Академический Документы
Профессиональный Документы
Культура Документы
Indíce Capítulo 5
Aula 19 .................................................................................................................................................................................. 2
Aula 20 ................................................................................................................................................................................ 11
Aula 21 ................................................................................................................................................................................ 22
Aula 22 ................................................................................................................................................................................ 36
Aula 23 ................................................................................................................................................................................ 44
Aula 24 ................................................................................................................................................................................ 51
1
Métodos Numéricos – Interpolação Polinomial
Aula 19
1 Integração Numérica
Integrar numericamente uma função y = f (x ) num dado intervalo [a, b] , é substituir a função f por um
polinómio p n que a aproxime razoavelmente bem no intervalo dado.
2
Métodos Numéricos – Interpolação Polinomial
conhece-se a solução analítica do resultado do integral, mas o seu cálculo só pode ser obtido
aproximadamente.
b
Consideremos integrais da forma ∫a w(x ) f (x) dx , onde w(x ) ≥ 0 é contínua em [a, b].
A função w(x ) é um valor numérico de ponderação que é conhecido por função peso e é igual a
zero somente num número finito de pontos.
Vamos usar fórmulas de quadratura para aproximar o integral definido.
Fórmulas de quadratura são aquelas que aproximam o integral usando uma combinação linear dos
valores da função, isto é:
b n
∫a w(x ) f (x ) dx = ∑ Ak f (xk ) .
k =0
b n
R( f ) = ∫ w( x ) f ( x ) dx − ∑ Ak f ( xk ) .
a
k =0
O grau de precisão de uma fórmula de quadratura é por definição o maior inteiro m tal que
( ) ( )
R x k = 0, k = 0,1, … , m . e R x m +1 ≠ 0 .
Observe que isto é equivalente a dizer que a fórmula de quadratura tem grau de precisão m se é
exacta para todo polinómio de grau ≤ m e é não exacta para polinómios de grau m + 1 .
4
Métodos Numéricos – Interpolação Polinomial
b b b
∫a w ( x ) f ( x ) dx = ∫ w ( x ) pn ( x ) dx + ∫ w ( x ) Rn ( x ) dx
a a
b n
= ∫ w ( x )∑ f ( xk ) Lk ( x ) dx + R ( f )
a
k =0
n b
= ∑ f ( xk )∫ w ( x ) Lk ( x ) dx + R ( f )
a
k =0
b
onde R( f ) = ∫ w(x )Rn (x ) dx é o erro na integração.
a
5
Métodos Numéricos – Interpolação Polinomial
b n b
∫a w( x ) f (x ) dx ≈ ∑ Ak f (x k ) sendo Ak = a w(x )Lk (x ) dx .
∫
k =0
Teorema
Assim dados n + 1 pontos distintos, x0 , x1 , … , x n , se exigirmos que a fórmula seja exacta para todo
Exemplo
Sejam [a, b] = [0,2] .
6
Métodos Numéricos – Interpolação Polinomial
Determinar a fórmula de quadratura que seja exacta para todo o polinómio de grau ≤ 2. Usando a
∫0 (x + 3x ) dx .
2 2
fórmula obtida calcular
Resolução
Temos de escolher pelo menos três pontos no intervalo [a, b] = [0,2] . Seja x 0 = 0 , x1 = 1 e x 2 = 2 .
