h seja sucientemente pequeno (pois f Lipschitz cont e nua em x). Se esta condio se vericar poss garantir a existncia e unicidade de soluo da equao que ca e vel e ca ca determina xi+1 . Exemplo 9.4.2. Utilizar o mtodo de Euler regressivo com passo constante h = 0.1 para obter e uma soluao aproximada de c x = 1 + t x, Resoluo ca Uma vez que f (ti+1 , xi+1 ) = 1 + ti+1 xi+1 , obtm-se a expresso de recorrncia e a e xi+1 = xi + 0.1 (1 + ti+1 xi+1 ) para i = 0, 1, . . . , 9. Neste caso, o valor de xi+1 pode obter-se de uma forma explcita por xi+1 = xi + 0.1 (1 + ti+1 ) . 1.1 t [0, 1] com x(0) = 1. i = 0, 1, . . . , N 1,
Utilizando a condiao inicial, ser obviamente x0 = x(0) = 1, e aplicando a expresso de c a a
160
recorrncia acima obtm-se os valores indicados na tabela abaixo. e e

ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi xi+1 1.0000 1.0091 1.0091 1.0264 1.0264 1.0513 1.0513 1.0830 1.0830 1.1209 1.1209 1.1645 1.1645 1.2132 1.2132 1.2665 1.2665 1.3241 1.3241 1.3855 1.3855
O erro de truncatura em qualquer dos mtodos de Euler pode ser majorado por e Th = h sup |f (t, x(t))| 2 t[t0 ,T ]
Sendo f de classe C 1 , as condies do teorema sobre existncia e unicidade de soluo permitem co e ca concluir que f (, x()) cont e nua, pelo que o supremo acima nito. Assim, o erro de truncatura e dos mtodos de Euler satisfaz e Th ch, onde c no depende de h, embora dependa dos dados que caracterizam o problema de valor a inicial: a funo f , o intervalo [t0 , T ], e o valor x0 . ca
9.5
Mtodos de Taylor e
t+h f (, x())d t
Os mtodos de Taylor de resoluo numrica de equaes diferencias caracterizam-se por aproe ca e co ximarem o integral por polinmios de Taylor. As expresses de recorrncia o o e destes mtodos, bem como os seus erros de truncatura obtm-se facilmente como se mostra em e e seguida. Consideremos o desenvolvimento de Taylor x(t + h) = x(t) + hx (t) +
h2 2 x (t)
+ +
hp (p) p! x (t)
hp+1 (p+1) () (p+1)! x
onde [t, t + h]. Da equao diferencial temos ca x(t + h) = x(t) + hf (t, (x(t))) +
h2 2 f (t, x(t))
+ +
hp (p1) (t, x(t)) p! f
hp+1 (p) (, x()). (p+1)! f
O mtodo de Taylor de ordem p caracterizado pela aproximao e e ca x(t + h) x(t) + hf (t, (x(t))) +
h2 2 f (t, x(t))
+ +
hp (p1) (t, x(t)) p! f
161
o que corresponde a ter Fh (t, x) = f (t, x(t)) + h hp1 (p1) f (t, x(t)) + + f (t, x(t)). 2 p!
Ento, o erro de truncatura deste mtodo ser a e a Th (t, x) = hp f (p)(, x()), (p + 1)! [t, t + h].
A expresso de recorrncia do mtodo de Taylor de ordem p ser assim a e e a xi+1 = xi + hf (ti , xi ) + hp h2 f (ti , xi ) + + f (p1) (ti , xi ) 2 p!
para i = 0, 1, . . . , N 1. Obviamente que o mtodo de Taylor de ordem 1 no seno o mtodo e a e a e de Euler progressivo. Sendo vlidas as hipteses sobre existncia e unicidade de soluo do problema de valor inicial a o e ca de classe C p no intervalo [t0 , T ]. Pode, assim, armar-se que Th f (p) (, x()) e vericando-se tambm que f de classe C p , verica-se que a funo t f (t, x(t)) tambm e e ca e e hp . (p + 1)!
A aplicao da expresso de recorrncia dos mtodos de Taylor (assim como a avaliao do erro ca a e e ca de truncatura) necessita que sejam obtidas expresses para as derivadas da funo t f (t, x(t)) o ca num ponto (t, x(t)) genrico. Estas derivadas podem ser obtidas da seguinte forma e f = f t + f x x = f t + f x f
2 f = ftt + 2ftx f + fxx f 2 + fx ft + fx f
... onde ft =
f t
e fx =
f x .
Excepto se f tiver uma forma muito simples, o clculo destas derivadas a
rapidamente se torna bastante complexo, pelo que os mtodos de Taylor de ordem elevada no e a so em geral de utilizao muito prtica. a ca a Exemplo 9.5.1. Usando o mtodo de Taylor de ordem 2, com passo 0.1, obter uma soluao e c aproximada de x = 1 + t x, Resoluo ca A expresso de recorrncia xi+1 = xi + hf (ti , xi ) + a e e f , obtendo-se f (t, x) = 1 1 (1 + t x) = x t.
h2 2 f (ti , xi ),
t [0, 1]
com
x(0) = 1.
pelo que necessrio calcular e a
162
Assim, a expresso de recorrncia para este problema a e e xi+1 = xi + 0.1 (1 + ti xi ) + 0.005 (xi ti ) onde i = 0, 1, . . . , 9. Partindo da condiao inicial x0 = x(0) = 1, obtm-se os seguintes resultados c e
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi xi+1 1.0000 1.0050 1.0050 1.0190 1.0190 1.0412 1.0412 1.0708 1.0708 1.1071 1.1071 1.1494 1.1494 1.1972 1.1972 1.2500 1.2500 1.3072 1.3072 1.3685 1.3685
9.6
Consistncia e convergncia e e
Um mtodo de resoluo numrica de equaes diferenciais diz-se consistente se e ca e co

