Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Derivação Numérica
( )
Dado um conjunto de pontos (xi , yi )ni=1 , a derivada dx
dy
i
pode ser calculada de várias formas. Na próxima
seção trabalharemos com diferenças nitas, que é mais adequada quando as abcissas estão próximas e os dados
não sofrem perturbações signicativas. Na seção subsequente trataremos os casos quando os dados oscilam
via ajuste ou interpolações de curvas.
= − f ′ (x0 )
h
h ′′
= f (x0 ) + O(h2 ) = O(h).
2
Analogamente,
f (x0 ) − f (x0 − h)
D−,h f (x0 ) − f ′ (x0 ) = − f ′ (x0 )
h
( )
f (x0 ) − f (x0 ) − hf ′ (x0 ) + h2 ′′
2
f (x0 ) + O(h3 )
= − f ′ (x0 )
h
h
= − f ′′ (x0 ) + O(h2 ) = O(h).
2
Também,
f (x0 + h) − f (x0 − h)
D0,h f (x0 ) − f ′ (x0 ) = − f ′ (x0 )
2h ( )
f (x0 ) + hf ′ (x0 ) + h2 f ′′ (x0 ) + O(h3 ) − f (x0 ) − hf ′ (x0 ) + h2 ′′
2
2
f (x0 ) + O(h3 )
= − f ′ (x0 )
2h
= O(h2 ).
2
Exemplo 3. Calcule a derivada numérica e o erro de truncamento de f (x) = e−x em x = 1.5 pela fórmula
de diferença progressiva para h = 0.1, h = 0.01 e h = 0.001.
Como |f ′′ (x)| = |e−x | < 1, então |f+′ (x0 ) − f ′ (x0 )| < h2 .
h diferenças progressivas erro = h2
0.1 −0.2123364 0.05
0.01 −0.2220182 0.005
0.001 −0.2230186 0.0005
O valor exato da derivada é f ′ (1.5) = −0.2231302.
3
onde
1
M= max |f ′′ (y)|
2 x≤y≤x+h
está relacionado com o erro de truncamento.
Esta estimativa mostra que se o valor de h for muito pequeno o erro ao calcular a aproximação numérica
cresce. Isso nos motiva a procurar o valor ótimo de h que minimiza o erro.
Exemplo 4. Estude o comportamento da derivada de f (x) = e−x no ponto x = 1.5 quando h ca pequeno.
2
4
Similarmente, trocando x por x1 ou trocando x por x2 na expressão (1), temos outras duas expressões
[ ]
′ 1 1 1 f ′′′ (ξ(x1 ))
f (x1 ) = − f (x0 ) + f (x2 ) + h2
h 2 2 6
[ ]
1 1 3 f ′′′ (ξ(x2 ))
f ′ (x2 ) = f (x0 ) − 2f (x1 ) + f (x2 ) + h2
h 2 2 3
Podemos reescrever as três fórmulas da seguinte forma:
[ ]
′ 1 3 1 f ′′′ (ξ(x0 ))
f (x0 ) = − f (x0 ) + 2f (x0 + h) − f (x0 + 2h) + h2
h 2 2 3
[ ] ′′′
1 1 1 f (ξ(x0 + h))
f ′ (x0 + h) = − f (x0 ) + f (x0 + 2h) + h2
h 2 2 6
[ ]
1 1 3 f ′′′ (ξ(x0 + 2h))
f ′ (x0 + 2h) = f (x0 ) − 2f (x0 + h) + f (x0 + 2h) + h2
h 2 2 3
ou ainda
1 f ′′′ (ξ(x0 ))
f ′ (x0 ) = [−3f (x0 ) + 4f (x0 + h) − f (x0 + 2h)] + h2 (2)
2h 3
′′′
1 f (ξ(x0 ))
f ′ (x0 ) = [f (x0 + h) − f (x0 − h)] + h2 (3)
2h 6
1 f ′′′ (ξ(x0 ))
f ′ (x0 ) = [f (x0 − 2h) − 4f (x0 − h) + 3f (x0 )] + h2 (4)
2h 3
Observe que uma das fórmulas é exatamente as diferenças centrais obtida anteriormente.