(x − 1) (x − 2 ) , ( ) ( ) e x (x − 1)
L0 (x ) = L1 x = − x x − 2 L2 ( x ) =
2 2
2
A0 = ∫ L0 ( x ) dx = ∫
2 ( x − 1) ( x − 2 ) dx = 2 3x x 2 1
0 0 2 ∫
0
1−
2
+
2
dx =
3
2 2 2 4
A1 = ∫ L1 ( x ) dx = ∫ − x ( x − 2 ) dx = ∫ − x 3 + 2 x dx =
0 0 0 3
2 2 x2 − x 1
A2 = ∫ L2 ( x ) dx = ∫ dx =
0 0 2 3
2
2 1 4 1 1 4 1
∫0 f (x ) dx ≈ ∑ Ak f (xk ) = 3 f (x0 ) + 3 f (x1 ) + 3 f (x 2 ) = 3 f (0) + 3 f (1) + 3 f (2)
k =0
7
Métodos Numéricos – Interpolação Polinomial
Assim,
2 2
∫0 dx = ∑ Ak f (x k ) = A0 + A1 + A2 = 2
k =0
2 2
∫0 x dx = ∑ Ak f (x k ) = A0 + 2 A2 = 2
k =0
2
2 2 8
∫
0
x dx = ∑ Ak f (x k ) = A0 + 4 A2 = 3
k =0
8
Métodos Numéricos – Interpolação Polinomial
Exercício 1 pg 148
1. Sejam [a, b] = [−1, 1 ] , x 0 = 0, x1 = 1 e x 2 = 2 .
a) Determinar uma fórmula de quadratura que seja exacta para todo o polinómio de grau ≤ 2.
1 1 Hx − 1L Hx − 2L 3x x2 y 1i
7
A_ 0 = ‡ L0 x = ‡ x= ‡ 1− + x =
−1 −1 H0 − 1L H0 − 2L −1k 2 2{ 3
1 1 HxL Hx − 2L 1 2
A_ 1 = ‡ L1 x = ‡ x = ‡ 2 x − x2 x = −
−1 −1 H1 − 0L H1 − 2L −1 3
1 1 HxL Hx − 1L 1i x x2 y 1
A_ 2 = ‡ L2 x = ‡ x= ‡ − + x =
−1 −1 H2 − 1L H2 − 0L −1k 2 2{ 3
Ficando igual a
∫ (x )
1
2
b) Usando a fórmula obtida em a) calcular + 5 x dx .
−1
9
Métodos Numéricos – Interpolação Polinomial
10
Métodos Numéricos – Interpolação Polinomial
Aula 20
2 Fórmulas de Newton-Cotes
Sejam a = x0 e b = x n . Então:
b xn n
∫
a
f (x ) dx = ∫0
x
f ( x ) dx ≈ ∑A
k =0
k f (x k )
b x
onde Ak = ∫ L k (x ) dx = ∫ n L k (x ) dx .
a x0
11
Métodos Numéricos – Interpolação Polinomial
espaçados.
Teorema
Para o caso em que os pontos estão igualmente espaçados
n n
Ak = ∫ h Lk (t ) dt = ∫ h Ln −k (t ) dt = An − k .
0 0
Demonstração
n nt (t − 1) … (t − (k − 1) )(t − (k + 1) )… (t − n ) dt Fazendo a mudança de variável
∫
0
Lk (t ) dt = ∫
0 k! (n − k ) ! (− 1)n − k
t = n −u , vem:
12
Métodos Numéricos – Interpolação Polinomial
A regra dos Trapézios consiste na aproximação da função contínua f no intervalo [a, b ] , por uma
função polinomial de 1ª ordem.
Caso em que n = 1 . Queremos obter uma fórmula para integrar f entre dois pontos consecutivos
x 0 = a e x1 = b , usando um polinómio do primeiro grau. Obtemos:
x1 x1 x − x1 (x 0 − x1 )2 x1 − x0
∫x0 L0 (x ) dx = ∫x0 x0 − x1 dx = 2(x1 − x0 ) = 2
x1 x1 x − x0 (x1 − x 0 )2 x1 − x0
∫x0 L1 (x ) dx = ∫x0 x1 − x0 dx = 2(x1 − x0 ) = 2
Observação
x x x
Não era necessário calcular ∫x L1 (x ) dx , visto ∫x L1 (x ) dx = ∫x L0 (x ) dx pelo teorema visto anteriormente.
1 1 1
0 0 0
13
Métodos Numéricos – Interpolação Polinomial
Então
b x x1 − x 0 x1 − x 0 h
∫a f (x ) dx = ∫x f (x ) dx ≈ 2 f (x0 ) + 2 f (x1 ) = 2 ( f (a ) + f (b) ) ,
1
sendo h = x1 − x 0 = b − a .
b h
∫a f (x ) dx = 2 ( f (a ) + f (b ) )
Observe que,
• se o intervalo [a, b ] é pequeno a aproximação é razoável
• se [a, b ] é grande o erro também pode ser grande.