h0
lim Th = 0
e diz-se que a sua ordem de consistncia p > 0 se e e Th chp , para todo o h suciente pequeno e c > 0, independente de h. Desta denio e do exposto atrs resulta imediatamente que ambos os mtodos de Euler tm ca a e e ordem de consistncia igual a 1e tambm que o mtodo de Taylor de ordem p tem ordem de e e e consistncia p (da o seu nome!). e Note-se, contudo, que o erro de truncatura (e logo a ordem de consistncia) apenas caracterizam e o erro local em cada passo e no o erro global de aproximao da soluo exacta x por xh . a ca ca Em muitas situaes interessa analisar no o erro de truncatura (que apenas fornece informao co a ca local), mas o erro de aproximao global, denido por ca eh = x xh . Em particular, interessa saber se este erro converge para zero ` medida que h vai para zero a e, em caso armativo, qual a ordem de convergncia do mtodo. Apresenta-se em seguida um e e resultado que relaciona a ordem de consistncia e a ordem de convergncia de mtodos que e e e satisfazem certas condies. co
163
Denio 9.6.1. Um mtodo de passo simples diz-se satisfazer a condiao de Lipschitz se Fh ca e c vericar |Fh (t, v) Fh (t, w)| Lh |v w|, t [t0 , T ], para todo o h > 0 sucientemente pequeno, onde Lh independente de h. e O resultado seguinte apresenta condioes de equivalncia entre os conceitos de consistncia e c e e convergncia e estabelece uma estimativa para o erro de aproximao. e ca Teorema 9.6.1. Se um mtodo de passo simples satiszer a condiao de Lipschitz ento ser e c a a consistente se e s se for convergente. o Mais ainda, para h sucientemente pequeno, verica-se que |eh (t)| eLh (tt0 ) |e0 | + onde e0 = x(t0 ) xh (t0 ). Se f C p e as hipteses deste teorema se vericarem, ento os mtodos de Taylor de ordem o a e ordem mais elevada tm associados erros que convergem mais rapidamente para zero, isto com e a diminuio do passo h. ca E importante referir aqui, ainda que de uma forma informal, que a utilizao de passos h muito ca reduzidos, embora aparentemente benca por levar a erros mais baixo, muitas vezes fonte e e de erros que se podem tornar extremamente elevados. De facto, quanto menor for o valor de h maior nmero de clculos ser necessrio para determinar a soluo da equao diferencial no u a a a ca ca intervalo dado. Dado que os clculos so sempre (ou quase sempre) realizados em aritmtica a a e nita, verica-se que quanto mais clculos se tiverem de efectuar maiores sero os erros devidos a a a ` utilizao da aritmtica nita. Para um problema concreto que se pretende resolver com ca e um dado mtodo numrico numa mquina com uma dada preciso nita verica-se que existe e e a a normalmente um valor ptimo de h que conduz ao menor erro global na soluo aproximada. o ca Para valores de h superiores o erro aumenta por aumentar