Analogamente, para construir as fórmulas de cinco pontos tomamos o polinômio de Lagrange para cinco
pontos e chegamos a cinco fórmulas, sendo uma delas a seguinte:
1 h4
f ′ (x0 ) = [f (x0 − 2h) − 8f (x0 − h) + 8f (x0 + h) − f (x0 + 2h)] + f (5) (ξ(x0 )) (5)
12h 30
Exemplo 5. Calcule a derivada numérica de f (x) = e−x em x = 1.5 pela fórmula de três e cinco pontos
2
h = 0.001.
caso contrário.
Exemplo 7. Encontre uma solução numérica para o problema de contorno
−uxx + u = e−x , 0 < x < 1.
u(0) = 1
u(1) = 2
6
Observe que
1
h=
N
e a versão discreta da equação é
ui+1 −2ui +ui−1
− h2
+ ui = e−xi , 2 ≤ i ≤ N.
u =1
1
uN +1 = 2
ou seja,
u1 = 1
−ui+1 + (2 + h2 )ui − ui−1 = h2 e−xi , 2 ≤ i ≤ N.
uN +1 = 2
que é um sistema linear. A sua forma matricial é:
1 0 0 ··· 0 0 0 u1 1
−1 2 + h2 −1 ··· 0 0 0 u2 h2 e−x2
0 −1 2 + h ···
2
0 0 0 u3 h2 e−x3
.. ... .. = ..
. .
2 .−x
0 0 0 ··· −1 2 + h2 −1 uN he N
0 0 0 ··· 0 0 1 uN +1 2
Para N = 10, temos a seguinte solução:
1.
1.0735083
1.1487032
1.2271979
1.3105564
1.4003172
1.4980159
1.6052067
1.7234836
1.8545022
2
derivada de uma curva que melhor ajusta ou interpola os pontos. Esse tipo de técnica é necessário quando
os pontos são muito espaçados entre si ou quando a função oscila muito. Por exemplo, dado os pontos (0, 1),
(1, 2), (2, 5), (3, 9), a parábola que melhor ajusta os pontos é
Q(x) = 0.95 + 0.45x + 0.75x2 .
Usando esse ajuste para calcular as derivadas, temos
Q′ (x) = 0.45 + 1.5x
e
y ′ (x1 ) ≈ Q′ (x1 ) = 0.45, y ′ (x2 ) ≈ Q′ (x2 ) = 1.95,
y ′ (x3 ) ≈ Q′ (x3 ) = 3.45 e y ′ (x4 ) ≈ Q′ (x4 ) = 4.95
7
Agora olhe o gráco da seguinte tabela de pontos.
x y
0. 1.95
1 1.67
2 3.71
3 3.37
4 5.12
5 5.79
6 7.50
7 7.55
8 9.33
9 9.41
10 11.48
Observe que as derivadas calculadas por diferenças nitas oscilam entre um valor pequeno e um grande
em cada intervalo e além disso, a fórmula progressiva difere da regressiva signicantemente. Por exemplo,
por diferenças regressivas f ′ (7) ≈ (7.55−7.50)
1
= 0.05 e por diferenças progressivas f ′ (7) ≈ (9.33−7.55)
1
= 1.78. A
melhor forma de calcular a derivada aqui é fazer um ajuste de curva. A reta que melhor ajusta os dados da
tabela é y = f (x) = 1.2522727 + 0.9655455x. Usando esse ajuste, temos f ′ (7) ≈ 0.9655455.