14
Métodos Numéricos – Interpolação Polinomial
Graficamente
Assim,
se o intervalo de integração é grande podemos dividir o intervalo [a, b ] em n subintervalos de
b−a
amplitude h = de tal forma que x 0 = a e x n = b .
n
15
Métodos Numéricos – Interpolação Polinomial
Assim,
b h
∫a f (x ) dx = 2 ( f (x0 ) + 2( f (x1 ) + … + f (x n−1 )) + f (x n ))
Graficamente
16
Métodos Numéricos – Interpolação Polinomial
Exercício 2
0,6
Considere o integral I= ∫
0
x 2 e 3 x dx .
h= 0,1
x_o x_1 x_2 x_3 x_4 x_5 x_6
0 0,1 0,2 0,3 0,4 0,5 0,6
ݔଶ ݁ ଷ௫ 0 0,0135 0,0729 0,2214 0,5312 1,1204 2,1779
17
Métodos Numéricos – Interpolação Polinomial
x2 2 2 (t − 1)(t − 2 ) 1
A0 = ∫ L0 (x ) dx = ∫ h L0 (t ) dt = h ∫ dt = h
x 0 0 0 2 3
x2 2 4
A1 = ∫ L1 ( x ) dx = ∫ h t (2 − t ) dt = h
x0 0 3
x2 2 2 1
A2 = ∫ L 2 ( x ) dx = ∫ h L 2 (t ) dt = ∫ h L0 (t ) dt = h
x0 0 0 3
18
Métodos Numéricos – Interpolação Polinomial
Assim,
b x h
∫a f (x ) dx = ∫x f (x ) dx ≈ 3 ( f (x0 ) + 4 f (x1 ) + f (x 2 ))
2
De maneira análoga à regra dos trapézios, se o intervalo de integração é grande, podemos dividir o
b−a
intervalo [a, b ] em 2n subintervalos de amplitude h = de tal forma que x0 = a e x2n = b .
2n
19
Métodos Numéricos – Interpolação Polinomial
b x2 n n
∑ ( f (x
h
∫ f (x ) dx = ∫ 0
a x
f ( x ) dx ≈
3 i =1
2i − 2 ) + 4 f (x 2i −1 ) + f (x 2i ))
h
= ( f (x 0 ) + 4 f (x1 ) + 2 f (x 2 ) + 4 f (x 3 ) + 2 f (x 4 ) + … + 2 f (x 2 n −2 ) + 4 f (x 2 n −1 ) + f (x 2n ) )
3
ou seja,
b x2 n
∫a f (x ) dx = ∫x 0
f ( x ) dx
h
≈ ( f (x0 ) + 4( f (x1 ) + f (x3 ) + … + f (x 2n−1 )) + 2( f (x2 ) + f (x4 ) + … + f (x 2n−2 )) + f (x 2n ) )
3
Exercício 2
0 ,6
Considere o integral I= ∫
0
x 2 e 3 x dx .
20
Métodos Numéricos – Interpolação Polinomial
Resolução:
h= 0,1
x_o x_1 x_2 x_3 x_4 x_5 x_6
0 0,1 0,2 0,3 0,4 0,5 0,6
x^2e^3x 0 0,013499 0,072885 0,221364 0,531219 1,120422 2,177873
21
Métodos Numéricos – Interpolação Polinomial
Aula 21
2.3 Regra 3/8 de Simpson
A regra de 3/8 de Simpson consiste na aproximação da função contínua f no intervalo [a, b ] , por
uma função polinomial de 3ª ordem.
Caso em que n = 3 , isto é, queremos obter uma fórmula par integrar a função f em quatro pontos
consecutivos x0 = a, x1 , x2 e x3 = b , usando um polinómio de 3º grau, com x3 − x2 = x2 − x1 = x1 − x0 = h .