o erro devido a se utilizar um mtodo e aproximado de soluo, enquanto para valores menores de h o erro aumenta por aumentarem os ca erros devidos ` aritmtica nita. a e Esta discusso indicia que de uma forma geral os mtodos de maior ordem permitiro melhores a e a resultados pois os erros de truncatura e logo os de aproximao diminuem mais rapidamente ca com a diminuio do passo h. ca (de consistncia) p tm ordem de convergncia p, razo pela qual os mtodos de Taylor de e e e a e Th Lh (tt0 ) [e 1], Lh t [t0 , T ],
9.7
Mtodos de Runge-Kutta e
Como j foi visto atrs, o aumento da ordem de consistncia dos mtodos de Taylor efectuado a a e e e a ` custa do esforo de clculo de derivadas de ordem superior da funo f . c a ca
164
Os mtodos conhecidos genericamente por mtodos de Runge-Kutta foram desenvolvidos e e de forma a possu rem ordens de consistncia superiores a 1 e a no necessitarem do clculo de e a a tambm importante referir que os mtodos de Rungederivadas de f para a sua aplicao. E ca e e Kutta gozam ainda da propriedade de possu rem ordem de convergncia igual ` sua ordem de e a consistncia. e De uma forma geral, a obteno do valor aproximado xi+1 no instante ti+1 feita avaliando ca e a funo f em pontos intermdios entre (ti , xi ) e (ti+1 , xi+1 ). A seleco de tais pontos ca e ca intermdios e da expresso de clculo de xi+1 so efectuadas de modo a garantir a ordem de e a a a consistncia pretendida. e De uma forma geral os mtodos de Runge-Kutta (expl e citos) permitem obter o valor de xi+1 efectuando os seguinte clculos a F1 = f (ti , xi ) F2 = f (ti + 2 h, xi + h21 F1 ) F3 = f (ti + 3 h, xi + h(31 F1 + 32 F2 )) ... Fs = f (ti + s h, xi + h(s,1 F1 + s,2 F2 + . . . + s,s1 Fs1 )) xi+1 = xi + h(w1 F1 + w2 F2 + . . . + ws Fs ) Nestas expresses, s um inteiro que traduz o nmero de estgios e j , jk e wj so parmetros a o e u a a a determinar de modo a garantir a ordem de consistncia desejada. Para ordens de consistncia at e e e 4 verica-se sem poss obter mtodos com nmero de estgios igual ` ordem de consistncia. vel e u a a e Apresentam-se em seguida os mtodos de ordem 2, indicando-se o processo de determinao dos e ca coecientes, e tambm o mtodo de ordem 4 mais utilizado. e e Mtodos de Runge-Kutta de 2 e
a
ordem
Estes mtodos utilizam apenas um ponto intermdio entre ti e ti+1 . O valor de xi+1 calculado e e e com as seguintes expresses o F1 = f (ti , xi ) F2 = f (ti + 2 h, xi + h21 F1 ) xi+1 = xi + h(w1 F1 + w2 F2 ) onde w1 , w2 , 2 e 21 , so determinados de modo a se obter a maior ordem de consistncia a e poss vel, como indicado em seguida. De acordo com as expresses acima tem-se neste caso que o Fh (t, x) = w1 f (t, x(t)) + w2 f (t + 2 h, x(t) + h21 F1 )
165
sendo ento o erro de truncatura dado por a Th (t, x) = 1 h