2 Integração
2.1 Introdução
Considere o problema de calcular a área entre uma função positiva, o eixo x e as retas x = a e x = b. O valor
exato dessa área é calculada fazendo uma aproximação por retângulos com bases iguais e depois tomando o
limite quando o número de retãngulos tende ao innito:
∑
n
A = lim f (xi )hn ,
n→∞
i=1
8
onde hn = b−a
n
é o tamnho da base dos retângulo e f (xi ), 1 ≤ i ≤ n, a + (i − 1)h ≤ xi ≤ a + ih, é a altura
dos retângulos. Essa denição é generalizada para cálculo de integrais num intervalo [a, b]:
∫ b ∑
n
f (x)dx = lim f (xi )hn .
a n→∞
i=1
A gura abaixo mostra um exemplo quando f (x) = x2 +1, 0 ≤ x ≤ 2. Temos a aproximação por um retângulo
com base h1 = 2, depois com dois retângulos de base h2 = 1 e, nalmente com quatro retângulo de bases
h3 = 0.5.
Observe que ]2 [
∫ 2
2 x3 8
(x + 1)dx = + x = + 2 = 4.6666667
0 3 0 3
9
A forma natural de obter as regras de integração é usar o polinômio de Lagrange que passa pelo pontos
{(xi , f (xi ))}ni=1
∑
n ∏
n
f (n+1) (ξ(x))
f (x) = Pn (x) + termo de erro = f (xi )Li (x) + (x − xi ) .
i=1 i=1
(n + 1)!
e integramos
∫ b n [
∑ ∫ b ] ∫ b∏
n
1
f (x)dx = f (xi ) Li (x)dx + (x − xi )f (n+1) (ξ(x))dx.
a i=1 a (n + 1)! a i=1
e aplica a regra do ponto médio em cada uma delas. Finalmente, repita o processo dividindo em quatro
integrais.
10
Usando o intervalo [0, 1], temos h = 1 e x1 = 1/2. A regra do ponto médio resulta em
∫ 1
e−x dx ≈ 1 · e−1/4 = 0.7788008
2
Usando dois intervalos, [0, 1/2] e [1/2, 1] e usando a regra do ponto médio em cada um dos intervalos, temos:
∫ 1
e−x dx ≈ 0.5 · e−1/16 + 0.5 · e−9/16 ) = 0.4697065 + 0.2848914 = 0.7545979
2
O polinômio de Lagrange de primeira ordem que passa por (x0 , f (x0 )) := (a, f (a)) e (x1 , f (x1 )) := (b, f (b))
é dado por
(x − x0 ) (x − x1 ) (x − x0 ) (x − x1 )
P1 (x) = f (x0 ) + f (x1 ) = f (x0 ) − f (x1 ) ,
(x1 − x0 ) (x0 − x1 ) h h
onde h = x1 − x0 . Podemos integrar a função f (x) aproximando-a por esse polinômio:
∫ ∫ ∫ ∫
b b
(x − x0 ) b
(x − x1 ) 1 b
f (x)dx = f (x0 ) dx − f (x1 ) dx + (x − x0 )(x − x1 )f ′′ (ξ(x))dx.
a a h a h 2! a
11
∫b ∫b
Pelo teorema do valor médio, existe a ≤ η ≤ b tal que f (ξ(x))g(x)dx = f (η) a g(x)dx e, portanto,
a
∫ [ ]x 1 [ ]x [ ]x 1
b
(x − x0 )2 (x − x1 )2 1 f ′′ (η) x3 x2
f (x)dx = f (x0 ) − f (x1 ) + − (x1 + x0 ) + x0 x1 x
a 2h x0 2h x0 2 3 2 x0
(x1 − x0 )
2
(x0 − x1 )2
= f (x0 ) + f (x1 )
( 2h 2h )
f ′′ (η) x31 x21 x30 x20
+ − (x1 + x0 ) + x0 x1 x1 − + (x1 + x0 ) − x0 x1 x0
2 3 2 3 2
h2 h2
= f (x0 ) + f (x1 )
2h 2h
f ′′ (η) 2x31 − 3x21 (x1 + x0 ) + 6x21 x0 − 2x30 + 3x20 (x1 + x0 ) − 6x1 x20
+
2 6
h f ′′ (η) ( 3 )
= (f (x0 ) + f (x1 )) + x0 − 3x20 x1 + 3x21 x0 + x31
2 12
3 ′′
h h f (η)
= (f (x0 ) + f (x1 )) −
2 12
Exemplo 9. Use a regra do trapézio para aproximar a integral
∫ 1
e−x dx.
