Em quais situações do mundo real (educação, biologia, economia ou engenharia) aceitar aproximações numéricas é mais adequado do que buscar soluções exatas?
Passo 1
O enunciado dá a equação diferencial de segunda ordem e pede duas coisas:
Aplicar o método de Euler à equação
y'' + y = 0,
com condições iniciais
y(0)=1,\qquad y'(0)=0.
Comparar a aproximação obtida pelo método de Euler com a solução exata.
Além disso, o enunciado pergunta qualitativamente em que situações do mundo real é mais adequado aceitar aproximações numéricas do que buscar soluções exatas.
Informações relevantes fornecidas:
Equação: \;y''+y=0.
Condições iniciais: \;y(0)=1 e \;y'(0)=0.
Não foi dado passo (h) nem intervalo de tempo; portanto a resolução deve apresentar o método de forma geral (para passo arbitrário h) e também ilustrar com exemplos numéricos para comparar com a solução exata.
Passo 2
Transformar a equação de segunda ordem em um sistema de primeira ordem (passo necessário para aplicar métodos numéricos padrão).
Defino a velocidade auxiliar \;v(t)=y'(t)\). Então o sistema equivalente é
\[\begin{cases} y' = v,\\[4pt] v' = -y, \end{cases}
com condições iniciais
y(0)=1,\qquad v(0)=0.
Explicação didática: trocar uma EDO de ordem maior por um sistema de EDOs de primeira ordem é um procedimento padrão porque métodos numéricos como Euler trabalham diretamente com equações da forma \;u' = f(t,u)\]. Aqui a variável de estado é o vetor \(\;(y,v).]
Passo 3
Apresentar o método de Euler explícito de forma geral.
Se tivermos um sistema \;u' = f(t,u) e uma malha temporal \;t_n = n h com passo \;h>0, o método de Euler explícito dá a iteração
u_{n+1} = u_n + h\,f(t_n,u_n).
Significado dos termos:
\;u_n é a aproximação de u(t_n).
\;h é o passo de tempo (quanto maiores os passos, mais grosseira a aproximação).
O método usa a inclinação em \;t_n para avançar uma etapa.
Erro e ordem (breve): localmente cada passo tem erro do tipo \mathcal{O}(h^2) (erro de truncamento local) e globalmente a solução tem erro \mathcal{O}(h) (erro global proporcional a h). Vou detalhar isso mais adiante.
Passo 4
Aplicar Euler explícito ao sistema [;y’ = v,; v’ = -y).
Usando u=(y,v) e f(u)=(v,-y), a iteração de Euler dá
Interpretação: cada passo é multiplicar o vetor estado por a matriz M=I+hA onde A=\begin{pmatrix}0&1\\\ -1&0\end{pmatrix} é a matriz do sistema linear original.]
Passo 5
Escrever a solução exata do problema (para comparação).
A equação \;y''+y=0 tem soluções do tipo combinação de seno e cosseno. A solução que satisfaz as condições iniciais \;y(0)=1,\;y'(0)=0 é
y(t)=\cos t,\qquad v(t)=y'(t)=-\sin t.
Verificação rápida: \cos'' t = -\cos t e \cos 0=1,\;(-\sin 0)=0, então a solução está correta.
Passo 6
Fazer algumas iterações de exemplo para ver como o método se comporta (ilustrar passo a passo com números fáceis).
Escolho um passo razoável para ilustração: h=0,1 (pode-se escolher outros, veremos o efeito do h depois).
Observação prática: o erro cresce com o tempo (a cada passo fica um pouco maior). Se aumentar h (por exemplo h=0{,}5) os erros ficam rapidamente grandes; se diminuir h (por exemplo h=0{,}01) os erros diminuem aproximadamente na mesma proporção.
Passo 7
Analisar estabilidade e crescimento de energia da solução numérica (por que Euler se comporta mal aqui).
As autovalores de M são \lambda = 1 \pm i h. O módulo de cada autovalor é
|\lambda|=\sqrt{(1)^2 + (h)^2}=\sqrt{1+h^2}>1\quad\text{para todo }h>0.
Isso significa que cada iteração multiplica o comprimento do vetor (y,v) por \sqrt{1+h^2} (no sentido médio), e portanto a “energia” numérica
E_n := y_n^2 + v_n^2
é multiplicada, a cada passo, por 1+h^2. De fato pode-se verificar diretamente que
y_{n+1}^2+v_{n+1}^2=(1+h^2)\,(y_n^2+v_n^2).
Consequência: a solução exata do oscilador harmónico tem energia constante ao longo do tempo, mas o Euler explícito aumenta a energia exponencialmente com o número de passos. Portanto o método é instável (não preserva a quantidade física importante aqui) e produz amplitude crescente — claramente um comportamento qualitativamente errado para um sistema conservativo.