t+h t
f (), x())d w1 f (t, x(t)) w2 f (t + 2 h, x(t) + h21 F1 )
Efectuando o desenvolvimento em srie de Taylor de Th (t, x), obtm-se a seguinte expresso e e a Th (t, x) = (1 w1 w2 )f +h + h2
1 2
2 w2 )ft +
1 2
21 w2 )fx f
1 6 (ftt
2 + 2ftx f + fxx f 2 + ft fx + fx f ) w2
2 2 2 ftt
+ 2 21 ftx f +
2 21 2 2 fxx f
+ O(h3 ) Analisando esta expresso conclui-se que de uma forma geral no ser poss anular o termo a a a vel em h2 . Todavia, poss anular os termos de ordem inferior a h2 , garantindo-se assim uma e vel ordem de consistncia 2. Para tal, basta que se veriquem as seguintes igualdades e w1 + w2 = 1 2 w2 =
1 2 1 21 w2 = 2
Como facilmente se constata, este sistema de equaes possui diferentes conjuntos de solues, co co cada um deles correspondendo a um mtodo numrico para a resoluo da equao diferencial. e e ca ca As escolhas mais comuns resultam nos dois mtodos abaixo indicados. E importante referir que e a designao destes mtodos no consensual, variando de autor para autor. ca e a e a O mtodo de Euler modicado obtido fazendo w1 = w2 = 1 , 2 = 1 e 21 = 1. O clculo e e 2 de xi+1 por este mtodo ser ento feito de acordo com e a a F1 = f (ti , xi ) F2 = f (ti + h, xi + hF1 ) xi+1 = xi + h (F1 + F2 ). 2
2 1 a O mtodo de Heun obtido fazendo w1 = 4 , w2 = 3 , 2 = 21 = 3 . O clculo de xi+1 por e e 4
este mtodo ser ento feito de acordo com e a a F1 = f (ti , xi )