Pontos Igualmente espaçados
b x 3
∫a f (x ) dx = ∫x f (x ) dx ≈ 8 h( f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 ) )
3
que é uma fórmula de quadratura interpolatória conhecida como regra 3/8 de Simpson.
22
Métodos Numéricos – Interpolação Polinomial
Para generalizar a regra 3/8 de Simpson dividimos o intervalo [a, b ] em 3n subintervalos de amplitude
b−a
h= de tal forma que x0 = a e x3n = b .
3n
Aplicando a cada subintervalo [x3i −3 , x3i ], i = 1,2, … , n a regra 3/8 de Simpson, obtemos:
n
b x3 n 3
∫a f ( x ) dx = ∫ f ( x ) dx ≈ ∑ h( f ( x3i − 3 ) + 3 f ( x3i − 2 ) + 3 f ( x3i −1 ) + f ( x3i ) )
x0 8 que é conhecida como regra 3/8 de
i =1
Simpson generalizada.
Exercício 2
0 ,6
Considere o integral I= ∫0
x 2 e 3 x dx .
23
Métodos Numéricos – Interpolação Polinomial
3/8 Simpson
h= 0,1
x_o x_1 x_2 x_3 x_4 x_5 x_6
0 0,1 0,2 0,3 0,4 0,5 0,6
x^2e^3x 0 0,013499 0,072885 0,221364 0,531219 1,120422 2,177873
Vamos estudar o erro que cometemos ao aproximar o valor de um integral usando as fórmulas de
Newton-Cotes do tipo fechado, isto é, vamos estudar o termo R ( f ) com w(x ) = 1 .
24
Métodos Numéricos – Interpolação Polinomial
em que c ∈ [x0 , x1 ] e h = x1 − x0 .
Demonstração
Da interpolação polinomial sabemos que:
f '' (ξ x )
f ( x ) = p1 (x ) + (x − x 0 )( x − x1 ) , ξ x ∈ ] x 0 , x1 [.
2
25
Métodos Numéricos – Interpolação Polinomial
M ⋅ g ( x ) ≤ f '' (ξ x ) ⋅ g (x ) ≤ m ⋅ g (x )
x1 x1 x1
∫ 0 g (x ) ≤ ∫ 0 f (ξ x )g (x ) dx ≤ m ∫ g (x )
''
M
x x x0
x1
∫ f (ξ )g ( x ) dx ''
x
0 x
m≤ x
≤M
1
∫0 g ( x ) dx
x
x1
∫ f (ξ )g ( x ) dx
''
x
x
Como f ''
é contínua em [x 0 , x1 ] , existe c ∈ [x 0 , x1 ] tal que f ''
(c ) = 0
x
1
∫ 0 g (x ) dx
x
x1 x1
f ''
(c )∫ g ( x ) dx = ∫0 f
''
(ξ x ) g (x ) dx
x0 x
em que c ∈ [x 0 , x1 ] e h = x1 − x 0 .
x1 3
h
Assim, podemos escrever: ∫ f ( x ) dx = ( f (x 0 ) + f (x1 ) ) − h f '' (c ), x 0 ≤ c ≤ x1 .
x0 2 12
26
Métodos Numéricos – Interpolação Polinomial
O erro na regra dos trapézios generalizada é obtido adicionando-se n erros da forma já obtida, onde
x − x0
h= n .
n
n
Pelo teorema dos valores intermédios existe ξ ∈ [x0 , xn ] tal que ∑ f '' (ci ) = n f '' (ξ ) .
i =1
Logo,
xn h n n 3
h
∫x 0
f ( x ) dx = ∑
2 i =1
( f ( x i ) + f ( x i −1 ) ) − ∑ 12
f '' (ci )
i =1
h n h 3 n ''
= ∑ i
2 i =1
( f ( x ) + f ( x i −1 ) ) − ∑ f (ci )
12 i =1
h n nh 3 ''
= ∑ i
2 i =1
( f ( x ) + f ( x i −1 ) ) −
12
f (ξ )
27
Métodos Numéricos – Interpolação Polinomial
em que xi −1 ≤ ci ≤ xi , i = 1,2, …, n e x0 ≤ ξ ≤ xn .
