Share
Embed
Transcript
111 slides
-
Em particular, observamos dois fatos óbvios: 1. ∀ ∈ ℕ,
ℙ ([, ]) é um subespaço ℙ([, ]), o espaço das polinomiais de qualquer grau. 2. ℙ([, ]) é subespaço de ℱ( , ), o espaço de todas as funções : [, ] → ℝ. E aprendi a usar a NumPy para: • Criar polinomiais, usando a base canônica 0 , 1 , ⋯ , de ℙ ([, ]); • Calcular raízes de uma polinomial; • Derivar e integrar polinomiais ∈ ℙ ([, ]); • Etc. -
Daí decorrem duas afirmações que merecem nossa atenção: • ℙ([,
]), o espaço das polinomiais de qualquer grau, tem dimensão infinita, enumerável; • ℱ( , ), o espaço de todas as funções : [, ] → ℝ também tem dimensão infinita; E como toda polinomial é uma função contínua, e infinitamente derivável, concluímos também, que , , 1 , , ⋯ , ∞ , são todos espaços dimensão infinita. -
Mas Surfista, eu nunca vi nenhuma polinomial de grau infinito.
Existem polinomiais de grau infinito Mestra? Claro que não, minha filha. As polinomiais de ℙ([, ]), não possuem restrição de grau. Isto quer, apenas, dizer que o grau poderá ser qualquer número natural, por isso mesmo finito. -
Assim ℙ[a, b] possui dimensão infinita (enumerável) e não se
fala mais nisso! A sequência ℬ = { 0 , 1 , … , … } das funções polinomiais definidas por = , para ∈ [, ] é uma base (de Hamel) de ℙ( , ), pois: 1. ℬ gera ℙ( , ) – lembrem-se, combinações lineares são somas finitas; 2. ℬ é um subconjunto LI de ℙ , , pois todo ∈ ℕ, os subconjuntos constituídos por n elementos distintos de ℬ é LI. -
Além da base canônica, vimos outras bases para o espaço
das polinomiais. As de Chebyshev, Legendre, Laguerre, Hermite. Em todas elas, as funções básicas formam uma sequência de polinomiais cujos graus estão em ordem crescente: 0, 1, 2, … -
Vamos examinar um outro tipo de base para o espaço
das polinomiais. -
Uma forma alternativa é usar a “base de Lagrange” Em
ℙ1[, ], que tem dimensão 2, as funções básicas de Lagrange serão nomeadas 0 () 1 () e são polinomiais de grau 1. -
A 0 () é a polinomial de grau 1 que
satisfaz: 0 ( 0 ) = 1 0 ( 1 ) = 0. A 1 () por sua vez satisfaz: 1 ( 0 ) = 0 1 ( 1 ) = 1. É trivial confirmar que: 0 () = ( − 1 )/( 0 − 1 ), 1 () = ( − 0 )/( 1 – 0 ). -
1 = (1 , 1 ) 0 = (0 ,
0 ) p Com a base de Lagrange resolvemos o problema: “Construir uma reta que passa por dois pontos 0 = (0 , 0 ) e 1 = (1 , 1 ) dados, se 0 ≠ 1 ”. Sim, a solução é dada por: = 0 0 + 1 1 (). -
Este é o programa que mostra 0 , 1 ,
0 0 , 1 1 e a () = 0 0 () + 1 1 () -
Bem, uma função polinomial de grau dois, responde tua pergunta.