2
e aplica a regra do trapézio em cada uma delas. Finalmente, repita o processo dividindo em quatro integrais.
Usando o intervalo [0, 1], temos h = 1, x0 = 0 e x1 = 1. A regra do trapézio resulta em
∫ 1
1
e−x dx ≈ (e0 + e−1 ) = 0.6839397
2
0 2
Usando dois intervalos, [0, 1/2] e [1/2, 1] e usando a regra do trapézio em cada um dos intervalos, temos:
∫ 1
0.5 0 0.5 −1/4
e−x dx ≈ (e + e−1/4 ) + + e−1 ) = 0.4447002 + 0.2866701 = 0.7313703
2
(e
0 2 2
Agora, usando quatro intervalos, temos
∫ 1
0.25 0 0.25 −1/16 0.25 −1/4 0.25 −9/16
e−x dx ≈ (e + e−1/16 ) + + e−1/4 ) + + e−9/16 ) + + e−1 )
2
(e (e (e
0 2 2 2 2
= 0.7429841
12
Se usarmos o mesma metodologia da regra dos trapézios, calcularemos
∫ ∫ ∫
b b b
(x − x0 )(x − x1 )(x − x2 ) ′′′
f (x)dx = P2 (x)dx + f (ξ(x))dx
a a a 6
e obteremos o fórmula de Simpson com um erro de quarta ordem. O fato é que a regra de Simpson tem ordem
cinco e, para isso, usaremos uma abordagem alternativa. Considere o polinômio de Taylor
f ′′ (x1 ) f ′′′ (x1 ) f (4) (ξ(x))
f (x) = f (x1 ) + f ′ (x1 )(x − x1 ) + (x − x1 )2 + (x − x1 )3 + (x − x1 )4 ,
2 6 12
onde x0 ≤ ξ(x) ≤ x2 e integre no intervalo [a, b] = [x0 , x2 ]:
∫ b [ ]x 2
′ (x − x1 )2 f ′′ (x1 ) f ′′′ (x1 )
f (x)dx = f (x1 )(x − x1 ) + f (x1 ) + (x − x1 ) +
3
(x − x1 )3
a 2 2 18
∫ x2 x0
1
+ f (4) (ξ(x))(x − x1 )4 dx,
24 x0
Pelo teorema do valor médio, existe x0 ≤ η ≤ x2 tal que
∫ [ ]x 2
b
(x − x1 )2 f ′′ (x1 )
′ f ′′′ (x1 )
f (x)dx = f (x1 )(x − x1 ) + f (x1 ) + (x − x1 ) +
3
(x − x1 )3
a 2 2 18 x0
∫
f (4) (η) x2
+ (x − x1 )4 dx
24 x0
[ ]x 2
′ (x − x1 )2 f ′′ (x1 ) f ′′′ (x1 )
= f (x1 )(x − x1 ) + f (x1 ) + (x − x1 ) +
3
(x − x1 )3
2 2 18 x0
(4)
f (η) [ ]x
+ (x − x1 )5 x20
120
Usando o fato que
(x2 − x1 )3 − (x0 − x1 )3 = 2h3 ,
(x2 − x1 )4 − (x0 − x1 )4 = 0
e
(x2 − x1 )5 − (x0 − x1 )5 = 2h5 ,
temos ∫ b
h3 ′′ h5 f (4) (η)
f (x)dx = 2hf (x1 ) + f (x1 ) + .
a 3 60
Usando a diferenças nitas centrais para a derivada segunda:
f (x0 ) − 2f (x1 ) + f (x2 ) h2 (4)
f ′′ (x1 ) = + f (η1 ),
h2 12
x0 ≤ η1 ≤ x2 , temos
∫ b ( )
h3 f (x0 ) − 2f (x1 ) + f (x2 ) h2 (4) h5 f (4) (η)
f (x)dx = 2hf (x1 ) + + f (η 1 ) + .