Logo
nh 3 '' (x n − x0 ) h 2 ''
R( f ) = − f (ξ ) = − f (ξ ), x0 ≤ x ≤ xn
12 12
A aplicação da fórmula do termo do resto é útil quando queremos o resultado com uma dada
precisão.
Como não podemos, em geral, calcular exactamente f '' (ξ ) , visto não conhecermos o ponto ξ ,
sempre que possível, procuramos um limite superior para o módulo do erro.
Como f '' é, por hipótese, contínua em [x0 , xn ], existe max f '' ( x ) , donde
x0 ≤ x≤ xn
nh 3 (x − x0 )h 2
R( f ) ≤ max f ' ' (x ) = n max f ' ' (x )
12 x 0 ≤ x ≤ x n 12 x0 ≤ x ≤ xn
28
Métodos Numéricos – Interpolação Polinomial
x1 f ''' (ξ x ) h 5 (4 )
R( f ) = ∫ (x − x 0 )(x − x1 )(x − x 2 ) dx = − f (c )
x0 6 90
em que c ∈ [x0 , x2 ] e h = x2 − x1 = x1 − x0 .
O erro no regra 1/3 de Simpson generalizada é obtido adicionando-se n erros da forma já obtida,
x 2n − x0
onde h =
2n
Como supomos f (4 ) contínua em [x0 , x 2n ] , pelo teorema dos valores intermédios, existe ξ ∈ [x0 , x2n ] tal que
n
∑ f (4) (ci ) = n f (4) (ξ ) .
i =1
29
Métodos Numéricos – Interpolação Polinomial
Logo, o erro é:
nh 5 (4 ) ( x − x 0 ) h 4 (4 )
R( f ) = − f (ξ ) = − 2 n f (ξ ), x 0 ≤ ξ ≤ x 2n
90 180
3h 5 (4 )
R( f ) = − f (c )
80
30
Métodos Numéricos – Interpolação Polinomial
x3n − x 0
Para f ∈ C 4 ([x 0 , x3n ]) , o erro na regra 3/8 de Simpson generalizada é dado por, para h = :
3n
3nh 5 (4 ) (x − x0 )h 4 (4)
R( f ) = − f (ξ ) = − 3n f (ξ ), x 0 ≤ ξ ≤ x3n
80 80
Observações:
Apesar da fórmula 1/3 de Simpson ter sido obtida aproximando-se a função por um polinómio
( )
de grau 2, ela é exacta também para polinómios de grau 3 f (4) (ξ ) = 0 . Pode ser demonstrado
que se n é par então as fórmulas de Newton-Cotes do tipo fechado têm grau de precisão n + 1 .
31
Métodos Numéricos – Interpolação Polinomial
h n+ 2 f (n +1)(ξ ) n
(n + 1) ! ∫0
R( f ) = t (t − 1)… (t − n ) dt , para algum ξ ∈ [a, b ] .
h n+3 f (n+ 2) (ξ ) n
(n + 2) ! ∫0
R( f ) = (t − n 2) t (t − 1)… (t − n) dt , para algum ξ ∈ [a, b ] .
32
Métodos Numéricos – Interpolação Polinomial
Exercicio 6
1
Considere o integral I= ∫e
0
x
dx .
Resolução:
33
Métodos Numéricos – Interpolação Polinomial
34
Métodos Numéricos – Interpolação Polinomial
35
Métodos Numéricos – Interpolação Polinomial
Aula 22
5 Polinómios Ortogonais
Definição
Seja V um espaço vectorial real. Define-se um produto interno ou produto escalar como sendo uma
aplicação V ×V → IR que satisfaz para todo f , g , h ∈ V , α , β ∈ IR , as seguintes condições:
1. f , g = g, f
2. f , αg + βh = α f , g + β f , h
3. f , f > 0 se e só se f ≠ 0 .