Isto se os pontos já não estiverem alinhados. Mestra, qual a função que passa por três pontos dados? -
Ele está certo, mas uma circunferência não é gráfico de
uma função polinomial. Assim como uma hipérbole. O gráfico de uma polinomial de grau dois é uma parábola. Mas o professor de desenho geométrico disse que é a circunferência! -
Em ℙ2[, ], que tem dimensão três, as funções básicas
(também) serão nomeadas 0 (), 1 () 2 (). Elas são polinomiais de grau 2. Elas são definidas pelas 9 condições: • 0 ( 0 ) = 1, 0 ( 1 ) = 0, 0 ( 2 ) = 0 • 1 ( 0 ) = 0, 1 ( 1 ) = 1, 1 ( 2 ) = 0 • 2 ( 2 ) = 0, 2 ( 1 ) = 0, 2 ( 2 ) = 1 -
As expressões para as outras duas funções básicas são: 1
= ( − 0 )( − 2 ) (1 − 0 )(1 − 2 ) 2 = ( − 0 )( − 1 ) (2 − 0 )(2 − 1 ) Confira que, definindo 0 () pela expressão 0 = ( − 1 )( − 2 ) (0 − 1 )(0 − 2 ) teremos 0 0 = 1, 0 1 = 0, 0 2 = 0 -
Este programa gera as polinomiais da base de Lagrange do
espaço das funções polinomiais de grau menor ou igual a 2. -
Para fazer 0 () passar pelo ponto = (0.3,1.4) basta
multiplicá-la por 1.4. Vejam no desenho: -
• Multiplicando 1 () por um número 1 , a
função escalada 1 1 () passará pelo ponto ( 1 , 1 ); • Multiplicando 2 () por um número 2 , a função escalada 2 2 () passará pelo ponto ( 2 , 2 ). A mesma ideia se aplica às outras duas funções básicas: -
Este programa gera a polinomial de grau dois (≤ 2)
que passa pelos pontos ( 0 , 0 ), ( 1 , 1 ), ( 2 , 2 ) utilizando a base de Lagrange do espaço das funções polinomiais de grau ≤ 2. -
Marquei em vermelho a parte que gera os gráficos das
3 funções básicas escaladas e da polinomial. -
Estas ideias tem sido usadas, a séculos, para aproximar funções
por retas e por parábolas. Vou passear um pouco pela história. -
http://locomat.loria.fr Parte de uma página do “Canon mathematicus” de Viète
(1579). Nela estão tabelados valores de senos, cossenos, tangentes, etc de 4º à 4º30’ -
Rheticus foi aluno de Copérnico e o apoiou na divulgação
do heliocentrismo. Em particular na publicação da obra maior de Copérnico: “De revolutionibus orbium coelestium” -
Um sextante, aparelho usado nas grandes navegações. Assim como o
relógio e a corda com nós, para medir a velocidade de um barco. -
Hoje temos o GPS, que mostra nossa posição via satélite.
Inclusive ajuda a navegar nas cidades. -
O sistema geocêntrico (Ptolomeu), a Igreja/Inquisição e o julgamento de
Galileu Galilei. O heliocentrismo com Copérnico, -
Em 1614, no livro “Mirifici Logarithmorum Canonis Descriptio”, J. Napier
descreve um método para calcular produtos em termos de somas. Nasciam os logaritmos. O livro apresenta ainda 90 páginas com tabelas para utilização do seu método -
Obtivemos essas informações no site do Gresham College. O texto
a seguir, sobre Briggs, é parte da apresentação às minhas costas. -
Briggs foi um grande matemático. Foi o 1º Professor Saviliano
de Geometria em Oxford! -
Que encadeamento fantástico! Percebam a importância de boas escolas e
bons Professores! Briggs convenceu Johann Kepler sobre as vantagens da invenção de Napier. Kepler usou logaritmos para calcular as posições de Marte, o que conduziu-o a descobrir as leis do movimento planetário. A reputação de Kepler foi fundamental na disseminação do uso de logaritmos em toda a Europa. Isaac Newton usou as leis de Kepler para descobrir a lei da gravidade. -
Elas eram usadas para efetuar multiplicações e divisões, de forma
rápida, num tempo em que não haviam computadores, nem máquinas de calcular. Mestres, afinal de contas, para que eram utilizadas as tábuas de logaritmo? -
log(x∗y) = log(x) + log(y) log(x/y) = log(x) - log(y)
A régua de cálculo foi um instrumento analógico largamente utilizado pelos engenheiros até surgirem as máquinas de calcular científicas nos anos 70. Elas utilizavam escalas logarítmicas e as duas propriedades abaixo: -
As tábuas de logaritmos e das funções trigonométricas eram utilizadas
para efetuar aproximações lineares, como nessa figura que fiz. () () a b -
O foco da aula de hoje é aproximar funções por
outras mais simples. Em primeira mão, por polinomiais. -
É simples provar que ℬ , é um subespaço vetorial
de ℱ( , ). Faça essa prova, Surfista! Um subconjunto importante de ℱ(, ℝ) é ℬ , ℝ , o conjunto de todas as funções : → ℝ que são limitadas. -
Uma função : → ℝ é limitada quando existe ∈
ℝ para o qual () < , ∀ ∈ . Mas o que é uma função limitada Mestre? -
Um conceito delicado é o de supremo de um conjunto
de números reais. Ele vai ser necessário adiante. O supremo s de um conjunto limitado X ⊂ ℝ, anotado (), é o menor de seus limitantes superiores. Em outras palavras, = () ⟺ ∀ ∈ , ≤ ∀ > 0, ∃ ∈ . . − < ≤ -
• 2 = ∈ ℚ . 2 < 2 •
1 = ∈ ℝ . < 1 • 1 = ∈ ℝ . ≤ 1 • 2 = 1 + 1 2 , 1 + 1 2 + 1 4 , 1 + 1 2 + 1 4 + 1/8, ⋯ • 9 = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 • 2 = , é í í ê 1 Veja alguns: Cruz-credo, Mestra! Dê um exemplo, pelo amor de Deus -
s − ∈ A 1ª parte da definição garante que
s é um limitante superior de X. A 2ª é que, não importa qual seja a precisão , sempre conseguiremos descobrir um número ∈ entre s e − . Isto garante que s é o menor de todos os limitantes. A visão geométrica associada a esse conceito é a seguinte: -
Nessa figura vocês não mostraram os elementos do conjunto X.