2 F2 = f (ti + 2 h, xi + 3 hF1 ) 3
xi+1 = xi + h (F1 + 3F2 ). 4 Mtodos de Runge-Kutta de 4 e O mtodo de Runge-Kutta de 4 e

a a
ordem
ordem abaixo indicado um dos mais utilizados. A sua e
popularidade advm do seu bom compromisso entre esforo computacional requerido e preciso e c a
166
alcanada. Os valores dos coecientes utilizados obtm-se de forma a garantir que o erro de c e truncatura de ordem h4 , ou seja, que se trata efectivamente de um mtodo de ordem de e e consistncia 4. e As expresses que permitem determinar o valor xi+1 por este mtodo so as seguintes o e a F1 = f (ti , xi ) F2 = f (ti + h , xi + h F1 ) 2 2 F3 = f (ti + h , xi + h F2 ) 2 2 F4 = f (ti + h, xi + hF3 ) xi+1 = xi + h (F1 + 2F2 + 2F3 + F4 ) 6 que se devem aplicar para i = 0, 1, . . . , N 1. Exemplo 9.7.1. Aplicar o mtodo de Runge-Kutta de 4 ordem com passo 0.1 para obter uma e soluao aproximada de c x = 1 + t x, Resultados
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 xi 1.00000 1.00484 1.01873 1.04082 1.07032 1.10653 1.14881 1.19659 1.24933 1.30657 1.36788 F1 0.00000 0.09516 0.18127 0.25918 0.32968 0.39347 0.45119 0.50341 0.55067 0.59343 F2 0.05000 0.14040 0.22221 0.29622 0.36320 0.42380 0.47863 0.52824 0.57314 0.61376 F3 0.04750 0.13814 0.22016 0.29437 0.36152 0.42228 0.47726 0.52700 0.57201 0.61274 F4 0.09525 0.18135 0.25925 0.32974 0.39353 0.45124 0.50346 0.55071 0.59347 0.63216 xi+1 1.00484 1.01873 1.04082 1.07032 1.10653 1.14881 1.19659 1.24933 1.30657 1.36788
a
t [0, 1]
com
x(0) = 1.
O exemplo seguinte sintetiza os resultados dos exemplos anteriores, podendo constatar-se as diferenas entre eles e vericar o desempenho superior (como esperado) do mtodo de Rungec e Kutta de 4 ordem. Exemplo 9.7.2. Na tabela seguinte apresentam-se os resultados obtidos nos exemplos anteriores
a
167
com os diferentes mtodos, bem como a soluao exacta do problema que x(t) = t + et . e c e
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 Euler prog. 1.000000 1.000000 1.010000 1.029000 1.056100 1.090490 1.131441 1.178297 1.230467 1.287420 1.348678 Euler reg. 1.000000 1.009091 1.026446 1.051315 1.083013 1.120921 1.164474 1.213158 1.266507 1.324098 1.385543 Taylor 2 1.000000 1.005000 1.019025 1.041218 1.070802 1.107076 1.149404 1.197210 1.249975 1.307228 1.368541 R-K 4 1.000000 1.004838 1.018731 1.040818 1.070320 1.106531 1.148812 1.196586 1.249329 1.306570 1.367880 Sol. exacta 1.000000 1.004837 1.018731 1.040818 1.070320 1.106531 1.148812 1.196585 1.249329 1.306570 1.367879
9.8
Sistemas de equaes diferenciais co
Dadas as funes f1 , f2 , . . . , fn , de R1+n em R, um sistema de equaes diferenciais de ordem 1 co co denido por e x (t) = f1 (t, x1 (t), x2 (t), . . . , xn (t)) 1 x (t) = f2 (t, x1 (t), x2 (t), . . . , xn (t)) 2 . . . x (t) = f (t, x (t), x (t), . . . , x (t)) n 1 2 n n