Definição
se
1. para todo o j ∈ IN 0 , φ j ( x ) é um polinómio de grau j
2. φi ( x ), φ j ( x ) = 0 , para i ≠ j .
36
Métodos Numéricos – Interpolação Polinomial
Vamos considerar aqui o produto escalar, definido em relação a uma função peso real w(x ) ,
contínua e positiva em [a, b ] :
b
f , g = ∫ f ( x ) g ( x ) w( x ) dx .
a
A sucessão de polinómios φ0 (x), φ1 (x), φ2 (x), …, depende do produto escalar adoptado, sendo a forma
geral a indicada.
37
Métodos Numéricos – Interpolação Polinomial
1. Polinómios de Legendre
Os polinómios de Legendre, P0 (x), P1 (x), P2 (x), … , são obtidos segundo o produto escalar:
1
f , g = ∫ f ( x ) g ( x ) dx , isto é, com w( x ) = 1 , a = −1 e b = 1 .
−1
2. Polinómios de Chebyshev
Os polinómios de Chebyshev, T0 (x), T1 (x), T2 (x), …, são obtidos segundo o produto escalar:
1 1 1
f,g =∫ f ( x ) g (x ) dx , isto é, com w( x ) = , a = −1 e b = 1 .
−1 2 2
1− x 1− x
38
Métodos Numéricos – Interpolação Polinomial
3. Polinómios de Leguerre
Os polinómios de Leguerre, L0 (x), L1 (x), L2 (x), … , são obtidos segundo o produto escalar:
∞
f , g = ∫ e − x f ( x ) g ( x ) dx , isto é, com w(x ) = e − x , a = 0 e b = ∞ .
0
4. Polinómios de Hermite
Os polinómios de Hermite, H 0 (x), H1 (x), H 2 (x), …, são obtidos segundo o produto escalar:
∞ 2 2
f,g =∫ e − x f ( x ) g ( x ) dx , isto é, com w(x ) = e − x , a = −∞ e b = ∞ .
−∞
39
Métodos Numéricos – Interpolação Polinomial
Vejamos algumas das propriedades dos polinómios ortogonais que serão importantes para a
obtenção, por exemplo, das fórmulas de quadratura Gaussiana:
1. Sejam φ0 ( x ), φ1 ( x ), φ 2 ( x), …, polinómios ortogonais, não nulos, segundo um produto escalar qualquer.
Os polinómios φ0 (x), φ1 (x), φ2 (x), …, φ n (x) constituem uma base para o espaço dos polinómios de
grau menor ou igual a n . Então, qualquer polinómio de grau menor ou igual a n pode ser
escrito como combinação linear de φ0 (x), φ1 (x), φ2 (x), …, φ n (x) .
2. Sejam φ0 ( x ), φ1 ( x ), φ 2 ( x), …, polinómios ortogonais, não nulos, segundo um produto escalar qualquer.
φ1 (x ) = A0 (x − B0 ) φ0 (x )
40
Métodos Numéricos – Interpolação Polinomial
sendo
x φ n ( x ), φ n ( x )
Bn = , n = 0,1,2,3, …
φ n (x ), φ n (x )
An φ n ( x ), φ n ( x )
Cn = , n = 1,2,3, …
An−1 φ n −1 ( x ), φ n−1 ( x )
E, inversamente, os polinómios φ0 (x), φ1 (x), φ2 (x), …, assim definidos, são dois a dois ortogonais.
41
Métodos Numéricos – Interpolação Polinomial
então:
b
∫a w(x ) f (x ) dx = A0 f (x0 ) + A1 f (x1 ) + … + An f (x n ) ,
b
sendo Ak = ∫ w(x ) Lk (x ) dx .
a
• Esta propriedade garante então que, para integrar um polinómio de um certo grau n , basta
trabalharmos com um polinómio ortogonal de grau aproximadamente 2n , e, descartados os erros de
arredondamento, o resultado deve ser exacto.