Por quê? Só para descobrir se você estava atento! Imagine, p/ex., X como as aproximações decimais por falta para 2: = { 1.4, 1.41, 1.414, 1.4142, … } -
Um ponto a ser destacado a respeito do supremo s
de X é que ele pode ser um elemento de X, mas isto não é uma exigência. Quando ∈ , ele é o máximo de X, anotado max() -
Uma primeira resposta é uma negativa parcial. Não é possível
definir uma norma em ℱ(, ℝ). Ele é muito grande para isto. Entretanto isto é possível para as funções : → ℝ que são limitadas. Para falar de aproximação entre funções, precisamos saber como medir o tamanho de funções. Em outras palavras, como definir a norma para uma função ∈ ℱ(, ℝ). -
f ∞ Lembre-se Surfista, o Mestre está afirmando que: 1.
∞ ≥ 0 e ∞ = 0 ⇒ = 0; 2. ∞ = ∞ , para ∈ ℝ; 3. + ∞ ≤ ∞ + ∞ . A função ∙ ∞ : ℬ , → ℝ, definida para toda ∈ ℬ , por ∞ = sup , ∈ , é uma norma – uma forma de medir tamanho de funções. -
p Ótima lembrança, Surfista! Nesse caso, = { , ∈
Em Cálculo aprendemos que toda função contínua f definida num intervalo fechado [, ] atinge seu valor máximo num ponto ∈ [, ]. -
f − ∞ Simplesmente calculando − ∞ = { −
() , ∈ Mas como medimos a distância entre duas funções , ∈ ℬ( , ) ? -
f A norma ∙ ∞ mede a proximidade de funções
de forma uniforme, em todo um intervalo. De fato, sejam , ∈ ℬ , . Afirmar que − ∞ < corresponde a assegurar que g fica dentro de uma faixa com largura uniforme envolta de f . Na figura a faixa rosa, de a até b. -
f p Se f é uma função contínua num intervalo
fechado [, ] então, para qualquer precisão > 0, existe uma polinomial ∈ ℙ tal que − ∞ < . O teorema de aproximação de Weierstrass é um resultado de existência de aproximações polinomiais globais fundamental: -
f p O teorema de Weierstrass não oferece uma forma
construtiva para obter a polinomial p. Entretanto os polinômios de Bernstein oferecem uma forma construtiva para obter p. -
Esse teorema de Weierstrass informa que ℙ[, ] é denso
em [, ]. Ah, sim! Da mesma forma que ℚ é denso em ℝ . -
Surfista, você acabou de dizer que: “Podemos aproximar um número
real (como π, p/ex.) com qualquer número de casas decimais (i.é, com qualquer precisão ε > 0)”. Parafraseando o Mestre: “Podemos aproximar uma função contínua por uma polinomial com qualquer precisão ε > 0.” -
Começaremos por entender aproximação via interpolação polinomial. A interpolação é
uma técnica para calcular resultados numéricos aproximados de dados não tabelados, a partir de dados funcionais de valores vizinhos tabelados. -
() () a b () () Interpolar, é o nome
técnico para isto! A figura objetiva ilustrar que podemos aproximar por () o valor de () a partir dos valores conhecidos (tabelados) () e (). -
Com a NumPy e a base de Lagrange, aprendemos a
construir funções polinomiais que “passam” por pontos dados. É só juntar essa duas idéias? -
Sim Loirinha, a ideia de aproximar uma função : ,
→ ℝ através de interpolação por uma polinomial de grau n é óbvia! É só passar a polinomial pelos pontos (0 , 0 ), (1 , 1 ), ⋯ , ( , ), onde 0 = 0 1 = 1 ⋮ = , com 0 = , = . -
Vejam este exemplo: • A função é = () •
Os pontos a interpolar são −1, −1 , − 1 2 , 0 , 0, 0 , 1 2 , 0 , (1,1) -
Este é programa que faz a interpolação. Ele usa a
rotina lagrange( ) da scipy.interpolate. -
Mestres, está na hora de mergulhar fundo no conteúdo da
scipy.interpolate! -
Tem razão Manual. Primeiro vamos olhar o conteúdo do Tutorial
da SciPy sobre interpolação: -
Mestres! Por que a interpolação de Lagrange não aparece nessa
lista? Ela está escondida nas duas que o Mestre marcou! -
Não deixem de acessar e ler o artigo. Lá estão
detalhados os algoritmos de Krogh empregados pela scipy.interpolate Inclusive o artigo compara número de operações com os algoritmos de Lagrange e Aitken/Neville, mostrando que os propostos por Krogh tem melhor performance. -