O problema de valor inicial consiste agora em determinar funes x1 , x2 , . . . , xn , de um co intervalo [t0 , T ] em R, que satisfazem estas equaes diferenciais e as condies co co x1 (t0 ) = x1,0 , para x1,0 , x2,0 , . . . , xn,0 R dados. Numa notao mais compacta, o sistema de equaes diferenciais representa-se por ca co x (t) = f (t, x(t)) onde f : R1+n Rn denida por f = [f1 e por x = [x1 x2 ... xn ]T . f2 ... fn ]T e x a funo de R em Rn , denida e ca x2 (t0 ) = x2,0 , ..., xn (t0 ) = xn,0 ,
O problema de valor inicial consiste em determinar a funo x que satisfaz esta equao difeca ca rencial vectorial num intervalo [t0 , T ] e a condio inicial ca x(t0 ) = x0 , para algum x0 Rn . Importa referir aqui que poss e vel estabelecer condies de existncia co e
e unicidade de soluo para este problema anlogas `s formuladas no caso de uma equao ca a a ca diferencial escalar.
168
Os mtodos numricos de resoluo aproximada de problemas de valor inicial estudados para e e ca o caso escalar (uma equao) podem ser aplicados de uma forma imediata ao caso vectorial ca (sistema de equaes). Considerando uma malha {ti }N de passo h no intervalo [t0 , T ], sendo xh co i=0 podem ser obtidos pela expresso de recorrncia a e xi+1 = xi + hFh (ti , xi ), para i = 0, 1, . . . , N 1, sendo tambm habitual considerar xh (t0 ) = x0 . E de notar a semelhana e c entre esta expresso de recorrncia e a expresso geral utilizada no caso escalar. a e a A funo Fh dene-se em termos de f , de forma anloga ao caso escalar. A principal diferena ca a c face ao caso escalar reside no facto dos valores xi a determinar por via numrica serem elementos e de Rn , sendo em cada passo necessrio calcular n nmeros reais. a u Exceptuando o mtodo de Euler regressivo que de extenso mais complexa para o caso vectorial, e e a todos os outros mtodos so de imediata adaptao: e a ca o mtodo de Euler progressivo conduz ` expresso de recorrncia e a a e xi+1 = xi + hf (ti , xi ). o mtodo de Taylor de ordem 2 tem por expresso de recorrncia e a e xi+1 = xi + hf (ti , xi ) + ... E de notar agora que o clculo de f , f , . . . pode ser bastante complexo, pois cada componente a de f depende de t quer directamente quer indirectamente atravs das componentes de x. e Exemplo 9.8.1. Considere o seguinte problema de valor inicial u = u1 u2 1 u = t + u1 u2 2 u1 (0) = 1, u2 (0) = 0. t [0, 1], h2 f (ti , xi ). 2 uma soluo aproximada do problema de valor inicial, de um modo geral, os valores xi = xh (ti ) ca
a) Determinar uma soluao aproximada pelo mtodo de Euler progressivo com passo 0.1. c e b) Determinar uma soluao aproximada pelo mtodo de Taylor de ordem 2 com passo 0.1. c e Resoluo ca a) Denam-se f1 e f2 por f1 (t, u1 , u2 ) = u1 u2 f2 (t, u1 , u2 ) = t + u1 u2
169
A expresso do mtodo de Euler progressivo a e ui+1 = ui + hFh (ti , ui ) toma neste caso a forma u1,i+1 = u1,i + hf1 (ti , u1,i , u2,i ) u2,i+1 = u2,i + hf2 (ti , u1,i , u2,i ) ou ainda u1,i+1 = u1,i + 0.1 u1,i u2,i u2,i+1 = u2,i + 0.1 (ti + u1,i u2,i ) para i = 0, 1, . . . , 9, com as condioes iniciais u1,0 = u1 (0) = 1 e u2,0 = u2 (0) = 0. c A tabela abaixo apresenta os resultados obtidos.
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 u1,i u2,i u1,i+1 u2,i+1