Polinómios Ortogonais
φ 0 (x ) = 1 xφ k (x ), φ k (x )
α k =
xφ 0 (0), φ 0 (0) x,1 φ k (x ), φ k (x )
φ
1 ( x ) = x − .φ (0 ) = x − .1 onde
φ 0 (0 ), φ 0 (0 ) 0
1,1 φ k (x ), φ k (x )
φ (x ) = x.φ (x ) − α .φ (x ) − β .φ (x ), k = 1,2,3, … β
k =
k +1 k k k k k −1 φ k −1 (x ), φ k −1 (x )
b
f,g = ∫a w(x) f (x)g (x)dx
42
Métodos Numéricos – Interpolação Polinomial
Exercicio
43
Métodos Numéricos – Interpolação Polinomial
Aula 23
4 Quadratura Gaussiana
b b
∫a w( x ) f ( x ) dx ≈ A0 f ( x 0 ) + A1 f ( x1 ) + … + An f ( x n ) , Ak = ∫ w( x ) Lk ( x ) dx
a
onde x0 , x1 , …, xn são n + 1 pontos distintos e em que a fórmula de quadratura é exacta para todo o
polinómio de grau ≤ 2n + 1 .
prefixados em [a, b ] .
44
Métodos Numéricos – Interpolação Polinomial
b n
Assim, na fórmula ∫a w(x ) f (x ) dx ≈ ∑ Ak f (xk ) , exigimos que a fórmula seja exacta para todo o polinómio
k =0
de grau ≤ 2n + 1 :
g ( x ) = 1, g (x ) = x, g ( x ) = x 2 , … , g ( x ) = x 2n +1 ( 2n + 2 polinómios).
b
∫a dx ≈ A0 + A1 + … + An
b
∫a x dx ≈ A0 x0 + A1 x1 + … + An x n
b 2
∫a x dx ≈ A0 x 02 + A1 x12 + … + An x n2
45
Métodos Numéricos – Interpolação Polinomial
b 2 n +1
∫a x dx ≈ A0 x02 n +1 + A1x12n +1 + … + An xn2n +1
ou, resolver este mesmo sistema mas considerando o intervalo de integração [− 1,1] .
No caso de um intervalo genérico [a, b] , efectua-se a mudança de variável
b−a b+a
x= t+ , x ∈ [a, b], t ∈ [− 1,1].
2 2
1. determinar o polinómio ortogonal φn+1 (x) , segundo o produto escalar conveniente, isto é, com a
2.
46
Métodos Numéricos – Interpolação Polinomial
b
4. calcular Ak = ∫ w( x ) Lk ( x ) dx, k = 0,1, … , n .
a
b n
6. calcular, finalmente, ∫a w( x ) f ( x ) dx ≈ ∑ Ak f (xk ) .
k =0
Observação
O procedimento dado acima é válido para qualquer produto escalar.
Quando particularizamos o produto escalar aos já mencionados anteriormente, isto é, quando
usamos os produtos escalares para obter os polinómios de Legendre, Chebyshev, Laguerre e
Hermite, necessitamos apenas de efectuar os passos 5. e 6. do procedimento dado anteriormente,
pois os valores de xk e Ak já estão tabelados.
Exercicio
1
∫ (10 x − 15 x ) dx , usando quadratura gaussiana, em que o grau de precisão seja de pelo
3
5. Calcular
−1
menos 3, ou seja, em que a fórmula seja exacta para todo polinómio de grau ≤ 3 .
47
Métodos Numéricos – Interpolação Polinomial
Resolução:
Assim, devemos utilizar os zeros de , para resolver a integral. Pelo exercício anterior temos que
é .
Agora:
e portanto:
48
Métodos Numéricos – Interpolação Polinomial
Do mesmo modo:
49
Métodos Numéricos – Interpolação Polinomial
Portanto:
50
Métodos Numéricos – Interpolação Polinomial
Aula 24
6 Erro nas Fórmulas de Gauss
Na maioria das situações reais, f não é um polinómio e, portanto, o valor do integral calculado é
uma aproximação quando este é calculado através das fórmulas de quadratura.
As expressões do termo do resto (ou erro de truncamento) para as várias fórmulas apresentadas são
complicadas e sem nenhum interesse prático.