Exemplo numérico: com h=0{,}1 o factor por passo é 1+h^2=1{,}01. Após 100 passos (tempo t=10) a energia cresce por 1{,}01^{100}\approx 2{,}7 (ou seja, quase triplica) — erro acumulado grande.]
Passo 8
Breve análise de erro teórica (ordens) e interpretação prática.
Erro de truncamento local: desenvolvendo a solução verdadeira em série de Taylor,
O método de Euler usa só os dois primeiros termos, logo o erro por passo é da ordem \mathcal{O}(h^2).
Erro global (após muitas etapas até um tempo fixo T) é da ordem \mathcal{O}(h). Na prática isto significa: para reduzir o erro global por um fator 10, é preciso reduzir h por um fator 10 (e consequentemente aumentar o número de passos por 10).
No caso do oscilador harmónico, além do tamanho do erro, existe a questão qualitativa da estabilidade: mesmo que h seja pequeno, a energia cresce (mas mais lentamente para h pequeno). Métodos com boa estabilidade para longo tempo (por exemplo métodos symplectic/geométricos) são preferíveis para sistemas conservativos.
Passo 9
Alternativas e sugestão prática para a prova (o que responder e o que comentar rapidamente).
Se a prova pede somente “aplicar Euler”, dê a recorrência
y_{n+1}=y_n+h v_n,\qquad v_{n+1}=v_n-h y_n,
e compare com a solução exata y(t)=\cos t. Mostre um ou dois passos numéricos e os erros como exemplifiquei acima.
Se a prova pedir comentário sobre estabilidade, diga que o método explícito de Euler não preserva a energia e é instável para o oscilador harmónico: a amplitude cresce por um fator \sqrt{1+h^2} por passo.
Se for pedido melhorar a aproximação, cite alternativas rápidas: método do trapézio (implícito, mais estável), método de Euler semi-implícito (symplectic Euler) ou Verlet/Stormer–Verlet (muito usado em física e mecânica; preserva energia qualitativamente) — essas mantêm amplitude mais controlada.
Passo 10
Responder a pergunta qualitativa: quando aceitar aproximações numéricas é mais adequado que buscar soluções exatas?
Razões gerais (e exemplos concretos em educação, biologia, economia, engenharia):
Complexidade e inexistência de solução fechada: muitos modelos reais levam a equações sem solução analítica (ex.: modelos com não-linearidades complexas). Ex.: modelos de dinâmica populacional com termos de interação complexos em biologia; aceita-se solução numérica.
Dados incertos e modelos aproximados: se os parâmetros vêm de dados ruidosos, uma solução exata de um modelo idealizado tem pouco valor prático — é melhor ancorar em aproximações numéricas com análise de sensibilidade. Ex.: estimação de parâmetros em modelos epidemiológicos (SIR com parâmetros estimados).
Necessidade de rapidez e eficiência: em tempo real (controle de processos, mercados financeiros, simulações em engenharia) é necessário aproximar rápido; métodos numéricos eficientes são preferidos. Ex.: sistemas de controle embarcados, precificação de opções via métodos numéricos.
Simulação para projeto e validação: engenheiros usam simulações numéricas (CFD, elementos finitos) porque a solução exata é impossível para geometrias reais.
Ensino e intuição: aproximações numéricas permitem experimentar e visualizar fenômenos; em sala de aula às vezes é melhor fazer simulações numéricas do que longas deduções analíticas.
Resumo em linguagem direta:
Aceitar aproximações é adequado quando a solução exata é inexistente, quando o modelo é incerto, quando se precisa de resultados práticos rapidamente, ou quando se busca entendimento por simulação. Em sistemas conservativos (como o oscilador harmónico) é importante escolher métodos numéricos que preservem as propriedades qualitativas (energia, invariantes); nem todo método numérico serve bem para todos os problemas.
Resposta
Recorrência de Euler explícito para o sistema: \;y_{n+1}=y_n+h v_n,\; v_{n+1}=v_n-h y_n.
Solução exata: \;y(t)=\cos t,\; v(t)=-\sin t.
Comparação: Euler tem erro global \mathcal{O}(h) e, para este oscilador, aumenta a energia (por passo a energia é multiplicada por 1+h^2), logo produz amplitude crescente (comportamento qualitativamente errado a longo prazo).
Quando aceitar aproximações numéricas: quando não existe solução fechada, quando o modelo/parametros são incertos, quando é necessária rapidez ou simulação prática (ex.: modelagem em biologia/epidemiologia, simulações de engenharia CFD/EF, precificação numérica em economia, ensino por simulação); escolher métodos apropriados (p.ex. métodos symplectic para sistemas conservativos) é crucial.