1.0000 0.0000 1.0000 0.1000 1.0000 0.1000 1.0100 0.2000 1.0100 0.2000 1.0302 0.3010 1.0302 0.3010 1.0612 0.4039 1.0612 0.4039 1.1041 0.5096 1.1041 0.5096 1.1603 0.6191 1.1603 0.6191 1.2322 0.7332 1.2322 0.7332 1.3225 0.8531 1.3225 0.8531 1.4353 0.9801 1.4353 0.9801 1.5760 1.1156 1.5760 1.1156
b) A expresso do mtodo de Taylor de ordem 2 a e e ui+1 = ui + hf (ti , ui ) + h2 f (ti , ui ) 2
c e sendo ento necessrio determinar f1 e f2 . Estas funoes obtm-se de acordo com a a f1 (t, u1 , u2 ) = u2 u + u1 u = u1 u2 + u1 (t + u1 u2 ) 1 2 2
f2 (t, u1 , u2 ) = 1 + u u = 1 + u1 u2 (t + u1 u2 ) 1 2
As expresses de recorrncia tomam ento a forma o e a u1,i+1 = u1,i + 0.1 u1,i u2,i + 0.005 u1,i u2 + u1,i (ti + u1,i u2,i ) 2,i u2,i+1 = u2,i + 0.1 (ti + u1,i u2,i ) + 0.005 (1 + u1,i u2,i (ti + u1,i u2,i ))
170
devendo ser determinada para i = 0, 1, . . . , 9 com as condioes iniciais u1,0 = 1 e u2,0 = 0. c A tabela abaixo apresenta os valores obtidos.
ti 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 u1,i u2,i u1,i+1 u2,i+1
1.0000 0.0000 1.0050 0.1000 1.0050 0.1000 1.0202 0.2010 1.0202 0.2010 1.0461 0.3038 1.0461 0.3038 1.0838 0.4094 1.0838 0.4094 1.1349 0.5187 1.1349 0.5187 1.2016 0.6327 1.2016 0.6327 1.2871 0.7525 1.2871 0.7525 1.3955 0.8797 1.3955 0.8797 1.5328 1.0158 1.5328 1.0158 1.7073 1.1632 1.7073 1.1632
9.9
Equaes diferenciais de ordem n co
Consideremos agora o problema de determinar a funo x : R R que soluo de uma dada ca e ca equao diferencial de ordem n ca x(n) (t) = f (t, x(t), x (t), . . . , x(n1) (t)) num dado intervalo [t0 , T ] e satisfaz as condies iniciais co x(t0 ) = x0,0 x (t0 ) = x0,1 x(n1) (t0 ) = x0,n1 para x0,0 , x0,1 , . . . , x0,n1 R dados. A resoluo numrica deste problema obtida transformando a equao diferencial de ordem n ca e e ca num sistema de n equaes diferenciais de ordem 1, como se indica em seguida. Considerando co as variveis dependentes (isto , as funes) x1 , x2 , . . . , xn denidas por a e co x1 (t) = x(t) x2 (t) = x (t) xn (t) = x(n1) (t) conclui-se facilmente que x (t) = xi+1 (t) para i = 1, 2, . . . , n 1. i
171
Utilizando estas novas funes tem-se ainda que co x (t) = x(n1) (t) = x(n) (t) = f (t, x1 (t), x2 (t), . . . , xn (t)) n O sistema de equaes diferenciais de ordem 1 toma ento a forma co a x (t) = x2 (t) 1 x (t) = x3 (t) 2 x (t) = f (t, x1 (t), x2 (t), . . . , xn (t)) n devendo a sua soluo satisfazer as condies iniciais ca co x1 (t0 ) = x0,0 , x2 (t0 ) = x0,1 , . . . , xn (t0 ) = x0,n1 .
Os mtodos para resolver uma equao diferencial de ordem n sero assim os mesmos que se e ca a utilizam para resolver um sistema de equaes diferenciais de ordem 1. co Exemplo 9.9.1. Determinar, pelo mtodo de Euler progressivo com passo 0.05, uma soluao e c aproximada de + 10 sin = 0, t [0, 0.5], Resoluo ca Denindo x1 = e x2 = , obtm-se o sistema de equaoes diferenciais e c x = x2 1 x = 10 sin(x1 ) 2 As expresses de recorrncia sero o e a x1,i+1 = x1,i + 0.05 x2,i com x1,0 = 0.1 e x2,0 = 0. x2,i+1 = x2,i 0.05 10 sin(x1,i ) (0) = 0.1, (0) = 0.
Aplicando sucessivamente estas expresses, obtm-se os valores apresentados na tabela seguinte. o e