Portanto, na prática, se quisermos o resultado do integral com uma determinada precisão:
→ começamos por calcular o integral com um certo número de pontos;
→ vamos sucessivamente aumentando o número de pontos e sucessivamente comparando os
resultados obtidos;
51
Métodos Numéricos – Interpolação Polinomial
→ quando dois resultados consecutivos tiverem o mesmo número de casas decimais iguais teremos o
resultado com a precisão desejada.
Exemplo
0,6 2 3 x
Calcular ∫0 x e dx com 3 casas decimais correctas, usando fórmula de quadratura de Gauss.
Como o intervalo de integração é finito, mas não coincide com o intervalo [− 1, 1 ] , devemos fazer
uma mudança de variável. Assim:
b−a b+a
x= t+ = 0,3 t + 0,3 , dx = 0,3 dt
2 2
0, 6 2 3 x 1
∫ x e dx = 0,3 (0,3 t + 0,3)2 e 3(0,3t +0,3) dt
∫
0 −1
e portanto estamos nas condições da fórmula de Gauss-Legendre com f (t ) = (0,3 t + 0,3)2 e 3(0,3t +0,3) .
52
Métodos Numéricos – Interpolação Polinomial
Fixemos n = 1 .
3 3
Os zeros de φ 2 (t ) são t 0 = − = −0,5574 e t1 = ≈ 0,5574 .
3 3
A0 = A1 = 1,0
Portanto,
0, 6 2 3 x 0, 6
∫0 x e dx = 0,3∫
0
(0,3t + 0,3)2 e 3(0,3t +0,3) dt ≈ 0,3 (0,0236 + 0,9260) ≈ 0,2849 .
A0 = A2 ≈ 0,5556
A1 ≈ 0,8889
53
Métodos Numéricos – Interpolação Polinomial
Portanto,
0 ,6 0 ,6
∫
0
x 2 e 3 x dx = 0,3 ∫ 0
(0,3t + 0,3 )2 e 3(0,3t + 0,3 ) dt ≈ 0,3 ((0,0056 + 1,3997) ⋅ 0,5556 + 0,2214 ⋅ 0,8889) ≈ 0,29328
♦ Comparando os resultados obtidos com n = 1 e n = 2 , vemos que só temos uma casa decimal
correcta.
♦ Comparando os resultados obtidos com n = 2 e n = 3 , vemos que temos três casas decimais iguais.
Assim, obtivemos o resultado do integral com três casas decimais correctas.
Com este mesmo integral, para obter 3 casas decimais correctas usando as fórmulas de Simpson,
seriam necessários 7 pontos e usando a regra dos trapézios seriam necessários 61 pontos.
54
Métodos Numéricos – Interpolação Polinomial
Observe que com este exemplo fica claro a superioridade das fórmulas de quadratura de Gauss,
pois obtivemos a precisão desejada usando apenas 3 pontos.
Observe que esta técnica de ir aumentando o número de pontos e comparando dois resultados
consecutivos para se obter o resultado com uma determinada precisão pode também ser utilizada
nas fórmulas de Newton-Cotes.
Exercicio
10
7. Considere o integral I = ∫ e− x dx .
0
a) Calcule uma aproximação para I usando quadratura gaussiana que seja exacta para todo
polinómio de grau ≤ 3 . Determine o erro exacto cometido.
55
Métodos Numéricos – Interpolação Polinomial
Resolução
Neste caso [ a, b] = [ 0,10] . Fazer a mudança e variável x = 5 + 5t .
10 1
I = ∫ e− x dx = ∫ e−5−5t dt
0 −1
56
Métodos Numéricos – Interpolação Polinomial
Exercicio
1
Considere o integral I = ∫ e− x dx
2
12.
0
Resolução:
a) I S = 0.746855
b) I QG = 0.746594
c) i) melhor estimativa em a), pois a fórmula é exacta para polinómios de grau ≤ 5 , enquanto em
b) a fórmula é exacta polinómios de grau ≤ 3
ii) n=28
57