3 h2 12 60
a
( )
h h5 1 (4) 1 (4)
= (f (x0 ) + 4f (x1 ) + f (x2 )) − f (η1 ) − f (η) .
3 12 3 5
Pode-se mostrar que é possível escolher η2 que substitua η e η1 com a seguinte estimativa
∫ b
h h5
f (x)dx = (f (x0 ) + 4f (x1 ) + f (x2 )) − f (4) (η2 ).
a 3 90
13
Exemplo 10. Use a regra de Simpson para aproximar a integral
∫ 1
e−x dx.
2
0 3
Usando dois intervalos, [0, 1/2] e [1/2, 1] e usando a regra do trapézio em cada um dos intervalos, temos:
∫ 1
0.25 0 0.25 −1/4
e−x dx ≈ (e + 4e−1/16 + e−1/4 ) + + 4e−9/16 + e−1 ) = 0.7468554
2
(e
0 3 3
onde
a = a1 < b1 = a2 < b2 = a3 < . . . < bNi −1 = aNi < bNi = b
Depois, aplica-se um método simples em cada subintervalo.
A regra composta dos trapézios assume a seguinte forma:
∫ Ni ∫
∑ ∑
Ni
b bk
bk − a k
f (x)dx = f (x)dx ≈ [f (ak ) + f (bk )]
a k=1 ak k=1
2
Denimos
xk = a + (k − 1)h
portanto
ak = xk , bk = xk+1
E temos:
∫
h∑
b i N
h
f (x)dx ≈ [f (xk ) + f (xk+1 )] = [f (x1 ) + 2f (x2 ) + 2f (x3 ) + · · · + 2f (xNi ) + f (xNi +1 )]
a 2 k=1 2
14
Já a regra composta de Simpson assume a seguinte forma:
∫ Ni ∫
∑ ∑
Ni [ ( ) ]
b bk
bk − a k ak + bk
f (x)dx = f (x)dx ≈ f (ak ) + 4f + f (bk )
a k=1 ak k=1
6 2
Se mais uma vez assumirmos que todos os intervalos têm o mesmo comprimento 2h, temos:
∫ Ni [ ( ) ]
b
2h ∑ a k + bk
f (x)dx ≈ f (ak ) + 4f + f (bk )
a 6 k=1 2
Denimos
xk = a + (k − 1)h, k = 1, . . . 2Ni + 1
portanto
ak = x2k−1 , bk = x2k+1
E temos:
∫
h∑
b i N
f (x)dx ≈ [f (x2k−1 ) + 4f (x2k ) + f (x2k+1 )] =
a 3 k=1
h
[f (x1 ) + 4f (x2 ) + 2f (x3 ) + 4f (x4 ) + · · · + 4f (x2Ni ) + f (x2Ni +1 )]
3
Exemplo 11. Calcule numericamente a integral
∫ 2
2
x2 ex dx
0
pelas regras compostas do ponto médio, trapézio e Simpson variando o número de intervalos
Ni = 1, 2, 3, 6, 12, 24, 48, 96.
Dena I(h) a aproximação desta integral pelo método dos trapézios composto com malha de largura constante
igual a h. Aqui h = b−a
Ni
para algum Ni inteiro, i.e.:
[ ]
h ∑Ni
b−a
I(h) = f (a) + 2 f (xj ) + f (b) , Ni =
2 j=2
h
15
Teorema 1. Se f (x) é uma função analítica no intervalo (a, b), então a função I(h) admite uma representação
na forma
I(h) = I0 + I2 h2 + I4 h4 + I6 h6 + . . .
