Três Métodos, Três Regiões
Para a equação de teste dy/dx = λy, três métodos explícitos de EDO têm as seguintes regiões de estabilidade no plano complexo hλ:
Método de Euler (primeira ordem): a região de estabilidade é o disco |1 + hλ| ≤ 1, um círculo de raio 1 centrado em (-1, 0). O hλ real negativo deve estar em [-2, 0].
Runge-Kutta 2 (método do ponto médio) (segunda ordem): a região de estabilidade é |1 + hλ + (hλ)²/2| ≤ 1. Maior que o disco de Euler, mas ainda delimitada.
Runge-Kutta 4 (quarta ordem): a região de estabilidade satisfaz |1 + hλ + (hλ)²/2 + (hλ)³/6 + (hλ)⁴/24| ≤ 1. O hλ real negativo se estende até aproximadamente -2.785. A região é substancialmente maior que a de Euler.
Euler para Trás (implícito): a região de estabilidade é todo o plano complexo exceto o disco |1 - hλ|⁻¹ > 1, equivalentemente |1/(1-hλ)| ≤ 1. Para λ no semiplano esquerdo (Re(λ) < 0), isto é incondicionalmente estável — sem restrição em h pela estabilidade.
A Função de Amplificação
Para qualquer método de Runge-Kutta, o fator de amplificação por passo R(hλ) é uma aproximação polinomial a e^(hλ):
- Euler: R(z) = 1 + z (truncado no grau 1)
- RK2: R(z) = 1 + z + z²/2 (truncado no grau 2)
- RK4: R(z) = 1 + z + z²/2 + z³/6 + z⁴/24 (truncado no grau 4)
A região de estabilidade é {z ∈ ℂ : |R(z)| ≤ 1}. A amplificação da solução verdadeira: |e^z| = e^(Re(z)). Para Re(z) < 0 (EDO estável), a solução verdadeira decai. O método numérico é estável se |R(z)| ≤ 1 — correspondendo ao comportamento decrescente.
Autovalores Puramente Imaginários: Sistemas Oscilatórios
Muitos sistemas físicos têm autovalores puramente imaginários: λ = iω (oscilações sem amortecimento). O sistema massa-mola, mecânica orbital, dinâmica do pêndulo.
Para λ = iω: hλ = ihω está no eixo imaginário.
Estabilidade de Euler no eixo imaginário: |1 + ihω|² = 1 + (hω)² > 1 para qualquer h > 0. Euler é instável para qualquer tamanho de passo em autovalores puramente imaginários. A 'oscilação' computada cresce sem limite.
Estabilidade de RK4 no eixo imaginário: a região de estabilidade se estende até aproximadamente |hω| ≤ 2.83 no eixo imaginário. Para h pequeno o suficiente, RK4 lida com oscilações não amortecidas. Euler não consegue.
Esta geometria é o motivo pelo qual Euler falha em sistemas conservativos (massa-mola, órbitas, equações de onda) mesmo com h pequeno, enquanto RK4 lida bem com eles.
A Geometria de Problemas Rígidos
Um sistema de EDO rígido tem autovalores com magnitudes muito diferentes. A razão de rigidez: κ = max|Re(λᵢ)| / min|Re(λᵢ)| >> 1.
Por que a rigidez é cara para solucionadores explícitos:
A estabilidade exige h·max|λᵢ| ≤ C (onde C depende do método). O autovalor mais negativo define o limite.
A precisão para a dinâmica lenta exige h·min|λᵢ| ≥ ε (resolver o modo mais lento adequadamente).
Se κ é grande, estas duas exigências forçam um h pequeno: pequeno o suficiente para a estabilidade do modo rápido, grande o suficiente para amostrar o modo lento. O número de passos é dimensionado por κ.
Imagem geométrica no espectro de autovalor: os autovalores da Jacobiana ∂f/∂y formam um conjunto de pontos no plano complexo. A região de estabilidade de um solucionador explícito deve conter todos os pontos h·λᵢ. Se autovalores variam de -1 a -1000, a região de estabilidade deve cobrir uma faixa de 1000 ao longo do eixo real — exigindo um h muito pequeno.
