d) Qual é a principal vantagem da quadratura gaussiana em relação aos métodos de Newton-Cotes quando se utiliza o mesmo número de avaliações de função?
Passo 1
Você pergunta: “Qual é a principal vantagem da quadratura gaussiana em relação aos métodos de Newton–Cotes quando se utiliza o mesmo número de avaliações de função?”\n
Informações relevantes dadas pelo enunciado:
Informações relevantes dadas pelo enunciado:
- Estamos comparando dois tipos de regras de quadratura numérica: quadratura gaussiana e métodos de Newton–Cotes.
- A comparação deve ser feita considerando o mesmo número de avaliações da função (mesmo número de nós/leituras de
). - O objetivo é identificar a principal vantagem da quadratura gaussiana sob essa restrição.
Passo 2
Primeiro, explico dois conceitos fundamentais de forma bem preguiçosamente didática, como se estivéssemos estudando num café:
- O que é uma regra de quadratura: é uma fórmula que aproxima a integral
por uma soma do tipo , onde são os nós (pontos onde avaliamos ) e são os pesos. - O que significa “grau de exatidão” (ou precisão algébrica): é o maior inteiro
tal que a regra integra exatamente todo polinômio de grau . Ou seja, se uma regra tem grau de exatidão , então para qualquer polinômio com vale . Isso é uma medida direta de quão boa a regra é, pelo menos para funções bem aproximadas por polinômios.
Passo 3
Agora descrevo, sem pular etapas, como funcionam as duas famílias de regras:
- Newton–Cotes (fechadas) pega nós igualmente espaçados em
. Se usamos avaliações de (ou seja, nós), a regra de Newton–Cotes consegue integrar exatamente todos os polinômios até grau . A razão prática: os pesos são escolhidos para que a fórmula acerte os monômios (temos equações para pesos). - Quadratura Gaussiana (por exemplo, Gauss–Legendre no caso de peso
em ) não exige nós igualmente espaçados: ela escolhe os nós e os pesos de forma ótima. Com esses parâmetros (nós + pesos) a quadratura gaussiana consegue fazer a igualdade para os monômios . Ou seja, a quadratura gaussiana com nós integra exatamente todos os polinômios de grau até .
Passo 4
Por que isso acontece (intuição técnica, não só afirmativa)?
- Em Newton–Cotes, os nós estão fixos (iguais), só ajustamos os pesos. Então só conseguimos forçar exatidão para tantos monômios quantos são os pesos (em geral
), resultando em grau de exatidão até . - Em Gauss, nós e pesos são livremente escolhidos. Temos
incógnitas (os nós e os pesos). Podemos impor que a regra seja exata para monômios independentes: . Uma construção formal usa ortogonalidade e polinômios ortogonais (as raízes do polinômio ortogonal de grau fornecem os nós), mas a ideia fácil de lembrar é: liberdade nos nós dobra a ordem polinomial que podemos acertar.
Passo 5
Compare de forma direta, com um exemplo numérico simples pra sentir o ganho:
- Com
avaliações: - Newton–Cotes: grau de exatidão
. - Gauss: grau de exatidão
.
- Newton–Cotes: grau de exatidão
- Exemplo concreto: se
avaliações, Newton–Cotes (a regra dos trapézios com 2 nós) é exata só até grau , enquanto a quadratura de Gauss com 2 pontos é exata até grau . Isso significa que, para funções que se comportam “como polinômios” de grau relativamente baixo (ou que são suaves), a Gauss com o mesmo número de avaliações normalmente dará um erro muito menor.
Passo 6
Outros pontos práticos (para não esconder as desvantagens, mas sem perder o foco):
- A grande vantagem prática da Gauss é, portanto, eficiência por avaliação: mais precisão usando o mesmo número de avaliações de
. - Há um custo: os nós da quadratura gaussiana não são igualmente espaçados e precisam ser calculados (são raízes de polinômios ortogonais), o que exige um pouco mais de trabalho numérico. Mas em muitos casos isso compensa porque cada avaliação de
costuma ser custosa. - Newton–Cotes de alta ordem pode ter pesos negativos e ficar instável (os erros crescem), enquanto Gauss–Legendre tem pesos positivos e é numericamente mais estável.
Passo 7
Resumo didático e motivacional (tipo amigo te explicando no fim da revisão):
- Pense assim: com o mesmo número de pontos para avaliar
, a quadratura gaussiana “aproveita melhor” cada avaliação porque escolhe os pontos inteligentemente. Isso a torna muito mais precisa para funções suaves. Então, se você tem poucas avaliações disponíveis (por exemplo, cada avaliação demora ou é cara), sempre que puder, use Gauss — vale a pena aprender a achar aqueles nós especiais.\n
Tamo junto, você já tá entendendo a ideia central; agora, na prova, se perguntar “por que Gauss é melhor com o mesmo número de pontos?” responda: porque tem grau de exatidão muito maior.
Resposta
A quadratura gaussiana, com
avaliações, tem grau de exatidão
enquanto uma regra de Newton–Cotes com
avaliações (nós) é exata apenas até grau
; portanto, com o mesmo número de avaliações a quadratura gaussiana geralmente fornece muito mais precisão (erro muito menor) porque escolhe nós e pesos de forma ótima.