Para um demonstração, veja [1]. Em especial observamos que
∫ b
f (x)dx = lim I(h) = I0
a h→0
4I(h/2) − I(h) h h
= [f (a) + 2f (c) + f (b)] − [f (a) + f (b)]
3 3 6
h
= [f (a) + 4f (c) + f (b)]
6
Observe que esquema coincide com o método de Simpson.
A partir de agora, usaremos a seguinte notação
R1,1 = I(h)
R2,1 = I(h/2)
R3,1 = I(h/4)
..
.
Rn,1 = I(h/2n−1 )
Observamos que os pontos envolvidos na quadratura Rk,1 são os mesmos pontos envolvidos na quadratura
R(k − 1, 1) acrescidos dos pontos centrais, assim, temos a seguinte fórmula de recorrência:
( )
h ∑
2 k−2
1 h
Rk,1 = Rk−1,1 + k−1 f a + (2i − 1) k−1
2 2 i=1
2
16
Denimos Rk,2 para k ≥ 2 como o esquema de ordem quatro obtido da fórmula do exemplo 12:
4Rk,1 − Rk−1,1
Rk,2 =
3
Os valores Rk,2 representam então os valores obtidos pelo método de Simpson composto aplicado a uma malha
composta de 2k−1 + 1 pontos.
Similarmente os valores de Rk,j são os valores obtidos pela quadratura de ordem 2j obtida via extrapolação
de Richardson. Pode-se mostrar que
Rk,j−1 − Rk−1,j−1
Rk,j = Rk,j−1 + .
4j−1 − 1
∫1
Exemplo 13. Construa o esquema de Romberg para aproximar o valor de 0
e−x dx com erro de ordem 8.
2
1.0183156
0.8770373 0.8299445
0.8806186 0.8818124 0.8852703
0.8817038 0.8820655 0.8820824 0.8820318
∫2
Exemplo 14. Construa o esquema de Romberg para aproximar o valor de 0
x2 ex dx com erro de ordem 12.
2
218.3926
111.91458 76.421909
66.791497 51.750469 50.105706
51.892538 46.926218 46.604601 46.549028
47.782846 46.412949 46.378731 46.375146 46.374464
46.72661 46.374531 46.37197 46.371863 46.37185 46.371847
17
(c) Método de Simpson
∫ [ ) ] (
b
a+b b−a
f (x)dx ≈ f (a) + 4f + f (b)
2 6
a
( )
b−a 2(b − a) a+b b−a
= f (a) + f + f (b)
6 3 2 6
∑3
:= wj f (xj )
j=1
A principal técnica que temos usado para desenvolver os métodos numéricos é o polinômio de Taylor:
f (x) = a0 + a1 x + a2 x2 + . . . + an xn + Rn (x)
∫ b ∫ b ∫ b ∫ b ∫ b ∫ b
2 n
f (x)dx = a0 dx + a1 xdx + a2 x dx + . . . + an x dx + Rn (x)dx
a a a a a a
∫ b
b2 − a 2 b3 − a3 bn+1 − an+1
= a0 (b − a) + a1 + a2 + . . . + an + Rn (x)dx
2 3 n+1 a
Neste momento, é natural invertigar o desempenho de um esquema numérico aplicado a funções do tipo
f (x) = xn .
Denição 1. A ordem de precisão ou ordem de exatidão de um esquema de quadratura numérica como
o maior inteiro positivo n para o qual o esquema é exato para todas as funções do tipo xk com 0 ≤ k ≤ n, ou
seja,
Um esquema é dito de ordem n se
∑
n ∫ b
wj f (xj ) = f (x)dx, f (x) = xk , k = 0, 1, . . . n
j=1 a
ou, equivalentemente:
∑
n ∫ b
bk+1 − ak+1
wj xkj = xk dx = , k = 0, 1, . . . n
j=1 a k+1
18
Exemplo 16. A ordem de precisão do esquema de trapézios é 1:
∫
b−a ∑
b 2
f (x)dx ≈ [f (a) + f (b)] = wj f (xj )
a 2 j=1
onde wj = b−a
2
, x1 = a e x2 = b.
