Questão 1: Verdadeiro ou Falso (10 pontos)

Determine se cada afirmação é verdadeira (V) ou falsa (F). Justifique brevemente cada resposta.
a) ( ) O método de Gauss-Laguerre é ideal para calcular integrais definidas em intervalos finitos.
b) ( ) O método de Euler é um método implícito de resolução de EDOs.
c) ( ) O método de Runge-Kutta de quarta ordem é mais preciso do que o método de Taylor de terceira ordem.
d) ( ) O método dos mínimos quadrados pode ser usado para ajustar curvas a dados experimentais, minimizando a soma dos resíduos quadrados.
e) ( ) No ajuste por mínimos quadrados, os resíduos podem ser negativos ou positivos, mas sua soma é sempre zero.
f) ( ) O método de Euler Melhorado usa a média dos valores de derivada no início e no final do intervalo para aproximar a solução.
g) ( ) No método de Adams-Bashforth, todas as derivadas envolvidas são calculadas no ponto anterior ao ponto atual.
h) ( ) Na quadratura gaussiana com polinômios de Legendre, os pontos de integração coincidem com as raízes dos polinômios de Legendre.
i) ( ) No ajuste linear pelo método dos mínimos quadrados, a equação da reta é obtida diretamente minimizando a soma dos valores absolutos dos resíduos.
j) ( ) A regra de Gauss-Hermite é mais adequada para integrais do tipo \int_{-\infty}^{\infty} e^{-x^{2}} f(x) d x.

Passo 1

O que o enunciado pede: para cada inciso de (a) até (j) eu preciso dizer se a afirmação é Verdadeira (V) ou Falsa (F) e justificar brevemente.
Informações dadas (cada item é uma afirmação independente sobre métodos numéricos ou ajuste de dados):
a) sobre o método de Gauss-Laguerre e intervalos finitos;
b) sobre se o método de Euler é implícito;
c) comparação de precisão entre Runge–Kutta de 4ª ordem e método de Taylor de 3ª ordem;
d) uso do método dos mínimos quadrados para ajustar curvas minimizando soma dos quadrados dos resíduos;
e) sobre sinal dos resíduos e se a soma deles é sempre zero;
f) sobre o método de Euler Melhorado usar a média das derivadas no início e no fim do passo;
g) afirmação sobre onde são calculadas as derivadas no método de Adams–Bashforth;
h) propriedade dos pontos (nós) na quadratura gaussiana com polinômios de Legendre;
i) se o ajuste linear por mínimos quadrados minimiza a soma dos valores absolutos dos resíduos;
j) adequação da regra de Gauss–Hermite para integrais com peso e^{-x^{2}}.
A partir do Passo 2 eu vou analisar e justificar cada item.

Passo 2

a) Análise e conceito necessário: o método de Gauss–Laguerre é uma quadratura gaussiana que usa como peso e^{-x} e é formulado para integrais do tipo
\int_{0}^{\infty} e^{-x} f(x)\,dx.
Isso significa que os nós e pesos de Gauss–Laguerre são escolhidos para integrar exatamente polinômios ponderados por e^{-x} no intervalo [0,\infty). Se a integral é em um intervalo finito, por exemplo [a,b], existem outras quadraturas mais apropriadas (Gauss–Legendre para peso 1 em [a,b], por exemplo). Conclusão: a afirmação “Gauss–Laguerre é ideal para intervalos finitos” ignora o domínio natural do método. Portanto a afirmação é Falsa. (Explicação didática: imagine querer integrar em [0,1] — usar Gauss–Laguerre não é natural; seria preciso transformar a integral ou forçar peso e^{-x}, o que complica.)

Passo 3

b) Análise e conceito necessário: quando falamos “método de Euler” normalmente nos referimos ao Euler explícito (forward Euler), cuja fórmula para uma EDO y'=f(t,y) é
y_{n+1}=y_n + h f(t_n,y_n),
onde h é o passo. Esse esquema usa só valores conhecidos no instante n e portanto é um método explícito. Existe uma variante chamada Euler implícito (ou backward Euler)
y_{n+1}=y_n + h f(t_{n+1},y_{n+1}),
que é implícita, mas não é o “método de Euler” usual quando não se especifica. A frase do enunciado é genérica e tende a ser entendida como “o método de Euler (padrão) é implícito”, o que está errado. Conclusão: a afirmação é Falsa. (Didática: lembre que “explícito” usa apenas valores já conhecidos para calcular o próximo; “implícito” envolve y_{n+1} na equação e geralmente exige resolver uma equação naquele passo.)

Passo 4

c) Análise e conceito necessário: a ordem de um método diz como o erro global cai quando h diminui. O método de Taylor de ordem 3 (método baseado na expansão de Taylor até termo de ordem h^{3}) tem ordem global 3 (erro O(h^{3})). O Runge–Kutta clássico de quarta ordem (RK4) tem ordem global 4 (erro O(h^{4})). Como ordem mais alta geralmente implica maior precisão para passos pequenos (mesma h), o RK4 é, em termos de ordem de convergência, mais preciso que um método de Taylor de ordem 3. Conclusão: a afirmação é Verdadeira. (Didática: ordem maior → termo dominante do erro tem potência maior de h, então erro decresce mais rápido com h.)