ti 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50 x1,i = i 0.1000 0.1000 0.0975 0.0925 0.0851 0.0754 0.0635 0.0498 0.0344 0.0179 0.0004 x2,i x1,i+1 x2,i+1 0.0000 0.1000 0.0499 0.0499 0.0975 0.0998 0.0998 0.0925 0.1485 0.1485 0.0851 0.1947 0.1947 0.0754 0.2372 0.2372 0.0635 0.2748 0.2748 0.0498 0.3066 0.3066 0.0344 0.3314 0.3314 0.0179 0.3486 0.3486 0.0004 0.3576 0.3576
Bibliograa
[1] R. Burden, J. Faires, Numerical Analysis, Brooks Cole, 2001. [2] W. Cheney, D. Kincaid, Numerical Mathematics and Computing, Thomson Learning, 2004. [3] S. Conte, C. de Boor, Elementary Numerical Analysis: an Algorithmic Approach, McGraw-Hill, 1987. [4] H. Pina, Mtodos Numricos, McGraw-Hill, 1995. e e
172

Sebenta An Feup - Mieec

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sebenta An Feup - Mieec

Uploaded by

Copyright:

Available Formats

Faculdade de Engenharia da Universidade do Porto

Licenciatura em Engenharia Electrotcnica e de Computadores e

Apontamentos de Anlise Numrica a e

An bal Castilho Coimbra de Matos

An bal Matos, Set/2005

9 Equaoes Diferenciais Ordinrias: problemas de valor inicial c a 9.1 9.2

Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 ca Soluo numrica de equaes diferenciais . . . . . . . . . . . . . . . . . . . . . . 168 ca e co iii

9.3 9.4 9.5 9.6 9.7 9.8 9.9

Cap tulo 1. Fundamentos

Valores exactos e aproximados: erros

Figura 1.1: Valor exacto e aproximao. ca

Cap tulo 1. Fundamentos

Cap tulo 1. Fundamentos

Seja x = 3.45 com = 0.01. Ento a

justicada pelo facto de e

1, resultando em que os valores

Cap tulo 1. Fundamentos

Cap tulo 1. Fundamentos

Cap tulo 1. Fundamentos

Sistemas de v rgula utuante

Cap tulo 1. Fundamentos

normalizado. Sejam ainda os nmeros u

Cap tulo 1. Fundamentos

Aritmtica em representaes nitas e co

Utilizando aritmtica exacta o resultado seria sempre 0.536. e

Cap tulo 1. Fundamentos

Cap tulo 1. Fundamentos

Propagao de erros no clculo de funes ca a co

Cap tulo 1. Fundamentos

Funo de variao lenta ca ca

Funo de variao rpida ca ca a

Cap tulo 1. Fundamentos

= 1 + tan2 (x) tem-se que dy x dx y

(1 + tan2 (x)) x tan(x)

1 + tan2 (1) 2.2 > 1 tan(1)

21, concluindo-se que em tal caso se

Cap tulo 1. Fundamentos

Clculo de sries e erro de truncatura a e

pela soma parcial Sn =

Neste caso, o erro de truncatura ser a

Cap tulo 1. Fundamentos

Determinar quantos termos so necessrios para calcular este a a

para n = 0, 1, . . .. Para se garantir o erro pretendido, o 1 104 2n + 1

primeiro termo a no considerar dever satisfazer a a

para algum [0, 1].

Cap tulo 1. Fundamentos

xn+1 2n+1 8 (n + 1)! (n + 1)!

Cap tulo 2. Equaoes No Lineares c a

valor inicial 1a iterao ca

f (x0 ) = 0 f (x1 ) = 0 f (x2 ) = 0

Cap tulo 2. Equaoes No Lineares c a

Cap tulo 2. Equaoes No Lineares c a

Mtodo das bisseces sucessivas e co

O valor xn+1 substitui

vericar critrio de paragem e

Cap tulo 2. Equaoes No Lineares c a

tem-se tambm que lim xn = z. e

conclui-se que lim an = lim bn = z, para algum z [a, b].

Uma vez que s [an , bn ] e xn+1 =

verica-se facilmente que ba bn an = n+1 2 2

obtendo-se o valor n log2 ba .

Efectuando 8 iteraoes a partir de [2, 1] tem-se um erro mximo absoluto de c a

Cap tulo 2. Equaoes No Lineares c a