Solucionadores implícitos: a região de estabilidade de Euler para Trás cobre todo o semiplano esquerdo. Todos os autovalores com Re(λ) < 0 estão automaticamente dentro da região de estabilidade independentemente de h. A restrição em h vem apenas da precisão, não da estabilidade.
Razão de Rigidez & Custo
Considere uma rede de reações químicas com reações rápidas (escala de tempo 10⁻⁶ s) e reações lentas (escala de tempo 1 s).
Razão de rigidez: κ = 10⁶ / 1 = 10⁶.
Com RK4 (limite de estabilidade h·|λ_max| ≤ 2.785): h_max = 2.785 / 10⁶ ≈ 2.8 × 10⁻⁶ s.
Para integrar sobre 10 s de tempo de reação: passos = 10 / (2.8 × 10⁻⁶) ≈ 3.6 × 10⁶.
Com Euler para Trás (incondicionalmente estável): h pode ser escolhido pela precisão das reações lentas. h = 10⁻² s (100 amostras sobre escala de 1 s). Passos = 10 / 10⁻² = 1000.
Razão de custo: explícita 3.6 milhões de passos vs implícita 1000 passos — um fator de 3600. Cada passo implícito exige resolver um sistema linear (custo por passo é maior), mas o custo total é muito menor para problemas muito rígidos.
Por Que Tubos n-Dimensionais Não São O Que Você Pensa
Em 2D, um 'tubo' de raio ε ao redor de uma curva C é o conjunto de pontos a distância ε de C. A seção transversal é um círculo de raio ε. O volume do tubo cresce proporcionalmente com seu comprimento.
Em n dimensões, a geometria do tubo muda fundamentalmente, devido ao fenômeno do Capítulo 9:
O paradoxo do canto n-dimensional: em espaço n-dimensional, quase todo o volume de um hipercubo n-dimensional está nos cantos — não na região central. Conforme n aumenta, a fração de volume a distância ε do centro vai a zero para qualquer ε fixo.
Aplicado a tubos de solução de EDO:
Em 2D: se a solução verdadeira passa pelo centro de um tubo, a maioria dos pontos próximos está perto da curva. Pequenas perturbações mantêm você perto da solução verdadeira.
Em altas dimensões: a maioria dos pontos dentro da caixa delimitadora do tubo está realmente longe da curva de solução verdadeira. O 'volume' do tubo é dominado pelos cantos — regiões que estão longe do centro em múltiplas dimensões simultaneamente.
Consequência para a simulação: com 28 EDOs acopladas (problema de interceptação da Marinha de Hamming), uma perturbação de tamanho ε em cada dimensão pode produzir um deslocamento total de ε√28 ≈ 5.3ε da solução verdadeira. O tubo deve ser entendido em termos da norma L2 através de todas as dimensões, não apenas o deslocamento máximo em qualquer dimensão.
Estabilidade em altas dimensões: um sistema onde cada componente decai independentemente (cada autovalor tem parte real negativa) ainda pode mostrar grandes deslocamentos combinados porque os erros dos componentes se somam na norma L2. O tubo de 28 dimensões não é apenas 28 tubos independentes de 1-dimensão — a geometria os acopla.
Da Geometria ao Design
Os insights geométricos dos Capítulos 18-20 vêm juntos como um conjunto de princípios de design para simulação numérica:
Seleção de tamanho de passo: h deve colocar h·λ dentro da região de estabilidade para cada autovalor. Para sistemas rígidos, métodos implícitos removem a restrição de estabilidade, deixando apenas exigências de precisão.
Acúmulo de erro em altas dimensões: o erro global é um vetor em espaço n-dimensional. Sua norma cresce como √n vezes o erro por componente. Simulações de alta dimensão precisam de exigências de precisão por passo mais apertadas.
Feedback como estabilizador: se a simulação incorpora feedback (a saída computada influencia entradas subsequentes, como em um sistema de orientação), feedback convergente amortece erros. A simulação pode tolerar entradas imprecisas para quantidades dentro do loop de feedback.
A instabilidade como sinal: para problemas com campos de direção divergentes, a instabilidade pode ser explorada: a direção de divergência carrega informação sobre o erro de condição inicial, permitindo ajuste corretivo.