∑
n
wj = b − a (k = 0)
j=1
∑
n
b2 −a2
wj xj = (a + b) b−a
2
= 2
(k = 1)
j=1
∑
n
b3 −a3
wj x2j = (a2 + b2 ) b−a
2
̸= 3
(k = 2)
j=1
onde w1 = w3 = b−a
6
,w2 = 4 b−a
6
, x1 = a, x2 = a+b
2
e x3 = b
∑
n
wj = (1 + 4 + 1) b−a
6
=b−a (k = 0)
j=1
∑
n
b2 −a2
wj xj = (a + 4 a+b
2
+ b) b−a
6
= (a + b) b−a
2
= 2
(k = 1)
j=1
∑n
( a+b )2 b3 −a3
wj x2j = (a2 + 4 2
+ b2 ) b−a
6
= (3a2 + 4ab + 3b2 ) b−a
2
= 3
(k = 2)
j=1
∑n
( a+b )3 b4 −a4
wj x3j = (a3 + 4 2
+ b3 ) b−a
6
= 4
(k = 3)
j=1
∑n
( a+b )4 b5 −a5
wj x4j = (a4 + 4 2
+ b4 ) b−a
6
̸= 4
(k = 3)
j=1
é de ordem 3.
Solução:
Temos um sistema de quatro equações e quatro incógnitas dado por:
w1 + w2 = 2
x1 w1 + x2 w2 = 0
2
x21 w1 + x22 w2 =
3
3 3
x1 w1 + x2 w2 = 0
19
Da segunda e quarta equação, temos:
w1 x2 x3
= − = − 32
w2 x1 x1
Como x1 ̸= x2 , temos
√ x1 = −x2 e w1 = w2 . Da primeira equação, temos w1 = w2 = 1. Da terceira equação,
temos −x1 = x2 = 33 .
Esse esquema de ordem de precisão três e dois pontos chama-se quadratura de Gauss-Legendre com dois
pontos: (√ ) ( √ )
∫ 1
3 3
f (x)dx = f +f −
−1 3 3
e−1 + 4e0 + e1 √
− 3
√
e−1 + e e−
3
ex
e−e −1
≈ 2.3504024
3+e 3
≈ 3.0861613 3
≈ 2.3620538 ≈ 2.3426961
√ √
x2 3 + x3 16
9
− 4
9
2 ≈ 1.1492384 3.4142136 1.1380712 1.1541058
3
e−e−1
x2 ex 3
≈ 0.7834675 3.0861613 1.0287204 0.6790505
20
n xj wj
1 0 2
√
2 ± 3
3
1
8
0 9
3 √
± 3
5
5
9
√(
√ ) √
± 3 − 2 6/5 /7 18+ 30
36
4 √(
√ ) √
± 3 + 2 6/5 /7 18− 30
36
21
deff('y=f(u)','y=sqrt(1+(u+1)^2/4)/2')
I3=f(0)*w3(1)+f(x3(2))*w3(2)+f(-x3(2))*w3(2)
I4=f(x4(1))*w4(1)+f(-x4(1))*w4(1)+f(x4(2))*w4(2)+f(-x4(2))*w4(2)
I5=f(0)*w5(1)+f(x5(2))*w5(2)+f(-x5(2))*w5(2)+f(x5(3))*w5(3)+f(-x5(3))*w5(3)
y ′ (t) = f (y(t), t)
y(t0 ) = y0 condição inicial
não podem ser resolvidos exatamente, ou seja, sabe-se que a solução existe e é única, porém não podemos
expressá-la em termos de funções elementares. Por isso é necessário calcular soluções numéricas. Nesse
propósito, construímos uma malha de pontos no eixo t, {ti }N
i=1 e calculamos o valor aproximado da função
soluçao y(ti ) em cada ponto da malha usando esquemas numéricos.
y ′ (t) = f (y(t), t)
y(0) = y0 condição inicial
Denindo y (k) como uma aproximação para y ((k − 1)h) e t(k) = (k − 1)h, temos
y ′ (t) = 2y(t)
y(0) = 1
Sabemos da teoria elementar de equação diferenciais ordinárias, que a solução exata deste problema é única
e é dada por
y(t) = e2t .