• = ( ) • , +1 = +1 −
+1− • , +1 , +2 = +1, +2 − , +1 +1− • , +1 , +2 , +3 = +1, +2 , +3 − , +1, +2 +1− • E assim por diante Os algoritmos de Krogh usam as fórmulas de diferenças divididas finitas (DDF) de Newton, definidas recursivamente por: Não entendi essas diferenças divididas! -
Repito, não entendi! Vai explicar ou não ?!...?! Morri de
medo, meu Kruguinho querido! Mestre, faça um programa que constrói uma tabela de diferenças divididas finitas. -
Veja Kruguinho: para calcular uma DDF3 precisamos duas DDF2, três
DDF1, quatro valores de f. -
Mestra, a DDF2 de uma polinomial de grau 2 é
constante, e igualzinha à derivada 2ª e a DDF3 é identicamente nula. -
Pois é Surfista, compare os gráficos da função e suas
derivadas com os gráficos das DDFs e conclua. -
Kruguinho, repeti tudo para a função = (). Já vimos
no curso que as diferenças finitas são aproximações para as derivadas! -
A polinomial interpoladora de Lagrange, pelos n+1 pontos (0 ,
0 ), (1 , 1 ) ⋯ , ( , ), é dada pela: = 0 + 0 , 1 1 + 0 , 1 , 2 2 + ⋯ ⋯ + 0 , 1 , ⋯ , (), onde = ( − 0 )( − 1 ) ⋯ ( − −1 ) Fórmula de interpolação com as DDFs de Newton -
Com alguma manipulação algébrica é possível mostrar que as fórmulas
de Newton e de Lagrange são iguais. Loirinha e Surfista, façam essas continhas para as interpoladoras de grau 1 e 2. -
A interpoladora de Lagrange, calculada através do algoritmo de Krogh.
O programa só muda na linha 21: -
Eis um artigo de peso! Nele os autores recuperam conceitualmente
a interpolação de Lagrange como um algoritmo ótimo! -
Após apresentar a fórmula interpoladora de Lagrange, conforme já fizemos
no curso, os autores comentam: -
Veja Surfista. O programa com a barycentric é muito parecido
com o anterior. Incluí a função erro. -
Admitindo-se que: • , e (+1) existe em , •
≤ 0 < 1 < ⋯ < ≤ então para todo [0 , ], existe um número entre 0 e tal que • = + +1 (), onde: • é a polinomial interpoladora de grau por 0 , 0 , 1 , 1 , ⋯ , , , • +1 = +1 ( ) + 1 ! − 0 − 1 ⋯ − Teorema da interpolação polinomial Vocês poderão encontrar a demonstração do teorema a seguir em livros de Análise Numérica. -
Então teremos +1 () ≤ +1 ! | − 0
⋯ − | . E, se os pontos forem igualmente espaçados de ℎ, +1 () ≤ ℎ+1 4 +1 . Se a derivada de ordem + 1, (+1), de for contínua no intervalo [0 , ], ela será limitada. Nesse caso, existirá um número real tal que max [0,] (+1) () = -
Meu querido aluno impaciente ... Como você acha que Numpy
+ Scipy calculam as funções tão rapidamente, com a precisão requerida pelo IEEE 754? Eu realmente não vejo razão para toda essa teoria sobre interpolação e erro. O computador fornece tudo pronto! -
Loirinha, você tocou num ponto crucial. Para valores igualmente espaçados,
ao aumentarmos o grau da interpoladora, surge o fenômeno de Runge! Mestres, aumentando o grau n da polinomial interpoladora conseguiremos melhorar a precisão? -
Veja só que coisa terrível! Nesse exemplo vemos que o
erro cresceu assustadoramente com o grau. Ele dispara nos extremos! -
A interpolação baricêntrica não resolve o fenômeno de Runge, que
não é um problema de estabilidade, mas é devido ao mau condicionamento da interpolação de Lagrange para pontos igualmente espaçados. -
Vejam que o fenômeno de Runge não ocorreu com a
função () em 0, 2 . Inclusive nem dá para ver a função erro – está “colada” no eixo-x! -
Entretanto o fenômeno de Runge já se manifesta para a
função () em −3, 3 e grau 14 na interpoladora. Porém quando aumentamos o grau da interpoladora para 20 ele volta a desaparecer. -
Pois é Surfista, mas para a função = 1/(1 +
2) isto não acontece! Ela Runge mais ainda!