Passo 5

d) Análise e conceito necessário: o método dos mínimos quadrados (least squares) ajusta parâmetros de um modelo escolhendo-os para minimizar a soma dos quadrados dos resíduos r_i = y_i - \hat y_i. A função objetivo é
S=\sum_{i=1}^{n} r_i^{2} = \sum_{i=1}^{n} \bigl(y_i-\hat y_i\bigr)^{2},
e a solução obtida (quando o problema é linear nos parâmetros) é encontrada resolvendo um sistema linear normal. Portanto a descrição “pode ser usado para ajustar curvas a dados experimentais, minimizando a soma dos resíduos quadrados” está correta. Conclusão: a afirmação é Verdadeira. (Didática: por que quadrados? Porque penaliza erros grandes e leva a soluções analíticas simples no caso linear.)

Passo 6

e) Análise e conceito necessário: os resíduos r_i=y_i-\hat y_i podem ser positivos ou negativos, claro — são apenas diferenças entre observação e modelo. Uma propriedade importante do ajuste por mínimos quadrados linear que inclui um termo constante (intercepto) é que a soma dos resíduos é zero:
\sum_{i=1}^{n} r_i = 0,
desde que o modelo tenha um parâmetro de intercepto livre. Se o modelo for forçado a não ter intercepto (ou houver restrições), essa soma pode não ser zero. O enunciado não explicita, mas numa situação padrão de ajuste linear com intercepto, a soma é sempre zero. Conclusão: interpretando o enunciado no sentido padrão (ajuste com intercepto), a afirmação é Verdadeira. (Didática: isso decorre das equações normais — a derivada da soma dos quadrados em relação ao intercepto leva à condição soma dos resíduos igual a zero.)

Passo 7

f) Análise e conceito necessário: o “Euler Melhorado” normalmente refere-se ao método de Heun (ou método do trapézio explícito), que primeiro faz uma previsão pelo Euler explícito
y^{\text{pred}}_{n+1}=y_n + h f(t_n,y_n),
calcula a derivada no final do passo f(t_{n+1},y^{\text{pred}}_{n+1}) e então corrige usando a média das derivadas no início e no fim:
y_{n+1}=y_n + \frac{h}{2}\bigl( f(t_n,y_n) + f(t_{n+1},y^{\text{pred}}_{n+1})\bigr).
Assim, a descrição “usa a média dos valores de derivada no início e no final do intervalo” é exatamente a ideia. Conclusão: a afirmação é Verdadeira. (Didática: isso melhora a precisão em relação ao Euler explícito porque incorpora informação do final do passo.)

Passo 8

g) Análise e conceito necessário: o método de Adams–Bashforth é uma família de métodos multi‑passo explícitos que aproximam a integral da derivada usando valores em vários pontos anteriores. Por exemplo, o método Adams–Bashforth de 2 passos usa f em t_n e t_{n-1}; o de 3 passos usa f em t_n,t_{n-1},t_{n-2}, etc. A afirmação “todas as derivadas envolvidas são calculadas no ponto anterior ao ponto atual” sugere que todas são avaliadas apenas em t_{n} (o ponto imediatamente anterior), o que é falso: na prática usam-se várias avaliações em pontos anteriores distintos. Portanto a afirmação é Falsa. (Didática: Adams–Bashforth é explícito mas multi‑passo — usa uma combinação linear de f em vários instantes passados.)

Passo 9

h) Análise e conceito necessário: na quadratura gaussiana com polinômios de Legendre (Gauss–Legendre), os nós (pontos de avaliação) são escolhidos exatamente como as raízes do polinômio de Legendre de grau n. Essa é uma propriedade fundamental da quadratura gaussiana: escolher nós como raízes do polinômio ortogonal associado garante exatidão máxima para polinômios até grau 2n-1. Conclusão: a afirmação é Verdadeira. (Didática: por isso se fala “nós = raízes do polinômio de Legendre”.)

Passo 10

i) Análise e conceito necessário: o ajuste linear pelo método dos mínimos quadrados minimiza a soma dos quadrados dos resíduos,
\sum_{i=1}^{n} r_i^{2},
não a soma dos valores absolutos \sum |r_i|. Minimizar \sum |r_i| é um outro método (mínimos desvios absolutos, L1) e leva a problemas de otimização diferentes (geralmente não há solução fechada simples como nas normais LS). Portanto a afirmação “obtida diretamente minimizando a soma dos valores absolutos dos resíduos” está errada para mínimos quadrados. Conclusão: a afirmação é Falsa. (Didática: L2 (quadrados) ≠ L1 (absolutos).)

Passo 11

j) Análise e conceito necessário: a regra de Gauss–Hermite é uma quadratura projetada para integrais com peso e^{-x^{2}} no intervalo (-\infty,\infty), isto é, para integrar
\int_{-\infty}^{\infty} e^{-x^{2}} f(x)\,dx.
Os nós são as raízes dos polinômios de Hermite e os pesos são adequados ao peso gaussiano e^{-x^{2}}. Portanto essa regra é justamente indicada para integrais desse tipo. Conclusão: a afirmação é Verdadeira. (Didática: é o análogo de Gauss–Legendre, só que para o peso e^{-x^{2}} e domínio infinito.)

Resposta

a) F
b) F
c) V
d) V
e) V
f) V
g) F
h) V
i) F
j) V

Exercícios relacionados