22
O método de Euler aplicada a este problema produz o seguinte esquema:
dy(t)
= dt
y(t)(1 − y(t))
( )
1 1
+ dy = dt
y 1−y
ln(y) − ln(1 − y) = t+C
( )
y
ln = t+C
1−y
y
= et+C
1−y
y= et+C (1 − y)
t+C
y(1 + e ) = et+C
et+C
y =
1 + et+C
23
Comparação
t Exato Euler h = .1 Euler h = .01
0 1/2 .5 .5
e1/2
1/2 1+e1/2
≈ 0.6224593 0.6231476 0.6225316
1 e
1+e
≈ 0.7310586 0.7334030 0.7312946
e2
2 1+e2
≈ 0.8807971 0.8854273 0.8812533
e3
3 1+e3
≈ 0.9525741 0.9564754 0.9529609
Exemplo 3
y ′ = −y + t
y(0) = 1
Comparação
t Exato Euler h = .1 Euler h = .01
0 1 1 1
24
Exemplo 4
x′ = −y
y′ = x
x(0) = 1
y(0) = 0
25
A idéia do método de Euler melhorado é substituir a declividade f (y (k) , t(k) ) pela média aritmética entre
f (y (k) , t(k) ) e f (y (k+1) , t(k+1) ).
No entanto, não dispomos do valor de y (k+1) pelo que aproximamos por
ỹ (k+1) = y (k) + hf (y (k) , t(k) ).
4 Métodos de Runge-Kutta
26
Os coecientes são escolhidos de forma que a expansão em taylor de y (n+1) e y (n) + w1 k1 + . . . + wn kn
coincidam até ordem k + 1.
Exemplo:
k1 + k2
y (n+1) = y (n) +
2
onde k1 = hf (y (n) , t(n) ) e k2 = f (y (n) + k1 , t(n)+h )
Este método tem ordem de truncamento local de quarta ordem. Uma discussão heurística usando método de
Simpson pode ajudar a compreender os estranhos coecientes:
∫ t(n+1)
y(t (n+1)
) − y(t
(n)
) = f (y(s), s)ds
t(n)
h [ ( (n) (n) ) ( ) ( )]
≈
f y(t ), t + 4f y(t(n) + h/2), t(n) + h/2 + f y(t(n) + h), t(n) + h
6
k1 + 4( k2 +k 3
) + k4
≈ 2
6
onde k1 e k4 representam as inclinações nos extermos e k2 e k3 são duas aproximações diferentes para a
inclinação no meio do intervalo.
27
5 Métodos de passo múltiplo - Adams-Moulton
5.1 Estabilidade
Consideremos o seguinte problema de teste:
{
y ′ = −αy
y(0) = 1
y (k+1) = (1 − αh)k
e, portanto,
ỹ(t) = y (k+1) = (1 − αh)t/h
Fixamos um α > 0, de forma que y(t) → 0. Mas observamos que ỹ(t) → 0 somente quando |1 − αh| < 1
e solução positivas somento quando αh < 1.
Conclusão: Se o passo h for muito grande, o método pode se tornar instável, produzindo solução espúrias.
Problema Resolva o problema 1 pelos diversos métodos e veque heuristicamente a estabilidade para
diversos valores de h.
Referências
[1] Demailly, J. P. Analyse Numérique et Équations Dierentielles, nouvelle Édition ed. EDP Sciences,
Grenoble, 2006.
28